전주현, 박윤서, 조성인의 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, (1) 통계량 기반의 레이어 민감도 추정이 실제 양자화 오차를 잘 반영하지 못해 bit 배분이 비효율적이고, (2) 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 (i) Gradient-guided Bit Allocation (GBA): bit-width에 대한 loss gradient로 레이어별 양자화 민감도를 직접 추정해 bit를 배분하고, (ii) Bit-aware fine-tuning: GBA로 정한 bit-width를 고정한 뒤 가중치/activation의 quant range를 학습으로 재조정하며, (iii) 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.

그림 1. 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.

[참고자료]

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

저자: 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

Website : https://sites.google.com/view/csi2267svm/