DCT Encoder/Decoderを学習するわけではなく、画像固有の最適な量子化テーブルを予測する。つまり標準的なJPEG符号化と完全に互換性がある。ビットレートを近似する微分可能なロスを使うことで、量子化画像の確率分布予測に成功。

標準JPEGの品質レベルを変化させてビットレートを同等にして画像分類のタスクで性能比較し、性能向上を確認。

実用的な構成で効果もそれなり、バシッとハマる産業的なユースケースがあれば更に良いなと思った。 関係ないが、JPEG2000について「JPEGの後に提案されてきたが、高い互換性と低い複雑さの利点を持つJPEGほど普遍的には受け入れられていない」とのこと。