OmniArt: التعلم العميق متعدد المهام لتحليل البيانات الفنية

تنتشر كميات هائلة من البيانات الفنية عبر الإنترنت، سواءً من المتاحف أو التطبيقات الفنية. جمع هذه البيانات ومعالجتها ودراستها مع جميع الصفات المرافقة هو عملية مكلفة. بهدف تسريع وتحسين جودة التحليل الفئوي في المجال الفني، نقترح في هذا البحث طريقة فعالة ودقيقة للتعلم متعدد المهام باستخدام تمثيل مشترك مطبق في المجال الفني. نواصل عرض كيفية تصرف تكوينات مختلفة للتعلم متعدد المهام لطريقتنا على البيانات الفنية وكيف تتفوق على نهج الخصائص اليدوية بالإضافة إلى الشبكات العصبية التلافيفية (Convolutional Neural Networks). بالإضافة إلى الطريقة والتحليل، نقترح تحديًا يشبه الطبيعة للمجموعة الجديدة من البيانات التي تم تجميعها والتي تحتوي على حوالي نصف مليون عينة ومعلومات متاقدمة (Meta-data) منظمة لتشجيع المزيد من الأبحاث والمشاركة المجتمعية.