본 논문은 자원 제약 하에서 예측 불가능한 도메인 변화에 적응해야 하는 최신 온디바이스 신경망 애플리케이션의 문제를 해결하기 위해, 압축과 도메인 적응을 통합하는 새로운 프레임워크인 CoDA를 제안합니다. CoDA는 훈련 중 저주파 성분을 사용한 양자화 인식 훈련(QAT)을 통해 압축된 모델이 강건하고 일반화 가능한 특징을 선택적으로 학습하도록 합니다. 테스트 시에는 소스 없이 (즉, 테스트 시간 적응, TTA) 들어오는 데이터의 전체 주파수 정보를 활용하여 목표 도메인에 적응하고, 고주파 성분을 도메인 특정 큐로 취급합니다. 기존 QAT 및 TTA 방법과의 시너지 효과를 통해 CIFAR10-C 및 ImageNet-C와 같은 도메인 변화 벤치마크에서 상당한 압축에도 불구하고 정확도 향상을 달성합니다.