- ICML用扩散模型在图像之间进行插值
通过使用潜在扩散模型进行无监督插值，我们在降噪、文本嵌入和主题姿势上实现了一致而令人信服的图像插值，而传统的数量指标如 FID 则无法准确度量插值质量。
- ACL无导数权重空间集成
最新研究表明，在两个专门的语言模型的权重之间进行插值可以以多任务学习无法实现的方式在任务之间转移知识。然而，极少有人探索过在两个以上模型之间进行插值，每个模型具有不同的知识库。本文介绍了一种称为 DFWE（Derivative Free W - FITS: 使用 10k 个参数建模时间序列
通过在复频域内插值，FITS 模型丢弃对时间序列数据影响微乎其微的高频成分，从而实现与时序预测和异常检测任务中最先进模型相当的性能，且仅具约 10k 参数的轻量级，可以轻松训练和部署在边缘设备。
- 通过沿广义测地线插值生成合成数据集
本文提出了一种新的基于最优输运（OT）理论概念的多数据集插值方法来合成具有目标数据集相似度的数据集，为目标域下的预训练提供了可行方案。
- 曲率引导采样的权重感知隐式几何重建
该研究提出了一种利用插值与外推技术，通过有效计算几何特性和引入权重感知的隐式神经表示法，在有限的已知数据下重建具有优异定量和定性结果的表面，并能够处理非闭合表面的局部退化区域
- 可学习空间扩展的空洞卷积：超越双线性插值
该论文提出了一种基于可学习空间的扩张卷积（DCLS）, 通过插值来处理非整数位置，其中使用了高斯插值，以提高在 ConvNeXt 和 Conv-Former 两种卷积网络上的 ImageNet1k 分类性能，而不增加模型参数。该方法基于 P - MSMix：一种基于插值的文本数据增强方法：流形交换 Mixup
提出了一种简单而有效的插值数据增强方法 MSMix，并在三个中文意图识别数据集上进行了实验，结果表明该方法在全样本和小样本配置下均取得了比其他方法更好的结果。
- PINNslope：物理知情神经网络在地震数据插值和局部斜率估计中的应用
利用物理知识神经网络 (PINN)，基于局部平面波差分方程和可用数据训练两个前馈神经网络，一个主网络用于重构地震数据，一个辅助网络估计相关的局部斜率。该方法有效地处理了非均匀采样的地震数据和数据中的大间隔，比传统的最小二乘反演方法和单个网络 - KNN-LM 不会改善开放式文本生成
研究插值检索增强语言模型的生成质量，插值检索增强的语言模型通过使用给定前缀的最相关检索进行插值来预测下一个词的分布，发现这种方法对于母猪鼻子的下一个词比较准确，但对于开放式的文本生成质量并没有相应的改善，同时发现对于模型生成的文本作为查询时 - 扩散模型实现实际噪声抑制
本文介绍了一种基于扩散模型的新型通用去噪扩散模型，采用线性插值进行扩散，中间的噪声图像从原始的清晰图像和相应的真实噪声图像进行插值，使得该扩散模型可以处理添加噪声的级别，并且提出了两种采样算法，实验证明该模型在真实去噪基准测试中表现良好。
- 基于语义空间的加权解码多属性可控对话生成
通过一种新型的 DASC 生成框架并在属性语义空间上增加基础，即在多个属性之间进行插值，使用加权解码范例实现了多维度生成，实验表明，在 3 个方面的可控生成任务中，DASC 可以实现最先进的控制精度，同时产生有趣和合理的响应。
- 任意 $p$- 范数的实验设计
本文研究实验设计问题的一般 p - 范数目标，证明了采用随机局部搜索方法可以为所有 p 提供一种统一的求解算法，同时提供了专门情况下已知最佳边界的漂亮插值。
- 基于物理插值的学习字典用于水网泄漏定位
使用基于状态估计和学习的泄漏定位方法，利用水力头之间的物理相互关系和残差插值，比较新插值方法和现有方法在定位误差和后验误差方面的改进。
- 浅层神经网络的插值性质
本文研究过参数神经网络的损失曲面的全局最小值的几何结构，证明浅层神经网络可以插值任何数据集，给出全局最小值的 Hessian 矩阵的特征表达式，并提供一种实用的概率方法寻找插值点。
- 使用连续地点描述符回归实现精准视觉定位的 CoPR 方法
该论文旨在提高基于图像的位置估计方法（Visual Place Recognition）的精度，作者通过提出一种连续的地点描述符回归方法（Continuous Place-descriptor Regression），在已有的参考图片上进行 - CVPRBiFormer: 通过双向 Transformer 学习双边运动估计 用于 4K 视频帧插值
本文提出了一种基于双向变形器（BiFormer）的新型 4K 视频帧插值器，它包含三个步骤：全局运动估计，局部运动细化和帧合成。通过使用双向变形器和基于块的代价卷积技术，该算法实现了出色的插值性能。
- 通过加权插值实现数据更新的向后兼容性
研究机器学习应用中数据更新导致的负面影响，提出了一种名为 “Backward Compatible Weight Interpolation”（BCWI）的方法，该方法通过插值处理模型权重，实现了新模型精度提升，同时保持了与旧模型的向后兼容 - 维度无关数据集近似及其在分类中的应用
本研究中，我们在核方法逼近 / 插值理论的一个特定背景下重新审视这一方法。我们定义了特殊函数作为数据信号用于解决监督分类问题，其有效性通过低维例子和高维 MNIST 数字分类问题的应用得到了证明。
- ECCV被忽略的姿势其实很有道理：提取人体运动预测的特殊知识
本文提出了一种新的预测模式，介绍了以前被忽视的人体姿态，并从插值的角度实现预测任务，从而达到了在受限的观察信息下进行复杂时间序列预测的性能最优。
- MM网格间针对颜色上采样的频率选择性点云重采样
本文提出了一种基于 Frequency-Selective Mesh-to-Mesh Resampling 的插值方案，用于三维彩色点云的升级，该方案在各种采样密度下表现出高性能。