본 논문은 시각 장면을 구조화된 표현으로 구성하는 데 신경 동기화(neural synchrony)의 중요성을 강조하며, 특히 다중 객체 바인딩 문제를 해결하는 데 초점을 맞춥니다. 기존 딥러닝 모델의 다중 객체 표현의 어려움을 극복하고자, 복소수 표현과 Kuramoto 역학을 결합하여 특징들의 위상 정렬(phase alignment)을 촉진하는 동기화 기반 메커니즘을 제안합니다. 피드포워드 모델과 순환 모델 두 가지 구조에 이 메커니즘을 적용하여, 특히 중첩된 손글씨 숫자, 잡음이 있는 입력, 분포 외 변환 등 다중 객체 이미지 분류 작업에서 성능 향상을 확인하였습니다. 결과적으로, 제안된 동기화 기반 메커니즘이 딥러닝 모델의 성능, 강건성, 그리고 일반화 능력을 향상시킬 수 있음을 보여줍니다.
