論文の概要: KitchenScale: Learning to predict ingredient quantities from recipe contexts

• arxiv url: http://arxiv.org/abs/2304.10739v1
• Date: Fri, 21 Apr 2023 04:28:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-24 15:59:15.958580
• Title: KitchenScale: Learning to predict ingredient quantities from recipe contexts
• Title（参考訳）: KitchenScale: レシピのコンテキストから成分量を予測する学習
• Authors: Donghee Choi, Mogan Gim, Samy Badreddine, Hajung Kim, Donghyeon Park, Jaewoo Kang
• Abstract要約: KitchenScaleは、レシピのコンテキストからターゲットの材料量と測定単位を予測するモデルである。 本稿では,成分測定型分類,単位分類,量回帰タスクの3つのサブタスクからなる成分量予測タスクを定式化する。 新たに構築したデータセットとレコメンデーションの例での実験では、さまざまなレシピコンテキストに対するKitchenScaleの理解が示されています。
• 参考スコア（独自算出の注目度）: 13.001618172288198
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Determining proper quantities for ingredients is an essential part of cooking practice from the perspective of enriching tastiness and promoting healthiness. We introduce KitchenScale, a fine-tuned Pre-trained Language Model (PLM) that predicts a target ingredient's quantity and measurement unit given its recipe context. To effectively train our KitchenScale model, we formulate an ingredient quantity prediction task that consists of three sub-tasks which are ingredient measurement type classification, unit classification, and quantity regression task. Furthermore, we utilized transfer learning of cooking knowledge from recipe texts to PLMs. We adopted the Discrete Latent Exponent (DExp) method to cope with high variance of numerical scales in recipe corpora. Experiments with our newly constructed dataset and recommendation examples demonstrate KitchenScale's understanding of various recipe contexts and generalizability in predicting ingredient quantities. We implemented a web application for KitchenScale to demonstrate its functionality in recommending ingredient quantities expressed in numerals (e.g., 2) with units (e.g., ounce).
• Abstract（参考訳）: 食味を豊かにし、健康を増進する観点から、原料の適切な量を決定することは料理の実践の不可欠な部分である。 そこで本研究では,対象成分の量と測定単位をレシピのコンテキストから予測する,微調整事前学習言語モデル(PLM)について紹介する。 キッチンスケールモデルを効果的に訓練するために,成分測定型分類,単位分類,量回帰課題の3つのサブタスクからなる成分量予測タスクを定式化する。 さらに,レシピテキストからplmへの料理知識の転送学習を利用した。 我々は,レシピコーパスにおける数値スケールのばらつきに対処するため,離散潜在指数法(DExp)を採用した。 新たに構築したデータセットとレコメンデーション例を用いた実験では,KitchenScaleが様々なレシピのコンテキストを理解し,成分量を予測するための一般化可能性を示した。 我々は,kitchenscaleのwebアプリケーションを実装し,数量(例えば,2)で表される成分量を単位(例えば,オンス)で推奨する機能を実証した。

関連論文リスト

• Retrieval Augmented Recipe Generation [96.43285670458803]
  本稿では,レシピ生成のための拡張型大規模マルチモーダルモデルを提案する。 既存のデータストアからサプリメントとして、イメージにセマンティックに関連付けられたレシピを検索する。 生成したレシピ候補間の一貫性を計算し、異なる検索レシピを生成のコンテキストとして使用する。
  論文  参考訳（メタデータ） (2024-11-13T15:58:50Z)
• FoodLMM: A Versatile Food Assistant using Large Multi-modal Model [96.76271649854542]
  大規模マルチモーダルモデル(LMM)は多くの視覚言語タスクにおいて顕著な進歩を遂げている。 本稿では,多機能なLMMに基づく多目的食品アシスタントであるFoodLMMを提案する。 本稿では,食品の栄養価と複数のセグメンテーションマスクを予測するために,一連の新しいタスク固有のトークンとヘッドを導入する。
  論文  参考訳（メタデータ） (2023-12-22T11:56:22Z)
• 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)
• RecipeMind: Guiding Ingredient Choices from Food Pairing to Recipe Completion using Cascaded Set Transformer [15.170251924099807]
  RecipeMindは、食品親和性スコア予測モデルであり、他の成分セットに材料を追加することの適合性を定量化する。 食品親和性スコア予測におけるレシピミンドの学習・評価のために, 成分共起に基づくスコアを含む大規模データセットを構築した。
  論文  参考訳（メタデータ） (2022-10-14T06:35:49Z)
• Revamping Cross-Modal Recipe Retrieval with Hierarchical Transformers and Self-supervised Learning [17.42688184238741]
  近年, 生活における食品の重要性から, クロスモーダルなレシピ検索が注目されている。 本稿では,テキストおよび画像のエンコーダの確立と高性能化に基づく,簡易なエンド・ツー・エンドモデルを提案する。 提案手法は,Recipe1Mデータセットのクロスモーダルレシピ検索タスクにおける最新性能を実現する。
  論文  参考訳（メタデータ） (2021-03-24T10:17:09Z)
• Multi-Task Learning for Calorie Prediction on a Novel Large-Scale Recipe Dataset Enriched with Nutritional Information [25.646488178514186]
  本研究は,インターネット上でのレシピの学習により,画像から直接食事のカロリー量を推定することを目的とする。 写真,材料,指示を含む70,000以上のレシピから308,000枚の画像からなるpic2kcalベンチマークを提案する。 実験により, マルチタスク学習によるカロリー推定のメリットが明らかとなり, シングルタスクのカロリー回帰を9.9%上回った。
  論文  参考訳（メタデータ） (2020-11-02T16:11:51Z)
• 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)
• Classification of Cuisines from Sequentially Structured Recipes [8.696042114987966]
  料理の特徴に基づく料理の分類は 際立った問題です。 我々は、RecipeDBデータセット上のこれらの情報を考慮し、様々な分類手法を実装した。 最先端のRoBERTaモデルは、様々な分類モデルの中で73.30%の精度を示した。
  論文  参考訳（メタデータ） (2020-04-26T05:40:36Z)
• A Named Entity Based Approach to Model Recipes [9.18959130745234]
  本稿では,この一様構造におけるレシピの最良の表現を推論するパイプラインだけでなく,レシピを正確に表現できる構造を提案する。 レシピのingredientsセクションは通常、必要な材料と、量、温度、処理状態などの対応する属性をリストアップする。 指示部は、これらの器具や具材に調理技術や工程を適用する一連の事象を列挙する。
  論文  参考訳（メタデータ） (2020-04-25T16:37:26Z)
• 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。