論文の概要: A Survey on Food Ingredient Substitutions

• arxiv url: http://arxiv.org/abs/2501.01958v1
• Date: Fri, 25 Oct 2024 18:03:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 11:38:45.600009
• Title: A Survey on Food Ingredient Substitutions
• Title（参考訳）: 食品イングリデント代替品に関する調査
• Authors: Hyunwook Kim, Revathy Venkataramanan, Amit Sheth,
• Abstract要約: 食事の制限、アレルギー、可用性の制約に対するレシピの適応には、過度な置換が重要である。 成分の風味、機能性、健康適性を分析する必要があるため、適切な代替品を見つけることは困難である。 AIの進歩により、研究者は成分置換に対処するための計算手法を模索してきた。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Diet plays a crucial role in managing chronic conditions and overall well-being. As people become more selective about their food choices, finding recipes that meet dietary needs is important. Ingredient substitution is key to adapting recipes for dietary restrictions, allergies, and availability constraints. However, identifying suitable substitutions is challenging as it requires analyzing the flavor, functionality, and health suitability of ingredients. With the advancement of AI, researchers have explored computational approaches to address ingredient substitution. This survey paper provides a comprehensive overview of the research in this area, focusing on five key aspects: (i) datasets and data sources used to support ingredient substitution research; (ii) techniques and approaches applied to solve substitution problems (iii) contextual information of ingredients considered, such as nutritional content, flavor, and pairing potential; (iv) applications for which substitution models have been developed, including dietary restrictions, constraints, and missing ingredients; (v) safety and transparency of substitution models, focusing on user trust and health concerns. The survey also highlights promising directions for future research, such as integrating neuro-symbolic techniques for deep learning and utilizing knowledge graphs for improved reasoning, aiming to guide advancements in food computation and ingredient substitution.
• Abstract（参考訳）: 食事は慢性的な状態と全体的な健康管理において重要な役割を担っている。 食事の選択について人々がより選択的になるにつれて、食事のニーズを満たすレシピを見つけることが重要である。 食事の制限、アレルギー、可用性の制約に対するレシピの適応には、過度な置換が重要である。 しかし, 成分の風味, 機能性, 健康適性を解析する必要があるため, 適切な代替品を特定することは困難である。 AIの進歩により、研究者は成分置換に対処するための計算手法を模索してきた。 本調査は,5つの重要な側面に焦点をあてて,この分野の研究の概要を概観する。 一 原料代替研究を支えるためのデータセット及びデータソース 二 代用問題を解くための技法及び方法 三 栄養成分、香味料及びペアリング電位等の考慮事項の文脈情報 4 食事制限、制限及び不足成分を含む代用モデルが開発された出願 五 代替モデルの安全性及び透明性、ユーザの信頼と健康上の懸念に焦点を当てる。 この調査は、深層学習のためのニューロシンボリック技術の統合や、推論の改善のための知識グラフの利用、食品計算の進歩と成分置換の指導など、今後の研究の方向性についても強調している。

関連論文リスト

• NGQA: A Nutritional Graph Question Answering Benchmark for Personalized Health-aware Nutritional Reasoning [49.06840168630573]
  食事は人間の健康において重要な役割を担っているが、個々の健康状態に対する食事の理由付けは大きな課題である。 栄養質問回答(QA)は,この問題に対処するための一般的な方法である。 栄養学的健康推論のために設計された最初のグラフ質問応答データセットであるNGQA(Nutritional Graph Question Answering)ベンチマークを紹介する。
  論文  参考訳（メタデータ） (2024-12-20T04:13:46Z)
• Optimizing Ingredient Substitution Using Large Language Models to Enhance Phytochemical Content in Recipes [0.0]
  本研究では,レシピの成分置換を最適化するために,大規模言語モデル (LLM) をどのように適用できるかを検討する。 OpenAIのGPT-3.5、DaVinci、MetaのTinyLlamaといったモデルを、成分置換データセットを使用して微調整しました。 これらの置換により、1,951の植物化学的に濃縮された成分ペアリングと1,639のユニークなレシピが作られた。
  論文  参考訳（メタデータ） (2024-09-13T12:55:45Z)
• RoDE: Linear Rectified Mixture of Diverse Experts for Food Large Multi-Modal Models [96.43285670458803]
  Uni-Foodは、さまざまな食品ラベルを持つ10万以上の画像からなる統合食品データセットである。 Uni-Foodは、食品データ分析に対するより包括的なアプローチを提供するように設計されている。 本稿では,食品関連マルチタスキングの課題に対処するため,新しいリニア・リクティフィケーション・ミックス・オブ・ディバース・エキスパート (RoDE) アプローチを提案する。
  論文  参考訳（メタデータ） (2024-07-17T16:49:34Z)
• 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)
• 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)
• Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
  本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。 深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
  論文  参考訳（メタデータ） (2021-08-06T05:46:01Z)
• Personalized Food Recommendation as Constrained Question Answering over a Large-scale Food Knowledge Graph [16.58534326000209]
  本稿では,大規模食品知識ベース/グラフ(KBQA)上での制約付き質問応答として,食品推薦のための新たな問題定式化を提案する。 ユーザクエリからの要求に加えて、ユーザの食事嗜好と健康ガイドラインからのパーソナライズされた要求が統一された方法で処理される。 我々のアプローチは非パーソナライズドのアプローチを大きく上回っている。
  論文  参考訳（メタデータ） (2021-01-05T20:38:16Z)
• An Artificial Intelligence-Based System to Assess Nutrient Intake for Hospitalised Patients [4.048427587958764]
  入院患者の栄養摂取の定期的なモニタリングは、疾患関連栄養失調のリスクを低減する上で重要な役割を担っている。 本稿では,栄養摂取量を正確に推定する人工知能(AI)に基づく新しいシステムを提案する。
  論文  参考訳（メタデータ） (2020-03-18T15:28:51Z)
• 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。