TLDR : MammAlps utilizza l'IA per osservare i mammiferi alpini senza disturbarli, con applicazioni per la conservazione e lo studio degli effetti del cambiamento climatico.
Sommario
Un team di ricercatori dell'École polytechnique fédérale de Lausanne (EPFL) ha presentato alla CVPR 2025 MammAlps, un progetto che combina visione artificiale, ecologia comportamentale e osservazione non intrusiva della fauna selvatica. L'iniziativa, condotta in collaborazione con il Parco Nazionale Svizzero, mira a comprendere meglio i comportamenti dei mammiferi alpini grazie a un insieme inedito di dati video multimodali.
Comprendere il comportamento della fauna selvatica è essenziale per anticipare gli impatti del cambiamento climatico o dell'attività umana sugli ecosistemi. Le trappole fotografiche, meno intrusive dell'osservazione diretta o del marcaggio con sensori, permettono di studiarle senza disturbarle. Tuttavia, l'analisi manuale delle immagini che generano si rivela dispendiosa in termini di tempo e parziale.
Il team dell'EPFL, guidato dal dottorando Valentin Gabeff e supervisionato dai professori Alexander Mathis e Devis Tuia, risponde a questa sfida con MammAlps, un insieme di dati video multimodali e multi-angolo destinato ad allenare modelli di IA capaci di identificare le specie e interpretare i loro comportamenti sul campo.
Un database annotato e multimodale
I ricercatori hanno installato trappole fotografiche in tre siti del Parco Nazionale Svizzero, ciascuno rappresentativo di un diverso habitat ecologico. Ogni sito è stato equipaggiato con tre telecamere posizionate sotto diversi angoli, per catturare la stessa scena con il massimo contesto spaziale.
Attivate dal movimento, hanno filmato per sei settimane diverse specie: cervo nobile, volpe, lupo, lepre di montagna e capriolo tra giugno e agosto 2023, sia di giorno che di notte. L'intero protocollo è stato validato dalla Commissione di ricerca del Parco Nazionale, garantendo la sua compatibilità con le regole di conservazione vigenti.
In totale, sono state registrate oltre 43 ore di sequenze grezze. Dopo essere state elaborate da modelli di rilevamento (MegaDetector, ByteTrack), quindi annotate manualmente per garantire precisione e coerenza, 8,5 ore sono state selezionate per la loro ricchezza comportamentale.
Le sequenze video sono state completate da registrazioni audio dei suoni ambientali, nonché da mappe ambientali che descrivono gli elementi del paesaggio (rocce, sorgenti d'acqua, cespugli), in grado di influenzare gli spostamenti e le interazioni degli animali. Anche le condizioni meteorologiche sono state integrate per consentire un'analisi contestuale più precisa.
I comportamenti sono stati etichettati secondo due livelli: azioni precise (camminare, annusare) fino ad attività più globali (giocare, cercare cibo). Questa struttura gerarchica consente agli algoritmi di IA di meglio contestualizzare i comportamenti osservati.
Applicazioni promettenti per la conservazione
I lavori continuano attivamente: il team analizza i dati raccolti nel 2024 mentre conduce nuove campagne sul campo nel 2025 per affinare lo studio delle dinamiche comportamentali attraverso le stagioni.
A lungo termine, MammAlps potrebbe consentire di identificare più rapidamente gli effetti del cambiamento climatico, rilevare comportamenti insoliti legati a malattie o alla reintroduzione di specie rare.
Un riconoscimento internazionale
MammAlps è stato selezionato come Highlight alla conferenza CVPR 2025, uno degli eventi più prestigiosi nel campo della visione artificiale. Un riconoscimento meritato per un progetto che combina innovazione tecnologica e impegno ecologico.
L'insieme di dati MammAlps è accessibile online a fini di ricerca sul sito: https://eceo-epfl.github.io/MammAlps/
Riferimenti dell'articolo: Valentin Gabeff, Haozhe Qi, Brendan Flaherty, Gencer Sumbül, Alexander Mathis, Devis Tuia. "MammAlps: Un insieme di dati video multi-vista per la sorveglianza del comportamento dei mammiferi selvatici nelle Alpi svizzere". Conferenza IEEE/CVF sulla visione artificiale e riconoscimento dei modelli (CVPR), Nashville, TN, 2025. https://arxiv.org/html/2503.18223v1