三维视频编码技术的发展与挑战
视频编码技术前沿与方向
基于视觉特性的视频编码
❖ 技术3：视觉感知机理与编码
– “像素-基元/纹理-对象-场景” 层次模型 – S. Zhu, UCLA
视觉表示模型 物理世界模型
场景
世界
对象 基元、纹理 像素
感知 物质 图获
取
原子/分子
结构 电子 感知
原始 图像
纹理 区域 估计
合成 纹理
合成 图像
基于视觉特性的视频编码
基于视觉特性的视频编码
❖ 技术2：基于Inpainting技术的视频编码*
– 码率节省达18%
*D. Liu; X. Sun; F. Wu; S. Li; Y. Zhang, Image Compression With Edge-Based Inpainting, IEEE-TCSVT, Vol. 17, No. 10, Oct. 2007 pp. 1273–1287.
峰值信噪比=6.24
一般认为：峰值信噪比与图像质量近似成正比关系。
结论：1、峰值信噪比度量与人的视觉感知并不完全一致！
2、需要寻求更加符合人类视觉感知的客观度量方法以 及相应的编码理论和方法。
可能突破方向：借鉴视觉感知 机理
❖对视觉感知机理的认识逐渐深入，用于视 频编码的潜力很大
视频编码
JPEG (~14倍) JPEG (~50倍)
A
B3
B2
B3
B1
B3
B2
B3
A
compatible base layer
传统可伸缩编码
❖ H.264 SVC
– SNR可分级：层间预测
Spatial Base Layer
(Layer 0)
reconstructed sequence
音视频编解码技术的现状与发展
音视频编解码技术的现状与发展随着互联网的普及和网络速度的提升，音视频资讯的获取变得越来越容易。
我们可以随时随地打开手机或电脑，观看视频、听音乐。
但是，这些视频和音频文件都离不开一个重要的技术——编解码技术。
本文将会探讨音视频编解码技术的现状与发展。
一、什么是编解码技术？在了解编解码技术的现状和发展前，我们需要先了解编解码技术是什么。
简单来说，音视频编解码技术就是把多媒体信号经过压缩算法转化为压缩格式的技术，以便于传输、存储和处理。
音视频编解码技术分为编码和解码两个过程，编码器把采集到的音视频数据压缩为压缩格式的数据，解码器把压缩格式的数据解压缩还原为原始音视频数据。
二、音视频编解码技术的现状1.国际标准的制定随着技术的发展，音视频编解码技术也在不断地被探索和研究，多种音视频编解码技术涌现出来并被广泛使用。
但是，如果缺乏统一的国际标准，那么不同厂商的设备和软件之间就会出现互不兼容的问题。
为了解决这个问题，国际标准组织ITU-T、ISO、IEC联合制定了许多音视频编解码标准，如H.264、H.265、MPEG-4、MPEG-2、VP9等等。
这些标准规定了音视频编解码的各种规范和参数，使得音视频编解码技术得到了广泛应用。
2.压缩效率的提升音视频编解码技术的核心之一就是压缩技术。
在压缩技术优化的过程中，压缩效率的提升一直是音视频编解码技术的发展方向之一。
现在，H.264是市场上最为流行的视频编码标准之一，其压缩后的视频质量和压缩比（压缩前和压缩后的数据量之比）都很优秀。
除此之外，H.265标准也日渐流行，在保证视频质量的前提下，其压缩比可以达到更高的水平。
3.应用领域的不断扩展音视频编解码技术应用领域的不断扩展也是其现状之一。
在早期，音视频编解码技术主要被应用在广播电视等领域。
随着技术和网络的发展，音视频编解码技术被应用到更多的领域，如在线视频、视频会议、社交应用、游戏直播等。
随着人们对视频沟通需求的不断增长，音视频编解码技术的应用领域将会更加广泛。
视频实时编码技术研究
视频实时编码技术研究随着互联网的不断普及，视频内容的使用和传输也变得越来越频繁。
但是，视频文件的体积往往很大，需要较多的网络带宽和存储空间。
为了解决这个问题，视频实时编码技术应运而生。
视频实时编码技术是指以一定的压缩率对视频信号进行实时压缩编码，使得传输过程中需要的带宽和存储空间降低，实现视频内容的高效传输。
目前常用的视频实时编码技术主要有H.264、VP9和AV1三种。
H.264是目前使用最为广泛的视频编码标准，已经被广泛应用于视频会议、视频播放、手机通信等领域。
VP9是谷歌公司推出的视频编码标准，其压缩率比较高，在视频清晰度较高的情况下，依然能够保持较小的文件体积。
AV1则是一种新兴的视频编码标准，比VP9更为先进。
不同的视频编码标准具有不同的特点和应用场景。
在应用过程中，需要根据实际需求选择合适的编码标准，进行灵活使用和组合，最大程度地发挥视频实时编码技术的优势。
视频实时编码技术的应用范围非常广泛。
其中，视频会议系统是最为典型的应用场景之一。
在这种场景下，对于视频信号的实时传输和处理要求非常高，需要使用高效的视频编码技术进行数据压缩和传输，以确保视频质量不受影响，传输流畅且稳定。
此外，视频实时编码技术还广泛应用于视频直播、在线教育、移动终端视频播放等领域。
在这些领域中，视频内容的实时传输和展示是非常重要的，视频实时编码技术的应用可以大大提高传输速度和用户体验。
总之，视频实时编码技术是一种非常重要的技术，它可以使视频内容的传输更加高效，并且应用范围非常广泛。
在未来，随着视频内容的多样化和传输速度的进一步提高，视频实时编码技术将发挥越来越重要的作用。
基于深度学习的视频编码算法的研究
基于深度学习的视频编码算法的研究一、前言随着移动互联网的快速发展，视频成为最受欢迎的媒体类型之一，据预测，到2022年，全球视频流量将占整个 IP 数据流量的80%以上。
而高效的视频编码算法是保证视频质量和网络流畅的关键所在。
深度学习的广泛应用，使得其在视频编码领域也得到了广泛的研究和应用，本文将针对基于深度学习的视频编码算法的研究进行探讨。
二、视频编码算法的发展历程1.传统视频编码算法传统的视频编码算法采用基于标准的离散余弦变换（DCT）和运动估计等技术来将视频压缩编码。
代表性的编码标准包括H.264、AVC和HEVC等，这些编码标准虽然已经可以满足当前视频压缩的需求，但其编码复杂度高且无法应对网络环境的变化，且其与深度学习的结合也受到了一定的限制。
2.基于深度学习的视频编码算法随着深度学习技术的发展，在对视频的编码和压缩方面也提供了不少新思路和方法。
与传统的视频编码算法不同，基于深度学习的视频编码思路一般都是以图像上的深度学习模型（主要是卷积神经网络）为基础，通过对图像序列的逐帧处理，实现对视频编码的压缩。
三、基于深度学习的视频编码算法研究1.基于卷积神经网络的视频编码算法在基于深度学习的视频编码算法中，基于卷积神经网络的视频编码算法应用最为广泛。
针对这种算法，主要的思路是将视频分为I帧、P帧和B帧，I帧作为关键帧，不进行编码压缩；P帧和B帧作为非关键帧，采用卷积神经网络进行编码压缩。
2.基于生成式对抗网络的视频编码算法除了基于卷积神经网络的视频编码算法外，基于生成式对抗网络的视频编码算法也是一种被广泛研究的方法。
这种方法主要通过让生成式对抗网络学习如何通过有损压缩来创建视频副本，并通过副本中的有损编码器来学习压缩，实现对视频编码压缩的优化。
3.其他基于深度学习的视频编码算法除了以上两种基于深度学习的视频编码算法外，目前还存在一些其他的算法，例如，《Deep Remaster》中提出的以带有运动信息的残差帧为关键帧的算法、Camera-Generated Image Compression使用自编码器实现的算法等。
video coding for machine的文章
video coding for machine的文章摘要：一、视频编码技术概述1.视频编码技术的背景与发展2.视频编码的基本原理二、机器学习在视频编码中的应用1.传统视频编码方法与局限性2.机器学习在视频编码中的优势3.主流的基于机器学习的视频编码技术三、深度学习在视频编码中的应用1.深度学习技术的发展及其在视频编码领域的应用2.深度学习视频编码方法的典型代表3.深度学习视频编码技术的未来发展趋势四、我国在视频编码技术的研究与应用1.我国在视频编码技术研究的发展历程2.我国在视频编码技术领域的优势与特点3.我国视频编码技术在实际应用中的案例分析五、视频编码技术的未来展望1.新一代视频编码技术的研发趋势2.视频编码技术在多媒体领域的融合与应用3.视频编码技术在5G、物联网等新兴领域的应用前景正文：一、视频编码技术概述随着信息技术的飞速发展，视频数据在全球范围内呈现出爆炸式增长。
为了更有效地存储和传输这些海量数据，视频编码技术应运而生。
视频编码技术通过对视频数据进行压缩、解压缩处理，实现了对视频数据的高效利用。
1.视频编码技术的背景与发展从早期的模拟视频信号编码，到数字视频编码，再到如今的网络视频编码，视频编码技术经历了几个阶段的发展。
从简单的预测编码、变换编码，到复杂的主流视频编码标准如H.264/AVC、H.265/HEVC，视频编码技术不断革新，以满足日益增长的音视频数据需求。
2.视频编码的基本原理视频编码的基本原理主要包括空间预测、时间预测、变换编码、熵编码等。
通过这些技术，可以将视频数据压缩至较低的码率，同时在接收端解码后恢复出高质量的视频信号。
二、机器学习在视频编码中的应用随着机器学习技术的兴起，它开始在视频编码领域发挥重要作用。
传统的视频编码方法依赖于固定的编码框架和参数设置，而机器学习通过对大量数据的学习，可以自适应地调整编码策略，从而提高编码性能。
1.传统视频编码方法与局限性传统视频编码方法虽然取得了一定的压缩效果，但受限于固定的编码策略和参数设置，往往无法针对不同场景和应用场景进行优化。
三维视频编码技术研究
三维视频编码技术研究三维视频编码技术研究摘要：随着三维技术应用的广泛发展，三维视频编码技术也成为研究的热点。
本文首先介绍了三维视频编码的背景和意义，然后详细探讨了三维视频编码的基本原理，并对其优点和挑战进行了分析。
接着，本文从三维视频编码技术的关键问题出发，综述了当前常用的三维视频编码算法，并对它们进行了比较和评价。
最后，本文总结了目前三维视频编码技术的发展趋势，并对未来的研究方向进行了展望。
1.引言随着三维电影、虚拟现实和增强现实的快速发展，三维视频编码技术日益受到关注。
三维视频编码是将三维场景中的视频内容进行压缩和编码，以便有效传输和存储。
它与传统的二维视频编码在数据量和压缩效率方面存在很大的差异，因此需要独特的算法和技术来实现。
2.三维视频编码的基本原理三维视频编码的基本原理是将三维场景中的立体视频数据转换为数字信号，然后对数字信号进行压缩和编码。
三维视频编码的核心问题是如何表示和编码三维场景中的立体信息。
常用的表示方法有视差图、深度图和立体图等。
视差图表示了左右眼之间的视差差异，深度图表示了场景中物体到相机的距离，立体图则是将左右眼的视频数据合并为一幅图像。
3.三维视频编码技术的优点和挑战相对于传统的二维视频编码技术，三维视频编码技术具有以下优点：提供了更加逼真和沉浸式的视觉体验，能够更好地表达三维空间中的深度和立体效果；能够支持多个视角的视频播放，使得观众可以选择自己喜欢的视角观看；能够提供更加细腻和真实的图像细节。
然而，三维视频编码技术也面临着一些挑战，如数据量大、压缩效率低、编解码复杂等问题。
4.常用的三维视频编码算法目前，常用的三维视频编码算法主要包括视图间预测编码、深度图编码和基于纹理的编码。
视图间预测编码利用不同视角之间的相关性进行预测和编码，以减少冗余信息。
深度图编码则主要针对三维场景中的深度信息进行编码和压缩。
基于纹理的编码将三维场景中的纹理信息进行提取和编码，以实现更好的视频质量和压缩效率。
视频编码技术的研究及应用
视频编码技术的研究及应用随着互联网飞速发展，人们对视频信息的需求也越来越多。
视频编码技术作为实现视频信息传输的重要手段，其在视频压缩、传输和存储等方面起着至关重要的作用。
在这篇文章中，我们将探讨视频编码技术的研究和应用，并展望未来的发展趋势。
一、视频编码技术的基础原理视频编码技术的基础原理就是将视频信号转换为数字信号，然后通过压缩技术减小信号的数据量，最后进行传输和存储。
具体来说，视频编码技术通过以下几个步骤实现：1. 帧率转换。
将视频采样的连续图像转换成一系列的帧，通常每秒钟25-30帧。
2. 空间采样转换。
将视频中各个图像块采样成数字信号。
3. 量化。
将数字信号的精度减小，以达到压缩的目的。
4. 变换。
将视频信号变换至频域，以达到更好的数据压缩效果。
5. 熵编码。
利用数据编码的观念，减小视频数据的冗余程度。
二、视频编码技术的研究现状和应用1. H.264编码技术H.264编码技术是当前最流行的视频编码技术之一，它可以将原始视频信号的数据量减小80%以上，实现高清视频信号的压缩存储。
在视频传输领域，H.264码流的压缩比高，传输速率低，较好地解决了网络带宽不足的问题。
2. VP9编码技术VP9是一种开源的视频编码技术，它是Google开发的新一代视频编码格式。
与H.264相比，VP9解码更加快速，具有更好的图像质量和更小的文件大小，同时可以支持4K和8K超高清视频信号的传输。
3. 视频监控系统中的应用视频编码技术在现代视频监控系统中也起着至关重要的作用。
在视频监控系统中，采集到的视频信号需要经过编码和压缩，同时可以实现视频数据的存储和远程传输。
通常会使用H.264、H.265和VP9等编码格式。
4. 视频共享平台中的应用视频编码技术也广泛应用于各种视频共享平台，如YouTube、Netflix等。
在这些平台上，视频编码技术可以大大减小视频数据量，提高用户观看视频的体验。
同时，视频编码技术也可以支持视频的快速下载和在线播放。
视频编码技术在网络传输中的实践探索(三)
视频编码技术在网络传输中的实践探索随着信息技术的不断发展，视频编码技术逐渐成为网络传输中的重要环节。
在互联网时代，视频已经成为人们获取信息、沟通交流的重要形式之一，因此，如何将高质量的视频内容快速、高效地传输给用户，成为了广大技术人员面临的重要问题。
本文将从视频编码技术在网络传输中的应用、实践探索以及未来发展趋势等方面展开讨论。
一、视频编码技术的应用视频编码技术的应用范围广泛，既包括视频的存储与传输，也包括视频的压缩与解压缩。
在存储与传输方面，视频编码技术通过将视频信号进行编码处理，以便在有限的带宽和存储空间条件下进行传输与存储。
同时，在视频的压缩与解压缩方面，视频编码技术可有效减小视频文件的大小，提高传输速度，提供更佳的用户体验。
因此，视频编码技术在各行业的应用中发挥着至关重要的作用。
二、实践探索：与编码技术和是目前应用最广泛的视频编码技术，它们对视频压缩的效果和性能有着显著的提升。
编码技术以其优秀的压缩率和较低的带宽要求成为了广播、互联网视频和流媒体应用中的主流编码方案。
然而，随着高清、超高清视频的普及，在保持视频质量的同时，对带宽要求仍然较高。
因此，编码技术应运而生。
编码技术，也被称为HEVC（High Efficiency Video Coding），可以在保持视频质量的前提下，显著减少视频文件大小和传输带宽。
相比，编码技术在视频压缩方面有着更好的性能。
然而，由于技术诞生较晚，对于其硬件解码支持的普及程度还需要一定时间。
目前，编码技术在4K超高清视频领域得到了广泛应用，而在移动设备和智能电视等终端设备上，仍然占据主导地位。
三、未来发展趋势：AV1编码技术的崛起除了编码技术，近年来另一种编码技术也备受关注，那就是AV1编码技术。
AV1是一种由Alliance for Open Media（AOMedia）开发的开源视频编码技术，其中包括了来自Google、Mozilla、亚马逊等公司的技术贡献。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
0 引言
近二十年来，视频广播技术发生了重大变革，从 20 世纪 的模拟电视到 数 字 电 视、高 清 数 字 电 视，乃 至 现 在 的 三 维 电 视，视频技术随着人们生活水平的提高不断发展进步［1 － 2］。 当今世界，人们已经不再满足于传统的单目视频带来的视觉 感受，具有临场感和交互性的三维立体视频以其独特的景深 效果给用户 带 来 前 所 未 有 的 奇 妙 体 验［3］。 随 着 好 莱 坞 推 出 《阿凡达》等立体电影，三维视频技术逐渐成为多媒体信息产 业的热门话题［4 － 6］。与传统的单目视频相比，三维视频包含 的数据量成倍增加［7］。为了避免信道中数据量激增，必须对 其进行有效的编码压缩。近年来，全球各大研究机构都投入 大量精力对三维视频编码技术进行深入研究。
1 三维视频编码技术
根据传输形式不同将三维视频分为两大类： 1） 纯视频格 式，需要传输所有视角的数据［8］； 2） 深度增强格式，传输有限 个单目视频及其深度序列，在解码端利用视点合成技术生成 虚拟视点［9］。这两 类 三 维 视 频 由 于 传 输 形 式 不 同 而 采 用 不 同的编码方式。 1． 1 纯视频格式三维视频
纯视频格式三维视频由多路具有细微视角差异的视频组 成，由两台（ 或多台） 相邻摄像机从不同角度同时对同一场景进 行拍摄得到，这些视频可以直接在三维立体显示设备上播放。 1． 1． 1 立体视频编码
最直接的双通道立体视频编码方式是采用 Simulcast 方
法直接对左右视点数据进行独立压缩，如图 1（ a） 所示，但是 左右视点间的相关性没有得到利用，编码效率较低［10］。早在 十几年前，MPEG-2 Multiview Profile 就提出结合左右视点之 间的交叉相关性和同一视点内部的时空相关性来提高立体视 频编 码 效 率［11 － 12］。 近 年 来，立 体 补 充 增 强 信 息 （ Stereo Supplemental Enhancement Information，Stereo SEI） 和帧组合补 充 增 强 信 息 （ Frame Packing Arrangement SEI ） 被 纳 入 到 H. 264 / AVC 中［13］。根据 Stereo SEI，在编码前将左右视点以 左右 / 上下方式交错排列成一段视频，然后通过场间预测来消 除视点间的交叉冗余，在解码端通过反交错将立体视频还原 成两段独立视点，如图1（ b） 所示。该方式与原有的 H． 264 编 解码器完美兼容，不需要改变原有硬件结构。2009 年 7 月， 国际运动图像专家组（ Moving Picture Expert Group，MPEG） 颁 布了 MPEG-4 AVC Stereo High Profile，作为多视点视频编码 （ Multiview Video Coding，MVC） 标准的一个子集［14］。然而， Stereo High Profile 只适用于逐行和隔行扫描的双通道立体视 频序列，不支持临场感更强的多视点视频和自由视点视频。 1． 1． 2 多视点视频编码
采用深度增强三维视频格式，只需要传输有限个角度的 单目视频及其深度序列，就能获得扩展性非常强的三维立体 显示效果。然而，高保真度的三维画面质量必须依靠高效的 深度估计和视点合成这两项关键技术来实现［35］。
1． 2． 1 深度估计技术 与彩色视频相比，编码深度序列只需要 10% ～
20% 的比特信息，大大节省了传输带宽。由于现有的 深度传感器获得深度图的空间分辨率和深度范围都有 限，无法得到 高 质 量 的 三 维 图 像，实 际 应 用 中 很 少 采 用［36］。目前，采用高效的深度估计算法获得二维视频 的深度图，实现二维到三维视频的转换是学术领域内 的研究热点［37 － 38］。
New trend and challenges in 3D video coding
DENG Zhi-pin1，2 ， JIA Ke-bin1 ， CHAN Yui-lam2 ， FU Chang-hong2 ， SIU Wan-chi2
( 1． College of Electronic Information and Control Engineering， Beijing University of Technology， Beijing 100124， China； 2． Department of Electronic and Information Engineering， The Hong Kong Polytechnic University， Kowloon Hongkong， China)
深度增强三维视频的系统流程如图 3 所示。首先，采用 多视点摄像机（ 或双目摄像机） 和深度摄像机从不同角度拍 摄同一场由深度摄像机直接获取或采用深度估计算法由二维视频
图像变换得到［29］。将 K（ K ≤ N） 路视频及其深度序列送入多 视点视频编码器 JMVC 直接进行编码压缩。压缩后的码流通 过信道传输到接收端，解码器根据不同显示设备的参数和用 户的观看需求对视频进行解码及视点合成等后处理。例如，利 用解码后的 K 路视频及其深度图，结合视点合成技术得到虚 拟视图，最终获得 M（ K ≤ N ＜ M，N ≥ 1） 个视点的数据，用户 可以选择观看不同角度的三维立体视频［30 。 －34］
深度增强三 维 视 频 形 式 多 样，如 单 路 视 频 及 其 深 度 序 列、多视点视频及其深度序列，以及分层深度视频等［25 － 26］。 深度序列是一组只包含深度信息的灰度图像序列，是用来合 成虚拟视点的中间数据，而不是供终端用户观看的视频。深 度图中像素点灰度 值 范 围 为［0 ，255 ］，灰 度 值 越 大 表 示 该 点 离摄像机越近［27 － 28］。
Abstract: The key technologies of 3D video coding were introduced． Firstly， the developing directions and challenges of video-only format and depth-enhancement format 3D videos were elaborated． The depth estimation and view synthesis technologies were analyzed in detail． Subsequently， the process of standardizing the current 3DV / FTV standard of MPEG was summarized． The conclusion and prospect were given at last．
2009 年 1 月，国际联合视频小组（ Joint Video Team，JVT）
收稿日期： 2011 － 03 － 16； 修回日期： 2011 － 05 － 09。 基金项目： 国家自然科学基金资助项目（ 30970780） ； 北京市自然科学基金及教委重点科技项目（ KZ200910005005） 。 作者简介： 邓智玭（ 1983 － ） ，女，湖南邵阳人，博士研究生，主要研究方向： 视频编码； 贾克斌（ 1962 － ） ，男，北京人，教授，博士生导师，主 要研究方向： 多媒体技术； 陈锐霖（ 1971 － ） ，男，香港人，教授，博士生导师，主要研究方向： 视频技术； 伏长虹（ 1981 － ） ，男，香港人，副教授， 主要研究方向： 视频编码； 萧允治（ 1954 － ） ，男，香港人，教授，博士生导师，主要研究方向： 视频编码。
多视点视频是由多台相邻摄像机从不同角度对同一场景 进行拍摄得到的多路视频序列［15］。多视点视频的数据量巨 大，相邻视点间的交叉冗余信息比双通道立体视频大得多，为 了最大限度地提高压缩率，在编码时采用一种基于分层 B 帧 （ Hierarchical B Pictures，HBP） 的视点—时间金字塔型预测结 构［16 － 18］，如图 2 所示。该结构被 MVC 的官方测试模型 JMVC 采纳［19］。
第 31 卷第 9 期 2011 年 9 月
计算机应用 Journal of Computer Applications
Vol． 31 No． 9 Sep． 2011
文章编号： 1001 － 9081（ 2011） 09 － 2453 － 04
doi： 10． 3724 / SP． J． 1087． 2011． 02453
基于小板的深度信息估计方法和基于形状自适应 小波的编码方法能有效保持深度图的边缘，但是对视 点间相关性的利用率低，在低纹理、遮挡区域，以及复
杂场景变化区域易造成三维视频图像过分割现象， 最终导致编码的低效和绘制图像的低质量。基于 图割的深度估计算法得到的深度信息空间准确度 不高，同一静止物体在不同时刻的深度估计结果不 一致，其性能不能完全满足实际需求［39 － 40］。文献 ［41］利用平均亮度—梯度联合匹配测度函数代替 单像素亮度匹配，考虑了深度图的空间、时间特征， 可以在一定程度上提高深度图的准确度。
图 1 立体视频编码方式
图 2 多视点视频 HBP 编码结构
1． 1． 3 纯视频格式三维视频面临的挑战 虽然纯视频格式的三维视频能够给用户带来立体视觉感
受，但是，由于每个视点都是由固定位置的摄像机事先拍摄好 的，多摄像机之间的同步、校准以及不同角度视频内容之间的 颜色均衡问题是需要克服的难点［21 － 22］。另外，场景的深度信 息不能根据显示设备的类型和尺寸来调整，三维视频的景深 效果不具备 尺 度 伸 缩 性。 并 且，解 码 端 输 出 的 视 点 数 量 有 限，无法提供自由视点视频的“环视”效果［23］。虽然 MVC 算 法可以大大提高编码效率，压缩之后的数据量比 Simulcast 方法少很多，但是 MVC 算法的压缩率实际上是与视点的数 量成正比的，视点数目越多，压缩率越高； 而在实际应用中传 输无限多个无缝连接的多路视频序列势必会给带宽造成巨 大压力［24］。 1． 2 深度增强格式三维视频