在人工神经网络出现之前，将任务分解为子任务是最简单的处理方式。基本原理保持不变：一个神经网络被教导预测下一张图像，另一个神经网络被教导识别预测中的错误并以最紧凑的形式发送更正。那么，有什么新东西呢？视频编码有多复杂并不重要，因为神经网络负责处理它。我们所要做的就是表示我们希望它以 1 Mb/s 的速度获 墨西哥手机号格式 得最佳图像，它就会尝试学习如何做到这一点。
Théo Ladune 详细介绍了他所做的技术选择
“在设计编码器时，我试图尽可能少地限制它。对于研究人员来说，即使在使用神经网络时，也存在着强烈的诱惑，即将架构建立在传统的图像减法方法（即预测）上。毕竟，这是一种久经考验的方法。但我决定给网络一个带有预测的未混合图像，并允许算法开发自 V 己的压 该活动旨在吸引 缩方法。我还选择让它学习序列的片段，即多幅图像的组，而其他人则喜欢逐张图像地向网络提供数据。我冒险依靠神经网络，构建架构来帮助它学习，同时给予它尽可能多的自由。”
神经标准即将出现吗？
视频标准自 20 世纪 90 年代初就已存在，并以十年为周期。行业制造商希望实 巴西号码列表 现互操作性，通过数据传输所经的网络，为内容广播公司和用户电视提供有保障的技术渠道。每个新标准都会带来新内容（高清、4K 等），以及新的限制。神经编码器在这个范式中处于什么位置？正如 Théo Ladune 在 Orange 的主管 Pierrick Philippe 所解释的那样：“值得注意的是，在 2017 年之前，神经网络还无法执行固定图像压缩。这是一个新兴领域！今天，Théo 的视频编码器略低于 2013 年发布的 MPEG HEVC 标准。按照这个速度，可以肯定地预测，几年内神经编码器将超过今天的最新标准。我们正处于十字路口，有一件事是肯定的：这个领域的每个参与者都在关注。下一个标准是传统的、神经的还是混合的？目前还无法说，这就是为什么像 Théo 这样的工作如此令人印象深刻。”