Dietary Intake Estimation via Continuous 3D Reconstruction of Food

要約

肥満、糖尿病、心血管疾患を含む、過食と過小食に関連する健康上のリスクを防ぐためには、食事の習慣を監視することが重要です。
食物摂取を追跡するための従来の方法は、食事の前後に自己申告によるデータに依存していますが、これは不正確になりやすいです。
この研究は、単眼2Dビデオから構築された3D食品モデルを活用することにより、摂取行動を正確に監視するアプローチを提案しています。
ColMapとポーズ推定アルゴリズムを使用して、食品の詳細な3D表現を生成し、消費される食品量の変化を観察することができます。
おもちゃモデルと実際の食品を使用した実験は、アプローチの可能性を示しています。
一方、状態の変化を正確に検出し、モデルの忠実度を維持するための自動化された州認識の課題のための新しい方法論を提案しました。
3D再建アプローチは、包括的な食事行動の洞察を捉えることに有望であり、最終的には自動化された正確な食事監視ツールの開発に貢献しています。

要約(オリジナル)

Monitoring dietary habits is crucial for preventing health risks associated with overeating and undereating, including obesity, diabetes, and cardiovascular diseases. Traditional methods for tracking food intake rely on self-reported data before or after the eating, which are prone to inaccuracies. This study proposes an approach to accurately monitor ingest behaviours by leveraging 3D food models constructed from monocular 2D video. Using COLMAP and pose estimation algorithms, we generate detailed 3D representations of food, allowing us to observe changes in food volume as it is consumed. Experiments with toy models and real food items demonstrate the approach’s potential. Meanwhile, we have proposed a new methodology for automated state recognition challenges to accurately detect state changes and maintain model fidelity. The 3D reconstruction approach shows promise in capturing comprehensive dietary behaviour insights, ultimately contributing to the development of automated and accurate dietary monitoring tools.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google