論文の概要: Small Average Error, Wide Individual Error: General-Purpose LLMs Estimating Energy Intake from Meal Photos in a Feeding Trial

• arxiv url: http://arxiv.org/abs/2610.26538v2
• Date: Tue, 20 Oct 2026 19:44:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.068307
• Title: Small Average Error, Wide Individual Error: General-Purpose LLMs Estimating Energy Intake from Meal Photos in a Feeding Trial
• Title（参考訳）: 小平均誤差, 広個人誤差:食肉写真からのエネルギー摂取を推定する一般目的LCM
• Abstract要約: フォトベースの食品エネルギー推定は、食事評価を緩和する可能性がある。 汎用多目的大言語モデル(LLM)は、そのような推定を簡単に得る。 低平均偏差は正確な個人摂取推定の証拠ではない。
• 参考スコア（独自算出の注目度）: 14.036325517215529
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Photo-based estimation of food energy could ease dietary assessment, and general-purpose multimodal large language models (LLMs) make such estimates easy to obtain. Most evaluations use one photo taken before eating and compare with energy served, while dietary assessment needs energy eaten. We evaluated eight models from three vendors (Claude Haiku, Sonnet and Opus 5.5; GPT-6 luna, 6.1 sol and 6 astra; Gemini 3.8 Flash and 4 Argon) on 802 meals from ACETADA, a controlled feeding trial with weighed intake, with the before photo only, before and after photos in separate calls (subtraction), or both photos in one request. Three results ran against intuition. Subtraction under-estimated intake for six of eight models, because the models still report hundreds of kilocalories for a nearly empty tray. Scaling the before-only estimate by the average share eaten (0.87) matched much of the gain from the after photo; beyond that constant, the second photo lowered meal-level error by only 2.2 to 4.4 points, mainly in meals with food left. With one photo, two models had a near-zero intake bias only because they under-estimated the served energy and ignored uneaten food. In ablations, adding the after photo improved accuracy under both prompt formats for seven models, while prompt effects varied across models. Over 148 feeding days, five models kept the 90% confidence interval of their mean error within a pre-set 10% margin; one model also met the pre-set 30% limits of agreement, narrowly (-28% to +27%; limits outside 30% cannot be excluded), and the other seven did not. Protein was under-estimated by every model, most in protein-dense meals; repeated calls changed error by at most 1.4 points; a high reasoning effort helped only the smallest model. A low average bias is not evidence of accurate individual intake estimation; such estimates should support, not replace, assessment by a dietitian.
• Abstract（参考訳）: 光による食品エネルギーの推定は食事の評価を緩和し、汎用多目的大言語モデル(LLM)はそのような推定を容易に得る。 ほとんどの評価では、食事前に1枚の写真を使用し、食事中のエネルギーと比較する一方、食生活評価ではエネルギーを消費する必要がある。 我々は、ACETADAの802回の食事に対して、3つのベンダー(Claude Haiku, Sonnet, Opus 5.5; GPT-6 luna, 6.1 sol and 6 astra; Gemini 3.8 Flash and 4 Argon)から8つのモデルを評価した。 3つの結果は直観に反した。 ほぼ空のトレイで数百キロカロリーの消費を報告しているため、減算は8モデル中6モデルで過小評価された。 平均摂取率(0.87)による前日のみの推計値のスケーリングは、後の写真とほぼ一致し、それを超えると、2枚目の写真では食事レベルの誤差を2.2～4.4ポイント減らした。 1枚の写真では、2つのモデルがほぼゼロに近い摂取バイアスを持っていた。 アブレーションでは、後の写真を追加することで、両方のプロンプトフォーマットで7つのモデルの精度が向上し、プロンプトエフェクトはモデルによって異なる。 148日間にわたり、5つのモデルでは平均誤差の90%の信頼区間を予め設定された10%のマージンに保ち、一方のモデルでは合意の30%の限界を狭く設定した(28%から+27%、30%未満の制限は除外できない)。 タンパク質はすべてのモデルで過小評価され、多くはタンパク質味の食事で、繰り返しの呼び出しは1.4ポイントの誤差で変化し、高い推論の努力は最小のモデルにしか役立ちませんでした。 低平均バイアスは、正確な個人摂取量の推定の証拠ではない。

関連論文リスト

• Medical thinking with multiple images [44.04557445622649]
  我々はMedThinkVQAを紹介した。MedThinkVQAは、複数の画像で考えるためのエキスパートアノテーション付きベンチマークである。 データセットは720のテストケースを含む8,067ケースを含み、1ケースあたり平均6.62イメージである。 テストセットでは、最高のクローズドソースモデルであるClaude-4.6-Opus、Gemini-3-Pro、GPT-5.2-xhighは57.2%、55.3%、54.9%の精度しか達成できなかった。
  論文  参考訳（メタデータ） (2026-04-14T18:51:07Z)
• DietDelta: A Vision-Language Approach for Dietary Assessment via Before-and-After Images [9.480328219158254]
  本稿では,前食と後食の2つの画像を用いた食生活レベルの栄養分析のための視覚言語フレームワークを提案する。 本手法は,自然言語のプロンプトを利用して,特定の食品を局所化し,その重量を直接1枚のRGB画像から推定する。
  論文  参考訳（メタデータ） (2026-04-07T18:30:31Z)
• 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)
• 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)
• 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)
• Leveraging Human Salience to Improve Calorie Estimation [0.0]
  食品画像からのカロリー予測のタスクに人体サリエンスを組み込むことの有効性について検討した。 食品の食感を最も強調する画像に塩分マップを取り入れた場合,32.2%の相対的な改善が観察された。
  論文  参考訳（メタデータ） (2023-06-15T22:13:26Z)
• Transferring Knowledge for Food Image Segmentation using Transformers and Convolutions [65.50975507723827]
  食品画像のセグメンテーションは、食品の皿の栄養価を推定するなど、ユビキタスな用途を持つ重要なタスクである。 1つの課題は、食品が重なり合ったり混ざったりし、区別が難しいことだ。 2つのモデルが訓練され、比較される。1つは畳み込みニューラルネットワークに基づくもので、もう1つは画像変換器(BEiT)のための双方向表現に関するものである。 BEiTモデルは、FoodSeg103上の49.4の結合の平均的交点を達成することで、従来の最先端モデルよりも優れている。
  論文  参考訳（メタデータ） (2023-06-15T15:38:10Z)
• Image Based Food Energy Estimation With Depth Domain Adaptation [6.602838826255494]
  本稿では,RGB画像から食品のエネルギー密度への画素間マッピングである「エネルギー密度マップ」を提案する。 次に「エネルギー密度マップ」と関連する深度マップを、深度センサで捉えた食品エネルギーを推定する。
  論文  参考訳（メタデータ） (2022-08-25T15:18:48Z)
• Model soups: averaging weights of multiple fine-tuned models improves accuracy without increasing inference time [69.7693300927423]
  複数モデルの重み付けを異なるパラメータ構成で微調整することにより,精度とロバスト性が向上することを示す。 モデルスープ手法は,複数の画像分類や自然言語処理タスクにまで拡張されている。
  論文  参考訳（メタデータ） (2022-03-10T17:03:49Z)

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。