CN115769577A - 具有子空间约束的正交变换生成 - Google Patents

具有子空间约束的正交变换生成 Download PDF

Info

Publication number
CN115769577A
CN115769577A CN202280003870.7A CN202280003870A CN115769577A CN 115769577 A CN115769577 A CN 115769577A CN 202280003870 A CN202280003870 A CN 202280003870A CN 115769577 A CN115769577 A CN 115769577A
Authority
CN
China
Prior art keywords
transform
video
basis vectors
kernels
block
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202280003870.7A
Other languages
English (en)
Inventor
赵欣
马杜·柏林加色·克里什南
刘杉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent America LLC
Original Assignee
Tencent America LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent America LLC filed Critical Tencent America LLC
Publication of CN115769577A publication Critical patent/CN115769577A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/11—Selection of coding mode or of prediction mode among a plurality of spatial predictive coding modes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/18—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a set of transform coefficients
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/61—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding in combination with predictive coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/625—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using discrete cosine transform [DCT]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Discrete Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本公开涉及视频编码和解码中的变换核共享。例如，公开了一种用于这样的变换核共享的方法。该方法可以包括：识别多个变换核，其中，多个变换核中的每个变换核包括从低频到高频的基矢量集合；多个变换核中的两个或多个变换核的N个高频基矢量被共享，N是正整数；并且多个变换核中的两个或多个变换核中不同于N个高频基矢量的低频基矢量被个性化。该方法可以进一步包括从视频码流中提取数据块；基于与数据块相关联的信息，从多个变换核中选择变换核；以及将变换核应用于数据块的至少一部分，以生成变换块。

Description

具有子空间约束的正交变换生成
交叉引用
本申请基于并要求于2022年1月5日提交的申请号为17/568,871的美国非临时专利的优先权，该美国非临时专利申请要求于2021年4月7日提交的标题为“具有子空间约束的正交变换生成(ORTHOGONAL TRANSFORM GENERATION WITH SUBSPACE CONSTRAINT)”、申请号为63/172,060的美国临时申请的优先权。这两个申请的全部内容通过引用结合在本申请中。
技术领域
本公开描述一组高级视频编码技术。更具体地，所公开的技术涉及视频编码和解码中的变换核共享方法。
背景技术
本文所提供的背景描述旨在整体呈现本申请的背景。在背景技术部分以及本说明书的各个方面中所描述的目前已署名的发明人的工作所进行的程度，并不表明其在本申请提交时作为现有技术，且从未明示或暗示其被承认为本申请的现有技术。
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亮度样本及相关的全部或子采样的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(或者称为帧率)，例如每秒60个图片或每秒60帧。未压缩视频对于流式传输或数据处理具有特定的比特率要求。例如，像素分辨率为1920×1080、帧速率为60帧/秒、色度子采样为4:2:0(8比特/像素/颜色信道)的视频需要接近1.5Gbit/s的带宽。一个小时的这种视频需要超过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和/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。无损压缩是指通过解码过程从压缩的原始信号中重建原始信号的精确副本的技术。有损压缩是指其中原始视频信息在编码期间未被完全保留并且在解码期间不可完全恢复的编码/解码过程。当使用有损压缩时，重建信号可能与原始信号不同，但是原始信号与重建信号之间的失真小到足以使重建信号可用于预期应用，尽管有一些信息损失。在视频的情况下，有损压缩广泛用于许多应用中。可容许的失真的量取决于应用。例如，某些消费视频流式传输应用的用户可以容忍比电影或电视广播应用的用户更高的失真。可以选择或调整特定编码算法可实现的压缩比以反映各种失真容限：较高的可容忍失真通常允许产生较高损失和较高压缩比的编码算法。
视频编码器和解码器可利用来自若干广泛类别和步骤的技术，包括例如运动补偿、傅里叶变换、量化及熵编解码。
视频编解码器技术可包括称为帧内编解码的技术。在帧内编解码中，在不参考来自先前重建的参考图片的样本或其它数据的情况下表示样本值。在一些视频编解码器中，图片在空间上被细分为样本块。当所有样本块都以帧内模式编码时，该图片可以被称为帧内图片。帧内图片及其派生(诸如独立解码器刷新图片)可用于重置解码器状态，并且因此可用作已编码视频码流和视频会话中的第一图片，或者用作静止图像。然后，帧内预测之后的块的样本可以经过变换到频域，并且可以在熵编码之前对如此生成的变换系数进行量化。帧内预测表示使预变换域中的样本值最小化的技术。在一些情况下，变换后的DC值越小，并且AC系数越小，则在给定量化步长下表示熵编解码后的块所需的比特越少。
诸如从例如MPEG-2代编解码技术中已知的传统帧内编解码不使用帧内预测。然而，一些较新的视频压缩技术包括从例如周围样本数据和/或元数据尝试的技术，该周围样本数据和/或元数据是在空间相邻的数据块的编码/解码期间获得的并且在解码顺序上先于数据块。这种技术此后称为“帧内预测”技术。注意，在至少一些情况下，帧内预测仅使用来自重建中的当前图片的参考数据，而不使用来自参考图片的参考数据。
可以有许多不同形式的帧内预测。当在给定视频编码技术中可获得多于一种这样的技术时，所使用的技术可以被称为帧内预测模式。可以在特定编解码器中提供一种或多种帧内预测模式。在某些情况下，模式可以具有子模式和/或可以与各种参数相关联，并且用于视频块的模式/子模式信息和帧内编码参数可以单独地进行编码或共同包括在模式码字中。对于给定模式/子模式/参数组合要使用的码字可能对通过帧内预测的编码效率增益有影响，并且将码字转换成码流的熵编解码技术也是如此。
帧内预测的某种模式与H.264一起被引入，在H.265中被改进，并且在诸如联合探索模式(JEM，joint exploration model)、通用视频编码(VVC，versatile video coding)和基准集(BMS，benchmark set)这些较新的编解码技术中被进一步改进。通常，对于帧内预测，可以使用已经变得可用的相邻样本值来形成预测器块。例如，可以将沿着特定方向和/或线的相邻样本的特定集合的可用值复制到预测器块中。对使用方向的参考可以在码流中编码或可以对本身进行预测。
参照图1A，右下方描绘了H.265指定的33个可能的帧内预测方向(对应于35种帧内模式的33个角度模式)中已知的九个预测方向的子集合。箭头会聚的点(101)表示正在被预测的样本。箭头表示使用相邻样本来预测101处的样本的方向。例如，箭头(102)表示根据右上方与水平方向成45度角的一个或多个相邻样本来预测样本(101)。类似地，箭头(103)表示根据左下方与水平方向成22.5度角的一个或多个样本来预测样本(101)。
仍然参考图1A，在左上方示出了一个包括4×4个样本的正方形块(104)(由粗虚线表示)。正方形块(104)包括16个样本，每个样本用“S”、以及其在Y维度上的位置(例如，行索引)和在X纬度上的位置(例如，列索引)来标记。例如，样本S21是Y维度上的第二个样本(从顶部开始)和X维度上的第一个(从左侧开始)样本。类似地，样本S44在X维度和Y维度上都是块(104)中的第四个样本。由于该块为4×4大小的样本，因此S44位于右下角。还示出了遵循类似编号方案的示例性参考样本。参考样本用"R"、以及其相对于块(104)的Y位置(例如，行索引)和X位置(例如，列索引)来标记。在H.264与H.265中，预测样本与正在重建的块相邻
块104的帧内图片预测可以通过根据用信号通知的预测方向从相邻样本复制参考样本值来开始。例如，假设编码视频比特流包括信令，对于该块104，该信令指示箭头(102)预测方向，即，根据右上方与水平方向成45度角的一个或多个预测样本来预测样本。在这种情况下，根据同一参考样本R05，预测样本S41、S32、S23和S14。根据参考样本R08，预测样本S44。
在某些情况下，例如通过内插，可以合并多个参考样本的值，以便计算参考样本，尤其是当方向不能被45度整除时。
随着视频编码技术的不断发展，可能方向的数量也在增加。例如，在H.264(2003年)中，九个不同的方向可用于帧内预测。这在H.265(2013年)中增加到33，并且JEM/VVC/BMS在此申请时可以支持高达65个方向。已经进行了实验研究来帮助识别最适合的帧内预测方向，并且可以使用熵编码中的某些技术来以少量比特对那些最适合的方向进行编码，接受方向的某些比特代价。进一步地，有时可以从已经解码的相邻块的帧内预测中使用的相邻方向来预测方向本身。
图1B示出了根据JEM描绘65个帧内预测方向的示意图(180)，以示出随着时间发展的各种编码技术中预测方向数量的不断增加。
用于将表示帧内预测方向的比特映射到已编码视频码流中的预测方向的方式可以在视频编码技术与视频编码技术之间变化；并且可以例如从预测方向到帧内预测模式的简单直接映射到码字、到涉及最可能模式的复杂自适应方案和类似技术。然而，在所有情况下，可以存在用于帧内预测的某些方向，这些方向在统计上比某些其它方向不太可能出现在视频内容中。由于视频压缩的目标是减少冗余，因此在精心设计的视频编码技术中，那些不太可能的方向可以由比更可能的方向更大的比特数的来表示。
帧间预测或帧间预测可以基于运动补偿。在运动补偿中，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(例如，一个块)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(类似于时间维度)。
在一些视频压缩技术中，可应用于样本数据的某一区域的当前MV可以从其它MV预测，例如从与样本数据的其它区域相关的那些其它MV预测，其它区域在空间上邻近于重建中的区域并且在解码顺序上在当前MV之前。这样做可以通过依赖于去除相关MV中的冗余，来显著减少编码MV所需的总数据量，从而提高压缩效率。MV预测可以有效地工作，例如，因为当对从相机导出的输入视频信号(称为自然视频)进行编解码时，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，会在视频序列中朝着类似的方向移动，并且因此，在一些情况下，可以使用从相邻区域的MV导出的类似运动矢量来预测。这导致给定区域的实际MV与从周围MV预测的MV相似或相同。在熵编码之后，这样的MV又可以用比如果直接编码MV而不是从一个或多个相邻MV预测该MV所使用的比特数更少的比特数来表示。在一些情况下，MV预测可以是从原始信号(即：样本流)导出的信号(即：MV)的无损压缩的示例。在其它情况下，MV预测本身可能是有损的，例如由于当从若干周围MV计算预测值时的舍入误差。
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。
参考图2，当前块(201)包括编码器在运动搜索过程中发现的样本，所述样本可以根据空间移动了相同大小的先前块进行预测。不直接对该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导出该MV，例如从最近的(按解码顺序)参考图片中导出该MV。其中，五个周围样本分别用A0、A1和B0、B1、B2(从202到206)表示。在H.265中，MV预测可使用相邻块使用的同一参考图片的预测值。
发明内容
本公开的各方面提供用于视频编码和解码中的变换核共享的方法和装置。
在一些实现中，公开了一种用于这样的变换核共享的方法。该方法可以包括：识别多个变换核，其中，多个变换核中的每个变换核包括从低频到高频的基矢量集合；多个变换核中的两个或多个变换核的N个高频基矢量被共享，N是正整数；并且多个变换核中的两个或多个变换核中不同于N个高频基矢量的低频基矢量被个性化。该方法可以进一步包括从视频码流中提取数据块；基于与数据块相关联的信息，从多个变换核中选择变换核；以及将变换核应用于数据块的至少一部分以生成变换块。
在以上实现中，可以离线地预训练多个变换核。在一些进一步的实现中，可以离线联合地训练多个变换核，以确定共享的N个高频基矢量。
在以上实现中的任一个中，N个高频基矢量可以包括频率高于预定阈值频率的基矢量。在一些进一步的实现中，可以离线地预训练多个变换核和预定阈值频率。
在以上实现中的任一个中，多个变换核可以包括适用于变换主变换(primarytransform)系数的次级变换核，并且数据块包括主变换系数的阵列。
在以上实现中的任一个中，共享N个高频基矢量的多个变换核中的两个或多个变换核与多种帧内图片预测模式中相同的一种帧内图片预测模式相对应；并且多个变换核当中的所有变换核共享N个高频基矢量和其它被个性化的低频基矢量，所述多个变换核指配给多种帧内图片预测模式中相同的一种帧内预测模式。
在以上实现中的任一个中，共享N个高频基矢量的多个变换核中的两个或多个变换核可以被指配给两种或多种不同的帧内图片预测模式。
在以上实现中的任一个中，多个变换核是次级变换核；并且共享N个高频基矢量的多个变换核中的两个或多个变换核被配置为对主变换系数进行变换，所述主变换系数从具有相同变换类型的主变换生成。
在以上实现中的任一个中，N是2的整数幂，和/或N小于预定义的上限，和/或N取决于变换大小。
在以上实现中的任一个中，多个变换核可以被配置用于帧内次级变换(IST)。在一些实现中，多个变换核可以是次级低频不可分离变换(LFNST)核。在一些实现中，多个变换核被配置用于线性图变换(LGT)。
在一些其它实现中，公开了一种用于处理视频信息的设备。该设备可以包括被配置为执行以上方法实现中的任一个的电路。
本公开的各方面还提供存储指令的非易失性计算机可读介质，这些指令在由计算机执行时使计算机执行用于视频解码和/或编码的方法。
附图说明
根据以下具体实施方式和附图，所公开的主题的进一步的特征、性质和各种优点将更加显而易见，在附图中：
图1A示出了帧内预测定向模式的示例性子集的示意图。
图1B示出了示例性帧内预测方向的图示。
图2示出了在一个示例中用于运动矢量预测的当前块及其周围的空间合并候选的示意图。
图3示出了根据示例实施例的通信***(300)的简化框图的示意图。
图4示出了根据示例实施例的通信***(400)的简化框图的示意图。
图5示出了根据示例实施例的视频解码器的简化框图的示意图。
图6示出了根据示例实施例的视频编码器的简化框图的示意图。
图7示出了根据另一示例实施例的视频编码器的框图。
图8示出了根据另一示例实施例的视频解码器的框图。
图9示出了根据本公开的示例实施例的定向帧内预测模式。
图10示出了根据本公开的示例实施例的非定向帧内预测模式。
图11示出了根据本公开的示例实施例的递归帧内预测模式。
图12示出了根据本公开的示例实施例的帧内预测块的变换块分区和扫描。
图13示出了根据本公开的示例实施例的帧间预测块的变换块分区和扫描。
图14示出了根据本公开的示例实施例的低频不可分离变换过程。
图15示出了根据本公开的示例实施例的不同变换核之间的高频基矢量的共享。
图16示出了根据本公开的示例实施例的流程图。
图17示出了根据本公开的示例实施例的计算机***的示意图。
具体实施方式
图3是根据本申请公开的实施例的通信***(300)的简化框图。通信***(300)包括多个终端装置，所述终端装置可通过例如网络(350)彼此通信。举例来说，通信***(300)包括通过网络(350)互连的第一对终端装置(310)和终端装置(320)。在图3的实施例中，终端装置(310)和终端装置(320)执行单向数据传输。举例来说，终端装置(310)可对视频数据(例如由终端装置(310)采集的视频图片流)进行编码以通过网络(350)传输到另一终端装置(320)。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(320)可从网络(350)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。单向数据传输可以在媒体服务等应用中实现。
在另一实施例中，通信***(300)包括执行已编码视频数据的双向传输的第二对终端装置(330)和(340)，所述双向传输可例如在视频会议期间实现。对于双向数据传输，终端装置(330)和终端装置(340)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(350)传输到终端装置(330)和终端装置(340)中的另一终端装置。终端装置(330)和终端装置(340)中的每个终端装置还可接收由终端装置(330)和终端装置(340)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3的实施例中，终端装置(310)、终端装置(320)、终端装置(330)和终端装置(340)可实现为服务器、个人计算机和智能电话，但本申请公开的基本原理的适用性可不限于此。本申请公开的实施例可以在膝上型计算机、平板电脑、媒体播放器和/或专用视频会议设备上实现。网络(350)表示在终端装置(310)、终端装置(320)、终端装置(330)和终端装置(340)之间传送已编码视频数据的任何数目或类型的网络，包括例如有线(连线的)和/或无线通信网络。通信网络(350)可在电路交换、分组交换信道中和/或其他类型的信道中交换数据。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，除非在下文中明确解释，否则网络(350)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4示出视频编码器和视频解码器在视频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广播、游戏、虚拟现实、在包括CD、DVD、记忆棒等的数字介质上的压缩视频的存储等。
视频流式传输***可包括视频采集子***(413)，所述采集子***可包括数码相机等视频源(401)，所述视频源创建未压缩的视频图片或图像流(402)。在实施例中，视频图片流(402)包括由视频源的数码相机记录的样本。相较于已编码的视频数据(404)(或已编码的视频码流)，视频图片流(402)被描绘为粗线以强调高数据量的视频图片流，视频图片流(402)可由电子装置(420)处理，所述电子装置(420)包括耦接到视频源(401)的视频编码器(403)。视频编码器(403)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。相较于未压缩的视频图片流(402)，已编码的视频数据(404)(或已编码的视频码流(404))被描绘为细线以强调较低数据量的已编码的视频数据(404)(或已编码的视频码流(404))，其可存储在流式传输服务器(405)上以供将来使用或直接下行连接到视频设备(未显示)。一个或多个流式传输客户端子***，例如图4中的客户端子***(406)和客户端子***(408)，可访问流式传输服务器(405)以检索已编码的视频数据(404)的副本(407)和副本(409)。客户端子***(406)可包括例如电子装置(430)中的视频解码器(410)。视频解码器(410)对已编码的视频数据的传入副本(407)进行解码，且产生未压缩的、且可在显示器(412)(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(411)。视频解码器410可以被配置为执行本公开中描述的各种功能中的一些或全部。在一些流式传输***中，可根据某些视频编码/压缩标准对已编码的视频数据(404)、视频数据(407)和视频数据(409)(例如视频码流)进行编码。该些标准的实施例包括ITU-TH.265。在实施例中，正在开发的视频编码标准非正式地称为下一代视频编码(VersatileVideo Coding，VVC)，本申请可用于VVC标准的上下文中或其他视频编解码标准中。
应注意，电子装置(420)和电子装置(430)可包括其它组件(未示出)。举例来说，电子装置(420)可包括视频解码器(未示出)，且电子装置(430)还可包括视频编码器(未示出)。
图5是根据本申请公开的实施例的视频解码器(510)的框图。视频解码器(510)可设置在电子装置(530)中。电子装置(530)可包括接收器(531)(例如接收电路)。视频解码器(510)可用于代替图4实施例中的视频解码器(410)。
接收器(531)可以接收要由视频解码器(510)解码的一个或多个已编码视频序列。在相同或另一实施例中，可以一次解码一个已编码视频序列，其中每一已编码视频序列的解码独立于其它已编码视频序列。每个视频序列可以与多个视频帧或图像相关联。已编码视频序列可以从信道(501)接收，该信道可以是到存储已编码视频数据的存储设备或传输已编码视频数据的流式传输源的硬件/软件链路。接收器(531)可以接收已编码视频数据以及其他数据(诸如已编码音频数据和/或辅助数据流)，这些数据可以被转发到它们各自的处理电路(未描绘)。接收器(531)可以将已编码视频序列与其它数据分离。为了对抗网络抖动，缓冲存储器(515)可以设置在接收器(531)与熵解码器/解析器(520)(此后称为“解析器(520)”)之间。在某些应用中，缓冲存储器(515)可以被实现为视频解码器(510)的一部分。在其它应用中，缓冲存储器可以在视频解码器(510)(未描绘)外部并且与其分离。在还其它应用中，在视频解码器(510)外部还可以存在缓冲存储器(未描绘)，用于例如对抗网络抖动的目的，并且在视频解码器(510)内部可以存在另一附加缓冲存储器(515)，例如用于处理回放定时。当接收器(531)从具有足够带宽和可控性的存储/转发设备，或从等同步网络接收数据时，可能不需要缓冲存储器(515)，或缓冲存储器(515)可以很小。为了在诸如因特网的最优分组网络上使用，可能需要足够大小的缓冲存储器(515)，并且其大小可以相对较大。这样的缓冲存储器可以用自适应大小来实现，并且可以至少部分地在视频解码器(510)外部的操作***或类似元件(未描绘)中实现。
视频解码器(510)可包括解析器(520)以根据已编码视频序列重建符号(521)。这些符号的类别包括用于管理视频解码器(510)的操作的信息，以及用以控制显示器(512)(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(530)的组成部分，但可耦接到电子装置(530)，如图5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(520)可对接收到的已编码视频序列进行解析/熵解码。已编码视频序列的熵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(520)可基于对应于子群的至少一个参数，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(520)还可从已编码视频序列提取信息，例如变换系数(傅里叶变换系数)、量化器参数值、运动矢量等等。
解析器(520)可对从缓冲存储器(515)接收的视频序列执行熵解码/解析操作，从而创建符号(521)。
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(521)的重建可涉及多个不同的处理或功能单元。涉及的单元以及涉及方式可由解析器(520)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(520)与下文的多个处理或功能单元之间的此类子群控制信息流。
除了已经提到的功能块之外，视频解码器(510)可以在概念上被细分成如以下所描述的多个功能单元。在商业约束下操作的实际实施例中，这些功能单元中的许多功能单元彼此紧密交互，并且可以至少部分地彼此集成。然而，为了清楚地描述所公开的主题的各种功能，在以下的公开中采用概念上细分为功能单元。
第一单元可以包括缩放器/逆变换单元(551)。缩放器/逆变换单元(551)可以从解析器(520)接收接收作为符号(521)的量化变换系数以及控制信息，该控制信息包括指示使用哪种类型的逆变换的信息、块大小、量化因子/参数、量化缩放矩阵等。缩放器/逆变换单元(551)可输出包括样本值的块，所述样本值可输入到聚合器(555)中。
在一些情况下，缩放器/逆变换单元(551)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(552)提供。在一些情况下，帧内图片预测单元(552)可以使用已被重建并且存储在当前图片缓冲器(558)中的周围块信息来生成与重建中的块的大小和形状相同的块。举例来说，当前图片缓冲器(558)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(555)基于每个样本，将帧内预测单元(552)生成的预测信息添加到由缩放器/逆变换单元(551)提供的输出样本信息中。
在其它情况下，缩放器/逆变换单元(551)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(553)可访问参考图片存储器(557)以提取用于帧间图片预测的样本。在根据符号(521)对提取的样本进行运动补偿之后，这些样本可由聚合器(555)添加到缩放器/逆变换单元(551)的输出(单元551的输出可以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(553)从参考图片存储器(557)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(521)的形式而供运动补偿预测单元(553)使用，所述符号(521)例如是包括X、Y分量(移位)和参考图片分量(时间)。运动补偿还可以包括当使用子采样精确运动矢量时从参考图片存储器(557)提取的样本值的内插，并且还可以与运动矢量预测机制等相关联。
聚合器(555)的输出样本可在环路滤波器单元(556)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(520)的符号(521)可用于环路滤波器单元(556)。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。如下面将进一步详细描述的，若干类型的环路滤波器可以以各种顺序包括以作为环路滤波器单元556的一部分。
环路滤波器单元(556)的输出可以是样本流，所述样本流可输出到显示装置(512)以及存储在参考图片存储器(557)，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帧间图片预测。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(520))被识别为参考图片，则当前图片缓冲器(558)可变为参考图片存储器(557)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(510)可根据例如ITU-T H.265标准中所采用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。为了符合标准，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(HypotheticalReference Decoder，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。
在一些实施例中，接收器(531)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(510)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6是根据本申请公开的示例性实施例的视频编码器(603)的框图。视频编码器(603)设置于电子装置(620)中。电子装置(620)包括传输器(640)(例如传输电路)。视频编码器(603)可用于代替图4实施例中的视频编码器(403)。
视频编码器(603)可从视频源(601)(并非图6实施例中的电子装置(620)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(603)编码的视频图像。在另一实施例中，视频源(601)可以实现为电子装置(620)的一部分。
视频源(601)可提供将由视频编码器(603)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、XYZ……)和任何合适取样结构(例如YCrCb 4:2:0、Y CrCb4:4:4)。在媒体服务***中，视频源(601)可以是存储先前已准备的视频的存储装置。在视频会议***中，视频源(601)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或图像，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。
根据一些实施例，视频编码器(603)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(643)。施行适当的编码速度可以构成控制器(650)的一个功能。在一些实施例中，如下文所描述的，控制器(650)在功能上耦接并控制其它功能单元。为了简洁起见，图中未标示耦接。由控制器(650)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(650)可用于具有其它合适的功能，这些功能涉及针对某一***设计优化的视频编码器(603)。
在一些实施例中，视频编码器(603)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(630)(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(603)中的(本地)解码器(633)。解码器(633)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，即使嵌入式解码器633在没有熵编码的情况下通过源编码器630处理已编码视频流(因为在本申请所考虑的视频压缩技术中，熵编码中的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(634)。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(634)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)用于提高编码质量。
“本地”解码器(633)的操作可与例如已在上文结合图4详细描述视频解码器(510)的“远程”解码器相同。然而，另外简要参考图5，当符号可用且熵编码器(645)和解析器(520)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(515)和解析器(520)在内的视频解码器(510)的熵解码部分，可能无法完全在编码器中的本地解码器(633)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，本申请侧重于与编码器的解码部分相关的解码器操作。这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。下面仅提供在某些区域或某些方面需要编码器的更详细的描述。
在操作期间，在一些实施例中，源编码器(630)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(632)对输入图片的像素块与参考图片的像素块之间的颜色信道中的差异(或残差)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。术语“残差”及其形容词形式“残差的”可以可互换地使用。
本地视频解码器(633)可基于源编码器(630)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(632)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6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(633)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(634)中。以此方式，视频编码器(603)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(远程)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(635)可针对编码引擎(632)执行预测搜索。即，对于将要编码的新图片，预测器(635)可在参考图片存储器(634)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(635)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(635)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(634)中存储的多个参考图片取得的预测参考。
控制器(650)可管理源编码器(630)的编码操作，包括例如设置用于对视频数据进行编码和/或解码的参数和子群参数。
可在熵编码器(645)中对所有上述功能单元的输出进行熵编码。熵编码器(645)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(640)可缓冲由熵编码器(645)创建的已编码视频序列，从而为通过通信信道(660)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(640)可将来自视频编码器(603)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(650)可管理视频编码器(603)的操作。在编码期间，控制器(650)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。为了其他目的，源图片或中间处理的图片可以被细分为其他类型的块。编码块和其他类型的块的划分可以遵循或可以不遵循相同的方式，如下文进一步详细的描述。
视频编码器(603)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(603)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，已编码视频数据可相应地符合所用视频编码技术或标准指定的语法。
在一些实施例中，传输器(640)可在传输已编码的视频时传输附加数据。源编码器(630)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。当当前图片中的块类似于视频中的先前已编码并且仍缓冲的参考图片中的参考块时，该当前图片中的块可以由被称为运动矢量的矢量来编码。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。
在一些示例实施例中，双向预测技术可以用于帧间预测。根据这样的双向预测技术，使用两个参考图片，诸如第一参考图片和第二参考图片，这两个参考图片都按照解码顺序在视频中的当前图片之前(但是按照显示顺序可以分别在过去或将来)。可通过指向第一参考图片中的第一参考块的第一运动矢量和指向第二参考图片中的第二参考块的第二运动矢量对当前图片中的块进行编码。具体来说，可通过第一参考块和第二参考块的组合来预测所述块。
进一步地，可以在帧间预测中使用合并模式技术以提高编码效率。
根据本公开的一些示例实施例，以块为单位执行诸如帧间预测和帧内预测的预测。例如，将视频图片序列中的图片分割成编码树单元(coding tree 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包括三个并行编码树块(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(codingunit，CU)。例如，64×64像素的CTU可以被分割成64×64像素的一个CU，或32×32像素的4个CU。32×32块中的一个或多个中的每一个可以被进一步分割成16×16像素的4个CU。在一些示例实施例中，可以在编码期间分析每个CU以在各种预测类型(诸如帧间预测类型或帧内预测类型)当中确定CU的预测类型。取决于时间和/或空间可预测性，CU可以被分割成一个或多个预测单元(PU)。通常，每个PU包括亮度预测块(PB)和两个色度PB。在实施例中，以预测块为单位执行编解码(编码/解码)中的预测操作。CU到PU(或不同颜色信道的PB)的分割可以以各种空间模式来执行。例如，亮度或色度PB可以包括诸如8×8像素、16×16像素、8×16像素、16×8样本等样本的值矩阵(例如，亮度值)。
图7示出了根据本公开的另一示例实施例的视频编码器(703)的示图。视频编码器(703)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)，并且将处理块编码成作为已编码视频序列的一部分的已编码图片。示例视频编码器(703)可以被用于代替图4示例中的视频编码器(403)。图7是根据本申请公开的另一示例性实施例的视频编码器(703)的图。视频编码器(703)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(703)用于代替图4实施例中的视频编码器(403)。
例如，视频编码器(703)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(703)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。当确定在帧内模式中编码处理块时，视频编码器(703)可使用帧内预测技术以将处理块编码到已编码图片中；且当确定在帧间模式或双向预测模式中编码处理块时，视频编码器(703)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。在一些示例实施例中，合并模式可以被用作帧间预测的子模式，其中运动矢量从一个或多个运动矢量预测值中导出，而没有预测值之外的已编码运动矢量分量的益处。在一些其它示例实施例中，可以存在可应用于主题块的运动矢量分量。相应地，视频编码器(703)可以包括图7中未明确示出的部件(诸如模式决策模块)，以确定处理块的预测模式。
在图7的实施例中，视频编码器(703)包括如图7中的示例性布置所示的耦接到一起的帧间编码器(730)、帧内编码器(722)、残差计算器(723)、开关(726)、残差编码器(724)、通用控制器(721)和熵编码器(725)。
帧间编码器(730)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)。在一些示例中，参考图片是已解码参考图片，所述已解码的参考图片是使用嵌入在图6中的示例性编码器620(示出了为图7的残差解码器728，如下文进一步详细描述)中的解码单元633基于已编码视频信息而进行解码的。
帧内编码器(722)用于接收当前块(例如处理块)的样本、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。帧内编码器(722)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(721)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(703)的其它组件。在实施例中，通用控制器(721)确定块的预测模式，且基于所述预测模式将控制信号提供到开关(726)。举例来说，当所述预测模式是帧内模式时，通用控制器(721)控制开关(726)以选择供残差计算器(723)使用的帧内模式结果，且控制熵编码器(725)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；以及当所述预测模式对于所述块是帧间模式时，通用控制器(721)控制开关(726)以选择供残差计算器(723)使用的帧间预测结果，且控制熵编码器(725)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(723)用于计算所接收的块与选自帧内编码器(722)或帧间编码器(730)的块的预测结果之间的差(残差数据)。残差编码器(724)用于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(724)用于将残差数据从时域转换到频域，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(703)还包括残差解码器(728)。残差解码器(728)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(722)和帧间编码器(730)使用。举例来说，帧间编码器(730)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(722)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(725)可以被配置为格式化码流以包括已编码块并且执行熵编码。熵编码器(725)被配置为在码流中包括各种信息。举例来说，熵编码器(725)可以被配置为在码流中包括通用控制数据、选择的预测信息(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。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解码时，可能不存在残差信息。
图8是根据本申请公开的另一实施例的示例性视频解码器(810)的图。视频解码器(810)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(810)用于代替图4实施例中的视频解码器(410)。
在图8的示例性布置的实施例中，视频解码器(810)包括如图8中所示耦接到一起的熵解码器(871)、帧间解码器(880)、残差解码器(873)、重建模块(874)和帧内解码器(872)。
熵解码器(871)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、合并子模式或另一子模式)、可识别供帧内解码器(872)或帧间解码器(880)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(880)；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(872)。残差信息可经由逆量化并提供到残差解码器(873)。
帧间解码器(880)可以被配置为接收帧间预测信息，并且基于帧间预测信息生成帧间预测结果。
帧内解码器(872)可以被配置为接收帧内预测信息，并且基于帧内预测信息生成预测结果。
残差解码器(873)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(873)还可能利用某些控制信息(用以获得量化器参数QP)，且所述信息可由熵解码器(871)提供(未标示数据路径，因为这仅仅是低量数据控制信息)。
重建模块(874)可以被配置为在空间域中组合由残差解码器(873)输出的残差和预测结果(根据情况由帧间预测模块或帧内预测模块输出)以形成重建块，该重建块形成重建图片的一部分，该重建图片作为重建视频的一部分。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(403)、视频编码器(603)和视频编码器(703)以及视频解码器(410)、视频解码器(510)和视频解码器(810)。在一些实施例中，可使用一个或多个集成电路来实施视频编码器(403)、视频编码器(603)和视频编码器(703)以及视频解码器(410)、视频解码器(510)和视频解码器(810)。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(403)、视频编码器(603)和视频编码器(703)以及视频解码器(410)、视频解码器(510)和视频解码器(810)。
返回到帧内预测过程，其中块(例如，亮度或色度预测块，或者如果没有被进一步分割成预测块的编码块)中的样本由相邻、下一相邻、或，其它一行或多行的样本或它们的组合来预测，以生成预测块。被编码的实际块与预测块之间的残差可以通过变换、以及随后量化来处理。可以使各种帧内预测模式可用，并且可以在码流中用信号通知与帧内模式选择有关的参数和其它参数。例如，各种帧内预测模式可以涉及用于预测样本的一个或多个行位置、从一个预测行或多个行中选择预测样本所沿着的方向以及其它特殊帧内预测模式。
例如，一组帧内预测模式(可互换地称为“帧内模式”)可以包括预定义数量的定向帧内预测模式。如以上关于图1的示例性实现所描述的，这些帧内预测模式可以与预定义数量的方向相对应，沿着这些方向选择块外样本作为特定块中正被预测的样本的预测结果。在另一特定示例实现中，可以支持和预定义八(8)种主定向模式，所述八(8)种主定向模式与跟水平轴成45到207度的角度相对应。
在帧内预测的一些其它实现中，为了进一步利用定向纹理中更多种类的空间冗余，定向帧内模式可以进一步扩展到具有更精细粒度的角度集合。例如，以上8角度实现可以被配置为提供八个标称角度，被称为V_PRED、H_PRED、D45_PRED、D135_PRED、D113_PRED、D157_PRED、D203_PRED和D67_PRED(如图9中图示)，并且对于每个标称角度，可以添加预定义数量(例如，7个)的更精细角度。利用这样的扩展，更大总数(例如，在该示例中为56)的定向角度可以用于帧内预测，所述定向角度与相同数量的预定义定向帧内模式相对应。预测角度可以由标称帧内角度加上角度增量来表示。对于上面的特定示例，每个标称角度具有7个更精细的角方向，角度增量可以是3度的步长的-3～3倍。
在一些实现中，替代以上定向帧内模式或作为其补充，还可以预定义预定数量的非定向帧内预测模式并且使其可用。例如，可以指定被称为平滑帧内预测模式的5种非定向帧内模式。这些非定向帧内模式预测模式可以具体地被称为DC、PAETH、SMOOTH、SMOOTH_V和SMOOTH_H帧内模式。图10中图示了在这些示例性非定向模式下对特定块的样本的预测。作为示例，图10示出了由来自顶部相邻行和/或左侧相邻行的样本预测的4×4块1002。块1002中的特定样本1010可以与块1002的顶部相邻行中的样本1010的正顶部样本1004、作为顶部相邻行和左侧相邻行的交叉点的样本1010的左上样本1006以及块1002的左侧相邻行中的样本1010的正左侧样本1008相对应。对于示例性DC帧内预测模式，左侧相邻样本1008和上方相邻样本1004的平均值可以被用作样本1010的预测值。对于示例性PAETH帧内预测模式，可以提取顶部参考样本1004、左侧参考样本1008和左上参考样本1006，并且然后可以将这三个参考样本当中最接近(顶部+左-左上)的任何值设置为样本1010的预测值。对于示例性SMOOTH_V帧内预测模式，可以通过在左上相邻样本1006和左相邻样本1008的垂直方向上的二次插值来预测样本1010。对于示例性SMOOTH_H帧内预测模式，可以通过在左上相邻样本1006和顶部相邻样本1004的水平方向上的二次插值来预测样本1010。对于示例性SMOOTH帧内预测模式，可以通过垂直方向和水平方向上的二次插值的平均值来预测样本1010。以上非定向帧内模式实现仅作为非限制性示例图示。还需要考虑其它相邻行和对样本的其它非定向选择，以及用于预测预测块中的特定样本的组合预测样本的方式。
可以在码流中用信号通知编码器在各种编码级别(图片、条带、块、单元等)从以上定向或非定向模式中对特定帧内预测模式的选择。在一些示例性实现中，可以首先用信号通知示例性的8种标称定向模式以及5种非角度平滑模式(总共13个选项)。然后，如果用信号通知的模式是8种标称角度帧内模式中的一种，则进一步用信号通知索引，以将选择的角度增量指示为对应的用信号通知的标称角度。在一些其它示例性实现中，可以将所有的帧内预测模式一起索引(例如，56种定向模式加上5种非定向模式以产生61种帧内预测模式)以用于信令。
在一些示例性实现中，示例56或其它数量的定向帧内预测模式可以用统一定向预测器来实现，该统一定向预测器将块的每个样本投影到参考子样本位置并且通过2抽头(2-tap)双线性滤波器来内插参考样本。
在一些实现中，为了采集与边缘上的参考的衰减空间相关性，可以设计被称为滤波器帧内模式的附加滤波器模式。对于这些模式，除了块外样本之外的块内的预测样本可以被用作块内的一些补丁的帧内预测参考样本。例如，可以预定义这些模式并且使其可用于至少亮度块(或仅亮度块)的帧内预测。可以预先设计预定义数量(例如，五种)的滤波器帧内模式，每种滤波器内模式由一组n抽头滤波器(例如，7抽头滤波器)表示，所述一组n抽头滤波器反映例如4×2补丁中的样本与跟其相邻的n个邻居之间的相关性。换句话说，n抽头滤波器的加权因子可以是位置相关的。以8×8块、4×2补丁和7抽头滤波为例，如图11中所示，8×8块1102可以被分割成八个4×2补丁。这些补丁在图11中由B0、B1、B1、B3、B4、B5、B6和B7指示。对于每个补丁，其7个邻居(在图11中用R0～R7指示)可以用于预测当前补丁中的样本。对于补丁B0，所有邻居可能已经被重建。但是对于其它补丁，一些邻居在当前块中，并且因此可能没有被重建，然后直接邻居的预测值被用作参考。例如，图11中所指示的补丁B7的所有邻居都没有被重建，因此取而代之地使用邻居的预测样本。
在帧内预测的一些实现中，可以使用一个或多个其它颜色分量来预测一个颜色分量。颜色分量可以是YCrCb、RGB、XYZ等颜色空间中的分量中的任一个分量。例如，可以实现对来自亮度分量(例如，亮度参考样本)的色度分量(例如，色度块)(被称为来自亮度的色度，CfL)的预测。在一些示例性实现中，从亮度到色度仅允许交叉颜色预测(cross-colorprediction)。例如，色度块中的色度样本可以被建模为一致重建亮度样本的线性函数。CfL预测可以如下实现：
CfL(α)＝α×LAC+DC (1)
其中，LAC表示亮度分量的AC贡献，α表示线性模型的参数，并且DC表示色度分量的DC贡献。例如，对于块的每个样本获得AC分量，而对于整个块获得DC分量。具体而言，可以将重建的亮度样本子采样到色度分辨率中，并且然后可以从每个亮度值中减去平均亮度值(亮度的DC)以形成亮度中的AC贡献。亮度的AC贡献然后用于等式(1)的线性模式，以预测色度分量的AC值。为了根据亮度AC贡献来近似或预测色度AC分量，代替要求解码器计算缩放参数，示例性CfL实现可以基于原始色度样本来确定参数α并且在码流中用信号通知它们。这降低了解码器复杂度并且产生更精确的预测。至于色度分量的DC贡献，在一些示例性实现中，可以使用色度分量内的帧内DC模式来计算它。
然后可以实现帧内预测块或帧间预测块的残差的变换，之后进行变换系数的量化。出于执行变换的目的，帧内编码块和帧间编码块两者可以在变换之前被进一步分区成多个变换块(有时可互换地用作“变换单元”，即使术语“单元”通常用于表示三色信道的集合，例如，“编码单元”将包括亮度编码块和色度编码块)。在一些实现中，可以指定已编码块(或预测块)的最大分区深度(术语“已编码块”可以与“编码块”可互换地使用)。例如，这样的分区可以不超过2个级别。可以在帧内预测块与帧间预测块之间不同地处理从预测块到变换块的划分。然而，在一些实现中，帧内预测块与帧间预测块之间的这种划分可以是相似的。
在一些示例实现中，并且对于帧内编码块，变换分区可以以所有变换块具有相同大小的方式来完成，并且变换块以光栅扫描顺序来进行编码。图12中示出了帧内编码块的这种变换块分区的示例。具体地，图12示出了已编码块1202通过中间级四叉树分割1204将已编码块1202分区成相同块大小的16个变换块，如1206所示。用于编码的示例性光栅扫描顺序由图12中的有序箭头示出。
在一些示例性实现中，对于帧间编码块，变换单元分区可以以递归方式进行，其中分区深度达到预定义数量的级别(例如，2个级别)。如图13中所示，分割可以对于任何子分区并且在任何级别上递归地停止或继续。特别地，图13示出了示例，其中块1302被分割成四个四叉树子块1304，并且子块中的一个子块被进一步分割成四个第二级变换块，而其它子块的分割在第一级之后停止，从而产生总共两种不同大小的7个变换块。用于编码的示例性光栅扫描顺序进一步由图13中的有序箭头示出。虽然图13示出了高达两级正方形变换块的四叉树分割的示例性实现，但在一些生成实现中，变换分区可以支持形状为1:1(正方形)、1:2/2:1和1:4/4:1的变换块形状以及4×4到64×64的大小。在一些示例性实现中，如果编码块小于或等于64×64，则变换块分区可以仅被应用于亮度分量(换句话说，色度变换块将与该条件下的编码块相同)。否则，如果编码块宽度或高度大于64，则亮度编码块和色度编码块两者可以分别被隐式地分割成min(W，64)×min(H，64)和min(W，32)×min(H，32)变换块的倍数。
以上变换块中的每个变换块然后可以进行主变换(primary transform)。主变换基本上将变换块中的残差从空间域移动到频域。在实际主变换的一些实现中，为了支持以上示例性扩展编码块分区，可以允许多个变换大小(对于两个维度中的每个维度，范围从4点到64点)和变换形状(正方形；宽度/高度比为2:1/1:2和4:1/1:4的矩形)。
转向实际的主变换，在一些示例性实现中，2-D变换过程可以涉及混合变换核(例如，其可以由针对已编码残差变换块的每一维度的不同1-D变换构成)的使用。示例1-D变换核可以包括但不限于：a)4点、8点、16点、32点、64点DCT-2；b)4点、8点、16点非对称DST(DST-4，DST-7)及其翻转版本；c)4点、8点、16点、32点恒等变换。用于每个维度的变换核的选择可以基于率失真(RD，rate-distortion)准则。例如，表1中列出了可以实现的DCT-2和非对称DST的基函数。
表1：示例性主变换基函数(用于N点输入的DCT-2、DST-4和DST-7)。
Figure BDA0003917035920000221
在一些示例性实现中，特定主变换实现的混合变换核的可用性可以基于变换块大小和预测模式。表2中列出了示例性依赖性。对于色度分量，可以以隐式方式执行变换类型选择。例如，对于帧内预测残差，可以根据帧内预测模式来选择如表3中所指定的变换类型。对于帧间预测残差，可以根据同位的亮度块(co-located luma block)的变换类型选择来选择色度块的变换类型。因此，对于色度分量，在码流中没有变换类型信令。
表2：AV1混合变换核及其基于预测模式和块大小的可用性。这里，→和↓表示水平和垂直维度；√和×表示用于该块大小和预测模式的核的可用性。
Figure BDA0003917035920000231
Figure BDA0003917035920000241
表3：用于色度分量帧内预测残差的变换类型选择。
帧内预测 垂直变换 水平变换
DC_PRED DCT DCT
V_PRED ADST DCT
H_PRED DCT ADST
D45_PRED DCT DCT
D135_PRED ADST ADST
D113_PRED ADST DCT
D157_PRED DCT ADST
D203_PRED DCT ADST
D67_PRED ADST DCT
SMOOTH_PRED ADST ADST
SMOOTH_V_PRED ADST DCT
SMOOTH_H_PRED DCT ADST
PAETH_PRED ADST ADST
在一些实现中，可以对主变换系数执行次级变换(secondary transform)。例如，如图14中所示，LFNST(低频不可分离变换)，其被称为缩减的次级变换，可以在正向主变换与量化(在编码器处)之间以及在去量化与逆主变换(在解码器端处)之间应用，以进一步对主变换系数进行去相关。本质上，LFNST可以取主变换系数的一部分，例如低频部分(因此从变换块的主变换系数的完整集合进行“缩减”)以进行到次级变换。在示例LFNST中，可以根据变换块大小来应用4×4不可分离变换或8×8不可分离变换。例如，4×4LFNST可以应用于小变换块(例如，min(宽度，高度)<8)，而8×8LFNST可以应用于较大变换块(例如，min(宽度，高度)>8)。例如，如果8×8变换块进行4×4LFNST，则仅8×8主变换系数的低频4×4部分进一步进行次级变换。
如图14中具体所示，变换块可以是8×8(或16×16)。因此，变换块的正向主变换1402产生8×8(或16×16)主变换系数矩阵1404，其中每个正方形单元表示2×2(或4×4)部分。正向LFNST的输入例如可以不是整个8×8(或16×16)主变换系数。例如，4×4(或8×8)LFNST可以被用于次级变换。这样，如阴影部分(左上)1406所指示，仅主变换系数矩阵1404的4×4(或8×8)低频主变换系数可以被用作LFNST的输入。主变换系数矩阵的剩余部分可以不进行次级变换。这样，在次级变换之后，主变换系数的进行LFNST的部分变成次级变换系数，而不进行LFNST的剩余部分(例如，矩阵1404的无阴影部分)保持对应的主变换系数。在一些示例实现中，不进行次级变换的剩余部分可以全部被设置为零系数。
以下描述了在LFNST中使用不可分离变换的应用示例。为了应用示例4×4LFNST，4×4输入块X(表示例如图14的主变换矩阵1404的阴影部分1406的主变换系数块的4×4低频部分)可以表示为：
Figure BDA0003917035920000251
该2-D输入矩阵可以按示例顺序首先被线性化或扫描成矢量
Figure BDA0003917035920000252
Figure BDA0003917035920000253
4×4LFNST的不可分离变换然后可以被计算为
Figure BDA0003917035920000254
其中，
Figure BDA0003917035920000255
指示输出变换系数矢量，并且T是16×16变换矩阵。随后使用该块的扫描顺序(例如，水平、垂直或对角线)将所得的16×1系数矢量
Figure BDA0003917035920000256
反向扫描为4×4块。具有较小索引的系数可以与较小扫描索引一起放置在4×4系数块中。以这种方式，可以经由第二变换T进一步利用主变换系数X中的冗余，从而提供附加的压缩增强。
以上示例LFNST基于直接矩阵乘法方法来应用不可分离变换，使得它在单程中实现而无需多次迭代。在一些进一步的示例性实现中，示例4×4LFNST的不可分离变换矩阵(T)的维度可以进一步被缩减，以将用于存储变换系数的计算复杂度和存储器空间要求最小化。这样的实现可以被称为缩减的不可分离变换(RST，reduced non-separatetransform)。更详细地，RST的主要思想是将N(在以上示例中N是4×4＝16，但是对于8×8块可以等于64)维矢量映射到不同空间中的R维矢量，其中N/R(R<N)表示维度缩减因子。因此，代替N×N变换矩阵，RST矩阵如下变成R×N矩阵：
Figure BDA0003917035920000257
其中，变换矩阵的R行是N维空间的缩减R基。因此，该变换将输入矢量或N维转换为缩减的R维的输出矢量。这样，并且如图14中所示，从初级系数1406变换的次级变换系数1408在维度上缩减了因子或N/R。图14中围绕1408的三个正方形可以是零填充的。
RTS的逆变换矩阵可以是其正向变换的转置。对于示例8×8LFNST(与以上的4×4LFNST形成对比，这里的描述更加多样)，可以应用示例缩减因子4，并且因此64×64直接不可分离变换矩阵相应地被缩减为16×64直接矩阵。进一步地，在一些实现中，可以将输入初级系数的一部分而不是全部线性化为LFNST的输入矢量。例如，可以仅将示例8×8输入主变换系数的一部分线性化为以上X矢量。对于特定示例，在8×8主变换系数矩阵的四个4×4象限中，可以省略右下(高频系数)，并且仅使用预定义扫描顺序将其它三个象限线性化为48×1矢量而不是64×1矢量。在这样的实现中，不可分离变换矩阵可以进一步从16×64缩减到16×48。
因此，可以在解码器端处使用示例缩减48×16逆RST矩阵来生成8×8核心(初级)变换系数的左上、右上和左下4×4象限。具体地，当应用进一步缩减的16×48RST矩阵而不是具有相同变换集合配置的16×64RST时，不可分离次级变换将矢量化的48个矩阵元素作为输入，所述矢量化的48个矩阵元素取自8×8初级系数块的除右下4×4块之外的三个4×4象限块中。在这样的实现中，省略的右下4×4主变换系数将在次级变换中被忽略。这种进一步缩减的变换将把48×1的矢量转换成16×1的输出矢量，该输出矢量被反向扫描成4×4矩阵以填充图14中的1408。围绕1408的次级变换系数的三个正方形可以被零填充。
借助于RST中的这种维度减小，减少了用于存储所有LFNST矩阵的内存的使用。在以上示例中，与没有维度缩减的实现相比，内存的使用例如可以从10KB减小到8KB，而具有不显著的性能下降。
在一些实现中，为了降低复杂度，LFNST可以被进一步限制为仅在要进行LFNST的主变换系数部分之外(例如，在图14中的1404的1406部分之外)的所有系数是非重要(non-significant)时才适用。因此，当应用LFNST时，所有仅主变换系数(例如，图4的初级系数矩阵1404的无阴影部分)可以接近零。这样的限制允许在末尾重要(last-significant)位置上对LFNST索引信令进行调节，并且因此避免了一些额外系数扫描，当不应用这种限制时，可能需要这些额外系数扫描来检查特定位置处的重要系数(significant coefficient)。在一些实现中，LFNST的最坏情况处理(就每像素乘法而言)可以将4×4块和8×8块的不可分离变换分别限制为8×16变换和8×48变换。在这些情况下，当应用LFNST时，对于小于16的其它大小，末尾重要扫描位置(last-significant scan position)必须小于8。对于形状为4×N和N×4且N>8的块，以上限制意味着LFNST现在仅对左上4×4区域应用一次。由于当应用LFNST时，所有仅初级系数都为零，所以在这种情况下减少了主变换所需的运算数量。从编码器的角度来看，当测试LFNST变换时，可以简化系数的量化。对于前16个系数(按扫描顺序)，必须最大程度地进行率失真优化量化(RDO，rate-distortion optimizedquantization)，可以强制剩余系数为零。
在一些示例实现中，可用的RST核可以被指定为多个变换集合，其中每个变换集合包括多个不可分离变换矩阵。例如，LFNST中使用的每个变换集合可以总共有4个变换集合和2个不可分离变换矩阵(核)。这些核可以是离线预训练的，并且因此它们是数据驱动的。离线训练的变换核可以存储在存储器中，或硬编码在编码设备或解码设备中以在编码/解码过程期间使用。可以通过帧内预测模式来确定在编码或解码过程期间对变换集合的选择。可以预定义从帧内预测模式到变换集合的映射。这样的预定义映射的示例在表4中示出。例如，如表4中所示，如果三个交叉分量线性模型(CCLM，Cross-Component LinearModel)模式(INTRA_LT_CCLM、INTRA_T_CCLM或INTRA_L_CCLM)中的一个用于当前块(即，81≤predModeIntra≤83)，则可以为当前色度块选择变换集合0。对于每个变换集合，选择的不可分离次级变换候选可以进一步由显式地用信号通知的LFNST索引来指定。例如，对每个帧内CU，可以在变换系数之后以码流的形式用信号通知一次索引。
表4：变换选择表
IntraPredMode 变换集合索引
IntraPredMode<0 1
0<＝IntraPredMode<＝1 0
2<＝IntraPredMode<＝12 1
13<＝IntraPredMode<＝23 2
24<＝IntraPredMode<＝44 3
45<＝IntraPredMode<＝55 2
56<＝IntraPredMode<＝80 1
81<＝IntraPredMode<＝83 0
因为在以上示例性实现中LFNST被限制为仅在第一系数子组或部分之外的所有系数在是非重要的情况下适用，所以LFNST索引编码取决于末尾重要系数的位置。另外，LFNST索引可以是上下文编码的，但是不取决于帧内预测模式，并且仅仅第一二进制数可以上下文编码。此外，LFNST可以应用于帧内条带和帧间条带两者中的帧内CU，以及亮度和色度两者。如果双树被启用，则亮度和色度的LFNST索引可以被分别用信号通知。对于帧间条带(双树被禁用)，可以用信号通知单个LFNST索引，并且将其用于亮度和色度两者。
在一些示例实现中，当选择帧内子分区(ISP，Intra Sub-Partitioning)模式时，可以停用LFNST并且可以不用信号通知RST索引，因为即使将RST应用于每个可行的分区块，性能改进也可能是微不足道的。此外，对ISP预测的残差禁用RST可以降低编码复杂度。在一些进一步的实现中，当选择多线性回归帧内预测(MIP，Multiple linear regressionIntra Prediction)模式时，也可以禁用LFNST，并且可以不用信号通知RST索引。
考虑到大于64×64(或表示最大变换块大小的任何其它预定义大小)的大CU由于现有的最大变换大小限制(例如，64×64)而被隐式地分割(例如，TU平铺)，针对特定数量的解码管线阶段，LFNST索引搜索可以将数据缓冲增加四倍。因此，在一些实现中，LFNST所允许的最大大小可以被限制为例如64×64。在一些实现中，LFNST可以仅利用DCT2作为主变换来启用。
在一些其它实现中，通过定义例如次级变换的12个集合(其中例如每个集合具有3个核)来为亮度分量提供帧内次级变换(IST，intra secondary transform)。帧内模式相关索引可以被用于变换集合选择。集合内的核选择可以基于用信号通知的语法元素。当DCT2或ADST被用作水平主变换和垂直主变换时，可以启用IST。在一些实现中，根据块大小，可以选择4×4不可分离变换或8×8不可分离变换。如果min(tx_width，tx_height)<8，则可以选择4×4IST。对于较大的块，可以使用8×8IST。这里，tx_width和tx_height分别与变换块宽度和高度相对应。IST的输入可以是Z字形扫描顺序的低频主变换系数。
将数据驱动或离线训练的变换核用于主变换或次级变换(尤其是不可分离变换核)与仅使用诸如DCT/DST的固定变换相比，可以促进编码性能的增强。然而，应用这样的数据驱动变换核可以增加视频编解码器的复杂度。例如，数据驱动变换核可能需要大量的内存来存储所有可能的核，尤其是对于不可分离变换。具体地，对于以上示例实现之一，可能存在12个核的集合。每个集合可以包括例如用于不同LFNST的3个核(例如，4×4和8×8)。进一步地，LFNST核对于不同的主变换类型(例如，可以允许LFNST的DCT或ADST初级类型)可以是不同的。换句话说，如果内存用于存储离线训练的LFNST核，则将需要大量的内存。以下描述的用于使用数据驱动变换的各种实现可以被设计成减少所存储的核的内存占用空间和编解码器的复杂度，如以下进一步详细描述的。
这些各种实现或实施例仅仅是示例。它们可以单独使用或者可以以任何顺序或方式组合。进一步地，实现中的每一个可以实施为方法，以及包括处理电路(例如，一个或多个处理器或一个或多个集成电路)以实现方法的编码器设备或解码器。在一个示例中，处理电路可以包括执行存储在非易失性计算机可读介质中的程序的一个或多个处理器。在另一示例中，处理电路可以被硬编码以实现方法。在又一示例中，处理电路可以是用于执行计算机可读指令的处理器部件和硬编码电路的混合。
在以下示例实现中，术语“块”可以被解释为预测块或编码块等。术语“块”这里也可以用于指变换块，所述变换块如以上描述的可以是编码块的一部分。术语“块的大小”用于指块的宽度、高度、块纵横比、块面积大小、或宽度与高度之间的最小值/最大值中的任一个。
在以下各种示例实现中，可以在视频码流中用信号通知一个或多个索引，所述一个或多个索引用于识别一个或多个可分离或不可分离变换(或变换核)，所述一个或多个可分离或不可分离变换(或变换核)是用于对当前变换块进行解码的可分离或不可分离次级变换的集合当中的。这样的索引中的每一个都可以表示为stIdx。这些实现可以应用于主变换、次级变换或在次级变换之后应用的附加变换。进一步地，基本原理可以被应用于可分离变换或不可分离变换。
在以下示例实现中，术语“基矢量”用于指变换核的空间频率分量，所述变换核用于从空间域到频域的图像变换。术语“高频基矢量”等用于指可以用于生成变换系数的基矢量，所述变换系数在N个系数之后被从低频分量到高频分量进行扫描，所述术语“高频基矢量”还可以指位于不可分离变换核的N行(或列)之后(并且因此高于与N相对应的频率)的基矢量。N的示例值包括但不限于1与128之间(包含端值)的任何整数值。高频和低频(数量N)的界定可以通过RDO来确定。
在一些一般示例实现中，当多个变换核可以在编码及解码过程期间应用并且提供为可选择选项时，可以共享多个变换核的基矢量的一部分。例如，多个变换核中的一些或全部变换核之间的高频基矢量可以被共享，而低频基矢量可以在多个变换核之间进行个性化。在这种情况下，这样的离线训练的和数据驱动的变换核可能总共需要较少的内存。特别地，共享的基矢量不需要被复制，并且一个副本可能需要保存在共享变换核之间的内存中。可以预定义存储在内存中的共享的和个性化的基矢量的方式。
这样的实现在图15中示出，其示出了基矢量如何在用于正向次级变换的两个LFNST变换矩阵或核之间共享的示例。两个块1502和1504指示两个变换矩阵，即，变换矩阵A(左)和B(右)，变换矩阵的每行表示一个基矢量，底行(阴影)是指在A与B之间共享的基矢量。底部基矢量可以具有较高的频率。较高频率的基矢量可以在这些示例核之间的内存中进行共享。对于逆变换，作为逆变换的转置的结果，多个变换矩阵的共享基矢量可以是变换矩阵的右N列。
图15的示例变换核被示出用于次级变换核，所述次级变换核应用于主变换系数的线性化矢量。这样，如图15中所示的这样的变换核的频率轴是一维的(从上到下)。这将是所有1-D核的情况。对于2-D变换核(例如，当数据驱动的2-D核用于主变换时)，较低频率分量将在2-D变换核的左上部分处，而较高频率分量将在2-D变换核的右下部分处。在这种情况下，右下部分可以在不同的2-D核当中进行共享。
在一些示例实现中，对于应用于特定帧内预测模式的一组多个变换核，高频基矢量可以被构建为相同的(共享的)，而低频基矢量可以是不同的(个性化的)。换句话说，与特定帧内预测模式(例如，以上描述的各种方向、非定向和其它帧内预测模式)相对应的核集合可以具有类似的维数，并且因此可以与个性化的低频基矢量共享(例如)高频基矢量。预定义阈值可以用于界定低频和高频。在一些实现中，高频和低频的界定可以是数据驱动的并且因此是预训练的。这样，对于不同的帧内预测模式，频率界定阈值可以是不同的。
在一些示例实现中，当多个次级变换核与不同的主变换一起应用时，多个次级变换核的一部分或全部可以在不同的主变换类型之间进行共享。换句话说，不同类型的主变换可以与用于次级变换的不同核相对应。这些不同的次级变换核可以包含个性化的低频基矢量，并且仍然用共享的高频基矢量来构建。也就是说，如果适用于多个主变换类型，则次级变换核选择可以独立于主变换类型(例如，独立于DCT或ADST主变换类型)。
在一些示例实现中，当多个次级变换核与不同的主变换一起应用时，多个次级变换核中的高频基矢量可以在不同的主变换类型之间进行共享，而低频基矢量可以是不同的或个性化的。预定义阈值可以用于界定低频和高频。此外，高频和低频(或数量N)的界定可以是数据驱动的并且因此是预训练的。这样，对于不同的帧内预测模式，频率界定阈值可以是不同的。
在一些示例实现中，对于与特定类型的主变换一起应用的多个次级变换核，高频基矢量可以是相同的，而低频基矢量可以是不同的。在一些进一步的实现中，与不同主变换类型相对应的核的高频基矢量和低频基矢量可以是独立的。
在一些示例实现中，在各种变换核之间共享的高频基矢量的数量N可以是2的整数幂，例如1、2、4、8、16、32、64、128。特别地，对于缩减的次级变换矩阵，N个高频行的数量可以是2的幂的值，例如1、2、4、8、16、32、64、128。
在一些示例实现中，N的值可以取决于变换大小。例如，可以指定N与变换核的基矢量的总数之间的比率。
在一些示例中，以上实现中的每一个和任意组合可以被应用于LFNST次级变换。这样，共享高频基矢量但包含个性化低频基矢量的核集合可以包括次级LFNST变换核。
在一些示例中，以上实现中的每一个和任意组合可以被应用于帧内次级变换(IST，Intra Secondary Transform)。
在一些示例中，以上实现中的每一个和任意组合可以被应用于线性图变换(LGT，Line Graph Transform)。
可以预定以上各种核。它们可以被离线预训练。对于共享高频基矢量的核，它们可以被联合地训练。界定共享基矢量和个性化基矢量的阈值频率可以是离线地训练的。
在编码或解码过程期间，以上各种核可以驻留在内存空间中以供编码器或解码器使用，仅需要将共享基矢量的一个副本存储在内存空间中。当在编码或解码过程期间使用各种核时，可以使用指向共享基矢量的内存位置的指针来访问这些共享基矢量。
图16示出了遵循以上实现所基于的原理的示例方法的流程图1600。示例方法流程开始于1601。在S1610中，多个变换核被识别，其中，多个变换核中的每个变换核包括从低频到高频的基矢量集合；多个变换核中的两个或多个变换核的N个高频基矢量被共享，N是正整数；并且多个变换核中的两个或多个变换核中不同于N个高频基矢量的低频基矢量被个性化。在S1620中，从视频码流中提取数据块。在S1630中，基于与数据块相关联的信息，从多个变换核中选择变换核。在S1640中，对数据块的至少一部分应用变换核以生成变换块。示例方法流程结束于S1699。
本公开中的实施例可以单独使用或以任何顺序组合。此外，方法(或实施例)、编码器和解码器中的每一个可以由处理电路(例如，一个或多个处理器或一个或多个集成电路)实现。在一个示例中，一个或多个处理器执行存储在非易失性计算机可读介质中的程序。本公开中的实施例可以被应用于亮度块或色度块。
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17示出了计算机***(1700)，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17所示的用于计算机***(1700)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***(1700)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***(1700)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(1701)、鼠标(1702)、触控板(1703)、触摸屏(1710)、数据手套(未示出)、操纵杆(1705)、麦克风(1706)、扫描仪(1707)、照相机(1708)。
计算机***(1700)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(1710)、数据手套(未示出)或操纵杆(1705)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(1709)、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(1710)，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***(1700)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)(1720)或类似介质(1721)的光学介质、拇指驱动器(1722)、可移动硬盘驱动器或固体状态驱动器(1723)，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***(1700)还可以包括通往一个或多个通信网络(1755)的接口(1754)。所述网络可以是无线的、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。网络的示例可以包括以太网、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(1749)(例如，计算机***(1700)的USB端口)；其它***通常通过连接到如下所述的***总线集成到计算机***(1700)的核心(例如，以太网接口集成到PC计算机***或蜂窝网络接口集成到智能电话计算机***)。通过使用这些网络中的任何一个，计算机***(1700)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***。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***(1700)的核心(1740)。
核心(1740)可包括一个或多个中央处理单元(CPU)(1741)、图形处理单元(GPU)(1742)、以现场可编程门阵列(FPGA)(1743)形式的专用可编程处理单元、用于特定任务的硬件加速器(1744)等。这些设备以及只读存储器(ROM)(1745)、随机存取存储器(1746)、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)(1747)等可通过***总线(1748)进行连接。在某些计算机***中，可以以一个或多个物理插头的形式访问***总线(1748)，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***总线(1748)，或通过***总线(1749)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。在一个示例中，屏幕(1710)可以与图形适配器(1750)相连接。***总线的架构包括PCI、USB等。
CPU(1741)、GPU(1742)、FPGA(1743)和加速器(1744)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(1745)或RAM(1746)中。过渡数据也可以存储在RAM(1746)中，而永久数据可以存储在例如内部大容量存储器(1747)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(1741)、GPU(1742)、大容量存储器(1747)、ROM(1745)、RAM(1746)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。
作为非限制性实施例，具有体系结构(1700)的计算机***，特别是核心(1740)，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(1740)的特定存储器，例如核心内部大容量存储器(1747)或ROM(1745)。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(1740)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(1740)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(1746)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***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(1744))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。
虽然本公开已经描述了若干示例性实施例，但是存在落入本公开的范围内的变更、置换和各种替代等同物。在上述实现和实施例中，过程的任何操作可以根据需要以任何数量或顺序组合或布置。进一步地，可以并行地执行以上描述的过程的两个或更多个操作。因此，应当理解，本领域技术人员将能够设计出许多***和方法，这些***和方法虽然未在本文中明确示出或描述，但是体现了本公开的原理，并且因此在其精神和范围内。
附录A：首字母缩略词
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：可编程逻辑设备
LAN：局域网
GSM：全球移动通信***
LTE：长期演进
CANBus：控制器区域网络总线
USB：通用串行总线
PCI：***设备互连
FPGA：现场可编程门区域
SSD：固态驱动器
IC：集成电路
HDR：高动态范围
SDR：标准动态范围
JVET：联合视频探索小组
MPM：最可能模式
WAIP：广角帧内预测
CU：编码单元
PU：预测单元
TU：变换单元
CTU：编码树单元
PDPC：位置相关预测组合
ISP：帧内子分区
SPS：序列参数集
PPS：图片参数集
APS：自适应参数集
VPS：视频参数集
DPS：解码参数集
ALF：自适应环路滤波器
SAO：样本自适应偏移
CC-ALF：交叉分量自适应环路滤波器
CDEF：约束的定向增强滤波器
CCSO：交叉分量样本偏移
LSO：局部样本偏移
LR：环路恢复滤波器
AV1：AOMedia视频1
AV2：AOMedia视频2

Claims (25)

1.一种处理视频信息的方法，其特征在于，包括：
识别多个变换核，其中：
所述多个变换核中的每个变换核包括从低频到高频的基矢量集合；
所述多个变换核中的两个或多个变换核的N个高频基矢量被共享，N是正整数；并且
所述多个变换核中的所述两个或多个变换核的不同于所述N个高频基矢量的低频基矢量被个性化；
从视频码流中提取数据块；
基于与所述数据块相关联的信息，从所述多个变换核中选择变换核；以及
将所述变换核应用于所述数据块的至少一部分，以生成变换块。
2.根据权利要求1所述的方法，其特征在于，所述多个变换核被离线预训练。
3.根据权利要求2所述的方法，其特征在于，所述多个变换核被离线联合地训练以确定共享的所述N个高频基矢量。
4.根据权利要求1所述的方法，其特征在于，所述N个高频基矢量包括频率高于预定阈值频率的频率基矢量。
5.根据权利要求4所述的方法，其特征在于，所述多个变换核和所述预定阈值频率是离线预训练的。
6.根据权利要求1所述的方法，其特征在于：
所述多个变换核包括适用于变换主变换系数的次级变换核；并且
所述数据块包括主变换系数的阵列。
7.根据权利要求1至6中任一项所述的方法，其特征在于：
共享所述N个高频基矢量的所述多个变换核中的所述两个或多个变换核与多种帧内图片预测模式中相同的一种帧内图片预测模式相对应；并且
所述多个变换核当中的所有变换核共享所述N个高频基矢量和其它被个性化的低频基矢量，所述多个变换核指配给所述多种帧内图片预测模式中所述相同的一种帧内图片预测模式。
8.根据权利要求1至6中任一项所述的方法，其特征在于，共享所述N个高频基矢量的所述多个变换核中的所述两个或多个变换核被指配给两种或多种不同的帧内图片预测模式。
9.根据权利要求1至6中任一项所述的方法，其特征在于：
所述多个变换核是次级变换核；并且
共享所述N个高频基矢量的所述多个变换核中的所述两个或多个变换核被配置为对主变换系数进行变换，所述主变换系数从具有相同变换类型的主变换生成。
10.根据权利要求1至6中任一项所述的方法，其特征在于，N是2的整数幂。
11.根据权利要求10所述的方法，其特征在于，N小于预定义的上限。
12.根据权利要求1至6中任一项所述的方法，其特征在于，N取决于变换大小。
13.根据权利要求1至6中任一项所述的方法，其特征在于，所述多个变换核是次级低频不可分离变换LFNST核。
14.根据权利要求1至6中任一项所述的方法，其特征在于，所述多个变换核被配置用于帧内次级变换IST。
15.根据权利要求1至6中任一项所述的方法，其特征在于，所述多个变换核被配置用于线性图变换LGT。
16.一种用于处理视频信息的设备，其特征在于，包括电路，所述电路被配置为：
识别多个变换核，其中：
所述多个变换核中的每个变换核包括从低频到高频的基矢量集合；
所述多个变换核中的两个或多个变换核的N个高频基矢量被共享，N是正整数；并且
所述多个变换核中的所述两个或多个变换核的不同于所述N个高频基矢量的低频基矢量被个性化；
从视频码流中提取数据块；
基于与所述数据块相关联的信息，从所述多个变换核中选择变换核；以及
将所述变换核应用于所述数据块的至少一部分，以生成变换块。
17.根据权利要求16所述的设备，其特征在于：
所述多个变换核包括适用于变换主变换系数的次级变换核；并且
所述数据块包括主变换系数的阵列。
18.根据权利要求16所述的设备，其特征在于：
共享所述N个高频基矢量的所述多个变换核中的所述两个或多个变换核与多种帧内图片预测模式中相同的一种帧内预测模式相对应；并且
所述多个变换核当中的所有变换核共享所述N个高频基矢量和其它被个性化的低频基矢量，所述多个变换核指配给所述多种帧内预测模式中的所述相同一种帧内预测模式。
19.根据权利要求16所述的设备，其特征在于，共享所述N个高频基矢量的所述多个变换核中的所述两个或多个变换核被指配给两种或多种不同的帧内图片预测模式。
20.根据权利要求16所述的设备，其特征在于：
所述多个变换核是次级变换核；并且
共享所述N个高频基矢量的所述多个变换核中的所述两个或更多个变换核被配置为对主变换系数进行变换，所述主变换系数从具有相同变换类型的主变换生成。
21.一种处理视频信息的设备，其特征在于，包括被配置为执行权利要求2至6中任一项的电路。
22.一种用于存储计算机指令的非易失性计算机可读介质，其特征在于，所述计算机指令在由处理器执行时使所述处理器执行权利要求1至6中的任一项。
23.一种用于存储计算机指令的非易失性计算机可读介质，其特征在于，所述计算机指令在由处理器执行时使所述处理器执行任何权利要求7。
24.一种用于存储计算机指令的非易失性计算机可读介质，其特征在于，所述计算机指令在由处理器执行时使所述处理器执行任何权利要求8。
25.一种用于存储计算机指令的非易失性计算机可读介质，其特征在于，所述计算机指令在由处理器执行时使所述处理器执行任何权利要求9。
CN202280003870.7A 2021-04-07 2022-01-28 具有子空间约束的正交变换生成 Pending CN115769577A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202163172060P 2021-04-07 2021-04-07
US63/172,060 2021-04-07
US17/568,871 US11792431B2 (en) 2021-04-07 2022-01-05 Orthogonal transform generation with subspace constraint
US17/568,871 2022-01-05
PCT/US2022/014260 WO2022216350A1 (en) 2021-04-07 2022-01-28 Orthogonal transform generation with subspace constraint

Publications (1)

Publication Number Publication Date
CN115769577A true CN115769577A (zh) 2023-03-07

Family

ID=83511056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280003870.7A Pending CN115769577A (zh) 2021-04-07 2022-01-28 具有子空间约束的正交变换生成

Country Status (6)

Country Link
US (2) US11792431B2 (zh)
EP (1) EP4104442A4 (zh)
JP (2) JP7451772B2 (zh)
KR (1) KR20220153050A (zh)
CN (1) CN115769577A (zh)
WO (1) WO2022216350A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024088058A1 (en) * 2022-10-28 2024-05-02 Mediatek Inc. Method and apparatus of regression-based intra prediction in video coding system

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117412045A (zh) 2016-07-13 2024-01-16 韩国电子通信研究院 图像编码/解码方法和装置
KR102432400B1 (ko) * 2018-09-02 2022-08-12 엘지전자 주식회사 영상 신호를 처리하기 위한 방법 및 장치
CN115941975A (zh) * 2019-06-25 2023-04-07 三星电子株式会社 使用二次变换的视频信号处理方法及装置
WO2021032145A1 (en) 2019-08-20 2021-02-25 Beijing Bytedance Network Technology Co., Ltd. Residual coding for transform skipped blocks

Also Published As

Publication number Publication date
EP4104442A1 (en) 2022-12-21
JP2023528483A (ja) 2023-07-04
JP2024069325A (ja) 2024-05-21
US20220329860A1 (en) 2022-10-13
US11792431B2 (en) 2023-10-17
EP4104442A4 (en) 2023-07-19
KR20220153050A (ko) 2022-11-17
WO2022216350A8 (en) 2022-12-29
US20240007673A1 (en) 2024-01-04
JP7451772B2 (ja) 2024-03-18
WO2022216350A1 (en) 2022-10-13

Similar Documents

Publication Publication Date Title
CN113853745A (zh) 视频编解码的方法和装置
CN113597763A (zh) 视频编解码的方法及装置
CN114600453A (zh) 视频编解码的方法和装置
CN115104308A (zh) 视频编解码的方法和装置
US11930186B2 (en) Method and apparatus for video coding
JP2024069325A (ja) 部分空間制約を有する直交変換生成
US20220337854A1 (en) Interaction between transform partitioning and primary/secondary transform type selection
US20220353547A1 (en) Entropy coding of sign map for transform coefficients
US20230008488A1 (en) Entropy coding for intra prediction modes
US11991360B2 (en) Method and apparatus for secondary transform with adaptive kernel options
US11917136B2 (en) Intra mode coding
US20230078100A1 (en) Scan order of secondary transform coefficients
US20230247209A1 (en) Signalling of eob for one dimensional transform skip
US20230069984A1 (en) Hardware friendly design for intra mode coding
CN116636205A (zh) 次级变换系数的扫描顺序
KR20230106688A (ko) 적응적 다중 변환 세트 선택
CN117044203A (zh) 用于一维变换跳过的eob的信令
KR20230152747A (ko) 인트라 예측을 수행하기 위한 방법 및 디바이스, 그리고 컴퓨터 판독가능 매체
EP4179726A1 (en) Harmonized design for offset based refinement and multiple reference line selection
CN116806427A (zh) 用于基于偏移的修正和多参考行选择的协调设计
CN116547966A (zh) 用于帧间帧内联合预测模式的二次变换

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40084656

Country of ref document: HK