【论文阶段必看】3D-AI Mouse 行为分析中多关键点追踪模型的构建与应用,怎么写才规范?

在使用 3D-AI Mouse 系统进行精细化行为分析时,构建一个稳定、准确的多关键点追踪模型是整个三维重建与行为识别流程的核心基础。然而,很多同学在论文撰写阶段往往对这一部分描述不够规范,或者忽略了方法细节,导致同行难以复现,审稿人频频追问。

那么,如何清晰、专业地说明这一过程?从样本筛选到帧抽取、从关键点标注到模型训练,每一步该怎么写、写到什么程度才合适?

本篇将以真实流程为例,提供一套完整示范,帮助你规范呈现追踪模型的构建与应用细节,提升论文可信度与技术透明度。正文如下所示:

用于三维行为分析的二维多身体点追踪模型是基于原始数据集中的一部分样本构建的。具体流程如下:

样本选择与图像抽取
选取了 4个具有代表性的实验样本,每个样本对应 4个同步视角的视频,共计 16段视频。通过 BehaviorAtlas Pose Labeler 软件(V1.0.0, Guangdong BayONE Scientific Co., Ltd.)从每段视频中均匀抽取 50帧图像(视频帧率为 30 帧/秒),共获得 800张图像

关键点标注
在上述软件中对这800张图像进行了 16个身体关键点人工标注。具体身体关键点名称如下: nose, left ear, right ear, neck, left front limb, right front limb, left hind limb, right hind limb, left front claw, right front claw, left hind claw, right hind claw, back, root tail, middle tail, tip tail

模型训练与应用
标注完成后,在上述软件中进行模型训练。训练完成后,所构建的模型可在 无需物理标记 的前提下,从多视角视频中 自动识别动物的16个身体关键点,为后续二维姿态估计与三维行为重建分析提供高精度基础。