본 논문은 기존 CNN 미세조정 방법의 비효율성을 극복하기 위해 설계된 Convolutional Low-Rank Adaptation (CoLoRA) 방법을 제안합니다. CoLoRA는 Low-Rank Adaptation (LoRA) 기법의 합성곱 아키텍처를 자연스럽게 확장한 것으로 볼 수 있습니다. ImageNet에서 사전 훈련된 CNN 백본을 사용하여 모델을 개발하고 평가하여 CoLoRA의 성능을 입증하였습니다. 실험 결과, CoLoRA를 사용한 미세 조정은 안정적이고 정확한 조정 절차를 제공하며, 기존 방법에 비해 계산 효율성이 높고 미세 조정에 필요한 매개변수 수를 크게 줄입니다. 또한, 훈련 속도와 안정성을 크게 향상시킵니다. 특히 OCTMNIST 데이터셋을 사용한 망막 질환 분류 작업에서 약 1% 이상의 정확도 향상을 보였으며, Vision Transformer, State-space discrete, Kolmogorov-Arnold 네트워크 모델과 비슷한 성능을 달성했습니다.
