Fugu-MT 論文翻訳(概要): Food Portion Estimation: From Pixels to Calories

論文の概要: Food Portion Estimation: From Pixels to Calories

arxiv url: http://arxiv.org/abs/2602.05078v1
Date: Wed, 04 Feb 2026 21:53:21 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-06 18:49:08.635087
Title: Food Portion Estimation: From Pixels to Calories
Title（参考訳）: 食品のポーション推定 : 画像からカロリーまで
Authors: Gautham Vinod, Fengqing Zhu,
Abstract要約: 画像に基づく食事評価では、2次元画像入力から食品の3次元サイズを推定する。深層学習はまた、画像の単眼画像または補助入力の組み合わせを使用することでギャップを埋め、画像入力からの出力部分を正確に予測する。
参考スコア（独自算出の注目度）: 9.670264791361605
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Reliance on images for dietary assessment is an important strategy to accurately and conveniently monitor an individual's health, making it a vital mechanism in the prevention and care of chronic diseases and obesity. However, image-based dietary assessment suffers from estimating the three dimensional size of food from 2D image inputs. Many strategies have been devised to overcome this critical limitation such as the use of auxiliary inputs like depth maps, multi-view inputs, or model-based approaches such as template matching. Deep learning also helps bridge the gap by either using monocular images or combinations of the image and the auxillary inputs to precisely predict the output portion from the image input. In this paper, we explore the different strategies employed for accurate portion estimation.
Abstract（参考訳）: 食事評価のための画像の信頼性は、個人の健康を正確かつ便利に監視する重要な戦略であり、慢性疾患や肥満の予防と治療に欠かせないメカニズムである。しかし、画像に基づく食事評価は、2次元画像入力から食品の3次元サイズを推定するに苦しむ。深度マップのような補助的な入力、マルチビュー入力、テンプレートマッチングのようなモデルベースのアプローチなど、この限界を克服するために多くの戦略が考案されている。深層学習はまた、画像の単眼画像または補助入力の組み合わせを使用することでギャップを埋め、画像入力からの出力部分を正確に予測する。本稿では, 正確な部分推定に用いる異なる戦略について検討する。

関連論文リスト

Vision-Based Approach for Food Weight Estimation from 2D Images [0.9208007322096533]
この研究は、さまざまな部分、向き、容器の14種類の食品からなる2380の画像のデータセットを用いている。提案手法は深層学習とコンピュータビジョン技術を統合し,特に食品検出にFaster R-CNN,重量推定にMobileNetV3を用いている。
論文参考訳（メタデータ） (2024-05-26T08:03:51Z)
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)
How Much You Ate? Food Portion Estimation on Spoons [63.611551981684244]
現在の画像に基づく食品部分推定アルゴリズムは、ユーザが食事の画像を1、2回取ることを前提としている。本稿では,静止型ユーザ向けカメラを用いて,機器上の食品の追跡を行う革新的なソリューションを提案する。本システムは,スープやシチューなどの液状固形不均一混合物の栄養含量の推定に信頼性が高い。
論文参考訳（メタデータ） (2024-05-12T00:16:02Z)
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)
An End-to-end Food Portion Estimation Framework Based on Shape Reconstruction from Monocular Image [7.380382380564532]
3次元形状再構成による単眼画像からの食品エネルギー推定のためのエンドツーエンドのディープラーニングフレームワークを提案する。その結果,40.05kCalの平均絶対誤差 (MAE) とMAPEの11.47%の平均絶対誤差 (MAPE) が得られた。
論文参考訳（メタデータ） (2023-08-03T15:17:24Z)
Saliency-Aware Class-Agnostic Food Image Segmentation [10.664526852464812]
クラス別食品画像分割法を提案する。画像の前後の情報を利用すれば、目立たないオブジェクトを見つけることで、食べ物のイメージをセグメンテーションすることができる。本手法は,食餌研究から収集した食品画像を用いて検証する。
論文参考訳（メタデータ） (2021-02-13T08:05:19Z)
An End-to-End Food Image Analysis System [8.622335099019214]
食品の局所化, 分類, 部分サイズ推定を統合した画像に基づく食品分析フレームワークを提案する。提案するフレームワークはエンドツーエンドであり,複数の食品を含む任意の食品画像として入力することができる。本研究の枠組みは,栄養摂食調査から収集した実生活食品画像データセットを用いて評価する。
論文参考訳（メタデータ） (2021-02-01T05:36:20Z)
Multi-Task Image-Based Dietary Assessment for Food Recognition and Portion Size Estimation [6.603050343996914]
本稿では,食品分類と食品部分サイズ推定の両立が可能なエンドツーエンドマルチタスクフレームワークを提案する。本結果は,分類精度と部分推定の平均絶対誤差の両方において,ベースライン法より優れる。
論文参考訳（メタデータ） (2020-04-27T21:35:07Z)
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。