TLDR : La EPFL ha lanzado MammAlps, un proyecto de IA para estudiar la fauna alpina sin perturbarla, utilizando datos multimodales y cámaras trampa.
Índice
Un equipo de investigadores de la Escuela Politécnica Federal de Lausana (EPFL) presentó en la CVPR 2025 MammAlps, un proyecto que combina visión por computadora, ecología conductual y observación no intrusiva de la fauna salvaje. La iniciativa, llevada a cabo en asociación con el Parque Nacional Suizo, busca comprender mejor los comportamientos de los mamíferos alpinos gracias a un conjunto inédito de datos de video multimodales.
Comprender el comportamiento de la fauna salvaje es esencial para anticipar los impactos del cambio climático o de la actividad humana en los ecosistemas. Las cámaras trampa, menos intrusivas que la observación directa o el marcado con sensores, permiten estudiarlos sin perturbarlos. Sin embargo, el análisis manual de las imágenes que generan resulta ser laborioso e incompleto.
El equipo de la EPFL, liderado por el doctorando Valentin Gabeff y supervisado por los profesores Alexander Mathis y Devis Tuia, responde a este desafío con MammAlps, un conjunto de datos de video multimodal y multiángulo destinado a entrenar modelos de IA capaces de identificar especies e interpretar sus comportamientos en el campo.
Una base de datos anotada y multimodal
Los investigadores instalaron cámaras trampa en tres sitios del Parque Nacional Suizo, cada uno representativo de un hábitat ecológico diferente. Cada sitio fue equipado con tres cámaras posicionadas en diferentes ángulos, para capturar la misma escena con el máximo contexto espacial.
Activadas por el movimiento, filmaron durante seis semanas diferentes especies: ciervo rojo, zorro, lobo, liebre de montaña y corzo entre junio y agosto de 2023, tanto de día como de noche. Todo el protocolo fue validado por la Comisión de Investigación del Parque Nacional, garantizando su compatibilidad con las normativas de preservación vigentes.
En total, se registraron más de 43 horas de secuencias brutas. Tras ser procesadas por modelos de detección (MegaDetector, ByteTrack), y luego anotadas manualmente para asegurar precisión y coherencia, se seleccionaron 8,5 horas por su riqueza comportamental.
Las secuencias de video fueron complementadas por grabaciones de audio de los sonidos ambientales, así como por mapas ambientales que describen los elementos del paisaje (rocas, fuentes de agua, arbustos), susceptibles de influir en los desplazamientos e interacciones de los animales. Las condiciones meteorológicas también fueron integradas para permitir un análisis contextual más detallado.
Los comportamientos fueron etiquetados según dos niveles: acciones precisas (caminar, olfatear) hasta actividades más globales (jugar, buscar alimento). Esta estructura jerárquica permite a los algoritmos de IA contextualizar mejor los comportamientos observados.
Aplicaciones prometedoras para la conservación
Los trabajos continúan activamente: el equipo analiza los datos recolectados en 2024 mientras lleva a cabo nuevas campañas en el campo en 2025 para afinar el estudio de las dinámicas comportamentales a lo largo de las estaciones.
A largo plazo, MammAlps podría permitir identificar más rápidamente los efectos del cambio climático, detectar comportamientos inusuales relacionados con enfermedades o con la reintroducción de especies raras.
Un reconocimiento internacional
MammAlps ha sido seleccionado como Highlight en la conferencia CVPR 2025, uno de los eventos más prestigiosos en el ámbito de la visión por computadora. Un reconocimiento merecido para un proyecto que combina innovación tecnológica y compromiso ecológico.
El conjunto de datos MammAlps está accesible en línea con fines de investigación en el sitio: https://eceo-epfl.github.io/MammAlps/
Referencias del artículo: Valentin Gabeff, Haozhe Qi, Brendan Flaherty, Gencer Sumbül, Alexander Mathis, Devis Tuia. "MammAlps: Un conjunto de datos de video multivista para la vigilancia del comportamiento de mamíferos salvajes en los Alpes suizos". Conferencia IEEE/CVF sobre visión por computadora y reconocimiento de patrones (CVPR), Nashville, TN, 2025. https://arxiv.org/html/2503.18223v1