LEGO-3D · Learning Generative 3D Scene Models for Training and Validating Intelligent Systems
cordis:850533Learning Generative 3D Scene Models for Training and Validating Intelligent Systems
Identität reicht nur so weit wie die veröffentlichte stabile Kennung oder ausdrückliche Zuordnung. Ähnliche Namen werden nicht zusammengeführt. Fehlende Verbindungen bedeuten: in den begrenzten Quellen nicht beobachtet – nicht in Wirklichkeit abwesend.
Identität ≠ Namensähnlichkeit · Kante ≠ KausalitätJede direkte Verbindung mit ihrem Beleg
Beziehungsbezeichnung und Evidenzklasse beschreiben die gesamte Aussage. Prüf den Quellbeleg, bevor du eine weitergehende Schlussfolgerung ziehst.
edge:project-output:850533:2f39e390a7decb0bed6076e2Kein zusätzlicher Textauszug veröffentlicht.
Quelle öffnen ↗edge:project-output:850533:56387592d3153ffb3fc2ab1fKein zusätzlicher Textauszug veröffentlicht.
Quelle öffnen ↗edge:project-output:850533:9b8dc6841f426a1ff8471e75Kein zusätzlicher Textauszug veröffentlicht.
Quelle öffnen ↗edge:project-output:850533:fbd72f22b57b6e7d5b59a1f7Kein zusätzlicher Textauszug veröffentlicht.
Quelle öffnen ↗claim:funding:850533:999991916Kein zusätzlicher Textauszug veröffentlicht.
Quelle öffnen ↗Felder, die an dieser Identität bleiben
Attribute sind beschreibende Quellfelder. Sie erzeugen keine datensatzübergreifende Identität, solange eine Kante diesen Join nicht ausdrücklich ausweist.
- Acronym
- LEGO-3D
- Code
- 850533
- End Date
- 2026-03-31
- Framework Programme
- H2020
- Funding
- Currency: EUR · German Net Eu Contribution Cents: 146750000 · Participant Edge Count: 1 · Status: linked
- Research
- Citation Data Output Count: 56 · Cited Output Count: 42 · First Publication Date: 2020-01-01 · Last Publication Date: 2026-04-01 · Open Access Output Count: 55 · Output Count: 56 · Status: linked · Total Citations: 3604
- Start Date
- 2020-10-01
Prüf die Quellstände
Ein Quellstand beschreibt, was zum Abrufzeitpunkt verfügbar war. Korrekturen und spätere Veröffentlichungen können künftige Beobachtungen verändern.
Zurück ins vollständige Evidenznetz
Durchsuch alle veröffentlichten Entitäten, prüf Ein-Hop-Nachbarschaften und finde die Brücken, die öffentliche Daten noch nicht tragen.