論文の概要: Personal Food Model
- arxiv url: http://arxiv.org/abs/2008.12855v1
- Date: Fri, 28 Aug 2020 21:36:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-04 11:33:01.166685
- Title: Personal Food Model
- Title（参考訳）: 個人食モデル
- Authors: Ali Rostami, Vaibhav Pandey, Nitish Nag, Vesper Wang, Ramesh Jain
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.093166743990079
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Food is central to life. Food provides us with energy and foundational
building blocks for our body and is also a major source of joy and new
experiences. A significant part of the overall economy is related to food. Food
science, distribution, processing, and consumption have been addressed by
different communities using silos of computational approaches. In this paper,
we adopt a person-centric multimedia and multimodal perspective on food
computing and show how multimedia and food computing are synergistic and
complementary.
Enjoying food is a truly multimedia experience involving sight, taste, smell,
and even sound, that can be captured using a multimedia food logger. The
biological response to food can be captured using multimodal data streams using
available wearable devices. Central to this approach is the Personal Food
Model. Personal Food Model is the digitized representation of the food-related
characteristics of an individual. It is designed to be used in food
recommendation systems to provide eating-related recommendations that improve
the user's quality of life. To model the food-related characteristics of each
person, it is essential to capture their food-related enjoyment using a
Preferential Personal Food Model and their biological response to food using
their Biological Personal Food Model. Inspired by the power of 3-dimensional
color models for visual processing, we introduce a 6-dimensional taste-space
for capturing culinary characteristics as well as personal preferences. We use
event mining approaches to relate food with other life and biological events to
build a predictive model that could also be used effectively in emerging food
recommendation systems.
- Abstract（参考訳）: 食物は生命の中心である。
食物は私たちの体にエネルギーと基礎的な構成要素を提供し、喜びと新しい体験の主要な源となります。
全体経済のかなりの部分は食料に関するものである。
食品科学、流通、処理、消費は、計算アプローチのサイロを用いて異なるコミュニティによって対処されてきた。
本稿では,人中心のマルチメディアとマルチモーダルの視点を食品コンピューティングに適用し,マルチメディアと食品コンピューティングが相乗的かつ相補的であることを示す。
食べ物を楽しむことは、視覚、味、匂い、さらには音さえも含む真のマルチメディア体験であり、マルチメディアフードロガーを使ってキャプチャできる。
食品に対する生物学的反応は、利用可能なウェアラブルデバイスを使用してマルチモーダルデータストリームを使ってキャプチャできる。
このアプローチの中心は、パーソナルフードモデルである。
個人食モデルは、個人の食品関連特性のデジタル化表現である。
食品レコメンデーションシステムにおいて、ユーザの生活の質を改善する食事関連レコメンデーションを提供するために使用されるように設計されている。
食生活の特徴をモデル化するためには, 嗜好的個人食モデルを用いて食生活を捉え, 生物的個人食モデルを用いて食品に対する生物学的反応を捉えることが不可欠である。
視覚処理のための3次元カラーモデルのパワーに触発され,食感や嗜好を把握できる6次元味空間が導入された。
我々は,食品と他の生物・生物イベントを関連付けるイベントマイニング手法を用いて,新たな食品レコメンデーションシステムにおいても効果的に使用できる予測モデルを構築した。
関連論文リスト
- FoodSky: A Food-oriented Large Language Model that Passes the Chef and Dietetic Examination [37.11551779015218]
食品データを理解するために食品指向の大規模言語モデル(LLM)を導入する。
中国料理の複雑さと典型性を考えると、我々はまず1つの総合的な中華料理コーパス「FoodEarth」を構築した。
そこで我々は,HTRAG(Herarchical Topic Retrieval Augmented Generation)機構とTS3M(Selective State Space Model)を提案する。
論文 参考訳（メタデータ） (2024-06-11T01:27:00Z) - ChatDiet: Empowering Personalized Nutrition-Oriented Food Recommender Chatbots through an LLM-Augmented Framework [2.3221599497640915]
ChatDietは、パーソナライズされた栄養指向の食品レコメンデーションチャットボット用に特別に設計された、新しいフレームワークである。
ChatDietは、オーケストラが補完する個人モデルと人口モデルを統合し、シームレスに関連する情報を検索し、処理する。
ChatDietの評価には説得力のあるケーススタディが含まれており、個別の栄養効果を推定するための因果的個人モデルを確立している。
論文 参考訳（メタデータ） (2024-02-18T06:07:17Z) - FoodFusion: A Latent Diffusion Model for Realistic Food Image Generation [69.91401809979709]
後期拡散モデル(LDMs)のような最先端画像生成モデルでは、視覚的に印象的な食品関連画像を生成する能力が実証されている。
本稿では,テキスト記述からリアルな食品画像の忠実な合成を目的とした,潜伏拡散モデルであるFoodFusionを紹介する。
FoodFusionモデルの開発には、大規模なオープンソースフードデータセットを活用することが含まれており、30万以上のキュレーションされたイメージキャプチャペアが生成される。
論文 参考訳（メタデータ） (2023-12-06T15:07:12Z) - NutritionVerse-Real: An Open Access Manually Collected 2D Food Scene
Dataset for Dietary Intake Estimation [68.49526750115429]
食事摂取推定のための2D食品シーンデータセットであるNutritionVerse-Realを導入する。
NutritionVerse-Realデータセットは、実生活における食品シーンのイメージを手作業で収集し、各成分の重量を測定し、各料理の食生活内容を計算することによって作成されました。
論文 参考訳（メタデータ） (2023-11-20T11:05:20Z) - NutritionVerse: Empirical Study of Various Dietary Intake Estimation Approaches [59.38343165508926]
食事の正確な摂取推定は、健康的な食事を支援するための政策やプログラムを伝える上で重要である。
最近の研究は、コンピュータービジョンと機械学習を使用して、食物画像から食事摂取を自動的に推定することに焦点を当てている。
我々は,84,984個の合成2D食品画像と関連する食事情報を用いた最初の大規模データセットであるNutritionVerse-Synthを紹介した。
また、リアルなイメージデータセットであるNutritionVerse-Realを収集し、リアル性を評価するために、251の料理の889のイメージを含む。
論文 参考訳（メタデータ） (2023-09-14T13:29:41Z) - UMDFood: Vision-language models boost food composition compilation [26.5694236976957]
本稿では, 食品組成プロファイルを正確に推定するために, フロント・オブ・パッケージ・ラベリングと製品画像を用いた新しい視覚言語モデル, UMDFood-VLを提案する。
化学分析結果とモデル推定結果の誤差の最大82.2%は10%未満である。
この性能は、他の食品および栄養関連データコンパイルと触媒化への一般化に光を当てている。
論文 参考訳（メタデータ） (2023-05-18T03:18:12Z) - NutritionVerse-3D: A 3D Food Model Dataset for Nutritional Intake
Estimation [65.47310907481042]
高齢者の4人に1人は栄養不良です。
機械学習とコンピュータビジョンは、食品の自動栄養トラッキング方法の約束を示す。
NutritionVerse-3Dは、105個の3D食品モデルの大規模な高解像度データセットである。
論文 参考訳（メタデータ） (2023-04-12T05:27:30Z) - Towards the Creation of a Nutrition and Food Group Based Image Database [58.429385707376554]
栄養・食品群に基づく画像データベースを構築するための枠組みを提案する。
米国農務省食品栄養データベース(FNDDS)における食品群に基づく食品コードリンクプロトコルを設計する。
提案手法は16,114個の食品データセットを含む栄養・食品群に基づく画像データベースを構築するために用いられる。
論文 参考訳（メタデータ） (2022-06-05T02:41:44Z) - A Mobile Food Recognition System for Dietary Assessment [6.982738885923204]
我々は,生活支援のための食品認識アプリケーションの開発に焦点をあてる。
このタスクにMobilenet-v2アーキテクチャを使うことは、正確性とメモリ使用量の両方において有益である。
開発されたモバイルアプリケーションは、画像を介して自動食品認識において視覚障害者に役立てる可能性がある。
論文 参考訳（メタデータ） (2022-04-20T12:49:36Z) - Towards Building a Food Knowledge Graph for Internet of Food [66.57235827087092]
食品分類から食品分類、食品知識グラフまで、食品知識組織の進化を概観する。
食品知識グラフは、食品検索と質問回答(QA)、パーソナライズされた食事レコメンデーション、食品分析、可視化において重要な役割を果たす。
食品知識グラフの今後の方向性は、マルチモーダル食品知識グラフや食品インテリジェンスなど、いくつかの分野をカバーする。
論文 参考訳（メタデータ） (2021-07-13T06:26:53Z)
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。