{“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”：[[2024,6,11]]，“日期时间”：“2024-06-11T06:00:32Z”，“时间戳”：1718085632815}，“发布者位置”：“Cham”，“引用计数”：42，“发布商”：“Springer International Publishing”，“isbn-type”：[{“值”：“9783030670696”，“类型”：”打印“}，{“值”：“9783030670702”，“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”：“http://www.springer.com\/tdm”}0:00:00Z“，”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\/978-3-030-67070-2_11”，“type”：“book-capter”，“created”“：{”日期部分“：[[2021,1,29]]，”日期时间“：“2021-01-29T20:02:51Z”，“timestamp”：1611950571000｝，“page”：“185-201”，“update policy”：“http:\/\/dx.doi.org/10.1007\/springer_crossmark_policy”，“source”：“Crossref”，“被计数引用”：27，“title”：[“AWNet:图像ISP的注意小波网络”]，“prefix”：“10.1007”，“author”：[{“ORCID”：“http:\/\/ORCID.org/0000-0001-6631-4481”，“authenticated ORCID”：false，“给定”：“林辉”，“家族”：“戴”，“序列”：“第一个”，“从属关系”：[]}，{“ORCID”：“http://\/ORCID.org\/0000-0001-6377-4730”，“authenticated-ORCID”：false给出“：”承启“，”家族“：”李“，“sequence”：“additional”，“affiliation”：[]}，{“ORCID”：“http://\/ORCID.org\/0000-0002-8084-9332”，“authenticated-ORCID”：false，“给定”：“Jun”，“family”：“Chen”，”sequence“：”additional“，”affiliance“：[]2]，“member”：“297”，“published-online”：{“date-parts”：[2021,30]]}：“Abdelhamed，A.，Afifi，M.，Timofte，R.，Brown，M.S.：NTIRE 2020对真实图像去噪的挑战：数据集、方法和结果。摘自：IEEE计算机视觉和模式识别研讨会会议记录，第496\u2013497页（2020）”}，{“问题”：“3”，“关键”：“11_CR2”，“doi-asserted-by”：“出版商”，“首页”：“211”，“doi”：“10.1023\/B:VISI.0000045324.43199.43”，“volume”：“61”，“author”：“A Bruhn”，“year”：“2005”，“unstructured”：“Bruhn.，A.，Weickert，J.，Schn\u00f6rr，C.：Lucas\/Kanade meet Horn\/Schnck：结合本地和全球光流方法。国际计算机视觉61（3），211\u2013231，“新闻标题”：“Int.J.Compute.Vision”}，{“key”：“11_CR3”，“doi-asserted-by”：“crossref”，“unstructured”：“Cao，Y.，Xu，J.，Lin，S.，Wei，F.，Hu，H.：GCNet:非本地网络与挤压激励网络及其他网络相遇。摘自：IEEE计算机视觉研讨会国际会议论文集（2019）”，“doi”：“10.1109\/ICCVW.2019.00246”}，“doi-asserted-by”：“crossref”，“unstructured”：“Carreira，J.，Zisserman，A.：Quo-vadis，动作识别？一个新模型和动力学数据集。摘自：IEEE计算机视觉和模式识别会议论文集，第6299\u20136308页（2017）”，“doi”：“10.1109\/CVPR.2017.502”}，{“key”：“11_CR5”，“doi-asserted-by”：”，“crossrev”：“Chen，C.，Chen，Q.，Xu，J.，Koltun，V.：学会在黑暗中看。摘自：IEEE计算机视觉和模式识别会议记录，pp.3291\u20133300（2018）”，“DOI”：“10.1109\/CVPR.2018.00347”}，{“key”：“11_CR6”，“DOI-asserted-by”：“crossref”，“unstructured”：“Chen，L.C.，Zhu，Y.，Papandreou，G.，Schroff，F.，Adam，H.：用于语义图像分割的具有atrous可分离卷积的编码器-解码器。在：IEEE欧洲计算机视觉会议记录，第801\u2013818页（2018）”，“DOI”：“10.1007\/978-3-030-01234-2_49”｝，｛“key”：“11_CR7”，“DOI断言为”：“crossref”，“非结构化”：“Cheng，D.，Price，B.，Cohen，S.，Brown，M.S.：Beyond white：用于颜色恒常性校正的底色真值颜色。摘自：IEEE计算机视觉国际会议论文集，第298\u2013306页（2015）”，“DOI”：“10.1109\/ICCV.2015.42”}，{“issue”：“8”，“key”：“11_CR8”，”DOI-asserted-by“publisher”，“first page”：：“10.1109\/TIP.2007.901238”，“volume”：“16”，“author”：“K Dabov”，“year”：“2007”，“unstructured”：“Dabov，K.，Foi，A.，Katkovnik，V.，Egiazarian，K.：稀疏三维变换域协同滤波的图像去噪。IEEE Trans.Image Process.16（8），2080\u20132095（2007）”，“journal-title”：“IEEE Trans.Image Procress.”}，{“key”：”11_CR9“doi-asserted-by”：“crossref”，“unstructured”：“Feichtenhofer，C.，Pinz，A.，Zisserman，A.：视频动作识别的卷积两流网络融合。摘自：IEEE欧洲计算机视觉会议论文集，第1933\u20131941（2016）页”，“DOI”：“10.1109\/CVPR.2016.213”}，{“issue”：“6”，“key”：“11_CR10”，“DOI-asserted-by”：“publisher”，《首页》：“1”，“DOI”：“10.1145 \/2980179.2982399”，“volume”：“35”，“author”：“M Gharbi”，“year”：“2016”，“unstructured”：“Ghrbi，M.，Chaurasia，G.，Paris，S.，Durand，F.：深层联合去噪和去噪。ACM Trans.Graph.（TOG）35（6），1\u201312（2016）”，“journal-title”：“ACM Trans.Graph.非结构化”：“何，B.，王，C.，石，B.，段，L.Y.：使用MopNet的Mop云纹图案。摘自：IEEE国际计算机视觉会议论文集，第2424\u20132432（2019）页”，“DOI”：“10.1109\/ICCV.2019.00251”}，{“key”：“11_CR12”，“DOI-asserted-by”：“crossref”，“unstructured”：“Hu，J.，Shen，L.，Sun，G.：挤压和激励网络。摘自：IEEE计算机视觉和模式识别会议论文集，第7132\u20137141页（2018）”，“DOI”：“10.1109\/CVPR.2018.00745”}，{“key”：“11_CR13”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ignatov，A.，Timofte，R.等人：AIM 2020对学习图像信号处理管道的挑战。摘自：Bartoli，A.，Fusiello，A.（编辑）ECCV 2020。LNCS，第12537卷，第152\u2013170页。Springer，Cham（2020）“，“DOI”：“10.1007\/978-3-030-67070-2_9”}，{“key”：“11_CR14”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ignatov，A.，Van Gool，L.，Timofte，R.：用单一深度学习模型取代移动相机ISP。摘自：IEEE计算机视觉和模式识别研讨会会议记录，pp.536\u2013537（2020）”，“DOI“：”10.1109\/CVPRW50498.2020.00276“}，{“key”：“11_CR15”，“DOI-asserted-by”：“crossref”，“unstructured”：“Kim，J.，Kwon-Lee，J.、Mu-Lee，K.：使用深度卷积网络的精确图像超分辨率。摘自：IEEE计算机视觉和模式识别会议论文集，pp.1646\u20131654（2016）”，“DOI”：“10.1109\/CVPR.2016.82”}，{“key”：“11_CR16”，“unstructured”：“Kingma，D.P.，Ba，J.：Adam:一种随机优化方法。arXiv预印本arXiv:1412.6980（2014）”}，{《问题》：“10”，“key“：”11_CR17“，“doi-asserted-by”：“publisher”，“首页”：“2356”，《doi》：“10.1016\/J.engappai.2013.07.023”，“卷”：“26”，“作者”：“NM Kwok”，“年份”：“2013”，“非结构化”：“郭，N.M.，石，H.，哈，Q.P.，方，G.，陈，S.，贾，X.：使用粒子群优化同时进行图像颜色校正和增强。工程应用Artif.Intell.26（10），2356\u20132371（2013）”，“日志标题”：“工程应用Artif.Intell.”}，{“key”：“11_CR18”，“doi-asserted-by”：“crossref”，“unstructured”：“Ledig，C.，et al.：使用生成对抗网络的真实感照片单图像超分辨率。摘自：IEEE计算机视觉和模式识别会议记录，第4681\u20134690页（2017）”，“DOI”：“10.1109\/CVPR.2017.19”}，{“key”：“11_CR19”，“DOI-asserted-by”：“crossref”，“unstructured”：“Liu，P.，Zhang，H.，Zhang，K.，Lin，L.，Zuo，W.：用于图像恢复的多级小波-CNN。摘自：IEEE计算机视觉和模式识别研讨会论文集，第773\u2013782页（2018）”，“DOI”：“10.1109\/CVPRW.2018.00121”}，{“key”：“11_CR20”，“DOI-asserted-by”：“crossref”，“unstructured”：“Liu，X.，Ma，Y.，Shi，Z.，Chen，J.：GridDehazeNet:基于注意力的多尺度图像去噪网络。摘自：IEEE计算机视觉国际会议论文集，第7314\u20137323（2019）页”，“DOI”：“10.1109\/ICCV.2019.00741”}，{“issue”：“2”，“key”：“11_CR21”，“DOI-asserted-by”：“publisher”，“first page”：：“10.1023\/B:VISI.0002964.99615.94”，“volume”：“60”，“author”：“DG Lowe”，“year”：“2004”，“unstructured”：“Lowe，D.G.：不同尺度关键点的独特图像特征。Int.J.Compute.Vis.60（2），91\u2013110（2004）。https:\/\/doi.org\/10.10023\B/B:VISI.00000029664.99615.1994”，“journal-title”：“Int.J.Compute.Vis.”}，{“key”：“11_CR22”，“非结构化”：“Lugmayr，A.，Danelljan，M.，Timofte，R.：NTIRE 2020对真实世界图像超分辨率的挑战：方法和结果。摘自：IEEE计算机视觉和模式识别研讨会会议记录，第494\u2013495（2020）页”}，{“问题”：“7”，“关键”：“11_CR23”，“doi-asserted-by”：“出版商”，“首页”：“674”，“doi”：“10.1109\/34.192463”，“volume”：“11”，“author”：“SG Mallat”，“year”：“1989”，“unstructured”：“Mallat，S.G.：多分辨率信号分解理论：小波表示。IEEE Trans.Pattern Anal.Mach.Intell.11（7），674\u2013693（1989）”，“journal-title”：“IEEE Trans.Pattern Analy.Mach.Intell.”}，{“key”：”11_CR24“doi-asserted-by”：“crossref”，“非结构化”：“Mei，K.，Li，J.，Zhang，J.、Wu，H.、Li，J、Huang，R.：用于图像演示和增强的高分辨率网络。摘自：IEEE国际计算机视觉研讨会论文集，第3441\u20133448页。IEEE（2019）“，“DOI”：“10.1109\/ICCVW.2019.00427”}，{“key”：“11_CR25”，“DOI-asserted-by”：“crossref”，“unstructured”：“Qian，R.，Tan，R.T.，Yang，W.，Su，J.，Liu，J.：用于从单个图像中去除雨滴的专注生成对抗网络。摘自：IEEE计算机视觉和模式识别会议记录，第2482\u20132491页（2018）“，”DOI“：”10.1109\/CVPR.2018.00263“}，{”key“：”11_CR26“，”DOI-asserted-by“：”publisher“，”first page“：“1285”，“DOI”：“10.1109\/TIP.2019.2936649”，“volume”：“29”，“author”：“A Rana”，“year”：“2019”，”unstructured“：”Rana，A.、Singh，P.、Valenzise，G.、Dufaux，F.、Komodakis，N.、Smolic，A.：高动态范围图像的深色映射操作符。IEEE传输。图像处理。291285 \u20131298（2019）”，“期刊标题”：“IEEE Trans。图像处理。“}，{”key“：”11_CR27“，”doi-asserted-by“：”crossref“，”unstructured“：”Ratnasingam，S.：深度相机：用于图像信号处理的完全卷积神经网络。摘自：IEEE国际计算机视觉研讨会论文集（2019）“，”doi“：”10.1109\/ICCVW.2019.00480“}”，{“issue”：“11”，“key”：“11_CR28”，“doi-assert-by”：“publisher”，“第一页“：”1663“，”DOI“：”10.1016\/S0167-8655（02）00323-9“，”volume“：”24“，”author“：”A Rizzi“，”year“：”2003“，”unstructured“：”Rizzi，A.，Gatta，C.，Marini，D.：一种新的无监督全局和局部颜色校正算法。模式识别。莱特。24（11），1663\u20131677（2003）“，“新闻标题”：“模式识别。莱特。“}，{”issue“：”2“，”key“：”11_CR29“，”doi-asserted-by“：”publisher“，”first page“：“912”，”doi“：”10.1109\/TIP.2018.2872858“，”volume“：：”28“，”author“：”E Schwartz“，”year“：”2018“，”unstructured“：”Schwartx，E.，Girys，R.，Bronstein，A.M.：DeepISP:学习端到端的图像处理管道。IEEE Trans.image Process.28（2），912\u2013923（2018）“，“journal-title“：”IEEE Trans。图像处理。“}，{”key“：”11_CR30“，”doi-asserted-by“：”crossref“，”unstructured“：”Tao，X.，Gao，H.，Shen，X.、Wang，J.，Jia，J.：深度图像去模糊的尺度递归网络。In：IEEE计算机视觉与模式识别会议论文集，pp.8174\u20138182（2018）“，”doi“：”10.1109\/CVPR.2018.00853“}”，{“key”：“11_CR31”，“doi-assert-by”：“”crossref“，”unstructured“：”Timofte，R.、Rothe，R.和Van Gool，L.：提高基于示例的单个图像超分辨率的七种方法。在：IEEE计算机视觉和模式识别会议论文集，pp.1865\u20131873（2016）“，DOI”：“10.1109\/CVPR.2016.206”｝，｛“key”：“11_CR32”，“DOI asserted by”：“crossref”，“nonstructured”：“Uhm，K.H.，Kim，S.W.，Ji，S.W..，Cho，S.J.，Hong，J.P.，Ko，S.J.:W-Net：两阶段U-Net，原始到RGB映射的数据未对齐。摘自：IEEE计算机视觉国际会议论文集，第3636\u20133642页。IEEE（2019）“，”DOI“：”10.1109\/ICCVW.2019.00448“}，{“key”：“11_CR33”，“DOI-asserted-by”：“crossref”，“unstructured”：“Vedaldi，A.，Fulkerson，B.：VLFeat:一个开放和可移植的计算机视觉算法库。摘自：第18届ACM国际多媒体会议论文集，第1469\u20131472（2010）页”，“DOI”：“10.1145\/1873951.1874249”}11_CR34“，”doi-asserted-by“：”crossref“，”unstructured“：”Wang，X.，Girshick，R.，Gupta，A.，He，K.：非局部神经网络。摘自：IEEE计算机视觉和模式识别会议记录，第7794\u20137803页（2018）“，“DOI”：“10.1109\/CVPR.2018.00813”}，{“key”：“11_CR35”，“DOI-asserted-by”：“crossref”，“unstructured”：“Wang，X.，Chan，K.C.，Yu，K.，Dong，C.，Change Loy，C.：EDVR：使用增强可变形卷积网络进行视频恢复。摘自：IEEE计算机视觉和模式识别研讨会会议记录（2019年）”，“DOI”：“10.1109\/CVPRW.2019.00247”}，{“key”：“11_CR36”，“unstructured”：“Wang，Z.，Simoncelli，E.P.，Bovik，A.C.：图像质量评估的多尺度结构相似性。摘自：第三十七届信号、系统和计算机Asilomar会议，第2卷，第1398\u20131402页。IEEE（2003）“}，{“key”：“11_CR37”，“doi-asserted-by”：“crossref”，“unstructured”：“Xu，X.，Ma，Y.，Sun，W.：用原始图像实现真实场景的超分辨率。摘自：IEEE计算机视觉和模式识别会议论文集，第1723\u20131731（2019）页”，“doi”：“10.1109\/CVPR.2019.00182”}，}“key:”11_CR38“series-title”：“《计算机科学讲义》，“doi-asserted-by”：“publisher”，“first page”：“771”，“doi”：“10.1007\/978-3642-33765-9_55”，“volume-title”：“Computer Vision\u2013 ECCV 2012”，“author”：“L Yuan”，“year”：“2012”，《unstructured》：“Yuan，L.，Sun，J.：消费者照片的自动曝光校正。收录人：Fitzgibbon，A.、Lazebnik，S.、Perona，P.、Sato，Y.、Schmid，C.（编辑）ECCV 2012。LNCS，第7575卷，第771页\u2013785。施普林格，海德堡（2012）。https:\/\/doi.org\/10.1007\/978-3642-33765-9_55“}，{“问题”：“7”，“密钥”：“11_CR39”，“doi-asserted-by”：“出版商”，“首页”：“3142”，“doi”：“10.1109\/TIP.2017.2662206”，“卷”：“26”，“作者”：“K Zhang”，“年份”：“2017”，“非结构化”：“Zhang，K.、Zuo，W.、Chen，Y.、Meng，D.、Zhang、L.：超越高斯去噪器：深度CNN的残差学习用于图像去噪。IEEE传输。图像处理。26（7），3142\u20133155（2017）“，“期刊标题”：“IEEE Trans。图像处理。“}，{”key“：”11_CR40“，”doi-asserted-by“：”crossref“，”unstructured“：”Zhang，Y.，Li，K.，Li.，Wang，L.，Zhong，B.，Fu，Y.：使用非常深的剩余通道注意网络的图像超分辨率。摘自：IEEE欧洲计算机视觉会议论文集。第286\u2013301页（2018）“，”doi“：”10.1007\/978-3-030-01234-2_18“}”，{“key”：“11_CR41”，“doi-asserted-by“：”crossref“，”unstructured“：”Zhang，Y.，Tian，Y.、Kong，Y.和Zhong，B.，Fu，Y.：图像超分辨率的剩余稠密网络。摘自：IEEE计算机视觉和模式识别会议记录，第2472\u20132481页（2018）“，“DOI”：“10.1109\/CVPR.2018.00262”}，{“key”：“11_CR42”，“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无准备的图像到图像转换。摘自：IEEE计算机视觉国际会议论文集，第2223\u20132232页（2017）“，”DOI“：”10.1109\/ICCV.2017.244“}]，”container-title“：[”Computer Vision\u2013 ECCV 2020 Workshops“，”计算机科学讲义“]，”original-title”：[]，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10007\/978-3030-67070-2_11“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2021,4,24]]，”date-time“：“2021-04-24T14:32:23Z”，“timestamp”：1619274743000}，“score”：1，“resource”：{“primary”:{“URL”：“https:\/\/link.springer.com//10007\/978-3-030-67070-2_11”}}，”subtitle“：[]，“短标题”：[]，“已发布”：{date-parts“：[2020]]}，”ISBN“：[”9783030670696“，”978330670702“]，”references-count“：42，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-030-67070-2_11“，”relation“：{}，“ISSN”：[”0302-9743“，”1611-3349“]，“ISSN-type”：[{“value”：“0302-974”，“type”:“print”}，{“value”：“1611-3399“，”type“：”electronic“}]，”subject“：[]，”published“：{”date-parts“：[[2020]]}，”assertion“：[{”value“：”2021年1月30日“，”order“：1，”name“：”first_online“，”label“：”first online“，“group”：{“name”：“ChapterHistory”，“label”：“chapterHiology”}}，{“value”：“ECCV”，“order”：1，“name”:“conference_acrombior”，“tabel”：”conference acronym“，”group“：“ConferenceInfo”，”label:“Conferency Information”}}}、{“value”：“欧洲计算机视觉会议”，“order“：2，”name“：”conference_name“，”label“：”会议名称“，”group“：“标签”：“会议国家/地区“，”组“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”2020“，”order“：5，”name“:”Conference_year“，”标签“：”会议年“，”group“：会议信息“，”标签“：”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”:“ConferenceInformo”，“table”：“Conferency Information”}}会议信息“}}，{“value”：“eccv2020”，“order”：10，“name”：“Conference_id”，“label”：“Conference id”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}}}，{“值”：“Double-blind“，”order“：1，”name“：”type“，”label“：”type“，”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”：“接受的全文数量”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“0”，“order”：5，“name”：“number_of_short_papers_accepted”，“label”：“接受的短文数量”，“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“：”评审过程的其他信息“，”group“：｛”name“：”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“｝｝]｝｝