차이만 표현하는 방식의 확장
예측 부호화는 예측 프레임과 현재 프레임의 차이를 표현한다. DCVC는 단순한 뺄셈에만 의존하기보다 시간 문맥을 조건으로 부호화하는 구조를 제안한다. 영상 간 중복을 줄이는 방법 자체를 학습 기반으로 확장한다.
특징 문맥의 역할
특징 영역의 고차원 문맥을 인코더와 디코더에 전달해 풍부한 정보를 활용한다. 조건 정보를 어떻게 정의하고 사용하며 학습할지를 함께 다룬다. 문맥이 있다는 사실만으로 관측된 모든 세부가 무손실로 보존되는 것은 아니다.
복호기가 아는 정보
설명용으로 인코더가 현재 영상과 이전 프레임을 모두 보더라도 복호기가 아직 현재 영상을 모른다면 그것을 조건으로 바로 사용할 수 없다. 양쪽에서 같은 조건을 재현할 수 있어야 부호화가 성립한다. 이는 원리 예제이며 실제 코덱의 전체 전달 경로를 나타내지는 않는다.
비교와 적용 범위
같은 비트율에서 재구성 품질을 비교하고 같은 품질에서는 비트 수를 비교한다. 이전 프레임 및 특징 상태의 저장 비용과 전체 실행 시간을 함께 확인한다. DCVC 계열의 후속 모델과 원래 제안의 설정을 구분하고 특정 시험의 이득을 모든 영상에 일반화하지 않는다.
관련 문서
DVC 영상 압축 / HiNeRV / 결합 자기회귀 하이퍼프라이어 / 채널 조건부 엔트로피 모형 / 스케일 하이퍼프라이어 / 영상 압축