자율주행차, 드론, 스마트폰과 같은 모바일 기기에서 딥 뉴럴 네트워크(DNN) 모델을 활용하는 비전 애플리케이션이 점차 보편화되고 있다. 이러한 애플리케이션의 품질경험(QoE)은 모바일 기기의 하드웨어 성능, 변동하는 네트워크 조건, 그리고 DNN 모델의 특성에 의해 영향을 받는다. 본 논문에서는 내부 및 외부 시스템 역학 모두에 적응하는 확률적 최적화에 기반하여 DNN 모델 분할과 프레임 해상도를 최적화하는 Parecon 알고리즘을 제안한다. Parecon은 (i) 모바일 기기와 MEC 서버 간의 DNN 모델 분할 지점, (ii) 입력 프레임의 해상도, (iii) 초당 처리 프레임 수를 동적으로 결정하며, 이는 선행 연구에서 함께 다루어지지 않았다. 우리는 Parecon이 종단 간(E2E) 지연, 정확도, 처리량(throughput)이라는 세 가지 핵심 QoE 지표를 최적화함을 이론적으로 입증한다. 또한 임베디드 기기 및 고성능 GPU 서버를 기반으로 한 테스트베드 구현과 트레이스 기반 시뮬레이션을 통해, Parecon이 기존 알고리즘보다 효과적이고 우수함을 검증한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.