TLDR : Das EPFL-Projekt MammAlps nutzt KI und multimodale Videodaten, um das Verhalten alpiner Säugetiere im Schweizerischen Nationalpark nicht-invasiv zu untersuchen.
Inhaltsverzeichnis
Ein Forscherteam der École polytechnique fédérale de Lausanne (EPFL) hat auf der CVPR 2025 MammAlps vorgestellt, ein Projekt, das Computer Vision, Verhaltensökologie und nicht-invasive Beobachtung von Wildtieren kombiniert. Die Initiative, die in Zusammenarbeit mit dem Schweizerischen Nationalpark durchgeführt wird, zielt darauf ab, das Verhalten alpiner Säugetiere besser zu verstehen, indem ein neuartiger Satz multimodaler Videodaten genutzt wird.
Das Verstehen des Verhaltens von Wildtieren ist entscheidend, um die Auswirkungen des Klimawandels oder menschlicher Aktivitäten auf Ökosysteme vorauszusehen. Fotofallen, die weniger invasiv sind als die direkte Beobachtung oder das Markieren mit Sensoren, ermöglichen es, sie zu studieren, ohne sie zu stören. Allerdings erweist sich die manuelle Analyse der von ihnen erzeugten Bilder als zeitaufwändig und unvollständig.
Das EPFL-Team unter der Leitung des Doktoranden Valentin Gabeff und der Aufsicht der Professoren Alexander Mathis und Devis Tuia begegnet dieser Herausforderung mit MammAlps, einem Satz multimodaler und multiwinkliger Videodaten, der darauf abzielt, KI-Modelle zu trainieren, die in der Lage sind, Arten zu identifizieren und ihr Verhalten vor Ort zu interpretieren.
Eine annotierte und multimodale Datenbank
Die Forscher installierten Fotofallen an drei Standorten des Schweizerischen Nationalparks, die jeweils einen unterschiedlichen ökologischen Lebensraum repräsentieren. Jeder Standort wurde mit drei Kameras ausgestattet, die aus verschiedenen Winkeln positioniert waren, um die gleiche Szene mit maximalem räumlichen Kontext einzufangen.
Durch Bewegung aktiviert, filmten sie während sechs Wochen verschiedene Arten: Rothirsch, Fuchs, Wolf, Schneehase und Reh zwischen Juni und August 2023, sowohl bei Tag als auch bei Nacht. Das gesamte Protokoll wurde von der Forschungskommission des Nationalparks validiert, um seine Kompatibilität mit den geltenden Erhaltungsvorschriften zu gewährleisten.
Insgesamt wurden mehr als 43 Stunden ungeschnittenes Filmmaterial aufgezeichnet. Nachdem sie von Erkennungsmodellen (MegaDetector, ByteTrack) verarbeitet und manuell annotiert wurden, um Genauigkeit und Kohärenz zu gewährleisten, wurden 8,5 Stunden aufgrund ihrer Verhaltensvielfalt ausgewählt.
Die Videosequenzen wurden durch Audioaufnahmen der Umgebungsgeräusche sowie durch Umweltkarten ergänzt, die Landschaftselemente (Felsen, Wasserquellen, Büsche) beschreiben, die die Bewegungen und Interaktionen der Tiere beeinflussen könnten. Auch die Wetterbedingungen wurden integriert, um eine feinere kontextuelle Analyse zu ermöglichen.
Die Verhaltensweisen wurden in zwei Ebenen etikettiert: von präzisen Aktionen (gehen, schnuppern) bis hin zu umfassenderen Aktivitäten (spielen, Nahrungssuche). Diese hierarchische Struktur ermöglicht es den KI-Algorithmen, die beobachteten Verhaltensweisen besser zu kontextualisieren.
Vielversprechende Anwendungen für den Naturschutz
Die Arbeiten werden aktiv fortgesetzt: Das Team analysiert die 2024 gesammelten Daten und führt im Jahr 2025 neue Feldkampagnen durch, um die Untersuchung der Verhaltensdynamik im Laufe der Jahreszeiten zu verfeinern.
Langfristig könnte MammAlps dabei helfen, die Auswirkungen des Klimawandels schneller zu erkennen, ungewöhnliche Verhaltensweisen im Zusammenhang mit Krankheiten oder der Wiedereinfuhr seltener Arten zu entdecken.
Internationale Anerkennung
MammAlps wurde als Highlight auf der CVPR 2025-Konferenz ausgewählt, einem der prestigeträchtigsten Ereignisse im Bereich der Computer Vision. Eine wohlverdiente Anerkennung für ein Projekt, das technologische Innovation mit ökologischem Engagement kombiniert.
Der MammAlps-Datensatz ist online für Forschungszwecke auf der Website zugänglich: https://eceo-epfl.github.io/MammAlps/
Artikelreferenzen: Valentin Gabeff, Haozhe Qi, Brendan Flaherty, Gencer Sumbül, Alexander Mathis, Devis Tuia. "MammAlps: Ein multi-view Videodatensatz zur Überwachung des Verhaltens von Wildsäugetieren in den Schweizer Alpen". IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Nashville, TN, 2025. https://arxiv.org/html/2503.18223v1