본 논문은 실험용 마우스의 행동 및 생리학적 모니터링을 통해 질병 진행 및 치료 효과를 보다 동적으로 특성화하기 위해 실시간 개체 식별 알고리즘을 개발했습니다. 고밀도 사육 환경, 유사한 외모, 높은 이동성, 빈번한 상호 작용으로 인해 개별 마우스의 지표를 얻는 것이 어려운 점을 해결하기 위해, 맞춤형 귀표지를 부착한 마우스를 카메라로 모니터링하는 디지털 사육장에서 실시간 개체 식별을 수행하는 파이프라인을 제시합니다. 이 파이프라인은 외형 및 움직임 단서를 결합하는 다중 객체 추적기(MouseTracks), 변환기 기반 개체 식별 분류기(Mouseformer), 추적 경로에 최종 개체 식별 예측을 할당하는 선형 프로그램(MouseMap)의 세 부분으로 구성됩니다. 초당 30프레임의 속도로 24시간 연속 개체 식별을 수행하며, 기존 방법보다 추적 효율을 높이고 다양한 쥐 품종과 환경 요인에서 개체 식별 전환율을 낮추는 것을 보여줍니다.
