本文提出了一种强大的熵模型，能够高效地捕捉视频中的空间和时间依赖关系，并通过内容自适应量化机制实现平滑的速率调整。实验结果表明，该模型在UVG数据集上实现了18.2%的比特率节省，是神经视频编解码器发展的新里程碑。

研究人员提出了一种名为GroupedMixer的新型基于Transformer的熵模型，具有更快的编码速度和更好的压缩性能。实验结果表明，GroupedMixer在快速压缩速度下具有最先进的失真率性能。