Ein neues bottom-up-Modell zur visuellen Aufmerksamkeit, das graphbasierte visuelle Aufmerksamkeit (Graph-Based Visual Saliency, GBVS), wird vorgestellt. Das Modell besteht aus zwei Schritten: Zunächst werden Aktivierungskarten auf bestimmten Merkmalskanälen erzeugt, die anschließend so normalisiert werden, dass die auffällige Wahrnehmbarkeit hervorgehoben und eine Kombination mit anderen Karten ermöglicht wird. Das Modell ist einfach und biologisch plausibel, da es sich naturgemäß parallelisieren lässt. Es erzielt eine hohe Vorhersagegenauigkeit menschlicher Fixationen auf 749 Varianten von 108 natürlichen Bildern und erreicht 98 % der ROC-Fläche eines menschlichen Referenzmodells, während die klassischen Algorithmen von Itti & Koch ([2], [3], [4]) lediglich 84 % erreichen.