iFlow: 균일 코더를 통한 효율적인 무손실 압축을 위한 수치적으로 역행 가능한 흐름

2020년 세계적으로 생성된 데이터는 약 59 ZB(5.9 × 10¹³ GB)로 추정되며, 이는 데이터 저장 및 전송 비용 측면에서 막대한 부담을 초래했다. 다행히도 최근 딥 생성 모델의 발전으로 인해 기존 코덱보다 압축 비율에서 뛰어난 성능을 보이는 새로운 종류의 ‘신경 압축(neural compression)’ 알고리즘이 등장하였다. 그러나 신경 압축 기술은 대역폭 제약으로 인해 상용화 측면에서 큰 관심을 받지 못하고 있다. 따라서 매우 효율적인 구조를 개발하는 것은 매우 중요한 실용적 의미를 지닌다. 본 논문에서는 높은 압축 비율을 달성할 수 있는 잠재력이 입증된 정규화 흐름(normalizing flows)을 활용한 무손실 압축 기법을 다룬다. 이를 바탕으로 효율적인 무손실 압축을 실현하기 위한 새로운 방법 iFlow를 제안한다. 먼저, 모듈러 스케일 변환(Modular Scale Transform, MST)과 이를 기반으로 한 수치적으로 역행 가능한 흐름 변환의 새로운 가족을 제안한다. 또한 iFlow에 통합된 고속 균일 분포 코덱인 균일 기저 변환 시스템(Uniform Base Conversion System, UBCS)을 도입하여 효율적인 압축을 가능하게 한다. iFlow는 현재까지 보고된 최고 수준의 압축 비율을 달성하며, 다른 고성능 기법들보다 압도적으로 5배 빠른 속도를 보인다. 더불어 본 논문에서 제시한 기법들은 흐름 기반 알고리즘의 전체적인 인코딩 시간을 가속화하는 데도 널리 활용될 수 있다.