論文の概要: Deep Learning for Art Market Valuation

• arxiv url: http://arxiv.org/abs/2512.23078v1
• Date: Sun, 28 Dec 2025 21:04:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.356031
• Title: Deep Learning for Art Market Valuation
• Title（参考訳）: 芸術市場評価のための深層学習
• Authors: Jianping Mei, Michael Moses, Jan Waelty, Yucheng Yang,
• Abstract要約: 本研究では,美術品の視覚的内容を予測モデルに組み込むことで,深層学習が美術市場の評価をいかに向上させるかを検討する。 主要なオークションハウスから繰り返し販売される大規模なデータセットを用いて,古典的ヘドニック回帰と木に基づく手法をベンチマークした。 アーティストのアイデンティティと事前の取引履歴が全体的な予測力を支配しているのに対して、視覚的な埋め込みは明らかに経済的に意味のある貢献をもたらす。
• 参考スコア（独自算出の注目度）: 5.05381284813208
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study how deep learning can improve valuation in the art market by incorporating the visual content of artworks into predictive models. Using a large repeated-sales dataset from major auction houses, we benchmark classical hedonic regressions and tree-based methods against modern deep architectures, including multi-modal models that fuse tabular and image data. We find that while artist identity and prior transaction history dominate overall predictive power, visual embeddings provide a distinct and economically meaningful contribution for fresh-to-market works where historical anchors are absent. Interpretability analyses using Grad-CAM and embedding visualizations show that models attend to compositional and stylistic cues. Our findings demonstrate that multi-modal deep learning delivers significant value precisely when valuation is hardest, namely first-time sales, and thus offers new insights for both academic research and practice in art market valuation.
• Abstract（参考訳）: 本研究では,美術品の視覚的内容を予測モデルに組み込むことで,深層学習が美術市場の評価をいかに向上させるかを検討する。 主要なオークションハウスから繰り返し販売される大規模なデータセットを用いて、古典的ヘドニック回帰と木に基づく手法を、表層データと画像データを融合するマルチモーダルモデルを含む現代のディープアーキテクチャに対してベンチマークする。 アーティストのアイデンティティと先行の取引履歴が全体的な予測力を支配しているのに対して、視覚的な埋め込みは、歴史的アンカーが欠落している新市場作品に対して、明確かつ経済的に意味のある貢献を提供する。 Grad-CAMと埋め込みビジュアライゼーションを用いた解釈可能性解析により、モデルが構成的およびスタイリスティックなキューに参加することを示す。 以上の結果から,マルチモーダル深層学習は,評価が最も難しい場合,すなわち初回販売が困難である場合に,重要な価値をもたらすことが明らかとなり,学術研究と美術市場評価の両面で新たな洞察が得られた。

関連論文リスト

• A deep learning perspective on Rubens' attribution [0.0]
  畳み込みニューラルネットワークは、検証された、比較されたアートワークのデータセットに基づいて訓練され、マスターの手の特徴となるマイクロレベルのスタイルの特徴を識別した。 このモデルは高い分類精度を達成し、伝統的な美術史の専門知識を補完する計算分析の可能性を示した。
  論文  参考訳（メタデータ） (2025-11-27T18:01:24Z)
• UNIFORM: Unifying Knowledge from Large-scale and Diverse Pre-trained Models [62.76435672183968]
  UNIFORMと呼ばれる新しいフレームワークを導入し、多様なオフザシェルフモデルから1つの学生モデルへ知識を伝達する。 本稿では,ロジットレベルでも機能レベルでも知識のコンセンサスを捉えるための,専用の投票機構を提案する。 UNIFORMは、強い知識伝達ベースラインに比べて、教師なしオブジェクト認識性能を効果的に向上することを示した。
  論文  参考訳（メタデータ） (2025-08-27T00:56:11Z)
• Representation Learning of Limit Order Book: A Comprehensive Study and Benchmarking [3.94375691568608]
  限界秩序書(LOB)は市場ダイナミクスの詳細なビューを提供する。 既存のアプローチはしばしば、エンド・ツー・エンドの方法で特定の下流タスクによる表現学習を密に結合する。 我々は、実際の中国のAシェア市場データを標準化したベンチマークであるLOBenchを紹介し、キュレートされたデータセット、統一された前処理、一貫した評価指標、強力なベースラインを提供する。
  論文  参考訳（メタデータ） (2025-05-04T15:00:00Z)
• GalleryGPT: Analyzing Paintings with Large Multimodal Models [64.98398357569765]
  美術品の分析は、個人の審美性を豊かにし、批判的思考能力を促進することができる芸術鑑賞のための重要かつ基本的な技術である。 アートワークを自動解析する以前の作業は、主に分類、検索、その他の単純なタスクに焦点を当てており、AIの目標とは程遠い。 LLaVAアーキテクチャに基づいて微調整されたGalleryGPTと呼ばれる,絵画解析のための優れた大規模マルチモーダルモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-01T11:52:56Z)
• Corpus Considerations for Annotator Modeling and Scaling [9.263562546969695]
  一般的に使われているユーザトークンモデルは、より複雑なモデルよりも一貫して優れています。 以上の結果から,コーパス統計とアノテータモデリング性能の関係が明らかになった。
  論文  参考訳（メタデータ） (2024-04-02T22:27:24Z)
• Masked Modeling for Self-supervised Representation Learning on Vision and Beyond [69.64364187449773]
  仮面モデリングは、トレーニング中に比例的にマスキングされる元のデータの一部を予測する、独特なアプローチとして現れてきた。 マスクモデリングにおけるテクニックの詳細については,多様なマスキング戦略,ターゲット回復,ネットワークアーキテクチャなどについて詳述する。 我々は、現在の手法の限界について議論し、マスクモデリング研究を進めるためのいくつかの道のりを指摘した。
  論文  参考訳（メタデータ） (2023-12-31T12:03:21Z)
• One-Shot Open Affordance Learning with Foundation Models [54.15857111929812]
  私たちは、モデルがベースオブジェクトカテゴリ毎に1つの例でトレーニングされる、ワンショットのオープンアフォーダンスラーニング(OOAL)を紹介します。 本稿では,視覚的特徴と手頃なテキスト埋め込みとの整合性を高める,シンプルで効果的な設計の視覚言語フレームワークを提案する。 2つのアベイランスセグメンテーションのベンチマーク実験により、提案手法はトレーニングデータの1%未満で最先端のモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2023-11-29T16:23:06Z)
• Image Quality Assessment in the Modern Age [53.19271326110551]
  本チュートリアルは、画像品質評価(IQA)の基礎的理論、方法論、現状の進歩を聴衆に提供する。 まず,視覚刺激を適切に選択する方法に着目し,主観的品質評価手法を再考する。 手書きのエンジニアリングと(深い)学習ベースの手法の両方をカバーします。
  論文  参考訳（メタデータ） (2021-10-19T02:38:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。