GazeFlow：从人类注视行为到生成式自我中心注视预测

GazeFlow 将自我中心注视预测建模为联合分布下的条件流匹配，通过视频编码器提取底层视觉特征并结合顶层任务信息迭代生成注视轨迹。在标准数据集上达到逐帧指标最优，生成轨迹更符合人类注视的时间动态特性。该研究已被 NeurIPS 2026 接收。