图文关系研究的先驱者Kress和Van Leeuwen将多模态语篇定义为“通过一种以上符号编码实现意义的语篇。”“在这个符号体系中，视觉符号（图片）与语言符号（文本）是其中最重要的两种意义传承方式。因此，图文关系将直接影响语篇意义的生成与理解。”多模态语篇的典型特征就是运用多种模态传达意义，多种模态共同构成完整的意义。“不同于以往单一模态语篇的意义生成方式，多模态语篇的意义是由语篇中不同的模态之间通过相互作用，相互协作，共同生成”。
漫画中，图画和文字共同传达意义，两种模态相互作用、相互协作，因此漫画是典型的多模态语篇。最早研究漫画翻译的专著《Comics in Translation》认为，从符号学角度来看，漫画本质上是一种视觉叙事形式，它来自图画和文字的融合。(in semiotic terms,comics can be described essentially as a form of visual narration which results from both the mixing and blending of pictures and words.《现代汉语词典》对“漫画”的定义则是：“用简单而夸张的手法来描绘生活或时事的图画。一般运用变形、比拟、象征的方法，构成幽默、诙谐的画面，以取得讽刺或歌颂的效果。”尽管没有公认的标准定义，但我们可以根据不同定义和漫画语言的相关研究发现漫画的本质特征：结合文字和图画两种模态，且两者都传递意义。根据上文多模态语篇的定义，可以判断漫画为多模态语篇。Michal Borodo也认为漫画属于多模态文本，可以从多模态角度对其进行研究。要理解漫画，就要结合文字模态和图画模态的关系；要研究漫画翻译，也离不开图文关系。
既然漫画属于多模态语篇，那么漫画翻译的方法就可以借鉴其他图文结合的多模态语篇的翻译方法，比如电影字幕、广告、海报、绘本、多模态文案等语篇的翻译。
但是漫画其它常见的多模态语篇相比，又有与众不同之处。（1）漫画的图文模态关系比广告、海报、绘本更紧密，也更复杂。漫画始于对电影的模仿，被称为“纸上的电影”，图文混杂的叙事流是其本质特征。其种类繁多、内容庞杂，叙事角度和表现手法多样，图文关系由此更复杂。（2）漫画的图画和文字模态翻译所受的限制更少。漫画的文字翻译不受时间限制，可以在页面空白处加注；图画模态既可能限制文字的翻译，也可能成为意义的来源。有的漫画译本甚至会修改图像符号甚至重画图画。（3）各国漫画产业经过多年发展，形成了相对固定的符号表达特定的含义，它们是约定俗称的，与源语文化息息相关，译者的改动会影响读者的理解。因此译者不仅要翻译文字，还要理解图像符号。