QYOLO: 양자 영감을 받은 공유 채널 믹싱을 통한 경량 객체 탐지

요약

QYOLO는 양자(quantum) 영감을 받은 공유 채널 믹싱을 활용하여 객체 탐지 모델의 계산 오버헤드를 줄이는 경량화 프레임워크입니다. 기존 YOLO 구조에서 깊은 백본 모듈이 차지하는 파라미터 비중 불균형 문제를 해결하기 위해, QYOLO는 핵심 C2f 병목 모듈들을 컴팩트한 QMixBlock으로 대체했습니다. 이 블록은 공유 학습 가능한 사인(sinusoidal) 믹싱 메커니즘을 통해 전역 채널 재조정을 수행하여 모델의 구조적 압축을 달성하며, 기존 대비 파라미터 및 GFLOPs를 크게 줄이면서도 mAP 성능 저하를 최소화했습니다.

핵심 포인트

• QYOLO는 객체 탐지 백본 모듈에 양자 영감을 받은 QMixBlock을 도입하여 구조적 압축을 달성합니다.
• QMixBlock은 공유 학습 가능한 사인 믹싱 메커니즘을 사용하여 전역 채널 재조정을 수행하며, 단계별 파라미터 세트 없이 일관된 채널 중요도를 강제합니다.
• VisDrone2019 벤치마크에서 QYOLOv8n은 파라미터 수를 20.2%, GFLOPs를 12.3% 감소시키면서 mAP@50 저하가 0.4 pp에 그쳤습니다.
• 백본 전용으로 설계된 QYOLO는 압축 효율성이 높으며, 지식 증류(knowledge distillation)와 결합하여 정확도 손실을 최소화할 수 있습니다.