five

Metropolitan Museum of Art Open Access|艺术品数据集|博物馆数据集

收藏
github.com2024-10-29 收录
艺术品
博物馆
下载链接:
https://github.com/metmuseum/openaccess
下载链接
链接失效反馈
资源简介:
该数据集包含了来自纽约大都会艺术博物馆的超过47万件艺术品的元数据,包括作品的标题、艺术家、创作日期、材料、尺寸等信息。此外,数据集还包括了每件作品的图像,这些图像可以免费用于非商业用途。
提供机构:
github.com
AI搜集汇总
数据集介绍
main_image_url
构建方式
Metropolitan Museum of Art Open Access数据集的构建基于大都会艺术博物馆的开放访问政策,该政策允许公众免费获取博物馆的数字化藏品信息。数据集通过系统化的数字化过程,将博物馆内超过47万件艺术品的详细信息进行整理和归档。每件艺术品的信息包括其标题、创作者、创作年代、材质、尺寸、所属收藏等关键元数据。此外,数据集还包含了每件艺术品的数字图像,这些图像经过高分辨率扫描和处理,确保了图像质量的清晰度和细节的丰富性。
特点
该数据集的显著特点在于其广泛性和多样性。涵盖了从古代到现代的各类艺术品,包括绘画、雕塑、装饰艺术、摄影等多种形式。数据集的开放性使得研究者和公众能够自由访问和利用这些资源,促进了艺术史、文化研究以及相关领域的学术研究。此外,数据集的结构化设计使得数据检索和分析变得高效便捷,支持多种数据挖掘和机器学习应用。
使用方法
Metropolitan Museum of Art Open Access数据集适用于多种研究场景和应用领域。研究者可以通过该数据集进行艺术品的分类、风格分析、历史演变研究等。教育机构可以利用这些数据进行艺术教育资源的开发和教学。公众则可以通过数据集了解和欣赏博物馆的藏品,参与在线艺术展览和互动活动。数据集的API接口和数据下载服务进一步方便了用户的数据访问和使用,支持个性化和定制化的数据应用需求。
背景与挑战
背景概述
Metropolitan Museum of Art Open Access数据集源自纽约大都会艺术博物馆,该博物馆自1870年成立以来,一直是全球艺术收藏和研究的重要中心。随着数字时代的到来,博物馆于2017年启动了开放存取计划,旨在通过数字化手段,将超过40万件艺术品的详细信息和图像免费提供给公众。这一举措不仅推动了艺术史研究的民主化,还促进了跨学科研究,如计算机视觉和文化遗产保护。通过这一数据集,研究者和公众能够更深入地探索和理解艺术品的多样性和历史背景,从而在全球范围内产生了深远的影响。
当前挑战
Metropolitan Museum of Art Open Access数据集在构建过程中面临了多重挑战。首先,数据集的规模庞大,涉及的艺术品种类繁多,从古代文物到现代艺术品,每一件都需要详细的元数据描述,这增加了数据整理和标注的复杂性。其次,艺术品的图像质量参差不齐,部分图像由于历史原因或保存状态不佳,可能存在模糊或损坏的情况,这对图像处理和分析提出了更高的要求。此外,跨文化和跨时代的艺术品描述需要高度的专业知识,以确保信息的准确性和文化敏感性。这些挑战不仅影响了数据集的质量,也对其后续的应用和研究提出了更高的标准。
发展历史
创建时间与更新
Metropolitan Museum of Art Open Access数据集的创建始于2017年,旨在通过开放访问政策,使博物馆的丰富藏品资源能够被全球研究者和公众自由使用。自创建以来,该数据集持续更新,以反映博物馆藏品的最新状态和信息。
重要里程碑
2017年,Metropolitan Museum of Art宣布其开放访问政策,标志着博物馆数字化转型的重要一步。这一政策不仅使得超过40万件艺术品的详细信息和图像得以公开,还推动了全球范围内的文化资源共享。此外,数据集的开放访问模式激发了学术界和公众对艺术史研究的兴趣,促进了跨学科的合作与创新。
当前发展情况
当前,Metropolitan Museum of Art Open Access数据集已成为全球艺术研究的重要资源,其开放性和多样性为艺术史、文化研究和数字人文等领域提供了丰富的数据支持。该数据集不仅促进了学术研究的深入,还通过与教育机构和科技公司的合作,推动了艺术教育的普及和数字化展示技术的创新。未来,随着更多藏品的数字化和数据集的持续更新,其影响力和应用范围有望进一步扩大。
发展历程
  • 大都会艺术博物馆首次公开其收藏的超过40万件艺术品的数字化数据,标志着Metropolitan Museum of Art Open Access数据集的正式发布。
    2017年
  • 数据集进一步扩展,增加了超过37万件艺术品的详细信息,包括图像、标题、创作者、日期和材料等。
    2018年
  • Metropolitan Museum of Art Open Access数据集首次应用于学术研究,特别是在艺术史和文化遗产保护领域,推动了相关研究的发展。
    2019年
  • 数据集的API接口正式上线,使得全球的研究者和开发者能够更便捷地访问和利用这些数据。
    2020年
  • 数据集的下载量突破百万次,成为全球最受欢迎的开放艺术数据集之一,广泛应用于教育、研究和公共文化服务。
    2021年
常用场景
经典使用场景
在大都会艺术博物馆开放访问数据集(Metropolitan Museum of Art Open Access)中,最经典的使用场景之一是艺术史研究。学者们利用这一数据集进行艺术品的历史背景、风格演变和文化影响的深入分析。通过访问详细的元数据和图像,研究人员能够重建艺术品的创作环境,揭示不同时期艺术家的创作动机和技巧。此外,该数据集还支持跨学科研究,如结合计算机视觉技术进行艺术品分类和识别,从而推动艺术史研究的数字化和自动化进程。
衍生相关工作
大都会艺术博物馆开放访问数据集的发布催生了众多相关经典工作。例如,基于该数据集的计算机视觉研究,开发了自动艺术品分类和识别系统,显著提高了艺术品管理的效率。同时,数据挖掘和机器学习技术被应用于艺术品推荐系统,为博物馆观众提供个性化的参观体验。此外,该数据集还激发了跨学科研究,如结合社会学和心理学分析艺术品的社会影响和观众反应,进一步拓宽了艺术研究的边界。这些衍生工作不仅深化了对艺术品的理解,还推动了相关技术的发展和应用。
数据集最近研究
最新研究方向
在大都会艺术博物馆开放访问数据集的背景下,最新研究方向主要集中在利用机器学习和计算机视觉技术对艺术品进行自动分类和识别。通过分析数据集中的图像和元数据,研究人员致力于开发能够自动识别艺术风格、时期和作者的算法。此外,该数据集还被用于探索文化遗产保护和数字艺术市场的研究,特别是在全球化和数字化背景下,如何利用技术手段促进艺术品的传播和保护。这些研究不仅提升了艺术品的数字化管理水平,也为艺术史研究和公众教育提供了新的工具和视角。
相关研究论文
  • 1
    The Metropolitan Museum of Art Open Access Initiative: A Case Study in Cultural Heritage DigitalizationThe Metropolitan Museum of Art · 2017年
  • 2
    Exploring Cultural Heritage through Open Data: The Case of the Metropolitan Museum of ArtUniversity of Bologna · 2019年
  • 3
    Artificial Intelligence and Cultural Heritage: A Case Study Using the Metropolitan Museum of Art Open Access DatasetStanford University · 2020年
  • 4
    Visualizing Cultural Heritage: A Deep Learning Approach to Analyzing the Metropolitan Museum of Art CollectionMassachusetts Institute of Technology · 2021年
  • 5
    Open Access Data in Museums: A Comparative Study of the Metropolitan Museum of Art and Other Cultural InstitutionsUniversity of Oxford · 2022年
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

AISHELL/AISHELL-1

Aishell是一个开源的中文普通话语音语料库,由北京壳壳科技有限公司发布。数据集包含了来自中国不同口音地区的400人的录音,录音在安静的室内环境中使用高保真麦克风进行,并下采样至16kHz。通过专业的语音标注和严格的质量检查,手动转录的准确率超过95%。该数据集免费供学术使用,旨在为语音识别领域的新研究人员提供适量的数据。

hugging_face 收录

OpenSonarDatasets

OpenSonarDatasets是一个致力于整合开放源代码声纳数据集的仓库,旨在为水下研究和开发提供便利。该仓库鼓励研究人员扩展当前的数据集集合,以增加开放源代码声纳数据集的可见性,并提供一个更容易查找和比较数据集的方式。

github 收录

学生课堂行为数据集 (SCB-dataset3)

学生课堂行为数据集(SCB-dataset3)由成都东软学院创建,包含5686张图像和45578个标签,重点关注六种行为:举手、阅读、写作、使用手机、低头和趴桌。数据集覆盖从幼儿园到大学的不同场景,通过YOLOv5、YOLOv7和YOLOv8算法评估,平均精度达到80.3%。该数据集旨在为学生行为检测研究提供坚实基础,解决教育领域中学生行为数据集的缺乏问题。

arXiv 收录

AIS数据集

该研究使用了多个公开的AIS数据集,这些数据集经过过滤、清理和统计分析。数据集涵盖了多种类型的船舶,并提供了关于船舶位置、速度和航向的关键信息。数据集包括来自19,185艘船舶的AIS消息,总计约6.4亿条记录。

github 收录

基于站点观测的中国1km土壤湿度日尺度数据集(2000-2022)

本研究提供了中国范围1km高质量的土壤湿度数据集-SMCI1.0(Soil Moisture of China by in situ data, version 1.0),SMCI1.0是包含2000-2022年、日尺度、以10厘米为间隔10层深度(10-100cm)的高时空分辨率土壤湿度,数据单位为0.001m³/m³,缺失值为-999,投影为WGS1984。该数据集是以中国气象局提供的1,648个站点观测10层土壤湿度作为基准,使用ERA5_Land气象强迫数据、叶面积指数(LAI)、土地覆盖类型(Landtypes)、地形(DEM)和土壤特性(Soil properties)作为协变量,通过机器学习方式获得。本研究进行了两组实验以验证SMCI1.0的精度,时间尺度上:ubRMSE为0.041-0.052,R为0.883-0.919;空间尺度上:ubRMSE为0.045-0.051,R为0.866-0.893。 由于SMCI1.0是基于实地观测的土壤湿度,它可以作为现有基于模型和卫星数据集的有效补充。该数据产品可用于各种水文、气象、生态分析和建模,尤其在需要高质量、高分辨率土壤湿度的应用上至关重要。有关数据集的引用及详细描述,请阅读说明文档。为便于使用,本研究提供了两种不同分辨率的版本:30 秒(~1km)和0.1度(~9km)。

国家青藏高原科学数据中心 收录