本研究通过引入CapMIT1003数据集和NevaClip方法，结合CLIP模型和NeVA算法，解决了任务驱动的图像探索中对人类注意力理解不足的问题。NevaClip生成的模拟扫描路径在对标题和自由观察任务的合理性上优于现有的人类注意力模型，促进了对人类注意力的理解和扫描路径预测模型的发展。