康奈尔发布鱼类行为数据集，助力AI识别野生鱼类行为

康奈尔大学研究团队近期发布WildFin数据集，旨在突破野生鱼类行为分析的计算机视觉技术瓶颈。该数据集由博士生Abigail Grassick、副教授Andrew Hein与Jennifer Sun等学者联合打造，收录了荷属库拉索岛海域近九小时的珊瑚礁水下视频。研究团队耗费两千余小时实地拍摄与逐帧人工标注，详细记录了鱼类觅食与防御等动态。然而测试现有主流视觉模型时，因野外视频存在鱼群密集、光线变幻及镜头移动等复杂因素，模型识别率依然偏低。团队指出，当前视觉模型高度依赖互联网通用数据训练，严重缺乏科学影像样本，制约了其在生态领域的应用。此项成果已于9月8日在瑞典马尔默举行的欧洲计算机视觉大会上展示，并同步发布于arXiv预印本平台。研究团队呼吁全球生态学家开放实验室留存的海量野外影像，并提议引入人工智能代理自动清洗与格式化数据。通过深度融合计算生物学、机器学习与生态学力量，该数据集有望彻底激活公民科学视频的分析价值，为大规模生态系统健康监测与珍稀物种追踪提供高效、低成本的技术支撑。