본 논문은 기존의 비디오 코덱(AVC, HEVC, VVC, AV1, AV2 등)을 대체할 수 있는 신경망 기반 비디오 코덱(NVC)에 대한 연구를 다룬다. NVC는 수작업으로 설계된 특징(움직임이나 가장자리 기반)에 의존하지 않고 콘텐츠 인식 압축 전략을 학습하여 기존 방식보다 더 나은 적응성과 높은 압축 효율을 제공한다. 특히, 실시간 응용 프로그램에서의 높은 연산량 요구사항을 해결하기 위해 관심 영역(ROI) 기반의 NVC 모델을 제안하며, 2D Gaussian Splatting을 활용하여 실시간 디코딩 및 효율적인 데이터 포인트 사용을 가능하게 한다. 기존 Gaussian splatting 기반 이미지 코덱의 인코딩 시간을 콘텐츠 인식 초기화 전략과 새로운 Gaussian 간 프레임 중복 감소 메커니즘을 통해 88% 단축시킨 비디오 파이프라인을 설계하여, 최초로 Gaussian splatting 기반의 NVC 솔루션을 제시한다.
