保持形状的食物图像生成用于自动饮食评估
计算机视觉与模式识别
2024-12-09 v1 图像与视频处理
摘要
传统饮食评估方法高度依赖自我报告，耗时且易受偏差影响。人工智能 (AI) 的最新进展揭示了通过分析食物图像进行饮食评估的新可能性。识别食物并从图像中估计食物体积被认为是自动饮食评估的关键步骤。然而，这两个步骤都需要大量标注了食物名称和体积的训练图像，而这些图像目前不可得。或者，最近的研究表明，使用生成对抗网络 (GAN) 人工生成训练图像是可行的。尽管如此，利用现有技术生成大量带已知体积的食物图像仍是一个挑战。本文提出一种简单的基于 GAN 的神经网络架构，用于条件化食物图像生成。生成图像中食物和容器的形状与参考输入图像中的形状高度相似。我们的实验表明，所提方法能够生成真实感强的图像，并展现出保持形状的能力。
引用
@article{arxiv.2408.13358,
title = {Shape-Preserving Generation of Food Images for Automatic Dietary Assessment},
author = {Guangzong Chen and Zhi-Hong Mao and Mingui Sun and Kangni Liu and Wenyan Jia},
journal= {arXiv preprint arXiv:2408.13358},
year = {2024}
}