野生环境中的零样本多动物跟踪
计算机视觉与模式识别
2025-11-05 v1
摘要
多动物跟踪是理解动物生态学和行为的关键任务，但由于栖息地、运动模式和物种外观的差异，仍是一个具有挑战性的任务。传统方法通常需要针对每个应用场景进行大量模型微调和启发式设计。在本工作中，我们探索了最近视觉基础模型在零样本多动物跟踪中的潜力。通过将 Grounding Dino 目标检测器与 Segment Anything Model 2（SAM 2）跟踪器结合并设计了 carefully 的启发式方法，我们开发了一个可应用于新数据集而无需任何重新训练或超参数调整的跟踪框架。在 ChimpAct、Bird Flock Tracking、AnimalTrack 和 GMOT-40 子集上的评估表明，该方法在多样化的物种和环境中表现出强大且一致的性能。代码可在 https://github.com/ecker-lab/SAM2-Animal-Tracking 查阅。
引用
@article{arxiv.2511.02591,
title = {Zero-Shot Multi-Animal Tracking in the Wild},
author = {Jan Frederik Meier and Timo Lüddecke},
journal= {arXiv preprint arXiv:2511.02591},
year = {2025}
}