Das Verständnis tierischen Verhaltens ist für eine Vielzahl von Anwendungen von großer Bedeutung. Bestehende Datensätze zum tierischen Verhalten haben jedoch in mehreren Aspekten Einschränkungen, darunter die begrenzte Anzahl von Tierarten, Datenproben und bereitgestellten Aufgaben sowie die begrenzten Variationen in Umweltbedingungen und Perspektiven. Um diese Einschränkungen zu überwinden, haben wir einen umfangreichen und vielfältigen Datensatz erstellt, den „Animal Kingdom“ (Tierreich), der mehrere annotierte Aufgaben bereitstellt, um ein gründlicheres Verständnis natürlichen tierischen Verhaltens zu ermöglichen. Die im Datensatz verwendeten Wildtieraufnahmen dokumentieren verschiedene Tageszeiten in einer breiten Palette von Umgebungen mit Variationen im Hintergrund, in den Perspektiven, Beleuchtungs- und Wetterbedingungen. Spezieller enthalten unsere Daten 50 Stunden annotierter Videos zur Lokalisierung relevanter Tierverhaltensegmente in langen Videos für die Video-Grounding-Aufgabe, 30.000 Videosequenzen für die feinkörnige Mehrfachetikett-Aktionserkennungsaufgabe und 33.000 Frames für die Pose-Schätz-Aufgabe, die sich auf eine vielfältige Palette von 850 Arten aus sechs Haupttierklassen beziehen. Ein solcher anspruchsvoller und umfassender Datensatz soll es der Gemeinschaft ermöglichen, verschiedene fortgeschrittene Methoden zur Analyse tierischen Verhaltens zu entwickeln, anzupassen und zu evaluieren. Darüber hinaus schlagen wir ein Modell zur kollaborativen Aktionserkennung (Collaborative Action Recognition – CARe) vor, das allgemeine und spezifische Merkmale für die Aktionserkennung bei unbekannten neuen Tieren lernt. Diese Methode erzielt vielversprechende Ergebnisse in unseren Experimenten. Unser Datensatz ist unter https://sutdcv.github.io/Animal-Kingdom verfügbar.