提出音视频犬只识别与追踪框架

2026年10月16日，arXiv Computer Vision 发布一项研究，提出一种多模态犬只指纹框架，结合视觉识别、多目标追踪与犬吠声纹，将吠叫事件关联到具体犬只并维持持久档案，可在遮挡、吠叫重叠和画面外吠叫时完成识别。团队同时发布包含46段真实视频、213个手工标注吠叫事件的基准。据该报道，框架在可见事件中于 IoU ≥ 0.30 下正确定位活跃可见犬只的比例为61.83%，可见与画面外吠叫检测 F1 达91.33%。上述数据与适用条件均出自该篇报道，仅代表该来源的说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。