该文综述了基于Transformer的注视分析研究，涵盖注视目标检测、注视对象预测和视线估计等任务。代表性方法包括GaTector、GG-Transformer、HGTTR和Gazeformer，采用单阶段流水线、特定-通用特征提取及能量聚合损失等技术实现端到端联合检测。实验表明，注视目标检测AUC提升2.91%，注视距离减少50%，分类定位精度提高11-13%，在多个基准上达到最新水平。

该研究使用Transformer架构自动检测图像中的对象，并建立对象与注视的关联，实现全面的注视分析。该方法在各项指标上均取得了最新的成果，对注视目标检测提高了AUC的达到2.91%、注视距离减少了50%、注视对象分类和定位平均精度提高了11-13%。