File size: 6,182 Bytes
6a8f5c0 0f5e68f 786193b fce4eed 4de6920 fce4eed 6a8f5c0 9d3d19e 6a8f5c0 9d3d19e 6a8f5c0 9d3d19e 6a8f5c0 4b7ee9c 6a8f5c0 48392bf 4b7ee9c 6a8f5c0 4b7ee9c 6a8f5c0 960761f |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 |
---
license: cc-by-sa-4.0
language:
- it
tags:
- art
- vision
- vlm
- history
- artworks
- llm
configs:
- config_name: default
data_files:
- split: train
path: ArtVision-0825.csv
---
# README — ArtVision: Dataset per la valutazione delle competenze visivo-interpretative in dominio storico-artistico
## Descrizione generale
Il dataset **ArtVision** è una raccolta di 250 task, organizzati in otto categorie, in cui immagini di repertori storico artisti realizzati tra il 1750 e il 1980, sono utilizzate come base per la costruzione di richieste a modelli multimodali. Il dataset permette di sviluppare un veloce test di valutazione di un modello multimodale, analizzando in particolare le capacità di analisi e contestualizzazione di oggetti nel dominio storico-artistico. Due categorie di task sono assegnate all'analisi di capacità di riconoscimento testi da immagini, ad esempio epigrafi, e all'analisi delle capacità logiche a partire da schemi e diagrammi forniti come immagini. In quest'ultima categoria sono presenti attività di generazione immagini a partire da schemi visuali, mutuati dalle esperienze dei Wall Drawings di Sol Lewitt.
Il dataset **ArtVision** è stato sviluppato per testare e misurare le capacità di comprensione visiva, riconoscimento artistico, ragionamento cronologico e generazione multimodale dei modelli di intelligenza artificiale nel contesto delle arti visive e della storia dell’arte.
Le attività sono costruite per coprire un’ampia gamma di abilità cognitive e percettive, con particolare attenzione alla complessità dei compiti interpretativi che caratterizzano l’analisi storico-artistica.
## Obiettivi
- Valutare la **comprensione del contenuto visivo** in opere d’arte, scene complesse, diagrammi o composizioni stilizzate.
- Misurare la **capacità di attribuzione autoriale**, identificazione di movimenti artistici e contesti storici.
- Analizzare la **sintesi e correlazione** tra immagini diverse attraverso descrizioni argomentative.
- Esaminare la **capacità generativa** di immagini a partire da prompt visivi o istruzioni testuali.
- Testare abilità **di base** nel riconoscimento di soggetti, simmetrie, testi, animali, numeri di persone, ecc.
## Struttura del dataset
- **Formato**: CSV (valori separati da virgole)
- **Numero di task**: 250
- **Licenze**: tutte le immagini sono pubblicate con licenza **open** o **public domain**
- **Validazione**: ogni task dispone di una **risposta attesa** o di un criterio di valutazione esplicito (golden label)
## Categorie dei task
Le attività sono suddivise in **8 macro-categorie**, ciascuna con finalità valutative distinte:
| Codice | Categoria | Descrizione |
|--------|---------------------|-------------|
| `art_recognition` | Riconoscimento artistico | Valuta il riconoscimento di autore, stile e contesto storico di opere d’arte. Include anche domande semi-aperte e classificazioni su influenze culturali. |
| `chronological_reasoning` | Ragionamento cronologico | Valuta la capacità di collocare opere o scene in un corretto periodo storico e stabilire connessioni tra epoche diverse. |
| `contextual_summary` | Sintesi contestuale | Richiede la creazione di testi sintetici per collegare opere visivamente o semanticamente affini ma storicamente distanti. |
| `vision_reading` | Lettura testuale visiva | Testa la capacità di trascrivere e interpretare testi presenti nelle immagini. |
| `vision_basic` | Analisi visiva di base | Include compiti di simmetria, conteggio di soggetti o animali, riconoscimento del soggetto principale. |
| `vision_logic` | Ragionamento logico visivo | Valuta la comprensione e descrizione di processi logici rappresentati in diagrammi. |
| `img_gen` | Generazione di immagini | Richiede la creazione di immagini coerenti con schemi visivi o istruzioni compositive. |
| `vision_reasoning` | Ragionamento interpretativo | Include task di attribuzione autoriale, identificazione di influenze artistiche, errori visivi e particolari nascosti. |
## Colonne del file CSV
| Colonna | Descrizione |
|----------------------|-------------|
| `id` | Identificativo progressivo del task |
| `task_id` | Codice univoco del task (es. AR-001) |
| `categoria` | Categoria funzionale del task |
| `tipo_input` | Tipo di input richiesto (es. immagine) |
| `tipo_output` | Tipo di risposta prevista (es. testo) |
| `prompt` | Istruzione principale per il task |
| `instructions` | Istruzioni supplementari |
| `folder_path` | Percorso della cartella immagini |
| `immagine_1_path` | Nome file dell'immagine principale |
| `immagine_2_path` | Nome file di una seconda immagine (se presente) |
| `immagine_3_path` | Nome file di una terza immagine (se presente) |
| `opera_1` | Titolo dell'opera rappresentata nell'immagine 1 |
| `opera_2` | Titolo dell'opera rappresentata nell'immagine 2 |
| `opera_3` | Titolo dell'opera rappresentata nell'immagine 3 |
| `immagine_attesa` | Immagine di riferimento per la validazione automatica |
| `difficolta` | Grado di difficoltà del task -easy-medium-hard- |
| `opzione_1`, `opzione_2`, `opzione_3` | Scelte multiple per domande chiuse (se presenti) |
| `autore1`, `autore2`, `autore3` | Opzioni per la classificazione autoriale (quando previsto) |
| `risposta_attesa` | Risposta di riferimento per la validazione automatica |
| `note_curatoriali` | Annotazioni utili a curatori o valutatori esperti |
## Modalità d'uso
Il dataset può essere impiegato per:
- **Benchmark multimodali** per LLM con capacità visiva;
- **Valutazioni comparative** tra modelli generativi e di classificazione;
- **Analisi qualitative** di risposte generative su base visuale.
## Citazione
Se utilizzi questo dataset in pubblicazioni accademiche, ti preghiamo di citare come segue:
> *ArtVision Dataset: Visual Reasoning Tasks for Art Historical Evaluation (2025)*, Paolo De Gasperis.
### Ringraziamenti
Grazie a Cristiana Todaro per i preziosi materiali e le informazioni su Sol Lewitt |