論文の概要: NutritionVerse-3D: A 3D Food Model Dataset for Nutritional Intake Estimation

• arxiv url: http://arxiv.org/abs/2304.05619v1
• Date: Wed, 12 Apr 2023 05:27:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-13 16:07:47.739261
• Title: NutritionVerse-3D: A 3D Food Model Dataset for Nutritional Intake Estimation
• Title（参考訳）: NutritionVerse-3D:栄養摂取推定のための3次元食品モデルデータセット
• Authors: Chi-en Amy Tai, Matthew Keller, Mattie Kerrigan, Yuhao Chen, Saeejith Nair, Pengcheng Xi, Alexander Wong
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 65.47310907481042
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 77% of adults over 50 want to age in place today, presenting a major challenge to ensuring adequate nutritional intake. It has been reported that one in four older adults that are 65 years or older are malnourished and given the direct link between malnutrition and decreased quality of life, there have been numerous studies conducted on how to efficiently track nutritional intake of food. Recent advancements in machine learning and computer vision show promise of automated nutrition tracking methods of food, but require a large high-quality dataset in order to accurately identify the nutrients from the food on the plate. Unlike existing datasets, a collection of 3D models with nutritional information allow for view synthesis to create an infinite number of 2D images for any given viewpoint/camera angle along with the associated nutritional information. In this paper, we develop a methodology for collecting high-quality 3D models for food items with a particular focus on speed and consistency, and introduce NutritionVerse-3D, a large-scale high-quality high-resolution dataset of 105 3D food models, in conjunction with their associated weight, food name, and nutritional value. These models allow for large quantity food intake scenes, diverse and customizable scene layout, and an infinite number of camera settings and lighting conditions. NutritionVerse-3D is publicly available as a part of an open initiative to accelerate machine learning for nutrition sensing.
• Abstract（参考訳）: 50歳以上の成人の77%は今日、適切な栄養摂取を確保する上で大きな課題となっている。 65歳以上の高齢者の4人に1人が栄養失調であり、栄養失調と生活の質の低下の直接関係があると報告されており、食事の栄養摂取を効率的に追跡する方法に関する多くの研究が行われている。 機械学習とコンピュータビジョンの最近の進歩は、食品の自動栄養トラッキング手法が期待されているが、プレート上の食品から栄養素を正確に識別するには、大量の高品質データセットが必要である。 既存のデータセットとは異なり、栄養情報を持つ3dモデルの集合は、ビュー合成によって、関連する栄養情報とともに任意の視点/カメラ角に対して無限の2d画像を生成することができる。 本稿では, 食品の高品質な3Dモデル収集手法を, スピードと一貫性に特化して開発し, 関連量, 食品名, 栄養価とともに, 105個の食品モデルからなる大規模高画質な高解像度データセットであるNutritionVerse-3Dを導入する。 これらのモデルでは、大量の食品摂取シーン、多様でカスタマイズ可能なシーンレイアウト、無限のカメラ設定と照明条件が可能である。 NutritionVerse-3Dは、栄養センシングのための機械学習を加速するオープンイニシアチブの一部として公開されている。

関連論文リスト

• MetaFood3D: Large 3D Food Object Dataset with Nutrition Values [53.24500333363066]
  このデータセットは、詳細な栄養情報、体重、および包括的栄養データベースに関連付けられた食品コードを含む、108カテゴリにわたる637の細かな3D食品オブジェクトから成っている。 実験の結果、我々のデータセットがアルゴリズムの性能を向上させる重要な可能性を実証し、ビデオキャプチャと3Dスキャンされたデータの間の困難さを強調し、高品質なデータ生成、シミュレーション、拡張におけるMetaFood3Dデータセットの強みを示した。
  論文  参考訳（メタデータ） (2024-09-03T15:02:52Z)
• MetaFood CVPR 2024 Challenge on Physically Informed 3D Food Reconstruction: Methods and Results [52.07174491056479]
  私たちはMetaFood Workshopを主催し、物理的にインフォームドされた3Dフードレコンストラクションへの挑戦を行っている。 本課題は,2次元画像から,視認性チェッカーボードをサイズ基準として,食品の容積正確な3次元モデルを再構築することに焦点を当てる。 この課題で開発されたソリューションは、3D食品の復元において有望な成果を達成し、食事評価と栄養モニタリングのための部分推定の改善に有意な可能性を秘めている。
  論文  参考訳（メタデータ） (2024-07-12T14:15:48Z)
• NutritionVerse-Direct: Exploring Deep Neural Networks for Multitask Nutrition Prediction from Food Images [63.314702537010355]
  自己申告法はしばしば不正確であり、重大な偏見に悩まされる。 近年、食品画像から栄養情報を予測するためにコンピュータビジョン予測システムを用いた研究が進められている。 本稿では,様々なニューラルネットワークアーキテクチャを活用することにより,食事摂取量推定の有効性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-05-13T14:56:55Z)
• Food Portion Estimation via 3D Object Scaling [8.164262056488447]
  本稿では2次元画像から食品の体積とエネルギーを推定する新しい枠組みを提案する。 入力画像中のカメラと食品オブジェクトのポーズを推定する。 また、45の食品の2D画像を含むSimpleFood45という新しいデータセットも導入しました。
  論文  参考訳（メタデータ） (2024-04-18T15:23:37Z)
• 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)

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。