[연구자명]

1. 이대헌, 김준석, 강석형(지도교수)
2. 
   

[연구제목]

1. EdgeCLIP: Static Depth Pruning for Efficient Vision-Language Models on Edge Devices
2. 
   
3. [연구내용 요약]
4. 모바일 및 엣지 환경에서 Vision-Language Model의 추론 비용을 절감하기 위해, CLIP 이미지 인코더의 후반부 stage를 정적으로 제거하고 경량 Edge Projection Head(EPH)로 대체하는 depth pruning 기법을 제안하였다. 기존 backbone과 text encoder를 고정한 상태에서 knowledge distillation을 적용하여 정확도 저하를 최소화하면서 실제 엣지 디바이스에서 추론 지연시간과 에너지 소비를 크게 감소시켰다.
5. 
   

[성과와 관련된 이미지 및 설명]

기존 MobileCLIP2의 후반부 stage를 EPH로 대체하고, full model의 embedding 및 logit 정보를 distillation하여 경량화된 image encoder를 학습함.

[연구결과의 진행상태 및 향후 계획]

실제 iPhone 13 NPU 및 Jetson AGX Xavier GPU에서 성능 검증을 완료하였으며, ImageNet-1K 정확도 저하를 0.32–1.72% 이내로 유지하면서 iPhone 추론 지연시간 최대 58.7%, Jetson EDP 최대 52.3% 감소를 달성하였다. 향후 image retrieval 및 open-vocabulary detection 등 다양한 VLM 응용으로 확장할 예정이다.

[성과]

The 44^th International Conference on Computer Design (ICCD 2026)