本研究提出了一种新的三维时空特征变换器（TSTF Transformer），用于实时战略游戏中的状态评估。该架构有效处理多维特征和时间依赖性，显著提高了评估精确度，同时参数量低于传统方法，推动了该领域的创新发展。

本研究提出了一种新方法，通过融合头部姿势信息和面部定位网络的特征图，改进了面部定位的性能。网络结构使用2D特征图和3D热图表示的多维特征，在双维度网络中实现了鲁棒的面部定位。通过基于知识蒸馏的训练方法，有效地进行密集面部定位。实验评估了预测的面部标记与头部姿势信息之间的相关性，以及面部标记的准确性与头部姿势信息的质量之间的变化。在竞争性性能比较中，证明了所提方法的有效性。