Kuuluisia maalauksia

Kuuluisat maalaukset

Konteksti

Kun viittaamme kuuluisiin maalauksiin, meidän on otettava huomioon myös objektiiviset ominaisuudet kuten kankaan koko, maalaussivellin tyyppi, visuaalinen monimutkaisuus tai värien tiheys, niiden taiteellisen laadun lisäksi. Arvon automaattinen arviointi ja taiteilijan tyylin tunnistaminen voivat auttaa keräilijöitä ja museoita analysoimaan suuria teosten kokoelmia.

Tämän ongelman ratkaisemiseen sinulla on käytettävissäsi kaksi tiedostoa:

• train.csv – sisältää kaikki muuttujat, mukaan lukien target_price, mallien kouluttamiseen
• test.csv – sisältää samat muuttujat ilman target_price-saraketta, ja tämän tiedoston tietoja käytetään ennusteiden generointiin

Tietojoukon kuvaus

Vaatimukset

Tässä ongelmassa sinun on ratkaistava 3 tehtävää.

Tehtävä 1 – Taiteellisen aitouden pisteet (20 pistettä)

Äskettäin tekoälyn ja taiteen tutkijaryhmä on löytänyt vallankumouksellisen algoritmin. Se voi arvioida maalauksen objektiivisten ominaisuuksien perusteella, onko maalaus varmasti aito vai ei.

Jokaiselle maalaukselle algoritmi laskee Taiteellisen Aitouden Pisteet (TAP) käyttäen seuraavia sääntöjä:

1. Jos stroke_density > 0.7, lisää 2 pistettä TAP:iin.
2. Jos complexity > 0.65, lisää 2 pistettä TAP:iin.
3. Jos uses_gold_leaf = True, lisää 1 piste TAP:iin.
4. Jos has_signature = True, lisää 1 piste TAP:iin.
5. Jos num_colors > 65 ja colorfulness > 0.7, lisää 2 pistettä TAP:iin.
6. Jos contrast < 0.4 tai brightness < 0.45 tai brightness > 0.75, vähennä 1 piste TAP:istä.

Pisteiden laskemisen jälkeen maalaus saa etiketin:

• Aito: jos TAP ≥ 5

• Epävarma: jos TAP < 5

• Answer lähetystiedostossa tulee olla Aito tai Epävarma jokaiselle maalaukselle test.csv:ssä.

Tehtävä 2 – Maalausten ryhmittely taiteilijan tyylin mukaan (40 pistettä)

Tiedetään, että tietojoukon maalaukset on tehnyt 5 kuuluisaa taiteilijaa, mutta tieto taiteilijasta ei ole saatavilla.

Tehtäväsi on antaa jokaiselle test.csv:n maalaukselle numeerinen ID 0:n ja 4:n väliltä, siten että saman taiteilijan tekemät maalaukset saavat saman ID:n.

• Answer lähetystiedostossa tulee olla numeerinen ID (0, 1, 2, 3 tai 4) jokaiselle maalaukselle test.csv:ssä.
• Kaikkien saman taiteilijan tekemien maalausten tulisi saada sama ID.

Tehtävä 3 – Maalausten hinnan arviointi (40 pistettä)

Jokaiselle train.csv:hen sisältyvälle maalaukselle meillä on määritelty hinta (sarake target_price). train.csv:ssä saatavilla olevien tietojen perusteella kouluta tekoälymalli, joka pystyy ennustamaan test.csv:n maalausten hinnan.

Lähetystiedoston muoto

Tiedoston submission.csv tulee sisältää:

• SampleID - otettu tiedostosta test.csv;
• subtaskID - voi olla: Task1, Task2, Task3;
• Answer - laskettu tai arvioitu arvo SampleID:llä ilmoitetulle maalaukselle subtaskID:llä ilmoitetussa tehtävässä.

Arviointi

Alitehtävä 1 – Aitouden pisteet

Tässä alitehtävässä käytetään tarkkaa vertailua lähetettyjen vastausten (Aito / Epävarma) ja oikeiden etikettien välillä.

• Maksimipisteet annetaan vain jos kaikki vastaukset ovat oikein.
• Jos on vääriä vastauksia, pisteet annetaan suhteellisesti, käyttäen yksinkertaista kolmen säännön kaavaa.

Alitehtävä 2 – Taiteilijoiden ryhmittely

Arviointi tehdään käyttäen Adjusted Rand Index (ARI).

• Maksimipisteet annetaan jos:

• Tämän kynnyksen alapuolella pisteet annetaan suhteellisesti.

Alitehtävä 3 – Hinnan ennustaminen

Arviointi tehdään käyttäen Mean Absolute Error (MAE).

Säännöt:

• MAE ≤ 500 → maksimipisteet
• MAE ≥ 2000 → 0 pistettä
• Näiden kahden kynnyksen välisille arvoille pisteet annetaan suhteellisesti.