ISOIEC 14496-152024Amd 12025 信息技术 视听对象编码 第15部分ISO基本媒体文件格式的网络抽象层(NAL)单元结构化视频的承载 修改件1支持神经网络后滤波补充增强信息和其他改进标准立项发展报告

信息技术视听对象编码第15部分：ISO基本媒体文件格式的网络抽象层（NAL）单元结构化视频的承载修改件1：支持神经网络后滤波补充增强信息和其他改进标准立项发展报告EnglishTitleStandardizationDevelopmentReport:Informationtechnology—Codingofaudio-visualobjects—Part15:Carriageofnetworkabstractionlayer(NAL)unitstructuredvideointheISObasemediafileformat—Amendment1:Supportforneural-networkpost-filtersupplementalenhancementinformationandotherimprovements摘要关键词ISO基本媒体文件格式；神经网络后滤波；补充增强信息；视频编码；标准修订；NAL单元；多媒体封装；智能化视频处理KeywordsISOBaseMediaFileFormat;Neural-NetworkPost-Filter;SupplementalEnhancementInformation;VideoCoding;StandardRevision;NALUnit;MultimediaContainer;IntelligentVideoProcessing正文一、引言与研究背景在当今数字化时代，视听内容已成为信息传递与娱乐消费的核心载体。随着超高清（4K/8K）、高动态范围（HDR）、沉浸式视频（VR/AR）等技术的普及，对视频压缩效率与重建质量的要求达到了前所未有的高度。ISO/IEC14496-15（信息技术视听对象编码第15部分）是ISO/IECJTC1/SC29（编码音频、图像、多媒体和超媒体信息）制定的关键标准，其定义了网络抽象层（NAL）单元结构化视频（如H.264/AVC、H.265/HEVC、H.266/VVC等）在ISO基本媒体文件格式（ISOBMFF）中的承载方法。ISOBMFF作为MPEG系列标准中的基础文件格式，广泛应用于MP4等容器格式，构成了互联网视频分发（如DASH、HLS）的基石。然而，传统的视频编码依赖于混合编码框架，其性能提升逐步逼近信息论的理论极限。近年来，基于深度学习的神经网络技术，特别是神经网络后滤波（Neural-NetworkPost-Filter），作为一种高效的环外处理工具，被验证能够显著提升解码后视频的主客观质量，有效去除块效应、振铃效应等压缩伪影。这种后滤波技术通常以补充增强信息（SEI）的形式嵌入码流，无需修改核心解码过程。因此，如何在已有的ISOBMFF框架内，标准化地承载、标识和管理这些智能化的后滤波数据，成为当前版本修订的核心驱动力。二、标准修订的核心目标与范围ISO/IEC14496-15:2024/Amd1:2025（以下简称“本修改件”）旨在扩大现有标准的技术边界，重点解决以下几个核心问题：1.支持神经网络后滤波SEI的承载：定义新的技术规范，允许在媒体文件中封装指向神经网络模型参数的SEI消息。这需要解决模型数据的标识（如唯一的ID）、元数据描述（输入输出维度、适用编码标准）以及时间对齐问题，确保解码器能够正确调用并应用对应的后处理模型。2.优化多层次视频编码支持：对可分级视频编码（SVC）、多视图编码（MVC）及其他采用多层结构的编码标准在ISOBMFF中的表示进行细化，改进层间依赖关系管理，提升随机访问和流切换性能。3.增强随机访问与流切片能力：针对直播和实时流媒体场景，改进“样本组”和“影踪（Track）”的设计，支持更细粒度的流切片与拼接操作，降低端到端延迟。4.元数据与约束的规范化：澄清并补充了编码器约束（Profile/Level）在文件格式层面的表示，引入新的索引机制以支持未来的扩展。三、关键技术内容详解3.1神经网络后滤波（NNPostFilter）SEI承载架构本修改件引入了“Neural-NetworkPost-FilterSEIBox”的概念。具体而言，其关键技术实现包括：-模型描述子（ModelDescriptor）：在“样本描述（SampleDescription）”中新增条目，用于描述神经网络模型的架构、权重来源、归一化参数、推理框架兼容性等。这确保了模型的可移植性与可寻址性。-新的样本分组类型（SampleGroup）：定义“NNPostFilterGroup”，用于标记哪些解码出的帧或样本单元应应用特定的后滤波器。通过时间范围（TimingRange）和依赖关系映射，实现了模型与视频帧的精准关联。-数据承载格式：规定神经网络模型参数（如经过量化或压缩后的权重）可以直接内嵌在媒体文件中，或通过URI引用外部资源（如标准模型库）。内嵌方式下，定义了“ModelBox”，将模型数据作为解码器初始化所需的补充数据。3.2多层视频承载优化针对VVC、LCEVC等支持多层编码的标准，本修改件引入了“LayerProfileBox”，允许为不同层指定独立的档次和级别，解决了因多层混合编码而导致的整体Profile解析歧义。同时，优化了“OperationalPoint”的枚举机制，使得服务器和客户端能够更高效地根据带宽和能力选择合适的数据组合。3.3随机访问与流拼接改进为了支持互联网视频分发中的无缝拼接（Splicing）和广告插入，本修改件修订了“影踪引用（TrackReference）”和“随机访问点（RandomAccessPoint,RAP）”的定义。增加了对“TransitionPoints”的支持，使得在流拼接时，解码器能够清晰识别GOP（GOP是图像组）边界的变化，避免花屏或音画不同步。此外，细化了“MovieFragment”的封装规则，允许在不同片段内切换参考关系。四、标准修订的背景与意义本修改件的发布具有深远的技术与产业意义：-技术层面：它为视频编码与人工智能的深度融合架设了桥梁。过去，神经网络后滤波往往是特定厂商的私有方案。通过标准化，打破了技术壁垒，使得任何符合标准的编码器和解码器都能识别并应用最优的后处理模型，极大促进了视频质量的全局性提升。-产业层面：降低了融合成本。流媒体服务提供商、芯片制造商、编解码器软件开发商都可以基于统一的标准进行硬件与软件研发。无需为兼容不同格式而重复劳动，加速了从AI+视频技术研究到产品落地的过程。-生态层面：确保了长期演进能力。支持通过更新SEI中的数据（如更新神经网络模型权重）来适应不同场景或不同内容类型，而无需更新核心编码标准（如VVC），体现了系统设计的灵活性与前瞻性。五、主要参与单位介绍：国际标准化组织（ISO）与MPEG委员会本修改件的成功修订，离不开其背后的核心制定机构——国际标准化组织（ISO）及其下属的MPEG（运动图像专家组）委员会。国际标准化组织（ISO）是世界上最大的非政府性标准化专门机构，成立于1947年，总部位于瑞士日内瓦。ISO/IECJTC1（联合技术委员会1）是ISO与国际电工委员会（IEC）在信息技术领域的合作产物。ISO/IEC14496系列标准，即MPEG-4标准，是JTC1/SC29（编码音频、图像、多媒体和超媒体信息分委员会）的核心成果。ISO/IEC标准的制定过程极为严谨，通常需经历NP（新工作项目提案）、WD（工作组草案）、CD（委员会草案）、DIS（国际标准草案）、FDIS（最终国际标准草案）直至正式发布等多个阶段。本次修改件Amd1自提案以来，经过了多轮专家审阅、技术讨论和圈内投票，最终于2025年1月29日发布。六、标准状态与获取渠道该标准的电子版（PDF格式）可通过ISO/ITU（国际电信联盟）官方商店或授权经销商购买。需要注意，该版本为加密PDF格式，要求使用FileOpen插件进行阅读，电脑需保持联网状态以验证授权。限制在累计3台电脑上安装并累计打印5次。售价为144.0元人民币（约等值瑞士法郎）。技术人员在部署该标准时，应严格遵守ISO关于版权与分发的相关规定，不得进行未经授权的复制或解扰。七、结论与展望ISO/IEC14496-15:2024/Amd1:2025的发布，标志着视频内容封装技术进入了“智能化开放承载”的新阶段。通过系统性支持神经网络后滤波SEI及其他关键改进，该修改件不仅提升了传统压缩视频的质量上限，更展示了标准体系主动拥抱人工智能浪潮的开放姿态。展望未来，随着端侧