論文の概要: OregairuChar: A Benchmark Dataset for Character Appearance Frequency Analysis in My Teen Romantic Comedy SNAFU
- arxiv url: http://arxiv.org/abs/2511.05263v1
- Date: Fri, 07 Nov 2025 14:25:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-10 21:00:44.785967
- Title: OregairuChar: A Benchmark Dataset for Character Appearance Frequency Analysis in My Teen Romantic Comedy SNAFU
- Title（参考訳）: OregairuChar: 私の10代ロマンチックコメディ『SNAFU』の文字出現頻度分析のためのベンチマークデータセット
- Authors: Qi Sun, Dingju Zhou, Lina Zhang,
- Abstract要約: OregairuCharは、アニメシリーズ『My Teen Romantic Comedy SNAFU』の出現頻度分析のためのベンチマークデータセットである。
データセットは、第3シーズンから1600フレームを手動で選択し、11のメイン文字に2860のバウンディングボックスをアノテートする。
- 参考スコア（独自算出の注目度）: 6.9674690851253045
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The analysis of character appearance frequency is essential for understanding narrative structure, character prominence, and story progression in anime. In this work, we introduce OregairuChar, a benchmark dataset designed for appearance frequency analysis in the anime series My Teen Romantic Comedy SNAFU. The dataset comprises 1600 manually selected frames from the third season, annotated with 2860 bounding boxes across 11 main characters. OregairuChar captures diverse visual challenges, including occlusion, pose variation, and inter-character similarity, providing a realistic basis for appearance-based studies. To enable quantitative research, we benchmark several object detection models on the dataset and leverage their predictions for fine-grained, episode-level analysis of character presence over time. This approach reveals patterns of character prominence and their evolution within the narrative. By emphasizing appearance frequency, OregairuChar serves as a valuable resource for exploring computational narrative dynamics and character-centric storytelling in stylized media.
- Abstract（参考訳）: キャラクターの出現頻度の分析は、アニメにおける物語構造、キャラクターの卓越性、物語の進行を理解するために不可欠である。
本稿では,アニメシリーズ『My Teen Romantic Comedy SNAFU』の出現頻度分析のためのベンチマークデータセットであるOregairuCharを紹介する。
データセットは、第3シーズンから1600フレームを手動で選択し、11のメイン文字に2860のバウンディングボックスをアノテートする。
OregairuCharは、オクルージョン、ポーズのバリエーション、キャラクタ間の類似性など、さまざまな視覚的課題を捉え、外見に基づく研究の現実的な基盤を提供する。
定量的な研究を可能にするために、データセット上の複数のオブジェクト検出モデルをベンチマークし、その予測を利用して、時間とともにキャラクタの存在を詳細に、エピソードレベルで分析する。
このアプローチは、物語の中のキャラクターの卓越と進化のパターンを明らかにする。
出現頻度を強調することで、OregairuCharは、スタイリングされたメディアにおいて、計算的物語力学とキャラクター中心のストーリーテリングを探求するための貴重な資源となる。
関連論文リスト
- Character-Centric Understanding of Animated Movies [88.83104906869106]
本稿では,自動的かつロバストなアニメーション文字認識を実現するための音声視覚パイプラインを提案する。
アニメーション映画のキャラクターは、その外観、動き、変形において極端な多様性を示す。
このパイプラインはアニメーション映画のキャラクター中心の理解を高める。
論文 参考訳（メタデータ） (2025-09-15T17:59:51Z) - BookWorm: A Dataset for Character Description and Analysis [59.186325346763184]
本稿では,短い事実プロファイルを生成する文字記述と,詳細な解釈を提供する文字解析という2つのタスクを定義する。
本稿では,Gutenbergプロジェクトからの書籍と,人間による記述と分析のペアリングを行うBookWormデータセットを紹介する。
その結果,検索に基づくアプローチは両タスクにおいて階層的アプローチよりも優れていた。
論文 参考訳（メタデータ） (2024-10-14T10:55:58Z) - Generating Visual Stories with Grounded and Coreferent Characters [63.07511918366848]
本稿では,一貫した接地的・中核的な特徴を持つ視覚的ストーリーを予測できる最初のモデルを提案する。
我々のモデルは、広く使われているVISTベンチマークの上に構築された新しいデータセットに基づいて微調整されています。
また、物語における文字の豊かさとコア参照を測定するための新しい評価指標を提案する。
論文 参考訳（メタデータ） (2024-09-20T14:56:33Z) - Tails Tell Tales: Chapter-Wide Manga Transcriptions with Character Names [53.24414727354768]
本論文は,マンガ全章の対話書き起こしを完全自動生成することを目的とする。
i) 言っていることを識別し、各ページのテキストを検出し、それらが本質的か非本質的かに分類する。
また、章を通して同じ文字が一貫した名前で呼ばれることも保証している。
論文 参考訳（メタデータ） (2024-08-01T05:47:04Z) - Evolving Storytelling: Benchmarks and Methods for New Character Customization with Diffusion Models [79.21968152209193]
ニューエピソード・ベンチマークを導入し、新しいキャラクターで新しいストーリーを生成する際の生成モデルの適応性を評価する。
EpicEvoは,新しいキャラクタをシームレスに統合した単一ストーリーで,拡散に基づくビジュアルストーリー生成モデルをカスタマイズする手法である。
論文 参考訳（メタデータ） (2024-05-20T07:54:03Z) - Grounding Characters and Places in Narrative Texts [5.254909030032427]
本稿では,新しい空間関係分類タスクを提案する。
タスクの目的は、テキストのウィンドウ内のすべての文字と位置のコメンデーションに対して、空間的関係カテゴリを割り当てることである。
これらの関係を予測するために、コンテキスト埋め込みを機能として使用するモデルをトレーニングする。
論文 参考訳（メタデータ） (2023-05-27T19:31:41Z) - Detecting and Grounding Important Characters in Visual Stories [18.870236356616907]
本稿では,リッチな文字中心アノテーションを提供するVIST-Characterデータセットを紹介する。
このデータセットに基づいて,重要な文字の検出と,視覚的ストーリーにおける文字のグラウンド化という,2つの新しいタスクを提案する。
本研究では,分布類似性と事前学習された視覚・言語モデルに基づく,シンプルで教師なしのモデルを開発する。
論文 参考訳（メタデータ） (2023-03-30T18:24:06Z) - RZCR: Zero-shot Character Recognition via Radical-based Reasoning [17.305603529254608]
RZCRは、視覚的意味融合に基づくラジカル情報抽出器(RIE)と知識グラフ文字推論器(KGR)から構成される。
RZCRは、特に少数の文字データセットにおいて、有望な実験結果を示す。
論文 参考訳（メタデータ） (2022-07-12T21:12:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。