論文の概要: Automating Visual Recognition of Leprosy in Wild Chimpanzees
- arxiv url: http://arxiv.org/abs/2607.17395v1
- Date: Sun, 19 Jul 2026 20:00:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.458036
- Title: Automating Visual Recognition of Leprosy in Wild Chimpanzees
- Title（参考訳）: 野生チンパンジーにおけるレプロシーの視覚認識の自動化
- Abstract要約: 野生生物レプロシー検出のための最初のディープラーニングパイプラインを提示する。
953トラックに125,670の注釈付きバウンディングボックスのPanLep300データセットをコントリビュートした。
作物レベルの予測の単純な集約は、学習した時間モデルとエンドツーエンドのビデオアーキテクチャの両方に一貫して一致し、より優れています。
- 参考スコア（独自算出の注目度）: 5.127434779390129
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Leprosy (Mycobacterium leprae) has been confirmed in wild western chimpanzees (Pan troglodytes verus) in West Africa, presenting as clear and progressive visual symptoms. Manual review of camera-trap footage at landscape scale is infeasible, motivating the need for automated screening. We present the first deep learning pipeline for wildlife leprosy detection and contribute the PanLep300 dataset of 125,670 annotated bounding-box crops across 953 tracks from 303 camera-trap videos with ecologically-motivated splits that withhold whole individuals and camera installations. We benchmark spatial (2D), temporally aggregated (2.5D), and video-based (3D) classification approaches to investigate which approach is best suited to automated leprosy detection in wild apes. We find that simple aggregation of crop-level predictions consistently matches or outperforms both learned temporal models and end-to-end video architectures -- consistent with leprosy's static cutaneous presentation. We further find that performance is suppressed when tracklets contain frames of partially visible individuals -- as commonly occurs at the start and end of a track -- and demonstrate that this can be addressed through targeted construction and aggregation strategies.
- Abstract（参考訳）: レプロシー(Mycobacterium leprae)は西アフリカの野生のチンパンジー(Pan troglodytes verus)で確認されており、明瞭で進歩的な視覚症状である。
ランドスケープスケールでのカメラトラップ映像のマニュアルレビューは不可能であり、自動スクリーニングの必要性を動機付けている。
野生生物のレプロシーを検出するための最初のディープラーニングパイプラインを提示し、PanLep300データセットの125,670の注釈付きバウンディングボックスを、303のカメラトラップビデオから953トラックにわたって提供した。
野生類類人猿における空間(2D)、時間的集約(2.5D)、ビデオに基づく3D分類アプローチを比較検討し、どのアプローチが自動ハンセン病検出に最も適しているかを調べた。
作物レベルの予測の単純な集約は、学習した時間モデルとエンド・ツー・エンドのビデオアーキテクチャ(レプロシーの静的皮革によるプレゼンテーションと整合性)の両方に一貫して一致するか、より優れています。トラックの始点と終点でよく見られるように、トラックレットが部分的に見える個人のフレームを含んでいる場合、パフォーマンスが抑制され、ターゲットとなる構築と集約戦略によって対処できることが示されます。
関連論文リスト
- 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) - 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) - Self-supervised Learning on Camera Trap Footage Yields a Strong Universal Face Embedder [48.03572115000886]
本研究では、未ラベルのカメラトラップ映像から堅牢なチンパンジー顔の埋め込みを学習するための、完全な自己教師型アプローチを提案する。
私たちは、自動的に採掘された顔作物にビジョントランスフォーマーを訓練し、IDラベルを不要にします。
この研究は、生物多様性モニタリングにおける自己教師型学習の可能性を強調し、スケーラブルで非侵襲的な集団研究の道を開く。
論文 参考訳（メタデータ） (2025-07-14T17:59:59Z) - The PanAf-FGBG Dataset: Understanding the Impact of Backgrounds in Wildlife Behaviour Recognition [9.865022241248116]
350以上のカメラで記録された20時間の野生チンパンジーの挙動を特徴とするPanAf-FGBGデータセットを提示する。
ユニークなのは、すべてのビデオとチンパンジー(前景ビデオ)を、同じカメラの場所から対応するバックグラウンドビデオ(チンパンジーなし)とをペアリングすることです。
この設定により、初めて、分布内および分布外条件を直接評価し、振る舞い認識モデルに対する背景の影響を定量化することができる。
論文 参考訳（メタデータ） (2025-02-28T16:18:57Z) - Multimodal Foundation Models for Zero-shot Animal Species Recognition in
Camera Trap Images [57.96659470133514]
モーションアクティベートカメラトラップは、世界中の野生生物を追跡・監視するための効率的なツールである。
教師付き学習技術は、そのような画像を分析するためにうまく展開されているが、そのような訓練には専門家のアノテーションが必要である。
コストのかかるラベル付きデータへの依存を減らすことは、人間の労働力を大幅に減らした大規模野生生物追跡ソリューションを開発する上で、大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-11-02T08:32:00Z) - SVFormer: Semi-supervised Video Transformer for Action Recognition [88.52042032347173]
SVFormerは、未ラベルの動画サンプルに対処するために、安定した擬似ラベルフレームワークを採用する。
さらに,ビデオの複雑な時間変動をカバーするための時間ゆらぎを提案する。
特にSVFormerは、Kinetics-400の1%のラベル付け率でトレーニングエポックを減らし、最先端の技術を31.5%上回っている。
論文 参考訳（メタデータ） (2022-11-23T18:58:42Z) - 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) - APT-36K: A Large-scale Benchmark for Animal Pose Estimation and Tracking [77.87449881852062]
APT-36Kは動物のポーズ推定と追跡のための最初の大規模ベンチマークである。
このビデオは、30種の動物から収集・フィルタリングされた2,400のビデオクリップと、各ビデオの15フレームで構成されており、合計で36,000フレームとなっている。
我々は,(1)ドメイン内およびドメイン間移動学習環境下での単一フレームでの動物ポーズ推定,(2)未確認動物に対する種間ドメイン一般化テスト,(3)動物追跡による動物ポーズ推定の3つのモデルについて,いくつかの代表的モデルをベンチマークした。
論文 参考訳（メタデータ） (2022-06-12T07:18:36Z) - AcinoSet: A 3D Pose Estimation Dataset and Baseline Models for Cheetahs
in the Wild [51.35013619649463]
我々はAcinoSetと呼ばれる野生のフリーランニングチーターの広範なデータセットを提示する。
データセットには、119,490フレームのマルチビュー同期高速ビデオ映像、カメラキャリブレーションファイル、7,588フレームが含まれている。
また、結果の3D軌道、人間チェックされた3D地上真実、およびデータを検査するインタラクティブツールも提供される。
論文 参考訳（メタデータ） (2021-03-24T15:54:11Z) - An explainable deep vision system for animal classification and
detection in trail-camera images with automatic post-deployment retraining [0.0]
本稿では,テキサス・パークス野生生物局の管理下にあるフィールドから撮影したトレイルカメラ画像における動物検出のための自動視覚システムについて紹介する。
2段階の深層畳み込みニューラルネットワークパイプラインを実装し,動物を含む画像を第1段階で発見し,その画像を処理して第2段階の鳥を検出する。
動物分類システムは、動物画像の感度を93%、特異度を96%と分類する。鳥類検出システムは、感度を93%以上、特異度を92%、インターセクション・オーバー・ユニオン率を68%以上達成する。
論文 参考訳（メタデータ） (2020-10-22T06:29:55Z) - Automatic Detection and Recognition of Individuals in Patterned Species [4.163860911052052]
我々は,異なるパターンの個体の自動検出と認識のための枠組みを開発する。
我々は最近提案したFaster-RCNNオブジェクト検出フレームワークを用いて画像中の動物を効率的に検出する。
我々は,シマウマおよびジャガー画像の認識システムを評価し,他のパターンの種への一般化を示す。
論文 参考訳（メタデータ） (2020-05-06T15:29:21Z)
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。