ChimpACT：用于理解黑猩猩行为的纵向数据集
计算机视觉与模式识别
2023-10-26 v1
摘要
理解非人灵长类动物的行为对于改善动物福利、建模社会行为以及洞察人类特有与系统发育共享的行为至关重要。然而，非人灵长类行为数据的缺乏阻碍了对灵长类社会互动的深入探索，对我们最亲近的现存亲属的研究构成挑战。为应对这些局限，我们提出ChimpACT，一个用于量化社会群体中黑猩猩纵向行为与社会关系的综合数据集。ChimpACT涵盖2015至2018年，特征为德国莱比锡动物园一群逾20只黑猩猩的视频，特别聚焦于记录一只年轻雄性Azibo的发育轨迹。ChimpACT兼具综合性与挑战性，由163段视频组成，累计160,500帧，每帧均富含检测、识别、姿态估计与细粒度时空行为标签标注。我们在ChimpACT上基准测试了三条轨道的代表性方法：（i）跟踪与识别，（ii）姿态估计，（iii）黑猩猩的时空动作检测。实验表明，ChimpACT为设计新方法及适配现有方法以解决应用于黑猩猩群体的基础计算机视觉任务（如检测、姿态估计与行为分析）提供了充分机会，最终深化我们对非人灵长类交流与社会性的理解。
引用
@article{arxiv.2310.16447,
title = {ChimpACT: A Longitudinal Dataset for Understanding Chimpanzee Behaviors},
author = {Xiaoxuan Ma and Stephan P. Kaufhold and Jiajun Su and Wentao Zhu and Jack Terwilliger and Andres Meza and Yixin Zhu and Federico Rossano and Yizhou Wang},
journal= {arXiv preprint arXiv:2310.16447},
year = {2023}
}
备注
NeurIPS 2023