DS@GT ARC at AnimalCLEF 2026: Species-Aware Graph Construction for Multi-Species Animal Re-Identification

Resumo Técnico: DS@GT ARC no AnimalCLEF 2026

Definição do Problema
O artigo aborda o desafio da reidentificação automatizada de animais individuais (ARC) em um cenário de agrupamento (clustering) multiespécies. Diferente de tarefas anteriores de conjunto aberto (open-set) que exigiam distinguir indivíduos conhecidos de desconhecidos, o desafio AnimalCLEF 2026 focou no agrupamento de imagens de quatro espécies distintas — lince-euroasiático (Lynx lynx), salamandra-de-fogo (Salamandra salamandra), tartaruga-cabeçuda (Caretta caretta) e lagarto-chifrudo-do-texas (Phrynosoma cornutum) — em grupos de identidade sem rótulos prévios para o conjunto de teste. A dificuldade principal reside em separar pistas de identidade de variações de incômodo, como pose, iluminação, fundo, resolução e morfologia específica da espécie. Um modo de falha crítico identificado é o problema da "borda de ponte" (bridge edge) no agrupamento: pares falsos positivos com pontuação alta que, quando aceitos como arestas de um grafo, fundem indivíduos distintos através do fechamento transitivo, degradando severamente o Índice Rand Ajustado (ARI).

Metodologia
A equipe DS@GT formulou a reidentificação como um problema de construção de grafo consciente da espécie (species-aware graph construction), em vez de uma simples tarefa de recuperação de vizinho mais próximo. O pipeline opera em cinco estágios distintos:

1. Pré-processamento Específico por Espécie: O sistema aplica um pré-processamento personalizado para cada espécie para mitigar desvios de domínio. Isso inclui aumento de dados de teste (TTA) por inversão vertical, mascaramento de primeiro plano baseado em SAM3 para salamandras para remover fundos ruidosos, e preenchimento (padding) quadrado para imagens de linces.
2. Recuperação Global de Candidatos: O sistema utiliza descritores globais para gerar uma lista curta de pares candidatos. Ele avalia dois backbones principais: MegaDescriptor (treinado para reidentificação de animais) e MiewID (um modelo de incorporação multiespécies). Os orçamentos de recuperação são gerenciados para reduzir a complexidade quadrática das comparações de pares.
3. Verificação Local: Pares listados passam por correspondência de características locais usando LightGlue com múltiplas famílias de pontos-chave (SuperPoint, SFT, ALIKED e DISK). Esta etapa fornece evidências sobre marcas específicas, manchas e texturas que os descritores globais podem omitir.
4. Pontuação de Pares Aprendida: Um modelo de árvore de decisão baseada em gradiente de boosting, LightGBM, pontua os pares candidatos. O modelo integra similaridade global, classificação de recuperação, características de contexto de vizinhança (ex: vizinhos compartilhados, sobreposição de Jaccard) e resumos de verificação local. Crucialmente, essas pontuações são tratadas como propostas de força de aresta, e não como previsões finais de identidade.
5. Construção de Grafo Conservadora e Agrupamento: O sistema emprega portões de admissão de aresta estritos (limiares, requisitos de suporte local e verificações de consistência de vizinhança) para filtrar potenciais arestas de ponte. O grafo retido é então agrupado usando detecção de comunidade de Leiden, que permite a divisão de componentes ponderados, ou análise de componentes conectados.

Principais Contribuições

• Construção de Grafo Consciente da Espécie: O artigo demonstra que uma configuração global única é insuficiente para diversas espécies. A estratégia vencedora envolveu a seleção de pontos de operação específicos (backbones, pré-processamento e limiares de grafo) para cada espécie com base em estudos de ablação.
• Mitigação de Arestas de Ponte: O sistema aborda explicitamente o modo de falha de fechamento transitivo ao priorizar a admissão conservadora de arestas. Os autores mostram que prevenir fusões falsas é mais crítico do que maximizar o recall na etapa inicial de recuperação.
• Integração de Evidências Multimodais: A abordagem integra com sucesso descritores globais, correspondência de características locais (LightGlue) e contexto de vizinhança em um framework de pontuação unificado, mostrando que a evidência local é essencial para validar similaridades globais.
• Análise Exploratória de 3D e Escala: O artigo documenta o trabalho exploratório em normalização de pose 3D (desembrulho UV) para linces e detecção de escala para lagartos-chifrudos-do-texas. Embora não tenham feito parte da submissão final, destacam o potencial de pistas geométricas específicas da espécie.

Resultados
A submissão da DS@GT alcançou um ARI público de 0,733 e um ARI privado de 0,674, classificando-se em 5º lugar entre 230 equipes.

• Lacunas de Desempenho: As cinco melhores equipes foram separadas por uma margem estreita (0,030 ARI), enquanto os sistemas de linha de base (WildFusion e MegaDescriptor) pontuaram significativamente abaixo (0,21 ARI).
• Descobertas Específicas por Espécie:
  • Salamandras: Mais sensíveis ao pré-processamento e à escolha do backbone. Substituir o MiewID pelo MegaDescriptor e remover o mascaramento SAM3 reduziu significativamente o desempenho.
  • Tartarugas Marinhas: Uma recuperação mais forte (fusão MegaDescriptor + MiewID) não se traduziu automaticamente em melhor agrupamento; os controles de grafo subsequentes foram o fator limitante.
  • Linces: Mostraram uma divergência entre as pontuações pública e privada baseada na forma do grafo; componentes conectados maiores melhoraram as pontuações privadas, mas prejudicaram as públicas, indicando diferentes características de divisão.
  • Lagartos-chifrudos-do-texas: Operaram como um desafio de agrupamento puro, sem identidades de treinamento rotuladas, dependendo de construção de grafo não supervisionada.

Significância e Alegações
O artigo afirma que a reidentificação robusta de vida selvagem requer mais do que apenas representações visuais fortes; necessita da integração calibrada de similaridade global, marcas de identidade locais, contexto de vizinhança e restrições de nível de grafo. Os autores enfatizam que o "ponto de operação" da construção do grafo — especificamente o equilíbrio entre fragmentação e sobre-fusão — é tão crítico quanto a qualidade do descritor em si. Os resultados sugerem que, para agrupamento multiespécies, uma abordagem de tamanho único falha, sendo essencial o ajuste de todo o pipeline por espécie (do pré-processamento aos limiares de grafo) para alcançar o estado da arte.