CN117044203A - 用于一维变换跳过的eob的信令 - Google Patents
用于一维变换跳过的eob的信令 Download PDFInfo
- Publication number
- CN117044203A CN117044203A CN202280022631.6A CN202280022631A CN117044203A CN 117044203 A CN117044203 A CN 117044203A CN 202280022631 A CN202280022631 A CN 202280022631A CN 117044203 A CN117044203 A CN 117044203A
- Authority
- CN
- China
- Prior art keywords
- transform
- block
- value
- video
- end position
- 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
Links
- 230000011664 signaling Effects 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 103
- 230000009466 transformation Effects 0.000 claims abstract description 23
- 230000004044 response Effects 0.000 claims abstract description 14
- 239000000523 sample Substances 0.000 claims description 63
- 238000012545 processing Methods 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 12
- 239000000758 substrate Substances 0.000 claims 1
- 230000033001 locomotion Effects 0.000 description 38
- 230000006835 compression Effects 0.000 description 28
- 238000007906 compression Methods 0.000 description 28
- 239000013598 vector Substances 0.000 description 25
- 239000000872 buffer Substances 0.000 description 18
- 230000008569 process Effects 0.000 description 18
- 241000023320 Luma <angiosperm> Species 0.000 description 14
- 238000010586 diagram Methods 0.000 description 14
- 239000011159 matrix material Substances 0.000 description 14
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 14
- 241000710770 Langat virus Species 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 11
- 238000013139 quantization Methods 0.000 description 11
- 238000000638 solvent extraction Methods 0.000 description 11
- 239000013074 reference sample Substances 0.000 description 9
- 230000002123 temporal effect Effects 0.000 description 9
- 238000005192 partition Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 description 3
- 102100037812 Medium-wave-sensitive opsin 1 Human genes 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 101150114515 CTBS gene Proteins 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- IESVDEZGAHUQJU-ZLBXKVHBSA-N 1-hexadecanoyl-2-(4Z,7Z,10Z,13Z,16Z,19Z-docosahexaenoyl)-sn-glycero-3-phosphocholine Chemical group CCCCCCCCCCCCCCCC(=O)OC[C@H](COP([O-])(=O)OCC[N+](C)(C)C)OC(=O)CC\C=C/C\C=C/C\C=C/C\C=C/C\C=C/C\C=C/CC IESVDEZGAHUQJU-ZLBXKVHBSA-N 0.000 description 1
- 229930091051 Arenine Natural products 0.000 description 1
- 108010037897 DC-specific ICAM-3 grabbing nonintegrin Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001012 protector Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
用于实现用信号通知EOC/EOR的方法、装置和计算机可读存储介质。该方法包括:接收视频码流,视频码流包括具有两个维度的变换块,对变换块进行熵编码;基于视频码流中的语法元素,确定是否对变换块应用一维变换跳过;响应于对变换块应用一维变换跳过,从视频码流获得与变换块相关联的结束位置值,该结束位置值仅指示变换块中的水平坐标结束位置和垂直坐标结束位置中的一个;以及根据结束位置值从视频码流检索变换块。
Description
交叉引用
本申请基于并要求于2022年11月21日提交的、“用于一维变换跳过的EOB的信令(Signalling of EOB for One Dimensional Transform Skip)”的美国非临时申请号17/991,206的优先权,该美国非临时申请基于并要求于2022年1月18日提交的、“用于一维变换跳过的EOB的信令(Signalling of EOB for One Dimensional Transform Skip)”的美国临时申请号63/300,427的优先权,这两个申请的全部内容通过引用结合在本文中。
技术领域
本公开描述用于视频数据的有效压缩和信令的一组先进视频编解码技术。更具体地,所公开的技术涉及在应用一维变换跳过模式时的块结束(EOB,End of Block)的信令和/或导出。
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(可选地称为帧率),例如每秒60个图片或60帧每秒。未压缩的视频对于流或者数据处理具有特定的比特率要求。例如,具有1920×1080的像素分辨率、60帧/秒的帧率的视频和每个颜色通道每像素以8比特的4:2:0的色度子采样要求接近1.5Gbit/s带宽。一小时这样的视频就需要超过600GB的存储空间。
视频编码和解码的一个目的,是通过压缩减少未压缩的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精确副本的技术。有损压缩是指编码/解码过程,其中,原始视频信息在编码期间不能完全保留,并且在解码期间不能完全恢复。当使用有损压缩时,重建信号可能与原始信号不完全相同,但是原始信号和重建信号之间的失真足够小,使得重建信号可用于预期应用,尽管一些信息丢失。在很多应用中,有损压缩广泛应用于视频。容许的失真量取决于应用。例如,相比于电影或电视广播应用的用户,某些消费视频流媒体应用的用户可以容忍更高的失真。可由特定的编解码算法实现的压缩比反映出:较高的容许失真通常允许可产生较高的损失和较高的压缩比的编解码算法。
视频编码器和解码器可利用来自若干广泛类别的技术和步骤,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。可将帧内预测后的块的样本进行到频率域的变换,并且可在熵编解码之前量化因此生成的变换系数。帧内预测可以是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基于例如周围样本数据和/或元数据来尝试对进行块的编码/解码的技术,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和/或解码期间获得的并且在解码顺序上先于正进行帧内编码或解码的数据块。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,而不使用来自其它参考图片的参考数据。
可以有许多不同形式的帧内预测。当多于一种这样的技术可以用于给定的视频编解码技术中时,所使用的技术可以称为帧内预测模式。可以在特定编解码器中提供一个或多个帧内预测模式。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,并且视频的块的模式/子模式信息和帧内编解码参数可以被单独编码或者共同地被包括在模式码字中。对于给定模式、子模式和/或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,可以使用变得可用的相邻样本值来形成预测器块。例如,沿着特定方向和/或线的相邻样本的特定集合的可用值可以被复制到预测器块中。对使用中方向的参考可以在码流中编码,或者可以预测其本身。
参照图1A,右下方描绘了在H.265中指定的33个可能的帧内预测方向(对应于H.265中指定的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度角的相邻的一个或多个样本,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度角的相邻的一个或多个样本,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,使用与重建中的块相邻的预测样本。
块104的帧内内预测可以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)的预测方向,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。块104的帧内内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。
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。
随着视频编码技术持续发展,可能的方向的数量已经增加了。在H.264(2003年)中,例如,有九种不同的方向可以用于帧内预测。在H.265(2013年)和JEM/VVC/BMS中增加到了33个,而在此申请时,可以支持多达65个方向。已经进行了实验研究来帮助识别最合适的帧内预测的方向,并且熵编码中的某些技术被用于使用少量比特来编码那些最合适的方向,对于一些方向则接受某些比特代价。此外,有时可以根据在相邻的、已经解码的块的帧内预测中所使用的相邻方向来预测方向本身
图1B示出了用于描绘根据JEM的65个帧内预测方向的示意图(105),以示出随着时间推移各种编码技术中的预测方向的增加数量。
将表示帧内预测方向的比特映射到编解码视频比特流中的预测方向的方式可能因视频编码技术而异,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,在视频内容中可能存在某些帧内预测的方向,这些方向比某些其它方向在统计上更不可能出现。由于视频压缩的目标是减少冗余,因此在良好设计的视频编解码技术中,那些不太可能的方向将由比更可能的方向具有更大数目的比特来表示。
图片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,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,应用于某个样本数据区域的当前的MV可根据其它MV来预测,例如根据与正在重建的区域空间相邻的样本数据的其他区域相关的、且按解码顺序在当前MV前面的那些其它MV。这样做可以通过依靠消除相关MV中的冗余信息,大大减少编码MV所需的数据总量,进而增加压缩效率。MV预测可以有效地进行,例如,当对从相机导出的输入视频信号(称为自然视频)进行编码时,存在一种统计上的可能性,即面积大于单个MV适用区域的区域,在视频序列中会朝着类似的方向移动,因此,在某些情况下,可以用邻近区域的MV导出的相似运动矢量进行预测。这导致针对给定区域的实际的MV与根据周围MV预测的MV相似或相同。在熵编码之后,相比于直接编码MV而不是从相邻MV预测所使用的比特数,这样的MV又可以用更少的比特数来表示。在某些情况下,MV预测可以是对从原始信号(即样本流)导出的信号(即MV)进行无损压缩的示例。在其它情况下,MV预测本身可能是有损的,例如由于根据几个周围MV计算预测值时产生的取整误差。
H.265/HEVC(ITU-T Rec.H.265,“高效视频编码”,2016年12月)描述了各种MV预测机制。在H.265所指定的多种MV预测机制中,本文下面描述的是一种下文称为“空间合并”的技术。
具体的,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
本公开的各个方面提供用于视频编码和解码的方法和装置,尤其用于当应用一维变换跳过模式时,发信号通知和/或导出块结束EOB。在一些示例性实施方式中,公开了一种用于视频处理的方法。该方法可以接收视频码流,所述视频码流包括具有两个维度的变换块,对所述变换块进行熵编码;基于所述视频码流中的语法元素,确定是否对所述变换块应用一维变换跳过;响应于对所述变换块应用所述一维变换跳过,从所述视频码流获得与所述变换块相关联的结束位置值,所述结束位置值仅指示所述变换块中的水平坐标结束位置和垂直坐标结束位置中的一个;根据所述结束位置值从所述视频码流检索所述变换块。
本公开的各个方面也提供了用于视频编码或解码的设备或装置,包括电路,被配置为执行上述任一实施方法。
本公开的各个方面还提供了存储计算机指令的非易失性计算机可读存储介质,所述计算机指令在由用于视频解码和/或编码的计算机执行时,可以使该计算机用于视频解码和/或编码的方法。
附图说明
从以下详细描述和附图中,所公开的主题的进一步特征、性质及各种优点将更加明显,在附图中:
图1A示出了帧内预测方向模式的示例性子集的示意性图示。
图1B示出了示例性帧内预测方向的图示。
图2示出了一个示例中的当前块及其用于运动矢量预测的周围空间合并候选的示意性图示。
图3示出了根据示例实施例的通信***(300)的简化框图的示意性图示。
图4示出了根据示例实施例的通信***(400)的简化框图的示意性图示。
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性图示。
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性图示。
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示出根据本公开的示例实施例的定向帧内预测模式。
图10示出根据本公开的示例实施例的非定向帧内预测模式。
图11示出根据本公开的示例实施例的递归帧内预测模式。
图12示出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示出水平方向上的示例一维变换跳过和相关联的变换系数块。
图15示出垂直方向上的示例性一维变换跳过和相关联的变换系数块。
图16示出根据本公开的示例实施例的示例性线图变换(LGT,Line GraphTransforms)。
图17示出根据本公开的示例实施例的方法的流程图。
图18示出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
根据实施例的图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应用期间实现。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、可穿戴计算机和专用视频会议设备等中实现。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、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,除非在本文中明确说明,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视频应用,包括例如视频会议、数字TV、广播、游戏、虚拟现实以及在包括CD、DVD、存储棒等的数字介质上存储压缩视频等等。
视频流式传输***可包括视频采集子***(413),所述采集子***可包括视频源(401),例如用于创建未压缩的视频图片流或图像(402)的数码相机。在实施例中,视频图片流(402)包括由视频源401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,或者直接到下游视频设备。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一些或全部各种功能。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-T H.265。在实施例中,正在开发的视频编码标准非正式地称为下一代视频编码(Versatile Video Coding,VVC),本申请可用于VVC标准的上下文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任意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)可接收将由视频解码器(510)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,一次可以解码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。每个视频序列可以与多个视频或图像相关联。可从信道(501)接收已编码视频序列,所述信道可以是通向存储已编码的视频数据或用于传输已编码的视频数据的流媒体源的存储装置的硬件/软件链路。接收器(531)可接收已编码的视频数据以及其它数据,例如,可转发到它们各自的处理电路(未标示)的已编码音频数据和/或辅助数据流。接收器(531)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(515)可放置在接收器(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。在其它情况下,所述缓冲存储器(515)可设置在视频解码器(510)外部(未标示)。而在其它应用中,例如为了防止网络抖动的目的视频解码器(510)的外部设置缓冲存储器(未标示),且在视频解码器(510)的内部可配置另一附加的缓冲存储器(515)以例如处理播放定时。而当接收器(531)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(515),或可以将所述缓冲存储器做得较小。当然,为了在互联网等业务分组网络上使用,也可能需要充分大小的缓冲存储器(515),且缓冲存储器(515)的大小可相对较大。这样的缓冲存储器可具有自适应性大小,且可至少部分地实施于操作***或视频解码器(510)外部的类似元件(未标示)中。
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)可对解析器(520)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组中的至少一个子群的子群组参数集。子群组可包括图片群组(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。
除已经提及的功能块以外,视频解码器(510)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,这些功能单元中的许多单元彼此紧密交互并且可以彼此集成。然而,出于清楚描述所公开主题的各种功能的目的,本公开下面采用了概念上细分成功能单元。
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)从解析器(520)接收量化变换系数以及控制信息,包括用于指示使用哪种类型的逆变换、块大小、量化因子/参数、量化缩放矩阵的信息和作为符号(521)的位置(lie)。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)采用已经重建并存储在当前图片缓冲器(558)的周围的块信息,生成大小和形状与正在重建的块相同的周围块。举例来说,当前图片缓冲器(558)缓冲部分重建的当前图片和/或完全重建的当前图片。在一些实现方式中,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(偏移)和参考图片分量(时间)。当使用子样本精确运动矢量时,运动补偿可以包括从参考图片存储器(557)提取的样本值的内插,并与运动矢量预测机制相关联,等等。
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。几种类型的环路滤波器可以以不同的顺序作为环路滤波器单元556的一部分,下面将进一步详细描述。
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的帧间图片预测。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)可以进一步包括传输器(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)可以被实现为电子装置(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.601YCrCB、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)可以是能够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,其中取决于正在用的取样结构、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。
根据一些示例性实施例,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构成控制器(650)的一个功能。在一些实施例中,控制器(650)可以控制如下文所描述的其它功能单元且在功能上耦接到这些单元。为了简洁起见,图中未标示耦接。由控制器(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)。
在一些示例性实施例中,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处理由源编码器630编码的视频流而不进行熵编码(因为在本申请所考虑的视频压缩技术中,熵编解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。使用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)以提高编解码的质量。
“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,除仅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,本申请有时侧重于解码器操作,其与编码器的解码部分相关。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。下文提供了仅在某些区域或方面编码器更详细的描述。
在操作期间,在一些示例性实施例中,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在颜色信道中的差异(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”可互换使用。
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。所属领域的普通技术人员了解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,源图片或中间处理后的图片可被细分为其他类型的块。编码块和其他类型块的划分可能遵循也可能不遵循相同的方式,如下文进一步详细描述。
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。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。
在一些示例性实施例中,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。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该当前图片中的块进行编码。所述运动矢量指向参考图片中的参考块,且在使用多个参考图片的情况下,所述运动矢量可具有识别参考图片的第三维度。
在一些示例性实施例中,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或将来)第一参考图片和第二参考图片。可通过指向第一参考图片中的第一参考块的第一运动矢量和指向第二参考图片中的第二参考块的第二运动矢量对当前图片中的块进行编码。具体来说,可通过第一参考块和第二参考块的组合来联合地预测所述块。
此外,合并模式技术可用于帧间图片预测中以改善编码效率。
根据本申请公开的一些示例性实施例,帧间图片预测和帧内图片预测等预测的执行以块为单位。举例来说,将视频图片序列中的图片分割成编码树单元(coding treeunit,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包括三个平行编码树块(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(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。所述一个或多个32×32块中的每一个可以被进一步分割为4个16×16像素的CU。在一些实施例中,在编码的期间,分析每个CU以从各种预测类型中确定用于CU的预测类型,例如帧间预测类型或帧内预测类型。此外,取决于时间和/或空间可预测性,将CU拆分为一个或多个预测单元(prediction unit,PU)。通常,每个PU包括亮度预测块(prediction block,PB)和两个色度PB。在实施例中,编码(编码/解码)中的预测操作以预测块为单位来执行。将CU分割为PU(或不同颜色通道的PBs)可以在各种空间模式下进行。例如,亮度或色度PB,可以包括样本值(例如,亮度值)的矩阵,例如8×8像素、16×16像素、8×16像素、16×8像素样本,等等。
图7是根据本申请公开的另一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)使用例如率失真优化(rate-distortionoptimization,RDO)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。在一些示例性实施例中,合并模式可以用作帧间图片预测的子模式,其中,在不借助预测值外部的已编码运动矢量分量的情况下,从一个或多个运动矢量预测值导出运动矢量。在一些其他实施例中,可存在适用于主题块的运动矢量分量。相应地,视频编码器(703)包括图7中未示出的组件,例如用于确定处理块的预测模式的模式决策模块。
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(例如按显示顺序的先前图片和后来图片中的块)、生成帧间预测信息(例如根据帧间编码技术的冗余信息描述、运动矢量、合并模式信息)、以及基于帧间预测信息使用任何合适的技术计算帧间预测结果(例如已预测块)。在一些实施例中,参考图片是基于已编码的视频信息,使用嵌入在图6中的示例性编码器620中的解码单元633(如下文中进一步详细描述的图7中的残差解码器728所示),来进行解码的已解码参考图片。
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;以及当所述块的预测模式是帧间模式时,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。在各种示例性实施例中,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)用于将码流格式化以产生已编码的块并执行熵编解码。熵编码器(725)产生码流中的各种信息。在实施例中,熵编码器(725)用于获得通用控制数据、所选预测信息(例如帧内预测信息或帧间预测信息)、残差信息和码流中的其它合适的信息。应注意,根据所公开的主题,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实施例中,视频解码器(810)包括如图8中所示的示例性布置的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)用于接收帧间预测信息,且基于所述帧间预测信息生成帧间预测结果。
帧内解码器(872)用于接收帧内预测信息,且基于所述帧内预测信息生成预测结果。
残差解码器(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,因为这仅仅是低数据量控制信息)。
重建模块(874)用于在空间域中组合由残差解码器(873)输出的残差与预测结果(可由帧间预测模块或帧内预测模块输出)以形成重建的块,所述重建的块可以形成重建的图片的一部分,所述重建的图片继而可以是重建的视频的一部分。应注意,可执行解块操作等其它合适的操作来改善视觉质量。
应注意,可使用任何合适的技术来实施视频编码器(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)。在一些示例性实施例中,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)。
回到帧内预测过程,其中块(例如,亮度或色度预测块,或未进一步分割为预测块的编码块)中的样本由相邻、下一相邻或其它行或其它多条行的样本或其组合进行预测,以生成预测块。实际正在编码块与预测块之间的残差可通过变换进行处理,然后进行量化。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相关的参数和其它参数。例如,各种帧内预测模式可涉及用于预测样本的一个或多个行位置、从一条或多条预测行选择预测样本的方向,以及其它特殊的帧内预测模式。
例如,帧内预测模式集合(可互换地称为“帧内模式”)可包括预定义数量的定向帧内预测模式。如上文关于图1的示例实施方式所述,这些帧内预测模式可对应于预定义数量的方向,沿着这些方向选择块外样本,作为在特定块中被预测的样本的预测。在另一个特定示例实施方式中,可以支持和预定义八(8)个主定向模式,所述八(8)个主定向模式对应于与水平轴成45到207度的角度。
在帧内预测的一些其它实施方式中,为了进一步利用定向纹理中更多种类的空间冗余,定向帧内模式可进一步扩展到粒度更细的角度集合。例如,上述8角度实施方式可以被配置为提供八个标称(nominal)角度,称为V_PRED、H_PRED、D45_PRED、D135_PRED、D113_PRED、D157_PRED、D203_PRED和D67_PRED,如图9所图示,并且对于每个标称角度,可以添加预定数量(例如,7个)的更小角度。利用此类扩展,对应于相同数量的预定义定向帧内模式,更大总数(例如,在该示例中为56)的定向角度可用于帧内预测。预测角度可以由标称帧内角度加上角度Δ来表示。在上述特定示例中,每个标称角度有7个更细的角度方向,角度Δ可以是-3至3乘以步长3度。
在一些实施方式中,可选地或除了上述定向帧内模式之外,还可以预定义并提供预定义数量的非定向帧内预测模式。例如,可以指定称为平滑帧内预测模式的5种非定向帧内模式。这些非定向帧内预测模式可具体称为DC、PAETH、SMOOTH、SMOOTH_V和SMOOTH_H帧内模式。图10中图示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4×4块1002,通过来自上相邻行和/或左相邻行的样本进行预测。块1002中的特定样本1010可直接对应于块1002的上相邻行中的样本1010的上样本1004、作为上相邻行和左相邻行的交叉点的样本1010的左上样本1006,以及块1002的左相邻行中的样本1010的左样本1008。对于示例性DC帧内预测模式,左相邻样本1008和上相邻样本1004的平均值可用作样本1010的预测器。对于示例性PAETH帧内预测模式,可以提取上参考样本1004、左参考样本1008和左上参考样本1006,并且然后可将这三个参考样本中最接近(上+左-左上)的任何值设置为样本1010的预测器。对于示例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SMOOTH_H帧内预测模式,可以通过在左上相邻样本1006和上相邻样本1004的水平方向上的二次插值来预测样本1010。对于示例SMOOTH帧内预测模式,可以通过在垂直和水平方向上的二次插值的平均值来预测样本1010。上述非定向帧内模式实施方式仅作为非限制性示例图示。还考虑了其它相邻行和其它非定向选择样本,以及预测块中预测特定样本的预测样本组合方式。
可在码流中用信号通知编码器从以上各种编解码层级(图片、分片、块、单元等)处的定向或非定向模式中选择的特定帧内预测模式。在一些示例实施方式中,可以首先用信号通知8个示例性标称定向模式以及5个非角度平滑模式(总共13个选项)。然后,如果用信号通知的模式是8个标称角度帧内模式中的一个,则进一步用信号通知索引,以将所选择的角度δ指示为对应的用信号通知的标称角度。在一些其它示例实施方式中,可将所有帧内预测模式一起索引(例如,56个定向模式加上5个非定向模式以产生61个帧内预测模式)以用于用信号通知。
在一些示例实施方式中,示例56或其它数量的定向帧内预测模式可用统一定向预测器来实现,统一定向预测器将块的每个样本投影到参考子样本位置,并通过2抽头双线性滤波器对该参考样本进行插值。
在一些实施方式中,为了捕获与边缘上的参考样本相关的衰减空间相关性,可以设计称为滤波器帧内(FILTER INTRA)模式的附加滤波器模式。对于这些模式,除了块外样本之外,块内的预测样本也可用作块内一些补丁的帧内预测参考样本。例如,这些模式可以预定义,并可至少用于亮度块(或仅亮度块)的帧内预测。可以预先设计预定义数量(例如,五个)的滤波器帧内模式,每个滤波器帧内模式由一组n抽头滤波器(例如,7抽头滤波器)表示,所述n抽头滤波器反映例如4×2补丁中的样本与n个与其相邻的邻近样本之间的相关性。换句话说,n抽头滤波器的权重因子可能与位置有关。以8×8块、4×2补丁和7抽头滤波为例,如图11所示,8×8块1102可以分割成8个4×2补丁。这些补丁在图11中由B0、B1、B2、B3、B4、B5、B6和B7表示。对于每个补丁,其7个邻近样本(在图11中用R0至R6指示)可用于预测当前补丁中的样本。对于补丁B0,所有邻近样本可能都已进行重建。但是对于其它补丁,邻近样本其中的一些邻近样本在当前块中,因此可能没有进行重建,然后直接邻近样本的预测值用作参考。例如,图11中所图示的补丁B7的所有邻近样本都没有进行重建,因此使用邻近样本的预测样本作为替代。
在帧内预测的一些实施方式中,可以使用一个或多个其它颜色分量,预测一个颜色分量。色彩分量可以是YCrCb、RGB、XYZ等色彩空间中的分量中的任何一个。例如,可以实现从亮度分量(例如,亮度参考样本)对色度分量(例如,色度块)的预测,称为从亮度预测色度(或CfL,Chroma from Luma)。在一些示例实施方式中,跨色预测可能只允许从亮度到色度。例如,色度块中的色度样本可建模为符合所重建亮度样本的线性函数。CfL预测可实现为如下:
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,AC分量是针对块中的每个样本获得的,而DC分量则是针对整个块获得的。具体而言,可以将所重建亮度样本二次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。然后将亮度的AC贡献用于等式(1)的线性模式以预测色度分量的AC值。为了根据亮度AC贡献来近似计算或预测色度AC分量,示例CfL实施方式可基于原始色度样本确定参数α并在码流中用信号通知它们,而不是要求解码器计算缩放参数。这降低了解码器复杂度并产生更精确的预测。在一些示例实施方式中,可以使用色度分量内的帧内DC模式计算色度分量的DC贡献。
接着可实施帧内预测块或帧间预测块的残差的变换,随后进行变换系数的量化。出于执行变换的目的,帧内已编码块和帧间已编码块两者可在变换之前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”通常用于表示三色通道的集合,例如,“编码单元”将包括亮度编码块和色度编码块)。在一些实施方式中,可指定已编码块(或预测块)的最大分区深度(术语“已编码块”可与“编码块”互换使用)。例如,此类分区可以不超过2个层级。可以在帧内预测块与帧间预测块之间,可以不同地将预测块划分为变换块。然而,在一些实施方式中,帧内预测块与帧间预测块之间的此类划分可类似。
在一些示例实施方式中,并且对于帧内已编码块,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进行编码。图12中示出帧内已编码块的此类变换块分区的示例。具体地,图12示出已编码块1202经由中间级四叉树分割1204分区为相同块大小的16个变换块,如1206所示。用于编码的示例光栅扫描顺序由图12中的有序箭头图示。
在一些示例实施方式中,对于帧间已编码块,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层级(例如,2个层级)。如图13所示,分割可以对于任何子分区并且在任何层级递归地停止或继续。特别地,图13示出示例,其中,块1302分割成四个四叉树子块1304,并且这些子块中的一个被进一步分割成四个第二层级变换块,而其它子块的划分在第一层级之后停止,总共产生7个两种不同大小的变换块。图13中的有序箭头进一步图示编码的示例光栅扫描顺序。虽然图13示出上至两级的正方形变换块的四叉树分割的示例实施方式,但在一些生成实施方式中,变换分区可支持1:1(正方形)、1:2/2:1和1:4/4:1的变换块形状和大小,范围从4×4到64×64。在一些示例性实施方式中,如果编码块小于或等于64×64,那么变换块分区可仅应用于亮度分量(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分别隐式分割为min(W,64)×min(H,64)和min(W,32)×min(H,32)变换块的倍数。
然后,可以对上述变换块中的每一个变换块进行主变换。主变换基本上将变换块中的残差从空间域移动到频率域。在实际主变换的一些实施方式中,为了支持上述示例性扩展的编码块分区,可以允许多种变换大小(两个维度中每个维度的变换大小从4点到64点不等)和变换形状(正方形;宽高比为2:1/1:2和4:1/1:4的矩形。
转向实际的主变换,在一些示例实施方式中,二维变换过程可以涉及混合变换核(例如,可以由已编码残差变换块中的每一个维度的不同一维变换组成)的使用。示例性一维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)和翻转版本;(c)4点、8点、16点、32点身份变换。用于每个维度的变换核的选择可以基于速率失真(RD,rate-distortion)标准。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、DST-7和IDTX)。
在一些示例实施方式中,特定主变换实施方式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中列出了示例依赖性。对于色度分量,可以隐式方式执行变换类型选择。例如,对于帧内预测残差,可根据帧内预测模式选择变换类型,如表3中所指定。对于帧间预测残差,可根据同位亮度块的变换类型选择,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1中的IDTX代表恒等变换。
表2:AV1混合变换核以及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。
/>
表3:用于色度分量帧内预测残差的变换类型选择。
/>
在一些示例实施方式中,当执行变换时,可以应用变换跳过模式。变换跳过模式可以包括多个变化。
在一个实施方式中,当残差块中的残差高度不相关时,上文所述的二维变换可能效率较低且可跳过(即,不需要变换)。
在一个实施方式中,如图14所示,仅在垂直方向上应用一维变换,并且跳过水平方向上的一维变换。这种模式称为水平方向上的变换跳过。4×4块是在垂直方向上进行一维变换后得到的示例性变换系数块(或为简单起见,也称为变换块),每个单元示出对应的变换系数。可以看出,在一维变换之后得到的变换系数的低频分量集中在块的上行,而高频分量集中在块的下行。具体地,在该示例性块中,第四行中的所有变换系数均为零。
在一个实施方式中,如图15所示,仅在水平方向上应用一维变换,并且跳过垂直方向上的一维变换。这种模式称为垂直方向上的变换跳过。4×4块是在水平方向上进行一维变换后得到的示例性变换系数块,每个单元示出对应的变换系数。可以看出,在一维变换之后得到的变换系数的低频分量集中在块的左列,而高频分量集中在块的右列。具体地,在该示例性块中,第四列中的所有变换系数均为零。
在一些示例实施方式中,IDTX(标识变换)可用于在某一方向(例如,水平或垂直)上跳过变换编码,并且IDTX可能特别有利于编码尖锐的边缘。
在一些示例实施方式中,可以对主变换系数执行次变换。例如,LFNST(低频不可分离变换),称为经缩减的次变换,可以在前向主变换和量化(在编码器)之间以及在去量化和逆主变换(在解码器侧)之间应用,以进一步对主变换系数进行去相关化。
在一些示例实施方式中,变换可以包括线图变换(LGT,Line Graph Transforms),如图16所示。图形可以是由顶点和边缘的集合组成的通用数学结构,用于模拟感兴趣对象之间的相似性关系。在实践中,加权图(将一组权重分配给边缘,并且可能分配给顶点)可以为信号/数据的鲁棒建模提供稀疏表示。LGT可以通过为不同的块统计提供更好的自适应来提高编码效率。可分离的LGT可以通过从数据学习线图来进行设计和优化,以对块残差信号的逐行和逐列统计进行建模,其中,相关联的广义图拉普拉斯(GGL,generalized graphLaplacian)矩阵用于导出LGT。
在一个实施方式中,给定加权图G(W,V),GGL矩阵可以定义为LE=D-W+V,其中,W可以是由非负边缘权重wc组成的邻接矩阵,D可以是对角度矩阵,并且V可以是表示加权自环Vc1和Vc2的对角矩阵。矩阵Le可以表示为:
然后可以通过GGL Lc的本征分解导出LGT。
Lc = UΦUT (3)
其中,正交矩阵U的列是LGT的基向量,并且Φ是对角特征值矩阵。实际上,DCT和DST(包括DCT-2、DCT-8和DST7),是从某些形式的GGL导出的LGT。设置Vc1=0导出DCT-2;设置Vc=wc导出DST-7;设置Vc2=wc导出DCT-8;设置Vc1=2wc导出DST-4;设置Vc2=2wc导出DCT-4。
LGT可以实现为矩阵乘法。可以通过在Lc中设置Vc1=2wc来导出4p LGT核心,这意味着它是DST-4。可以通过在Lc中设置Vc1=1.5wc来导出8p LGT核心,可以通过在Lc中设置Vc1=wc来导出16p、32p和64p LGT核心,这意味着它是DST-7。
在一些实施方式中,对于系数编解码,与按顺序处理每个二维变换系数的编码方案相比,可以使用层级映射方案对系数进行编解码。对于每个变换单元(或变换块),系数编解码开始于对跳过符号进行编解码,在不跳过变换编解码的情况下,在跳过符号之后是主变换核类型和块结束(EOB,end-of-block)位置的信令。此后,以多层级映射方式加上符号值对系数值进行编解码。层级映射编解码为三个层级平面,即低层级、中层级和高层级平面,并且符号被编解码为另一个单独的平面。低层级、中层级和高层级平面对应于不同的系数幅度范围。低层级平面对应于0到2的示例范围,中层级平面对应于3到14的示例范围,并且高层级平面覆盖例如15及以上的范围。三个层级平面可以编码如下:(a)首先对EOB位置进行编码;(b)低层级和中层级平面按照反向扫描顺序编解码在一起,扫描顺序可以包括在整个变换单元基础上应用的之字形扫描;(c)符号平面和高层级平面按照正向扫描顺序编解码在一起;(d)余下部分(系数层级减14)采用指数哥伦布编码进行熵编解码。应用于低层级平面的上下文模型取决于主变换方向(双向、水平和垂直)以及变换大小,并且使用多达预定义数量(例如,五个)的邻近(在频域中)系数来导出上下文。中层级平面可以使用类似的上下文模型,但是上下文邻近系数的数量可以减少,例如从5减少到2。在不使用上下文模型的情况下,可以通过指数哥伦布编码对高层级平面进行编解码。使用上下文建模方法对DC符号进行编解码,其中,上相邻块和左相邻块DC符号值的加权平均值可用于导出上下文信息,如下面等式(4)中所描述:
dc_sum=∑i∈neighbors dc_sign(i)*overlap(i,curr_block) (4)
权重取决于相邻变换块与当前变换块的交点的长度。所导出上下文信息用作索引,以访问用于DC符号编解码的三个不同上下文,如下面等式5所示。其它系数的符号值可以不使用上下文模型直接进行编解码。
dc_ctx=0 if dc_sum=0,
=1 if dc_sum<0,
=2if dc_sum>0, (5)
在本公开中,公开了用于在一维变换跳过模式下,改进视频编码/解码技术的各种实施例。如前所述,在一维变换跳过模式下,与在两个维度上执行变换的二维变换模式相比,能量集中模式是不同的。例如,在一维变换跳过模式下,能量集中在变换块的上行或左列。而在二维变换下,能量集中在例如左上角。通过在一维变换跳过模式下利用不同的能量集中模式,这些改进可以包括更高的视频数据压缩率、更高的编解码效率和更低的信令开销。
在本公开中,术语“块”可以指变换块、已编码块、预测块等。
在本公开中,术语“色度块”可以指任何色度(颜色)通道中的块。
在本公开中,术语“变换块”还可指变换块中的系数。术语“行”还可以指变换块中的系数行。术语“列”还可以指变换块中的系数列。
具有EOR和/或EOC信令的变换跳过
在本公开中,在水平方向上具有变换跳过的变换类型的集合在下文中称为集合A。集合A可以包括一维变换的所有组合,其中变换核是矩阵。一维变换的示例包括但不限于DCT、ADST、FLIPADST、LGT、FLIPLGT、KLT、所有三角变换类型(DCT类型1至8和DST类型1至8),以及它们在垂直方向上的导数和在水平方向上的变换跳过。
在本公开中,在垂直方向上具有变换跳过的变换类型的集合在下文中称为集合B。集合B可以包括一维变换的所有组合,其中变换核是矩阵。一维变换的示例包括但不限于DCT、ADST、FLIPADST、LGT、FLIPLGT、KLT、所有三角变换类型(DCT类型1-8和DST类型1-8),以及它们在水平方向上的导数和在垂直方向上的变换跳过。
本公开中的实施例可应用于亮度和/或色度块。
在一些示例实施方式中,当应用一维(1-D)变换跳过时,用信号通知仅指示二维块中的位置的水平或垂直坐标的行结束(EOR,End of Row)或列结束(EOC,End of Column),而不是用信号通知指示二维块中的垂直和水平位置(即,x轴和y轴中的位置)两者的块结束(EOB,End of Block)值。
在一个实施方式中,如图14所示,当仅在水平方向上应用变换跳过时(在这种情况下,在垂直方向上执行一维变换),用信号通知EOR值以指示变换块(或变换系数块)的最后行的行索引,所述变换块具有至少一个非零系数值。在图14所示的示例中,第三行是具有至少一个非零系数值的最后行。在这种情况下,将用信号通知EOR值为2。注意,图14所示的示例使用行索引0作为第一行索引。可选择其它行索引号(例如1)作为第一行索引,在此情况下,EOR值将改为3。
在一个实施方式中,如图15所示,当仅在垂直方向上应用变换跳过时(在这种情况下,在水平方向上执行一维变换),用信号通知EOC值以指示具有至少一个非零系数值的变换块的最后列的列索引。在图15所示的示例中,第三列是具有至少一个非零系数值的最后列。在这种情况下,将用信号通知EOC值为2。注意,图15所示的示例使用列索引0作为第一列索引。可选择其它列索引号(例如1)作为第一列索引,在此情况下,EOC值将改为3。
在一些示例实施方式中,当用信号通知EOR值时,EOB值可以导出为以下之一:EOR*步幅;EOR*步幅-1;(EOR+1)*步幅;或(EOR+1)*步幅-1,其中,步幅是变换块宽度。注意,这些等式的变化取决于例如行索引是否以0或1开始,以及EOB是否以0或1开始。
在一些示例性实施方式中,当变换块宽度为64或更大时,可以将步幅限制在低于64的值,诸如32。在这种情况下,当对变换系数进行编解码时,编码器可以考虑经限制的步幅值。
在一些示例性实施方式中,当用信号通知EOC值时,EOB值可以导出为以下之一:EOC*步幅;EOC*步幅-1;(EOC+1)*步幅;或(EOC+1)*步幅-1,其中,步幅是变换块高度。注意,这些等式的变化取决于例如列索引是否以0或1开始,以及EOB是否以0或1开始。
在一些示例性实施方式中,当变换块高度为64或更大时,可以将步幅限制在低于64的值,诸如32。在这种情况下,当对变换系数进行编解码时,编码器可以考虑经限制的步幅值。
在一些示例性实施方式中,当仅在水平方向上应用一维变换跳过时,需要对位于索引小于或等于EOR的行中的所有系数进行编解码,不管它们是否为零。当仅在垂直方向上应用一维变换跳过时,需要对位于索引小于或等于EOC的列中的所有系数进行编解码,不管它们是否为零。
在一些示例性实施方式中,当对EOR和/或EOC执行熵编码时,由于与EOR和/或EOC相关联的概率模型不同于与EOB相关联的概率模型,所以对EOR和/或EOC的值进行熵编解码的上下文不同于对EOB的值进行熵编码的上下文。
在一些示例性实施方式中,当仅在水平方向上应用变换跳过时,用信号通知EOR值以指示具有至少一个非零系数值的变换系数块的最后行的行索引。用于对EOR值进行熵编解码的上下文可以取决于多个因素,所述多个因素包括变换块高度;或只取决于变换块高度。
在一些示例性实施方式中,当仅在垂直方向上应用变换跳过时,用信号通知EOC值以指示具有至少一个非零系数值的变换系数块的最后列的列索引。用于对EOC值进行熵编解码的上下文可以取决于多个因素,所述多个因素包括变换块宽度;或只取决于变换块宽度。
在一些示例性实施方式中,当对变换系数进行编解码且仅在水平方向上应用变换跳过时,如果i)当前变换系数是将在由EOR索引的行中进行编解码的最后一个变换系数,且ii)同一行中的所有先前变换系数被编码为零,那么当前变换系数可导出为非零。这在解码器侧尤其有用,因为解码器可以仅将该当前变换系数导出为非零,而无需对来自原始视频码流的该信息进行解码。参见图14,第2行是由EOR索引的行。当前要处理的变换系数是该行中的最后一个时,由于该同一行中的前3个变换系数均为零,解码器可以直接将该当前变换系数导出为非零。附加地或可选地,在这种情况下,指示当前变换系数的层级是否大于或等于1的标志未用信号通知,而是将由解码器导出为真(意味着当前变换系数的层级大于或等于1)。
在一些示例实施方式中,当对变换系数进行编解码且仅在垂直方向上应用变换跳过时,如果i)当前变换系数是将在由EOC索引的列中进行编解码的最后一个变换系数,且ii)同一列中的所有先前变换系数编码为零,那么当前变换系数导出为非零。解码器可以仅将该当前变换系数导出为非零,而无需对来自原始视频码流的该信息进行解码。参见图15,第2列是由EOC索引的列。当前要处理的变换系数是该列中的最后一个时,由于该同一列中的前3个变换系数均为零,解码器可以直接将该变换系数导出为非零。附加地或可选地,指示当前变换系数的层级是否大于或等于1的标志未用信号通知,而是将由解码器导出为真。
在一些示例实施方式中,当仅在水平方向上应用变换跳过时,用于对当前变换系数的幅度进行熵编解码的上下文可以取决于包括先前已编码系数的多个因素。在一个实施方式中,考虑的先前已编码系数仅包括同一行中的先前已编码系数。例如,参见图14,用于对第1行中的最后一个变换系数的幅度进行熵编解码的上下文,可取决于同一行中的先前3个已编码系数。可选地,在另一个实施方式中,考虑的先前已编码系数可以仅包括先前已编码系数,所述先前已编码系数为同一行中的当前系数的直接邻近系数。
在一些示例实施方式中,当仅在水平方向上应用变换跳过时,用于对当前变换系数的幅度进行熵编解码的上下文,可以取决于包括先前已编码系数的多个因素。在一个实施方式中,考虑的先前已编码系数仅包括同一列中的先前已编码系数。例如,参见图15,用于对第1列中的最后一个变换系数的幅度进行熵编解码的上下文,可取决于同一列中的先前3个已编码系数。可选地,在另一个实施方式中,考虑的先前已编码系数可以仅包括先前已编码系数,所述先前已编码系数为同一列中的当前系数的直接邻近系数。
上述各种实施例通常应用于一维变换跳过场景,其中,仅在一个方向上应用一维变换,而在另一个方向上跳过一维变换。这些不同的实施例也可以应用于身份变换(IDTX,Identity Transform)。
在上述各种示例实施方式中,变换块(诸如图14和图15所示的变换块)中的变换系数可能需要或可能不需要经历额外的量化过程。例如,可以在对残差块进行一维变换之后立即获得变换系数。或者,变换系数可进一步经历量化过程,以变换为经量化的变换系数。本公开中的实施例可应用于未经量化变换系数或经量化的变换系数两者。此外,在本公开中,变换系数通常可指未经量化的变换系数或经量化的变换系数。
图17示出用于对视频数据进行解码的示例性方法1700。方法1700可以包括以下步骤的一部分或全部:步骤1710,接收视频码流,视频码流包括具有两个维度的变换块,对变换块进行熵编码;步骤1720,基于视频码流中的语法元素,确定是否对变换块应用一维变换跳过;步骤1730,响应于对变换块应用一维变换跳过,从视频码流获得与变换块相关联的结束位置值,该结束位置值仅指示变换块的水平坐标中的结束位置和变换块的垂直坐标中的结束位置中的一个;变换块中的水平结束坐标和垂直结束坐标,以及步骤1740,根据结束位置值从视频码流中检索变换块。
结束位置值(诸如EOR或EOC)可在码流中用信号通知。在一个实施方式中,指示还可以是用于指示是用信号通知EOR还是EOC的信号。
在解码器侧,一旦获得EOR或EOC,解码器就可导出为变换块的变换系数分配的码流中的位置范围。然后,解码器可以基于位置范围执行熵解码,以获得变换块的变换系数。注意,变换系数可以是经量化的格式,在这种情况下,进行解量化过程以将经量化的变换系数变换成未经量化的格式;或者变换系数可以是未经量化的格式。检索变换块可包括从码流导出和/或解码变换块的变换系数。所检索变换块然后可经历逆变换以便获得对应的残差块。
本公开中的实施例可以单独使用或以任何顺序组合使用。进一步,方法(或实施例)、编码器和解码器中的每一个可以通过处理电路***(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易失性计算机可读介质中的程序。本公开中的实施例可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18示出了计算机***(1800),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18所示的用于计算机***(1800)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***(1800)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***(1800)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(1801)、鼠标(1802)、触控板(1803)、触摸屏(1810)、数据手套(未示出)、操纵杆(1805)、麦克风(1806)、扫描仪(1807)、照相机(1808)。
计算机***(1800)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(1810)、数据手套(未示出)或操纵杆(1805)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(1809)、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(1810),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***(1800)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)(1820)或类似介质(1821)的光学介质、拇指驱动器(1922)、可移动硬盘驱动器或固体状态驱动器(1823),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***(1800)还可以包括通往一个或多个通信网络(1854)的接口(1855)。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(1849)(例如,计算机***(1800)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***(1800)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***(1800)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***(1800)的核心(1840)。
核心(1840)可包括一个或多个中央处理单元(CPU)(1841)、图形处理单元(GPU)(1842)、以现场可编程门阵列(FPGA)(1843)形式的专用可编程处理单元、用于特定任务的硬件加速器(1944)等。这些设备以及只读存储器(ROM)(1845)、随机存取存储器(1846)、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)(1847)等可通过***总线(1848)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(1848),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(1848),或通过***总线(1849)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(1810)可以与图形适配器(1850)相连接。***总线的架构包括PCI、USB等。
CPU(1841)、GPU(1842)、FPGA(1843)和加速器(1844)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(1845)或RAM(1846)中。过渡数据也可以存储在RAM(1846)中,而永久数据可以存储在例如内部大容量存储器(1847)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(1841)、GPU(1842)、大容量存储器(1847)、ROM(1845)、RAM(1846)等紧密关联。
所述计算机可读介质上可具有计算机代码,用于执行各种计算机实现的操作。介质和计算机代码可以是为本申请的目的而特别设计和构造的,也可以是计算机软件领域的技术人员所熟知和可用的介质和代码。
作为实施例而非限制,具有体系结构(1800)的计算机***,特别是核心(1840),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(1840)的特定存储器,例如核心内部大容量存储器(1847)或ROM(1845)。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(1840)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(1840)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(1846)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(1844))中的功能,该电路可以代替软件或与软件一起运行以执行本文所述的特定过程或特定过程的特定部分。在适当的情况下,对软件的引用可以包括逻辑,反之亦然。在适当的情况下,对计算机可读介质的引用可包括存储执行软件的电路(如集成电路(IC)),包含执行逻辑的电路,或两者兼备。本申请包括任何合适的硬件和软件组合。
虽然本申请已对多个示例性实施例进行了描述,但实施例的各种变更、排列和各种等同替换均属于本申请的范围内。因此应理解,本领域技术人员能够设计多种***和方法,所述***和方法虽然未在本文中明确示出或描述,但其体现了本申请的原则,因此属于本申请的精神和范围之内。
附录:首字母缩略词
JEM:联合开发模型
VVC:下一代视频编码
BMS:基准集合
MV:运动矢量
HEVC:高效视频编码
SEI:补充增强信息
VUI:视频可用性信息
GOPs:图片组
TUs:变换单元
PUs:预测单元
CTUs:编码树单元
CTBs:编码树块
PBs:预测块
HRD:假设参考解码器
SNR:信噪比
CPUs:中央处理单元
GPUs:图形处理单元
CRT:阴极射线管
LCD:液晶显示
OLED:有机发光二极管
CD:光盘DVD:数字化视频光盘
ROM:只读存储器
RAM:随机存取存储器
ASIC:专用集成电路
PLD:可编程逻辑设备
LAN:局域网
GSM:全球移动通信***
LTE:长期演进
CANBus:控制器局域网总线
USB:通用串行总线
PCI:***设备互连
FPGA:现场可编程门阵列
SSD:现场可编程门阵列
IC:集成电路
HDR:高动态范围
SDR:标准动态范围
JVET:联合视频开发小组
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:位置相关的预测组合
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:跨分量自适应环路滤波器
CDEF:约束定向增强滤波器
CCSO:跨分量样本偏移
LSO:本地样本偏移
LR:环路恢复滤波器
AV1:AO媒体视频1
AV2:AO媒体视频2
Claims (20)
1.一种用于视频处理的方法,其特征在于,所述方法包括:
接收视频码流,所述视频码流包括具有两个维度的变换块,对所述变换块进行熵编码;
基于所述视频码流中的语法元素,确定是否对所述变换块应用一维变换跳过;
响应于对所述变换块应用所述一维变换跳过,从所述视频码流获得与所述变换块相关联的结束位置值,所述结束位置值仅指示所述变换块中的水平坐标结束位置和垂直坐标结束位置中的一个;以及
根据所述结束位置值从所述视频码流检索所述变换块。
2.根据权利要求1所述的方法,其特征在于,所述结束位置值包括以下之一:
行结束EOR值,所述行结束EOR值指示所述变换块中的所述水平坐标结束位置,所述水平坐标结束位置包括所述变换块中最后行的结束行索引,所述最后行具有至少一个非零变换系数;以及
列结束EOC值,所述列结束EOC值指示所述变换块中的所述垂直坐标结束位置,所述垂直坐标结束位置包括所述变换块中最后列的结束列索引,所述最后列具有至少一个非零变换系数。
3.根据权利要求2的方法,其特征在于,
当仅在所述变换块的水平方向上应用变换跳过时,在所述视频码流中用信号通知所述行结束EOR值作为所述结束位置值;以及
当仅在所述变换块的垂直方向上应用变换跳过时,在所述视频码流中用信号通知所述列结束EOC值作为所述结束位置值。
4.根据权利要求2至3中任一项所述的方法,其特征在于,基于所述变换块的高度,确定用于对所述行结束EOR值进行熵编码的上下文。
5.根据权利要求2至3中任一项所述的方法,其特征在于,基于所述变换块的宽度,确定用于对所述EOC值进行熵编码的上下文。
6.根据权利要求2至3中任一项所述的方法,其特征在于,用信号通知所述行结束EOR值,其中,所述方法进一步包括:通过以下步骤获得所述变换块中的变换系数:
响应于当前变换系数是由所述EOR行结束值索引的行中的最后一个变换系数,并且此同一行中的所有的先前变换系数为零:
导出所述当前变换系数为非零;以及
导出层级标志为真,指示所述当前变换系数的层级大于或等于1。
7.根据权利要求2至3中任一项所述的方法,其特征在于,用信号通知所述EOC值,其中,所述方法进一步包括通过以下步骤获得所述变换块中的变换系数:
响应于当前变换系数是由所述列结束EOC值索引的列中的最后一个变换系数,并且此同一列中的所有的先前变换系数为零:
导出所述当前变换系数为非零;以及
导出层级标志为真,指示所述当前变换系数的层级大于或等于1。
8.根据权利要求2至3中任一项所述的方法,其特征在于,
用信号通知所述行结束EOR值;并且
基于以下之一来确定用于对所述变换块中的当前变换系数的幅度进行熵编码的上下文:
与所述当前变换系数在同一行中的先前变换系数;或
所述同一行中的直接先前变换系数,并且所述同一行中没有其它先前变换系数。
9.根据权利要求2至3中任一项所述的方法,其特征在于,
用信号通知所述列结束EOC值;并且
仅基于以下之一来确定用于对所述变换块中的当前变换系数的幅度进行熵编码的上下文:
与所述当前变换系数在同一列中的先前变换系数;或
所述同一列中的直接先前变换系数,并且所述同一列中没有其它先前变换系数。
10.根据权利要求2的方法,其特征在于,
所述方法进一步包括:基于所述行结束EOR值或所述列结束EOC值导出块结束EOB值,所述块结束EOB值指示所述变换块中的最后一个非零变换系数的结束位置;以及
根据所述结束位置值,从所述视频码流检索所述变换块包括:根据所述块结束EOB值从所述视频码流检索所述变换块。
11.根据权利要求10所述的方法,其特征在于,导出所述块结束EOB值包括:
响应于结束位置值为所述行结束EOR值,导出所述块结束EOB值为以下之一:
EOR值*步幅值;
EOR值*步幅值-1;
(EOR值+1)*步幅值;或
(EOR值+1)*步幅值-1,
其中,所述步幅值等于所述变换块的宽度或与所述变换块的所述宽度相关联。
12.根据权利要求11所述的方法,其特征在于,
响应于所述变换块的所述宽度小于64,所述步幅值为所述变换块的所述宽度;以及
响应于所述变换块的所述宽度大于或等于64,所述步幅值为32。
13.根据权利要求10所述的方法,其特征在于,导出所述块结束EOB值包括:
响应于所述结束位置值为所述块结束EOC值,导出所述块结束EOB值为以下之一:
EOC值*步幅值;
EOC值*步幅值-1;
(EOC值+1)*步幅值;或
(EOC值+1)*步幅值-1,
其中,所述步幅值等于所述变换块的高度或与所述变换块的所述高度相关联。
14.根据权利要求13所述的方法,其特征在于,
响应于所述变换块的所述高度小于64,所述步幅值为所述变换块的所述高度;并且
响应于所述变换块的所述高度大于或等于64,所述步幅值为32。
15.根据权利要求2所述的方法,其特征在于,
响应于仅在所述变换块的水平方向上应用变换跳过,无论每个变换系数是否为零,在所述视频码流中对所述每个变换系数进行编码和传输,所述每个变换系数在具有小于或等于所述结束行索引的行索引的行中;并且
响应于仅在所述变换块的垂直方向上应用变换跳过,无论每个变换系数是否为零,在所述视频码流中对所述每个变换系数进行编码和传输,所述每个变换系数具有小于或等于所述结束列索引的列索引的列中。
16.根据权利要求2所述的方法,其特征在于,对所述行结束EOR值或所述列结束EOC值进行熵编码的上下文不同于对所述视频码流中的EOB值进行熵编码的上下文。
17.一种用于视频处理的设备,其特征在于,所述设备包括用于存储计算机指令的存储器和与所述存储器进行通信的处理器,其中当所述处理器执行所述计算机指令时,所述处理器被配置为使所述设备:
接收视频码流,所述视频码流包括具有两个维度的变换块,对所述变换块进行熵编码;
基于所述视频码流中的语法元素,确定是否对所述变换块应用一维变换跳过;
响应于对所述变换块应用所述一维变换跳过,从所述视频码流获得与所述变换块相关联的结束位置值,所述结束位置值仅指示所述变换块中的水平坐标结束位置和垂直坐标结束位置中的一个;以及
根据所述结束位置值从所述视频码流检索所述变换块。
18.根据权利要求17所述的设备,其特征在于,所述结束位置值包括以下之一:
行结束EOR值,所述行结束EOR值指示所述变换块中的所述水平坐标结束位置,所述水平坐标结束位置包括所述变换块中最后行的结束行索引,所述最后行具有至少一个非零变换系数;以及
列结束EOC值,所述列结束EOC值指示所述变换块中的所述垂直坐标结束位置,所述垂直坐标结束位置包括所述变换块中最后列的结束列索引,所述最后列具有至少一个非零变换系数。
19.根据权利要求18所述的设备,其特征在于,
当仅在所述变换块的水平方向上应用变换跳过时,在所述视频码流中用信号通知所述行结束EOR值作为所述结束位置值;并且
当仅在所述变换块的垂直方向上应用变换跳过时,在所述视频码流中用信号通知所述列结束EOC值作为所述结束位置值。
20.一种用于存储计算机可读指令的非易失性存储介质,其特征在于,所述计算机可读指令在由处理器执行时使所述处理器:
接收视频码流,所述视频码流包括具有两个维度的变换块,对所述变换块进行熵编码;
基于所述视频码流中的语法元素,确定是否对所述变换块应用一维变换跳过;
响应于对所述变换块应用所述一维变换跳过,从所述视频码流获得与所述变换块相关联的结束位置值,所述结束位置值仅指示所述变换块中的水平坐标结束位置和垂直坐标结束位置中的一个;以及
根据所述结束位置值从所述视频码流检索所述变换块。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US63/300,427 | 2022-01-18 | ||
US17/991,206 US20230247209A1 (en) | 2022-01-18 | 2022-11-21 | Signalling of eob for one dimensional transform skip |
US17/991,206 | 2022-11-21 | ||
PCT/US2022/050911 WO2023140927A1 (en) | 2022-01-18 | 2022-11-23 | Signalling of eob for one dimensional transform skip |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117044203A true CN117044203A (zh) | 2023-11-10 |
Family
ID=88639558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280022631.6A Pending CN117044203A (zh) | 2022-01-18 | 2022-11-23 | 用于一维变换跳过的eob的信令 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117044203A (zh) |
-
2022
- 2022-11-23 CN CN202280022631.6A patent/CN117044203A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111955007B (zh) | 视频解码的方法和装置 | |
CN113614736A (zh) | 视频编解码的方法和装置 | |
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 | |
CN115104308A (zh) | 视频编解码的方法和装置 | |
JP2024074928A (ja) | ビデオコーディングのための方法および装置 | |
JP2024069325A (ja) | 部分空間制約を有する直交変換生成 | |
JP2024069302A (ja) | 変換係数に対する符号マップの改善されたエントロピーコーディング | |
CN114930852A (zh) | 用于视频编解码的方法和装置 | |
JP2024019734A (ja) | ビデオコーディングのための方法および装置 | |
CN115486073A (zh) | 多参考行帧内预测、变换分割和变换核当中的协调设计 | |
CN116325722A (zh) | 用于帧内预测模式的熵编码 | |
CN115769575A (zh) | 用于视频编码的方法和设备 | |
JP2023510690A (ja) | ビデオコーディングのための方法及び装置 | |
CN116868567B (zh) | 视频解码方法、装置、计算机设备及存储介质 | |
JP7508705B2 (ja) | イントラ予測モード向けのエントロピーコーディングのための方法、装置、及びコンピュータプログラム | |
CN113395524B (zh) | 视频解码方法、装置和电子设备 | |
CN117044203A (zh) | 用于一维变换跳过的eob的信令 | |
CN116723315B (zh) | 视频解码的方法和装置、视频编码的方法和装置及存储介质 | |
KR20230170759A (ko) | 1차원 변환 스킵을 위한 eob의 시그널링 | |
JP2024507377A (ja) | ビデオ処理の方法、デバイス、及びプログラム | |
CN116806427A (zh) | 用于基于偏移的修正和多参考行选择的协调设计 | |
JP2023553997A (ja) | 複合インターイントラ予測モードのための適応変換 | |
CN116998156A (zh) | 变换跳过的系数符号预测 | |
JP2023549771A (ja) | 適応カーネルオプションを用いた二次変換の方法および装置 |
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: 40098263 Country of ref document: HK |