本研究提出了“意图手势”框架，解决了手势生成方法中忽视交流意图的问题。通过高层次意图推理和手势意图注解，实现了更深层次的手势合成，并在BEAT-2基准测试中取得了先进表现，推动了数字人类和人工智能领域的发展。

该研究提出了SARGes框架，解决语音同步手势合成中的语义手势生成问题。通过大型语言模型解析语音，SARGes实现了50.2%的手势标注准确率，证明了其在语义手势合成中的有效性。

本研究提出ExGes框架，优化音频驱动的人类手势合成，解决了粗糙性和表现性不足的问题。通过构建手势库和应用对比学习等技术，显著提升了生成手势的自然性和语义相关性，实验结果表明其优于现有方法。

本研究提出了一种基于检索增强生成（RAG）的手势生成方法RAG-Gesture，旨在解决现有神经系统在生成语义丰富手势方面的不足。该方法结合可解释的语言知识和示例运动库，实现自然且富有语义的手势生成，推动手势合成领域的发展。

该文综述多项手写与手势合成研究，涵盖签名表示学习与伪造检测、空中签名验证、结合运动学与神经模型的手写合成、从手语视频生成3D虚拟人、混合梯度优化3D训练数据、深度学习辅助阿尔茨海默病早期检测、变分变压器从语音合成多样手势、SyntheticP3D减少真实数据需求以及SigWGAN生成时间序列。