論文の概要: WildMatch: Weakly Supervised Image Matcher Adaptation for Wildlife Re-Identification
- arxiv url: http://arxiv.org/abs/2610.07384v1
- Date: Mon, 05 Oct 2026 20:54:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.660651
- Title: WildMatch: Weakly Supervised Image Matcher Adaptation for Wildlife Re-Identification
- Title（参考訳）: WildMatch: 野生生物の再同定のための画像マッチング
- Abstract要約: カメラトラップ画像から動物を再同定することは、非侵襲的な野生生物モニタリングの中心である。
本研究では,事前学習したキーポイント・マーカを識別ラベルのみを用いて弱教師付き適応する手法について検討する。
提案手法は,市販のマーカと最先端のローカル-グローバル融合法よりも精度を向上する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Individual animal re-identification from camera-trap imagery is an instance retrieval problem central to non-invasive wildlife monitoring: a query image must retrieve the correct individual from a reference set of known animals. This requires computer vision models to recognize distinctive local patterns in fur, skin, or other visual markings. Current approaches either learn global embeddings as a classification problem, requiring many labeled images per individual while largely ignoring local evidence, or apply off-the-shelf, domain-agnostic image matchers. Although such matchers are pretrained on large and diverse image collections, adapting them to wildlife imagery is challenging because available datasets are small and lack correspondence-level annotations. We study weakly supervised adaptation of a pretrained keypoint matcher using only identity labels, without keypoint-level or geometric correspondence ground truth. We mine informative image pairs with the pretrained matcher, derive weak positive and negative supervision from identity agreement, and contrastively fine-tune the matching network to strengthen correspondences for same-identity pairs and suppress them for different identities. Across open-source wildlife re-identification datasets, our approach improves accuracy over off-the-shelf matchers and a state-of-the-art local--global fusion method. Under an open-world protocol with held-out individuals, it learns a transferable correspondence prior rather than memorizing training identities. To our knowledge, this is the first study of matcher-level, identity-supervised adaptation for animal re-identification. Our method enables data-efficient specialization of image matching models to wildlife domains using identity annotations already available in typical monitoring datasets.
- Abstract（参考訳）: カメラトラップ画像からの個々の動物の再同定は、非侵襲的な野生生物監視の中心となるインスタンス検索問題である:クエリ画像は既知の動物の参照セットから正しい個体を検索しなければならない。
コンピュータビジョンモデルでは、毛皮、皮膚、その他の視覚的マーキングの独特の局所パターンを認識する必要がある。
現在のアプローチでは、グローバルな埋め込みを分類問題として学習し、局所的な証拠をほとんど無視しながら、個々のラベル付き画像を多数必要としたり、あるいは、既製のドメインに依存しないイメージマーカを適用したりしている。
このようなマーカは、大きく多様なイメージコレクションで事前訓練されているが、利用可能なデータセットが小さく、対応レベルのアノテーションが欠けているため、野生生物のイメージに適応することは難しい。
我々は,キーポイントレベルや幾何対応の接地真理を使わずに,識別ラベルのみを用いて事前学習したキーポイントマーカの弱教師付き適応について検討した。
我々は,事前学習したマーカと情報的画像ペアを抽出し,識別契約から弱い正と負の監督を導出し,マッチングネットワークを対照的に微調整し,同一のペアに対する対応を強化し,異なるIDに対して抑制する。
オープンソース野生生物再同定データセット全体において,本手法は市販のマーカと最先端のローカル・グローバル・フュージョン法よりも精度を向上する。
保持された個人によるオープンワールドプロトコルの下では、トレーニングIDを記憶するのではなく、転送可能な対応を学習する。
我々の知る限り、これは動物再同定のためのマーカレベルのアイデンティティ管理適応に関する最初の研究である。
本手法は,一般的なモニタリングデータセットですでに利用可能なIDアノテーションを用いて,画像マッチングモデルの野生生物領域へのデータ効率の高い特殊化を可能にする。
関連論文リスト
- WithEveryone: Unified Planning and Identity Grounding for Group Image Generation [60.528070962852716]
グループイメージを最大10個の参照IDまで生成する統合フレームワークであるWithEveryoneを紹介した。
WithEveryoneは、それぞれの選択したIDをアドレストークンとして注入し、構造化されたID計画を予測する。
GPT-Image-2では0.462から0.499に改善され、コピー・ペースト・アーティファクトは0.169から0.055に削減された。
論文 参考訳（メタデータ） (2026-08-20T17:59:53Z) - DS@GT ARC at AnimalCLEF 2026: Species-Aware Graph Construction for Multi-Species Animal Re-Identification [0.0]
AnimalCLEF 2026へのDS@GT ARCの提出では、再識別のための多種画像クラスタリングシステムが導入されている。
単一の記述子や最寄りの検索に頼る代わりに、このアプローチは種対応グラフ構築として再同定を定式化する。
論文 参考訳（メタデータ） (2026-07-17T18:49:49Z) - Degradation-based augmented training for robust individual animal re-identification [0.8749675983608171]
野生生物の再同定は,その微細な特異な形態的特徴に基づいて,検索画像と予め同定された個体のデータベースとをマッチングすることにより,個体の認識を目的とする。
しかし、画像中のいくつかの分解因子の存在により、個々の野生動物の識別情報が著しく減少することが多い。
そこで我々は,深部特徴抽出器の強化トレーニングフレームワークを導入し,トレーニングセット内の画像に,人工的ではあるが多様な劣化を適用した。
論文 参考訳（メタデータ） (2026-03-04T15:20:00Z) - AnimalClue: Recognizing Animals by their Traces [43.09184077724619]
AnimalClueは、間接的な証拠の画像から種を特定するための最初の大規模なデータセットである。
968種、200家族、65の注文がある。
既存のデータセットとは異なり、AnimalClueは分類、検出、インスタンスセグメンテーションタスクに固有の課題を提示している。
論文 参考訳（メタデータ） (2025-07-27T11:48:03Z) - Revolutionizing Text-to-Image Retrieval as Autoregressive Token-to-Voken Generation [90.71613903956451]
テキスト・ツー・イメージ検索はマルチメディア処理における基本的な課題である。
本稿では,AVGという自己回帰ボウケン生成手法を提案する。
AVGは有効性と有効性の両方において優れた結果が得られることを示す。
論文 参考訳（メタデータ） (2024-07-24T13:39:51Z) - Pseudo-Pair based Self-Similarity Learning for Unsupervised Person
Re-identification [47.44945334929426]
擬似ペアを用いた自己相似学習手法を提案する。
本稿では,画像に擬似ラベルを付与する手法を提案する。
個々の画像から同相性を用いて局所的な識別特徴を学習し、同相性を介して画像間のパッチ対応を検出する。
論文 参考訳（メタデータ） (2022-07-09T04:05:06Z) - Region-level Active Learning for Cluttered Scenes [60.93811392293329]
本稿では,従来の画像レベルのアプローチとオブジェクトレベルのアプローチを一般化した領域レベルのアプローチに仮定する新たな戦略を提案する。
その結果,本手法はラベル付けの労力を大幅に削減し,クラス不均衡や散らかったシーンを生かしたリアルなデータに対する希少なオブジェクト検索を改善することが示唆された。
論文 参考訳（メタデータ） (2021-08-20T14:02:38Z) - Focus on the Positives: Self-Supervised Learning for Biodiversity
Monitoring [9.086207853136054]
ラベルのない画像コレクションから自己教師付き表現を学習する問題に対処する。
我々は,入力画像間の空間的関係や時間的関係などの情報を符号化する,手軽に利用可能なコンテキストデータを利用する。
地球生物多様性監視の重要課題として、人間の監督が限定された視覚的種分類タスクに適応可能な画像特徴があげられる。
論文 参考訳（メタデータ） (2021-08-14T01:12:41Z) - Semi-supervised Keypoint Localization [12.37129078618206]
キーポイントのヒートマップを同時に学習し、不変なキーポイント表現を半監督的に提示することを提案する。
提案手法は,ヒトおよび動物の身体ランドマークの定位に関するいくつかのベンチマークにおいて,従来の手法を著しく上回っている。
論文 参考訳（メタデータ） (2021-01-20T06:23:08Z) - Joint Visual and Temporal Consistency for Unsupervised Domain Adaptive
Person Re-Identification [64.37745443119942]
本稿では,局所的なワンホット分類とグローバルなマルチクラス分類を組み合わせることで,視覚的・時間的整合性を両立させる。
3つの大規模ReIDデータセットの実験結果は、教師なしと教師なしの両方のドメイン適応型ReIDタスクにおいて提案手法の優位性を示す。
論文 参考訳（メタデータ） (2020-07-21T14:31:27Z) - High-Order Information Matters: Learning Relation and Topology for
Occluded Person Re-Identification [84.43394420267794]
本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。
我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
論文 参考訳（メタデータ） (2020-03-18T12:18:35Z)
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。