通过多模态食品项验证与恢复改进基于图像的营养估计

该研究提出一个用多模态大语言模型（MLLMs）清点可见食物、分别验证食物身份及各候选 2D 区域是否支持份量估计的框架，并通过整图审查触发至多一次定向恢复。恢复区域在不访问恢复提示词的情况下重新验证，再汇总为最终食物项集用于营养估计，无需任务特定微调。在常见有效输出样本的匹配评估中，食物项级定位在所有测试设置下均提升质量精度，并相对改进的检索基线提升能量精度，食物身份精确率与召回率也提高。