全书共八部分，依次阐述研究转向、理论基础与学科背景，界定标注核心维度、视觉要素及语义体系，详解多模态标注流程、方法与技术路径，探讨本体构建、知识组织逻辑，构建理论范式、评价体系与行业标准，并展示人机协同、数据集建设及应用案例，最后展望数字人文视角下的发展未来。书稿完整构建了艺术图像多模态标注的理论体系、技术路径与实践规范，为数字艺术、文化遗产计算与人文数据研究提供了扎实的理论支撑和可操作的实践方案。