{“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”：[[2024,3,13]]，“日期时间”：“2024-03-13T13:05:23Z”，“时间戳”：1710335123479}，“出版商位置”：“查姆”，“参考计数”：33，“出版者”：“斯普林格国际出版”，“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}，“内容版本”：“vor”，“延迟天数”：0，“URL”：“https://\\www.springer.com\/tdm”}]，“内容域”：｛“域”：[“link.springer.com”]，“交叉标记限制”：false｝，“短容器标题”：[]，“已发布的印刷品”：｛“日期部分”：[[2020]]｝，“DOI”：“10.1007\/978-3-030-67070-2_4”，“类型”：“书籍章节”，“创建”：｛“日期部分”：[[2021,1,29]，“日期时间”：“2021-01-29T20:02:51Z”，“时间戳”：1611950571000}，“页面”：“73-86”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：3，”title“：[”LarvaNet:通过多出口体系结构实现分层超分辨率“]，”prefix“：”10.1007“，”author“：[{”ORCID“：”http://\/ORCID.org \/00000-0002-8571-9027“，“authenticated-orcid”：false，“given”：“Geun-Woo”，“family”：“Jeon”，“sequence”：“first”，“affiliation”：[]}，{“给定”：“Jun-Ho”，“家族”：“Choi”，”sequence“：”additional“，”affiliance“：[]{”given“：”Jun-Hyuk“，”family“：”Kim“，”segment“：”additional“”，“ability”：[]}，“orcid”：”http://\/orcid.org\/00000-0002-8038-119“，”authenticated-orcid“：false，”given“：“Jong-Seok”，“family”：“Lee”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[2021,1,30]]}，“reference”：[{“key”：“4_CR1”，“doi-asserted-by”：”crossref“，“unstructured”：“Agustsson，E.，Timofte，R.：NTIRE 2017单图像超分辨率挑战：数据集和研究。摘自：IEEE计算机视觉和模式识别会议论文集，第126\u2013135页（2017）”，“DOI”：“10.1109\/CVPRW.2017.150”}，{“key”：“4_CR2”，“series-title”：“计算机科学讲义”，“DOI-asserted-by”：“publisher”，“first page”：“256”，”DOI“：”10.1007\/978-3-030-01249-6_16“，”volume-title“：”Computer Vision\u2013 ECCV 2018“，”author“：”N Ahn“，”year“：”2018“，“unstructured”：“Ahn，N.，Kang，B.，Sohn，K.-A.：具有级联残差网络的快速、准确和轻量级超分辨率。In:Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（eds.）ECCV 2018。LNCS，第11214卷，第256\u2013272页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01249-6_16“}，{“key”：“4_CR3”，“doi-asserted-by”：“crossref”，“unstructured”：“Bahat，Y.，Michaeli，T.：可探索的超分辨率。摘自：IEEE计算机视觉和模式识别会议（CVPR）论文集，第2716\u20132725（2020）页”，“doi”：“10.1109\/CVPR42600.2020.00279”}，“{”key“：”4_CR4“，”doi-asserted-by“：”crossref“，”unstructured“：”Bevilacqua，M.，Roumy，A.，Guillemot，C.，Morel，M.L.A.：基于非负邻域嵌入的低复杂度单幅图像超分辨率。In:Proceedings of the British Machine Vision Conference（BMVC）（2012）“，”DOI“：”10.5244\/C.26.135“}，”key“：”4_CR5“，”series-title“：”计算机科学讲义“，”DOI-asserted-by“：”publisher“，”first page“：“184”，”DOI:“10.1007\/978-3-190593-2_13”，“volume-title”：“Computer Vision\u2013 ECCV 2014”，“author”：“C Dong”，“year”：“2014”，”“unstructured”：“”Dong，C.，Loy，C.C.，He，K.，Tang，X.：学习用于图像超分辨率的深度卷积网络。收录：Fleet，D.，Pajdla，T.，Schiele，B.，Tuytelaars，T.（编辑）ECCV 2014。LNCS，第8692卷，第184\u2013199页。查姆施普林格（2014）。https:\/\/doi.org\/10.1007\/978-3-319-10593-2_13“}，{”key“：”4_CR6“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”首页“：”391“，”doi“：”10.1007\/978-30-319-46475-6_25“，”volume-title“：“Computer Vision\u2013 ECCV 2016”，”author“：”C Dong“，”年份“：”2016“，”非结构化“：”Dong，C.，Loy，C.C.，Tang，X.：加速超分辨率卷积神经网络。摘自：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9906卷，第391\u2013407页。查姆施普林格（2016）。https:\/\/doi.org/10.1007\/978-3-319-46475-6_25“｝，｛“key”：“4_CR7”，“unstructured”：“Huang，G.，Chen，D.，Li，T.，Wu，F.，van der Maaten，L.，Weinberger，K.Q.：资源高效图像分类的多尺度密集网络。在：国际学习表征大会论文集（ICLR）（2018）”｝，｛“key”：“4_CR8”，”doi-asserted-by“：”crossref“，”unstructured“：”Huang，J.B.，Singh，A.，Ahuja，N.：从变换后的自聚焦相机获得的单图像超分辨率。摘自：IEEE计算机视觉和模式识别会议论文集（CVPR），第5197\u20135206页（2015）“，”DOI“：”10.1109\/CVPR.2015.7299156“}，{“key”：“4_CR9”，“DOI-asserted-by”：“crossref”，“unstructured”：“Hui，Z.，Gao，X.，Yang，Y.，Wang，X.：具有信息多静止网络的轻量级图像超分辨率。在：第27届ACM国际多媒体会议（MM）论文集，第2024\u20132032（2019）页“，”DOI“：”10.1145\/3343031.3351084“}，{“key”：“4_CR10”，“DOI-asserted-by”：“crossref”，“unstructured”：“Hui，Z.，Wang，X.，Gao，X.：通过信息提取网络快速准确的单图像超分辨率。收录于：IEEE计算机视觉和模式识别会议（CVPR）论文集，第723\u2013731页（2018）“，“DOI”：“10.1109\/CVPR.2018.00082”}，{“key”：“4_CR11”，“DOI-asserted-by”：“crossref”，“unstructured”：“Kim，J.、Lee，J.和Lee，K.：使用深度卷积网络实现精确的图像超分辨率。摘自：IEEE计算机视觉和模式识别会议论文集（2016）“，”DOI“：”10.1109\/CVPR.2016.182“}，{”key“：”4_CR12“，”DOI-asserted-by“：”crossref“，”unstructured“：”Kim，J.，Lee，J.，Lee，K.：用于图像超分辨率的深度递归卷积网络。摘自：IEEE计算机视觉和模式识别会议论文集，第1637\u20131645页（2016）“，”DOI“：”10.1109\/CVPR.2016.181“}，{“key”：“4_CR13”，“unstructured”：“Kingma，D.，Ba，J.：Adam:一种随机优化方法。摘自：国际学习表征会议论文集（ICLR）（2015）”}4_CR14“，“非结构化”：”Krizhevsky，A.，Hinton，G.：cifar-10上的卷积深信念网络。未发表手稿（2010）“}，{“key”：“4_CR15”，“doi-asserted-by”：“crossref”，“unstructured”：“Lai，W.S.，Huang，J.B.，Ahuja，N.，Yang，M.H.：用于快速准确超分辨率的深拉普拉斯金字塔网络。摘自：IEEE计算机视觉与模式识别会议（2017）论文集”，“doi”：“10.1109\/CVPR.2017.618”}，}“key:”4_CR16“，“非结构化”：“Larsson，G.，Maire，M.，Shakhnarovich，G.：分形网：无残差的超深神经网络。In:Proceedings of the International Conference on Learning Representations（ICLR）（2017）“}，{“key”：“4_CR17”，“doi-asserted-by”：“crossref”，“unstructured”：“Lee，H.，Lee，J.：深度神经网络的本地批评家培训。In:Processes of the Internation Joint Conferences on neural networks（IJCNN）（2019）”，“doi”：“10.1109\/IJCNN.2019.8851709”}key“：”4_CR18“，”doi-asserted-by“：”crossref“，”unstructured“：”Lim，B.，Son，S.，Kim，H.，Nah，S.、Lee，K.：用于单图像超分辨率的增强深度残差网络。摘自：IEEE计算机视觉和模式识别会议（CVPR）研讨会论文集，第136\u2013144页（2017）“，“DOI”：“10.1109\/CVPRW.2017.151”}，{“key”：“4_CR19”，“unstructured”：“Loshchilov，I.，Hutter，F.：解耦重量衰减正则化。摘自：国际学习表征会议（ICLR）论文集（2019）”}，{“key”：“4_CR20”，“unstructured”：“Martin，D.，Fowlkes，C.，Tal，D.，Malik，J.：人类分割自然图像数据库及其在评估分割算法和测量生态统计中的应用。摘自：IEEE国际计算机视觉会议（ICCV）论文集，第416\u2013423页（2001）”}，{：“4_CR21”，“doi-asserted-by”：“publisher”，“first page”：“21811”，“doi”：“10.1007\/s11042-016-4020-z”，“volume”：”76“，“author”：“Y Matsui”，“year”：“2016”，“unstructured”：“Matsui，Y.等人：使用manga109数据集进行基于草图的漫画检索。多媒体工具应用程序76（20），21811\u201321838（2016）。https:\\/doi.org\/10007\/s112-016-4020-z”，“journal-title”：“Multimedia Tools Appl.”}，{“key”：“4_CR22”，“doi-asserted-by”：“crossref”，“unstructured”：“Shi，W.，et al.：使用高效的亚像素卷积神经网络实现实时单图像和视频超分辨率。摘自：IEEE计算机视觉和模式识别会议论文集，第1874\u20131883页（2016）”，“DOI”：“10.1109\/CVPR.2016.207”}，{“key”：“4_CR23”，“DOI-asserted-by”：“crossref”，“unstructured”：“Tai，Y.，Yang，J.，Liu，X.：基于深度递归残差网络的图像超分辨率。摘自：IEEE计算机视觉与模式识别会议论文集，第3147\u20133155页（2017）”，“DOI:”10.1109\/CVPR.2017.298“}，}“key:”4_CR24“，“doi-asserted-by”：“crossref”，“unstructured”：“Tai，Y.，Yang：“Teerapittayanon，S.，McDanel，B.，Kung，H.T.：BranchyNet:通过早期退出深层神经网络进行快速推断。摘自：《模式识别国际会议论文集》，第2464\u20132469页（2016）”，“DOI”：“10.1109\/ICPR.2016.7900006”}，{“key”：“4_CR26”，“DOI-asserted-by”：“crossref”，“unstructured”：“Wang，X.，Yu，K.，Dong，C.，Loy，C.C.：通过深度空间特征变换恢复图像超分辨率中的逼真纹理。在：IEEE计算机视觉和模式识别会议论文集，pp.606\u2013615（2018）”，“DOI”：“10.1109\/CVPR.2018.00070”}，{“key”：“4_CR27”，“series title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“first page”：“63”，“doi”：“10.1007\/978-3-030-11021-5_5”，“volume-title”：“Computer Vision\u2013 ECCV 2018 Workshops”，“author”：“X Wang”，“year”：“2019”，“unstructured”：“Wang，X.，et al.：ESRGAN:增强的超分辨率生成对抗网络。In:Leal-Taix\u00e9，L.，Roth，S.（eds.）ECCV 2018。LNCS，第11133卷，第63\u201379页。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-11021-5_5“}，{“问题”：“4”，“密钥”：“4_CR28”，“doi-asserted-by”：“出版商”，“首页”：“600”，“doi”：“10.1109\/TIP.2003.819861”，“卷”：“13”，“作者”：“Z Wang”，“年份”：“2004”，“非结构化”：“Wang，Z.，Bovik，A.C.，Sheikh，H.R.，Simoncelli，E.P.：图像质量评估：从错误可见性到结构相似性。IEEE传输。图像处理。13（4），600\u2013612（2004）“，“期刊标题”：“IEEE Trans。图像处理。“}，{”key“：”4_CR29“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“3”，”doi“：”10.1007\/978-3-030-01234-2_1“，“volume-title”：“Computer Vision\u2013 ECCV 2018”，“author”：“S Woo”，“year”：“2018”，”unstructured“：”Woo，S.、Park，J.、Lee，J.-Y.、Kweon，I.S.:CBAM：卷积块注意模块。收件人：Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（编辑）ECCV 2018。LNCS，第11211卷，第3\u201319页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01234-2_1“}，{“key”：“4_CR30”，“unstructured”：“Zhang，K.，Danelljan，M.，Li，Y.，Timofte，R.等：AIM 2020高效超分辨率挑战：方法和结果。摘自：Bartoli，A.，Fusiello，A.（编辑）ECCV 2020，LNCS 12537，pp.5\u201340（2020）”}，}，“key“：”4_CR31“非结构化”：“Zhang，K.等：AIM 2019约束超分辨率挑战：方法和结果。摘自：IEEE国际计算机视觉会议（ICCV）研讨会论文集，第3565\u20133574页（2019）“}，{“key”：“4_CR32”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhang，K.、Zuo，W.、Zhang、L.：学习用于多重退化的单个卷积超分辨率网络。摘自：IEEE计算机视觉和模式识别会议论文集（CVPR），第3262\u20133271页（2018）“，”DOI“：”10.1109\/CVPR.2018.00344“}，{“key”：“4_CR33”，“series-title”：“计算机科学讲义”，“DOI-asserted-by”：“publisher”，“first-page”：“294”，“DOI”：“10.1007\/978-3-030-01234-2_18”，“volume-title”：Computer Vision \u2013 ECCV 2018”，“author”：“Y Zhang”，“year”：“2018年”，“unstructured”：“Zhang，Y.，Li，K.，Li's K.，Wang，L.，Zhong，B.，Fu，Y.：使用非常深的残留通道注意力网络的图像超分辨率。收件人：Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（编辑）ECCV 2018。LNCS，第11211卷，第294\u2013310页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01234-2_18“}]，“container-title”：[“Computer Vision\u2013 ECCV 2020 Workshops”，“Teach Notes in Computer Science”]，“original title”：[]，“link”：[{“URL”：“https:\//link.springer.com\/content\/pdf\/10.10007\/9783-030-67070-2_4”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“”相似性检查“}”，“存放”：{“日期部分”：[[2021,4,24]]，“日期时间”：“2021-04-24T09:03:43Z”，“时间戳”：1619255023000}，“分数”：1，“资源”：}“主要”：{“URL”：“https:\/\/link.springer.com\/10.1007\/978-3030-67070-2_4”}，BN“：[”9783030670696“，”978330670702“]，”references-count“：33，”URL“：”http:\/\/dx.doi.org\/10.1007\/978-3-030-67070-2_4“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”value“：”0302-7743”，”type“:”print“}，{”value“：”1611-33049“，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2020]]}，“断言”：[{“value”：“2021年1月30日”，“order”：1，“name”：“first_online”，“label”：“First Online”，“group”：{“name”：“ChapterHistory”，“label”：“章节历史”}}，{“value”：“ECCV”，“order”：1，“name”:“conference_acrombit”，“标签”：“conference-Acromnim”，“group”：{name:“ConferenceInfo”，”label“：”conference-Info“}，”{value“：”European conference on Computer Vision“，”order“：2，”name“conference_name”，”标签“：”会议名称“，”group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{“value”：“格拉斯哥”，“order”：3，“name”：“Conference_city”，“label”：“ConferenceCity”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}、{“value”：“United Kingdom”，“订单”：4，“name“Conference_country”，“table”：“Meference-country”会议信息“}}，{”value“：”2020“，”order“：5，”name“：”Conference_year“，”label“：”Conference_year“，“group”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}、{“value”：“2020年8月23日”，“order”：7，“name”:“Conference_start_date”，”lable“：”会议开始日期“，”group“：2020年8月28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”：“16”，“订单”：9，“名称”：“会议编号”，“标签”：“会议编号”，“组”：｛“名称”：“会议信息”，“标签”：“会议信息”｝｝，｛“值”：“eccv2020”，“订单”：10，“名称”：conference_id“，”label“：”会议id“，”group“：{”name“：”ConferenceInfo“，”label“：“会议信息”}}，{”value“：”https:\/\/eccv2020.eu\/“，”order“：11，“name”：“conference_ url”，“label”：“会议url”，“group”：{“name”:“ConferenceInformo”，“table”：“ConferencieInformation”}}}、{“value”：“Double-blind”，“order”：1，“name“type”，“标签”：“类型”，“组”：{“名称”：“ConfEventPeerReviewInformation“，”label“：”同行评审信息（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“：value“：”5025“，”order“：3，”name“：”number_of_submissions_sent_for_review“，”label“：”发送供审阅的提交数“，”group“：接受的全文数“，”组“：{“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”，“table”：“接受的短文数”，“group”：{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“，”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“：”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“，”label“：“同行审阅信息（由会议组织者提供）”}}，{“value”：“是”，“order”：9，“name”：“external_reviewers_involved”，“label”：“涉及的外部审阅者”，“group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information“（由会议组织者提供）”}}，{“value”：“会议实际上是由于新冠肺炎疫情而举行的。在总共467份提交的报告中，ECCV Workshops发表了249篇全文、18篇短文和21篇其他贡献。”，“order”：10，“name“：”additional_info_on_review_process“，”label“：”审查过程的附加信息“，”group“：{”name“：“ConfEventPeerReviewInformation”，”label:“同行审查信息（由会议组织者提供）”}}]}}