서강대학교 인공지능학과 조성인 교수 연구팀, 최우수국제학술대회 IEEE CVF CVPR 2026 정규 논문 채택

서강대학교 인공지능학과 조성인 교수 연구팀,

최우수국제학술대회 IEEE CVF CVPR 2026 정규 논문 채택

▲ (좌측부터) 서강대학교 인공지능학과 조성인 교수, 전주현 석사과정, 박윤서 석사과정

서강대학교(총장 심종혁) 인공지능학과 조성인 교수 연구팀(전주현 석사과정, 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 채택됐다.

본 논문은 이미지 초해상도(SR) 모델을 Post-Training Quantization(PTQ)으로 경량화할 때, ▲통계량 기반의 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 다룬다.

연구팀은 이를 완화하기 위해 PTQ 기반 Mixed-Precision Quantization(MPQ) 프레임워크를 제안하며, 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.

본 연구는 DIV2K(100장)로 캘리브레이션한 뒤 다양한 SR 모델 (EDSR, RDN, SwinIR)과 벤치마크 (Set5, Set14, BSD100, Urban100, Manga109)에서 기존 기법 대비 PSNR·SSIM을 개선함을 보였다.

 ▲ 방법론 Overview

CVPR 2026 프로그램 위원회 공지에 따르면, 올해는 16,092편의 논문이 심사 과정을 거쳤으며(철회 및 desk reject 제외), 이 중 4,090편이 채택되어 25.42%의 채택률을 기록했다. 한편, Poster / Highlights / Oral 구분은 추후 별도로 공지될 예정이다.

CVPR 2026은 2026년 6월 3일(수)부터 6월 7일(일)까지 미국 Denver, Colorado에서 개최될 예정이다.

▶논문 제목: Gradient Knows Best: Mixed-Precision Quantization via Gradient-Guided Bit Allocation for Super-Resolution

▶저자 정보: 김준영(공동 제1저자, 동국대), 전주현(공동 제1저자, 서강대), 박윤서(공동 제1저자, 서강대), 안상연(제4저자, 동국대), 오용석(제5저자, 동국대), 김보경(제6저자, 동국대), 조성인(교신저자, 서강대)

▶IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026 Website: https://sites.google.com/view/csi2267svm/