阅读说明：本技术 视频解码的方法和装置、计算机设备及存储介质 (Video decoding method and device, computer equipment and storage medium ) 是由 徐萌 李翔 刘杉 于 2019-07-05 设计创作，主要内容包括：本申请的各实施例提供视频解码的方法和装置、计算机设备及存储介质。在一些实施例中,一种视频解码的方法包括：从已编码视频比特流中解码当前图片中的第一块的预测信息,所述预测信息表示根据运动矢量预测值确定所述第一块的第一运动矢量的帧间预测模式；响应于帧间预测模式,创建候选运动矢量预测值的候选列表,所述候选列表不包括多个第二块,所述多个第二块在运动矢量推导过程中需要执行一个或多个操作来确定第二块的第二运动矢量；基于候选运动矢量预测值的候选列表确定第一块的第一运动矢量；根据第一块的第一运动矢量重建第一块。(Embodiments of the present application provide a method and apparatus for video decoding, a computer device, and a storage medium. In some embodiments, a method of video decoding comprises: decoding prediction information for a first block in a current picture from an encoded video bitstream, the prediction information representing an inter prediction mode in which a first motion vector for the first block is determined from a motion vector predictor; in response to an inter prediction mode, creating a candidate list of candidate motion vector predictors, the candidate list not including a plurality of second blocks required to perform one or more operations to determine a second motion vector of a second block in a motion vector derivation process; determining a first motion vector for the first block based on the candidate list of candidate motion vector predictors; the first block is reconstructed from the first motion vector of the first block.)

视频解码的方法和装置、计算机设备及存储介质

通过引用并入本文

本申请要求于2018年7月13日提交的、申请号为62/698,012、发明名称为“对解码器端运动推导和修正的改进约束”的美国临时申请的优先权，以及于2018年12月26日提交的、申请号为16/232,618、发明名称为“视频编码的方法和装置”的美国申请的优先权，其全部内容将通过引用并入本申请中。

技术领域

本申请涉及视频编解码技术，特别涉及视频解码的方法和装置、计算机设备及存储介质。

背景技术

通过具有运动补偿的帧间图片预测技术，可以进行视频编码和解码。未压缩的数字视频可包括一系列图片，每个图片具有例如1920×1080亮度样本及相关色度样本的空间维度。所述系列图片具有固定的或可变的图片速率(也非正式地称为帧率)，例如每秒60个图片或60Hz。未压缩的视频具有非常大的比特率要求。例如，每个样本8比特的1080p60 4:2:0的视频(1920x1080亮度样本分辨率，60Hz帧率)要求接近1.5Gbit/s带宽。一小时这样的视频就需要超过600GB的存储空间。

视频编码和解码的一个目的，是通过压缩减少输入视频信号的冗余信息。视频压缩可以帮助降低对上述带宽或存储空间的要求，在某些情况下可降低两个或更多数量级。无损和有损压缩，以及两者的组合均可采用。无损压缩是指从压缩的原始信号中重建原始信号精确副本的技术。当使用有损压缩时，重建信号可能与原始信号不完全相同，但是原始信号和重建信号之间的失真足够小，使得重建信号可用于预期应用。有损压缩广泛应用于视频。容许的失真量取决于应用。例如，相比于电视应用的用户，某些消费流媒体应用的用户可以容忍更高的失真。可实现的压缩比反映出：较高的允许/容许失真可产生较高的压缩比。

运动补偿可以是一种有损压缩技术，且可涉及如下技术：来自先前重建的图片或重建图片一部分(参考图片)的样本数据块在空间上按运动矢量(下文称为MV)指示的方向移位后，用于新重建的图片或图片部分的预测。在某些情况下，参考图片可与当前正在重建的图片相同。MV可具有两个维度X和Y，或者三个维度，其中第三个维度表示使用中的参考图片(后者间接地可为时间维度)。

在一些视频压缩技术中，应用于某个样本数据区域的MV可根据其它MV来预测，例如根据与正在重建的区域空间相邻的另一个样本数据区域相关的、且按解码顺序在该MV前面的那些MV。这样做可以大大减少编码MV所需的数据量，从而消除冗余信息并增加压缩量。MV预测可以有效地进行，例如，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，存在一种统计上的可能性，即面积大于单个MV适用区域的区域，会朝着类似的方向移动，因此，在某些情况下，可以用邻近区域的MV导出的相似运动矢量进行预测。这导致针对给定区域发现的MV与根据周围MV预测的MV相似或相同，并且在熵编码之后，又可以用比直接编码MV时使用的比特数更少的比特数来表示。在某些情况下，MV预测可以是对从原始信号(即样本流)导出的信号(即MV)进行无损压缩的示例。在其它情况下，MV预测本身可能是有损的，例如由于根据几个周围MV计算预测值时产生的取整误差。

H.265/HEVC(ITU-T Rec.H.265，“高效视频编码”，2016年12月)描述了各种MV预测机制。在H.265所提供的多种MV预测机制中，本文描述的是一种下文称为“空间合并”的技术。

发明内容

本申请实施例提供了视频解码的方法和装置、计算机设备及存储介质，旨在解决由于当前块的运动矢量的确定依赖于先前块的重建，从而导致流水线延迟的问题。

根据本申请实施例，提供一种视频解码的方法，包括：

从已编码视频比特流中解码当前图片的第一块的预测信息，所述预测信息表示根据运动矢量预测值确定所述第一块的第一运动矢量的帧间预测模式；

响应于所述帧间预测模式，创建候选运动矢量预测值的候选列表，所述候选列表不包括多个第二块，所述多个第二块在运动矢量推导过程中需要执行一个或多个操作来确定所述第二块的第二运动矢量；

基于所述候选运动矢量预测值的候选列表，确定所述第一块的第一运动矢量；以及

根据所述第一块的第一运动矢量重建所述第一块。

根据本申请实施例，提供一种视频解码的装置，包括：

解码模块，用于从已编码视频比特流中解码当前图片的第一块的预测信息，所述预测信息表示根据运动矢量预测值确定所述第一块的第一运动矢量的帧间预测模式；

创建模块，用于响应于所述帧间预测模式，创建候选运动矢量预测值的候选列表，所述候选列表不包括多个第二块，所述多个第二块在运动矢量推导过程中需要执行一个或多个操作来确定所述第二块的第二运动矢量；

确定模块，用于基于所述候选运动矢量预测值的候选列表，确定所述第一块的第一运动矢量；以及

重建模块，用于根据所述第一块的第一运动矢量重建所述第一块。

根据本申请实施例，还提供一种非易失性计算机可读存储介质，其存储有指令，当所述指令被用于进行视频解码的计算机执行时，使得所述计算机执行所述视频解码的方法。

根据本申请实施例，还提供一种计算机设备，所述设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条指令，所述至少一条指令由所述一个或多个处理器加载并执行以实现如上所述的视频解码的方法。

通过本申请的实施例，当前块的运动矢量的确定不依赖于先前块的重建，因此可以在重建先前块的同时确定当前块的运动矢量，从而减少或避免流水线延迟，提高解码效率。

附图说明

根据以下详细描述和附图，所公开的主题的其他特征、性质和各种优点将进一步明确，其中：

图1是根据一实施例的通信系统的简化框图的示意图；

图2是根据另一实施例的通信系统的简化框图的示意图；

图3是根据一实施例的解码器的简化框图的示意图；

图4是根据一实施例的编码器的简化框图的示意图；

图5示出了根据另一实施例的编码器的框图；

图6示出了根据另一实施例的解码器的框图；

图7示出了根据本申请实施例的当前块和空间合并候选；

图8示出了根据本申请实施例的进行双向匹配的示例；

图9示出了根据本申请实施例的进行模板匹配的示例；

图10示出了根据本申请实施例的第一流水线处理示例和第二流水线处理示例；

图11示出了基于双向模板匹配的DMVR实施例；

图12A和12B示出了解码顺序从0到3的当前块与其先前块之间的空间关系的实施例；

图13示出了根据本申请一实施例的概述过程的流程图；

图14示出了根据一实施例的计算机系统的示意图。

具体实施方式

图1是根据本申请公开的实施例的通信系统(100)的简化框图。通信系统(100)包括多个终端装置，所述终端装置可通过例如网络(150)彼此通信。举例来说，通信系统(100)包括通过网络(150)互连的终端装置(110)和终端装置(120)。在图1的实施例中，终端装置(110)和终端装置(120)执行单向数据传输。举例来说，终端装置(110)可对视频数据(例如由终端装置(110)采集的视频图片流)进行编码以通过网络(150)传输到另一终端装置(120)。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。终端装置(120)可从网络(150)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(100)包括执行已编码视频数据的双向传输的终端装置(130)和(140)，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，终端装置(130)和终端装置(140)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(150)传输到终端装置(130)和终端装置(140)中的另一终端装置。终端装置(130)和终端装置(140)中的每个终端装置还可接收由终端装置(130)和终端装置(140)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1的实施例中，终端装置(110)、终端装置(120)、终端装置(130)和终端装置(140)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(150)表示在终端装置(110)、终端装置(120)、终端装置(130)和终端装置(140)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(150)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。出于本论述的目的，除非在下文中有所解释，否则网络(150)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2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(213)，所述采集子系统可包括数码相机等视频源(201)，所述视频源创建未压缩的视频图片流(202)。在实施例中，视频图片流(202)包括由数码相机拍摄的样本。相较于已编码的视频数据(204)(或已编码的视频码流)，视频图片流(202)被描绘为粗线以强调高数据量的视频图片流，视频图片流(202)可由电子装置(220)处理，所述电子装置(220)包括耦接到视频源(201)的视频编码器(203)。视频编码器(203)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实施例。相较于视频图片流(202)，已编码的视频数据(204)(或已编码的视频码流(204))被描绘为细线以强调较低数据量的已编码的视频数据(204)(或已编码的视频码流(204))，其可存储在流式传输服务器(205)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2中的客户端子系统(206)和客户端子系统(208)，可访问流式传输服务器(205)以检索已编码的视频数据(204)的副本(207)和副本(209)。客户端子系统(206)可包括例如电子装置(230)中的视频解码器(210)。视频解码器(210)对已编码的视频数据的传入副本(207)进行解码，且产生可在显示器(212)(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(211)。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(204)、视频数据(207)和视频数据(209)(例如视频码流)进行编码。该些标准的实施例包括ITU-T H.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。

应注意，电子装置(220)和电子装置(230)可包括其它组件(未示出)。举例来说，电子装置(220)可包括视频解码器(未示出)，且电子装置(230)还可包括视频编码器(未示出)。

图3是根据本申请公开的实施例的视频解码器(310)的框图。视频解码器(310)可设置在电子装置(330)中。电子装置(330)可包括接收器(331)(例如接收电路)。视频解码器(310)可用于代替图2实施例中的视频解码器(210)。

接收器(331)可接收将由视频解码器(310)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(301)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(331)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(331)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(315)可耦接在接收器(331)与熵解码器/解析器(320)(此后称为“解析器(320)”)之间。在某些应用中，缓冲存储器(315)是视频解码器(310)的一部分。在其它情况下，所述缓冲存储器(315)可设置在视频解码器(310)外部(未标示)。而在其它情况下，视频解码器(310)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(310)的内部可配置另一缓冲存储器(315)以例如处理播出定时。而当接收器(331)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(315)，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(315)，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(310)外部的类似元件(未标示)中。

视频解码器(310)可包括解析器(320)以根据已编码视频序列重建符号(321)。这些符号的类别包括用于管理视频解码器(310)的操作的信息，以及用以控制显示装置(312)(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(330)的组成部分，但可耦接到电子装置(330)，如图3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(320)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(320)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、条带、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(320)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(320)可对从缓冲存储器(315)接收的视频序列执行熵解码/解析操作，从而创建符号(321)。

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(321)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(320)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(320)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(310)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(351)。缩放器/逆变换单元(351)从解析器(320)接收作为符号(321)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(351)可输出包括样本值的块，所述样本值可输入到聚合器(355)中。

在一些情况下，缩放器/逆变换单元(351)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(352)提供。在一些情况下，帧内图片预测单元(352)采用从当前图片缓冲器(358)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(358)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(355)基于每个样本，将帧内预测单元(352)生成的预测信息添加到由缩放器/逆变换单元(351)提供的输出样本信息中。

在其它情况下，缩放器/逆变换单元(351)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(353)可访问参考图片存储器(357)以提取用于预测的样本。在根据符号(321)对提取的样本进行运动补偿之后，这些样本可由聚合器(355)添加到缩放器/逆变换单元(351)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(353)从参考图片存储器(357)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(321)的形式而供运动补偿预测单元(353)使用，所述符号(321)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(357)提取的样本值的内插、运动矢量预测机制等等。

聚合器(355)的输出样本可在环路滤波器单元(356)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(320)的符号(321)可用于环路滤波器单元(356)。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(356)的输出可以是样本流，所述样本流可输出到显示装置(312)以及存储在参考图片存储器(357)，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(320))被识别为参考图片，则当前图片缓冲器(358)可变为参考图片存储器(357)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(310)可根据例如ITU-T H.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(331)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(310)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间、空间或信噪比(signal noise ratio，SNR)增强层、冗余条带、冗余图片、前向纠错码等形式。

图4是根据本申请公开的实施例的视频编码器(403)的框图。视频编码器(403)设置于电子装置(420)中。电子装置(420)包括传输器(440)(例如传输电路)。视频编码器(403)可用于代替图2实施例中的视频编码器(203)。

视频编码器(403)可从视频源(401)(并非图4实施例中的电子装置(420)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(403)编码的视频图像。在另一实施例中，视频源(401)是电子装置(420)的一部分。

视频源(401)可提供将由视频编码器(403)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.601Y CrCB、RGB……)和任何合适取样结构(例如Y CrCb 4:2:0、Y CrCb 4:4:4)。在媒体服务系统中，视频源(401)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(401)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(403)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(443)。施行适当的编码速度是控制器(450)的一个功能。在一些实施例中，控制器(450)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(450)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(450)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(403)。

在一些实施例中，视频编码器(403)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(430)(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(403)中的(本地)解码器(433)。解码器(433)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(434)。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(434)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(433)的操作可与例如已在上文结合图3详细描述视频解码器(310)的“远程”解码器相同。然而，另外简要参考图3，当符号可用且熵编码器(445)和解析器(320)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(315)和解析器(320)在内的视频解码器(310)的熵解码部分，可能无法完全在本地解码器(433)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(430)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(432)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(433)可基于源编码器(430)创建的符号，对可指定为参考图片的已编码视频数据进行解码。编码引擎(432)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4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(433)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(434)中。以此方式，视频编码器(403)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(435)可针对编码引擎(432)执行预测搜索。即，对于将要编码的新图片，预测器(435)可在参考图片存储器(434)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(435)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(435)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(434)中存储的多个参考图片取得的预测参考。

控制器(450)可管理源编码器(430)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(445)中对所有上述功能单元的输出进行熵编码。熵编码器(445)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(440)可缓冲由熵编码器(445)创建的已编码视频序列，从而为通过通信信道(460)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(440)可将来自视频编码器(403)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(450)可管理视频编码器(403)的操作。在编码期间，控制器(450)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。

源图片通常可在空间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(403)可根据例如ITU-T H.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(403)可执行各种压缩操作，包括利用输入视频序列中的时间和空间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(440)可传输附加数据和已编码的视频。此类数据可以是已编码视频序列的一部分。附加数据可包括时间/空间/SNR增强层、冗余图片和条带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)。帧内图片预测(常常简化为帧内预测)利用给定图片中的空间相关性，而帧间图片预测则利用图片之间的(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，使用两个参考图片，例如按解码次序都在视频中的当前图片之前(但按显示次序可能分别是过去和将来)第一参考图片和第二参考图片。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5是根据本申请公开的另一实施例的视频编码器(503)的图。视频编码器(503)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(503)用于代替图2实施例中的视频编码器(203)。

在HEVC实施例中，视频编码器(503)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(503)使用例如率失真(rate-distortion，RD)优化来确定是否使用帧内模式、帧间模式或双向预测模式来编码所述处理块。当在帧内模式中编码处理块时，视频编码器(503)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(503)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(503)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5的实施例中，视频编码器(503)包括如图5所示的耦接到一起的帧间编码器(530)、帧内编码器(522)、残差计算器(523)、开关(526)、残差编码器(524)、通用控制器(521)和熵编码器(525)。

帧间编码器(530)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(522)用于接收当前块(例如处理块)的样本、在一些情况下比较所述块与同一图片中已编码的块、在变换之后生成量化系数、以及在一些情况下还(例如根据一个或多个帧内编码技术的帧内预测方向信息)生成帧内预测信息。在实施例中，帧内编码器(522)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(521)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(503)的其它组件。在实施例中，通用控制器(521)确定块的模式，且基于所述模式将控制信号提供到开关(526)。举例来说，当所述模式是帧内模式时，通用控制器(521)控制开关(526)以选择供残差计算器(523)使用的帧内模式结果，且控制熵编码器(525)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(521)控制开关(526)以选择供残差计算器(523)使用的帧间预测结果，且控制熵编码器(525)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(523)用于计算所接收的块与选自帧内编码器(522)或帧间编码器(530)的预测结果之间的差(残差数据)。残差编码器(524)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(524)用于将残差数据从空域转换到频域，且生成变换系数。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(503)还包括残差解码器(528)。残差解码器(528)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(522)和帧间编码器(530)使用。举例来说，帧间编码器(530)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(522)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(525)用于将码流格式化以产生已编码的块。熵编码器(525)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(525)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6是根据本申请公开的另一实施例的视频解码器(610)的图。视频解码器(610)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(610)用于代替图2实施例中的视频解码器(210)。

在图6实施例中，视频解码器(610)包括如图6中所示耦接到一起的熵解码器(671)、帧间解码器(680)、残差解码器(673)、重建模块(674)和帧内解码器(672)。

熵解码器(671)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(672)或帧间解码器(680)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(680)；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(672)。残差信息可经由逆量化并提供到残差解码器(673)。

帧间解码器(680)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(672)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(673)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间域。残差解码器(673)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(671)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(674)用于在空间域中组合由残差解码器(673)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(203)、视频编码器(403)和视频编码器(503)以及视频解码器(210)、视频解码器(310)和视频解码器(610)。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(203)、视频编码器(403)和视频编码器(503)以及视频解码器(210)、视频解码器(310)和视频解码器(610)。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(203)、视频编码器(403)和视频编码器(503)以及视频解码器(210)、视频解码器(310)和视频解码器(610)。

本申请的各个方面提供了对混合视频编码技术中的解码器端运动矢量(MV)进行推导或修正的技术。具体地，本申请提供了MV推导或修正的约束条件，以解决当前块的MV解析和预取需要在重建前一块的MV之后才能进行的问题。

参考图7，当前块(701)包括编码器在运动搜索过程中发现的样本，这些样本可以从空间移位后具有相同大小的前一块中预测出来。本实施例中，不是直接对MV进行编码，而是通过使用与五个周围样本中的任何一个相关联的MV，从与一个或多个参考图片相关联的元数据中推导出该MV，例如，从最新的(按解码顺序)参考图片中推导出。其中，该五个周围样本分别用A0、A1和B0、B1、B2(分别为图7中的702到706)表示。在一些实施例中，可使用相邻块正在使用的同一参考图片的预测值进行MV预测。

在一些实施例中，使用用于帧间图片预测的合并模式。在一个实施例中，当合并标记(包括跳过标记)被识别为真时，通过信号发出合并索引，以指示合并候选列表中的哪个候选用于表示当前块的运动矢量。在解码器中，基于当前块的空间和时间相邻块来创建合并候选列表。如图7所示，A0、A1和B0、B1、B2的相邻MV可添加到合并候选列表中。此外，在一个实施例中，将来自当前块的时间相邻块的MV添加到合并候选列表中。需注意，可以将诸如组合双向预测候选和零运动矢量候选等附加合并候选添加到合并候选列表中。

在一些实施例中，帧速率上转换(FRUC，frame-rate up-conversion)技术可用于特定合并模式中，称为FRUC合并模式。FRUC合并模式是一种基于帧速率上转换技术的特殊合并模式。在FRUC合并模式下，当前块的运动信息不用信号通知，而是在解码器端推导出。在FRUC合并模式中，当前块的MV由相邻MV推导出的几个起点进行修正。

在一个实施例中，当FRUC标记为真时，从编码器端到解码器端通过信号为CU发出FRUC标记。当FRUC标记为假时，通过信号发出合并索引并使用常规合并模式。当FRUC标记为真时，通过信号发出附加FRUC模式标记，以指示将使用哪种方法(双向匹配或模板匹配)来推导出CU的运动信息。

在一些实施例中，FRUC合并模式中的运动推导过程包括两个步骤。在第一步骤中，执行CU级运动搜索，然后在第二步骤中，执行子CU级运动修正。在一个实施例中，在CU级，基于双向匹配或模板匹配，为整个CU推导出初始运动矢量。例如，生成MV候选列表，并选择匹配成本最小的候选作为进一步CU级修正的起点。然后，在起点周围执行基于双向匹配或模板匹配的局部搜索，并且将匹配成本最小的MV结果作为推导出的CU运动矢量，并将其看作整个CU的MV。随后在第二步骤中，以第一步骤中推导出的CU运动矢量作为起点，在子CU级进一步修正运动信息。

例如，对W×H CU运动信息推导执行以下推导过程，其中W表示CU的宽度，H表示CU的高度。在第一阶段，推导出整个W×H CU的MV。在第二阶段，CU被进一步分割成M×M个子CU。M的值根据等式1所示进行计算，其中D是预定的分割深度，其在联合开发模型(JEM)中默认设置为3。然后推导出每个子CU的MV。

图8示出了根据一些实施例进行双向匹配的示例。如图8所示，通过在两个不同的参考图片(Ref0和Ref1)中沿着当前CU(810)的运动轨迹找到两个块(820)和(830)之间的最接近匹配，使用双向匹配来推导出当前CU(810)(在当前图片Cur Pic中)的运动信息。假设运动轨迹是连续的，分别指向两个参考块(820)和(830)的运动矢量MV0和MV1应该与当前图片(Cur Pic)和两个参考图片(Ref0和Ref1)之间的时间距离(即TD0和TD1)成比例。作为一种特殊情况，当当前图片在时间上位于两个参考图片之间，并且从当前图片(Cur Pic)到这两个参考图片(Ref0和Ref1)的时间距离相同时，双向匹配变为基于镜像的双向MV。

图9示出了根据本申请实施例的进行模板匹配的示例。如图9所示，通过找到当前图片(Cur Pic)中的模板(包括当前CU(910)的顶部和左侧相邻块(920)和(930))与参考图片(Ref0)中的块(940)和(950)(与模板的形状和大小相同)之间的最接近匹配，使用模板匹配来推导出当前CU(910)的运动信息。

除了上述的FRUC合并模式外，模板匹配还应用于高级运动矢量预测(AMVP)模式。在JEM和HEVC中，AMVP模式使用两个候选。在一个实施例中，AMVP候选列表包括第一现有AMVP候选和第二现有AMVP候选。利用模板匹配方法，推导出一个新的候选。如果通过模板匹配新推导出的候选不同于第一现有AMVP候选，则在AMVP候选列表的最开始处***新推导出的候选，然后将列表大小设置为2(这意味着删除第二现有AMVP候选)。在一个实施例中，当模板匹配应用于AMVP模式时，仅应用CU级搜索。

在一些实施例中，当使用双向匹配时，将合并候选的每个有效MV作为输入，以便在假设双向匹配的情况下生成MV对。例如，合并候选的一个有效MV是参考列表A中的(MVa，refa)。然后，在另一参考列表B中找到与其成对的双向MV的参考图片refb，使得refa和refb在时间上位于当前图片的不同侧。如果这个refb在参考列表B中不可用，则将refb确定为不同于refa的参考图片，并且其与当前图片的时间距离在列表B中是最小的。在确定refb之后，通过基于当前图片与refa、refb之间的时间距离对MVa进行缩放来推导出MVb。

在一些实施例中，当FRUC应用于AMVP模式时，原始的AMVP候选也添加到CU级MV候选集中。在一个实施例中，在CU级，AMVP CU的最多15个MV和合并CU的最多13个MV被添加到候选列表中。

在一些实施例中，当运动矢量指向分数样本位置时，需要进行运动补偿内插。在一个实施例中，为了降低复杂度，双线性内插代替常规的8-抽头(tap)HEVC内插被用于双向匹配和模板匹配。

在一些实施例中，在不同的步骤中，匹配成本的计算是不同的。在一个实施例中，当在CU级从候选集中选择候选时，使用双向匹配或模板匹配的绝对差之和(SAD)来计算匹配成本。在确定了起始MV之后，计算子CU级搜索的双向匹配的匹配成本C，如等式2所示：

其中w表示根据经验设置为4的加权因子，MV和MV^s分别表示当前MV和起始MV。SAD仍然用作子CU级搜索的模板匹配的匹配成本。

在一些实施例中，在FRUC合并模式中，仅使用亮度样本来推导MV。推导出的运动信息将用于运动补偿(MC)帧间预测的亮度和色度。在确定MV之后，使用用于亮度样本的8-抽头内插滤波器和用于色度样本的4-抽头内插滤波器来执行最终MC。

应注意，MV修正是以双向匹配成本或模板匹配成本为准则的基于模式的MV搜索。在一些实施例中，支持两种搜索模式，第一种是非限制性的中心偏置菱形搜索(UCBDS)，第二种是分别在CU级和子CU级上用于MV修正的自适应交叉搜索。对于CU级和子CU级的MV修正，直接以四分之一亮度样本MV精确度搜索MV，接着是八分之一亮度样本进行MV修正。CU级和子CU级步骤的MV修正的搜索范围设置为等于8个亮度样本。

图10示出了根据一些实施例的第一流水线处理示例1010和第二流水线处理示例1050。在一些实施例中，用于块重建的流水线包括两个阶段，例如第一阶段和第二阶段。对于每个块，在第一阶段，确定块的运动矢量(MV)；在第二阶段，进行运动补偿，并重建块。在图10的实施例中，第一阶段示为“MV请求”，第二阶段示为“MC重建”。

在第一流水线处理示例1010中，当前块的处理不依赖于在当前块之前(按块的处理顺序)的相邻块。因此，当在第二阶段处理块1时，可以在第一阶段处理块2。

在第二流水线处理示例1050中，模板匹配用于确定运动矢量。因此，在一个实施例中，当前块(例如，块2)的运动矢量的确定依赖于块1的重建。因此，块2的第一阶段需要等待块1的第二阶段完成，从而导致流水线延迟。

为了缓解流水线延迟问题，在一些实施例中，使用受限模板区域。选择性地选择模板区域以减少严重的流水线延迟问题。在一个实施例中，从模板区域中排除了当前块的一些先前块(按处理顺序)。在另一个实施例中，选择两个模板部分(上方和左侧)中的一个作为模板区域。换言之，例如，计算模板匹配的成本时，不考虑属于先前块的模板区域的子区域。

根据本申请的一方面，解码器端运动矢量修正(DMVR)用于基于起点来改进/修正MV。

在一些实施例中，在双向预测操作的情况下，对于一个块区域的预测，分别使用第一候选列表list0的MV0和第二候选列表list1的MV1形成两个预测块，并将两个预测块组合成单个预测信号，称为双向模板。在DMVR方法中，通过双向模板匹配过程进一步修正双向预测的两个运动矢量MV0和MV1。解码器端使用双向模板匹配，以在双向模板和参考图片中的重建样本之间进行基于失真的搜索，从而获得修正MV而无需传输附加运动信息。

图11示出了基于双向模板匹配的一个DMVR实施例。在DMVR中，如图11所示，根据第一候选列表list0的初始MV0和第二候选列表list1的MV1，分别生成双向模板(1140)作为两个预测块(1120)和(1130)的加权组合(即平均值)。模板匹配操作包括计算生成的模板(1140)与参考图片Ref0和Ref1中的样本区域(初始预测块周围)之间的成本度量。对于两个参考图片Ref0和Ref1中的每一个，产生最小模板成本的MV被视为该列表的更新MV，以替换原始MV。例如，MV0’替换MV0，MV1’替换MV1。在一些实施例中，每个列表搜索九个MV候选。这九个MV候选包括一个原始MV和八个周围MV，其中一个亮度样本在水平或垂直方向上相对于原始MV偏移，或在两个方向上都偏移。最后，两个新的MV，即如图11所示的MV0’和MV1’，用于生成当前块的最终双向预测结果。绝对差之和(SAD)可用作成本度量。

在一些实施例中，DMVR应用于双向预测的合并模式，其中一个MV来自过去的参考图片，另一个MV来自将来的参考图片，无需传输附加的语法元素。

图12A和图12B示出了解码次序从0到3的当前块与其先前块之间的空间关系的实施例。解码顺序对于编码器和解码器是已知的。在当前块被解码时，通常使用其空间相邻块的MV作为解码当前块的MV的预测值。例如，在图12B的实施例中，来自块0、1、2的MV将是块3的预测候选。

在一个相关实施例中，由于先前已编码块的最终MV与当前块的初始MV之间的依赖性而引起的流水线延迟问题，可使用DMVR上的约束来解决。

在另一个相关实施例中，通过限制DMVR模式的最终运动补偿内插滤波器的抽头数量，将存储带宽减少用于DMVR。

在另一个相关实施例中，由于先前已编码块的重建与当前块的模板之间的依赖性而引起的流水线延迟问题，可使用对DMVR中模板匹配的约束来解决。

相关实施例假定，在先前已编码块(例如，块2是当前块，块1是先前已编码块)之前的重建和MV是可用的。然而，对于某些实施来说可能不是这种情况，并且在这些实施中可能引起流水线延迟问题。

本申请提供了可单独使用或以任何顺序组合使用的多种技术。在下文描述中，术语块可以解释为预测块、编码块或编码单元，即CU。先前已预测或已编码的块Blk_prev定义为正好在当前块Blk_cur之前编码的块。此外，Blk_prev_2定义为正好在当前块Blk_cur之前编码的2个块的集合，即Blk_prev和正好在Blk_prev之前编码的块，其中，Blk_prev和正好在Blk_prev之前编码的块为在当前块Blk_cur之前连续编码的两个块。类似地，Blk_prev_N定义为正好在当前块Blk_cur之前编码的最多N个块的集合，其中，Blk_prev_N为在当前块Blk_cur之前连续编码的N个块，N是Blk_cur的预定数目。

根据本申请的一方面，对视频编解码器的解码过程进行修改，使得当在初始解析阶段之后需要进一步修改MV的一些模式(例如DMVD、模板匹配等)被启用时，在当前块的MV预测期间，将来自当前块的空间相邻块的一些MV预测值或重建样本进行移除或替换。

在一些实施例中，在当前块的MV预测期间，正好在当前块之前编码的最多N个块的集合(称为Blk_prev_N)标记为不可用，因此可以避免使用Blk_prev_N中的MV和重建样本。在一些实施例中，在当前块之前连续编码的N个块在解码顺序上也连续先于当前块，因此将该N个块标记为不可用，以便排除与当前块空间相邻的Blk_prev_N中的MV和重建样本。

在一个实施例中，当使用诸如FRUC和DMVR等DMVD方法时，使用先前块的MV作为当前块的MV预测值受到限制，使得当前块的MV解析(确定初始运动矢量MV_init的模块)和/或当前CU的预取参考样本不需要等到先前块的MV修正完成再进行。当创建当前块的合并候选列表或/和常规帧间模式MV预测值列表时，MV预测值候选可在满足某些条件时标记为不可用(不能用作当前块的MV预测值)。

在一个实施例中，当MV预测值候选的运动矢量来自Blk_prev_N时，将MV预测值候选标记为不可用作当前块的MV预测值。在另一个实施例中，当MV预测值候选的运动矢量来自Blk_prev_N，且可通过DMVD技术(例如，FRUC、TM或DMVR)进行初始解析后改变块的运动矢量时，将MV预测值候选标记为不可用作当前块的MV预测值。

在另一个实施例中，对于非相邻空间MV候选，如果非相邻空间MV候选属于标记为不可用的Blk_prev_N，则该非相邻空间MV候选将不会添加到当前块的合并候选列表中。

在另一个实施例中，对当前块中用于DMVD的模板匹配的相邻区域进行约束，从而在当前块的模板匹配中排除基于Blk_prev_N的重建。因此，参考样本的预取不需要等到先前块的重建完成。在一些实施例中，当来自相邻块的模板与Blk_prev重叠时，该重叠区域标记为在模板匹配中不可用。

根据本申请的一方面，数字N是与当前块相关联的一个特定参数，且通过使用各种技术来确定。在一个实施例中，对于所有情形，N是固定的数字。在一个实施例中，N设置为2。在另一个实施例中，N设置为16。因此，编码器不通过信号发送数字N。

在另一个实施例中，编码器在已编码视频比特流中通过信号发送数字N。可以在序列参数集(SPS)、图片参数集(PPS)或片头中通过信号发送数字N。

在另一个实施例中，N是一个变量并且可以基于当前块的大小而变化。因此，编码器不通过信号发送数字N。编码器可以基于当前块的大小来确定数字N。在一个实施例中，在当前块的面积低于预设阈值时，为N分配第一固定数。在当前块的面积高于预设阈值时，为N分配第二固定数。例如，在当前块的面积低于8×8像素时，将N设置为2；在当前块的面积大于8×8像素时，将N设置为4。

根据本申请的另一方面，使用延迟区域。延迟区域被定义为一个区域(矩形或非矩形)，在这个区域中，除了用于缓冲MV修正之后的MV的常规运动场缓冲器之外，MV修正之前的运动信息也存储在例如先前修正缓冲器中。当编码/解码当前块，且MV预测值来自延迟区域时，从先前修正缓冲器获得修正之前的MV，并将其作为MV预测值。当MV预测值来自非延迟区域时，从常规运动场缓冲器获得修正后的MV，并将其作为MV预测值。

可以用信号发送或预定义延迟区域的大小。在一个实施例中，延迟区域的大小(例如，宽度和高度)在已编码视频比特流(例如，在SPS、PPS和片头)中用信号发送。在另一个实施例中，延迟区域的大小与CTU的大小相关联，例如整个CTU、四分之一CTU(半个CTU宽度和半个CTU高度)。在另一个实施例中，延迟区域的大小是固定的，例如64×64像素。

在一些实施例中，当使用延迟区域时，在对一组块进行译码(例如，编码或解码)之前，例如在新CTU开始时，首先设置延迟区域。例如，当开始编码/解码当前CTU时，延迟区域设置为当前CTU。然后，利用来自定义的延迟区域的MV预测值是基于修正之前的MV的这种约束，对延迟区域中的块进行编码。在对每一块进行编码/解码之后，修正之前和修正之后的MV都被保存，以便用于延迟区域的MV缓冲器(例如，先前修正缓冲器)中的块，以及用于当前图片的常规运动场缓冲器中的块。在对延迟区域中的所有块进行编码之后，可在延迟区域中重置修正之前的MV的缓冲器(例如，先前修正缓冲器)。

在一些实施例中，延迟区域可以用作滑动窗口。在一个实施例中，滑动窗口覆盖当前CTU及其左侧的相邻CTU。滑动窗口的大小可以预定义或在比特流(例如在SPS、PPS或片头中)中通过信号发送。

图13示出了根据本申请一个实施例的概述过程(1300)的流程图。过程(1300)可以用于以帧内模式编码的块的重建，以便为重建中的块生成预测块。在各种实施例中，过程(1300)由处理电路执行，例如终端设备(110)、(120)、(130)和(140)中的处理电路、执行视频编码器(203)的功能的处理电路、执行视频解码器(210)的功能的处理电路、执行视频解码器(310)的功能的处理电路、执行帧内预测模块(352)的功能的处理电路、执行视频编码器(403)的功能的处理电路、执行预测器(435)的功能的处理电路、执行帧内编码器(522)的功能的处理电路、执行帧内解码器(672)的功能的处理电路等。在一些实施例中，过程(1300)通过软件指令实现，因此当处理电路执行该软件指令时，该处理电路执行过程(1300)。该过程开始于(S1301)并执行到(S1310)。

在(S1310)处，从已编码视频比特流中解码当前图片中的第一块的预测信息。该预测信息表示帧间预测模式，例如合并模式、跳过模式等，该帧间预测模式根据运动矢量预测值确定第一块的第一运动矢量。

在(S1320)处，响应于帧间预测模式，创建候选列表。创建候选列表时排除多个第二块，所述多个第二块需要执行一个或多个操作以在运动矢量推导中分别确定第二块的第二运动矢量。第二运动矢量用于重建第二块。

在(S1330)处，基于候选运动矢量预测值的候选列表确定第一运动矢量。

在(S1340)处，根据第一运动矢量重建第一块的样本。然后，流程执行到(S1399)并结束。

本申请实施例还提供了一种视频解码的装置，包括：

解码模块，用于从已编码视频比特流中解码当前图片的第一块的预测信息，所述预测信息表示根据运动矢量预测值确定所述第一块的第一运动矢量的帧间预测模式；

创建模块，用于响应于所述帧间预测模式，创建候选运动矢量预测值的候选列表，所述候选列表不包括多个第二块，所述多个第二块在运动矢量推导过程中需要执行一个或多个操作来确定所述第二块的第二运动矢量；

确定模块，用于基于所述候选运动矢量预测值的候选列表，确定所述第一块的第一运动矢量；以及

重建模块，用于根据所述第一块的第一运动矢量重建所述第一块。

本实施例中所述模块的具体功能及实现可参照上述实施例中的视频解码方法的具体流程。

本申请实施例还提供了一种计算机设备，所述设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条指令，所述至少一条指令由所述一个或多个处理器加载并执行以实现如上实施例所述的视频解码的方法。

上述技术可以通过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14示出了计算机系统(1400)，其适于实现所公开主题的某些实施例。

所述计算机软件可通过任何合适的机器代码或计算机语言进行编码，通过汇编、编译、链接等机制创建包括指令的代码，所述指令可由一个或多个计算机中央处理单元(CPU)，图形处理单元(GPU)等直接执行或通过译码、微代码等方式执行。

所述指令可以在各种类型的计算机或其组件上执行，包括例如个人计算机、平板电脑、服务器、智能手机、游戏设备、物联网设备等。

图14所示的用于计算机系统(1400)的组件本质上是示例性的，并不用于对实现本申请实施例的计算机软件的使用范围或功能进行任何限制。也不应将组件的配置解释为与计算机系统(1400)的示例性实施例中所示的任一组件或其组合具有任何依赖性或要求。

计算机系统(1400)可以包括某些人机界面输入设备。这种人机界面输入设备可以通过触觉输入(如：键盘输入、滑动、数据手套移动)、音频输入(如：声音、掌声)、视觉输入(如：手势)、嗅觉输入(未示出)，对一个或多个人类用户的输入做出响应。所述人机界面设备还可用于捕获某些媒体，气与人类有意识的输入不必直接相关，如音频(例如：语音、音乐、环境声音)、图像(例如：扫描图像、从静止影像相机获得的摄影图像)、视频(例如二维视频、包括立体视频的三维视频)。

人机界面输入设备可包括以下中的一个或多个(仅绘出其中一个)：键盘(1401)、鼠标(1402)、触控板(1403)、触摸屏(1410)、数据手套(未示出)、操纵杆(1405)、麦克风(1406)、扫描仪(1407)、照相机(1408)。

计算机系统(1400)还可以包括某些人机界面输出设备。这种人机界面输出设备可以通过例如触觉输出、声音、光和嗅觉/味觉来刺激一个或多个人类用户的感觉。这样的人机界面输出设备可包括触觉输出设备(例如通过触摸屏(1410)、数据手套(未示出)或操纵杆(1405)的触觉反馈，但也可以有不用作输入设备的触觉反馈设备)、音频输出设备(例如，扬声器(1409)、耳机(未示出))、视觉输出设备(例如，包括阴极射线管屏幕、液晶屏幕、等离子屏幕、有机发光二极管屏的屏幕(1410)，其中每一个都具有或没有触摸屏输入功能、每一个都具有或没有触觉反馈功能——其中一些可通过诸如立体画面输出的手段输出二维视觉输出或三维以上的输出；虚拟现实眼镜(未示出)、全息显示器和放烟箱(未示出))以及打印机(未示出)。

计算机系统(1400)还可以包括人可访问的存储设备及其相关介质，如包括具有CD/DVD的高密度只读/可重写式光盘(CD/DVD ROM/RW)(1420)或类似介质(1421)的光学介质、拇指驱动器(1422)、可移动硬盘驱动器或固体状态驱动器(1423)，诸如磁带和软盘(未示出)的传统磁介质，诸如安全软件保护器(未示出)等的基于ROM/ASIC/PLD的专用设备，等等

本领域技术人员还应当理解，结合所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(1400)还可以包括通往一个或多个通信网络的接口。例如，网络可以是无线的、有线的、光学的。网络还可为局域网、广域网、城域网、车载网络和工业网络、实时网络、延迟容忍网络等等。网络还包括以太网、无线局域网、蜂窝网络(GSM、3G、4G、5G、LTE等)等局域网、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)、车载和工业网络(包括CANBus)等等。某些网络通常需要外部网络接口适配器，用于连接到某些通用数据端口或***总线(1449)(例如，计算机系统(1400)的USB端口)；其它系统通常通过连接到如下所述的系统总线集成到计算机系统(1400)的核心(例如，以太网接口集成到PC计算机系统或蜂窝网络接口集成到智能电话计算机系统)。通过使用这些网络中的任何一个，计算机系统(1400)可以与其它实体进行通信。所述通信可以是单向的，仅用于接收(例如，无线电视)，单向的仅用于发送(例如CAN总线到某些CAN总线设备)，或双向的，例如通过局域或广域数字网络到其它计算机系统。上述的每个网络和网络接口可使用某些协议和协议栈。

上述的人机界面设备、人可访问的存储设备以及网络接口可以连接到计算机系统(1400)的核心(1440)。

核心(1440)可包括一个或多个中央处理单元(CPU)(1441)、图形处理单元(GPU)(1442)、以现场可编程门阵列(FPGA)(1443)形式的专用可编程处理单元、用于特定任务的硬件加速器(1444)等。这些设备以及只读存储器(ROM)(1445)、随机存取存储器(1446)、内部大容量存储器(例如内部非用户可存取硬盘驱动器、固态硬盘等)(1447)等可通过系统总线(1448)进行连接。在某些计算机系统中，可以以一个或多个物理插头的形式访问系统总线(1448)，以便可通过额外的中央处理单元、图形处理单元等进行扩展。***装置可直接附接到核心的系统总线(1448)，或通过***总线(1449)进行连接。***总线的体系结构包括外部控制器接口PCI、通用串行总线USB等。

CPU(1441)、GPU(1442)、FPGA(1443)和加速器(1444)可以执行某些指令，这些指令组合起来可以构成上述计算机代码。该计算机代码可以存储在ROM(1445)或RAM(1446)中。过渡数据也可以存储在RAM(1446)中，而永久数据可以存储在例如内部大容量存储器(1447)中。通过使用高速缓冲存储器可实现对任何存储器设备的快速存储和检索，高速缓冲存储器可与一个或多个CPU(1441)、GPU(1442)、大容量存储器(1447)、ROM(1445)、RAM(1446)等紧密关联。

所述计算机可读介质上可具有计算机代码，用于执行各种计算机实现的操作。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。

作为实施例而非限制，具有体系结构(1400)的计算机系统，特别是核心(1440)，可以作为处理器(包括CPU、GPU、FPGA、加速器等)提供执行包含在一个或多个有形的计算机可读介质中的软件的功能。这种计算机可读介质可以是与上述的用户可访问的大容量存储器相关联的介质，以及具有非易失性的核心(1440)的特定存储器，例如核心内部大容量存储器(1447)或ROM(1445)。实现本申请的各种实施例的软件可以存储在这种设备中并且由核心(1440)执行。根据特定需要，计算机可读介质可包括一个或一个以上存储设备或芯片。该软件可以使得核心(1440)特别是其中的处理器(包括CPU、GPU、FPGA等)执行本文所述的特定过程或特定过程的特定部分，包括定义存储在RAM(1446)中的数据结构以及根据软件定义的过程来修改这种数据结构。另外或作为替代，计算机系统可以提供逻辑硬连线或以其它方式包含在电路(例如，加速器(1444))中的功能，该电路可以代替软件或与软件一起运行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))，包含执行逻辑的电路，或两者兼备。本申请包括任何合适的硬件和软件组合。

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、排列和各种等同替换均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示出或描述，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。

附录A：首字母缩略词

JEM：联合开发模式

VVC：通用视频编码

BMS：基准集合

MV：运动矢量

HEVC：高效视频编码

SEI：补充增强信息

VUI：视频可用性信息

GOP：图片组

TU：变换单元，

PU：预测单元

CTU：编码树单元

CTB：编码树块

PB：预测块

HRD：假设参考解码器

SNR：信噪比

CPU：中央处理单元

GPU：图形处理单元

CRT：阴极射线管

LCD：液晶显示

OLED：有机发光二极管

CD：光盘

DVD：数字化视频光盘

ROM：只读存储器

RAM：随机存取存储器

ASIC：专用集成电路

PLD：可编程逻辑设备

LAN：局域网

GSM：全球移动通信系统

LTE：长期演进

CANbus：控制器局域网络总线

USB：通用串行总线

PCI：***设备互连

FPGA：现场可编程门阵列

SSD：固态驱动器

IC：集成电路

CU：编码单元