MetaFood CVPR 2024 挑战：基于物理信息的 3D 食物重建方法与结果
计算机视觉与模式识别
2024-07-15 v1
摘要
计算机视觉应用于营养与饮食监控的兴趣日益增长，推动了食物项目的高级 3D 重建技术发展。然而，稀缺的高质量数据以及产业界与学术界之间的有限合作限制了该领域的进展。基于最近的 3D 重建进展，我们组织了 MetaFood 研讨会及其挑战，聚焦于基于物理信息的 3D 食物重建。该挑战旨在从 2D 图像中重建体积精确的食物 3D 模型，使用可见的棋盘格作为尺寸参考。参赛者需为难度分级的 20 种食物项目（易、中、难）进行 3D 模型重建。易级别提供 200 张图像，中级别提供 30 张图像，难级别仅提供 1 张图像。最终测试阶段共有 16 支队伍提交结果。该挑战所 developing 的解决方案在 3D 食物重建方面取得了有前景的成果，具有显著提升饮食评估和营养监测中份量估计的潜力。有关本研讨会挑战的更多细节及数据集访问，请参见 https://sites.google.com/view/cvpr-metafood-2024。
引用
@article{arxiv.2407.09285,
title = {MetaFood CVPR 2024 Challenge on Physically Informed 3D Food Reconstruction: Methods and Results},
author = {Jiangpeng He and Yuhao Chen and Gautham Vinod and Talha Ibn Mahmud and Fengqing Zhu and Edward Delp and Alexander Wong and Pengcheng Xi and Ahmad AlMughrabi and Umair Haroon and Ricardo Marques and Petia Radeva and Jiadong Tang and Dianyi Yang and Yu Gao and Zhaoxiang Liang and Yawei Jueluo and Chengyu Shi and Pengyu Wang},
journal= {arXiv preprint arXiv:2407.09285},
year = {2024}
}
备注
Technical report for MetaFood CVPR 2024 Challenge on Physically Informed 3D Food Reconstruction. arXiv admin note: substantial text overlap with arXiv:2407.01717