{“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”：[[2024,6,19]]，“日期时间”：“2024-06-19T05:58:22Z”，“时间戳”：1718776702931}，“发布者位置”：“查姆”，“引用计数”：50，“发布商”：“斯普林格自然瑞士”，“isbn-type”：[{“值”：“97830197833”，“类型”：”打印}，{“值”：“9783031197840”，“类型”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.springer.com\/tdm”}：1640995200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\\/www.springer.com//tdm”}，{“start”：{“date-parts”：[2022,1,1]]，“date-time”：“2022-01-01T00:00:00Z”，“timestamp”：1640995200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”:“https:\/\/www.splingernature.com\/gp\/researters\/text-and-data-mining”}]，“日期-时间”：“2022-01-01T00:00:00Z”，“时间戳”：1640995200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https://www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，”short-container-title“：[]，”published-print“：{”date-parts“：[2022]]}，‘DOI’：“10.1007\/978-3-0”31-19784-0_10“，”类型“：”书壳“，“created”：{“date-parts”：[[2022,10,30]]，“date-time”：“2022-10-30T14:02:50Z”，“timestamp”：1667138570000}，“page”：“161-178”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：17，“title”：[“用于可控制个人图像合成的基于交叉注意的风格分布”]，“前缀“”：“10.1007”，“作者”：[{“给定”：“欣悦”，“家庭”：“周”，“序列”：“第一”，“从属关系”：[]}，{“给出”：“明宇”，“家族”：“阴”，“顺序”：“附加”，“隶属关系”：[]}、{“已知”：“心源”，“家人”：“陈”，“序贯”：“额外”，“附属关系”：【】[]}，{“给定”：“常新”，“家庭”：“高”、“sequence”：“additional”，“affiliation”：[]}，{“given”：“Qingli”，“family”：“Li”，“sequences”：“附加”，“从属”：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[2022,10,31]]}：“Balakrishnan，G.，Zhao，A.，Dalca，A.V.，Durand，F.，Guttag，J.：以看不见的姿势合成人类图像。摘自：IEEE计算机视觉和模式识别会议记录，第8340\u20138348页（2018）”，“DOI”：“10.1109\/CVPR.2018.00870”}，{“key”：“10_CR2”，“series-title”：“计算机科学讲稿”，“DOI-asserted-by”：“publisher”，“first page”：“213”，“DOI”：“10.1007\/978-3-030-58452-8_13”，《volume-title》：“Computer Vision\u2013 ECCV 2020”，“author”：“N Carion”，“year”：“2020”，《unstructured》：“Carion，N.、Massa，F.、Synnaeve，G.、Usunier，N.，Kirillov，A.、Zagoruyko，S.：使用变压器进行端到端对象检测。摘自：Vedaldi，A.、Bischof，H.、Brox，T.、Frahm，J.-M.（编辑）ECCV 2020。LNCS，第12346卷，第213\u2013229页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-58452-8_13“}，{“key”：“10_CR3”，“doi-asserted-by”：“crossref”，“unstructured”：“Dong，H.，Liang，X.，Shen，X.、Wu，B.，Chen，B.C.，Yin，J.：FW-GAN:视频虚拟试验的流空翘曲GAN。摘自：IEEE\/CVF国际计算机视觉会议记录，第1161\u20131170（2019）页”，“doi”：“10.1109 \/ICCV.2019.00125“}，{“key”：“10_CR4”，“unstructured”：“Dosovitskiy，A.，et al.：图像值16$$\\乘以16$$16个单词：缩放图像识别变压器。arXiv预印本arXiv:2010.11929（2020）”}，}，“key“：”10_CR5“，”doi-asserted-by“：”crossref“，”unstructure“：”Esser，P.，Sutter，E.，Ommer，B.：条件外观和形状生成的可变U网。摘自：IEEE计算机视觉和模式识别会议论文集，第8857\u20138866页（2018）“，”DOI“：”10.1109\/CVPR.2018.00923“}，{“key”：“10_CR6”，“unstructured”：“Ge，Y.，et al.：FD-GAN:位置引导特征提取GAN，用于稳健的人重新识别。arXiv预印本arXiv:1810.02936（2018）”}，“key“：”10_CR7“，”DOI-asserted-by“：”crossref”，“非结构化”：“Ge，Y.，Song，Y.、Zhang，R.，Ge，C.、Liu，W.、Luo，P.：通过提取外观流进行无解析虚拟试运行。摘自：IEEE计算机视觉和模式识别会议记录，第8485\u20138493（2021）页，“DOI”：“10.1109”，{“key”：“10_CR8”，“DOI-asserted-by”：“crossref”，“unstructured”：“龚，K，梁，X，张，D，沈，X，林，L：观察人：自我监督的结构敏感学习和人类分析的新基准。摘自：IEEE计算机视觉和模式识别会议记录，第932\u2013940页（2017）“，”DOI“：”10.1109\/CVPR.2017.715“}，{”key“：”10_CR9“，”DOI-asserted-by“：”crossref“，”unstructured“：”Han，X.，Wu，Z.，WuZ.，Yu，R.，Davis，L.S.：Viton：一种基于图像的虚拟网上试用。在：《IEEE计算机视觉与模式识别会议论文集》，第7543\u20137552页（2018），“DOI”：“10.1109\/CVPR.2018.00787”｝，｛“key”：“10_CR10”，“first page”：“1”，“volume”：“30”，“author”：“M Heusel”，“year”：“2017”，“nonstructured”：“Heusel，M.，Ramsauer，H.，Unterthiner，T.，Nessler，B.，Hochreiter，S.：由两个时间尺度更新规则训练的GAN收敛到局部纳什均衡。高级神经。信息处理。系统。30，1\u201312（2017）“，“新闻标题”：“高级神经。信息处理。系统。“}，{”key“：”10_CR11“，”doi-asserted-by“：”crossref“，”unstructured“：”Hu，J.，Shen，L.，Sun，G.：压缩和激励网络。摘自：IEEE计算机视觉和模式识别会议论文集，第7132\u20137141（2018）页“，”doi“：”10.1109\/CVPR.2018.00745“}”，{Huang，X.，Belongie，S.：具有自适应实例规范化的实时任意样式传输。摘自：IEEE计算机视觉国际会议论文集，第1501\u20131510页（2017）“，“DOI”：“10.1109\/ICCV.2017.167”}，{“key”：“10_CR13”，“DOI-asserted-by”：“crossref”，“unstructured”：“黄，Z.，王，X.，黄，L.，黄，C.，魏，Y.，刘，W.：CCNet：语义切分的交叉关注。摘自：IEEE计算机视觉国际会议论文集，第603\u2013612（2019）页“，”DOI“：”10.1109“/ICCV.2019.0069“}，{“key”：“10_CR14”，“unstructured”：“Kingma，D.P.，Ba，J.：Adam:一种随机优化方法。arXiv预印本arXiv:1412.6980（2014）”}，“{”key“：”10_CR15“，”DOI-asserted-by“：”crossref“，”unstructure“：”Li，Y.，Huang，C.，Loy，C.C.：人体姿势转换的密集内在外观流。在：《IEEE\/CFF计算机视觉与模式识别会议论文集》，第3693\u20133702页（2019），“DOI”：“10.1109\/CVPR.2019.00381”｝，｛“key”：“10_CR16”，“DOI asserted by”：“crossref”，“nonstructured”：“Liu，W.、Piao，Z.、Min，J.、Luo，W.，Ma，L.、Gao，S.：液体扭曲GAN：人体运动模拟、外观转移和新奇视图合成的统一框架。摘自：IEEE计算机视觉国际会议论文集，第5904\u20135913（2019）页“，”DOI“：”10.1109\/ICCV.2019.00600“}，{“key”：“10_CR17”，“DOI-asserted-by”：“crossref”，“unstructured”：“Liu，Z.，et al.：Swin transformer：使用移位窗口的分层视觉转换器。arXiv预印本arXiv:2103.14030（2021）”，“DOI”：“10.1109 \/ICCV48922.2021.00986“}，{“key”：“10_CR18”，“doi-asserted-by”：“crossref”，“unstructured”：“Liu，Z.，Luo，P.，Qiu，S.，Wang，X.，Tang，X.:DeepFashion:使用丰富的注释支持稳健的衣服识别和检索。摘自：IEEE计算机视觉和模式识别会议（CVPR）（2016）论文集”，“doi”：“10.1109\/CVPR.2016.124“}，{“key”：“10_CR19”，“doi-asserted-by”：“crossref”，“unstructured”：“Lv，Z.，et al.：通过区域自适应归一化学习语义人物图像生成。摘自：IEEE\/CVF计算机视觉和模式识别会议论文集，第10806\u201310815（2021）页”，“doi”：“10.1109\/CVPR46437.2021.01066”}，}“key:”10_CR20“，”doi-asserted-by“：”crossref“，”unstructured“：”Ma，L.，Jia，X.，Sun，Q.，Schiele，B.，Tuytelaars，T.，Van Gool，L.：姿势引导的人物图像生成。arXiv预印本arXiv:1705.09368（2017）“，“DOI”：“10.1109\/CVPR.2018.00018”}，{“key”：“10_CR21”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ma，L.，Sun，Q.，Georgoulis，S.，Van Gool“，”DOI“：”10.1109\/CVPR.2018.00018“}，{“key”：“10_CR22”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mechrez，R.，Talmi，I.，Zelnik-Manor，L.：非对齐数据图像转换的上下文损失。摘自：《欧洲计算机视觉会议论文集》，第768\u2013783页（2018）”，“DOI”：“10.1007\/978-3-030-01264-9_47”}10_CR23“，”doi-asserted-by“：”crossref“，”unstructured“：”Men，Y.，Mao，Y.、Jiang，Y..、Ma，W.Y.、Lian，Z.：使用属性分解GAN进行可控人物图像合成。收录于：IEEE计算机视觉和模式识别会议论文集，第5084\u20135093（2020）页，“DOI”：“10.1109\/CVPR42600.2020.00513”}，{“key”：“10_CR24”，“DOI-asserted-by”：“crossref”，“unstructured”：“Park，T.，Liu，M.Y.，Wang，T.C.，Zhu，J.Y.：具有空间自适应规范化的语义图像合成。收录于：IEEE计算机视觉和模式识别会议记录，第2337\u20132346（2019）页“，”DOI“：”10.1109\/CVPR.2019.00244“}，{“key”：“10_CR25”，“DOI-asserted-by”：“crossref”，“unstructured”：“Pumarola，A.、Agudo，A.、Sanfeliu，A.、Moreno-Noguer，F.：任意姿势下的无监督人物图像合成。摘自：IEEE计算机视觉和模式识别会议记录，第8620\u20138628页（2018）“，“DOI”：“10.1109\/CVPR.2018.00899”}，{“key”：“10_CR26”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ren，Y.，Yu，X.，Chen，J.，Li，T.H.，李，G.：用于人物图像生成的深层图像空间转换。收录于：IEEE计算机视觉和模式识别会议记录，第7690\u20137699页（2020）“，“DOI”：“10.1109”，{“key”：“10_CR27”，“DOI-asserted-by”：“crossref”，“unstructured”：“Sanyal，S.等人：使用具有3D形状、姿势和外观一致性的循环自我视觉学习真实的人类休息。收录于：IEEE计算机视觉国际会议论文集，第11138\u201311147（2021）页，“DOI”：“10.1109”，{“key”：“10_CR28”，“DOI-asserted-by”：“crossref”，“unstructured”：“Siarohin，A.，Sangineto，E.，Lathuiliere，S.，Sebe，N.：基于位置的人体图像生成的可变形GAN。摘自：IEEE计算机视觉和模式识别会议论文集，第3408\u20133416页（2018）“，”DOI“：”10.1109\/CVPR.2018.00359“}，{“key”：“10_CR29”，“unstructured”：“Simonyan，K.，Zisserman，A.：用于大规模图像识别的超深卷积网络。arXiv预印本arXiv:1409.1556（2014）”}，“key“：”10_CR30“，”DOI-asserted-by“：”crossref”，“非结构化”：“Song，S.，Zhang，W.，Liu，J.，Mei，T.：使用语义解析转换生成无监督的人物图像。摘自：IEEE CVF计算机视觉和模式识别会议记录，第2357\u20132366（2019）页“，”DOI“：”10.1109\/CVPR.2019.00246“}，{“key”：“10_CR31”，“series-title”：“Computer Science课堂讲稿”，“DOI-asserted-by”：“publisher”，“first-page”：“717”，“DOI”：“10.1007\/978-3030-58595-2_43”，“volume-title”：Computer Vision\u2013 ECCV 2020”，“author”：“H Tang”，“year”：“2020年”，“unstructured”：“Tang，H.，Bai，S.，Zhang，L.，Torr，P.H.S.，Sebe，N.：用于生成人物图像的兴干。收录人：Vedaldi，A.、Bischof，H.、Brox，T.、Frahm，J.-M.（编辑）ECCV 2020。LNCS，第12370卷，第717\u2013734页。查姆施普林格（2020）。https:\/\/doi.org\/10007\/978-3-030-58595-2_43“}，{“key”：“10_CR32”，“unstructured”：“Touvron，H.，Cord，M.，Douze，M.、Massa，F.，Sablayrolles，A.，J\u00e9gou，H.：通过注意力训练数据高效的图像变换器和蒸馏。摘自：国际机器学习会议，第10347\u201310357页。PMLR（2021）“｝，｛“key”：“10_CR33”，“nonstructured”：“Vaswani，A.等人：注意力就是你所需要的。In：Advances In Neural Information Processing Systems，pp.5998\u20136008（2017）”｝，｛“key”：“10_CR34”，“doi asserted by”：“crossref”，“nonstructured”：“Wang，B.，Zheng，H.，Liang，X.，Chen，Y.，Lin，L.，Yang，M.：面向基于图像的特征呈现虚拟试验网络。摘自：《欧洲计算机视觉会议论文集》，第589\u2013604（2018）页，“DOI”：“10.1007\/978-3-030-01261-8_36”}，{“key”：“10_CR35”，“DOI-asserted-by”：“crossref”，“unstructured”：“Wang，W.，et al.：金字塔视觉变换器：无卷积密集预测的通用主干。arXiv预印本arXiv:2102.1212（2021）“，”DOI“：”10.1109\/ICCV48922.2021.00061“}，{”key“：”10_CR36“，”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论文集，第7794\u20137803页（2018）“，“DOI”：“10.1109\/CVPR.2018.00813“}，{“issue”：“4”，“key”：“10_CR37”，“doi-asserted-by”：“publisher”，“first-page”：“600”，“doi”：“10.1109\/TIP.2003.819861”，“volume”：”13“，“author”：“Z Wang”，“year”：“2004”，“unstructured”：“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“：”10_CR38“，”doi-asserted-by“：”crossref“，”unstructured“：”Wei，L.，Zhang，S.，Gao，W.，Tian，Q.“：人转移GAN以桥接领域缺口以实现人的重新识别。In:IEEE计算机视觉和模式识别会议论文集，pp.79\u201388（2018）“，”doi“：”10.1109\/CVPR.2018.00016“}”，{“key”：“10_CR39”，“doi-asserted-by“：”crossref“，”unstructured“：”Xu，W.，Long，C.，Wang，R.，Wang。收录于：IEEE计算机视觉国际会议论文集，第6383\u20136392（2021）页，“DOI”：“10.1109”，{“key”：“10_CR40”，“DOI-asserted-by”：“crossref”，“unstructured”：“Yang，C.，Wang，Z.，Zhu，X.，Huang，C.，Shi，J.，Lin，D.：姿势引导的人类视频生成。在：《欧洲计算机视觉会议记录》（ECCV），第201\u2013216页（2018），“DOI”：“10.1007\/978-3-030-01249-6_13”｝，｛“key”：“10_CR41”，“DOI断言”：“publisher”，“first page”：“2422”，“DOI”：“10.1109\/TIP.20213052364”，“volume”：“30”，“author”：“L Yang”，“year”：“2021”，“nonstructured”：“Yang，L.，et al.：《利用细节补充网络实现细粒度人体姿势转换》，IEEE Trans。图像处理。30，2422\u20132435（2021）“，“日志标题”：“IEEE Trans。图像处理。“}，{”key“：”10_CR42“，”series-title“：”计算机科学课堂讲稿“，”doi-asserted-by“：”publisher“，”first page“：“87”，”doi“：”10.1007\/978-3-030-58604-1_6“，”volume-title“：“Computer Vision\u2013 ECCV 2020”，”author“：”M Yin“，”year“：”2020“，”unstructured“：”Yin，M.，Sun，L.，Li，Q.：使用条件可变形变分自动编码器对未成对数据进行新型视图合成。收录人：Vedaldi，A.、Bischof，H.、Brox，T.、Frahm，J.-M.（编辑）ECCV 2020。LNCS，第12373卷，第87\u2013103页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-58604-1_6“}，{“key”：“10_CR43”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhang，J.，Li，K.，Lai，Y.K.，Yang，J.:PISE：使用解耦GAN进行人物图像合成和编辑。摘自：IEEE\/CVF计算机视觉和模式识别会议论文集，第7982\u20137990（2021）页”，“doi”：“10.1109\/CVPR46437.2021.00789“}，{“key”：“10_CR44”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhang，P.，Zhang、B.，Chen，D.，Yuan，L.，Wen，F.：基于样本的图像翻译的跨域对应学习。摘自：IEEE\/CVF计算机视觉和模式识别会议论文集，pp.5143\u20135153（2020）”，“doi”：“10.1109\/CVPR42600.2020.00519“}，{“key”：“10_CR45”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhang，R.，Isola，P.，Efros，A.A.，Shechtman，E.，Wang，O.：深层特征作为感知度量的不合理有效性。摘自：IEEE计算机视觉和模式识别会议论文集，第586\u2013595页（2018）”，“doi”：“10.1109\/CVPR.2018.00068“}，{“key”：“10_CR46”，“doi-asserted-by”：“crossref”，“unstructured”：“Zheng，S.等人：用变压器从序列到序列的角度重新思考语义分割。摘自：IEEE\/CVF计算机视觉和模式识别会议论文集，第6881\u20136890（2021）页”，“doi”：“10.1109\/CVPR46437.2021.00681“}，{“key”：“10_CR47”，“doi-asserted-by”：“crossref”，“unstructured”：“Zheng，Z.，Zheng，{“key”：“10_CR48”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhou，X.，et al.：CoCosNet v2:图像翻译的全分辨率对应学习。摘自：IEEE计算机视觉与模式识别会议论文集，第11465\u201311475（2021）页”，“doi”：“10.1109\/CVPR46437.2021.01130”}，{：“Zhu，X.，Su，W.，Lu，L.，Li，B.，Wang，X，Dai，J.：可变形DETR：端到端对象检测的可变形变压器。arXiv预打印arXiv:2010.04159（2020）”}，{“key”：“10_CR50”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhu，Z.，Huang，T.，Shi，B.，Yu，M.，Wang，B.，Bai，X.：用于人物图像生成的渐进式姿势-注意转移。摘自：IEEE计算机视觉和模式识别会议论文集，第2347\u20132356（2019）页”，“DOI”：“10.1109\/CVPR.2019.00245”}]，“容器-标签”：[“计算机科学课堂讲稿”，“Computer Vision\u2013 ECCV 2022”]，“original-title”：[]，“link”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-031-19784-0_10”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2024,3,13]]，“date-time”：”2024-03-13T19:32:10Z“，”时间戳“：1710358330000}，“score”：1，“resource”：{“primary”：{“URL”：“https:\/\/link.springer.com/10.1007\/978-3-031-19784-0_10”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：}“date-parts”：[[2022]]}，”ISBN“：[”97830197833“，”9783031197840“]，”references-count“：50，”URL“http://\/dx.doi.org\/10007\/97 8-3-031-19784-0_10“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“用法：[{“value”：“0302-9743”，“type”：”print“}，{“value”：“1611-3349”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2022]]}，“assertion”：[{value：“2022年10月31日”，“order”：1，“name”：“first_online”，“label”：“first online”，：“ECCV”，“order”：1，“name”：“conference_acrombit”，“label”：“会议缩写”，“组”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“欧洲计算机视觉会议”，“订单”：2，“名称”：“Conference_name”，“group”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“Israel”，“order”：4，“name”:“Conference_country”，“table”：“conferency country”，”group“：{”name“：”ConferenceInformo“，”label“：”conferenceInformation“}，”value“：”2022“，”order“：5，”name“:”Conference_year“，”table“：”会议年份“，”groups“：”{“name:”ConferenceInfo“，”“标签”：“会议信息”}}，{“value”：“2022年10月23日”，“order”：7，“name”：“Conference_start_date”，“label”：“会议开始日期”，“group”：{“name”:“ConferenceInfo”，”label“：“Conferency Information”}}}：“会议信息”}}，{“value”：“17”，“order”：9，“name”：“Conference_number”，“label”：“ConferenceNumber”，“group”：{“name”:“ConferenceInfo”，”label“：”ConferenceInformation“}}：“https:\/\/eccv2022.ecva.net\/”，“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“，”group“：{”name“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由会议组织者提供）”}}、，{“value”：“CMT”，“order”：2，“name”：“conference_management_system”，“label”：“会议管理系统”，“group”：{“name”:“ConfEventPeerReviewInformation”，“标签”：“同侪审查信息（由会议组织者提供）”}}，{“value”：“5804”，“订单”：3，“name）：”number_of_submissions_sent_for_Review“，”label“：”提交审查的次数“，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“Peer Review Information（由会议组织者提供）”}}，{“value”：“1645”，“order”：4，“name”:“number_of_full_papers_accepted”，“标签”：“已接受的全文数”，“组”：：“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”：“28%-该值由等式“已接受的全文数”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”，“标签”：“同行评议信息（由会议组织者提供）”}}，{“value”：“3.21”，“order”：7，“name”：“average_number_of_reviews_per_paper”，“label”：“每篇论文的平均评论数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由大会组织者提供）：“average_number_of_papers_per_reviewer”，“label”：“每位审阅者的平均论文数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“table”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“Yes”，“order”：9，“name”:“external_reviewers_involved”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}]}}