本文介绍了ORBIT-2，一个可扩展的超高分辨率气候下尺度化基础模型，旨在克服稀疏观测和粗分辨率气候模型的局限性。通过引入Residual Slim ViT和TILES算法，显著提高了处理效率与准确性。实验结果表明，ORBIT-2在7公里分辨率下的R^2评分达到0.98至0.99，展现了其在气候预测中的潜力。

本研究提出了一种自监督学习技术，解决了在6米分辨率森林制图中标签数据不足的问题。该方法在亚马逊雨林案例中优于完全监督方法，显示了在超高分辨率森林制图中的潜力。

历史皇家宫殿与谷歌艺术与文化合作，展示近10,000件涵盖500年历史的皇家服饰。观众可通过超高分辨率摄影和3D扫描技术在线探索服装细节与故事，感受皇家时尚魅力。

本研究通过SuperGS方法解决了超高分辨率新视图合成中的低分辨率输入问题。SuperGS采用两阶段训练框架，结合多分辨率特征高斯溅射和梯度引导选择性分裂，提升了合成质量和效率。实验结果显示，SuperGS在真实数据集上表现优于现有方法。