In kort : Onderzoekers van EPFL hebben MammAlps ontwikkeld, een project dat AI gebruikt voor het observeren van Alpiene fauna zonder verstoring. Het biedt inzicht in het gedrag van dieren en helpt bij het identificeren van klimaatveranderingseffecten.
Samenvatting
Een team van onderzoekers van de École polytechnique fédérale de Lausanne (EPFL) presenteerde op de CVPR 2025 MammAlps, een project dat computer vision, gedragsbiologie en niet-intrusieve observatie van wilde dieren combineert. Het initiatief, dat in samenwerking met het Zwitserse Nationale Park wordt uitgevoerd, streeft ernaar om beter inzicht te krijgen in het gedrag van Alpiene zoogdieren door middel van een unieke set multimodale videodata.
Het begrijpen van het gedrag van wilde dieren is essentieel om de gevolgen van klimaatverandering of menselijke activiteiten op ecosystemen te voorspellen. Fotovallen, die minder opdringerig zijn dan directe observatie of sensor tagging, maken het mogelijk hen te bestuderen zonder hen te verstoren. Echter, de handmatige analyse van de beelden die ze genereren is tijdrovend en beperkt.
Het EPFL-team, geleid door promovendus Valentin Gabeff en onder supervisie van professoren Alexander Mathis en Devis Tuia, pakt deze uitdaging aan met MammAlps, een multimodale en multi-hoek video dataset ontworpen om AI-modellen te trainen die in staat zijn om soorten te identificeren en hun gedrag in het veld te interpreteren.
Een geannoteerde en multimodale database
De onderzoekers installeerden fotovallen op drie locaties in het Zwitserse Nationale Park, elk representatief voor een ander ecologisch habitat. Elke locatie was uitgerust met drie camera's die vanuit verschillende hoeken gepositioneerd waren om dezelfde scène met maximale ruimtelijke context vast te leggen.
Geactiveerd door beweging, filmden ze gedurende zes weken verschillende soorten: edelhert, vos, wolf, sneeuwhaas en ree, tussen juni en augustus 2023, zowel overdag als 's nachts. Het volledige protocol werd gevalideerd door de Onderzoekscommissie van het Nationale Park, wat de compatibiliteit met de geldende beschermingsregels garandeert.
In totaal werden meer dan 43 uur aan ruwe beelden opgenomen. Na verwerking door detectiemodellen (MegaDetector, ByteTrack) en handmatige annotatie om precisie en samenhang te waarborgen, zijn 8,5 uur geselecteerd vanwege hun gedragsrijkdom.
De videosequenties werden aangevuld met audio-opnames van omgevingsgeluiden en milieukaarten die landschapselementen beschrijven (rotsen, waterbronnen, struiken), die de bewegingen en interacties van dieren zouden kunnen beïnvloeden. Ook weersomstandigheden werden geïntegreerd voor een fijnere contextuele analyse.
De gedragingen zijn geëtiketteerd op twee niveaus: van specifieke acties (lopen, ruiken) tot meer globale activiteiten (spelen, voedsel zoeken). Deze hiërarchische structuur stelt AI-algoritmen in staat om de geobserveerde gedragingen beter te contextualiseren.
Veelbelovende toepassingen voor behoud
Het werk wordt actief voortgezet: het team analyseert de in 2024 verzamelde gegevens terwijl ze in 2025 nieuwe veldcampagnes uitvoeren om de studie van gedragsdynamiek door de seizoenen heen te verfijnen.
Op lange termijn zou MammAlps sneller de effecten van klimaatverandering kunnen identificeren, ongewoon gedrag gerelateerd aan ziektes kunnen detecteren, of de herintroductie van zeldzame soorten kunnen ondersteunen.
Internationale erkenning
MammAlps werd geselecteerd als Highlight op de CVPR 2025-conferentie, een van de meest prestigieuze evenementen op het gebied van computer vision. Een verdiende erkenning voor een project dat technologische innovatie en ecologische betrokkenheid combineert.
De MammAlps dataset is online toegankelijk voor onderzoeksdoeleinden op de website: https://eceo-epfl.github.io/MammAlps/
Referenties van het artikel: Valentin Gabeff, Haozhe Qi, Brendan Flaherty, Gencer Sumbül, Alexander Mathis, Devis Tuia. "MammAlps: Een multi-view video dataset voor monitoring van het gedrag van wilde zoogdieren in de Zwitserse Alpen". IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Nashville, TN, 2025. https://arxiv.org/html/2503.18223v1