本研究提出了LLM-EvRep，一个自监督框架下的事件表示生成器，旨在提高事件驱动视觉内容处理的效率。实验结果表明，LLM-EvRep在事件识别任务中相较于E2VID方法性能显著提升，具有广泛的应用潜力。

本研究提出开放词汇音视频事件定位（OV-AVEL）任务，解决了音视频事件定位中对未知事件类别处理不足的问题。通过引入OV-AVEBench数据集和基准方法，显著提升了开放集环境下的音视频事件识别能力。

本研究提出PAST-SSM框架，通过PEAS模块和MSG损失优化特征编码，解决了长时间事件时空关系捕获和泛化能力不足的问题，在多个数据集上提升了事件识别准确性。

HyperMV是一个多视角基于事件的行为识别框架，引入了THU-MV-EACT-50数据集。实验结果显示，HyperMV在跨主体和跨视角情况下优于基线模型，并超越了现有技术水平。