トップダウン・ボトムアップに顕著性推論を行う仕組みを提案したことに新規性がある。 提案法では、学習済VGGによる層ごとの特徴上で、トップダウン、ボトムアップ推論を繰り返す。 トップダウン推論では、現時点の層の特徴と直前の顕著性推論値を用いて、新たに顕著性を推論する。これを下層に向かって行う。 ボトムアップ推論では、上層に向かって行う。 トップダウン、ボトムアップ推論ではCNNやRNNを用いる。

定量的な指標では、ESSCDやDUT-OMRONなど6種のデータセットにて全勝。 定性的な評価においても、提案法が優れる。また、トップダウン・ボトムアップ推論を繰り返すごとに、推論結果が良化することがわかる。 特徴抽出モジュールとして、ResNetを用いた場合が最も良く、 実装としてconvGRUを用いた場合が最も精度が高かった。