共顯著オブジェクト検出（Co-salient object detection, CoSOD）は、顕著オブジェクト検出（SOD）の新しい分野として近年急速に発展しつつある分野であり、複数の画像に共通して出現する顕著なオブジェクトを検出することを目的としている。しかし、従来のCoSODデータセットは、画像群ごとに類似した視覚的外観を持つ顕著オブジェクトが含まれているという強いデータバイアスを抱えている。このバイアスは、モデルが訓練される際の理想状態を歪め、実世界の状況ではオブジェクト間の類似性が視覚的ではなく、むしろ意味的または概念的なものであることが一般的であるため、実用性に制約をもたらす。この問題に対処するため、本研究では、カテゴリ、バウンディングボックス、オブジェクト、インスタンスの4段階のアノテーションを備えた160のグループに分類された3,316枚の画像を含む、高品質な新しいデータセット「CoSOD3k」を構築した。CoSOD3kは、多様性、難易度、スケーラビリティの点で飛躍的な進展を遂げており、関連する視覚認識タスクに大きな貢献が期待される。さらに、34の最先端アルゴリズムを包括的に要約し、4つの既存のCoSODデータセット（MSRC、iCoSeg、Image Pair、CoSal2015）および本研究のCoSOD3kを用いて、合計61,000枚の画像を対象に19のアルゴリズムをベンチマークし、グループレベルでの性能分析を報告した。最後に、CoSODの課題と今後の研究方向性について議論した。本研究は、CoSODコミュニティの発展に強力な促進作用を与えるものである。ベンチマークツールボックスおよび実験結果は、プロジェクトページにて公開されている。