本文首先描述了我们自主开发的可通过电话线传输的多点视频会议系统——CyberView系统。研究视频会议的目的就是要在尽可能广泛、尽可能廉价的通信网络介质上传输高质量的视频数据。这一系统基于国际电信联盟最新提出的极低码速率视频压缩标准——H.263，能够提供实时全双工的音频、视频和数据通信；通过公用电话网、广域网及局域网和Internet均可进行多点视频会议，并可应用于多媒体信息的传输和存储的各个领域，如视频会议、可视电话、保安监控、野外遥测、远程医疗会诊、多媒体数据库等。 本文的第二部分从MPEG-4所支持的各种音视频对象及其特点、场景的描述和不同应用的框架／级别等三个方面讨论了新的编码标准的主要内容和现状，深入分析了图象和视频的分割、全景图象的生成、人脸的检测与跟踪、2D网格模型的建立与跟踪以及3D人脸的分析和合成等研究方向和进展情况。