論文の概要: When One Modality Is Not Enough: Multimodal Sex and Life-Stage Classification of Red Deer from Aerial RGB-Thermal Video

• arxiv url: http://arxiv.org/abs/2608.06973v1
• Date: Fri, 07 Aug 2026 08:47:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.423466
• Title: When One Modality Is Not Enough: Multimodal Sex and Life-Stage Classification of Red Deer from Aerial RGB-Thermal Video
• Title（参考訳）: 一つのモダリティが不十分な場合:マルチモーダルセックスと空中RGBサーマルビデオからのレッド鹿のライフステージ分類
• Abstract要約: 個体群動態は、種組成、性別比、年齢構造、すなわちどの種が存在するか、そして群れが成体雄、成体雌、幼体にどのように分裂するかによって定義される。 テストケースには赤い鹿が使われています。なぜならマネージャはこれらのダイナミクスに作用し、そして大人の男性を定義する可視的なキュー、すなわちアントラーは季節によって変動するためです。 いずれかのモダリティのみを信頼するのではなく、自己監督型DINOv3機能を使って各段階でそれらを融合する。
• 参考スコア（独自算出の注目度）: 7.157803005183009
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aerial drone surveys increasingly support wildlife population estimation, yet a useful census is more than a count: population dynamics are defined by species composition, sex ratios and age structure, that is, by which species are present and how a herd splits into adult males, adult females and juveniles. We use red deer ($\textit{Cervus elaphus}$) as a test case, because managers act on these dynamics and because the visible cue defining adult males, the antlers, is seasonally variable. Surveys are flown nadir, high enough not to disturb the animals, so each deer occupies only a small, low-resolution patch. The two recording modalities fail in opposite conditions: in color a deer under canopy blends into the ground, while in thermal it becomes a bright blob that loses fine detail. Rather than trust either modality alone, we fuse them at every stage using self-supervised DINOv3 features. Our pipeline tracks animals in both modalities, treats an animal as confirmed only when the two cameras agree, keeps only the clear, non-occluded frames, and assigns species and sex by a vote across them; life stage is read separately from geo-referenced body size, since at survey resolution a juvenile often only differs from an adult female in size. Across four flights spanning the antler season the fused pipeline correctly classifies 25 of the 26 detected individuals (7 of 8 adult males, all 16 adult females and 2 juveniles), against 20 of 26 for either sensor alone. Multimodal species classification reaches 96.0%, while for sex classification fusing the two sensors matters most: the combined RGB+thermal model is the most robust across environments and seasons. Automating the demographic classification turns a drone flight from a count into a repeatable reading of herd structure, so the sex ratios and age structure that managers already act on can be gathered as often as a survey can be flown.
• Abstract（参考訳）: 人口動態は種組成、性別比、年齢構造によって定義されており、どの種が存在するか、そして群れが成体雄、成体雌、幼体にどのように分裂するかによって定義される。 テストケースとして赤鹿(\textit{Cervus elaphus}$)を使用します。 調査は動物を邪魔しないほど高く飛んでいるため、それぞれのシカは小さくて低解像度のパッチしか持っていない。 2つの記録モードは反対の条件で失敗し、色はキャノピーの下でシカが地面に溶け込むのに対して、熱は鮮やかなブロブとなり細部が失われる。 いずれかのモダリティのみを信頼するのではなく、自己監督型DINOv3機能を使って各段階でそれらを融合する。 我々のパイプラインは、動物を両方のモードで追跡し、2つのカメラが一致したときのみ動物を治療し、クリアで非排除されたフレームのみを保持し、投票によって種と性別を割り当てます。 アントラーシーズンの4回の飛行で、融合パイプラインは検出された26人のうち25人(成人男性8人中7人、成人女性16人、青少年2人)を、センサー単独で26人中20人に対して正しく分類した。 マルチモーダル種分類は96.0%に達し、性分類では2つのセンサーを融合させることが最も重要であり、RGB+熱モデルの組み合わせは環境と季節でもっとも堅牢である。 分類の自動化は、ドローンの飛行をカウントから繰り返し行われる群れ構造へと変えるため、管理者が既に行動している性別比と年齢構造は、調査が実施される度に収集することができる。

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)
• 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)
• Matched Outcomes, Divergent Gaze: How Foveated MLLMs Search Compared to Humans [50.71222402701153]
  目標指向検索(COCO-Search18)における3つの汎用大言語モデル(MLLM)と人間の眼球運動スキャンパスを比較した。 いずれも低エントロピー、大振幅、自己整合性のスキャンパスであり、2人の人間が互いに同意するよりもはるかに近い。 このギャップは、回答アライメントとサリエンシのメトリクスが測定できないプロセス軸の上に置かれている。それらが見逃しているため、そのような指標は人間のようなビジョンを証明できない。ゼロショットモデルは結果と空間的疑問に適合するが、時間的、プロセスレベルではない。
  論文  参考訳（メタデータ） (2026-08-17T12:54:39Z)
• Oh Deer, How Should I Handle This? Seasonal Priors for Selective Wildlife Annotation and Classification [6.534564276078739]
  我々は,アダルト・メイル・アイデンティティをレッドシカで調査し,そこではアントラー・サイクルが信頼できる証拠の予測可能な窓を定義する。 その結果,季節構造リンク (I) アノテーションの品質, (II) 下流分類, (III) 選択予測が得られた。
  論文  参考訳（メタデータ） (2026-08-03T18:05:47Z)
• Advancing Wildlife Monitoring: Drone-Based Sampling for Roe Deer Density Estimation [0.903415485511869]
  無人のドローンを使ってオーストリア南東部の野生生物の密度を推定します。 熱(IR)とRGB画像を使用することで、ドローンは効率よく非侵襲的な動物計数を可能にする。
  論文  参考訳（メタデータ） (2025-08-05T15:14:30Z)
• Adultification Bias in LLMs and Text-to-Image Models [55.02903075972816]
  若い女性の人種やジェンダーの軸に沿った偏見について研究する。 我々は「文化バイアス」に焦点を当てており、黒人の女の子は白人の仲間よりも、より排他的で、性的に親密で、教育可能であると推定される現象である。
  論文  参考訳（メタデータ） (2025-06-08T21:02:33Z)
• Feedforward Few-shot Species Range Estimation [61.60698161072356]
  特定の種が地球上でどこで発見できるかを知ることは、生態学の研究と保全に不可欠である。 正確な射程推定は 知られている全ての種の 比較的小さな割合でしか 利用できない 我々は、限られたデータから種の範囲を正確に推定するという課題に対処するために、数発の種範囲推定の新しいアプローチを概説する。
  論文  参考訳（メタデータ） (2025-02-20T19:13:29Z)
• Gaining Explainability from a CNN for Stereotype Detection Based on Mice Stopping Behavior [1.7621868098272222]
  我々は、各個体の停止点の連続を通して、マウスの年齢/性別を明らかにする形質を特定することに重点を置いている。 メスのマウスは、より認識可能な行動パターンを示し、90%以上の分類精度に達する。 雄、特に幼体は、幼体と成体の間に振動する行動パターンを示す。
  論文  参考訳（メタデータ） (2024-12-06T16:22:00Z)
• Comparing Male Nyala and Male Kudu Classification using Transfer Learning with ResNet-50 and VGG-16 [0.0]
  本稿では,プレトレーニングモデル,特にVGG-16およびResNet-50モデルの自然環境におけるオスのクドゥとオスのニヤラの同定における効率について検討する。 実験結果はVGG-16とResNet-50でそれぞれ93.2%と97.7%の精度を達成し、微調整後に両モデルで97.7%を達成した。
  論文  参考訳（メタデータ） (2023-11-10T10:43:46Z)
• Analysing race and sex bias in brain age prediction [18.68533487971233]
  本稿では,サブグループ性能解析と特徴検査を行うことにより,一般的なResNet-34モデルを解析する。 その結果,黒,白,黒,アジア,男女の予測性能に統計的に有意な差が認められた。
  論文  参考訳（メタデータ） (2023-09-19T14:40:19Z)
• General vs. Long-Tailed Age Estimation: An Approach to Kill Two Birds with One Stone [48.849311629912734]
  本稿では, GLAE という, シンプルで効果的で柔軟な訓練パラダイムを提案する。 私たちのGLAEはMorph IIを驚くほど改善し、それぞれ1.14年と1.27年で最低のMAEとCMAEに達した。
  論文  参考訳（メタデータ） (2023-07-19T16:51:59Z)
• VisoGender: A dataset for benchmarking gender bias in image-text pronoun resolution [80.57383975987676]
  VisoGenderは、視覚言語モデルで性別バイアスをベンチマークするための新しいデータセットである。 We focus to occupation-related biases in a hegemonic system of binary gender, inspired by Winograd and Winogender schemas。 我々は、最先端の視覚言語モデルをいくつかベンチマークし、それらが複雑な場面における二項性解消のバイアスを示すことを発見した。
  論文  参考訳（メタデータ） (2023-06-21T17:59:51Z)
• Florida Wildlife Camera Trap Dataset [48.99466876948454]
  フロリダ州南西部の2つの異なる場所から収集された野生生物カメラトラップ分類データセットについて紹介する。 データセットは104,495枚の画像からなり、視覚的に類似した種、様々な照明条件、スキュードクラス分布、絶滅危惧種のサンプルを含む。
  論文  参考訳（メタデータ） (2021-06-23T18:53:15Z)

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。