自适应预测的方法有多种，并且没有固定的模式。例如根据图像中特定的局部特性，把图像分为平坦区、水平轮廓、非水平的直线轮廓以及网格区等4种区域，对每种区域采用不同的预测系数；另外还可以通过定义活动函数，把待测像素分为活动像素和非活动像素，然后对这两类像素采用不同的预测系数。经过自适应预测后，预测更为精确，预测误差在“0”周围的分布更加尖锐。

自适应量化器的种类也很多，通常考虑从一个较大动态范围的量化器导出若干子量化器，根据图像的局部特性，从这些量化器中选择一个最合适的进行量化，以满足编码中对图像的质量、传输码速率等方面的要求。例如将预测值作为量化器的浮动电平，使得量化器的输出电平在一定范围内上下浮动，并保持较少的电平分层数不变，这样在不增加量化比特数的条件下减少了量化误差；另外，对于利用人的视觉掩盖效应设计的量化器，可以根据预测误差的大小以及相邻像素的差值大小，采用其中的一部分量化层作为输出，既可保证视觉的要求，同时又压缩了量化比特数。