｛“status”：“ok”，“message type”：“work”，“message version”：“1.0.0”，“message”：｛“indexed”：｛“date parts”：[[2024,4,3]]，“date-time”：“2024-04-03T07:06:48Z”，“timestamp”：1712128008664｝，“publisher location”：“Cham”，“reference count”：44，“publisher”：“Springer International Publishing”，“isbn type”：[｛“value”：“9783030670696”，“type”：“print”｝，｛“value”：“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_9”，“type”：“book-capter”，“created”“：{”日期部分“：[[2021,1,29]]，”日期时间“：“2021-01-29T20:02:51Z”，“时间戳”：1611950571000}，“页面”：“152-170”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，《is-referenced-by-count》：28，“标题”：[“AIM 2020学习图像信号处理管道挑战”]，“前缀”：“10.1007”，”作者：[{“给定”：“Andrey”，“家族”：“Ignatov”，“序列“：”第一个“，“从属”：[]}，{“给定”：“Radu”，“family”：“Timofte”，“sequence”：“additional”，“affiliation”：[]}，}“给定的”：“Zhilu”，“家庭”：“张”，“序列”：“additional”、“affidiation”：[]}“：[]}，{”given“：”Wangmeng“，”family“：“左”，“序列”：“附加”，“从属关系”：[]}，{“给定”：“加味”，“家庭”：“张”，“顺序”：“额外”，“隶属关系”：[]}，“sequence”：“additional”，“affiliation”：[]}，{“给定”：“临回”，“家庭”：“戴”，“序列”：“附加”，“隶属关系”：[]{，}“给定的”：“小红”，“家人”：“刘”，“顺序”：“额外”，“附属关系”：[]}、{“给出的”：”承启“，“家庭“：”李“，序列”：”附加“，“隶属”：[]}，}-“给定的{“given”：“Yuichi”，“family”：“Ito”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Bhavya”，“family”：“Vasudeva”，“sequence”：“additive”，“filiation“：[]{”given“：”Puneesh“，”family“：”Deora“，”sequence“：序列“：”附加“，”从属“：[]}，{”给定“：“余”，“家庭”：“朱”，“序列”：“附加”，“从属关系”：[]}，{“给定”：“田”，“家族”：“梁”，“顺序”：“额外”，“隶属关系”：[]}“family”：“Pan”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Baopu”，“family”：“Li”，“sequence”：“additional”，“affeliance”：[]}，}“giving”：“Byung-Hoon”，“家人”：“Kim”，“序列”：“附加的”，“filiation的”：“affidiation”：[]}，“隶属关系”：[]}，{“给定”：“JaeHyun”，“family”：“Baek”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Magauiya”，”family“：”Zhussip“，”sequence“：”additional“，”affiliance“：[]neneneep，{”given“：”Yeskendir“，”faily“：“Koishekenov”，“sequence”:“additionable”，“faliation”:[]}，{（给定）：“Hwechul Cho”，“家族”：“Ye”，，{“given”：“Xin”，“family”：“Liu”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Xueying”，“family”：“Hu”，“sequence”：“additive”，“filiation“：[]{”given“：”Jun“，”family“：”Jiang“，”sequence“：”additional“，”affiliance“：[]}，”givent“：”Jinwei“，“faily”：”Gu“，“：[]}，{”给定“：”彭亮“，“family”：“Tan”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Bingxin”，”family“：”Hou“，”sequence“：”additional“，”affiliation:[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[2021,1,30]]}；“reference”：[{“key”：”9_CR1“，”doi-asserted-by“：“crossref”，“unstructured”：“Abdelhamed，A.，Lin，S.，Brown，M.S.：智能手机摄像头的高质量去噪数据集。摘自：IEEE计算机视觉和模式识别会议记录。第1692\u20131700页（2018）”，“DOI”：“10.1109\/CVPR.2018.00182”}，{“key”：“9_CR2”，“非结构化”：“Abdelhamed，A.，Timofte，R.，Brown，M.S.等人：Ntire 2019年真实图像去噪的挑战：方法和结果。摘自：IEEE计算机视觉和模式识别会议（2019）”}，{“key”：“9_CR3”，“unstructured”：“Ancusi，C.O.，Ancusti，C.，Timofte，R.等人：Ntire 2019图像去噪挑战：方法和结果。摘自：IEEE计算机视觉和模式识别会议（2019）”}，{“key”：“9_CR4”，“doi-asserted-by”：“crossref”，“unstructured”：“Blau，Y.、Mechrez，R.、Timofte，R.，Michaeli，T.、Zelnik-Manor，L.：2018年感知图像超分辨率的pirm挑战。摘自：欧洲计算机视觉会议（ECCV）研讨会（2018）”，“DOI”：“10.1007\/978-3-030-11021-5_21”}，{“key”：“9_CR5”，“非结构化”：“Cai，J.，Gu，S.，Timofte，R.，Zhang，L.等人：Ntire 2019年真实图像超分辨率挑战：方法和结果。摘自：IEEE计算机视觉和模式识别会议（2019）”}，{“key”：“9_CR6”，“doi-asserted-by”：“crossref”，“unstructured”：“Cao，Y.，Xu，J.，Lin，S.，Wei，F.，Hu，H.：Gcnet：非局部网络与挤压励磁网络及其他网络相遇。摘自：IEEE国际计算机视觉研讨会论文集（2019年）”，“DOI”：“10.1109\/ICCVW.2019.00246”}，{“key”：“9_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“Chen，Y.S.，Wang，Y.C.，Kao，M.H.，Chuang，Y.Y.：深度照片增强器：从带有gans的照片中进行图像增强的非配对学习。In:IEEE计算机视觉和模式识别会议（2018）”，“DOI”：“10.1109\/CVPR.2018.00660”}，{“key”：“9_CR8”，“DOI-asserted-by”：“crossref”，“unstructured”：“Dai，L.，Liu，X.，Li，C.，Chen，J.：AWNet:图像isp.In:欧洲计算机视觉研讨会（2020）”，“DOI”：“10.1007\/978-3-030-67070-2_11”}，{“key”：“9_CR9”，“DOI-asserted-by”：“crossref”，“unstructured”：“El Helou，M.，Zhou，R.，S\u00fcsstrunk，S.，Timofte，R.等人：AIM 2020：场景重新照明和光照估计挑战。摘自：欧洲计算机视觉研讨会（2020）”，“DOI”：“10.1007\/978-3-030-67070-2_30”}，{“key”：“9_CR10”，“DOI-asserted-by”：“crossref”，“unstructured”：“Fuoli，D.，Huang，Z.，Gu，S.，Timofte，R.等人：AIM 2020视频极端超分辨率挑战：方法和结果。摘自：欧洲计算机视觉研讨会（2020）”，“DOI”：“10.1007\/978-3-030-66823-5_4”}，{“key”：“9_CR11”，“DOI-asserted-by”：“publisher”，“unstructured”：“Gu，S.，Timofte，R.：图像去噪算法及其以外的简要回顾。摘自：Escalera，S，Ayache，S。，Wan，J.，Madadi，M.，Guclu，U.，Baro，X.，（eds.）Inpainting and denoising Challenges.Springer Series on Cham（2019）https:\/\/doi.org\/10007\/978-3-030-25614-2_1”，“doi”：“10.1007\/978-3-030-25614-2_1”}，{“key”：“9_CR12”，“doi-asserted-by”：“crossref”，“unstructured”：“Gu，S.，Timofte，R.，Zhang，R.等人：Ntire 2019年图像彩色化挑战：报告。In:IEEE Conference on Computer Vision and Pattern Recognition（CVPR）Workshops（2019）”，“doi”：“10.1109\/CVPRW.2019.00276”}、{“key”：《9_CR13》，“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。摘自：第27届ACM国际多媒体会议论文集。第2024\u20132032（2019）页”，“DOI”：“10.1145\/3343031.3351084”}，{“key”：“9_CR14”，“DOI-asserted-by”：“crossferef”，“非结构化”：“Hui，Z.，Wang，X.，Deng，L.，Gao，X.：智能手机图像增强的感知保持卷积网络。In:欧洲计算机视觉研讨会（2018）”，“DOI”：“10.1007\/978-3-030-11021-5_13”}，{“key”：“9_CR15”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ignatov，A.，Kobyshev，N.，Timofte，R.，Vanhoey，K.，Van Gool，L.：深卷积网络移动设备上的Dslr-quality照片。摘自：IEEE国际计算机视觉会议（2017）”，“DOI”：“10.1109\/ICCV.2017.355”}，{“key”：“9_CR16”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ignatov，A.，Kobyshev，N.，Timofte，R.，Vanhoey，K.，Van Gool，L.:Wespe：数码相机的弱监督照片增强器。arXiv预印本arXiv:11709.01118（2017）”，“DOI”：“10.1109\/CVPRW.2018.00112”}，｛“key”：“9_CR17”，“nonstructured”：“Ignatov，A.，Timofte，R.：Ntire 2019图像增强挑战：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（2019）”}，{“key”：“9_CR18”，“doi-asserted-by”：“crossref”，“unstructured”：“Ignatov，A.等人：Ai benchmark:在安卓智能手机上运行深层神经网络。摘自：《欧洲计算机视觉会议论文集》（2018）”，“DOI”：“10.1007\/978-3-030-11021-5_19”}，{“key”：“9_CR19”，“unstructured”：“Ignatov，A.等人：《2019年关于原始到rgb映射的挑战：方法和结果》，收录于：2019年IEEE国际计算机视觉会议（ICCVW），第3584\u20133590页。IEEE（2019）“}，{“key”：“9_CR20”，“doi-asserted-by”：“crossref”，“unstructured”：“Ignatov，A.等人：Ai benchmark:2019年智能手机深度学习的全部内容。2019年IEEE国际计算机视觉研讨会（ICCVW）。第3617\u20133635页。IEEE（2019）“，“DOI”：“10.1109\/ICCVW.2019.00447”}，{“key”：“9_CR21”，“unstructured”：“Ignatov，A.，Timofte，R.，et al.：智能手机感知图像增强的Pirm挑战：报告。In:欧洲计算机视觉研讨会（2018）”}Ignatov，A.、Timofte，R.等人：AIM 2020对学习图像信号处理管道的挑战。在：欧洲计算机视觉研讨会（2020）“｝，｛“key”：“9_CR23”，“非结构化”：“Ignatov，A.，Timofte，R.等人：AIM 2020关于渲染逼真散焦的挑战。在：欧洲计算机视觉研讨会（2020）”｝，｛“key”：“9_CR24”，“doi断言”：“crossref”，“非结构化”：“Ignatov，A.，Van Gool，L.，Timofte，R.：用单一的深度学习模型取代移动相机isp。收录：IEEE\/CVF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”：“9_CR25”，“DOI-asserted-by”：“crossref”，“unstructured”：“Kim，B.H.，Song，J.，Ye，J.C.，Baek10.1007\/978-3-030-67070-2_12“}，{“key”：“9_CR26”，“unstructured”：“Kingma，D.P.，Ba，J.：Adam:随机优化的方法。arXiv预印本arXiv:1412.6980（2014）”}，}，“key“：”9_CR27“，“doi-asserted-by”：“crossref”，“非结构化”：“Liu，H.、Navarrete Michelini，P.、Zhu，D.：利用复用层和解复用层进行图像到图像转换的深层网络。In:欧洲计算机视觉研讨会（2018）“，”DOI“：”10.1007\/978-3-030-11021-5_10“}，{”key“：”9_CR28“，”DOI-asserted-by“：”crossref“，”unstructured“：”Liu，P.，Zhang，H.，Zang，K.，Lin，L.，Zuo，W.：用于图像恢复的多级小波神经网络。摘自：IEEE计算机视觉和模式识别研讨会会议记录。pp.773\u2013782（2018）“，“DOI”：“10.1109\/CVPRW.2018.00121”}，{“key”：“9_CR29”，“unstructured”：“Luo，P.，Ren，J.，Peng，Z.，Zhang，R.，Li，J.：通过可切换归一化的差异学习到归一化。arXiv预印本arXiv:1806.10779（2018）”}Mao，X.，Li，Q.，Xie，H.，Lau，R.Y.，Wang，Z.，Paul Smolley，S.：最小二乘生成性对抗网络。摘自：IEEE计算机视觉国际会议论文集。pp.2794\u20132802（2017）“，“DOI”：“10.1109\/ICCV.2017.304”}，{“key”：“9_CR31”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mertens，T.，Kautz，J.，Van Reeth，F.：曝光融合：高动态范围摄影的一种简单实用的替代方法。摘自：计算机图形论坛，第28卷，pp.161\u2013171。Wiley Online Library（2009）“，“DOI”：“10.1111\/j.1467-8659.2008.01171.x”}，{“key”：“9_CR32”，“DOI-asserted-by”：“crossref”，“unstructured”：“Nah，S.，et al.：Ntire 2019视频去模糊和超分辨率挑战：数据集和研究。In:IEEE Conference on Computer Vision and Pattern Recognition（CVPR）Workshops（2019）”，“DOI:”10.1109\/CVPRW.2019.00251“}，{“key”：“9_CR33”，“doi-asserted-by”：“crossref”，“unstructured”：“Ntavelis，E.，Romero，A.，Bigdeli，S.A.，Timofte，R.，et al.：AIM 2020图像极限修复挑战。In:欧洲计算机视觉研讨会（2020）”，“doi”：“10.1007\/978-3-030-67070-2_43”}，“key“：”9_CR34“，“非结构化”：“Pengfei，Z.等：移动设备上感知图像增强的范围缩放全局u-net。In:European Conference on Computer Vision Workshops（2018）“}，{“key”：“9_CR35”，“doi-asserted-by”：“crossref”，“unstructured”：“Smith，L.，Topin，N.：超收敛：使用大学习率对神经网络进行快速训练。In:Artificial Intelligence and Machine learning for Multi-Domain Operations Applications.vol.11006，p.1100612。国际光学与光子学学会（2019）“，”DOI“：”10.1117\/12.520589“}，{”key“：”9_CR36“，”DOI-asserted-by“：”crossref“，”unstructured“：”Son，S.，Lee，J.，Nah，S.、Timofte，R.、Lee，K.M.等：AIM 2020视频时间超分辨率挑战。In:欧洲计算机视觉研讨会（2020）“，“DOI”：“10.1007\/978-3-030-66823-5_2“}，{“key”：“9_CR37”，“doi-asserted-by”：“crossref”，“unstructured”：“de Stoutz，E.，Ignatov，A.，Kobyshev，N.，Timofte，R.，Van Gool，L.：快速感知图像增强。In：欧洲计算机视觉研讨会（2018）”，“doi”：“10.1007\/978-3-030-11021-5_17”}，“key“：”9_CR38“，”doi-assert-by“：“cross-ref”，”非结构化”：“Tao，X.、Gao，H.、Shen，X.，Wang，J.、Jia，J.：深度图像去模糊的尺度递归网络。摘自：IEEE计算机视觉和模式识别会议论文集。pp.8174\u20138182（2018）“，”DOI“：”10.1109\/CVPR.2018.00853“}，{”key“：”9_CR39“，”unstructured“：”Timofte，R.，Gu，S.，Wu，J.，Van Gool，L.：Ntire 2018单图像超分辨率挑战：方法和结果。In:IEEE Conference on Computer Vision and Pattern Recognition（CVPR）Workshops（2018）crossref”，“非结构化”：“Van Vu，T.，Van Nguyen，C.，Pham，T.X.，Liu，T.M.，Youu，C.D.：通过去亚像素卷积神经网络快速有效地增强图像质量。In:European Conference on Computer Vision Workshops（2018）”，“DOI”：“10.1007\/978-3-030-11021-5_16”}，{“key”：“9_CR41”，“unstructured”：“Wei，P.，Lu，H.，Timofte，R.，Lin，L.，Zuo，W.，et al.：AIM 2020 real image super-resolution。In:Euroean Convention on Computers Vision Worksshops（2020）”}、{“key”：《9_CR42》，“unstrained”：Zhang，K.，Danelljan，M.，Li，Y.，Timofte，R.等人：AIM 2020高效超分辨率的挑战：方法和结果。In：欧洲计算机视觉研讨会（2020）“}，{”key“：”9_CR43“，”doi-asserted-by“：”crossref“，”unstructured“：”Zhang，Y.，Li，K.，Li.，K.、Wang，L.，Zhong，B.，Fu，Y.：使用深度剩余通道注意网络的图像超分辨率。In：《欧洲计算机视觉会议论文集》（ECCV），第286\u2013301页（2018）“，”DOI“：”10.1007\/978-3-030-01234-2_18“}，{”key“：”9_CR44“，”DOI-asserted-by“：”crossref“，”unstructured“：”Zhu，Y.，et al.：EEDNet:autoisp增强型编解码网络。In:欧洲计算机视觉研讨会（2020）“，”DOI“：“10.1007\/978-3-030-67070-2_10”}]，”container-title“：[”Computer Vision\u2013 ECCV 2020 Workshops“，”计算机科学课堂讲稿“]，”original-title“：[]，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-67070-2_9“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2022,12,14]]，”date-time“：“2022-12-14T00:29:16Z”，“timestamp”：16709777 756000}，“score“：1，”resource“：{主要”：{“URL”：“https:\/\/link.springer.com/10.1007\/978-3-030-67070-2_9”}}，”subtitle“：[]，”shorttitle“：[]，”issued“:{”date-parts“：[2020]]}，“ISBN”：[“9783030670696”，“978330670702”]，“references-count”：44，“URL”:“http://\/dx.doi.org\/10007\/988-3-030-30”67070-2_9“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”value“：”0302-9743“，”type“：“print”}，{“value”：“1611-3349”，“type”：”electronic“}]，“subject”：[]，“published”：{“date-parts”：[[2020]]}，“assertion”：[{“value”：“2021年1月30日”，“order”：1，“name”：“first_online”，“label”：“first online”，，“order”：1，“name”：“conference_acrombit”，“label”：“会议缩写“，”group“：｛”name“：”ConferenceInfo“，”label“：”ConferenceInformation“｝｝，｛”value“：”欧洲计算机视觉会议“，”order“：2，”name“：”Conference_name“，”label“：”ConferenceName“，”group“：｛”name“：”ConferenceInfo“，”label“：”ConferenceInformation“｝｝，｛”value“：”Glasgow“，”order“：3，”name“：”Conference_city“，”label“：”ConferenceCity“，”group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”United Kingdom“，”order“：4，“name”：“Conference_country”，“label”：“ConferenceCountry”，”group“:{”name:“ConferenceInfo”，“标签”：“会议信息”}}、{“value”：“2020”，“order”：5，“name“：“：”会议信息“}}，{“value”：“2020年8月23日”，“order”：7，“name”：“Conference_start_date”，“label”：“Conference start date”，“group”：{“name”:“ConferenceInfo”，”label“：“会议信息”}}会议信息“}}，{”value“：”16“，”order“：9，”name“：”Conference_number“，”label“：”ConferenceNumber“，”group“：https:\/\/eccv2020.eu\/“，”order“：11，”name“：”conference_url“，”label“：”conference url“，”group“：{”name“:”ConferenceInfo“，”标签“：”会议信息“}}，{”value“：”Double-blind“，”订单“：1，”name”：“type”，”label:“type”，”groups“：”{“name”：”ConfEventPeerReviewInformation“，”table“：”同行评审信息（由会议组织者提供）“}}}”，{value“：”OpenReview“，”order“：2，”name“：”conference_management_system“，”label“：”会议管理系统“，”group“：发送供审阅的提交数量”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行审阅信息（由会议组织者提供）”｝｝，｛“value”：“1360”，“order”：4，“name”：“Number_of_full_papers_accepted”，“label”：“接受的全文数量”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评议信息（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“，”group“：27%-该值由等式“接受的完整论文数”/“提交供审查的论文数*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“：”3“，”order“：7，”name“：”average_number_of_reviews_per_paper“，”label“：”平均每篇论文的评审数“，”group“：｛”name“：”ConfEventPeerReviewInformation“，”label“：”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”：}，{“value”：“Yes”，“order”：9，“name”：“external_reviewers_involved”，“label”：“external reviewers involved”：“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份提交文件，其中发表了249篇全文、18篇短文和21篇其他稿件。”，“order”：10，“name”：“additional_info_on_review_process”，“label”：“additional info on review process”，“group”：{“name”:“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}]}}