論文の概要: Biased Bytes: On the Validity of Estimating Food Consumption from Digital Traces

• arxiv url: http://arxiv.org/abs/2208.14401v1
• Date: Tue, 30 Aug 2022 17:13:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 10:53:18.543152
• Title: Biased Bytes: On the Validity of Estimating Food Consumption from Digital Traces
• Title（参考訳）: Biased Bytes:デジタルトレースから食品消費を推定する妥当性について
• Authors: Kristina Gligori\'c and Irena {\DJ}or{\dj}evi\'c and Robert West
• Abstract要約: ソーシャルメディア(Twitter)と食品追跡アプリケーション(MyFoodRepo)による食事行動の関連を定量化する。 例えば、パンはTwitterよりも消費食品や追跡食品の2.5倍、ケーキはTwitterの12倍の頻度である。 食べ物の種類によって、Twitterに投稿された食べ物は、消費された食品や追跡された食品と比べて、美味しく、カロリーが高く、健康が悪く、家庭で消費された可能性が低く、より複雑で、より大きいものと見なされている。
• 参考スコア（独自算出の注目度）: 17.890674216192277
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Given that measuring food consumption at a population scale is a challenging task, researchers have begun to explore digital traces (e.g., from social media or from food-tracking applications) as potential proxies. However, it remains unclear to what extent digital traces reflect real food consumption. The present study aims to bridge this gap by quantifying the link between dietary behaviors as captured via social media (Twitter) v.s. a food-tracking application (MyFoodRepo). We focus on the case of Switzerland and contrast images of foods collected through the two platforms, by designing and deploying a novel crowdsourcing framework for estimating biases with respect to nutritional properties and appearance. We find that the food type distributions in social media v.s. food tracking diverge; e.g., bread is 2.5 times more frequent among consumed and tracked foods than on Twitter, whereas cake is 12 times more frequent on Twitter. Controlling for the different food type distributions, we contrast consumed and tracked foods of a given type with foods shared on Twitter. Across food types, food posted on Twitter is perceived as tastier, more caloric, less healthy, less likely to have been consumed at home, more complex, and larger-portioned, compared to consumed and tracked foods. The fact that there is a divergence between food consumption as measured via the two platforms implies that at least one of the two is not a faithful representation of the true food consumption in the general Swiss population. Thus, researchers should be attentive and aim to establish evidence of validity before using digital traces as a proxy for the true food consumption of a general population. We conclude by discussing the potential sources of these biases and their implications, outlining pitfalls and threats to validity, and proposing actionable ways for overcoming them.
• Abstract（参考訳）: 人口規模で食品消費を測定することは難しい課題であり、研究者は潜在的なプロキシとしてデジタルトレース(ソーシャルメディアや食品追跡アプリケーションから)を探索し始めている。 しかし、デジタルトレースが実際の食品消費をどの程度反映しているかは不明だ。 本研究の目的は,ソーシャルメディア (twitter) と食品追跡アプリケーション (myfoodrepo) による食事行動の関連を定量化することで,このギャップを埋めることにある。 我々は,2つのプラットフォームを通じて収集された食品のコントラストイメージとスイスの場合に焦点を当て,栄養特性や外観に対するバイアスを推定する新たなクラウドソーシングフレームワークの設計と展開を行った。 例えば、パンはtwitterよりも消費された食品と追跡された食品の2.5倍頻度があり、twitterではcakeの方が12倍頻度が高い。 異なる種類の食品の分布を制御することで、特定の種類の食品をtwitterで共有した食品と比較した。 食べ物の種類によって、Twitterに投稿された食べ物は、消費された食品や追跡された食品と比べて、美味しく、カロリーが高く、健康が悪く、家庭で消費された可能性が低く、より複雑で、より大きいものと見なされている。 2つのプラットフォームを通じて測定された食品消費の間にはばらつきがあるという事実は、少なくともそのうちの1つがスイスの一般人口における真の食品消費の忠実な表現ではないことを示唆している。 したがって、研究者は、一般市民の真の食品消費の代用としてデジタルトレースを使用する前に、注意を払って正当性を証明することを目指している。 結論として,これらのバイアスの潜在的原因とその影響を議論し,落とし穴と妥当性への脅威を概説し,それらを克服するための有効な方法を提案する。

関連論文リスト

• From Canteen Food to Daily Meals: Generalizing Food Recognition to More Practical Scenarios [92.58097090916166]
  DailyFood-172とDailyFood-16という2つの新しいベンチマークを、毎日の食事から食のイメージをキュレートする。 これらの2つのデータセットは、よく計算された食品画像領域から日常的な食品画像領域へのアプローチの伝達性を評価するために使用される。
  論文  参考訳（メタデータ） (2024-03-12T08:32:23Z)
• 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)
• Understanding How People with Binge Eating Disorder and Bulimia Interact with Digital Food Content [4.896060424238131]
  bnge eating disorder (BED) とbulimia nervosa (BN) の2つの研究を行った。 以上の結果から,BEDおよびBNの患者は,その症状を克服するために,食品メディアからの肯定的な影響を期待しているが,実際には障害を悪化させることが多い。 我々は、日々のオンラインプラットフォームインタラクションにおいて脆弱な個人をサポートするために、デジタル食品コンテンツとマルチメディアプラットフォームの設計上の意味を明確に述べる。
  論文  参考訳（メタデータ） (2023-11-10T08:09:42Z)
• NutritionVerse: Empirical Study of Various Dietary Intake Estimation Approaches [60.97896788599621]
  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)
• Long-Tailed Continual Learning For Visual Food Recognition [5.377869029561348]
  実生活における食品イメージの分布は通常、少数の人気食品が他のものよりも頻繁に消費されるため、長い目で見るのが一般的である。 本稿では,長期連続学習のための新しいエンドツーエンドフレームワークを提案し,破滅的な忘れを効果的に解決する。 また,クラスアクティベーションマップ(CAM)とCutMixを統合した新しいデータ拡張手法を提案する。
  論文  参考訳（メタデータ） (2023-07-01T00:55:05Z)
• Transferring Knowledge for Food Image Segmentation using Transformers and Convolutions [65.50975507723827]
  食品画像のセグメンテーションは、食品の皿の栄養価を推定するなど、ユビキタスな用途を持つ重要なタスクである。 1つの課題は、食品が重なり合ったり混ざったりし、区別が難しいことだ。 2つのモデルが訓練され、比較される。1つは畳み込みニューラルネットワークに基づくもので、もう1つは画像変換器(BEiT)のための双方向表現に関するものである。 BEiTモデルは、FoodSeg103上の49.4の結合の平均的交点を達成することで、従来の最先端モデルよりも優れている。
  論文  参考訳（メタデータ） (2023-06-15T15:38:10Z)
• 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)
• Formation of Social Ties Influences Food Choice: A Campus-Wide Longitudinal Study [35.304562448945184]
  Ecole Polytechnique Federale de Lausanne(EPFL)大学のキャンパスでは8年間に3800万件の食品購入を記録しています。 受動的に観測されたログデータから因果効果を推定する。 食品の購入頻度が食相手の食品選択の健康性に大きく影響する食品を特定した。
  論文  参考訳（メタデータ） (2021-02-17T13:47:28Z)
• MyFood: A Food Segmentation and Classification System to Aid Nutritional Monitoring [1.5469452301122173]
  食料モニタリングの欠如は、人口の体重増加に大きく寄与している。 食品画像を認識するためにコンピュータビジョンでいくつかのソリューションが提案されているが、栄養モニタリングに特化しているものはほとんどない。 本研究は, ユーザの食事と栄養摂取の自動モニタリングを支援するために, 画像に提示された食品を分類・分別するインテリジェントシステムの開発について述べる。
  論文  参考訳（メタデータ） (2020-12-05T17:40:05Z)
• Alone or With Others? Understanding Eating Episodes of College Students with Mobile Sensing [7.786904858719634]
  食事の社会的文脈(友人、家族、パートナーなど)は、食事の種類、食事中の心理的状態、食事量といった側面に影響を及ぼす重要な自己申告機能である。 本研究では,ウェアラブルとスマートフォンの受動的センシングデータと食生活の社会的文脈について検討する。
  論文  参考訳（メタデータ） (2020-11-23T19:45:55Z)
• Cross-Modal Food Retrieval: Learning a Joint Embedding of Food Images and Recipes with Semantic Consistency and Attention Mechanism [70.85894675131624]
  画像とレシピを共通の特徴空間に埋め込み、対応する画像とレシピの埋め込みが互いに近接するように学習する。 本稿では,2つのモダリティの埋め込みを正規化するためのセマンティック・一貫性とアテンション・ベース・ネットワーク(SCAN)を提案する。 食品画像や調理レシピの最先端のクロスモーダル検索戦略を,かなりの差で達成できることが示される。
  論文  参考訳（メタデータ） (2020-03-09T07:41:17Z)

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。