论文题目：Attributes guided facial image completion
时间：2020
来源：Neurocomputing
论文地址：https://doi.org/10.1016/j.neucom.2020.02.013
这篇论文没有公开代码
这篇论文没有公开代码
这篇论文没有公开代码

摘要
  人类已经发展出一种多样化的饮食文化。许多因素，如配料、外观、菜肴(如早餐和午餐)、喜好和地理区域都会影响我们对食物的感知和选择。在这项工作中，我们专注于基于这些食品因素的多维食品分析，有利于各种应用，如总结和推荐。为了解决这个问题，我们提出了一个美味的配方分析框架，将配方中各种类型的连续和离散属性特征和多模态信息结合起来。首先，我们开发了多属性主题建模(Multi-Attribute Theme Modeling, MATM)方法，该方法可以将任意类型的属性特征与文本内容联合建模。然后利用多模态嵌入方法，建立从MATM中学习到的文本主题特征与深度学习网络中学习到的视觉特征之间的相关性。通过学习属性-主题关系和多模态相关，我们可以完成不同的应用，包括:(1)偏好分析和比较，更好地理解不同维度的偏好模式，如区域和课程;(2)面向区域的多模态、多属性信息多维食物总结;(3)面向多属性的食谱推荐。此外，我们提出的框架是灵活的，可以轻松地合并任意类型的属性和模式。在收集的Yummly数据集上，定性和定量的评价结果验证了该方法和框架的有效性。