一句话定义：GOP（Group of Pictures，图像组）是一段以关键帧开头、能够被独立解码的视频帧序列；关键帧（keyframe）在编码语境里通常就是 I 帧（Intra-coded frame），是这段序列中唯一不依赖其他帧、单独就能还原出完整画面的一帧。
打个比方：手翻动画书
把视频想成一本手翻动画书。关键帧是完整画好的一整页；后面的 P 帧（Predicted frame，前向预测帧）只在上一页的基础上写一句"胳膊抬高了 2 厘米"；B 帧（Bi-directional predicted frame，双向预测帧）则参考前后两页，写"眼睛往左偏一点"。翻到第 7 页时，你不能只看那一页的批注，必须从这一章的第一页开始，一层层把变化累加上去。
这就是为什么在播放器里拖动进度条，画面会"跳"一小段——解码器只能从最近的关键帧起算。GOP 就是从关键帧到下一个关键帧之前的那一整章。
| 帧类型 | 能否独立解码 | 参考对象 | 相对体积 |
|---|---|---|---|
| I 帧（关键帧） | 能 | 无 | 大 |
| P 帧 | 不能 | 前面的帧 | 中 |
| B 帧 | 不能 | 前后帧 | 小 |
容易混淆的三个"关键帧"
1. 编码关键帧（I 帧）：上面讲的这种，和压缩有关。
2. 剪辑/动画软件里的关键帧：指某个参数在时间轴上的锚点，比如"第 0 秒透明度 0，第 2 秒透明度 100%"，中间由软件插值。中文译名撞车，含义完全不同。
3. 封面帧、抽帧得到的图片：那只是某一时刻的画面，它可能是解出来的 P 帧，不代表这里是关键帧。
GOP 也和帧率、码率不是一回事：帧率管一秒多少帧，码率管一秒多少数据，GOP 管的是帧与帧之间的依赖关系。
对从业者的实际意义
- 剪辑与抽帧：切点落在 GOP 中间时，通常要么从上一个关键帧开始重编码，要么只在不连续处局部重编。做数据集抽帧时，采样间隔如果能和 GOP 对齐，能省下大量重复解码。
- 视频理解与检测：逐帧跑模型太贵，多数方案按固定间隔抽帧。间隔太大可能漏掉动作，太小则浪费算力；了解 GOP 结构能帮你判断抽出来的帧是不是真正独立的画面。
- 传输与容错：GOP 越长，压缩率越高，但随机访问越慢，丢包造成的花屏也会一直拖到下一个关键帧才恢复。所以直播类场景往往用较短的 GOP。
- 生成式视频：不少方案先定几个关键帧，再补中间的过渡帧，本质上是借用了同一套思路。
对普通人来说，拖进度条的卡顿、视频会议糊一下又恢复、导出设置里的"关键帧间隔"，背后都是 GOP 在起作用。需要说明的是，GOP 的长度与结构没有统一标准，不同编码器和平台的策略差异很大，具体参数以所用工具或平台的官方文档为准。