غالبًا ما يقوم البشر بتقييم الجودة الجمالية للصورة مع التعرف على المحتوى الدلالي فيها. يتناول هذا البحث مسألة الارتباط بين التقييم التلقائي لجودة الجمالية والاعتراف بالمعنى. نُصِرُّ على أن مشكلة التقييم تمثل المهمة الأساسية ضمن نموذج عميق متعدد المهام، ونُقدّم حجة بأن مهمة التعرف على المعنى تُمثّل المفتاح لحل هذه المشكلة. وباستخدام الشبكات العصبية التلافيفية (CNN)، نُطبّق إطارًا متعدد المهام موحدًا ومبسطًا، للاستفادة بكفاءة من التوجيه الناتج عن العلامات الجمالية والدلالية معًا. كما نُضيف إلى هذا الإطار عنصرًا يُعبّر عن الارتباط بين المهمتين، وذلك من خلال دمج تعلم العلاقة بين المهام. يُوفّر هذا العنصر، إلى جانب تقديم رؤى مفيدة حول طبيعة الارتباط بين المهمتين، تحسينًا في دقة تقييم الجمالية. وبشكل خاص، تم تطوير استراتيجية فعّالة لضمان التوازن بين المهمتين، مما يُسهّل تحسين معاملات الإطار. وقد أثبتت التجارب الواسعة على مجموعة بيانات AVA الصعبة ومجموعة بيانات Photo.net صحة أهمية التعرف على المعنى في التقييم الجمالي، كما أظهرت أن النماذج العميقة متعددة المهام قادرة على اكتشاف تمثيل جمالي فعّال، مما يُسهم في تحقيق أفضل النتائج الحالية في المجال.