Fotoğraf Kalorisi Sayımı Gerçekten Ne Kadar Doğru?

Fotoğraf kalori doğruluğu — kısa versiyon.

• Fotoğraftan gıda tanımlaması genellikle güvenilirdir; Porsiyon büyüklüğü hatanın çoğunun kaynaklandığı yerdir. • Derinlik tek bir fotoğrafta görünmez; aynı görünümlü makarnanın sığ bir kasesi ile derin bir kasesi yüzlerce kalorilik farklılık gösterebilir. • Gizli yağlar (sıvı yağ, tereyağı, sos) küçümsemenin en büyük kaynağıdır, çünkü kalori miktarını büyük ölçüde değiştirir ve neredeyse hiç görsel iz bırakmaz. • Tepe açısı, çerçevenin tam kısmı ve iyi aydınlatma, tahminleri ölçülebilir şekilde iyileştirir; bu, küçük bir stil tercihi değildir. • Kaydetmeden önce yapay zekanın önerdiği kısımların düzeltilmesi, gerçek doğruluğun çoğunun geldiği yerdir, fotoğrafın kendisinden değil.

Bir yemek fotoğrafı modeli iki ayrı işi gerçekleştirir: tabakta ne olduğunu belirlemek ve ne kadar olduğunu tahmin etmek. İlk iş, modern görüntü modellerinin gerçekten iyi olduğu tek iş; karışık tabaklar, birden fazla bileşen, Batılı olmayan yemeklerin tümü makul bir güvenilirlikle tanımlanıyor. 2 boyutlu bir görüntüden hacmi ve ağırlığı tahmin etmek olan ikinci iş temelde daha zordur çünkü fotoğraf üç boyutu ikiye böler ve derinlik bilgisi çoğunlukla kaybolur. Bu, girdinin yapısal bir sınırı kadar çözülebilir bir yazılım sorunu değildir; tek bir düz görüntü, hacmi tam olarak belirlemek için gerçekten yeterli bilgi içermez.

Tahminler, tanınabilir, standart bir forma sahip gıdalar için en güçlüdür: tavuk göğsü, haşlanmış yumurta, bir dilim ekmek, bir parça meyve. Bunlar nispeten düşük doğal varyansa ve modelin bilinen bir referans boyutuyla karşılaştırabileceği bir şekle sahiptir. Görünür markalama içeren paketlenmiş gıdalar, veri tabanı düzeyinde doğrulukla eşleştirilebildiği için daha da güçlüdür. Tabağınız buna benziyorsa (homojen bir karışık tabak yerine ayrılabilir, standart şekilli bileşenler) tahminin makul bir aralıkta olmasını bekleyin.

İki başarısızlık modu hakimdir. Birincisi derinliktir: Aynı makarnanın iki kasesi yukarıdan aynı görünebilir, ancak bir kase daha derinse çok farklı hacimler tutar ve modelin hangisi olduğunu bilmesinin hiçbir yolu yoktur. İkinci, daha büyük hata kaynağı, görsel olarak bariz olmayan yağdır - sosu bitiren çorba kaşığı tereyağı, kızartmanın pişirildiği yağ, sosun kenarda birikmek yerine salatayla karıştırılması. Yağ, gram başına kabaca dokuz kalori taşırken, protein veya karbonhidrat için dört kalori taşır; bu nedenle, mütevazi, görünmez bir miktar, tabağın görünüşünü değiştirmeden, bir yemeğin gerçek kalori sayısını birkaç yüz kalori kadar değiştirebilir. Bu, yapay zeka veya insan tarafından yapılan herhangi bir fotoğraf tabanlı yöntemde sürekli olarak en büyük eksik tahmin kaynağıdır.

Fotoğrafı nasıl çektiğiniz tahmin kalitesini ölçülebilir şekilde etkiler. Tüm kısmı gösteren üstten çekim, modele göreli alanda en net okumayı sağlar; bu da hacim için mevcut olan en güçlü görsel temsildir. Düşük açı plakanın uzak tarafını gizler ve gerçek derinliği gizler. İyi, eşit aydınlatma, gölgeli bir bölümü farklı bir yiyecek olarak okumak veya onu kaçırmak yerine, modelin farklı bileşenleri ayırmasına yardımcı olur. Bunların hiçbiri fotoğrafın iştah açıcı görünmesiyle ilgili değil; modele tek bir 2D görüntünün taşıyabileceği kadar gerçek görsel bilgi veriyor.

Mevcut en büyük doğruluk kazancı, daha iyi bir fotoğraf değildir; kaydetmeden önce önerilen porsiyonların gözden geçirilmesi ve düzeltilmesidir, çünkü görselin sahip olmadığı bilgilere sahipsiniz: bunun cömert mi yoksa hafif bir porsiyon mu olduğu, tavaya gerçekte ne kadar yağ gittiği, sosun sert mi olduğu. Yapay zekanın ilk geçişini, kabul edilecek son bir yanıt olarak değil, düzenlenecek bir taslak olarak ele almak, kaba bir sayı ile gerçekten yararlı bir sayı arasındaki farktır. Bu, fotoğraf yaklaşımının özel bir zayıflığı değil, her tahmin yöntemi için geçerlidir; hafızadan doldurulan bir yemek günlüğü aynı düzeltme adımına sahiptir, sadece daha az görünür şekilde yapılır.

Günlük takip için ilgili çubuk laboratuvar kesinliği değildir; sayının gerçek bir karara rehberlik edecek kadar yakın ve haftalar boyunca bir eğilimi gösterecek kadar tutarlı olup olmadığıdır. Güvenilir bir şekilde %15-20 aralığında olan ve her gün kullanılan bir yöntem, daha kesin olan ancak bir hafta sonra çok uzun sürdüğü için terk edilen bir yönteme göre daha iyidir. Fotoğraf tahmini, ilerledikçe düzeltilir, çoğu insan için bu pratik çıtayı temizler, ancak daha katı olanı hiçbir zaman geçemez.

Şu aracı deneyin: Yiyecek Fotoğrafı Kalori Analizörü. İlgili: Yapay zeka kalori sayımının genel olarak ne kadar doğru olduğu ve gerçekten iyileşen fotoğraf alışkanlıkları tahminler.