Motion Vectors Merging: Low Complexity Prediction Unit Decision Heuristic for the inter-Prediction of HEVC Encoders
《HEVC标准介绍、HEVC帧间预测论文笔记》系列博客，目录见：http://www.cnblogs.com/DwyaneTalk/p/5711333.html
2012 IEEE International Conference on Multimedia and Expo
利用NxN的PU模式（即深度d+1下2Nx2N）下，进行ME得到的四个MV，来判断当年前CU(深度d)的最佳划分模式（即是否合并），如果合并，则针对合并后的PU模式重新进行一次ME。
优化依据：(统计信息，在HM3.4上)
图1表明Skip、Inter和Intra所占的比例，图2表名在不同尺寸下3+1(只有8x8的CU才有NxN的PU模式，不考虑非对称)种PU模式的比例，图3表明ME在编码过程中的时间代价。旨在说明可以通过减少PU模式来降低ME的次数，进而减少编码时间。同时表明2Nx2N概率最大，相应的优先级也应该最高。（在CU层决定Skip、Intra还是Inter。Skip只针对2Nx2N、Intra针对2Nx2N和NxN、Inter有3+1(NxN)+4(非对称)。对于Inter，对CU递归划分，每层CU在PU层决定最优模式）。
算法核心：(伪代码)
如左图，A~D分别表示4组相邻块的MV是否相等。’.’运算表示‘与’，‘+’运算表示‘或’。（在Intra最佳预测方向、ME最佳匹配块、最佳PU模式的决策中都要RDO，但是RDO的策略可能不同）
》先进行NxN的PU划分，通过ME获得4个MV；
》然后判断最优的PU划分，如果满足一定条件，则进行合并；
》如果进行合并，则需要对合并后的PU模式，重新进行ME。
实验结果：
图上表明了优化的MV Merge算法相对于全部PU划分模式进行RDO计算相比，时间节省了36%左右。图下表明MV Merge算法对于图像的质量影响很小（率失真曲线几乎重合）。