本文提出了一种结合图卷积神经网络（GCNs）和时间卷积神经网络（TCNs）的方法，用于在无需摄像机参数的情况下估计多人3D姿态。该方法有效处理遮挡问题，实验结果表明其在多个数据集上优于现有技术，具有实际应用潜力。

本研究提出了一种时空注意力图神经网络模型，结合了图神经网络和时间卷积神经网络，以提高预测精度和模型可解释性。该模型在统一归一化下表现出了卓越结果，对于多个操作条件的数据集，聚类归一化提升了27%的模型性能。

该研究使用1D时间卷积神经网络和图卷积网络识别脑电信号中的尖峰，并通过短时间帧进行定位。在平衡数据集上，该模型达到了76.7％的分类f1分数，在现实中高度不平衡的数据集上达到了25.5％的分数。