分层 B 帧（Hierarchical B-frames）详解

分层 B 帧是现代视频编码（H.264/AVC 的扩展、H.265/HEVC、H.266/VVC）中广泛采用的一种 GOP 结构设计。它通过将 B 帧组织成金字塔式的层级结构，显著提升压缩效率，并提供时域可伸缩性（Temporal Scalability）。

1. 核心思想

传统 IBBBP 结构中，所有 B 帧都参考相同的 I/P 帧，且 B 帧不被其他帧参考。分层 B 帧的核心改变是：

B 帧也可以作为参考帧（称为 Reference B-frame）
B 帧按层级（Temporal Level）组织，高层 B 帧参考低层 B 帧
形成金字塔结构，参考距离逐层减半

这样做的好处是：参考帧在时间上更接近当前帧，预测残差更小，压缩效率更高。

2. 典型结构示例（GOP=8）

假设一个 GOP 包含 9 帧（两个锚点帧之间有 7 个 B 帧），显示顺序如下：

复制代码

显示顺序:   I₀   B₁   B₂   B₃   B₄   B₃   B₂   B₁   P₈
帧编号:     0    1    2    3    4    5    6    7    8
时域层:     T0   T3   T2   T3   T1   T3   T2   T3   T0

分层金字塔结构图

复制代码

层级 T0:  I₀ ─────────────────────────────────► P₈
          │                                      │
          │            ┌──────────┐              │
层级 T1:  │            │    B₄    │              │
          │            └──────────┘              │
          │           ▲            ▲             │
          │           │            │             │
层级 T2:  │      ┌────B₂────┐  ┌──B₆────┐        │
          │      └──────────┘  └────────┘        │
          │     ▲    ▲    ▲    ▲    ▲    ▲       │
          │     │    │    │    │    │    │       │
层级 T3:  └─► B₁ ─── B₃ ── B₅ ─── B₇ ◄───────────┘

         参考关系：箭头指向被参考的帧

各帧参考关系详表

帧	时域层	前向参考	后向参考	说明
I₀	T0	---	---	锚点帧
P₈	T0	I₀	---	锚点帧
B₄	T1	I₀	P₈	中间 B 帧（参考帧）
B₂	T2	I₀	B₄	参考帧
B₆	T2	B₄	P₈	参考帧
B₁	T3	I₀	B₂	非参考帧
B₃	T3	B₂	B₄	非参考帧
B₅	T3	B₄	B₆	非参考帧
B₇	T3	B₆	P₈	非参考帧

3. 编码顺序

由于高层帧依赖低层帧，编码顺序必须遵循层级依赖关系：

复制代码

显示顺序:  I₀  B₁  B₂  B₃  B₄  B₅  B₆  B₇  P₈
编码顺序:  I₀  P₈  B₄  B₂  B₁  B₃  B₆  B₅  B₇
          └T0┘ └T0┘└T1┘└─T2─┘└─T3─┘└T2┘└─T3─┘

编码原则：先编码低层，再编码高层。这意味着编码器需要更大的缓冲区（至少缓存一个完整 GOP），编码延迟也相应增加。

4. 时域可伸缩性（Temporal Scalability）

分层 B 帧最优雅的特性之一是天然支持时域可伸缩：通过丢弃高层帧，可以得到低帧率版本，且解码端仍能正常工作。

假设原始为 60 fps：

解码到的层级	保留的帧	帧率	应用场景
仅 T0	I₀, P₈	7.5 fps	极低带宽、缩略图预览
T0 + T1	+ B₄	15 fps	低带宽
T0 + T1 + T2	+ B₂, B₆	30 fps	中等带宽
全部 (T0~T3)	全部帧	60 fps	完整质量

这对于自适应流媒体 （如 DASH、HLS）、视频会议 （适应不同网络）、SVC（Scalable Video Coding） 等应用至关重要。

5. 压缩效率提升的原理

为什么分层 B 帧比传统 IBBBP 更高效？关键在于参考距离更短：

传统 IBBBP（GOP=8）：

B₁ 到 I₀ 距离 1，到 P₈ 距离 7
B₄ 到 I₀ 距离 4，到 P₈ 距离 4（最远情况）
平均参考距离较大，运动估计误差大

分层 B 帧（GOP=8）：

T3 层 B 帧：参考距离始终为 1（最近）
T2 层 B 帧：参考距离为 2
T1 层 B 帧：参考距离为 4
大多数帧的参考距离都很短

参考距离短 → 时间相关性强 → 残差小 → 比特数少

实测数据表明，相比传统 IBBP 结构，分层 B 帧通常可带来 10%~20% 的码率节省（相同质量下）。

6. 量化参数（QP）的层级分配

由于低层帧被更多帧参考，其质量直接影响整个 GOP，因此编码器通常采用层级 QP 偏移策略：

复制代码

层级 T0 (I/P):   QP = base_QP             （最低 QP，最高质量）
层级 T1:         QP = base_QP + 1
层级 T2:         QP = base_QP + 2
层级 T3:         QP = base_QP + 3         （最高 QP，最低质量）

这种"质量从底层向高层递减"的分配方式可以：

保证参考帧质量高，减少误差传播
高层帧（不被参考）质量稍低但不影响其他帧
在总码率不变的情况下获得更好的整体主观质量

x264、x265 等编码器默认采用这种 QP 偏移策略。

7. 错误传播特性

分层结构改变了错误传播模式：

T0 层丢失：整个 GOP 崩溃（与传统结构相同）
T1 层（B₄）丢失：T2、T3 层中依赖它的帧都受影响（B₂、B₃、B₅、B₆、B₇ 等）
T2 层丢失：仅影响依赖该帧的 T3 层帧
T3 层丢失：仅影响自身（不被任何帧参考）

这意味着越底层的帧越关键，在不等错误保护（UEP）、丢包恢复等场景中，应优先保护低层帧。

8. DPB（解码图像缓冲区）需求

分层 B 帧需要在 DPB 中保留多个参考帧：

以 GOP=8 为例，编码 B₃（T3 层）时，DPB 中需要同时保留：

I₀（T0，前向参考）
P₈（T0，未来 GOP 的锚点）
B₄（T1，后向锚点）
B₂（T2，前向参考）

因此 DPB 大小至少需要 4~5 帧，HEVC 标准允许更大的 DPB（最多 16 帧），为更深的层级提供支持。

9. 实际编码器中的应用

主流编码器都支持分层 B 帧：

x264 ：通过 --b-pyramid normal 启用（默认开启），层级数受 --bframes 控制
x265 ：默认启用 B 金字塔结构，可通过 --b-pyramid 调整
HEVC 参考软件 HM：使用 RA（Random Access）配置时默认采用 GOP=16 的分层 B 结构
VVC/VTM：采用更深的层级（最多 5~6 层）和更复杂的参考结构

HEVC 的典型 RA（Random Access）配置使用 GOP=16，4 层金字塔，是目前压缩效率最高的常用结构之一。

10. 优缺点总结

优点：

压缩效率显著提升（10%~20% 码率节省）
天然支持时域可伸缩性
灵活的质量-码率权衡（通过 QP 偏移）
适合随机访问场景

缺点：

编码延迟大（需要缓存整个 GOP）
DPB 需求更大，内存占用高
编码复杂度增加（更多参考帧候选）
不适合超低延迟场景（如实时视频通话，通常使用 IPPP 或低延迟 B 结构）

11. 与低延迟 B 结构的对比

值得一提的是，HEVC 还定义了 LDB（Low Delay B） 配置：所有 B 帧只参考过去的帧（不参考未来帧），编码顺序与显示顺序相同。这牺牲了一部分压缩效率，但消除了编码延迟，适合实时通信场景。

而分层 B 帧（RA 配置）则适合点播、广播、存储等可接受延迟的场景，追求最高压缩效率。

理解分层 B 帧是掌握现代视频编码的关键之一，它体现了"用复杂的参考关系换取压缩效率"这一核心设计思想，并在 H.265/HEVC 及之后的标准中成为压缩性能跃升的重要因素。