本文介绍了多种基于图像的食品计算研究，涉及食品识别、烹饪配方生成和目标检测等领域。研究者提出了如ScaleNet和ChefFusion等方法，显著提升了食品图像处理和食谱生成的性能，展示了人工智能在食品领域的广泛应用潜力。

本文介绍了一种结合视觉和文本数据的跨模态检索模型，针对餐品及食谱进行建模，并在Recipe1M数据集上验证了其优越性能。此外，研究提出了逆向烹饪系统和多模态API等新方法，以提升食谱生成和个性化，展示了食品计算领域的广泛应用潜力。

该研究提出了一种新型多模态方法（FIRE），能够通过食品图像生成标题、配料和烹饪说明，支持个性化食谱和自动化烹饪。实验验证了其有效性，显示出在食品计算领域的广泛应用潜力。