事件概述：国际期刊《International Journal of Computer Vision》于2026年10月25日发表论文《Eyegent: Visual Attention Orchestration on Concepts》。论文提出一种面向语言引导视觉搜索的主动视觉代理，试图让系统不再只依赖一次性、前馈式的图像识别，而是根据当前任务和不确定性，逐步决定下一次应观察图像的哪个区域。论文原文摘要
方法与机制：论文将这一过程称为“贝叶斯主动语义落地”（BASG）。给定图像和自然语言查询，Eyegent先把查询转化为候选分割区域及相关假设，再维护一个显式的后验信念分布，并选择预期信息增益最大的注视位置。每次观察后，系统借助视觉—语言模型重新验证假设，直到不确定性降低到设定的风险阈值。论文还提出空间漂移—扩散凝视模型，用于把这种信息增益策略转化为可解释的扫描路径。
与常见视觉注意力模型相比，Eyegent的特点是无需凝视轨迹监督，也不需要针对具体任务微调；作者称其由现成组件组成，并以零样本方式运行。论文在RefCOCO-Gaze和AiR-D两个同时包含语言驱动视觉任务与人类眼动标注的基准上进行评估。摘要称，Eyegent在语义、空间和扫描路径结构等指标上达到零样本方法中的有竞争力或领先表现，并在部分维度接近有监督基线，但原文摘要未提供足以单独判断整体提升幅度的具体数值，因此不宜将其解读为已经普遍超过专用视觉模型。
可能影响：这项工作把视觉识别从“看完整张图后给出答案”转向“围绕假设主动取证”，对机器人视觉、视觉问答、辅助驾驶和需要解释观察过程的智能系统具有启发意义。其核心价值不只在于预测人类会看哪里，而在于尝试解释系统为什么选择某个区域。不过，论文目前主要在带有眼动真值的基准上验证，真实环境中的遮挡、动态目标、传感器延迟和视觉—语言模型错误，仍可能改变信息增益判断。论文提出的形式化保证和神经科学对应关系也属于作者的理论框架，不能直接等同于对生物视觉机制的实验证明。
资料判断：已核实的核心事实是论文于2026年10月25日发表，主题属于计算机视觉中的主动视觉、视觉注意力和语言引导视觉搜索。关于其实际部署收益、泛化能力及是否优于所有专用模型，现有来源不足，暂不作进一步推断。
参考来源：
- Eyegent: Visual Attention Orchestration on Concepts | International Journal of Computer Vision 2026-10-25
- International Journal of Computer Vision | Springer Nature（最新文章列表） 2026-10-25
由 AI 整理，仅供参考；请以原始来源为准。
