연구진은 기존 시각적 AIN의 한계를 극복하기 위해 구조적 친화성을 활용한 심층 AIN을 개발했어요.
개발된 Deep AIN은 시프트 템플릿 친화성, ZNCC 필터, 특징 맵 바인딩 프로필 등 구조화된 템플릿을 활용하여 시각적 클래스 점진적 메모리 학습을 가능하게 해요.
sklearn digits, MNIST, Fashion-MNIST, KMNIST 데이터셋 실험 결과, 특징 맵 Deep AIN은 리플레이 없이 클래스 구별 가능한 시각적 메모리를 학습하며, 초기 클래스 보존율 0.978을 달성했어요.
연구 결과, 구조적 친화성, 응답 맵 보존, 적응적 잠재 좌표 재구성, 계층별 스케일 보정 등이 리플레이 없는 시각적 면역 메모리의 핵심 메커니즘으로 확인됐어요.