Fugu-MT 論文翻訳(概要): Epicure: Multidimensional Flavor Structure in Food Ingredient Embeddings

論文の概要: Epicure: Multidimensional Flavor Structure in Food Ingredient Embeddings

arxiv url: http://arxiv.org/abs/2604.22776v1
Date: Thu, 02 Apr 2026 18:56:30 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-04 02:32:14.171477
Title: Epicure: Multidimensional Flavor Structure in Food Ingredient Embeddings
Title（参考訳）: Epicure:食品イングリデントインベディングにおける多次元フレーバー構造
Authors: Jakub Radzikowski, Josef Chen,
Abstract要約: 食味、食感、文化的なアイデンティティに関するシェフの直感は、料理の実践の中心でありながら明瞭に表現することが難しい暗黙の知識を表している。この知識はすでにフラーバーグラフの300次元成分埋め込みにコード化されており、レシピの共起と食品化学に基づいて訓練されている。 LLM強化キュレーションパイプラインは、6,653個のFravorGraph成分を1,032個の標準成分に集約し、回収可能な構造を大幅に強化した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A chef's intuition about flavor, texture, and cultural identity represents tacit knowledge that is difficult to articulate yet central to culinary practice. We show that this knowledge is already encoded in FlavorGraph's 300-dimensional ingredient embeddings, trained on recipe cooccurrence and food chemistry, and that it can be systematically recovered. An LLM-augmented curation pipeline consolidates 6,653 raw FlavorGraph ingredients into 1,032 canonical entries, substantially strengthening the recoverable structure. We identify at least fifteen independently classifiable dimensions spanning taste, texture, geography, food processing, and culture.
Abstract（参考訳）: 食味、食感、文化的なアイデンティティに関するシェフの直感は、料理の実践の中心でありながら明瞭に表現することが難しい暗黙の知識を表している。この知識はすでにフラーバーグラフの300次元成分埋め込みにコード化されており、レシピの共起と食品化学に基づいて訓練されており、体系的に回収可能である。 LLM強化キュレーションパイプラインは、6,653個のFravorGraph成分を1,032個の標準成分に集約し、回収可能な構造を大幅に強化した。味、テクスチャ、地理、食品加工、文化にまたがる、少なくとも15の独立した分類可能な次元を識別する。

関連論文リスト

Universal statistical laws governing culinary design [0.8556794573885257]
我々は、グローバルな料理にまたがる伝統的なレシピの大規模なコーパスを分析する。成分使用量はZipfのようなランク周波数スケーリングを示す。また、レシピの複雑さは、構成単位の数と平均情報の間のメンセラート・アルトマン型関係に従う。
論文参考訳（メタデータ） (2026-04-30T15:40:42Z)
Advancing Food Nutrition Estimation via Visual-Ingredient Feature Fusion [69.84988999191343]
我々はファストフード(FastFood)について紹介する。ファストフード(FastFood)は、908のファストフードカテゴリーに84,446のイメージを持つデータセットで、成分や栄養のアノテーションが特徴である。栄養推定の精度を高めるために,新しいモデル非依存型ビジュアル・イングレディエント・フィーチャー・フュージョン (VIF$2$) 法を提案する。
論文参考訳（メタデータ） (2025-05-13T17:01:21Z)
Assorted, Archetypal and Annotated Two Million (3A2M) Cooking Recipes Dataset based on Active Learning [2.40907745415345]
それぞれのカテゴリにラベル付けされた200万の料理レシピのデータセットを新たに提示する。データセットを構築するために、レシピをRecipeNLGデータセットから収集する。私たちのデータセットには200万以上のレシピがあり、それぞれが分類され、信頼性スコアが関連付けられています。
論文参考訳（メタデータ） (2023-03-27T07:53:18Z)
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)
A generative grammar of cooking [4.053883224043761]
基礎となる料理論理をキャプチャする生成文法を提案する。構造化されたレシピの広範なリポジトリを研究することにより、料理合成のコアシステムを特定する。栄養障害や生活習慣障害における食品の中枢的な役割を考えると、料理文法は公衆衛生を改善するのに有効である。
論文参考訳（メタデータ） (2022-10-12T06:34:23Z)
Learning Structural Representations for Recipe Generation and Food Retrieval [101.97397967958722]
本稿では,食品レシピ生成課題に取り組むために,構造認識ネットワーク(SGN)の新たな枠組みを提案する。提案モデルは高品質でコヒーレントなレシピを作成でき、ベンチマークRecipe1Mデータセット上で最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2021-10-04T06:36:31Z)
A Large-Scale Benchmark for Food Image Segmentation [62.28029856051079]
我々は9,490枚の画像を含む新しい食品画像データセットFoodSeg103(およびその拡張FoodSeg154)を構築します。これらの画像に154種類の成分を付加し,各画像は平均6つの成分ラベルと画素単位のマスクを有する。 ReLeMと呼ばれるマルチモダリティプリトレーニングアプローチを提案し、豊富なセマンティックな食品知識を持つセグメンテーションモデルを明確に装備します。
論文参考訳（メタデータ） (2021-05-12T03:00:07Z)
Structure-Aware Generation Network for Recipe Generation from Images [142.047662926209]
食品画像と材料のみに基づいて調理指導を行うオープン・リサーチ・タスクについて検討する。ターゲットレシピは長い段落であり、構造情報に関する注釈を持たない。本稿では,食品レシピ生成課題に取り組むために,構造認識ネットワーク(SGN)の新たな枠組みを提案する。
論文参考訳（メタデータ） (2020-09-02T10:54:25Z)
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)
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)

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。