PlayClass：鸡类自动玩耍行为分类
计算机视觉与模式识别
2026-05-27 v1
摘要
自动监测动物福利主要针对消极指标，留下了对积极福利行为（如玩耍）的探索不足。为弥补这一差距，我们提出了 PlayClass—a 从顶部视角获取的鸡类玩耍行为分类管线。该管线利用 SAM 3 通过 YOLO 指导的块边界进行长期跟踪，以最小化基于点的提示中的身份错误，并使用来自图像和视频基础模型的冻结嵌入进行玩耍动作分类。尽管仅使用跟踪的掩码提取的手工运动特征在准确率方面取得了具竞争力的结果，V-JEPA 2.1 在所有模型规模中一致优于其他所有模型，达到了 77.0 的宏平均 F1 分数。尽管有此结果，但数据集仍然具有挑战性，因为玩耍子类型与非玩耍行为以及鸟间遮挡共享类似的运动轮廓。总体而言，我们的工作为鸡类玩耍行为分类的自动化框架提供了令人鼓舞的证据。
引用
@article{arxiv.2605.27304,
title = {PlayClass: Automated Play Behaviour Classification in Poultry},
author = {Prince Ravi Leow and Neil Scheidwasser and Rebecca Oscarsson and Per Jensen and Samir Bhatt and David Alejandro Duchêne},
journal= {arXiv preprint arXiv:2605.27304},
year = {2026}
}
备注
Accepted at CV4Animals Workshop @ CVPR 2026