通过动物基础模型统一行为分析

发布时间：2024-08-02 16:29:08 栏目：精选知识

导读 虽然有句俗话说马嘴里说得对，但你不可能让马告诉你它是痛苦还是快乐。然而，它的身体会通过动作来表达答案。在训练有素的眼睛看来，痛苦会...

虽然有句俗话说“马嘴里说得对”，但你不可能让马告诉你它是痛苦还是快乐。然而，它的身体会通过动作来表达答案。在训练有素的眼睛看来，痛苦会表现为步态的变化，而快乐时，动物的面部表情也会发生变化。但如果我们能用人工智能自动完成这一过程呢?那么，牛、狗、猫甚至老鼠的人工智能模型呢?自动化动物行为不仅可以消除观察者的偏见，还能帮助人类更有效地找到正确答案。



今天标志着姿势分析在行为表型分析领域的新篇章的开始。EPFL 的 Mackenzie Mathis 实验室发表了一篇《自然通讯》文章，介绍了一种特别有效的新型开源工具，该工具无需人工注释即可让模型跟踪动物。该工具名为“SuperAnimal”，无需人工监督，即可自动识别各种动物(超过 45 种动物)甚至神话动物的“关键点”(通常是关节)的位置!

“当前的流程允许用户定制深度学习模型，但这需要依靠人工识别每只动物的关键点来创建训练集，”Mackenzie Mathis 解释道。“这会导致研究人员重复标记工作，并可能导致相同关键点的语义标签不同，这使得合并数据以训练大型基础模型非常具有挑战性。我们的新方法提供了一种标准化此过程和训练大规模数据集的新方法。它还使标记比当前工具的效率高出 10 到 100 倍。”

“SuperAnimal 方法”是 Mackenzie Mathis 实验室已经以“DeepLabCut™️”的名义发布的一种姿势估计技术的演变。您可以在这篇新的《自然》技术专题中阅读有关这一改变游戏规则的工具及其起源的更多信息。

“在这里，我们开发了一种算法，能够跨数据库编译大量注释并训练模型来学习协调的语言——我们称这种预训练为基础模型，”博士生研究员、这项研究的第一作者叶少凯解释说。“然后，用户可以简单地部署我们的基础模型或根据自己的数据对其进行微调，并在需要时进行进一步的定制。”