本文探讨了利用深度学习模型和多模态输入，通过屏幕识别和大型语言模型改善移动应用程序可访问性的方法。研究表明，该系统能够有效预测图像按钮标签，提升用户界面的可用性，并在可访问性测试中表现优异，展示了未来自动化可访问性研究的潜力。