이 논문은 이벤트 카메라 기반 객체 탐지를 위해 주의 기반 하이브리드 SNN-ANN 백본을 제안합니다. SNN의 에너지 효율 및 저지연 특성과 ANN의 높은 정확도 및 유연성을 결합하여, SNN 계층의 희소한 공간-시간 관계를 밀집 특징 맵으로 변환하는 주의 기반 SNN-ANN 브리지 모듈을 도입합니다. 또한, 느린 동역학을 포착하기 위해 ANN 블록에 DWConvLSTM을 통합한 변형 네트워크를 제시합니다. 실험 결과, 제안된 방법이 기존 SNN 기반 방법보다 훨씬 우수하며, 기존 ANN 및 RNN 기반 방법과 비교 가능한 성능을 보임을 보여줍니다. 디지털 뉴로모픽 하드웨어 상에서 SNN 블록을 구현하여 접근 방식의 실현 가능성을 조사하고, 광범위한 ablation study를 통해 제안된 모듈과 아키텍처의 효과를 확인합니다. 결론적으로, 제안된 하이브리드 SNN-ANN 아키텍처는 훨씬 줄어든 파라미터, 지연 시간 및 전력 예산으로 ANN 수준의 성능을 달성할 수 있는 가능성을 제시합니다.
