EvAnimate框架利用事件相机的高时间分辨率数据，解决了传统视频在时间分辨率和运动模糊方面的问题。该框架能够将静态人像转换为动态视频，显著提高视频质量和时间一致性，尤其在传统方法表现不足时展现出优越性能。

本研究提出了一种自我监督的测试时间训练框架，解决了4D医学图像插值中的分布变化问题，显著提高了时间分辨率和诊断精度。实验结果显示，该方法在多个指标上表现优异，为其他领域提供了适应模板。

本研究引入FuXi-2.0模型，解决了机器学习天气预报模型的局限性，提高了时间分辨率和气象变量数量。研究结果显示，FuXi-2.0在关键气象变量的预测上 consistently 超越了欧洲中期天气预报中心的高分辨率预报，尤其在风能预测中表现突出。

研究提出了一种新方法GNRK，将图神经网络模块与受经典求解器启发的循环结构集成，能够解决一般的方程，对空间和时间分辨率变化具有鲁棒性，通过基准测试揭示了其在模型大小和准确性方面的优势。