本文提出了一种单张图像中的联合注意力估计方法，通过引入上下文线索和模拟属性之间的相互作用，采用基于Transformer的注意力网络编码联合注意力为低维特征。通过预测像素级联合注意力的置信度热力图，改善了热力图的准确性，并结合了图像的普通注意力估计进一步提高了联合注意力的估计。与其他方法相比，在定量实验中表现更好。