料理レシピと食品画像のクロスモーダル埋め込みを敵対的ネットワークを用いて学習する

食品計算は、人間の日常生活においてますます重要な役割を果たしており、スマートな食事摂取や健康的な生活様式への行動指導に多くの応用が見られています。食品計算の範疇における重要なタスクの一つが検索であり、特に健康関連アプリケーションにおいて有用です。ここでは、食品に関する重要な情報（例：材料、栄養素など）を取得することが目的となります。本論文では、料理レシピと食品画像間のクロスモーダル検索というオープンリサーチタスクを調査し、この課題を解決するために新しいフレームワークである対抗的クロスモーダル埋め込み（Adversarial Cross-Modal Embedding: ACME）を提案します。具体的には、2つのモーダル間で共通の埋め込み特徴空間を学習することを目指しており、当手法には以下の新規性があります：(i) 新しいトリプレット損失スキームと効果的なサンプリング戦略を使用した学習、(ii) 対抗的学習戦略によるモーダルアライメントの強制、(iii) クロスモーダル翻訳の一貫性を強制することで、一方のモーダルの埋め込みから他方のモーダルにおける対応するインスタンスの重要な情報を復元できるようにする。ACMEはベンチマークデータセットRecipe1Mで最先端の性能を達成しており、提案手法の有効性が確認されています。