I (intra)-кадри — ключові кадри, кодовані без посилань на інші (тобто що містять повний опис статичного зображення). Р (predicted) — кадри, містять опис відмінностей поточного кадру з попереднім.

В (bi-directional) — кадри є двонаправленими: вони посилаються і на кадр вперед, і на кадр назад.

Наявність двонаправлених кадрів має на увазі, що декодер повинен мати буфер, принаймні, на три прийняті кадри, а зображення виводитиметься з деяким відставанням від вхідного потоку. Для того, щоб кодек міг швидко включитися в роботу з будь-якого місця потоку, I-кадри повинні включатися в потік регулярно (в MPEG-1 — не рідше, ніж через 0,4 з).

MPEG-1 — стандарт ISO/IEC 11172, прийнятий в 1992 році. Повна назва — «Coding Moving Pictures and Associated Audio for Digital Storage Media at up to about 1,5 MBit/s» — розкриває його суть: кодек призначений для запису і відтворення зображень і пов'язаного з ними аудіосупроводу, що рухаються, на цифровому носії з потоком даних до 1,5 Мбіт/с. При цьому забезпечується якість зображення на рівні касетного відеомагнітофона VHS (Video Home System) із стереофонічним звуковим супроводом.

Стандарт складається з 5 частин, що описують систему, відео, аудіо, методику тестування на відповідність і програми кодера і декодера на мові С. Для отримання такої низької швидкості потоку з початкового відеопотоку береться лише одне поле (напівкадр), а в кожному рядку — тільки половина пікселів, що дає формат кадру 352x240 пікселів з прогресивною розгорткою, 30 кадрів в секунду. Потік цих кадрів і підлягає стисненню. Збільшення розміру декодованого зображення до повного екрану особливого значення не має, оскільки може виконуватися тільки масштабуванням (розмноженням пікселів), правда, в складніших реалізаціях декодера можна поліпшити якість зображення, застосовуючи методи інтерполяції. Аудіопотік в порівнянні з РСМ стискається приблизно в 6 разів (типова швидкість 256 Кбіт/с). Декодер MPEG-1 містить де-мультиплексор, розділяючий аудио- і відеопотоки, і роздільні декодери для них. Швидкість потоку даних дозволяє використовувати як носій відеоінформації звичайний CD-ROM, тому MPEG-1 застосовується в дисках CD-i і VideoCD (VCD). Проте декомпресія вимагала великої (на ті часи) потужності процесора (Pentium 133), через що диски CD-i і VCD без спеціальної плати апаратного декодера малопотужні комп'ютери відтворювати не могли.

-2 (ISO/IEC 13818) — кодек для високоякісної передачі зображень, аудіоінформації і даних при потоці 2-80 Мбіт/с, забезпечуючий декілька рівнів якості. Основний рівень (720 х 480, 30 кадрів/с) забезпечує якість на рівні телемовлення, високі рівні використовуються в професійному відеозаписі. Стандарт передбачає одночасну передачу безлічі TV-каналів з можливістю шифрування для обмеження доступу до інформації і захисту прав власності на вміст потоків. Перші 5 частин стандарту аналогічні MPEG-1, але з новим наповненням. Аудіокодек MPEG-2 є багатоканальним розширенням аудіокодека MPEG-1, що забезпечує їх сумісність по перших двох каналах. В аудіокодеку MPEG-2 є 2 стереоканала (фронт і тил), що забезпечують об'ємне звучання (Surround), і один низькочастотний із смугою до 100 Гц. Окрім сумісного з MPEG-1, в MPEG-2 входить і «просунутий аудіокодек» AAC (Advanced Audio Codec), що використовується в професійній аудіотехніці. Аудеокодек MPEG-1/MPEG-2 став жити самостійним життям під ім'ям МРЗ (MPEG-1 Layer 3, див. п. 11.1.2), іноді помилково званий MPEG-3 (такого стандарту немає). Те, що повинне було стати MPEG-3, вилилося у вищий рівень MPEG-2. Цей рівень забезпечує якість телебачення високої чіткості ТВЧ (HDTV — High Definition TV). Таблиця 8.1. Рівні якості MPEG-2

Рівень	Розмір зображення	Максимальний потік даних, Мбіт/с при частоті 30 кадрів/с
Low (низький)	352 х 240	4
Main (основний)	720 х 480	15
High-1440 (високий)	1440x1152	60
High (високий)	1920 х 1080	80

Модель взаємодії компонентів відтворюючих систем MPEG-1 і MPEG-2 досить проста — дані від джерела через засоби доставки поступають на вхід демультиплексора, де розділяються на відео і аудіопотоки, оброблювані своїми декодерами. Інформаційний потік MPEG-1 суто однонаправлений; в MPEG-2 додається двонаправлений канал взаємодії одержувача інформації з джерелом даних (сервером віщання) через засоби доставки, що забезпечує інтерактивність в значенні вибору передаваних програм, а також адаптацію передаваного потоку до якості каналу передачі.

MPEG-4 — стандарт, орієнтований на інтерактивне використовування мультимедіа і мережні комунікації. В порівнянні з попередніми, MPEG-4 влаштований набагато складніше — аудіо-відеоінформації, що представляється кінцевому споживачу, збирається з різних аудіовізуальних об'єктів (AVO - Audio-Visual Objects). Ці об'єкти відображаються на сцені, що представляється кінцевому споживачу (спостерігачу-слухачу). Сцена представляється дисплеєм і багатоканальною аудіосистемою. Початкова композиція (розташування об'єктів на сцені), задана творцем відтворного твору, може в широких межах змінюватися користувачем. Об'єкти, що представляються на сцені, можуть бути як природними, так і синтетичними. Між об'єктами встановлюються певні зв'язки. Інтерактивність дозволяє управляти як представленням сцени (наприклад, міняти ракурс), так і композицією («збіркою», змістом і поведінкою об'єктів на сцені) і, як і в MPEG-2, взаємодіяти з джерелом даних через засоби доставки.

Природні аудіооб'єкти — це канали передаваного аудіосигналу, стислого залежно від потреб в якості і доступної смуги пропускання каналу передачі. Рівень якості може бути від телефонного до високого (канали з віртуальною швидкістю 2-64 Кбіт/с). Для кожного рівня якості і займаної смуги використовується свій метод компресії/декомпресії.

Синтетичні аудіооб'єкти утворюються із структурованих потоків вхідних даних. Декодер TTS (Text to Speech) синтезує мову по потоку текстових даних, формуючи управляючі дані для анімації руху губ. Декодер має багатонаціональну мовну підтримку. Він дозволяє управляти тембром і гучністю, робити паузи, «марнотратити» вперед і назад. Музичним аналогом TTS є інтерфейс MIDI, але в MPEG-4 може використовуватися і більш могутній і точний метод синтезу музики Score Driven Syntesis. Потік для синтезу музики містить команди, описують звукові примітиви, що генеруються за допомогою сигнальних процесорів. Таким чином, передаються потоки для всіх інструментів оркестру і може бути синтезовано їх сумісне звучання, яке може пожвавлюватися такими деталями, як шум кроків в залі або звук дверей, що відкриваються. До аудіооб'єктів можуть бути прикладений різні ефекти; аудіооб'єкти можуть прив'язуватися до візуальних об'єктів і позиціонуватися в будь-якій точці сцени (об'ємної).

Візуальні природні об'єкти можуть бути текстурами, зображеннями і відео. Текстури призначені для накладення на каркасні моделі, 2D або 3D. Зображення можуть просто поміщатися в будь-яке місце сцени. Відео має на увазі «живе зображення», але воно може бути і не повноекранним і не прямокутним (наприклад, людина, що рухається, на прозорому фоні). Візуальні синтетичні об'єкти є елементами комп'ютерної графіки, одержуваними різними способами у векторному або растровому вигляді. Це можуть бути і 2D або 3D каркасні моделі, на які можуть бути накладений текстури (природні і синтетичні). Для підвищення якості моделювання живих об'єктів в MPEG-4 розроблена спеціальна система опису людської голови, здатної зображати різні емоції, а також відтворювати рух губ при розмові, що параметризується. Рух губ може бути пов'язаний з відтворним аудіосигналом, прив'язаним до цього об'єкту (голові). На модель голови може бути накладений текстура, отримана із зображення обличчя конкретної людини. Розробляється також і спеціалізована модель людського тіла.

Для ілюстрації можна представити, наприклад, таку сцену. В синтетичній кімнаті (тривимірна модель) розташований синтетичний диктор (модель), обличчя якого є текстурою, зробленою з портрета відомої людини. Цей диктор «читає» текст (підсунений йому користувачем або хакером через мережу), ходить по кімнаті, на прохання користувача може зупинитися і помовчати або ж повторити сказане. Вся ця синтетика в поєднанні з інтерактивністю обмежується малим об'ємом передаваних даних — достатньо разів передати опис сцени, диктора і текстуру його обличчя, після чого потрібна передача лише тексту і інформації, що управляє рухом моделей на сцені.

Візуальна частина MPEG-4 надає інструменти і алгоритми для ефективної компресії відео і зображень, текстур для накладення на 2D- і ЗD-сітки (каркаси), самих сіток, потоків геометричних даних, «оживляючих» сітки. Також є засобу для довільного доступу до всіх типів об'єктів, маніпулювання зображеннями і відеопотоками. Способи кодування і масштабування зображень, текстур і відео залежать від типу вмісту. Ядром засобів кодування візуальних об'єктів є VLBV (Very Low Bit-rate Video) — відео з дуже низькою швидкістю потоку (5-64 Кбіт/с), що дозволяє передавати маленькі кадри (176x144 пікселя) з темпом 10-15 кадрів/с, стійко по відношенню до помилок передачі. Навкруги цього ядра будується інтерфейс з високою швидкістю передачі і розширення функціональності, що дозволяє індивідуально кодувати об'єкти сцени, що і забезпечує інтерактивність. Повноекранне зображення прийнятної якості вимагає швидкості порядка 600 Кбіт/с. Для програмного декодування (в реальному часі) потрібен як мінімум Pentium II-300. Компресія в реальному часі може бути реалізований, наприклад, на двопроцесорному комп'ютері Pentium II-400. В деякі сучасні відеокарти вбудовують апаратні засоби декомпресії MPEG-4; засоби синтезу візуальних об'єктів засновані на цілком вужі звичайних функціях 2D- і ЗD-акселераторів.

Широке розповсюдження MPEG-4 у все мультимедійні галузі може сильно змінити погляди на способи створення і використовування мультимедійної продукції., В MPEG-4 передбачаються засоби контролю за дотриманням прав власності на твори, направлені на забезпечення можливості платного розповсюдження, захист авторських прав і т.п. При необхідності можливості зміни вмісту при відтворенні теж повинні бути обмежений, щоб уникнути спотворення значення твору.

MPEG-7 — стандарт опису мультимедійних об'єктів, що забезпечує їх ефективний пошук.

В персональному комп'ютері можуть бути присутній спеціальні компоненти для роботи з MPEG:

MPEG-плейєр — декодер MPEG-1, що забезпечує відтворення з компакт-дисків форматів MPEG-1 (CD-I, VideoCD). Апаратний декодер є широко поширеним доповненням графічного адаптера. На відміну від програмних MPEG-декомпресорів, він забезпечує високу якість відтворення з невисоким завантаженням процесора. До складу MPEG-плейєра повинен входити і аудіодекодер, при цьому на графічній платі з апаратним декодером з'являється трохи несподіваний додатковий роз'єм аудіовиходу.

DVD-плейєр — декодер MPEG-2, апаратний або програмний, дозволяючий відтворювати відеозаписи з DVD-Video і Super VideoCD. Для програмного декодування потрібен як мінімум комп'ютер з процесором Pentium II-266, для апаратного достатньо Pentium-133.

9