本文探讨了可解释人工智能（XAI）在计算机视觉中的应用，特别是面部验证算法的可解释性。通过回顾不同的XAI方法，提出了基准数据集和评估流程，以促进视觉解释技术的发展，并强调将人类注意力融入XAI方法的重要性，以提高模型的可靠性和合理性。

该研究探讨了人类在视觉场景中的注意力转移，提出结合低层显著性和物体中心偏置的模型，分析了人类注视与深度学习模型的关系。通过眼动追踪和计算机视觉，研究了视觉搜索模式的稳定性，并提出新型模型以提高显著性预测性能，展示了人类注意力对人工智能模型的支持。