{“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”：[[2024,6,21]]，“日期时间”：“2024-06-21T12:10:31Z”，“时间戳”：1718971831843}，“出版商位置”：“查姆”，“引用计数”：60，“出版者”：“斯普林格国际出版公司”，“isbn-type”：[{“值”：“9783030585358”，“类型”：”打印}，{“值”：“9783030585365”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}0:00:00Z“，”时间戳“：1577836800000}，”内容版本“：”vor“，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}，{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days“：0，”URL“https:\\/www.spring nature.com\/gp\/researters\/text-and-data-mining”}、{“开始”：{“日期部分”：[[2020,1,1]]，“日期时间”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2020]]}”，“DOI”：“10.1007\/978-3-030-58536-5_2“，”类型“：“book-chapter”，“created”：{“date-parts”：[[2020,11,2]]，“date-time”：“2020-11-02T23:02:42Z”，“timestamp”：1604358162000}，“page”：“17-34”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：42，“title”：[“将图像转换并投影到类条件生成网络”]，“prefix”：“10.1007”，“author”：[{“given”：“Minyoung”，“family”：“Huh”，“sequence”：“first”，“affiliation”：[]}，{“fixed”：“Richard”，“家庭”：“Zhang”，“序列”：“additional”，“从属关系”：[]}，“segment”：“Jun-Yan”，“家族”：“朱”，“sequence”:“additionable”，“atriation”：[]}“affiliation”：[]}，{“given”：“Aaron”，“family”：“Hertzmann”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[[2020,11,3]]}，“reference”：[{“key”：“2_CR1”，“doi-asserted-by”：”crossref“，”unstructured“：”Abdal，R.，Qin，Y.，Wonka，P.：Image2StyleGAN:如何将图像嵌入StyleGAN潜在空间？In：国际计算机视觉会议（2019年）“，”DOI“：”10.1109\/ICCV.2019.00453“}，{“key”：“2_CR2”，“unstructured”：“Ankit，R.，Li，Y.，Bresler，Y.：基于GAN的投影仪，用于线性反问题的快速恢复，具有收敛保证。In：计算机视觉国际会议Asim，M.，Shamshad，F.，Ahmed，A.：使用深层生成先验的盲图像反褶积。英国机器视觉会议（2018）“}，{”issue“：”3“，”key“：”2_CR4“，”doi-asserted-by“：”publisher“，”first page“：“221”，”doi“：”10.1023\/B:VISI.0000011205.11775.fd“，“volume”：“56”，“author”：“S Baker”，“year”：“2004”，“unstructured”：“Baker，S.，Matthews，I.：Lucas-kanade 20 years on：a unifying frameworks.Int.J.Compute.Vis.56（3），221 \u2013255（2004）.https:\/\/doi.org\/10.1023\/B:VISI.0000011205.11775.fd“，”日志标题“：”国际计算杂志。视觉。“}，{”key“：”2_CR5“，”doi-asserted-by“：”publisher“，”first-page“：”24“，”doi“：”10.1145\/1531326.1531330“，”volume“：“28”，”author“：”C Barnes“，”year“：”2009“，”unstructured“：”Barnes，C.，Shechtman，E.，Finkelstein，A.，Goldman，D.B.：PatchMatch：结构图像编辑的随机对应算法。ACM Trans.Graph.（TOG）28，24（2009）“，”journal-title“：”ACM事务处理。图表。（TOG）“}，{”key“：”2_CR6“，”doi-asserted-by“：”crossref“，”unstructured“：”Bau，D.，et al.：具有生成图像优先的语义照片操作。ACM Trans.Graph.（TOG，38（2019）“，”doi“：”10.1145\/3306346.3323023“}”，{“key”：“2_CR7”，“unstructure”：“”Bau，D.等人：GAN剖析：可视化和理解生成性对抗网络。在：国际学习表征会议（2019）“｝，｛“key”：“2_CR8”，“doi断言”：“crossref”，“非结构化”：“Bau，D.等人：看到GAN无法生成的内容。在：国际计算机视觉会议（2019）”，“doi”：“10.1109\/ICCV.2019.00460”｝，｛“key”：“2_CR9”，“非结构化”：“Brock，A.、Donahue，J.、Simonyan，K.：高保真自然图像合成的大规模GAN训练。In：学习表征国际会议（2019年）“}，{“key”：“2_CR10”，“unstructured”：“Brock，A.，Lim，T.，Ritchie，J.M.，Weston，N.：内省对抗网络的神经照片编辑。In：国际学习表征会议（2017年）”}，}“issue”：“7”，“key“：”2_CR11“doi-asserted-by”：“publisher”，“first page”：1967年“，”DOI“：”10.1109\/TNNLS.2018.2875194“，”volume“：”30“，”author“：”A Creswell“，“year”：”2018“，”unstructured“：”Creswell.A.，Bharath，A.A.：倒置生成对抗网络的生成器。IEEE Trans。神经网络。学习。系统。30（7），1967 \u20131974（2018）“，“期刊标题”：“IEEE Trans。神经网络。学习。系统。“}，{”key“：”2_CR12“，”doi-asserted-by“：”crossref“，”unstructured“：”Deng，J.，Dong，W.，Socher，R.，Li，L.J.，Li.，K.，Fei-Fei，L.：ImageNet:大型分层图像数据库。In:IEEE Conference on Computer Vision and Pattern Recognition（2009）“，”doi“：”10.1109\/CVPR.2009.5206848“}”，{“key”：“2_CR13”，“unstructure”：“”Donahue，J.、Kr\u00e4henb\u00fchl，P.、Darrell，T.：对抗性特征学习。In：学习表征国际会议（2017）“}，{“key”：“2_CR14”，“unstructured”：“Donahue，J.，Simonyan，K.：大规模对抗表征学习。In：神经信息处理系统进展（2019）”}Dosovitskiy，A.，Brox，T.：基于深度网络生成具有感知相似性度量的图像。In:Advances In Neural Information Processing Systems（2016）“}，{”key“：”2_CR16“，”doi-asserted-by“：”crossref“，”unstructured“：”Dosovitskiy，A.，Brox，T.：“用卷积网络反演视觉表征。In:IEEE Conference on Computer Vision and Pattern Recognition（2016）”，“doi”：“10.1109\/CVPR.2016.522”}，}”key“：“2_CR17”，“unstructure”：“”Dumoulin，V.等人：对抗性学习推理。In：国际学习表征会议（2017）“}，{“key”：“2_CR18”，“doi-asserted-by”：“crossref”，“unstructured”：“Efros，A.A.，Freeman，W.T.：纹理合成和传输的图像绗缝。In：ACM SIGGRAPH（2001）”，“doi”：“10.1145 \/383259.383296”}，}，“key“：”2_CR19“doi-sserted-byEfros，A.A.，Leung，T.K.：通过非参数采样进行纹理合成。In:计算机视觉国际会议（1999）“，”DOI“：”10.1109\/ICCV.1999.790383“}，{”issue“：”1“，”key“：”2_CR20“，”DOI-asserted-by“：”publisher“，”first page“：“98”，”DOI:“10.1007\/s11263-014-0733-5”，“volume”：“111”，“author”：“M Everingham”，“year”：“2015”，“unstructured”：“Everingham，M.，Eslami，S.M.A.，Van Gool，L.，Williams，C.K.I.，Winn，J.，Zisserman，A.：PASCAL视觉对象类挑战：回顾。国际期刊计算。视觉。111（1），98\u2013136（2015）。https:\/\/doi.org\/10.1007\/s11263-014-0733-5“，”journal-title“：”国际计算杂志。视觉。“}，{”key“：”2_CR21“，”doi-asserted-by“：”crossref“，”unstructured“：”Gatys，L.A.，Ecker，A.S.，Bethge，M.：使用卷积神经网络进行图像风格转换。In:IEEE Conference on Computer Vision and Pattern Recognition（2016）“，”doi“：”10.1109\/CVPR.2016.265“}”，{“key”：“2_CR22”，“volume-title”：“数字图像处理”，“author”：“RC Gonzalez”，“年份”：“1992年”，“非结构化”：“Gonzalez，R.C.，Woods，R.E.：数字图像处理，第2版。Pearson，London（1992）“，“edition”：“2”}，{“key”：“2_CR23”，“unstructured”：“Goodfellow，I.：NIPS 2016教程：生成对抗网络。arXiv预印本arXiv:1701.00160（2016）”}、{“密钥”：“2_CR24”，“非结构化”：“古德费罗，I.等人：生成对抗网。In:Advances In Neural Information Processing Systems（2014）”}.，{”key“：”2_CR25“，”doi-asserted-by“：”crossref“，”unstructured“：”Gu，J.，Shen，Y.，Zhou，B.：使用多代码GAN优先进行图像处理。In:IEEE计算机视觉和模式识别会议（2020）“，”DOI“：”10.1109\/CVPR42600.2020.00308“}，{”key“：”2_CR26“，”DOI-asserted-by“：”publisher“，”first-page“：”159“，“DOI”：“10.1162\/106365601750190398”，“volume”：“9”，“author”：“N Hansen”，“year”：“2001”，“unstructured”：“Hansen，N.，Ostermeier，A.：进化策略中的完全错乱的自我适应。进化。计算。9，159\u2013195（2001）“，“新闻标题”：“演变。计算。“}，{”key“：”2_CR27“，”doi-asserted-by“：”crossref“，”unstructured“：”He，K.，Gkioxari，G.，Doll\u00e1r，P.，Girshick，R.：Mask R-CNN.In:International Conference on Computer Vision（2017）“，”doi“：”10.1109\/ICCV.2017.322“}Hertzmann，A.，Jacobs，C.E.，Oliver，N.，Curless，B.，Salesin，D.H.：图像类比。在：ACM SIGGRAPH（2001）“，”DOI“：”10.1145\/383259.383295“}，{“key”：“2_CR29”，“unstructured”：“Jaderberg，M.，Simonyan，K.，Zisserman，A.，Kavukcuoglu，K.:空间变压器网络。在：神经信息处理系统的进展（2015）“}中，{”key“：”2_CR30“，”unstructure“：”Jahanian，A.，Chai，L.，Isola，P.：关于“转向性”生成性对抗网络。In：学习表征国际会议（2020）“}，{“key”：“2_CR31”，“doi-asserted-by”：“publisher”，“unstructured”：“Johnson，J.，Alahi，A.，Fei-Fei，L.：实时风格转移和超分辨率的感知损失。In：Leibe，B.，Matas，J.、Sebe，N.，Welling，M.（编辑）欧洲计算机视觉会议，第9906卷，第694\u2013711页。斯普林格，海德堡（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46475-6_43“，“doi”：“10.1007\/9783-319-46475-6_43”}，{“key”：“2_CR32”，“unstructured”：“Karras，T.、Aila，T.，Laine，S.、Lehtinen，J.：GAN的逐步发展，以提高质量、稳定性和变异性。In:国际学习代表大会（2018）”}crossref“，“非结构化”：“Karras，T.，Laine，S.，Aila，T.：生成性对抗网络的基于样式的生成器架构。In：IEEE计算机视觉和模式识别会议（2019）“，”DOI“：”10.1109\/CVPR.2019.00453“}，{“key”：“2_CR34”，“unstructured”：“Kingma，D.P.，Ba，J.：Adam:a method for random optimization。In:International Conference on Learning Representations（2015）”}Kingma，D.P.，Dhariwal，P.：发光：具有可逆1x1卷积的生成流。In:Advances In Neural Information Processing Systems（2018）“}，{“key”：“2_CR36”，“unstructured”：“Krizhevsky，A.：从微小图像中学习多层特征。硕士论文，多伦多大学（2009）”}，“{”key“：”2_CR37“，”unstructure“：”Krizhevsky，A.，Sutskever，I.，Hinton，G.E.：深度卷积神经网络的ImageNet分类。In:Advances In Neural Information Processing Systems（2012）“}，{”issue“：”2“，”key“：”2_CR38“，”doi-asserted-by“：”publisher“，”first page“：“228”，”doi“：”10.1109\/TPAMI.2007.1177“，”volume“：：”30“，”author“：”A Levin“，”year“：”2007“，”unstructured“：”Levin，A.、Lischinski，D.、Weiss，Y.：一种封闭式的自然图像消光解决方案。IEEE传输。模式分析。机器。智力。30（2），228\u2013242（2007）“，“期刊标题”：“IEEE Trans。模式分析。机器。智力。“｝，｛”key“：”2_CR39“，”doi asserted by“：”publisher“，”unstructured“：”Lin，T.等人：Microsoft COCOCO:上下文中的公共对象。in：Fleet，D.，Pajdla，T.，Schiele，B.，Tuytelaars，T.（编辑）欧洲计算机视觉会议，第8693卷，第740\u2013755页。斯普林格，海德堡（2014）。https:\/\/doi.org\/10.1007\/978-3-319-10602-1_48“，“doi”：“10.1007\/9783-319-10602-1_48”}，{“key”：“2_CR40”，“unstructured”：“Lipton，Z.C.，Tripathi，S.：从生成性对抗网络精确恢复潜在向量。ICLR研讨会（2017）”}“：”10.1007\/BF01589116“，”volume“：”45“，”author“：”DC Liu“，”year“：”1989“，”unstructured“：”Liu，D.C.，Nocedal，J.：关于大规模优化的有限内存BFGS方法。数学。程序。45（2013年1月），503\u2013528（1989年）。https:\/\/doi.org\/10.1007\/BF01589116“，”journal-title“：”数学。程序。“}，{”key“：”2_CR42“，”doi-asserted-by“：”crossref“，”unstructured“：”Mahendran，A.，Vedaldi，A.：通过反转来理解深层图像表示。In：IEEE计算机视觉和模式识别会议（2015）“，”doi“：”10.1109\/CVPR.2015.7299155“}”，{“issue”：“11”，“key”：“2_CR43”，“doi-assert-by”：“publisher”，“first-page”：“e7”，“doi”：“”10.23915 \/蒸馏.00007“，”卷“：”2“，”作者“：”C Olah“，”年份“：”2017“，”非结构化“：”Olah，C.，Mordvintsev，A.，Schubert，L.：特征可视化。蒸馏2（11），e7（2017）“，”journal-title“：”蒸馏“}，{“issue”：“3”，“key”：“2_CR44”，“doi-asserted-by”：“publisher”，“first page”：”e10“，“doi”：“10.23915 \/dissit.00010”，“volume“：”3“，“author”：“C Olah”，“year”：“2018”，“unstructured”：“Olah，C.，et al.：可解释性的构建块。蒸馏3（3），e10（2018）”，“journal-title“：”Distilit“}，{”key“：”2_CR45“，“volume-title”：“离散时间信号处理”，“author”：“AV Oppenheim”，“year”：“1999”，“unstructured”：“Oppenhiem，A.V.，Schafer，R.W.，Buck，J.R.：离散时间信号加工，第二版。Pearson，London（1999），“版本”：“2”}，{“key”：“2_CR46”，“unstructured”：“Perarnau，G.，Van De Weijer，J.，Raducanu，B.，\u00c1lvarez，J.M.：用于图像编辑的可逆条件GANs。In:NIPS 2016对抗训练研讨会（2016）”}82269“，”volume“：”22“，”author“：”P P\u00e9rez“，”year“：”2003“，”unstructured“：”P\u00 e9rex，P.，Gannet，M.，Blake，A.：泊松图像编辑。ACM事务处理。图表。（TOG）22（3），313\u2013318（2003）“，“日记标题”：“ACM Trans。图表。（TOG）“｝，｛”key“：”2_CR48“，”非结构化“：”Radford，A.，Metz，L.，Chintala，S.：深度卷积生成对抗性网络的无监督表示学习。在：国际学习表示会议（2016）“｝，｛”key“：”2_CR49“，”doi asserted by“：”crossref“，”非结构化“：”Shah，V.，Hegde，C.：使用GAN先验解线性反问题：具有可证明保证的算法。In:ICASSP（2018）“，”DOI“：”10.1109\/ICASSP.2018.8462233“}，{“key”：“2_CR50”，“DOI-asserted-by”：“crossref”，“unstructured”：“Shen，Y.，Gu，J.，Tang，X.，Zhou，B.：解释GAN的潜在空间用于语义人脸编辑。In:IEEE Conference on Computer Vision and Pattern Recognition（2020）”，“DOI”：“10.1109\/CVPR42600.2020.00926”}，“{”key“：”2_CR51“，”非结构化”：“Simonyan，K.，Zisserman，A.：用于大规模图像识别的非常深卷积网络。In：学习表征国际会议（2015）“}，{“key”：“2_CR52”，“unstructured”：“Tiantian，F.，Schwing，A.：使用基于AIS的HMC与GANs共同生成。In：神经信息处理系统的进展（2019）”}，}，“key“：”2_CR53“，”doi-asserted-by“：”publisher“，”first page“：“1”，“doi”：“10.1145\/1531326.1531366”，“volume”：”28“，”作者：“K Wampler”，“year”：“2009”，“unstructured”：“Wampler，K.，Popovi\u0107，Z.：动物运动的最佳步态和形式。ACM事务处理。图表。（TOG）28，1\u20138（2009）“，“日记标题”：“ACM Trans。图表。（TOG）“}”，{“issue”：“4”，“key”：“2_CR54”，“doi-asserted-by”：“publisher”，“first page”：：“600”，“doi”：“10.1109\/TIP.2003.819861”，“volume”：”13“，“author”：“Z Wang”，“year”：“2004”，“unstructured”：“Wang，Z.，Bovik，A.C.，Sheikh，H.R.，Simoncelli，E.P.，et al.：图像质量评估：从错误可见性到结构相似性。IEEE Trans.图像处理。13（4），600\u2013612（2004）“，”期刊标题“：”IEEE Trans。图像处理。“}，{”key“：”2_CR55“，”doi-asserted-by“：”crossref“，”unstructured“：”Xie，S.，Girshick，R.，Doll\u00e1r，P.，Tu，Z.，He，K.：深度神经网络的聚合残差变换。arXiv预印本arXiv:1611.05431（2016）“，”doi“：”10.1109\/CVPR.2017.634“}”，{“key”：“2_CR56”，“doi-assert-by”：“crossref.”，“unstructure”：“”Yeh，R.A.，Chen，C.，Yian Lim，T.，Schwing，A.G.，Hasegawa-Johnson，M.，Do，M.N.：深层生成模型的语义图像修复。摘自：IEEE计算机视觉和模式识别会议（2017）“，”DOI“：”10.1109\/CVPR.2017.728“}，{“key”：“2_CR57”，“unstructured”：“Yu，F.，Zhang，Y.，Song，S.，Seff，A.，Xiao，J.：LSUN:使用循环中的人类深度学习构建大规模图像数据集。arXiv预印本arXiv:1506.03365（2015）”}，}，“key“：”2_CR58“，”doi-asserted-by“：“publisher”，“unstructured”：“Zhang，R.，Isola，P.，Efros，A.A.：彩色图像着色。收录于：Leibe，B.、Matas，J.、Sebe，N.、Welling，M.（编辑）《欧洲计算机视觉会议》，第9907卷，第649\u2013666页Springer，海德堡（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46487-9_40“，”doi“：”10.1007\/9783-319-46487-9_40“}，{“key”：“2_CR59”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhang，R.，Isola，P.，Efros，A.A.，Shechtman，E.，Wang，O.：深层网络作为感知度量的不合理有效性。摘自：IEEE计算机视觉和模式识别会议（2018）“，”DOI“：”10.1109\/CVPR.2018.00068“}，{“key”：“2_CR60”，“DOI-asserted-by”：“publisher”，“unstructured”：“Zhu，J.Y.，Kr\u00e4henb\u00fchl，P.，Shechtman，E.，Efros，A.A.：自然图像流形上的生成性视觉操作。摘自：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（eds.）欧洲计算机视觉会议，第9909卷，第597\u2013613页。斯普林格，海德堡（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46454-1_36“，”doi“：”10.1007\/9783-319-46454-1_36“}]，”container-title“：[”Computer Vision\u2013 ECCV 2020“，”计算机科学讲义“]，”original-title”：[]，“link”：[{“URL”：“https:\//link.springer.com\/content\/pdf\/10.10007\/968-3030-58536-5_2“，”content-type“：”unspecified“，”content-v版本“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2024,3,13]]，”date-time“：”2024-03-13T14:31:10Z“，”timestamp“：1710340270000}，”score“：1，”resource“：{primary”：{“URL”：“https:\/\/link.springer.com\/10007\/978-3-030-58536-5_2”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-part”：[[2020]]}，“ISBN”：[“9783030585358”，“9783030585365“]，”引用次数“：60，”URL“：”http:\/\/dx.doi.org/10.1007\/978-3-030-58536-5_2“，”relationship“：｛｝，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN type“：[”value“：”0302-9743“，”type“：”print“｝，”value“：”1611-3349“，”type“：”electronic“｝]，”subject“：[]，”published“：”date parts“：[[2020]]｝，“断言”：[｛”value“：”2020年11月3日“，”order“：1，”name“：”first_online，“label”：“first online”，“group”：{“name”：“ChapterHistory”，“label:”Chapter History“}}，{“value”：“ECCV”，“order”：1，“name”:“conference_acrombit”，“table”：“conference_Acrombitor”，“group”：“{”name“：”ConferenceInfo“，”label“：”会议信息“}}}”，{”value“：”欧洲计算机视觉会议“，”order“：2，”name“conference_name”，“标签”：“会议名称“，”组“：{“Name”：“ConferenceInfo”，“label”：“conferenceInformation”}}，{“value”：“Glasgow”，“order”：3，“Name”:“Conference_city”，“标签”：“会议城市”，“group”：{名称“：”ConferenceInformo“，”label“：”会议信息“}}}会议信息“，”标签“：”会议信息“}}，{“value”：“2020”，“order”：5，“name”：“Conference_year”，“label”：“会议年”，“group”：{“name”:“ConferenceInfo”，“table”：“Conferency Information”}}、{“value”：“2020年8月23日”，“订单”：7，“name“Conference_start_date”，”标签：“会议开始日期”，“group”：{“name”∶“ConfernceInfo”会议信息“｝｝，｛“value”：“2020年8月28日”，“order”：8，“name”：“Conference_end_date”，“label”：“会议结束日期”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“16”，“order”：9，“name”：“Conference_number”，“label”：“ConferenceNumber”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“eccv2020“，”order“：10，”name“：”conference_id“，”label“：”会议id“，”group“：lind“，”order“：1，”name“：”type“，”label“：”Type“，”group“：”{“name”：“ConfEventPeerReviewInformation”，“label”：“Peer Review Information（由会议组织者提供）”}}，{“value”：“OpenReview”，“order”：2，“name”:“conference_management_system”，“标签”：“会议管理系统”，“group”：同行评审信息（由会议组织者提供）“}}，{“value”：“5025”，“order”：3，“name”：“number_of_submissions_sent_for_Review”，“label”：“发送供评审的提交数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息”（由会议主办方提供）number_of_full_papers_accepted“，”label“：”接受的全文数“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行评审信息（由会议组织者提供）“}}，{”value“：”0“，”order“：5，”name“:”number_ of_short_papers_Accepteded“，”table“：”已接受的短文数“，“group”：{“name”：“”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{”value“：”27%-该值由等式“接受的全文数”/“发送供评审的提交数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_Full_Papers“，”标签“：”全文接受率“，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，{”value“：”3“，”order“：7，”name“:”average_number_of_reviews_per_paper“，”标签“：”每篇论文的平均评论数“，”google“：同行评议信息（由会议组织者提供）“}}，{“value”：“7”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由大会组织者提供）”}}external_reviewers_involved“，”label“：”涉及外部审阅者“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行审阅信息（由会议组织者提供）“}}，{”value“：”会议实际上是由于新冠肺炎疫情而召开的。在ECCV研讨会上，共有467篇论文发表了249篇全文、18篇短文和21篇其他稿件。“，”order“：10，”name“：”additional_info_on_review_process“，”label“：”审阅过程的附加信息“，”group“：{”name“:”ConfEventPeerReviewInformation“，”标签“：”同侪审阅信息（由会议组织者提供）“}}]}}