Des chercheurs de l'École Polytechnique Fédérale de Lausanne (EPFL) ont créé MammAlps, un nouveau jeu de données qui révolutionne les études sur le comportement de la faune. Capturé dans les Alpes suisses, MammAlps offre une ressource numérique complète pour comprendre les interactions des mammifères sauvages.
Ce projet vise à améliorer la surveillance de la faune et les stratégies de conservation. Il aide les écologistes à acquérir des connaissances plus approfondies sur les comportements des animaux, en particulier face au changement climatique et à l'impact humain.
Les méthodes traditionnelles d'étude de la faune présentent des limites. L'observation directe et la fixation de capteurs peuvent être invasives. Les pièges photographiques produisent de grandes quantités de données difficiles à analyser.
L'IA se montre prometteuse dans l'analyse de grands ensembles de données vidéo, mais elle a besoin de données de haute qualité. Les ensembles de données existants manquent souvent d'authenticité ou de détails contextuels, tels que plusieurs angles de caméra et l'audio correspondant.
MammAlps relève ces défis. C'est le premier jeu de données à offrir des informations richement annotées, multi-vues et multimodales sur le comportement de la faune. Il vise à entraîner des modèles d'IA pour reconnaître les espèces et leurs comportements.
Les chercheurs ont utilisé neuf pièges photographiques dans les Alpes suisses, enregistrant plus de 43 heures de séquences. Des outils d'IA ont été utilisés pour analyser les séquences, ce qui a permis d'obtenir environ 8,5 heures de matériel significatif.
Les annotations comportementales catégorisent chaque moment en activités de haut niveau et en actions granulaires. Cette structure détaillée aide les algorithmes d'IA à apprendre à partir d'ensembles de données complexes.
L'équipe a ajouté des enregistrements audio et des « cartes de scène de référence » aux données vidéo. Ces cartes documentaient les facteurs environnementaux, aidant l'IA à comprendre les comportements spécifiques à l'habitat.
Le professeur Alexander Mathis de l'EPFL souligne les avantages de cette approche multi-modale. L'intégration de divers types de données conduit à une compréhension plus nuancée du comportement animal.
MammAlps établit une nouvelle norme pour la surveillance de la faune. Il offre un instantané sensoriel holistique du comportement animal dans de multiples contextes et angles. Un « benchmark de compréhension des événements à long terme » permet d'étudier les interactions écologiques étendues.
L'équipe prévoit d'étendre MammAlps grâce à une collecte de données supplémentaire en 2024. Elle se concentrera sur l'identification des espèces rares et le perfectionnement des techniques d'analyse du comportement au fil des saisons.
MammAlps a le potentiel d'améliorer les pratiques de surveillance de la faune. En utilisant des modèles d'IA, les conservationnistes peuvent obtenir des informations en temps opportun pour suivre les impacts du changement climatique et des activités humaines.
MammAlps a été sélectionné comme un point fort pour être présenté à la Conférence sur la vision par ordinateur et la reconnaissance de formes IEEE/CVF (CVPR) en juin 2025. L'ensemble de données est disponible en ligne en accès libre.