视频编解码方法及装置

文档序号:539048 发布日期:2021-06-01 浏览:32次 >En<

阅读说明:本技术 视频编解码方法及装置 (Video coding and decoding method and device ) 是由 许晓中 李翔 刘杉 于 2019-10-14 设计创作,主要内容包括:本公开的各方面提供了用于视频编码/解码的方法和装置。在一些示例中,用于视频解码的装置包括接收电路和处理电路。处理电路从已编码视频码流中解码当前图片中当前块的预测信息。该预测信息指示帧间预测模式的使用信息,该帧间预测模式与将当前图片用作当前块的参考图片不兼容。然后,处理电路基于对使用信息与当前块的参考图片之间进行的一致性检查来确定已编码视频码流是否有效。(Aspects of the present disclosure provide methods and apparatuses for video encoding/decoding. In some examples, an apparatus for video decoding includes a receive circuit and a processing circuit. The processing circuit decodes the prediction information of the current block in the current picture from the coded video code stream. The prediction information indicates usage information of an inter prediction mode that is incompatible with a reference picture using a current picture as a current block. Then, the processing circuit determines whether the encoded video bitstream is valid based on a consistency check between the usage information and a reference picture of the current block.)

视频编解码方法及装置

援引加入

本申请要求于2019年10月14日提交的题为“Method and Apparatus for VideoCoding”的美国专利申请第16/600,736号的优先权权益,该申请要求于2018年10月23日提交的题为“SUB-BLOCK BASED TEMPORAL MOTION VECTOR PREDICTION”的美国临时申请第62/749,486号以及于2018年12月14日提交的题为“CONSTRAINTS ON CURRENT PICTUREREFERENCING AND INTER CODING TOOLS”的美国临时申请第62/780,157号的优先权权益,所有在先申请的全部内容通过引用并入本文中。

技术领域

本申请描述了总体上涉及视频编解码的实施例。

背景技术

此文所提供的背景技术说明以对本公开的内容作一般性说明为目的。发明人的某些工作(即已在此背景技术部分中作出描述的工作)以及说明书中关于某些尚未成为申请日之前的现有技术的内容,无论是以明确或隐含的方式均不被视为相对于本公开的现有技术。

可以使用具有运动补偿的帧间图片预测来执行视频编码和解码。未压缩的数字视频可以包括一系列图片,每个图片具有例如为1920x1080的亮度样本及相关的色度样本的空间维度。该一系列图片可以具有例如每秒60幅图片或60Hz的固定的或可变的图片速率(也非正式地称为帧率)。未压缩的视频具有很高的位速率要求。例如,每样本8位的1080p604:2:0的视频(60Hz帧率的1920x1080亮度样本分辨率)需要接近1.5Gbit/s的带宽。一小时的此类视频需要600GB以上的存储空间。

视频编码和解码的一个目的可以是通过压缩来减少输入视频信号中的冗余。压缩可以有助于减小上述带宽或存储空间需求,在某些情况下可以减小两个数量级或大于两个数量级。可以采用无损压缩和有损压缩,以及它们的组合。无损压缩是指可以从已压缩的原始信号中重建原始信号的精确副本的技术。当使用有损压缩时,已重建的信号可能与原始信号不同,但是原始信号和重建的信号之间的失真足够小,以使已重建的信号可用于预期的应用。在视频的情况下,广泛使用有损压缩。可容忍的失真量取决于应用,例如某些消费者流媒体应用的用户相比电视分配应用的用户来说可以容忍更高的失真。可达到的压缩率可以反映:更高的可容许/接受的失真可以产生更高的压缩率。

运动补偿可以是有损压缩技术,并且可以涉及以下技术:其中,在沿由运动矢量(以下称为MV)所指示的方向进行空间移位后,来自先前重建的图片或其部分(参考图片)的样本数据的块被用于预测新重建的图片或图片部分。在某些情况下,参考图片可以与当前正在重建的图片相同。MV可以具有两个维度X和Y,或者三个维度,第三个维度表示使用中的参考图片(后者可间接地是时间维度)。

在一些视频压缩技术中,可以从其他MV中预测出适用于样本数据的某一区域的MV,例如,可以从与样本数据的另一区域有关且解码顺序在该MV之前的那些MV预测,该另一区域在空间上与正在重建区域相邻。这样做可以大大减少编码MV所需的数据量,从而消除冗余并增加压缩。MV预测可以有效地运作,例如,因为在对从摄像机获得的输入视频信号(称为自然视频)进行编码时,存在统计上的可能性,即比单个MV适用的区域大的区域朝着相似的方向移动,并且因此,在某些情况下,可以使用从相邻区域的MV得到的相似的运动矢量来进行预测。这导致给定区域的MV与从周围MV预测的MV相似或相同,并且在进行熵编码后,可以用比直接编码MV时将使用的比特数更少的比特数来表示。在某些情况下,MV预测可以是从原始信号(即:样本流)派生出的信号(即:MV)的无损压缩的一个示例。在其他情况下,MV预测本身可能是有损的,例如,由于从周围几个MV计算预测器时会出现的舍入误差。

在H.265/HEVC(ITU-T Rec.H.265,“High Efficiency Video Coding(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,这里描述的是一种今后被称为“空间合并”的技术。

发明内容

本公开的各方面提供了视频编码/解码的方法和装置。在一些示例中,用于视频解码的装置包括接收电路和处理电路。处理电路从已编码视频码流中解码当前图片内当前块的预测信息。预测信息指示帧间预测模式的使用信息,所述帧间预测模式与将当前图片用作当前块的参考图片不兼容。然后,所述处理电路基于对所述使用信息与当前块的参考图片之间进行的一致性检查来确定已编码视频码流是否有效。

在一些实施例中,当所述当前块的参考图片是所述当前图片且所述预测信息指示已经使用了与将所述当前图片用作所述当前块的参考图片不兼容的所述帧间预测模式时,处理电路确定所述已编码视频码流无效。

在一些示例中,预测信息指示仿射合并模式、带有运动矢量差的合并模式、三角形预测模式和帧内-帧间模式中的至少一种的使用标志。

在一个实施例中,当所述帧间预测模式从用于确定所述当前块的运动矢量的推导过程中排除以当前图片作为参考图片的运动矢量候选时,当所述使用信息指示已经使用了帧间预测模式且所述当前块的至少一个运动矢量候选使用所述当前图片作为参考图片时,所述处理电路确定所述已编码视频码流无效。在一些示例中,当所述使用信息指示已经使用了所述帧间预测模式且所述当前块的所有运动矢量候选都使用所述当前图片作为所述参考图片时,所述处理电路确定所述已编码视频码流无效。在一个示例中,当参考图片列表仅包括所述当前图片时,所述处理电路确定所述已编码视频码流无效。

在另一个实施例中,当所述帧间预测模式从用于确定所述当前块的运动矢量的推导过程中排除以当前图片作为所述参考图片的运动矢量候选时,当参考图片列表仅包括所述当前图片时,处理电路推断未使用所述帧间预测模式。

在另一个实施例中,当所述当前块的所有运动矢量候选都使用当前图片作为所述参考图片时,处理电路基于默认运动矢量,利用除所述当前图片以外的时间参考图片来重建所述当前块的样本。在一个示例中,处理电路以循环的方式将运动矢量的合并索引与参考图片的参考索引结合,以形成合并候选。此外,在一个示例中,处理电路基于零运动矢量,利用所述参考图片列表中除当前图片以外的时间参考图片来重建当前块的所述样本。

在另一个实施例中,处理电路在构建合并列表期间排除以当前图片作为零运动矢量候选的参考图片。

在一些实施例中,处理电路从已编码视频码流中解码当前图片中当前块的预测信息。所述预测信息指示基于子块的时间运动矢量预测。然后,处理电路检查合并候选是否使用所述当前图片作为参考图片,并基于检查所述合并候选是否使用所述当前图片作为所述参考图片来确定参考块。此外,处理电路基于所述参考块的相应子块确定所述当前块的子块的各自的运动信息,并基于所述子块的各自的运动信息重建所述当前块的所述子块的样本。

在一个实施例中,当所述检查指示所述合并候选使用所述当前图片作为参考图片时,处理电路基于合并候选的矢量,在不缩放该矢量的情况下确定同位参考图片中的所述参考块。此外,当所述检查指示所述合并候选使用所述当前图片作为所述参考图片时,处理电路排除使用所述合并候选来确定所述参考块。

本公开的各方面还提供了一种存储指令的非暂时性计算机可读介质,所述指令在被计算机执行以用于视频解码时使得该计算机执行用于视频解码的方法。

附图说明

通过以下详细描述和附图,所公开的主题的其他特征、性质和各种优势将更加明显,在附图中:

图1是根据一个实施例的通信系统的简化框图的示意图。

图2是根据一个实施例的通信系统的简化框图的示意图。

图3是根据一个实施例的解码器的简化框图的示意图。

图4是根据一个实施例的编码器的简化框图的示意图。

图5示出了根据另一个实施例的编码器的框图。

图6示出了根据另一个实施例的解码器的框图。

图7示出了根据本发明的一些实施例的基于相邻块进行运动矢量预测的图。

图8示出了根据本发明的一些实施例的带有运动矢量差的合并模式(MMVD)的示例。

图9示出了根据本发明的一个实施例的MMVD的示例。

图10示出了三角形分区的两个CU示例。

图11示出了为当前块形成单向预测候选列表的示例。

图12示出了根据本发明的一些实施例的使用第一加权因子组导出编码单元的最终预测的示例。

图13示出了根据本发明的一些实施例的存储用于三角形预测的运动矢量的示例。

图14示出了仿射合并模式的示例。

图15示出了从指定的空间相邻块和时间相邻块推导出控制点的运动信息的示例。

图16示出了根据本发明的一个实施例的帧内块复制的示例。

图17示出了根据本发明的一些实施例的概括了一个过程示例的流程图。

图18示出了根据本发明的一些实施例的概括了另一个过程示例的流程图。

图19示出了根据一个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,该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)互连的第一终端装置对(110)和(120)。在图1的实施例中,第一终端装置对(110)和(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。

在另一示例中,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对(130)和(140),该双向传输可例如在视频会议期间发生。对于双向数据传输,在一示例中,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,且可对该已编码视频数据进行解码以恢复视频图片,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的示例中,终端装置(110)、终端装置(120)、终端装置(130)和终端装置(140)可被示出为服务器、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/或专用视频会议装置。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。代表性的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(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。

作为所公开主题的应用的示例,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。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),该采集子系统可包括例如数码相机的视频源(201),该视频源创建未压缩的视频图片流(202)。在示例中,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),被描绘为粗线以强调高数据量的视频图片流(202)可由电子装置(220)处理,该电子装置(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方面。相较于视频图片流(202),被描绘为细线以强调较低数据量的已编码的视频数据(204)(或已编码视频码流(204))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。该些标准的示例包括ITU-T H.265。在示例中,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),所公开的主题可用于VVC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)可包括在电子装置(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的示例中的视频解码器(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,该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)可接收可转发到它们各自的使用实体(未标示)的已编码的视频数据以及其它数据,例如,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,该缓冲存储器(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),或可以将该缓冲存储器做得较小。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),该缓冲存储器可相对较大且可有利地具有自适应性大小,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,该显示装置不是电子装置(330)的整体部分,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、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(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来控制。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至少部分地彼此集成。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,该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)提取的周围已重建信息生成大小和形状与正在重建的块相同的块。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。在根据属于块的符号(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,且该运动矢量以符号(321)的形式而供运动补偿预测单元(353)使用,该符号(321)可以具有例如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)的输出样本可经受环路滤波器单元(356)中的各种环路滤波技术。视频压缩技术可包括环路内滤波器技术,该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)中并且作为来自解析器(320)的符号(321)可用于环路滤波器单元(356)的参数,然而,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,该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该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。该附加数据可以被包括作为已编码视频序列的一部分。该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、冗余切片、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)包括在电子装置(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的示例中的视频编码器(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,该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,该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……)和任何合适采样结构(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所述其它功能单元。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)可被配置为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)被配置为在编码环路中进行操作。作为简单的描述,在示例中,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)重建符号以用类似于(远程)解码器创建样本数据的方式创建样本数据(因为在所公开主题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,所公开主题侧重于解码器操作。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,在一些示例中,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,该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,该参考图片可被选作该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图片的已编码视频数据进行解码。编码引擎(432)的操作可有利地为有损过程。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,该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冲(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,该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)中搜索可作为该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,如由预测器(435)获得的搜索结果所确定的那样,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,从而将该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,该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,该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,该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,该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,该其它块由应用于块的相应图片的编码分配来确定。举例来说,I图片的块可进行非预测编码,或该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)可在传输已编码的视频时传输附加数据。源编码器(430)可将此类数据作为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。在示例中,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。该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,该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)的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该块。

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,例如帧间图片预测和帧内图片预测的预测以块为单位执行。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),该三个编码树块是一个亮度CTB和两个色度CTB。还可将每个CTU递归地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。在示例中,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。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(predictionblock,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的示例,预测块包括针对像素的值(例如,亮度值)的矩阵,所述像素为例如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)被配置为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),且将该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,该处理块为例如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最佳地编码该处理块。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,在不借助预测器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器导出运动矢量。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的示例中,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)被配置为接收当前块(例如处理块)的样本、比较该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)。在一些示例中,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)被配置为接收当前块(例如处理块)的样本、在一些情况下比较该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。在示例中,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)被配置为确定通用控制数据,且基于该通用控制数据控制视频编码器(503)的其它组件。在示例中,通用控制器(521)确定块的模式,且基于该模式将控制信号提供到开关(526)。举例来说,当该模式是帧内模式时,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该帧内预测信息添加在码流中;以及当该模式是帧间模式时,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该帧间预测信息添加在码流中。

残差计算器(523)被配置为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)被配置为基于残差数据操作,以对残差数据进行编码以生成变换系数。在示例中,残差编码器(524)被配置为将残差数据从空间域转换至频域,且生成变换系数。变换系数接着经受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)被配置为执行逆变换,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,且在一些示例中,该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)被配置为将码流格式化以产生已编码的块。熵编码器(525)根据例如HEVC标准的合适标准而包括各种信息。在示例中,熵编码器(525)被配置为将通用控制数据、所选预测信息(例如帧内预测信息或帧间预测信息)、残差信息和其它合适的信息包括在码流中。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)被配置为接收作为已编码视频序列的一部分的已编码图像,且对该已编码图像进行解码以生成重建的图片。在示例中,视频解码器(610)用于代替图2示例中的视频解码器(210)。

在图6的示例中,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)可被配置为根据已编码图片来重建某些符号,这些符号表示构成该已编码图片的语法元素。此类符号可包括例如用于对该块进行编码的模式(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)、可识别分别供帧内解码器(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。在示例中,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)。残差信息可经受逆量化并提供到残差解码器(673)。

帧间解码器(680)被配置为接收帧间预测信息,且基于该帧间预测信息生成帧间预测结果。

帧内解码器(672)被配置为接收帧内预测信息,且基于该帧内预测信息生成预测结果。

残差解码器(673)被配置为执行逆量化以提取解量化的变换系数,且处理该解量化的变换系数,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(用以包括量化器参数QP),且该信息可由熵解码器(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)被配置为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,该重建的块可以是重建的图片的一部分,该重建的图片继而可以是重建的视频的一部分。应注意,可执行诸如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(403)以及视频解码器(210)、视频解码器(310)和视频解码器(610)。

本公开的各方面提供了当当前图片也被用作参考图片时,用于处理帧间预测工具的技术。

参照图7,当前块(701)包括待从已在空间上移位的相同大小的先前块预测的、由编码器在运动搜索过程中发现的样本。可以使用与五个周围样本(表示为A0、A1、B0、B1和B2,分别从702到706)之一相关联的MV,从与一个或多个参考图片相关联的元数据中,例如(按解码顺序)从最新的参考图片中推导出MV,而不是直接对该MV进行编码。在一些示例中,MV预测可以使用来自相邻块正在使用的相同参考图片的预测器。

在一些实施例中,用于图像间预测的合并模式被使用。在一个示例中,当合并标志(包括跳过标志)被用信号通知为真时,然后合并索引被用信号通知为指示在合并候选列表中哪个候选被用来指示当前块的运动矢量。在解码器中,合并候选列表是基于当前块的空间相邻块和时间相邻块构造的。如图7所示,可以将A0、A1、B0、B1和B2的相邻MV添加到合并候选列表中。此外,在一个示例中,当前块的时间相邻块的MV被添加到合并候选列表中。应注意,额外的合并候选,如组合双向预测候选和零运动矢量候选等均可以添加到该合并候选列表中。

在一些示例中,为了构造合并候选列表,在将相邻块的运动信息作为合并候选之前,会进行冗余检查,以检查相邻块的运动信息是否与当前合并候选列表中的元素相同。当相邻块的合并信息与当前合并候选列表中的每个元素都不同时,可以将相邻块的运动信息作为合并候选添加到合并候选列表中。在一些示例中,MaxMergeCandsNum被定义为合并列表中候选数目的大小。在HEVC的示例中,在已编码视频码流中,用信号通知MaxMergeCandsNum。

在一些示例中,图片间预测使用参考图片而不是当前图片。在一些示例中,在称为当前图片参考(CPR)模式的模式下,当前图片可以是参考图片。例如,运动矢量是指当前图片中已经重建的参考样本。CPR有时被称为帧内块复制。在一些示例中,CPR编码的CU被用信号通知为帧间编码的块。CPR编码的CU的亮度运动(或块)矢量可以是整数精度的。色度运动矢量也被剪切到整数精度。当与自适应运动矢量分辨率(AMVR)相结合时,CPR模式可以在1-pel和4-pel运动矢量精度之间切换。当前图片被放置在参考图片列表L0的末尾。为了减少内存消耗和解码器的复杂性,在示例中CPR只允许使用当前CTU的已重建部分。在一个示例中,此限制使得能够使用硬件实现的本地片上存储器来实现CPR模式。

在一些实施例中,在编码器侧,对CPR执行基于哈希的运动估计。在一个示例中,编码器对宽度或高度不大于16个亮度样本的块执行率失真检查。对于非合并模式,首先使用基于哈希的搜索进行块矢量搜索。当基于哈希的搜索没有返回有效候选时,可以执行基于块匹配的局部搜索。

根据一些示例,在基于哈希的搜索中,当前块和参考块之间的哈希键匹配(例如,基于32位循环冗余校验的匹配)被扩展到所有允许的块大小。在一些示例中,当前图片中每个位置的哈希键计算是基于4x4子块的。对于较大尺寸的当前块,计算4x4子块的哈希键。当所有4×4子块的所有哈希键与参考块对应位置的哈希键匹配时,确定哈希键与参考块的哈希键匹配。当发现多个参考块的哈希键与当前块的哈希键匹配时,根据合适的算法计算每个匹配的参考块的块矢量代价,选择代价最小的参考块。

根据一些示例,在基于块匹配的局部搜索中,将搜索范围设置为当前CTU内当前块的左侧和上方的N个样本。在一些示例中,在CTU的开始阶段,当没有时间参考图片时,将N的值初始化为128,当至少有一个时间参考图片时,将N的值初始化为64。哈希命中率被定义为CTU中使用基于哈希的搜索找到匹配的样本的百分比。在对当前CTU进行编码时,当哈希命中率低于5%时,N将减少一半。

帧间预测使用了各种工具,其中一些工具,如带有MV差的合并模式(merge modewith MV difference,MMVD)、三角形划分模式、帧内-帧间模式、仿射合并预测等与CPR不兼容。

]在特殊合并模式的示例中,可以用信号通知到合并候选的偏移量。特殊合并模式称为带有MV差的合并模式(MMVD)。在MMVD中,用信号通知在现有合并候选上的偏移量(幅度和方向)。在一些示例中,用信号通知一些语法元素来描述这样的偏移量。例如,发信号通知预测方向IDX(索引)、基础候选IDX、距离IDX、搜索方向IDX等来描述这样的偏移量。预测方向IDX用于指示MMVD模式中使用哪个预测方向(时间预测方向,如L0参考方向、L1参考方向或L0与L1参考方向)。基础候选IDX用于指示哪一个现有的合并候选被用作应用偏移量的起点(基本候选)。距离IDX用于指示距离起点(沿x或y方向,但不同时沿x和y方向)的偏移量有多大。偏移量大小是从固定数量的选项中选择的。搜索方向IDX用于指示应用偏移量的方向(x或y方向,+或-方向)。

在一个示例中,假设起点MV是MV_S,偏移量是MV_offset,则最终的MV预测器将是MV_final=MV_S+MV_offset。

图8示出了根据本发明实施例的MMVD的示例。在一个示例中,在图8中,起点MV由(811)表示(例如根据预测方向IDX和基础候选IDX),偏移量由(812)表示(例如根据距离IDX和搜索方向IDX),最终的MV预测器由(813)表示。在另一个示例中,在图8中,起点MV由(821)表示(例如根据预测方向IDX和基础候选IDX),偏移量由(822)表示(例如根据距离IDX和搜索方向IDX),最终的MV预测器由(823)表示。

图9示出了根据本发明实施例的MMVD的示例。例如,起点MV由(911)表示(例如根据预测方向IDX和基础候选IDX)。在图9的示例中,使用了+Y、-Y、+X、-X 4个搜索方向,这4个搜索方向可以用0、1、2、3来索引。距离可以用0(到起点MV 0距离)、1(到起点MV 1s)、2(到起点MV 2s)、3(到起点MV 3s)等来索引。因此,当搜索方向IDX为2,距离IDX为2时,最终的MV预测器由(915)表示。

在另一个示例中,搜索方向和距离可以结合在一起进行索引。例如,起点MV由(921)表示(例如根据预测方向IDX和基础候选IDX)。如图9所示,将搜索方向与距离相结合,以0-12进行索引。

三角形划分模式是另一种与CPR不兼容的工具。三角形预测模式的概念是为运动补偿预测引入一种新的三角形分区。

图10示出了三角形分区的两个CU示例(1010)和(1020)。将CU(1010)从左上角到右下角(简称对角线方向)分割为两个三角形预测单元,将CU(1020)从右上角到左下角(简称反对角线方向)分割为两个三角形预测单元PU1和PU2。CU中的每个三角形预测单元都使用由单向预测候选列表得到的自己的单向预测运动矢量和参考帧索引来进行帧间预测。此外,对三角形预测单元进行预测后,对对角线边缘进行自适应加权处理。然后,将变换和量化过程应用到整个CU中。应注意,三角形分区仅适用于跳过和合并模式。

图11示出了为当前块(1110)形成单向预测候选列表的示例。在一个示例中,单向预测候选列表由5个单向预测运动矢量候选组成。单向预测候选列表是从包括5个空间相邻块(图11中示出为1~5)和2个时间同位块(图11中示出为6~7)的7个相邻块导出的。例如,将七个相邻块的运动矢量进行收集,并将这些运动矢量放入按照单向预测运动矢量、双向预测运动矢量的L0运动矢量、双向预测运动矢量的L1运动矢量以及双向预测运动矢量的L0和L1运动矢量的平均运动矢量的顺序排列的单向预测候选列表中。应注意,在一些示例中,相邻块的运动矢量或时间同位块的运动矢量是不可用的或冗余的,因此候选的个数小于5个。然后,当候选的个数小于5个时,将零运动矢量添加到当前块的单向预测候选列表中。

在一些实施例中,基于单向预测候选列表,分别对每个三角形预测单元进行帧间预测。在对每个三角形预测单元进行预测后,对两个三角形预测单元之间的对角线边缘进行自适应加权处理,得到整个CU的最终预测结果。

在一个示例中,使用了两个加权因子组。第一加权因子组包括亮度样本的{7/8,6/8,4/8,2/8,1/8}和色度样本的{7/8,4/8,1/8}。第二加权因子组包括亮度样本的{7/8,6/8,5/8,4/8,3/8,2/8,1/8}和色度样本的{6/8,4/8,2/8}。

在一个示例中,通过比较两个三角形预测单元的运动矢量,从两个加权因子组中选择一个加权因子组。当两个三角形预测单元的参考图片互不相同或运动矢量差值大于16像素时,使用第二加权因子组。否则,使用第一加权因子组。

图12示出了根据本发明的一些实施例的使用第一加权因子组来推导CU的最终预测的示例。图12示出了亮度样本的加权因子(1210)和色度样本的加权因子(1220)。

例如,对于亮度样本,P1是PU1的单向预测,P2是PU2的单向预测。在图12中,当加权因子显示为P1时,最终的预测完全由PU1的单向预测决定;当加权因子显示为P2时,最终的预测完全由PU2的单向预测决定。当加权因子以数字表示时,该数字表示PU1单向预测的权重。例如,当加权因子为2时,根据公式1计算最终预测;当加权因子为4时,根据公式2计算最终预测;当加权因子为7时,根据公式3计算最终预测:

在一些实施例中,针对每个4×4网格存储三角形预测单元的运动矢量。对于每个4×4网格,根据4×4网格在CU中的位置存储单向预测运动矢量或双向预测运动矢量。

图13示出了根据本发明的一些实施例的存储用于三角形预测的运动矢量的示例(1310)和(1320)。如图13所示,对于位于非加权区域的4×4网格(图13中的小正方形),存储单向预测运动矢量Mv1或Mv2。另一方面,对于位于加权区域的4×4网格,存储双向预测运动矢量。根据某些规则从Mv1和Mv2推导出双向预测运动矢量。在一个示例中,当Mv1和Mv2是不同方向的运动矢量(一个运动矢量的参考图片来自参考图片列表L0,另一运动矢量的参考图片来自参考图片列表L1)时,将Mv1和Mv2结合(例如,进行平均、加权平均等)来形成双向预测运动矢量。

在另一个示例中,Mv1和Mv2都来自相同的L0(或L1)方向,当Mv2的参考图片与L1(或L0)参考图片列表中的图片相同时,将Mv2缩放到该图片。然后,将Mv1和缩放后的Mv2结合来形成双向预测运动矢量。

在另一个示例中,Mv1和Mv2都来自相同的L0(或L1)方向,当Mv1的参考图片与L1(或L0)参考图片列表中的图片相同时,将Mv1缩放到该图片。将缩放后的Mv1和Mv2结合以形成双向预测运动矢量。

在另一个示例中,Mv1和Mv2都来自相同的L0(或L1)方向,L1中的参考图片与Mv1或Mv2的参考图片都不相同,则将Mv1和Mv2中的一个,如Mv1,存储在加权区域中。

在一些标准中,三角形预测单元模式仅适用于跳过或合并模式下的CU。此外,CU的块大小不能小于8×8。对于以跳过或合并模式编码的CU,用信号通知CU级别标志,以指示是否对当前CU应用三角形预测单元模式。当将三角形预测单元模式应用于CU时,用信号通知指示将CU分为两个三角形预测单元的方向的索引和两个三角形预测单元的运动矢量。索引范围为0~39(例如,2个方向×5个Mv1的候选×4个Mv2的候选)。在一些示例中,使用查找表来根据索引推导出分割方向和运动矢量。

帧内-帧间模式是另一个与CPR不兼容的工具。在一些示例中,应用多假设预测来改进帧内模式,多假设预测结合了一个帧内预测和一个合并索引预测。在合并模式CU中,用信号通知合并模式的一个标志,当该标志为真时,从帧内候选列表中选择帧内模式。

在一些示例中,对于亮度分量,根据4种帧内预测模式(包括DC、平面、水平和垂直模式)推导出帧内候选列表,帧内候选列表的大小可以根据块的形状为3或4。当CU宽度大于CU高度的两倍时,将水平模式从帧内模式列表中排除,当CU高度大于CU宽度的两倍时,将垂直模式从帧内模式列表中排除。然后,基于由帧内模式索引选择的帧内预测模式,执行帧内预测,基于合并索引执行帧间预测,并基于作为亮度分量结果的帧内预测和帧间预测来计算加权平均值。对于色度分量,在一个示例中应用直接模式,而不需要额外的信令。

组合预测的权重是根据模式和CB的大小、形状确定的。在一个示例中,当选择DC或平面模式或CB的宽度或高度小于4时,应用相等的权重。在另一个示例中,对于CB宽度和高度大于或等于4的CB,当选择水平/垂直模式时,首先将CB垂直/水平分割成四个面积相等的子区域。然后,对4个面积相等的子区域分别使用4个权重集。例如,每个权重集都可以表示为(w_intrai,w_interi),其中i从1到4。第一个权重集(w_intra1,w_inter1)设置为(6,2),第二个权重集(w_intra2,w_inter2)设置为(5,3),第三个权重集(w_intra3,w_inter3)设置为(3,5),第四个权重集(w_intra4,w_inter4)设置为(2,6)。第一个权重集(w_intra1,w_inter1)针对最接近参考样本的区域,第四个权重集(w_intra4,w_inter4)针对距离参考样本最远的区域。然后,可以将两个加权预测相加并右移3位,计算出组合预测。此外,可以将针对预测器的帧内假设的帧内预测模式保存下来,以供后续相邻CU参考。

仿射合并(AF_MERGE)模式是另一个与CPR不兼容的工具。AF_MERGE模式可以应用于宽度和高度都大于或等于8的CU。在AF_MERGE模式下,根据空间相邻CU的运动信息生成当前CU的控制点运动矢量(control point motion vector,CPMV)。在一些示例中,控制点运动矢量预测器(CPMVP)候选的个数最多可以达到5个,并用信号通知指示当前CU使用的CPMVP候选的索引。在一些实施例中,三种类型的CPMVP候选被用来形成仿射合并候选列表。第一种类型的CPMVP候选可以是从相邻CU的CPMV推断出来的继承的仿射合并候选。第二种类型的CPMVP候选可以是使用相邻CU的平移MV推导的构造仿射合并候选CPMVP。第三种类型的CPMVP候选是零MV。

在一些标准中,如VVC测试模型3(VTM3)中,最多有两个继承的仿射候选,它们是根据相邻块的仿射运动模型推导的,一个来自左边的相邻CU,一个来自上面的相邻CU。候选块可以是图7所示的块A0、A1、B0、B1和B2。左预测器的扫描顺序为A0->A1,上预测器的扫描顺序为B0->B1->B2。在一个示例中,选择来自每一侧的第一个继承候选。在两个继承候选之间不执行修剪检查。当相邻的仿射CU被识别时,使用它的控制点运动矢量来推导当前CU的仿射合并列表中的CPMVP候选。

图14示出了仿射合并模式的示例。如图14所示,当以仿射模式对相邻的左下角块A编码时,可得到包含块A的CU的左上角、右上角和左下角的运动矢量v2、v3和v4。当用四参数仿射模型对块A进行编码时,根据v2和v3计算当前CU的两个CPMV。当用6参数仿射模型对块A进行编码时,根据v2、v3和v4计算当前CU的三个CPMV。

在一个示例中,构造的仿射候选是通过结合每个控制点的相邻平移运动信息而构造的候选。控制点的运动信息是根据图15所示的指定的空间相邻块和时间相邻块推导的。可以用CPMVk(k=1,2,3,4)来表示第k个控制点。在一个示例中,对于CPMV1,对相邻的块B2、B3和A2按照B2->B3->A2的顺序进行检查,并使用第一个可用块的MV。在一个示例中,对于CPMV2,对相邻的块B1和B0按照B1->B0的顺序进行检查,并使用第一个可用块的MV。在一个示例中,对于CPMV3,对相邻块A1和A0按照A1->A0的顺序进行检查,并使用第一个可用块的MV。在一个示例中,当时间运动矢量预测(如图15中T所示)可用时,使用TMVP作为CPMV4

在一些示例中,在获得四个控制点的运动信息(运动矢量)后,根据运动信息构造仿射合并候选。在一个示例中,对控制点的运动信息进行适当地组合和有序使用,以构造仿射合并候选。例如,顺序为{CPMV1,CPMV2,CPMV3},{CPMV1,CPMV2,CPMV4},{CPMV1,CPMV3,CPMV4},{CPMV2,CPMV3,CPMV4},{CPMV1,CPMV2},{CPMV1,CPMV3}。3个CPMV的组合构建了一个6参数的仿射合并候选,2个CPMV的组合构建了一个4参数的仿射合并候选。为了避免运动缩放处理,当控制点的参考索引不同时,舍弃相关的控制点MV组合。

根据本公开的一些方面,在一些软件实现和规范中(例如VTM软件的当前版本或VVC规范),上述的帧间编码工具(如MMVD、三角形分区和帧内-帧间模式)被认为是一些特殊的合并模式。为了应用这些模式,针对这些模式中的每个模式,用信号通知合并模式下的使用标志。这些模式之一中的帧间预测块是根据基于用信号通知的合并索引所确定的运动矢量(或双向预测中的一对运动矢量)生成的。

根据一些方面,基于块的补偿可以用于帧间预测和帧内预测。在本公开中,块的概念与编码单元(CU)是可互换的,但不同于子块。对于帧间预测,根据不同图片的基于块的补偿称为运动补偿。对于帧内预测,也可以根据同一图片中先前重建的区域来进行基于块的补偿。根据同一图片内已重建区域的基于块的补偿称为帧内图片块补偿、帧内块复制或CPR。表示当前块与同一图片中参考块之间偏移量的位移矢量称为块矢量(简称为BV)。与运动补偿中的运动矢量不同(运动矢量可以是任意值(正或负,在x或y方向)),块矢量有一些约束来确保参考块是可用的并且已经被重建。此外,在一些示例中,出于并行处理的考虑,将一些是图块边界或波前梯形边界的参考区域排除。

块矢量的编码可以是显式的或隐式的。在显式模式下,用信号通知块矢量和它的预测器之间的差异;在隐式模式下,以与合并模式中的运动矢量类似的方式将块矢量从预测器(称为块矢量预测器)中恢复。在某些实现中,块矢量的分辨率被限制为整数位置;在其他系统中,块矢量被允许指向分数位置。

在一些示例中,可以使用参考索引方法来用信号通知在块级别使用帧内块复制。然后将正在解码的当前图片作为参考图片处理。在一个示例中,这样的参考图片被放在参考图片列表的最后位置。这个特殊的参考图片还和其他时间参考图片一起在缓冲区(例如经解码的图片缓冲区(DPB))中进行管理。

帧内块复制还存在一些变体,如翻转帧内块复制(在用于预测当前块之前将参考块水平或垂直翻转),或基于线的帧内块复制(MxN编码块内的每个补偿单元是Mx1或1xN的线)。

图16示出了根据本发明实施例的帧内块复制的示例。当前图片(1600)正在解码。当前图片(1600)包括已重建区域(1610)(虚线区域)和待解码区域(1620)(白色区域)。当前块(1630)正在被解码器重建。可以根据已重建区域(1610)中的参考块(1640)来重建当前块(1630)。参考块(1640)和当前块(1630)之间的位置偏移称为块矢量(1650)(或BV(1650))。

当以块级别进行运动补偿时,即当前块是使用相同的运动信息进行运动补偿的处理单元。给定块的大小,块中的所有像素将使用相同的运动信息来形成预测块。

应注意,在一些编码/解码示例中,运动补偿块内不同位置的像素可能具有一些不同的运动信息。在一些示例中,这种块级别运动信息的差异被推导出来,而不是用信号通知。允许块的运动补偿的实际基本单元小于块本身的运动补偿称为子块级别运动补偿。换句话说,每个块可能会有多个子块,每个子块可能包含不同的运动信息。

子块级别运动补偿的示例包括基于子块的时间运动矢量预测、空间/时间合并的子块调整、仿射编码的运动补偿块、使用解码器侧运动矢量推导的合并候选细化等。

对于基于子块的时间运动矢量预测,当前块的子块可能有不同的运动矢量预测器,这些预测器都是根据时间参考图片推导的。例如,在第一步中,识别一组包括运动矢量和当前块的参考索引的运动信息,例如,图7中的候选A0、B0、B1、A1中第一个可用的合并候选的运动信息。使用该运动信息,当前块确定参考图片(例如,同位参考图片)中的参考块。参考块也以与当前块同样的方式被划分成子块。然后,对于当前块中的每个子块,在第一步中确定该参考块中相应的参考子块。

在第二步中,针对当前块中的每个子块,当以帧间模式用一组运动信息对其参考子块编码时,那么该运动信息将被转换(采用诸如时间运动矢量预测中的运动矢量缩放等方法)并用作该子块的运动矢量的预测器。当以帧内模式对参考子块编码时,该模式下的默认设置(例如,零运动矢量)将被用作当前子块的预测器。

在联合探索模型(join exploration model,JEM)的示例中,可以使用高级时域运动矢量预测(advanced temporal motion vector prediction,ATMVP)。在同位参考图片中,ATMVP允许每个CU从小于当前CU的多个块中获取多组运动信息。

对于空间/时间合并的子块调整,一个编码块被分为子块。对于每个子块,根据子块的空间/时间相邻的运动矢量调整子块的运动矢量。在空间/时间合并的子块调整模式中,对于一些子块,可能需要来自时间参考图片中对应子块的运动信息。在JEM中,这种方法称为空时运动矢量预测(spatial-temporal motion vector prediction,STMVP)。

对于仿射编码的运动补偿块,根据相邻块的运动矢量,首先推导出当前块在其四个角处的运动矢量。然后在子块甚至像素级别,使用仿射模型推导出其余块的运动矢量。因此,每个子块可以有与它的相邻块不同的运动矢量。

对于使用解码器侧运动矢量推导的合并候选细化,在得到当前块或其子块的运动矢量预测器后,可以使用例如模板匹配、双向匹配等方法进一步细化给定的运动矢量预测器。利用细化后的运动矢量进行运动补偿。在编码器和解码器侧都将执行相同的细化操作,这样解码器就不需要细化如何偏离原始预测器的额外信息。

应注意,跳过模式可以被认为是一种特殊的合并模式,其中除了从相邻块中推导出当前块的运动信息外,当前块的预测残差也是零。

根据本公开的一个方面,基于子块的时间运动矢量预测模式,如ATMVP或STMVP,需要将相应的子块以帧间模式编码。当还使用帧内块复制模式时,没有明显的解决方案可以有效地使用这种模式。

根据公开的另一方面,当当前图片被用作参考图片时,也可以以CPR模式对合并候选编码。在某些实现方式中,CPR和这些模式不能结合在一起。换句话说,当使用这些帧间模式(如仿射模式、MMVD、三角形分区和帧内-帧间模式)中的一种时,参考图片不能是当前图片本身。因此,当合并候选指示的运动矢量指向当前图片本身(CPR模式)时,在这些帧间合并模式(如仿射模式、MMVD、三角形分区和帧内-帧间模式)中,不允许使用这个候选来生成帧间预测块。因此,需要某些约束来确保CPR模式和其他帧间模式之间的交互能够正常工作。

本公开的各个方面提供了一些技术以确保CPR模式(帧内块复制)和其他帧间模式之间的交互能够正常运行。

所提出的方法可以单独使用,也可以按照任何顺序组合使用。此外,所提出的方法可以通过处理电路(例如,一个或多个处理器或一个或多个集成电路)来实现。在一个示例中,一个或多个处理器执行存储在非暂时性计算机可读介质中的程序。

根据本公开的一些方面,当还使用当前图片参考(或帧内块复制)时,所公开的方法可以对一些帧间编码工具施加若干码流一致性要求。本公开的帧间模式的示例有仿射模式,MMVD,三角形分区和帧内-帧间模式。为了方便起见,这些帧间编码工具被称为非CPR兼容的帧间编码工具(NCC帧间编码工具)。当将当前图片用作参考图片时,所提出的方法可以应用于与CPR不兼容的其他帧间编码模式。

在以下的描述中,术语“块”可以解释为预测块、编码块或编码单元,即CU。

在一些实施例中,对于每个NCC帧间编码工具,显式的码流一致性要求被施加,使得当使用该工具对当前块进行编码时,参考图片不能是当前图片本身。

具体来说,在一个示例中,对于帧间预测,编码器检查当前图片中当前块的参考图片是否为当前图片本身。当参考图片是当前图片时,NCC帧间编码工具不能用于对当前块进行编码。在解码器侧,解码器可以根据对NCC帧间编码工具的使用信息与当前块的参考图片之间进行的一致性检查来确定已编码视频码流是否有效。

在一些实施例中,对于每个NCC帧间编码工具,当该帧间编码工具的运动矢量推导过程已经排除运动矢量候选指向当前图片本身时,施加显式的一致性码流要求,使得当该编码块的所有运动矢量候选是块矢量(指向当前图片)时,该编码块中该编码工具的使用标志将设置为假(不适用)。

例如,NCC帧间编码工具可以使用推导过程中从运动矢量候选中确定当前块的运动矢量。该推导过程排除以当前图片作为参考图片的任何运动矢量候选。那么当当前块的所有运动矢量候选都使用当前图片作为参考图片时,编码器就不应该使用NCC帧间编码工具。因此,在解码器侧,解码器可以执行一致性测试。当使用信息表明NCC帧间编码工具已经被使用,并且当前块的所有运动矢量候选都使用当前图片作为参考图片时,解码器可以确定已编码视频码流是无效的。

在一个实施例中,当当前图片是切片/图块/图片中的编码块的唯一参考图片时,任何运动矢量预测候选将只产生块矢量候选。在这种情况下,对于每个编码块,NCC帧间编码工具(如仿射模式、MMVD、三角形分区和帧内-帧间模式)的使用标志应该设置为假。

在一个示例中,当参考图片列表中只包含当前图片时,那么运动矢量预测候选只能生成块矢量候选。因此,NCC帧间编码工具(如仿射模式,MMVD,三角形分区和帧内-帧间模式)的使用标志在编码器侧应该设置为假。在一个示例中,使用标志包括在已编码视频码流中。例如,在某些情况下,攻击者改变了使用标志。在解码器侧,解码器可以执行一致性测试。当NCC帧间编码工具的使用标志为真,且参考图片列表仅包含当前图片时,解码器可以确定已编码视频码流是无效的,并可以采取适当的动作。

在另一个实施例中,当当前图片是切片/图块/图片中的编码块的唯一参考图片时,NCC帧间编码工具(如仿射模式、MMVD、三角形分区和帧内-帧间模式)的使用标志将被推断为假,而无需用信号通知。

在一个示例中,当当前图片是编码块的唯一参考图片时,编码器不需要在已编码视频码流中包含NCC帧间编码工具的使用标志。当当前图片是编码块的唯一参考图片时,解码器可以推断使用标志为假。

在一些实施例中,对于每个NCC帧间编码工具,当编码块的所有的运动矢量候选是块矢量(指向当前图片)时,列表中的默认运动矢量(如果存在,指向默认的时间参考图片)应可用,并用于为当前编码块生成帧间预测块。当有多于一个的合并索引可用于从多个候选中选择运动矢量时,将使用以循环的方式指向参考图片列表中的不同参考图片(如HEVC合并中的零合并候选、指向参考图片列表中被ref idx 0指示的第一个参考图片、指向参考图片列表中被ref idx 1指示的第二个参考图片等)的默认运动矢量。在一些示例中,默认运动矢量可以是零运动矢量。

]在一些示例中,为了在合并列表构建中生成运动矢量,当使用零运动矢量时,排除将当前图片作为参考图片。

在本公开中,当帧内块复制模式也被使用时,还提供了几种方法来利用基于子块的时间运动矢量预测。基于子块的时间运动矢量预测包括但不限于ATMVP和STMVP。运动矢量预测可以采用合并模式或用信号通知MV差值的MV预测(AMVP模式)。在本公开中,术语“块、整个块、预测单元、编码单元”是可互换的。

当使用基于子块的时间运动矢量预测模式时,第一步是从给定的参考图片(如同位图片)中为当前整个块找到参考块。

在一些实施例中,帧内块复制块矢量信息被包括作为运动矢量预测候选的一部分,用于寻找ATMVP模式的参考块。在这些实施例中,当使用基于子块的时间运动矢量预测模式时,当前整个块(编码单元)将通过运动矢量从运动矢量预测器候选列表中(例如从合并候选列表中)找到它的参考块。

在一些示例中,例如,帧内块复制模式被认为是帧间模式的一部分,那么当前图片本身被视为参考图片。一些合并候选,如图7中的A0、B0、B1、A1位置的合并候选,可以用帧内块复制模式编码。当对来自帧内块复制编码的合并候选的运动信息进行检查以寻找参考图片中ATMVP编码单元的参考块时,可以使用该合并候选的块矢量,而不用缩放到ATMVP模式的指定的参考图片。使用该块矢量找到参考块后,以与ATMVP编码单元中的子块相同的方式将参考块分割成子块,然后将从参考块中的相应子块中推导出每个子块的运动矢量。

在一个示例中,在ATMVP模式下,其中一个参考图片被选为同位参考图片,作为ATMVP模式的指定参考图片。一般情况下,当合并候选可用时,根据合并候选的参考图片和指定参考图片(如同位参考图片)对合并候选的运动矢量进行缩放,以在指定参考图片中找到参考块。在合并候选是块矢量的情况下,不对块矢量进行缩放,而是直接用于在指定参考图片中找到参考块。

在一些示例中,帧内块复制模式被认为是除了帧内模式或帧间模式之外的第三种模式,但合并列表仍然被常规的帧间编码的候选和帧内块复制编码的候选共享。类似地,一些合并候选,如图7中的A0、B0、B1、A1位置的合并候选,可以用帧内块复制模式编码。当对来自帧内块复制编码的合并候选的运动信息进行检查以寻找参考图片中ATMVP编码单元的参考块时,可以使用该合并候选的块矢量,而不用缩放到ATMVP模式的指定的参考图片。使用该块矢量找到参考块后,以与ATMVP编码单元中的子块相同的方式将参考块分割成子块,然后将从参考块中的相应子块中推导出每个子块的运动矢量。

在一些实施例中,帧内块复制块矢量信息被排除不作为用于寻找ATMVP模式的参考块的运动矢量预测候选的一部分。

在一个实施例中,当使用基于子块的时间运动矢量预测模式时,当前整个块(编码单元)将通过运动矢量从运动矢量预测器候选列表中(例如从合并候选列表中)找到它的参考块。

在一些示例中,帧内块复制模式被认为是帧间模式的一部分(例如,当前图片本身被视为参考图片)。一些合并候选,如图7中的A0、B0、B1、A1位置的合并候选,可以用帧内块复制模式编码。当对来自帧内块复制编码的合并候选的运动信息进行检查以寻找参考图片中ATMVP编码单元的参考块时,不能使用该合并候选。使用帧内块复制编码的合并候选被认为是不可用的或没有有效的运动信息(与在帧内模式下编码的方式相同)。

在一些示例中,帧内块复制模式被认为是除帧内模式或帧间模式之外的第三种模式,但是合并列表仍然被常规的帧间编码的候选和帧内块复制编码的候选共享。一些合并候选,如图7中的A0、B0、B1、A1位置的合并候选,可以用帧内块复制模式编码。当对来自帧内块复制编码的合并候选的运动信息进行检查以寻找参考图片中ATMVP编码单元的参考块时,不能使用该合并候选。使用帧内块复制编码的合并候选被认为是不可用的或没有有效的运动信息(与在帧内模式下编码的方式相同)。

具体来说,在一个示例中,按顺序对A0、B0、B1和A1位置的合并候选进行检查。为了检查合并候选,当合并候选的参考图片是当前图片时,该合并候选被认为是不可用的,然后按顺序检查下一个合并候选。

图17示出了根据本发明实施例的对过程(1700)进行概括的流程图。该过程(1700)可用于以帧内模式编码的块的重建,从而为正在重建的块生成预测块。在各种实施例中,过程(1700)由处理电路执行,该处理电路例如是终端设备(110)、(120)、(130)和(140)中的处理电路、执行视频编码器(203)功能的处理电路、执行视频解码器(210)功能的处理电路、执行视频解码器(310)功能的处理电路、执行视频编码器(403)功能的处理电路等。在一些实施例中,通过软件指令实现该过程(1700),因此当处理电路执行软件指令时,处理电路执行该过程(1700)。过程从(S1701)开始,继续进行至(S1710)。

在操作(S1710)中,从已编码视频码流中解码当前块的预测信息。预测信息指示NCC帧间预测模式的使用信息。在一个示例中,预测信息指示NCC帧间预测模式的使用标志。例如,当使用标志为真时,在对当前块的预测中使用NCC帧间预测模式;当使用标志为假时,在对当前块的预测中不使用NCC帧间预测模式。

在操作(S1720)中,对使用信息和当前块的参考图片执行一致性检查。例如,当当前块的参考图片是当前图片时,那么在对当前块的预测中不应该使用NCC帧间预测模式。当使用标志为假时,使用标志符合参考图片为当前图片的情况。但是,当使用标志为真时,使用标志不符合参考图片为当前图片的情况。

在操作(S1730)中,可以基于一致性检查对已编码视频码流进行验证。在一个示例中,当使用信息不符合参考图片为当前图片的情况时,已编码视频码流无效,并且可以采取适当的动作。当使用信息符合参考图片为当前图片的情况时,可以进一步执行其他合适的一致性检查(如对其他NCC帧间预测模式的使用信息的一致性检查等)来验证已编码视频码流。然后,过程继续进行到(S1799)并终止。

图18示出了根据本发明实施例的对过程(1800)进行概括的流程图。该过程(1800)可用于以帧内模式编码的块的重建,从而为正在重建的块生成预测块。在各种实施例中,过程(1800)由处理电路执行,该处理电路例如是终端设备(110)、(120)、(130)和(140)中的处理电路、执行视频编码器(203)功能的处理电路、执行视频解码器(210)功能的处理电路、执行视频解码器(310)功能的处理电路、执行视频编码器(403)功能的处理电路等。在一些实施例中,通过软件指令实现该过程(1800),因此当处理电路执行软件指令时,处理电路执行该过程(1800)。过程从(S1801)开始,继续进行至(S1810)。

在操作(S1810)中,从已编码视频码流中解码当前块的预测信息。该预测信息指示基于子块的时间运动矢量预测。

在操作(S1820)中,对合并候选进行检查以确定该合并候选是否使用当前图片作为参考图片。例如,可以按顺序检查合并候选中的一些合并候选,如图7中的A0、B0、B1、A1位置的合并候选。

在一些实施例中,可以将帧内块复制块矢量包括作为用于寻找ATMVP模式的参考块的运动矢量预测候选的一部分。在这些实施例中,当当前图片是参考图片时,仍然认为合并候选是可用的。在一些实施例中,可以使用合并候选的块矢量,而不必缩放到ATMVP模式的指定参考图片。

在一些实施例中,将帧内块复制块矢量排除在用于寻找ATMVP模式的参考块的运动矢量候选之外。在这些实施例中,当合并候选使用当前图片作为参考图片时,认为该合并候选不可用或不具有有效的运动信息(例如,与在帧内模式下编码相同)。然后,检查下一个运动矢量,直到找到有效的运动矢量候选。

在操作(S1830)处,根据检查确定参考块。在一些实施例中,可以将帧内块复制块矢量包括作为用于寻找ATMVP模式的参考块的运动矢量预测候选的一部分。在合并候选是块矢量的情况下,不对块矢量进行缩放,而是直接用于在指定的参考图片中找到参考块。

在一些实施例中,将帧内块复制块矢量排除在用于寻找ATMVP模式的参考块的运动矢量候选之外。然后,根据合并候选的参考图片和指定的参考图片(如同位参考图片)对合并候选的运动矢量进行缩放,以在指定的参考图片中找到参考块。

在操作(S1840)中,根据参考块的相应子块确定当前块的子块的各自的运动信息。

在操作(S1850)中,根据当前块的子块的各自的运动信息,重建当前块的子块的样本。然后,该过程继续进行至(S1899)并终止。

可以将上述技术实现为计算机软件,该计算机软件使用计算机可读指令,并且物理存储在一个或多个计算机可读介质中。例如,图19示出适合于实施所公开的主题的某些实施例的计算机系统(1900)。

可以使用任何合适的机器代码或计算机语言对计算机软件进行编码,任何合适的机器代码或计算机语言可以经受汇编、编译、链接或类似的机制以创建包括指令的代码,该指令可以由一个或多个计算机中央处理单元(CPU)、图形处理单元(GPU)等直接执行或通过解释性微代码等执行。

指令可以在各种类型的计算机或其组件上执行,例如包括个人计算机、平板计算机、服务器、智能电话、游戏装置、物联网装置等。

图19所示的计算机系统(1900)的组件本质上是示例性的,并且不旨在对实施本公开的实施例的计算机软件的用途或功能的范围提出任何限制。组件的配置也不应被解释为具有与计算机系统(1900)的示例性实施例中所示的组件中的任何一个组件或组件的组合有关的任何依赖或要求。

计算机系统(1900)可以包括某些人机接口输入装置。此类人机接口输入装置可以响应于一个或多个人类用户通过例如下述的输入:触觉输入(例如:击键、划动,数据手套移动)、音频输入(例如:语音、拍手)、视觉输入(例如:手势)、嗅觉输入(未描绘出)。人机接口装置还可以用于捕获不一定与人的意识输入直接相关的某些媒介,例如音频(例如:语音、音乐、环境声音)、图像(例如:扫描的图像、从静止图像相机获取摄影图像)、视频(例如二维视频、包括立体视频的三维视频)等。

输入人机接口装置可以包括下述中的一项或多项(每种中仅示出一个):键盘(1901)、鼠标(1902)、触控板(1903)、触摸屏(1910)、数据手套(未示出)、操纵杆(1905)、麦克风(1906)、扫描仪(1907)、相机(1908)。

计算机系统(1900)也可以包括某些人机接口输出装置。这样的人机接口输出装置可以例如通过触觉输出、声音、光和气味/味道来刺激一个或多个人类用户的感官。此类人机接口输出装置可以包括触觉输出装置(例如触摸屏(1910)、数据手套(未示出)或操纵杆(1905)的触觉反馈,但是也可以是不作为输入设备的触觉反馈装置)、音频输出装置(例如:扬声器(1909)、耳机(未示出))、视觉输出装置(例如包括CRT屏幕、LCD屏幕、等离子屏幕、OLED屏幕的屏幕(1910),每种屏幕有或没有触摸屏输入功能,每种屏幕都有或没有触觉反馈功能-其中的一些屏幕能够通过诸如立体图像输出、虚拟现实眼镜(未描绘出)、全息显示器和烟箱(未描绘出)以及打印机(未描绘出)之类的装置来输出二维视觉输出或超过三维输出。

计算机系统(1900)也可以包括人类可访问存储装置及其关联介质:例如包括具有CD/DVD等介质(1921)的CD/DVD ROM/RW(1920)的光学介质、指状驱动器(1922)、可拆卸硬盘驱动器或固态驱动器(1923)、诸如磁带和软盘之类的传统磁性介质(未示出)、诸如安全软件狗之类的基于专用ROM/ASIC/PLD的装置(未示出)等。

本领域技术人员还应该理解,结合当前公开的主题使用的所术语“计算机可读介质”不涵盖传输介质、载波或其他暂时性信号。

计算机系统(1900)还可以包括到一个或多个通信网络的接口。网络可以例如是无线网络、有线网络、光网络。网络可以进一步地是本地网络、广域网络、城域网络、车辆和工业网络、实时网络、延迟容忍网络等。网络的示例包括诸如以太网之类的局域网、无线LAN、包括GSM、3G、4G、5G、LTE等的蜂窝网络、包括有线电视、卫星电视和地面广播电视的电视有线或无线广域数字网络、包括CANBus的车辆和工业用电视等等。某些网络通常需要连接到某些通用数据端口或外围总线(1949)的外部网络接口适配器(例如计算机系统(1900)的USB端口);如下所述,其他网络接口通常通过连接到系统总线而集成到计算机系统(1900)的内核中(例如,连接PC计算机系统中的以太网接口或连接到智能手机计算机系统中的蜂窝网络接口)。计算机系统(1900)可以使用这些网络中的任何一个网络与其他实体通信。此类通信可以是仅单向接收的(例如,广播电视)、仅单向发送的(例如,连接到某些CANbus装置的CANbus)或双向的,例如,使用局域网或广域网数字网络连接到其他计算机系统。如上所述,可以在那些网络和网络接口的每一个上使用某些协议和协议栈。

上述人机接口装置、人机可访问的存储装置和网络接口可以附接到计算机系统(1900)的内核(1940)。

内核(1940)可以包括一个或多个中央处理单元(CPU)(1941)、图形处理单元(GPU)(1942)、现场可编程门区域(FPGA)(1943)形式的专用可编程处理单元、用于某些任务的硬件加速器(1944)等。这些装置以及只读存储器(ROM)(1945)、随机存取存储器(1946)、诸如内部非用户可访问的硬盘驱动器、SSD等之类的内部大容量存储器(1947)可以通过系统总线(1948)连接。在一些计算机系统中,可以以一个或多个物理插头的形式访问系统总线(1948),以能够通过附加的CPU、GPU等进行扩展。外围装置可以直接连接到内核的系统总线(1948)或通过外围总线(1949)连接到内核的系统总线(1948)。外围总线的体系结构包括PCI、USB等。

CPU(1941)、GPU(1942)、FPGA(1943)和加速器(1944)可以执行某些指令,这些指令可以组合来构成上述计算机代码。该计算机代码可以存储在ROM(1945)或RAM(1946)中。过渡数据也可以存储在RAM(1946)中,而永久数据可以例如存储在内部大容量存储器(1947)中。可以通过使用高速缓冲来进行对任何存储装置的快速存储及检索,该高速缓冲可以与下述紧密关联:一个或多个CPU(1941)、GPU(1942)、大容量存储(1947)、ROM(1945)、RAM(1946)等。

计算机可读介质可以在其上具有用于执行各种由计算机实现的操作的计算机代码。介质和计算机代码可以是出于本公开的目的而专门设计和构造的介质和计算机代码,或者介质和计算机代码可以是计算机软件领域的技术人员公知且可用的类型。

作为非限制性示例,可以由于一个或多个处理器(包括CPU、GPU、FPGA、加速器等)执行包含在一种或多种有形的计算机可读介质中的软件而使得具有架构(1900),特别是内核(1940)的计算机系统可以提供功能。此类计算机可读介质可以是与如上所述的用户可访问的大容量存储相关联的介质,以及某些非暂时性的内核(1940)的存储器,例如内核内部大容量存储器(1947)或ROM(1945)。可以将实施本公开的各种实施例的软件存储在此类装置中并由内核(1940)执行。根据特定需要,计算机可读介质可以包括一个或多个存储装置或芯片。软件可以使得内核(1940),特别是其中的处理器(包括CPU、GPU、FPGA等)执行本文所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(1946)中的数据结构以及根据由软件定义的过程来修改此类数据结构。附加地或替换地,可以由于硬连线或以其他方式体现在电路(例如,加速器(1944))中的逻辑中而使得计算机系统提供功能,该电路可以替换软件或与软件一起运行以执行本文描述的特定过程或特定过程的特定部分。在适当的情况下,提及软件的部分可以包含逻辑,反之亦然。在适当的情况下,提及计算机可读介质的部分可以包括存储用于执行的软件的电路(例如集成电路(IC))、体现用于执行的逻辑的电路或包括两者。本公开包括硬件和软件的任何合适的组合。

附录A:缩略语

JEM:联合探索模型

VVC:下一代视频编码

BMS:基准集

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:图片群组

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:假定参考解码器

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:液晶显示器

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:可编程逻辑器件

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:外围设备互连

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

尽管本公开已经描述了多个示例性实施例,但是存在落入本公开的范围内的修改、置换和各种替换等效物。因此,应当理解,本领域技术人员将能够设计出许多虽然未在本文中明确示出或描述,但体现了本公开的原理,因此落入本公开的精神和范围内的系统和方法。

47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:信息处理方法、信息处理装置、信息处理程序以及信息处理系统

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