연구진은 객체 탐지 모델의 엣지 디바이스 배포 증가에 따라 원본 학습 데이터 접근이 제한될 때 양자화를 목표로 하는 제로샷 양자화 객체 탐지(ZSQ-OD)를 제안했어요.
기존 연구는 노이즈 최적화를 통해 학습 세트를 합성하지만, 저비트 영역에서 성능을 유지하는 데 어려움이 있었어요.
GoodQ는 오프더쉘 생성 모델을 활용하여 학습 세트를 구축하는 QAT 파이프라인으로, 다중 인스턴스 이미지 생성, 사전 학습된 클래스 분포 일치, 교사 기반 적응적 노이즈 감소를 통해 성능을 개선했어요.
GoodQ는 W4A4 저비트 ZSQ에서 최고 성능을 달성하고 W3A3 극단적인 비트 폭까지 양자화를 확장했어요.