Científicos de la EPFL han creado MammAlps, un conjunto de datos de vídeo multivista y multimodal que captura el comportamiento de los mamíferos salvajes en los Alpes suizos. Este nuevo recurso podría ser un punto de inflexión en las iniciativas de monitoreo y conservación de la vida silvestre.
¿Te has preguntado alguna vez cómo se comportan los animales salvajes cuando nadie los observa? Comprender estos comportamientos es vital para proteger los ecosistemas, especialmente a medida que el cambio climático y la expansión humana alteran los hábitats naturales. Sin embargo, recopilar este tipo de información sin interferir siempre ha sido complicado.
Tradicionalmente, los investigadores dependían de la observación directa o de sensores adheridos a animales, métodos que resultan disruptivos o de alcance limitado. Las cámaras trampa ofrecen una alternativa menos invasiva, pero generan grandes cantidades de imágenes difíciles de analizar.
La IA podría ayudar, pero tiene un inconveniente: necesita conjuntos de datos anotados para aprender. La mayoría de los conjuntos de datos de vídeo actuales se extraen de internet, lo que les impide reproducir la autenticidad de entornos naturales reales, o son grabaciones de campo a pequeña escala con poco detalle. Y pocos incluyen el tipo de contexto rico —como múltiples ángulos de cámara o audio— necesario para comprender a fondo el complejo comportamiento animal.
Presentamos MammAlps
Para abordar este desafío, los científicos de la EPFL han recopilado y gestionado MammAlps , el primer conjunto de datos sobre el comportamiento de la fauna silvestre, con abundantes anotaciones, multivista y multimodal, en colaboración con el Parque Nacional Suizo. MammAlps está diseñado para entrenar modelos de IA en tareas de reconocimiento de especies y comportamiento, y, en última instancia, para ayudar a los investigadores a comprender mejor el comportamiento animal. Este trabajo podría agilizar, abaratar e impulsar los esfuerzos de conservación.
MammAlps fue desarrollado por Valentin Gabeff, estudiante de doctorado en la EPFL, bajo la supervisión de los profesores Alexander Mathis y Devis Tuia, junto con sus respectivos equipos de investigación.
https://youtube.com/watch?v=hZjktVTozmU%3Fsi%3DyriiwuadYOJJcKxn%26enablejsapi%3D1%26origin%3Dhttps%253A%252F%252Factu.epfl.ch
Cómo se desarrolló MammAlps
Los investigadores instalaron nueve cámaras trampa que grabaron más de 43 horas de material sin editar a lo largo de varias semanas. Posteriormente, el equipo lo procesó meticulosamente, utilizando herramientas de IA para detectar y rastrear animales individuales, lo que resultó en 8,5 horas de material que muestra la interacción con la fauna silvestre .
Etiquetaron los comportamientos mediante un enfoque jerárquico, categorizando cada momento en dos niveles: actividades de alto nivel, como buscar comida o jugar, y acciones más sutiles, como caminar, acicalarse u olfatear. Esta estructura permite a los modelos de IA interpretar los comportamientos con mayor precisión al vincular movimientos detallados con patrones de comportamiento más amplios.
Para enriquecer el contexto de los modelos de IA, el equipo complementó el video con grabaciones de audio y capturó «mapas de referencia de la escena» que documentaban factores ambientales como fuentes de agua, arbustos y rocas. Estos datos adicionales permiten una mejor interpretación de los comportamientos específicos del hábitat. También cruzaron las condiciones climáticas y el conteo de individuos por evento para crear descripciones más completas de la escena.
“Al incorporar otras modalidades además del video, hemos demostrado que los modelos de IA pueden identificar mejor el comportamiento animal”, explica Alexander Mathis. “Este enfoque multimodal nos brinda una visión más completa del comportamiento de la vida silvestre”.
Un nuevo estándar para el monitoreo de la vida silvestre
MammAlps establece un nuevo estándar para el monitoreo de la vida silvestre: una instantánea sensorial completa del comportamiento animal desde múltiples ángulos, sonidos y contextos. También introduce un punto de referencia para la comprensión de eventos a largo plazo , lo que significa que los científicos ahora pueden estudiar no solo comportamientos aislados de clips cortos, sino escenas ecológicas más amplias a lo largo del tiempo, como un lobo acechando a un ciervo en varias tomas de cámara.
La investigación continúa. El equipo está procesando los datos recopilados en 2024 y realizará más trabajo de campo en 2025. Estos estudios adicionales son necesarios para ampliar el conjunto de registros de especies raras, como la liebre alpina y el lince, y también son útiles para desarrollar métodos de análisis temporal del comportamiento de la fauna silvestre a lo largo de varias temporadas.
La creación de más conjuntos de datos como MammAlps podría ampliar drásticamente las iniciativas actuales de monitoreo de la vida silvestre al permitir que los modelos de IA identifiquen comportamientos de interés a partir de cientos de horas de video. Esto proporcionaría a los conservacionistas de la vida silvestre información oportuna y práctica. Con el tiempo, esto podría facilitar el seguimiento de cómo el cambio climático, la invasión humana o los brotes de enfermedades afectan el comportamiento de la vida silvestre y ayudar a proteger a las especies vulnerables.
Para obtener más información sobre MammAlps y acceder al conjunto de datos, visite https://eceo-epfl.github.io/MammAlps/ .
MammAlps fue seleccionado para figurar como un elemento destacado en la Conferencia IEEE/CVF sobre visión artificial y reconocimiento de patrones (CVPR) , una conferencia de visión artificial de primer nivel (del 11 al 15 de junio de 2025).
Fondos
EPFL SV-ENACPrograma de Doctorado en Filosofía (iPhD)
Beca de doctorado del Fondo Boehringer Ingelheim
Fundación Nacional Suiza para la Ciencia (SNSF)
Referencias
Valentin Gabeff, Haozhe Qi, Brendan Flaherty, Gencer Sumbül, Alexander Mathis, Devis Tuia. MammAlps: Un conjunto de datos de video multivista para el monitoreo del comportamiento de mamíferos salvajes en los Alpes suizos. Conferencia IEEE/CVF sobre Visión Artificial y Reconocimiento de Patrones (CVPR), Nashville, TN, 2025.https://arxiv.org/html/2503.18223v1
EPFL News. N. P. Traducido al español
