Wir stellen einen großen, realitätsnahen Datensatz von 3D-Punktwolken von 100 Lebensmittelklassen vor, der für die Entwicklung und Bewertung von 3D-Klassifizierungsmodellen verwendet werden kann.
Durch die Einführung neuer Benchmarks für Lebensmittelbilder aus dem Alltag (DailyFood-172 und DailyFood-16) und eines einfachen, aber effektiven Baseline-Verfahrens namens Multi-Cluster Reference Learning (MCRL) kann die Übertragbarkeit von auf standardisierten Datensätzen trainierten Lebensmittelerkennungsmodellen auf die Praxis verbessert werden.