Forscher der École Polytechnique Fédérale de Lausanne (EPFL) haben MammAlps erstellt, einen neuen Datensatz, der Studien zum Verhalten von Wildtieren revolutioniert. MammAlps, aufgenommen in den Schweizer Alpen, bietet eine umfassende digitale Ressource zum Verständnis der Interaktionen wilder Säugetiere.
Dieses Projekt zielt darauf ab, die Wildtierüberwachung und Naturschutzstrategien zu verbessern. Es hilft Ökologen, tiefere Einblicke in das Verhalten von Tieren zu gewinnen, insbesondere angesichts des Klimawandels und der menschlichen Einflüsse.
Traditionelle Methoden zur Untersuchung von Wildtieren haben Einschränkungen. Direkte Beobachtung und Sensorbefestigungen können invasiv sein. Kamerafallen erzeugen riesige Datenmengen, die schwer zu analysieren sind.
KI zeigt vielversprechendes Potenzial bei der Analyse großer Video-Datensätze, benötigt aber hochwertige Daten. Bestehende Datensätze weisen oft Mängel in Bezug auf Authentizität oder kontextbezogene Details auf, wie z. B. mehrere Kamerawinkel und zugehörige Audiodaten.
MammAlps begegnet diesen Herausforderungen. Es ist der erste Datensatz, der reich annotierte, Multi-View- und multimodale Einblicke in das Verhalten von Wildtieren bietet. Ziel ist es, KI-Modelle für die Erkennung von Arten und ihrem Verhalten zu trainieren.
Forscher nutzten neun Kamerafallen in den Schweizer Alpen und zeichneten über 43 Stunden Filmmaterial auf. KI-Tools wurden zur Analyse des Filmmaterials verwendet, was zu etwa 8,5 Stunden signifikantem Material führte.
Verhaltensannotationen kategorisieren jeden Moment in Aktivitäten auf hoher Ebene und granulare Aktionen. Diese detaillierte Struktur hilft KI-Algorithmen, aus komplexen Datensätzen zu lernen.
Das Team fügte dem Videomaterial Audioaufnahmen und „Referenzszenenkarten“ hinzu. Diese Karten dokumentierten Umweltfaktoren und unterstützten die KI beim Verständnis habitatsspezifischen Verhaltens.
Professor Alexander Mathis von der EPFL hebt die Vorteile dieses multimodalen Ansatzes hervor. Die Integration verschiedener Datentypen führt zu einem differenzierteren Verständnis des Tierverhaltens.
MammAlps setzt einen neuen Standard für die Wildtierüberwachung. Es bietet eine ganzheitliche sensorische Momentaufnahme des Tierverhaltens in verschiedenen Kontexten und Winkeln. Ein „Langzeit-Ereignisverständnis“-Benchmark ermöglicht die Untersuchung erweiterter ökologischer Interaktionen.
Das Team plant, MammAlps durch weitere Datenerfassung im Jahr 2024 zu erweitern. Sie werden sich auf die Identifizierung seltener Arten und die Verfeinerung von Techniken zur Verhaltensanalyse über die Jahreszeiten hinweg konzentrieren.
MammAlps hat das Potenzial, die Wildtierüberwachungspraktiken zu verbessern. Durch den Einsatz von KI-Modellen können Naturschützer zeitnahe Einblicke gewinnen, um die Auswirkungen des Klimawandels und menschlicher Aktivitäten zu verfolgen.
MammAlps wurde als Highlight ausgewählt, um auf der IEEE/CVF Computer Vision and Pattern Recognition Conference (CVPR) im Juni 2025 vorgestellt zu werden. Der Datensatz ist online für den offenen Zugriff verfügbar.