{“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”：[[2024,6,8]]，“日期-时间”：“2024-06-08T17:59:23Z”，“时间戳”：1717869563014}，“引用-计数”：39，“发布者”：“IEEE”，“许可证”：[{“开始”：{“日期-零件”：[[2021,6,1]]，”“日期-时刻”：“021-06-01T00:00:00 0Z“，”时间戳“：1622505600000}，”内容版本“：”stm-asf“，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[[2021,6,1]]，“date-time”：“2021-06-01T00:00:00Z”，“timestamp”：1622505600000}，“content-version”：“stm-asf”，“delay-in-days“：0，”URL“https:\\/doi.org\/10.15223 \\policy-037”}]，“content-d”域“：{”域“：[]，”交叉标记限制“：false}，”短容器时间“：[[]，“published-print”：{“date-parts”：[[2021,6]]}，“DOI”：“10.1109\/cvprw53098.2021.00030”，“type”：“proceedings-article”，“created”：{“date-ports”：[2021,9,1]]，“date-time”：“2021-09-01T20:57:37Z”，“timestamp”：1630529857000}，”source“Crossref”，“is-referenced-by-count”：12，“title”：[“利用参考帧建议和频域信息提高视频压缩伪影抑制性能”]，“前缀”：“10.1109”，“作者”：[{“给定”：“易”，“家族”：“徐”，“序列”：“第一”，“隶属关系”：[}“名称”：“复旦大学上海智能信息处理重点实验室，中国计算机学院”}]}，{“given”：“Minyi”，“family”：“Zhao”，“sequence”：“additional”，“affiliation”：[{“name”：“复旦大学，上海智能信息处理重点实验室，中国计算机学院”}]}，{“given”:“Jing”，“家庭”：“Liu”，“sequence”:“additionable”，“feliation”:[{”name“：“Bilibili，中国”}]{，“givent”：“新建”，“家人”：“张”，“序列”：“additional”，“affiliation”：[{“name”：“复旦大学上海智能信息处理重点实验室，中国计算机学院”}]}：“复旦大学，上海智能信息处理重点实验室，中国计算机科学院”}]}，{“given”：“Huyang”，“family”：“Sun”，“sequence”：“additional”，“affiliation”：[{“name”：“Bilibili，China”}]]，“member”：“263”，“reference”：[}“Key”：：“zhang”，“year”：“2019”，“journal-title”：“ICLRE”}，{“key”：“ref38”，“first-page”：“286”，“article-title“：“图像超分辨率使用非常深的剩余渠道关注网络”，“author”：“zhong”，《year》：“2018”，“journal-ttitle”：《ECCV》}，}“keys”：“ref33”，“doi-asserted-by”：“publisher”，”“doi”：“10.1109\/IMCE.2017.8019299”}32英寸，“doi-asserted-by”：“publisher”，“DOI”：“10.1109\/TCSVT.2018.2867568”}，{“key”：“ref31”，“文章标题”：“NTIRE 2021压缩视频质量增强挑战：方法和结果”，“author”：“yang”，“year”：“2021”，“journal title”：“cvprw”}，{“key”：“ref30”，“文章标题”：“NTIRE 2021压缩视频质量增强挑战：数据集和研究”，“author”：“yang”，“year”：“2021”，“journal-title”：“cvprw”}，{“key”：“ref37”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/TIP.2017.2662206”}84“，”文章标题“：“通过估计局部补丁的频率分布恢复图像”，“author”：“yoo”，“year”：“2018”，“journal-title”：“CVPR”}，{“key”：“ref34”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/CVPR.2018.00697”}“出版商”、“内政部”：“10.1109\/TPAMI.2019.2944806”}，{“key”：“ref12”，“首页”：“628”，“article-title”：“构建双域表示以减少压缩伪影”，“author”：“guo”，“year”：“2016”，“journal-title“：”ECCV“}，”{“密钥”：“ref13”，“doi-asserted-by”：“publisher”，“doi”：“10.109\/CVPR.2017.517”}“：”publisher“，”doi“：“10.1109\/ICASSP.2018.8461356”}，{“key”：“ref15”，“first page”：”1320“，“article-title”：“压缩图像去块的有效深度卷积神经网络模型”，“author”：“li”，“year”：“2017”，“journal-title“：”ICME“}，”{“密钥”：“ref16”，“首页”：“1680”，“article-titler”：“用于图像恢复的非局部递归网络”，“author”:“liu”，“year”：“2018”，“journal-title”：“NeurIPS”}，{“key”：“ref17”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/CVPRW50498.2020.00223”}reduction”，“volume”：“29”，“author”：“lu”，“year”：“2019”，“journal-title”：“TIP”}，{“key”：“ref28”，“doi-asserted-by”：“publisher”，”doi“：”10.1109\/ICCV.2019.00714“}，”{“key”：”ref4“，”doi-assert-by“：”publisher“，”doi:“10.1109\/CVPRW.2018.0114”}key“：”ref3“，”article-title“：“通用测试条件和软件参考配置”，“author”：“bossen”，“year”：“2011”，“journal-title”：“ITU-T SG16 WP3和ISO\/IEC JTC1\/SC29\/WG11第三次会议视频编码联合协作组（JCT-VC）”}，{“key”：“ref6”，“doi-asserted-by”：“publisher”，”doi：“10.1007\/978-319-51811-4_3”}：“publisher”，“DOI”：“10.1109\/IMCE.2019.00098”}，{“key”：“ref5”，“first page”：”0“，“article-title”：“使用基于小波变换的三级卷积神经网络进行解码侧色图像质量增强”，“author”：“cui”，“year”：“2019”，“journal-tittle”：键“：“ref7”，“doi-asserted-by”：“publisher”，“doi”：“10.1609\/aaai.v34i07.6697”}，{“key”：“ref2”，“doi-asserte-by”：“publisher”，“朵依”：“10.5573\/IEESPC.2018.7.4.296”}、{“密钥”：“ref9”、“doi-sserted-by“：”publisher“，”doi“：”10.1109\/CVPRW50498.2020.00246“}，“key“：”ref1“，”doi asserted-by“：”publisher“，”doi“：”10.1109\/CVPRW.2017.150“}，{”key“：”ref20“，”doi-asserted-by“：“publisher”，“DOI”：“10.1109\/CVPRW50498.2020.00218”｝，｛“key”：“ref22”，“首页”：“1874”，“文章标题”：“使用高效亚像素卷积神经网络的实时单图像和视频超分辨率”，“author”：“shi”，“year”：“2016”，“journal title”：“CVPR”｝，｛“key”：“ref21”，“DOI asserted by”：“publisher”，“DOI”：“10.1007\/s11263-015-0816-y”｝，{“key”：“ref24”，“year”：“0”，“journal-title”：“VQEG视频数据集和组织”}，{“key”：“ref23”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/CVPR.2019.00651”}}，{“键”：“参考25”，“first page”：“410”，“article-title”：“一种新的基于深度学习的方法，从解码端提高HEVC的编码效率”，“author”：“wang”，“year”：“2017”，“journal title”：《2017年计算会议》}]，“event”：{“name”：“2021 IEEE\/CVF Conference on Computer Vision and Pattern Recognition Workshops（CVPRW）”，“location”：“Nashville，TN，USA”，“start”：{“date-parts”：[[2021,6,19]]}，“end”：{“date-parts”：[[2021,6,25]]}}，”container-title“：[“2021 IEEE \/CVF计算机视觉和模式识别研讨会（CVPRW）会议”]，“original-title”：[]，“link”：[{“URL”：“http://\xplorestaging.IEEE.org\/ielx7\/952211\/95222684\/095523071.pdf？arnumber=9523071”，“content-type”：“未指定”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2022,8,2]，“date-time”：“2022-08-02T23:53:20Z”，“timestamp”：1659484400000}，“score”：1，“resource”：{primary“URL”：“https:\/\/ieeexplore.iee.org\/document\/9523071\/”}}，”subtitle“：[]，“shorttitle”：[]，“已发布”：{“日期部分”：[[2021,6]]}，“references-count”：39，“URL”：“http://\/dx.doi.org\/10.109\/cvprw53098.2021.00030”，“relation”：{}，“subject”：[]，“published”：{“date-parts”：[2021,6]]}}}