論文の概要: eLasmobranc Dataset: An Image Dataset for Elasmobranch Species Recognition and Biodiversity Monitoring

• arxiv url: http://arxiv.org/abs/2603.10724v1
• Date: Wed, 11 Mar 2026 12:57:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-12 16:22:32.949528
• Title: eLasmobranc Dataset: An Image Dataset for Elasmobranch Species Recognition and Biodiversity Monitoring
• Title（参考訳）: eLasmobranc Dataset:Elasmobranch種認識と生物多様性モニタリングのためのイメージデータセット
• Authors: Ismael Beviá-Ballesteros, Mario Jerez-Tallón, Nieves Aranda-Garrido, Isabel Abel-Abellán, Irene Antón-Linares, Jorge Azorín-López, Marcelo Saval-Calvo, Andres Fuster-Guilló, Francisca Giménez-Casalduero,
• Abstract要約: エラスモブランチの個体数は世界規模で著しく減少しており、現在いくつかの種が絶滅危惧種に分類されている。 既存のビジュアルデータセットは、主に検出指向、水中取得、または粗い粒度のカテゴリに限定されている。 スペイン東部の地中海沿岸に生息する7種のエラスモブランチのイメージコレクションであるeLasmobrancデータセットについて紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Elasmobranch populations are experiencing significant global declines, and several species are currently classified as threatened. Reliable monitoring and species-level identification are essential to support conservation and spatial planning initiatives such as Important Shark and Ray Areas (ISRAs). However, existing visual datasets are predominantly detection-oriented, underwater-acquired, or limited to coarse-grained categories, restricting their applicability to fine-grained morphological classification. We present the eLasmobranc Dataset, a curated and publicly available image collection from seven ecologically relevant elasmobranch species inhabiting the eastern Spanish Mediterranean coast, a region where two ISRAs have been identified. Images were obtained through dedicated data collection, including field campaigns and collaborations with local fish markets and projects, as well as from open-access public sources. The dataset was constructed predominantly from images acquired outside the aquatic environment under standardized protocols to ensure clear visualization of diagnostic morphological traits. It integrates expert-validated species annotations, structured spatial and temporal metadata, and complementary species-level information. The eLasmobranc Dataset is specifically designed to support supervised species-level classification, population studies, and the development of artificial intelligence systems for biodiversity monitoring. By combining morphological clarity, taxonomic reliability, and public accessibility, the dataset addresses a critical gap in fine-grained elasmobranch identification and promotes reproducible research in conservation-oriented computer vision. The dataset is publicly available at https://zenodo.org/records/18549737.
• Abstract（参考訳）: エラスモブランチの個体数は世界規模で著しく減少しており、現在いくつかの種が絶滅危惧種に分類されている。 信頼性の高いモニタリングと種レベルでの識別は、重要なシャークやレイエリア(ISRA)のような保護と空間計画のイニシアチブを支援するために不可欠である。 しかし、既存の視覚データセットは、主に検出指向、水中取得、または粗い分類に限られており、微細な形態分類に適用性に制限されている。 スペイン東部の地中海沿岸に生息する7種のエラスモブランチのイメージコレクションであるeLasmobranc Datasetは,ISRAが2種同定された地域である。 画像は、フィールドキャンペーンや地元の魚市場やプロジェクトとのコラボレーションなど、専用のデータ収集を通じて収集された。 データセットは主に、診断形態特性の明確な可視化を保証するために、標準化されたプロトコルの下で水生環境の外で取得された画像から構築された。 専門家によって検証された種アノテーション、構造化された空間的および時間的メタデータ、および相補的な種レベルの情報を統合する。 eLasmobranc Datasetは、生物多様性監視のための生物レベルの分類、集団研究、人工知能システムの開発をサポートするように設計されている。 形態的明瞭さ、分類学的信頼性、および公共のアクセス性を組み合わせることで、データセットは微細なエラストモブランチの識別において重要なギャップに対処し、保存指向コンピュータビジョンにおける再現可能な研究を促進する。 データセットはhttps://zenodo.org/records/18549737で公開されている。

関連論文リスト

• 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)
• CrypticBio: A Large Multimodal Dataset for Visually Confusing Biodiversity [3.73232466691291]
  我々はCrypticBioについて紹介する。 iNaturalistのコミュニティアノテーターの間では、実際の種誤認の傾向から批判され、CrypticBioは67K種にまたがる52Kの独特な暗号グループを含んでいる。
  論文  参考訳（メタデータ） (2025-05-16T14:35:56Z)
• 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)
• 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)
• A Step Towards Worldwide Biodiversity Assessment: The BIOSCAN-1M Insect Dataset [18.211840156134784]
  本稿では,画像に基づく分類学的評価が可能なコンピュータビジョンモデルの訓練を目的とした,100万画像データセットを提案する。 このデータセットは魅力的な特徴も示しており、その研究はより広範な機械学習コミュニティにとって興味深いものとなるだろう。
  論文  参考訳（メタデータ） (2023-07-19T20:54:08Z)
• 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)

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。