为了减少跨分量冗余，提出CCLM。假设色度和亮度内容中存在线性关系，同一个CU的色度样本根据重构亮度样本进行预测，通过采用一个线性模型来实现：
左边代表CU中预测的色度样本，rec代表同一个CU的下采样的重构亮度样本。用线性最小二乘法，参数和通过最小化当前块相邻重构亮度和色度样本回归误差得到：
L(n)表示下采样上侧和左侧相邻重构亮度样本，c(n)表示上侧和左侧相邻重构色度样本，N为当前色度编码块的最小宽度和高度的两倍。若为正方形的编码块，两个公式直接采用。非正方形，长边界的相邻样本首先子采样到和短边界具有相同样本的长度。图示为左侧和上侧样本和CCLM中包含的当前块的样本。对于NxN的色度块，当左侧和上侧样本都可获取时，总的包含的样本数是2N；当只有一边可以时，是N。
线性回归线得到的一个线性关系。点是重构的亮度和色度点。如图。
回归误差最小化计算被分配为解码过程的一部分，不仅仅是编码端的查找操作，所以，不需要传输参数的语法元素。
CCLM预测模式也包括两个色度内容的预测。Cr根据Cb预测。不适用重构样本信号，CCLM的Cb-to-Cr预测被残差域采纳。通过加入一个带权值的重构Cb残差到原始Cr帧内预测中，来形成最终的Cr预测：
缩放因子根据CCLM的luma-to-chroma预测相同的方式得到。唯一的不同是在误差函数中相对于默认值的回归成本的增加，从而使派生的缩放因子偏向默认值0.5。
其中表示临近重构样本Cb，表示临近重构样本Cr。lambda等于Σ(cb(n)，Cb(n))>>9
CCLM的luma-to-chroma预测模式作为一个色度帧内预测模式添加。在编码端，还有一个色度内容的RD cost check，来选择色度帧内预测模式。当帧内顶测模式，而不是CCLM的luma-to-chroma模式被用做CU的色度内容，CCLM的Cb-to-Cr被用作Cr内容预测。
多模型CCLM ( MMLM )
JEM有两个CCLM模式：单一模型CCLM和多模型 CCLM（MMLM）multiple model CCLM mode。前者使用一个线性模型来进行整个CU用亮度采样预测色度样本，MMLM中，可以有两个线性模型。其中，相邻亮度采样和当前块的相邻色度采样被划分为两组，每一组被用为一个训练集合来得到一个线性模型（特别是alpha和beta是根据特定的一组得到的）。当前亮度块的样本也是根据相同相邻块亮度样本的划分的规则分类的。
相邻采样可以被归类分为M组，M=2或者3。编码器通过RDO选择最优模式。M=2，门限被计算为相邻重构亮度采样的平均值。相邻采样分为类1，为2。
CCLM模式的下采样滤波器.
跨分量预测的实现，对于420来说，重构亮度需要下采样来符合色度信号的大小。CCLM中默认的下采样滤波器为：
注意，这种下采样假设色度样本相对于亮度样本的位置的“类型0”相位关系，如并列的水平采样和填隙的垂直采样。
上述的6抽头下采样滤波器为默认滤波器，CCLM和MMLM都是。
MMLM模式，编码器可以从四个亮度下采样滤波器中选择一个，用于CU的预测，并且传输滤波器的索引来表明用的是哪一个。四个：