｛“status”：“ok”，“message type”：“work”，“message version”：“1.0.0”，“message”：｛“indexed”：｛“date parts”：[[2024,5,8]]，“date-time”：“2024-05-08T05:59:18Z”，“timestamp”：17151479558485｝，“publisher location”：“Cham”，“reference count”：56，“publisher”：“Springer Nature Switzerland”，“isbn type”：[｛“value”：“9783031250712”，“type”：“print”｝，｛“value”：“9783031250729”，“类型”：“electronic”}]，“license”：[{“start”：{“date-parts”：[[2023,1,1]]，“date-time”：“2023-01-01T00:00:00Z”，“timestamp”：1672531200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com\/gp\/searners\/text-and-data-mining”}，{“tart”：1-01T00:00:00Z“，”时间戳“：1672531200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[[2023,1,1]]，“date-time”：“2023-01-01T00:00:00Z”，“timestamp”：1672531200000}，“content-version”：“tdm”，“delay-in-days”：“0，“URL”：“http://www.sprinternature.com/gp”\/researchs\/text-and-data-mining“}，{“start”：{“date-parts”：[[2023,1,1]]，“date-time”：“2023-01-01T00:00:00Z”，“timestamp”：1672531200000}，“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}，”shortcontainer-title“：[]，“published-print”：{“date-parts”：[[2023]]}，“DOI”：“10.1007\/978-3-031-25072-9_37”，“type”：“book-chapter”，“created”：{”date-part“：[2023,2,17]]，“date-time”：“2023-02-17T08:40:04Z”，“timestamp”：1676623204000}，”page“：”543-560“，”update-policy“：“http://\/dx.DOI.org\/10.10007\/springer_crossmark_policy”，“source”：“Crossref”，“is-referenced-by-count”：2，“title”：[“对\u00a0Memory-Based Trajectory Predictors的可解释稀疏注意”]，“前缀”：“10.1007”，“作者”：[{“ORCID”：“http://\/ORCID.org\/00000-0001-8884-2728”，“authenticated-ORCID”：false，“给定”：“Francesco”，”family“：”Marchetti“，”sequence“：”first“，”affiliation“：[]}，{“OR CID”:“http://\ORCID.org\/000-0003-2537-2700”，“authenticated-ORCID：false，“给定”：“Federico”，“family”：“Becattini”，“sequence”：“additional”，“affiliation”：[]}，{“ORCID”：“http://\ORCID.org\/00000-0003-4816-0268”，“authenticated-ORCID”：false，“given”：”Lorenzo“，”family“：”Seidenari“，”sequence“：”additional“：”阿尔贝托“，”家人“：“Del Bimbo”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“297”，“published-online”：{“date-parts”：[2023,2,18]]}，“reference”：[{“key”：“37_CR1”，“doi-asserted-by”：“crossref”，”unstructured“：“Alahi，A.，Goel，K.，Ramanathan，V.，Robicquet，A.，Fei-Fei，L.，Savarese，S.：社会LSTM：拥挤空间中的人类轨迹预测。摘自：IEEE计算机视觉和模式识别会议论文集，第961页\u2013971（2016）”，“DOI”：“10.1109\/CVPR.2016.110”}，{“key”：“37_CR2”，“series-title”：“The Springer Series on Challenges in Machine Learning”，“doi-asserted-by”：“publisher”，“first page”：“111”，“doi”：“10.1007\/978-3-030-25614-2_10”，“volume-title”：“Inpainting and Denoise Challenge”，《作者》：“L Berlincioni”，‘年份’：“2019”，“非结构化”：“Berlincioni，L.、Becattini，F.、Galteri，L.，Seidenari，L.和Bimbo，A.D.：通过生成性对抗性修复理解道路布局。摘自：Escalera，S.、Ayache，S、Wan，J.、Madadi，M.、G\u00fc\u00e7l\u00fc，U.、Bar\u00f3，X.（编辑）inpainting and Denoising Challenges.TSSCML，pp.111\u2013128。查姆施普林格（2019）。https:\/\/doi.org\/10.1007\/978-3-030-25614-2_10“}，{“key”：“37_CR3”，“unstructured”：“Berlincioni，L.，BecattiniBhattacharyya，A.、Hanselmann，M.、Fritz，M.，Schiele，B.、Straehle，C.N.：结构化序列预测的条件流变分自动编码器（2020）“}，{“key”：“37_CR5”，“doi-asserted-by”：“crossref”，“unstructured”：“Caesar，H.等人：nuScenes：自动驾驶的多模式数据集。收录于：IEEE计算机视觉和模式识别会议论文集，第11621\u201311631（2020）页，“DOI”：“10.1109”，{“key”：“37_CR6”，“DOI-asserted-by”：“crossref”，“unstructured”：“Chang，M.F.等人：Argoverse：使用丰富的地图进行3D跟踪和预测。摘自：IEEE计算机视觉和模式识别会议记录，第8748\u20138757页（2019）“，“DOI”：“10.1109\/CVPR.2019.00895”}，{“key”：“37_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“De Divitis，L.、Becattini，F.、Baecchi，C.、Bimbo，A.D.：时尚推荐的分离特征。ACM事务处理。多媒体计算。Commun公司。申请。（TOMM）（2022）“，”DOI“：”10.1145\/3531017“}，{“key”：“37_CR8”，“DOI-asserted-by”：“crossref”，“unstructured”：“De Divitis，L.，Becattini，F.，Baecchi，C.，Del Bimbo，A.：基于风格的服装建议。收录：2021年基于内容的多媒体索引国际会议（CBMI），第1\u20134页。IEEE（2021）“，”DOI“：”10.1109\/CBMI50038.2021.9461912“}，{”key“：”37_CR9“，”unstructured“：”Dendorfer，P.，Osep，A.，Leal-Taixe，L.：Goal-GAN：基于目标位置估计的多模态轨迹预测。In:Proceedings of the Asian Confer on Computer Vision（2020）“}”，{“key”：“37_CR10”，“DOI-asserted-by”：“crossref”，“unstructure”：“”Deo，N.，Trivedi，M.M.：使用基于机动的LSTMS对周围车辆进行多模态轨迹预测。摘自：2018 IEEE智能车辆研讨会（IV），第1179\u20131184页。IEEE（2018）”，“DOI”：“10.1109\/IVS.2018.8500493”}，｛“key”：“37_CR11”，“非结构化”：“Deo，N.，Trivedi，M.M.：基于网格计划的未知环境中的轨迹预测。arXiv预印本arXiv:2001.00735（2020）”}，｛“key”：“37_CR12”，“非结构化”：“Devlin，J.，Chang，M.W.，Lee，K.，Toutanova，K.：伯特：语言理解深度双向变换器的预培训。arXiv预印本arXiv:1810.04805（2018）“}，{“key”：“37_CR13”，“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher”，“first page”：《282》，“doi”：“10.1007\/978-3-030-68790-8_23”，《volume-title》：“模式识别。ICPR国际研讨会和挑战”，“author”：“L De Divitis”，“year”：“2021”，“unstructured”：“De Divitis，L.、Becattini，F.、Baecchi，C.、Del Bimbo，A.：记忆增强神经网络服装推荐。摘自：Del Bimbo，A.等人（编辑）ICPR 2021。LNCS，第12662卷，第282\u2013295页。查姆施普林格（2021）。https:\/\/doi.org\/10.1007\/978-3-030-68790-8_23“}，{“key”：“37_CR14”，“doi-asserted-by”：“crossref”，“unstructured”：“Geiger，A.，Lenz，P.，Urtasun，R.：我们准备好自动驾驶了吗？kitti视觉基准套件。收录：2012 IEEE计算机视觉和模式识别会议，第3354\u20133361页。IEEE（2012）”，“DOI”：“10.1109\/CVPR.2012.6248074”}，｛“key”：“37_CR15”，“DOI断言”：“crossref”，“非结构化”：“Giuliari，F.，Hasan，I.，Cristani，M.，Galasso，F.：轨迹预测的变压器网络。In：2020第25届国际模式识别大会（ICPR），pp.10335\u201310342。IEEE（2021）“，“DOI”：“10.1109\/ICPR48806.2021.9412190”}，{“key”：“37_CR16”，“unstructured”：“Graves，A.，Wayne，G.，Danihelka，I.：神经图灵机器。arXiv预印本arXiv:1410.5401（2014）”}、{“issue”：“7626”，“key“：”37_CR17“，”DOI-asserted-by“：”publisher“，”首页“：”471“，”DOI“：”10.1038\/nature20101“，“volume”：“538”，“author”：“A Graves”，“year”：“2016”，“非结构化“：”Graves，A.等人：使用具有动态外部存储器的神经网络进行混合计算。Nature 538（7626），471\u2013476（2016）“，”journal-title“：”Nature“}，{”key“：”37_CR18“，”doi-asserted-by“：”crossref“，”unstructured“：”Gupta，A.、Johnson，J.、Fei-Fei，L.、Savarese，S.、Alahi，A.：社会GAN：具有生成性对抗网络的社会可接受轨迹。摘自：IEEE计算机视觉和模式识别会议记录，pp.2255\u20132264（2018）“，“DOI”：“10.1109\/CVPR.2018.00240”}，{“key”：“37_CR19”，“unstructured”：“He，Z.，Wildes，R.P.：你要去哪里？使用专家目标示例进行动态轨迹预测。In:Proceedings of the International Conference on Computer Vision（ICCV）（2021）“}，{“issue”：“5”，“key”：“37_CR20”，“doi-asserted-by”：“publisher”，“first-page”：“4282”，“doi”：“10.1103\/PhysRevE.51.4282”，（卷）：“51”，“author”：“D Helbing”，“year”：“1995”，“unstructured”：“Helbing，D.，Molnar，P.：行人动力学的社会力量模型。Phys.Rev.E 51（5），4282（1995）”，“期刊标题”：“Phys。Rev.E“}，{“key”：“37_CR21”，“doi-asserted-by”：“crossref”，“unstructured”：“Ivanovic，B.，Pavone，M.：trajectron:动态时空图的概率多智能体轨迹建模。摘自：IEEE国际计算机视觉会议论文集，第2375\u20132384页（2019）”，“doi”：“10.1109\/ICCV.2019.00246”}非结构化”：“Kosaraju，V.，Sadeghian，A.，Martin-Martin，R.，Reid，I.，Rezatofighi，H.，Savarese，S.：Social-bigat：使用自行车-GAN和图形注意力网络进行多模态轨迹预测。摘自：神经信息处理系统进展，第32卷。Curran Associates，Inc.（2019）“}，{“key”：“37_CR23”，“unstructured”：“Kothari，P.，Kreiss，S.，Alahi，A.：人群中的人类轨迹预测：深度学习视角。arXiv预印本arXiv:2007.03639（2020）”}，“{”key“：”37_CR24“非结构化”：“Kumar，A.等人：问我任何问题：自然语言处理的动态记忆网络。摘自：国际机器学习会议，第1378\u20131387页（2016）“}，{“key”：“37_CR25”，“doi-asserted-by”：“crossref”，“unstructured”：“Lee，N.，et al.：Desire:带交互代理的动态场景中的遥远未来预测。摘自：IEEE计算机视觉和模式识别会议论文集，第336\u2013345页（2017）”，“doi”：“10.1109\/CVPR.2017.233“}，{“key”：“37_CR26”，“unstructured”：“Li，J.，Yang，F.，Tomizuka，M.，Choi，C.：进化图：具有动态关系推理的多智能体轨迹预测。In:Proceedings of the Neur Information Processing Systems（NeurIPS）（2020）”}，}，“key“：”37_CR27“series-title”：“计算机科学课堂讲稿”，“doi-asserted-by”：“publisher“，”first page“：”275“，”DOI“：”10.1007\/978-3-030-58601-0_17“，”volume-title“：”Computer Vision\u2013 ECCV 2020“，”author“：”J Liang“，“year”：“2020”，”unstructured“：”Liang，J.，Jiang，L.，Hauptmann，A.：SimAug：从仿真中学习鲁棒表示法以进行轨迹预测。收录人：Vedaldi，A.、Bischof，H.、Brox，T.、Frahm，J.-M.（编辑）ECCV 2020。LNCS，第12358卷，第275\u2013292页。查姆施普林格（2020）。https:\/\/doi.org\/10.1007\/978-3-030-58601-0_17“}，{“key”：“37_CR28”，“doi-asserted-by”：“crossref”，“unstructured”：“Lisotto，M.，Coscia，P.，Ballan，L.：拥挤空间中的社会和场景感知轨迹预测。摘自：IEEE国际计算机视觉研讨会（2019）会议记录”，“doi”：“10.1109\/ICCVW.2019.00314”}37_CR29“，”doi-asserted-by“：”crossref“，”unstructured“：”Ma，C.等人：用记忆增强网络进行可视化问答。摘自：IEEE计算机视觉和模式识别会议记录，第6975\u20136984页（2018）“，“DOI”：“10.1109\/CVPR.2018.00729”}，{“key”：“37_CR30”，“DOI-asserted-by”：“crossref”，“unstructured”：“Ma，Y.，Zhu，X.，Zhang，S.，Yang，R.，Wang，W.，Manocha，D.：流量预测：异构流量代理的轨迹预测。摘自：《AAAI人工智能会议记录》，第33卷，第6120\u20136127页（2019年）“，“DOI”：“10.1609\/AAAI.v33i01.3301620”}，{“key”：“37_CR31”，“DOI-asserted-by”：“crossref”，“unstructured”：“Mangalam，K.等人：这不是旅程，而是目的地：终点条件轨迹预测。arXiv预打印arXiv:2004.02025（2020）“，“DOI”：“10.1007\/978-3-030-58536-5_45”}，{“key”：“37_CR32”，“DOI-asserted-by”：“crossref”，“unstructured”：“Marchetti，F.，Becattini，F..，Seidenari，L.，Del Bimbo，A.：咒语：用于多轨迹预测的记忆增强网络。摘自：《IEEE计算机视觉和模式识别会议论文集（2020）》，“DOI”：“10.1109\/CVPR42600.2020.00717”}，{“key”：“37_CR33”，“unstructured”：“Marchetti，F.，Becattini，F..，Seidenari，L.，Del Bimbo，A.：使用内存增强网络对移动代理进行多轨迹预测。IEEE Trans.Pattern Anal.Mach.Intell.（2020）”}，{“key”：“37_CR34”，“unstructured”：“Marchetti，F.，Becattini，F..，Seidenari，L.，Del Bimbo，A.：Smemo：轨迹预测的社会记忆。arXiv预印本arXiv:2203.12446（2022）”}，{”key“：”37_CR35“非结构化”：“Martins，A.，Astudillo，R.：从softmax到sparsemax:注意力和多标签分类的稀疏模型。摘自：机器学习国际会议，第1614\u20131623页。PMLR（2016）“}，{“key”：“37_CR36”，“doi-asserted-by”：“crossref”，“unstructured”：“Mohamed，A.，Qian，K.，Elhoseiny，M.，Claudel，C.：Social-STGCNN:一种用于人类轨迹预测的社会时空图卷积神经网络。摘自：IEEE\/CVF计算机视觉和模式识别会议论文集，pp.14424\u201314432（2020）“，”DOI“：”10.1109\/CVPR4600.200.01443“｝，｛”key“：”37_CR37“，”DOI断言“：”crossref“，”非结构化“：”Pang，B.，Zhao，T.，Xie，X.，Wu，Y.N.：基于潜在信念能量的模型的轨迹预测。在：IEEE\/CFF计算机视觉和模式识别会议论文集，pp.11814\u201311824（2021）“，”DOI“：”10.1109\/CVPR46437.2021.01164“}，{“key”：“37_CR38”，“doi-asserted-by”：“crossref”，“unstructured”：“Pellegrini，S.，Ess，A.，Schindler，K.，Van Gool，L.：You\u2019ll never walken alway:modeling social behavior for multi-target tracking。摘自：2009 IEEE 12th International Conference on Computer Vision，pp.261\u2013268。IEEE（2009）“，”DOI“：”10.1109\/ICCV.2009.5459260“}，{“key”：“37_CR39”，“DOI-asserted-by”：“publisher”，“DOI”：“10.1016\/j.cviu.2020.102983”，“volume”：”197“，“author”：“F Pernici”，“year”：“2020”，“unstructured”：“Pernici，F.，Bruni，M.，Del Bimbo，A.：视频流的自我监督在线累积学习。计算可视化图像理解197，102983（2020）“，”journal-title“：”计算。视觉。图像理解。“}，{”key“：”37_CR40“，”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。摘自：IEEE计算机视觉和模式识别会议论文集，第2001\u20132010（2017）页”，“doi”：“10.1109\/CVPR.2017.587”}，}“issue”：“2”，“key”：“”37_CR41“，”doi-asserted-by“：”publisher“，”first page“：”2816“，”doi“：”10.1109\/LRA.2020.2974393“，”volume“：“5”，”author“：”D Ride“，”year“：”2020“，”unstructured“：”Ride，D.，Deo，N.，Wolf，D.，Trivedi，M.：使用以代理为中心的时空网格进行场景兼容轨迹预测。IEEE机器人。自动。莱特。5（2），2816\u20132823（2020）。https:\/\/doi.org/10.1109\/LR.2020.2974393”，“期刊标题”：“IEEE机器人。自动。莱特。“}，{”key“：”37_CR42“，”series-title“：”计算机科学课堂讲稿“，”doi-asserted-by“：”publisher“，”first page“：“549”，”doi“：”10.1007\/978-3319-46484-8_33“，”volume-title“：“Computer Vision\u2013 ECCV 2016”，”author“：”A Robicquet“，”year“：”2016“，”unstructured“：”Robicquet，A.、Sadeghian，A.、Alahi，A.和Savarese，S.：学习社交礼仪：理解拥挤场景中的人类轨迹。收录人：Leibe，B.，Matas，J.，Sebe，N.，Welling，M.（编辑）ECCV 2016。LNCS，第9912卷，第549\u2013565页。查姆施普林格（2016）。https:\/\/doi.org\/10007\/978-3-319-46484-8_33“}，{”key“：”37_CR43“，”unstructured“：”Sadeghian，A.，Kosaraju，V.，Gupta，A.，Savarese，S.，Alahi，A.：Trajnet：人类轨迹预测基准。arXiv预印本（2018）“}”，{“key”：“37_CR44”，“doi-asserted-by”：“crossref”，“unstructure”：“”Sadeghian，A.，Kosaraju，V.，Sadeghian，A.，Hirose，N.，Rezatofighi，H.，Savarese，S.：Sophie：一个专注的GAN，用于预测符合社会和物理约束的路径。在：《IEEE计算机视觉与模式识别会议论文集》，第1349\u20131358页（2019），“DOI”：“10.1109\/CVPR.2019.00144”｝，｛“key”：“37_CR45”，“DOI断言”：“crossref”，“非结构化”：“Salzmann，T.、Ivanovic，B.、Chakravarty，P.、Pavone，M.：Trajectron++：使用异质数据进行控制的多智能体生成轨迹预测。arXiv预印本arXiv:2001.03093（2020）“，“DOI”：“10.1007\/978-3-030-58523-5_40”}，{“key”：“37_CR46”，“unstructured”：“Santoro，A.，Bartunov，S.，Botvinick，M.，Wierstra，D.，Lillicrap，T.：用记忆增强神经网络进行元学习。In:International Conference on Machine learning，pp.1842\u20131850（2016）”}“，{”key“：”37_CR47“，”DOI-asserted-by“：”crossref”，“非结构化”：“Shafie，N.，Padir，T.，Elhamifar，E.：内向：通过条件3D注意力预测人类轨迹。收录于：IEEE计算机视觉和模式识别会议论文集，第16815页，201316825（2021），“DOI”：“10.1109”，{“key”：“37_CR48”，“DOI-asserted-by”：“crossref”，“unstructured”：“Shi，L.，et al.：SGCN：用于行人轨迹预测的稀疏图卷积网络。收录于：IEEE计算机视觉和模式识别会议记录，第8994\u20139003（2021）页，“DOI”：“10.1109\/CVPR46437.2021.00888”}，{“key”：“37_CR49”，“DOI-asserted-by”：“crossref”，“unstructured”：“Srikanth，S.、Ansari，J.A.、Sharma，S.等人：INFER：未来预测的中间表示法。收录于：IEEE \/RSJ智能机器人和系统国际会议（IROS 2019）（2019）“，”DOI“：”10.1109\/IROS40897.2019.8968553“}，{“key”：“37_CR50”，“unstructured”：“Sukhbaatar，S.，Weston，J.，Fergus，R.，et al.：端到端记忆网络。收录于《神经信息处理系统进展》，第2440\u20132448页（2015）“}、{”key“：”37_CR51“，”doi-asserted-by“：”crossref“，”unstructured“：”Sun，J.，Li，Y.，Fang，H.S.，Lu，C.：多模态轨迹预测的三个步骤：模态聚类、分类和合成。arXiv预印本arXiv:2103.07854（2021）“，”DOI“：”10.1109\/ICCV48922.2021.01300“}，{“key”：“37_CR52”，“unstructured”：“Vaswani，A.，et al.：注意就是你所需要的。In:Advances In Neural Information Processing Systems，vol.30（2017）“}Weston，J.、Chopra，S.、Bordes，A.：记忆网络。arXiv预印本arXiv:14100.3916（2014）“}，{“key”：“37_CR54”，“doi-asserted-by”：“crossref”，“unstructured”：“Xu，C.，Mao，W.，Zhang，W.和Chen，S.：记住意图：基于回顾记忆的轨迹预测。摘自：IEEE \/CVF计算机视觉和模式识别会议论文集，pp.6488\u20136497（2022）”，“doi”：“10.1109 \/CVPR52688.2022.00638“}，{“key”：“37_CR55”，“doi-asserted-by”：“crossref”，“unstructured”：“Yuan，Y.，Weng，X.，Ou，Y.、Kitani，K.：Agentformer：用于社会-时间多智能体预测的智能体感知变压器。arXiv预印本arXiv:2103.14023（2021）”，“doi”：“10.1109 \/ICCV48922.2021.00967”}，}，“key“：”37_CR56“，“unsructured“：”Zhao，H.等：TNT：目标驱动的轨迹预测。arXiv abs \/2008.08294（2020）“}]，“container-title”：[“计算机科学课堂讲稿”，“计算机视觉\u2013 ECCV 2022研讨会”]，“原始标题”：[]，“链接”：[{“URL”：“https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-031-25072-9_37”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application”：“相似性检查”}]存放“：{“date-parts”：[[2024,3,12]]，“date-time”：“2024-03-12T15:45:09Z”，“timestamp”：1710258309000}，“score”：1，“resource”：{（主要）：{”URL“：”https:\/\/link.springer.com\/10.1007\/978-3-031-25072-9_37“}，”副标题：[]，“shorttitle”：[]，“issued”：{“date-parts”：[2023]]}，《ISBN》：[“97830”31250712“，”9783031250729“]，“references-count”：56，“URL”：“http:\/\/dx.doi.org\/10.1007\/978-3-031-25072-9_37“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”value“：”03029743“，”type“:”print“}，{”value“：”1611-33049“，”类型“：”electronic“}]，”subject“：【】，”published“：{”date-parts“：【2023】】}，“assertion”：【{”值“：”2023年2月18日“，”order“：1，”name“：”first_online“，”label“：”first online“，“group”：{“name“：”ChapterHistory“，”label“：”Chapter History”}}，{“value”：“ECCV”，“order”：1，“name”：“conference_acrombit”，“label”：“conference缩写”，“group”：{“name”:“ConferenceInfo”，”lable“：”ConferenceInformation“}，”value“：”European conference-on-Computer Vision“，”order“：2，”name“:”conference_name“，”标签“：”会议名称“，”group“：{”name“：label“：”Conference Information“}}，{“value”：“Tel Aviv”，“order”：3，“name”：“Conference_city”，“label”：“ConferenceCity”，“group”：{“name”:“ConferenceInfo”，“标签”：“会议信息”}}“”2022“，”order“：5，”name“：”conference_year“，”label“：”会议年份“，”group“：”{“name”：“ConferenceInfo”，“label”：“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”“名称”：“conference_end_date“，”label“：”会议结束日期“，”group“：“，”group“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”https:\/\/eccv2022.ecva.net\/“，”order“：11，”name“:”Conference_url“，”tabel“：“会议url”，”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“：｛”name“：”ConfEventPeerReviewInformation“，”label“：”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“：“发送供审阅的提交数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行审阅信息（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”，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）28%-该值由等式“接受的完整论文数”/“提交供审查的论文数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_full_papers“，”label“：”完整论文的接受率“，”group“：”{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“3.21”，“order”：7，“name”:“average_number_of_reviews_per_paper”，“table”：“每篇论文的平均审阅次数”，“group”：{“”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（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”:“ConfEventpeerReview信息”，“标签”：“”同行评审信息（由会议组织者提供）“}}，{“value”：“Yes”，“order”：9，“name”：“external_reviewers_involved”，“label”：“external reviewers involved”、“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息从研讨会中，367篇经评审的论文被选为出版物“，”订单“：10，”名称“：”additional_info_on_review_process“，”标签“：”评审过程的附加信息“，”组“：{”名称“:”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}]}}