本研究提出了一种改善在线人脸活体检测系统的解决方案，包括引入时间一致性约束的方法和非参数不确定性估计模块。该方法在多个公共数据集上至少提高40％的ACER值，适用于低延迟的在线应用。

本研究提出了一种新的训练3D手势估计模型的框架，使用自监督学习模型（TASSN）从仅具有2D信息的视频中学习。通过强制时间一致性约束，TASSN可以学习从视频中推断3D手势和网格的技能，并且实验证明了该模型的3D估计精度与目前最先进的基于3D注释的模型在同等级别上，强调了时间一致性在限制3D预测模型方面的优点。