본 논문은 고해상도 대화면 이미지의 효율적인 압축 방법에 대한 연구를 다룹니다. 기존의 압축 기법들은 중요한 이미지 디테일을 유지하지 못하는 한계가 있으며, 데이터 기반 접근 방식은 일반화 성능이 제한적입니다. 본 논문에서는 암묵적 신경 표현(INR)을 활용하여 공간 좌표에서 픽셀 강도로의 연속적인 매핑을 학습하는 새로운 압축 프레임워크인 COLI를 제안합니다. COLI는 Neural Representations for Videos (NeRV)를 기반으로 하며, 사전 훈련-미세 조정 패러다임, 혼합 정밀도 훈련, 병렬화 가능한 목적 함수로의 순차적 손실 재구성을 통해 INR 기반 압축의 수렴 속도를 향상시킵니다. 또한, Hyper-Compression이라는 새로운 후처리 기법을 통해 압축률을 크게 향상시키면서 출력 왜곡은 최소화합니다. 의료 영상 데이터셋에 대한 평가 결과, COLI는 훨씬 적은 비트당 픽셀(bpp)에서 경쟁력 있는 또는 우수한 PSNR 및 SSIM 지표를 달성하며, NeRV 훈련 속도를 최대 4배까지 향상시킵니다.
