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。

本文综述多模态大模型与视觉注意力研究，涵盖DetGPT推理型物体检测、Video-ChatGPT视频对话、PoseGPT三维人体姿态推理、MultiModal-GPT多模态指令对话，以及利用人类注视提升图像字幕、视频字幕和文本显著性的方法，并探索合成扫视路径替代真实注视数据。

该文汇总多项研究，涉及性别刻板印象、人-物交互、性暴力场景识别、注视辅助图像字幕、视觉情感解读及视频记忆性，运用自然语言处理、机器学习和Transformer模型，结合人类注视信息，以推动性别平等与视觉场景理解。

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。