論文の概要: Population-level measures of perceived food access reveal barriers beyond geographic proximity

• arxiv url: http://arxiv.org/abs/2609.12132v1
• Date: Thu, 10 Sep 2026 19:02:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.520069
• Title: Population-level measures of perceived food access reveal barriers beyond geographic proximity
• Title（参考訳）: 食品アクセス認知の集団レベル測定は、地理的な近接性を超えた障壁を明らかにする
• Abstract要約: ノースカロライナのローリーにある49の食料品店から25,125のGoogleマップを使って、5次元の食品アクセスを計測しています。 店舗レベルの措置は、食品アクセスの異なる側面を捉え、地理的に近接しているだけでは捉えられない障壁を明らかにする。
• 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: Food access is multidimensional, but population-level measurement still relies heavily on geography because perceived dimensions of access are difficult to measure at scale. Here, we use 25,125 Google Maps reviews from 49 grocery stores in Raleigh, North Carolina, to measure five dimensions of food access: availability, accessibility, affordability, accommodation, and acceptability. We identify review topics with unsupervised topic modeling and assign them to access dimensions using zero-shot classification, with 85.4% agreement against manual coding. The resulting store-level measures capture distinct aspects of food access and reveal barriers that geographic proximity alone does not capture. Comparisons between nearby stores in the same chain further show that identical store policies can be perceived very differently across locations, consistent with food access reflecting the fit between residents and their food environment. Perceived food access also follows systematic socioeconomic and demographic patterns that broadly parallel, but do not replicate, those observed for geographic access. These results show that online grocery reviews can provide a scalable complement to geographic measures of food access.
• Abstract（参考訳）: 食品のアクセスは多次元であるが、人口レベルの測定は依然として地理に大きく依存している。 ここでは、ノースカロライナのローリーにある49の食料品店から25,125のGoogle Mapsレビューを使って、可用性、アクセシビリティ、可利用性、宿泊性、受容性という5つの次元の食品アクセスを測定します。 我々は、教師なしトピックモデリングを用いてレビュートピックを特定し、ゼロショット分類を用いて、手動コーディングに対する85.4%の同意を得て、それらをアクセスディメンションに割り当てる。 結果として得られるストアレベルの措置は、食品アクセスの異なる側面を捉え、地理的に近接しているだけでは捉えられない障壁を明らかにする。 同じチェーン内の店舗の比較では、同じ店舗の方針が、住民と彼らの食料環境の適合を反映した食品アクセスと全く異なる位置で認識できることが示されている。 食品のアクセスは、地理的アクセスのために観察される、広く平行だが複製しない、体系的な社会経済と人口動態のパターンにも従う。 これらの結果は、オンライン食料品レビューが、食品アクセスの地理的指標をスケーラブルに補完できることを示している。

関連論文リスト

• LLMs-based Augmentation for Domain Adaptation in Long-tailed Food Datasets [54.527878056610156]
  食品認識におけるこれらの課題に対処するために,大規模言語モデル(LLM)を用いた枠組みを提案する。 まず LLM を利用して食品イメージを解析し,食品のタイトルや材料を生成する。 そして、生成したテキストと食品の画像を異なるドメインから共有埋め込み空間に投影し、ペアの類似性を最大化する。
  論文  参考訳（メタデータ） (2025-11-20T04:38:56Z)
• FoodTrack: Estimating Handheld Food Portions with Egocentric Video [5.010690651107531]
  FoodTrackは、食品の量を直接見積もる。 ハンドヘルド食品の絶対損失率は約7.01%である。
  論文  参考訳（メタデータ） (2025-05-07T01:53:16Z)
• 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)
• From Canteen Food to Daily Meals: Generalizing Food Recognition to More Practical Scenarios [92.58097090916166]
  DailyFood-172とDailyFood-16という2つの新しいベンチマークを、毎日の食事から食のイメージをキュレートする。 これらの2つのデータセットは、よく計算された食品画像領域から日常的な食品画像領域へのアプローチの伝達性を評価するために使用される。
  論文  参考訳（メタデータ） (2024-03-12T08:32:23Z)
• Mining Discriminative Food Regions for Accurate Food Recognition [16.78437844398436]
  本稿では,入力画像の分類の精度を一次ネットワークが維持する新しいネットワークアーキテクチャを提案する。 補助ネットワークは、識別食品地域を敵対的にマイニングし、地域ネットワークは、その結果のマイニング地域を分類する。 提案アーキテクチャは、PAR-Netと表現され、エンドツーエンドのトレーニングが可能で、オンライン方式で識別領域をハイライトする。
  論文  参考訳（メタデータ） (2022-07-08T05:09:24Z)
• 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)
• Towards Learning Food Portion From Monocular Images With Cross-Domain Feature Adaptation [6.648441500207032]
  本稿では,RGBと学習エネルギー分布領域の両方から推定される特徴を組み合わせることで,部分サイズ推定のための深回帰過程を提案する。 食品エネルギーの推計値は11.47%で、非専門家の推計を27.56%上回っている。
  論文  参考訳（メタデータ） (2021-03-12T22:58:37Z)
• 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)
• ISIA Food-500: A Dataset for Large-Scale Food Recognition via Stacked Global-Local Attention Network [50.7720194859196]
  ウィキペディアのリストから500のカテゴリと399,726の画像を含むデータセットISIA Food-500を紹介する。 このデータセットは、既存の一般的なベンチマークデータセットをカテゴリカバレッジとデータボリュームで上回る。 食品認識のための2つのサブネットワークからなるグローバルローカルアテンションネットワークを提案する。
  論文  参考訳（メタデータ） (2020-08-13T02:48:27Z)
• 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。