연구진은 실시간 비디오 생성 및 세계 모델링을 가능하게 하는 오토리거시브 비디오 디퓨전 모델(ARVD)의 효율성을 높이기 위해 양자화 기술을 연구했어요.
기존 양자화 방식이 ARVD에 적용될 경우 성능이 저하되는 것을 확인하고, 프레임별 양자화 민감도 불균형과 가중치 분포의 이질적인 이상 패턴이라는 두 가지 과제를 발견했어요.
Q-ARVD 프레임워크를 제안하여 프레임별 민감도 불균형을 해결하기 위해 최종 품질 인지 프레임 가중치 메커니즘을 도입하고, 이상 패턴을 방지하기 위해 이상치 인지 적응형 이중 스케일 양자화를 적용했어요.
실험 결과 Q-ARVD가 기존 방식보다 우수한 성능을 보여주며, ARVD 양자화의 새로운 가능성을 제시했어요.