ظاهر بروز واحدهای کنشی و  درد  در چهره ممکن است به طور قابل‌توجهی برای افراد مختلف متفاوت باشد. بنابراین توزیع احتمال داده‌های آموزشی و داده فرد جدید در حالتیکه لازم است مدل یادگیرنده مستقل از داده شخص جدید آموزش دیده باشد، متفاوت است. در این کار با فرض اینکه سبک افراد در بروز حالات علت تنوعات بین فردی است، روش‏هایی برای افزایش توانایی تعمیم مدل بازشناسی جلوه‏ های کنشی چهره ارائه شده است. این روش‏ ها بر اساس  مفهوم انتقال سبک یا تعدیل اثر سبک عمل می‏ کنند. تفاوت روش پیشنهادی این است که در مقایسه با روش‏هایی که از نگاشت برای انتقال سبک استفاده می کنند، الگوریتم‏ هایی را پیشنهاد داده است که در حین سادگی کارآیی مناسب داشته باشند. آزمایش‌هایی بر روی پایگاه‌داده UNBC-McMaster انجام شده تا نتایج روش‏های پیشنهادی با کارهای قبل مقایسه شوند. نتایج نشان می‌دهد که این رویکرد می‌تواند در حین داشتن سرعت مناسب، به طور موثر نرخ شناسایی درد و واحدهای کنشی را در چهره بهبود دهد. بطوریکه بهترین متوسط نرخ بازشناسی واحدهای کنشی 96.84 (با معیار AUC) بوده و همان روش در شرایط داده تطبیق کم و داده تطبیق مناسب به ترتیب دارای نرخ بازشناسی درد  87.30 و  93.26 (با معیار AUC) بوده است.