本研究使用OSN框架学习与输入视频匹配的三维场景配置，通过对象尺度网络和联合优化模块学习动态三维物体的准确尺度范围，实验证明该方法在动态新视图合成中超越基线，准确性更高。

该研究使用三种内在任务对阿拉伯语方言预训练模型进行了层和神经元分析，发现单词形态在较低和中间层中学习，方言识别需要更多知识，基于MSA的模型无法捕捉阿拉伯语方言的细微差别，中间层中的神经元专门用于特定属性。