アニマルクルー：痕跡による動物の識別
AnimalClue: Recognizing Animals by their Traces
July 27, 2025
著者: Risa Shinoda, Nakamasa Inoue, Iro Laina, Christian Rupprecht, Hirokatsu Kataoka
cs.AI
要旨
野生生物観察は生物多様性保全において重要な役割を果たしており、野生生物個体群や種間相互作用をモニタリングするための堅牢な方法論が求められている。近年のコンピュータビジョンの進展は、動物検出や種識別といった基本的な野生生物観察タスクの自動化に大きく貢献している。しかし、足跡や糞などの間接的な証拠から種を正確に識別することは、野生生物モニタリングへの貢献において重要であるにもかかわらず、比較的未開拓の領域である。このギャップを埋めるため、我々は間接的な証拠の画像から種を識別するための初の大規模データセットであるAnimalClueを紹介する。このデータセットは、足跡、糞、卵、骨、羽毛の5つのカテゴリーにわたる159,605のバウンディングボックスで構成され、968種、200科、65目をカバーしている。各画像には種レベルのラベル、バウンディングボックスまたはセグメンテーションマスク、活動パターンや生息地選好性などの詳細な特性情報が注釈付けされている。既存のデータセットが主に直接的な視覚的特徴（例：動物の外観）に焦点を当てているのに対し、AnimalClueはより詳細で微妙な視覚的特徴を認識する必要があるため、分類、検出、インスタンスセグメンテーションタスクにおいて独特の課題を提示する。実験では、代表的なビジョンモデルを広範に評価し、痕跡からの動物識別における主要な課題を特定した。データセットとコードはhttps://dahlian00.github.io/AnimalCluePage/で公開されている。
English
Wildlife observation plays an important role in biodiversity conservation,
necessitating robust methodologies for monitoring wildlife populations and
interspecies interactions. Recent advances in computer vision have
significantly contributed to automating fundamental wildlife observation tasks,
such as animal detection and species identification. However, accurately
identifying species from indirect evidence like footprints and feces remains
relatively underexplored, despite its importance in contributing to wildlife
monitoring. To bridge this gap, we introduce AnimalClue, the first large-scale
dataset for species identification from images of indirect evidence. Our
dataset consists of 159,605 bounding boxes encompassing five categories of
indirect clues: footprints, feces, eggs, bones, and feathers. It covers 968
species, 200 families, and 65 orders. Each image is annotated with
species-level labels, bounding boxes or segmentation masks, and fine-grained
trait information, including activity patterns and habitat preferences. Unlike
existing datasets primarily focused on direct visual features (e.g., animal
appearances), AnimalClue presents unique challenges for classification,
detection, and instance segmentation tasks due to the need for recognizing more
detailed and subtle visual features. In our experiments, we extensively
evaluate representative vision models and identify key challenges in animal
identification from their traces. Our dataset and code are available at
https://dahlian00.github.io/AnimalCluePage/