{“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”：[[2024,9,12]，“日期时间”：“2024-09-12T01:46:48Z”，“时间戳”：1726105608612}，“出版商位置”：“查姆”，“参考计数”：18，“出版者”：“斯普林格国际出版公司”，“isbn-type”：[{“类型”：”打印“，“值”：“9783030638191”}，{“type”：“电子”，“value”：“9783030638207”｝]，“license”：[｛“start”：｛“date parts”：[[2020,1,1]]，“date time”：“2020-01-01T00:00:00Z”，“timestamp”：157783680000｝，“content version”：“tdm”，“delay in days”：0，“URL”：“http:\/\/wspringer.com\/tdm”｝，｛“start”：｛“date parts”：[[2020,1,1]]，“date time”：“2020-01-01T00:00:00Z”，“timestamp”：157783680000 6800000｝，“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\/978-3-030-63820-7_58“，”类型“book-capter”，“创建“：{“date-parts”：[[2020,11,18]]，“date-time”：“2020-11-18T09:12:07Z”，“时间戳”：1605690727000}，“页面”：“507-515”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：3，”title“：[”Pairwise-GAN:通过成对训练进行基于姿势的视图合成“]，”prefix“：”10.1007“，”author“：[{”given“Xuyang”，“family”：“申”、“序”：“首”，“affiliation”：[]}，{“given”：“Jo”，“family”：“Pleted”，“sequence”：“additional”，“affaliation”（从属关系）：[]{“fixed”：“Yue”，“家庭”：“Yao”，“序列”：“extendated”，“从属关系”：[]}，}“giving”：“Tom”，“家族”：“Gedeon”，“serquence”:“additionable”，“abfiliance”：[[]}]，“member”：“297”，“published on line”：{“date-parts”：[2020,0 11,17]]}，“引用”：[{“键”：“58_CR1”，“doi-asserted-by”：“crossref”，“unstructured”：“Jackson，A.S.，Bulat：“publisher”，“first page”：“557”，“DOI”：“10.1007\/978-3-030-01264-9_33”，“volume-title”：“Computer Vision\u2013 ECCV 2018”，“author”：“Y Feng”，“year”：“2018”，”unstructured“：”Feng，Y.，Wu，F.，Shao，X.，Wang，Y.Zhou，X.：使用位置图回归网络进行联合三维人脸重建和密集对齐。收件人：Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（编辑）Computer Vision\u2013 ECCV 2018。LNCS，第11218卷，第557\u2013574页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01264-9_33“}，{“key”：“58_CR3”，“doi-asserted-by”：“crossref”，“unstructured”：“Kan，M.，Shan，S.，Chang，H.，Chen，X.：堆叠渐进式自动编码器（SPAE），用于跨姿势的人脸识别。收录于：CVPR，第1883\u20131890页（2014）”，“doi”：“10.1109\/CVPR.2014.243”}，}“key”：“58/CR4”，“doi-asserted”by“：”crossref“，”非结构化“：”Hassner，T.、Harel，S.、Paz，E.、Enbar，R.：无约束图像中的有效人脸正面化。收录于：CVPR，pp.4295\u20134304（2015）“，“DOI”：“10.1109\/CVPR.2015.7299058”}，{“key”：“58_CR5”，“DOI-asserted-by”：“crossref”，“unstructured”：“Huang，R.，Zhang，S.，Li，T.，He，R.:Beyond face rotation:global and local perception GAN for photorealistic and identity reservation frontient view synthensive”。收录于ICCV，pp.2439\u20132448（2017）“，”DOI“10.1109\/ICCV.2017.267“}，{“key”：“58_CR6”，“doi-asserted-by”：“crossref”，“unstructured”：“Tian，Y.，Peng，X.，Zhao，L.，Zhang，S.，Metaxas，D.N.：CR-GAN:学习多视图生成的完整表示法。arXiv预印本arXiv:1806.11191（2018）”，“doi”：“10.24963\/ijcai.2018\/131”}，}，“key“：”58_CR7“，”doi-assert-by“：”publisher“，”第一页“：”807”，“DOI”：“10.3390\/electronics8070807”、“volume”：“8”，“author”：“W Zhuang”，“year”：“2019”，“unstructured”：“庄，W.，Chen，L.，Hong，C.，Liang，Y.，Wu，K.：FT-GAN：基于关键点对齐的人脸变换，用于位置不变的人脸识别。Electronics 8，807（2019）“，”journal-title“：”Electronics“}，{“key”：“58_CR8”，“doi-asserted-by”：“crossref”，“unstructured”：“Yao，Y.，Zheng，L.，Yang，X.，Naphade，M.，Gedeon，T.：模拟具有属性下降的内容一致性车辆数据集。In:ECCV（2020）“，“doi”：“10.1007\/978-3030-58539-6_46”}，“key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。收录于：CVPR，第4401\u20134410页（2019年）“，“DOI”：“10.1109\/CVPR.2019.00453”}，{“key”：“58_CR10”，“unstructured”：“Goodfellow，I.，et al.：Generative敌对网络。收录于NeurIPS，第2672\u20132680页（2014年）”}Mathieu，M.，Couprie，C.，LeCun，Y.：超出均方误差的深度多尺度视频预测。arXiv预印本arXiv:1511.05440（2015）“}，{“key”：“58_CR12”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhu，J.Y.，Park，T.，Isola，P.，Efros，A.A.：使用循环一致的对抗网络进行未成对的图像到图像的转换。摘自：ICCV，pp.2223\u20132232（2017）”，“doi”：“10.1109\/ICCV.2017.244”}，}“key:”58_CR13“，”unstructure“：”Hoffman，J.等人：Cycada：循环一致的对抗性领域适应。摘自：ICML，第1989\u20131998（2018）页“}，{“key”：“58_CR14”，“doi-asserted-by”：“crossref”，“unstructured”：“Isola，P.，Zhu，J.Y.，Zhou，T.，Efros，A.A.：使用条件对抗网络进行图像到图像的转换。摘自：CVPR，第1125\u20131134（2017）页”，“doi”：“10.1109\/CVPR.2017.632”}，}“keys”：“58/CR15”，“非结构化”：“Ulyanov，D.，Vedaldi，A.，Lempitsky，V.：实例规范化：快速风格化的缺失要素。arXiv预印本arXiv:1607.08022（2016）“}，{“key”：“58_CR16”，“unstructured”：“Liu，M.Y.，Tuzel，O.：耦合生成性对抗网络。收录：NeurIPS，第469\u2013477页（2016）”}，}，“key“：”58_CR17“，”doi-asserted-by“：”crossref“，”unstructure“：”Anoosheh，A.，Agustsson，E.，Timofte，R.，Van Gool，L.：ComboGAN：图像域转换的无限制可扩展性。参见：CVPR Workshops，第783\u2013790页（2018）“，“DOI”：“10.1109\/CVPRW.2018.00122”}，{“key”：“58_CR18”，“DOI-asserted-by”：“crossref”，“unstructured”：“Yao，Y.，Plested，J.，Gedeon，T.：短期脑电信号的信息保留特征滤波器。神经计算（2020）”，“DOI:“10.1016\/J.neucom.2019.11.106”}]，“container-title”：[“计算机与信息科学中的通信”，“神经信息处理”]，“原标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/link.springer.com\/content/pdf\/10.1007\/978-3-030-63820-7_58”，“内容类型”：“未指定”，“内容版本”：“vor”，“预期应用”：“相似性检查”}]，“存放”：{“日期部分”：[[2021,4,24]]，“date-time”：“2021-04-24T03:16:58Z”，“timestamp”：1619234218000}，“score”：1，“resource”：{“primary”：{“URL”：“https:\/\/link.springer.com\/10.1007\/978-3030-63820-7_58”}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[[2020]]}”，“ISBN”：[“978303063891”，“978330638207”]，“references-count”：18，“URL”：“http://\/dx.doi.org\/10.1007\/978-3-030-63820-7_58”，“关系”：{}，“ISSN”：[“1865-0929”，“1865-0.937”]，“ISSN-type”：[{“类型”：“打印”，“值”：“1865--0929”}，{“种类”：“电子”，“数值”：“865-0937”}]，“主题”：[]，“发布”：{“日期段”：[[2020]]}，“2020年11月17日”，“订单”：1，“名称”：“first_online”，“标签”：“第一在线”，“群组”：{“name”：“ChapterHistory”，“label”：“ChapterHistory”}}，{“value”：“ICONIP”，“order”：1，“name”:“conference_acrombit”，“标签”：“会议缩写词”，“group”：：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“曼谷”，“订单”：3，“name”:“Conference_city”，“标签”：“会展城市”，“group”：：“会议信息”}}，{“value”：“2020”，“order”：5，“name”：“Conference_year”，“label”：“会议年份”，“group”：{“name”:“ConferenceInfo”，“table”：“Conferency Information”}，}“value”：“2020年11月18日”，“订单”：7，“name“：”Conference_start_date“，”label“：”会议开始日期“，”group“：{”name“：：“2020年11月22日”，“订单”：8，“名称”：“conference_end_date”，“label”：“会议结束日期”，“组”：{“名称”:“会议信息”，“标签”：“大会信息”}}，{“值”：“27”，“顺序”：9，“名称“：”conference_number“，”label“：”会议编号“，”group“：{”name“：”ConferenceInfo“，名称“：“conference_id”，“label”：“会议id”，“group”：{“name”：“ConferenceInfo”，“标签”：“会务信息”}}，{“value”：“http://www.apnns.org\/ICONIP2020”，“order”：11，“name”:“conference_url”，“tabel”：”会议url“，”group“：{”name“：”ConferenceInformo“，”label“：”会议信息“}}”，{”value“：”Single-blind“，”order“：1，“name”：“type”，“label”：“type”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“Peer Review Information（由会议组织者提供）”}}，{“value”：“CMT”，“order”：2，“name”:“conference_management_system”，“标签”：“会议管理系统”，“group”:{“名称”：“confEventPeerrReviewInformation”，“table”：“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”：“接受的全文数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“189”，“order”：5，“name”:“Number_of_short_Papers_Accepted”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“30%-该值由公式“接受的全文数量/发送供评审的提交数量*100”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”，“label”：“同行评审信息（由会议组织者提供）”}}}，｛“value”：“3.68”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每位评审员的平均论文数”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“No”，“order”：9，“name”：“external_reviewers_involved”，“label”：“涉及的外部评审员”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“Peer Review Information（由会议组织者提供）”}}，{“value”：“由于COVID-19大流行，会议实际上举行了。”，“order”：10，“name”:“additional_info_on_Review_process”，“tabel”：”审核过程的附加信息“，”group“：{”name“：”ConfEventpeerReview信息“，“label”：“同行评审信息（由会议组织者提供）”}}]}}