视觉显著性预测是计算机视觉和认知科学交叉领域的重要研究方向，主要关注模拟人类视觉系统对场景中显著区域的注意力分配机制。该领域通过计算模型预测人眼在观察图像或视频时可能优先关注的区域，在图像压缩、广告设计、自动驾驶、医学影像分析等应用中具有重要价值。早期的显著性预测研究基于认知心理学提出的生物学启发模型，随着深度学习的发展，当前主流方法采用数据驱动的神经网络架构。现有研究主要分为自底向上的低层特征驱动方法和自顶向下的任务依赖方法两大方向，近年来还涌现出结合眼动跟踪数据的混合模型。本综述将系统梳理视觉显著性预测领域的关键技术发展脉络，分析典型算法的优缺点，并探讨未来面临的挑战和潜在发展方向。