本研究提出了一种新的多层递归注意模型（MRAM），有效模拟人类视觉体系的层次结构，改善了注视与扫视的平衡，并在图像分类基准测试中超越了现有模型。

我们提出一个机械模型，模拟动态实景中的对象分割和凝视行为，使用场景分割进行对象导向的扫视决策，并使用视点对象递归地完善场景分割。通过贝叶斯滤波器来模拟这种完善过程，我们演示了这个模型如何与观察者的自由视觉行为密切相似，并通过大量模拟和消融研究显示了不确定性如何促进均衡的探索和语义对象线索对于形成对象导向注意的感知单元的重要性。此外，我们展示了我们模型的模块化设计如何允许扩展，如引入视觉动量或...

本研究通过个体化的扫视预测方法，准确预测不同个体在多样化的视觉任务中如何转移注意力。方法经过综合评估验证了其有效性和普适性。