本研究提出了一种多模式学习方法，结合面部标记和生物特征信号进行压力检测，准确率分别达到98.38％和94.39％。该研究提供了提高压力检测的有价值见解。

该研究提出了一种新的框架来平滑跳切，以说话人视频为背景。通过融合密集姿态关键点和面部标记的中级表示，插值关键点和标记，并使用图像转换网络合成像素，实现了比强视频插值基准更强的结果。实验表明，即使在说话人旋转或跳切中发生剧烈运动的情况下，也能实现无缝的过渡。