RGB-Dデータを用いた显著物体検出（SOD）の分野は、最近いくつかのモデルが十分に正確な結果を示すようになってきました。しかし、これらのモデルには一般化能力が制限されており、計算量も非常に大きいという問題があります。本論文では、変形畳み込みの優れた背景/前景分離能力に着想を得て、それらを我々のDensely Deformable Network (DDNet) に導入し、効率的なSODを実現しました。変形畳み込みから得られた显著領域は、転置畳み込みを使用してさらに洗練され、最適な显在性マップを生成します。最新のSODデータセットを用いて22の競合技術と比較した定量的および定性的評価により、当方法の効率性と有効性が示されました。また、自作のクロスデータセットである監視-SOD (S-SOD) を用いて評価を行い、訓練されたモデルが多様なシナリオにおいて適用可能かどうか確認しました。その結果、現在のモデルは一般化能力が限定的であり、さらなる研究が必要であることが明らかになりました。当方のコードと新しいデータセットは、https://github.com/tanveer-hussain/EfficientSOD で公開されます。