块划分： 缩短预测距离、提高图像预测精度

• 编码块划分技术，是把复杂多样的图像划分成多个矩形块，有针对性的以块为单位的图像进行有效的编码，最后再以块为单位去解码图像的过程。通常一个物体有多个组成部分，通常需要把它划分为多个部分，每个部分采用不同的预测模式，针对性的进行预测。

• AVS3中的块划分关键技术中包含了四叉及二叉树划分（QTBT）、扩展四叉树（EQT）和衍生模式树（DT）。可根据图像场景， 灵活分为“片划分”及“编码树单元”，DT模式中的非对称预测单元有效地缩短平均预测距离，大幅提高预测精度。

帧内预测：增加预测单元关联性，
提升预测效率

帧内预测是利用视频空间域的相关性，使用同一帧图像内邻近已编码像素预测当前的像素，以达到有效去除视频时域冗余的目的。

IPF

IPF（帧内预测滤波 Intra Prediction Filter）对预测完的预测块边界的像素再次滤波，用于优化帧内预测块的边界，增加周围参考像素与当前预测单元之间的空间关联性，提升预测精度。

TSCPM

TSCPM（两步色度帧内预测Two-Step Cross-component Prediction）利用了亮度与色度之间的强相关性，去除分量间的线性关系冗余。
第一步：由亮度块进行线性缩放得到对应色度预测块的值 Pc′ (x,y)。其中，系数α和β与亮度块邻近的四个样本点有关。
第二步：对色度预测块进行下采样得到最终色度预测块的值 Pc。

帧间预测：提升运动矢量预测精度

帧间预测是利用视频时间域的相关性，使用邻近已编码图像像素预测当前图像的像素，以达到有效去除视频时域冗余的目的。

AMVR

AMVR（自适应运动矢量精度Adaptive Motion Vector Resolution） 在编码端根据图像内容属性自适应选择1/4像素、1/2像素、1像素、2像素和4像素的运动矢量精度，
相比固定精度，减少了运动矢量差编码造成的数据。

HMVP

HMVP（基于历史信息的运动矢量预测History-based Motion Vector Prediction）在运动矢量候选列表中，除了时域和空域的候选列表外，还新增最近使用过的8个运动矢量组成一个基于历史信息的候选列表。这些运动矢量采用FIFO(First Input First Output)式排列，每增加一个新的候选项前先检查是否存在相同MVP。HMVP让顺序上靠近当前块（非相邻的块）且已被解码的块，也能加入候选列表，增加了运动矢量预测的效率。

UMVE

UMVE（高级运动矢量表达Ultimate Motion Vector Expression）对跳过模式/直接模式的基础运动矢量进行步长和方向上的精细调整，在节省码率的同时提高了编码质量。UMVE在L0和L1上以basemv对应位置为起始点进行四个方向、五种距离的搜索。

4参数AFFINE

AFFINE仿射运动补偿（Affine Motion Compensation）分为四参数和六参数两类仿射模型,分别编码2或者3个控制点的运动矢量/运动矢量差。其他点的运动矢量/运动矢量差由计算等到。可以高效地表示诸如缩放、旋转等复杂运动。运动矢量精度为1/16像素，对于大于16x16的CU进行基于8x8 (单向，双向) 或 4x4 (单向)小块的运动补偿，固定大小有利于硬件实现。