動画からのグラウンディング、行動認識、姿勢推定の3種類のタスクに対応し、動物の動画に対するアノテーションを実施したAnimal Kingdomデータセットを構築した。また、行動認識のタスクで、K種類の種別ごとの変換器を重み付けして、訓練時に見ていない動物にも対応を試みるCAReモデルを提案した。

合計850種類の動物が登場し、50時間の動画と33,099枚の画像のキーポイントをアノテーションしたデータセットを構築した。また、3種類のタスクについてアルゴリズムの比較評価も実施し、行動認識のタスクでCAReモデルは従来手法を上回る結果。

幅広くデータを収集し、各々のタスクで従来手法の評価を行ったため通ったと考えられる。プロジェクトページ( https://sutdcv.github.io/Animal-Kingdom/ )が公開されている。