面向少样本的馈前 species range 估计
计算机视觉与模式识别
2025-06-09 v2 机器学习
摘要
知道特定物种在地球上能否被找到的位置对于生态研究和保护工作至关重要。通过绘制所有物种的空间范围，我们将获得关于气候变化和栖息地丧失如何影响全球生物多样性的更深入见解。然而，仅有相对较小比例的已知物种才能获得准确的范围估计。对于大多数剩余物种，我们通常只有少量记录，指明它们之前观察到的空间位置。我们概述了一种新的少样本物种范围估计方法，以解决仅能从有限数据准确估计物种范围的挑战。在推理期间，模型以一组空间位置作为输入，或可选地包括文本或图像等 metadata，然后输出一种 species 编码，可用于以馈前方式预测 previously 从未见过的物种的范围。我们在两个具有挑战性的基准数据集上对该方法进行评估，在计算时间大幅缩短的情况下，获得了相较于 recent 备选方法的最先进范围估计性能。
引用
@article{arxiv.2502.14977,
title = {Feedforward Few-shot Species Range Estimation},
author = {Christian Lange and Max Hamilton and Elijah Cole and Alexander Shepard and Samuel Heinrich and Angela Zhu and Subhransu Maji and Grant Van Horn and Oisin Mac Aodha},
journal= {arXiv preprint arXiv:2502.14977},
year = {2025}
}
备注
Published in the Proceedings of the 42nd International Conference on Machine Learning (ICML 2025)