为了增加双向预测操作中merge模式的MV的准确性，在VVC中应用了解码端运动矢量细化。在参考图片列表L0和参考图片列表L1中的初始MV周围搜索更精确MV。 此方法主要计算参考图片列表L0和列表L1中的两个候选块之间的失真。
如下图所示，对比初始MV（黑色块）计算周围的每个MV候选（红色块）之间的SAD 。最小的SAD的MV候选即为更好的MV，生成双向预测信号。
总体来说，就是在预测出的MV周围，找到更好的MV取代之。
1 使用条件
在VVC中，DMVR可以应用于使用以下模式和功能编码的CU：
1、双向预测的merge模式；
2、两个参考帧不同（一前一后）；
3、两个参考帧到当前图片的距离相同（即POC差相等）；
4、两个参考帧均为短期参考帧；
5、CU有超过64个亮度像素（边长为4这种太小的块不用）；
6、CU高度和CU宽度均大于或等于8个亮度样本；
7、BCW权重相等；
8、当前块未启用WP；
9、当前块不使用CIIP模式
2 两种MV的不同作用
后面将通过DMVR处理获得的改进的MV称为细化后的MV。
1、原始MV用于DBF过程，还用于未来CU编码的空间运动矢量预测。
2、细化后的MV用于生成帧间预测样本，还用于时间运动矢量预测以用于将来的图片编码。
3 使用过程
在DVMR中，搜索点围绕初始MV，遵守镜像规则。即由DMVR检查的任何点（由候选MV对（MV0，MV1）表示）都遵循以下两个式子：
3.1 搜索过程
其中MV_offset表示参考帧之一中初始MV和细化MV之间的偏移。细化搜索范围是来自初始MV的两个像素精度。搜索包括整像素搜索阶段和分像素细化阶段。
1、整像素搜索阶段：25点全搜索。首先计算初始MV对的SAD。如果初始MV对的SAD小于阈值，则终止DMVR的整像素搜索。否则，将按照光栅扫描顺序计算并检查其余24点的SAD。选择SAD最小的点作为整数样本偏移搜索级的输出。
为了减少DMVR改进不确定性的损失，提出了在DMVR过程中更偏向于使用原始MV。初始MV候选所引用的参考块之间的SAD降低了SAD值的1 /4。
2、分像素细化阶段：整像素搜索之后是分像素细化。基于整像素搜索阶段的输出，有条件地调用分像素细化：当整像素搜索阶段在第一次迭代或第二次迭代搜索中以具有最小SAD的中心终止时，才进一步应用分数样本细化。
为了节省计算复杂度，分像素细化是通过使用参数误差表面方程式（即下图算式），而不是通过SAD比较进行额外搜索来得出的。
其中（xmin，ymin）对应于成本最小的分数位置，C对应于最小成本值。通过使用五个搜索点的成本值求解上述方程，可计算出（xmin，ymin）为：
由于所有成本值均为正且最小值为E（0,0），因此xmin和ymin的值会自动限制在8到8之间。这对应于VVC中具有1/16像素MV精度的半像素偏移。将计算出的小数（xmin，ymin）加到整数距离细化MV中，以获得子像素精确的细化增量MV。
3.2 双线性插值和像素填充
在VVC中，MV的分辨率为1/16像素精度。使用8抽头插值滤波器对分像素精度的样本进行插值。在DMVR中，搜索点围绕初始分像素MV，具有整数采样偏移，因此对于DMVR搜索流程，需要对那些小数位置的采样进行插值。为了降低计算复杂度，双线性插值滤波器用于生成分像素精度样本，以用于DMVR中的搜索过程。另一个重要的影响是，通过使用双线性滤波器，在2个样本的搜索范围内，与正常的运动补偿过程相比，DVMR不会用到更多的像素。在通过DMVR搜索过程获得精确的MV后，将使用常规的8抽头插值滤波器来生成最终预测。
为了不使更多的参考像素访问正常的运动补偿过程，将从那些在界内的像素填充那些出界了的像素，这些像素对于基于原始MV的插值过程不是必需的，而对于基于细化MV的插值过程所必需的。
4 块限制
最大DMVR处理单元当CU的宽度和/或高度大于16个亮度样本时，它将进一步分成宽度和/或高度等于16个亮度样本的子块。 DMVR搜索过程的最大单位为16x16。