视频译码中具有非线性自适应环路滤波器的固定滤波器

文档序号:197540 发布日期:2021-11-02 浏览:30次 >En<

阅读说明:本技术 视频译码中具有非线性自适应环路滤波器的固定滤波器 (Fixed filter with nonlinear adaptive loop filter in video coding ) 是由 胡楠 V·谢廖金 M·卡切夫维茨 H·E·埃伊尔梅茨 于 2020-03-09 设计创作,主要内容包括:一种视频译码器可以从多个固定滤波器集中确定用于译码树块(CTB)的滤波器集。基于用于CTB的滤波器集是来自固定滤波器集,视频译码器可以将限幅值设置为最大支持值。此外,视频译码器可以基于限幅值来确定针对滤波器集的自适应环路滤波器(ALF)的经限幅的输入,输入中的每个输入是输入样本减去当前样本。然后,视频译码器可以将ALF应用于经限幅的输入。(A video coder may determine a set of filters for a Coding Tree Block (CTB) from a plurality of fixed sets of filters. Based on the filter set used for the CTB being from a fixed filter set, the video coder may set the clipping value to the maximum support value. Further, the video coder may determine clipped inputs for an Adaptive Loop Filter (ALF) of the filter set based on the clipping values, each of the inputs being an input sample minus a current sample. The video coder may then apply ALF to the clipped input.)

视频译码中具有非线性自适应环路滤波器的固定滤波器

本申请要求享受以下申请的权益:于2020年3月6日递交的美国专利申请No.16/811,913;于2019年3月25日递交的美国临时专利申请No.62/823,546;以及于2019年4月23日递交的美国临时专利申请No.62/837,651,将上述申请中的每个申请的全部内容通过引用的方式并入。

技术领域

本公开内容涉及视频编码和视频解码。

背景技术

数字视频能力可以被合并到各种各样的设备中,包括数字电视机、数字直播系统、无线广播系统、个人数字助理(PDA)、膝上型计算机或台式计算机、平板计算机、电子书阅读器、数字相机、数字记录设备、数字媒体播放器、视频游戏设备、视频游戏控制台、蜂窝或卫星无线电电话(所谓的“智能电话”)、视频电话会议设备、视频流式设备等。数字视频设备实现视频译码技术(诸如在由MPEG-2、MPEG-4、ITU-T H.263、ITU-T H.264/MPEG-4(第10部分,高级视频译码(AVC))、ITU-T H.265/高效率视频译码(HEVC)所定义的标准以及此类标准的扩展中描述的那些技术)。通过实现这样的视频译码技术,视频设备可以更加高效地发送、接收、编码、解码和/或存储数字视频信息。

视频译码技术包括空间(图片内(intra-picture))预测和/或时间(图片间(inter-picture))预测以减少或去除在视频序列中固有的冗余。对于基于块的视频译码,视频切片(例如,视频图片或视频图片的一部分)可以被分割为视频块,视频块也可以被称为译码树单元(CTU)、译码单元(CU)和/或译码节点。图片的经帧内译码(I)的切片中的视频块是使用相对于同一图片中的相邻块中的参考样本的空间预测来编码的。图片的经帧间译码(P或B)的切片中的视频块可以使用相对于同一图片中的相邻块中的参考样本的空间预测或者相对于其它参考图片中的参考样本的时间预测。图片可以被称为帧,并且参考图片可以被称为参考帧。

发明内容

概括而言,本公开内容描述了用于在视频译码中应用自适应环路滤波器(ALF)的技术。视频编码器或视频解码器可以使用ALF来提高经重构的视频数据的质量。作为应用ALF的一部分,视频译码器(例如,视频编码器或视频解码器)可以对输入值应用限幅操作,并且将所得到的经限幅的值乘以滤波器系数。然后,视频译码器可以将所得到的值与当前样本的值相加,以确定当前样本的经滤波的版本。本公开内容的技术可以通过在滤波器系数在预定义的固定滤波器集中时避免执行限幅操作来加速应用ALF的过程。为了避免执行限幅操作,视频译码器可以将限幅值设置为最大支持值。

在一个示例中,本公开内容描述了一种对视频数据进行译码的方法,所述方法包括:从多个固定滤波器集中确定用于译码树块(CTB)的滤波器集,其中,所述CTB是在所述视频数据的图片中;基于用于所述CTB的所述滤波器集是来自所述固定滤波器集来将限幅值设置为最大支持值;基于所述限幅值来确定针对所述滤波器集的自适应环路滤波器(ALF)的经限幅的输入,所述输入中的每个输入是输入样本减去当前样本;以及将所述ALF应用于所述经限幅的输入。

在另一示例中,本公开内容描述了一种用于对视频数据进行译码的设备,所述设备包括:用于存储所述视频数据的存储器;以及在电路中实现的一个或多个处理器,所述一个或多个处理器被配置为:从多个固定滤波器集中确定用于译码树块(CTB)的滤波器集,其中,所述CTB是在所述视频数据的图片中;基于用于所述CTB的所述滤波器集是来自所述固定滤波器集来将限幅值设置为最大支持值;基于所述限幅值来确定针对所述滤波器集的自适应环路滤波器(ALF)的经限幅的输入,所述输入中的每个输入是输入样本减去当前样本;以及将所述ALF应用于所述经限幅的输入。

在另一示例中,本公开内容描述了一种用于对视频数据进行译码的设备,所述设备包括:用于从多个固定滤波器集中确定用于译码树块(CTB)的滤波器集的单元,其中,所述CTB是在所述视频数据的图片中;用于基于用于所述CTB的所述滤波器集是来自所述固定滤波器集来将限幅值设置为最大支持值的单元;用于基于所述限幅值来确定针对所述滤波器集的自适应环路滤波器(ALF)的经限幅的输入的单元,所述输入中的每个输入是输入样本减去当前样本;以及用于将所述ALF应用于所述经限幅的输入的单元。

在另一示例中,本公开内容描述了一种具有存储在其上的指令的计算机可读存储介质,所述指令在被执行时使得一个或多个处理器进行以下操作:从多个固定滤波器集中确定用于译码树块(CTB)的滤波器集,其中,所述CTB是在所述视频数据的图片中;基于用于所述CTB的所述滤波器集是来自所述固定滤波器集来将限幅值设置为最大支持值;基于所述限幅值来确定针对所述滤波器集的自适应环路滤波器(ALF)的经限幅的输入,所述输入中的每个输入是输入样本减去当前样本;以及将所述ALF应用于所述经限幅的输入。

在附图和以下描述中阐述了一个或多个示例的细节。根据说明书、附图和权利要求,其它特征、目的和优点将是显而易见的。

附图说明

图1是示出可以执行本公开内容的技术的示例视频编码和解码系统的框图。

图2A和图2B是示出示例四叉树二叉树(QTBT)结构以及对应的译码树单元(CTU)的概念图。

图3是示出可以执行本公开内容的技术的示例视频编码器的框图。

图4是示出可以执行本公开内容的技术的示例视频解码器的框图。

图5是示出用于对视频数据的当前块进行编码的示例方法的流程图。

图6是示出用于对视频数据的当前块进行解码的示例方法的流程图。

图7是示出用于将自适应环路滤波器(ALF)滤波器应用于译码树块(CTB)的示例操作的流程图。

具体实施方式

自适应环路滤波是可以在视频编码和视频解码过程中应用的技术。例如,视频编码器可以将自适应环路滤波器(ALF)应用于译码树块(CTB),作为重构环路的一部分。视频解码器可以在从一个或多个预测块和残差数据重构CTB之后将ALF应用于CTB。

为了将ALF应用于CTB,视频译码器(例如,视频编码器或视频解码器)可以确定用于CTB的滤波器集。用于CTB的滤波器集包括滤波器系数集。为了减少在比特流中用信号通知的数据量,CTB的滤波器集可以在与CTB相比更高的级别处(例如,在序列参数集(SPS)、图片参数集(PPS)、切片报头等的级别处)用信号通知,从用于先前译码的CTB的滤波器集重用,从在视频编码器和视频解码器处预先配置的多个固定滤波器集中获取,或者以某种其它方式可用。在视频编码器和视频解码器处预先配置固定滤波器集,使得固定滤波器集的滤波器系数不需要在比特流中用信号通知或者由视频解码器从在比特流中用信号通知的数据进行重构。

在将ALF应用于CTB期间,视频译码器可以对输入值进行限幅。对输入值进行限幅将输入值限制在预定义范围。预定义范围可以由一对限幅值(其也可以被称为限幅参数)限制。对输入值进行限幅可以确保当视频译码器将输入值乘以对应的滤波器系数时,所得到的值不会如此大或如此负,以至于表示所得到的值将需要比可用于表示所得到的值的比特更多的比特。允许所得到的值如此大或如此负以至于表示所得到的值将需要比可用于表示所得到的值的比特更多的比特,这可能导致错误并且可能降低图片质量。

执行限幅操作可能减慢对视频数据进行编码和解码的过程。这是因为限幅操作可能针对每个输入值需要一个或两个比较操作。另外,决定限幅值增加编码器的复杂性。

因此,根据本公开内容的技术,视频译码器可以从多个固定滤波器集中确定用于CTB的滤波器集。基于用于CTB的滤波器集来自固定滤波器集,视频译码器可以将限幅值设置为最大支持值。将限幅值设置为最大支持值可以有效地消除对于执行限幅操作的需求,因为输入值永远不会比最大支持值更大或更负。使用具有最大支持值的输入值可以是可接受的,因为固定滤波器集可以被定义为使得任何可能的输入值乘以固定滤波器集中的滤波器系数都不会导致如下的值:该值如此大或如此负,以至于该值不能使用可用于表示这样的值的比特数量来表示。因此,视频译码器可以基于限幅值来确定针对滤波器集的ALF的经限幅的输入(其可以与输入值本身相同),其中,这些输入中的每个输入是输入样本减去当前样本。然后,视频译码器可以将ALF应用于经限幅的输入。以这种方式,通过避免执行限幅操作,对视频数据进行编码和解码的过程可以具有相对于未实现本公开内容的技术的对视频进行编码和解码的过程而言被加速的技术优势。

尽管本公开内容主要指将ALF应用于CTB,但是本公开内容的技术可以应用于CTB的子块(诸如译码块),或者甚至可以在单个像素或样本的级别处应用。

图1是示出可以执行本公开内容的技术的示例视频编码和解码系统100的框图。概括而言,本公开内容的技术涉及对视频数据进行译码(编码和/或解码)。通常,视频数据包括用于处理视频的任何数据。因此,视频数据可以包括原始的未经编码的视频、经编码的视频、经解码(例如,经重构)的视频、以及视频元数据(例如,信令数据)。

如图1所示,在该示例中,系统100包括源设备102,源设备102提供要被目的地设备116解码和显示的、经编码的视频数据。具体地,源设备102经由计算机可读介质110来将视频数据提供给目的地设备116。源设备102和目的地设备116可以包括各种各样的设备中的任何一种,包括台式计算机、笔记本计算机(即,膝上型计算机)、平板计算机、机顶盒、诸如智能电话之类的电话手机、电视机、相机、计算机、移动设备、广播接收机设备、显示设备、数字媒体播放器、视频游戏控制台、视频流式设备等。在一些情况下,源设备102和目的地设备116可以被配备用于无线通信,并且因此可以被称为无线通信设备。

在图1的示例中,源设备102包括视频源104、存储器106、视频编码器200以及输出接口108。目的地设备116包括输入接口122、视频解码器300、存储器120以及显示设备118。根据本公开内容,源设备102的视频编码器200和目的地设备116的视频解码器300可以被配置为应用用于应用自适应环路滤波器(ALF)的技术。因此,源设备102表示视频编码设备的示例,而目的地设备116表示视频解码设备的示例。在其它示例中,源设备和目的地设备可以包括其它组件或布置。例如,源设备102可以从诸如外部相机之类的外部视频源接收视频数据。同样,目的地设备116可以与外部显示设备对接,而不是包括集成显示设备。

如图1所示的系统100仅是一个示例。通常,任何数字视频编码和/或解码设备可以执行用于应用自适应环路滤波器(ALF)的技术。源设备102和目的地设备116仅是这样的译码设备的示例,其中,源设备102生成经译码的视频数据以用于传输给目的地设备116。本公开内容将“译码”设备指代为执行对数据的译码(例如,编码和/或解码)的设备。因此,视频编码器200和视频解码器300分别表示译码设备(具体地,视频编码器和视频解码器)的示例。在一些示例中,源设备102和目的地设备116可以以基本上对称的方式进行操作,使得源设备102和目的地设备116中的每一者都包括视频编码和解码组件。因此,系统100可以支持在源设备102和目的地设备116之间的单向或双向视频传输,例如,以用于视频流式传输、视频回放、视频广播或视频电话。

通常,视频源104表示视频数据(即原始的未经译码的视频数据)的源,并且将视频数据的顺序的一系列图片(也被称为“帧”)提供给视频编码器200,视频编码器200对用于图片的数据进行编码。源设备102的视频源104可以包括视频捕获设备,诸如摄像机、包含先前捕获的原始视频的视频存档单元、和/或用于从视频内容提供者接收视频的视频馈送接口。作为另外的替代方式,视频源104可以生成基于计算机图形的数据作为源视频,或者生成实时视频、被存档的视频和计算机生成的视频的组合。在每种情况下,视频编码器200对被捕获的、预捕获的或计算机生成的视频数据进行编码。视频编码器200可以将图片从所接收的顺序(有时被称为“显示顺序”)重新排列为用于译码的译码顺序。视频编码器200可以生成包括经编码的视频数据的比特流。然后,源设备102可以经由输出接口108将经编码的视频数据输出到计算机可读介质110上,以便由例如目的地设备116的输入接口122接收和/或取回。

源设备102的存储器106和目的地设备116的存储器120表示通用存储器。在一些示例中,存储器106、120可以存储原始视频数据,例如,来自视频源104的原始视频以及来自视频解码器300的原始的经解码的视频数据。另外或替代地,存储器106、120可以存储可由例如视频编码器200和视频解码器300分别执行的软件指令。尽管存储器106和存储器120在该示例中被示为与视频编码器200和视频解码器300分开,但是应当理解的是,视频编码器200和视频解码器300还可以包括用于在功能上类似或等效目的的内部存储器。此外,存储器106、120可以存储例如从视频编码器200输出并且输入到视频解码器300的经编码的视频数据。在一些示例中,存储器106、120的部分可以被分配为一个或多个视频缓冲器,例如,以存储原始的经解码和/或经编码的视频数据。

计算机可读介质110可以表示能够将经编码的视频数据从源设备102输送到目的地设备116的任何类型的介质或设备。在一个示例中,计算机可读介质110表示通信介质,其使得源设备102能够例如经由射频网络或基于计算机的网络,来实时地向目的地设备116直接发送经编码的视频数据。输出接口108可以根据诸如无线通信协议之类的通信标准来对包括经编码的视频数据的传输信号进行调制,并且输入接口122可以根据诸如无线通信协议之类的通信标准来对所接收的传输信号进行解调。通信介质可以包括任何无线或有线通信介质,例如,射频(RF)频谱或一条或多条物理传输线。通信介质可以形成诸如以下各项的基于分组的网络的一部分:局域网、广域网、或诸如互联网之类的全球网络。通信介质可以包括路由器、交换机、基站、或对于促进从源设备102到目的地设备116的通信而言可以有用的任何其它设备。

在一些示例中,计算机可读介质110可以包括存储设备112。源设备102可以将经编码的数据从输出接口108输出到存储设备112。类似地,目的地设备116可以经由输入接口122从存储设备112访问经编码的数据。存储设备112可以包括各种分布式或本地访问的数据存储介质中的任何一种,诸如硬盘驱动器、蓝光光盘、DVD、CD-ROM、闪存、易失性或非易失性存储器、或用于存储经编码的视频数据的任何其它适当的数字存储介质。

在一些示例中,计算机可读介质110可以包括文件服务器114或可以存储由源设备102生成的经编码的视频数据的另一中间存储设备。源设备102可以将经编码的视频数据输出到文件服务器114或者可以存储由源设备102生成的经编码的视频的另一中间存储设备。目的地设备116可以经由流式传输或下载来从文件服务器114访问被存储的视频数据。文件服务器114可以是能够存储经编码的视频数据并且将该经编码的视频数据发送给目的地设备116的任何类型的服务器设备。文件服务器114可以表示网页服务器(例如,用于网站)、文件传输协议(FTP)服务器、内容递送网络设备或网络附加存储(NAS)设备。目的地设备116可以通过任何标准数据连接(包括互联网连接)来从文件服务器114访问经编码的视频数据。这可以包括适于访问被存储在文件服务器114上的经编码的视频数据的无线信道(例如,Wi-Fi连接)、有线连接(例如,数字用户线(DSL)、电缆调制解调器等)、或这两者的组合。文件服务器114和输入接口122可以被配置为根据以下各项来操作:流式传输协议、下载传输协议、或其组合。

输出接口108和输入接口122可以表示无线发射机/接收机、调制解调器、有线联网组件(例如,以太网卡)、根据各种IEEE 802.11标准中的任何一种标准进行操作的无线通信组件、或其它物理组件。在其中输出接口108和输入接口122包括无线组件的示例中,输出接口108和输入接口122可以被配置为根据蜂窝通信标准(诸如4G、4G-LTE(长期演进)、改进的LTE、5G等)来传输数据(诸如经编码的视频数据)。在其中输出接口108包括无线发射机的一些示例中,输出接口108和输入接口122可以被配置为根据其它无线标准(诸如IEEE 802.11规范、IEEE 802.15规范(例如,ZigBeeTM)、BluetoothTM标准等)来传输数据(诸如经编码的视频数据)。在一些示例中,源设备102和/或目的地设备116可以包括相应的片上系统(SoC)设备。例如,源设备102可以包括用于执行被赋予视频编码器200和/或输出接口108的功能的SoC设备,并且目的地设备116可以包括用于执行被赋予视频解码器300和/或输入接口122的功能的SoC设备。

本公开内容的技术可以应用于视频译码,以支持各种多媒体应用中的任何一种,诸如空中电视广播、有线电视传输、卫星电视传输、互联网流式视频传输(诸如基于HTTP的动态自适应流式传输(DASH))、被编码到数据存储介质上的数字视频、对被存储在数据存储介质上的数字视频的解码、或其它应用。

目的地设备116的输入接口122从计算机可读介质110(例如,通信介质、存储设备112、文件服务器114等)接收经编码的视频比特流。经编码的视频比特流计算机可读介质110可以包括由视频编码器200定义的诸如以下语法元素之类的信令信息(其也被视频解码器300使用):所述语法元素具有描述视频块或其它译码单元(例如,切片、图片、图片组、序列等)的特性和/或用于对其的处理的模式的值。显示设备118将经解码的视频数据的经解码的图片显示给用户。显示设备118可以表示各种显示设备中的任何一种,诸如阴极射线管(CRT)、液晶显示器(LCD)、等离子显示器、有机发光二极管(OLED)显示器、或另一种类型的显示设备。

尽管在图1中未示出,但是在一些示例中,视频编码器200和视频解码器300可以各自与音频编码器和/或音频解码器集成,并且可以包括适当的MUX-DEMUX单元或其它硬件和/或软件,以处理在公共数据流中包括音频和视频两者的经复用的流。如果适用,MUX-DEMUX单元可以遵循ITU H.223复用器协议或其它协议(诸如用户数据报协议(UDP))。

视频编码器200和视频解码器300各自可以被实现为各种适当的编码器和/或解码器电路中的任何一种,诸如一个或多个微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、分立逻辑、软件、硬件、固件、或其任何组合。当所述技术部分地用软件实现时,设备可以将用于软件的指令存储在适当的非暂时性计算机可读介质中,并且使用一个或多个处理器,用硬件来执行指令以执行本公开内容的技术。视频编码器200和视频解码器300中的每一者可以被包括在一个或多个编码器或解码器中,编码器或解码器中的任一者可以被集成为相应设备中的组合编码器/解码器(CODEC)的一部分。包括视频编码器200和/或视频解码器300的设备可以包括集成电路、微处理器、和/或无线通信设备(诸如蜂窝电话)。

视频编码器200和视频解码器300可以根据视频译码标准(诸如ITU-T H.265(也被称为高效率视频译码(HEVC)标准)或对其的扩展(诸如多视图和/或可伸缩视频译码扩展))进行操作。替代地,视频编码器200和视频解码器300可以根据其它专有或行业标准(诸如联合探索测试模型(JEM)或ITU-T H.266标准,也被称为通用视频译码(VVC))进行操作。VVC标准的最新草案是在以下文档中描述的:Bross等人,“Versatile Video Coding(Draft 4)”,ITU-T SG 16WP 3和ISO/IEC JTC 1/SC 29/WG 11的联合视频专家组(JVET),第13次会议:摩洛哥马拉喀什,2019年1月9日至18日,JVET-M1001-v5(下文中被称为“VVC草案4”)。然而,本公开内容的技术不限于任何特定的译码标准。

通常,视频编码器200和视频解码器300可以执行对图片的基于块的译码。术语“块”通常指代包括要被处理的(例如,在编码和/或解码过程中要被编码、被解码或以其它方式使用的)数据的结构。例如,块可以包括亮度和/或色度数据的样本的二维矩阵。通常,视频编码器200和视频解码器300可以对以YUV(例如,Y、Cb、Cr)格式表示的视频数据进行译码。也就是说,并不是对用于图片的样本的红色、绿色和蓝色(RGB)数据进行译码,视频编码器200和视频解码器300可以对亮度和色度分量进行译码,其中,色度分量可以包括红色色相和蓝色色相色度分量两者。在一些示例中,视频编码器200在进行编码之前将所接收的经RGB格式化的数据转换为YUV表示,并且视频解码器300将YUV表示转换为RGB格式。替代地,预处理单元和后处理单元(未示出)可以执行这些转换。

概括而言,本公开内容可以将对图片的译码(例如,编码和解码)指代为包括对图片的数据进行编码或解码的过程。类似地,本公开内容可以将对图片的块的译码指代为包括对用于块的数据进行编码或解码(例如,预测和/或残差译码)的过程。经编码的视频比特流通常包括用于表示译码决策(例如,译码模式)以及将图片分割为块的语法元素的一系列值。因此,关于对图片或块进行译码的引用通常应当被理解为对用于形成图片或块的语法元素的值进行译码。

HEVC定义了各种块,包括译码单元(CU)、预测单元(PU)和变换单元(TU)。根据HEVC,视频译码器(诸如视频编码器200)根据四叉树结构来将译码树单元(CTU)分割为CU。也就是说,视频译码器将CTU和CU分割为四个相等的、不重叠的正方形,并且四叉树的每个节点具有零个或四个子节点。没有子节点的节点可以被称为“叶节点”,并且这种叶节点的CU可以包括一个或多个PU和/或一个或多个TU。视频译码器可以进一步分割PU和TU。例如,在HEVC中,残差四叉树(RQT)表示对TU的分割。在HEVC中,PU表示帧间预测数据,而TU表示残差数据。经帧内预测的CU包括帧内预测信息,诸如帧内模式指示。

作为另一示例,视频编码器200和视频解码器300可以被配置为根据JEM或VVC进行操作。根据JEM或VVC,视频译码器(诸如视频编码器200)将图片分割为多个译码树单元(CTU)。视频编码器200可以根据树结构(诸如四叉树-二叉树(QTBT)结构或多类型树(MTT)结构)分割CTU。QTBT结构去除了多种分割类型的概念,诸如在HEVC的CU、PU和TU之间的区分。QTBT结构包括两个级别:根据四叉树分割而被分割的第一级别、以及根据二叉树分割而被分割的第二级别。QTBT结构的根节点对应于CTU。二叉树的叶节点对应于译码单元(CU)。

在MTT分割结构中,可以使用四叉树(QT)分割、二叉树(BT)分割以及一种或多种类型的三叉树(TT)分割来对块进行分割。三叉树分割是其中块被拆分为三个子块的分割。在一些示例中,三叉树分割将块划分为三个子块,而不通过中心划分原始块。MTT中的分割类型(例如,QT、BT和TT)可以是对称的或不对称的。

在一些示例中,视频编码器200和视频解码器300可以使用单个QTBT或MTT结构来表示亮度分量和色度分量中的每一者,而在其它示例中,视频编码器200和视频解码器300可以使用两个或更多个QTBT或MTT结构,诸如用于亮度分量的一个QTBT/MTT结构以及用于两个色度分量的另一个QTBT/MTT结构(或者用于相应色度分量的两个QTBT/MTT结构)。

视频编码器200和视频解码器300可以被配置为使用根据HEVC的四叉树分割、QTBT分割、MTT分割、或其它分割结构。为了解释的目的,关于QTBT分割给出了本公开内容的技术的描述。然而,应当理解的是,本公开内容的技术还可以应用于被配置为使用四叉树分割或者还使用其它类型的分割的视频译码器。

本公开内容可以互换地使用“NxN”和“N乘N”来指代块(诸如CU或其它视频块)在垂直和水平维度方面的样本尺寸,例如,16x16个样本或16乘16个样本。通常,16x16 CU在垂直方向上将具有16个样本(y=16),并且在水平方向上将具有16个样本(x=16)。同样地,NxNCU通常在垂直方向上具有N个样本,并且在水平方向上具有N个样本,其中N表示非负整数值。CU中的样本可以按行和列来排列。此外,CU不一定需要在水平方向上具有与在垂直方向上相同的数量的样本。例如,CU可以包括NxM个样本,其中M不一定等于N。

视频编码器200对用于CU的表示预测和/或残差信息以及其它信息的视频数据进行编码。预测信息指示将如何预测CU以便形成用于CU的预测块。残差信息通常表示在编码之前的CU的样本与预测块之间的逐样本差。

为了预测CU,视频编码器200通常可以通过帧间预测或帧内预测来形成用于CU的预测块。帧间预测通常指代根据先前译码的图片的数据来预测CU,而帧内预测通常指代根据同一图片的先前译码的数据来预测CU。为了执行帧间预测,视频编码器200可以使用一个或多个运动矢量来生成预测块。视频编码器200通常可以执行运动搜索,以识别例如在CU与参考块之间的差异方面与CU紧密匹配的参考块。视频编码器200可以使用绝对差之和(SAD)、平方差之和(SSD)、平均绝对差(MAD)、均方差(MSD)、或其它这种差计算来计算差度量,以确定参考块是否与当前CU紧密匹配。在一些示例中,视频编码器200可以使用单向预测或双向预测来预测当前CU。

JEM和VVC的一些示例还提供仿射运动补偿模式,其可以被认为是帧间预测模式。在仿射运动补偿模式下,视频编码器200可以确定表示非平移运动(诸如放大或缩小、旋转、透视运动或其它不规则的运动类型)的两个或更多个运动矢量。

为了执行帧内预测,视频编码器200可以选择帧内预测模式来生成预测块。JEM和VVC的一些示例提供六十七种帧内预测模式,包括各种方向性模式、以及平面模式和DC模式。通常,视频编码器200选择帧内预测模式,帧内预测模式描述要根据其来预测当前块(例如,CU的块)的样本的、当前块的相邻样本。假设视频编码器200以光栅扫描顺序(从左到右、从上到下)对CTU和CU进行译码,则这样的样本通常可以是在与当前块相同的图片中在当前块的上方、左上方或左侧。

视频编码器200对表示用于当前块的预测模式的数据进行编码。例如,对于帧间预测模式,视频编码器200可以对表示使用各种可用帧间预测模式中的哪一种的数据以及用于对应模式的运动信息进行编码。对于单向或双向帧间预测,例如,视频编码器200可以使用高级运动矢量预测(AMVP)或合并模式来对运动矢量进行编码。视频编码器200可以使用类似的模式来对用于仿射运动补偿模式的运动矢量进行编码。

在诸如对块的帧内预测或帧间预测之类的预测之后,视频编码器200可以计算用于该块的残差数据。残差数据(诸如残差块)表示在块与用于该块的预测块之间的逐样本差,该预测块是使用对应的预测模式来形成的。视频编码器200可以将一个或多个变换应用于残差块,以在变换域中而非在样本域中产生经变换的数据。例如,视频编码器200可以将离散余弦变换(DCT)、整数变换、小波变换或概念上类似的变换应用于残差视频数据。另外,视频编码器200可以在第一变换之后应用二次变换,诸如模式相关的不可分离二次变换(MDNSST)、信号相关变换、Karhunen-Loeve变换(KLT)等。视频编码器200在应用一个或多个变换之后产生变换系数。

如上所述,在任何变换以产生变换系数之后,视频编码器200可以执行对变换系数的量化。量化通常指代如下的过程:在该过程中,对变换系数进行量化以可能减少用于表示变换系数的数据量,从而提供进一步的压缩。通过执行量化过程,视频编码器200可以减小与一些或所有变换系数相关联的比特深度。例如,视频编码器200可以在量化期间将n比特的值向下舍入为m比特的值,其中n大于m。在一些示例中,为了执行量化,视频编码器200可以执行对要被量化的值的按位右移。

在量化之后,视频编码器200可以扫描变换系数,从而从包括经量化的变换系数的二维矩阵产生一维矢量。可以将扫描设计为将较高能量(并且因此较低频率)的变换系数放在矢量的前面,并且将较低能量(并且因此较高频率)的变换系数放在矢量的后面。在一些示例中,视频编码器200可以利用预定义的扫描顺序来扫描经量化的变换系数以产生经串行化的矢量,并且然后对矢量的经量化的变换系数进行熵编码。在其它示例中,视频编码器200可以执行自适应扫描。在扫描经量化的变换系数以形成一维矢量之后,视频编码器200可以例如根据上下文自适应二进制算术译码(CABAC)来对一维矢量进行熵编码。视频编码器200还可以对用于描述与经编码的视频数据相关联的元数据的语法元素的值进行熵编码,以供视频解码器300在对视频数据进行解码时使用。

为了执行CABAC,视频编码器200可以将上下文模型内的上下文分配给要被发送的符号。上下文可以涉及例如符号的相邻值是否为零值。概率确定可以是基于被分配给符号的上下文的。

视频编码器200还可以例如在图片报头、块报头、切片报头中为视频解码器300生成语法数据(诸如基于块的语法数据、基于图片的语法数据和基于序列的语法数据)、或其它语法数据(诸如序列参数集(SPS)、图片参数集(PPS)或视频参数集(VPS))。同样地,视频解码器300可以对这样的语法数据进行解码以确定如何解码对应的视频数据。

以这种方式,视频编码器200可以生成比特流,其包括经编码的视频数据,例如,描述将图片分割为块(例如,CU)以及用于这些块的预测和/或残差信息的语法元素。最终,视频解码器300可以接收比特流并且对经编码的视频数据进行解码。

通常,视频解码器300执行与由视频编码器200执行的过程相反的过程,以对比特流的经编码的视频数据进行解码。例如,视频解码器300可以使用CABAC,以与视频编码器200的CABAC编码过程基本上类似的、但是相反的方式来对用于比特流的语法元素的值进行解码。语法元素可以定义用于将图片分割为CTU、以及根据对应的分割结构(诸如QTBT结构)对每个CTU进行分割以定义CTU的CU的分割信息。语法元素还可以定义用于视频数据的块(例如,CU)的预测和残差信息。

残差信息可以由例如经量化的变换系数来表示。视频解码器300可以对块的经量化的变换系数进行逆量化和逆变换以重新产生用于该块的残差块。视频解码器300使用经信号通知的预测模式(帧内预测或帧间预测)和相关的预测信息(例如,用于帧间预测的运动信息)来形成用于该块的预测块。视频解码器300然后可以对预测块和残差块(在逐个样本的基础上)进行组合以重新产生原始块。视频解码器300可以执行额外处理,诸如执行去块过程以减少沿着块的边界的视觉伪影。

比特流可以包括网络抽象层(NAL)单元的序列。NAL单元是一种语法结构,其在NAL单元中包含对数据类型的指示以及包含具有原始字节序列有效载荷(RBSP)形式的数据的字节,该RBSP必要时穿插有竞争防止比特。NAL单元中的每个NAL单元可以包括NAL单元报头并且可以封装RBSP。NAL单元报头可以包括指示NAL单元类型码的语法元素。由NAL单元的NAL单元报头指定的NAL单元类型码指示NAL单元的类型。RBSP可以是包含封装在NAL单元内的整数个字节的语法结构。在一些情况下,RBSP包括零比特。

如上所述,比特流可以包括对视频数据和相关联的数据的经编码的图片的表示。相关联的数据可以包括参数集。NAL单元可以封装用于视频参数集(VPS)、序列参数集(SPS)和图片参数集(PPS)的RBSP。VPS是一种如下的语法结构:其包括适用于零个或多个完整译码的视频序列(CVS)的语法元素。SPS也是一种包括适用于零个或更多个整个CVS的语法元素的语法结构。SPS可以包括语法元素,其标识在SPS有效时是有效的VPS。因此,VPS的语法元素可能比SPS的语法元素更普遍适用。PPS是一种包括适用于零个或多个经译码的图片的语法元素的语法结构。PPS可以包括标识在PPS有效时是有效的SPS的语法元素。切片段的切片报头可以包括指示在正对切片段进行译码时是有效的PPS的语法元素。

此外,在VVC草案4中,参数集可以包括自适应参数集(APS)。APS是一种如下的语法结构:其包含适用于零个或多个切片(如由切片报头中找到的零个或多个语法元素确定的)的语法元素。可以以先进先出的方式将APS存储在存储器中。APS可以用于与VPS、SPS或PPS中的语法元素相比更频繁地改变但是与切片报头中的语法元素相比不太频繁地改变的语法元素。

如上所述,视频编码器200和视频解码器300可以对语法元素的值应用CABAC编码和解码。为了将CABAC编码应用于语法元素,视频编码器200可以对语法元素的值进行二值化以形成一系列一个或多个比特,其被称为“二进制符号(bin)”。另外,视频编码器200可以识别译码上下文。译码上下文可以标识二进制符号具有特定值的概率。例如,译码上下文可以指示对0值的二进制符号进行译码的0.7概率和对1值的二进制符号进行译码的0.3概率。在识别译码上下文之后,视频编码器200可以将区间划分为下子区间和上子区间。子区间中的一个子区间可以与值0相关联,并且另一子区间可以与值1相关联。子区间的宽度可以与由所识别的译码上下文针对相关联的值指示的概率成比例。如果语法元素的二进制符号具有与下子区间相关联的值,则经编码的值可以等于下子区间的下边界。如果语法元素的相同二进制符号具有与上子区间相关联的值,则经编码的值可以等于上子区间的下边界。为了对语法元素的下一个二进制符号进行编码,视频编码器200可以重复这些步骤,其中区间是与经编码的比特的值相关联的子区间。当视频编码器200针对下一个二进制符号重复这些步骤时,视频编码器200可以使用基于由所识别的译码上下文指示的概率和经编码的二进制符号的实际值来修改的概率。

当视频解码器300对语法元素的值执行CABAC解码时,视频解码器300可以识别译码上下文。然后,视频解码器300可以可以将区间划分为下子区间和上子区间。子区间中的一个子区间可以与值0相关联,并且另一子区间可以与值1相关联。子区间的宽度可以与由所识别的译码上下文针对相关联的值指示的概率成比例。如果经编码的值在下子区间内,则视频解码器300可以对具有与下子区间相关联的值的二进制符号进行解码。如果经编码的值在上子区间内,则视频解码器300可以对具有与上子区间相关联的值的二进制符号进行解码。为了对语法元素的下一个二进制符号进行解码,视频解码器300可以重复这些步骤,其中区间是包含经编码的值的子区间。当视频解码器300针对下一个二进制符号重复这些步骤时,视频解码器300可以使用基于由所识别的译码上下文指示的概率和经解码的二进制符号来修改的概率。然后,视频解码器300可以对二进制符号进行二值化以恢复语法元素的值。

图片的切片可以包括图片的整数个块。例如,图片的切片可以包括图片的整数个CTU。CTB是样本的NxN块(对于给定值N来说);将图片的分量(例如,颜色分量)划分为CTB是对图片的分割。超级块是瓦片内的块四叉树的顶部级别。此外,在一些示例中,图片内的所有超级块是大小相同的且为正方形。例如,超级块可以是128x128亮度样本或64x64亮度样本。超级块包含1个或2个或4个模式信息块,或者可以在每个方向上平分以创建4个子块,这些子块本身可以被进一步细分,从而形成块四叉树。CTB和超级块可以是成为更小块的分割的根。因此,在本公开内容中对CTB的讨论也可以适用于超级块。

切片的CTU可以按扫描顺序(诸如光栅扫描顺序)连续排序。瓦片扫描是对图片进行分割的CTB的特定顺序排序,其中CTB在瓦片中的CTB光栅扫描中连续排序,而图片中的瓦片在图片的瓦片的光栅扫描中连续排序。在一些示例中,瓦片是在图片中的特定瓦片列和特定瓦片行内的CTB的矩形区域。

自适应环路滤波是一种可以提高视频译码中的质量和/或压缩的技术。在ALF的一些实现中,视频译码器(例如,视频编码器20或视频解码器30)可以确定用于当前图片的每个CTB的分类索引。用于CTB的分类索引指示CTB所属的类别。视频译码器可以基于块的方向性和块的活动的量化值来确定用于CTB的分类索引。例如,视频译码器可以以在VVC草案4的第8.6.4.3节中描述的方式来确定用于CTB的分类索引。在确定用于当前图片的块的分类索引之后,视频译码器可以对块的每个样本应用滤波器。在一些示例中,视频译码器可以针对亮度分量使用多达三个菱形滤波器。不同的分类索引对应于不同的滤波器系数集。

在VVC测试模型4(VTM-4.0)中,用于像素的自适应环路滤波器作为以下项来应用:

O(x,y)=I(x,y)+∑(i,j)≠(0,0)w(i,j)·(I(x+i,y+j)-I(x,y)) (1)

其中,样本I(x+i,y+j)是输入样本,O(x,y)是经滤波的输出样本(即,滤波器结果),并且w(i,j)表示滤波器系数。输入样本I(x,y)可以是CTB的经重构的样本。本公开内容可以将值I(x+i,y+j)-I(x,y)称为ALF的输入值,因为ALF滤波器系数应用于这些值。

在Taquet等人的“CE5:Results of tests CE5-3.1to CE5-3.4on Non-LinearAdaptive Loop Filter”,ITU-T SG 16WP 3和ISO/IEC JTC 1/SC 29/WG 11的联合视频专家组(JVET),第14次会议,瑞士日内瓦,2019年3月19-27日,文档号JVET-N0242(下文被称为“JVET-N0242”)中,按如下通过引入限幅操作以产生等式(2)来修改等式(1):

O′(x,y)=I(x,y)+∑(i,j)≠(0,0)w(i,j)·K(I(x+i,y+j)-I(x,y),k(i,j)), (2)

其中,K(d,b)=min(b,max(-b,d))是限幅函数,并且k(i,j)是限幅参数,其取决于(i,j)滤波器系数。限幅参数k(i,j)指示输入值I(x+i,y+j)-I(x,y)可能具有的最大值和最小值。

限幅操作可以被定义为:

在上面的等式3中,z是输入值。此外,在上面的等式3中,x和y是对应于最大值和最小值的限幅参数。用于位置(i,j)的值x和y可以被表示为k(i,j)。等式3的估计可能需要执行一个或两个比较操作(即z<x;以及如果z≥x,则z>y)。

在Hu等人的“CE5:Coding tree block based adaptive loop filter(CE5-4)”,ITU-T SG 16WP 3和ISO/IEC JTC 1/SC 29/WG 11的联合视频专家组(JVET),第14次会议,瑞士日内瓦,2019年3月19-27日,文档号JVET-N0415(下文被称为“JVET-N0415”)中,视频编码器200可以从一些候选集中选择用于译码树块(CTB)的滤波器集。换句话说,视频编码器200可以从多个候选集中选择用于CTB的滤波器集。在JVET-N0415中,当视频译码器(例如,视频编码器200或视频解码器300)将ALF应用于CTB时,针对每个CTB用信号通知一个滤波器集索引,以指示应用了哪个集。可以应用于CTB的候选滤波器集包括用信号通知的来自先前译码的图片、瓦片组、瓦片、固定滤波器集(也被称为预定义滤波器集)的ALF滤波器集、以及针对当前瓦片组、图片或切片(如果存在)用信号通知的滤波器集。

在JVET-N0415中,固定滤波器集也可以用作用信号通知的滤波器集的预测器。具体地,JVET-N0415指示:对于亮度分量,当ALF应用于亮度CTB时,指示在16个固定滤波器集、5个时间滤波器集或1个用信号通知的滤波器集中进行选择。在JVET-N0415中,仅用信号通知滤波器集索引。此外,在JVET-N0415中,对于一个切片,可以仅用信号通知一个25个滤波器的新集。根据JVET-N0415,如果针对切片用信号通知了新集,则同一切片中的所有亮度CTB共享该滤波器集。固定滤波器集可以用于预测新的切片级别滤波器集并且也可以用作用于亮度CTB的候选滤波器集。根据JVET-N0415,滤波器数量总共为64。对于色度分量,当ALF应用于色度CTB时,如果针对切片用信号通知了新滤波器,则CTB使用新滤波器;否则,应用满足时间可伸缩性约束的最新时间色度滤波器。在JVET-N0415的背景下,时间可伸缩性约束是指图片不能使用来自较高时间层的经译码的信息(诸如滤波器)的约束。

当组合这两种方法(即,JVET-N0242和JVET-N0415的方法)时,不清楚如何将限幅与固定滤波器集一起应用。本公开内容描述了可以用于利用固定滤波器集执行限幅的示例技术。本公开内容的示例和技术可以单独地使用或组合地使用。

根据本公开内容的第一示例技术,在序列参数集或图片参数集处(例如,由视频编码器200)用信号通知标志,以指示固定滤波器集是否可以用于预测非线性ALF滤波器中的滤波器系数。非线性ALF滤波器是在其中应用一个或多个非线性操作(诸如限幅操作)的ALF滤波器。相反,线性ALF滤波器是在其中仅应用线性操作的ALF滤波器,诸如在等式1和等式2中表达的ALF滤波器。在该第一示例中,如果固定滤波器集可以用于预测非线性ALF滤波器的滤波器系数,则视频编码器200可以用信号通知指示固定滤波器集中的一个或多个固定滤波器集的滤波器系数的差量值的数据。视频解码器300可以从比特流获得标志。如果标志指示固定滤波器集可以用于预测非线性ALF滤波器的滤波器系数,则视频解码器300可以从比特流中获得差量值,并且将差量值与固定滤波器集中的一个或多个固定滤波器集的滤波器系数相加,以重构非线性ALF滤波器的滤波器系数。

根据本公开内容的第二示例技术,应用一些固定限幅参数集来预测新的非线性ALF滤波器集中的限幅参数。如上所述,限幅参数可以定义针对ALF的输入值的上限和下限。可以预定义固定限幅参数集。换句话说,在该第二示例中,可以在视频编码器200和视频解码器300处定义固定限幅参数集,使得不需要由视频编码器200在比特流中用信号通知固定限幅参数集。视频解码器300不需要获得或处理来自比特流的任何语法元素来确定固定限幅参数集。

在该第二示例中,视频编码器200在序列、图片、切片、瓦片组或APS级别用信号通知标志,以确定是否可以使用这些预定义限幅参数集。另外,如果预定义限幅参数集可以用于预测非线性ALF滤波器的滤波器系数,则视频编码器200可以用信号通知指示用于预定义限幅参数集中的一个或多个预定义限幅参数集的预定义限幅参数的差量值的数据。如果该标志指示预定义限幅参数集可以用于预测非线性ALF滤波器的限幅参数,则视频解码器300可以从比特流中获得差量值,并且将差量值与预定义限幅参数集中的一个或多个预定义限幅参数集的限幅参数相加以重构限幅参数。

在第三示例技术中,当固定滤波器集应用于CTB时,也可以应用限幅。例如,在第三技术的一个示例中,一个或多个默认限幅值(例如,由视频编码器200或视频解码器300)用于固定滤波器集。在一个这样的示例中,当固定滤波器集应用于CTB时,不应用限幅。换句话说,当固定滤波器集之一用于将ALF应用于CTB时,视频编码器200和视频解码器300都不执行作为将ALF应用于CTB的一部分的限幅操作。因此,在这样的示例中,基于限幅值是最大支持值,视频编码器200和视频解码器300都不对输入应用限幅。在这种情况下,默认限幅值是能够支持的最大值。因为默认限幅值是能够支持的最大值,所以可以实现视频编码器200和视频解码器300以避免执行限幅操作,因为输入值永远不会大于最大支持值。可以在比特流中(例如,由视频编码器200)用信号通知最大支持值本身。

在可以应用固定滤波器集和限幅的另一示例中,固定滤波器集的所有类(例如,滤波器)都使用相同的限幅值集。例如,在VVC中,每个滤波器集可以包含25个滤波器,其也可以被称为类。在可以应用(例如,由视频编码器200和视频解码器300)固定滤波器集和限幅的另一示例中,每个类(例如,滤波器)具有其自己的限幅值集。

在可以应用固定滤波器集和限幅的一个示例中,视频编码器200可以用信号通知用于一个序列/图片/瓦片组的标志,以指示(例如,启用)当固定滤波器集应用于CTB或其它类型的块时是否可以应用限幅。用信号通知用于一个序列/图片/瓦片组的标志意味着视频编码器200可以在SPS、PPS或瓦片组报头中用信号通知该标志。在第三技术的一些示例中,当限幅可以应用于CTB(或块)时,视频编码器200可以用信号通知用于一个序列/图片/瓦片组的标志,以指示图片/瓦片组中的所有CTB(或块)都使用相同的限幅参数。这些限幅参数可以(例如,由视频编码器200)显式地用信号通知,或者可以与来自一个或多个先前译码的限幅参数集的限幅参数相同。

此外,在第三技术的一个示例中,当限幅可以应用于CTB时,视频编码器200可以用信号通知标志以指示是否将限幅应用于CTB。视频解码器300可以从比特流中获得该标志,并且基于该标志来确定是否将限幅应用于CTB(或块)。来自先前译码的CTB(或块)或预定义限幅参数的限幅信息可以(例如,由视频编码器200和视频解码器300)用于建立上下文模型以用信号通知该标志。换句话说,视频编码器200和视频解码器300可以基于来自先前译码的CTB或预定义限幅参数的限幅信息来选择用于在对指示是否将限幅应用于CTB(或块)的标志进行CABAC译码时使用的上下文模型。例如,可以定义从每个预定义限幅参数集到上下文模型的映射。视频编码器200和视频解码器300可以使用该映射来选择上下文模型。类似地,在一些示例中,在与先前译码的CTB(或块)一起使用的限幅信息中表达的上限和下限的值可以与不同的上下文模型相关联。

在第三种技术的一些示例中,当限幅应用于CTB(或块)时,视频编码器200可以用信号通知标志,以指示显式地用信号通知限幅参数还是限幅参数与一个先前译码的非线性ALF滤波器集中的限幅参数相同。可以在比特流中比表示CTB(或块)的数据更早地用信号通知先前译码的非线性ALF滤波器集。视频解码器300可以从比特流中获得标志。然后,视频解码器300可以基于该标志来确定要在将ALF应用于CTB(或块)时使用的限幅参数是显式地用信号通知的还是与先前译码的非线性ALF滤波器集中的限幅参数相同。

此外,在第三种技术的一些示例中,当CTB(或块)重用一个先前译码的非线性ALF滤波器集中的限幅参数或预定义限幅参数时,视频编码器200可以用信号通知索引,以指示从中获得当前CTB(或块)的限幅参数的先前译码的非线性ALF滤波器集或预定义限幅参数集。在这样的示例中,视频解码器300可以从比特流中获得索引。视频解码器300可以确定该索引指示哪个先前译码的非线性ALF滤波器集或预定义限幅参数集。视频解码器300可以在将ALF应用于当前CTB(或块)时使用所指示的滤波器集或限幅参数集。

概括而言,本公开内容可能涉及“用信号通知”某些信息(诸如语法元素)。术语“用信号通知”通常可以指视频编码器200对用于语法元素的值和/或用于对经编码的视频数据进行解码的其它数据的传送。也就是说,视频编码器200可以在比特流中用信号通知用于语法元素的值。通常,用信号通知指代在比特流中生成值。如上所述,源设备102可以基本上实时地或不是实时地(诸如可能在将语法元素存储到存储设备112以供目的地设备116稍后取回时发生)将比特流传输到目的地设备116。视频解码器300可以从比特流获得用信号通知的信息(例如,语法元素)。因此,视频编码器200可以对在比特流中用信号通知的语法元素进行编码,并且视频解码器300可以对在比特流中用信号通知的语法元素进行解码;因此,视频译码器可以对在比特流中用信号通知的语法元素进行译码。

图2A和2B是示出示例四叉树二叉树(QTBT)结构130以及对应的译码树单元(CTU)132的概念图。实线表示四叉树拆分,而虚线指示二叉树拆分。在二叉树的每个拆分(即非叶)节点中,用信号通知一个标志以指示使用哪种拆分类型(即,水平或垂直),其中,在该示例中,0指示水平拆分,而1指示垂直拆分。对于四叉树拆分,由于四叉树节点将块水平地并且垂直地拆分为具有相等大小的4个子块,因此无需指示拆分类型。因此,视频编码器200可以对以下各项进行编码,而视频解码器300可以对以下各项进行解码:用于QTBT结构130的区域树级别(即,第一级别)(即,实线)的语法元素(诸如拆分信息)、以及用于QTBT结构130的预测树级别(即,第二级别)(即,虚线)的语法元素(诸如拆分信息)。视频编码器200可以对用于由QTBT结构130的终端叶节点表示的CU的视频数据(诸如预测和变换数据)进行编码,而视频解码器300可以对视频数据进行解码。

通常,图2B的CTU 132可以与定义与QTBT结构130的处于第一和第二级别的节点相对应的块的大小的参数相关联。这些参数可以包括CTU大小(表示样本中的CTU 132的大小)、最小四叉树大小(MinQTSize,其表示最小允许四叉树叶节点大小)、最大二叉树大小(MaxBTSize,其表示最大允许二叉树根节点大小)、最大二叉树深度(MaxBTDepth,其表示最大允许二叉树深度)、以及最小二叉树大小(MinBTSize,其表示最小允许二叉树叶节点大小)。

QTBT结构的与CTU相对应的根节点可以在QTBT结构的第一级别处具有四个子节点,每个子节点可以是根据四叉树分割来分割的。也就是说,第一级别的节点是叶节点(没有子节点)或者具有四个子节点。QTBT结构130的示例将这样的节点表示为包括具有实线分支的父节点和子节点。如果第一级别的节点不大于最大允许二叉树根节点大小(MaxBTSize),则可以通过相应的二叉树对它们进一步分割。可以对一个节点的二叉树拆分进行迭代,直到从拆分产生的节点达到最小允许二叉树叶节点大小(MinBTSize)或最大允许二叉树深度(MaxBTDepth)。QTBT结构130的示例将这样的节点表示为具有虚线分支。二叉树叶节点被称为译码单元(CU),其用于预测(例如,图片内或图片间预测)和变换,而不进行任何进一步分割。如上所讨论的,CU也可以被称为“视频块”或“块”。

在QTBT分割结构的一个示例中,CTU大小被设置为128x128(亮度样本和两个对应的64x64色度样本),MinQTSize被设置为16x16,MaxBTSize被设置为64x64,MinBTSize(对于宽度和高度两者)被设置为4,并且MaxBTDepth被设置为4。首先对CTU应用四叉树分割以生成四叉树叶节点。四叉树叶节点可以具有从16x16(即MinQTSize)到128x128(即CTU大小)的大小。如果四叉树叶节点为128x128,则由于该大小超过MaxBTSize(即,在该示例中为64x64),因此四叉树叶节点将不被二叉树进一步拆分。否则,四叉树叶节点将被二叉树进一步分割。因此,四叉树叶节点也是用于二叉树的根节点,并且具有为0的二叉树深度。当二叉树深度达到MaxBTDepth(在该示例中为4)时,不允许进一步拆分。当二叉树节点具有等于MinBTSize(在该示例中为4)的宽度时,其意味着不允许进行进一步的垂直拆分。类似地,具有等于MinBTSize的高度的二叉树节点意味着不允许针对该二叉树节点进行进一步的水平拆分。如上所述,二叉树的叶节点被称为CU,并且根据预测和变换而被进一步处理,而无需进一步分割。

图3是示出可以执行本公开内容的技术的示例视频编码器200的框图。图3是出于解释的目的而提供的,并且不应当被认为对在本公开内容中泛泛地举例说明和描述的技术进行限制。出于解释的目的,本公开内容在视频译码标准(诸如HEVC视频译码标准和正在开发的H.266(VVC)视频译码标准)的背景下描述视频编码器200。然而,本公开内容的技术不限于这些视频译码标准,并且通常适用于视频编码和解码。

在图3的示例中,视频编码器200包括视频数据存储器230、模式选择单元202、残差生成单元204、变换处理单元206、量化单元208、逆量化单元210、逆变换处理单元212、重构单元214、滤波器单元216、解码图片缓冲器(DPB)218和熵编码单元220。视频数据存储器230、模式选择单元202、残差生成单元204、变换处理单元206、量化单元208、逆量化单元210、逆变换处理单元212、重构单元214、滤波器单元216、DPB 218和熵编码单元220中的任何一者或全部可以在一个或多个处理器中或者在处理电路中实现。此外,视频编码器200可以包括额外或替代的处理器或处理电路以执行这些和其它功能。

视频数据存储器230可以存储要由视频编码器200的组件来编码的视频数据。视频编码器200可以从例如视频源104(图1)接收被存储在视频数据存储器230中的视频数据。DPB 218可以充当参考图片存储器,其存储参考视频数据以在由视频编码器200对后续视频数据进行预测时使用。视频数据存储器230和DPB 218可以由各种存储器设备中的任何一种形成,诸如动态随机存取存储器(DRAM)(包括同步DRAM(SDRAM))、磁阻式RAM(MRAM)、电阻式RAM(RRAM)、或其它类型的存储器设备。视频数据存储器230和DPB 218可以由相同的存储器设备或单独的存储器设备来提供。在各个示例中,视频数据存储器230可以与视频编码器200的其它组件在芯片上(如图所示),或者相对于那些组件在芯片外。

在本公开内容中,对视频数据存储器230的引用不应当被解释为限于在视频编码器200内部的存储器(除非如此具体地描述),或者不限于在视频编码器200外部的存储器(除非如此具体地描述)。确切而言,对视频数据存储器230的引用应当被理解为存储视频编码器200接收以用于编码的视频数据(例如,用于要被编码的当前块的视频数据)的参考存储器。图1的存储器106还可以提供对来自视频编码器200的各个单元的输出的临时存储。

说明了图3的各个单元以帮助理解由视频编码器200执行的操作。这些单元可以被实现为固定功能电路、可编程电路、或其组合。固定功能电路指代提供特定功能并且关于可以执行的操作而预先设置的电路。可编程电路指代可以被编程以执行各种任务并且以可以执行的操作来提供灵活功能的电路。例如,可编程电路可以执行软件或固件,软件或固件使得可编程电路以软件或固件的指令所定义的方式进行操作。固定功能电路可以执行软件指令(例如,以接收参数或输出参数),但是固定功能电路执行的操作类型通常是不可变的。在一些示例中,这些单元中的一个或多个单元可以是不同的电路块(固定功能或可编程),并且在一些示例中,一个或多个单元可以是集成电路。

视频编码器200可以包括由可编程电路形成的算术逻辑单元(ALU)、基本功能单元(EFU)、数字电路、模拟电路和/或可编程核。在其中使用由可编程电路执行的软件来执行视频编码器200的操作的示例中,存储器106(图1)可以存储视频编码器200接收并且执行的软件的目标代码,或者视频编码器200内的另一存储器(未示出)可以存储这样的指令。

视频数据存储器230被配置为存储所接收的视频数据。视频编码器200可以从视频数据存储器230中取回视频数据的图片,并且将视频数据提供给残差生成单元204和模式选择单元202。视频数据存储器230中的视频数据可以是要被编码的原始视频数据。

模式选择单元202包括运动估计单元222、运动补偿单元224和帧内预测单元226。模式选择单元202可以包括额外功能单元,其根据其它预测模式来执行视频预测。作为示例,模式选择单元202可以包括调色板译码单元、帧内块复制译码单元(其可以是运动估计单元222和/或运动补偿单元224的一部分)、仿射译码单元、线性模型(LM)译码单元等。

模式选择单元202通常协调多个编码通路(pass),以测试编码参数的组合以及针对这样的组合所得到的率失真值。编码参数可以包括将CTU分割为CU、用于CU的预测模式、用于CU的残差数据的变换类型、用于CU的残差数据的量化参数等。模式选择单元202可以最终选择编码参数的具有比其它测试的组合更佳的率失真值的组合。

视频编码器200可以将从视频数据存储器230中取回的图片分割为一系列CTU,并且将一个或多个CTU封装在切片内。模式选择单元202可以根据树结构(诸如上述例如VCC的QTBT结构或例如HEVC的四叉树结构)来分割图片的CTU。如上所述,视频编码器200可以通过根据树结构来分割CTU,从而形成一个或多个CU。这样的CU通常也可以被称为“视频块”或“块”。

通常,模式选择单元202还控制其组件(例如,运动估计单元222、运动补偿单元224和帧内预测单元226)以生成用于当前块(例如,当前CU,或者在HEVC中为PU和TU的重叠部分)的预测块。为了对当前块进行帧间预测,运动估计单元222可以执行运动搜索以识别在一个或多个参考图片(例如,被存储在DPB 218中的一个或多个先前译码的图片)中的一个或多个紧密匹配的参考块。具体地,运动估计单元222可以例如根据绝对差之和(SAD)、平方差之和(SSD)、平均绝对差(MAD)、均方差(MSD)等,来计算表示潜在参考块将与当前块的类似程度的值。运动估计单元222通常可以使用在当前块与所考虑的参考块之间的逐样本差来执行这些计算。运动估计单元222可以识别从这些计算所得到的具有最低值的参考块,其指示与当前块最紧密匹配的参考块。

运动估计单元222可以形成一个或多个运动矢量(MV),所述运动矢量定义相对于当前块在当前图片中的位置而言参考块在参考图片中的位置。然后,运动估计单元222可以将运动矢量提供给运动补偿单元224。例如,对于单向帧间预测,运动估计单元222可以提供单个运动矢量,而对于双向帧间预测,运动估计单元222可以提供两个运动矢量。然后,运动补偿单元224可以使用运动矢量来生成预测块。例如,运动补偿单元224可以使用运动矢量来取回参考块的数据。作为另一示例,如果运动矢量具有分数样本精度,则运动补偿单元224可以根据一个或多个插值滤波器来对用于预测块的值进行插值。此外,对于双向帧间预测,运动补偿单元224可以取回用于由相应的运动矢量标识的两个参考块的数据并且例如通过逐样本平均或加权平均值来将所取回的数据进行组合。

作为另一示例,对于帧内预测或帧内预测译码,帧内预测单元226可以根据与当前块相邻的样本来生成预测块。例如,对于方向性模式,帧内预测单元226通常可以在数学上将相邻样本的值进行组合,并且跨当前块在所定义的方向上填充这些计算出的值以产生预测块。作为另一示例,对于DC模式,帧内预测单元226可以计算当前块的相邻样本的平均值,并且生成预测块以包括针对预测块的每个样本的该得到的平均值。

模式选择单元202将预测块提供给残差生成单元204。残差生成单元204从视频数据存储器230接收当前块的原始的未经译码的版本,并且从模式选择单元202接收预测块。残差生成单元204计算在当前块与预测块之间的逐样本差。所得到的逐样本差定义了用于当前块的残差块。在一些示例中,残差生成单元204还可以确定残差块中的样本值之间的差,以使用残差差分脉冲译码调制(RDPCM)来生成残差块。在一些示例中,可以使用执行二进制减法的一个或多个减法器电路来形成残差生成单元204。

在其中模式选择单元202将CU分割为PU的示例中,每个PU可以与亮度预测单元和对应的色度预测单元相关联。视频编码器200和视频解码器300可以支持具有各种大小的PU。如上所指出的,CU的大小可以指代CU的亮度译码块的大小,而PU的大小可以指代PU的亮度预测单元的大小。假设特定CU的大小为2Nx2N,则视频编码器200可以支持用于帧内预测的2Nx2N或NxN的PU大小、以及用于帧间预测的2Nx2N、2NxN、Nx2N、NxN或类似的对称的PU大小。视频编码器200和视频解码器300还可以支持针对用于帧间预测的2NxnU、2NxnD、nLx2N和nRx2N的PU大小的非对称分割。

在其中模式选择单元不将CU进一步分割为PU的示例中,每个CU可以与亮度译码块和对应的色度译码块相关联。如上所述,CU的大小可以指代CU的亮度译码块的大小。视频编码器200和视频解码器300可以支持2Nx2N、2NxN或Nx2N的CU大小。

对于其它视频译码技术(举几个示例,诸如帧内块复制模式译码、仿射模式译码和线性模型(LM)模式译码),模式选择单元202经由与译码技术相关联的相应单元来生成用于正被编码的当前块的预测块。在一些示例中(诸如调色板模式译码),模式选择单元202可以不生成预测块,而是替代地生成指示基于所选择的调色板来重构块的方式的语法元素。在这样的模式下,模式选择单元202可以将这些语法元素提供给熵编码单元220以进行编码。

如上所述,残差生成单元204接收用于当前块和对应的预测块的视频数据。然后,残差生成单元204为当前块生成残差块。为了生成残差块,残差生成单元204计算在预测块与当前块之间的逐样本差。

变换处理单元206将一种或多种变换应用于残差块,以生成变换系数的块(本文中被称为“变换系数块”)。变换处理单元206可以将各种变换应用于残差块,以形成变换系数块。例如,变换处理单元206可以将离散余弦变换(DCT)、方向性变换、Karhunen-Loeve变换(KLT)、或概念上类似的变换应用于残差块。在一些示例中,变换处理单元206可以对残差块执行多种变换,例如,初级变换和二次变换(诸如旋转变换)。在一些示例中,变换处理单元206不对残差块应用变换。

量化单元208可以对变换系数块中的变换系数进行量化,以产生经量化的变换系数块。量化单元208可以根据与当前块相关联的量化参数(QP)值来对变换系数块的变换系数进行量化。视频编码器200(例如,经由模式选择单元202)可以通过调整与CU相关联的QP值来调整被应用于与当前块相关联的系数块的量化程度。量化可能引起信息损失,并且因此,经量化的变换系数可能具有与变换处理单元206所产生的原始变换系数相比较低的精度。

逆量化单元210和逆变换处理单元212可以将逆量化和逆变换分别应用于经量化的变换系数块,以从变换系数块重构残差块。重构单元214可以基于经重构的残差块和由模式选择单元202生成的预测块来产生与当前块相对应的重构块(尽管潜在地具有某种程度的失真)。例如,重构单元214可以将经重构的残差块的样本与来自模式选择单元202所生成的预测块的对应样本相加,以产生经重构的块。

滤波器单元216可以对经重构的块执行一个或多个滤波器操作。例如,滤波器单元216可以执行去块操作以减少沿着CU的边缘的块效应伪影。在一些示例中,滤波器单元216可以应用ALF。例如,根据本公开内容的一种或多种技术,滤波器单元216可以确定要与CTB一起使用的滤波器集是否来自多个固定滤波器集。如果要与CTB一起使用的滤波集来自多个固定滤波器集,则滤波器单元216可以将限幅值设置为最大支持限幅值。然后,滤波器单元216可以基于限幅值来确定针对ALF的经限幅的输入。然后,滤波器单元216可以将ALF应用于经限幅的输入。

视频编码器200将经重构的块存储在DPB 218中。例如,在其中不需要滤波器单元216的操作的示例中,重构单元214可以将经重构的块存储到DPB 218中。在其中需要滤波器单元216的操作的示例中,滤波器单元216可以将经滤波的重构块存储到DPB 218中。运动估计单元222和运动补偿单元224可以从DPB 218中取回由经重构的(并且潜在地经滤波的)块形成的参考图片,以对后续编码的图片的块进行帧间预测。另外,帧内预测单元226可以使用在DPB 218中的当前图片的经重构的块来对当前图片中的其它块进行帧内预测。

通常,熵编码单元220可以对从视频编码器200的其它功能组件接收的语法元素进行熵编码。例如,熵编码单元220可以对来自量化单元208的经量化的变换系数块进行熵编码。作为另一示例,熵编码单元220可以对来自模式选择单元202的预测语法元素(例如,用于帧间预测的运动信息或用于帧内预测的帧内模式信息)进行熵编码。熵编码单元220可以对作为视频数据的另一示例的语法元素执行一个或多个熵编码操作,以生成经熵编码的数据。例如,熵编码单元220可以执行上下文自适应变长译码(CAVLC)操作、CABAC操作、可变-可变(V2V)长度译码操作、基于语法的上下文自适应二进制算术译码(SBAC)操作、概率区间分割熵(PIPE)译码操作、指数哥伦布编码操作、或对数据的另一种类型的熵编码操作。在一些示例中,熵编码单元220可以在其中语法元素未被熵编码的旁路模式下操作。

视频编码器200可以输出比特流,其包括用于重构切片或图片的块所需要的经熵编码的语法元素。具体地,熵编码单元220可以输出比特流。

关于块描述了上述操作。这样的描述应当被理解为用于亮度译码块和/或色度译码块的操作。如上所述,在一些示例中,亮度译码块和色度译码块是CU的亮度分量和色度分量。在一些示例中,亮度译码块和色度译码块是PU的亮度分量和色度分量。

在一些示例中,不需要针对色度译码块重复关于亮度编码块执行的操作。作为一个示例,不需要重复用于识别用于亮度译码块的运动矢量(MV)和参考图片的操作来识别用于色度块的MV和参考图片。确切而言,可以对用于亮度译码块的MV进行缩放以确定用于色度块的MV,并且参考图片可以是相同的。作为另一示例,对于亮度译码块和色度译码块,帧内预测过程可以是相同的。

视频编码器200表示被配置为对视频数据进行编码的设备的示例,该设备包括:被配置为存储视频数据的存储器;以及一个或多个处理单元,其在电路中实现并且被配置为:在包括视频数据的经编码的表示的比特流的序列参数集(SPS)或图片参数集(PPS)级别对语法元素进行编码,该语法元素指示固定滤波器集是否可用于预测非线性ALF滤波器中的滤波器系数;以及基于该语法元素来将非线性ALF滤波器应用于视频数据的块。

在一些示例中,视频编码器200表示被配置为对视频数据进行编码的设备的示例,该设备包括:被配置为存储视频数据的存储器;以及一个或多个处理单元,其在电路中实现并且被配置为:应用固定限幅参数集以预测非线性ALF滤波器集的限幅参数;以及基于非线性ALF滤波器集来向视频数据的块应用非线性ALF滤波器。在一些示例中,视频编码器200表示被配置为对视频数据进行编码的设备的示例,该设备包括:被配置为存储视频数据的存储器;以及一个或多个处理单元,其在电路中实现并且被配置为:从多个固定滤波器集中确定用于CTB的滤波器集;对针对滤波器集的自适应环路滤波器的输入进行限幅,输入是CTB的样本;以及将ALF应用于经限幅的的输入。运动估计单元222、运动补偿单元224和/或帧内预测单元226可以使用通过将ALF应用于经限幅的输入而生成的经滤波的CTB来生成预测块。

图4是示出可以执行本公开内容的技术的示例视频解码器300的框图。图4是出于解释的目的而提供的,并且不对在本公开内容中泛泛地举例说明和描述的技术进行限制。出于解释的目的,本公开内容根据JEM、VVC和HEVC的技术描述了视频解码器300。然而,本公开内容的技术可以由被配置用于其它视频译码标准的视频译码设备来执行。

在图4的示例中,视频解码器300包括译码图片缓冲器(CPB)存储器320、熵解码单元302、预测处理单元304、逆量化单元306、逆变换处理单元308、重构单元310、滤波器单元312和解码图片缓冲器(DPB)134。CPB存储器320、熵解码单元302、预测处理单元304、逆量化单元306、逆变换处理单元308、重构单元310、滤波器单元312和DPB 134中的任何一者或全部可以在一个或多个处理器中或者在处理电路中实现。此外,视频解码器300可以包括额外或替代的处理器或处理电路以执行这些和其它功能。

预测处理单元304包括运动补偿单元316和帧内预测单元318。预测处理单元304可以包括加法单元,其根据其它预测模式来执行预测。作为示例,预测处理单元304可以包括调色板单元、帧内块复制单元(其可以形成运动补偿单元316的一部分)、仿射单元、线性模型(LM)单元等。在其它示例中,视频解码器300可以包括更多、更少或不同的功能组件。

CPB存储器320可以存储要由视频解码器300的组件解码的视频数据,诸如经编码的视频比特流。例如,可以从计算机可读介质110(图1)获得被存储在CPB存储器320中的视频数据。CPB存储器320可以包括存储来自经编码的视频比特流的经编码的视频数据(例如,语法元素)的CPB。此外,CPB存储器320可以存储除了经译码的图片的语法元素之外的视频数据,诸如表示来自视频解码器300的各个单元的输出的临时数据。DPB314通常存储经解码的图片,视频解码器300可以输出经解码的图片,和/或在解码经编码的视频比特流的后续数据或图片时使用经解码的图片作为参考视频数据。CPB存储器320和DPB 314可以由各种存储器设备中的任何一种形成,诸如动态随机存取存储器(DRAM),包括同步DRAM(SDRAM)、磁阻式RAM(MRAM)、电阻式RAM(RRAM)或其它类型的存储器设备。CPB存储器320和DPB 314可以由相同的存储器设备或单独的存储器设备来提供。在各个示例中,CPB存储器320可以与视频解码器300的其它组件在芯片上,或者相对于那些组件在芯片外。

另外或替代地,在一些示例中,视频解码器300可以从存储器120(图1)中取回经译码的视频数据。也就是说,存储器120可以如上文所讨论地利用CPB存储器320来存储数据。同样,当视频解码器300的一些或全部功能是用要被视频解码器300的处理电路执行的软件来实现时,存储器120可以存储要被视频解码器300执行的指令。

说明了在图4中示出的各个单元以帮助理解由视频解码器300执行的操作。这些单元可以被实现为固定功能电路、可编程电路、或其组合。类似于图3,固定功能电路指代提供特定功能并且关于可以执行的操作而预先设置的电路。可编程电路指代可以被编程以执行各种任务并且以可以执行的操作来提供灵活功能的电路。例如,可编程电路可以执行软件或固件,软件或固件使得可编程电路以软件或固件的指令所定义的方式进行操作。固定功能电路可以执行软件指令(例如,以接收参数或输出参数),但是固定功能电路执行的操作的类型通常是不可变的。在一些示例中,这些单元中的一个或多个单元可以是不同的电路块(固定功能或可编程),并且在一些示例中,一个或多个单元可以是集成电路。

视频解码器300可以包括由可编程电路形成的ALU、EFU、数字电路、模拟电路和/或可编程核。在其中由在可编程电路上执行的软件执行视频解码器300的操作的示例中,片上或片外存储器可以存储视频解码器300接收并且执行的软件的指令(例如,目标代码)。

熵解码单元302可以从CPB接收经编码的视频数据,并且对视频数据进行熵解码以重新产生语法元素。预测处理单元304、逆量化单元306、逆变换处理单元308、重构单元310和滤波器单元312可以基于从比特流中提取的语法元素来生成经解码的视频数据。

通常,视频解码器300逐块地重构图片。视频解码器300可以单独地对每个块执行重构操作(其中,当前正在被重构(即,被解码)的块可以被称为“当前块”)。

熵解码单元302可以对定义经量化的变换系数块的经量化的变换系数的语法元素以及诸如量化参数(QP)和/或变换模式指示之类的变换信息进行熵解码。逆量化单元306可以使用与经量化的变换系数块相关联的QP来确定量化程度,并且同样地,确定供逆量化单元306应用的逆量化程度。逆量化单元306可以例如执行按位左移操作以对经量化的变换系数进行逆量化。逆量化单元306从而可以形成包括变换系数的变换系数块。

在逆量化单元306形成变换系数块之后,逆变换处理单元308可以将一种或多种逆变换应用于变换系数块,以生成与当前块相关联的残差块。例如,逆变换处理单元308可以将逆DCT、逆整数变换、逆Karhunen-Loeve变换(KLT)、逆旋转变换、逆方向性变换或另一逆变换应用于系数块。

此外,预测处理单元304根据由熵解码单元302进行熵解码的预测信息语法元素来生成预测块。例如,如果预测信息语法元素指示当前块是经帧间预测的,则运动补偿单元316可以生成预测块。在这种情况下,预测信息语法元素可以指示在DPB 314中的要从其取回参考块的参考图片、以及标识相对于当前块在当前图片中的位置而言参考块在参考图片中的位置的运动矢量。运动补偿单元316通常可以以与关于运动补偿单元224(图3)所描述的方式基本类似的方式来执行帧间预测过程。

作为另一示例,如果预测信息语法元素指示当前块是经帧内预测的,则帧内预测单元318可以根据由预测信息语法元素指示的帧内预测模式来生成预测块。再次,帧内预测单元318通常可以以与关于帧内预测单元226(图3)所描述的方式基本上类似的方式来执行帧内预测过程。帧内预测单元318可以从DPB 314中取回当前块的相邻样本的数据。

重构单元310可以使用预测块和残差块来重构当前块。例如,重构单元310可以将残差块的样本与预测块的对应样本相加来重构当前块。

滤波器单元312可以对经重构的块执行一个或多个滤波器操作。例如,滤波器单元312可以执行去块操作以减少沿着经重构的块的边缘的块效应伪影。在一些示例中,滤波器单元312应用ALF。例如,根据本公开内容的一种或多种技术,滤波器单元312可以确定要与CTB一起使用的滤波器集是否来自多个固定(即,预定义)滤波器集。如果要与CTB一起使用的滤波器集来自多个固定滤波器集,则滤波器单元312可以将限幅值设置为最大支持限幅值,这可以等效于不应用任何限幅。因此,在这样的示例中,滤波器单元312可以基于限幅值是最大支持值而不对输入应用限幅。然后,滤波器单元312可以基于限幅值来确定针对ALF的经限幅的输入。然后,滤波器单元312可以将ALF应用于经限幅的输入。

视频解码器300可以将经重构的块存储在DPB 314中。例如,在其中不执行滤波器单元312的操作的示例中,重构单元310可以将经重构的块存储到DPB 314中。在其中执行滤波器单元312的操作的示例中,滤波器单元312可以将经滤波的经重构块存储到DPB 314中。如上所讨论的,DPB314可以将参考信息(诸如用于帧内预测的当前图片以及用于后续运动补偿的先前解码的图片的样本)提供给预测处理单元304。此外,视频解码器300可以从DPB输出经解码的图片,以用于在诸如图1的显示设备118之类的显示设备上的后续呈现。

以这种方式,视频解码器300表示被配置为对视频数据进行解码的设备的示例,该设备包括:被配置为存储视频数据的存储器(例如,DPB 314);以及一个或多个处理单元,其在电路中实现并且被配置为:在包括视频数据的经编码的表示的比特流的SPS或PPS级别对指示固定滤波器集是否可用于预测非线性ALF滤波器中的滤波器系数的语法元素进行解码。在一些示例中,熵解码单元302对语法元素进行解码。此外,视频解码器300的一个或多个处理单元可以基于语法元素来将非线性ALF滤波器应用于视频数据的块。例如,滤波器单元312可以将非线性ALF滤波器应用于块。

在一些示例中,视频解码器300表示被配置为对视频数据进行解码的设备的示例,该设备包括:被配置为存储视频数据的存储器(例如,DPB 314);以及一个或多个处理单元,其在电路中实现并且被配置为:应用固定限幅参数集以预测非线性ALF滤波器集的限幅参数。另外,视频解码器300的一个或多个处理单元可以基于非线性ALF滤波器集来向视频数据的块应用非线性ALF滤波器。例如,视频解码器300的滤波器单元312可以应用固定限幅参数集以预测非线性ALF滤波器集的限幅参数,并且基于非线性ALF滤波器集来应用非线性ALF滤波器。

在一些示例中,视频解码器300表示被配置为对视频数据进行解码的设备的示例,该设备包括:被配置为存储视频数据的存储器(例如,DPB 314);以及一个或多个处理单元,其在电路中实现并且被配置为:从多个固定滤波器集中确定用于CTB的滤波器集;将针对滤波器集的自适应环路滤波器的输入进行限幅,输入是CTB的样本;以及将ALF应用于经限幅的输入。滤波器单元312可以确定用于CTB的滤波器集,对输入进行限幅,并且将ALF应用于经限幅的输入。

在一些示例中,视频解码器300表示被配置为对视频数据进行解码的设备的示例,该设备包括:被配置为存储视频数据的存储器(例如,DPB 314);以及一个或多个处理单元,其在电路中实现并且被配置为:从多个固定滤波器集中确定用于CTB的滤波器集,其中,CTB在视频数据的图片中。在该示例中,基于用于CTB的滤波器集来自固定滤波器集,视频解码器300将限幅值设置为最大支持值。另外,视频解码器300可以基于限幅值来确定针对滤波器集的ALF的经限幅的输入,输入中的每个输入是输入样本减去当前样本。视频解码器300可以将ALF应用于经限幅的输入。在该示例中,视频解码器300的滤波器单元312可以确定滤波器集,设置限幅值,确定经限幅的输入,并且将ALF应用于经限幅的输入。运动补偿单元316和/或帧内预测单元318可以使用通过将ALF应用于经限幅的输入而生成的经滤波的CTB来生成预测块。

图5是示出用于对当前块进行编码的示例方法的流程图。当前块可以包括当前CU。尽管关于视频编码器200(图1和2)进行了描述,但是应当理解的是,其它设备可以被配置为执行与图5的方法类似的方法。

在该示例中,视频编码器200最初预测当前块(350)。例如,视频编码器200可以形成用于当前块的预测块。然后,视频编码器200可以计算用于当前块的残差块(352)。为了计算残差块,视频编码器200可以计算在原始的未经译码的块与用于当前块的预测块之间的差。然后,视频编码器200可以对残差块的变换系数进行变换和量化(354)。接下来,视频编码器200可以对残差块的经量化的变换系数进行扫描(356)。在扫描期间或扫描之后,视频编码器200可以对变换系数进行熵编码(358)。例如,视频编码器200可以使用CAVLC或CABAC对变换系数进行编码。然后,视频编码器200可以输出块的经熵编码的数据(360)。

尽管在图5的示例中未示出,但是视频编码器200可以对变换系数进行逆量化,并且向经逆量化的变换系数应用逆变换以重构残差数据。视频编码器200可以基于预测块和经重构的残差数据来重构当前块。视频编码器200可以在组合预测块和残差块之后将ALF应用于包括当前块的CTB。下面描述的图7包括根据本公开内容的一种或多种技术的用于将ALF滤波器应用于CTB的示例操作。视频编码器200可以将滤波器CTB用于将来的参考(例如,作为参考图片的一部分)。

图6是示出用于对视频数据的当前块进行解码的示例方法的流程图。当前块可以包括当前CU。尽管关于视频解码器300(图1和3)进行了描述,但是应当理解的是,其它设备可以被配置为执行与图6的方法类似的方法。

视频解码器300可以接收用于当前块的经熵编码的数据(例如,经熵编码的预测信息和用于与当前块相对应的残差块的变换系数的经熵编码的数据)(370)。视频解码器300可以对经熵编码的数据进行熵解码以确定用于当前块的预测信息并且重新产生残差块的变换系数(372)。视频解码器300可以预测当前块(374),例如,使用由用于当前块的预测信息指示的帧内或帧间预测模式来计算用于当前块的预测块。然后,视频解码器300可以对所重新产生的变换系数进行逆扫描(376),以创建经量化的变换系数的块。然后,视频解码器300可以对变换系数进行逆量化并且向变换系数应用逆变换以产生残差块(378)。最终,视频解码器300可以通过将预测块和残差块进行组合来对当前块进行解码(380)。尽管在图6的示例中未示出,但是视频解码器300还可以在组合预测块和残差块之后将ALF应用于包括当前块的CTB。下面描述的图7包括根据本公开内容的一种或多种技术的用于将ALF滤波器应用于CTB的示例操作。

图7是示出根据本公开内容的一种或多种技术的用于将ALF滤波器应用于CTB的示例操作的流程图。图7的操作可以由视频译码器(诸如视频编码器200或视频解码器300)执行。

在图7的示例中,视频译码器可以确定用于CTB的滤波器集是否来自多个固定滤波器集(400)。CTB在视频数据的图片中。视频译码器可以以多种方式之一确定用于CTB的滤波器集是否来自多个固定滤波器集。例如,在一些示例中,在比特流中用信号通知的标志可以指示用于CTB的滤波器集是否来自多个固定滤波器集。可以在比特流中的序列参数集、图片参数集、切片报头、瓦片组报头、自适应参数集中或在另一语法结构中用信号通知该标志。在其它示例中,视频译码器可以基于一个或多个其它因素(诸如CTB在切片、瓦片或图片内的位置)来确定用于CTB的滤波器集是否来自多个固定滤波器集。例如,可能要求用于切片、瓦片或图片的第一发生的CTB的滤波器集必须来自多个固定滤波器集。在一些示例中,在比特流中用信号通知的索引可以指示固定滤波器集中的哪个固定滤波器集是用于CTB的滤波器集。

响应于确定用于CTB的滤波器集来自多个固定滤波器集(400的“是”分支),视频译码器可以将限幅值设置为最大支持值(402)。最大支持值可以是基于用于视频数据的样本的比特深度的。例如,最大支持值可以等于2^比特深度。

响应于确定用于CTB的滤波器集不是来自多个固定滤波器集(“400的“否”分支),视频译码器可以将限幅值设置为除了最大支持值之外的值(404)。例如,在一些示例中,在比特流中用信号通知的标志可以指示用于CTB的限幅值(即,限幅参数)是显式地用信号通知的,还是用于CTB的限幅值是与先前译码的非线性ALF滤波器集中的限幅值相同的(即,从中重用)。在一些示例中,当从先前译码的非线性ALF滤波器集或多个固定滤波器集中的一个固定滤波器集中重用用于CTB的限幅值时,在比特流中用信号通知的索引可以指示先前译码的非线性ALF滤波器或固定滤波器集中的哪一个是用于CTB的滤波器集。

在图7的示例中,在设置限幅值(404)之后,视频译码器可以基于限幅值来确定针对滤波器集的ALF的经限幅的输入(406)。这些输入中的每个输入是输入样本减去当前样本。例如,在上面的等式2中,这些输入中的每个输入具有I(x+i,y+j)-I(x,y)的形式,并且视频译码器可以基于限幅值k(i,j)来对输入进行限幅。如果限幅值被设置为最大支持值,则永远不会发生限幅。因此,在基于用于CTB的滤波器集来自固定滤波器集而将限幅值设置为最大支持值之后,在一些示例中,视频译码器可以不对输入应用限幅。然而,本公开内容可以将来自该阶段的输入称为经限幅的输入,而不考虑视频译码器是否实际应用限幅。

视频译码器可以将ALF应用于经限幅的输入(408)。例如,作为将ALF应用于经限幅的输入的一部分,视频译码器可以针对经限幅的输入中的每个输入确定用于经限幅的输入的乘积。在该示例中,用于经限幅的输入的乘积是将用于经限幅的输入的滤波器系数乘以经限幅的输入的结果。另外,在该示例中,视频译码器可以对用于经限幅的输入的乘积求和以确定求和值。视频译码器可以将求和值与当前样本相加。因此,视频译码器可以应用上面的等式2。随后,视频译码器可以在将ALF应用于经限幅的输入之后基于CTB来生成预测块。

在一些示例中,视频译码器可以在包括视频数据的经编码的表示的比特流的SPS或PPS级别对指示固定滤波器集是否可用于预测非线性ALF滤波器中的滤波器系数的语法元素进行译码(即,视频编码器200可以编码或视频解码器300可以解码)。在标志指示固定滤波器集可用于预测滤波器系数的情况下,视频译码器可以使用固定滤波器集来预测滤波器系数并且在应用ALF时使用滤波器系数。

在一些示例中,视频译码器可以对指示在将滤波器集应用于CTB时是否启用限幅的标志进行译码。换句话说,视频编码器200可以对标志进行编码和/或视频解码器300可以对该标志进行解码,该标志指示在将基于滤波器集的ALF应用于CTB时是否启用限幅。在该标志指示在将滤波器集应用于CTB时启用限幅的情况下,视频译码器可以执行图7的操作。否则,视频译码器可以基于滤波器集来应用ALF,而不执行任何限幅操作。

尽管图7的示例是参考CTB描述的,但是可以关于其它块类型或单个像素或样本来应用图7的操作。例如,在关于单个样本应用图7的操作的示例中,视频译码器(例如,视频编码器200或视频解码器300)可以从多个固定滤波器集中确定用于样本的滤波器集,其中,该样本是在视频数据的图片中。在该示例中,基于用于样本的滤波器集来自固定滤波器集,视频译码器可以将限幅值设置为最大支持值。另外,视频译码器可以基于限幅值来确定针对滤波器集的ALF的经限幅的输入,这些输入中的每个输入是输入样本减去该样本。视频译码器可以将ALF应用于经限幅的输入,从而确定样本的经更新的值。视频译码器可以根据在本公开内容中在别处提供的示例来执行这些动作。

以下段落提供了根据本公开内容的技术列举的非限制性的一组示例。

示例1、一种对视频数据进行译码的方法,所述方法包括:在包括所述视频数据的经编码的表示的比特流的序列参数集(SPS)或图片参数集(PPS)级别对语法元素进行译码,所述语法元素指示固定滤波器集是否可用于预测非线性自适应环路滤波器(ALF)滤波器中的滤波器系数;以及基于所述语法元素来将所述非线性ALF滤波器应用于所述视频数据的块。

示例2、一种对视频数据进行译码的方法,所述方法包括:应用固定限幅参数集来预测非线性自适应环路滤波器(ALF)滤波器集的限幅参数;以及基于所述非线性ALF滤波器集来将非线性ALF滤波器应用于所述视频数据的块。

示例3、一种对视频数据进行译码的方法,所述方法包括:从多个固定滤波器集中确定用于译码树块(CTB)的滤波器集;对针对所述滤波器集的自适应环路滤波器(ALF)的输入进行限幅,所述输入是所述CTB的样本;以及将所述ALF应用于经限幅的输入。

示例4、根据示例3所述的方法,还包括:对指示在将所述滤波器集应用于所述CTB时是否启用限幅的标志进行译码。

示例5、根据示例3-4中任一项所述的方法,还包括:对指示图片或瓦片组中的所有CTB是否使用相同的限幅参数集来对针对所述ALF的所述输入进行限幅的标志进行译码。

示例6、根据示例3-5中任一项所述的方法,还包括:基于针对所述CTB启用限幅,对指示是否将限幅应用于所述CTB的标志进行译码。

示例7、根据示例3-6中任一项所述的方法,其中:所述方法还包括,基于将限幅应用于所述CTB,对指示限幅参数是否是显式地用信号通知的标志进行译码,并且对所述输入进行限幅包括:基于所述限幅参数来对所述输入进行限幅。

示例8、根据示例3-7中任一项所述的方法,其中:所述方法还包括:基于将限幅应用于所述CTB,对指示限幅参数是否与先前译码的非线性ALF滤波器集中的限幅参数相同的标志进行译码,并且对所述输入进行限幅包括:基于所述限幅参数来对所述输入进行限幅。

示例9、根据示例3-8中任一项所述的方法,其中:所述方法还包括:基于所述CTB重用先前译码的非线性ALF滤波器集中的限幅参数或预定义限幅参数,对指示由所述CTB重用的所述限幅参数来自所述先前译码的非线性ALF滤波器集还是预定义限幅参数的索引进行译码,并且对所述输入进行限幅包括:基于所述限幅参数来对所述输入进行限幅。

示例10、根据示例3-9中任一项所述的方法,其中:所述方法包括:基于将所述固定滤波器集应用于CTB,将默认限幅值设置为最大支持值,并且对所述输入进行限幅包括:基于所述默认限幅值来对所述输入进行限幅。

示例11、根据示例3-9中任一项所述的方法,其中:针对所述固定滤波器集中的至少一个固定滤波器集,所述固定滤波器集的所有类使用相同的限幅值集,并且对所述输入进行限幅包括:基于所述限幅值来对所述输入进行限幅。

示例12、根据示例3-9中任一项所述的方法,其中:针对所述固定滤波器集中的至少一个固定滤波器集,所述固定滤波器集的每个类使用不同的限幅值集,并且对所述输入进行限幅包括:基于用于所述固定滤波器集的类的所述限幅值来对所述输入进行限幅。

示例13、一种方法,包括根据示例1-12中任一项所述的方法。

示例14、根据示例1-13中任一项所述的方法,其中,译码包括解码。

示例15、根据示例1-14中任一项所述的方法,其中,译码包括编码。

示例16、一种用于对视频数据进行译码的设备,所述设备包括用于执行根据示例1-15中任一项所述的方法的一个或多个单元。

示例17、根据示例13所述的设备,其中,所述一个或多个单元包括在电路中实现的一个或多个处理器。

示例18、根据示例16和17中任一项所述的设备,还包括:用于存储所述视频数据的存储器。

示例19、根据示例16-18中任一项所述的设备,还包括:被配置为显示经解码的视频数据的显示器。

示例20、根据示例16-19中任一项所述的设备,其中,所述设备包括相机、计算机、移动设备、广播接收机设备或机顶盒中的一者或多者。

示例21、根据示例16-20中任一项所述的设备,其中,所述设备包括视频解码器。

示例22、根据示例16-21中任一项所述的设备,其中,所述设备包括视频编码器。

示例23、一种具有存储在其上的指令的计算机可读存储介质,所述指令在被执行时使得一个或多个处理器执行根据示例1-15中任一项所述的方法。

示例24、一种用于对视频数据进行编码的设备,所述设备包括用于执行根据示例1-15中任一项所述的方法的单元。

要认识到的是,根据示例,本文描述的任何技术的某些动作或事件可以以不同的顺序执行,可以被添加、合并或完全省略(例如,并非所有描述的动作或事件对于实施所述技术都是必要的)。此外,在某些示例中,动作或事件可以例如通过多线程处理、中断处理或多个处理器并发地而不是顺序地执行。

在一个或多个示例中,所描述的功能可以用硬件、软件、固件或其任何组合来实现。如果用软件来实现,则所述功能可以作为一个或多个指令或代码存储在计算机可读介质上或者通过其进行传输并且由基于硬件的处理单元执行。计算机可读介质可以包括计算机可读存储介质,其对应于诸如数据存储介质之类的有形介质或者通信介质,所述通信介质包括例如根据通信协议来促进计算机程序从一个地方传送到另一个地方的任何介质。以这种方式,计算机可读介质通常可以对应于(1)非暂时性的有形计算机可读存储介质、或者(2)诸如信号或载波之类的通信介质。数据存储介质可以是可以由一个或多个计算机或者一个或多个处理器访问以取得用于实现在本公开内容中描述的技术的指令、代码和/或数据结构的任何可用的介质。计算机程序产品可以包括计算机可读介质。

举例来说而非进行限制,这样的计算机可读存储介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、闪存、或者能够用于以指令或数据结构形式存储期望的程序代码以及能够由计算机访问的任何其它介质。此外,任何连接被适当地称为计算机可读介质。例如,如果使用同轴电缆、光纤光缆、双绞线、数字用户线(DSL)或者无线技术(例如,红外线、无线电和微波)从网站、服务器或其它远程源传输指令,则同轴电缆、光纤光缆、双绞线、DSL或者无线技术(例如,红外线、无线电和微波)被包括在介质的定义中。然而,应当理解的是,计算机可读存储介质和数据存储介质不包括连接、载波、信号或其它暂时性介质,而是替代地针对非暂时性的有形存储介质。如本文所使用的,磁盘和光盘包括压缩光盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光光盘,其中,磁盘通常磁性地复制数据,而光盘利用激光来光学地复制数据。上述各项的组合也应当被包括在计算机可读介质的范围之内。

指令可以由一个或多个处理器来执行,诸如一个或多个数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、或其它等效的集成或分立逻辑电路。因此,如本文所使用的术语“处理器”和“处理电路”可以指代前述结构中的任何一者或者适于实现本文描述的技术的任何其它结构。另外,在一些方面中,本文描述的功能可以在被配置用于编码和解码的专用硬件和/或软件模块内提供,或者被并入经组合的编解码器中。此外,所述技术可以完全在一个或多个电路或逻辑元件中实现。

本公开内容的技术可以在多种多样的设备或装置中实现,包括无线手机、集成电路(IC)或一组IC(例如,芯片组)。在本公开内容中描述了各种组件、模块或单元以强调被配置为执行所公开的技术的设备的功能性方面,但是不一定需要通过不同的硬件单元来实现。确切而言,如上所述,各种单元可以被组合在编解码器硬件单元中,或者由可互操作的硬件单元的集合(包括如上所述的一个或多个处理器)结合适当的软件和/或固件来提供。

已经描述了各个示例。这些和其它示例在跟随的权利要求的范围内。

38页详细技术资料下载
上一篇:一种医用注射器针头装配设备
下一篇:视频编解码的方法及装置

网友询问留言

已有0条留言

还没有人留言评论。精彩留言会获得点赞!

精彩留言,会给你点赞!

技术分类