本章要回答的三个问题:同样利用"时间上的相似",为什么 AV1 要准备八个参考帧槽位,比 H.264/HEVC 的十六个还少?运动矢量的"预测的预测"各家怎么做的?当单一运动补偿不够用时,复合预测与运动场推断给出了什么增量?
视频里最贵的冗余是时间冗余:相邻帧之间,大部分像素几乎没变。帧间预测就是"从过去的帧里搬运像素来拼现在",而搬运的三个要素——从哪些帧搬(参考帧管理)、搬多少(运动矢量)、怎么搬得更像(插值与复合)——每一项四代标准都有自己的方案。这一章按搬运流程的顺序对照它们,重点不是罗列工具名,而是解释工具背后的同一组权衡:参考帧越多搜索越准、但缓存与信令越贵;矢量预测越精细、码流越省、但复杂度越高。
AV1 在这一章里有两个常被低估的设计:一是参考帧槽位少而任务化(LAST、GOLDEN、ALTREF 各司其职),把"多参考"从数量竞赛改成了角色分工;二是运动场推断(MFMV),让没有显式矢量的块也能从全帧运动场里借信息,相当于给运动估计加了一层"群体智慧"。
读完本章,你应当能:解释八个槽位各自的语义与刷新策略,以及它相对十六槽设计的取舍;对照 AMVP 与 AV1 的候选排序机制,说出两者在信令与精度上的差别;面对高运动内容与低延迟场景,判断该开哪些复合预测工具、关哪些;理解 ALTREF 与前瞻编码(lookahead)如何合作压出额外码率。

| 节 | 回答哪个问题 | 关键产出 |
|---|---|---|
| 4.1 参考帧管理与运动补偿 | 从哪些帧搬、怎么搬 | 8 槽语义、刷新映射与前瞻机制对照 |
| 4.2 运动矢量预测 | 矢量本身怎么省着写 | AMVP 与 AV1 候选排序机制对照 |
| 4.3 复合预测与运动场推断 | 单一预测不够怎么办 | 复合模式族、OBMC、 warped motion 与 MFMV |
理解第 3 章的"预测 + 残差"框架即可。若你了解 H.264 的多参考帧列表,本章大量内容可以直接对照迁移;若不了解,正好从零建立对照坐标系。
帧内与帧间不是两座孤岛:编码器在逐块决策时让它们同台竞价——静止的屏幕内容常被帧内复制赢走,渐变纹理区常被帧内方向赢走,运动区归帧间补偿。理解"同台竞价"的率失真逻辑,比分别背两套工具表更接近编码器的真实工作方式;这也解释了为什么第 7 章的 preset 档位能同时影响两边的搜索深度——降价的不只是某一个抽屉,而是整个竞价的激烈程度。
预测做完只是"估计",残差还要经过变换、量化与熵编码才能写进码流——那是第 5 章的舞台。本章末尾的复合预测会频繁提及"率失真代价",第 5 章开头会把这三个字正式定义。