Los investigadores presentan un marco de adaptación CLIP eficiente en parámetros para la reidentificación animal a largo plazo que aborda los desafíos planteados por la evolución morfológica gradual y los cambios estacionales en la apariencia. El método introduce un mecanismo de condicionamiento continuo de metadatos que incorpora atributos numéricos directamente en la representación del prompt durante el entrenamiento, preservando su estructura en lugar de discretizarlos.
- El marco combina adaptación visual de bajo rango, supervisión basada en prompts y alineación multimodal para adaptar CLIP a entornos ecológicos.
- El condicionamiento continuo de metadatos permite una modulación suave del espacio de incrustaciones mientras mantiene un pipeline de inferencia puramente visual en el momento de la prueba.
- Los experimentos en un conjunto de datos longitudinal de peces de siete años y múltiples benchmarks de vida silvestre muestran un rendimiento mejorado bajo protocolos de evaluación de conjunto cerrado, conjunto abierto y conscientes del tiempo.
El enfoque mejora la robustez frente a variaciones de apariencia longitudinal y desplazamientos de distribución temporal sin requerir metadatos durante la inferencia.