美術関連のデータは、美術館やアートアプリケーションなどからオンライン上に散在している。これらをすべての付随する属性を考慮して収集・処理・分析するプロセスは、極めて費用がかかる。本研究では、美術分野におけるカテゴリカル分析のスピードアップと品質向上を目的として、共有表現を用いたマルチタスク学習の効率的かつ高精度な手法を提案する。さらに、本手法の異なるマルチタスク構成が美術データ上でどのように振る舞うかを検証し、手作業による特徴量抽出手法や畳み込みニューラルネットワーク（CNN）を上回ることを示す。本研究では、手法と分析の他に、約50万件のサンプルと構造化されたメタデータを有する新たな統合データセットを提示し、研究のさらなる発展と社会的関与を促すため、チャレンジ形式の取り組みを提案する。