本研究提出了一种广义标签偏移（GLS）方法，以解决跨域视线估计中的领域偏移问题。通过重要性重加权策略，实验结果表明该方法在不同模型上具有良好的泛化能力。

本研究提出了LG-Gaze框架，将视线估计视为视觉-语言对齐问题，利用视觉-语言模型的先验知识，显著提升了视线估计的准确性和效率。