注册

研究提出 PAGE 框架，用 AI 大规模解析美漫与日漫

论文AI 评分 62/100arXiv cs.AI待复核
AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

一篇 arXiv 论文提出 PAGE 框架，把人工智能用作漫画研究的工具。该框架将每份扫描件拆解为分镜、文字与书目记录，用视觉语言模型按书面编码手册逐页标注，再把部分机器读数与人工标注对齐，并在控制出版商与体裁变量后解释整个档案库的变化。作者用 3,929 本美国漫画（1938 至 1956 年）与 87 卷日本漫画做了三项研究，分别考察大众媒介如何呈现政治权力、跨行业的页面视觉形式与个体画师风格、以及两种漫画传统中「谁在说话」。论文还提出同一套工具可用于按画面内容检索档案、服务盲人与低视力读者、保护易损藏品并为未署名画师确认署名。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

框架怎么处理漫画

PAGE 的定位是让 AI 成为漫画研究的工具，而不是替代阅读。它先把每一份扫描件切分成分镜、文字和书目记录三类信息，再用视觉语言模型按照一份书面编码手册逐页做标注，流程上模拟人类编码员的工作方式。为了控制机器读数的偏差，框架会把其中一部分标注结果与人工标注做比对，作为校准依据。在解释整个档案库层面的变化时，框架会对出版商和体裁这两个变量做控制，避免把出版差异或类型差异误读成时代变化。论文把这一整套流程作为方法提出，并在真实档案上做了演示。

三项研究各自考什么

演示部分用了两个语料：3,929 本美国漫画，时间跨度为 1938 至 1956 年；以及 87 卷日本漫画。三项研究各自依赖不同的能力。第一项把文本检索与视觉阅读结合起来，考察一种大众媒介如何描绘政治权力。第二项测量整个行业范围内页面的视觉形式，并尝试从中辨认出个体画师的痕迹。第三项追踪两种漫画传统中「谁在说话」的归属问题，并把结果与人工标注做核对。三项研究分别对应文本与图像联合检索、跨行业视觉形式测量、以及说话者归属这三类任务。

研究之外的用途

论文认为这套工具的价值不限于学术研究。按画面内容而非文字来检索档案，是其中一项直接应用；对盲人和低视力读者而言，把画面转成可读的描述可以打开原本难以进入的漫画内容。论文还提到两个与保存和署名有关的方向：帮助保护易损的实体藏品，以及为没有署名的画师确认其作品归属。作者在结尾提出了一份研究议程，主张用人工智能加强漫画这一媒介的研究、保存与传播范围。论文提交于 2026 年 10 月 9 日，作者为 Emilio Ferrara，编号 arXiv:2610.13840。

为什么值得看

把视觉语言模型用于漫画档案的规模化标注与检索，方法可迁移到其他图像档案研究。

对齐论文

信源1 家

  1. [1]arXiv cs.AI一手信源Studying Comics at Scale with Artificial Intelligence: The PAGE Framework and Three Studies of American Comics and Japanese Manga

关键事实

  • 论文提出 PAGE 框架，将扫描件解析为分镜、文字和书目记录，并用视觉语言模型按编码手册逐页标注。[1]

  • 框架在 3,929 本美国漫画（1938 至 1956 年）与 87 卷日本漫画上做了三项研究。[1]

  • 三项研究分别涉及政治权力呈现、页面视觉形式与画师风格、以及两种漫画传统中的说话者归属。[1]

  • 论文称同一套工具可用于按画面内容检索档案、服务盲人与低视力读者、保护藏品并为未署名画师确认署名。[1]

相关 · 论文

DreamX 将预训练视频扩散模型改造为通用潜在动作学习器

11月4日 周三·AI 78

arXiv 论文提出「认知共生体」概念，主张 AI 增强人的智能

11月4日 周三·AI 58

独立复现 DNO-Prct：Llama 3.1 8B 对 GPT-4o 胜率升…

11月4日 周三·AI 72

研究提出 PEARL 方法，用于持久抑制语言模型的不对齐行为

11月4日 周三·AI 78

本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。

去论坛讨论