{“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”：[[2024,4,10]]，“日期时间”：“2024-04-10T06:42:20Z”，“时间戳”：1712731340801}，“出版商位置”：“查姆”，“参考计数”：49，“出版者”：“斯普林格自然瑞士”，“isbn-type”：[{“值”：“9783031200434”，“类型”：”打印“}，{“值”：“9783031200441”，“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”｝，｛“开始”：｛“日期部分”：[[2022,1,1]]，“日期时间”：“2022-01-01T00:00:00Z”，“时间戳”：1640995200000｝，“内容版本”：“tdm”，“延迟天数”：0，“URL”：“https://\\www.springer.com\/gp\/researchers\/text and data mining”｝，｛“开始”：｛“日期部分”：[[2022,1,1]]，“日期时间”：“2022-01-01T00:00:0 0Z”，“时间戳”：1640995200000｝，“内容版本”：“vor”，“延迟天数”：0，“URL”：“https:\/\/wspringernature.com\/gp\/researchers\/text and data mining”｝]，“内容域”：｛“域”：[“link.springer.com”]，“交叉标记限制”：false｝，“短容器标题”：[]，“已出版印刷品”：｛“日期部分”：[[2022]]｝，“DOI”：“10.1007\/978-3-031-20044-1_12”，“类型”：“书籍章节”，“created”：{“date-parts”：[[2022,10,19]]，“date-time”：“2022-10-19T23:12:10Z”，“timestamp”：1666221130000}，“page”：“204-220”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：5，“title”：[“Few-Shot Class-Incremental Learning for 3D点云对象”]，“prefix”：“10.1007”007“，”作者“：[{“ORCID”：“http://\/ORCID.org\/0000-0003-1780-6046”，“authenticated-ORCID”：false，“given”：”Townim“，”family“：”Chowdhury“，”sequence“：”first“，”affiliation“：[]}，{“ORCID”:“http://\-ORCID.org\/00000-0002-3324-7849”，“authenticated-ORCID{“ORCID”：“http://\/orcid.org\/00000-0002-3200-9291”，“authenticated-orcid”：false，“given”：“Sameera”，“family”：“Ramasinghe”，“sequence”：“additional”，“affiliation”：[]}，{“orcid”：”http://\/orcid.org\/0000-0002-2161-7005“，”authentitated-orcid“：false”，“giving”：“Sahar”，”family“：”Ahmadi“，”sequence“：”additional“，”affiliance“：[]{”orcid“：“http://\/orcid.org\/00000-0002-5168-2078”，“authenticated-orcid”：false，“given”：“Morteza”，“family”：“Saberi”，“sequence”：“additional”，“affiliation”：[]}，{“orcid”：297“，”在线发布“：{“date-parts”：[[2022,10,20]]}，“reference”：[{“key”：“12_CR1”，“doi-asserted-by”：“crossref”，”unstructured“：”Belouadah，E.，Popescu，A.：IL2M：具有双内存的类增量学习。In:CVPR（2019）“，”doi“：”10.1109\/ICCV.2019.00067“}，{“key”：”12_CR2“，”doi-assert-by“：”crossref.“，”unsructured：“Belouadah，E.，Popescu，A.：ScaIL：课堂增量学习的分类器权重缩放。In：WACV（2020）”，“DOI”：“10.1109”，{“key”：“12_CR3”，“series-title”：“计算机科学讲义”，“DOI-asserted-by”：“publisher”，“first page”：：“Computer Vision\u2013 ECCV 2018”，“author”：“FM Castro”，“year”：“2018年”，“unstructured”：“Castro，F.M.，Mar\u00edn-Jim\u00e9nez，M.J.，Guil，N.，Schmid，C.，Alahari，K.：端到端增量学习。In:Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（编辑）ECCV 2018。LNCS，第11216卷，第241\u2013257页。施普林格，查姆（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01258-8_15“}，{“key”：“12_CR4”，“unstructured”：“Chang，A.X.，et al.：ShapeNet:一个信息丰富的3D模型库。arXiv预印本arXiv:1512.03012（2015）”}，}，“key“：”12_CR5“，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：”556“，“doi”：“10.1007\/978-3-030-01252-6_33“，“volume-title”：“Computer Vision\u2013 ECCV 2018”，“author”：“A Chaudhry”，“year”：“2018年”，“unstructured”：“Chaudhri，A.，Dokania，P.K.，Ajanthan，T.，Torr，P.H.S.：增量学习的黎曼行走：理解遗忘和顽固。收件人：Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（编辑）ECCV 2018。LNCS，第11215卷，第556\u2013572页。施普林格，查姆（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01252-6_33“}，{“key”：“12_CR6”，“unstructured”：“Chen，K.，Lee，C.G.：通过深度嵌入空间中的矢量量化进行增量few-shot学习。in:ICLR（2021）”}，}“key:”12_CR7“，”doi-asserted-by“：”crossref“，”unstructure“：”Cheraghian，A.，Rahman，S.，Chowdhury，T.F.，Campbell，D.，Peterson，L.：三维点云对象及其以外的零快照学习。arXiv预印本arXiv:2104.04980（2021）“，”DOI“：”10.1007 \/s11263-022-01650-4“}，{“key”：“12_CR8”，“DOI-asserted-by”：“crossref”，“unstructured”：“Cheraghian，A.，Rahman，S.，Fang，P.，Roy，S.K.，Peterson，L.，Harandi，M.：语义软件知识蒸馏，用于少量的类创造性学习。In:CVPR（2021年）”，“DOI”：“10.1109 \/CVPR46437.2021.0256”}，{“key”：“12_CR9”，“doi-asserted-by”：“crossref”，“unstructured”：“Cheraghian，A.等人：混合子空间上基于合成特征的少快照类增量学习。In:ICCV（2021）”，“doi”：“10.1109\/ICCV48922.2021.00854”}，{”key“：”12_CR10“，”unstructure“：“Devlin，J.，Chang，M.W.，Lee，K.，Toutanova，K.：BERT：语言理解深度双向变换器的预培训。摘自：计算语言学协会北美分会2019年会议记录：人类语言技术，第1卷（长篇和短篇论文）.计算语言学协会（2019）“}，{”key“：”12_CR11“，”doi-asserted-by“：”crossref“，”unstructured“：”Gidaris，S.，Komodakis，N.：“动态少镜头视觉学习，不忘。In：CVPR（2018）“，”doi“：”10.1109\/CVPR.2018.00459“}”，{“issue”：“2”，”key：“12_CR12”，“doi-assert-by”：“publisher”，“first page”：“187”，”doi:“”10.1007\/s41095-021-0229-5“，“卷”：“7”，“作者”：“M-H Guo”，“年份”：“2021”，“非结构化”：“Guo，M.-H.，Cai，J.-X.，Liu，Z.-N.，Mu，T.-J.，Martin，R.R.，Hu，S.-M.：PCT：点云变换器。计算。视觉。媒体7（2），187\u2013199（2021）。https:\/\/doi.org\/10.1007\/s41095-021-0229-5“，”journal-title“：”计算。视觉。Media“}，{“key”：“12_CR13”，“doi-asserted-by”：“crossref”，“unstructured”：“Hou，S.，Pan，X.，Loy，C.C.，Wang，Z.，Lin，D.：通过重新平衡增量学习统一分类器。In：CVPR（2019）”，“doi”：“10.1109\/CVPR.2019.00092”}，}“key:”12_CR14“doi-sserted-by“：”publisher“，”first page“：”7758“，”doi“：”10.1109\/ACCES.2016.2 608835“，”卷“：”4“，”作者：“G Korres”，“year”：“2016”，“unstructured”：“Korres，G.，Eid，M.：触觉图：超声波点云触觉刺激。IEEE Access 4，7758\u20137769（2016）“，”journal-title“：”IEEE Access“}，{”key“：”12_CR15“，”doi-asserted-by“：”publisher“，”first-page“：”391“，”doi“：”10.1007\/s1103-007-9079-x“，”volume“：“17”，”author“：”S Legg“，“year”：“2008”，“unstructured”：“Legg，S.，Hutter，M.：通用智能：机器智能的定义。Minds马赫。17，391\u2013444（2008）。https:\/\/doi.org\/10.1007\/s11023-007-9079-x“，”journal-title“：”Minds Mach。“}，{”key“：”12_CR16“，”unstructured“：”Li，Y.，Bu，R.，Sun，M.，Wu，W.，Di，X.，Chen，B.：PointCNN:X变换点上的卷积。In：NeurIPS（2018）“}”，{“key”：“12_CR17”，“doi-asserted-by”：“publisher”，“first page”：”2935“，“doi”：“10.1109\/TPAMI.2017.2773081”，“volume”:“40”，“author”：“Z-Li”，“year”：“2018”，“非结构化”：“Li，Z.，Hoiem，D.：学习不忘。IEEE传输。模式分析。机器。智力。40，2935\u20132947（2018）“，“期刊标题”：“IEEE Trans。模式分析。机器。智力。“}，{”key“：”12_CR18“，”doi-asserted-by“：”crossref“，”unstructured“：”Liu，Y.，Schiele，B.，Sun，Q.“：班级增量学习的自适应聚合网络。In:CVPR（2021）“，”doi“：”10.1109\/CVPR46437.2021.0025“}”，{“key”：“12_CR19”，“doi-assert-by”：“crossref.”，“unstructure”：“”Liu，Y.，Fan，B.，Xiang，S.，Pan，C.：用于点云分析的关系型卷积神经网络。In：CVPR（2019）“，”DOI“：”10.1109\/CVPR.2019.00910“}，{“key”：“12_CR20”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mazumder，P.，Singh，P.、Rai，P.：Few-shot终身学习。In：AAAI（2021）”，“DOI”：“10.1609\/aaaai.v35i3.16334”}，“key“：”12_CR21“，”DOI-assert-by“：”Crosref“，”非结构化“：”Mazur，K.，Lempitsky，V.：云变换器：点云处理任务的通用方法。In:ICCV（2021）“，”DOI“：”10.1109\/ICCV48922.2021.01054“}，{”key“：”12_CR22“，”unstructured“：”Mikolov，T.，Sutskever，I.，Chen，K.，Corrado，G.S.，Dean，J.：单词和短语的分布式表示及其组成。In:NIPS（2013）“}Nguyen，C.V.，Li，Y.，Bui，T.D.，Turner，R.E.：变分持续学习。在：ICLR（2018）“｝，｛“key”：“12_CR24”，“doi断言者”：“crossref”，“非结构化”：“Poulenard，A.，Rakotosaona，M.J.，Ponty，Y.，Ovsjanikov，M.：具有球面谐波内核的有效旋转不变点CNN。在：3DV（2019）”，“doi”：“10.1109\/3DV.2019.00015”｝，｛“key”：“12_CR25”，“非结构化”：“Qi，C.R.，Su，H.，Mo，K.，Guibas，L.J.：PointNet：针对3D分类和分割的点集深度学习。In：CVPR（2017）“}，{“key”：“12_CR26”，“unstructured”：“Qi，C.R.，Yi，L.，Su，H.，Guibas，L.J.：PointNet++：度量空间中点集的深度分层特征学习。In：NeurIPS（2017）”}，}，“key“：”12_CR27“，”doi-asserted-by“：”crossref“，”unstructure“：”Rao，Y.，Lu，J.，Zhou，J.：用于点云识别的球形分形卷积神经网络。In:CVPR（2019）“，”DOI“：”10.1109\/CVPR.2019.00054“}，{“key”：“12_CR28”，“DOI-asserted-by”：“crossref”，“unstructured”：“Rebuffi，S.A.，Kolesnikov，A.，Sperl，G.，Lampert，C.H.：iCaRL:增量分类器和表示学习。In:CVRP（2017）”，“DOI”：“10.1109\/CVPR.2017.587”}，“key“：”12_CR29“，”DOI-assert-by“：”crossref“，”非结构化“：”Reizenstein，J.、Shapovalov，R.、Henzler，P.、Sbordone，L.、Labatut，P.和Novotny，D.：3D中的常见对象：现实生活中3D类别重建的大规模学习和评估。In:ICCV（2021）“，”DOI“：”10.1109\/ICCV48922.2021.01072“}，{”key“：”12_CR30“，”unstructured“：”Riemer，M.，et al.：“通过最大化转移和最小化干扰来学习不遗忘。In:ICLR（2018）”}，}，”key”：“12_CR31”，”DOI-asserted-by“：”crossref“，”非结构化“：”Schumann，O.，Hahn，M.，Dickmann，J.，W\u00f6hler，C.：雷达点云的语义分割。In:FUSION（2018）“，“DOI”：“10.23919\/ICIF.2018.8455344”}，{“key”：“12_CR32”，“unstructured”：“Shin，H.，Lee，J.K.，Kim，J.，KimSimon，C.，Koniusz，P.，Harandi，M.：关于学习增量学习的测地线路径。其中：CVPR（2021）“，”DOI“：”10.1109\/CVPR46437.2021.00164“}，{“key”：“12_CR34”，“DOI-asserted-by”：“crossref”，“unstructured”：“Sung，F.，Yang，Y.，Zhang，L.，Xiang，T.，Torr，P.H.，Hospedales，T.M.：Learning to compare:relation network for few-shot Learning。In:CVPR DOI-asserted-by“：”crossref“，”非结构化”：“Tan，Z.，Ding，K.，Guo，R.，Liu，H.：图形化的课堂创新学习。摘自：《第十五届ACM网络搜索和数据挖掘国际会议论文集（2022）》，“DOI”：“10.1145\/3488560.3498455”}，{“key”：“12_CR36”，“DOI-asserted-by”：“crossref”，“unstructured”：“Tao，X，Hong，X.，Chang，X.、Dong，S.，Wei，X.和Gong，Y.：Few-shot class-In-cremental learning。摘自：CVPR（2020）”，“DOI:”10.1109\/CVPR42600.2020.01220“}key“：”12_CR37“，”doi-asserted-by“：”crossref“，”unstructured“：”Uy，M.A.，Pham，Q.H.，Hua，B.S.，Nguyen，D.T.，Yeung，S.K.：重温点云分类：一个新的基于真实数据的基准数据集和分类模型。In:ICCV（2019）“，”DOI“：”10.1109\/ICCV.2019.00167“}，{”key“：”12_CR38“，”series-title“：”计算机科学讲义“，”DOI-asserted-by“：”publisher“，”first page“：“56”，”DOI:“10.1007\/978-3030-01225-04”，“volume-title”：“Computer Vision\u2013 ECCV 2018”，“author”：“C Wang”，“year”：“2018”，”unstructured“：”Wang，C.，Samari，B.，Siddiqi，K.：用于点集特征学习的局部谱图卷积。收件人：Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（编辑）ECCV 2018。LNCS，第11208卷，第56\u201371页。施普林格，查姆（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01225-0_4“}，{”key“：”12_CR39“，”first page“：“1”，“volume”：“38”，“author”：“Y Wang”，“year”：“2019”，“unstructured”：“Wang，Y.，Sun，Y.、Liu，Z.，Sarma，S.E.，Bronstein，M.M.，Solomon，J.M.：点云学习的动态图CNN。ACM Trans.graph.（TOG）38，1\u201312（2019）”，“journal-title”：“ACM事务处理。图表。（TOG）“}，{“key”：“12_CR40”，“doi-asserted-by”：“crossref”，“unstructured”：“Wu，W.，Qi，Z.，Fuxin，L.：PointCONV：三维点云上的深度卷积网络。In:CVPR（2019）”，“doi”：“10.1109\/CVPR.2019.00985”}，}“key:”12_CR41“doi-sserted-by“内政部”：“10.1109\/CVPR.2019.00046“}，{“key”：“12_CR42”，“unstructured”：“Wu，Z.，et al.：3D ShapeNets:立体形状的深度表示。In：CVPR（2015）”}，}“key:”12_CR43“，“series-title”：“计算机科学讲义”，“doi-asserted-by”：“publisher”，“first page”：”90“doi”：“10.1007\/978-3-030-01237-3_6”，“volume-title”：”Computer Vision\u2013 ECCV 2018”，“作者”：“Y Xu”，“年份”：“2018年”，“非结构化”：“Xu，Y.，Fan，T.，Xu，M.，Zeng，L.，Qiao，Yu.：SpiderCNN：利用参数化卷积滤波器对点集进行深度学习。收件人：Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（编辑）ECCV 2018。LNCS，第11212卷，第90\u2013105页。施普林格，查姆（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01237-3_6“}，{“key”：“12_CR44”，“doi-asserted-by”：“crossref”，“unstructured”：“Yue，X.，Wu，B.，Seshia，S.A.，Keutzer，K.，Sangiovanni-Vincentelli，A.L.：激光雷达点云生成器：从虚拟世界到自动驾驶。摘自：《2018年ACM多媒体检索国际会议论文集（2018）》，“DOI”：“10.1145\/3206025.320608”}，{“key”：“12_CR45”，“unstructured”：“Zenke，F.，Poole，B.，Ganguli，S.：通过突触智能进行持续学习。摘自：机器学习国际会议，第3987\u20133995页。PMLR（2017）“}，{”key“：”12_CR46“，”doi-asserted-by“：”crossref“，”unstructured“：”Zhang，Y.，Rabbat，M.：三维点云分类的图形CNN。In:ICASSP（2018）“，”doi“：”10.1109\/ICSSP.2018.8462291“}”，{“key”：“12_CR47”，“doi-assert-by”：“”crossrev“，“unstructure”：“Zhao，H.，Jiang，L.，Jia，J.，Torr，P.H.，Koltun，V.：点变压器。在：ICCV（2021）”中，“DOI”：“10.1109\/ICCV48922.2021.01595”}，｛“key”：“12_CR48”，“DOI断言者”：“crossref”，“非结构化”：“Zhou，D.W.，Wang，F.Y.，Ye，H.J.，Ma，L.，Pu，S.，Zhan，D.C.：前向兼容的少镜头类增量学习。在：CVPR（2022）”中，“DOI”：“10.1109\/CVPR52688200884”}，｛“key”：“12_CR49”，“DOI断言者”：“crossref”非结构化”：“Zhu，F.，Zhang，X.Y.，Wang，C.，Yin，F.、Liu，C.L.：增量学习的原型增强和自我监督。In:CVPR（2021）“，”DOI“：”10.1109\/CVPR46437.2021.00581“}]，”container-title“：[”计算机科学课堂讲稿“，”Computer Vision\u2013 ECCV 2022“]，”original-title”：[]，”link“：[{”URL“：”https:\/\/link.springer.com\/content\/pdf\/10.10007\/978-3-031-20044-1_12“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”相似性检查“}”，“存放”：{“日期部分”：[[2024,3,13]]，“日期时间”：“2024-03-13T19:47:26Z”，“时间戳”：1710359246000}，“分数”：1，“资源”：{“主要”：}“URL”：“https:\/\/link.springer.com\/10.1007\/978-3-031-20044-112”}}，“ISBN”：[“9783031200434”，“97830.31200441”]，“references-count“：49，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-031-20044-1_12“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{“value”：“0302-974”，”type“:”print“}，{“value”：“1611-3399”，”类型“：”electronic“}]，“subject”：[]，“published”：{“date-parts”：[2022]}，“assertion”：[{“value”：“2022年10月20日”，“order”：1，“name”：“first_online”，“label”：“First Online”，“group”：{“name”：“ChapterHistory”，“label”：“章节历史”}}，{“value”：“ECCV”，“order”：1，“name”:“conference_acrombit”，“标签”：“conference-Acromnim”，“group”：{name:“ConferenceInfo”，”label“：”conference-Info“}，”{value“：”European conference on Computer Vision“，”order“：2，”name“conference_name”，”标签“：”会议名称“，”group“：{”name“：”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_eyear”，“label”：“ConferenceYear”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“2022年10月23日”，“order”：7，“name”：“Conference_start_date”，“label”：“Conference_start_date”，“group”：｛“name”：“ConferenceInfo”，“label”：“ConferenceInformation”｝｝，｛“value”：“2022年10月27日”，“顺序”：8，“名称”：“会议结束日期”，“标签”：“会议结束日期”，“组”：｛“名称”：“会议信息”，“标签”：“会议信息”｝｝，｛“值”：“17”，“顺序”：9，“名称”：“会议编号”，“标签”：“会议编号”，“组”：｛“名称”：“会议信息”，“标签”：“会议信息”｝｝，｛“值”：“eccv2022”，“顺序”：10，“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”：“每位审稿人的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“label”：”同行评审信息（由会议组织者提供）“}}，{”value“：”是“，”order“：9，”name“：”external_reviewers_involved“，”label“：”涉及的外部审稿人“，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}]}}