본 논문은 카메라 트랩으로부터 수집된 방대한 시각 데이터에서 개체 식별이 어려운 문제를 해결하기 위해, 레이블이 없는 카메라 트랩 영상으로부터 침팬지 얼굴 임베딩을 학습하는 완전 자가 지도 학습 방법을 제시한다. DINOv2 프레임워크를 활용하여 자동으로 추출한 얼굴 영역을 이용해 비전 트랜스포머를 학습시키며, 학습 과정에서 레이블 데이터를 전혀 사용하지 않는다. Bossou와 같은 어려운 벤치마크에서 지도 학습 기반 방법보다 우수한 오픈셋 재식별 성능을 보이며, 자가 지도 학습이 생물다양성 모니터링에 기여할 가능성과 확장 가능하고 비침습적인 개체군 연구의 길을 열었다는 점을 강조한다.
