論文の概要: DS@GT ARC at AnimalCLEF 2026: Species-Aware Graph Construction for Multi-Species Animal Re-Identification

• arxiv url: http://arxiv.org/abs/2607.16453v1
• Date: Fri, 17 Jul 2026 18:49:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.152876
• Title: DS@GT ARC at AnimalCLEF 2026: Species-Aware Graph Construction for Multi-Species Animal Re-Identification
• Title（参考訳）: AnimalCLEF 2026におけるDS@GT ARC: 多種動物再同定のための種対応グラフ構築
• Abstract要約: AnimalCLEF 2026へのDS@GT ARCの提出では、再識別のための多種画像クラスタリングシステムが導入されている。 単一の記述子や最寄りの検索に頼る代わりに、このアプローチは種対応グラフ構築として再同定を定式化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated individual animal re-identification is essential for large-scale biodiversity monitoring; however, field imagery complicates separating identity cues from nuisance variation in pose, illumination, background, resolution, and species-specific morphology. The DS@GT ARC submission to AnimalCLEF 2026 introduces a multi-species image-clustering system for re-identifying Eurasian lynx, fire salamanders, loggerhead sea turtles, and Texas horned lizards. Instead of relying on a single descriptor or nearest-neighbor retrieval, this approach formulates re-identification as species-aware graph construction over candidate image pairs. The pipeline integrates tailored preprocessing, global candidate retrieval, LightGlue-based local verification with multiple keypoint families, LightGBM pair scoring, conservative edge admission, and Leiden community detection. This design directly addresses a primary failure mode of clustering-based re-identification: high-scoring false pairs that act as bridge edges and merge distinct individuals through transitive closure. Across species, ablation studies demonstrate that local feature support, foreground-aware preprocessing, and species-specific backbone selection enhance pair evidence, while graph operating points determine the trade-off between fragmentation and over-merging. The selected submission achieved a public ARI of 0.733 and a private ARI of 0.674, ranking fifth among 230 teams. These results indicate that robust wildlife re-identification requires not only strong visual representations but also calibrated integration of global similarity, local identity markings, neighborhood context, and graph-level constraints. The code can be found at https://github.com/dsgt-arc/animalclef-2026.
• Abstract（参考訳）: 大規模生物多様性モニタリングには, 個体識別の自動化が不可欠であるが, ポーズ, 照明, 背景, 分解能, 種特異的形態学において, 個体識別とニュアンス変化の分離が複雑である。 AnimalCLEF 2026へのDS@GT ARCの提出では、ユーラシアのリンテックス、火のサラマンダー、ロガーヘッドウミガメ、テキサスの角のトカゲを識別する多種画像クラスタリングシステムが導入されている。 1つの記述子や最寄りの検索に頼る代わりに、このアプローチは、候補画像対に対する種対応グラフ構築として再同定を定式化する。 このパイプラインは、カスタマイズされた前処理、グローバル候補検索、LightGlueベースのローカル検証と複数のキーポイントファミリ、LightGBMペアスコアリング、保守的なエッジインプット、Leidenコミュニティ検出を統合している。 この設計は、クラスタリングベースの再識別の主要な障害モード、すなわちブリッジエッジとして機能し、推移的なクロージャを通じて個々の個人をマージするハイスコアの偽ペアに直接対処する。 種間、アブレーション研究により、局所的特徴支持、前景認識前処理、種固有のバックボーン選択がペアエビデンスを高め、グラフ操作ポイントはフラグメンテーションとオーバーマージの間のトレードオフを決定する。 選抜されたARIは0.733、プライベートARIは0.674で230チーム中5位となった。 これらの結果は、堅牢な野生生物の再同定には、強い視覚的表現だけでなく、グローバルな類似性、局所的なアイデンティティマーキング、近傍コンテキスト、グラフレベルの制約の校正も必要であることを示している。 コードはhttps://github.com/dsgt-arc/animalclef-2026にある。

関連論文リスト

• Cross-Species Animal Re-Identification with Semantic Consistency Learning [49.843830441987684]
  ReID (Generalizable Animal Re-Identification) は、様々な形態と生態学的文脈を持つ種間で個々の動物を識別することを目的としている。 ReIDとは異なり、動物種は解剖学的構造や視覚パターンが著しく異なるため、共通の視覚的対応を確立することは困難である。 本稿では, 外観の変動に対して安定な表現を学習するためのフレームワークであるセマンティック一貫性学習(SCL)を提案する。
  論文  参考訳（メタデータ） (2026-09-09T04:41:01Z)
• Calibrated Similarity and Graph Clustering for Open-Set Animal Re-Identification [0.0]
  AnimalCLEF26は発見指向の動物再同定に対処する。 我々は,リンクス,サンショウウオ,ロガーヘッドウミガメ,テキサスの角状トカゲ画像に類似性とクラスタリングのパイプラインを提示する。
  論文  参考訳（メタデータ） (2026-08-03T16:37:28Z)
• Multi-Scale ViT Inference with Habitat-Fit Priors and kNN Retrieval for Multi-Species Plant Identification [0.04014524824655105]
  本稿では,DS@GT ARCの植物4乗画像における多種植物同定におけるPlantCLEF 2026チャレンジに対する3位ソリューションについて述べる。 パイプラインは細調整されたDINOv2 ViT-L/14分類器を中心に構築され、各四角形のマルチスケールタイル分解に適用される。 選択されたエントリーは、0.43902(3位、パブリック0.51096)のプライベートリーダーボードマクロF1に達する。
  論文  参考訳（メタデータ） (2026-07-16T02:47:38Z)
• 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)
• 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)
• Hierarchical Identity Learning for Unsupervised Visible-Infrared Person Re-Identification [81.3063589622217]
  教師なし可視赤外線人物再識別(USVI-ReID)は、ラベルのないクロスモーダルな人物データセットからモダリティ不変の画像特徴を学習することを目的としている。
  論文  参考訳（メタデータ） (2025-09-15T05:10:43Z)
• AnimalClue: Recognizing Animals by their Traces [43.09184077724619]
  AnimalClueは、間接的な証拠の画像から種を特定するための最初の大規模なデータセットである。 968種、200家族、65の注文がある。 既存のデータセットとは異なり、AnimalClueは分類、検出、インスタンスセグメンテーションタスクに固有の課題を提示している。
  論文  参考訳（メタデータ） (2025-07-27T11:48:03Z)
• OpenWildlife: Open-Vocabulary Multi-Species Wildlife Detector for Geographically-Diverse Aerial Imagery [5.612783442210011]
  我々は,多種多様な航空画像の識別を目的としたオープン語彙野生生物検出器OpenWildlifeを紹介する。 OWは、言語を意識した埋め込みと、地上環境と海洋環境の両方で自然言語入力によって特定された種を識別するグラウンディング・ディノフレームワークの新たな適応を活用している。 OWは既存の手法よりも優れており、新しい種を含む7つのデータセットでtextbf0.981 mAP50を微調整し、textbf0.597 mAP50を達成している。
  論文  参考訳（メタデータ） (2025-06-24T00:10:19Z)
• OpenAnimals: Revisiting Person Re-Identification for Animals Towards Better Generalization [10.176567936487364]
  本研究は,BoT,AGW,SBS,MGNなど,最先端の人物再同定手法を再検討することによって実施する。 我々は,HyenaID,LeopardID,SeaTurtleID,WhaleSharkIDなどの動物再同定ベンチマークにおいて,その有効性を評価する。 以上の結果から,いくつかの手法がうまく機能する一方で,多くの手法が一般化せず,2つの課題の間に有意な違いがあることが判明した。 textbfAnimal textbfReに適した強力な textbfBase モデルである ARBase を提案する。
  論文  参考訳（メタデータ） (2024-09-30T20:07:14Z)
• 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)
• Spatial-spectral Hyperspectral Image Classification via Multiple Random Anchor Graphs Ensemble Learning [88.60285937702304]
  本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。 まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。 次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
  論文  参考訳（メタデータ） (2021-03-25T09:31:41Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。