ArtiFact: 대규모 멀티모달 (Multi-Modal) 문화유산 데이터셋

멀티모달 (Multi-modal) 데이터 관리는 데이터 통합 (Data Integration), 시맨틱 쿼리 처리 (Semantic Query Processing), 데이터 품질 평가 (Data Quality Assessment)를 아우르며 데이터베이스 커뮤니티의 핵심 연구 주제로 부상했습니다. 이러한 관심의 증가에도 불구하고, 커뮤니티에는 테이블, 텍스트, 이미지를 결합한 대규모의 실제 데이터셋이 부족한 실정입니다. 본 논문에서는 Metropolitan Museum of Art, Art Institute of Chicago, 그리고 Rijksmuseum에서 수집한 651,045개의 박물관 기록으로 구성된 멀티모달 (Multi-modal) 문화유산 데이터셋인 ArtiFact를 제시합니다. 우리는 두 가지 다운스트림 태스크 (Downstream Tasks)를 통해 ArtiFact의 유용성을 입증합니다. 교차 모달 (Cross-modal) 오류 탐지를 위해, 우리는 130,209개의 기록에 주입된 7가지 오류 범주의 큐레이션된 분류 체계 (Taxonomy)를 도입하며, 재료의 시대착오 (Material Anachronisms)나 시간적 변화 (Temporal Shifts)와 같은 미묘하고 도메인 특화된 오류를 안정적으로 탐지하는 것이 여전히 해결해야 할 과제로 남아 있음을 보여줍니다. 시맨틱 쿼리 처리 (Semantic Query Processing) 측면에서는, 현재의 시스템들이 문화적 근접성 (Cultural Proximity), 모호한 객체 유형 (Ambiguous Object Types), 그리고 역사적 상황에 따라 달라지는 용어 (Historically Contingent Terminology)를 포함하는 쿼리에서 어려움을 겪고 있음을 보여줍니다. 우리의 연구 결과는 ArtiFact를 멀티모달 (Multi-modal) 데이터 관리 연구를 위한 도전적인 벤치마크 (Benchmark)로 자리매김하게 합니다.