| 講演抄録/キーワード |
| 講演名 |
2026-03-18 15:30
動き・姿勢情報に基づく食材切砕動作の熟練度推定 ○益田菜々望(名大)・久徳遙矢(愛知工科大)・道満恵介(中京大)・駒水孝裕・井手一郎(名大) IMQ2025-116 IE2025-193 MVE2025-123 |
| 抄録 |
(和) |
調理は多岐にわたる能力を要する活動であり,その技能習得には長期間の経験を必要とするが,調理技術を伝承する機会は失われつつある.技能習得を支援するためには,調理動作を解析して技能の構成要素を特定することが不可欠である.そこで,食材の切砕動作技能の定量化を目的とした熟練度推定手法を提案する.具体的には,切砕動作映像から動き情報と姿勢情報を抽出して統合特徴量とし,これらの情報を学習し,熟練度を回帰推定する.その際に,単一タスク学習(Single-Task Learning; STL)と複数タスク学習(Multi-Task Learning; MTL)の2種類の学習手法を提案する.STLでは,熟練度スコアの回帰推定のみを行なう.一方,MTLでは,熟練度スコアの回帰推定に加えて,補助タスクとして熟練度の要因となる特定の動きを同時に分類する.食材切砕映像に熟練度評価を付与して構築した,技能解析に特化したデータセットを用いた.実験の結果,STL,MTLの両手法でベースライン手法の性能を上回った.また,各入力特徴量が表現する情報の違いから統合特徴量の妥当性を確認した. |
| (英) |
People need longer experience to obtain proficiency in cooking since it involves many different abilities. But recently, opportunities for cooking is decreasing.
To better support the development of cooking proficiency, it is necessary to identify the components of cooking skill by analyzing motions. Thus, we propose a method to quantitatively estimate cutting skills from food-cutting videos. Specifically, motion information and posture information are extracted from the videos and integrated into a feature vector. This feature vector is learned to regress and estimate proficiency. For the modeling, we propose two methods: One based on Single-Task Learning (STL) and another based on Multi-Task Learning (MTL). STL estimates only the skill score using a regression model. Meanwhile, MTL simultaneously performs regression and binary classification to determine whether specific motions contributing to the skill are present or absent. Results from experiments conducted on a dataset specifically constructed for skill analysis showed that both STL and MTL had better accuracy than the baseline method. Furthermore, the results suggested that each input feature provided essential information for proficiency estimation. |
| キーワード |
(和) |
調理映像 / 切砕動作 / 技能評価 / 回帰推定 / 二値分類 / 複数タスク学習 / / |
| (英) |
cooking video / food-cutting motion / skill assessment / regression / binary classification / Multi-Task Learning / / |
| 文献情報 |
信学技報, vol. 125, no. 411, MVE2025-123, pp. 532-537, 2026年3月. |
| 資料番号 |
MVE2025-123 |
| 発行日 |
2026-03-09 (IMQ, IE, MVE) |
| ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
| PDFダウンロード |
IMQ2025-116 IE2025-193 MVE2025-123 |
| 研究会情報 |
| 研究会 |
CQ MVE IMQ IE |
| 開催期間 |
2026-03-16 - 2026-03-18 |
| 開催地(和) |
沖縄産業支援センター |
| 開催地(英) |
Okinawa-Sangyoushien-Center |
| テーマ(和) |
五感に訴えるオンラインメディアとその評価,および一般 |
| テーマ(英) |
|
| 講演論文情報の詳細 |
| 申込み研究会 |
MVE |
| 会議コード |
2026-03-CQ-MVE-IMQ-IE |
| 本文の言語 |
日本語 |
| タイトル(和) |
動き・姿勢情報に基づく食材切砕動作の熟練度推定 |
| サブタイトル(和) |
|
| タイトル(英) |
Estimation of Food-cutting Proficiency based on Motion and Posture Information |
| サブタイトル(英) |
|
| キーワード(1)(和/英) |
調理映像 / cooking video |
| キーワード(2)(和/英) |
切砕動作 / food-cutting motion |
| キーワード(3)(和/英) |
技能評価 / skill assessment |
| キーワード(4)(和/英) |
回帰推定 / regression |
| キーワード(5)(和/英) |
二値分類 / binary classification |
| キーワード(6)(和/英) |
複数タスク学習 / Multi-Task Learning |
| キーワード(7)(和/英) |
/ |
| キーワード(8)(和/英) |
/ |
| 第1著者 氏名(和/英/ヨミ) |
益田 菜々望 / Nanami Masuda / マスダ ナナミ |
| 第1著者 所属(和/英) |
名古屋大学 (略称: 名大)
Nagoya University (略称: Nagoya Univ.) |
| 第2著者 氏名(和/英/ヨミ) |
久徳 遙矢 / Haruya Kyutoku / キュウトク ハルヤ |
| 第2著者 所属(和/英) |
愛知工科大学 (略称: 愛知工科大)
Aichi University of Technology (略称: AUT) |
| 第3著者 氏名(和/英/ヨミ) |
道満 恵介 / Keisuke Doman / ドウマン ケイスケ |
| 第3著者 所属(和/英) |
中京大学 (略称: 中京大)
Chukyo University (略称: Chukyo Univ.) |
| 第4著者 氏名(和/英/ヨミ) |
駒水 孝裕 / Takahiro Komamizu / コマミズ タカヒロ |
| 第4著者 所属(和/英) |
名古屋大学 (略称: 名大)
Nagoya University (略称: Nagoya Univ.) |
| 第5著者 氏名(和/英/ヨミ) |
井手 一郎 / Ichiro Ide / イデ イチロウ |
| 第5著者 所属(和/英) |
名古屋大学 (略称: 名大)
Nagoya University (略称: Nagoya Univ.) |
| 第6著者 氏名(和/英/ヨミ) |
/ / |
| 第6著者 所属(和/英) |
(略称: )
(略称: ) |
| 第7著者 氏名(和/英/ヨミ) |
/ / |
| 第7著者 所属(和/英) |
(略称: )
(略称: ) |
| 第8著者 氏名(和/英/ヨミ) |
/ / |
| 第8著者 所属(和/英) |
(略称: )
(略称: ) |
| 第9著者 氏名(和/英/ヨミ) |
/ / |
| 第9著者 所属(和/英) |
(略称: )
(略称: ) |
| 第10著者 氏名(和/英/ヨミ) |
/ / |
| 第10著者 所属(和/英) |
(略称: )
(略称: ) |
| 第11著者 氏名(和/英/ヨミ) |
/ / |
| 第11著者 所属(和/英) |
(略称: )
(略称: ) |
| 第12著者 氏名(和/英/ヨミ) |
/ / |
| 第12著者 所属(和/英) |
(略称: )
(略称: ) |
| 第13著者 氏名(和/英/ヨミ) |
/ / |
| 第13著者 所属(和/英) |
(略称: )
(略称: ) |
| 第14著者 氏名(和/英/ヨミ) |
/ / |
| 第14著者 所属(和/英) |
(略称: )
(略称: ) |
| 第15著者 氏名(和/英/ヨミ) |
/ / |
| 第15著者 所属(和/英) |
(略称: )
(略称: ) |
| 第16著者 氏名(和/英/ヨミ) |
/ / |
| 第16著者 所属(和/英) |
(略称: )
(略称: ) |
| 第17著者 氏名(和/英/ヨミ) |
/ / |
| 第17著者 所属(和/英) |
(略称: )
(略称: ) |
| 第18著者 氏名(和/英/ヨミ) |
/ / |
| 第18著者 所属(和/英) |
(略称: )
(略称: ) |
| 第19著者 氏名(和/英/ヨミ) |
/ / |
| 第19著者 所属(和/英) |
(略称: )
(略称: ) |
| 第20著者 氏名(和/英/ヨミ) |
/ / |
| 第20著者 所属(和/英) |
(略称: )
(略称: ) |
| 第21著者 氏名(和/英/ヨミ) |
/ / |
| 第21著者 所属(和/英) |
(略称: )
(略称: ) |
| 第22著者 氏名(和/英/ヨミ) |
/ / |
| 第22著者 所属(和/英) |
(略称: )
(略称: ) |
| 第23著者 氏名(和/英/ヨミ) |
/ / |
| 第23著者 所属(和/英) |
(略称: )
(略称: ) |
| 第24著者 氏名(和/英/ヨミ) |
/ / |
| 第24著者 所属(和/英) |
(略称: )
(略称: ) |
| 第25著者 氏名(和/英/ヨミ) |
/ / |
| 第25著者 所属(和/英) |
(略称: )
(略称: ) |
| 第26著者 氏名(和/英/ヨミ) |
/ / |
| 第26著者 所属(和/英) |
(略称: )
(略称: ) |
| 第27著者 氏名(和/英/ヨミ) |
/ / |
| 第27著者 所属(和/英) |
(略称: )
(略称: ) |
| 第28著者 氏名(和/英/ヨミ) |
/ / |
| 第28著者 所属(和/英) |
(略称: )
(略称: ) |
| 第29著者 氏名(和/英/ヨミ) |
/ / |
| 第29著者 所属(和/英) |
(略称: )
(略称: ) |
| 第30著者 氏名(和/英/ヨミ) |
/ / |
| 第30著者 所属(和/英) |
(略称: )
(略称: ) |
| 第31著者 氏名(和/英/ヨミ) |
/ / |
| 第31著者 所属(和/英) |
(略称: )
(略称: ) |
| 第32著者 氏名(和/英/ヨミ) |
/ / |
| 第32著者 所属(和/英) |
(略称: )
(略称: ) |
| 第33著者 氏名(和/英/ヨミ) |
/ / |
| 第33著者 所属(和/英) |
(略称: )
(略称: ) |
| 第34著者 氏名(和/英/ヨミ) |
/ / |
| 第34著者 所属(和/英) |
(略称: )
(略称: ) |
| 第35著者 氏名(和/英/ヨミ) |
/ / |
| 第35著者 所属(和/英) |
(略称: )
(略称: ) |
| 第36著者 氏名(和/英/ヨミ) |
/ / |
| 第36著者 所属(和/英) |
(略称: )
(略称: ) |
| 講演者 |
第1著者 |
| 発表日時 |
2026-03-18 15:30:00 |
| 発表時間 |
20分 |
| 申込先研究会 |
MVE |
| 資料番号 |
IMQ2025-116, IE2025-193, MVE2025-123 |
| 巻番号(vol) |
vol.125 |
| 号番号(no) |
no.408(IMQ), no.410(IE), no.411(MVE) |
| ページ範囲 |
pp.532-537 |
| ページ数 |
6 |
| 発行日 |
2026-03-09 (IMQ, IE, MVE) |
|