WikiArt
WikiArt是乌克兰团队运营的非营利性在线视觉艺术百科与作品图像数据库，前身为 WikiPaintings，站点自 2010 年前后开始运行。它依靠志愿者以维基方式添加和编辑条目，把绘画、素描等作品按艺术家、流派、风格、题材和时期组织起来，并配有艺术家小传与作品背景信息，界面支持多种语言。因其图像数量大、分类结构清晰且可公开访问，该站也被人工智能研究者广泛用作艺术图像数据集。
定义
WikiArt 是一个在线的、可由用户参与编辑的视觉艺术百科与图像数据库，收录对象以绘画为主，也涵盖素描等其他平面作品。站点的条目围绕艺术家、流派、风格、题材和时期等维度组织，观众可以按这些线索检索作品与作者信息。[1][2]
它同时承担两项功能：一是提供作品图像与作者小传、创作年代、收藏情况等背景资料，二是以维基协作的方式允许公众新增条目、修订元数据并参与翻译。[3] 站点以非营利方式运营，依靠广告与捐赠覆盖服务器和技术服务开支，内容主要由志愿者团队无偿贡献。[4]
原理
WikiArt 的内容生产沿用维基类站点的协作模式：任何注册用户都可以提交作品图像和条目信息，随后的每次改动都经过站内审核环节，以维持数据的一致性和可信度。[3] 条目之间依靠分类字段彼此关联，同一艺术家的作品可按风格、创作时期和系列分组，同时标注其艺术渊源与受影响关系，形成可逐级展开的浏览路径。[5]
在版权处理上，站点把作品分为两类：已进入公有领域的作品以较高清晰度呈现；仍受版权保护的作品则依据合理使用原则以较低分辨率展示，用于介绍、教学等非商业用途，并保留权利人通知后移除或按地区屏蔽的机制。[3][6] 由于界面与条目元数据支持多语言本地化，同一件作品可以对应多个语种的说明文本。[4]
从数据角度看，站点输出的核心是一组带标签的艺术图像集合，每张图像附带作者、风格、流派、年代等标注。研究者可直接把这种结构化标注当作监督学习的训练信号，这也是它被广泛用于机器学习实验的技术前提。[7]
发展历程
站点最初以 WikiPaintings 之名出现，据其 2013 年财务报告中的表述，上线时间约为 2010 年；不过也有研究依据域名注册记录与网页存档推断，维基功能实际成型于 2011 年前后。[1][8] 开发团队位于乌克兰，自 2010 年起由乌克兰艺术评论人 Kseniia Bilash 担任主编。[1]
2012 年 6 月，站点宣称收录画作已达 7.5 万件；到 2013 年初，维基编辑功能仍处于开发阶段。[9] 2016 年起，站点开设女性艺术家专题页面，用以呈现不同时期与国籍的女性创作者。[5] 2019 年起增设短片栏目，由常驻伦敦的导演 Dekel Berenson 策划。[10]
按站点 2020 年 1 月公布的数据，库内共有 3293 位艺术家与 169057 件作品，作品分属 191 种风格、61 个流派，艺术家被归入 171 个艺术运动、267 个艺术流派或团体，涉及 106 个国籍；本地化语言为 8 种，包括英语、德语、法语、西班牙语、葡萄牙语、俄语、乌克兰语和中文。[5] 同一时期的中文报道则记录站点收录 3293 位艺术家的 169057 件画作、共 61 个流派，与前述数字基本一致。[11] 站点方面后来对外表述的规模为 3000 多位艺术家的 25 万余件作品，来源国家超过 100 个，语言版本为 7 种。[4]
应用
作为艺术作品图像来源，WikiArt 被高校图书馆的学科指南列为艺术图像检索的开放获取数据库之一，供教学与研究查找公有领域或低分辨率作品图。[6] 普通使用者则可通过艺术家、风格、流派、时期和收藏机构等入口浏览作品，并查看作者生平与创作背景信息。[12]
在人工智能研究中，WikiArt 的标注数据被大量用于训练和评测视觉模型。2015 年，罗格斯大学的 Babak Saleh 与 Ahmed Elgammal 使用站内图像训练算法，使其判断画作的流派、风格与作者；随后罗格斯大学、查尔斯顿学院与 Facebook 人工智能实验室的研究者合作训练生成对抗网络，用以区分艺术作品与照片、示意图并识别艺术风格，进而设计出生成不符合既有风格新作的创造性对抗网络。[1][7]
2016 年，马来亚大学的 Chee Seng Chan 及合作者以站内数据训练卷积神经网络，发表细粒度绘画分类研究并公开 ArtGAN 项目，2017 年又提出改进版本用于自然图像与艺术作品的條件合成。[1] 2018 年，佳士得拍卖的一幅由生成对抗网络创作的肖像以 43.25 万美元成交，其算法即以站内 1.5 万幅 14 至 19 世纪肖像为训练素材。[7]
情感与审美方向的研究同样依托该数据集。2019 年，克罗地亚 Ruđer Bošković 研究所的 Eva Cetinic 等人用站内图像训练机器学习模型，考察美术作品的美学特征、情感意涵与记忆度之间的关系；2020 年，斯坦福大学的 Panos Achlioptas 等为约 8.1 万件作品收集了 43.9 万余条情感标注，参与标注者达 6377 人，并据此训练出能解释情绪判断缘由的神经网络模型。[1][13]
局限
站点内容依赖志愿者贡献与人工审核，条目完整度和元数据准确程度并不均衡，作品信息可能缺失或滞后；2013 年初其维基编辑功能尚在开发之中，说明协作机制是逐步建成的。[9][3]
在版权方面，站内对仍受保护作品采取低分辨率合理使用策略。这种做法在美国等法域处于法律灰区，是否成立需依合理使用条款逐案判断；加之权利归属约定不完整、责任主体不够清晰，实践中权利人主张权利存在难度。[7] 因此该站不能替代博物馆或图片版权机构的正式授权渠道。[6]
作为研究数据集，其局限来自收藏结构本身：项目原名 WikiPaintings，藏品中长期以绘画占据主导，其他媒介比重偏低；条目由公众协作标注，风格与流派分类带有编辑者的判断成分，早期用户就曾就分类体系提出质疑。[8] 对需要严格抽样控制的实验而言，这类来源造成的偏差需另行评估。[7]
参见
参考资料
- WikiArt [引用日期2026-10-29]
- WikiArt [引用日期2026-10-29]
- WikiArt.org - Visuelle Kunst Enzyklopädie [引用日期2026-10-29]
- WikiArt 12+ [引用日期2026-10-29]
- WikiArt - The Wayback Machine [引用日期2026-10-29]
- Research Guides: History of Art: Finding and Using Images [引用日期2026-10-29]
- WikiArt – Wikipedia [引用日期2026-10-29]
- SID-0000004867631_optimized(PDF) [引用日期2026-10-29]
- WikiArt [引用日期2026-10-29]
- WikiArt - The Wayback Machine [引用日期2026-10-29]
- 经过 8 万画作+人工注释训练，算法学会了赏析名画 [引用日期2026-10-29]
- about [引用日期2026-10-29]
- IN用丨经过 8 万画作+人工注释训练，算法学会了赏析名画 [引用日期2026-10-29]