論文の概要: Computer Vision for Primate Behavior Analysis in the Wild
- arxiv url: http://arxiv.org/abs/2401.16424v1
- Date: Mon, 29 Jan 2024 18:59:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 13:31:39.687025
- Title: Computer Vision for Primate Behavior Analysis in the Wild
- Title（参考訳）: 野生霊長類行動解析のためのコンピュータビジョン
- Authors: Richard Vogg, Timo L\"uddecke, Jonathan Henrich, Sharmita Dey,
Matthias Nuske, Valentin Hassler, Derek Murphy, Julia Fischer, Julia Ostner,
Oliver Sch\"ulke, Peter M. Kappeler, Claudia Fichtel, Alexander Gail, Stefan
Treue, Hansj\"org Scherberger, Florentin W\"org\"otter, Alexander S. Ecker
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 60.937374400311256
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Advances in computer vision as well as increasingly widespread video-based
behavioral monitoring have great potential for transforming how we study animal
cognition and behavior. However, there is still a fairly large gap between the
exciting prospects and what can actually be achieved in practice today,
especially in videos from the wild. With this perspective paper, we want to
contribute towards closing this gap, by guiding behavioral scientists in what
can be expected from current methods and steering computer vision researchers
towards problems that are relevant to advance research in animal behavior. We
start with a survey of the state-of-the-art methods for computer vision
problems that are directly relevant to the video-based study of animal
behavior, including object detection, multi-individual tracking, (inter)action
recognition and individual identification. We then review methods for
effort-efficient learning, which is one of the biggest challenges from a
practical perspective. Finally, we close with an outlook into the future of the
emerging field of computer vision for animal behavior, where we argue that the
field should move fast beyond the common frame-by-frame processing and treat
video as a first-class citizen.
- Abstract（参考訳）: コンピュータビジョンの進歩と、ますます広まるビデオベースの行動監視は、動物の認知と行動の研究方法を変える大きな可能性を秘めている。
しかし、エキサイティングな展望と、今日実際に実現できるもの、特に野生の動画との間には、かなり大きなギャップがある。
本論では,行動科学者に現在の方法から期待できることを導き,コンピュータビジョン研究者を,動物行動の先行研究に関連する問題へと導くことで,このギャップを解消する上で貢献したい。
まず,物体検出,複数個体追跡,(相互)行動認識,個人識別など,映像に基づく動物行動研究に直接関連するコンピュータビジョン問題に対する最先端の手法に関する調査を行った。
次に、実践的な視点から最大の課題である、労力効率のよい学習のための方法をレビューする。
最後に、私たちは動物行動のためのコンピュータビジョンの新たな分野の展望に近づき、この分野は共通のフレーム単位の処理を超越して、ビデオは第一級市民として扱うべきだと論じる。
関連論文リスト
- Animal Behavior Analysis Methods Using Deep Learning: A Survey [3.9086052572489653]
最先端のディープラーニングモデルは、様々な動物のデータの分類において顕著な精度を示している。
この論文は、動物行動研究の分野を前進させる可能性を秘めている深層学習における重要な研究方向に関する総合的な議論をまとめている。
論文 参考訳（メタデータ） (2024-05-22T21:17:54Z) - CNN-Based Action Recognition and Pose Estimation for Classifying Animal
Behavior from Videos: A Survey [0.0]
アクション認識(Action Recognition)は、1つ以上の被験者がトリミングされたビデオで行う活動の分類であり、多くの技術の基礎を形成する。
人間の行動認識のためのディープラーニングモデルは、過去10年間に進歩してきた。
近年,深層学習に基づく行動認識を取り入れた研究への関心が高まっている。
論文 参考訳（メタデータ） (2023-01-15T20:54:44Z) - Video-based Human Action Recognition using Deep Learning: A Review [4.976815699476327]
人間の行動認識はコンピュータビジョンにおける重要な応用分野である。
ディープラーニングはコンピュータビジョンコミュニティによって特に注目されている。
本稿では,深層学習技術を用いた映像解析による行動認識の現状について概説する。
論文 参考訳（メタデータ） (2022-08-07T17:12:12Z) - Deep Learning to See: Towards New Foundations of Computer Vision [88.69805848302266]
この本はコンピュータビジョンの分野における科学的進歩を批判している。
情報に基づく自然法則の枠組みにおける視覚の研究を提案する。
論文 参考訳（メタデータ） (2022-06-30T15:20:36Z) - Review on Social Behavior Analysis of Laboratory Animals: From
Methodologies to Applications [0.0]
従来の視覚的手法,統計的手法,深層学習手法を網羅し,多様な行動検出アルゴリズムを探索する。
本研究の目的は、動物行動の効率的な検出方法のひっかき傷を生物学者に与え、関連する研究を徹底的に調査することである。
論文 参考訳（メタデータ） (2022-06-25T13:40:35Z) - Going Deeper than Tracking: a Survey of Computer-Vision Based
Recognition of Animal Pain and Affective States [1.993938356023085]
ますます多くの作品が追跡よりも「絶望的」になり、感情や痛みなどの動物の内的状態の自動認識に対処している。
本稿では,動物における情動状態と痛みの認識に関するコンピュータビジョンに基づく総合的な調査を行う。
論文 参考訳（メタデータ） (2022-06-16T18:50:02Z) - 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) - Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units
and a Unified Framework [83.21732533130846]
Aff-Wild と Aff-Wild2 の2つである。
これは、これらのデータベースで訓練された深層ニューラルネットワークの2つのクラスの設計を示す。
インパクト認識を共同で学び、効果的に一般化し、実行することができる新しいマルチタスクおよび全体主義のフレームワークが提示されます。
論文 参考訳（メタデータ） (2021-03-29T17:36:20Z) - Perspectives on individual animal identification from biology and
computer vision [58.81800919492064]
計算機科学者と生物学者の両方に利用可能なツールの概要を提供するコンピュータビジョン識別技術の最近の進歩を概観する。
動物識別プロジェクトを始めるための勧告を提示し、現在の限界を説明し、将来どのように対処されるかを提案する。
論文 参考訳（メタデータ） (2021-02-28T16:50:09Z) - Muti-view Mouse Social Behaviour Recognition with Deep Graphical Model [124.26611454540813]
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。
論文 参考訳（メタデータ） (2020-11-04T18:09:58Z)
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。