論文の概要: Manga2Animate: An Agentic Framework for Faithful Manga Animation with Script and Storyboard Planning

• arxiv url: http://arxiv.org/abs/2610.26851v1
• Date: Mon, 19 Oct 2026 17:59:46 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:37:58.414503
• Title: Manga2Animate: An Agentic Framework for Faithful Manga Animation with Script and Storyboard Planning
• Title（参考訳）: Manga2Animate: スクリプトとストーリーボードによる忠実なマンガアニメーションのためのエージェントフレームワーク
• Abstract要約: Manga2Animateは、ソースマンガのすべての生成ステージを基盤とするフレームワークである。 根源マンガに忠実なアニメーションを制作し、最先端のアプローチよりもショット間で一貫性がある。
• 参考スコア（独自算出の注目度）: 4.72295290769363
• License:
• Abstract: Adapting existing manga into coherent animation that stays faithful to the source is a valuable yet challenging task. Existing methods either access the manga mainly through text, losing its characters and art style, or feed manga pages directly into video generation models, which misinterpret the manga's structure and produce incorrect storylines. In this paper, we propose Manga2Animate, a multi-agent framework that grounds every stage of generation in the source manga. We decompose the task into two intermediate representations, an animation script and a visual storyboard. Each representation is produced by a creator agent and reviewed against the source panels by a paired reviewer agent. We tailor representation-specific selection and dual-level feedback to progressively refine both before synthesizing the final animation. Extensive experiments and a user study demonstrate that Manga2Animate produces animations more faithful to the source manga and more consistent across shots than state-of-the-art approaches. Project page: https://annchenn.github.io/Manga2Animate/
• Abstract（参考訳）: 既存のマンガを、ソースに忠実なコヒーレントなアニメーションに適応させることは、価値あるが挑戦的な作業である。 既存の方法は、主にテキストを通じてマンガにアクセスし、文字やアートスタイルを失うか、あるいはマンガのページを直接ビデオ生成モデルに供給し、マンガの構造を誤って解釈し、誤ったストーリーラインを生成する。 本稿では,マルチエージェントフレームワークであるManga2Animateを提案する。 タスクを2つの中間表現、アニメーションスクリプトとビジュアルストーリーボードに分解する。 各表現はクリエータエージェントによって生成され、ペア化されたレビュアーエージェントによってソースパネルに対してレビューされる。 我々は、最終アニメーションを合成する前に、表現固有の選択と二重レベルのフィードバックを段階的に洗練するように調整する。 大規模な実験とユーザスタディにより、Manga2Animateは、最先端のアプローチよりも、ソースマンガに忠実で、ショット間で一貫性のあるアニメーションを生成する。 プロジェクトページ: https://annchenn.github.io/Manga2Animate/

関連論文リスト

• MangaFlow: An End-to-End Agentic Framework for Controllable Story to Manga Generation [22.40264045909082]
  MangaFlowは、コントロール可能なロングフォームマンガ生成のためのフレームワークである。 マンガ作成を計画、接地、レイアウト構成、参照条件付きレンダリング、構成、テキスト配置に分解する。
  論文  参考訳（メタデータ） (2026-05-27T08:54:12Z)
• PhysAnimator: Physics-Guided Generative Cartoon Animation [19.124321553546242]
  PhysAnimatorは、静的アニメイラストからアニメスティル化されたアニメーションを生成するための新しいアプローチである。 アニメの流動性と誇張特性を捉えるため,抽出したメッシュ地形上で画像空間の変形可能な物体シミュレーションを行った。 シミュレーションシーケンスからスケッチを抽出し、テクスチャに依存しない表現を生成し、スケッチ誘導映像拡散モデルを用いて高品質なアニメーションフレームを合成する。
  論文  参考訳（メタデータ） (2025-01-27T22:48:36Z)
• Manga Generation via Layout-controllable Diffusion [21.080054070512023]
  本稿では,マンガ生成タスクを提示し,プレーンテキストからのみマンガ生成を研究するためのマンガ109Storyデータセットを構築する。 マンガ生成過程におけるパネル内およびパネル間情報相互作用を容易にするためのマンガ拡散法を提案する。
  論文  参考訳（メタデータ） (2024-12-26T17:52:19Z)
• AniDoc: Animation Creation Made Easier [54.97341104616779]
  我々の研究は、ますます強力なAIの可能性を生かして、2Dアニメーションを制作する際のコスト削減に重点を置いている。 AniDocはビデオラインアートのカラー化ツールとして登場し、自動的にスケッチシーケンスをカラーアニメーションに変換する。 本モデルでは,一致マッチングを明示的なガイダンスとして活用し,基準文字と各ラインアートフレームの変動に強いロバスト性を与える。
  論文  参考訳（メタデータ） (2024-12-18T18:59:59Z)
• The Manga Whisperer: Automatically Generating Transcriptions for Comics [55.544015596503726]
  我々は,パネル,テキストボックス,文字ボックスを検出可能な統一モデル Magi を提案する。 本稿では,検出したテキストボックスを読み順にソートし,対話文を生成する手法を提案する。
  論文  参考訳（メタデータ） (2024-01-18T18:59:09Z)
• AnimeRun: 2D Animation Visual Correspondence from Open Source 3D Movies [98.65469430034246]
  既存の2次元漫画のデータセットは、単純なフレーム構成と単調な動きに悩まされている。 我々は,オープンソースの3D映画を2Dスタイルのフルシーンに変換することによって,新しい2Dアニメーション視覚対応データセットAnimeRunを提案する。 分析の結果,提案したデータセットは画像合成において実際のアニメに似るだけでなく,既存のデータセットと比較してよりリッチで複雑な動きパターンを持つことがわかった。
  論文  参考訳（メタデータ） (2022-11-10T17:26:21Z)
• Towards Fully Automated Manga Translation [8.45043706496877]
  漫画、日本の漫画の機械翻訳の問題に取り組みます。 画像からコンテキストを取得することは マンガの翻訳に不可欠です。 まず,マルチモーダルコンテキスト対応翻訳フレームワークを提案する。 第二に、モデルのトレーニングでは、オリジナル漫画のペアから自動コーパス構築へのアプローチを提案します。 第3に,マンガ翻訳を評価するための新しいベンチマークを作成した。
  論文  参考訳（メタデータ） (2020-12-28T15:20:52Z)
• MangaGAN: Unpaired Photo-to-Manga Translation Based on The Methodology of Manga Drawing [27.99490750445691]
  本稿では,GAN(Generative Adversarial Network)をベースとしたマンガGANを提案する。 マンガアーティストがいかにマンガを描くかにインスパイアされたMangaGANは、デザインされたGANモデルによってマンガの幾何学的特徴を生成する。 高品質なマンガ面を生成するために,スムーズなストロークラインへの構造的スムージングロスとノイズの多い画素の回避,および類似性保存モジュールを提案する。
  論文  参考訳（メタデータ） (2020-04-22T15:23:42Z)

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。