“欢聚时代2018校招笔试题-视频编解码算法工程师A卷”这个标题这几年在校招论坛里还经常被翻出来。很多人一看年份就划走了我倒觉得这份卷子到现在依然是音视频方向校招笔试里值得逐题自测的清单之一。原因很简单视频编解码算法这个方向考察的不是“行业热点”而是“底层原理”。热点会过期但DCT、量化、运动估计、率失真优化这些东西十年过去还是编码器的核心。这篇文章我会按这套笔试题的核心知识模块来拆解把每个考点背后的原理、常见的出题形式和答题思路都过一遍希望能帮准备投音视频岗位的同学建立一份清晰的复习地图。1. 岗位画像与出题逻辑视频编解码工程师笔试到底在筛什么1.1 2018年的行业背景和岗位定位2018年是什么概念直播行业已经过了最野蛮生长的阶段短视频正在高速起量用户对画质的要求开始从“能看”向“高清流畅”转变。欢聚时代YY那时候在直播赛道是绝对的老玩家技术侧对音视频质量、端到端延迟、弱网抗性这些指标盯得非常紧。在这种业务背景下视频编解码算法工程师的工作内容根本不像很多人想的那样“调调x264参数就行”。实际上你需要理解编码器内部的每一个模块——预测、变换、量化、熵编码你要清楚改动某个参数对画质和码率会产生什么连锁反应你甚至要能定位编码器在某些极端场景下出现的花屏、花块、参考帧错乱这类问题。更直白地说直播间的高并发、低延迟、高画质需求逼迫每一个编解码工程师都成为“懂原理的实战派”。所以笔试的出题逻辑就很明确了它不是要考倒你而是要在最短时间内确认你有没有扎实的信号处理基础、有没有把编码标准落实到代码里的能力、有没有跨模块分析问题的工程意识。A卷整体上就是围绕这三条主线来设计的。1.2 A卷的三大知识模块根据这类岗位笔试的惯例A卷通常可以分成三个大块视频编码理论基础。包括色彩空间与采样格式、帧类型与GOP结构、率失真理论、码率控制。这些题考察的是你对视频编码体系的整体理解属于“送分题”和“基础分”的混合体如果这块失分太多后面基本没戏。编码算法细节。包括DCT变换、量化、帧内预测、帧间预测、运动估计、熵编码。这是A卷的主体也是最容易拉开差距的部分。题目常常不是直接问“什么是CABAC”而是给你一个具体场景比如“在低码率下为什么CABAC比CAVLC更有优势”考察你是否能把原理和应用场景对应起来。通用算法与数据结构。视频编解码算法工程师本质上也是算法工程师排序、字符串匹配、动态规划这些基本功会被单独考察。这个模块看起来跟视频编码无关但笔试方想通过它判断你的代码功底和逻辑思维。毕竟在实际工作中你很可能要自己实现一个搜索算法、写一个资源分配的动态规划或者去优化某个查找逻辑。除了这三块偶尔还会有一两道开放性的综合题比如“设计一个低延迟直播编码方案”“分析直播卡顿的排查链路”这种题没有标准答案考察的是你的工程判断力和知识面。我见过不少理论扎实的同学在这类题上翻车因为他们脑子里只有编码器原理没有“业务场景”的概念。2. 色彩空间、采样格式与GOP必须拿到满分的基础题2.1 为什么编码器偏爱YUV而不是RGB视频编码基础题里色彩空间转换几乎是必考的。核心问题通常是为什么编码器不直接用RGB而是要先转换成YUV回答这个问题关键要理解人眼视觉系统对亮度和色度的敏感度差异。人眼对亮度细节非常敏感但对色度细节的感知能力要弱很多。RGB三个分量承载的信息量是均等的三个通道的冗余度都很高而YUV把亮度和色度分离后编码器就可以区别对待——亮度分量保留更多细节色度分量可以适当降低分辨率甚至加大量化步长人眼几乎察觉不到。这个特性直接衍生出了YUV采样格式的考点。最常见的是4:2:0、4:2:2、4:4:4三种格式。4:4:4是每个像素都保留完整的Y、U、V分量4:2:2是水平方向每两个亮度像素共享一对UV4:2:0则是水平和垂直方向都减半每四个亮度像素共享一对UV。笔试里经常让你计算一帧图像存储大小例如1080p1920×1080的YUV420一帧占多少字节计算方式是亮度Y1920×1080×1字节 2073600字节色度U1920×1080×0.25字节 518400字节色度V1920×1080×0.25字节 518400字节合计2073600 518400 518400 3110400字节约2.97MB所以YUV420一帧是1.5字节/像素这个数字在计算码率和带宽时非常常用。如果题目告诉你码率是2Mbps帧率是30fps你就能算出单帧平均可用多少比特进而推算每个像素大约能分到多少比特——这种计算能力在视频编码领域属于基本功。2.2 RGB到YUV的转换公式色彩空间转换的公式也要熟练。BT.601标准的整数近似公式大概是这样的Y (77R 150G 29B) 8U ((-43R - 85G 128B) 8) 128V ((128R - 107G - 21B) 8) 128这个整数近似很关键因为编码器内部都是定点运算不会用浮点。笔试时你不需要精确默写这组系数但至少要清楚转换方向和质量损失的概念。有些题会问“RGB转换到YUV再转回RGB会不会有损”答案是会因为取整和有限位宽的运算必然引入舍入误差连续多次转换误差会累积。这个概念在视频处理链路中非常重要很多“颜色发灰”“色彩偏色”的问题根源就是色彩空间转换做了太多次或者用了错误的标准。2.3 I帧、P帧、B帧与GOP结构的考察方式帧类型和GOP结构几乎是必考的基础概念。I帧关键帧独立编码不依赖其他帧P帧参考前面的I帧或P帧压缩率比I帧高B帧同时参考前后帧压缩率最高但引入编码延迟和参考管理复杂度。笔试题常见的出法有两种第一种是给一个GOP序列让你写出解码顺序。比如编码序列是I P B B P B B那解码顺序可能因为B帧需要未来参考而要做重排。如果你分不清“编码序”和“显示序”这题就很容易答反。实际上B帧不能先于它的参考帧被解码所以B帧在码流里的位置会被调整到两个参考帧之间这就是B帧重排B-frame reordering问题。第二种是讨论GOP大小对压缩效率和误差鲁棒性的影响。GOP越长I帧出现的频率越低压缩率越高但一旦发生丢包或误码错误可能一直传播到下一个I帧画质恢复时间更长。直播场景通常会缩短GOP间隔1到2秒一个I帧是常见做法为的是让新进直播间的观众尽快看到画面也让弱网下的错误收敛更迅速。这种题表面上在考概念实际上考的是“你对视频编码系统的理解是碎片化的还是整体的”。所以我的建议是复习的时候不要孤立地背“I帧是什么”要把帧类型、GOP大小、编码延迟、错误恢复、码率分配这五件事串起来理解。3. DCT、量化与熵编码编解码算法题的得分核心3.1 空间冗余与变换编码的原理出发点视频编码不是直接存储像素值而是先对像素块做变换再对变换系数做量化编码。这个设计的内在逻辑在笔试里经常被问到为什么DCT变换能压缩数据可以这样理解自然图像中相邻像素之间的相关性很强直接编码像素值意味着大量冗余信息被重复存储。DCT变换把像素从空间域变换到频域后能量会集中到少数低频系数上大部分高频系数接近零。这样编码器只需要重点编码少数大系数大量接近零的系数可以经过量化直接变成零然后用熵编码把它们表示成很短的码流——这个逻辑就是变换编码的压缩来源。DCT本身是可逆的这一步没有信息损失真正有损的是后面的量化。这个区分笔试里也常考变换是像素块的整体“重排”量化才是真正丢弃信息的地方。3.2 量化步长与QP的关系量化考点里最核心的是理解量化步长和QPQuantization Parameter的关系。H.264标准的QP范围是0到51QP每增加6量化步长大约翻一倍。这意味着码率大约能下降一半但重建图像的失真也会明显增加。笔试可能会给你一个场景某编码器当前QP是28码率是4Mbps如果QP改成34码率大概是多少按QP每增加6清步长翻倍的规律步长约为原来的2倍量化更粗糙码率大约会降到接近2Mbps。注意“大约”这个词因为码率还受内容复杂度影响。但答题时抓住“QP每6翻一倍”这个核心关系就能拿到大部分分数。关于失真需要能说清楚两个基本概念PSNR峰值信噪比和SSIM结构相似性。PSNR计算简单但和人眼主观感知并不完全一致SSIM考虑了亮度、对比度和结构信息更接近人眼感受。视频编码算法工程师如果只说PSNR不说SSIM面试官通常会追问所以这两者的适用场景要提前准备好。3.3 熵编码CAVLC与CABAC的选择题熵编码模块是笔试中区分度比较高的考点。H.264支持两种熵编码方式CAVLC基于上下文的自适应变长编码和CABAC基于上下文的自适应二进制算术编码。CAVLC的原理是给出现频率高的符号分配短码字出现频率低的符号分配长码字本质是变长码表查表简单、硬件友好、解码吞吐高。CABAC则更进一步它用算术编码把所有符号编码成一个接近熵极限的小数而且会动态更新符号的概率模型让概率估计更贴近当前数据的真实分布。笔试最常见的问法是低码率下为什么CABAC比CAVLC压缩率高答案有几层算术编码可以做到分数比特编码不限制在整数比特粒度码率分配更精细。CABAC的概率模型是条件自适应的编码器会利用已编码符号的上下文信息动态调整概率而CAVLC虽然也利用了部分上下文但自适应能力远不如CABAC。在高码率、大量化步长的情况下残差数据趋于简单CAVLC和CABAC的差距会缩小但低码率、画质要求高时CABAC的增益就很明显。但也要记住CABAC计算复杂度更高对并行处理不友好实时编码场景中有时会用CAVLC换吞吐量。所以面试官可能追问直播场景硬件编码器为什么通常倾向CAVLC这就要说到吞吐、面积和功耗的取舍了。4. 帧内帧间预测与运动估计从模式选择到搜索算法4.1 帧内预测压缩空间冗余的九种模式帧内预测考察点在H.264的4x4亮度块预测。4x4块一共有9种预测模式1种DC预测加上8个方向预测。模式1、8分别对应垂直、水平模式其他模式从不同角度利用相邻已解码像素做预测。笔试里常见的问题是对某个4x4块你会怎么选择最佳帧内预测模式正确的思路不是“一个个模式试完再选视觉上最好的”而是在某种代价准则下遍历所有模式计算每个模式的预测残差再比较编码代价。标准编码器会计算SATD或者率失真代价选择代价值最小的模式。单纯看预测残差的大小并不够因为编码模式本身也要消耗比特复杂度高的模式需要的额外比特更多。4.2 帧间预测与运动估计的搜索算法帧间预测是视频编码压缩率的最大来源笔试里运动估计这块的知识点几乎是必考。要理解运动估计先要知道它的核心任务在参考帧中为当前块找到最相似的匹配块并记录运动向量。全搜索算法理论上能找到最优匹配但计算量巨大实际编码器根本不用。更实际的是快速搜索算法三步搜索TSS从中心点开始以较大步长搜索然后逐步缩小步长每步检查8个点。菱形搜索Diamond Search先用大菱形粗搜找到最佳点后再用小菱形细搜兼顾速度和精度。六边形搜索Hexagon Search在x264等编码器中广泛使用相比菱形搜索能覆盖更大范围性能更好。笔试会考察你对搜索算法复杂度和性能权衡的理解。比如问为什么全搜索计算量大概是三步搜索的几十倍实际效果却只提升一点点因为自然视频的运动分布极度不均匀绝大多数块的运动矢量集中在搜索中心附近快速搜索算法先用粗粒度覆盖大范围再在局部做细粒度搜索这种多级策略能在大多数情况下接近全搜索的效果而计算量大幅降低。4.3 亚像素精度与插值滤波运动矢量的精度不是整数像素H.264支持1/4像素精度。这意味着编码器需要在整像素位置之间插值出半像素和四分之一像素位置的参考像素值。半像素位置用六抽头FIR滤波器插值抽头系数是(1, -5, 20, 20, -5, 1)/32。四分之一像素位置用双线性插值。插值的意义是让运动估计匹配到更精细的位置提升运动补偿的精度。笔试常问的是亚像素插值为什么能提升压缩率答案是人类视觉容易察觉低帧率视频的锯齿和抖动亚像素位移补偿能显著减小预测残差残差小了需要编码的比特就少了。4.4 多参考帧的收益和代价多参考帧是H.264引入的重要特性。它允许当前块在多个参考帧中搜索匹配块提高时间预测的准确性。但它也有代价参考帧多了编码器的运动搜索范围成倍增长参考帧的存储内存也会上升解码端的内存带宽压力也随之增加。笔试里如果问到多参考帧答题要点是对运动剧烈、周期性遮挡的场景多参考帧能明显提升编码效率对静止画面、简单运动的场景参考帧数量从5减到1几乎无感知但计算量会直线下降。因此工程上会做自适应参考帧个数控制或者用运动矢量分布来动态判断是否值得开启更多参考帧。5. 率失真优化与码率控制笔试里最能拉开差距的部分5.1 从“率失真”三个字说起编码器每做一个决策——选哪个预测模式、用哪种划分方式、量化步长取多少——本质上都在做一个权衡多花比特去降低失真还是省比特但接受更大失真。这个权衡的理论支柱就是率失真理论。笔试里最常见的公式是拉格朗日代价函数J D λR其中D是失真R是码率λ是拉格朗日乘子。编码器遍历候选方案时计算每一种方案的J值选最小的那个。λ越大码率R的权重大编码器更倾向于选比特少的方案λ越小失真D的权重大编码器更倾向于选画质好的方案。笔试容易失分的地方在于很多人只记得公式不理解λ和QP的关系。实际编码器中λ是QP的函数QP增大λ也会增大所以量化越粗糙模式决策就越偏向低码率。理解了这层关系你才能解释为什么QP由码率控制模块算出后会同时影响变换量化、模式选择、运动估计等多个模块的行为——它是全局联动的一个关键变量。5.2 码率控制模型CBR、VBR与CRF码率控制考察的是编码器如何分配有限的比特预算。三种常见模式CBR恒定码率输出码率保持在目标值附近适合带宽受限的直播、视频会议。缺点是画面内容复杂时质量不稳定。VBR可变码率允许码率波动在画面复杂时给更多比特静止时给更少比特适合录播、点播画质更稳定。CRF恒定质量x264/x265中常用的“恒定质量模式”它固定QP或固定质量目标让码率随内容复杂度浮动适合本地压制、后期处理。笔试里的开放性出题往往是直播场景用哪种码率控制为什么答案是CBR为主配合速率控制缓冲策略。因为直播传输链路带宽是硬约束码率波动大会导致缓冲上溢或下溢视频链路丢包、卡顿、延迟升高。但这不意味着直播就完全不用VBR思想实际上许多直播编码器会做“码率平滑短时VBR”的折中让码率在一定时间窗口内保持平稳但内部允许滑动。5.3 B帧与低延迟直播场景的不可能三角低延迟直播里有一个经典矛盾B帧压缩率高但会引入重排延迟和帧级依赖导致端到端延迟增加。视频会议和部分直播方案会选择完全不用B帧只用IPPP结构换取最低延迟。代价就是同码率下画质略差。笔试中这道题很经典答题逻辑是先说明B帧为什么压缩率高再说明延迟从哪里来最后提出折中方案——比如使用分级B帧Hierarchical B-frame的组合或者限制B帧参考距离。你不需要给一个“完美答案”但需要展示出你能在压缩率、延迟、复杂度之间做工程权衡这正是编解码工程师日常工作的核心内容。6. 从H.264到H.265标准演进题要有工程纵深感6.1 H.264为什么能统治那么久聊标准演进绕不开H.264。它发布于2003年到现在依然是工业界应用最广泛的视频编码标准。原因不光是压缩率还有它的工程生态解码器普及度高、硬件支持完善、专利授权模式相对成熟。笔试里如果问H.264的结构需要能画出它的编码流水线帧内预测/帧间预测 → 变换DCT→ 量化 → 熵编码CAVLC/CABAC→ 环路滤波。还要能说清楚码流结构SPS/PPS序列参数集、图像参数集、IDR帧、Slice片、宏块。面试官偶尔会追问SPS和PPS什么时候需要重新传输——这涉及流媒体播放器如何初始化解码器。比如切换分辨率、切换帧率、切换编码参数时SPS/PPS需要更新否则解码端无法正确解析后续码流。这个知识点在实际的打包、解复用、秒开优化中非常关键。6.2 HEVC对编码效率的四个重大提升从H.264到H.265/HEVC的演进笔试常考的问题就是“HEVC为什么比H.264压缩率高主要靠哪些技术”。我一般概括为四个核心点更灵活的块划分结构CTU/CU/PU/TU。HEVC引入编码树单元的概念最大可以到64x64并且支持四叉树递归划分到8x8。大块划分让平坦区域可以用一个很大的块编码节省了大量头部比特小块划分又能保留复杂区域的细节。这一点对高分辨率视频尤其重要。更多的帧内预测方向。H.264的4x4亮度块有9种帧内模式HEVC扩展到35种33种角度模式加上DC和Planar模式。角度预测更精细能更好地拟合纹理方向。更灵活的变换结构。HEVC支持DCT和DST离散正弦变换变换块大小从4x4到32x32自适应选择大幅提升了变换编码对内容的适配能力。SAO采样自适应偏移环路滤波。SAO在去块效应滤波之后对重建像素做像素级的偏移补偿减少振铃效应和条带噪声。这种前置的像素调整看起来简单但对主观画质的提升非常显著。回答这类题要避免把标准修订的演进说得像背书最好补充说明工程意义。比如问“HEVC比H.264压缩率高50%是不是意味着码率可以降一半”正确回答是理想情况下可以但实际要看内容、分辨率、码率区间和主观质量评价标准。HEVC在高分辨率、低码率区间的优势尤其明显但在极高码率下两种标准的画质差距会缩小。6.3 标准选型看什么复杂度、授权、生态笔试里不太会考H.266/VVC的细节但可能会问你对标准演进趋势的理解。答题要从三个维度展开压缩效率。每代标准大约提升30%到50%的编码效率VVCH.266在某些测试条件下比HEVC再提升30%以上。计算复杂度。新标准的高压缩率不是白来的VVC的编码复杂度大约是HEVC的数倍甚至更高实时编码压力很大。生态和授权。标准再先进如果终端解码器没有普及、授权费用不明确也很难大规模商用。这也是为什么AV1、H.266这些标准在很长时间里都没能完全取代H.264和HEVC。工程选型不是“越新越好”而是“综合场景、成本、生态、终端兼容性”做选择。把这个逻辑答出来笔面试官就能看出来你不只是背了几个标准名称而是真在考虑落地问题。7. 经典算法与数据结构题KMP、动态规划和编码性能的隐藏关联7.1 KMP算法next数组的计算过程音视频岗位笔试里通用算法题的难度通常不会到竞赛级别但KMP这类经典字符串匹配算法出现的频率很高。它的核心价值是它展示了一种重要的算法思维——利用已经匹配的前缀信息让模式串在匹配失败时不盲目回溯。以模式串 pabacaba 为例用前缀函数 π[i] 表示 p[0..i] 的最长真前缀等于真后缀的长度这里的next数组在不同教材中定义略有不同但核心逻辑一样。逐个位置计算π[0]0单字符没有真前缀π[1]0前缀ab中a不等于bπ[2]1前缀aba中aaab≠baπ[3]0前缀abac中不存在更长的真前缀等于真后缀π[4]1前缀abaca中aaπ[5]2前缀abacab中ababπ[6]3前缀abacaba中abaaba得到 π [0, 0, 1, 0, 1, 2, 3]。这个数组在失配时告诉模式串指针应该回退到哪里从而避免从头开始匹配。笔试如果手写KMP记住两点前缀函数只依赖模式串本身主串指针永远不回溯。7.2 动态规划从编辑距离到视频编码的资源分配动态规划也是笔试高频考点。字符串编辑距离、最长公共子序列LCS、最长递增子序列LIS都是常见题。为什么音视频编解码岗位也考动态规划因为编码器里很多决策本身就是动态规划问题。举个例子码率控制中如何把有限的比特预算分配给一组帧使得整体失真最小这个问题本质上是一个资源分配DP问题。再看模式决策一个CTU内部的递归划分选择也是典型的基于代价的递推决策。所以做这类题的时候不要只当“刷题”来准备可以多想一步如果我把“编辑距离”换成“两个宏块序列的相似度”或者把“背包问题”的容量换成“目标码率”就会猛然发现算法题和编码器设计是相通的。7.3 手写代码时的边界条件与复杂度分析通用算法题失分最可惜的不是不会做而是写错了边界条件。比如二分查找的循环退出条件、快排的pivot交换、KMP的while嵌套这些细节一旦出错运行直接死循环或者越界。我在这个环节有两个建议第一答题时先写一个暴力解法再写优化解法。暴力解法能保证你在时间紧张时拿到基础分优化解法展示你的算法能力。哪怕最后没调通面试官也会看到你的思路是清晰的。第二写之前先想好复杂度。面试官对“时间复杂度O(nlogn)、空间复杂度O(n)”这种表达非常敏感你能主动说出来说明你有算法工程师的基本素养。视频编解码场景里一个算法往往是拿计算复杂度换编码效率所以你在笔试中展现的复杂度分析能力直接映射到工作中对编码器模块的取舍判断力。8. 复盘建议与应试策略如何系统准备视频编解码岗位的笔试8.1 建立知识框架而不是零散背知识点视频编解码的知识点非常多如果零散地去背今天记CAVLC明天记SAO后天看运动估计很容易学了后面忘了前面。我复习时习惯先搭一个整体框架视频编码的本质就是“消除冗余”——消除空间冗余用帧内预测变换消除时间冗余用帧间预测运动补偿消除统计冗余用熵编码消除视觉冗余用量化和色彩采样。在这个框架下每个知识点的位置和作用一目了然考题怎么变你都能定位到正确模块。具体的复习路径可以是掌握YUV、GOP、帧类型、码率单位换算这些基础概念。理解混合编码框架全流程能画出编码器和解码器的数据流向。逐个击破DCT、量化、预测、运动估计、熵编码等模块的细节。结合一个具体编码器x264或x265的代码或者文档把标准里的概念和工程实现对应起来。刷一批编码标准相关的分析题率失真、码率控制、延迟权衡。保持通用算法题的刷题手感重点复习KMP、动态规划、二分、排序。8.2 答题顺序和时间分配建议笔试时间通常紧凑我的答题策略是“基础分先拿满再啃硬骨头”。优先完成概念题和计算题每道题控制在5到10分钟内然后是算法题留足20到30分钟来思考和编码最后再处理开放性综合题。开放性题没有标准答案但最容易拉开差距值得花15分钟左右认真写。如果遇到完全没思路的题不要硬刚先标记跳过。笔试最忌讳的就是在一道题上耗40分钟结果后面一堆送分题没时间写。8.3 常见丢分点那些看起来简单实际容易翻车的细节结合我见过的大量笔试复盘整理几个高频丢分点混淆编码顺序和显示顺序。B帧重排是一个老陷阱画GOP解码顺序之前先想清楚参考关系。混淆码率单位。Mbps是兆比特每秒MB/s是兆字节每秒差8倍。直播的码率配置、CDN带宽估算、文件大小计算里全要用到这个单位换算错了整道题就崩了。把CABAC和CAVLC的优势说反。CAVLC简单高效、吞吐高CABAC压缩率高但复杂度高。把量化误差等同于编码误差。编码系统的误差链是预测误差变换舍入误差量化误差熵编码损失无损滤波修改不能一句话归因到量化。原理和标准不区分。比如有人把H.265的35种帧内模式说成H.264或者把SAO说成H.264的环路滤波这种信息错位在笔试中属于硬伤。8.4 实际工作中的自我检验拿直播场景练手如果时间充裕准备阶段可以给自己一个综合训练题给一个1080p30的直播场景目标码率2Mbps要求端到端延迟低于3秒你会怎么选编码参数怎么设计GOP要不要开B帧用CBR还是VBR如果弱网导致延迟抖动怎么办这类场景题看起来是面试题实际上是工作里的真问题。你把这些问题想清楚了笔试里的综合题就变成了你日常思考的复述而不是临场编造。我在准备时会把答案写成一篇短文从编码器参数、传输协议、播放策略几个层面分别展开这比单纯刷题更能提升综合能力。另一个训练方法是找一段手机拍摄的视频用FFmpeg压制切换不同编码器、不同CRF值、不同GOP长度对比最终文件大小和主观画质。通过实际观察你能直观感受QP、码率、分辨率、帧率之间如何相互作用这种手感是任何标准文档都给不了的。最后给准备投音视频岗位的同学一个我个人比较受益的方法把自己当成一个编码器来学习。输入一段视频先问自己“当前画面哪个区域是静止的、哪个区域在运动、哪些纹理细节人眼感知不到”再一步步想明白编码器会如何分割块、预测、变换、量化、编码。站在编码器角度看问题之后你会发现笔试题目不再是碎片化知识点的堆砌而是一套完整决策系统中的一环。祝大家笔试顺利拿到心仪的offer。
