阅读说明：本技术 视频编解码的方法、装置、设备以及存储介质 (Video coding and decoding method, device, equipment and storage medium ) 是由 许晓中 刘杉 李翔 于 2019-07-04 设计创作，主要内容包括：本申请各实施例提供了用于视频编解码的方法和装置。该方法可以包括：对编码视频比特流中的当前图像的块的预测信息进行解码,该预测信息指示帧间预测模式,该帧间预测模式标示候选列表中的一个候选基础运动矢量预测因子所相关联的偏移；利用一个或多个已有的候选基础运动矢量预测因子构建所述候选列表,并在新的运动矢量预测因子满足与所述一个或多个已有候选基础运动矢量预测因子的间距要求时,将所述新的运动矢量预测因子加入所述候选列表；对所述候选列表中特定的候选基础运动矢量预测因子的索引和所述偏移进行解码,以确定最终运动矢量,并根据最终运动矢量重建所述块的采样。(The embodiments of the application provide a method and a device for video coding and decoding. The method can comprise the following steps: decoding prediction information for a block of a current picture in an encoded video bitstream, the prediction information indicating an inter prediction mode indicating an offset associated with a candidate base motion vector predictor in a candidate list; constructing the candidate list by using one or more existing candidate base motion vector predictors, and adding a new motion vector predictor to the candidate list when the new motion vector predictor satisfies a distance requirement with the one or more existing candidate base motion vector predictors; decoding the index of the particular candidate base motion vector predictor in the candidate list and the offset to determine a final motion vector, and reconstructing samples of the block from the final motion vector.)

视频编解码的方法、装置、设备以及存储介质

相关文件

本公开要求2018年7月13日提交的美国临时申请62/698,003的优先权，以及2018年12月26日提交的美国申请16/232,570的优先权，其全部内容通过引用结合在本文中。

技术领域

本申请实施例涉及视频编码技术，特别是一种视频编解码的方法、装置、设备以及存储介质。

背景技术

本文提供的背景描述是为了呈现本申请的背景。记名的发明人的工作，在该背景部分描述的工作以及本说明书各实施例的范围内的内容，在递交时可能并不算作现有技术，均未被明示或暗示地承认作为不利于本申请的现有技术。

视频编码和解码可以使用具有运动补偿的图像间预测来进行。未压缩的数字视频可包括一系列图像，每个图像具有一定的空间维度，例如1920x1080的亮度采样和相关的色度采样。图像序列可具有固定或可变的图像速率(俗称帧率)，例如，每秒60张图像或60Hz。未压缩的视频需要较高的比特率。例如，每个采样为8比特的1080p604：2：0(60Hz帧率下的1920x1080亮度采样分辨率)的视频需要接近1.5G比特/秒的带宽。长度为一小时的这种视频需要600G字节以上的存储空间。

视频编码和解码的一个目的是，通过压缩来降低输入视频信号的冗余。在一些情况下，压缩可将带宽或存储器的需求减小至少两个数量级。可使用无损压缩、有损压缩，或其组合。无损压缩指可从经过压缩的原始信号中重建原始信号的准确副本的技术。当使用有损压缩时，重建信号可与原始信号不一致，但原始信号和重建信号之间的失真足够小，以使重建信号能够实现所期望的用途。视频领域中广泛采用有损压缩。容许的失真量取决于应用，例如，一些消费型直播应用的用户比电视节目应用的用户能容忍更大的失真。可实现的压缩比可以反映出：可允许/可容忍的失真越大，可产生的压缩比越高。

运动补偿可以是有损压缩技术，并且可以涉及一些技术，这些技术利用来自先前重建的图像或其一部分(即参考图像)的采样数据块，在对其进行运动矢量(后文称为MV)所指示的方向上的空间移位之后)，用于预测新重建的图像或图像部分。在一些情况下，参考图像可以与当前正在重建的图像相同。MV可以有两个维度X和Y，或三个维度，第三个是所使用的参考图像的指示(后者，间接地，可以是一个时域维度)。

在一些视频压缩技术中，用于采样数据的某个区域的MV可以从其它MV预测得到，例如，从与该重建中的区域在空间上相邻的另一采样数据区域相关的、并且解码顺序在该MV之前的那些MV。这样做可以大大减少编码MV所需的数据量，从而消除冗余并加大压缩。例如，MV预测可以有效地工作，因为当对从相机导出的输入视频信号(称为自然视频)进行编码时，存在一种统计可能性，即比单个MV可适用的区域更大的区域在相似的方向上移动，并因此，在某些情况下，可以使用从相邻区域的MV推导出的类似运动矢量进行预测。这导致为给定区域找到的MV与从周围的MV预测出的MV相似或相同，并且进而在熵编码之后，可以用比对其直接编码时使用的比特数更少的比特来表示。在一些情况下，MV预测可以是对源自原始信号(即：采样流)的信号(即：MV)的无损压缩的示例。在其它情况下，MV预测本身可能是有损的，例如在从一些周围的MV计算预测因子时产生的舍入误差导致的损失。

在H.265/HEVC(ITU-TH.265建议书，高效视频编码，2016年12月)中描述了各种MV预测机制。在H.265提供的许多MV预测机制中，这里描述的是一种后文称为空域合并的技术。

在使用具有偏移的MV预测因子的技术中，每个标示的偏移可以覆盖可能的参考区域。这相当于代表一系列MV。当存在多个可用的MV预测因子时，例如HEVC合并候选MV预测因子列表中的预测因子，可能存在一些合并候选MV预测因子彼此足够接近。如果两个合并候选MV预测因子彼此太靠近，则有可能一个MV候选MV预测因子加上允许的偏移量等于另一个MV候选MV预测因子，或者非常接近另一个MV候选MV预测因子。在这种情况下，MV及其偏移的信令存在一些冗余，导致信令成本较大，编码效率较低。

发明内容

本申请各实施例提供了用于视频编码/解码的方法和装置。在一些例子中，用于视频解码的装置包括接收电路和处理电路。该处理电路对编码视频比特流中当前图像的块的预测信息进行解码。该预测信息指示帧间预测模式，该帧间预测模式标示候选列表中的候选基础运动矢量预测因子之一所相关联的偏移。响应于所述帧间预测模式，处理电路利用一个或多个已有的候选基础运动矢量预测因子来构建该候选列表。进一步地，当新的运动矢量预测因子满足与所述一个或多个已有的候选基础运动矢量预测因子的间距要求时，处理电路将所述新的运动矢量预测因子添加到所述候选列表中。处理电路对所述候选列表中特定的候选基础运动矢量预测因子的索引和该候选基础运动矢量预测因子所关联的偏移进行解码，以确定用于块重建的最终运动矢量，并根据该最终运动矢量重建所述块的样本。

一些实施例中，处理电路确定所述新的运动矢量预测因子与已有的候选基础运动矢量预测因子的覆盖窗口的间距关系。一个例子中，所述已有的候选基础运动矢量预测因子的覆盖窗口由覆盖所述已有的候选基础运动矢量预测因子的可能偏移的矩形区域限定。在另一个例子中，已有的候选基础运动矢量预测因子的覆盖窗口由覆盖该已有候选基础运动矢量预测因子的最大偏移的矩形区域限定。另一个例子中，已有的候选基础运动矢量预测因子的覆盖窗口由覆盖该已有候选基础运动矢量预测因子的最小偏移的矩形区域限定。另一个例子中，已有候选基础运动矢量预测因子的覆盖窗口由X轴的第一最大偏移和Y轴线上的第二最大偏移限定。

一些实施例中，当新的运动矢量预测因子不满足与所述一个或多个已有候选基础运动矢量预测因子的间距要求时，处理电路将该新的运动矢量预测因子排除出候选列表。例如，当新的运动矢量预测因子位于已有的基础运动矢量预测因子的覆盖窗口中时，处理电路将该新的运动矢量预测因子排除出候选列表。一些例子中，当新的运动矢量预测因子不满足与已有候选基础运动矢量预测因子的间距要求时，处理电路将该新的运动矢量预测因子添加在在候选列表中一个或多个候选MV预测因子之后。

在一些实施例中，处理电路将新的运动矢量预测因子和一个或多个已有候选基础运动矢量预测因子中的至少一个缩放到同一参考图片中。

本申请各实施例还提供一种用于视频解码的装置，包括：

解码模块，用于对编码视频比特流中当前图片的块的预测信息进行解码，所述预测信息指示帧间预测模式，该帧间预测模式标示候选列表中的一个候选基础运动矢量预测因子所关联的偏移；

列表构建模块，用于，响应于所述帧间预测模式，利用一个或多个已有的候选基础运动矢量预测因子来构建所述候选列表；

间距判断模块，用于，当新的运动矢量预测因子满足与所述一个或多个已有候选基础运动矢量预测因子的间距要求时，将所述新的运动矢量预测因子添加到所述候选列表中；

解码模块，用于对所述候选列表中特定的候选基础运动矢量预测因子的索引以及所述特定的候选基础运动矢量预测因子所关联的所述偏移进行解码，以确定用于块重建的最终运动矢量；及

重建模块，用于根据所述最终运动矢量重建所述块的至少一个采样。

本申请各实施例还提供一种用于视频编码的方法，其特征在于，包括：

在帧间预测模式下，利用一个或多个已有的候选基础运动矢量预测因子来构建候选列表；

当新的运动矢量预测因子满足与所述一个或多个已有候选基础运动矢量预测因子的间距要求时，将所述新的运动矢量预测因子添加到所述候选列表中；

针对视频流中当前图片的当前块，从所述候选列表中确定用于预测所述当前块的运动矢量预测因子的至少一个候选基础运动矢量预测因子，生成所述当前块的预测信息，所述预测信息指示帧间预测模式，该帧间预测模式标示候选列表中的一个候选基础运动矢量预测因子所关联的偏移；及

对候选列表和所述当前块的预测信息进行编码，并利用编码结果生成编码视频比特流。

本申请的各实施例还提供了一种计算机设备，包括处理器和存储器，其中，存储器中存储有指令，所述指令由处理器执行时使该处理器执行各实施例的方法。

本申请的各实施例还提供了一种非暂时性计算机可读介质，存储有指令，所述指令由视频处理的计算机执行时使该计算机执行各实施例的方法。

本申请各实施例可以降低MV及其偏移的编码的信令成本，并改善编码性能。

附图说明

根据以下详细描述和附图，本申请主题的其它特征、性质和各种优点将变得更加明显，在附图中：

图1是一个例子中的当前块及其周围的空域合并候选MV预测因子的示意图。

图2是一个实施例的通信系统的简化框图的示意图。

图3是一个实施例的通信系统的简化框图的示意图。

图4是一个实施例的解码器的简化框图的示意图。

图5是一个实施例的编码器的简化框图的示意图。

图6是另一实施例的编码器的框图。

图7是另一实施例的解码器的框图。

图8是一些例子中的空域和时域候选MV预测因子的示例。

图9是本申请实施例的UMVE的示例。

图10是本申请实施例的UMVE的示例。

图11是一些例子中的覆盖窗口的示意图。

图12是一些例子中的覆盖窗口的示意图。

图13是一些例子中的覆盖窗口的示意图。

图14是本申请实施例的示例性过程的概要流程图。

图15是本申请实施例的计算机系统的示意图。

具体实施方式

请参考图1，根据一种空域合并的技术，当前块(101)包括在运动搜索过程期间已由编码器发现的样本，根据已产生空域偏移的相同大小的先前块，可预测所述样本。另外，可从一个或多个参考图片相关联的元数据中导出所述MV，而非对MV直接编码。例如，使用A0、A1和B0、B1、B2(分别对应102到106)五个周围采样中的任一采样相关联的MV，(按解码次序)从最近的参考图片的元数据中获得所述MV。在H.265中，MV预测可使用相邻块所使用的同一参考图像的预测因子。

图2是根据本申请公开的实施例的通信系统(200)的简化框图。通信系统(200)包括多个终端装置，所述终端装置可通过例如网络(250)彼此通信。举例来说，通信系统(200)包括通过网络(250)互连的第一对终端装置，终端装置(210)和终端装置(220)。在图2的实施例中，第一终端装置(210)和第二终端装置(220)执行单向数据传输。举例来说，第一终端装置(210)可对视频数据(例如由终端装置(210)采集的视频图片流)进行编码以通过网络(250)传输到第二端装置(220)。已编码的视频数据以一个或多个已编码视频码流形式传输。第二终端装置(220)可从网络(250)接收已编码视频数据，对已编码视频数据进行解码以恢复视频数据，并根据恢复的视频数据显示视频图片。单向数据传输在媒体服务等应用中是较常见的。

在另一实施例中，通信系统(200)包括执行已编码视频数据的双向传输的第三终端装置(230)和第四终端装置(240)，所述双向传输可例如在视频会议期间发生。对于双向数据传输，第三终端装置(230)和第四终端装置(240)中的每个终端装置可对视频数据(例如由终端装置采集的视频图片流)进行编码，以通过网络(250)传输到第三终端装置(230)和第四终端装置(240)中的另一终端装置。第三终端装置(230)和第四终端装置(240)中的每个终端装置还可接收由第三终端装置(230)和第四终端装置(240)中的另一终端装置传输的已编码视频数据，且可对所述已编码视频数据进行解码以恢复视频数据，且可根据恢复的视频数据在可访问的显示装置上显示视频图片。

在图2的实施例中，第一终端装置(210)、第二终端装置(220)、第三终端装置(230)和第四终端装置(240)可为服务器、个人计算机和智能电话，但本申请公开的原理可不限于此。本申请公开的实施例适用于膝上型计算机、平板电脑、媒体播放器和/或专用视频会议设备。网络(250)表示在第一终端装置(210)、第二终端装置(220)、第三终端装置(230)和第四终端装置(240)之间传送已编码视频数据的任何数目的网络，包括例如有线(连线的)和/或无线通信网络。通信网络(250)可在电路交换和/或分组交换信道中交换数据。该网络可包括电信网络、局域网、广域网和/或互联网。出于本申请的目的，除非在下文中有所解释，否则网络(250)的架构和拓扑对于本申请公开的操作来说可能是无关紧要的。

作为实施例，图3示出视频编码器和视频解码器在流式传输环境中的放置方式。本申请所公开主题可同等地适用于其它支持视频的应用，包括例如视频会议、数字TV、在包括CD、DVD、存储棒等的数字介质上存储压缩视频等等。

流式传输系统可包括采集子系统(313)，所述采集子系统可包括数码相机等视频源(301)，所述视频源创建未压缩的视频图片流(302)。在实施例中，视频图片流(302)包括由数码相机拍摄的样本。相较于已编码的视频数据(304)(或已编码的视频码流)，视频图片流(302)被描绘为粗线以强调高数据量的视频图片流，视频图片流(302)可由电子装置(320)处理，所述电子装置(320)包括耦接到视频源(301)的视频编码器(303)。视频编码器(303)可包括硬件、软件或软硬件组合以实现或实施如下文更详细地描述的所公开主题的各方面。相较于视频图片流(302)，已编码的视频数据(304)(或已编码的视频码流(304))被描绘为细线以强调较低数据量的已编码的视频数据(304)(或已编码的视频码流(304))，其可存储在流式传输服务器(305)上以供将来使用。一个或多个流式传输客户端子系统，例如图3中的客户端子系统(306)和客户端子系统(308)，可访问流式传输服务器(305)以检索已编码的视频数据(304)的副本(307)和副本(309)。客户端子系统(306)可包括例如电子装置(330)中的视频解码器(310)。视频解码器(310)对已编码的视频数据的传入副本(307)进行解码，且产生可在显示器(312)(例如显示屏)或另一呈现装置(未描绘)上呈现的输出视频图片流(311)。在一些流式传输系统中，可根据某些视频编码/压缩标准对已编码的视频数据(304)、视频数据(307)和视频数据(309)(例如视频码流)进行编码。该些标准的实施例包括ITU-TH.265。在实施例中，正在开发的视频编码标准非正式地称为下一代视频编码(Versatile Video Coding，VVC)，本申请可用于VVC标准的上下文中。本申请可用于VVC标准的上下文中。

应注意，电子装置(320)和电子装置(330)可包括其它组件(未示出)。举例来说，电子装置(320)可包括视频解码器(未示出)，且电子装置(330)还可包括视频编码器(未示出)。

图4是根据本申请公开的实施例的视频解码器(410)的框图。视频解码器(410)可设置在电子装置(430)中。电子装置(430)可包括接收器(431)(例如接收电路)。视频解码器(410)可用于代替图3实施例中的视频解码器(310)。

接收器(431)可接收将由视频解码器(410)解码的一个或多个已编码视频序列；在同一实施例或另一实施例中，一次接收一个已编码视频序列，其中每个已编码视频序列的解码独立于其它已编码视频序列。可从信道(401)接收已编码视频序列，所述信道可以是通向存储已编码的视频数据的存储装置的硬件/软件链路。接收器(431)可接收已编码的视频数据以及其它数据，例如，可转发到它们各自的使用实体(未标示)的已编码音频数据和/或辅助数据流。接收器(431)可将已编码视频序列与其它数据分开。为了防止网络抖动，缓冲存储器(415)可耦接在接收器(431)与熵解码器/解析器(420)(此后称为“解析器(420))之间。”在某些应用中，缓冲存储器(415)是视频解码器(410)的一部分。在其它情况下，所述缓冲存储器(415)可设置在视频解码器(410)外部(未标示)。而在其它情况下，视频解码器(410)的外部设置缓冲存储器(未标示)以例如防止网络抖动，且在视频解码器(410)的内部可配置另一缓冲存储器(415)以例如处理播出定时。而当接收器(431)从具有足够带宽和可控性的存储/转发装置或从等时同步网络接收数据时，也可能不需要配置缓冲存储器(415)，或可以将所述缓冲存储器做得较小。当然，为了在互联网等业务分组网络上使用，也可能需要缓冲存储器(415)，所述缓冲存储器可相对较大且可具有自适应性大小，且可至少部分地实施于操作系统或视频解码器(410)外部的类似元件(未标示)中。

视频解码器(410)可包括解析器(420)以根据已编码视频序列重建符号(421)。这些符号的类别包括用于管理视频解码器(410)的操作的信息，以及用以控制显示装置(412)(例如，显示屏)等显示装置的潜在信息，所述显示装置不是电子装置(430)的组成部分，但可耦接到电子装置(430)，如图4中所示。用于显示装置的控制信息可以是辅助增强信息(Supplemental Enhancement Information，SEI消息)或视频可用性信息(VideoUsability Information，VUI)的参数集片段(未标示)。解析器(420)可对接收到的已编码视频序列进行解析/熵解码。已编码视频序列的编码可根据视频编码技术或标准进行，且可遵循各种原理，包括可变长度编码、霍夫曼编码(Huffman coding)、具有或不具有上下文灵敏度的算术编码等等。解析器(420)可基于对应于群组的至少一个参数，从已编码视频序列提取用于视频解码器中的像素的子群中的至少一个子群的子群参数集。子群可包括图片群组(Group of Pictures，GOP)、图片、图块、切片、宏块、编码单元(Coding Unit，CU)、块、变换单元(Transform Unit，TU)、预测单元(Prediction Unit，PU)等等。解析器(420)还可从已编码视频序列提取信息，例如变换系数、量化器参数值、运动矢量等等。

解析器(420)可对从缓冲存储器(415)接收的视频序列执行熵解码/解析操作，从而创建符号(421)。

取决于已编码视频图片或一部分已编码视频图片(例如：帧间图片和帧内图片、帧间块和帧内块)的类型以及其它因素，符号(421)的重建可涉及多个不同单元。涉及哪些单元以及涉及方式可由解析器(420)从已编码视频序列解析的子群控制信息控制。为了简洁起见，未描述解析器(420)与下文的多个单元之间的此类子群控制信息流。

除已经提及的功能块以外，视频解码器(410)可在概念上细分成如下文所描述的数个功能单元。在商业约束下运行的实际实施例中，这些单元中的许多单元彼此紧密交互并且可以彼此集成。然而，出于描述所公开主题的目的，概念上细分成下文的功能单元是适当的。

第一单元是缩放器/逆变换单元(451)。缩放器/逆变换单元(451)从解析器(420)接收作为符号(421)的量化变换系数以及控制信息，包括使用哪种变换方式、块大小、量化因子、量化缩放矩阵等。缩放器/逆变换单元(451)可输出包括样本值的块，所述样本值可输入到聚合器(455)中。

在一些情况下，缩放器/逆变换单元(451)的输出样本可属于帧内编码块；即：不使用来自先前重建的图片的预测性信息，但可使用来自当前图片的先前重建部分的预测性信息的块。此类预测性信息可由帧内图片预测单元(452)提供。在一些情况下，帧内图片预测单元(452)采用从当前图片缓冲器(458)提取的已重建信息生成大小和形状与正在重建的块相同的周围块。举例来说，当前图片缓冲器(458)缓冲部分重建的当前图片和/或完全重建的当前图片。在一些情况下，聚合器(455)基于每个样本，将帧内预测单元(452)生成的预测信息添加到由缩放器/逆变换单元(451)提供的输出样本信息中。

在其它情况下，缩放器/逆变换单元(451)的输出样本可属于帧间编码和潜在运动补偿块。在此情况下，运动补偿预测单元(453)可访问参考图片存储器(457)以提取用于预测的样本。在根据符号(421)对提取的样本进行运动补偿之后，这些样本可由聚合器(455)添加到缩放器/逆变换单元(451)的输出(在这种情况下被称作残差样本或残差信号)，从而生成输出样本信息。运动补偿预测单元(453)从参考图片存储器(457)内的地址获取预测样本可受到运动矢量控制，且所述运动矢量以所述符号(421)的形式而供运动补偿预测单元(453)使用，所述符号(421)例如是包括X、Y和参考图片分量。运动补偿还可包括在使用子样本精确运动矢量时，从参考图片存储器(457)提取的样本值的内插、运动矢量预测机制等等。

聚合器(455)的输出样本可在环路滤波器单元(456)中被各种环路滤波技术采用。视频压缩技术可包括环路内滤波器技术，所述环路内滤波器技术受控于包括在已编码视频序列(也称作已编码视频码流)中的参数，且所述参数作为来自解析器(420)的符号(421)可用于环路滤波器单元(456)。然而，在其他实施例中，视频压缩技术还可响应于在解码已编码图片或已编码视频序列的先前(按解码次序)部分期间获得的元信息，以及响应于先前重建且经过环路滤波的样本值。

环路滤波器单元(456)的输出可以是样本流，所述样本流可输出到显示装置(412)以及存储在参考图片存储器(457)，以用于后续的帧间图片预测。

一旦完全重建，某些已编码图片就可用作参考图片以用于将来预测。举例来说，一旦对应于当前图片的已编码图片被完全重建，且已编码图片(通过例如解析器(420))被识别为参考图片，则当前图片缓冲器(458)可变为参考图片存储器(457)的一部分，且可在开始重建后续已编码图片之前重新分配新的当前图片缓冲器。

视频解码器(410)可根据例如ITU-TH.265标准中的预定视频压缩技术执行解码操作。在已编码视频序列遵循视频压缩技术或标准的语法以及视频压缩技术或标准中记录的配置文件的意义上，已编码视频序列可符合所使用的视频压缩技术或标准指定的语法。具体地说，配置文件可从视频压缩技术或标准中可用的所有工具中选择某些工具作为在所述配置文件下可供使用的仅有工具。对于合规性，还要求已编码视频序列的复杂度处于视频压缩技术或标准的层级所限定的范围内。在一些情况下，层级限制最大图片大小、最大帧率、最大重建取样率(以例如每秒兆(mega)个样本为单位进行测量)、最大参考图片大小等。在一些情况下，由层级设定的限制可通过假想参考解码器(Hypothetical ReferenceDecoder，HRD)规范和在已编码视频序列中用信号表示的HRD缓冲器管理的元数据来进一步限定。

在实施例中，接收器(431)可连同已编码视频一起接收附加(冗余)数据。所述附加数据可以是已编码视频序列的一部分。所述附加数据可由视频解码器(410)用以对数据进行适当解码和/或较准确地重建原始视频数据。附加数据可呈例如时域的、空域的、或信噪比(signal noise ratio，SNR)增强层、冗余切片、冗余图片、前向纠错码等形式。

图5是根据本申请公开的实施例的视频编码器(503)的框图。视频编码器(503)设置于电子装置(520)中。电子装置(520)包括传输器(540)(例如传输电路)。视频编码器(503)可用于代替图3实施例中的视频编码器(303)。

视频编码器(503)可从视频源(501)(并非图5实施例中的电子装置(520)的一部分)接收视频样本，所述视频源可采集将由视频编码器(503)编码的视频图像。在另一实施例中，视频源(501)是电子装置(520)的一部分。

视频源(501)可提供将由视频编码器(503)编码的呈数字视频样本流形式的源视频序列，所述数字视频样本流可具有任何合适位深度(例如：8位、10位、12位……)、任何色彩空间(例如BT.601YCrCB、RGB……)和任何合适取样结构(例如YCrCb4:2:0、YCrCb4:4:4)。在媒体服务系统中，视频源(501)可以是存储先前已准备的视频的存储装置。在视频会议系统中，视频源(501)可以是采集本地图像信息作为视频序列的相机。可将视频数据提供为多个单独的图片，当按顺序观看时，这些图片被赋予运动。图片自身可构建为空间像素阵列，其中取决于所用的取样结构、色彩空间等，每个像素可包括一个或多个样本。所属领域的技术人员可以很容易理解像素与样本之间的关系。下文侧重于描述样本。

根据实施例，视频编码器(503)可实时或在由应用所要求的任何其它时间约束下，将源视频序列的图片编码且压缩成已编码视频序列(543)。施行适当的编码速度是控制器(550)的一个功能。在一些实施例中，控制器(550)控制如下文所描述的其它功能单元且在功能上耦接到这些单元。为了简洁起见，图中未标示耦接。由控制器(550)设置的参数可包括速率控制相关参数(图片跳过、量化器、率失真优化技术的λ值等)、图片大小、图片群组(group of pictures，GOP)布局，最大运动矢量搜索范围等。控制器(550)可用于具有其它合适的功能，这些功能涉及针对某一系统设计优化的视频编码器(503)。

在一些实施例中，视频编码器(503)在编码环路中进行操作。作为简单的描述，在实施例中，编码环路可包括源编码器(530)(例如，负责基于待编码的输入图片和参考图片创建符号，例如符号流)和嵌入于视频编码器(503)中的(本地)解码器(533)。解码器(533)以类似于(远程)解码器创建样本数据的方式重建符号以创建样本数据(因为在本申请所考虑的视频压缩技术中，符号与已编码视频码流之间的任何压缩是无损的)。将重建的样本流(样本数据)输入到参考图片存储器(534)。由于符号流的解码产生与解码器位置(本地或远程)无关的位精确结果，因此参考图片存储器(534)中的内容在本地编码器与远程编码器之间也是按比特位精确对应的。换句话说，编码器的预测部分看到的参考图片样本与解码器将在解码期间使用预测时所看到的样本值完全相同。这种参考图片同步性基本原理(以及在例如因信道误差而无法维持同步性的情况下产生的漂移)也用于一些相关技术。

本地解码器(533)的操作可与例如已在上文结合图4详细描述视频解码器(410)的“远程”解码器相同。然而，另外简要参考图4，当符号可用且熵编码器(545)和解析器(420)能够无损地将符号编码/解码为已编码视频序列时，包括缓冲存储器(415)和解析器(420)在内的视频解码器(410)的熵解码部分，可能无法完全在本地解码器(533)中实施。

此时可以观察到，除存在于解码器中的解析/熵解码之外的任何解码器技术，也必定以基本上相同的功能形式存在于对应的编码器中。出于此原因，本申请侧重于解码器操作。可简化编码器技术的描述，因为编码器技术与全面地描述的解码器技术互逆。仅在某些区域中需要更详细的描述，并且在下文提供。

在操作期间，在一些实施例中，源编码器(530)可执行运动补偿预测编码。参考来自视频序列中被指定为参考图片的一个或多个先前已编码图片，所述运动补偿预测编码对输入图片进行预测性编码。以此方式，编码引擎(532)对输入图片的像素块与参考图片的像素块之间的差异进行编码，所述参考图片可被选作所述输入图片的预测参考。

本地视频解码器(533)可基于源编码器(530)创建的符号，对可指定为参考图片的图片的已编码视频数据进行解码。编码引擎(532)的操作可为有损过程。当已编码视频数据可在视频解码器(图5中未示)处被解码时，重建的视频序列通常可以是带有一些误差的源视频序列的副本。本地视频解码器(533)复制解码过程，所述解码过程可由视频解码器对参考图片执行，且可使重建的参考图片存储在参考图片高速缓存(534)中。以此方式，视频编码器(503)可在本地存储重建的参考图片的副本，所述副本与将由远端视频解码器获得的重建参考图片具有共同内容(不存在传输误差)。

预测器(535)可针对编码引擎(532)执行预测搜索。即，对于将要编码的新图片，预测器(535)可在参考图片存储器(534)中搜索可作为所述新图片的适当预测参考的样本数据(作为候选参考像素块)或某些元数据，例如参考图片运动矢量、块形状等。预测器(535)可基于样本块逐像素块操作，以找到合适的预测参考。在一些情况下，根据预测器(535)获得的搜索结果，可确定输入图片可具有从参考图片存储器(534)中存储的多个参考图片取得的预测参考。

控制器(550)可管理源编码器(530)的编码操作，包括例如设置用于对视频数据进行编码的参数和子群参数。

可在熵编码器(545)中对所有上述功能单元的输出进行熵编码。熵编码器(545)根据例如霍夫曼编码、可变长度编码、算术编码等技术对各种功能单元生成的符号进行无损压缩，从而将所述符号转换成已编码视频序列。

传输器(540)可缓冲由熵编码器(545)创建的编码视频序列，从而为通过通信信道(560)进行传输做准备，所述通信信道可以是通向将存储已编码的视频数据的存储装置的硬件/软件链路。传输器(540)可将来自视频编码器(503)的已编码视频数据与要传输的其它数据合并，所述其它数据例如是已编码音频数据和/或辅助数据流(未示出来源)。

控制器(550)可管理视频编码器(503)的操作。在编码期间，控制器(550)可以为每个已编码图片分配某一已编码图片类型，但这可能影响可应用于相应的图片的编码技术。例如，通常可将图片分配为以下任一种图片类型：

帧内图片(I图片)，其可以是不将序列中的任何其它图片用作预测源就可被编码和解码的图片。一些视频编解码器容许不同类型的帧内图片，包括例如独立解码器刷新(Independent Decoder Refresh，“IDR)图片。”所属领域的技术人员了解I图片的变体及其相应的应用和特征。

预测性图片(P图片)，其可以是可使用帧内预测或帧间预测进行编码和解码的图片，所述帧内预测或帧间预测使用至多一个运动矢量和参考索引来预测每个块的样本值。

双向预测性图片(B图片)，其可以是可使用帧内预测或帧间预测进行编码和解码的图片，所述帧内预测或帧间预测使用至多两个运动矢量和参考索引来预测每个块的样本值。类似地，多个预测性图片可使用多于两个参考图片和相关联元数据以用于重建单个块。

源图片通常可在空域上细分成多个样本块(例如，4×4、8×8、4×8或16×16个样本的块)，且逐块进行编码。这些块可参考其它(已编码)块进行预测编码，根据应用于块的相应图片的编码分配来确定所述其它块。举例来说，I图片的块可进行非预测编码，或所述块可参考同一图片的已经编码的块来进行预测编码(空间预测或帧内预测)。P图片的像素块可参考一个先前编码的参考图片通过空间预测或通过时域预测进行预测编码。B图片的块可参考一个或两个先前编码的参考图片通过空间预测或通过时域预测进行预测编码。

视频编码器(503)可根据例如ITU-TH.265建议书的预定视频编码技术或标准执行编码操作。在操作中，视频编码器(503)可执行各种压缩操作，包括利用输入视频序列中的时域和空域冗余的预测编码操作。因此，已编码视频数据可符合所用视频编码技术或标准指定的语法。

在实施例中，传输器(540)可在传输已编码的视频时传输附加数据。源编码器(530)可将此类数据作为编码视频序列的一部分。附加数据可包括时域/空域/SNR增强层、冗余图片和切片等其它形式的冗余数据、SEI消息、VUI参数集片段等。

采集到的视频可作为呈时间序列的多个源图片(视频图片)。帧内图像预测(常简称为帧内预测)利用给定图片中的空间相关性，而帧间图像预测则利用图像之间的(时间或其它)相关性。在实施例中，将正在编码/解码的特定图片分割成块，正在编码/解码的特定图片被称作当前图片。在当前图片中的块类似于视频中先前已编码且仍被缓冲的参考图片中的参考块时，可通过称作运动矢量的矢量对当前图片中的块进行编码。所述运动矢量指向参考图片中的参考块，且在使用多个参考图片的情况下，所述运动矢量可具有识别参考图片的第三维度。

在一些实施例中，双向预测技术可用于帧间图片预测中。根据双向预测技术，使用两个参考图像，例如第一参考图像和第二参考图像，按解码次序它们都在视频中的当前图像之前(但按显示次序可能分别是过去和将来)。可通过指向第一参考图片中的第一参考块的第一运动矢量和指向第二参考图片中的第二参考块的第二运动矢量对当前图片中的块进行编码。具体来说，可通过第一参考块和第二参考块的组合来预测所述块。

此外，合并模式技术可用于帧间图片预测中以改善编码效率。

根据本申请公开的一些实施例，帧间图片预测和帧内图片预测等预测的执行以块为单位。举例来说，根据HEVC标准，将视频图片序列中的图片分割成编码树单元(codingtree unit，CTU)以用于压缩，图片中的CTU具有相同大小，例如64×64像素、32×32像素或16×16像素。一般来说，CTU包括三个编码树块(coding tree block，CTB)，所述三个编码树块是一个亮度CTB和两个色度CTB。更进一步的，还可将每个CTU以四叉树拆分为一个或多个编码单元(coding unit，CU)。举例来说，可将64×64像素的CTU拆分为一个64×64像素的CU，或4个32×32像素的CU，或16个16×16像素的CU。在实施例中，分析每个CU以确定用于CU的预测类型，例如帧间预测类型或帧内预测类型。此外，取决于时间和/或空间可预测性，将CU拆分为一个或多个预测单元(prediction unit，PU)。通常，每个PU包括亮度预测块(prediction block，PB)和两个色度PB。在实施例中，编码(编码/解码)中的预测操作以预测块为单位来执行。以亮度预测块作为预测块为例，预测块包括像素值(例如，亮度值)的矩阵，例如8×8像素、16×16像素、8×16像素、16×8像素等等。

图6是根据本申请公开的另一实施例的视频编码器(603)的图。视频编码器(603)用于接收视频图片序列中的当前视频图片内的样本值的处理块(例如预测块)，且将所述处理块编码到作为已编码视频序列的一部分的已编码图片中。在本实施例中，视频编码器(603)用于代替图3实施例中的视频编码器(303)。

在HEVC实施例中，视频编码器(603)接收用于处理块的样本值的矩阵，所述处理块为例如8×8样本的预测块等。视频编码器(603)使用，例如，率失真(rate-distortion，RD)优化来确定处理块的编码采用帧内模式、帧间模式还是双向预测模式更好。当在帧内模式中编码处理块时，视频编码器(603)可使用帧内预测技术以将处理块编码到已编码图片中；且当在帧间模式或双向预测模式中编码处理块时，视频编码器(603)可分别使用帧间预测或双向预测技术将处理块编码到已编码图片中。在某些视频编码技术中，合并模式可以是帧间图片预测子模式，其中，在不借助预测值外部的已编码运动矢量分量的情况下，从一个或多个运动矢量预测值导出运动矢量。在某些其它视频编码技术中，可存在适用于主题块的运动矢量分量。在实施例中，视频编码器(603)包括其它组件，例如用于确定处理块模式的模式决策模块(未示出)。

在图6的实施例中，视频编码器(603)包括如图6所示的耦接到一起的帧间编码器(630)、帧内编码器(622)、残差计算器(623)、开关(626)、残差编码器(624)、通用控制器(621)和熵编码器(625)。

帧间编码器(630)用于接收当前块(例如处理块)的样本、比较所述块与参考图片中的一个或多个参考块(例如先前图片和后来图片中的块)、生成帧间预测信息(例如根据帧间编码技术的冗余信息描述、运动矢量、合并模式信息)、以及基于帧间预测信息使用任何合适的技术计算帧间预测结果(例如已预测块)。在一些实施例中，参考图片是基于已编码的视频信息解码的已解码参考图片。

帧内编码器(622)用于接收当前块(例如处理块)的采样，在一些情况下将所述块与同一图像中已编码的块进行比较，在变换之后生成量化系数，以及在一些情况下还生成帧内预测信息(例如，根据一个或多个帧内编码技术生成帧内预测方向信息)。在实施例中，帧内编码器(622)还基于帧内预测信息和同一图片中的参考块计算帧内预测结果(例如已预测块)。

通用控制器(621)用于确定通用控制数据，且基于所述通用控制数据控制视频编码器(603)的其它组件。在实施例中，通用控制器(621)确定块的模式，且基于所述模式将控制信号提供到开关(626)。举例来说，当所述模式是帧内模式时，通用控制器(621)控制开关(626)以选择供残差计算器(623)使用的帧内模式结果，且控制熵编码器(625)以选择帧内预测信息且将所述帧内预测信息添加在码流中；以及当所述模式是帧间模式时，通用控制器(621)控制开关(626)以选择供残差计算器(623)使用的帧间预测结果，且控制熵编码器(625)以选择帧间预测信息且将所述帧间预测信息添加在码流中。

残差计算器(623)用于计算所接收的块与选自帧内编码器(622)或帧间编码器(630)的预测结果之间的差(残差数据)。残差编码器(624)用于基于残差数据操作，以对残差数据进行编码以生成变换系数。在实施例中，残差编码器(624)用于在频域对残差数据进行变换，并生成变换系数。变换系数接着经由量化处理以获得量化的变换系数。在各种实施例中，视频编码器(603)还包括残差解码器(628)。残差解码器(628)用于执行逆变换，且生成已解码残差数据。已解码残差数据可适当地由帧内编码器(622)和帧间编码器(630)使用。举例来说，帧间编码器(630)可基于已解码残差数据和帧间预测信息生成已解码块，且帧内编码器(622)可基于已解码残差数据和帧内预测信息生成已解码块。适当处理已解码块以生成已解码图片，且在一些实施例中，所述已解码图片可在存储器电路(未示出)中缓冲并用作参考图片。

熵编码器(625)用于将码流格式化以产生已编码的块。熵编码器(625)根据HEVC标准等合适标准产生各种信息。在实施例中，熵编码器(625)用于获得通用控制数据、所选预测信息(例如帧内预测信息或帧间预测信息)、残差信息和码流中的其它合适的信息。应注意，根据所公开的主题，当在帧间模式或双向预测模式的合并子模式中对块进行编码时，不存在残差信息。

图7是根据本申请公开的另一实施例的视频解码器(710)的图。视频解码器(710)用于接收作为已编码视频序列的一部分的已编码图像，且对所述已编码图像进行解码以生成重建的图片。在实施例中，视频解码器(710)用于代替图3实施例中的视频解码器(310)。

在图7实施例中，视频解码器(710)包括如图7中所示耦接到一起的熵解码器(771)、帧间解码器(780)、残差解码器(773)、重建模块(774)和帧内解码器(772)。

熵解码器(771)可用于根据已编码图片来重建某些符号，这些符号表示构成所述已编码图片的语法元素。此类符号可包括例如用于对所述块进行编码的模式(例如帧内模式、帧间模式、双向预测模式、后两者的合并子模式或另一子模式)、可分别识别供帧内解码器(772)或帧间解码器(780)用以进行预测的某些样本或元数据的预测信息(例如帧内预测信息或帧间预测信息)、呈例如量化的变换系数形式的残差信息等等。在实施例中，当预测模式是帧间或双向预测模式时，将帧间预测信息提供到帧间解码器(780)；以及当预测类型是帧内预测类型时，将帧内预测信息提供到帧内解码器(772)。残差信息可经由逆量化并提供到残差解码器(773)。

帧间解码器(780)用于接收帧间预测信息，且基于所述帧间预测信息生成帧间预测结果。

帧内解码器(772)用于接收帧内预测信息，且基于所述帧内预测信息生成预测结果。

残差解码器(773)用于执行逆量化以提取解量化的变换系数，且处理所述解量化的变换系数，以将残差从频域转换到空域。残差解码器(773)还可能需要某些控制信息(用以获得量化器参数QP)，且所述信息可由熵解码器(771)提供(未标示数据路径，因为这仅仅是低量控制信息)。

重建模块(774)用于在空域中组合由残差解码器(773)输出的残差与预测结果(可由帧间预测模块或帧内预测模块输出)以形成重建的块，所述重建的块可以是重建的图片的一部分，所述重建的图片继而可以是重建的视频的一部分。应注意，可执行解块操作等其它合适的操作来改善视觉质量。

应注意，可使用任何合适的技术来实施视频编码器(303)、视频编码器(503)和视频编码器(603)以及视频解码器(310)、视频解码器(410)和视频解码器(710)。在实施例中，可使用一个或多个集成电路来实施视频编码器(303)、视频编码器(503)和视频编码器(603)以及视频解码器(310)、视频解码器(410)和视频解码器(710)。在另一实施例中，可使用执行软件指令的一个或多个处理器来实施视频编码器(303)、视频编码器(503)和视频编码器(603)以及视频解码器(310)、视频解码器(410)和视频解码器(710)。

本申请公开的各方面所提供的技术，能够精简合并列表中带有偏移的候选运动矢量。

通常，块的运动矢量可以以显式方式编码，从而向运动矢量预测器(例如，高级运动矢量预测或AMVP模式)发送该差异的信号；或者，以隐含的方式，完全由一个先前已编码或已生成的运动矢量进行指示。后一方式被称为合并模式，指通过使用当前块的运动信息将当前块合并到先前编码的块中。

在解码期间，AMVP模式和合并模式均构建候选列表。

图8是一些例子中的空域和时域候选运动信息的示例。

对于帧间预测中的合并模式，候选列表中的合并候选运动信息主要是通过检查来自当前块的空域或时域相邻块的运动信息形成的。在图8的例子中，按照顺序检查候选块A1、B1、B0、A0和B2。当候选块中的任意一个是有效候选块时，例如，其是利用运动矢量进行编码的，那么，有效候选块的运动信息可以被添加到合并候选列表中。通过执行一些减少操作，可确保不会将重复的候选运动信息再次放入列表中。候选块A1、B1、B0、A0和B2邻近当前块的角，并被称为角候选块。

在空域候选运动信息之后，时域候选运动信息也会通过检查被加入到列表中。在一些例子中，可以在指定的参考图片中找到当前块的同位块。将同位块的C0位置(当前块的右下角)处的运动信息作为时域合并候选运动信息。如果该位置的块没有使用帧间模式编码或不可用，则使用C1位置(在同位块的中心的外右下角处)代替。本申请提供了对合并模式进一步改进的技术。

HEVC的高级运动矢量预测(advanced motion vector prediction，AMVP)模式是指使用空域和时域相邻块的运动信息来预测当前块的运动信息，同时对预测残差进一步编码。图8中也示出了空域和时域相邻候选运动信息的示例。

在一些实施例中，在AMVP模式下，形成一个运动矢量预测因子列表，其中有两个候选预测因子。例如，该列表包括第一候选预测因子和第二候选预测因子。第一候选预测因子来自左边缘的第一可用运动矢量，顺序为空域A0、A1位置。第二候选预测因子来自顶部边缘的第一可用运动矢量，顺序为空域B0、B1和B2位置。如果从左边缘或顶部边缘的已检查位置找不到有效的运动矢量，则不将候选预测因子填入列表。如果有两个相同的可用候选预测因子，那么列表中将只保留一个。如果列表不满(具有两个不同的候选预测因子)，则将来自C0位置的时域同位运动矢量(缩放之后)作为另一候选预测因子。如果C0位置处的运动信息不可用，则使用位置C1代替。

一些例子中，如果仍然没有足够的候选运动矢量预测因子，可以将零运动矢量加入列表。

一些实施例中，可以在已有的合并候选预测因子之上标示预测偏移。例如，被称为最终运动矢量表达(ultimate motion vector expression，UMVE)的技术使用一种特殊的合并模式，在该模式中，在已有的合并候选预测因子之上标示偏移(幅度和方向)。在该技术中，标示一些语法元素以描述这种偏移，这些语法元素可以是，例如，预测方向IDX、基础候选IDX、距离IDX、搜索方向IDX等。例如，预测方向IDX用于指示UMVE模式使用哪个预测方向(时域预测方向，例如，L0参考方向、L1参考方向或L0和L1参考方向)。基础候选IDX用于指示已有的合并候选预测因子中的哪个作为应用偏移的起点(基础候选预测因子)。距离IDX用于指示相对于起点的偏移有多大(沿x或y方向，但不是两方向都有)。从固定数量的选项中选择偏移幅度。搜索方向IDX用于指示应用偏移的方向(x或y，+或-方向)。

一个例子中，假设起点MV是MV_S，偏移是MV_offset。那么，最终MV预测因子则是MV_final＝MV_S+MV_offset。

图9是本申请实施例的UMVE的示例。根据实施例，在图9中，起点MV由(911)示出(例如，根据预测方向IDX和基础候选IDX)，偏移由(912)示出(例如，根据距离IDX和搜索方向IDX)，最终MV预测因子由(913)示出。根据另一实施例，在图9中，起点MV由(921)示出(例如，根据预测方向IDX和基本候选IDX)，偏移由(922)示出(例如，根据距离IDX和搜索方向IDX)，最终MV预测因子由(923)示出。

图10是本申请实施例的UMVE的示例。例如，起点MV由(1011)示出(例如，根据预测方向IDX和基础候选IDX)。在图10的例子中，使用了4个搜索方向，例如+Y、-Y、+X和–X，并且这四个搜索方向可以由0、1、2、3来索引。该距离可以由0(到起点MV的距离为0)、1(到起点MV的距离为1s、s表示单位距离)、2(到起点MV的距离为2s)、3(到起点的距离为3s)等来索引。因此，当搜索方向IDX为3，距离IDX为2时，最终MV预测因子由(1015)示出。

另一个例子中，可以对搜索方向和距离的组合进行索引。例如，起点MV由(1021)示出(例如，根据预测方向IDX和基础候选IDX)。如图10所示，搜索方向和距离的组合由0-12索引。

在具有偏移的MV预测因子的相关技术中，每个标示的偏移可以覆盖各种可能的参考区域。这大致等同于表示MV的范围。当多个MV预测因子可用时，诸如HEVC合并候选列表中的那些预测因子，可能存在一些相互足够靠近的合并候选MV预测因子。当两个合并候选MV预测因子相互太接近时，有可能一个候选MV加上允许的偏移等于另一个候选MV，或者非常接近另一个候选MV。在相关技术中，MV及其偏移的信令中存在一些冗余。

本申请公开的各方面提供的技术可降低MV编码的信令成本，并提高编码性能。具体而言，在一些实施例中，可以修改合并候选列表，使得当使用MV偏移时，若列表中已经存在位于新的候选MV预测因子附近的候选MV预测因子时，能妥善地处理该新的候选MV预测因子。

注意，虽然在本申请中使用了对已有的合并候选MV的一维偏移(例如具有x分量和y分量之一，但不是同时具有两者)，但是本申请的技术可以被适当地修改并应用于围绕已有的候选MV预测因子的其他偏移分配方式，例如，同时具有x分量和y分量(例如，非零x分量和非零y分量)的二维偏移。

还应注意的是，虽然在本申请中使用合并模式，但是本申请的技术也可以在跳跃模式中使用。

根据一些实施例，定义了覆盖窗口，用于减少候选MV预测因子。

在实施例中，覆盖窗口被限定为覆盖所有可能偏移值(搜索点)的最小矩形区域。

图11是一些例子中的覆盖窗口的示意图。在图11的例子中，覆盖窗口由参考图片中的起点MV和正、负x方向和y方向上的最大偏移来限定。

在另一实施例中，沿着x和y方向的偏移的搜索方向是固定的(均为要么沿正方向要么沿负方向)。沿着x方向的偏移的搜索方向是正x方向或负x方向中的一个，但不是沿正负两个方向，且沿着y方向的偏移的搜索方向是正y方向或负y方向中的一个，但不是沿正负两个方向。

图12是一些例子中的覆盖窗口的示意图。在图12的例子中，覆盖窗口由参考图片中的起点MV和正x方向和正y方向上的最大偏移来限定。

在另一实施例中，覆盖窗口的大小不是由从起点MV开始的x和y方向上的最大偏移来限定的，而是由比该最大偏移更小的偏移来限定的。

图13是一些例子中的覆盖窗口的示意图。在图13的例子中，覆盖窗口由矩形区域限定，该矩形区域以起点MV为中点，且最小偏移是正、负x方向和y方向上的。

根据本申请的一方面，覆盖窗口用于确定新的候选MV预测因子是否接近已有的候选MV预测因子，例如，通过确定新的候选MV预测因子是否与已有候选MV预测因子的覆盖窗口重叠。

在实施例中，当新的候选MV预测因子位于合并列表中的已有候选MV预测因子的覆盖窗口内时，确定新的候选MV预测因子与已有候选MV预测因子的覆盖窗口重叠。

在另一实施例中，当新的候选MV预测因子位于合并列表中已有候选MV预测因子的覆盖窗口内、且新的候选MV预测因子在已有候选MV预测因子的水平搜索轴线或垂直搜索轴线上时，确定新的候选MV预测因子与已有候选MV预测因子的覆盖窗口重叠。

在另一实施例中，当新的候选MV预测因子位于合并列表中已有候选MV预测因子的覆盖窗口内、且新的候选MV预测因子或新的候选MV预测因子的偏移点中的一个位于已有候选MV预测因子在水平方向或垂直方向上的偏移点中的一个时，确定新的候选MV预测因子与已有候选MV预测因子的覆盖窗口重叠。

在另一实施例中，当新的候选MV预测因子的覆盖窗口与合并列表中已有候选MV预测因子的覆盖窗口重叠时，确定新的候选MV预测因子与已有候选的覆盖窗口重叠。

在另一实施例中，当新的候选MV预测因子的覆盖窗口与合并列表中已有候选MV预测因子的覆盖窗口重叠并且新的候选MV预测因子的MV的x或y分量与已有候选MV预测因子的相应分量相同时(新的候选MV预测因子和已有候选MV预测因子都在相同的水平线或相同的垂直线上)，确定新的候选MV预测因子与已有候选的覆盖窗口重叠。

在另一实施例中，当新的候选MV预测因子的覆盖窗口与合并列表中已有候选MV预测因子的覆盖窗口重叠、且新的候选MV预测因子的MV的x或y分量与已有候选MV预测因子的相应分量相同(新的候选MV预测因子和已有候选MV预测因子都在相同的水平线或相同的垂直线上)、且新的候选MV预测因子的一个或多个偏移点与已有候选MV预测因子的一个或多个偏移点重叠时，确定新的候选MV预测因子与已有候选MV预测因子的覆盖窗口重叠。

在一些例子中，新的候选MV预测因子指向的第一参考图片与进行比较的已有候选MV预测因子所指向的第二参考图片不同，对新的候选MV预测因子和已有候选MV预测因子中的一个或两个进行缩放，使得缩放后，新的候选MV预测因子和已有候选MV预测因子指向相同的参考图片。一个例子中，新的候选MV预测因子来自L0(参考列表)，并因此指向L0参考图片。已有候选MV预测因子来自L1(参考列表)，并因此指向L1参考图片。然后，一个例子中，已有候选MV预测因子(MV)将被缩放到新的候选MV预测因子的参考图片，使得由缩放后的MV利用已有候选MV预测因子生成的覆盖窗口可以与新的候选MV预测因子的覆盖窗口相比较。

注意，当新的候选MV预测因子(或新的候选MV预测因子的覆盖窗口)与已有候选MV预测因子的覆盖窗口重叠时，以较低的优先级处理新的候选MV预测因子。一个例子中，将新的候选MV预测因子从合并候选MV预测因子列表中排除，从而跳过新的候选MV预测因子，并处理(例如，检查)下一个可用候选MV预测因子。在另一个例子中，在所有其它可能的合并候选MV预测因子经过检查加入合并候选列表之后，将该新的候选MV预测因子放入合并列表中。

图14是本申请实施例的示例性过程(1400)的概要流程图。过程(1400)可以用于重建利用帧内模式编码的块，从而为正在重建的块生成预测块。在各实施例中，过程(1400)由处理电路执行，例如终端设备(210)、(220)、(230)和(240)中的处理电路，执行视频编码器(303)的功能的处理电路，执行视频解码器(310)的功能的处理电路，执行视频解码器(410)的功能的处理电路，执行帧内预测模块(452)的功能的处理电路，执行视频编码器(503)的功能的处理电路，执行预测器(535)的功能的处理电路，执行帧内编码器(622)的功能的处理电路，执行帧内解码器(772)的功能的处理电路，等。一些实施例中，过程(1400)由软件指令实现，因此当处理电路执行这些软件指令时，处理电路执行过程(1400)。该过程开始于(S1401)并进入(S1410)。

在(S1410)，从编码视频比特流中确定块的预测信息。该预测信息指示帧间预测模式，该帧间预测模式标示候选列表中的候选基础运动矢量预测因子所关联的偏移。

在(S1420)，候选列表由一个或多个已有的候选基础运动矢量预测因子构成。

在(S1430)，处理电路确定新的候选运动矢量预测因子是否满足与一个或多个已有候选基础运动矢量预测因子的间距关系。当新的候选运动矢量预测因子满足该间距关系时，过程进行到(S1440)；否则，过程进行到(S1450)。

在(S1440)，将该新的候选运动矢量预测因子添加到候选列表中。然后，该过程进入(S1499)，并终止。

在(S1450)，一个例子中，将新的候选运动矢量预测因子排除出候选列表。在另一个例子中，将新的候选运动矢量预测因子以相对较低的检查顺序添加到候选列表中。例如，在其它所有可能的候选MV预测因子经过检查加入候选列表之后，将该新的候选运动矢量预测因子添加到候选列表中。然后，该过程进入(S1499)，并终止。

在一些例子中，处理电路进一步对特定的候选基础运动矢量预测因子的候选索引、以及来自编码视频比特流的偏移索引进行解码。基于候选索引和偏移的偏移索引，处理电路确定特定的候选基础运动矢量预测因子和偏移，并将该特定的候选基础运动矢量预测因子和偏移进行组合，以确定最终的运动矢量。然后，处理电路基于该最终的运动矢量重建该块的采样。

本申请各实施例还提供一种用于视频解码的装置。该装置可以包括：

解码模块，用于对编码视频比特流中当前图片的块的预测信息进行解码，所述预测信息指示帧间预测模式，该帧间预测模式标示候选列表中的一个候选基础运动矢量预测因子所关联的偏移；

列表构建模块，用于，响应于所述帧间预测模式，利用一个或多个已有的候选基础运动矢量预测因子来构建所述候选列表；

间距判断模块，用于，当新的运动矢量预测因子满足与所述一个或多个已有候选基础运动矢量预测因子的间距要求时，将所述新的运动矢量预测因子添加到所述候选列表中；

解码模块，用于对所述候选列表中特定的候选基础运动矢量预测因子的索引以及所述特定的候选基础运动矢量预测因子所关联的所述偏移进行解码，以确定用于块重建的最终运动矢量；及

重建模块，用于根据所述最终运动矢量重建所述块的至少一个采样。

一些实施例中，所述间距判断模块可以：

根据所述新的运动矢量预测因子的位置确定所述新的运动矢量预测因子与已有候选基础运动矢量预测因子的覆盖窗口的间距关系；

当所述间距关系表示所述新的运动矢量预测因子与已有候选基础运动矢量预测因子的覆盖窗口不重叠时，确定所述新的运动矢量预测因子满足与所述一个或多个已有候选基础运动矢量预测因子的间距要求。

一些实施例中，当所述新的运动矢量预测因子不满足与所述一个或多个现有基本运动矢量预测因子候选的所述间距要求时，所述间距判断模块还可以将所述新的运动矢量预测因子排除出所述候选列表。

一些实施例中，当所述新的运动矢量预测因子不满足与所述已有候选基础运动矢量预测因子的所述间距要求时，所述间距判断模块还可以将所述新的运动矢量预测因子添加在所述候选列表中一个或多个候选MV预测因子之后。

一些实施例中，所述间距判断模块可以将至少一个预测因子缩放到相同的参考图片中，所述至少一个预测因子选自：所述新的运动矢量预测因子和所述一个或多个已有候选基础运动矢量预测因子；并在所述相同的参考图片中，判断所述新的运动矢量预测因子是否满足与所述一个或多个已有候选基础运动矢量预测因子的间距要求。

本申请各实施例还提供一种用于视频编码的方法。该方法可以包括：

在帧间预测模式下，利用一个或多个已有的候选基础运动矢量预测因子来构建候选列表；

当新的运动矢量预测因子满足与所述一个或多个已有候选基础运动矢量预测因子的间距要求时，将所述新的运动矢量预测因子添加到所述候选列表中；

针对视频流中当前图片的当前块，从所述候选列表中确定用于预测所述当前块的运动矢量预测因子的至少一个候选基础运动矢量预测因子，生成所述当前块的预测信息，所述预测信息指示帧间预测模式，该帧间预测模式标示候选列表中的一个候选基础运动矢量预测因子所关联的偏移；及

对候选列表和所述当前块的预测信息进行编码，并利用编码结果生成编码视频比特流。

其中，对新的运动矢量预测因子的处理与上述实施例中解码方法中所描述的处理方法相同，这里不再赘述。

上述技术可以使用计算机可读指令实现为计算机软件，并且物理地存储在一个或多个计算机可读介质中。例如，图15为适于实现本申请一些实施例的计算机系统(1500)。

计算机软件可利用任何合适的机器代码或计算机语言来编码，可采用汇编、编译、链接或类似机制生成指令代码。这些指令代码可由一个或多个计算机中央处理单元(CPU)、图形处理单元(GPU)等直接执行或通过代码解释、微代码执行等操作来执行。

这些指令可在多种类型的计算机或计算机组件中执行，包括，例如，个人计算机、平板电脑、服务器、智能电话、游戏设备、物联网设备等。

图15所示的用于计算机系统(1500)的组件本质上是示例性的，而非旨在对实现本申请实施例的计算机软件的使用或功能范围做任何限制。也不应将组件的配置方式解释为对计算机系统(1500)的示例性实施例中的任一部件或其组合具有任何的依赖性或要求。

计算机系统(1500)可以包括某些人机界面输入设备。这样的人机界面输入设备可以响应于一个或多个人类用户通过例如触觉输入(诸如键击、挥动、数据手套移动)、音频输入(诸如语音、拍击)、视觉输入(诸如姿势)、嗅觉输入(未示出)的输入。人机界面设备还可用于捕捉不必直接与人类有意识输入相关的某些介质，例如音频(诸如语音、音乐、环境声音)、图像(诸如扫描的图像、从静止图像相机获得的摄影图像)、视频(诸如二维视频，包括立体视频的三维视频)。

人机界面输入设备可包括以下项中的一种或多种(每一种仅描绘一个)：键盘(1501)、鼠标(1502)、触控板(1503)、触摸屏(1510)、数据手套(未示出)、操纵杆(1505)、麦克风(1506)、扫描仪(1507)、照相机(1508)。

计算机系统(1500)还可以包括某些人机界面输出设备。这样的人机界面输出设备可以通过例如触觉输出、声音、光和气味/味道来刺激一个或多个人类用户的感觉。这种人机界面输出设备可以包括触觉输出设备(例如通过触摸屏(1510)、数据手套(未示出)或操纵杆(1505)的触觉反馈，但是也可以有不用作输入设备的触觉反馈设备)、音频输出设备(诸如扬声器(1509)、耳机(未示出))、可视输出设备以及打印机(未示出)，其中可视输出设备诸如屏幕(1510)、虚拟现实眼镜(未示出)、全息显示器和烟雾箱(未示出)，屏幕(1310)包括阴极射线管(CRT)屏幕、液晶显示器(LCD)屏幕、等离子屏幕、有机发光二极管(OLED)屏幕，每一种都具有或不具有触摸屏输入能力，每一种都具有或不具有触觉反馈能力，这些屏幕中的一些能够通过手段(诸如立体图像输出)输出二维可视输出或多于三维的输出。

计算机系统(1500)还可以包括人类可访问的存储设备及其相关联的介质，诸如光学介质(包括具有CD/DVD的CD/DVDROM/RW(1520))或类似介质(1521)、拇指驱动器(1522)、可移动硬盘驱动器或固态驱动器(1523)、传统磁介质(诸如磁带和软盘(未示出))、基于专用ROM/ASIC/PLD的设备(诸如安全道尔芯片(未示出))，等等。

本领域技术人员还应当理解，结合当前公开的主题使用的术语“计算机可读介质”不包括传输介质、载波或其它瞬时信号。

计算机系统(1500)还可以包括连接一个或多个通信网络的接口。网络可以是，例如，无线网络、有线网络、光网络。网络还可以是本地网、广域网、城域网、车联网的和工业网络、实时网络、延迟容忍网络等等。网络的示例包括局域网(诸如以太网、无线LAN)、蜂窝网络(包括全球移动通信系统(GSM)、第三代移动通信系统(3G)、***移动通信系统(4G)、第五代移动通信系统(5G)、长期演进(LTE)等)、电视有线或无线广域数字网络(包括有线电视、***和地面广播电视)、车辆和工业网络(包括CANBus)，等等。某些网络通常需要外部网络接口适配器，该外部网络接口适配器连接到某些通用数据端口或***总线(1549)(诸如计算机系统(1500)的通用串行总线(USB)端口)；其他的通常通过如下所述连接到系统总线而集成到计算机系统(1500)的核心中(例如，进入个人计算机系统的以太网接口或进入智能手机计算机系统的蜂窝网络接口)。通过使用这些网络中的任何一个，计算机系统(1500)可以与其它实体通信。这种通信可以是使用局域或广域数字网络的到其它计算机系统的单向的、仅接收的(例如广播TV)、单向仅发送的(例如到某些CAN总线设备的CAN总线)或双向的通信。可以在如上所述的那些网络和网络接口中的每一个上使用某些协议和协议栈。

上述人机界面设备、人类可访问存储设备和网络接口可以连接到计算机系统(1500)的内核(1540)。

内核(1540)可以包括一个或多个中央处理单元(CPU)(1541)、图形处理单元(GPU)(1542)、以现场可编程门阵列(FPGA)(1543)形式存在的专用可编程处理单元、用于特定任务的硬件加速器(1544)等。这些设备，以及只读存储器(ROM)(1545)，随机存取存储器(1546)，内部大容量存储器(如内部非用户可访问硬盘驱动器，SSD)(1547)等，可以通过系统总线(1548)相互连接。在一些计算机系统中，系统总线(1548)可以以一个或多个物理插头的形式访问，从而通过附加的CPU，GPU等实现扩展。***设备可以直接，或者通过***总线(1548)，连接到内核的系统总线(1549)。***总线的架构包括PCI，USB等。

CPU(1541)、GPU(1542)、FPGA(1543)和加速器(1544)可以执行某些指令，这些指令组合起来可以构成前述的计算机代码。该计算机代码可以存储在ROM(1545)或RAM(1546)中。中间数据也可以存储在RAM(1546)中，而永久数据可以存储在，例如，内部大容量存储器(1547)中。可以通过使用高速缓冲存储器来实现到任何存储器设备的快速存储和读取，高速缓存存储器可以与一个或多个CPU(1541)、GPU(1542)、大容量存储器(1547)、ROM(1545)、RAM(1546)等紧密关联。

计算机可读介质上可以具有计算机代码，在计算机代码上执行各种计算机执行的操作。介质和计算机代码可以是为本申请的目的而特别设计和构造的，也可以是计算机软件领域的技术人员所熟知和可用的介质和代码。

作为示例而非限制，具有体系结构(1500)的计算机系统，特别是内核(1540)，可以提供处理器(包括CPU、GPU、FPGA、加速器等)执行在一个或多个有形的计算机可读介质中的软件而实现的功能。这样的计算机可读介质可以是与如上所述的用户可访问大容量存储器相关联的介质，以及非暂时性的内核(1540)的某些存储，诸如内核内部大容量存储器(1547)或ROM(1545)。实现本申请各实施例的软件可以存储在这样的设备中并由内核(1540)执行。根据特定需要，计算机可读介质可包括一个或多个存储器设备或芯片。该软件可以使内核(1540)，特别是其中的处理器(包括CPU，GPU，FPGA等)，执行本文描述的特定过程或特定过程的特定部分，包括定义存储在RAM(1546)中的数据结构，以及根据软件定义的过程修改这些数据结构。作为补充或作为替代，计算机系统可提供与电路(例如加速器1544)中的逻辑硬连线或其它组件相同的功能，可代替软件或与软件一起操作以执行本文所述的特定过程或特定过程的特定部分。在适当的情况下，对软件的引用可以包括逻辑，反之亦然。在适当的情况下，对计算机可读介质的引用可包括存储执行软件的电路(如集成电路(IC))，包括执行逻辑的电路，或两者兼备。本申请包括硬件和软件的任何适当组合。

附录A：缩略语

JEM:joint exploration model联合勘探模型

VVC:versatile video coding多功能视频编码

BMS:benchmark set基准集合

MV:Motion Vector运动矢量

HEVC:High Efficiency Video Coding高效视频编码

SEI:Supplementary Enhancement Information补充增强信息

VUI:Video Usability Information视频可用性信息

GOPs:Group of Pictures图像组

TUs:Transform Units,变换单元

PUs:Prediction Units预测单元

CTUs:Coding Tree Units编码树单元

CTBs:Coding Tree Blocks编码树块

PBs:Prediction Blocks预测块

HRD:Hypothetical Reference Decoder假想参考解码器

SNR:Signal Noise Ratio信噪比

CPUs:Central Processing Units中央处理单元

GPUs:Graphics Processing Units图形处理单元

CRT:Cathode Ray Tube阴极射线管

LCD:Liquid-Crystal Display液晶显示器

OLED:Organic Light-Emitting Diode有机发光二极管

CD:Compact Disc光盘

DVD:Digital Video Disc数字视频盘

ROM:Read-Only Memory只读存储器

RAM:Random Access Memory随机存取存储器

ASIC:Application-Specific Integrated Circuit专用集成电路

PLD:Programmable Logic Device可编程逻辑设备

LAN:Local Area Network局域网

GSM:Global System for Mobile communications全球移动通信系统

LTE:Long-Term Evolution长期演进

CANBus:Controller Area Network Bus控制器区域网络总线

USB:Universal Serial Bus通用串行总线

PCI:Peripheral Component Interconnect***设备组件互联

FPGA:Field Programmable Gate Array现场可编程门阵列

SSD:solid-state drive固态硬盘

IC:Integrated Circuit集成电路

CU:Coding Unit编码单元

虽然本申请已对多个示例性实施例进行了描述，但实施例的各种变更、置换和各种替代属于本申请的范围内。因此应理解，本领域技术人员能够设计多种系统和方法，所述系统和方法虽然未在本文中明确展示或描述，但其体现了本申请的原则，因此属于本申请的精神和范围之内。。