｛“status”：“ok”，“message type”：“work”，“message version”：“1.0.0”，“message”：｛“indexed”：｛“date parts”：[[2024,9,13]]，“date time”：“2024-09-13T09:15:58Z”，“timestamp”：1726218958812｝，“publisher location”：“Cham”，“reference count”：24，“publisher”：“Springer International Publishing”，“isbn type”：[｛“type”：“print”，“value”：“9783030638191”｝，｛“type”：“electronic”，“value”：“9783030638207”}]，“license”：[{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://\www.springer.com\/tdm”}，{“start”：0-01-01T00:00:00Z“，”时间戳“：1577836800000}，”内容版本“：”vor“，“delay-in-days”：0，“URL”：“http:\/\/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.springer.com\/tdm”}1,1]]，“日期时间”：“2020-01-01T00:00:00Z”，“时间戳”：1577836800000}，“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”：[2020]]}，”DOI“：”10.1007\/978-3030-63820-7_52“，”类型“book-capter”，“创建“：{“date-parts”：[[2020,11,18]]，“date-time”：“2020-11-18T09:12:07Z”，“timestamp”：1605690727000｝，“page”：“450-459”，“update policy”：“http:\/\/dx.doi.org/10.1007\/springer_crossmark_policy”，“source”：“Crossref”，“由count引用”：4，“title”：[“MobileHand:根据彩色图像实时3D手形和姿势估计”]，“prefix”：“10.1007”，“author”：[{“given”：“Guan Ming”，“family”：“Lim”，“sequence”：“first”，“affiliation”：[]}，{“given”：“Prayok”，“family”：“Jatesiktat”，“sequence”：“additional”，“filiation“：[]{”given“：“Wei Tech”，”family“：”Ang“，”sequence“：”additional“，”affiliance“：[]}，“member”：“297”，“published-online”：{“date-parts”：[2020,11,17]}、“reference”：[{“doi-asserted-by”：”crossref“，“非结构化”：“Baek，S.、Kim，K.I.、Kim、T.：通过神经渲染实现基于RGB的密集三维手势姿势估计的包络线。收录于：CVPR，pp.1067\u20131076（2019）”，“key”：“52_CR1”，“DOI”：“10.1109\/CVPR.2019.00116”}，{“非结构化”：“Bazarevsky，V.，Zhang，F.：设备上，使用mediapipe进行实时手势跟踪。谷歌人工智能博客，2019年8月”，“key”：”52_CR2“}，{“doi-asserted-by”：“crossref”，“unstructured”：“Boukhayma，A.，de Bem，R.，Torr，P.H.S.：野外图像中的3D手形和姿势。收录于：CVPR，pp.10835\u201310844（2019）”，“key”：“52_CR3”，“doi”：“10.1109\/CVPR.2019.01110”}，{“key“：”52_CR4“series-title”：“计算机科学课堂讲稿”，“doi-sserted-by“：”publisher“，”第一页：“676”8英寸，“doi”：“10.1007 \/978-3-030-01231-1_41”，“volume-title”：“Computer Vision\u2013 ECCV 2018”，“author”：“Y Cai”，“year”：“2018年”，“unstructured”：“Cai，Y.，Ge，L.，Cai，J.，Yuan，J.：从单目RGB图像进行弱监督三维手势姿势估计。In:Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（eds.）ECCV 2018。LNCS，第11210卷，第678\u2013694页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01231-1_41“}，{“doi-asserted-by”：“crossref”，“unstructured”：“Carreira，J.，Agrawal，P.，Fraggiadaki，K.，Malik，J.：具有迭代误差反馈的人体姿势估计。摘自：CVPR，pp.4733\u20134742（2016）”，“key”：“52_CR5”，“doi”：“10.1109\/CVPR.2016.512”}，}“doi-asserted-by”：Ge，L.，et al.：从单个RGB图像进行3D手形和姿势估计。收录于：CVPR，pp.10825\u201310834（2019）“，”key“：”52_CR6“，”DOI“：”10.1109\/CVPR.2019.01109“}，{”DOI-asserted-by“：”crossref“，”unstructured“：”Gouidis，F.，Panteleris，P.，Oikonomidis，I.，Argyros，A.A.：移动设备上准确的手键定位。收录于MVA，pp.1\u20136（2019 758059“}，{”问题“：”1“，”key“：”52_CR8“，”doi-asserted-by“：”publisher“，”first-page“：”33“，”doi“：”10.1007\/BF02291478“，“volume”：“40”，“author”：“J Gower”，“year”：“1975”，“unstructured”：“Gower，J.：广义productes分析。Psychometrica 40（1），33\u201351（1975）“，“journal-title”：“PsychoMetrica”}，{“doi-asserted-by”：“crossref”，“unstructured”：“Hampali，S.，Rad，M.，Oberweger，M.和Lepetit，V.：HOnnotate:手和物体姿势的3D注释方法。In:CVPR，pp.3193\u20133203（2020）”，“key”：“52_CR9”，“doi”：“10.1109\/CVPR42600.2020.00326”}、{“doi-asserted-b”y“：”crossref“，”unstructured“：”Hasson，Y.等人：学习手和操作对象的关节重建。收录于：CVPR，pp.11799\u201311808（2019）“，”key“：”52_CR10“，”DOI“：”10.1109\/CVPR.2019.01208“}，{”DOI-asserted-by“：”crossref“，”unstructured“：”Howard，A.等人：搜索mobilenetv3。In:ICCV，pp.1314\u20131324（2019）“，”key“：”52_CR11“，”DOI“：”10.1109\/ICCV.2019.00140“}，”{“key”：“52_CR12”，”series-title“：”计算机科学讲义“，”DOI-asserted-by“：”publisher“，”first page“：“125”，”DOI:“10.1007\/978-3-030-01252-6_8”，“volume-title”：“Computer Vision\u2013 ECCV 2018”，“author”：“U Iqbal“，”年份“：”2018“，”非结构化“：”Iqbal，U.、Molchanov，P.、Breuel，T.、Gall，J.、Kautz，J.：通过潜在2.5D热图回归进行手部姿势估计。收件人：Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（编辑）ECCV 2018。LNCS，第11215卷，第125\u2013143页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01252-6_8“}，{“doi-asserted-by”：“crossref”，“unstructured”：“Kanazawa，A.，Black，M.J.，Jacobs，D.W.，Malik，J.：人体形状和姿势的端到端恢复。摘自：CVPR，pp.7122\u20137131（2018）”，“key”：“52_CR13”，“doi”：“10.1109\/CVPR.2018.00744”}：“Kulon，D.，G\u00fcler，R.A.，Kokkinos，I.，Bronstein，M.，Zafeiriou，S.：野外弱监督网状卷曲手再造。收录：CVPR（2020）“，”key“：”52_CR14“，”DOI“：”10.1109\/CVPR42600.2020.00504“}，{”DOI-asserted-by“：”crossref“，”unstructured“：”Lim，G.M.，Jatesiktat，P.，Kuah，C.W.K.，Ang，W.T.：“使用基于镜子的多视图设置进行基于相机的手部跟踪。收录：EMBC，pp.5789\u20135793（2020）”，“key”：“52_CR15”，“DOI”：“10.1109\/EMBC44109.2020.9176728“}，{”DOI-asserted-by“：”crossref“，”unstructured“：”Mueller，F.等人：通过单目RGB实时跟踪3D手势。在：CVPR，pp.49\u201359（2018）”，“key”：“52_CR16”，“DOI”：“10.1109\/CVPR.2018.00013”}，{“DOI断言者”：“crossref”，“非结构化”：“Romero，J.，Tzionas，D.，Black，M.J.：具象手：将手和身体建模和捕捉在一起。ACM TOG 36（6）（2017）”，“key”：“52_CR17”，“DOI”：“10.1145\/310800.3130883”}，{“DOI断言者”：“crossref”非结构化“：”Spurr，A.，Song，J.，Park，S.，Hilliges，O.：交叉模态深度变化手部姿势估计。其中：CVPR，pp.89\u201398（2018）“，”key“：”52_CR18“，”DOI“：”10.1109\/CVPR.2018.00017“}，{”DOI-asserted-by“：”crossref“，”unstructured“：”Zhang，J.，Jiao，J.、Chen，M.，Qu，L.，Xu，Yang，Q.：立体匹配的手势跟踪基准。In:ICIP，pp.982\u2013986（2017）“，}，{“DOI-asserted-by”：“crossref“，”unstructured“：”Zhang，X.，Li，Q.，Mo，H.，Zhang，W.，Zheng，W.：从单目RGB图像进行端到端手网格恢复。收录于：ICCV，第2354\u20132364页（2019年）“，“key”：“52_CR20”，“DOI”：“10.1109\/ICCV.2019.00244”}，{“unstructured”：“Zhou，X.，Wan，Q.，Zhang，W.，Xue，X.和Wei，Y.：基于模型的深手姿势估计。收录自：IJCAI，第2421\u20132427页（2016年）Zhou，Y.、Habermann，M.、Xu，W.、Habibie，I.、Theobalt，C.、Xu、F.：使用多模态数据的单目实时手形和运动捕捉。收录于：CVPR（2020）“，”key“：”52_CR22“，”DOI“：”10.1109\/CVPR42600.2020.00539“}，{”DOI-asserted-by“：”crossref“，”unstructured“：”Zimmermann，C.，Ceylan，D.，Yang，J.，Russell，B.，Argus，M.J.，Brox，T.：Freihand：一个从单个RGB图像无标记捕获手姿势和形状的数据集。收录于ICCV，pp.813\u2013822（2019）“，“key”：“52_CR23”，“DOI”：“”10.1109\/ICCV.2019.00090“｝，｛”doi断言由“：”crossref“，”非结构化“：”Zimmermann，C.，Brox，T.：学习从单个RGB图像估计3D手部姿势。In：ICCV，pp.4913\u20134921（2017）“，”key“：”52_CR24“，”doi“：”10.1109\/ICCV.2017.525“｝]，”容器标题“：[计算机与信息科学中的通信“，”神经信息处理“]，”original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/101007\/978-3-030-63820-7_52“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2021,4,24]]，”date-time“：“2021-04-24T03:17:58Z”，“timestamp”：1619234278000}，“分数”：1，“资源”：{primary“：{”URL“：”https:\/\/link.springer.com/10.1007\/978-3-030-63820-7_52“}}，”subtitle“：[]，”shorttitle“：[]，“issued”：{“date-parts”：[[2020]]}，“ISBN”：[“9783030638191”，“97830.30638207”]，“references-count”：24，“URL”：“http://\/dx.doi.org\/10007\/9798-3-030-63820-7-7_52”，“relation”：{}，“ISSN”：[“1865-0929”，“1865-0.937”]，“ISSN-type”：[{“type”:“print”，“value”：“1865-0929“}，{”type“：”electronic“，”value“：“1865-0937”}]，”subject“：[]，”published“：{”date-parts“：[[2020]]}，”assertion“：[{”value”：“2020年11月17日”，”order“：1，”name“：”first_online“，”label“：”first online“，“group”：conference_acrombion“，”标签“：”会议缩写“，”group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“International Conference on Neural Information Processing”，“order”：2，“name”：“Conference_name”，“label”：“ConferenceName”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝，｛“value”：“Bangkok”，“order”：3，“name”：“Conference_city”，“label”：“ConferenceCity”，“group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”Thailand“，”order“：4，”name“:”Conference_country“，”tabel“：“ConferenceCountry”，“group”：{“name”：“ConfeenceInfo”，“label”：“会议信息”}，“value”：“2020”，“order”：5，“name”:“Conference_year”，“table”：“conferencyYear”，：“会议信息“｝｝，｛“value”：“2020年11月18日”，“order”：7，“name”：“Conference_start_date”，“label”：“会议开始日期”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“2020年11月22日”，“order”：8，“name”：“Conference_end_date”，“label”：“会议结束日期”，“group”：｛“name”：“ConferenceInfo”，“label”：“会议信息“}}，{”value“：”27“，”order“：9，”name“：”Conference_number“，”label“：”ConferenceNumber“，”group“：http://www.apnns.org\/ICONIP2020“，”order“：11，”name“：”conference_url“，”label“：”会议url“，”group“：”ConferenceInfo“，“label”：”会议信息“}}，{“value”：“Single-blind”，“order”：1，“name”：“type”，“lable”：“type”，“group”：{“name”:“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“CMT”，“order”：2，“name”：“conference_management_system”，“label”：“会议管理系统”，“group”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同行评审信息（由会议组织者提供）”}}，{”value“：”618“，”order“：3，”name“：”number_of_submissions_sent_for_Review“，”label“：”发送供评审的提交数量“，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“Peer Review Information（由会议组织者提供）”}}，{“value”：“187”，“order”：4，“name”:“number_of_full_papers_accepted”，”label“：“接受的全文数”，”group“：{”name“：”ConfEventpeerReview信息“，”lable“：“同行评议信息（由会议组织者提供）”}}，{“value”：“189”，“order”：5，“name”：“number_of_short_papers_accepted”，”label“：“接受的短文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由大会组织者提供）：“30%-该值由等式“接受的全文数”计算，然后四舍五入为整数。”，“order”：6，“name”：“acceptance_rate_of_Full_Papers”，“label”：“全文接受率”，“group”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同行评议信息（由会议组织者提供）”}}，{“value”：“3.18”，“order”：7，“name”：“average_number_of_reviews_per_paper”，“label”：“每篇论文的平均评论数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由大会组织者提供）：“average_number_of_papers_per_reviewer”，“label”：“每位审阅者的平均论文数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“table”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“No”，“order”：9，“name”:“external_reviewers_involved”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“由于新冠肺炎疫情，会议实际上举行了。”，“order”：10，“name”：“additional_info_on_Review_process”：“同行评审信息（由会议组织者提供）”}}]}}