WO2012117722A1 - 符号化方法、復号方法、符号化装置及び復号装置 - Google Patents
符号化方法、復号方法、符号化装置及び復号装置 Download PDFInfo
- Publication number
- WO2012117722A1 WO2012117722A1 PCT/JP2012/001350 JP2012001350W WO2012117722A1 WO 2012117722 A1 WO2012117722 A1 WO 2012117722A1 JP 2012001350 W JP2012001350 W JP 2012001350W WO 2012117722 A1 WO2012117722 A1 WO 2012117722A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- decoding
- image
- encoded
- view
- encoding
- Prior art date
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
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/187—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a scalable video layer
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
Definitions
- the present invention relates to an encoding method, a decoding method, an encoding device, and a decoding device, and more particularly, to an encoding method and a decoding method for a multi-view image signal.
- MPEG-4 Multiview Video Coding Standard (MPEG-4 Multiview Video Coding (MPEG-4 MVC): hereinafter also referred to as “MVC Standard”) is an extended standard of ISO / IEC 14496-10 AVC (Advanced Video Coding) standard.
- MVC Standard MPEG-4 Multiview Video Coding
- the data format of the MVC standard is designed to be compatible with the data format of the AVC standard. That is, a decoding device and a playback device compliant with the MVC standard can decode the AVC standard bitstream. Conversely, even an old-style decoding device that does not conform to the MVC standard and conforms only to the AVC standard can decode at least a part of the bit stream conforming to the MVC standard. Specifically, an old decoding device can decode video of at least one view among a plurality of views included in a bitstream that conforms to the MVC standard.
- the encoded base view needs to be compatible with the data format defined in the AVC standard.
- an old decoding device that complies with the high profile of the AVC standard must be able to decode the base view of the MVC bitstream that complies with the MVC standard.
- the plurality of encoded views are included in a NAL (Network Abstraction layer) unit.
- NAL Network Abstraction layer
- Different types of NAL units are distinguished by NAL unit type values.
- the non-base view (non-base view) is included in the NAL unit together with a unit type value that is a reserved value in the previous version of the AVC specification. This NAL unit is then ignored by older high profile decoding devices.
- Prefix NAL unit a special NAL unit arranged in front of each NAL unit including the encoded base view, and is transmitted together with each NAL unit.
- This prefix NAL unit has “14” as the NAL unit type value. This value indicates a preliminary value in the previous version of the AVC standard.
- the prefix NAL unit includes a plurality of additional parameters included in the MVC extension of the NAL unit header. These additional parameters are associated with the base view and are used for encoding and decoding processing of the non-base view.
- FIG. 1 is a diagram showing the position of the MVC extension syntax included in the NAL unit header.
- Parameters in the MVC extension standard of the NAL unit header include non_idr_flag, priority_id, view_id, temporal_id, anchor_pic_flag, inter_view_flag, and reserved_one_bit.
- the reserved_one_bit has a value “1” and is not used for non-base view encoding and decoding processing.
- the presentation time and decoding time of a B picture encoded according to the MPEG-2 video standard are determined to be the same. If there are non-base view pictures encoded in the MVC standard, the presentation time and decoding time of the non-base view pictures are also set to the same time as the base view B picture. Synchronization can be realized.
- the base view must be encoded using the AVC standard.
- the base view needs to be encoded using an older standard, such as the MPEG-2 video standard, for compatibility with older playback devices.
- MVC extension parameter of the NAL unit header cannot be used in a coded image compressed using the MPEG-2 video standard. Further, such MVC extension parameters may cause a problem in decoding processing by an old MPEG-2 decoding device. Note that these MVC extension parameters are necessary for decoding a non-base-view encoded image compressed by the MVC standard.
- the conventional technique has a first problem that it is necessary to transmit a parameter that may cause a problem in a decoding process by an old decoding device.
- the decoding time and presentation time of the B picture of the base view encoded using the MPEG-2 video standard are the decoding time and presentation time of the non-base view picture encoded using the MPEG-4 MVC standard. Constrained to be the same. However, in the decoding of the non-base view picture, since the decoded image of the B picture of the base view may be used for inter-screen prediction, the actual decoding time of the non-base view picture is the same as the decoding time of the base view picture. It is not always the same. Therefore, the actual presentation time of the non-base view picture may be later than the presentation time of the base view picture. Thus, the conventional technique has a second problem that a synchronization problem may occur between the base view and the non-base view.
- the present invention solves at least one of the first problem and the second problem, and (1) does not transmit a parameter that may cause a problem in decoding processing by an old decoding device. It is an object of the present invention to provide at least one of an encoding method or a decoding method that may be used, and (2) an encoding method or a decoding method that can reduce synchronization problems between a plurality of views.
- an encoding method encodes a multi-view image signal including images of first and second views to generate first and second bit streams.
- a first encoding image is generated by encoding an image of the first view in an encoding method compliant with the first standard and the second standard.
- a second encoded image is generated by encoding the second view image using the plurality of second parameters and referring to the first view image.
- the encoding method according to an aspect of the present invention calculates the second parameter for the first view. Thereby, the encoding method may not transmit the second parameter to the decoding device. As described above, by using the encoding method according to an aspect of the present invention, it is not necessary to transmit a parameter that may cause a problem in decoding processing by an old decoding device.
- the parameter calculation step may include, for a part of the plurality of parameters, a value of the part of the plurality of second parameters as a value of the part of the plurality of second parameters.
- a step of setting values of the some of the parameters may be included.
- the some parameters include a parameter indicating whether an image is an IDR picture, a parameter indicating a decoding order of a plurality of images, and a parameter indicating whether a picture is a picture positioned at the head of a sequence. And may be included.
- the parameter value of the second view is set. Used as parameter value for first view. Accordingly, the encoding method can appropriately calculate the second parameter for the first view.
- the plurality of parameters include a priority identifier indicating a decoding priority for the view, and the parameter calculating step sets a value indicating the highest priority to the priority identifier included in the plurality of second parameters.
- the step of performing may be included.
- the encoding method according to an aspect of the present invention can appropriately calculate the second parameter for the first view.
- the plurality of parameters include a view identifier for identifying each of the plurality of views, and the parameter calculation step refers to another view as a value of the view identifier included in the plurality of second parameters. And a step of setting a predetermined value given to a view that can be decoded without performing the processing.
- the encoding method according to an aspect of the present invention can appropriately calculate the second parameter for the first view.
- the plurality of parameters include an inter-view prediction flag indicating whether or not the target image is referenced from an image of another view, and in the parameter calculation step, the first encoded image is a B picture. And when the first encoded image is a B picture, the inter-view prediction flag included in the plurality of second parameters is not referenced from images of other views And when the first encoded image is not a B picture, the inter-view prediction flag included in the plurality of second parameters is referred to from an image of another view. And a step of setting to a value indicating.
- the encoding method according to an aspect of the present invention can appropriately calculate the second parameter for the first view.
- the first standard may be an MPEG-4 MVC standard
- the second standard may be an MPEG-2 standard
- the plurality of parameters may be MVC extension parameters of a NAL unit header.
- the decoding method includes a first encoded bitstream obtained by encoding an image of a first view in accordance with the first standard and the second standard. And a second encoded bitstream obtained by encoding a second view image with reference to the first view image in accordance with the first standard.
- An analysis step a first decoding step of generating a first decoded image by decoding the first encoded image by a decoding method compliant with the second standard, and the first standard Based on the second encoded bitstream (1) a plurality of parameters that do not conform to the second standard and conform to the first standard, and are included in the second encoded bitstream, A plurality of first parameters for a second encoded image; (2) a second analysis step of obtaining the second encoded image; and the plurality of parameters, wherein the first parameter Using a plurality of first parameters and a plurality of second parameters in a parameter calculation step for calculating a plurality of second parameters for an encoded image, and a decoding method compliant with the first standard; And a second decoding step of generating a second decoded image by decoding the second encoded image with reference to the first decoded image.
- the decoding method calculates the second parameter for the first view. Thereby, it is not necessary to transmit the said 2nd parameter from an encoding apparatus to a decoding apparatus. As described above, by using the decoding method according to one embodiment of the present invention, it is not necessary to transmit parameters that may cause a problem in the decoding process by the old decoding device.
- a first encoded image obtained by encoding an image of a first view and an image of a second view are obtained by encoding the first view.
- a decoding method for decoding a multi-view encoded bitstream including a second encoded image obtained by encoding with reference to an image, the decoding method included in the encoded bitstream A presentation time acquisition step of acquiring a presentation time of one encoded image, a decoding time derivation step of deriving a decoding time of the first encoded image, and the first encoded image at the decoding time.
- a presenting step of presenting A presentation time acquisition step of acquiring a presentation time of one encoded image, a decoding time derivation step of deriving a decoding time of the first encoded image, and the first encoded image at the de
- the decoding method delays the presentation time of the first view. Thereby, the decoding method can reduce synchronization problems between a plurality of views.
- a first encoded image obtained by encoding an image of a first view and an image of a second view are obtained by encoding the first view.
- a decoding method for decoding a multi-view encoded bitstream including a second encoded image obtained by encoding with reference to an image, the decoding method included in the encoded bitstream A presentation time acquisition step of acquiring a presentation time of the second encoded image, a decoding time acquisition step of acquiring a decoding time of the second encoded image included in the encoded bitstream, and an offset of the decoding time
- a decoding time delay step for calculating a delay decoding time by delaying by a value, and a decoding step for generating a decoded image by decoding the second encoded image at the delay decoding time.
- the decoding method delays the decoding time and the presentation time of the second view. Thereby, the decoding method can reduce synchronization problems between a plurality of views.
- a first encoded image obtained by encoding an image of a first view and an image of a second view are obtained by encoding the first view.
- An acquisition step a decoding time delay step of calculating a delay decoding time by delaying the decoding time by an offset value; and the encoded sound at the delay decoding time.
- the decoding method delays the decoding time and presentation time of the audio sample. Thereby, the decoding method can reduce synchronization problems between a plurality of views.
- the present invention can be realized not only as such an encoding method or decoding method, but also as an encoding device or decoding device that uses characteristic steps included in the encoding method or decoding method.
- Such characteristic steps can also be realized as a program for causing a computer to execute.
- a program can be distributed via a recording medium such as a CD-ROM and a transmission medium such as the Internet.
- the present invention can be realized as a semiconductor integrated circuit (LSI) that realizes part or all of the functions of such an encoding apparatus or decoding apparatus, or encoding / decoding including such an encoding apparatus and decoding apparatus. Or as a device.
- LSI semiconductor integrated circuit
- the present invention includes (1) an encoding method or a decoding method that does not require transmission of a parameter that may cause a problem in decoding processing by an old decoding device, and (2) synchronization between a plurality of views. It is possible to provide at least one of an encoding method and a decoding method that can reduce the problem.
- FIG. 1 is a diagram illustrating the positions of MVC extension standard parameters and picture_coding_type of the NAL unit header.
- FIG. 2 is a flowchart showing an encoding process according to Embodiment 1 of the present invention.
- FIG. 3 is a flowchart showing decoding processing according to Embodiment 1 of the present invention.
- FIG. 4 is a flowchart showing processing for calculating the MVC extension parameter according to Embodiment 1 of the present invention.
- FIG. 5 is a flowchart showing processing for setting a non-base view MVC extension parameter value as a base view MVC extension parameter value according to Embodiment 1 of the present invention.
- FIG. 6 is a block diagram of the coding apparatus according to Embodiment 1 of the present invention.
- FIG. 1 is a diagram illustrating the positions of MVC extension standard parameters and picture_coding_type of the NAL unit header.
- FIG. 2 is a flowchart showing an encoding process according to Embodiment 1 of the present invention
- FIG. 7 is a block diagram of the decoding apparatus according to Embodiment 1 of the present invention.
- FIG. 8A is a diagram showing the position of the PTS of the base view according to Embodiment 2 of the present invention.
- FIG. 8B is a diagram showing the positions of the non-base view PTS and DTS according to Embodiment 2 of the present invention.
- FIG. 8C is a diagram showing a position of the PTS of the audio sample according to Embodiment 2 of the present invention.
- FIG. 9 is a diagram showing decoding timing and presentation timing according to Embodiment 2 of the present invention.
- FIG. 10 is a flowchart showing base view decoding processing according to Embodiment 2 of the present invention.
- FIG. 10 is a flowchart showing base view decoding processing according to Embodiment 2 of the present invention.
- FIG. 11 is a flowchart showing non-base view decoding processing according to Embodiment 2 of the present invention.
- FIG. 12 is a flowchart showing audio sample decoding processing according to Embodiment 2 of the present invention.
- FIG. 13 is a block diagram of a decoding apparatus according to Embodiment 2 of the present invention.
- FIG. 14 is an overall configuration diagram of a content supply system that implements a content distribution service.
- FIG. 15 is an overall configuration diagram of a digital broadcasting system.
- FIG. 16 is a block diagram illustrating a configuration example of a television.
- FIG. 17 is a block diagram illustrating a configuration example of an information reproducing / recording unit that reads and writes information from and on a recording medium that is an optical disk.
- FIG. 18 is a diagram illustrating a structure example of a recording medium that is an optical disk.
- FIG. 19A illustrates an example of a mobile phone.
- FIG. 19B is a block diagram illustrating a configuration example of a mobile phone.
- FIG. 20 is a diagram showing a structure of multiplexed data.
- FIG. 21 is a diagram schematically showing how each stream is multiplexed in the multiplexed data.
- FIG. 22 is a diagram showing in more detail how the video stream is stored in the PES packet sequence.
- FIG. 23 is a diagram illustrating the structure of TS packets and source packets in multiplexed data.
- FIG. 24 is a diagram illustrating a data structure of the PMT.
- FIG. 25 is a diagram showing an internal configuration of multiplexed data information.
- FIG. 19A illustrates an example of a mobile phone.
- FIG. 19B is a block diagram illustrating a configuration example of a mobile phone.
- FIG. 20 is a
- FIG. 26 shows the internal structure of stream attribute information.
- FIG. 27 is a diagram illustrating steps for identifying video data.
- FIG. 28 is a block diagram illustrating a configuration example of an integrated circuit that realizes the moving picture coding method and the moving picture decoding method according to each embodiment.
- FIG. 29 is a diagram illustrating a configuration for switching the driving frequency.
- FIG. 30 is a diagram illustrating steps for identifying video data and switching between driving frequencies.
- FIG. 31 is a diagram showing an example of a look-up table in which video data standards are associated with drive frequencies.
- FIG. 32A is a diagram illustrating an example of a configuration for sharing a module of a signal processing unit.
- FIG. 32B is a diagram illustrating another example of a configuration for sharing a module of a signal processing unit.
- Embodiment 1 The decoding method according to Embodiment 1 of the present invention calculates the MVC extension parameter of the base view among the MVC extension parameters in the MPEG-4 MVC standard. Thereby, it is not necessary to include the MVC extension parameter of the base view in the encoded bitstream. Therefore, by using the encoding method and the decoding method according to Embodiment 1 of the present invention, it is not necessary to transmit parameters that may cause a problem in the decoding process performed by the old decoding device.
- the encoding method according to the present embodiment generates first and second bit streams by encoding a multi-view image signal including images of first and second views.
- the first encoded image is encoded by encoding an image of the first view (base view) with an encoding method compliant with the first standard and the second standard. Is generated.
- the encoding method is an encoding method compliant with the first standard
- the second view image non-base view
- the encoded image is generated.
- the first encoded image can be decoded by a decoding device compliant with at least one of the first standard and the second standard.
- the second encoded image can be decoded by a decoding device that conforms to the first standard, but cannot be decoded by a decoding device that conforms only to the second standard.
- FIG. 2 is a flowchart showing the encoding process according to Embodiment 1 of the present invention.
- the encoding apparatus in step S101, the encoding apparatus according to the present embodiment generates a first encoded image by encoding a base view image using an MPEG-2 video encoding tool.
- the encoding apparatus generates a first encoded image by encoding a base view image using an encoding method compliant with the MPEG-2 video standard and the MVC standard.
- the base view is an example of a first view according to the present embodiment.
- the MPEG-2 video standard is an example of a second standard according to the present embodiment.
- step S102 the encoding apparatus describes the first encoded image in a byte stream format conforming to the MPEG-2 video specification.
- the encoding device generates a first encoded bitstream including a first encoded image according to a format compliant with the MPEG-2 video standard and the MVC standard.
- the encoding apparatus determines first extension parameters that are a plurality of MVC extension parameters of the NAL unit header for the non-base view image.
- the non-base view is an example of a second view according to the present embodiment.
- the MVC extension parameter is a parameter that conforms to the MVC standard and does not conform to the MPEG-2 video standard.
- the MVC extension parameters include non_idr_flag, priority_id, view_id, temporal_id, anchor_pic_flag, and inter_view_flag.
- Non_idr_flag indicates whether or not the picture is an IDR picture.
- the IDR picture is a picture that can be decoded without referring to another picture.
- a picture subsequent to the IDR picture in decoding order does not refer to a picture preceding the IDR picture.
- Priority_id indicates the priority in decoding the encoded image signal of the view. In other words, priority_id indicates the decoding order of the encoded image signals of a plurality of views.
- View_id is information for identifying the encoded image signal of the view. For example, “0” is assigned to the base view, and “1, 2,...” Is assigned to the non-base view.
- Temporal_id is an identifier indicating the decoding order of a plurality of pictures.
- Serial number temporary_id is given to a plurality of consecutive pictures.
- Anchor_pic_flag is information indicating whether or not the picture is a picture positioned at the head of the sequence.
- Inter_view_flag indicates whether or not the picture is used for inter-view prediction by another view. Specifically, when the value of inter_view_flag is “1”, the picture is used for inter-view prediction by another view, and when the value of inter_view_flag is “0”, the picture is used for inter-view prediction by another view. Not used. Note that inter-view prediction is a prediction method that uses a picture of another view as a reference picture.
- step S104 the encoding apparatus calculates a second extension parameter that is an MVC extension parameter for the base view.
- the encoding apparatus encodes the image of the second view using the first and second extension parameters and the MPEG-4 MVC encoding tool.
- the encoding apparatus uses a plurality of first and second extension parameters in an encoding method compliant with the MVC standard, and refers to a base view image, thereby non-base view images. Is encoded to generate a second encoded image.
- the MVC standard is an example of a first standard according to the present embodiment.
- step S106 the encoding apparatus writes the second encoded image in the NAL unit conforming to the MPEG-4 MVC specification. Specifically, the encoding apparatus generates a second encoded bitstream including a second encoded image and a first extension parameter according to a format compliant with the MVC standard.
- the multi-view encoded bitstream generated by the encoding method according to the present embodiment does not include the second extension parameter for the first encoded image.
- the encoding method according to the present embodiment does not transmit a parameter that may cause a problem in the decoding process by the old decoding device.
- the decoding method decodes a multi-view encoded bitstream compliant with the MVC standard, including the first and second encoded bitstreams generated by the encoding method.
- FIG. 3 is a flowchart showing a decoding process according to Embodiment 1 of the present invention.
- step S121 the decoding apparatus analyzes the first encoded image based on the MPEG-2 video specification.
- the decoding apparatus acquires the first encoded image by analyzing the first encoded bitstream based on the MPEG-2 video standard.
- step S122 the decoding apparatus generates a first decoded image by decoding the first encoded image using an MPEG-2 decoding tool.
- step S123 the decoding apparatus analyzes the first extension parameter, which is the MVC extension parameter of the NAL unit header for the second encoded image, based on the MPEG-4 MVC specification. Specifically, the decoding apparatus analyzes the second encoded bitstream based on the MVC standard, and thereby includes a plurality of first extension parameters for the second encoded image, An encoded image is acquired.
- the first extension parameter which is the MVC extension parameter of the NAL unit header for the second encoded image
- step S124 the decoding apparatus calculates a second extension parameter that is an MVC extension parameter of the NAL unit header for the first encoded image.
- step S125 the decoding apparatus acquires the second encoded image by analyzing the second encoded image based on the MPEG-4 MVC specification.
- the decoding apparatus decodes the second encoded image using the first and second extension parameters and the MPEG-4 MVC decoding tool. Specifically, the decoding apparatus uses a plurality of first and second extension parameters in a decoding method compliant with the MVC standard, and refers to the first decoded image, and outputs the second encoded image. Is decoded to generate a second decoded image.
- the decoding method calculates the second extension parameter for the first encoded image. Accordingly, the decoding method can decode a multi-view encoded bitstream that does not include the second extension parameter.
- FIG. 4 is a flowchart showing processing for calculating a plurality of MVC extension parameters of the NAL unit header according to Embodiment 1 of the present invention.
- step S141 the encoding apparatus performs the above-described one of the plurality of second extension parameters of the first encoded image of the base view with respect to some parameters of the plurality of MVC extension parameters.
- the values of some of the plurality of first extended parameters of the second encoded image of the non-base view are set. Details of this process will be described later.
- step S142 the encoding apparatus sets a first predetermined value as the value of priority_id for the first encoded image of the base view.
- the first predetermined value is zero. That is, priority_id is set to a value indicating the highest priority. In other words, priority_id is set to a value indicating that decoding is performed first.
- step S143 the encoding apparatus sets a second predetermined value as the value of view_id.
- the second predetermined value is zero.
- view_id 0 indicates that the view is a base view.
- a predetermined value assigned to a view that can be decoded without referring to another view is set as the value of view_id.
- step S144 the encoding apparatus analyzes picture encoding type information (picture_coding_type) included in the picture header of the base view.
- picture_coding_type indicates whether an encoded picture is an I picture, a P picture, or a B picture.
- step S145 the encoding apparatus determines whether picture_coding_type includes a third predetermined value.
- the third predetermined value is a value indicating the B picture, and is “3”, for example. That is, in step S144, it is determined whether or not the first encoded image is a B picture.
- step S146 the encoding apparatus sets the value of inter_view_flag for the first encoded image of the base view to zero. That is, the encoding apparatus sets the value of inter_view_flag to a value indicating that the encoded image is not referred to from images of other views.
- step S147 the encoding apparatus sets the value of inter_view_flag for the first encoded image of the base view to “1”. That is, the encoding apparatus sets the value of inter_view_flag to a value indicating that the encoded image is referred to from an image of another view.
- step S141 shown in FIG. 4 will be described in detail.
- FIG. 5 is a flowchart showing a process (step S141 in FIG. 4) for setting the values of a plurality of parameters among the first extended parameters of the non-base view to the values of the plurality of parameters of the base view.
- step S161 the encoding apparatus sets the value of non_idr_flag for the second encoded image of the non-base view as the value of non_idr_flag for the first encoded image of the base view.
- step S162 the encoding apparatus sets the value of temporal_id for the second encoded image of the non-base view as the value of temporal_id for the first encoded image of the base view.
- step S163 the encoding apparatus sets the value of the anchor_pic_flag for the second encoded image of the non-base view as the value of the anchor_pic_flag for the first encoded image of the base view.
- FIG. 6 is a block diagram showing an example of the coding apparatus according to Embodiment 1 of the present invention.
- the encoding apparatus 100 illustrated in FIG. 6 generates a multi-view encoded bitstream by encoding a multi-view image signal.
- the multi-view image signal includes a base-view image signal D101 and a non-base-view image signal D106.
- the encoding apparatus 100 generates a base-view encoded bitstream D104 by encoding the base-view image signal D101 with an encoding method compliant with the MPEG-2 standard. That is, the encoded bit stream D104 of the base view can be decoded not only by a decoding device compliant with the MPEG-4 MVC standard but also by a decoding device compliant only with the MPEG-2 standard.
- the encoding apparatus 100 generates the non-base view encoded bitstream D111 by encoding the non-base view image signal D106 using an encoding method compliant with the MVC standard. Specifically, the encoding apparatus 100 encodes the non-base view image signal D106 using the base view image signal D101. More specifically, the encoding apparatus 100 performs an encoding process using the base-view image signal D101 as a reference image.
- the non-base-view encoded bitstream D111 can be decoded by a decoding device compliant with the MVC standard, but cannot be decoded by a decoding device compliant only with the MPEG-2 standard.
- the encoding apparatus 100 includes a base view encoding unit 101 using an MPEG-2 encoding tool, a base view writing unit 102, a base view decoding unit 103 using an MPEG-2 decoding tool, and a base view NAL unit header.
- Base view MVC extension parameter calculation unit 104 that calculates the MVC extension parameter of the non-base view
- non-base view MVC extension parameter determination unit 105 that determines the MVC extension parameter of the NAL unit header of the non-base view
- memory 106 and MPEG-4 MVC
- a non-base view encoding unit 107 that uses an encoding tool and a non-base view writing unit 108 are included.
- the base view encoding unit 101 generates the encoded image signal D102 by encoding the base view image signal D101. Then, the base view encoding unit 101 outputs the generated encoded image signal D102 to both the base view writing unit 102 and the base view decoding unit 103. Also, the base view encoding unit 101 outputs the picture encoding type D112 (picture_coding_type) to the base view MVC extension parameter calculation unit 104. In addition, this encoded picture signal D102 is also given this picture encoding type D112.
- the base-view decoding unit 103 generates a base-view decoded image signal D103 by decoding the base-view encoded image signal D102 using an MPEG-2 video decoding tool. Then, the base view decoding unit 103 stores the generated decoded image signal D103 of the base view in the memory 106.
- the non-base view image signal D106 is input to both the non-base view MVC extension parameter determination unit 105 and the non-base view encoding unit 107.
- the non-base view MVC extension parameter determination unit 105 determines a first extension parameter D107 that is a plurality of non-base view MVC extension parameters. Then, the non-base view MVC extension parameter determination unit 105 outputs the determined first extension parameter to both the base view MVC extension parameter calculation unit 104 and the non-base view encoding unit 107.
- the base view MVC extended parameter calculation unit 104 acquires a plurality of setting values D105 including the first to third predetermined values, a picture encoding type D112, and a first extended parameter D107. Then, the base view MVC extended parameter calculation unit 104 sets the value of the acquired corresponding parameter as the value of the second extended parameter D108 of the base view. Then, the base view MVC extension parameter calculation unit 104 outputs the second extension parameter D108 to the non-base view encoding unit 107.
- the non-base view encoding unit 107 outputs a non-base view image signal D106, a first non-base view extension parameter D107, a base view second extension parameter D108, and a base view decoded image signal D109.
- the encoded image signal D110 of the non-base view is generated by using and encoding using the MPEG-4 MVC encoding tool.
- the encoded image signal D110 is given the first extension parameter D107 but not the second extension parameter D108.
- the base view writing unit 102 generates a base view encoded bit stream D104 including a base view encoded image signal D102 according to a format compliant with the MPEG-2 standard.
- the non-base view writing unit 108 generates a non-base view encoded bitstream D111 including a non-base view encoded image signal D110 according to a format compliant with the MPEG-4 MVC standard.
- the encoded bitstream D111 of the non-base view includes the first extended parameter of the non-base view, but does not include the second extended parameter of the base view.
- FIG. 7 is a block diagram showing an example of the decoding apparatus according to Embodiment 1 of the present invention.
- the decoding apparatus 200 illustrated in FIG. 7 generates a multi-view decoded image signal by decoding a multi-view encoded bitstream.
- the multi-view encoded bitstream is a multi-view encoded bitstream generated by the encoding apparatus 100 described above.
- the multi-view encoded bitstream includes a base-view encoded bitstream D201 and a non-base-view encoded bitstream D205.
- the decoding apparatus 200 generates a base-view decoded image signal D207 by decoding the base-view encoded bitstream using a decoding method compliant with the MPEG-2 standard.
- the decoding apparatus 200 generates a non-base-view decoded image signal D210 by decoding the non-base-view encoded bitstream D205 with a decoding method compliant with the MPEG-4 MVC standard. Specifically, the decoding apparatus 200 decodes the non-base-view encoded bitstream D205 using the base-view encoded bitstream D201. More specifically, the decoding apparatus 200 performs a decoding process using the base-view decoded image signal D207 generated from the base-view encoded bitstream D201 as a reference image.
- This decoding apparatus 200 includes a base-view picture header analysis unit 201, a base-view decoding unit 202 using an MPEG-2 decoding tool, a memory 203, and a non-base view that analyzes MVC extension parameters of a NAL unit header of a non-base view. It includes an MVC extension parameter analysis unit 204, a base view MVC extension parameter calculation unit 205 that calculates an MVC extension parameter of the NAL unit header of the base view, and a non-base view decoding unit 206 that uses an MPEG-4 MVC decoding tool.
- the base view picture header analysis unit 201 analyzes the base view encoded bitstream D201. Then, the base view picture header analysis unit 201 outputs the encoded image signal D202 included in the encoded bitstream D201 of the base view to the base view decoding unit 202.
- the base-view decoding unit 202 generates a base-view decoded image signal D207 by decoding the base-view encoded image signal D202 using an MPEG-2 decoding tool. Further, the decoded image signal D207 of the base view is stored in the memory 203.
- the base view picture header analysis unit 201 outputs the picture coding type D203 (picture_coding_type) included in the base view coded bitstream D201 to the base view MVC extension parameter calculation unit 205.
- the non-base view MVC extension parameter analysis unit 204 analyzes the non-base view encoded bitstream D205. Then, the non-base view MVC extension parameter analysis unit 204 uses the first extension parameter D206, which is a plurality of MVC extension parameters of the NAL unit header of the non-base view included in the encoded bitstream D205 of the non-base view, as a base. This is output to both the view MVC extended parameter calculation unit 205 and the non-base view decoding unit 206. Further, the non-base view MVC extension parameter analysis unit 204 outputs the non-base view encoded image signal D208 included in the non-base view encoded bitstream D205 to the non-base view decoding unit 206.
- the base view MVC extended parameter calculation unit 205 obtains a plurality of setting values D204 including the first to third predetermined values, a picture encoding type D203, and a plurality of first extended parameters D206 of the non-base view. . Then, the base view MVC extended parameter calculation unit 205 sets the acquired corresponding parameter values as the values of the plurality of second extended parameters of the base view. Then, the base view MVC extended parameter calculation unit 205 outputs the plurality of second extended parameters D211 of the base view to the non-base view decoding unit 206.
- the non-base view decoding unit 206 uses the base view decoded image signal D209, the plurality of second extended parameters D211 of the base view, and the plurality of first extended parameters D206 of the non-base view,
- the encoded image signal D208 is decoded using a plurality of MPEG-4 MVC decoding tools, thereby generating a non-base-view decoded image signal D210.
- the second extension parameter that is the MVC extension parameter of the base view is calculated by both the encoding device and the decoding device. This eliminates the need to include this second extension parameter in the encoded bitstream.
- the encoding method and the decoding method according to the present embodiment transmit the second extension parameter that is a new data unit that may cause a problem in the decoding process by the old MPEG-2 decoding apparatus. Without this, it is possible to determine the values of the plurality of second extension parameters associated with the base view, which are necessary for decoding the non-base view.
- the encoding method according to the present embodiment enables the encoded bitstream generated by the encoding method to be decodable by a commercially available old-style MPEG-2 decoding apparatus, and the encoding method according to the present embodiment.
- the decoding method By using the decoding method, all multi-view images can be decoded.
- Embodiment 2 The decoding method according to Embodiment 2 of the present invention delays the decoding time and presentation time of images and audio. Thereby, the decoding method can reduce synchronization problems between a plurality of views.
- the first encoded image obtained by encoding the first view image and the second view image refer to the first view image.
- the multi-view encoded bitstream including the second encoded image obtained by the encoding and the encoded audio sample in which the audio sample is encoded is decoded.
- FIGS. 8A to 8C are diagrams showing positions of a presentation time stamp (Presentation Time Stamp: PTS) and a decoding time stamp (Decoding Time Stamp: DTS) according to Embodiment 2 of the present invention.
- PTS Presentation Time Stamp
- DTS Decoding Time Stamp
- the PTS is arranged in a PES header encapsulating media data including any of a base view image, a non-base view image, and an audio sample.
- the PES data includes an image of a base view that is a B picture, or when the PES data includes an audio sample, the value of the DTS is the same as the value of the PTS. Therefore, in such a case, as shown in FIGS. 8A and 8C, the DTS may not be present in the PES header of the PES packet.
- FIG. 9 is a diagram showing the decoding timing and presentation timing of a pair of stereo images and corresponding audio samples according to Embodiment 2 of the present invention.
- the presentation time of base view images and the decoding time and presentation time of non-base view images and audio samples corresponding to each other are all delayed by one frame period. This ensures that the decrypted media is synchronized during playback.
- one frame period is a period equal to the reciprocal of the frame rate.
- FIG. 10 is a flowchart of processing for decoding the first encoded image of the base view according to Embodiment 2 of the present invention.
- the decoding apparatus acquires the presentation time of the first encoded image of the base view from the header of the first encoded image of the base view. Specifically, the decoding apparatus acquires parameters from the PES packet header including a part of the base view image signal.
- step S202 the decoding apparatus derives a decoding time for the first encoded image of the base view. Specifically, when the encoded image is a B picture, the decoding device sets the decoding time to the same value as the presentation time.
- step S203 the decoding apparatus generates a decoded image by decoding the first encoded image of the base view at the derived decoding time.
- step S204 the decoding apparatus calculates a delayed presentation time which is a new presentation time for the decoded image by delaying the presentation time acquired in step S201 by an offset value.
- This offset value is, for example, one frame period that is the reciprocal of the frame rate.
- step S205 the decoding apparatus presents the decoded image of the base view at the newly calculated delay presentation time.
- FIG. 11 is a flowchart of processing for decoding the second encoded image of the non-base view according to Embodiment 2 of the present invention.
- step S221 the decoding apparatus acquires the presentation time of the second encoded image of the non-base view from the header of the second encoded image.
- the parameter is acquired from the PES packet header including a part of the image signal of the non-base view.
- step S222 the decoding apparatus acquires the decoding time from the header of the second encoded image of the non-base view.
- step S223 the decoding apparatus calculates a delayed decoding time, which is a new decoding time for a non-base view encoded image, by delaying the decoding time acquired in step S222 by an offset value.
- This offset value is, for example, one frame period.
- step S224 the decoding apparatus generates a decoded image by decoding the encoded image of the non-base view at the newly calculated delay decoding time.
- step S225 the decoding apparatus calculates a delayed presentation time that is a new presentation time for the decoded image by delaying the presentation time acquired in step S221 by the offset value.
- step S226 the decoding apparatus presents the decoded image of the non-base view at the newly calculated delay presentation time.
- FIG. 12 is a flowchart of processing for decoding a plurality of audio samples according to Embodiment 2 of the present invention.
- step S241 the decoding apparatus acquires the presentation time of the audio sample from the audio sample of the base view. Specifically, a parameter is acquired from a PES packet header including a part of a plurality of audio samples.
- step S242 the decoding apparatus acquires the decoding time of the audio sample from the PES packet header. Note that, when the decoding time is not included in the PES packet header, the decoding device may derive the decoding time of the audio sample by the same method as the processing for the base view.
- step S243 the decoding apparatus calculates a delayed decoding time that is a new decoding time for a plurality of audio samples by delaying the decoding time acquired in step S242 by an offset value.
- This offset value is, for example, one frame period.
- step S244 the decoding apparatus generates a decoded speech sample by decoding a plurality of speech samples at the newly calculated delay decoding time.
- step S245 the decoding apparatus calculates a delayed presentation time that is a new presentation time for the decoded speech sample by delaying the presentation time acquired in step S241 by the offset value.
- step S246 the decoding apparatus presents the decoded speech sample at the newly calculated delay presentation time.
- FIG. 13 is a block diagram showing an example of a decoding apparatus according to Embodiment 2 of the present invention.
- the decoding apparatus 300 illustrated in FIG. 13 generates a multi-view decoded image signal D308 by decoding the multi-view encoded bitstream D301.
- the decoding apparatus 300 includes a PES header analysis unit 301, a decoding unit 302, a memory 303, a display unit 304, and a DTS / PTS calculation unit 305.
- the PES header analysis unit 301 analyzes the encoded image signal encapsulated in a plurality of PES packets included in the encoded bitstream D301, thereby providing a presentation time stamp (PTS) and a decoding time stamp if present.
- the presentation time and decoding time D302 which are (DTS) are acquired.
- the PES header analysis unit 301 outputs the obtained presentation time and decoding time D302 to the DTS / PTS calculation unit 305.
- the PES header analysis unit 301 outputs the encoded image signal D303 included in the encoded bitstream D301 to the decoding unit 302.
- the DTS / PTS calculation unit 305 calculates a delay presentation time D307 (delayed PTS) and a delayed decoding time D306 (delayed DTS) using the presentation time and the decoding time D302. Then, the DTS / PTS calculation unit 305 outputs the calculated delay decoding time D306 to the decoding unit 302, and outputs the calculated delay presentation time D307 to the display unit 304.
- the decoding unit 302 generates the decoded image signal D304 by decoding the encoded image signal D303 at the delay decoding time D306. Then, the decoding unit 302 stores the generated decoded image signal D304 in the memory 303.
- the display unit 304 reads the decoded image signal D305 from the memory 303 at the delay presentation time D307, and outputs the read decoded image signal D305 as the decoded image signal D308 for display.
- the decoding method according to Embodiment 2 of the present invention can reduce synchronization problems among a plurality of views by delaying the decoding time and presentation time of images and sounds.
- the decoding method can solve the synchronization problem between the decoded image of the base view and the decoded image of the non-base view by calculating new decoding times and presentation times of the base view and the non-base view.
- the storage medium may be any medium that can record a program, such as a magnetic disk, an optical disk, a magneto-optical disk, an IC card, and a semiconductor memory.
- the system has an image encoding / decoding device including an image encoding device using an image encoding method and an image decoding device using an image decoding method.
- image encoding / decoding device including an image encoding device using an image encoding method and an image decoding device using an image decoding method.
- Other configurations in the system can be appropriately changed according to circumstances.
- FIG. 14 is a diagram showing an overall configuration of a content supply system ex100 that realizes a content distribution service.
- the communication service providing area is divided into desired sizes, and base stations ex106, ex107, ex108, ex109, and ex110, which are fixed wireless stations, are installed in each cell.
- the content supply system ex100 includes a computer ex111, a PDA (Personal Digital Assistant) ex112, a camera ex113, a mobile phone ex114, a game machine ex115 via the Internet ex101, the Internet service provider ex102, the telephone network ex104, and the base stations ex106 to ex110. Etc. are connected.
- PDA Personal Digital Assistant
- each device may be directly connected to the telephone network ex104 without going through the base stations ex106 to ex110 which are fixed wireless stations.
- the devices may be directly connected to each other via short-range wireless or the like.
- the camera ex113 is a device that can shoot moving images such as a digital video camera
- the camera ex116 is a device that can shoot still images and movies such as a digital camera.
- the mobile phone ex114 is a GSM (registered trademark) (Global System for Mobile Communications) method, a CDMA (Code Division Multiple Access) method, a W-CDMA (Wideband-Code Division MultipleL), or a W-CDMA (Wideband-Code Division MultipleT method). It may be a system, HSPA (High Speed Packet Access) mobile phone, PHS (Personal Handyphone System), or the like.
- the camera ex113 and the like are connected to the streaming server ex103 through the base station ex109 and the telephone network ex104, thereby enabling live distribution and the like.
- live distribution content that is shot by the user using the camera ex113 (for example, music live video) is encoded as described in the above embodiments (that is, the image encoding of the present invention).
- Function as a device and transmit to the streaming server ex103.
- the streaming server ex103 streams the content data transmitted to the requested client.
- the client include a computer ex111, a PDA ex112, a camera ex113, a mobile phone ex114, a game machine ex115, and the like that can decode the encoded data.
- Each device that receives the distributed data decodes the received data and reproduces it (that is, functions as the image decoding device of the present invention).
- the encoded processing of the captured data may be performed by the camera ex113, the streaming server ex103 that performs the data transmission processing, or may be performed in a shared manner.
- the decryption processing of the distributed data may be performed by the client, the streaming server ex103, or may be performed in a shared manner.
- still images and / or moving image data captured by the camera ex116 may be transmitted to the streaming server ex103 via the computer ex111.
- the encoding process in this case may be performed by any of the camera ex116, the computer ex111, and the streaming server ex103, or may be performed in a shared manner.
- encoding / decoding processes are generally performed by the computer ex111 and the LSI ex500 included in each device.
- the LSI ex500 may be configured as a single chip or a plurality of chips.
- moving image encoding / decoding software is incorporated into some recording media (CD-ROM, flexible disk, hard disk, etc.) that can be read by the computer ex111 and the like, and encoding / decoding processing is performed using the software May be.
- moving image data acquired by the camera may be transmitted.
- the moving image data at this time is data encoded by the LSI ex500 included in the mobile phone ex114.
- the streaming server ex103 may be a plurality of servers or a plurality of computers, and may process, record, and distribute data in a distributed manner.
- the encoded data can be received and reproduced by the client.
- the information transmitted by the user can be received, decrypted and reproduced by the client in real time, and even a user who does not have special rights or facilities can realize personal broadcasting.
- the digital broadcasting system ex200 also includes at least the moving image encoding device (image encoding device) or the moving image decoding according to each of the above embodiments. Any of the devices (image decoding devices) can be incorporated.
- the broadcasting station ex201 multiplexed data obtained by multiplexing music data and the like on video data is transmitted to a communication or satellite ex202 via radio waves.
- This video data is data encoded by the moving image encoding method described in the above embodiments (that is, data encoded by the image encoding apparatus of the present invention).
- the broadcasting satellite ex202 transmits a radio wave for broadcasting, and this radio wave is received by a home antenna ex204 capable of receiving satellite broadcasting.
- the received multiplexed data is decoded and reproduced by an apparatus such as the television (receiver) ex300 or the set top box (STB) ex217 (that is, functions as the image decoding apparatus of the present invention).
- a reader / recorder ex218 that reads and decodes multiplexed data recorded on a recording medium ex215 such as a DVD or a BD, encodes a video signal on the recording medium ex215, and in some cases multiplexes and writes it with a music signal. It is possible to mount the moving picture decoding apparatus or moving picture encoding apparatus shown in the above embodiments. In this case, the reproduced video signal is displayed on the monitor ex219, and the video signal can be reproduced in another device or system using the recording medium ex215 on which the multiplexed data is recorded.
- a moving picture decoding apparatus may be mounted in a set-top box ex217 connected to a cable ex203 for cable television or an antenna ex204 for satellite / terrestrial broadcasting and displayed on the monitor ex219 of the television. At this time, the moving picture decoding apparatus may be incorporated in the television instead of the set top box.
- FIG. 16 is a diagram illustrating a television (receiver) ex300 that uses the moving picture decoding method and the moving picture coding method described in the above embodiments.
- the television ex300 obtains or outputs multiplexed data in which audio data is multiplexed with video data via the antenna ex204 or the cable ex203 that receives the broadcast, and demodulates the received multiplexed data.
- the modulation / demodulation unit ex302 that modulates multiplexed data to be transmitted to the outside, and the demodulated multiplexed data is separated into video data and audio data, or the video data and audio data encoded by the signal processing unit ex306 Is provided with a multiplexing / separating unit ex303.
- the television ex300 decodes each of the audio data and the video data, or encodes the respective information.
- the audio signal processing unit ex304 and the video signal processing unit ex305 (function as the image encoding device or the image decoding device of the present invention).
- the television ex300 includes an interface unit ex317 including an operation input unit ex312 that receives an input of a user operation.
- the television ex300 includes a control unit ex310 that controls each unit in an integrated manner, and a power supply circuit unit ex311 that supplies power to each unit.
- the interface unit ex317 includes a bridge ex313 connected to an external device such as a reader / recorder ex218, a recording unit ex216 such as an SD card, and an external recording such as a hard disk.
- a driver ex315 for connecting to a medium, a modem ex316 for connecting to a telephone network, and the like may be included.
- the recording medium ex216 is capable of electrically recording information by using a nonvolatile / volatile semiconductor memory element to be stored.
- Each part of the television ex300 is connected to each other via a synchronous bus.
- the television ex300 receives a user operation from the remote controller ex220 or the like, and demultiplexes the multiplexed data demodulated by the modulation / demodulation unit ex302 by the multiplexing / demultiplexing unit ex303 based on the control of the control unit ex310 having a CPU or the like. Furthermore, in the television ex300, the separated audio data is decoded by the audio signal processing unit ex304, and the separated video data is decoded by the video signal processing unit ex305 using the decoding method described in the above embodiments.
- the decoded audio signal and video signal are output from the output unit ex309 to the outside.
- these signals may be temporarily stored in the buffers ex318, ex319, etc. so that the audio signal and the video signal are reproduced in synchronization.
- the television ex300 may read multiplexed data from recording media ex215 and ex216 such as a magnetic / optical disk and an SD card, not from broadcasting. Next, a configuration in which the television ex300 encodes an audio signal or a video signal and transmits the signal to the outside or writes it to a recording medium will be described.
- the television ex300 receives a user operation from the remote controller ex220 or the like, and encodes an audio signal with the audio signal processing unit ex304 based on the control of the control unit ex310, and converts the video signal with the video signal processing unit ex305. Encoding is performed using the encoding method described in (1).
- the encoded audio signal and video signal are multiplexed by the multiplexing / demultiplexing unit ex303 and output to the outside. When multiplexing, these signals may be temporarily stored in the buffers ex320 and ex321 so that the audio signal and the video signal are synchronized.
- a plurality of buffers ex318, ex319, ex320, and ex321 may be provided as illustrated, or one or more buffers may be shared. Further, in addition to the illustrated example, data may be stored in the buffer as a buffer material that prevents system overflow and underflow, for example, between the modulation / demodulation unit ex302 and the multiplexing / demultiplexing unit ex303.
- the television ex300 has a configuration for receiving AV input of a microphone and a camera, and performs encoding processing on the data acquired from them. Also good.
- the television ex300 has been described as a configuration that can perform the above-described encoding processing, multiplexing, and external output, but these processing cannot be performed, and only the above-described reception, decoding processing, and external output are possible. It may be a configuration.
- the decoding process or the encoding process may be performed by either the television ex300 or the reader / recorder ex218.
- the reader / recorder ex218 may be shared with each other.
- FIG. 17 shows a configuration of the information reproducing / recording unit ex400 when data is read from or written to an optical disk.
- the information reproducing / recording unit ex400 includes elements ex401, ex402, ex403, ex404, ex405, ex406, and ex407 described below.
- the optical head ex401 irradiates a laser spot on the recording surface of the recording medium ex215 that is an optical disc to write information, and detects information reflected from the recording surface of the recording medium ex215 to read the information.
- the modulation recording unit ex402 electrically drives a semiconductor laser built in the optical head ex401 and modulates the laser beam according to the recording data.
- the reproduction demodulator ex403 amplifies the reproduction signal obtained by electrically detecting the reflected light from the recording surface by the photodetector built in the optical head ex401, separates and demodulates the signal component recorded on the recording medium ex215, and is necessary. To play back information.
- the buffer ex404 temporarily holds information to be recorded on the recording medium ex215 and information reproduced from the recording medium ex215.
- the disk motor ex405 rotates the recording medium ex215.
- the servo control unit ex406 moves the optical head ex401 to a predetermined information track while controlling the rotational drive of the disk motor ex405, and performs a laser spot tracking process.
- the system control unit ex407 controls the entire information reproduction / recording unit ex400.
- the system control unit ex407 uses various types of information held in the buffer ex404, and generates and adds new information as necessary, and the modulation recording unit ex402, the reproduction demodulation unit This is realized by recording / reproducing information through the optical head ex401 while operating the ex403 and the servo control unit ex406 in a coordinated manner.
- the system control unit ex407 is composed of, for example, a microprocessor, and executes these processes by executing a read / write program.
- the optical head ex401 has been described as irradiating a laser spot, but it may be configured to perform higher-density recording using near-field light.
- FIG. 18 shows a schematic diagram of a recording medium ex215 that is an optical disk.
- Guide grooves grooves
- address information indicating the absolute position on the disc is recorded in advance on the information track ex230 by changing the shape of the groove.
- This address information includes information for specifying the position of the recording block ex231 that is a unit for recording data, and the recording block is specified by reproducing the information track ex230 and reading the address information in a recording or reproducing apparatus.
- the recording medium ex215 includes a data recording area ex233, an inner peripheral area ex232, and an outer peripheral area ex234.
- the area used for recording the user data is the data recording area ex233, and the inner circumference area ex232 and the outer circumference area ex234 arranged on the inner circumference or outer circumference of the data recording area ex233 are used for specific purposes other than user data recording. Used.
- the information reproducing / recording unit ex400 reads / writes encoded audio data, video data, or multiplexed data obtained by multiplexing these data with respect to the data recording area ex233 of the recording medium ex215.
- an optical disk such as a single-layer DVD or BD has been described as an example.
- the present invention is not limited to these, and an optical disk having a multilayer structure and capable of recording other than the surface may be used.
- an optical disc with a multi-dimensional recording / reproducing structure such as recording information using light of different wavelengths in the same place on the disc, or recording different layers of information from various angles. It may be.
- the car ex210 having the antenna ex205 can receive data from the satellite ex202 and the like, and the moving image can be reproduced on a display device such as the car navigation ex211 that the car ex210 has.
- the configuration of the car navigation ex211 may be, for example, a configuration in which a GPS receiver is added in the configuration illustrated in FIG.
- FIG. 19A is a diagram illustrating the mobile phone ex114 using the video decoding method and the video encoding method described in the above embodiment.
- the mobile phone ex114 includes an antenna ex350 for transmitting and receiving radio waves to and from the base station ex110, a camera unit ex365 capable of taking video and still images, a video captured by the camera unit ex365, a video received by the antenna ex350, and the like Is provided with a display unit ex358 such as a liquid crystal display for displaying the decrypted data.
- the mobile phone ex114 further includes a main body unit having an operation key unit ex366, an audio output unit ex357 such as a speaker for outputting audio, an audio input unit ex356 such as a microphone for inputting audio,
- a main body unit having an operation key unit ex366, an audio output unit ex357 such as a speaker for outputting audio, an audio input unit ex356 such as a microphone for inputting audio
- an audio input unit ex356 such as a microphone for inputting audio
- the memory unit ex367 for storing encoded data or decoded data such as still images, recorded audio, received video, still images, mails, or the like, or an interface unit with a recording medium for storing data
- a slot portion ex364 is provided.
- the cellular phone ex114 has a power supply circuit ex361, an operation input control unit ex362, and a video signal processing unit ex355 for a main control unit ex360 that comprehensively controls each part of the main body including the display unit ex358 and the operation key unit ex366.
- a camera interface unit ex363, an LCD (Liquid Crystal Display) control unit ex359, a modulation / demodulation unit ex352, a multiplexing / demultiplexing unit ex353, an audio signal processing unit ex354, a slot unit ex364, and a memory unit ex367 are connected to each other via a bus ex370. ing.
- the power supply circuit unit ex361 starts up the mobile phone ex114 in an operable state by supplying power from the battery pack to each unit.
- the mobile phone ex114 converts the audio signal collected by the audio input unit ex356 in the voice call mode into a digital audio signal by the audio signal processing unit ex354 based on the control of the main control unit ex360 having a CPU, a ROM, a RAM, and the like. This is subjected to spectrum spread processing by the modulation / demodulation unit ex352, digital-analog conversion processing and frequency conversion processing by the transmission / reception unit ex351, and then transmitted via the antenna ex350.
- the mobile phone ex114 amplifies the received data received through the antenna ex350 in the voice call mode, performs frequency conversion processing and analog-digital conversion processing, performs spectrum despreading processing in the modulation / demodulation unit ex352, and performs voice signal processing unit After converting to an analog audio signal at ex354, this is output from the audio output unit ex357.
- the text data of the e-mail input by operating the operation key unit ex366 of the main unit is sent to the main control unit ex360 via the operation input control unit ex362.
- the main control unit ex360 performs spread spectrum processing on the text data in the modulation / demodulation unit ex352, performs digital analog conversion processing and frequency conversion processing in the transmission / reception unit ex351, and then transmits the text data to the base station ex110 via the antenna ex350.
- almost the reverse process is performed on the received data and output to the display unit ex358.
- the video signal processing unit ex355 compresses the video signal supplied from the camera unit ex365 by the moving image encoding method described in each of the above embodiments. Encode (that is, function as an image encoding apparatus of the present invention), and send the encoded video data to the multiplexing / demultiplexing unit ex353.
- the audio signal processing unit ex354 encodes the audio signal picked up by the audio input unit ex356 while the camera unit ex365 images a video, a still image, and the like, and sends the encoded audio data to the multiplexing / demultiplexing unit ex353. To do.
- the multiplexing / demultiplexing unit ex353 multiplexes the encoded video data supplied from the video signal processing unit ex355 and the encoded audio data supplied from the audio signal processing unit ex354 by a predetermined method, and is obtained as a result.
- the multiplexed data is subjected to spread spectrum processing by the modulation / demodulation unit (modulation / demodulation circuit unit) ex352, digital-analog conversion processing and frequency conversion processing by the transmission / reception unit ex351, and then transmitted through the antenna ex350.
- the multiplexing / separating unit ex353 separates the multiplexed data into a video data bit stream and an audio data bit stream, and performs video signal processing on the video data encoded via the synchronization bus ex370.
- the encoded audio data is supplied to the audio signal processing unit ex354 while being supplied to the unit ex355.
- the video signal processing unit ex355 decodes the video signal by decoding using the video decoding method corresponding to the video encoding method shown in each of the above embodiments (that is, functions as the image decoding device of the present invention). For example, video and still images included in the moving image file linked to the home page are displayed from the display unit ex358 via the LCD control unit ex359.
- the audio signal processing unit ex354 decodes the audio signal, and the audio output unit ex357 outputs the audio.
- the terminal such as the mobile phone ex114 is referred to as a transmitting terminal having only an encoder and a receiving terminal having only a decoder.
- a transmitting terminal having only an encoder
- a receiving terminal having only a decoder.
- multiplexed data in which music data or the like is multiplexed with video data is received and transmitted.
- data in which character data or the like related to video is multiplexed It may be video data itself instead of multiplexed data.
- the moving picture encoding method or the moving picture decoding method shown in each of the above embodiments can be used in any of the above-described devices / systems. The described effect can be obtained.
- Embodiment 4 The moving picture coding method or apparatus shown in the above embodiments and the moving picture coding method or apparatus compliant with different standards such as MPEG-2, MPEG4-AVC, and VC-1 are appropriately switched as necessary. Thus, it is also possible to generate video data.
- multiplexed data obtained by multiplexing audio data or the like with video data is configured to include identification information indicating which standard the video data conforms to.
- identification information indicating which standard the video data conforms to.
- FIG. 20 is a diagram showing a structure of multiplexed data.
- the multiplexed data is obtained by multiplexing one or more of a video stream, an audio stream, a presentation graphics stream (PG), and an interactive graphics stream.
- the video stream indicates the main video and sub-video of the movie
- the audio stream (IG) indicates the main audio portion of the movie and the sub-audio mixed with the main audio
- the presentation graphics stream indicates the subtitles of the movie.
- the main video indicates a normal video displayed on the screen
- the sub-video is a video displayed on a small screen in the main video.
- the interactive graphics stream indicates an interactive screen created by arranging GUI components on the screen.
- the video stream is encoded by the moving image encoding method or apparatus shown in the above embodiments, or the moving image encoding method or apparatus conforming to the conventional standards such as MPEG-2, MPEG4-AVC, and VC-1. ing.
- the audio stream is encoded by a method such as Dolby AC-3, Dolby Digital Plus, MLP, DTS, DTS-HD, or linear PCM.
- Each stream included in the multiplexed data is identified by PID. For example, 0x1011 for video streams used for movie images, 0x1100 to 0x111F for audio streams, 0x1200 to 0x121F for presentation graphics, 0x1400 to 0x141F for interactive graphics streams, 0x1B00 to 0x1B1F are assigned to video streams used for sub-pictures, and 0x1A00 to 0x1A1F are assigned to audio streams used for sub-audio mixed with the main audio.
- FIG. 21 is a diagram schematically showing how multiplexed data is multiplexed.
- a video stream ex235 composed of a plurality of video frames and an audio stream ex238 composed of a plurality of audio frames are converted into PES packet sequences ex236 and ex239, respectively, and converted into TS packets ex237 and ex240.
- the data of the presentation graphics stream ex241 and interactive graphics ex244 are converted into PES packet sequences ex242 and ex245, respectively, and further converted into TS packets ex243 and ex246.
- the multiplexed data ex247 is configured by multiplexing these TS packets into one stream.
- FIG. 22 shows in more detail how the video stream is stored in the PES packet sequence.
- the first row in FIG. 22 shows a video frame sequence of the video stream.
- the second level shows a PES packet sequence.
- a plurality of Video Presentation Units in the video stream are divided into pictures, stored in the payload of the PES packet.
- Each PES packet has a PES header, and a PTS (Presentation Time-Stamp) that is a display time of a picture and a DTS (Decoding Time-Stamp) that is a decoding time of a picture are stored in the PES header.
- PTS Presentation Time-Stamp
- DTS Decoding Time-Stamp
- FIG. 23 shows the format of the TS packet that is finally written into the multiplexed data.
- the TS packet is a 188-byte fixed-length packet composed of a 4-byte TS header having information such as a PID for identifying a stream and a 184-byte TS payload for storing data.
- the PES packet is divided and stored in the TS payload.
- a 4-byte TP_Extra_Header is added to a TS packet, forms a 192-byte source packet, and is written in multiplexed data.
- TP_Extra_Header information such as ATS (Arrival_Time_Stamp) is described.
- ATS indicates the transfer start time of the TS packet to the PID filter of the decoder.
- source packets are arranged in the multiplexed data, and the number incremented from the head of the multiplexed data is called SPN (source packet number).
- TS packets included in the multiplexed data include PAT (Program Association Table), PMT (Program Map Table), PCR (Program Clock Reference), and the like in addition to each stream such as video / audio / caption.
- PAT indicates what the PID of the PMT used in the multiplexed data is, and the PID of the PAT itself is registered as 0.
- the PMT has the PID of each stream such as video / audio / subtitles included in the multiplexed data and the attribute information of the stream corresponding to each PID, and has various descriptors related to the multiplexed data.
- the descriptor includes copy control information for instructing permission / non-permission of copying of multiplexed data.
- the PCR corresponds to the ATS in which the PCR packet is transferred to the decoder. Contains STC time information.
- FIG. 24 is a diagram for explaining the data structure of the PMT in detail.
- a PMT header describing the length of data included in the PMT is arranged at the head of the PMT.
- a plurality of descriptors related to multiplexed data are arranged.
- the copy control information and the like are described as descriptors.
- a plurality of pieces of stream information regarding each stream included in the multiplexed data are arranged.
- the stream information includes a stream descriptor in which a stream type, a stream PID, and stream attribute information (frame rate, aspect ratio, etc.) are described to identify a compression codec of the stream.
- the multiplexed data is recorded together with the multiplexed data information file.
- the multiplexed data information file is management information of multiplexed data, has a one-to-one correspondence with the multiplexed data, and includes multiplexed data information, stream attribute information, and an entry map.
- the multiplexed data information is composed of a system rate, a reproduction start time, and a reproduction end time.
- the system rate indicates a maximum transfer rate of multiplexed data to a PID filter of a system target decoder described later.
- the ATS interval included in the multiplexed data is set to be equal to or less than the system rate.
- the playback start time is the PTS of the first video frame of the multiplexed data
- the playback end time is set by adding the playback interval for one frame to the PTS of the video frame at the end of the multiplexed data.
- the attribute information for each stream included in the multiplexed data is registered for each PID.
- the attribute information has different information for each video stream, audio stream, presentation graphics stream, and interactive graphics stream.
- the video stream attribute information includes the compression codec used to compress the video stream, the resolution of the individual picture data constituting the video stream, the aspect ratio, and the frame rate. It has information such as how much it is.
- the audio stream attribute information includes the compression codec used to compress the audio stream, the number of channels included in the audio stream, the language supported, and the sampling frequency. With information. These pieces of information are used for initialization of the decoder before the player reproduces it.
- the stream type included in the PMT is used.
- video stream attribute information included in the multiplexed data information is used.
- the video encoding shown in each of the above embodiments for the stream type or video stream attribute information included in the PMT.
- FIG. 27 shows steps of the moving picture decoding method according to the present embodiment.
- step exS100 the stream type included in the PMT or the video stream attribute information included in the multiplexed data information is acquired from the multiplexed data.
- step exS101 it is determined whether or not the stream type or the video stream attribute information indicates multiplexed data generated by the moving picture encoding method or apparatus described in the above embodiments. To do.
- step exS102 each of the above embodiments.
- Decoding is performed by the moving picture decoding method shown in the form.
- the conventional information Decoding is performed by a moving image decoding method compliant with the standard.
- FIG. 28 shows the configuration of an LSI ex500 that is made into one chip.
- the LSI ex500 includes elements ex501, ex502, ex503, ex504, ex505, ex506, ex507, ex508, and ex509 described below, and each element is connected via a bus ex510.
- the power supply circuit unit ex505 starts up to an operable state by supplying power to each unit when the power supply is in an on state.
- the LSI ex500 uses the AV I / O ex509 to perform the microphone ex117 and the camera ex113 based on the control of the control unit ex501 including the CPU ex502, the memory controller ex503, the stream controller ex504, the drive frequency control unit ex512, and the like.
- the AV signal is input from the The input AV signal is temporarily stored in an external memory ex511 such as SDRAM.
- the accumulated data is divided into a plurality of times as appropriate according to the processing amount and the processing speed and sent to the signal processing unit ex507, and the signal processing unit ex507 encodes an audio signal and / or video. Signal encoding is performed.
- the encoding process of the video signal is the encoding process described in the above embodiments.
- the signal processing unit ex507 further performs processing such as multiplexing the encoded audio data and the encoded video data according to circumstances, and outputs the result from the stream I / Oex 506 to the outside.
- the output multiplexed data is transmitted to the base station ex107 or written to the recording medium ex215. It should be noted that data should be temporarily stored in the buffer ex508 so as to be synchronized when multiplexing.
- the memory ex511 has been described as an external configuration of the LSI ex500.
- a configuration included in the LSI ex500 may be used.
- the number of buffers ex508 is not limited to one, and a plurality of buffers may be provided.
- the LSI ex500 may be made into one chip or a plurality of chips.
- control unit ex501 includes the CPU ex502, the memory controller ex503, the stream controller ex504, the drive frequency control unit ex512, and the like, but the configuration of the control unit ex501 is not limited to this configuration.
- the signal processing unit ex507 may further include a CPU.
- the CPU ex502 may be configured to include a signal processing unit ex507 or, for example, an audio signal processing unit that is a part of the signal processing unit ex507.
- the control unit ex501 is configured to include a signal processing unit ex507 or a CPU ex502 having a part thereof.
- LSI LSI
- IC system LSI
- super LSI ultra LSI depending on the degree of integration
- the method of circuit integration is not limited to LSI, and implementation with a dedicated circuit or a general-purpose processor is also possible.
- An FPGA Field Programmable Gate Array
- a reconfigurable processor that can reconfigure the connection and setting of circuit cells inside the LSI may be used.
- FIG. 29 shows a configuration ex800 in the present embodiment.
- the drive frequency switching unit ex803 sets the drive frequency high when the video data is generated by the moving image encoding method or apparatus described in the above embodiments.
- the decoding processing unit ex801 that executes the moving picture decoding method described in each of the above embodiments is instructed to decode the video data.
- the video data is video data compliant with the conventional standard, compared to the case where the video data is generated by the moving picture encoding method or apparatus shown in the above embodiments, Set the drive frequency low. Then, it instructs the decoding processing unit ex802 compliant with the conventional standard to decode the video data.
- the drive frequency switching unit ex803 includes the CPU ex502 and the drive frequency control unit ex512 in FIG.
- the decoding processing unit ex801 that executes the moving picture decoding method shown in each of the above embodiments and the decoding processing unit ex802 that complies with the conventional standard correspond to the signal processing unit ex507 in FIG.
- the CPU ex502 identifies which standard the video data conforms to. Then, based on the signal from the CPU ex502, the drive frequency control unit ex512 sets the drive frequency. Further, based on the signal from the CPU ex502, the signal processing unit ex507 decodes the video data.
- the identification information described in the fourth embodiment may be used.
- the identification information is not limited to that described in the fourth embodiment, and any information that can identify which standard the video data conforms to may be used. For example, it is possible to identify which standard the video data conforms to based on an external signal that identifies whether the video data is used for a television or a disk. In some cases, identification may be performed based on such an external signal.
- the selection of the drive frequency in the CPU ex502 may be performed based on, for example, a lookup table in which video data standards and drive frequencies are associated with each other as shown in FIG. The look-up table is stored in the buffer ex508 or the internal memory of the LSI, and the CPU ex502 can select the drive frequency by referring to this look-up table.
- FIG. 30 shows steps for executing the method of the present embodiment.
- the signal processing unit ex507 acquires identification information from the multiplexed data.
- the CPU ex502 identifies whether the video data is generated by the encoding method or apparatus described in each of the above embodiments based on the identification information.
- the CPU ex502 sends a signal for setting the drive frequency high to the drive frequency control unit ex512. Then, the drive frequency control unit ex512 sets a high drive frequency.
- step exS203 the CPU ex502 drives a signal for setting the drive frequency low. This is sent to the frequency control unit ex512. Then, in the drive frequency control unit ex512, the drive frequency is set to be lower than that in the case where the video data is generated by the encoding method or apparatus described in the above embodiments.
- the power saving effect can be further enhanced by changing the voltage applied to the LSI ex500 or the device including the LSI ex500 in conjunction with the switching of the driving frequency.
- the drive frequency is set to be low, it is conceivable that the voltage applied to the LSI ex500 or the device including the LSI ex500 is set low as compared with the case where the drive frequency is set high.
- the setting method of the driving frequency may be set to a high driving frequency when the processing amount at the time of decoding is large, and to a low driving frequency when the processing amount at the time of decoding is small. It is not limited to the method.
- the amount of processing for decoding video data compliant with the MPEG4-AVC standard is larger than the amount of processing for decoding video data generated by the moving picture encoding method or apparatus described in the above embodiments. It is conceivable that the setting of the driving frequency is reversed to that in the case described above.
- the method for setting the drive frequency is not limited to the configuration in which the drive frequency is lowered.
- the voltage applied to the LSI ex500 or the apparatus including the LSI ex500 is set high.
- the video data conforms to the conventional standards such as MPEG-2, MPEG4-AVC, VC-1, etc.
- the identification information indicates that the video data is generated by the moving image encoding method or apparatus described in each of the above embodiments, the driving of the CPU ex502 is stopped.
- the CPU ex502 is temporarily stopped because there is enough processing. Is also possible. Even when the identification information indicates that the video data is generated by the moving image encoding method or apparatus described in each of the above embodiments, if there is enough processing, the CPU ex502 is temporarily driven. It can also be stopped. In this case, it is conceivable to set the stop time shorter than in the case where the video data conforms to the conventional standards such as MPEG-2, MPEG4-AVC, and VC-1.
- a plurality of video data that conforms to different standards may be input to the above-described devices and systems such as a television and a mobile phone.
- the signal processing unit ex507 of the LSI ex500 needs to support a plurality of standards in order to be able to decode even when a plurality of video data complying with different standards is input.
- the signal processing unit ex507 corresponding to each standard is used individually, there is a problem that the circuit scale of the LSI ex500 increases and the cost increases.
- a decoding processing unit for executing the moving picture decoding method shown in each of the above embodiments and a decoding conforming to a standard such as MPEG-2, MPEG4-AVC, or VC-1
- the processing unit is partly shared.
- An example of this configuration is shown as ex900 in FIG. 32A.
- the moving picture decoding method shown in each of the above embodiments and the moving picture decoding method compliant with the MPEG4-AVC standard are processed in processes such as entropy coding, inverse quantization, deblocking filter, and motion compensation. Some contents are common.
- the decoding processing unit ex902 corresponding to the MPEG4-AVC standard is shared, and for other processing contents unique to the present invention that do not correspond to the MPEG4-AVC standard, the dedicated decoding processing unit ex901 is used.
- Configuration is conceivable.
- the present invention is characterized by the calculation of the base view MVC extension parameter or the calculation of the DTS and PTS.
- the calculation of the base view MVC extension parameter or the calculation of the DTS and PTS It is possible to use a dedicated decoding processing unit ex901 and share the decoding processing unit for any other entropy coding, inverse quantization, deblocking filter, motion compensation, or all processing It is done.
- the decoding processing unit for executing the moving picture decoding method described in each of the above embodiments is shared, and the processing content specific to the MPEG4-AVC standard As for, a configuration using a dedicated decoding processing unit may be used.
- ex1000 in FIG. 32B shows another example in which processing is partially shared.
- a dedicated decoding processing unit ex1001 corresponding to processing content specific to the present invention
- a dedicated decoding processing unit ex1002 corresponding to processing content specific to other conventional standards
- a moving picture decoding method of the present invention A common decoding processing unit ex1003 corresponding to processing contents common to other conventional video decoding methods is used.
- the dedicated decoding processing units ex1001 and ex1002 are not necessarily specialized in the processing content specific to the present invention or other conventional standards, and may be capable of executing other general-purpose processing.
- the configuration of the present embodiment can be implemented by LSI ex500.
- the circuit scale of the LSI is reduced, and the cost is reduced. It is possible to reduce.
- the present invention can be applied to an encoding method, a decoding method, an encoding device, and a decoding device.
- the present invention can be used for high-resolution information display devices or imaging devices such as televisions, digital video recorders, car navigation systems, mobile phones, digital cameras, and digital video cameras.
- DESCRIPTION OF SYMBOLS 100 Coding apparatus 101 Base view encoding part 102 Base view writing part 103, 202 Base view decoding part 104, 205 Base view MVC extended parameter calculation part 105 Non-base view MVC extended parameter determination part 106, 203, 303 Memory 107 Non base View coding unit 108 Non-base view writing unit 200, 300 Decoding device 201 Base view picture header analysis unit 204 Non-base view MVC extended parameter analysis unit 206 Non-base view decoding unit 301 PES header analysis unit 302 Decoding unit 304 Display unit 305 DTS / PTS calculator D101 Base view image signal D102, D110, D202, D208, D303 Encoded image signal D103, D109, D207, D209 Base view decoding Image signal D104, D201 Base view encoded bit stream D105, D204 Setting value D106 Non-base view image signal D107, D206 First extended parameter D108, D211 Second extended parameter D111, D205 Non-base view encoded bit Stream D112, D203 Picture coding
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Discrete Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本発明に係る符号化方法は、第1の規格及び第2の規格に準拠した符号化方式で、第1のビューの画像を符号化する第1の符号化ステップ(S101)と、前記第2の規格には準拠せず、かつ、前記第1の規格に準拠した複数のパラメータであって、第2のビューの画像のための複数の第1のパラメータを決定するパラメータ決定ステップ(S103)と、前記複数のパラメータであって、前記第1のビューの画像のための複数の第2のパラメータを算出するパラメータ算出ステップ(S104)と、前記第1の規格に準拠した符号化方式で、前記複数の第1のパラメータ及び前記複数の第2のパラメータを用い、前記第2のビューの画像を符号化する第2の符号化ステップ(S105)とを含む。
Description
本発明は、符号化方法、復号方法、符号化装置及び復号装置に関し、特に、マルチビューの画像信号に対する符号化方法及び復号方法に関する。
MPEG-4マルチビュー映像符号化規格(MPEG-4 Multiview Video Coding (MPEG-4 MVC):以下、「MVC規格」とも記す)は、ISO/IEC 14496-10 AVC (Advance Video Coding)規格の拡張規格として作成されている。MVC規格のデータ形式は、AVC規格のデータ形式と互換性を有するよう設計されている。つまり、MVC規格に準拠する復号装置及び再生装置は、AVC規格のビットストリームを復号できる。逆に、MVC規格に準拠しておらず、AVC規格のみに準拠した旧式の復号装置でも、MVC規格に準拠するビットストリームの少なくとも一部を復号できる。具体的には、旧式の復号装置は、MVC規格に準拠するビットストリームに含まれる複数のビューのうち少なくとも一つのビューの映像を復号できる。
より具体的には、MVC規格において、符号化ベースビューは、AVC規格で規定されたデータ形式と互換性を持つ必要がある。言い換えると、AVC規格の高プロファイルに準拠する旧式な復号装置は、MVC規格に準拠するMVCビットストリームのベースビューを復号できなくてはならない。
ここで、複数の符号化ビューは、NAL(Network Abstraction layer)ユニットに含まれる。また、異なるタイプのNALユニットは、NALユニットタイプ値によって区別される。非ベースビュー(ノンベースビュー)は、AVC仕様の旧バージョンにおける予備値(reserved values)であるユニットタイプ値と共に、NALユニットに含まれる。そして、このNALユニットは旧式な高プロファイル復号装置により無視される。
MVC規格においては、前置NALユニット(Prefix NAL unit)と呼ばれる特殊なNALユニットが、符号化ベースビューを含む各NALユニットの前に配置され、各NALユニットと共に送信される。この前置NALユニットは、NALユニットタイプ値として「14」を有する。この値は、AVC規格の旧バージョンにおける予備値を示す。
前置NALユニットは、NALユニットヘッダのMVC拡張に含まれる複数の追加パラメータを含む。これらの追加パラメータは、ベースビューに対応付けられており、非ベースビューの符号化及び復号処理に用いられる。
図1は、NALユニットヘッダに含まれるMVC拡張シンタクスの位置を示す図である。NALユニットヘッダのMVC拡張規格におけるパラメータ(以下、MVC拡張パラメータ)は、non_idr_flagと、priority_idと、view_idと、temporal_idと、anchor_pic_flagと、inter_view_flagと、reserved_one_bitとを含む。なお、reserved_one_bitは値「1」を有し、非ベースビューの符号化及び復号処理に用いられない。
また、MPEG-2システム規格(ISO/IEC 13818-1)では、MPEG-2映像規格で符号化されたBピクチャの提示時刻と復号時刻とは同じと決められている。MVC規格で符号化された非ベースビューのピクチャが存在する場合は、その非ベースビューのピクチャの提示時刻及び復号時刻も、ベースビューのBピクチャと同じ時刻に設定することで、これらのビューの同期が実現可能となる。
MVC規格の規定によれば、ベースビューは、AVC規格を用いて符号化されなくてはならない。しかしながら、いくつかの展開においては、旧式な再生装置との互換性のために、ベースビューは、MPEG-2映像規格などの古い規格を用いて符号化される必要がある。
一般に、非ベースビューの動き予測処理は、ベースビューの復号画像を必要とする。しかしながら、NALユニットヘッダのMVC拡張パラメータは、MPEG-2映像規格を用いて圧縮された符号化画像では用いることができない。また、このようなMVC拡張パラメータは、旧式なMPEG-2復号装置による復号処理において問題を生じさせる可能性がある。なお、これらのMVC拡張パラメータは、MVC規格で圧縮された非ベースビューの符号化画像の復号には必要である。
つまり、従来の技術は、旧式な復号装置による復号処理において問題を生じさせる可能性があるパラメータを送信する必要があるという第1の課題を有する。
また、MPEG-2映像規格を用いて符号化されたベースビューのBピクチャの復号時刻及び提示時刻は、MPEG-4 MVC規格を用いて符号化された非ベースビューピクチャの復号時刻及び提示時刻と同じであるように制約されている。しかし、非ベースビューピクチャの復号において、画面間予測のためにベースビューのBピクチャの復号画像を用いてもよいために、非ベースビューピクチャの実際の復号時刻は、ベースビューピクチャの復号時刻と同じであるとは限らない。したがって、非ベースビューピクチャの実際の提示時刻は、ベースビューのピクチャの提示時刻よりも遅くなることがある。このように、従来の技術は、ベースビューと非ベースビューとの間において同期上の問題が生じる可能性があるという第2の課題を有する。
そこで、本発明は、上記第1の課題及び第2の課題の少なくとも一方を解決するものであり、(1)旧式な復号装置による復号処理において問題を生じさせる可能性があるパラメータを送信しなくてもよい符号化方法又は復号方法、及び(2)複数のビュー間における同期上の問題を低減できる符号化方法又は復号方法、の少なくとも一方を提供することを目的とする。
上記目的を達成するために、本発明の一形態に係る符号化方法は、第1及び第2のビューの画像を含むマルチビューの画像信号を符号化することで第1及び第2のビットストリームを生成する符号化方法であって、第1の規格及び第2の規格に準拠した符号化方式で、前記第1のビューの画像を符号化することで第1の符号化画像を生成する第1の符号化ステップと、前記第1の規格及び前記第2の規格に準拠したフォーマットに従い、前記第1の符号化画像を含む前記第1の符号化ビットストリームを生成する第1の書き込みステップと、前記第2の規格には準拠せず、かつ、前記第1の規格に準拠した複数のパラメータであって、前記第2のビューの画像のための複数の第1のパラメータを決定するパラメータ決定ステップと、前記複数のパラメータであって、前記第1の符号化画像のための複数の第2のパラメータを算出するパラメータ算出ステップと、前記第1の規格に準拠した符号化方式で、前記複数の第1のパラメータ及び前記複数の第2のパラメータを用い、かつ、前記第1のビューの画像を参照して、前記第2のビューの画像を符号化することで第2の符号化画像を生成する第2の符号化ステップと、前記第1の規格に準拠したフォーマットに従い、前記第2の符号化画像及び前記第1のパラメータを含む前記第2の符号化ビットストリームを生成する第2の書き込むステップとを含んでもよい。
これによれば、本発明の一形態に係る符号化方法は、第1のビューのための第2のパラメータを算出する。これにより、当該符号化方法は、当該第2のパラメータを復号装置に送信しなくてもよい。このように、本発明の一形態に係る符号化方法を用いることで、旧式な復号装置による復号処理において問題を生じさせる可能性があるパラメータを送信しなくてもよい。
また、前記パラメータ算出ステップは、前記複数のパラメータのうちの一部のパラメータに対して、前記複数の第2のパラメータのうちの前記一部のパラメータの値として、前記複数の第1のパラメータのうちの前記一部のパラメータの値を設定するステップを含んでもよい。
また、前記一部のパラメータは、画像がIDRピクチャであるか否を示すパラメータと、複数の画像の復号順序を示すパラメータと、ピクチャがシーケンスの先頭に位置するピクチャであるか否かを示すパラメータとを含んでもよい。
これによれば、本発明の一形態に係る符号化方法は、第1のビューと第2のビューとで共通の値を用いることが可能なパラメータに関しては、第2のビューのパラメータの値を第1のビューのパラメータの値として用いる。これにより、当該符号化方法は、第1のビューのための第2のパラメータを適切に算出できる。
また、前記複数のパラメータは、ビューに対する復号の優先度を示す優先識別子を含み、前記パラメータ算出ステップは、前記複数の第2のパラメータに含まれる前記優先識別子に最も高い優先度を示す値を設定するステップを含んでもよい。
これによれば、本発明の一形態に係る符号化方法は、第1のビューのための第2のパラメータを適切に算出できる。
また、前記複数のパラメータは、複数のビューの各々を識別するためビュー識別子を含み、前記パラメータ算出ステップは、前記複数の第2のパラメータに含まれる前記ビュー識別子の値として、他のビューを参照せずに復号可能なビューに対して付与される予め定められた値を設定するステップとを含んでもよい。
これによれば、本発明の一形態に係る符号化方法は、第1のビューのための第2のパラメータを適切に算出できる。
また、前記複数のパラメータは、対象画像が他のビューの画像から参照されるか否かを示すビュー間予測フラグを含み、前記パラメータ算出ステップは、前記第1の符号化画像がBピクチャであるか否かを判定するステップと、前記第1の符号化画像がBピクチャである場合に、前記複数の第2のパラメータに含まれる前記ビュー間予測フラグを、他のビューの画像から参照されないことを示す値に設定するステップと、前記第1の符号化画像がBピクチャでない場合に、前記複数の第2のパラメータに含まれる前記ビュー間予測フラグを、他のビューの画像から参照されることを示す値に設定するステップとを含んでもよい。
これによれば、本発明の一形態に係る符号化方法は、第1のビューのための第2のパラメータを適切に算出できる。
また、前記第1の規格は、MPEG-4 MVC規格であり、前記第2の規格は、MPEG-2規格であり、前記複数のパラメータは、NALユニットヘッダのMVC拡張パラメータであってもよい。
また、本発明の一形態に係る復号方法は、第1の規格及び第2の規格に準拠して、第1のビューの画像が符号化されることにより得られた第1の符号化ビットストリームと、前記第1の規格に準拠して、第2のビューの画像が、前記第1ビューの画像を参照して符号化されることにより得られた第2の符号化ビットストリームとを含むマルチビューの符号化ビットストリームを復号する復号方法であって、前記第2の規格に基づいて、前記第1の符号化ビットストリームを解析することで、前記第1の符号化画像を取得する第1の解析ステップと、前記第2の規格に準拠した復号方式で、前記第1の符号化画像を復号することで第1の復号画像を生成する第1の復号ステップと、前記第1の規格に基づいて、前記第2の符号化ビットストリームを解析することで、(1)前記第2の規格には準拠せず、かつ、前記第1の規格に準拠した複数のパラメータであって、前記第2の符号化ビットストリームに含まれる、第2の符号化画像のための複数の第1のパラメータと、(2)前記第2の符号化画像とを取得する第2の解析ステップと、前記複数のパラメータであって、前記第1の符号化画像のための複数の第2のパラメータを算出するパラメータ算出ステップと、前記第1の規格に準拠した復号方式で、前記複数の第1のパラメータ及び前記複数の第2のパラメータを用い、かつ、前記第1の復号画像を参照して、前記第2の符号化画像を復号することで、第2の復号画像を生成する第2の復号ステップとを含む。
これによれば、本発明の一形態に係る復号方法は、第1のビューのための第2のパラメータを算出する。これにより、符号化装置から復号装置へ、当該第2のパラメータを送信しなくてもよい。このように、本発明の一形態に係る復号方法を用いることで、旧式な復号装置による復号処理において問題を生じさせる可能性があるパラメータを送信しなくてもよい。
また、本発明の一形態に係る復号方法は、第1のビューの画像が符号化されることにより得られた第1の符号化画像と、第2のビューの画像が、前記第1ビューの画像を参照して符号化されることにより得られた第2の符号化画像とを含むマルチビューの符号化ビットストリームを復号する復号方法であって、前記符号化ビットストリームに含まれる、前記第1の符号化画像の提示時刻を取得する提示時刻取得ステップと、前記第1の符号化画像の復号時刻を導出する復号時刻導出ステップと、前記復号時刻おいて、前記第1の符号化画像を復号することで復号画像を生成する復号ステップと、前記提示時刻をオフセット値分遅延させることにより遅延提示時刻を算出する提示時刻遅延ステップと、前記遅延提示時刻において前記復号画像を提示する提示ステップとを含む。
これによれば、本発明の一形態に係る復号方法は、第1のビューの提示時刻を遅延させる。これにより、当該復号方法は、複数のビュー間における同期上の問題を低減できる。
また、本発明の一形態に係る復号方法は、第1のビューの画像が符号化されることにより得られた第1の符号化画像と、第2のビューの画像が、前記第1ビューの画像を参照して符号化されることにより得られた第2の符号化画像とを含むマルチビューの符号化ビットストリームを復号する復号方法であって、前記符号化ビットストリームに含まれる、前記第2の符号化画像の提示時刻を取得する提示時刻取得ステップと、前記符号化ビットストリームに含まれる、前記第2の符号化画像の復号時刻を取得する復号時刻取得ステップと、前記復号時刻をオフセット値分遅延させることにより遅延復号時刻を算出する復号時刻遅延ステップと、前記遅延復号時刻において、前記第2の符号化画像を復号することで復号画像を生成する復号ステップと、前記提示時刻を前記オフセット値分遅延させることにより遅延提示時刻を算出する提示時刻遅延ステップと、前記遅延提示時刻において前記復号画像を提示する提示ステップとを含む。
これによれば、本発明の一形態に係る復号方法は、第2のビューの復号時刻及び提示時刻を遅延させる。これにより、当該復号方法は、複数のビュー間における同期上の問題を低減できる。
また、本発明の一形態に係る復号方法は、第1のビューの画像が符号化されることにより得られた第1の符号化画像と、第2のビューの画像が、前記第1ビューの画像を参照して符号化されることにより得られた第2の符号化画像と、音声サンプルが符号化された符号化音声サンプルとを含むマルチビューの符号化ビットストリームを復号する復号方法であって、前記符号化ビットストリームに含まれる、前記符号化音声サンプルの提示時刻を取得する提示時刻取得ステップと、前記符号化ビットストリームに含まれる、前記符号化音声サンプルの復号時刻を取得する復号時刻取得ステップと、前記復号時刻をオフセット値分遅延させることにより遅延復号時刻を算出する復号時刻遅延ステップと、前記遅延復号時刻において前記符号化音声サンプルを復号することで復号音声サンプルを生成する復号ステップと、前記提示時刻を前記オフセット値分遅延させることにより遅延提示時刻を算出する提示時刻遅延ステップと、前記遅延提示時刻において前記復号音声サンプルを提示する提示ステップとを含む。
これによれば、本発明の一形態に係る復号方法は、音声サンプルの復号時刻及び提示時刻を遅延させる。これにより、当該復号方法は、複数のビュー間における同期上の問題を低減できる。
なお、本発明は、このような符号化方法又は復号方法として実現できるだけでなく、符号化方法又は復号方法に含まれる特徴的なステップを手段とする符号化装置又は復号装置として実現したり、そのような特徴的なステップをコンピュータに実行させるプログラムとして実現したりすることもできる。そして、そのようなプログラムは、CD-ROM等の記録媒体及びインターネット等の伝送媒体を介して流通させることができるのは言うまでもない。
さらに、本発明は、このような符号化装置又は復号装置の機能の一部又は全てを実現する半導体集積回路(LSI)として実現したり、このような符号化装置及び復号装置を備える符号化復号装置として実現したりできる。
本発明は、(1)旧式な復号装置による復号処理において問題を生じさせる可能性があるパラメータを送信しなくてもよい符号化方法又は復号方法、及び(2)複数のビュー間における同期上の問題を低減できる符号化方法又は復号方法、の少なくとも一方を提供できる。
以下、本発明の実施の形態について、図面を用いて詳細に説明する。なお、以下で説明する実施の形態は、いずれも本発明の好ましい一具体例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。本発明は、請求の範囲によって特定される。よって、以下の実施の形態における構成要素のうち、本発明の最上位概念を示す独立請求項に記載されていない構成要素については、本発明の課題を達成するのに必ずしも必要ではないが、より好ましい形態を構成するものとして説明される。
(実施の形態1)
本発明の実施の形態1に係る復号方法は、MPEG-4 MVC規格におけるMVC拡張パラメータのうち、ベースビューのMVC拡張パラメータを算出する。これにより、符号化ビットストリームに、当該ベースビューのMVC拡張パラメータを含める必要がない。よって、本発明の実施の形態1に係る符号化方法及び復号方法を用いることで、旧式な復号装置による復号処理において問題を生じさせる可能性があるパラメータを送信しなくてもよい。
本発明の実施の形態1に係る復号方法は、MPEG-4 MVC規格におけるMVC拡張パラメータのうち、ベースビューのMVC拡張パラメータを算出する。これにより、符号化ビットストリームに、当該ベースビューのMVC拡張パラメータを含める必要がない。よって、本発明の実施の形態1に係る符号化方法及び復号方法を用いることで、旧式な復号装置による復号処理において問題を生じさせる可能性があるパラメータを送信しなくてもよい。
まず、本実施の形態に係る符号化方法の概略を説明する。本実施の形態に係る符号化方法は、第1及び第2のビューの画像を含むマルチビューの画像信号を符号化することで第1及び第2のビットストリームを生成する。
具体的には、当該符号化方法は、第1の規格及び第2の規格に準拠した符号化方式で、第1のビュー(ベースビュー)の画像を符号化することで第1の符号化画像を生成する。また、当該符号化方法は、第1の規格に準拠した符号化方式で、第1のビューの画像を参照して、第2のビューの画像(非ベースビュー)を符号化することで第2の符号化画像を生成する。
つまり、第1の符号化画像は、第1の規格及び第2の規格の少なくとも一方に準拠した復号装置で復号可能である。第2の符号化画像は、第1の規格に準拠した復号装置では復号可能であるが、第2の規格のみに準拠した復号装置では復号できない。
図2は、本発明の実施の形態1に係る符号化処理を示すフローチャートである。
まず、ステップS101では、本実施の形態に係る符号化装置は、MPEG-2映像符号化ツールを用いて、ベースビューの画像を符号化することで第1の符号化画像を生成する。言い換えると、当該符号化装置は、MPEG-2映像規格及びMVC規格に準拠した符号化方式で、ベースビューの画像を符号化することで第1の符号化画像を生成する。ここで、ベースビューは、本実施の形態に係る第1のビューの一例である。また、MPEG-2映像規格は、本実施の形態に係る第2の規格の一例である。
次に、ステップS102では、当該符号化装置は、第1の符号化画像を、MPEG-2映像仕様に準拠したバイトストリームフォーマットで記載する。言い換えると、当該符号化装置は、MPEG-2映像規格及びMVC規格に準拠したフォーマットに従い、第1の符号化画像を含む第1の符号化ビットストリームを生成する。
次に、ステップS103では、当該符号化装置は、非ベースビューの画像のための、NALユニットヘッダの複数のMVC拡張パラメータである第1の拡張パラメータを決定する。ここで、非ベースビューは、本実施の形態に係る第2のビューの一例である。MVC拡張パラメータは、MVC規格に準拠し、かつ、MPEG-2映像規格には準拠しないパラメータである。このMVC拡張パラメータは、non_idr_flagと、priority_idと、view_idと、temporal_idと、anchor_pic_flagと、inter_view_flagとを含む。
non_idr_flagは、当該ピクチャがIDRピクチャであるか否かを示す。ここで、IDRピクチャとは、他のピクチャを参照せずに復号可能なピクチャである。また、IDRピクチャより復号順で後のピクチャは、IDRピクチャより前のピクチャを参照しない。
priority_idは、当該ビューの符号化画像信号の復号の際の優先度を示す。言い換えると、priority_idは、複数のビューの符号化画像信号の復号の順序を示す。
view_idは、当該ビューの符号化画像信号を識別するための情報である。例えば、ベースビューには「0」が付与され、非ベースビューには「1、2・・・」が付与される。
temporal_idは、複数のピクチャの復号順を示す識別子である。複数の連続するピクチャに対して、連番のtemporal_idが付与される。
anchor_pic_flagは、当該ピクチャがシーケンスの先頭に位置するピクチャであるか否かを示す情報である。
inter_view_flagは、当該ピクチャが、他のビューによってビュー間予測に使用されるか否かを示す。具体的には、inter_view_flagの値が「1」の場合、当該ピクチャは他のビューによってビュー間予測に使用され、inter_view_flagの値が「0」の場合、当該ピクチャは他のビューによってビュー間予測に使用されない。なお、ビュー間予測とは、他のビューのピクチャを参照ピクチャとして用いる予測方式である。
次に、ステップS104では、当該符号化装置は、ベースビューのためのMVC拡張パラメータである第2の拡張パラメータを算出する。
次に、ステップS105では、当該符号化装置は、第1及び第2の拡張パラメータと、MPEG-4 MVC符号化ツールとを用いて、第2のビューの画像を符号化する。具体的には、当該符号化装置は、MVC規格に準拠した符号化方式で、複数の第1及び第2の拡張パラメータを用い、かつ、ベースビューの画像を参照して、非ベースビューの画像を符号化することで第2の符号化画像を生成する。ここで、MVC規格は、本実施の形態に係る第1の規格の一例である。
最後に、ステップS106では、当該符号化装置は、第2の符号化画像を、MPEG-4 MVC仕様に準拠したNALユニットに書き込む。具体的には、当該符号化装置は、MVC規格に準拠したフォーマットに従い、第2の符号化画像及び第1の拡張パラメータを含む第2の符号化ビットストリームを生成する。
以上のように、本実施の形態に係る符号化方法により生成されたマルチビューの符号化ビットストリームは、第1の符号化画像のための第2の拡張パラメータを含まない。このように、本実施の形態に係る符号化方法は、旧式な復号装置による復号処理において問題を生じさせる可能性があるパラメータを送信しない。
以下、本実施の形態に係る復号方法の概略を説明する。
当該復号方法は、上記符号化方法により生成された第1及び第2の符号化ビットストリームを含む、MVC規格に準拠したマルチビューの符号化ビットストリームを復号する。
図3は、本発明の実施の形態1に係る復号処理を示すフローチャートである。
まず、ステップS121では、本実施の形態に係る復号装置は、MPEG-2映像仕様に基づいて、第1の符号化画像を解析する。言い換えると、当該復号装置は、MEPG-2映像規格に基づいて、第1の符号化ビットストリームを解析することで第1の符号化画像を取得する。
次に、ステップS122では、当該復号装置は、MPEG-2復号ツールを用いて、第1の符号化画像を復号することで、第1の復号画像を生成する。
そして、ステップS123では、当該復号装置は、第2の符号化画像のためのNALユニットヘッダのMVC拡張パラメータである第1の拡張パラメータを、MPEG-4 MVC仕様に基づいて解析する。具体的には、当該復号装置は、MVC規格に基づいて、第2の符号化ビットストリームを解析することで、第2の符号化画像のための複数の第1の拡張パラメータと、第2の符号化画像とを取得する。
次に、ステップS124では、当該復号装置は、第1の符号化画像のためのNALユニットヘッダのMVC拡張パラメータである第2の拡張パラメータを算出する。
次に、ステップS125では、当該復号装置は、第2の符号化画像をMPEG-4 MVC仕様に基づいて解析することにより、第2の符号化画像を取得する。
最後に、ステップS126では、当該復号装置は、第1及び第2の拡張パラメータと、MPEG-4 MVC復号ツールとを用いて、第2の符号化画像を復号する。具体的には、当該復号装置は、MVC規格に準拠した復号方式で、複数の第1及び第2の拡張パラメータを用い、かつ、第1の復号画像を参照して、第2の符号化画像を復号することで、第2の復号画像を生成する。
以上のように、本実施の形態に係る復号方法は、第1の符号化画像のための第2の拡張パラメータを算出する。これにより、当該復号方法は、第2の拡張パラメータを含まないマルチビューの符号化ビットストリームを復号できる。
以下、上述した第2の拡張パラメータを算出する処理(図2のS104及び図3のS124)について説明する。なお、以下では、便宜上、符号化方法における処理を説明するが、復号方法において処理も同様である。
図4は、本発明の実施の形態1に係るNALユニットヘッダの複数のMVC拡張パラメータを算出する処理を示すフローチャートである。
まず、ステップS141では、当該符号化装置は、複数のMVC拡張パラメータのうちの一部のパラメータに対して、ベースビューの第1の符号化画像の複数の第2の拡張パラメータのうちの上記一部のパラメータとして、非ベースビューの第2の符号化画像の複数の第1の拡張パラメータのうちの上記一部のパラメータの値を設定する。なお、この処理の詳細は後述する。
次に、ステップS142では、当該符号化装置は、ベースビューの第1の符号化画像のためのpriority_idの値として、第1の所定値を設定する。例えば、この第1の所定値はゼロである。つまり、priority_idが、最も高い優先度を示す値に設定される。言い換えると、priority_idが、最初に復号されることを示す値に設定される。
次に、ステップS143では、当該符号化装置は、view_idの値として、第2の所定値を設定する。例えば、この第2の所定値はゼロである。ここでview_id=0は、そのビューがベースビューであることを示す。言い換えると、view_idの値として、他のビューを参照せずに復号可能なビューに対して付与される予め定められた値が設定される。
次に、ステップS144では、当該符号化装置は、ベースビューのピクチャヘッダに含まれるピクチャ符号化タイプ情報(picture_coding_type)を解析する。picture_coding_typeは、符号化ピクチャが、Iピクチャ、Pピクチャ及びBピクチャのいずれであるかを示す。
そして、ステップS145では、当該符号化装置は、picture_coding_typeが第3の所定値を含むか否かを判定する。この第3の所定値は、Bピクチャを示す値であり、例えば「3」である。つまり、ステップS144では、第1の符号化画像がBピクチャであるか否かが判定される。
そして、picture_coding_typeが第3の所定値を含む場合、つまり、符号化ピクチャがBピクチャである場合(S145でYes)、ステップS146に進む。ステップS146では、当該符号化装置は、ベースビューの第1の符号化画像のためのinter_view_flagの値をゼロに設定する。つまり、当該符号化装置は、inter_view_flagの値を、当該符号化画像が他のビューの画像から参照されないことを示す値に設定する。
一方、picture_coding_typeが第3の所定値を含まない場合、つまり、符号化ピクチャがBピクチャでない(Iピクチャ又はPピクチャである)場合(S145でNo)、ステップS147に進む。ステップS147では、当該符号化装置は、ベースビューの第1の符号化画像のためのinter_view_flagの値を「1」に設定する。つまり、当該符号化装置は、inter_view_flagの値を、当該符号化画像が他のビューの画像から参照されることを示す値に設定する。
以下、図4に示すステップS141について詳細に説明する。
図5は、非ベースビューの第1の拡張パラメータのうち複数のパラメータの値を、ベースビューの複数のパラメータの値に設定する処理(図4のステップS141)を示すフローチャートである。
ステップS161では、当該符号化装置は、ベースビューの第1の符号化画像のためのnon_idr_flagの値として、非ベースビューの第2の符号化画像のためのnon_idr_flagの値を設定する。
同様に、ステップS162では、当該符号化装置は、ベースビューの第1の符号化画像のためのtemporal_idの値として、非ベースビューの第2の符号化画像のためのtemporal_idの値を設定する。
そして最後に、ステップS163では、当該符号化装置は、ベースビューの第1の符号化画像のためのanchor_pic_flagの値として、非ベースビューの第2の符号化画像のためのanchor_pic_flagの値を設定する。
以下、上記符号化方法を実現する符号化装置について説明する。
図6は、本発明の実施の形態1に係る符号化装置の一例を示すブロック図である。図6に示す符号化装置100は、マルチビューの画像信号を符号化することにより、マルチビューの符号化ビットストリームを生成する。
具体的には、このマルチビューの画像信号は、ベースビューの画像信号D101と非ベースビューの画像信号D106とを含む。そして、符号化装置100は、ベースビューの画像信号D101をMPEG-2規格に準拠した符号化方式で符号化することにより、ベースビューの符号化ビットストリームD104を生成する。つまり、このベースビューの符号化ビットストリームD104は、MPEG-4 MVC規格に準拠した復号装置のみならず、MPEG-2規格のみに準拠した復号装置で復号するこが可能である。
また、符号化装置100は、非ベースビューの画像信号D106をMVC規格に準拠した符号化方式で符号化することにより、非ベースビューの符号化ビットストリームD111を生成する。具体的には、符号化装置100は、非ベースビューの画像信号D106を、ベースビューの画像信号D101を用いて符号化する。より具体的には、符号化装置100は、ベースビューの画像信号D101を参照画像として用いて符号化処理を行う。また、この非ベースビューの符号化ビットストリームD111は、MVC規格に準拠した復号装置では復号できるが、MPEG-2規格のみに準拠した復号装置で復号するはできない。
この符号化装置100は、MPEG-2符号化ツールを用いるベースビュー符号化部101と、ベースビュー書き込み部102と、MPEG-2復号ツールを用いるベースビュー復号部103と、ベースビューのNALユニットヘッダのMVC拡張パラメータを算出するベースビューMVC拡張パラメータ算出部104と、非ベースビューのNALユニットヘッダのMVC拡張パラメータを決定する非ベースビューMVC拡張パラメータ決定部105と、メモリ106と、MPEG-4 MVC符号化ツールを用いる非ベースビュー符号化部107と、非ベースビュー書き込み部108とを含む。
ベースビュー符号化部101は、ベースビューの画像信号D101を符号化することにより、符号化画像信号D102を生成する。そして、ベースビュー符号化部101は、生成した符号化画像信号D102をベースビュー書き込み部102及びベースビュー復号部103の両方に出力する。また、ベースビュー符号化部101は、ピクチャ符号化タイプD112(picture_coding_type)をベースビューMVC拡張パラメータ算出部104に出力する。また、符号化画像信号D102には、このピクチャ符号化タイプD112も付与されている。
ベースビュー復号部103は、ベースビューの符号化画像信号D102を、MPEG-2映像復号ツールを用いて復号することで、ベースビューの復号画像信号D103を生成する。そして、ベースビュー復号部103は、生成したベースビューの復号画像信号D103をメモリ106に格納する。
非ベースビューの画像信号D106は、非ベースビューMVC拡張パラメータ決定部105及び非ベースビュー符号化部107の両方に入力される。非ベースビューMVC拡張パラメータ決定部105は、非ベースビューの複数のMVC拡張パラメータである第1の拡張パラメータD107を決定する。そして、非ベースビューMVC拡張パラメータ決定部105は、決定した第1の拡張パラメータをベースビューMVC拡張パラメータ算出部104及び非ベースビュー符号化部107の両方に出力する。
ベースビューMVC拡張パラメータ算出部104は、上記第1~第3の所定値を含む複数の設定値D105と、ピクチャ符号化タイプD112と、第1の拡張パラメータD107とを取得する。そして、ベースビューMVC拡張パラメータ算出部104は、ベースビューの第2の拡張パラメータD108の値として、取得された対応するパラメータの値を設定する。そして、ベースビューMVC拡張パラメータ算出部104は、第2の拡張パラメータD108を非ベースビュー符号化部107に出力する。
非ベースビュー符号化部107は、非ベースビューの画像信号D106を、非ベースビューの第1の拡張パラメータD107と、ベースビューの第2の拡張パラメータD108と、ベースビューの復号画像信号D109とを用い、かつMPEG-4MVC符号化ツールを用いて符号化することで、非ベースビューの符号化画像信号D110を生成する。ここで、符号化画像信号D110には、第1の拡張パラメータD107は付与されるが、第2の拡張パラメータD108は付与されない。
ベースビュー書き込み部102は、MPEG-2規格に準拠したフォーマットに従い、ベースビューの符号化画像信号D102を含む、ベースビューの符号化ビットストリームD104を生成する。
非ベースビュー書き込み部108は、MPEG-4 MVC規格に準拠したフォーマットに従い、非ベースビューの符号化画像信号D110を含む、非ベースビューの符号化ビットストリームD111を生成する。ここで、非ベースビューの符号化ビットストリームD111には、非ベースビューの第1の拡張パラメータは含まれているが、ベースビューの第2の拡張パラメータは含まれていない。
以下、上記復号方法を実現する復号装置について説明する。
図7は、本発明の実施の形態1に係る復号装置の一例を示すブロック図である。図7に示す復号装置200は、マルチビューの符号化ビットストリームを復号することにより、マルチビューの復号画像信号を生成する。例えば、このマルチビューの符号化ビットストリームは、上述した符号化装置100により生成されたマルチビューの符号化ビットストリームである。
具体的には、このマルチビューの符号化ビットストリームは、ベースビューの符号化ビットストリームD201と、非ベースビューの符号化ビットストリームD205とを含む。なお、こられは、例えば、図6に示すベースビューの符号化ビットストリームD104及び非ベースビューの符号化ビットストリームD111である。
復号装置200は、ベースビューの符号化ビットストリームをMPEG-2規格に準拠した復号方式で復号することにより、ベースビューの復号画像信号D207を生成する。
また、復号装置200は、非ベースビューの符号化ビットストリームD205をMPEG-4 MVC規格に準拠した復号方式で復号することにより、非ベースビューの復号画像信号D210を生成する。具体的には、復号装置200は、非ベースビューの符号化ビットストリームD205を、ベースビューの符号化ビットストリームD201を用いて復号する。より具体的には、復号装置200は、ベースビューの符号化ビットストリームD201から生成されたベースビューの復号画像信号D207を参照画像として用いて復号処理を行う。
この復号装置200は、ベースビューピクチャヘッダ解析部201と、MPEG-2復号ツールを用いるベースビュー復号部202と、メモリ203と、非ベースビューのNALユニットヘッダのMVC拡張パラメータを解析する非ベースビューMVC拡張パラメータ解析部204と、ベースビューのNALユニットヘッダのMVC拡張パラメータを算出するベースビューMVC拡張パラメータ算出部205と、MPEG-4 MVC復号ツールを用いる非ベースビュー復号部206とを含む。
ベースビューピクチャヘッダ解析部201は、ベースビューの符号化ビットストリームD201を解析する。そして、ベースビューピクチャヘッダ解析部201は、ベースビューの符号化ビットストリームD201に含まれる符号化画像信号D202をベースビュー復号部202に出力する。
ベースビュー復号部202は、ベースビュー符号化画像信号D202を、MPEG-2復号ツールを用いて復号することで、ベースビューの復号画像信号D207を生成する。また、このベースビューの復号画像信号D207は、メモリ203に格納される。
また、ベースビューピクチャヘッダ解析部201は、ベースビューの符号化ビットストリームD201に含まれるピクチャ符号化タイプD203(picture_coding_type)をベースビューMVC拡張パラメータ算出部205に出力する。
非ベースビューMVC拡張パラメータ解析部204は、非ベースビューの符号化ビットストリームD205を解析する。そして、非ベースビューMVC拡張パラメータ解析部204は、非ベースビューの符号化ビットストリームD205に含まれる、非ベースビューのNALユニットヘッダの複数のMVC拡張パラメータである第1の拡張パラメータD206を、ベースビューMVC拡張パラメータ算出部205及び非ベースビュー復号部206の両方に出力する。また、非ベースビューMVC拡張パラメータ解析部204は、非ベースビューの符号化ビットストリームD205に含まれる、非ベースビューの符号化画像信号D208を非ベースビュー復号部206に出力する。
ベースビューMVC拡張パラメータ算出部205は、上記第1~第3の所定値を含む複数の設定値D204と、ピクチャ符号化タイプD203と、非ベースビューの複数の第1の拡張パラメータD206を取得する。そして、ベースビューMVC拡張パラメータ算出部205は、ベースビューの複数の第2の拡張パラメータの値として、取得された対応するパラメータの値を設定する。そして、ベースビューMVC拡張パラメータ算出部205は、ベースビューの複数の第2の拡張パラメータD211を非ベースビュー復号部206に出力する。
非ベースビュー復号部206は、ベースビューの復号画像信号D209と、ベースビューの複数の第2の拡張パラメータD211と、非ベースビューの複数の第1の拡張パラメータD206とを用いて、非ベースビューの符号化画像信号D208を、複数のMPEG-4MVC復号ツールを用いて復号することで、非ベースビューの復号画像信号D210を生成する。
以上より、本実施の形態によれば、符号化装置及び復号装置の両方で、ベースビューのMVC拡張パラメータである第2の拡張パラメータを算出する。これにより、符号化ビットストリームに、この第2の拡張パラメータを含める必要がない。このように、本実施の形態に係る符号化方法及び復号方法は、旧式のMPEG-2復号装置による復号処理に問題を生じさせる可能性のある、新しいデータユニットである第2の拡張パラメータを送信することなく、非ベースビューの復号に必要な、ベースビューに対応付けられた複数の第2の拡張パラメータの値を決定することができる。よって、本実施の形態に係る符号化方法は、当該符号化方法により生成された符号化ビットストリームを市販の旧式なMPEG-2復号装置において復号可能な状態にできるとともに、本実施の形態に係る復号方法を用いることで、マルチビューの画像を全て復号できる。
(実施の形態2)
本発明の実施の形態2に係る復号方法は、画像及び音声の復号時刻及び提示時刻を遅延させる。これにより、当該復号方法は、複数のビュー間における同期上の問題を低減できる。
本発明の実施の形態2に係る復号方法は、画像及び音声の復号時刻及び提示時刻を遅延させる。これにより、当該復号方法は、複数のビュー間における同期上の問題を低減できる。
本実施の形態に係る復号方法は、第1のビューの画像が符号化されることにより得られた第1の符号化画像と、第2のビューの画像が、第1ビューの画像を参照して符号化されることにより得られた第2の符号化画像と、音声サンプルが符号化された符号化音声サンプルとを含むマルチビューの符号化ビットストリームを復号する。
図8A~図8Cは、本発明の実施の形態2に係る提示時刻スタンプ(Presentation Time Stamp:PTS)及び復号時刻スタンプ(Decoding Time Stamp:DTS)の位置を示す図である。
図8A~図8Cに示すように、PTSは、ベースビューの画像と、非ベースビューの画像と、音声サンプルとのいずれかを含むメディアデータをカプセル化したPESヘッダの中に配置される。PESデータが、Bピクチャであるベースビューの画像を含む場合、又は、PESデータが音声サンプルを含む場合には、DTSの値はPTSの値と同じである。よって、このような場合には、図8A及び図8Cに示すように、DTSがPESパケットのPESヘッダの中に存在しなくてもよい。
図9は、本発明の実施の形態2に係る、ステレオ画像の一対及びそれに対応する音声サンプルの復号タイミング及び提示タイミングを示す図である。図9に示すように、互いに対応する、ベースビューの画像の提示時刻、並びに、非ベースビューの画像及び音声サンプルの復号時刻及び提示時刻は、全て1フレーム期間分遅延される。これにより、復号メディアが再生時に同期するように保証されている。ここで、1フレーム期間は、フレームレートの逆数に等しい期間である。
以下、ベースビュー、非ベースビュー及び音声サンプルの各々の復号処理を順次説明する。まず、ベースビューの復号処理について説明する。
図10は、本発明の実施の形態2に係るベースビューの第1の符号化画像を復号する処理のフローチャートである。
まず、ステップS201では、本実施の形態に係る復号装置は、ベースビューの第1の符号化画像の提示時刻を、ベースビューの第1の符号化画像のヘッダから取得する。具体的には、当該復号装置は、ベースビューの画像信号の一部を含むPESパケットヘッダからパラメータを取得する。
次に、ステップS202では、当該復号装置は、ベースビューの第1の符号化画像のための復号時刻を導出する。具体的には、当該復号装置は、符号化画像がBピクチャである場合には、復号時刻を、提示時刻と同じ値に設定する。
そして、ステップS203では、当該復号装置は、導出された復号時刻においてベースビューの第1の符号化画像を復号することで復号画像を生成する。
ステップS204では、当該復号装置は、ステップS201で取得された提示時刻をオフセット値分遅延させることで、復号画像のための新たな提示時刻である遅延提示時刻を算出する。このオフセット値は、例えば、フレームレートの逆数である1フレーム期間である。
そして最後に、ステップS205では、当該復号装置は、ベースビューの復号画像を新たに算出された遅延提示時刻において提示する。
次に、非ベースビューの復号処理について説明する。
図11は、本発明の実施の形態2に係る非ベースビューの第2の符号化画像を復号する処理のフローチャートである。
まず、ステップS221では、当該復号装置は、非ベースビューの第2の符号化画像の提示時刻を、第2の符号化画像のヘッダから取得する。具体的には、非ベースビューの画像信号の一部を含むPESパケットヘッダからパラメータを取得する。
次に、ステップS222では、当該復号装置は、復号時刻を非ベースビューの第2の符号化画像の上記ヘッダから取得する。
そして、ステップS223では、当該復号装置は、非ベースビューの符号化画像のための新たな復号時刻である遅延復号時刻を、ステップS222で取得された復号時刻をオフセット値分遅延させることで算出する。このオフセット値は、例えば、1フレーム期間である。
そして、ステップS224では、当該復号装置は、新たに算出された遅延復号時刻において非ベースビューの符号化画像を復号することで復号画像を生成する。
ステップS225では、当該復号装置は、ステップS221で取得された提示時刻を上記オフセット値分遅延させることで、復号画像のための新たな提示時刻である遅延提示時刻を算出する。
そして最後に、ステップS226では、当該復号装置は、非ベースビューの復号画像を新たに算出された遅延提示時刻において提示する。
次に、音声サンプルの復号処理について説明する。
図12は、本発明の実施の形態2に係る複数の音声サンプルを復号する処理のフローチャートである。
まず、ステップS241では、当該復号装置は、音声サンプルの提示時刻を、ベースビューの音声サンプルから取得する。具体的には、複数の音声サンプルの一部を含むPESパケットヘッダからパラメータを取得する。
次に、ステップS242では、当該復号装置は、音声サンプルの復号時刻を上記PESパケットヘッダから取得する。なお、上記PESパケットヘッダに復号時刻が含まれない場合には、当該復号装置は、ベースビューに対する処理と同様の方法により音声サンプルの復号時刻を導出してもよい。
そして、ステップS243では、当該復号装置は、複数の音声サンプルのための新たな復号時刻である遅延復号時刻を、ステップS242で取得された復号時刻をオフセット値分遅延させることで算出する。このオフセット値は、例えば、1フレーム期間である。
そして、ステップS244では、当該復号装置は、新たに算出された遅延復号時刻において、複数の音声サンプルを復号することで、復号音声サンプルを生成する。
ステップS245では、当該復号装置は、ステップS241で取得された提示時刻を上記オフセット値分遅延させることで、復号音声サンプルのための新たな提示時刻である遅延提示時刻を算出する。
そして最後に、ステップS246では、当該復号装置は、復号音声サンプルを、新たに算出された遅延提示時刻において提示する。
以下、上記復号方法を実現する復号装置について説明する。
図13は、本発明の実施の形態2に係る復号装置の一例を示すブロック図である。図13に示す復号装置300は、マルチビューの符号化ビットストリームD301を復号することで、マルチビューの復号画像信号D308を生成する。
この復号装置300は、PESヘッダ解析部301と、復号部302と、メモリ303と、表示部304と、DTS/PTS算出部305とを含む。
PESヘッダ解析部301は、符号化ビットストリームD301に含まれる複数のPESパケットの中のカプセル化された符号化画像信号を解析することで、提示時刻スタンプ(PTS)及び、存在すれば復号時刻スタンプ(DTS)である提示時刻及び復号時刻D302を取得する。そして、PESヘッダ解析部301は、取得した提示時刻及び復号時刻D302をDTS/PTS算出部305に出力する。また、PESヘッダ解析部301は、符号化ビットストリームD301に含まれる符号化画像信号D303を復号部302に出力する。
DTS/PTS算出部305は、提示時刻及び復号時刻D302を用いて、遅延提示時刻D307(遅延PTS)及び遅延復号時刻D306(遅延DTS)を算出する。そして、DTS/PTS算出部305は、算出された遅延復号時刻D306を復号部302に出力し、算出された遅延提示時刻D307を表示部304に出力する。
復号部302は、遅延復号時刻D306において符号化画像信号D303を復号することで、復号画像信号D304を生成する。そして、復号部302は、生成された復号画像信号D304をメモリ303に格納する。
表示部304は、遅延提示時刻D307において、復号画像信号D305をメモリ303から読み出し、読み出した復号画像信号D305を表示のために復号画像信号D308として出力する。
以上より、本発明の実施の形態2に係る復号方法は、画像及び音声の復号時刻及び提示時刻を遅延させることで、複数のビュー間における同期上の問題を低減できる。このように、当該復号方法は、ベースビューと非ベースビューの新しい復号時刻及び提示時刻を算出することで、ベースビューの復号画像と非ベースビューの復号画像の同期上の問題を解決できる。
(実施の形態3)
上記各実施の形態で示した動画像符号化方法(画像符号化方法)または動画像復号化方法(画像復号方法)の構成を実現するためのプログラムを記憶メディアに記録することにより、上記各実施の形態で示した処理を独立したコンピュータシステムにおいて簡単に実施することが可能となる。記憶メディアは、磁気ディスク、光ディスク、光磁気ディスク、ICカード、半導体メモリ等、プログラムを記録できるものであればよい。
上記各実施の形態で示した動画像符号化方法(画像符号化方法)または動画像復号化方法(画像復号方法)の構成を実現するためのプログラムを記憶メディアに記録することにより、上記各実施の形態で示した処理を独立したコンピュータシステムにおいて簡単に実施することが可能となる。記憶メディアは、磁気ディスク、光ディスク、光磁気ディスク、ICカード、半導体メモリ等、プログラムを記録できるものであればよい。
さらにここで、上記各実施の形態で示した動画像符号化方法(画像符号化方法)や動画像復号化方法(画像復号方法)の応用例とそれを用いたシステムを説明する。当該システムは、画像符号化方法を用いた画像符号化装置、及び画像復号方法を用いた画像復号装置からなる画像符号化復号装置を有することを特徴とする。システムにおける他の構成について、場合に応じて適切に変更することができる。
図14は、コンテンツ配信サービスを実現するコンテンツ供給システムex100の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ固定無線局である基地局ex106、ex107、ex108、ex109、ex110が設置されている。
このコンテンツ供給システムex100は、インターネットex101にインターネットサービスプロバイダex102および電話網ex104、および基地局ex106からex110を介して、コンピュータex111、PDA(Personal Digital Assistant)ex112、カメラex113、携帯電話ex114、ゲーム機ex115などの各機器が接続される。
しかし、コンテンツ供給システムex100は図14のような構成に限定されず、いずれかの要素を組合せて接続するようにしてもよい。また、固定無線局である基地局ex106からex110を介さずに、各機器が電話網ex104に直接接続されてもよい。また、各機器が近距離無線等を介して直接相互に接続されていてもよい。
カメラex113はデジタルビデオカメラ等の動画撮影が可能な機器であり、カメラex116はデジタルカメラ等の静止画撮影、動画撮影が可能な機器である。また、携帯電話ex114は、GSM(登録商標)(Global System for Mobile Communications)方式、CDMA(Code Division Multiple Access)方式、W-CDMA(Wideband-Code Division Multiple Access)方式、若しくはLTE(Long Term Evolution)方式、HSPA(High Speed Packet Access)の携帯電話機、またはPHS(Personal Handyphone System)等であり、いずれでも構わない。
コンテンツ供給システムex100では、カメラex113等が基地局ex109、電話網ex104を通じてストリーミングサーバex103に接続されることで、ライブ配信等が可能になる。ライブ配信では、ユーザがカメラex113を用いて撮影するコンテンツ(例えば、音楽ライブの映像等)に対して上記各実施の形態で説明したように符号化処理を行い(即ち、本発明の画像符号化装置として機能する)、ストリーミングサーバex103に送信する。一方、ストリーミングサーバex103は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントとしては、上記符号化処理されたデータを復号化することが可能な、コンピュータex111、PDAex112、カメラex113、携帯電話ex114、ゲーム機ex115等がある。配信されたデータを受信した各機器では、受信したデータを復号化処理して再生する(即ち、本発明の画像復号装置として機能する)。
なお、撮影したデータの符号化処理はカメラex113で行っても、データの送信処理をするストリーミングサーバex103で行ってもよいし、互いに分担して行ってもよい。同様に配信されたデータの復号化処理はクライアントで行っても、ストリーミングサーバex103で行ってもよいし、互いに分担して行ってもよい。また、カメラex113に限らず、カメラex116で撮影した静止画像および/または動画像データを、コンピュータex111を介してストリーミングサーバex103に送信してもよい。この場合の符号化処理はカメラex116、コンピュータex111、ストリーミングサーバex103のいずれで行ってもよいし、互いに分担して行ってもよい。
また、これら符号化・復号化処理は、一般的にコンピュータex111や各機器が有するLSIex500において処理する。LSIex500は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化・復号化用のソフトウェアをコンピュータex111等で読み取り可能な何らかの記録メディア(CD-ROM、フレキシブルディスク、ハードディスクなど)に組み込み、そのソフトウェアを用いて符号化・復号化処理を行ってもよい。さらに、携帯電話ex114がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データは携帯電話ex114が有するLSIex500で符号化処理されたデータである。
また、ストリーミングサーバex103は複数のサーバや複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。
以上のようにして、コンテンツ供給システムex100では、符号化されたデータをクライアントが受信して再生することができる。このようにコンテンツ供給システムex100では、ユーザが送信した情報をリアルタイムでクライアントが受信して復号化し、再生することができ、特別な権利や設備を有さないユーザでも個人放送を実現できる。
なお、コンテンツ供給システムex100の例に限らず、図15に示すように、デジタル放送用システムex200にも、上記各実施の形態の少なくとも動画像符号化装置(画像符号化装置)または動画像復号化装置(画像復号装置)のいずれかを組み込むことができる。具体的には、放送局ex201では映像データに音楽データなどが多重化された多重化データが電波を介して通信または衛星ex202に伝送される。この映像データは上記各実施の形態で説明した動画像符号化方法により符号化されたデータである(即ち、本発明の画像符号化装置によって符号化されたデータである)。これを受けた放送衛星ex202は、放送用の電波を発信し、この電波を衛星放送の受信が可能な家庭のアンテナex204が受信する。受信した多重化データを、テレビ(受信機)ex300またはセットトップボックス(STB)ex217等の装置が復号化して再生する(即ち、本発明の画像復号装置として機能する)。
また、DVD、BD等の記録メディアex215に記録した多重化データを読み取り復号化する、または記録メディアex215に映像信号を符号化し、さらに場合によっては音楽信号と多重化して書き込むリーダ/レコーダex218にも上記各実施の形態で示した動画像復号化装置または動画像符号化装置を実装することが可能である。この場合、再生された映像信号はモニタex219に表示され、多重化データが記録された記録メディアex215により他の装置やシステムにおいて映像信号を再生することができる。また、ケーブルテレビ用のケーブルex203または衛星/地上波放送のアンテナex204に接続されたセットトップボックスex217内に動画像復号化装置を実装し、これをテレビのモニタex219で表示してもよい。このときセットトップボックスではなく、テレビ内に動画像復号化装置を組み込んでもよい。
図16は、上記各実施の形態で説明した動画像復号化方法および動画像符号化方法を用いたテレビ(受信機)ex300を示す図である。テレビex300は、上記放送を受信するアンテナex204またはケーブルex203等を介して映像データに音声データが多重化された多重化データを取得、または出力するチューナex301と、受信した多重化データを復調する、または外部に送信する多重化データに変調する変調/復調部ex302と、復調した多重化データを映像データと、音声データとに分離する、または信号処理部ex306で符号化された映像データ、音声データを多重化する多重/分離部ex303を備える。
また、テレビex300は、音声データ、映像データそれぞれを復号化する、またはそれぞれの情報を符号化する音声信号処理部ex304、映像信号処理部ex305(本発明の画像符号化装置または画像復号装置として機能する)を有する信号処理部ex306と、復号化した音声信号を出力するスピーカex307、復号化した映像信号を表示するディスプレイ等の表示部ex308を有する出力部ex309とを有する。さらに、テレビex300は、ユーザ操作の入力を受け付ける操作入力部ex312等を有するインタフェース部ex317を有する。さらに、テレビex300は、各部を統括的に制御する制御部ex310、各部に電力を供給する電源回路部ex311を有する。インタフェース部ex317は、操作入力部ex312以外に、リーダ/レコーダex218等の外部機器と接続されるブリッジex313、SDカード等の記録メディアex216を装着可能とするためのスロット部ex314、ハードディスク等の外部記録メディアと接続するためのドライバex315、電話網と接続するモデムex316等を有していてもよい。なお記録メディアex216は、格納する不揮発性/揮発性の半導体メモリ素子により電気的に情報の記録を可能としたものである。テレビex300の各部は同期バスを介して互いに接続されている。
まず、テレビex300がアンテナex204等により外部から取得した多重化データを復号化し、再生する構成について説明する。テレビex300は、リモートコントローラex220等からのユーザ操作を受け、CPU等を有する制御部ex310の制御に基づいて、変調/復調部ex302で復調した多重化データを多重/分離部ex303で分離する。さらにテレビex300は、分離した音声データを音声信号処理部ex304で復号化し、分離した映像データを映像信号処理部ex305で上記各実施の形態で説明した復号化方法を用いて復号化する。復号化した音声信号、映像信号は、それぞれ出力部ex309から外部に向けて出力される。出力する際には、音声信号と映像信号が同期して再生するよう、バッファex318、ex319等に一旦これらの信号を蓄積するとよい。また、テレビex300は、放送等からではなく、磁気/光ディスク、SDカード等の記録メディアex215、ex216から多重化データを読み出してもよい。次に、テレビex300が音声信号や映像信号を符号化し、外部に送信または記録メディア等に書き込む構成について説明する。テレビex300は、リモートコントローラex220等からのユーザ操作を受け、制御部ex310の制御に基づいて、音声信号処理部ex304で音声信号を符号化し、映像信号処理部ex305で映像信号を上記各実施の形態で説明した符号化方法を用いて符号化する。符号化した音声信号、映像信号は多重/分離部ex303で多重化され外部に出力される。多重化する際には、音声信号と映像信号が同期するように、バッファex320、ex321等に一旦これらの信号を蓄積するとよい。なお、バッファex318、ex319、ex320、ex321は図示しているように複数備えていてもよいし、1つ以上のバッファを共有する構成であってもよい。さらに、図示している以外に、例えば変調/復調部ex302や多重/分離部ex303の間等でもシステムのオーバフロー、アンダーフローを避ける緩衝材としてバッファにデータを蓄積することとしてもよい。
また、テレビex300は、放送等や記録メディア等から音声データ、映像データを取得する以外に、マイクやカメラのAV入力を受け付ける構成を備え、それらから取得したデータに対して符号化処理を行ってもよい。なお、ここではテレビex300は上記の符号化処理、多重化、および外部出力ができる構成として説明したが、これらの処理を行うことはできず、上記受信、復号化処理、外部出力のみが可能な構成であってもよい。
また、リーダ/レコーダex218で記録メディアから多重化データを読み出す、または書き込む場合には、上記復号化処理または符号化処理はテレビex300、リーダ/レコーダex218のいずれで行ってもよいし、テレビex300とリーダ/レコーダex218が互いに分担して行ってもよい。
一例として、光ディスクからデータの読み込みまたは書き込みをする場合の情報再生/記録部ex400の構成を図17に示す。情報再生/記録部ex400は、以下に説明する要素ex401、ex402、ex403、ex404、ex405、ex406、ex407を備える。光ヘッドex401は、光ディスクである記録メディアex215の記録面にレーザスポットを照射して情報を書き込み、記録メディアex215の記録面からの反射光を検出して情報を読み込む。変調記録部ex402は、光ヘッドex401に内蔵された半導体レーザを電気的に駆動し記録データに応じてレーザ光の変調を行う。再生復調部ex403は、光ヘッドex401に内蔵されたフォトディテクタにより記録面からの反射光を電気的に検出した再生信号を増幅し、記録メディアex215に記録された信号成分を分離して復調し、必要な情報を再生する。バッファex404は、記録メディアex215に記録するための情報および記録メディアex215から再生した情報を一時的に保持する。ディスクモータex405は記録メディアex215を回転させる。サーボ制御部ex406は、ディスクモータex405の回転駆動を制御しながら光ヘッドex401を所定の情報トラックに移動させ、レーザスポットの追従処理を行う。システム制御部ex407は、情報再生/記録部ex400全体の制御を行う。上記の読み出しや書き込みの処理はシステム制御部ex407が、バッファex404に保持された各種情報を利用し、また必要に応じて新たな情報の生成・追加を行うと共に、変調記録部ex402、再生復調部ex403、サーボ制御部ex406を協調動作させながら、光ヘッドex401を通して、情報の記録再生を行うことにより実現される。システム制御部ex407は例えばマイクロプロセッサで構成され、読み出し書き込みのプログラムを実行することでそれらの処理を実行する。
以上では、光ヘッドex401はレーザスポットを照射するとして説明したが、近接場光を用いてより高密度な記録を行う構成であってもよい。
図18に光ディスクである記録メディアex215の模式図を示す。記録メディアex215の記録面には案内溝(グルーブ)がスパイラル状に形成され、情報トラックex230には、予めグルーブの形状の変化によってディスク上の絶対位置を示す番地情報が記録されている。この番地情報はデータを記録する単位である記録ブロックex231の位置を特定するための情報を含み、記録や再生を行う装置において情報トラックex230を再生し番地情報を読み取ることで記録ブロックを特定することができる。また、記録メディアex215は、データ記録領域ex233、内周領域ex232、外周領域ex234を含んでいる。ユーザデータを記録するために用いる領域がデータ記録領域ex233であり、データ記録領域ex233より内周または外周に配置されている内周領域ex232と外周領域ex234は、ユーザデータの記録以外の特定用途に用いられる。情報再生/記録部ex400は、このような記録メディアex215のデータ記録領域ex233に対して、符号化された音声データ、映像データまたはそれらのデータを多重化した多重化データの読み書きを行う。
以上では、1層のDVD、BD等の光ディスクを例に挙げ説明したが、これらに限ったものではなく、多層構造であって表面以外にも記録可能な光ディスクであってもよい。また、ディスクの同じ場所にさまざまな異なる波長の色の光を用いて情報を記録したり、さまざまな角度から異なる情報の層を記録したりなど、多次元的な記録/再生を行う構造の光ディスクであってもよい。
また、デジタル放送用システムex200において、アンテナex205を有する車ex210で衛星ex202等からデータを受信し、車ex210が有するカーナビゲーションex211等の表示装置に動画を再生することも可能である。なお、カーナビゲーションex211の構成は例えば図16に示す構成のうち、GPS受信部を加えた構成が考えられ、同様なことがコンピュータex111や携帯電話ex114等でも考えられる。
図19Aは、上記実施の形態で説明した動画像復号化方法および動画像符号化方法を用いた携帯電話ex114を示す図である。携帯電話ex114は、基地局ex110との間で電波を送受信するためのアンテナex350、映像、静止画を撮ることが可能なカメラ部ex365、カメラ部ex365で撮像した映像、アンテナex350で受信した映像等が復号化されたデータを表示する液晶ディスプレイ等の表示部ex358を備える。携帯電話ex114は、さらに、操作キー部ex366を有する本体部、音声を出力するためのスピーカ等である音声出力部ex357、音声を入力するためのマイク等である音声入力部ex356、撮影した映像、静止画、録音した音声、または受信した映像、静止画、メール等の符号化されたデータもしくは復号化されたデータを保存するメモリ部ex367、又は同様にデータを保存する記録メディアとのインタフェース部であるスロット部ex364を備える。
さらに、携帯電話ex114の構成例について、図19Bを用いて説明する。携帯電話ex114は、表示部ex358及び操作キー部ex366を備えた本体部の各部を統括的に制御する主制御部ex360に対して、電源回路部ex361、操作入力制御部ex362、映像信号処理部ex355、カメラインタフェース部ex363、LCD(Liquid Crystal Display)制御部ex359、変調/復調部ex352、多重/分離部ex353、音声信号処理部ex354、スロット部ex364、メモリ部ex367がバスex370を介して互いに接続されている。
電源回路部ex361は、ユーザの操作により終話及び電源キーがオン状態にされると、バッテリパックから各部に対して電力を供給することにより携帯電話ex114を動作可能な状態に起動する。
携帯電話ex114は、CPU、ROM、RAM等を有する主制御部ex360の制御に基づいて、音声通話モード時に音声入力部ex356で収音した音声信号を音声信号処理部ex354でデジタル音声信号に変換し、これを変調/復調部ex352でスペクトラム拡散処理し、送信/受信部ex351でデジタルアナログ変換処理および周波数変換処理を施した後にアンテナex350を介して送信する。また携帯電話ex114は、音声通話モード時にアンテナex350を介して受信した受信データを増幅して周波数変換処理およびアナログデジタル変換処理を施し、変調/復調部ex352でスペクトラム逆拡散処理し、音声信号処理部ex354でアナログ音声信号に変換した後、これを音声出力部ex357から出力する。
さらにデータ通信モード時に電子メールを送信する場合、本体部の操作キー部ex366等の操作によって入力された電子メールのテキストデータは操作入力制御部ex362を介して主制御部ex360に送出される。主制御部ex360は、テキストデータを変調/復調部ex352でスペクトラム拡散処理をし、送信/受信部ex351でデジタルアナログ変換処理および周波数変換処理を施した後にアンテナex350を介して基地局ex110へ送信する。電子メールを受信する場合は、受信したデータに対してこのほぼ逆の処理が行われ、表示部ex358に出力される。
データ通信モード時に映像、静止画、または映像と音声を送信する場合、映像信号処理部ex355は、カメラ部ex365から供給された映像信号を上記各実施の形態で示した動画像符号化方法によって圧縮符号化し(即ち、本発明の画像符号化装置として機能する)、符号化された映像データを多重/分離部ex353に送出する。また、音声信号処理部ex354は、映像、静止画等をカメラ部ex365で撮像中に音声入力部ex356で収音した音声信号を符号化し、符号化された音声データを多重/分離部ex353に送出する。
多重/分離部ex353は、映像信号処理部ex355から供給された符号化された映像データと音声信号処理部ex354から供給された符号化された音声データを所定の方式で多重化し、その結果得られる多重化データを変調/復調部(変調/復調回路部)ex352でスペクトラム拡散処理をし、送信/受信部ex351でデジタルアナログ変換処理及び周波数変換処理を施した後にアンテナex350を介して送信する。
データ通信モード時にホームページ等にリンクされた動画像ファイルのデータを受信する場合、または映像およびもしくは音声が添付された電子メールを受信する場合、アンテナex350を介して受信された多重化データを復号化するために、多重/分離部ex353は、多重化データを分離することにより映像データのビットストリームと音声データのビットストリームとに分け、同期バスex370を介して符号化された映像データを映像信号処理部ex355に供給するとともに、符号化された音声データを音声信号処理部ex354に供給する。映像信号処理部ex355は、上記各実施の形態で示した動画像符号化方法に対応した動画像復号化方法によって復号化することにより映像信号を復号し(即ち、本発明の画像復号装置として機能する)、LCD制御部ex359を介して表示部ex358から、例えばホームページにリンクされた動画像ファイルに含まれる映像、静止画が表示される。また音声信号処理部ex354は、音声信号を復号し、音声出力部ex357から音声が出力される。
また、上記携帯電話ex114等の端末は、テレビex300と同様に、符号化器・復号化器を両方持つ送受信型端末の他に、符号化器のみの送信端末、復号化器のみの受信端末という3通りの実装形式が考えられる。さらに、デジタル放送用システムex200において、映像データに音楽データなどが多重化された多重化データを受信、送信するとして説明したが、音声データ以外に映像に関連する文字データなどが多重化されたデータであってもよいし、多重化データではなく映像データ自体であってもよい。
このように、上記各実施の形態で示した動画像符号化方法あるいは動画像復号化方法を上述したいずれの機器・システムに用いることは可能であり、そうすることで、上記各実施の形態で説明した効果を得ることができる。
また、本発明はかかる上記実施の形態に限定されるものではなく、本発明の範囲を逸脱することなく種々の変形または修正が可能である。
(実施の形態4)
上記各実施の形態で示した動画像符号化方法または装置と、MPEG-2、MPEG4-AVC、VC-1など異なる規格に準拠した動画像符号化方法または装置とを、必要に応じて適宜切替えることにより、映像データを生成することも可能である。
上記各実施の形態で示した動画像符号化方法または装置と、MPEG-2、MPEG4-AVC、VC-1など異なる規格に準拠した動画像符号化方法または装置とを、必要に応じて適宜切替えることにより、映像データを生成することも可能である。
ここで、それぞれ異なる規格に準拠する複数の映像データを生成した場合、復号する際に、それぞれの規格に対応した復号方法を選択する必要がある。しかしながら、復号する映像データが、どの規格に準拠するものであるか識別できないため、適切な復号方法を選択することができないという課題を生じる。
この課題を解決するために、映像データに音声データなどを多重化した多重化データは、映像データがどの規格に準拠するものであるかを示す識別情報を含む構成とする。上記各実施の形態で示す動画像符号化方法または装置によって生成された映像データを含む多重化データの具体的な構成を以下説明する。多重化データは、MPEG-2トランスポートストリーム形式のデジタルストリームである。
図20は、多重化データの構成を示す図である。図20に示すように多重化データは、ビデオストリーム、オーディオストリーム、プレゼンテーショングラフィックスストリーム(PG)、インタラクティブグラフィックスストリームのうち、1つ以上を多重化することで得られる。ビデオストリームは映画の主映像および副映像を、オーディオストリーム(IG)は映画の主音声部分とその主音声とミキシングする副音声を、プレゼンテーショングラフィックスストリームは、映画の字幕をそれぞれ示している。ここで主映像とは画面に表示される通常の映像を示し、副映像とは主映像の中に小さな画面で表示する映像のことである。また、インタラクティブグラフィックスストリームは、画面上にGUI部品を配置することにより作成される対話画面を示している。ビデオストリームは、上記各実施の形態で示した動画像符号化方法または装置、従来のMPEG-2、MPEG4-AVC、VC-1などの規格に準拠した動画像符号化方法または装置によって符号化されている。オーディオストリームは、ドルビーAC-3、Dolby Digital Plus、MLP、DTS、DTS-HD、または、リニアPCMのなどの方式で符号化されている。
多重化データに含まれる各ストリームはPIDによって識別される。例えば、映画の映像に利用するビデオストリームには0x1011が、オーディオストリームには0x1100から0x111Fまでが、プレゼンテーショングラフィックスには0x1200から0x121Fまでが、インタラクティブグラフィックスストリームには0x1400から0x141Fまでが、映画の副映像に利用するビデオストリームには0x1B00から0x1B1Fまで、主音声とミキシングする副音声に利用するオーディオストリームには0x1A00から0x1A1Fが、それぞれ割り当てられている。
図21は、多重化データがどのように多重化されるかを模式的に示す図である。まず、複数のビデオフレームからなるビデオストリームex235、複数のオーディオフレームからなるオーディオストリームex238を、それぞれPESパケット列ex236およびex239に変換し、TSパケットex237およびex240に変換する。同じくプレゼンテーショングラフィックスストリームex241およびインタラクティブグラフィックスex244のデータをそれぞれPESパケット列ex242およびex245に変換し、さらにTSパケットex243およびex246に変換する。多重化データex247はこれらのTSパケットを1本のストリームに多重化することで構成される。
図22は、PESパケット列に、ビデオストリームがどのように格納されるかをさらに詳しく示している。図22における第1段目はビデオストリームのビデオフレーム列を示す。第2段目は、PESパケット列を示す。図22の矢印yy1,yy2,yy3,yy4に示すように、ビデオストリームにおける複数のVideo Presentation UnitであるIピクチャ、Bピクチャ、Pピクチャは、ピクチャ毎に分割され、PESパケットのペイロードに格納される。各PESパケットはPESヘッダを持ち、PESヘッダには、ピクチャの表示時刻であるPTS(Presentation Time-Stamp)やピクチャの復号時刻であるDTS(Decoding Time-Stamp)が格納される。
図23は、多重化データに最終的に書き込まれるTSパケットの形式を示している。TSパケットは、ストリームを識別するPIDなどの情報を持つ4ByteのTSヘッダとデータを格納する184ByteのTSペイロードから構成される188Byte固定長のパケットであり、上記PESパケットは分割されTSペイロードに格納される。BD-ROMの場合、TSパケットには、4ByteのTP_Extra_Headerが付与され、192Byteのソースパケットを構成し、多重化データに書き込まれる。TP_Extra_HeaderにはATS(Arrival_Time_Stamp)などの情報が記載される。ATSは当該TSパケットのデコーダのPIDフィルタへの転送開始時刻を示す。多重化データには図23下段に示すようにソースパケットが並ぶこととなり、多重化データの先頭からインクリメントする番号はSPN(ソースパケットナンバー)と呼ばれる。
また、多重化データに含まれるTSパケットには、映像・音声・字幕などの各ストリーム以外にもPAT(Program Association Table)、PMT(Program Map Table)、PCR(Program Clock Reference)などがある。PATは多重化データ中に利用されるPMTのPIDが何であるかを示し、PAT自身のPIDは0で登録される。PMTは、多重化データ中に含まれる映像・音声・字幕などの各ストリームのPIDと各PIDに対応するストリームの属性情報を持ち、また多重化データに関する各種ディスクリプタを持つ。ディスクリプタには多重化データのコピーを許可・不許可を指示するコピーコントロール情報などがある。PCRは、ATSの時間軸であるATC(Arrival Time Clock)とPTS・DTSの時間軸であるSTC(System Time Clock)の同期を取るために、そのPCRパケットがデコーダに転送されるATSに対応するSTC時間の情報を持つ。
図24はPMTのデータ構造を詳しく説明する図である。PMTの先頭には、そのPMTに含まれるデータの長さなどを記したPMTヘッダが配置される。その後ろには、多重化データに関するディスクリプタが複数配置される。上記コピーコントロール情報などが、ディスクリプタとして記載される。ディスクリプタの後には、多重化データに含まれる各ストリームに関するストリーム情報が複数配置される。ストリーム情報は、ストリームの圧縮コーデックなどを識別するためストリームタイプ、ストリームのPID、ストリームの属性情報(フレームレート、アスペクト比など)が記載されたストリームディスクリプタから構成される。ストリームディスクリプタは多重化データに存在するストリームの数だけ存在する。
記録媒体などに記録する場合には、上記多重化データは、多重化データ情報ファイルと共に記録される。
多重化データ情報ファイルは、図25に示すように多重化データの管理情報であり、多重化データと1対1に対応し、多重化データ情報、ストリーム属性情報とエントリマップから構成される。
多重化データ情報は図25に示すようにシステムレート、再生開始時刻、再生終了時刻から構成されている。システムレートは多重化データの、後述するシステムターゲットデコーダのPIDフィルタへの最大転送レートを示す。多重化データ中に含まれるATSの間隔はシステムレート以下になるように設定されている。再生開始時刻は多重化データの先頭のビデオフレームのPTSであり、再生終了時刻は多重化データの終端のビデオフレームのPTSに1フレーム分の再生間隔を足したものが設定される。
ストリーム属性情報は図26に示すように、多重化データに含まれる各ストリームについての属性情報が、PID毎に登録される。属性情報はビデオストリーム、オーディオストリーム、プレゼンテーショングラフィックスストリーム、インタラクティブグラフィックスストリーム毎に異なる情報を持つ。ビデオストリーム属性情報は、そのビデオストリームがどのような圧縮コーデックで圧縮されたか、ビデオストリームを構成する個々のピクチャデータの解像度がどれだけであるか、アスペクト比はどれだけであるか、フレームレートはどれだけであるかなどの情報を持つ。オーディオストリーム属性情報は、そのオーディオストリームがどのような圧縮コーデックで圧縮されたか、そのオーディオストリームに含まれるチャンネル数は何であるか、何の言語に対応するか、サンプリング周波数がどれだけであるかなどの情報を持つ。これらの情報は、プレーヤが再生する前のデコーダの初期化などに利用される。
本実施の形態においては、上記多重化データのうち、PMTに含まれるストリームタイプを利用する。また、記録媒体に多重化データが記録されている場合には、多重化データ情報に含まれる、ビデオストリーム属性情報を利用する。具体的には、上記各実施の形態で示した動画像符号化方法または装置において、PMTに含まれるストリームタイプ、または、ビデオストリーム属性情報に対し、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示す固有の情報を設定するステップまたは手段を設ける。この構成により、上記各実施の形態で示した動画像符号化方法または装置によって生成した映像データと、他の規格に準拠する映像データとを識別することが可能になる。
また、本実施の形態における動画像復号化方法のステップを図27に示す。ステップexS100において、多重化データからPMTに含まれるストリームタイプ、または、多重化データ情報に含まれるビデオストリーム属性情報を取得する。次に、ステップexS101において、ストリームタイプ、または、ビデオストリーム属性情報が上記各実施の形態で示した動画像符号化方法または装置によって生成された多重化データであることを示しているか否かを判断する。そして、ストリームタイプ、または、ビデオストリーム属性情報が上記各実施の形態で示した動画像符号化方法または装置によって生成されたものであると判断された場合には、ステップexS102において、上記各実施の形態で示した動画像復号方法により復号を行う。また、ストリームタイプ、または、ビデオストリーム属性情報が、従来のMPEG-2、MPEG4-AVC、VC-1などの規格に準拠するものであることを示している場合には、ステップexS103において、従来の規格に準拠した動画像復号方法により復号を行う。
このように、ストリームタイプ、または、ビデオストリーム属性情報に新たな固有値を設定することにより、復号する際に、上記各実施の形態で示した動画像復号化方法または装置で復号可能であるかを判断することができる。従って、異なる規格に準拠する多重化データが入力された場合であっても、適切な復号化方法または装置を選択することができるため、エラーを生じることなく復号することが可能となる。また、本実施の形態で示した動画像符号化方法または装置、または、動画像復号方法または装置を、上述したいずれの機器・システムに用いることも可能である。
(実施の形態5)
上記各実施の形態で示した動画像符号化方法および装置、動画像復号化方法および装置は、典型的には集積回路であるLSIで実現される。一例として、図28に1チップ化されたLSIex500の構成を示す。LSIex500は、以下に説明する要素ex501、ex502、ex503、ex504、ex505、ex506、ex507、ex508、ex509を備え、各要素はバスex510を介して接続している。電源回路部ex505は電源がオン状態の場合に各部に対して電力を供給することで動作可能な状態に起動する。
上記各実施の形態で示した動画像符号化方法および装置、動画像復号化方法および装置は、典型的には集積回路であるLSIで実現される。一例として、図28に1チップ化されたLSIex500の構成を示す。LSIex500は、以下に説明する要素ex501、ex502、ex503、ex504、ex505、ex506、ex507、ex508、ex509を備え、各要素はバスex510を介して接続している。電源回路部ex505は電源がオン状態の場合に各部に対して電力を供給することで動作可能な状態に起動する。
例えば符号化処理を行う場合には、LSIex500は、CPUex502、メモリコントローラex503、ストリームコントローラex504、駆動周波数制御部ex512等を有する制御部ex501の制御に基づいて、AV I/Oex509によりマイクex117やカメラex113等からAV信号を入力する。入力されたAV信号は、一旦SDRAM等の外部のメモリex511に蓄積される。制御部ex501の制御に基づいて、蓄積したデータは処理量や処理速度に応じて適宜複数回に分けるなどされ信号処理部ex507に送られ、信号処理部ex507において音声信号の符号化および/または映像信号の符号化が行われる。ここで映像信号の符号化処理は上記各実施の形態で説明した符号化処理である。信号処理部ex507ではさらに、場合により符号化された音声データと符号化された映像データを多重化するなどの処理を行い、ストリームI/Oex506から外部に出力する。この出力された多重化データは、基地局ex107に向けて送信されたり、または記録メディアex215に書き込まれたりする。なお、多重化する際には同期するよう、一旦バッファex508にデータを蓄積するとよい。
なお、上記では、メモリex511がLSIex500の外部の構成として説明したが、LSIex500の内部に含まれる構成であってもよい。バッファex508も1つに限ったものではなく、複数のバッファを備えていてもよい。また、LSIex500は1チップ化されてもよいし、複数チップ化されてもよい。
また、上記では、制御部ex501が、CPUex502、メモリコントローラex503、ストリームコントローラex504、駆動周波数制御部ex512等を有するとしているが、制御部ex501の構成は、この構成に限らない。例えば、信号処理部ex507がさらにCPUを備える構成であってもよい。信号処理部ex507の内部にもCPUを設けることにより、処理速度をより向上させることが可能になる。また、他の例として、CPUex502が信号処理部ex507、または信号処理部ex507の一部である例えば音声信号処理部を備える構成であってもよい。このような場合には、制御部ex501は、信号処理部ex507、またはその一部を有するCPUex502を備える構成となる。
なお、ここでは、LSIとしたが、集積度の違いにより、IC、システムLSI、スーパーLSI、ウルトラLSIと呼称されることもある。
また、集積回路化の手法はLSIに限るものではなく、専用回路または汎用プロセッサで実現してもよい。LSI製造後に、プログラムすることが可能なFPGA(Field Programmable Gate Array)や、LSI内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。
さらには、半導体技術の進歩または派生する別技術によりLSIに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行ってもよい。バイオ技術の適応等が可能性としてありえる。
(実施の形態6)
上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データを復号する場合、従来のMPEG-2、MPEG4-AVC、VC-1などの規格に準拠する映像データを復号する場合に比べ、処理量が増加することが考えられる。そのため、LSIex500において、従来の規格に準拠する映像データを復号する際のCPUex502の駆動周波数よりも高い駆動周波数に設定する必要がある。しかし、駆動周波数を高くすると、消費電力が高くなるという課題が生じる。
上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データを復号する場合、従来のMPEG-2、MPEG4-AVC、VC-1などの規格に準拠する映像データを復号する場合に比べ、処理量が増加することが考えられる。そのため、LSIex500において、従来の規格に準拠する映像データを復号する際のCPUex502の駆動周波数よりも高い駆動周波数に設定する必要がある。しかし、駆動周波数を高くすると、消費電力が高くなるという課題が生じる。
この課題を解決するために、テレビex300、LSIex500などの動画像復号化装置は、映像データがどの規格に準拠するものであるかを識別し、規格に応じて駆動周波数を切替える構成とする。図29は、本実施の形態における構成ex800を示している。駆動周波数切替え部ex803は、映像データが、上記各実施の形態で示した動画像符号化方法または装置によって生成されたものである場合には、駆動周波数を高く設定する。そして、上記各実施の形態で示した動画像復号化方法を実行する復号処理部ex801に対し、映像データを復号するよう指示する。一方、映像データが、従来の規格に準拠する映像データである場合には、映像データが、上記各実施の形態で示した動画像符号化方法または装置によって生成されたものである場合に比べ、駆動周波数を低く設定する。そして、従来の規格に準拠する復号処理部ex802に対し、映像データを復号するよう指示する。
より具体的には、駆動周波数切替え部ex803は、図28のCPUex502と駆動周波数制御部ex512から構成される。また、上記各実施の形態で示した動画像復号化方法を実行する復号処理部ex801、および、従来の規格に準拠する復号処理部ex802は、図28の信号処理部ex507に該当する。CPUex502は、映像データがどの規格に準拠するものであるかを識別する。そして、CPUex502からの信号に基づいて、駆動周波数制御部ex512は、駆動周波数を設定する。また、CPUex502からの信号に基づいて、信号処理部ex507は、映像データの復号を行う。ここで、映像データの識別には、例えば、実施の形態4で記載した識別情報を利用することが考えられる。識別情報に関しては、実施の形態4で記載したものに限られず、映像データがどの規格に準拠するか識別できる情報であればよい。例えば、映像データがテレビに利用されるものであるか、ディスクに利用されるものであるかなどを識別する外部信号に基づいて、映像データがどの規格に準拠するものであるか識別可能である場合には、このような外部信号に基づいて識別してもよい。また、CPUex502における駆動周波数の選択は、例えば、図31のような映像データの規格と、駆動周波数とを対応付けたルックアップテーブルに基づいて行うことが考えられる。ルックアップテーブルを、バッファex508や、LSIの内部メモリに格納しておき、CPUex502がこのルックアップテーブルを参照することにより、駆動周波数を選択することが可能である。
図30は、本実施の形態の方法を実施するステップを示している。まず、ステップexS200では、信号処理部ex507において、多重化データから識別情報を取得する。次に、ステップexS201では、CPUex502において、識別情報に基づいて映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものであるか否かを識別する。映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものである場合には、ステップexS202において、駆動周波数を高く設定する信号を、CPUex502が駆動周波数制御部ex512に送る。そして、駆動周波数制御部ex512において、高い駆動周波数に設定される。一方、従来のMPEG-2、MPEG4-AVC、VC-1などの規格に準拠する映像データであることを示している場合には、ステップexS203において、駆動周波数を低く設定する信号を、CPUex502が駆動周波数制御部ex512に送る。そして、駆動周波数制御部ex512において、映像データが上記各実施の形態で示した符号化方法または装置によって生成されたものである場合に比べ、低い駆動周波数に設定される。
さらに、駆動周波数の切替えに連動して、LSIex500またはLSIex500を含む装置に与える電圧を変更することにより、省電力効果をより高めることが可能である。例えば、駆動周波数を低く設定する場合には、これに伴い、駆動周波数を高く設定している場合に比べ、LSIex500またはLSIex500を含む装置に与える電圧を低く設定することが考えられる。
また、駆動周波数の設定方法は、復号する際の処理量が大きい場合に、駆動周波数を高く設定し、復号する際の処理量が小さい場合に、駆動周波数を低く設定すればよく、上述した設定方法に限らない。例えば、MPEG4-AVC規格に準拠する映像データを復号する処理量の方が、上記各実施の形態で示した動画像符号化方法または装置により生成された映像データを復号する処理量よりも大きい場合には、駆動周波数の設定を上述した場合の逆にすることが考えられる。
さらに、駆動周波数の設定方法は、駆動周波数を低くする構成に限らない。例えば、識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合には、LSIex500またはLSIex500を含む装置に与える電圧を高く設定し、従来のMPEG-2、MPEG4-AVC、VC-1などの規格に準拠する映像データであることを示している場合には、LSIex500またはLSIex500を含む装置に与える電圧を低く設定することも考えられる。また、他の例としては、識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合には、CPUex502の駆動を停止させることなく、従来のMPEG-2、MPEG4-AVC、VC-1などの規格に準拠する映像データであることを示している場合には、処理に余裕があるため、CPUex502の駆動を一時停止させることも考えられる。識別情報が、上記各実施の形態で示した動画像符号化方法または装置によって生成された映像データであることを示している場合であっても、処理に余裕があれば、CPUex502の駆動を一時停止させることも考えられる。この場合は、従来のMPEG-2、MPEG4-AVC、VC-1などの規格に準拠する映像データであることを示している場合に比べて、停止時間を短く設定することが考えられる。
このように、映像データが準拠する規格に応じて、駆動周波数を切替えることにより、省電力化を図ることが可能になる。また、電池を用いてLSIex500またはLSIex500を含む装置を駆動している場合には、省電力化に伴い、電池の寿命を長くすることが可能である。
(実施の形態7)
テレビや、携帯電話など、上述した機器・システムには、異なる規格に準拠する複数の映像データが入力される場合がある。このように、異なる規格に準拠する複数の映像データが入力された場合にも復号できるようにするために、LSIex500の信号処理部ex507が複数の規格に対応している必要がある。しかし、それぞれの規格に対応する信号処理部ex507を個別に用いると、LSIex500の回路規模が大きくなり、また、コストが増加するという課題が生じる。
テレビや、携帯電話など、上述した機器・システムには、異なる規格に準拠する複数の映像データが入力される場合がある。このように、異なる規格に準拠する複数の映像データが入力された場合にも復号できるようにするために、LSIex500の信号処理部ex507が複数の規格に対応している必要がある。しかし、それぞれの規格に対応する信号処理部ex507を個別に用いると、LSIex500の回路規模が大きくなり、また、コストが増加するという課題が生じる。
この課題を解決するために、上記各実施の形態で示した動画像復号方法を実行するための復号処理部と、従来のMPEG-2、MPEG4-AVC、VC-1などの規格に準拠する復号処理部とを一部共有化する構成とする。この構成例を図32Aのex900に示す。例えば、上記各実施の形態で示した動画像復号方法と、MPEG4-AVC規格に準拠する動画像復号方法とは、エントロピー符号化、逆量子化、デブロッキング・フィルタ、動き補償などの処理において処理内容が一部共通する。共通する処理内容については、MPEG4-AVC規格に対応する復号処理部ex902を共有し、MPEG4-AVC規格に対応しない、本発明特有の他の処理内容については、専用の復号処理部ex901を用いるという構成が考えられる。特に、本発明は、ベースビューのMVC拡張パラメータの算出、又は、DTS及びPTSの算出に特徴を有していることから、例えば、ベースビューのMVC拡張パラメータの算出、又は、DTS及びPTSの算出については専用の復号処理部ex901を用い、それ以外のエントロピー符号化、逆量子化、デブロッキング・フィルタ、動き補償のいずれか、または、全ての処理については、復号処理部を共有することが考えられる。復号処理部の共有化に関しては、共通する処理内容については、上記各実施の形態で示した動画像復号化方法を実行するための復号処理部を共有し、MPEG4-AVC規格に特有の処理内容については、専用の復号処理部を用いる構成であってもよい。
また、処理を一部共有化する他の例を図32Bのex1000に示す。この例では、本発明に特有の処理内容に対応した専用の復号処理部ex1001と、他の従来規格に特有の処理内容に対応した専用の復号処理部ex1002と、本発明の動画像復号方法と他の従来規格の動画像復号方法とに共通する処理内容に対応した共用の復号処理部ex1003とを用いる構成としている。ここで、専用の復号処理部ex1001、ex1002は、必ずしも本発明、または、他の従来規格に特有の処理内容に特化したものではなく、他の汎用処理を実行できるものであってもよい。また、本実施の形態の構成を、LSIex500で実装することも可能である。
このように、本発明の動画像復号方法と、従来の規格の動画像復号方法とで共通する処理内容について、復号処理部を共有することにより、LSIの回路規模を小さくし、かつ、コストを低減することが可能である。
本発明は、符号化方法、復号方法、符号化装置及び復号装置に適用できる。例えば、本発明は、テレビ、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、及びデジタルビデオカメラ等の高解像度の情報表示機器又は撮像機器に利用可能である。
100 符号化装置
101 ベースビュー符号化部
102 ベースビュー書き込み部
103、202 ベースビュー復号部
104、205 ベースビューMVC拡張パラメータ算出部
105 非ベースビューMVC拡張パラメータ決定部
106、203、303 メモリ
107 非ベースビュー符号化部
108 非ベースビュー書き込み部
200、300 復号装置
201 ベースビューピクチャヘッダ解析部
204 非ベースビューMVC拡張パラメータ解析部
206 非ベースビュー復号部
301 PESヘッダ解析部
302 復号部
304 表示部
305 DTS/PTS算出部
D101 ベースビューの画像信号
D102、D110、D202、D208、D303 符号化画像信号
D103、D109、D207、D209 ベースビューの復号画像信号
D104、D201 ベースビューの符号化ビットストリーム
D105、D204 設定値
D106 非ベースビューの画像信号
D107、D206 第1の拡張パラメータ
D108、D211 第2の拡張パラメータ
D111、D205 非ベースビューの符号化ビットストリーム
D112、D203 ピクチャ符号化タイプ
D210 非ベースビューの復号画像信号
D301 符号化ビットストリーム
D302 提示時刻及び復号時刻
D304、D305、D308 復号画像信号
D306 遅延復号時刻
D307 遅延提示時刻
101 ベースビュー符号化部
102 ベースビュー書き込み部
103、202 ベースビュー復号部
104、205 ベースビューMVC拡張パラメータ算出部
105 非ベースビューMVC拡張パラメータ決定部
106、203、303 メモリ
107 非ベースビュー符号化部
108 非ベースビュー書き込み部
200、300 復号装置
201 ベースビューピクチャヘッダ解析部
204 非ベースビューMVC拡張パラメータ解析部
206 非ベースビュー復号部
301 PESヘッダ解析部
302 復号部
304 表示部
305 DTS/PTS算出部
D101 ベースビューの画像信号
D102、D110、D202、D208、D303 符号化画像信号
D103、D109、D207、D209 ベースビューの復号画像信号
D104、D201 ベースビューの符号化ビットストリーム
D105、D204 設定値
D106 非ベースビューの画像信号
D107、D206 第1の拡張パラメータ
D108、D211 第2の拡張パラメータ
D111、D205 非ベースビューの符号化ビットストリーム
D112、D203 ピクチャ符号化タイプ
D210 非ベースビューの復号画像信号
D301 符号化ビットストリーム
D302 提示時刻及び復号時刻
D304、D305、D308 復号画像信号
D306 遅延復号時刻
D307 遅延提示時刻
Claims (16)
- 第1及び第2のビューの画像を含むマルチビューの画像信号を符号化することで第1及び第2のビットストリームを生成する符号化方法であって、
第1の規格及び第2の規格に準拠した符号化方式で、前記第1のビューの画像を符号化することで第1の符号化画像を生成する第1の符号化ステップと、
前記第1の規格及び前記第2の規格に準拠したフォーマットに従い、前記第1の符号化画像を含む前記第1の符号化ビットストリームを生成する第1の書き込みステップと、
前記第2の規格には準拠せず、かつ、前記第1の規格に準拠した複数のパラメータであって、前記第2のビューの画像のための複数の第1のパラメータを決定するパラメータ決定ステップと、
前記複数のパラメータであって、前記第1の符号化画像のための複数の第2のパラメータを算出するパラメータ算出ステップと、
前記第1の規格に準拠した符号化方式で、前記複数の第1のパラメータ及び前記複数の第2のパラメータを用い、かつ、前記第1のビューの画像を参照して、前記第2のビューの画像を符号化することで第2の符号化画像を生成する第2の符号化ステップと、
前記第1の規格に準拠したフォーマットに従い、前記第2の符号化画像及び前記第1のパラメータを含む前記第2の符号化ビットストリームを生成する第2の書き込むステップとを含む
符号化方法。 - 前記パラメータ算出ステップは、
前記複数のパラメータのうちの一部のパラメータに対して、前記複数の第2のパラメータのうちの前記一部のパラメータの値として、前記複数の第1のパラメータのうちの前記一部のパラメータの値を設定するステップを含む
請求項1記載の符号化方法。 - 前記一部のパラメータは、画像がIDRピクチャであるか否を示すパラメータと、複数の画像の復号順序を示すパラメータと、ピクチャがシーケンスの先頭に位置するピクチャであるか否かを示すパラメータとを含む
請求項2記載の符号化方法。 - 前記複数のパラメータは、ビューに対する復号の優先度を示す優先識別子を含み、
前記パラメータ算出ステップは、
前記複数の第2のパラメータに含まれる前記優先識別子に最も高い優先度を示す値を設定するステップを含む
請求項1~3のいずれか1項に記載の符号化方法。 - 前記複数のパラメータは、複数のビューの各々を識別するためのビュー識別子を含み、
前記パラメータ算出ステップは、
前記複数の第2のパラメータに含まれる前記ビュー識別子の値として、他のビューを参照せずに復号可能なビューに対して付与される予め定められた値を設定するステップとを含む
請求項1~4のいずれか1項に記載の符号化方法。 - 前記複数のパラメータは、対象画像が他のビューの画像から参照されるか否かを示すビュー間予測フラグを含み、
前記パラメータ算出ステップは、
前記第1の符号化画像がBピクチャであるか否かを判定するステップと、
前記第1の符号化画像がBピクチャである場合に、前記複数の第2のパラメータに含まれる前記ビュー間予測フラグを、他のビューの画像から参照されないことを示す値に設定するステップと、
前記第1の符号化画像がBピクチャでない場合に、前記複数の第2のパラメータに含まれる前記ビュー間予測フラグを、他のビューの画像から参照されることを示す値に設定するステップとを含む
請求項1~5のいずれか1項に記載の符号化方法。 - 前記第1の規格は、MPEG-4 MVC規格であり、
前記第2の規格は、MPEG-2規格であり、
前記複数のパラメータは、NALユニットヘッダのMVC拡張パラメータである
請求項1~6のいずれか1項に記載の符号化方法。 - 第1の規格及び第2の規格に準拠して、第1のビューの画像が符号化されることにより得られた第1の符号化ビットストリームと、前記第1の規格に準拠して、第2のビューの画像が、前記第1ビューの画像を参照して符号化されることにより得られた第2の符号化ビットストリームとを含むマルチビューの符号化ビットストリームを復号する復号方法であって、
前記第2の規格に基づいて、前記第1の符号化ビットストリームを解析することで、前記第1の符号化画像を取得する第1の解析ステップと、
前記第2の規格に準拠した復号方式で、前記第1の符号化画像を復号することで第1の復号画像を生成する第1の復号ステップと、
前記第1の規格に基づいて、前記第2の符号化ビットストリームを解析することで、(1)前記第2の規格には準拠せず、かつ、前記第1の規格に準拠した複数のパラメータであって、前記第2の符号化ビットストリームに含まれる、第2の符号化画像のための複数の第1のパラメータと、(2)前記第2の符号化画像とを取得する第2の解析ステップと、
前記複数のパラメータであって、前記第1の符号化画像のための複数の第2のパラメータを算出するパラメータ算出ステップと、
前記第1の規格に準拠した復号方式で、前記複数の第1のパラメータ及び前記複数の第2のパラメータを用い、かつ、前記第1の復号画像を参照して、前記第2の符号化画像を復号することで、第2の復号画像を生成する第2の復号ステップとを含む
復号方法。 - 第1のビューの画像が符号化されることにより得られた第1の符号化画像と、第2のビューの画像が、前記第1ビューの画像を参照して符号化されることにより得られた第2の符号化画像とを含むマルチビューの符号化ビットストリームを復号する復号方法であって、
前記符号化ビットストリームに含まれる、前記第1の符号化画像の提示時刻を取得する提示時刻取得ステップと、
前記第1の符号化画像の復号時刻を導出する復号時刻導出ステップと、
前記復号時刻おいて、前記第1の符号化画像を復号することで復号画像を生成する復号ステップと、
前記提示時刻をオフセット値分遅延させることにより遅延提示時刻を算出する提示時刻遅延ステップと、
前記遅延提示時刻において前記復号画像を提示する提示ステップとを含む
復号方法。 - 第1のビューの画像が符号化されることにより得られた第1の符号化画像と、第2のビューの画像が、前記第1ビューの画像を参照して符号化されることにより得られた第2の符号化画像とを含むマルチビューの符号化ビットストリームを復号する復号方法であって、
前記符号化ビットストリームに含まれる、前記第2の符号化画像の提示時刻を取得する提示時刻取得ステップと、
前記符号化ビットストリームに含まれる、前記第2の符号化画像の復号時刻を取得する復号時刻取得ステップと、
前記復号時刻をオフセット値分遅延させることにより遅延復号時刻を算出する復号時刻遅延ステップと、
前記遅延復号時刻において、前記第2の符号化画像を復号することで復号画像を生成する復号ステップと、
前記提示時刻を前記オフセット値分遅延させることにより遅延提示時刻を算出する提示時刻遅延ステップと、
前記遅延提示時刻において前記復号画像を提示する提示ステップとを含む
復号方法。 - 第1のビューの画像が符号化されることにより得られた第1の符号化画像と、第2のビューの画像が、前記第1ビューの画像を参照して符号化されることにより得られた第2の符号化画像と、音声サンプルが符号化された符号化音声サンプルとを含むマルチビューの符号化ビットストリームを復号する復号方法であって、
前記符号化ビットストリームに含まれる、前記符号化音声サンプルの提示時刻を取得する提示時刻取得ステップと、
前記符号化ビットストリームに含まれる、前記符号化音声サンプルの復号時刻を取得する復号時刻取得ステップと、
前記復号時刻をオフセット値分遅延させることにより遅延復号時刻を算出する復号時刻遅延ステップと、
前記遅延復号時刻において前記符号化音声サンプルを復号することで復号音声サンプルを生成する復号ステップと、
前記提示時刻を前記オフセット値分遅延させることにより遅延提示時刻を算出する提示時刻遅延ステップと、
前記遅延提示時刻において前記復号音声サンプルを提示する提示ステップとを含む
復号方法。 - 第1及び第2のビューの画像を含むマルチビューの画像信号を符号化することで第1及び第2のビットストリームを生成する符号化装置であって、
第1の規格及び第2の規格に準拠した符号化方式で、前記第1のビューの画像を符号化することで第1の符号化画像を生成する第1の符号化部と、
前記第1の規格及び前記第2の規格に準拠したフォーマットに従い、前記第1の符号化画像を含む前記第1の符号化ビットストリームを生成する第1の書き込み部と、
前記第2の規格には準拠せず、かつ、前記第1の規格に準拠した複数のパラメータであって、前記第2のビューの画像のための複数の第1のパラメータを決定するパラメータ決定部と、
前記複数のパラメータであって、前記第1の符号化画像のための複数の第2のパラメータを算出するパラメータ算出部と、
前記第1の規格に準拠した符号化方式で、前記複数の第1のパラメータ及び前記複数の第2のパラメータを用い、かつ、前記第1のビューの画像を参照して、前記第2のビューの画像を符号化することで第2の符号化画像を生成する第2の符号化部と、
前記第1の規格に準拠したフォーマットに従い、前記第2の符号化画像及び前記第1のパラメータを含む前記第2の符号化ビットストリームを生成する第2の書き込む部とを備える
符号化装置。 - 第1の規格及び第2の規格に準拠して、第1のビューの画像が符号化されることにより得られた第1の符号化ビットストリームと、前記第1の規格に準拠して、第2のビューの画像が、前記第1ビューの画像を参照して符号化されることにより得られた第2の符号化ビットストリームとを含むマルチビューの符号化ビットストリームを復号する復号装置であって、
前記第2の規格に基づいて、前記第1の符号化ビットストリームを解析することで、前記第1の符号化画像を取得する第1の解析部と、
前記第2の規格に準拠した復号方式で、前記第1の符号化画像を復号する第1の復号部と、
前記第1の規格に基づいて、前記第2の符号化ビットストリームを解析することで、(1)前記第2の規格には準拠せず、かつ、前記第1の規格に準拠した複数のパラメータであって、前記第2の符号化ビットストリームに含まれる、第2の符号化画像のための複数の第1のパラメータと、(2)前記第2の符号化画像とを取得する第2の解析部と、
前記複数のパラメータであって、前記第1の符号化画像のための複数の第2のパラメータを算出するパラメータ算出部と、
前記第1の規格に準拠した復号方式で、前記複数の第1のパラメータ及び前記複数の第2のパラメータを用い、かつ、前記第1の復号画像を参照して、前記第2の符号化画像を復号することで、第2の復号画像を生成する第2の復号部とを備える
復号装置。 - 第1のビューの画像が符号化されることにより得られた第1の符号化画像と、第2のビューの画像が、前記第1ビューの画像を参照して符号化されることにより得られた第2の符号化画像とを含むマルチビューの符号化ビットストリームを復号する復号装置であって、
前記第1の符号化ビットストリームに含まれる、前記第1の符号化画像の提示時刻を取得するとともに、前記第1の符号化画像の復号時刻を導出する解析部と、
前記復号時刻おいて、前記第1の符号化画像を復号することで復号画像を生成する復号部と、
前記提示時刻をオフセット値分遅延させることにより遅延提示時刻を算出する算出部と、
前記遅延提示時刻において前記復号画像を提示する提示部とを備える
復号装置。 - 第1のビューの画像が符号化されることにより得られた第1の符号化画像と、第2のビューの画像が、前記第1ビューの画像を参照して符号化されることにより得られた第2の符号化画像とを含むマルチビューの符号化ビットストリームを復号する復号装置であって、
前記第2の符号化ビットストリームに含まれる、前記第2の符号化画像の提示時刻及び復号時刻を取得する解析部と、
前記復号時刻をオフセット値分遅延させることにより遅延復号時刻を算出し、前記提示時刻を前記オフセット値分遅延させることにより遅延提示時刻を算出する算出部と、
前記遅延復号時刻において、前記第2の符号化画像を復号することで復号画像を生成する復号部と、
前記遅延提示時刻において前記復号画像を提示する提示部とを備える
復号装置。 - 第1のビューの画像が符号化されることにより得られた第1の符号化画像と、第2のビューの画像が、前記第1ビューの画像を参照して符号化されることにより得られた第2の符号化画像と、音声サンプルが符号化された符号化音声サンプルとを含むマルチビューの符号化ビットストリームを復号する復号装置であって、
前記符号化ビットストリームに含まれる、前記符号化音声サンプルの提示時刻及び復号時刻を取得する解析部と、
前記復号時刻をオフセット値分遅延させることにより遅延復号時刻を算出し、前記提示時刻を前記オフセット値分遅延させることにより遅延提示時刻を算出する算出部と、
前記遅延復号時刻において前記符号化音声サンプルを復号することで復号音声サンプルを生成する復号部と、
前記遅延提示時刻において前記復号音声サンプルを提示する提示部とを備える
復号装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/036,768 | 2011-02-28 | ||
US13/036,768 US20120219069A1 (en) | 2011-02-28 | 2011-02-28 | Methods and apparatuses for encoding and decoding images of a plurality of views using multiview video coding standard and mpeg-2 video standard |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2012117722A1 true WO2012117722A1 (ja) | 2012-09-07 |
Family
ID=46718986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2012/001350 WO2012117722A1 (ja) | 2011-02-28 | 2012-02-28 | 符号化方法、復号方法、符号化装置及び復号装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20120219069A1 (ja) |
WO (1) | WO2012117722A1 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4962525B2 (ja) * | 2009-04-08 | 2012-06-27 | ソニー株式会社 | 再生装置、再生方法、およびプログラム |
JP2012249045A (ja) * | 2011-05-27 | 2012-12-13 | Sony Corp | 再生装置、再生方法、およびプログラム |
US9591318B2 (en) | 2011-09-16 | 2017-03-07 | Microsoft Technology Licensing, Llc | Multi-layer encoding and decoding |
US11089343B2 (en) | 2012-01-11 | 2021-08-10 | Microsoft Technology Licensing, Llc | Capability advertisement, configuration and control for video coding and decoding |
US9451256B2 (en) * | 2012-07-20 | 2016-09-20 | Qualcomm Incorporated | Reusing parameter sets for video coding |
US9380289B2 (en) | 2012-07-20 | 2016-06-28 | Qualcomm Incorporated | Parameter sets in video coding |
US9936215B2 (en) | 2012-10-04 | 2018-04-03 | Vid Scale, Inc. | Reference picture set mapping for standard scalable video coding |
US9648299B2 (en) | 2013-01-04 | 2017-05-09 | Qualcomm Incorporated | Indication of presence of texture and depth views in tracks for multiview coding plus depth |
JP6652320B2 (ja) * | 2013-12-16 | 2020-02-19 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 送信方法、受信方法、送信装置及び受信装置 |
EP4054199A1 (en) * | 2013-12-16 | 2022-09-07 | Panasonic Intellectual Property Corporation of America | Receiving device and reception method |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006109000A (ja) * | 2004-10-04 | 2006-04-20 | Sony Corp | オーディオビデオ同期システム及びモニター装置 |
JP2007028261A (ja) * | 2005-07-19 | 2007-02-01 | Nec Viewtechnology Ltd | 映像音声再生装置および映像音声再生方法 |
JP2010512096A (ja) * | 2006-12-08 | 2010-04-15 | 韓國電子通信研究院 | 非リアルタイムベースのデジタル実感放送送受信システム及びその方法 |
JP2010283856A (ja) * | 2008-09-17 | 2010-12-16 | Panasonic Corp | 記録媒体、再生装置、及び集積回路 |
JP2011019224A (ja) * | 2009-07-07 | 2011-01-27 | Korea Electronics Telecommun | デジタル放送システムのステレオスコピックビデオ送受信方法およびその装置 |
-
2011
- 2011-02-28 US US13/036,768 patent/US20120219069A1/en not_active Abandoned
-
2012
- 2012-02-28 WO PCT/JP2012/001350 patent/WO2012117722A1/ja active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006109000A (ja) * | 2004-10-04 | 2006-04-20 | Sony Corp | オーディオビデオ同期システム及びモニター装置 |
JP2007028261A (ja) * | 2005-07-19 | 2007-02-01 | Nec Viewtechnology Ltd | 映像音声再生装置および映像音声再生方法 |
JP2010512096A (ja) * | 2006-12-08 | 2010-04-15 | 韓國電子通信研究院 | 非リアルタイムベースのデジタル実感放送送受信システム及びその方法 |
JP2010283856A (ja) * | 2008-09-17 | 2010-12-16 | Panasonic Corp | 記録媒体、再生装置、及び集積回路 |
JP2011019224A (ja) * | 2009-07-07 | 2011-01-27 | Korea Electronics Telecommun | デジタル放送システムのステレオスコピックビデオ送受信方法およびその装置 |
Non-Patent Citations (1)
Title |
---|
TETSUO NOZAWA ET AL.: "Sekai de Hajimaru 3D Hoso Gyokai Hyojun Meguru Arasoi Gekika", NIKKEI ELECTRONICS, vol. 1028, 19 April 2010 (2010-04-19), pages 55 - 62 * |
Also Published As
Publication number | Publication date |
---|---|
US20120219069A1 (en) | 2012-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6008263B2 (ja) | 再生方法及び再生装置 | |
JP6394966B2 (ja) | 時間動きベクトル予測を用いた、符号化方法、復号方法、符号化装置、及び、復号装置 | |
JP5932733B2 (ja) | 画像復号方法および画像復号装置 | |
JP6210248B2 (ja) | 動画像符号化方法及び動画像符号化装置 | |
JP6213753B2 (ja) | 符号化復号装置 | |
WO2012117722A1 (ja) | 符号化方法、復号方法、符号化装置及び復号装置 | |
JP6562369B2 (ja) | 符号化復号方法および符号化復号装置 | |
JP6414712B2 (ja) | 多数の参照ピクチャを用いる動画像符号化方法、動画像復号方法、動画像符号化装置、および動画像復号方法 | |
WO2013042359A1 (ja) | 動画像符号化方法、動画像符号化装置、動画像復号化方法、および、動画像復号化装置 | |
JP6078927B2 (ja) | 動画像符号化方法、動画像符号化装置、動画像復号方法、及び、動画像復号装置 | |
WO2013164903A1 (ja) | 画像符号化方法、画像復号方法、画像符号化装置、画像復号装置及び画像符号化復号装置 | |
JP5680812B1 (ja) | 画像符号化方法、画像復号方法、画像符号化装置および画像復号装置 | |
JP6167906B2 (ja) | 画像符号化方法、画像復号方法、画像符号化装置及び画像復号装置 | |
WO2012070235A1 (ja) | 動きベクトル算出方法、画像符号化方法、画像復号方法、動きベクトル算出装置および画像符号化復号装置 | |
WO2013076991A1 (ja) | 画像符号化方法、画像符号化装置、画像復号方法、および、画像復号装置 | |
WO2012096157A1 (ja) | 画像符号化方法、画像復号方法、画像符号化装置および画像復号装置 | |
WO2012073481A1 (ja) | 動画像符号化方法および動画像復号化方法 | |
WO2013153808A1 (ja) | 画像復号方法および画像復号装置 | |
WO2013046616A1 (ja) | 画像符号化装置、画像復号装置、画像符号化方法及び画像復号方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 12753017 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 12753017 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: JP |