Mouse Lockbox 数据集：小鼠解谜行为识别

机器学习和计算机视觉方法在自然动物行为研究中发挥着重要作用，使我们能够（半）自动地分析大量视频数据。小鼠是大多数研究领域的标准哺乳动物模型，但当今可用的数据集要么聚焦于简单行为，要么聚焦于社交行为。本文提出一种小鼠解谜复杂机械拼图（即锁盒）的视频数据集。总计超过110小时的游戏时间显示其行为从三个不同视角进行记录。作为面向帧级动作分类方法的基准，我们为两个不同小鼠的所有视频提供了人工标注标签，占我们数据集的13%。我们基于关键点（姿态）跟踪的动作分类框架揭示了自动标注细粒度行为（如对象操作）的挑战。我们希望本工作能帮助推动计算神经科学社区中自动化动作和行为分类的进步。该数据集已公开于 https://doi.org/10.14279/depositonce-23850。