CN118233660A - 发送码流的设备,存储码流的设备及方法 - Google Patents
发送码流的设备,存储码流的设备及方法 Download PDFInfo
- Publication number
- CN118233660A CN118233660A CN202410078539.2A CN202410078539A CN118233660A CN 118233660 A CN118233660 A CN 118233660A CN 202410078539 A CN202410078539 A CN 202410078539A CN 118233660 A CN118233660 A CN 118233660A
- Authority
- CN
- China
- Prior art keywords
- layer
- index
- syntax element
- equal
- video
- 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
- 238000000034 method Methods 0.000 title claims abstract description 136
- 239000010410 layer Substances 0.000 claims abstract description 354
- 239000011229 interlayer Substances 0.000 claims abstract description 89
- 238000012545 processing Methods 0.000 claims description 65
- 230000015654 memory Effects 0.000 claims description 43
- 238000013139 quantization Methods 0.000 description 82
- 230000008569 process Effects 0.000 description 36
- 239000000872 buffer Substances 0.000 description 32
- 230000006854 communication Effects 0.000 description 31
- 238000004891 communication Methods 0.000 description 31
- 239000013598 vector Substances 0.000 description 31
- 238000005192 partition Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 24
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 description 18
- 230000003044 adaptive effect Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- 230000011218 segmentation Effects 0.000 description 16
- 238000000638 solvent extraction Methods 0.000 description 16
- 230000005540 biological transmission Effects 0.000 description 15
- 238000001914 filtration Methods 0.000 description 14
- 241000023320 Luma <angiosperm> Species 0.000 description 13
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 13
- 238000003491 array Methods 0.000 description 11
- 230000007774 longterm Effects 0.000 description 11
- 230000002123 temporal effect Effects 0.000 description 9
- 230000006835 compression Effects 0.000 description 8
- 238000007906 compression Methods 0.000 description 8
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 230000000295 complement effect Effects 0.000 description 5
- 238000013500 data storage Methods 0.000 description 5
- 230000004927 fusion Effects 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 239000011449 brick Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 101150114515 CTBS gene Proteins 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006837 decompression Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000007620 mathematical function Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 241001482237 Pica Species 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/103—Selection of coding mode or of prediction mode
- H04N19/105—Selection 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/103—Selection of coding mode or of prediction mode
- H04N19/107—Selection of coding mode or of prediction mode between spatial and temporal predictive coding, e.g. picture refresh
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
- H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
- H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
- H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/184—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being bits, e.g. of the compressed video stream
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/187—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a scalable video layer
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
- H04N19/31—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability in the temporal domain
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
- H04N19/33—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability in the spatial domain
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
- H04N19/96—Tree coding, e.g. quad-tree coding
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
提供了一种对经译码视频码流进行解码的方法,所述方法包括:从所述经译码视频码流中获取第一语法元素,所述第一语法元素表示所述第一层是否使用层间预测;从所述经译码视频码流中获取与一个或多个第二层相关的一个或多个第二语法元素,每个第二语法元素表示第二层是否是所述第一层的直接参考层;其中,在所述第一语法元素的值表示所述第一层被允许使用层间预测的情况下,所述一个或多个第二语法元素中的至少一个第二语法元素具有表示所述第二层是所述第一层的直接参考层的值;通过将与所述至少一个第二语法元素相关的所述第二层的图像用作参考图像,对所述第一层的图像执行层间预测。
Description
本申请是分案申请,原申请的申请号是202080070703.5,原申请日是2020年09月30日,原申请的全部内容通过引用结合在本申请中。
技术领域
本申请(发明)的实施例大体上涉及图像处理领域,更具体涉及层间预测。
背景技术
视频译码(视频编码和解码)广泛用于数字视频应用,例如广播数字电视、基于互联网和移动网络的视频传输、视频聊天、视频会议等实时会话应用、DVD和蓝光光盘、视频内容采集和编辑***以及可携式摄像机的安全应用。
即使在视频较短的情况下也需要对大量的视频数据进行描述,当数据要在带宽容量受限的通信网络中传输或以其它方式传送时,这样可能会造成困难。因此,视频数据通常要先压缩然后在现代电信网络中传送。由于内存资源可能有限,当在存储设备中存储视频时,视频的大小也可能成为问题。视频压缩设备通常在源侧使用软件和/或硬件对视频数据进行编码,然后进行传输或存储,从而减少表示数字视频图像所需的数据量。然后,对视频数据进行解码的视频解压缩设备在目的地侧接收压缩数据。在网络资源有限以及对更高视频质量的需求不断增长的情况下,需要改进压缩和解压缩技术,这些改进的技术在几乎不影响图像质量的情况下能够提高压缩比。
发明内容
本申请实施例提供了独立权利要求所述的编码和解码方法和装置。
上述和其它目的是通过由独立权利要求请求保护的主题来实现。其它实现方式在从属权利要求、说明书和附图中是显而易见的。
特定实施例在所附独立权利要求中概述,其它实施例在从属权利要求中概述。
根据第一方面,本发明涉及一种对经译码视频码流进行解码的方法。所述方法由解码设备执行。所述方法包括:从所述经译码视频码流中获取第一语法元素,所述第一语法元素表示所述第一层是否使用层间预测;从所述经译码视频码流中获取与一个或多个第二层相关的一个或多个第二语法元素,每个第二语法元素表示第二层是否是所述第一层的直接参考层;其中,在所述第一语法元素的值表示所述第一层被允许使用层间预测的情况下,所述一个或多个第二语法元素中的至少一个第二语法元素具有表示所述第二层是所述第一层的直接参考层的值;通过将与所述至少一个第二语法元素相关的所述第二层的图像用作参考图像,对所述第一层的图像执行层间预测。
或者,所述第一语法元素表示与一个或多个所述第二层相关的所述一个或多个第二语法元素是否在所述经译码视频码流中存在。此外,所述第一语法元素等于1表示与一个或多个所述第二层相关的所述一个或多个第二语法元素在所述经译码视频码流中不存在;或者,所述第一语法元素等于0表示与一个或多个第二层相关的所述一个或多个第二语法元素在所述经译码视频码流中存在。
层包括一系列具有相同层索引的编码图像。
所述一个或多个第二层的层索引小于所述第一层的层索引。
与不同的第二语法元素相关的第二层具有不同的层索引。
所述一个或多个第二语法元素与所述一个或多个第二层一一对应。
码流是形成一个或多个编码视频序列(coded video sequence,CVS)的位序列。
编码视频序列(coded video sequence,CVS)是一系列AU。
编码层视频序列(coded layer video sequence,CLVS)是一系列具有相同nuh_layer_id值的PU。
接入单元(access unit,AU)是属于不同层的PU的集合,并且包含与从DPB输出的相同时间相关联的编码图像。
图像单元(picture unit,PU)是根据指定的分类规则彼此关联的NAL单元的集合,所述NAL单元按解码顺序连续,并且正好包含一个编码图像。
层间参考图像(inter-layer reference picture,ILRP)是与当前图像在同一AU中的图像,其nuh_layer_id小于当前图像的nuh_layer_id。
SPS是一种语法结构,包含应用于零个或多个整个CLVS的语法元素。
如果层A使用层B作为参考层,则层B是层A的直接参考层;如果层A使用层B作为参考层,层B使用层C作为参考层,但层A不使用层C作为参考层,则层C不是层A的直接参考层。
根据所述第一方面,在所述方法的一种可能实现方式中,所述第一语法元素等于1表示所述第一层不使用层间预测;或者所述第一语法元素等于0表示所述第一层被允许使用层间预测。
根据所述第一方面或所述第一方面的任一上述实现方式,在所述方法的一种可能实现方式中,所述第二语法元素等于0表示与所述第二语法元素相关的所述第二层不是所述第一层的直接参考层;或者所述第二语法元素等于1表示与所述第二语法元素相关的所述第二层是所述第一层的直接参考层。
根据所述第一方面或所述第一方面的任一上述实现方式,在所述方法的一种可能实现方式中,所述获取所述一个或多个第二语法元素是在所述第一语法元素的值表示所述第一层被允许使用层间预测的情况下执行的。
根据所述第一方面或所述第一方面的任一上述实现方式,在所述方法的一种可能实现方式中,所述方法还包括:在所述第一语法元素的值表示所述第一层不使用层间预测的情况下,对所述第一层的图像执行预测,而不将与所述至少一个第二语法元素相关的所述层的图像用作参考图像。
根据第二方面,本发明涉及一种用于对经译码视频码流进行编码的方法。所述方法由编码器执行。所述方法包括:确定至少一个第二层是否是第一层的直接参考层;将语法元素编码到所述经译码视频码流中,其中,所述语法元素表示所述第一层是否使用层间预测;其中,在所述至少一个第二层中没有一个是所述第一层的直接参考层的情况下,所述语法元素的值表示所述第一层不使用层间预测。
其中,所述确定至少一个第二层是否为第一层的直接参考层包括:根据确定第一率失真成本小于或等于第二率失真成本,确定第二层是第一层的直接参考层;根据确定第一率失真成本大于或等于第二率失真成本,确定第二层不是第一层的直接参考层;其中,所述第一率失真成本是将所述第二层用作第一层的直接参考层的成本,所述第二速率失真成本是不将第二层用作第一层的直接参考层的成本。
根据所述第二方面,在所述方法的一种可能实现方式中,在所述至少一个第二层是所述第一层的直接参考层的情况下,所述语法元素的值表示所述第一层被允许使用层间预测。
根据第三方面,本发明涉及一种对经译码视频码流进行解码的装置。所述装置包括:获取单元,用于从所述经译码视频码流中获取第一语法元素,所述第一语法元素表示所述第一层是否使用层间预测;所述获取单元还用于从所述经译码视频码流中获取与一个或多个第二层相关的一个或多个第二语法元素,每个第二语法元素表示第二层是否是所述第一层的直接参考层;其中,在所述第一语法元素的值表示所述第一层被允许使用层间预测的情况下,所述一个或多个第二语法元素中的至少一个第二语法元素具有表示所述第二层是所述第一层的直接参考层的值;预测单元,用于通过将与所述至少一个第二语法元素相关的所述第二层的图像用作参考图像,对所述第一层的图像执行层间预测。
根据所述第三方面,在所述方法的一种可能实现方式中,所述第一语法元素等于1表示所述第一层不使用层间预测;或者所述第一语法元素等于0表示所述第一层被允许使用层间预测。
根据所述第三方面或所述第三方面的任一上述实现方式,在所述方法的一种可能实现方式中,所述第二语法元素等于0表示与所述第二语法元素相关的所述第二层不是所述第一层的直接参考层;或者所述第二语法元素等于1表示与所述第二语法元素相关的所述第二层是所述第一层的直接参考层。
根据所述第三方面或所述第三方面的任一上述实现方式,在所述方法的一种可能实现方式中,所述用于获取所述一个或多个第二语法元素的预测单元是在所述第一语法元素的值表示所述第一层被允许使用层间预测的情况下执行的。
根据第四方面,本发明涉及一种对经译码视频码流进行编码的装置。所述装置包括:确定单元,用于确定至少一个第二层是否是第一层的直接参考层;编码单元,用于将语法元素编码到所述经译码视频码流中,其中,所述语法元素表示所述第一层是否使用层间预测;其中,在所述至少一个第二层中没有一个是所述第一层的直接参考层的情况下,所述语法元素的值表示所述第一层不使用层间预测。
根据所述第四方面,在所述方法的一种可能实现方式中,在所述至少一个第二层是所述第一层的直接参考层的情况下,所述语法元素的值表示所述第一层被允许使用层间预测。
本发明的第一方面提供的方法可以由本发明的第三方面提供的装置执行。本发明的第三方面提供的方法的其它特征和实现方式对应于本发明的第一方面提供的装置的特征和实现方式。
本发明所述第二方面提供的方法可以由本发明所述第四方面提供的装置执行。本发明的第四方面提供的方法的其它特征和实现方式对应于本发明的第二方面提供的装置的特征和实现方式。
第二方面所述的方法可以扩展为对应于第一方面所述的第一装置的实现方式。因此,所述方法的实现方式包括所述第一装置的对应实现方式的一个或多个特征。
第二方面提供的方法的优点与第一方面提供的第一装置的对应实现方式的优点相同。
根据第五方面,本发明涉及一种用于对视频流进行解码的装置,所述装置包括处理器和存储器。所述存储器存储指令,所述指令使所述处理器执行第一方面所述的方法。
根据第六方面,本发明涉及一种用于对视频流进行编码的装置,所述装置包括处理器和存储器。所述存储器存储指令,所述指令使所述处理器执行第二方面所述的方法。
根据第七方面,提供一种存储有指令的计算机可读存储介质,所述指令在执行时使一个或多个处理器对视频数据进行译码。所述指令使所述一个或多个处理器执行所述第一方面或第二方面或所述第一方面或第二方面的任一可能实施例提供的方法。
根据第八方面,本发明涉及一种计算机程序,包括程序代码,所述程序代码用于在计算机中执行时执行所述第一方面或第二方面或所述第一方面或第二方面任意可能的实施例提供的方法。
根据第九方面,本发明涉及一种非瞬时性存储介质,所述非瞬时性存储介质包括待由装置解码的编码码流,所述码流通过将视频信号或图像信号的帧划分为多个块而生成,并且包括多个语法元素,其中,所述多个语法元素包括:第一语法元素,所述第一语法元素表示所述第一层是否使用层间预测;以及与一个或多个第二层相关的一个或多个第二语法元素,每个第二语法元素表示第二层是否是所述第一层的直接参考层;其中,在所述第一语法元素的值表示所述第一层被允许使用层间预测的情况下,所述一个或多个第二语法元素中的至少一个第二语法元素具有表示所述第二层是所述第一层的直接参考层的值。
附图及以下说明中将详细描述一个或多个实施例。其它特征、目的和优点在说明书、附图以及权利要求中是显而易见的。
此外,提供了以下实施例。
在一个实施例中,提供了一种对经译码视频码流进行解码的方法,所述方法包括:
解析第一语法元素,所述第一语法元素表示索引为i的层是否使用层间预测,i是整数,且i大于0;
当满足第一条件时,解析第二语法元素,所述第二语法元素表示索引为j的层是否是索引为i的层的直接参考层,其中,j是整数,j小于i且大于或等于0,其中,所述第一条件包括所述第一语法元素表示索引为i的层可以使用层间预测,j等于i–1,索引小于j的层中的任何一个层不是索引为i的层的直接参考层;
根据所述第二语法元素的值预测索引为i的层的图像。
在一个实施例中,当第一语法元素表示索引为i的层可以使用层间预测时,vps_direct_dependency_flag[i][k]的和大于0,其中,k对应于0到i–1范围内的所有整数,其中,vps_direct_dependency_flag等于1表示索引为k的层是索引为I的层的直接参考层,vps_direct_dependency_flag等于0表示索引为k的层不是索引为i的层的直接参考层。
在一个实施例中,当所述第一语法元素表示索引为i的层可以使用层间预测时,vps_direct_dependency_flag[i][k]的至少一个值等于1,其中,k是整数,且k在0到i–1的范围内,其中,vps_direct_dependency_flag等于1表示索引为k的层是索引为I的层的直接参考层,vps_direct_dependency_flag等于0表示索引为k的层不是索引为i的层的直接参考层。
在一个实施例中,索引为i的层的图像包括索引为i的层中的图像或与索引为i的层相关的图像。
在一个实施例中,提供了一种对经译码视频码流进行解码的方法,所述方法包括:
解析语法元素,所述语法元素表示索引为i的层是否使用层间预测,i是整数,且i大于0;
当条件满足时,通过将索引为j的层用作索引为i的层的直接参考层,预测索引为i的层的图像,其中,j为整数,且j等于i–1,其中,所述条件包括所述语法元素表示索引为i的层可以使用层间预测。
在一个实施例中,索引为i的层的图像包括索引为i的层中的图像或与索引为i的层相关的图像。
在一个实施例中,提供了一种对经译码视频码流进行解码的方法,所述方法包括:
解析语法元素,所述语法元素表示是否使用至少一个长期参考图像(long-termreference picture,LTRP)对编码视频序列(coded video sequence,CVS)中的任何编码图像进行帧间预测,其中,所述至少一个LTRP的每个图像被标识为“用于长期参考”,但不是层间参考图像(inter-layer reference picture,ILRP);
根据语法元素的值预测CVS中的一个或多个编码图像。
在一个实施例中,提供了一种对经译码视频码流进行解码的方法,所述方法包括:
确定是否满足条件,其中,所述条件包括当前层的层索引大于预设值;
当满足条件时,解析第一语法元素,所述第一语法元素表示是否使用至少一个层间参考图像(inter-layer reference picture,ILRP)对编码视频序列(coded videosequence,CVS)中的任何编码图像进行帧间预测;
根据第一语法元素的值预测CVS中的一个或多个编码图像。
在一个实施例中,预设值为0。
在一个实施例中,条件还包括第二语法元素(例如,sps_video_parameter_set_id)大于0。
在一个实施例中,提供了一种对经译码视频码流进行解码的方法,所述方法包括:
确定是否满足条件,其中,所述条件包括当前层的层索引大于预设值,且参考图像列表结构中的当前条目是ILRP条目;
当条件满足时,解析表示当前层的直接相关层列表的索引的语法元素;
根据参考图像列表结构,预测CVS中的一个或多个编码图像,其中,参考图像列表结构的当前条目是使用直接相关层列表的索引获得的ILRP条目。
在一个实施例中,预设值为1。
在一个实施例中,提供了一种编码器(20),所述编码器包括处理电路,所述处理电路用于执行前述第二方面及其任一种可能的实现方式所述的方法。
在一个实施例中,提供了一种解码器(30),所述解码器包括处理电路,所述处理电路用于执行前述第一方面及其任一种可能的实现方式所述的方法。
在一个实施例中,提供了一种包括程序代码的计算机程序产品,当所述程序代码在计算机或处理器中执行时,所述程序代码用于执行根据上述第一方面或第二方面以及其各自任一种可能的实现方式中所述的方法。
在一个实施例中,提供了一种解码器,包括:
一个或多个处理器;
非瞬时性计算机可读存储介质,与所述处理器耦合并存储由所述处理器执行的程序,其中,当所述处理器执行所述程序时,使所述解码器执行根据前述第一方面及其任一种可能的实现方式中所述的方法。
在一个实施例中,提供了一种编码器,包括:
一个或多个处理器;
非瞬时性计算机可读存储介质,与所述处理器耦合并存储由所述处理器执行的程序,其中,当所述处理器执行所述程序时,使所述编码器执行根据前述第二方面及其任一种可能的实现方式中所述的方法。
在一个实施例中,提供了一种携带程序代码的非瞬时性计算机可读存储介质,当计算机设备执行所述程序代码时,使所述计算机设备执行根据上述第一方面或第二方面以及其各自任一种可能的实现方式中所述的方法。
附图说明
下文结合附图对本发明实施例进行详细描述。在附图中:
图1A为用于实现本发明实施例的视频译码***的一个示例的框图;
图1B为用于实现本发明实施例的视频译码***的另一个示例的框图;
图2为用于实现本发明实施例的视频编码器的一个示例的框图;
图3为用于实现本发明实施例的视频解码器的示例性结构的框图;
图4为编码装置或解码装置的一个示例的框图;
图5为编码装置或解码装置的另一个示例的框图;
图6为示出具有2层的可适性编码的框图;
图7为实现内容分发业务的内容供应***的示例性结构的框图;
图8为终端设备的一个示例的结构的框图;
图9为一个实施例提供的解码方法的流程图;
图10为一个实施例提供的编码方法的流程图;
图11为一个实施例提供的解码器的示意图;
图12为一个实施例提供的编码器的示意图。
在下文中,除非另外明确说明,否则相同的附图标记是指相同或至少功能上等效的特征。
具体实施方式
以下描述中,参考组成本发明一部分并以说明的方式示出本发明实施例的具体方面或可以使用本发明实施例的具体方面的附图。可以理解的是,本发明实施例可在其它方面中使用,并可包括附图中未描述的结构变化或逻辑变化。因此,以下详细描述不应以限制性的意义来理解,且本发明的范围由所附权利要求书界定。
可以理解的是,与所描述的方法有关的公开内容对于用于执行所述方法的对应设备或***也同样适用,反之亦然。例如,如果描述一个或多个具体方法步骤,则对应的设备可以包括一个或多个单元(例如,功能单元)来执行所描述的一个或多个方法步骤(例如,一个单元执行一个或多个步骤,或多个单元各自执行多个步骤中的一个或多个步骤),即使附图中未明确描述或示出这种一个或多个单元。另一方面,例如,如果根据一个或多个单元(例如,功能单元)来描述具体装置,则对应的方法可以包括一个步骤来执行一个或多个单元的功能(例如,一个步骤执行一个或多个单元的功能,或多个步骤各自执行多个单元中的一个或多个单元的功能),即使附图中未明确描述或示出这种一个或多个单元。此外,可以理解的是,除非另外明确说明,本文中所描述的各个示例性实施例和/或方面的特征可以相互组合。
视频译码通常指对构成视频或视频序列的一系列图像进行的处理。在视频译码领域中,术语“帧(frame)”与“图像(picture/image)”可以用作同义词。视频译码(或通常为译码)包括视频编码和视频解码两部分。视频编码在源侧执行,通常包括处理(例如,通过压缩)原始视频图像,以减少表示视频图像所需的数据量(从而实现更高效存储和/或传输)。视频解码在目的地侧执行,通常包括相对于编码器作逆处理,以重建视频图像。实施例涉及的视频图像(或通常为图像)的“译码”应理解为视频图像或相应视频序列的“编码”或“解码”。编码部分和解码部分也合称为编解码(编码和解码,CODEC)。
在无损视频译码情况下,可以重建原始视频图像,即重建的视频图像与原始视频图像具有相同的质量(假设存储或传输期间没有传输损耗或其它数据丢失)。在有损视频译码情况下,通过量化等执行进一步压缩,来减少表示视频图像的数据量,而解码器侧无法完全重建视频图像,即重建视频图像的质量比原始视频图像的质量低或差。
几个视频编码标准属于“有损混合视频编解码器”组(即,将样本域中的空间预测和时间预测与变换域中用于进行量化的2D变换译码相结合)。视频序列中的每个图像通常分割为不重叠块集合,通常在块级进行译码。换句话说,在编码器侧,通常在块(视频块)级处对视频进行处理(即编码),例如,通过空间(帧内)预测和/或时间(帧间)预测来生成预测块;从当前块(当前处理/待处理的块)中减去预测块,得到残差块;在变换域中变换残差块并量化残差块,以减少待发送(压缩)的数据量,而在解码器侧,对经编码或压缩块进行相对于编码器的逆处理,以重建当前块进行表示。另外,编码器和解码器处理步骤相同,使得编码器和解码器进行相同的预测(例如,帧内预测和帧间预测)和/或重建,以对后续块进行处理(即译码)。
在以下视频译码***10的实施例中,视频编码器20和视频解码器30根据图1A至图3进行描述。
图1A为示例性译码***10的示意性框图,例如可以利用本申请技术的视频译码***10(或简称为译码***10)。视频译码***10中的视频编码器20(或简称为编码器20)和视频解码器30(或简称为解码器30)为可用于根据本申请中描述的各种示例执行各技术的设备示例。
如图1A所示,译码***10包括源设备12,源设备12用于将经编码图像数据21提供给目的地设备14等,以对经编码图像数据13进行解码。
源设备12包括编码器20,并且可以另外(即可选地)包括图像源16、预处理器(或预处理单元)18(例如,图像预处理器18)和通信接口或通信单元22。
图像源16可以包括或可以是任何类型的图像捕获设备,例如用于捕获真实世界图像的摄像机;和/或任何类型的图像生成设备,例如用于生成计算机动画图像的计算机图形处理器;或者任何类型的用于获取和/或提供真实世界图像、计算机生成图像(例如屏幕内容、虚拟现实(virtual reality,VR)图像)和/或其任何组合(例如,增强现实(augmentedreality,AR)图像)的其它设备。图像源可以为存储任一上述图像的任何类型的存储器(memory/storage)。
为了区分预处理器18和预处理单元18执行的处理,图像或图像数据17也可以称为原始图像或原始图像数据17。
预处理器18用于接收(原始)图像数据17,并对图像数据17执行预处理,得到经预处理的图像19或经预处理的图像数据19。预处理器18执行的预处理可包括修剪(trimming)、颜色格式转换(例如从RGB转换为YCbCr)、调色或去噪等。可以理解的是,预处理单元18可以为可选组件。
视频编码器20用于接收经预处理的图像数据19并提供经编码图像数据21(下面将根据图2等进一步详细描述)。
源设备12中的通信接口22可以用于接收经编码图像数据21,并通过通信信道13将经编码图像数据21(或对经编码图像数据21进一步处理后得到的数据)发送到另一设备(例如,目的地设备14)或任何其它设备,以便进行存储或直接重建。
目的地设备14包括解码器30(例如,视频解码器30),另外(即可选地),可包括通信接口或通信单元28、后处理器32(或后处理单元32)和显示设备34。
目的地设备14中的通信接口28用于直接从源设备12或从存储设备(例如经编码图像数据存储设备)等任何其它源,接收经编码图像数据21(或对经编码图像数据21进一步处理后得到的数据),并将经编码图像数据21提供给解码器30。
通信接口22和通信接口28可以用于通过源设备12与目的地设备14之间的直接通信链路(例如,直接有线或无线连接)或者通过任何类型的网络(例如,有线网络、无线网络或其任何组合,或者任何类型的私网和公网或其任何类型的组合)发送或接收经编码图像数据21或经编码数据13。
例如,通信接口22可以用于将经编码图像数据21封装成合适的格式(例如数据包),和/或通过任何类型的传输编码或处理方式来处理经编码图像数据,以便通过通信链路或通信网络进行传输。
例如,与通信接口22对应的通信接口28可以用于接收传输数据,并通过任何类型的对应传输解码或处理和/或解封装方式来处理传输数据,得到经编码图像数据21。
通信接口22和通信接口28均可配置为图1A中从源设备12指向目的地设备14的通信信道13的箭头所表示的单向通信接口,或者配置为双向通信接口,并且可以用于发送和接收消息等,以建立连接、确认并交换与通信链路和/或数据传输(例如经编码图像数据传输)相关的任何其它信息等。
解码器30用于接收经编码图像数据21并提供经解码图像数据31或经解码图像31(下面将根据图3或图5等进一步详细描述)。
目的地设备14的后处理器32用于对经解码图像数据31(也称为重建图像数据)(例如,经解码图像31)进行后处理,以获得经后处理的图像数据33(例如,经后处理的图像33)。例如,由后处理单元32执行的后处理可以包括颜色格式转换(例如,从YCbCr转换为RGB)、调色、修剪或重采样,或任何其它处理,例如,用于提供经解码图像数据31以供显示设备34等显示。
目的地设备14中的显示设备34用于接收经后处理的图像数据33,以向用户或观看者等显示图像。显示设备34可以为或包括用于表示重建图像的任意类型的显示器,例如,集成或外部显示屏或显示器。例如,显示器可以包括液晶显示器(liquid crystal display,LCD)、有机发光二极管(organic light emitting diode,OLED)显示器、等离子显示器、投影仪、微LED显示器、硅基液晶(liquid crystal on silicon,LCoS)、数字光处理器(digital light processor,DLP)或任何类型的其它显示器。
尽管图1A将源设备12和目的地设备14作为单独的设备进行描述,但是设备实施例还可以包括两种设备或两种功能,即源设备12或对应功能以及目的地设备14或对应功能。在这些实施例中,可以使用相同的硬件和/或软件或使用单独的硬件和/或软件或其任何组合来实现源设备12或对应功能以及目的地设备14或对应功能。
根据描述,图1A所示的源设备12和/或目的地设备14中的不同单元或功能的存在和(准确)划分可能根据实际设备和应用而有所不同,这对技术人员来说是显而易见的。
编码器20(例如,视频编码器20)或解码器30(例如,视频解码器30),或编码器20和解码器30两者均可通过如图1B所示的处理电路实现,例如一个或多个微处理器、数字信号处理器(digital signal processor,DSP)、专用集成电路(application-specificintegrated circuit,ASIC)、现场可编程门阵列(field-programmable gate array,FPGA)、离散逻辑、硬件、视频译码专用处理器或其任意组合。编码器20可以由处理电路46实现,以体现参考图2的编码器20论述的各种模块和/或本文描述的任何其它编码器***或子***。解码器30可以由处理电路46实现,以体现参考图3的解码器30论述的各种模块和/或本文描述的任何其它解码器***或子***。所述处理电路可用于执行下文描述的各种操作。如图5所示,如果所述技术部分地以软件形式实现,则设备可以将软件的指令存储在合适的非瞬时性计算机可读存储介质中,并且可以使用一个或多个处理器执行硬件中的指令,以执行本发明的技术。视频编码器20和视频解码器30中的其中一个可作为组合编解码器(encoder/decoder,CODEC)的一部分集成在单个设备中,如图1B所示。
源设备12和目的地设备14可以包括多种设备中的任一种,包括任何类型的手持或固定设备,例如,笔记本电脑或膝上型电脑、手机、智能手机、平板电脑(tablet/tabletcomputer)、摄像机、台式计算机、机顶盒、电视机、显示设备、数字媒体播放器、视频游戏机、视频流设备(如内容服务服务器或内容分发服务器)、广播接收器设备、广播发射器设备等,并且可以不使用或使用任何类型的操作***。在一些情况下,可以配备源设备12和目的地设备14以用于无线通信。因此,源设备12和目的地设备14可以是无线通信设备。
在一些情况下,图1A所示的视频译码***10仅仅是示例性的,本申请中的技术可以适用于不一定包括编码设备与解码设备之间的任何数据通信的视频译码设置(例如视频编码或视频解码)。在其它示例中,数据从本地存储器中检索,通过网络传输,等等。视频编码设备可以对数据进行编码并将数据存储到存储器中,和/或视频解码设备可以从存储器检索数据并对数据进行解码。在一些示例中,编码和解码由相互不通信而只是将数据编码到存储器和/或从存储器检索数据并对数据进行解码的设备来执行。
为便于描述,本文参考由ITU-T视频编码专家组(video coding experts group,VCEG)和ISO/IEC运动图像专家组(motion picture experts group,MPEG)的视频编码联合工作组(joint collaboration team on video coding,JCT-VC)开发的高效视频编码(high-efficiency video coding,HEVC)或通用视频编码(versatile video coding,VVC)(下一代视频编码标准)参考软件等描述本发明实施例。本领域普通技术人员理解本发明实施例不限于HEVC或VVC。
编码器和编码方法
图2为用于实现本申请技术的示例性视频编码器20的示意性框图。在图2的示例中,视频编码器20包括输入端201(或输入接口201)、残差计算单元204、变换处理单元206、量化单元208、反量化单元210和逆变换处理单元212、重建单元214、环路滤波器单元220、解码图像缓冲区(decoded picture buffer,DPB)230、模式选择单元260、熵编码单元270和输出端272(或输出接口272)。模式选择单元260可以包括帧间预测单元244、帧内预测单元254和分割单元262。帧间预测单元244可以包括运动估计单元和运动补偿单元(未示出)。图2所示的视频编码器20也可以称为混合视频编码器或根据混合视频编解码器的视频编码器。
残差计算单元204、变换处理单元206、量化单元208和模式选择单元260可以组成编码器20的前向信号路径,而反量化单元210、逆变换处理单元212、重建单元214、缓冲区216、环路滤波器220、解码图像缓冲区(decoded picture buffer,DPB)230、帧间预测单元244和帧内预测单元254可以组成视频编码器20的后向信号路径,其中,视频编码器20的后向信号路径对应于解码器(参见图3中的视频解码器30)的信号路径。反量化单元210、逆变换处理单元212、重建单元214、环路滤波器220、解码图像缓冲区(decoded picturebuffer,DPB)230、帧间预测单元244和帧内预测单元254还组成视频编码器20的“内置解码器”。
图像和图像分割(图像和块)
编码器20可以用于通过输入端201等接收图像17(或图像数据17),例如形成视频或视频序列的一系列图像中的图像。接收到的图像或图像数据也可以是经预处理的图像19(或经预处理的图像数据19)。为简单起见,以下描述使用图像17。图像17也可以称为当前图像或待编码图像(尤其是在视频译码中将当前图像与同一视频序列(即同样包括当前图像的视频序列)中的其它图像(例如先前的经编码图像和/或经解码图像)区分开)。
(数字)图像为或可以视为具有强度值的样本组成的二维阵列或矩阵。阵列中的样本也可以称为像素(pixel/pel)(图像元素的简称)。阵列或图像的水平方向和垂直方向(或轴线)上的样本数量限定了图像的大小和/或分辨率。通常采用三个颜色分量来表示颜色,即图像可以表示为或包括三个样本阵列。在RGB格式或颜色空间中,图像包括对应的红色、绿色和蓝色样本阵列。但是,在视频译码中,每个像素通常由亮度和色度格式或在颜色空间中表示,例如,YCbCr,包括Y表示的亮度分量(有时也用L表示)和Cb和Cr表示的两个色度分量。亮度(luminance,简称luma)分量Y表示亮度或灰度级强度(例如,在灰度图像中),而两个色度(chrominance,简称chroma)分量Cb和Cr表示色度或颜色信息分量。相应地,YCbCr格式的图像包括亮度样本值(Y)的亮度样本阵列和色度值(Cb和Cr)的两个色度样本阵列。RGB格式的图像可以转换或变换成YCbCr格式,反之亦然,该过程也称为颜色转换或颜色变换。如果图像是黑白的,则该图像可以仅包括亮度样本阵列。相应地,例如,图像可以为黑白格式的亮度样本阵列或4:2:0、4:2:2和4:4:4彩色格式的亮度样本阵列和两个对应的色度样本阵列。
视频编码器20的实施例可以包括图像分割单元(图2中未示出),用于将图像17分割成多个(通常不重叠)图像块203。这些块也可以称为根块、宏块(H.264/AVC),或编码树块(coding tree block,CTB)或编码树单元(coding tree unit,CTU)(H.265/HEVC和VVC)。图像分割单元可以用于对视频序列中的所有图像使用相同的块大小和使用限定块大小的对应网格,或者在图像或图像子集或图像组之间改变块大小,并将每个图像分割成对应块。
在其它实施例中,视频编码器可以用于直接接收图像17中的块203,例如组成图像17的一个、几个或所有块。图像块203也可以称为当前图像块或待编码图像块。
与图像17类似,图像块203同样是或可以看作是具有强度值(样本值)的样本的二维阵列或矩阵,但是,图像块203的尺寸比图像17小。换句话说,块203可以包括一个样本阵列(例如,黑白图像17情况下的亮度阵列或彩色图像情况下的亮度阵列或色度阵列)或三个样本阵列(例如,彩色图像17情况下的一个亮度阵列和两个色度阵列)或根据所采用的颜色格式的任何其它数量和/或类型的阵列。块203的水平方向和垂直方向(或轴线)上的样本数量限定了块203的大小。相应地,块可以为例如M×N(M列×N行)个样本阵列,或M×N个变换系数阵列等。
图2所示的视频编码器20的实施例可以用于逐块对图像17进行编码,例如,按块203进行编码和预测。
图2所示的视频编码器20的实施例还可以用于使用条带(slice)(也称为视频条带)对图像进行分割和/或编码,其中,可以使用一个或多个条带(通常为非重叠的)对图像进行分割或编码。每个条带可以包括一个或多个块(例如,CTU)或一个或多个块组(例如,分块(tile)(H.265/HEVC和VVC)或砖(brick)(VVC))。
图2所示的视频编码器20的实施例还可以用于使用条带/分块组(也称为视频分块组)和/或分块(也称为视频分块)对图像进行分割和/或编码,其中,可以使用一个或多个条带/分块组(通常为非重叠的)对图像进行分割或编码。每个条带/分块组可以包括一个或多个块(例如CTU)或一个或多个分块等,其中,每个分块可以为矩形等形状,可以包括一个或多个块(例如CTU),例如完整或部分块。
残差计算
残差计算单元204可以用于根据图像块203和预测块265(后续提供了预测块265的更多详细内容)计算残差块205(也称为残差205),例如,通过逐样本(逐像素)将图像块203的样本值减去预测块265的样本值,以在样本域中获取残差块205。
变换
变换处理单元206可以用于对残差块205的样本值进行离散余弦变换(discretecosine transform,DCT)或离散正弦变换(discrete sine transform,DST)等变换,得到变换域中的变换系数207。变换系数207也可以称为变换残差系数,表示变换域中的残差块205。
变换处理单元206可以用于应用DCT/DST(例如为H.265/HEVC指定的变换)的整数近似值。与正交DCT变换相比,这种整数近似通常通过某一因子按比例缩放(scale)。为了维持经正变换和逆变换处理的残差块的范数,应用其它缩放因子作为变换过程的一部分。缩放因子通常是根据某些约束条件来选择的,例如,缩放因子是用于移位运算的2的幂、变换系数的位深度、精度与实现成本之间的权衡等。例如,通过逆变换处理单元212等为逆变换(以及在视频解码器30侧,通过逆变换处理单元312等为对应的逆变换)指定具体的缩放因子;相应地,可以在编码器20侧,通过变换处理单元206等为正变换指定对应的缩放因子。
视频编码器20(相应地,变换处理单元206)的实施例可以用于直接或通过熵编码单元270编码或压缩等输出变换参数(例如,一种或多种变换的类型),使得例如视频解码器30可以接收并使用变换参数进行解码。
量化
量化单元208可以用于通过应用标量量化或矢量量化等对变换系数207进行量化,得到量化系数209。量化系数209也可以称为量化变换系数209或量化残差系数209。
量化过程可以降低与一些或全部变换系数207相关的位深度。例如,可以在量化期间将n位变换系数向下舍入到m位变换系数,其中,n大于m。可以通过调整量化参数(quantization parameter,QP)修改量化程度。例如,对于标量量化,可以应用不同程度的标度来实现较细或较粗的量化。较小量化步长对应于较细量化,而较大量化步长对应于较粗量化。可通过量化参数(quantization parameter,QP)表示合适的量化步长。例如,量化参数可以为合适的量化步长的预定义集合的索引。例如,较小的量化参数可以对应于精细量化(较小量化步长),较大的量化参数可以对应于粗糙量化(较大量化步长),反之亦然。量化可以包括除以量化步长,而反量化单元210等执行的对应解量化和/或对应反解量化可以包括乘以量化步长。根据HEVC等一些标准的实施例可以使用量化参数来确定量化步长。通常,可以根据量化参数使用包括除法的方程的定点近似来计算量化步长。可以引入其它缩放因子来进行量化和解量化,以恢复可能由于在量化步长和量化参数的等式的定点近似中使用的标度而修改的残差块的范数。在一种示例性实现方式中,可以合并逆变换和解量化的标度。或者,可以使用自定义量化表并在码流中等将自定义量化表从编码器向解码器指示(signal)。量化是有损操作,其中,量化步长越大,损耗越大。
在实施例中,视频编码器20(相应地,量化单元208)可以用于输出量化参数(quantization parameter,QP),例如直接输出或由熵编码单元270进行编码后输出,使得例如视频解码器30可以接收并使用量化参数进行解码。
反量化
反量化单元210用于对量化系数进行量化单元208的反量化,得到解量化系数211,例如根据或使用与量化单元208相同的量化步长,执行与量化单元208所执行的量化方案的反量化方案。解量化系数211也可以称为解量化残差系数211,对应于变换系数207,但是由于量化造成的损耗,解量化系数211通常与变换系数不同。
逆变换
逆变换处理单元212用于执行变换处理单元206执行的变换的逆变换,例如逆离散余弦变换(discrete cosine transform,DCT)或逆离散正弦变换(discrete sinetransform,DST),得到样本域中的重建残差块213(或对应的解量化系数213)。重建残差块213也可称为变换块213。
重建
重建单元214(例如,加法器或求和器214)用于通过逐样本将重建残差块213的样本值与预测块265的样本值相加,将变换块213(即重建残差块213)添加到预测块265,以得到样本域中的重建块215。
滤波
环路滤波器单元220(或简称“环路滤波器”220)用于对重建块215进行滤波,得到经滤波的块221,或通常用于对重建样本进行滤波,得到经滤波的样本值。例如,环路滤波器单元用于平滑像素转变或提高视频质量。环路滤波器单元220可以包括一个或多个环路滤波器,例如去块效应滤波器、样本自适应偏移(sample-adaptive offset,SAO)滤波器或一个或多个其它滤波器,例如自适应环路滤波器(adaptive loop filter,ALF)、噪声抑制滤波器(noise suppression filter,NSF)或其任意组合。在一个示例中,环路滤波器单元220可以包括去块效应滤波器、SAO滤波器和ALF。滤波过程的顺序可以是去块效应滤波器、SAO滤波器和ALF。在另一个示例中,增加了一种称为亮度映射与色度缩放(luma mapping withchroma scaling,LMCS)(即自适应环内信号重塑(adaptive in-loop reshaper))的过程。这个过程在去块效应滤波之前执行。在另一个示例中,去块效应滤波过程也可以应用于内部子块边缘,例如仿射子块边缘、ATMVP子块边缘、子块变换(sub-block transform,SBT)边缘和帧内子分区(intra sub-partition,ISP)边缘。尽管环路滤波器单元220在图2中示为环内滤波器,但是在其它配置中,环路滤波器单元220可以实现为后环路滤波器。经滤波的块221也可称为经滤波的重建块221。
在实施例中,视频编码器20(对应地,环路滤波器单元220)可以用于输出环路滤波器参数(例如SAO滤波器参数或ALF参数或LMCS参数),例如直接输出或由熵编码单元270进行编码后输出,使得(例如)解码器30可以接收并使用相同的环路滤波器参数或相应的环路滤波器进行解码。
解码图像缓冲区
解码图像缓冲区(decoded picture buffer,DPB)230可以是存储参考图像或通常存储参考图像数据以供视频编码器20在对视频数据进行编码时使用的存储器。DPB 230可以由多种存储器设备中的任一种形成,例如动态随机存取存储器(dynamic random accessmemory,DRAM),包括同步DRAM(synchronous DRAM,SDRAM)、磁阻RAM(magnetoresistiveRAM,MRAM)、电阻RAM(resistive RAM,RRAM)或其它类型的存储器设备。解码图像缓冲区(decoded picture buffer,DPB)230可以用于存储一个或多个经滤波的块221。解码图像缓冲区230还可以用于存储同一个当前图像或不同图像(例如先前的重建图像)中的其它先前经滤波的块(例如先前经滤波的重建块221),并可以提供先前完整的重建(即经解码)图像(和对应的参考块和样本)和/或部分重建的当前图像(和对应的参考块和样本),以进行帧间预测等。如果重建块215未由环路滤波器单元220进行滤波,则解码图像缓冲区(decodedpicture buffer,DPB)230还可以用于存储一个或多个未经滤波的重建块215,或通常存储未经滤波的重建样本,或未进行任何其它处理的重建块或重建样本。
模式选择(分割和预测)
模式选择单元260包括分割单元262、帧间预测单元244和帧内预测单元254,并且用于从解码图像缓冲区230或其它缓冲区(例如行缓冲区,图中未示出)等接收或获取原始块203(当前图像17中的当前块203)等原始图像数据以及重建图像数据(例如同一个(当前)图像和/或一个或多个先前经解码图像中的经滤波和/或未经滤波的重建样本或块)。重建图像数据用作帧间预测或帧内预测等预测所需的参考图像数据,以得到预测块265或预测值265。
模式选择单元260可以用于为当前块预测模式(包括不分割)确定或选择一种分割以及确定或选择一种预测模式(例如,帧内预测模式或帧间预测模式),生成对应的预测块265,以对残差块205进行计算和对重建块215进行重建。
在实施例中,模式选择单元260可以用于选择分割方式和预测模式(例如从模式选择单元260支持的或可用的预测模式中选择),所述预测模式提供最佳匹配或者最小残差(最小残差是指传输或存储中更好的压缩),或者提供最小指示开销(最小指示开销是指传输或存储中更好的压缩),或者同时考虑或平衡以上两者。模式选择单元260可以用于根据率失真优化(rate distortion optimization,RDO)确定分割和预测模式,即选择提供最小率失真的预测模式。本文中的“最佳”、“最小”、“最优”等术语不一定指总体上“最佳”、“最小”、“最优”等,但也可以指满足终止或选择标准的情况,例如超过或低于阈值的值或其它约束条件可能导致“次优选择”,但会降低复杂度且减少处理时间。
换句话说,分割单元262可以用于将视频序列的图像分割成一系列编码树单元(coding tree unit,CTU),CTU 203还可以被进一步分割成更小的分割部分或子块(再次形成块),例如,使用四叉树(quad-tree,QT)分割、二叉树(binary-tree,BT)分割或三叉树(triple-tree,TT)分割或其任何组合迭代地进行,并对每个块分割部分或子块进行预测等,其中,所述模式选择包括选择分割块203的树结构,以及将预测模式应用于每个块分割部分或子块。
下文将详细地描述由视频编码器20执行的分割(例如,由分割单元260执行)和预测处理(由帧间预测单元244和帧内预测单元254执行)。
分割
分割单元262可以用于将视频序列中的一个图像分割为一系列编码树单元(coding tree unit,CTU),分割单元262可以将编码树单元(coding tree unit,CTU)203分割(或划分)成较小的分割部分,例如方形或矩形小块。对于具有3个样本阵列的一个图像,1个CTU由N×N的亮度样本块和2个对应的色度样本块组成。CTU中的亮度块的最大允许大小在正在开发的通用视频编码(versatile video coding,VVC)中指定为128×128,但是将来可以指定为不同于128×128的值,例如256×256。图像的CTU可以聚集/分组为条带/分块组、分块或砖。一个分块覆盖一个图像的矩形区域,一个分块可以分成一个或多个砖。一个砖由一个分块内的多个CTU行组成。没有分割成多个砖的分块可以称为砖。但是,砖是分块的真子集,不称为分块。VVC支持两种分块组模式,即光栅扫描条带/分块组模式和矩形条带模式。在光栅扫描分块组模式中,一个条带/分块组包括图像的分块光栅扫描下的一系列分块。在矩形条带模式中,一个条带包括图像的多个砖,这些砖共同组成该图像的矩形区域。矩形条带内的各个砖按照条带的砖光栅扫描顺序排列。可以将这些较小块(也可以称为子块)进一步分割为甚至更小的分割部分。这也称为树分割或层次树分割,其中,可以递归地分割例如根树层次0(层次级别0,深度0)的根块,例如分割为两个或两个以上下一较低树层次的块,例如树层次1(层次级别1,深度1)的节点。可以再次将这些块分割为两个或两个以上下一较低层次,例如树层次2(层次级别2,深度2)的块等,直到例如因为满足结束标准(例如达到最大树深度或最小块大小),分割结束。未进一步分割的块也称为树的叶块或叶节点。分割为两个分割部分的树称为二叉树(binary-tree,BT),分割为三个部分的树称为三叉树(ternary-tree,TT),分割为四个部分的树称为四叉树(quad-tree,QT)。
例如,编码树单元(coding tree unit,CTU)可以为或可以包括具有三个样本阵列的图像中的亮度样本的一个CTB、该图像中的色度样本的两个对应CTB,或黑白图像中的或使用三个单独颜色平面和语法结构进行译码的图像中的样本的一个CTB。这些语法结构用于对样本进行译码。相应地,编码树块(coding tree block,CTB)可以为N×N个样本块,其中,N可以设为某个值,从而将分量划分为多个CTB,这就是分割。编码单元(coding unit,CU)可以为或包括具有三个样本阵列的图像中的亮度样本的一个编码块、色度样本的两个对应编码块,或黑白图像中的或使用三个单独颜色平面和语法结构进行译码的图像中的样本组成的一个编码块。这些语法结构用于对上述样本进行译码。对应地,编码块(codingblock,CB)可以为M×N个样本块,其中,M和N可以设为某个值,使得一个CTB划分为多个编码块,这就是一种分割方式。
在实施例中,例如根据HEVC,可以通过表示为编码树的四叉树结构将编码树单元(coding tree unit,CTU)划分为多个CU。在叶CU级决定是使用帧间(时间)预测还是帧内(空间)预测对图像区域进行译码。每个叶CU可以根据PU划分类型进一步划分为1个、2个或4个PU。一个PU内应用相同的预测过程,并以PU为单位向解码器发送相关信息。在根据PU划分类型进行预测过程得到残差块之后,可以根据与用于叶CU的编码树类似的其它四叉树结构将该CU分割成变换单元(transform unit,TU)。
在实施例中,例如根据当前开发的称为通用视频编码(versatile video coding,VVC)的最新视频编码标准,组合式四叉树嵌套多类型树(使用二叉树和三叉树)划分分段(segmentation)结构,例如用于分割编码树单元。在编码树单元内的编码树结构中,一个CU可以为正方形或矩形。例如,编码树单元(coding tree unit,CTU)首先通过四叉树结构进行分割。然后,四叉树叶节点通过多类型树结构进一步分割。多类型树结构有4种划分类型:垂直二叉树划分(SPLIT_BT_VER)、水平二叉树划分(SPLIT_BT_HOR)、垂直三叉树划分(SPLIT_TT_VER)和水平三叉树划分(SPLIT_TT_HOR)。多类型树叶节点称为编码单元(coding unit,CU),除非CU的大小对于最大变换长度而言太大,这样的分段用于预测和变换处理,无需任何进一步分割。这表示,在大多数情况下,CU、PU和TU在四叉树嵌套多类型树的编码块结构中的块大小相同。当最大支持变换长度小于CU的彩色分量的宽度或高度时,就会出现该异常。VVC制定了具有四叉树嵌套多类型树的编码树结构中的分割划分信息的唯一指示机制。在指示机制中,编码树单元(coding tree unit,CTU)作为四叉树的根首先通过四叉树结构进行分割。然后,每个四叉树叶节点(当大到足以进行分割时)进一步通过多类型树结构进行分割。在多类型树结构中,指示第一标志(mtt_split_cu_flag)来表示节点是否进一步分割;当节点进一步分割时,先指示第二标志(mtt_split_cu_vertical_flag)来表示划分方向,再指示第三标志(mtt_split_cu_binary_flag)来表示划分是二叉树划分还是三叉树划分。根据mtt_split_cu_vertical_flag和mtt_split_cu_binary_flag的值,解码器可以基于预定义规则或表格推导出CU的多类型树划分模式(MttSplitMode)。需要说明的是,对于某种设计,例如VVC硬件解码器中的64×64亮度块和32×32色度流水线设计,当亮度编码块的宽度或高度大于64时,禁止进行TT划分,如图6所示。当色度编码块的宽度或高度大于32时,也禁止TT划分。流水线设计将图像分为多个虚拟流水线数据单元(virtual pipeline data unit,VPDU),每个VPDU定义为图像中的不重叠单元。在硬件解码器中,多个流水线阶段同时处理连续的VPDU。在大多数流水线阶段中,VPDU大小与缓冲区大小大致成正比,因此需要保持较小的VPDU。在大多数硬件解码器中,VPDU大小可以设置为最大变换块(transform block,TB)大小。但是,在VVC中,三叉树(ternary tree,TT)和二叉树(binary tree,BT)分割可能会增加VPDU的大小。
另外,需要说明的是,当树节点块的一部分超出图像下边界或右边界时,强制对该树节点块进行划分,直到每个经译码CU的所有样本都位于图像边界内。
在一个示例中,帧内子分区(intra sub-partition,ISP)工具可以根据块大小将亮度帧内预测块垂直或水平地分为2个或4个子分区。
在一个示例中,视频编码器20中的模式选择单元260可以用于执行本文描述的分割技术的任意组合。
如上所述,视频编码器20用于从(例如预定的)预测模式集合中确定或选择最好或最优的预测模式。预测模式集合可以包括帧内预测模式和/或帧间预测模式等。
帧内预测
帧内预测模式集合可以包括35种不同的帧内预测模式,例如,如DC(或均值)模式和平面模式等非方向性模式,或如HEVC中定义的方向性模式,或者可以包括67种不同的帧内预测模式,例如,如DC(或均值)模式和平面模式等非方向性模式,或如VVC中定义的方向性模式。在一个示例中,若干种传统角度帧内预测模式自适应地替换为VVC中定义的非正方形块的广角帧内预测模式。在另一示例中,为了避免DC预测的除法运算,仅使用较长边来计算非正方形块的平均值。而且,平面模式的帧内预测结果还可以使用位置相关帧内预测组合(position dependent intra prediction combination,PDPC)方法修改。
帧内预测单元254用于根据帧内预测模式集合中的帧内预测模式,使用同一个当前图像中的邻块的重建样本来生成帧内预测块265。
帧内预测单元254(或通常为模式选择单元260)还用于将帧内预测参数(或通常为表示块的选定帧内预测模式的信息)以语法元素266的形式输出到熵编码单元270,以包括到经编码图像数据21中,使得例如视频解码器30可以接收并使用预测参数进行解码。
帧间预测(包括层间预测)
(可能的)帧间预测模式集合基于可用参考图像(即,例如上述存储在DPB 230中的至少部分解码的图像)和其它帧间预测参数,例如基于是否使用整个参考图像或只使用参考图像的一部分(例如当前块的区域周围的搜索窗口区域)来搜索最佳匹配参考块,和/或例如基于是否执行像素插值,例如二分之一/半像素插值、四分之一像素插值和/或1/16像素插值。
除上述预测模式外,还可以使用跳过模式、直接模式和/或其它帧间预测模式,
例如,扩展融合预测,这种模式的融合候选列表由以下5种候选类型按顺序组成:空间相邻CU的空间MVP、并置CU的时间MVP、FIFO表中的基于历史的MVP、成对平均MVP和零MV。而且基于双边匹配的解码器侧运动矢量修正(decoder side motion vectorrefinement,DMVR)可以用来提高融合模式的MV的精度。带有MVD的融合模式(merge modewith MVD,MMVD)来自带有运动矢量差值的融合模式。MMVD标志在发送跳过标志和融合标志之后立即进行指示,以表示CU是否使用MMVD模式。而且可以应用CU级自适应运动矢量精度(adaptive motion vector resolution,AMVR)方案。AMVR支持以不同的精度对CU的MVD进行译码。根据当前CU的预测模式,可以自适应地选择当前CU的MVD。当CU使用融合模式进行译码时,合并的帧间/帧内预测(combined inter/intra prediction,CIIP)模式可以应用于当前CU,帧间和帧内预测信号的加权平均被执行以得到CIIP预测信号;仿射运动补偿预测,块的仿射运动场通过2个控制点(4参数)或3个控制点(6参数)运动矢量的运动信息来描述,基于子块的时间运动矢量预测(subblock-based temporal motion vectorprediction,SbTMVP)与HEVC中的时间运动矢量预测(temporal motion vectorprediction,TMVP)类似,但预测的是当前CU内的子CU的运动矢量,双向光流(bi-directional optical flow,BDOF)以前称为BIO,是一种需要很少计算量(特别是乘法次数和乘数大小方面)的简化版本;三角分割模式,在这种模式中,CU使用对角线划分或反对角线划分被均匀划分成2个三角形分割部分,此外,双向预测模式在简单平均的基础上进行了扩展,以支持2个预测信号的加权平均。
帧间预测单元244可以包括运动估计(motion estimation,ME)单元和运动补偿(motion compensation,MC)单元(两者未在图2中示出)。运动估计单元可以用于接收或获取图像块203(当前图像17中的当前图像块203)和经解码图像231,或者至少一个或多个先前的重建块(例如,一个或多个其它/不同先前的经解码图像231中的重建块),以进行运动估计。例如,视频序列可以包括当前图像和先前的经解码图像231,或换句话说,当前图像和先前的经解码图像231可以为一系列图像的一部分或组成一系列图像,这一系列图像组成视频序列。
例如,编码器20可用于从多个其它图像中的相同或不同图像的多个参考块中选择参考块,并将参考图像(或参考图像索引)和/或参考块的位置(x坐标、y坐标)与当前块的位置之间的偏移(空间偏移)作为帧间预测参数提供给运动估计单元。这种偏移也称为运动矢量(motion vector,MV)。
运动补偿单元用于获取(例如接收)帧间预测参数,并根据或使用帧间预测参数执行帧间预测,得到帧间预测块265。由运动补偿单元执行的运动补偿可以包括根据通过运动估计确定的运动/块矢量来提取或生成预测块,还可以包括对子像素精度执行插值。插值滤波可以根据已知像素的样本生成其它像素的样本,从而潜在地增加可以用于对图像块进行译码的候选预测块的数量。在接收到当前图像块对应的PU的运动矢量时,运动补偿单元可以在其中一个参考图像列表中定位运动矢量指向的预测块。
运动补偿单元还可以生成与块和视频条带(slice)相关的语法元素,以供视频解码器30在解码视频条带的图像块时使用。除了条带和相应语法元素或作为条带和相应语法元素的替代,还可以生成或使用分块组(tile group)和/或分块(tile)以及相应语法元素。
熵编码
熵编码单元270用于将熵编码算法或方案(例如可变长度编码(variable lengthcoding,VLC)方案、上下文自适应VLC(context adaptive VLC,CAVLC)方案、算术编码方案、二值化,上下文自适应二进制算术编码(context adaptive binary arithmetic coding,CABAC)、基于语法的上下文自适应二进制算术编码(syntax-based context-adaptivebinary arithmetic coding,SBAC)、概率区间分割熵(probability intervalpartitioning entropy,PIPE)编码或其它熵编码方法或技术)等应用于或不应用于(无压缩)量化系数209、帧间预测参数、帧内预测参数、环路滤波器参数和/或其它语法元素,得到可以通过输出端272以经编码码流21等形式输出的经编码图像数据21,使得例如视频解码器30可以接收并使用这些参数进行解码。可以将经编码码流21发送到视频解码器30,或者将其存储在存储器中稍后由视频解码器30发送或检索。
可以使用其它接收形式的视频编码器20对视频流进行编码。例如,基于非变换的编码器20可以在没有变换处理单元206的情况下直接量化某些块或帧的残差信号。在另一种实现方式中,编码器20可以具有组合成单个单元的量化单元208和反量化单元210。
解码器和解码方法
图3示出了用于实现本申请技术的视频解码器30的示例。视频解码器30用于接收例如由编码器20编码的经编码图像数据21(例如,经编码码流21),得到经解码图像331。经编码图像数据或码流包括用于对所述经编码图像数据进行解码的信息,例如表示经编码的视频条带(和/或分块组或分块)的图像块的数据和相关的语法元素。
在图3的示例中,解码器30包括熵解码单元304、反量化单元310、逆变换处理单元312、重建单元314(例如,求和器314)、环路滤波器320、解码图像缓冲区(decoded picturebuffer,DPB)330、模式应用单元360、帧间预测单元344和帧内预测单元354。帧间预测单元344可以为或包括运动补偿单元。在一些示例中,视频解码器30可以执行大体上与针对图2的视频编码器100描述的编码回合互逆的解码回合。
如针对编码器20的描述,反量化单元210、逆变换处理单元212、重建单元214、环路滤波器220、解码图像缓冲区(decoded picture buffer,DPB)230、帧间预测单元344和帧内预测单元354还组成视频编码器20的“内置解码器”。相应地,反量化单元310在功能上可以与反量化单元110相同,逆变换处理单元312在功能上可以与逆变换处理单元212相同,重建单元314在功能上可以与重建单元214相同,环路滤波器320在功能上可以与环路滤波器220相同,解码图像缓冲区330在功能上可以与解码图像缓冲区230相同。因此,视频编码器20的相应单元和功能的解释相应地适用于视频解码器30的相应单元和功能。
熵解码
熵解码单元304用于解析码流21(或通常为经编码图像数据21)并对经编码图像数据21执行熵解码等,得到量化系数309和/或经解码的编码参数(图3中未示出)等,例如帧间预测参数(例如参考图像索引和运动矢量)、帧内预测参数(例如帧内预测模式或索引)、变换参数、量化参数、环路滤波器参数和/或其它语法元素中的任一个或全部。熵解码单元304可以用于应用与针对编码器20中的熵编码单元270描述的编码方案对应的解码算法或方案。熵解码单元304还可以用于向模式应用单元360提供帧间预测参数、帧内预测参数和/或其它语法元素,以及向解码器30的其它单元提供其它参数。视频解码器30可以接收视频条带级和/或视频块级的语法元素。除了条带和相应语法元素或作为条带和相应语法元素的替代,还可以接收和/或使用分块组和/或分块以及相应语法元素。
反量化
反量化单元310可以用于从经编码图像数据21(例如通过熵解码单元304等解析和/或解码)接收量化参数(quantization parameter,QP)(或通常为与反量化相关的信息)和量化系数,并根据这些量化参数对经解码量化系数309进行反量化,得到解量化系数311。解量化系数311也可以称为变换系数311。反量化过程可以包括使用视频编码器20对视频条带(或分块或分块组)中的每个视频块确定的量化参数来确定量化程度,同样确定需要进行的反量化的程度。
逆变换
逆变换处理单元312可以用于接收解量化系数311(也称为变换系数311),并对解量化系数311进行变换,得到样本域中的重建残差块213。重建残差块213也可以称为变换块313。变换可以为逆变换,例如逆DCT、逆DST、逆整数变换或概念上类似的逆变换过程。逆变换处理单元312还可以用于(例如通过熵解码单元304等解析和/或解码)从经编码图像数据21接收变换参数或对应的信息,以确定要对解量化系数311进行的变换。
重建
重建单元314(例如加法器或求和器314)可以用于将重建残差块313添加到预测块365,以在样本域中获取重建块315,例如,通过将重建残差块313的样本值与预测块365的样本值相加。
滤波
环路滤波器单元320(在译码环路中或之后)用于对重建块315进行滤波,得到经滤波的块321,例如,以平滑像素转变或以其它方式提高视频质量等。环路滤波器单元320可以包括一个或多个环路滤波器,例如去块效应滤波器、样本自适应偏移(sample-adaptiveoffset,SAO)滤波器或一个或多个其它滤波器,例如自适应环路滤波器(adaptive loopfilter,ALF)、噪声抑制滤波器(noise suppression filter,NSF)或其任意组合。在一个示例中,环路滤波器单元220可以包括去块效应滤波器、SAO滤波器和ALF。滤波过程的顺序可以是去块效应滤波器、SAO滤波器和ALF。在另一个示例中,增加了一种称为亮度映射与色度缩放(luma mapping with chroma scaling,LMCS)(即自适应环内信号重塑(adaptive in-loop reshaper))的过程。这个过程在去块效应滤波之前执行。在另一个示例中,去块效应滤波过程也可以应用于内部子块边缘,例如仿射子块边缘、ATMVP子块边缘、子块变换(sub-block transform,SBT)边缘和帧内子分区(intra sub-partition,ISP)边缘。尽管环路滤波器单元320在图3中示为环内滤波器,但是在其它配置中,环路滤波器单元320可以实现为后环路滤波器。
解码图像缓冲区
然后,将图像的解码视频块321存储在解码图像缓冲区330中,所述解码图像缓冲区330存储作为参考图像的经解码图像331,这些参考图像用于其它图像的后续运动补偿和/或用于分别输出到显示器。
解码器30用于通过输出端312等输出经解码图像311,向用户显示或供用户观看。
预测
帧间预测单元344的功能可以与帧间预测单元244(具体与运动补偿单元)相同,帧内预测单元354在功能上可以与帧间预测单元254相同,并根据从经编码图像数据21(例如,通过熵解码单元304等解析和/或解码)接收的分割和/或预测参数或相应信息来执行划分或分割并执行预测。模式应用单元360可以用于根据重建图像、块或相应的样本(经滤波或未经滤波)对每个块执行预测(帧内预测或帧间预测),得到预测块365。
当将视频条带译码为帧内译码(I)条带时,模式应用单元360中的帧内预测单元354用于根据指示的帧内预测模式和来自当前图像的先前经解码块的数据生成当前视频条带的图像块的预测块365。当将视频图像译码为帧间译码(即,B或P)条带时,模式应用单元360的帧间预测单元344(例如,运动补偿单元)用于根据运动矢量和从熵解码单元304接收的其它语法元素产生当前视频条带的视频块的预测块365。对于帧间预测,可以根据其中一个参考图像列表内的其中一个参考图像产生这些预测块。视频解码器30可以根据存储在DPB 330中的参考图像,使用默认构建技术来构建参考帧列表:列表0和列表1。除了条带(例如,视频条带)或作为条带的替代,相同或类似的过程可以应用于使用分块组(例如,视频分块组)和/或分块(例如,视频分块)的实施例或由这些实施例应用,例如可以使用I、P或B分块组和/或分块对视频进行译码。
模式应用单元360用于通过解析运动矢量或相关信息和其它语法元素,确定当前视频条带的视频块的预测信息,并使用预测信息产生用于正在解码的当前视频块的预测块。例如,模式应用单元360使用接收到的一些语法元素确定用于对视频条带的视频块进行译码的预测模式(例如,帧内预测或帧间预测)、帧间预测条带类型(例如,B条带、P条带或GPB条带)、用于条带的一个或多个参考图像列表的构建信息、用于条带的每个经帧间编码的视频块的运动矢量、用于条带的每个经帧间译码的视频块的帧间预测状态,以及其它信息,以对当前视频条带中的视频块进行解码。除了条带(例如,视频条带)或作为条带的替代,相同或类似的过程可以应用于使用分块组(例如,视频分块组)和/或分块(例如,视频分块)的实施例或由这些实施例应用,例如可以使用I、P或B分块组和/或分块对视频进行译码。
图3所示的视频解码器30的实施例可以用于使用条带(也称为视频条带)对图像进行分割和/或解码,其中,可以使用一个或多个条带(通常为不重叠的)对图像进行分割或解码。每个条带可以包括一个或多个块(例如,CTU)或一个或多个块组(例如,分块(H.265/HEVC和VVC)或砖(VVC))。
图3所示的视频解码器30的实施例可以用于使用条带/分块组(也称为视频分块组)和/或分块(也称为视频分块)对图像进行分割和/或解码,其中,可以使用一个或多个条带/分块组(通常为不重叠的)对图像进行分割或解码。每个条带/分块组可以包括一个或多个块(例如CTU)或一个或多个分块等,其中,每个分块可以为矩形等形状,可以包括一个或多个块(例如CTU),例如完整或部分块。
可以使用其它形式的视频解码器30对经编码图像数据21进行解码。例如,解码器30可以在没有环路滤波器单元320的情况下产生输出视频流。例如,基于非变换的解码器30可以在某些块或帧没有逆变换处理单元312的情况下直接对残差信号进行反量化。在另一种实现方式中,视频解码器30可以具有组合成单个单元的反量化单元310和逆变换处理单元312。
应理解,在编码器20和解码器30中,可以对当前步骤的处理结果进一步处理,然后输出到下一步骤。例如,在插值滤波、运动矢量推导或环路滤波之后,可以对插值滤波、运动矢量推导或环路滤波的处理结果进行进一步的运算,如限幅(clip)或移位(shift)运算。
需要说明的是,可以对当前块的推导运动矢量(包括但不限于仿射模式的控制点运动矢量,仿射模式、平面模式、ATMVP模式的子块运动矢量,时间运动矢量等)进行进一步运算。例如,根据运动矢量的表示位将运动矢量的值限制在预定义范围。如果运动矢量的表示位为bitDepth,则范围为–2^(bitDepth–1)至2^(bitDepth–1)–1,其中,“^”表示幂次方。例如,如果bitDepth设置为16,则范围为–32768至32767;如果bitDepth设置为18,则范围为–131072至131071。例如,对推导出的运动矢量(例如一个8×8块中的4个4×4子块的MV)的值进行限制,使得这4个4×4子块MV的整数部分之间的最大差值不超过N个像素,例如不超过1个像素。这里提供了两种根据bitDepth限制运动矢量的方法。
图4为本发明实施例提供的视频译码设备400的示意图。视频译码设备400适用于实现本文描述的公开实施例。在一个实施例中,视频译码设备400可以是解码器(如图1A的视频解码器30)或编码器(如图1A的视频编码器20)。
视频译码设备400包括:用于接收数据的入端口410(或输入端口410)和接收单元(Rx)420;用于处理数据的处理器、逻辑单元或中央处理单元(central processing unit,CPU)430;用于发送数据的发送单元(Tx)440和出端口450(或输出端口450);以及用于存储数据的存储器460。视频译码设备400还可以包括耦合到入端口410、接收单元420、发送单元440和出端口450耦合的光电(optical-to-electrical,OE)组件和电光(electrical-to-optical,EO)组件,用于光信号或电信号的出入。
处理器430通过硬件和软件实现。处理器430可以实现为一个或多个CPU芯片、核(例如,多核处理器)、FPGA、ASIC和DSP。处理器430与入端口410、接收单元420、发送单元440、出端口450和存储器460通信。处理器430包括译码模块470。译码模块470实现上文描述的公开实施例。例如,译码模块470执行、处理、准备或提供各种译码操作。因此,包括译码模块470使得视频译码设备400功能得到了显著改进,实现了视频译码设备400不同状态的转换。或者,以存储在存储器460中并由处理器430执行的指令来实现译码模块470。
存储器460包括一个或多个磁盘、磁带机和固态硬盘,可以用作溢出数据存储设备,用于在选择执行程序时存储此类程序,并且存储在程序执行过程中读取的指令和数据。例如,存储器460可以是易失性和/或非易失性的,并且可以是只读存储器(read-onlymemory,ROM)、随机存取存储器(random access memory,RAM)、三态内容寻址存储器(ternary content-addressable memory,TCAM)和/或静态随机存取存储器(staticrandom-access memory,SRAM)。
图5为示例性实施例提供的装置500的简化框图,装置500可用作图1A中的源设备12和目的地设备14中的任一个或两个。
装置500中的处理器502可以是中央处理单元。或者,处理器502可以是现有的或今后将研发出的能够操控或处理信息的任何其它类型的设备或多个设备。虽然可以使用如图5所示的处理器502等单个处理器来实现所公开的实现方式,但使用一个以上处理器可以提高速度和效率。
在一种实现方式中,装置500中的存储器504可以是只读存储器(read onlymemory,ROM)设备或随机存取存储器(random access memory,RAM)设备。任何其它合适类型的存储设备都可以用作存储器504。存储器504可以包括处理器502通过总线512访问的代码和数据506。存储器504还可包括操作***508和应用程序510,其中,应用程序510包括支持处理器502执行本文所述方法的至少一个程序。例如,应用程序510可以包括应用1至N,还可以包括执行本文所述方法的视频译码应用。
装置500还可以包括一个或多个输出设备,例如显示器518。在一个示例中,显示器518可以是将显示器与触敏元件组合的触敏显示器,该触敏元件能够用于感测触摸输入。显示器518可以通过总线512与处理器502耦合。
尽管装置500的总线512在本文中描述为单个总线,但是总线512可以包括多个总线。此外,辅助存储器514可以直接与装置500的其它组件耦合或可以通过网络访问,并且可以包括单个集成单元(例如一个存储卡)或多个单元(例如多个存储卡)。因此,装置500可以通过多种配置实现。
可适性编码
可适性编码,包括质量可适性(PSNR可适性)、空间可适性等。例如,如图6所示,序列可以被下采样至低空间分辨率版本。低空间分辨率版本和原始空间分辨率(高空间分辨率)版本都要进行编码。并且通常,低空间分辨率将首先编码,并为以后编码的高空间分辨率提供参考。
为了描述层的信息(数量、相关性、输出),存在视频参数集(video parameterset,VPS),定义如下:
vps_max_layers_minus1加1表示每个CVS中参考VPS的最大允许层数。
vps_all_independent_layers_flag等于1表示CVS中的所有层都是独立编码的,而不使用层间预测。vps_all_independent_layers_flag等于0表示CVS中的一个或多个层可以使用层间预测。当vps_all_independent_layers_flag不存在时,推断vps_all_independent_layers_flag的值等于1。当vps_all_independent_layers_flag等于1时,推断vps_independent_layer_flag[i]的值等于1。当vps_all_independent_layers_flag等于0时,推断vps_independent_layer_flag[0]的值等于1。
vps_layer_id[i]表示第i层的nuh_layer_id值。对于m和n任意两个非负整数值,当m小于n时,vps_layer_id[m]的值应小于vps_layer_id[n]的值。
vps_independent_layer_flag[i]等于1表示索引为i的层不使用层间预测。vps_independent_layer_flag[i]等于0表示索引为i的层可以使用层间预测,vps_layer_dependency_flag[i]在VPS中存在。
vps_direct_dependency_flag[i][j]等于0表示索引为j的层不是索引为i的层的直接参考层。vps_direct_dependency_flag[i][j]等于1表示索引为j的层是索引为i的层的直接参考层。当vps_direct_dependency_flag[i][j]不存在(其中,i和j在0到vps_max_layers_minus1的范围内,包括端值)时,推断它等于0。
变量DirectDependentLayerIdx[i][j]表示第i层的第j直接相关层,推导如下:
变量variable GeneralLayerIdx[i]表示nuh_layer_id等于vps_layer_id[i]的层的层索引,推导如下:
for( i = 0; i <= vps_max_layers_minus1; i++ ) (7-3)
GeneralLayerIdx[vps_layer_id[i]]=i
简单说明如下:
vps_max_layers_minus1加1表示层数。
vps_all_independent_layers_flag表示是否所有层都是独立编码的。
vps_layer_id[i]表示第i层的层ID。
vps_independent_layer_flag[i]表示第i层是否是独立编码的。
vps_direct_dependency_flag[i][j]表示第j层是否用于第i层的参考。
DPB管理和参考图像标识
为了在解码过程中管理这些参考图像,需要将经解码图像保存在解码图像缓冲区(decoding picture buffer,DPB)中,以供后续图像解码参考使用。为了表示这些图像,它们的图像顺序编号(picture order count,POC)信息需要在条带头中直接或间接指示。通常,有两个参考图像列表,列表0和列表1。而且,还需要包括参考图像索引,以指示列表中的图像。对于单向预测,参考图像从一个参考图像列表中提取,对于双向预测,参考图像从两个参考图像列表中提取。
所有参考图像都存储在DPB中。DPB中的所有图像都标识为“用于长期参考”、“用于短期参考”或“不用于参考”,但三种标识状态只能标识一种。一旦图像被标识为“不用于参考”,则它将不再用于参考。如果该图像也不需要存储以用于输出,则可以从DPB中删除该图像。参考图像的状态可以在条带头中指示,也可以从条带头信息中推导。
提出了一种新的参考图像管理方法,称为参考图像列表(reference picturelist,RPL)方法。RPL为当前编码图像提出一个或多个完整的参考图像集,参考图像集中的参考图像用于当前图像或未来(稍后或以后)图像解码。因此,RPL反映了DPB中的图像信息,即使参考图像不用于当前图像的参考,如果参考图像用于后续图像的参考,则需要将它存储在RPL中。
图像重建后存储在DPB中,并默认标识为“用于短期参考”。DPB管理操作将在解析条带头中的RPL信息后开始。
参考图像列表构造
参考图像信息可以通过条带头指示。此外,序列参数集(sequence parametersset,SPS)中可能有一些RPL候选,在这种情况下,条带头可以包括RPL索引,以获取所需的RPL信息,而不指示整个RPL语法结构。或者,整个RPL语法结构可以在条带头中指示。
RPL方法的概述。
为了节省RPL指示的成本位,SPS中可能会有一些RPL候选。图像可以使用RPL索引(ref_pic_list_idx[i])从SPS获取其RPL信息。RPL候选指示如下:
语义如下:
rpl1_same_as_rpl0_flag等于1表示语法结构num_ref_pic_lists_in_sps[1]和ref_pic_list_struct(1,rplsIdx)不存在,以下内容适用:
-推断num_ref_pic_lists_in_sps[1]的值等于num_ref_pic_lists_in_sps[0]的值。
-推断ref_pic_list_struct(1,rplsIdx)中每个语法元素的值等于ref_pic_list_struct(0,rplsIdx)中对应语法元素的值,其中,rplsIdx在0到num_ref_pic_lists_in_sps[0]–1的范围内。
num_ref_pic_lists_in_sps[i]表示SPS中包括的listIdx等于i的语法结构ref_pic_list_struct(listIdx,rplsIdx)的数量。num_ref_pic_lists_in_sps[i]的值应在0到64的范围内(包括端值)。
除了根据SPS的RPL索引获取RPL信息外,RPL信息还可以在条带头中指示。
ref_pic_list_sps_flag[i]等于1表示当前条带的参考图像列表i是根据SPS中listIdx等于i的语法结构ref_pic_list_struct(listIdx,rplsIdx)中的一个推导的。ref_pic_list_sps_flag[i]等于0表示当前条带的参考图像列表i是根据直接包括在当前图像的条带头中的listIdx等于i的语法结构ref_pic_list_struct(listIdx,rplsIdx)推导的。
当ref_pic_list_sps_flag[i]不存在时,以下内容适用:
–如果num_ref_pic_lists_in_sps[i]等于0,则推断ref_pic_list_sps_flag[i]的值等于0。
–否则(num_ref_pic_lists_in_sps[i]大于0),如果rpl1_idx_present_flag等于0,则推断ref_pic_list_sps_flag[1]的值等于ref_pic_list_sps_flag[0]的值。
–否则,推断ref_pic_list_sps_flag[i]的值等于pps_ref_pic_list_sps_idc[i]–1。
ref_pic_list_idx[i]表示用于推导当前图像的参考图像列表i的listIdx等于i的语法结构ref_pic_list_struct(listIdx,rplsIdx)对SPS中包括的listIdx等于i的语法结构ref_pic_list_struct(listIdx,rplsIdx)的列表的索引。语法元素ref_pic_list_idx[i]由Ceil(Log2(num_ref_pic_lists_in_sps[i]))个位表示。当ref_pic_list_idx[i]不存在时,推断ref_pic_list_idx[i]的值等于0。ref_pic_list_idx[i]的值应在0到num_ref_pic_lists_in_sps[i]–1的范围内(包括端值)。当ref_pic_list_sps_flag[i]等于1且num_ref_pic_lists_in_sps[i]等于1时,推断ref_pic_list_idx[i]的值等于0。当ref_pic_list_sps_flag[i]等于1且rpl1_idx_present_flag等于0时,推断ref_pic_list_idx[1]的值等于ref_pic_list_idx[0]的值。
变量RplsIdx[i]推导如下:
RplsIdx[i]=ref_pic_list_sps_flag[i]?ref_pic_list_idx[i]:num_ref_pic_lists_in_sps[i](7-95)
slice_poc_lsb_lt[i][j]表示第i个参考图像列表中第j个LTRP条目的图像顺序编号模MaxPicOrderCntLsb的值。语法元素slice_poc_lsb_lt[i][j]的长度为log2_max_pic_order_cnt_lsb_minus4+4个位。
变量PocLsbLt[i][j]推导如下:
PocLsbLt[ i ][ j ] = ltrp_in_slice_header_flag[ i ][ RplsIdx[ i ] ]? (7-96)
slice_poc_lsb_lt[i][j]:rpls_poc_lsb_lt[listIdx][RplsIdx[i]][j]
delta_poc_msb_present_flag[i][j]等于1表示delta_poc_msb_cycle_lt[i][j]存在。delta_poc_msb_present_flag[i][j]等于0表示delta_poc_msb_cycle_lt[i][j]不存在。
设prevTid0Pic是解码顺序中的前一个图像,该图像与当前图像具有相同的nuh_layer_id,TemporalId等于0,并且不是RASL或RADL图像。设setOfPrevPocVals是一个由以下各项组成的集合:
–prevTid0Pic的PicOrderCntVal,
–每个图像的PicOrderCntVal,prevTid0Pic的RefPicList[0]或RefPicList[1]中的条目参考该图像,并且该图像与当前图像具有相同的nuh_layer_id,
–每个图像的PicOrderCntVal,该图像按解码顺序排列在prevTid0Pic之后,并且与当前图像具有相同的nuh_layer_id,并按解码顺序排列在当前图像之前。
当setOfPrevPocVals中存在多个值,其值模MaxPicOrderCntLsb等于PocLsbLt[i][j]时,delta_poc_msb_present_flag[i][j]的值应等于1。
delta_poc_msb_cycle_lt[i][j]表示变量FullPocLt[i][j]的值,如下所示:
delta_poc_msb_cycle_lt[i][j]的值应在0至2(32–log2_max_pic_order_cnt_lsb_minus4–4)的范围内(包括端值)。当delta_poc_msb_cycle_lt[i][j]不存在时,推断delta_poc_msb_cycle_lt[i][j]的值等于0。
RPL的语法结构如下:
num_ref_entries[listIdx][rplsIdx]表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中的条目的数量。num_ref_entries[listIdx][rplsIdx]的值应在0到sps_max_dec_pic_buffering_minus1+14之间(包括端值)。
ltrp_in_slice_header_flag[listIdx][rplsIdx]等于0表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中的LTRP条目的POC LSB在语法结构ref_pic_list_struct(listIdx,rplsIdx)中存在。ltrp_in_slice_header_flag[listIdx][rplsIdx]等于1表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中的LTRP条目的POC LSB在语法结构ref_pic_list_struct(listIdx,rplsIdx)中不存在。
inter_layer_ref_pic_flag[listIdx][rplsIdx][i]等于1表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中的第i个条目是ILRP条目。inter_layer_ref_pic_flag[listIdx][rplsIdx][i]等于0表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中的第i个条目不是ILRP条目。当inter_layer_ref_pic_flag[listIdx][rplsIdx][i]不存在时,推断inter_layer_ref_pic_flag[listIdx][rplsIdx][i]的值等于0。
st_ref_pic_flag[listIdx][rplsIdx][i]等于1表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中的第i个条目是STRP条目。st_ref_pic_flag[listIdx][rplsIdx][i]等于0表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中的第i个条目是LTRP条目。当inter_layer_ref_pic_flag[listIdx][rplsIdx][i]等于0且st_ref_pic_flag[listIdx][rplsIdx][i]不存在时,推断st_ref_pic_flag[listIdx][rplsIdx][i]的值等于1。
变量NumLtrpEntries[listIdx][rplsIdx]推导如下:
abs_delta_poc_st[listIdx][rplsIdx][i]表示变量AbsDeltaPocSt[listIdx][rplsIdx][i]的值,如下所示:
abs_delta_poc_st[listIdx][rplsIdx][i]的值应在0到215–1的范围内(包括端值)。
strp_entry_sign_flag[listIdx][rplsIdx][i]等于1表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中的第i个条目的值大于或等于0。strp_entry_sign_flag[listIdx][rplsIdx][i]等于0表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中的第i个条目的值小于0。当strp_entry_sign_flag[listIdx][rplsIdx][i]不存在时,推断strp_entry_sign_flag[listIdx][rplsIdx][i]的值等于1。
列表DeltaPocValSt[listIdx][rplsIdx]推导如下:
rpls_poc_lsb_lt[listIdx][rplsIdx][i]表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中第i个条目所参考的图像的图像顺序编号模数MaxPicOrderCntLsb的值。语法元素rpls_poc_lsb_lt[listIdx][rplsIdx][i]的长度为log2_max_pic_order_cnt_lsb_minus4+4位。
关于RPL结构的一些一般描述。
每个列表都有一个RPL结构。首先,指示num_ref_entries[listIdx][rplsIdx]以表示列表中参考图像的数量。ltrp_in_slice_header_flag[listIdx][rplsIdx]用于表示最低有效位(least significant bit,LSB)信息是否在条带头中指示。如果当前参考图像不是层间参考图像,则使用st_ref_pic_flag[listIdx][rplsIdx][i]来指示它是否为长期参考图像。如果它是短期参考图像,则指示POC信息(abs_delta_poc_st和strp_entry_sign_flag)。如果ltrp_in_slice_header_flag[listIdx][rplsIdx]为零,则使用rpls_poc_lsb_lt[listIdx][rplsIdx][j++]推导当前参考图像的LSB信息。最高有效位(mostsignificant bit,MSB)可以直接推导,也可以根据条带头中的信息(delta_poc_msb_present_flag[i][j]和delta_poc_msb_cycle_lt[i][j])推导。
用于参考图像列表构建的解码过程
在非IDR图像中的每个条带的解码过程开始时,调用该过程。
参考图像通过参考索引进行寻址。参考索引是在参考图像列表中的索引。在解码I条带时,不使用参考图像列表来解码条带数据。在解码P条带时,只使用参考图像列表0(即RefPicList[0])来解码条带数据。在解码B条带时,同时使用参考图像列表0和参考图像列表1(即RefPicList[1])来解码条带数据。
在非IDR图像中的每个条带的解码过程开始时,推导参考图像列表RefPicList[0]和RefPicList[1]。使用参考图像列表来如第8.3.3条中规定标识参考图像或解码条带数据。
注1–如果非IDR图像中的I条带不是该图像中的第一个条带,则为了检查码流一致性,可以推导RefPicList[0]和RefPicList[1],但解码当前图像或解码顺序中在当前图像之后的图像不一定需要推导RefPicList[0]和RefPicList[1]。如果P条带不是图像中的第一个条带,则为了检查码流一致性,可以推导RefPicList[1],但解码当前图像或解码顺序中在当前图像之后的图像不一定需要推导RefPicList[1]。
参考图像列表RefPicList[0]和RefPicList[1]的构建方式如下:
在构建RPL之后,refPicLayerId是ILRP的层id,PicOrderCntVal是picA的POC值,标识过程如下。
用于参考图像标识的解码过程
在如第8.3.2条中规定的解码条带头和用于条带的参考图像列表重建的解码过程之后,但在解码条带数据之前,每个图像调用一次该过程。该过程可能使得将DPB中的一个或多个参考图像标识为“不用于参考”或“用于长期参考”。
DPB中的解码图像可以被标识为“不用于参考”、“用于短期参考”或“用于长期参考”,但在解码过程中的任何给定时刻,这三种标识状态只能标识一种。将其中一个标识状态指定给一个图像会隐式地删除其它标识状态(如果适用)。当一个图像被标识为“用于参考”时,这统一是指将该图像标识为“用于短期参考”或“用于长期参考”(但不是同时)。
STRP和ILRP由其nuh_layer_id和PicOrderCntVal值标识。LTRP由其nuh_layer_id值和其PicOrderCntVal值的Log2(MaxLtPicOrderCntLsb)LSB标识。
如果当前图像是CLVSS图像,则DPB中当前与当前图像具有相同nuh_layer_id的所有参考图像(如果有)都将标识为“不用于参考”。
否则,以下内容适用:
–对于RefPicList[0]或RefPicList[1]中的每个LTRP条目,当参考的图像是与当前图像具有相同nuh_layer_id的STRP时,将该图像标识为“用于长期参考”。
–与DPB中当前图像具有相同nuh_layer_id的每个参考图像,如果没有被RefPicList[0]或RefPicList[1]中的任何条目参考,则将标识为“不用于参考”。
–对于RefPicList[0]或RefPicList[1]中的每个ILRP条目,将参考的图像标识为“用于长期参考”。
这里需要说明的是,层间参考图像(inter-layer reference picture,ILRP)被标识为“用于长期参考”。
SPS中有两种与层间参考信息相关的语法。
sps_video_parameter_set_id大于0表示SPS参考的VPS的vps_video_parameter_set_id的值。当sps_video_parameter_set_id等于0时,SPS不参考VPS,当解码参考SPS的每个CVS时也不参考VPS。
long_term_ref_pics_flag等于0表示不使用LTRP对CVS中的任何编码图像进行帧间预测。long_term_ref_pics_flag等于1表示可以使用LTRP对CVS中一个或多个编码图像进行帧间预测。
inter_layer_ref_pics_present_flag等于0表示不使用ILRP对CVS中的任何编码图像进行帧间预测。inter_layer_ref_pics_flag等于1表示可以使用ILRP对CVS中一个或多个编码图像进行帧间预测。当sps_video_parameter_set_id等于0时,推断inter_layer_ref_pics_present_flag的值等于0。
简单说明如下:
long_term_ref_pics_flag用于表示解码过程中是否可以使用LTRP。
inter_layer_ref_pics_present_flag用于表示解码过程中是否可以使用ILRP。
因此,当inter_layer_ref_pics_present_flag等于1时,可以存在用于解码过程的ILRP,并将其标识为“用于长期参考”。在这种情况下,解码过程中使用了LTRP,即使long_term_ref_pics_flag等于0。因此,与long_term_ref_pics_flag的语义不一致。
在现有的方法中,始终指示层间参考信息的一些语法元素,而不考虑当前层的索引。本发明提出在语法元素中增加一些条件,以提高指示效率。
由于long_term_ref_pics_flag仅用于控制ltrp_in_slice_header_flag和st_ref_pic_flag的解析,因此修改语义以控制对在RPL中解析的标志的解析。
考虑当前层的索引指示层间参考信息的语法元素。如果信息可以通过当前层的索引推导,则不需要指示信息。
由于long_term_ref_pics_flag仅用于控制ltrp_in_slice_header_flag和st_ref_pic_flag的解析,因此修改语义以控制对在RPL中解析的标志的解析。
考虑当前层的索引指示层间参考信息的语法元素。如果信息可以通过当前层的索引推导,则不需要指示信息。
本发明的第一实施例[语义](修改long_term_ref_pics_flag的语义,以消除LTRP和ILRP的不一致。)
由于long_term_ref_pics_flag仅用于控制ltrp_in_slice_header_flag和st_ref_pic_flag的解析,因此语义修改如下:
long_term_ref_pics_flag等于1表示ltrp_in_slice_header_flag和st_ref_pic_flag在语法结构ref_pic_list_struct(listIdx,rplsIdx)中存在。long_term_ref_pics_flag等于0表示这些语法元素在语法结构ref_pic_list_struct(listIdx,rplsIdx)中不存在。
此外,还可以修改语义以排除ILRP,如下所示:
long_term_ref_pics_flag等于0表示不使用LTRP对CVS中的任何编码图像进行帧间预测。long_term_ref_pics_flag等于1表示可以使用LTRP对CVS中一个或多个编码图像进行帧间预测。此处,LTRP不包括层间参考图像(inter-layer reference picture,ILRP)。
本发明的第二实施例[VPS]
提议1:对vps_direct_dependency_flag[i][j]进行条件性指示(考虑当前层索引指示层间参考信息,以去除冗余信息指示,提高译码效率。)
选项1.A:
此处需要说明的是,当i等于1时,这表示层1需要参考其它层。只有层0可以是参考层,因此,不需要指示vps_direct_dependency_flag[i][j]。只有当i大于1时,才需要指示vps_direct_dependency_flag[i][j]。
vps_direct_dependency_flag[i][j]等于0表示索引为j的层不是索引为i的层的直接参考层。vps_direct_dependency_flag[i][j]等于1表示索引为j的层是索引为i的层的直接参考层。当vps_direct_dependency_flag[i][j]不存在(其中,i和j在0到vps_max_layers_minus1的范围内,包括端值)时,如果i等于1,且vps_independent_layer_flag[i]等于0,则推断vps_direct_dependency_flag[i][j]等于1,否则推断为等于0。
选项1.B:
除了上面的实现方法(选项1.A)之外,还有另一个方法选项1.B,这表示,当vps_independent_layer_flag[i]等于0(其中,i和j在0到i–1范围内,包括端值)时,以及当vps_direct_dependency_flag[i][j]的所有值等于0(其中,j在0到i–2范围内)时,不需要指示vps_direct_dependency_flag[i][i–1]的值,并且推断它等于1。
vps_direct_dependency_flag[i][j]等于0表示索引为j的层不是索引为i的层的直接参考层。vps_direct_dependency_flag[i][j]等于1表示索引为j的层是索引为i的层的直接参考层。当vps_direct_dependency_flag[i][j]不存在(其中,i和j在0到vps_max_layers_minus1的范围内,包括端值)时,如果vps_independent_layer_flag[i]等于0,且j等于i–1,SumDependencyFlag的值等于0,则推断vps_direct_dependency_flag[i][j]等于1,否则推断为等于0。
提议2:对vps_direct_dependency_flag[i][j]的语义进行约束
此外,我们还可以对vps_direct_dependency_flag[i][j]的语义添加约束,而不更改语法指示方法或语法表。基本上,对于i,如果索引为i的层是相关层(vps_independent_layer_flag[i]等于0),则vps_direct_dependency_flag[i][j]的至少一个值等于1,其中,j在0到i–1的范围内。或者,vps_direct_dependency_flag[i][j]的和不应等于0,其中,j在0到i–1的范围内。或者,应大于或等于1。(例如,>=1)。或者,应大于0(例如,>0)。
选项2.A:
vps_direct_dependency_flag[i][j]等于0表示索引为j的层不是索引为i的层的直接参考层。vps_direct_dependency_flag[i][j]等于1表示索引为j的层是索引为i的层的直接参考层。当vps_direct_dependency_flag[i][j]不存在(其中,i和j在0到vps_max_layers_minus1的范围内,包括端值)时,推断它等于0。此处,当vps_independent_layer_flag[i]等于0(其中,i和j在0到i–1范围内,包括端值)时,vps_direct_dependency_flag[i][j]的和应大于0。
选项2.B:
vps_direct_dependency_flag[i][j]等于0表示索引为j的层不是索引为i的层的直接参考层。vps_direct_dependency_flag[i][j]等于1表示索引为j的层是索引为i的层的直接参考层。当vps_direct_dependency_flag[i][j]不存在(其中,i和j在0到vps_max_layers_minus1的范围内,包括端值)时,推断它等于0。此处,当vps_independent_layer_flag[i]等于0(其中,i和j在0到i–1范围内,包括端值)时,vps_direct_dependency_flag[i][j]的至少一个值应等于1。
提议3:提议1+提议2
选项3
实际上,选项1和选项2可以组合成其它实现方法。
如操作1.B+操作2.B。
vps_direct_dependency_flag[i][j]等于0表示索引为j的层不是索引为i的层的直接参考层。vps_direct_dependency_flag[i][j]等于1表示索引为j的层是索引为i的层的直接参考层。当vps_direct_dependency_flag[i][j]不存在(其中,i和j在0到vps_max_layers_minus1的范围内,包括端值)时,如果vps_independent_layer_flag[i]等于0,且j等于i–1,SumDependencyFlag的值等于0,则推断vps_direct_dependency_flag[i][j]等于1,否则推断为等于0。此处,当vps_independent_layer_flag[i]等于0(其中,i和j在0到i–1范围内,包括端值)时,vps_direct_dependency_flag[i][j]的至少一个值应等于1。
组合方法在此不做限制,也可以是:
如操作1.A+操作2.B。
如操作1.A+操作2.A。
如操作1.B+操作2.A。
本发明的第三实施例[sps](考虑当前层的索引,指示层间参考信息,以去除冗余信息指示,提高译码效率。)
这里需要说明的是,如果sps_video_parameter_set_id等于0,则表示没有多个层,因此不需要指示inter_layer_ref_pics_flag,标志默认为0。
inter_layer_ref_pics_present_flag等于0表示不使用ILRP对CVS中的任何编码图像进行帧间预测。inter_layer_ref_pics_flag等于1表示可以使用ILRP对CVS中一个或多个编码图像进行帧间预测。当inter_layer_ref_pics_flag不存在时,推断inter_layer_ref_pics_flag等于0。
这里需要说明的是,当GeneralLayerIdx[nuh_layer_id]等于0时,则当前层是第0层,它不能参考任何其它层。因此,不需要指示inter_layer_ref_pics_present_flag,值默认为0。
/>
inter_layer_ref_pics_present_flag等于0表示不使用ILRP对CVS中的任何编码图像进行帧间预测。inter_layer_ref_pics_flag等于1表示可以使用ILRP对CVS中一个或多个编码图像进行帧间预测。当inter_layer_ref_pics_flag不存在时,推断inter_layer_ref_pics_flag等于0。
对上面提到的两种情况进行译码,另一个应用示例如下所示:
inter_layer_ref_pics_present_flag等于0表示不使用ILRP对CVS中的任何编码图像进行帧间预测。inter_layer_ref_pics_flag等于1表示可以使用ILRP对CVS中一个或多个编码图像进行帧间预测。当inter_layer_ref_pics_flag不存在时,推断inter_layer_ref_pics_flag等于0。
本发明的第四实施例[RPL]
这里需要说明的是,当GeneralLayerIdx[nuh_layer_id]等于1时,则当前层是层1,它只能参考层0,而层0的ilrp_idc必须为0。因此,在这种情况下,不需要指示ilrp_idc。
ilrp_idc[listIdx][rplsIdx][i]表示语法结构ref_pic_list_struct(listIdx,rplsIdx)中的第i个条目的ILRP对直接相关层列表的索引。ilrp_idc[listIdx][rplsIdx][i]的值应在0至GeneralLayerIdx[nuh_layer_id]–1的范围内(包括端值)。当GeneralLayerIdx[nuh_layer_id]等于1时,推断ilrp_idc[listIdx][rplsIdx][i]的值等于0。
本发明的第五实施例[组合]
这里需要说明的是,实施例1至实施例4的部分或全部可以组合以形成新的实施例。
例如,实施例1+实施例2+实施例3+实施例4,或实施例2+实施例3+实施例4,或其它组合。
下面对上述实施例中所示的编码方法和解码方法的应用以及使用这些应用的***进行解释说明。
图7为用于实现内容分发业务的内容供应***的框图。该内容供应***包括捕获设备3102、终端设备3106和并且可选地包括显示器3126。捕获设备3102通过通信链路3104与终端设备3106通信。通信链路可以包括上文描述的通信信道13。通信链路3104包括但不限于Wi-Fi、以太网、有线、无线(3G/4G/5G)、USB或者其任何种类的组合等。
捕获设备3102用于生成数据,并且可以通过上文实施例中所示的编码方法对数据进行编码。或者,捕获设备3102可以将数据分发到流媒体服务器(图中未示出),该服务器对数据进行编码并将经编码数据发送到终端设备3106。捕获设备3102包括但不限于摄像机、智能手机或平板电脑、计算机或笔记本电脑、视频会议***、PDA、车载设备或其任意组合等。例如,捕获设备3102可以包括上述源设备12。当数据包括视频时,捕获设备3102中包括的视频编码器20实际上可执行视频编码处理。当数据包括音频(即,声音)时,捕获设备3102中包括的音频编码器实际上可执行音频编码处理。对于一些实际场景,捕获设备3102通过将经编码视频数据和经编码音频数据一起复用来分发经编码视频数据和经编码音频数据。对于其它实际场景,例如在视频会议***中,不复用经编码音频数据和经编码视频数据。捕获设备3102分别将经编码音频数据和经编码视频数据分发到终端设备3106。
在内容供应***中,终端设备310接收并再生成经编码数据。终端设备3106可以是具有数据接收和恢复能力的设备,例如智能手机或平板电脑3108、计算机或笔记本电脑3110、网络视频录像机(network video recorder,NVR)/数字视频录像机(digital videorecorder,DVR)3112、电视3114、机顶盒(set top box,STB)3116、视频会议***3118、视频监控***3120、个人数字助理(personal digital assistant,PDA)3122、车载设备3124,或能够对上述经编码数据进行解码的以上设备中任何一个的组合等。例如,终端设备3106可以包括上文描述的目的地设备14。当经编码数据包括视频时,包括在终端设备中的视频解码器30优先进行视频解码。当经编码数据包括音频时,包括在终端设备中的音频解码器优先进行音频解码处理。
对于具有显示器的终端设备,例如智能手机或平板电脑3108、计算机或笔记本电脑3110、网络视频录像机(network video recorder,NVR)/数字视频录像机(digitalvideo recorder,DVR)3112、电视3114、个人数字助理(personal digital assistant,PDA)3122或车载设备3124,终端设备可以将经解码数据馈送到其显示器。对于不配备显示器的终端设备,例如STB 3116、视频会议***3118或视频监控***3120,在其中连接外部显示器3126以接收和显示经解码数据。
当该***中的每个设备执行编码或解码时,可以使用如上述实施例中所示的图像编码设备或图像解码设备。
图8为终端设备3106的一个示例的结构的示意图。在终端设备3106从捕获设备3102接收流后,协议处理单元3202对该流的传输协议进行分析。所述协议包括但不限于实时流协议(real time streaming protocol,RTSP)、超文本传输协议(hyper texttransfer protocol,HTTP)、HTTP直播流协议(HTTP live streaming protocol,HLS)、MPEG-DASH、实时传输协议(real-time transport protocol,RTP)、实时消息传输协议(real time messaging protocol,RTMP),或其任何种类的组合等。
协议处理单元3202对流进行处理后,生成流文件。文件输出到解复用单元3204。解复用单元3204可以将复用数据分离成经编码音频数据和经编码视频数据。如上所述,在其它实际场景中,例如在视频会议***中,不复用经编码音频数据和经编码视频数据。在这种情况下,不通过解复用单元3204,将经编码数据发送到视频解码器3206和音频解码器3208。
通过解复用处理,生成视频基本码流(elementary stream,ES)、音频ES和可选的字幕。视频解码器3206,包括如上述实施例所解释的视频解码器30,通过如上述实施例所示的解码方法对视频ES进行解码以生成视频帧,并将该数据发送到同步单元3212。音频解码器3208对音频ES进行解码以生成音频帧,并将该数据发送到同步单元3212。或者,可以在将视频帧馈送到同步单元3212之前将视频帧存储在缓冲区(图8中未示出)中。类似地,可以在将音频帧馈送到同步单元3212之前将音频帧存储在缓冲区(图8中未示出)中。
同步单元3212同步视频帧和音频帧,并将视频/音频提供给视频/音频显示器3214。例如,同步单元3212同步视频信息和音频信息的呈现。信息可以使用与经译码的音频和可视数据的呈现有关的时间戳以及与数据流本身的传送有关的时间戳在语法中进行译码。
如果流中包括字幕,则字幕解码器3210对字幕进行解码,使字幕与视频帧和音频帧同步,并将视频/音频/字幕提供给视频/音频/字幕显示器3216。
本发明并不限于上述***,上述实施例中的图像编码设备或图像解码设备都可以包括在汽车***等其它***中。
数学运算符
本申请中使用的数学运算符与C编程语言中使用的数学运算符类似。但是,对整数除法和算术移位运算的结果进行了更准确的定义,并且定义了其它运算,如幂运算和实值除法。编号和计数规范通常从0开始,例如,“第一个”相当于第0个,“第二个”相当于第1个,等等。
算术运算符
算术运算符定义如下:
逻辑运算符
逻辑运算符定义如下:
x&&y x和y的布尔逻辑“与”运算
x||y x和y的布尔逻辑“或”运算
!布尔逻辑“非”运算
x?y:z如果x为真(TRUE)或不等于0,则返回y的值,否则,返回z的值。
关系运算符关系运算符定义如下:
> 大于
>= 大于或等于
< 小于
<= 小于或等于
== 等于
!= 不等于当一个关系运算符应用于一个已被赋值“na”(不适用)的语法元素或变量时,值“na”被视为该语法元素或变量的不同值。值“na”被视为不等于任何其它值。
按位运算符按位运算符定义如下:
&按位“与”运算。当对整数参数运算时,运算的是整数值的二的补码表示。当对二进制参数运算时,如果它包含的位比另一个参数少,则通过添加更多等于0的有效位来扩展较短的参数。
|按位“或”运算。当对整数参数运算时,运算的是整数值的二的补码表示。当对二进制参数运算时,如果它包含的位比另一个参数少,则通过添加更多等于0的有效位来扩展较短的参数。
^按位“异或”运算。当对整数参数运算时,运算的是整数值的二的补码表示。当对二进制参数运算时,如果它包含的位比另一个参数少,则通过添加更多等于0的有效位来扩展较短的参数。
x>>y x的二的补码整数表示算术右移y个二进制位。只有y为非负整数值时才定义该函数。
由于右移而移进最高有效位(most significant bit,MSB)的位的值等于移位运算之前的x的MSB。
x<<y x的二的补码整数表示算术左移y个二进制位。只有y为非负整数值时才定义该函数。
由于左移而移进最低有效位(least significant bit,LSB)的位的值等于0。
赋值运算符
算术运算符定义如下:
= 赋值运算符
++ 增,即,x++相当于x=x+1;当在数组索引中使用时,等于增运算之前变量的值。
–– 减,即,x––等于x=x–1;当在数组索引中使用时,等于减运算之前变量的值。+= 增加指定量,即,x+=3相当于x=x+3,x+=(–3)相当于x=x+(–3)。
–= 减少指定量,即,x–=3相当于x=x–3,x–=(–3)相当于x=x–(–3)。
范围符号
以下符号用来说明值的范围:
x=y..z x取从y到z(包括y和z)的整数值,其中,x、y和z是整数,z大于y。
数学函数
数学函数定义如下:
Asin(x)三角反正弦函数,对参数x运算,x在–1.0至1.0(包括端值)范围之间,输出值在–
π÷2至π÷2(包括端值)范围之间,单位为弧度。
Atan(x)三角反正切函数,对参数x运算,输出值在–π÷2至π÷2(包括端值)范围之间,单位为弧度。
Ceil(x)大于或等于x的最小整数。
Clip1Y(x)=Clip3(0,(1<<BitDepthY)–1,x)
Clip1C(x)=Clip3(0,(1<<BitDepthC)–1,x)
Cos(x)三角余弦函数,对参数x运算,单位为弧度。
Floor(x)小于或等于x的最大整数。
Ln(x)x的自然对数(以e为底的对数,其中,e是自然对数底数常数2.718 281828……)。Log2(x)x以2为底的对数。
Log10(x)x以10为底的对数。
Round(x)=Sign(x)*Floor(Abs(x)+0.5)
Sin(x)三角正弦函数,对参数x运算,单位为弧度。
Swap(x,y)=(y,x)
Tan(x)三角正切函数,对参数x运算,单位为弧度。
运算优先级顺序
当没有使用括号来显式表示表达式中的优先顺序时,适应以下规则:
–高优先级的运算在低优先级的任何运算之前计算。
–相同优先级的运算从左到右依次计算。
下表从最高到最低说明运算的优先级,表中位置越高,优先级越高。
对于C编程语言中也使用的运算符,本规范中使用的优先级顺序与在C编程语言中使用的优先级顺序相同。
表:运算优先级从最高(表格顶部)到最低(表格底部)排序
逻辑运算的文本说明
在文本中,逻辑运算的语句用数学形式描述如下:
可以用以下方式描述:
……如下/……以下为准:
–如果条件0,则语句0
–否则,如果条件1,则语句1
–……
–否则(关于剩余条件的提示性说明),则语句n
文本中的每个“如果……否则,如果……否则,……”语句都以“……如下”或“……以下适用”开头,紧接“如果……”。“如果……,否则,如果……,否则,……”的最后一个条件始终是“否则,……”。中间的“如果……否则,如果……否则,……”语句可以通过使“……如下”或“……以下适用”与结尾“否则,……”匹配来识别。
在文本中,逻辑运算的语句用数学形式描述如下:
/>
可以用以下方式描述:
……如下/……以下为准:
–如果满足以下所有条件,则语句0:
–条件0a
–条件0b
–否则,如果满足以下一个或多个条件,则语句1:
–条件1a
–条件1b
–……
–否则,语句n
在文本中,逻辑运算的语句用数学形式描述如下:
可以用以下方式描述:
当条件0时,语句0
当条件1时,语句1
尽管本发明实施例主要根据视频译码进行了描述,但是需要说明的是,译码***10、编码器20和解码器30(相应地,***10)的实施例以及本文描述的其它实施例也可以用于静止图像处理或译码,即,对视频译码中独立于任何先前或连续图像的单个图像进行处理或译码。通常,如果图像处理译码限于单个图像17,则仅帧间预测单元244(编码器)和344(解码器)不可用。视频编码器20和视频解码器30的所有其它功能(也称为工具或技术)同样可用于静态图像处理,例如残差计算204/304、变换206、量化208、反量化210/310、(逆)变换212/312、分割262/362、帧内预测254/354和/或环路滤波220/320、熵编码270和熵解码304。
编码器20和解码器30等的实施例,以及本文描述的与编码器20和解码器30等有关的功能可以以硬件、软件、固件或其任意组合来实现。如果以软件来实现,则各种功能可作为一个或多个指令或代码存储在计算机可读介质中或通过通信介质传输,且由基于硬件的处理单元执行。计算机可读介质可以包括与有形介质(例如,数据存储介质)对应的计算机可读存储介质,或包括任何便于将计算机程序从一处传送到另一处的介质(例如,根据通信协议)的通信介质。以此方式,计算机可读介质通常可以对应(1)非瞬时性的有形计算机可读存储介质,或(2)如信号或载波等通信介质。数据存储介质可以是通过一个或多个计算机或一个或多个处理器访问的任何可用介质,以检索用于实现本发明所述技术的指令、代码和/或数据结构。计算机程序产品可以包括计算机可读介质。
具体地,提供了一种在解码器中实现的对经译码视频码流进行解码的方法,如图9所示,所述方法包括:S901:从经译码视频码流中获取第一语法元素(即vps_independent_layer_flag[i]),所述第一语法元素表示第一层是否使用层间预测。S902:从经译码视频码流中获取与一个或多个第二层相关的一个或多个第二语法元素(即vps_direct_dependency_flag[i][j]),每个第二语法元素表示第二层是否是第一层的直接参考层;其中,在第一语法元素的值表示第一层被允许使用层间预测的情况下,一个或多个第二语法元素中的至少一个第二语法元素具有表示第二层是第一层的直接参考层的值。S903:通过将与至少一个第二语法元素相关的第二层的图像用作参考图像,对第一层的图像执行层间预测。
类似地,提供了一种用于在编码器中实现的对包括经译码数据的视频码流进行编码的方法,如图10所示,所述方法包括。S1001:确定至少一个第二层是否是第一层的直接参考层;S1003:将语法元素编码到经译码视频码流中,其中,语法元素表示第一层是否使用层间预测;在至少一个第二层中没有一个是第一层的直接参考层的情况下,语法元素的值表示第一层不使用层间预测。
图11示出了用于对包括多个图像的经译码数据的视频码流进行解码的解码器1100。所示示例所述的解码器1100包括:获取单元1110,用于从经译码视频码流中获取第一语法元素,所述第一语法元素表示第一层是否使用层间预测;获取单元1110还用于从经译码视频码流中获取与一个或多个第二层相关的一个或多个第二语法元素,每个第二语法元素表示第二层是否是第一层的直接参考层;在第一语法元素的值表示第一层被允许使用层间预测的情况下,一个或多个第二语法元素中的至少一个第二语法元素具有表示第二层是第一层的直接参考层的值;预测单元1120,用于通过将与至少一个第二语法元素相关的第二层的图像用作参考图像,对第一层的图像执行层间预测。
其中,所述单元可以是用于由处理器或处理电路执行的软件模块。
其中,获取单元1110可以是熵解码单元304。预测单元1120可以是帧间预测单元344。解码器1100可以是目的地设备14、解码器30、装置500、视频解码器3206或终端设备3106。
类似地,提供了一种编码器1200,用于对包括多个图像的经译码数据的视频码流进行编码,如图12所示。编码器1200包括:确定单元1210,用于确定至少一个第二层是否是第一层的直接参考层;编码单元1220,用于将语法元素编码到经译码视频码流中,其中,语法元素表示第一层是否使用层间预测;在至少一个第二层中没有一个是第一层的直接参考层的情况下,语法元素的值表示第一层不使用层间预测。
其中,所述单元可以是用于由处理器或处理电路执行的软件模块。
其中,第一编码单元1210和第二编码单元1220可以是熵编码单元270。确定单元可以是模式选择单元260。编码器1200可以是源设备12、编码器20或装置500。
作为示例而非限制,这类计算机可读存储介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储器、磁盘存储器或其它磁性存储设备、闪存或可以用于存储指令或数据结构形式的所需程序代码并且可以由计算机访问的任何其它介质。此外,任何连接都可以适当地称为计算机可读介质。例如,如果使用同轴缆线、光纤缆线、双绞线、数字用户线(digital subscriber line,DSL)或红外线、无线电和微波等无线技术从网站、服务器或其它远程源传输指令,则同轴缆线、光纤缆线、双绞线、DSL或红外线、无线电和微波等无线技术包括在介质的定义中。但是,应理解,计算机可读存储介质和数据存储介质并不包括连接、载波、信号或其它瞬时性介质,而是涉及非瞬时性有形存储介质。本文所使用的磁盘和光盘包括压缩光盘(compact disc,CD)、激光光盘、光学光盘、数字多功能光盘(digitalversatiledisc,DVD)、软盘和蓝光光盘,其中,磁盘通常以磁性方式再现数据,而光盘利用激光以光学方式再现数据。以上各项的组合也应包括在计算机可读介质的范围内。
可通过如一个或多个数字信号处理器(digital signal processor,DSP)、通用微处理器、专用集成电路(application specific integrated circuit,ASIC)、现场可编程逻辑阵列(field programmable logic array,FPGA)或其它等效集成或离散逻辑电路等一个或多个处理器来执行指令。相应地,本文所使用的术语“处理器”可以指上述结构中的任一种或适于实施本文所述技术的任何其它结构。另外,在一些方面中,本文描述的各种功能可以提供在用于编码和解码的专用硬件和/或软件模块内,或者并入在组合编解码器中。而且,这些技术可以在一个或多个电路或逻辑元件中完全实现。
本发明技术可以在多种设备或装置中实现,这些设备或装置包括无线手机、集成电路(integrated circuit,IC)或一组IC(例如芯片组)。本发明描述了各种组件、模块或单元,以强调用于执行所公开技术的设备的功能方面,但未必需要由不同的硬件单元实现。实际上,如上所述,各种单元可以结合合适的软件和/或固件组合在编解码器硬件单元中,或者通过互操作硬件单元(包括如上所述的一个或多个处理器)的集合来提供。
Claims (15)
1.一种发送码流的设备,其特征在于,包括一个或多个存储器和发送器;
所述一个或多个存储器用于存储码流,所述码流包括第一语法元素以及一个或多个第二语法元素,所述第一语法元素具有索引i,表示所述索引为i的第一层是否使用层间预测;所述一个或多个第二语法元素中的每个第二语法元素具有索引i和索引j,表示所述索引为j的第二层是否是所述索引为i的第一层的直接参考层;其中,当索引为i的所述第一语法元素等于0以表示所述索引为i的第一层允许使用层间预测时,所述一个或多个第二语法元素中索引j在0到i-1的范围内具有至少一个第二语法元素的值等于1;
所述发送器用于发送所述码流。
2.一种存储码流的设备,其特征在于,包括接收器和至少一个存储器;
所述接收器用于接收码流,
所述至少一个存储器,用于存储所述码流;
所述码流包括第一语法元素以及一个或多个第二语法元素,所述第一语法元素具有索引i表示索引为i的第一层是否使用层间预测;所述一个或多个第二语法元素中的每个第二语法元素具有索引i和索引j,表示索引为j的第二层是否是所述索引为i的第一层的直接参考层;其中,当索引为i的所述第一语法元素等于0以表示所述索引为i的第一层允许使用层间预测时,所述一个或多个第二语法元素中索引j在0到i-1的范围内具有至少一个第二语法元素的值等于1。
3.根据权利要求1或2所述的设备,其特征在于,所述第一语法元素等于1表示所述第一层不使用层间预测。
4.根据权利要求1或2所述的设备,其特征在于,所述第二语法元素等于0表示所述索引为j的第二层不是所述索引为i的第一层的直接参考层;或者所述第二语法元素等于1表示所述索引为j的第二层是所述索引为i的第一层的直接参考层。
5.根据权利要求1至4中任一项所述的设备,其特征在于,在所述第一语法元素的值表示所述具有索引i的第一层允许使用层间预测的情况下,所述码流包括所述一个或多个第二语法元素。
6.一种发送码流的方法,其特征在于,所述方法包括:
从至少一个存储器中检索一个或多个码流;
发送所述一个或多个码流;
所述码流包括第一语法元素以及一个或多个第二语法元素,所述第一语法元素具有索引i表示索引为i的第一层是否使用层间预测;所述一个或多个第二语法元素中的每个第二语法元素具有索引i和索引j,表示索引为j的第二层是否是所述索引为i的第一层的直接参考层;其中,当索引为i的所述第一语法元素等于0以表示所述索引为i的第一层允许使用层间预测时,所述一个或多个第二语法元素中索引j在0到i-1的范围内具有至少一个第二语法元素的值等于1。
7.一种存储码流的方法,其特征在于,包括:
获取码流,所述码流包括第一语法元素以及一个或多个第二语法元素,所述第一语法元素具有索引i表示索引为i的第一层是否使用层间预测;所述一个或多个第二语法元素中的每个第二语法元素具有索引i和索引j,表示索引为j的第二层是否是所述索引为i的第一层的直接参考层;其中,当索引为i的所述第一语法元素等于0以表示所述索引为i的第一层允许使用层间预测时,所述一个或多个第二语法元素中索引j在0到i-1的范围内具有至少一个第二语法元素的值等于1;
将获取的所述码流存储到一个或多个存储器上。
8.根据权利要求6或7所述的方法,其特征在于,,所述第一语法元素等于1表示所述第一层不使用层间预测。
9.根据权利要求6至8任一项所述的方法,其特征在于,所述第二语法元素等于0表示所述索引为j的第二层不是所述索引为i的第一层的直接参考层;或者所述第二语法元素等于1表示所述索引为j的第二层是所述索引为i的第一层的直接参考层。
10.根据权利要求6至9任一项所述的方法,其特征在于,在所述第一语法元素的值表示所述具有索引i的第一层允许使用层间预测的情况下,所述码流包括所述一个或多个第二语法元素。
11.一种处理码流的***,其特征在于,所述***包括:编码设备、一个或多个存储器和解码设备;
所述编码设备用于获取视频信号,并编码所述视频信号得到一个或多个码流,所述码流包括第一语法元素以及一个或多个第二语法元素,所述第一语法元素具有索引i表示索引为i的第一层是否使用层间预测;所述一个或多个第二语法元素中的每个第二语法元素具有索引i和索引j,表示索引为j的第二层是否是所述索引为i的第一层的直接参考层;其中,当索引为i的所述第一语法元素等于0以表示所述索引为i的第一层允许使用层间预测时,所述一个或多个第二语法元素中索引j在0到i-1的范围内具有至少一个第二语法元素的值等于1;
所述一个或多个存储器,用于存储所述一个或多个码流;
所述解码设备,用于解码所述一个或多个码流。
12.根据权利要求11所述的***,其特征在于,所述编码设备用于从所述一个或多个存储器中检索一个或多个码流,并发送检索的所述一个或多个码流。
13.一种码流结构,其特征在于,包括第一语法元素以及一个或多个第二语法元素,所述第一语法元素具有索引i表示索引为i的第一层是否使用层间预测;所述一个或多个第二语法元素中的每个第二语法元素具有索引i和索引j,表示索引为j的第二层是否是所述索引为i的第一层的直接参考层;其中,当索引为i的所述第一语法元素等于0以表示所述索引为i的第一层允许使用层间预测时,所述一个或多个第二语法元素中索引j在0到i-1的范围内具有至少一个第二语法元素的值等于1。
14.一种解码码流的装置,其特征在于,包括存储器和处理器,所述存储器用于存储码流,所述码流包括第一语法元素以及一个或多个第二语法元素,所述第一语法元素具有索引i表示索引为i的第一层是否使用层间预测;所述一个或多个第二语法元素中的每个第二语法元素具有索引i和索引j,表示索引为j的第二层是否是所述索引为i的第一层的直接参考层;其中,当索引为i的所述第一语法元素等于0以表示所述索引为i的第一层允许使用层间预测时,所述一个或多个第二语法元素中索引j在0到i-1的范围内具有至少一个第二语法元素的值等于1;
所述处理器用于解码所述码流以获得所述第一语法元素和所述一个或多个第二语法元素。
15.一种编码码流的装置,其特征在于,包括存储器,处理器和发送器,
所述处理器用于将第一语法元素和一个或多个第二语法元素编码到码流中,所述第一语法元素具有索引i表示索引为i的第一层是否使用层间预测;所述一个或多个第二语法元素中的每个第二语法元素具有索引i和索引j,表示索引为j的第二层是否是所述索引为i的第一层的直接参考层;其中,当索引为i的所述第一语法元素等于0以表示所述索引为i的第一层允许使用层间预测时,所述一个或多个第二语法元素中索引j在0到i-1的范围内具有至少一个第二语法元素的值等于1;
所述存储器用于存储所述码流;或者,
所述发送器用于将所述码流发送给服务器进行存储。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962912046P | 2019-10-07 | 2019-10-07 | |
US62/912,046 | 2019-10-07 | ||
PCT/CN2020/119696 WO2021068854A1 (en) | 2019-10-07 | 2020-09-30 | An encoder, a decoder and corresponding methods |
CN202080070703.5A CN114503593B (zh) | 2019-10-07 | 2020-09-30 | 编码器、解码器及对应方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080070703.5A Division CN114503593B (zh) | 2019-10-07 | 2020-09-30 | 编码器、解码器及对应方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118233660A true CN118233660A (zh) | 2024-06-21 |
Family
ID=75437725
Family Applications (5)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410077471.6A Pending CN118138782A (zh) | 2019-10-07 | 2020-09-30 | 编码器、解码器及对应方法 |
CN202080070703.5A Active CN114503593B (zh) | 2019-10-07 | 2020-09-30 | 编码器、解码器及对应方法 |
CN202410078539.2A Pending CN118233660A (zh) | 2019-10-07 | 2020-09-30 | 发送码流的设备,存储码流的设备及方法 |
CN202410080973.4A Pending CN118138783A (zh) | 2019-10-07 | 2020-09-30 | 编码器、解码器及对应方法 |
CN202410080041.XA Pending CN117915112A (zh) | 2019-10-07 | 2020-09-30 | 编码器、解码器及对应方法 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410077471.6A Pending CN118138782A (zh) | 2019-10-07 | 2020-09-30 | 编码器、解码器及对应方法 |
CN202080070703.5A Active CN114503593B (zh) | 2019-10-07 | 2020-09-30 | 编码器、解码器及对应方法 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410080973.4A Pending CN118138783A (zh) | 2019-10-07 | 2020-09-30 | 编码器、解码器及对应方法 |
CN202410080041.XA Pending CN117915112A (zh) | 2019-10-07 | 2020-09-30 | 编码器、解码器及对应方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US20220232260A1 (zh) |
EP (1) | EP4032308A4 (zh) |
JP (2) | JP7414976B2 (zh) |
KR (1) | KR20220070533A (zh) |
CN (5) | CN118138782A (zh) |
AU (1) | AU2020362795A1 (zh) |
CA (1) | CA3156854C (zh) |
MX (1) | MX2022004193A (zh) |
WO (1) | WO2021068854A1 (zh) |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007042914A1 (en) * | 2005-10-11 | 2007-04-19 | Nokia Corporation | Efficient decoded picture buffer management for scalable video coding |
US7991236B2 (en) * | 2006-10-16 | 2011-08-02 | Nokia Corporation | Discardable lower layer adaptations in scalable video coding |
KR20130116782A (ko) | 2012-04-16 | 2013-10-24 | 한국전자통신연구원 | 계층적 비디오 부호화에서의 계층정보 표현방식 |
US9602827B2 (en) * | 2012-07-02 | 2017-03-21 | Qualcomm Incorporated | Video parameter set including an offset syntax element |
WO2014116047A1 (ko) * | 2013-01-23 | 2014-07-31 | 삼성전자 주식회사 | 비디오 부호화 방법 및 장치, 비디오 복호화 방법 및 장치 |
US9998735B2 (en) * | 2013-04-01 | 2018-06-12 | Qualcomm Incorporated | Inter-layer reference picture restriction for high level syntax-only scalable video coding |
CN105284115B (zh) * | 2013-04-05 | 2018-11-23 | 三星电子株式会社 | 用于对多层视频进行解码的方法和设备以及用于对多层视频进行编码的方法和设备 |
US20140307803A1 (en) * | 2013-04-08 | 2014-10-16 | Qualcomm Incorporated | Non-entropy encoded layer dependency information |
US9813736B2 (en) * | 2013-09-27 | 2017-11-07 | Qualcomm Incorporated | Inter-view dependency type in MV-HEVC |
CN105612745A (zh) | 2013-10-08 | 2016-05-25 | 夏普株式会社 | 图像解码装置、图像编码装置以及编码数据 |
KR102246545B1 (ko) * | 2013-10-12 | 2021-04-30 | 삼성전자주식회사 | 멀티 레이어 비디오 부호화 방법 및 장치, 멀티 레이어 비디오 복호화 방법 및 장치 |
CN106664424A (zh) * | 2014-01-03 | 2017-05-10 | 诺基亚技术有限公司 | 参数集编码 |
WO2015194183A1 (en) * | 2014-06-18 | 2015-12-23 | Sharp Kabushiki Kaisha | Slice Type and Decoder Conformance |
US20160286226A1 (en) * | 2015-03-24 | 2016-09-29 | Nokia Technologies Oy | Apparatus, a method and a computer program for video coding and decoding |
US11184607B2 (en) * | 2019-06-13 | 2021-11-23 | Qualcomm Incorporated | Same picture order count (POC) numbering for scalability support |
US11418813B2 (en) | 2019-09-20 | 2022-08-16 | Tencent America LLC | Signaling of inter layer prediction in video bitstream |
-
2020
- 2020-09-30 MX MX2022004193A patent/MX2022004193A/es unknown
- 2020-09-30 WO PCT/CN2020/119696 patent/WO2021068854A1/en unknown
- 2020-09-30 CN CN202410077471.6A patent/CN118138782A/zh active Pending
- 2020-09-30 KR KR1020227015162A patent/KR20220070533A/ko unknown
- 2020-09-30 JP JP2022521050A patent/JP7414976B2/ja active Active
- 2020-09-30 CN CN202080070703.5A patent/CN114503593B/zh active Active
- 2020-09-30 CA CA3156854A patent/CA3156854C/en active Active
- 2020-09-30 CN CN202410078539.2A patent/CN118233660A/zh active Pending
- 2020-09-30 CN CN202410080973.4A patent/CN118138783A/zh active Pending
- 2020-09-30 AU AU2020362795A patent/AU2020362795A1/en active Pending
- 2020-09-30 EP EP20874710.5A patent/EP4032308A4/en active Pending
- 2020-09-30 CN CN202410080041.XA patent/CN117915112A/zh active Pending
-
2022
- 2022-04-06 US US17/714,318 patent/US20220232260A1/en active Pending
-
2023
- 2023-12-28 JP JP2023222186A patent/JP2024038193A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
CN117915112A (zh) | 2024-04-19 |
KR20220070533A (ko) | 2022-05-31 |
CN118138782A (zh) | 2024-06-04 |
JP2024038193A (ja) | 2024-03-19 |
JP2022550989A (ja) | 2022-12-06 |
CA3156854C (en) | 2024-05-21 |
EP4032308A4 (en) | 2022-11-23 |
MX2022004193A (es) | 2022-05-02 |
WO2021068854A1 (en) | 2021-04-15 |
EP4032308A1 (en) | 2022-07-27 |
CA3156854A1 (en) | 2021-04-15 |
CN114503593B (zh) | 2024-02-13 |
CN114503593A (zh) | 2022-05-13 |
US20220232260A1 (en) | 2022-07-21 |
AU2020362795A1 (en) | 2022-04-21 |
CN118138783A (zh) | 2024-06-04 |
JP7414976B2 (ja) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115567717B (zh) | 编码器、解码器及对应方法和装置 | |
CN113924780B (zh) | 用于色度子块的仿射帧间预测的方法及装置 | |
CN113748677A (zh) | 编码器、解码器及对应的帧内预测方法 | |
CN115209153B (zh) | 编码器、解码器及对应方法 | |
CN115209161B (zh) | 视频译码方法、解码器、解码设备、存储介质 | |
CN114125468A (zh) | 帧内预测方法和装置 | |
CN114450958A (zh) | 用于减小增强插值滤波器的内存带宽的仿射运动模型限制 | |
CN115152218A (zh) | 简化条带头语法元素指示的编码器、解码器及对应方法 | |
CN113660489B (zh) | 用于帧内子划分的解码方法、装置、解码器和存储介质 | |
CN114342403A (zh) | 用于加权预测的高级指示的方法和装置 | |
CN114586362A (zh) | 色度量化参数指示方法和装置 | |
CN113273193A (zh) | 用于分块配置指示的编码器,解码器及对应方法 | |
CN115349257B (zh) | 基于dct的内插滤波器的使用 | |
CN114946181A (zh) | 用于视频译码的参考图像管理方法 | |
CN112868233B (zh) | 编码器、解码器及相应的帧间预测方法 | |
CN114830665A (zh) | 仿射运动模型限制 | |
CN114679583A (zh) | 视频编码器、视频解码器及对应方法 | |
CN114846789B (zh) | 用于指示条带的图像分割信息的解码器及对应方法 | |
CN116489389B (zh) | 编码器、解码器及对应方法 | |
CN114424554B (zh) | 色度qp偏移表指示和推导的方法和装置 | |
CN114930834A (zh) | 编码器、解码器及灵活档次配置的对应方法 | |
CN114503593B (zh) | 编码器、解码器及对应方法 | |
CN114830654A (zh) | 译码块分割限制推导的编码器、解码器和对应方法 | |
CN115299070A (zh) | 编码器、解码器及对应的方法 |
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 |