論文の概要: Zero-Shot Multi-Animal Tracking in the Wild

• arxiv url: http://arxiv.org/abs/2511.02591v1
• Date: Tue, 04 Nov 2025 14:12:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 18:47:06.065897
• Title: Zero-Shot Multi-Animal Tracking in the Wild
• Title（参考訳）: 野生におけるゼロショット多動物追跡
• Authors: Jan Frederik Meier, Timo Lüddecke,
• Abstract要約: マルチアニマルトラッキングは、動物の生態と行動を理解するために重要である。 本研究では、ゼロショットマルチアニマルトラッキングにおける最近のビジョンモデルの可能性について検討する。 ChimpAct、Bird Flock Tracking、AnimalTrack、GMOT-40のサブセットに対する評価は、多様な種や環境において強力で一貫した性能を示している。
• 参考スコア（独自算出の注目度）: 3.348849951854041
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-animal tracking is crucial for understanding animal ecology and behavior. However, it remains a challenging task due to variations in habitat, motion patterns, and species appearance. Traditional approaches typically require extensive model fine-tuning and heuristic design for each application scenario. In this work, we explore the potential of recent vision foundation models for zero-shot multi-animal tracking. By combining a Grounding Dino object detector with the Segment Anything Model 2 (SAM 2) tracker and carefully designed heuristics, we develop a tracking framework that can be applied to new datasets without any retraining or hyperparameter adaptation. Evaluations on ChimpAct, Bird Flock Tracking, AnimalTrack, and a subset of GMOT-40 demonstrate strong and consistent performance across diverse species and environments. The code is available at https://github.com/ecker-lab/SAM2-Animal-Tracking.
• Abstract（参考訳）: マルチアニマルトラッキングは、動物の生態と行動を理解するために重要である。 しかし、生息環境、動きのパターン、種の出現の変化により、これは依然として困難な課題である。 従来のアプローチでは、それぞれのアプリケーションシナリオに対して、広範囲なモデル微調整とヒューリスティックな設計が必要となる。 本研究では、ゼロショットマルチアニマルトラッキングのためのビジョン基盤モデルの可能性について検討する。 グラウンディング・ディノ・オブジェクト検出器とセグメンション・アロシング・モデル2 (SAM2) のトラッカーと慎重に設計されたヒューリスティックスを組み合わせることで,リトレーニングやハイパーパラメータの適応なしに新しいデータセットに適用可能な追跡フレームワークを開発する。 ChimpAct、Bird Flock Tracking、AnimalTrack、GMOT-40のサブセットに対する評価は、多様な種や環境において強力で一貫した性能を示している。 コードはhttps://github.com/ecker-lab/SAM2-Animal-Tracking.comで公開されている。

関連論文リスト

• MammAlps: A multi-view video behavior monitoring dataset of wild mammals in the Swiss Alps [41.58000025132071]
  MammAlps(マムアルプス)は、スイス国立公園の9つのカメラトラップから収集した野生生物の行動のデータセットである。 6135個の単一動物クリップに基づいて,最初の階層的・マルチモーダルな動物行動認識ベンチマークを提案する。 また,活動,種,個体数,気象条件の同定を目的とした第2の生態指標を提案する。
  論文  参考訳（メタデータ） (2025-03-23T21:51:58Z)
• BuckTales : A multi-UAV dataset for multi-object tracking and re-identification of wild antelopes [0.6267336085190178]
  BuckTalesは、野生動物の多目的追跡と再同定問題を解決するために設計された最初の大規模なUAVデータセットである。 MOTデータセットには12の高解像度(5.4K)ビデオを含む680トラックを含む120万以上のアノテーションが含まれている。 Re-IDデータセットには、同時に2つのUAVで捕獲された730人の個人が含まれている。
  論文  参考訳（メタデータ） (2024-11-11T11:55:14Z)
• OmniTracker: Unifying Object Tracking by Tracking-with-Detection [119.51012668709502]
  OmniTrackerは、完全に共有されたネットワークアーキテクチャ、モデルウェイト、推論パイプラインですべてのトラッキングタスクを解決するために提供されている。 LaSOT、TrackingNet、DAVIS16-17、MOT17、MOTS20、YTVIS19を含む7つの追跡データセットの実験は、OmniTrackerがタスク固有の追跡モデルと統合された追跡モデルの両方よりも、オンパーまたはそれ以上の結果を達成することを示した。
  論文  参考訳（メタデータ） (2023-03-21T17:59:57Z)
• AnimalTrack: A Large-scale Benchmark for Multi-Animal Tracking in the Wild [26.794672185860538]
  野生でのマルチ動物追跡のための大規模ベンチマークであるAnimalTrackを紹介した。 AnimalTrackは10種類の一般的な動物カテゴリーから58の配列で構成されている。 我々は14の最先端の代表トラッカーを広範囲に評価した。
  論文  参考訳（メタデータ） (2022-04-30T04:23:59Z)
• Unsupervised Learning of Accurate Siamese Tracking [68.58171095173056]
  分類枝と回帰枝の両方で時間対応を学習できる新しい教師なし追跡フレームワークを提案する。 トラッカーは、トラッカーネットやLaSOTのような大規模データセット上で、教師なしの手法と同等の性能を発揮する。
  論文  参考訳（メタデータ） (2022-04-04T13:39:43Z)
• Unified Transformer Tracker for Object Tracking [58.65901124158068]
  異なるシナリオにおけるトラッキング問題に1つのパラダイムで対処するために,UTT(Unified Transformer Tracker)を提案する。 SOT(Single Object Tracking)とMOT(Multiple Object Tracking)の両方を対象とするトラックトランスフォーマーを開発した。
  論文  参考訳（メタデータ） (2022-03-29T01:38:49Z)
• 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)
• TAO: A Large-Scale Benchmark for Tracking Any Object [95.87310116010185]
  オブジェクトのデータセットの追跡は2,907本の高解像度ビデオで構成され、平均で30分の長さの多様な環境でキャプチャされる。 ビデオの任意の時点で移動するオブジェクトにアノテータにラベルを付け、ファクトラムの後に名前を付けるように求めます。 我々の語彙は、既存の追跡データセットと著しく大きく、質的に異なる。
  論文  参考訳（メタデータ） (2020-05-20T21:07:28Z)
• ArTIST: Autoregressive Trajectory Inpainting and Scoring for Tracking [80.02322563402758]
  オンラインマルチオブジェクトトラッキング(MOT)フレームワークの中核的なコンポーネントの1つは、既存のトラックレットと新しい検出を関連付けることである。 そこで我々は,トラックレットが自然運動を表す可能性を直接測定することにより,トラックレットの提案を評価する確率論的自己回帰生成モデルを提案する。
  論文  参考訳（メタデータ） (2020-04-16T06:43:11Z)

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。