カメラトラップ画像からの合成野生動物健康データの生成：脱毛および体格コンディション訓練データのためのパイプライン
arXiv cs.CV / 2026/3/31
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、カメラトラップ画像を用いて野生動物の健康スクリーニング向けに機械学習に適した合成データセットを作成することでデータギャップに取り組み、特に脱毛（脱毛症）と体格コンディションの悪化を対象とする。
- MegaDetector由来のバウンディングボックスと、8種の北米の種に対する中心フレーム重み付きの層化サンプリングを用いて、iWildCamの写真からキュレーションされたベースセットを構築する。
- 生成的フェノタイプ編集システムにより、疥癬様の毛髪損失や衰弱（栄養不良）に似た、制御された重症度のバリアントを作成し、訓練のためのラベリングを大規模に行えるようにする。
- 「シャム（疑似）プリフィルタ」を用いた適応的なシーンドリフトの品質管理システムと、マスク評価をデカップルしたスコアリング（補完的な昼/夜の指標を使用）により、元のシーンを過度に変えてしまった合成画像を拒否する。
- sim-to-real（シミュレーションから実環境）実験では、合成データのみで学習し、実際の疑わしい状態の画像でテストすることで、0.85のAUROCが得られたと報告されており、有用な視覚特徴の転移が示される。
