MOO：用于牛只跨视图重识别的多视图定向观测数据集
计算机视觉与模式识别
2026-05-29 v2 人工智能
摘要
动物重识别（ReID）面临因视角变化而导致的严重挑战，尤其是在空中-地面（AG-ReID）场景中，模型必须在剧烈的高度变化之间匹配个体。然而，现有数据集缺乏对这些几何变异进行系统性分析所需的精确角度标注。为此，我们引入了多视图定向观测（MOO）数据集，这是一个规模为 头牛只、来自 个均匀抽样视角（ 张标注图像）的人工合成 AG-ReID 数据集。借助该受控数据集，我们量化了高度变化的影响，并识别出关键高度阈值，超过该阈值后，模型对未见视角的泛化性能显著提升。最后，我们在零样态和监督设置下验证了在四个真实世界牛只数据集上的迁移性，显示性能提升，确认合成几何先验有效弥合了领域差距。总体而言，本数据集和分析为未来在跨视图动物 ReID 中的模型开发奠定了基础。MOO 数据集已公开于 https://github.com/TurtleSmoke/MOO。
引用
@article{arxiv.2603.04314,
title = {MOO: A Multi-view Oriented Observations Dataset for Viewpoint Analysis in Cattle Re-Identification},
author = {William Grolleau and Achraf Chaouch and Astrid Sabourin and Guillaume Lapouge and Catherine Achard},
journal= {arXiv preprint arXiv:2603.04314},
year = {2026}
}
备注
6 pages, 3 figures, accepted to the CVPR 2026 Workshop on Computer Vision for Animal Behavior Tracking and Modeling (CV4Animals)