中科院深圳先进院提出 SBeA，基于少样本学习框架进行动物社会行为分析
内容提要
中国科学院深圳高新技术研究院开发的SBeA能够量化自由群居动物的行为，准确率超过90%。SBeA的优势在于少样本学习框架，减少了对大规模标注数据集的依赖。
延伸解读
少样本学习如何降低行为分析门槛
SBeA 的核心优势在于少样本学习框架，仅需约 400 帧手动标注即可完成多动物 3D 姿态估计，并通过双向迁移学习将单动物身份识别模型复用到多动物场景，减少标注工作量。这降低了对大规模标注数据集的依赖，使研究者能更灵活地应用未标注数据，尤其适合标注成本高、物种多样的社会行为研究。
从姿态到行为模块：技术路径解析
SBeA 通过 3D 姿态跟踪和社会行为映射两步量化自由群居动物行为。姿态跟踪利用摄像头阵列采集视频，经多阶段神经网络输出带身份的三维姿态；行为映射则将运动轨迹分解为 locomotion、non-locomotor movement 和 body distance，再转换为时空表征，最终聚类为离散的社会行为模块。这一流程使复杂互动可被系统化分析。
在基因与物种层面的验证表现
研究用 Shank3B 敲除小鼠验证 SBeA 的准确性，发现 KO-KO 组表现出更多异常社会行为，WT-WT 组则有更多亲社会行为，并能区分 9 种主要社会行为模块。在通用性测试中，SBeA 成功应用于鸟类和犬类，分别识别出 34 种和 15 种社会行为，并能处理遮挡等复杂情况，表明其跨物种、跨环境的潜力。
局限与适用边界
尽管 SBeA 在成对小鼠身份识别中总体精确度可高于 0.85，但部分单只小鼠识别精确度较低，说明遮挡和相似外观仍可能影响效果。此外，其少样本框架依赖预训练模型和迁移学习，在全新物种或极端环境下可能需要额外验证。读者应关注其在实际实验中的标注成本与泛化能力，而非视为完全免标注的通用方案。
Q&A
SBeA是什么？它由哪个机构开发？
SBeA（Social Behavior Atlas）是由中国科学院深圳高新技术研究院开发的一种动物社会行为分析工具，能够全面量化自由群居动物的行为，准确率超过90%。
SBeA如何实现多动物3D姿态估计和身份识别？
SBeA通过摄像头阵列采集视频，使用多阶段人工神经网络进行姿态分析，并采用双向迁移学习策略，将已训练好的多动物分割模型迁移到单动物视频，以及将单动物身份识别模型迁移到多动物身份识别，从而减少手动标注工作量，身份识别准确率超过90%。
SBeA在社会行为映射中如何分解动物行为？
SBeA通过并行动态分解将原始3D运动轨迹分解为locomotion（如走、跑、跳、爬）、non-locomotor movement（如摇尾巴、耳朵抖动）和body distance（动物间物理距离），然后将这些特征转换为空间和时间表征，以分析社会行为模块。
SBeA在基因层面的社会行为差异研究中有何发现？
利用SBeA分析敲除Shank3B基因的小鼠，发现KO-KO组比WT-WT组表现出更多异常社会行为，WT-KO组比WT-WT组显示更密切的社会互动。SBeA还能识别出9种主要社会行为模块，并区分不同基因型小鼠的微妙行为差异。
SBeA的少样本学习框架有什么优势？
SBeA的少样本学习框架仅需约400帧手动标注即可进行多动物3D姿态估计，通过迁移学习和数据增强，减少了对大规模标注数据集的依赖，并能有效应用于无标签数据，实现无监督社会行为分类。
SBeA在不同物种和环境下是否通用？
是的，SBeA在鸟类和犬类实验中表现出通用性，能够识别鸟类34种和犬类15种社会行为类别，并能处理遮挡情况，如鸟类的爪子触碰尾羽和犬类的卧姿。
