DySample effectue un suréchantillonnage en apprenant la perspective de l'échantillonnage, évitant ainsi complètement les opérations de convolution dynamique coûteuses en temps et les sous-réseaux supplémentaires. Contrairement aux suréchantillonneurs dynamiques basés sur des noyaux existants, DySample ne nécessite aucun package CUDA personnalisé, et présente un nombre de paramètres et un nombre d'opérations en virgule flottante (FLOPs) réduits. DySample surpasse les autres suréchantillonneurs dans des tâches telles que la segmentation sémantique, la détection d'objets, la segmentation d'instances, la segmentation panoramique et l'estimation de profondeur monoculaire.