인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 연구는 초해상화 모델에서 경량화/양자화로 인한 성능 저하를 최소화하기 위해, 모델의 지역 및 전역 특징 정보를 함께 활용하는 지식 증류 방법을 제안하고 이를 검증하기 위한 엣지 디바이스에 최적화된 네트워크를 설계하였다. 제안하는 성능 저하 최소화 기법은 지역적 단위에서 공간 L1 손실 함수를 적용하여 경계, 질감, 세부 패턴 등 구조적 정보를 보존하며, 동시에 전역적 단위에서 2D FFT 기반 주파수 변환을 통해 공간 정보의 전역 특성을 반영하면서 고주파 성분을 강조하여 디테일 복원 성능을 보존하는 방식이다. 이미지의 의미적 맥락과 공간적 구조를 동시에 고려함으로써, 초해상화 과정에서 세부 정보의 보존과 구조적 일관성을 함께 만족할 수 있도록 설계했다. 이를 검증하기 위하여, 엣지 디바이스 환경에서 실시간 동작이 가능하도록 활성화 함수별 성능 비교 실험을 바탕으로 네트워크를 최적화하였고, 모델의 초기 학습과 양자화 인식 훈련(QAT) 과정에 지역/전역 특징 기반 지식 증류 방식을 적용하여 성능 저하를 최소화하였다. 실험결과, 네트워크 최적화를 통해 엣지 디바이스에서 기존 대비 약 7% 이상 추론 속도를 개선하였고, 제안한 지식증류 기법의 경우, 기존 QAT 기반 양자화 모델은 원본 대비 PSNR 기준 약 1.15%의 성능 저하가 발생한 반면, 제안한 방법을 적용한 경우 성능 저하는 0.12% 수준에 그쳐, 경량화된 모델에서도 고품질 초해상화 복원이 가능함을 입증하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-095634687
