Gutscheinbedingungen

**Gültig bis 10.06.2026 / Gültig für gebrauchte Bücher / Mindestbestellwert 20,00 € / Einzelne Artikel können ausgeschlossen sein / Online auf www.bücher.de.de / 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

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

01.06.2025

Abbildungen

LIV, 77 illus., 73 illus. in color., farbige Illustrationen, schwarz-weiss Illustrationen

Herausgeber

Alessio Del Bue + weitere

Verlag

Springer

Seitenzahl

270

Maße (L/B/H)

23,5/15,5/1,8 cm

Gewicht

493 g

Sprache

Englisch

ISBN

978-3-031-93805-4

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

01.06.2025

Abbildungen

LIV, 77 illus., 73 illus. in color., farbige Illustrationen, schwarz-weiss Illustrationen

Herausgeber

Verlag

Springer

Seitenzahl

270

Maße (L/B/H)

23,5/15,5/1,8 cm

Gewicht

493 g

Sprache

Englisch

ISBN

978-3-031-93805-4

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: [email protected]

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 2024 Workshops
  • Practical Dataset Distillation Based on Deep Support Vectors.- Leveraging FINCH and K-means for Enhanced Cluster-Based Instance Selection.- GSTAM: Efficient Graph Distillation with Structural Attention-Matching.- DiM: Distilling Dataset into Generative Model.- Generative Dataset Distillation using Min-Max Diffusion Model.- Data-Efficient Generation for Dataset Distillation.- Generative Dataset Distillation Based on Diffusion Model.- Optimizing Dataset Distillation Using DATM: Adjusting Learning Rate and Upper Bound.- Well Begun is Half Done: The Importance of Initialization in Dataset Distillation.- Enhancing Dataset Distillation via Label Inconsistency Elimination and Learning Pattern Refinement.- A Spitting Image: Modular Superpixel Tokenization in Vision Transformers.- NIGHT - Non-Line-of-Sight Imaging from indirect Time of Flight data.- Self-accumulative Vision Transformer for Bone Age Assessment using the Sauvegrain Method.- FastTalker: Jointly Generating Speech and Conversational Gestures from Text.- Attend-Fusion: Efficient Audio-Visual Fusion for Video Classification.- CMMD: Contrastive Multi-Modal Diffusion for Video-Audio Conditional Modeling.- Unveiling Visual Biases in Audio-Visual Localization Benchmarks.- AV-CPL: Continuous Pseudo-Labeling for Audio-Visual Speech Recognition.- Towards Multimodal In-Context Learning for Vision & Language Models.