MPEG-4第2部分是基于对象的自然和合成混合编码标准。(为简单起见,在下面的讨论中,我们将MPEG-4第2部分简称为MPEG-4。)MPEG-4视频的结构本质上是分层的。在顶层是由一个或多个视频对象(VO)组成的视频会话(VS)。一个VO可以由一个或多个视频对象层(VOL)组成。每个VOL包含一个称为视频对象平面(VOP)的有序时间快照序列。视频对象平面组(GOV)层是VOL和VOP层之间的可选层。比特流可以具有任意数量的GOV标头,而GOV标头的频率是一个编码器问题。由于GOV标头指示绝对时间,因此它可用于随机访问和错误恢复。