論文の概要: Personalized Taste and Cuisine Preference Modeling via Images
- arxiv url: http://arxiv.org/abs/2003.08769v1
- Date: Wed, 26 Feb 2020 01:07:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-28 14:35:17.550241
- Title: Personalized Taste and Cuisine Preference Modeling via Images
- Title（参考訳）: イメージによる味覚・料理嗜好のパーソナライズ
- Authors: Nitish Nag, Bindu Rajanna, Ramesh Jain
- Abstract要約: コンピュータビジョンツールを使用して、ユーザ毎に異なる洞察を抽出し、個人プロファイルを構築します。
本研究は,特定の料理に対する個人の傾きについての洞察を提供する。
- 参考スコア（独自算出の注目度）: 2.085613658454865
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the exponential growth in the usage of social media to share live
updates about life, taking pictures has become an unavoidable phenomenon.
Individuals unknowingly create a unique knowledge base with these images. The
food images, in particular, are of interest as they contain a plethora of
information. From the image metadata and using computer vision tools, we can
extract distinct insights for each user to build a personal profile. Using the
underlying connection between cuisines and their inherent tastes, we attempt to
develop such a profile for an individual based solely on the images of his
food. Our study provides insights about an individual's inclination towards
particular cuisines. Interpreting these insights can lead to the development of
a more precise recommendation system. Such a system would avoid the generic
approach in favor of a personalized recommendation system.
- Abstract（参考訳）: 生活に関するライブアップデートを共有するソーシャルメディアの利用が急増する中で、写真撮影は避けられない現象となっている。
個人は、これらの画像でユニークな知識ベースを作る。
特に、食品画像には大量の情報が含まれているため、興味がある。
画像メタデータからコンピュータビジョンツールを使用して、各ユーザがパーソナライズした洞察を抽出し、個人プロファイルを構築することができる。
本研究は,食生活と食生活の関連性から,食生活のイメージにのみ基づく個人のためのプロフィールを構築しようとするものである。
本研究は,個々の料理に対する個人の傾向に関する洞察を与える。
これらの洞察を解釈すれば、より正確なレコメンデーションシステムの開発につながる可能性がある。
このようなシステムは、パーソナライズされたレコメンデーションシステムを支持する一般的なアプローチを避けるだろう。
関連論文リスト
- Personalized Image Generation with Large Multimodal Models [47.289887243367055]
そこで我々はPersonalized Image Generation Framework(PSH)を提案し,ユーザの視覚的嗜好やニーズをノイズの多いユーザ履歴やマルチモーダルな指示から捉える。
パーソナライズされたステッカーとポスター生成にPigeonを応用し,様々な生成ベースラインよりも定量的な結果と人的評価が優れていることを示す。
論文 参考訳（メタデータ） (2024-10-18T04:20:46Z) - How Much You Ate? Food Portion Estimation on Spoons [63.611551981684244]
現在の画像に基づく食品部分推定アルゴリズムは、ユーザが食事の画像を1、2回取ることを前提としている。
本稿では,静止型ユーザ向けカメラを用いて,機器上の食品の追跡を行う革新的なソリューションを提案する。
本システムは,スープやシチューなどの液状固形不均一混合物の栄養含量の推定に信頼性が高い。
論文 参考訳（メタデータ） (2024-05-12T00:16:02Z) - PALP: Prompt Aligned Personalization of Text-to-Image Models [68.91005384187348]
既存のパーソナライズ手法は、パーソナライズ能力や複雑なプロンプトへのアライメントを損なう。
本稿では,この問題に対処するエフィンスル・プロンプトのためのパーソナライズ手法に着目した新しいアプローチを提案する。
本手法はテキストアライメントの改善に優れ,複雑かつ複雑なプロンプトによる画像作成を可能にする。
論文 参考訳（メタデータ） (2024-01-11T18:35:33Z) - Stellar: Systematic Evaluation of Human-Centric Personalized
Text-to-Image Methods [52.806258774051216]
我々は,個々のイメージを入力し,生成プロセスの基盤となるテキストと,所望の視覚的コンテキストを記述したテキストに焦点をあてる。
我々は,既存の関連するデータセットよりも桁違いの大きさの個人画像と,リッチなセマンティックな接地真実アノテーションが容易に利用できるパーソナライズされたプロンプトを含む標準化データセット(Stellar)を紹介した。
被験者ごとにテストタイムの微調整を必要とせず,新しいSoTAを定量的かつ人為的に設定した,シンプルで効率的でパーソナライズされたテキスト・ツー・イメージのベースラインを導出する。
論文 参考訳（メタデータ） (2023-12-11T04:47:39Z) - Personalized Food Image Classification: Benchmark Datasets and New
Baseline [8.019925729254178]
本稿では、自己教師付き学習と時間的特徴情報を活用することにより、個人化された食品画像分類のための新しい枠組みを提案する。
提案手法は両方のベンチマークデータセットで評価され,既存手法と比較して性能が向上した。
論文 参考訳（メタデータ） (2023-09-15T20:11:07Z) - Identity Encoder for Personalized Diffusion [57.1198884486401]
パーソナライズのためのエンコーダに基づくアプローチを提案する。
我々は、被写体の参照画像の集合からアイデンティティ表現を抽出できるアイデンティティエンコーダを学習する。
提案手法は画像生成と再構成の両方において既存の微調整に基づくアプローチより一貫して優れていることを示す。
論文 参考訳（メタデータ） (2023-04-14T23:32:24Z) - Self-Supervised Visual Representation Learning on Food Images [6.602838826255494]
既存の深層学習手法は、食品画像の人間のアノテーションに基づいて、下流タスクの視覚的表現を学習する。
実生活のほとんどの食品画像はラベルなしで取得され、データアノテーションには多くの時間と人的労力が必要です。
本稿では,食品画像における自己指導型学習手法の実装と分析に焦点をあてる。
論文 参考訳（メタデータ） (2023-03-16T02:31:51Z) - MyStyle: A Personalized Generative Prior [38.3436972491162]
MyStyleはパーソナライズされたディープジェネレーティブで、個人を数枚のショットで訓練する。
MyStyleは、特定の人の画像を再構成、拡張、編集することができる。
論文 参考訳（メタデータ） (2022-03-31T17:59:19Z) - Egocentric Image Captioning for Privacy-Preserved Passive Dietary Intake
Monitoring [11.896038903418498]
受動的モニタリングによる食事評価のためのプライバシー保護型セキュアソリューション(エゴセントリック画像キャプション)を提案する。
このデータセットは、ガーナのフィールド研究でヘッドウーンと胸ウーンカメラによって撮影された、幅内の画像で構成されている。
我々の知る限りでは、実生活における食事摂取評価にイメージキャプションを適用した最初の作品である。
論文 参考訳（メタデータ） (2021-07-01T11:16:44Z) - Personal Food Model [4.093166743990079]
我々は、食品コンピューティングにおける人中心のマルチメディアとマルチモーダルの視点を採用する。
パーソナルフードモデル(Personal Food Model)は、個人の食品関連特性のデジタル化表現である。
我々は、食品と他の生命や生物学的事象を関連付けるために、イベントマイニングアプローチを使用し、予測モデルを構築します。
論文 参考訳（メタデータ） (2020-08-28T21:36:09Z) - Privacy-Preserving Image Features via Adversarial Affine Subspace
Embeddings [72.68801373979943]
多くのコンピュータビジョンシステムでは、ユーザーは画像処理とストレージのためにイメージ機能をクラウドにアップロードする必要がある。
本稿では,新しいプライバシー保護機能表現を提案する。
従来の特徴と比較すると,敵が個人情報を回収するのは極めて困難である。
論文 参考訳（メタデータ） (2020-06-11T17:29:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。