KR20230129015A - 비디오 코딩 동안의 필터링을 위한 다수의 신경망 모델들 - Google Patents

비디오 코딩 동안의 필터링을 위한 다수의 신경망 모델들 Download PDF

Info

Publication number
KR20230129015A
KR20230129015A KR1020237021763A KR20237021763A KR20230129015A KR 20230129015 A KR20230129015 A KR 20230129015A KR 1020237021763 A KR1020237021763 A KR 1020237021763A KR 20237021763 A KR20237021763 A KR 20237021763A KR 20230129015 A KR20230129015 A KR 20230129015A
Authority
KR
South Korea
Prior art keywords
data
filtering
unit
neural network
video
Prior art date
Application number
KR1020237021763A
Other languages
English (en)
Inventor
홍타오 왕
벤카타 메헤르 사트칫 아난드 코트라
지안레 천
마르타 카르체비츠
Original Assignee
퀄컴 인코포레이티드
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
Priority claimed from US17/566,282 external-priority patent/US20220215593A1/en
Application filed by 퀄컴 인코포레이티드 filed Critical 퀄컴 인코포레이티드
Publication of KR20230129015A publication Critical patent/KR20230129015A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
    • H04N19/86—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving reduction of coding artifacts, e.g. of blockiness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—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
    • 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
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • H04N19/82—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation involving filtering within a prediction loop

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

디코딩된 비디오 데이터를 필터링하기 위한 일 예의 디바이스는 하나 이상의 프로세서들을 포함하고, 하나 이상의 프로세서들은: 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 것으로서, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터는 비디오 데이터의 디코딩된 픽처에 대한 데이터와는 상이하고, 그리고 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하기 위해, 하나 이상의 프로세서들은 디바이스의 디블록킹 유닛으로부터 바운더리 강도 데이터를 수신하기 위해 신경망 필터링 유닛을 실행하도록 구성되는, 상기 데이터를 수신하고; 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하고; 그리고 바운더리 강도 데이터를 포함한, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위해 신경망 필터링 유닛을 실행하도록 구성된다.

Description

비디오 코딩 동안의 필터링을 위한 다수의 신경망 모델들
본 출원은 2021년 12월 30일자로 출원된 미국 출원 제 17/566,282 호 및 2021년 1월 4일자로 출원된 미국 가출원 제 63/133,733 호에 대해 우선권을 주장하며, 이들 각각의 전체 내용은 본원에 참조로서 포함된다. 2021년 12월 30일자로 출원된 미국 특허출원 제17/566,282호는 2021년 1월 4일자로 출원된 미국 가출원 제 63/133,733 호의 이익을 주장한다.
본 개시는 비디오 인코딩 및 비디오 디코딩을 포함한 비디오 코딩에 관한 것이다.
디지털 비디오 능력들은 디지털 텔레비전들, 디지털 직접 브로드캐스트 시스템들, 무선 브로드캐스트 시스템들, 개인용 디지털 보조기들 (PDA들), 랩톱 또는 데스크톱 컴퓨터들, 태블릿 컴퓨터들, e-북 리더들, 디지털 카메라들, 디지털 레코딩 디바이스들, 디지털 미디어 플레이어들, 비디오 게이밍 디바이스들, 비디오 게임 콘솔들, 셀룰러 또는 위성 무선 전화기들, 소위 "스마트 폰들", 비디오 텔레컨퍼런싱 디바이스들, 비디오 스트리밍 디바이스들 등을 포함한, 광범위한 디바이스들에 통합될 수도 있다. 디지털 비디오 디바이스들은, MPEG-2, MPEG-4, ITU-T H.263, ITU-T H.264/MPEG-4, Part 10, 어드밴스드 비디오 코딩 (Advanced Video Coding; AVC), ITU-T H.265/고 효율 비디오 코딩 (High Efficiency Video Coding; HEVC) 에 의해 정의된 표준들, 및 그러한 표준들의 확장들에서 설명된 것들과 같은 비디오 코딩 기법들을 구현한다. 비디오 디바이스들은 그러한 비디오 코딩 기법들을 구현함으로써 디지털 비디오 정보를 더 효율적으로 송신, 수신, 인코딩, 디코딩, 및/또는 저장할 수도 있다.
비디오 코딩 기법들은 비디오 시퀀스들에 내재하는 리던던시를 감소 또는 제거하기 위해 공간 (인트라-픽처) 예측 및/또는 시간 (인터-픽처) 예측을 포함한다. 블록 기반 비디오 코딩을 위해, 비디오 슬라이스 (예를 들어, 비디오 픽처 또는 비디오 픽처의 부분) 는 비디오 블록들로 파티셔닝될 수도 있고, 이 비디오 블록들은 또한 코딩 트리 유닛들 (CTU들), 코딩 유닛들 (CU들) 및/또는 코딩 노드들로서 지칭될 수도 있다. 픽처의 인트라-코딩된 (I) 슬라이스에서의 비디오 블록들은 동일한 픽처의 이웃하는 블록들에서의 레퍼런스 샘플들에 대한 공간 예측을 사용하여 인코딩된다. 픽처의 인터-코딩된 (P 또는 B) 슬라이스에서의 비디오 블록들은 동일한 픽처의 이웃하는 블록들에서의 레퍼런스 샘플들에 대한 공간 예측, 또는 다른 레퍼런스 픽처들에서의 레퍼런스 샘플 샘플들에 대한 시간 예측을 사용할 수도 있다. 픽처들은 프레임들로서 지칭될 수도 있고, 레퍼런스 픽처들은 레퍼런스 프레임 프레임들로서 지칭될 수도 있다.
일반적으로, 본 개시는 왜곡될 수도 있는 디코딩된 픽처들을 필터링하기 위한 기법들을 설명한다. 필터링 프로세스는 신경망 기법들에 기초할 수도 있다. 필터링 프로세스는 ITU-T H.266/VVC (Versatile Video Coding) 의 확장들, 또는 비디오 코딩 표준들의 후속 세대들, 및 임의의 다른 비디오 코덱들과 같은 진보된 비디오 코덱들의 맥락에서 사용될 수도 있다. 일 예에서, 신경망 필터링 유닛은 예를 들어, 하나 이상의 신경망 모델들을 사용하여 디블록킹된 필터에 의해 계산되는 바운더리 강도 값들을 수신하고 디블록킹된 비디오 데이터를 추가로 필터링하기 위해 바운더리 강도 값들을 사용할 수도 있다.
하나의 예에서, 디코딩된 비디오 데이터를 필터링하는 방법은, 비디오 디코딩 디바이스의 신경망 필터링 유닛에 의해 비디오 데이터의 디코딩된 픽처에 대한 데이터를 수신하는 단계; 신경망 필터링 유닛에 의해, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 단계로서, 하나 이상의 다른 유닛들로부터의 데이터는 디코딩된 픽처에 대한 데이터와는 상이하고, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 단계는 비디오 디코딩 디바이스의 디블록킹 유닛으로부터 바운더리 강도 데이터를 수신하는 단계를 포함하는, 데이터를 수신하는 단계; 신경망 필터링 유닛에 의해, 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하는 단계; 및 신경망 필터링 유닛에 의해, 바운더리 강도 데이터를 포함한, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계를 포함한다.
다른 예에서, 디코딩된 비디오 데이터를 필터링하기 위한 디바이스는 비디오 데이터의 디코딩된 픽처를 저장하도록 구성되는 메모리; 및 회로부로 구현되는 하나 이상의 프로세서들을 포함하고, 하나 이상의 프로세서들은: 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 것으로서, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터는 디코딩된 픽처에 대한 데이터와는 상이하고, 그리고 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하기 위해, 하나 이상의 프로세서들은 디바이스의 디블록킹 유닛으로부터 바운더리 강도 데이터를 수신하도록 신경망 필터링 유닛을 실행하도록 구성되는, 데이터를 수신하고; 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하고; 그리고 바운더리 강도 데이터를 포함한, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위해 신경망 필터링 유닛을 실행하도록 구성된다.
다른 예에서, 컴퓨터 판독가능 저장 매체는 그 위에 저장된 명령들을 갖고, 명령들은 실행될 때, 비디오 디코딩 디바이스의 프로세서로 하여금: 비디오 데이터의 디코딩된 픽처에 대한 데이터를 수신하고; 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 것으로서, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터는 디코딩된 픽처에 대한 데이터와는 상이하고, 프로세서로 하여금 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하게 하는 명령들은 프로세서로 하여금 비디오 디코딩 디바이스의 디블록킹 유닛으로부터 바운더리 강도 데이터를 수신하게 하는 명령들을 포함하는, 데이터를 수신하고; 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하고; 그리고 바운더리 강도 데이터를 포함한, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위해 신경망 필터링 유닛을 실행하게 한다.
다른 예에서, 디코딩된 비디오 데이터를 필터링하기 위한 디바이스는 필터링 유닛을 포함하고, 필터링 유닛은 비디오 데이터의 디코딩된 픽처에 대한 데이터를 수신하기 위한 수단; 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하기 위한 수단으로서, 하나 이상의 다른 유닛들로부터의 데이터는 디코딩된 픽처에 대한 데이터와는 상이하고, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하기 위한 수단은 비디오 디코딩 디바이스의 디블록킹 유닛으로부터 바운더리 강도 데이터를 수신하기 위한 수단을 포함하는, 데이터를 수신하기 위한 수단; 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하기 위한 수단; 및 바운더리 강도 데이터를 포함한, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위한 수단을 포함한다.
하나 이상의 예의 상세가 첨부 도면 및 이하의 설명에 기재된다. 다른 특징, 목적 및 이점은 설명, 도면, 및 청구항으로부터 명백해질 것이다.
도 1 은 본 개시의 기법들을 수행할 수도 있는 예시적인 비디오 인코딩 및 디코딩 시스템을 예시하는 블록 다이어그램이다.
도 2 는 하이브리드 비디오 코딩 프레임워크를 예시하는 개념 다이어그램이다.
도 3 은 16 의 GOP (group of pictures) 사이즈를 사용한 계층적 예측 구조를 예시하는 개념 다이어그램이다.
도 4 는 4 개의 계층들을 갖는 신경망 기반 필터를 예시하는 개념 다이어그램이다.
도 5 는 바운더리들, 바운더리 샘플들, 및 내부 샘플들을 포함한 픽처의 일 예의 부분을 예시하는 개념 다이어그램이다.
도 6 은 본 개시의 기법들을 수행할 수도 있는 일 예의 비디오 인코더를 예시하는 블록 다이어그램이다.
도 7 은 본 개시의 기법들을 수행할 수도 있는 일 예의 비디오 디코더를 예시하는 블록 다이어그램이다.
도 8 은 본 개시의 기법들에 따라 현재 블록을 인코딩하기 위한 일 예의 방법을 예시하는 플로우차트이다.
도 9 는 본 개시의 기법들에 따라 현재 블록을 디코딩하기 위한 일 예의 방법을 예시하는 플로우차트이다.
도 10 은 본 개시의 기법들에 따라 디코딩된 비디오 데이터를 필터링하는 일 예의 방법을 예시하는 플로우차트이다.
비디오 코딩 표준들은 그 범위 확장, 멀티뷰 확장 (MV-HEVC), 및 스케일러블 확장 (SHVC) 을 포함하는, ITU-T H.261, ISO/IEC MPEG-1 Visual, ITU-T H.262 또는 ISO/IEC MPEG-2 Visual, ITU-T H.263, ISO/IEC MPEG-4 Visual 및 ITU-T H.264 (또한 ISO/IEC MPEG-4 AVC 로도 알려짐, HEVC (High Efficiency Video Coding) 또는 ITU-T H.265 를 포함한다. 다른 예시적인 비디오 코딩 표준은 VVC (Versatile Video Coding) 또는 ITU-T H.266 이고, 이는 ITU-T VCEG (Video Coding Experts Group) 및 ISO/IEC MPEG (Motion Picture Experts Group) 의 JVET (Joint Video Expert TEAM) 에 의해 개발되었다. 이하에서 "VVC FDIS"로 지칭되는 VVC 사양의 버전 1 은 http://phenix.int-evry.fr/jvet/doc_end_user/documents/ 19_Teleconference/wg11/JVET-S2001-v17.zip 으로부터 입수가능하다.
도 1 은 본 개시의 기법들을 수행할 수도 있는 예시적인 비디오 인코딩 및 디코딩 시스템 (100) 을 예시하는 블록도이다. 본 개시의 기법은 일반적으로 비디오 데이터를 코딩 (인코딩 및/또는 디코딩) 하는 것과 관련된다. 일반적으로, 비디오 데이터는 비디오를 프로세싱하기 위한 임의의 데이터를 포함한다. 따라서, 비디오 데이터는 원시, 코딩되지 않은 비디오, 인코딩된 비디오, 디코딩된 (예를 들어, 복원된) 비디오, 및 시그널링 데이터와 같은 비디오 메타데이터를 포함할 수도 있다.
도 1 에 도시된 바와 같이, 시스템 (100) 은, 이 예에서 목적지 디바이스 (116) 에 의해 디코딩 및 디스플레이될 인코딩된 비디오 데이터를 제공하는 소스 디바이스 (102) 를 포함한다. 특히, 소스 디바이스 (102) 는 컴퓨터 판독가능 매체 (110) 를 통해 목적지 디바이스 (116) 에 비디오 데이터를 제공한다. 소스 디바이스 (102) 및 목적지 디바이스 (116) 는 데스크탑 컴퓨터들, 노트북 (즉, 랩탑) 컴퓨터들, 모바일 디바이스들, 태블릿 컴퓨터들, 셋톱 박스들, 전화기 핸드셋들, 이를 테면 스마트폰들, 텔레비전들, 카메라들, 디스플레이 디바이스들, 디지털 미디어 플레이어들, 비디오 게이밍 콘솔들, 비디오 스트리밍 디바이스 등을 포함한, 광범위한 디바이스들 중 임의의 것을 포함할 수도 있다. 일부 경우들에서, 소스 디바이스 (102) 및 목적지 디바이스 (116) 는 무선 통신을 위해 장비될 수도 있고, 따라서 무선 통신 디바이스들로서 지칭될 수도 있다.
도 1 의 예에서, 소스 디바이스 (102) 는 비디오 소스 (104), 메모리 (106), 비디오 인코더 (200), 및 출력 인터페이스 (108) 를 포함한다. 목적지 디바이스(116)는 입력 인터페이스(122), 비디오 디코더(300), 메모리(120), 및 디스플레이 디바이스(118)를 포함한다. 본 개시에 따르면, 소스 디바이스 (102) 의 비디오 인코더 (200) 및 목적지 디바이스 (116) 의 비디오 디코더 (300) 는 다중 신경망 모델들을 사용하는 필터링을 위한 기법들을 적용하도록 구성될 수도 있다. 따라서, 소스 디바이스 (102) 는 비디오 인코딩 디바이스의 일 예를 나타내는 한편, 목적지 디바이스 (116) 는 비디오 디코딩 디바이스의 일 예를 나타낸다. 다른 예들에서, 소스 디바이스 및 목적지 디바이스는 다른 컴포넌트들 또는 배열들을 포함할 수도 있다. 예를 들어, 소스 디바이스 (102) 는 외부 카메라와 같은 외부 비디오 소스로부터 비디오 데이터를 수신할 수도 있다. 마찬가지로, 목적지 디바이스 (116) 는 통합된 디스플레이 디바이스를 포함하기 보다는, 외부 디스플레이 디바이스와 인터페이싱할 수도 있다.
도 1 에 도시된 시스템 (100) 은 단지 일 예에 불과하다. 일반적으로, 임의의 디지털 비디오 인코딩 및/또는 디코딩 디바이스는 다중 신경망 모델들을 사용하여 필터링하기 위한 기법들을 수행할 수도 있다. 소스 디바이스(102) 및 목적지 디바이스(116)는 단지 그러한 코딩 디바이스들의 예들일 뿐이며, 이의 소스 디바이스(102)는 목적지 디바이스(116)로의 송신을 위한 코딩된 비디오 데이터를 생성한다. 본 개시는 데이터의 코딩 (인코딩 및/또는 디코딩) 을 수행하는 디바이스로서 "코딩" 디바이스를 언급한다. 따라서, 비디오 인코더 (200) 및 비디오 디코더 (300) 는 코딩 디바이스들, 특히 각각 비디오 인코더 및 비디오 디코더의 예들을 나타낸다. 일부 예들에서, 소스 디바이스 (102) 및 목적지 디바이스 (116) 는, 소스 디바이스 (102) 및 목적지 디바이스 (116) 의 각각이 비디오 인코딩 및 디코딩 구성 요소들을 포함하도록 실질적으로 대칭적인 방식으로 동작할 수도 있다. 이로써, 시스템 (100) 은 예를 들어, 비디오 스트리밍, 비디오 플레이백, 비디오 브로드캐스팅, 또는 비디오 텔레포니를 위해, 소스 디바이스 (102) 와 목적지 디바이스 (116) 사이의 일방향 또는 양방향 비디오 송신을 지원할 수도 있다.
일반적으로, 비디오 소스 (104) 는 비디오 데이터 (즉, 원시, 코딩되지 않은 비디오 데이터) 의 소스를 나타내며 픽처들에 대한 데이터를 인코딩하는 비디오 인코더 (200) 에 비디오 데이터의 순차적인 일련의 픽처들 (또한 "프레임들" 로서도 지칭됨) 을 제공한다. 소스 디바이스 (102) 의 비디오 소스 (104) 는 비디오 카메라와 같은 비디오 캡처 디바이스, 이전에 캡처된 원시 비디오를 포함하는 비디오 아카이브, 및/또는 비디오 콘텐츠 제공자로부터 비디오를 수신하기 위한 비디오 피드 인터페이스를 포함할 수도 있다. 추가적인 대안으로서, 비디오 소스 (104) 는 컴퓨터 그래픽 기반 데이터를 소스 비디오로서, 또는 라이브 비디오, 아카이브된 비디오, 및 컴퓨터 생성된 비디오의 조합으로서 생성할 수도 있다. 각각의 경우, 비디오 인코더 (200) 는 캡처된, 미리-캡처된, 또는 컴퓨터-생성된 비디오 데이터를 인코딩한다. 비디오 인코더 (200) 는 픽처들을 수신된 순서 (때때로 "디스플레이 순서" 로서 지칭됨) 로부터 코딩을 위한 코딩 순서로 재배열할 수도 있다. 비디오 인코더 (200) 는 인코딩된 비디오 데이터를 포함하는 비트스트림을 생성할 수도 있다. 그 후, 소스 디바이스 (102) 는 예를 들어, 목적지 디바이스 (116) 의 입력 인터페이스 (122) 에 의한 수신 및/또는 취출을 위해 인코딩된 비디오 데이터를 출력 인터페이스 (108) 를 통해 컴퓨터 판독가능 매체 (110) 상으로 출력할 수도 있다.
소스 디바이스 (102) 의 메모리 (106) 및 목적지 디바이스 (116) 의 메모리 (120) 는 범용 메모리들을 나타낸다. 일부 예들에서, 메모리들 (106, 120) 은 원시 비디오 데이터, 예를 들어, 비디오 소스 (104) 로부터의 원시 비디오 및 비디오 디코더 (300) 로부터의 원시, 디코딩된 비디오 데이터를 저장할 수도 있다. 추가적으로 또는 대안적으로, 메모리들 (106, 120) 은, 예를 들어, 비디오 인코더 (200) 및 비디오 디코더 (300) 에 의해 각각 실행가능한 소프트웨어 명령들을 저장할 수도 있다. 메모리 (106) 및 메모리 (120) 는 이 예에서 비디오 인코더 (200) 및 비디오 디코더 (300) 와 별도로 도시되지만, 비디오 인코더 (200) 및 비디오 디코더 (300) 는 또한 기능적으로 유사하거나 또는 동등한 목적들을 위한 내부 메모리들을 포함할 수도 있음이 이해되어야 한다. 더욱이, 메모리들 (106, 120) 은, 예를 들어, 비디오 인코더 (200) 로부터 출력되고 비디오 디코더 (300) 에 입력되는 인코딩된 비디오 데이터를 저장할 수도 있다. 일부 예들에서, 메모리들 (106, 120) 의 부분들은 예를 들어, 미가공의, 디코딩된, 및/또는 인코딩된 비디오 데이터를 저장하기 위해 하나 이상의 비디오 버퍼들로서 할당될 수도 있다.
컴퓨터 판독가능 매체 (110) 는 인코딩된 비디오 데이터를 소스 디바이스 (102) 로부터 목적지 디바이스 (116) 로 전송할 수 있는 임의의 타입의 매체 또는 디바이스를 나타낼 수도 있다. 일 예에서, 컴퓨터 판독가능 매체 (110) 는, 소스 디바이스 (102) 로 하여금, 인코딩된 비디오 데이터를 직접 목적지 디바이스 (116) 에 실시간으로, 예를 들어, 무선 주파수 네트워크 또는 컴퓨터 기반 네트워크를 통해 송신할 수 있게 하기 위한 통신 매체를 나타낸다. 무선 통신 프로토콜과 같은 통신 표준에 따라, 출력 인터페이스 (108) 는 인코딩된 비디오 데이터를 포함하는 송신 신호를 변조할 수도 있고, 입력 인터페이스 (122) 는 수신된 송신 신호를 복조할 수도 있다. 통신 매체는 임의의 무선 또는 유선 통신 매체, 이를 테면 라디오 주파수 (radio frequency; RF) 스펙트럼 또는 하나 이상의 물리적 송신 라인들을 포함할 수도 있다. 통신 매체는 패킷 기반 네트워크, 이를 테면 로컬 영역 네트워크, 광역 네트워크, 또는 인터넷과 같은 글로벌 네트워크의 부분을 형성할 수도 있다. 통신 매체는 라우터들, 스위치들, 기지국들, 또는 소스 디바이스(102)로부터 목적지 디바이스(116)로의 통신을 용이하게 하는데 유용할 수도 있는 임의의 다른 장비를 포함할 수도 있다.
일부 예들에서, 소스 디바이스 (102) 는 출력 인터페이스 (108) 로부터 저장 디바이스 (112) 로 인코딩된 데이터를 출력할 수도 있다. 유사하게, 목적지 디바이스 (116) 는 입력 인터페이스 (122) 를 통해 저장 디바이스 (112) 로부터 인코딩된 데이터에 액세스할 수도 있다. 저장 디바이스 (112) 는 하드 드라이브, 블루-레이 디스크들, DVD 들, CD-ROM들, 플래시 메모리, 휘발성 또는 비휘발성 메모리, 또는 인코딩된 비디오 데이터를 저장하기 위한 임의의 다른 적합한 디지털 저장 매체들과 같은 다양한 분산된 또는 로컬로 액세스 데이터 저장 매체들 중 임의의 것을 포함할 수도 있다.
일부 예들에 있어서, 소스 디바이스 (102) 는, 소스 디바이스 (102) 에 의해 생성된 인코딩된 비디오 데이터를 저장할 수도 있는 파일 서버 (114) 또는 다른 중간 저장 디바이스로 인코딩된 비디오 데이터를 출력할 수도 있다. 목적지 디바이스 (116) 는 스트리밍 또는 다운로드를 통해 파일 서버 (114) 로부터의 저장된 비디오 데이터에 액세스할 수도 있다.
파일 서버 (114) 는 인코딩된 비디오 데이터를 저장하고 그 인코딩된 비디오 데이터를 목적지 디바이스 (116) 로 송신할 수도 있는 임의의 타입의 서버 디바이스일 수도 있다. 파일 서버 (114) 는 (예를 들어, 웹 사이트에 대한) 웹 서버, (파일 전송 프로토콜 (FTP) 또는 FLUTE (File Delivery over Unidirectional Transport) 프로토콜과 같은) 파일 전송 프로토콜 서비스를 제공하도록 구성된 서버, 콘텐츠 전달 네트워크 (CDN) 디바이스, 하이퍼텍스트 전송 프로토콜 (HTTP) 서버, 멀티미디어 브로드캐스트 멀티캐스트 서비스 (MBMS) 또는 강화된 MBMS (eMBMS) 서버, 및/또는 NAS (network attached storage) 디바이스를 나타낼 수도 있다. 파일 서버 (114) 는 추가적으로 또는 대안적으로, DASH (Dynamic Adaptive Streaming over HTTP), HTTP 라이브 스트리밍 (HLS), 실시간 스트리밍 프로토콜 (RTSP), HTTP 동적 스트리밍 등과 같은 하나 이상의 HTTP 스트리밍 프로토콜들을 구현할 수도 있다.
목적지 디바이스 (116) 는 인터넷 접속을 포함한, 임의의 표준 데이터 접속을 통해 파일 서버 (114) 로부터의 인코딩된 비디오 데이터에 액세스할 수도 있다. 이것은 파일 서버 (114) 상에 저장된 인코딩된 비디오 데이터에 액세스하기에 적합한, 무선 채널 (예를 들어, Wi-Fi 접속), 유선 접속 (예를 들어, 디지털 가입자 라인 (digital subscriber line; DSL), 케이블 모뎀 등), 또는 양자의 조합을 포함할 수도 있다. 입력 인터페이스 (122) 는 파일 서버 (114) 로부터 미디어 데이터를 취출 또는 수신하기 위한 위에서 논의된 다양한 프로토콜들 중 임의의 하나 이상, 또는 미디어 데이터를 취출하기 위한 다른 그러한 프로토콜들에 따라 동작하도록 구성될 수도 있다.
출력 인터페이스 (108) 및 입력 인터페이스 (122) 는 무선 송신기들/수신기들, 모뎀들, 유선 네트워킹 컴포넌트들 (예를 들어, 이더넷 카드들), 다양한 IEEE 802.11 표준들 중 임의의 것에 따라 동작하는 무선 통신 컴포넌트들, 또는 다른 물리적 컴포넌트들을 나타낼 수도 있다. 출력 인터페이스 (108) 및 입력 인터페이스 (122) 가 무선 컴포넌트를 포함하는 예들에서, 출력 인터페이스 (108) 및 입력 인터페이스 (122) 는 4G, 4G-LTE (Long-Term Evolution), LTE 어드밴스드, 5G 등과 같은 셀룰러 통신 표준에 따라, 인코딩된 비디오 데이터와 같은 데이터를 전송하도록 구성될 수도 있다. 출력 인터페이스 (108) 가 무선 송신기를 포함하는 일부 예들에서, 출력 인터페이스 (108) 및 입력 인터페이스 (122) 는 IEEE 802.11 사양, IEEE 802.15 사양 (예를 들어, ZigBee™), Bluetooth™ 표준 등과 같은 다른 무선 표준들에 따라, 인코딩된 비디오 데이터와 같은 데이터를 전송하도록 구성될 수도 있다. 일부 예들에서, 소스 디바이스 (102) 및/또는 목적지 디바이스 (116) 는 개별의 시스템-온-칩 (system-on-a-chip; SoC) 디바이스들을 포함할 수도 있다. 예를 들어, 소스 디바이스 (102) 는 비디오 인코더 (200) 및/또는 출력 인터페이스 (108) 에 기인한 기능을 수행하기 위한 SoC 디바이스를 포함할 수도 있고, 목적지 디바이스 (116) 는 비디오 디코더 (300) 및/또는 입력 인터페이스 (122) 에 기인한 기능을 수행하기 위한 SoC 디바이스를 포함할 수도 있다.
본 개시의 기법들은 오버-디-에어 (over-the-air) 텔레비전 브로드캐스트들, 케이블 텔레비전 송신들, 위성 텔레비전 송신들, 인터넷 스트리밍 비디오 송신들, 예를 들어 DASH (dynamic adaptive streaming over HTTP), 데이터 저장 매체 상으로 인코딩되는 디지털 비디오, 데이터 저장 매체 상에 저장된 디지털 비디오의 디코딩, 또는 다른 어플리케이션들과 같은 다양한 멀티미디어 어플리케이션들 중 임의의 것을 지원하여 비디오 코딩에 적용될 수도 있다.
목적지 디바이스 (116) 의 입력 인터페이스 (122) 는 컴퓨터 판독가능 매체 (110)(예를 들어, 통신 매체, 저장 디바이스 (112), 파일 서버 (114) 등) 로부터 인코딩된 비디오 비트스트림을 수신한다. 인코딩된 비디오 비트스트림은 비디오 블록들 또는 다른 코딩된 유닛들 (예를 들어, 슬라이스들, 픽처들, 픽처들의 그룹들, 시퀀스들 등) 의 프로세싱 및/또는 특성들을 기술하는 값들을 갖는 신택스 엘리먼트들과 같은, 비디오 디코더 (300) 에 의해 또한 사용되는, 비디오 인코더 (200) 에 의해 정의된 시그널링 정보를 포함할 수도 있다. 디스플레이 디바이스 (118) 는 디코딩된 비디오 데이터의 디코딩된 픽처들을 사용자에게 디스플레이한다. 디스플레이 디바이스 (118) 는 액정 디스플레이 (LCD), 플라즈마 디스플레이, 유기 발광 다이오드 (OLED) 디스플레이, 또는 다른 타입의 디스플레이 디바이스와 같은 다양한 디스플레이 디바이스들 중 임의의 것을 나타낼 수도 있다.
도 1 에 도시되지는 않았지만, 일부 예들에서, 비디오 인코더 (200) 및 비디오 디코더 (300) 는 각각 오디오 인코더 및/또는 오디오 디코더와 통합될 수도 있고, 공통 데이터 스트림에서 오디오 및 비디오 양자 모두를 포함하는 멀티플렉싱된 스트림들을 핸들링하기 위해, 적절한 MUX-DEMUX 유닛들, 또는 다른 하드웨어 및/또는 소프트웨어를 포함할 수도 있다. 적용가능한 경우, MUX-DEMUX 유닛들은 ITU H.223 멀티플렉서 프로토콜, 또는 다른 프로토콜들, 이를 테면 사용자 데이터그램 프로토콜 (UDP) 을 따를 수도 있다.
비디오 인코더 (200) 및 비디오 디코더 (300) 는 각각 다양한 적합한 인코더 및/또는 디코더 회로부, 이를 테면 하나 이상의 마이크로프로세서들, 디지털 신호 프로세서들 (DSP들), 주문형 집적 회로들 (ASIC들), 필드 프로그래밍가능 게이트 어레이들 (FPGA들), 이산 로직, 소프트웨어, 하드웨어, 펌웨어 또는 이들의 임의의 조합들 중 임의의 것으로서 구현될 수도 있다. 기법들이 부분적으로 소프트웨어로 구현되는 경우, 디바이스는 적합한 비일시적 컴퓨터 판독가능 매체에 소프트웨어에 대한 명령들을 저장하고, 본 개시의 기법들을 수행하기 위해 하나 이상의 프로세서들을 사용하는 하드웨어에서 그 명령들을 실행할 수도 있다. 비디오 인코더 (200) 및 비디오 디코더 (300) 의 각각은 하나 이상의 인코더들 또는 디코더들에 포함될 수도 있는데, 이들 중 어느 하나는 각각의 디바이스에서 커플링된 인코더/디코더 (CODEC) 의 부분으로서 통합될 수도 있다. 비디오 인코더 (200) 및/또는 비디오 디코더 (300) 를 포함하는 디바이스는 집적 회로, 마이크로프로세서, 및/또는 무선 통신 디바이스, 예를 들어 셀룰러 전화기를 포함할 수도 있다.
비디오 인코더 (200) 및 비디오 디코더 (300) 는 고 효율 비디오 코딩 (HEVC) 으로서 또한 지칭되는 ITU-T H.265 와 같은 비디오 코딩 표준, 또는 그에 대한 확장들, 이를 테면 멀티-뷰 및/또는 스케일러블 비디오 코딩 확장들에 따라 동작할 수도 있다. 대안으로, 비디오 인코더 (200) 및 비디오 디코더 (300) 는 다기능 비디오 코딩 (VVC) 과 같은, 다른 독점 또는 산업 표준들에 따라 동작할 수도 있다. VVC 표준의 초안은 Bross 등의 "Versatile Video Coding (Draft 9)" Joint Video Experts Team (JVET) of ITU-T SG 16 WP 3 and ISO/IEC JTC 1/SC 29/WG 11, 18th Meeting, 15-24 Apr., JVET-R2001-v8 (이하 "VVC Draft 9") 에 설명되어 있다. 하지만, 본 개시의 기법들은 임의의 코딩 표준에 한정되지 않는다.
일반적으로, 비디오 인코더(200) 및 비디오 디코더(300)는 픽처들의 블록 기반 코딩을 수행할 수도 있다. 용어 "블록"은 일반적으로, 프로세싱될(예를 들어, 인코딩될, 디코딩될, 또는 그렇지 않으면 인코딩 및/또는 디코딩 프로세스에서 사용될) 데이터를 포함하는 구조를 지칭한다. 예를 들어, 블록은 루미넌스 및/또는 크로미넌스 데이터의 샘플들의 2차원 행렬을 포함할 수도 있다. 일반적으로, 비디오 인코더(200) 및 비디오 디코더(300)는 YUV (예를 들어, Y, Cb, Cr) 포맷으로 표현된 비디오 데이터를 코딩할 수도 있다. 즉, 픽처의 샘플들에 대한 적색, 녹색, 및 청색 (RGB) 데이터를 코딩하기 보다는, 비디오 인코더 (200) 및 비디오 디코더 (300) 는 루미넌스 및 크로미넌스 컴포넌트들을 코딩할 수도 있으며, 여기서 크로미넌스 컴포넌트들은 적색 색조 및 청색 색조 크로미넌스 컴포넌트들 양자 모두를 포함할 수도 있다. 일부 예들에서, 비디오 인코더 (200) 는 인코딩 이전에 수신된 RGB 포맷팅된 데이터를 YUV 표현으로 변환하고, 비디오 디코더 (300) 는 YUV 표현을 RGB 포맷으로 변환한다. 대안적으로는, 프리- 및 포스트-프로세싱 유닛들 (도시되지 않음) 이 이들 변환들을 수행할 수도 있다.
본 개시는 일반적으로 픽처의 데이터를 인코딩하거나 또는 디코딩하는 프로세스를 포함하도록 픽처들의 코딩 (예를 들어, 인코딩 및 디코딩) 을 참조할 수도 있다. 유사하게, 본 개시는, 블록들에 대한 데이터를 인코딩하거나 또는 디코딩하는 프로세스, 예를 들어, 예측 및/또는 잔차 코딩을 포함하도록 픽처의 블록들의 코딩을 참조할 수도 있다. 인코딩된 비디오 비트스트림은 일반적으로 코딩 결정들 (예를 들어, 코딩 모드들) 및 픽처들의 블록들로의 파티셔닝을 나타내는 신택스 엘리먼트들에 대한 일련의 값들을 포함한다. 따라서, 픽처 또는 블록을 코딩하는 것에 대한 언급들은 일반적으로 픽처 또는 블록을 형성하는 신택스 엘리먼트에 대한 코딩 값들로서 이해되어야 한다.
HEVC 는 코딩 유닛 (CU) 들, 예측 유닛 (PU) 들, 및 변환 유닛 (TU) 들을 포함하는 다양한 블록들을 규정한다. HEVC에 따르면, 비디오 코더(예를 들어 비디오 인코더(200))는 쿼드트리 구조에 따라 코딩 트리 유닛(CTU)을 CU들로 파티셔닝한다. 즉, 비디오 코더는 CTU들 및 CU들을 4개의 동등한, 오버랩하지 않는 정사각형으로 파티셔닝하고, 쿼드트리의 각 노드는 0 또는 4개의 자식 노드를 갖는다. 자식 노드가 없는 노드들은 "리프 노드들" 로서 지칭될 수도 있으며, 이러한 리프 노드들의 CU들은 하나 이상의 PU 및/또는 하나 이상의 TU 를 포함할 수도 있다. 비디오 코더는 PU들 및 TU들을 추가로 분할할 수도 있다. 예를 들어, HEVC에서, 잔차 쿼드트리(RQT)는 TU들의 파티셔닝을 나타낸다. HEVC 에서, PU들은 인터 예측 데이터를 나타내는 한편, TU들은 잔차 데이터 (residual data) 를 나타낸다. 인트라 예측된 CU들은 인트라 모드 표시(intra-mode indication)와 같은 인트라 예측 정보를 포함한다.
다른 예로서, 비디오 인코더 (200) 및 비디오 디코더 (300) 는 VVC 에 따라 동작하도록 구성될 수도 있다. VVC 에 따라, 비디오 코더 (예를 들어 비디오 인코더 (200)) 는 픽처를 복수의 코딩 트리 유닛 (CTU) 들로 파티셔닝한다. 비디오 인코더 (200) 는 쿼드트리 바이너리 트리 (QTBT) 구조 또는 멀티-타입 트리 (MTT) 구조와 같은 트리 구조에 따라 CTU 를 파티셔닝할 수도 있다. QTBT 구조는 HEVC 의 CU들, PU들, 및 TU들 사이의 분리와 같은 다중 파티션 타입들의 개념들을 제거한다. QTBT 구조는 2개의 레벨: 쿼드트리 파티셔닝에 따라 파티셔닝된 제 1 레벨, 및 이진 트리 파티셔닝에 따라 파티셔닝된 제 2 레벨을 포함한다. QTBT 구조의 루트 노드는 CTU 에 대응한다. 이진 트리들의 리프 노드들은 코딩 유닛들(CU들)에 대응한다.
MTT 파티셔닝 구조에서, 블록들은 쿼드트리 (QT) 파티션, 바이너리 트리 (BT) 파티션, 및 하나 이상의 타입들의 트리플 트리 (TT) (터너리 트리 (TT) 로도 칭함) 파티션들을 사용하여 파티셔닝될 수도 있다. 트리플 또는 삼진 트리 파티션은 블록이 3 개의 서브-블록들로 스플릿팅되는 파티션이다. 일부 예들에서, 트리플 또는 삼진 트리 파티션은 중심을 통해 원래 블록을 나누지 않으면서 블록을 3개의 서브-블록으로 나눈다. MTT 에서의 파티셔닝 타입들 (예를 들어, QT, BT 및 TT) 은 대칭적이거나 비대칭적일 수도 있다.
일부 예들에서, 비디오 인코더 (200) 및 비디오 디코더 (300) 는 루미넌스 및 크로미넌스 컴포넌트들의 각각을 나타내기 위해 단일의 QTBT 또는 MTT 구조를 사용할 수도 있는 한편, 다른 예들에서, 비디오 인코더 (200) 및 비디오 디코더 (300) 는 루미넌스 컴포넌트에 대한 하나의 QTBT/MTT 구조 및 양자 모두의 크로미넌스 컴포넌트들에 대한 다른 QTBT/MTT 구조 (또는 개별의 크로미넌스 컴포넌트들에 대한 2 개의 QTBT/MTT 구조들) 와 같은 2 개 이상의 QTBT 또는 MTT 구조들을 사용할 수도 있다.
비디오 인코더 (200) 및 비디오 디코더 (300) 는 HEVC 마다의 쿼드트리 파티셔닝, QTBT 파티셔닝, MTT 파티셔닝, 또는 다른 파티셔닝 구조들을 사용하도록 구성될 수도 있다. 설명의 목적들을 위해, 본 개시의 기법들의 설명은 QTBT 파티셔닝에 관하여 제시된다. 하지만, 본 개시의 기법들은 쿼드트리 파티셔닝, 또는 다른 타입들의 파티셔닝도 물론 사용하도록 구성된 비디오 코더들에 또한 적용될 수도 있음이 이해되어야 한다.
일부 예들에서, CTU 는 루마 샘플들의 코딩 트리 블록 (CTB), 3 개의 샘플 어레이들을 갖는 픽처의 크로마 샘플들의 2 개의 대응하는 CTB들, 또는 샘플들을 코딩하는데 사용된 3 개의 별도의 컬러 평면들 및 신택스 구조들을 사용하여 코딩되는 픽처 또는 모노크롬 픽처의 샘플들의 CTB 를 포함한다. CTB 는 CTB들로의 구성 요소의 분할이 파티셔닝이 되도록 N 의 일부 값에 대한 샘플들의 NxN 블록일 수도 있다. 컴포넌트는 모노크롬 포맷의 픽처를 위한 어레이 또는 어레이의 단일 샘플 또는 4:2:0, 4:2:2 또는 4:4:4 컬러 포맷의 픽처를 위한 2개의 어레이 (루마 및 2개의 크로마) 중 하나로부터의 어레이 또는 단일 샘플일 수도 있다. 일부 예들에서, 코딩 블록은, CTB 의 코딩 블록들로의 분할이 파티셔닝이 되도록 M 및 N 의 일부 값들에 대한 샘플들의 MxN 블록이다.
블록들 (예를 들어, CTU들 또는 CU들) 은 픽처에서 다양한 방식들로 그룹화될 수도 있다. 일 예로서, 브릭은 픽처에서의 특정 타일 내에서 CTU 행들의 직사각형 영역을 지칭할 수도 있다. 타일은 픽처에서의 특정 타일 열 및 특정 타일 행 내에서 CTU들의 직사각형 영역일 수도 있다. 타일 열은, 픽처의 높이와 동일한 높이 및 (예를 들어, 픽처 파라미터 세트에서와 같이) 신택스 엘리먼트들에 의해 특정된 폭을 갖는 CTU들의 직사각형 영역을 지칭한다. 타일 행은, (예를 들어, 픽처 파라미터 세트에서와 같이) 신택스 엘리먼트들에 의해 특정된 높이 및 픽처의 폭과 동일한 폭을 갖는 CTU들의 직사각형 영역을 지칭한다.
일부 예들에서, 타일은 다수의 브릭들로 파티셔닝될 수도 있으며, 그 각각은 타일 내의 하나 이상의 CTU 행들을 포함할 수도 있다. 다수의 브릭들로 파티셔닝되지 않은 타일이 또한, 브릭으로서 지칭될 수도 있다. 그러나, 타일의 참(true) 서브세트인 브릭은 타일로 지칭되지 않을 수도 있다.
픽처에서의 브릭들은 또한 슬라이스로 배열될 수도 있다. 슬라이스는 단일의 네트워크 추상화 계층 (NAL) 유닛에 배타적으로 포함될 수도 있는 픽처의 정수 개의 브릭들일 수도 있다. 일부 예들에서, 슬라이스는 다수의 완전한 타일들 또는 하나의 타일의 완전한 브릭들의 연속적인 시퀀스만을 포함한다.
본 개시는 수직 및 수평 치수들의 관점에서 (CU 또는 다른 비디오 블록과 같은) 블록의 샘플 치수들을 지칭하기 위해 상호교환가능하게 "NxN" 및 "N 바이 N" 을 사용할 수도 있다, 예를 들어, 16x16 샘플들 또는 16 바이 16 샘플들. 일반적으로, 16x16 CU 는 수직 방향에서 16 샘플들 (y = 16) 그리고 수평 방향에서 16 샘플들 (x = 16) 을 가질 것이다. 마찬가지로, NxN CU 는 일반적으로 수직 방향에서 N 샘플들 및 수평 방향에서 N 샘플들을 가지며, 여기서, N 은 음이 아닌 정수 값을 나타낸다. CU에서의 샘플들은 행들 및 열들로 배열될 수도 있다. 또한, CU들은 수직 방향에서와 동일한 수의 샘플들을 수평 방향에서 반드시 가질 필요가 있는 것은 아니다. 예를 들면, CU들은 NxM 샘플들을 포함할 수도 있고, 여기서 M 은 N 과 반드시 동일한 것은 아니다.
비디오 인코더 (200) 는 예측 및/또는 잔차 정보를 나타내는 CU들에 대한 비디오 데이터, 및 다른 정보를 인코딩한다. 예측 정보는 CU 에 대한 예측 블록을 형성하기 위하여 CU 가 예측될 방법을 나타낸다. 잔차 정보는 일반적으로, 인코딩 이전의 CU 의 샘플들과 예측 블록 사이의 샘플 별 (sample-by-sample) 차이들을 나타낸다.
CU 를 예측하기 위해, 비디오 인코더 (200) 는 일반적으로 인터-예측 또는 인트라-예측을 통해 CU 에 대한 예측 블록을 형성할 수도 있다. 인터-예측은 일반적으로 이전에 코딩된 픽처의 데이터로부터 CU 를 예측하는 것을 지칭하는 반면, 인트라-예측은 일반적으로 동일한 픽처의 이전에 코딩된 데이터로부터 CU 를 예측하는 것을 지칭한다. 인터-예측을 수행하기 위해, 비디오 인코더 (200) 는 하나 이상의 모션 벡터를 사용하여 예측 블록을 생성할 수도 있다. 비디오 인코더 (200) 는 일반적으로, 예를 들어 CU 와 레퍼런스 블록 사이의 차이에 관하여, CU 와 밀접하게 매칭하는 레퍼런스 블록을 식별하기 위해 모션 검색을 수행할 수도 있다. 비디오 인코더 (200) 는 레퍼런스 블록이 현재 CU 와 근접하게 매칭하는지 여부를 결정하기 위해 절대 차이의 합 (SAD), 제곱 차이들의 합 (SSD), 평균 절대 차이 (MAD), 평균 제곱 차이들 (MSD), 또는 다른 그러한 차이 계산들을 사용하여 차이 메트릭을 계산할 수도 있다. 일부 예들에서, 비디오 인코더 (200) 는 단방향 예측 또는 양방향 예측을 사용하여 현재 CU 를 예측할 수도 있다.
VVC 의 일부 예들은 또한, 인터-예측 모드로 고려될 수도 있는 아핀 모션 보상 모드를 제공한다. 아핀 모션 보상 모드에서, 비디오 인코더 (200) 는 줌 인 또는 아웃, 회전, 원근 모션, 또는 다른 불규칙한 모션 타입들과 같은 비-병진 모션을 나타내는 2 이상의 모션 벡터들을 결정할 수도 있다.
인트라 예측을 수행하기 위해, 비디오 인코더 (200) 는 인트라 예측 모드를 선택하여 예측 블록을 생성할 수도 있다. VVC 의 일부 예들은 평면 모드 및 DC 모드 뿐만 아니라, 다양한 방향성 모드들을 포함하여 67 개의 인트라-예측 모드들을 제공한다. 일반적으로, 비디오 인코더 (200) 는, 현재 블록의 샘플들을 예측할 현재 블록 (예를 들어, CU 의 블록) 에 대한 이웃하는 샘플들을 기술하는 인트라-예측 모드를 선택한다. 그러한 샘플들은 일반적으로, 비디오 인코더 (200) 가 래스터 스캔 순서로 (좌측에서 우측으로, 상부에서 저부로) CTU들 및 CU들을 코딩하는 것을 가정하여, 현재 블록과 동일한 픽처에서 현재 블록의 상위, 상위 및 좌측에, 또는 좌측에 있을 수도 있다.
비디오 인코더 (200) 는 현재 블록을 위한 예측 모드를 나타내는 데이터를 인코딩한다. 예를 들어, 인터-예측 모드들에 대해, 비디오 인코더 (200) 는 다양한 이용가능한 인터-예측 모드들 중 어느 것이 사용되는지를 나타내는 데이터 뿐만 아니라, 대응하는 모드에 대한 모션 정보를 인코딩할 수도 있다. 단방향 또는 양방향 인터-예측을 위해, 예를 들어, 비디오 인코더 (200) 는 어드밴스드 모션 벡터 예측 (AMVP) 또는 병합 모드를 사용하여 모션 벡터들을 인코딩할 수도 있다. 비디오 인코더 (200) 는 유사한 모드들을 사용하여 아핀 모션 보상 모드에 대한 모션 벡터들을 인코딩할 수도 있다.
블록의 인트라-예측 또는 인터-예측과 같은 예측에 후속하여, 비디오 인코더 (200) 는 블록을 위한 잔차 데이터를 계산할 수도 있다. 잔차 블록과 같은 잔차 데이터는, 대응하는 예측 모드를 사용하여 형성된, 블록에 대한 예측 블록 및 블록 사이의 샘플 바이 샘플 차이들을 나타낸다. 비디오 인코더(200)는 샘플 도메인 대신 변환 도메인에서 변환된 데이터를 생성하도록 잔차 블록에 하나 이상의 변환을 적용할 수도 있다. 예를 들어, 비디오 인코더(200)는 이산 코사인 변환(discrete cosine transform, DCT), 정수 변환(integer transform), 웨이블릿 변환(wavelet transform), 또는 개념적으로 유사한 변환을 잔차 비디오 데이터에 적용할 수도 있다. 추가적으로, 비디오 인코더 (200) 는 모드 의존적 비분리가능한 2 차 변환 (MDNSST), 신호 의존적 변환, Karhunen-Loeve 변환 (KLT) 등과 같은, 제 1 변환에 후속하는 2 차 변환을 적용할 수도 있다. 비디오 인코더(200)는 하나 이상의 변환들의 적용에 후속하여 변환 계수들을 생성한다.
위에 언급된 바와 같이, 변환 계수들을 생성하기 위한 임의의 변환들에 후속하여, 비디오 인코더 (200) 는 변환 계수들의 양자화를 수행할 수도 있다. 일반적으로 양자화는 변환 계수들이 양자화되어 그 변환 계수들을 나타내는데 사용된 데이터의 양을 감소시킬 수 있어서, 추가 압축을 제공하는 프로세스를 지칭한다. 양자화 프로세스를 수행함으로써, 비디오 인코더 (200) 는 변환 계수들의 일부 또는 모두와 연관된 비트 깊이를 감소시킬 수도 있다. 예를 들어, 비디오 인코더 (200) 는 양자화 동안 n-비트 값을 m-비트 값으로 라운딩 다운할 수도 있고, 여기서 n 은 m 보다 크다. 일부 예들에서, 양자화를 수행하기 위해, 비디오 인코더 (200) 는 양자화될 값의 비트단위 우측-시프트를 수행할 수도 있다.
양자화에 이어서, 비디오 인코더 (200) 는 변환 계수들을 스캔하여, 양자화된 변환 계수들을 포함한 2 차원 행렬로부터 1 차원 벡터를 생성할 수도 있다. 스캔은 더 높은 에너지 (및 따라서 더 낮은 주파수) 계수들을 벡터의 전방에 배치하고 그리고 더 낮은 에너지 (및 따라서 더 높은 주파수) 변환 계수들을 벡터의 후방에 배치하도록 설계될 수도 있다. 일부 예들에서, 비디오 인코더 (200) 는 양자화된 변환 계수들을 스캔하여 직렬화된 벡터를 생성하기 위해 미리정의된 스캔 순서를 활용하고, 그 다음, 벡터의 양자화된 변환 계수들을 엔트로피 인코딩할 수도 있다. 다른 예들에서, 비디오 인코더(200)는 적응 스캔을 수행할 수도 있다. 1-차원 벡터를 형성하기 위해 양자화된 변환 계수들을 스캔한 후, 비디오 인코더 (200) 는, 예를 들어, 컨텍스트 적응 이진 산술 코딩 (CABAC) 에 따라, 1-차원 벡터를 엔트로피 인코딩할 수도 있다. 비디오 인코더(200)는 또한, 비디오 데이터를 디코딩하는 데 있어서 비디오 디코더(300)에 의한 사용을 위해, 인코딩된 비디오 데이터와 연관된 메타데이터를 기술하는 신택스 엘리먼트들에 대한 값들을 엔트로피 인코딩할 수도 있다.
CABAC 을 수행하기 위해, 비디오 인코더 (200) 는 컨텍스트 모델 내의 컨텍스트를, 송신될 심볼에 할당할 수도 있다. 컨텍스트는 예를 들어, 심볼의 이웃하는 값들이 제로 값인지 여부와 관련될 수도 있다. 확률 결정은 심볼에 배정된 컨텍스트에 기초할 수도 있다.
비디오 인코더 (200) 는 신택스 데이터, 이를 테면 블록 기반 신택스 데이터, 픽처 기반 신택스 데이터, 및 시퀀스 기반 신택스 데이터를, 비디오 디코더 (300) 에, 예를 들어, 픽처 헤더, 블록 헤더, 슬라이스 헤더, 또는 다른 신택스 데이터, 이를 테면 시퀀스 파라미터 세트 (SPS), 픽처 파라미터 세트 (PPS), 또는 비디오 파라미터 세트 (VPS) 에서 추가로 생성할 수도 있다. 비디오 디코더(300)는 마찬가지로, 대응하는 비디오 데이터를 디코딩하는 방법을 결정하기 위해 그러한 신택스 데이터를 디코딩할 수도 있다.
이러한 방식으로, 비디오 인코더 (200) 는 인코딩된 비디오 데이터, 예를 들어, 픽처의 블록들 (예를 들어, CU들) 로의 파티셔닝을 기술하는 신택스 엘리먼트들 및 블록들에 대한 예측 및/또는 잔차 정보를 포함하는 비트스트림을 생성할 수도 있다. 궁극적으로, 비디오 디코더 (300) 는 비트스트림을 수신하고, 인코딩된 비디오 데이터를 디코딩할 수도 있다.
일반적으로, 비디오 디코더 (300) 는 비트스트림의 인코딩된 비디오 데이터를 디코딩하기 위해 비디오 인코더 (200) 에 의해 수행되는 것과 상호적인 프로세스를 수행한다. 예를 들어, 비디오 디코더 (300) 는 비디오 인코더 (200) 의 CABAC 인코딩 프로세스와 실질적으로 유사하지만, 상호역의 방식으로 CABAC 을 사용하여 비트스트림의 신택스 엘리먼트들에 대한 값들을 디코딩할 수도 있다. 신택스 엘리먼트들은 픽처의 CTU들로의 파티셔닝, 및 QTBT 구조와 같은 대응하는 파티션 구조에 따른 각각의 CTU 의 파티셔닝을 위한 파티셔닝 정보를 정의하여, CTU 의 CU들을 정의할 수도 있다. 신택스 엘리먼트들은 비디오 데이터의 블록들 (예를 들어, CU들) 에 대한 예측 및 잔차 정보를 추가로 정의할 수도 있다.
잔차 정보는, 예를 들어, 양자화된 변환 계수들에 의해 표현될 수도 있다. 비디오 디코더 (300) 는 블록에 대한 잔차 블록을 재현하기 위해 블록의 양자화된 변환 계수들을 역 양자화 및 역 변환할 수도 있다. 비디오 디코더 (300) 는 시그널링된 예측 모드 (인트라-예측 또는 인터-예측) 및 관련된 예측 정보 (예를 들어, 인터-예측을 위한 모션 정보) 를 사용하여 블록에 대한 예측 블록을 형성한다. 그 다음, 비디오 디코더 (300) 는 예측 블록과 잔차 블록을 (샘플 바이 샘플 기준으로) 결합하여 원래 블록을 재현할 수도 있다. 비디오 디코더 (300) 는 블록의 바운더리들을 따라 시각적 아티팩트들을 감소시키기 위해 디블록킹 프로세스를 수행하는 것과 같은 추가적인 프로세싱을 수행할 수도 있다.
본 개시는 일반적으로 신택스 엘리먼트들과 같은 소정의 정보를 "시그널링" 하는 것을 참조할 수도 있다. 용어 "시그널링" 은 일반적으로 인코딩된 비디오 데이터를 디코딩하는데 사용되는 신택스 엘리먼트들에 대한 값들 및/또는 다른 데이터의 통신을 지칭할 수도 있다. 즉, 비디오 인코더(200)는 비트스트림에서 신택스 엘리먼트들에 대한 값들을 시그널링할 수도 있다. 일반적으로, 시그널링은 비트스트림에서 값을 생성하는 것을 지칭한다. 위에서 언급된 바와 같이, 소스 디바이스 (102) 는 목적지 디바이스 (116) 에 의한 추후 취출을 위해 저장 디바이스 (112) 에 신택스 엘리먼트들을 저장할 때 발생할 수도 있는 바와 같이, 비실시간으로 또는 실질적으로 실시간으로 비트스트림을 목적지 디바이스 (116) 로 전송할 수도 있다.
도 2 는 하이브리드 비디오 코딩 프레임워크를 예시하는 개념 다이어그램이다. H.261 이후의 비디오 코딩 표준들은 도 2 에 예시된 소위 하이브리드 비디오 코딩 원리에 기초하고 있다. 용어 하이브리드는 비디오 신호에서의 리던던시를 감소시키기 위한 2개의 수단들의 조합, 즉 예측 잔차의 양자화에 의한 예측 및 변환 코딩을 지칭한다. 예측 및 변환은 상관해제에 의해 비디오 신호에서 중복성을 감소시키는 반면, 양자화는 그들의 정밀도를 감소시킴으로써, 이상적으로는 무관한 세부사항들만을 제거함으로써 변환 계수 표현의 데이터를 감소시킨다. 이 하이브리드 비디오 코딩 설계 원리는 또한 2 개의 최근 표준들, ITU-T H.265/HEVC 및 ITU-T H.266/VVC 에서 사용된다.
도 2 에 도시된 바와 같이, 최신 하이드브리드 비디오 코더 (130) 는 일반적으로 블록 파티셔닝, 모션 보상된 또는 인트라 픽처 예측, 인트라-픽처 예측, 변환, 양자화, 엔트로피 코딩 및 포스트/인-루프 필터링을 수행한다. 도 2 의 예에서, 비디오 코더 (130) 는 합산 유닛 (134), 변환 유닛 (136), 양자화 유닛 (138), 엔트로피 코딩 유닛 (140), 역 양자화 유닛 (142), 역 변환 유닛 (144), 합산 유닛 (146), 루프 필터 유닛 (148), 디코딩된 픽처 버퍼 (DPB) (150), 인트라 예측 유닛 (152), 인터-예측 유닛 (154), 및 모션 추정 유닛 (156) 을 포함한다.
일반적으로, 비디오 코더 (130) 는, 비디오 데이터를 인코딩할 때, 입력 비디오 데이터 (132) 를 수신할 수도 있다. 블록 파티셔닝은 예측 및 변환 프로세스의 동작을 위해 비디오 데이터의 수신된 픽처 (이미지) 를 더 작은 블록들로 분할하는 데 사용된다. 초기 비디오 코딩 표준들은 고정된 블록 크기, 통상적으로 16×16 샘플들을 사용하였다. HEVC 및 VVC 와 같은 최근의 표준들은 유연한 파티셔닝을 제공하기 위해 트리-기반 파티셔닝 구조들을 채용한다.
모션 추정 유닛 (156) 및 인터-예측 유닛 (154) 은 예를 들어, DPB (150) 의 이전에 디코딩된 데이터로부터 입력 비디오 데이터 (132) 를 예측할 수도 있다. 모션-보상된 또는 인터-픽처 예측은 비디오 시퀀스의 픽처들 사이에 (따라서 "인터") 존재하는 리던던시의 이점을 취한다. 모든 현대의 비디오 코덱들에서 사용되는 블록-기반 모션 보상에 따르면, 예측은 하나 이상의 이전에 디코딩된 픽처들, 즉, 레퍼런스 픽처 픽처(들)로부터 획득된다. 인터 예측을 생성하기 위한 대응하는 영역들은 모션 벡터들 및 레퍼런스 픽처 인덱스들을 포함하는 모션 정보에 의해 표시된다.
합산 유닛 (134) 은 입력 비디오 데이터 (132) 와 인트라 예측 유닛 (152) 또는 인터 예측 유닛 (154) 으로부터의 예측된 데이터 사이의 차이들로서 잔차 데이터를 계산할 수도 있다. 합산 유닛 (134) 은 잔차 블록들을 변환 유닛 (136)에 제공하고, 변환 유닛은 변환 블록들을 생성하기 위해 잔차 블록에 하나 이상의 변환들을 적용한다. 양자화 유닛 (138) 은 양자화된 변환 계수들을 형성하도록 변환 블록들을 양자화한다. 엔트로피 코딩 유닛 (140) 은 양자화된 변환 계수들뿐만 아니라 모션 정보 또는 인트라-예측 정보와 같은 다른 신택스 엘리먼트들을 엔트로피 인코딩하여 출력 비트스트림 (158) 을 생성한다.
한편, 역 양자화 유닛 (142) 은 양자화된 변환 계수들을 역 양자화하고 역 변환 유닛 (144) 은 변환 계수들을 역 변환하여 잔차 블록들을 재생한다. 합산 유닛 (146) 은 비디오 데이터의 디코딩된 블록들을 생성하기 위해 (샘플 별 기반으로) 예측 블록들과 잔차 블록들을 결합한다. 루프 필터 유닛 (148) 은 하나 이상의 필터들 (예를 들어, 신경망 기반 필터, 신경망 기반 루프 필터, 신경망 기반 포스트 루프 필터, 적응적 인-루프 필터, 또는 미리 정의된 적응적 인-루프 필터 중 적어도 하나) 을 디코딩된 블록에 적용하여 필터링된 디코딩된 블록들을 재생한다.
본 개시의 기법들에 따르면, 루프 필터 유닛 (148) 의 신경망 필터링 유닛은 합산 유닛 (146) 으로부터 그리고 하이브리드 비디오 코더 (130) 의 하나 이상의 다른 유닛들, 예를 들어, 변환 유닛 (136), 양자화 유닛 (138), 인트라 예측 유닛 (152), 인터-예측 유닛 (154), 모션 추정 유닛 (156), 및/또는 루프 필터 유닛 (148) 내의 하나 이상의 다른 필터링 유닛들로부터 비디오 데이터의 디코딩된 픽처에 대한 데이터를 수신할 수도 있다. 예를 들어, 신경망 필터링 유닛은 루프 필터 유닛 (148) 의 디블록킹 필터링 유닛 (또한 "디블록킹 유닛"으로도 지칭됨) 으로부터 데이터를 수신할 수 있다. 신경망 필터링 유닛은 예를 들어, 특정 바운더리가 디블록킹을 위해 필터링될지의 여부, 및 만약 그렇다면, 바운더리가 필터링될 정도를 표현하는 바운더리 강도 값들을 수신할 수도 있다. 예를 들어, 바운더리 강도 값들은 수정될 바운더리의 측면 및/또는 샘플들이 수정될 정도 중 어느 것에 대한 샘플들의 수에 대응할 수도 있다.
다른 예들에서, 바운더리 강도 값들에 더하여 또는 이에 대해 대안적으로, 신경망 필터링 유닛은 CU (coding unit) 파티셔닝 데이터, PU (prediction unit) 파티셔닝 데이터, TU (transform unit) 파티셔닝 데이터, 디블록킹 필터링 데이터, 양자화 파라미터 (QP) 데이터, 인트라-예측 데이터, 인터-예측 데이터, 디코딩된 픽처와 하나 이상의 레퍼런스 픽처들 사이의 거리를 나타내는 데이터 또는 디코딩된 픽처의 하나 이상의 디코딩된 블록들에 대한 모션 정보를 수신할 수도 있다. 디블록킹 필터링 데이터는 긴 필터들 또는 짧은 필터들이 디블록킹에 사용되는지 또는 강한 또는 약한 필터들이 디블록킹에 사용되는지 중 적어도 하나를 더 포함할 수도 있다. 디코딩된 픽처와 레퍼런스 픽처들 사이의 거리를 나타내는 데이터는 픽처들의 POC (picture order count) 값들 사이의 POC 차이들로서 표현될 수도 있다.
신경망 필터링 유닛은 디코딩된 픽처의 적어도 일부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정할 수도 있다. 신경망 필터링 유닛은 바운더리 강도 데이터를 포함한, 다른 유닛들로부터의 데이터 및 결정된 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 적어도 일부분을 추가로 필터링할 수도 있다. 예를 들어, 신경망 필터링 유닛은 컨볼루션 신경망 (CNN) 에 대한 하나 이상의 추가적인 입력 평면들로서 추가적인 데이터를 제공할 수도 있다.
비디오 데이터의 블록, 이를 테면, CTU 또는 CU 는 실제로 다수의 컬러 컴포넌트들, 예를 들어, 루미넌스 또는 "루마" 컴포넌트, 청색 색조 크로미넌스 또는 "크로마" 컴포넌트 및 적색 색조 크로미넌스 (크로마) 컴포넌트를 포함할 수도 있다. 루마 컴포넌트는 크로마 컴포넌트들보다 더 큰 공간 해상도를 가질 수도 있고, 크로마 컴포넌트들 중 하나는 다른 크로마 컴포넌트보다 더 큰 공간 해상도를 가질 수도 있다. 대안적으로, 루마 컴포넌트는 크로마 컴포넌트들보다 큰 공간 해상도를 가질 수도 있고, 2 개의 크로마 컴포넌트들은 서로 동일한 공간 해상도를 가질 수도 있다. 예를 들어, 4:2:2 포맷에서, 루마 컴포넌트는 수평으로 크로마 컴포넌트들보다 2배 크고 수직으로 크로마 컴포넌트들과 동일할 수도 있다. 다른 예로서, 4:2:0 포맷에서, 루마 컴포넌트는 수평으로 그리고 수직으로 크로마 컴포넌트들보다 2배 더 클 수도 있다. (모션 정보 또는 인트라-예측 방향과 같은 특정 코딩 정보가 루마 컴포넌트에 대해 결정되고 대응하는 크로마 컴포넌트들에 의해 승계될 수도 있지만) 위에서 논의된 다양한 동작들은 일반적으로 루마 및 크로마 컴포넌트들 각각에 개별적으로 적용될 수도 있다.
도 3 은 16 의 GOP (group of pictures) 사이즈를 사용한 계층적 예측 구조 (166) 를 예시하는 개념 다이어그램이다. 최근의 비디오 코덱에서는 코딩 효율을 향상시키기 위해 GOP (group of pictures) 내의 계층적 예측 구조가 적용된다.
다시 도 2 를 참조하면, 인트라-픽처 예측은 이미 코딩된/디코딩된 공간적으로 이웃하는 (참조) 샘플들로부터 블록에 대한 예측을 도출함으로써 픽처 내에 (따라서 "인트라") 존재하는 공간적 리던던시를 이용한다. 방향성 각도 예측, DC 예측 및 평면 또는 평면의 예측은 AVC, HEVC, 및 VVC를 포함하는 가장 최근의 비디오 코덱에서 사용된다.
하이브리드 비디오 코딩 표준들은 (인터- 또는 인트라-픽처 예측으로부터 오는지 여부에 관계없이) 예측 잔차에 블록 변환을 적용한다. H.261, H.262 및 H.263 을 포함하는 초기 표준에서는 이산 코사인 변환 (DCT) 이 사용된다. HEVC 및 VVC 에서, 특정 비디오 신호에서의 상이한 통계치들을 고려하기 위해 DCT 이외의 더 많은 변환 커널이 적용된다.
양자화는 값들을 표현하는 데 필요한 데이터의 양을 감소시키기 위해 입력 값 또는 입력 값들의 세트의 정밀도를 감소시키는 것을 목표로 한다. 하이브리드 비디오 코딩에서, 양자화는 통상적으로 개별 변환된 잔차 샘플들, 즉 변환 계수들에 적용되어, 정수 계수 레벨들을 초래한다. 최근의 비디오 코딩 표준들에서, 스텝 사이즈는 충실도 및 비트 레이트를 제어하는 소위 양자화 파라미터 (QP) 로부터 유도된다. 더 큰 스텝 사이즈는 비트 레이트를 낮추지만 또한 품질을 저하시키며, 이는 예를 들어, 블록킹 아티팩트들 (blocking artifacts) 및 모호한 세부사항들을 나타내는 비디오 픽처들을 초래한다.
CABAC (context-adaptive binary arithmetic coding) 은 최근 비디오 코덱 (예를 들어, AVC, HEVC, 및 VVC) 에서 높은 효율로 인해 사용되는 엔트로피 코딩의 한 형태이다.
포스트/인-루프 필터링은 코딩 아티팩트들을 감소시키기 위해 복원된 픽처에 적용되는 필터링 프로세스 (또는 그러한 프로세스들의 조합) 이다. 필터링 프로세스의 입력은 일반적으로 복원된 픽처이며, 이는 복원된 잔차 신호 (양자화 에러를 포함함) 와 예측의 조합이다. 도 2 에 도시된 바와 같이, 인-루프 필터링 후의 복원 픽처들은 저장되어 다음 픽처의 픽처간 예측을 위한 참조로서 사용된다. 코딩 아티팩트들은 대부분 QP 에 의해 결정되므로, QP 정보는 일반적으로 필터링 프로세스의 설계에 사용된다. HEVC 에서, 인-루프 필터들은 디블록킹 필터링 및 샘플 적응적 오프셋 (SAO) 필터링을 포함한다. VVC 표준에서, 세 번째 필터로 ALF (adaptive loop filter) 를 도입하였다. ALF 의 필터링 프로세스는 아래 도시된 바와 같다:
여기서 R(i,j) 는 필터링 프로세스 전에 샘플들의 세트이며, R'(i,j) 는 필터링 프로세스 후의 샘플 값이다. f(k,l) 는 필터 계수들을 표기하고, K(x,y) 는 클립핑 함수이고, c(k,l) 는 클립핑 파라미터들을 표기한다. 변수 k 및 l 는 와 사이에서 변화하며 여기서 L 은 필터 길이를 표기한다. 클립팡 함수 K(x,y)=min(y,max(-y,x)) 이며, 이는 함수 Clip3 (-y,y,x) 에 대응한다. 클립핑 동작은 비선형성을 도입하여 현재 샘플 값과 너무 다른 이웃 샘플 값의 영향을 줄임으로써 ALF 의 효율성을 높인다. VVC 에서, 필터링 파라미터들은 비트 스트림에서 시그널링될 수 있고, 그것은 미리 정의된 필터 세트들로부터 선택될 수 있다. ALF 필터링 프로세스는 또한 다음 식을 사용하여 요약될 수도 있다:
도 4 는 4 개의 계층들을 갖는 신경망 기반 필터 (170) 를 예시하는 개념 다이어그램이다. 신경망 (NN) 을 예를 들어, 도 2 의 하이브리드 비디오 코딩 프레임워크에 임베드하는 것이 압축 효율을 개선할 수 있는 여러 연구들을 도시한다. 신경망은 예측 효율을 향상시키기 위해 인트라 예측 및 인터 예측의 모듈에서 사용되어 왔다. NN 기반의 인-루프 필터링이 또한 최근 활발한 연구 주제이다. 종종 필터링 프로세스는 포스트-루프 필터링으로서 적용된다. 이 경우, 필터링 프로세스는 출력 픽처에만 적용되고, 필터링되지 않은 픽처는 레퍼런스 픽처로서 사용된다.
NN-기반 필터 (170) 는 디블록킹 필터, SAO (sample adaptive offset) 및/또는 ALF (adaptive loop filtering) 와 같은 기존의 필터에 추가하여 적용될 수 있다. NN-기반 필터는 또한 단독으로 적용될 수 있으며, 여기서 NN-기반 필터는 기존의 모든 필터를 대체하도록 설계된다. 추가적으로 또는 대안적으로, NN-기반 필터들, 이를 테면, NN-기반 필터 (170) 는 다른 필터들 중 임의의 것 또는 전부를 보충, 향상, 또는 대체하도록 설계될 수 있다.
도 4 에 도시된 바와 같이, NN-기반 필터링 프로세스는 복원된 샘플들을 입력들로서 취할 수도 있고, 중간 출력들은 입력 샘플들을 정제하기 위해 입력에 다시 추가되는 잔차 샘플들이다. NN 필터는 모든 컬러 컴포넌트들 (예를 들어, Y, U, 및 V, 또는 Y, Cb, 및 Cr, 즉, 휘도, 청색-색조 색차 (blue-hue chrominance), 및 적색-색조 색차) 을 입력으로서 사용하여 크로스-컴포넌트 상관관계들을 활용할 수도 있다. 상이한 컬러 컴포넌트들은 (네트워크 구조 및 모델 파라미터들을 포함하는) 동일한 필터들을 공유할 수도 있거나, 또는 각각의 컴포넌트는 그 자신의 특정 필터들을 가질 수도 있다.
필터링 프로세스는 또한 다음과 같이 일반화될 수 있다: R' (i,j)=R(i,j)+NN_filter_residual_ouput(R). NN-기반 필터(들)의 모델 구조 및 모델 파라미터들은 미리 정의되고 인코더 및 디코더에 저장될 수 있다. 필터들은 또한 비트 스트림에서 시그널링될 수 있다.
본 개시는 일부 경우들에서, (도 1 의 비디오 인코더 (200) 또는 비디오 디코더 (300) 와 같은) 비디오 코덱이 추가적인 모듈로서 신경망 (NN) 기반 필터링을 적용할 때, 비디오 코덱은 필터링 성능을 더 개선하기 위해 NN 기반 필터들에 의해 사용될 수 있는 상이한 종류들의 정보를 생성할 수도 있다는 것을 인식한다.
일반적으로, 본 개시의 기법들에 따르면, 비디오 인코더 (200) 및 비디오 디코더 (300) 는 NN-기반 필터링을 수행하도록 구성되는 개별적인 필터링 유닛들을 포함할 수도 있다. 필터링 유닛들은 NN 기반의 필터링 프로세스를 수행할 때 다른 유닛에 의해 생성된 정보 (예를 들어, 블록 파티션 정보, 모션 정보, 디블록킹 필터 정보 등) 를 사용할 수도 있다.
필터링 유닛들은 NN 필터를 적용할 때 이용가능한 다른 유닛들 또는 모듈들에 의해 생성된 임의의 정보를 사용할 수 있다. 필터링 유닛에 의해 사용될 수도 있는 정보를 생성할 수도 있는 그러한 유닛들 또는 모듈들의 예들은 인트라-예측 유닛들, 인터-예측 유닛들, 변환 프로세싱 유닛들, 양자화 유닛들, 루프 필터링 유닛들 (예를 들어, 디블록킹 필터 유닛들, 샘플 적응적 오프셋 (SAO) 유닛들, 적응적 루프 필터 (ALF) 유닛들 등), 사전-프로세싱 유닛들 (예를 들어, 모션-보상된 시간적 필터링 유닛들), 및/또는 NN 필터링 유닛 또는 모듈과 공존하는 다른 NN-기반 모듈 또는 유닛을 포함한다.
비디오 인코더 (200) 및/또는 비디오 디코더 (300) 는 다수의 NN-기반 필터링 유닛들을 포함할 수 있으며, 이들 중 하나는 예를 들어, 도 4 에 도시된 바와 같이 다른 (현재) NN-기반 필터링 유닛 이전에 NN 기반 필터링을 수행한다. 이 경우, 현재 NN 기반 필터링 유닛은 NN 필터링을 수행할 때, 하나 이상의 이전 NN 기반 필터링 유닛에서 생성된 정보를 사용할 수 있다.
NN-기반 필터링 유닛(들)은 여러 실시형태들에서, NN-기반 필터링을 수행할 때 다음의 정보: CU, PU, 및/또는 TU 파티션 정보, 디블록킹 필터링 정보 (예를 들어, 디블록킹 필터링 프로세싱을 위한 바운더리 강도 값들, 긴 또는 짧은 필터들 등), 현재 픽처/블록 및/또는 레퍼런스 픽처(들)에 사용되는 양자화 파라미터들 (QPs), 인트라 및/또는 인터 예측 모드 정보, 현재 픽처와 현재 픽처를 예측하는데 사용되는 레퍼런스 픽처들 사이의 거리 (예를 들어, POC (picture order count) 값 차이들), 및/또는 코딩 블록들의 모션 정보들 중 어느 것 또는 전부를 사용할 수도 있다. 바운더리 강도 값들은 또한 바운더리 필터링 강도로서 지칭될 수 있다. 일반적으로, 바운더리 강도 값 또는 바운더리 필터링 강도 값은 특정 블록 바운더리가 디블록킹되는지의 여부 그리고 만약 그렇다면 디블록킹이 적용되어야 하는 정도를 나타낼 수 있다. 예를 들어, 비교적 강한 디블록킹 필터는 더 많은 샘플들의 값들을, 블록 바운더리의 어느 일 측에 그리고 비교적 약한 디블록킹 필터보다 더 큰 정도로 수정할 수 있다.
일부 예들에서, NN-기반 필터링 유닛이 다른 유닛들 또는 모듈들로부터 정보를 사용할 때, NN-기반 필터링 유닛은 다른 유닛들 또는 모듈들에 의해 제공되는 일부 유사한 기능성을 제공할 수도 있다. 이러한 예들에서, NN-기반 필터링 유닛은 NN-기반 필터링 유닛과 다른 유닛들 또는 모듈들 사이의 협력을 개선하기 위해 다른 유닛들 또는 모듈들의 엘리먼트들을 수정할 수 있다. 예를 들어, NN 기반 필터링 유닛은 디블록킹 필터와 인터페이싱할 수 있다. 이 경우, 디블록킹 필터 유닛은 바운더리 강도 정보를 생성할 수도 있지만, 실제 필터링을 수행하지 않을 수 있다. NN 기반 필터링 유닛은 디블록킹 필터 유닛으로부터 바운더리 강도 정보를 수신하고, 수신된 바운더리 강도 정보를 NN 기반 필터의 입력으로 제공할 수 있다.
NN 기반 필터링 유닛은 다른 유닛 또는 모듈로부터 수신된 정보를 다양한 방식으로 사용할 수 있다. 예를 들어, NN 기반 필터링 유닛은 정보를 컨볼루션 신경망 (CNN) 의 추가적인 입력 평면으로 사용할 수 있다. 다른 예로서, NN 기반 필터링 유닛은 이 정보를 사용하여 NN 기반 필터의 출력을 수정 또는 조정할 수 있다. 예를 들어, 필터링된 픽처를 형성하기 위해 픽처에 NN-기반 필터를 적용한 후, 비디오 인코더 (200) 또는 비디오 디코더 (300) 는 QP 와 같은 다른 정보에 기초하여 필터링된 픽처를 추가로 조정할 수도 있다.
다른 유닛들 또는 모듈들로부터의 정보는 NN-기반 필터링 유닛에 더 적합하도록 변환될 수 있다. 예를 들어, NN-기반 필터링 유닛은 정수와 부동 소수점 값 사이의 값들을 변환하거나, 값들을 NN 필터에 더 적합한 범위로 스케일링하거나 (예를 들어, 디블록킹 필터의 바운더리 강도는 입력 픽셀들과 동일한 범위이도록 스케일링될 수 있음), 또는 값들을 임의의 다른 범위로 스케일링할 수도 있다 (여기서 범위는 미리 정의되거나 또는 비트스트림에서 시그널링될 수도 있다).
도 5 는 바운더리들, 바운더리 샘플들, 및 내부 샘플들을 포함한 픽처 (180) 의 일 예의 부분을 예시하는 개념 다이어그램이다. 특히, 픽처 (180) 의 부분은 수직 바운더리들 (182A-182D) (수직 바운더리들 (182)) 및 수평 바운더리들 (184A-184C) (수평 바운더리들 (184)) 을 포함한다. 도 5 의 예에 도시된 바와 같이, 2개의 인접한 바운더리 샘플 (도 5에서 'N'으로 라벨링되고 음영처리된 회색) 은 2개의 바운더리 샘플들 사이의 각각의 바운더리 (182, 184)(도 5에서 실선 흑색으로 표시됨) 를 정의한다. 내부 (즉, 비-바운더리) 샘플은 도 5 에서 'M' 으로 표시되어 있고 음영이 표시되지 않는다. 바운더리들은 CU, PU, 및/또는 TU 바운더리들일 수도 있다. NN 기반 필터링 유닛은 NN 기반 필터링을 수행할 때 도 5 에 도시된 내부/바운더리 샘플 및 바운더리 위치들의 정보를 사용할 수 있다.
예를 들어, NN 기반 필터링 유닛은 CU, PU 및 TU 파티션 정보를 CNN 기반 필터에 대한 하나 이상의 추가 입력 평면으로서 사용할 수 있다. 먼저, 비디오 인코더 (200) 및/또는 비디오 디코더 (300) 는 도 5 에 도시된 바와 같이 내부 샘플들 (예를 들어, M) 로부터 상이한 값들 (예를 들어, 미리 정의된 값 N) 로 바운더리 샘플들을 설정함으로써 (CU들, PU들, 및/또는 TU들에 대한) 파티션 정보를 평면으로 변환할 수도 있다. 하나의 예에서, 비디오 인코더 (200) 및 비디오 디코더 (300) 는 N=1 및 M=0 의 값들로 설정될 수도 있다.
비디오 인코더 (200) 및 비디오 디코더 (300) 는 다수의 파티션 평면들, 예를 들어, CU 파티션들, PU 파티션들, 및/또는 TU 파티션들에 대해 각각 하나를 생성할 수도 있다. 일부 예들에서, 평면들은, 예를 들어, CU 파티션들에 대한 하나의 평면 및 PU 및 TU 파티션들에 대한 다른 평면과 같이 결합될 수도 있다. 루마 및 크로마 컴포넌트들은 상이하게 파티셔닝될 수도 있는 (그리고/또는 2 개의 크로마 컴포넌트들이 서로 상이하게 파티셔닝될 수 있는) "듀얼 트리" 파티셔닝이 인에이블되는 경우에, 상이한 컬러 컴포넌트들은 상이한 파티션 평면들을 가질 수도 있다. NN 기반 필터는 이러한 다양한 평면들 중 임의의 것 또는 전부를 CNN 기반 필터에 대한 입력 평면들로서 사용할 수 있다. 다수의 파티션 평면들을 처리하는 여러 예들은: CNN 기반 필터에 대한 별개의 입력 평면들로서 파티션 평면들을 사용하는 것; 다수의 파티션 평면들을 하나의 평면들로 결합하는 것 (예를 들어, 포지션 (i, j) 에서각각의 픽셀 샘플들에 대해, Planecombined (i,j)=MAX(Planea (i,j),Planeb (i,j),…)); 또는 별개의 파티션 평면 및/또는 결합된 파티션 평면들의 조합 (예를 들어, 각각의 컬러 컴포넌트들의 CU 및 TU 파티션 평면들을 하나의 평면으로 결합하고 CNN 기반 필터에 대한 입력으로서 각각의 컬러의 다수의 결합된 평면들을 사용하는 것) 을 포함한다. 즉, 하나의 예에서, 입력 평면들의 각각의 포지션 (i, j) 에 대해 결합된 입력 평면을 형성하도록 평면들을 결합하기 위해, 비디오 인코더 (200) 및 비디오 디코더 (300) 는 결합된 입력 평면의 포지션 (i, j) 에 대한 값을 복수의 입력 평면들의 포지션 (i, j) 에서의 값들의 최대값과 동일하게 설정할 수도 있다.
평면(들)을 생성한 후, CNN 기반 필터에 대한 입력으로서 평면들의 값들을 사용하기 전에, 값들은 다양한 예들에서 필요에 따라 변환될 수 있다. 예를 들어, 값들은 정수와 부동 소수점 사이에서 변환될 수도 있고, 값들은 입력 픽셀 값들과 동일한 범위를 갖도록 스케일링될 수도 있고/있거나 값들은 미리 정의되거나 비트스트림에서 시그널링될 수도 있는 임의의 다른 범위로 스케일링될 수도 있다.
위에서 논의된 바와 같이, 일부 예들에서, 디블록킹 필터의 바운더리 강도 계산 로직은 바운더리 강도 파라미터들을 도출하는데 사용될 수도 있다. NN-기반 필터링 유닛은 바운더리 강도 파라미터들을 CNN 기반 필터들에 대한 추가적인 입력 평면(들)(예를 들어, DB 필터의 VVC 바운더리 강도 계산) 으로서 사용할 수 있다. 디블록킹 필터의 실제 필터링 프로세스는 CNN 필터가 적용될 때 디스에이블될 수도 있다.
초기에, 디블록킹 필터링 유닛은 디블록킹 필터링을 위하여 정량화되는 에지들에 대한 바운더리 강도 값들을 도출할 수도 있다. 변환은 본 개시의 기법들의 예들에 의해 필요에 따라 적용될 수도 있다 (예를 들어, 정수와 부동 소수점 값 타입 사이의 변환, 입력 픽셀들과 동일한 범위 또는 사용할 CNN 필터에 적합한 것으로 간주되는 임의의 다른 범위를 갖도록 값들을 스케일링하는 것 등).
NN-기반 필터링 유닛, 또는 비디오 코덱의 다른 유닛은 바운더리 강도 값들을 CNN 기반 필터에 대한 입력으로서 다른 입력 평면들과 함께 사용될 수 있는 평면(들)으로 변환할 수 있다. 그러한 변환의 일 예는 도 5 와 관련하여 위에서 설명된 것과 유사하며, 여기서 바운더리 샘플들은 바운더리 강도 값들로 설정될 수 있고 비-바운더리 샘플들은 0 으로 설정될 수 있다. VVC 의 경우, 바운더리 샘플들의 범위는 [0, 2]이다.
상이한 컬러 컴포넌트들의 바운더리 강도가 개별적으로 계산될 수 있기 때문에, 수평 및 수직 바운더리들이 또한 개별적으로 계산될 수 있다. 픽처 또는 코딩된 영역에 대해, 다수의 바운더리 강도 평면들이 생성될 수 있다. 위의 논의와 유사하게, 하나의 예에서, NN-기반 필터링 유닛은 단일의 입력 평면 또는 다수의 입력 평면들을 사용하는 것을 선택할 수도 있다. 다수의 평면들이 사용될 때, 평면들을 구성하기 위해 상이한 방식들이 적용될 수 있다. 몇몇 예들은: 평면들을 CNN 기반 필터에 대한 별개의 입력 평면들로서 사용하는 것; 다수의 바운더리 강도 평면들을 하나의 평면으로 결합하는 것; 또는 이들 예들의 조합을 포함한다.
2개의 평면들을 결합하는 예로서, 각각의 샘플 포지션 (i, j) 에 대해, Planecombined (i,j)=MAX(PlaneA (i,j), PlaneB (i,j)) 이다. 다른 예로서, 2개의 평면들, A 및 B가 주어지면, Planecombined (i,j)=PlaneA (i,j)+PlaneB (i,j) 이다. 다른 예로서, 2개의 평면들, A 및 B 가 주어지면, RB가 평면 B에서의 값의 범위가 주어지면; 각각의 샘플 포지션 (i,j) 에 대해, Planecombined (i,j)=RB*PlaneA (i,j)+PlaneB (i,j). 이 예에서, 효과는 PlaneA를 메인 팩터로서 사용하고 PlaneB 를 리파인먼트로서 사용하는 것과 같이 고려될 수 있다. 2개 초과의 평면들을 조합하기 위해, 전술된 기법들이 다수 회 적용될 수 있다. 그리고 위에 설명된 기법들은 상이한 스테이지들에서 사용될 수 있다. 예를 들어, 평면들 A, B, 및 C 에 대해, 결합된 평면 AB 를 구하기 위해 위의 한 기법을 사용하고 AB 와 C 를 결합하여 ABC 를 구하기 위해 위의 다른 기법을 사용한다.
위에서 논의된 기법들을 조합하기 위해, 일 예에서, 수직 및 수평 평면들에 대한 바운더리 강도 평면들은 위에서 논의된 다양한 기법들 중 임의의 것을 사용하여 조합될 수 있고, 그 다음, 상이한 컬러 컴포넌트들의 바운더리 강도 평면들은 CNN 기반 필터에 대한 별개의 입력 평면들로서 제공될 수 있다. 위에서 논의된 바와 같이, 평면들의 값들은 필요에 따라 변환될 수 있고, 예를 들어, 정수와 부동 소수점 사이의 변환 및/또는 미리결정되거나 비트스트림에서 시그널링될 수 있는 특정 범위로 스케일링될 수 있다.
일부 예들에서, 긴/짧은 필터의 정보는 CNN 기반 필터들에 대한 추가적인 또는 대안적인 입력 평면(들)으로서 사용될 수 있다. 바운더리 강도를 사용하는 경우와 유사하게, 긴 또는 짧은 디-블록킹 필터를 사용하는 정보는 CNN 기반 필터(들)가 사용하도록 생성될 수 있고, 다수의 평면들은 CNN 필터 입력으로서 사용하기 전에 별개의 평면들로서 사용될 수 있거나 결합될 수 있다.
일부 예들에서, 강한/약한 필터의 정보는 CNN 기반 필터들에 대한 추가적인 또는 대안적인 입력 평면(들)으로서 사용될 수 있다. 바운더리 강도를 사용하는 경우와 유사하게, 강한 또는 약한 디-블록킹 필터를 사용하는 정보는 CNN 기반 필터(들)가 사용하도록 생성될 수 있고, 다수의 평면들은 CNN 필터 입력으로서 사용하기 전에 별개의 평면들로서 사용될 수 있거나 결합될 수 있다.
위에 논의된 다양한 기법들은 다양한 방식으로 결합될 수 있다. 예를 들어, CNN 필터 프로세스에서 다음의 평면들이 생성 및 사용될 수도 있다: 바운더리 강도 (값들의 범위: 0, 1, 2), 긴/짧은 그리고 강한/약한 필터 (값들: 긴 & 강한 필터에 대해 2, 짧은 & 강한 필터에 대해 1, 짧은 & 약한 필터에 대해 0 (VVC 에서, 강한 필터 조건은 긴 필터를 갖는 것을 충족해야 한다)). 위에서 논의된 바와 같은 다른 예들과 유사하게, 생성된 평면들은 CNN 필터에 대한 별개의 입력 평면들로서 사용될 수 있거나, 평면들의 일부/전부가 함께 결합될 수 있다.
픽처들 또는 코딩된 영역들을 CNN 필터에 피드하기 위해, 다운샘플링/업샘플링이 발생할 수도 있다. 예를 들어, 루마 및 크로마 컴포넌트들은 YUV 420, YUV422 컬러 포맷 비디오 등에서 상이한 해상도들을 갖는다. 이 경우에, 컬러 컴포넌트들의 다운샘플링/업샘플링이 CNN 필터에 대한 입력 평면들을 생성하는데 요구될 수도 있다. 일부 기법들은: 루마 컴포넌트와 동일한 해상도를 갖도록 크로마 컴포넌트들을 업샘플링하는 것; 크로마 컴포넌트들과 동일한 해상도를 갖도록 루마 컴포넌트를 다운샘플링하는 것; 또는 하나의 루마 픽셀 평면을 크로마 평면들과 동일한 사이즈를 갖는 여러 개의 더 작은 픽셀 평면들로 변환하는 것을 포함한다.
컬러 평면의 다운샘플링/업샘플링이 필요할 때, 본 개시에서 도입된 대응하는 정보 평면들은 또한 다운샘플링/업샘플링될 수 있다. 다운샘플링/업샘플링은 대응하는 픽셀 평면들과 동일한 규칙을 따를 수 있다. 크로마와 사이즈를 정렬하기 위해 하나의 루마 픽셀 평면을 여러 개의 더 작은 픽셀 평면들로 변환하는 경우, 일 예에서, 비디오 인코더 (200) 또는 비디오 디코더 (300) 는 루마 픽셀들이 하는 것과 같은 모든 평면들을 유지하는 대신에, 단지 하나의 다운샘플링된 평면만을 유지할 수도 있다.
도 6 은 본 개시의 기법들을 수행할 수도 있는 일 예의 비디오 인코더 (200) 를 예시하는 블록 다이어그램이다. 도 6 은 설명의 목적들로 제공되며, 본 개시에서 대체로 예시화되고 설명된 바와 같은 기법들의 한정으로서 고려되지 않아야 한다. 설명의 목적으로, 본 개시는 개발 중인 VVC 비디오 코딩 표준 및 ITU-T H.265/HEVC 비디오 코딩 표준과 같은 비디오 코딩 표준들의 컨텍스트에서 비디오 인코더 (200) 를 설명한다. 그러나, 본 개시의 기법들은 이들 비디오 코딩 표준들에 제한되지 않으며, 일반적으로 다른 비디오 인코딩 및 디코딩 표준들에 적용가능하다.
도 6 의 예에서, 비디오 인코더 (200) 는 비디오 데이터 메모리 (230), 모드 선택 유닛 (202), 잔차 생성 유닛 (204), 변환 프로세싱 유닛 (206), 양자화 유닛 (208), 역 양자화 유닛 (210), 역 변환 프로세싱 유닛 (212), 복원 유닛 (214), 필터 유닛 (216), 디코딩된 픽처 버퍼 (DPB) (218), 및 엔트로피 인코딩 유닛 (220) 을 포함한다. 비디오 데이터 메모리 (230), 모드 선택 유닛 (202), 잔차 생성 유닛 (204), 변환 프로세싱 유닛 (206), 양자화 유닛 (208), 역 양자화 유닛 (210), 역 변환 프로세싱 유닛 (212), 복원 유닛 (214), 필터 유닛 (216), DPB (218), 및 엔트로피 인코딩 유닛 (220) 중 임의의 것 또는 전부는 하나 이상의 프로세서들에서 또는 프로세싱 회로에서 구현될 수도 있다. 예를 들어, 비디오 인코더 (200) 의 유닛들은 하드웨어 회로부의 일부로서 또는 FPGA 의 프로세서, ASIC 의 일부로서 하나 이상의 회로들 또는 로직 엘리먼트들로서 구현될 수도 있다. 더욱이, 비디오 인코더 (200) 는 이들 및 다른 기능들을 수행하기 위해 추가적인 또는 대안적인 프로세서들 또는 프로세싱 회로부를 포함할 수도 있다.
비디오 데이터 메모리 (230) 는 비디오 인코더 (200) 의 컴포넌트들에 의해 인코딩될 비디오 데이터를 저장할 수도 있다. 비디오 인코더 (200) 는 예를 들어, 비디오 소스 (104) (도 1) 로부터 비디오 데이터 메모리 (230) 에 저장된 비디오 데이터를 수신할 수도 있다. DPB (218) 는, 비디오 인코더 (200) 에 의한 후속 비디오 데이터의 예측에서의 사용을 위한 레퍼런스 비디오 데이터를 저장하는 레퍼런스 픽처 메모리로서 작용할 수도 있다. 비디오 데이터 메모리 (230) 및 DPB (218) 는 동기식 DRAM (SDRAM) 을 포함한 동적 랜덤 액세스 메모리 (DRAM), 자기저항성 RAM (MRAM), 저항성 RAM (RRAM), 또는 다른 타입들의 메모리 디바이스들과 같은 다양한 메모리 디바이스들 중 임의의 것에 의해 형성될 수도 있다. 비디오 데이터 메모리 (230) 및 DPB (218) 는 동일한 메모리 디바이스 또는 별도의 메모리 디바이스들에 의해 제공될 수도 있다. 다양한 예들에서 비디오 데이터 메모리(230)는, 예시된 바와 같이 비디오 인코더(200)의 다른 컴포넌트들과 온-칩(on-chip)이거나, 또는 그들 컴포넌트들에 대해 오프-칩(off-chip)일 수도 있다.
본 개시에서, 비디오 데이터 메모리 (230) 에 대한 참조는, 구체적으로 그렇게 설명되지 않는 한 비디오 인코더 (200) 내부의 메모리로, 또는 구체적으로 그렇게 설명되지 않는 한 비디오 인코더 (200) 외부의 메모리로 한정되는 것으로 해석되어서는 안된다. 오히려, 비디오 데이터 메모리 (230) 에 대한 참조는, 비디오 인코더 (200) 가 인코딩을 위해 수신하는 비디오 데이터 (예를 들어, 인코딩될 현재 블록에 대한 비디오 데이터)를 저장하는 참조 메모리로서 이해되어야 한다. 도 1 의 메모리 (106) 는 또한 비디오 인코더 (200) 의 다양한 유닛들로부터의 출력들의 일시적 저장을 제공할 수도 있다.
도 6 의 여러 유닛들은 비디오 인코더 (200) 에 의해 수행되는 동작들의 이해를 보조하기 위해 예시된다. 그 유닛들은 고정 기능 회로들, 프로그래밍가능 회로들, 또는 이들의 조합으로서 구현될 수도 있다. 고정 기능 회로들은 특정 기능을 제공하는 회로들을 지칭하고, 수행될 수 있는 동작들에 대해 미리 설정된다. 프로그래밍가능 회로들은 다양한 태스크들을 수행하도록 프로그래밍될 수도 있는 회로들을 지칭하고, 수행될 수도 있는 동작들에서 유연한 기능성을 제공한다. 예를 들어, 프로그래밍가능 회로들은, 그 프로그래밍가능 회로들이 소프트웨어 또는 펌웨어의 명령들에 의해 정의된 방식으로 동작하게 하는 소프트웨어 또는 펌웨어를 실행할 수도 있다. 고정 기능 회로들은 (예를 들어, 파라미터들을 수신하거나 또는 파라미터들을 출력하기 위해) 소프트웨어 명령들을 실행할 수도 있지만, 고정 기능 회로들이 수행하는 동작들의 유형들은 일반적으로 불변이다. 일부 예들에 있어서, 유닛들 중 하나 이상은 별개의 회로 블록들 (고정 기능 또는 프로그래밍가능) 일 수도 있고, 일부 예들에서, 하나 이상의 유닛들은 집적 회로들일 수도 있다.
비디오 인코더 (200) 는 프로그래밍가능 회로들로부터 형성된, 산술 로직 유닛들 (ALU들), 기본 함수 유닛들 (EFU들), 디지털 회로들, 아날로그 회로들, 및/또는 프로그래밍가능 코어들을 포함할 수도 있다. 비디오 인코더 (200) 의 동작들이 프로그래밍가능 회로들에 의해 실행되는 소프트웨어를 사용하여 수행되는 예들에서, 메모리 (106) (도 1) 는 비디오 인코더 (200) 가 수신하고 실행하는 소프트웨어의 명령들 (예를 들어, 오브젝트 코드) 를 저장할 수도 있거나, 또는 (도시되지 않은) 비디오 인코더 (200) 내의 다른 메모리가 그러한 명령들을 저장할 수도 있다.
비디오 데이터 메모리 (230) 는 수신된 비디오 데이터를 저장하도록 구성된다. 비디오 인코더 (200) 는 비디오 데이터 메모리 (230) 로부터 비디오 데이터의 픽처를 취출하고, 비디오 데이터를 잔차 생성 유닛 (204) 및 모드 선택 유닛 (202) 에 제공할 수도 있다. 비디오 데이터 메모리(230) 내 비디오 데이터는 인코딩될 원시 비디오 데이터일 수도 있다.
모드 선택 유닛 (202) 은 모션 추정 유닛 (222), 모션 보상 유닛 (224), 및 인트라-예측 유닛 (226) 을 포함한다. 모드 선택 유닛 (202) 은 다른 예측 모드들에 따라 비디오 예측을 수행하기 위해 부가적인 기능 유닛들을 포함할 수도 있다. 예들로서, 모드 선택 유닛 (202) 은 팔레트 유닛, 인트라-블록 카피 유닛 (모션 추정 유닛 (222) 및/또는 모션 보상 유닛 (224) 의 부분일 수도 있음), 아핀 유닛, 선형 모델 (LM) 유닛 등을 포함할 수도 있다.
모드 선택 유닛 (202) 은 일반적으로 인코딩 파라미터들의 조합들 및 그러한 조합들에 대한 결과적인 레이트-왜곡(rate-distortion) 값들을 테스트하기 위해 다중 인코딩 패스들을 조정한다. 인코딩 파라미터들은 CTU들의 CU들로의 파티셔닝, CU들을 위한 예측 모드들, CU들의 잔차 데이터를 위한 변환 타입들, CU들의 잔차 데이터를 위한 양자화 파라미터들 등을 포함할 수도 있다. 모드 선택 유닛 (202) 은 마지막으로, 다른 테스트된 조합들보다 더 나은 레이트-왜곡 값들을 갖는 인코딩 파라미터들의 조합을 선택할 수도 있다.
비디오 인코더 (200) 는 비디오 데이터 메모리 (230) 로부터 취출된 픽처를 일련의 CTU들로 파티셔닝하고, 슬라이스 내에 하나 이상의 CTU 를 캡슐화할 수도 있다. 모드 선택 유닛 (202) 은 상술한 HEVC 의 쿼드-트리 구조 또는 QTBT 구조와 같은, 트리 구조에 따라 픽처의 CTU 를 파티셔닝할 수도 있다. 상술한 바와 같이, 비디오 인코더 (200) 는 트리 구조에 따라 CTU 를 파티셔닝하는 것으로부터 하나 이상의 CU 를 형성할 수도 있다. 이러한 CU 는 또한 일반적으로 "비디오 블록" 또는 "블록" 으로 지칭될 수도 있다.
일반적으로, 모드 선택 유닛 (202) 은 또한 그의 컴포넌트들 (예를 들어, 모션 추정 유닛 (222), 모션 보상 유닛 (224), 및 인트라-예측 유닛 (226)) 을 제어하여 현재 블록 (예를 들어, 현재 CU, 또는 HEVC 에서, PU 및 TU 의 오버랩하는 부분) 을 위한 예측 블록을 생성한다. 현재 블록의 인터-예측을 위해, 모션 추정 유닛 (222) 은 하나 이상의 레퍼런스 픽처들 (DPB (218) 에 저장된 하나 이상의 이전에 코딩된 픽처들) 에서 하나 이상의 근접하게 매칭하는 레퍼런스 블록들을 식별하기 위해 모션 검색을 수행할 수도 있다. 특히, 모션 추정 유닛 (222) 은, 예를 들어, 절대 차이의 합 (SAD), 제곱 차이들의 합 (SSD), 평균 절대 차이 (MAD), 평균 제곱 차이들 (MSD) 등에 따라, 잠재적 레퍼런스 블록이 현재 블록에 얼마나 유사한지를 나타내는 값을 계산할 수도 있다. 모션 추정 유닛 (222) 은 일반적으로 고려되는 레퍼런스 블록과 현재 블록 사이의 샘플 별 차이들을 사용하여 이들 계산들을 수행할 수도 있다. 모션 추정 유닛 (222) 은, 현재 블록에 가장 근접하게 매칭하는 레퍼런스 블록을 표시하는, 이들 계산들로부터 발생하는 최저 값을 갖는 레퍼런스 블록을 식별할 수도 있다.
모션 추정 유닛 (222) 은 현재 픽처에서의 현재 블록의 위치에 대한 레퍼런스 픽처들에서의 레퍼런스 블록들의 위치들을 정의하는 하나 이상의 모션 벡터들 (MV들) 을 형성할 수도 있다. 그 다음, 모션 추정 유닛 (222) 은 모션 벡터들을 모션 보상 유닛 (224) 에 제공할 수도 있다. 예를 들어, 단방향 인터-예측에 대해, 모션 추정 유닛 (222) 은 단일의 모션 벡터를 제공할 수도 있는 반면, 양방향 인터-예측에 대해, 모션 추정 유닛 (222) 은 2 개의 모션 벡터들을 제공할 수도 있다. 그 다음, 모션 보상 유닛 (224) 은 모션 벡터들을 사용하여 예측 블록을 생성할 수도 있다. 예를 들어, 모션 보상 유닛 (224) 은 모션 벡터를 사용하여 레퍼런스 블록의 데이터를 취출할 수도 있다. 다른 예로서, 모션 벡터가 분수 샘플 정밀도를 갖는다면, 모션 보상 유닛 (224) 은 하나 이상의 보간 필터들에 따라 예측 블록에 대한 값들을 보간할 수도 있다. 더욱이, 양방향 인터-예측에 대해, 모션 보상 유닛 (224) 은 개별의 모션 벡터들에 의해 식별된 2 개의 레퍼런스 블록들에 대한 데이터를 취출하고, 예를 들어, 샘플 별 평균화 또는 가중 평균화를 통해 취출된 데이터를 결합할 수도 있다.
다른 예로서, 인트라-예측, 또는 인트라-예측 코딩에 대해, 인트라-예측 유닛 (226) 은 현재 블록에 이웃하는 샘플들로부터 예측 블록을 생성할 수도 있다. 예를 들어, 방향성 모드들에 대해, 인트라-예측 유닛 (226) 은 일반적으로, 이웃하는 샘플들의 값들을 수학적으로 결합하고, 현재 블록에 걸쳐 정의된 방향에서 이들 계산된 값들을 파퓰레이팅하여 예측 블록을 생성할 수도 있다. 다른 예로서, DC 모드에 대해, 인트라-예측 유닛 (226) 은 현재 블록에 대한 이웃하는 샘플들의 평균을 계산하고 예측 블록을 생성하여 예측 블록의 각각의 샘플에 대해 이러한 결과적인 평균을 포함할 수도 있다.
모드 선택 유닛 (202) 은 예측 블록을 잔차 생성 유닛 (204) 에 제공한다. 잔차 생성 유닛 (204) 은 비디오 데이터 메모리 (230) 로부터의 현재 블록의 미가공, 코딩되지 않은 버전 및 모드 선택 유닛 (202) 으로부터의 예측 블록을 수신한다. 잔차 생성 유닛 (204) 은 현재 블록과 예측 블록 사이의 샘플 별 차이들을 계산한다. 결과적인 샘플 별 차이들은 현재 블록에 대한 잔차 블록을 정의한다. 일부 예들에서, 잔차 생성 유닛 (204) 은 또한 RDPCM (residual differential pulse code modulation) 을 사용하여 잔차 블록을 생성하기 위해 잔차 블록에서의 샘플 값들 사이의 차이들을 결정할 수도 있다. 일부 예들에서, 잔차 생성 유닛 (204) 은 바이너리 감산을 수행하는 하나 이상의 감산기 회로들을 사용하여 형성될 수도 있다.
모드 선택 유닛 (202) 이 CU들을 PU들로 파티셔닝하는 예들에 있어서, 각각의 PU 는 루마 예측 유닛 및 대응하는 크로마 예측 유닛들과 연관될 수도 있다. 비디오 인코더 (200) 및 비디오 디코더 (300) 는 다양한 사이즈를 갖는 PU들을 지원할 수도 있다. 위에 나타낸 바와 같이, CU 의 사이즈는 CU 의 루마 코딩 블록의 사이즈를 지칭할 수도 있고, PU 의 사이즈는 PU 의 루마 예측 유닛의 사이즈를 지칭할 수도 있다. 특정 CU 의 사이즈가 2Nx2N 임을 가정하면, 비디오 인코더 (200) 는 인트라-예측을 위해 2Nx2N 또는 NxN 의 PU 사이즈들을 지원하고, 인터-예측을 위해 2Nx2N, 2NxN, Nx2N, NxN, 기타 등등의 대칭적인 PU 사이즈들을 지원할 수도 있다. 비디오 인코더 (200) 및 비디오 디코더 (300) 는 또한, 인터 예측을 위해 2NxnU, 2NxnD, nLx2N, 및 nRx2N 의 PU 사이즈들에 대한 비대칭적인 파티셔닝을 지원할 수도 있다.
모드 선택 유닛 (202) 이 CU 를 PU들로 추가로 파티셔닝하지 않는 예들에 있어서, 각각의 CU 는 루마 코딩 블록 및 대응하는 크로마 코딩 블록들과 연관될 수도 있다. 위와 같이, CU 의 사이즈는 CU 의 루마 코딩 블록의 사이즈를 지칭할 수도 있다. 비디오 인코더 (200) 및 비디오 디코더 (300) 는 2N×2N, 2N×N 또는 N×2N 의 CU 사이즈를 지원할 수도 있다.
일부 예들로서, 인트라-블록 카피 모드 코딩, 아핀-모드 코딩, 및 선형 모델 (LM) 모드 코딩과 같은 다른 비디오 코딩 기법들에 대해, 모드 선택 유닛 (202) 은 코딩 기법들과 연관된 개별의 유닛들을 통해, 인코딩되는 현재 블록에 대한 예측 블록을 생성한다. 팔레트 모드 코딩과 같은 일부 예에서, 모드 선택 유닛 (202) 은 예측 블록을 생성하지 않을 수도 있고, 대신에 선택된 팔레트에 기초하여 블록을 복원하는 방식을 표시하는 신택스 엘리먼트들을 생성할 수도 있다. 이러한 모드들에서, 모드 선택 유닛 (202) 은 이들 신택스 엘리먼트들을 인코딩되도록 엔트로피 인코딩 유닛 (220) 에 제공할 수도 있다.
위에 설명된 바와 같이, 잔차 생성 유닛 (204) 은 현재 블록 및 대응하는 예측 블록에 대한 비디오 데이터를 수신한다. 잔차 생성 유닛 (204) 은 그 후 현재 블록에 대한 잔차 블록을 생성한다. 잔차 블록을 생성하기 위해, 잔차 생성 유닛 (204) 은 현재 블록과 예측 블록 사이의 샘플별 차이들을 계산한다.
변환 프로세싱 유닛 (206) 은 잔차 블록에 하나 이상의 변환을 적용하여 변환 계수들의 블록 (본 명세서에서는 "변환 계수 블록" 으로 지칭됨) 을 생성한다. 변환 프로세싱 유닛 (206) 은 다양한 변환들을 잔차 블록에 적용하여 변환 계수 블록을 형성할 수도 있다. 예를 들어, 비디오 인코더 (206) 는 이산 코사인 변환 (DCT), 정수 변환, 웨이브릿 변환, 또는 개념적으로 유사한 변환을 잔차 비디오 데이터에 적용할 수도 있다. 일부 예들에서, 변환 프로세싱 유닛 (206) 은 잔차 블록에 대한 다중 변환들, 예를 들어 프라이머리 변환 및 세컨더리 변환, 이를 테면 회전 변환을 수행할 수도 있다. 일부 예들에서, 변환 프로세싱 유닛 (206) 은 잔차 블록에 변환들을 적용하지 않는다.
양자화 유닛 (208) 은 양자화된 변환 계수 블록을 생성하기 위해 변환 계수 블록에서의 변환 계수들을 양자화할 수도 있다. 양자화 유닛 (208) 은 현재 블록과 연관된 양자화 파라미터 (QP) 값에 따라 변환 계수 블록의 변환 계수들을 양자화할 수도 있다. 비디오 인코더 (200) 는 (예를 들어, 모드 선택 유닛 (202) 을 통해) CU 와 연관된 QP 값을 조정함으로써 현재 블록과 연관된 변환 계수 블록들에 적용되는 양자화를 조정할 수도 있다. 양자화는 정보의 손실을 도입할 수도 있으며, 따라서, 양자화된 변환 계수들은 변환 프로세싱 유닛 (206) 에 의해 생성된 원래 변환 계수들보다 더 낮은 정밀도를 가질 수도 있다.
역 양자화 유닛 (210) 및 역 변환 프로세싱 유닛 (212) 은 각각 양자화된 변환 계수 블록에 역 양자화 및 역 변환들을 적용하여, 변환 계수 블록으로부터 잔차 블록을 복원할 수도 있다. 복원 유닛 (214) 은 모드 선택 유닛 (202) 에 의해 생성된 예측 블록 및 복원된 잔차 블록에 기초하여 (잠재적으로 어느 정도의 왜곡을 가짐에도 불구하고) 현재 블록에 대응하는 복원된 블록을 생성할 수도 있다. 예를 들어, 복원 유닛 (214) 은 복원된 잔차 블록의 샘플들을, 모드 선택 유닛 (202) 에 의해 생성된 예측 블록으로부터의 대응하는 샘플들에 가산하여 복원된 블록을 생성할 수도 있다.
필터 유닛 (216) 은 복원된 블록들에 대해 하나 이상의 필터 동작을 수행할 수도 있다. 예를 들어, 필터 유닛 (216) 은 CU들의 에지들을 따라 블록키니스 아티팩트들을 감소시키기 위해 디블록킹 동작들을 수행할 수도 있다. 디블록킹 동작들을 수행할 때, 필터 유닛 (216)(또는 이것의 디블록킹 필터 유닛) 은 초기에 바운더리 강도 값들을 계산할 수 있다. 필터 유닛 (216) 의 디블록킹 필터 유닛은 그 후 바운더리 강도 값들을 사용하여, 일반적으로 디블록킹 및/또는 디블록킹 결정 기능들을 위해 사용될 필터링 강도 및 계수들을 나타낼 수 있는 tC 및 베타 (β) 와 같은 다른 디블록킹 파라미터들을 결정할 수 있다. 필터 유닛 (216) 의 동작들은 일부 예들에서 스킵될 수도 있다.
필터 유닛 (216) 은 본 개시의 다양한 기법들을 수행하도록, 예를 들어, 디코딩된 픽처를 필터링하는 데 사용될 신경망 모델들 (NN 모델들) (232) 중 하나 이상 및/또는 NN 모델 필터링을 적용할지 여부를 결정하도록 구성될 수도 있다. 모드 선택 유닛 (202) 은 필터링 및 비필터링 픽처들 양쪽 모두를 사용하여 RD 계산들을 수행하여, NN 모델링 필터링을 수행할지의 여부를 결정하도록 RD 코스트를 결정한 다음, 예를 들어, NN 모델 필터링을 수행할지의 여부, 현재 픽처에 대하여 사용할 NN 모델들 (232) 중 하나 이상 등을 표현하는 데이터를 엔트로피 인코딩 유닛 (220) 에 제공할 수도 있다.
특히, 필터 유닛 (216) 은 복원 유닛 (214) 으로부터 디코딩된 (복원된) 픽처를 수신할 수도 있다. 필터 유닛 (216) 은 또한 하나 이상의 다른 유닛들, 예를 들어, 모드 선택 유닛 (202), 모션 추정 유닛 (222), 모션 보상 유닛 (224), 인트라 예측 유닛 (226), 변환 프로세싱 유닛 (206), 양자화 유닛 (208), (예를 들어, 필터 유닛 (216) 으로부터 분리되거나 또는 그 내에 포함된) 다른 필터링 유닛 등으로부터 추가적인 데이터를 획득 (예를 들어, 수신) 할 수도 있다. 예를 들어, 필터 유닛 (216) 은 NN-기반 필터링 및 디블록킹 필터링, SAO 필터링, ALF 필터링 등과 같은 다른 타입들의 필터링 양자 모두를 수행할 수도 있다. 따라서, 필터 유닛 (216) 은 현재 픽처의 블록들에 대한 바운더리 강도 값들과 같은 디블록킹 파라미터들을 획득할 수도 있다. 필터 유닛 (216) 은 바운더리 강도 값들 (및/또는 다른 수신된 데이터) 을 필터 유닛 (216) 의 NN 필터링 유닛에 제공할 수 있다.
NN 필터링 유닛은 NN-기반 필터링을 수행하고 실제 NN-기반 필터링을 수행하는 데 사용될 NN 모델들 (232) 로부터 NN 모델들을 선택하기 위해 추가 데이터 (예를 들어, 바운더리 강도 값들 및/또는 비디오 인코더 (200) 의 다른 유닛들로부터 수신된 다른 데이터) 를 사용할 수 있다. 예를 들어, 필터 유닛 (216) 의 NN 필터링 유닛은 추가 입력 계층들의 형태로 NN 모델들 (232) 중 선택된 하나 이상의 NN 모델들에 추가 데이터 (예를 들어, 바운더리 강도 값들) 를 제공할 수 있다. 일부 예들에서, 필터 유닛 (216) 은 예를 들어, (부동 소수점과 십진수 사이와 같은) 표현 포맷들을 변환하거나 입력 샘플 범위들에 대응하도록 추가 값들의 범위들을 수정함으로써 추가 데이터를 수정할 수도 있다.
비디오 인코더 (200) 는 복원된 블록들을 DPB (218) 에 저장한다. 예를 들어, 필터 유닛 (216) 의 동작들이 필요하지 않은 예들에서, 복원 유닛 (214) 이, 복원된 블록들을 DPB (218) 에 저장할 수도 있다. 필터 유닛 (216) 의 동작들이 필요한 예들에서, 필터 유닛 (216) 은, 필터링된 복원된 블록들을 DPB (218) 에 저장할 수도 있다. 모션 추정 유닛 (222) 및 모션 보상 유닛 (224) 은 재구성된 (및 잠재적으로 필터링된) 블록들로부터 형성된 DPB (218) 로부터 참조 픽처를 취출하여, 후속 인코딩된 픽처들의 블록들을 인터-예측할 수도 있다. 추가로, 인트라-예측 유닛 (226) 은 현재 픽처에서의 다른 블록들을 인트라-예측하기 위해 현재 픽처의 DPB (218) 내의 복원된 블록들을 사용할 수도 있다.
일반적으로, 엔트로피 인코딩 유닛 (220) 은 비디오 인코더 (200) 의 다른 기능 컴포넌트들로부터 수신된 신택스 엘리먼트들을 엔트로피 인코딩할 수도 있다. 예를 들어, 엔트로피 인코딩 유닛 (220) 은 양자화 유닛 (208) 으로부터의 양자화된 변환 계수 블록들을 엔트로피 인코딩할 수도 있다. 다른 예로서, 엔트로피 인코딩 유닛 (220) 은 모드 선택 유닛 (202) 으로부터 예측 신택스 엘리먼트들 (예를 들어, 인트라-예측에 대한 인트라-모드 정보 또는 인터-예측에 대한 모션 정보) 를 엔트로피 인코딩할 수도 있다. 엔트로피 인코딩 유닛 (220) 은 엔트로피 인코딩된 데이터를 생성하기 위해, 비디오 데이터의 다른 예인, 신택스 신택스 엘리먼트들에 대해 하나 이상의 엔트로피 인코딩 동작을 수행할 수도 있다. 예를 들어, 엔트로피 인코딩 유닛 (220) 은 컨텍스트 적응 가변 길이 코딩 (CAVLC) 동작, CABAC 동작, V2V (variable-to-variable) 길이 코딩 동작, 신택스 기반 컨텍스트 적응 이진 산술 코딩 (SBAC) 동작, 확률 간격 파티셔닝 엔트로피 (PIPE) 코딩 동작, 지수-골롬 인코딩 동작, 또는 다른 타입의 엔트로피 인코딩 동작을 데이터에 대해 수행할 수도 있다. 일부 예들에서, 엔트로피 인코딩 유닛 (220) 은 신택스 엘리먼트들이 엔트로피 인코딩되지 않은 바이패스 모드에서 동작할 수도 있다.
비디오 인코더 (200) 는 픽처 또는 슬라이스의 블록들을 복원하는데 필요한 엔트로피 인코딩된 신택스 엘리먼트들을 포함하는 비트스트림을 출력할 수도 있다. 특히, 엔트로피 인코딩 유닛 (220) 은 비트스트림을 출력할 수도 있다.
위에서 설명된 동작들은 블록과 관련하여 설명된다. 그러한 설명은 루마 코딩 블록 및/또는 크로마 코딩 블록들에 대한 동작들인 것으로 이해되어야 한다. 위에서 설명된 바와 같이, 일부 예들에서, 루마 코딩 블록 및 크로마 코딩 블록들은 CU의 루마 및 크로마 컴포넌트들이다. 일부 예들에서, 루마 코딩 블록 및 크로마 코딩 블록들은 PU의 루마 및 크로마 컴포넌트들이다.
일부 예들에서, 루마 코딩 블록에 대해서 수행된 동작들은 크로마 코딩 블록들에 대해 반복될 필요가 없다. 하나의 예로서, 크로마 블록들에 대한 모션 벡터 (MV) 및 레퍼런스 픽처를 식별하기 위해 루마 코딩 블록에 대한 MV 및 레퍼런스 픽처를 식별하기 위한 동작들이 반복될 필요는 없다. 오히려, 루마 코딩 블록에 대한 MV 는 크로마 블록들에 대한 MV 를 결정하도록 스케일링될 수도 있으며, 레퍼런스 픽처는 동일할 수도 있다. 다른 예로서, 인트라-예측 프로세스는 루마 코딩 블록 및 크로마 코딩 블록들에 대해 동일할 수도 있다.
도 7 은 본 개시의 기법들을 수행할 수도 있는 일 예의 비디오 디코더 (300) 를 예시하는 블록도이다. 도 7 은 설명의 목적들로 제공되며, 본 개시에서 대체로 예시화되고 설명된 바와 같은 기법들의 한정으로서 고려되지 않아야 한다. 설명의 목적으로, 본 개시는 VVC 및 HEVC (ITU-T H.265) 의 기법들에 따른 비디오 디코더 (300) 를 기재한다. 그러나, 본 개시의 기법들은 다른 비디오 코딩 표준들에 대해 구성되는 비디오 코딩 디바이스들에 의해 수행될 수도 있다.
도 7 의 예에서, 비디오 디코더 (300) 는, 코딩된 픽처 버퍼 (CPB) 메모리 (320), 엔트로피 디코딩 유닛 (302), 예측 프로세싱 유닛 (304), 역 양자화 유닛 (306), 역 변환 프로세싱 유닛 (308), 복원 유닛 (310), 필터 유닛 (312), 및 디코딩된 픽처 버퍼 (DPB) (314) 를 포함한다. CPB 메모리 (320), 엔트로피 디코딩 유닛 (302), 예측 프로세싱 유닛 (304), 역 양자화 유닛 (306), 역 변환 프로세싱 유닛 (308), 복원 유닛 (310), 필터 유닛 (312), 및 DPB (314) 중 임의의 것 또는 전부는 하나 이상의 프로세서들에서 또는 프로세싱 회로부에서 구현될 수도 있다. 예를 들어, 비디오 디코더 (300) 의 유닛들은 하드웨어 회로부의 일부로서 또는 FPGA 의 프로세서, ASIC 의 일부로서 하나 이상의 회로들 또는 로직 엘리먼트들로서 구현될 수도 있다. 더욱이, 비디오 디코더 (300) 는 이들 및 다른 기능들을 수행하기 위해 추가적인 또는 대안적인 프로세서들 또는 프로세싱 회로부를 포함할 수도 있다.
예측 프로세싱 유닛 (304) 은 모션 보상 유닛 (316) 및 인트라-예측 유닛 (318) 을 포함한다. 예측 프로세싱 유닛 (304) 은 다른 예측 모드들에 따라 예측을 수행하기 위해 부가 유닛들을 포함할 수도 있다. 예들로서, 예측 프로세싱 유닛 (304) 은 팔레트 유닛, 인트라-블록 카피 유닛 (이는 모션 보상 유닛 (316) 의 부분을 형성할 수도 있음), 아핀 유닛, 선형 모델 (LM) 유닛 등을 포함할 수도 있다. 다른 예들에서, 비디오 디코더 (300) 는 더 많거나, 더 적거나, 또는 상이한 기능 컴포넌트들을 포함할 수도 있다.
CPB 메모리 (320) 는, 비디오 디코더 (300) 의 구성 요소에 의해 디코딩될 인코딩된 비디오 비트스트림과 같은 비디오 데이터를 저장할 수도 있다. CPB 메모리 (320) 에 저장된 비디오 데이터는, 예를 들어 컴퓨터 판독가능 매체 (110) (도 1) 로부터 획득될 수도 있다. CPB 메모리 (320) 는 인코딩된 비디오 비트스트림으로부터 인코딩된 비디오 데이터 (예를 들어, 신택스 엘리먼트들) 를 저장하는 CPB 를 포함할 수도 있다. 또한, CPB 메모리 (320) 는 비디오 디코더 (300) 의 다양한 유닛들로부터의 출력들을 나타내는 일시적 데이터와 같은, 코딩된 픽처의 신택스 엘리먼트외의 비디오 데이터를 저장할 수도 있다. DPB (314) 는 일반적으로, 인코딩된 비디오 비트스트림의 후속 데이터 또는 픽처들을 디코딩할 때 레퍼런스 비디오 데이터로서 비디오 디코더 (300) 가 출력 및/또는 사용할 수도 있는 디코딩된 픽처들을 저장한다. CPB 메모리 (320) 및 DPB (314) 는 다양한 메모리 디바이스들, 이를 테면, SDRAM (synchronous DRAM) 을 포함하는 DRAM (Dynamic random access memory), MRAM (magnetoresistive RAM), RRAM (resistive RAM) , 또는 다른 유형들의 메모리 디바이스들 중 임의의 것에 의해 형성될 수도 있다. CPB 메모리 (320) 및 DPB (314) 는 동일한 메모리 디바이스 또는 별도의 메모리 디바이스들에 의해 제공될 수도 있다. 여러 예들에서, APS 메모리 (320) 는 비디오 디코더 (300) 의 다른 컴포넌트들과 온-칩이거나 그 컴포넌트들에 대하여 오프-칩일 수도 있다.
추가적으로 또는 대안적으로, 일부 예들에서, 비디오 디코더 (300) 는 메모리 (120) (도 1) 로부터 코딩된 비디오 데이터를 취출할 수도 있다. 즉, 메모리(120)는 CPB 메모리(320)로 위에 논의된 바와 같이 데이터를 저장할 수도 있다. 마찬가지로, 메모리 (120) 는 비디오 디코더 (300) 의 기능의 일부 또는 전부가 비디오 디코더 (300) 의 프로세싱 회로에 의해 실행될 소프트웨어에서 구현될 때, 비디오 디코더 (300) 에 의해 실행될 명령들을 저장할 수도 있다.
도 7 에 도시된 여러 유닛들은 비디오 디코더 (300) 에 의해 수행되는 동작들의 이해를 보조하기 위해 예시되어 있다. 그 유닛들은 고정 기능 회로들, 프로그래밍가능 회로들, 또는 이들의 조합으로서 구현될 수도 있다. 도 6 과 유사하게, 고정 기능 회로들은 특정 기능을 제공하는 회로들을 지칭하며, 수행될 수 있는 동작들에 대해 미리설정된다. 프로그래밍가능 회로들은 다양한 태스크들을 수행하도록 프로그래밍될 수도 있는 회로들을 지칭하고, 수행될 수도 있는 동작들에서 유연한 기능성을 제공한다. 예를 들어, 프로그래밍가능 회로들은, 그 프로그래밍가능 회로들이 소프트웨어 또는 펌웨어의 명령들에 의해 정의된 방식으로 동작하게 하는 소프트웨어 또는 펌웨어를 실행할 수도 있다. 고정 기능 회로들은 (예를 들어, 파라미터들을 수신하거나 또는 파라미터들을 출력하기 위해) 소프트웨어 명령들을 실행할 수도 있지만, 고정 기능 회로들이 수행하는 동작들의 유형들은 일반적으로 불변이다. 일부 예들에서, 하나 이상의 유닛은 별개의 회로 블록들 (고정 기능 또는 프로그램가능) 일 수도 있고, 일부 예들에서, 하나 이상의 유닛은 집적 회로들일 수도 있다.
비디오 디코더 (300) 는 프로그램가능 회로들로부터 형성된, ALU들, EFU들, 디지털 회로들, 아날로그 회로들, 및/또는 프로그램가능 코어들을 포함할 수도 있다. 비디오 디코더 (300) 의 동작들이 프로그래밍가능 회로들 상에서 실행하는 소프트웨어에 의해 수행되는 예들에서, 온-칩 또는 오프-칩 메모리는, 비디오 디코더 (300) 가 수신하고 실행하는 소프트웨어의 명령들 (예를 들어, 오브젝트 코드) 을 저장할 수도 있다.
엔트로피 디코딩 유닛 (302) 은 인코딩된 비디오 데이터를 CPB 로부터 수신하고, 비디오 데이터를 엔트로피 디코딩하여 신택스 엘리먼트들을 재생할 수도 있다. 예측 프로세싱 유닛 (304), 역 양자화 유닛 (306), 역 변환 프로세싱 유닛 (308), 복원 유닛 (310), 및 필터 유닛 (312) 은 비트스트림으로부터 추출된 신택스 엘리먼트들에 기초하여 디코딩된 비디오 데이터를 생성할 수도 있다.
일반적으로, 비디오 디코더 (300) 는 블록 단위로 픽처를 복원한다. 비디오 디코더 (300) 는 개별적으로 각각의 블록에 대해 복원 동작을 수행할 수도 있다 (여기서 현재 복원되고 있는, 즉 디코딩되고 있는 블록은 "현재 블록" 으로 지칭될 수도 있음).
엔트로피 디코딩 유닛 (302) 은 양자화 파라미터 (QP) 및/또는 변환 모드 표시(들)와 같은 변환 정보 뿐만 아니라, 양자화된 변환 계수 블록의 양자화된 변환 계수들을 정의하는 신택스 엘리먼트들을 엔트로피 디코딩할 수도 있다. 역 양자화 유닛 (306) 은 양자화된 변환 계수 블록과 연관된 QP 를 사용하여, 양자화도 및 유사하게, 적용할 역 양자화 유닛 (306) 에 대한 역 양자화도를 결정할 수도 있다. 역 양자화 유닛 (306) 은 예를 들어, 양자화된 변환 계수들을 역 양자화하기 위해 비트단위 좌측-시프트 동작을 수행할 수도 있다. 역 양자화 유닛 (306) 은 이에 의해 변환 계수들을 포함하는 변환 계수 블록을 형성할 수도 있다.
역 양자화 유닛 (306) 이 변환 계수 블록을 형성한 후, 역 변환 프로세싱 유닛 (308) 은 현재 블록과 연관된 잔차 블록을 생성하기 위해 변환 계수 블록에 하나 이상의 역 변환을 적용할 수도 있다. 예를 들어, 역변환 프로세싱 유닛 (308) 은 역 DCT, 역 정수 변환, 역 Karhunen-Loeve 변환 (KLT), 역 회전 변환, 역 방향성 변환, 또는 다른 역 변환을 변환 계수 블록에 적용할 수도 있다.
또한, 예측 프로세싱 유닛 (304) 은 엔트로피 디코딩 유닛 (302) 에 의해 엔트로피 디코딩된 예측 정보 신택스 엘리먼트들에 따라 예측 블록을 생성한다. 예를 들어, 예측 정보 신택스 엘리먼트들이 현재 블록이 인터-예측됨을 표시하면, 모션 보상 유닛 (316) 은 예측 블록을 생성할 수도 있다. 이 경우에, 예측 정보 신택스 엘리먼트들은 레퍼런스 블록을 취출할 DPB (314) 에서의 레퍼런스 픽처 뿐만 아니라 현재 픽처에서의 현재 블록의 위치에 대한 레퍼런스 픽처에서의 레퍼런스 블록의 위치를 식별하는 모션 벡터를 표시할 수도 있다. 모션 보상 유닛 (316) 은 일반적으로 모션 보상 유닛 (224) (도 6) 에 대하여 설명된 것과 실질적으로 유사한 방식으로 인터-예측 프로세스를 수행할 수도 있다.
다른 예로서, 예측 정보 신택스 엘리먼트들이 현재 블록이 인트라 예측되는 것을 표시하면, 인트라 예측 유닛 (318) 은 예측 정보 신택스 엘리먼트들에 의해 표시된 인트라 예측 모드에 따라 예측 블록을 생성할 수도 있다. 또한, 인트라-예측 유닛 (318) 은 일반적으로 인트라-예측 유닛 (226) (도 6) 에 대하여 설명된 것과 실질적으로 유사한 방식으로 인트라-예측 프로세스를 수행할 수도 있다. 인트라-예측 유닛 (318) 은 DPB (314) 로부터 현재 블록에 대한 이웃하는 샘플들의 데이터를 취출할 수도 있다.
복원 유닛 (310) 은 예측 블록 및 잔차 블록을 사용하여 현재 블록을 복원한다. 예를 들어, 복원 유닛 (310) 은 잔차 픽셀 블록의 샘플들을 예측 블록의 대응하는 샘플들에 가산하여 현재 블록을 복원할 수도 있다.
필터 유닛 (312) 은 복원 블록들에 대해 하나 이상의 필터 동작들을 수행할 수도 있다. 예를 들어, 필터 유닛 (312) 은 복원된 블록들의 에지들을 따라 블록화 아티팩트를 감소시키기 위해 디블록킹 동작들을 수행할 수도 있다. 필터 유닛 (312) 의 동작들이 모든 예들에서 반드시 수행되는 것은 아니다. 예를 들어, 비디오 디코더 (300) 는 NN 모델들 (322) 을 사용하여, 예를 들어, 본 명세서에서 논의된 다양한 기법들 중 임의의 것 또는 전부를 사용하여 신경망 모델 필터링을 수행할지 여부를 명시적으로 또는 암시적으로 결정할 수도 있다. 또한, 비디오 디코더 (300) 는 디코딩 및 필터링될 현재 픽처에 대한 그리드 크기 및/또는 NN 모델들 (322) 중 하나 이상을 명시적으로 또는 암시적으로 결정할 수도 있다. 따라서, 필터 유닛 (312) 은, 필터링이 스위치 온될 때, NN 모델들 (322) 중 하나 이상을 사용하여 현재 디코딩된 픽처의 부분을 필터링할 수도 있다.
일부 예들에서, 필터 유닛 (312) 은 CU들, PU들 또는 TU들의 에지들을 따라 블록키니스 아티팩트들을 감소시키기 위해 디블록킹 동작들을 수행할 수도 있다. 디블록킹 동작들을 수행할 때, 필터 유닛 (312)(또는 이것의 디블록킹 필터 유닛) 은 초기에 바운더리 강도 값들을 계산할 수 있다. 필터 유닛 (312) 의 디블록킹 필터 유닛은 그 후 바운더리 강도 값들을 사용하여, 일반적으로 디블록킹 및/또는 디블록킹 결정 기능들을 위해 사용될 필터링 강도 및 계수들을 나타낼 수 있는 tC 및 베타 (β) 와 같은 다른 디블록킹 파라미터들을 결정할 수 있다. 필터 유닛 (312) 의 동작들은 일부 예들에서 스킵될 수도 있다.
필터 유닛 (312) 은 본 개시의 다양한 기법들을 수행하도록, 예를 들어, 디코딩된 픽처를 필터링하는 데 사용될 신경망 모델들 (NN 모델들) (322) 중 하나 이상 및/또는 NN 모델 필터링을 적용할지 여부를 결정하도록 구성될 수도 있다. 엔트로피 디코딩 유닛 (302) 은 특정 픽처, 슬라이스, 타일, 또는 다른 유닛의 블록들의 바운더리 필터링을 수행할지 여부를 나타내는 데이터를 디코딩할 수도 있다.
필터 유닛 (312) 은 복원 유닛 (310) 으로부터 디코딩된 (복원된) 픽처를 수신할 수도 있다. 필터 유닛 (312) 은 또한 하나 이상의 다른 유닛들, 예를 들어, 예측 프로세싱 유닛 (304), 모션 보상 유닛 (316), 인트라 예측 유닛 (318), 역 변환 프로세싱 유닛 (308), 역 양자화 유닛 (306), (예를 들어, 필터 유닛 (312) 으로부터 분리되거나 또는 그 내에 포함된) 다른 필터링 유닛 등으로부터 추가적인 데이터를 획득 (예를 들어, 수신) 할 수도 있다. 예를 들어, 필터 유닛 (312) 은 NN-기반 필터링 및 디블록킹 필터링, SAO 필터링, ALF 필터링 등과 같은 다른 타입들의 필터링 양자 모두를 수행할 수도 있다. 따라서, 필터 유닛 (312) 은 현재 픽처의 블록들에 대한 바운더리 강도 값들과 같은 디블록킹 파라미터들을 획득할 수도 있다. 필터 유닛 (312) 은 바운더리 강도 값들 (및/또는 다른 수신된 데이터) 을 필터 유닛 (312) 의 NN 필터링 유닛에 제공할 수 있다.
NN 필터링 유닛은 NN-기반 필터링을 수행하고 실제 NN-기반 필터링을 수행하는 데 사용될 NN 모델들 (322) 로부터 NN 모델들을 선택하기 위해 추가 데이터 (예를 들어, 바운더리 강도 값들 및/또는 비디오 디코더 (300) 의 다른 유닛들로부터 수신된 다른 데이터) 를 사용할 수 있다. 예를 들어, 필터 유닛 (312) 의 NN 필터링 유닛은 추가 입력 계층들의 형태로 NN 모델들 (322) 중 선택된 하나 이상의 NN 모델들에 추가 데이터 (예를 들어, 바운더리 강도 값들) 를 제공할 수 있다. 일부 예들에서, 필터 유닛 (312) 은 예를 들어, (부동 소수점과 십진수 사이와 같은) 표현 포맷들을 변환하거나 입력 샘플 범위들에 대응하도록 추가 값들의 범위들을 수정함으로써 추가 데이터를 수정할 수도 있다.
비디오 디코더 (300) 는 복원된 (그리고 필터링된) 블록들을 DPB (314) 에 저장할 수도 있다. 예를 들어, 필터 유닛 (312) 의 동작들이 수행되지 않은 예들에 있어서, 복원 유닛 (310) 이, 복원된 블록들을 DPB (314) 에 저장할 수도 있다. 필터 유닛 (312) 의 동작들이 수행되는 예들에 있어서, 필터 유닛 (312) 은, 필터링된 복원된 블록들을 DPB (314) 에 저장할 수도 있다. 상기 논의된 바와 같이, DPB (314) 는 예측 프로세싱 유닛 (304) 에 인트라-예측을 위한 현재 픽처의 샘플들 및 후속 모션 보상을 위해 이전에 디코딩된 픽처들과 같은 레퍼런스 정보를 제공할 수도 있다. 또한, 비디오 디코더 (300) 는 도 1 의 디스플레이 디바이스 (118) 와 같은 디스플레이 디바이스 상에의 후속 프리젠테이션을 위해 DPB (314) 로부터 디코딩된 픽처들을 출력할 수도 있다.
도 8 은 본 개시의 기법들에 따라 현재 블록을 디코딩하기 위한 일 예의 방법을 예시하는 플로우차트이다. 현재 블록은 현재 CU를 포함할 수도 있다. 비디오 인코더 (200) (도 1 및 도 3) 에 대하여 설명되어 있지만, 다른 디바이스들이 도 8 의 것과 유사한 방법을 수행하도록 구성될 수도 있음을 이해해야 한다.
이 예에서, 비디오 인코더 (200) 는 먼저, 현재 블록을 예측한다 (350). 예를 들어, 비디오 인코더(200)는 현재 블록에 대한 예측 블록을 형성할 수도 있다. 비디오 인코더 (200) 는 블록에 대한 잔차 블록을 계산할 수도 있다 (352). 잔차 블록을 계산하기 위해, 비디오 인코더 (200) 는 원래, 코딩되지 않은 블록과 현재 블록에 대한 예측 블록 사이의 차이를 계산할 수도 있다. 그 다음, 비디오 인코더 (200) 는 잔차 블록의 계수들을 변환 및 양자화할 수도 있다 (354). 다음으로, 비디오 인코더 (200) 는 잔차 블록의 양자화된 변환 계수를 스캔할 수 있다 (356). 스캔 동안 또는 스캔에 후속하여, 비디오 인코더 (200) 는 계수들을 엔트로피 인코딩할 수도 있다 (358). 예를 들어, 비디오 인코더 (200) 는 CAVLC 또는 CABAC 을 사용하여 계수들을 인코딩할 수도 있다. 비디오 인코더 (200) 는 그 후 블록의 엔트로피 인코딩된 데이터를 출력할 수도 있다 (360).
비디오 인코더 (200) 는 또한, (예를 들어, 인터- 또는 인트라-예측 모드들에서) 후속적으로 코딩된 데이터에 대한 레퍼런스 데이터로서 현재 블록의 디코딩된 버전을 사용하기 위해, 현재 블록을 인코딩한 후에 현재 블록을 디코딩할 수도 있다. 따라서, 비디오 인코더 (200) 는 계수들을 역 양자화 및 역 변환하여 잔차 블록을 재현할 수도 있다 (362). 비디오 인코더 (200) 는 잔차 블록을 예측 블록과 결합하여 디코딩된 블록을 형성할 수도 있다 (364). 비디오 인코더 (200) 는 이러한 방식으로 현재 픽처의 모든 블록들을 디코딩하는 것에 의해, 완전히 디코딩된 픽처를 형성할 수도 있다. 비디오 인코더 (200) 는 또한, 본 개시의 다양한 기법들 중 임의의 것에 따라 디코딩된 블록들을 포함하는 디코딩된 픽처를 필터링할 수도 있다 (366). 그 다음, 비디오 인코더 (200) 는 디코딩된 픽처를 DPB (218) 에 저장할 수도 있다 (368).
도 9 는 본 개시의 기법들에 따라 현재 블록을 디코딩하기 위한 일 예의 방법을 예시하는 플로우차트이다. 현재 블록은 현재 CU를 포함할 수도 있다. 비디오 디코더 (300) (도 1 및 도 4) 에 대하여 설명되어 있지만, 다른 디바이스들이 도 9 의 것과 유사한 방법을 수행하도록 구성될 수도 있음을 이해해야 한다.
비디오 디코더 (300) 는 현재 블록에 대응하는 잔차 블록의 계수들에 대한 엔트로피 인코딩된 예측 정보 및 엔트로피 인코딩된 데이터와 같은, 현재 블록에 대한 엔트로피 인코딩된 데이터를 수신할 수도 있다 (370). 비디오 디코더 (300) 는 현재 블록에 대한 예측 정보를 결정하고 잔차 블록의 계수들을 재생하기 위해 엔트로피 인코딩된 데이터를 엔트로피 디코딩할 수도 있다 (372). 비디오 디코더 (300) 는 현재 블록에 대한 예측 블록을 계산하기 위해, 예를 들어 현재 블록에 대한 예측 정보에 의해 표시된 바와 같은 인트라- 또는 인터-예측 모드를 사용하여, 현재 블록을 예측할 수도 있다 (374). 그 다음, 비디오 디코더 (300) 는 양자화된 변환 계수들의 블록을 생성하기 위해, 재생된 계수들을 역 스캔할 수도 있다 (376). 그 다음, 비디오 디코더 (300) 는 잔차 블록을 생성하기 위해 양자화된 변환 계수들을 역 양자화하고 역 변환할 수도 있다 (378). 비디오 디코더 (300) 는 예측 블록 및 잔차 블록을 조합함으로써 종국적으로 현재 블록을 디코딩할 수도 있다 (380). 비디오 디코더 (300) 는 또한, 예를 들어, 본 개시의 기법들에 따라 위에서 논의된 바와 같은 하나 이상의 NN 모델들을 사용하여, 디코딩된 비디오 데이터를 필터링할 수도 있다 (382). 비디오 디코더 (300) 는 (필터링된) 디코딩된 비디오 데이터를, 예를 들어, DPB (314) 에 추가로 저장할 수도 있다 (384).
도 10 은 본 개시의 기법들에 따라 디코딩된 비디오 데이터를 필터링하는 일 예의 방법을 예시하는 플로우차트이다. 도 10 의 방법은 비디오 인코더 (200) 또는 비디오 디코더 (300) 에 의해 수행될 수도 있다. 예를 들어, 도 10 의 방법은, 예를 들어, 도 8 의 방법의 단계 366 동안, 비디오 인코더 (200) 의 필터 유닛 (216) 의 신경망 (NN) 필터링 유닛에 의해 수행될 수 있다. 다른 예로서, 도 10 의 방법은, 예를 들어, 도 9 의 방법의 단계 382 동안, 비디오 디코더 (300) 의 필터 유닛 (312) 의 NN 필터링 유닛에 의해 수행될 수 있다. 예시 및 설명을 위해, 도 10 의 방법은 비디오 디코더 (300), 특히 비디오 디코더 (300) 의 필터 유닛 (312) 의 NN 필터링 유닛에 대해 설명된다.
초기에, 필터 유닛 (312) 의 NN 필터링 유닛은 디코딩된 비디오 데이터를 수신한다(400). 디코딩된 비디오 데이터는 픽처의 적어도 일부, 예를 들어, 블록들의 세트, 타일, 슬라이스, 하나 이상의 슬라이스들, 하나 이상의 타일들, 서브-픽처, 또는 전체 픽처일 수도 있다.
도 10 의 예에 도시되지 않았지만, 디블록킹 필터 및/또는 필터 유닛 (312) 의 다른 필터링 유닛, 이를테면 SAO 필터, ALF 필터, 및/또는 다른 NN 필터링 유닛은 초기에 디코딩된 비디오 데이터를 필터링할 수도 있다. 따라서, 수신된 디코딩된 비디오 데이터는 본 명세서에서 설명된 도 10 의 방법을 수행하는 NN 필터링 유닛에 의해 수신되기 전에 이전에 필터링 (예를 들어, 디블록킹, SAO 필터링, ALF 필터링, 및/또는 NN 필터링) 되었을 수도 있다. 이와 같이, 용어 "디코딩된 비디오 데이터" 는 (예를 들어, 디블록킹된, 디코딩된 비디오 데이터를 포함할 수도 있는) 필터링된, 디코딩된 비디오 데이터를 포함하는 것으로 이해되어야 한다.
따라서, 적어도 일부는 디블록킹된 에지들을 예를 들어, 필터 유닛 (312) 의 디블록킹 필터에 의해 디블록킹된 에지들을 포함하는 다수의 블록들을 포함할 수 있다. 디블록킹된 필터는 블록들 간의 바운더리들에 대한 바운더리 강도 값을 계산할 수 있다. 바운더리 강도 값들은 일반적으로 블록 바운더리들 근처의 샘플들이 디블록킹 필터에 의해 수정되는지 여부 및 어느 정도로 수정되는지를 나타낼 수 있다.
필터 유닛 (312) 의 NN 필터링 유닛은 비디오 디코더 (300) 의 하나 이상의 다른 유닛들로부터 추가적인 데이터를 수신할 수도 있다 (402). 예를 들어, 필터 유닛 (312) 의 NN 필터링 유닛은 필터 유닛 (312) 의 디블록킹 필터로부터 바운더리 강도 값들을 수신할 수 있다. 필터 유닛 (312) 의 NN 필터링 유닛은 추가적으로 또는 대안적으로, 코딩 유닛 (CU) 파티셔닝 데이터, 예측 유닛 (PU) 파티셔닝 데이터, 변환 유닛 (TU) 파티셔닝 데이터, 디블록킹 필터링 데이터, 양자화 파라미터 (QP) 데이터, 인트라 예측 데이터, 인터 예측 데이터, 디코딩된 픽처와 하나 이상의 레퍼런스 픽처들 사이의 거리 (예를 들어, POC 거리) 를 나타내는 데이터, 또는 디코딩된 픽처의 하나 이상의 디코딩된 블록들에 대한 모션 정보와 같은 다른 데이터를 다른 유닛들로부터 수신할 수도 있다.
그 다음, 필터 유닛 (312) 의 NN 필터링 유닛은 현재 픽처의 적어도 일부를 필터링하기 위해 사용될 NN 모델들 (322) 중 하나 이상의 신경망 (NN) 모델들을 결정할 수 있다 (404). 그 다음, 필터 유닛 (312) 의 NN 필터링 유닛은 수신된 추가 데이터 및 결정된 하나 이상의 NN 모델들을 사용하여 현재 픽처의 적어도 일부를 필터링할 수 있다 (406). 일부 예들에서, 필터 유닛 (312) 의 NN 필터링 유닛은 예를 들어, 입력 샘플 값들의 범위에 따르도록 추가 데이터의 값들에 대한 범위를 조정함으로써 및/또는 추가 데이터의 값들을 정수 또는 부동 소수점과 같은 상이한 포맷으로 변환함으로써 추가 데이터를 수정할 수도 있다. 필터 유닛 (312) 의 NN 필터링 유닛은 필터링될 루미넌스 및/또는 크로미넌스 평면들과 유사하게, 추가 데이터를 하나 이상의 입력 평면들로 변환할 수 있다.
이 방식에서, 도 10 의 방법은 디코딩된 비디오 데이터를 필터링하는 방법의 일 예를 나타내며, 방법은 비디오 디코딩 디바이스의 신경망 필터링 유닛에 의해 비디오 데이터의 디코딩된 픽처에 대한 데이터를 수신하는 단계; 신경망 필터링 유닛에 의해, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 단계로서, 하나 이상의 다른 유닛들로부터의 데이터는 디코딩된 픽처에 대한 데이터와는 상이하고, 하나 이상의 다른 유닛들로부터 데이터를 수신하는 단계는 디블록킹 유닛으로부터 바운더리 강도 데이터를 수신하는 단계를 포함하는, 데이터를 수신하는 단계; 신경망 필터링 유닛에 의해, 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하는 단계; 및 신경망 필터링 유닛에 의해, 바운더리 강도 데이터를 포함한, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계를 포함한다.
본 개시의 특정 예의 기법들은 다음의 조항들에서 요약된다:
항 1: 디코딩된 비디오 데이터를 필터링하는 방법으로서, 방법은: 비디오 디코딩 디바이스의 필터링 유닛에 의해, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 단계; 필터링 유닛에 의해, 비디오 데이터의 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하는 단계; 및 필터링 유닛에 의해, 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하는 단계를 포함한다.
항 2: 항 1 의 방법에서, 하나 이상의 다른 유닛들로부터 데이터를 수신하는 단계는, 비디오 디코딩 디바이스의 인트라-예측 유닛; 비디오 디코딩 디바이스의 인터-예측 유닛; 비디오 디코딩 디바이스의 변환 프로세싱 유닛; 비디오 디코딩 디바이스의 양자화 유닛; 비디오 디코딩 디바이스의 루프 필터 유닛; 비디오 디코딩 디바이스의 프리-프로세싱 유닛; 또는 비디오 디코딩 디바이스의 제 2 필터링 유닛 중 하나 이상으로부터 데이터를 수신하는 단계를 포함한다.
항 3: 항 2 의 방법에서, 필터링 유닛은 제 1 신경망 기반 필터링 유닛을 포함한다.
항 4: 항 2 및 3 의 어느 하나의 방법에서, 루프 필터 유닛은 디블록킹 필터 유닛, SAO (Sample Adaptive Offset) 필터링 유닛, ALF (Adaptive Loop Filtering) 유닛 중 적어도 하나를 포함한다.
항 5: 항 1-4 의 어느 하나의 방법에서, 데이터를 수신하는 단계는 CU (coding unit) 파티셔닝 데이터, PU (prediction unit) 파티셔닝 데이터, TU (transform unit) 파티셔닝 데이터, 디블록킹 필터링 데이터, 양자화 파라미터 (QP) 데이터, 인트라-예측 데이터, 인터-예측 데이터, 디코딩된 픽처와 하나 이상의 레퍼런스 픽처들 사이의 거리를 나타내는 데이터, 또는 디코딩된 픽처의 하나 이상의 디코딩된 블록들에 대한 모션 정보 중 하나 이상을 수신하는 단계를 포함한다.
항 6: 항 5 의 방법에서, 디블록킹 필터링 데이터는 바운더리 강도 값들, 긴 필터들 또는 짧은 필터들이 디블록킹에 사용되었는지 여부 또는 강한 또는 약한 필터들이 디블록킹에 사용되었는지 여부 중 하나 이상을 포함한다.
항 7: 항 5 및 6 의 어느 하나의 방법에서, 인트라 예측 데이터는 인트라 예측 모드를 포함한다.
항 8: 항 5-7 의 어느 하나의 방법에서, 거리를 나타내는 데이터는 디코딩된 픽처에 대한 픽처 순서 카운트 (POC) 값과 디코딩된 픽처의 블록을 예측하는데 사용된 레퍼런스 픽처에 대한 POC 값 사이의 차이를 나타내는 데이터를 포함한다.
항 9: 항 1-8 의 어느 하나의 방법은, 필터링 유닛에 의해 다른 유닛들 중 하나 이상에 속하는 기능을 수행하는 단계를 더 포함한다.
항 10: 항 1-9 의 어느 하나의 방법에서, 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 컨볼루션 신경망 (CNN) 에 대한 하나 이상의 추가적인 입력 평면들로서 비디오 디코딩 디바이스의 하나 이상의 유닛들로부터 데이터를 제공하는 단계를 포함한다.
항 11: 항 1-10 의 어느 하나의 방법에서, 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 하나 이상의 신경망 모델들의 출력을 조정하는 단계를 포함한다.
항 12: 항 1-11 의 어느 하나의 방법은, 디코딩된 픽처의 부분을 필터링하기 전에 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 조정하는 단계를 더 포함한다.
항 13: 항 12 의 방법에서, 데이터를 조정하는 단계는 데이터의 값들을 정수 표현과 부동 소수점 표현 사이에서 변환하는 단계를 포함한다.
항 14: 항 12 및 13 의 어느 하나의 방법에서, 데이터를 조정하는 단계는 하나 이상의 신경망 모델들에 적합한 값들의 범위 내에 있도록 데이터의 값들을 스케일링하는 단계를 포함한다.
항 15: 항 1-14 의 어느 하나의 방법에서, 데이터를 수신하는 단계는 디코딩된 픽처에 대한 파티션 데이터를 수신하는 단계를 포함하고, 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 파티션 데이터에 의해 표시된 바와 같이, 디코딩된 픽처에서의 파티션 바운더리들을 정의하는 바운더리 샘플들의 포지션들과 병치된 입력 평면에서의 포지션들에서의 값들을 제 1 값으로 설정하는 단계; 비-바운더리 샘플들인 내부 샘플들의 포지션들과 병치된 입력 평면 내의 포지션들에서의 값들을 제 2 값으로 설정하는 단계; 및 하나 이상의 신경망 모델들 중 적어도 하나에 대한 입력으로서 입력 평면을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계를 포함한다.
항 16: 항 15 의 방법에서, 제 1 값은 1 을 포함하고, 제 2 값은 0 을 포함한다.
항 17: 항 15 및 16 의 어느 하나의 방법에서, 파티션 데이터는 코딩 유닛 (CU) 파티션 데이터를 포함하고, 입력 평면은 제 1 파티션 평면을 포함하며, 방법은: 예측 유닛 (PU) 파티션 데이터를 수신하는 단계; PU 파티션 데이터를 사용하여 제 2 입력 평면을 형성하는 단계; 변환 유닛 (TU) 파티션 데이터를 수신하는 단계; 및 TU 파티션 데이터를 사용하여 제 3 입력 평면을 형성하는 단계를 더 포함하고, 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 하나 이상의 신경망 모델들 중 적어도 하나에 대한 입력들로서 제 1 입력 평면, 제 2 입력 평면 및 제 3 입력 평면을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계를 포함한다.
항 18: 항 1-14 의 어느 하나의 방법에서, 데이터를 수신하는 단계는 디코딩된 픽처에 대한 디블록킹 필터 데이터를 수신하는 단계를 포함하고, 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 디코딩된 픽처에 대한 디블록킹 필터 데이터를 하나 이상의 신경망 모델들 중 적어도 하나에 대한 하나 이상의 입력 평면들로 변환하는 단계; 및 하나 이상의 신경망 모델들 중 적어도 하나에 대한 입력들로서 하나 이상의 입력 평면들을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계를 포함한다.
항 19: 항 18 의 방법에서, 디블록킹 필터 데이터는 바운더리 강도 데이터, 긴 또는 짧은 필터 데이터, 또는 강한 또는 약한 필터 데이터 중 하나 이상을 포함한다.
항 20: 항 10 또는 15-19 의 어느 하나의 방법은, 입력 평면(들)의 데이터를 업샘플링 또는 다운샘플링하는 단계를 더 포함한다.
항 21: 항 1-20 의 어느 하나의 방법은: 현재 픽처를 인코딩하는 단계; 및 디코딩된 픽처를 형성하기 위해 현재 픽처를 디코딩하는 단계를 더 포함한다.
항 22: 항 21 의 방법에서, 결정하는 단계는 레이트-왜곡 계산에 따라 결정하는 단계를 포함한다.
항 23: 디코딩된 비디오 데이터를 필터링하기 위한 디바이스로서, 디바이스는 항 1-22 중 어느 하나의 방법을 수행하기 위한 하나 이상의 수단을 포함한다.
항 24: 항 23 의 디바이스에서, 하나 이상의 수단은 회로부로 구현되는 하나 이상의 프로세서들을 포함한다.
항 25: 항 23 의 디바이스는, 디코딩된 비디오 데이터를 디스플레이하도록 구성된 디스플레이를 더 포함한다.
항 26: 항 23 의 디바이스에서, 디바이스는 카메라, 컴퓨터, 모바일 디바이스, 브로드캐스트 수신기 디바이스 또는 셋-톱 박스 중 하나 이상을 포함한다.
항 27: 항 23 의 디바이스는, 비디오 데이터를 저장하도록 구성된 메모리를 더 포함한다.
항 28: 명령들을 저장하는 컴퓨터 판독가능 저장 매체로서, 명령들은 실행될 때, 프로세서로 하여금 항들 1-22 중 어느 하나의 방법을 수행하게 한다.
항 29: 디코딩된 비디오 데이터를 필터링하기 위한 디바이스로서, 디바이스는 필터링 유닛을 포함하고, 필터링 유닛은: 비디오 디코딩 디바이스의 필터링 유닛 이외의 하나 이상의 유닛들로부터 데이터를 수신하는 수단; 비디오 데이터의 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하기 위한 수단; 및 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하기 위한 수단을 포함한다.
항 30: 디코딩된 비디오 데이터를 필터링하는 방법으로서, 방법은: 비디오 디코딩 디바이스의 신경망 필터링 유닛에 의해 비디오 데이터의 디코딩된 픽처에 대한 데이터를 수신하는 단계; 신경망 필터링 유닛에 의해, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 단계로서, 하나 이상의 다른 유닛들로부터의 데이터는 디코딩된 픽처에 대한 데이터와는 상이하고, 그리고 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 단계는, 비디오 디코딩 디바이스의 디블록킹 유닛으로부터 바운더리 강도 데이터를 수신하는 단계를 포함하는, 상기 데이터를 수신하는 단계; 신경망 필터링 유닛에 의해, 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하는 단계; 및 신경망 필터링 유닛에 의해, 바운더리 강도 데이터를 포함한, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계를 포함한다.
항 31: 항 30 의 방법에서, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 단계는, 비디오 디코딩 디바이스의 인트라-예측 유닛; 비디오 디코딩 디바이스의 인터-예측 유닛; 비디오 디코딩 디바이스의 변환 프로세싱 유닛; 비디오 디코딩 디바이스의 양자화 유닛; 비디오 디코딩 디바이스의 루프 필터 유닛; 비디오 디코딩 디바이스의 프리-프로세싱 유닛; 또는 비디오 디코딩 디바이스의 제 2 신경망 필터링 유닛 중 하나 이상으로부터 데이터를 수신하는 단계를 더 포함한다.
항 32: 항 31 의 방법에서, 루프 필터 유닛은 SAO (Sample Adaptive Offset) 필터링 유닛, ALF (Adaptive Loop Filtering) 유닛 중 적어도 하나를 포함한다.
항 33: 항 32 의 방법에서, 데이터를 수신하는 단계는 CU (coding unit) 파티셔닝 데이터, PU (prediction unit) 파티셔닝 데이터, TU (transform unit) 파티셔닝 데이터, 디블록킹 필터링 데이터, 양자화 파라미터 (QP) 데이터, 인트라-예측 데이터, 인터-예측 데이터, 디코딩된 픽처와 하나 이상의 레퍼런스 픽처들 사이의 거리를 나타내는 데이터, 또는 디코딩된 픽처의 하나 이상의 디코딩된 블록들에 대한 모션 정보 중 하나 이상을 수신하는 단계를 더 포함한다.
항 34: 항 33 의 방법에서, 디블록킹 필터링 데이터는 긴 또는 짧은 필터들이 디블록킹에 사용되었는지 여부 또는 강한 또는 약한 필터들이 디블록킹에 사용되었는지 여부 중 하나 이상을 포함한다.
항 35: 항 33 의 방법에서, 인트라 예측 데이터는 인트라 예측 모드를 포함한다.
항 36: 항 33 의 방법에서, 거리를 나타내는 데이터는 디코딩된 픽처에 대한 픽처 순서 카운트 (POC) 값과 디코딩된 픽처의 블록을 예측하는데 사용된 레퍼런스 픽처에 대한 POC 값 사이의 차이를 나타내는 데이터를 포함한다.
항 37: 항 30 의 방법에서, 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 컨볼루션 신경망 (CNN) 에 대한 하나 이상의 추가적인 입력 평면들로서 비디오 디코딩 디바이스의 하나 이상의 유닛들로부터 데이터를 제공하는 단계를 포함한다.
항 38: 항 30 의 방법에서, 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 하나 이상의 신경망 모델들의 출력을 조정하는 단계를 포함한다.
항 39: 항 30 의 방법은, 디코딩된 픽처의 부분을 필터링하기 전에 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 조정하는 단계를 더 포함한다.
항 40: 항 39 의 방법에서, 데이터를 조정하는 단계는 데이터의 값들을 정수 표현과 부동 소수점 표현 사이에서 변환하는 단계를 포함한다.
항 41: 항 39 의 방법에서, 데이터를 조정하는 단계는 하나 이상의 신경망 모델들에 적합한 값들의 범위 내에 있도록 데이터의 값들을 스케일링하는 단계를 포함한다.
항 42: 항 30 의 방법에서, 데이터를 수신하는 단계는 디코딩된 픽처에 대한 파티션 데이터를 수신하는 단계를 포함하고, 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 파티션 데이터에 의해 표시된 바와 같이, 디코딩된 픽처에서의 파티션 바운더리들을 정의하는 바운더리 샘플들의 포지션들과 병치된 입력 평면에서의 포지션들에서의 값들을 제 1 값으로 설정하는 단계; 비-바운더리 샘플들인 내부 샘플들의 포지션들과 병치된 입력 평면 내의 포지션들에서의 값들을 제 2 값으로 설정하는 단계; 및 하나 이상의 신경망 모델들 중 적어도 하나에 대한 입력으로서 입력 평면을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계를 포함한다.
항 43: 항 42 의 방법에서, 제 1 값은 1 을 포함하고, 제 2 값은 0 을 포함한다.
항 44: 항 42 의 방법에서, 파티션 데이터는 코딩 유닛 (CU) 파티션 데이터를 포함하고, 입력 평면은 제 1 파티션 평면을 포함하며, 방법은: 예측 유닛 (PU) 파티션 데이터를 수신하는 단계; PU 파티션 데이터를 사용하여 제 2 입력 평면을 형성하는 단계; 변환 유닛 (TU) 파티션 데이터를 수신하는 단계; 및 TU 파티션 데이터를 사용하여 제 3 입력 평면을 형성하는 단계를 더 포함하고, 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 하나 이상의 신경망 모델들 중 적어도 하나에 대한 입력들로서 제 1 입력 평면, 제 2 입력 평면 및 제 3 입력 평면을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계를 포함한다.
항 45: 항 30 의 방법에서, 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 디블록킹 유닛으로부터 디코딩된 픽처에 대한 디블록킹 필터 데이터를 하나 이상의 신경망 모델들 중 적어도 하나에 대한 하나 이상의 입력 평면들로 변환하는 단계; 및 하나 이상의 신경망 모델들 중 적어도 하나에 대한 입력들로서 하나 이상의 입력 평면들을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계를 포함한다.
항 46: 항 30 의 방법은: 현재 픽처를 인코딩하는 단계; 및 디코딩된 픽처를 형성하기 위해 현재 픽처를 디코딩하는 단계를 더 포함한다.
항 47: 항 46 의 방법에서, 하나 이상의 신경망 모델들을 결정하는 단계는 레이트-왜곡 계산에 따라 하나 이상의 신경망 모델들을 결정하는 단계를 포함한다.
항 48: 디코딩된 비디오 데이터를 필터링하기 위한 디바이스는 비디오 데이터의 디코딩된 픽처를 저장하도록 구성되는 메모리; 및 회로부로 구현되는 하나 이상의 프로세서들을 포함하고, 하나 이상의 프로세서들은: 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 것으로서, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터는 디코딩된 픽처에 대한 데이터와는 상이하고, 그리고 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하기 위해, 하나 이상의 프로세서들은 디바이스의 디블록킹 유닛으로부터 바운더리 강도 데이터를 수신하기 위해 신경망 필터링 유닛을 실행하도록 구성되는, 데이터를 수신하고; 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하고; 그리고 바운더리 강도 데이터를 포함한, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위해 신경망 필터링 유닛을 실행하도록 구성된다.
항 49: 항 48 의 디바이스에서, 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하기 위해, 하나 이상의 프로세서들은 또한: 디바이스의 인트라-예측 유닛; 디바이스의 인터-예측 유닛; 디바이스의 변환 프로세싱 유닛; 디바이스의 양자화 유닛; 디바이스의 루프 필터 유닛; 디바이스의 프리-프로세싱 유닛; 또는 디바이스의 제 2 신경망 필터링 유닛 중 하나 이상으로부터 데이터를 수신하기 위해 신경망 필터링 유닛을 실행하도록 구성된다.
항 50: 항 48 의 디바이스에서, 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하기 위해, 하나 이상의 프로세서들은 또한: CU (coding unit) 파티셔닝 데이터, PU (prediction unit) 파티셔닝 데이터, TU (transform unit) 파티셔닝 데이터, 디블록킹 필터링 데이터, 양자화 파라미터 (QP) 데이터, 인트라-예측 데이터, 인터-예측 데이터, 디코딩된 픽처와 하나 이상의 레퍼런스 픽처들 사이의 거리를 나타내는 데이터 또는 디코딩된 픽처의 하나 이상의 디코딩된 블록들에 대한 모션 정보 중 하나 이상을 수신하기 위해 신경망 필터링 유닛을 실행하도록 구성된다.
항 51: 항 48 의 디바이스에서, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위해 하나 이상의 프로세서들은, 컨볼루션 신경망 (CNN) 에 대한 하나 이상의 추가적인 입력 평면들로서 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 제공하기 위해 신경망 필터링 유닛을 실행하도록 구성된다.
항 52: 항 48 의 디바이스에서, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위해 하나 이상의 프로세서들은, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 하나 이상의 신경망 모델들의 출력을 조정하기 위해 신경망 필터링 유닛을 실행하도록 구성된다.
항 53: 항 48 의 디바이스에서, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위해 하나 이상의 프로세서들은, 디코딩된 픽처의 부분을 필터링하기 전에 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 조정하기 위해 신경망 필터링 유닛을 실행하도록 구성된다.
항 54: 항 48 의 디바이스에서, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위해 하나 이상의 프로세서들은, 디블록킹 유닛으로부터 디코딩된 픽처에 대한 디블록킹 필터 데이터를 하나 이상의 신경망 모델들 중 적어도 하나에 대한 하나 이상의 입력 평면들로 변환하고; 그리고 하나 이상의 신경망 모델들 중 적어도 하나에 대한 입력들로서 하나 이상의 입력 평면들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위해 신경망 필터링 유닛을 실행하도록 구성된다.
항 55: 항 48 의 디바이스는, 비디오 데이터의 디코딩된 픽처를 디스플레이하도록 구성되는 디스플레이를 더 포함한다.
항 56: 항 48 의 디바이스에서, 디바이스는 카메라, 컴퓨터, 모바일 디바이스, 브로드캐스트 수신기 디바이스 또는 셋-톱 박스 중 하나 이상을 포함한다.
항 57: 컴퓨터 판독가능 저장 매체는 그 위에 저장된 명령들을 갖고, 명령들은 실행될 때, 비디오 디코딩 디바이스의 프로세서로 하여금: 비디오 데이터의 디코딩된 픽처에 대한 데이터를 수신하고; 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 것으로서, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터는 디코딩된 픽처에 대한 데이터와는 상이하고, 프로세서로 하여금 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하게 하는 명령들은 프로세서로 하여금 비디오 디코딩 디바이스의 디블록킹 유닛으로부터 바운더리 강도 데이터를 수신하게 하는 명령들을 포함하는, 데이터를 수신하고; 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하고; 그리고 바운더리 강도 데이터를 포함한, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위해 신경망 필터링 유닛을 실행하게 한다.
항 58: 디코딩된 비디오 데이터를 필터링하기 위한 디바이스로서, 디바이스는 필터링 유닛을 포함하고, 필터링 유닛은: 비디오 데이터의 디코딩된 픽처에 대한 데이터를 수신하기 위한 수단; 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하기 위한 수단으로서, 하나 이상의 다른 유닛들로부터의 데이터는 디코딩된 픽처에 대한 데이터와는 상이하고, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하기 위한 수단은 비디오 디코딩 디바이스의 디블록킹 유닛으로부터 바운더리 강도 데이터를 수신하기 위한 수단을 포함하는, 데이터를 수신하기 위한 수단; 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하기 위한 수단; 및 바운더리 강도 데이터를 포함한, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위한 수단을 포함한다.
항 59: 디코딩된 비디오 데이터를 필터링하는 방법으로서, 방법은: 비디오 디코딩 디바이스의 신경망 필터링 유닛에 의해 비디오 데이터의 디코딩된 픽처에 대한 데이터를 수신하는 단계; 신경망 필터링 유닛에 의해, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 단계로서, 하나 이상의 다른 유닛들로부터의 데이터는 디코딩된 픽처에 대한 데이터와는 상이하고, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 단계는 비디오 디코딩 디바이스의 디블록킹 유닛으로부터 바운더리 강도 데이터를 수신하는 단계를 포함하는, 데이터를 수신하는 단계; 신경망 필터링 유닛에 의해, 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하는 단계; 및 신경망 필터링 유닛에 의해, 바운더리 강도 데이터를 포함한, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계를 포함한다.
항 60: 항 59 의 방법에서, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 단계는, 비디오 디코딩 디바이스의 인트라-예측 유닛; 비디오 디코딩 디바이스의 인터-예측 유닛; 비디오 디코딩 디바이스의 변환 프로세싱 유닛; 비디오 디코딩 디바이스의 양자화 유닛; 비디오 디코딩 디바이스의 루프 필터 유닛; 비디오 디코딩 디바이스의 프리-프로세싱 유닛; 또는 비디오 디코딩 디바이스의 제 2 신경망 필터링 유닛 중 하나 이상으로부터 데이터를 수신하는 단계를 더 포함한다.
항 61: 항 60 의 방법에서, 루프 필터 유닛은 SAO (Sample Adaptive Offset) 필터링 유닛, ALF (Adaptive Loop Filtering) 유닛 중 적어도 하나를 포함한다.
항 62: 항 59-61 의 어느 하나의 방법에서, 데이터를 수신하는 단계는 CU (coding unit) 파티셔닝 데이터, PU (prediction unit) 파티셔닝 데이터, TU (transform unit) 파티셔닝 데이터, 디블록킹 필터링 데이터, 양자화 파라미터 (QP) 데이터, 인트라-예측 데이터, 인터-예측 데이터, 디코딩된 픽처와 하나 이상의 레퍼런스 픽처들 사이의 거리를 나타내는 데이터 또는 디코딩된 픽처의 하나 이상의 디코딩된 블록들에 대한 모션 정보 중 하나 이상을 수신하는 단계를 더 포함한다.
항 63: 항 62 의 방법에서, 디블록킹 필터링 데이터는 긴 또는 짧은 필터들이 디블록킹에 사용되었는지 여부 또는 강한 또는 약한 필터들이 디블록킹에 사용되었는지 여부 중 하나 이상을 포함한다.
항 64: 항 62 및 63 의 어느 하나의 방법에서, 인트라 예측 데이터는 인트라 예측 모드를 포함한다.
항 65: 항 62-64 의 어느 하나의 방법에서, 거리를 나타내는 데이터는 디코딩된 픽처에 대한 픽처 순서 카운트 (POC) 값과 디코딩된 픽처의 블록을 예측하는데 사용된 레퍼런스 픽처에 대한 POC 값 사이의 차이를 나타내는 데이터를 포함한다.
항 66: 항 59-65 의 어느 하나의 방법에서, 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 컨볼루션 신경망 (CNN) 에 대한 하나 이상의 추가적인 입력 평면들로서 비디오 디코딩 디바이스의 하나 이상의 유닛들로부터 데이터를 제공하는 단계를 포함한다.
항 67: 항 59-66 의 어느 하나의 방법에서, 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 하나 이상의 신경망 모델들의 출력을 조정하는 단계를 포함한다.
항 68: 항 59-67 의 어느 하나의 방법에서, 디코딩된 픽처의 부분을 필터링하기 전에 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 조정하는 단계를 더 포함한다.
항 69: 항 68 의 방법에서, 데이터를 조정하는 단계는 데이터의 값들을 정수 표현과 부동 소수점 표현 사이에서 변환하는 단계를 포함한다.
항 70: 항 68 및 69 의 어느 하나의 방법에서, 데이터를 조정하는 단계는 하나 이상의 신경망 모델들에 적합한 값들의 범위 내에 있도록 데이터의 값들을 스케일링하는 단계를 포함한다.
항 71: 항 59-70 의 어느 하나의 방법에서, 데이터를 수신하는 단계는 디코딩된 픽처에 대한 파티션 데이터를 수신하는 단계를 포함하고, 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 파티션 데이터에 의해 표시된 바와 같이, 디코딩된 픽처에서의 파티션 바운더리들을 정의하는 바운더리 샘플들의 포지션들과 병치된 입력 평면에서의 포지션들에서의 값들을 제 1 값으로 설정하는 단계; 비-바운더리 샘플들인 내부 샘플들의 포지션들과 병치된 입력 평면 내의 포지션들에서의 값들을 제 2 값으로 설정하는 단계; 및 하나 이상의 신경망 모델들 중 적어도 하나에 대한 입력으로서 입력 평면을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계를 포함한다.
항 72: 항 71 의 방법에서, 제 1 값은 1 을 포함하고, 제 2 값은 0 을 포함한다.
항 73: 항 71 및 72 의 어느 하나의 방법에서, 파티션 데이터는 코딩 유닛 (CU) 파티션 데이터를 포함하고, 입력 평면은 제 1 파티션 평면을 포함하며, 방법은: 예측 유닛 (PU) 파티션 데이터를 수신하는 단계; PU 파티션 데이터를 사용하여 제 2 입력 평면을 형성하는 단계; 변환 유닛 (TU) 파티션 데이터를 수신하는 단계; 및 TU 파티션 데이터를 사용하여 제 3 입력 평면을 형성하는 단계를 더 포함하고, 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 하나 이상의 신경망 모델들 중 적어도 하나에 대한 입력들로서 제 1 입력 평면, 제 2 입력 평면 및 제 3 입력 평면을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계를 포함한다.
항 74: 항 59-73 의 어느 하나의 방법에서, 하나 이상의 신경망 모델들 및 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 디블록킹 유닛으로부터 디코딩된 픽처에 대한 디블록킹 필터 데이터를 하나 이상의 신경망 모델들 중 적어도 하나에 대한 하나 이상의 입력 평면들로 변환하는 단계; 및 하나 이상의 신경망 모델들 중 적어도 하나에 대한 입력들로서 하나 이상의 입력 평면들을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계를 포함한다.
항 75: 항 59-74 의 어느 하나의 방법은: 현재 픽처를 인코딩하는 단계; 및 디코딩된 픽처를 형성하기 위해 현재 픽처를 디코딩하는 단계를 더 포함한다.
항 76: 항 59-75 의 어느 하나의 방법에서, 하나 이상의 신경망 모델들을 결정하는 단계는 레이트-왜곡 계산에 따라 하나 이상의 신경망 모델들을 결정하는 단계를 포함한다.
항 77: 디코딩된 비디오 데이터를 필터링하기 위한 디바이스는 비디오 데이터의 디코딩된 픽처를 저장하도록 구성되는 메모리; 및 회로부로 구현되는 하나 이상의 프로세서들을 포함하고, 하나 이상의 프로세서들은: 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 것으로서, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터는 디코딩된 픽처에 대한 데이터와는 상이하고, 그리고 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하기 위해, 하나 이상의 프로세서들은 디바이스의 디블록킹 유닛으로부터 바운더리 강도 데이터를 수신하기 위해 신경망 필터링 유닛을 실행하도록 구성되는, 데이터를 수신하고; 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하고; 그리고 바운더리 강도 데이터를 포함한, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위해 신경망 필터링 유닛을 실행하도록 구성된다.
항 78: 항 77 의 디바이스에서, 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하기 위해, 하나 이상의 프로세서들은 또한: 디바이스의 인트라-예측 유닛; 디바이스의 인터-예측 유닛; 디바이스의 변환 프로세싱 유닛; 디바이스의 양자화 유닛; 디바이스의 루프 필터 유닛; 디바이스의 프리-프로세싱 유닛; 또는 디바이스의 제 2 신경망 필터링 유닛 중 하나 이상으로부터 데이터를 수신하기 위해 신경망 필터링 유닛을 실행하도록 구성된다.
항 79: 항들 77 및 78 의 어느 하나의 디바이스에서: 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하기 위해, 하나 이상의 프로세서들은 또한: CU (coding unit) 파티셔닝 데이터, PU (prediction unit) 파티셔닝 데이터, TU (transform unit) 파티셔닝 데이터, 디블록킹 필터링 데이터, 양자화 파라미터 (QP) 데이터, 인트라-예측 데이터, 인터-예측 데이터, 디코딩된 픽처와 하나 이상의 레퍼런스 픽처들 사이의 거리를 나타내는 데이터 또는 디코딩된 픽처의 하나 이상의 디코딩된 블록들에 대한 모션 정보 중 하나 이상을 수신하기 위해 신경망 필터링 유닛을 실행하도록 구성된다.
항 80: 항들 77-79 의 어느 하나의 디바이스에서, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위해 하나 이상의 프로세서들은, 컨볼루션 신경망 (CNN) 에 대한 하나 이상의 추가적인 입력 평면들로서 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 제공하기 위해 신경망 필터링 유닛을 실행하도록 구성된다.
항 81: 항들 77-80 의 어느 하나의 디바이스에서, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위해 하나 이상의 프로세서들은, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 하나 이상의 신경망 모델들의 출력을 조정하기 위해 신경망 필터링 유닛을 실행하도록 구성된다.
항 82: 항들 77-81 의 어느 하나의 디바이스에서, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위해 하나 이상의 프로세서들은, 디코딩된 픽처의 부분을 필터링하기 전에 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 조정하기 위해 신경망 필터링 유닛을 실행하도록 구성된다.
항 83: 항들 77-82 의 어느 하나의 디바이스에서, 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위해 하나 이상의 프로세서들은, 디블록킹 유닛으로부터 디코딩된 픽처에 대한 디블록킹 필터 데이터를 하나 이상의 신경망 모델들 중 적어도 하나에 대한 하나 이상의 입력 평면들로 변환하고; 그리고 하나 이상의 신경망 모델들 중 적어도 하나에 대한 입력들로서 하나 이상의 입력 평면들을 사용하여 디코딩된 픽처의 부분을 필터링하기 위해 신경망 필터링 유닛을 실행하도록 구성된다.
항 84: 항들 77-83 의 어느 하나의 디바이스에서, 비디오 데이터의 디코딩된 픽처를 디스플레이하도록 구성되는 디스플레이를 더 포함한다.
항 85: 항들 77-84 의 어느 하나의 디바이스에서, 디바이스는 카메라, 컴퓨터, 모바일 디바이스, 브로드캐스트 수신기 디바이스 또는 셋-톱 박스 중 하나 이상을 포함한다.
예에 의존하여, 본원에 설명된 기법들 중 임의의 것의 소정의 액트들 또는 이벤트들은 상이한 시퀀스로 수행될 수 있고, 전체적으로 부가되거나 병합되거나 또는 제거될 수도 있음 (예를 들어, 설명된 모든 액트들 또는 이벤트들이 그 기법들의 실시를 위해 필수적인 것은 아님) 이 인식되어야 한다. 더욱이, 소정의 예들에서, 액트들 또는 이벤트들은 순차적으로 보다는, 예를 들어 다중-스레딩된 프로세싱, 인터럽트 프로세싱, 또는 다중의 프로세서들을 통해 동시에 수행될 수도 있다.
하나 이상의 예에서, 설명된 기능들은 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 임의의 조합에서 구현될 수도 있다. 소프트웨어에서 구현되면, 기능들은 컴퓨터 판독가능 매체 상에 하나 이상의 명령들 또는 코드로서 저장되거나 또는 이를 통해 송신되고 하드웨어 기반 프로세싱 유닛에 의해 실행될 수도 있다. 컴퓨터 판독가능 매체들은 데이터 저장 매체들과 같은 유형의 매체에 대응하는 컴퓨터 판독가능 저장 매체들, 또는 예를 들어 통신 프로토콜에 따라 일 장소로부터 다른 장소로의 컴퓨터 프로그램의 전송을 용이하게 하는 임의의 매체를 포함하는 통신 매체들을 포함할 수도 있다. 이러한 방식으로, 컴퓨터 판독가능 매체들은 일반적으로 (1) 비일시적인 유형의 컴퓨터 판독가능 저장 매체들 또는 (2) 신호 또는 캐리어파와 같은 통신 매체에 대응할 수도 있다. 데이터 저장 매체들은 본 개시에서 설명된 기법들의 구현을 위한 명령들, 코드 및/또는 데이터 구조들을 취출하기 위해 하나 이상의 컴퓨터들 또는 하나 이상의 프로세서들에 의해 액세스될 수 있는 임의의 가용 매체들일 수도 있다. 컴퓨터 프로그램 제품이 컴퓨터 판독가능 매체를 포함할 수도 있다.
한정이 아닌 예시로서, 이러한 컴퓨터 판독가능 저장 매체들은 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 저장, 자기 디스크 저장, 또는 다른 자기 저장 디바이스들, 플래시 메모리, 또는 명령들 또는 데이터 구조들의 형태로 희망하는 프로그램 코드를 저장하기 위해 이용될 수 있으며 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 접속이 컴퓨터 판독가능 매체로 적절히 불린다. 예를 들어, 명령들이 동축 케이블, 광섬유 케이블, 트위스티드 페어, 디지털 가입자 라인 (DSL), 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들을 사용하여 웹사이트, 서버, 또는 다른 원격 소스로부터 송신되면, 동축 케이블, 광섬유 케이블, 트위스티드 페어, DSL, 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들은 매체의 정의에 포함된다. 하지만, 컴퓨터 판독가능 저장 매체들 및 데이터 저장 매체들은 커넥션들, 캐리어파들, 신호들, 또는 다른 일시적 매체들을 포함하지 않지만 대신 비일시적 유형의 저장 매체들로 지향됨이 이해되어야 한다. 본 명세서에서 사용된 바와 같이, 디스크 (disk) 및 디스크 (disc) 는 컴팩트 디스크 (CD), 레이저 디스크, 광학 디스크, 디지털 다기능 디스크 (DVD), 플로피 디스크 및 블루레이 디스크를 포함하며, 여기서, 디스크(disk)들은 통상적으로 데이터를 자기적으로 재생하지만 디스크(disc)들은 레이저들을 이용하여 데이터를 광학적으로 재생한다. 또한, 상기의 조합들은 컴퓨터 판독가능 매체들의 범위 내에 포함되어야 한다.
명령들은 하나 이상의 프로세서들, 이를 테면 하나 이상의 디지털 신호 프로세서들 (DSP들), 범용 마이크로프로세서들, 주문형 집적 회로들 (ASIC들), 필드 프로그래밍가능 게이트 어레이들 (FPGA들), 또는 다른 등가의 집적 또는 이산 로직 회로부에 의해 실행될 수도 있다. 이에 따라, 본 명세서에서 사용된 바와 같은 용어들 "프로세서" 및 "프로세싱 회로부" 는 본 명세서에서 설명된 기법들의 구현에 적합한 전술한 구조들 또는 임의의 다른 구조 중 임의의 구조를 지칭할 수도 있다. 부가적으로, 일부 양태들에서, 본 명세서에서 설명된 기능성이 인코딩 및 디코딩을 위해 구성되거나 또는 결합된 코덱에서 통합된 전용 하드웨어 및/또는 소프트웨어 모듈들 내에 제공될 수도 있다. 또한, 그 기법들은 하나 이상의 회로 또는 로직 엘리먼트에서 완전히 구현될 수 있다.
본 개시의 기법들은 무선 핸드셋, 집적 회로 (IC) 또는 IC들의 세트 (예를 들어, 칩 세트) 를 포함하여, 광범위하게 다양한 디바이스들 또는 장치들에서 구현될 수도 있다. 다양한 컴포넌트들, 모듈들, 또는 유닛들은 개시된 기법들을 수행하도록 구성된 디바이스들의 기능적 양태들을 강조하기 위해 본 개시에서 설명되지만, 상이한 하드웨어 유닛들에 의한 실현을 반드시 필요로 하는 것은 아니다. 오히려, 상술된 바와 같이, 다양한 유닛들이 코덱 하드웨어 유닛에 결합될 수도 있고, 또는 적합한 소프트웨어 및/또는 펌웨어와 함께, 상술된 바와 같은 하나 이상의 프로세서들을 포함하는 상호동작 하드웨어 유닛들의 집합에 의해 제공될 수도 있다.
다양한 예들이 기술되었다. 이들 및 다른 예들은 다음의 청구항들의 범위 내에 있다.

Claims (32)

  1. 디코딩된 비디오 데이터를 필터링하는 방법으로서,
    비디오 디코딩 디바이스의 신경망 필터링 유닛에 의해, 비디오 데이터의 디코딩된 픽처에 대한 데이터를 수신하는 단계;
    상기 신경망 필터링 유닛에 의해, 상기 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 단계로서, 상기 하나 이상의 다른 유닛들로부터의 상기 데이터는 상기 디코딩된 픽처에 대한 상기 데이터와는 상이하고, 상기 비디오 디코딩 디바이스의 상기 하나 이상의 다른 유닛들로부터 상기 데이터를 수신하는 단계는 상기 비디오 디코딩 디바이스의 디블록킹 유닛으로부터 바운더리 강도 데이터를 수신하는 단계를 포함하는, 상기 하나 이상의 다른 유닛들로부터 데이터를 수신하는 단계;
    상기 신경망 필터링 유닛에 의해, 상기 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하는 단계; 및
    상기 신경망 필터링 유닛에 의해, 상기 바운더리 강도 데이터를 포함한, 상기 비디오 디코딩 디바이스의 상기 하나 이상의 다른 유닛들로부터의 상기 데이터 및 상기 하나 이상의 신경망 모델들을 사용하여 상기 디코딩된 픽처의 부분을 필터링하는 단계를 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  2. 제 1 항에 있어서,
    상기 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 단계는,
    상기 비디오 디코딩 디바이스의 인트라-예측 유닛;
    상기 비디오 디코딩 디바이스의 인터-예측 유닛;
    상기 비디오 디코딩 디바이스의 변환 프로세싱 유닛;
    상기 비디오 디코딩 디바이스의 양자화 유닛;
    상기 비디오 디코딩 디바이스의 루프 필터 유닛;
    상기 비디오 디코딩 디바이스의 프리-프로세싱 유닛; 또는
    상기 비디오 디코딩 디바이스의 제 2 신경망 필터링 유닛
    중 하나 이상으로부터 데이터를 수신하는 단계를 더 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  3. 제 2 항에 있어서,
    상기 루프 필터 유닛은 SAO (Sample Adaptive Offset) 필터링 유닛, ALF (Adaptive Loop Filtering) 유닛 중 적어도 하나를 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  4. 제 1 항에 있어서,
    상기 데이터를 수신하는 단계는 CU (coding unit) 파티셔닝 데이터, PU (prediction unit) 파티셔닝 데이터, TU (transform unit) 파티셔닝 데이터, 디블록킹 필터링 데이터, 양자화 파라미터 (QP) 데이터, 인트라-예측 데이터, 인터-예측 데이터, 디코딩된 픽처와 하나 이상의 레퍼런스 픽처들 사이의 거리를 나타내는 데이터 또는 디코딩된 픽처의 하나 이상의 디코딩된 블록들에 대한 모션 정보 중 하나 이상을 수신하는 단계를 더 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  5. 제 4 항에 있어서,
    상기 디블록킹 필터링 데이터는 긴 또는 짧은 필터들이 디블록킹에 사용되었는지 여부 또는 강한 또는 약한 필터들이 디블록킹에 사용되었는지 여부 중 하나 이상을 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  6. 제 4 항에 있어서,
    상기 인트라 예측 데이터는 인트라 예측 모드를 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  7. 제 4 항에 있어서,
    상기 거리를 나타내는 데이터는 디코딩된 픽처에 대한 POC (picture order count) 값과 상기 디코딩된 픽처의 블록을 예측하는데 사용된 레퍼런스 픽처에 대한 POC 값 사이의 차이를 나타내는 데이터를 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  8. 제 1 항에 있어서,
    비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 상기 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는 상기 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 CNN (convolutional neural network) 에 대한 하나 이상의 추가적인 입력 평면들로서 제공하는 단계를 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  9. 제 1 항에 있어서,
    상기 비디오 디코딩 디바이스의 상기 하나 이상의 다른 유닛들로부터의 데이터 및 상기 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는:
    복수의 입력 평면들을 결합된 입력 평면으로 결합하는 단계로서, 상기 복수의 입력 평면들의 각각의 포지션 (i, j) 에 대해, 상기 결합된 입력 평면의 포지션 (i, j) 에 대한 값을 상기 복수의 입력 평면들의 포지션 (i, j) 에서의 값들의 최대값과 동일하게 설정하는 것을 포함한, 상기 결합된 입력 평면으로 결합하는 단계; 및
    상기 결합된 입력 평면을 CNN (convolutional neural network) 에 제공하는 단계를 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  10. 제 1 항에 있어서,
    상기 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 상기 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 상기 비디오 디코딩 디바이스의 상기 하나 이상의 다른 유닛들로부터의 데이터를 사용하여 상기 하나 이상의 신경망 모델들의 출력을 조정하는 단계를 포함하는, 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  11. 제 1 항에 있어서,
    디코딩된 픽처의 부분을 필터링하기 전에 상기 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터를 조정하는 단계를 더 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  12. 제 11 항에 있어서,
    상기 데이터를 조정하는 단계는 상기 데이터의 값들을 정수 표현과 부동 소수점 표현 사이에서 변환하는 단계를 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  13. 제 11 항에 있어서,
    상기 데이터를 조정하는 단계는 하나 이상의 신경망 모델들에 적합한 값들의 범위 내에 있도록 상기 데이터의 값들을 스케일링하는 단계를 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  14. 제 1 항에 있어서,
    상기 데이터를 수신하는 단계는 상기 디코딩된 픽처에 대한 파티션 데이터를 수신하는 단계를 포함하고, 상기 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 상기 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는:
    상기 파티션 데이터에 의해 표시된, 상기 디코딩된 픽처에서의 파티션 바운더리들을 정의하는 바운더리 샘플들의 포지션들과 병치된 입력 평면에서의 포지션들에서의 값들을 제 1 값으로 설정하는 단계;
    비-바운더리 샘플들인 내부 샘플들의 포지션들과 병치된 입력 평면에서의 포지션들에서의 값들을 제 2 값으로 설정하는 단계; 및
    상기 하나 이상의 신경망 모델들 중 적어도 하나에 대한 입력으로서 상기 입력 평면을 사용하여 상기 디코딩된 픽처의 부분을 필터링하는 단계를 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  15. 제 14 항에 있어서,
    상기 제 1 값은 1 을 포함하고, 상기 제 2 값은 0 을 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  16. 제 14 항에 있어서,
    상기 파티션 데이터는 코딩 유닛 (CU) 파티션 데이터를 포함하고, 상기 입력 평면은 제 1 파티션 평면을 포함하며, 상기 방법은:
    PU (prediction unit) 파티션 데이터를 수신하는 단계;
    상기 PU 파티션 데이터를 사용하여 제 2 입력 평면을 형성하는 단계;
    TU (transform unit) 파티션 데이터를 수신하는 단계; 및
    상기 TU 파티션 데이터를 사용하여 제 3 입력 평면을 형성하는 단계를 더 포함하고,
    비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터의 데이터 및 상기 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는, 상기 하나 이상의 신경망 모델들 중 적어도 하나에 대한 입력들로서 제 1 입력 평면, 제 2 입력 평면 및 제 3 입력 평면을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계를 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  17. 제 1 항에 있어서,
    상기 비디오 디코딩 디바이스의 상기 하나 이상의 다른 유닛들로부터의 데이터 및 상기 하나 이상의 신경망 모델들을 사용하여 디코딩된 픽처의 부분을 필터링하는 단계는:
    상기 디블록킹 유닛으로부터 상기 디코딩된 픽처에 대한 디블록킹 필터 데이터를 상기 하나 이상의 신경망 모델들 중 적어도 하나에 대한 하나 이상의 입력 평면들로 변환하는 단계; 및
    상기 하나 이상의 신경망 모델들 중 적어도 하나에 대한 입력들로서 상기 하나 이상의 입력 평면들을 사용하여 상기 디코딩된 픽처의 부분을 필터링하는 단계를 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  18. 제 1 항에 있어서,
    현재 픽처를 인코딩하는 단계; 및
    디코딩된 픽처를 형성하기 위해 상기 현재 픽처를 디코딩하는 단계를 더 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  19. 제 18 항에 있어서,
    상기 하나 이상의 신경망 모델들을 결정하는 단계는 레이트-왜곡 계산에 따라 하나 이상의 신경망 모델들을 결정하는 단계를 포함하는, 디코딩된 비디오 데이터를 필터링하는 방법.
  20. 제 1 항에 있어서,
    상기 바운더리 강도 데이터는 바운더리 강도 값이 0임을 나타내는, 디코딩된 비디오 데이터를 필터링하는 방법.
  21. 제 1 항에 있어서,
    상기 바운더리 강도 데이터는 바운더리 강도 값이 1 또는 2 임을 나타내는, 디코딩된 비디오 데이터를 필터링하는 방법.
  22. 디코딩된 비디오 데이터를 필터링하기 위한 디바이스로서,
    비디오 데이터의 디코딩된 픽처를 저장하도록 구성된 메모리; 및
    회로부로 구현되는 하나 이상의 프로세서들을 포함하고,
    상기 하나 이상의 프로세서들은:
    상기 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 것으로서, 상기 디바이스의 하나 이상의 다른 유닛들로부터의 데이터는 디코딩된 픽처에 대한 데이터와는 상이하고, 그리고 상기 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하기 위해, 상기 하나 이상의 프로세서들은 디바이스의 디블록킹 유닛으로부터 바운더리 강도 데이터를 수신하기 위해 신경망 필터링 유닛을 실행하도록 구성되는, 상기 데이터를 수신하고;
    상기 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하고; 그리고
    상기 바운더리 강도 데이터를 포함한, 상기 디바이스의 하나 이상의 다른 유닛들로부터의 상기 데이터 및 상기 하나 이상의 신경망 모델들을 사용하여 상기 디코딩된 픽처의 부분을 필터링하기 위해
    상기 신경망 필터링 유닛을 실행하도록 구성되는, 디코딩된 비디오 데이터를 필터링하기 위한 디바이스.
  23. 제 22 항에 있어서,
    상기 디바이스의 하나 이상의 다른 유닛들로부터 상기 데이터를 수신하기 위해, 상기 하나 이상의 프로세서들은 또한:
    상기 디바이스의 인트라-예측 유닛;
    상기 디바이스의 인터-예측 유닛;
    상기 디바이스의 변환 프로세싱 유닛;
    상기 디바이스의 양자화 유닛;
    상기 디바이스의 루프 필터 유닛;
    상기 디바이스의 프리-프로세싱 유닛; 또는
    상기 디바이스의 제 2 신경망 필터링 유닛
    중 하나 이상으로부터 상기 데이터를 수신하기 위해 상기 신경망 필터링 유닛을 실행하도록 구성되는, 디코딩된 비디오 데이터를 필터링하기 위한 디바이스.
  24. 제 22 항에 있어서,
    상기 디바이스의 하나 이상의 다른 유닛들로부터 상기 데이터를 수신하기 위해, 상기 하나 이상의 프로세서들은 또한: CU (coding unit) 파티셔닝 데이터, PU (prediction unit) 파티셔닝 데이터, TU (transform unit) 파티셔닝 데이터, 디블록킹 필터링 데이터, 양자화 파라미터 (QP) 데이터, 인트라-예측 데이터, 인터-예측 데이터, 디코딩된 픽처와 하나 이상의 레퍼런스 픽처들 사이의 거리를 나타내는 데이터 또는 디코딩된 픽처의 하나 이상의 디코딩된 블록들에 대한 모션 정보 중 하나 이상을 수신하기 위해 상기 신경망 필터링 유닛을 실행하도록 구성되는, 디코딩된 비디오 데이터를 필터링하기 위한 디바이스.
  25. 제 22 항에 있어서,
    상기 디바이스의 하나 이상의 다른 유닛들로부터의 상기 데이터 및 상기 하나 이상의 신경망 모델들을 사용하여 상기 디코딩된 픽처의 부분을 필터링하기 위해 상기 하나 이상의 프로세서들은, 컨볼루션 신경망 (CNN) 에 대한 하나 이상의 추가적인 입력 평면들로서 상기 디바이스의 상기 하나 이상의 다른 유닛들로부터의 상기 데이터를 제공하기 위해 상기 신경망 필터링 유닛을 실행하도록 구성되는, 디코딩된 비디오 데이터를 필터링하기 위한 디바이스.
  26. 제 22 항에 있어서,
    상기 디바이스의 하나 이상의 다른 유닛들로부터의 상기 데이터 및 상기 하나 이상의 신경망 모델들을 사용하여 상기 디코딩된 픽처의 부분을 필터링하기 위해 상기 하나 이상의 프로세서들은, 상기 디바이스의 상기 하나 이상의 다른 유닛들로부터의 상기 데이터를 사용하여 상기 하나 이상의 신경망 모델들의 출력을 조정하기 위해 상기 신경망 필터링 유닛을 실행하도록 구성되는, 디코딩된 비디오 데이터를 필터링하기 위한 디바이스.
  27. 제 22 항에 있어서,
    상기 디바이스의 하나 이상의 다른 유닛들로부터의 상기 데이터 및 상기 하나 이상의 신경망 모델들을 사용하여 상기 디코딩된 픽처의 부분을 필터링하기 위해 상기 하나 이상의 프로세서들은, 상기 디코딩된 픽처의 부분을 필터링하기 전에 상기 디바이스의 상기 하나 이상의 다른 유닛들로부터의 상기 데이터를 조정하기 위해 상기 신경망 필터링 유닛을 실행하도록 구성되는, 디코딩된 비디오 데이터를 필터링하기 위한 디바이스.
  28. 제 22 항에 있어서,
    상기 디바이스의 하나 이상의 다른 유닛들로부터의 상기 데이터 및 상기 하나 이상의 신경망 모델들을 사용하여 상기 디코딩된 픽처의 부분을 필터링하기 위해 상기 하나 이상의 프로세서들은:
    디블록킹 유닛으로부터 디코딩된 픽처에 대한 디블록킹 필터 데이터를 상기 하나 이상의 신경망 모델들 중 적어도 하나에 대한 하나 이상의 입력 평면들로 변환하고; 그리고
    상기 하나 이상의 신경망 모델들 중 적어도 하나에 대한 입력들로서 상기 하나 이상의 입력 평면들을 사용하여 상기 디코딩된 픽처의 부분을 필터링하기 위해
    신경망 필터링 유닛을 실행하도록 구성되는, 디코딩된 비디오 데이터를 필터링하기 위한 디바이스.
  29. 제 22 항에 있어서,
    상기 비디오 데이터의 디코딩된 픽처를 디스플레이하도록 구성되는 디스플레이를 더 포함하는, 디코딩된 비디오 데이터를 필터링하기 위한 디바이스.
  30. 제 22 항에 있어서,
    상기 디바이스는 카메라, 컴퓨터, 모바일 디바이스, 브로드캐스트 수신기 디바이스 또는 셋-톱 박스 중 하나 이상을 포함하는, 디코딩된 비디오 데이터를 필터링하기 위한 디바이스.
  31. 명령들이 저장된 컴퓨터 판독가능 저장 매체로서,
    상기 명령들은 실행될 때, 비디오 디코딩 디바이스의 프로세서로 하여금:
    비디오 데이터의 디코딩된 픽처에 대한 데이터를 수신하고;
    상기 비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하는 것으로서, 상기 비디오 디코딩 디바이스의 상기 하나 이상의 다른 유닛들로부터의 상기 데이터는 상기 디코딩된 픽처에 대한 상기 데이터와는 상이하고, 상기 프로세서로 하여금 상기 비디오 디코딩 디바이스의 상기 하나 이상의 다른 유닛들로부터 상기 데이터를 수신하게 하는 명령들은 상기 프로세서로 하여금 상기 비디오 디코딩 디바이스의 디블록킹 유닛으로부터 바운더리 강도 데이터를 수신하게 하는 명령들을 포함하는, 상기 하나 이상의 다른 유닛들로부터 데이터를 수신하고;
    상기 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하고; 그리고
    상기 바운더리 강도 데이터를 포함한, 상기 비디오 디코딩 디바이스의 상기 하나 이상의 다른 유닛들로부터의 데이터 및 상기 하나 이상의 신경망 모델들을 사용하여 상기 디코딩된 픽처의 부분을 필터링하기 위해
    신경망 필터링 유닛을 실행하게 하는, 명령들이 저장된 컴퓨터 판독가능 저장 매체.
  32. 디코딩된 비디오 데이터를 필터링하기 위한 디바이스로서,
    상기 디바이스는 필터링 유닛을 포함하고,
    상기 필터링 유닛은:
    비디오 데이터의 디코딩된 픽처에 대한 데이터를 수신하기 위한 수단;
    비디오 디코딩 디바이스의 하나 이상의 다른 유닛들로부터 데이터를 수신하기 위한 수단으로서, 상기 하나 이상의 다른 유닛들로부터의 상기 데이터는 상기 디코딩된 픽처에 대한 상기 데이터와는 상이하고, 상기 비디오 디코딩 디바이스의 상기 하나 이상의 다른 유닛들로부터 상기 데이터를 수신하기 위한 수단은 상기 비디오 디코딩 디바이스의 디블록킹 유닛으로부터 바운더리 강도 데이터를 수신하기 위한 수단을 포함하는, 상기 하나 이상의 다른 유닛들로부터 데이터를 수신하기 위한 수단;
    상기 디코딩된 픽처의 부분을 필터링하는데 사용될 하나 이상의 신경망 모델들을 결정하기 위한 수단; 및
    상기 바운더리 강도 데이터를 포함한, 상기 비디오 디코딩 디바이스의 상기 하나 이상의 다른 유닛들로부터의 데이터 및 상기 하나 이상의 신경망 모델들을 사용하여 상기 디코딩된 픽처의 부분을 필터링하기 위한 수단을 포함하는, 디코딩된 비디오 데이터를 필터링하기 위한 디바이스.
KR1020237021763A 2021-01-04 2022-01-03 비디오 코딩 동안의 필터링을 위한 다수의 신경망 모델들 KR20230129015A (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202163133733P 2021-01-04 2021-01-04
US63/133,733 2021-01-04
US17/566,282 2021-12-30
US17/566,282 US20220215593A1 (en) 2021-01-04 2021-12-30 Multiple neural network models for filtering during video coding
PCT/US2022/011021 WO2022147494A1 (en) 2021-01-04 2022-01-03 Multiple neural network models for filtering during video coding

Publications (1)

Publication Number Publication Date
KR20230129015A true KR20230129015A (ko) 2023-09-05

Family

ID=80050929

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237021763A KR20230129015A (ko) 2021-01-04 2022-01-03 비디오 코딩 동안의 필터링을 위한 다수의 신경망 모델들

Country Status (5)

Country Link
EP (1) EP4272448A1 (ko)
JP (1) JP2024501331A (ko)
KR (1) KR20230129015A (ko)
BR (1) BR112023012685A2 (ko)
WO (1) WO2022147494A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024078599A1 (en) * 2022-10-13 2024-04-18 Douyin Vision Co., Ltd. Method, apparatus, and medium for video processing
WO2024078598A1 (en) * 2022-10-13 2024-04-18 Douyin Vision Co., Ltd. Method, apparatus, and medium for video processing

Also Published As

Publication number Publication date
JP2024501331A (ja) 2024-01-11
BR112023012685A2 (pt) 2023-12-05
WO2022147494A1 (en) 2022-07-07
EP4272448A1 (en) 2023-11-08

Similar Documents

Publication Publication Date Title
US11206400B2 (en) Low-frequency non-separable transform (LFNST) simplifications
CN113940069A (zh) 用于视频译码中的低频不可分离变换的变换和最后有效系数位置信令
US11930215B2 (en) Multiple neural network models for filtering during video coding
EP3959891A1 (en) Adaptive loop filter set index signaling
US11825101B2 (en) Joint-component neural network based filtering during video coding
US20220030232A1 (en) Multiple adaptive loop filter sets
KR20230078653A (ko) 비디오 코딩을 위한 필터링 프로세스
US11778213B2 (en) Activation function design in neural network-based filtering process for video coding
KR20210135515A (ko) 상이한 크로마 포맷을 사용한 삼각 예측 유닛 모드에서의 비디오 코딩
US20220215593A1 (en) Multiple neural network models for filtering during video coding
KR20230129015A (ko) 비디오 코딩 동안의 필터링을 위한 다수의 신경망 모델들
US11457229B2 (en) LFNST signaling for chroma based on chroma transform skip
KR20230043101A (ko) 디블록킹 필터 파라미터 시그널링
US20240015284A1 (en) Reduced complexity multi-mode neural network filtering of video data
KR20220036945A (ko) 팔레트 및 예측 모드 시그널링
KR20230081706A (ko) 높은 비트-깊이 비디오 코딩을 위한 라이스 파라미터 값들의 적응적 도출
US20240015312A1 (en) Neural network based filtering process for multiple color components in video coding
KR20230075443A (ko) 상이한 비트 심도에서 비디오 데이터의 코딩을 위한 적응적 루프 필터링의 동작 비트 심도의 제한
KR20230079049A (ko) 비디오 코딩에서의 크로스-컴포넌트 리니어 모델 (cclm) 모드에 대한 고정된 비트 심도 프로세싱
CN116746146A (zh) 在视频编解码期间用于滤波的多个神经网络模型
TW202304201A (zh) 使用重疊區塊運動補償、組合訊框間－訊框內預測及／或亮度映射和色度縮放的視訊譯碼