基于点云框架的食物 3D 重建与体积估计：VolE
计算机视觉与模式识别
2025-05-16 v1
摘要
准确的食物体积估计对于医学营养管理和健康监测应用至关重要，但现有食物体积估计方法常受限于单一数据来源，依赖专用硬件如 3D 扫描仪，收集以传感器为导向的信息（如深度信息），或依赖参考物标定。本文提出了 VolE，一种新框架，利用移动设备驱动的 3D 重建来估计食物体积。VolE 在自由运动中捕获图像和相机位置，以实现精确的 3D 模型，感谢具备 AR 能力的移动设备。为了实现实际测量，VolE 是一个无参考、无深度的框架，利用食物视频分割实现食物掩码生成。我们还引入了一个涵盖挑战性场景的新食物数据集，这些场景在先前基准测试中不存在。我们的实验表明，VolE 在多个数据集上超越了现有的体积估计技术，实现了 2.22% 的 MAPE，凸显了其在食物体积估计中的卓越性能。
引用
@article{arxiv.2505.10205,
title = {VolE: A Point-cloud Framework for Food 3D Reconstruction and Volume Estimation},
author = {Umair Haroon and Ahmad AlMughrabi and Thanasis Zoumpekas and Ricardo Marques and Petia Radeva},
journal= {arXiv preprint arXiv:2505.10205},
year = {2025}
}