要約
多くの芸術データが、美術館やアートアプリケーションからオンラインに散在しています。これらのデータを収集し、処理し、そしてすべての付随する属性とともに研究することは高コストなプロセスです。本稿では、芸術分野におけるカテゴリ分析の速度向上と品質改善を目指し、共有表現を用いた多タスク学習の効率的かつ正確な方法を提案します。さらに、我々の方法の異なる多タスク構成が芸術データに対してどのように動作し、手作りの特徴量アプローチや畳み込みニューラルネットワークを上回るかを示します。方法と分析に加えて、約50万サンプルと構造化されたメタデータを持つ新しい集合データセットに対する挑戦的な性質も提案し、さらなる研究と社会的関与を促進することを目的としています。