{“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”：[2022,4,1]]，“日期时间”：“2022-04-01T21:18:45Z”，“时间戳”：1648847925388}，“出版商位置”：“查姆”，“参考计数”：26，“出版者”：“斯普林格国际出版公司”，“isbn-type”：[{“值”：“9783030682378”，“类型”：”打印“}，{“值”：“9783030682385”，“type”：“electronic”｝]，“license”：[｛“start”：｛“date parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：157783680000｝，“content-version”：“tdm”，“delay in days”：0，“URL”：“https://www.springer.com\/tdm”｝，｛“start”：｛“date parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：157783680000｝，“内容版本”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/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.spring.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\/978-3-030-68238-5_21“，”类型“book-capter”，“创建“：{“date-parts”：[[2021,1,30]]，“date-time”：“2021-01-30T07:02:43Z”，“时间戳”：1611990163000}，“页面”：“291-298”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：0，”title“：[“视觉任务中真实降雨的影响”]，”prefix“：”10.1007“，”author“：[{”given“Iago Breno”，“family”：“Araujo”，sequence“：”first“，”affiliation“：[]}，{“given”：“Eric K.”，“family”：“Tokuda”，“sequence”：“additional”，“affiliation”：“[]}，{“suffix”：“Jr.”，“givens”：“Roberto M.”，”family“：”Cesar“，”sequence“：”additional“，”affiliance“：[]}]，“member”：“297”，“published-online”：{“date-parts”：[2021,1,31]]}、“reference”：[{“issue”：“5”，“key”：”21_CR1“，“doi-as”serted-by“：”publisher“，”first page“：”898“，”doi“：“10.1109\/TPAMI.2010.161”，“卷”：“33”，“作者”：“P Arbelaez”，“年份”：“2010”，“非结构化”：“Arbelae，P.，Maire，M.，Fowlkes，C.，Malik，J.：轮廓检测和分层图像分割。IEEE Trans.Pattern Anal.Mach.Intell.33（5），898\u2013916，“非结构化”：“Borthakur，A.，Einhorn，M.，Dhawan，N.：在在线学习环境中防止灾难性遗忘”}，{“key”：“21_CR3”，“doi-asserted-by”：“crossref”，“非结构性”：“Chen，Y.L.，Hsu，C.T.：时空相关雨带的广义低阶外观模型。摘自：IEEE国际计算机视觉会议，第1968\u20131975页（2013）”，“DOI”：“10.1109\/ICCV.2013.247”}，{“issue”：“3”，“key”：“21_CR4”，“DOI-asserted-by”：“publisher”，“first page”：，“volume”：“12”，“author”：“Z Chen”，“year”：“2018”，“unstructured”：“Chen，Z.，Liu，B.：终身机器学习。Synth.Lect.Artif.Intell.Mach.Learn.12（3），1\u2013207（2018）”，“journal-title”：“Synth.Lect.Artif.Intern.Mach.Learn.”}，{“key”：”21_CR5“doi-asserted-by”：“crossref”，“非结构化”：“Cordts，M.等人：用于语义城市场景理解的城市景观数据集。摘自：IEEE计算机视觉和模式识别会议记录，第3213\u20133223页（2016）”，“DOI”：“10.1109\/CVPR.2016.350”}，{“key”：“21_CR6”，“DOI-asserted-by”：“crossref”，“unstructured”：“Deng，S.，et al.：通过上下文聚合网络进行详细恢复图像去噪。摘自：IEEE计算机视觉和模式识别会议论文集，第14560\u201314569（2020）页”，“DOI”：“10.1109\/CVPR42600.2020.01457”}，{“key”：“21_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“傅，X，黄，J，曾，D，黄，Y，丁，X，佩斯利，J：通过深度细节网络从单个图像中去除雨水。In:IEEE计算机视觉和模式识别会议（2017）”，“DOI”：“10.1109\/CVPR.2017.186”}，{“key”：“21_CR8”，“非结构化”：“Garg，K.，Nayar，S.K.：视频中雨水的检测和去除。In:IEEE计算机视觉和模式识别会议（2004）”}，{“key”：“21_CR9”，“doi-asserted-by”：“crossref”，“unstructured”：“Garg，K.、Nayar、S.K.，相机什么时候能看到雨水？In:IEEE-计算机视觉国际会议（2005）”，“doi”：“10.1109\/ICCV.2005.253”}，{“key”：“21_CR10”，“doi-asserted-by”：“crossref”，“unstructured”：“Hu，X.，Fu，C.W.，Zhu，L.，Heng，P.A.：单图像雨水去除的深度关注特征。摘自：IEEE计算机视觉和模式识别会议论文集，第8022\u20138031（2019）页”，“doi”：“10.1109\/CVPR.2019.00821”}，{“key”：，“非结构化”：“Jiang，K.，et al.：用于单图像去噪的多尺度渐进式融合网络。In：IEEE计算机视觉和模式识别会议论文集，第8346\u20138355页（2020）”，“DOI”：“10.1109\/CVPR42600.2020.00837”}，{“issue”：“4”，“key”：“21_CR12”，“DOI-asserted-by”：“publisher”，“first page”：：“10.1109\/TIP.2011.2179057”，“volume”：“21”，“author”：“LW Kang”，“year”：“2012”，“unstructured”：“Kang，L.W.，Lin，C.W.，Fu，Y.H.：通过图像分解自动去除基于单图像的雨纹。IEEE Trans.image Process.21（4），1742：“publisher”，“first-page”：“492”，“DOI”：“10.1109\/TIP.2018.2867951”，“volume”：“28”，“author”：“B Li”，“year”：“2019”，“unstructured”：“Li，B.，et al.：对单个图像去叠及其后进行基准测试。IEEE Trans.image Process.28（1），492\u2013505（2019）”，“journal-title”：“IEEE Trans.image Process.”}，{“key”:“21_CR14”，“DOI-serted-by”：“crossref”，“非结构化”：“Li，S.，et al.：单图像去噪：综合基准分析。摘自：IEEE计算机视觉和模式识别会议论文集，第3838\u20133847页（2019）”，“DOI”：“10.1109\/CVPR.2019.00396”}，{“key”：“21_CR15”，“DOI-asserted-by”：“crossref”，“unstructured”：“Li，Y.，Tan，R.T.，Guo，X.，Lu，J.，Brown，M.S.：使用层优先级去除雨条。In:IEEE计算机视觉和模式识别会议，pp.2736\u20132744（2016）”，“DOI”：“10.1109\/CVPR.2016.299”}，{“key”：“21_CR16”，“first-page”：“2999”，“volume”:“39”，“author”：“TY Lin”，“year”：“2018”，“unstructured”：“Lin，T.Y.，Goyal，P.，Girshick，R.，He，K.，Doll\u00e1r，P.：密集目标检测的焦点损失。IEEE Trans.Pattern Anal.Mach.Intell.39，2999\u20133007（2018）”，“期刊标题”：“IEEE Trans.Pattern Analy.Mach.Intell.”}，{“key”：“21_CR17”，“series-title”：“计算机科学讲稿”，“doi-asserted-by”：“publisher”，“首页”：“740”，“doi”：“10.1007\/978-3-319-10602-1_48”，“volume-title”：“Computer Vision\u2013 ECCV 2014”，“author”：“T-Y Lin”，“year”：“2014年”，“unstructured”：“Lin，T.-Y.，et al.：Microsoft COCO:common objects in context。in:Fleet，D.，Pajdla，T.，Schiele，B.，Tuytelaars，T.（eds.）ECCV 2014。LNCS，第8693卷，第740页\u2013755。查姆施普林格（2014）。https:\/\/doi.org\/10007\/978-3-319-10602-1_48“}，{“key”：“21_CR18”，“unstructured”：“Ren，S.，He，K.，Girshick，R.，Sun，J.：更快的R-CNN:利用区域提议网络实现实时对象检测。In:《神经信息处理系统进展》，第91\u201399页（2015）”}，}，“key“：”21_CR19“，“doi-asserted-by”：“crossref”，“非结构化”：“Schaefer，G.，Stich，M.：UCID：未压缩的彩色图像数据库。收录于：《多媒体存储和检索方法及应用2004》，第5307卷，第472\u2013480页。国际光学与光子学学会（2003）“，”DOI“：”10.1117\/12.525375“}，{“key”：“21_CR20”，“DOI-asserted-by”：“crossref”，“unstructured”：“Tokuda，E.K.，Ferreira，G.B.，Silva，C.，Cesar，R.M.：一种新的弱注释半监督检测方法。摘自：2018 IEEE西南图像分析与解释研讨会（SSIAI）第129\u2013132页。IEEE（2018）“，”DOI“：”10.1109\/SSIAI.2018.8470307“}，{“key”：“21_CR21”，“DOI-asserted-by”：“crossref”，“unstructured”：“Yang，W.，Tan，R.T.，Feng，J.，Liu，J.、Guo，Z.，Yan，S.：从单个图像中检测和删除深部联合雨。In:IEEE Conference on Computer Vision and Pattern Recognition（2017）”，“DOI”：“10.1109\/CVPR.2017.183”}，}，“key“：”21_CR22“，”doi-asserted-by“：”crossref“，”unstructured“：”Yang，W.，Tan，R.T.，Wang，S.，Fang，Y.，Liu，J.：单幅图像去噪：从基于模型到数据驱动和超越。IEEE传输。模式分析。机器。智力。（2020）“，”DOI“：”10.1109\/TPAMI.2020.2995190“}，{“key”：“21_CR23”，“DOI-asserted-by”：“crossref”，“unstructured”：“Yasarla，R.，Sindagi，V.A.，Patel，V.M.：Syn2Real transfer learning for image derating using gaussian process.In:Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition，pp.2726\u20132736（2020）”，“DOI”：“10.1109\/CVPR4600.2020.00280“｝，｛“key”：“21_CR24”，“doi asserted by”：“crossref”，“nonstructured”：“Zhang，H.，Patel，V.M.：使用多流密集网络的密度感知单图像去训练。In：IEEE计算机视觉和模式识别会议（2018）”，“doi”：“10.1109\/CVPR.2018.00079”｝，｛“key”：“21_CR25”，“nonstructured”：“Zhang，H.，Sindagi，V.，Patel，V.M.：使用条件生成对抗网络进行图像去训练。arXiv预印本arXiv:1701.05957（2017）“}，{“key”：“21_CR26”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhu，L.，Fu，C.W.，Lischinski，D.，Heng，P.A.：用于去除单幅图像雨纹的联合双层优化。In:IEEE国际计算机视觉会议（2017）“，”DOI“：”10.1109\/ICCV.2017.276“}]，”container-title“：[”Computer Vision\u2013 ECCV 2020 Workshops“，”计算机科学讲稿“]，”original-title”：[]，”link“：[{”URL“：”https:\/\/link.springer.com\/content\/pdf\/101007\/978-3-030-68238-5_21“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2021,5,10]]，”date-time“：”2021-05-10T12:13:31Z“，”timestamp“：1620648811000}，”score“：1，”resource“：”{“primary”：{“URL”：“https:\/\/link.springer.com\/10007\/978-3-030-68238-5_21”}，“副标题”：[]，“短标题”：[]，“已发布”“：{”日期部分“：[2020]]}，”ISBN“：[”9783030682378“，”9783030982385“]，”references-count“：26，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-030-68238-5_21“，”relation“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，“ISSN-type”：[{“value”：“0302-974”，“type”:“print”}，{“value”：”1611-349“，”type“：”electronic“}]，“subject”：[]，“published”：{“date-parts”：[[2020]]}，“assertion”：[{“value”：“2021年1月31日”，“order“：1，”name“：”first_online“，”label“：”first online“，”group“：｛”name“：”ChapterHistory“，”label“：”ChapterHistory“｝｝｝，｛”value“：”ECCV“，”order“：1，”name“：”conference_accomposition“，”label“：”ConferenceInfo“，”label“：”ConferenceInformation“｝｝，｛”value“：”欧洲计算机视觉会议“，”order“：2，”name“：”conference_name“，”label“：”会议名称“，”group“：{”name“：”ConferenceInfo“，”label“：“会议信息”}}，{”value“：”Glasgow“，”order“：3，”name“:”conference_city“，”标签“：”conferency city“，”group“：”{“name”：“ConferenceInfo”，“label”：“conferenceInformation”}，“value”：“United Kingdom”，“order”：4，“name”:“conference_country”，“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“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同行评审信息（由会议组织者提供）“}}，{”value“：”0“，”order“：5，”name“:”number_ of_short_papers_Accepteded“，”table“：”已接受的短文数“，“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”：“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”：“每篇论文的平均评审数”，“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”：{“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“：”审阅过程的附加信息“，”group“：{”name“:”ConfEventPeerReviewInformation“，”标签“：”同侪审阅信息（由会议组织者提供）“}}]}}