실제적인 학습된 이미지 압축에서 중요한 요소

요약

본 연구는 인간 시각 시스템에 최적화된 실용적인 학습된 이미지 압축 코덱을 설계하는 데 중점을 둡니다. 기존 전통 코덱 대비 감각적 품질과 실제 실행 시간(runtime)을 동시에 고려하여 모델링 선택 및 아블레이션 기법을 종합적으로 연구했습니다. 그 결과, 신경망 구조 검색(NAS)을 통해 최적화된 새로운 코덱을 개발했으며, 이 코덱은 AV1, VVC 등 기존 표준 대비 2.3-3배의 비트레이트 절감 효과를 보여주면서도, 모바일 기기에서 매우 빠른 인코딩/디코딩 속도를 달성했습니다.

핵심 포인트

• 학습된 코덱은 인간 시각 시스템에 최적화될 수 있다는 장점을 가지지만, 감각적 품질과 실용성을 모두 갖춘 모델이 필요합니다.
• 연구는 신경망 구조 검색(NAS)을 활용하여 압축 성능 최대화와 목표 온디바이스 실행 시간 달성을 결합적으로 최적화했습니다.
• 제안된 코덱은 기존 표준 코덱(AV1, VVC 등) 대비 2.3-3배의 비트레이트 절감 효과를 제공합니다.
• 성능과 속도 측면에서 우수하여, iPhone 17 Pro Max와 같은 모바일 기기에서도 빠른 인코딩 및 디코딩 속도를 보장합니다.