論文の概要: What Does Animal Re-Identification Learn? Linear Biological Concepts and Their Origins in Visual Representations
- arxiv url: http://arxiv.org/abs/2609.06020v1
- Date: Sat, 05 Sep 2026 10:46:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.18188
- Title: What Does Animal Re-Identification Learn? Linear Biological Concepts and Their Origins in Visual Representations
- Title（参考訳）: 動物再同定とは何か : 視覚表現における線形生物学的概念とその起源
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 52.11506532642883
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conservation increasingly relies on camera traps that collect more wildlife imagery than experts can manually analyze, making animal re-identification (Re-ID) essential for monitoring individuals and populations. Yet understanding which cues drive model decisions is challenging for ViT-based Re-ID models, whose metric-learning objectives provide no explicit supervision for biological concepts. We ask whether such models nonetheless organize their representations along biologically meaningful axes. Using a DINOv3 backbone fine-tuned for Western lowland gorilla Re-ID with triplet-margin loss, we find that sex and age emerge as linear directions that generalize to held-out individuals, reaching up to 0.91 AUROC and being recoverable from a single image per individual. Activation steering further shows that the sex direction is causally used by the model, flipping a significant fraction of predictions to the opposite sex. Comparing off-the-shelf and fine-tuned backbones shows that Re-ID training does not create these concepts, but relocates them across the network. Finally, data attribution reveals that the representation we find reflects a graded biological axis, is redundantly encoded across the population and shaped by visually ambiguous individuals. Together, these findings show how interpretability can uncover both the biological structure and failure modes of Re-ID representations, providing a step toward auditable computer vision for wildlife monitoring.
- Abstract（参考訳）: 保護は、専門家が手動で分析できるよりも多くの野生動物の画像を集めるカメラトラップにますます依存しており、個人や人口を監視するために動物の再識別(Re-ID)が不可欠である。
しかし、ViTベースのRe-IDモデルでは、モデル決定を駆動する方法を理解することは困難である。
このようなモデルが生物学的に意味のある軸に沿ってそれらの表現を整理するかどうかを問う。
DINOv3のバックボーンを用いて、トリプルトマージン損失を伴う西部低地ゴリラRe-IDを微調整し、性別と年齢が、保持された個体に一般化し、最大0.91AUROCに達し、個体ごとに1つの画像から回復できる線形方向として現れることを発見した。
さらに、アクティベーションステアリングは、性指向がモデルによって因果的に使用され、かなりの数の予測を反対の性に反転させることを示している。
既製のバックボーンと微調整されたバックボーンを比較すると、Re-IDトレーニングはこれらの概念を創出せず、ネットワーク全体に再配置することを示している。
最後に、データ属性は、私たちが見いだす表現が、段階的な生物学的軸を反映し、人口にわたって冗長に符号化され、視覚的にあいまいな個人によって形成されていることを明らかにする。
これらの知見は,Re-ID表現の生物学的構造と障害モードの両方を解釈し,野生生物モニタリングのための監査可能なコンピュータビジョンへの一歩となることを示す。
関連論文リスト
- Autonomous UAV Navigation for Individual Wildlife Re-Identification [0.350327094468706]
本稿では、下流のre-IDに対して、画像キャプチャーを積極的に最適化する自律型ドローンナビゲーションシステムを提案する。
このシステムは、YOLOv11オブジェクト検出とDINOv2ベースのポーズを組み合わせて、リアルタイム飛行決定を導く。
本手法はキリン,トラ,ゾウなどの診断面パターンを持つ他の種に一般化されていることを示す。
論文 参考訳（メタデータ） (2026-06-30T14:56:04Z) - 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) - Wildlife Target Re-Identification Using Self-supervised Learning in Non-Urban Settings [0.0]
野生生物の再同定は、異なる観察で同じ種の個体をマッチングすることを目的としている。
現在のSOTA(State-of-the-art)モデルは、個々の分類のための教師付きモデルを訓練するためにクラスラベルに依存している。
本研究では,野生生物の再同定のための自己教師型学習(SSL)について検討する。
論文 参考訳（メタデータ） (2025-07-03T07:56:54Z) - SD-ReID: View-aware Stable Diffusion for Aerial-Ground Person Re-Identification [74.36139886192495]
本稿では,AG-ReID のための SD-ReID という新しい生成フレームワークを提案する。
まず、ViTベースのモデルを用いて人物表現を抽出し、個人性や視認性を含む制御可能な条件を抽出する。
次に、安定拡散(SD)モデルを微調整し、これらの制御可能な条件によって導かれる人物表現を強化する。
論文 参考訳（メタデータ） (2025-04-13T12:44:50Z) - An Individual Identity-Driven Framework for Animal Re-Identification [15.381573249551181]
IndivAIDはAnimal ReID用に特別に設計されたフレームワークである。
画像特異的で個人固有のテキスト記述を生成し、動物画像を通して個々の視覚概念をフルにキャプチャする。
8つのベンチマークデータセットと現実世界のStoatデータセットにわたる最先端メソッドに対する評価は、IndivAIDの有効性と適用性を示している。
論文 参考訳（メタデータ） (2024-10-30T11:34:55Z) - When Does Perceptual Alignment Benefit Vision Representations? [76.32336818860965]
視覚モデル表現と人間の知覚的判断との整合がユーザビリティに与える影響について検討する。
モデルと知覚的判断を一致させることで、多くの下流タスクで元のバックボーンを改善する表現が得られることがわかった。
その結果,人間の知覚的知識に関する帰納バイアスを視覚モデルに注入することは,より良い表現に寄与することが示唆された。
論文 参考訳（メタデータ） (2024-10-14T17:59:58Z) - PoseBench: Benchmarking the Robustness of Pose Estimation Models under Corruptions [57.871692507044344]
ポース推定は、単眼画像を用いて人や動物の解剖学的キーポイントを正確に同定することを目的としている。
現在のモデルは一般的に、クリーンなデータに基づいてトレーニングされ、テストされる。
実世界の腐敗に対するポーズ推定モデルの堅牢性を評価するためのベンチマークであるPoseBenchを紹介する。
論文 参考訳（メタデータ） (2024-06-20T14:40:17Z) - Addressing the Elephant in the Room: Robust Animal Re-Identification with Unsupervised Part-Based Feature Alignment [44.86310789545717]
動物型Re-IDは野生生物の保護に不可欠だが、人間型Re-IDと比較すると独特な課題に直面している。
本研究では,学習段階と評価段階の背景を体系的に除去する手法を提案することにより,背景バイアスに対処する。
本手法は,ATRW,YakReID-103,ELPephantsの3種の動物Re-IDデータセットにおいて優れた結果が得られる。
論文 参考訳（メタデータ） (2024-05-22T16:08:06Z) - 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) - Fully Unsupervised Person Re-identification viaSelective Contrastive
Learning [58.5284246878277]
人物再識別(ReID)は、様々なカメラが捉えた画像の中から同一人物を検索することを目的としている。
教師なし特徴学習のための新しい選択型コントラスト学習フレームワークを提案する。
その結果,教師なしのReIDにおける手法の優位性について,最先端技術と比較した。
論文 参考訳（メタデータ） (2020-10-15T09:09:23Z) - Appearance Consensus Driven Self-Supervised Human Mesh Recovery [67.20942777949793]
単眼画像から人間のポーズや形状を推定する自己教師付きメッシュ回復フレームワークを提案する。
標準モデルに基づく3次元ポーズ推定ベンチマークの最先端結果を得る。
その結果、色付きメッシュ予測により、ポーズや形状推定以外にも、さまざまな外観関連タスクにフレームワークの使用が開放される。
論文 参考訳（メタデータ） (2020-08-04T05:40:39Z)
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。