論文の概要: What Constitutes Food Similarity? Visual Representations and Retrieval in Indian Cuisine

• arxiv url: http://arxiv.org/abs/2610.37867v1
• Date: Tue, 27 Oct 2026 19:11:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:09.905989
• Title: What Constitutes Food Similarity? Visual Representations and Retrieval in Indian Cuisine
• Title（参考訳）: 食品の類似性は何か : インド料理の視覚的表現と検索
• Abstract要約: インド料理は、視覚的に類似した料理が異なる料理のアイデンティティを持つという困難な設定を提供する。 画像レベルの地区は、料理の境界を越えての類似性など、表現によって大きく異なる。 料理レベルでは、局所的な変化にもかかわらず、アグリゲーションは一般的な視覚構造を示すが、この構造はレシピ由来の類似度とあまり強くない。
• 参考スコア（独自算出の注目度）: 2.334669361092524
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Food similarity underlies retrieval, recommendation, substitution, and other food computing tasks, yet food representations are typically evaluated by identity preservation. We ask what happens to food similarity beyond identity: how different visual representations organize foods into relational neighborhoods, what culinary relationships these neighborhoods reveal or obscure, and how consistently these structures emerge across representations. Indian cuisine provides a challenging setting in which visually similar foods may have different culinary identities, while foods within a culinary family can vary substantially in appearance. Using an expanded Khana dataset and seven pretrained visual representations spanning convolutional, transformer-based, self-supervised, and image-text aligned models, we evaluate image-to-image retrieval and image-to-dish neighborhoods, examining culinary-family structure, contrast cases, and cross-representation agreement. We also aggregate image representations to compare dish-level visual similarity across models and against recipe-derived similarity for the same dishes. Image-level neighborhoods vary substantially across representations, including similarities across culinary-family boundaries. At the dish level, aggregation reveals common visual structure despite local variation, but this structure corresponds less strongly with recipe-derived similarity. These findings show that recognition performance alone cannot characterize relational structure: food similarity depends on representation, modality, and abstraction level rather than being a fixed property of the food collection. Understanding these structures is therefore a prerequisite to combining multiple food information modalities into a coherent notion of similarity.
• Abstract（参考訳）: 食品の類似性は、検索、推薦、代替、その他の食品処理のタスクに根ざしているが、食品の表現は典型的にはアイデンティティ保存によって評価される。 我々は、食品の類似性がアイデンティティを超えて何が起こるか、どのように異なる視覚的表現が食品をリレーショナルな地区に整理するか、これらの地区の料理的関係が明らかまたは不明瞭であるか、そしてこれらの構造が表現全体でどのように一貫して現れるのかを尋ねる。 インド料理は、視覚的に類似した食品が料理のアイデンティティが異なる場合があり、料理家族内の食品は外観的に大きく異なる。 コンボリューションモデル,トランスフォーマーベースモデル,自己教師型モデル,画像テキストアライメントモデルにまたがる7つの事前学習された視覚表現を拡大したKhanaデータセットを用いて,食生活構造,コントラストケース,コントラストコンセンサス,コントラストコンセンサスについて検討した。 また,モデル間での食器レベルの視覚的類似度と,同じ料理のレシピ由来の類似度を比較するために,画像表現を集約する。 画像レベルの地区は、料理の境界を越えての類似性など、表現によって大きく異なる。 料理レベルでは、局所的な変化にもかかわらず、アグリゲーションは一般的な視覚構造を示すが、この構造はレシピ由来の類似度とあまり強くない。 これらの結果から, 食品の類似性は, 食品コレクションの固定特性というよりも, 表現, モダリティ, 抽象度に依存することが示唆された。 したがって、これらの構造を理解することは、複数の食品情報モダリティをコヒーレントな類似性の概念に組み合わせるための前提条件である。

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)
• Relational Visual Similarity [75.39827145344957]
  リレーショナルな類似性は、認知科学者によって、人間と他の種を区別するものとして論じられる。 現在広く使われている視覚的類似度指標はすべて、知覚的属性類似性のみに焦点を当てている。 我々の研究は、リレーショナルな類似性は多くの実世界のアプリケーションを持っているが、既存の画像類似性モデルはそれを捉えていないことを示している。
  論文  参考訳（メタデータ） (2025-12-08T18:59:56Z)
• 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)
• FoodFusion: A Latent Diffusion Model for Realistic Food Image Generation [69.91401809979709]
  後期拡散モデル(LDMs)のような最先端画像生成モデルでは、視覚的に印象的な食品関連画像を生成する能力が実証されている。 本稿では,テキスト記述からリアルな食品画像の忠実な合成を目的とした,潜伏拡散モデルであるFoodFusionを紹介する。 FoodFusionモデルの開発には、大規模なオープンソースフードデータセットを活用することが含まれており、30万以上のキュレーションされたイメージキャプチャペアが生成される。
  論文  参考訳（メタデータ） (2023-12-06T15:07:12Z)
• Muti-Stage Hierarchical Food Classification [9.013592803864086]
  トレーニングプロセス中に食品を反復的にクラスタリングし,マージすることで,食品分類のための多段階階層的枠組みを提案する。 本手法は,VFN栄養データセットを用いて評価し,食品の種類と食品の分類の両面で既存の研究と比較して有望な結果を得た。
  論文  参考訳（メタデータ） (2023-09-03T04:45:44Z)
• 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)
• 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)
• CHEF: Cross-modal Hierarchical Embeddings for Food Domain Retrieval [20.292467149387594]
  本稿では,食品画像検索と検索タスクにおける画像とテキストの潜伏表現を協調的にモデル化する,新たなクロスモーダル学習フレームワークを提案する。 本研究では,効率的な木構造長短期記憶を計算クロスモーダル検索フレームワークのテキストエンコーダとして利用することにより,レシピ記述の主成分や調理動作を明示的な監督なしに識別できることを実証した。
  論文  参考訳（メタデータ） (2021-02-04T11:24:34Z)
• Visual Aware Hierarchy Based Food Recognition [10.194167945992938]
  本稿では,コンボリューショナルニューラルネットワーク(CNN)をバックボーンアーキテクチャとして用いた2段階の食品認識システムを提案する。 食品ローカライゼーションのステップは、食品領域を識別するFaster R-CNN法の実装に基づいている。 食品分類工程では、視覚的に類似した食品カテゴリーを自動的にまとめて階層構造を生成することができる。
  論文  参考訳（メタデータ） (2020-12-06T20:25:31Z)
• 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。