論文の概要: Generative AI Against Poaching: Latent Composite Flow Matching for Wildlife Conservation

• arxiv url: http://arxiv.org/abs/2508.14342v1
• Date: Wed, 20 Aug 2025 01:35:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-21 16:52:41.302683
• Title: Generative AI Against Poaching: Latent Composite Flow Matching for Wildlife Conservation
• Title（参考訳）: 汚染に対するジェネレーティブAI:野生生物保護のための潜在複合フローマッチング
• Authors: Lingkai Kong, Haichuan Wang, Charles A. Emogor, Vincent Börsch-Supan, Lily Xu, Milind Tambe,
• Abstract要約: 密猟は野生生物や生物多様性に重大な脅威をもたらす。 密猟者の行動予測は、パトロール計画やその他の保護介入を通知することができる。 生成モデリングの最近の進歩は、より柔軟な代替手段を提供する。 実際のポーチデータのトレーニングでは、ポーチイベントの不完全な検出と限られたデータという、2つの中心的な障害に直面している。
• 参考スコア（独自算出の注目度）: 33.37041599196811
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Poaching poses significant threats to wildlife and biodiversity. A valuable step in reducing poaching is to forecast poacher behavior, which can inform patrol planning and other conservation interventions. Existing poaching prediction methods based on linear models or decision trees lack the expressivity to capture complex, nonlinear spatiotemporal patterns. Recent advances in generative modeling, particularly flow matching, offer a more flexible alternative. However, training such models on real-world poaching data faces two central obstacles: imperfect detection of poaching events and limited data. To address imperfect detection, we integrate flow matching with an occupancy-based detection model and train the flow in latent space to infer the underlying occupancy state. To mitigate data scarcity, we adopt a composite flow initialized from a linear-model prediction rather than random noise which is the standard in diffusion models, injecting prior knowledge and improving generalization. Evaluations on datasets from two national parks in Uganda show consistent gains in predictive accuracy.
• Abstract（参考訳）: 密猟は野生生物や生物多様性に重大な脅威をもたらす。 密猟を減らすための重要なステップは密猟者の行動を予測することである。 線形モデルや決定木に基づく既存のポーチ予測法では、複雑な非線形時空間パターンを捉えるための表現性が欠如している。 生成モデリングの最近の進歩、特にフローマッチングは、より柔軟な代替手段を提供する。 しかし、実際のポーチデータに対するそのようなモデルのトレーニングには、ポーチイベントの不完全な検出と限られたデータという2つの中心的な障害がある。 不完全な検出に対処するために、我々は、占有率に基づく検出モデルとフローマッチングを統合し、潜在空間におけるフローをトレーニングし、基礎となる占有状態を推測する。 データ不足を軽減するため、拡散モデルにおける標準であるランダムノイズではなく、線形モデル予測から初期化された合成フローを採用し、事前知識を注入し、一般化を改善する。 ウガンダの2つの国立公園のデータセットの評価は、予測精度が一貫した向上を示している。

関連論文リスト

• Causal Self-supervised Pretrained Frontend with Predictive Code for Speech Separation [42.63061599979695]
  音声分離(SS)は、複数話者の音声混在を単一話者の音声ストリームに切り離そうとする。 過去と現在の情報のみに依存する因果分離モデルは、リアルタイムストリーミングに有望なソリューションを提供する。 本稿では,将来の情報を因果モデルに暗黙的に組み込むことで,トレーニングと実行時の推論のミスマッチを軽減するための小説を紹介する。
  論文  参考訳（メタデータ） (2025-04-03T06:18:30Z)
• Joint Source-Environment Adaptation of Data-Driven Underwater Acoustic Source Ranging Based on Model Uncertainty [4.2671394819888455]
  事前学習されたディープラーニングモデルを新しい未知の環境に適用することは、水中の音像定位において難しい課題である。 事前トレーニングされたモデルは、トレーニングデータとテストデータのミスマッチに苦しむパフォーマンスを持つが、一般的に、ミスマッチがより多い環境では、より高いインプリード不確実性を示す'。 本研究では,モデル予測の不確かさの定量化に有効な手法と,事前学習したモデルがテスト時に見つからない水中環境に適応するための革新的なアプローチを用いる。
  論文  参考訳（メタデータ） (2025-03-30T00:00:17Z)
• PostCast: Generalizable Postprocessing for Precipitation Nowcasting via Unsupervised Blurriness Modeling [85.56969895866243]
  本稿では,ぼやけた予測とそれに対応する土台真実のペアによるトレーニングを必要とせずに,ぼやけを解消するための教師なしポストプロセッシング手法を提案する。 非条件相関を任意のぼかしモードに適応させるため、ゼロショットのぼかしカーネル推定機構とオートスケールの denoise ガイダンス戦略を導入する。
  論文  参考訳（メタデータ） (2024-10-08T08:38:23Z)
• ReAugment: Model Zoo-Guided RL for Few-Shot Time Series Augmentation and Forecasting [74.00765474305288]
  本稿では,時系列データ拡張のための強化学習(RL)の試験的検討を行う。 我々の手法であるReAugmentは、トレーニングセットのどの部分が拡張されるべきか、どのように拡張を行うべきか、RLがプロセスにどのような利点をもたらすのか、という3つの重要な問題に取り組む。
  論文  参考訳（メタデータ） (2024-09-10T07:34:19Z)
• Open-Set Deepfake Detection: A Parameter-Efficient Adaptation Method with Forgery Style Mixture [58.60915132222421]
  本稿では,顔偽造検出に汎用的かつパラメータ効率の高い手法を提案する。 フォージェリー・ソース・ドメインの多様性を増大させるフォージェリー・ミックス・フォーミュレーションを設計する。 設計したモデルは、トレーニング可能なパラメータを著しく減らし、最先端の一般化性を実現する。
  論文  参考訳（メタデータ） (2024-08-23T01:53:36Z)
• Towards Motion Forecasting with Real-World Perception Inputs: Are End-to-End Approaches Competitive? [93.10694819127608]
  実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。 我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
  論文  参考訳（メタデータ） (2023-06-15T17:03:14Z)
• Learning Wildfire Model from Incomplete State Observations [0.0]
  我々は、深層ニューラルネットワークを用いて、米国西部の5か所の将来の山火事予測のための動的モデルを作成します。 提案モデルには,動的オンライン推定や時系列モデリングなど,予測評価における特徴的ニーズに対処する特徴がある。
  論文  参考訳（メタデータ） (2021-11-28T03:21:46Z)
• X-model: Improving Data Efficiency in Deep Learning with A Minimax Model [78.55482897452417]
  ディープラーニングにおける分類と回帰設定の両面でのデータ効率の向上を目標とする。 両世界の力を生かすために,我々は新しいX-モデルを提案する。 X-モデルは、特徴抽出器とタスク固有のヘッドの間でミニマックスゲームを行う。
  論文  参考訳（メタデータ） (2021-10-09T13:56:48Z)
• HYPER: Learned Hybrid Trajectory Prediction via Factored Inference and Adaptive Sampling [27.194900145235007]
  本稿では,汎用的で表現力豊かなハイブリッド予測フレームワークHYPERを紹介する。 トラヒックエージェントをハイブリッドな離散連続システムとしてモデル化することにより、我々のアプローチは時間とともに離散的な意図の変化を予測することができる。 我々は、Argoverseデータセット上でモデルをトレーニングし、検証し、その効果を包括的アブレーション研究と最先端モデルとの比較を通して実証する。
  論文  参考訳（メタデータ） (2021-10-05T20:20:10Z)

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。