人間は、画像の美的品質を評価する際に、その画像の意味内容（セマンティックコンテンツ）の識別も同時に行うことが多い。本論文では、自動的な美的品質評価と意味認識の間の相関関係に着目し、その問題に取り組む。我々は、美的品質評価をマルチタスク深層モデルにおける主タスクとして定式化し、意味認識タスクがこの問題を解決する鍵であると主張する。畳み込みニューラルネットワーク（CNN）を基盤として、美的品質ラベルと意味ラベルの両方の教師情報を効率的に活用する、単一かつ簡潔なマルチタスクフレームワークを提案する。さらに、タスク間の相互関係を学習する仕組みを導入することで、両タスク間の相関を反映する項をフレームワークに組み込む。この項は、タスク間の相関に関する有用な知見を提供するだけでなく、美的品質評価タスクの精度向上にも寄与する。特に、両タスクのバランスを保つための有効な戦略を構築し、フレームワークのパラメータ最適化を促進している。挑戦的なAVAデータセットおよびPhoto.netデータセットを用いた広範な実験により、美的品質評価において意味認識の重要性が検証され、マルチタスク深層モデルが優れた美的表現を学習し、最先端の性能を達成できることを示した。