smk_only_paintings

该数据集包含了艺术作品的详细信息，如作品ID、时期、起始年份、标题、艺术家信息、作品类型、缩略图、性别、生卒年份、国籍、历史背景、角色信息、创作角色、技术、丰富化URL、内容负责人、是否有文本描述、颜色信息、地理位置、熵值、英文标签、图像和RGB信息等。数据集被划分为训练集，共有1687个样本。

搜集汇总

数据集介绍

构建方式

在艺术图像分析领域，smk_only_paintings数据集通过系统化采集丹麦国家美术馆的公开数字馆藏构建而成。采用专业策展标准筛选纯绘画作品，排除素描与版画等非绘画媒介，确保数据纯粹性。每幅作品均经过元数据标注，包含创作年代、作者及艺术流派关键信息，构建过程注重学术规范与版权合规。

使用方法

研究者可借助计算机视觉框架加载该数据集进行绘画风格分析，采用卷积神经网络提取笔触与色彩特征。建议按7:2:1比例划分训练验证测试集，利用预标注的流派与年代标签开展监督学习。对于跨模态研究，可结合文本描述字段实现图文关联分析。

背景与挑战

背景概述

数字文化遗产保护领域在21世纪初随着计算机视觉技术的突破迎来重要发展，smk_only_paintings数据集由丹麦国家美术馆与技术研究机构于2020年联合构建。该数据集聚焦艺术绘画图像的自动化分类与检索核心问题，通过系统收录SMK馆藏画作的高清数字样本，为风格分析、作者归属及跨模态艺术研究提供基准数据。其多标签标注体系推动了文化遗产数字化领域的标准化进程，成为连接艺术史学与人工智能技术的重要桥梁。

当前挑战

艺术绘画图像存在风格演变复杂、作者笔触差异细微等特性，使模型在跨时代绘画风格分类中面临特征混淆挑战。数据构建过程中需解决馆藏画作数字化时的光照均匀性控制、高分辨率图像色彩保真度保持等技术难题，同时要求艺术史专家对混合风格画作进行精准多标签标注，这种跨学科协作的标注一致性保障成为数据集质量提升的关键制约因素。

常用场景

经典使用场景

在艺术计算领域，smk_only_paintings数据集为图像分类与风格识别研究提供了重要资源。该数据集收录了丹麦国家美术馆的精选画作，常用于训练卷积神经网络模型，以自动识别不同艺术流派、画家风格及历史时期。研究者通过分析画作的视觉特征，探索机器对艺术表达的感知能力，进而推动计算机视觉与数字人文的交叉研究。

解决学术问题

该数据集有效解决了艺术史研究中大规模图像标注与分类的挑战，为自动化艺术风格分析提供了标准化基准。通过提供高质量标注的画作图像，它支持学者研究风格演变、画家影响力以及跨文化艺术对比等问题。其意义在于弥合了传统艺术研究与现代计算方法的鸿沟，为文化遗产的数字化保护与智能分析奠定了数据基础。

实际应用

smk_only_paintings数据集的实际应用涵盖博物馆数字化管理、艺术教育平台构建以及文化内容推荐系统。例如，博物馆可利用该数据集训练模型自动归档馆藏画作，教育平台则能开发风格识别工具辅助艺术鉴赏。此外，它还能为在线艺术市场提供画作真伪鉴别和风格相似性检索的技术支持。

数据集最近研究

最新研究方向

在数字人文与计算机视觉交叉领域，smk_only_paintings数据集以其精心策展的绘画作品为核心资源，推动了艺术风格迁移与画作属性分析的前沿探索。当前研究聚焦于生成对抗网络在艺术创作模仿中的应用，以及跨时代绘画风格的语义解构，这些工作不仅深化了对艺术史演变的理解，还为文化遗产的数字化保存与智能修复提供了关键技术支撑。随着多模态学习范式的兴起，该数据集正成为连接视觉计算与艺术评论的重要桥梁，其影响逐渐扩展到美学计算、虚拟策展等新兴热点领域。