{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,6,6]]，“日期时间”：“2024-06-06T05:56:01Z”，“时间戳”：1717653361046}，“出版商位置”：“Cham”，“引用计数”：30，“出版者”：“Springer International Publishing”，“isbn-type”：[{“值”：“9783030012335”，“类型”：”打印}，{“值”：“9783030012342”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2018,1,1]]，“date-time”：“2018-01-01T00:00:00Z”，“timestamp”：1514764800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.springer.com\/tdm”}01T00:00:00Z“，”timestamp“：1514764800000}，”content-version“：”vor“，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com//tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2018]]}，”DOI“：”10.1007\/978-3-030-01234-2_40“，”类型“：”book-capter“，”创建“：{”date-part“：[[2018,10,5]]，“日期时间”：“2018-10-05T16:13:11Z”，“时间戳”：1538755991000}，“页面”：“677-693”，“更新策略”：“http://\/dx.doi.org \/10.1007\/springer_crossmark_policy”，“源”：“Crossref”、“is-referenced-by-count”：88，“标题”：[“光流的不确定性估计和多假设网络”]，“前缀”：“10.1007”，”作者：[{“给定”：“Eddy”，“family”：“Ilg”，“sequence”：“first”，“affiliation”“：[]}，{“given”：“\u00d6zg\u00fcn”，“family”：“u00c7i\u00e7ek”，“sequence”：“additional”，“affiliation”：[]}，{“给定的”：“Silvio”，“家庭”：“Galesso”，”sequence“：”additional“，”affiliance“：[]{”given“giving”：“Aaron”，“，”sequence“：”additional“，”affiliation“：[]}，{”given“：”Frank“，“family”：“Hutter”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Thomas”doi“：”10.1109\/TPAMI.2012.171“，”卷“：”35“，”作者“：“OM Aodha”，“年份”：“2013年”，“非结构化”：“Aodha，O.M.，Humayun，A.，Pollefeys，M.，Brostow，G.J.：学习光流的置信度。IEEE Trans.Pattern Anal.Mach.Intell.35（5），1107\u20131120（2013）。https:\/\/doi.org\/10.109\/TPAMI.2012.171”，“journal-title”：“IEEE Trans.Pattern Enal.Mach-Intell.”}，{“key”：“40_CR2”，“unstructured”：“Blundell，C.，Cornebise，J.，Kavukcuoglu，K.，Wierstra，D.：神经网络中的重量不确定性。摘自：第32届国际机器学习会议论文集（ICML 2015），第1613\u20131622（2015）页”}，{“key”：“40_CR3”，“doi-asserted-by”：“publisher”，“first page”：《283》，“doi”：“10.1007\/1-4020-3858-8_15”，“volume-title”：“不完整数据的几何性质”，“作者”：“A Bruhn”，“年份”：“2006”，“非结构化”：“Bruhn，A.，Weickert，J.：变分光流方法的置信度。In：Klette，R.，Kozera，R.，Noakes，L.，Weickert，J.（编辑）不完整数据的几何性质，pp.283\u2013298。施普林格，多德雷赫特（2006）。https:\/\/doi.org\/10.1007\/1-4020-3858-8_15“}，{“key”：“40_CR4”，“doi-asserted-by”：“crossref”，“unstructured”：“Chen，Q.，Koltun，V.：级联细化网络的摄影图像合成。In:IEEE国际计算机视觉会议（ICCV）（2017）”，“doi”：“10.1109\/ICCV.2017.168”}Chen，T.，Fox，E.，Guestrin，C.：随机梯度Hamilton Monte Carlo。摘自：《第31届国际机器学习会议论文集》（ICML 2014）（2014）“}，{“key”：“40_CR6”，“doi-asserted-by”：“crossref”，“unstructured”：“Dosovitskiy，A.，et al.：FlowNet：用卷积网络学习光流。摘自：IEEE国际计算机视觉会议（ICCV）（2015）”，“doi”：“10.1109\/ICCV.2015.316”}40_CR7“，“非结构化”：“Gal，Y.，Ghahramani，Z.：作为贝叶斯近似的辍学：表示深度学习中的模型不确定性。In:国际机器学习会议（ICML）（2016）“}，{“key”：“40_CR8”，“unstructured”：“Graves，A.：神经网络的实用变分推理。In:Advances In neural Information Processing Systems（NIPS），pp.2348\u20132356（2011）”}Guzman Rivera，A.，Batra，D.，Kohli，P.：多选学习：学习产生多个结构化输出。In:International Conference on Neural Information Processing Systems（NIPS）（2012）“}，{“key”：“40_CR10”，“unstructured”：“Hern\u00eIndez-Lobato，J.，Adams，R.：贝叶斯神经网络可扩展学习的概率反向传播。In:Proceedings of the 32nd International Assembly on Machine learning（ICML 2015）（2015）”}非结构化“：”Huang，G.，Li，Y.，Pless，G.：快照合奏：Train 1，免费获得M。In：国际学习表征会议（ICLR）（2017）“}，{“key”：“40_CR12”，“doi-asserted-by”：“crossref”，“unstructured”：“Ilg，E.，Mayer，N.，Saikia，T.，Keuper，M.，Dosovitskiy，A.，Brox，T.：FlowNet 2.0：深网络光流估计的发展。In：IEEE计算机视觉和模式识别会议（CVPR）（2017）“，”DOI“：”10.1109\/CVPR.2017.179“}，{“key”：“40_CR13”，“unstructured”：“Ioffe，S.，Szegedy，C.：批量规范化：通过减少内部协变量偏移来加速深层网络训练。In:Bach，F.，Blei，D.（eds.）第32届机器学习国际会议论文集。机器学习研究论文集，第37卷，第448\u2013456页。PMLR，里尔，07\u201309，2015年7月。http:\/\/crocesses.mlr.press\/v37\/ioffe15.html“}，{“key”：“40_CR14”，“doi-asserted-by”：“crossref”，“unstructured”：“Jia，Y.，et al.：Caffe:快速特征嵌入的卷积体系结构。In:ACMMM proceedings of ACMMM，pp.675\u2013678（2014）”，“doi”：“10.1145\/2647868.2654889”}，“key“：”：“40 _CR15”，“非结构化”：“Kendall，A.，Gal，Y.：在计算机视觉的贝叶斯深度学习中，我们需要什么样的不确定性？In:International Conference on Neural Information Processing Systems（NIPS）（2017）“}，{“key”：“40_CR16”，“series-title”：“Computer Science课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：《132》，“doi”：“10.1007\/978-3-540-74936-3_14”，“volume-title”：《模式识别》，“author”：“C Kondermann”，“year”：“2007”，“unstructured”：“Kondermann，C.，Konderman，D.，J\u00e4hne，B.，Garbe，C.：基于线性子空间投影的光流自适应置信度测量。摘自：Hamprecht，F.A.，Schn\u00f6rr，C.，J\u00e4hne，B.（eds.）DAGM 2007。LNCS，第4713卷，第132\u2013141页。斯普林格，海德堡（2007）。https:\/\/doi.org\/10.1007\/978-3-540-74936-3_14“}，{”key“：”40_CR17“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“290”，“doi”：“10.1007\/978-23-540-88690-7_22”，“volume-title”：“Computer Vision\u2013 ECCV 2008”，“author”：“C Kondermann”，“year”：“2008”，”非结构化“：”Kondermann，C.、Mester，R.、Garbe，C.：光流的统计置信度。In：Forsyth，D.，Torr，P.，Zisserman，A.（编辑）ECCV 2008。LNCS，第5304卷，第290\u2013301页。施普林格，海德堡（2008）。https:\/\/doi.org\/10.1007\/978-3-540-88690-7_22“}，{”issue“：”10“，”key“：”40_CR18“，”doi-asserted-by“：”publisher“，”首页“：”1449“，”doi“：”10.1016\/j.cviu.2011.06.008“，“volume”：“115”，“author”：“j Kybic”，“year”：“2011”，“unstructured”：“Kybic，J.，Nieuwenhuis，C.：Bootstrap光流置信度和不确定性测量。计算。视觉。图像理解。115（10），1449\u20131462（2011）。https:\/\/doi.org\/10.1016\/j.cviu.2011.06.008。http://www.sciencedirect.com/science\/article\/pii\/S1077314211001536“，”journal-title“：”计算。视觉。图像理解。“}，{”key“：”40_CR19“，”unstructured“：”Lakshminarayanan，B.，Pritzel，A.，Blundell，C.：使用深度集合进行简单且可扩展的预测不确定性估计。In:NIPS Workshop（2016）“}”，{“key”：“40_CR20”，“unstructure”：“”Lee，S.、Purushwalkam，S.，Cogswell，M.、Ranjan，V.、Crandall，D.、Batra，D.：训练不同深度信号群的随机多项选择学习。In：神经信息处理系统国际会议（NIPS）（2016）“}，{“key”：“40_CR21”，“unstructured”：“Loshchilov，I.，Hutter，F.：SGDR：带热重启的随机梯度下降。In：学习表征国际会议（ICLR）（2017）”}，}“issue”：“3”，“key“：”40_CR22“，“doi-asserted-by”：“publisher”，“first page”：448“，“DOI”：“10.1162\/neco.1992.4.3.448”，“volume”：“4”，“author”：“DJC MacKay”，“year”：“1992”，“unstructured”：“MacKay，D.J.C.：反向传播网络的实用贝叶斯框架。神经计算。4（3），448\u2013472（1992）“，“新闻标题”：“神经计算。}，{“key”：“40_CR23”，“doi-asserted-by”：“publisher”，“unstructured”：“Mayer，N.等人：一个大型数据集，用于训练用于视差、光流和场景流估计的卷积网络。摘自：2016 IEEE计算机视觉和模式识别会议（CVPR），第4040\u20134048页，2016年6月。https:\/\/doi.org/10.1109\/CVPR.2016.438”，“doi”：“10.1109\/CVPR.2016.438”}，{“key”：“40_CR24”，“doi断言者”：“crossref”，“非结构化”：“Neal，R.:神经网络的贝叶斯学习。博士论文，多伦多大学（1996）”，“doi”：“10.1007\/978-1-4612-0745-0”}，{“key”：“40_CR25”，“doi断言者”：“publisher”，“非结构化”：“Nix，D.A.，Weigend，A.S.：估计目标概率分布的平均值和方差。摘自：《神经网络：IEEE计算智能世界大会》，第1卷，第55\u201360页，1994年6月。https:\/\/doi.org\/10.109\/ICNN.1994.374138“，”doi“：”10.1109\/ICNN.1994.374338“}，{“key”：“40_CR26”，“doi-asserted-by”：“crossref”，“unstructured”：“Novotny，D.，Larlus，D.，Vedaldi，A.：通过环顾四周来学习3D对象类别。In:IEEE国际计算机视觉会议（ICCV）（2017）”，“doi”：“10.1109\/ICCV.2017.558”}40_CR27“，”doi-asserted-by“：”crossref“，”unstructured“：”Pang，J.，Sun，W.，Ren，J.S.J.，Yang，C.，Yan，Q.：级联残差学习：用于立体匹配的两阶段卷积神经网络。摘自：IEEE国际计算机视觉会议（ICCV）研讨会（2017）“，”DOI“：”10.1109\/ICCVW.2017.108“}，{“key”：“40_CR28”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ummenhofer，B.，et al.：Demon:用于学习单目立体视觉的深度和运动网络。摘自：计算机视觉和模式识别IEEE会议（CVPR）（2017）http://\/lmb.informatik.uni-freiburg.de\/\/Publications\/2017\/UZUMIDB17“，“DOI”：“10.1109\/CVPR.2017.596”}，{“key”：“40_CR29”，“DOI-asserted-by”：“crossref”，“unstructured”：“Wannenwetsch，A.S.，Keuper，M.，Roth，S.：ProbFlow：联合光流和不确定度估算。摘自：IEEE国际计算机视觉会议（ICCV），2017年10月”DOI”：“10.1109\/ICCV.2017.133”｝，｛“key”：“40_CR30”，“nonstructured”：“Welling，M.，Teh，Y.：通过随机梯度Langevin动力学进行贝叶斯学习。在：第28届国际机器学习会议论文集（ICML 2011）（2011）”｝]，“容器标题”：[“计算机视觉\u2013 ECCV 2018”，“计算机科学讲义”]，“original-title“：[]，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-30-01234-2_40“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2022,10,5]]，”date-time“：“2022-10-05T00:31:58Z”，”timestamp“：1664929918000}，”score“：1，“资源”：{“主资源”：}URL“：”https:\/\/link.springer.com//10.1007\/978-3-030-01234-2_40“}}，“副标题”：[]，“短标题”：[]，“已发布”：{“日期-部件”：[[2018]]}，”ISBN“：[”9783030012335“，”9783003012342“]，“引用计数”：30，“URL”：“http://\/dx.doi.org\/10.1007\/978-3-01234-2_四十”，“关系”：{}，N“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{“value”：“0302-974”，“type”：”print“}，{“value”：“1611-3349”，“type”：”electronic“}]，“subject”：[]，“published”：{“date-parts”：[[2018]]}标签“：”会议缩写“，”组“：{”名称“：“ConferenceInfo”，“label”：“Confection Information”}}，{“value”：“European Conference on Computer Vision”，“order”：2，“name”：“Conference_name”，“标签”：“会议名称”，“组”：{“name”:“ConferenceInfo”，“label”：“Conference Information”}}，{“value”：“Germany”，“order”：4，“name”：“Conference_country”，“label:”ConferenceCountry“，”group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}”，{”value“：”2018“，”order“：5，“name“：：“2018年9月8日”，“订单”：7，“名称”：“会议开始日期”，“标签”：“会议开始日期”，“组”：｛“名称”：“会议信息”，“标签”：“会议信息”｝｝，｛“值”：“2018年9月14日”，“订单”：8，“名称”：“会议结束日期”，“标签”：“会议结束日期”，“组”：｛“名称”：“会议信息”，“标签”：“会议信息”｝｝，｛“值”：“15”，“订单”：9，“name”：“conference_number”，“label”：“conference number”，“group”：{“name”:“ConferenceInfo”，”label“：“会议信息”}}，{“value”：“eccv2018”，”order“：10，”name“：”conference_id“，”lable“：”conference-id“，”group“：{”name“:”ConferencieInfo“，”标签“：”“name”：“conference_url”，“label”：“会议URL”，“组”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“此内容对所有人都可用。”，“name”:“free”，“标签”：“free to read”}]}