論文の概要: Meerkat Behaviour Recognition Dataset
- arxiv url: http://arxiv.org/abs/2306.11326v1
- Date: Tue, 20 Jun 2023 06:50:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 15:22:02.458515
- Title: Meerkat Behaviour Recognition Dataset
- Title（参考訳）: meerkat行動認識データセット
- Authors: Mitchell Rogers, Ga\"el Gendron, David Arturo Soriano Valdez, Mihailo
Azhar, Yang Chen, Shahrokh Heidari, Caleb Perelini, Padriac O'Leary, Kobe
Knowles, Izak Tait, Simon Eyre, Michael Witbrock, and Patrice Delmas
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 3.53348643468069
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Recording animal behaviour is an important step in evaluating the well-being
of animals and further understanding the natural world. Current methods for
documenting animal behaviour within a zoo setting, such as scan sampling,
require excessive human effort, are unfit for around-the-clock monitoring, and
may produce human-biased results. Several animal datasets already exist that
focus predominantly on wildlife interactions, with some extending to action or
behaviour recognition. However, there is limited data in a zoo setting or data
focusing on the group behaviours of social animals. We introduce a large
meerkat (Suricata Suricatta) behaviour recognition video dataset with diverse
annotated behaviours, including group social interactions, tracking of
individuals within the camera view, skewed class distribution, and varying
illumination conditions. This dataset includes videos from two positions within
the meerkat enclosure at the Wellington Zoo (Wellington, New Zealand), with
848,400 annotated frames across 20 videos and 15 unannotated videos.
- Abstract（参考訳）: 動物の行動を記録することは、動物の幸福を評価し、自然界をさらに理解するための重要なステップである。
現在の動物園における動物行動の記録方法、例えばスキャンサンプリングは、過剰な人間の努力を必要とし、時計回りの監視には適さない。
いくつかの動物データセットは、主に野生生物の相互作用に焦点を当てている。
しかし、動物園の設定や社会動物の集団行動に焦点をあてたデータには限られたデータがある。
本研究では,集団的社会的相互作用,カメラビュー内個人追跡,スキュートクラス分布,照明条件の変化など,さまざまな注釈付き行動を含む大規模メアカット(Suricata Suricatta)行動認識ビデオデータセットを紹介する。
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、ウェリントン)のmeerkat enclosure内の2つの位置からの動画が含まれており、20の動画と15の無記名ビデオに848,400の注釈付きフレームがある。
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) - Computer Vision for Primate Behavior Analysis in the Wild [60.937374400311256]
ビデオに基づく行動監視は、動物の認知と行動を研究する方法を変える大きな可能性を秘めている。
今でも、エキサイティングな見通しと、今日実際に達成できるものの間には、かなり大きなギャップがある。
まず、動物行動のビデオベース研究に直接関係するコンピュータビジョン問題に対する最先端の手法の調査から始める。
次に,実践的な観点からの最大の課題のひとつとして,作業効率のよい学習方法についてレビューする。
論文 参考訳（メタデータ） (2024-01-29T18:59:56Z) - 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) - Multimodal Foundation Models for Zero-shot Animal Species Recognition in
Camera Trap Images [57.96659470133514]
モーションアクティベートカメラトラップは、世界中の野生生物を追跡・監視するための効率的なツールである。
教師付き学習技術は、そのような画像を分析するためにうまく展開されているが、そのような訓練には専門家のアノテーションが必要である。
コストのかかるラベル付きデータへの依存を減らすことは、人間の労働力を大幅に減らした大規模野生生物追跡ソリューションを開発する上で、大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-11-02T08:32:00Z) - ChimpACT: A Longitudinal Dataset for Understanding Chimpanzee Behaviors [32.72634137202146]
ChimpACTは、ドイツのライプツィヒ動物園に住む20以上のチンパンジーのビデオを特集している。
ChimpACTは、合計160,500フレームの163の動画で構成されており、包括的で難しい。
論文 参考訳（メタデータ） (2023-10-25T08:11:02Z) - 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) - Multi-view Tracking, Re-ID, and Social Network Analysis of a Flock of
Visually Similar Birds in an Outdoor Aviary [32.19504891200443]
曲鳥群が3次元空間を移動する際にの行動動態を研究するシステムについて紹介する。
密接な相互作用する動物群を3次元で追跡する際に生じる複雑さについて検討し、マルチビュートラッカーを評価するための新しいデータセットを提案する。
論文 参考訳（メタデータ） (2022-12-01T04:23:18Z) - 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) - Animal Kingdom: A Large and Diverse Dataset for Animal Behavior
Understanding [4.606145900630665]
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。
論文 参考訳（メタデータ） (2022-04-18T02:05:15Z) - Florida Wildlife Camera Trap Dataset [48.99466876948454]
フロリダ州南西部の2つの異なる場所から収集された野生生物カメラトラップ分類データセットについて紹介する。
データセットは104,495枚の画像からなり、視覚的に類似した種、様々な照明条件、スキュードクラス分布、絶滅危惧種のサンプルを含む。
論文 参考訳（メタデータ） (2021-06-23T18:53:15Z)
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。