사전학습된 학습 기반 이미지 압축 모델은 압축 성능이 높아도, 자기회귀적 문맥 모델의 순차 의존성 때문에 복호화가 느리다. 2026-07-21 공개 arXiv 프리프린트는 이 병목을 학습 없이 풀어보겠다고 나선다. 핵심은 비디오 코딩 표준의 웨이브프런트 병렬화에서 아이디어를 가져와, 추론 순서를 ‘staggered’ 웨이브프런트로 다시 짜는 것이다.
논문은 기존 가속법이 checkerboard처럼 구조를 바꾸거나 재학습이 필요해, 이미 학습된 모델에는 그대로 쓰기 어렵다고 짚는다. 반면 제안법은 추론 시점에만 적용하는 방식이라, pretrained autoregressive 모델에 바로 끼워 넣는 drop-in replacement로 설명된다. 연구진은 공간 자기회귀 의존성을 유향 비순환 그래프로 보고, Lamport의 정리로 유효하면서도 최적인 스케줄을 유도했다고 밝힌다.
실험은 Kodak 24장(768×512), Tecnick 100장(1200×1200), CLIC2020-valid 41장으로 진행됐다. 표 III에 따르면 Cheng2020의 경우 Kodak에서 raster-scan 기준 5.636초였던 복호화 시간이 wavefront 적용 뒤 0.148초로 줄어 14.0배 빨라졌고, MBT2018은 5.6723초에서 0.4280초로 14.9배, InvCompress는 5.6637초에서 0.4607초로 13.4배 빨라졌다. 같은 표에서 wavefront에 Tensorized rANS까지 더하면 Cheng2020의 Kodak 복호화는 0.1390초가 되어 32.7배까지 올라갔다.
속도 향상은 더 큰 이미지에서 커졌다. 표 III와 본문 설명에 따르면 WF+TrANS는 CLIC2020-valid에서 Cheng2020 48.8배, MBT2018 60.5배, InvCompress 41.7배를 기록했고, 본문은 “up to 71.9×”라고도 적는다. 같은 실험 표에서 BD-rate는 Cheng2020 5.31%, MBT2018 11.26%, InvCompress -1.24%로 raster-scan과 같게 유지됐다. Kodak에서 wavefront 구현의 PSNR과 BPP 최대 상대 오차는 raster baseline 대비 0.08% 미만으로 보고됐다.
GPU 구현도 따로 검증했다. 표 V에서 Cheng2020의 Kodak 기준 원래 raster-scan은 인코딩 2.811초, 디코딩 5.937초였고, batched WF는 0.1394초와 0.4512초, 여기에 Tensorized rANS를 더한 경우 0.1237초와 0.1376초였다. 같은 표는 selective WF와 tensorized rANS 조합이 0.1237초/0.1376초를 보였다고 적는다. 그러나 checkerboard는 MBT2018에서 0.016초, Cheng2020에서 0.066초의 속도를 보였지만 BD-rate는 16.71%, 8.51%로 표기돼 있다.
| 구분 | 값 | 근거 위치 |
|---|---|---|
| 실험 데이터셋 | Kodak 24장(768×512), Tecnick 100장(1200×1200), CLIC2020-valid 41장(65%가 Full-HD 초과) | p.4 Experiment Setup |
| Cheng2020 속도 | Kodak에서 5.636초→0.148초(14.0×), BD-rate 5.31% | p.4 Table III / p.5 본문 |
| MBT2018 속도 | Kodak에서 5.6723초→0.4280초(14.9×), BD-rate 11.26% | p.4 Table III |
| WF+TrANS 최고 속도 | CLIC2020-valid에서 Cheng2020 48.8×, MBT2018 60.5×, InvCompress 41.7× | p.4 Table III / p.5 본문 |
자료: STORIUM 정리
이 연구가 시사하는 바는 간단하다. 자기회귀 문맥을 유지한 채 순서만 바꿔도, 재학습 없이 복호화 병목을 크게 낮출 수 있다는 점이다. 표 IV에는 wavefront가 MBT2018에서 0.166초, Cheng2020에서 0.148초의 속도를 보이며 둘 다 training-free로 표시돼 있다. 그러나 카드에 없는 하드웨어 세부, 코드 공개 시점, 추가 데이터셋 결과는 확인할 수 없고, 이 결과는 동료검토 전 프리프린트 단계의 보고다.
연구 원문은 arXiv:2607.19082에서 확인할 수 있다. 프리프린트 결과는 동료평가와 후속 재현을 거치며 달라질 수 있다.
저작권자 © STORIUM 무단전재 및 재배포 금지
