4.2 运动矢量预测对照

4.2 运动矢量预测对照

本节摘要：运动矢量本身也要占码率，所以四代标准都先给候选再编码差值：H.264 用中值预测器，HEVC 用空间加时间合并的 AMVP 与 Merge 双轨，AV1 则从八个投影候选排序取近邻，并配套动态参考运动场。本节对照三套"预测的预测"，并解释为什么矢量信令的效率直接影响低码率场景的画质。

一、为什么矢量信令值得单独一章

低码率场景有个反直觉现象：码率预算里，运动矢量信息占比会明显上升，甚至逼近残差本身。画面越糊、块越大，"从哪搬来"的描述就越相对昂贵。矢量信令每省一个符号，省下的比特能转化成一圈更精细的残差编码——所以各家标准都在做"预测的预测"：先用便宜的方式猜出这个块大概往哪动，再只编码猜错的差值。

三套机制的对照如下：

HEVC 的双轨值得展开一句：AMVP 给"矢量加小差值"的块用，Merge 干脆让当前块整体继承邻居的运动信息（含参考帧选择），一个 Merge 索引两三个比特就解决整块信令。AV1 没有照搬 Merge，而是把候选槽位固定为"最近、次近、全局"三档加时间投影，块级从槽位里选——检索结构不同，但"用索引代替数值"的省信令思想一脉相承。

二、AV1 的候选构造：投影与排序

AV1 为每个块构造最多八个候选矢量，来源分三层。第一层是空间投影：把左、上、右上、左上邻块在当前参考帧上用过的矢量"投影"过来，按投影后覆盖面积的相似度排序。第二层是时间投影：查参考帧同位置块的运动信息，按参考帧距离做缩放对齐（这就是 MFMV 的块级用法）。第三层是零矢量与全局运动矢量兜底。

# AV1 候选排序要点（伪代码）
candidates = []
for nb in [left, above, above_right, upper_left]:
    v = nb.mv_for_this_reference        # 邻块对该参考帧用过的矢量
    score = projected_overlap(v, nb, cur_block)
    candidates.push(v, weight=score)
candidates.sort_by_weight_desc()
candidates.deduplicate()
near   = candidates[0]   # NEARESTMV 槽
near2  = candidates[1]   # NEARMV 槽
# 块级信令: 从 {NEAREST, NEAR, GLOBAL, NEW+delta} 中按率失真挑选
​

对照 HEVC AMVP 的"邻块竞争"规则，AV1 的投影排序有两点差异：一是按参考帧逐个构造候选（每个参考帧一份列表），HEVC 同样按列表维护但规则更耦合；二是全局运动矢量参与候选，固定机位内容（监控、会议、录像课）大量块直接命中 GLOBALMV，信令接近于零。VVC 在这条线上再进一步：SMVD 用双向对称矢量把两份矢量信令合成一份，DMVR 在解码端做微搜索精修——都是"少写矢量、多算矢量"的思路延续。

三、全局运动与 warped motion：矢量信令的"批发"模式

逐块写矢量是"零售"，整帧写一个全局模型是"批发"。AV1 支持全局运动参数（平移、旋转缩放、仿射三档），帧头声明整帧共用的运动模型，块级只需一个标志位选择"用全局还是用自己的"。对固定机位与缓慢摇镜内容，批发的收益立竿见影；局部还可以在块级细化 warped motion，让大块带着自己的仿射参数去预测——透视变化的广告牌、滚动的网页，都因此受益。

对照：HEVC 没有帧级全局运动的标准机制（部分靠长期参考帧间接实现）；VVC 的仿射运动补偿在块级全面铺开（四参数、六参数模型），把"批发"下放为"分布式零售"。两者的取向不同：AV1 省的是信令，VVC 拼的是预测精度，这又是"省着写"与"算得准"的路线分野。

⚠️ 调参提示：全局运动与 warped motion 对屏幕录制、固定机位内容收益大，但对密集前景遮挡内容可能引入形变伪影；SVT-AV1 的高速度档位会自动收缩这类工具的使用，弱网直播不必强开。

常见追问

问：为什么不让解码器也做运动搜索来省信令？
答：因为标准必须保证确定性——解码端任何"搜索"都必须是所有实现可逐位复现的。VVC 的 DMVR 是这条路线的边界示范：它把解码端微搜索标准化（双方按相同规则微调），既拿到了算力换信令的收益，又保住了确定性。AV1 的 MFMV 同理：运动场投影规则写死在标准里，谁的实现都算出同一个结果。

问：运动矢量精度现在是多少？还会更细吗？
答：亮度分量已到四分之一像素插值加高精度矢量表达（八分之一像素级别的矢量分辨率）。再细的插值收益快速衰减，而插值滤波的算力与缓存成本线性上涨——精度军备赛基本到顶，各家转向矢量预测与复合策略的精细化。

问：快速运动场景矢量预测为什么容易失效？
答：候选机制假设"邻居与我相似"，快速运动加遮挡恰恰破坏这个假设。此时编码器更依赖 NEWMV（完整矢量加差值），信令上升、收益下降——这也是高运动内容在 7.1 节里对"省三成"数字贡献偏低的原因之一。

本节要点回顾

• 信令经济学：低码率下矢量信令占比上升，省矢量就是省画质，各家机制殊途同归于"预测加差值"。
• 候选构造对照：H.264 中值、HEVC 竞争加 Merge、AV1 投影排序加时间场、VVC 对称与解码端精修。
• 批发与零售：帧级全局模型是批发，块级仿射是零售，AV1 与 VVC 在这条线上取向相反。
• GLOBALMV 的隐藏价值：固定机位内容大量块信令趋近于零，是监控与会议场景的实效增益。

再补一条排障经验：运动矢量预测链的"继承-缩放-裁剪"三步在跳帧参考（frame skipping）场景最易出错——继承自隔层参考块的 MV 要按时间距离缩放，缩放后超出当前参考帧有效范围的分量再裁剪到边界；老编码器在缩放取整上各不相同，导致同一段素材在两家编码器下预测链发散、码率差出百分之五以上。排查这类差异的抓手是 dump 预测块的运动估计搜索起点：若两家起点系统性偏移，问题在预测链而不是搜索算法本身。对照测试时先固定相同的参考结构（same L0/L1 布局），再谈预测器对照，否则结论会被参考结构差异污染。