본 논문은 뇌파(EEG) 기반 뇌-컴퓨터 인터페이스(BCI)에서 장기간의 시간적 의존성과 채널 간의 전역적 관계를 효과적으로 포착하기 위해 이중 분기 합성곱 변환기 네트워크인 DBConformer를 제안합니다. 기존 CNN의 한계를 극복하고자, 시간적 Conformer는 장기간의 시간적 의존성을, 공간적 Conformer는 채널 간 상호 작용을 모델링합니다. 경량 채널 어텐션 모듈은 EEG 채널에 데이터 기반 중요도를 할당하여 공간적 표현을 개선합니다. 세 가지 패러다임(운동 이미지, 발작 감지, 정상 상태 시각 유발 전위)에 대한 광범위한 실험 결과, DBConformer는 13개의 경쟁 기준 모델보다 일관되게 우수한 성능을 보였으며, 기존 고용량 EEG Conformer 아키텍처보다 8배 이상 매개변수가 감소했습니다. 또한 시각화 결과는 DBConformer가 추출한 특징이 생리학적으로 해석 가능하고 기존 지식과 일치함을 확인했습니다.
