本研究提出了一种名为TL-CLIP的两阶段输电线路缺陷识别模型，旨在解决传统模型在领域知识和泛化能力不足的问题。该模型利用电力特定的多模态算法，显著提升了缺陷识别的性能，尤其在分类和检测任务中表现优异。

本文介绍了越南多语言视觉问答基准数据集EVJVQA及其相关研究，涉及多个模型和方法的开发与评估，如OpenViVQA和BARTPhoBEiT，旨在提升越南语视觉问答系统的性能，推动低资源语言的多模态算法发展。

本文提出了多种新方法来解决微表情识别（MER）问题，包括动态分段稀疏成像模块和分段运动关注空间时间网络，实验结果表明这些方法优于现有技术。此外，研究探讨了面部肌肉运动对微表情识别的影响，并提出了基于Transformer的多模态算法，取得了高准确率，显示出在微表情分析中的有效性。

本文利用机器学习预测非信号控制人行横道中行人与车辆的交互，提出新模型以提高预测准确率。研究发现，90%以上的行人在过马路前会注视车辆，且其决策受到时间到碰撞等因素的影响。通过多模态算法分析环境特征，提升行人安全性，为交通安全提供新见解。