論文の概要: Towards AI-Guided Open-World Ecological Taxonomic Classification

• arxiv url: http://arxiv.org/abs/2512.18994v1
• Date: Mon, 22 Dec 2025 03:20:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.59955
• Title: Towards AI-Guided Open-World Ecological Taxonomic Classification
• Title（参考訳）: AIを用いたオープンワールドエコロジー分類を目指して
• Authors: Cheng Yaw Low, Heejoon Koo, Jaewoo Park, Kaleb Mesfin Asfaw, Meeyoung Cha,
• Abstract要約: TaxoNetは、埋め込みベースのエンコーダで、二重マージン化損失があり、希少な未表現の分類からの学習信号を強化する。 本研究は, 汎用マルチモーダル基盤モデルが植物ドメインに制約を課していることを示す。
• 参考スコア（独自算出の注目度）: 25.577016053193862
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: AI-guided classification of ecological families, genera, and species underpins global sustainability efforts such as biodiversity monitoring, conservation planning, and policy-making. Progress toward this goal is hindered by long-tailed taxonomic distributions from class imbalance, along with fine-grained taxonomic variations, test-time spatiotemporal domain shifts, and closed-set assumptions that can only recognize previously seen taxa. We introduce the Open-World Ecological Taxonomy Classification, a unified framework that captures the co-occurrence of these challenges in realistic ecological settings. To address them, we propose TaxoNet, an embedding-based encoder with a dual-margin penalization loss that strengthens learning signals from rare underrepresented taxa while mitigating the dominance of overrepresented ones, directly confronting interrelated challenges. We evaluate our method on diverse ecological domains: Google Auto-Arborist (urban trees), iNat-Plantae (Plantae observations from various ecosystems in iNaturalist-2019), and NAFlora-Mini (a curated herbarium collection). Our model consistently outperforms baselines, particularly for rare taxa, establishing a strong foundation for open-world plant taxonomic monitoring. Our findings further show that general-purpose multimodal foundation models remain constrained in plant-domain applications.
• Abstract（参考訳）: 生物多様性の監視、保全計画、政策立案といった世界的持続可能性の取り組みを支えている。 この目標に向けた進歩は、クラス不均衡による長い尾の分類学的分布、微粒な分類学的変異、テスト時間時時空間シフト、これまで見られた分類を認識できないクローズドセットの仮定によって妨げられている。 オープンワールドエコロジー分類分類(Open-World Ecological Taxonomy Classification)は、これらの課題の現実的な環境における共起を捉える統一的な枠組みである。 そこで本研究では,非表現の少ないタキサからの学習信号を強化すると同時に,過剰表現の優位性を軽減し,直接対人的課題に対処する,デュアルマージンのペナル化損失を持つ埋め込み型エンコーダであるTaxoNetを提案する。 Google Auto-Arborist (urban tree), iNat-Plantae (Plantae observed from various ecosystems in iNaturalist-2019), NAFlora-Mini (curated herbarium collection) について検討した。 我々のモデルは、特に希少な分類において、一貫してベースラインを上回り、オープンワールドの植物分類学モニタリングの強力な基盤を確立します。 さらに, 汎用マルチモーダル基盤モデルは, 植物ドメインの応用においては制約が保たれていることが示唆された。

関連論文リスト

• Evolving Graph Learning for Out-of-Distribution Generalization in Non-stationary Environments [61.62036321848316]
  グラフニューラルネットワーク(GNN)は、動的グラフ上の空間的パターンと時間的パターンを利用する際、顕著な成功を収めている。 既存のGNNは、動的シナリオでは避けられない分散シフトの下での能力の低下を示す。 本稿では環境対応不変パターン認識によるグラフ一般化(Evoal)の進化のための進化型グラフ学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-04T08:22:29Z)
• Continental-scale habitat distribution modelling with multimodal earth observation foundation models [0.0]
  ハビタットは、生物多様性を支援し、人々の自然への貢献を維持する、無生物的な条件、植生の構成、構造を統合する。 現在の生息地マップは、しばしばテーマや空間分解能において不足している。 我々は,高分解能リモートセンシング(RS)データと人工知能(AI)ツールが生息地マッピングをどのように改善するかを評価した。
  論文  参考訳（メタデータ） (2025-07-13T18:11:26Z)
• BioAnalyst: A Foundation Model for Biodiversity [0.565395466029518]
  本稿では,生物多様性分析と保全計画に適した最初の基礎モデルであるBioAnalystを紹介する。 BioAnalystは、広範なマルチモーダルデータセットに基づいて事前トレーニングされた、トランスフォーマーベースのアーキテクチャを採用している。 本稿では,2つのダウンストリームユースケースにおけるモデルの性能評価を行い,既存手法と比較して汎用性を実証した。
  論文  参考訳（メタデータ） (2025-07-11T23:56:08Z)
• TerraIncognita: A Dynamic Benchmark for Species Discovery Using Frontier Models [15.272215321742802]
  昆虫種発見の現在の方法は、手動、遅く、分類学の専門知識によって厳しく制限されている。 本稿では,現状のマルチモーダルモデルを評価するためのベンチマークであるTerraIncognitaを紹介する。 我々のベンチマークデータセットは、フロンティアAIモデルとして知られる昆虫の注釈付き画像と、希少であまり知られていない種の画像を組み合わせたものです。
  論文  参考訳（メタデータ） (2025-05-29T15:20:15Z)
• Combining Observational Data and Language for Species Range Estimation [63.65684199946094]
  我々は,数百万の市民科学種の観察とウィキペディアのテキスト記述を組み合わせた新しいアプローチを提案する。 我々のフレームワークは、場所、種、テキスト記述を共通空間にマッピングし、テキスト記述からゼロショット範囲の推定を可能にする。 また,本手法は観測データと組み合わせることで,少ないデータでより正確な距離推定を行うことができる。
  論文  参考訳（メタデータ） (2024-10-14T17:22:55Z)
• FREE: The Foundational Semantic Recognition for Modeling Environmental Ecosystems [56.0640340392818]
  我々は、様々な特徴と利用可能な情報を使ってユニバーサルモデルを訓練するフレームワーク、FREEを導入する。 その中核となる考え方は、利用可能な環境データをテキスト空間にマッピングし、環境科学における従来の予測モデリングタスクを意味認識問題に変換することである。 河川水温予測と収穫量予測という2つの社会学的に重要な実世界の応用に対する評価は、FREEが複数のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-17T00:53:09Z)
• 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)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• Ensembles of Vision Transformers as a New Paradigm for Automated Classification in Ecology [0.0]
  データ効率のよい画像変換器(DeiTs)のアンサンブルが従来のSOTA(SOTA)よりも大幅に優れていたことを示す。 テストしたすべてのデータセットに対して、新しいSOTAを実現し、以前のSOTAの18.48%から87.50%の誤差を削減した。
  論文  参考訳（メタデータ） (2022-03-03T14:16:22Z)

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。