최근 몇 년 동안 스마트 축산과 같은 응용 분야를 위한 에지 비전(edge-vision) 모니터링 시스템은 매우 제한된 전송 대역폭과 엄격한 전력 예산 하에서 입력 해상도를 유지해야 하는 엄격한 세 가지 제약 조건에 직면해 왔습니다. 기존의 밀집 합성곱 신경망 (Dense CNN)은 이러한 제약이 있는 IoT 노드의 자원 제한을 충족할 수 없습니다. 이 과제를 해결하기 위해, 본 논문은 16nm 공정으로 제작 및 검증된 에지 디바이스용 저전력 희소 합성곱 (Sparse Convolution) 가속기를 제시합니다. 첫째, 이 가속기는 데이터 전송 및 연산 모두에서 압축을 위해 비트맵 기반 (bitmap-based) 형식을 채택하여 메모리 및 대역폭 오버헤드를 효과적으로 줄입니다. 둘째, 희소 연산에서의 부하 불균형 (load imbalance)을 완화하기 위해, Idle-First-Task-Assignment (IFTA) 동적 스케줄링 전략을 제안하여 프로세싱 엘리먼트 (PE)의 유휴 시간 (idle time)을 크게 줄이고 곱셈기 활용도를 향상시킵니다. 또한, 경량 네트워크에서 널리 사용되는 심층 분리 합성곱 (Depthwise Separable Convolution, DWConv)을 지원하고 가속하기 위해 전용 데이터플로우 (dataflow)가 설계되었습니다. 실험 결과에 따르면, 이 칩은 0.5mm$^2$의 코어 면적만을 차지하며 12--16mW의 낮은 전력을 소비합니다. ImageNet 데이터셋에서 희소 VGG16 및 MobileNetV2에 대해, 제안된 가속기는 기존의 밀집 가속기 대비 각각 6.5배 및 2.8배의 속도 향상을 달성하였으며, 기존의 희소 가속기보다도 상당한 성능 이득을 제공합니다.