从粗粒度到细粒度动物动作识别综述
计算机视觉与模式识别
2025-06-03 v1 人工智能
摘要
本综述深入探讨了动物动作识别领域，重点关注粗粒度 (CG) 和细粒度 (FG) 技术。主要目的是检视动物行为识别的研究现状，并阐明在户外环境中识别细微动物动作所面临的独特挑战。由于非刚性身体结构、频繁遮挡以及缺乏大规模标注数据集等因素，这些挑战与人类动作识别中遇到的挑战存在显著差异。综述首先讨论了更为成熟的人类动作识别领域的演变，强调了其如何从受控环境下的宽泛粗粒度动作发展到动态环境中对细粒度识别的需求。这种转变与动物动作识别尤为相关，因为行为变异性和环境复杂性带来了以人为中心的模型无法完全解决的独特挑战。随后，综述强调了人类与动物动作识别之间的关键差异，重点关注种内高变异性、非结构化数据集以及动物栖息地的自然复杂性。评估了时空深度学习框架（如 SlowFast）在动物行为分析中的有效性，以及现有数据集的局限性。通过评估当前方法的优缺点并引入一个最新发布的数据集，本综述概述了推进细粒度动作识别的未来方向，旨在提高跨物种行为分析的准确性和泛化能力。
引用
@article{arxiv.2506.01214,
title = {A Review on Coarse to Fine-Grained Animal Action Recognition},
author = {Ali Zia and Renuka Sharma and Abdelwahed Khamis and Xuesong Li and Muhammad Husnain and Numan Shafi and Saeed Anwar and Sabine Schmoelzl and Eric Stone and Lars Petersson and Vivien Rolland},
journal= {arXiv preprint arXiv:2506.01214},
year = {2025}
}