Pose estimation serves as a cornerstone of computer vision for understanding animal posture, behavior, and welfare. Yet, agricultural applications remain constrained by the scarcity of large, annotated datasets for livestock, especially dairy cattle. This study evaluates the potential and limitations of cross-species transfer learning by adapting ZebraPose - a vision transformer-based model trained on synthetic zebra imagery - for 27-keypoint detection in dairy cows under real barn conditions. Using three configurations - a custom on-farm dataset (375 images, Sussex, New Brunswick, Canada), a subset of the APT-36K benchmark dataset, and their combination, we systematically assessed model accuracy and generalization across environments. While the combined model achieved promising performance (AP = 0.86, AR = 0.87, PCK 0.5 = 0.869) on in-distribution data, substantial generalization failures occurred when applied to unseen barns and cow populations. These findings expose the synthetic-to-real domain gap as a major obstacle to agricultural AI deployment and emphasize that morphological similarity between species is insufficient for cross-domain transfer. The study provides practical insights into dataset diversity, environmental variability, and computational constraints that influence real-world deployment of livestock monitoring systems. We conclude with a call for agriculture-first AI design, prioritizing farm-level realism, cross-environment robustness, and open benchmark datasets to advance trustworthy and scalable animal-centric technologies.

Bản dịch tiếng Việt:

Ước tính tư thế đóng vai trò là nền tảng của thị giác máy tính để hiểu được tư thế, hành vi và phúc lợi của động vật. Tuy nhiên, các ứng dụng nông nghiệp vẫn còn hạn chế do thiếu các bộ dữ liệu lớn có chú thích về vật nuôi, đặc biệt là bò sữa. Nghiên cứu này đánh giá tiềm năng và hạn chế của việc học chuyển giao giữa các loài bằng cách điều chỉnh ZebraPose - một mô hình dựa trên máy biến đổi thị giác được huấn luyện trên hình ảnh ngựa vằn tổng hợp - để phát hiện 27 điểm chính ở bò sữa trong điều kiện chuồng trại thực tế. Bằng cách sử dụng ba cấu hình - một tập dữ liệu tại trang trại tùy chỉnh (375 hình ảnh, Sussex, New Brunswick, Canada), một tập hợp con của tập dữ liệu chuẩn APT-36K và sự kết hợp của chúng, chúng tôi đã đánh giá một cách có hệ thống độ chính xác và tính khái quát của mô hình trên các môi trường. Mặc dù mô hình kết hợp đạt được hiệu suất đầy hứa hẹn (AP = 0,86, AR = 0,87, PCK 0,5 = 0,869) trên dữ liệu trong quá trình phân phối, nhưng đã xảy ra lỗi khái quát hóa đáng kể khi áp dụng cho các chuồng trại và quần thể bò không được nhìn thấy. Những phát hiện này cho thấy khoảng cách giữa miền tổng hợp và miền thực là trở ngại lớn cho việc triển khai AI trong nông nghiệp và nhấn mạnh rằng sự giống nhau về hình thái giữa các loài là không đủ để chuyển giao giữa các miền. Nghiên cứu này cung cấp những hiểu biết thực tế về tính đa dạng của tập dữ liệu, tính biến đổi của môi trường và các hạn chế về tính toán ảnh hưởng đến việc triển khai các hệ thống giám sát vật nuôi trong thế giới thực. Chúng tôi kết thúc bằng lời kêu gọi thiết kế AI ưu tiên nông nghiệp, ưu tiên chủ nghĩa hiện thực ở cấp độ trang trại, tính bền vững của nhiều môi trường và bộ dữ liệu chuẩn mở để thúc đẩy các công nghệ lấy động vật làm trung tâm đáng tin cậy và có thể mở rộng.

Document Ready

Click below to load the full PDF document natively.