本研究提出DualCast模型框架，旨在提升对非周期性交通事件（如事故）的预测能力。该模型通过双分支架构和跨时间注意机制，有效捕捉空间-时间关系，实验结果显示预测误差最多降低9.6%。

本研究提出了一种基于空间-时间关系和注意力机制的面部动作单元检测框架，通过空间-时间图卷积网络捕捉动态面部动作单元的关系，并使用自适应学习的边界权重形成关系图。实验结果显示，该方法在基准测试中取得了显著的改进。

本研究提出了一种基于空间-时间关系和注意力机制的面部动作单元检测框架，通过空间-时间图卷积网络捕捉动态面部动作单元的关系，并使用自适应学习的边界权重形成关系图。通过注意力机制自适应地学习区域注意力，抑制不相关区域提取每个AU的特征。实验结果显示，在BP4D和DISFA基准测试中实现了显著的改进。