論文の概要: ManimCode: Learning Visual Self-Correction for Educational Animation

• arxiv url: http://arxiv.org/abs/2611.08294v1
• Date: Thu, 05 Nov 2026 16:55:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 04:55:13.587771
• Title: ManimCode: Learning Visual Self-Correction for Educational Animation
• Title（参考訳）: ManimCode: 教育アニメーションのための視覚的自己補正学習
• Abstract要約: フィードバック駆動アニメーション生成のためのデータおよびトレーニングフレームワークであるManimDataとManimCodeを紹介する。 ManimCode は ManimData-test と ManimBench で 96.6% と 97.0% のレンダリングで成功し、未トレーニングの 4B モデルでは 52.6% と 82.0% である。
• 参考スコア（独自算出の注目度）: 25.127244428020223
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Manim supports precise, programmatic video generation, but a successfully rendered educational animation can still have visual defects, missing explanations, or incorrect content. Rendering does not directly identify the code changes needed to correct these visual failures, so feedback-driven revision is needed. Existing agentic frameworks use iterative rendering and revision but typically rely on large models, often proprietary. Existing Manim datasets primarily contain final programs and often lack quality verification and the trajectories of feedback and revisions needed to learn this refinement process. We introduce ManimData and ManimCode, a data and training framework for feedback-driven educational animation generation. We construct ManimData through a render-guided pipeline that iteratively generates, executes, reviews, and revises Manim programs with retrieved API documentation. Its 24,034 render-verified, quality-filtered records preserve intermediate programs, execution errors, visual critiques, and corrective revisions. We use role-conditioned supervised fine-tuning on these trajectories to train ManimCode, a single 4B model, to write, review, and revise animation programs. To improve correction of errors that differ from those in the collected trajectories, we then train the Reviser with reinforcement learning on self-generated states, using rendering outcomes and reference-free quality feedback. ManimCode achieves 96.6% and 97.0% render success on ManimData-test and ManimBench, compared with 52.6% and 82.0% for the untrained 4B model under the same inference setup, while also improving video quality scores from 2.48 to 2.94 and from 3.00 to 3.44. Integrating ManimCode into two long-form educational video generation systems increases completed videos from 19/117 to 107/117 and from 53/239 to 239/239, alongside improvements in educational effectiveness and visual quality.
• Abstract（参考訳）: Manimは、正確でプログラム的なビデオ生成をサポートするが、うまくレンダリングされた教育用アニメーションは、まだ視覚的な欠陥、説明の欠如、誤った内容を持っている。 レンダリングは、これらの視覚的障害を修正するために必要なコード変更を直接識別しないため、フィードバック駆動の修正が必要である。 既存のエージェントフレームワークは反復レンダリングとリビジョンを使用しているが、通常は大きなモデルに依存しており、多くの場合プロプライエタリである。 既存のManimデータセットには、主に最終プログラムが含まれており、品質検証や修正プロセスの学習に必要なフィードバックや修正の軌跡が欠けていることが多い。 フィードバック駆動型教育アニメーション生成のためのデータおよびトレーニングフレームワークであるManimDataとManimCodeを紹介する。 我々は、APIドキュメントを検索してManimプログラムを反復的に生成し、実行し、レビューし、修正するレンダリング誘導パイプラインを通じてManimDataを構築します。 24034のレンダリング検証された品質フィルター付きレコードは中間プログラム、実行エラー、視覚的批判、修正的修正を保存している。 これらのトラジェクトリをロール条件で教師付き微調整することで、単一の4BモデルであるManimCodeをトレーニングし、アニメーションプログラムを書き、レビューし、修正します。 収集した軌道と異なる誤差の補正を改善するために,レンダリング結果と基準のない品質フィードバックを用いて,自己生成状態に対する強化学習によるリバイザの訓練を行う。 ManimCode は ManimData-test と ManimBench で 96.6% と 97.0% のレンダリング成功を達成し、同じ推論設定でトレーニングされていない 4B モデルの 52.6% と 82.0% に対して、ビデオ品質スコアは 2.48 から 2.94 に、3.00 から 3.44 に改善した。 ManimCodeを2つの長期教育ビデオ生成システムに統合すると、完成ビデオは19/117から107/117、53/239から239/239に増加し、教育効果と視覚的品質が向上した。

関連論文リスト

• 3DCodeEdit: Benchmarking Instruction-Guided 3D Program Editing [56.634290206718184]
  命令誘導編集タスクのベンチマークである3DCodeEditを導入する。 その編集はパラメータから構造的変化、スタイル、シーン構成まで様々で、人間レビューされたチェックリストに対するレンダリングから判断される。 17モデル中、平均成功率は37%に過ぎず、最強モデルでさえ、構造的およびスタイル的な編集の60%以下である。
  論文  参考訳（メタデータ） (2026-10-28T03:29:59Z)
• Recursive Self-Improvement in Unified Multimodal Models [41.20184334137855]
  統一マルチモーダルモデル(UMM)は、テキストと画像の両方を理解し、生成する。 UMMのテキストと視覚能力が相互にトレーニングデータを供給する訓練ループを提案する。
  論文  参考訳（メタデータ） (2026-10-02T08:34:21Z)
• Dancing Stick Figures: An Introductory Dataset for Training Video Generation Models [0.0]
  Dancing Stick Figuresは,3つの障害に対して構築された合成ビデオデータセットだ。 スピードに関しては、64x64の64フレーム参照タスクは、単一のワークステーションGPUで実際に繰り返しトレーニングするためにサイズが大きすぎる。 アクセシビリティーのために、このリリースは4,020本のビデオクリップ-1,340本の6秒のソースモーションの0.79GBのトレーニングティアである。
  論文  参考訳（メタデータ） (2026-08-29T08:03:19Z)
• See Before You Code: Learning Visual Priors for Spatially Aware Educational Animation Generation [39.337052427482554]
  我々は,レンダリングフィードバックを意識したアニメーション生成フレームワークであるOmniManimを紹介する。 共有シーン状態、明示的な視覚計画、構造化されたレンダリング後の診断、局所的な修復を中心に構築されている。 Edu-500では、OmniManimはシングルエージェントベースラインと既存のマルチエージェントフレームワークの両方で、測定されたレンダリング品質を改善している。
  論文  参考訳（メタデータ） (2026-05-15T03:48:26Z)
• VideoScore2: Think before You Score in Generative Video Evaluation [69.43069741467603]
  VideoScore2は、視覚的品質、テキスト・ツー・ビデオのアライメント、物理的/常識的一貫性を明確に評価する多次元、解釈可能、そして人間によるアライメントフレームワークである。 我々のモデルは、27,168人の注釈付きビデオを含む大規模なデータセットVideoFeedback2で訓練されている。
  論文  参考訳（メタデータ） (2025-09-26T18:09:03Z)
• PerceptionLM: Open-Access Data and Models for Detailed Visual Understanding [126.15907330726067]
  画像と映像の理解において透過的な研究を行うために,完全オープンかつ再現可能なフレームワークで知覚モデル(PLM)を構築することを研究する。 モデルからの蒸留なしで標準的な訓練パイプラインを分析し、大規模合成データを調べ、重要なデータギャップを識別する。 これらのギャップを埋めるために、我々は、挑戦的なビデオ理解タスクを評価するためのスイートであるPLM-VideoBenchをリリースした。
  論文  参考訳（メタデータ） (2025-04-17T17:59:56Z)
• Stable Mean Teacher for Semi-supervised Video Action Detection [3.5743998666556855]
  我々は,映像行動検出のための半教師付き学習に焦点を当てた。 改良された時間的に一貫した擬似ラベルの恩恵を受ける、シンプルなエンドツーエンドの教師ベースのフレームワークである安定平均教師を紹介する。
  論文  参考訳（メタデータ） (2024-12-10T00:25:33Z)
• Early Action Recognition with Action Prototypes [62.826125870298306]
  本稿では,各クラスに対するフルアクションのプロトタイプ表現を学習する新しいモデルを提案する。 映像を短いクリップに分解し、視覚エンコーダがそれぞれのクリップから特徴を独立して抽出する。 その後、デコーダは、最終クラスの予測のために、すべてのクリップからオンラインのファッション機能として集約される。
  論文  参考訳（メタデータ） (2023-12-11T18:31:13Z)
• TVTSv2: Learning Out-of-the-box Spatiotemporal Visual Representations at Scale [59.01246141215051]
  言語指導の観点から,その劣化要因を分析した。 本稿では,テキストエンコーダの一般化能力を維持するために,教師なし事前学習戦略を提案する。 最大10億のパラメータを持つTVTSv2と呼ばれる一連のモデルを作成します。
  論文  参考訳（メタデータ） (2023-05-23T15:44:56Z)

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。