ELIC: 비균일 그룹화된 공간-채널 컨텍스트 적응형 코딩을 이용한 효율적인 학습 기반 이미지 압축

최근 학습 기반 이미지 압축 기법은 뛰어난 성능을 달성하여, 최고의 수작업 설계된 손실 압축 코더를 넘어섰다. 이러한 기법들은 대규모 적용이 가능할 것으로 기대되고 있다. 실용성을 고려할 때, 압축 성능과 실행 속도라는 두 가지 측면에서 학습 기반 이미지 압축의 아키텍처 설계에 대한 철저한 탐구가 필수적이다. 본 논문에서는 학습 기반 이미지 압축에서 에너지 집중 현상을 관찰한 데서 영감을 받아, 채널별 비균형 조건부 적응형 코딩을 제안한다. 제안한 비균형 그룹화 모델을 기존의 문맥 모델과 결합함으로써 공간-채널 문맥 적응형 모델을 구성하여, 실행 속도에 손상을 주지 않고도 코딩 성능을 향상시킨다. 이후 주요 변환 구조를 분석하고, 최첨단의 속도와 압축 능력을 동시에 달성하는 효율적인 모델인 ELIC을 제안한다. 제안된 모델은 뛰어난 성능을 갖추고 있으며, 매우 빠른 미리보기 복호화 및 점진적 복호화를 지원함으로써, 학습 기반 이미지 압축 기술의 실용적 적용 가능성을 더욱 높이고 있다.