朝ごはんの人気レシピを写真どおりに盛る前に、写っている料理と実際の量を分けて考えたい。真上からの写真なら正確なのか、画像認識の研究で測った料理名・体積・栄養量の違いを読む。和食の器や重なるおかずを手掛かりに、運動日の朝にも使える材料欄と写真の照らし合わせ方を考える。
画面には、真上から撮ったご飯と焼き魚と小鉢。自宅の茶碗に盛ると、同じ献立なのに印象が違う。人気の朝ごはんレシピを開き、写真のご飯の輪郭と、自分の茶碗を見比べたことはないだろうか。焼き魚を皿に移す手を止めて、盛り付けの正解を画面に探してしまう朝である。
写真から料理を見分けることと、その量を正しく求めることは別の課題だ。人工知能による食事画像評価の系統的レビューでも、体積やエネルギーの推定誤差は研究によって幅があり、単純な食品の画像では誤差の範囲が小さかった。真上の写真なら量まで正確、と受け止めるのは早い。[6]
既存記事「ダイエットの食事は写真が大きいと多く頼む？画像の大きさと量の判断を研究で読む」に画像の表示サイズと注文の問いを譲り、ここでは朝のレシピ写真から盛る量を読み取る場面を考える。画面の見栄えに合わせる前に、材料欄、出来上がりの分量、自分が器に入れたものへ視線を戻すための読み方である。
真上という撮り方だけで、量の正解は決まらない
レシピ写真を眺めるときは、まず何を知りたいかを分けたい。献立の組み合わせを知るのか、盛り付けをまねたいのか、それとも自分が食べる量を求めたいのか。ご飯と汁物の配置を参考にする目的と、写真のご飯を何グラムかに置き換える目的では、写真に求める仕事が違う。
糖尿病の食事管理を背景に、食事を画像から評価する方法を扱った系統的レビューは、食品の分類、体積の推定、栄養量の推定をそれぞれの技術的課題として取り上げている。料理名を答える仕組みがあっても、量や栄養の測定には別の検証が要る。18〜39歳の女性の日常のレシピ閲覧へ直接当てはめるより、画像評価の課題を分ける整理として使いたい。[4]
ここでいう体積は食品が占める空間の量であり、画像評価の研究ではエネルギーと区別して推定されている。体積の推定が近いことと、エネルギーの推定が近いことは、別々に確かめる必要がある。見えている料理を当てたという説明だけでは、量の正確さを評価できないのである。[6]
たとえば、茶碗の中にご飯があると分かる写真を思い浮かべたい。そこから自分の茶碗にどこまでよそうかを決めようとすると、知りたい内容が変わる。写真を見て「ご飯だ」と言う段階から、「この分量を再現したい」という段階へ進んでいる。材料欄の分量を読めるなら、まずその文字を手掛かりにするのが筋道だ。
斜めから撮るか真上から撮るかを選ぶ前にも、この目的の整理はできる。盛り付けの配置を見る写真、調理後の状態を見る写真、食事の内容を残す写真を、同じ基準で採点しないことだ。朝食の写真に、献立の提案から量の測定までを任せる必要はない。きれいに撮れた朝ごはんが、量を測るには、見栄えとは別の根拠が要る。
疑問の続きは、体で確かめるのがいちばん早い。
画像の推定誤差は、平均すれば消える話ではない
人工知能、つまり画像などから特徴を学んで判断する技術を使った食事評価について、系統的レビューは人の評価や基準となる値との比較を調べた。採用されたのは2010〜2023年に発表された52研究である。画像から求めた量を、何と照合して正確と呼ぶかに目を向けた研究群だ。[6]
基準として多かったのは栄養成分表を使う計算と、食品を実際に量る方法で、それぞれ論文の51%、27%で用いられた。基準の作り方にも違いがあるため、「写真で分かる」という共通の言葉だけで各研究の成績を並べることはできない。比較の相手を読むことまでが結果の読み取りになる。[6]
このレビューで取り出された、または計算された研究ごとの平均的な相対誤差は、エネルギーで0.10〜38.3%、体積で0.09〜33%にわたった。相対誤差は、基準の値に対するずれを割合で見るものだ。この幅は、どの朝食写真にも同じ誤差が生じるという予測ではない。異なる研究の結果をまたいだ範囲である。[6]
大切なのは、小さい方の数字だけを代表にしないことだ。同時に、大きい方だけを選んで画像評価をすべて役に立たないとするのも違う。レビューは人の推定と同程度、さらに上回る可能性にも言及している。ただし、画像のデータベースや報告結果の違いが大きく、結果を統計的にまとめるメタ分析は行えなかった。[6]
朝のレシピ選びに引き寄せるなら、「写真から量を推定する技術はある」と「今見ている写真から自分の朝食量が分かる」は分けておきたい。前者を支える研究の数字を、後者の保証へ移さない。完成写真が付いたレシピでも、材料の量を確認する作業は残る。写真の説得力と、計算の根拠を別々に受け取るのである。
単品の写真と、和食の献立全体を分けて読む
先のレビューでは、単一または単純な食品の画像で相対誤差の範囲が小さかった。これは、写真評価の成績を食品の複雑さごとに読む手掛かりになる。ただし、ここから「和食なら必ず誤差が大きい」「小鉢が増えるほど決まった割合でずれる」といった規則までは作れない。[6]
朝ごはんのレシピを見るときにも、献立全体の写真と、個別の料理の説明を行き来したい。焼き魚の横の小鉢をまねたいのなら、その小鉢の材料欄を開く。汁物も同じ写真にあるからといって、主菜のレシピに汁物の材料まで含まれるとは限らない。自分が再現しようとしている範囲を、ページの中で確かめるのである。
深層学習という、多層の計算を使って画像の特徴を学ぶ方法に注目した別の系統的レビューでは、検索で得た771論文から56論文を最終的に検討した。食品画像の分類や栄養推定に使うデータ、手法、評価指標などを扱っている。画像を認識する研究は、料理名の一覧を作るだけの単純な仕事ではない。[3]
この研究数の多さを、レシピ写真の読み取り精度の数字と取り違えないことも必要だ。採用論文が多いことは、真上からの朝食写真で量が正確に分かるという結果ではない。研究を読むときの分母と、自分の皿を読むときの分量は別物である。数字が並ぶと安心するが、その数字が答えている問いを確認したい。[3][6]
写真の小鉢が気に入った朝は、献立の発想として借りる。そのうえで、料理を作るための材料と、自分が器に盛る分を確かめる。この順番なら、写真の役割を失わせずに使える。見本と同じ見た目に近づけることを、食べる量の唯一の目標にしなくてよい。器の中まで画面に合わせる義務はない。
朝食全体の写真から何を借りるかを、もう少し具体的に考えたい。焼き魚と小鉢の位置が気に入ったなら、同じ配置にしてみればよい。ご飯を炊く量で迷っているなら、完成写真を拡大するより材料の分量を読む。そのレシピが献立全体の作り方なのか、主菜だけの作り方なのかも確かめる。見た目を参考にする時間と、調理の情報を読む時間を切り替えるだけで、写真に求める答えを整理できる。
家族と取り分ける朝には、出来上がった料理の全体と、自分の器に入れる分も区別したい。レシピの完成写真に写った皿が、作った料理をすべて載せたものかどうかを確認するという読み方である。全体の材料から調理していても、写真の見た目だけを頼りに取り分ければ、何を再現したかったのかが曖昧になる。写真の配置をまねたかったのか、レシピの分量を使いたかったのか、そこで目的へ戻ればよい。
研究の数字を持ち込むときも、この区別を保ちたい。体積やエネルギーの誤差を検討する研究は、写真から得た推定を基準の値と照らし合わせている。[6] 日常のレシピ閲覧では、きれいだと思うことも、おいしそうだと思うことも自由である。その感想に正解率を求める必要はない。量の話へ進んだときに初めて、感想のままなのか、分量を確認したのかを分ける。この境目が、朝の写真を気楽に役立てるための目印になる。
数字で読む食事画像の評価
52研究：人工知能による画像評価と人や基準値を比較した系統的レビューの採用数である。[6]
0.10〜38.3%：研究ごとの平均的なエネルギー相対誤差の範囲であり、個人用の誤差保証ではない。[6]
0.09〜33%：同レビューの体積の相対誤差の範囲。エネルギーの誤差とは別に報告された。[6]
42人：若年成人を対象に、食事の画像入力と音声入力を中心とする方式を比べた無作為化比較試験の参加者数である。[5]
12研究：携帯電話を使う食事評価の妥当性を検討したレビューの採用数である。[17]
疑問の続きは、体で確かめるのがいちばん早い。
1
2
