論文の概要: A non-invasive video-based method for individual identification of wildlife using gait dynamics
- arxiv url: http://arxiv.org/abs/2607.04518v1
- Date: Sun, 05 Jul 2026 21:47:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.967274
- Title: A non-invasive video-based method for individual identification of wildlife using gait dynamics
- Title（参考訳）: 歩行動態を用いた野生動物の個体識別のための非侵襲的ビデオベース手法
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 21.468912995256698
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Gait is a distinctive behavioral characteristic that enables non-invasive individual identification without requiring physical interaction with an animal. While gait-based analysis has been extensively studied in humans, its application to wildlife remains limited due to environmental variability and the lack of scalable identification methods. This paper presents a fully automated, video-based pipeline for wildlife gait analysis and individual identification using deep spatiotemporal representation learning. The proposed pipeline uses the Segment Anything Model 3 (SAM3) to generate high-quality RGB and binary silhouette masks, robustly isolating animals from complex natural backgrounds. Segmented video sequences are processed using a convolutional neural network (ResNet18) for spatial feature extraction and a transformer-based video model (VideoPrism) for temporal motion modeling. Both models are fine-tuned using a classification objective and subsequently used as feature extractors to generate discriminative gait representations. Cosine similarity is then used to compare gait signatures, enabling similarity-based clustering of individuals without reliance on physical markings or invasive tagging. Experiments conducted on multi-source wildlife video data across multiple species demonstrate strong intra-individual consistency and clear inter-individual separation. Quantitative results using cosine similarity distributions and silhouette scores confirm the effectiveness of the proposed method. These findings demonstrate that gait dynamics provide a viable, non-invasive approach for individual identification in wildlife and highlight the potential of video-based deep learning pipelines for scalable ecological monitoring.
- Abstract（参考訳）: 歩行は、動物との物理的相互作用を必要とせず、非侵襲的な個人識別を可能にする特徴的な行動特性である。
歩行に基づく分析はヒトで広く研究されているが、環境変動性や拡張性のある識別方法の欠如により野生生物への応用は制限されている。
本稿では,野生生物の歩行分析と深部空間表現学習を用いた個人識別のための,完全に自動化されたビデオベースパイプラインを提案する。
提案されたパイプラインは、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し、複雑な自然環境から動物を強く隔離する。
空間的特徴抽出のための畳み込みニューラルネットワーク(ResNet18)と時間運動モデリングのためのトランスフォーマーベースビデオモデル(VideoPrism)を用いて、セグメント化されたビデオシーケンスを処理する。
どちらのモデルも分類対象を用いて微調整され、その後特徴抽出器として識別歩行表現を生成する。
コサインの類似性は、歩行シグネチャを比較するために使用され、物理的なマーキングや侵入的なタグ付け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。
複数の種にまたがる多ソース野生生物のビデオデータを用いた実験は、強い個体間一貫性と明確な個体間分離を示す。
コサイン類似度分布とシルエットスコアを用いた定量的結果から,提案手法の有効性が確認された。
これらの結果は、歩行動態が野生生物の個体識別に有効で非侵襲的なアプローチを提供し、スケーラブルな生態モニタリングのためのビデオベースのディープラーニングパイプラインの可能性を強調していることを示している。
関連論文リスト
- DNA: Dual-stage Native Attribution for Generated Image Source Tracing [75.65470221927096]
既存のプロアクティブな方法は、透かしの埋め込みやモデル修正に依存している。
DNAは、ニューラルネットワークのトレーニングを追加せずに、この階層に従う粗大なフレームワークである。
実験の結果、DNAは89.11%のエンドツーエンドの属性精度を達成している。
論文 参考訳（メタデータ） (2026-07-15T10:27:52Z) - Cross-Modal Corroboration for Annotation-Free Wildlife Monitoring [0.29891208411734166]
実際の環境保全デプロイメントのための野生生物監視のスケーリングには、重度のアノテーション不足の下で機能するスマートセンサーの自動分析が必要である。
本稿では,マルチモーダルモニタリングパイプラインのアノテーションのない検証信号として,種活動パターンのエキスパート知識を活用することを提案する。
我々は,このパイプラインをミウルシカの繁殖群落で検証し,両モダリティが既知のシカの行動生態と一致した活動パターンを独立に回復することを示した。
論文 参考訳（メタデータ） (2026-06-19T17:17:31Z) - DisPOSE: Projected Polystochastic Diffusion for Self-Supervised Multi-View 3D Human Pose Estimation [58.47973015036709]
DisPOSEは、本質的に離散的な多視点人物割り当て問題を近似する自己教師型フレームワークである。
特定可能なシンクホーン射影を用いることにより、本モデルは有効かつ実現可能な課題への解の導出を学ぶ。
提案手法は、標準データセット上での最先端の自己教師手法よりも優れている。
論文 参考訳（メタデータ） (2026-06-05T16:14:39Z) - Attention-Aware Transformer-Based Aggregation Network for Video Periocular Recognition [1.4942034077785833]
本稿では,監視環境における映像に基づく近視認識のための注意認識手法を提案する。
フレームワークは2つの主要なモジュールで構成されている。
公開されているCOX Faceデータセットの実験は、提案手法の堅牢性を示している。
論文 参考訳（メタデータ） (2026-05-15T18:47:18Z) - 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) - Automatic Individual Identification of Patterned Solitary Species Based
on Unlabeled Video Data [7.667274758235099]
手動操作を必要とせずに、カメラトラップからビデオを分析し、個人を特定するパイプラインを開発した。
このパイプラインは、ヒョウ(Panthera pardus)のような一意に識別可能な毛皮パターンと孤独な行動を持つ動物種に適用される。
パイプラインはPan African Programme: The Cultured Chimpanzee (PanAf)によって収集されたヒョウのビデオのデータセットでテストされた。
論文 参考訳（メタデータ） (2023-04-19T13:46:16Z) - TempNet: Temporal Attention Towards the Detection of Animal Behaviour in
Videos [63.85815474157357]
本稿では,映像中の生物学的行動を検出するための,効率的なコンピュータビジョンと深層学習に基づく手法を提案する。
TempNetはエンコーダブリッジと残留ブロックを使用して、2段階の空間的、そして時間的、エンコーダでモデル性能を維持する。
本研究では,サブルフィッシュ (Anoplopoma fimbria) 幼虫の検出への応用を実証する。
論文 参考訳（メタデータ） (2022-11-17T23:55:12Z) - Differentiable Frequency-based Disentanglement for Aerial Video Action
Recognition [56.91538445510214]
ビデオにおける人間の行動認識のための学習アルゴリズムを提案する。
我々のアプローチは、主に斜めに配置されたダイナミックカメラから取得されるUAVビデオのために設計されている。
我々はUAV HumanデータセットとNEC Droneデータセットについて広範な実験を行った。
論文 参考訳（メタデータ） (2022-09-15T22:16:52Z) - Real-Time Cattle Interaction Recognition via Triple-stream Network [3.3843451892622576]
牛の局在化ネットワークは、検出されたすべての牛から高品質な相互作用提案を出力する。
インタラクション認識ネットワークは、それらをトリプルストリームアーキテクチャでインタラクション認識ネットワークにフィードする。
論文 参考訳（メタデータ） (2022-09-06T06:31:09Z) - Intersection Regularization for Extracting Semantic Attributes [72.53481390411173]
本稿では,ネットワーク抽出した特徴が意味属性のセットと一致するように,教師付き分類の問題を考える。
例えば、鳥類のイメージを種に分類することを学ぶとき、動物学者が鳥類を分類するために使用する特徴の出現を観察したい。
本稿では,複数層パーセプトロン(MLP)と並列決定木を併用した,離散的なトップレベルアクティベーションを持つニューラルネットワークのトレーニングを提案する。
論文 参考訳（メタデータ） (2021-03-22T14:32:44Z) - 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。