本研究提出了新的视频流传输框架PromptMobile，解决了传统视频压缩算法在低比特率下质量下降的问题。该框架通过高效生成、帧间缓存和系统优化，计算成本降低8.1倍，图像生成速度提升13.6倍，视频质量优于其他方法。

本文介绍了FlowMAC，这是一种创新的神经音频编解码器，专注于在低比特率下实现高质量音频压缩。它首次将条件流匹配用于音频编码，实现高效训练。在3 kbps下，FlowMAC的音质可媲美更高比特率的编解码器，并支持在复杂度与质量之间灵活平衡，可在CPU上实时运行。

本研究使用生成对抗网络构建了一个图像压缩系统，能够在低比特率下合成出较满意的结果，并通过原始图像的语义标签映射减少存储成本。用户研究证实该方法优于现有技术。

该研究使用扩散模型预测能力，实现极端视频压缩。通过将多个神经压缩帧转换为连续的视频帧，从低比特率开始实现视觉上令人满意的重构。结果显示该方案在低比特率领域比H.264和H.265等标准编解码器效果更好。

该研究提出了通道调节和潜在残差预测两种增强技术，设计了一种比现有上下文自适应模型更好的网络架构，能够在最小化串行处理、保持数据完整性等方面表现更优。在 Kodak 和 Tecnick 图像集上的平均速率提高了 6.7% 和 11.4%。在低比特率下，该模型可使速率提高 18%，比像 BPG 这样的手工工程编解码器提高 25%。