論文の概要: Tracking the Flight: Exploring a Computational Framework for Analyzing Escape Responses in Plains Zebra (Equus quagga)

• arxiv url: http://arxiv.org/abs/2505.16882v1
• Date: Thu, 22 May 2025 16:36:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 17:12:48.460729
• Title: Tracking the Flight: Exploring a Computational Framework for Analyzing Escape Responses in Plains Zebra (Equus quagga)
• Title（参考訳）: 飛行追跡:ゼブラ平野の景観応答解析のための計算フレームワークの探索
• Authors: Isla Duporge, Sofia Minano, Nikoloz Sirmpilatze, Igor Tatarnikov, Scott Wolf, Adam L. Tyson, Daniel Rubenstein,
• Abstract要約: 本研究では,ドローンの動きから動物の動きを分離する3つのアプローチを評価する。 最良性能の手法を用いて,個々の軌跡を抽出し,重要な行動パターンを同定する。 これらの洞察は、この方法の有効性と、より大きなデータセットにスケールする可能性を強調している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ethological research increasingly benefits from the growing affordability and accessibility of drones, which enable the capture of high-resolution footage of animal movement at fine spatial and temporal scales. However, analyzing such footage presents the technical challenge of separating animal movement from drone motion. While non-trivial, computer vision techniques such as image registration and Structure-from-Motion (SfM) offer practical solutions. For conservationists, open-source tools that are user-friendly, require minimal setup, and deliver timely results are especially valuable for efficient data interpretation. This study evaluates three approaches: a bioimaging-based registration technique, an SfM pipeline, and a hybrid interpolation method. We apply these to a recorded escape event involving 44 plains zebras, captured in a single drone video. Using the best-performing method, we extract individual trajectories and identify key behavioral patterns: increased alignment (polarization) during escape, a brief widening of spacing just before stopping, and tighter coordination near the group's center. These insights highlight the method's effectiveness and its potential to scale to larger datasets, contributing to broader investigations of collective animal behavior.
• Abstract（参考訳）: エスロジカル研究は、細かな空間的・時間的スケールで動物の動きの高精細な映像を撮影できるドローンの可利用性とアクセシビリティの増大の恩恵を益々受けている。 しかし、このような映像を解析すると、動物の動きとドローンの動きを分離する技術的な課題が示される。 非自明ではあるが、画像登録やStructure-from-Motion (SfM)のようなコンピュータビジョン技術は実用的な解決策を提供する。 環境保護主義者にとって、ユーザーフレンドリで、最小限のセットアップを必要とし、タイムリーな結果を提供するオープンソースツールは、特に効率的なデータ解釈に価値がある。 本研究では,バイオイメージングに基づく登録手法,SfMパイプライン,ハイブリッド補間手法の3つのアプローチを評価する。 ドローンで撮影した44のシマウマを含む、記録された脱出イベントに適用する。 ベストパフォーマンス手法を用いて,避難時のアライメント(分極)の増加,停止直前の間隔の短縮,グループの中心付近での調整の強化など,個々の軌道を抽出し,重要な行動パターンを同定する。 これらの知見は、この方法の有効性と、より大きなデータセットにスケールする可能性を強調し、集団動物の行動に関するより広範な研究に寄与している。

関連論文リスト

• Improving Small Drone Detection Through Multi-Scale Processing and Data Augmentation [2.522137108227868]
  本研究では,中規模のYOLOv11オブジェクト検出モデルに基づくドローン検出手法を提案する。 そこで我々は,入力画像を全体およびセグメント化された部分の両方で処理し,その後の予測アグリゲーションで処理するマルチスケールアプローチを実装した。 提案されたアプローチは、2025年のInternational Joint Conference on Neural Networksで開かれた第8回WOSDETC Drone-vsBird Detection Grand Challengeでトップ3にランクインした。
  論文  参考訳（メタデータ） (2025-04-27T20:06:55Z)
• MMLA: Multi-Environment, Multi-Species, Low-Altitude Aerial Footage Dataset [3.7188931723069443]
  ドローン画像のリアルタイム野生生物検出は、動物生態学、保全、生物多様性監視など、多くの応用に欠かせない。 我々は,新しい多種多環境低高度空中映像(MMLA)データセットを提案する。 その結果, 種別検出の差異は, 地域間で有意な相違が認められた。
  論文  参考訳（メタデータ） (2025-04-10T13:40:27Z)
• Consistent multi-animal pose estimation in cattle using dynamic Kalman filter based tracking [0.0]
  KeySORTは、トラックレットをバウンディングボックスフリーで構築するための適応カルマンフィルタであり、検出されたキーポイントの時間的一貫性を著しく向上する。 実験結果から,提案アルゴリズムは,精度の高い真理キーポイントの最大80%を検出できることがわかった。
  論文  参考訳（メタデータ） (2025-03-13T15:15:54Z)
• A Cross-Scene Benchmark for Open-World Drone Active Tracking [54.235808061746525]
  Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。 DATと呼ばれるオープンワールドドローンアクティブトラッキングのためのクロスシーンクロスドメインベンチマークを提案する。 また、R-VATと呼ばれる強化学習に基づくドローン追跡手法を提案する。
  論文  参考訳（メタデータ） (2024-12-01T09:37:46Z)
• A motion-based compression algorithm for resource-constrained video camera traps [4.349838917565205]
  本稿では,カメラトラップに特化して設計された動き解析に基づくビデオ圧縮アルゴリズムを提案する。 このアルゴリズムは、受粉監視に関連する動きを描写した画像領域のみを特定し、記憶する。 本実験は,昆虫行動解析における重要な情報を保存するアルゴリズムの能力を実証するものである。
  論文  参考訳（メタデータ） (2024-05-23T10:39:33Z)
• WildGEN: Long-horizon Trajectory Generation for Wildlife [3.8986045286948]
  軌道生成は歩行者、車両、野生動物の運動研究において重要な関心事である。 本研究では,変分オートエンコーダ(VAE)に基づく手法を用いて,この問題に対処する概念的フレームワークWildGENを紹介する。 その後、スムーズなフィルタに基づいて生成された軌跡の後の処理工程を行い、過度のさまよりを低減する。
  論文  参考訳（メタデータ） (2023-12-30T05:08:28Z)
• 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)
• AntPivot: Livestream Highlight Detection via Hierarchical Attention Mechanism [64.70568612993416]
  本稿では,Livestream Highlight Detectionという新たなタスクを定式化し,上記の課題を議論・分析し,新しいアーキテクチャAntPivotを提案する。 我々は、このタスクをインスタンス化し、我々のモデルの性能を評価するために、完全に注釈付きデータセットAntHighlightを構築した。
  論文  参考訳（メタデータ） (2022-06-10T05:58:11Z)
• 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)
• Batch Exploration with Examples for Scalable Robotic Reinforcement Learning [63.552788688544254]
  BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。 BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
  論文  参考訳（メタデータ） (2020-10-22T17:49:25Z)
• A Flow Base Bi-path Network for Cross-scene Video Crowd Understanding in Aerial View [93.23947591795897]
  本稿では,これらの課題に対処し,ドローンから収集した視覚的データから参加者を自動的に理解する。 クロスシーンテストで発生する背景雑音を軽減するために, 二重ストリーム群カウントモデルを提案する。 極暗環境下での集団密度推定問題に対処するために,ゲームグランドセフトオートV(GTAV)によって生成された合成データを導入する。
  論文  参考訳（メタデータ） (2020-09-29T01:48:24Z)

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。