本研究探讨了幼儿的注视行为如何促进自我监督的物体学习，提出了一种生物启发的视觉学习模型，表明幼儿的视觉体验能有效学习物体的不变表示，从而提升机器学习在不同视角下的识别能力。

该研究提出了一种基于Transformer的模型，能够自动检测图像中的对象并分析注视行为。该方法在目标检测、分类和定位方面表现出显著提升，具有广泛的应用潜力。