AnimalClue: 흔적을 통해 동물을 인식하기

초록

야생동물 관찰은 생물다양성 보전에 중요한 역할을 하며, 야생동물 개체군 및 종간 상호작용을 모니터링하기 위한 견고한 방법론이 필요합니다. 최근 컴퓨터 비전의 발전은 동물 탐지 및 종 식별과 같은 기본적인 야생동물 관찰 작업의 자동화에 크게 기여해 왔습니다. 그러나 발자국이나 배설물과 같은 간접적 증거로부터 종을 정확하게 식별하는 것은 야생동물 모니터링에 기여하는 데 중요함에도 불구하고 상대적으로 덜 탐구된 분야로 남아 있습니다. 이러한 격차를 해소하기 위해, 우리는 간접적 증거 이미지로부터 종을 식별하기 위한 첫 번째 대규모 데이터셋인 AnimalClue를 소개합니다. 우리의 데이터셋은 발자국, 배설물, 알, 뼈, 깃털 등 다섯 가지 범주의 간접적 단서를 포함하는 159,605개의 바운딩 박스로 구성되어 있습니다. 이 데이터셋은 968종, 200과, 65목을 포괄합니다. 각 이미지는 종 수준의 라벨, 바운딩 박스 또는 세그멘테이션 마스크, 그리고 활동 패턴 및 서식지 선호도와 같은 세부적인 특성 정보로 주석 처리되어 있습니다. 기존의 데이터셋이 주로 동물의 외형과 같은 직접적인 시각적 특징에 초점을 맞추고 있는 반면, AnimalClue는 더 세밀하고 미묘한 시각적 특징을 인식해야 하는 분류, 탐지, 인스턴스 세그멘테이션 작업에 있어 독특한 도전 과제를 제시합니다. 우리의 실험에서는 대표적인 비전 모델을 광범위하게 평가하고, 동물의 흔적로부터 종을 식별하는 데 있어 주요 도전 과제를 식별했습니다. 우리의 데이터셋과 코드는 https://dahlian00.github.io/AnimalCluePage/에서 확인할 수 있습니다.

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/

AnimalClue: 흔적을 통해 동물을 인식하기

AnimalClue: Recognizing Animals by their Traces

초록

Support