超越歧视：用于生物声学监测的校准 Geoprior 融合

Perch 和 BirdNET 等现代生物声学基础模型可以以高判别精度识别物种，但它们的置信度分数通常未经校准，并且难以解释为现实世界发生的概率。这限制了它们在基于阈值的检测之外的生态推理中的使用。我们利用全局注释声学数据集 (WABAD) 为声学模型生成校准先验，并可选择合并物种级信息。我们引入了将声学预测与地理先验融合的新方法，这在经验上改进了校准，同时保留了辨别力。总之，这些结果为广泛的生物多样性提供了一条更简单、更可靠的声学监测之路。