WO2019235491A1 - 符号化装置、復号装置、符号化方法及び復号方法 - Google Patents
符号化装置、復号装置、符号化方法及び復号方法 Download PDFInfo
- Publication number
- WO2019235491A1 WO2019235491A1 PCT/JP2019/022228 JP2019022228W WO2019235491A1 WO 2019235491 A1 WO2019235491 A1 WO 2019235491A1 JP 2019022228 W JP2019022228 W JP 2019022228W WO 2019235491 A1 WO2019235491 A1 WO 2019235491A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- conversion
- prediction
- transform
- base
- block
- 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
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
- H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—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
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
- H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/18—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 set of transform coefficients
-
- 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
- H04N19/46—Embedding additional information in the video signal during the compression process
- H04N19/463—Embedding additional information in the video signal during the compression process by compressing encoding parameters before transmission
-
- 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
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
- H04N19/61—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding in combination with predictive 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
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
- H04N19/625—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using discrete cosine transform [DCT]
Definitions
- the present disclosure relates to an encoding device that encodes a moving image.
- H.C. High Efficiency Video Coding
- H.265 exists (Non-Patent Document 1).
- the present disclosure provides an encoding device and the like that can reduce the amount of processing related to encoding of moving images.
- An encoding apparatus is an encoding apparatus that encodes a moving image, and includes a circuit and a memory, and the circuit uses the memory to perform either intra prediction or inter prediction.
- To obtain a prediction image of the encoding target block included in the moving image generate a difference between the image of the encoding target block and the prediction image as a prediction error signal of the encoding target block, and perform a plurality of transformations Selecting a transform base to be used for transforming the prediction error signal from the bases, and transforming the prediction error signal using the transform base, thereby generating a transform coefficient signal of the encoding target block;
- the transform coefficient signal is encoded, and the plurality of variables have a common correspondence relationship when the predicted image is acquired by intra prediction and when the predicted image is acquired by inter prediction.
- Among a plurality of index values associated with the base to encode the index value associated with the transform basis.
- the encoding device and the like according to one aspect of the present disclosure can reduce the amount of processing related to encoding of moving images.
- FIG. 1 is a block diagram showing a functional configuration of the encoding apparatus according to the embodiment.
- FIG. 2 is a flowchart illustrating an example of the overall encoding process performed by the encoding apparatus.
- FIG. 3 is a diagram illustrating an example of block division.
- FIG. 4A is a diagram illustrating an example of a slice configuration.
- FIG. 4B is a diagram illustrating an example of a tile configuration.
- FIG. 5A is a table showing conversion basis functions corresponding to each conversion type.
- FIG. 5B is a diagram illustrating SVT (Spatially Varying Transform).
- FIG. 6A is a diagram illustrating an example of the shape of a filter used in ALF (adaptive loop filter).
- FIG. 1 is a block diagram showing a functional configuration of the encoding apparatus according to the embodiment.
- FIG. 2 is a flowchart illustrating an example of the overall encoding process performed by the encoding apparatus.
- FIG. 3 is a diagram illustrating an
- FIG. 6B is a diagram illustrating another example of the shape of a filter used in ALF.
- FIG. 6C is a diagram illustrating another example of the shape of a filter used in ALF.
- FIG. 7 is a block diagram illustrating an example of a detailed configuration of a loop filter unit that functions as a DBF.
- FIG. 8 is a diagram illustrating an example of a deblocking filter having filter characteristics that are symmetric with respect to a block boundary.
- FIG. 9 is a diagram for explaining a block boundary where deblocking filter processing is performed.
- FIG. 10 is a diagram illustrating an example of the Bs value.
- FIG. 11 is a diagram illustrating an example of processing performed by the prediction processing unit of the encoding device.
- FIG. 11 is a diagram illustrating an example of processing performed by the prediction processing unit of the encoding device.
- FIG. 12 is a diagram illustrating another example of processing performed by the prediction processing unit of the encoding device.
- FIG. 13 is a diagram illustrating another example of processing performed in the prediction processing unit of the encoding device.
- FIG. 14 is a diagram illustrating an example of 67 intra prediction modes in intra prediction.
- FIG. 15 is a flowchart illustrating a basic process flow of inter prediction.
- FIG. 16 is a flowchart illustrating an example of motion vector derivation.
- FIG. 17 is a flowchart showing another example of motion vector derivation.
- FIG. 18 is a flowchart showing another example of motion vector derivation.
- FIG. 19 is a flowchart illustrating an example of inter prediction in the normal inter mode.
- FIG. 20 is a flowchart illustrating an example of inter prediction in the merge mode.
- FIG. 21 is a diagram for explaining an example of motion vector derivation processing in the merge mode.
- FIG. 22 is a flowchart illustrating an example of FRUC (frame rate up conversion).
- FIG. 23 is a diagram for explaining an example of pattern matching (bilateral matching) between two blocks along a motion trajectory.
- FIG. 24 is a diagram for explaining an example of pattern matching (template matching) between a template in the current picture and a block in the reference picture.
- FIG. 25A is a diagram for describing an example of deriving motion vectors in units of sub-blocks based on motion vectors of a plurality of adjacent blocks.
- FIG. 25B is a diagram for explaining an example of deriving a motion vector in units of sub-blocks in an affine mode having three control points.
- FIG. 26A is a conceptual diagram for explaining the affine merge mode.
- FIG. 26B is a conceptual diagram for explaining an affine merge mode having two control points.
- FIG. 26C is a conceptual diagram for explaining an affine merge mode having three control points.
- FIG. 27 is a flowchart illustrating an example of processing in the affine merge mode.
- FIG. 28A is a diagram for explaining an affine inter mode having two control points.
- FIG. 28B is a diagram for explaining an affine inter mode having three control points.
- FIG. 29 is a flowchart illustrating an example of affine inter-mode processing.
- FIG. 30A is a diagram for explaining an affine inter mode in which a current block has three control points and an adjacent block has two control points.
- FIG. 30A is a diagram for explaining an affine inter mode in which a current block has three control points and an adjacent block has two control points.
- FIG. 30A is a diagram for explaining an affine inter mode in
- FIG. 30B is a diagram for describing an affine inter mode in which a current block has two control points and an adjacent block has three control points.
- FIG. 31A is a diagram illustrating a relationship between a merge mode and DMVR (dynamic motion vector refreshing).
- FIG. 31B is a conceptual diagram for explaining an example of the DMVR processing.
- FIG. 32 is a flowchart illustrating an example of generation of a predicted image.
- FIG. 33 is a flowchart illustrating another example of generation of a predicted image.
- FIG. 34 is a flowchart illustrating yet another example of generating a predicted image.
- FIG. 35 is a flowchart for explaining an example of a predicted image correction process by an OBMC (overlapped block motion compensation) process.
- FIG. 36 is a conceptual diagram for explaining an example of the predicted image correction process by the OBMC process.
- FIG. 37 is a diagram for explaining generation of prediction images of two triangles.
- FIG. 38 is a diagram for explaining a model assuming constant velocity linear motion.
- FIG. 39 is a diagram for explaining an example of a predicted image generation method using luminance correction processing by LIC (local illumination compensation) processing.
- FIG. 40 is a block diagram illustrating an implementation example of an encoding device.
- FIG. 41 is a block diagram illustrating a functional configuration of the decoding apparatus according to the embodiment.
- FIG. 42 is a flowchart illustrating an example of the overall decoding process performed by the decoding device.
- FIG. 43 is a diagram illustrating an example of processing performed in the prediction processing unit of the decoding device.
- FIG. 44 is a diagram illustrating another example of processing performed in the prediction processing unit of the decoding device.
- FIG. 45 is a flowchart illustrating an example of inter prediction in the normal inter mode in the decoding device.
- FIG. 46 is a block diagram illustrating an implementation example of a decoding device.
- FIG. 47 is a diagram showing the relationship between DCT2 and DCT4.
- FIG. 48A is a graph showing the base of DCT4.
- FIG. 48B is a graph showing the base of DST4.
- FIG. 49 is a flowchart illustrating an operation example of the conversion unit of the encoding device according to the first aspect.
- FIG. 50 is a flowchart illustrating an operation example of the inverse transform unit of the decoding device according to the first aspect.
- FIG. 51 is a diagram illustrating a circuit configuration of the conversion unit in the first mode.
- FIG. 52 is a diagram showing a syntax structure in the first embodiment.
- FIG. 53 is a flowchart illustrating an operation example of the conversion unit of the encoding device according to the second aspect.
- FIG. 54 is a flowchart showing an operation example of the inverse transform unit of the decoding device in the second mode.
- FIG. 55 is a diagram illustrating a circuit configuration of the conversion unit in the second mode.
- FIG. 56 is a diagram showing a syntax structure in the second embodiment.
- FIG. 57 is a flowchart illustrating a first operation example of the conversion unit of the encoding device according to the third aspect.
- FIG. 58 is a flowchart illustrating a first operation example of the inverse transform unit of the decoding device according to the third aspect.
- FIG. 59 is a diagram illustrating a syntax structure related to the first operation example in the third mode.
- FIG. 60 is a flowchart illustrating a second operation example of the conversion unit of the encoding device according to the third aspect.
- FIG. 61 is a flowchart illustrating a second operation example of the inverse transform unit of the decoding device according to the third aspect.
- FIG. 62 is a diagram illustrating a syntax structure related to the second operation example in the third mode.
- FIG. 63 is a flowchart illustrating an operation example of the conversion unit of the encoding device according to the fourth aspect.
- FIG. 64 is a flowchart illustrating an operation example of the inverse transform unit of the decoding device according to the fourth aspect.
- FIG. 65 is a flowchart illustrating an operation example of the conversion unit of the encoding device according to the fifth aspect.
- FIG. 66 is a flowchart illustrating an operation example of the inverse transform unit of the decoding device according to the fifth aspect.
- FIG. 67 is a diagram illustrating a relationship between a conversion target region and a conversion base in the fifth mode.
- FIG. 68 is a flowchart showing an operation example of the coding apparatus according to Embodiment 1.
- FIG. 69 is a flowchart illustrating an operation example of the decoding apparatus according to the first embodiment.
- FIG. 70 is an overall configuration diagram of a content supply system that implements a content distribution service.
- FIG. 71 is a diagram illustrating an example of a coding structure at the time of scalable coding.
- FIG. 72 is a diagram illustrating an example of a coding structure at the time of scalable coding.
- FIG. 73 shows an example of a web page display screen.
- FIG. 74 is a diagram showing an example of a web page display screen.
- FIG. 75 is a diagram illustrating an example of a smartphone.
- FIG. 76 is a block diagram illustrating a configuration example of a smartphone.
- the encoding device when encoding a moving image, the encoding device generates a predicted image of an encoding target block that forms the moving image.
- inter prediction in which an image in a reference picture different from the encoding target picture including the encoding target block may be used may be used, or an image in the encoding target picture is referred to.
- Intra prediction may be used.
- the encoding device derives a prediction error signal by subtracting the prediction image of the encoding target block from the image of the encoding target block. Furthermore, the encoding device derives a transform coefficient signal of the encoding target block by performing a transform process of the prediction error signal using the transform base. Then, the encoding device encodes the transform coefficient signal.
- the decoding device when decoding a moving image, the decoding device generates a prediction image of a decoding target block constituting the moving image.
- a prediction image For the generation of the prediction image, inter prediction in which an image in a reference picture different from the decoding target picture including the decoding target block may be used, or intra prediction in which an image in the decoding target picture is referred to may be used. May be used.
- the decoding device decodes the transform coefficient signal of the decoding target block. Then, the decoding device derives a prediction error signal of the decoding target block by performing an inverse transform process on the transform coefficient signal using the inverse transform base. Then, the decoding apparatus derives a reconstructed image of the decoding target block by adding the prediction error signal of the decoding target block and the prediction image of the decoding target block.
- the encoding apparatus can derive an appropriate transform coefficient signal for encoding by using an appropriate transform base among a plurality of transform bases in the conversion process of the prediction error signal.
- the decoding device derives a prediction error signal by using an appropriate inverse transform base corresponding to the transform base used in the transform process from among a plurality of inverse transform bases. Can do.
- the encoding device encodes a signal corresponding to the conversion base used for the conversion process.
- the decoding device decodes the signal and performs an inverse transform process using an inverse transform base corresponding to the signal.
- the transform base suitable for the transform process varies depending on the encoding mode such as the prediction mode of intra prediction or inter prediction. In an operation for encoding a signal corresponding to such a conversion base at a high compression rate, the processing may be complicated and the processing amount may increase.
- an encoding device is an encoding device that encodes a moving image, and includes a circuit and a memory, and the circuit uses the memory to perform intra prediction and A prediction image of the encoding target block included in the moving image is acquired by one of inter predictions, and a difference between the encoding target block image and the prediction image is generated as a prediction error signal of the encoding target block.
- the encoding apparatus uses the common method between the case where intra prediction is used to generate a predicted image and the case where inter prediction is used to generate a predicted image, and an index associated with the transform base.
- the value can be encoded. Therefore, the processing can be simplified and the processing amount can be reduced.
- the circuit determines whether or not a predetermined conversion base is used, and when it is determined that the predetermined conversion base is used, performs conversion of the prediction error signal using the predetermined conversion base, If it is determined that the predetermined conversion base is not used, the conversion base is selected from the plurality of conversion bases, the prediction error signal is converted using the conversion base, and the predetermined conversion base is A control value indicating whether or not to be used is encoded.
- the encoding apparatus can contribute to the reduction of the code amount when the predetermined conversion base is used.
- the circuit determines whether the predetermined conversion base is used for both a horizontal conversion base and a vertical conversion base, and determines whether the horizontal conversion base and the vertical conversion base are used.
- the prediction error signal is converted using the predetermined conversion base for both the horizontal conversion base and the vertical conversion base, and the horizontal direction
- the predetermined conversion base and the vertical conversion base are selected from the plurality of conversion bases. The prediction error signal is converted using the horizontal conversion base and the vertical conversion base.
- the encoding apparatus can individually select an appropriate transform base for each of the horizontal direction and the vertical direction.
- an index value associated with a DST (Discrete Sine Transform) included in the plurality of conversion bases among the plurality of index values may be a DCT (included in the plurality of conversion bases among the plurality of index values. It is smaller than the index value associated with Discrete (Cosine Transform).
- the encoding apparatus can use a smaller index value for the DST that is assumed to perform more appropriate conversion, and can contribute to a reduction in processing amount or code amount.
- the circuit determines whether or not DCT2 (Discrete Cosine Transform Type-II) is used.
- DCT2 Discrete Cosine Transform Type-II
- the circuit converts the prediction error signal using DCT2
- the conversion base is selected from the plurality of conversion bases, the prediction error signal is converted using the conversion base, and whether or not DCT2 is used is determined.
- the indicated control value is encoded.
- the encoding apparatus can contribute to the reduction of the code amount when DCT2 which is assumed to have a small conversion processing amount is used.
- the plurality of conversion bases include at least one of DCT4 (Discrete Cosine Transform Type-IV) and DST4 (Discrete Sine Transform Type-IV).
- the encoding apparatus can select an appropriate transform base from a plurality of transform bases including DCT4 and DST4.
- the plurality of conversion bases include both DCT4 and DST4, and among the plurality of index values, an index value associated with DST4 included in the plurality of conversion bases is the plurality of index values.
- the index value is smaller than the index value associated with the DCT 4 included in the plurality of transformation bases.
- the encoding apparatus can use a smaller index value for DST4 that is assumed to perform more appropriate conversion, and can contribute to a reduction in processing amount or code amount.
- the plurality of transform bases include both DCT4 and DST4, and the circuit inverts a part of the sign of the prediction error signal when the prediction error signal is converted using DST4.
- DCT4 is used to convert the prediction error signal with the partial signs inverted.
- the encoding apparatus can perform the calculation of DST4 using the configuration for performing the calculation of DCT4.
- a part of the prediction error signal is a plurality of even-numbered prediction error values among a plurality of prediction error values included in the prediction error signal, or a plurality of prediction errors included in the prediction error signal.
- a plurality of odd-numbered prediction error values are examples of odd-numbered prediction error values.
- the encoding apparatus can perform appropriate inversion corresponding to the operation of DST4.
- the circuit includes a first arithmetic circuit that calculates a predetermined size of DCT2, and a second arithmetic circuit that calculates the predetermined size of DCT4, and the first arithmetic circuit has the predetermined size.
- a third arithmetic circuit that performs half DCT2 computation and a fourth arithmetic circuit that performs half the predetermined size DCT4 computation are provided.
- the encoding apparatus can perform the calculation of DCT2 having a predetermined size and the calculation of DCT4 having a predetermined size.
- the encoding apparatus can perform calculation of DCT2 that is half the predetermined size and DCT4 that is half of the predetermined size.
- the size of the block to be encoded is the predetermined size, and DCT4 is used for transforming the prediction error signal, the prediction error signal is the second Input to the arithmetic circuit.
- the encoding apparatus can perform a DCT4 operation of a predetermined size using the second operation circuit.
- the size of the encoding target block is the predetermined size
- DST4 is used for transforming the prediction error signal, a part of the prediction error signal
- the prediction error signal with the sign inverted and the partial sign inverted is input to the second arithmetic circuit.
- the encoding apparatus can perform the operation of DST4 of a predetermined size using the second arithmetic circuit.
- a decoding device is a decoding device that decodes a moving image, and includes a circuit and a memory, and the circuit performs intra prediction and inter prediction using the memory.
- a prediction image of a decoding target block included in the moving image is acquired, a transform coefficient signal of the decoding target block is decoded, an index value is decoded, and the prediction image is acquired by intra prediction and Selecting a reverse transform base associated with the index value from a plurality of reverse transform bases associated with a plurality of index values in a common correspondence relationship when the predicted image is acquired by inter prediction;
- a prediction error signal of the decoding target block is generated, and the prediction error signal and the Generating a sum of the measurement image as reconstructed image of the decoding target block.
- the decoding apparatus uses the common method between the case where intra prediction is used for generating a predicted image and the case where inter prediction is used for generating a predicted image, and performs inverse transformation associated with the index value.
- a base can be selected. Therefore, the processing can be simplified and the processing amount can be reduced.
- the circuit decodes a control value indicating whether or not a predetermined inverse transform base is used, determines whether or not the predetermined inverse transform base is used using the control value, and determines the predetermined value.
- the transform coefficient signal is inversely transformed using the predetermined inverse transform base, and when it is determined that the predetermined inverse transform basis is not used, the plurality of inverse transforms The inverse transform base is selected from the bases, and the transform coefficient signal is inversely transformed using the inverse transform basis.
- the decoding apparatus can contribute to the reduction of the code amount when the predetermined inverse transform base is used.
- the circuit determines whether the predetermined inverse transform base is used for both the horizontal inverse transform base and the vertical inverse transform base using the control value, and the horizontal direction If it is determined that the predetermined inverse transform base is used for both the inverse transform base and the vertical inverse transform base, the predetermined inverse transform is applied to both the horizontal inverse transform base and the vertical inverse transform base. Performing the inverse transform of the transform coefficient signal using a base, and when it is determined that the predetermined inverse transform base is not used for both the horizontal inverse transform base and the vertical inverse transform base, The inverse horizontal transform base and the vertical inverse transform base are selected from the inverse transform bases, and the transform coefficient signal is inverted using the horizontal inverse transform base and the vertical inverse transform base. Perform conversion.
- the decoding apparatus can select an appropriate inverse transform base for each of the horizontal direction and the vertical direction.
- an index value associated with an IDST (Inverse Discrete Sine Transform) included in the plurality of inverse transform bases among the plurality of index values is included in the plurality of inverse transform bases among the plurality of index values. It is smaller than the index value associated with IDCT (Inverse Discrete Cosine Transform).
- the decoding apparatus can use a smaller index value for the IDST that is assumed to perform more appropriate inverse transform, and can contribute to the reduction of the processing amount or the code amount.
- the circuit decodes a control value indicating whether or not IDCT2 (Inverse Discrete Cosine Transform Type-II) is used, and determines whether or not IDCT2 is used using the control value.
- IDCT2 Inverse Discrete Cosine Transform Type-II
- the transform coefficient signal is inversely transformed using IDCT2
- the inverse transform basis is selected from the plurality of inverse transform bases. And performing an inverse transform on the transform coefficient signal using the inverse transform basis.
- the decoding apparatus can contribute to the reduction of the code amount when the IDCT 2 that is assumed to have a small amount of inverse transform processing is used.
- the plurality of inverse transform bases include at least one of IDCT4 (Inverse Discrete Cosine Transform Type-IV) and IDST4 (Inverse Discrete Sine Transform Type-IV).
- the decoding apparatus can select an appropriate inverse transform base from a plurality of inverse transform bases including IDCT4 and IDST4.
- the plurality of inverse transform bases include both IDCT4 and IDST4, and among the plurality of index values, an index value associated with IDST4 included in the plurality of inverse transform bases is the plurality of index values. Is smaller than the index value associated with IDCT4 included in the plurality of inverse transform bases.
- the decoding apparatus can use a smaller index value for IDST4 that is assumed to perform more appropriate inverse transform, and can contribute to a reduction in processing amount or code amount.
- the plurality of inverse transform bases include both IDCT4 and IDST4, and the circuit performs inverse transform of the transform coefficient signal using IDCT4 when the transform coefficient signal is inversely transformed using IDST4. Conversion is performed, and a part of the sign of the inverse conversion result of the conversion coefficient signal is inverted.
- the decoding apparatus can perform the calculation of IDST4 using the configuration for performing the calculation of IDCT4.
- a part of the inverse transformation result is an even-numbered plurality of result values among a plurality of result values included in the inverse transformation result or a plurality of result values included in the inverse transformation result. , Odd number of multiple result values.
- the decoding apparatus can perform appropriate inversion corresponding to the calculation of IDST4.
- the circuit includes a first arithmetic circuit that calculates an IDCT2 of a predetermined size and a second arithmetic circuit that calculates an IDCT4 of the predetermined size, and the first arithmetic circuit has the predetermined size.
- a third arithmetic circuit for calculating half of IDCT2 and a fourth arithmetic circuit for calculating half of the predetermined size IDCT4 are provided.
- the decoding apparatus can perform calculation of IDCT2 having a predetermined size and calculation of IDCT4 having a predetermined size.
- the decoding apparatus can perform calculation of IDCT2 that is half of the predetermined size and calculation of IDCT4 that is half of the predetermined size.
- the size of the block to be decoded is the predetermined size, and IDCT4 is used for inverse transform of the transform coefficient signal, the transform coefficient signal is 2 is input to the arithmetic circuit.
- the decoding apparatus can perform the calculation of IDCT4 of a predetermined size using the second arithmetic circuit.
- the size of the block to be decoded is the predetermined size
- IDST4 is used for inverse transform of the transform coefficient signal
- the transform coefficient signal is 2 is input to the arithmetic circuit, and the sign of a part of the output result of the second arithmetic circuit is inverted.
- the decoding apparatus can perform the calculation of IDST4 of a predetermined size using the second arithmetic circuit.
- an encoding method for encoding a moving image, and predicts an encoding target block included in the moving image by one of intra prediction and inter prediction.
- An image is acquired, a difference between the image of the encoding target block and the prediction image is generated as a prediction error signal of the encoding target block, and used for conversion of the prediction error signal from a plurality of conversion bases
- a transform base and transforming the prediction error signal using the transform base a transform coefficient signal of the encoding target block is generated, the transform coefficient signal is encoded, and the predicted image is intra-predicted.
- a plurality of index values associated with the plurality of transform bases in a common correspondence relationship between the case where the prediction image is obtained by inter prediction and the case where the prediction image is obtained by inter prediction. Of encodes the index value associated with the transform basis.
- the index value associated with the transform base is encoded using a common method between the case where intra prediction is used to generate a prediction image and the case where inter prediction is used to generate a prediction image. obtain. Therefore, the processing can be simplified and the processing amount can be reduced.
- the decoding method is a decoding method for decoding a moving image, and obtains a prediction image of a decoding target block included in the moving image by one of intra prediction and inter prediction.
- the decoding coefficient signal of the block to be decoded is decoded, the index value is decoded, and the case where the prediction image is acquired by intra prediction and the case where the prediction image is acquired by inter prediction have a plurality of common correspondences.
- a prediction error signal of the decoding target block is generated, and a sum of the prediction error signal and the prediction image is generated as a reconstructed image of the decoding target block.
- the inverse transform base associated with the index value is selected using a common method between the case where intra prediction is used to generate a prediction image and the case where inter prediction is used to generate a prediction image. obtain. Therefore, the processing can be simplified and the processing amount can be reduced.
- an encoding device is an encoding device that encodes a moving image, and includes a circuit and a memory, and the circuit uses the memory to generate the moving image.
- the prediction error signal of the encoding target block included in the conversion target signal is converted to generate a conversion coefficient signal of the encoding target block, the conversion coefficient signal is encoded, and a plurality of conversions are performed in the conversion of the prediction error signal.
- a transform base is selected from the bases based on whether or not the non-zero coefficient included in the transform coefficient signal generated by transforming the prediction error signal using the transform base is greater than a predetermined number. Then, the prediction error signal is converted using the conversion base.
- the predetermined number is two.
- the conversion is performed.
- the prediction error signal is converted using a predetermined conversion base without selecting a base.
- the conversion base Is generated by encoding a signal indicating that the conversion base is used, converting the prediction error signal using the conversion base, and converting the prediction error signal using the conversion base. If the non-zero coefficient included in the transform coefficient signal is not greater than the predetermined number, the prediction error signal is encoded using the predetermined transform base without encoding a signal indicating that the predetermined transform base is used. Perform the conversion.
- the predetermined conversion base is DCT2 (Discrete Cosine Transform Type-II).
- the predetermined conversion base is DST4 (Discrete Sine Transform Type-IV).
- the circuit determines whether or not to use the first predetermined conversion base, and when it is determined that the first predetermined conversion base is used, the circuit uses the first predetermined conversion base to calculate the prediction error signal. It is determined that the first predetermined conversion base is not used and the non-zero coefficient included in the conversion coefficient signal generated by converting the prediction error signal using the conversion base is the predetermined If the number is not greater than the number, the prediction error signal is converted using the second predetermined conversion base without selecting the conversion base.
- the first predetermined conversion base is DCT2 (Discrete Cosine Transform Type-II)
- the second predetermined conversion base is DST4 (Discrete Sine Transform Type-IV).
- the circuit inverts a part of the sign of the prediction error signal to generate DCT4 (Discrete Cosine Transform Type). -IV) is used to convert the prediction error signal with the partial sign inverted.
- a decoding device is a decoding device that decodes a moving image, and includes a circuit and a memory, and the circuit is included in the moving image using the memory.
- a prediction error signal of the block to be decoded is generated, and in the inverse transform of the transform coefficient signal, a plurality of inverse transform bases An inverse transform base is selected based on whether or not the non-zero coefficient included in the transform coefficient signal is greater than a predetermined number, and the transform coefficient signal is inversely transformed using the inverse transform base.
- the predetermined number is two.
- the circuit uses the predetermined inverse transform base and does not select the inverse transform base. Perform the inverse transformation of.
- the circuit decodes a signal indicating that the inverse transform base is used when the non-zero coefficient included in the transform coefficient signal is greater than the predetermined number, and selects the inverse transform base, A signal indicating that the predetermined inverse transform base is used when the prediction error signal is inversely transformed using the inverse transform basis and the non-zero coefficient included in the transform coefficient signal is not greater than the predetermined number; Without decoding, the prediction error signal is inversely transformed using the predetermined inverse transformation basis.
- the predetermined inverse transform base is IDCT2 (Inverse Discrete Coscine Transform Type-II).
- the predetermined inverse transform base is IDST4 (Inverse Discrete Sine Transform Type-IV).
- the circuit determines whether or not to use the first predetermined inverse transform base, and when it is determined that the first predetermined inverse transform base is used, the conversion is performed using the first predetermined inverse transform base. If it is determined that the first predetermined inverse transform base is not used and the non-zero coefficient included in the transform coefficient signal is not greater than the predetermined number, the inverse transform base is selected. Instead, the prediction error signal is inversely transformed using the second predetermined inverse transformation basis.
- the first predetermined inverse transform base is IDCT2 (Inverse Discrete Cosine Transform Type-II)
- the second predetermined inverse transform base is IDST4 (Inverse Discrete Sine Transform Type-IV).
- the circuit uses IDCT4 (Inverse Discrete Cosine Transform Type-IV) to convert the conversion coefficient signal. And the sign of a part of the inverse conversion result of the conversion coefficient signal is inverted.
- an encoding method for encoding a moving image, and by converting a prediction error signal of an encoding target block included in the moving image, Generating a transform coefficient signal of the block to be encoded, encoding the transform coefficient signal, and converting the prediction error signal by using a transform base from a plurality of transform bases in the transform of the prediction error signal; Is selected based on whether or not there are more than a predetermined number of non-zero coefficients included in the conversion coefficient signal generated by performing the conversion, and the prediction error signal is converted using the conversion base.
- the decoding method is a decoding method for decoding a moving image, wherein a decoding coefficient signal of a decoding target block included in the moving image is decoded, and inverse conversion of the conversion coefficient signal is performed.
- a decoding coefficient signal of a decoding target block included in the moving image is decoded, and inverse conversion of the conversion coefficient signal is performed.
- an inverse transform base is selected from a plurality of inverse transform bases, and a non-zero coefficient included in the transform coefficient signal is A selection is made based on whether or not the number is greater than a predetermined number, and the transform coefficient signal is inversely transformed using the inverse transform basis.
- an encoding device is an encoding device that encodes a moving image, and includes a circuit and a memory, and the circuit uses the memory to generate the moving image. 1 to generate a transform coefficient signal of the encoding target block, encode the transform coefficient signal, and convert one or more in the conversion of the prediction error signal.
- a transform base is selected from among the transform bases, and the prediction error signal is transformed using the selected transform base, and the block size that is the size of the encoding target block is DCT2 (Discrete Cosine Transform Type- II) the one or more transformations if the first size is greater than a threshold size that is less than or equal to half of the maximum available size
- the bottom includes DCT2, does not include DCT4 (Discrete Cosine Transform Type-IV) and DST4 (Discrete Sine Transform Type-IV), and the block size is the second size equal to or smaller than the threshold size.
- the transform base includes at least one of DCT4 and DST4, and the block size is a third size different from the second size when the block size is equal to or smaller than the threshold size
- the one or more transform bases are , DCT4 and DST4 include different transform bases, and the one or more transform bases when the block size is the second size are the one or more transform bases when the block size is the third size. Different.
- the one or more transform bases are only DCT2, and when the block size is the second size, the one or more transform bases are , Only at least one of DCT4 and DST4, or only at least one of DCT4 and DST4 and DCT2.
- a decoding device is a decoding device that decodes a moving image, and includes a circuit and a memory, and the circuit is included in the moving image using the memory.
- Decoding the transform coefficient signal of the block to be decoded and performing the inverse transform of the transform coefficient signal to generate a prediction error signal of the block to be decoded, and one or more inverse transforms in the inverse transform of the transform coefficient signal The inverse transform base is selected from the bases, the transform coefficient signal is inversely transformed using the selected inverse transform base, and the block size which is the size of the block to be decoded is IDCT2 (Inverse Discrete Cosform Transform Type).
- the above inverse transform base includes IDCT2, does not include IDCT4 (Inverse Discrete Cosine Transform Type-IV) and IDST4 (Inverse Discrete Sine Transform Type-IV), and the block size is a second size equal to or smaller than the threshold size.
- the one or more inverse transform bases include at least one of IDCT4 and IDST4, and the block size is a third size different from the second size when the block size is equal to or smaller than the threshold size,
- the one or more inverse transform bases include an inverse transform base different from IDCT4 and IDST4, and the one or more inverse transform bases when the block size is the second size are the third size Said one of Different from the inverse transformation bases above.
- the one or more inverse transform bases are only IDCT2, and when the block size is the second size, the one or more inverse transforms.
- the basis is only at least one of IDCT4 and IDST4, or only at least one of IDCT4 and IDST4 and IDCT2.
- an encoding method for encoding a moving image, and by converting a prediction error signal of an encoding target block included in the moving image, Generating a transform coefficient signal of the encoding target block, encoding the transform coefficient signal, selecting a transform base from one or more transform bases in transforming the prediction error signal, and selecting the selected transform base
- the prediction error signal is converted by using the block, and the block size which is the size of the encoding target block is larger than a threshold size which is less than or equal to half of the maximum usable size of DCT2 (Discrete Cosine Transform Type-II)
- the one or more transformation bases include DCT2, and DCT4 (Discrete Cosi).
- the one or more conversion bases are DCT4 and DST4.
- the block size is a third size different from the second size and including at least one of the block sizes
- the one or more transform bases are different transform bases from DCT4 and DST4.
- the one or more transform bases when the block size is the second size are different from the one or more transform bases when the block size is the third size.
- the decoding method is a decoding method for decoding a moving image, wherein a decoding coefficient signal of a decoding target block included in the moving image is decoded, and inverse conversion of the conversion coefficient signal is performed.
- the transform coefficient signal is inversely transformed by using the block size, and the block size, which is the size of the decoding target block, is smaller than a threshold size that is less than or equal to half of the maximum usable size of IDCT2 (Inverse Discrete Cosine Transform Type-II)
- IDCT2 Inverse Discrete Cosine Transform Type-II
- the one or more inverse transform bases include IDCT2, and IDCT4 (In If the Discrete Cosse Transform Type-IV) and IDST4 (Inverse Discrete Sine Transform Type-IV) are not included and the block size is a second size equal to or smaller than the threshold size
- the one or more inverse transform bases are: When at least one of IDCT4 and IDST4 is included, and the block size is a third size that is not more than the threshold size and is different from the second size, the one or more inverse transform base
- an encoding device is an encoding device that encodes a moving image, and includes a circuit and a memory, and the circuit uses the memory to generate the moving image.
- the conversion error signal of the encoding target block is generated by converting the prediction error signal of the encoding target block included in the encoding target block, the conversion coefficient signal is encoded, and in the conversion of the prediction error signal, the first conversion is performed.
- a conversion base is selected from one or more conversion bases, and when the first conversion mode is selected, the selected conversion base is used to When the prediction error signal is converted for all regions in the encoding target block and the second conversion mode is selected, the selected conversion base is used to convert the prediction error signal into the encoding target block.
- the threshold size is such that the block size, which is the size of the encoding target block, is less than half of the maximum usable size of DCT2 (Discrete Cosine Transform Type-II).
- the one or more transformation bases include DCT2, and do not include DCT4 (Discrete Cosine Transform Type-IV) and DST4 (Discrete Sine Transform Type-IV), and the block size is When the second size is equal to or smaller than the threshold size, the one or more transform bases include at least one of DCT4 and DST4.
- a decoding device is a decoding device that decodes a moving image, and includes a circuit and a memory, and the circuit is included in the moving image using the memory.
- a prediction error signal of the block to be decoded is generated, and in the inverse transform of the transform coefficient signal, the first inverse transform mode and
- an inverse transform base is selected from one or more inverse transform bases, and the first inverse transform mode is selected, the selected inverse transform base is used.
- the prediction error signal is inversely transformed for all regions in the decoding target block, and the decoding target block is used by using the selected inverse transform base.
- Threshold value that performs the inverse transform of the prediction error signal for a part of the area and the block size that is the size of the decoding target block is less than or equal to half of the maximum usable size of IDCT2 (Inverse Discrete Cosine Transform Type-II)
- the one or more inverse transform bases include IDCT2, and do not include IDCT4 (Inverse Discrete Cosine Transform Type-IV) and IDST4 (Inverse Discrete Sine Transform Type-IV).
- the block size is a second size equal to or smaller than the threshold size
- the one or more inverse transform bases are at least one of IDCT4 and IDST4. Including.
- an encoding method for encoding a moving image, and by converting a prediction error signal of an encoding target block included in the moving image, Generating a transform coefficient signal of the encoding target block, encoding the transform coefficient signal, selecting one of a first transform mode and a second transform mode in transforming the prediction error signal, and performing one or more transforms
- a transform base is selected from the bases and the first transform mode is selected
- the prediction error signal is transformed for all regions in the encoding target block using the selected transform base
- the second conversion mode is selected, the prediction error signal is converted for a partial region in the encoding target block using the selected conversion base
- the code When the block size, which is the size of the target block, is a first size larger than a threshold size that is less than or equal to half of the maximum usable size of DCT2 (Discrete Cosine Transform Type-II), the one or more conversion bases are , DCT2, DCT4
- the decoding method is a decoding method for decoding a moving image, wherein a decoding coefficient signal of a decoding target block included in the moving image is decoded, and inverse conversion of the conversion coefficient signal is performed.
- a decoding coefficient signal of a decoding target block included in the moving image is decoded, and inverse conversion of the conversion coefficient signal is performed.
- To generate a prediction error signal of the decoding target block and in the inverse transform of the transform coefficient signal, select one of the first inverse transform mode and the second inverse transform mode, and one or more inverse transforms
- the prediction error signal is inversely transformed for all regions in the decoding target block using the selected inverse transform base.
- the second inverse transform mode When the second inverse transform mode is selected, using the selected inverse transform base, inverse transform of the prediction error signal for a partial area in the decoding target block, If the block size, which is the size of the block to be decoded, is the first size larger than the threshold size that is less than or equal to half of the maximum usable size of IDCT2 (Inverse Discrete Cosine Transform Type-II), the one or more The inverse transform base includes IDCT2, does not include IDCT4 (Inverse Discrete Cosine Transform Type-IV) and IDST4 (Inverse Discrete Sine Transform Type-IV), and the block size is the second size equal to or smaller than the threshold size.
- the one or more inverse transform bases include at least one of IDCT4 and IDST4.
- an encoding device is an encoding device that encodes a moving image using a prediction image, and includes a division unit, an intra prediction unit, an inter prediction unit, and a conversion unit. And a quantization unit and an entropy coding unit.
- the dividing unit divides the encoding target picture constituting the moving image into a plurality of blocks.
- the intra prediction unit performs intra prediction for generating the predicted image of the encoding target block in the encoding target picture using a reference image in the encoding target picture.
- the inter prediction unit performs inter prediction that generates the prediction image of the encoding target block using a reference image in a reference picture different from the encoding target picture.
- the conversion unit converts a prediction error signal between the prediction image generated by the intra prediction unit or the inter prediction unit and an image of the encoding target block, and converts the conversion coefficient of the encoding target block Generate a signal.
- the quantization unit quantizes the transform coefficient signal.
- the entropy encoding unit encodes the quantized transform coefficient signal.
- the conversion unit selects a conversion base used for conversion of the prediction error signal from a plurality of conversion bases, and performs the conversion of the prediction error signal using the conversion base.
- a transform coefficient signal is generated.
- the entropy encoding unit is associated with the transform base among a plurality of index values associated with the plurality of transform bases in a common correspondence relationship when intra prediction is used and when inter prediction is used. The index value obtained is encoded.
- the conversion unit may convert a non-zero coefficient included in the conversion coefficient signal generated by performing conversion of the prediction error signal using the conversion base from a plurality of conversion bases. The selection is made based on whether or not the number is larger than a predetermined number, and the prediction error signal is converted using the conversion basis.
- the conversion unit selects a conversion base from one or more conversion bases, and converts the prediction error signal using the selected conversion base.
- the one or more transform bases include DCT2, Does not include DCT4 and DST4.
- the one or more transformation bases include at least one of DCT4 and DST4. If the block size is not more than the threshold size and is a third size different from the second size, the one or more transform bases include transform bases different from DCT4 and DST4. The one or more transform bases when the block size is the second size are different from the one or more transform bases when the block size is the third size.
- the conversion unit selects one of the first conversion mode and the second conversion mode, and selects a conversion base from one or more conversion bases.
- the conversion unit converts the prediction error signal for all regions in the encoding target block using the selected conversion base.
- the conversion unit converts the prediction error signal for a partial region in the encoding target block using the selected conversion base.
- the block size that is the size of the encoding target block is a first size that is larger than a threshold size that is less than or equal to half of the maximum usable size of DCT2
- the one or more transform bases include DCT2, Does not include DCT4 and DST4.
- the one or more transformation bases include at least one of DCT4 and DST4.
- a decoding device is a decoding device that decodes a moving image using a prediction image, and includes an entropy decoding unit, an inverse quantization unit, an inverse transform unit, and an intra prediction unit. And an inter prediction unit and an addition unit (reconstruction unit).
- the entropy decoding unit decodes the quantized transform coefficient signal of the decoding target block in the decoding target picture constituting the moving image.
- the inverse quantization unit inverse quantizes the quantized transform coefficient signal.
- the inverse transform unit inversely transforms the transform coefficient signal to obtain a prediction error signal of the decoding target block.
- the intra prediction unit performs intra prediction that generates the predicted image of the decoding target block using a reference image in the decoding target picture.
- the inter prediction unit performs inter prediction that generates the predicted image of the decoding target block using a reference image in a reference picture different from the decoding target picture.
- the addition unit adds the prediction image generated by the intra prediction unit or the inter prediction unit and the prediction error signal to reconstruct the image of the decoding target block.
- the entropy decoding unit decodes the index value.
- the inverse transform unit is associated with the index value from a plurality of inverse transform bases associated with a plurality of index values with a common correspondence relationship when intra prediction is used and when inter prediction is used. Select the inverse transform base given.
- the inverse transform unit generates the prediction error signal by performing inverse transform of the transform coefficient signal using the inverse transform base.
- the inverse transform unit selects an inverse transform base from among a plurality of inverse transform bases based on whether or not the non-zero coefficient included in the transform coefficient signal is greater than a predetermined number, and the inverse transform base is selected.
- the transform coefficient signal is inversely transformed using a transform basis.
- the inverse transform unit selects an inverse transform base from one or more inverse transform bases, and performs the inverse transform of the transform coefficient signal using the selected inverse transform base.
- the block size that is the size of the decoding target block is a first size that is larger than a threshold size that is less than or equal to half of the maximum usable size of IDCT2
- the one or more inverse transform bases include IDCT2, IDCT4 and IDST4 are not included.
- the one or more inverse transform bases include at least one of IDCT4 and IDST4.
- the one or more inverse transform bases include an inverse transform base different from IDCT4 and IDST4.
- the one or more inverse transform bases when the block size is the second size are different from the one or more inverse transform bases when the block size is the third size.
- the inverse transform unit selects one of the first inverse transform mode and the second inverse transform mode, and selects an inverse transform base from one or more inverse transform bases.
- the inverse transform unit performs the inverse transform of the prediction error signal for all the regions in the decoding target block using the selected inverse transform base.
- the second inverse transform mode performs the inverse transform of the prediction error signal for a part of the region to be decoded using the selected inverse transform base.
- the one or more inverse transform bases include IDCT2, IDCT4 and IDST4 are not included.
- the one or more inverse transform bases include at least one of IDCT4 and IDST4.
- these comprehensive or specific aspects may be realized by a system, an apparatus, a method, an integrated circuit, a computer program, or a non-transitory recording medium such as a computer-readable CD-ROM.
- the present invention may be realized by any combination of an apparatus, a method, an integrated circuit, a computer program, and a recording medium.
- Embodiments are examples of an encoding device and a decoding device to which the processing and / or configuration described in each aspect of the present disclosure can be applied.
- the processing and / or configuration can be implemented in an encoding device and a decoding device different from the embodiment.
- any of the following may be performed.
- Some of the plurality of components constituting the encoding device or the decoding device of the embodiment may be combined with the components described in any of the aspects of the present disclosure. , Which may be combined with a component having a part of the function described in any of the aspects of the present disclosure, or a component that performs a part of processing performed by the component described in each aspect of the present disclosure May be combined.
- a component that includes a part of the functions of the encoding device or the decoding device according to the embodiment or a component that performs a part of the processing of the encoding device or the decoding device according to the embodiment A component described in any of the aspects, a component having a part of the function described in any of the aspects of the present disclosure, or a part of the processing described in any of the aspects of the present disclosure It may be combined or replaced with the components to be implemented.
- any of the plurality of processes included in the method is the same as or similar to the process described in each aspect of the present disclosure It may be replaced or combined with any process.
- a part of the plurality of processes included in the method performed by the encoding apparatus or the decoding apparatus according to the embodiment may be combined with the process described in any of the aspects of the present disclosure. .
- Methods and / or configurations described in each aspect of the present disclosure are not limited to the encoding device or the decoding device according to the embodiment.
- the processing and / or configuration may be performed in an apparatus used for a purpose different from the video encoding or video decoding disclosed in the embodiments.
- FIG. 1 is a block diagram showing a functional configuration of encoding apparatus 100 according to the present embodiment.
- the encoding device 100 is a moving image encoding device that encodes a moving image in units of blocks.
- an encoding apparatus 100 is an apparatus that encodes an image in units of blocks, and includes a dividing unit 102, a subtracting unit 104, a transforming unit 106, a quantizing unit 108, and entropy encoding.
- Unit 110 inverse quantization unit 112, inverse transform unit 114, addition unit 116, block memory 118, loop filter unit 120, frame memory 122, intra prediction unit 124, inter prediction unit 126, A prediction control unit 128.
- the encoding device 100 is realized by, for example, a general-purpose processor and a memory.
- the processor when the software program stored in the memory is executed by the processor, the processor performs the division unit 102, the subtraction unit 104, the conversion unit 106, the quantization unit 108, the entropy encoding unit 110, and the inverse quantization unit 112.
- the encoding apparatus 100 includes a dividing unit 102, a subtracting unit 104, a transforming unit 106, a quantizing unit 108, an entropy coding unit 110, an inverse quantizing unit 112, an inverse transforming unit 114, an adding unit 116, and a loop filter unit 120.
- the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 may be implemented as one or more dedicated electronic circuits.
- FIG. 2 is a flowchart illustrating an example of the overall encoding process performed by the encoding apparatus 100.
- the dividing unit 102 of the encoding device 100 divides each picture included in the input image, which is a moving image, into a plurality of fixed size blocks (128 ⁇ 128 pixels) (step Sa_1).
- the dividing unit 102 selects a division pattern (also referred to as a block shape) for the fixed-size block (step Sa_2). That is, the dividing unit 102 further divides the fixed size block into a plurality of blocks constituting the selected division pattern.
- the encoding apparatus 100 performs the processes of steps Sa_3 to Sa_9 for each of the plurality of blocks (that is, the encoding target block).
- a prediction processing unit including all or part of the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 generates a prediction signal (also referred to as a prediction block) of a coding target block (also referred to as a current block). (Step Sa_3).
- the subtraction unit 104 generates a difference between the encoding target block and the prediction block as a prediction residual (also referred to as a difference block) (step Sa_4).
- the conversion unit 106 and the quantization unit 108 generate a plurality of quantization coefficients by performing conversion and quantization on the difference block (step Sa_5).
- a block composed of a plurality of quantized coefficients is also referred to as a coefficient block.
- the entropy encoding unit 110 generates an encoded signal by performing encoding (specifically entropy encoding) on the coefficient block and a prediction parameter related to the generation of the prediction signal (step S100). Sa_6).
- the encoded signal is also referred to as an encoded bit stream, a compressed bit stream, or a stream.
- the inverse quantization unit 112 and the inverse transform unit 114 restore a plurality of prediction residuals (that is, difference blocks) by performing inverse quantization and inverse transform on the coefficient block (step Sa_7).
- the adder 116 reconstructs the current block into a reconstructed image (also referred to as a reconstructed block or a decoded image block) by adding a prediction block to the restored difference block (step Sa_8). Thereby, a reconstructed image is generated.
- a reconstructed image also referred to as a reconstructed block or a decoded image block
- the loop filter unit 120 When the reconstructed image is generated, the loop filter unit 120 performs filtering on the reconstructed image as necessary (step Sa_9).
- step Sa_10 determines whether or not the encoding of the entire picture has been completed (step Sa_10), and when determining that it has not been completed (No in step Sa_10), repeatedly performs the processing from step Sa_2. To do.
- the encoding apparatus 100 selects one division pattern for a fixed-size block and encodes each block according to the division pattern, but according to each of the plurality of division patterns. You may encode each block. In this case, the encoding apparatus 100 evaluates the cost for each of the plurality of division patterns, and, for example, finally outputs an encoded signal obtained by encoding according to the division pattern having the lowest cost. It may be selected as an activation signal.
- steps Sa_1 to Sa_10 may be performed sequentially by the encoding apparatus 100, and some of the processing may be performed in parallel, and the order may be changed. May be.
- the dividing unit 102 divides each picture included in the input moving image into a plurality of blocks, and outputs each block to the subtracting unit 104. For example, the dividing unit 102 first divides a picture into blocks of a fixed size (for example, 128 ⁇ 128). This fixed size block may be referred to as a coding tree unit (CTU). Then, the dividing unit 102 divides each fixed-size block into blocks of variable size (for example, 64 ⁇ 64 or less) based on, for example, recursive quadtree and / or binary tree block division. To do. That is, the dividing unit 102 selects a division pattern.
- a fixed size for example, 128 ⁇ 128
- This fixed size block may be referred to as a coding tree unit (CTU).
- CTU coding tree unit
- the dividing unit 102 divides each fixed-size block into blocks of variable size (for example, 64 ⁇ 64 or less) based on, for example, recursive quadtree
- This variable size block may be referred to as a coding unit (CU), a prediction unit (PU) or a transform unit (TU).
- CU, PU, and TU do not need to be distinguished, and some or all blocks in a picture may be a processing unit of CU, PU, and TU.
- FIG. 3 is a diagram showing an example of block division in the present embodiment.
- a solid line represents a block boundary by quadtree block division
- a broken line represents a block boundary by binary tree block division.
- the block 10 is a 128 ⁇ 128 pixel square block (128 ⁇ 128 block).
- the 128 ⁇ 128 block 10 is first divided into four square 64 ⁇ 64 blocks (quadtree block division).
- the upper left 64 ⁇ 64 block is further divided vertically into two rectangular 32 ⁇ 64 blocks, and the left 32 ⁇ 64 block is further divided vertically into two rectangular 16 ⁇ 64 blocks (binary tree block division). As a result, the upper left 64 ⁇ 64 block is divided into two 16 ⁇ 64 blocks 11 and 12 and a 32 ⁇ 64 block 13.
- the upper right 64 ⁇ 64 block is horizontally divided into two rectangular 64 ⁇ 32 blocks 14 and 15 (binary tree block division).
- the lower left 64x64 block is divided into four square 32x32 blocks (quadrant block division). Of the four 32 ⁇ 32 blocks, the upper left block and the lower right block are further divided.
- the upper left 32 ⁇ 32 block is vertically divided into two rectangular 16 ⁇ 32 blocks, and the right 16 ⁇ 32 block is further divided horizontally into two 16 ⁇ 16 blocks (binary tree block division).
- the lower right 32 ⁇ 32 block is horizontally divided into two 32 ⁇ 16 blocks (binary tree block division).
- the lower left 64 ⁇ 64 block is divided into a 16 ⁇ 32 block 16, two 16 ⁇ 16 blocks 17 and 18, two 32 ⁇ 32 blocks 19 and 20, and two 32 ⁇ 16 blocks 21 and 22.
- the lower right 64x64 block 23 is not divided.
- the block 10 is divided into 13 variable-size blocks 11 to 23 based on the recursive quadtree and binary tree block division.
- Such division may be called QTBT (quad-tree plus binary tree) division.
- one block is divided into four or two blocks (quadrature tree or binary tree block division), but the division is not limited to these.
- one block may be divided into three blocks (triple tree block division).
- Such a division including a tri-tree block division may be called an MBT (multi type tree) division.
- the pictures may be configured in units of slices or tiles.
- a picture composed of slice units or tile units may be configured by the dividing unit 102.
- a slice is a basic encoding unit that constitutes a picture.
- a picture is composed of, for example, one or more slices.
- a slice is composed of one or more continuous CTUs (Coding Tree Units).
- FIG. 4A is a diagram showing an example of a slice configuration.
- a picture includes 11 ⁇ 8 CTUs and is divided into four slices (slices 1-4).
- Slice 1 is composed of 16 CTUs
- slice 2 is composed of 21 CTUs
- slice 3 is composed of 29 CTUs
- slice 4 is composed of 22 CTUs.
- each CTU in the picture belongs to one of the slices.
- the slice shape is obtained by dividing the picture in the horizontal direction.
- the boundary of the slice does not need to be the edge of the screen, and may be anywhere within the boundary of the CTU in the screen.
- the processing order (encoding order or decoding order) of CTUs in a slice is, for example, a raster scan order.
- the slice includes header information and encoded data.
- the header information may describe characteristics of the slice such as the CTU address and slice type of the head of the slice.
- a tile is a unit of a rectangular area constituting a picture. Each tile may be assigned a number called TileId in raster scan order.
- FIG. 4B is a diagram illustrating an example of a tile configuration.
- a picture includes 11 ⁇ 8 CTUs and is divided into four rectangular area tiles (tiles 1-4).
- the processing order of CTUs is changed compared to when tiles are not used. If tiles are not used, multiple CTUs in a picture are processed in raster scan order. If tiles are used, at least one CTU is processed in raster scan order in each of the plurality of tiles.
- the processing order of the plurality of CTUs included in tile 1 is from the left end of the first row of tile 1 to the right end of the first row of tile 1, and then the left end of the second row of tile 1 To the right end of the second row of tile 1.
- one tile may include one or more slices, and one slice may include one or more tiles.
- the subtraction unit 104 subtracts a prediction signal (a prediction sample input from the prediction control unit 128 shown below) from the original signal (original sample) in units of blocks input from the division unit 102 and divided by the division unit 102. . That is, the subtraction unit 104 calculates a prediction error (also referred to as a residual) of a coding target block (hereinafter referred to as a current block). Then, the subtraction unit 104 outputs the calculated prediction error (residual) to the conversion unit 106.
- a prediction signal a prediction sample input from the prediction control unit 128 shown below
- the original signal is an input signal of the encoding device 100, and is a signal (for example, a luminance (luma) signal and two color difference (chroma) signals) representing an image of each picture constituting the moving image.
- a signal representing an image may be referred to as a sample.
- the transform unit 106 transforms the prediction error in the spatial domain into a transform factor in the frequency domain, and outputs the transform coefficient to the quantization unit 108. Specifically, the transform unit 106 performs, for example, a predetermined discrete cosine transform (DCT) or discrete sine transform (DST) on a prediction error in the spatial domain.
- DCT discrete cosine transform
- DST discrete sine transform
- the conversion unit 106 adaptively selects a conversion type from a plurality of conversion types, and converts a prediction error into a conversion coefficient using a conversion basis function corresponding to the selected conversion type. May be. Such a conversion may be referred to as EMT (explicit multiple core transform) or AMT (adaptive multiple transform).
- the plurality of conversion types include, for example, DCT-II, DCT-V, DCT-VIII, DST-I and DST-VII.
- FIG. 5A is a table showing conversion basis functions corresponding to each conversion type.
- N indicates the number of input pixels. Selection of a conversion type from among these multiple conversion types may depend on, for example, the type of prediction (intra prediction and inter prediction), or may depend on an intra prediction mode.
- EMT flag or AMT flag Information indicating whether or not to apply such EMT or AMT
- information indicating the selected conversion type are usually signaled at the CU level.
- the signalization of these pieces of information need not be limited to the CU level, but may be another level (for example, a bit sequence level, a picture level, a slice level, a tile level, or a CTU level).
- the conversion unit 106 may reconvert the conversion coefficient (conversion result). Such reconversion is sometimes referred to as AST (adaptive secondary transform) or NSST (non-separable secondary transform). For example, the conversion unit 106 performs re-conversion for each sub-block (for example, 4 ⁇ 4 sub-block) included in the block of the conversion coefficient corresponding to the intra prediction error.
- Information indicating whether or not to apply NSST and information related to the transformation matrix used for NSST are usually signaled at the CU level. Note that the signalization of these pieces of information need not be limited to the CU level, but may be other levels (for example, a sequence level, a picture level, a slice level, a tile level, or a CTU level).
- Separable conversion and Non-Separable conversion may be applied to the conversion unit 106.
- the separable conversion is a method in which the number of dimensions of the input is separated in each direction and the conversion is performed a plurality of times.
- the non-separable conversion is the conversion of two or more dimensions when the input is multidimensional. This is a method in which conversion is performed collectively by regarding them as one-dimensional.
- non-separable conversion if an input is a 4 ⁇ 4 block, it is regarded as one array having 16 elements, and a 16 ⁇ 16 conversion matrix is applied to the array. And the like that perform the conversion process.
- a 4 ⁇ 4 input block is regarded as one array having 16 elements, and then a conversion that performs a Givens rotation on the array multiple times (Hypercube) (Givens Transform) may be performed.
- Hypercube Givens rotation on the array multiple times
- the base type to be converted into the frequency domain can be switched according to the area in the CU.
- An example is SVT (Spatially Varying Transform).
- SVT spatialally Varying Transform
- the CU is divided into two equal parts in the horizontal or vertical direction, and only one of the regions is converted into the frequency region.
- the type of conversion base can be set for each region, and for example, DST7 and DCT8 are used. In this example, only one of the two areas in the CU is converted and the other is not converted, but the two areas may be converted together.
- the division method can be made more flexible, for example, by dividing into not only two equal parts but also four equal parts or separately indicating information indicating the division and signaling in the same manner as the CU division.
- the SVT is sometimes called SBT (Sub-block Transform).
- the quantization unit 108 quantizes the transform coefficient output from the transform unit 106. Specifically, the quantization unit 108 scans the transform coefficients of the current block in a predetermined scanning order, and quantizes the transform coefficients based on the quantization parameter (QP) corresponding to the scanned transform coefficients. Then, the quantization unit 108 outputs the quantized transform coefficient (hereinafter referred to as a quantization coefficient) of the current block to the entropy encoding unit 110 and the inverse quantization unit 112.
- QP quantization parameter
- the predetermined scanning order is an order for transform coefficient quantization / inverse quantization.
- the predetermined scanning order is defined in ascending order of frequency (order from low frequency to high frequency) or descending order (order from high frequency to low frequency).
- the quantization parameter is a parameter that defines a quantization step (quantization width). For example, if the value of the quantization parameter increases, the quantization step also increases. That is, if the value of the quantization parameter increases, the quantization error increases.
- Quantization matrix may be used for quantization.
- quantization matrices may be used corresponding to frequency transform sizes such as 4 ⁇ 4 and 8 ⁇ 8, prediction modes such as intra prediction and inter prediction, and pixel components such as luminance and color difference.
- Quantization means digitizing a value sampled at a predetermined interval in association with a predetermined level. In this technical field, expressions such as rounding, rounding, and scaling are used. There is also.
- a method of using a quantization matrix there are a method of using a quantization matrix set directly on the encoding device side and a method of using a default quantization matrix (default matrix).
- default matrix default matrix
- the quantization matrix may be specified by, for example, SPS (sequence parameter set: Sequence Parameter Set) or PPS (picture parameter set: Picture Parameter Set).
- SPS includes parameters used for sequences
- PPS includes parameters used for pictures.
- SPS and PPS are sometimes simply referred to as parameter sets.
- the entropy encoding unit 110 generates an encoded signal (encoded bit stream) based on the quantization coefficient input from the quantization unit 108. Specifically, the entropy encoding unit 110, for example, binarizes the quantization coefficient, arithmetically encodes the binary signal, and outputs a compressed bit stream or sequence.
- the inverse quantization unit 112 performs inverse quantization on the quantization coefficient input from the quantization unit 108. Specifically, the inverse quantization unit 112 inversely quantizes the quantization coefficient of the current block in a predetermined scanning order. Then, the inverse quantization unit 112 outputs the inverse-quantized transform coefficient of the current block to the inverse transform unit 114.
- the inverse transform unit 114 restores a prediction error (residual) by performing inverse transform on the transform coefficient input from the inverse quantization unit 112. Specifically, the inverse transform unit 114 restores the prediction error of the current block by performing an inverse transform corresponding to the transform by the transform unit 106 on the transform coefficient. Then, the inverse transformation unit 114 outputs the restored prediction error to the addition unit 116.
- the restored prediction error usually does not match the prediction error calculated by the subtraction unit 104 because information is lost due to quantization.
- the restored prediction error usually includes a quantization error.
- the addition unit 116 reconstructs the current block by adding the prediction error input from the inverse conversion unit 114 and the prediction sample input from the prediction control unit 128. Then, the adding unit 116 outputs the reconfigured block to the block memory 118 and the loop filter unit 120.
- the reconstructed block is sometimes referred to as a local decoding block.
- the block memory 118 is a storage unit for storing, for example, blocks in an encoding target picture (referred to as current picture) that are referred to in intra prediction. Specifically, the block memory 118 stores the reconstructed block output from the adding unit 116.
- the frame memory 122 is a storage unit for storing a reference picture used for inter prediction, for example, and may be called a frame buffer. Specifically, the frame memory 122 stores the reconstructed block filtered by the loop filter unit 120.
- the loop filter unit 120 applies a loop filter to the block reconstructed by the adding unit 116 and outputs the filtered reconstructed block to the frame memory 122.
- the loop filter is a filter (in-loop filter) used in the encoding loop, and includes, for example, a deblocking filter (DF or DBF), a sample adaptive offset (SAO), an adaptive loop filter (ALF), and the like.
- a least square error filter is applied to remove coding distortion. For example, for each 2 ⁇ 2 sub-block in the current block, a plurality of multiples based on the direction of the local gradient and the activity are provided. One filter selected from the filters is applied.
- sub-blocks for example, 2 ⁇ 2 sub-blocks
- a plurality of classes for example, 15 or 25 classes.
- Sub-block classification is performed based on gradient direction and activity.
- the gradient direction value D for example, 0 to 2 or 0 to 4
- the gradient activity value A for example, 0 to 4
- the direction value D of the gradient is derived, for example, by comparing gradients in a plurality of directions (for example, horizontal, vertical, and two diagonal directions).
- the gradient activation value A is derived, for example, by adding gradients in a plurality of directions and quantizing the addition result.
- a filter for a sub-block is determined from among a plurality of filters.
- FIG. 6A to 6C are diagrams illustrating a plurality of examples of the shape of a filter used in ALF.
- FIG. 6A shows a 5 ⁇ 5 diamond shape filter
- FIG. 6B shows a 7 ⁇ 7 diamond shape filter
- FIG. 6C shows a 9 ⁇ 9 diamond shape filter.
- Information indicating the shape of the filter is usually signaled at the picture level. It should be noted that the signalization of the information indicating the filter shape need not be limited to the picture level, but may be another level (for example, a sequence level, a slice level, a tile level, a CTU level, or a CU level).
- ON / OFF of ALF may be determined at the picture level or the CU level, for example. For example, for luminance, it may be determined whether or not ALF is applied at the CU level, and for color differences, it may be determined whether or not ALF is applied at the picture level.
- Information indicating on / off of ALF is usually signaled at the picture level or the CU level. Signaling of information indicating ALF on / off need not be limited to the picture level or the CU level, and may be performed at other levels (for example, a sequence level, a slice level, a tile level, or a CTU level). Good.
- the coefficient set of a plurality of selectable filters (for example, up to 15 or 25 filters) is usually signaled at the picture level.
- the signalization of the coefficient set need not be limited to the picture level, but may be another level (for example, sequence level, slice level, tile level, CTU level, CU level, or sub-block level).
- loop filter unit 120 performs filtering on the block boundary of the reconstructed image, thereby reducing distortion generated at the block boundary.
- FIG. 7 is a block diagram illustrating an example of a detailed configuration of the loop filter unit 120 that functions as a deblocking filter.
- the loop filter unit 120 includes a boundary determination unit 1201, a filter determination unit 1203, a filter processing unit 1205, a processing determination unit 1208, a filter characteristic determination unit 1207, and switches 1202, 1204, and 1206.
- the boundary determination unit 1201 determines whether or not a pixel to be deblocked and filtered (that is, a target pixel) exists near the block boundary. Then, the boundary determination unit 1201 outputs the determination result to the switch 1202 and the process determination unit 1208.
- the switch 1202 When the boundary determination unit 1201 determines that the target pixel exists in the vicinity of the block boundary, the switch 1202 outputs the image before the filter processing to the switch 1204. Conversely, when the boundary determination unit 1201 determines that the target pixel does not exist near the block boundary, the switch 1202 outputs the image before the filter processing to the switch 1206.
- the filter determination unit 1203 determines whether or not to perform the deblocking / filtering process on the target pixel based on the pixel value of at least one peripheral pixel around the target pixel. Then, the filter determination unit 1203 outputs the determination result to the switch 1204 and the process determination unit 1208.
- the switch 1204 outputs the pre-filtering image acquired via the switch 1202 to the filter processing unit 1205 when it is determined by the filter determination unit 1203 that deblocking / filtering processing has been performed on the target pixel. Conversely, the switch 1204 outputs the pre-filtering image acquired via the switch 1202 to the switch 1206 when the filter determination unit 1203 determines that deblocking / filtering is not performed on the target pixel.
- the filter processing unit 1205 When the pre-filtering image is acquired via the switches 1202 and 1204, the filter processing unit 1205 performs the deblocking / filtering process having the filter characteristics determined by the filter characteristic determination unit 1207 on the target pixel. Execute. Then, the filter processing unit 1205 outputs the pixel after the filter processing to the switch 1206.
- the switch 1206 selectively outputs a pixel that has not been subjected to the deblocking filter process and a pixel that has been subjected to the deblocking filter process by the filter processing unit 1205 in accordance with the control by the process determination unit 1208.
- the process determination unit 1208 controls the switch 1206 based on the determination results of the boundary determination unit 1201 and the filter determination unit 1203. In other words, the process determining unit 1208 determines that the target pixel is present near the block boundary by the boundary determining unit 1201 and also determines that the target pixel is to be deblocked / filtered by the filter determining unit 1203 In this case, the deblocking filtered pixel is output from the switch 1206. In other cases than those described above, the process determination unit 1208 causes the switch 1206 to output pixels that have not been deblocked and filtered. By repeatedly outputting such pixels, an image after filter processing is output from the switch 1206.
- FIG. 8 is a diagram illustrating an example of a deblocking filter having filter characteristics that are symmetric with respect to a block boundary.
- one of two deblocking filters having different characteristics that is, a strong filter and a weak filter is selected using a pixel value and a quantization parameter.
- the strong filter as shown in FIG. 8, when the pixels p0 to p2 and the pixels q0 to q2 exist across the block boundary, the pixel values of the pixels q0 to q2 are calculated by the following equation. As a result, the pixel values q′0 to q′2 are changed.
- p0 to p2 and q0 to q2 are the pixel values of the pixels p0 to p2 and the pixels q0 to q2, respectively.
- Q3 is the pixel value of the pixel q3 adjacent to the pixel q2 on the side opposite to the block boundary.
- a coefficient that is multiplied by the pixel value of each pixel used for the deblocking filter process is a filter coefficient.
- the clip process may be performed so that the pixel value after the calculation does not change beyond the threshold value.
- the pixel value after calculation according to the above equation is clipped to “pixel value before calculation ⁇ 2 ⁇ threshold value” using a threshold value determined from the quantization parameter. Thereby, excessive smoothing can be prevented.
- FIG. 9 is a diagram for explaining a block boundary where deblocking filter processing is performed.
- FIG. 10 is a diagram illustrating an example of the Bs value.
- the block boundary where the deblocking filter processing is performed is, for example, a PU (Prediction Unit) or TU (Transform Unit) boundary of an 8 ⁇ 8 pixel block as shown in FIG.
- the deblocking filter process is performed in units of 4 rows or 4 columns.
- Bs Bit Strength
- the deblocking filter process for the color difference signal is performed when the Bs value is 2.
- the deblocking filter process for the luminance signal is performed when the Bs value is 1 or more and a predetermined condition is satisfied. Note that the determination condition of the Bs value is not limited to that shown in FIG. 10, and may be determined based on other parameters.
- FIG. 11 is a diagram illustrating an example of processing performed by the prediction processing unit of the encoding device 100. Note that the prediction processing unit includes all or part of the constituent elements of the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
- the prediction processing unit generates a predicted image of the current block (step Sb_1).
- This prediction image is also called a prediction signal or a prediction block.
- the prediction signal includes, for example, an intra prediction signal or an inter prediction signal.
- the prediction processor generates a reconstructed image that has already been obtained by performing prediction block generation, difference block generation, coefficient block generation, difference block restoration, and decoded image block generation. To generate a predicted image of the current block.
- the reconstructed image may be, for example, an image of a reference picture or an image of an already-encoded block in the current picture that is a picture including the current block.
- An encoded block in the current picture is, for example, a block adjacent to the current block.
- FIG. 12 is a diagram illustrating another example of processing performed by the prediction processing unit of the encoding device 100.
- the prediction processing unit generates a prediction image by the first method (step Sc_1a), generates a prediction image by the second method (step Sc_1b), and generates a prediction image by the third method (step Sc_1c).
- the first method, the second method, and the third method are different methods for generating a predicted image, and are, for example, an inter prediction method, an intra prediction method, and other prediction methods, respectively. There may be. In these prediction methods, the reconstructed image described above may be used.
- the prediction processing unit selects any one of the plurality of predicted images generated in Steps Sc_1a, Sc_1b, and Sc_1c (Step Sc_2).
- the selection of the predicted image that is, the selection of the method or mode for obtaining the final predicted image may be performed based on the cost calculated for each generated predicted image.
- the prediction image may be selected based on parameters used for the encoding process.
- the encoding apparatus 100 may signal information for specifying the selected predicted image, scheme, or mode into an encoded signal (also referred to as an encoded bitstream).
- the information may be a flag, for example. Thereby, the decoding apparatus can produce
- the prediction processing unit selects any prediction image after generating a prediction image by each method. However, before generating the predicted images, the prediction processing unit selects a method or mode based on the parameters used in the above-described encoding process, and generates a predicted image according to the method or mode. Also good.
- the first method and the second method are intra prediction and inter prediction, respectively, and the prediction processing unit calculates a final prediction image for the current block from the prediction images generated according to these prediction methods. You may choose.
- FIG. 13 is a diagram illustrating another example of processing performed by the prediction processing unit of the encoding device 100.
- the prediction processing unit generates a prediction image by intra prediction (step Sd_1a), and generates a prediction image by inter prediction (step Sd_1b).
- a prediction image generated by intra prediction is also referred to as an intra prediction image
- a prediction image generated by inter prediction is also referred to as an inter prediction image.
- the prediction processing unit evaluates each of the intra prediction image and the inter prediction image (step Sd_2). Cost may be used for this evaluation. That is, the prediction processing unit calculates the cost C of each of the intra predicted image and the inter predicted image.
- D is the coding distortion of the predicted image, and is represented by, for example, the sum of absolute differences between the pixel value of the current block and the pixel value of the predicted image.
- R is a generated code amount of the predicted image, specifically, a code amount necessary for encoding motion information or the like for generating the predicted image.
- ⁇ is a Lagrange's undetermined multiplier, for example.
- the prediction processing unit selects a predicted image for which the smallest cost C is calculated from the intra predicted image and the inter predicted image as the final predicted image of the current block (step Sd_3). That is, a prediction method or mode for generating a prediction image of the current block is selected.
- the intra prediction unit 124 generates a prediction signal (intra prediction signal) by referring to the block in the current picture stored in the block memory 118 and performing intra prediction (also referred to as intra-screen prediction) of the current block. Specifically, the intra prediction unit 124 generates an intra prediction signal by performing intra prediction with reference to a sample (for example, luminance value and color difference value) of a block adjacent to the current block, and performs prediction control on the intra prediction signal. To the unit 128.
- the intra prediction unit 124 performs intra prediction using one of a plurality of predefined intra prediction modes.
- the plurality of intra prediction modes usually include one or more non-directional prediction modes and a plurality of directional prediction modes.
- One or more non-directional prediction modes are for example H.264.
- the Planar prediction mode and the DC prediction mode defined in the H.265 / HEVC standard are included.
- the multiple directionality prediction modes are for example H.264. It includes 33-direction prediction modes defined in the H.265 / HEVC standard. In addition to the 33 directions, the plurality of directionality prediction modes may further include 32 direction prediction modes (a total of 65 directionality prediction modes).
- FIG. 14 is a diagram illustrating all 67 intra prediction modes (two non-directional prediction modes and 65 directional prediction modes) in intra prediction. The solid line arrows The 33 directions defined in the H.265 / HEVC standard are represented, and the dashed arrow represents the added 32 directions. (Two non-directional prediction modes are not shown in FIG. 14)
- the luminance block may be referred to in the intra prediction of the color difference block. That is, the color difference component of the current block may be predicted based on the luminance component of the current block.
- Such intra prediction is sometimes called CCLM (cross-component linear model) prediction.
- the intra prediction mode (for example, called CCLM mode) of the color difference block which refers to such a luminance block may be added as one of the intra prediction modes of the color difference block.
- the intra prediction unit 124 may correct the pixel value after intra prediction based on the gradient of the reference pixel in the horizontal / vertical direction. Intra prediction with such correction may be called PDPC (position dependent intra prediction combination). Information indicating the presence / absence of application of PDPC (for example, called a PDPC flag) is usually signaled at the CU level. The signalization of this information need not be limited to the CU level, but may be another level (for example, a sequence level, a picture level, a slice level, a tile level, or a CTU level).
- the inter prediction unit 126 refers to a reference picture stored in the frame memory 122 and is different from the current picture, and performs inter prediction (also referred to as inter-screen prediction) of the current block, thereby generating a prediction signal (inter prediction signal). Prediction signal). Inter prediction is performed in units of a current block or a current sub-block (for example, 4 ⁇ 4 block) in the current block. For example, the inter prediction unit 126 performs motion estimation within the reference picture for the current block or current subblock, and finds the reference block or subblock that most closely matches the current block or current subblock.
- the inter prediction unit 126 acquires motion information (for example, a motion vector) that compensates for motion or change from the reference block or sub-block to the current block or sub-block.
- the inter prediction unit 126 performs motion compensation (or motion prediction) based on the motion information, and generates an inter prediction signal for the current block or sub-block.
- the inter prediction unit 126 outputs the generated inter prediction signal to the prediction control unit 128.
- the motion information used for motion compensation may be signaled as an inter prediction signal in various forms.
- a motion vector may be signaled.
- a difference between a motion vector and a motion vector predictor may be signaled.
- FIG. 15 is a flowchart showing a basic flow of inter prediction.
- the inter prediction unit 126 first generates a prediction image (steps Se_1 to Se_3). Next, the subtraction unit 104 generates a difference between the current block and the predicted image as a prediction residual (step Se_4).
- the inter prediction unit 126 generates the prediction image by determining the motion vector (MV) of the current block (Step Se_1 and Se_2) and motion compensation (Step Se_3). To do.
- the inter prediction unit 126 determines the MV by selecting a candidate motion vector (candidate MV) (step Se_1) and deriving the MV (step Se_2).
- the selection of the candidate MV is performed, for example, by selecting at least one candidate MV from the candidate MV list.
- the inter prediction unit 126 determines the selected at least one candidate MV as the MV of the current block by further selecting at least one candidate MV from the at least one candidate MV. May be.
- the inter prediction unit 126 may determine the MV of the current block by searching the reference picture region indicated by the candidate MV for each of the selected at least one candidate MV. Note that this search for the reference picture area may be referred to as motion estimation.
- steps Se_1 to Se_3 are performed by the inter prediction unit 126.
- processing such as step Se_1 or step Se_2 may be performed by other components included in the encoding device 100. .
- FIG. 16 is a flowchart illustrating an example of motion vector derivation.
- the inter prediction unit 126 derives the MV of the current block in a mode for encoding motion information (for example, MV).
- motion information is encoded as a prediction parameter and signaled. That is, encoded motion information is included in an encoded signal (also referred to as an encoded bit stream).
- the inter prediction unit 126 derives MV in a mode that does not encode motion information. In this case, motion information is not included in the encoded signal.
- the MV derivation modes include a normal inter mode, a merge mode, a FRUC mode, and an affine mode, which will be described later.
- modes for encoding motion information include a normal inter mode, a merge mode, and an affine mode (specifically, an affine inter mode and an affine merge mode).
- the motion information may include not only MV but also later-described predicted motion vector selection information.
- the mode in which motion information is not encoded includes the FRUC mode.
- the inter prediction unit 126 selects a mode for deriving the MV of the current block from the plurality of modes, and derives the MV of the current block using the selected mode.
- FIG. 17 is a flowchart showing another example of motion vector derivation.
- the inter prediction unit 126 derives the MV of the current block in a mode for encoding the difference MV.
- the difference MV is encoded as a prediction parameter and signaled. That is, the encoded difference MV is included in the encoded signal.
- This difference MV is the difference between the MV of the current block and its predicted MV.
- the inter prediction unit 126 derives the MV in a mode in which the difference MV is not encoded.
- the encoded difference MV is not included in the encoded signal.
- the MV derivation modes include the normal inter, the merge mode, the FRUC mode, and the affine mode, which will be described later.
- modes for encoding the difference MV include a normal inter mode and an affine mode (specifically, an affine inter mode).
- modes that do not encode the difference MV include FRUC mode, merge mode, and affine mode (specifically, affine merge mode).
- the inter prediction unit 126 selects a mode for deriving the MV of the current block from the plurality of modes, and derives the MV of the current block using the selected mode.
- FIG. 18 is a flowchart showing another example of motion vector derivation.
- the MV derivation mode that is, the inter prediction mode, has a plurality of modes, which are roughly classified into a mode for encoding the difference MV and a mode for not encoding the difference motion vector.
- the modes that do not encode the difference MV include a merge mode, an FRUC mode, and an affine mode (specifically, an affine merge mode). The details of these modes will be described later.
- the merge mode is a mode for deriving the MV of the current block by selecting a motion vector from surrounding encoded blocks
- the FRUC mode is:
- the MV of the current block is derived by performing a search between encoded regions.
- the affine mode is a mode for deriving the motion vector of each of a plurality of sub-blocks constituting the current block as the MV of the current block assuming affine transformation.
- the inter prediction unit 126 when the inter prediction mode information indicates 0 (0 in Sf_1), the inter prediction unit 126 derives a motion vector using the merge mode (Sf_2). Further, when the inter prediction mode information indicates 1 (1 in Sf_1), the inter prediction unit 126 derives a motion vector in the FRUC mode (Sf_3). Further, when the inter prediction mode information indicates 2 (2 in Sf_1), the inter prediction unit 126 derives a motion vector using an affine mode (specifically, an affine merge mode) (Sf_4). Further, when the inter prediction mode information indicates 3 (3 in Sf_1), the inter prediction unit 126 derives a motion vector in a mode for encoding the difference MV (for example, a normal inter mode) (Sf_5).
- Sf_5 when the inter prediction mode information indicates 0 (0 in Sf_1), the inter prediction unit 126 derives a motion vector using the merge mode (Sf_2). Further, when the inter prediction mode information indicates 1 (1 in Sf_1), the
- the normal inter mode is an inter prediction mode in which the MV of the current block is derived by finding a block similar to the image of the current block from the reference picture area indicated by the candidate MV. In the normal inter mode, the difference MV is encoded.
- FIG. 19 is a flowchart showing an example of inter prediction in the normal inter mode.
- the inter prediction unit 126 acquires a plurality of candidate MVs for the current block based on information such as the MVs of a plurality of encoded blocks around the current block in terms of time or space (Step). Sg_1). That is, the inter prediction unit 126 creates a candidate MV list.
- the inter prediction unit 126 predicts each of N (N is an integer of 2 or more) candidate MVs from among the plurality of candidate MVs acquired in step Sg_1 (predicted motion vector candidates (also referred to as predicted MV candidates)). Are extracted according to a predetermined priority order (step Sg_2).
- the priority order is predetermined for each of the N candidate MVs.
- the inter prediction unit 126 selects one prediction motion vector candidate from the N prediction motion vector candidates as a prediction motion vector (also referred to as prediction MV) of the current block (step Sg — 3). At this time, the inter prediction unit 126 encodes prediction motion vector selection information for identifying the selected prediction motion vector into a stream.
- the stream is the above-described encoded signal or encoded bit stream.
- the inter prediction unit 126 refers to the encoded reference picture and derives the MV of the current block (step Sg_4). At this time, the inter prediction unit 126 further encodes the difference value between the derived MV and the predicted motion vector as a difference MV into a stream.
- An encoded reference picture is a picture composed of a plurality of blocks reconstructed after encoding.
- the inter prediction unit 126 generates a prediction image of the current block by performing motion compensation on the current block using the derived MV and the encoded reference picture (step Sg_5).
- the predicted image is the above-described inter prediction signal.
- information indicating the inter prediction mode (normal inter mode in the above example) used for generating a predicted image, which is included in the encoded signal is encoded as a prediction parameter, for example.
- the candidate MV list may be used in common with lists used in other modes. Further, the process related to the candidate MV list may be applied to the process related to the list used for other modes.
- the processing related to this candidate MV list is, for example, extraction or selection of candidate MVs from the candidate MV list, rearrangement of candidate MVs, or deletion of candidate MVs.
- the merge mode is an inter prediction mode in which the candidate MV is selected from the candidate MV list as the MV of the current block, and the MV is derived.
- FIG. 20 is a flowchart showing an example of inter prediction in merge mode.
- the inter prediction unit 126 acquires a plurality of candidate MVs for the current block based on information such as the MVs of a plurality of encoded blocks around the current block in terms of time or space (Step). Sh_1). That is, the inter prediction unit 126 creates a candidate MV list.
- the inter prediction unit 126 derives the MV of the current block by selecting one candidate MV from the plurality of candidate MVs acquired in Step Sh_1 (Step Sh_2). At this time, the inter prediction unit 126 encodes MV selection information for identifying the selected candidate MV into a stream.
- the inter prediction unit 126 generates a predicted image of the current block by performing motion compensation on the current block using the derived MV and the encoded reference picture (step Sh_3).
- information indicating the inter prediction mode (merged mode in the above example) used for generating a predicted image, which is included in the encoded signal is encoded as a prediction parameter, for example.
- FIG. 21 is a diagram for explaining an example of the motion vector derivation process of the current picture in the merge mode.
- Prediction MV candidates include spatial adjacent prediction MVs that are MVs of a plurality of encoded blocks located spatially around the target block, and neighboring blocks that project the position of the target block in the encoded reference picture.
- variable length encoding unit describes and encodes merge_idx, which is a signal indicating which prediction MV is selected, in the stream.
- the prediction MV registered in the prediction MV list described with reference to FIG. 21 is an example, and the number of prediction MVs may be different from the number in the figure, or may not include some types of prediction MVs in the figure. It may be the composition which added prediction MV other than the kind of prediction MV in a figure.
- the final MV may be determined by performing a DMVR (dynamic motion vector refreshing) process, which will be described later, using the MV of the target block derived in the merge mode.
- DMVR dynamic motion vector refreshing
- the prediction MV candidates are the above-described candidate MVs
- the prediction MV list is the above-described candidate MV list.
- the candidate MV list may be referred to as a candidate list.
- merge_idx is MV selection information.
- the motion information may be derived on the decoding device side without being signaled from the coding device side.
- H.P. A merge mode defined in the H.265 / HEVC standard may be used.
- the motion information may be derived by performing motion search on the decoding device side. In this case, the motion search is performed on the decoding device side without using the pixel value of the current block.
- the mode in which the motion search is performed on the decoding apparatus side is sometimes called a PMMVD (patterned motion vector derivation) mode or an FRUC (frame rate up-conversion) mode.
- PMMVD patterned motion vector derivation
- FRUC frame rate up-conversion
- a list of a plurality of candidates each having a predicted motion vector (MV) ie, a candidate MV list, May be shared with the merge list
- the best candidate MV is selected from a plurality of candidate MVs registered in the candidate MV list (step Si_2).
- the evaluation value of each candidate MV included in the candidate MV list is calculated, and one candidate MV is selected based on the evaluation value.
- a motion vector for the current block is derived (step Si_4).
- the selected candidate motion vector (best candidate MV) is directly derived as a motion vector for the current block.
- the motion vector for the current block may be derived by performing pattern matching in the peripheral region at the position in the reference picture corresponding to the selected candidate motion vector. That is, a search using pattern matching and evaluation values in the reference picture is performed on the area around the best candidate MV, and if there is an MV with a better evaluation value, the best candidate MV is set as the MV. It may be updated to make it the final MV of the current block. It is also possible to adopt a configuration in which processing for updating to an MV having a better evaluation value is not performed.
- the inter prediction unit 126 generates a prediction image of the current block by performing motion compensation on the current block using the derived MV and the encoded reference picture (step Si_5).
- the same processing may be performed when processing is performed in units of sub-blocks.
- the evaluation value may be calculated by various methods. For example, a reconstructed image of an area in a reference picture corresponding to a motion vector and a predetermined area (the area is, for example, an area of another reference picture or an adjacent block of the current picture as shown below. To the reconstructed image. Then, the difference between the pixel values of the two reconstructed images may be calculated and used as the motion vector evaluation value. Note that the evaluation value may be calculated using information other than the difference value.
- one candidate MV included in a candidate MV list (for example, a merge list) is selected as a search starting point by pattern matching.
- the pattern matching the first pattern matching or the second pattern matching is used.
- the first pattern matching and the second pattern matching may be referred to as bilateral matching and template matching, respectively.
- FIG. 23 is a diagram for explaining an example of first pattern matching (bilateral matching) between two blocks in two reference pictures along a motion trajectory.
- first pattern matching two blocks along the motion trajectory of the current block (Cur block) and two blocks in two different reference pictures (Ref0, Ref1) are used.
- two motion vectors MV0, MV1 are derived.
- MV0, MV1 a reconstructed image at a designated position in the first encoded reference picture (Ref0) designated by the candidate MV, and a symmetric MV obtained by scaling the candidate MV at a display time interval.
- the difference from the reconstructed image at the designated position in the second encoded reference picture (Ref1) designated in (2) is derived, and the evaluation value is calculated using the obtained difference value.
- the candidate MV having the best evaluation value among the plurality of candidate MVs may be selected as the final MV.
- the motion vectors (MV0, MV1) pointing to the two reference blocks are temporal distances between the current picture (Cur Pic) and the two reference pictures (Ref0, Ref1). It is proportional to (TD0, TD1).
- the first pattern matching uses a mirror-symmetric bi-directional motion vector Is derived.
- MV derivation>FRUC> template matching In the second pattern matching (template matching), pattern matching is performed between a template in the current picture (a block adjacent to the current block in the current picture (for example, an upper and / or left adjacent block)) and a block in the reference picture. Done. Therefore, in the second pattern matching, a block adjacent to the current block in the current picture is used as the predetermined region for calculating the candidate evaluation value described above.
- FIG. 24 is a diagram for explaining an example of pattern matching (template matching) between a template in the current picture and a block in the reference picture.
- the current block is searched by searching the reference picture (Ref0) for the block that most closely matches the block adjacent to the current block (Cur block) in the current picture (Cur Pic). Of motion vectors are derived.
- the reconstructed image of the encoded region of the left adjacent area and / or the upper adjacent area, and the equivalent in the encoded reference picture (Ref0) designated by the candidate MV When a difference from the reconstructed image at the position is derived, an evaluation value is calculated using the obtained difference value, and a candidate MV having the best evaluation value among a plurality of candidate MVs is selected as the best candidate MV. Good.
- FRUC flag Information indicating whether or not to apply such FRUC mode
- information indicating an applicable pattern matching method first pattern matching or second pattern matching
- the signalization of these pieces of information need not be limited to the CU level, but may be other levels (for example, sequence level, picture level, slice level, tile level, CTU level, or sub-block level).
- affine mode for deriving a motion vector in units of sub-blocks based on a plurality of adjacent block motion vectors. This mode may be referred to as an affine motion compensation prediction mode.
- FIG. 25A is a diagram for describing an example of deriving motion vectors in units of sub-blocks based on motion vectors of a plurality of adjacent blocks.
- the current block includes 16 4 ⁇ 4 sub-blocks.
- the motion vector v 0 of the upper left corner control point of the current block is derived based on the motion vector of the adjacent block, and similarly, the motion vector v of the upper right corner control point of the current block based on the motion vector of the adjacent sub block. 1 is derived.
- two motion vectors v 0 and v 1 are projected to derive a motion vector (v x , v y ) of each sub-block in the current block.
- x and y indicate the horizontal position and vertical position of the sub-block, respectively, and w indicates a predetermined weight coefficient.
- Information indicating such an affine mode may be signaled at the CU level.
- the signalization of information indicating the affine mode is not necessarily limited to the CU level, but may be performed at other levels (for example, a sequence level, a picture level, a slice level, a tile level, a CTU level, or a sub-block level). May be.
- an affine mode may include several modes in which the motion vector derivation methods of the upper left and upper right corner control points are different.
- FIG. 25B is a diagram for explaining an example of deriving a motion vector in units of sub-blocks in an affine mode having three control points.
- the current block includes 16 4 ⁇ 4 sub-blocks.
- the motion vector v 0 of the upper left corner control point of the current block is derived based on the motion vector of the adjacent block, and similarly, the motion vector v 1 of the upper right corner control point of the current block based on the motion vector of the adjacent block.
- motion vector v 2 in the lower left angle control point in the current block based on the motion vector of the neighboring block is derived.
- three motion vectors v 0 , v 1, and v 2 are projected to derive a motion vector (v x , v y ) of each sub-block in the current block.
- x and y indicate the horizontal position and vertical position of the center of the sub-block, respectively, w indicates the width of the current block, and h indicates the height of the current block.
- the affine modes with different numbers of control points may be signaled by switching at the CU level.
- information indicating the number of affine mode control points used at the CU level may be signaled at other levels (for example, sequence level, picture level, slice level, tile level, CTU level, or sub-block level). Good.
- an affine mode having three control points may include several modes in which the motion vector derivation methods of the upper left, upper right, and lower left corner control points are different.
- FIG. 26A, FIG. 26B, and FIG. 26C are conceptual diagrams for explaining the affine merge mode.
- an encoded block A left
- a block B upper
- a block C upper right
- a block D lower left
- a block E upper left
- the predicted motion vector of each control point of the current block is calculated based on a plurality of motion vectors corresponding to the block encoded in the affine mode. Specifically, these blocks are examined in the order of encoded block A (left), block B (upper), block C (upper right), block D (lower left) and block E (upper left), and in affine mode
- the first valid block encoded is identified. Based on the plurality of motion vectors corresponding to the identified block, a predicted motion vector of the control point of the current block is calculated.
- the motion vectors v 3 and v 4 projected to the position of are derived. Then, the motion vector v 3 and v 4 derived, the predicted motion vector v 0 of the control point of the upper left corner of the current block, the prediction motion vector v 1 of the control point in the upper right corner is calculated.
- the upper left corner and the upper right corner of the encoded block including the block A And motion vectors v 3 , v 4 and v 5 projected to the position of the lower left corner are derived. Then, from the derived motion vectors v 3 , v 4 and v 5 , the predicted motion vector v 0 of the control point at the upper left corner of the current block, the predicted motion vector v 1 of the control point at the upper right corner, and the control of the lower left corner predicted motion vector v 2 of the points are calculated.
- this prediction motion vector derivation method may be used to derive each prediction motion vector of the control point of the current block in step Sj_1 in FIG. 29 described later.
- FIG. 27 is a flowchart showing an example of the affine merge mode.
- the inter prediction unit 126 derives a prediction MV of each control point of the current block (step Sk_1).
- the control points are the upper left corner and upper right corner of the current block as shown in FIG. 25A, or the upper left corner, upper right corner and lower left corner of the current block as shown in FIG. 25B.
- the inter prediction unit 126 performs an encoded block A (left), block B (upper), block C (upper right), block D (lower left), and block E (upper left) in order. These blocks are examined and the first valid block encoded in affine mode is identified.
- the inter prediction unit 126 When block A is specified and block A has two control points, as shown in FIG. 26B, the inter prediction unit 126 performs motion vectors v 3 at the upper left corner and the upper right corner of the encoded block including block A. and v 4, and calculates a motion vector v 0 of the control point of the upper left corner of the current block, the control point in the upper right corner and a motion vector v 1. For example, the inter prediction unit 126 projects the motion vectors v 3 and v 4 at the upper left corner and the upper right corner of the encoded block onto the current block, thereby predicting the motion vector v 0 at the control point at the upper left corner of the current block. And a predicted motion vector v 1 of the control point in the upper right corner.
- the inter prediction unit 126 moves the upper left corner, the upper right corner, and the lower left corner of the encoded block including the block A as illustrated in FIG. from the vector v 3, v 4 and v 5, calculates a motion vector v 0 of the control point of the upper left corner of the current block, the motion vector v 1 of the control point in the upper right corner, the control point of the lower-left corner of the motion vector v 2 To do.
- the inter prediction unit 126 projects the motion vectors v 3 , v 4, and v 5 of the upper left corner, the upper right corner, and the lower left corner of the encoded block onto the current block, thereby controlling the upper left corner control point of the current block. to the calculated and the predicted motion vector v 0, the predicted motion vector v 1 of the control point in the upper right corner, the control point of the lower-left corner of the motion vector v 2.
- the inter prediction unit 126 performs motion compensation for each of the plurality of sub-blocks included in the current block. That is, for each of the plurality of sub-blocks, the inter prediction unit 126 includes two prediction motion vectors v 0 and v 1 and the above-described equation (1A), or three prediction motion vectors v 0 , v 1, and v 2 .
- the motion vector of the sub-block is calculated as an affine MV (step Sk_2).
- the inter prediction unit 126 performs motion compensation on the sub-block using the affine MV and the encoded reference picture (step Sk_3). As a result, motion compensation is performed on the current block, and a predicted image of the current block is generated.
- FIG. 28A is a diagram for explaining an affine inter mode having two control points.
- the motion vector selected from the motion vectors of the encoded block A, block B, and block C adjacent to the current block is the prediction of the control point at the upper left corner of the current block. It is used as the motion vector v 0.
- the motion vector selected from the motion vectors of the encoded block D and block E adjacent to the current block is used as the predicted motion vector v 1 of the control point at the upper right corner of the current block.
- FIG. 28B is a diagram for explaining an affine inter mode having three control points.
- the motion vector selected from the motion vectors of the encoded block A, block B, and block C adjacent to the current block is the prediction of the control point at the upper left corner of the current block. It is used as the motion vector v 0.
- the motion vector selected from the motion vectors of the encoded block D and block E adjacent to the current block is used as the predicted motion vector v 1 of the control point at the upper right corner of the current block.
- motion vectors selected from the motion vectors of the encoded block F and block G adjacent to the current block are used as predicted motion vector v 2 of the control points of the lower left corner of the current block.
- FIG. 29 is a flowchart showing an example of the affine inter mode.
- the inter prediction unit 126 derives prediction MV (v 0 , v 1 ) or (v 0 , v 1 , v 2 ) of each of two or three control points of the current block ( Step Sj_1). As shown in FIG. 25A or FIG. 25B, the control points are points at the upper left corner, upper right corner, or lower left corner of the current block.
- the inter prediction unit 126 predicts the control point of the current block by selecting a motion vector of one of the encoded blocks in the vicinity of each control point of the current block shown in FIG. 28A or 28B.
- a motion vector (v 0 , v 1 ) or (v 0 , v 1 , v 2 ) is derived.
- the inter prediction unit 126 encodes prediction motion vector selection information for identifying the two selected motion vectors into a stream.
- the inter prediction unit 126 determines which block motion vector is selected as the predicted motion vector of the control point from the encoded blocks adjacent to the current block, using cost evaluation or the like, and which prediction motion vector is selected. A flag indicating whether it has been selected may be described in the bitstream.
- the inter prediction unit 126 performs a motion search (steps Sj_3 and Sj_4) while updating the predicted motion vectors selected or derived in step Sj_1 (step Sj_2). That is, the inter prediction unit 126 calculates the motion vector of each sub-block corresponding to the updated prediction motion vector as the affine MV, using the above equation (1A) or equation (1B) (step Sj_3). Then, the inter prediction unit 126 performs motion compensation on each sub-block using the affine MV and the encoded reference picture (step Sj_4). As a result, in the motion search loop, the inter prediction unit 126 determines, for example, a predicted motion vector that can obtain the lowest cost as a motion vector of a control point (step Sj_5). At this time, the inter prediction unit 126 further encodes each difference value between the determined MV and the predicted motion vector as a difference MV into a stream.
- the inter prediction unit 126 generates a predicted image of the current block by performing motion compensation on the current block using the determined MV and the encoded reference picture (step Sj_6).
- FIG. 30A and FIG. 30B are conceptual diagrams for explaining a control point prediction vector derivation method when the number of control points is different between the encoded block and the current block.
- the current block has three control points, upper left corner, upper right corner and lower left corner, and block A adjacent to the left of the current block is encoded in an affine mode having two control points. If so, motion vectors v 3 and v 4 projected to the positions of the upper left corner and the upper right corner of the encoded block including the block A are derived. Then, the motion vector v 3 and v 4 derived, the predicted motion vector v 0 of the control point of the upper left corner of the current block, the prediction motion vector v 1 of the control point in the upper right corner is calculated. Further, the predicted motion vector v 2 of the control point at the lower left corner is calculated from the derived motion vectors v 0 and v 1 .
- the current block has two control points in the upper left corner and the upper right corner, and block A adjacent to the left of the current block is encoded in an affine mode having three control points.
- motion vectors v 3 , v 4, and v 5 projected to the positions of the upper left corner, the upper right corner, and the lower left corner of the encoded block including the block A are derived.
- the motion vector v 3, v 4 and v 5 derived, the predicted motion vector v 0 of the control point of the upper left corner of the current block, the prediction motion vector v 1 of the control point in the upper right corner is calculated.
- This prediction motion vector derivation method may be used for derivation of each prediction motion vector of the control point of the current block in step Sj_1 in FIG.
- FIG. 31A is a diagram showing the relationship between the merge mode and DMVR.
- the inter prediction unit 126 derives the motion vector of the current block in the merge mode (step S1_1).
- the inter prediction unit 126 determines whether or not to perform a motion vector search, that is, a motion search (step S1_2).
- the inter prediction unit 126 determines the motion vector derived in Step S1_1 as the final motion vector for the current block (Step S1_4). That is, in this case, the motion vector of the current block is determined in the merge mode.
- Step S1_3 a final motion vector is derived (step S1_3). That is, in this case, the motion vector of the current block is determined by DMVR.
- FIG. 31B is a conceptual diagram for explaining an example of the DMVR process for determining the MV.
- the optimal MVP set in the current block (for example, in the merge mode) is set as a candidate MV.
- the candidate MV (L0) the reference pixel is specified from the first reference picture (L0) that is an encoded picture in the L0 direction.
- the reference pixel is specified from the second reference picture (L1) that is a coded picture in the L1 direction.
- a template is generated by taking the average of these reference pixels.
- the peripheral areas of the candidate MVs of the first reference picture (L0) and the second reference picture (L1) are searched, respectively, and the MV with the lowest cost is determined as the final MV.
- the cost value may be calculated using, for example, a difference value between each pixel value of the template and each pixel value of the search area, a candidate MV value, and the like.
- Any process may be used as long as it is a process capable of searching around the candidate MV and deriving the final MV, instead of the process described here.
- BIO / OBMC In motion compensation, there is a mode in which a predicted image is generated and the predicted image is corrected.
- the modes are, for example, BIO and OBMC described later.
- FIG. 32 is a flowchart showing an example of generation of a predicted image.
- the inter prediction unit 126 generates a predicted image (step Sm_1), and corrects the predicted image in any of the modes described above (step Sm_2).
- FIG. 33 is a flowchart showing another example of generation of a predicted image.
- the inter prediction unit 126 determines the motion vector of the current block (step Sn_1). Next, the inter prediction unit 126 generates a prediction image (Step Sn_2) and determines whether or not to perform correction processing (Step Sn_3). Here, when the inter prediction unit 126 determines to perform the correction process (Yes in step Sn_3), the inter prediction unit 126 generates a final predicted image by correcting the predicted image (step Sn_4). On the other hand, when the inter prediction unit 126 determines not to perform the correction process (No in Step Sn_3), the inter prediction unit 126 outputs the final predicted image without correcting the predicted image (Step Sn_5).
- the mode is, for example, LIC described later.
- FIG. 34 is a flowchart showing still another example of generation of a predicted image.
- the inter prediction unit 126 derives a motion vector of the current block (step So_1). Next, the inter prediction unit 126 determines whether or not to perform luminance correction processing (step So_2). Here, when the inter prediction unit 126 determines to perform the luminance correction process (Yes in Step So_2), the inter prediction unit 126 generates a predicted image while performing the luminance correction (Step So_3). That is, a predicted image is generated by LIC. On the other hand, when the inter prediction unit 126 determines not to perform the luminance correction process (No in Step So_2), the inter prediction unit 126 generates a prediction image by normal motion compensation without performing the luminance correction (Step So_4).
- An inter prediction signal may be generated using not only the motion information of the current block obtained by motion search but also the motion information of adjacent blocks. Specifically, the prediction signal based on the motion information obtained in the motion search (within the reference picture) and the prediction signal based on the motion information of the adjacent block (within the current picture) are weighted and added, so that The inter prediction signal may be generated for each sub-block in the block.
- Such inter prediction (motion compensation) may be referred to as OBMC (overlapped block motion compensation).
- OBMC block size information indicating the size of a sub-block for OBMC
- OBMC flag information indicating whether or not to apply the OBMC mode
- the level of signalization of these information does not need to be limited to the sequence level and the CU level, and may be other levels (for example, a picture level, a slice level, a tile level, a CTU level, or a sub-block level). Good.
- FIG. 35 and FIG. 36 are a flowchart and a conceptual diagram for explaining the outline of the predicted image correction process by the OBMC process.
- a prediction image (Pred) by normal motion compensation is acquired using a motion vector (MV) assigned to a processing target (current) block.
- MV motion vector assigned to a processing target (current) block.
- an arrow “MV” indicates a reference picture and indicates what the current block of the current picture refers to in order to obtain a predicted image.
- the motion vector (MV_L) already derived for the encoded left adjacent block is applied (reused) to the encoding target block to obtain a predicted image (Pred_L).
- the motion vector (MV_L) is indicated by an arrow “MV_L” pointing from the current block to the reference picture.
- the first correction of the predicted image is performed by superimposing the two predicted images Pred and Pred_L. This has the effect of mixing the boundaries between adjacent blocks.
- a motion vector (MV_U) already derived for the encoded upper adjacent block is applied (reused) to the encoding target block to obtain a predicted image (Pred_U).
- the motion vector (MV_U) is indicated by an arrow “MV_U” pointing from the current block to the reference picture.
- the prediction image Pred_U is superimposed on the prediction image (for example, Pred and Pred_L) subjected to the first correction, thereby correcting the prediction image for the second time. This has the effect of mixing the boundaries between adjacent blocks.
- the predicted image obtained by the second correction is the final predicted image of the current block in which the boundary with the adjacent block is mixed (smoothed).
- the above example is a two-pass correction method using the left and upper adjacent blocks.
- the correction method is a three-pass or more pass that also uses the right and / or lower adjacent blocks. This correction method may be used.
- the area to be overlapped may not be the pixel area of the entire block, but only a part of the area near the block boundary.
- the prediction image correction processing of OBMC for obtaining one prediction image Pred by superimposing additional prediction images Pred_L and Pred_U from one reference picture has been described.
- the same processing may be applied to each of the plurality of reference pictures.
- OBMC image correction based on a plurality of reference pictures, a corrected predicted image is obtained from each reference picture, and then the obtained plurality of corrected predicted images are further superimposed. To obtain the final predicted image.
- the unit of the target block may be a prediction block unit or a sub-block unit obtained by further dividing the prediction block.
- the encoding apparatus may determine whether or not the target block belongs to a complex motion region.
- the encoding is performed by setting the value 1 as obmc_flag and applying the OBMC process.
- a value of 0 is set, and the block is encoded without applying the OBMC process.
- the decoding device decodes obj_flag described in a stream (for example, a compressed sequence), and performs decoding by switching whether to apply the OBMC processing according to the value.
- the inter prediction unit 126 generates one rectangular prediction image for the rectangular current block.
- the inter prediction unit 126 generates a plurality of prediction images having a shape different from the rectangle for the rectangular current block, and generates a final rectangular prediction image by combining the plurality of prediction images. May be.
- the shape different from the rectangle may be, for example, a triangle.
- FIG. 37 is a diagram for explaining generation of predicted images of two triangles.
- the inter prediction unit 126 generates a triangular prediction image by performing motion compensation on the triangular first partition in the current block using the first MV of the first partition. Similarly, the inter prediction unit 126 generates a triangular predicted image by performing motion compensation on the second partition of the triangle in the current block using the second MV of the second partition. Then, the inter prediction unit 126 generates a prediction image having the same rectangular shape as that of the current block by combining these prediction images.
- each of the first partition and the second partition is a triangle, but may be a trapezoid or a shape different from each other.
- the current block is composed of two partitions, but may be composed of three or more partitions.
- first partition and the second partition may overlap. That is, the first partition and the second partition may include the same pixel area.
- the prediction image of the current block may be generated using the prediction image in the first partition and the prediction image in the second partition.
- the prediction image is generated by inter prediction for both of the two partitions.
- the prediction image may be generated by intra prediction for at least one partition.
- BIO a method for deriving a motion vector.
- a mode for deriving a motion vector based on a model assuming constant velocity linear motion will be described. This mode is sometimes referred to as a BIO (bi-directional optical flow) mode.
- FIG. 38 is a diagram for explaining a model assuming a constant velocity linear motion.
- (vx, vy) represents a velocity vector
- ⁇ 0 and ⁇ 1 represent temporal distances between the current picture (Cur Pic) and two reference pictures (Ref0, Ref1), respectively.
- (MVx0, MVy0) indicates a motion vector corresponding to the reference picture Ref0
- (MVx1, MVy1) indicates a motion vector corresponding to the reference picture Ref1.
- This optical flow equation consists of (i) the product of the time derivative of the luminance value, (ii) the horizontal component of the horizontal velocity and the spatial gradient of the reference image, and (iii) the vertical velocity and the spatial gradient of the reference image. Indicates that the sum of the products of the vertical components of is equal to zero. Based on a combination of this optical flow equation and Hermite interpolation, a block-based motion vector obtained from a merge list or the like may be corrected in pixel units.
- the motion vector may be derived on the decoding device side by a method different from the derivation of the motion vector based on the model assuming constant velocity linear motion.
- a motion vector may be derived for each subblock based on the motion vectors of a plurality of adjacent blocks.
- FIG. 39 is a diagram for explaining an example of a predicted image generation method using luminance correction processing by LIC processing.
- an MV is derived from an encoded reference picture, and a reference image corresponding to the current block is acquired.
- information indicating how the luminance value has changed between the reference picture and the current picture is extracted for the current block.
- This extraction is performed by using the luminance pixel values of the encoded left adjacent reference region (peripheral reference region) and the encoded upper adjacent reference region (peripheral reference region) in the current picture, and the reference picture specified by the derived MV. This is performed based on the luminance pixel value at the equivalent position.
- the brightness correction parameter is calculated using information indicating how the brightness value has changed.
- a prediction image for the current block is generated by performing luminance correction processing that applies the luminance correction parameter to the reference image in the reference picture specified by MV.
- the shape of the peripheral reference region in FIG. 39 is an example, and other shapes may be used.
- the predicted image may be generated after performing the luminance correction processing in the same manner as in FIG.
- lic_flag is a signal indicating whether to apply LIC processing.
- the encoding apparatus it is determined whether or not the current block belongs to an area where the luminance change occurs. If the current block belongs to the area where the luminance change occurs, the value is set as lic_flag. When 1 is set and encoding is performed by applying the LIC process, and the image does not belong to the region where the luminance change occurs, the value 0 is set as lic_flag and the encoding is performed without applying the LIC process.
- the decoding device may decode the lic_flag described in the stream to switch whether to apply the LIC process according to the value.
- determining whether or not to apply LIC processing for example, there is a method for determining whether or not LIC processing has been applied to peripheral blocks.
- a method for determining whether or not LIC processing has been applied to peripheral blocks For example, when the current block is in the merge mode, it is determined whether or not the peripheral encoded blocks selected in the derivation of the MV in the merge mode process have been encoded by applying the LIC process. . Encoding is performed by switching whether to apply the LIC process according to the result. Even in this example, the same processing is applied to the processing on the decoding device side.
- the LIC process luminance correction process
- the inter prediction unit 126 derives a motion vector for acquiring a reference image corresponding to a block to be encoded from a reference picture that is an encoded picture.
- the inter prediction unit 126 uses the value to calculate a luminance correction parameter. For example, the luminance pixel value of a certain pixel in the peripheral reference area in the encoding target picture is p0, and the luminance pixel value of a pixel in the peripheral reference area in the reference picture at the same position as the pixel is p1.
- the inter prediction unit 126 generates a prediction image for the encoding target block by performing luminance correction processing on the reference image in the reference picture specified by the motion vector using the luminance correction parameter.
- the luminance pixel value in the reference image is p2
- the luminance pixel value of the predicted image after the luminance correction process is p3.
- the shape of the peripheral reference region in FIG. 39 is an example, and other shapes may be used. Also, a part of the peripheral reference region shown in FIG. 39 may be used. For example, an area including a predetermined number of pixels thinned out from each of the upper adjacent pixel and the left adjacent pixel may be used as the peripheral reference area.
- the peripheral reference area is not limited to the area adjacent to the encoding target block, and may be an area not adjacent to the encoding target block.
- the peripheral reference area in the reference picture is an area specified by the motion vector of the encoding target picture from the peripheral reference area in the encoding target picture. It may be a specified area.
- the other motion vector may be a motion vector of a peripheral reference area in the encoding target picture.
- a correction parameter may be derived individually for each of Y, Cb, and Cr, or a common correction parameter may be used for any of them.
- the LIC processing may be applied in units of sub-blocks.
- the correction parameter may be derived using the peripheral reference area of the current subblock and the peripheral reference area of the reference subblock in the reference picture specified by the MV of the current subblock.
- the prediction control unit 128 selects either an intra prediction signal (a signal output from the intra prediction unit 124) or an inter prediction signal (a signal output from the inter prediction unit 126), and subtracts the selected signal as a prediction signal. Output to the unit 104 and the addition unit 116.
- the prediction control unit 128 may output a prediction parameter input to the entropy encoding unit 110.
- the entropy encoding unit 110 may generate an encoded bit stream (or sequence) based on the prediction parameter input from the prediction control unit 128 and the quantization coefficient input from the quantization unit 108.
- the prediction parameter may be used in a decoding device.
- the decoding device may receive and decode the encoded bitstream, and perform the same processing as the prediction processing performed in the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
- the prediction parameter is a selected prediction signal (for example, a motion vector, a prediction type, or a prediction mode used in the intra prediction unit 124 or the inter prediction unit 126), or the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit. Any index, flag, or value based on or indicative of the prediction process performed at 128 may be included.
- FIG. 40 is a block diagram illustrating an implementation example of the encoding device 100.
- the encoding device 100 includes a processor a1 and a memory a2.
- a plurality of components of the encoding device 100 illustrated in FIG. 1 are implemented by the processor a1 and the memory a2 illustrated in FIG.
- the processor a1 is a circuit that performs information processing and is a circuit that can access the memory a2.
- the processor a1 is a dedicated or general-purpose electronic circuit that encodes a moving image.
- the processor a1 may be a processor such as a CPU.
- the processor a1 may be an aggregate of a plurality of electronic circuits. Further, for example, the processor a1 may serve as a plurality of constituent elements excluding the constituent elements for storing information among the plurality of constituent elements of the encoding device 100 illustrated in FIG.
- the memory a2 is a dedicated or general-purpose memory in which information for the processor a1 to encode a moving image is stored.
- the memory a2 may be an electronic circuit and may be connected to the processor a1.
- the memory a2 may be included in the processor a1.
- the memory a2 may be an aggregate of a plurality of electronic circuits.
- the memory a2 may be a magnetic disk or an optical disk, or may be expressed as a storage or a recording medium. Further, the memory a2 may be a nonvolatile memory or a volatile memory.
- a moving image to be encoded may be stored, or a bit string corresponding to the encoded moving image may be stored.
- the memory a2 may store a program for the processor a1 to encode a moving image.
- the memory a2 may serve as a component for storing information among a plurality of components of the encoding device 100 illustrated in FIG. Specifically, the memory a2 may serve as the block memory 118 and the frame memory 122 shown in FIG. More specifically, the memory a2 may store a reconstructed block, a reconstructed picture, and the like.
- not all of the plurality of components shown in FIG. 1 or the like may be mounted, or all of the plurality of processes described above may not be performed. Some of the plurality of components shown in FIG. 1 and the like may be included in another device, and some of the plurality of processes described above may be executed by another device.
- FIG. 41 is a block diagram showing a functional configuration of decoding apparatus 200 according to the present embodiment.
- the decoding device 200 is a moving image decoding device that decodes moving images in units of blocks.
- the decoding device 200 includes an entropy decoding unit 202, an inverse quantization unit 204, an inverse transform unit 206, an addition unit 208, a block memory 210, a loop filter unit 212, and a frame memory 214. And an intra prediction unit 216, an inter prediction unit 218, and a prediction control unit 220.
- the decoding device 200 is realized by, for example, a general-purpose processor and a memory.
- the processor executes the entropy decoding unit 202, the inverse quantization unit 204, the inverse transformation unit 206, the addition unit 208, the loop filter unit 212, and the intra prediction unit. 216, the inter prediction unit 218, and the prediction control unit 220.
- the decoding apparatus 200 is dedicated to the entropy decoding unit 202, the inverse quantization unit 204, the inverse transformation unit 206, the addition unit 208, the loop filter unit 212, the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220. It may be realized as one or more electronic circuits.
- FIG. 42 is a flowchart illustrating an example of an overall decoding process performed by the decoding apparatus 200.
- the entropy decoding unit 202 of the decoding device 200 specifies a division pattern of a fixed-size block (128 ⁇ 128 pixels) (step Sp_1).
- This division pattern is a division pattern selected by the encoding device 100.
- decoding apparatus 200 performs steps Sp_2 to Sp_6 for each of a plurality of blocks constituting the division pattern.
- the entropy decoding unit 202 decodes (specifically entropy decoding) the encoded quantization coefficient and prediction parameter of the decoding target block (also referred to as a current block) (step Sp_2).
- the inverse quantization unit 204 and the inverse transform unit 206 restore a plurality of prediction residuals (that is, difference blocks) by performing inverse quantization and inverse transform on the plurality of quantized coefficients (step Sp_3). ).
- the prediction processing unit including all or part of the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 generates a prediction signal (also referred to as a prediction block) of the current block (step Sp_4).
- the adding unit 208 reconstructs the current block into a reconstructed image (also referred to as a decoded image block) by adding the prediction block to the difference block (step Sp_5).
- the loop filter unit 212 performs filtering on the reconstructed image (step Sp_6).
- step Sp_7 determines whether or not the decoding of the entire picture has been completed (step Sp_7), and when determining that it has not been completed (No in step Sp_7), repeatedly performs the processing from step Sp_1.
- processing of these steps Sp_1 to Sp_7 may be performed sequentially by the decoding apparatus 200, and some of the processing may be performed in parallel, and the order may be changed. Also good.
- the entropy decoding unit 202 performs entropy decoding on the encoded bit stream. Specifically, the entropy decoding unit 202 performs arithmetic decoding from a coded bitstream to a binary signal, for example. Then, the entropy decoding unit 202 debinarizes the binary signal. The entropy decoding unit 202 outputs the quantization coefficient to the inverse quantization unit 204 in units of blocks. The entropy decoding unit 202 may output the prediction parameters included in the encoded bitstream (see FIG. 1) to the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220. The intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 can execute the same prediction process as the processes performed by the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 on the encoding device side.
- the inverse quantization unit 204 inversely quantizes the quantization coefficient of a decoding target block (hereinafter referred to as a current block) that is an input from the entropy decoding unit 202. Specifically, the inverse quantization unit 204 inversely quantizes each quantization coefficient of the current block based on the quantization parameter corresponding to the quantization coefficient. Then, the inverse quantization unit 204 outputs the quantization coefficient (that is, the transform coefficient) obtained by inverse quantization of the current block to the inverse transform unit 206.
- a decoding target block hereinafter referred to as a current block
- the inverse quantization unit 204 inversely quantizes each quantization coefficient of the current block based on the quantization parameter corresponding to the quantization coefficient. Then, the inverse quantization unit 204 outputs the quantization coefficient (that is, the transform coefficient) obtained by inverse quantization of the current block to the inverse transform unit 206.
- the inverse transform unit 206 restores the prediction error by inverse transforming the transform coefficient that is an input from the inverse quantization unit 204.
- the inverse conversion unit 206 determines the current block based on the information indicating the read conversion type. Inversely transform the conversion coefficient of.
- the inverse transform unit 206 applies inverse retransformation to the transform coefficient.
- the adder 208 reconstructs the current block by adding the prediction error input from the inverse converter 206 and the prediction sample input from the prediction controller 220. Then, the adding unit 208 outputs the reconfigured block to the block memory 210 and the loop filter unit 212.
- the block memory 210 is a storage unit for storing a block that is referred to in intra prediction and that is within a decoding target picture (hereinafter referred to as a current picture). Specifically, the block memory 210 stores the reconstructed block output from the adding unit 208.
- the loop filter unit 212 applies a loop filter to the block reconstructed by the adding unit 208, and outputs the filtered reconstructed block to the frame memory 214, the display device, and the like.
- one filter is selected from the plurality of filters based on the local gradient direction and activity, The selected filter is applied to the reconstruction block.
- the frame memory 214 is a storage unit for storing a reference picture used for inter prediction, and is sometimes called a frame buffer. Specifically, the frame memory 214 stores the reconstructed block filtered by the loop filter unit 212.
- FIG. 43 is a diagram illustrating an example of processing performed by the prediction processing unit of the decoding device 200. Note that the prediction processing unit includes all or part of the constituent elements of the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220.
- the prediction processing unit generates a predicted image of the current block (step Sq_1).
- This prediction image is also called a prediction signal or a prediction block.
- the prediction signal includes, for example, an intra prediction signal or an inter prediction signal.
- the prediction processor generates a reconstructed image that has already been obtained by performing prediction block generation, difference block generation, coefficient block generation, difference block restoration, and decoded image block generation. To generate a predicted image of the current block.
- the reconstructed image may be, for example, an image of a reference picture or an image of a decoded block in a current picture that is a picture including the current block.
- the decoded block in the current picture is, for example, a block adjacent to the current block.
- FIG. 44 is a diagram illustrating another example of processing performed by the prediction processing unit of the decoding device 200.
- the prediction processing unit determines a method or mode for generating a predicted image (step Sr_1). For example, this method or mode may be determined based on, for example, a prediction parameter.
- the prediction processing unit When the first processing method is determined as a mode for generating a predicted image, the prediction processing unit generates a predicted image according to the first method (step Sr_2a). Further, when the second processing method is determined as the mode for generating the predicted image, the prediction processing unit generates a predicted image according to the second method (step Sr_2b). In addition, when the third processing method is determined as the mode for generating the predicted image, the prediction processing unit generates a predicted image according to the third method (step Sr_2c).
- the first method, the second method, and the third method are different methods for generating a predicted image, and are, for example, an inter prediction method, an intra prediction method, and other prediction methods, respectively. There may be. In these prediction methods, the reconstructed image described above may be used.
- the intra prediction unit 216 performs intra prediction with reference to the block in the current picture stored in the block memory 210 based on the intra prediction mode read from the encoded bitstream, so that a prediction signal (intra prediction Signal). Specifically, the intra prediction unit 216 generates an intra prediction signal by performing intra prediction with reference to a sample (for example, luminance value and color difference value) of a block adjacent to the current block, and performs prediction control on the intra prediction signal. Output to the unit 220.
- a prediction signal for example, luminance value and color difference value
- the intra prediction unit 216 may predict the color difference component of the current block based on the luminance component of the current block.
- the intra prediction unit 216 corrects the pixel value after intra prediction based on the gradient of the reference pixel in the horizontal / vertical direction.
- the inter prediction unit 218 refers to the reference picture stored in the frame memory 214 and predicts the current block. Prediction is performed in units of a current block or a sub-block (for example, 4 ⁇ 4 block) in the current block. For example, the inter prediction unit 218 performs motion compensation using motion information (for example, a motion vector) read from an encoded bitstream (for example, a prediction parameter output from the entropy decoding unit 202), thereby performing current compensation or An inter prediction signal for the sub-block is generated, and the inter prediction signal is output to the prediction control unit 220.
- motion information for example, a motion vector
- an encoded bitstream for example, a prediction parameter output from the entropy decoding unit 202
- the inter prediction unit 218 uses not only the motion information of the current block obtained by motion search but also the motion information of the adjacent block. Generate an inter prediction signal.
- the inter prediction unit 218 follows the pattern matching method (bilateral matching or template matching) read from the encoded stream. Motion information is derived by performing motion search. Then, the inter prediction unit 218 performs motion compensation (prediction) using the derived motion information.
- the inter prediction unit 218 derives a motion vector based on a model assuming constant velocity linear motion. Also, when the information read from the encoded bitstream indicates that the affine motion compensated prediction mode is applied, the inter prediction unit 218 determines the motion vector in units of subblocks based on the motion vectors of a plurality of adjacent blocks. Is derived.
- the inter prediction unit 218 derives an MV based on the information read from the encoded stream, and uses the MV. Motion compensation (prediction).
- FIG. 45 is a flowchart illustrating an example of inter prediction in the normal inter mode in the decoding apparatus 200.
- the inter prediction unit 218 of the decoding device 200 performs motion compensation on each block. At this time, the inter prediction unit 218 first obtains a plurality of candidate MVs for the current block based on information such as MVs of a plurality of decoded blocks around the current block temporally or spatially. (Step Ss_1). That is, the inter prediction unit 218 creates a candidate MV list.
- the inter prediction unit 218 selects each of N (N is an integer of 2 or more) candidate MVs from the plurality of candidate MVs acquired in step Ss_1, as predicted motion vector candidates (also referred to as predicted MV candidates). Are extracted in accordance with a predetermined priority order (step Ss_2). Note that the priority order is predetermined for each of the N predicted MV candidates.
- the inter prediction unit 218 decodes the predicted motion vector selection information from the input stream (that is, the encoded bit stream), and uses the decoded predicted motion vector selection information to generate the N predicted MV candidates.
- One prediction MV candidate is selected as a prediction motion vector (also referred to as prediction MV) of the current block (step Ss_3).
- the inter prediction unit 218 decodes the difference MV from the input stream, and adds the difference value, which is the decoded difference MV, to the selected prediction motion vector, thereby calculating the MV of the current block. Derived (step Ss_4).
- the inter prediction unit 218 generates a prediction image of the current block by performing motion compensation on the current block using the derived MV and the decoded reference picture (step Ss_5).
- the prediction control unit 220 selects either the intra prediction signal or the inter prediction signal, and outputs the selected signal to the adding unit 208 as a prediction signal.
- the configurations, functions, and processes of the prediction control unit 220, the intra prediction unit 216, and the inter prediction unit 218 on the decoding device side are the same as those of the prediction control unit 128, the intra prediction unit 124, and the inter prediction unit 126 on the coding device side. May correspond to the configuration, function, and processing.
- FIG. 46 is a block diagram illustrating an implementation example of the decoding device 200.
- the decoding device 200 includes a processor b1 and a memory b2.
- a plurality of components of the decoding device 200 illustrated in FIG. 41 are implemented by the processor b1 and the memory b2 illustrated in FIG.
- the processor b1 is a circuit that performs information processing and is a circuit that can access the memory b2.
- the processor b1 is a dedicated or general-purpose electronic circuit that decodes an encoded moving image (that is, an encoded bit stream).
- the processor b1 may be a processor such as a CPU.
- the processor b1 may be an aggregate of a plurality of electronic circuits. Further, for example, the processor b1 may serve as a plurality of constituent elements excluding the constituent elements for storing information among the plurality of constituent elements of the decoding device 200 illustrated in FIG. 41 and the like.
- the memory b2 is a dedicated or general-purpose memory in which information for the processor b1 to decode the encoded bitstream is stored.
- the memory b2 may be an electronic circuit and may be connected to the processor b1.
- the memory b2 may be included in the processor b1.
- the memory b2 may be an aggregate of a plurality of electronic circuits. Further, the memory b2 may be a magnetic disk or an optical disk, or may be expressed as a storage or a recording medium. Further, the memory b2 may be a nonvolatile memory or a volatile memory.
- a moving image may be stored, or an encoded bit stream may be stored.
- the memory b2 may store a program for the processor b1 to decode the encoded bitstream.
- the memory b2 may serve as a component for storing information among a plurality of components of the decoding device 200 illustrated in FIG. 41 and the like. Specifically, the memory b2 may serve as the block memory 210 and the frame memory 214 shown in FIG. More specifically, the memory b2 may store a reconstructed block, a reconstructed picture, and the like.
- the decoding device 200 not all of the plurality of components shown in FIG. 41 and the like may be implemented, or all of the plurality of processes described above may not be performed. Some of the plurality of components shown in FIG. 41 and the like may be included in another device, and some of the plurality of processes described above may be executed by another device.
- each term may have the following definition.
- a picture is an array of a plurality of luminance samples in a monochrome format, or two of an array of luminance samples and a plurality of color difference samples in 4: 2: 0, 4: 2: 2 and 4: 4: 4 color formats. Corresponding sequence.
- a picture may be a frame or a field.
- the frame is a top field in which a plurality of sample rows 0, 2, 4,... And a bottom field in which a plurality of sample rows 1, 3, 5,.
- a slice is an integer number of coding trees contained in one independent slice segment and all subsequent dependent slice segments preceding the next independent slice segment (if any) in the same access unit (if any). Is a unit.
- a tile is a rectangular area of a plurality of coding tree blocks in a specific tile column and a specific tile row in a picture.
- a tile may be a rectangular region of a frame that is intended to be independently decoded and encoded, although a loop filter across the edges of the tile may still be applied.
- the block is an MxN (N rows and M columns) array of a plurality of samples or an MxN array of a plurality of transform coefficients.
- the block may be a square or rectangular region of a plurality of pixels composed of a plurality of matrices of one luminance and two color differences.
- the CTU (coding tree unit) may be a coding tree block of a plurality of luminance samples of a picture having three sample arrays, or may be two corresponding coding tree blocks of a plurality of color difference samples. .
- the CTU is a multi-sample coding tree block of either a monochrome picture and a picture encoded using three separate color planes and a syntax structure used to encode the multi-samples. It may be.
- the super block may constitute one or two mode information blocks, or may be a square block of 64 ⁇ 64 pixels that can be divided into four 32 ⁇ 32 blocks recursively and further divided.
- DCT2 type II discrete cosine transform
- DCT4 type IV discrete cosine transform
- DST4 type IV discrete cosine transform
- equation (3) shows the transform base of DCT2 at size N.
- equation (4) represents the transform base of DCT2 at size N / 2.
- Equation (5) represents the transform base of DCT4 at size N / 2. That is, the size N DCT2 can be decomposed into a size N / 2 DCT2 and a size N / 2 DCT4.
- DCT4 and DST4 will be specifically described with reference to FIGS. 48A and 48B.
- the only difference between DCT4 and DST4 is whether the trigonometric function in equation (5) is cosine or sine. That is, DCT4 and DST4 have a relationship that their phases are shifted from each other.
- FIG. 48A is a graph representing DCT4, and FIG. 48B is a graph representing DST4.
- 48A and 48B the horizontal axis represents the distance from the reference pixel, and the vertical axis represents the energy corresponding to the pixel component.
- DCT4 and DST4 have symmetric properties by replacing the codes of bases (base elements) of a predetermined order. Therefore, for example, by rearranging the order of a plurality of values included in an input / output signal and exchanging positive and negative signs, it is possible to express DST4 using only the transform base of DCT4. It is also possible to change the base of a part of DCT4 and realize DST4 using the changed base.
- the predetermined order may be, for example, the first, third, and fifth bases in the DST4 conversion base shown in FIG. 48B. That is, in order to realize DCT4, the base code of the odd order of DST4 or the base code of the even order may be inverted. In order to realize DST4, the sign of the odd-order base of DCT4 or the base of the even-order order may be inverted.
- DCT2 used as a transformation base in transformation corresponds to IDCT2 (type II inverse discrete cosine transformation) used as an inverse transformation basis in inverse transformation.
- DCT4 used as a transform base in the transformation corresponds to IDCT4 (type IV inverse discrete cosine transform) used as an inverse transform base in the inverse transform.
- DST4 used as a transformation base in the transformation corresponds to IDST4 (type IV inverse discrete sine transformation) used as an inverse transformation base in the inverse transformation.
- the transform base is not limited to DCT2, DCT4, or DST4, and other transform bases such as DST7 (type VII discrete cosine transform) or DCT8 (type VIII discrete cosine transform) can be used.
- DST7 used as a transformation base in transformation corresponds to IDST7 (type VII inverse discrete sine transformation) used as an inverse transformation base in inverse transformation.
- DCT8 used as a transform base in the transformation corresponds to IDCT8 (inverse discrete cosine transform of type VIII) used as an inverse transform base in the inverse transform.
- DCT2, DCT4, and DST4 are included in a plurality of conversion bases (that is, a plurality of candidates for conversion bases).
- a plurality of inverse transform bases that is, a plurality of inverse transform base candidates
- IDCT2, IDCT4, and IDST4 includes IDCT2, IDCT4, and IDST4.
- the plurality of conversion bases may include other conversion bases, for example, DST7 and / or DCT8.
- the plurality of transform bases may not include both DCT4 and DST4, and may include only one of DCT4 and DST4. That is, the plurality of transform bases may include at least one of DCT4 and DST4 in addition to DCT2.
- a plurality of inverse transform bases (that is, a plurality of candidates for inverse transform bases) of the decoding device 200 correspond to a plurality of transform bases (that is, a plurality of candidates for transform bases) of the encoding device 100. Therefore, when a plurality of transform bases include transform bases other than DCT2, DCT4, and DST4, the plurality of inverse transform bases include other inverse transform bases other than IDCT2, IDCT4, and IDST4.
- Other inverse transform bases may include IDST7 and / or IDCT8.
- both the IDCT4 and IDST4 may not be included in the plurality of inverse transform bases, and only one of IDCT4 and IDST4 may be included. That is, the plurality of inverse transform bases may include at least one of IDCT4 and IDST4 in addition to IDCT2.
- encoding and decoding correspond to each other, and descriptions related to encoding can be applied to decoding. Further, the conversion and the inverse conversion correspond to each other, and the description regarding the conversion can be applied to the inverse conversion.
- block size and threshold size used in the following description may correspond to the vertical size, may correspond to the horizontal size, or may correspond to the vertical size and the horizontal size. It may correspond to a combination with size.
- FIG. 49 is a flowchart illustrating an operation example of the conversion unit 106 of the encoding device 100 according to the first aspect.
- the conversion unit 106 determines whether the block size is equal to or smaller than the threshold size (S101).
- the threshold size is a size not more than half of the maximum usable size of DCT2. That is, the threshold size is less than or equal to one half of the maximum size allowed to use DCT2.
- the maximum usable size of DCT2 is defined in advance in the standard, for example. Note that the maximum size may be written to the bitstream. For example, if the maximum usable size of DCT2 is 128, the threshold size may be 64, 32, 16, 8, or 4. The threshold size may be defined in advance in the standard, or may be determined based on an encoding parameter (for example, a prediction mode).
- the conversion unit 106 selects a conversion base from a plurality of conversion bases including at least one of DCT4 and DST4 in addition to DCT2 (S102). For example, the conversion unit 106 selects a conversion base used for conversion of the encoding target block based on an RD (Rate Distortion) cost.
- RD Rate Distortion
- the conversion unit 106 may perform conversion that can be separated in the horizontal direction and the vertical direction of the encoding target block. Therefore, the conversion unit 106 may select conversion bases individually in the horizontal direction and the vertical direction. For example, the conversion unit 106 selects a conversion base for the horizontal direction based on the horizontal size of the encoding target block, and selects a conversion base for the vertical direction based on the vertical size of the encoding target block. Good.
- the entropy encoding unit 110 encodes a conversion control signal indicating the selected conversion base or the like into a bit stream.
- the conversion control signal includes a first control signal, a second control signal, and a third control signal.
- the first control signal indicates whether to use DCT2 in both the horizontal direction and the vertical direction.
- the second control signal indicates whether to use DCT4 or DST4 in the horizontal direction.
- the third control signal indicates whether to use DCT4 or DST4 in the vertical direction.
- the first control signal, the second control signal, and the third control signal are examples of the conversion control signal, and the conversion control signal is not limited to the first control signal, the second control signal, and the third control signal.
- the second control signal and the third control signal may be combined and integrated as the second control signal.
- the conversion control signal includes a first control signal and a second control signal.
- the second control signal may be a multilevel signal and may indicate a combination of a horizontal conversion base and a vertical conversion base.
- the position of the conversion control signal in the bit stream is not limited.
- the conversion control signal may be encoded at any one of a sequence level, a picture level, a slice level, a tile level, a CTU level, a CU level, and any combination thereof in the bitstream.
- the conversion unit 106 selects a conversion base by excluding DCT4 and DST4 from a plurality of conversion bases. In the example of FIG. 49, only DCT2 remains after DCT4 and DST4 are excluded. Therefore, DCT2 is fixedly selected (S103). In this case, the conversion unit 106 may not include the conversion control signal in the bit stream. The encoding of the conversion control signal may be skipped.
- the conversion unit 106 performs a conversion process of the prediction error signal of the encoding target block using the selected conversion base (S104).
- FIG. 50 is a flowchart showing an operation example of the inverse transform unit 206 of the decoding device 200 in the first mode. Specifically, FIG. 50 is a flowchart for decoding a block encoded according to the flowchart of FIG.
- the inverse conversion unit 206 determines whether or not the block size is equal to or smaller than the threshold size (S201).
- the threshold size used in the decoding apparatus 200 is the same as the threshold size used in the encoding apparatus 100, and is a size that is half or less of the maximum usable size of IDCT2.
- the inverse transform unit 206 sets the inverse transform base with reference to the bitstream. Specifically, based on the conversion control signal decoded from the bitstream by the entropy decoding unit 202, the inverse transform unit 206 selects from among a plurality of inverse transform bases including at least one of IDCT4 and IDST4 in addition to IDCT2. An inverse transform base is selected (S202).
- the inverse transform unit 206 may perform an inverse transform that can be separated in the horizontal direction and the vertical direction of the decoding target block. Therefore, the inverse transform unit 206 may select the inverse transform base individually in each of the horizontal direction and the vertical direction. For example, the inverse transform unit 206 may individually select the inverse transform base in each of the horizontal direction and the vertical direction based on the conversion control signal.
- the inverse transform unit 206 selects the inverse transform base by excluding IDCT4 and IDST4 from the plurality of inverse transform bases.
- IDCT4 is fixedly selected (S203).
- the inverse conversion unit 206 does not have to acquire the conversion control signal from the bit stream. That is, when IDCT2 is fixedly selected, decoding of the conversion control signal may be skipped.
- the inverse transform unit 206 performs an inverse transform process on the transform coefficient signal of the block to be decoded using the selected inverse transform base (S204).
- FIG. 51 is a schematic diagram of a circuit configuration of the conversion unit 106 in this aspect.
- the conversion unit 106 includes a DCT2 (N) arithmetic circuit 1061.
- the DCT2 (N) operation circuit 1061 performs an operation of DCT2 of size N (N is an integer that is a power of 2 of 8 or more).
- the DCT2 (N) arithmetic circuit 1061 includes a DCT2 (N / 2) arithmetic circuit 1062 and a DCT4 (N / 2) arithmetic circuit 1063.
- the DCT2 (N / 2) operation circuit 1062 performs an operation of DCT2 of size N / 2.
- the DCT4 (N / 2) operation circuit 1063 performs the operation of DCT4 of size N / 2.
- the prediction error signal is converted by the DCT2 of size N, the prediction error signal is divided into two, and the DCT2 (N / 2) arithmetic circuit 1062 and the DCT4 (N / 2) arithmetic circuit 1063 Entered.
- the transforming unit 106 converts a part of the prediction error signal of the encoding target block to DCT2 (N / 2). This is input to the arithmetic circuit 1062. Then, the conversion unit 106 inputs the other part of the prediction error signal of the encoding target block to the DCT4 (N / 2) arithmetic circuit 1063.
- a part of the prediction error signal and the other part of the prediction error signal are an even-numbered prediction error included in the prediction error signal and an odd-numbered prediction error included in the prediction error signal, respectively.
- the prediction error signal is converted by the DCT 2 having the size N / 2
- the prediction error signal is input to the DCT 2 (N / 2) arithmetic circuit 1062. That is, when the size of the encoding target block matches the size N / 2 equal to or smaller than the threshold size and DCT2 is selected, the conversion unit 106 converts the prediction error signal of the encoding target block into a DCT2 (N / 2) arithmetic circuit. Input to 1062.
- the prediction error signal is converted by the DCT 4 having the size N / 2
- the prediction error signal is input to the DCT 4 (N / 2) arithmetic circuit 1063. That is, when the size of the encoding target block matches the size N / 2 equal to or smaller than the threshold size and DCT4 is selected, the transforming unit 106 converts the prediction error signal of the encoding target block into a DCT4 (N / 2) arithmetic circuit. It is input to 1063.
- the prediction error signal is converted by the DST 4 of size N / 2
- the prediction error signal is input to the inverting circuit 1064.
- the inverting circuit 1064 inverts the sign of the odd-numbered prediction error included in the prediction error signal. Then, the inverting circuit 1064 outputs a prediction error signal including the even-numbered prediction error and the odd-numbered prediction error with the sign inverted.
- the prediction error signal output from the inverting circuit 1064 is input to the DCT4 (N / 2) arithmetic circuit 1063.
- the DCT4 (N / 2) arithmetic circuit 1063 performs a DCT4 operation of size N / 2 on the input prediction error signal and outputs a conversion coefficient signal to the inverting circuit 1065.
- the inverting circuit 1065 inverts the order of the conversion coefficients included in the conversion coefficient signal and outputs the result. As a result, the inverting circuit 1065 outputs a prediction error signal converted by the DST4 of size N / 2 as a conversion coefficient signal.
- the conversion unit 106 inverts a part of the prediction error signal of the encoding target block. And input to the DCT4 (N / 2) arithmetic circuit 1063.
- the inversion circuits 1064 and 1065 described here invert the sign of the odd-numbered prediction error and invert the order of the transform coefficients, respectively, but other inversions may be performed.
- the sign of the even-numbered prediction error may be inverted instead of the sign of the odd-numbered prediction error.
- the conversion unit 106 may not include the inverting circuit 1065 when the order inversion is not necessary.
- the DCT2 (N / 2) arithmetic circuit 1062 further includes a DCT2 (N / 4) arithmetic circuit and a DCT4 (N / 4) arithmetic circuit, so that arithmetic operations of DCT2, DCT4, and DST4 of size N / 4 are performed. Can be performed by the DCT2 (N / 2) arithmetic circuit 1062. That is, each DCT2 arithmetic circuit may include a DCT2 arithmetic circuit and a DCT4 arithmetic circuit corresponding to a size smaller than the size corresponding to the DCT2 arithmetic circuit in a nested structure.
- the circuit configuration of the inverse conversion unit 206 will be described. Note that since the circuit configuration of the inverse conversion unit 206 is similar to that of the conversion unit 106, illustration is omitted.
- DCT is changed to IDCT in the circuit configuration of the conversion unit 106 in FIG. 51, and the inverting circuit 1064 and the inverting circuit 1065 are switched.
- the inverse conversion unit 206 includes an IDCT2 (N) arithmetic circuit.
- the IDCT2 (N) calculation circuit calculates IDCT2 of size N.
- the IDCT2 (N) arithmetic circuit includes an IDCT2 (N / 2) arithmetic circuit and an IDCT4 (N / 2) arithmetic circuit.
- the IDCT2 (N / 2) operation circuit performs the operation of IDCT2 of size N / 2.
- the IDCT4 (N / 2) operation circuit performs the operation of IDCT4 of size N / 2.
- the inverse transform unit 206 converts a part of the transform coefficient signal of the block to be decoded to IDCT2 (N / 2). Input to the arithmetic circuit. Then, the inverse transform unit 206 inputs the other part of the transform coefficient signal of the decoding target block to the IDCT4 (N / 2) arithmetic circuit.
- the inverse transform unit 206 sends the transform coefficient signal of the block to be decoded to the IDCT2 (N / 2) arithmetic circuit. input. Further, when the size of the block to be decoded matches the size N / 2 equal to or smaller than the threshold size and IDCT4 is selected, the inverse transform unit 206 sends the transform coefficient signal of the block to be decoded to the IDCT4 (N / 2) arithmetic circuit. input.
- the inverse transform unit 206 converts the transform coefficient signal of the block to be decoded into a transform coefficient included in the transform coefficient signal. Are reversed and input to the IDCT4 (N / 2) arithmetic circuit. Then, the inverse transform unit 206 inverts the sign of some prediction errors in the prediction error signal output from the IDCT4 (N / 2) arithmetic circuit, and does not invert the sign of the prediction error in other parts. As a result, the transform coefficient signal is inversely transformed by IDST4.
- the partial prediction error may be an odd-numbered prediction error included in the prediction error signal or an even-numbered prediction error included in the prediction error signal.
- FIG. 52 is a diagram for explaining an example of syntax related to this aspect.
- the emt_cu_flag in FIG. 52 is a signal that specifies whether DCT2 is used or other than DCT2 (that is, DST4 or DCT4). When the value of emt_cu_flag is 0, conversion is performed using DCT2 in both the horizontal and vertical directions. When the value of emt_cu_flag is 1, the conversion is performed using other than DCT2.
- emt_cu_flag is described as syntax only when the size of the processing target block is half or less of the maximum size of DCT2 (N / 2 in the example in the figure).
- the processing is performed by assuming that the value of emt_cu_flag is 0 (using DCT2) without describing emt_cu_flag as syntax.
- Hor_emt_type is a signal that designates whether DST4 or DCT4 is used as a horizontal conversion base. When the value of hor_emt_type is 0, conversion is performed using DST4 as the horizontal conversion base. When the value of hor_emt_type is 1, the conversion is performed using DCT4 as the horizontal conversion base.
- Ver_emt_type is a signal that specifies whether to use DST4 or DCT4 as the conversion base in the vertical direction. When the value of ver_emt_type is 0, conversion is performed using DST4 as the conversion base in the vertical direction. When the value of ver_emt_type is 1, the conversion is performed using DCT4 as the vertical conversion base.
- the method of assigning values to the syntax elements is common between a block in which intra prediction is used and a block in which inter prediction is used.
- the correspondence between a plurality of transformation bases and a plurality of index values is common between intra prediction and inter prediction. That is, regardless of whether intra prediction is used or inter prediction is used, the value 0 is assigned to DST4 and the value 1 is assigned to DCT4. Thereby, complication of processing is suppressed.
- the encoding apparatus 100 performs evaluation from the transform base to which the value 0 is assigned, and uses a processing flow that switches whether to evaluate the transform base to which the value 1 is assigned according to the evaluation result. Also good.
- the value 0 is assigned to DST4, so that the encoding apparatus 100 can more reliably select an appropriate mode as an evaluation target. Therefore, the encoding apparatus 100 can suppress deterioration in encoding performance. Also, it is assumed that the coding efficiency is improved by assigning a code amount smaller than value 1 to value 0.
- the encoding apparatus 100 may perform evaluation from the transform base to which the value 1 is assigned.
- the assignment of the value 0 and the value 1 to the two transform bases may be changed between the intra prediction block and the inter prediction block.
- the suitability for DST4 and DCT4 may vary greatly between intra-predicted blocks and inter-predicted blocks. Therefore, there is a possibility that more efficient encoding can be performed by changing the assignment of the two values to the two transform bases.
- syntax structure described here is an example. Other orders may be used, other syntaxes may be combined, other conditional branches may be added, and values assigned to syntax elements may be changed.
- DCT4 and DST4 that are half the size of DCT2 by using a circuit for DCT2. That is, it is possible to use DCT4 and DST4 up to half the size in addition to DCT2 without adding a circuit. Therefore, it is possible to improve encoding efficiency while suppressing an increase in circuit area.
- the inverse transform process in the inverse transform unit 206 of the decoding apparatus 200 can be performed in the same manner as the transform process in the transform unit 106 of the encoding apparatus 100 described above. Therefore, the decoding apparatus 200 can also achieve the same effect as the encoding apparatus 100.
- the encoding apparatus 100 may not write information indicating the transform base in the bitstream. Further, the decoding apparatus 200 determines whether or not the block size is equal to or smaller than a threshold value equal to or less than half of the maximum size of DCT2, and skips reference to information indicating the conversion base when the block size is larger than the threshold size. Good.
- DCT2, DCT4, and DST4 may be performed in an arbitrary format such as a matrix operation or a butterfly operation. Further, the operations of DCT2, DCT4, and DST4 may be performed by combining both matrix operation and butterfly operation, or may be performed by switching between matrix operation and butterfly operation.
- DCT2 may be used as the transform base in both the vertical direction and the horizontal direction.
- DCT2 may be fixedly selected in both the horizontal direction and the vertical direction. Further, when at least one of the horizontal size and the vertical size of the decoding target block is larger than the threshold size, IDCT2 may be fixedly selected in both the horizontal direction and the vertical direction.
- DCT2 or IDCT2 is used in both the horizontal direction and the vertical direction, so that the processing load and the processing time are reduced.
- a plurality of conversion bases may be changed according to the prediction mode. For example, when the intra prediction mode is used, only DST4 out of DST4 and DCT4 may be added as a transform base candidate. When the inter prediction mode is used, both DST4 and DCT4 may be added as transform basis candidates.
- the threshold size may be changed according to the prediction mode. For example, when the maximum size of DCT2 is 128, the threshold size may be determined as 32 in the intra prediction mode, and the threshold size may be determined as 64 in the inter prediction mode.
- a plurality of conversion bases (that is, a plurality of candidates for conversion bases) may be changed between the vertical direction and the horizontal direction.
- the combination of conversion bases that can share conversion processing using DCT2, DCT4, and DST4 has been described, but the combination of conversion bases is not limited to this.
- a similar configuration and process may be applied using other combinations of conversion bases that can share the conversion process.
- a part or all of the configuration and processing of this aspect may be applied using a combination of conversion bases that cannot be shared.
- FIG. 53 is a flowchart illustrating an operation example of the conversion unit 106 of the encoding device 100 in the second mode.
- the conversion unit 106 determines whether a conversion base other than DCT2 is used for conversion of the processing target block (S111). For example, the determination may be performed according to information on the encoding mode of the processing target block, or may be performed by temporarily converting using DCT2 and evaluating the RD cost. A signal indicating whether or not to use a transform basis other than DCT2 is encoded into a bitstream.
- the conversion unit 106 selects a conversion base from a plurality of conversion bases including at least one of DCT4 and DST4 (S112). A signal indicating the selected transform base is encoded into a bitstream. When it is determined that a conversion base other than DCT2 is not used (No in S111), the conversion unit 106 selects DCT2 as the conversion base (S113). Finally, the conversion unit 106 performs conversion processing using the selected conversion base (S114).
- FIG. 54 is a flowchart showing an operation example of the inverse transform unit 206 of the decoding device 200 in the second mode. Specifically, FIG. 54 is a flowchart for decoding a block encoded according to the flowchart of FIG.
- the inverse transform unit 206 acquires a signal decoded from the bitstream, and determines whether to use an inverse transform base other than IDCT2 for inverse transform of the processing target block according to the acquired signal (S211).
- the inverse transform unit 206 When it is determined that an inverse transform base other than IDCT2 is used (Yes in S211), the inverse transform unit 206 further acquires a signal decoded from the bitstream. Then, according to the acquired signal, the inverse transform unit 206 selects an inverse transform base from a plurality of inverse transform bases including at least one of IDCT4 and IDST4 (S212). When it is determined that an inverse transform base other than IDCT2 is not used (No in S211), the inverse transform unit 206 selects IDCT2 as the inverse transform base (S213).
- the inverse transform unit 206 performs an inverse transform process using the selected inverse transform base (S214).
- FIG. 55 is a schematic diagram of a circuit configuration of the conversion unit 106 in this aspect.
- the conversion unit 106 in the first aspect includes only the DCT2 (N) arithmetic circuit 1061, but the conversion unit 106 in this aspect includes the DCT2 (N) arithmetic circuit 1061 and the DCT4 (N) arithmetic circuit 1066.
- the DCT4 (N) operation circuit 1066 performs an operation of DCT4 of size N.
- the prediction error signal is converted by the DCT 4 of size N
- the prediction error signal is input to the DCT 4 (N) arithmetic circuit 1066. That is, when the size of the encoding target block matches the size N and DCT4 is selected, the conversion unit 106 inputs the prediction error signal of the encoding target block to the DCT4 (N) arithmetic circuit 1066.
- the prediction error signal is converted by the DST4 of size N
- the prediction error signal is input to the inverting circuit 1067.
- the inverting circuit 1067 inverts the sign of the odd-numbered prediction error included in the prediction error signal. Then, the inverting circuit 1067 outputs a prediction error signal including the even-numbered prediction error and the odd-numbered prediction error with the sign inverted.
- the prediction error signal output from the inverting circuit 1067 is input to the DCT4 (N) arithmetic circuit 1066.
- the DCT4 (N) operation circuit 1066 performs an operation of DCT4 of size N on the input prediction error signal, and outputs a conversion coefficient signal to the inversion circuit 1068.
- the inverting circuit 1068 inverts the order of the conversion coefficients included in the conversion coefficient signal and outputs the result. As a result, the inverting circuit 1068 outputs a prediction error signal converted by the size N DST4 as a conversion coefficient signal.
- the transforming unit 106 inverts a part of the code of the prediction error signal of the encoding target block to obtain DCT4 (N ) Input to the arithmetic circuit 1066.
- the inversion circuits 1067 and 1068 described here invert the sign of the odd-numbered prediction error and invert the order of the transform coefficients, respectively, but other inversions may be performed.
- the sign of the even-numbered prediction error may be inverted instead of the sign of the odd-numbered prediction error.
- the conversion unit 106 may not include the inverting circuit 1068 when the order does not need to be reversed.
- the conversion unit 106 of this aspect includes the DCT4 (N) arithmetic circuit 1066, so that conversion can be performed up to size N using DCT2, DCT4, and DST4.
- the inverse conversion unit 206 includes an IDCT2 (N) arithmetic circuit and an IDCT4 (N) arithmetic circuit.
- the IDCT2 (N) calculation circuit calculates IDCT2 of size N.
- the IDCT2 (N) arithmetic circuit includes an IDCT2 (N / 2) arithmetic circuit and an IDCT4 (N / 2) arithmetic circuit.
- the IDCT2 (N / 2) operation circuit performs the operation of IDCT2 of size N / 2.
- the IDCT4 (N / 2) operation circuit performs the operation of IDCT4 of size N / 2.
- the inverse transform unit 206 inputs the transform coefficient signal of the block to be decoded to the IDCT4 (N) arithmetic circuit.
- the inverse transform unit 206 reverses the order of the transform coefficients included in the transform coefficient signal for the transform coefficient signal of the block to be decoded.
- IDCT4 (N) is input to the arithmetic circuit.
- the inverse transform unit 206 inverts the sign of some prediction errors in the prediction error signal output from the IDCT4 (N) arithmetic circuit, and does not invert the sign of the prediction error in other parts.
- the transform coefficient signal is inversely transformed by IDST4.
- the partial prediction error may be an odd-numbered prediction error among a plurality of prediction errors included in the prediction error signal, or an even-numbered prediction error among a plurality of prediction errors included in the prediction error signal. It may be.
- the inverse transform unit 206 of this aspect can perform inverse transform with IDCT2, IDCT4, and IDST4 up to size N.
- FIG. 56 is a diagram for explaining an example of syntax related to this aspect.
- emt_cu_flag is described as a syntax element regardless of the size of the processing target block, and specifies whether to use DCT2 or other than DCT2 (that is, DST4 or DCT4).
- DCT4 and DST4 that are half the size of DCT2 by using a circuit for DCT2. Further, by adding a DCT4 circuit corresponding to the maximum usable size of DCT2, it is possible to use DCT4 and DST4 of the same size as DCT2 in addition to DCT2. Therefore, it is possible to improve encoding efficiency while suppressing an increase in circuit area.
- the inverse transform process in the inverse transform unit 206 of the decoding apparatus 200 may be performed in the same manner as the transform process in the transform unit 106 of the encoding apparatus 100 described above. In this case, the decoding apparatus 200 can achieve the same effects as the encoding apparatus 100.
- the encoding apparatus 100 may not write information indicating the conversion base in the bitstream.
- DCT2, DCT4, and DST4 may be performed in an arbitrary format such as a matrix operation or a butterfly operation. Further, the operations of DCT2, DCT4, and DST4 may be performed by combining both matrix operation and butterfly operation, or may be performed by switching between matrix operation and butterfly operation.
- a plurality of conversion bases may be changed. For example, when the intra prediction mode is used, only DST4 out of DST4 and DCT4 may be added as a transform base candidate. When the inter prediction mode is used, both DST4 and DCT4 may be added as transform basis candidates.
- a plurality of conversion bases (that is, a plurality of candidates for conversion bases) may be changed between the vertical direction and the horizontal direction.
- the combination of conversion bases that can share conversion processing using DCT2, DCT4, and DST4 has been described, but the combination of conversion bases is not limited to this.
- a similar configuration and process may be applied using other combinations of conversion bases that can share the conversion process.
- a part or all of the configuration and processing of this aspect may be applied using a combination of conversion bases that cannot be shared.
- FIG. 57 is a flowchart illustrating a first operation example of the conversion unit 106 of the encoding device 100 according to the third aspect.
- the conversion unit 106 performs provisional conversion on the encoding target block, and determines whether or not the number of non-zero coefficients (non-zero conversion coefficients) in the encoding target block is greater than two ( S121).
- the conversion unit 106 selects a conversion base from a plurality of conversion bases (S122). A signal indicating the selected transform base is encoded into a bit stream. When it is determined that the number of non-zero coefficients is not more than two (No in S121), the conversion unit 106 selects DCT2 as a conversion base (S123).
- the conversion unit 106 performs a conversion process using the selected conversion base (S124).
- the transform unit 106 performs provisional transform on the encoding target block using each of a plurality of transform bases including at least one of DCT4 and DST4, and the number of non-zero coefficients of the encoding target block is two. It is determined whether or not there are more.
- the conversion unit 106 selects a conversion base from among a plurality of conversion bases including only DCT2 and one or more conversion bases that can obtain more than two non-zero coefficients. If more than two non-zero coefficients cannot be obtained using a transform basis other than DCT2, transform unit 106 selects DCT2 as the transform basis.
- the conversion unit 106 based on whether or not the number of non-zero coefficients generated by performing conversion using a conversion base among a plurality of conversion bases is more than two, select.
- the number of non-zero coefficients generated by performing conversion using the conversion base other than DCT2 is not more than two, it is prohibited to select the conversion base.
- the number of non-zero coefficients generated by performing conversion using the conversion base is larger than two, it is allowed to select the conversion base.
- the conversion unit 106 determines in advance whether or not it is allowed to use a conversion base other than DCT2, and when it is determined that the use of a conversion base other than DCT2 is allowed, the conversion unit 106 performs the above-described processing. You may go.
- the conversion unit 106 may use the DCT 2 in a fixed manner when it is determined that a conversion base other than the DCT 2 is not allowed to be used.
- the transform unit 106 may first determine whether DCT2 is used among a plurality of transform bases. Then, when it is determined that DCT2 is used, the conversion unit 106 may convert the encoding target block using the DCT2. Also, when it is determined that DCT2 is not used, the transform unit 106 selects a transform base from among a plurality of transform bases by removing DCT2, and uses the selected transform base to select a coding target block. Conversion may be performed.
- the information described in the bitstream may be switched based on whether or not a transform base other than DCT2 is used and whether or not the number of non-zero coefficients is greater than two.
- FIG. 58 is a flowchart showing a first operation example of the inverse transform unit 206 of the decoding device 200 in the third mode.
- the inverse transform unit 206 determines whether or not the number of non-zero coefficients in the decoding target block is greater than 2 (S221). At that time, for example, the inverse transform unit 206 may determine whether or not the number of non-zero coefficients of the decoding target block is greater than two based on a signal acquired from the bitstream.
- the inverse transform unit 206 When it is determined that the number of non-zero coefficients of the decoding target block is more than two (Yes in S221), the inverse transform unit 206 performs inverse transform from a plurality of inverse transform bases including at least one of IDCT4 and IDST4. A base is selected (S222). At this time, the inverse transform unit 206 may select an inverse transform base from a plurality of inverse transform bases based on, for example, a signal acquired from the bitstream.
- the inverse transform unit 206 selects IDCT2 as the inverse transform base (S223).
- the inverse transform unit 206 performs an inverse transform process using the selected inverse transform base (S224).
- the inverse transform unit 206 determines in advance whether or not to use an inverse transform base other than IDCT2, and determines that the use of an inverse transform base other than IDCT2 is permitted. You may perform the process of.
- the inverse transform unit 206 may use IDCT2 in a fixed manner when it is determined that an inverse transform base other than IDCT2 is not allowed to be used.
- the inverse transform unit 206 may first determine whether or not IDCT2 is used among a plurality of inverse transform bases. Then, when it is determined that IDCT2 is used, the inverse transform unit 206 may perform inverse transform of the decoding target block using the IDCT2. Also, when it is determined that IDCT2 is not used, the inverse transform unit 206 removes IDCT2 from a plurality of inverse transform bases, selects an inverse transform base, and performs decoding using the selected inverse transform base. Inverse transformation of the target block may be performed.
- FIG. 59 is a diagram for describing an example of syntax related to the first operation example of the present aspect.
- first operation example of this aspect only when the number of non-zero coefficients is greater than 2 based on the determination result of whether the number of non-zero coefficients (num_coeff) is greater than 2, emt_cu_flag, hor_emt_type And ver_emt_type are encoded or decoded.
- FIG. 60 is a flowchart illustrating a second operation example of the conversion unit 106 of the encoding device 100 according to the third aspect.
- the conversion unit 106 determines whether a conversion base other than DCT2 is used for conversion of the encoding target block (S131).
- a signal indicating whether or not a transform basis other than DCT2 is used is encoded into a bitstream.
- the conversion unit 106 evaluates the RD cost when DCT2 is used for conversion of the encoding target block, and determines that a conversion base other than DCT2 is used for conversion of the encoding target block when the evaluation result is low. May be.
- the transform unit 106 selects DCT2 as the transform base (S135).
- the conversion unit 106 When it is determined that a transform base other than DCT2 is used for transform of the encoding target block (Yes in S131), the conversion unit 106 performs temporary conversion on the encoding target block, and determines whether the encoding target block is non-coding. It is determined whether the number of zero coefficients is greater than 2 (S132).
- the conversion unit 106 selects a conversion base from a plurality of conversion bases (S133). A signal indicating the selected transform base is encoded into a bitstream. When it is determined that the number of non-zero coefficients is not more than two (No in S132), the conversion unit 106 selects DST4 as a conversion base (S134).
- the conversion unit 106 performs a conversion process using the selected conversion base (S136).
- the transform unit 106 performs provisional transform on the encoding target block using each of a plurality of transform bases including at least one of DCT4 and DST4, and the number of non-zero coefficients of the encoding target block is two. It is determined whether or not there are more. Then, the conversion unit 106 selects a conversion base from one or more conversion bases that can obtain more than two non-zero coefficients. If more than two non-zero coefficients cannot be obtained using a transform basis other than DCT2, transform unit 106 selects DST4 as the transform basis.
- the conversion unit 106 based on whether or not the number of non-zero coefficients generated by performing conversion using a conversion base among a plurality of conversion bases is more than two, select.
- the number of non-zero coefficients generated by performing conversion using the conversion base other than DCT2 and DST4 is not more than two, it is prohibited to select the conversion base. .
- the number of non-zero coefficients generated by performing conversion using the conversion base is larger than two, it is allowed to select the conversion base.
- the information described in the bitstream may be switched based on whether or not a transform base other than DCT2 is used and whether or not the number of non-zero coefficients is greater than two.
- FIG. 61 is a flowchart showing a second operation example of the inverse transform unit 206 of the decoding device 200 in the third mode.
- the inverse transform unit 206 determines whether to use an inverse transform base other than IDCT2 for inverse transform of the decoding target block (S231). At that time, for example, the inverse transform unit 206 may determine whether to use an inverse transform base other than IDCT2 for the inverse transform of the decoding target block based on a signal acquired from the bitstream. If it is determined that an inverse transform base other than IDCT2 is not used for inverse transform of the decoding target block (No in S231), the inverse transform unit 206 selects IDCT2 as the inverse transform base (S235).
- the inverse transform unit 206 determines whether the number of non-zero coefficients of the decoding target block is greater than two. Is determined (S232). At that time, for example, the inverse transform unit 206 may determine whether or not the number of non-zero coefficients of the decoding target block is greater than two based on a signal acquired from the bitstream.
- the inverse transform unit 206 When it is determined that the number of non-zero coefficients of the decoding target block is greater than 2 (Yes in S232), the inverse transform unit 206 performs inverse transform from a plurality of inverse transform bases including at least one of IDCT4 and IDST4. A base is selected (S233). At this time, the inverse transform unit 206 may select an inverse transform base from a plurality of inverse transform bases based on, for example, a signal acquired from the bitstream.
- the inverse transform unit 206 selects IDST4 as the inverse transform base (S234).
- the inverse transform unit 206 performs an inverse transform process using the selected inverse transform base (S236).
- FIG. 62 is a diagram for explaining an example of syntax related to the second operation example of the present aspect.
- first encoding or decoding of emt_cu_flag is performed. Thereafter, based on the determination result of whether or not the number of non-zero coefficients (num_coeff) is greater than 2, the encoding or decoding of hor_emt_type and ver_emt_type is performed only when the number of non-zero coefficients is greater than 2. Is called.
- DST4 is selected when the condition is satisfied, but is not limited to DST4, and DCT4 may be selected.
- a conversion base obtained by inverting the sign of a predetermined base of DST4 or DCT4 or performing transposition of coefficient positions without changing the absolute value of the coefficient value may be used.
- a base may be used.
- IDST4 is selected when the condition is satisfied, but is not limited to IDST4, and IDCT4 may be selected. Also, an inverse transform base obtained by inverting the sign of a predetermined base of IDST4 or IDCT4 or transposing the coefficient position without changing the absolute value of the coefficient value may be used. An inverse transform basis may be used.
- DCT4 and DST4 that are half the size of DCT2 by using a circuit for DCT2. Further, when the number of non-zero coefficients is small, the number of syntax elements described in the bit stream can be reduced.
- the configuration and processing of the reverse conversion are the same as the configuration and processing of the conversion. As a result, it is possible to improve the coding efficiency while suppressing an increase in circuit area.
- the encoding device 100 and the decoding device 200 may include only some of the components of this aspect. Moreover, the encoding apparatus 100 and the decoding apparatus 200 may be provided with the component of another aspect, or another component.
- FIG. 63 is a flowchart illustrating an operation example of the conversion unit 106 of the encoding device 100 according to the fourth aspect.
- the conversion unit 106 determines whether the block size is equal to or smaller than the threshold size (S141).
- the threshold size is a size not more than half of the maximum usable size of DCT2. That is, the threshold size is less than or equal to one half of the maximum size allowed to use DCT2.
- the maximum usable size of DCT2 is defined in advance in the standard, for example. Note that the maximum size may be written to the bitstream. For example, if the maximum usable size of DCT2 is 128, the threshold size may be 64, 32, 16, 8, or 4. The threshold size may be defined in advance in the standard, or may be determined based on an encoding parameter (for example, a prediction mode).
- the conversion unit 106 determines whether or not the block size is a specific size (S142).
- the specific size may be defined in advance in the standard, or may be determined based on an encoding parameter (for example, a prediction mode).
- the conversion unit 106 selects a conversion base from a plurality of conversion bases including at least one of DCT4 and DST4 in addition to DCT2 (S143).
- the conversion unit 106 selects a conversion base from a plurality of conversion bases including conversion bases other than DCT4 and DST4 in addition to DCT2 (S144).
- the conversion unit 106 selects a conversion base by excluding DCT4 and DST4 from a plurality of conversion bases.
- DCT4 is fixedly selected (S145).
- the conversion unit 106 performs the conversion process of the prediction error signal of the encoding target block using the selected conversion base (S146).
- the conversion unit 106 when the block size is larger than the threshold size and the first size, the conversion unit 106 performs conversion processing using a predetermined conversion base. Further, when the block size is equal to or smaller than the threshold size and the second size, the conversion unit 106 performs the conversion process using the conversion base selected from the first candidate group. In addition, when the block size is a third size that is equal to or smaller than the threshold size and different from the second size, the conversion unit 106 performs a conversion process using a conversion base selected from the second candidate group.
- first candidate group and the second candidate group are partially different, and the first candidate group and the second candidate group may partially overlap.
- the processing in the encoding device 100 has been described above, but the processing in the decoding device 200 is the same.
- the decoding device 200 identifies an inverse transform base based on a signal decoded from the bitstream from among a plurality of inverse transform bases designated by the same control as described above. Then, the decoding device 200 performs an inverse transform process using the identified inverse transform base.
- FIG. 64 is a flowchart showing an operation example of the inverse transform unit 206 of the decoding device 200 in the fourth mode.
- the inverse transform unit 206 determines whether or not the block size is equal to or smaller than the threshold size (S241).
- the threshold size is a size that is half or less of the maximum usable size of IDCT2. That is, the threshold size is less than or equal to one half of the maximum size allowed to use IDCT2.
- the maximum usable size of IDCT2 is defined in advance in the standard, for example. Note that the maximum size may be written to the bitstream. For example, if the maximum usable size of IDCT2 is 128, the threshold size may be 64, 32, 16, 8, or 4. The threshold size may be defined in advance in the standard, or may be determined based on an encoding parameter (for example, a prediction mode).
- the inverse transform unit 206 determines whether or not the block size is a specific size (S242).
- the specific size may be defined in advance in the standard, or may be determined based on an encoding parameter (for example, a prediction mode).
- the inverse transform unit 206 selects an inverse transform base from a plurality of inverse transform bases including at least one of IDCT4 and IDST4 in addition to IDCT2 (S243).
- the inverse transform unit 206 selects an inverse transform base from a plurality of inverse transform bases including inverse transform bases other than IDCT4 and IDST4 in addition to IDCT2 (S244). ).
- the inverse transform unit 206 excludes IDCT4 and IDST4 from a plurality of inverse transform bases and selects an inverse transform base.
- the inverse transform unit 206 excludes IDCT4 and IDST4 from a plurality of inverse transform bases and selects an inverse transform base.
- IDCT2 is fixedly selected (S245).
- the inverse transform unit 206 performs an inverse transform process on the prediction error signal of the decoding target block using the selected inverse transform base (S246).
- the inverse transform unit 206 when the block size is larger than the threshold size and the first size, the inverse transform unit 206 performs an inverse transform process using a predetermined inverse transform base. Further, when the block size is equal to or smaller than the threshold size and the second size, the inverse transform unit 206 performs an inverse transform process using an inverse transform base selected from the first candidate group. In addition, when the block size is equal to or smaller than the threshold size and is a third size different from the second size, the inverse transform unit 206 performs an inverse transform process using an inverse transform base selected from the second candidate group.
- first candidate group and the second candidate group are partially different, and the first candidate group and the second candidate group may partially overlap.
- the block size when the block size is a specific size, it is possible to share the DCT2 circuit and use DCT4 and DST4.
- the block size is not a specific size, it is possible to use another transform base having higher coefficient reduction efficiency (encoding efficiency) than DCT4 and DST4.
- the reverse conversion configuration and processing are the same as the conversion configuration and processing. As a result, it is possible to improve the coding efficiency while suppressing an increase in circuit area.
- the encoding device 100 and the decoding device 200 may include only some of the components of this aspect. Moreover, the encoding apparatus 100 and the decoding apparatus 200 may be provided with the component of another aspect, or another component.
- FIG. 65 is a flowchart illustrating an operation example of the conversion unit 106 of the encoding device 100 according to the fifth aspect.
- FIG. 65 shows the operation when SVT is applied to the first aspect, but SVT may be applied to any aspect from the first aspect to the fourth aspect, and from the first aspect to the fourth aspect. However, it may be used alone.
- the conversion unit 106 determines whether the block size is equal to or smaller than the threshold size (S151). If the block size is equal to or smaller than the threshold size (Yes in S151), the conversion unit 106 determines whether MTS (Multiple Transform Selection) is used (S152). MTS is a mode in which a conversion base is selected from a plurality of conversion bases, and is also referred to as EMT or AMT. A signal indicating whether MTS is used is encoded into a bitstream.
- MTS Multiple Transform Selection
- the conversion unit 106 selects a conversion base used for conversion of the encoding target block from among a plurality of conversion bases including at least one of DCT4 and DST4. (S154).
- the conversion unit 106 determines whether SVT is used (S153). A signal indicating whether or not SVT is used is encoded into a bitstream. When it is determined that SVT is used (Yes in S153), the transform unit 106 determines a segment area obtained by segmenting the encoding target block from a plurality of transform bases including at least one of DCT4 and DST4. A conversion base used for the conversion is selected (S155).
- the conversion unit 106 selects DCT2 (S156).
- the conversion unit 106 performs conversion using the selected conversion base on the conversion target region determined according to the conversion mode such as MTS or SVT (S157).
- both MTS and SVT are not used for the same encoded block. Therefore, when MTS is not effective in encoding information indicating whether MTS is valid (whether it is used) and information indicating whether SVT is valid (whether it is used) Only the information indicating whether or not the SVT is valid may be encoded.
- FIG. 66 is a flowchart showing an operation example of the inverse transform unit 206 of the decoding device 200 according to the fifth aspect.
- the inverse transform unit 206 determines whether the block size is equal to or smaller than the threshold size (S251). If the block size is equal to or smaller than the threshold size (Yes in S251), the inverse transform unit 206 determines whether or not MTS is used (S252). For example, the inverse transform unit 206 refers to a signal decoded from the bit stream and determines whether or not MTS is used.
- the inverse transform unit 206 uses the inverse transform base used for inverse transform of the decoding target block from among a plurality of inverse transform bases including at least one of IDCT4 and IDST4. Is selected (S254).
- the inverse transform unit 206 refers to a signal decoded from the bit stream and selects an inverse transform base used for inverse transform of the decoding target block.
- the inverse conversion unit 206 determines whether SVT is used (S253).
- the inverse transform unit 206 refers to a signal decoded from the bit stream and determines whether or not SVT is used.
- the inverse transform unit 206 refers to the signal decoded from the bitstream and specifies a part of the decoding target block. Then, the inverse transform unit 206 refers to a signal decoded from the bitstream, and performs an inverse used for inverse transform of a part of the decoding target block from among a plurality of inverse transform bases including at least one of IDCT4 and IDST4. A conversion base is selected (S255).
- the inverse transform unit 206 selects IDCT2 (S256).
- the inverse transformation unit 206 performs inverse transformation on the inverse transformation target region determined according to the transformation mode such as MTS or SVT, using the selected inverse transformation base (S257).
- the upper limit size that can be used for MTS and the upper limit size that can be used for SVT may be the same or different from each other. When these are different from each other, it is determined whether or not MTS is used when the block size is equal to or smaller than the upper limit size that can be used for MVT, and when the block size is equal to or smaller than the upper limit size that can be used for SVT, It may be determined whether or not SVT is used. Whether or not MTS is used and whether or not SVT is used may be determined based on a coding mode, an RD cost, or the like.
- DCT4 and DST4 may be selectable.
- a pair of DST7 and DCT8 and a pair of DCT4 and DST4 may be switched as a pair of usable conversion bases according to the block size.
- a pair of DCT4 and DST4 regardless of the block size, a pair of DCT4 and DST4, or a pair of DST7 and DCT8 may be used as a pair of usable transform bases.
- FIG. 67 is a diagram illustrating an example of a relationship between a conversion target region and a conversion base used for conversion of the conversion target region when at least one of DCT4 and DST4 is used in SVT.
- the conversion target area is identified as having a vertical direction and a position of 0.
- DCT4 is used as the horizontal conversion base
- DST4 is used as the vertical conversion base.
- the conversion target region is identified as having a vertical direction and a position of 1.
- DST4 is used as the horizontal conversion basis
- DST4 is used as the vertical conversion basis.
- the conversion target area is identified as having a horizontal direction and a position of 0.
- DST4 is used as the horizontal conversion basis
- DCT4 is used as the vertical conversion basis.
- the conversion target area is identified as having a vertical direction and a position of 1.
- DST4 is used as the horizontal conversion basis
- DST4 is used as the vertical conversion basis.
- MTS or SVT is applied only when the block size is equal to or smaller than the threshold size, and a transform base different from DCT2 can be selected.
- the worst-case processing amount in the conversion process can be reduced by a conversion base different from that of DCT2.
- DCT4 or DST4 can be calculated using a part of the DCT2 conversion circuit. Therefore, it is possible to share a conventional circuit for conversion processing based on DCT2 and a circuit for conversion processing based on DCT4 or DST4 in MTS or SVT. Therefore, the circuit scale can be reduced.
- the encoding apparatus 100 may not write information indicating the transform base in the bitstream. .
- DCT2, DCT4, and DST4 may be performed in an arbitrary format such as a matrix operation or a butterfly operation. Further, the operations of DCT2, DCT4, and DST4 may be performed by combining both matrix operation and butterfly operation, or may be performed by switching between matrix operation and butterfly operation.
- a plurality of conversion bases may be changed. For example, when the intra prediction mode is used, only DST4 out of DST4 and DCT4 may be added as a transform base candidate. When the inter prediction mode is used, both DST4 and DCT4 may be added as transform basis candidates.
- a plurality of conversion bases (that is, a plurality of candidates for conversion bases) may be changed in the vertical direction and the horizontal direction.
- the combination of conversion bases that can share conversion processing using DCT2, DCT4, and DST4 has been described, but the combination of conversion bases is not limited to this.
- a similar configuration and process may be applied using other combinations of conversion bases that can share the conversion process.
- a part or all of the configuration and processing of this aspect may be applied using a combination of conversion bases that cannot be shared.
- FIG. 68 is a flowchart showing operations performed by the encoding apparatus 100.
- the encoding apparatus 100 includes a circuit and a memory, and the circuit of the encoding apparatus 100 performs the operation illustrated in FIG. 68 using the memory of the encoding apparatus 100.
- a circuit and a memory included in the encoding device 100 correspond to the processor a1 and the memory a2 illustrated in FIG.
- the circuit of the encoding device 100 generates (that is, acquires) a predicted image of the encoding target block included in the moving image by one of intra prediction and inter prediction (S301).
- the prediction image acquired by one of intra prediction and inter prediction may be acquired by being selected from a prediction image generated by intra prediction and a prediction image generated by inter prediction.
- the circuit of the encoding device 100 generates a difference between the image of the encoding target block and the prediction image as a prediction error signal of the encoding target block (S302). Further, the circuit of the encoding apparatus 100 selects a transform base used for transforming the prediction error signal from among a plurality of transform bases (S303). Then, the circuit of the encoding device 100 generates a transform coefficient signal of the encoding target block by performing the conversion of the prediction error signal using the selected transform base (S304). Then, the circuit of the encoding device 100 encodes the transform coefficient signal (S305).
- the circuit of the encoding device 100 includes a plurality of indexes associated with a plurality of transform bases with a common correspondence between a case where a prediction image is acquired by intra prediction and a case where a prediction image is acquired by inter prediction.
- the index value associated with the selected conversion base is encoded (S306). That is, the correspondence between a plurality of index values and a plurality of transform bases is fixed, and does not change between when the predicted image is acquired by intra prediction and when the predicted image is acquired by inter prediction.
- the encoding apparatus 100 is associated with the transform base using a common method between the case where intra prediction is used for generating a predicted image and the case where inter prediction is used for generating a predicted image.
- the index value can be encoded. Therefore, the processing can be simplified and the processing amount can be reduced.
- the circuit of the encoding device 100 may determine whether or not a predetermined conversion base is used. When it is determined that the predetermined conversion base is used, the circuit of the encoding device 100 may convert the prediction error signal using the predetermined conversion base. On the other hand, when it is determined that the predetermined transform base is not used, the circuit of the encoding device 100 selects a transform base from the plurality of transform bases and performs conversion of the prediction error signal using the transform base. Also good.
- the circuit of the encoding device 100 may encode a control value indicating whether or not a predetermined conversion base is used.
- the encoding apparatus 100 can contribute to the reduction of the code amount when the predetermined conversion base is used.
- the circuit of the encoding device 100 may determine whether or not a predetermined conversion base is used for both the horizontal conversion base and the vertical conversion base. When it is determined that the predetermined conversion base is used for both the horizontal direction conversion base and the vertical direction conversion base, the circuit of the encoding device 100 performs both the horizontal direction conversion base and the vertical direction conversion base.
- the prediction error signal may be converted using a predetermined conversion basis.
- the circuit of the encoding device 100 selects the horizontal direction conversion base from the plurality of conversion bases. And a vertical transformation basis may be selected. Then, the circuit of the encoding device 100 may convert the prediction error signal using the horizontal conversion base and the vertical conversion base.
- the encoding apparatus 100 can select an appropriate conversion base for each of the horizontal direction and the vertical direction.
- an index value associated with a DST included in a plurality of conversion bases among a plurality of index values is smaller than an index value associated with a DCT included in a plurality of conversion bases among the plurality of index values. Also good. Accordingly, the encoding apparatus 100 can use a smaller index value for the DST that is assumed to be subjected to more appropriate conversion, and can contribute to a reduction in the processing amount or the code amount.
- the circuit of the encoding device 100 may determine whether DCT2 is used. When it is determined that DCT2 is used, the circuit of the encoding device 100 may perform conversion of the prediction error signal using DCT2. When it is determined that DCT2 is not used, the circuit of the encoding device 100 may select a conversion base from among a plurality of conversion bases, and convert the prediction error signal using the conversion base. . Then, the circuit of the encoding device 100 may encode a control value indicating whether or not DCT2 is used.
- the encoding apparatus 100 can contribute to the reduction of the code amount when the DCT 2 that is assumed to have a small conversion processing amount is used.
- the plurality of conversion bases may include at least one of DCT4 and DST4.
- the encoding apparatus 100 can select an appropriate transform base from among a plurality of transform bases including the DCT 4 and the DST 4 when the DCT 2 is not used.
- the plurality of conversion bases may include both DCT4 and DST4.
- the index value matched with DST4 contained in a plurality of conversion bases among a plurality of index values may be smaller than the index value matched with DCT4 contained in a plurality of conversion bases among a plurality of index values.
- the encoding apparatus 100 can use a smaller index value for the DST4 that is assumed to perform more appropriate conversion, and can contribute to a reduction in the processing amount or the code amount.
- the plurality of conversion bases may include both DCT4 and DST4.
- the circuit of the encoding device 100 inverts a part of the code of the prediction error signal and uses DCT4 to predict a part of the code inverted. Error signal conversion may be performed.
- the encoding apparatus 100 can perform the calculation of DST4 using the configuration for performing the calculation of DCT4.
- a part of the prediction error signal is a plurality of even-numbered prediction error values among a plurality of prediction error values included in the prediction error signal, or a plurality of prediction error values included in the prediction error signal.
- the plurality of odd-numbered prediction error values may be used.
- the circuit of the encoding device 100 may include a first arithmetic circuit that performs an operation of DCT2 having a predetermined size and a second arithmetic circuit that performs an operation of DCT4 having a predetermined size.
- the first arithmetic circuit may include a third arithmetic circuit that performs a calculation of DCT2 that is half the predetermined size, and a fourth arithmetic circuit that performs a calculation of DCT4 that is half the predetermined size.
- the encoding apparatus 100 can perform the calculation of the DCT2 of the predetermined size and the calculation of the DCT4 of the predetermined size. Also, the encoding apparatus 100 can perform the calculation of DCT2 that is half the predetermined size and the calculation of DCT4 that is half the predetermined size.
- the plurality of conversion bases may include DCT4. And when the size of an encoding object block is a predetermined size and DCT4 is used for conversion of a prediction error signal, a prediction error signal may be input into a 2nd arithmetic circuit. Thereby, the encoding apparatus 100 can perform calculation of DCT4 of a predetermined size using the second arithmetic circuit.
- the plurality of conversion bases may include DST4.
- DST4 When the size of the encoding target block is a predetermined size and DST4 is used for conversion of the prediction error signal, a part of the code of the prediction error signal is inverted, and a prediction error signal with a part of the code inverted is obtained. It may be input to the second arithmetic circuit. Thereby, the encoding apparatus 100 can perform calculation of DST4 of a predetermined size using the second arithmetic circuit.
- FIG. 69 is a flowchart showing an operation performed by the decoding device 200.
- the decoding device 200 includes a circuit and a memory, and the circuit of the decoding device 200 performs the operation illustrated in FIG. 69 using the memory of the decoding device 200.
- a circuit and a memory included in the decoding device 200 correspond to the processor b1 and the memory b2 illustrated in FIG.
- the circuit of the decoding device 200 generates (that is, acquires) a predicted image of the decoding target block included in the moving image by one of intra prediction and inter prediction (S401).
- the prediction image acquired by one of intra prediction and inter prediction may be acquired by being selected from a prediction image generated by intra prediction and a prediction image generated by inter prediction.
- the circuit of the decoding device 200 decodes the transform coefficient signal of the decoding target block (S402). Further, the circuit of the decoding device 200 decodes the index value (S403).
- the circuit of the decoding device 200 includes a plurality of inverse transforms associated with a plurality of index values in a common correspondence relationship between when the predicted image is acquired by intra prediction and when the predicted image is acquired by inter prediction.
- the inverse transform base associated with the decoded index value is selected from the bases (S404). That is, the correspondence between a plurality of index values and a plurality of inverse transform bases is fixed, and does not change between when the predicted image is acquired by intra prediction and when the predicted image is acquired by inter prediction. .
- the circuit of the decoding device 200 generates a prediction error signal of the decoding target block by performing the inverse transform of the transform coefficient signal using the selected inverse transform base (S405). Then, the circuit of the decoding device 200 generates the sum of the prediction error signal and the prediction image as a reconstructed image of the decoding target block (S406).
- the decoding apparatus 200 uses a common method between the case where intra prediction is used to generate a predicted image and the case where inter prediction is used to generate a predicted image.
- a transformation basis can be selected. Therefore, the processing can be simplified and the processing amount can be reduced.
- the circuit of the decoding device 200 may decode a control value indicating whether or not a predetermined inverse transform base is used.
- the circuit of the decoding device 200 may determine whether or not a predetermined inverse transform base is used using the control value. When it is determined that the predetermined inverse transform base is used, the circuit of the decoding device 200 may perform the inverse transform of the transform coefficient signal using the predetermined inverse transform base. On the other hand, when it is determined that the predetermined inverse transform base is not used, the circuit of the decoding device 200 selects an inverse transform base from a plurality of inverse transform bases, and uses the inverse transform base to inverse the transform coefficient signal. Conversion may be performed.
- the decoding apparatus 200 can contribute to the reduction of the code amount when the predetermined inverse transform base is used.
- the circuit of the decoding device 200 may determine whether or not a predetermined inverse transform base is used for both the horizontal inverse transform base and the vertical inverse transform base using the control value. When it is determined that the predetermined inverse transform base is used for both the horizontal inverse transform base and the vertical inverse transform base, the circuit of the decoding device 200 performs the horizontal inverse transform base and the vertical inverse transform.
- the transform coefficient signal may be inversely transformed using a predetermined inverse transform basis for both of the basis.
- the circuit of the decoding device 200 selects the horizontal direction from the plurality of inverse transform bases. Inverse transform bases and vertical inverse transform bases may be selected. Then, the circuit of the decoding device 200 may perform the inverse transformation of the transform coefficient signal using the horizontal inverse transformation base and the vertical inverse transformation base.
- the decoding apparatus 200 can select an appropriate inverse transform base for each of the horizontal direction and the vertical direction.
- an index value associated with an IDST included in a plurality of inverse transformation bases among a plurality of index values is more than an index value associated with an IDCT included in a plurality of inverse transformation bases among the plurality of index values. It may be small. Thereby, the decoding apparatus 200 can use a smaller index value for the IDST that is assumed to perform more appropriate inverse transform, and can contribute to a reduction in the processing amount or the code amount.
- the circuit of the decoding device 200 may decode a control value indicating whether or not IDCT2 is used. Then, the circuit of the decoding device 200 may determine whether or not IDCT2 is used using the control value.
- the circuit of the decoding device 200 may perform inverse conversion of the transform coefficient signal using IDCT2.
- the circuit of the decoding device 200 selects an inverse transform base from a plurality of inverse transform bases, and performs inverse transform of the transform coefficient signal using the inverse transform base. May be.
- the decoding apparatus 200 can contribute to the reduction of the code amount when the IDCT2 that is assumed to have a small amount of inverse transform processing is used.
- the plurality of inverse transform bases may include at least one of IDCT4 and IDST4.
- IDCT2 when IDCT2 is not used, the decoding apparatus 200 can select an appropriate inverse transform base from among a plurality of inverse transform bases including IDCT4 and IDST4.
- the plurality of inverse transform bases may include both IDCT4 and IDST4.
- An index value associated with IDST4 included in a plurality of inverse transform bases among a plurality of index values is smaller than an index value associated with IDCT4 included in a plurality of inverse transform bases among the plurality of index values. Also good.
- the decoding apparatus 200 can use a smaller index value for IDST4 that is assumed to perform more appropriate inverse transform, and can contribute to a reduction in processing amount or code amount.
- the plurality of inverse transform bases may include both IDCT4 and IDST4. Then, when the transform coefficient signal is inversely transformed using IDST4, the circuit of the decoding device 200 performs the inverse transform of the transform coefficient signal using IDCT4, and obtains a partial code of the inverse transform result of the transform coefficient signal. It may be reversed. Thereby, the decoding apparatus 200 can perform the calculation of IDST4 using the configuration for performing the calculation of IDCT4.
- a part of the inverse transformation result is an even number among a plurality of result values included in the inverse transformation result, or an odd number among a plurality of result values included in the inverse transformation result. May be a plurality of result values.
- the decoding apparatus 200 can perform appropriate inversion corresponding to the calculation of IDST4.
- the circuit of the decoding device 200 may include a first arithmetic circuit that performs a calculation of IDCT2 of a predetermined size and a second arithmetic circuit that performs a calculation of IDCT4 of a predetermined size.
- the first arithmetic circuit may include a third arithmetic circuit that performs calculation of IDCT2 that is half the predetermined size and a fourth arithmetic circuit that performs calculation of IDCT4 that is half the predetermined size.
- the decoding device 200 can perform the calculation of the IDCT2 having the predetermined size and the calculation of the IDCT4 having the predetermined size.
- the decoding apparatus 200 can perform calculation of IDCT2 that is half the predetermined size and calculation of IDCT4 that is half the predetermined size.
- the plurality of inverse transform bases may include IDCT4. Then, when the size of the decoding target block is a predetermined size and IDCT4 is used for the inverse transformation of the transform coefficient signal, the transform coefficient signal may be input to the second arithmetic circuit. Thereby, the decoding apparatus 200 can perform calculation of IDCT4 of a predetermined size using the second arithmetic circuit.
- the plurality of inverse transform bases may include IDST4.
- IDST4 is used for the inverse transform of the transform coefficient signal
- the transform coefficient signal is input to the second arithmetic circuit, and a partial code of the output result of the second arithmetic circuit May be inverted.
- the decoding apparatus 200 can perform calculation of IDST4 of a predetermined size using the second arithmetic circuit.
- the encoding device 100 and the decoding device 200 in the present embodiment may be used as an image encoding device and an image decoding device, respectively, or may be used as a moving image encoding device and a moving image decoding device, respectively.
- the encoding device 100 and the decoding device 200 may be used as a conversion device and an inverse conversion device, respectively. That is, the encoding device 100 and the decoding device 200 may correspond only to the conversion unit 106 and the inverse conversion unit 206, respectively. Other components may be included in other devices.
- At least a part of the present embodiment may be used as an encoding method, may be used as a decoding method, may be used as a conversion method, or may be used as an inverse conversion method. It may also be used as other methods.
- each component may be configured by dedicated hardware or may be realized by executing a software program suitable for each component.
- Each component may be realized by a program execution unit such as a CPU or a processor reading and executing a software program recorded on a recording medium such as a hard disk or a semiconductor memory.
- each of the encoding device 100 and the decoding device 200 includes a processing circuit (Processing Circuit) and a storage device (Storage) electrically connected to the processing circuit and accessible from the processing circuit.
- a processing circuit Processing Circuit
- Storage Storage
- the processing circuit corresponds to the processor a1 or b1
- the storage device corresponds to the memory a2 or b2.
- the processing circuit includes at least one of dedicated hardware and a program execution unit, and executes processing using a storage device. Further, when the processing circuit includes a program execution unit, the storage device stores a software program executed by the program execution unit.
- the software that realizes the encoding apparatus 100 or the decoding apparatus 200 of the present embodiment is the following program.
- this program is an encoding method for encoding a moving image in a computer, and obtains a prediction image of an encoding target block included in the moving image by one of intra prediction and inter prediction.
- a difference between the image of the encoding target block and the prediction image is generated as a prediction error signal of the encoding target block, and a conversion base used for conversion of the prediction error signal is selected from a plurality of conversion bases, and
- a transform coefficient signal of the coding target block is generated by transforming the prediction error signal using a transform basis, the transform coefficient signal is encoded, and the prediction image is acquired by intra prediction; and Among a plurality of index values associated with the plurality of transformation bases in a common correspondence relationship with a case where a predicted image is acquired by inter prediction An index value associated with the transform basis may be executed a method of encoding.
- the program is a decoding method for decoding a moving image in a computer, and obtains a prediction image of a decoding target block included in the moving image by one of intra prediction and inter prediction, and the decoding target
- the block transform coefficient signal is decoded, the index value is decoded, and the prediction image is acquired by intra prediction and the prediction image is acquired by inter prediction.
- the inverse transform base associated with the index value is selected from a plurality of associated inverse transform bases, and the transform coefficient signal is inversely transformed using the inverse transform base, whereby the decoding is performed.
- a prediction error signal of the target block is generated, and a sum of the prediction error signal and the prediction image is used as a reconstructed image of the decoding target block Decoding method for forming may be run.
- Each component may be a circuit as described above. These circuits may constitute one circuit as a whole, or may be separate circuits. Each component may be realized by a general-purpose processor or a dedicated processor.
- the encoding / decoding device may include the encoding device 100 and the decoding device 200.
- ordinal numbers such as the first and second used in the description may be appropriately replaced.
- an ordinal number may be newly given to a component or the like, or may be removed.
- the aspect of the encoding apparatus 100 and the decoding apparatus 200 was demonstrated based on embodiment, the aspect of the encoding apparatus 100 and decoding apparatus 200 is not limited to this embodiment. As long as it does not deviate from the gist of the present disclosure, the encoding device 100 and the decoding device 200 may be configured in which various modifications conceived by those skilled in the art have been made in the present embodiment, or in a form constructed by combining components in different embodiments. It may be included within the scope of the embodiment.
- This aspect may be implemented in combination with at least a part of other aspects in the present disclosure.
- a part of the processing, a part of the configuration of the apparatus, a part of the syntax, and the like described in the flowchart of this aspect may be combined with another aspect.
- each functional or functional block can be realized typically by an MPU (micro processing unit), a memory, or the like.
- the processing by each of the functional blocks may be realized as a program execution unit such as a processor that reads and executes software (program) recorded in a recording medium such as a ROM.
- the software may be distributed.
- the software may be recorded on various recording media such as a semiconductor memory.
- Each functional block can be realized by hardware (dedicated circuit).
- each embodiment may be realized by centralized processing using a single device (system), or may be realized by distributed processing using a plurality of devices.
- the number of processors that execute the program may be one or more. That is, centralized processing may be performed, or distributed processing may be performed.
- Such a system may include an image encoding device using the image encoding method, an image decoding device using the image decoding method, or an image encoding / decoding device including both. Other configurations of such a system can be appropriately changed according to circumstances.
- FIG. 70 is a diagram showing an overall configuration of an appropriate 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 in the illustrated example, are installed in each cell.
- the devices such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 via the Internet ex101, the Internet service provider ex102 or the communication network ex104, and the base stations ex106 to ex110.
- the content supply system ex100 may be connected in combination with any of the above devices.
- the devices may be directly or indirectly connected to each other via a telephone network or short-range wireless communication without using the base stations ex106 to ex110.
- the streaming server ex103 may be connected to devices such as the computer ex111, the game machine ex112, the camera ex113, the home appliance ex114, and the smartphone ex115 via the Internet ex101.
- the streaming server ex103 may be connected to a terminal or the like in a hot spot in the airplane ex117 via the satellite ex116.
- the streaming server ex103 may be directly connected to the communication network ex104 without going through the Internet ex101 or the Internet service provider ex102, or may be directly connected to the airplane ex117 without going through the satellite ex116.
- the camera ex113 is a device that can shoot still images and moving images such as a digital camera.
- the smartphone ex115 is a smartphone, a mobile phone, or a PHS (Personal Handyphone System) that supports a mobile communication system called 2G, 3G, 3.9G, 4G, and 5G in the future.
- PHS Personal Handyphone System
- Home appliance ex114 is a refrigerator or a device included in a household fuel cell cogeneration system.
- a terminal having a photographing function is connected to the streaming server ex103 through the base station ex106 or the like, thereby enabling live distribution or the like.
- the terminal (computer ex111, game machine ex112, camera ex113, home appliance ex114, smartphone ex115, terminal in airplane ex117, etc.) is used for the still image or video content captured by the user using the terminal.
- the encoding processing described in each embodiment may be performed, and video data obtained by encoding may be multiplexed with sound data obtained by encoding sound corresponding to the video, and the obtained data is streamed. You may transmit to the server ex103. That is, each terminal functions as an image encoding device according to an aspect of the present disclosure.
- the streaming server ex103 streams the content data transmitted to the requested client.
- the client is a computer or the like in the computer ex111, the game machine ex112, the camera ex113, the home appliance ex114, the smart phone ex115, or the airplane ex117 that can decode the encoded data.
- Each device that has received the distributed data decrypts and reproduces the received data. That is, each device may function as an image decoding device according to an aspect of the present disclosure.
- 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 streaming server ex103 may be realized by a CDN (Contents Delivery Network), and content distribution may be realized by a network connecting a large number of edge servers and edge servers distributed all over the world.
- CDN Contents Delivery Network
- edge servers that are physically close to each other are dynamically allocated according to clients. Then, the content can be cached and distributed to the edge server, thereby reducing the delay.
- processing is distributed among multiple edge servers, or the distribution subject is switched to another edge server, or a failure occurs. Since delivery can be continued bypassing the network part, high-speed and stable delivery can be realized.
- the captured data may be encoded at each terminal, may be performed on the server side, or may be shared with each other.
- a processing loop is performed twice.
- the first loop the complexity of the image or the code amount in units of frames or scenes is detected.
- the second loop processing for maintaining the image quality and improving the coding efficiency is performed.
- the terminal performs the first encoding process
- the server receiving the content performs the second encoding process, thereby improving the quality and efficiency of the content while reducing the processing load on each terminal. it can.
- the encoded data of the first time performed by the terminal can be received and reproduced by another terminal, enabling more flexible real-time distribution.
- the camera ex113 or the like extracts a feature amount from an image, compresses data relating to the feature amount as metadata, and transmits the metadata to the server.
- the server performs compression according to the meaning (or importance of the content) of the image, for example, by determining the importance of the object from the feature amount and switching the quantization accuracy.
- the feature data is particularly effective for improving the accuracy and efficiency of motion vector prediction at the time of re-compression on the server.
- simple coding such as VLC (variable length coding) may be performed at the terminal, and coding with a large processing load such as CABAC (context adaptive binary arithmetic coding) may be performed at the server.
- a plurality of video data in which almost the same scene is captured by a plurality of terminals.
- a GOP Group of Picture
- a picture unit or a tile obtained by dividing a picture using a plurality of terminals that have performed shooting and other terminals and servers that have not performed shooting as necessary.
- Distributed processing is performed by assigning encoding processing in units or the like. Thereby, delay can be reduced and real-time property can be realized.
- the server may manage and / or instruct the video data captured by each terminal to refer to each other. Also, encoded data from each terminal may be received by the server and re-encoded by changing the reference relationship among a plurality of data or correcting or replacing the picture itself. This makes it possible to generate a stream with improved quality and efficiency of each piece of data.
- the server may distribute the video data after performing transcoding to change the encoding method of the video data.
- the server may convert the MPEG encoding system into a VP system (for example, VP9). 264. It may be converted into H.265.
- VP system for example, VP9
- the encoding process can be performed by a terminal or one or more servers. Therefore, in the following, description such as “server” or “terminal” is used as the subject performing processing, but part or all of processing performed by the server may be performed by the terminal, or processing performed by the terminal may be performed. Some or all may be performed at the server. The same applies to the decoding process.
- the server not only encodes a two-dimensional moving image, but also encodes a still image automatically based on a scene analysis of the moving image or at a time specified by the user and transmits it to the receiving terminal. Also good.
- the server can acquire the relative positional relationship between the photographing terminals, the server obtains the three-dimensional shape of the scene based on not only the two-dimensional moving image but also the video obtained by photographing the same scene from different angles. Can be generated.
- the server may separately encode the three-dimensional data generated by the point cloud or the like, and based on the result of recognizing or tracking the person or object using the three-dimensional data, a plurality of videos to be transmitted to the receiving terminal The video may be selected or reconstructed from the video shot by the terminal.
- the user can arbitrarily select each video corresponding to each photographing terminal and enjoy a scene, or can select a video of a selected viewpoint from three-dimensional data reconstructed using a plurality of images or videos. You can also enjoy the clipped content. Further, along with the video, sound is picked up from a plurality of different angles, and the server can multiplex the sound from a specific angle or space with the corresponding video and transmit the multiplexed video and sound. Good.
- the server may create viewpoint images for the right eye and the left eye, respectively, and perform encoding that allows reference between each viewpoint video by Multi-View Coding (MVC) or the like. You may encode as another stream, without referring. At the time of decoding another stream, it is preferable to reproduce in synchronization with each other so that a virtual three-dimensional space is reproduced according to the viewpoint of the user.
- MVC Multi-View Coding
- the server superimposes virtual object information in the virtual space on the camera information in the real space based on the three-dimensional position or the movement of the user's viewpoint.
- the decoding device may acquire or hold virtual object information and three-dimensional data, generate a two-dimensional image according to the movement of the user's viewpoint, and create superimposition data by connecting them smoothly.
- the decoding device may transmit the movement of the user's viewpoint to the server in addition to the request for virtual object information.
- the server may create superimposition data in accordance with the movement of the viewpoint received from the three-dimensional data held by the server, encode the superimposition data, and distribute it to the decoding device.
- the superimposed data has an ⁇ value indicating transparency in addition to RGB
- the server sets the ⁇ value of a portion other than the object created from the three-dimensional data to 0 or the like, and the portion is transparent. May be encoded.
- the server may generate data in which a RGB value of a predetermined value is set as the background, such as a chroma key, and the portion other than the object is set to the background color.
- the decryption processing of the distributed data may be performed at each terminal as a client, may be performed on the server side, or may be performed in a shared manner.
- a terminal may once send a reception request to the server, receive content corresponding to the request at another terminal, perform a decoding process, and transmit a decoded signal to a device having a display.
- a part of a region such as a tile in which a picture is divided may be decoded and displayed on a viewer's personal terminal while receiving large-size image data on a TV or the like. Accordingly, it is possible to confirm at hand the area in which the person is responsible or the area to be confirmed in more detail while sharing the whole image.
- the user may switch in real time while freely selecting a decoding device or display device such as a user terminal, a display arranged indoors or outdoors.
- decoding can be performed while switching between a terminal to be decoded and a terminal to be displayed using its own position information and the like. This makes it possible to map and display information on the wall or part of the ground of an adjacent building in which a displayable device is embedded while the user is moving to the destination.
- access to encoded data on the network such as when the encoded data is cached in a server that can be accessed from the receiving terminal in a short time, or copied to the edge server in the content delivery service. It is also possible to switch the bit rate of received data based on ease.
- [Scalable coding] 71 Content switching will be described using a scalable stream that is compression-encoded by applying the moving image encoding method shown in each of the above embodiments shown in FIG.
- the server may have a plurality of streams of the same content and different quality as individual streams, but the temporal / spatial scalable implementation realized by dividing into layers as shown in the figure.
- the configuration may be such that the content is switched by utilizing the characteristics of the stream.
- the decoding side decides which layer to decode according to internal factors such as performance and external factors such as the state of communication bandwidth, so that the decoding side can combine low resolution content and high resolution content. You can switch freely and decrypt.
- the device when the user wants to watch the continuation of the video viewed on the smartphone ex115 while moving, for example, on the device such as the Internet TV after returning home, the device only has to decode the same stream to a different layer. The burden on the side can be reduced.
- the enhancement layer includes meta information based on image statistical information, etc., in addition to a configuration in which scalability is realized by an enhancement layer higher than the base layer. Also good.
- the decoding side may generate content with high image quality by super-resolution of the base layer picture based on the meta information. Super-resolution may improve the signal-to-noise ratio while maintaining and / or enlarging the resolution.
- Meta information is information for specifying linear or nonlinear filter coefficients used for super-resolution processing, or information for specifying parameter values in filter processing, machine learning, or least-squares calculation used for super-resolution processing, etc. including.
- a configuration may be provided in which a picture is divided into tiles or the like according to the meaning of an object or the like in an image.
- the decoding side decodes only a part of the area by selecting a tile to be decoded.
- the decoding side can determine the position of the desired object based on the meta information. Can be identified and the tile containing the object can be determined.
- the meta information may be stored using a data storage structure different from the pixel data, such as SEI (supplemental enhancement information) message in HEVC. This meta information indicates, for example, the position, size, or color of the main object.
- Meta information may be stored in units composed of a plurality of pictures, such as streams, sequences, or random access units.
- the decoding side can acquire the time at which a specific person appears in the video, and by combining the information in units of pictures and the time information, the picture where the object exists can be specified, and the position of the object in the picture can be determined.
- FIG. 73 shows an example of a web page display screen on the computer ex111 or the like.
- FIG. 74 is a diagram showing a display example of a web page on the smartphone ex115 or the like.
- the web page may include a plurality of link images that are links to image content, and the appearance differs depending on the browsing device.
- the display device When a plurality of link images are visible on the screen, the display device (until the user explicitly selects the link image, or until the link image approaches the center of the screen or the entire link image enters the screen)
- the decoding device may display a still image or an I picture included in each content as a link image, or may display a video like a gif animation with a plurality of still images or I pictures, or a base layer May be received and the video may be decoded and displayed.
- the display device When a link image is selected by the user, the display device performs decoding while giving the base layer the highest priority. If there is information indicating that the HTML constituting the web page is scalable content, the display device may decode up to the enhancement layer. Furthermore, in order to ensure real-time performance, the display device only decodes forward reference pictures (I pictures, P pictures, forward reference only B pictures) before being selected or when the communication bandwidth is very strict. In addition, the delay between the decoding time of the first picture and the display time (delay from the start of content decoding to the start of display) can be reduced by displaying. Still further, the display device may ignore the reference relationship of pictures and perform rough decoding with all B pictures and P pictures as forward references, and perform normal decoding as the number of received pictures increases over time. .
- forward reference pictures I pictures, P pictures, forward reference only B pictures
- the receiving terminal when transmitting or receiving still images or video data such as two-dimensional or three-dimensional map information for automatic driving or driving support of a car, the receiving terminal adds meta data in addition to image data belonging to one or more layers.
- Information such as weather or construction may be received as information, and these may be correlated and decoded.
- the meta information may belong to a layer or may be simply multiplexed with image data.
- the receiving terminal since a car, drone, airplane, or the like including the receiving terminal moves, the receiving terminal transmits the position information of the receiving terminal, thereby performing seamless reception and decoding while switching the base stations ex106 to ex110. realizable. Also, the receiving terminal dynamically switches how much meta information is received or how much map information is updated according to the user's selection, the user's situation, and / or the communication band state. Is possible.
- the encoded information transmitted by the user can be received, decoded and reproduced in real time by the client.
- the content supply system ex100 can perform not only high-quality and long-time content by a video distributor but also unicast or multicast distribution of low-quality and short-time content by an individual. Such personal contents are expected to increase in the future.
- the server may perform the encoding process after performing the editing process. This can be realized, for example, using the following configuration.
- the server After shooting, the server performs recognition processing such as shooting error, scene search, semantic analysis, and object detection from original image data or encoded data. Then, the server manually or automatically corrects out-of-focus or camera shake based on the recognition result, or selects a low-importance scene such as a scene whose brightness is low or out of focus compared to other pictures. Edit such as deleting, emphasizing the edge of an object, and changing the hue. The server encodes the edited data based on the editing result. It is also known that if the shooting time is too long, the audience rating will decrease, and the server will move not only in the less important scenes as described above, but also in motion according to the shooting time. A scene with few images may be automatically clipped based on the image processing result. Alternatively, the server may generate and encode a digest based on the result of the semantic analysis of the scene.
- recognition processing such as shooting error, scene search, semantic analysis, and object detection from original image data or encoded data. Then, the server manually or automatically corrects out-of-focus or
- the server may change and encode the face of the person in the periphery of the screen or the inside of the house into an unfocused image. Furthermore, the server recognizes whether or not a face of a person different from the person registered in advance is shown in the encoding target image, and if so, performs processing such as applying a mosaic to the face part. May be.
- a user or a background area that the user wants to process an image from the viewpoint of copyright or the like may be designated. The server may perform processing such as replacing the designated area with another video or defocusing. If it is a person, it is possible to track the person in the moving image and replace the image of the face portion of the person.
- the decoding device Since viewing of personal content with a small amount of data is strongly demanded for real-time performance, the decoding device first receives the base layer with the highest priority and performs decoding and playback, depending on the bandwidth.
- the decoding device may receive the enhancement layer during this time, and may play back high-quality video including the enhancement layer when played back twice or more, such as when playback is looped.
- a stream that is scalable in this way can provide an experience in which the stream becomes smarter and the image is improved gradually, although it is a rough moving picture when it is not selected or at the beginning of viewing.
- the same experience can be provided even if the coarse stream played back the first time and the second stream coded with reference to the first video are configured as one stream. .
- LSI ex500 included in each terminal.
- the LSI (large scale integration circuit) ex500 may be a single chip or may be composed of a plurality of chips.
- moving image encoding or decoding software is incorporated into some recording medium (CD-ROM, flexible disk, hard disk, etc.) that can be read by the computer ex111 and the like, and encoding or decoding processing is performed using the software. Also good.
- 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 smartphone ex115.
- the LSI ex500 may be configured to download and activate application software.
- the terminal first determines whether the terminal is compatible with the content encoding method or has a specific service execution capability. If the terminal does not support the content encoding method or does not have the capability to execute a specific service, the terminal downloads a codec or application software, and then acquires and reproduces the content.
- the content supply system ex100 via the Internet ex101, but also a digital broadcasting system, at least the moving image encoding device (image encoding device) or the moving image decoding device (image decoding device) of the above embodiments. Any of these can be incorporated.
- the unicasting of the content supply system ex100 is suitable for multicasting because it uses a satellite or the like to transmit and receive multiplexed data in which video and sound are multiplexed on broadcasting radio waves.
- the same application is possible for the encoding process and the decoding process.
- FIG. 75 is a diagram showing further details of the smartphone ex115 shown in FIG.
- FIG. 76 is a diagram illustrating a configuration example of the smartphone ex115.
- the smartphone ex115 receives the antenna ex450 for transmitting and receiving radio waves to and from the base station ex110, the camera unit ex465 capable of taking video and still images, the video captured by the camera unit ex465, and the antenna ex450.
- a display unit ex458 for displaying data obtained by decoding the video or the like.
- the smartphone ex115 further includes an operation unit ex466 that is a touch panel or the like, a voice output unit ex457 that is a speaker or the like for outputting voice or sound, a voice input unit ex456 that is a microphone or the like for inputting voice, and photographing.
- Memory unit ex467 that can store encoded video or still image, recorded audio, received video or still image, encoded data such as mail, or decoded data, and a user, and network
- An external memory may be used instead of the memory unit ex467.
- a main control unit ex460 that comprehensively controls the display unit ex458, the operation unit ex466, and the like, a power supply circuit unit ex461, an operation input control unit ex462, a video signal processing unit ex455, a camera interface unit ex463, a display control unit ex459, modulation / demodulation
- the unit ex452, the multiplexing / demultiplexing unit ex453, the audio signal processing unit ex454, the slot unit ex464, and the memory unit ex467 are connected via a synchronous bus ex470.
- the power supply circuit unit ex461 starts up the smartphone ex115 and supplies power to each unit from the battery pack.
- the smartphone ex115 performs processing such as calling and data communication based on the control of the main control unit ex460 having a CPU, a ROM, a RAM, and the like.
- the audio signal collected by the audio input unit ex456 is converted into a digital audio signal by the audio signal processing unit ex454, spread spectrum processing is performed by the modulation / demodulation unit ex452, and digital / analog conversion processing is performed by the transmission / reception unit ex451. And the frequency conversion process is performed, and the resultant signal is transmitted via the antenna ex450.
- the received data is amplified and subjected to frequency conversion processing and analog-digital conversion processing, spectrum despreading processing is performed by the modulation / demodulation unit ex452, and converted to analog audio signal by the audio signal processing unit ex454, and then this is output to the audio output unit ex457.
- text, a still image, or video data is sent to the main control unit ex460 via the operation input control unit ex462 based on the operation of the operation unit ex466 of the main unit. Similar transmission / reception processing is performed.
- the video signal processing unit ex455 uses the video signal stored in the memory unit ex467 or the video signal input from the camera unit ex465 as described above.
- the video data is compressed and encoded by the moving image encoding method shown in the form, and the encoded video data is sent to the multiplexing / demultiplexing unit ex453.
- the audio signal processing unit ex454 encodes the audio signal picked up by the audio input unit ex456 while the video or still image is being imaged by the camera unit ex465, and sends the encoded audio data to the multiplexing / demultiplexing unit ex453.
- the multiplexing / demultiplexing unit ex453 multiplexes the encoded video data and the encoded audio data by a predetermined method, and the modulation / demodulation unit (modulation / demodulation circuit unit) ex452 and the modulation / demodulation unit ex451 perform modulation processing and conversion.
- the data is processed and transmitted via the antenna ex450.
- the multiplexing / demultiplexing unit ex453 performs multiplexing By separating the multiplexed data, the multiplexed data is divided into a bit stream of video data and a bit stream of audio data, and the encoded video data is supplied to the video signal processing unit ex455 via the synchronization bus ex470, and The encoded audio data is supplied to the audio signal processing unit ex454.
- the video signal processing unit ex455 decodes the video signal by the video decoding method corresponding to the video encoding method shown in each of the above embodiments, and is linked from the display unit ex458 via the display control unit ex459. A video or still image included in the moving image file is displayed.
- the audio signal processing unit ex454 decodes the audio signal, and the audio is output from the audio output unit ex457. Since real-time streaming is becoming increasingly popular, audio playback may not be socially appropriate depending on the user's situation. Therefore, it is preferable that the initial value is a configuration in which only the video data is reproduced without reproducing the audio signal, and the audio may be synchronized and reproduced only when the user performs an operation such as clicking on the video data. .
- the smartphone ex115 has been described here as an example, in addition to a transmission / reception terminal having both an encoder and a decoder as a terminal, a transmission terminal having only an encoder and a reception having only a decoder Three other implementation formats are possible: a terminal.
- the digital broadcasting system has been described as receiving or transmitting multiplexed data in which audio data is multiplexed with video data.
- the multiplexed data may be multiplexed with character data related to video in addition to audio data.
- video data itself may be received or transmitted instead of multiplexed data.
- main control unit ex460 including the CPU has been described as controlling the encoding or decoding process
- various terminals often include a GPU. Therefore, a configuration may be adopted in which a wide area is processed in a lump by utilizing the performance of the GPU by using a memory shared by the CPU and the GPU or a memory whose addresses are managed so as to be used in common.
- the encoding time can be shortened, real-time performance can be secured, and low delay can be realized.
- SAO Sample Adaptive Offset
- the present disclosure can be used for, for example, a television receiver, a digital video recorder, a car navigation, a mobile phone, a digital camera, a digital video camera, a video conference system, or an electronic mirror.
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
符号化装置(100)は、回路と、メモリとを備え、回路は、メモリを用いて、イントラ予測及びインター予測の一方により、動画像に含まれる符号化対象ブロックの予測画像を取得し、符号化対象ブロックの画像と予測画像との差を符号化対象ブロックの予測誤差信号として生成し、複数の変換基底の中から、予測誤差信号の変換に用いられる変換基底を選択し、変換基底を用いて予測誤差信号の変換を行うことにより、符号化対象ブロックの変換係数信号を生成し、変換係数信号を符号化し、予測画像がイントラ予測により取得される場合と予測画像がインター予測により取得される場合とで共通の対応関係で複数の変換基底に対応付けられた複数のインデックス値のうち、変換基底に対応付けられたインデックス値を符号化する。
Description
本開示は、動画像を符号化する符号化装置等に関する。
従来、動画像を符号化するための規格として、HEVC(High Efficiency Video Coding)とも呼ばれるH.265が存在する(非特許文献1)。
H.265(ISO/IEC 23008-2 HEVC)/HEVC(High Efficiency Video Coding)
しかしながら、動画像の符号化に関連する複雑な処理によって、処理量が増加する可能性がある。
そこで、本開示は、動画像の符号化に関連する処理量を削減することができる符号化装置等を提供する。
本開示の一態様に係る符号化装置は、動画像を符号化する符号化装置であって、回路と、メモリとを備え、前記回路は、前記メモリを用いて、イントラ予測及びインター予測の一方により、前記動画像に含まれる符号化対象ブロックの予測画像を取得し、前記符号化対象ブロックの画像と前記予測画像との差を前記符号化対象ブロックの予測誤差信号として生成し、複数の変換基底の中から、前記予測誤差信号の変換に用いられる変換基底を選択し、前記変換基底を用いて前記予測誤差信号の変換を行うことにより、前記符号化対象ブロックの変換係数信号を生成し、前記変換係数信号を符号化し、前記予測画像がイントラ予測により取得される場合と前記予測画像がインター予測により取得される場合とで共通の対応関係で前記複数の変換基底に対応付けられた複数のインデックス値のうち、前記変換基底に対応付けられたインデックス値を符号化する。
なお、これらの包括的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム、又は、コンピュータ読み取り可能なCD-ROMなどの非一時的な記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラム、及び、記録媒体の任意な組み合わせで実現されてもよい。
本開示の一態様に係る符号化装置等は、動画像の符号化に関連する処理量を削減することができる。
(本開示の基礎となった知見)
例えば、符号化装置は、動画像を符号化する際、動画像を構成する符号化対象ブロックの予測画像を生成する。予測画像の生成には、符号化対象ブロックを含む符号化対象ピクチャとは異なる参照ピクチャ内の画像が参照されるインター予測が用いられてもよいし、符号化対象ピクチャ内の画像が参照されるイントラ予測が用いられてもよい。
例えば、符号化装置は、動画像を符号化する際、動画像を構成する符号化対象ブロックの予測画像を生成する。予測画像の生成には、符号化対象ブロックを含む符号化対象ピクチャとは異なる参照ピクチャ内の画像が参照されるインター予測が用いられてもよいし、符号化対象ピクチャ内の画像が参照されるイントラ予測が用いられてもよい。
そして、符号化装置は、符号化対象ブロックの画像から符号化対象ブロックの予測画像を減算することにより予測誤差信号を導出する。さらに、符号化装置は、変換基底を用いて予測誤差信号の変換処理を行うことにより符号化対象ブロックの変換係数信号を導出する。そして、符号化装置は、変換係数信号を符号化する。
また、例えば、復号装置は、動画像を復号する際、動画像を構成する復号対象ブロックの予測画像を生成する。予測画像の生成には、復号対象ブロックを含む復号対象ピクチャとは異なる参照ピクチャ内の画像が参照されるインター予測が用いられてもよいし、復号対象ピクチャ内の画像が参照されるイントラ予測が用いられてもよい。
また、復号装置は、復号対象ブロックの変換係数信号を復号する。そして、復号装置は、逆変換基底を用いて変換係数信号の逆変換処理を行うことにより復号対象ブロックの予測誤差信号を導出する。そして、復号装置は、復号対象ブロックの予測誤差信号と復号対象ブロックの予測画像とを足し合わせることにより、復号対象ブロックの再構成画像を導出する。
符号化装置は、予測誤差信号の変換処理において、複数の変換基底の中から適切な変換基底を用いることにより、符号化に適切な変換係数信号を導出することができる。復号装置は、変換係数信号の逆変換処理において、複数の逆変換基底の中から、変換処理に用いられた変換基底に対応する適切な逆変換基底を用いることにより、予測誤差信号を導出することができる。
そのため、符号化装置は、変換処理に用いられた変換基底に対応する信号を符号化する。復号装置は、その信号を復号し、その信号に対応する逆変換基底を用いて逆変換処理を行う。ここで、変換処理に適切な変換基底は、イントラ予測かインター予測かの予測モード等の符号化モードによって異なることが想定される。このような変換基底に対応する信号を高い圧縮率で符号化するための動作において、処理が複雑化し、処理量が増加する可能性がある。
そこで、例えば、本開示の一態様に係る符号化装置は、動画像を符号化する符号化装置であって、回路と、メモリとを備え、前記回路は、前記メモリを用いて、イントラ予測及びインター予測の一方により、前記動画像に含まれる符号化対象ブロックの予測画像を取得し、前記符号化対象ブロックの画像と前記予測画像との差を前記符号化対象ブロックの予測誤差信号として生成し、複数の変換基底の中から、前記予測誤差信号の変換に用いられる変換基底を選択し、前記変換基底を用いて前記予測誤差信号の変換を行うことにより、前記符号化対象ブロックの変換係数信号を生成し、前記変換係数信号を符号化し、前記予測画像がイントラ予測により取得される場合と前記予測画像がインター予測により取得される場合とで共通の対応関係で前記複数の変換基底に対応付けられた複数のインデックス値のうち、前記変換基底に対応付けられたインデックス値を符号化する。
これにより、符号化装置は、予測画像の生成にイントラ予測が用いられる場合と予測画像の生成にインター予測が用いられる場合との間で共通の方法を用いて、変換基底に対応付けられたインデックス値を符号化することができる。したがって、処理が簡素化され、処理量が削減され得る。
また、例えば、前記回路は、所定変換基底が用いられるか否かを決定し、前記所定変換基底が用いられると決定された場合、前記所定変換基底を用いて前記予測誤差信号の変換を行い、前記所定変換基底が用いられないと決定された場合、前記複数の変換基底の中から、前記変換基底を選択し、前記変換基底を用いて前記予測誤差信号の変換を行い、前記所定変換基底が用いられるか否かを示す制御値を符号化する。
これにより、符号化装置は、所定変換基底が用いられる場合における符号量の削減に貢献することができる。
また、例えば、前記回路は、水平方向の変換基底及び垂直方向の変換基底の両方に前記所定変換基底が用いられるか否かを決定し、前記水平方向の変換基底及び前記垂直方向の変換基底の両方に前記所定変換基底が用いられると決定された場合、前記水平方向の変換基底及び前記垂直方向の変換基底の両方に前記所定変換基底を用いて前記予測誤差信号の変換を行い、前記水平方向の変換基底及び前記垂直方向の変換基底の両方に前記所定変換基底が用いられないと決定された場合、前記複数の変換基底の中から、前記水平方向の変換基底及び前記垂直方向の変換基底を選択し、前記水平方向の変換基底及び前記垂直方向の変換基底を用いて前記予測誤差信号の変換を行う。
これにより、符号化装置は、水平方向及び垂直方向の両方に所定変換基底が用いられない場合、水平方向及び垂直方向のそれぞれについて、個別に適切な変換基底を選択することができる。
また、例えば、前記複数のインデックス値のうち前記複数の変換基底に含まれるDST(Discrete Sine Transform)に対応付けられるインデックス値は、前記複数のインデックス値のうち前記複数の変換基底に含まれるDCT(Discrete Cosine Transform)に対応付けられるインデックス値よりも小さい。
これにより、符号化装置は、より適切な変換が行われると想定されるDSTに、より小さいインデックス値を用いることができ、処理量又は符号量の削減に貢献することができる。
また、例えば、前記回路は、DCT2(Discrete Cosine Transform Type-II)が用いられるか否かを決定し、DCT2が用いられると決定された場合、DCT2を用いて前記予測誤差信号の変換を行い、DCT2が用いられないと決定された場合、前記複数の変換基底の中から、前記変換基底を選択し、前記変換基底を用いて前記予測誤差信号の変換を行い、DCT2が用いられるか否かを示す制御値を符号化する。
これにより、符号化装置は、変換の処理量が小さいと想定されるDCT2が用いられる場合における符号量の削減に貢献することができる。
また、例えば、前記複数の変換基底は、DCT4(Discrete Cosine Transform Type-IV)及びDST4(Discrete Sine Transform Type-IV)の少なくとも一方を含む。
これにより、符号化装置は、DCT2が用いられない場合に、DCT4及びDST4を含む複数の変換基底の中から適切な変換基底を選択することができる。
また、例えば、前記複数の変換基底は、DCT4及びDST4の両方を含み、前記複数のインデックス値のうち前記複数の変換基底に含まれるDST4に対応付けられるインデックス値は、前記複数のインデックス値のうち前記複数の変換基底に含まれるDCT4に対応付けられるインデックス値よりも小さい。
これにより、符号化装置は、より適切な変換が行われると想定されるDST4に、より小さいインデックス値を用いることができ、処理量又は符号量の削減に貢献することができる。
また、例えば、前記複数の変換基底は、DCT4及びDST4の両方を含み、前記回路は、DST4を用いて前記予測誤差信号の変換が行われる場合、前記予測誤差信号の一部の符号を反転し、DCT4を用いて、前記一部の符号が反転された前記予測誤差信号の変換を行う。
これにより、符号化装置は、DCT4の演算を行うための構成を用いて、DST4の演算を行うことができる。
また、例えば、前記予測誤差信号の一部は、前記予測誤差信号に含まれる複数の予測誤差値のうち、偶数番目の複数の予測誤差値、又は、前記予測誤差信号に含まれる複数の予測誤差値のうち、奇数番目の複数の予測誤差値である。
これにより、符号化装置は、DST4の演算に対応する適切な反転を行うことができる。
また、例えば、前記回路は、所定サイズのDCT2の演算を行う第1演算回路と、前記所定サイズのDCT4の演算を行う第2演算回路とを備え、前記第1演算回路は、前記所定サイズの半分のDCT2の演算を行う第3演算回路と、前記所定サイズの半分のDCT4の演算を行う第4演算回路とを備える。
これにより、符号化装置は、所定サイズのDCT2の演算、及び、所定サイズのDCT4の演算を行うことができる。また、符号化装置は、所定サイズの半分のDCT2の演算、及び、所定サイズの半分のDCT4の演算を行うことができる。
また、例えば、前記複数の変換基底は、DCT4を含み、前記符号化対象ブロックのサイズが前記所定サイズであり、前記予測誤差信号の変換にDCT4が用いられる場合、前記予測誤差信号が前記第2演算回路に入力される。
これにより、符号化装置は、第2演算回路を用いて、所定サイズのDCT4の演算を行うことができる。
また、例えば、前記複数の変換基底は、DST4を含み、前記符号化対象ブロックのサイズが前記所定サイズであり、前記予測誤差信号の変換にDST4が用いられる場合、前記予測誤差信号の一部の符号が反転され、前記一部の符号が反転された前記予測誤差信号が前記第2演算回路に入力される。
これにより、符号化装置は、第2演算回路を用いて、所定サイズのDST4の演算を行うことができる。
また、例えば、本開示の一態様に係る復号装置は、動画像を復号する復号装置であって、回路と、メモリとを備え、前記回路は、前記メモリを用いて、イントラ予測及びインター予測の一方により、前記動画像に含まれる復号対象ブロックの予測画像を取得し、前記復号対象ブロックの変換係数信号を復号し、インデックス値を復号し、前記予測画像がイントラ予測により取得される場合と前記予測画像がインター予測により取得される場合とで共通の対応関係で複数のインデックス値に対応付けられた複数の逆変換基底の中から、前記インデックス値に対応付けられた逆変換基底を選択し、前記逆変換基底を用いて、前記変換係数信号の逆変換を行うことにより、前記復号対象ブロックの予測誤差信号を生成し、前記予測誤差信号と前記予測画像との和を前記復号対象ブロックの再構成画像として生成する。
これにより、復号装置は、予測画像の生成にイントラ予測が用いられる場合と予測画像の生成にインター予測が用いられる場合との間で共通の方法を用いて、インデックス値に対応付けられた逆変換基底を選択することができる。したがって、処理が簡素化され、処理量が削減され得る。
また、例えば、前記回路は、所定逆変換基底が用いられるか否かを示す制御値を復号し、前記制御値を用いて、前記所定逆変換基底が用いられるか否かを決定し、前記所定逆変換基底が用いられると決定された場合、前記所定逆変換基底を用いて前記変換係数信号の逆変換を行い、前記所定逆変換基底が用いられないと決定された場合、前記複数の逆変換基底の中から、前記逆変換基底を選択し、前記逆変換基底を用いて前記変換係数信号の逆変換を行う。
これにより、復号装置は、所定逆変換基底が用いられる場合における符号量の削減に貢献することができる。
また、例えば、前記回路は、前記制御値を用いて、水平方向の逆変換基底及び垂直方向の逆変換基底の両方に前記所定逆変換基底が用いられるか否かを決定し、前記水平方向の逆変換基底及び前記垂直方向の逆変換基底の両方に前記所定逆変換基底が用いられると決定された場合、前記水平方向の逆変換基底及び前記垂直方向の逆変換基底の両方に前記所定逆変換基底を用いて前記変換係数信号の逆変換を行い、前記水平方向の逆変換基底及び前記垂直方向の逆変換基底の両方に前記所定逆変換基底が用いられないと決定された場合、前記複数の逆変換基底の中から、前記水平方向の逆変換基底及び前記垂直方向の逆変換基底を選択し、前記水平方向の逆変換基底及び前記垂直方向の逆変換基底を用いて前記変換係数信号の逆変換を行う。
これにより、復号装置は、水平方向及び垂直方向の両方に所定逆変換基底が用いられない場合、水平方向及び垂直方向のそれぞれについて、個別に適切な逆変換基底を選択することができる。
また、例えば、前記複数のインデックス値のうち前記複数の逆変換基底に含まれるIDST(Inverse Discrete Sine Transform)に対応付けられるインデックス値は、前記複数のインデックス値のうち前記複数の逆変換基底に含まれるIDCT(Inverse Discrete Cosine Transform)に対応付けられるインデックス値よりも小さい。
これにより、復号装置は、より適切な逆変換が行われると想定されるIDSTに、より小さいインデックス値を用いることができ、処理量又は符号量の削減に貢献することができる。
また、例えば、前記回路は、IDCT2(Inverse Discrete Cosine Transform Type-II)が用いられるか否かを示す制御値を復号し、前記制御値を用いて、IDCT2が用いられるか否かを決定し、IDCT2が用いられると決定された場合、IDCT2を用いて前記変換係数信号の逆変換を行い、IDCT2が用いられないと決定された場合、前記複数の逆変換基底の中から、前記逆変換基底を選択し、前記逆変換基底を用いて前記変換係数信号の逆変換を行う。
これにより、復号装置は、逆変換の処理量が小さいと想定されるIDCT2が用いられる場合における符号量の削減に貢献することができる。
また、例えば、前記複数の逆変換基底は、IDCT4(Inverse Discrete Cosine Transform Type-IV)及びIDST4(Inverse Discrete Sine Transform Type-IV)の少なくとも一方を含む。
これにより、復号装置は、IDCT2が用いられない場合に、IDCT4及びIDST4を含む複数の逆変換基底の中から適切な逆変換基底を選択することができる。
また、例えば、前記複数の逆変換基底は、IDCT4及びIDST4の両方を含み、前記複数のインデックス値のうち前記複数の逆変換基底に含まれるIDST4に対応付けられるインデックス値は、前記複数のインデックス値のうち前記複数の逆変換基底に含まれるIDCT4に対応付けられるインデックス値よりも小さい。
これにより、復号装置は、より適切な逆変換が行われると想定されるIDST4に、より小さいインデックス値を用いることができ、処理量又は符号量の削減に貢献することができる。
また、例えば、前記複数の逆変換基底は、IDCT4及びIDST4の両方を含み、前記回路は、IDST4を用いて前記変換係数信号の逆変換が行われる場合、IDCT4を用いて前記変換係数信号の逆変換を行い、前記変換係数信号の逆変換結果の一部の符号を反転する。
これにより、復号装置は、IDCT4の演算を行うための構成を用いて、IDST4の演算を行うことができる。
また、例えば、前記逆変換結果の一部は、前記逆変換結果に含まれる複数の結果値のうち、偶数番目の複数の結果値、又は、前記逆変換結果に含まれる複数の結果値のうち、奇数番目の複数の結果値である。
これにより、復号装置は、IDST4の演算に対応する適切な反転を行うことができる。
また、例えば、前記回路は、所定サイズのIDCT2の演算を行う第1演算回路と、前記所定サイズのIDCT4の演算を行う第2演算回路とを備え、前記第1演算回路は、前記所定サイズの半分のIDCT2の演算を行う第3演算回路と、前記所定サイズの半分のIDCT4の演算を行う第4演算回路とを備える。
これにより、復号装置は、所定サイズのIDCT2の演算、及び、所定サイズのIDCT4の演算を行うことができる。また、復号装置は、所定サイズの半分のIDCT2の演算、及び、所定サイズの半分のIDCT4の演算を行うことができる。
また、例えば、前記複数の逆変換基底は、IDCT4を含み、前記復号対象ブロックのサイズが前記所定サイズであり、前記変換係数信号の逆変換にIDCT4が用いられる場合、前記変換係数信号が前記第2演算回路に入力される。
これにより、復号装置は、第2演算回路を用いて、所定サイズのIDCT4の演算を行うことができる。
また、例えば、前記複数の逆変換基底は、IDST4を含み、前記復号対象ブロックのサイズが前記所定サイズであり、前記変換係数信号の逆変換にIDST4が用いられる場合、前記変換係数信号が前記第2演算回路に入力され、前記第2演算回路の出力結果の一部の符号が反転される。
これにより、復号装置は、第2演算回路を用いて、所定サイズのIDST4の演算を行うことができる。
また、例えば、本開示の一態様に係る符号化方法は、動画像を符号化する符号化方法であって、イントラ予測及びインター予測の一方により、前記動画像に含まれる符号化対象ブロックの予測画像を取得し、前記符号化対象ブロックの画像と前記予測画像との差を前記符号化対象ブロックの予測誤差信号として生成し、複数の変換基底の中から、前記予測誤差信号の変換に用いられる変換基底を選択し、前記変換基底を用いて前記予測誤差信号の変換を行うことにより、前記符号化対象ブロックの変換係数信号を生成し、前記変換係数信号を符号化し、前記予測画像がイントラ予測により取得される場合と前記予測画像がインター予測により取得される場合とで共通の対応関係で前記複数の変換基底に対応付けられた複数のインデックス値のうち、前記変換基底に対応付けられたインデックス値を符号化する。
これにより、予測画像の生成にイントラ予測が用いられる場合と予測画像の生成にインター予測が用いられる場合との間で共通の方法を用いて、変換基底に対応付けられたインデックス値が符号化され得る。したがって、処理が簡素化され、処理量が削減され得る。
また、例えば、本開示の一態様に係る復号方法は、動画像を復号する復号方法であって、イントラ予測及びインター予測の一方により、前記動画像に含まれる復号対象ブロックの予測画像を取得し、前記復号対象ブロックの変換係数信号を復号し、インデックス値を復号し、前記予測画像がイントラ予測により取得される場合と前記予測画像がインター予測により取得される場合とで共通の対応関係で複数のインデックス値に対応付けられた複数の逆変換基底の中から、前記インデックス値に対応付けられた逆変換基底を選択し、前記逆変換基底を用いて、前記変換係数信号の逆変換を行うことにより、前記復号対象ブロックの予測誤差信号を生成し、前記予測誤差信号と前記予測画像との和を前記復号対象ブロックの再構成画像として生成する。
これにより、予測画像の生成にイントラ予測が用いられる場合と予測画像の生成にインター予測が用いられる場合との間で共通の方法を用いて、インデックス値に対応付けられた逆変換基底が選択され得る。したがって、処理が簡素化され、処理量が削減され得る。
あるいは、例えば、本開示の一態様に係る符号化装置は、動画像を符号化する符号化装置であって、回路と、メモリとを備え、前記回路は、前記メモリを用いて、前記動画像に含まれる符号化対象ブロックの予測誤差信号の変換を行うことにより、前記符号化対象ブロックの変換係数信号を生成し、前記変換係数信号を符号化し、前記予測誤差信号の変換において、複数の変換基底の中から変換基底を、前記変換基底を用いて前記予測誤差信号の変換を行うことにより生成される前記変換係数信号に含まれる非ゼロ係数が所定数よりも多いか否かに基づいて選択し、前記変換基底を用いて前記予測誤差信号の変換を行う。
また、例えば、前記所定数は2である。
また、例えば、前記回路は、前記変換基底を用いて前記予測誤差信号の変換を行うことにより生成される前記変換係数信号に含まれる前記非ゼロ係数が前記所定数よりも多くない場合、前記変換基底を選択せずに、所定変換基底を用いて前記予測誤差信号の変換を行う。
また、例えば、前記回路は、前記変換基底を用いて前記予測誤差信号の変換を行うことにより生成される前記変換係数信号に含まれる前記非ゼロ係数が前記所定数よりも多い場合、前記変換基底を選択し、前記変換基底を用いることを示す信号を符号化し、前記変換基底を用いて前記予測誤差信号の変換を行い、前記変換基底を用いて前記予測誤差信号の変換を行うことにより生成される前記変換係数信号に含まれる前記非ゼロ係数が前記所定数よりも多くない場合、前記所定変換基底を用いることを示す信号を符号化せずに、前記所定変換基底を用いて前記予測誤差信号の変換を行う。
また、例えば、前記所定変換基底は、DCT2(Discrete Cosine Transform Type-II)である。
また、例えば、前記所定変換基底は、DST4(Discrete Sine Transform Type-IV)である。
また、例えば、前記回路は、第1所定変換基底を用いるか否かを判定し、前記第1所定変換基底を用いると判定された場合、前記第1所定変換基底を用いて前記予測誤差信号の変換を行い、前記第1所定変換基底を用いないと判定され、前記変換基底を用いて前記予測誤差信号の変換を行うことにより生成される前記変換係数信号に含まれる前記非ゼロ係数が前記所定数よりも多くない場合、前記変換基底を選択せずに、第2所定変換基底を用いて前記予測誤差信号の変換を行う。
また、例えば、前記第1所定変換基底は、DCT2(Discrete Cosine Transform Type-II)であり、前記第2所定変換基底は、DST4(Discrete Sine Transform Type-IV)である。
また、例えば、前記回路は、DST4(Discrete Sine Transform Type-IV)を用いて前記予測誤差信号の変換が行われる場合、前記予測誤差信号の一部の符号を反転し、DCT4(Discrete Cosine Transform Type-IV)を用いて、前記一部の符号が反転された前記予測誤差信号の変換を行う。
また、例えば、本開示の一態様に係る復号装置は、動画像を復号する復号装置であって、回路と、メモリとを備え、前記回路は、前記メモリを用いて、前記動画像に含まれる復号対象ブロックの変換係数信号を復号し、前記変換係数信号の逆変換を行うことにより、前記復号対象ブロックの予測誤差信号を生成し、前記変換係数信号の逆変換において、複数の逆変換基底の中から逆変換基底を、前記変換係数信号に含まれる非ゼロ係数が所定数よりも多いか否かに基づいて選択し、前記逆変換基底を用いて前記変換係数信号の逆変換を行う。
また、例えば、前記所定数は2である。
また、例えば、前記回路は、前記変換係数信号に含まれる前記非ゼロ係数が前記所定数よりも多くない場合、前記逆変換基底を選択せずに、所定逆変換基底を用いて前記変換係数信号の逆変換を行う。
また、例えば、前記回路は、前記変換係数信号に含まれる前記非ゼロ係数が前記所定数よりも多い場合、前記逆変換基底を用いることを示す信号を復号し、前記逆変換基底を選択し、前記逆変換基底を用いて前記予測誤差信号の逆変換を行い、前記変換係数信号に含まれる前記非ゼロ係数が前記所定数よりも多くない場合、前記所定逆変換基底を用いることを示す信号を復号せずに、前記所定逆変換基底を用いて前記予測誤差信号の逆変換を行う。
また、例えば、前記所定逆変換基底は、IDCT2(Inverse Discrete Cosine Transform Type-II)である。
また、例えば、前記所定逆変換基底は、IDST4(Inverse Discrete Sine Transform Type-IV)である。
また、例えば、前記回路は、第1所定逆変換基底を用いるか否かを判定し、前記第1所定逆変換基底を用いると判定された場合、前記第1所定逆変換基底を用いて前記変換係数信号の逆変換を行い、前記第1所定逆変換基底を用いないと判定され、前記変換係数信号に含まれる前記非ゼロ係数が前記所定数よりも多くない場合、前記逆変換基底を選択せずに、第2所定逆変換基底を用いて前記予測誤差信号の逆変換を行う。
また、例えば、前記第1所定逆変換基底は、IDCT2(Inverse Discrete Cosine Transform Type-II)であり、前記第2所定逆変換基底は、IDST4(Inverse Discrete Sine Transform Type-IV)である。
また、例えば、前記回路は、IDST4(Inverse Discrete Sine Transform Type-IV)を用いて前記予測誤差信号の逆変換が行われる場合、IDCT4(Inverse Discrete Cosine Transform Type-IV)を用いて前記変換係数信号の逆変換を行い、前記変換係数信号の逆変換結果の一部の符号を反転する。
また、例えば、本開示の一態様に係る符号化方法は、動画像を符号化する符号化方法であって、前記動画像に含まれる符号化対象ブロックの予測誤差信号の変換を行うことにより、前記符号化対象ブロックの変換係数信号を生成し、前記変換係数信号を符号化し、前記予測誤差信号の変換において、複数の変換基底の中から変換基底を、前記変換基底を用いて前記予測誤差信号の変換を行うことにより生成される前記変換係数信号に含まれる非ゼロ係数が所定数よりも多いか否かに基づいて選択し、前記変換基底を用いて前記予測誤差信号の変換を行う。
また、例えば、本開示の一態様に係る復号方法は、動画像を復号する復号方法であって、前記動画像に含まれる復号対象ブロックの変換係数信号を復号し、前記変換係数信号の逆変換を行うことにより、前記復号対象ブロックの予測誤差信号を生成し、前記変換係数信号の逆変換において、複数の逆変換基底の中から逆変換基底を、前記変換係数信号に含まれる非ゼロ係数が所定数よりも多いか否かに基づいて選択し、前記逆変換基底を用いて前記変換係数信号の逆変換を行う。
あるいは、例えば、本開示の一態様に係る符号化装置は、動画像を符号化する符号化装置であって、回路と、メモリとを備え、前記回路は、前記メモリを用いて、前記動画像に含まれる符号化対象ブロックの予測誤差信号の変換を行うことにより、前記符号化対象ブロックの変換係数信号を生成し、前記変換係数信号を符号化し、前記予測誤差信号の変換において、1つ以上の変換基底の中から変換基底を選択し、選択された前記変換基底を用いて前記予測誤差信号の変換を行い、前記符号化対象ブロックのサイズであるブロックサイズが、DCT2(Discrete Cosine Transform Type-II)の使用可能な最大サイズの半分以下である閾値サイズよりも大きい第1サイズである場合、前記1つ以上の変換基底は、DCT2を含み、DCT4(Discrete Cosine Transform Type-IV)及びDST4(Discrete Sine Transform Type-IV)を含まず、前記ブロックサイズが、前記閾値サイズ以下の第2サイズである場合、前記1つ以上の変換基底は、DCT4及びDST4の少なくとも一方を含み、前記ブロックサイズが、前記閾値サイズ以下であって、前記第2サイズとは異なる第3サイズである場合、前記1つ以上の変換基底は、DCT4及びDST4とは異なる変換基底を含み、前記ブロックサイズが前記第2サイズである場合の前記1つ以上の変換基底は、前記第3サイズである場合の前記1つ以上の変換基底とは異なる。
また、例えば、前記ブロックサイズが前記第1サイズである場合、前記1つ以上の変換基底は、DCT2のみであり、前記ブロックサイズが前記第2サイズである場合、前記1つ以上の変換基底は、DCT4及びDST4の前記少なくとも一方のみ、又は、DCT4及びDST4の前記少なくとも一方とDCT2とのみである。
また、例えば、本開示の一態様に係る復号装置は、動画像を復号する復号装置であって、回路と、メモリとを備え、前記回路は、前記メモリを用いて、前記動画像に含まれる復号対象ブロックの変換係数信号を復号し、前記変換係数信号の逆変換を行うことにより、前記復号対象ブロックの予測誤差信号を生成し、前記変換係数信号の逆変換において、1つ以上の逆変換基底の中から逆変換基底を選択し、選択された前記逆変換基底を用いて前記変換係数信号の逆変換を行い、前記復号対象ブロックのサイズであるブロックサイズが、IDCT2(Inverse Discrete Cosine Transform Type-II)の使用可能な最大サイズの半分以下である閾値サイズよりも大きい第1サイズである場合、前記1つ以上の逆変換基底は、IDCT2を含み、IDCT4(Inverse Discrete Cosine Transform Type-IV)及びIDST4(Inverse Discrete Sine Transform Type-IV)を含まず、前記ブロックサイズが、前記閾値サイズ以下の第2サイズである場合、前記1つ以上の逆変換基底は、IDCT4及びIDST4の少なくとも一方を含み、前記ブロックサイズが、前記閾値サイズ以下であって、前記第2サイズとは異なる第3サイズである場合、前記1つ以上の逆変換基底は、IDCT4及びIDST4とは異なる逆変換基底を含み、前記ブロックサイズが前記第2サイズである場合の前記1つ以上の逆変換基底は、前記第3サイズである場合の前記1つ以上の逆変換基底とは異なる。
また、例えば、前記ブロックサイズが前記第1サイズである場合、前記1つ以上の逆変換基底は、IDCT2のみであり、前記ブロックサイズが前記第2サイズである場合、前記1つ以上の逆変換基底は、IDCT4及びIDST4の前記少なくとも一方のみ、又は、IDCT4及びIDST4の前記少なくとも一方とIDCT2とのみである。
また、例えば、本開示の一態様に係る符号化方法は、動画像を符号化する符号化方法であって、前記動画像に含まれる符号化対象ブロックの予測誤差信号の変換を行うことにより、前記符号化対象ブロックの変換係数信号を生成し、前記変換係数信号を符号化し、前記予測誤差信号の変換において、1つ以上の変換基底の中から変換基底を選択し、選択された前記変換基底を用いて前記予測誤差信号の変換を行い、前記符号化対象ブロックのサイズであるブロックサイズが、DCT2(Discrete Cosine Transform Type-II)の使用可能な最大サイズの半分以下である閾値サイズよりも大きい第1サイズである場合、前記1つ以上の変換基底は、DCT2を含み、DCT4(Discrete Cosine Transform Type-IV)及びDST4(Discrete Sine Transform Type-IV)を含まず、前記ブロックサイズが、前記閾値サイズ以下の第2サイズである場合、前記1つ以上の変換基底は、DCT4及びDST4の少なくとも一方を含み、前記ブロックサイズが、前記閾値サイズ以下であって、前記第2サイズとは異なる第3サイズである場合、前記1つ以上の変換基底は、DCT4及びDST4とは異なる変換基底を含み、前記ブロックサイズが前記第2サイズである場合の前記1つ以上の変換基底は、前記第3サイズである場合の前記1つ以上の変換基底とは異なる。
また、例えば、本開示の一態様に係る復号方法は、動画像を復号する復号方法であって、前記動画像に含まれる復号対象ブロックの変換係数信号を復号し、前記変換係数信号の逆変換を行うことにより、前記復号対象ブロックの予測誤差信号を生成し、前記変換係数信号の逆変換において、1つ以上の逆変換基底の中から逆変換基底を選択し、選択された前記逆変換基底を用いて前記変換係数信号の逆変換を行い、前記復号対象ブロックのサイズであるブロックサイズが、IDCT2(Inverse Discrete Cosine Transform Type-II)の使用可能な最大サイズの半分以下である閾値サイズよりも大きい第1サイズである場合、前記1つ以上の逆変換基底は、IDCT2を含み、IDCT4(Inverse Discrete Cosine Transform Type-IV)及びIDST4(Inverse Discrete Sine Transform Type-IV)を含まず、前記ブロックサイズが、前記閾値サイズ以下の第2サイズである場合、前記1つ以上の逆変換基底は、IDCT4及びIDST4の少なくとも一方を含み、前記ブロックサイズが、前記閾値サイズ以下であって、前記第2サイズとは異なる第3サイズである場合、前記1つ以上の逆変換基底は、IDCT4及びIDST4とは異なる逆変換基底を含み、前記ブロックサイズが前記第2サイズである場合の前記1つ以上の逆変換基底は、前記第3サイズである場合の前記1つ以上の逆変換基底とは異なる。
あるいは、例えば、本開示の一態様に係る符号化装置は、動画像を符号化する符号化装置であって、回路と、メモリとを備え、前記回路は、前記メモリを用いて、前記動画像に含まれる符号化対象ブロックの予測誤差信号の変換を行うことにより、前記符号化対象ブロックの変換係数信号を生成し、前記変換係数信号を符号化し、前記予測誤差信号の変換において、第1変換モード及び第2変換モードのうち一方を選択し、1つ以上の変換基底の中から変換基底を選択し、前記第1変換モードが選択された場合、選択された前記変換基底を用いて、前記符号化対象ブロックにおける全ての領域に対する前記予測誤差信号の変換を行い、前記第2変換モードが選択された場合、選択された前記変換基底を用いて、前記符号化対象ブロックにおける一部の領域に対する前記予測誤差信号の変換を行い、前記符号化対象ブロックのサイズであるブロックサイズが、DCT2(Discrete Cosine Transform Type-II)の使用可能な最大サイズの半分以下である閾値サイズよりも大きい第1サイズである場合、前記1つ以上の変換基底は、DCT2を含み、DCT4(Discrete Cosine Transform Type-IV)及びDST4(Discrete Sine Transform Type-IV)を含まず、前記ブロックサイズが、前記閾値サイズ以下の第2サイズである場合、前記1つ以上の変換基底は、DCT4及びDST4の少なくとも一方を含む。
また、例えば、本開示の一態様に係る復号装置は、動画像を復号する復号装置であって、回路と、メモリとを備え、前記回路は、前記メモリを用いて、前記動画像に含まれる復号対象ブロックの変換係数信号を復号し、前記変換係数信号の逆変換を行うことにより、前記復号対象ブロックの予測誤差信号を生成し、前記変換係数信号の逆変換において、第1逆変換モード及び第2逆変換モードのうち一方を選択し、1つ以上の逆変換基底の中から逆変換基底を選択し、前記第1逆変換モードが選択された場合、選択された前記逆変換基底を用いて、前記復号対象ブロックにおける全ての領域に対する前記予測誤差信号の逆変換を行い、前記第2逆変換モードが選択された場合、選択された前記逆変換基底を用いて、前記復号対象ブロックにおける一部の領域に対する前記予測誤差信号の逆変換を行い、前記復号対象ブロックのサイズであるブロックサイズが、IDCT2(Inverse Discrete Cosine Transform Type-II)の使用可能な最大サイズの半分以下である閾値サイズよりも大きい第1サイズである場合、前記1つ以上の逆変換基底は、IDCT2を含み、IDCT4(Inverse Discrete Cosine Transform Type-IV)及びIDST4(Inverse Discrete Sine Transform Type-IV)を含まず、前記ブロックサイズが、前記閾値サイズ以下の第2サイズである場合、前記1つ以上の逆変換基底は、IDCT4及びIDST4の少なくとも一方を含む。
また、例えば、本開示の一態様に係る符号化方法は、動画像を符号化する符号化方法であって、前記動画像に含まれる符号化対象ブロックの予測誤差信号の変換を行うことにより、前記符号化対象ブロックの変換係数信号を生成し、前記変換係数信号を符号化し、前記予測誤差信号の変換において、第1変換モード及び第2変換モードのうち一方を選択し、1つ以上の変換基底の中から変換基底を選択し、前記第1変換モードが選択された場合、選択された前記変換基底を用いて、前記符号化対象ブロックにおける全ての領域に対する前記予測誤差信号の変換を行い、前記第2変換モードが選択された場合、選択された前記変換基底を用いて、前記符号化対象ブロックにおける一部の領域に対する前記予測誤差信号の変換を行い、前記符号化対象ブロックのサイズであるブロックサイズが、DCT2(Discrete Cosine Transform Type-II)の使用可能な最大サイズの半分以下である閾値サイズよりも大きい第1サイズである場合、前記1つ以上の変換基底は、DCT2を含み、DCT4(Discrete Cosine Transform Type-IV)及びDST4(Discrete Sine Transform Type-IV)を含まず、前記ブロックサイズが、前記閾値サイズ以下の第2サイズである場合、前記1つ以上の変換基底は、DCT4及びDST4の少なくとも一方を含む。
また、例えば、本開示の一態様に係る復号方法は、動画像を復号する復号方法であって、前記動画像に含まれる復号対象ブロックの変換係数信号を復号し、前記変換係数信号の逆変換を行うことにより、前記復号対象ブロックの予測誤差信号を生成し、前記変換係数信号の逆変換において、第1逆変換モード及び第2逆変換モードのうち一方を選択し、1つ以上の逆変換基底の中から逆変換基底を選択し、前記第1逆変換モードが選択された場合、選択された前記逆変換基底を用いて、前記復号対象ブロックにおける全ての領域に対する前記予測誤差信号の逆変換を行い、前記第2逆変換モードが選択された場合、選択された前記逆変換基底を用いて、前記復号対象ブロックにおける一部の領域に対する前記予測誤差信号の逆変換を行い、前記復号対象ブロックのサイズであるブロックサイズが、IDCT2(Inverse Discrete Cosine Transform Type-II)の使用可能な最大サイズの半分以下である閾値サイズよりも大きい第1サイズである場合、前記1つ以上の逆変換基底は、IDCT2を含み、IDCT4(Inverse Discrete Cosine Transform Type-IV)及びIDST4(Inverse Discrete Sine Transform Type-IV)を含まず、前記ブロックサイズが、前記閾値サイズ以下の第2サイズである場合、前記1つ以上の逆変換基底は、IDCT4及びIDST4の少なくとも一方を含む。
あるいは、例えば、本開示の一態様に係る符号化装置は、予測画像を用いて動画像を符号化する符号化装置であって、分割部と、イントラ予測部と、インター予測部と、変換部と、量子化部と、エントロピー符号化部とを備える。
前記分割部は、前記動画像を構成する符号化対象ピクチャを複数のブロックに分割する。前記イントラ予測部は、前記符号化対象ピクチャにおける参照画像を用いて前記符号化対象ピクチャにおける符号化対象ブロックの前記予測画像を生成するイントラ予測を行う。前記インター予測部は、前記符号化対象ピクチャとは異なる参照ピクチャにおける参照画像を用いて前記符号化対象ブロックの前記予測画像を生成するインター予測を行う。
前記変換部は、前記イントラ予測部又は前記インター予測部で生成された前記予測画像と、前記符号化対象ブロックの画像との間における予測誤差信号を変換して、前記符号化対象ブロックの変換係数信号を生成する。前記量子化部は、前記変換係数信号を量子化する。前記エントロピー符号化部は、量子化済みの前記変換係数信号を符号化する。
また、例えば、前記変換部は、複数の変換基底の中から、前記予測誤差信号の変換に用いられる変換基底を選択し、前記変換基底を用いて前記予測誤差信号の変換を行うことにより、前記変換係数信号を生成する。前記エントロピー符号化部は、イントラ予測が用いられる場合とインター予測が用いられる場合とで共通の対応関係で前記複数の変換基底に対応付けられた複数のインデックス値のうち、前記変換基底に対応付けられたインデックス値を符号化する。
あるいは、例えば、前記変換部は、複数の変換基底の中から変換基底を、前記変換基底を用いて前記予測誤差信号の変換を行うことにより生成される前記変換係数信号に含まれる非ゼロ係数が所定数よりも多いか否かに基づいて選択し、前記変換基底を用いて前記予測誤差信号の変換を行う。
あるいは、例えば、前記変換部は、1つ以上の変換基底の中から変換基底を選択し、選択された前記変換基底を用いて前記予測誤差信号の変換を行う。前記符号化対象ブロックのサイズであるブロックサイズが、DCT2の使用可能な最大サイズの半分以下である閾値サイズよりも大きい第1サイズである場合、前記1つ以上の変換基底は、DCT2を含み、DCT4及びDST4を含まない。前記ブロックサイズが、前記閾値サイズ以下の第2サイズである場合、前記1つ以上の変換基底は、DCT4及びDST4の少なくとも一方を含む。前記ブロックサイズが、前記閾値サイズ以下であって、前記第2サイズとは異なる第3サイズである場合、前記1つ以上の変換基底は、DCT4及びDST4とは異なる変換基底を含む。前記ブロックサイズが前記第2サイズである場合の前記1つ以上の変換基底は、前記第3サイズである場合の前記1つ以上の変換基底とは異なる。
あるいは、例えば、前記変換部は、第1変換モード及び第2変換モードのうち一方を選択し、1つ以上の変換基底の中から変換基底を選択する。前記第1変換モードが選択された場合、前記変換部は、選択された前記変換基底を用いて、前記符号化対象ブロックにおける全ての領域に対する前記予測誤差信号の変換を行う。前記第2変換モードが選択された場合、前記変換部は、選択された前記変換基底を用いて、前記符号化対象ブロックにおける一部の領域に対する前記予測誤差信号の変換を行う。前記符号化対象ブロックのサイズであるブロックサイズが、DCT2の使用可能な最大サイズの半分以下である閾値サイズよりも大きい第1サイズである場合、前記1つ以上の変換基底は、DCT2を含み、DCT4及びDST4を含まない。前記ブロックサイズが、前記閾値サイズ以下の第2サイズである場合、前記1つ以上の変換基底は、DCT4及びDST4の少なくとも一方を含む。
あるいは、例えば、本開示の一態様に係る復号装置は、予測画像を用いて動画像を復号する復号装置であって、エントロピー復号部と、逆量子化部と、逆変換部と、イントラ予測部と、インター予測部と、加算部(再構成部)とを備える。
前記エントロピー復号部は、前記動画像を構成する復号対象ピクチャにおける復号対象ブロックの量子化済みの変換係数信号を復号する。前記逆量子化部は、量子化済みの前記変換係数信号を逆量子化する。前記逆変換部は、前記変換係数信号を逆変換して、前記復号対象ブロックの予測誤差信号を取得する。
前記イントラ予測部は、前記復号対象ピクチャにおける参照画像を用いて前記復号対象ブロックの前記予測画像を生成するイントラ予測を行う。前記インター予測部は、前記復号対象ピクチャとは異なる参照ピクチャにおける参照画像を用いて前記復号対象ブロックの前記予測画像を生成するインター予測を行う。前記加算部は、前記イントラ予測部又は前記インター予測部で生成された前記予測画像と、前記予測誤差信号とを足し合わせて、前記復号対象ブロックの画像を再構成する。
また、例えば、前記エントロピー復号部は、インデックス値を復号する。前記逆変換部は、イントラ予測が用いられる場合とインター予測が用いられる場合とで共通の対応関係で複数のインデックス値に対応付けられた複数の逆変換基底の中から、前記インデックス値に対応付けられた逆変換基底を選択する。また、前記逆変換部は、前記逆変換基底を用いて、前記変換係数信号の逆変換を行うことにより、前記予測誤差信号を生成する。
あるいは、例えば、前記逆変換部は、複数の逆変換基底の中から逆変換基底を、前記変換係数信号に含まれる非ゼロ係数が所定数よりも多いか否かに基づいて選択し、前記逆変換基底を用いて前記変換係数信号の逆変換を行う。
あるいは、例えば、前記逆変換部は、1つ以上の逆変換基底の中から逆変換基底を選択し、選択された前記逆変換基底を用いて前記変換係数信号の逆変換を行う。前記復号対象ブロックのサイズであるブロックサイズが、IDCT2の使用可能な最大サイズの半分以下である閾値サイズよりも大きい第1サイズである場合、前記1つ以上の逆変換基底は、IDCT2を含み、IDCT4及びIDST4を含まない。前記ブロックサイズが、前記閾値サイズ以下の第2サイズである場合、前記1つ以上の逆変換基底は、IDCT4及びIDST4の少なくとも一方を含む。前記ブロックサイズが、前記閾値サイズ以下であって、前記第2サイズとは異なる第3サイズである場合、前記1つ以上の逆変換基底は、IDCT4及びIDST4とは異なる逆変換基底を含む。前記ブロックサイズが前記第2サイズである場合の前記1つ以上の逆変換基底は、前記第3サイズである場合の前記1つ以上の逆変換基底とは異なる。
あるいは、例えば、前記逆変換部は、第1逆変換モード及び第2逆変換モードのうち一方を選択し、1つ以上の逆変換基底の中から逆変換基底を選択する。前記第1逆変換モードが選択された場合、前記逆変換部は、選択された前記逆変換基底を用いて、前記復号対象ブロックにおける全ての領域に対する前記予測誤差信号の逆変換を行う。前記第2逆変換モードが選択された場合、前記逆変換部は、選択された前記逆変換基底を用いて、前記復号対象ブロックにおける一部の領域に対する前記予測誤差信号の逆変換を行う。前記復号対象ブロックのサイズであるブロックサイズが、IDCT2の使用可能な最大サイズの半分以下である閾値サイズよりも大きい第1サイズである場合、前記1つ以上の逆変換基底は、IDCT2を含み、IDCT4及びIDST4を含まない。前記ブロックサイズが、前記閾値サイズ以下の第2サイズである場合、前記1つ以上の逆変換基底は、IDCT4及びIDST4の少なくとも一方を含む。
さらに、これらの包括的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム、又は、コンピュータ読み取り可能なCD-ROMなどの非一時的な記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラム、及び、記録媒体の任意な組み合わせで実現されてもよい。
以下、実施の形態について図面を参照しながら具体的に説明する。なお、以下で説明する実施の形態は、いずれも包括的または具体的な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、ステップの関係及び順序などは、一例であり、請求の範囲を限定する主旨ではない。
以下では、符号化装置および復号化装置の実施の形態を説明する。実施の形態は、本開示の各態様で説明する処理および/または構成を適用可能な符号化装置および復号化装置の例である。処理および/または構成は、実施の形態とは異なる符号化装置および復号化装置においても実施可能である。例えば、実施の形態に対して適用される処理および/または構成に関して、例えば以下のいずれかを実施してもよい。
(1)本開示の各態様で説明する実施の形態の符号化装置または復号装置の複数の構成要素のうちいずれかは、本開示の各態様のいずれかで説明する他の構成要素に置き換えまたは組み合わせられてもよい。
(2)実施の形態の符号化装置または復号装置において、当該符号化装置または復号装置の複数の構成要素のうち一部の構成要素によって行われる機能または処理に、機能または処理の追加、置き換え、削除などの任意の変更がなされてもよい。例えば、いずれかの機能または処理は、本開示の各態様のいずれかで説明する他の機能または処理に、置き換えまたは組み合わせられてもよい。
(3)実施の形態の符号化装置または復号装置が実施する方法において、当該方法に含まれる複数の処理のうちの一部の処理について、追加、置き換えおよび削除などの任意の変更がなされてもよい。例えば、方法におけるいずれかの処理は、本開示の各態様のいずれかで説明する他の処理に、置き換えまたは組み合わせられてもよい。
(4)実施の形態の符号化装置または復号装置を構成する複数の構成要素のうちの一部の構成要素は、本開示の各態様のいずれかで説明する構成要素と組み合わせられてもよいし、本開示の各態様のいずれかで説明する機能の一部を備える構成要素と組み合わせられてもよいし、本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせられてもよい。
(5)実施の形態の符号化装置または復号装置の機能の一部を備える構成要素、または、実施の形態の符号化装置または復号装置の処理の一部を実施する構成要素は、本開示の各態様いずれかで説明する構成要素と、本開示の各態様でいずれかで説明する機能の一部を備える構成要素と、または、本開示の各態様のいずれかで説明する処理の一部を実施する構成要素と組み合わせまたは置き換えられてもよい。
(6)実施の形態の符号化装置または復号装置が実施する方法において、当該方法に含まれる複数の処理のいずれかは、本開示の各態様のいずれかで説明する処理に、または、同様のいずれかの処理に、置き換えまたは組み合わせられてもよい。
(7)実施の形態の符号化装置または復号装置が実施する方法に含まれる複数の処理のうちの一部の処理は、本開示の各態様のいずれかで説明する処理と組み合わせられてもよい。
(8)本開示の各態様で説明する処理および/または構成の実施の仕方は、実施の形態の符号化装置または復号装置に限定されるものではない。例えば、処理および/または構成は、実施の形態において開示する動画像符号化または動画像復号とは異なる目的で利用される装置において実施されてもよい。
(実施の形態1)
[符号化装置]
まず、本実施の形態に係る符号化装置を説明する。図1は、本実施の形態に係る符号化装置100の機能構成を示すブロック図である。符号化装置100は、動画像をブロック単位で符号化する動画像符号化装置である。
[符号化装置]
まず、本実施の形態に係る符号化装置を説明する。図1は、本実施の形態に係る符号化装置100の機能構成を示すブロック図である。符号化装置100は、動画像をブロック単位で符号化する動画像符号化装置である。
図1に示すように、符号化装置100は、画像をブロック単位で符号化する装置であって、分割部102と、減算部104と、変換部106と、量子化部108と、エントロピー符号化部110と、逆量子化部112と、逆変換部114と、加算部116と、ブロックメモリ118と、ループフィルタ部120と、フレームメモリ122と、イントラ予測部124と、インター予測部126と、予測制御部128と、を備える。
符号化装置100は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、分割部102、減算部104、変換部106、量子化部108、エントロピー符号化部110、逆量子化部112、逆変換部114、加算部116、ループフィルタ部120、イントラ予測部124、インター予測部126及び予測制御部128として機能する。また、符号化装置100は、分割部102、減算部104、変換部106、量子化部108、エントロピー符号化部110、逆量子化部112、逆変換部114、加算部116、ループフィルタ部120、イントラ予測部124、インター予測部126及び予測制御部128に対応する専用の1以上の電子回路として実現されてもよい。
以下に、符号化装置100の全体的な処理の流れを説明した後に、符号化装置100に含まれる各構成要素について説明する。
[符号化処理の全体フロー]
図2は、符号化装置100による全体的な符号化処理の一例を示すフローチャートである。
図2は、符号化装置100による全体的な符号化処理の一例を示すフローチャートである。
まず、符号化装置100の分割部102は、動画像である入力画像に含まれる各ピクチャを複数の固定サイズのブロック(128×128画素)に分割する(ステップSa_1)。そして、分割部102は、その固定サイズのブロックに対して分割パターン(ブロック形状ともいう)を選択する(ステップSa_2)。つまり、分割部102は、固定サイズのブロックを、その選択された分割パターンを構成する複数のブロックに、さらに分割する。そして、符号化装置100は、その複数のブロックのそれぞれについて、そのブロック(すなわち符号化対象ブロック)に対してステップSa_3~Sa_9の処理を行う。
つまり、イントラ予測部124、インター予測部126および予測制御部128の全てまたは一部からなる予測処理部は、符号化対象ブロック(カレントブロックともいう)の予測信号(予測ブロックともいう)を生成する(ステップSa_3)。
次に、減算部104は、符号化対象ブロックと予測ブロックとの差分を予測残差(差分ブロックともいう)として生成する(ステップSa_4)。
次に、変換部106および量子化部108は、その差分ブロックに対して変換および量子化を行うことによって、複数の量子化係数を生成する(ステップSa_5)。なお、複数の量子化係数からなるブロックを係数ブロックともいう。
次に、エントロピー符号化部110は、その係数ブロックと、予測信号の生成に関する予測パラメータとに対して符号化(具体的にはエントロピー符号化)を行うことによって、符号化信号を生成する(ステップSa_6)。なお、符号化信号は、符号化ビットストリーム、圧縮ビットストリーム、またはストリームともいう。
次に、逆量子化部112および逆変換部114は、係数ブロックに対して逆量子化および逆変換を行うことによって、複数の予測残差(すなわち差分ブロック)を復元する(ステップSa_7)。
次に、加算部116は、その復元された差分ブロックに予測ブロックを加算することによってカレントブロックを再構成画像(再構成ブロックまたは復号画像ブロックともいう)に再構成する(ステップSa_8)。これにより、再構成画像が生成される。
この再構成画像が生成されると、ループフィルタ部120は、その再構成画像に対してフィルタリングを必要に応じて行う(ステップSa_9)。
そして、符号化装置100は、ピクチャ全体の符号化が完了したか否かを判定し(ステップSa_10)、完了していないと判定する場合(ステップSa_10のNo)、ステップSa_2からの処理を繰り返し実行する。
なお、上述の例では、符号化装置100は、固定サイズのブロックに対して1つの分割パターンを選択し、その分割パターンにしたがって各ブロックの符号化を行うが、複数の分割パターンのそれぞれにしたがって各ブロックの符号化を行ってもよい。この場合には、符号化装置100は、複数の分割パターンのそれぞれに対するコストを評価し、例えば最も小さいコストの分割パターンにしたがった符号化によって得られる符号化信号を、最終的に出力される符号化信号として選択してもよい。
また、これらのステップSa_1~Sa_10の処理は、符号化装置100によってシーケンシャルに行われてもよく、それらの処理のうちの一部の複数の処理が並列に行われてもよく、順番が入れ替えられてもよい。
[分割部]
分割部102は、入力動画像に含まれる各ピクチャを複数のブロックに分割し、各ブロックを減算部104に出力する。例えば、分割部102は、まず、ピクチャを固定サイズ(例えば128x128)のブロックに分割する。この固定サイズのブロックは、符号化ツリーユニット(CTU)と呼ばれることがある。そして、分割部102は、例えば再帰的な四分木(quadtree)及び/又は二分木(binary tree)ブロック分割に基づいて、固定サイズのブロックの各々を可変サイズ(例えば64x64以下)のブロックに分割する。すなわち、分割部102は、分割パターンを選択する。この可変サイズのブロックは、符号化ユニット(CU)、予測ユニット(PU)あるいは変換ユニット(TU)と呼ばれることがある。なお、種々の実装例では、CU、PU及びTUは区別される必要はなく、ピクチャ内の一部又はすべてのブロックがCU、PU、TUの処理単位となってもよい。
分割部102は、入力動画像に含まれる各ピクチャを複数のブロックに分割し、各ブロックを減算部104に出力する。例えば、分割部102は、まず、ピクチャを固定サイズ(例えば128x128)のブロックに分割する。この固定サイズのブロックは、符号化ツリーユニット(CTU)と呼ばれることがある。そして、分割部102は、例えば再帰的な四分木(quadtree)及び/又は二分木(binary tree)ブロック分割に基づいて、固定サイズのブロックの各々を可変サイズ(例えば64x64以下)のブロックに分割する。すなわち、分割部102は、分割パターンを選択する。この可変サイズのブロックは、符号化ユニット(CU)、予測ユニット(PU)あるいは変換ユニット(TU)と呼ばれることがある。なお、種々の実装例では、CU、PU及びTUは区別される必要はなく、ピクチャ内の一部又はすべてのブロックがCU、PU、TUの処理単位となってもよい。
図3は、本実施の形態におけるブロック分割の一例を示す図である。図3において、実線は四分木ブロック分割によるブロック境界を表し、破線は二分木ブロック分割によるブロック境界を表す。
ここでは、ブロック10は、128x128画素の正方形ブロック(128x128ブロック)である。この128x128ブロック10は、まず、4つの正方形の64x64ブロックに分割される(四分木ブロック分割)。
左上の64x64ブロックは、さらに2つの矩形の32x64ブロックに垂直に分割され、左の32x64ブロックはさらに2つの矩形の16x64ブロックに垂直に分割される(二分木ブロック分割)。その結果、左上の64x64ブロックは、2つの16x64ブロック11、12と、32x64ブロック13とに分割される。
右上の64x64ブロックは、2つの矩形の64x32ブロック14、15に水平に分割される(二分木ブロック分割)。
左下の64x64ブロックは、4つの正方形の32x32ブロックに分割される(四分木ブロック分割)。4つの32x32ブロックのうち左上のブロック及び右下のブロックはさらに分割される。左上の32x32ブロックは、2つの矩形の16x32ブロックに垂直に分割され、右の16x32ブロックはさらに2つの16x16ブロックに水平に分割される(二分木ブロック分割)。右下の32x32ブロックは、2つの32x16ブロックに水平に分割される(二分木ブロック分割)。その結果、左下の64x64ブロックは、16x32ブロック16と、2つの16x16ブロック17、18と、2つの32x32ブロック19、20と、2つの32x16ブロック21、22とに分割される。
右下の64x64ブロック23は分割されない。
以上のように、図3では、ブロック10は、再帰的な四分木及び二分木ブロック分割に基づいて、13個の可変サイズのブロック11~23に分割される。このような分割は、QTBT(quad-tree plus binary tree)分割と呼ばれることがある。
なお、図3では、1つのブロックが4つ又は2つのブロックに分割されていたが(四分木又は二分木ブロック分割)、分割はこれらに限定されない。例えば、1つのブロックが3つのブロックに分割されてもよい(三分木ブロック分割)。このような三分木ブロック分割を含む分割は、MBT(multi type tree)分割と呼ばれることがある。
[ピクチャの構成 スライス/タイル]
ピクチャを並列にデコードするために、ピクチャはスライス単位またはタイル単位で構成される場合がある。スライス単位またはタイル単位からなるピクチャは、分割部102によって構成されてもよい。
ピクチャを並列にデコードするために、ピクチャはスライス単位またはタイル単位で構成される場合がある。スライス単位またはタイル単位からなるピクチャは、分割部102によって構成されてもよい。
スライスは、ピクチャを構成する基本的な符号化の単位である。ピクチャは、例えば1つ以上のスライスから構成される。また、スライスは、1つ以上の連続するCTU(Coding Tree Unit)からなる。
図4Aは、スライスの構成の一例を示す図である。例えば、ピクチャは、11×8個のCTUを含み、かつ、4つのスライス(スライス1-4)に分割される。スライス1は、16個のCTUからなり、スライス2は、21個のCTUからなり、スライス3は、29個のCTUからなり、スライス4は、22個のCTUからなる。ここで、ピクチャ内の各CTUは、いずれかのスライスに属する。スライスの形状は、ピクチャを水平方向に分割した形になる。スライスの境界は、画面端である必要はなく、画面内のCTUの境界のうちどこであってもよい。スライスの中のCTUの処理順(符号化順または復号順)は、例えばラスタ・スキャン順である。また、スライスは、ヘッダ情報と符号化データを含む。ヘッダ情報には、スライスの先頭のCTUアドレス、スライス・タイプなどそのスライスの特徴が記述されてもよい。
タイルは、ピクチャを構成する矩形領域の単位である。各タイルにはTileIdと呼ばれる番号がラスタ・スキャン順に割り振られてもよい。
図4Bは、タイルの構成の一例を示す図である。例えば、ピクチャは、11×8個のCTUを含み、かつ、4つの矩形領域のタイル(タイル1-4)に分割される。タイルが使用される場合、タイルが使用されない場合と比べてCTUの処理順が変更される。タイルが使用されない場合、ピクチャ内の複数のCTUはラスタ・スキャン順に処理される。タイルが使用される場合には、複数のタイルのそれぞれにおいて、少なくとも1つのCTUがラスタ・スキャン順に処理される。例えば、図4Bに示すように、タイル1に含まれる複数のCTUの処理順は、タイル1の1列目左端からタイル1の1列目右端まで向かい、次に、タイル1の2列目左端からタイル1の2列目右端まで向かう順である。
なお、1つのタイルは、1つ以上のスライスを含む場合があり、1つのスライスは、1つ以上のタイルを含む場合がある。
[減算部]
減算部104は、分割部102から入力され、分割部102によって分割されたブロック単位で、原信号(原サンプル)から予測信号(以下に示す予測制御部128から入力される予測サンプル)を減算する。つまり、減算部104は、符号化対象ブロック(以下、カレントブロックという)の予測誤差(残差ともいう)を算出する。そして、減算部104は、算出された予測誤差(残差)を変換部106に出力する。
減算部104は、分割部102から入力され、分割部102によって分割されたブロック単位で、原信号(原サンプル)から予測信号(以下に示す予測制御部128から入力される予測サンプル)を減算する。つまり、減算部104は、符号化対象ブロック(以下、カレントブロックという)の予測誤差(残差ともいう)を算出する。そして、減算部104は、算出された予測誤差(残差)を変換部106に出力する。
原信号は、符号化装置100の入力信号であり、動画像を構成する各ピクチャの画像を表す信号(例えば輝度(luma)信号及び2つの色差(chroma)信号)である。以下において、画像を表す信号をサンプルということもある。
[変換部]
変換部106は、空間領域の予測誤差を周波数領域の変換係数に変換し、変換係数を量子化部108に出力する。具体的には、変換部106は、例えば空間領域の予測誤差に対して予め定められた離散コサイン変換(DCT)又は離散サイン変換(DST)を行う。
変換部106は、空間領域の予測誤差を周波数領域の変換係数に変換し、変換係数を量子化部108に出力する。具体的には、変換部106は、例えば空間領域の予測誤差に対して予め定められた離散コサイン変換(DCT)又は離散サイン変換(DST)を行う。
なお、変換部106は、複数の変換タイプの中から適応的に変換タイプを選択し、選択された変換タイプに対応する変換基底関数(transform basis function)を用いて、予測誤差を変換係数に変換してもよい。このような変換は、EMT(explicit multiple core transform)又はAMT(adaptive multiple transform)と呼ばれることがある。
複数の変換タイプは、例えば、DCT-II、DCT-V、DCT-VIII、DST-I及びDST-VIIを含む。図5Aは、各変換タイプに対応する変換基底関数を示す表である。図5AにおいてNは入力画素の数を示す。これらの複数の変換タイプの中からの変換タイプの選択は、例えば、予測の種類(イントラ予測及びインター予測)に依存してもよいし、イントラ予測モードに依存してもよい。
このようなEMT又はAMTを適用するか否かを示す情報(例えばEMTフラグまたはAMTフラグと呼ばれる)及び選択された変換タイプを示す情報は、通常、CUレベルで信号化される。なお、これらの情報の信号化は、CUレベルに限定される必要はなく、他のレベル(例えば、ビットシーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はCTUレベル)であってもよい。
また、変換部106は、変換係数(変換結果)を再変換してもよい。このような再変換は、AST(adaptive secondary transform)又はNSST(non-separable secondary transform)と呼ばれることがある。例えば、変換部106は、イントラ予測誤差に対応する変換係数のブロックに含まれるサブブロック(例えば4x4サブブロック)ごとに再変換を行う。NSSTを適用するか否かを示す情報及びNSSTに用いられる変換行列に関する情報は、通常、CUレベルで信号化される。なお、これらの情報の信号化は、CUレベルに限定される必要はなく、他のレベル(例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はCTUレベル)であってもよい。
変換部106には、Separableな変換と、Non-Separableな変換とが適用されてもよい。Separableな変換とは、入力の次元の数だけ方向ごとに分離して複数回変換を行う方式であり、Non-Separableな変換とは、入力が多次元であった際に2つ以上の次元をまとめて1次元とみなして、まとめて変換を行う方式である。
例えば、Non-Separableな変換の一例として、入力が4×4のブロックであった場合にはそれを16個の要素を持ったひとつの配列とみなし、その配列に対して16×16の変換行列で変換処理を行うようなものが挙げられる。
また、Non-Separableな変換のさらなる例では、4×4の入力ブロックを16個の要素を持ったひとつの配列とみなした後に、その配列に対してGivens回転を複数回行うような変換(Hypercube Givens Transform)が行われてもよい。
変換部106での変換では、CU内の領域に応じて周波数領域に変換する基底のタイプを切替えることもできる。一例として、SVT(Spatially Varying Transform)がある。SVTでは、図5Bに示すように、水平あるいは垂直方向にCUを2等分し、いずれか一方の領域のみ周波数領域への変換を行う。変換基底のタイプは領域毎に設定でき、例えば、DST7とDCT8が用いられる。本例ではCU内の2つの領域のうち、どちらか一方のみ変換を行い、もう一方は変換を行わないが、2つの領域共に変換してもよい。また、分割方法も2等分だけでなく、4等分、あるいは分割を示す情報を別途符号化してCU分割と同様にシグナリングするなど、より柔軟にすることもできる。なお、SVTは、SBT(Sub-block Transform)と呼ぶこともある。
[量子化部]
量子化部108は、変換部106から出力された変換係数を量子化する。具体的には、量子化部108は、カレントブロックの変換係数を所定の走査順序で走査し、走査された変換係数に対応する量子化パラメータ(QP)に基づいて当該変換係数を量子化する。そして、量子化部108は、カレントブロックの量子化された変換係数(以下、量子化係数という)をエントロピー符号化部110及び逆量子化部112に出力する。
量子化部108は、変換部106から出力された変換係数を量子化する。具体的には、量子化部108は、カレントブロックの変換係数を所定の走査順序で走査し、走査された変換係数に対応する量子化パラメータ(QP)に基づいて当該変換係数を量子化する。そして、量子化部108は、カレントブロックの量子化された変換係数(以下、量子化係数という)をエントロピー符号化部110及び逆量子化部112に出力する。
所定の走査順序は、変換係数の量子化/逆量子化のための順序である。例えば、所定の走査順序は、周波数の昇順(低周波から高周波の順)又は降順(高周波から低周波の順)で定義される。
量子化パラメータ(QP)とは、量子化ステップ(量子化幅)を定義するパラメータである。例えば、量子化パラメータの値が増加すれば量子化ステップも増加する。つまり、量子化パラメータの値が増加すれば量子化誤差が増大する。
また、量子化には、量子化マトリックスが使用される場合がある。例えば、4x4および8x8などの周波数変換サイズと、イントラ予測およびインター予測などの予測モードと、輝度および色差などの画素成分とに対応して数種類の量子化マトリックスが使われる場合がある。なお、量子化とは、予め定められた間隔でサンプリングした値を予め定められたレベルに対応づけてデジタル化することをいい、この技術分野では、丸め、ラウンディング、スケーリングといった表現が用いられる場合もある。
量子化マトリックスを使用する方法として、符号化装置側で直接設定された量子化マトリックスを使用する方法と、デフォルトの量子化マトリックス(デフォルトマトリックス)を使用する方法とがある。符号化装置側では、量子化マトリックスを直接設定することにより、画像の特徴に応じた量子化マトリックスを設定することができる。しかし、この場合、量子化マトリックスの符号化によって、符号量が増加するというデメリットがある。
一方、量子化マトリックスを使用せず、高域成分の係数も低域成分の係数も同じように量子化する方法もある。なお、この方法は、係数が全て同じ値である量子化マトリックス(フラットなマトリックス)を用いる方法に等しい。
量子化マトリックスは、例えば、SPS(シーケンスパラメータセット:Sequence Parameter Set)またはPPS(ピクチャパラメータセット:Picture Parameter Set)で指定されてもよい。SPSは、シーケンスに対して用いられるパラメータを含み、PPSは、ピクチャに対して用いられるパラメータを含む。SPSとPPSとは、単にパラメータセットと呼ばれる場合がある。
[エントロピー符号化部]
エントロピー符号化部110は、量子化部108から入力された量子化係数に基づいて符号化信号(符号化ビットストリーム)を生成する。具体的には、エントロピー符号化部110は、例えば、量子化係数を二値化し、二値信号を算術符号化し、圧縮されたビットストリームまたはシーケンスを出力する。
エントロピー符号化部110は、量子化部108から入力された量子化係数に基づいて符号化信号(符号化ビットストリーム)を生成する。具体的には、エントロピー符号化部110は、例えば、量子化係数を二値化し、二値信号を算術符号化し、圧縮されたビットストリームまたはシーケンスを出力する。
[逆量子化部]
逆量子化部112は、量子化部108から入力された量子化係数を逆量子化する。具体的には、逆量子化部112は、カレントブロックの量子化係数を所定の走査順序で逆量子化する。そして、逆量子化部112は、カレントブロックの逆量子化された変換係数を逆変換部114に出力する。
逆量子化部112は、量子化部108から入力された量子化係数を逆量子化する。具体的には、逆量子化部112は、カレントブロックの量子化係数を所定の走査順序で逆量子化する。そして、逆量子化部112は、カレントブロックの逆量子化された変換係数を逆変換部114に出力する。
[逆変換部]
逆変換部114は、逆量子化部112から入力された変換係数を逆変換することにより予測誤差(残差)を復元する。具体的には、逆変換部114は、変換係数に対して、変換部106による変換に対応する逆変換を行うことにより、カレントブロックの予測誤差を復元する。そして、逆変換部114は、復元された予測誤差を加算部116に出力する。
逆変換部114は、逆量子化部112から入力された変換係数を逆変換することにより予測誤差(残差)を復元する。具体的には、逆変換部114は、変換係数に対して、変換部106による変換に対応する逆変換を行うことにより、カレントブロックの予測誤差を復元する。そして、逆変換部114は、復元された予測誤差を加算部116に出力する。
なお、復元された予測誤差は、通常、量子化により情報が失われているので、減算部104が算出した予測誤差と一致しない。すなわち、復元された予測誤差には、通常、量子化誤差が含まれている。
[加算部]
加算部116は、逆変換部114から入力された予測誤差と予測制御部128から入力された予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部116は、再構成されたブロックをブロックメモリ118及びループフィルタ部120に出力する。再構成ブロックは、ローカル復号ブロックと呼ばれることもある。
加算部116は、逆変換部114から入力された予測誤差と予測制御部128から入力された予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部116は、再構成されたブロックをブロックメモリ118及びループフィルタ部120に出力する。再構成ブロックは、ローカル復号ブロックと呼ばれることもある。
[ブロックメモリ]
ブロックメモリ118は、例えば、イントラ予測で参照されるブロックであって符号化対象ピクチャ(カレントピクチャという)内のブロックを格納するための記憶部である。具体的には、ブロックメモリ118は、加算部116から出力された再構成ブロックを格納する。
ブロックメモリ118は、例えば、イントラ予測で参照されるブロックであって符号化対象ピクチャ(カレントピクチャという)内のブロックを格納するための記憶部である。具体的には、ブロックメモリ118は、加算部116から出力された再構成ブロックを格納する。
[フレームメモリ]
フレームメモリ122は、例えば、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ122は、ループフィルタ部120によってフィルタされた再構成ブロックを格納する。
フレームメモリ122は、例えば、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ122は、ループフィルタ部120によってフィルタされた再構成ブロックを格納する。
[ループフィルタ部]
ループフィルタ部120は、加算部116によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ122に出力する。ループフィルタとは、符号化ループ内で用いられるフィルタ(インループフィルタ)であり、例えば、デブロッキング・フィルタ(DFまたはDBF)、サンプルアダプティブオフセット(SAO)及びアダプティブループフィルタ(ALF)などを含む。
ループフィルタ部120は、加算部116によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ122に出力する。ループフィルタとは、符号化ループ内で用いられるフィルタ(インループフィルタ)であり、例えば、デブロッキング・フィルタ(DFまたはDBF)、サンプルアダプティブオフセット(SAO)及びアダプティブループフィルタ(ALF)などを含む。
ALFでは、符号化歪みを除去するための最小二乗誤差フィルタが適用され、例えばカレントブロック内の2x2サブブロックごとに、局所的な勾配(gradient)の方向及び活性度(activity)に基づいて複数のフィルタの中から選択された1つのフィルタが適用される。
具体的には、まず、サブブロック(例えば2x2サブブロック)が複数のクラス(例えば15又は25クラス)に分類される。サブブロックの分類は、勾配の方向及び活性度に基づいて行われる。例えば、勾配の方向値D(例えば0~2又は0~4)と勾配の活性値A(例えば0~4)とを用いて分類値C(例えばC=5D+A)が算出される。そして、分類値Cに基づいて、サブブロックが複数のクラスに分類される。
勾配の方向値Dは、例えば、複数の方向(例えば水平、垂直及び2つの対角方向)の勾配を比較することにより導出される。また、勾配の活性値Aは、例えば、複数の方向の勾配を加算し、加算結果を量子化することにより導出される。
このような分類の結果に基づいて、複数のフィルタの中からサブブロックのためのフィルタが決定される。
ALFで用いられるフィルタの形状としては例えば円対称形状が利用される。図6A~図6Cは、ALFで用いられるフィルタの形状の複数の例を示す図である。図6Aは、5x5ダイヤモンド形状フィルタを示し、図6Bは、7x7ダイヤモンド形状フィルタを示し、図6Cは、9x9ダイヤモンド形状フィルタを示す。フィルタの形状を示す情報は、通常、ピクチャレベルで信号化される。なお、フィルタの形状を示す情報の信号化は、ピクチャレベルに限定される必要はなく、他のレベル(例えば、シーケンスレベル、スライスレベル、タイルレベル、CTUレベル又はCUレベル)であってもよい。
ALFのオン/オフは、例えば、ピクチャレベル又はCUレベルで決定されてもよい。例えば、輝度についてはCUレベルでALFを適用するか否かが決定されてもよく、色差についてはピクチャレベルでALFを適用するか否かが決定されてもよい。ALFのオン/オフを示す情報は、通常、ピクチャレベル又はCUレベルで信号化される。なお、ALFのオン/オフを示す情報の信号化は、ピクチャレベル又はCUレベルに限定される必要はなく、他のレベル(例えば、シーケンスレベル、スライスレベル、タイルレベル又はCTUレベル)であってもよい。
選択可能な複数のフィルタ(例えば15又は25までのフィルタ)の係数セットは、通常、ピクチャレベルで信号化される。なお、係数セットの信号化は、ピクチャレベルに限定される必要はなく、他のレベル(例えば、シーケンスレベル、スライスレベル、タイルレベル、CTUレベル、CUレベル又はサブブロックレベル)であってもよい。
[ループフィルタ部 > デブロッキング・フィルタ]
デブロッキング・フィルタでは、ループフィルタ部120は、再構成画像のブロック境界にフィルタ処理を行うことによって、そのブロック境界に生じる歪みを減少させる。
デブロッキング・フィルタでは、ループフィルタ部120は、再構成画像のブロック境界にフィルタ処理を行うことによって、そのブロック境界に生じる歪みを減少させる。
図7は、デブロッキング・フィルタとして機能するループフィルタ部120の詳細な構成の一例を示すブロック図である。
ループフィルタ部120は、境界判定部1201、フィルタ判定部1203と、フィルタ処理部1205と、処理判定部1208と、フィルタ特性決定部1207と、スイッチ1202、1204および1206とを備える。
境界判定部1201は、デブロッキング・フィルタ処理される画素(すなわち対象画素)がブロック境界付近に存在しているか否かを判定する。そして、境界判定部1201は、その判定結果をスイッチ1202および処理判定部1208に出力する。
スイッチ1202は、対象画素がブロック境界付近に存在していると境界判定部1201によって判定された場合には、フィルタ処理前の画像を、スイッチ1204に出力する。逆に、スイッチ1202は、境界判定部1201によって対象画素がブロック境界付近に存在していないと判定された場合には、フィルタ処理前の画像をスイッチ1206に出力する。
フィルタ判定部1203は、対象画素の周辺にある少なくとも1つの周辺画素の画素値に基づいて、対象画素に対してデブロッキング・フィルタ処理を行うか否かを判定する。そして、フィルタ判定部1203は、その判定結果をスイッチ1204および処理判定部1208に出力する。
スイッチ1204は、対象画素にデブロッキング・フィルタ処理を行うとフィルタ判定部1203によって判定された場合には、スイッチ1202を介して取得したフィルタ処理前の画像を、フィルタ処理部1205に出力する。逆に、スイッチ1204は、対象画素にデブロッキング・フィルタ処理を行わないとフィルタ判定部1203によって判定された場合には、スイッチ1202を介して取得したフィルタ処理前の画像をスイッチ1206に出力する。
フィルタ処理部1205は、スイッチ1202および1204を介してフィルタ処理前の画像を取得した場合には、フィルタ特性決定部1207によって決定されたフィルタ特性を有するデブロッキング・フィルタ処理を、対象画素に対して実行する。そして、フィルタ処理部1205は、そのフィルタ処理後の画素をスイッチ1206に出力する。
スイッチ1206は、処理判定部1208による制御に応じて、デブロッキング・フィルタ処理されていない画素と、フィルタ処理部1205によってデブロッキング・フィルタ処理された画素とを選択的に出力する。
処理判定部1208は、境界判定部1201およびフィルタ判定部1203のそれぞれの判定結果に基づいて、スイッチ1206を制御する。つまり、処理判定部1208は、対象画素がブロック境界付近に存在していると境界判定部1201によって判定され、かつ、対象画素にデブロッキング・フィルタ処理を行うとフィルタ判定部1203によって判定された場合には、デブロッキング・フィルタ処理された画素をスイッチ1206から出力させる。また、上述の場合以外では、処理判定部1208は、デブロッキング・フィルタ処理されていない画素をスイッチ1206から出力させる。このような画素の出力が繰り返し行われることによって、フィルタ処理後の画像がスイッチ1206から出力される。
図8は、ブロック境界に対して対称なフィルタ特性を有するデブロッキング・フィルタの例を示す図である。
デブロッキング・フィルタ処理では、例えば、画素値と量子化パラメータを用いて、特性の異なる2つのデブロッキング・フィルタ、すなわちストロングフィルタおよびウィークフィルタのうちの何れか1つが選択される。ストロングフィルタでは、図8に示すように、ブロック境界を挟んで画素p0~p2と、画素q0~q2とが存在する場合、画素q0~q2のそれぞれの画素値は、以下の式に示す演算を行うことによって、画素値q’0~q’2に変更される。
q’0=(p1+2×p0+2×q0+2×q1+q2+4)/8
q’1=(p0+q0+q1+q2+2)/4
q’2=(p0+q0+q1+3×q2+2×q3+4)/8
q’1=(p0+q0+q1+q2+2)/4
q’2=(p0+q0+q1+3×q2+2×q3+4)/8
なお、上述の式において、p0~p2およびq0~q2は、画素p0~p2および画素q0~q2のそれぞれの画素値である。また、q3は、画素q2にブロック境界と反対側に隣接する画素q3の画素値である。また、上述の各式の右辺において、デブロッキング・フィルタ処理に用いられる各画素の画素値に乗算される係数が、フィルタ係数である。
さらに、デブロッキング・フィルタ処理では、演算後の画素値が閾値を超えて変化しないように、クリップ処理が行われてもよい。このクリップ処理では、上述の式による演算後の画素値は、量子化パラメータから決定される閾値を用いて、「演算前の画素値±2×閾値」にクリップされる。これにより、過度な平滑化を防ぐことができる。
図9は、デブロッキング・フィルタ処理が行われるブロック境界を説明するための図である。図10は、Bs値の一例を示す図である。
デブロッキング・フィルタ処理が行われるブロック境界は、例えば、図9で示すような8×8画素ブロックのPU(Prediction Unit)またはTU(Transform Unit)の境界である。デブロッキング・フィルタ処理は、4行または4列を単位に行われる。まず、図9に示すブロックPおよびブロックQに対して、図10のようにBs(Boundary Strength)値が決定される。
図10のBs値にしたがい、同一の画像に属するブロック境界であっても、異なる強さのデブロッキング・フィルタ処理を行うか否かが決定される。色差信号に対するデブロッキング・フィルタ処理は、Bs値が2の場合に行われる。輝度信号に対するデブロッキング・フィルタ処理は、Bs値が1以上であって、所定の条件が満たされた場合に行われる。なお、Bs値の判定条件は図10に示したものに限定されず、他のパラメータに基づいて決定されてもよい。
[予測処理部(イントラ予測部・インター予測部・予測制御部)]
図11は、符号化装置100の予測処理部で行われる処理の一例を示す図である。なお、予測処理部は、イントラ予測部124、インター予測部126、および予測制御部128の全てまたは一部の構成要素からなる。
図11は、符号化装置100の予測処理部で行われる処理の一例を示す図である。なお、予測処理部は、イントラ予測部124、インター予測部126、および予測制御部128の全てまたは一部の構成要素からなる。
予測処理部は、カレントブロックの予測画像を生成する(ステップSb_1)。この予測画像は、予測信号または予測ブロックともいう。なお、予測信号には、例えばイントラ予測信号またはインター予測信号がある。具体的には、予測処理部は、予測ブロックの生成、差分ブロックの生成、係数ブロックの生成、差分ブロックの復元、および復号画像ブロックの生成が行われることによって既に得られている再構成画像を用いて、カレントブロックの予測画像を生成する。
再構成画像は、例えば、参照ピクチャの画像であってもよいし、カレントブロックを含むピクチャであるカレントピクチャ内の符号化済みのブロックの画像であってもよい。カレントピクチャ内の符号化済みのブロックは、例えばカレントブロックの隣接ブロックである。
図12は、符号化装置100の予測処理部で行われる処理の他の例を示す図である。
予測処理部は、第1の方式で予測画像を生成し(ステップSc_1a)、第2の方式で予測画像を生成し(ステップSc_1b)、第3の方式で予測画像を生成する(ステップSc_1c)。第1の方式、第2の方式、および第3の方式は、予測画像を生成するための互いに異なる方式であって、それぞれ例えば、インター予測方式、イントラ予測方式、および、それら以外の予測方式であってもよい。これらの予測方式では、上述の再構成画像を用いてもよい。
次に、予測処理部は、ステップSc_1a、Sc_1b、およびSc_1cで生成された複数の予測画像のうちの何れか1つを選択する(ステップSc_2)。この予測画像の選択、すなわち最終的な予測画像を得るための方式またはモードの選択は、生成された各予測画像に対するコストを算出し、そのコストに基づいて行われてもよい。または、その予測画像の選択は、符号化の処理に用いられるパラメータに基づいて行われてもよい。符号化装置100は、その選択された予測画像、方式またはモードを特定するための情報を符号化信号(符号化ビットストリームともいう)に信号化してもよい。その情報は、例えばフラグなどであってもよい。これにより、復号装置は、その情報に基づいて、符号化装置100において選択された方式またはモードにしたがって予測画像を生成することができる。なお、図12に示す例では、予測処理部は、各方式で予測画像を生成した後に、何れかの予測画像を選択する。しかし、予測処理部は、それらの予測画像を生成する前に、上述の符号化の処理に用いられるパラメータに基づいて、方式またはモードを選択し、その方式またはモードにしたがって予測画像を生成してもよい。
例えば、第1の方式および第2の方式は、それぞれイントラ予測およびインター予測であって、予測処理部は、これらの予測方式にしたがって生成される予測画像から、カレントブロックに対する最終的な予測画像を選択してもよい。
図13は、符号化装置100の予測処理部で行われる処理の他の例を示す図である。
まず、予測処理部は、イントラ予測によって予測画像を生成し(ステップSd_1a)、インター予測によって予測画像を生成する(ステップSd_1b)。なお、イントラ予測によって生成された予測画像を、イントラ予測画像ともいい、インター予測によって生成された予測画像を、インター予測画像ともいう。
次に、予測処理部は、イントラ予測画像およびインター予測画像のそれぞれを評価する(ステップSd_2)。この評価には、コストが用いられてもよい。つまり、予測処理部は、イントラ予測画像およびインター予測画像のそれぞれのコストCを算出する。このコストCは、R-D最適化モデルの式、例えば、C=D+λ×Rによって算出される。この式において、Dは、予測画像の符号化歪であって、例えば、カレントブロックの画素値と予測画像の画素値との差分絶対値和などによって表される。また、Rは、予測画像の発生符号量であって、具体的には、予測画像を生成するための動き情報などの符号化に必要な符号量などである。また、λは、例えばラグランジュの未定乗数である。
そして、予測処理部は、イントラ予測画像およびインター予測画像から、最も小さいコストCが算出された予測画像を、カレントブロックの最終的な予測画像として選択する(ステップSd_3)。つまり、カレントブロックの予測画像を生成するための予測方式またはモードが選択される。
[イントラ予測部]
イントラ予測部124は、ブロックメモリ118に格納されたカレントピクチャ内のブロックを参照してカレントブロックのイントラ予測(画面内予測ともいう)を行うことで、予測信号(イントラ予測信号)を生成する。具体的には、イントラ予測部124は、カレントブロックに隣接するブロックのサンプル(例えば輝度値、色差値)を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部128に出力する。
イントラ予測部124は、ブロックメモリ118に格納されたカレントピクチャ内のブロックを参照してカレントブロックのイントラ予測(画面内予測ともいう)を行うことで、予測信号(イントラ予測信号)を生成する。具体的には、イントラ予測部124は、カレントブロックに隣接するブロックのサンプル(例えば輝度値、色差値)を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部128に出力する。
例えば、イントラ予測部124は、予め規定された複数のイントラ予測モードのうちの1つを用いてイントラ予測を行う。複数のイントラ予測モードは、通常、1以上の非方向性予測モードと、複数の方向性予測モードと、を含む。
1以上の非方向性予測モードは、例えばH.265/HEVC規格で規定されたPlanar予測モード及びDC予測モードを含む。
複数の方向性予測モードは、例えばH.265/HEVC規格で規定された33方向の予測モードを含む。なお、複数の方向性予測モードは、33方向に加えてさらに32方向の予測モード(合計で65個の方向性予測モード)を含んでもよい。図14は、イントラ予測における全67個のイントラ予測モード(2個の非方向性予測モード及び65個の方向性予測モード)を示す図である。実線矢印は、H.265/HEVC規格で規定された33方向を表し、破線矢印は、追加された32方向を表す。(2個の非方向性予測モードは図14には図示されていない。)
種々の実装例では、色差ブロックのイントラ予測において、輝度ブロックが参照されてもよい。つまり、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分が予測されてもよい。このようなイントラ予測は、CCLM(cross-component linear model)予測と呼ばれることがある。このような輝度ブロックを参照する色差ブロックのイントラ予測モード(例えばCCLMモードと呼ばれる)は、色差ブロックのイントラ予測モードの1つとして加えられてもよい。
イントラ予測部124は、水平/垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正してもよい。このような補正をともなうイントラ予測は、PDPC(position dependent intra prediction combination)と呼ばれることがある。PDPCの適用の有無を示す情報(例えばPDPCフラグと呼ばれる)は、通常、CUレベルで信号化される。なお、この情報の信号化は、CUレベルに限定される必要はなく、他のレベル(例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はCTUレベル)であってもよい。
[インター予測部]
インター予測部126は、フレームメモリ122に格納された参照ピクチャであってカレントピクチャとは異なる参照ピクチャを参照してカレントブロックのインター予測(画面間予測ともいう)を行うことで、予測信号(インター予測信号)を生成する。インター予測は、カレントブロック又はカレントブロック内のカレントサブブロック(例えば4x4ブロック)の単位で行われる。例えば、インター予測部126は、カレントブロック又はカレントサブブロックについて参照ピクチャ内で動き探索(motion estimation)を行い、そのカレントブロック又はカレントサブブロックに最も一致する参照ブロック又はサブブロックを見つける。そして、インター予測部126は、参照ブロック又はサブブロックからカレントブロック又はサブブロックへの動き又は変化を補償する動き情報(例えば動きベクトル)を取得する。インター予測部126は、その動き情報に基づいて、動き補償(または動き予測)を行い、カレントブロック又はサブブロックのインター予測信号を生成する。インター予測部126は、生成されたインター予測信号を予測制御部128に出力する。
インター予測部126は、フレームメモリ122に格納された参照ピクチャであってカレントピクチャとは異なる参照ピクチャを参照してカレントブロックのインター予測(画面間予測ともいう)を行うことで、予測信号(インター予測信号)を生成する。インター予測は、カレントブロック又はカレントブロック内のカレントサブブロック(例えば4x4ブロック)の単位で行われる。例えば、インター予測部126は、カレントブロック又はカレントサブブロックについて参照ピクチャ内で動き探索(motion estimation)を行い、そのカレントブロック又はカレントサブブロックに最も一致する参照ブロック又はサブブロックを見つける。そして、インター予測部126は、参照ブロック又はサブブロックからカレントブロック又はサブブロックへの動き又は変化を補償する動き情報(例えば動きベクトル)を取得する。インター予測部126は、その動き情報に基づいて、動き補償(または動き予測)を行い、カレントブロック又はサブブロックのインター予測信号を生成する。インター予測部126は、生成されたインター予測信号を予測制御部128に出力する。
動き補償に用いられた動き情報は、多様な形態でインター予測信号として信号化されてもよい。例えば、動きベクトルが信号化されてもよい。他の例として、動きベクトルと予測動きベクトル(motion vector predictor)との差分が信号化されてもよい。
[インター予測の基本フロー]
図15は、インター予測の基本的な流れを示すフローチャートである。
図15は、インター予測の基本的な流れを示すフローチャートである。
インター予測部126は、まず、予測画像を生成する(ステップSe_1~Se_3)。次に、減算部104は、カレントブロックと予測画像との差分を予測残差として生成する(ステップSe_4)。
ここで、インター予測部126は、予測画像の生成では、カレントブロックの動きベクトル(MV)の決定(ステップSe_1およびSe_2)と、動き補償(ステップSe_3)とを行うことによって、その予測画像を生成する。また、インター予測部126は、MVの決定では、候補動きベクトル(候補MV)の選択(ステップSe_1)と、MVの導出(ステップSe_2)とを行うことによって、そのMVを決定する。候補MVの選択は、例えば、候補MVリストから少なくとも1つの候補MVを選択することによって行われる。また、MVの導出では、インター予測部126は、少なくとも1つの候補MVから、さらに少なくとも1つの候補MVを選択することによって、その選択された少なくとも1つの候補MVを、カレントブロックのMVとして決定してもよい。あるいは、インター予測部126は、その選択された少なくとも1つの候補MVのそれぞれについて、その候補MVで指示される参照ピクチャの領域を探索することによって、カレントブロックのMVを決定してもよい。なお、この参照ピクチャの領域を探索することを、動き探索(motion estimation)と称してもよい。
また、上述の例では、ステップSe_1~Se_3は、インター予測部126によって行われるが、例えばステップSe_1またはステップSe_2などの処理は、符号化装置100に含まれる他の構成要素によって行われてもよい。
[動きベクトルの導出のフロー]
図16は、動きベクトル導出の一例を示すフローチャートである。
図16は、動きベクトル導出の一例を示すフローチャートである。
インター予測部126は、動き情報(例えばMV)を符号化するモードで、カレントブロックのMVを導出する。この場合、例えば動き情報が予測パラメータとして符号化されて、信号化される。つまり、符号化された動き情報が、符号化信号(符号化ビットストリームともいう)に含まれる。
あるいは、インター予測部126は、動き情報を符号化しないモードでMVを導出する。この場合には、動き情報は、符号化信号に含まれない。
ここで、MV導出のモードには、後述のノーマルインターモード、マージモード、FRUCモードおよびアフィンモードなどがある。これらのモードのうち、動き情報を符号化するモードには、ノーマルインターモード、マージモード、およびアフィンモード(具体的には、アフィンインターモードおよびアフィンマージモード)などがある。なお、動き情報には、MVだけでなく、後述の予測動きベクトル選択情報が含まれてもよい。また、動き情報を符号化しないモードには、FRUCモードなどがある。インター予測部126は、これらの複数のモードから、カレントブロックのMVを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのMVを導出する。
図17は、動きベクトル導出の他の例を示すフローチャートである。
インター予測部126は、差分MVを符号化するモードで、カレントブロックのMVを導出する。この場合、例えば差分MVが予測パラメータとして符号化されて、信号化される。つまり、符号化された差分MVが、符号化信号に含まれる。この差分MVは、カレントブロックのMVと、その予測MVとの差である。
あるいは、インター予測部126は、差分MVを符号化しないモードでMVを導出する。この場合には、符号化された差分MVは、符号化信号に含まれない。
ここで、上述のようにMVの導出のモードには、後述のノーマルインター、マージモード、FRUCモードおよびアフィンモードなどがある。これらのモードのうち、差分MVを符号化するモードには、ノーマルインターモードおよびアフィンモード(具体的には、アフィンインターモード)などがある。また、差分MVを符号化しないモードには、FRUCモード、マージモードおよびアフィンモード(具体的には、アフィンマージモード)などがある。インター予測部126は、これらの複数のモードから、カレントブロックのMVを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのMVを導出する。
[動きベクトルの導出のフロー]
図18は、動きベクトル導出の他の例を示すフローチャートである。MV導出のモード、すなわちインター予測モードには、複数のモードがあり、大きく分けて、差分MVを符号化するモードと、差分動きベクトルを符号化しないモードとがある。差分MVを符号化しないモードには、マージモード、FRUCモード、およびアフィンモード(具体的には、アフィンマージモード)がある。これらのモードの詳細については、後述するが、簡単には、マージモードは、周辺の符号化済みブロックから動きベクトルを選択することによって、カレントブロックのMVを導出するモードであり、FRUCモードは、符号化済み領域間で探索を行うことによって、カレントブロックのMVを導出するモードである。また、アフィンモードは、アフィン変換を想定して、カレントブロックを構成する複数のサブブロックそれぞれの動きベクトルを、カレントブロックのMVとして導出するモードである。
図18は、動きベクトル導出の他の例を示すフローチャートである。MV導出のモード、すなわちインター予測モードには、複数のモードがあり、大きく分けて、差分MVを符号化するモードと、差分動きベクトルを符号化しないモードとがある。差分MVを符号化しないモードには、マージモード、FRUCモード、およびアフィンモード(具体的には、アフィンマージモード)がある。これらのモードの詳細については、後述するが、簡単には、マージモードは、周辺の符号化済みブロックから動きベクトルを選択することによって、カレントブロックのMVを導出するモードであり、FRUCモードは、符号化済み領域間で探索を行うことによって、カレントブロックのMVを導出するモードである。また、アフィンモードは、アフィン変換を想定して、カレントブロックを構成する複数のサブブロックそれぞれの動きベクトルを、カレントブロックのMVとして導出するモードである。
具体的には、インター予測部126は、インター予測モード情報が0を示す場合(Sf_1で0)、マージモードにより動きベクトルを導出する(Sf_2)。また、インター予測部126は、インター予測モード情報が1を示す場合(Sf_1で1)、FRUCモードにより動きベクトルを導出する(Sf_3)。また、インター予測部126は、インター予測モード情報が2を示す場合(Sf_1で2)、アフィンモード(具体的には、アフィンマージモード)により動きベクトルを導出する(Sf_4)。また、インター予測部126は、インター予測モード情報が3を示す場合(Sf_1で3)、差分MVを符号化するモード(例えば、ノーマルインターモード)により動きベクトルを導出する(Sf_5)。
[MV導出 > ノーマルインターモード]
ノーマルインターモードは、候補MVによって示される参照ピクチャの領域から、カレントブロックの画像に類似するブロックを見つけ出すことによって、カレントブロックのMVを導出するインター予測モードである。また、このノーマルインターモードでは、差分MVが符号化される。
ノーマルインターモードは、候補MVによって示される参照ピクチャの領域から、カレントブロックの画像に類似するブロックを見つけ出すことによって、カレントブロックのMVを導出するインター予測モードである。また、このノーマルインターモードでは、差分MVが符号化される。
図19は、ノーマルインターモードによるインター予測の例を示すフローチャートである。
インター予測部126は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのMVなどの情報に基づいて、そのカレントブロックに対して複数の候補MVを取得する(ステップSg_1)。つまり、インター予測部126は、候補MVリストを作成する。
次に、インター予測部126は、ステップSg_1で取得された複数の候補MVの中から、N個(Nは2以上の整数)の候補MVのそれぞれを予測動きベクトル候補(予測MV候補ともいう)として、予め決められた優先順位に従って抽出する(ステップSg_2)。なお、その優先順位は、N個の候補MVのそれぞれに対して予め定められている。
次に、インター予測部126は、そのN個の予測動きベクトル候補の中から1つの予測動きベクトル候補を、カレントブロックの予測動きベクトル(予測MVともいう)として選択する(ステップSg_3)。このとき、インター予測部126は、選択された予測動きベクトルを識別するための予測動きベクトル選択情報をストリームに符号化する。なお、ストリームは、上述の符号化信号または符号化ビットストリームである。
次に、インター予測部126は、符号化済み参照ピクチャを参照し、カレントブロックのMVを導出する(ステップSg_4)。このとき、インター予測部126は、さらに、その導出されたMVと予測動きベクトルとの差分値を差分MVとしてストリームに符号化する。なお、符号化済み参照ピクチャは、符号化後に再構成された複数のブロックからなるピクチャである。
最後に、インター予測部126は、その導出されたMVと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する(ステップSg_5)。なお、予測画像は、上述のインター予測信号である。
また、符号化信号に含められる、予測画像の生成に用いられたインター予測モード(上述の例ではノーマルインターモード)を示す情報は、例えば予測パラメータとして符号化される。
なお、候補MVリストは、他のモードに用いられるリストと共通に用いられてもよい。また、候補MVリストに関する処理を、他のモードに用いられるリストに関する処理に適用してもよい。この候補MVリストに関する処理は、例えば、候補MVリストからの候補MVの抽出もしくは選択、候補MVの並び替え、または、候補MVの削除などである。
[MV導出 > マージモード]
マージモードは、候補MVリストから候補MVをカレントブロックのMVとして選択することによって、そのMVを導出するインター予測モードである。
マージモードは、候補MVリストから候補MVをカレントブロックのMVとして選択することによって、そのMVを導出するインター予測モードである。
図20は、マージモードによるインター予測の例を示すフローチャートである。
インター予測部126は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのMVなどの情報に基づいて、そのカレントブロックに対して複数の候補MVを取得する(ステップSh_1)。つまり、インター予測部126は、候補MVリストを作成する。
次に、インター予測部126は、ステップSh_1で取得された複数の候補MVの中から1つの候補MVを選択することによって、カレントブロックのMVを導出する(ステップSh_2)。このとき、インター予測部126は、選択された候補MVを識別するためのMV選択情報をストリームに符号化する。
最後に、インター予測部126は、その導出されたMVと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する(ステップSh_3)。
また、符号化信号に含められる、予測画像の生成に用いられたインター予測モード(上述の例ではマージモード)を示す情報は、例えば予測パラメータとして符号化される。
図21は、マージモードによるカレントピクチャの動きベクトル導出処理の一例を説明するための図である。
まず、予測MVの候補を登録した予測MVリストを生成する。予測MVの候補としては、対象ブロックの空間的に周辺に位置する複数の符号化済みブロックが持つMVである空間隣接予測MV、符号化済み参照ピクチャにおける対象ブロックの位置を投影した近辺のブロックが持つMVである時間隣接予測MV、空間隣接予測MVと時間隣接予測MVのMV値を組み合わせて生成したMVである結合予測MV、および値がゼロのMVであるゼロ予測MV等がある。
次に、予測MVリストに登録されている複数の予測MVの中から1つの予測MVを選択することで、対象ブロックのMVとして決定する。
さらに、可変長符号化部では、どの予測MVを選択したかを示す信号であるmerge_idxをストリームに記述して符号化する。
なお、図21で説明した予測MVリストに登録する予測MVは一例であり、図中の個数とは異なる個数であったり、図中の予測MVの一部の種類を含まない構成であったり、図中の予測MVの種類以外の予測MVを追加した構成であったりしてもよい。
マージモードにより導出した対象ブロックのMVを用いて、後述するDMVR(dynamic motion vector refreshing)処理を行うことによって最終的なMVを決定してもよい。
なお、予測MVの候補は、上述の候補MVであり、予測MVリストは、上述の候補MVリストである。また、候補MVリストを、候補リストと称してもよい。また、merge_idxは、MV選択情報である。
[MV導出 > FRUCモード]
動き情報は符号化装置側から信号化されずに、復号装置側で導出されてもよい。なお、上述のように、H.265/HEVC規格で規定されたマージモードが用いられてもよい。また例えば、復号装置側で動き探索を行うことにより動き情報が導出されてもよい。この場合、復号装置側では、カレントブロックの画素値を用いずに動き探索が行われる。
動き情報は符号化装置側から信号化されずに、復号装置側で導出されてもよい。なお、上述のように、H.265/HEVC規格で規定されたマージモードが用いられてもよい。また例えば、復号装置側で動き探索を行うことにより動き情報が導出されてもよい。この場合、復号装置側では、カレントブロックの画素値を用いずに動き探索が行われる。
ここで、復号装置側で動き探索を行うモードについて説明する。この復号装置側で動き探索を行うモードは、PMMVD(pattern matched motion vector derivation)モード又はFRUC(frame rate up-conversion)モードと呼ばれることがある。
FRUC処理の一例を図22に示す。まず、カレントブロックに空間的又は時間的に隣接する符号化済みブロックの動きベクトルを参照して、各々が予測動きベクトル(MV)を有する複数の候補のリスト(すなわち、候補MVリストであって、マージリストと共通であってもよい)が生成される(ステップSi_1)。次に、候補MVリストに登録されている複数の候補MVの中からベスト候補MVを選択する(ステップSi_2)。例えば、候補MVリストに含まれる各候補MVの評価値が算出され、評価値に基づいて1つの候補MVが選択される。そして、選択された候補の動きベクトルに基づいて、カレントブロックのための動きベクトルが導出される(ステップSi_4)。具体的には、例えば、選択された候補の動きベクトル(ベスト候補MV)がそのままカレントブロックのための動きベクトルとして導出される。また例えば、選択された候補の動きベクトルに対応する参照ピクチャ内の位置の周辺領域において、パターンマッチングを行うことにより、カレントブロックのための動きベクトルが導出されてもよい。すなわち、ベスト候補MVの周辺の領域に対して、参照ピクチャにおけるパターンマッチングおよび評価値を用いた探索を行い、さらに評価値が良い値となるMVがあった場合は、ベスト候補MVを前記MVに更新して、それをカレントブロックの最終的なMVとしてもよい。より良い評価値を有するMVへの更新を行う処理を実施しない構成とすることも可能である。
最後に、インター予測部126は、その導出されたMVと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する(ステップSi_5)。
サブブロック単位で処理を行う場合も全く同様の処理としてもよい。
評価値は、種々の方法によって算出されてもよい。例えば、動きベクトルに対応する参照ピクチャ内の領域の再構成画像と、所定の領域(その領域は、例えば、以下に示すように、他の参照ピクチャの領域またはカレントピクチャの隣接ブロックの領域であってもよい)の再構成画像とを比較する。そして、2つの再構成画像の画素値の差分を算出して、動きベクトルの評価値に用いてもよい。なお、差分値に加えてそれ以外の情報を用いて評価値を算出してもよい。
次に、パターンマッチングについて詳細に説明する。まず、候補MVリスト(例えばマージリスト)に含まれる1つの候補MVを、パターンマッチングによる探索のスタートポイントとして選択する。パターンマッチングとしては、第1パターンマッチング又は第2パターンマッチングが用いられる。第1パターンマッチング及び第2パターンマッチングは、それぞれ、バイラテラルマッチング(bilateral matching)及びテンプレートマッチング(template matching)と呼ばれることがある。
[MV導出 > FRUC > バイラテラルマッチング]
第1パターンマッチングでは、異なる2つの参照ピクチャ内の2つのブロックであってカレントブロックの動き軌道(motion trajectory)に沿う2つのブロックの間でパターンマッチングが行われる。したがって、第1パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントブロックの動き軌道に沿う他の参照ピクチャ内の領域が用いられる。
第1パターンマッチングでは、異なる2つの参照ピクチャ内の2つのブロックであってカレントブロックの動き軌道(motion trajectory)に沿う2つのブロックの間でパターンマッチングが行われる。したがって、第1パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントブロックの動き軌道に沿う他の参照ピクチャ内の領域が用いられる。
図23は、動き軌道に沿う2つの参照ピクチャにおける2つのブロック間での第1パターンマッチング(バイラテラルマッチング)の一例を説明するための図である。図23に示すように、第1パターンマッチングでは、カレントブロック(Cur block)の動き軌道に沿う2つのブロックであって異なる2つの参照ピクチャ(Ref0、Ref1)内の2つのブロックのペアの中で最もマッチするペアを探索することにより2つの動きベクトル(MV0、MV1)が導出される。具体的には、カレントブロックに対して、候補MVで指定された第1の符号化済み参照ピクチャ(Ref0)内の指定位置における再構成画像と、前記候補MVを表示時間間隔でスケーリングした対称MVで指定された第2の符号化済み参照ピクチャ(Ref1)内の指定位置における再構成画像との差分を導出し、得られた差分値を用いて評価値を算出する。複数の候補MVの中で最も評価値が良い値となる候補MVを最終MVとして選択するとよい。
連続的な動き軌道の仮定の下では、2つの参照ブロックを指し示す動きベクトル(MV0、MV1)は、カレントピクチャ(Cur Pic)と2つの参照ピクチャ(Ref0、Ref1)との間の時間的な距離(TD0、TD1)に対して比例する。例えば、カレントピクチャが時間的に2つの参照ピクチャの間に位置し、カレントピクチャから2つの参照ピクチャへの時間的な距離が等しい場合、第1パターンマッチングでは、鏡映対称な双方向の動きベクトルが導出される。
[MV導出 > FRUC > テンプレートマッチング]
第2パターンマッチング(テンプレートマッチング)では、カレントピクチャ内のテンプレート(カレントピクチャ内でカレントブロックに隣接するブロック(例えば上及び/又は左隣接ブロック))と参照ピクチャ内のブロックとの間でパターンマッチングが行われる。したがって、第2パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントピクチャ内のカレントブロックに隣接するブロックが用いられる。
第2パターンマッチング(テンプレートマッチング)では、カレントピクチャ内のテンプレート(カレントピクチャ内でカレントブロックに隣接するブロック(例えば上及び/又は左隣接ブロック))と参照ピクチャ内のブロックとの間でパターンマッチングが行われる。したがって、第2パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントピクチャ内のカレントブロックに隣接するブロックが用いられる。
図24は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング(テンプレートマッチング)の一例を説明するための図である。図24に示すように、第2パターンマッチングでは、カレントピクチャ(Cur Pic)内でカレントブロック(Cur block)に隣接するブロックと最もマッチするブロックを参照ピクチャ(Ref0)内で探索することによりカレントブロックの動きベクトルが導出される。具体的には、カレントブロックに対して、左隣接および上隣接の両方もしくはどちらか一方の符号化済み領域の再構成画像と、候補MVで指定された符号化済み参照ピクチャ(Ref0)内の同等位置における再構成画像との差分を導出し、得られた差分値を用いて評価値を算出し、複数の候補MVの中で最も評価値が良い値となる候補MVをベスト候補MVとして選択するとよい。
このようなFRUCモードを適用するか否かを示す情報(例えばFRUCフラグと呼ばれる)は、CUレベルで信号化されてもよい。また、FRUCモードが適用される場合(例えばFRUCフラグが真の場合)、適用可能なパターンマッチングの方法(第1パターンマッチング又は第2パターンマッチング)を示す情報がCUレベルで信号化されてもよい。なお、これらの情報の信号化は、CUレベルに限定される必要はなく、他のレベル(例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、CTUレベル又はサブブロックレベル)であってもよい。
[MV導出 > アフィンモード]
次に、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出するアフィンモードについて説明する。このモードは、アフィン動き補償予測(affine motion compensation prediction)モードと呼ばれることがある。
次に、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出するアフィンモードについて説明する。このモードは、アフィン動き補償予測(affine motion compensation prediction)モードと呼ばれることがある。
図25Aは、複数の隣接ブロックの動きベクトルに基づくサブブロック単位の動きベクトルの導出の一例を説明するための図である。図25Aにおいて、カレントブロックは、16の4x4サブブロックを含む。ここでは、隣接ブロックの動きベクトルに基づいてカレントブロックの左上角制御ポイントの動きベクトルv0が導出され、同様に、隣接サブブロックの動きベクトルに基づいてカレントブロックの右上角制御ポイントの動きベクトルv1が導出される。そして、以下の式(1A)により、2つの動きベクトルv0及びv1を投影して、カレントブロック内の各サブブロックの動きベクトル(vx,vy)が導出される。
ここで、x及びyは、それぞれ、サブブロックの水平位置及び垂直位置を示し、wは、予め定められた重み係数を示す。
このようなアフィンモードを示す情報(例えばアフィンフラグと呼ばれる)は、CUレベルで信号化されてもよい。なお、このアフィンモードを示す情報の信号化は、CUレベルに限定される必要はなく、他のレベル(例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、CTUレベル又はサブブロックレベル)であってもよい。
また、このようなアフィンモードでは、左上及び右上角制御ポイントの動きベクトルの導出方法が異なるいくつかのモードを含んでもよい。例えば、アフィンモードには、アフィンインター(アフィンノーマルインターともいう)モードと、アフィンマージモードの2つのモードがある。
[MV導出 > アフィンモード]
図25Bは、3つの制御ポイントを有するアフィンモードにおけるサブブロック単位の動きベクトルの導出の一例を説明するための図である。図25Bにおいて、カレントブロックは、16の4x4サブブロックを含む。ここでは、隣接ブロックの動きベクトルに基づいてカレントブロックの左上角制御ポイントの動きベクトルv0が導出され、同様に、隣接ブロックの動きベクトルに基づいてカレントブロックの右上角制御ポイントの動きベクトルv1、隣接ブロックの動きベクトルに基づいてカレントブロックの左下角制御ポイントの動きベクトルv2が導出される。そして、以下の式(1B)により、3つの動きベクトルv0、v1及びv2を投影して、カレントブロック内の各サブブロックの動きベクトル(vx,vy)が導出される。
図25Bは、3つの制御ポイントを有するアフィンモードにおけるサブブロック単位の動きベクトルの導出の一例を説明するための図である。図25Bにおいて、カレントブロックは、16の4x4サブブロックを含む。ここでは、隣接ブロックの動きベクトルに基づいてカレントブロックの左上角制御ポイントの動きベクトルv0が導出され、同様に、隣接ブロックの動きベクトルに基づいてカレントブロックの右上角制御ポイントの動きベクトルv1、隣接ブロックの動きベクトルに基づいてカレントブロックの左下角制御ポイントの動きベクトルv2が導出される。そして、以下の式(1B)により、3つの動きベクトルv0、v1及びv2を投影して、カレントブロック内の各サブブロックの動きベクトル(vx,vy)が導出される。
ここで、x及びyは、それぞれ、サブブロック中心の水平位置及び垂直位置を示し、wは、カレントブロックの幅、hは、カレントブロックの高さを示す。
異なる制御ポイント数(例えば、2つと3つ)のアフィンモードは、CUレベルで切り替えて信号化されてもよい。なお、CUレベルで使用しているアフィンモードの制御ポイント数を示す情報を、他のレベル(例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、CTUレベル又はサブブロックレベル)で信号化してもよい。
また、このような3つの制御ポイントを有するアフィンモードでは、左上、右上及び左下角制御ポイントの動きベクトルの導出方法が異なるいくつかのモードを含んでもよい。例えば、アフィンモードには、アフィンインター(アフィンノーマルインターともいう)モードと、アフィンマージモードの2つのモードがある。
[MV導出 > アフィンマージモード]
図26A、図26Bおよび図26Cは、アフィンマージモードを説明するための概念図である。
図26A、図26Bおよび図26Cは、アフィンマージモードを説明するための概念図である。
アフィンマージモードでは、図26Aに示すように、例えば、カレントブロックに隣接する符号化済みブロックA(左)、ブロックB(上)、ブロックC(右上)、ブロックD(左下)およびブロックE(左上)のうち、アフィンモードで符号化されたブロックに対応する複数の動きベクトルに基づいて、カレントブロックの制御ポイントのそれぞれの予測動きベクトルが算出される。具体的には、符号化済みブロックA(左)、ブロックB(上)、ブロックC(右上)、ブロックD(左下)およびブロックE(左上)の順序でこれらのブロックが検査され、アフィンモードで符号化された最初の有効なブロックが特定される。この特定されたブロックに対応する複数の動きベクトルに基づいて、カレントブロックの制御ポイントの予測動きベクトルが算出される。
例えば、図26Bに示すように、カレントブロックの左に隣接するブロックAが2つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックAを含む符号化済みブロックの左上角および右上角の位置に投影した動きベクトルv3およびv4が導出される。そして、導出された動きベクトルv3およびv4から、カレントブロックの左上角の制御ポイントの予測動きベクトルv0と、右上角の制御ポイントの予測動きベクトルv1が算出される。
例えば、図26Cに示すように、カレントブロックの左に隣接するブロックAが3つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックAを含む符号化済みブロックの左上角、右上角および左下角の位置に投影した動きベクトルv3、v4およびv5が導出される。そして、導出された動きベクトルv3、v4およびv5から、カレントブロックの左上角の制御ポイントの予測動きベクトルv0と、右上角の制御ポイントの予測動きベクトルv1と、左下角の制御ポイントの予測動きベクトルv2が算出される。
なお、後述する図29のステップSj_1におけるカレントブロックの制御ポイントのそれぞれの予測動きベクトルの導出に、この予測動きベクトル導出方法を用いてもよい。
図27は、アフィンマージモードの一例を示すフローチャートである。
アフィンマージモードでは、まず、インター予測部126は、カレントブロックの制御ポイントのそれぞれの予測MVを導出する(ステップSk_1)。制御ポイントは、図25Aに示すように、カレントブロックの左上角および右上角のポイント、或いは図25Bに示すように、カレントブロックの左上角、右上角および左下角のポイントである。
つまり、インター予測部126は、図26Aに示すように、符号化済みブロックA(左)、ブロックB(上)、ブロックC(右上)、ブロックD(左下)およびブロックE(左上)の順序にこれらのブロックを検査し、アフィンモードで符号化された最初の有効なブロックを特定する。
そして、ブロックAが特定されブロックAが2つの制御ポイントを有する場合、図26Bに示すように、インター予測部126は、ブロックAを含む符号化済みブロックの左上角および右上角の動きベクトルv3およびv4から、カレントブロックの左上角の制御ポイントの動きベクトルv0と、右上角の制御ポイントの動きベクトルv1とを算出する。例えば、インター予測部126は、符号化済みブロックの左上角および右上角の動きベクトルv3およびv4を、カレントブロックに投影することによって、カレントブロックの左上角の制御ポイントの予測動きベクトルv0と、右上角の制御ポイントの予測動きベクトルv1とを算出する。
或いは、ブロックAが特定されブロックAが3つの制御ポイントを有する場合、図26Cに示すように、インター予測部126は、ブロックAを含む符号化済みブロックの左上角、右上角および左下角の動きベクトルv3、v4およびv5から、カレントブロックの左上角の制御ポイントの動きベクトルv0と、右上角の制御ポイントの動きベクトルv1、左下角の制御ポイントの動きベクトルv2とを算出する。例えば、インター予測部126は、符号化済みブロックの左上角、右上角および左下角の動きベクトルv3、v4およびv5を、カレントブロックに投影することによって、カレントブロックの左上角の制御ポイントの予測動きベクトルv0と、右上角の制御ポイントの予測動きベクトルv1、左下角の制御ポイントの動きベクトルv2とを算出する。
次に、インター予測部126は、カレントブロックに含まれる複数のサブブロックのそれぞれについて、動き補償を行う。すなわち、インター予測部126は、その複数のサブブロックのそれぞれについて、2つの予測動きベクトルv0およびv1と上述の式(1A)、或いは3つの予測動きベクトルv0、v1およびv2と上述の式(1B)とを用いて、そのサブブロックの動きベクトルをアフィンMVとして算出する(ステップSk_2)。そして、インター予測部126は、それらのアフィンMVおよび符号化済み参照ピクチャを用いてそのサブブロックに対して動き補償を行う(ステップSk_3)。その結果、カレントブロックに対して動き補償が行われ、そのカレントブロックの予測画像が生成される。
[MV導出 > アフィンインターモード]
図28Aは、2つの制御ポイントを有するアフィンインターモードを説明するための図である。
図28Aは、2つの制御ポイントを有するアフィンインターモードを説明するための図である。
このアフィンインターモードでは、図28Aに示すように、カレントブロックに隣接する符号化済みブロックA、ブロックBおよびブロックCの動きベクトルから選択された動きベクトルが、カレントブロックの左上角の制御ポイントの予測動きベクトルv0として用いられる。同様に、カレントブロックに隣接する符号化済みブロックDおよびブロックEの動きベクトルから選択された動きベクトルが、カレントブロックの右上角の制御ポイントの予測動きベクトルv1として用いられる。
図28Bは、3つの制御ポイントを有するアフィンインターモードを説明するための図である。
このアフィンインターモードでは、図28Bに示すように、カレントブロックに隣接する符号化済みブロックA、ブロックBおよびブロックCの動きベクトルから選択された動きベクトルが、カレントブロックの左上角の制御ポイントの予測動きベクトルv0として用いられる。同様に、カレントブロックに隣接する符号化済みブロックDおよびブロックEの動きベクトルから選択された動きベクトルが、カレントブロックの右上角の制御ポイントの予測動きベクトルv1として用いられる。更に、カレントブロックに隣接する符号化済みブロックFおよびブロックGの動きベクトルから選択された動きベクトルが、カレントブロックの左下角の制御ポイントの予測動きベクトルv2として用いられる。
図29は、アフィンインターモードの一例を示すフローチャートである。
アフィンインターモードでは、まず、インター予測部126は、カレントブロックの2つまたは3つの制御ポイントのそれぞれの予測MV(v0,v1)または(v0,v1,v2)を導出する(ステップSj_1)。制御ポイントは、図25Aまたは図25Bに示すように、カレントブロックの左上角、右上角或いは左下角のポイントである。
つまり、インター予測部126は、図28Aまたは図28Bに示すカレントブロックの各制御ポイント近傍の符号化済みブロックのうちの何れかのブロックの動きベクトルを選択することによって、カレントブロックの制御ポイントの予測動きベクトル(v0,v1)または(v0,v1,v2)を導出する。このとき、インター予測部126は、選択された2つの動きベクトルを識別するための予測動きベクトル選択情報をストリームに符号化する。
例えば、インター予測部126は、カレントブロックに隣接する符号化済みブロックからどのブロックの動きベクトルを制御ポイントの予測動きベクトルとして選択するかを、コスト評価等を用いて決定し、どの予測動きベクトルを選択したかを示すフラグをビットストリームに記述してもよい。
次に、インター予測部126は、ステップSj_1で選択または導出された予測動きベクトルをそれぞれ更新しながら(ステップSj_2)、動き探索を行う(ステップSj_3およびSj_4)。つまり、インター予測部126は、更新される予測動きベクトルに対応する各サブブロックの動きベクトルをアフィンMVとして、上述の式(1A)または式(1B)を用いて算出する(ステップSj_3)。そして、インター予測部126は、それらのアフィンMVおよび符号化済み参照ピクチャを用いて各サブブロックに対して動き補償を行う(ステップSj_4)。その結果、インター予測部126は、動き探索ループにおいて、例えば最も小さいコストが得られる予測動きベクトルを、制御ポイントの動きベクトルとして決定する(ステップSj_5)。このとき、インター予測部126は、さらに、その決定されたMVと予測動きベクトルとのそれぞれの差分値を差分MVとしてストリームに符号化する。
最後に、インター予測部126は、その決定されたMVと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する(ステップSj_6)。
[MV導出 > アフィンインターモード]
異なる制御ポイント数(例えば、2つと3つ)のアフィンモードをCUレベルで切り替えて信号化する場合、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合がある。図30Aおよび図30Bは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントの予測ベクトル導出方法を説明するための概念図である。
異なる制御ポイント数(例えば、2つと3つ)のアフィンモードをCUレベルで切り替えて信号化する場合、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合がある。図30Aおよび図30Bは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントの予測ベクトル導出方法を説明するための概念図である。
例えば、図30Aに示すように、カレントブロックが左上角、右上角および左下角の3つの制御ポイントを有し、カレントブロックの左に隣接するブロックAが2つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックAを含む符号化済みブロックの左上角および右上角の位置に投影した動きベクトルv3およびv4が導出される。そして、導出された動きベクトルv3およびv4から、カレントブロックの左上角の制御ポイントの予測動きベクトルv0と、右上角の制御ポイントの予測動きベクトルv1が算出される。更に、導出された動きベクトルv0およびv1から、左下角の制御ポイントの予測動きベクトルv2が算出される。
例えば、図30Bに示すように、カレントブロックが左上角および右上角の2つの制御ポイントを有し、カレントブロックの左に隣接するブロックAが3つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックAを含む符号化済みブロックの左上角、右上角および左下角の位置に投影した動きベクトルv3、v4およびv5が導出される。そして、導出された動きベクトルv3、v4およびv5から、カレントブロックの左上角の制御ポイントの予測動きベクトルv0と、右上角の制御ポイントの予測動きベクトルv1が算出される。
図29のステップSj_1におけるカレントブロックの制御ポイントのそれぞれの予測動きベクトルの導出に、この予測動きベクトル導出方法を用いてもよい。
[MV導出 > DMVR]
図31Aは、マージモードおよびDMVRの関係を示す図である。
図31Aは、マージモードおよびDMVRの関係を示す図である。
インター予測部126は、マージモードでカレントブロックの動きベクトルを導出する(ステップSl_1)。次に、インター予測部126は、動きベクトルの探索、すなわち動き探索を行うか否かを判定する(ステップSl_2)。ここで、インター予測部126は、動き探索を行わないと判定すると(ステップSl_2のNo)、ステップSl_1で導出された動きベクトルを、カレントブロックに対する最終の動きベクトルとして決定する(ステップSl_4)。すなわち、この場合には、マージモードでカレントブロックの動きベクトルが決定される。
一方、ステップSl_1で動き探索を行うと判定すると(ステップSl_2のYes)、インター予測部126は、ステップSl_1で導出された動きベクトルによって示される参照ピクチャの周辺領域を探索することによって、カレントブロックに対して最終の動きベクトルを導出する(ステップSl_3)。すなわち、この場合には、DMVRでカレントブロックの動きベクトルが決定される。
図31Bは、MVを決定するためのDMVR処理の一例を説明するための概念図である。
まず、(例えばマージモードにおいて)カレントブロックに設定された最適MVPを、候補MVとする。そして、候補MV(L0)に従って、L0方向の符号化済みピクチャである第1参照ピクチャ(L0)から参照画素を特定する。同様に、候補MV(L1)に従って、L1方向の符号化済みピクチャである第2参照ピクチャ(L1)から参照画素を特定する。これらの参照画素の平均をとることでテンプレートを生成する。
次に、前記テンプレートを用いて、第1参照ピクチャ(L0)および第2参照ピクチャ(L1)の候補MVの周辺領域をそれぞれ探索し、コストが最小となるMVを最終的なMVとして決定する。なお、コスト値は、例えば、テンプレートの各画素値と探索領域の各画素値との差分値および候補MV値等を用いて算出してもよい。
なお、符号化装置と、後述の復号化装置とでは、ここで説明した処理の構成および動作は基本的に共通である。
ここで説明した処理そのものでなくても、候補MVの周辺を探索して最終的なMVを導出することができる処理であれば、どのような処理を用いてもよい。
[動き補償 > BIO/OBMC]
動き補償では、予測画像を生成し、その予測画像を補正するモードがある。そのモードは、例えば、後述のBIOおよびOBMCである。
動き補償では、予測画像を生成し、その予測画像を補正するモードがある。そのモードは、例えば、後述のBIOおよびOBMCである。
図32は、予測画像の生成の一例を示すフローチャートである。
インター予測部126は、予測画像を生成し(ステップSm_1)、上述の何れかのモードによってその予測画像を補正する(ステップSm_2)。
図33は、予測画像の生成の他の例を示すフローチャートである。
インター予測部126は、カレントブロックの動きベクトルを決定する(ステップSn_1)。次に、インター予測部126は、予測画像を生成し(ステップSn_2)、補正処理を行うか否かを判定する(ステップSn_3)。ここで、インター予測部126は、補正処理を行うと判定すると(ステップSn_3のYes)、その予測画像を補正することによって最終的な予測画像を生成する(ステップSn_4)。一方、インター予測部126は、補正処理を行わないと判定すると(ステップSn_3のNo)、その予測画像を補正することなく最終的な予測画像として出力する(ステップSn_5)。
また、動き補償では、予測画像を生成するときに輝度を補正するモードがある。そのモードは、例えば、後述のLICである。
図34は、予測画像の生成のさらに他の例を示すフローチャートである。
インター予測部126は、カレントブロックの動きベクトルを導出する(ステップSo_1)。次に、インター予測部126は、輝度補正処理を行うか否かを判定する(ステップSo_2)。ここで、インター予測部126は、輝度補正処理を行うと判定すると(ステップSo_2のYes)、輝度補正を行いながら予測画像を生成する(ステップSo_3)。つまり、LICによって予測画像が生成される。一方、インター予測部126は、輝度補正処理を行わないと判定すると(ステップSo_2のNo)、輝度補正を行うことなく通常の動き補償によって予測画像を生成する(ステップSo_4)。
[動き補償 > OBMC]
動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号が生成されてもよい。具体的には、(参照ピクチャ内の)動き探索により得られた動き情報に基づく予測信号と、(カレントピクチャ内の)隣接ブロックの動き情報に基づく予測信号と、を重み付け加算することにより、カレントブロック内のサブブロック単位でインター予測信号が生成されてもよい。このようなインター予測(動き補償)は、OBMC(overlapped block motion compensation)と呼ばれることがある。
動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号が生成されてもよい。具体的には、(参照ピクチャ内の)動き探索により得られた動き情報に基づく予測信号と、(カレントピクチャ内の)隣接ブロックの動き情報に基づく予測信号と、を重み付け加算することにより、カレントブロック内のサブブロック単位でインター予測信号が生成されてもよい。このようなインター予測(動き補償)は、OBMC(overlapped block motion compensation)と呼ばれることがある。
OBMCモードでは、OBMCのためのサブブロックのサイズを示す情報(例えばOBMCブロックサイズと呼ばれる)は、シーケンスレベルで信号化されてもよい。さらに、OBMCモードを適用するか否かを示す情報(例えばOBMCフラグと呼ばれる)は、CUレベルで信号化されてもよい。なお、これらの情報の信号化のレベルは、シーケンスレベル及びCUレベルに限定される必要はなく、他のレベル(例えばピクチャレベル、スライスレベル、タイルレベル、CTUレベル又はサブブロックレベル)であってもよい。
OBMCモードについて、より具体的に説明する。図35及び図36は、OBMC処理による予測画像補正処理の概要を説明するためのフローチャート及び概念図である。
まず、図36に示すように、処理対象(カレント)ブロックに割り当てられた動きベクトル(MV)を用いて通常の動き補償による予測画像(Pred)を取得する。図36において、矢印“MV”は参照ピクチャを指し、予測画像を得るためにカレントピクチャのカレントブロックが何を参照しているかを示している。
次に、符号化済みの左隣接ブロックに対して既に導出された動きベクトル(MV_L)を符号化対象ブロックに適用(再利用)して予測画像(Pred_L)を取得する。動きベクトル(MV_L)は、カレントブロックから参照ピクチャを指す矢印”MV_L”によって示される。そして、2つの予測画像PredとPred_Lとを重ね合わせることで予測画像の1回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。
同様に、符号化済みの上隣接ブロックに対して既に導出された動きベクトル(MV_U)を符号化対象ブロックに適用(再利用)して予測画像(Pred_U)を取得する。動きベクトル(MV_U)は、カレントブロックから参照ピクチャを指す矢印”MV_U”によって示される。そして、予測画像Pred_Uを1回目の補正を行った予測画像(例えば、PredとPred_L)に重ね合わせることで予測画像の2回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。2回目の補正によって得られた予測画像は、隣接ブロックとの境界が混ぜ合わされた(スムージングされた)、カレントブロックの最終的な予測画像である。
なお、上述の例は、左隣接および上隣接のブロックを用いた2パスの補正方法であるが、その補正方法は、右隣接および/または下隣接のブロックも用いた3パスまたはそれ以上のパスの補正方法であってもよい。
なお、重ね合わせを行う領域はブロック全体の画素領域ではなく、ブロック境界近傍の一部の領域のみであってもよい。
なお、ここでは1枚の参照ピクチャから、追加的な予測画像Pred_LおよびPred_Uを重ね合わせることで1枚の予測画像Predを得るためのOBMCの予測画像補正処理について説明した。しかし、複数の参照画像に基づいて予測画像が補正される場合には、同様の処理が複数の参照ピクチャのそれぞれに適用されてもよい。このような場合、複数の参照ピクチャに基づくOBMCの画像補正を行うことによって、各々の参照ピクチャから、補正された予測画像を取得した後に、その取得された複数の補正予測画像をさらに重ね合わせることで最終的な予測画像を取得する。
なお、OBMCでは、対象ブロックの単位は、予測ブロック単位であっても、予測ブロックをさらに分割したサブブロック単位であってもよい。
OBMC処理を適用するかどうかの判定の方法として、例えば、OBMC処理を適用するかどうかを示す信号であるobmc_flagを用いる方法がある。具体的な一例としては、符号化装置は、対象ブロックが動きの複雑な領域に属しているかどうかを判定してもよい。符号化装置は、動きの複雑な領域に属している場合は、obmc_flagとして値1を設定してOBMC処理を適用して符号化を行い、動きの複雑な領域に属していない場合は、obmc_flagとして値0を設定してOBMC処理を適用せずにブロックの符号化を行う。一方、復号化装置では、ストリーム(例えば圧縮シーケンス)に記述されたobmc_flagを復号することで、その値に応じてOBMC処理を適用するかどうかを切替えて復号を行う。
インター予測部126は、上述の例では、矩形のカレントブロックに対して1つの矩形の予測画像を生成する。しかし、インター予測部126は、その矩形のカレントブロックに対して矩形と異なる形状の複数の予測画像を生成し、それらの複数の予測画像を結合することによって、最終的な矩形の予測画像を生成してもよい。矩形と異なる形状は、例えば三角形であってもよい。
図37は、2つの三角形の予測画像の生成を説明するための図である。
インター予測部126は、カレントブロック内の三角形の第1パーティションに対して、その第1パーティションの第1MVを用いて動き補償を行うことによって、三角形の予測画像を生成する。同様に、インター予測部126は、カレントブロック内の三角形の第2パーティションに対して、その第2パーティションの第2MVを用いて動き補償を行うことによって、三角形の予測画像を生成する。そして、インター予測部126は、これらの予測画像を結合することによって、カレントブロックと同じ矩形の予測画像を生成する。
なお、図37に示す例では、第1パーティションおよび第2パーティションはそれぞれ三角形であるが、台形であってもよく、それぞれ互いに異なる形状であってもよい。さらに、図37に示す例では、カレントブロックが2つのパーティションから構成されているが、3つ以上のパーティションから構成されていてもよい。
また、第1パーティションおよび第2パーティションは重複していてもよい。すなわち、第1パーティションおよび第2パーティションは同じ画素領域を含んでいてもよい。この場合、第1パーティションにおける予測画像と第2パーティションにおける予測画像とを用いてカレントブロックの予測画像を生成してもよい。
また、この例では2つのパーティションともにインター予測で予測画像が生成される例を示したが、少なくとも1つのパーティションについてイントラ予測によって予測画像を生成してもよい。
[動き補償 > BIO]
次に、動きベクトルを導出する方法について説明する。まず、等速直線運動を仮定したモデルに基づいて動きベクトルを導出するモードについて説明する。このモードは、BIO(bi-directional optical flow)モードと呼ばれることがある。
次に、動きベクトルを導出する方法について説明する。まず、等速直線運動を仮定したモデルに基づいて動きベクトルを導出するモードについて説明する。このモードは、BIO(bi-directional optical flow)モードと呼ばれることがある。
図38は、等速直線運動を仮定したモデルを説明するための図である。図38において、(vx,vy)は、速度ベクトルを示し、τ0、τ1は、それぞれ、カレントピクチャ(Cur Pic)と2つの参照ピクチャ(Ref0,Ref1)との間の時間的な距離を示す。(MVx0,MVy0)は、参照ピクチャRef0に対応する動きベクトルを示し、(MVx1、MVy1)は、参照ピクチャRef1に対応する動きベクトルを示す。
このとき速度ベクトル(vx,vy)の等速直線運動の仮定の下では、(MVx0,MVy0)及び(MVx1,MVy1)は、それぞれ、(vxτ0,vyτ0)及び(-vxτ1,-vyτ1)と表され、以下のオプティカルフロー等式(2)が成り立つ。
ここで、I(k)は、動き補償後の参照画像k(k=0,1)の輝度値を示す。このオプティカルフロー等式は、(i)輝度値の時間微分と、(ii)水平方向の速度及び参照画像の空間勾配の水平成分の積と、(iii)垂直方向の速度及び参照画像の空間勾配の垂直成分の積と、の和が、ゼロと等しいことを示す。このオプティカルフロー等式とエルミート補間(Hermite interpolation)との組み合わせに基づいて、マージリスト等から得られるブロック単位の動きベクトルが画素単位で補正されてもよい。
なお、等速直線運動を仮定したモデルに基づく動きベクトルの導出とは異なる方法で、復号装置側で動きベクトルが導出されてもよい。例えば、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルが導出されてもよい。
[動き補償 > LIC]
次に、LIC(local illumination compensation)処理を用いて予測画像(予測)を生成するモードの一例について説明する。
次に、LIC(local illumination compensation)処理を用いて予測画像(予測)を生成するモードの一例について説明する。
図39は、LIC処理による輝度補正処理を用いた予測画像生成方法の一例を説明するための図である。
まず、符号化済みの参照ピクチャからMVを導出して、カレントブロックに対応する参照画像を取得する。
次に、カレントブロックに対して、参照ピクチャとカレントピクチャとで輝度値がどのように変化したかを示す情報を抽出する。この抽出は、カレントピクチャにおける符号化済み左隣接参照領域(周辺参照領域)および符号化済み上隣参照領域(周辺参照領域)の輝度画素値と、導出されたMVで指定された参照ピクチャ内の同等位置における輝度画素値とに基づいて行われる。そして、輝度値がどのように変化したかを示す情報を用いて、輝度補正パラメータを算出する。
MVで指定された参照ピクチャ内の参照画像に対して前記輝度補正パラメータを適用する輝度補正処理を行うことで、カレントブロックに対する予測画像を生成する。
なお、図39における前記周辺参照領域の形状は一例であり、これ以外の形状を用いてもよい。
また、ここでは1枚の参照ピクチャから予測画像を生成する処理について説明したが、複数枚の参照ピクチャから予測画像を生成する場合も同様であり、各々の参照ピクチャから取得した参照画像に、上述と同様の方法で輝度補正処理を行ってから予測画像を生成してもよい。
LIC処理を適用するかどうかの判定の方法として、例えば、LIC処理を適用するかどうかを示す信号であるlic_flagを用いる方法がある。具体的な一例としては、符号化装置において、カレントブロックが、輝度変化が発生している領域に属しているかどうかを判定し、輝度変化が発生している領域に属している場合はlic_flagとして値1を設定してLIC処理を適用して符号化を行い、輝度変化が発生している領域に属していない場合はlic_flagとして値0を設定してLIC処理を適用せずに符号化を行う。一方、復号化装置では、ストリームに記述されたlic_flagを復号化することで、その値に応じてLIC処理を適用するかどうかを切替えて復号を行ってもよい。
LIC処理を適用するかどうかの判定の別の方法として、例えば、周辺ブロックでLIC処理を適用したかどうかに従って判定する方法もある。具体的な一例としては、カレントブロックがマージモードであった場合、マージモード処理におけるMVの導出の際に選択した周辺の符号化済みブロックがLIC処理を適用して符号化したかどうかを判定する。その結果に応じてLIC処理を適用するかどうかを切替えて符号化を行う。なお、この例の場合でも、同じ処理が復号装置側の処理に適用される。
LIC処理(輝度補正処理)について図39を用いて説明したが、以下、その詳細を説明する。
まず、インター予測部126は、符号化済みピクチャである参照ピクチャから符号化対象ブロックに対応する参照画像を取得するための動きベクトルを導出する。
次に、インター予測部126は、符号化対象ブロックに対して、左隣接および上隣接の符号化済み周辺参照領域の輝度画素値と、動きベクトルで指定された参照ピクチャ内の同等位置における輝度画素値とを用いて、参照ピクチャと符号化対象ピクチャとで輝度値がどのように変化したかを示す情報を抽出して輝度補正パラメータを算出する。例えば、符号化対象ピクチャ内の周辺参照領域内のある画素の輝度画素値をp0とし、当該画素と同等位置の、参照ピクチャ内の周辺参照領域内の画素の輝度画素値をp1とする。インター予測部126は、周辺参照領域内の複数の画素に対して、A×p1+B=p0を最適化する係数A及びBを輝度補正パラメータとして算出する。
次に、インター予測部126は、動きベクトルで指定された参照ピクチャ内の参照画像に対して輝度補正パラメータを用いて輝度補正処理を行うことで、符号化対象ブロックに対する予測画像を生成する。例えば、参照画像内の輝度画素値をp2とし、輝度補正処理後の予測画像の輝度画素値をp3とする。インター予測部126は、参照画像内の各画素に対して、A×p2+B=p3を算出することで輝度補正処理後の予測画像を生成する。
なお、図39における周辺参照領域の形状は一例であり、これ以外の形状を用いてもよい。また、図39に示す周辺参照領域の一部が用いられてもよい。例えば、上隣接画素および左隣接画素のそれぞれから間引いた所定数の画素を含む領域を周辺参照領域として用いてもよい。また、周辺参照領域は、符号化対象ブロックに隣接する領域に限らず、符号化対象ブロックに隣接しない領域であってもよい。また、図39に示す例では、参照ピクチャ内の周辺参照領域は、符号化対象ピクチャ内の周辺参照領域から、符号化対象ピクチャの動きベクトルで指定される領域であるが、他の動きベクトルで指定される領域であってもよい。例えば、当該他の動きベクトルは、符号化対象ピクチャ内の周辺参照領域の動きベクトルであってもよい。
なお、ここでは、符号化装置100における動作を説明したが、復号装置200における動作も同様である。
なお、LIC処理は輝度のみではなく、色差に適用してもよい。このとき、Y、Cb、およびCrのそれぞれに対して個別に補正パラメータを導出してもよいし、いずれかに対して共通の補正パラメータを用いてもよい。
また、LIC処理はサブブロック単位で適用してもよい。例えば、カレントサブブロックの周辺参照領域と、カレントサブブロックのMVで指定された参照ピクチャ内の参照サブブロックの周辺参照領域を用いて補正パラメータを導出してもよい。
[予測制御部]
予測制御部128は、イントラ予測信号(イントラ予測部124から出力される信号)及びインター予測信号(インター予測部126から出力される信号)のいずれかを選択し、選択した信号を予測信号として減算部104及び加算部116に出力する。
予測制御部128は、イントラ予測信号(イントラ予測部124から出力される信号)及びインター予測信号(インター予測部126から出力される信号)のいずれかを選択し、選択した信号を予測信号として減算部104及び加算部116に出力する。
図1に示すように、種々の実装例では、予測制御部128は、エントロピー符号化部110に入力される予測パラメータを出力してもよい。エントロピー符号化部110は、予測制御部128から入力されるその予測パラメータ、量子化部108から入力される量子化係数に基づいて、符号化ビットストリーム(またはシーケンス)を生成してもよい。予測パラメータは復号装置に使用されてもよい。復号装置は、符号化ビットストリームを受信して復号し、イントラ予測部124、インター予測部126および予測制御部128において行われる予測処理と同じ処理を行ってもよい。予測パラメータは、選択予測信号(例えば、動きベクトル、予測タイプ、または、イントラ予測部124またはインター予測部126で用いられた予測モード)、または、イントラ予測部124、インター予測部126および予測制御部128において行われる予測処理に基づく、あるいはその予測処理を示す、任意のインデックス、フラグ、もしくは値を含んでいてもよい。
[符号化装置の実装例]
図40は、符号化装置100の実装例を示すブロック図である。符号化装置100は、プロセッサa1及びメモリa2を備える。例えば、図1に示された符号化装置100の複数の構成要素は、図40に示されたプロセッサa1及びメモリa2によって実装される。
図40は、符号化装置100の実装例を示すブロック図である。符号化装置100は、プロセッサa1及びメモリa2を備える。例えば、図1に示された符号化装置100の複数の構成要素は、図40に示されたプロセッサa1及びメモリa2によって実装される。
プロセッサa1は、情報処理を行う回路であり、メモリa2にアクセス可能な回路である。例えば、プロセッサa1は、動画像を符号化する専用又は汎用の電子回路である。プロセッサa1は、CPUのようなプロセッサであってもよい。また、プロセッサa1は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサa1は、図1等に示された符号化装置100の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
メモリa2は、プロセッサa1が動画像を符号化するための情報が記憶される専用又は汎用のメモリである。メモリa2は、電子回路であってもよく、プロセッサa1に接続されていてもよい。また、メモリa2は、プロセッサa1に含まれていてもよい。また、メモリa2は、複数の電子回路の集合体であってもよい。また、メモリa2は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリa2は、不揮発性メモリでもよいし、揮発性メモリでもよい。
例えば、メモリa2には、符号化される動画像が記憶されてもよいし、符号化された動画像に対応するビット列が記憶されてもよい。また、メモリa2には、プロセッサa1が動画像を符号化するためのプログラムが記憶されていてもよい。
また、例えば、メモリa2は、図1等に示された符号化装置100の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリa2は、図1に示されたブロックメモリ118及びフレームメモリ122の役割を果たしてもよい。より具体的には、メモリa2には、再構成済みブロック及び再構成済みピクチャ等が記憶されてもよい。
なお、符号化装置100において、図1等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図1等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。
[復号装置]
次に、上記の符号化装置100から出力された符号化信号(符号化ビットストリーム)を復号可能な復号装置について説明する。図41は、本実施の形態に係る復号装置200の機能構成を示すブロック図である。復号装置200は、動画像をブロック単位で復号する動画像復号装置である。
次に、上記の符号化装置100から出力された符号化信号(符号化ビットストリーム)を復号可能な復号装置について説明する。図41は、本実施の形態に係る復号装置200の機能構成を示すブロック図である。復号装置200は、動画像をブロック単位で復号する動画像復号装置である。
図41に示すように、復号装置200は、エントロピー復号部202と、逆量子化部204と、逆変換部206と、加算部208と、ブロックメモリ210と、ループフィルタ部212と、フレームメモリ214と、イントラ予測部216と、インター予測部218と、予測制御部220と、を備える。
復号装置200は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、エントロピー復号部202、逆量子化部204、逆変換部206、加算部208、ループフィルタ部212、イントラ予測部216、インター予測部218及び予測制御部220として機能する。また、復号装置200は、エントロピー復号部202、逆量子化部204、逆変換部206、加算部208、ループフィルタ部212、イントラ予測部216、インター予測部218及び予測制御部220に対応する専用の1以上の電子回路として実現されてもよい。
以下に、復号装置200の全体的な処理の流れを説明した後に、復号装置200に含まれる各構成要素について説明する。
[復号処理の全体フロー]
図42は、復号装置200による全体的な復号処理の一例を示すフローチャートである。
図42は、復号装置200による全体的な復号処理の一例を示すフローチャートである。
まず、復号装置200のエントロピー復号部202は、固定サイズのブロック(128×128画素)の分割パターンを特定する(ステップSp_1)。この分割パターンは、符号化装置100によって選択された分割パターンである。そして、復号装置200は、その分割パターンを構成する複数のブロックのそれぞれに対してステップSp_2~Sp_6の処理を行う。
つまり、エントロピー復号部202は、復号対象ブロック(カレントブロックともいう)の符号化された量子化係数および予測パラメータを復号(具体的にはエントロピー復号)する(ステップSp_2)。
次に、逆量子化部204および逆変換部206は、複数の量子化係数に対して逆量子化および逆変換を行うことによって、複数の予測残差(すなわち差分ブロック)を復元する(ステップSp_3)。
次に、イントラ予測部216、インター予測部218および予測制御部220の全てまたは一部からなる予測処理部は、カレントブロックの予測信号(予測ブロックともいう)を生成する(ステップSp_4)。
次に、加算部208は、差分ブロックに予測ブロックを加算することによってカレントブロックを再構成画像(復号画像ブロックともいう)に再構成する(ステップSp_5)。
そして、この再構成画像が生成されると、ループフィルタ部212は、その再構成画像に対してフィルタリングを行う(ステップSp_6)。
そして、復号装置200は、ピクチャ全体の復号が完了したか否かを判定し(ステップSp_7)、完了していないと判定する場合(ステップSp_7のNo)、ステップSp_1からの処理を繰り返し実行する。
なお、これらのステップSp_1~Sp_7の処理は、復号装置200によってシーケンシャルに行われてもよく、それらの処理のうちの一部の複数の処理が並列に行われてもよく、順番が入れ替えられてもよい。
[エントロピー復号部]
エントロピー復号部202は、符号化ビットストリームをエントロピー復号する。具体的には、エントロピー復号部202は、例えば、符号化ビットストリームから二値信号に算術復号する。そして、エントロピー復号部202は、二値信号を多値化(debinarize)する。エントロピー復号部202は、ブロック単位で量子化係数を逆量子化部204に出力する。エントロピー復号部202は、イントラ予測部216、インター予測部218および予測制御部220に、符号化ビットストリーム(図1参照)に含まれている予測パラメータを出力してもよい。イントラ予測部216、インター予測部218および予測制御部220は、符号化装置側におけるイントラ予測部124、インター予測部126および予測制御部128で行われる処理と同じ予測処理を実行することができる。
エントロピー復号部202は、符号化ビットストリームをエントロピー復号する。具体的には、エントロピー復号部202は、例えば、符号化ビットストリームから二値信号に算術復号する。そして、エントロピー復号部202は、二値信号を多値化(debinarize)する。エントロピー復号部202は、ブロック単位で量子化係数を逆量子化部204に出力する。エントロピー復号部202は、イントラ予測部216、インター予測部218および予測制御部220に、符号化ビットストリーム(図1参照)に含まれている予測パラメータを出力してもよい。イントラ予測部216、インター予測部218および予測制御部220は、符号化装置側におけるイントラ予測部124、インター予測部126および予測制御部128で行われる処理と同じ予測処理を実行することができる。
[逆量子化部]
逆量子化部204は、エントロピー復号部202からの入力である復号対象ブロック(以下、カレントブロックという)の量子化係数を逆量子化する。具体的には、逆量子化部204は、カレントブロックの量子化係数の各々について、当該量子化係数に対応する量子化パラメータに基づいて当該量子化係数を逆量子化する。そして、逆量子化部204は、カレントブロックの逆量子化された量子化係数(つまり変換係数)を逆変換部206に出力する。
逆量子化部204は、エントロピー復号部202からの入力である復号対象ブロック(以下、カレントブロックという)の量子化係数を逆量子化する。具体的には、逆量子化部204は、カレントブロックの量子化係数の各々について、当該量子化係数に対応する量子化パラメータに基づいて当該量子化係数を逆量子化する。そして、逆量子化部204は、カレントブロックの逆量子化された量子化係数(つまり変換係数)を逆変換部206に出力する。
[逆変換部]
逆変換部206は、逆量子化部204からの入力である変換係数を逆変換することにより予測誤差を復元する。
逆変換部206は、逆量子化部204からの入力である変換係数を逆変換することにより予測誤差を復元する。
例えば符号化ビットストリームから読み解かれた情報がEMT又はAMTを適用することを示す場合(例えばAMTフラグが真)、逆変換部206は、読み解かれた変換タイプを示す情報に基づいてカレントブロックの変換係数を逆変換する。
また例えば、符号化ビットストリームから読み解かれた情報がNSSTを適用することを示す場合、逆変換部206は、変換係数に逆再変換を適用する。
[加算部]
加算部208は、逆変換部206からの入力である予測誤差と予測制御部220からの入力である予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部208は、再構成されたブロックをブロックメモリ210及びループフィルタ部212に出力する。
加算部208は、逆変換部206からの入力である予測誤差と予測制御部220からの入力である予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部208は、再構成されたブロックをブロックメモリ210及びループフィルタ部212に出力する。
[ブロックメモリ]
ブロックメモリ210は、イントラ予測で参照されるブロックであって復号対象ピクチャ(以下、カレントピクチャという)内のブロックを格納するための記憶部である。具体的には、ブロックメモリ210は、加算部208から出力された再構成ブロックを格納する。
ブロックメモリ210は、イントラ予測で参照されるブロックであって復号対象ピクチャ(以下、カレントピクチャという)内のブロックを格納するための記憶部である。具体的には、ブロックメモリ210は、加算部208から出力された再構成ブロックを格納する。
[ループフィルタ部]
ループフィルタ部212は、加算部208によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ214及び表示装置等に出力する。
ループフィルタ部212は、加算部208によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ214及び表示装置等に出力する。
符号化ビットストリームから読み解かれたALFのオン/オフを示す情報がALFのオンを示す場合、局所的な勾配の方向及び活性度に基づいて複数のフィルタの中から1つのフィルタが選択され、選択されたフィルタが再構成ブロックに適用される。
[フレームメモリ]
フレームメモリ214は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ214は、ループフィルタ部212によってフィルタされた再構成ブロックを格納する。
フレームメモリ214は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ214は、ループフィルタ部212によってフィルタされた再構成ブロックを格納する。
[予測処理部(イントラ予測部・インター予測部・予測制御部)]
図43は、復号装置200の予測処理部で行われる処理の一例を示す図である。なお、予測処理部は、イントラ予測部216、インター予測部218、および予測制御部220の全てまたは一部の構成要素からなる。
図43は、復号装置200の予測処理部で行われる処理の一例を示す図である。なお、予測処理部は、イントラ予測部216、インター予測部218、および予測制御部220の全てまたは一部の構成要素からなる。
予測処理部は、カレントブロックの予測画像を生成する(ステップSq_1)。この予測画像は、予測信号または予測ブロックともいう。なお、予測信号には、例えばイントラ予測信号またはインター予測信号がある。具体的には、予測処理部は、予測ブロックの生成、差分ブロックの生成、係数ブロックの生成、差分ブロックの復元、および復号画像ブロックの生成が行われることによって既に得られている再構成画像を用いて、カレントブロックの予測画像を生成する。
再構成画像は、例えば、参照ピクチャの画像であってもよいし、カレントブロックを含むピクチャであるカレントピクチャ内の復号済みのブロックの画像であってもよい。カレントピクチャ内の復号済みのブロックは、例えばカレントブロックの隣接ブロックである。
図44は、復号装置200の予測処理部で行われる処理の他の例を示す図である。
予測処理部は、予測画像を生成するための方式またはモードを判定する(ステップSr_1)。例えば、この方式またはモードは、例えば予測パラメータなどに基づいて判定されてもよい。
予測処理部は、予測画像を生成するためのモードとして第1の方式を判定した場合には、その第1の方式にしたがって予測画像を生成する(ステップSr_2a)。また、予測処理部は、予測画像を生成するためのモードとして第2の方式を判定した場合には、その第2の方式にしたがって予測画像を生成する(ステップSr_2b)。また、予測処理部は、予測画像を生成するためのモードとして第3の方式を判定した場合には、その第3の方式にしたがって予測画像を生成する(ステップSr_2c)。
第1の方式、第2の方式、および第3の方式は、予測画像を生成するための互いに異なる方式であって、それぞれ例えば、インター予測方式、イントラ予測方式、および、それら以外の予測方式であってもよい。これらの予測方式では、上述の再構成画像を用いてもよい。
[イントラ予測部]
イントラ予測部216は、符号化ビットストリームから読み解かれたイントラ予測モードに基づいて、ブロックメモリ210に格納されたカレントピクチャ内のブロックを参照してイントラ予測を行うことで、予測信号(イントラ予測信号)を生成する。具体的には、イントラ予測部216は、カレントブロックに隣接するブロックのサンプル(例えば輝度値、色差値)を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部220に出力する。
イントラ予測部216は、符号化ビットストリームから読み解かれたイントラ予測モードに基づいて、ブロックメモリ210に格納されたカレントピクチャ内のブロックを参照してイントラ予測を行うことで、予測信号(イントラ予測信号)を生成する。具体的には、イントラ予測部216は、カレントブロックに隣接するブロックのサンプル(例えば輝度値、色差値)を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部220に出力する。
なお、色差ブロックのイントラ予測において輝度ブロックを参照するイントラ予測モードが選択されている場合は、イントラ予測部216は、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分を予測してもよい。
また、符号化ビットストリームから読み解かれた情報がPDPCの適用を示す場合、イントラ予測部216は、水平/垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正する。
[インター予測部]
インター予測部218は、フレームメモリ214に格納された参照ピクチャを参照して、カレントブロックを予測する。予測は、カレントブロック又はカレントブロック内のサブブロック(例えば4x4ブロック)の単位で行われる。例えば、インター予測部218は、符号化ビットストリーム(例えば、エントロピー復号部202から出力される予測パラメータ)から読み解かれた動き情報(例えば動きベクトル)を用いて動き補償を行うことでカレントブロック又はサブブロックのインター予測信号を生成し、インター予測信号を予測制御部220に出力する。
インター予測部218は、フレームメモリ214に格納された参照ピクチャを参照して、カレントブロックを予測する。予測は、カレントブロック又はカレントブロック内のサブブロック(例えば4x4ブロック)の単位で行われる。例えば、インター予測部218は、符号化ビットストリーム(例えば、エントロピー復号部202から出力される予測パラメータ)から読み解かれた動き情報(例えば動きベクトル)を用いて動き補償を行うことでカレントブロック又はサブブロックのインター予測信号を生成し、インター予測信号を予測制御部220に出力する。
符号化ビットストリームから読み解かれた情報がOBMCモードを適用することを示す場合、インター予測部218は、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号を生成する。
また、符号化ビットストリームから読み解かれた情報がFRUCモードを適用することを示す場合、インター予測部218は、符号化ストリームから読み解かれたパターンマッチングの方法(バイラテラルマッチング又はテンプレートマッチング)に従って動き探索を行うことにより動き情報を導出する。そして、インター予測部218は、導出された動き情報を用いて動き補償(予測)を行う。
また、インター予測部218は、BIOモードが適用される場合に、等速直線運動を仮定したモデルに基づいて動きベクトルを導出する。また、符号化ビットストリームから読み解かれた情報がアフィン動き補償予測モードを適用することを示す場合には、インター予測部218は、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出する。
[MV導出 > ノーマルインターモード]
符号化ビットストリームから読み解かれた情報がノーマルインターモードを適用することを示す場合、インター予測部218は、符号化ストリームから読み解かれた情報に基づいて、MVを導出し、そのMVを用いて動き補償(予測)を行う。
符号化ビットストリームから読み解かれた情報がノーマルインターモードを適用することを示す場合、インター予測部218は、符号化ストリームから読み解かれた情報に基づいて、MVを導出し、そのMVを用いて動き補償(予測)を行う。
図45は、復号装置200におけるノーマルインターモードによるインター予測の例を示すフローチャートである。
復号装置200のインター予測部218は、ブロックごとに、そのブロックに対して動き補償を行う。このときには、インター予測部218は、まず、時間的または空間的にカレントブロックの周囲にある複数の復号済みブロックのMVなどの情報に基づいて、そのカレントブロックに対して複数の候補MVを取得する(ステップSs_1)。つまり、インター予測部218は、候補MVリストを作成する。
次に、インター予測部218は、ステップSs_1で取得された複数の候補MVの中から、N個(Nは2以上の整数)の候補MVのそれぞれを予測動きベクトル候補(予測MV候補ともいう)として、予め決められた優先順位に従って抽出する(ステップSs_2)。なお、その優先順位は、N個の予測MV候補のそれぞれに対して予め定められている。
次に、インター予測部218は、入力されたストリーム(すなわち符号化ビットストリーム)から予測動きベクトル選択情報を復号し、その復号された予測動きベクトル選択情報を用いて、そのN個の予測MV候補の中から1つの予測MV候補を、カレントブロックの予測動きベクトル(予測MVともいう)として選択する(ステップSs_3)。
次に、インター予測部218は、入力されたストリームから差分MVを復号し、その復号された差分MVである差分値と、選択された予測動きベクトルとを加算することによって、カレントブロックのMVを導出する(ステップSs_4)。
最後に、インター予測部218は、その導出されたMVと復号済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する(ステップSs_5)。
[予測制御部]
予測制御部220は、イントラ予測信号及びインター予測信号のいずれかを選択し、選択した信号を予測信号として加算部208に出力する。全体的に、復号装置側の予測制御部220、イントラ予測部216およびインター予測部218の構成、機能、および処理は、符号化装置側の予測制御部128、イントラ予測部124およびインター予測部126の構成、機能、および処理と対応していてもよい。
予測制御部220は、イントラ予測信号及びインター予測信号のいずれかを選択し、選択した信号を予測信号として加算部208に出力する。全体的に、復号装置側の予測制御部220、イントラ予測部216およびインター予測部218の構成、機能、および処理は、符号化装置側の予測制御部128、イントラ予測部124およびインター予測部126の構成、機能、および処理と対応していてもよい。
[復号装置の実装例]
図46は、復号装置200の実装例を示すブロック図である。復号装置200は、プロセッサb1及びメモリb2を備える。例えば、図41に示された復号装置200の複数の構成要素は、図46に示されたプロセッサb1及びメモリb2によって実装される。
図46は、復号装置200の実装例を示すブロック図である。復号装置200は、プロセッサb1及びメモリb2を備える。例えば、図41に示された復号装置200の複数の構成要素は、図46に示されたプロセッサb1及びメモリb2によって実装される。
プロセッサb1は、情報処理を行う回路であり、メモリb2にアクセス可能な回路である。例えば、プロセッサb1は、符号化された動画像(すなわち符号化ビットストリーム)を復号する専用又は汎用の電子回路である。プロセッサb1は、CPUのようなプロセッサであってもよい。また、プロセッサb1は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサb1は、図41等に示された復号装置200の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
メモリb2は、プロセッサb1が符号化ビットストリームを復号するための情報が記憶される専用又は汎用のメモリである。メモリb2は、電子回路であってもよく、プロセッサb1に接続されていてもよい。また、メモリb2は、プロセッサb1に含まれていてもよい。また、メモリb2は、複数の電子回路の集合体であってもよい。また、メモリb2は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリb2は、不揮発性メモリでもよいし、揮発性メモリでもよい。
例えば、メモリb2には、動画像が記憶されてもよいし、符号化ビットストリームが記憶されてもよい。また、メモリb2には、プロセッサb1が符号化ビットストリームを復号するためのプログラムが記憶されていてもよい。
また、例えば、メモリb2は、図41等に示された復号装置200の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリb2は、図41に示されたブロックメモリ210及びフレームメモリ214の役割を果たしてもよい。より具体的には、メモリb2には、再構成済みブロック及び再構成済みピクチャ等が記憶されてもよい。
なお、復号装置200において、図41等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図41等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。
[各用語の定義]
各用語は一例として、以下のような定義であってもよい。
各用語は一例として、以下のような定義であってもよい。
ピクチャは、モノクロフォーマットにおける複数の輝度サンプルの配列、又は、4:2:0、4:2:2及び4:4:4のカラーフォーマットにおける複数の輝度サンプルの配列及び複数の色差サンプルの2つの対応配列である。ピクチャは、フレーム又はフィールドであってもよい。
フレームは、複数のサンプル行0、2、4、・・・が生じるトップフィールド、及び、複数のサンプル行1、3、5、・・・が生じるボトムフィールドの組成物である。
スライスは、1つの独立スライスセグメント、及び、(もしあれば)同じアクセスユニット内の(もしあれば)次の独立スライスセグメントに先行する全ての後続の従属スライスセグメントに含まれる整数個の符号化ツリーユニットである。
タイルは、ピクチャにおける特定のタイル列及び特定のタイル行内の複数の符号化ツリーブロックの矩形領域である。タイルは、タイルのエッジを跨ぐループフィルタが依然として適用されてもよいが、独立して復号及び符号化され得ることが意図された、フレームの矩形領域であってもよい。
ブロックは、複数のサンプルのMxN(N行M列)配列、又は、複数の変換係数のMxN配列である。ブロックは、1つの輝度及び2つの色差の複数の行列からなる複数の画素の正方形又は矩形の領域であってもよい。
CTU(符号化ツリーユニット)は、3つのサンプル配列を有するピクチャの複数の輝度サンプルの符号化ツリーブロックであってもよいし、複数の色差サンプルの2つの対応符号化ツリーブロックであってもよい。あるいは、CTUは、モノクロピクチャと、3つの分離されたカラー平面及び複数のサンプルの符号化に用いられるシンタックス構造を用いて符号化されるピクチャとのいずれかの複数のサンプルの符号化ツリーブロックであってもよい。
スーパーブロックは、1つ又は2つのモード情報ブロックを構成し、又は、再帰的に4つの32×32ブロックに分割され、さらに分割され得る64×64画素の正方形ブロックであってもよい。
[DCT2、DST4及びDCT4の包含関係の説明]
次に、符号化装置100における変換の態様、及び、復号装置200における逆変換の態様について、図面を参照しながら具体的に説明する。
次に、符号化装置100における変換の態様、及び、復号装置200における逆変換の態様について、図面を参照しながら具体的に説明する。
まず、DCT2(タイプIIの離散コサイン変換)と、DCT4(タイプIVの離散コサイン変換)と、DST4(タイプIVの離散サイン変換)との関係について図47~図48Bを参照しながら説明する。
図47において、式(3)は、サイズNにおけるDCT2の変換基底を示す。この変換基底を偶数列と奇数列とに分解することにより、この変換基底は、式(4)及び式(5)で表され得る。
ここで、式(4)は、サイズN/2におけるDCT2の変換基底を示す。また、式(5)は、サイズN/2におけるDCT4の変換基底を示す。つまり、サイズNのDCT2は、サイズN/2のDCT2とサイズN/2のDCT4に分解することが可能である。
次に、DCT4とDST4との関係について、図48A及び図48Bを参照しながら具体的に説明する。DCT4とDST4との違いは、式(5)における三角関数がコサインかサインかの違いのみである。つまり、DCT4とDST4とは、互いの位相がずれた関係を有する。
図48Aは、DCT4を表すグラフであり、図48Bは、DST4を表すグラフである。図48A及び図48Bにおいて、横軸は基準画素からの距離を表し、縦軸は画素成分に対応するエネルギーを表す。
図48A及び図48Bからわかるように、DCT4とDST4とは、所定の次数の基底(基底要素)の符号が入れ替えられることにより、対称な性質を持つ。そのため、例えば、入出力信号に含まれる複数の値の順序の並べ替え及び正負の符号の入れ替えを行うことで、DCT4の変換基底のみを用いてDST4を表現することが可能である。また、DCT4の一部の基底を変更し、変更された基底を用いてDST4を実現することも可能である。
なお、上記の所定の次数は、例えば図48Bに示されているDST4の変換基底における1次、3次及び5次の基底であってもよい。すなわち、DCT4を実現するため、DST4の奇数番目の次数の基底の符号、又は、偶数番目の次数の基底の符号が反転されてもよい。また、DST4を実現するため、DCT4の奇数番目の次数の基底、又は、偶数番目の次数の基底の符号が反転されてもよい。
また、変換において変換基底として用いられるDCT2は、逆変換において逆変換基底として用いられるIDCT2(タイプIIの逆離散コサイン変換)に対応する。また、変換において変換基底として用いられるDCT4は、逆変換において逆変換基底として用いられるIDCT4(タイプIVの逆離散コサイン変換)に対応する。また、変換において変換基底として用いられるDST4は、逆変換において逆変換基底として用いられるIDST4(タイプIVの逆離散サイン変換)に対応する。
また、変換基底は、DCT2、DCT4又はDST4に限られず、DST7(タイプVIIの離散サイン変換)、又は、DCT8(タイプVIIIの離散コサイン変換)等の他の変換基底が用いられ得る。
また、変換において変換基底として用いられるDST7は、逆変換において逆変換基底として用いられるIDST7(タイプVIIの逆離散サイン変換)に対応する。また、変換において変換基底として用いられるDCT8は、逆変換において逆変換基底として用いられるIDCT8(タイプVIIIの逆離散コサイン変換)に対応する。
以下において説明される変換の複数の態様では、基本的に、複数の変換基底(つまり、変換基底の複数の候補)に、DCT2、DCT4及びDST4のみが含まれる。また、基本的に、複数の逆変換基底(つまり、逆変換基底の複数の候補)に、IDCT2、IDCT4及びIDST4のみが含まれる。
しかし、複数の変換基底には、他の変換基底が含まれてもよく、例えば、DST7及び/又はDCT8が含まれてもよい。また、複数の変換基底には、DCT4及びDST4の両方が含まれていなくてもよく、DCT4及びDST4のうち一方のみが含まれていてもよい。つまり、複数の変換基底は、DCT2に加えて、DCT4及びDST4のうち少なくとも一方を含んでいてもよい。
また、復号装置200の複数の逆変換基底(つまり、逆変換基底の複数の候補)は、符号化装置100の複数の変換基底(つまり、変換基底の複数の候補)に対応する。したがって、複数の変換基底に、DCT2、DCT4及びDST4以外の他の変換基底が含まれる場合には、複数の逆変換基底に、IDCT2、IDCT4及びIDST4以外の他の逆変換基底が含まれる。他の逆変換基底として、IDST7及び/又はIDCT8等があり得る。
また、複数の逆変換基底には、IDCT4及びIDST4の両方が含まれていなくてもよく、IDCT4及びIDST4のうち一方のみが含まれていてもよい。つまり、複数の逆変換基底は、IDCT2に加えて、IDCT4及びIDST4のうち少なくとも一方を含んでいてもよい。
また、符号化と復号とは互いに対応しており、符号化に関連する記載が復号にも適用され得る。また、変換と逆変換とは互いに対応しており、変換に関する記載が逆変換にも適用され得る。
また、以下の説明に用いられるブロックのサイズ及び閾値サイズは、垂直方向のサイズに対応していてもよいし、水平方向のサイズに対応していてもよいし、垂直方向のサイズと水平方向のサイズとの組み合わせに対応していてもよい。
[変換及び逆変換の第1態様]
図49は、第1態様における符号化装置100の変換部106の動作例を示すフローチャートである。
図49は、第1態様における符号化装置100の変換部106の動作例を示すフローチャートである。
まず、変換部106は、ブロックサイズが閾値サイズ以下であるか否かを判定する(S101)。ここで、閾値サイズは、DCT2の使用可能な最大サイズの半分以下のサイズである。つまり、閾値サイズは、DCT2の使用が許容される最大サイズの2分の1以下である。
DCT2の使用可能な最大サイズは、例えば標準規格に予め定義される。なお、最大サイズは、ビットストリームに書き込まれてもよい。例えば、DCT2の使用可能な最大サイズが128である場合、閾値サイズは、64、32、16、8又は4であってもよい。閾値サイズは、標準規格に予め定義されてもよいし、符号化パラメータ(例えば予測モード等)に基づいて定められてもよい。
ブロックサイズが閾値サイズ以下である場合(S101でYes)、変換部106は、DCT2に加えてDCT4及びDST4のうち少なくとも一方を含む複数の変換基底の中から変換基底を選択する(S102)。例えば、変換部106は、RD(Rate Distortion)コストに基づいて、符号化対象ブロックの変換に用いられる変換基底を選択する。
また、変換部106は、符号化対象ブロックの水平方向及び垂直方向で分離可能な変換を行ってもよい。したがって、変換部106は、水平方向及び垂直方向のそれぞれで個別に変換基底を選択してもよい。例えば、変換部106は、符号化対象ブロックの水平サイズに基づいて水平方向のための変換基底を選択し、符号化対象ブロックの垂直サイズに基づいて垂直方向のための変換基底を選択してもよい。
また、エントロピー符号化部110は、選択された変換基底等を示す変換制御信号をビットストリームに符号化する。例えば、変換制御信号は、第1制御信号、第2制御信号及び第3制御信号を含む。第1制御信号は、水平方向及び垂直方向の両方でDCT2を用いるか否かを示す。第2制御信号は、水平方向でDCT4及びDST4のどちらを用いるかを示す。第3制御信号は、垂直方向でDCT4及びDST4のどちらを用いるかを示す。
なお、第1制御信号、第2制御信号及び第3制御信号は、変換制御信号の一例であって、変換制御信号は、第1制御信号、第2制御信号及び第3制御信号に限定されない。例えば、第2制御信号及び第3制御信号は、組み合わされて、第2制御信号として統合されてもよい。この場合、変換制御信号は、第1制御信号及び第2制御信号を含む。具体的には、第2制御信号は、多値信号であって、水平方向の変換基底及び垂直方向の変換基底の組み合わせを示してもよい。
ビットストリームにおける変換制御信号の位置は限定されない。例えば、変換制御信号は、ビットストリームのうち、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、CTUレベル、CUレベル、及び、これらの任意の組み合わせのいずれかにおいて符号化されてもよい。
ブロックサイズが閾値サイズより大きい場合(S101でNo)、変換部106は、複数の変換基底の中から、DCT4及びDST4を除外して、変換基底を選択する。図49の例では、DCT4及びDST4の除外後、DCT2のみが残る。そのため、DCT2が固定的に選択される(S103)。この場合、変換部106は、変換制御信号をビットストリームに含めなくてもよい。変換制御信号の符号化がスキップされてもよい。
最後に、変換部106は、選択された変換基底を用いて、符号化対象ブロックの予測誤差信号の変換処理を実施する(S104)。
図50は、第1態様における復号装置200の逆変換部206の動作例を示すフローチャートである。具体的には、図50は、図49のフローチャートに従って符号化されたブロックを復号するためのフローチャートである。
まず、逆変換部206は、符号化装置100の変換部106と同様に、ブロックサイズが閾値サイズ以下であるか否かを判定する(S201)。復号装置200で用いられる閾値サイズは、符号化装置100で用いられる閾値サイズと同一であって、IDCT2の使用可能な最大サイズの半分以下のサイズである。
ここで、ブロックサイズが閾値サイズ以下である場合(S201でYes)、逆変換部206は、ビットストリームを参照して、逆変換基底を設定する。具体的には、逆変換部206は、エントロピー復号部202でビットストリームから復号された変換制御信号に基づいて、IDCT2に加えてIDCT4及びIDST4のうち少なくとも一方を含む複数の逆変換基底の中から逆変換基底を選択する(S202)。
逆変換部206は、復号対象ブロックの水平方向及び垂直方向で分離可能な逆変換を行ってもよい。したがって、逆変換部206は、水平方向及び垂直方向のそれぞれで個別に逆変換基底を選択してもよい。例えば、逆変換部206は、変換制御信号に基づいて、水平方向及び垂直方向のそれぞれで個別に逆変換基底を選択してもよい。
ブロックサイズが閾値サイズより大きい場合(S201でNo)、逆変換部206は、複数の逆変換基底の中から、IDCT4及びIDST4を除外して、逆変換基底を選択する。図50の例では、IDCT4及びIDST4の除外後、IDCT2のみが残る。そのため、IDCT2が固定的に選択される(S203)。この場合、逆変換部206は、ビットストリームから変換制御信号を取得しなくてもよい。つまり、IDCT2が固定的に選択される場合、変換制御信号の復号がスキップされてもよい。
最後に、逆変換部206は、選択された逆変換基底を用いて、復号対象ブロックの変換係数信号の逆変換処理を実施する(S204)。
次に、本態様における変換部106の回路実装例について、図51を参照しながら説明する。図51は、本態様における変換部106の回路構成の模式図である。
図51に示すように、変換部106は、DCT2(N)演算回路1061を備える。DCT2(N)演算回路1061は、サイズN(Nは8以上の2のべき乗の整数)のDCT2の演算を行う。DCT2(N)演算回路1061は、DCT2(N/2)演算回路1062とDCT4(N/2)演算回路1063とを含む。DCT2(N/2)演算回路1062は、サイズN/2のDCT2の演算を行う。DCT4(N/2)演算回路1063は、サイズN/2のDCT4の演算を行う。
予測誤差信号に対してサイズNのDCT2で変換が行われる場合、予測誤差信号は、2つに分けられ、DCT2(N/2)演算回路1062と、DCT4(N/2)演算回路1063とに入力される。
つまり、変換部106は、符号化対象ブロックのサイズが閾値サイズよりも大きいサイズNに一致し、DCT2が選択された場合、符号化対象ブロックの予測誤差信号の一部をDCT2(N/2)演算回路1062に入力する。そして、変換部106は、符号化対象ブロックの予測誤差信号の他部をDCT4(N/2)演算回路1063に入力する。
例えば、予測誤差信号の一部、及び、予測誤差信号の他部は、それぞれ、予測誤差信号に含まれる偶数番目の予測誤差、及び、予測誤差信号に含まれる奇数番目の予測誤差である。
また、予測誤差信号に対してサイズN/2のDCT2で変換が行われる場合、予測誤差信号は、DCT2(N/2)演算回路1062に入力される。つまり、変換部106は、符号化対象ブロックのサイズが閾値サイズ以下のサイズN/2に一致し、DCT2が選択された場合、符号化対象ブロックの予測誤差信号をDCT2(N/2)演算回路1062に入力する。
また、予測誤差信号に対してサイズN/2のDCT4で変換が行われる場合、予測誤差信号は、DCT4(N/2)演算回路1063に入力される。つまり、変換部106は、符号化対象ブロックのサイズが閾値サイズ以下のサイズN/2に一致し、DCT4が選択された場合、符号化対象ブロックの予測誤差信号をDCT4(N/2)演算回路1063に入力する。
また、予測誤差信号に対してサイズN/2のDST4で変換が行われる場合、まず、予測誤差信号が、反転回路1064に入力される。反転回路1064は、予測誤差信号に含まれる奇数番目の予測誤差の符号を反転させる。そして、反転回路1064は、偶数番目の予測誤差と、符号が反転された奇数番目の予測誤差とを含む予測誤差信号を出力する。反転回路1064から出力された予測誤差信号は、DCT4(N/2)演算回路1063に入力される。
DCT4(N/2)演算回路1063は、入力された予測誤差信号に対してサイズN/2のDCT4の演算を行い、変換係数信号を反転回路1065に出力する。反転回路1065は、変換係数信号に含まれる変換係数の順番を反転させて出力する。これにより、反転回路1065から、変換係数信号として、サイズN/2のDST4で変換された予測誤差信号が出力される。
すなわち、変換部106は、符号化対象ブロックのサイズが閾値サイズ以下のサイズN/2に一致し、DST4が選択された場合、符号化対象ブロックの予測誤差信号を、その一部の符号を反転させて、DCT4(N/2)演算回路1063に入力する。
なお、ここで述べられている反転回路1064及び1065は、それぞれ、奇数番目の予測誤差の符号の反転、及び、変換係数の順序の反転を行うが、その他の反転を行ってもよい。例えば、奇数番目の予測誤差の符号の代わりに、偶数番目の予測誤差の符号が反転されてもよい。また、変換部106は、順序の反転が不要である場合、反転回路1065を備えなくてもよい。
また、DCT2(N/2)演算回路1062が、さらに、DCT2(N/4)演算回路とDCT4(N/4)演算回路とを備えることにより、サイズN/4のDCT2、DCT4及びDST4の演算をDCT2(N/2)演算回路1062で行うことが可能である。つまり、各DCT2演算回路は、そのDCT2演算回路が対応するサイズよりもさらに小さなサイズに対応するDCT2演算回路及びDCT4演算回路を入れ子構造で含んでもよい。
次に、逆変換部206の回路構成について説明する。なお、逆変換部206の回路構成は、変換部106と類似するため図示を省略する。逆変換部206は、図51の変換部106の回路構成においてDCTがIDCTに変更され、反転回路1064と反転回路1065とが入れ替えられる。
つまり、逆変換部206は、IDCT2(N)演算回路を備える。IDCT2(N)演算回路は、サイズNのIDCT2の演算を行う。IDCT2(N)演算回路は、IDCT2(N/2)演算回路と、IDCT4(N/2)演算回路とを含む。IDCT2(N/2)演算回路は、サイズN/2のIDCT2の演算を行う。IDCT4(N/2)演算回路は、サイズN/2のIDCT4の演算を行う。
ここで、逆変換部206は、復号対象ブロックのサイズが閾値サイズよりも大きいサイズNに一致し、IDCT2が選択された場合、復号対象ブロックの変換係数信号の一部をIDCT2(N/2)演算回路に入力する。そして、逆変換部206は、復号対象ブロックの変換係数信号の他部をIDCT4(N/2)演算回路に入力する。
また、逆変換部206は、復号対象ブロックのサイズが閾値サイズ以下のサイズN/2に一致し、IDCT2が選択された場合、復号対象ブロックの変換係数信号をIDCT2(N/2)演算回路に入力する。また、逆変換部206は、復号対象ブロックのサイズが閾値サイズ以下のサイズN/2に一致し、IDCT4が選択された場合、復号対象ブロックの変換係数信号をIDCT4(N/2)演算回路に入力する。
また、逆変換部206は、復号対象ブロックのサイズが閾値サイズ以下のサイズN/2に一致し、IDST4が選択された場合、復号対象ブロックの変換係数信号を、変換係数信号に含まれる変換係数の順番を反転させて、IDCT4(N/2)演算回路に入力する。そして、逆変換部206は、IDCT4(N/2)演算回路から出力される予測誤差信号のうち、一部の予測誤差の符号を反転させ、他部の予測誤差の符号を反転させない。これにより、変換係数信号がIDST4で逆変換される。
上記の一部の予測誤差は、予測誤差信号に含まれる奇数番目の予測誤差であってもよいし、予測誤差信号に含まれる偶数番目の予測誤差であってもよい。
図52は、本態様に関わるシンタックスの例を説明するための図である。図52におけるemt_cu_flagは、DCT2を用いるかDCT2以外(つまりDST4もしくはDCT4)を用いるかを指定する信号である。emt_cu_flagの値が0である場合、水平方向垂直方向ともにDCT2を用いて変換が行われる。emt_cu_flagの値が1である場合、DCT2以外を用いて変換が行われる。
なお、この例では、処理対象ブロックのサイズがDCT2の最大サイズの半分(図の例ではN/2)以下の場合のみ、emt_cu_flagがシンタックスとして記述される。処理対象ブロックのサイズがDCT2の最大サイズの半分よりも大きい場合、emt_cu_flagがシンタックスとして記述されることなく、emt_cu_flagの値を0(DCT2を用いる)とみなして処理が行われる。
hor_emt_typeは、水平方向の変換基底としてDST4を用いるかDCT4を用いるかを指定する信号である。hor_emt_typeの値が0である場合、水平方向の変換基底としてDST4を用いて変換が行われる。hor_emt_typeの値が1である場合、水平方向の変換基底としてDCT4を用いて変換が行われる。
ver_emt_typeは、垂直方向の変換基底としてDST4を用いるかDCT4を用いるかを指定する信号である。ver_emt_typeの値が0である場合、垂直方向の変換基底としてDST4を用いて変換が行われる。ver_emt_typeの値が1である場合、垂直方向の変換基底としてDCT4を用いて変換が行われる。
この例において、シンタックス要素に対する値の割り当て方法が、イントラ予測が用いられるブロックと、インター予測が用いられるブロックとの間で、共通である。言い換えれば、複数の変換基底と複数のインデックス値との対応関係がイントラ予測とインター予測との間で共通である。つまり、イントラ予測が用いられる場合でも、インター予測が用いられる場合でも、値0がDST4に割り当てられており、値1がDCT4に割り当てられている。これにより、処理の複雑化が抑制される。
特に、イントラ予測ブロックでは、周辺に近いほど予測誤差が小さいため、開始位置に近いほどエネルギーが0に近いDST4がDCT4よりも適していると想定される。また、符号化装置100は、値0が割り当てられた変換基底から評価を行い、その評価結果に応じて値1が割り当てられた変換基底の評価を行うかどうかを切り替えるような処理フローを用いてもよい。
このような状況において、値0がDST4に割り当てられることで、符号化装置100は、適切なモードをより確実に評価対象とすることができる。したがって、符号化装置100は、符号化性能の劣化を抑制できる。また、値1よりも小さい符号量が値0に割り当てられることにより、符号化効率が向上すると想定される。
なお、2つの変換基底に対する値0と値1との割当てが逆であってもよい。そして、その場合、符号化装置100は、値1が割り当てられた変換基底から評価を行ってもよい。
また、イントラ予測ブロックとインター予測ブロックとの間で、2つの変換基底に対する値0と値1との割当てが変えられてもよい。符号化条件により、DST4及びDCT4に対する適性が、イントラ予測ブロックとインター予測ブロックとの間で大きく異なる可能性がある。そのため、2つの変換基底に対する2つの値の割当てを変えることで、より効率のよい符号化が行われる可能性がある。
なお、ここで説明したシンタックス構造は一例である。他の順番が用いられてもよいし、他のシンタックスが組み合わせられてもよいし、他の条件分岐が加えられてもよいし、シンタックス要素に割り当てられる値が変えられてもよい。
本態様によれば、DCT2用の回路を用いて、DCT2の半分のサイズのDCT4及びDST4も表現することが可能である。すなわち、回路を追加することなく、DCT2に加えて、半分のサイズまでのDCT4およびDST4を使用することが可能である。したがって、回路面積の増加を抑制しつつ、符号化効率の向上が可能である。
なお、復号装置200の逆変換部206における逆変換処理も、上記で説明した符号化装置100の変換部106における変換処理と同様に実施され得る。したがって、復号装置200も、符号化装置100と同様の効果を奏することができる。
また、本態様に記載したすべての構成要素がいつも必要とは限らず、符号化装置100及び復号装置200は、本態様の一部の構成要素のみを備えていてもよい。また、種々の変形が本態様に施されてもよい。
例えば、ブロックサイズが閾値サイズよりも大きい場合に変換基底(つまり変換基底の候補)がひとつしかない場合には、符号化装置100は、変換基底を示す情報をビットストリームに書かなくてもよい。また、復号装置200は、ブロックサイズがDCT2の最大サイズの半分以下の閾値以下か否かを判断し、ブロックサイズが閾値サイズよりも大きい場合に、変換基底を示す情報の参照をスキップしてもよい。
また、DCT2、DCT4及びDST4の演算は、行列演算又はバタフライ演算などの任意の形式で行われてもよい。また、DCT2、DCT4及びDST4の演算は、行列演算及びバタフライ演算の両者を組み合わせて行われてもよいし、行列演算及びバタフライ演算を切り替えて行われてもよい。
また、垂直サイズ及び水平サイズのいずれかが閾値サイズ以下でない場合、垂直方向及び水平方向の両方にDCT2のみが変換基底として用いられてもよい。
つまり、符号化対象ブロックの水平サイズ及び垂直サイズの少なくとも一方が閾値サイズよりも大きい場合、水平方向及び垂直方向の両方でDCT2が固定的に選択されてもよい。また、復号対象ブロックの水平サイズ及び垂直サイズの少なくとも一方が閾値サイズよりも大きい場合、水平方向及び垂直方向の両方でIDCT2が固定的に選択されてもよい。
これにより、水平サイズ及び垂直サイズの少なくとも一方が閾値サイズよりも大きい場合、水平方向及び垂直方向の両方でDCT2又はIDCT2が用いられるため、処理負荷及び処理時間が低減される。
また、予測モードに応じて、複数の変換基底(つまり変換基底の複数の候補)が変更されてもよい。例えば、イントラ予測モードが用いられる場合、変換基底の候補としてDST4及びDCT4のうちDST4のみが追加されてもよい。そして、インター予測モードが用いられる場合、変換基底の候補としてDST4及びDCT4の両方が追加されてもよい。
予測モードに応じて、閾値サイズが変更されてもよい。例えば、DCT2の最大サイズが128である場合、イントラ予測モードでは閾値サイズが32と決定され、インター予測モードでは閾値サイズが64と決定されてもよい。
垂直方向と水平方向とで、複数の変換基底(つまり変換基底の複数の候補)が変更されてもよい。
本態様では、DCT2、DCT4及びDST4を用いて、変換処理が共通化され得る変換基底の組み合わせを説明したが、変換基底の組み合わせはこれに限られない。変換処理を互いに共通化され得る他の変換基底の組み合わせを用いて、同様の構成及び処理が適用されてもよい。なお、変換処理が共通化できない変換基底の組み合わせを用いて、本態様の構成及び処理の一部または全部が適用されてもよい。
[変換及び逆変換の第2態様]
次に、変換及び逆変換の第2態様について説明する。第1態様と同様の構成及び処理について、適宜、説明を省略する。
次に、変換及び逆変換の第2態様について説明する。第1態様と同様の構成及び処理について、適宜、説明を省略する。
図53は、第2態様における符号化装置100の変換部106の動作例を示すフローチャートである。
まず、変換部106は、処理対象ブロックの変換に、DCT2以外の変換基底を用いるか否かを判定する(S111)。例えば、処理対象ブロックの符号化モードの情報に応じて判定が行われてもよいし、DCT2を用いて仮に変換を行ってRDコストを評価することで判定が行われてもよい。DCT2以外の変換基底を用いるか否かを示す信号は、ビットストリームに符号化される。
DCT2以外の変換基底を用いると判定された場合(S111でYes)、変換部106は、DCT4及びDST4の少なくとも一方を含む複数の変換基底の中から変換基底を選択する(S112)。選択された変換基底を示す信号は、ビットストリームに符号化される。DCT2以外の変換基底を用いないと判定された場合(S111でNo)、変換部106は、変換基底としてDCT2を選択する(S113)。最後に、変換部106は、選択された変換基底を用いて、変換処理を実施する(S114)。
図54は、第2態様における復号装置200の逆変換部206の動作例を示すフローチャートである。具体的には、図54は、図53のフローチャートに従って符号化されたブロックを復号するためのフローチャートである。
逆変換部206は、ビットストリームから復号される信号を取得し、取得された信号に従って、処理対象ブロックの逆変換にIDCT2以外の逆変換基底を用いるか否かを判定する(S211)。
IDCT2以外の逆変換基底を用いると判定された場合(S211でYes)、逆変換部206は、さらにビットストリームから復号化される信号を取得する。そして、逆変換部206は、取得された信号に従って、IDCT4及びIDST4の少なくとも一方を含む複数の逆変換基底の中から逆変換基底を選択する(S212)。IDCT2以外の逆変換基底を用いないと判定された場合(S211でNo)、逆変換部206は、逆変換基底としてIDCT2を選択する(S213)。
最後に、逆変換部206は、選択された逆変換基底を用いて、逆変換処理を実施する(S214)。
次に、本態様における変換部106の回路実装例について、図55を参照しながら説明する。図55は、本態様における変換部106の回路構成の模式図である。第1態様における変換部106は、DCT2(N)演算回路1061のみを備えるが、本態様における変換部106は、DCT2(N)演算回路1061、及び、DCT4(N)演算回路1066を備える。DCT4(N)演算回路1066は、サイズNのDCT4の演算を行う。
予測誤差信号に対してサイズNのDCT4で変換が行われる場合、予測誤差信号は、DCT4(N)演算回路1066に入力される。つまり、変換部106は、符号化対象ブロックのサイズがサイズNに一致し、DCT4が選択された場合、符号化対象ブロックの予測誤差信号をDCT4(N)演算回路1066に入力する。
また、予測誤差信号に対してサイズNのDST4で変換が行われる場合は、まず、予測誤差信号が、反転回路1067に入力される。反転回路1067は、予測誤差信号に含まれる奇数番目の予測誤差の符号を反転させる。そして、反転回路1067は、偶数番目の予測誤差と、符号が反転された奇数番目の予測誤差とを含む予測誤差信号を出力する。反転回路1067から出力された予測誤差信号は、DCT4(N)演算回路1066に入力される。
DCT4(N)演算回路1066は、入力された予測誤差信号に対してサイズNのDCT4の演算を行い、変換係数信号を反転回路1068に出力する。反転回路1068は、変換係数信号に含まれる変換係数の順番を反転させて出力する。これにより、反転回路1068から、変換係数信号として、サイズNのDST4で変換された予測誤差信号が出力される。
すなわち、変換部106は、符号化対象ブロックのサイズがサイズNに一致し、DST4が選択された場合、符号化対象ブロックの予測誤差信号を、その一部の符号を反転させて、DCT4(N)演算回路1066に入力する。
なお、ここで述べられている反転回路1067及び1068は、それぞれ、奇数番目の予測誤差の符号の反転、及び、変換係数の順序の反転を行うが、その他の反転を行ってもよい。例えば、奇数番目の予測誤差の符号の代わりに、偶数番目の予測誤差の符号が反転されてもよい。また、変換部106は、順序を反転させなくてもよい場合、反転回路1068を備えなくてもよい。
上記以外の変換の方法は、図51で説明された第1態様の方法と同様であるため、ここでは説明を省略する。
本態様の変換部106は、DCT4(N)演算回路1066を備えることで、サイズNまでDCT2、DCT4及びDST4で変換を行うことができる。
次に、逆変換部206の回路構成について説明する。なお、逆変換部206の回路構成は、変換部106と類似するため図示を省略する。逆変換部206は、図54の変換部106の回路構成においてDCTがIDCTに変更され、反転回路1064と反転回路1065とが入れ替えられ、反転回路1067と反転回路1068とが入れ替えられる。
つまり、逆変換部206は、IDCT2(N)演算回路、及び、IDCT4(N)演算回路を備える。IDCT2(N)演算回路は、サイズNのIDCT2の演算を行う。IDCT2(N)演算回路は、IDCT2(N/2)演算回路と、IDCT4(N/2)演算回路とを含む。IDCT2(N/2)演算回路は、サイズN/2のIDCT2の演算を行う。IDCT4(N/2)演算回路は、サイズN/2のIDCT4の演算を行う。
ここで、逆変換部206は、復号対象ブロックのサイズがサイズNに一致し、IDCT4が選択された場合、復号対象ブロックの変換係数信号をIDCT4(N)演算回路に入力する。
また、逆変換部206は、復号対象ブロックのサイズがサイズNに一致し、IDST4が選択された場合、復号対象ブロックの変換係数信号を、変換係数信号に含まれる変換係数の順番を反転させて、IDCT4(N)演算回路に入力する。そして、逆変換部206は、IDCT4(N)演算回路から出力される予測誤差信号のうち、一部の予測誤差の符号を反転させ、他部の予測誤差の符号を反転させない。これにより、変換係数信号がIDST4で逆変換される。
上記の一部の予測誤差は、予測誤差信号に含まれる複数の予測誤差のうち奇数番目の予測誤差であってもよいし、予測誤差信号に含まれる複数の予測誤差のうち偶数番目の予測誤差であってもよい。
上記以外の逆変換の方法は、第1態様の方法と同様であるため、ここでは説明を省略する。本態様の逆変換部206は、サイズNまでIDCT2、IDCT4及びIDST4で逆変換を行うことができる。
図56は、本態様に関わるシンタックスの例を説明するための図である。本態様では、処理対象ブロックのサイズによらず、emt_cu_flagがシンタックス要素として記述され、DCT2を用いるかDCT2以外(つまりDST4又はDCT4)を用いるかが指定される。
上記以外について、本態様のシンタックス構造は、第1態様と同じであるため、説明を省略する。
本態様によれば、DCT2用の回路を用いて、DCT2の半分のサイズのDCT4及びDST4も表現することが可能である。また、DCT2の使用可能な最大サイズに対応するDCT4の回路を追加することで、DCT2に加えて、DCT2と同等サイズのDCT4及びDST4を使用することが可能である。したがって、回路面積の増加を抑制しつつ、符号化効率の向上が可能である。
なお、復号装置200の逆変換部206における逆変換処理についても、上記で説明した符号化装置100の変換部106における変換処理と同様に実施してもよい。この場合、復号装置200は、符号化装置100と同様の効果を奏することができる。
また、本態様に記載したすべての構成要素がいつも必要とは限らず、符号化装置100及び復号装置200は、本態様の一部の構成要素のみを備えていてもよい。また、種々の変形が本態様に適用されてもよい。
例えば、変換基底(変換基底の候補)がひとつしかない場合には、符号化装置100は、変換基底を示す情報をビットストリームに書かなくてもよい。
また、DCT2、DCT4及びDST4の演算は、行列演算又はバタフライ演算などの任意の形式で行われてもよい。また、DCT2、DCT4及びDST4の演算は、行列演算及びバタフライ演算の両者を組み合わせて行われてもよいし、行列演算及びバタフライ演算を切り替えて行われてもよい。
予測モードに応じて、複数の変換基底(つまり変換基底の複数の候補)が変更されてもよい。例えば、イントラ予測モードが用いられる場合、変換基底の候補としてDST4及びDCT4のうちDST4のみが追加されてもよい。そして、インター予測モードが用いられる場合、変換基底の候補としてDST4及びDCT4の両方が追加されてもよい。
垂直方向と水平方向とで、複数の変換基底(つまり変換基底の複数の候補)が変更されてもよい。
本態様では、DCT2、DCT4及びDST4を用いて、変換処理が共通化され得る変換基底の組み合わせを説明したが、変換基底の組み合わせはこれに限られない。変換処理を互いに共通化され得る他の変換基底の組み合わせを用いて、同様の構成及び処理が適用されてもよい。なお、変換処理が共通化できない変換基底の組み合わせを用いて、本態様の構成及び処理の一部または全部が適用されてもよい。
[変換及び逆変換の第3態様]
次に、変換及び逆変換の第3態様について説明する。第1態様又は第2態様と同様の構成及び処理について、適宜、説明を省略する。
次に、変換及び逆変換の第3態様について説明する。第1態様又は第2態様と同様の構成及び処理について、適宜、説明を省略する。
図57は、第3態様における符号化装置100の変換部106の第1動作例を示すフローチャートである。
まず、変換部106は、符号化対象ブロックに対して仮の変換を行い、符号化対象ブロックの非ゼロ係数(ゼロ以外の変換係数)の個数が2個よりも多いか否かを判定する(S121)。
非ゼロ係数の個数が2個よりも多いと判定された場合(S121でYes)、変換部106は、複数の変換基底の中から変換基底を選択する(S122)。選択された変換基底を示す信号はビットストリームに符号化される。非ゼロ係数の個数が2個よりも多くないと判定された場合(S121でNo)、変換部106は、変換基底としてDCT2を選択する(S123)。
最後に、変換部106は、選択された変換基底を用いて、変換処理を実施する(S124)。
例えば、変換部106は、DCT4及びDST4の少なくとも一方を含む複数の変換基底のそれぞれを用いて符号化対象ブロックに対して仮の変換を行い、符号化対象ブロックの非ゼロ係数の個数が2個よりも多いか否かを判定する。
そして、変換部106は、DCT2、及び、2個よりも多い非ゼロ係数が得られる1つ以上の変換基底のみを含む複数の変換基底の中から変換基底を選択する。DCT2以外の変換基底を用いて2個よりも多い非ゼロ係数が得られない場合、変換部106は、変換基底としてDCT2を選択する。
つまり、変換部106は、複数の変換基底の中から変換基底を、その変換基底を用いて変換を行うことにより生成される非ゼロ係数の個数が2個よりも多いか否かに基づいて、選択する。
例えば、DCT2以外の変換基底について、その変換基底を用いて変換を行うことにより生成される非ゼロ係数の個数が2個よりも多くない場合、その変換基底を選択することが禁止される。そして、その変換基底を用いて変換を行うことにより生成される非ゼロ係数の個数が2個よりも多い場合、その変換基底を選択することが許容される。
なお、変換部106は、DCT2以外の変換基底を用いることが許容されるか否かを予め判定し、DCT2以外の変換基底を用いることが許容されると判定された場合に、上述の処理を行ってもよい。変換部106は、DCT2以外の変換基底を用いることが許容されないと判定された場合に、DCT2を固定的に用いてもよい。
また、変換部106は、非ゼロ係数の個数が2個よりも多い場合、複数の変換基底のうち、まず、DCT2が用いられるか否かを判定してもよい。そして、変換部106は、DCT2が用いられると判定された場合、DCT2を用いて符号化対象ブロックの変換を行ってもよい。また、変換部106は、DCT2が用いられないと判定された場合、複数の変換基底の中から、DCT2を除いて、変換基底を選択し、選択された変換基底を用いて符号化対象ブロックの変換を行ってもよい。
そして、DCT2以外の変換基底が用いられるか否か、及び、非ゼロ係数の個数が2個よりも多いか否か等に基づいて、ビットストリームに記述される情報が切り替えられてもよい。
図58は、第3態様における復号装置200の逆変換部206の第1動作例を示すフローチャートである。
まず、逆変換部206は、復号対象ブロックの非ゼロ係数の個数が2個よりも多いか否かを判定する(S221)。その際、逆変換部206は、例えば、ビットストリームから取得された信号に基づいて、復号対象ブロックの非ゼロ係数の個数が2個よりも多いか否かを判定してもよい。
復号対象ブロックの非ゼロ係数の個数が2個よりも多いと判定された場合(S221でYes)、逆変換部206は、IDCT4及びIDST4の少なくとも一方を含む複数の逆変換基底の中から逆変換基底を選択する(S222)。その際、逆変換部206は、例えば、ビットストリームから取得された信号に基づいて、複数の逆変換基底の中から逆変換基底を選択してもよい。
一方、復号対象ブロックの非ゼロ係数の個数が2個よりも多くないと判定された場合(S221でNo)、逆変換部206は、逆変換基底としてIDCT2を選択する(S223)。
最後に、逆変換部206は、選択された逆変換基底を用いて、逆変換処理を実施する(S224)。
なお、逆変換部206は、IDCT2以外の逆変換基底を用いることが許容されるか否かを予め判定し、IDCT2以外の逆変換基底を用いることが許容されると判定された場合に、上述の処理を行ってもよい。逆変換部206は、IDCT2以外の逆変換基底を用いることが許容されないと判定された場合に、IDCT2を固定的に用いてもよい。
また、逆変換部206は、非ゼロ係数の個数が2個よりも多い場合、複数の逆変換基底のうち、まず、IDCT2が用いられるか否かを判定してもよい。そして、逆変換部206は、IDCT2が用いられると判定された場合、IDCT2を用いて復号対象ブロックの逆変換を行ってもよい。また、逆変換部206は、IDCT2が用いられないと判定された場合、複数の逆変換基底の中から、IDCT2を除いて、逆変換基底を選択し、選択された逆変換基底を用いて復号対象ブロックの逆変換を行ってもよい。
図59は、本態様の上記の第1動作例に関わるシンタックスの例を説明するための図である。本態様の第1動作例では、非ゼロ係数の個数(num_coeff)が2個よりも多いか否かの判定結果に基づいて、非ゼロ係数の個数が2個よりも多い場合のみ、emt_cu_flag、hor_emt_type及びver_emt_typeの符号化又は復号が行われる。
上記以外について、本態様の第1動作例のシンタックス構造は、第2態様と同じであるため、説明を省略する。
なお、この例では、非ゼロ係数の個数が2個よりも多いか否かが判定されているが、2以外の値で判定が行われてもよい。また、ここで説明されたシンタックスは一例であり、同様の情報を指定することが可能な、他のシンタックスが用いられてもよい。
図60は、第3態様における符号化装置100の変換部106の第2動作例を示すフローチャートである。
まず、変換部106は、符号化対象ブロックの変換にDCT2以外の変換基底が用いられるか否かを判定する(S131)。DCT2以外の変換基底が用いられるか否かを示す信号は、ビットストリームに符号化される。変換部106は、符号化対象ブロックの変換にDCT2が用いられた場合のRDコストを評価し、評価結果が低い場合に、符号化対象ブロックの変換にDCT2以外の変換基底が用いられると判定してもよい。
そして、符号化対象ブロックの変換にDCT2以外の変換基底が用いられないと判定された場合(S131でNo)、変換部106は、変換基底としてDCT2を選択する(S135)。
符号化対象ブロックの変換にDCT2以外の変換基底が用いられると判定された場合(S131でYes)、変換部106は、符号化対象ブロックに対して仮の変換を行い、符号化対象ブロックの非ゼロ係数の個数が2個よりも多いか否かを判定する(S132)。
非ゼロ係数の個数が2個よりも多いと判定された場合(S132でYes)、変換部106は、複数の変換基底の中から変換基底を選択する(S133)。選択された変換基底を示す信号は、ビットストリームに符号化される。非ゼロ係数の個数が2個よりも多くないと判定された場合(S132でNo)、変換部106は、変換基底としてDST4を選択する(S134)。
最後に、変換部106は、選択された変換基底を用いて、変換処理を実施する(S136)。
例えば、変換部106は、DCT4及びDST4の少なくとも一方を含む複数の変換基底のそれぞれを用いて符号化対象ブロックに対して仮の変換を行い、符号化対象ブロックの非ゼロ係数の個数が2個よりも多いか否かを判定する。そして、変換部106は、2個よりも多い非ゼロ係数が得られる1つ以上の変換基底の中から変換基底を選択する。DCT2以外の変換基底を用いて2個よりも多い非ゼロ係数が得られない場合、変換部106は、変換基底としてDST4を選択する。
つまり、変換部106は、複数の変換基底の中から変換基底を、その変換基底を用いて変換を行うことにより生成される非ゼロ係数の個数が2個よりも多いか否かに基づいて、選択する。
例えば、DCT2及びDST4以外の変換基底について、その変換基底を用いて変換を行うことにより生成される非ゼロ係数の個数が2個よりも多くない場合、その変換基底を選択することが禁止される。そして、その変換基底を用いて変換を行うことにより生成される非ゼロ係数の個数が2個よりも多い場合、その変換基底を選択することが許容される。
そして、DCT2以外の変換基底が用いられるか否か、及び、非ゼロ係数の個数が2個よりも多いか否か等に基づいて、ビットストリームに記述される情報が切り替えられてもよい。
図61は、第3態様における復号装置200の逆変換部206の第2動作例を示すフローチャートである。
まず、逆変換部206は、復号対象ブロックの逆変換にIDCT2以外の逆変換基底を用いるか否かを判定する(S231)。その際、逆変換部206は、例えば、ビットストリームから取得された信号に基づいて、復号対象ブロックの逆変換にIDCT2以外の逆変換基底を用いるか否かを判定してもよい。そして、復号対象ブロックの逆変換にIDCT2以外の逆変換基底を用いないと判定された場合(S231でNo)、逆変換部206は、逆変換基底としてIDCT2を選択する(S235)。
復号対象ブロックの逆変換にIDCT2以外の逆変換基底を用いると判定された場合(S231でYes)、逆変換部206は、復号対象ブロックの非ゼロ係数の個数が2個よりも多いか否かを判定する(S232)。その際、逆変換部206は、例えば、ビットストリームから取得された信号に基づいて、復号対象ブロックの非ゼロ係数の個数が2個よりも多いか否かを判定してもよい。
復号対象ブロックの非ゼロ係数の個数が2個よりも多いと判定された場合(S232でYes)、逆変換部206は、IDCT4及びIDST4の少なくとも一方を含む複数の逆変換基底の中から逆変換基底を選択する(S233)。その際、逆変換部206は、例えば、ビットストリームから取得された信号に基づいて、複数の逆変換基底の中から逆変換基底を選択してもよい。
一方、復号対象ブロックの非ゼロ係数の個数が2個よりも多くないと判定された場合(S232でNo)、逆変換部206は、逆変換基底としてIDST4を選択する(S234)。
最後に、逆変換部206は、選択された逆変換基底を用いて、逆変換処理を実施する(S236)。
図62は、本態様の上記の第2動作例に関わるシンタックスの例を説明するための図である。本態様の第2動作例では、まず、emt_cu_flagの符号化又は復号が行われる。その後、非ゼロ係数の個数(num_coeff)が2個よりも多いか否かの判定結果に基づいて、非ゼロ係数の個数が2個よりも多い場合のみ、hor_emt_type及びver_emt_typeの符号化又は復号が行われる。
上記以外について、本態様の第2動作例のシンタックス構造は、本態様の第1動作例と同じであるため、説明を省略する。
なお、この例では、非ゼロ係数の個数が2個よりも多いか否かが判定されているが、2以外の値で判定が行われてもよい。また、ここで説明されたシンタックスは一例であり、同様の情報を指定することが可能な、他のシンタックスが用いられてもよい。
また、図60の例では、条件が満たされた場合にDST4が選択されるが、DST4に限られず、DCT4が選択されてもよい。また、DST4又はDCT4の所定の基底の符号を反転したり、係数値の絶対値を変えずに係数位置の転置を行ったりすることで得られる変換基底が用いられてもよいし、その他の変換基底が用いられてもよい。
同様に、図61の例では、条件が満たされた場合にIDST4が選択されるが、IDST4に限られず、IDCT4が選択されてもよい。また、IDST4又はIDCT4の所定の基底の符号を反転したり、係数値の絶対値を変えずに係数位置の転置を行ったりすることで得られる逆変換基底が用いられてもよいし、その他の逆変換基底が用いられてもよい。
本態様によれば、DCT2用の回路を用いて、DCT2の半分のサイズのDCT4及びDST4も表現することが可能である。また、非ゼロ係数の個数が少ない場合に、ビットストリームに記述されるシンタックス要素の個数を減らすことが可能である。逆変換の構成及び処理も変換の構成及び処理と同様である。これにより、回路面積の増加を抑制しつつ、符号化効率の向上が可能である。
なお、本態様に記載したすべての構成要素がいつも必要とは限らず、符号化装置100及び復号装置200は、本態様の一部の構成要素のみを備えていてもよい。また、符号化装置100及び復号装置200は、他の態様の構成要素、又は、他の構成要素を備えてもよい。
[変換及び逆変換の第4態様]
次に、変換及び逆変換の第4態様について説明する。第1態様、第2態様又は第3態様と同様の構成及び処理について、適宜、説明を省略する。
次に、変換及び逆変換の第4態様について説明する。第1態様、第2態様又は第3態様と同様の構成及び処理について、適宜、説明を省略する。
図63は、第4態様における符号化装置100の変換部106の動作例を示すフローチャートである。
まず、変換部106は、ブロックサイズが閾値サイズ以下であるか否かを判定する(S141)。ここで、閾値サイズは、DCT2の使用可能な最大サイズの半分以下のサイズである。つまり、閾値サイズは、DCT2の使用が許容される最大サイズの2分の1以下である。
DCT2の使用可能な最大サイズは、例えば標準規格に予め定義される。なお、最大サイズは、ビットストリームに書き込まれてもよい。例えば、DCT2の使用可能な最大サイズが128である場合、閾値サイズは、64、32、16、8又は4であってもよい。閾値サイズは、標準規格に予め定義されてもよいし、符号化パラメータ(例えば予測モード等)に基づいて定められてもよい。
ブロックサイズが閾値サイズ以下である場合(S141でYes)、変換部106は、ブロックサイズが特定サイズであるか否かを判定する(S142)。特定サイズは、標準規格に予め定義されてもよいし、符号化パラメータ(例えば予測モード等)に基づいて定められてもよい。
ブロックサイズが特定サイズである場合(S142でYes)、変換部106は、DCT2に加えてDCT4及びDST4の少なくとも一方を含む複数の変換基底の中から変換基底を選択する(S143)。ブロックサイズが特定サイズでない場合(S142でNo)、変換部106は、DCT2に加えて、DCT4及びDST4以外の変換基底を含む複数の変換基底の中から変換基底を選択する(S144)。
ブロックサイズが閾値サイズより大きい場合(S141でNo)、変換部106は、複数の変換基底の中から、DCT4及びDST4を除外して、変換基底を選択する。図63の例では、DCT4及びDST4の除外後、DCT2のみが残る。そのため、DCT2が固定的に選択される(S145)。
最後に、変換部106は、選択された変換基底を用いて、符号化対象ブロックの予測誤差信号の変換処理を実施する(S146)。
言い換えれば、変換部106は、ブロックサイズが、閾値サイズよりも大きく第1サイズである場合、所定変換基底を用いて変換処理を行う。また、変換部106は、ブロックサイズが、閾値サイズ以下で第2サイズである場合、第1候補群から選択される変換基底を用いて変換処理を行う。また、変換部106は、ブロックサイズが、閾値サイズ以下で第2サイズとは異なる第3サイズである場合、第2候補群から選択される変換基底を用いて変換処理を行う。
ここで、第1候補群と第2候補群とで一部が異なっていればよく、第1候補群と第2候補群とで一部が重複していてもよい。
上記では符号化装置100における処理が説明されているが、復号装置200における処理も同様である。復号装置200は、上記と同様の制御によって指定される複数の逆変換基底の中から、ビットストリームから復号化された信号に基づいて、逆変換基底を特定する。そして、復号装置200は、特定された逆変換基底を用いて、逆変換処理を実施する。
図64は、第4態様における復号装置200の逆変換部206の動作例を示すフローチャートである。
まず、逆変換部206は、ブロックサイズが閾値サイズ以下であるか否かを判定する(S241)。ここで、閾値サイズは、IDCT2の使用可能な最大サイズの半分以下のサイズである。つまり、閾値サイズは、IDCT2の使用が許容される最大サイズの2分の1以下である。
IDCT2の使用可能な最大サイズは、例えば標準規格に予め定義される。なお、最大サイズは、ビットストリームに書き込まれてもよい。例えば、IDCT2の使用可能な最大サイズが128である場合、閾値サイズは、64、32、16、8又は4であってもよい。閾値サイズは、標準規格に予め定義されてもよいし、符号化パラメータ(例えば予測モード等)に基づいて定められてもよい。
ブロックサイズが閾値サイズ以下である場合(S241でYes)、逆変換部206は、ブロックサイズが特定サイズであるか否かを判定する(S242)。特定サイズは、標準規格に予め定義されてもよいし、符号化パラメータ(例えば予測モード等)に基づいて定められてもよい。
ブロックサイズが特定サイズである場合(S242でYes)、逆変換部206は、IDCT2に加えてIDCT4及びIDST4の少なくとも一方を含む複数の逆変換基底の中から逆変換基底を選択する(S243)。ブロックサイズが特定サイズでない場合(S242でNo)、逆変換部206は、IDCT2に加えて、IDCT4及びIDST4以外の逆変換基底を含む複数の逆変換基底の中から逆変換基底を選択する(S244)。
ブロックサイズが閾値サイズより大きい場合(S241でNo)、逆変換部206は、複数の逆変換基底の中から、IDCT4及びIDST4を除外して、逆変換基底を選択する。図64の例では、IDCT4及びIDST4の除外後、IDCT2のみが残る。そのため、IDCT2が固定的に選択される(S245)。
最後に、逆変換部206は、選択された逆変換基底を用いて、復号対象ブロックの予測誤差信号の逆変換処理を実施する(S246)。
言い換えれば、逆変換部206は、ブロックサイズが、閾値サイズよりも大きく、第1サイズである場合、所定逆変換基底を用いて逆変換処理を行う。また、逆変換部206は、ブロックサイズが、閾値サイズ以下で、第2サイズである場合、第1候補群から選択される逆変換基底を用いて逆変換処理を行う。また、逆変換部206は、ブロックサイズが、閾値サイズ以下で、第2サイズとは異なる第3サイズである場合、第2候補群から選択される逆変換基底を用いて逆変換処理を行う。
ここで、第1候補群と第2候補群とで一部が異なっていればよく、第1候補群と第2候補群とで一部が重複していてもよい。
本態様によれば、ブロックサイズが特定サイズである場合に、DCT2の回路を共用してDCT4及びDST4を用いることが可能である。ブロックサイズが特定サイズでない場合、DCT4及びDST4よりも係数削減効率(符号化効率)の高い他の変換基底を用いることが可能である。逆変換の構成及び処理も変換の構成及び処理と同様である。これにより、回路面積の増加を抑制しつつ、符号化効率の向上が可能である。
なお、本態様に記載したすべての構成要素がいつも必要とは限らず、符号化装置100及び復号装置200は、本態様の一部の構成要素のみを備えていてもよい。また、符号化装置100及び復号装置200は、他の態様の構成要素、又は、他の構成要素を備えてもよい。
[変換及び逆変換の第5態様]
次に、変換及び逆変換の第5態様について説明する。第1態様、第2態様、第3態様又は第4態様と同様の構成及び処理について、適宜、説明を省略する。
次に、変換及び逆変換の第5態様について説明する。第1態様、第2態様、第3態様又は第4態様と同様の構成及び処理について、適宜、説明を省略する。
図65は、第5態様における符号化装置100の変換部106の動作例を示すフローチャートである。図65は、第1態様にSVTが適用される場合の動作を示すが、SVTは第1態様から第4態様までのいずれの態様に適用されてもよいし、第1態様から第4態様までによらず単独で用いられてもよい。
まず、変換部106は、ブロックサイズが閾値サイズ以下であるか否かを判定する(S151)。そして、ブロックサイズが閾値サイズ以下である場合(S151でYes)、変換部106は、MTS(Multiple Transform Selection)が用いられるか否かを判定する(S152)。MTSは、複数の変換基底の中から変換基底が選択されるモードであり、EMT又はAMTとも呼ばれる。MTSが用いられるか否かを示す信号は、ビットストリームに符号化される。
MTSが用いられると判定された場合(S152でYes)、変換部106は、DCT4及びDST4の少なくとも一方を含む複数の変換基底の中から、符号化対象ブロックの変換に用いられる変換基底を選択する(S154)。
MTSが用いられないと判定された場合(S152でNo)、変換部106は、SVTが用いられるか否かを判定する(S153)。SVTが用いられるか否かを示す信号は、ビットストリームに符号化される。SVTが用いられると判定された場合(S153でYes)、変換部106は、DCT4及びDST4の少なくとも一方を含む複数の変換基底の中から、符号化対象ブロックを分割することで得られる分割領域の変換に用いられる変換基底を選択する(S155)。
ブロックサイズが閾値サイズよりも大きい場合(S151でNo)、又は、MTSもSVTも用いられない場合(S152でNoかつS153でNo)、変換部106は、DCT2を選択する(S156)。
最後に、変換部106は、MTS又はSVTなどの変換モードに応じて決定される変換対象領域に対して、選択された変換基底を用いて変換を行う(S157)。
図65の例では、MTSが用いられるか否か判定後に、SVTが用いられるか否かの判定が行われているが、MTS及びSVTの判定順序は逆であってもよい。
また、この例において、同一の符号化ブロックに対してMTSとSVTとの両方は用いられない。そのため、MTSが有効であるか否か(用いられるか否か)を示す情報とSVTが有効であるか否か(用いられるか否か)を示す情報との符号化において、MTSが有効でない場合にのみ、SVTの有効であるか否かを示す情報が符号化されてもよい。
図66は、第5態様における復号装置200の逆変換部206の動作例を示すフローチャートである。
まず、逆変換部206は、ブロックサイズが閾値サイズ以下であるか否かを判定する(S251)。そして、ブロックサイズが閾値サイズ以下である場合(S251でYes)、逆変換部206は、MTSが用いられるか否かを判定する(S252)。例えば、逆変換部206は、ビットストリームから復号される信号を参照して、MTSが用いられるか否かを判定する。
MTSが用いられると判定された場合(S252でYes)、逆変換部206は、IDCT4及びIDST4の少なくとも一方を含む複数の逆変換基底の中から、復号対象ブロックの逆変換に用いられる逆変換基底を選択する(S254)。例えば、逆変換部206は、ビットストリームから復号される信号を参照して、復号対象ブロックの逆変換に用いられる逆変換基底を選択する。
MTSが用いられないと判定された場合(S252でNo)、逆変換部206は、SVTが用いられるか否かを判定する(S253)。例えば、逆変換部206は、ビットストリームから復号される信号を参照して、SVTが用いられるか否かを判定する。
SVTが用いられる場合(S253でYes)、逆変換部206は、ビットストリームから復号される信号を参照して、復号対象ブロックの一部を特定する。そして、逆変換部206は、ビットストリームから復号される信号を参照して、IDCT4及びIDST4の少なくとも一方を含む複数の逆変換基底の中から、復号対象ブロックの一部の逆変換に用いられる逆変換基底を選択する(S255)。
ブロックサイズが閾値サイズよりも大きい場合(S251でNo)、又は、MTSもSVTも用いられない場合(S252でNoかつS253でNo)、逆変換部206は、IDCT2を選択する(S256)。
最後に、逆変換部206は、MTS又はSVTなどの変換モードに応じて決定される逆変換対象領域に対して、選択された逆変換基底を用いて逆変換を行う(S257)。
MTSの使用可能な上限サイズと、SVTが使用可能な上限サイズとは、互いに、同一であってもよいし、異なっていてもよい。これらが互いに異なる場合において、ブロックサイズがMVTの使用可能な上限サイズ以下である場合に、MTSが用いられるか否かが判定され、ブロックサイズがSVTの使用可能な上限サイズ以下である場合に、SVTが用いられるか否かが判定されてもよい。MTSが用いられるか否か、及び、SVTが用いられるか否かは、符号化モード又はRDコストなどに基づいて、判定されてもよい。
また、MTS及びSVTにおけるDCT2以外の変換基底として、DCT4及びDST4とは異なる他の変換基底が選択可能であってもよい。
また、例えば、MTSでは、ブロックサイズに応じて、DST7及びDCT8のペアと、DCT4及びDST4のペアとが、使用可能な変換基底のペアとして切り替えられてもよい。そして、SVTでは、ブロックサイズに関わらず、DCT4及びDST4のペア、あるいは、DST7及びDCT8のペアが、使用可能な変換基底のペアとして用いられてもよい。
図67は、SVTにおいてDCT4及びDST4のうち少なくとも一方が用いられる場合における変換対象領域と変換対象領域の変換に用いられる変換基底との関係の一例を示す図である。
例えば、符号化対象ブロックの左半分が変換対象領域である場合、変換対象領域は、方向が垂直であり、位置が0であると識別される。この場合、水平方向の変換基底にDCT4が用いられ、垂直方向の変換基底にDST4が用いられる。また、例えば、符号化対象ブロックの右半分が変換対象領域である場合、変換対象領域は、方向が垂直であり、位置が1であると識別される。この場合、水平方向の変換基底にDST4が用いられ、垂直方向の変換基底にDST4が用いられる。
また、例えば、符号化対象ブロックの上半分が変換対象領域である場合、変換対象領域は、方向が水平であり、位置が0であると識別される。この場合、水平方向の変換基底にDST4が用いられ、垂直方向の変換基底にDCT4が用いられる。また、例えば、符号化対象ブロックの下半分が変換対象領域である場合、変換対象領域は、方向が垂直であり、位置が1であると識別される。この場合、水平方向の変換基底にDST4が用いられ、垂直方向の変換基底にDST4が用いられる。
本態様によれば、ブロックサイズが閾値サイズ以下である場合にのみ、MTS又はSVTが適用され、DCT2とは異なる変換基底が選択され得る。これにより、DCT2とは異なる変換基底によって、変換処理においてワーストケースの処理量が削減され得る。さらに、MTS又はSVTにおいて、DCT2の変換回路の一部を使用してDCT4又はDST4の演算が可能である。そのため、DCT2に基づく従来の変換処理のための回路と、MTS又はSVTにおけるDCT4又はDST4に基づく変換処理のための回路との共用が可能である。したがって、回路規模が削減され得る。
例えば、ブロックサイズが閾値サイズ以上である場合などにおいて、変換基底(変換基底の候補)がひとつしかない場合には、符号化装置100は、変換基底を示す情報をビットストリームに書かなくてもよい。
また、DCT2、DCT4及びDST4の演算は、行列演算又はバタフライ演算などの任意の形式で行われてもよい。また、DCT2、DCT4及びDST4の演算は、行列演算及びバタフライ演算の両者を組み合わせて行われてもよいし、行列演算及びバタフライ演算を切り替えて行われてもよい。
予測モードに応じて、複数の変換基底(つまり変換基底の複数の候補)が変更されてもよい。例えば、イントラ予測モードが用いられる場合、変換基底の候補としてDST4及びDCT4のうちDST4のみが追加されてもよい。そして、インター予測モードが用いられる場合、変換基底の候補としてDST4及びDCT4の両方が追加されてもよい。
垂直方向と水平方向で、複数の変換基底(つまり変換基底の複数の候補)が変更されてもよい。
本態様では、DCT2、DCT4及びDST4を用いて、変換処理が共通化され得る変換基底の組み合わせを説明したが、変換基底の組み合わせはこれに限られない。変換処理を互いに共通化され得る他の変換基底の組み合わせを用いて、同様の構成及び処理が適用されてもよい。なお、変換処理が共通化できない変換基底の組み合わせを用いて、本態様の構成及び処理の一部または全部が適用されてもよい。
[構成及び処理の代表例]
上記の複数の態様に示された変換及び逆変換を行う符号化装置100及び復号装置200の構成及び処理の代表例を以下に示す。
上記の複数の態様に示された変換及び逆変換を行う符号化装置100及び復号装置200の構成及び処理の代表例を以下に示す。
図68は、符号化装置100が行う動作を示すフローチャートである。具体的には、符号化装置100は、回路及びメモリを備え、符号化装置100の回路が、符号化装置100のメモリを用いて、図68に示された動作を行う。例えば、符号化装置100が備える回路及びメモリは、図40に示されるプロセッサa1及びメモリa2に対応する。
より具体的には、符号化装置100の回路は、イントラ予測及びインター予測の一方により、動画像に含まれる符号化対象ブロックの予測画像を生成(つまり取得)する(S301)。イントラ予測及びインター予測の一方により取得される予測画像は、イントラ予測で生成された予測画像及びインター予測で生成された予測画像の中から選択されることにより取得されてもよい。
また、符号化装置100の回路は、符号化対象ブロックの画像と予測画像との差を符号化対象ブロックの予測誤差信号として生成する(S302)。また、符号化装置100の回路は、複数の変換基底の中から、予測誤差信号の変換に用いられる変換基底を選択する(S303)。そして、符号化装置100の回路は、選択された変換基底を用いて予測誤差信号の変換を行うことにより、符号化対象ブロックの変換係数信号を生成する(S304)。そして、符号化装置100の回路は、変換係数信号を符号化する(S305)。
また、符号化装置100の回路は、予測画像がイントラ予測により取得される場合と予測画像がインター予測により取得される場合とで共通の対応関係で複数の変換基底に対応付けられた複数のインデックス値のうち、選択された変換基底に対応付けられたインデックス値を符号化する(S306)。つまり、複数のインデックス値と複数の変換基底との対応関係が、固定されており、予測画像がイントラ予測により取得される場合と、予測画像がインター予測により取得される場合とで、変化しない。
これにより、符号化装置100は、予測画像の生成にイントラ予測が用いられる場合と予測画像の生成にインター予測が用いられる場合との間で共通の方法を用いて、変換基底に対応付けられたインデックス値を符号化することができる。したがって、処理が簡素化され、処理量が削減され得る。
例えば、符号化装置100の回路は、所定変換基底が用いられるか否かを決定してもよい。そして、所定変換基底が用いられると決定された場合、符号化装置100の回路は、所定変換基底を用いて予測誤差信号の変換を行ってもよい。一方、所定変換基底が用いられないと決定された場合、符号化装置100の回路は、複数の変換基底の中から、変換基底を選択し、変換基底を用いて予測誤差信号の変換を行ってもよい。
そして、符号化装置100の回路は、所定変換基底が用いられるか否かを示す制御値を符号化してもよい。
これにより、符号化装置100は、所定変換基底が用いられる場合における符号量の削減に貢献することができる。
また、例えば、符号化装置100の回路は、水平方向の変換基底及び垂直方向の変換基底の両方に所定変換基底が用いられるか否かを決定してもよい。そして、水平方向の変換基底及び垂直方向の変換基底の両方に所定変換基底が用いられると決定された場合、符号化装置100の回路は、水平方向の変換基底及び垂直方向の変換基底の両方に所定変換基底を用いて予測誤差信号の変換を行ってもよい。
一方、水平方向の変換基底及び垂直方向の変換基底の両方に所定変換基底が用いられないと決定された場合、符号化装置100の回路は、複数の変換基底の中から、水平方向の変換基底及び垂直方向の変換基底を選択してもよい。そして、符号化装置100の回路は、水平方向の変換基底及び垂直方向の変換基底を用いて予測誤差信号の変換を行ってもよい。
これにより、符号化装置100は、水平方向及び垂直方向の両方に所定変換基底が用いられない場合、水平方向及び垂直方向のそれぞれについて、個別に適切な変換基底を選択することができる。
また、例えば、複数のインデックス値のうち複数の変換基底に含まれるDSTに対応付けられるインデックス値は、複数のインデックス値のうち複数の変換基底に含まれるDCTに対応付けられるインデックス値よりも小さくてもよい。これにより、符号化装置100は、より適切な変換が行われると想定されるDSTに、より小さいインデックス値を用いることができ、処理量又は符号量の削減に貢献することができる。
また、例えば、符号化装置100の回路は、DCT2が用いられるか否かを決定してもよい。そして、DCT2が用いられると決定された場合、符号化装置100の回路は、DCT2を用いて予測誤差信号の変換を行ってもよい。また、DCT2が用いられないと決定された場合、符号化装置100の回路は、複数の変換基底の中から、変換基底を選択し、変換基底を用いて予測誤差信号の変換を行ってもよい。そして、符号化装置100の回路は、DCT2が用いられるか否かを示す制御値を符号化してもよい。
これにより、符号化装置100は、変換の処理量が小さいと想定されるDCT2が用いられる場合における符号量の削減に貢献することができる。
また、例えば、複数の変換基底は、DCT4及びDST4の少なくとも一方を含んでいてもよい。これにより、符号化装置100は、DCT2が用いられない場合に、DCT4及びDST4を含む複数の変換基底の中から適切な変換基底を選択することができる。
また、例えば、複数の変換基底は、DCT4及びDST4の両方を含んでいてもよい。そして、複数のインデックス値のうち複数の変換基底に含まれるDST4に対応付けられるインデックス値は、複数のインデックス値のうち複数の変換基底に含まれるDCT4に対応付けられるインデックス値よりも小さくてもよい。
これにより、符号化装置100は、より適切な変換が行われると想定されるDST4に、より小さいインデックス値を用いることができ、処理量又は符号量の削減に貢献することができる。
また、例えば、複数の変換基底は、DCT4及びDST4の両方を含んでいてもよい。そして、符号化装置100の回路は、DST4を用いて予測誤差信号の変換が行われる場合、予測誤差信号の一部の符号を反転し、DCT4を用いて、一部の符号が反転された予測誤差信号の変換を行ってもよい。これにより、符号化装置100は、DCT4の演算を行うための構成を用いて、DST4の演算を行うことができる。
また、例えば、予測誤差信号の一部は、予測誤差信号に含まれる複数の予測誤差値のうち、偶数番目の複数の予測誤差値、又は、予測誤差信号に含まれる複数の予測誤差値のうち、奇数番目の複数の予測誤差値であってもよい。これにより、符号化装置100は、DST4の演算に対応する適切な反転を行うことができる。
また、例えば、符号化装置100の回路は、所定サイズのDCT2の演算を行う第1演算回路と、所定サイズのDCT4の演算を行う第2演算回路とを備えていてもよい。そして、第1演算回路は、所定サイズの半分のDCT2の演算を行う第3演算回路と、所定サイズの半分のDCT4の演算を行う第4演算回路とを備えていてもよい。
これにより、符号化装置100は、所定サイズのDCT2の演算、及び、所定サイズのDCT4の演算を行うことができる。また、符号化装置100は、所定サイズの半分のDCT2の演算、及び、所定サイズの半分のDCT4の演算を行うことができる。
また、例えば、複数の変換基底は、DCT4を含んでいてもよい。そして、符号化対象ブロックのサイズが所定サイズであり、予測誤差信号の変換にDCT4が用いられる場合、予測誤差信号が第2演算回路に入力されてもよい。これにより、符号化装置100は、第2演算回路を用いて、所定サイズのDCT4の演算を行うことができる。
また、例えば、複数の変換基底は、DST4を含んでいてもよい。そして、符号化対象ブロックのサイズが所定サイズであり、予測誤差信号の変換にDST4が用いられる場合、予測誤差信号の一部の符号が反転され、一部の符号が反転された予測誤差信号が第2演算回路に入力されてもよい。これにより、符号化装置100は、第2演算回路を用いて、所定サイズのDST4の演算を行うことができる。
図69は、復号装置200が行う動作を示すフローチャートである。具体的には、復号装置200は、回路及びメモリを備え、復号装置200の回路が、復号装置200のメモリを用いて、図69に示された動作を行う。例えば、復号装置200が備える回路及びメモリは、図46に示されるプロセッサb1及びメモリb2に対応する。
より具体的には、復号装置200の回路は、イントラ予測及びインター予測の一方により、動画像に含まれる復号対象ブロックの予測画像を生成(つまり取得)する(S401)。イントラ予測及びインター予測の一方により取得される予測画像は、イントラ予測で生成された予測画像及びインター予測で生成された予測画像の中から選択されることにより取得されてもよい。
また、復号装置200の回路は、復号対象ブロックの変換係数信号を復号する(S402)。また、復号装置200の回路は、インデックス値を復号する(S403)。
そして、復号装置200の回路は、予測画像がイントラ予測により取得される場合と予測画像がインター予測により取得される場合とで共通の対応関係で複数のインデックス値に対応付けられた複数の逆変換基底の中から、復号されたインデックス値に対応付けられた逆変換基底を選択する(S404)。つまり、複数のインデックス値と複数の逆変換基底との対応関係が、固定されており、予測画像がイントラ予測により取得される場合と、予測画像がインター予測により取得される場合とで、変化しない。
そして、復号装置200の回路は、選択された逆変換基底を用いて、変換係数信号の逆変換を行うことにより、復号対象ブロックの予測誤差信号を生成する(S405)。そして、復号装置200の回路は、予測誤差信号と予測画像との和を復号対象ブロックの再構成画像として生成する(S406)。
これにより、復号装置200は、予測画像の生成にイントラ予測が用いられる場合と予測画像の生成にインター予測が用いられる場合との間で共通の方法を用いて、インデックス値に対応付けられた逆変換基底を選択することができる。したがって、処理が簡素化され、処理量が削減され得る。
例えば、復号装置200の回路は、所定逆変換基底が用いられるか否かを示す制御値を復号してもよい。
そして、復号装置200の回路は、制御値を用いて、所定逆変換基底が用いられるか否かを決定してもよい。そして、所定逆変換基底が用いられると決定された場合、復号装置200の回路は、所定逆変換基底を用いて変換係数信号の逆変換を行ってもよい。一方、所定逆変換基底が用いられないと決定された場合、復号装置200の回路は、複数の逆変換基底の中から、逆変換基底を選択し、逆変換基底を用いて変換係数信号の逆変換を行ってもよい。
これにより、復号装置200は、所定逆変換基底が用いられる場合における符号量の削減に貢献することができる。
また、例えば、復号装置200の回路は、制御値を用いて、水平方向の逆変換基底及び垂直方向の逆変換基底の両方に所定逆変換基底が用いられるか否かを決定してもよい。そして、水平方向の逆変換基底及び垂直方向の逆変換基底の両方に所定逆変換基底が用いられると決定された場合、復号装置200の回路は、水平方向の逆変換基底及び垂直方向の逆変換基底の両方に所定逆変換基底を用いて変換係数信号の逆変換を行ってもよい。
一方、水平方向の逆変換基底及び垂直方向の逆変換基底の両方に所定逆変換基底が用いられないと決定された場合、復号装置200の回路は、複数の逆変換基底の中から、水平方向の逆変換基底及び垂直方向の逆変換基底を選択してもよい。そして、復号装置200の回路は、水平方向の逆変換基底及び垂直方向の逆変換基底を用いて変換係数信号の逆変換を行ってもよい。
これにより、復号装置200は、水平方向及び垂直方向の両方に所定逆変換基底が用いられない場合、水平方向及び垂直方向のそれぞれについて、個別に適切な逆変換基底を選択することができる。
また、例えば、複数のインデックス値のうち複数の逆変換基底に含まれるIDSTに対応付けられるインデックス値は、複数のインデックス値のうち複数の逆変換基底に含まれるIDCTに対応付けられるインデックス値よりも小さくてもよい。これにより、復号装置200は、より適切な逆変換が行われると想定されるIDSTに、より小さいインデックス値を用いることができ、処理量又は符号量の削減に貢献することができる。
また、例えば、復号装置200の回路は、IDCT2が用いられるか否かを示す制御値を復号してもよい。そして、復号装置200の回路は、制御値を用いて、IDCT2が用いられるか否かを決定してもよい。
そして、IDCT2が用いられると決定された場合、復号装置200の回路は、IDCT2を用いて変換係数信号の逆変換を行ってもよい。また、IDCT2が用いられないと決定された場合、復号装置200の回路は、複数の逆変換基底の中から、逆変換基底を選択し、逆変換基底を用いて変換係数信号の逆変換を行ってもよい。
これにより、復号装置200は、逆変換の処理量が小さいと想定されるIDCT2が用いられる場合における符号量の削減に貢献することができる。
また、例えば、複数の逆変換基底は、IDCT4及びIDST4の少なくとも一方を含んでいてもよい。これにより、復号装置200は、IDCT2が用いられない場合に、IDCT4及びIDST4を含む複数の逆変換基底の中から適切な逆変換基底を選択することができる。
また、例えば、複数の逆変換基底は、IDCT4及びIDST4の両方を含んでいてもよい。そして、複数のインデックス値のうち複数の逆変換基底に含まれるIDST4に対応付けられるインデックス値は、複数のインデックス値のうち複数の逆変換基底に含まれるIDCT4に対応付けられるインデックス値よりも小さくてもよい。
これにより、復号装置200は、より適切な逆変換が行われると想定されるIDST4に、より小さいインデックス値を用いることができ、処理量又は符号量の削減に貢献することができる。
また、例えば、複数の逆変換基底は、IDCT4及びIDST4の両方を含んでいてもよい。そして、復号装置200の回路は、IDST4を用いて変換係数信号の逆変換が行われる場合、IDCT4を用いて変換係数信号の逆変換を行い、変換係数信号の逆変換結果の一部の符号を反転してもよい。これにより、復号装置200は、IDCT4の演算を行うための構成を用いて、IDST4の演算を行うことができる。
また、例えば、逆変換結果の一部は、逆変換結果に含まれる複数の結果値のうち、偶数番目の複数の結果値、又は、逆変換結果に含まれる複数の結果値のうち、奇数番目の複数の結果値であってもよい。これにより、復号装置200は、IDST4の演算に対応する適切な反転を行うことができる。
また、例えば、復号装置200の回路は、所定サイズのIDCT2の演算を行う第1演算回路と、所定サイズのIDCT4の演算を行う第2演算回路とを備えていてもよい。そして、第1演算回路は、所定サイズの半分のIDCT2の演算を行う第3演算回路と、所定サイズの半分のIDCT4の演算を行う第4演算回路とを備えていてもよい。
これにより、復号装置200は、所定サイズのIDCT2の演算、及び、所定サイズのIDCT4の演算を行うことができる。また、復号装置200は、所定サイズの半分のIDCT2の演算、及び、所定サイズの半分のIDCT4の演算を行うことができる。
また、例えば、複数の逆変換基底は、IDCT4を含んでいてもよい。そして、復号対象ブロックのサイズが所定サイズであり、変換係数信号の逆変換にIDCT4が用いられる場合、変換係数信号が第2演算回路に入力されてもよい。これにより、復号装置200は、第2演算回路を用いて、所定サイズのIDCT4の演算を行うことができる。
また、例えば、複数の逆変換基底は、IDST4を含んでいてもよい。そして、復号対象ブロックのサイズが所定サイズであり、変換係数信号の逆変換にIDST4が用いられる場合、変換係数信号が第2演算回路に入力され、第2演算回路の出力結果の一部の符号が反転されてもよい。これにより、復号装置200は、第2演算回路を用いて、所定サイズのIDST4の演算を行うことができる。
[補足]
本実施の形態における符号化装置100及び復号装置200は、それぞれ、画像符号化装置及び画像復号装置として利用されてもよいし、動画像符号化装置及び動画像復号装置として利用されてもよい。
本実施の形態における符号化装置100及び復号装置200は、それぞれ、画像符号化装置及び画像復号装置として利用されてもよいし、動画像符号化装置及び動画像復号装置として利用されてもよい。
あるいは、符号化装置100及び復号装置200は、それぞれ、変換装置及び逆変換装置として利用されてもよい。すなわち、符号化装置100及び復号装置200は、それぞれ、変換部106及び逆変換部206のみに対応していてもよい。そして、他の構成要素は、他の装置に含まれていてもよい。
また、本実施の形態の少なくとも一部が、符号化方法として利用されてもよいし、復号方法として利用されてもよいし、変換方法として利用されてもよいし、逆変換方法として利用されてもよいし、その他の方法として利用されてもよい。
また、本実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、CPU又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
具体的には、符号化装置100及び復号装置200のそれぞれは、処理回路(Processing Circuitry)と、当該処理回路に電気的に接続された、当該処理回路からアクセス可能な記憶装置(Storage)とを備えていてもよい。例えば、処理回路はプロセッサa1又はb1に対応し、記憶装置はメモリa2又はb2に対応する。
処理回路は、専用のハードウェア及びプログラム実行部の少なくとも一方を含み、記憶装置を用いて処理を実行する。また、記憶装置は、処理回路がプログラム実行部を含む場合には、当該プログラム実行部により実行されるソフトウェアプログラムを記憶する。
ここで、本実施の形態の符号化装置100又は復号装置200などを実現するソフトウェアは、次のようなプログラムである。
例えば、このプログラムは、コンピュータに、動画像を符号化する符号化方法であって、イントラ予測及びインター予測の一方により、前記動画像に含まれる符号化対象ブロックの予測画像を取得し、前記符号化対象ブロックの画像と前記予測画像との差を前記符号化対象ブロックの予測誤差信号として生成し、複数の変換基底の中から、前記予測誤差信号の変換に用いられる変換基底を選択し、前記変換基底を用いて前記予測誤差信号の変換を行うことにより、前記符号化対象ブロックの変換係数信号を生成し、前記変換係数信号を符号化し、前記予測画像がイントラ予測により取得される場合と前記予測画像がインター予測により取得される場合とで共通の対応関係で前記複数の変換基底に対応付けられた複数のインデックス値のうち、前記変換基底に対応付けられたインデックス値を符号化する符号化方法を実行させてもよい。
また、例えば、このプログラムは、コンピュータに、動画像を復号する復号方法であって、イントラ予測及びインター予測の一方により、前記動画像に含まれる復号対象ブロックの予測画像を取得し、前記復号対象ブロックの変換係数信号を復号し、インデックス値を復号し、前記予測画像がイントラ予測により取得される場合と前記予測画像がインター予測により取得される場合とで共通の対応関係で複数のインデックス値に対応付けられた複数の逆変換基底の中から、前記インデックス値に対応付けられた逆変換基底を選択し、前記逆変換基底を用いて、前記変換係数信号の逆変換を行うことにより、前記復号対象ブロックの予測誤差信号を生成し、前記予測誤差信号と前記予測画像との和を前記復号対象ブロックの再構成画像として生成する復号方法を実行させてもよい。
また、各構成要素は、上述の通り、回路であってもよい。これらの回路は、全体として1つの回路を構成してもよいし、それぞれ別々の回路であってもよい。また、各構成要素は、汎用的なプロセッサで実現されてもよいし、専用のプロセッサで実現されてもよい。
また、特定の構成要素が実行する処理を別の構成要素が実行してもよい。また、処理を実行する順番が変更されてもよいし、複数の処理が並行して実行されてもよい。また、符号化復号装置が、符号化装置100及び復号装置200を備えていてもよい。
また、説明に用いられた第1及び第2等の序数は、適宜、付け替えられてもよい。また、構成要素などに対して、序数が新たに与えられてもよいし、取り除かれてもよい。
以上、符号化装置100及び復号装置200の態様について、実施の形態に基づいて説明したが、符号化装置100及び復号装置200の態様は、この実施の形態に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、符号化装置100及び復号装置200の態様の範囲内に含まれてもよい。
本態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、本態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
(実施の形態2)
[実施及び応用]
以上の各実施の形態において、機能的又は作用的なブロックの各々は、通常、MPU(micro proccessing unit)及びメモリ等によって実現可能である。また、機能ブロックの各々による処理は、ROM等の記録媒体に記録されたソフトウェア(プログラム)を読み出して実行するプロセッサなどのプログラム実行部として実現されてもよい。当該ソフトウェアは、配布されてもよい。当該ソフトウェアは、半導体メモリなどの様々な記録媒体に記録されてもよい。なお、各機能ブロックをハードウェア(専用回路)によって実現することも可能である。
[実施及び応用]
以上の各実施の形態において、機能的又は作用的なブロックの各々は、通常、MPU(micro proccessing unit)及びメモリ等によって実現可能である。また、機能ブロックの各々による処理は、ROM等の記録媒体に記録されたソフトウェア(プログラム)を読み出して実行するプロセッサなどのプログラム実行部として実現されてもよい。当該ソフトウェアは、配布されてもよい。当該ソフトウェアは、半導体メモリなどの様々な記録媒体に記録されてもよい。なお、各機能ブロックをハードウェア(専用回路)によって実現することも可能である。
各実施の形態において説明した処理は、単一の装置(システム)を用いて集中処理することによって実現してもよく、又は、複数の装置を用いて分散処理することによって実現してもよい。また、上記プログラムを実行するプロセッサは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、又は分散処理を行ってもよい。
本開示の態様は、以上の実施例に限定されることなく、種々の変更が可能であり、それらも本開示の態様の範囲内に包含される。
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)又は動画像復号化方法(画像復号方法)の応用例、及び、その応用例を実施する種々のシステムを説明する。このようなシステムは、画像符号化方法を用いた画像符号化装置、画像復号方法を用いた画像復号装置、又は、両方を備える画像符号化復号装置を有することを特徴としてもよい。このようなシステムの他の構成について、場合に応じて適切に変更することができる。
[使用例]
図70は、コンテンツ配信サービスを実現する適切な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、図示された例における固定無線局である基地局ex106、ex107、ex108、ex109、ex110が設置されている。
図70は、コンテンツ配信サービスを実現する適切な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、図示された例における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では、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又は通信網ex104、及び基地局ex106~ex110を介して、コンピュータex111、ゲーム機ex112、カメラex113、家電ex114、及びスマートフォンex115などの各機器が接続される。当該コンテンツ供給システムex100は、上記のいずれかの装置を組合せて接続するようにしてもよい。種々の実施において、基地局ex106~ex110を介さずに、各機器が電話網又は近距離無線等を介して直接的又は間接的に相互に接続されていてもよい。さらに、ストリーミングサーバex103は、インターネットex101等を介して、コンピュータex111、ゲーム機ex112、カメラex113、家電ex114、及びスマートフォンex115などの各機器と接続されてもよい。また、ストリーミングサーバex103は、衛星ex116を介して、飛行機ex117内のホットスポット内の端末等と接続されてもよい。
なお、基地局ex106~ex110の代わりに、無線アクセスポイント又はホットスポット等が用いられてもよい。また、ストリーミングサーバex103は、インターネットex101又はインターネットサービスプロバイダex102を介さずに直接通信網ex104と接続されてもよいし、衛星ex116を介さず直接飛行機ex117と接続されてもよい。
カメラex113はデジタルカメラ等の静止画撮影、及び動画撮影が可能な機器である。また、スマートフォンex115は、2G、3G、3.9G、4G、そして今後は5Gと呼ばれる移動通信システムの方式に対応したスマートフォン機、携帯電話機、又はPHS(Personal Handyphone System)等である。
家電ex114は、冷蔵庫、又は家庭用燃料電池コージェネレーションシステムに含まれる機器等である。
コンテンツ供給システムex100では、撮影機能を有する端末が基地局ex106等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、端末(コンピュータex111、ゲーム機ex112、カメラex113、家電ex114、スマートフォンex115、及び飛行機ex117内の端末等)は、ユーザが当該端末を用いて撮影した静止画又は動画コンテンツに対して上記各実施の形態で説明した符号化処理を行ってもよく、符号化により得られた映像データと、映像に対応する音を符号化した音データと多重化してもよく、得られたデータをストリーミングサーバex103に送信してもよい。即ち、各端末は、本開示の一態様に係る画像符号化装置として機能する。
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、ゲーム機ex112、カメラex113、家電ex114、スマートフォンex115、又は飛行機ex117内の端末等である。配信されたデータを受信した各機器は、受信したデータを復号化処理して再生する。即ち、各機器は、本開示の一態様に係る画像復号装置として機能してもよい。
[分散処理]
また、ストリーミングサーバex103は複数のサーバ又は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。例えば、ストリーミングサーバex103は、CDN(Contents Delivery Network)により実現され、世界中に分散された多数のエッジサーバとエッジサーバ間をつなぐネットワークによりコンテンツ配信が実現されていてもよい。CDNでは、クライアントに応じて物理的に近いエッジサーバが動的に割り当てられる。そして、当該エッジサーバにコンテンツがキャッシュ及び配信されることで遅延を減らすことができる。また、いくつかのタイプのエラーが発生した場合又はトラフィックの増加などにより通信状態が変わる場合に複数のエッジサーバで処理を分散したり、他のエッジサーバに配信主体を切り替えたり、障害が生じたネットワークの部分を迂回して配信を続けることができるので、高速かつ安定した配信が実現できる。
また、ストリーミングサーバex103は複数のサーバ又は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。例えば、ストリーミングサーバex103は、CDN(Contents Delivery Network)により実現され、世界中に分散された多数のエッジサーバとエッジサーバ間をつなぐネットワークによりコンテンツ配信が実現されていてもよい。CDNでは、クライアントに応じて物理的に近いエッジサーバが動的に割り当てられる。そして、当該エッジサーバにコンテンツがキャッシュ及び配信されることで遅延を減らすことができる。また、いくつかのタイプのエラーが発生した場合又はトラフィックの増加などにより通信状態が変わる場合に複数のエッジサーバで処理を分散したり、他のエッジサーバに配信主体を切り替えたり、障害が生じたネットワークの部分を迂回して配信を続けることができるので、高速かつ安定した配信が実現できる。
また、配信自体の分散処理にとどまらず、撮影したデータの符号化処理を各端末で行ってもよいし、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、一般に符号化処理では、処理ループが2度行われる。1度目のループでフレーム又はシーン単位での画像の複雑さ、又は、符号量が検出される。また、2度目のループでは画質を維持して符号化効率を向上させる処理が行われる。例えば、端末が1度目の符号化処理を行い、コンテンツを受け取ったサーバ側が2度目の符号化処理を行うことで、各端末での処理負荷を減らしつつもコンテンツの質と効率を向上させることができる。この場合、ほぼリアルタイムで受信して復号する要求があれば、端末が行った一度目の符号化済みデータを他の端末で受信して再生することもできるので、より柔軟なリアルタイム配信も可能になる。
他の例として、カメラex113等は、画像から特徴量抽出を行い、特徴量に関するデータをメタデータとして圧縮してサーバに送信する。サーバは、例えば特徴量からオブジェクトの重要性を判断して量子化精度を切り替えるなど、画像の意味(又は内容の重要性)に応じた圧縮を行う。特徴量データはサーバでの再度の圧縮時の動きベクトル予測の精度及び効率向上に特に有効である。また、端末でVLC(可変長符号化)などの簡易的な符号化を行い、サーバでCABAC(コンテキスト適応型二値算術符号化方式)など処理負荷の大きな符号化を行ってもよい。
さらに他の例として、スタジアム、ショッピングモール、又は工場などにおいては、複数の端末によりほぼ同一のシーンが撮影された複数の映像データが存在する場合がある。この場合には、撮影を行った複数の端末と、必要に応じて撮影をしていない他の端末及びサーバを用いて、例えばGOP(Group of Picture)単位、ピクチャ単位、又はピクチャを分割したタイル単位などで符号化処理をそれぞれ割り当てて分散処理を行う。これにより、遅延を減らし、よりリアルタイム性を実現できる。
複数の映像データはほぼ同一シーンであるため、各端末で撮影された映像データを互いに参照し合えるように、サーバで管理及び/又は指示をしてもよい。また、各端末からの符号化済みデータを、サーバが受信し複数のデータ間で参照関係を変更、又はピクチャ自体を補正或いは差し替えて符号化しなおしてもよい。これにより、一つ一つのデータの質と効率を高めたストリームを生成できる。
さらに、サーバは、映像データの符号化方式を変更するトランスコードを行ったうえで映像データを配信してもよい。例えば、サーバは、MPEG系の符号化方式をVP系(例えばVP9)に変換してもよいし、H.264をH.265に変換してもよい。
このように、符号化処理は、端末、又は1以上のサーバにより行うことが可能である。よって、以下では、処理を行う主体として「サーバ」又は「端末」等の記載を用いるが、サーバで行われる処理の一部又は全てが端末で行われてもよいし、端末で行われる処理の一部又は全てがサーバで行われてもよい。また、これらに関しては、復号処理についても同様である。
[3D、マルチアングル]
互いにほぼ同期した複数のカメラex113及び/又はスマートフォンex115などの端末により撮影された異なるシーン、又は、同一シーンを異なるアングルから撮影した画像或いは映像を統合して利用することが増えてきている。各端末で撮影した映像は、別途取得した端末間の相対的な位置関係、又は、映像に含まれる特徴点が一致する領域などに基づいて統合される。
互いにほぼ同期した複数のカメラex113及び/又はスマートフォンex115などの端末により撮影された異なるシーン、又は、同一シーンを異なるアングルから撮影した画像或いは映像を統合して利用することが増えてきている。各端末で撮影した映像は、別途取得した端末間の相対的な位置関係、又は、映像に含まれる特徴点が一致する領域などに基づいて統合される。
サーバは、2次元の動画像を符号化するだけでなく、動画像のシーン解析などに基づいて自動的に、又は、ユーザが指定した時刻において、静止画を符号化し、受信端末に送信してもよい。サーバは、さらに、撮影端末間の相対的な位置関係を取得できる場合には、2次元の動画像だけでなく、同一シーンが異なるアングルから撮影された映像に基づき、当該シーンの3次元形状を生成できる。サーバは、ポイントクラウドなどにより生成した3次元のデータを別途符号化してもよいし、3次元データを用いて人物又はオブジェクトを認識或いは追跡した結果に基づいて、受信端末に送信する映像を、複数の端末で撮影した映像から、選択、又は、再構成して生成してもよい。
このようにして、ユーザは、各撮影端末に対応する各映像を任意に選択してシーンを楽しむこともできるし、複数画像又は映像を用いて再構成された3次元データから選択視点の映像を切り出したコンテンツを楽しむこともできる。さらに、映像と共に、音も複数の相異なるアングルから収音され、サーバは、特定のアングル又は空間からの音を対応する映像と多重化して、多重化された映像と音とを送信してもよい。
また、近年ではVirtual Reality(VR)及びAugmented Reality(AR)など、現実世界と仮想世界とを対応付けたコンテンツも普及してきている。VRの画像の場合、サーバは、右目用及び左目用の視点画像をそれぞれ作成し、Multi-View Coding(MVC)などにより各視点映像間で参照を許容する符号化を行ってもよいし、互いに参照せずに別ストリームとして符号化してもよい。別ストリームの復号時には、ユーザの視点に応じて仮想的な3次元空間が再現されるように互いに同期させて再生するとよい。
ARの画像の場合には、サーバは、現実空間のカメラ情報に、仮想空間上の仮想物体情報を、3次元的位置又はユーザの視点の動きに基づいて重畳する。復号装置は、仮想物体情報及び3次元データを取得又は保持し、ユーザの視点の動きに応じて2次元画像を生成し、スムーズにつなげることで重畳データを作成してもよい。または、復号装置は仮想物体情報の依頼に加えてユーザの視点の動きをサーバに送信してもよい。サーバは、サーバに保持される3次元データから受信した視点の動きに合わせて重畳データを作成し、重畳データを符号化して復号装置に配信してもよい。なお、重畳データは、RGB以外に透過度を示すα値を有し、サーバは、3次元データから作成されたオブジェクト以外の部分のα値が0などに設定し、当該部分が透過する状態で、符号化してもよい。もしくは、サーバは、クロマキーのように所定の値のRGB値を背景に設定し、オブジェクト以外の部分は背景色にしたデータを生成してもよい。
同様に配信されたデータの復号処理はクライアントである各端末で行っても、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、ある端末が、一旦サーバに受信リクエストを送り、そのリクエストに応じたコンテンツを他の端末で受信し復号処理を行い、ディスプレイを有する装置に復号済みの信号が送信されてもよい。通信可能な端末自体の性能によらず処理を分散して適切なコンテンツを選択することで画質のよいデータを再生することができる。また、他の例として大きなサイズの画像データをTV等で受信しつつ、鑑賞者の個人端末にピクチャが分割されたタイルなど一部の領域が復号されて表示されてもよい。これにより、全体像を共有化しつつ、自身の担当分野又はより詳細に確認したい領域を手元で確認することができる。
屋内外の近距離、中距離、又は長距離の無線通信が複数使用可能な状況下で、MPEG-DASHなどの配信システム規格を利用して、シームレスにコンテンツを受信することが可能かもしれない。ユーザは、ユーザの端末、屋内外に配置されたディスプレイなどの復号装置又は表示装置を自由に選択しながらリアルタイムで切り替えてもよい。また、自身の位置情報などを用いて、復号する端末及び表示する端末を切り替えながら復号を行うことができる。これにより、ユーザが目的地へ移動している間に、表示可能なデバイスが埋め込まれた隣の建物の壁面又は地面の一部に情報をマップ及び表示することが可能になる。また、符号化データが受信端末から短時間でアクセスできるサーバにキャッシュされている、又は、コンテンツ・デリバリー・サービスにおけるエッジサーバにコピーされている、などの、ネットワーク上での符号化データへのアクセス容易性に基づいて、受信データのビットレートを切り替えることも可能である。
[スケーラブル符号化]
コンテンツの切り替えに関して、図71に示す、上記各実施の形態で示した動画像符号化方法を応用して圧縮符号化されたスケーラブルなストリームを用いて説明する。サーバは、個別のストリームとして内容は同じで質の異なるストリームを複数有していても構わないが、図示するようにレイヤに分けて符号化を行うことで実現される時間的/空間的スケーラブルなストリームの特徴を活かして、コンテンツを切り替える構成であってもよい。つまり、復号側が性能という内的要因と通信帯域の状態などの外的要因とに応じてどのレイヤを復号するかを決定することで、復号側は、低解像度のコンテンツと高解像度のコンテンツとを自由に切り替えて復号できる。例えばユーザが移動中にスマートフォンex115で視聴していた映像の続きを、例えば帰宅後にインターネットTV等の機器で視聴したい場合には、当該機器は、同じストリームを異なるレイヤまで復号すればよいので、サーバ側の負担を軽減できる。
コンテンツの切り替えに関して、図71に示す、上記各実施の形態で示した動画像符号化方法を応用して圧縮符号化されたスケーラブルなストリームを用いて説明する。サーバは、個別のストリームとして内容は同じで質の異なるストリームを複数有していても構わないが、図示するようにレイヤに分けて符号化を行うことで実現される時間的/空間的スケーラブルなストリームの特徴を活かして、コンテンツを切り替える構成であってもよい。つまり、復号側が性能という内的要因と通信帯域の状態などの外的要因とに応じてどのレイヤを復号するかを決定することで、復号側は、低解像度のコンテンツと高解像度のコンテンツとを自由に切り替えて復号できる。例えばユーザが移動中にスマートフォンex115で視聴していた映像の続きを、例えば帰宅後にインターネットTV等の機器で視聴したい場合には、当該機器は、同じストリームを異なるレイヤまで復号すればよいので、サーバ側の負担を軽減できる。
さらに、上記のように、レイヤ毎にピクチャが符号化されており、ベースレイヤの上位のエンハンスメントレイヤでスケーラビリティを実現する構成以外に、エンハンスメントレイヤが画像の統計情報などに基づくメタ情報を含んでいてもよい。復号側が、メタ情報に基づきベースレイヤのピクチャを超解像することで高画質化したコンテンツを生成してもよい。超解像は、解像度を維持及び/又は拡大しつつ、SN比を向上してもよい。メタ情報は、超解像処理に用いるような線形或いは非線形のフィルタ係数を特定するため情報、又は、超解像処理に用いるフィルタ処理、機械学習或いは最小2乗演算におけるパラメータ値を特定する情報などを含む。
または、画像内のオブジェクトなどの意味合いに応じてピクチャがタイル等に分割される構成が提供されてもよい。復号側が、復号するタイルを選択することで一部の領域だけを復号する。さらに、オブジェクトの属性(人物、車、ボールなど)と映像内の位置(同一画像における座標位置など)とをメタ情報として格納することで、復号側は、メタ情報に基づいて所望のオブジェクトの位置を特定し、そのオブジェクトを含むタイルを決定できる。例えば、図72に示すように、メタ情報は、HEVCにおけるSEI(supplemental enhancement information)メッセージなど、画素データとは異なるデータ格納構造を用いて格納されてもよい。このメタ情報は、例えば、メインオブジェクトの位置、サイズ、又は色彩などを示す。
ストリーム、シーケンス又はランダムアクセス単位など、複数のピクチャから構成される単位でメタ情報が格納されてもよい。復号側は、特定人物が映像内に出現する時刻などを取得でき、ピクチャ単位の情報と時間情報を合わせることで、オブジェクトが存在するピクチャを特定でき、ピクチャ内でのオブジェクトの位置を決定できる。
[Webページの最適化]
図73は、コンピュータex111等におけるwebページの表示画面例を示す図である。図74は、スマートフォンex115等におけるwebページの表示画面例を示す図である。図73及び図74に示すようにwebページが、画像コンテンツへのリンクであるリンク画像を複数含む場合があり、閲覧するデバイスによってその見え方は異なる。画面上に複数のリンク画像が見える場合には、ユーザが明示的にリンク画像を選択するまで、又は画面の中央付近にリンク画像が近付く或いはリンク画像の全体が画面内に入るまで、表示装置(復号装置)は、リンク画像として各コンテンツが有する静止画又はIピクチャを表示してもよいし、複数の静止画又はIピクチャ等でgifアニメのような映像を表示してもよいし、ベースレイヤのみを受信し、映像を復号及び表示してもよい。
図73は、コンピュータex111等におけるwebページの表示画面例を示す図である。図74は、スマートフォンex115等におけるwebページの表示画面例を示す図である。図73及び図74に示すようにwebページが、画像コンテンツへのリンクであるリンク画像を複数含む場合があり、閲覧するデバイスによってその見え方は異なる。画面上に複数のリンク画像が見える場合には、ユーザが明示的にリンク画像を選択するまで、又は画面の中央付近にリンク画像が近付く或いはリンク画像の全体が画面内に入るまで、表示装置(復号装置)は、リンク画像として各コンテンツが有する静止画又はIピクチャを表示してもよいし、複数の静止画又はIピクチャ等でgifアニメのような映像を表示してもよいし、ベースレイヤのみを受信し、映像を復号及び表示してもよい。
ユーザによりリンク画像が選択された場合、表示装置は、ベースレイヤを最優先にしつつ復号を行う。なお、webページを構成するHTMLにスケーラブルなコンテンツであることを示す情報があれば、表示装置は、エンハンスメントレイヤまで復号してもよい。さらに、リアルタイム性を担保するために、選択される前又は通信帯域が非常に厳しい場合には、表示装置は、前方参照のピクチャ(Iピクチャ、Pピクチャ、前方参照のみのBピクチャ)のみを復号及び表示することで、先頭ピクチャの復号時刻と表示時刻との間の遅延(コンテンツの復号開始から表示開始までの遅延)を低減できる。またさらに、表示装置は、ピクチャの参照関係を敢えて無視して、全てのBピクチャ及びPピクチャを前方参照にして粗く復号し、時間が経ち受信したピクチャが増えるにつれて正常の復号を行ってもよい。
[自動走行]
また、車の自動走行又は走行支援のため2次元又は3次元の地図情報などのような静止画又は映像データを送受信する場合、受信端末は、1以上のレイヤに属する画像データに加えて、メタ情報として天候又は工事の情報なども受信し、これらを対応付けて復号してもよい。なお、メタ情報は、レイヤに属してもよいし、単に画像データと多重化されてもよい。
また、車の自動走行又は走行支援のため2次元又は3次元の地図情報などのような静止画又は映像データを送受信する場合、受信端末は、1以上のレイヤに属する画像データに加えて、メタ情報として天候又は工事の情報なども受信し、これらを対応付けて復号してもよい。なお、メタ情報は、レイヤに属してもよいし、単に画像データと多重化されてもよい。
この場合、受信端末を含む車、ドローン又は飛行機などが移動するため、受信端末は、当該受信端末の位置情報を送信することで、基地局ex106~ex110を切り替えながらシームレスな受信及び復号の実行を実現できる。また、受信端末は、ユーザの選択、ユーザの状況及び/又は通信帯域の状態に応じて、メタ情報をどの程度受信するか、又は地図情報をどの程度更新していくかを動的に切り替えることが可能になる。
コンテンツ供給システムex100では、ユーザが送信した符号化された情報をリアルタイムでクライアントが受信して復号し、再生することができる。
[個人コンテンツの配信]
また、コンテンツ供給システムex100では、映像配信業者による高画質で長時間のコンテンツのみならず、個人による低画質で短時間のコンテンツのユニキャスト、又はマルチキャスト配信が可能である。このような個人のコンテンツは今後も増加していくと考えられる。個人コンテンツをより優れたコンテンツにするために、サーバは、編集処理を行ってから符号化処理を行ってもよい。これは、例えば、以下のような構成を用いて実現できる。
また、コンテンツ供給システムex100では、映像配信業者による高画質で長時間のコンテンツのみならず、個人による低画質で短時間のコンテンツのユニキャスト、又はマルチキャスト配信が可能である。このような個人のコンテンツは今後も増加していくと考えられる。個人コンテンツをより優れたコンテンツにするために、サーバは、編集処理を行ってから符号化処理を行ってもよい。これは、例えば、以下のような構成を用いて実現できる。
撮影時にリアルタイム又は蓄積して撮影後に、サーバは、原画データ又は符号化済みデータから撮影エラー、シーン探索、意味の解析、及びオブジェクト検出などの認識処理を行う。そして、サーバは、認識結果に基づいて手動又は自動で、ピントずれ又は手ブレなどを補正したり、明度が他のピクチャに比べて低い又は焦点が合っていないシーンなどの重要性の低いシーンを削除したり、オブジェクトのエッジを強調したり、色合いを変化させるなどの編集を行う。サーバは、編集結果に基づいて編集後のデータを符号化する。また撮影時刻が長すぎると視聴率が下がることも知られており、サーバは、撮影時間に応じて特定の時間範囲内のコンテンツになるように上記のように重要性が低いシーンのみならず動きが少ないシーンなどを、画像処理結果に基づき自動でクリップしてもよい。または、サーバは、シーンの意味解析の結果に基づいてダイジェストを生成して符号化してもよい。
個人コンテンツには、そのままでは著作権、著作者人格権、又は肖像権等の侵害となるものが写り込んでいるケースもあり、共有する範囲が意図した範囲を超えてしまうなど個人にとって不都合な場合もある。よって、例えば、サーバは、画面の周辺部の人の顔、又は家の中などを敢えて焦点が合わない画像に変更して符号化してもよい。さらに、サーバは、符号化対象画像内に、予め登録した人物とは異なる人物の顔が映っているかどうかを認識し、映っている場合には、顔の部分にモザイクをかけるなどの処理を行ってもよい。または、符号化の前処理又は後処理として、著作権などの観点からユーザが画像を加工したい人物又は背景領域を指定してもよい。サーバは、指定された領域を別の映像に置き換える、又は焦点をぼかすなどの処理を行ってもよい。人物であれば、動画像において人物をトラッキングして、人物の顔の部分の映像を置き換えることができる。
データ量の小さい個人コンテンツの視聴はリアルタイム性の要求が強いため、帯域幅にもよるが、復号装置は、まずベースレイヤを最優先で受信して復号及び再生を行う。復号装置は、この間にエンハンスメントレイヤを受信し、再生がループされる場合など2回以上再生される場合に、エンハンスメントレイヤも含めて高画質の映像を再生してもよい。このようにスケーラブルな符号化が行われているストリームであれば、未選択時又は見始めた段階では粗い動画だが、徐々にストリームがスマートになり画像がよくなるような体験を提供することができる。スケーラブル符号化以外にも、1回目に再生される粗いストリームと、1回目の動画を参照して符号化される2回目のストリームとが1つのストリームとして構成されていても同様の体験を提供できる。
[その他の実施応用例]
また、これらの符号化又は復号処理は、一般的に各端末が有するLSIex500において処理される。LSI(large scale integration circuitry)ex500(図70参照)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、動画像符号化又は復号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、又は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又は復号処理を行ってもよい。さらに、スマートフォンex115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スマートフォンex115が有するLSIex500で符号化処理されたデータである。
また、これらの符号化又は復号処理は、一般的に各端末が有するLSIex500において処理される。LSI(large scale integration circuitry)ex500(図70参照)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、動画像符号化又は復号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、又は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又は復号処理を行ってもよい。さらに、スマートフォンex115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スマートフォンex115が有するLSIex500で符号化処理されたデータである。
なお、LSIex500は、アプリケーションソフトをダウンロードしてアクティベートする構成であってもよい。この場合、端末は、まず、当該端末がコンテンツの符号化方式に対応しているか、又は、特定サービスの実行能力を有するかを判定する。端末がコンテンツの符号化方式に対応していない場合、又は、特定サービスの実行能力を有さない場合、端末は、コーデック又はアプリケーションソフトをダウンロードし、その後、コンテンツ取得及び再生する。
また、インターネットex101を介したコンテンツ供給システムex100に限らず、デジタル放送用システム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)又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。衛星などを利用して放送用の電波に映像と音が多重化された多重化データを載せて送受信するため、コンテンツ供給システムex100のユニキャストがし易い構成に対してマルチキャスト向きであるという違いがあるが符号化処理及び復号処理に関しては同様の応用が可能である。
[ハードウェア構成]
図75は、図70に示されたスマートフォンex115のさらに詳細を示す図である。また、図76は、スマートフォンex115の構成例を示す図である。スマートフォンex115は、基地局ex110との間で電波を送受信するためのアンテナex450と、映像及び静止画を撮ることが可能なカメラ部ex465と、カメラ部ex465で撮像した映像、及びアンテナex450で受信した映像等が復号されたデータを表示する表示部ex458とを備える。スマートフォンex115は、さらに、タッチパネル等である操作部ex466と、音声又は音響を出力するためのスピーカ等である音声出力部ex457と、音声を入力するためのマイク等である音声入力部ex456と、撮影した映像或いは静止画、録音した音声、受信した映像或いは静止画、メール等の符号化されたデータ、又は、復号化されたデータを保存可能なメモリ部ex467と、ユーザを特定し、ネットワークをはじめ各種データへのアクセスの認証をするためのSIMex468とのインタフェース部であるスロット部ex464とを備える。なお、メモリ部ex467の代わりに外付けメモリが用いられてもよい。
図75は、図70に示されたスマートフォンex115のさらに詳細を示す図である。また、図76は、スマートフォンex115の構成例を示す図である。スマートフォンex115は、基地局ex110との間で電波を送受信するためのアンテナex450と、映像及び静止画を撮ることが可能なカメラ部ex465と、カメラ部ex465で撮像した映像、及びアンテナex450で受信した映像等が復号されたデータを表示する表示部ex458とを備える。スマートフォンex115は、さらに、タッチパネル等である操作部ex466と、音声又は音響を出力するためのスピーカ等である音声出力部ex457と、音声を入力するためのマイク等である音声入力部ex456と、撮影した映像或いは静止画、録音した音声、受信した映像或いは静止画、メール等の符号化されたデータ、又は、復号化されたデータを保存可能なメモリ部ex467と、ユーザを特定し、ネットワークをはじめ各種データへのアクセスの認証をするためのSIMex468とのインタフェース部であるスロット部ex464とを備える。なお、メモリ部ex467の代わりに外付けメモリが用いられてもよい。
表示部ex458及び操作部ex466等を統括的に制御する主制御部ex460と、電源回路部ex461、操作入力制御部ex462、映像信号処理部ex455、カメラインタフェース部ex463、ディスプレイ制御部ex459、変調/復調部ex452、多重/分離部ex453、音声信号処理部ex454、スロット部ex464、及びメモリ部ex467とが同期バスex470を介して接続されている。
電源回路部ex461は、ユーザの操作により電源キーがオン状態にされると、スマートフォンex115を動作可能な状態に起動し、バッテリパックから各部に対して電力を供給する。
スマートフォンex115は、CPU、ROM及びRAM等を有する主制御部ex460の制御に基づいて、通話及データ通信等の処理を行う。通話時は、音声入力部ex456で収音した音声信号を音声信号処理部ex454でデジタル音声信号に変換し、変調/復調部ex452でスペクトラム拡散処理を施し、送信/受信部ex451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、その結果の信号を、アンテナex450を介して送信する。また受信データを増幅して周波数変換処理及びアナログデジタル変換処理を施し、変調/復調部ex452でスペクトラム逆拡散処理し、音声信号処理部ex454でアナログ音声信号に変換した後、これを音声出力部ex457から出力する。データ通信モード時は、本体部の操作部ex466等の操作に基づいてテキスト、静止画、又は映像データが操作入力制御部ex462を介して主制御部ex460に送出される。同様の送受信処理が行われる。データ通信モード時に映像、静止画、又は映像と音声を送信する場合、映像信号処理部ex455は、メモリ部ex467に保存されている映像信号又はカメラ部ex465から入力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、符号化された映像データを多重/分離部ex453に送出する。音声信号処理部ex454は、映像又は静止画をカメラ部ex465で撮像中に音声入力部ex456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ex453に送出する。多重/分離部ex453は、符号化済み映像データと符号化済み音声データを所定の方式で多重化し、変調/復調部(変調/復調回路部)ex452、及び送信/受信部ex451で変調処理及び変換処理を施してアンテナex450を介して送信する。
電子メール又はチャットに添付された映像、又はウェブページにリンクされた映像を受信した場合等において、アンテナex450を介して受信された多重化データを復号するために、多重/分離部ex453は、多重化データを分離することにより、多重化データを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ex470を介して符号化された映像データを映像信号処理部ex455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ex454に供給する。映像信号処理部ex455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映像信号を復号し、ディスプレイ制御部ex459を介して表示部ex458から、リンクされた動画像ファイルに含まれる映像又は静止画が表示される。音声信号処理部ex454は、音声信号を復号し、音声出力部ex457から音声が出力される。リアルタイムストリーミングがますます普及しだしているため、ユーザの状況によっては音声の再生が社会的にふさわしくないこともあり得る。そのため、初期値としては、音声信号は再生せず映像データのみを再生する構成の方が望ましく、ユーザが映像データをクリックするなど操作を行った場合にのみ音声を同期して再生してもよい。
またここではスマートフォンex115を例に説明したが、端末としては符号化器及び復号化器を両方持つ送受信型端末の他に、符号化器のみを有する送信端末、及び、復号化器のみを有する受信端末という3通りの他の実装形式が考えられる。デジタル放送用システムにおいて、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受信又は送信するとして説明した。ただし、多重化データには、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てもよい。また、多重化データではなく映像データ自体が受信又は送信されてもよい。
なお、CPUを含む主制御部ex460が符号化又は復号処理を制御するとして説明したが、種々の端末はGPUを備えることも多い。よって、CPUとGPUで共通化されたメモリ、又は共通に使用できるようにアドレスが管理されているメモリにより、GPUの性能を活かして広い領域を一括して処理する構成でもよい。これにより符号化時間を短縮でき、リアルタイム性を確保し、低遅延を実現できる。特に動き探索、デブロックフィルタ、SAO(Sample Adaptive Offset)、及び変換・量子化の処理を、CPUではなく、GPUでピクチャなどの単位で一括して行うと効率的である。
本開示は、例えば、テレビジョン受像機、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、デジタルビデオカメラ、テレビ会議システム、又は、電子ミラー等に利用可能である。
100 符号化装置
102 分割部
104 減算部
106 変換部
108 量子化部
110 エントロピー符号化部
112、204 逆量子化部
114、206 逆変換部
116、208 加算部
118、210 ブロックメモリ
120、212 ループフィルタ部
122、214 フレームメモリ
124、216 イントラ予測部
126、218 インター予測部
128、220 予測制御部
200 復号装置
202 エントロピー復号部
1061 DCT2(N)演算回路
1062 DCT2(N/2)演算回路
1063 DCT4(N/2)演算回路
1064、1065、1067、1068 反転回路
1066 DCT4(N)演算回路
1201 境界判定部
1202、1204、1206 スイッチ
1203 フィルタ判定部
1205 フィルタ処理部
1207 フィルタ特性決定部
1208 処理判定部
a1、b1 プロセッサ
a2、b2 メモリ
102 分割部
104 減算部
106 変換部
108 量子化部
110 エントロピー符号化部
112、204 逆量子化部
114、206 逆変換部
116、208 加算部
118、210 ブロックメモリ
120、212 ループフィルタ部
122、214 フレームメモリ
124、216 イントラ予測部
126、218 インター予測部
128、220 予測制御部
200 復号装置
202 エントロピー復号部
1061 DCT2(N)演算回路
1062 DCT2(N/2)演算回路
1063 DCT4(N/2)演算回路
1064、1065、1067、1068 反転回路
1066 DCT4(N)演算回路
1201 境界判定部
1202、1204、1206 スイッチ
1203 フィルタ判定部
1205 フィルタ処理部
1207 フィルタ特性決定部
1208 処理判定部
a1、b1 プロセッサ
a2、b2 メモリ
Claims (26)
- 動画像を符号化する符号化装置であって、
回路と、
メモリとを備え、
前記回路は、前記メモリを用いて、
イントラ予測及びインター予測の一方により、前記動画像に含まれる符号化対象ブロックの予測画像を取得し、
前記符号化対象ブロックの画像と前記予測画像との差を前記符号化対象ブロックの予測誤差信号として生成し、
複数の変換基底の中から、前記予測誤差信号の変換に用いられる変換基底を選択し、
前記変換基底を用いて前記予測誤差信号の変換を行うことにより、前記符号化対象ブロックの変換係数信号を生成し、
前記変換係数信号を符号化し、
前記予測画像がイントラ予測により取得される場合と前記予測画像がインター予測により取得される場合とで共通の対応関係で前記複数の変換基底に対応付けられた複数のインデックス値のうち、前記変換基底に対応付けられたインデックス値を符号化する
符号化装置。 - 前記回路は、
所定変換基底が用いられるか否かを決定し、
前記所定変換基底が用いられると決定された場合、前記所定変換基底を用いて前記予測誤差信号の変換を行い、
前記所定変換基底が用いられないと決定された場合、前記複数の変換基底の中から、前記変換基底を選択し、前記変換基底を用いて前記予測誤差信号の変換を行い、
前記所定変換基底が用いられるか否かを示す制御値を符号化する
請求項1に記載の符号化装置。 - 前記回路は、
水平方向の変換基底及び垂直方向の変換基底の両方に前記所定変換基底が用いられるか否かを決定し、
前記水平方向の変換基底及び前記垂直方向の変換基底の両方に前記所定変換基底が用いられると決定された場合、前記水平方向の変換基底及び前記垂直方向の変換基底の両方に前記所定変換基底を用いて前記予測誤差信号の変換を行い、
前記水平方向の変換基底及び前記垂直方向の変換基底の両方に前記所定変換基底が用いられないと決定された場合、前記複数の変換基底の中から、前記水平方向の変換基底及び前記垂直方向の変換基底を選択し、前記水平方向の変換基底及び前記垂直方向の変換基底を用いて前記予測誤差信号の変換を行う
請求項2に記載の符号化装置。 - 前記複数のインデックス値のうち前記複数の変換基底に含まれるDST(Discrete Sine Transform)に対応付けられるインデックス値は、前記複数のインデックス値のうち前記複数の変換基底に含まれるDCT(Discrete Cosine Transform)に対応付けられるインデックス値よりも小さい
請求項1~3のいずれか1項に記載の符号化装置。 - 前記回路は、
DCT2(Discrete Cosine Transform Type-II)が用いられるか否かを決定し、
DCT2が用いられると決定された場合、DCT2を用いて前記予測誤差信号の変換を行い、
DCT2が用いられないと決定された場合、前記複数の変換基底の中から、前記変換基底を選択し、前記変換基底を用いて前記予測誤差信号の変換を行い、
DCT2が用いられるか否かを示す制御値を符号化する
請求項1~4のいずれか1項に記載の符号化装置。 - 前記複数の変換基底は、DCT4(Discrete Cosine Transform Type-IV)及びDST4(Discrete Sine Transform Type-IV)の少なくとも一方を含む
請求項5に記載の符号化装置。 - 前記複数の変換基底は、DCT4及びDST4の両方を含み、
前記複数のインデックス値のうち前記複数の変換基底に含まれるDST4に対応付けられるインデックス値は、前記複数のインデックス値のうち前記複数の変換基底に含まれるDCT4に対応付けられるインデックス値よりも小さい
請求項6に記載の符号化装置。 - 前記複数の変換基底は、DCT4及びDST4の両方を含み、
前記回路は、DST4を用いて前記予測誤差信号の変換が行われる場合、前記予測誤差信号の一部の符号を反転し、DCT4を用いて、前記一部の符号が反転された前記予測誤差信号の変換を行う
請求項6又は7に記載の符号化装置。 - 前記予測誤差信号の一部は、前記予測誤差信号に含まれる複数の予測誤差値のうち、偶数番目の複数の予測誤差値、又は、前記予測誤差信号に含まれる複数の予測誤差値のうち、奇数番目の複数の予測誤差値である
請求項8に記載の符号化装置。 - 前記回路は、所定サイズのDCT2の演算を行う第1演算回路と、前記所定サイズのDCT4の演算を行う第2演算回路とを備え、
前記第1演算回路は、前記所定サイズの半分のDCT2の演算を行う第3演算回路と、前記所定サイズの半分のDCT4の演算を行う第4演算回路とを備える
請求項6~9のいずれか1項に記載の符号化装置。 - 前記複数の変換基底は、DCT4を含み、
前記符号化対象ブロックのサイズが前記所定サイズであり、前記予測誤差信号の変換にDCT4が用いられる場合、前記予測誤差信号が前記第2演算回路に入力される
請求項10に記載の符号化装置。 - 前記複数の変換基底は、DST4を含み、
前記符号化対象ブロックのサイズが前記所定サイズであり、前記予測誤差信号の変換にDST4が用いられる場合、前記予測誤差信号の一部の符号が反転され、前記一部の符号が反転された前記予測誤差信号が前記第2演算回路に入力される
請求項10又は11に記載の符号化装置。 - 動画像を復号する復号装置であって、
回路と、
メモリとを備え、
前記回路は、前記メモリを用いて、
イントラ予測及びインター予測の一方により、前記動画像に含まれる復号対象ブロックの予測画像を取得し、
前記復号対象ブロックの変換係数信号を復号し、
インデックス値を復号し、
前記予測画像がイントラ予測により取得される場合と前記予測画像がインター予測により取得される場合とで共通の対応関係で複数のインデックス値に対応付けられた複数の逆変換基底の中から、前記インデックス値に対応付けられた逆変換基底を選択し、
前記逆変換基底を用いて、前記変換係数信号の逆変換を行うことにより、前記復号対象ブロックの予測誤差信号を生成し、
前記予測誤差信号と前記予測画像との和を前記復号対象ブロックの再構成画像として生成する
復号装置。 - 前記回路は、
所定逆変換基底が用いられるか否かを示す制御値を復号し、
前記制御値を用いて、前記所定逆変換基底が用いられるか否かを決定し、
前記所定逆変換基底が用いられると決定された場合、前記所定逆変換基底を用いて前記変換係数信号の逆変換を行い、
前記所定逆変換基底が用いられないと決定された場合、前記複数の逆変換基底の中から、前記逆変換基底を選択し、前記逆変換基底を用いて前記変換係数信号の逆変換を行う
請求項13に記載の復号装置。 - 前記回路は、
前記制御値を用いて、水平方向の逆変換基底及び垂直方向の逆変換基底の両方に前記所定逆変換基底が用いられるか否かを決定し、
前記水平方向の逆変換基底及び前記垂直方向の逆変換基底の両方に前記所定逆変換基底が用いられると決定された場合、前記水平方向の逆変換基底及び前記垂直方向の逆変換基底の両方に前記所定逆変換基底を用いて前記変換係数信号の逆変換を行い、
前記水平方向の逆変換基底及び前記垂直方向の逆変換基底の両方に前記所定逆変換基底が用いられないと決定された場合、前記複数の逆変換基底の中から、前記水平方向の逆変換基底及び前記垂直方向の逆変換基底を選択し、前記水平方向の逆変換基底及び前記垂直方向の逆変換基底を用いて前記変換係数信号の逆変換を行う
請求項14に記載の復号装置。 - 前記複数のインデックス値のうち前記複数の逆変換基底に含まれるIDST(Inverse Discrete Sine Transform)に対応付けられるインデックス値は、前記複数のインデックス値のうち前記複数の逆変換基底に含まれるIDCT(Inverse Discrete Cosine Transform)に対応付けられるインデックス値よりも小さい
請求項13~15のいずれか1項に記載の復号装置。 - 前記回路は、
IDCT2(Inverse Discrete Cosine Transform Type-II)が用いられるか否かを示す制御値を復号し、
前記制御値を用いて、IDCT2が用いられるか否かを決定し、
IDCT2が用いられると決定された場合、IDCT2を用いて前記変換係数信号の逆変換を行い、
IDCT2が用いられないと決定された場合、前記複数の逆変換基底の中から、前記逆変換基底を選択し、前記逆変換基底を用いて前記変換係数信号の逆変換を行う
請求項13~16のいずれか1項に記載の復号装置。 - 前記複数の逆変換基底は、IDCT4(Inverse Discrete Cosine Transform Type-IV)及びIDST4(Inverse Discrete Sine Transform Type-IV)の少なくとも一方を含む
請求項17に記載の復号装置。 - 前記複数の逆変換基底は、IDCT4及びIDST4の両方を含み、
前記複数のインデックス値のうち前記複数の逆変換基底に含まれるIDST4に対応付けられるインデックス値は、前記複数のインデックス値のうち前記複数の逆変換基底に含まれるIDCT4に対応付けられるインデックス値よりも小さい
請求項18に記載の復号装置。 - 前記複数の逆変換基底は、IDCT4及びIDST4の両方を含み、
前記回路は、IDST4を用いて前記変換係数信号の逆変換が行われる場合、IDCT4を用いて前記変換係数信号の逆変換を行い、前記変換係数信号の逆変換結果の一部の符号を反転する
請求項18又は19に記載の復号装置。 - 前記逆変換結果の一部は、前記逆変換結果に含まれる複数の結果値のうち、偶数番目の複数の結果値、又は、前記逆変換結果に含まれる複数の結果値のうち、奇数番目の複数の結果値である
請求項20に記載の復号装置。 - 前記回路は、所定サイズのIDCT2の演算を行う第1演算回路と、前記所定サイズのIDCT4の演算を行う第2演算回路とを備え、
前記第1演算回路は、前記所定サイズの半分のIDCT2の演算を行う第3演算回路と、前記所定サイズの半分のIDCT4の演算を行う第4演算回路とを備える
請求項18~21のいずれか1項に記載の復号装置。 - 前記複数の逆変換基底は、IDCT4を含み、
前記復号対象ブロックのサイズが前記所定サイズであり、前記変換係数信号の逆変換にIDCT4が用いられる場合、前記変換係数信号が前記第2演算回路に入力される
請求項22に記載の復号装置。 - 前記複数の逆変換基底は、IDST4を含み、
前記復号対象ブロックのサイズが前記所定サイズであり、前記変換係数信号の逆変換にIDST4が用いられる場合、前記変換係数信号が前記第2演算回路に入力され、前記第2演算回路の出力結果の一部の符号が反転される
請求項22又は23に記載の復号装置。 - 動画像を符号化する符号化方法であって、
イントラ予測及びインター予測の一方により、前記動画像に含まれる符号化対象ブロックの予測画像を取得し、
前記符号化対象ブロックの画像と前記予測画像との差を前記符号化対象ブロックの予測誤差信号として生成し、
複数の変換基底の中から、前記予測誤差信号の変換に用いられる変換基底を選択し、
前記変換基底を用いて前記予測誤差信号の変換を行うことにより、前記符号化対象ブロックの変換係数信号を生成し、
前記変換係数信号を符号化し、
前記予測画像がイントラ予測により取得される場合と前記予測画像がインター予測により取得される場合とで共通の対応関係で前記複数の変換基底に対応付けられた複数のインデックス値のうち、前記変換基底に対応付けられたインデックス値を符号化する
符号化方法。 - 動画像を復号する復号方法であって、
イントラ予測及びインター予測の一方により、前記動画像に含まれる復号対象ブロックの予測画像を取得し、
前記復号対象ブロックの変換係数信号を復号し、
インデックス値を復号し、
前記予測画像がイントラ予測により取得される場合と前記予測画像がインター予測により取得される場合とで共通の対応関係で複数のインデックス値に対応付けられた複数の逆変換基底の中から、前記インデックス値に対応付けられた逆変換基底を選択し、
前記逆変換基底を用いて、前記変換係数信号の逆変換を行うことにより、前記復号対象ブロックの予測誤差信号を生成し、
前記予測誤差信号と前記予測画像との和を前記復号対象ブロックの再構成画像として生成する
復号方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/010,337 US20200404272A1 (en) | 2018-06-08 | 2020-09-02 | Encoder, decoder, encoding method, and decoding method |
Applications Claiming Priority (8)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862682485P | 2018-06-08 | 2018-06-08 | |
US62/682,485 | 2018-06-08 | ||
US201862699468P | 2018-07-17 | 2018-07-17 | |
US62/699,468 | 2018-07-17 | ||
US201862714389P | 2018-08-03 | 2018-08-03 | |
US62/714,389 | 2018-08-03 | ||
US201862758081P | 2018-11-09 | 2018-11-09 | |
US62/758,081 | 2018-11-09 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
US17/010,337 Continuation US20200404272A1 (en) | 2018-06-08 | 2020-09-02 | Encoder, decoder, encoding method, and decoding method |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2019235491A1 true WO2019235491A1 (ja) | 2019-12-12 |
Family
ID=68770917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2019/022228 WO2019235491A1 (ja) | 2018-06-08 | 2019-06-04 | 符号化装置、復号装置、符号化方法及び復号方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20200404272A1 (ja) |
WO (1) | WO2019235491A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022019205A (ja) * | 2020-07-17 | 2022-01-27 | 日本電信電話株式会社 | 符号化装置、符号化方法及びプログラム |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112806018B (zh) | 2018-10-05 | 2024-05-17 | 韩国电子通信研究院 | 图像编码/解码方法和设备以及存储比特流的记录介质 |
CN114007079A (zh) * | 2021-10-09 | 2022-02-01 | 上海为旌科技有限公司 | 变换电路、方法、装置和编码器 |
CN114125461B (zh) * | 2021-11-29 | 2023-07-14 | 成都国科微电子有限公司 | 通用视频编码变换电路和通用视频编码设备 |
WO2023173255A1 (zh) * | 2022-03-14 | 2023-09-21 | Oppo广东移动通信有限公司 | 图像编解码方法、装置、设备、***、及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014509108A (ja) * | 2011-01-10 | 2014-04-10 | クゥアルコム・インコーポレイテッド | メディアデータコーディングのための32点変換 |
WO2017195555A1 (ja) * | 2016-05-13 | 2017-11-16 | シャープ株式会社 | 画像復号装置および画像符号化装置 |
-
2019
- 2019-06-04 WO PCT/JP2019/022228 patent/WO2019235491A1/ja active Application Filing
-
2020
- 2020-09-02 US US17/010,337 patent/US20200404272A1/en not_active Abandoned
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014509108A (ja) * | 2011-01-10 | 2014-04-10 | クゥアルコム・インコーポレイテッド | メディアデータコーディングのための32点変換 |
WO2017195555A1 (ja) * | 2016-05-13 | 2017-11-16 | シャープ株式会社 | 画像復号装置および画像符号化装置 |
Non-Patent Citations (2)
Title |
---|
ICHIGAYA, ATSURO ET AL.: "CE7. 5: Performance analysis of adaptive DCT/DST selection", JOINT COLLABORATIVE TEAM ON VIDEO CODING (JCT-VC) OF ITU- T SG 16 WP3 AND ISO/IEC JTC1/SC29/WG11 6TH MEETING, no. JCTVC-F229, 14 July 2011 (2011-07-14), Torino, IT, XP030009252 * |
MADANAYAKE, ARJUNA ET AL.: "An asynchronous array architecture for 16x1 DCT-4/DST-4 on a 65nm Achronix SPD60 FPGA", 2011 IEEE 54TH INTERNATIONAL MIDWEST SYMPOSIUM ON CIRCUITS AND SYSTEMS (MWSCAS), 7 August 2011 (2011-08-07), pages 1 - 4, XP031941215 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022019205A (ja) * | 2020-07-17 | 2022-01-27 | 日本電信電話株式会社 | 符号化装置、符号化方法及びプログラム |
JP7406208B2 (ja) | 2020-07-17 | 2023-12-27 | 日本電信電話株式会社 | 符号化装置、符号化方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20200404272A1 (en) | 2020-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6950095B2 (ja) | 符号化装置及び復号装置 | |
WO2020184555A1 (ja) | 符号化装置、復号装置、符号化方法及び復号方法 | |
JP7389283B2 (ja) | 符号化装置及び復号装置 | |
WO2019235491A1 (ja) | 符号化装置、復号装置、符号化方法及び復号方法 | |
WO2020141591A1 (ja) | 符号化装置、復号装置、符号化方法、及び復号方法 | |
WO2019240050A1 (ja) | 符号化装置、復号装置、符号化方法および復号方法 | |
WO2020059611A1 (ja) | 符号化装置、復号装置、符号化方法及び復号方法 | |
JP7432022B2 (ja) | 符号化装置及び復号装置 | |
JP7373040B2 (ja) | 復号装置及び符号化装置 | |
JPWO2020130020A1 (ja) | 符号化装置、復号装置、符号化方法及び復号方法 | |
JP2023017026A (ja) | 非一時的記憶媒体 | |
WO2020162536A1 (ja) | 符号化装置、復号装置、符号化方法及び復号方法 | |
WO2020045050A1 (ja) | 符号化装置、復号装置、符号化方法及び復号方法 | |
WO2018021373A1 (ja) | 符号化装置、復号装置、符号化方法及び復号方法 | |
WO2020050279A1 (ja) | 符号化装置、復号装置、符号化方法および復号方法 | |
WO2020031902A1 (ja) | 符号化装置、復号装置、符号化方法および復号方法 | |
JP2023001298A (ja) | 復号装置及び復号方法 | |
WO2021025080A1 (ja) | 符号化装置、復号装置、符号化方法、および復号方法 | |
WO2020235586A1 (ja) | 符号化装置、復号装置、符号化方法及び復号方法 | |
WO2020050281A1 (ja) | 符号化装置、復号装置、符号化方法、および復号方法 | |
WO2020256050A1 (ja) | 符号化装置、復号装置、符号化方法、および復号方法 | |
WO2021006196A1 (ja) | 符号化装置、復号装置、符号化方法、および復号方法 | |
WO2020256048A1 (ja) | 符号化装置、復号装置、符号化方法、および復号方法 | |
WO2020171224A1 (ja) | 符号化装置、復号装置、符号化方法及び復号方法 | |
WO2020031923A1 (ja) | 符号化装置、復号装置、符号化方法および復号方法 |
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: 19814171 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: 19814171 Country of ref document: EP Kind code of ref document: A1 |