AnimalClue：通过动物痕迹识别动物
计算机视觉与模式识别
2025-07-29 v1
摘要
野生动物观察在生物多样性保护中发挥着重要作用，需要稳健的方法来监测野生动物种群和种间互动。计算机视觉的最新进展显著促进了动物检测和物种识别等基础野生动物观察任务的自动化。然而，尽管对野生动物监测具有重要意义，但从脚印和粪便等间接证据中准确识别物种仍相对缺乏探索。为了弥补这一空白，我们引入了 AnimalClue，这是首个用于从间接证据图像中进行物种识别的大规模数据集。我们的数据集包含 159,605 个边界框，涵盖五类间接线索：脚印、粪便、卵、骨骼和羽毛。它涵盖了 968 个物种、200 个科和 65 个目。每张图像都标注有物种级标签、边界框或分割掩码，以及细粒度的特征信息，包括活动模式和栖息地偏好。与主要关注直接视觉特征（例如动物外观）的现有数据集不同，AnimalClue 由于需要识别更详细和微妙的视觉特征，对分类、检测和实例分割任务提出了独特的挑战。在我们的实验中，我们广泛评估了具有代表性的视觉模型，并识别了从动物痕迹中识别动物的关键挑战。我们的数据集和代码可在 https://dahlian00.github.io/AnimalCluePage/ 获取。
引用
@article{arxiv.2507.20240,
title = {AnimalClue: Recognizing Animals by their Traces},
author = {Risa Shinoda and Nakamasa Inoue and Iro Laina and Christian Rupprecht and Hirokatsu Kataoka},
journal= {arXiv preprint arXiv:2507.20240},
year = {2025}
}
备注
ICCV2025 Highlight