自监督框架揭示动物运动轨迹隐藏信号

Ping Zhang等研究人员发布了一篇关于自监督表征学习框架的研究论文，该工作发表于arXiv的cs.AI领域。研究提出了一种基于时间邻近性的自监督框架，能够从自由行为大鼠的短期运动轨迹中学习紧凑表征，且无需依赖人工定义的行为状态。 研究结果显示，仅需1秒的运动轨迹即可包含个体身份与学习相关的信号。在具体分析中，自我中心姿态的动态变化更有利于预测动物个体身份，而外心运动特征则更利于预测学习过程中的差异。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。