漫画数据集框架：用于检测基准的漫画数据集混合

漫画作为一种媒介，独特地将文本与图像组合在常与真实世界视觉风格不同的风格中。三十年来，计算漫画研究从基本对象检测发展到更精细的任务。然而，该领域面临持续的挑战，如数据集小、注释不一致、模型权重不可访问，且由于不同的训练/测试划分和指标，结果无法直接比较。为此，我们旨在标准化跨数据集的注释，引入多样化的漫画风格，并以清晰、可复制的设置建立基准结果。我们提出的漫画数据集框架将数据集注释标准化为通用格式，并通过引入 Comics100——这是一个来自 Digital Comics Museum 的 100 本精选书籍，为检测在我们的统一格式中进行注释——来解决 manga 被过度代表的问题。我们使用漫画数据集框架对各种检测架构进行基准测试。所有相关代码、模型权重和详细的评估过程均可在 https://github.com/emanuelevivoli/cdf 获取，确保透明度并促进复制。这一倡议是提高漫画中对象检测的重要进展，为依赖精确对象识别的更复杂计算任务奠定了基础。