11일 전
다중 동물의 자세 추정, 식별 및 추적을 위한 DeepLabCut
{Mackenzie Weygandt Mathis & Alexander Mathis, Catherine Dulac, George Lauder, Venkatesh N. Murthy, Guoping Feng, Daniel Soberanes, Valentina Di Santo, Mohammed Mostafizur Rahman, Tanmay Nath, Steffen Schneider, William Menegas, Shaokai Ye, Mu Zhou, Jessy Lauer}
초록
다수의 동물을 동시에 자세 추정하는 것은 컴퓨터 비전 분야에서 도전적인 과제이다. 자주 발생하는 상호작용으로 인해 동물 간의 가림 현상이 발생하고, 감지된 관절점(keypoints)을 올바른 개체에 연결하는 것이 복잡해지며, 일반적인 다수 인간 시나리오보다 훨씬 더 유사한 외형을 가진 동물들이 더 가까이 상호작용하기 때문에 이 문제는 더욱 심화된다. 이러한 과제에 대응하기 위해 우리는 오픈소스 자세 추정 도구인 DeepLabCut을 기반으로 하여, 다수 동물 시나리오에 필수적인 고성능의 동물 조립(assembly) 및 추적 기능을 제공한다. 또한, 가림 상황 발생 시 추적을 보조할 수 있도록 동물의 정체성(identity)을 예측할 수 있는 기능을 통합하였다. 본 연구에서는 복잡도가 다른 네 가지 데이터셋을 활용하여 이 프레임워크의 강력한 성능을 입증하였으며, 향후 알고리즘 개발을 위한 기준(benchmark)으로 이 데이터셋들을 공개한다.