Panel Transitions for Genre Analysis in Visual Narratives

了解人类如何交流和理解故事对于媒体技术的研究和开发非常重要，尤其是在当前的时代，业余用户可以轻松获取工具和算法来创建高质量的内容。叙事媒体随着时间的推移发展出了一组可识别的特征模式，这些模式在类似的艺术品中得到了体现。流派是叙事媒体的一种艺术品分类，具有类似的模式、修辞和故事结构。虽然在文本和视频的流派分类方面已经有了很多工作，但我们提出了一种新颖的方法，通过对漫画和日本漫画风格的视觉叙事进行多模态分析来进行流派分类。我们对一个经过注释的数据集进行了系统特征分析，其中包括各种西方和东方的视觉书籍，注释了高层次的叙事模式。然后，我们详细分析了高层次特征对这种媒介的流派分类的贡献。我们强调了我们现有的计算方法在建模主观标签方面的一些局限性和挑战。我们对社区的贡献是：一个注释的日本漫画书籍数据集，通过高层次特征对一个受限制和流行的媒介中的视觉画面和文本进行多模态分析，并提供了一个将主观叙事模式纳入计算模型的系统过程。

论文旨在通过对漫画和日本漫画风格的视觉叙事进行多模态分析，解决基于流派的分类问题。作者试图验证高级特征对于漫画和日本漫画风格分类的贡献。

论文采用多模态分析的方法，通过对注释数据集的系统特征分析，将高级特征结合到计算模型中，解决漫画和日本漫画风格的分类问题。

论文提供了一个注释的漫画数据集，通过高级特征对漫画和日本漫画风格进行多模态分析，系统地介绍了高级特征对于流派分类的贡献，并讨论了现有计算方法在建模主观标签方面的局限性和挑战。

最近的相关研究包括基于文本和视频的流派分类，如文本分类和电影分类。