論文の概要: Food4All: A Multi-Agent Framework for Real-time Free Food Discovery with Integrated Nutritional Metadata

• arxiv url: http://arxiv.org/abs/2510.18289v1
• Date: Tue, 21 Oct 2025 04:35:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:12.922315
• Title: Food4All: A Multi-Agent Framework for Real-time Free Food Discovery with Integrated Nutritional Metadata
• Title（参考訳）: Food4All: 統合栄養メタデータによるリアルタイムフリーフード発見のためのマルチエージェントフレームワーク
• Authors: Zhengqing Yuan, Yiyang Li, Weixiang Sun, Zheyuan Zhang, Kaiwen Shi, Keerthiram Murugesan, Yanfang Ye,
• Abstract要約: Food4Allは、リアルタイムでコンテキスト対応のフリーフード検索用に明示的に設計された最初のマルチエージェントフレームワークである。 食品4Allは, 公式データベース, コミュニティプラットフォーム, ソーシャルメディア間での不均一なデータ収集を行い, 継続的に更新された食品資源のプールを提供する。2) 地理的アクセシビリティと栄養学的正確性の両方を最適化するために, キュレートされたケースを訓練した軽量強化学習アルゴリズム, 3) ユーザニーズの進化に動的に適応するオンラインフィードバックループである。
• 参考スコア（独自算出の注目度）: 27.735512297142623
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Food insecurity remains a persistent public health emergency in the United States, tightly interwoven with chronic disease, mental illness, and opioid misuse. Yet despite the existence of thousands of food banks and pantries, access remains fragmented: 1) current retrieval systems depend on static directories or generic search engines, which provide incomplete and geographically irrelevant results; 2) LLM-based chatbots offer only vague nutritional suggestions and fail to adapt to real-world constraints such as time, mobility, and transportation; and 3) existing food recommendation systems optimize for culinary diversity but overlook survival-critical needs of food-insecure populations, including immediate proximity, verified availability, and contextual barriers. These limitations risk leaving the most vulnerable individuals, those experiencing homelessness, addiction, or digital illiteracy, unable to access urgently needed resources. To address this, we introduce Food4All, the first multi-agent framework explicitly designed for real-time, context-aware free food retrieval. Food4All unifies three innovations: 1) heterogeneous data aggregation across official databases, community platforms, and social media to provide a continuously updated pool of food resources; 2) a lightweight reinforcement learning algorithm trained on curated cases to optimize for both geographic accessibility and nutritional correctness; and 3) an online feedback loop that dynamically adapts retrieval policies to evolving user needs. By bridging information acquisition, semantic analysis, and decision support, Food4All delivers nutritionally annotated and guidance at the point of need. This framework establishes an urgent step toward scalable, equitable, and intelligent systems that directly support populations facing food insecurity and its compounding health risks.
• Abstract（参考訳）: 食品の安全性の低下は、慢性疾患、精神疾患、オピオイド誤用などと密接な関係にある。 しかし、何千もの食料銀行やパントリーが存在するにもかかわらず、アクセスは断片化されている。 1) 現在の検索システムは,不完全かつ地理的に無関係な結果を提供する静的ディレクトリ又は汎用検索エンジンに依存している。 2 LLMベースのチャットボットは、あいまいな栄養提案のみを提供し、時間、移動、輸送等の現実的な制約に適応しない。 3) 既存の食品推薦システムは, 食品の多様性を最適化するが, 近縁性, 有効性, コンテキストバリアなど, 食品不安全人口の生存クリティカルなニーズを見落としている。 これらの制限は、最も脆弱な個人、ホームレス、依存症、デジタル・リテラシーを経験し、緊急に必要なリソースにアクセスできないリスクを負う。 これを解決するために、我々は、リアルタイムでコンテキスト対応のフリーフード検索用に明示的に設計された最初のマルチエージェントフレームワークであるFood4Allを紹介した。 Food4Allは3つのイノベーションを統合する。 1) 公式データベース,コミュニティプラットフォーム,ソーシャルメディアにまたがる異種データ収集により,継続的に更新された食料資源のプールを提供する。 2 地理的アクセシビリティと栄養学的正確性の両方を最適化するため、治験例を訓練した軽量強化学習アルゴリズム 3)検索ポリシーをユーザニーズの進化に動的に適用するオンラインフィードバックループ。 情報取得、セマンティック分析、意思決定支援をブリッジすることで、必要な時に栄養アノテートとガイダンスを提供する。 この枠組みは、食料不安全に直面している人口と、その複合的な健康リスクを直接支援するスケーラブルで公平でインテリジェントなシステムへの緊急の一歩を確立する。

関連論文リスト

• An Integrated Framework for Contextual Personalized LLM-Based Food Recommendation [1.4957306171002251]
  この論文は、効果的な食品レクリエーションに必要な成分を特定し、分析する。 私たちは、リッチなコンテキストデータ取得のためのマルチメディアフードロギングプラットフォームと、World Food Atlasという2つの重要なイノベーションを紹介します。 Food Recommendation as Language Processingフレームワーク - フードドメイン用に特別に設計された、新しく統合されたアプローチ。
  論文  参考訳（メタデータ） (2025-04-25T22:20:33Z)
• A monthly sub-national Harmonized Food Insecurity Dataset for comprehensive analysis and predictive modeling [0.11292693568898363]
  本稿では,4つの主要なデータソースを統合するオープンソースリソースであるHFID(Harmonized Food Insecurity dataset)を紹介する。 HFIDは食品安全保障の専門家や人道機関にとって重要なツールであり、食料安全保障状況を分析するための統一された資源を提供する。 科学コミュニティはまた、HFIDを利用してデータ駆動予測モデルを開発することができ、将来の食糧危機の予測と予防の能力を高めることができる。
  論文  参考訳（メタデータ） (2025-01-10T16:13:57Z)
• 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)
• Revolutionizing Global Food Security: Empowering Resilience through Integrated AI Foundation Models and Data-Driven Solutions [8.017557640367938]
  本稿では,食品セキュリティアプリケーションにおけるAIファンデーションモデルの統合について検討する。 本研究は, 収穫型マッピング, 耕作地マッピング, フィールドデライン化, 収穫量予測における利用状況について検討した。
  論文  参考訳（メタデータ） (2023-10-31T09:15:35Z)
• Fine-grained prediction of food insecurity using news streams [9.04748106111465]
  深層学習の最近の進歩を活用して,1980年から2020年にかけて発行されたニュース記事から,食品危機に対する高周波前駆体を抽出する。 私たちのテキスト機能は、既存のデータによって因果的に基礎付けられ、解釈可能で、検証され、既存のモデルよりも32%の食糧危機を予測できます。
  論文  参考訳（メタデータ） (2021-11-17T17:35:00Z)
• 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)
• 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。