深度显著性预测算法在补充目标识别功能方面发挥着重要作用，通常依赖于场景上下文、语义关系、注视方向以及物体差异性等额外信息。然而，现有模型均未考虑图像观察过程中注视转移的时间特性。为此，我们提出一种新型显著性预测模型，该模型通过利用人类的时间注意力模式，学习在连续时间区间内输出显著性图。我们的方法通过融合学习得到的时间显著性图，对局部显著性预测进行动态调制。实验结果表明，该方法在SALICON基准数据集和CodeCharts1k数据集上均优于当前最先进的模型，包括多时长显著性模型。相关代码已公开发布于GitHub。