Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.10552

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2507.10552 (cs)
[提交于 2025年7月14日 ]

标题: 自监督学习在相机陷阱视频上的应用产生了一个强大的通用面部嵌入器

标题: Self-supervised Learning on Camera Trap Footage Yields a Strong Universal Face Embedder

Authors:Vladimir Iashin, Horace Lee, Dan Schofield, Andrew Zisserman
摘要: 相机陷阱正在通过捕获大量视觉数据来革新野生动物监测;然而,个体动物的手动识别仍然是一个重要的瓶颈。 本研究介绍了一种完全自监督的方法,从无标签的相机陷阱视频中学习稳健的黑猩猩面部嵌入。 利用DINOv2框架,我们在自动挖掘的面部裁剪图像上训练视觉变换器,消除了对身份标签的需求。 我们的方法在开放集重新识别任务中表现出色,在Bossou等具有挑战性的基准测试中超越了监督基线,尽管在训练过程中没有使用任何标记数据。 这项工作强调了自监督学习在生物多样性监测中的潜力,并为可扩展的、非侵入性的种群研究铺平了道路。
摘要: Camera traps are revolutionising wildlife monitoring by capturing vast amounts of visual data; however, the manual identification of individual animals remains a significant bottleneck. This study introduces a fully self-supervised approach to learning robust chimpanzee face embeddings from unlabeled camera-trap footage. Leveraging the DINOv2 framework, we train Vision Transformers on automatically mined face crops, eliminating the need for identity labels. Our method demonstrates strong open-set re-identification performance, surpassing supervised baselines on challenging benchmarks such as Bossou, despite utilising no labelled data during training. This work underscores the potential of self-supervised learning in biodiversity monitoring and paves the way for scalable, non-invasive population studies.
评论: 已接受发表。项目页面、代码和权重: https://www.robots.ox.ac.uk/~vgg/research/ChimpUFE/
主题: 计算机视觉与模式识别 (cs.CV) ; 人工智能 (cs.AI); 机器学习 (cs.LG)
引用方式: arXiv:2507.10552 [cs.CV]
  (或者 arXiv:2507.10552v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.10552
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Vladimir Iashin [查看电子邮件]
[v1] 星期一, 2025 年 7 月 14 日 17:59:59 UTC (2,370 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.CV
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号