SNN 기반 이벤트 비전의 자기 지도 학습
이벤트 기반 비전 센서는 고속 인식, 넓은 동적 범위, 저전력 소비 등 여러 장점을 제공하며, 스파이킹 신경망(SNN)과 결합 시 뉴로모픽 하드웨어 및 임베디드 시스템에 적합합니다. 그러나 이러한 잠재력은 SNN 모델 학습에 필요한 대규모 레이블 데이터셋의 부족으로 인해 크게 제한됩니다. 본 연구에서는 레이블 부족 환경에서 SNN을 위한 대조적 자기 지도 학습 접근법인 EventCLR을 제안합니다. SimCLR 스타일 파이프라인을 스파이킹 도메인에 맞게 조정하고, 공간, 시간, 극성 변환 등 이벤트별 증강 기법들을 체계적으로 조합…