OmniArt：用于艺术数据分析的多任务深度学习

大量的艺术数据在线上博物馆和艺术应用中分散存在。收集、处理并研究这些数据及其所有相关属性是一个昂贵的过程。为了加速并提高艺术领域分类分析的质量，本文提出了一种高效且准确的多任务学习方法，该方法在艺术领域中应用了共享表示。我们进一步展示了该方法在不同多任务配置下对艺术数据的表现，并超过了手工特征方法以及卷积神经网络。除了介绍该方法和分析结果外，我们还提出了一个具有挑战性的新聚合数据集，包含近五十万个样本和结构化的元数据，以鼓励进一步的研究和社会参与。