2026年多媒体技术与应用复习题(附参考答案)

2026年多媒体技术与应用复习题(附参考答案)一、单项选择题（每题2分，共30分）1.以下哪项不属于多媒体技术的关键特性？A.交互性B.实时性C.单一性D.集成性参考答案：C2.若某图像分辨率为1920×1080，颜色深度为24位，不压缩时存储容量约为（）MB（保留两位小数）。A.5.93B.6.25C.7.35D.8.12参考答案：A（计算：1920×1080×24÷8÷1024÷1024≈5.93）3.以下哪种压缩标准主要用于静止图像压缩？A.MPEG-2B.H.264C.JPEGD.AAC参考答案：C4.音频数字化过程中，根据奈奎斯特采样定理，若要不失真还原频率为20kHz的音频信号，采样频率至少应为（）。A.10kHzB.20kHzC.40kHzD.80kHz参考答案：C5.视频编码中，B帧（双向预测帧）的主要作用是（）。A.作为独立参考帧B.利用前向帧预测C.利用前后帧预测D.仅作为编码起点参考答案：C6.YCbCr色彩空间中，Cb和Cr分别代表（）。A.亮度、蓝色差B.蓝色差、红色差C.红色差、绿色差D.绿色差、蓝色差参考答案：B7.虚拟现实（VR）设备中，以下哪项不属于输入交互设备？A.头戴式显示器（HMD）B.手柄控制器C.眼动追踪传感器D.手势识别摄像头参考答案：A（HMD是输出设备）8.H.266（VVC）相比H.265（HEVC），主要改进在于（）。A.降低编码复杂度B.提升4K以下分辨率压缩效率C.支持更高精度的运动补偿D.仅优化静态图像压缩参考答案：C9.数字水印技术中，鲁棒性水印主要用于（）。A.图像标注B.版权保护C.内容认证D.隐藏通信参考答案：B10.多媒体数据库与传统数据库的主要区别在于（）。A.仅存储文本数据B.支持非结构化数据管理C.不涉及索引技术D.无需考虑存储效率参考答案：B11.以下哪种技术属于多媒体信息检索中的“基于内容的检索（CBIR）”？A.按文件名搜索图片B.按关键词匹配音频描述C.按图像颜色分布搜索相似图D.按视频拍摄时间排序参考答案：C12.实时多媒体通信中，RTP协议的主要功能是（）。A.保证传输可靠性B.提供流量控制C.封装媒体数据并标记时间戳D.建立会话连接参考答案：C13.AI提供内容（AIGC）中，StableDiffusion主要用于（）。A.文本提供B.图像提供C.视频提供D.语音合成参考答案：B14.以下哪种格式属于矢量图形格式？A.BMPB.PNGC.SVGD.JPEG参考答案：C15.多媒体系统的层次结构中，直接面向用户的是（）。A.多媒体硬件B.多媒体操作系统C.多媒体创作工具D.多媒体应用程序参考答案：D二、填空题（每空1分，共20分）1.多媒体数据压缩分为无损压缩和______压缩，其中JPEG默认采用______压缩。参考答案：有损；有损2.音频三要素包括音调、______和______，其中______由声波的频率决定。参考答案：响度；音色；音调3.视频编码中，I帧是______，P帧是______，其压缩效率通常______（高于/低于）I帧。参考答案：帧内编码帧；前向预测帧；高于4.色彩空间RGB转换为YUV时，Y代表______，UV代表______，这种转换的主要目的是______。参考答案：亮度；色度；降低数据冗余5.H.265（HEVC）的主要优势是在相同画质下比H.264节省______的码率，其核心技术包括______和______。参考答案：50%；更细粒度的编码单元（CTU）；高级运动补偿6.虚拟现实的三大特性是______、______和______。参考答案：沉浸感；交互性；构想性7.数字水印按嵌入域分类可分为______水印和______水印，其中______水印对压缩更鲁棒。参考答案：空间域；变换域；变换域8.AI在多媒体处理中的典型应用包括______（至少列举2项）。参考答案：图像风格迁移、语音识别、视频内容分析（任意两项）三、简答题（每题6分，共30分）1.简述多媒体数据中常见的冗余类型及其含义。参考答案：（1）空间冗余：同一图像中相邻像素值相似（如大面积纯色区域）；（2）时间冗余：视频序列中相邻帧内容相似（如静态背景）；（3）视觉冗余：人眼不敏感的信息（如高频细节、色彩精度）；（4）统计冗余：数据分布不符合熵编码最优条件（如符号出现频率不均）；（5）知识冗余：可由先验知识推导的信息（如常见物体形状）。2.对比JPEG与JPEG2000的核心差异（至少3点）。参考答案：（1）压缩算法：JPEG基于离散余弦变换（DCT），JPEG2000基于离散小波变换（DWT）；（2）分辨率支持：JPEG2000支持渐进传输（从低分辨率到高分辨率分层解码）；（3）压缩效率：JPEG2000在低码率下画质更优（尤其纹理复杂图像）；（4）格式灵活性：JPEG2000支持无损/有损压缩切换，JPEG默认有损；（5）应用场景：JPEG2000更适合医学影像、印刷等高精度场景。3.简述音频数字化的完整流程及各步骤作用。参考答案：（1）采样：按一定频率对连续音频信号离散化，需满足奈奎斯特定理（采样率≥2×最高频率）以避免混叠；（2）量化：将采样点的幅值映射到有限个离散值，减少数据量（量化位数决定精度）；（3）编码：将量化后的数据转换为二进制码流，常用PCM、MP3等编码方式（MP3通过心理声学模型去除冗余）；（4）压缩（可选）：应用编码标准（如AAC）进一步降低码率，保留可感知信息。4.解释H.264/AVC中“帧间预测”的核心原理及技术优势。参考答案：帧间预测通过分析视频序列中相邻帧的运动信息，利用运动估计（ME）和运动补偿（MC）技术，用前向/后向参考帧预测当前帧内容。技术优势包括：（1）显著降低时间冗余（典型可节省50%以上码率）；（2）支持多参考帧（最多16帧）和可变块大小（4×4到16×16），适应复杂运动场景；（3）结合整数变换和环路滤波，平衡压缩效率与画质。5.对比虚拟现实（VR）与增强现实（AR）的技术特点及应用场景。参考答案：技术特点：VR：完全沉浸式，通过HMD隔离真实环境，构建虚拟场景；依赖高精度定位（如Lighthouse）和交互设备（手柄、体感）；AR：叠加虚拟信息到真实环境，需实时融合（如SLAM定位）；设备多为眼镜或手机（如Hololens、ARKit）。应用场景：VR：游戏、虚拟培训、虚拟社交（如MetaHorizon）；AR：导航（谷歌AR导航）、工业维修（远程指导）、教育（3D模型叠加）。四、综合应用题（每题10分，共20分）1.某短视频平台需对用户上传的1080P（1920×1080）、30fps、24位真彩色、时长1分钟的未压缩视频进行编码，目标码率为4Mbps。（1）计算未压缩视频的原始码率（单位：Mbps）；（2）若采用H.265编码，压缩后码率降至目标值，求压缩比；（3）分析H.265相比H.264在该场景下的优势。参考答案：（1）原始码率=1920×1080×24×30÷8÷1024÷1024≈149.81Mbps；（2）压缩比=原始码率÷目标码率≈149.81÷4≈37.45:1；（3）优势：H.265在相同画质下码率比H.264低50%（如4MbpsH.265画质≈8MbpsH.264）；支持更细粒度的编码单元（CTU最大64×64），适应1080P复杂场景；采用先进运动矢量预测（AMVP）和双向光流预测（BIO），提升运动场景压缩效率；减少带宽占用，降低存储成本，适合短视频平台高并发传输。2.设计一个基于AI的多媒体内容审核系统，需包含以下功能：（1）图像/视频中的敏感内容检测（如暴力、色情）；（2）音频中的违规语音识别（如辱骂、诈骗）；（3）文本中的不当言论过滤（如谣言、地域歧视）。要求：说明系统架构、核心技术及各模块实现方式。参考答案：系统架构：输入层→预处理层→多模态特征提取层→检测模型层→输出层。核心技术及模块：（1）输入层：支持图像（JPEG/PNG）、视频（MP4）、音频（WAV/MP3）、文本（JSON/文本文件）上传；（2）预处理层：视频：抽帧（每秒5帧）+图像归一化（resize到224×224）；音频：采样率统一（16kHz）+分帧（25ms窗，10ms步长）+梅尔频谱转换；文本：分词（如结巴分词）+去停用词+词向量化（Word2Vec）。（3）特征提取层：图像/视频：使用ResNet50或VisionTransformer（ViT）提取视觉特征；音频：采用CRNN（卷积+循环神经网络）或Wav2Vec2.0提取声学特征；文本：使用BERT或RoBERTa提取语义特征。（4）检测模型层：敏感内容检测：多任务学习模型（共享特征层+独立分类头），输出暴力（0-1）、色情（0-1）置信度（阈值0.8触发警报）；违规语音识别：结合声学模型（CNN）和语言模型（LSTM），通过CTC损失训练，识别辱骂