論文の概要: GorillaWatch: An Automated System for In-the-Wild Gorilla Re-Identification and Population Monitoring

• arxiv url: http://arxiv.org/abs/2512.07776v1
• Date: Mon, 08 Dec 2025 17:58:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.992865
• Title: GorillaWatch: An Automated System for In-the-Wild Gorilla Re-Identification and Population Monitoring
• Title（参考訳）: GorillaWatch: デバイスのゴリラ再同定と人口モニタリングのための自動化システム
• Authors: Maximilian Schall, Felix Leonard Knöfel, Noah Elias König, Jan Jonas Kubeler, Maximilian von Klinski, Joan Wilhelm Linnemann, Xiaoshi Liu, Iven Jelle Schlegelmilch, Ole Woyciniuk, Alexandra Schild, Dante Wasmuht, Magdalena Bermejo Espinet, German Illera Basas, Gerard de Melo,
• Abstract要約: 危険にさらされる西部ゴリラの監視は、現在、カメラトラップ映像から個人を識別するために必要な膨大な手作業によって妨げられている。 現在までに野生霊長類再同定のための最大のビデオデータセットであるGorilla-SPAC-Wild、クロスドメイン再識別の一般化を評価するGorilla-supervised-Zoo、カメラトラップ映像におけるマルチオブジェクト追跡を評価するGorilla-SPAC-MoTの3つの新しいデータセットをベンチマークで紹介する。 検出トラッキングと再識別を統合したエンドツーエンドパイプラインであるGorillaWatchについて紹介する。
• 参考スコア（独自算出の注目度）: 39.4320036008364
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Monitoring critically endangered western lowland gorillas is currently hampered by the immense manual effort required to re-identify individuals from vast archives of camera trap footage. The primary obstacle to automating this process has been the lack of large-scale, "in-the-wild" video datasets suitable for training robust deep learning models. To address this gap, we introduce a comprehensive benchmark with three novel datasets: Gorilla-SPAC-Wild, the largest video dataset for wild primate re-identification to date; Gorilla-Berlin-Zoo, for assessing cross-domain re-identification generalization; and Gorilla-SPAC-MoT, for evaluating multi-object tracking in camera trap footage. Building on these datasets, we present GorillaWatch, an end-to-end pipeline integrating detection, tracking, and re-identification. To exploit temporal information, we introduce a multi-frame self-supervised pretraining strategy that leverages consistency in tracklets to learn domain-specific features without manual labels. To ensure scientific validity, a differentiable adaptation of AttnLRP verifies that our model relies on discriminative biometric traits rather than background correlations. Extensive benchmarking subsequently demonstrates that aggregating features from large-scale image backbones outperforms specialized video architectures. Finally, we address unsupervised population counting by integrating spatiotemporal constraints into standard clustering to mitigate over-segmentation. We publicly release all code and datasets to facilitate scalable, non-invasive monitoring of endangered species
• Abstract（参考訳）: 危険に晒された西部のゴリラの監視は、カメラトラップ映像の巨大なアーカイブから個人を識別するために必要な膨大な手作業によって、現在妨げられている。 このプロセスを自動化するための大きな障害は、堅牢なディープラーニングモデルのトレーニングに適した、大規模で“ワイルドな”ビデオデータセットの欠如である。 このギャップに対処するために、野生霊長類の再識別のための最大のビデオデータセットであるGorilla-SPAC-Wild、クロスドメインの再識別の一般化を評価するGorilla-Berlin-Zoo、カメラトラップ映像におけるマルチオブジェクト追跡を評価するGorilla-SPAC-MoTの3つの新しいデータセットで包括的なベンチマークを導入する。 これらのデータセットに基づいて構築されたGorillaWatchは、検出、トラッキング、再識別を統合したエンドツーエンドパイプラインである。 時間的情報を活用するために、トラックレットの一貫性を活用して、手動ラベルなしでドメイン固有の特徴を学習する多フレーム自己教師型事前学習戦略を導入する。 科学的妥当性を確保するため、AttnLRPの微分可能適応は、我々のモデルが背景相関ではなく識別的生体特性に依存していることを検証する。 大規模なベンチマークでは、大規模な画像バックボーンの機能の集約が、特殊なビデオアーキテクチャよりも優れていることが示されている。 最後に,時間的制約を標準クラスタリングに組み込むことにより,人口の非監督的カウントに対処し,過剰セグメンテーションを緩和する。 絶滅危惧種のスケーラブルで非侵襲的なモニタリングを容易にするために、すべてのコードとデータセットを公開しています。

関連論文リスト

• PriVi: Towards A General-Purpose Video Model For Primate Behavior In The Wild [50.656578456979496]
  大規模な霊長類中心のビデオ事前トレーニングデータセットであるPriViを紹介する。 大規模ビデオモデルであるV-JEPAをPriVi上でプレトレーニングし、霊長類固有の表現を学習する。 その結果、霊長類中心の事前学習はデータ効率と一般化を大幅に改善することが示された。
  論文  参考訳（メタデータ） (2025-11-12T19:27:40Z)
• What You Have is What You Track: Adaptive and Robust Multimodal Tracking [72.92244578461869]
  本研究では,時間的に不完全なマルチモーダルデータを用いたトラッカー性能に関する総合的研究を行った。 我々のモデルは9つのベンチマークでSOTA性能を達成し、従来の完全性と欠落したモダリティ設定の両方で優れている。
  論文  参考訳（メタデータ） (2025-07-08T11:40:21Z)
• Wildlife Target Re-Identification Using Self-supervised Learning in Non-Urban Settings [0.0]
  野生生物の再同定は、異なる観察で同じ種の個体をマッチングすることを目的としている。 現在のSOTA(State-of-the-art)モデルは、個々の分類のための教師付きモデルを訓練するためにクラスラベルに依存している。 本研究では,野生生物の再同定のための自己教師型学習(SSL)について検討する。
  論文  参考訳（メタデータ） (2025-07-03T07:56:54Z)
• Tracking Different Ant Species: An Unsupervised Domain Adaptation Framework and a Dataset for Multi-object Tracking [6.0409040218619685]
  本稿では,データ駆動型多目的トラッカーを提案する。 アリ追跡問題に対する新しいデータセットとベンチマークを提案する。
  論文  参考訳（メタデータ） (2023-01-25T13:00:16Z)
• MBW: Multi-view Bootstrapping in the Wild [30.038254895713276]
  微細な検出器を訓練するマルチカメラシステムは、そのようなエラーを検出することを約束している。 このアプローチは、キャリブレーションされたカメラと厳密な幾何学に基づいており、現実のシナリオでは高価で、管理が難しく、実用的ではない。 本稿では,高忠実度ランドマーク推定値を得るために,非剛性3次元ニューラルネットワークと深部流れを組み合わせることで,これらのボトルネックに対処する。 既存の手法では不可能な3D再構成とともに、最先端の完全教師付き手法に匹敵する2D結果を生成することができる。
  論文  参考訳（メタデータ） (2022-10-04T16:27:54Z)
• Dynamic Curriculum Learning for Great Ape Detection in the Wild [14.212559301656]
  本研究では,現実世界のジャングル環境における検出器構築を改善するために,エンドツーエンドのカリキュラム学習手法を提案する。 従来の半教師付き手法とは対照的に,本手法は自己強化に向けての訓練を行うことで,検出品質を徐々に向上させる。 このような厳密な力学と制御は、学習の崩壊を回避し、検出器の調整をより高度なモデル品質に徐々に結びつけることができることを示す。
  論文  参考訳（メタデータ） (2022-04-30T14:02:52Z)
• Unsupervised Domain Adaptive Learning via Synthetic Data for Person Re-identification [101.1886788396803]
  人物再識別(re-ID)は、ビデオ監視に広く応用されているため、ますます注目を集めている。 残念なことに、主流のディープラーニング手法では、モデルをトレーニングするために大量のラベル付きデータが必要です。 本稿では,コンピュータゲーム内で合成されたre-IDサンプルを自動的に生成するデータコレクタを開発し,同時にアノテートするデータラベラを構築した。
  論文  参考訳（メタデータ） (2021-09-12T15:51:41Z)
• Self-supervised Human Detection and Segmentation via Multi-view Consensus [116.92405645348185]
  本稿では,トレーニング中に幾何学的制約を多視点一貫性という形で組み込むマルチカメラフレームワークを提案する。 本手法は,標準ベンチマークから視覚的に外れた画像に対して,最先端の自己監視的人物検出とセグメンテーション技術に勝ることを示す。
  論文  参考訳（メタデータ） (2020-12-09T15:47:21Z)
• 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)

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。