本研究改进了光流处理中的凸上采样方法，提出了解耦加权和上下文特征引入，开发了基于局部注意力的上采样器，实验结果表明这些改进提升了光流模型的精度。

本研究提出了一种可学习的热扩散框架，解决了生成扩散模型在点云重采样中结构恢复不佳的问题。实验结果表明，该方法在点云去噪和上采样任务中表现优异。

本研究探讨了多语言环境中低资源语言数据稀缺导致的训练不均衡问题。通过理论与实证分析，证明了上采样和加权损失的等效性及其在不同梯度下降方法下的差异。提出的Cooldown策略有效加快了收敛速度，避免了过拟合。

本文介绍了支持高达32,768个令牌的长上下文LLMs模型，通过预训练和上采样长文本数据集，取得了显著改进。作者分析了模型的组成部分，并验证了长上下文持续预训练的高效性和有效性。

本文介绍了支持高达32,768个令牌的长上下文LLMs，通过预训练和上采样长文本数据集构建。模型在语言模型、合成上下文探索任务和研究基准上取得了改进，并在长上下文任务上相对于Llama 2有显著提升。通过指令调整过程，70B变体在长上下文任务中超过了gpt-3.5-turbo-16k的整体性能。对模型的各个组成部分进行了深入分析。

本论文介绍了VEnvision3D数据集，用于多任务学习，包括深度补全、分割、上采样、场景识别和3D重建。数据集具有对齐的特点，提出了新的基准测试，揭示了未来研究的新观察、挑战和机会。设计了一个简单的多任务网络，展示了VEnvision3D对基础模型的能力。

本文提出了一种新的图像超分辨率方法，使用深度卷积神经网络联合学习特征提取、上采样和高分辨率重建模块，实现更精确的图像恢复。

该文章介绍了支持高达32,768个令牌的长上下文LLMs模型，通过预训练和上采样长文本数据集取得了显著改进。作者对模型进行了深入分析，并验证了长上下文持续预训练的高效性和有效性。

该文章介绍了支持高达32,768个令牌的长上下文LLMs模型，通过预训练和上采样长文本数据集取得了显著改进。作者对模型进行了深入分析，并验证了长上下文持续预训练的高效性和有效性。

本文提出了一种新的图像超分辨率方法，使用深度卷积神经网络联合学习特征提取、上采样和高分辨率重建模块，实现更精确的图像恢复。

本文提出了一种新的图像超分辨率方法，使用深度卷积神经网络联合学习特征提取、上采样和高分辨率重建模块，实现更精确的图像恢复。

该文介绍了一种新的图像超分辨率方法，使用深度卷积神经网络联合学习特征提取、上采样和高分辨率重建模块，通过多尺度 HR 重建实现更精确的图像恢复，并为未来的研究提供了更多见解。

该文介绍了一种新的图像超分辨率方法，使用深度卷积神经网络联合学习特征提取、上采样和高分辨率重建模块，通过多尺度 HR 重建实现更精确的图像恢复，为未来的研究提供了更多见解。