요약

모바일 기기에서 고품질 이미지를 빠르게 처리하는 것은 큰 과제입니다. 기존의 이미지 향상 모델은 저정밀도(low-precision)로 변환될 때 성능이 급격히 떨어지는 '훈련-배포 격차'를 겪습니다. 본 논문에서는 이 문제를 해결하기 위해 게이트 인코딩과 다중 스케일 정제 기법을 결합한 효율적인 모델을 제안합니다. 특히, 양자화 인식 학습(Quantization-Aware Training, QAT)을 도입하여 실제 모바일 환경의 저정밀도 영향을 미리 시뮬레이션함으로써, 높은 화질 유지와 낮은 연산 오버헤지를 동시에 달성하는 방법을

핵심 포인트

• 제안된 모델은 게이트 인코딩 블록과 다중 스케일 정제(Multi-Scale Refinement)를 활용하여 미세한 시각적 특징을 보존합니다.
• 핵심적으로, 양자화 인식 학습(QAT)을 적용하여 저정밀도 환경에서의 성능 저하 문제를 근본적으로 해결했습니다.
• 실험 결과, 제안된 방법은 높은 충실도의 시각적 출력을 유지하면서도 모바일 기기에 적합한 낮은 연산 오버헤지를 입증했습니다.