小鼠行为基础模型MICE一次预训练覆盖1到4只同笼：社交阶段让多鼠行为更可分
核心概要
小鼠行为分析长期依赖逐只编码姿态的自监督模型，而攻击、求偶、骑跨、理毛等关键行为本身发生在多只之间。MICE把六个小鼠姿态数据集统一到12个关键点词表上联合预训练，用分层个体编码器刻画单鼠运动学，再用Perceiver式社交编码器通过学习到的隐码本处理任意数量的同笼个体，使一个检查点无需重训即可服务不同群体规模。在六个数据集、四种评测协议上，MICE匹配或超过此前的关键点基线，逐层探测显示社交阶段在个体编码器之上进一步提升行为可分性。
深度剖析
一个检查点现在可以同时处理1到4只同笼小鼠的行为识别，而不必为每种群体规模单独训练模型。 此前的自监督姿态模型要么把每只动物独立编码、丢掉互动信号，要么在训练时写死动物数量，并且一次只在一个数据集上预训练。 在覆盖六个数据集、四种评测协议的线性探测中，MICE在单数据集与联合预训练两种设置下都匹配或超过BAMS、PointNet、TBERT和hBehaveMAE，差距在多鼠数据集MABe22和AdaptableSnail上最大。
模型先把每只小鼠的运动学单独编码，再让一组学习到的隐码在个体之间交换信息，从而得到带互动上下文的表示。 个体编码器用随深度线性变宽的注意力窗口，在短、中、长三个时间尺度上读取单鼠姿态；社交编码器采用Perceiver式结构，用固定数量的隐槽读取在场的任意多只小鼠，再把精炼后的隐码回写给每只动物。 六个数据集共约220万训练帧，原生骨架从7到27个关键点，经同义词匹配映射到统一的12关键点词表，缺失关键点补零并在相关特征中屏蔽。
启示与展望
已展示的范围是俯视拍摄的小鼠姿态关键点数据，六个数据集覆盖1到4只同笼、7到27个原生关键点，评测限于线性探测、无监督分割、跨数据集迁移和少样本标签效率四类协议。
同义词对齐为人工整理，新骨架需手工扩展；数据仅限俯视小鼠，自下而上与三维数据尚未测试；预训练语料相对视觉或语言基础模型仍然很小，规模律研究留待后续；行为标签集较粗，低于当前标注分辨率的习性细节需要新的基准。