본 논문은 Segment Anything Model (SAM) 및 그 변형 모델의 효율적인 압축을 위한 새로운 데이터프리 압축 알고리즘인 Birkhoff를 제안합니다. Birkhoff는 기존의 양자화, 가지치기, 지식 증류 등의 방법과 달리 다양한 모델 유형에 적용 가능하고, 배포가 용이하며, 원 모델에 충실하고, 모델 크기가 작다는 장점을 가집니다. 핵심 원리는 고차원 매개변수 벡터를 저차원 스칼라로 변환하는 밀집된 궤적을 찾는 Hyper-Compression 알고리즘입니다. 또한, 압축 해제와 행렬 곱셈을 융합하여 압축된 SAM의 추론 속도를 크게 향상시키는 HyperLinear 선형 레이어 연산자를 설계했습니다. COCO, LVIS, SA-1B 데이터셋의 18개 SAM 모델에 대한 실험 결과, Birkhoff는 압축 시간, 압축률, 압축 후 성능, 추론 속도 측면에서 일관되고 경쟁력 있는 성능을 보였습니다. 예를 들어, SAM2-B에 대해 5.17배의 압축률을 달성하면서 미세 조정 데이터 없이 성능 저하를 1% 미만으로 유지했습니다. 모든 모델의 압축은 60초 이내에 완료되었습니다.
