{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,5,8]]，“日期-时间”：“2024-05-08T07:54:52Z”，“时间戳”：1715154892212}，“引用-计数”：78，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{“日期-部分”：[2022,11,1]]，“，”timestamp“：1667260800000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[2022,8,28]]，“date-time”：“2022-08-28T00:00:00Z”，“timestamp”：1661644800000}，“content-version”：“vor”，“delay-in-days”：“0，”URL“http://creativecommons.org\/licenses\/by-nc-n d\/4.0\/“}]，“出资人”：[{“DOI”：“10.13039\/100014440”，“名称”：“Espa\u00f1a Ministerio de Ciencia Innovaci\u00f3n y Universidades”，“doi-asserted-by”：“出版商”，“奖项”：[“CAS21\/00182”]}，{“doi”：“10.13039\/50100003176”，“name”：“Ministerio-de Educaci\u00f 3n，文化部”，“doi-asserte-by”：“publisher”}，}“doi:”10.13039\\501100004837“，”name“：”Ministerio-de Cieci encia e Innovaci\u00f3n“，”doi-asserted-by“：“publisher”，“adward”：[“PID2020-115995RB-I00”]}]，“content-domain”：{“domain”（域）：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[”图像与视觉计算“]，”published-print“：{”date-parts“：[2022,11]}，”DOI“：”10.1016\/j.imavis.2022.104531“，”type“：”journal-article“，”created“：{”日期部分”：[2022,9,13]]，“date-time”：“2022-09-13T06:25:35Z”，“timestamp”：1663050335000}，“page”：“104531”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：3，“title”：[“Deep Shape-from-Template:Single-image quasi-isometric deformable registration and reconstruction”]，“prefix”：“10.1016”，“volume”:“127”，“author”“”：[{“given”：“David”，“family”：“Fuentes-Simenez”，“sequence”：“first”，“affiliation”：[]}，{“Givent”：“Daniel”，”family“：”Pizarro“，”sequence“：”additional“，”affiliance“：[]{”givent“：”David“，”faily“：“Casillas-P\u00e9rez”，”se序列“：”附加“，”从属关系“：[]}，，“从属关系”：[]}，{“给定”：“Adrien”，“family”：“Bartoli”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“78”，“reference”：[{“key”：“10.1016\/j.imavis.2022.104531_b0005”，“series-title”：“计算机视觉中的多视图几何”，“author”：“Hartley”，“year”：“2003”}，{“key”：”10.1016\\j.imavis.2022.104531_b 0010“，”series-tile“IEEE计算机视觉与模式识别会议”，“article-title”：“从图像流中恢复非刚性3D形状”，“author”：“Bregler”，“year”：“2000”}，{“issue”：“5”，“key”：“10.1016\/j.imavis.2022.104531_b0015”，”doi-asserted-by“：”crossref“，”first page“：”878“，”doi“10.1109\/TPAMI.2007.70752”，“artice-title“：”非刚性结构-促动：用层次优先级估计形状和运动“，“volume”：“30”，“author”：“Torresani”，“year”：“2008”，“journal-title”：“IEEE Trans.Pattern Anal.Mach.Intell.”}，{“key”：《10.1016\/j.imavis.2022.104531_b0020》，“doi-asserted-by”：“crossref”，“unstructured”：“Y.Dai，H.Li，M。He，《非刚性结构-自由运动因式分解的一种简单无先验方法》，载于：IEEE Conference on Computer Vision and Pattern Recognition，2012年Chhatkuli”，“年份”：“2017年”，“期刊标题”：“IEEE Trans。模式分析。机器。智力。“}，{”key“：”10.1016\/j.imavis.2022.104531_b0030“，”doi-asserted-by“：”crossref“，”unstructured“：”M.Salzmann，F.Moreno-Noguer，V.Lepetit，P.Fua，非刚性三维曲面注册的闭式解，摘自：欧洲计算机视觉会议，2008年，第581\u2013594页。“，”doi“：”101007\/978-3-540-88693-8_43“}”，{“issue”：“10”，”“key”：“”10.1016\/j.imavis.2022.104531_b0035“，”doi-asserted-by“：”crossref“，”first page“：”2099“，”doi“：”10.1109\/TPAMI.2015.2392759“，”article-title“：”Shape-from-template“，”volume“：“37”，”author“：”Bartoli“，”year“：”2015“，”journal-title”：“IEEE Trans。模式分析。机器。智力。“}，{”issue“：”1“，”key“：”10.1016\/j.imavis.2022.104531_b0040“，”doi-asserted-by“：”crossref“，”first page“：“172”，“doi”：“10.1109\/TPAMI.2015.2435739”，“article-title”：“使用拉普拉斯网格基于模板的单目三维形状恢复”，“volume”：“38”，“author”：“Ngo”，”year“：”2016“，”journal-title“：”IEEE Trans.Pattern Anal.Mach.Intell“}，{“问题”：“5”，“密钥”：10.1016\/j.imavis.2022.104531_b0045“，”doi-asserted-by“：”crossref“，”first page“：”833“，”doi“：”10.1109\/TPAMI.2016.2562622“，”article-title“：”通过表面集成实现等距形状模板的稳定分析框架“，”volume“：“39”，”author“：”Chhatkuli“，”year“：”2017“，”journal-title”：“IEEE Trans。模式分析。机器。智力。“｝，｛”key“：”10.1016\/j.imavis.202.1045351_b0050“，”doi断言“：”crossref“，”doi“：”10.1007\/s1263-021-014722-w“，”文章标题“：”等轴测曲面的基于模板的视觉几何“，”作者“：”Casillas Perez“，”年份“：”2021“，”期刊标题“：”Int.j.Comput.Vision“｝，｛”issue“：”1“，”key“：”10.1016\/j.imavis.202.1045351_b0055“，”doi-asserted-by“：”crossref“，”first page“：”54“，”doi“：”10.1007\/s11263-011-0452-0“，“article-title”：“基于特征的可变形表面检测与自遮挡推理”，“volume”：“97”，“author”：“Pizarro”，“year”：“2012”，“journal-title“：”Int.J.Compute。Vision“}，{”issue“：”1“，”key“：”10.1016\/j.imavis.2022.104531_b0060“，”doi-asserted-by“：”crossref“，”first page“：“87”，“doi”：“10.1109\/TPAMI.2008.265”，“article-title”：“使用基于图像的自遮挡推理直接估计非刚性注册”，“volume”：“32”，“author”：“Gay-Bellile”，“year”：“2010”，“journal-title“：”IEEE传输。模式分析。机器。智力。“}，{”key“：”10.1016\/j.imavis.2022.104531_b0065“，”series-title“：“欧洲计算机视觉会议”，”首页“：”138“，”article-title“：”基于图形的关键点匹配中的错误分析和建议的解决方案“，”author“：”Collins“，“year”：“2014”}“key”：“10.1016\\j.imavis.2022.104531_b 0070”，“series-title”：“”国际医学图像计算和计算机辅助干预会议”，“首页”：“404”，“文章标题”：“腹腔镜视频中稳健、实时、密集和可变形的三维器官跟踪”，“作者”：“柯林斯”，“年份”：“2016年”}，{“问题”：“5”，“关键”：“10.1016\/j.imavis.2022.104531_b0075”，”doi-asserted-by“：”crossref“首页“：”979“，”DOI“：”10.1109\/TPAMI.2015.2469293“，”article-title“：”使用物理先验从运动中产生的顺序非刚性结构“，”volume“：”38“，”author“：”Agudo“，”year“：”2016“，”journal-title”：“IEEE Trans。模式分析。机器。智力。“}，{”key“：”10.1016\/j.imavis.2022.104531_b0080“，”doi-asserted-by“：”crossref“，”unstructured“：”A.Pumarola，A.Agudo，L.Porzi，A.Sanfeliu，V.Lepetit，F.Moreno-Noguer，Geometry-aware network for non-rigid shape prediction from A single view，in：IEEE Conference on Computer Vision and Pattern Recognition，2018，pp.4681\u20134690.“，”doi“：”10.1109\/CVPR.2018.00492“}，{“key”：“10.1016\/j.imavis.2022.104531_b0085”，“doi-asserted-by”：“crossref”，“unstructured”：“V.Golyanik，S.Shimada，K.Varanasi，D.Stricker，Hdm-net：使用学习变形模型进行单目非刚体三维重建，CoRR abs\/1803.10193（2018）.arXiv:1803.10193.”，“doi”：“101007\/978-3-030-01790-3_4”}，}10.1016\/j.imavis.2022.104531_b0090“，“doi-asserted-by”：“crossref”，“unstructured”：“S.Shimada，V.Golyanik，C.Theobalt，D.Stricker，IsMo-GAN：单目非刚体三维重建的对抗学习，见：IEEE计算机视觉与模式识别研讨会（CVPRW），2019.”，“doi”：“10.1109\/CVPRW.2019.00347”}，{“key”：“10.1016\/j.imavis.2022.104531_b0095“，“doi-asserted-by”：“crossref”，“unstructured”：“Q.Liu Yin，R.Yu，L.Agapito，A.Fitzgibbon，C.Russell，Better together:使用镜面反射和阴影进行非刚性三维重建的联合推理，见：英国机器视觉会议（BMVC），2016，pp.42.1\u201342.12。”，“doi”：“10.5244\/C.30.42”}，{“key”：“10.1016\/j.imavis.2022.104531_b0100“，“doi-asserted-by”：“crossref”，“unstructured”：“E.Ilg，N.Mayer，T.Saikia，M.Keuper，A.Dosovitskiy，T.Brox，Flownet 2.0:利用深网络进行光流估计的演变，收录于：IEEE计算机视觉和模式识别会议，2017年，第2462\u20132470页。”，“doi”：“10.1109\/CVPR.2017.179”}，{“key”：“10.1016\/j.imavis.2022.104531_b0105“，“series-title”：“IEEE国际计算机视觉会议”，“首页”：“2758”，“article-title”：《Flownet:用卷积网络学习光流》，“author”：“Dosovitskiy”，“year”：“2015”}，{“key”：“10.1016\\j.imavis.2022.104531_b0110”，“doi-asserted-by”：“crossref”，“unstructured”：“N.Sundaram，T。Brox，K.Keutzer，gpu加速大位移光流的稠密点轨迹，in：欧洲计算机视觉会议，2010年。”，“DOI”：“10.1007\/978-3642-15549-9_32”}，{“key”：“101016\/j.imavis.2022.104531_b0115”，“DOI-asserted-by”：“crossref”，“unstructured”：“Z.Lv，K.Kim，A.Trocoli，D.Sun，j.M.Rehg，j。Kautz，使用移动摄像机学习动态场景中的刚性以估计三维运动场，in：欧洲计算机视觉会议（ECCV），2018年，第468\u2013484页。“，“DOI”：“10.1007\/978-3-030-01228-1_29”}，{“key”：“101016\/j.imavis.2022.104531_b0120”，“DOI-asserted-by”：“crossref”，“unstructured”：“M.Hornace，a.Fitzgibbon，C。Rother，Sphereflow:来自rgb-d对的6自由度场景流，收录于：IEEE计算机视觉和模式识别会议，2014年，第3526\u20133533.页场景流场：稀疏场景流对应的稠密插值”，“作者”：“Schuster”，“年份”：“2018”}，{“问题”：“1”，“关键”：“10.1016\/j.imavis.2022.04531_b0130”，“doi-asserted-by”：“crossref”，“首页”：“29”，“doi”：“101007\/s11263-010-04-0”，《文章标题》：“立体场景流计算用于三维运动理解”，“体积”：“95”，“作者：“韦德尔”，“年份”：“2011年”，“新闻标题”：“国际计算机杂志”。Vision”｝，｛“key”：“10.1016\/j.imavis.20210045351_b0315”，“doi断言者”：“crossref”，“非结构化”：“j.Hur，S.Roth，自监督单目场景流估计，在：IEEE\/CFF计算机视觉和模式识别会议，2020，pp.7396\u20137405。”，“doi”：“10.1109\/CVPR4600.2020.00742”｝，｛“key”：“10.1016\/j.imavis.20210045351_b0140”，“doi由“：”crossref“断言，”非结构化“：”Y.Zou，Z.Loo，J.-B.Huang，Df-net：使用跨任务一致性的深度和流量的无监督联合学习，在：欧洲计算机视觉会议（ECCV），2018，pp.36\u201353.“，”doi“：”10.1007\/978-3-030-01228-1_3“}，{”key“：”10.1016\/J.imavis.202104531_b0145“，”doi由“：”crossref“断言，”非结构化“：”F.Brickwedde，S.Abraham，R.Mester，Mono-sf：多视图几何满足动态交通场景单目场景流量估计的单视图深度，2019年。arXiv:1908.06316.“，”DOI“：”10.1109\/ICCV.2019.00287“}，{“key”：“10.1016\/j.imavis.2022.104531_b0150”，“DOI-asserted-by”：“crossref”，“unstructured”：“D.Eigen，R。Fergus，使用通用多尺度卷积结构预测深度、表面法线和语义标签，收录于：IEEE国际计算机视觉会议，2015年，第2650\u20132658页。“，“DOI”：“10.1109\/ICCV.2015.304”}，{“key”：“101016\/j.imavis.2022.104531_b0155”，“series-title”：“欧洲计算机视觉会议”，“首页”：“740“，”article-title“：”用于单视图深度估计的无监督cnn：几何救援“，”author“：”Garg“，”year“：”2016“}，{”issue“：”10“，”key“：”10.1016\/j.imavis.2022.104531_b0160“，”doi-asserted-by“：”crossref“，”first page“：使用深度卷积神经场从单目图像学习深度”，“卷”：“38”，“作者”：“刘”，“年份”：“2016年”，“期刊标题”：“IEEE Trans。模式分析。机器。智力。“}，{”key“：”10.1016\/j.imavis.2022.104531_b0165“，”unstructured“：”I.Alhashim，P.Wonka，《通过转移学习进行高质量单目深度估计》，arXiv e-prints abs\/1812.11941（2018）。arXiv:1812.11941.“}”，{。Suh，从大到小：单目深度估计的多尺度局部平面制导，CoRR abs \/1907.10326（2019）。“}，{”key“：”10.1016\/j.imavis.2022.104531_b0175“，”doi-asserted-by“：”crossref“，”unstructured“：”j.Martinez，R.Hossain，j.Romero，j.j.Little，《三维人体姿势估计的简单而有效的基线》，收录于：IEEE国际计算机视觉会议，2017年第1卷，第5页。“，”doi“：”101109\/ICCV.2017.288“}”，{“key”：“10.1016\/j.imavis.2022.104531_b0180“，”doi-asserted-by“：”crossref“，”unstructured“：”R.Alp G\u00fcler，N.Neverova，I.Kokkinos，Densepose：野外密集人体姿势估计，收录于：IEEE计算机视觉和模式识别会议，2018年，第7297\u20137306页。“，”doi“：”10.1109\/CVPR.2018.00762“}，”{“key“：”101016\/j.imavis.2022.104531_b0185“，”doi-asserted-by“：”crossref“，”unstructured“：”A.Kendall，M.Grimes，R.Cipolla，Posenet:用于实时六自由度相机重定标的卷积网络，收录于：IEEE国际计算机视觉会议（ICCV），2015年，第2938\u20132946页。https:\/\/doi.org\/10.109\/ICCV.2015.336.“，”doi“：”10.1109\/ICCV.2015.336“}，{“key”：“10.1016\/j.imavis.2022.104531_b0190”，“doi-asserted-by”：“crossref”，“unstructured”：“j.Bednarik，P.Fua，M.Salzmann，学习从单一视图重建无纹理变形表面，in：3D视觉国际会议（3DV）2018年，第606\u2013615页。https:\/\/doi.org\/10.109\/3DV.2018.00075.“，”doi“：”10.1109\/3DV.2018.00075“}，{“key”：“10.1016\/j.imavis.2022.104531_b0195”，“doi-asserted-by”：“crossref”，“unstructured”：“A.Tsoli，A.Argyros，基于补丁从单个rgb图像重建无纹理可变形三维表面，收录于：IEEE国际计算机视觉会议（ICCV）2019年，第4034\u20134043页。https:\/\/doi.org\/10.109\/ICCVW.2019.00498.“，”doi“：”10.1109\/ICCVD.2019.00498“}，{“key”：“10.1016\/j.imavis.2022.104531_b0200”，“unstructured”：“D.Fuentes-Jimenez，D.Casillas-Perez，A.Bartoli，T.Collins，D.P.P\u00e9rez，Deep shape from template dataset（dsftd）（2021）。https:\//doi.org\/10.34740\/KAGGLE\/DSV\/1955934.“}，{”键“：”10.1016\/j.imavis.2022.104531_b0210“，“doi-asserted-by”：“crossref”，“unstructured”：“M.Salzmann，P.Fua，重建急剧折叠曲面：凸公式，摘自：IEEE计算机视觉和模式识别会议，IEEE，2009，pp.1054\u20131061。”，“doi”：“10.1109\/CVPRW.2009.5206759”}，{“issue”：“2”，“key”：“10.1016\/j.imavis.2022.104531_b0215“，”doi-asserted-by“：”crossref“，”first page“：”124“，“doi”：“10.1007\/s11263-010-0352-8”，“article-title”：“基于单目模板的不可拉伸表面重建”，“volume”：“95”，“author”：“Perriollat”，”year“2011”，“journal-title“：”Int.j.Compute。Vision“}，{”key“：”10.1016\/j.imavis.2022.104531_b0220“，”doi-asserted-by“：”crossref“，”first page“：“138”，“doi”：“10.1016\/j.cviu.2014.04.003”，“article-title”：“基于单目模板的三维曲面重建：凸非扩张和非凸等距方法”，“volume”：“125”，“author”：“Brunet”，“year”：“2014”，“journal-title“：”计算。视觉。图像理解。“}，{”key“：”10.1016\/j.imavis.2022.104531_b0225“，”doi-asserted-by“：”crossref“，”first page“：“91”，”doi“：”101023\/B:VISI.0002964.99615.94“，”article-title“：”Distinctive image features from scale-invariant keypoints“，”volume“：60”，“author”：“Lowe”，“year”：“2004”，“journal-title”：“Int.j.Compute.Vision”}，”{“issue”：“2”，“键”：“10.1016\/j.imavis.2022.1045351_b0230“，”doi断言者“：”crossref“，”第一页“：”109“，”doi“：”10.1007\/s11263-006-0017-9“，”文章标题“：”快速非刚性表面检测、配准和真实增强“，”卷“：”76“，”作者“：”Pilet“，”年份“：”2008“，”期刊标题“：”Int.j.Comput“。Vision“}，{”issue“：”2“，”key“：”10.1016\/j.imavis.2022.104531_b0235“，”doi-asserted-by“：”crossref“，”first page“：“184”，“doi”：“10.1007\/s11263-016-0968-4”，“article-title”：“Particle-sft：一种可证明收敛的快速形状模板算法”，“volume”：“123”，“author”：“\u00d6zg\u00fcr”，“year”：“2017”，“journal-title“：”Int.j.Compute.Vision“}，{”key“：”10.1016\/j.imavis.2022.104531_b0240“，”doi-asserted-by“：”crossref“，”unstructured“：”A.Malti，R.Hartley，A.Bartoli，j.-H.Kim，基于单目模板的局部线性弹性可扩展表面三维重建，收录于：IEEE计算机视觉与模式识别会议，2013年，第1522\u20131529页。“，”doi“：”10.1109\/CVPR.2013.200“}，{”key“：”10.1016\/j.imavis.2022.104531_b0245“，”doi-asserted-by“：”crossref“，”unstructured“：”A.Malti，A.Bartoli，R.Hartley，弹性形状模板的线性最小二乘解，in：IEEE Conference on Computer Vision and Pattern Recognition，2015，pp.1629\u20131637.“，”doi“：”101109\/CVPR.2015.7298771“}，{“key”：“10.1016\/j.imavis.2022.104531_b0250“，“series-title”：“IEEE计算机视觉和模式识别会议”，“article-title”：“使用拉格朗日乘数基于模板的弹性形状单目三维恢复”，“author”：“Haouchine”，“year”：“2017”}，{“key”：混合增强现实国际研讨会”，“首页”：“229”，“文章标题”：“三维弹性物体的单视图增强”，“作者”：“Haouchine”，“年份”：“2014”}，{“关键”：“10.1016\/j.imavis.2022.04531_b0260”，“doi-asserted-by”：“crossref”，“非结构化”：“A.Agudo，F。Moreno-Noguer，《粒子动力学下的同时姿势和非刚性形状》，收录于：IEEE计算机视觉和模式识别会议，2015年，第2179\u20132187页article-title“：”等面积形状-自模板“，”卷“：”61“，”作者“：”Casillas-Perez“，”年份“：”2019“，”期刊标题“：”J.Math“。成像视觉。“}，{”key“：”10.1016\/j.imavis.2022.104531_b0270“，”series-title“：”服务和工业机器人技术的进步“，”first page“：“505”，”article-title“：“分析不同方法以缩小柔性装配单元中实例分割的现实差距”，“author”：“Hafez”，“year”：“2020”}，“key”：“10.1016\/j.idavis.2022.04531_b275”，“unstructured”：“”Blender在线社区，Blender-一个3D建模和渲染包，Blenter基金会，BlenderInstitute，阿姆斯特丹。“}，{”key“：”10.1016\/j.imavis.2022.104531_b0280“，”series-title“：”计算机图形学：原理与实践“，”author“：”Foley“，”year“：”2020“}”{“key”：“10.1016\\j.imavis.2022.104531_b 0285”，“series-ttle”：“IEEE计算机视觉与模式识别会议”，“首页”：“770”，”article-title“：“图像识别的深度剩余学习”，”作者：“He”，“year”：“2016”}，{“key”：“10.1016\/j.imavis.2022.104531_b0290”，“unstructured”：“V.Badrinarayan，A.Kendall，R.Cipolla，Segnet:一种用于图像分割的深度卷积编解码器架构。CoRR abs\/1511.00561（2015）。”}。Sun，图像识别的深度剩余学习，Arxiv Arxiv:1512.03385（2015年12月）。“}，{”key“：”10.1016\/j.imavis.2022.104531_b0300“，”unstructured“：”O.Sorkine，M.Alexa，As-rigid-As-possible surface modeling，in：第五届欧洲制图几何处理研讨会，2007年，第109\u2013116页。Collins，As-rigid-As-possible volumetric shape-from-template，in：IEEE International Conference on Computer Vision，2015年实时shape-from-template:系统和应用”，“author”：“Collins”，“year”：“2015”}，{“key”：“10.1016\/j.imavis.2022.104531_b0315”，“unstructured”：“M.Abadi，A.Agarwal，P.Barham，E.Brevdo，Z.Chen，C.Citro，G.S.Corrado，et al.，TensorFlow:异构系统上的大规模机器学习，软件可从TensorFlow.org获得（2015）网址：https:\/\/www.tensorflow.org/。“｝，｛”key“：”10.1016\/j.imavis.2022.104531_b0320“，”非结构化“：”j.B.Diederik P.Kingma，Adam:随机优化方法，Arxiv Arxiv:1412.6980（6）（2014年12月）。“｝，｛”key“：”10.1016\/j.imavis.2022.104531_b0325“，”非结构化“：”N.S.Keskar，R。Socher，通过从adam切换到SGD来提高泛化性能，CoRR abs \/1712.07628（2017）。arXiv:1712.07628。URL:http://\/arxiv.org\/abs\/1712.07628.“}，{“key”：“10.1016\/j.imavis.2022.104531_b0330”，“unstructured”：“Z.Zhang，L.Ma，Z.Li，C.Wu，Normalized direction-preservation adam，CoRR abs \/1709.04546（2017）.”}，}，“key“：”10.1016\/j.idavis.2022.04531_b 0335“article-title”：“理解深度前馈神经网络训练的难度”，“作者：“泽维尔·格洛特”，“年份”：“2010年”，“新闻标题”：“马赫。学习。研究“}，{“问题”：“1”，“关键”：“10.1016\/j.imavis.2022.104531_b0340”，“doi-asserted-by”：“crossref”，“首页”：“259”，“doi”：“101016\/0167-2789（92 6“，“键”：”10.1016\/j.imavis.2022.104531_b0345“，”doi-asserted-by“：”crossref“，”first page“：”S165“，”doi“：”10.1088\/0266-5611\/19\/6\/059“，”article-title“：”总变差正则化的边-保留和尺度相关特性“，”volume“：“19”，”author“：”Strong“，“year”：“2003”，“journal-title”：“Inverse Prob”。“}，{”key“：”10.1016\/j.imavis.2022.104531_b0350“，”doi-asserted-by“：”crossref“，”unstructured“：”Z.Ren，j.Yan，B.Ni，B.Liu，X.Yang，H.Zha，光流估计的无监督深度学习，in：AAAI人工智能会议，2017。“，”doi“：”101609\/AAAI.v31i1.10723“}计算机视觉实验室、可变形表面重建数据库、计算机视觉实验室，Ecole Polytechnology F\u00e9d\u00e9-rale de Lausanne\u2013 EPFL。网址：https:\/\/cvlab.epfl.ch\/data\/data-dsr-index-php\/。“}，{”key“：”10.1016\/j.imavis.2022.104531_b0360“，”unstructured“：”Agisoft Photoscan，https:\/\/www.Agisoft.com.“}”，{“key”：“10.1016\\j.imavis.2022.104531_b 0365”，“doi-asserted-by”：“crossref”，“unstructure”：“P.K.Nathan Silberman，Derek Hoiem，R。Fergus，室内分割和支持从rgbd图像推断，收录于：欧洲计算机视觉会议，2012年非结构化“：”GoPro，GoPro英雄银色v3 rgb相机，https:\/\/es.GoPro.com/update\/hero3.“}，{“key”：“10.1016\/j.imavis.2022.104531_b0380”，“doi-asserted-by”：“crossref”，“非结构化”：“D.T.Ngo，S.Park，A.Jorstad，A.Crivellaro，C.D.Yoo，P。Fua，存在遮挡和最小纹理的稠密图像配准和变形表面重建，载于：IEEE国际计算机视觉会议（ICCV），2015年，第2273\u20132281页。“，”DOI“：”10.1109\/ICCV.2015.262“}，{“key”：“10.1016\/j.imavis.2022.04531_b0385”，“DOI-asserted-by”：“crossref”，“unstructured”：“H.Zhang，Y.Tian，K。Wang，H.He，F.Wang，用于对象实例分割的合成-实数域自适应，in：国际神经网络联合会议（IJCNN），2019年，第1\u20137页。“，“DOI”：“10.1109\/IJCNN.2019.8851791”}，{“key”：“101016\/j.imavis.2022.04531_b0390”，“非结构化”：“G.Huang，Z.Liu，K.Q。Weinberger，《紧密连接卷积网络》，CoRR abs \/1608.06993（2016）。arXiv:1608.06993。网址：http://\/arxiv.org\/abs\/1608.06993.“}，{“key”：“10.1016\/j.imavis.2022.104531_b0395”，“doi-asserted-by”：“crossref”，“unstructured”：“A.Bartoli，T。Collins，基于模板的等距可变形三维重建与基于采样的焦距自校准，in：IEEE计算机视觉和模式识别会议论文集，2013年，第1514\u20131521页。“，”DOI“：”10.1109\/CVPR.2013.199“}]，”container-title“：[”Image and Vision Computing“]，”original-title”：[]，“language”：“en”，“link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S0262885622001603？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL:“https:\//api.elsevier.com/content\/aarticle\/PII:S0202628562200160103？httpAccess=text\/plain“，”内容类型“：”文本\/plaine“，”content-version“：”vor“，”预期应用程序”：“文本挖掘”｝]，“已存储”：｛“日期部分”：[[2024,2,13]]，“日期-时间”：“2024-02-13T13:37:31Z”，“时间戳”：1707831451000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https://linkinghub.elsevier.com/retrieve\\/pii\\S0262885622001603”｝，“副标题”：[]，“短标题”：[]，“已发布”：｛“日期部分”：[[2022,11]]｝，“引用计数“：78，”alternative-id“：[”S0262885622001603“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.imavis.2022.104531“，”relationship“：{}，”ISSN“：[“0262-8856”]，”ISSN-type“：[{”value“：”0262-8866“，”type“:”print“}]，”subject“：【】，”published“：{”date-parts“：[202022,11]]}，“assertion”：【{”value“Elsevier“，”name“：”publisher“，”label“：”本文由“}，{”value“维护：”深形状模板：单图像准测量变形注册与重建”，“名称”：“articletite”，“标签”：“文章标题”}，{“值”：“图像与视觉计算”，“姓名”：“日志”，“标号”：“期刊标题”}，{”值“：”https:\\/doi.org\/10.1016\/j.imavis.2022.104531“，”名称“：”articlelink“，”标签“：”CrossRef DOI链接到出版商维护的版本“}”，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，{”value“：”\u00a9 2022 The Author（s）s.Published by Elsevier B.V.“，”name“：“copyright”，”label“：”copyright“}]，”article-number“：“104531”}}