論文の概要: Inclusive Kitchen Design for Older Adults: Generative AI Visualizations to Support Mild Cognitive Impairment

• arxiv url: http://arxiv.org/abs/2604.13203v1
• Date: Tue, 14 Apr 2026 18:26:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.250655
• Title: Inclusive Kitchen Design for Older Adults: Generative AI Visualizations to Support Mild Cognitive Impairment
• Title（参考訳）: 高齢者向け包括的キッチンデザイン:軽度認知障害支援のための生成AI可視化
• Authors: Ibrahim Bilau, Nicole Li, Terrence Malayvong, Eunhwa Yang,
• Abstract要約: 本研究は,標準キッチン写真をホームデザインガイドライン(HDG)を用いて,MCIフレンドリなデザインに変換するAIシステムを開発した。 DreamBooth LoRAとControlNetで強化された安定拡散モデルは、現実的な可視化を作成するために100のキッチンイメージで訓練された。 33人の参加者(51.5%の介護者、36.4%の高齢者)を対象にした調査では、AIを改造したキッチンはより認知的に親しみやすいものとして強く好まれた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mild Cognitive Impairment (MCI) affects 15-20% of adults aged 65 and older, often making kitchen navigation and independent living difficult, particularly in lower-income communities with limited access to professional design help. This study created an AI system that converts standard kitchen photos into MCI-friendly designs using the Home Design Guidelines (HDG). Stable Diffusion models, enhanced with DreamBooth LoRA and ControlNet, were trained on 100 kitchen images to produce realistic visualizations with open layouts, transparent cabinetry, better lighting, non-slip flooring, and less clutter. The models achieved moderate to high semantic alignment (normalized CLIP scores 0.69-0.79) and improved visual realism (GIQA scores 0.45-0.65). In a survey of 33 participants (51.5% caregivers, 36.4% older adults with MCI), the AI-modified kitchens were strongly preferred as more cognitively friendly (87.4% of 198 choices, p < .001). Participants reported high confidence in their kitchen choice selections (M = 5.92/7) and found the visualizations very helpful for home modifications (M = 6.27/7). Thematic analysis emphasized improved visibility, lower cognitive load, and greater independence. Overall, this AI tool provides a low-cost, scalable way for older adults and caregivers to visualize and implement DIY kitchen changes, supporting aging in place and resilience for those with MCI.
• Abstract（参考訳）: 軽度認知障害(MCI)は65歳以上の成人の15～20%に影響を与え、キッチンナビゲーションや独立した生活を困難にしている。 本研究は,標準キッチン写真をホームデザインガイドライン(HDG)を用いて,MCIフレンドリなデザインに変換するAIシステムを開発した。 DreamBooth LoRAとControlNetで強化された安定ディフュージョンモデルは、オープンレイアウト、透明なキャビネット、より優れた照明、非スリップフロア、より散らかさの少ない、現実的なヴィジュアライゼーションを作成するために、100枚のキッチンイメージでトレーニングされた。 モデルは中程度から高いセマンティックアライメント(正規化CLIPスコア0.69-0.79)を獲得し、視覚リアリズムを改善した(GIQAスコア0.45-0.65)。 33人の参加者(51.5%の介護者、36.4%の高齢者)を対象にした調査では、AIを改造したキッチンはより認知的に親しみやすい(198の選択肢の87.4%、p < .001)。 参加者はキッチンの選択に高い信頼性(M = 5.92/7)を報告し、ヴィジュアライゼーションは家庭の改造(M = 6.27/7)に非常に役立った。 テーマ分析では、視認性の向上、認知負荷の低減、独立性の向上が強調された。 全体として、このAIツールは、高齢者や介護者がDIYキッチンの変更を視覚化し、実装するための低コストでスケーラブルな方法を提供する。

関連論文リスト

• Out of the box age estimation through facial imagery: A Comprehensive Benchmark of Vision-Language Models vs. out-of-the-box Traditional Architectures [43.812923368984904]
  本稿では,現代視覚言語モデルと特殊年齢推定アーキテクチャを比較した最初の大規模クロスパラダイム・ベンチマークを提案する。 ゼロショットVLMは、ほとんどの特殊なモデルよりも大幅に優れており、平均絶対誤差(MAE)は5.65年である。 最もパフォーマンスの良いVLM(Gemini 3 Flash Preview, MAE 4.32)は、最強の非LLMモデル(MiVOLO, MAE 5.10)を15%上回っている。
  論文  参考訳（メタデータ） (2026-02-08T04:44:31Z)
• TactileNet: Bridging the Accessibility Gap with AI-Generated Tactile Graphics for Individuals with Vision Impairment [5.627346969563955]
  触覚グラフィックスは、世界4300万人の視覚障害者に視覚情報へのアクセスを提供するのに不可欠である。 これらのグラフィックを作成する従来の方法は労働集約的であり、需要の増加に対応できない。 私たちは、組み込み対応の2D触覚テンプレートを生成するための、最初の包括的なデータセットとAI駆動のフレームワークであるTactileNetを紹介します。
  論文  参考訳（メタデータ） (2025-04-07T04:21:31Z)
• Meta-Rewarding Language Models: Self-Improving Alignment with LLM-as-a-Meta-Judge [77.9094410773789]
  大規模言語モデル(LLM)は、多くのドメインにおける人間の知識を急速に上回っている。 近年の自己回帰機構では、LDMは人間のラベルに頼らず、自分自身の反応を判断することで改善可能であることが示されている。 本稿では,自己改善プロセスにメタリワードの新たなステップを導入し,モデルが自身の判断を判断し,そのフィードバックを用いて判断スキルを洗練させる。
  論文  参考訳（メタデータ） (2024-07-28T21:58:28Z)
• ClusterFormer: Clustering As A Universal Visual Learner [80.79669078819562]
  CLUSTERFORMERは、トランスフォーマーを用いたCLUSTERingパラダイムに基づくユニバーサルビジョンモデルである。 不均一な視覚タスクに様々なレベルのクラスタリングの粒度で対処することができる。 その有効性のために、コンピュータビジョンにおける普遍モデルにおけるパラダイムシフトを触媒できることを期待します。
  論文  参考訳（メタデータ） (2023-09-22T22:12:30Z)
• Dish detection in food platters: A framework for automated diet logging and nutrition management [1.7855867849530096]
  食品プラッターからのディッシュ検出は、視覚的に複雑な食品レイアウトのために難しい問題である。 本稿では,データコンパイル,アノテーション,最先端モデル同定など,ダイエット管理のためのエンドツーエンドの計算フレームワークを提案する。 このフレームワークは、複雑なプレゼンテーションで知られるインド料理の皿の文脈で実装されている。
  論文  参考訳（メタデータ） (2023-05-12T15:25:58Z)
• Understanding The Robustness in Vision Transformers [140.1090560977082]
  自己注意は、改善された中レベルの表現を通して堅牢性を促進する。 我々は、この能力を強化するために、フルアテンショナルネットワーク(FAN)のファミリーを提案する。 我々のモデルは、76.8Mパラメータを持つImageNet-1kおよびImageNet-C上で、最先端の87.1%の精度と35.8%のmCEを達成する。
  論文  参考訳（メタデータ） (2022-04-26T17:16:32Z)
• A Mobile Food Recognition System for Dietary Assessment [6.982738885923204]
  我々は,生活支援のための食品認識アプリケーションの開発に焦点をあてる。 このタスクにMobilenet-v2アーキテクチャを使うことは、正確性とメモリ使用量の両方において有益である。 開発されたモバイルアプリケーションは、画像を介して自動食品認識において視覚障害者に役立てる可能性がある。
  論文  参考訳（メタデータ） (2022-04-20T12:49:36Z)

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。