MPEG-4 Part 11是2005年ISO/IEC 14496-11公布的一種場景描述和套用引擎，是MPEG-4標準家族的一部分，它也被稱作BIFS(Binary Format for Scene)，XMT，MPEG-J。它被設計的用處是實現動態顯示和互動顯示的有效展現，構成2D和3D的圖像、畫面、文本，以及視聽材料。這種顯示的展現包括對不同場景組件（scene component）的時空組織性，以及用戶互動性和動畫進行描述。
它定義了：
- 視聽對象時空布置的編碼表示，以及回響互動動作（場景描述）時的行為；
- 合成的2D或3D對象的編碼表示，這些對象可以表現為聲音或圖像；
- XMT （eXtensible Markup Language）格式——使用XML格式文本展示以MPEG-4描述的多媒體內容；
- 對應用程式引擎（格式，傳送，生命周期，和可下載Java位元組代碼應用程式的行為）的系統級的描述。
Binary Format for Scenes (BIFS)是2D或3D視聽內容的二進制格式，它基於VRML（Virtual Reality Modeling Language，虛擬現實建模語言）和MPEG-4 Part11標準。BIFS是MPEG-4場景描述協定，它用於組成MPEG-4對象，描述 與MPEG-4對象的互動，以及生成動態的（animate）MPEG-4對象。
BIFS還用於數字多媒體廣播DBM（Digital Multimedia Broadcasting）。XMT框架兼容了了大部分的SMIL（Synchronized Multimedia Integration Language，同步多媒體集成語言），W3C的SVG（Scalable Vector Graphics，可縮放矢量圖形），和X3D（虛擬現實建模語言VRML的新叫法）。這種表示可以直接通過SMIL或VRML播放器播放，但也能二值化（binarized）變成一個原始的MPEG-4並用MPEG-4播放器播放。
MPEG-4 BIFS主要有如下特性：
- 視頻/音頻內容的無縫嵌入。MPEG-4 BIFS允許一個場景中對視頻/音頻對象的無縫集成和控制。
- 豐富的圖形結構。MPEG-4 BIFS提供了豐富的圖形結構可創建2D和3D圖像，也提供工具以便製作複雜臉部和身體動畫，3D格線編碼，以及展現2D/3D自然與合成的聲音模型。
- 本地及遠程互動性。BIFS定義了能與客戶端場景及遠程伺服器互動的元素，互動性元素允許文本輸入，滑鼠事件，以及其他可觸發各種行為的輸入設備。
- 本地及遠程動畫。場景屬性，如對象位置、顏色、甚至形狀等，可通過使用預定義的場景描述或從伺服器傳送的流（stream）使其成為動畫。
- 內容的重用。MPEG-4可以包含相關的流化子場景（streamed sub-scene），那意味著內容可以被容易地重用，一種極有用的方式通過簡單的模組創建豐富的用戶體驗。
