본 논문은 ConvNeXt의 성공에도 불구하고, CNN과 Transformer 모두 단순한 특징에 치우치고, 현대 CNN의 MLP 블록은 정보 중복으로 인해 높은 확장 비율을 필요로 한다는 문제점을 지적합니다. 이를 해결하기 위해, 공간 및 채널 정보 처리를 향상시키는 경량 아키텍처 SpaRTAN을 제안합니다. SpaRTAN은 다양한 수용 영역 크기를 가진 커널과 파동 기반 채널 집계 모듈을 사용하여 효율적으로 차별적인 다중 순서 공간 특징을 수집하고 동적으로 문맥화합니다. ImageNet과 COCO 실험 결과, SpaRTAN은 경쟁력 있는 성능을 유지하면서 뛰어난 매개변수 효율성을 달성함을 보여줍니다. 특히 ImageNet-1k에서 3.8M 매개변수와 약 1.0 GFLOPs로 77.7%의 정확도를 달성했고, COCO에서는 21.5M 매개변수로 50.0% AP를 달성하여 기존 최고 성능을 1.2% 상회했습니다.
