本研究提出了TdAttenMix，通过结合人类注视信息改进CutMix方法，有效解决标签不一致问题。实验结果表明，其在八个基准测试中优于现有方法。

通过研究人类注视和深度神经网络注意力机制之间的相互作用，提出了一种新的注视辅助图像字幕模型，能够改善图像字幕性能，并提高语义场景理解的任务。