我们在知识星球上创建的音视频技术社群关键帧的音视频开发圈已经运营了一段时间了，在这里大家可以一起交流和分享音视频技术知识和实战方案。我们会不定期整理一些音视频相关的面试题，汇集一份音视频面试题集锦（可进入免费订阅）。也会循序渐进地归纳总结音视频技术知识，绘制一幅音视频知识图谱（可进入免费订阅）。
在上一次调研投票时，较多的朋友选择了解音视频编解码的细节问题：
我们这里给大家挑选了一些我们的音视频技术面试官在面试中往编解码方向深入考察的问题，其中每题都给出了考察重点、参考答案、评分要点，大家在面试中可以参考。
1、请详细解释 H.264 编码中的熵编码方式（CAVLC 和 CABAC），它们的区别和适用场景是什么？ 2、解释 H.264/H.265 中的帧内预测模式，以及它们在编码器优化中的应用？ 3、请详细解释 H.265 中的 CTU 和 CU 结构，以及它们对编码效率的影响？ 4、在视频编码中，如何实现和优化运动估计算法？ 5、请解释音频编码中的心理声学模型，以及它在 AAC 编码中的应用？
1、请详细解释 H.264 编码中的熵编码方式（CAVLC 和 CABAC），它们的区别和适用场景是什么？
考察重点：
H.264 编码原理深度理解 熵编码算法掌握 性能和压缩率权衡意识
参考答案：
CAVLC (Context-adaptive variable-length coding) 和 CABAC (Context-adaptive binary arithmetic coding) 是两种熵编码方式：
1、CAVLC 特点：
基于变长编码 计算复杂度较低 压缩效率中等 适合 Baseline Profile 2、CABAC 特点：
基于算术编码 计算复杂度高 压缩效率高（比 CAVLC 提升 10-15%） 适合 Main/High Profile
核心区别：
// CAVLC 编码示例
struct CAVLC_Context {
int maxNumCoeff;
int* coeffLevel;
int* runBefore;
void encode() {
// 1. 计算尾零数
// 2. 编码总系数和尾零
// 3. 编码系数大小
// 4. 编码零游程
}
};
// CABAC 编码示例
struct CABAC_Context {
int stateMPS[MAX_CTX]; // MPS概率状态
int rangeLPS[MAX_CTX]; // LPS范围
void encode() {
// 1. 上下文建模
// 2. 概率估计
// 3. 算术编码
// 4. 概率更新
}
};
选择建议：
实时场景：优先 CAVLC 存储场景：优先 CABAC 低延迟：CAVLC 高压缩比：CABAC
评分要点：
原理理解深度 (30%) 性能差异认知 (30%) 实际应用经验 (40%)
2、解释 H.264/H.265 中的帧内预测模式，以及它们在编码器优化中的应用？
考察重点：
帧内预测基本原理 预测模式选择策略 编码器优化经验
参考答案：
帧内预测基本原理：
1、H.264 帧内预测：
亮度：9种模式（4x4/16x16） 色度：4种模式 基于相邻已重建像素 2、H.265 帧内预测：
35种角度预测模式 DC模式和Planar模式 支持多种块大小（4x4到64x64）
优化策略：
class IntraPrediction {
private:
float evaluateMode(int mode, Block* block) {
float cost = 0;
// RD cost 计算
cost = calculateRDCost(mode, block);
// 考虑相邻块使用的模式
cost += getModePenalty(mode, neighborModes);
return cost;
}
int fastModeDecision(Block* block) {
// 快速模式选择算法
int bestMode = 0;
float minCost = FLT_MAX;
// 1. 粗筛选：基于边缘检测
vector<int> candidateModes = getEdgeBasedModes(block);
// 2. 精筛选：RD cost对比
for (int mode : candidateModes) {
float cost = evaluateMode(mode, block);
if (cost < minCost) {
minCost = cost;
bestMode = mode;
}
}
return bestMode;
}
};
3、优化技巧： 基于边缘检测的模式筛选 RD cost快速计算 相邻块模式关联性利用 SIMD 指令优化预测计算
评分要点：
预测原理理解 (30%) 优化方案设计 (40%) 实践经验分享 (30%)
3、请详细解释 H.265 中的 CTU 和 CU 结构，以及它们对编码效率的影响？
考察重点：
H.265 编码结构理解 块划分策略掌握 性能优化经验
参考答案：
1、基本概念：
CTU (Coding Tree Unit)：最大 64x64 CU (Coding Unit)：可递归四叉树分割 PU (Prediction Unit)：预测单元 TU (Transform Unit)：变换单元 2、划分策略：
class CodingTreeUnit {
void split(CTU* ctu) {
if (shouldSplit(ctu)) {
// 四叉树分割
for (int i = 0; i < 4; i++) {
CU* subCU = splitIntoCU(ctu, i);
analyzeCU(subCU);
}
} else {
// 作为单个CU编码
encodeCU(ctu);
}
}
bool shouldSplit(CTU* ctu) {
// 分割决策因素：
// 1. 图像复杂度
float complexity = calculateComplexity(ctu);
// 2. 运动剧烈程度
float motion = estimateMotion(ctu);
// 3. 码率约束
float rateCost = estimateRateCost(ctu);
return evaluateSplitDecision(complexity, motion, rateCost);
}
};
3、性能影响：
灵活的块大小适应 更精确的预测单元 计算复杂度提升 压缩率提升15-30% 4、优化建议：
自适应深度控制 快速分割决策 并行处理优化 硬件加速支持
评分要点：
结构原理理解 (30%) 优化策略掌握 (40%) 实践经验分享 (30%)
4、在视频编码中，如何实现和优化运动估计算法？
考察重点：
运动估计算法原理 优化策略设计 实际实现经验
参考答案：
1、基本算法实现：
class MotionEstimation {
private:
// 运动搜索范围
int searchRange;
// 块大小
int blockSize;
// 三步搜索法
MotionVector threeStepSearch(MacroBlock* cur, MacroBlock* ref) {
Point center(0, 0);
int step = searchRange / 2;
while (step >= 1) {
Point bestPoint = searchPoints(cur, ref, center, step);
center = bestPoint;
step /= 2;
}
return MotionVector(center);
}
// 钻石搜索
MotionVector diamondSearch(MacroBlock* cur, MacroBlock* ref) {
// 大钻石模式
Point center = largeDiamondSearch(cur, ref);
// 小钻石模式
return smallDiamondSearch(cur, ref, center);
}
};
2、优化策略：
早停机制 预测器优化 搜索模式自适应 多分辨率搜索 3、硬件加速：
SIMD 指令优化 GPU 并行计算 专用硬件加速 4、评价指标：
SAD/SSD 计算 计算复杂度 编码效率 运动矢量代价
评分要点：
算法理解深度 (30%) 优化方案完整性 (40%) 实现经验 (30%)
5、请解释音频编码中的心理声学模型，以及它在 AAC 编码中的应用？
考察重点：
心理声学原理 AAC 编码器实现 音质优化经验
参考答案：
1、心理声学模型原理：
听觉掩蔽效应 绝对听阈 临界带宽 时域掩蔽 2、AAC 实现：
class PsychoacousticModel {
struct CriticalBand {
float startFreq;
float endFreq;
float energy;
};
void calculateMaskingThreshold() {
// 1. FFT 分析
vector<float> spectrum = performFFT(signal);
// 2. 临界带划分
vector<CriticalBand> bands = getBands(spectrum);
// 3. 掩蔽计算
for (auto& band : bands) {
// 音调识别
bool isTonal = detectTonal(band);
// 掩蔽曲线计算
float maskingCurve = calculateMasking(band, isTonal);
// 全局掩蔽阈值
updateGlobalThreshold(maskingCurve);
}
}
};
3、优化方向： 计算复杂度降低 掩蔽精度提升 低延迟处理 特殊场景优化
评分要点：
原理理解 (30%) 实现方案 (40%) 优化经验 (30%)
你还想深入了解哪些方面的面试题呢？
更多的音视频知识、面试题、技术方案干货、工程源码可以进群来看：
