基于自监督解耦姿态表示的马匹疼痛行为分类
计算机视觉与模式识别
2021-08-31 v1
摘要
及时检测马匹疼痛对马福利十分重要。马通过面部与身体行为表达疼痛，但可能对不熟悉的人类观察者隐藏疼痛迹象。此外，收集带有马行为与疼痛状态详细标注的视觉数据既繁琐又难以规模化。因此，一个务实的马匹疼痛分类系统将使用未受观测马的视频与弱标签。本文提出这样一种马匹疼痛分类方法：利用诱发骨科疼痛的未受观测马的多视角监控视频片段，以及时间上稀疏的视频级疼痛标签。为确保仅从马的身体语言学习疼痛，我们首先训练一个自监督生成模型，将马姿态与其外观和背景解耦，之后再使用解耦的马姿态潜表示进行疼痛分类。为充分利用疼痛标签，我们开发了一种新颖损失，将疼痛分类表述为多示例学习问题。我们的方法以60%准确率取得优于人类专家表现的疼痛分类精度。所学潜马姿态表示被证明是视角协变的，且与马外观解耦。对疼痛分类片段的定性分析显示，我们的模型所识别的疼痛症状与兽医实践中使用的马疼痛量表相对应。
引用
@article{arxiv.2108.13258,
title = {Equine Pain Behavior Classification via Self-Supervised Disentangled Pose Representation},
author = {Maheen Rashid and Sofia Broomé and Katrina Ask and Elin Hernlund and Pia Haubro Andersen and Hedvig Kjellström and Yong Jae Lee},
journal= {arXiv preprint arXiv:2108.13258},
year = {2021}
}