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。

该研究提出了一种基于扩散的极端图像压缩新方法，通过压缩特征初始化和剩余扩散，显著提高了低比特率下的图像重建质量，超越了现有技术。

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%。