참조 프레임 밖의 정보
복호한 프레임만 유지하는 대신 학습한 임의 정보를 상태로 남길 수 있다. 다음 프레임은 이 상태를 활용해 예측하고 압축한다. 상태의 역할은 일반적인 이전 영상 버퍼와 구별되지만 필요한 정보를 공짜로 저장할 수 있다는 뜻은 아니다.
움직임 보상과 공동 압축
단순한 평행 이동을 넘는 학습된 보상으로 움직임 추정을 일반화한다. 광류와 잔차처럼 전달하는 여러 신호를 함께 압축하는 구조도 제안한다. 각 신호를 따로 최적화하는 것과 전체 비트 비용을 함께 고려하는 것은 다르다.
공간별 비트 배분
영상의 위치마다 다른 비트율을 배정하는 학습 기반 제어를 연구한다. 설명용 두 영역에 총 100비트를 쓸 때 50과 50으로 나누는 것과 20과 80으로 나누는 것은 전체 비용이 같다. 하지만 영역별 왜곡은 달라질 수 있으며 실제 배분 규칙을 나타내지는 않는다.
저지연 조건의 비교
이 연구는 저지연 모드에서 여러 해상도의 영상 압축을 평가한다. 미래 참조를 허용한 조건과 그대로 비교하면 설정 차이가 생긴다. 전체 비트 수와 화질, 상태 메모리 및 인코딩과 디코딩 시간을 동일한 조건에서 확인한다.