논문에서 제안한 AHC(적응형 계층 압축)는 MAML 기반 메타러닝으로 단 5번의 기울기 업데이트만으로 새 과제에 적응해요

100KB 메모리 제한 초소형 칩에서 객체 인식 AI를 계속 학습시키는 기술이 나왔어요.

논문에서 제안한 AHC(적응형 계층 압축)는 MAML 기반 메타러닝으로 단 5번의 기울기 업데이트만으로 새 과제에 적응해요. 레이어별 압축 비율도 다르게 적용해서 P3는 8:1, P4는 6.4:1, P5는 4:1로 FPN 구조의 중복도에 맞게 조절하거든요. 단기·장기 메모리 뱅크를 나눠 중요도 기반으로 정보를 합쳐주는 이중 메모리 구조도 핵심이에요.

CORe50, TiROD, PASCAL VOC 세 가지 벤치마크에서 Fine-tuning, EWC, iCaRL 기준 모델 대비 100KB 예산 안에서 실용적인 연속 탐지 성능을 달성했어요. 치명적 망각 문제도 이론적으로 O(ε√T + 1/√M) 범위로 수렴함을 증명했고요.

클라우드 없이 엣지 디바이스에서 AI 모델이 스스로 진화하는 시대가 가까워지고 있다는 신호예요.