يقترح المؤلفون VEGAS (Video caption Evaluation via GAze Score)، وهو مقياس لا يتطلب التدريب يستفيد من تتبع النظر أثناء الاختبار لعينة نصية مخصصة ومتوافقة مع الانتباه لتسميات الفيديو. إنه مقياس معلوماتي متعدد الوسائط يكمّم مدى توافق التسمية المرشحة مع تركيز المشاهد.
- يستخدم VEGAS أنشطة ذات منظور شخصي وشرائح تعليمية مقترنة بتتبع نظر متزامن وتعليقات مرجعية للتقييم.
- يتم اختيار التسميات عبر أخذ العينات بالرفض دون إعادة تدريب النموذج.
- أظهرت التجارب أن التسميات التي اختارها VEGAS تتوافق بشكل ملحوظ أفضل مع تركيز الإنسان.
- تحسن الطريقة استرجاع الفيديو من التسميات في المراحل التالية.
تُظهر هذه الدراسة الفائدة العملية لدمج انتباه المشاهد أثناء الاستدلال.