{“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”：[[2023,8,23]]，“日期时间”：“2023-08-23T22:53:54Z”，“时间戳”：1692831234665}，“发布者位置”：“查姆”，“引用计数”：69，“出版商”：“斯普林格自然瑞士”，“isbn类型”：[{“值”：“9783031200854”，“类型”：”打印“}，{“值”：“9783031200861”，“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\/978-3-031-20086-1_12”，“type”：“book-capter”，“created”：{“date-ports”：[2022,11,10]]，”date-time“：”2022-11-10T10:31:55Z“，”时间戳“：1668076315000}，“page”：“201-219”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：2，“title”：[“用于\u00a03D场景重建的定向光线距离函数”]，“prefix”：“10.1007”，“author”：[{“ORCID”：《http://\ORCID.org\/0000-0002-5114-2995》，“authenticated-ORCID”：false，“给定”：“Nilesh”，“family”：“Kulkarni”，“sequence”：“first”，“affiliation”：[]}，{“ORCID”：“http://\/ORCID.org\/00000-0002-1251-088X”，“authenticated-ORCID”：false，“given”：贾斯汀，“faily”：约翰逊，“session”：“additional”，“从属关系”：[]}，}“ORCID”：“http://www.ORCID.org\/000-0001-5028-5161”，“authenticated-ORCID“：false”，“giving”：“David F.”，“family”：“Fouhey”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[2022,11,11]]}，“reference”：[{“key”：“12_CR1”，“doi-asserted-by”：“crossref”，”unstructured“：“Atzmon，M.，Lipman，Y.：Sal:从原始数据中学习形状的符号不可知论。摘自：IEEE计算机视觉和模式识别会议论文集，第2565\u20132574页（2020）”，“DOI”：“10.1109\/CVPR42600.2020.00264”}，{“key”：“12_CR2”，“非结构化”：“Atzmon，M.，Lipman，Y.：Sal++：用导数进行符号不可知学习。arXiv预印本arXiv:2006.05400（2020）”}，{“key”：“12_CR3”，“doi-asserted-by”：“crossref”，“unstructured”：“Bae，G.，Budvytis，I.，Cipolla，R.：估算和利用曲面正态估计中的任意不确定性。摘自：IEEE计算机视觉国际会议论文集，第13137\u201313146（2021）页”，“DOI”：“10.1109\/ICCV48922.2021.01289”}，{“issue”：“3\u201326”，“key”：“12_CR4”，“first page”：”：“2”，“volume”，“author”：“H Barrow”，“year”：“1978”，“unstructured”：“Barrow，H.，Tenenbaum，J.，Hanson，A.，Riseman，E.：恢复固有场景特征。Compute.Vis.Syst 2（3\u201326），2（1978）”，“journal-title”：“Compute.Vis.Syst”}，{“key”：“12_CR5”，“doi-asserted-by”：“crossref”，“非结构化”：“Chang，A.等人：Matterport3D：从室内环境中的rgb-d数据中学习。arXiv预打印arXiv:1709.06158（2017）”，“DOI”：“10.1109\/3DV.2017.0081”}，{“key”：“12_CR6”，“unstructured”：“Change，A.X.等人：Shapenet：一个信息丰富的3D模型库。arXiv-print arXiv:1512.03012（2015）”}，“非结构化”：“Chen，K.，Snavely，N.，Makadia，A.：具有定向学习的宽基线相对相机姿态估计。摘自：IEEE计算机视觉和模式识别会议论文集，第3258\u20133268（2021）页”，“DOI”：“10.1109\/CVPR46437.2021.00327”}，{“key”：“12_CR8”，“DOI-asserted-by”：“crossref”，“非结构性”：“Chen，Z.，Zhang，H.：学习生成形状建模的隐式字段。摘自：IEEE计算机视觉和模式识别会议论文集，第5939\u20135948页（2019）”，“DOI”：“10.1109\/CVPR.2019.00609”}，{“key”：“12_CR9”，“unstructured”：“Chibane，J.，Mir，A.，Pons-Moll，G.：用于内隐函数学习的神经无符号距离场。In:Advances In Neural Information Processing Systems（NeurIPS）（2020）”}，{“key”：“12_CR10”，“series-title”：“Computer Science课堂讲稿”，“doi-asserted-by”：“publisher”，“first-page”：“628”，“doi”：“10.1007\/978-3319-46484-8_38”，”“volume-title”：“Computer Vision\u2013 ECCV 2016”，“author”：“CB Choy”，“year”：“2016年”，“unstructured”：“Choy，C.B.，Xu，D.，Gwak，J.Y.，Chen，K.，Savarese，S.：3D-R2N2：单视图和多视图三维物体重建的统一方法。摘自：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9912卷，第628\u2013644页。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46484-8_38“}，{”key“：”12_CR11“，”doi-asserted-by“：”crossref“，”unstructured“：”Dai，A.、Chang，A.X.、Savva，M.、Halber，M.，Funkhouser，T.、Nie\u00dfner，M.：Scannet：室内场景的丰富3D重建。在：《IEEE计算机视觉与模式识别会议论文集》，第5828\u20135839页（2017），“DOI”：“10.1109\/CVPR.2017.261”｝，｛“key”：“12_CR12”，“DOI断言”：“crossref”，“非结构化”：“Del Pero，L.、Bowdish，J.、Kermgard，B.、Hartley，E.、Barnard，K.：使用复合3D对象模型了解贝叶斯房间。摘自：IEEE计算机视觉和模式识别会议论文集（2013）“，”DOI“：”10.1109\/CVPR.2013.27“}，{”key“：”12_CR13“，”DOI-asserted-by“：”crossref“，”unstructured“：”Dhamo，H.、Navab，N.、Tombari，F.：从单个图像进行对象驱动的多层场景分解。摘自：IEEE计算机视觉国际会议论文集，第5369\u20135378页（2019）“，”DOI“：”10.1109\/ICCV.2019.00547“}，{“key”：“12_CR14”，“DOI-asserted-by”：“crossref”，“unstructured”：“Fan，H.、Su，H.和Guibas，L.J.：从单个图像重建三维对象的点集生成网络。在：IEEE计算机视觉和模式识别会议论文集，pp.605\u2013613（2017）“，DOI”：“10.1109\/CVPR.2017.264”}，｛“key”：“12_CR15”，“nonstructured”：“Fidler，S.、Dickinson，S.和Urtasun，R.：使用可变形3D长方体模型进行3D物体检测和视点估计。In:Advances In Neural Information Processing Systems，pp.611\u2013619（2012）“}，{“key”：“12_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Fouhey，D.F.，Gupta，A.，Hebert，M.：用于单图像理解的数据驱动3D原语。In:IEEE国际计算机视觉会议论文集，pp.3392\u20133399（2013）”，“doi”：“10.1109 \/ICCV.2013.421“}，{“key”：“12_CR17”，“doi-asserted-by”：“crossref”，“unstructured”：“Fu，H.，et al.：3D-front:具有布局和语义的3D家具房间。arXiv预印本arXiv:2011.09127（2020）”，“doi”：“10.1109”\/ICCV48922.2021.01075“}”，{（key）：“12_CR18”，“series-title”：“计算机科学讲义”，“doi-asserted-by”，“publisher”第一页“：”484“，”DOI“：”10.1007\/978-3-319-46466-4_29“，”volume-title“：”Computer Vision\u2013 ECCV 2016“，”author“：”R Girdhar“，”year“：”2016“，“unstructured”：“Girdhar.，R.，Fouhey，D.F.，Rodriguez，M.，Gupta，A.：学习对象的可预测和生成向量表示。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9910卷，第484\u2013499页。查姆施普林格（2016）。https:\/\/doi.org\/10007\/978-3-319-46466-4_29“}，{“key”：“12_CR19”，“doi-asserted-by”：“crossref”，“unstructured”：“Gkioxari，G.，Malik，J.，Johnson，J.：Mesh r-cnn.摘自：IEEE国际计算机视觉会议论文集，第9785\u20139795（2019）页”，“doi”：“10.1109\/ICCV.2019.00988”}，“key“：”12_CR20“，”doi-assert-by“：“交叉引用”，“非结构化”：“Groueix，T.、Fisher，M.、Kim，V.G.、Russell，B.C.、Aubry，M.：学习3D曲面生成的papier-M\u00e2ch\u00e方法。在：《IEEE计算机视觉与模式识别会议论文集》，pp.216\u2013224（2018）“，”DOI“：”10.1109\/CVPR.2018.00030“｝，｛”key“：”12_CR21“，”DOI断言“：”crossref“，”非结构化“：”H\u00e4ne，C.，Tulsiani，S.，Malik，J.：三维物体重建的层次曲面预测。2017年国际3D视觉会议（3DV），第412\u2013420页。IEEE（2017）“，“DOI”：“10.1109\/3DV.2017.0054”}，{“key”：“12_CR22”，“DOI-asserted-by”：“crossref”，“unstructured”：“He，K.，Zhang，X.，Ren，S.，Sun，J.：图像识别的深度剩余学习。摘自：IEEE计算机视觉与模式识别会议论文集，第770\u2013778页（2016）”，“DOI:”10.1109\/CVPR.2016.90doi-asserted-by“：”crossref“，”unstructured“：”Hedau，V.，Hoiem，D.，Forsyth，D.：恢复杂乱房间的空间布局。2009年IEEE第12届国际计算机视觉会议，第1849页\u20131856页。IEEE（2009）“，”DOI“：”10.1109\/ICCV.2009.5459411“}，{”key“：”12_CR24“，”DOI-asserted-by“：”crossref“，”unstructured“：”Hoiem，D.，Efros，A.A.，Hebert，M.：《来自单个图像的几何上下文》。摘自：第十届IEEE国际计算机视觉会议（ICCV 2005），第1卷，第654\u2013661页。IEEE（2005）“，”DOI“：”10.1109\/ICCV.2005.107“}，{“key”：“12_CR25”，“DOI-asserted-by”：“crossref”，“unstructured”：“Isola，P.，Zhu，J.Y.，Zhou，T.，Efros，A.A.：使用条件对抗网络进行图像到图像的转换。In:CVPR（2017）”，“DOI”：“10.1109\/CVPR.2017.632”}，“key“：”12_CR26“，”DOI-assert-by“：”Crosref“，“unsructured“：”Issaranon，T.、Zou，C.、Forsyth，D.：单个rgb图像的反事实深度。收录于：IEEE计算机视觉国际会议论文集（2019）“，”DOI“：”10.1109“/ICCVW.2019.00268“}，{”key“：”12_CR27“，”DOI-asserted-by“：”crossref“，”unstructured“：”Izadinia，H.，Shan，Q.，Seitz，S.M.：Im2cad.收录于《IEEE计算机图像与模式识别会议论文集》，第5134\u20135143（2017）页“，”DOI“：”10.1109\/CVPR.2017.260“}，{“key”：“12_CR28”，“DOI-asserted-by”：“crossref”，“unstructured”：“Jiang，Z.，Liu，B.，Schulter，S.，Wang，Z.和Chandraker，M.：Peek-a-boo:平面表示室内场景中的遮挡推理。摘自：IEEE\/CVF计算机视觉和模式识别会议论文集，第113\u2013121（2020）页”，“DOI”：“10.1109\/CVPR42600.2020.00019“}，{“key”：“12_CR29”，“doi-asserted-by”：“crossref”，“unstructured”：“Jin，L.，Qian，S.，Owens，A.，Fouhey，D.F.：基于稀疏视图的平面曲面重建。In:国际计算机视觉会议（ICCV）（2021）”，“doi”：“10.1109\/ICCV48922.2021.01275”}，}，“key“：”12_CR30“，”非结构化“：”Kendall，A.，Gal，Y.：在计算机视觉的贝叶斯深度学习中，我们需要什么样的不确定性？摘自：《第31届神经信息处理系统国际会议论文集》，pp.5580\u20135590（2017）“}，{“key”：“12_CR31”，“doi-asserted-by”：“crossref”，“unstructured”：“Ku，J.，Pon，A.D.，Waslander，S.L.：利用精确建议和形状重建进行单目3D物体检测。收录于：IEEE计算机视觉和模式识别会议记录，第11867\u201311876页（2019）“，“DOI”：“10.1109\/CVPR.2019.01214”}，{“key”：“12_CR32”，“DOI-asserted-by”：“crossref”，“unstructured”：“Kulkarni，N.，Gupta，A.，Tulsiani，S.：通过几何循环一致性的标准曲面映射。摘自：IEEE计算机视觉国际会议论文集，第2202\u20132211（2019）页“，”DOI“：”10.1109“/ICCV.2019.00229“}，{”key“：”12_CR33“，”DOI-asserted-by“：”crossref“，”unstructured“：”Kulkarni，N.、Misra，I.、Tulsiani，S.、Gupta，A.：三维关系网：三维预测的联合对象和关系网络。摘自：IEEE计算机视觉国际会议论文集，第2212\u20132221页（2019）“，”DOI“：”10.1109\/ICCV.2019.00230“}，{”key“：”12_CR34“，”DOI-asserted-by“：”crossref“，”unstructured“：”Li，L.，Khan，S.，Barnes，N.：从杂乱场景中轮廓辅助三维对象实例重建。摘自：ICCV Workshops（2019年）“，“DOI”：”10.1109 \/ICCVW.2019.00263“}，{“key”：“12_CR35”，“doi-asserted-by”：“crossref”，“unstructured”：“Lin，C.H.，Kong，C.，Lucey，S.：学习密集三维对象重建的高效点云生成。arXiv预印本arXiv:1706.07036（2017）”，“doi”：“10.1609 \/aaai.v32i1.12278”}，}，“key“：”12_CR36“，”doi-assert-by“：”Crosref“，”非结构化“：”Martin-Brualla，R.，Radwan，N.，Sajjadi，M.S.，Barron，J.T.，Dosovitskiy，A.，Duckworth，D.：野外神经辐射场：无约束照片采集。arXiv预打印arXiv:2008.02268（2020）“，“DOI”：“10.1109\/CVPR46437.2021.00713”}，{“key”：“12_CR37”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mescheder，L.、Oechsle，M.、Niemeyer，M.、Nowozin，S.、Geiger，A.：占用网络：在功能空间中学习3D重建。摘自：IEEE计算机视觉和模式识别会议记录，第4460\u20134470页（2019）“，“DOI”：“10.1109\/CVPR.2019.00459”}，{“key”：“12_CR38”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mildenhall，B.，Srinivasan，P.P.，Tancik，M.，Barron，J.T.，Ramamoorthi，R.，Ng，R.：Nerf：将场景表示为用于视图合成的神经辐射场。arXiv预打印arXiv:2003.08934（2020）“，“DOI”：“10.1007\/978-3-030-58452-8_24”}，{“key”：“12_CR39”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mousavian，A.、Anguelov，D.、Flynn，J.、Kosecka，J.：使用深度学习和几何进行3D边界盒估计。摘自：IEEE计算机视觉和模式识别会议论文集，第7074\u20137082页（2017）“，”DOI“：”10.1109\/CVPR.2017.597“}，{“问题”：“1”，“密钥”：“12_CR40”，“DOI-asserted-by”：“publisher”，“首页”：“23”，“DOI”：“10.1002\/for.398020104”，“卷”：“2”，“作者”：“P Newbold”，“年份”：“1983”，“非结构化”：“Newbold，P.：Arima模型的建立和预测的时间序列分析方法。J.预测。2（1），23\u201335（1983）“，“新闻标题”：“J.预测。}，{“key”：“12_CR41”，“doi-asserted-by”：“crossref”，“unstructured”：“聂，Y.，Han，X.，郭，S.，郑，Y..，Chang，J.，Zhang，J.J.：Total3dunderstanding:从单个图像中室内场景的联合布局、对象姿势和网格重建。摘自：IEEE\/CVF计算机视觉和模式识别会议论文集，pp.55\u201364（2020）”，“DOI“：”10.1109\/CVPR42600.2020.00013“}，{“key”：“12_CR42”，“DOI-asserted-by”：“crossref”，“unstructured”：“Park，J.J.，Florence，P.，Straub，J.，Newcombe，R.，Lovegrove，S.：Deepsdf：学习形状表示的连续符号距离函数。摘自：IEEE计算机视觉和模式识别会议记录，第165\u2013174（2019）页“，”DOI“：”10.1109\/CVPR.2019.00025“}，{”key“：”12_CR43“，”series-title“：”计算机科学讲义“，”DOI-asserted-by“：”publisher“，”first page“：作者：“S Peng”，“年份”：“2020年”，“非结构化”：“Peng，S.，Niemeyer，M.，Mescheder，L.，Pollefeys，M.和Geiger，A.：卷积占用网络。收录人：Vedaldi，A.、Bischof，H.、Brox，T.、Frahm，J.-M.（编辑）ECCV 2020。LNCS，第12348卷，第523\u2013540页。施普林格，查姆（2020）。https:\/\/doi.org\/10007\/978-3-030-58580-8_31“}，{“key”：“12_CR44”，“doi-asserted-by”：“crossref”，“unstructured”：“Poggi，M.，Aleotti，F.，Tosi，F.和Mattoccia，S.：关于自监督单目深度估计的不确定性。摘自：IEEE\/CVF计算机视觉和模式识别会议记录，pp.3227\u20133237（2020）”，“doi”：“10.1109 \/CVPR42600.2020.00329“}，{“key”：“12_CR45”，“unstructured”：“Raistick，A.，Kulkarni，N.，Fouhey，D.F.：碰撞回放：碰撞告诉你关于场景几何体的事情是什么？arXiv预印本arXiv:2105.01061（2021）”}，}，“key“：”12_CR46“，”unstructure“：”Ranftl，R.、Lasinger，K.、Hafner，D.、Schindler，K.和Koltun，V.：走向稳健的单目深度估计：零快照交叉数据集传输的混合数据集。IEEE传输。模式分析。机器。智力。（TPAMI）（2020）“}，{”key“：”12_CR47“，”doi-asserted-by“：”crossref“，”unstructured“：”Saito，S.，Huang，Z.，Natsume，R.，Morishima，S.、Kanazawa，A.，Li，H.：Pifu：高分辨率着装人体数字化的像素对齐隐函数。摘自：IEEE国际计算机视觉会议论文集，第2304\u20132314页（2019）“，”doi“：”10.1109\/ICCV.2019.00239“}，{“key”：“12_CR48”，“doi-asserted-by”：“crossref”，“unstructured”：“Saito，S.，Simon，T.，Saragih，J.，Joo，H.：Pifuhd：用于高分辨率三维人体数字化的多级像素对齐隐式函数。摘自：IEEE计算机视觉和模式识别会议论文集，第84\u201393（2020）页”，“doi”：“10.1109\/CVPR42600.2020.00016“}，{“issue”：“5”，“key”：“12_CR49”，“doi-asserted-by”：“publisher”，“first page”：”824“，“doi”：“10.1109\/TPAMI.2008.132”，“volume”：：“31”，“author”：“A Saxena”，“year”：“2008”，“unstructured”：“Saxena，A.，Sun，M.，Ng，A.Y.：Make3d：从单个静止图像学习3D场景结构。IEEE Trans.Pattern Anal.Mach.Intell.31（5），824\u2013840（2008）“，”日志标题“：”IEEE Trans。模式分析。机器。智力。}，{“key”：“12_CR50”，“unstructured”：“Seitz，S.M.，Curless，B.，Diebel，J.，Scharstein，D.，Szeliski，R.：多视角立体重建算法的比较与评估。收录于：2006 IEEE计算机视觉与模式识别计算机学会会议（CVPR 2006），第1卷，第519\u2013528页。IEEE（2006）“}，{“key”：“12_CR51”，“doi-asserted-by”：“crossref”，“unstructured”：“Shade，J.，Gortler，S.，He，L.W.，Szeliski，R.：分层深度图像。摘自：《第25届计算机图形与交互技术年会论文集》，第231\u2013242（1998）页”，“doi”：“10.1145\/280814.280882”}，}Sitzmann，V.、Martel，J.、Bergman，A.、Lindell，D.、Wetzstein，G.：具有周期激活函数的隐式神经表征。高级神经信息处理。系统。33（2020）“}，{”key“：”12_CR53“，”doi-asserted-by“：”crossref“，”unstructured“：”Song，S.，Yu，F.，Zeng，A.，Chang，A.X.，Savva，M.，Funkhouser，T.：从单一深度图像完成语义场景。摘自：IEEE计算机视觉和模式识别会议论文集，第1746\u20131754页（2017）“，”doi“：”10.1109\/CVPR.2017.28“}”，{“key”：“”12_CR54“，”doi-asserted-by“：”crossref“，”unstructured“：”Sun，X.，et al.：Pix3d：单图像3D形状建模的数据集和方法。摘自：IEEE计算机视觉和模式识别会议记录，第2974\u20132983页（2018）“，”DOI“：”10.1109\/CVPR.2018.00314“}，{“key”：“12_CR55”，“DOI-asserted-by”：“crossref”，“unstructured”：“Tatarenko，M.，Richter，S.R.，Ranftl，R.，Li，Z.，Koltun，V.，Brox，T.：单视图3D重建网络学到了什么？摘自：IEEE计算机视觉和模式识别会议记录，第3405\u20133414（2019）页“，”DOI“：”10.1109\/CVPR.2019.00352“}，{“key”：“12_CR56”，“first page”：”1922“，”volume“：”44“，”author“：”Z Tian“，”year“：”2020“，”unstructured“：”Tian，Z.，Shen，C.，Chen，H.，He，T.：FCOS：一种简单而强大的无锚点目标探测器。TPAMI 441922\u20131933（2020）“，“journal-title”：“TPAMI”}，{“key”：“12_CR57”，“doi-asserted-by”：“crossref”，“unstructured”：“Tulsiani，S.、Gupta，S.，Fouhey，D.F.、Efros，A.A.、Malik，J.：从3D场景的2D图像中分解形状、姿势和布局。摘自：IEEE计算机视觉和模式识别会议记录，第302\u2013310页（2018）“，“DOI”：“10.1109\/CVPR.2018.00039”}，{“key”：“12_CR58”，“DOI-asserted-by”：“crossref”，“unstructured”：“Tulsiani，S.，Su，H.，Guibas，L.J.，Efros，A.A.，Malik，J.：通过组合体积基本体学习形状抽象。摘自：IEEE计算机视觉和模式识别会议记录，第2635\u20132643页（2017）“，“DOI”：“10.1109\/CVPR.2017.160”}，{“key”：“12_CR59”，“series-title”：“计算机科学讲义”，“DOI-asserted-by”：“publisher”，“first page”：”311“，“DOI”：”10.1007\/978-3-030-01234-2_19“，“volume-title”：”计算机视觉\u2013 ECCV 2018“，”作者：“S Tulsiani”，“year”：“2018”，“unstructured”：“Tulsiany，S.，Tucker，R.，Snavely，N.：通过视图合成进行层结构3D场景推断。收件人：Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y.（编辑）ECCV 2018。LNCS，第11211卷，第311\u2013327页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01234-2_19“}，{“key”：“12_CR60”，“doi-asserted-by”：“publisher”，“unstructured”：“Virtanen，P.，et al.：SciPy 1.0贡献者：SciPy 1.0：python.Nat.Methods 17，261\u2013272（2020）中科学计算的基本算法。https:\//doi.org\/10.10038\/s41592-019-0686-2”，“doi”：“10.1038\/s41592-0119-06862”2“}，{“key”：“12_CR61”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：”55“，“doi”：“10.1007\/978-3-030-01252-6_4”，“volume-title”：”Computer Vision\u2013 ECCV 2018“，“author”：“N Wang”，“year”：“2018”，“unstructured”：“Wang，N.，Zhang，Y.，Li，Z.，Fu，Y..，Liu，W.，Jiang，Y.-G.：Pixel2Mesh：从单个RGB图像生成3D网格模型。收录：Ferrari，V.，Hebert，M.，Sminchisescu，C.，Weiss，Y..（编辑）ECCV 2018。LNCS，第11215卷，第55\u201371页。查姆施普林格（2018）。https:\/\/doi.org\/10.1007\/978-3-030-01252-6_4“}，{“key”：“12_CR62”，“doi-asserted-by”：“crossref”，“unstructured”：“Wang，X.，Fouhey，D.F.，Gupta，A.：为地表法向估计设计深部网络。In:CVPR（2015）”，“doi”：“10.1109\/CVPR.2015.7298652”}，}，“key“：”12_CR63“，”doi-assert-by“：”Crosref“，“un结构化”：“Weyn，J.A.、Durran，D.R.、Caruana，R.：在立方体球体上使用深度卷积神经网络改进数据驱动的全球天气预测。J.高级模型。地球系统。12（9），e2020 MS002109（2020）“，”DOI“：”10.1029 \/2020MS002109”}，{“key”：“12_CR64”，“unstructured”：“Xu，Q.，Wang，W.，Ceylan，D.，Mech，R.，Neumann，U.：DISN：用于高质量单视图3D重建的深隐式曲面网络。Adv.Neural Inf.Process.Syst.，492\u2013502（2019）”}Yu，A.，Ye，V.，Tancik，M.，Kanazawa，A.：像素NeRF：来自一张或几张图像的神经辐射场。收录于：CVPR（2021）“，”DOI“：”10.1109\/CVPR46437.2021.00455“}，{“key”：“12_CR66”，“unstructured”：“Zhang，K.，Riegler，G.，Snavely，N.，Koltun，V.：Nerf++：分析和改善神经辐射场。arXiv预印本arXiv:2010.07492（2020）”}，}，[key“：”12_CR67“series-title”：“计算机科学讲义”，“DOI-asserted-by”：“publisher”，“first page”“：”649“，”DOI“：”10.1007\/978-3-319-46487-9_40“，”volume-title“：”Computer Vision\u2013 ECCV 2016“，”author“：”R Zhang“，”year“：”2016“，“unstructured”：“Zhang，R.，Isola，P.，Efros，A.A.：彩色图像着色。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9907卷，第649\u2013666页。查姆施普林格（2016）。https:\/\/doi.org\/10.1007\/978-3-319-46487-9_40“}，{“key”：“12_CR68”，“unstructured”：“Zhou，X.，Wang，D.，Kr\u00e4henb\u00fchl，P.：对象作为点。arXiv预印本arXiv:1904.07850（2019）”}Zhu，S.，Ebrahimi，S.，Kanazawa，A.，Darrell，T.：用于从单个图像学习隐式3D场景重建的可微分梯度采样。In:国际学习代表大会（2021）“}]，“container-title”：[“计算机科学课堂讲稿”，“Computer Vision\u2013 ECCV 2022”]，“原始标题”：[]，“链接”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-031-20086-1_12”，“content-type”：“未指定”，“内容-版本”：“vor”，“intended-application”：“相似性检查“}]，“存放”：{“日期部分”：[[2022,11,10]]，“日期时间”：“2022-11-10T10:53:39Z”，“时间戳”：1668077619000}，“分数”：1，“资源”：{-“主要”：{“URL”：“https:\/\/link.springer.com\/10.1007\/978-3-031-20086-1_12”}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2022]，“ISBN”：[“9783031200854”，“97830.31200861”]，“references-count“：69，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-031-20086-1_12“，”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11日”，“order”：1，“name”：“first_online”，“label“：”First Online“，”group“：{”name“：”ChapterHistory“，”label“:”Chapter History”}}，{”value“：”ECCV“，”order“：1，“name”：”conference_acrombit“，”标签“：”会议缩写“，”group“：{name“：“ConferenceInfo”，“label”：“Concement Information”}}}、{“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“，”table“：”conferency city“，”group“，标签“：”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）”}}]}}