Google DeepMind与Google Research推出的Perch 2.0在物种分类的生物声学研究中取得突破，整合多种数据集，刷新BirdSET和BEANS基准测试记录。该模型利用深度学习技术提高了生物多样性监测的效率与准确性，展现出广泛应用前景。

本研究提出了SuoiAI，一个针对越南水生无脊椎动物的数据库构建管道，旨在解决水生生物多样性监测中的数据稀缺问题，并通过半监督学习和先进的物体检测模型提高物种分类的准确性。

本研究提出了一个细粒度的鸟类视频数据集，包含178段在西班牙湿地录制的视频，涵盖13种鸟类和7种行为类别，旨在解决鸟类视频数据集稀缺的问题，促进鸟类行为识别和物种分类的研究。

本文介绍了利用机器学习技术进行物种分类和检测的新工具，特别是深度神经网络在生物图像分析中的应用。研究表明，通过优化数据集和算法，可以提高分类准确性，并提出了零样本物种分类方法WildMatch，展示了其在新数据集上的有效性。

该文介绍了一种新的零样本物种分类方法 WildMatch，通过利用多模态基础模型和人们熟悉的术语生成摄像机陷阱图像的详细视觉描述，并将其与外部知识库中的描述进行匹配，以零样本的方式确定物种。同时，作者还提出了一种新的知识增强技术来提高描述质量，并在哥伦比亚 Magdalena Medio 地区的一个新的摄像机陷阱数据集上展示了 WildMatch 的性能。