論文の概要: Muti-view Mouse Social Behaviour Recognition with Deep Graphical Model
- arxiv url: http://arxiv.org/abs/2011.02451v2
- Date: Wed, 30 Jun 2021 07:44:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 22:32:42.618648
- Title: Muti-view Mouse Social Behaviour Recognition with Deep Graphical Model
- Title(参考訳): 深部グラフィカルモデルを用いたマウスの社会行動認識
- Authors: Zheheng Jiang, Feixiang Zhou, Aite Zhao, Xin Li, Ling Li, Dacheng Tao,
Xuelong Li and Huiyu Zhou
- Abstract要約: マウスの社会的行動分析は神経変性疾患の治療効果を評価する貴重なツールである。
マウスの社会行動の豊かな記述を創出する可能性から、ネズミの観察にマルチビュービデオ記録を使用することは、ますます注目を集めている。
本稿では,ビュー固有のサブ構造とビュー共有サブ構造を協調的に学習する,新しい多視点潜在意識・動的識別モデルを提案する。
- 参考スコア(独自算出の注目度): 124.26611454540813
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Home-cage social behaviour analysis of mice is an invaluable tool to assess
therapeutic efficacy of neurodegenerative diseases. Despite tremendous efforts
made within the research community, single-camera video recordings are mainly
used for such analysis. Because of the potential to create rich descriptions of
mouse social behaviors, the use of multi-view video recordings for rodent
observations is increasingly receiving much attention. However, identifying
social behaviours from various views is still challenging due to the lack of
correspondence across data sources. To address this problem, we here propose a
novel multiview latent-attention and dynamic discriminative model that jointly
learns view-specific and view-shared sub-structures, where the former captures
unique dynamics of each view whilst the latter encodes the interaction between
the views. Furthermore, a novel multi-view latent-attention variational
autoencoder model is introduced in learning the acquired features, enabling us
to learn discriminative features in each view. Experimental results on the
standard CRMI13 and our multi-view Parkinson's Disease Mouse Behaviour (PDMB)
datasets demonstrate that our model outperforms the other state of the arts
technologies and effectively deals with the imbalanced data problem.
- Abstract(参考訳): マウスの家庭内社会行動分析は神経変性疾患の治療効果を評価する貴重なツールである。
研究コミュニティ内の多大な努力にもかかわらず、シングルカメラビデオ撮影は主にこのような分析に使われている。
マウスの社会的行動のリッチな記述を創出する可能性から,多視点映像記録をげっ歯類観察に利用することが注目されている。
しかし,データソース間の対応が欠如しているため,様々な視点から社会的行動を特定することは依然として困難である。
この問題を解決するために,我々は,ビュー固有のサブ構造とビュー共有サブ構造を共同で学習し,ビュー間の相互作用をエンコードする,新しいマルチビュー潜在性および動的識別モデルを提案する。
さらに、取得した特徴を学習するために、新しい多視点潜時変分オートエンコーダモデルを導入し、各ビューで識別的特徴を学習できるようにする。
標準crmi13とマルチビューパーキンソン病マウス行動(pdmb)データセットの実験結果から,本モデルが他の最先端の芸術技術よりも優れており,不均衡なデータ問題に効果的に対処できることが分かる。
関連論文リスト
- Neuromorphic Face Analysis: a Survey [28.793519320598865]
イベントカメラ(英: event camera)またはニューロモルフィックセンサー(英: Neuromorphic sensor)は、生物学的視覚系の機能を模倣する撮像装置の一種である。
これらの特性は、有効性とプライバシー保護の観点から、人間の顔のモデリングにおいて興味深いことが証明されている。
本稿では,ニューロモルフィック顔分析分野における機能,課題,新たな応用について概説する。
論文 参考訳(メタデータ) (2024-02-18T16:17:25Z) - Generating Human-Centric Visual Cues for Human-Object Interaction
Detection via Large Vision-Language Models [59.611697856666304]
人-物対検出(Human-object Interaction:HOI)は、人-物対を検出し、その相互作用を予測することを目的とする。
我々はVLMを用いた3つのプロンプトを提案し、人間の複数の視点から画像内で人間中心の視覚的手がかりを生成する。
我々は,マルチトワーアーキテクチャを用いたトランスフォーマーベースのマルチモーダル融合モジュールを開発し,視覚的キュー機能をインスタンスと対話デコーダに統合する。
論文 参考訳(メタデータ) (2023-11-26T09:11:32Z) - Predicting long-term collective animal behavior with deep learning [67.06717327342473]
本研究は,魚種Hemigrammus rhodostomusにおける社会的相互作用の深層学習モデルを導入する。
実験結果と最先端解析モデルの結果を比較した。
我々は,ソーシャルインタラクションの機械学習モデルが,その分析モデルと直接競合できることを実証した。
論文 参考訳(メタデータ) (2023-02-14T05:25:03Z) - Cross-Skeleton Interaction Graph Aggregation Network for Representation
Learning of Mouse Social Behaviour [24.716092330419123]
マウスの社会的行動分析は、行動神経科学においてますますポピュラーな研究領域となっている。
高度に変形可能な体型とあいまいな運動パターンにより、マウス間の複雑な社会的相互作用をモデル化することは困難である。
我々は,自由に相互作用するマウスの豊富な動態を学習するクロス骨格相互作用グラフ集約ネットワーク(CS-IGANet)を提案する。
論文 参考訳(メタデータ) (2022-08-07T21:06:42Z) - Incorporating Heterogeneous User Behaviors and Social Influences for
Predictive Analysis [32.31161268928372]
我々は,行動予測に異質なユーザ行動と社会的影響を取り入れることを目指している。
本稿では,行動シーケンスのコンテキストを考慮したLong-Short Term Memory (LSTM)を提案する。
残差学習に基づくデコーダは、社会的行動表現に基づいて、複数の高次クロス機能を自動的に構築するように設計されている。
論文 参考訳(メタデータ) (2022-07-24T17:05:37Z) - Analyzing the Effects of Handling Data Imbalance on Learned Features
from Medical Images by Looking Into the Models [50.537859423741644]
不均衡なデータセットでモデルをトレーニングすることは、学習問題にユニークな課題をもたらす可能性がある。
ニューラルネットワークの内部ユニットを深く調べて、データの不均衡処理が学習した機能にどのように影響するかを観察します。
論文 参考訳(メタデータ) (2022-04-04T09:38:38Z) - Overcoming the Domain Gap in Neural Action Representations [60.47807856873544]
3Dポーズデータは、手動で介入することなく、マルチビュービデオシーケンスから確実に抽出できる。
本稿では,ニューラルアクション表現の符号化を,ニューラルアクションと行動拡張のセットと共に導くために使用することを提案する。
ドメインギャップを減らすために、トレーニングの間、同様の行動をしているように見える動物間で神経と行動のデータを取り替える。
論文 参考訳(メタデータ) (2021-12-02T12:45:46Z) - Beyond Tracking: Using Deep Learning to Discover Novel Interactions in
Biological Swarms [3.441021278275805]
本稿では,システムレベルの状態を全体像から直接予測するディープ・ネットワーク・モデルを提案する。
結果の予測モデルは、人間の理解した予測モデルに基づいていないため、説明モジュールを使用する。
これは、行動生態学における人工知能の例である。
論文 参考訳(メタデータ) (2021-08-20T22:50:41Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳(メタデータ) (2020-06-11T17:29:53Z)
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。