本研究では、注目度検出に向けた新規な深度誘導型マルチスケール再帰的注目ネットワークを提案する。このネットワークは、特に複雑なシーンにおいて顕著な性能向上を達成している。本ネットワークの実験的に確認された主な貢献は以下の3点である。第一に、RGB画像と深度情報の両ストリームから得られる多レベルの補完的特徴を効果的に抽出・統合するため、残差接続を用いた有効な深度精細化ブロックを設計した。第二に、空間情報が豊富な深度特徴を、マルチスケールの文脈特徴と革新的に組み合わせることで、注目対象の正確な位置特定を実現した。第三に、人間脳の内部生成機構（Internal Generative Mechanism）に着想を得た新規な再帰的注目モジュールを導入し、融合特徴の内部意味関係を包括的に学習するとともに、記憶指向のシーン理解により局所的な細部を段階的に最適化することで、より正確な注目度マップを生成した。さらに、より複雑なシーンを含む大規模なRGB-Dデータセットを構築し、注目度モデルの包括的な評価に貢献することを目的とした。公開されている6つのデータセットおよび自作データセットにおける広範な実験結果から、本手法が注目対象を正確に同定でき、かつ16の最先端のRGBおよびRGB-D手法と比較して一貫して優れた性能を発揮することが確認された。