論文の概要: Agent-Centric Animal Pose Forecasting
- arxiv url: http://arxiv.org/abs/2607.19548v1
- Date: Tue, 21 Jul 2026 19:48:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-23 18:51:37.91854
- Title: Agent-Centric Animal Pose Forecasting
- Title（参考訳）: エージェント・セントリカル・アニマル・ポーズの予測
- Abstract要約: 我々は,動物行動のエージェント中心自己回帰モデルを訓練するための枠組みを導入する。
訓練されたモデルがショウジョウバエの群落の社会行動の分布を捉えていることを示す。
これらの表現を変換する操作のコンポーザブルなシーケンスに着目した汎用ライブラリをリリースする。
- 参考スコア（独自算出の注目度）: 0.1494633072572191
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding animal behavior at an algorithmic level -- what animals attend to, how they form internal models and plans, and how this maps to action -- remains a central challenge in neuroscience and ethology. Data-driven generative models offer a path toward this understanding. We introduce a framework for training agent-centric autoregressive models of animal behavior from tracked pose, applicable to single animals and to groups in which each agent senses and responds to its conspecifics. Our models input egocentric sensory observations and output egocentric movements, mirroring the biological constraint that animals observe and act on the world from their own reference frame. Social behavior emerges from agents independently sensing and responding to one another. This agent-centric formulation requires managing many parallel representations of the same data, along with ML-specific transformations like discretization. We release a general-purpose library focused on the composable sequences of operations that translate between these representations. We show that trained models capture the distribution of social behavior in groups of courting Drosophila, and our library includes quantitative tools for measuring fit. We demonstrate how the library supports systematic comparison across input and output representations and that it adapts straightforwardly to a new domain.
- Abstract（参考訳）: 動物行動のアルゴリズム的レベルでの理解 - 動物の関与、内部モデルや計画の作り方、行動へのマップの作り方 - は、神経科学と倫理学における中心的な課題である。
データ駆動生成モデルは、この理解への道筋を提供する。
本研究では,単一動物に適応し,各エージェントが同種を感知し,反応するグループに対して,追跡されたポーズから,動物行動のエージェント中心の自己回帰モデルを訓練するための枠組みを提案する。
我々のモデルは、動物が自分の基準フレームから世界を観察し行動する生物学的制約を反映して、自我中心の感覚観察を入力し、自我中心の運動を出力する。
社会的行動は、エージェントから独立して知覚され、互いに反応する。
このエージェント中心の定式化は、識別のようなML固有の変換とともに、同じデータの多くの並列表現を管理する必要がある。
これらの表現を変換する操作のコンポーザブルなシーケンスに着目した汎用ライブラリをリリースする。
本研究は,ショウジョウバエの群落における社会的行動の分布を学習モデルで把握し,適合度を測定するための定量的ツールを含むことを示す。
我々は,ライブラリが入力および出力表現の体系的比較をどのようにサポートし,新しいドメインに直接適応するかを実証する。
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) - kabr-tools: Automated Framework for Multi-Species Behavioral Monitoring [4.303185550812535]
自動多種行動監視のためのオープンソースパッケージであるkabr-toolsを提案する。
このフレームワークは、ドローンベースのビデオと機械学習システムを統合し、野生動物の映像から行動、社会的、空間的メトリクスを抽出する。
地上からの観測に比べて、ドローンによる観測は行動の粒度を大幅に改善し、視界の損失を15%削減した。
論文 参考訳（メタデータ） (2025-10-02T14:03:55Z) - EgoPet: Egomotion and Interaction Data from an Animal's Perspective [82.7192364237065]
本稿では,同時行動とマルチエージェントインタラクションの多様な例を含む,ペットの情緒的イメージのデータセットを紹介する。
EgoPetは、既存の人間や車両のエゴセントリックなデータセットとは根本的に異なる視点を提供する。
動物行動を把握する2つのドメイン内ベンチマークタスクと、ロボット四足歩行のための事前学習リソースとしてEgoPetの有用性を評価するための第3のベンチマークを定義する。
論文 参考訳（メタデータ） (2024-04-15T17:59:47Z) - Behaviour Modelling of Social Animals via Causal Structure Discovery and
Graph Neural Networks [15.542220566525021]
本稿では,時系列の因果構造探索とグラフニューラルネットワークを用いた行動モデル構築手法を提案する。
本手法を動物園環境におけるメスカットの群落に適用し,今後の行動を予測する能力について検討する。
論文 参考訳（メタデータ） (2023-12-21T23:34:08Z) - LISBET: a machine learning model for the automatic segmentation of social behavior motifs [0.0]
LISBET(LISBET Is a Social BEhavior Transformer)は,社会的相互作用の検出とセグメンテーションのための機械学習モデルである。
身体追跡データを用いた自己教師型学習により,広範囲な人的アノテーションの必要性を排除した。
生体内電気生理学的には,本モデルで同定されたモチーフに対応する腹側歯根膜領域の神経信号が明瞭であった。
論文 参考訳（メタデータ） (2023-11-07T15:35:17Z) - Homomorphism Autoencoder -- Learning Group Structured Representations from Observed Transitions [51.71245032890532]
本研究では,世界に作用するエージェントが,それを修飾する動作と整合した感覚情報の内部表現を学習できるようにする手法を提案する。
既存の作業とは対照的に、我々のアプローチはグループの事前の知識を必要とせず、エージェントが実行可能なアクションのセットを制限しない。
論文 参考訳（メタデータ） (2022-07-25T11:22:48Z) - Drawing out of Distribution with Neuro-Symbolic Generative Models [49.79371715591122]
ドローイング・アウト・オブ・ディストリクト(英: Drawing out of Distribution)は、ストローク・ベース・ドローイングの神経象徴的生成モデルである。
DooDは画像を直接操作するが、監視や高価なテストタイム推論は必要ない。
我々は、データとタスクをまたいだ一般化能力について、DooDを評価した。
論文 参考訳（メタデータ） (2022-06-03T21:40:22Z) - SuperAnimal pretrained pose estimation models for behavioral analysis [42.206265576708255]
行動の定量化は神経科学、獣医学、動物保護活動など様々な応用において重要である。
我々は、SuperAnimalと呼ばれる新しい手法で統一基盤モデルを開発するための一連の技術革新を提案する。
論文 参考訳（メタデータ） (2022-03-14T18:46:57Z) - 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) - Learning interaction rules from multi-animal trajectories via augmented
behavioral models [8.747278400158718]
グランガー因果関係は観測された時系列データから相互作用を分析するための実践的なフレームワークである。
この枠組みは動物行動における生成過程の構造を無視している。
マルチアニマル軌道からグラガー因果関係を学習するための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-07-12T11:33:56Z) - Muti-view Mouse Social Behaviour Recognition with Deep Graphical Model [124.26611454540813]
マウスの社会的行動分析は神経変性疾患の治療効果を評価する貴重なツールである。
マウスの社会行動の豊かな記述を創出する可能性から、ネズミの観察にマルチビュービデオ記録を使用することは、ますます注目を集めている。
本稿では,ビュー固有のサブ構造とビュー共有サブ構造を協調的に学習する,新しい多視点潜在意識・動的識別モデルを提案する。
論文 参考訳（メタデータ） (2020-11-04T18:09:58Z) - Deformation-aware Unpaired Image Translation for Pose Estimation on
Laboratory Animals [56.65062746564091]
我々は,神経回路が行動をどのようにオーケストレーションするかを研究するために,手動による監督を使わずに,神経科学モデル生物のポーズを捉えることを目的としている。
我々の重要な貢献は、未完成の画像翻訳フレームワークにおける外観、形状、ポーズの明示的で独立したモデリングである。
ショウジョウバエ(ハエ)、線虫(線虫)、ダニオ・レリオ(ゼブラフィッシュ)のポーズ推定精度の向上を実証した。
論文 参考訳（メタデータ） (2020-01-23T15:34:11Z)
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。