본 논문은 도시 계획 및 지능형 교통 시스템에 중요한 세분화된 도시 흐름 추론 문제를 다룬다. 과도하게 매개변수화된 모델의 높은 계산 비용과 도시 흐름의 편향된 분포에 대한 기존 손실 함수의 낮은 성능이라는 두 가지 주요 과제를 해결하기 위해, 저자는 아키텍처 효율성과 적응형 최적화를 결합한 통합 솔루션을 제안한다. 구체적으로, Progressive Local-Global Fusion 전략을 사용하여 세밀한 세부 사항과 전역적 맥락 의존성을 효과적으로 포착하는 경량 아키텍처 PLGF를 도입하고, 이중 공간 감독과 난이도 인식 메커니즘을 통합하여 모델이 예측하기 어려운 영역에 적응적으로 집중할 수 있게 하는 새로운 손실 함수인 DualFocal Loss를 제안한다. 4가지 실제 시나리오에서 광범위한 실험을 통해 제안된 방법의 효과와 확장성을 검증했다. PLGF는 최첨단 성능을 달성하면서 기존 고성능 방법보다 모델 크기를 최대 97%까지 줄였으며, 유사한 매개변수 예산 하에서 강력한 기준선에 비해 정확도를 10% 이상 향상시켰다.
