연구진은 다양한 디바이스 환경에 적합한 이미지 처리 모델을 위해 Slimmable ConvNeXt 기술을 개발했어요. 이 기술은 ConvNeXt의 LayerNorm과 inverted bottleneck 구조를 활용하여 기존 방식의 복잡성을 줄이고 학습 파이프라인을 단순화했어요.
ImageNet-1k 데이터셋에서 Slimmable ConvNeXt-T는 3개의 서브네트워크로 80.8%의 정확도를 달성하며, 동일 컴퓨팅 환경에서 기존 모델 대비 성능을 향상시켰어요.
더욱 확장된 Slimmable ConvNeXt-B는 최대 82.8%의 정확도를 기록하며, 다양한 디바이스 환경에서 효율적인 이미지 처리 가능성을 보여줬어요.