Berömda målningar

Berömda målningar

Kontext

När vi förhåller oss till berömda målningar måste vi ta hänsyn till objektiva egenskaper som dukens storlek, typen av pensel som använts för målningen, visuell komplexitet eller färgtäthet, utöver deras konstnärliga kvalitet. Automatisk värdering och identifiering av målarens stil kan hjälpa samlare och museer att analysera stora samlingar av verk.

För att lösa detta problem har ni tillgång till två filer:

• train.csv – innehåller alla variabler, inklusive target_price, för träning av modeller
• test.csv – innehåller samma variabler, utan kolumnen target_price, och data från denna fil används för att generera prediktioner

Beskrivning av datasetet

Krav

För detta problem ska ni lösa 3 uppgifter.

Task 1 – Konstnärlig autenticitetspoäng (20 poäng)

Nyligen har en revolutionerande algoritm upptäckts av en grupp forskare inom artificiell intelligens och konst. Den kan utvärdera, baserat på målningens objektiva egenskaper, om en målning säkert är autentisk eller inte.

För varje målning beräknar algoritmen en Konstnärlig Autenticitetspoäng (KAP) med följande regler:

1. Om stroke_density > 0.7, lägg till 2 poäng till KAP.
2. Om complexity > 0.65, lägg till 2 poäng till KAP.
3. Om uses_gold_leaf = True, lägg till 1 poäng till KAP.
4. Om has_signature = True, lägg till 1 poäng till KAP.
5. Om num_colors > 65 och colorfulness > 0.7, lägg till 2 poäng till KAP.
6. Om contrast < 0.4 eller brightness < 0.45 eller brightness > 0.75, dra av 1 poäng från KAP.

Efter beräkning av poängen får målningen etiketten:

• Autentisk: om KAP ≥ 5

• Osäker: om KAP < 5

• Answer i submissionsfilen ska vara Autentisk eller Osäker för varje målning i test.csv.

Task 2 – Gruppering av målningar efter målarens stil (40 poäng)

Det är känt att målningarna i datasetet har skapats av 5 berömda målare, men informationen om målaren är inte tillgänglig.

Er uppgift är att tilldela varje målning i test.csv ett numeriskt ID mellan 0 och 4, så att målningar skapade av samma målare får samma ID.

• Answer i submissionsfilen ska vara det numeriska ID:t (0, 1, 2, 3 eller 4) för varje målning i test.csv.
• Alla målningar skapade av samma målare bör ha samma ID.

Task 3 – Uppskattning av målningarnas pris (40 poäng)

För varje målning som ingår i train.csv har vi specificerat ett pris (kolumnen target_price). Baserat på informationen som finns tillgänglig i train.csv, träna en modell för Artificiell Intelligens som kan förutsäga priset för målningarna i test.csv.

Format för submissionsfilen

Filen submission.csv måste innehålla:

• SampleID - hämtad från filen test.csv;
• subtaskID - kan vara: Task1, Task2, Task3;
• Answer - det beräknade eller uppskattade värdet för målningen som anges genom SampleID för uppgiften som anges genom subtaskID.

Utvärdering

Subtask 1 – Autenticitetspoäng

För denna deluppgift används exakt jämförelse mellan skickade svar (Autentisk / Osäker) och korrekta etiketter.

• Maximal poäng ges endast om alla svar är korrekta.
• Om det finns felaktiga svar ges poängen proportionellt, med hjälp av regeln för enkel proportion.

Subtask 2 – Gruppering av målare

Utvärderingen görs med Adjusted Rand Index (ARI).

• Maximal poäng ges om:

• För värden under denna tröskel ges poängen proportionellt.

Subtask 3 – Prisförutsägelse

Utvärderingen görs med Mean Absolute Error (MAE).

Regler:

• MAE ≤ 500 → maximal poäng
• MAE ≥ 2000 → 0 poäng
• För värden mellan dessa två trösklar ges poängen proportionellt.