Composition Time

つまりComposition Timeは、ユーザー視点における、フレームと時間を紐づける情報。

Q. 次の認識は正しいですか。

MPEG4における合成とは、デコードによって得られたチャンク内のフレームデータを用いて、PフレームやBフレームを完全な画像にすることをいう。

Composition Timeとは、合成を行うべき時間のことを指す。

/work4ai/chatgpt.icon

あなたの認識は正しいです。

MPEG-4では、PフレームやBフレームは、デコードによって得られたチャンク内のフレームデータを使用して、完全な画像に合成されます。これは、デコードされたフレームがIフレームの場合でも同様です。

Composition Timeは、合成を行うべき時間を指します。Composition Timeは、デコードされたフレームが表示されるべき時間を表します。つまり、Presentation Timeとの差がComposition Timeとなります。Composition Timeは、PフレームやBフレームのような非Iフレームの場合に特に重要です。

時系列的にはこうだと思う：

チャンクのDecoding Time → チャンクをデコード → フレームのComposition Time → フレームを合成 → Presentation Time → フレームを表示

合成をするということは、すなわち差分フレームを表示するということ。

デコードから、特定フレームの合成におけるタイムラグが、フレームのComposition Timeとなる（フレームの合成を行っている時間）。

↑この考え、怪しい

ChatGPTはこの辺りの話をすると回答の内容がかなり揺れる

でも他にどこから調べられるかな