该文综述了视频显著性检测与时空预测的多种深度学习模型，包括多级特征三维卷积编码器-解码器、统一RGB/RGB-D检测的Transformer架构VST、时空注意力预测模型、TASED-Net、VST++、局部时空分离注意力Transformer、半监督分割框架HST、三元注意力变换器及层次化时空金字塔STPT，这些模型在精度与效率上均优于现有方法。