Foundationモデルによる群飼育ブタの自動セグメンテーションと追跡
arXiv cs.CV / 2026/4/7
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、精密畜産における群飼育の育成ブタを対象に、ラベル効率の高い自動セグメンテーションと追跡を実現するための、foundationモデル（ビジョン・言語）中心のパイプラインを提案する。
- 事前学習済みバックボーンに、モジュール式のポストプロセシングによる軽量な農場固有適応を組み合わせることで、大量の農場別ラベル付きデータへの依存や再学習を削減する。
- Grounding-DINOによるベースライン検出は昼間では良好だが、ナイトビジョンや大きな遮蔽下で性能が低下するため、著者らは時間的な追跡ロジックを追加する。
- 短時間の動画クリップに対する短期セグメンテーションは、Grounded-SAM2によりポストプロセシング後に80%超の「完全に正しいトラック」を達成し、主な誤りはマスク品質またはラベルの重複に起因していた。
- 長時間にわたる個体一貫性のために、本研究では（初期化、追跡、マッチング、マスク精緻化、再同定、品質管理からなる）長期追跡パイプラインを提案し、132分にわたる連続動画で個体のスイッチが一度もないことを含む強い評価指標を報告している。
