서강대 인공지능학과 조성인 교수팀, 최고 권위 학술대회 ‘CVPR 2026’ 정규 논문 채택

왼쪽부터 서강대 인공지능학과 조성인 교수, 전주현·박윤서 석사과정생. 서강대 제공

서강대(총장 심종혁) 인공지능학과 조성인 교수 연구팀(전주현·박윤서 석사과정)의 공동 연구 논문 ‘Gradient Knows Best: Mixed-Precision Quantization via Gradient-Guided Bit Allocation for Super-Resolution’이 컴퓨터 비전 분야 최고 권위 국제학술대회인 ‘CVPR 2026(IEEE/CVF Conference on Computer Vision and Pattern Recognition)’에 정규 논문으로 채택됐다고 서강대가 17일 전했다.

서강대에 따르면, 이 논문은 이미지 초해상도(SR) 모델을 Post-Training Quantization(PTQ)으로 경량화할 때 통계량 기반 레이어 민감도 추정이 실제 양자화 오차를 잘 반영하지 못해 bit 배분이 비효율적이고, SR에서 흔히 BatchNorm을 제거하면서 activation 스케일이 샘플마다 흔들려 고정 quantization range로는 성능 저하가 커지는 문제를 다뤘다.

연구팀은 이를 완화하기 위해 PTQ 기반 Mixed-Precision Quantization(MPQ) 프레임워크를 제안했다. 핵심은 △Gradient-guided Bit Allocation(GBA) : bit-width에 대한 loss gradient로 레이어별 양자화 민감도를 직접 추정해 bit를 배분하고 △Bit-aware fine-tuning : GBA로 정한 bit-width를 고정한 뒤 가중치/activation의 quant range를 학습으로 재조정하며 △Dynamic Activation Range Normalization(DAN) : 샘플·채널별 activation을 정규화한 후 양자화하고 다시 원 스케일로 복원해 clipping/범위 불균형을 줄이는 방법이다.

이번 연구는 DIV2K(100장)로 캘리브레이션한 뒤 다양한 SR 모델(EDSR, RDN, SwinIR)과 벤치마크 (Set5, Set14, BSD100, Urban100, Manga109)에서 기존 기법 대비 PSNR·SSIM 개선을 보여줬다.

CVPR 2026 프로그램 위원회에 따르면, 올해는 1만6092편의 논문이 심사 과정을 거쳤으며 이 중 4090편이 채택돼 25.42%의 채택률을 기록했다. 한편, Poster / Highlights / Oral 구분은 추후 별도로 공지될 예정이다.

CVPR 2026은 오는 6월 3~7일 미국 콜로라도주 덴버에서 개최될 예정이다.

이은주 기자