본 논문은 딥러닝 기반 이미지 분류기의 정확도 저하 없이 이미지 압축을 가능하게 하는 새로운 알고리즘, HMOSDQ (Human And Machine Oriented Soft Decision Quantization)를 제안합니다. 기존의 손실 압축 알고리즘은 주로 인간의 시각 시스템에 초점을 맞춰 딥러닝 모델의 성능을 고려하지 않은 반면, 본 논문에서는 인간과 기계(DNNs) 관점을 모두 고려하는 다목적 최적화 문제로 이미지 압축을 공식화합니다. 새로운 왜곡 측정 방식인 HMOE (Human and Machine-Oriented Error)를 제시하고, 이를 기반으로 JPEG 형식을 준수하는 HMOSDQ 알고리즘을 개발했습니다. AlexNet과 VGG-16을 이용한 ImageNet 데이터셋 실험 결과, HMOSDQ는 기존 JPEG 알고리즘보다 rate-accuracy 및 rate-distortion 성능이 우수함을 보였습니다. 예를 들어 AlexNet의 경우, 0.61 BPP에서 기존 JPEG 대비 0.81% 이상의 검증 정확도 향상을 달성하거나, 동일한 정확도를 유지하면서 JPEG 대비 9.6배의 압축률 감소를 달성했습니다.
