본 논문은 최소한의 추가 계산으로 움직임 예측 모델의 성능을 향상시키기 위한 시나리오 적응형 정제 프레임워크 SmartRefine을 제안한다. SmartRefine은 각 시나리오의 특성에 따라 정제 구성을 포괄적으로 적응시키고, 예측 품질과 잔여 정제 잠재력을 측정하는 품질 점수를 도입하여 정제 반복 횟수를 효과적으로 선택한다.
본 논문은 시나리오 적응형 정제 전략인 SmartRefine을 제안하여 최소한의 추가 계산으로 움직임 예측 모델의 성능을 향상시킨다. SmartRefine은 각 시나리오의 특성에 따라 정제 구성을 포괄적으로 적응시키고, 예측 품질과 잔여 정제 잠재력을 측정하는 품질 점수를 도입하여 정제 반복 횟수를 현명하게 선택한다.
제안된 효율적인 움직임 예측(EMP) 모델은 제한된 학습 리소스에서도 경쟁력 있는 성능을 달성하며, 빠른 추론 속도를 제공한다.