لعبت آليات الانتباه، وخاصة الانتباه الذاتي، دورًا متزايد الأهمية في تمثيل الميزات العميقة للمهام البصرية. يقوم الانتباه الذاتي بتحديث الميزة في كل موقع من خلال حساب مجموع موزون للميزات باستخدام الترابطات الزوجية عبر جميع المواقع، بهدف التقاط الاعتماديات على المدى الطويل داخل عينة واحدة. ومع ذلك، فإن الانتباه الذاتي يتمتع بتعقيد تربيعي، ويتغاضى عن الارتباطات المحتملة بين العينات المختلفة. تقدم هذه الورقة آلية انتباه جديدة نسميها "الانتباه الخارجي"، والتي تعتمد على ذاكرتين خارجيتين صغيرتين قابلتين للتعلم ومشتركتين، ويمكن تنفيذها بسهولة من خلال استخدام طبقتين خطيتين متتاليتين وطبقتين لتطبيع؛ حيث يمكن استبدال الانتباه الذاتي بسهولة في الهياكل الشائعة الحالية. يتميز الانتباه الخارجي بتعقيد خطي، ويعالج بشكل ضمني الارتباطات بين جميع عينات البيانات. كما ندمج آلية متعددة الرؤوس في الانتباه الخارجي لتقديم معمارية بالكامل مبنية على وحدات التحويل (MLP)، تُسمى "الانتباه الخارجي المبني على MLP" (EAMLP)، لتصنيف الصور. أظهرت تجارب واسعة النطاق في تصنيف الصور، وكشف الكائنات، والترميز الدلالي، والتصنيف الفردي، وإنشاء الصور، وتحليل السحابة النقطية، أن طريقةنا تقدم نتائج مماثلة أو أفضل من الانتباه الذاتي ومتغيراته، مع تكاليف حوسبة وذاكرة أقل بكثير.