채널별 정보의 차이
학습된 잠재 표현에서는 모든 채널에 정보가 같은 정도로 분포하지 않을 수 있다. ELIC은 에너지 집중 관찰을 바탕으로 불균등 채널 조건부 적응 부호화를 제안한다. 채널을 항상 같은 크기로 나누는 구성과 다른 선택이다.
공간 및 채널 문맥
불균등 그룹 모형을 기존 문맥 모형과 결합해 공간 및 채널 조건을 활용한다. 주 변환망의 구조도 함께 연구해 속도와 압축 능력을 조정한다. 엔트로피 모형만 좋아졌다고 전체 코덱의 실행 비용이 자동으로 줄지는 않는다.
같은 채널 수의 다른 배분
설명용 채널 16개를 (4, 4, 4, 4)로 나누는 것과 (2, 2, 4, 8)로 나누는 것은 총량이 같다. 하지만 앞 그룹을 처리한 뒤 이용할 문맥과 단계별 비용은 달라질 수 있다. 이는 그룹 배분 예제이며 실제 모델의 그룹 수나 크기는 아니다.
점진적으로 결과 보기
빠른 미리보기와 점진 복호를 지원한다. 일부 정보를 복호한 결과와 전체 정보를 복호한 결과는 품질이 다를 수 있다. 최종 비트 수와 화질뿐 아니라 미리보기 지연 및 전체 복호 시간을 구분하고 장치와 입력 크기를 맞춰 비교한다.
관련 문서
체커보드 문맥 모형 / 스케일 하이퍼프라이어 / 결합 자기회귀 하이퍼프라이어 / HiNeRV / 이미지 압축 / 엔트로피 부호화