MangaFlow：用于可控故事到漫画生成的端到端代理框架

端到端漫画生成是一种结构化的视觉叙事任务，需要故事分解、重复出现的角色和场景基础、页面布局设计、面板渲染、页面构图和字体。然而，现有的生成模型通常执行直接页面合成，将这些因素纠缠在单个视觉输出中，并限制对布局几何、视觉参考和跨面板一致性的精确控制。为了解决这些限制，我们提出了 MangaFlow，一种用于可控长篇漫画生成的代理框架，它将漫画创作分解为规划、基础、布局构建、参考条件渲染、构图和文本放置。通过将布局和视觉参考视为显式中间变量，MangaFlow 可以实现简单的文本到漫画生成和更精确的用户控制漫画创建。此设计将布局、视觉资源和文字公开为可编辑的中间控件，用于细化面板几何形状、参考和文本放置。为了支持长格式一致性，MangaFlow 引入了故事章节内存，将章节描述与相应的角色、场景和对象引用链接起来，以便跨面板重用。我们进一步提出了一个用于评估布局可控性、视觉一致性和生成质量的元基准。实验表明，与直接生成基线相比，MangaFlow 提高了布局依从性和跨面板一致性，同时支持灵活的人工控制。