KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig vom 02.11.2026 bis 04.11.2026 | Gültig für nicht preisgebundene fremdsprachige Bücher | Einzelne Artikel können ausgeschlossen sein | Online auf www.bücher.de einlösbar | Click & Collect nur mit Online-Zahlung (Paypal/Kreditkarte) vorab | Nicht kombinierbar mit anderen Gutscheinen oder Preisaktionen | Nur einmal pro Einkauf einlösbar | Gutschein wird auf max. 500€ Bestellwert angerechnet | Keine Barauszahlung | Nicht gültig für Versandkosten und Services
  • Produktbild: Dense Image Correspondences for Computer Vision
  • Produktbild: Dense Image Correspondences for Computer Vision
- 10%

Dense Image Correspondences for Computer Vision

10% sparen

95,99 € UVP 106,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

02.12.2015

Abbildungen

XII, 295 p. 152 illus., 146 illus. in color.

Herausgeber

Tal Hassner + weitere

Verlag

Springer

Seitenzahl

295

Maße (L/B/H)

24,1/16/2,3 cm

Gewicht

577 g

Auflage

1st ed. 2016

Sprache

Englisch

ISBN

978-3-319-23047-4

Beschreibung

Portrait

Prof. Tal Hassner is a faculty member of the Department of Mathematics and Computer Science, The Open University of Israel, Israel. Ce Liu is a Researcher with Google.

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

02.12.2015

Abbildungen

XII, 295 p. 152 illus., 146 illus. in color.

Herausgeber

Verlag

Springer

Seitenzahl

295

Maße (L/B/H)

24,1/16/2,3 cm

Gewicht

577 g

Auflage

1st ed. 2016

Sprache

Englisch

ISBN

978-3-319-23047-4

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Dense Image Correspondences for Computer Vision
  • Produktbild: Dense Image Correspondences for Computer Vision
  • Introduction to Dense Optical Flow.- SIFT Flow: Dense Correspondence across Scenes and its Applications.- Dense, Scale-Less Descriptors.- Scale-Space SIFT Flow.- Dense Segmentation-aware Descriptors.- SIFTpack: A Compact Representation for Efficient SIFT Matching.- In Defense of Gradient-Based Alignment on Densely Sampled Sparse Features.- From Images to Depths and Back.- DepthTransfer: Depth Extraction from Video Using Non-parametric Sampling.- Joint Inference in Image Datasets via Dense Correspondence.- Dense Correspondences and Ancient Texts.