論文の概要: Deep in the Jungle: Towards Automating Chimpanzee Population Estimation

• arxiv url: http://arxiv.org/abs/2601.22917v1
• Date: Fri, 30 Jan 2026 12:40:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 18:28:15.438931
• Title: Deep in the Jungle: Towards Automating Chimpanzee Population Estimation
• Title（参考訳）: ジャングルの深部:チンパンジー人口推定の自動化に向けて
• Authors: Tom Raynes, Otto Brookes, Timm Haucke, Lukas Bösch, Anne-Sophie Crunchant, Hjalmar Kühl, Sara Beery, Majid Mirmehdi, Tilo Burghardt,
• Abstract要約: 大類類人猿の個体数と密度の推定は、動物からカメラまでの距離の測定を必要とする統計的枠組みに依存している。 本研究は, コンピュータビジョンに基づく単眼深度推定パイプラインを生態カメラトラップ距離に直接統合し, 猿の保護に有効であることを示す。 野生チンパンジーの個体数を記録した220枚のカメラトラップ映像の実際のデータセットを用いて、Dense Prediction TransformersとDepth Anythingの2つのMDEモデルと、複数の距離サンプリング戦略を組み合わせる。 提案手法は,従来の手法を用いて得られた個体数の22%以内の個体数を推定する。
• 参考スコア（独自算出の注目度）: 8.705217788065593
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The estimation of abundance and density in unmarked populations of great apes relies on statistical frameworks that require animal-to-camera distance measurements. In practice, acquiring these distances depends on labour-intensive manual interpretation of animal observations across large camera trap video corpora. This study introduces and evaluates an only sparsely explored alternative: the integration of computer vision-based monocular depth estimation (MDE) pipelines directly into ecological camera trap workflows for great ape conservation. Using a real-world dataset of 220 camera trap videos documenting a wild chimpanzee population, we combine two MDE models, Dense Prediction Transformers and Depth Anything, with multiple distance sampling strategies. These components are used to generate detection distance estimates, from which population density and abundance are inferred. Comparative analysis against manually derived ground-truth distances shows that calibrated DPT consistently outperforms Depth Anything. This advantage is observed in both distance estimation accuracy and downstream density and abundance inference. Nevertheless, both models exhibit systematic biases. We show that, given complex forest environments, they tend to overestimate detection distances and consequently underestimate density and abundance relative to conventional manual approaches. We further find that failures in animal detection across distance ranges are a primary factor limiting estimation accuracy. Overall, this work provides a case study that shows MDE-driven camera trap distance sampling is a viable and practical alternative to manual distance estimation. The proposed approach yields population estimates within 22% of those obtained using traditional methods.
• Abstract（参考訳）: 大類類人猿の個体数と密度の推定は、動物からカメラまでの距離の測定を必要とする統計的枠組みに依存している。 実際には、これらの距離を取得することは、大きなカメラトラップビデオコーパスにわたる動物の観察の労働集約的な手作業による解釈に依存する。 本研究は,コンピュータビジョンに基づく単眼深度推定(MDE)パイプラインを直接生態カメラトラップワークフローに統合し,猿の保護を図っている。 野生チンパンジーの個体数を記録した220枚のカメラトラップ映像の実際のデータセットを用いて、Dense Prediction TransformersとDepth Anythingの2つのMDEモデルと、複数の距離サンプリング戦略を組み合わせる。 これらの成分は、集団密度と存在量の推定を行う検出距離推定を生成するために使用される。 手動で引き起こした地絡距離の比較分析により,DPTの校正精度はDepth Anythingより一貫して優れていた。 この利点は、距離推定精度と下流密度および存在量推定の両方で観察される。 しかし、どちらのモデルも体系的なバイアスを示す。 複雑な森林環境を考慮すれば、検出距離を過大評価し、その結果、従来の手動によるアプローチと比較して、密度や存在量を過小評価する傾向がある。 さらに, 距離範囲における動物検出の失敗が, 推定精度を制限する主要な要因であることが確認された。 本研究は、MDE駆動カメラトラップ距離サンプリングが手動距離推定の実用的な代替手段であることを示すケーススタディを提供する。 提案手法は,従来の手法を用いて得られた個体数の22%以内の個体数を推定する。

関連論文リスト

• Benchmark on Monocular Metric Depth Estimation in Wildlife Setting [5.296470528744146]
  本研究は,野生生物モニタリング環境におけるモノクラー計量深度推定のための最初のベンチマークを紹介する。 93枚のカメラトラップ画像の幾何学的ベースラインとともに、4つの最先端MDE手法(Depth Anything V2, ML Depth Pro, ZoeDepth, Metric3D)を評価した。 以上の結果から,Depth Anything V2は平均絶対誤差0.454m,相関0.962で最高の総合性能を達成できた。
  論文  参考訳（メタデータ） (2025-10-06T11:43:34Z)
• Bio-inspired visual relative localization for large swarms of UAVs [3.9421388043218655]
  大規模UAV群におけるエージェントの相対的局所化のための視覚知覚のための新しいアプローチを提案する。 本手法は,シロイヌナズナの群集,ハチの群集,および他の大型動物群が,分散的かつ一貫性のある方法で移動可能な生物学的知覚から着想を得たものであり,各エージェントによる個々の隣人の検出や相対的な位置の推定には依存していない。 新しい相対的局所化法と互換性を持たせるために,新しいSwarm制御アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-03T11:47:14Z)
• Evaluating Perceptual Distance Models by Fitting Binomial Distributions to Two-Alternative Forced Choice Data [43.714290271351466]
  本稿では,二項決定モデルに最大推定値を適用し,より頑健な距離モデル評価手法を提案する。 提案手法は2つの2AFC PFデータセット上での様々な視覚距離モデルの評価から, 簡便さ, 可視性, 柔軟性, 計算効率が優れていることを示す。
  論文  参考訳（メタデータ） (2024-03-15T15:21:04Z)
• Of Mice and Pose: 2D Mouse Pose Estimation from Unlabelled Data and Synthetic Prior [0.7499722271664145]
  そこで本稿では, 合成合成経験的ポーズを用いた2次元マウスのポーズ推定手法を提案する。 本手法はマウスの四肢構造に適応し,合成3次元マウスモデルから2次元ポーズの経験的先行を生成できる。 新しいマウスビデオデータセットの実験では,ポーズ予測を手作業で得られた真実と比較することにより,提案手法の性能を評価する。
  論文  参考訳（メタデータ） (2023-07-25T09:31:55Z)
• Rethinking pose estimation in crowds: overcoming the detection information-bottleneck and ambiguity [46.10812760258666]
  個人間の頻繁な相互作用は、ポーズ推定アルゴリズムの基本的な課題である。 ボトムアップ条件付きトップダウンポーズ推定と呼ばれる新しいパイプラインを提案する。 動物と人間のポーズ推定ベンチマークにおけるアプローチの性能と効率を実証する。
  論文  参考訳（メタデータ） (2023-06-13T16:14:40Z)
• Bottom-Up 2D Pose Estimation via Dual Anatomical Centers for Small-Scale Persons [75.86463396561744]
  マルチパーソン2Dポーズ推定では、ボトムアップ手法は同時にすべての人のポーズを予測する。 本手法は,バウンディングボックス精度を38.4%改善し,バウンディングボックスリコールを39.1%改善した。 ヒトのポーズAP評価では,COCOテストデフセット上で新しいSOTA(71.0 AP)を単一スケールテストで達成する。
  論文  参考訳（メタデータ） (2022-08-25T10:09:10Z)
• Direct Dense Pose Estimation [138.56533828316833]
  複雑な人間のポーズ推定は、RGB画像と人体の表面との密接な対応を学習する問題である。 従来より密集したポーズ推定手法は、すべてMask R-CNNフレームワークに基づいており、まず各人物のバウンディングボックスを識別しようとするトップダウン方式で動作している。 そこで我々は,DDP (Direct Dense Pose) という,高密度ポーズ推定問題の解法を提案する。
  論文  参考訳（メタデータ） (2022-04-04T06:14:38Z)
• Distance Estimation and Animal Tracking for Wildlife Camera Trapping [0.0]
  カメラから動物までの距離を推定する完全自動手法を提案する。 我々は、距離を推定するために最先端の相対的MDEと新しいアライメント手順を利用する。 平均絶対距離推定誤差は0.9864mで、精度90.3%、リコール63.8%である。
  論文  参考訳（メタデータ） (2022-02-09T18:12:18Z)
• Overcoming the Distance Estimation Bottleneck in Camera Trap Distance Sampling [0.0]
  動物数の推定は、例えば、土地利用の変化や外来種が種組成に与える影響を評価するために重要である。 本研究では,画像処理とパターン認識の最先端手法を活用した完全自動化ワークフローを提案する。
  論文  参考訳（メタデータ） (2021-05-10T10:17:34Z)
• Automatic Social Distance Estimation From Images: Performance Evaluation, Test Benchmark, and Algorithm [78.88882860340797]
  新型コロナウイルスは2020年3月から世界的なパンデミックを引き起こしている。 感染リスクを低減するため、他者から最低1メートルの距離を維持することが強く示唆されている。 このようなアルゴリズムには適切なテストベンチマークは存在しない。
  論文  参考訳（メタデータ） (2021-03-11T16:15:20Z)
• Multi-person 3D Pose Estimation in Crowded Scenes Based on Multi-View Geometry [62.29762409558553]
  マルチパーソナライズされた3次元ポーズ推定手法における特徴マッチングと深さ推定のコアは、エピポーラ制約である。 スパサーの群衆シーンにおけるこの定式化の良好なパフォーマンスにもかかわらず、その効果はより密集した群衆の状況下でしばしば挑戦される。 本稿では,マルチパーソン3次元ポーズ推定式から脱却し,群衆ポーズ推定として再編成する。
  論文  参考訳（メタデータ） (2020-07-21T17:59:36Z)

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。