Towards AI-Guided Open-World Ecological Taxonomic Classification
作者: Cheng Yaw Low, Heejoon Koo, Jaewoo Park, Kaleb Mesfin Asfaw, Meeyoung Cha
分类: cs.CV
发布日期: 2025-12-22
备注: 4 figures, 11 tables, and 15 pages
💡 一句话要点
提出TaxoNet，解决开放世界生态分类中的长尾分布和领域偏移问题
🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 生态分类 开放世界学习 长尾分布 领域自适应 植物识别
📋 核心要点
- 现有生态分类方法难以应对长尾分布、领域偏移和闭集假设等现实挑战，导致分类精度下降。
- TaxoNet通过嵌入式编码器和双边际惩罚损失，增强稀有类别的学习信号，抑制常见类别的过度影响。
- 实验表明，TaxoNet在多个植物数据集上优于现有方法，尤其在稀有类别上表现突出，为开放世界植物分类提供新方案。
📝 摘要（中文）
本文提出了一个开放世界生态分类框架，旨在解决现实生态环境中存在的长尾分类分布、细粒度分类差异、测试时空域偏移以及闭集假设等挑战。为了应对这些问题，作者提出了TaxoNet，一个基于嵌入的编码器，并采用双边际惩罚损失，以增强来自稀有、代表性不足的类别的学习信号，同时减轻过度代表类别的优势，从而直接应对相互关联的挑战。该方法在多个生态领域进行了评估，包括Google Auto-Arborist（城市树木）、iNat-Plantae（iNaturalist-2019中的植物观测）和NAFlora-Mini（一个精选的植物标本馆）。实验结果表明，TaxoNet始终优于基线方法，尤其是在稀有类别上，为开放世界植物分类监测奠定了坚实的基础。研究还表明，通用多模态基础模型在植物领域应用中仍然受到限制。
🔬 方法详解
问题定义：论文旨在解决开放世界生态分类问题，该问题面临四大挑战：长尾分类分布（类别不平衡）、细粒度分类差异、测试时空域偏移以及闭集假设（只能识别训练集中见过的类别）。现有方法在应对这些挑战时表现不佳，尤其是在识别稀有物种时，准确率显著下降。
核心思路：论文的核心思路是设计一个能够有效学习类别嵌入的神经网络，并使用双边际惩罚损失来平衡不同类别的影响。通过学习高质量的嵌入表示，模型可以更好地泛化到未见过的类别，并对细粒度差异更加敏感。双边际惩罚损失则可以抑制常见类别对损失函数的过度影响，从而提升稀有类别的学习效果。
技术框架：TaxoNet的整体框架包含一个嵌入编码器和一个双边际惩罚损失函数。嵌入编码器负责将输入图像映射到一个低维的嵌入空间。该编码器可以是任何卷积神经网络，例如ResNet。双边际惩罚损失函数则用于训练编码器，使其能够生成具有区分性的嵌入表示。在测试阶段，模型将输入图像编码成嵌入向量，然后使用最近邻算法在嵌入空间中找到最相似的已知类别。
关键创新：论文的关键创新在于提出了双边际惩罚损失函数。该损失函数通过对不同类别设置不同的边际值，来平衡不同类别的影响。对于稀有类别，设置较小的边际值，使其更容易被识别；对于常见类别，设置较大的边际值，以防止其过度影响模型的决策。这种方法可以有效地提升稀有类别的识别准确率，同时保持常见类别的性能。
关键设计：双边际惩罚损失函数的具体形式如下：L = Σ max(0, d(x, y) - m_y)，其中d(x, y)是输入x和类别y的嵌入向量之间的距离，m_y是类别y的边际值。边际值m_y的设置与类别y的样本数量成反比，即样本数量越少，边际值越小。编码器可以使用预训练的ResNet模型，并进行微调。实验中，作者使用了余弦距离作为嵌入向量之间的距离度量。
🖼️ 关键图片
📊 实验亮点
实验结果表明，TaxoNet在Google Auto-Arborist、iNat-Plantae和NAFlora-Mini等数据集上均优于基线方法。尤其是在稀有类别上，TaxoNet的性能提升显著。例如，在iNat-Plantae数据集上，TaxoNet在稀有类别的识别准确率上提升了10%以上，证明了其在开放世界生态分类中的有效性。
🎯 应用场景
该研究成果可应用于生物多样性监测、保护规划和政策制定等领域。通过自动识别植物物种，可以更有效地进行生态调查和评估，为保护濒危物种和维护生态平衡提供科学依据。此外，该技术还可以应用于智慧农业、城市绿化等领域，实现植物资源的智能化管理。
📄 摘要（原文）
AI-guided classification of ecological families, genera, and species underpins global sustainability efforts such as biodiversity monitoring, conservation planning, and policy-making. Progress toward this goal is hindered by long-tailed taxonomic distributions from class imbalance, along with fine-grained taxonomic variations, test-time spatiotemporal domain shifts, and closed-set assumptions that can only recognize previously seen taxa. We introduce the Open-World Ecological Taxonomy Classification, a unified framework that captures the co-occurrence of these challenges in realistic ecological settings. To address them, we propose TaxoNet, an embedding-based encoder with a dual-margin penalization loss that strengthens learning signals from rare underrepresented taxa while mitigating the dominance of overrepresented ones, directly confronting interrelated challenges. We evaluate our method on diverse ecological domains: Google Auto-Arborist (urban trees), iNat-Plantae (Plantae observations from various ecosystems in iNaturalist-2019), and NAFlora-Mini (a curated herbarium collection). Our model consistently outperforms baselines, particularly for rare taxa, establishing a strong foundation for open-world plant taxonomic monitoring. Our findings further show that general-purpose multimodal foundation models remain constrained in plant-domain applications.