신경망 기반 그래픽 텍스처 압축과 실시간 랜덤 액세스 구현

초록

**
본 논문은 기존 텍스처 압축 방식이 갖는 채널·멀티레졸루션·랜덤 액세스 한계를 극복하기 위해, 비대칭 자동인코더 구조와 전역 변환기, 그리드 생성·샘플링 모듈을 결합한 새로운 신경망 기반 텍스처 압축 프레임워크를 제안한다. 실험 결과, 최신 ASTC와 NTC 대비 BD‑Rate에서 40 % 이상 향상된 압축 효율을 보이며, 다채널·다중 mip‑level 텍스처에 대한 즉시 디코딩이 가능함을 입증한다.

**

상세 분석

**
이 논문은 그래픽스 파이프라인에서 텍스처 압축이 직면한 세 가지 핵심 문제—(1) 실시간 랜덤 액세스, (2) 다채널·다중 mip‑level 지원, (3) 기존 신경 이미지 압축(NIC) 기법의 비효율성—을 명확히 정의하고, 이를 해결하기 위한 비대칭(auto‑encoder) 설계를 제시한다.

1. **전역 변환기(Global Transformer, E)**는 입력 텍스처 셋 T(c × h × w)를 8배 다운스케일된 잠재 공간 Zₛ궤( c_z × h/8 × w/8) 로 매핑한다. 여기서 tanh 활성화를 이용해 값 범위를