Con el avance de la tecnología de redes, los videos multimedia han surgido como un canal crucial para que las personas accedan a información externa, debido a sus efectos realistas e intuitivos. En presencia de videos de alta velocidad de cuadros y rango dinámico alto, la eficiencia de codificación del video de alta eficiencia (HEVC) no logra satisfacer las demandas de almacenamiento y transmisión del contenido de video. Por lo tanto, la codificación de video versátil (VVC) introduce una estructura de segmentación de quadtree anidado más árbol de múltiples tipos (QTMT) basada en el estándar HEVC, al mismo tiempo que amplía los modos de intra-predicción de 35 a 67. Si bien la nueva tecnología introducida por VVC ha mejorado el rendimiento de compresión, simultáneamente introduce un nivel superior de complejidad computacional. Para mejorar la eficiencia de codificación y disminuir la complejidad computacional, este documento explora dos aspectos clave: la toma de decisiones de partición de la unidad de codificación (CU) y la selección del modo intra-frame. En primer lugar, para abordar la estructura de particionamiento flexible de QTMT, proponemos un algoritmo de decisión de particionamiento en serie basado en árbol de decisiones para decisiones de particionamiento. A través de la concatenación de la decisión de división de partición de quadtree (QT) con la decisión de división de árbol de múltiples tipos (MT), se implementa una estrategia para determinar si omitir la decisión de división de MT basada en las características de textura. Si se utiliza la decisión de partición de MT, se utilizan cuatro clasificadores de árbol de decisiones para juzgar diferentes tipos de partición. En segundo lugar, para la selección del modo intra-frame, este documento propone un algoritmo basado en aprendizaje de conjunto para la terminación de predicción de modo. A través de la reordenación de los modos de candidatos completos y la evaluación de la precisión de la predicción, se logra la terminación de modos de candidatos redundantes. Los resultados experimentales muestran que en comparación con el modelo de prueba VVC (VTM), el algoritmo propuesto en este documento logra un ahorro de tiempo promedio del 54.74%, mientras que el BDBR solo aumenta en un 1.61%.