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:2504.00234

帮助 | 高级搜索

计算机科学 > 图形学

arXiv:2504.00234 (cs)
[提交于 2025年3月31日 ]

标题: 集体行为模仿学习(CBIL):来自真实视频的鱼类研究

标题: CBIL: Collective Behavior Imitation Learning for Fish from Real Videos

Authors:Yifan Wu, Zhiyang Dou, Yuko Ishiwaka, Shun Ogawa, Yuke Lou, Wenping Wang, Lingjie Liu, Taku Komura
摘要: 再现真实的群体行为既引人入胜又极具挑战性。传统的基于规则的方法依赖手工设计的原则,限制了生成的群体行为的运动多样性和真实性。近期的模仿学习方法虽然从数据中学习,但通常需要真实的运动轨迹,并且在高密度且运动无序的群体中往往难以保证真实性。本文提出了一种可扩展的方法——集体行为模仿学习(CBIL),用于直接从视频中学习鱼群行为,而无需依赖捕获的运动轨迹。我们的方法首先利用视频表示学习,其中掩码视频自动编码器(MVAE)以自监督的方式从视频输入中提取隐状态。MVAE有效地将二维观察映射到紧凑且具有表现力的隐状态,以便进入模仿学习阶段。然后,我们提出了一种新的对抗模仿学习方法,以有效捕捉鱼群复杂运动,允许在潜在空间中高效地模仿运动模式分布。该方法还结合了生物启发奖励和先验知识来正则化和稳定训练过程。训练完成后,CBIL可以使用学到的群体运动先验来进行各种动画任务。我们进一步展示了它在不同物种中的有效性。最后,我们演示了该系统在从野外视频中检测异常鱼行为的应用。
摘要: Reproducing realistic collective behaviors presents a captivating yet formidable challenge. Traditional rule-based methods rely on hand-crafted principles, limiting motion diversity and realism in generated collective behaviors. Recent imitation learning methods learn from data but often require ground truth motion trajectories and struggle with authenticity, especially in high-density groups with erratic movements. In this paper, we present a scalable approach, Collective Behavior Imitation Learning (CBIL), for learning fish schooling behavior directly from videos, without relying on captured motion trajectories. Our method first leverages Video Representation Learning, where a Masked Video AutoEncoder (MVAE) extracts implicit states from video inputs in a self-supervised manner. The MVAE effectively maps 2D observations to implicit states that are compact and expressive for following the imitation learning stage. Then, we propose a novel adversarial imitation learning method to effectively capture complex movements of the schools of fish, allowing for efficient imitation of the distribution for motion patterns measured in the latent space. It also incorporates bio-inspired rewards alongside priors to regularize and stabilize training. Once trained, CBIL can be used for various animation tasks with the learned collective motion priors. We further show its effectiveness across different species. Finally, we demonstrate the application of our system in detecting abnormal fish behavior from in-the-wild videos.
主题: 图形学 (cs.GR) ; 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2504.00234 [cs.GR]
  (或者 arXiv:2504.00234v1 [cs.GR] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.00234
通过 DataCite 发表的 arXiv DOI
期刊参考: ACM Transactions on Graphics (TOG), 2024, Volume 43, Issue 6 Article No.: 242, Pages 1 - 17
相关 DOI: https://doi.org/10.1145/3687904
链接到相关资源的 DOI

提交历史

来自: Yifan Wu [查看电子邮件]
[v1] 星期一, 2025 年 3 月 31 日 21:15:00 UTC (36,986 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.GR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-04
切换浏览方式为:
cs
cs.CV

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