論文の概要: A continental-scale dataset of ground beetles with high-resolution images and validated morphological trait measurements
- arxiv url: http://arxiv.org/abs/2601.10687v1
- Date: Wed, 14 Jan 2026 18:44:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-16 19:43:19.273492
- Title: A continental-scale dataset of ground beetles with high-resolution images and validated morphological trait measurements
- Title（参考訳）: 高解像度画像と形態特性測定による地上甲虫の大陸規模データセット
- Authors: S M Rayeed, Mridul Khurana, Alyson East, Isadora E. Fluck, Elizabeth G. Campolongo, Samuel Stevens, Iuliia Zarubiieva, Scott C. Lowe, Michael W. Denslow, Evan D. Donoso, Jiaman Wu, Michelle Ramirez, Benjamin Baiser, Charles V. Stewart, Paula Mabee, Tanya Berger-Wolf, Anuj Karpatne, Hilmar Lapp, Robert P. Guralnick, Graham W. Taylor, Sydne Record,
- Abstract要約: 地上の甲虫は生態系の健康にとって重要な生物指標である。
ナショナル・エコロジー・オブザーバネットワーク(NEON)は、アメリカ全土のカラビッド標本を広範囲に収集している。
大陸とハワイにまたがる30の地点から,高分解能イメージングにより13,200 NEON カラビドをデジタル化したデータセットを作成した。
データセットは、デジタルで測定された各標本の長さと幅を含み、AIを用いた自動形質抽出の基礎を確立する。
- 参考スコア（独自算出の注目度）: 13.860603856120795
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite the ecological significance of invertebrates, global trait databases remain heavily biased toward vertebrates and plants, limiting comprehensive ecological analyses of high-diversity groups like ground beetles. Ground beetles (Coleoptera: Carabidae) serve as critical bioindicators of ecosystem health, providing valuable insights into biodiversity shifts driven by environmental changes. While the National Ecological Observatory Network (NEON) maintains an extensive collection of carabid specimens from across the United States, these primarily exist as physical collections, restricting widespread research access and large-scale analysis. To address these gaps, we present a multimodal dataset digitizing over 13,200 NEON carabids from 30 sites spanning the continental US and Hawaii through high-resolution imaging, enabling broader access and computational analysis. The dataset includes digitally measured elytra length and width of each specimen, establishing a foundation for automated trait extraction using AI. Validated against manual measurements, our digital trait extraction achieves sub-millimeter precision, ensuring reliability for ecological and computational studies. By addressing invertebrate under-representation in trait databases, this work supports AI-driven tools for automated species identification and trait-based research, fostering advancements in biodiversity monitoring and conservation.
- Abstract（参考訳）: 無脊椎動物の生態学的重要性にもかかわらず、地球規模の形質データベースは脊椎動物や植物に大きく偏っているままであり、地上の甲虫のような多種多様な集団の包括的な生態学的分析を制限している。
グラウンド・ビートル(Coleoptera: Carabidae)は生態系の健康にとって重要な生物指標であり、環境変化によって引き起こされる生物多様性の変化についての貴重な洞察を提供する。
ナショナル・エコロジー・オブザーバネットワーク(NEON)は、アメリカ合衆国全土から大量の標本を収集しているが、これらは主に物理的コレクションとして存在し、広範囲の研究アクセスと大規模な分析が制限されている。
これらのギャップに対処するために,大陸とハワイにまたがる30の地点から13,200個のNEONキャラブドをデジタル化し,より広いアクセスと計算分析を可能にするマルチモーダルデータセットを提案する。
データセットは、デジタルで測定された各標本の長さと幅を含み、AIを用いた自動形質抽出の基礎を確立する。
手動で測定した場合、デジタル特性抽出はサブミリ精度を実現し、生態・計算研究の信頼性を確保する。
この研究は、形質データベースにおける無脊椎動物の過小表現に対処することで、自動種識別と形質に基づく研究のためのAI駆動ツールをサポートし、生物多様性の監視と保存の進歩を促進する。
関連論文リスト
- CellPainTR: Generalizable Representation Learning for Cross-Dataset Cell Painting Analysis [51.56484100374058]
本稿では,細胞形態の基本的な表現を学習するためのトランスフォーマーベースのアーキテクチャであるCellPainTRを紹介する。
私たちの研究は、画像ベースのプロファイリングのための真の基盤モデルを作成するための重要なステップであり、より信頼性が高くスケーラブルなクロススタディ生物学的分析を可能にします。
論文 参考訳（メタデータ） (2025-09-02T03:30:07Z) - Automated Detection of Antarctic Benthic Organisms in High-Resolution In Situ Imagery to Aid Biodiversity Monitoring [0.0]
南極の底生生物を高分解能トレーカメラで検出するフレームワークについて述べる。
25種の微細な形態型にまたがる中・大型の生物の検出において,強い性能を示した。
我々のフレームワークは、未来の機械支援in situ benthic Biodiversity monitoring研究のためのスケーラブルな基盤を提供する。
論文 参考訳（メタデータ） (2025-07-29T10:22:29Z) - A multi-modal dataset for insect biodiversity with imagery and DNA at the trap and individual level [12.817729932901779]
本研究は,昆虫標本の自動分類器を訓練するための混合節足類標本同定データセット(MassID45)について述べる。
これは、分類されていないサンプルレベルと、個々の標本の完全なセットの両方で、分子とイメージングのデータを一意に組み合わせている。
AI支援ツールによって支えられた人間のアノテーションは、各節足動物の周囲にセグメンテーションマスクを作成し、17万以上の標本に分類学的ラベルを割り当てるという、バルク画像の2つのタスクを実行した。
論文 参考訳（メタデータ） (2025-07-09T16:03:06Z) - GreenHyperSpectra: A multi-source hyperspectral dataset for global vegetation trait prediction [13.321623196078276]
実世界のクロスセンサーとクロスエコシステムのサンプルを含む事前学習データセットであるGreenHyperSpectraを提示する。
ラベル効率のよい多出力回帰モデルにグリーンHyperSpectraをうまく活用する。
我々の経験的分析は、特性予測のためのスペクトル表現の学習において大幅に改善されたことを示す。
論文 参考訳（メタデータ） (2025-07-09T12:51:46Z) - BioCLIP 2: Emergent Properties from Scaling Hierarchical Contrastive Learning [60.80381372245902]
生体視覚モデルでは,大規模コントラスト視覚言語学習により創発的行動が観察される。
我々は、異なる種を区別するために、TreeOfLife-200MでBioCLIP 2を訓練する。
得られたBioCLIP 2の埋め込み空間における創発的特性を同定する。
論文 参考訳（メタデータ） (2025-05-29T17:48:20Z) - 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) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳（メタデータ） (2023-06-05T03:36:01Z) - 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) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳（メタデータ） (2020-02-05T21:38:57Z)
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。