{“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”：[[2024,9,12]，“日期时间”：“2024-09-12T22:09:04Z”，“时间戳”：1726178944039}，“发布者位置”：“查姆”，“引用计数”：63，“出版商”：“施普林格自然瑞士”，“isbn-type”：[{“类型”：”打印“，“值”：“9783031198267”}，{“类型”：“电子”，“值”：“9783031198274”}]，“许可证”：[{“开始”：{“date-parts”：[[2022,1,1]]，“日期时间”：“2022-01-01T00:00:00Z”，“时间戳”：1640995200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}，{“start”：{“date-parts”：[2022,1,1]，“date-time”：“2020 2-01-01T 00:00Z”“，”timestamp“：1640995200000}，”content-version“：”vor“，”delay-in-days“用法：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\/978-3-031-19827-4_27“，”type“：”“book-capter”，“created“：{”date-part“：[2022,11,1]]，“日期时间”：“2022-11-01T14:42:19Z”，“时间戳”：1667313739000｝，“page”：“459-476”，“update policy”：“http:\/\/dx.doi.org/10.1007\/springer_crossmark_policy”，“source”：“Crossref”，“由count引用”：5，“title”：[“跨领域细分的学习实例特定适应”]，“prefix”：“10.1007”，“author”：[｛“given”：“Yuliang”，“family”：“Zou”，“sequence”：“first”，“affiliation”：[]｝，｛“given”：“子照”，“家庭”：“张”，“序列”：“附加”，“从属”：[]}“Bin”，“family”：“Huang”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-on-line”：{“date-parts”：[2022,11,2]}，“reference”：[{“key”：“27_CR1”，“unstructured”：“Balaji，Y.，Sankaranarayanan，S.，Chellappa，R.：Metareg：使用元规则化实现域泛化。In:NeurIPS（2018）”}，{“key”：：“Bartler，A.，B\u00fchler，A.，Wiewel，F.，D\u00f6bler，M.，Yang，B.：Mt3:自我监督测试时间适应的元测试时间培训。arXiv预印本arXiv:2103.16201（2021）”}，{“问题”：“1”，“密钥”：“27_CR3”，“doi-asserted-by”：“出版商”，“首页”：“151”，“doi”：“10.1007”\/s10994-009-5152-4“，“卷”：“79”，”作者“：”S Ben-David“，”年份“：”2010“，“非结构化”：“Ben-David，S.，Blitzer，J.，Crammer，K.，Kulesza，A.，Pereira，F.，Vaughan，J.W.：从不同领域学习的理论。Mach.Learn.79（1），151\u2013175（2010）”，“新闻标题”：“Mach.Learn.”}，{“key”：“27_CR4”，“非结构性”：“本奈姆，S.、沃尔夫，L.：一次无监督跨域翻译。摘自：NeurIPS（2018）”}、{“关键”：“27_CR5”，“doi-asserted-by”：“crossref”，“unstructured”：“Bousmalis，K.，Silberman，N.，Dohan：“Chen，M.，Xue，H.，Cai，D.：最大平方损失语义切分的领域适应。In：ICCV，pp.2090\u20132099（2019）”，“DOI”：“10.1109\/ICCV.2019.00218”}，{“key”：“27_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“Chen，Y.C.，Lin，Y.Y.，Yang，M.H.，Huang，J.B.：Crdoco：具有跨域一致性的像素级域转移。In:CVPR，pp.1791\u20131800（2019）”，“DOI”：“10.1109\/CVPR.2019.00189”}，{“key”：“27_CR8”，“DOI-asserted-by”：“crossref”，“unstructured”：“Cheng，B.，et al.：Panoptic deeplab：一种简单、强大、快速的自下而上全景分割基线。在：CVPR，pp.12475\u201312485（2020）”，“DOI”：“10.1109\/CVPR4600.200.01249”}，{“key”：“27_CR9”，“DOI断言由”：“crossref”，“非结构化”：“Choi，S.、Jung，S.，Yun，H.，Kim，J.T.、Kim，S.和Choo，J.：鲁棒网：通过实例选择性白化改进城市场景分割中的领域泛化。摘自：CVPR，pp.11580\u201311590（2021）”，“DOI”：“10.1109\/CVPR46437.2021.01141”}，{“key”：“27_CR10”，“非结构化”：“Cohen，T.，Shulman，N.，Morgenstern，H.，Mechrez，R.，Farhan，E.：协变量移位鲁棒性的自监督动态网络。arXiv预印本arXiv:2006.03952（2020）”}，{“key”：“27_CR11”，“doi-asserted-by”：“crossref”，“unstructured”：“Cordts，M.，et al.：语义城市场景理解的城市景观数据集。In:CVPR，pp.3213\u20133223（2016）”，“DOI”：“10.1109\/CVPR.2016.350”}，{“key”：“27_CR12”，“DOI-asserted-by”：“crossref”，“unstructured”：“Cubuk，E.D.，Zoph，B.，Shlens，J.，Le，Q.V.：随机增强：减少搜索空间的实用自动数据增强。摘自：CVPR Workshop，pp.702\u2013703（2020）”，“DOI”：“10.1109”，{“key”：“27_CR13”，“非结构化”：“Dosovitskiy，A.，et al.：一幅图像值16$$\\乘以$16个单词：用于大规模图像识别的变形金刚。In：ICLR（2021）”}，{“key”：“27_CR14”，“doi-asserted-by”：“crossref”，“unstructured”：“Dubey，A.、Ramanathan，V.、Pentland，A.、Mahajan，D.：现实世界领域泛化的自适应方法。In:CVPR，pp.14340\u201314349（2021年）”，“doi”：“10.1109\/CVPR46437.2021.01411”}，{“key”：“27_CR15”，“unstructured”：“Dundar，A.，Liu，M.Y.，Wang，T.C.，Zedlewski，J.，Kautz，J.：域样式化：合成到真实图像域适配的强大而简单的基线。arXiv预印本arXiv:1807.09384（2018）”}：“Fan，X.，Wang，Q.，Ke，J.，Yang，F.，Gong，B.，Zhou，M.：单域泛化的反向自适应归一化。In：CVPR，pp.8208\u20138217（2021）”，“DOI”：“10.1109”：“CVPR46437.2021.00811”}，{“issue”：“1”，“key”：：“Ganin，Y.、Ustinova，E.、Ajakan，H.、Germain，P.、Larochelle，H.，Laviolette，F.、Marchand，M.、Lempitsky，V.：神经网络的领域-职业训练。JMLR 17（1），2030\u20132096（2016）”，“新闻标题”：“JMLR”}，{“关键”：“27_CR18”，“非结构化”：“Guo，C.，Pless，G.，Sun，Y.，Weinberger，K.Q.：关于现代神经网络的校准。In：ICML，pp.1321\u20131330（2017）”}，{“key”：“27_CR19”，“doi-asserted-by”：“crossref”，“unstructured”：“Hendrycks，D.，et al.：稳健性的多方面：分布外泛化的临界分析。In:ICCV，pp 8340\u20138349（2021）”，“doi”：“10.1109\/ICCV48922.2021.00823”｝，｛“key”：“27_CR20”，“非结构化”：“Hendrycks，D.，Mu，N.，Cubuk，E.D.，Zoph，B.，Gilmer，J.，Lakshminarayanan，B.：Augmix：一种提高稳健性和不确定性的简单数据处理方法。在：ICLR（2020）”｝中，｛“key”：“27_CR21”，“非结构化”：“Hoffman，J.，et al.：Cycada:循环一致的对抗域自适应。In:ICML，pp.1989\u20131998（2018）”}，{“key”：“27_CR22”，“unstructured”：“Hu，X.，et al.:Mixnorm:通过在线标准化估计的测试时间自适应。arXiv预印本arXiv:2110.11478（2021）”}.，{（key）：“27-CR23”，“doi-asserted-by”：“crossref”，“非结构化”：“Huang，L.，Zhou，Y.，Zhu，F.，Liu，L.和Shao，L.：迭代归一化：超越标准化，实现高效美白。In:CVPR，pp.4874\u20134883（2019）”，“DOI”：“10.1109\/CVPR.2019.00501”}，{“key”：“27_CR24”，“unstructured”：“Ioffe，S.，Szegedy，C.：批量规范化：通过减少内部协变量偏移来加速深层网络训练。摘自：ICML，pp.448\u2013456（2015）”}，{“key”：“27_CR25”，“unstructured”：“Khurana，A.，Paul，S.、Rai，P.、Biswas，S.和Aggarwal，G.：Sita：单图像测试时间自适应。arXiv预印本arXiv:2112.02355，“doi-asserted-by”：“crossref”，“unstructured”：“Kirillov，A.，He，K.，Girshick，R.，Rother，C.，Doll\u00e1r，P.：全景分割。摘自：CVPR，pp.9404\u20139413（2019）”，“doi”：“10.1109\/CVPR.2019.00963”}：“Li，D.，Zhang，J.，Yang，Y.，Liu，C.，Song，Y.Z.，Hospedales，T.M.：领域泛化的情景训练。In:ICCV，pp.1446\u20131455（2019）”，“DOI”：“10.1109\/ICCV.2019.00153”}，{“key”：“27_CR28”，“DOI-asserted-by”：“crossref”，“unstructured”：“Li，Y.，Wang，N.，Shi，J.，Liu，J.和Hou，X.：针对实际域适配重新审视批处理规范化。In:ICLR Workshop（2017）”，“DOI”：“10.1016\/J.patcog.2018.03.005”}，{“key”：“27_CR29”，“unstructured”：“Liang，J..，Hu，D.，Feng，J.：我们真的需要访问源数据吗？无监督领域适应的源假设转移。In:ICML，pp.6028\u20136039（2020）“}，{“key”：“27_CR30”，“unstructured”：“Long，M.，Cao，Y.，Wang，J.，Jordan，M.：学习深度适应网络的可转移特征。In:ICNL，pp.97\u2013105（2015）”}，“{”key“：”27_CR31“非结构化”：“Luo，Y.，Liu，P.，Guan，T.，Yu，J.，Yang，Y.：针对一次性无监督领域适应的对抗式挖掘。In：NeurIPS（2020）“}，{“key”：“27_CR32”，“doi-asserted-by”：“crossref”，“unstructured”：“Luo，Y.，Zheng，L.，Guan，T.，Yu，J.，Yang，Y.：仔细看域转移：语义一致域适配的类别级对手。In：CVPR，pp.2507-2516（2019）”，“doi”：“10.1109\/CVPR.2019.00261”crossref“，“非结构化”：“Ma，N.，Zhang，X.，Zheng，H.T.，Sun，J.：Shufflenet v2：高效cnn架构设计的实用指南。收录于：ECCV，pp.116\u2013131（2018）“，“DOI”：“10.1007\/978-3-030-01264-9_8”}，{“key”：“27_CR34”，“DOI-asserted-by”：“crossref”，“unstructured”：“Matsuura，T.，Harada，T.:使用多个潜在域的混合物进行域泛化。收录于《美国原子能学会》，第34卷，第07期，pp.11749\u201311756（2020）“，”DOI“：”10.1609\/aaaai.v34i07.6846 5“，”doi-asserted-by“：”crossref“，”unstructured“：”Mirza，M.J.，Micorek，J.，Possegger，H.，Bischof，H.：规范必须继续：通过规范化动态无监督域适应。arXiv预印本arXiv:2112.00463（2021）“，”DOI“：”10.1109\/CVPR52688.2022.01435“}，{“key”：“27_CR36”，“unstructured”：“Nado，Z.，Padhy，S.，Sculley，D.，D\u2019Amour，A.，Lakshminarayanan，B.，Snoek，J.：评估预测时间批标准化在协变量移位下的鲁棒性doi-asserted-by“：”crossref“，”unstructured“：”Neuhold，G.，Ollmann，T.，Rota Bulo，S.，Kontschieder，P.：用于街道场景语义理解的地图视景数据集。其中：ICCV，第4990\u20134999页（2017）“，“DOI”：“10.1109\/ICCV.2017.534”}，{“key”：“27_CR38”，“DOI-asserted-by”：“crossref”，“unstructured”：“Pan，X.，Luo，P.，Shi，J.，Tang，X.：Two at once：Two at onest：enhanced learning and generalization capacity via ibn-net。In:ECCV，pp.464\u2013479（2018）”，“DOI:”10.1007\/978-3-030-01225-0_29 9“，”doi-asserted-by“：”crossref“，”unstructured“：”Pan，X.，Zhan，X.Shi，J.，Tang，X.Luo，P.：用于深度表征学习的可切换白化。收录于：ICCV，第1863\u20131871页（2019年）“，“DOI”：“10.1109\/ICCV.2019.00195”}，{“key”：“27_CR40”，“DOI-asserted-by”：“crossref”，“unstructured”：“Qiao，F.，Zhao，L.，Peng，X.：学习单域泛化。收录于CVPR，第12556\u201312565页（2020年）”，“DOI:”10.1109\/CVPR42600.2020.01257《计算机科学课堂讲稿》，“doi-asserted-by”：“publisher”，“first page”：“102”，“doi”：“10.1007\/978-3-319-46475-6_7”，“volume-title”：“Computer Vision\u2013 ECCV 2016”，“author”：“SR Richter”，“year”：“2016”，《unstructured》：“Richter，S.R.，Vineet，V.，Roth，S.，Koltun，V.：玩数据：电脑游戏的基本真相。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9906卷，第102\u2013118页。查姆施普林格（2016）。https:\/\/doi.org\/10007\/978-3-319-46475-6_7“}，{“key”：“27_CR42”，“doi-asserted-by”：“crossref”，“unstructured”：“Ros，G.，Sellart，L.，Materzynska，J.，Vazquez，D.，Lopez，A.M.：synthia数据集：用于城市场景语义分割的大量合成图像集合。摘自：CVPR，pp.3234\u20133243（2016）”，“doi”：“10.1109\/CVPR.2016.352”}，{“key”：“27_CR43”，“unstructured”：“Rush，A.：Tensor认为有害。http://\/nlp.seas.harvard.edu\/NamedTensor”}，{《问题》：“9”，“key“：”27_CR44“，”doi-asserted-by“：”publisher“，”first page“：：“Sakaridis，C.，Dai，D.，Van Gool，L.：合成数据的语义模糊场景理解。IJCV 126（9），973\u2013992（2018）。9月”，“新闻标题”：“IJCV”}，{“key”：“27_CR45”，“doi-asserted-by”：“crossref”，“非结构化”：“Sandler，M.、Howard，A.、Zhu，M.，Zhmoginov，A.、Chen，L.C.：Mobilenetv 2:倒置残差和线性瓶颈。摘自：CVPR，第4510\u20134520页（2018）”，“DOI”：“10.1109\/CVPR.2018.00474”}，{“key”：“27_CR46”，“非结构化”：“Schneider，S.，Rusak，E.，Eck，L.，Bringmann，O.，Brendel，W.，Bethge，M.：通过协变量移位适应提高对常见损坏的鲁棒性。NeurIPS 33，11539\u201311551（2020）”}，{“key”：“27_CR47”，“doi-asserted-by”：“crossref”，“unstructured”：“Shrivastava，A.，Pfister，T.，Tuzel，O.，Susskind，J.，Wang，W.，Webb，R.：通过对抗训练从模拟和非监督图像中学习。见：CVPR，pp.2107\u20132116（2017）”，“DOI”：“10.1109\/CVPR.2017.241”}，{“key”：“27_CR48”，“series-title”：“计算机科学课堂讲稿”，“DOI-asserted-by”：“publisher”，“first page”：：“10.1007\/978-3-319-49409-8_35”，“volume-title”：“Computer Vision\u2013 ECCV 2016 Workshops”，“author”：“B Sun”，“year”：“2016”，“unstructured”：“Sun，B.，Saenko，K.：Deep CORAL：深域自适应的相关对齐。In:Hua，G.，J\u00e9gou，H.（eds.）ECCV 2016。LNCS，第9915卷，第443\u2013450页。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-49409-8_35“}，{“key”：“27_CR49”，“unstructured”：“Sun，Y.，Wang，X.，Liu，Z.，Miller，J.，Efros，A.，Hardt，M.：测试时间培训，在分布转移下实现泛化的自我监控。In:ICML，pp.9229\u20139248（2020）”}，}，“key“：”27_CR50“，”doi-asserted-by“：”crossref“，”unstructure“：”Tzeng，E.，Hoffman，J.，Saenko，K.，Darrell，T.：对抗歧视性领域适应。CVPR，pp.7167\u20137176（2017）“，“DOI”：“10.1109\/CVPR.2017.316”}，{“key”：“27_CR51”，“unstructured”：“Tzeng，E.，Hoffman，J.，Zhang，N.，Saenko，K.，Darrell，T.：深层域混淆：最大化域不变性。arXiv预印本arXiv:1412.3474（2014）”}Volpi，R.，Namkoong，H.，Sener，O.，Duchi，J.C.，Murino，V.，Savarese，S.：通过对抗性数据增强对未知领域进行概括。In：NeurIPS（2018）“}，{”key“：”27_CR53“，”doi-asserted-by“：”crossref“，”unstructured“：”Vu，T.H.，Jain，H.，Bucher，M.，Cord，M.、P\u00e9rez，P.：副词：语义切分领域自适应的对抗熵最小化。In：CVPR，pp.2517\u20132526（2019）“，”doi“：”10.1109\/CVPR.2019.00262“}”，{“key”：“27_CR54”，“unstructure”：“”Wang，D.，Shelhamer，E.，Liu，S.，Olshausen，B.，Darrell，T.：帐篷：通过熵最小化实现完全测试时间适应性。In：ICLR（2021）“}，{“key”：“27_CR55”，“unstructured”：“Wu，Y.，Johnson，J.：重新思考批规范中的批。arXiv预印本arXiv:2105.07576（2021doi-asserted-by“：”crossref“，”unstructured“：”Yu，F.等人：Bdd100k：异构多任务学习的多样驱动数据集。收录于：CVPR，pp.2636\u20132645（2020）“，”DOI“：”10.1109\/CVPR42600.2020.00271“}，”key“：”27_CR58“，”DOI-asserted-by“：”crossref“，”unstructured“：”Zendel，O.，Honauer，K.，Murschitz，M.，Steininger，D.，Dominguez，G.F.：Wilddash-创建危险软件基准。收录于ECCV，pp 402\u2013416（2018）“，“DOI”：”10.1007\/978-3-030-01231-1_25“}，{“键”：“27_CR59”，“非结构化”：“Zhao，L.，Liu，T.，Peng，X.，Metaxas，D.：最大熵对抗性数据增强，以提高泛化能力和鲁棒性。In：NeurIPS（2020）“}，{“key”：“27_CR60”，“unstructured”：“Zhao，S.，Gong，M.，Liu，T.，Fu，H.，Tao，D.：通过熵正则化进行域泛化。NeurIPS 33，16096\u201316107（2020）”}，}，“key“：”27_CR61“，”doi-asserted-by“：”crossref“，”unstructure“：”Zhu，J.Y.，Park，T.，Isola，P.，Efros，A.A.：使用循环一致的对抗网络进行无准备的图像到图像转换。其中：ICCV，pp.2223\u20132232（2017）“，“DOI”：“10.1109\/ICCV.2017.244”}，{“key”：“27_CR62”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zou，Y.，Yu，Z.，Kumar，B.，Wang，J.：通过基于类的自训练进行语义分段的无监督域适应。In:ECCV，p.289\u2013305（2018）”，“DOI:”10.1007\/978-3-030-01219-9_18“}，}”：“27_CR63“，”doi-asserted-by“：”crossref“，”unstructured“：”Zou，Y.，Yu，Z.，Liu，X.，Kumar，B.，Wang，J.：信心正规化自学。In:ICCV，pp.5982\u20135991（2019）“，”DOI“：”10.1109\/ICCV.2019.00608“}]，”container-title“：[”计算机科学讲义“，”Computer Vision\u2013 ECCV 2022“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.10007\/978-3-031-19827-4_27“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2022,11,1]]，”date-time“：”2022-11-01T14:49:13Z“，”timestamp“：1667314153000}，”score“：1，”resource“：”{“primary”：{“URL”：“https:\/\/link.springer.com\/10007\/978-3-031-19827-4_27”}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-part”：[[2022]]}，“ISBN”：[“9783031198267”，“9783031198274“]，”references-count“：63，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-031-19827-4_27“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，“ISSN-type”：[{“type”:“print”，“value”：“0302-974”}，{“type”：“electronic”，“value”：“1611-3399”}]，“subject”：[]，“published”：{“date-pa”rts“：[[2022]]}，”断言“：[{“value”：“2022年11月2日”，“order”：1，“name”：“first_online，“label”：“first online”，“group”：{“name”：“ChapterHistory”，“label:”Chapter History“}}，{“value”：“ECCV”，“order”：1，“name”:“conference_acrombit”，“table”：“conference_Acrombitor”，“group”：“{”name“：”ConferenceInfo“，”label“：”会议信息“}}}”，{”value“：”欧洲计算机视觉会议“，”order“：2，”name“conference_name”，“标签”：“会议名称“，”组“：{“Name”：“ConferenceInfo”，“label”：“conferenceInformation”}}，{“value”：“Tel Aviv”，“order”：3，“Name”:“Conference_city”，“标签”：“会议城市”，“group”：ConferenceInfo“，”label“：”ConferenceInformation“}}，{”value“：”2022“，”order“：5，”name“：”Conference_year“，”标签“：”会议年份“，”group“：会议信息“}}，{“value”：“2022年10月27日”，“order”：8，“name”：“Conference_end_date”，“label”：“Conference end date”，“group”：{“名称”：“会议信息”，“标签”：“会务信息”}}、{“值”：“17”，“订单”：9、“name”:“Conference_number”、“label“：”会议编号“，”group“：{”name“：“”eccv2022“，”order“：10，”name“：”conference_id“，”label“：”会议id“，”group“：双盲“，”顺序“：1，”名称“：”type“，”label“：”type“，”group“：”{“name”：“ConfEventPeerReviewInformation”，“label”：“Peer Review Information（由会议组织者提供同行评审信息（由会议组织者提供）“}}，{“value”：“5804”，“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”：“接受的全文数量”，“group”：｛“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”，“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“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“：”Peer Review Information（由会议组织者提供）“}}，{”value“：”3.21“，”order“：7，”name“:”average_number_of_reviews_per_paper“，”标签“：”每篇论文的平均评论数“，”google“：同行评议信息（由会议组织者提供）“}}，{“value”：“3.91”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“tabel”：”同行评议资讯（由会议组织方提供）“{}}”，{（value）：“Yes”，“订单”：9，“name“：”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）“}}]}}