1.1 视频编码标准演进简史

1.1 视频编码标准演进简史

本节摘要：视频编码标准三十年换四代，驱动力不是算法好奇心，而是分辨率、带宽与应用形态的错配。本节从H.261讲到VVC定稿，重点还原JVET的决策机制——提案如何被测试、BD-rate如何度量进步、标准如何被锻造出来。读完你会明白：VVC的每个工具都不是天才的灵光一现，而是被一套严酷的淘汰机制筛出来的幸存者。

承接导读里"裁缝铺"的比喻，本节讲的是这家铺子的家谱：祖师爷立下的规矩（混合编码框架）三十年来纹丝不动，变的只是每道工序的手艺。本节过后，1.2节将把VVC这一代立下的目标讲清楚。

框架未变，工具常新

1993年前后定稿的H.261确立了一个至今未被推翻的骨架，业内称混合编码框架：预测 → 变换 → 量化 → 熵编码，帧间再补一条运动补偿支路。它的哲学极为朴素——视频帧与帧之间、块与块之间高度相关，与其传输像素本身，不如传输"猜想的误差"。

此后每一代标准都是在这个骨架的固定环节上换工具：

注意最后一列的规律：每一代都声称省一半，每一代也都真的省到了接近一半——这是整个视频编码产业最惊人的复利。也有代价：编码复杂度每代翻数倍，这也是后面第9章反复出现的主题。

标准背后的组织

视频编码标准从来不是单一机构的产物。H.26x系列由国际电联的电信标准化部门（VCEG工作组）主导，MPEG-x系列由国际标准化组织与国际电工委员会联合的MPEG主导；从H.262/MPEG-2开始，两家组成联合团队共同出标准。VVC的联合团队叫JVET（联合视频探索组），2015年成立，前身是制定HEVC的JCT-VC。中国、德国、美国、韩国、日本的企业与研究机构都是主力提案方，任何一个工具进入标准，都要在联合团队会议上过公开测试这一关。

JVET的锻造机制：进步如何被度量

理解VVC，一半在理解工具，另一半在理解工具如何被筛选。JVET维护着一套叫通用测试条件（Common Test Conditions，CTC）的框架，其运作像一个永不停歇的擂台：

1. 固定的考卷：标准测试序列集合（不同分辨率、不同内容类型）、固定的编码配置（全帧内、随机访问、低延迟等数种）、固定的QP点；
2. 统一的裁判：所有提案都基于同一版参考软件（探索阶段的JEM、标准化阶段的VTM）实现，与基线版本对比；
3. 唯一的记分牌：BD-rate（Bjøntegaard Delta rate），在同等客观质量（PSNR）下码率变化的百分比，负值代表节省。

这套机制冷酷但公平——某个提案哪怕在论文里效果惊人，只要在CTC上多数序列综合为负收益，就会被当场放弃。VVC定稿前的提案数量以千计，最终进入标准的工具每一件都带着长长的测试履历。

BD-rate 的直觉理解（示意伪代码）：

对编码器 A（基线）和 B（提案）分别跑 4 个QP点：
    rate_a = [r1, r2, r3, r4]      # 各QP点的码率
    psnr_a = [p1, p2, p3, p4]      # 各QP点的质量
    rate_b、psnr_b 同理

把 A、B 各自的 rate-psnr 曲线拟合为三次多项式；
在 PSNR 的公共区间内对 码率做积分平均；
BD-rate = (B相对A的码率差) / A的码率

读数约定：
    BD-rate = -30%  → 同等质量下B省30%码率（提案有效）
    BD-rate = +5%   → 同等质量下B反而费码（提案出局）
​

这套度量也解释了VVC文档里所有"某工具带来百分之几收益"的说法从何而来——不是厂商宣传，而是CTC在特定配置下的可复现测试结果。第9章会把BD-rate的适用边界（比如它衡量不了主观质量差异）展开讨论。

VVC时间线上的关键节点

时间线上的几处值得多说一句。探索期（JVET成立到提案征集前）的产出是JEM参考软件，它像个武器试验场，把所有候选想法堆在一起测组合收益——这一阶段也暴露了"简单堆工具边际收益递减"的规律，倒逼标准化阶段转向结构性创新，QTMT块划分正是这一转向的代表作（第2章主角）。提案征集后，全球响应方案被逐块评估、择优融合进测试模型，此后每两个月一次联合会议，几十次迭代收敛出最终文本。2020年7月VVC最终稿成形，同年11月作为H.266正式发布。

为什么恰好在2020年前后换代

标准换代的时刻表由产业账单决定。HEVC定稿时主流内容还是1080p；到VVC立项前后，4K普及、8K起量、 VR 与全景内容、远程协作与云渲染同时压上来，HEVC的码率账单开始让流媒体巨头与运营商感到疼。另一头，HEVC的专利纠纷让产业对"下一代"有了额外期待——更透明的授权结构本身就成了VVC的隐性设计目标之一（详见第10章专利池一节）。

同时也要看到不变的另一面：三十年里始终没变的，是"猜—量差—编码差"这个哲学。神经编码喊了很多年，至今仍以"增强插件"的姿态与混合框架共生，第10.4节会解释为什么确定性、可随机访问的语法框架在广播与生产环境里仍不可替代。

一问一答

问：普通人怎么感知"标准换代"这件事？
流量档位就是体感：同一段超高清视频，老标准在移动网络下要缓冲、新标准流畅播放——省下的那一半码率直接兑换成体验。反过来，新标准的片子在旧手机上打不开（缺解码支持），就是"终端渗透滞后"的体感。标准演进从来不是遥远的委员会事务，它决定着你手机里那条进度条的行为。

带走这三条

• 框架稳定，工具演进：H.261确立的预测-变换-量化-熵编码骨架四代未变，学VVC实质是学"这一代换了哪些工具"；
• 进步是被度量出来的：CTC加BD-rate的淘汰机制是JVET的方法论核心，标准文本里每个工具都有测试履历；
• 换代节奏由产业账单决定：分辨率与应用形态先变，码率压力后到，标准换代随后而来。