본 논문은 이벤트 카메라 기반 객체 탐지를 위해 SNN(Spiking Neural Networks)과 ANN(Artificial Neural Networks)의 장점을 결합한 주목도 기반 하이브리드 SNN-ANN 백본을 제시합니다. 새로운 주목도 기반 SNN-ANN 브리지 모듈은 SNN 레이어에서 희소한 공간 및 시간적 관계를 포착하여 ANN 백본에 대한 밀집 특징 맵으로 변환합니다. 또한, 느린 역학을 포착하기 위해 ANN 블록에 DWConvL-STM을 통합한 변형 모델도 제시합니다. 이 다중 시간 척도 네트워크는 짧은 시간 단계에 대한 빠른 SNN 처리와 장기간 밀집 RNN 처리를 결합하여 빠른 역학과 느린 역학을 효과적으로 포착합니다. 실험 결과, 제안된 방법은 기존 SNN 기반 접근 방식보다 훨씬 우수하며, 기존 ANN 및 RNN 기반 방법과 비교할 만한 결과를 보여줍니다. ANN 전용 네트워크와 달리, 하이브리드 설정을 통해 디지털 뉴로모픽 하드웨어에서 SNN 블록을 구현하여 접근 방식의 실현 가능성을 조사할 수 있습니다. 광범위한 ablation study와 뉴로모픽 하드웨어 구현을 통해 제안된 모듈과 아키텍처 선택의 효과를 확인했습니다. 제안된 하이브리드 SNN-ANN 아키텍처는 매개변수, 지연 시간 및 전력 예산을 크게 줄이면서 ANN 수준의 성능을 달성할 수 있는 길을 열어줍니다.
