Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 DetailsÜbersicht
  A U-Net Based Discriminator for Generative Adversarial Networks

Schönfeld, E., Schiele, B., & Khoreva, A. (2020). A U-Net Based Discriminator for Generative Adversarial Networks. In IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 8204-8213). Piscataway, NJ: IEEE. doi:10.1109/CVPR42600.2020.00823.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/21.11116/0000-0007-7D9C-E Versions-Permalink: https://hdl.handle.net/21.11116/0000-0007-AE0A-B
Genre: Konferenzbeitrag
Latex : A {U}-{Net} Based Discriminator for Generative Adversarial Networks

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Schönfeld, Edgar1, Autor
Schiele, Bernt2, Autor           
Khoreva, Anna1, Autor           
Affiliations:
1External Organizations, ou_persistent22              
2Computer Vision and Machine Learning, MPI for Informatics, Max Planck Society, ou_1116547              

Inhalt

einblenden:

Details

einblenden:
ausblenden:
Sprache(n): eng - English
 Datum: 20202020
 Publikationsstatus: Online veröffentlicht
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: Schoenfeld_CVPR2020
DOI: 10.1109/CVPR42600.2020.00823
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: 33rd IEEE Conference on Computer Vision and Pattern Recognition
Veranstaltungsort: Seattle, WA, USA (Virtual)
Start-/Enddatum: 2020-06-14 - 2020-06-19

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: IEEE/CVF Conference on Computer Vision and Pattern Recognition
  Kurztitel : CVPR 2020
Genre der Quelle: Konferenzband
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: Piscataway, NJ : IEEE
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 8204 - 8213 Identifikator: ISBN: 978-1-7281-7168-5