論文の概要: The PanAf-SBR Dataset: Social Behaviour Recognition for Wild Great Apes
- arxiv url: http://arxiv.org/abs/2607.17399v1
- Date: Sun, 19 Jul 2026 20:21:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.458984
- Title: The PanAf-SBR Dataset: Social Behaviour Recognition for Wild Great Apes
- Title（参考訳）: PanAf-SBRデータセット:野生類人猿の社会的行動認識
- Abstract要約: 野生の大類人猿の行動変化は、人口減少の早期の指標となる。
そこでPanAf-SBRは,社会行動に注釈を付けた最初の野生の類人猿カメラ・トラップ・データセットである。
我々は、このデータとAlphaChimpアーキテクチャを用いて、きめ細かい社会行動認識のための最初のベンチマークを確立する。
- 参考スコア（独自算出の注目度）: 17.10809536803144
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Behavioural shifts in wild great ape populations, particularly the breakdown of social structures, can serve as an early indicator of population decline. Automating the detection of behaviours indicative of these shifts is therefore a critical task for conservation. Several valuable datasets have recently been introduced for the automated recognition of great ape behaviour, yet few include fine-grained social behaviour annotations, and those that do are captured either in captive settings or via aerial platforms such as UAVs. We address this gap by introducing PanAf-SBR, the first wild great ape camera trap dataset annotated with social behaviours. PanAf-SBR extends PanAf500 with 100 additional videos covering 36,063 frames. These come with 81,096 annotations including bounding boxes, segmentation masks, intra-video identities, and seven social behaviour classes defined under the action giver and receiver convention of ChimpACT. We use this data together with the AlphaChimp architecture to establish the first benchmarks for fine-grained social behaviour recognition in wild great apes from camera trap footage. We further conduct bidirectional transfer learning experiments between PanAf-SBR and the captive ChimpACT dataset, finding that cross-dataset pre-training is highly beneficial for specific classes rather than of uniform benefit. Finally, we examine the role of background context by inverting the segmentation masks to suppress non-ape pixels.
- Abstract（参考訳）: 野生の大類人猿の行動の変化、特に社会構造の崩壊は、人口減少の早期の指標となる。
したがって、これらの変化を示す行動の検出を自動化することは、保全にとって重要な課題である。
いくつかの貴重なデータセットが最近導入され、大きな類人猿の行動を自動的に認識するようになっているが、細かい社会行動アノテーションを含むものはほとんどなく、捕獲された設定やUAVのような空中プラットフォームを介してキャプチャされる。
このギャップに対処するためにPanAf-SBRは、社会行動に注釈を付けた最初の野生の類人猿カメラトラップデータセットである。
PanAf-SBRはPanAf500を拡張し、36,063フレームをカバーした100の動画を追加している。
これらのアノテーションには、バウンディングボックス、セグメンテーションマスク、ビデオ内のアイデンティティ、およびChimpACTのアクション付与およびレシーバー規約で定義された7つの社会的行動クラスを含む81,096のアノテーションが含まれている。
我々はこのデータとAlphaChimpアーキテクチャを用いて、カメラトラップ映像から得られた野生の大類人猿の詳細な社会行動認識のための最初のベンチマークを確立する。
さらに、PanAf-SBRと捕獲されたChimpACTデータセットの双方向移動学習実験を行い、クロスデータセット事前学習は、一様利益よりも特定のクラスに非常に有益であることを示した。
最後に,非円錐画素を抑えるためにセグメンテーションマスクを反転させることにより,背景コンテキストの役割を検討する。
関連論文リスト
- The SA-FARI Dataset: Segment Anything in Footage of Animals for Recognition and Identification [30.709102465224746]
野生動物のための最大のオープンソースMATデータセットであるSA-FARIを紹介する。
これは、約10年間(2014-2024年)に4大陸の741箇所から収集された11,609のカメラトラップビデオから成っている。
16,224個のマスクレットのアイデンティティと942,702個のバウンディングボックス、セグメンテーションマスク、および種ラベルを含む46時間の濃密な注釈付き映像で、それぞれのビデオが総括的に注釈付けされる。
SAM 3を含む最先端の視覚言語モデルを用いて,SA-FARIの総合的なベンチマークを行い,種別および総称動物で評価した。
論文 参考訳（メタデータ） (2025-11-19T17:07:08Z) - PriVi: Towards A General-Purpose Video Model For Primate Behavior In The Wild [50.656578456979496]
大規模な霊長類中心のビデオ事前トレーニングデータセットであるPriViを紹介する。
大規模ビデオモデルであるV-JEPAをPriVi上でプレトレーニングし、霊長類固有の表現を学習する。
その結果、霊長類中心の事前学習はデータ効率と一般化を大幅に改善することが示された。
論文 参考訳（メタデータ） (2025-11-12T19:27:40Z) - 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) - From Forest to Zoo: Great Ape Behavior Recognition with ChimpBehave [0.0]
ChimpBehaveは動物園で飼育されているチンパンジーの2時間以上のビデオ(約193,000フレーム)を特徴とする新しいデータセットだ。
ChimpBehaveは、アクション認識のためのバウンディングボックスやビヘイビアラベルに細心の注意を払ってアノテートする。
我々は、最先端のCNNベースの行動認識モデルを用いてデータセットをベンチマークする。
論文 参考訳（メタデータ） (2024-05-30T13:11:08Z) - 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) - ChimpACT: A Longitudinal Dataset for Understanding Chimpanzee Behaviors [32.72634137202146]
ChimpACTは、ドイツのライプツィヒ動物園に住む20以上のチンパンジーのビデオを特集している。
ChimpACTは、合計160,500フレームの163の動画で構成されており、包括的で難しい。
論文 参考訳（メタデータ） (2023-10-25T08:11:02Z) - Meerkat Behaviour Recognition Dataset [3.53348643468069]
本稿では,多彩なアノテーション付き行動認識ビデオデータセットについて紹介する。
このデータセットにはウェリントン動物園(ニュージーランドのウェリントン)のメアカットの囲いの2箇所のビデオが含まれている。
論文 参考訳（メタデータ） (2023-06-20T06:50:50Z) - Gait Recognition in the Wild: A Large-scale Benchmark and NAS-based
Baseline [95.88825497452716]
歩行ベンチマークにより、研究コミュニティは高性能歩行認識システムの訓練と評価を行うことができる。
GREWは、野生における歩行認識のための最初の大規模データセットである。
SPOSGaitはNASベースの最初の歩行認識モデルである。
論文 参考訳（メタデータ） (2022-05-05T14:57:39Z) - JRDB-Act: A Large-scale Multi-modal Dataset for Spatio-temporal Action,
Social Group and Activity Detection [54.696819174421584]
大学構内環境における生活行動の実際の分布を反映したマルチモーダルデータセットであるJRDB-Actを紹介する。
JRDB-Actには280万以上のアクションラベルがある。
JRDB-Actは、現場での対話に基づいて個人をグループ化するタスクに着想を得た社会集団識別アノテーションが付属している。
論文 参考訳（メタデータ） (2021-06-16T14:43:46Z) - Social Adaptive Module for Weakly-supervised Group Activity Recognition [143.68241396839062]
本稿では、弱教師付きグループ活動認識(GAR)と呼ばれる新しいタスクを提案する。
従来のGARタスクとは違い、ビデオレベルラベルのみが利用可能であるが、トレーニングデータにおいても、各フレーム内の重要人物は提供されない。
これにより、大規模なNBAデータセットの収集とアノテートが容易になり、GARに新たな課題が生まれます。
論文 参考訳（メタデータ） (2020-07-18T16:40:55Z)
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。