DPF-Nutrition：基于深度预测与融合的食物营养估计
计算机视觉与模式识别
2023-10-19 v1
摘要
合理均衡的饮食对维持良好健康至关重要。随着深度学习的进展，基于食物图像的自动化营养估计方法为监测日常营养摄入与促进饮食健康提供了有前景的解决方案。尽管基于单目图像的营养估计方便、高效且经济，但精度有限的挑战仍是一大关切。为应对此问题，我们提出 DPF-Nutrition，一种使用单目图像的端到端营养估计方法。在 DPF-Nutrition 中，我们引入深度预测模块以生成深度图，从而提升食物份量估计的精度。此外，我们设计了 RGB-D 融合模块，将单目图像与预测深度信息结合，从而在营养估计上取得更优性能。据我们所知，这是首次在食物营养估计中整合深度预测与 RGB-D 融合技术的工作。在 Nutrition5k 上进行的全面实验评估了 DPF-Nutrition 的有效性与效率。
引用
@article{arxiv.2310.11702,
title = {DPF-Nutrition: Food Nutrition Estimation via Depth Prediction and Fusion},
author = {Yuzhe Han and Qimin Cheng and Wenjin Wu and Ziyang Huang},
journal= {arXiv preprint arXiv:2310.11702},
year = {2023}
}