分层 B 帧（Hierarchical B-frames）详解
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：
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
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：
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：
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。