일상적으로 착용하는 증강 현실 (Augmented Reality, AR) 안경은 엄격한 전력 제한을 충족해야 하며, 이로 인해 디스플레이는 최적화의 핵심 대상이 됩니다. 본 연구에서는 디스플레이 전력 최적화를 전력 제한적 톤 매핑 (power-constrained tone-mapping) 문제로 정의하고, 주어진 전력 예산 내에서 지각 품질 (perceptual quality)을 극대화하는 인간의 시각에 기반한 학습 기반 프레임워크를 제안합니다. 우리는 품질과 전력 사이의 관계를 효과적으로 탐색하기 위해 최적화 친화적인 톤 매핑 연산자 (Tone-Mapping Operator, TMO) 파라미터화와 점진적 최적화 전략을 도입합니다. 또한, 실시간 배포를 위해 반복적인 최적화 과정을 경량 피드포워드 신경망 (feed-forward neural network)으로 증류 (distill)합니다. 주관적 실험 결과, 우리의 방법은 동일한 전력 예산에서 기존 연구보다 더 나은 지각 품질을 제공함을 보여줍니다. 프로젝트 페이지: https://horizon-lab.org/lowpowar/.