ResNet은 잔차 연결 메커니즘을 통해 컴퓨터 비전 분야에서 큰 성공을 거두었습니다. ResNet은 상미분 방정식(ODE)의 이산화 형태로 볼 수 있으며, 각 ResNet 단계 내의 여러 잔차 블록은 해당 단계에 대한 특징 변환의 다단계 이산 반복을 수행합니다. MeanFlow는 분포를 변환하기 위해 평균 속도장을 학습하여 일 단계 생성 모델링을 가능하게 합니다. 본 논문에서는 이를 바탕으로, 파라미터 효율성과 판별 성능을 공동으로 개선하기 위해 압축-확장 전략을 사용하는 MeanFlow-Incubated ResNet(MFI-ResNet)을 제안합니다. 압축 단계에서, 각 ResNet 단계 내의 다층 구조를 하나 또는 두 개의 MeanFlow 모듈로 단순화하여 경량 메타 모델을 구축합니다. 확장 단계에서는 선택적 인큐베이션 전략을 처음 세 단계에 적용하여 기준 ResNet 모델의 잔차 블록 구성과 일치하도록 확장하고, 마지막 단계는 MeanFlow 형태를 유지하며 인큐베이션된 모델을 미세 조정합니다. CIFAR-10 및 CIFAR-100 데이터셋에서 MFI-ResNet은 ResNet-50에 비해 파라미터를 46.28% 및 45.59% 줄이면서도 정확도를 각각 0.23% 및 0.17% 향상시켰습니다.
