Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig vom 15.06.2026 bis 17.06.2026 | Gültig für nicht preisgebundene fremdsprachige Bücher | Einzelne Artikel können ausgeschlossen sein | Maximaler rabattfähiger Warenkorbwert 500 € | Nicht kombinierbar mit weiteren Aktionen | Nur einmal pro Person einlösbar | Nur solange der Vorrat reicht

Produktbild: Computer Vision – ECCV 2022
Band 13683 - 11%

Computer Vision – ECCV 2022 17th European Conference, Tel Aviv, Israel, October 23–27, 2022, Proceedings, Part XXIII

Aus der Reihe Lecture Notes in Computer Science
11% sparen

103,99 € UVP 117,69 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

28.10.2022

Herausgeber

Shai Avidan + weitere

Verlag

Springer

Seitenzahl

765

Maße (L/B/H)

23,5/15,5/4,4 cm

Gewicht

1223 g

Auflage

1st edition 2022

Sprache

Englisch

ISBN

978-3-031-20049-6

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

28.10.2022

Herausgeber

Verlag

Springer

Seitenzahl

765

Maße (L/B/H)

23,5/15,5/4,4 cm

Gewicht

1223 g

Auflage

1st edition 2022

Sprache

Englisch

ISBN

978-3-031-20049-6

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
  • Produktbild: Computer Vision – ECCV 2022
  • Accelerating Score-Based Generative Models with Preconditioned Diffusion Sampling.- Learning to Generate Realistic LiDAR Point Clouds.- RFNet-4D: Joint Object Reconstruction and Flow Estimation from 4D Point Clouds.- Diverse Image Inpainting with Normalizing Flow.- Improved Masked Image Generation with Token-Critic.- TREND: Truncated Generalized Normal Density Estimation of Inception Embeddings for GAN Evaluation.- Exploring Gradient-Based Multi-directional Controls in GANs.- Spatially Invariant Unsupervised 3D Object-Centric Learning and Scene Decomposition.- Neural Scene Decoration from a Single Photograph.- Outpainting by Queries.- Unleashing Transformers: Parallel Token Prediction with Discrete Absorbing Diffusion for Fast High-Resolution Image Generation from Vector-Quantized Codes.- ChunkyGAN: Real Image Inversion via Segments.- GAN Cocktail: Mixing GANs without Dataset Access.- Geometry-Guided Progressive NeRF forGeneralizable and Efficient Neural Human Rendering.- Controllable Shadow Generation Using Pixel Height Maps.- Learning Where to Look – Generative NAS Is Surprisingly Efficient.- Subspace Diffusion Generative Models.- DuelGAN: A Duel between Two Discriminators Stabilizes the GAN Training.- MINER: Multiscale Implicit Neural Representation.- An Embedded Feature Whitening Approach to Deep Neural Network Optimization.- Q-FW: A Hybrid Classical-Quantum Frank-Wolfe for Quadratic Binary Optimization.- Self-Supervised Learning of Visual Graph Matching.- Scalable Learning to Optimize: A Learned Optimizer Can Train Big Models.- QISTA-ImageNet: A Deep Compressive Image Sensing Framework Solving ℓq-Norm Optimization Problem.- R-DFCIL: Relation-Guided Representation Learning for Data-Free Class Incremental Learning.- Domain Generalization by Mutual-Information Regularization with Pre-trained Models.- Predicting Is Not Understanding: Recognizing and Addressing Underspecification in Machine Learning.- Neural-Sim: Learning to Generate Training Data with NeRF.- Bayesian Optimization with Clustering and Rollback for CNN Auto Pruning.- Learned Variational Video Color Propagation.- Continual Variational Autoencoder Learning via Online Cooperative Memorization.- Learning to Learn with Smooth Regularization.- Incremental Task Learning with Incremental Rank Updates.- Batch-Efficient EigenDecomposition for Small and Medium Matrices.- Ensemble Learning Priors Driven Deep Unfolding for Scalable Video Snapshot Compressive Imaging.- Approximate Discrete Optimal Transport Plan with Auxiliary Measure Method.- A Comparative Study of Graph Matching Algorithms in Computer Vision.- Improving Generalization in Federated Learning by Seeking Flat Minima.- Semidefinite Relaxations of Truncated Least-Squares in Robust Rotation Search: Tight or Not.- Transfer without Forgetting.- AdaBest: Minimizing Client Drift in Federated Learning via Adaptive Bias Estimation.- Tackling Long-Tailed Category Distribution under Domain Shifts.- Doubly-Fused ViT: Fuse Information from Vision Transformer Doubly with Local Representation.