Fugu-MT 論文翻訳(概要): Ratatouille: A tool for Novel Recipe Generation

論文の概要: Ratatouille: A tool for Novel Recipe Generation

arxiv url: http://arxiv.org/abs/2206.08267v1
Date: Tue, 10 May 2022 11:20:19 GMT
ステータス: 処理完了
システム内更新日: 2023-02-13 17:23:50.523549
Title: Ratatouille: A tool for Novel Recipe Generation
Title（参考訳）: Ratatouille: 新たなレシピ生成ツール
Authors: Mansi Goel, Pallab Chakraborty, Vijay Ponnaganti, Minnet Khan, Sritanaya Tatipamala, Aakanksha Saini and Ganesh Bagler
Abstract要約: Ratatouilleは、新しいレシピを生成するWebベースのアプリケーションである。 LSTM や GPT-2 などの様々なディープラーニングモデルを大量のレシピデータで訓練した。
参考スコア（独自算出の注目度）: 2.458554997628989
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Due to availability of a large amount of cooking recipes online, there is a growing interest in using this as data to create novel recipes. Novel Recipe Generation is a problem in the field of Natural Language Processing in which our main interest is to generate realistic, novel cooking recipes. To come up with such novel recipes, we trained various Deep Learning models such as LSTMs and GPT-2 with a large amount of recipe data. We present Ratatouille (https://cosylab.iiitd.edu.in/ratatouille2/), a web based application to generate novel recipes.
Abstract（参考訳）: オンラインで大量の調理レシピが利用可能になっているため、これをデータとして新しいレシピを作成することへの関心が高まっている。新たなレシピ生成は自然言語処理の分野における問題であり、我々の主な関心は、リアルで斬新な料理レシピを作ることである。このような新しいレシピを考案するために,LSTM や GPT-2 といった様々なディープラーニングモデルを大量のレシピデータで訓練した。我々は,新しいレシピを生成するwebベースのアプリケーションである ratatouille (https://cosylab.iiitd.edu.in/ratatouille2/) を提案する。

関連論文リスト

Monte Carlo Tree Search for Recipe Generation using GPT-2 [0.8057006406834466]
モンテカルロ木探索(MCTS)を利用したGPT-2を用いたテキスト生成手法であるRecipeMCを提案する。 RecipeMCにより、報酬関数を定義し、テキスト生成にソフト制約を課し、生成したレシピの信頼性を向上させることができる。以上の結果から,ヒト評価者はRecipeMCで生成したレシピを,他のベースライン法で生成したレシピよりも好んでいることがわかった。
論文参考訳（メタデータ） (2024-01-10T14:50:46Z)
Large Language Models as Sous Chefs: Revising Recipes with GPT-3 [56.7155146252028]
我々は、複雑で多様で広く使われている指示の例としてレシピに焦点を当てている。我々は、レシピと材料リストに基づいたプロンプトを開発し、レシピをより単純なステップに分解する。また,レシピリビジョンの品質の人的判断を収集しながら,疲労軽減を念頭に設計したAmazon Mechanical Turkタスクにも貢献する。
論文参考訳（メタデータ） (2023-06-24T14:42:43Z)
Counterfactual Recipe Generation: Exploring Compositional Generalization in a Realistic Scenario [60.20197771545983]
本研究では,材料の変化に応じて基本レシピを変更するようモデルに依頼する,反現実的なレシピ生成タスクを設計する。料理の知識を学習するモデルのために、中国語で大規模なレシピデータセットを収集する。その結果、既存のモデルでは原文のスタイルを保ちながら素材の変更が困難であり、調整が必要なアクションを見逃すことがしばしばあった。
論文参考訳（メタデータ） (2022-10-20T17:21:46Z)
Towards Fine-Dining Recipe Generation with Generative Pre-trained Transformers [1.167576384742479]
そこで本研究では,トランスフォーマーを用いて,スクラッチから新しい微調整レシピを作成する方法を提案する。食品レシピの小さなデータセットが与えられた場合、我々は、調理技術を特定するためにモデルを訓練し、新しいレシピを提案し、最小限のデータで微調整のパワーをテストする。
論文参考訳（メタデータ） (2022-09-26T15:33:09Z)
Cross-lingual Adaptation for Recipe Retrieval with Mixup [56.79360103639741]
近年,大規模なペアリングデータの提供により,クロスモーダルなレシピ検索が研究の注目を集めている。本稿では,ソース領域とターゲット領域のレシピが異なる言語で作成される画像からレシピ検索のための教師なし領域適応について検討する。 2つの領域間の移動可能な埋め込み特徴を学習するために,新しいレシピ・ミックスアップ法を提案する。
論文参考訳（メタデータ） (2022-05-08T15:04:39Z)
Structure-Aware Generation Network for Recipe Generation from Images [142.047662926209]
食品画像と材料のみに基づいて調理指導を行うオープン・リサーチ・タスクについて検討する。ターゲットレシピは長い段落であり、構造情報に関する注釈を持たない。本稿では,食品レシピ生成課題に取り組むために,構造認識ネットワーク(SGN)の新たな枠組みを提案する。
論文参考訳（メタデータ） (2020-09-02T10:54:25Z)
Multi-modal Cooking Workflow Construction for Food Recipes [147.4435186953995]
ワークフロー構築のための最初の大規模データセットであるMM-ReSを構築した。本稿では、視覚情報とテキスト情報の両方を利用して調理ワークフローを構築するニューラルエンコーダデコーダモデルを提案する。
論文参考訳（メタデータ） (2020-08-20T18:31:25Z)
Decomposing Generation Networks with Structure Prediction for Recipe Generation [142.047662926209]
本稿では,構造予測を伴うDGN(Decomposing Generation Networks)を提案する。具体的には,調理指導を複数のフェーズに分割し,各フェーズに異なるサブジェネレータを割り当てる。提案手法は, (i) 大域的構造予測成分を用いてレシピ構造を学習し, (ii) 予測された構造に基づいてサブジェネレータ出力成分でレシピ相を生成するという2つの新しいアイデアを含む。
論文参考訳（メタデータ） (2020-07-27T08:47:50Z)
RecipeGPT: Generative Pre-training Based Cooking Recipe Generation and Evaluation System [29.150333060513177]
本稿では,新しいオンラインレシピ生成・評価システムであるRecipeGPTを紹介する。システムは、所定のレシピタイトルと材料からの指示生成と、レシピタイトルと調理指示からの材料生成の2つのモードを提供する。バックエンドテキスト生成モジュールは、大規模な調理レシピデータセットに基づいて微調整された生成事前学習言語モデルGPT-2を備える。
論文参考訳（メタデータ） (2020-03-05T09:25:30Z)

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。