主动说话人检测（ASD）

主动说话人检测 (ASD: Active speaker detection) 的目标是检测视觉场景中谁正在说话，它需要处理快速变化的说话场景，进行视频帧级别的预测。

手势识别

日常生活中，我们有多种方式向机器传递我们的想法，比如基于声音的语音指令控制，还有基于图像的例如通过识别肢体动作、面部表情来识别出一些人想传达的指令信息。

音视频vivid在XR技术中的应用

XR是AR（增强现实）/VR（虚拟现实）/MR（混合现实）的统称。MR是逻辑概念,不是物理概念。MR技术是AR+OST或VR+VST

声源定向技术

​在日常生活中，我们往往不假思索地依靠听觉来确定声音的方向，这项看似简单的技能背后，其实隐藏着一项极具价值的技术——声源定位技术。