[’17 Nucleic Acids Research] FlavorDB: a database of flavor molecules
FlavorDB는 식재료와 flavor 분자를 연결한 데이터베이스로, 향미를 구성하는 분자의 구조와 특성을 체계적으로 정리해 다양한 응용 가능성을 제시합니다.
FoodTech
[’17 CVPR] Learning Cross-modal Embeddings for Cooking Recipes and Food Images
2017년 CVPR 논문 *Im2Recipe*는 음식 이미지와 레시피 텍스트를 함께 이해하는 크로스모달 임베딩 모델을 제안했습니다. 100만 개 레시피와 80만 장 이미지를 담은 Recipe1M 데이터셋을 구축하고, 이미지와 텍스트를 공통 공간에 정렬하여 음식의 의미를 학습했습니다.
[’19 IJCAI] KitcheNette: Predicting and Recommending Food Ingredient Pairings using Siamese Neural Networks
요리사의 경험에 의존해왔던 음식 페어링을 데이터 기반으로 예측하는 KitcheNette 모델을 소개합니다. 레시피 텍스트로부터 학습한 임베딩과 Siamese 네트워크를 활용해 재료 간 궁합을 정량화하고, 새로운 조합까지 추천할 수 있음을 보여줍니다.
[’21 Nature Scientific Reports] FlavorGraph: a large‑scale food‑chemical graph for generating food representations and recommending food pairings
FlavorGraph는 음식 재료와 화합물 간의 관계를 그래프로 구성하고, 이를 임베딩하여 음식 페어링과 화합물 예측 등에 활용 가능한 표현을 학습합니다. 레시피 공출현과 화학 정보를 통합해 풍부한 음식 표현을 제안합니다.
[’24 Nature Communications] Predicting and improving complex beer flavor through machine learning
맥주 250종의 화학 성분과 감각 평가 데이터를 기반으로, 향미와 기호도를 머신러닝으로 예측하고 주요 향미 화합물을 도출한 연구입니다. 예측 결과를 실제 맥주에 적용해 향미 개선 효과도 실험적으로 입증했습니다.
[’24 NeurIPS] SMELLNET: A Large-scale Dataset for Real-world Smell Recognition
SmellNet은 저가형 전자코 센서를 활용해 대규모 냄새 데이터셋을 구축하고, contrastive learning으로 소량의 GC-MS 데이터를 활용해 분류 성능을 향상시킨 연구입니다.
