基于块的运动表示是精度与开销的折中

描述视频中物体运动有三种粒度：逐像素运动矢量最精确但每个像素都要传一个MV，开销大且难以求解；按分割出的运动物体区域描述最符合物理直觉，但区域分割本身计算量大、边界不规则难以高效编码；按固定形状的块描述则牺牲了运动边界的精确性，换来了运动参数可独立且低成本地估计和编码。几乎所有主流视频编码标准最终选择了基于块的运动表示法，这不是因为它最准确，而是因为它在”表达精度”和”求解与编码成本”之间取得了工程上可接受的折中——这也是为什么后续标准不断在”块”这个基本单位上做文章（可变块大小、非对称划分），而不是抛弃分块本身去追求逐像素或逐区域的运动描述。