Presentiamo APDDv2: Un Nuovo Dataset Artistico

APDDv2 sta per Aesthetics Paintings and Drawings Dataset Version 2. È una collezione speciale che ci aiuta a capire e valutare la bellezza dell'Arte. Pensala come una grande biblioteca piena di diversi tipi di dipinti, dove ogni opera è stata valutata e commentata da esperti d'arte.

#Perché abbiamo bisogno di questo dataset?

Quando si tratta di capire come le persone percepiscono l'arte, non abbiamo avuto abbastanza risorse. La maggior parte dei dataset si concentra sulla fotografia, lasciando i dipinti un po' soli in un angolo. Immagina di cercare di studiare dipinti con un sacco di foto di gatti invece. Non è molto utile, vero? La collezione precedente era molto limitata in termini di valutazione delle opere, il che rendeva difficile insegnare ai computer come appare "una buona" arte.

#Il quadro generale

Per cambiare questo, abbiamo creato APDDv2, il primo set completo che include 10.000 dipinti in 24 stili e 10 caratteristiche che possono essere usate per valutare. Non ci siamo fermati qui; abbiamo migliorato il modo in cui raccogliamo i commenti sull'arte per rendere il nostro dataset ancora migliore di prima. Questo significa più dati e commenti di alta qualità che ricercatori e appassionati d'arte possono usare.

#Cosa abbiamo in questo dataset?

In APDDv2, ogni dipinto ha valutazioni su quanto sia bello, più commenti da parte degli esperti. Quindi, quando guardi un bel dipinto di paesaggio, non solo vedrai un punteggio, ma leggerai anche cosa pensano gli esperti sui colori e le emozioni coinvolte. È come avere il tuo critico d'arte proprio accanto!

#Come valutiamo l'arte?

Valutare l'arte non è un compito semplice. Coinvolge molte emozioni e opinioni soggettive. È un po' come decidere se l'ananas ci sta sulla pizza: ognuno ha una risposta diversa. Abbiamo lavorato con educatori e professionisti dell'arte per creare un sistema affidabile per valutare i nostri dipinti. Questo ha comportato la catalogazione dei dipinti in 24 gruppi e la valutazione su 10 aspetti specifici che descrivono la loro bellezza.

#Quali sono le categorie e gli attributi?

Il nostro dataset catalogizza i dipinti in tre gruppi principali: dipinti e schizzi a olio occidentali, e dipinti tradizionali cinesi. Ogni categoria mostra uno stile e oggetti unici. Ad esempio, i dipinti a olio possono essere ritratti o paesaggi, mentre i dipinti tradizionali cinesi ritraggono spesso la natura o gli animali.

#Il compito della valutazione della qualità estetica

C'è un nome elegante per il lavoro che stiamo facendo: Valutazione della Qualità Estetica delle Immagini (IAQA). Questo compito significa fondamentalmente capire quanto bene appare un'immagine. La maggior parte dei dataset in questo campo si concentra sulla fotografia, il che significa che i dipinti devono stare in secondo piano. Infatti, ci sono più di 685.000 immagini per la fotografia ma solo circa 60.000 per i dipinti. È come avere un buffet illimitato di foto mentre i dipinti ricevono solo uno spuntino.

#Creare un dataset migliore

Per rendere le cose più eque per i dipinti, ci siamo concentrati sulla creazione di un dataset di alta qualità. Abbiamo selezionato con cura immagini da varie fonti artistiche, inclusi siti web d'arte professionali e scuole. Abbiamo anche incluso alcune opere di studenti per dare un tocco in più. In questo modo, abbiamo sia pezzi di alta qualità sia quelli che stanno ancora trovando la loro strada.

#Il team di etichettatura

Creare APDDv2 non è stato un lavoro da solo. Abbiamo riunito un team di 37 esperti e appassionati d'arte per aiutare a etichettare i dipinti. Sono stati divisi in tre gruppi in base alle loro specializzazioni: Pittura a olio, disegno e pittura tradizionale cinese. Ogni gruppo era guidato da qualcuno con una grande esperienza, assicurando che i commenti e i punteggi fossero il più accurati possibile.

#Come valutiamo l'arte?

Valutare i dipinti implica assegnare loro punteggi su una scala. I punteggi totali vanno da 0 a 100, mentre gli attributi ricevono punteggi da 0 a 10. Pensala come valutare i compiti: alcuni pezzi prendono A+, mentre altri potrebbero cavarsela appena. Il nostro sistema di punteggio è stato progettato per essere coerente in tutti i dipinti del nostro dataset.

#La bellezza dei commenti

Insieme ai punteggi, raccogliamo anche commenti su ogni dipinto. Qui inizia il divertimento! I leader di ciascun gruppo hanno fornito solidi esempi di che tipo di commenti dovrebbero essere fatti. Questo assicura che il nostro team di etichettatura abbia qualcosa a cui riferirsi quando commentano l'arte.

#Addestrare un nuovo modello

Per rendere il nostro dataset davvero utile, abbiamo addestrato un modello chiamato ArtCLIP. Immagina questo modello come un piccolo robot che impara ad apprezzare l'arte guardando i nostri dipinti e i commenti fatti su di essi. Grazie ad ArtCLIP, possiamo analizzare quanto bene un dipinto si comporta in base agli attributi estetici che abbiamo raccolto.

#Il futuro dell'analisi dell'arte

La parte migliore di tutto questo lavoro è ciò che può realizzare. Con APDDv2 e ArtCLIP, possiamo aiutare in contesti educativi, guidando insegnanti e studenti a capire meglio l'arte. Abbiamo persino in programma di usarlo per migliorare le opere d'arte generate dall'IA, assicurandoci che anche quelle creazioni digitali soddisfino alti standard estetici.

#Guardando avanti

Sebbene abbiamo fatto grandi progressi, riconosciamo che c'è sempre più lavoro da fare. Abbiamo in mente di continuare a espandere il nostro dataset e migliorare i feedback raccolti dalle persone. Vogliamo sentire anche gli appassionati d'arte di tutti i giorni, non solo gli esperti. In questo modo, possiamo capire come diversi background culturali influenzano il nostro modo di percepire l'arte.

#L'arte della collaborazione

Questo progetto non sarebbe stato possibile senza il duro lavoro di molte persone provenienti da ambienti diversi. Apprezziamo tutti coloro che hanno contribuito, dagli studenti agli artisti professionisti. Ognuno ha dato il proprio contributo per rendere APDDv2 uno strumento prezioso per la valutazione dell'arte.

#Conclusione

Quindi ecco fatto! APDDv2 sta aprendo la strada a una comprensione più approfondita dell'estetica dell'arte. Con il nostro dataset, stiamo finalmente dando ai dipinti l'attenzione che meritano, mentre rendiamo più facile per ricercatori, educatori e anche appassionati d'arte apprezzare la bellezza dell'arte. E chissà? Forse un giorno risolveremo finalmente il grande dibattito sull'ananas sulla pizza usando le nostre nuove abilità di valutazione artistica!