标注亦无免费午餐：对简化动物追踪标注的基础模型进行客观评估
计算机视觉与模式识别
2025-02-07 v1
摘要
我们分析了基础模型在解决动物追踪中繁琐的标注生成任务方面的能力。标注大量数据至关重要，并且可能是决定追踪模型鲁棒性的关键因素。鲁棒性在动物追踪中尤为关键，因为长时间范围内的精确追踪对于捕捉动物行为至关重要。然而，使用基础模型生成额外的标注可能适得其反，因为标注的质量同样重要。标注质量差的数据会引入噪声和不准确性，最终损害训练模型的性能和准确性。在未确保精确性的情况下过度依赖自动标注可能导致结果不佳，因此在标注过程中进行仔细的监督和质量控制至关重要。最终，我们证明，将自动标注与人工标注数据进行深思熟虑的结合是一种有价值的策略，其 IDF1 得分为 80.8，而盲目使用 SAM2 视频的 IDF1 得分为 65.6。
引用
@article{arxiv.2502.03907,
title = {No Free Lunch in Annotation either: An objective evaluation of foundation models for streamlining annotation in animal tracking},
author = {Emil Mededovic and Valdy Laurentius and Yuli Wu and Marcin Kopaczka and Zhu Chen and Mareike Schulz and René Tolba and Johannes Stegmaier},
journal= {arXiv preprint arXiv:2502.03907},
year = {2025}
}
备注
\c{opyright} 2025 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works