本研究提出了一种新方法，解决传统RGB相机在捕捉微小面部动作时的不足。通过创建多模态数据集FACEMORPHIC，并利用跨模态监督技术，实现了有效的神经形态面部分析，成功弥补了不同数据域之间的差距。

该文综述基于WiFi信号的深度学习感知研究，涵盖利用跨模态监督从WiFi信号合成人体轮廓与骨架视频、低成本实现不受光照和隐私影响的细粒度人体感知、提升室内定位可靠性、构建合成无线电与视觉数据集、用卷积网络重建非视域图像、提出几何自监督AutoFi实现步态识别与跨任务迁移、高准确识别无线干扰、用智能无线设备监督人脸识别、预测毫米波接收功率，并发布SenseFi基准以比较模型与迁移性。