使用低成本相机陷阱和视觉基础模型追踪夏威夽云林林中的生态现象与互动
计算机视觉与模式识别
2026-03-10 v1
摘要
植物现象学，即研究叶出、开花或结果等周期性事件的研究，对生态学具有广泛影响，但在热带地区尤其是广泛缺乏研究。图像分析大大提高了遥感现象监测，但仍然具有挑战——在individual层面捕捉现象仍然困难。在本项目中，我们在夏威夽普乌·马卡阿纳自然区保留地部署了低成本、动物触发的相机陷阱，以同时记录植物现象和植物-动物互动。通过结合基础视觉模型和传统计算机视觉方法，我们测量了与现场观察相当的现象趋势，且无需依赖监督学习技术。这些来自相机陷阱图像的细粒度现象测量揭示了比传统抽样更能检测到的趋势。当结合来自图像检测的详细访问数据时，这些趋势可开始阐明植物现象和动物生态的驱动因素。
引用
@article{arxiv.2603.07817,
title = {Tracking Phenological Status and Ecological Interactions in a Hawaiian Cloud Forest Understory using Low-Cost Camera Traps and Visual Foundation Models},
author = {Luke Meyers and Anirudh Potlapally and Yuyan Chen and Mike Long and Tanya Berger-Wolf and Hari Subramoni and Remi Megret and Daniel Rubenstein},
journal= {arXiv preprint arXiv:2603.07817},
year = {2026}
}