Imperial의 새로운 기계 학습 도구는 연구자들이 동물 행동을 추적하고 생물학에서 인공 지능을 더 많이 사용할 수 있는 길을 닦는 데 도움이 될 수 있습니다.

생물학자들은 집단과 개인의 행동에 대한 데이터를 수집하기 위해 종종 많은 수의 동물을 연구합니다. 새로운 기계 학습 도구는 과학자들이 작업량을 줄이면서 이 작업으로 생성되는 엄청난 양의 데이터를 더 빠르게 처리하는 데 도움이 될 것이라고 약속합니다.

이제 repliAnt라는 새로운 도구는 이러한 기계 학습 도구에 대한 훈련 이미지가 생성되는 방식을 단순화하고 단순화하여 곤충부터 시작하여 많은 동물에 대한 관찰을 한 번에 더 빠르고 쉽게 기록할 수 있습니다.

동물 데이터베이스

이러한 목적을 위한 기존 AI 기반 도구는 사용자가 컴퓨터가 학습할 수 있는 데이터베이스를 제공하기 위해 수백 개의 프레임을 신중하게 제공해야 합니다. 이 문제를 해결하기 위해 ReplicAnt는 마우스 클릭만으로 수천 개의 주석이 달린 이미지를 자동으로 생성하여 종과 환경의 차이를 원활하게 통합합니다. 궁극적으로 이러한 AI 생성 데이터는 동물 연구에서 AI 도구를 사용하는 속도와 성능을 높일 수 있습니다.

작품은 다음에서 출판됩니다. 네이처커뮤니케이션즈.

수석 저자인 Fabian Blom은 Imperial College London의 박사 연구원입니다. 생명공학과그는 “많은 수의 동물을 대상으로 연구를 수행하고 새로운 도구를 사용하는 방법을 배우는 데는 많은 시간이 걸린다”며 “복제 도구는 생물학자가 머신러닝을 사용해 작업을 개선하는 데 대한 진입 장벽을 낮춘다”고 말했다.

“특히 기후 변화에 따른 동물의 행동을 이해하는 것은 매우 중요합니다. 우리 도구가 중요하고 시간 소모적인 데이터를 더 쉽고 빠르게 수집하는 데 도움이 되기를 바랍니다.” Fabian Bloom은 Imperial College 생명공학과의 제1저자이자 박사 연구원입니다.

도구는 연구팀에 따라 다릅니다. 이전 도구, scAnt – 작은 동물을 세밀하게 이미지화하여 생물의 고해상도 3D 모델을 생성하는 3D 스캐너. 3D 소프트웨어 Unreal Engine을 사용하는 복제본 내에서 scAnt가 생성한 3D 모델을 사용하여 실험실과 야생에서 동물을 감지하고 추적하는 훈련 이미지를 생성하여 연구원의 시간을 절약하고 작업을 단순화했습니다.

ReplicAnt의 유용성을 입증하기 위해 연구원들은 이러한 이미지에서 신경망(데이터의 기본 관계를 인식하는 알고리즘 세트)을 훈련했습니다. 이를 통해 신경망은 개인을 인식하고 상자 밖의 다양한 환경에서 그들의 움직임을 추적할 수 있었습니다. 다른 경우에는 실제 이미지에 필요한 수동 태깅이 크게 줄었습니다.

Fabian은 다음과 같이 덧붙였습니다. “특히 기후 변화에 따른 동물 행동을 이해하는 것은 매우 중요합니다. 우리 도구가 중요하고 시간 소모적인 데이터를 더 쉽고 빠르게 수집하는 데 도움이 되기를 바랍니다.”

추가 응용 분야에는 영화 및 비디오 게임에서 캐릭터 움직임을 알리기 위해 실시간 동작 데이터를 사용하는 것이 포함될 수 있습니다.

이 프로젝트는 유럽 연합의 Horizon 2020 연구 및 혁신 프로그램에 따라 Fabian과 유럽 연구 위원회(ERC)에 대한 Empire President의 박사 장학금의 지원을 받았습니다. 데이비드 라본테 박사 생명공학과에서.

“RepliAnt: Unreal Engine을 사용하여 복잡한 환경에서 동물 일러스트레이션을 생성하기 위한 파이프라인“Bloom et al., Nature Communications에 2023년 11월 8일 게재.