earticle

영어

This study presents an experimental analysis of how input resolution variations in ONNX-based generative AI video restoration networks affect system performance in on-device environments. Using the same trained weights, ONNX models with different input resolutions were evaluated on a system equipped with a CPU and integrated GPU (iGPU). The results show that higher input resolutions lead to increased GPU and memory usage, while rendering FPS drops significantly. Interestingly, CPU utilization decreased as resolution increased, indicating a potential GPU bottleneck. This study empirically demonstrates the impact of ONNX resolution settings on resource usage and real-time performance in on-device AI video restoration systems and provides practical insights for optimizing AI deployment in surveillance applications.

한국어

본 논문은 ONNX 기반 생성형 AI 영상 복원 네트워크를 온디바이스 환경에 적용할 때, 입력 해상도 변 화가 시스템 성능에 미치는 영향을 정량적으로 분석하였다. 실험은 동일한 학습 가중치에서 해상도만 변경하여 생 성된 ONNX 모델들을 사용하였으며, CPU 및 내장 GPU(iGPU)로 구성된 시스템에서 복원 기능을 수행하였다. 실험 결과, 해상도가 높아질수록 GPU 사용률 및 메모리 점유율은 증가하고, 렌더링 FPS는 크게 감소하는 경향을 보였다. 또한 CPU 점유율은 오히려 해상도 증가에 따라 감소하여, GPU 병목 현상이 발생함을 시사하였다. 본 연 구는 해상도 설정이 온디바이스 AI 영상 복원 시스템의 실시간성 유지와 자원 최적화에 미치는 영향을 실험적으 로 규명하였으며, 향후 영상 감시 시스템 내 AI 기능의 효율적 운용을 위한 기술적 기준을 제시한다.