美术画作的大规模分类：在正确特征上学习正确度量

过去几年，数字化且公开可用的美术藏品数量快速增长。随着此类大规模数字化艺术作品集的可用，需要开发多媒体系统来归档和检索该数据池。测量艺术品之间的视觉相似性是此类多媒体系统的基本步骤，其可惠及更高层的多媒体任务。为了建模画作之间的这种相似性，我们应提取画作适当的视觉特征并找出基于这些特征学习相似性度量的最佳方法。我们研究了一系列全面的视觉特征和度量学习方法，以学习画作间优化的相似性度量。我们开发了一台能够进行美学相关语义级判断的机器，例如预测画作的风格、流派和艺术家，以及提供基于艺术史解释领域可用知识优化的相似性度量。我们的实验显示了使用该相似性度量用于上述预测任务的价值。