論文の概要: Evaluating the Feasibility of Inferring Dietary Behavior Change Receptivity from Egocentric Images of Eating Environment

• arxiv url: http://arxiv.org/abs/2605.27950v1
• Date: Wed, 27 May 2026 04:44:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:55.747734
• Title: Evaluating the Feasibility of Inferring Dietary Behavior Change Receptivity from Egocentric Images of Eating Environment
• Title（参考訳）: エゴセントリックな食環境の画像から食行動変化の受容率を推定する可能性の評価
• Authors: Long Li, Yuning Huang, Heather A. Eicher-Miller, J. Graham Thomas, Fengqing Zhu, Edward Sazonov,
• Abstract要約: 自己報告に基づく行動変化の受容性は疎結合で遅延しており、継続的監視における実用的使用を制限している。 本研究では,ウェアラブルカメラで収集した自我中心の摂食画像から,参加者の自己申告行動変化受容度を推定するパイロット調査を行った。 予備実験の結果は、行動変化受容率指標のための単純なベースラインモデルよりも有望な改善を示している。
• 参考スコア（独自算出の注目度）: 15.613992770403739
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Accurately assessing dietary behavior change receptivity is essential for designing effective just-in-time adaptive interventions (JITAIs) that promote healthier eating habits. However, self-report-based assessment of behavior change receptivity is sparse and delayed, limiting its practical use in continuous monitoring. To explore whether passive sensing may help address this challenge, this study conducts a pilot investigation of inferring participants' self-reported behavior change receptivity from egocentric eating images collected by a wearable camera. We use pilot data obtained from free-living eating episodes using the Automatic Ingestion Monitor v2 (AIM-2). The data included egocentric image sequences captured during eating and paired with responses to questions assessing specific dimensions of behavior change receptivity (awareness, interaction capability, and motivation). To examine whether visual information contained any relevancy to these responses, we evaluated a transfer-learning-assisted framework that combines a pre-trained Contrastive Language-Image Pre-Training (CLIP) vision encoder with a lightweight transformer classifier. The model processes eating episode image sequences to extract potential semantic and temporal cues related to behavior change receptivity. Preliminary experimental results show promising improvements over simple baseline models for behavior change receptivity indicators. These early findings suggest that egocentric eating episode images may contain cues related to dietary behavior change receptivity, and warrant further investigation with larger and more comprehensive datasets.
• Abstract（参考訳）: 食事行動変化の正確な評価は、より健康的な食事習慣を促進する効果的なジャスト・イン・タイム・アダプティブ・介入(JITAI)を設計するために不可欠である。 しかし, 自己報告に基づく行動変化の受容性評価は軽度かつ遅れており, 連続監視における実用的利用を制限している。 本研究は、受動的センシングが課題に対処するかどうかを検討するため、ウェアラブルカメラで収集した自我中心の食事画像から、参加者の自己申告行動変化受容性を推定するパイロット調査を行う。 我々は,AIM-2(Automatic Ingestion Monitor v2)を用いて,フリーライフの摂食エピソードから得られたパイロットデータを用いた。 データには、食事中に捉えた自我中心の画像シーケンスが含まれ、行動変化の受容性(認識、相互作用能力、モチベーション)の特定の次元を評価する質問に対する応答と組み合わせられた。 そこで我々は,これらの応答に関連性のある視覚情報を含むか否かを調べるために,事前学習されたコントラスト言語-画像事前学習(CLIP)視覚エンコーダと軽量トランスフォーマー分類器を組み合わせた移動学習支援フレームワークの評価を行った。 このモデルは、エピソード画像列の摂食を処理し、行動変化受容性に関連する潜在的な意味的および時間的手がかりを抽出する。 予備実験の結果は、行動変化受容率指標のための単純なベースラインモデルよりも有望な改善を示している。 これらの早期発見は、エゴセントリックな摂食エピソード画像には、食事行動変化の受容性に関連する手がかりが含まれており、より大規模で包括的なデータセットによるさらなる調査が保証されていることを示唆している。

関連論文リスト

• Visually grounded emotion regulation via diffusion models and user-driven reappraisal [0.0]
  本稿では,大規模テキスト・画像拡散モデルを感情制御プロセスに統合することにより,認知的再評価を視覚的に向上する新しい手法を提案する。 具体的には、ユーザが音声の再評価によって感情的に否定的なイメージを再解釈するシステムを提案する。 この生成変換は、元の刺激と構造的類似性を維持しつつ、ユーザーの再評価を視覚的にインスタンス化し、外部化し、規制意図を補強する。
  論文  参考訳（メタデータ） (2025-07-14T23:28:59Z)
• An Active Inference Model of Covert and Overt Visual Attention [0.0]
  本稿では,アクティブな推論の枠組みを通じて,隠蔽と過度な視覚的注意のモデルを提案する。 このモデルは、現在の環境信念と感覚入力の両方に基づいて視覚感覚の精度を決定する。
  論文  参考訳（メタデータ） (2025-05-06T09:26:00Z)
• Dietary Intake Estimation via Continuous 3D Reconstruction of Food [5.010690651107531]
  本研究では,モノクロ2Dビデオから構築した3次元食品モデルを利用して,摂取行動の正確なモニタリングを行う手法を提案する。 おもちゃのモデルと実際の食品による実験は、アプローチの可能性を示している。
  論文  参考訳（メタデータ） (2025-05-01T15:35:42Z)
• 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)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• 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)
• Feature-Suppressed Contrast for Self-Supervised Food Pre-training [22.48308786497061]
  ビュー間の相互情報を低減するためにFeaSC(FeaSC)を提案する。 FeaSCはレスポンシブ・アウェア・スキームを使用して、教師なしの方法で健全な特徴をローカライズする。 プラグアンドプレイモジュールとして、提案手法は、BYOLとSimSiamを1.70%$sim$ 6.69%の分類精度で改善する。
  論文  参考訳（メタデータ） (2023-08-07T03:27:04Z)
• Self-Regulated Learning for Egocentric Video Activity Anticipation [147.9783215348252]
  自己制御学習(SRL)は、中間表現を連続的に制御し、現在のタイムスタンプのフレームにおける新しい情報を強調する表現を作り出すことを目的としている。 SRLは2つのエゴセントリックなビデオデータセットと2つの第三者のビデオデータセットにおいて、既存の最先端技術よりも大幅に優れています。
  論文  参考訳（メタデータ） (2021-11-23T03:29:18Z)
• Eating Habits Discovery in Egocentric Photo-streams [9.436913961194671]
  食事関連行動パターン探索モデルを構築し,日常的に実施されている活動から栄養のルーチンを明らかにする。 このフレームワーク内では、単純だが堅牢で高速な新しい分類パイプラインを提示する。 本稿では,カメラが単独で食べる際の食品関連シーンの識別への応用について述べる。
  論文  参考訳（メタデータ） (2020-09-16T12:46:35Z)

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。