| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-03-18 10:20 漫画話者推定のためのMLLMへの画像入力手法の検討 ○鈴木瑛仁・加藤大貴（名大）・カストナー マークアウレル（広島市大）・平山高嗣（人間環境大）・駒水孝裕・井手一郎（名大）  IMQ2025-100 IE2025-177 MVE2025-107 |
|
| 抄録 | （和） | 漫画における話者推定とは，吹き出し内の台詞の話者がどの登場人物であるか推定するタスクである．マルチモーダル大規模言語モデル（MultimodalLargeLanguage Model；MLLM）を活用した既存の話者推定手法では，画像情報が有効に活用されないという課題が示された．そこで本研究では，漫画話者推定において，画像情報を有効活用するためのMLLMへの入力手法を検討する．そのために，画像と台詞列の入力単位を変更する手法と外接矩形を付与する手法を提案する．実験でそれぞれの手法について評価した結果，漫画話者推定においてMLLMが画像情報を有効活用できることを示した． |
| （英） | Manga speaker prediction is the task of identifying the speaker of the dialogue within a speech bubble. Existing speaker prediction methods that utilize Multimodal Large Language Models (MLLMs) have revealed a limitation; visual information is not effectively exploited. In this study, we investigate input methods for MLLMs that enable more effective use of visual information in Manga speaker prediction. To this end, we propose two methods: One that modifies the input units of images and dialogue sequences, and another that adds bounding boxes. Evaluation of the each proposed methods through experiments demonstrate that they allow MLLMs to make more effective use of visual information for speaker prediction in Manga. | |
| キーワード | （和） | 漫画 / 話者推定 / MLLM / / / / / |
| （英） | Manga / speaker prediction / MLLM / / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 411, MVE2025-107, pp. 448-453, 2026年3月. | |
| 資料番号 | MVE2025-107 | |
| 発行日 | 2026-03-09 (IMQ, IE, MVE) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IMQ2025-100 IE2025-177 MVE2025-107 |
|
| 研究会情報 | |
| 研究会 | CQ MVE IMQ IE |
| 開催期間 | 2026-03-16 - 2026-03-18 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | Okinawa-Sangyoushien-Center |
| テーマ（和） | 五感に訴えるオンラインメディアとその評価，および一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | MVE |
| 会議コード | 2026-03-CQ-MVE-IMQ-IE |
| 本文の言語 | 日本語 |
| タイトル（和） | 漫画話者推定のためのMLLMへの画像入力手法の検討 |
| サブタイトル（和） | |
| タイトル（英） | Study on MLLM Image Input Methods for Manga Speaker Prediction |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 漫画 / Manga |
| キーワード(2)（和/英） | 話者推定 / speaker prediction |
| キーワード(3)（和/英） | MLLM / MLLM |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 鈴木 瑛仁 / Akihito Suzuki / スズキ アキヒト |
| 第1著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 加藤 大貴 / Hirotaka Kato / カトウ ヒロタカ |
| 第2著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第3著者 氏名（和/英/ヨミ） | カストナー マークアウレル / Marc A. Kastner / カストナー マークアウレル |
| 第3著者 所属（和/英） | 広島市立大学 (略称： 広島市大) Hiroshima City University (略称： Hiroshima City Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 平山 高嗣 / Takatsugu Hirayama / ヒラヤマ タカツグ |
| 第4著者 所属（和/英） | 人間環境大学 (略称： 人間環境大) University of Human Environments (略称： UHE) |
| 第5著者 氏名（和/英/ヨミ） | 駒水 孝裕 / Takahiro Komamizu / コマミズ タカヒロ |
| 第5著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第6著者 氏名（和/英/ヨミ） | 井手 一郎 / Ichiro Ide / イデ イチロウ |
| 第6著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-18 10:20:00 |
| 発表時間 | 20分 |
| 申込先研究会 | MVE |
| 資料番号 | IMQ2025-100, IE2025-177, MVE2025-107 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.408(IMQ), no.410(IE), no.411(MVE) |
| ページ範囲 | pp.448-453 |
| ページ数 | 6 |
| 発行日 | 2026-03-09 (IMQ, IE, MVE) |
[研究会発表申込システムのトップページに戻る]