Gaze-LLE是一个基于变换器的注视目标估计模型，利用预训练的视觉基础模型，在冻结的视觉编码器上学习轻量级解码器，显著减少参数量，无需额外输入如深度和姿态。该模型通过ONNX实现，支持人脸检测和注视预测。

本研究提出了Gaze-LLE框架，利用DINOv2编码器特征来简化注视目标估计，准确预测人们的关注位置。该方法在多个基准测试中表现优异，并对设计选择进行了广泛分析。

本研究探讨了图嵌入方法在网络扰动中的鲁棒性，发现鲁棒性受网络大小、初始社区划分强度和扰动类型等因素影响。node2vec和LLE方法在各种情况下表现出更高的鲁棒性，选择合适的图嵌入方法对于鲁棒性很重要。