照片卡路里计数到底有多准确？

照片卡路里准确度 — 简短版本。

• 从照片中识别食品通常是可靠的；份量大小是大部分误差的来源。 • 单张照片无法看出深度——一碗浅碗和一碗深​​碗的相同面食可能相差数百卡路里。 • 隐藏的脂肪（油、黄油、调料）是被低估的最大单一来源，因为它极大地改变了卡路里计数并且几乎不留下任何视觉痕迹。 • 头顶角度、框架内的完整部分以及​​良好的照明可显着提高估计值——这不是一个次要的造型偏好。 • 在保存之前纠正人工智能建议的部分是大部分真实准确性的来源，而不是照片本身。

食物照片模型执行两项独立的工作：识别盘子上有什么，并估计盘子里有多少。第一项工作是现代视觉模型真正擅长的——混合盘子、多种成分、非西方菜肴都以合理的可靠性进行识别。第二项工作是根据 2D 图像估计体积和重量，从根本上来说更困难，因为照片将三维压缩为二维，并且深度信息大部分丢失。这不是一个可解决的软件问题，而是输入的结构限制——单个平面图像确实不包含足够的信息来精确确定体积。

对具有可识别的标准形式的食物的估计最强：鸡胸肉、煮鸡蛋、一片面包、一块水果。它们具有相对较低的自然方差和模型可以与已知参考尺寸进行比较的形状。具有可见品牌的包装食品更加强大，因为它可以接近数据库级别的准确性进行匹配。如果你的盘子看起来像这样——可分离的标准形状的组件，而不是均匀的混合盘子——预计估计值会在合理的范围内。

两种失效模式占主导地位。深度是第一位的：如果其中一个碗更深，则两碗相同的意大利面从上方看起来可能相同，但容纳的体积却截然不同，而模型无法知道是哪一个。第二个更大的错误来源是视觉上不明显的脂肪——完成酱汁的一汤匙黄油、炒菜所用的油、通过沙拉混合而不是聚集在边缘的调料。每克脂肪大约含有 9 卡路里热量，而蛋白质或碳水化合物则含有 4 卡路里热量，因此适量的、看不见的量就可以使一顿饭的真实卡路里含量增加数百卡路里，而根本不会改变盘子的外观。这始终是任何基于照片的方法（无论是人工智能还是人类估计）中最大的单一低估来源。

拍摄照片的方式会显着影响估计质量。显示整个部分的俯视镜头使模型能够最清晰地读取相对区域，这是其可用的体积的最强视觉代理。低角度隐藏了板的远侧并掩盖了真实的深度。良好、均匀的照明有助于模型分离不同的成分，而不是将阴影部分视为不同的食物或错过它。所有这些都不是为了让照片看起来令人胃口大开，而是为模型提供与单个 2D 图像所能携带的一样多的真实视觉信息。

最大的准确度增益并不是一张更好的照片，而是在保存之前检查和纠正建议的部分，因为您拥有图像所没有的信息：这是一个慷慨的部分还是一个清淡的部分，实际进入锅中的油有多少，酱汁是否很重。将人工智能的第一遍视为要编辑的草稿，而不是要接受的最终答案，这是粗略数字和真正有用的数字之间的区别。每种估计方法都是如此，这并不是照片方法的一个特别弱点——凭记忆填写的食物日记具有相同的校正步骤，只是做得不那么明显。

对于日常跟踪，相关标准不是实验室精度，而是数字是否足够接近以指导真正的决策，并且是否足够一致以显示几周内的趋势。可靠地在 15-20% 范围内且每天使用的方法胜过更精确但一周后因耗时太长而被放弃的方法。照片估计，随着您的使用而进行修正，可以清除大多数人的实用障碍，尽管它永远不会清除更严格的障碍。

尝试使用该工具：食物照片热量分析器。相关：AI 卡路里计数通常有多准确和真正改善的拍照习惯估计。