Исследовательская база
Обнаружение структуры в биологических сигналах без разметки — фундаментальная задача вычислительного интеллекта, однако существующие биоакустические методы опираются на модели вокализации или заранее заданные семантические единицы, что плохо подходит для невокализирующих видов. Медоносные пчёлы — показательный пример: их коллективное жужжание возникает от механических вибраций мышц, а не от вокального аппарата, и хотя есть свидетельства связи вибраций с физиологическим состоянием семьи, существующие вокальные фреймворки не применимы. Работа представляет BeeVe — неконтролируемый фреймворк обнаружения акустических состояний в коллективном жужжании пчёл. BeeVe использует самообучающийся Patchout Spectrogram Transformer (PaSST) как замороженный экстрактор признаков для общих акустических эмбеддингов, затем обучает Vector-Quantized Variational Autoencoder (VQ-VAE) полностью без меток, изучая конечный дискретный словарь акустических токенов напрямую из неразмеченного аудио улья.
BeeVe релевантен для акустического мониторинга в продуктовой линейке Gratheon по здоровью колонии и платформе мониторинга. Неконтролируемое обнаружение состояний из жужжания улья снижает зависимость от дорогой разметки полевых записей — важное ограничение для масштабирования. Подход с PaSST и VQ-VAE можно рассматривать как дополнение к существующим идеям акустической детекции бессматочности и аномалий в телеметрии.