본 논문은 동영상에서 움직이는 물체를 검출하는 배경 제거(BGS) 기법을 개선하기 위해 스파이킹 신경망(SNN) 기반의 스파이킹 오토인코더 네트워크(SAEN-BGS)를 제안합니다. SAEN-BGS는 SNN의 노이즈 내성 및 시간 순서 민감도를 활용하여 조명 변화, 카메라 각도 변화, 대기 난류 또는 나무 흔들림과 같은 다양한 배경 노이즈에도 강건한 전경/배경 분리를 수행합니다. 특히, 연속 스파이킹 합성곱-역합성곱 블록을 설계하여 불필요한 배경 노이즈를 제거하고 중요한 전경 요소를 보존하며, ANN-to-SNN 프레임워크 기반의 새로운 자기 증류 스파이킹 지도 학습 방법을 도입하여 에너지 효율을 높였습니다. CDnet-2014 및 DAVIS-2016 데이터셋에서의 실험 결과, 제안된 방법은 기존 방법들보다 우수한 분할 성능을 보였습니다.