본 논문은 온디바이스 센서 보정 모델의 벤치마크가 정확성, 실시간성, 자원 효율성이라는 세 가지 주요 요구 사항만을 고려하여 배포 병목 현상을 가릴 수 있다는 문제점을 지적하며, 이를 해결하기 위해 8가지 미세 요구 사항을 충족하는 초압축 트랜스포머 모델인 Scare (Sensor Calibration model balancing Accuracy, Real-time, and Efficiency)를 제안합니다. Scare는 시간-시계열 데이터를 압축하는 Sequence Lens Projector (SLP), 비트 연산을 통해 곱셈을 대체하는 Efficient Bitwise Attention (EBA) 모듈, 그리고 보조 손실 없이 안정적인 학습을 보장하는 해시 최적화 전략으로 구성됩니다. 대규모 공기 질 데이터셋 및 실제 마이크로컨트롤러 배포 환경에서의 실험을 통해 Scare가 기존 모델보다 우수한 성능을 보임을 입증했습니다.
