HEVC中基于四叉树的编码单元结构以更大的计算复杂度为代价，提供了更多的运动补偿大小，以改善速率失真性能。 与其他有关快速算法的研究不同，我们针对HEVC开发了最佳复杂度的可伸缩多模式决策算法（OCSMD）。 在这方面有两个主要贡献纸。 第一个是提议用来描述磁场与铜管深度之间的关系。 第二个是我们在框架内建立了成本效益优先级预测模型基于功能的级别，且开销可忽略不计，而且没有与标准冲突。 我们的方法可能会分配计算在任意情况下在帧级别将所有CU的MD资源分配给MD 复杂性约束，同时获得近乎最佳的编码

高效视频编码（HEVC）是最新的编码标准。 与高级视频编码（H.264 / AVC）相比，HEVC在相同的重构视频质量下可降低约50％的比特率。 但是，这种新的编码标准导致巨大的计算复杂性，这使得实时编码视频变得困难。 因此，针对HEVC中帧内编码的高复杂度，提出了一种基于决策树的新的快速编码单元（CU）拆分算法。 决策树作为一种机器学习方法，可以设计为自适应地确定CU的大小。 在这里，可以根据两个重要特征（JND）值和每个CU的编码位来提取它们，以根据它们与CU分区之间的关系来训练决策树。 实