연구진이 엔트로피 코딩 없이 이미지 압축하는 EF-LIC 프레임워크를 제안했어요. 벡터 양자화와 컨텍스트 기반 오토 회귀 변환을 활용해 통계적·상관관계 중복을 제거합니다. EF-LIC는 기존 방식과 유사한 압축 성능을 보이면서 인코딩은 3배, 디코딩은 5배 빠른 속도를 달성했어요.
EF-LIC는 통계적 중복 제거를 위해 제약 없는 벡터 양자화를 사용하고, 상관관계 중복 제거를 위해 컨텍스트 기반 오토 회귀 변환을 제안했어요. 이론적 분석 결과, 기존 방식과 유사한 압축 효율을 보입니다.
EF-LIC는 MS-ILLM 데이터셋에서 67.86% 비트레이트 감소 효과를 보였고, LPIPS 지표에서도 우수한 성능을 나타냈어요. 기존 방식 대비 인코딩은 3배, 디코딩은 5배 빠른 속도를 보여 압축 효율과 속도 모두 개선됐습니다.