계층형 캐스케이드 프레임워크를 활용한 분산 다단계 이미지 압축

초록

본 논문은 이미지 압축을 여러 네트워크 노드에서 단계별로 수행하는 분산 다단계 시나리오를 위해, 잠재 공간(latent space) 변환과 정책 기반 양자화 제어를 결합한 Hierarchical Cascade Framework(HCF)를 제안한다. HCF는 기존의 진행형 압축과 연속 압축 방식이 갖는 연산 중복 및 품질 저하 문제를 해결하고, 연산량·메모리·시간을 크게 절감하면서도 PSNR 기준 BD‑Rate에서 5 % 이상 향상한다. 또한 차등 엔트로피 분석을 통해 도출한 “엣지 양자화 원리”를 적용해 양자화 위치를 최적화함으로써 최대 0.6 dB PSNR 이득을 얻는다.

상세 분석

본 연구는 분산 환경에서 이미지 압축을 다단계로 수행할 때 발생하는 두 가지 근본적인 한계를 정확히 짚어낸다. 첫 번째는 진행형 압축(Progressive Compression Framework, PCF)이 비트스트림을 단순히 잘라내는 방식에 머물러 중간 노드가 보유한 연산 자원을 활용하지 못한다는 점이다. 두 번째는 연속 압축(Distributed Recompression Framework, DRF)이 각 단계마다 픽셀 도메인 복원·재압축 사이클을 반복함으로써 불필요한 FLOPs와 메모리 사용을 초래하고, 양자화와 엔트로피 코딩 과정이 누적되면서 최종 화질이 점진적으로 저하되는 문제를 야기한다.

HCF는 이러한 문제점을 ‘압축 중간에 직접 잠재 공간을 변환한다’는 근본적인 설계 전환을 통해 해결한다. 구체적으로, 각 중간 노드는 입력 이미지의 잠재 표현 ˜yₖ를 받아 두 종류의 프로세스를 선택한다. ① inter‑node 프로세스는 양자화 Qₖ, 엔트로피 인코딩 Eₖ, 디코딩 Dₖ를 수행한 뒤, 양자화된 잠재에 특화된 변환 모듈 ϕᵢₙₜₑᵣₖ→ₖ₋₁을 적용한다. ② intra‑node 프로세스는 양자화를 건너뛰고, 비양자화 잠재에 맞춘 변환 모듈 ϕᵢₙₜᵣₐₖ→ₖ₋₁만을 적용한다. 정책 벡터 π=