本文提出了一种跨模态检索模型，采用视觉和文本数据对餐品及其食谱进行建模，并在包含近100万图像配方对的Recipe1M数据集上进行了验证，取得了比先前最先进模型更好的效果，并针对计算烹饪应用案例展示了质量结果。

Apr, 2018

本研究介绍了Recipe1M+，这是一个包含超过一百万个烹饪食谱和1300万个美食图像的大规模结构化语料库。通过使用数据，我们训练一个神经网络，学习食谱和图像的联合嵌入，从而在图像-食谱检索任务上取得了令人印象深刻的结果。此外，我们证明了通过添加高级分类目标的正则化可以提高检索性能，并使语义向量算术成为可能。我们假设这些嵌入将为进一步探索Recipe1M+数据集以及食品和烹饪提供基础。

Oct, 2018

本文介绍了一种逆向烹饪系统，利用图像和推断的食材同时生成烹饪说明，能够更好地预测食材，并且相比检索法，可以产生更有吸引力的高质量菜谱。

Dec, 2018

利用图形化方法描述菜谱的工作流程是一个需要常识推理的复杂任务。本文提出了一个基于神经网络技术的编码器-解码器模型，通过使用视觉和文本信息来构建食品制作工作流程。我们还构建了一个包含 9,850 道菜谱的大型数据集，采用该方法比手工特征提取能够显著提高20%以上的性能。

Aug, 2020

本文提出了一种新颖的跨模态学习框架来自动发现食谱中文本和图像的实体及其相应的重要性，并能在没有明确监督的情况下识别出食谱描述中的主要成分和烹饪动作，为跨模态检索和食谱适应任务提供更有意义的特征表示。

Feb, 2021

本文介绍了一种基于多模态方法的轻量级和专门化的API，使对象检测和最新的文本生成器的串联生成秤可能的食谱。

Mar, 2023

该研究提出了一种针对食品计算领域的新型多模态方法（FIRE），该方法基于输入的食品图像生成食品标题、配料和烹饪说明，并展示了与大型语言模型提示结合的两个实际应用：将食谱个性化以适应用户偏好和将食谱转化为代码以实现自动化烹饪过程。实验结果验证了该方法的有效性，并强调其在食品计算领域的未来发展和广泛应用潜力。

Aug, 2023

通过利用开源食品数据集和两种数据清洗方法开发的FoodFusion模型，能够以更真实和多样化的方式生成食品图像，填补了现有图像生成模型的不足。

Dec, 2023

提出了一种基于Large Multi-modal Models的多功能食品助手FoodLMM，包括食品识别、成分识别、食谱生成、营养估计、食品分割和多轮对话等各种能力，通过引入一系列新颖的任务特定标记和头部来预测食品营养价值和多个分割掩码，采用两阶段训练策略，使其能够进行专业对话和基于对食品领域的复杂推理来生成分割掩码，并在若干食品数据集上取得了最先进的结果。

Dec, 2023

该研究解决了在线食谱分享中对有效生成食品食谱的需求，提出了一种新颖的模型LLaVA-Chef，该模型经过针对多样食谱提示的定制数据集训练，以提高食品领域的理解能力。研究发现，LLaVA-Chef生成的食谱在成分提及的准确性和细节方面显著优于现有方法，显示出其在食品生成任务中的潜在影响。

Aug, 2024