Kuulsad maalid

Kuulsad maalid

Kontekst

Kui me viitame kuulsatele maalidele, peame arvestama ka objektiivsete omadustega nagu lõuendi suurus, pintsli tüüp, millega on maalitud, visuaalne keerukus või värvide tihedus, lisaks nende kunstilisele kvaliteedile. Automaatne väärtuse hindamine ja kunstniku stiili tuvastamine võib aidata kollektsionääridel ja muuseumidel analüüsida suuri teoste kogusid.

Selle probleemi lahendamiseks on teil kasutada kaks faili:

• train.csv – sisaldab kõiki muutujaid, sealhulgas target_price, mudelite treenimiseks
• test.csv – sisaldab samu muutujaid, välja arvatud target_price veerg, ja selle faili andmeid kasutatakse ennustuste genereerimiseks

Andmestiku kirjeldus

Nõuded

Selle probleemi jaoks on teil lahendada 3 ülesannet.

Ülesanne 1 – Kunstilise autentsuse skoor (20 punkti)

Hiljuti avastas tehisintellekti ja kunsti uurijate rühm revolutsioonilise algoritmi. See suudab hinnata maali objektiivsete omaduste põhjal, kas maal on kindlalt autentne või mitte.

Iga maali jaoks arvutab algoritm Kunstilise Autentsuse Skoori (KAS) kasutades järgmisi reegleid:

1. Kui stroke_density > 0.7, lisa 2 punkti KAS-ile.
2. Kui complexity > 0.65, lisa 2 punkti KAS-ile.
3. Kui uses_gold_leaf = True, lisa 1 punkt KAS-ile.
4. Kui has_signature = True, lisa 1 punkt KAS-ile.
5. Kui num_colors > 65 ja colorfulness > 0.7, lisa 2 punkti KAS-ile.
6. Kui contrast < 0.4 või brightness < 0.45 või brightness > 0.75, lahuta 1 punkt KAS-ist.

Pärast skoori arvutamist saab maal märgise:

• Autentne: kui KAS ≥ 5

• Ebakindel: kui KAS < 5

• Answer esitamisfailis on Autentne või Ebakindel iga test.csv maali jaoks.

Ülesanne 2 – Maalide rühmitamine kunstniku stiili järgi (40 punkti)

On teada, et andmestiku maalid on loonud 5 kuulsat kunstnikku, kuid informatsioon kunstniku kohta ei ole saadaval.

Teie ülesanne on omistada igale test.csv maalile numbriline ID 0 ja 4 vahel, nii et sama kunstniku loodud maalid saaksid sama ID.

• Answer esitamisfailis on numbriline ID (0, 1, 2, 3 või 4) iga test.csv maali jaoks.
• Kõik sama kunstniku loodud maalid peaksid saama sama ID.

Ülesanne 3 – Maalide hinna hindamine (40 punkti)

Iga train.csv-s sisalduva maali jaoks on määratud hind (veerg target_price). train.csv-s saadaoleva informatsiooni põhjal treenige tehisintellekti mudel, mis suudaks ennustada test.csv maalide hinda.

Esitamisfaili formaat

Fail submission.csv peab sisaldama:

• SampleID - võetud failist test.csv;
• subtaskID - võib olla: Task1, Task2, Task3;
• Answer - arvutatud või hinnatud väärtus SampleID kaudu näidatud maali jaoks subtaskID kaudu näidatud ülesandes.

Hindamine

Alamülesanne 1 – Autentsuse skoor

Selle alamülesande jaoks kasutatakse täpset võrdlust esitatud vastuste (Autentne / Ebakindel) ja õigete märgiste vahel.

• Maksimaalne punktisumma antakse ainult siis, kui kõik vastused on õiged.
• Kui on valesid vastuseid, antakse punktisumma proportsionaalselt, kasutades lihtsat kolme reeglit.

Alamülesanne 2 – Kunstnike rühmitamine

Hindamine toimub kasutades Adjusted Rand Index (ARI).

• Maksimaalne punktisumma antakse, kui:

• Selle läve aluste väärtuste korral antakse punktisumma proportsionaalselt.

Alamülesanne 3 – Hinna ennustamine

Hindamine toimub kasutades Mean Absolute Error (MAE).

Reeglid:

• MAE ≤ 500 → maksimaalne punktisumma
• MAE ≥ 2000 → 0 punkti
• Nende kahe läve vaheliste väärtuste korral antakse punktisumma proportsionaalselt.