提出趋势感知的监督方法（AAAI 2024），通过在训练过程中提升模型对趋势的感知来实现更准确的AU强度估计。

提出EventFormer（BMVC 2023），设计多标签事件提取方法，从视频序列中定位不同面部动作单元事件发生的起止时间。

提出CISNet（AAAI 2022），提出因果推理框架，对因果图中的混淆因子进行去混杂，实现不受个体差异影响的面部动作单元识别。

提出SupHCL（ACM MM 2022），一种用于AU识别的有监督分层对比学习方法，将内在关系用作额外的监督，以追求知识一致性，减轻个体差异对模型泛化能力的影响。

提出FSNet （IROS 2021 & RA-L），利用光流监督优化面部动作单元特征，能够在不增加推理负担的情况下更精确地得到细微的面部动作单元表征。

提出CaFNet （ACM MM 2021），构建上下文感知的面部区域图，对各面部区域的内在关系和时间演化建模，更好地捕捉细微而不易判别的面部动作单元。