知识卡片：WildFin：野外鱼类行为识别数据集

一句话结论

WildFin 是一个由生态学家收集和标注的野外鱼类行为识别基准数据集，用于评测视觉模型在复杂海洋环境中的表现；结果表明，当前视觉基础模型的能力与真实水下行为分析需求之间仍存在显著差距。

事件概述或研究问题

野外技术的进步带来了大量生态学野外视频数据，但专家标注成本高昂，成为利用这些数据的主要瓶颈。计算机视觉虽被视为潜在解决方案，但现有模型在复杂海洋环境中部署时经常失败。为了系统刻画这些失败模式，研究者构建了 WildFin 基准数据集。

方法/产品要点

• WildFin 覆盖两种真实世界场景：固定摄像头监测鱼群，以及动态潜水员跟踪个体鱼类。
• 数据构建规模：1,350 小时野外工作，600 小时专家标注，最终产出 9 小时行为数据，包含超过 200 万帧的逐帧标签。
• 基准评测：对现代视觉基础模型进行基准测试，量化静态架构与时空架构之间的权衡。

主要结果或产业意义

• 当前视觉基础模型在野外水下行为识别上的表现与真实应用需求之间仍存在较大差距。
• 该数据集为生态学与计算机视觉交叉领域提供了一个可复用的评测基准，有助于推动更鲁棒的水下行为识别模型研发。

为什么重要

与已有相关卡片（如状态空间模型测量、四足机器人运动、史前手印性别归属）不同，本条聚焦于生态学中的真实野外视频理解。WildFin 的增量信息在于：它专门针对鱼类行为识别构建了生态学家标注的基准，并系统评估了视觉基础模型在静态与时空架构上的差距，为“模型在野外复杂环境下失效”这一普遍问题提供了具体评测平台。

局限与不确定性

• 摘要未提供具体模型性能数字、数据集物种组成、地理范围、行为类别列表及标注一致性等信息，待核实。
• “静态与时空架构之间的权衡”具体结论和量化指标未在摘要中展开，待核实。
• 项目网站和完整论文可能包含更多细节，本文卡仅基于 arXiv 摘要整理。

可用于图书/PPT/简报的角度

• 野外生态视频数据爆发式增长与专家标注成本之间的矛盾。
• 计算机视觉在下游生态监测中的现实瓶颈：复杂水下环境中的泛化失败。
• 静态模型 vs. 时空模型：行为识别任务中的架构选择权衡。
• 构建“小而精”的高质量生态学基准数据集（9 小时数据、200 万帧）的价值。

原始材料

• 英文标题：WildFin: An In-the-Wild Dataset for Fish Behavioral Recognition
• 英文关键词：WildFin; fish behavior recognition; in-the-wild dataset; vision foundation models; ecological science
• 来源：arXiv:2608.21281v1
• URL: https://arxiv.org/abs/2608.21281v1
• PDF: https://arxiv.org/pdf/2608.21281v1
• 项目网站：https://team-wildfin.github.io/