คำอธิบายฉากและกลไกการใช้งานMPEG-4 ส่วนที่ 11ได้รับการเผยแพร่เป็นISO /IEC 14496-11 ในปี 2548 ^{[ 1 ]} MPEG-4 ส่วนที่ 11 ยังเป็นที่รู้จักในชื่อBIFS, XMT, MPEG-J [ ^{2 ] [ 3 ] โดย}กำหนด:

• การแสดงผลแบบเข้ารหัสของตำแหน่งเชิงพื้นที่และเวลาของวัตถุภาพและเสียง ตลอดจนพฤติกรรมของวัตถุเหล่านั้นในการตอบสนองต่อการโต้ตอบ (คำอธิบายฉาก)
• การแสดงผลแบบเข้ารหัสของวัตถุสองมิติ (2D) หรือสามมิติ (3D) สังเคราะห์ ซึ่งสามารถแสดงออกมาได้ทั้งทางเสียงหรือทางภาพ
• รูปแบบ Extensible MPEG-4 Textual (XMT) - การนำเสนอเนื้อหามัลติมีเดียที่อธิบายไว้ใน MPEG-4 ในรูปแบบข้อความโดยใช้ภาษา Extensible Markup Language (XML)
• และคำอธิบายระดับระบบของเอนจินแอปพลิเคชัน (รูปแบบ การส่งมอบ วงจรชีวิต และพฤติกรรมของ แอปพลิเคชันไบต์โค้ด Java ที่ดาวน์โหลดได้ ) (ส่วนขยายเฟรมเวิร์กกราฟิก MPEG-J (GFX) ได้รับการกำหนดไว้ใน MPEG-4 ส่วนที่ 21 - ISO/IEC 14496-21 ^{[ 4 ]} )

Binary Format for Scenes ( BIFS ) เป็น รูปแบบ ไบนารีสำหรับเนื้อหาภาพและเสียงสองมิติหรือสามมิติ โดยอิงตามVRMLและส่วนที่ 11 ของมาตรฐานMPEG-4

BIFS คือโปรโตคอลการอธิบายฉาก MPEG-4 สำหรับการประกอบวัตถุ MPEG-4 การอธิบายปฏิสัมพันธ์กับวัตถุ MPEG-4 และการสร้างภาพเคลื่อนไหวของวัตถุ MPEG-4

รูปแบบไบนารี MPEG-4 สำหรับฉาก (BIFS) ใช้ในการออกอากาศมัลติมีเดียดิจิทัล (DMB) ^{[ 5 ]}

เฟรมเวิร์ก XMT รองรับส่วนสำคัญของSMIL , W3C Scalable Vector Graphics (SVG) และX3D (ชื่อใหม่ของ VRML) การแสดงผลดังกล่าวสามารถเล่นได้โดยตรงด้วยโปรแกรมเล่น SMIL หรือ VRML แต่ยังสามารถแปลงเป็นไบนารีเพื่อให้กลายเป็นการแสดงผล MPEG-4 ดั้งเดิมที่สามารถเล่นได้ด้วยโปรแกรมเล่น MPEG-4 อีกสะพานหนึ่งถูกสร้างขึ้นด้วยBiM (รูปแบบ MPEG ไบนารีสำหรับ XML) ^{[ 6 ]}

• MPEG-4 ส่วนที่ 20 (เลเซอร์)
• กราฟิกเวกเตอร์ที่ปรับขนาดได้ (SVG)
• MPEG-7 - อินเทอร์เฟซอธิบายเนื้อหามัลติมีเดีย

• ISO/IEC 14496-11:2005 - เทคโนโลยีสารสนเทศ -- การเข้ารหัสวัตถุภาพและเสียง -- ส่วนที่ 11: การอธิบายฉากและกลไกการใช้งาน
• เอกสารไวท์เปเปอร์ MPEG-4 BIFS
• เอกสารเกี่ยวกับปัญหาทั่วไปของระบบ MPEG-4 ที่เก็บถาวรไว้เมื่อวันที่ 13 เมษายน 2553 ที่Wayback Machine - กรกฎาคม 2544
• มาตรฐานเสียง BIF เวอร์ชัน 3 - ตุลาคม 2549, ISO/IEC JTC1/SC29/WG11