이번 주 화요일에는 김동균 연구원이 SNN을 이용해서 Yolo-v8을 구현한 ECCV 논문을 소개하였습니다. 해당 논문에서는 훈련 과정에서는 일반적인 LIF 뉴런에서 스파이크 변환으로 인한 데이터 손실을 방지하기 위해 기존 DNN의 ReLU activation function을 최대한 모방한 I-LIF 뉴런 모델을 사용하여 데이터 손실을 막고 훈련 성능을 향상시켰습니다. I-LIF 뉴런은 실제 훈련된 모델이 사용되는 inference phase에서는 일반적인 LIF 뉴런 모델처럼 작동하여 에너지 효율성을 높였으며 동일한 개수의 parameter들을 사용하는 다른 approach들에 비해 훨씬 적은 에너지 소모량을 보였습니다. 다만 이러한 높은 에너지 효율성이 어떻게 하여 나타날 수 있었던 것인지 좀 더 확실한 설명이 있었으면 논문을 이해하는 것에 있어서 도움이 많이 되었을 것 같습니다.