Fugu-MT 論文翻訳(概要): Animal Kingdom: A Large and Diverse Dataset for Animal Behavior Understanding

論文の概要: Animal Kingdom: A Large and Diverse Dataset for Animal Behavior Understanding

arxiv url: http://arxiv.org/abs/2204.08129v1
Date: Mon, 18 Apr 2022 02:05:15 GMT
ステータス: 処理完了
システム内更新日: 2022-04-19 16:04:32.199692
Title: Animal Kingdom: A Large and Diverse Dataset for Animal Behavior Understanding
Title（参考訳）: 動物界:動物行動理解のための大規模で多様なデータセット
Authors: Xun Long Ng, Kian Eng Ong, Qichen Zheng, Yun Ni, Si Yong Yeo, Jun Liu
Abstract要約: 大規模で多様なデータセットであるAnimal Kingdomを作成し、複数の注釈付きタスクを提供します。私たちのデータセットには、関連する動物行動セグメントをローカライズする50時間のアノテーション付きビデオが含まれています。本研究では,未確認新種動物を用いた行動認識の一般的な特徴と特定の特徴を学習する協調行動認識(CARe)モデルを提案する。
参考スコア（独自算出の注目度）: 4.606145900630665
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Understanding animals' behaviors is significant for a wide range of applications. However, existing animal behavior datasets have limitations in multiple aspects, including limited numbers of animal classes, data samples and provided tasks, and also limited variations in environmental conditions and viewpoints. To address these limitations, we create a large and diverse dataset, Animal Kingdom, that provides multiple annotated tasks to enable a more thorough understanding of natural animal behaviors. The wild animal footages used in our dataset record different times of the day in extensive range of environments containing variations in backgrounds, viewpoints, illumination and weather conditions. More specifically, our dataset contains 50 hours of annotated videos to localize relevant animal behavior segments in long videos for the video grounding task, 30K video sequences for the fine-grained multi-label action recognition task, and 33K frames for the pose estimation task, which correspond to a diverse range of animals with 850 species across 6 major animal classes. Such a challenging and comprehensive dataset shall be able to facilitate the community to develop, adapt, and evaluate various types of advanced methods for animal behavior analysis. Moreover, we propose a Collaborative Action Recognition (CARe) model that learns general and specific features for action recognition with unseen new animals. This method achieves promising performance in our experiments. Our dataset can be found at https://sutdcv.github.io/Animal-Kingdom.
Abstract（参考訳）: 動物の行動を理解することは、幅広い用途において重要である。しかし、既存の動物行動データセットは、動物クラスの数、データサンプルや提供されたタスクの数、環境条件や視点のバリエーションなど、さまざまな面で制限がある。これらの制限に対処するために、私たちは、自然の動物の行動をより深く理解するための複数の注釈付きタスクを提供する、大きくて多様なデータセット、animal kingdomを作成しました。私たちのデータセットで使用される野生動物の映像は、背景、視点、照明、気象条件などを含む幅広い環境において、その日の異なる時刻を記録しています。具体的には,50時間分のアノテート映像を収録し,ビデオグラウンディングタスクのロングビデオにおける関連動物行動セグメントのローカライズ,細粒度マルチラベル行動認識タスクの30k映像シーケンス,ポーズ推定タスクの33kフレームをそれぞれ6つの主要な動物クラスにまたがる種850種の多様な動物に対応させた。このような挑戦的で包括的なデータセットは、動物行動分析のための様々な種類の高度な手法を開発し、適応し、評価することを促進することができる。さらに,新しい動物を用いた行動認識のための汎用的および特定特徴を学習する協調行動認識(care)モデルを提案する。この手法は実験で有望な性能を発揮する。データセットはhttps://sutdcv.github.io/Animal-Kingdom.orgにある。

関連論文リスト

From Forest to Zoo: Great Ape Behavior Recognition with ChimpBehave [0.0]
ChimpBehaveは動物園で飼育されているチンパンジーの2時間以上のビデオ(約193,000フレーム)を特徴とする新しいデータセットだ。 ChimpBehaveは、アクション認識のためのバウンディングボックスやビヘイビアラベルに細心の注意を払ってアノテートする。我々は、最先端のCNNベースの行動認識モデルを用いてデータセットをベンチマークする。
論文参考訳（メタデータ） (2024-05-30T13:11:08Z)
AnimateZoo: Zero-shot Video Generation of Cross-Species Animation via Subject Alignment [64.02822911038848]
動物アニメーションを作成するため, ゼロショット拡散に基づくビデオジェネレータAnimateZooを提案する。 AnimateZooで使われる主要なテクニックは、2つのステップを含む被写体アライメントです。我々のモデルは、正確な動き、一貫した外観、高忠実度フレームを特徴とする映像を生成することができる。
論文参考訳（メタデータ） (2024-04-07T12:57:41Z)
Automated Behavioral Analysis Using Instance Segmentation [2.043437148047176]
動物行動分析は、生命科学や生物医学研究など、様々な分野で重要な役割を果たしている。利用可能なデータの不足とラベル付きデータセットの大量取得に伴う高コストが大きな課題となっている。本稿では,これらの問題に対処するために,インスタンスセグメンテーションに基づくトランスファー学習を活用する新しい手法を提案する。
論文参考訳（メタデータ） (2023-12-12T20:36:36Z)
OmniMotionGPT: Animal Motion Generation with Limited Data [70.35662376853163]
最初のテキストアニマルモーションデータセットであるAnimalML3Dを紹介した。我々は,動物データに基づくヒトの動き生成ベースラインのトレーニング結果よりも定量的かつ質的に,高い多様性と忠実さで動物の動きを生成することができる。
論文参考訳（メタデータ） (2023-11-30T07:14:00Z)
Meerkat Behaviour Recognition Dataset [3.53348643468069]
本稿では,多彩なアノテーション付き行動認識ビデオデータセットについて紹介する。このデータセットにはウェリントン動物園(ニュージーランドのウェリントン)のメアカットの囲いの2箇所のビデオが含まれている。
論文参考訳（メタデータ） (2023-06-20T06:50:50Z)
MammalNet: A Large-scale Video Benchmark for Mammal Recognition and Behavior Understanding [38.3767550066302]
MammalNetは、哺乳類の分類誘導アノテーションとその共通の行動を含む大規模な動物行動データセットである。計539時間の18Kビデオが含まれており、これは現存する最大の動物行動データセットの10倍の大きさだ。 MammalNet上では,標準動物と行動認識,合成低ショット動物と行動認識,行動検出の3つのベンチマークを作成した。
論文参考訳（メタデータ） (2023-06-01T11:45:33Z)
MABe22: A Multi-Species Multi-Task Benchmark for Learned Representations of Behavior [28.878568752724235]
学習行動表現の質を評価するベンチマークであるMABe22を紹介する。このデータセットは様々な生物学実験から収集される。我々は,自己教師付きビデオとトラジェクトリ表現学習法を試行し,ベンチマークの利用を実証した。
論文参考訳（メタデータ） (2022-07-21T15:51:30Z)
APT-36K: A Large-scale Benchmark for Animal Pose Estimation and Tracking [77.87449881852062]
APT-36Kは動物のポーズ推定と追跡のための最初の大規模ベンチマークである。このビデオは、30種の動物から収集・フィルタリングされた2,400のビデオクリップと、各ビデオの15フレームで構成されており、合計で36,000フレームとなっている。我々は,(1)ドメイン内およびドメイン間移動学習環境下での単一フレームでの動物ポーズ推定,(2)未確認動物に対する種間ドメイン一般化テスト,(3)動物追跡による動物ポーズ推定の3つのモデルについて,いくつかの代表的モデルをベンチマークした。
論文参考訳（メタデータ） (2022-06-12T07:18:36Z)
AcinoSet: A 3D Pose Estimation Dataset and Baseline Models for Cheetahs in the Wild [51.35013619649463]
我々はAcinoSetと呼ばれる野生のフリーランニングチーターの広範なデータセットを提示する。データセットには、119,490フレームのマルチビュー同期高速ビデオ映像、カメラキャリブレーションファイル、7,588フレームが含まれている。また、結果の3D軌道、人間チェックされた3D地上真実、およびデータを検査するインタラクティブツールも提供される。
論文参考訳（メタデータ） (2021-03-24T15:54:11Z)
Human in Events: A Large-Scale Benchmark for Human-centric Video Analysis in Complex Events [106.19047816743988]
我々は、Human-in-Events(Human-in-Events)またはHiEve(HiEve)という、包括的なアノテーションを備えた新しい大規模データセットを提案する。これには、複雑なイベントにおけるアクションインスタンスの最大数(>56k)と、長時間続くトラジェクトリの最大数(>1M)が含まれている。多様なアノテーションに基づいて、アクション認識とポーズ推定のための2つのシンプルなベースラインを提示する。
論文参考訳（メタデータ） (2020-05-09T18:24:52Z)
Comprehensive Instructional Video Analysis: The COIN Dataset and Performance Evaluation [100.68317848808327]
包括的インストラクショナルビデオ解析のための大規模データセット「COIN」を提案する。 COINデータセットには、日々の生活に関連する12の領域で180のタスクの11,827の動画が含まれている。新しい開発ツールボックスでは、すべてのビデオに一連のステップラベルと対応する時間境界がアノテートされる。
論文参考訳（メタデータ） (2020-03-20T16:59:44Z)

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。