学习品酒：一个多模态葡萄酒数据集
机器学习
2024-01-17 v4
摘要
我们提出 WineSensed，一个用于研究视觉感知、语言与风味之间关系的大型多模态葡萄酒数据集。该数据集包含从 Vivino 平台整理的 897k 张酒标图像和 824k 条葡萄酒评论。它涵盖超过 350k 种唯一装瓶，标注有年份、产区、评分、酒精百分比、价格和葡萄成分。我们通过对 256 名参与者进行的葡萄酒品鉴实验，在子集上获得了细粒度风味标注，参与者被要求根据风味相似性对葡萄酒排序，产生了超过 5k 个成对风味距离。我们提出了一种低维概念嵌入算法，将人类经验与自动机器相似核相结合。我们证明该共享概念嵌入空间在粗粒度风味分类（酒精百分比、国家、葡萄、价格、评分）上优于独立嵌入空间，并与复杂的人类风味感知相对齐。
引用
@article{arxiv.2308.16900,
title = {Learning to Taste: A Multimodal Wine Dataset},
author = {Thoranna Bender and Simon Moe Sørensen and Alireza Kashani and K. Eldjarn Hjorleifsson and Grethe Hyldig and Søren Hauberg and Serge Belongie and Frederik Warburg},
journal= {arXiv preprint arXiv:2308.16900},
year = {2024}
}
备注
Accepted to NeurIPS 2023. See project page: https://thoranna.github.io/learning_to_taste/