本研究探讨了目标检测与视觉显著性及深度估计的关系，发现视觉显著性与目标检测精度的相关性高于深度预测，尤其对大物体更为明显。这表明在目标检测中引入视觉显著性特征可能更为有效。

该研究提出了一种创新框架，将局部流形学习与对比学习相结合，用于无参考图像质量评估。该方法在多个裁剪中识别出最具视觉显著性的裁剪，并将其他来自同一图像的裁剪作为正类进行聚类，将来自不同图像的裁剪作为负类以增加类间距离。此外，还采用了互相学习的框架，提高了模型的自适应学习和视觉显著性区域识别能力。在7个标准数据集中，该方法表现出更好的性能。