news 2026/5/1 11:07:15

ISP模式

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
ISP模式

H.266 / VVC中,ISP 模式指的是:

ISP = Intra Sub-Partitioning(帧内子分区预测)

它是VVC 相比 HEVC 新增的一项重要帧内预测工具,目标是:
👉提升细长 CU、强方向纹理区域的帧内预测精度


一句话先抓重点 🧠

ISP 的核心思想:
不是“一个 CU 用一个预测”,
而是“一个 CU 沿方向切成多块,每块单独做帧内预测”。


一、ISP 在解决什么问题?

在 HEVC / 传统帧内预测里:

  • 一个 CU(如 8×16、4×16)

  • 整块只选一个 Intra Mode

  • 对于:

    • 竖直条纹
    • 横向边缘
    • 强方向纹理

👉预测不够贴合


二、ISP 的基本做法

1️⃣ 适用对象

  • 帧内 CU

  • 通常是非方形、细长 CU

  • 如:

    • 4×16
    • 8×32
    • 16×4

2️⃣ 分区方式(重点)

ISP 只做一维切分,而且方向与预测方向一致

ISP 类型子分区方式
ISP-H沿水平方向切(多条横条)
ISP-V沿垂直方向切(多条竖条)

示意(ISP-V):

+----+----+----+ | | | | | | | | | | | | +----+----+----+

3️⃣ 每个子分区怎么处理?

每一个子分区

  • 使用同一个 Intra Mode

  • 但:

    • 独立生成预测
    • 独立做残差、变换、量化
  • 参考像素:

    • 左 / 上边界
    • 以及前一个已重建的子分区

👉 子分区有因果顺序


三、ISP 的 RD 优势来源(为什么有效)

ISP 提升 RD 的原因主要有 3 点:

✅ 1️⃣ 缩短预测距离

  • 每个子分区只预测一小条
  • 插值误差明显下降

✅ 2️⃣ 更好贴合方向纹理

  • 特别适合:

    • 垂直结构 → ISP-V
    • 水平结构 → ISP-H

✅ 3️⃣ 残差能量更集中

  • 残差更“尖”
  • 变换效率更高

四、ISP 的代价(为什么复杂)

⚠️ 编码复杂度高

  • 同一个 CU:

    • 普通 Intra
    • ISP-H
    • ISP-V
      → 都要试 RD

⚠️ 解码复杂度增加

  • 顺序重建
  • 依赖前子分区像素

⚠️ 实现复杂

  • 参考样本管理更复杂
  • 管线不好做并行

五、ISP 与其他 Intra 工具的关系(工程里很关键)

ISP vs MIP

ISPMIP
思想子分区模型预测
擅长强方向纹理低频/平滑
是否可共存❌ 同一 CU 不能同时用

👉ISP 和 MIP 互斥


ISP vs Intra 多方向模式

  • ISP不是新方向
  • 是对已有方向预测的结构增强

六、在 VTM / ECM

常见规律(经验):

  • 16x4→ ISP-H 命中率高
  • 4x16 / 8x16→ ISP-V 命中率高
  • 大方块(32×32) → 很少选 ISP

七、标准层面的位置

  • ISP 定义在VVC 帧内预测工具集

  • 编码器可选工具(非强制)

  • 通过 flag 信令:

    • 是否启用 ISP
    • ISP-H / ISP-V

八、一句工程总结(给做编码的人)

ISP 本质是:
用“空间顺序 + 局部预测”
换取“RD 增益”,
代价是“复杂度 + 实现难度”。


版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/5/1 6:49:48

【数学建模】规划模型实战:从线性到非线性的优化策略

1. 规划模型基础入门 我第一次接触规划模型是在大学数学建模课上,当时老师给了一道简单的生产计划题目:某工厂要生产两种产品,每种产品需要不同的原料和工时,如何在有限的资源下安排生产才能获得最大利润?这个看似简单…

作者头像 李华
网站建设 2026/4/30 20:47:59

工业控制设备PCB布局布线思路中的地平面设计深度剖析

以下是对您提供的技术博文进行 深度润色与专业重构后的版本 。本次优化严格遵循您的全部要求: ✅ 彻底去除AI痕迹,语言自然、老练、有“工程师口吻”; ✅ 摒弃所有模板化标题(如“引言”“总结”),全文以逻辑流驱动,层层递进; ✅ 将核心概念、原理、实战细节、调试…

作者头像 李华
网站建设 2026/5/1 9:12:20

5分钟上手GLM-TTS!科哥镜像一键实现方言语音克隆

5分钟上手GLM-TTS!科哥镜像一键实现方言语音克隆 你是否试过用AI模仿亲人说话的声音?是否想过让一段3秒的家乡话录音,瞬间变成整篇方言新闻播报?这不是科幻场景——今天要介绍的GLM-TTS,正是这样一款能“听音识人、开…

作者头像 李华
网站建设 2026/5/1 6:46:01

IC验证/UVM中Assert断言的高级应用与调试技巧(附实战代码)

1. 断言在IC验证中的核心价值 断言(Assertion)就像是芯片设计中的"安全卫士",它能实时监控信号行为是否符合预期。我在实际项目中经常遇到这样的场景:仿真跑了三天三夜,最后发现某个关键信号在特定条件下出…

作者头像 李华
网站建设 2026/5/1 5:42:52

系统学习es客户端工具的运维API调用方法

以下是对您提供的博文内容进行 深度润色与工程化重构后的版本 。整体风格更贴近一位资深 SRE/平台工程师在技术社区分享实战经验的口吻—— 去模板化、强逻辑流、重实操细节、弱概念堆砌 ,同时彻底消除 AI 生成痕迹(如空洞排比、过度修辞、机械过渡词),代之以真实开发场…

作者头像 李华
网站建设 2026/5/1 5:47:07

MedGemma-X效果展示:对儿童胸片中正常解剖变异与病理征象的区分能力

MedGemma-X效果展示:对儿童胸片中正常解剖变异与病理征象的区分能力 1. 真实场景下的“阅片困惑”:为什么儿童胸片特别难判? 你有没有遇到过这样的情况:一张儿童正位胸片摆在面前,心影略大、肺纹理稍重、纵隔看起来有…

作者头像 李华