{“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”：[[2024,6,26]]，“日期时间”：“2024-06-26T15:11:06Z”，“时间戳”：1719414666490}，“发布者位置”：“查姆”，“引用计数”：60，“发布商”：“斯普林格自然瑞士”，“isbn-type”：[{“值”：“9783031197963”，“类型”：”打印}，{“值”：“9783031197970”，“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”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”:{“date-parts”：[[2022]}，”DOI“：”10.1007\/978-3-031-19797-0_27“，”type“：”book-capter“，”created“：{”date-part“：[2022,11,2]]，”日期时间“：”2022-11-02T20:28:41Z“，”时间戳“：1667420921000}，“page”：“465-482”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：39，“title”：[“不确定性激发的水下图像增强”]，“prefix”：“10.1007”，“author”：[{“给定的”：“Zhenqi”，“family”：“Fu”，”sequence“：”first“，“affiliation”：[]}，{“givent”：“Wu”，“家族”：“王”，“序列”：“additional”，“affiliation”：[]}，{“given”：“Yue”，“family”：“Huang”，“sequence”：“additive”，“abfiliation“：[]{”，{”given“：”Xinghao“，”family“：”Ding“，”sequence“：”additional“，”affiliance“：[]}，”givent“：”Kai-Kuang“，”家族“：”Ma“，“se序列”：“additional”、“affidiation”：[]}]，“member”：“297”，“published on”：{“date-parts”：[2022,11,3]]}，“参考”：[{“键”：“27_CR1”，“非结构化”：“Abid，A.，Zou，J.：对比变分自动编码器增强了显著特征。arXiv预打印arXiv:1902.04601（2019）”}，{“key”：“27-CR2”，“doi-asserted-by”：“crossref”，”非结构化“：“Akkaynak，D.，Treibitz，T.：修订的水下图像形成模型。摘自：IEEE计算机视觉和模式识别会议论文集，第6723\u20136732页（2018）”，“DOI”：“10.1109\/CVPR.2018.00703”}，{“key”：“27_CR3”，“DOI-asserted-by”：“crossref”，“unstructured”：“Akkaynak，D.，Treibitz，T.：Sea-thru:一种去除水下图像中水分的方法。摘自：IEEE计算机视觉和模式识别会议论文集，第1682\u20131691（2019）页”，“DOI”：“10.1109\/CVPR.2019.00178”}，{“key”：“27_CR4”，“非结构化”：“Aliakbarian，M.S.，Saleh，F.S.，Salzmann，M.，Peterson，L.，Gould，S.，Habibian，A.：通过混合和匹配扰动学习人类运动的变化。arXiv预印本arXiv:1908.00733（2019）”}，{“问题”：“1”，“密钥”：“27_CR5”，“doi-asserted-by”：“publisher”，“首页”：“379”，“doi”：“10.1109 \/TIP.2017.2759252”，“卷”：“27”，“作者”：“CO Ancuti”，“年”：“2017年”，“非结构化”：“Ancuti，C.O.，Ancuti，“volume”：“29”，“author”：“CO Ancuti”，“year”：“2019”，“unstructured”：“Ancuti，C.O.，Ancuti：“crossref”，“unstructured”：“Ancusti，C.，Ancuti，C.O.，Haber，T.，Bekaert，P.：通过融合增强水下图像和视频。摘自：IEEE计算机视觉和模式识别会议论文集，第81\u201388页（2012）”，“DOI”：“10.1109\/CVPR.2012.6247661”}，{“key”：“27_CR8”，“DOI-asserted-by”：“crostref”，“非结构化”：“Balakrishnan，G.，Dalca，A.V.，Zhao，A.，Guttag，J.V.，Durand，F.，Freeman，W.T.：视觉去投影：坍塌维度的概率恢复。摘自：IEEE国际计算机视觉会议（ICCV）论文集，第171\u2013180页（2019）”，“DOI”：“10.1109\/ICCV.2019.00026”}，{“key”：“27_CR9”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：“119”，”doi“：”10.1007\/978-3-030-32245-8_14“，”volume-title“：”Medical Image Computing and Computer Assisted Intervention“，”author“：”CF Baumgartner“，”year“：”2019“，”unstructured“：“Baumgartner，C.F.等人：PHiSeg：捕捉医学图像分割中的不确定性。收录：Shen，D.等人（编辑）MICCAI 2019。LNCS，第11765卷，第119\u2013127页。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-32245-8_14“}，{“问题”：“8”，“关键”：“27_CR10”，“首页”：“2822”，“卷”：“43”，“作者”：“D Berman”，“年份”：“2020”，“非结构化”：“Berman，D.，Levy，D.，Avidan，S.，Treibitz，T.：使用模糊线和新的定量数据集进行水下单幅图像颜色恢复。IEEE Trans.Pattern Anal.Mach.Intell.43（8），2822\u20132837（2020）“，”期刊标题“：”IEEE Trans。模式分析。机器。智力。“}，{”key“：”27_CR11“，”unstructured“：”Berman，D.，Treibitz，T.，Avidan，S.：潜入模糊线：水下图像的颜色恢复。In:Proceedings of British Machine Vision Conference（BMVC），vol.1（2017）“}”，{“issue”：“4”，“key”：“27_CR12”，“doi-asserted-by”：“publisher”，“first-page”：“1756”，“doi”：“10.1109\/TIP.2011.2179666”，”“volume”：”21“，”作者”：“JY Chiang”，“年份”：“2011”，“非结构化”：“Chiang，J.Y.，Chen，Y.C.：通过波长补偿和去雾进行水下图像增强。IEEE传输。图像处理。21（4），1756\u20131769（2011）“，“期刊标题”：“IEEE Trans。图像处理。“}，{”key“：”27_CR13“，”doi-asserted-by“：”crossref“，”unstructured“：”Esser，P.，Sutter，E.，Ommer，B.：条件外观和形状生成的变分u-net。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”：“27_CR14”，“doi-asserted-by“：”crossref“，”unstructured“：”Fabbri，C.，Islam，M.J.，Sattar，J.：使用生成性对抗网络增强水下图像。摘自：IEEE机器人与自动化国际会议（ICRA）论文集，第7159\u20137165页（2018）“，”DOI“：”10.1109\/ICRA.2018.8460552“}，{”key“：”27_CR15“，”DOI-asserted-by“：”publisher“，”first-page:“115892”，“DOI”：“10.1016\/j.image.2020.115892”，“volume”：“86”，“author”：“X Fu”，“year”：“2020”，“unstructured”：“Fu，X.，Cao，X.：使用全局-局部网络和压缩序列图均衡进行水下图像增强。信号。过程。图像通信。86，115892（2020）“，“新闻标题”：“Sig。过程。图像通信。}，{“key”：“27_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Fu，X.，Zhuang，P.，Huang，Y.，Liao，Y..，Zhang，X.P.，Ding，X.：基于视网膜的单一水下图像增强方法。摘自：2014 IEEE国际图像处理会议（ICIP），第4572\u20134576页。IEEE（2014）“，”DOI“：”10.1109\/ICIP.2014.7025927“}，{”key“：”27_CR17“，”DOI-asserted-by“：”publisher“，”first page“：“132”，”DOI:“10.1016\/j.jvcir.2014.11.006”，“volume”：“26”，“author”：“A Galdran”，“year”：“2015”，“unstructured”：“Galderan，A.，Pardo，D.，Pic\u00f3n，A.，Alvarez-Gila，A.：自动红通道水下图像恢复。视觉。Commun公司。图像表示。26，132\u2013145（2015）“，“新闻标题”：“J.Vis。Commun公司。图像表示。“}，{”issue“：“11”，”key“：“27_CR18”，”doi-asserted-by“：”publisher“，”first page“：”5580“，”doi“：”10.1109\/TIP.2019.2919947“，”volume“：：”28“，”author“：”SB Gao“，”year“：”2019“，”unstructured“：”Gao，S.B.，Zhang，M.，Zhao，Q.，Zhanng，X.S.，Li，Y.J.：使用自适应视网膜机制的水下图像增强。IEEE Trans.图像处理。28（11），5580\u20135595（2019）“，”期刊标题“：”IEEE Trans。图像处理。“}，{”key“：”27_CR19“，”doi-asserted-by“：”publisher“，”first page“：“219”，“doi”：“10.1016\/j.asoc.2014.11.020”，“volume”：“27”，“author”：“ASA Ghani”，“year”：“2015”，“unstructured”：“Ghani，A.S.A.，Isa，N.A.M.：通过集成颜色模型和瑞利分布增强水下图像质量。应用软件计算27，219\u2013230（2015）”，“journal-title“：”申请。软计算。“}，{”issue“：“3”，”key“：“27_CR20”，”doi-asserted-by“：”publisher“，”first page“：”862“，”doi“：”10.1109\/JOE.2019.2911447“，”volume“：：”45“，”author“：”Y Guo“，”year“：”2019“，”unstructured“：”Guo，Y.，Li，H.，Zhung，P.：使用多尺度密集生成对抗网络进行水下图像增强。IEEE J.Oceanic Eng.45（3），862\u2013870（2019）“，”journal-title“：”IEEE J.Oceanic Eng.“}，{“问题”：“12”，“关键”：“27_CR21”，“首页”：“2341”，“卷”：“33”，“作者”：“K He”，“年份”：“2010”，“非结构化”：“He，K.，Sun，J.，Tang，X.：使用暗通道优先去除单图像雾。IEEE Trans.Pattern Anal.Mach.Intell.33（12），2341\u20132353（2010）”，“journal-title”：“”IEEE传输。模式分析。机器。智力。“}，{”key“：”27_CR22“，”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页（2018）“，”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国际计算机视觉会议（ICCV）论文集，第1501\u20131510页（2017）“，”DOI“：”10.1109\/ICCV.2017.167“}，{“key”：“27_CR24”，“DOI-asserted-by”：“crossref”，“unstructured”：“Huo，F.，Li，B.，Zhu，X.：用于水下图像增强的基于高效小波增强学习的多级渐进细化网络。摘自：IEEE国际计算机视觉会议论文集，第1944\u20131952（2021）页，“DOI”：“10.1109\/ICCVW54120.2021.00221”}，{“key”：“27_CR25”，“unstructured”：“Jamadandi，A.，Mudenagudi，U.：通过小波校正变换增强的基于示例的水下图像增强。摘自：IEEE计算机视觉和模式识别研讨会会议记录，第11页，201317（2019）“}，{”key“：”27_CR26“，”doi-asserted-by“：”publisher“，”first page“：“4301”，”doi“：”10.1109“TMM.2021.3115442“，”volume“：江，N.，陈，W.，林，Y.，赵，T.，林，C.W.：轻量级级联网络的水下图像增强。IEEE Trans。多媒体24，4301\u20134313（2021）“，”期刊标题“：”IEEE Trans。多媒体“}，{“key”：“27_CR27”，“doi-asserted-by”：“publisher”，“首页”：“108324”，“doi”：“10.1016\/j.patcog.2021.108324”、“卷”：“122”，“作者”：“Q-Jiang”，“年份”：“2022”，“非结构化”：“Jiang，Q.，Zhang，Y.，Bao，F.，Zhao，X.，Zhang，C.，Liu，P.：水下图像增强的两步域适配。模式识别122，108324（2022）”，“journal-title“：”模式识别。“}，{”key“：”27_CR28“，”doi-asserted-by“：”crossref“，”unstructured“：”Johnson，J.，Alahi，A.，Fei-Fei，L.：实时风格传输和超分辨率的感知损失。摘自：《欧洲计算机视觉会议论文集》，第694\u2013711页（2016）“，”doi“：”10.1007\/978-3319-46475-6_43“}”，{“key”：“27_CR29”，“doi-assert-by”：“”crossref”，“非结构化”：“Kar，A.，Dhara，S.K.，Sen，D.，Biswas，P.K.：通过koschmieder\u2019s模型的受控扰动进行零炮单图像恢复。收录：IEEE计算机视觉和模式识别会议论文集，第16205\u201316215（2021）页，“DOI”：“10.1109\/CVPR46437.2021.01594”}，{“key”：“27_CR30”，“unstructured”：“Kohl，S.等人：模糊图像分割的概率u-net。收录：神经信息处理系统的进展（NeurIPS），pp.6965\u20136975（2018）“}，{“key”：“27_CR31”，“unstructured”：“Kohl，S.A.，et al.：用于建模多尺度歧义的分层概率u-net。arXiv预印本arXiv:1905.13077（2019）”}，“{”key“：”27_CR32“，”doi-asserted-by“：”crossref“，”unstructure“：”Li，B.，Sun，Z.，Guo，Y.：Supervice:用于显著目标检测的超像素变分自动编码器。摘自：《AAAI人工智能会议论文集》，第33卷，第8569\u20138576页（2019年）“”Li，C.Y.，Guo，J.C.，Cong，R.M.，Pang，Y.W.，Wang，B.：以最小信息损失和先验直方图分布通过去叠进行水下图像增强。IEEE传输。图像处理。25（12），5664\u20135677（2016）”，“期刊标题”：“IEEE Trans。图像处理。“}，{”key“：”27_CR34“，”doi-asserted-by“：”publisher“，”first-page“：”4985“，”doi“：”10.1109\/TIP.2021.3076367“，”volume“：“30”，”author“：”C Li“，“year”：“2021”，”unstructured“：”Li，C.，Anwar，S.，Hou，J.，Cong，R.，Guo，C.，Ren，W.：通过介质传输引导的多色空间嵌入实现水下图像增强。IEEE传输。图像处理。30，4985\u20135000（2021）“，“日志标题”：“IEEE Trans。图像处理。“}，{”key“：”27_CR35“，”doi-asserted-by“：”publisher“，”first page“：“107038”，”doi“：”10.1016\/j.patcog.2019.107038“，“volume”：“98”，“author”：“C Li”，“year”：“2020”，“unstructured”：“Li，C.，Anwar，S.，Porikli，F.：水下场景先前激发的深水图像和视频增强。模式识别.98，107038（2020）”，“journal-title”：“”模式识别。“}，{”key“：”27_CR36“，”doi-asserted-by“：”publisher“，”first-page“：”4376“，”doi“：”10.1109\/TIP.2019.2955241“，”volume“：“29”，”author“：”C Li“，“year”：“2019”，“unstructured”：“Li，C.，et al.：水下图像增强基准数据集及更高版本。IEEE Trans.image Process.29，4376\u20134389（2019）”，“journal title”：“IEEE Trans.image Process”}，}“”issue“：”3“，”key“：”27_CR37“，”doi-asserted-by“：”publisher“，”first page“：“323”，“doi”：“10.1109\/LSP.2018.2792050”，“volume”：“25”，“author”：“C Li”，“year”：“2018”，“unstructured”：“Li，C.，Guo，J.，Guo。IEEE标准。过程。Lett 25（3），323\u2013327（2018）“，”期刊标题“：”IEEE Sig。过程。Lett“}，{“issue”：“1”，“key”：“27_CR38”，“首页”：“387”，“卷”：“3”，“作者”：“J Li”，“年份”：“2017年”，“非结构化”：“Li，J.，Skinner，K.A.，Eustice，R.M.，Johnson-Roberson，M.：WaterGAN：无监督生成网络，支持单目水下图像的实时颜色校正。IEEE Robot.Autom.Lett.3（1），387\u2013394（2017）”，“期刊标题“：”IEEE机器人。自动。莱特。“}，{”issue“：”12“，”key“：”27_CR39“，”doi-asserted-by“：”publisher“，”首页“：”4861“，”doi“：”10.1109\/TCSVT.2019.2963772“，”volume“：“30”“，”author“：”R Liu“，”year“：”2020“，”unstructured“：”Liu，R.、Fan，X.、Zhu，M.、Hou，M.和Luo，Z.：真实世界水下增强：挑战、基准和自然光下的解决方案。IEEE传输。循环。系统。视频技术。30（12），4861\u20134875（2020）“，“期刊标题”：“IEEE Trans。循环。系统。视频技术。“}，{”issue“：“3”，”key“：“27_CR40”，”doi-asserted-by“：”publisher“，”first page“：”209“，”doi“：”10.1109\/LSP.2012.227726“，”volume“:”20“，”author“：”A Mittal“，”year“：”2012“，”unstructured“：”Mittal，A.，Soundarajan，R.，Bovik，A.C.：制作一台\u201c\u2019\u2019全盲图像质量分析仪。IEEE信号处理。Lett.20（3），209\ u2013212（2012）“，”journal-title“：”IEEE信号处理。莱特。“}，{”issue“：”1“，”key“：”27_CR41“，”doi-asserted-by“：”publisher“，”first-page“：”59“，”doi“：”10.1109\/JOE.2021.3086907“，”volume“：“47”，“author”：“K Panetta”，“year”：“2021”，“unstructured”：“Panetta，K.，Kezebou，L.，Oludare，V.，Agian，S.：使用GAN.IEEE J.的综合水下目标跟踪基准数据集和水下图像增强。《海洋工程》47（1），59\u201375（2021）“，“期刊标题”：“IEEE J.Oceanic Eng.”}，{“问题”：“6”，“关键”：“27_CR42”，“doi-asserted-by”：“publisher”，“首页”：“2856”，“doi”：“10.1109\/TIP.2018.2813092”，“卷”：“27”，“作者”：“YT Peng”，“年份”：“2018”，“非结构化”：“Peng，Y.T.，Cao，K.，Cosman，P.C.：单图像恢复之前暗通道的泛化。IEEE传输。图像处理。27（6），2856\u20132868（2018）“，“期刊标题”：“IEEE Trans。图像处理。“}，{”issue“：“4”，”key“：“27_CR43”，”doi-asserted-by“：”publisher“，”first page“：”1579“，”doi“：”10.1109\/TIP.2017.2663846“，”volume“：：”26“，”author“：”YT Peng“，”year“：”2017“，”unstructured“：”Peng，Y.T.，Cosman，P.C.：基于图像模糊度和光吸收的水下图像恢复。IEEE Trans.image Process.26（4），1579\u20131594（2017）“，”journal-title“：”IEEE Trans。图像处理。“}，{”key“：”27_CR44“，”unstructured“：”Pizer，S.M.，Johnston，R.E.，Ericksen，J.P.，Yankaskas，B.C.，Muller，K.E.：对比限制自适应直方图均衡化：速度和有效性。摘自：《生物医学计算可视化第一届会议论文集》，第337\u2013345（1990）页“}”，{“key”：“27_CR45”，“unstructure”：“”Prakash，M.，Krull，A.，Jug，F.：去噪：用完全卷积变分自编码器进行分集去噪。arXiv-print arXiv:2006.06072（2020）“}，{“issue”：“3”，“key”：“27_CR46”，“doi-asserted-by”：“publisher”，“first page”：”1133“，“doi”：“10.1109”\/TCSVT.2021.3074197“，”volume“：”32“，”author“：”Q-Qi“，”year“：”2021“，”unstructured“：”Qi，Q.，et al.：水下图像联合增强与相关特征匹配和联合学习。IEEE传输。电路系统。视频技术。32（3），1133\u20131147（2021）“，“日志标题”：“IEEE Trans。电路系统。视频技术。}，{“key”：“27_CR47”，“unstructured”：“Rahman，Z.u.，Jobson，D.J.，Woodell，G.A.：彩色图像增强的多尺度retinex。摘自：第三届IEEE图像处理国际会议论文集，第3卷，pp.1003\u20131006。IEEE（1996）“}，{“key”：“27_CR48”，“unstructured”：“Rezende，D.J.，Mohamed，S.，Wierstra，D.：深度生成模型中的随机反向传播和近似推理。摘自：《国际机器学习会议论文集》（ICML），第1278\u20131286页Ronneberger，O.，Fischer，P.，Brox，T.：U-net：生物医学图像分割的卷积网络。摘自：《医学图像计算与计算机辅助干预国际会议论文集》（MICCAI），第234\u2013241页（2015年），“DOI”：“10.1007\/978-3-319-24574-4_28”}，{“issue”：“1”，“key”：“27_CR50”，“DOI-asserted-by”：“publisher”，“first-page:“21”，“DOI:“10.1002\/col.20070”，“volume”:“30”，“author”：“G Sharma”，“year”：“2005”，“非结构化”：“Sharma，G.，Wu，W.，Dalal，E.N.：ciede2000色差公式：实施说明、补充测试数据和数学观察。颜色响应应用。30（1），21\u201330（2005）”，“期刊标题”：“颜色研究应用。“｝，｛”键“：”27_CR51“，”首页“：”3483“，”卷“：”28“，”作者“：”K Sohn“，”年份“：”2015“，”非结构化“：”Sohn，K.，Lee，H.，Yan，X.：使用深度条件生成模型学习结构化输出表示。Adv.Neural Inf.Process.Syst.（NeurIPS）28，3483\u20133491（2015）“，”期刊标题“：”Adv.Neural Inf.Process.Syst.（NeurIPS）“｝，｛”key“：”27_CR52“，”doi-asserted-by“：”crossref“，”unstructured“：”Tan，Q.，Gao，L.，Lai，Y.K.，Xia，S.：变形三维网格模型的变分自动编码器。收录于：IEEE计算机视觉和模式识别会议论文集，第5841\u20135850页（2018）“，”DOI“：”10.1109\/CVPR.2018.00612“}，{“key”：“27_CR53”，“unstructured”：“Uplavikar，P.M.，Wu，Z.，Wang，Z.：使用域-矢量学习的全能水下图像增强。收录于CVPR Workshops，第1\u20138页（2019）”}，“问题”：“4”，“key“：”27_CR54“，”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“：”27_CR55“，”doi-asserted-by“：”publisher“，”first-page“：”818“，”doi“：”10.1109\/LSP.2021.3072563“，”volume“：“28”，”author“：”Xue“，”year“：”2021“，”unstructured“：”薛，X.，Hao，Z.，Ma，L.，Wang，Y.，Liu，R.：水下图像增强的亮度和色度联合学习。IEEE Signal Process.Lett.28，818\u2013822（2021）“，”journal-title“：”IEEE信号处理。莱特。“}，{”issue“：”3“，”key“：”27_CR56“，”doi-asserted-by“：”publisher“，”first page“：“460”，”doi“：”10.1109\/30.468045“，”volume“：：”41“，”author“：”YC Liu“，”year“：”1995“，”unstructured“：”Liu，Y.C.，Chan，W.H.，Chen，Y.Q.：数字相机自动白平衡。IEEE Trans.Consumen.Electron.41（3），460\u2013466（1995）“，”journal-title“：”IEEE传输。消费。电子。“}，{”key“：”27_CR57“，”doi-asserted-by“：”crossref“，”unstructured“：”Yan，X.，et al.：MT-VAE:学习运动变换以生成多模态人体动力学。In:《欧洲计算机视觉会议论文集》，pp.265\u2013281（2018）“，”doi“：”10.1007\/978-3030-01228-1_17“}非结构化”：“Yang，H.H.，Huang，K.C.，Chen，W.T.：Laffnet：用于水下图像增强的轻量级自适应特征融合网络。收录于：2021年IEEE机器人与自动化国际会议（ICRA），第685\u2013692页。IEEE（2021）“，”DOI“：”10.1109\/ICRA48506.2021.9561263“}，{”key“：”27_CR59“，”DOI-asserted-by“：”publisher“，”first page“：“123638”，“DOI”：“10.1109\/ACCES.2019.2932611”，“volume”：“7”，“author”：“M Yang”，“year”：“2019”，“unstructured”：“Yang，M.、Hu，J.、Li，C.、Rohde，G.、Du，Y.和Hu，K.：水下图像增强和恢复的深入调查。IEEE Access 7，123638\u2013123657（2019）“，“journal-title”：“IEEE Access”}，{“key”：“27_CR60”，“doi-asserted-by”：“crossref”，“unstructured”：“Zhang，J.，et al.：UC-net:通过条件变分自编码器进行不确定性启发RGB-D显著性检测。摘自：IEEE计算机视觉和模式识别会议论文集（CVPR），pp.8582\u20138591（2020）“，”DOI“：”10.1109\/CVPR42600.2020.00861“}]，”container-title“：[”计算机科学讲义“，”计算机视觉\u2013 ECCV 2022“]，”original-title”：[]，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10007\/978-3-031-19797-0_27“，”content-type“：”unspecified“，”content-version“：”vor“，”intendended d-应用程序“：”相似性检查“}”，“存放”：{“日期部分”：[[2022,11,2]，“日期时间”：“2022-11-02T20:44:29Z”，“时间戳”：1667421869000}，“分数”：1，“资源”：{“主要”：}“URL”：“https:\\/link.springer.com\/10.1007\/978-3-031-19797-0_27”}，”副标题“：[]，”短标题“：[]，“已发布”：{'日期部分“：[2022]]}，“ISBN”：[“9783031197963”，“97830.31197970”]，“references-count“：60，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-031-19797-0_27“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”value“：”0302-7743“、”type“:”print“}、{”value“：”1611-33049“、”类型“：”electronic“}]、”subject“：【】，”published“：{”date-parts“：【2022】}，“assertion”：[{“value”：“2022年11月3日”，“order”：1，“name”：“first_online”，“label”：“First Online”，“group”：{“name”：“ChapterHistory”，“label”：“章节历史”}}，{“value”：“ECCV”，“order”：1，“name”:“conference_acrombit”，“table”：“conference-Acromnim”，“群名”：{name“：”ConferenceInfo“，”label“：”会议信息“}}”，{value“：”欧洲计算机视觉会议“，”order“：2，“namename“：”ConferenceInfo“，”label“：”会议信息“}}，{“value”：“Tel Aviv”，“order”：3，“name”：“Conference_city”，“label”：“ConferenceCity”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}、{“值”：“Israel”，“订单”：4，“name“Conference_country”，“table”：“MeferenceCountry”会议信息“}}，{”value“：”2022“，”order“：5，”name“：”Conference_year“，”label“：”Conference_year“，“group”：{“name”：“ConferenceInfo”，“label”：“会议信息”}}、{“value”：“2022年10月23日”，“order”：7，“name”:“Conference_start_date”，：“2022年10月27日“，”order“：8，”name“：”conference_end_date“，”label“：”会议结束日期“，”group“：名称“：”conference_id“，”label“：”会议id“，”group“：{”name“：”ConferenceInfo“，”label“：“会议信息”}}，{”value“：”https:\/\/eccv2022.ecva.net\/“，”order“：11，”name“:”conference_0rl“，“label”：“会议url”，“group”：{“type”，“label”：“type”，“group”：{name“：”ConfEventPeerReviewInformation“，”label“：”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”：value“：”5804“，”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”：{同行评议信息（由会议组织者提供）“}}，{“value”：“28%-该值由等式“接受的全文数”/“发送供审阅的提交数*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”：“3.91”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每位评审员的平均论文数”，“group”：｛“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”｝｝，｛“value”：“Yes”，“order”：9，“name”：“external_reviewers_involved”，“label”：“涉及的外部评审员”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}]}}