CN117221527A - 视频编解码方法及装置 - Google Patents

视频编解码方法及装置 Download PDF

Info

Publication number
CN117221527A
CN117221527A CN202311197323.XA CN202311197323A CN117221527A CN 117221527 A CN117221527 A CN 117221527A CN 202311197323 A CN202311197323 A CN 202311197323A CN 117221527 A CN117221527 A CN 117221527A
Authority
CN
China
Prior art keywords
motion vector
offset
video
control points
determining
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
CN202311197323.XA
Other languages
English (en)
Inventor
李贵春
刘杉
许晓中
李翔
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 CN117221527A publication Critical patent/CN117221527A/zh
Pending legal-status Critical Current

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/44Decoders specially adapted therefor, e.g. video decoders which are asymmetric with respect to the encoder
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51Motion estimation or motion compensation
    • H04N19/513Processing of motion vectors
    • H04N19/517Processing of motion vectors by encoding
    • H04N19/52Processing of motion vectors by encoding by predictive encoding
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102Methods 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
    • H04N19/103Selection of coding mode or of prediction mode
    • H04N19/105Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102Methods 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
    • H04N19/132Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134Methods 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
    • H04N19/136Incoming video signal characteristics or properties
    • H04N19/137Motion inside a coding unit, e.g. average field, frame or block difference
    • H04N19/139Analysis of motion vectors, e.g. their magnitude, direction, variance or reliability
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169Methods 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
    • H04N19/17Methods 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
    • H04N19/176Methods 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
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/30Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • H04N19/33Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability in the spatial domain
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/46Embedding additional information in the video signal during the compression process
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51Motion estimation or motion compensation
    • H04N19/513Processing of motion vectors
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51Motion estimation or motion compensation
    • H04N19/527Global motion vector estimation
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51Motion estimation or motion compensation
    • H04N19/577Motion compensation with bidirectional frame interpolation, i.e. using B-pictures

Landscapes

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

Abstract

本申请的各方面提供了用于视频编码/解码的方法和装置。例如,处理电路从已编码视频码流中,解码出当前图片中当前块的预测信息。所述预测信息用于指示具有偏移的仿射合并模式。然后,处理电路从已编码视频码流中,解码出用于确定运动矢量差的一组偏移参数,并将运动矢量差,应用于当前块的基础预测子的多个控制点的第一运动矢量,以确定当前块的对应的多个控制点处的第二运动矢量。此外,处理电路基于当前块的对应的多个控制点处的第二运动矢量,确定仿射模型的参数,并根据仿射模型重建当前块的至少一个样本。

Description

视频编解码方法及装置
本申请要求2019年7月3日提交的申请号为16/503,451的美国专利申请“视频编解码方法及装置(METHOD AND APPARATUS FOR VIDEO CODING)”的优先权,该美国专利申请要求2018年10月4日提交的申请号为62/741,532的美国临时专利申请“具有预测偏移的仿射运动模型编解码方法(METHODS OF AFFINE MOTION MODEL CODING WITH PREDICTIONOFFSETS)”的优先权,所述两个申请的全部内容通过引用并入本申请中。
技术领域
本申请描述了总体上涉及视频编解码的实施例。
背景技术
本文中提供的背景技术描述是为了大体上呈现本申请的上下文。在此背景技术部分描述的程度上,当前署名的发明人的工作,以及在本申请提交时可能不具有作为现有技术的资格的描述的各方面,既不明确认为也不隐含认为是本申请的现有技术。
视频的编码和解码可以使用具有运动补偿的帧间预测进行。未压缩的数字视频可包括一系列的图片,每个图片具有一定的空间维度,例如具有1920×1080的亮度样本和相关的色度样本。所述一系列的图片可以具有固定的或可变的图片速率(非正式地,也被称作帧率),例如,每秒60个图片或60赫兹(Hz)。未压缩的视频对比特率有着显著的要求。例如,每个样本8比特的1080p60 4:2:0视频(60Hz帧率下的1920×1080亮度样本分辨率)需要接近1.5Gbit/s的带宽。这样的视频一小时需要超过600GB的存储空间。
视频编码和解码的一个目的可以是通过压缩来减少输入视频信号中的冗余。压缩可有助于降低上述带宽或存储空间的要求,在一些情况下,可降低两个或更多的数量级。无损压缩和有损压缩以及其组合均可以用于视频编码和解码。无损压缩是指可以由压缩的原始信号重建原始信号的精确副本的技术。当使用有损压缩时,重建的信号可能与原始信号不完全一致,但是原始信号与重建的信号之间的失真小得足以使重建的信号可以用于预期应用。有损压缩广泛应用于视频中。有损压缩容许的失真量取决于应用;例如,与电视分发应用的用户相比,某些消费者流式传输应用的用户可以容忍较高的失真。可实现的压缩比可以反映的是:可允许的/可容许的失真越高,可产生的压缩比越高。
运动补偿可以是有损压缩技术,并且可以涉及如下技术:从先前已重建图片或其部分(参考图片)得到的样本数据块,在按照运动矢量(下文称为MV)指示的方向上进行空间移位后,用于预测新重建的图片或图片部分。在一些情况下,参考图片可以与当前正在重建的图片相同。MV可以具有两个维度:X维度和Y维度,或者具有三个维度,第三个维度用于指示使用中的参考图片(后者间接地可以是时间维度)。
在一些视频压缩技术中,可应用于某一样本数据区域的MV,可以根据其它MV预测得到,例如,根据在空间上与正在重建的区域相邻的另一样本数据区域相关的、解码顺序在所述MV之前的MV预测得到。这样做可以实质上减少对所述MV进行编解码所需的数据量,从而消除冗余并增强压缩。MV预测可以有效地进行,例如,因为当对从摄像机导出的输入视频信号(称为自然视频)进行编码时,存在统计似然性,即,比单个MV可应用的区域大的多个区域,在相似方向上运动,因此,在一些情况下可以使用从相邻区域的多个MV导出的相似运动矢量进行MV预测。这导致所找到的用于给定区域的MV,与从周围的MV预测得到的MV相似或相同,并且在熵编解码之后,又可以用比直接对MV编解码所用的比特数少的比特数来表示。在一些情况下,MV预测可以是对从原始信号(即:样本流)导出的信号(即:MV)的无损压缩的示例。在其它情况下,MV预测本身可以是有损的,例如,因为当从若干周围MV计算预测子时,会有舍入误差。
H.265/HEVC(ITU-T H.265建议书,“高效视频编解码(High Efficiency VideoCoding)”,2016年12月)中描述了各种MV预测机制。在H.265提供的多种MV预测机制中,本申请描述的是下文称作“空间合并”的技术。
参考图1,当前块(101)包括编码器在运动搜索过程中找到的样本,这些样本可以根据与当前块大小相同的、空间移位后的先前块进行预测。不是直接对MV编码,而是可以从与一个或多个参考图片相关联的元数据推导出MV,例如,从时间上最近的(按解码顺序)参考图片,使用与五个周围样本(表示为A0、A1、B0、B1、B2(分别为102至106))中任一样本相关联的MV推导出。在H.265中,MV预测所用的参考图片可以与相邻块所用的参考图片相同。
发明内容
本申请的各方面提供了用于视频编码/解码的方法装置。在一些示例中,一种用于视频解码的装置,包括:接收电路和处理电路。例如,处理电路从已编码视频码流中,解码出当前图片中当前块的预测信息。预测信息用于指示具有偏移的仿射合并模式。然后,处理电路从所述已编码视频码流中,解码出用于确定运动矢量差的一组偏移参数,将所述运动矢量差应用于所述当前块的基础预测子的多个控制点的第一运动矢量,以确定所述当前块的对应的多个控制点处的第二运动矢量。进而,处理电路基于所述当前块的对应的多个控制点处的第二运动矢量,确定仿射模型的参数,并根据所述仿射模型,重建所述当前块的至少一个样本。
在一些实施例中,所述处理电路从所述已编码视频码流中,解码出用于确定所述运动矢量差的偏移距离索引和偏移方向索引,并根据所述偏移距离索引,以及预定义的偏移距离索引与偏移距离映射关系,确定偏移距离。然后,处理电路根据所述偏移方向索引,以及预定义的偏移方向索引与偏移方向映射关系,确定偏移方向。
在一示例中,当使用四个参数的仿射模型时,处理电路将所述运动矢量差,应用于所述基础预测子的两个控制点。在另一示例中,当使用六个参数的仿射模型时,处理电路将所述运动矢量差应用于所述基础预测子的三个控制点。
在一个实施例中,所述处理电路将所述运动矢量差,应用于参考第一参考图片的所述第一运动矢量,以确定用于所述第一参考图片的所述第二运动矢量;以及将所述运动矢量差的镜像,应用于参考第二参考图片的、所述基础预测子的控制点的第三运动矢量,以确定参考所述第二参考图片的、所述当前块的所述对应的多个控制点处的第四运动矢量。
在另一实施例中,所述处理电路将所述运动矢量差应用于参考第一参考图片的所述第一运动矢量,以确定参考所述第一参考图片的所述第二运动矢量;以及当第二参考图片在所述当前图片的、与所述第一参考图片相反的一侧时,将所述运动矢量差的镜像,应用于参考所述第二参考图片的、所述基础预测子的控制点的第三运动矢量,以确定参考所述第二参考图片的、所述当前块的所述对应的多个控制点处的第四运动矢量。
在一些示例中,所述处理电路将所述运动矢量差应用于参考第一参考图片的所述第一运动矢量,以确定参考所述第一参考图片的所述第二运动矢量,并基于所述第一参考图片与所述当前图片的第一图片编号差,和第二参考图片与所述当前图片的第二图片编号差,计算缩放因子。此外,处理电路将根据所述缩放因子缩放的所述运动矢量差,应用于参考所述第二参考图片的、所述基础预测子的所述控制点的第三运动矢量,以确定参考所述第二参考图片的、所述当前块的所述对应的多个控制点处的第四运动矢量。
本申请的各方面提供了一种非易失性计算机可读介质,所述指令当由计算机执行以用于视频解码时,使得所述计算机执行所述视频解码方法。
附图说明
通过下文的详细描述和附图,本申请所公开主题的进一步特征、本质和各种优点将更加清楚,其中:
图1是一个示例中当前块及其周围空间合并候选的示意图。
图2是根据一个实施例的通信***(200)的简化框图的示意图。
图3是根据一个实施例的通信***(300)的简化框图的示意图。
图4是根据一个实施例的解码器的简化框图的示意图。
图5是根据一个实施例的编码器的简化框图的示意图。
图6示出了根据另一实施例的编码器的框图。
图7示出了根据另一实施例的解码器的框图。
图8示出了一些示例中的空间候选和时间候选的示例。
图9示出了根据本申请实施例的UMVE示例。
图10示出了根据本申请实施例的UMVE示例。
图11示出了具有仿射运动模型的块的示例。
图12示出了根据一些实施例的仿射变换的示例。
图13示出了当前块的控制点CP0和CP1的图。
图14示出了概述根据本申请一些实施例的方法的流程图。
图15示出了根据实施例的计算机***的示意图。
具体实施方式
图2图示了根据本申请公开的实施例的通信***(200)的简化框图。通信***(200)包括多个终端装置,所述终端装置可通过例如网络(250)彼此通信。举例来说,通信***(200)包括通过网络(250)互连的第一对终端装置(210)和(220)。在图2的示例中,第一对终端装置(210)和(220)执行单向数据传输。例如,终端装置(210)可对视频数据(例如由终端装置(210)采集的视频图片流)进行编码,以通过网络(250)传输到另一终端装置(220)。已编码视频数据可以以一个或多个已编码视频码流的形式传输。终端装置(220)可从网络(250)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。单向数据传输可能在媒体服务等应用中比较常见。
在另一示例中,通信***(200)包括执行已编码视频数据的双向传输的第二对终端装置(230)和(240),所述双向传输可例如在视频会议期间发生。对于双向数据传输,终端装置(230)和终端装置(240)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(250)传输到终端装置(230)和终端装置(240)中的另一终端装置。终端装置(230)和终端装置(240)中的每个终端装置还可接收由终端装置(230)和终端装置(240)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2的示例中,终端装置(210)、终端装置(220)、终端装置(230)和终端装置(240)可能图示为服务器、个人计算机和智能电话,但本申请公开的原理可不限于此。本申请公开的实施例适用于膝上型计算机、平板电脑、媒体播放器和/或专用视频会议设备。网络(250)表示在终端装置(210)、终端装置(220)、终端装置(230)和终端装置(240)之间传送已编码视频数据的任何数目的网络,包括例如有线(连线的)和/或无线通信网络。通信网络(250)可在电路交换和/或分组交换信道中交换数据。该网络可包括电信网络、局域网、广域网和/或互联网。出于本论述的目的,除非在下文中有所解释,否则网络(250)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。
作为本申请所公开主题应用的示例,图3示出了视频编码器和视频解码器在流式传输环境中的放置方式。本申请所公开主题可同等地适用于其它支持视频的应用,包括例如视频会议、数字TV、在包括CD、DVD、存储棒等的数字介质上存储压缩视频等等。
流式传输***可包括采集子***(313),所述采集子***可包括数码相机等视频源(301),所述视频源创建例如未压缩的视频图片流(302)。在一个示例中,视频图片流(302)包括由数码相机拍摄的样本。相较于已编码的视频数据(304)(或已编码的视频码流),视频图片流(302)描绘为粗线,以强调高数据量的视频图片流,视频图片流(302)可由电子装置(320)处理,所述电子装置(320)包括耦接到视频源(301)的视频编码器(303)。视频编码器(303)可包括硬件、软件或软硬件组合,以实现或实施如下文更详细地描述的所公开主题的各方面。相较于视频图片流(302),已编码的视频数据(304)(或已编码的视频码流(304))描绘为细线,以强调较低数据量的已编码的视频数据(304)(或已编码的视频码流(304)),其可存储在流式传输服务器(305)上以供将来使用。一个或多个流式传输客户端子***,例如图3中的客户端子***(306)和客户端子***(308),可访问流式传输服务器(305),以检索已编码的视频数据(304)的副本(307)和副本(309)。客户端子***(306)可包括例如电子装置(330)中的视频解码器(310)。视频解码器(310)对已编码的视频数据的传入副本(307)进行解码,且产生可在显示器(312)(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(311)。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(304)、视频数据(307)和视频数据(309)(例如视频码流)进行编码。该些标准的实施例包括ITU-T H.265。在一个示例中,正在开发的视频编码标准非正式地称为多功能视频编码(Versatile Video Coding,VVC),本申请可用于VVC标准的上下文中。
应注意,电子装置(320)和电子装置(330)可包括其它组件(未示出)。举例来说,电子装置(320)可包括视频解码器(未示出),且电子装置(330)还可包括视频编码器(未示出)。
图4是根据本申请公开的实施例的视频解码器(410)的框图。视频解码器(410)可设置在电子装置(430)中。电子装置(430)可包括接收器(431)(例如,接收电路)。视频解码器(410)可用于代替图3示例中的视频解码器(310)。
接收器(431)可接收将由视频解码器(410)解码的一个或多个已编码视频序列;在同一实施例或另一实施例中,一次接收一个已编码视频序列,其中每个已编码视频序列的解码独立于其它已编码视频序列。可从信道(401)接收已编码视频序列,所述信道可以是通向存储已编码的视频数据的存储装置的硬件/软件链路。接收器(431)可接收已编码的视频数据以及其它数据,例如,可转发到它们各自的使用实体(未标示)的已编码音频数据和/或辅助数据流。接收器(431)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(415)可耦接在接收器(431)与熵解码器/解析器(420)(此后称为“解析器(420)”)之间。在某些应用中,缓冲存储器(415)是视频解码器(410)的一部分。在其它情况下,所述缓冲存储器(415)可设置在视频解码器(410)外部(未标示)。而在其它情况下,视频解码器(410)的外部设置缓冲存储器(未标示),以例如防止网络抖动,且在视频解码器(410)的内部可配置另一缓冲存储器(415),以例如处理播出定时。而当接收器(431)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(415),或可以将所述缓冲存储器做得较小。为了在互联网等尽力而为业务分组网络上使用,也可能需要缓冲存储器(415),所述缓冲存储器可相对较大且可具有自适应性大小,且可至少部分地实施于操作***或视频解码器(410)外部的类似元件(未标示)中。
视频解码器(410)可包括解析器(420),以根据已编码视频序列重建符号(421)。这些符号的类别包括用于管理视频解码器(410)的操作的信息,以及用以控制显示装置(412)(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(430)的组成部分,但可耦接到电子装置(430),如图4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(420)可对接收到的已编码视频序列进行解析/熵解码。已编码视频序列的编码可根据视频编码技术或标准进行,且可遵循各种原理,包括可变长度编码、霍夫曼编码(Huffman coding)、具有或不具有上下文灵敏度的算术编码等等。解析器(420)可基于对应于群组的至少一个参数,从已编码视频序列提取用于视频解码器中的像素的子群中的至少一个子群的子群参数集。子群可包括图片群组(Group of Pictures,GOP)、图片、图块(tile)、切片(slice)、宏块、编码单元(CodingUnit,CU)、块、变换单元(Transform Unit,TU)、预测单元(Prediction Unit,PU)等等。解析器(420)还可从已编码视频序列提取信息,例如变换系数、量化器参数值、运动矢量等等。
解析器(420)可对从缓冲存储器(415)接收的视频序列执行熵解码/解析操作,从而创建符号(421)。
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(421)的重建可涉及多个不同单元。涉及哪些单元以及涉及方式可由解析器(420)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(420)与下文的多个单元之间的此类子群控制信息流。
除已经提及的功能块以外,视频解码器(410)可在概念上细分成如下文所描述的数个功能单元。在商业约束下运行的实际实施例中,这些单元中的许多单元彼此紧密交互并且可以彼此集成。然而,出于描述所公开主题的目的,概念上细分成下文的功能单元是适当的。
第一单元是缩放器/逆变换单元(451)。缩放器/逆变换单元(451)从解析器(420)接收作为符号(421)的量化变换系数以及控制信息,包括使用哪种变换方式、块大小、量化因子、量化缩放矩阵等。缩放器/逆变换单元(451)可输出包括样本值的块,所述样本值可输入到聚合器(455)中。
在一些情况下,缩放器/逆变换单元(451)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(452)提供。在一些情况下,帧内图片预测单元(452)采用从当前图片缓冲器(458)提取的已重建信息生成大小和形状与正在重建的块相同的周围块。举例来说,当前图片缓冲器(458)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(455)基于每个样本,将帧内预测单元(452)生成的预测信息添加到由缩放器/逆变换单元(451)提供的输出样本信息中。
在其它情况下,缩放器/逆变换单元(451)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(453)可访问参考图片存储器(457)以提取用于预测的样本。在根据符号(421)对提取的样本进行运动补偿之后,这些样本可由聚合器(455)添加到缩放器/逆变换单元(451)的输出(在这种情况下被称作残差样本或残差信号),从而生成输出样本信息。运动补偿预测单元(453)从参考图片存储器(457)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(421)的形式而供运动补偿预测单元(453)使用,所述符号(421)例如是包括X、Y和参考图片分量。运动补偿还可包括在使用子样本精确运动矢量时,从参考图片存储器(457)提取的样本值的插值、运动矢量预测机制等等。
聚合器(455)的输出样本可在环路滤波器单元(456)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(420)的符号(421)可用于环路滤波器单元(456)。然而,在其它实施例中,视频压缩技术还可响应于在解码已编码图片或已编码视频序列的先前(按解码次序)部分期间获得的元信息,以及响应于先前重建且经过环路滤波的样本值。
环路滤波器单元(456)的输出可以是样本流,所述样本流可输出到显示装置(412)以及存储在参考图片存储器(457),以用于后续的帧间图片预测。
一旦完全重建,某些已编码图片就可用作参考图片以用于将来预测。举例来说,一旦对应于当前图片的已编码图片被完全重建,且已编码图片(通过例如解析器(420))被识别为参考图片,则当前图片缓冲器(458)可变为参考图片存储器(457)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(410)可根据例如ITU-T H.265标准中的预定视频压缩技术执行解码操作。在已编码视频序列遵循视频压缩技术或标准的语法以及视频压缩技术或标准中记录的配置文件的意义上,已编码视频序列可符合所使用的视频压缩技术或标准指定的语法。具体地说,配置文件可从视频压缩技术或标准中可用的所有工具中选择某些工具作为在所述配置文件下可供使用的仅有工具。对于合规性,还要求已编码视频序列的复杂度处于视频压缩技术或标准的层级所限定的范围内。在一些情况下,层级限制最大图片大小、最大帧率、最大重建取样率(以例如每秒兆(mega)个样本为单位进行测量)、最大参考图片大小等。在一些情况下,由层级设定的限制可通过假想参考解码器(Hypothetical ReferenceDecoder,HRD)规范和在已编码视频序列中用信号表示的HRD缓冲器管理的元数据来进一步限定。
在实施例中,接收器(431)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(410)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5是根据本申请公开的实施例的视频编码器(503)的框图。视频编码器(503)设置于电子装置(520)中。电子装置(520)包括传输器(540)(例如传输电路)。视频编码器(503)可用于代替图3实施例中的视频编码器(303)。
视频编码器(503)可从视频源(501)(并非图5示例中的电子装置(520)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(503)编码的视频图像。在另一实施例中,视频源(501)是电子装置(520)的一部分。
视频源(501)可提供将由视频编码器(503)编码的呈数字视频样本流形式的源视频序列,所述数字视频样本流可具有任何合适位深度(例如:8位、10位、12位……)、任何色彩空间(例如BT.601Y CrCB、RGB……)和任何合适取样结构(例如Y CrCb 4:2:0、Y CrCb 4:4:4)。在媒体服务***中,视频源(501)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(501)可以是采集本地图像信息作为视频序列的相机。可将视频数据提供为多个单独的图片,当按顺序观看时,这些图片被赋予运动。图片自身可构建为空间像素阵列,其中取决于所用的取样结构、色彩空间等,每个像素可包括一个或多个样本。所属领域的技术人员可以很容易理解像素与样本之间的关系。下文侧重于描述样本。
根据实施例,视频编码器(503)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(543)。施行适当的编码速度是控制器(550)的一个功能。在一些实施例中,控制器(550)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(550)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(550)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(503)。
在一些实施例中,视频编码器(503)在编码环路中进行操作。作为简单的描述,在一个示例中,编码环路可包括源编码器(530)(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(503)中的(本地)解码器(533)。解码器(533)以类似于(远程)解码器创建样本数据的方式重建符号,以创建样本数据(因为在本申请所公开的主题所考虑的视频压缩技术中,符号与已编码视频码流之间的任何压缩是无损的)。将重建的样本流(样本数据)输入到参考图片存储器(534)。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(534)中的内容在本地编码器与远程编码器之间也是按比特位精确对应的。换句话说,编码器的预测部分“看到”的参考图片样本与解码器将在解码期间使用预测时所“看到”的样本值完全相同。这种参考图片同步性基本原理(以及在例如因信道误差而无法维持同步性的情况下产生的漂移)也用于一些相关技术。
“本地”解码器(533)的操作可与例如已在上文结合图4详细描述视频解码器(410)的“远程”解码器相同。然而,另外简要参考图4,当符号可用且熵编码器(545)和解析器(420)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(415)和解析器(420)在内的视频解码器(410)的熵解码部分,可能不完全在本地解码器(533)中实施。
此时可以观察到,除存在于解码器中的解析/熵解码之外的任何解码器技术,也必定以基本上相同的功能形式存在于对应的编码器中。出于此原因,本申请侧重于解码器操作。可简化编码器技术的描述,因为编码器技术与全面地描述的解码器技术互逆。仅在某些区域中需要更详细的描述,并且在下文提供。
在操作期间,在一些实施例中,源编码器(530)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(532)对输入图片的像素块与参考图片的像素块之间的差值进行编码,所述参考图片可被选作所述输入图片的预测参考。
本地视频解码器(533)可基于源编码器(530)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(532)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5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(533)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(534)中。以此方式,视频编码器(503)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(535)可针对编码引擎(532)执行预测搜索。即,对于将要编码的新图片,预测器(535)可在参考图片存储器(534)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(535)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(535)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(534)中存储的多个参考图片取得的预测参考。
控制器(550)可管理源编码器(530)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(545)中对所有上述功能单元的输出进行熵编码。熵编码器(545)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(540)可缓冲由熵编码器(545)创建的已编码视频序列,从而为通过通信信道(560)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(540)可将来自视频编码器(503)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(550)可管理视频编码器(503)的操作。在编码期间,控制器(550)可以为每个已编码图片分配某一已编码图片类型,但这可能影响可应用于相应的图片的编码技术。例如,通常可将图片分配为以下任一种图片类型:
帧内图片(I图片),其可以是不将序列中的任何其它图片用作预测源就可被编码和解码的图片。一些视频编解码器容许不同类型的帧内图片,包括例如独立解码器刷新(Independent Decoder Refresh,“IDR”)图片。所属领域的技术人员了解I图片的变体及其相应的应用和特征。
预测性图片(P图片),其可以是可使用帧内预测或帧间预测进行编码和解码的图片,所述帧内预测或帧间预测使用至多一个运动矢量和参考索引来预测每个块的样本值。
双向预测性图片(B图片),其可以是可使用帧内预测或帧间预测进行编码和解码的图片,所述帧内预测或帧间预测使用至多两个运动矢量和参考索引来预测每个块的样本值。类似地,多个预测性图片可使用多于两个参考图片和相关联元数据以用于重建单个块。
源图片通常可在空间上细分成多个样本块(例如,4×4、8×8、4×8或16×16个样本的块),且逐块进行编码。这些块可参考其它(已编码)块进行预测编码,根据应用于块的相应图片的编码分配来确定所述其它块。举例来说,I图片的块可进行非预测编码,或所述块可参考同一图片的已经编码的块来进行预测编码(空间预测或帧内预测)。P图片的像素块可参考一个先前编码的参考图片通过空间预测或通过时域预测进行预测编码。B图片的块可参考一个或两个先前编码的参考图片通过空间预测或通过时域预测进行预测编码。
视频编码器(503)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(503)可执行各种压缩操作,包括利用输入视频序列中的时间和空间冗余的预测编码操作。因此,已编码视频数据可符合所用视频编码技术或标准指定的语法。
在实施例中,传输器(540)可传输附加数据和已编码的视频。源编码器(530)可以包括此类数据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当前图片中的块进行编码。所述运动矢量指向参考图片中的参考块,且在使用多个参考图片的情况下,所述运动矢量可具有识别参考图片的第三维度。
在一些实施例中,双向预测技术可用于帧间图片预测中。根据双向预测技术,使用两个参考图片,例如按解码次序均在视频中的当前图片之前(但按显示次序可能分别是过去和将来)第一参考图片和第二参考图片。可通过指向第一参考图片中的第一参考块的第一运动矢量和指向第二参考图片中的第二参考块的第二运动矢量对当前图片中的块进行编码。可通过第一参考块和第二参考块的组合来预测所述块。
此外,合并模式技术可用于帧间图片预测中以改善编码效率。
根据本申请公开的一些实施例,帧间图片预测和帧内图片预测等预测的执行以块为单位。举例来说,根据HEVC标准,将视频图片序列中的图片分割成编码树单元(codingtree unit,CTU)以用于压缩,图片中的CTU具有相同大小,例如64×64像素、32×32像素或16×16像素。一般来说,CTU包括三个编码树块(coding tree block,CTB),所述三个编码树块是一个亮度CTB和两个色度CTB。更进一步的,还可将每个CTU以四叉树拆分为一个或多个编码单元(coding unit,CU)。举例来说,可将64×64像素的CTU拆分为一个64×64像素的CU,或4个32×32像素的CU,或16个16×16像素的CU。在实施例中,分析每个CU以确定用于CU的预测类型,例如帧间预测类型或帧内预测类型。此外,取决于时间和/或空间可预测性,将CU拆分为一个或多个预测单元(prediction unit,PU)。通常,每个PU包括亮度预测块(prediction block,PB)和两个色度PB。在实施例中,编码(编码/解码)中的预测操作以预测块为单位来执行。以亮度预测块作为预测块为例,预测块包括像素值(例如,亮度值)的矩阵,例如8×8像素、16×16像素、8×16像素、16×8像素等等。
图6示出了根据本申请公开的另一实施例的视频编码器(603)的图。视频编码器(603)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(603)用于代替图3示例中的视频编码器(303)。
在HEVC示例中,视频编码器(603)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(603)使用例如率失真(rate-distortion,RD)优化来确定是否使用帧内模式、帧间模式或双向预测模式来编码所述处理块。当在帧内模式中编码处理块时,视频编码器(603)可使用帧内预测技术以将处理块编码到已编码图片中;且当在帧间模式或双向预测模式中编码处理块时,视频编码器(603)可分别使用帧间预测或双向预测技术将处理块编码到已编码图片中。在某些视频编码技术中,合并模式可以是帧间图片预测子模式,其中,在不借助预测值外部的已编码运动矢量分量的情况下,从一个或多个运动矢量预测值导出运动矢量。在某些其它视频编码技术中,可存在适用于主题块的运动矢量分量。在实施例中,视频编码器(603)包括其它组件,例如用于确定处理块模式的模式决策模块(未示出)。
在图6的示例中,视频编码器(603)包括如图6所示的耦接到一起的帧间编码器(630)、帧内编码器(622)、残差计算器(623)、开关(626)、残差编码器(624)、通用控制器(621)和熵编码器(625)。
帧间编码器(630)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,参考图片是基于已编码的视频信息解码的已解码参考图片。
帧内编码器(622)用于接收当前块(例如处理块)的样本、在一些情况下比较所述块与同一图片中已编码的块、在变换之后生成量化系数、以及在一些情况下还(例如根据一个或多个帧内编码技术的帧内预测方向信息)生成帧内预测信息。在一个示例中,帧内编码器(622)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(621)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(603)的其它组件。在实施例中,通用控制器(621)确定块的模式,且基于所述模式将控制信号提供到开关(626)。举例来说,当所述模式是帧内模式时,通用控制器(621)控制开关(626)以选择供残差计算器(623)使用的帧内模式结果,且控制熵编码器(625)以选择帧内预测信息且将所述帧内预测信息添加在码流中;以及当所述模式是帧间模式时,通用控制器(621)控制开关(626)以选择供残差计算器(623)使用的帧间预测结果,且控制熵编码器(625)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(623)用于计算所接收的块与选自帧内编码器(622)或帧间编码器(630)的预测结果之间的差(残差数据)。残差编码器(624)用于基于残差数据操作,以对残差数据进行编码以生成变换系数。在实施例中,残差编码器(624)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(603)还包括残差解码器(628)。残差解码器(628)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(622)和帧间编码器(630)使用。举例来说,帧间编码器(630)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(622)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(625)用于将码流格式化以产生已编码的块。熵编码器(625)根据HEVC标准等合适标准产生各种信息。在实施例中,熵编码器(625)用于获得通用控制数据、所选预测信息(例如帧内预测信息或帧间预测信息)、残差信息和码流中的其它合适的信息。应注意,根据所公开的主题,当在帧间模式或双向预测模式的合并子模式中对块进行编码时,不存在残差信息。
图7示出了根据本申请公开的另一实施例的视频解码器(710)的图。视频解码器(710)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。在一个示例中,视频解码器(710)用于代替图3示例中的视频解码器(310)。
在图7的示例中,视频解码器(710)包括如图7中所示耦接到一起的熵解码器(771)、帧间解码器(780)、残差解码器(773)、重建模块(774)和帧内解码器(772)。
熵解码器(771)可用于根据已编码图片来重建某些符号,这些符号表示构成所述已编码图片的语法元素。此类符号可包括例如用于对所述块进行编码的模式(例如帧内模式、帧间模式、双向预测模式、后两者的合并子模式或另一子模式)、可分别识别供帧内解码器(772)或帧间解码器(780)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。在一个示例中,当预测模式是帧间或双向预测模式时,将帧间预测信息提供到帧间解码器(780);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(772)。残差信息可经由逆量化并提供到残差解码器(773)。
帧间解码器(780)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(772)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(773)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(773)还可能需要某些控制信息(用以获得量化器参数QP),且所述信息可由熵解码器(771)提供(未标示数据路径,因为这仅仅是低量控制信息)。
重建模块(774)用于在空间域中组合由残差解码器(773)输出的残差与预测结果(可由帧间预测模块或帧内预测模块输出)以形成重建的块,所述重建的块可以是重建的图片的一部分,所述重建的图片继而可以是重建的视频的一部分。应注意,可执行解块操作等其它合适的操作来改善视觉质量。
应注意,可使用任何合适的技术来实施视频编码器(303)、视频编码器(503)和视频编码器(603)以及视频解码器(310)、视频解码器(410)和视频解码器(710)。在实施例中,可使用一个或多个集成电路来实施视频编码器(303)、视频编码器(503)和视频编码器(603)以及视频解码器(310)、视频解码器(410)和视频解码器(710)。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(303)、视频编码器(503)和视频编码器(503)以及视频解码器(310)、视频解码器(410)和视频解码器(710)。
本申请的各方面提供了使用预测偏移来简化仿射运动补偿的技术。
一般来说,一个块的运动矢量可以是用显式方式进行编解码,以用信号表示该块的运动矢量与运动矢量预测子(predictor)之差(例如,高级运动矢量预测或AMVP模式);或者是用隐式方式进行编解码,以完全由一个先前已编码的运动矢量或已生成的运动矢量,指示所述块的运动矢量。后者称为合并模式,意思是,通过使用当前块的运动信息,将当前块合并到先前已编码块之中。
合并模式和AMVP模式两者均在解码期间构建候选列表。
图8示出了在一些示例中的空间候选和时间候选的示例。
对于帧间预测中的合并模式,主要通过检查当前块的空间(spatial)相邻块或时间(temporal)相邻块的运动信息,来形成候选列表中的合并候选。在图8的示例中,按顺序检查候选块A1、B1、B0、A0和B2。当这些候选块中的任一个是有效候选块时,例如,是用运动矢量进行了编解码的,则可以将该有效候选块的运动信息,添加到合并候选列表中。可以执行一些修剪操作,以确保不会将重复的候选,再次放入所述合并候选列表中。候选块A1、B1、B0、A0和B2靠近当前块的各个角,因此称为角候选。
在空间候选之后,还将时间候选加入到合并候选列表中。在一些示例中,找到当前块在指定参考图片中的同位块(co-located block)。使用该同位块的C0位置(当前块的右下角)处的运动信息,作为时间合并候选。如果该位置处的块并非以帧间模式编解码,或不可用,则改为使用C1位置(在同位块的中心的外部右下角)的运动信息。本申请提供进一步改进合并模式的技术。
HEVC中的高级运动矢量预测(AMVP)模式是指,使用空间相邻块和时间相邻块的运动信息来预测当前块的运动信息,而进一步对预测残差进行编解码。空间相邻候选和时间相邻候选的示例也在图8中示出。
在一些实施例中,在AMVP模式下,形成一个两-候选运动矢量的预测子列表。例如,该列表包括第一候选预测子和第二候选预测子。第一候选预测子来自于左边缘的第一个可用运动矢量,按空间A0位置、A1位置的顺序。第二候选预测子来自于上边缘的第一个可用运动矢量,按空间B0位置、B1位置和B2位置的顺序。如果未能从所检查的左边缘位置或上边缘位置找到有效的运动矢量,则列表中将不填充候选。如果两个可用候选是相同的,则在列表中仅保留一个。如果列表未填满(填满时具有两个不同的候选),则使用来自C0位置的时间同位运动矢量(在缩放之后),作为另一候选。如果C0位置处的运动信息不可用,则改为使用C1位置处的运动信息。
在一些示例中,如果列表中仍然没有足够的候选运动矢量预测子,则使用零运动矢量来填充。
在一些实施例中,可以在已有的合并候选之上,用信号表示预测偏移。例如,称为最终运动矢量表达(UMVE)的技术,使用特殊的合并模式,在该特殊的合并模式下,用信号表示在已有的合并候选之上的偏移(幅度和方向两者)。在该技术中,用信号表示一些语法元素,诸如,预测方向IDX、基础候选IDX、距离IDX、搜索方向IDX等,以描述这种偏移。例如,预测方向IDX用于指示,将各个预测方向中的哪个预测方向(时间预测方向,例如,L0参考方向、L1参考方向、或L0参考方向和L1参考方向),用于UMVE模式。基础候选IDX用于指示,使用各个已有合并候选中的哪个合并候选,作为起始点(基础候选)来应用所述偏移。距离IDX用于指示,所述偏移与起始点的距离(沿x方向或y方向,但不沿着两者方向)。偏移幅度是从固定数目的选项中选择的。搜索方向IDX,用于指示应用所述偏移的方向(x方向或y方向,+方向或-方向)。
在一示例中,假设起始点MV是MV_S,偏移是MV_offset,则最终MV预测子将是MV_final=MV_S+MV_offset。
图9示出了根据本申请实施例的UMVE的示例。在一示例中,在图9中,起始点MV由(911)示出(例如,根据预测方向IDX和基础候选IDX),偏移由(912)示出(例如,根据距离IDX和搜索方向IDX),最终MV预测子由(913)示出。在另一示例中,在图9中,起始点MV由(921)示出(例如,根据预测方向IDX和基础候选IDX),偏移由(922)示出(例如,根据距离IDX和搜索方向IDX),最终MV预测值由923示出。
图10示出了根据本申请实施例的UMVE的示例。例如,起始点MV由(1011)示出(例如,根据预测方向IDX和基础候选IDX)。在图10的示例中,使用4个搜索方向,诸如,+Y、-Y、+X和-X,这四个搜索方向可以由0、1、2、3来索引。距离可以由0(到起始点MV的距离为0)、1(到起始点MV的距离为1s)、2(到起始点MV的距离为2s)、3(到起始点的距离为3s)等来索引。因此,当搜索方向IDX是3,距离IDX是2时,最终MV预测子示为1015。
在另一示例中,搜索方向和距离可以组合用于索引。例如,起始点MV由(1021)示出(例如,根据预测方向IDX和基础候选IDX)。搜索方向和距离组合起来,由0至12索引,如图10所示。
根据本申请的一个方面,通过描述编码块的6个参数的仿射模型(或简化的4个参数的仿射模型),仿射运动补偿可以有效地预测当前块内样本的运动信息。更具体地,在已仿射编码块或所描述的编码块中,不同部分的样本可以具有不同的运动矢量。在已仿射编码块或所描述的块中,具有运动矢量的基础单元称为子块。子块的大小可以小至仅有1个样本,并且可以大至和当前块的大小一样。
当确定了仿射模式时,对于当前块中的每个样本,可以使用该模型(例如,6个参数的仿射运动模型或4个参数的仿射运动模型),推导出该样本的运动矢量(相对于目标参考图片的运动矢量)。为了降低实施的复杂度,仿射运动补偿是在子块的基础上执行,而不是在样本的基础上执行。这意味着,将推导出每个子块的运动矢量,并且对于每个子块中的样本,运动矢量是相同的。假设每个子块的特定位置(例如,子块的左上角或中心点)是代表位置。在一示例中,这样的子块具有4×4样本的大小。
通常,仿射运动模型具有6个参数来描述块的运动信息。在仿射变换之后,矩形块将变为平行四边形。在一示例中,已仿射编码块的6个参数可由块的三个不同位置处的3个运动矢量表示。
图11示出了具有仿射运动模型的块(1100)的示例。块(1100)使用三个角位置A、B和C处的运动矢量和/>描述块(1100)所用的仿射运动模型的运动信息。这些位置A、B和C称为控制点。
在一个简化的示例中,仿射运动模型基于,仿射变换之后块的形状不会改变的假设,使用4个参数来描述块的运动信息。因此,在变换之后,矩形块将保持矩形形状和相同的纵横比(例如,高度/宽度)。这种块的仿射运动模型可以由两个不同位置(例如,角位置A和角位置B)处的两个运动矢量来表示。
图12示出了6个参数的仿射模式(使用6个参数的仿射模型)和4个参数的仿射模式(使用4个参数的仿射模型)的仿射变换的示例。
在一示例中,当假设对象仅具有变焦和平移运动,或者对象仅具有旋转和平移模型时,则可以进一步将仿射运动模型简化为3个参数的仿射运动模型,用两个参数来指示平移部分,并用一个参数来指示变焦的缩放因子或旋转的角度因子。
根据本申请的一个方面,当使用仿射运动补偿时,可以使用两种信令技术。这两种信令技术称为基于合并模式的信令技术和基于残差(AMVP)模式的信令技术。
对于基于合并模式的信令技术,当前块的仿射信息是从先前已仿射编码块预测得到的。在一种方法中,假设当前块和参考块是在相同的仿射对象中,使得可以从参考块的模型,导出当前块的控制点处的MV。当前块其它位置处的MV可以仅进行线性修改,修改方式与参考块中从一个控制点到另一个控制点的修改方式相同。该方法称为基于模型的仿射预测。在另一种方法中,直接使用相邻块的运动矢量,作为当前块的控制点处的运动矢量。然后,使用控制点的信息,生成当前块其它部分的运动矢量。该方法称为基于控制点的仿射预测。在上述两种方法的任一方法中,不需要用信号表示当前块的MV的残差分量。换句话说,假设这些MV的残差分量为零。
对于基于残差(AMVP)模式的信令技术,要预测仿射参数或当前块的控制点处的MV。因为要预测一个以上的运动矢量,所以,将所有控制点处的运动矢量的候选列表,按分组的方式组织,使得列表中的每个候选,包括一组所有控制点的运动矢量预测子。例如,候选1={控制点A的预测子,控制点B的预测子,控制点C的预测子};候选2={控制点A的预测子,控制点B的预测子,控制点C的预测子},等等。不同候选中,相同控制点的预测子可以相同或不同。运动矢量预测子标志(mvp_l0_flag用于列表0,或者mvp_l1_flag用于列表1)将用于指示从列表中选择哪个候选。在预测之后,要用信号表示参数的残差部分,或控制点处的实际MV与MV预测子之差。每个控制点处的MV预测子还可以来自于其近邻之一的基于模型的仿射预测,并且可以使用上述针对仿射合并模式描述的方法。
在一些相关方法中,一个块的仿射参数可以是纯粹从相邻块的仿射模型或控制点的MV预测子导出,或者是从显式地用信号表示的控制点处的MV差导出。然而,在许多情况下,仿射参数的非平移部分非常接近于零。使用无限制MV差编解码方法,用信号表示仿射参数,会有冗余。
本申请的各方面提供了新的技术,以更好地表示仿射运动参数,因而提高了仿射运动补偿的编解码效率。更具体地,为了以更有效的方式预测仿射模型参数,以与常规帧间预测已编码块相同、或类似的方式,使用运动矢量预测来表示块的平移参数。例如,可以从合并候选中指示平移参数。对于非平移部分,诸如旋转参数和变焦参数之类的一些典型使用的参数,是用一组固定的偏移值预先确定的。可以将这些值认为是在默认值附近的一些修正或偏移。编码器可以从这些值中评估一个最佳选项,并将该选择的索引,用信号通知给解码器。解码器然后使用1)已解码的平移运动矢量,和2)选定的非平移参数的索引,恢复仿射模型参数。
在以下描述中,使用4个参数的仿射模型作为示例,以下描述中所描述的方法可扩展到其它运动模型或具有不同数目的参数的仿射模型,例如6个参数的仿射模型等。在下面的一些描述中,所使用的模型可能不总是仿射模型,而可能是其它类型的运动模型。
在示例中,描述了4个参数的仿射模型,例如如等式1所示。
其中,ρ是变焦的缩放因子,θ是旋转的角度因子,(c,f)是用于描述平移运动的运动矢量。(x,y)是当前图片中的像素位置,(x',y')是参考图片中的对应像素位置。
设a=ρcosθ,b=ρsinθ,等式1可以变成以下形式,如等式2所示。
因此,4个参数的仿射模型可以由一组基于模型的参数{ρ,θ,c,f}或者{a,b,c,f}表示。
根据等式2,像素位置(x,y)处的运动矢量(MVx,MVy),可以如等式3中所描述。
其中,a’等于(a-1),MVx是水平运动矢量值,MVy是垂直运动矢量值。
在一些示例中,4个参数的仿射模型还可以由块的两个控制点CP0和CP1的运动矢量表示。类似地,可能需要三个控制点来表示6个参数的仿射模型。
图13示出了图示当前块的控制点CP0和CP1的图。
使用两个控制点CP0和CP1时,当前块中的位置(x,y)处的运动矢量可以使用等式4导出:
其中,(v0x,v0y)是左上角控制点CP0的运动矢量,如图13所描绘,(v1x,v1y)是右上角控制点CP1的运动矢量,如图13所描绘。在基于控制点的模型的示例中,块的仿射模型可以表示为{v0x,v0y,v1x,v1y,}。
在一些相关示例中,一个块的仿射参数可以是纯粹从相邻块的仿射模型或控制点的MV预测子导出,或者是从显式地用信号表示的控制点处的MV差导出。然而,在许多情况下,仿射参数的非平移部分非常接近于零。使用无限制MV差编解码方法,用信号表示仿射参数,会有冗余。为了提高编解码效率,开发了新的技术,以更好地表示仿射运动参数。
本申请的各方面提供了用于提高仿射合并和仿射运动矢量编解码的编解码效率的技术。这些技术可以用于高级视频编解码器中,以改进仿射帧间预测的编解码性能。这里的运动矢量可以指块模式(常规运动矢量,其中,一个完整块使用一组运动信息),例如HEVC标准中的合并候选。这里的运动矢量还可以指子块模式(对于一个块的不同部分,可以应用不同组的运动信息),例如,VVC中的仿射模式和高级时间MV预测(ATMVP)。
值得注意的是,本申请所提出的方法可以单独使用,或以任何顺序组合使用。在接下来的描述中,术语“块”可以理解为预测块、编码块或编码单元(即,CU)。本申请提出了,基于2个角或3个角处的控制点运动矢量(CPMV),预测当前块的仿射模型。在使用基于模型的仿射合并预测方法、或基于构建的控制点的仿射合并预测方法,预测CPMV之后,可以选择可用的仿射合并候选,作为基础预测子。
在一些实施例中,用信号通知一个标志,例如,affine_merge_with_offset使用标志,以指示是否使用本申请所提出的方法。当affine_merge_with_offset使用标志表示使用本申请所提出的方法时,则可以基于预定义的值或用信号通知的值,确定待从中选择的基础预测候选的数目(例如,仿射合并候选的数目)。在一示例中,基础预测子候选的数目是预定义的默认值,该预定义的默认值是编码器和解码器都知道、并且之后使用的。在另一示例中,编码器侧确定基础预测子候选的数目,并在已编码视频码流中(例如,但不限于在序列参数集(SPS)、图片参数集(PPS)或条带头中),用信号表示基础预测子候选的数目。
在一示例中,当基础预测子候选的数目为1时,不在已编码视频码流中用信号表示基础预测子索引,而使用第一可用仿射合并候选,作为基础预测子。当基础预测子候选的数目大于1时,在已编码视频码流中用信号表示基础预测子索引,以指示使用哪个仿射合并候选,作为基础预测子。
在确定基础预测子之后,可以使用基础预测子的CPMV值作为起始点,并且可以将距离偏移值加在CPMV值之上,生成当前块的CPMV值。
偏移值可以由偏移参数确定。在一些示例中,偏移参数可以以偏移方向索引和偏移距离索引的形式提供。例如,用信号表示偏移方向索引,以指示可以将偏移应用到CPMV的哪个分量上。可以是在CPMV的水平方向和/或垂直方向上。在一实施例中,如下表1所示,对于每个控制点,可以有4个偏移方向,其中,仅x方向或y方向具有MV差,但不是两个方向上均有:
表1:偏移方向IDX到偏移方向的映射
偏移方向IDX 00 01 10 11
X轴 +1 -1 0 0
Y轴 0 0 +1 -1
在另一实施例中,没有仅x或仅y具有MV差这样的限制,则偏移方向IDX的表格可变为如表2所示,可以使用八个偏移方向中的一个:
表2:偏移方向IDX到偏移方向的映射
用信号表示偏移距离索引,以指示要施加在CPMV上的偏移距离的量。在一示例中,偏移距离索引是以像素距离的形式用信号表示。在一些实施例中,使用偏移距离表,并且根据偏移距离表,将每个偏移距离索引均映射到偏移距离(以像素为单位)上。偏移距离值可以是整数值或分数值。偏移距离值指示要应用于基础预测子的运动矢量值上的偏移。
在一示例中,大小为4的偏移距离表如表3所示。表3中的偏移距离值为{1/2,1,2,4}(以像素为单位)。
表3:偏移距离IDX到偏移距离的映射
偏移距离IDX 0 1 2 3
偏移距离 1/2-样本 1-样本 2-样本 4-样本
在另一示例中,大小为5的偏移距离表如表4所示。表4中的偏移距离值{1/2,1,2,4,8}(以像素为单位)。
表4:偏移距离IDX到偏移距离的映射
偏移距离IDX 0 1 2 3 4
偏移距离 1/2-样本 1-样本 2-样本 4-样本 8-样本
在另一示例中,具有8个索引的偏移距离值的映射在表5中示出。偏移距离值在1/4像素到32像素的范围之内。
表5:偏移距离IDX到偏移距离的映射
距离索引的数目和/或与每个距离索引对应的像素距离的值,可以具有不同范围内的不同值,它们不受前述示例的限制。
在一个实施例中,可针对所有控制点,仅用信号通知偏移方向索引和偏移距离索引一次,并且可以将相同的偏移距离应用于相同偏移方向上的所有CPMV。
在另一实施例中,可以针对每个控制点,分别用信号通知偏移方向索引和偏移距离索引参数。每个CPMV具有应用于对应的偏移方向上的对应偏移量。
在一些实施例中,当针对每个控制点,均用信号通知偏移参数时,可以在用信号通知偏移参数之前,先用信号通知zero_MVD标志,以指示对应的CPMV的运动矢量差是否为零。在一示例中,当zero_MVD标志为真(true)时,不用信号通知对应的CPMV的偏移参数。在一个实施例中,当有N个控制点可用(N为正整数),并且前N-1个控制点的zero_MVD标志为真时,则可以推断出最后一个控制点的zero_MVD标志为假(false),从而不用信号通知最后一个控制点的zero_MVD标志。
在另一实施例中,当针对所有控制点,用信号通知一组偏移参数时,可以不用信号通知zero_MVD标志。
本申请的各方面提供了用信号通知偏移参数的技术。
在一个实施例中,每个控制点的偏移参数是单独用信号通知。在一示例中,当前块的合并标志和affine_merge_with_offset使用标志均为真。当存在可能用于基础预测子的一个以上候选预测子时,在一示例中,将基础预测子索引从编码器侧用信号发给解码器侧。在另一示例中,不用信号通知基础预测子索引,而可以在编码器侧和解码器侧使用预定义的基础预测子索引。
此外,对于当前块的每个控制点(CP),用信号通知该CP的Zero_MVD标志。当该CP是块的最后一个CP,并且所有其它CP具有等于1(真)的Zero_MVD时,则推导出该最后一个CP的Zero_MVD标志为0(假),而无需用信号通知其Zero_MVD标志。
对于每个CP,当其Zero_MVD标志为真时,将CPMV设置为与基础预测子的对应CPMV值相同。然而,在一示例中,当Zero_MVD标志为假时,用信号通知CP的偏移距离索引和偏移方向索引。基于所述偏移距离索引和所述偏移方向索引,可以例如基于表1至表5来确定偏移距离和偏移方向。然后,根据基础预测子的对应CPMV预测子值,生成CPMV值,其中,在偏移方向上应用偏移距离。
在一些示例中,当前块的控制点的数目由基础预测子的仿射模型类型来确定。当基础预测子使用4个参数的仿射模型时,当前块使用2个控制点。当基础预测子使用6个参数的仿射模型时,当前块使用3个控制点。
在一示例中,基础预测子使用四个参数的仿射模型,用信号通知的参数包括使用标志(例如,affine_merge_with_offset使用标志等于真)、基础预测子索引、第一CP(也称为CP0)的zero_MVD标志(假)、第一CP的偏移距离索引、第一CP的偏移方向索引、第二CP(也称为CP1)的zero_MVD标志(假)、第二CP的偏移距离索引,以及第二CP的偏移方向索引。
在另一示例中,基础预测子使用六参数仿射模型,用信号通知的参数包括使用标志(例如,affine_merge_with_offset使用标志等于真)、基础预测子索引、第一CP(也称为CP0)的zero_MVD标志(假)、第一CP的偏移距离索引、第一CP的偏移方向索引、第二CP(也称为CP1)的zero_MVD标志(假)、第二CP的偏移距离索引、第二CP的偏移方向索引、第三CP(也称为CP2)的zero_MVD标志(假)、第三CP的偏移距离索引、第三CP的偏移方向索引。
在其它实施例中,针对所有控制点,用信号通知一组偏移参数。在一些示例中,当前块的合并标志和affine_merge_with_offset使用标志均为真。在一示例中,当存在可能用于基础预测子的一个以上候选预测子时,将基础预测子索引,从编码器侧用信号发送给解码器侧。在另一示例中,不用信号通知基础预测子索引,可以在编码器侧和解码器侧使用预定义的基础预测子索引。针对当前块,用信号通知一组偏移距离索引和偏移方向索引。基于偏移距离索引和偏移方向索引,确定偏移距离和偏移方向。然后,根据基础预测子的对应CPMV预测子值,生成当前块的CPMV值,其中,在偏移方向上应用偏移距离。
在一示例中,用信号通知的参数包括使用标志(例如,affine_merge_with_offset使用标志等于真)、基础预测子索引、当前块的偏移距离索引和当前块的偏移方向索引。
本申请的各方面提供了用于计算CPMV值的技术。
在一些实施例中,当帧间预测是单向预测时,将在偏移方向(基于从已编码视频码流中解码出的偏移方向索引而确定)上应用偏移距离(基于从已编码视频码流中解码出的偏移距离索引而确定)这种形式的运动矢量差,应用于每个控制点预测子。然后使用运动矢量差来确定每个控制点的MV值。
例如,当基础预测子是单向预测时,基础预测子的控制点的运动矢量值表示为MVP(vpx,vpy)。当用信号通知偏移距离索引和偏移方向索引时,当前块的对应控制点的运动矢量将使用等式5来计算。distance_offset表示基于偏移距离索引确定的偏移距离值。x_dir_factor和y_dir_factor分别表示基于偏移方向索引确定的x轴和y轴上的偏移方向因子(例如,1或-1)。
MV(vx,vy)=MVP(vpx,vpy)+MV(x_dir_factor×distance_offset,y_dir_factor×distance_offset) (等式5)
在一实施例中,偏移镜像用于双向预测CPMV。可以将运动矢量差(以偏移距离和偏移方向的形式),在相反方向上,应用于参考L0列表中的参考图片的控制点的运动矢量,和参考L1列表中的参考图片的控制点的运动矢量。当帧间预测是双向预测时,将运动矢量差(以偏移距离和偏移方向的形式),应用于控制点预测子的L0运动矢量(参考L0列表中的参考图片的运动矢量),以计算当前块的控制点的L0运动矢量(参考L0列表中的参考图片的运动矢量);并且将运动矢量差也应用于控制点预测子的L1运动矢量(参考L1列表中的参考图片的运动矢量),但方向相反,以计算当前块的控制点的L1运动矢量(参考L1列表中的参考图片的运动矢量)。计算结果将是每个控制点的每个帧间预测方向上的MV值。
例如,当基础预测子是双向预测时,L0中的一个控制点的运动矢量值(参考L0列表中的参考图片的运动矢量)表示为MVPL0(v0px,v0py),L1中的该控制点的运动矢量值(参考L1列表中的参考图片的运动矢量)表示为MVPL1(v1px,v1py)。当用信号通知偏移距离索引和偏移方向索引时,当前块的对应控制点的运动矢量可以使用等式6和等式7来计算:
MVL0(v0x,v0y)=MVPL0(v0px,v0py)+MV(x_dir_factor×distance_offset,y_dir_factor×dinstance_offset) (等式6)
MVL1(v0x,v0y)=MVPL1(v0px,v0py)+MV(-x_dir_factor×distance_offset,-y_dir_factor×dinstance_offset) (等式7)
根据本申请的另一方面,对于双向预测CPMV计算,使用偏移镜像的CPMV计算是有条件地执行,例如基于参考图片相对于当前图片的位置。
在一示例中,当帧间预测是双向预测时,以与上述相同的方式,计算L0列表中的控制点的运动矢量值(参考L0列表中的参考图片的运动矢量),所用信号通知的偏移距离应用在所用信号通知的偏移方向上,用于控制点预测子的L0运动矢量(参考L0列表中的参考图片的运动矢量)。
当来自L0列表和L1列表的参考图片在当前图片的相反侧时,为了计算来自L1列表的控制点的运动矢量(参考L1列表中的参考图片的运动矢量),将具有相反偏移方向(与所发信号通知的偏移方向相反)的偏移距离,应用于控制点预测子的L1运动矢量(参考L1列表中的参考图片的运动矢量)。
当来自L0列表和L1列表的参考图片在当前图片的同一侧时,为了计算来自L1列表的控制点的运动矢量,将相同的偏移方向上(与用信号通知的偏移方向相同)的相同偏移距离,应用于控制点预测子的L1运动矢量(参考L1列表中的参考图片的运动矢量)。
值得注意的是,在一些实施例中,应用在L1列表中的参考图片上的偏移距离,与应用在L0列表中的参考图片上的偏移距离相同;在一些其它实施例中,将应用在L1列表中的参考图片上的偏移距离,按照L0列表中的参考图片与当前图片的距离以及L1列表中的参考图片与当前图片的距离之间的比例,进行缩放。
在一实施例中,应用在L1列表中的参考图片上的距离偏移,与应用在L0列表中的参考图片上的距离偏移相同。
在一示例中,当基础预测子是双向预测时,将来自L0列表中的参考图片上的(基础预测子的)控制点的运动矢量值表示为MVPL0(v0px,v0py),将来自L1列表中的参考图片上的(基础预测子的)控制点的运动矢量值表示为MVPL1(v1px,v1py)。来自L0列表和L1列表的参考图片在当前图片的相反侧。当用信号通知偏移距离索引和偏移方向索引时,当前块的对应的控制点的运动矢量可以使用以上示出的等式6和等式7来计算。
在另一实施例中,将应用在L1列表中的参考图片上的偏移距离,按照L0列表中的参考图片与当前图片的距离以及L1列表中的参考图片与当前图片的距离之间的比例,进行缩放。
在一示例中,当基础预测子是双向预测时,将来自L0列表中的参考图片上的(基础预测子的)控制点的运动矢量值表示为MVPL0(v0px,v0py),将来自L1列表中的参考图片上的(基础预测子的)控制点的运动矢量值表示为MVPL1(v1px,v1py)。当用信号通知偏移距离索引和偏移方向索引时,当前块的对应的控制点的运动矢量可以使用等式8和等式9来计算。
MVL0(v0x,v0y)=MVPL0(v0px,v0py)+MV(x_dir_factor×distance_offset,y_dir_factor×distance_offset) (等式8)
MVL1(v0x,v0y)=MVPL1(v0px,v0py)+MV(x_dir_factor×distance_offset×scaling_factor,y_dir_factor×distance_offset×scaling_factor) (等式9)
scaling_factor是根据(等式10),基于当前图片的POC号(表示为current_POC)、L0列表中的参考图片的POC号(表示为POC_L0)、L1列表中的参考图片的POC号(表示为POC_L1)来计算:
scaling_factor=(POC_L1–current_POC)/(POC_L0–current_POC) (等式10)
图14示出了概述根据本申请的实施例的方法(1400)的流程图。方法(1400)可以用于以帧内模式编码的块的重建,以便为重建中的块生成预测块。在各种实施例中,方法(1400)由处理电路执行,诸如终端设备(310)、(320)、(330)和(240)中的处理电路、执行视频编码器(303)的功能的处理电路、执行视频解码器(310)的功能的处理电路、执行视频解码器(410)的功能的处理电路、执行视频编码器(503)的功能的处理电路等。在一些实施例中,方法(1400)用软件指令实现,因此当执行这些软件指令时,处理电路执行该方法(1400)。该方法开始于(S1401)并进行到(S1410)。
在(S1410),从已编码视频码流中,解码出当前图片中当前块的预测信息。预测信息用于指示具有偏移的仿射合并模式。
在(S1420),响应于具有偏移的仿射合并模式,从已编码视频码流中解码出一组偏移参数。基于该组偏移参数,确定运动矢量差。在一些示例中,以将偏移距离应用于偏移方向的形式,来使用运动矢量差。
在(S1430),将运动矢量差应用于当前块的基础预测子的多个控制点的第一运动矢量,以计算当前块的对应多个控制点处的第二运动矢量。
在(S1440),基于当前块的对应多个控制点处的第二运动矢量,确定仿射模型的参数。
在(S1450),基于仿射模型,重建当前块的样本。例如,对于当前块的一个样本,根据仿射模型计算该样本处的运动矢量。因此,在一示例中,基于运动矢量所指向的参考图片中的参考样本来构建样本。然后,方法进行到(S1499)并结束。
图15中所示的用于计算机***(1500)的组件在本质上是示范性的,并非旨在暗示关于实施本申请的实施例的计算机软件的使用或功能的范围的任何限制。也不应将组件的配置解释为对计算机***(1500)的示范性实施例中所示的组件中的任一个组件或组件组合有任何依赖或需求。
计算机***(1500)可包括某些人机接口输入装置。此类人机接口输入装置可响应于一个或多个人类用户通过例如触觉输入(例如:按键、滑动、数据手套移动)、音频输入(例如:语音、拍击)、视觉输入(例如:手势)、嗅觉输入(未描绘)进行的输入。人机接口装置还可用于捕获未必与人的有意识输入直接相关的某些媒体,例如音频(例如:话语、音乐、环境声)、图像(例如:扫描图像、从静态图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)。
输入人机接口装置可包括以下一个或多个(每种仅描绘一个):键盘(1501)、鼠标(1502)、轨迹垫(1503)、触摸屏(1510)、数据手套(未示出)、操纵杆(1505)、麦克风(1506)、扫描仪(1507)、相机(1508)。
计算机***(1500)还可包括某些人机接口输出装置。此类人机接口输出装置可通过例如触觉输出、声音、光和气味/味道刺激一个或多个人类用户的感觉。此类人机接口输出装置可包括触觉输出装置(例如触摸屏(1510)、数据手套(未示出)或操纵杆(1505)的触觉反馈,但还可存在不充当输入装置的触觉反馈装置)、音频输出装置(例如:扬声器(1509)、头戴式耳机(未描绘))、视觉输出装置(例如屏幕(1510),包括CRT屏幕、LCD屏幕、等离子体屏幕、OLED屏幕,各自具有或不具有触摸屏输入能力,各自具有或不具有触觉反馈能力--其中的一些能够通过例如立体平画输出的方式输出二维视觉输出或大于三维的输出;虚拟现实眼镜(未描绘)、全息显示器和烟雾箱(未描绘)),以及打印机(未描绘)。
计算机***(1500)还可包括人类可访问的存储装置和存储装置的相关联介质,例如光学介质,包括具有CD/DVD等介质(1521)的CD/DVD ROM/RW(1520)、拇指驱动器(1522)、可移动硬盘驱动器或固态驱动器(1523)、磁带和软盘(未描绘)等旧版磁性媒体、基于ROM/ASIC/PLD的专用装置,例如安全保护装置(未描绘),等等。
所属领域的技术人员还应理解,结合当前公开的主题使用的术语“计算机可读介质”并未涵盖传输介质、载波或其它瞬时信号。
计算机***(1500)还可包括到一个或多个通信网络的接口。网络可例如是无线的、有线的、光学的。网络还可以是本地的、广域的、城域的、车载和工业的、实时的、容忍延迟的等等。网络的实例包括例如以太网、无线LAN的局域网、包括GSM、3G、4G、5G、LTE等的蜂窝网络、包括有线TV、卫星TV和地面广播TV的TV有线或无线广域数字网络、包括CAN总线的车载网络和工业网络等。某些网络通常需要附接到某些通用数据端口或***总线(1549)(例如,计算机***(1500)的USB端口)的外部网络接口适配器;其它网络通常通过附接到如下文所描述的***总线而集成到计算机***(1500)的核心中(例如通过以太网接口集成到PC计算机***中,或通过蜂窝网络接口集成到智能电话计算机***中)。通过使用这些网络中的任一网络,计算机***(1500)可与其它实体通信。此类通信可以是仅单向接收(例如广播TV)、仅单向发送(例如连到某些CAN总线装置的CAN总线)或是双向的,例如使用局域数字网络或广域数字网络连接到其它计算机***。可在如上文所描述的那些网络和网络接口中的每一个上使用某些协议和协议栈。
上述人机接口装置、人类可访问存储装置和网络接口可附接到计算机***(1500)的核心(1540)。
核心(1540)可包括一个或多个中央处理单元(Central Processing Unit,CPU)(1541)、图形处理单元(Graphics Processing Unit,GPU)(1542)、现场可编程门区域(Field Programmable Gate Areas,FPGA)形式的专用可编程处理单元(1543)、用于某些任务的硬件加速器(1544)等等。这些装置连同只读存储器(read-only memory,ROM)(1545)、随机存取存储器(1546)、例如内部非用户可访问的硬盘驱动器、SSD等内部大容量存储装置(1547)可通过***总线(1548)连接。在一些计算机***中,***总线(1548)可通过一个或多个物理插头形式访问以实现通过额外CPU、GPU等来扩展。***装置可直接或通过***总线(1549)附接到核心的***总线(1548)。用于***总线的架构包括PCI、USB等等。
CPU(1541)、GPU(1542)、FPGA(1543)和加速器(1544)可执行某些指令,所述指令组合起来可构成上述计算机代码。计算机代码可存储在ROM(1545)或RAM(1546)中。过渡数据也可存储在RAM(1546)中,而永久性数据可例如存储在内部大容量存储装置(1547)中。可通过使用高速缓冲存储器来实现对任一存储器装置的快速存储和检索,所述高速缓冲存储器可与一个或多个CPU(1541)、GPU(1542)、大容量存储装置(1547)、ROM(1545)、RAM(1546)等紧密关联。
计算机可读介质上可具有用于执行各种计算机实施的操作的计算机代码。所述介质和计算机代码可以是专为本申请的目的设计和构建的介质和计算机代码,或可属于计算机软件领域中的技术人员众所周知且可用的种类。
举例来说但不作为限制,具有架构(1500)且尤其是核心(1540)的计算机***可提供因处理器(包括CPU、GPU、FPGA、加速器等)执行以一个或多个有形计算机可读介质体现的软件而产生的功能。此类计算机可读介质可以是与上文所介绍的用户可访问大容量存储装置以及核心(1540)的非暂时性质的某些存储装置(例如核心内部大容量存储装置(1547)或ROM(1545))相关联的介质。实施本申请的各种实施例的软件可存储在此类装置中且由核心(1540)执行。根据特定需求,计算机可读介质可包括一个或多个存储器装置或芯片。软件可使核心(1540)且具体地说使其中的处理器(包括CPU、GPU、FPGA等等)执行本文中所描述的特定过程或特定过程的特定部分,包括限定存储在RAM(1546)中的数据结构以及根据由软件限定的过程修改此类数据结构。另外或作为替代方案,计算机***可提供由硬连线的或以其它方式体现于电路(例如:加速器(1544))中的逻辑所产生的功能,所述逻辑可代替或连同软件一起操作以执行本文描述的特定过程或特定过程的特定部分。适当时,对软件的引用可涵盖逻辑,且反之亦然。适当时,对计算机可读介质的引用可涵盖存储用于执行的软件的电路(例如集成电路(IC))、体现用于执行的逻辑的电路或这两种电路。本申请涵盖硬件与软件的任何合适的组合。
附录A:缩略词
JEM:Joint Exploration Model,联合开发模型
VVC:Versatile Video Coding,多功能视频编码
BMS:Benchmark Set,基准集合
MV:Motion Vector,运动矢量
HEVC:High Efficiency Video Coding,高效视频编码
SEI:Supplementary Enhancement Information,辅助增强信息
VUI:Video Usability Information,视频可用性信息
GOP:Groups of Pictures,图片群组
TU:Transform Unit,变换单元
PU:Prediction Unit,预测单元
CTU:Coding Tree Unit,编码树单元
CTB:Coding Tree Block,编码树块
PB:Prediction Block,预测块
HRD:Hypothetical Reference Decoder,假想参考解码器
SNR:Signal Noise Ratio,信噪比
CPU:Central Processing Unit,中央处理单元
GPU:Graphics Processing Unit,图形处理单元
CRT:Cathode Ray Tube,阴极射线管
LCD:Liquid-Crystal Display,液晶显示
OLED:Organic Light-Emitting Diode,有机发光二极管
CD:Compact Disc,光盘
DVD:Digital Video Disc,数字视频光盘
ROM:Read-Only Memory,只读存储器
RAM:Random Access Memory,随机存取存储器
ASIC:Application-Specific Integrated Circuit,专用集成电路
PLD:Programmable Logic Device,可编程逻辑设备
LAN:Local Area Network,局域网
GSM:Global System for Mobile communications,全球移动通信***
LTE:Long-Term Evolution,长期演进
CANBus:Controller Area Network Bus,控制器局域网络总线
USB:Universal Serial Bus,通用串行总线
PCI:Peripheral Component Interconnect,***设备互连
FPGA:Field Programmable Gate Array现场可编程门阵列
SSD:Solid-state drive,固态驱动器
IC:Integrated Circuit,集成电路
CU:Coding Unit,编码单元
尽管本申请描述了若干示范性实施例,但在本申请的范围内,可以有各种改动、排列组合方式以及各种替代等同物。因此,应该理解,在申请的精神和范围内,本领域技术人员能够设计出各种虽未在本文明确示出或描述、但可以体现本申请的原理的***和方法。

Claims (19)

1.一种用于视频解码的方法,其特征在于,包括:
从已编码视频码流中解码出当前图片中当前块的预测信息,该预测信息包括一使用标志,指示具有偏移的仿射合并模式;
从所述已编码视频码流中解码出偏移参数,偏移参数定义一个或多个具有距离和方向的运动矢量差;
从所述已编码视频码流中解码出基础预测子的多个控制点中一个或多个控制点的零运动矢量差标志,该零运动矢量差标志表示所述已编码视频码流中是否提供了各控制点的偏移参数;
根据所述偏移参数和零运动矢量差标志中的至少一个,确定所述基础预测子的多个控制点中每个控制点的对应的运动矢量差;
根据确定的各控制点的对应的运动矢量差,确定所述基础预测子的多个控制点中每个控制点的对应的运动矢量;以及
根据确定的多个控制点中每个控制点的对应的运动矢量,重建所述当前块的至少一个样本。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于解码出的预测信息,确定基础预测子候选的数目;以及
响应于确定基础预测子候选的数目大于1,从所述已编码视频码流中解码出指示所述基础预测子的基础预测子索引。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于预定义的值,确定基础预测子候选的数目;以及
响应于确定基础预测子候选的数目大于1,从所述已编码视频码流中解码出指示所述基础预测子的基础预测子索引。
4.根据权利要求1所述的方法,其特征在于,
所述偏移参数包括一个或多个偏移方向索引和一个或多个偏移距离索引,所述一个或多个偏移方向索引中的一个偏移方向索引和所述一个或多个偏移距离索引中的一个偏移距离索引定义了所述一个或多个运动矢量差中的一个。
5.根据权利要求4所述的方法,其特征在于,
所述一个或多个偏移方向索引中的每个偏移方向索引都指向一个预定义的映射表,该映射表定义了每个偏移方向索引与沿x轴和y轴中至少一个轴的方向之间的对应关系。
6.根据权利要求4所述的方法,其中所述一个或多个偏移距离索引中的每一个偏移距离索引指向预定义的映射表,该预定义的映射表定义了所述一个或多个偏移距离索引中的每一个偏移距离索引与以像素为单位测量的距离之间的对应关系。
7.根据权利要求4所述的方法,其特征在于,所述偏移参数包括对应的偏移方向索引和对应的偏移距离索引,所述对应的偏移方向索引和对应的偏移距离索引定义了所述多个控制点中至少一个控制点的对应的运动矢量差。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:基于所述基础预测子的仿射模型类型,确定所述多个控制点的数目。
9.根据权利要求1所述的方法,其特征在于,确定所述多个控制点中每个控制点的对应的运动矢量,包括:
对于所述多个控制点中指向第一参考图片的第一控制点,应用与所述第一控制点对应的所确定的运动矢量差,确定所述第一控制点的对应的运动矢量;
对于所述多个控制点中指向第二参考图片的第二控制点,应用与所述第二控制点对应的所确定的运动矢量差的镜像,确定所述第二控制点的对应的运动矢量。
10.一种用于视频解码的装置,其特征在于,包括:
处理电路,被配置为:
从已编码视频码流中解码出当前图片中当前块的预测信息,该预测信息包括一使用标志,指示具有偏移的仿射合并模式;
从所述已编码视频码流中解码出偏移参数,偏移参数定义一个或多个具有距离和方向的运动矢量差;
从所述已编码视频码流中解码出基础预测子的多个控制点中一个或多个控制点的零运动矢量差标志,该零运动矢量差标志表示所述已编码视频码流中是否提供了各控制点的偏移参数;
根据所述偏移参数和零运动矢量差标志中的至少一个,确定所述基础预测子的多个控制点中每个控制点的对应的运动矢量差;
根据确定的各控制点的对应的运动矢量差,确定所述基础预测子的多个控制点中每个控制点的对应的运动矢量;以及
根据确定的多个控制点中每个控制点的对应的运动矢量,重建所述当前块的至少一个样本。
11.根据权利要求10所述的装置,其特征在于,所述处理电路还配置为:
基于解码出的预测信息,确定基础预测子候选的数目;以及
响应于确定基础预测子候选的数目大于1,从所述已编码视频码流中解码出指示所述基础预测子的基础预测子索引。
12.根据权利要求10所述的装置,其特征在于,所述处理电路还配置为:
基于预定义的值,确定基础预测子候选的数目;以及
响应于确定基础预测子候选的数目大于1,从所述已编码视频码流中解码出指示所述基础预测子的基础预测子索引。
13.根据权利要求10所述的装置,其特征在于,
所述偏移参数包括一个或多个偏移方向索引和一个或多个偏移距离索引,所述一个或多个偏移方向索引中的一个偏移方向索引和所述一个或多个偏移距离索引中的一个偏移距离索引定义了所述一个或多个运动矢量差中的一个。
14.根据权利要求13所述的装置,其特征在于,
所述一个或多个偏移方向索引中的每个偏移方向索引都指向一个预定义的映射表,该映射表定义了每个偏移方向索引与沿x轴和y轴中至少一个轴的方向之间的对应关系。
15.根据权利要求13所述的装置,其中所述一个或多个偏移距离索引中的每一个偏移距离索引指向预定义的映射表,该预定义的映射表定义了所述一个或多个偏移距离索引中的每一个偏移距离索引与以像素为单位测量的距离之间的对应关系。
16.根据权利要求13所述的装置,其特征在于,所述偏移参数包括对应的偏移方向索引和对应的偏移距离索引,所述对应的偏移方向索引和对应的偏移距离索引定义了所述多个控制点中至少一个控制点的对应的运动矢量差。
17.根据权利要求10所述的装置,其特征在于,所述处理电路还配置为:基于所述基础预测子的仿射模型类型,确定所述多个控制点的数目。
18.根据权利要求10所述的装置,其特征在于,确定所述多个控制点中每个控制点的对应的运动矢量,包括:
对于所述多个控制点中指向第一参考图片的第一控制点,应用与所述第一控制点对应的所确定的运动矢量差,确定所述第一控制点的对应的运动矢量;
对于所述多个控制点中指向第二参考图片的第二控制点,应用与所述第二控制点对应的所确定的运动矢量差的镜像,确定所述第二控制点的对应的运动矢量。
19.一种存储指令的非易失性计算机可读存储介质,其特征在于,所述指令当由计算机执行以用于视频解码时,使得所述计算机执行如权利要求1至9任一项所述的方法。
CN202311197323.XA 2018-10-04 2019-07-08 视频编解码方法及装置 Pending CN117221527A (zh)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
US201862741532P 2018-10-04 2018-10-04
US62/741,532 2018-10-04
US16/503,451 2019-07-03
US16/503,451 US10999589B2 (en) 2018-10-04 2019-07-03 Method and apparatus for video coding
PCT/US2019/040854 WO2020072114A1 (en) 2018-10-04 2019-07-08 Method and apparatus for video coding
CN201980064358.1A CN112789851B (zh) 2018-10-04 2019-07-08 视频解码方法、装置、电子设备及可读存储介质

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201980064358.1A Division CN112789851B (zh) 2018-10-04 2019-07-08 视频解码方法、装置、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN117221527A true CN117221527A (zh) 2023-12-12

Family

ID=70052586

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202311197323.XA Pending CN117221527A (zh) 2018-10-04 2019-07-08 视频编解码方法及装置
CN201980064358.1A Active CN112789851B (zh) 2018-10-04 2019-07-08 视频解码方法、装置、电子设备及可读存储介质

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201980064358.1A Active CN112789851B (zh) 2018-10-04 2019-07-08 视频解码方法、装置、电子设备及可读存储介质

Country Status (6)

Country Link
US (3) US10999589B2 (zh)
EP (1) EP3766243A4 (zh)
JP (1) JP7209819B2 (zh)
KR (1) KR20210068512A (zh)
CN (2) CN117221527A (zh)
WO (1) WO2020072114A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7391958B2 (ja) * 2018-11-08 2023-12-05 オッポ広東移動通信有限公司 ビデオ信号符号化/復号方法及び前記方法に用いられる機器
KR20200056272A (ko) * 2018-11-14 2020-05-22 에스케이텔레콤 주식회사 인터 예측 방법 및 이를 이용한 영상 복호화 장치
WO2020101392A1 (ko) 2018-11-14 2020-05-22 에스케이텔레콤 주식회사 인터 예측 방법 및 이를 이용한 영상 복호화 장치
WO2020139040A1 (ko) * 2018-12-27 2020-07-02 인텔렉추얼디스커버리 주식회사 영상 부/복호화 방법 및 장치
WO2020184461A1 (ja) * 2019-03-08 2020-09-17 株式会社Jvcケンウッド 動画像符号化装置、動画像符号化方法、及び動画像符号化プログラム、動画像復号装置、動画像復号方法及び動画像復号プログラム
WO2021110017A1 (en) * 2019-12-02 2021-06-10 Beijing Bytedance Network Technology Co., Ltd. Merge with motion vector differencing in affine mode
CN114019784B (zh) * 2021-10-14 2023-10-13 北京航天晨信科技有限责任公司 一种vpx机箱冗余控制方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130177084A1 (en) * 2012-01-10 2013-07-11 Qualcomm Incorporated Motion vector scaling in video coding
KR20170084251A (ko) 2014-11-20 2017-07-19 에이치에프아이 이노베이션 인크. 모션 벡터 및 블록 벡터 해상도 제어의 방법
GB2561507B (en) 2016-01-07 2021-12-22 Mediatek Inc Method and apparatus for affine merge mode prediction for video coding system
US10448010B2 (en) 2016-10-05 2019-10-15 Qualcomm Incorporated Motion vector prediction for affine motion models in video coding
WO2018105582A1 (ja) * 2016-12-09 2018-06-14 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 符号化装置、復号装置、符号化方法及び復号方法
KR102559063B1 (ko) * 2017-02-24 2023-07-24 주식회사 케이티 비디오 신호 처리 방법 및 장치
US11202079B2 (en) 2018-02-05 2021-12-14 Tencent America LLC Method and apparatus for video decoding of an affine model in an intra block copy mode
EP3826305A4 (en) 2018-07-18 2021-08-18 Panasonic Intellectual Property Corporation of America ENCODING DEVICE, DECODING DEVICE, ENCODING PROCESS, AND DECODING PROCESS
US10893291B2 (en) * 2018-09-28 2021-01-12 Qualcomm Incorporated Ultimate motion vector expression with adaptive directional information set
US20200120335A1 (en) * 2018-10-12 2020-04-16 Qualcomm Incorporated Affine candidate derivation for video coding

Also Published As

Publication number Publication date
US11985342B2 (en) 2024-05-14
JP2022501959A (ja) 2022-01-06
US20230007287A1 (en) 2023-01-05
CN112789851A (zh) 2021-05-11
CN112789851B (zh) 2023-08-22
US10999589B2 (en) 2021-05-04
US11470338B2 (en) 2022-10-11
US20200112733A1 (en) 2020-04-09
JP7209819B2 (ja) 2023-01-20
WO2020072114A1 (en) 2020-04-09
US20210227238A1 (en) 2021-07-22
EP3766243A4 (en) 2022-08-03
EP3766243A1 (en) 2021-01-20
KR20210068512A (ko) 2021-06-09

Similar Documents

Publication Publication Date Title
CN112789850B (zh) 一种视频编解码方法、装置、设备和介质
CN112889269B (zh) 视频解码方法及装置
CN113196782B (zh) 视频解码方法、装置及可读存储介质
CN113574885B (zh) 视频解码方法、装置以及电子设备
CN111492661B (zh) 视频编解码方法、装置及存储介质
CN113557728B (zh) 视频编解码方法和装置
CN112703730B (zh) 视频编解码的方法、设备和存储介质
CN112055968B (zh) 视频解码方法、装置、存储介质以及电子设备
CN112789851B (zh) 视频解码方法、装置、电子设备及可读存储介质
CN111885387B (zh) 用于仿射光流预测值细化的视频解码方法和装置
CN112655205B (zh) 视频编解码的方法和装置
CN112640464B (zh) 视频解码方法、视频解码器以及计算机设备
CN114827597B (zh) 视频解码方法、装置、计算机设备及存储介质
CN110730351B (zh) 视频解码的方法和装置、存储介质
CN110730353B (zh) 视频解码方法和装置、计算机设备、存储介质
CN116156197A (zh) 视频解码、编码方法和装置、计算机设备及存储介质
CN113647100B (zh) 视频解码方法、视频编码方法、视频解码器、视频编码器及计算机可读介质
CN111316639B (zh) 视频解码方法和装置、及存储介质
CN111971965A (zh) 视频编解码的方法和装置
CN113545079A (zh) 视频编解码的方法和装置
CN112514400B (zh) 视频解码方法、视频解码器、计算机设备和可读存储介质
CN113632465A (zh) 发信号通知用于帧内图像块补偿的预测器候选列表尺寸的方法和装置
CN116546195A (zh) 用于视频编码的方法和装置
CN111726622B (zh) 视频编解码的方法、装置及介质
CN112771869B (zh) 视频编码、解码方法及装置

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