論文の概要: Exploring Multimodal Foundation AI and Expert-in-the-Loop for Sustainable Management of Wild Salmon Fisheries in Indigenous Rivers

• arxiv url: http://arxiv.org/abs/2505.06637v1
• Date: Sat, 10 May 2025 13:03:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:48.954883
• Title: Exploring Multimodal Foundation AI and Expert-in-the-Loop for Sustainable Management of Wild Salmon Fisheries in Indigenous Rivers
• Title（参考訳）: 自然河川における野生サケ漁業の持続的管理のためのマルチモーダル・ファンデーション・AIとエキスパート・イン・ザ・ループの探索
• Authors: Chi Xu, Yili Jin, Sami Ma, Rongsheng Qian, Hao Fang, Jiangchuan Liu, Xue Liu, Edith C. H. Ngai, William I. Atlas, Katrina M. Connors, Mark A. Spoljaric,
• Abstract要約: このプロジェクトは、野生のサーモンモニタリングと持続可能な漁業管理を強化するために、ファンデーションAIとプリンシパル・イン・ザ・ループフレームワークの統合について検討する。 ビデオとソナーに基づくモニタリングを活用して、自動種識別、カウント、長さ測定のためのAIツールを開発する。
• 参考スコア（独自算出の注目度）: 14.55924939084956
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wild salmon are essential to the ecological, economic, and cultural sustainability of the North Pacific Rim. Yet climate variability, habitat loss, and data limitations in remote ecosystems that lack basic infrastructure support pose significant challenges to effective fisheries management. This project explores the integration of multimodal foundation AI and expert-in-the-loop frameworks to enhance wild salmon monitoring and sustainable fisheries management in Indigenous rivers across Pacific Northwest. By leveraging video and sonar-based monitoring, we develop AI-powered tools for automated species identification, counting, and length measurement, reducing manual effort, expediting delivery of results, and improving decision-making accuracy. Expert validation and active learning frameworks ensure ecological relevance while reducing annotation burdens. To address unique technical and societal challenges, we bring together a cross-domain, interdisciplinary team of university researchers, fisheries biologists, Indigenous stewardship practitioners, government agencies, and conservation organizations. Through these collaborations, our research fosters ethical AI co-development, open data sharing, and culturally informed fisheries management.
• Abstract（参考訳）: 野生のサケは北太平洋リムの生態学的、経済的、文化的持続性に不可欠である。 しかし、基本的なインフラサポートが欠如している遠隔生態系の気候変動、生息地減少、データ制限は、効果的な漁業管理に重大な課題をもたらす。 本研究は,太平洋岸北西部の先住民河川における野生のサケモニタリングと持続可能な漁業管理を強化するため,マルチモーダル財団AIとエキスパート・イン・ザ・ループ・フレームワークの統合について検討する。 ビデオとソナーに基づくモニタリングを活用することで、自動種識別、カウント、長さ測定、手作業の削減、結果のデリバリの迅速化、意思決定精度の向上など、AIを活用したツールを開発する。 専門家の検証とアクティブな学習フレームワークは、アノテーションの負担を軽減しつつ、生態学的関連性を保証する。 ユニークな技術的・社会的な課題に対処するため、大学研究者、漁業生物学者、先住民のスチュワードシップ実践者、政府機関、保護団体からなるクロスドメインの学際チームを集めます。 これらの協力を通じて、我々の研究は倫理的AIの共同開発、オープンデータ共有、文化的な水産管理を促進する。

関連論文リスト

• Identifying Trustworthiness Challenges in Deep Learning Models for Continental-Scale Water Quality Prediction [64.4881275941927]
  本稿では,大陸規模のマルチタスクLSTMモデルにおいて,信頼性の総合評価を行う。 本研究は,流域特性に関連するモデル性能格差の系統的パターンを明らかにする。 この作業は、水資源管理のための信頼できるデータ駆動手法を前進させるためのタイムリーな呼びかけとして役立ちます。
  論文  参考訳（メタデータ） (2025-03-13T01:50:50Z)
• Artificial Intelligence for Sustainable Urban Biodiversity: A Framework for Monitoring and Conservation [0.0]
  都市部の急速な拡大は生物多様性の保全に挑戦し、革新的な生態系管理を必要としている。 本研究では, 都市生物多様性保全における人工知能(AI)の役割とその応用, 実装の枠組みについて検討する。
  論文  参考訳（メタデータ） (2024-12-28T03:18:56Z)
• Composing Open-domain Vision with RAG for Ocean Monitoring and Conservation [41.94295877935867]
  本稿では, 海洋アプリケーションにおける画像解析と映像解析のためのレジリエントでスケーラブルなソリューションを提案する。 我々は,本手法を,ビデオ漁船から魚を分類する予備的応用を通じて検証する。
  論文  参考訳（メタデータ） (2024-12-03T08:34:42Z)
• Harnessing Artificial Intelligence for Wildlife Conservation [0.0937465283958018]
  保護AIは、視覚スペクトルと熱赤外線カメラを使用して、動物、人間、密猟に関連する物体を検出し、分類する。 このプラットフォームは、このデータを畳み込みニューラルネットワーク(CNN)とTransformerアーキテクチャで処理し、種を監視する。 ヨーロッパ、北アメリカ、アフリカ、東南アジアの事例研究は、このプラットフォームが種の識別、生物多様性の監視、密猟防止に成功していることを強調している。
  論文  参考訳（メタデータ） (2024-08-30T09:13:31Z)
• SatBird: Bird Species Distribution Modeling with Remote Sensing and Citizen Science Data [68.2366021016172]
  本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。 ケニアでは低データのレシエーションを表すデータセットも提供しています。 リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
  論文  参考訳（メタデータ） (2023-11-02T02:00:27Z)
• Experiential-Informed Data Reconstruction for Fishery Sustainability and Policies in the Azores [3.2873782624127834]
  我々は2010年から2017年にかけてアゾレス諸島の漁獲データ収集プログラムのユニークなデータセットに焦点を当てた。 ドメイン知識と機械学習を利用して,魚の上陸毎にメティア関連情報を検索し,関連づける。
  論文  参考訳（メタデータ） (2023-09-17T17:17:38Z)
• Elephants and Algorithms: A Review of the Current and Future Role of AI in Elephant Monitoring [47.24825031148412]
  人工知能(AI)と機械学習(ML)は、動物行動と保全戦略の理解を深める革命的な機会を提供する。 アフリカ保護地域の重要な種であるゾウを焦点として、我々はAIとMLが保護に果たす役割を掘り下げる。 新しいAIとML技術は、このプロセスを合理化するためのソリューションを提供する。
  論文  参考訳（メタデータ） (2023-06-23T22:35:51Z)
• Seeing biodiversity: perspectives in machine learning for wildlife conservation [49.15793025634011]
  機械学習は、野生生物種の理解、モニタリング能力、保存性を高めるために、この分析的な課題を満たすことができると我々は主張する。 本質的に、新しい機械学習アプローチとエコロジー分野の知識を組み合わせることで、動物生態学者は現代のセンサー技術が生み出すデータの豊富さを生かすことができる。
  論文  参考訳（メタデータ） (2021-10-25T13:40:36Z)
• Leveraging traditional ecological knowledge in ecosystem restoration projects utilizing machine learning [77.34726150561087]
  生態系修復プロジェクトの段階におけるコミュニティの関与は、コミュニティの健康改善に寄与する可能性がある。 適応的でスケーラブルなプラクティスは、エコシステム的なML修復プロジェクトのすべての段階において、学際的なコラボレーションを動機付けることができることを示唆している。
  論文  参考訳（メタデータ） (2020-06-22T16:17:48Z)

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。