DeepCoder团队致力于将深度学习技术应用到图像和视频压缩领域中去，采用了完全重新设计的端到端训练的多媒体压缩体系，颠覆了传统编码方式。经过几年的技术积累和创新，DeepCoder团队建立完善了从基于CNN的非线性变化、空间自适应码率分配和基于3D预测的熵编码等一整套压缩解决方案。目前团队在主客观质量中都表现出了非常强的竞争力，超过了JPEG、JPEG2000、HEVC Intra等诸多传统图像编码框架。与此同时，基于学习的神经网络压缩方案具有很好的模块化特性，具有非常好的兼容性，可以和传统方法相结合，各取所长，已达到最佳性能。
近期JPEG委员会开始推动下一代图像编码标准的制定，也称为JPEG XL，旨在开发一种全新的图像编码标准，该标准提供比现有图像格式更好的压缩效率，以及网络分发和高效压缩所需的高品质的图像。在第79届JPEG会议上发布了关于下一代图像编码的建议征集。DeepCoder团队的DIC作为七份提案之一响应了本次征集，参与的单位包括Mozilla、谷歌、腾讯、北大、中科大等多家企业以及高校的科研单位。
DeepCoder团队在JPEG-XL会议现场展示方案
在加拿大温哥华举行的第81届JPEG会议上，三个独立的研究实验室对七家单位提交的方案进行了主观视觉质量的评估和测试，在核心的主观质量评价中，DeepCoder团队作为唯一一家基于深度学习端到端训练的方案，在多个测试序列上有得到了最高的得分，超过了HEVC Intra、 AV1、 AVS2等知名架构，展现出非常强的性能和发展潜力。
主观质量评价结果（黄色P01为DeepCoder团队提交方案）