학습된 변환 하나로 다양한 비트율 구현 자동인코더 이미지 압축의 양자화 독립성

본 논문은 이미지 압축을 위한 자동인코더(오토인코더) 설계에서 변환(인코더‑디코더)과 양자화 단계의 상호작용을 재조명한다. 전통적인 이미지 코덱(예: JPEG, H.265)은 고정된 선형 변환(DCT 등)과 가변 양자화를 결합해 레이트‑디스토션을 조절한다. 반면 최근 자동인코더 기반 압축은 비선형 변환을 학습하지만, 각 목표 비트율마다 별도의 모델을 학습하고 양자화 스텝을 고정하는 방식이 일반적이다. 이는 모델 수가 늘어나고 훈련 비용이 급증한다는 단점을 가진다. 저자는 이러한 문제를 해결하기 위해 “양자화‑독립적인” 변환을 하나 학습하고, 테스트 단계에서 양자화 스텝만 조절하는 프레임워크를 제안한다. 핵심 아이디어는 양자화 연산 Q를 직접 미분할 수 없다는 점을 회피하기 위해, 양자화 오차를 연속 균등 잡음 ε(범위