为提高新一代通用视频编码标准(H.266/VVC)中色度帧内预测的准确度，提出了采用轻量级卷积神经网络的跨分量预测方法。设计了亮度模块和边界模块，从亮度和色度参考样本中提取特征。设计了注意力模块，构建当前亮度参考样本和边界亮度参考样本之间的空间关系，并应用于边界色度参考样本生成色度预测样本。为降低编解码复杂度，设计网络在二维完成特征融合和预测，优化了现有的同组参数处理不同块大小的训练策略。并且，引入宽度可变卷积，根据不同的块大小调整网络参数。实验结果表明：与H.266/VVC测试模型VTM18.0相比，所提网络在Y(亮度分量)、Cb(蓝色色度分量)、Cr(红色色度分量)上分别实现了0.30%、2.46%、2.25%的码率节省。与其他基于卷积神经网络的跨分量预测方法相比，有效地降低了网络参数和推理复杂度，分别节省了约10%的编码时间和19%的解码时间。