该研究使用Transformer架构自动检测图像中的对象，并关联注视，实现可解释的注视分析。方法在目标检测、注视距离、对象分类和定位上均有显著提升，AUC提高2.91%，注视距离减少50%，分类和定位精度提高11-13%。

该研究使用基于Transformer的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、可解释的注视分析。该方法在各项指标上取得了最新的成果，对注视目标检测、注视距离、注视对象分类和定位平均精度均有显著提高。

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%。