在这项研究中,我们调查显着性图的聚合是否可以胜过最佳显着性模型。 本文讨论了各种聚合方法。 在两个现有的眼睛注视数据集上测试了六种无监督学习方法和四种有监督学习方法。 结果表明,TOP 2显着性图的简单平均值显着优于最佳显着性模型。 即使使用健壮的聚合方法,考虑更多显着性模型也会降低性能。 关于监督学习方法,我们提供了证据,即可以在训练数据集中找到与输入图像相似的图像的条件下,可以进一步提高性能。 我们的结果可能对需要鲁棒且相关的显着性图的关键应用程序产生影响。