[논문 리뷰] Scan transcription of two-dimensional shapes as an alternative neuromorphic concept

Ernest Greene, Yash Patel|arXiv (Cornell University)|2018. 03. 21.

Visual perception and processing mechanisms참고 문헌 44인용 수 5

한 줄 요약

이 논문은 윤곽 특징을 순차적으로 스캔하고 이를 시간적 스팀트 패턴으로 변환하는 뉴모르픽 방법인 스캔 전사(Scan Transcription)를 제안한다. 기존의 방향성 선택성 모델과 달리, 윤곽 순행과 시간 코드화에 중점을 두어 뉴모르픽 시스템에서 형태 인식을 위한 생물학적으로 타당한 대안을 제공하며, 효율성과 강건성 측면에서 잠재적인 이점이 있다.

ABSTRACT

Selfridge, along with Sutherland and Marr provided some of the earliest proposals for how to program computers to recognize shapes. Their emphasis on filtering for contour features, especially the orientation of boundary segments, was reinforced by the Nobel Prize winning work of Hubel & Wiesel who discovered that neurons in primary visual cortex selectively respond as a function of contour orientation. Countless investigators and theorists have continued to build on this approach. These models are often described as neuromorphic, which implies that the computational methods are based on biologically plausible principles. Recent work from the present lab has challenged the emphasis on orientation selectivity and the use of neural network principles. The goal of the present report is not to relitigate those issues, but to provide an alternative concept for encoding of shape information that may be useful to neuromorphic modelers.

연구 동기 및 목표

• 방향성 선택성 신경 처리에서 벗어나, 형태 인코딩을 위한 새로운 뉴모르픽 접근법을 제시하는 것.
• 기존의 방향성 조정과 신경망 아키텍처에 의존하는 뉴모르픽 모델에 대한 생물학적으로 타당한 대안을 제공하는 것.
• 윤곽 순행와 시간 코드화가 형태 정보를 효과적으로 표현할 수 있음을 보여주는 것.
• 뉴모르픽 컴퓨팅 및 인공 시각 시스템에 유용한 프레임워크를 제공하는 것.

제안 방법

• 이 방법은 래스터 스캔과 유사하게 2D 형태의 경계를 순차적이고 연속적인 방식으로 스캔한다.
• 각 스캔 지점에서 시스템은 곡률과 방향과 같은 국소 윤곽 특징을 시간적 스파이크 트레인으로 인코딩한다.
• 결과적으로 생성된 스파이크 패턴은 특징 전사의 시간 순서로 정렬된 형태를 나타낸다.
• 상대적 특징 추적을 통해 이 인코딩 과정은 이동과 회전에 대해 불변성을 확보하도록 설계되어 있다.
• 명시적 방향성 조정을 피하고, 윤곽 순행의 시간적 동역학에 의존한다.
• 생물학적 시각 처리에서 영감을 받지만, 특징 선택성보다는 윤곽의 연속성에 중점을 두어 다릅니다.

실험 결과

연구 질문

• RQ1 순차적 윤곽 스캔과 시간적 스파이크 패턴을 사용하여 형태 정보를 효과적으로 인코딩할 수 있는가?
• RQ2 생물학적 타당성과 계산 효율성 측면에서 스캔 전사는 방향성 선택성 모델과 비교해 어떻게 다른가?
• RQ3 이 방법은 방향성 선택성 뉴런에 의존하지 않고도 강건한 형태 인식을 달성할 수 있는가?
• RQ4 이 접근법은 뉴모르픽 하드웨어 설계에 어떤 영향을 미치는가?

주요 결과

• 스캔 전사 방법은 순차적 윤곽 순행에서 유도된 시간적 스파이크 패턴을 사용하여 2D 형태를 성공적으로 인코딩한다.
• 이 방법은 명시적 방향성 조정이 필요 없어 기존의 주로 사용되는 뉴모르픽 모델에서 벗어나는 특징이 있다.
• 스캔 중 상대적 특징 추적 덕분에 이동과 회전에 대해 강건하다.
• 이 방법은 뉴모르픽 시각에서 기존의 방향성 선택성 모델에 대한 생물학적으로 타당한 대안을 제공한다.