論文の概要: Exploring Clustering Capability of Inpainting Model Embeddings for Pattern-based Individual Identification
- arxiv url: http://arxiv.org/abs/2605.04904v1
- Date: Wed, 06 May 2026 13:33:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-07 18:41:07.841154
- Title: Exploring Clustering Capability of Inpainting Model Embeddings for Pattern-based Individual Identification
- Title（参考訳）: パターンに基づく個人識別のための塗装モデル埋め込みのクラスタリング能力の探索
- Abstract要約: 我々は、機械学習モデルがスキンパターン構造に応答しやすくする技術に焦点を当てている。
識別タスクのエンコーダバックボーンとして,4つのモデルの比較分析を提案する。
本研究は,広く知られている生物モデル生物であるゼブラフィッシュの事例研究に焦点をあてる。
- 参考スコア（独自算出の注目度）: 2.227417514684251
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this paper, we explore deep learning techniques for individual identification of animals based on their skin patterns. Individual identification is crucial in biodiversity monitoring, since it enables analysis of decline or growth of populations, or intra-species interactions within populations. Models trained for the task of individual identification often do not focus on the skin pattern of animals, but on background details or body shape details. These characteristics are not individually specific, or can change drastically through time. We focus on techniques that will make machine learning models more responsive to skin pattern structure when extracting individual visual embeddings from images. For this, we explore image inpainting of task-specific masks as an auxiliary task to enhance ML-based individual identification from animal skin patterns. We propose a comparative analysis among four models as an encoder backbone for the individual identification task. We focus on the case study of zebrafish, which is a widely recognized biological model organism, and which exhibits individually identifying skin patterns. To evaluate encoder backbone performance, we present standard metrics for classification accuracy, embedding clustering metrics, and GradCAM visualizations.
- Abstract（参考訳）: 本稿では,動物の皮膚パターンに基づく個体識別のための深層学習手法について検討する。
個体群の減少や成長、種内相互作用の分析を可能にするため、個体識別は生物多様性監視において重要である。
個人識別のタスクのために訓練されたモデルは、しばしば動物の皮膚パターンではなく、背景の詳細や体形の詳細に焦点を当てる。
これらの特徴は個別に特定のものではなく、時間とともに劇的に変化する可能性がある。
我々は、画像から個々の視覚的埋め込みを抽出する際、機械学習モデルが皮膚のパターン構造に応答しやすくする技術に焦点を当てる。
そこで本研究では,動物の皮膚パターンからMLに基づく個人識別を強化するための補助課題として,タスク固有のマスクのイメージインペイントについて検討する。
識別タスクのエンコーダバックボーンとして,4つのモデルの比較分析を提案する。
本研究は,皮膚パターンを個別に識別する生物モデル生物であるゼブラフィッシュの事例研究に焦点をあてる。
エンコーダのバックボーン性能を評価するため,分類精度,クラスタリングメトリクスの埋め込み,GradCAM視覚化のための標準指標を提案する。
関連論文リスト
- What Does Animal Re-Identification Learn? Linear Biological Concepts and Their Origins in Visual Representations [52.11506532642883]
性別と年齢は、抱きしめられた個人に一般化する線形方向として現れることを示す。
また、性的指向はモデルによって因果的に利用されており、かなりの数の予測を反対の性に反転させることも示している。
論文 参考訳（メタデータ） (2026-09-05T10:46:27Z) - A non-invasive video-based method for individual identification of wildlife using gait dynamics [21.468912995256698]
本稿では,野生生物の歩行分析と個人識別のための完全自動ビデオベースパイプラインを提案する。
提案したパイプラインは、Segment Anything Model 3 (SAM3) を使用して、高品質なRGBとバイナリシルエットマスクを生成する。
コサインは歩行のシグネチャを比較するために使用され、物理的または侵襲的なマーキングに依存することなく、個人の類似性に基づくクラスタリングを可能にする。
論文 参考訳（メタデータ） (2026-07-05T21:47:21Z) - CHIRP dataset: towards long-term, individual-level, behavioral monitoring of bird populations in the wild [2.172490512050822]
個々の動物の長期の行動モニタリングは、異なる時間スケールで起こる行動変化を研究するために重要である。
コンピュータビジョンの手法は生物多様性のモニタリングに有用であることが証明されているが、野生個体群における自動行動監視は依然として困難である。
そこで本研究では,野生鳥類の個体識別のための新しい手法であるCORVIDを用いたデータセット(CHIRP)を提案する。
論文 参考訳（メタデータ） (2026-03-26T14:57:31Z) - A neuromorphic model of the insect visual system for natural image processing [0.8602553195689513]
昆虫の視覚は、連想学習、ナビゲーション、物体検出などの複雑な行動をサポートする。
本稿では,高密度な視覚入力をスパースな識別符号に変換するバイオインスパイアされた視覚モデルを提案する。
花認識タスクと自然画像ベンチマークにおける結果の表現性を評価する。
論文 参考訳（メタデータ） (2026-02-06T05:54:28Z) - Evaluating Multiview Object Consistency in Humans and Image Models [68.36073530804296]
我々は、物体の形状に関するゼロショット視覚的推論を必要とする認知科学の実験的設計を活用する。
我々は500人以上の参加者から行動データの35万件の試行を収集した。
次に、一般的な視覚モデルの性能を評価する。
論文 参考訳（メタデータ） (2024-09-09T17:59:13Z) - Towards Intrinsic Common Discriminative Features Learning for Face
Forgery Detection using Adversarial Learning [59.548960057358435]
本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。
我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
論文 参考訳（メタデータ） (2022-07-08T09:23:59Z) - Revisiting the Shape-Bias of Deep Learning for Dermoscopic Skin Lesion
Classification [4.414962444402826]
人間の視覚系は、テクスチャよりも形状の認識に偏っていると一般的に信じられている。
本稿では,皮膚病変画像の分類における形状ビアーゼの重要性を再考する。
論文 参考訳（メタデータ） (2022-06-13T20:59:06Z) - Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。
これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。
本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
論文 参考訳（メタデータ） (2021-12-13T17:11:32Z) - Beyond Tracking: Using Deep Learning to Discover Novel Interactions in
Biological Swarms [3.441021278275805]
本稿では,システムレベルの状態を全体像から直接予測するディープ・ネットワーク・モデルを提案する。
結果の予測モデルは、人間の理解した予測モデルに基づいていないため、説明モジュールを使用する。
これは、行動生態学における人工知能の例である。
論文 参考訳（メタデータ） (2021-08-20T22:50:41Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳（メタデータ） (2021-01-27T19:28:04Z) - 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) - Learning landmark guided embeddings for animal re-identification [15.356786390476591]
身体のランドマーク情報を明示的に活用して埋め込み学習を改善することを提案する。
ボディランドマークは、信頼性ヒートマップとしてCNNの入力に提供される。
提案手法を,大規模合成データセットと小型実データセットで評価した。
論文 参考訳（メタデータ） (2020-01-09T01:31:00Z)
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。