تت分散 كميات هائلة من البيانات الفنية عبر الإنترنت، سواء من متاحف أو تطبيقات فنية. يُعد جمع هذه البيانات ومعالجتها ودراستها بمراعاة جميع السمات المرافقة لها عملية مكلفة. وبهدف تسريع تحليل الفئات وتحسين جودته في المجال الفني، نُقدّم في هذا البحث طريقة فعّالة ودقيقة للتعلم متعدد المهام باستخدام تمثيل مشترك، مطبقة في المجال الفني. ونُواصل عرض كيفية تصرف مختلف تكوينات التعلم متعدد المهام الخاصة بنا عند تطبيقها على البيانات الفنية، حيث تتفوق هذه الطريقة على النهج التقليدية القائمة على السمات اليدوية (handcrafted features) وكذلك على الشبكات العصبية التلافيفية (convolutional neural networks). بالإضافة إلى تقديم الطريقة والتحليل، نُقترح تحديًا مماثلًا للمنافسات العلمية، باستخدام مجموعة بيانات مجمعة جديدة تضم ما يقارب نصف مليون عينة وبيانات وصفية منظمة، وذلك لتحفيز الأبحاث المستقبلية والمشاركة المجتمعية.