본 논문은 엣지 비전 플랫폼의 엄격한 면적-전력-지연 제약 조건을 목표로 하는, 객체 탐지 및 분류를 위한 저정밀도 시간 다중화(time-multiplexed) 및 자원 효율적인 엣지 AI 가속기인 TREA를 제시합니다. 제안된 아키텍처는 가장 유의미한 비트부터 먼저 처리하는 방식(most-significant-digit-first, MSDF) 시프트-앤드-애드 계산과 런타임 비트 절단(run-time bit truncation)을 기반으로 하는 이중 정밀도 (4/8비트) SIMD 곱셈-누산기(DQ-MAC) 유닛을 통합합니다. 이를 통해 기존 승산기 오버헤드를 제거하고 누산기 비트 폭을 줄입니다. DQ-MAC은 사이클당 4x FxP4 또는 1x FxP8 연산을 지원하여 하드웨어 중복 없이 최대 4배의 처리량 향상을 달성합니다. 구조화된 하드웨어 인식 축소 가지치기(structured hardware-aware reductive pruning, SHARP) 전략은 SIMD 데이터 경로와 공동 설계되어 네

기존 고정 정밀도 및 비재구성 가속기 대비 지연 시간(latency), 하드웨어 활용률, 에너지 효율성 측면에서 상당한 개선을 보였으며, 이는 TREA가 실시간 엣지 비전 워크로드에 효과적인 솔루션임을 입증했습니다.