WO2020137920A1 - 予測画像生成装置、動画像復号装置、動画像符号化装置および予測画像生成方法 - Google Patents

予測画像生成装置、動画像復号装置、動画像符号化装置および予測画像生成方法 Download PDF

Info

Publication number
WO2020137920A1
WO2020137920A1 PCT/JP2019/050202 JP2019050202W WO2020137920A1 WO 2020137920 A1 WO2020137920 A1 WO 2020137920A1 JP 2019050202 W JP2019050202 W JP 2019050202W WO 2020137920 A1 WO2020137920 A1 WO 2020137920A1
Authority
WO
WIPO (PCT)
Prior art keywords
prediction
image
unit
value
parameter
Prior art date
Application number
PCT/JP2019/050202
Other languages
English (en)
French (fr)
Inventor
中條　健
知典 橋本
友子 青野
知宏 猪飼
瑛一 佐々木
Original Assignee
シャープ株式会社
鴻穎創新有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by シャープ株式会社, 鴻穎創新有限公司 filed Critical シャープ株式会社
Priority to US17/417,154 priority Critical patent/US20220078431A1/en
Priority to MX2021007631A priority patent/MX2021007631A/es
Priority to EP19906111.0A priority patent/EP3905694A4/en
Priority to CN201980085477.5A priority patent/CN113228682A/zh
Priority to JP2020563224A priority patent/JPWO2020137920A1/ja
Publication of WO2020137920A1 publication Critical patent/WO2020137920A1/ja

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
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/46—Embedding additional information in the video signal during the compression process
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H04N19/517—Processing of motion vectors by encoding
    • H04N19/52—Processing of motion vectors by encoding by predictive encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/577—Motion compensation with bidirectional frame interpolation, i.e. using B-pictures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards

Definitions

  • the embodiment of the present invention relates to a predicted image generation device, a moving image decoding device, a moving image coding device, and a predicted image generation method.
  • a moving image encoding device that generates encoded data by encoding the moving image, and a moving image that generates a decoded image by decoding the encoded data.
  • An image decoding device is used.
  • moving image coding methods include H.264/AVC and HEVC (High-Efficiency Video Coding) methods.
  • images (pictures) that make up a moving image are slices obtained by dividing the image, and coding tree units (CTU: Coding Tree Unit) obtained by dividing the slices. ), a coding unit obtained by dividing the coding tree unit (sometimes called a coding unit (Coding Unit: CU)), and a transform unit (TU: obtained by dividing the coding unit). It is managed by a hierarchical structure consisting of Transform Units) and is encoded/decoded for each CU.
  • CTU Coding Tree Unit
  • a predicted image is usually generated based on a locally decoded image obtained by coding/decoding the input image, and the predicted image is generated from the input image (original image).
  • the prediction error obtained by the subtraction (sometimes referred to as "difference image” or "residual image") is encoded.
  • Examples of the method of generating the predicted image include inter-screen prediction (inter prediction) and intra-screen prediction (intra prediction).
  • Non-Patent Document 1 can be cited as a technique of recent video encoding and decoding.
  • Non-Patent Document 2 discloses a BIO (Bi-directional Optical Flow) technique for improving the image quality by using a gradient image when deriving a predicted image from bi-predictive motion compensation (interpolated image).
  • BIO Bi-directional Optical Flow
  • a bidirectional gradient change processing unit that generates a prediction image using a gradient image derived from two interpolated images, and a weighted bidirectional using a weight coefficient and an offset coefficient decoded from encoded data from the two interpolated images.
  • a bi-prediction gradient change processing unit that generates a prediction image, the bi-prediction gradient change processing unit generates L0 prediction images and L1 prediction images for each coding unit from two interpolation images, L0, L1 prediction image generation Section, a gradient image generation unit that generates four gradient images in the horizontal and vertical directions from the L0 predicted image and the L1 predicted image, and the sum of products of the L0 predicted image, the L1 predicted image, and the four gradient images.
  • a correlation parameter calculation unit that calculates a correlation parameter for each processing unit, a motion compensation correction value derivation unit that derives a value that corrects the bidirectional prediction image from the correlation parameter, the L0 prediction image, and L1 prediction
  • An image and a bidirectional gradient change prediction image generation unit that generates a prediction image from the motion compensation correction value, and the L0 and L1 prediction image generation units are weighting factors used in the weighted bidirectional prediction image generation unit.
  • the offset coefficient are used to generate a weighted L0 predicted image and a weighted L1 predicted image as the above L0 predicted image and L1 predicted image.
  • a generalized bidirectional prediction that generates a weighted bidirectional prediction image using two interpolation images and a weight coefficient derived by referring to a weight coefficient table prepared in advance with an index decoded from encoded data A generation unit and a weighted bidirectional prediction image generation unit using a weighting coefficient and an offset coefficient decoded from the encoded data from the two interpolation images, wherein the generalized bilateral prediction generation unit has an index, When selecting a one-to-one weight, a bidirectional predicted image is generated using the bidirectional predicted image generating unit.
  • FIG. 1 It is a schematic diagram showing the composition of the image transmission system concerning this embodiment. It is the figure which showed the structure of the transmission apparatus which mounts the moving image encoding apparatus which concerns on this embodiment, and the receiving apparatus which mounts the moving image decoding apparatus.
  • (a) shows a transmitter equipped with a moving picture coding device
  • (b) shows a receiver equipped with a moving picture decoding device.
  • (a) shows a recording device equipped with a moving image encoding device
  • (b) shows a reproducing device equipped with a moving image decoding device.
  • FIG. 6 is a flowchart showing an example of the flow of a prediction mode selection process in the moving image decoding apparatus according to the embodiment. It is a figure showing an example of a flow chart explaining a flow of processing which a motion compensation part provided with a motion compensation function using BIO prediction concerning this embodiment derives a prediction picture. It is a schematic diagram showing the composition of the BIO section concerning this embodiment. It is a figure which shows an example of the area
  • FIG. 3 is a block diagram showing a configuration of an L0, L1 prediction image generation unit. It is a block diagram which shows another structure of the L0, L1 prediction image generation part.
  • FIG. 6 is a flowchart showing the relationship between weighted prediction, GBI processing, and BIO processing according to the embodiment.
  • 9 is a flowchart showing the relationship between weighted prediction, GBI processing, and BIO processing according to another embodiment.
  • 9 is a flowchart showing the relationship between weighted prediction and BIO processing according to another embodiment. It is a block diagram which shows the structure of a moving image encoding device. It is a schematic diagram showing the composition of the inter prediction parameter coding part.
  • FIG. 1 is a schematic diagram showing the configuration of the image transmission system 1 according to the present embodiment.
  • the image transmission system 1 is a system that transmits an encoded stream obtained by encoding an encoding target image, decodes the transmitted encoded stream, and displays an image.
  • the image transmission system 1 includes a moving image encoding device (image encoding device) 11, a network 21, a moving image decoding device (image decoding device) 31, and a moving image display device (image display device) 41. ..
  • the image T is input to the moving image encoding device 11.
  • the network 21 transmits the encoded stream Te generated by the moving image encoding device 11 to the moving image decoding device 31.
  • the network 21 is the Internet, a wide area network (WAN: Wide Area Network), a small network (LAN: Local Area Network), or a combination thereof.
  • the network 21 is not necessarily a bidirectional communication network, but may be a unidirectional communication network that transmits broadcast waves such as terrestrial digital broadcasting and satellite broadcasting. Further, the network 21 may be replaced with a storage medium such as a DVD (Digital Versatile Disc: registered trademark) or a BD (Blue-ray Disc: registered trademark) that records an encoded stream Te.
  • the moving image decoding device 31 decodes each of the encoded streams Te transmitted by the network 21 and generates one or more decoded images Td.
  • the moving image display device 41 displays all or part of one or more decoded images Td generated by the moving image decoding device 31.
  • the moving image display device 41 includes a display device such as a liquid crystal display or an organic EL (Electro-luminescence) display.
  • the form of the display includes stationary, mobile, HMD and the like. Further, when the moving picture decoding device 31 has a high processing capability, it displays an image with high image quality, and when it has only a lower processing capability, it displays an image that does not require high processing capability or display capability. ..
  • X?y:z is a ternary operator that takes y when x is true (other than 0) and z when x is false (0).
  • Abs(a) is a function that returns the absolute value of a.
  • Int(a) is a function that returns the integer value of a.
  • Floor(a) is a function that returns the largest integer less than or equal to a.
  • Ceil(a) is a function that returns the smallest integer greater than or equal to a.
  • ⁇ a/d represents division of a by d (rounding down after the decimal point).
  • a ⁇ b represents a raised to the power b.
  • sign(a) is a function that returns the sign of a.
  • log2(a) is a function that returns the logarithm with the base 2 of a.
  • FIG. 4 is a diagram showing a hierarchical structure of data in the encoded stream Te.
  • the coded stream Te illustratively includes a sequence and a plurality of pictures constituting the sequence.
  • 4A to 4F are a coded video sequence defining the sequence SEQ, a coded picture defining the picture PICT, a coded slice defining the slice S, and a coded slice defining the slice data, respectively. It is a figure which shows the data, the coding tree unit contained in coding slice data, and the coding unit contained in a coding tree unit.
  • the sequence SEQ includes a video parameter set (Video Parameter Set), a sequence parameter set SPS (Sequence Parameter Set), a picture parameter set PPS (Picture Parameter Set), a picture PICT, and additional extension.
  • Information SEI Supplemental Enhancement Information
  • the video parameter set VPS is a set of coding parameters common to a plurality of moving pictures in a moving picture composed of a plurality of layers, and a plurality of layers included in the moving picture and coding parameters related to individual layers. Sets are defined.
  • the sequence parameter set SPS defines a set of coding parameters that the moving image decoding apparatus 31 refers to in order to decode the target sequence. For example, the width and height of the picture are specified. There may be a plurality of SPSs. In that case, one of the plurality of SPSs is selected from the PPS.
  • the picture parameter set PPS defines a set of coding parameters that the moving picture decoding apparatus 31 refers to in order to decode each picture in the target sequence. For example, a quantization width reference value (pic_init_qp_minus26) used for decoding a picture and a flag (weighted_pred_flag) indicating application of weighted prediction are included. There may be a plurality of PPSs. In that case, one of the plurality of PPSs is selected from each picture in the target sequence.
  • the picture PICT includes slice 0 to slice NS-1 (NS is the total number of slices included in the picture PICT).
  • Encoding slice In the encoded slice, a set of data referred to by the video decoding device 31 in order to decode the slice S to be processed is defined.
  • the slice contains a slice header and slice data, as shown in FIG. 4(c).
  • the slice header includes a group of coding parameters that the video decoding device 31 refers to in order to determine the decoding method of the target slice.
  • the slice type designation information (slice_type) that designates the slice type is an example of an encoding parameter included in the slice header.
  • Slice types that can be designated by the slice type designation information include (1) an I slice that uses only intra prediction during encoding, (2) a unidirectional prediction that uses encoding during encoding, or a P slice that uses intra prediction. (3) B slices using unidirectional prediction, bidirectional prediction, or intra prediction at the time of encoding are included. Note that inter prediction is not limited to uni-prediction and bi-prediction, and a larger number of reference pictures may be used to generate a prediction image.
  • P and B slices they refer to slices including blocks that can use inter prediction.
  • the slice header may include a reference (pic_parameter_set_id) to the picture parameter set PPS.
  • the encoded slice data defines a set of data that the moving image decoding apparatus 31 refers to in order to decode the slice data to be processed.
  • the slice data includes a CTU as shown in FIG. 4(d).
  • the CTU is a fixed-size (eg, 64x64) block that forms a slice, and is sometimes referred to as a maximum coding unit (LCU).
  • LCU maximum coding unit
  • CTU is a basic coding process by recursive quadtree partitioning (QT (Quad Tree) partitioning), binary tree partitioning (BT (Binary Tree) partitioning) or ternary tree partitioning (TT (Ternary Tree) partitioning) It is divided into coding units CU, which are the basic units.
  • the BT partition and the TT partition are collectively called a multi-tree partition (MT (Multi Tree) partition).
  • MT Multi Tree partition
  • a tree-structured node obtained by recursive quadtree partitioning is called a coding node.
  • Intermediate nodes of the quadtree, the binary tree, and the ternary tree are coding nodes, and the CTU itself is also defined as the uppermost coding node.
  • a QT split flag indicating whether or not to perform QT split
  • an MT split flag indicating the presence or absence of MT split
  • an MT split direction indicating the split direction of MT split
  • the MT split type indicating the split type of MT split is included.
  • Figure 5 is a diagram showing an example of CTU division.
  • qt_split_cu_flag 1
  • the coding node is divided into four coding nodes (FIG. 5(b)).
  • the coding node is not split and has one CU as a node (Fig. 5(a)).
  • the CU is the end node of the coding node and is not further divided.
  • the CU is a basic unit of encoding processing.
  • mtt_split_cu_flag When mtt_split_cu_flag is 1, the coding node is MT-split as follows. When mtt_split_cu_vertical_flag is 0 and mtt_split_cu_binary_flag is 1, the coding node is horizontally divided into two coding nodes (Fig. 5(d)), and when mtt_split_cu_vertical_flag is 1 and mtt_split_cu_binary_flag is 1, two coding nodes are coded. It is vertically divided into the digitized nodes (Fig. 5(c)).
  • the coding node is horizontally divided into three coding nodes (Fig. 5(f)), and when mtt_split_cu_vertical_flag is 1 and mtt_split_cu_binary_flag is 0, the coding node is 3. It is vertically divided into two coding nodes (Fig. 5(e)). These are shown in FIG. 5(g).
  • the CU size is 64x64 pixels, 64x32 pixels, 32x64 pixels, 32x32 pixels, 64x16 pixels, 16x64 pixels, 32x16 pixels, 16x32 pixels, 16x16 pixels, 64x8 pixels, 8x64 pixels.
  • the CU includes a CU header CUH, a prediction parameter, a conversion parameter, a quantized conversion coefficient, and the like.
  • the prediction mode etc. are specified in the CU header.
  • Prediction processing may be performed in CU units or in sub CU units obtained by further dividing CUs. If the CU and the sub-CU have the same size, there is one sub-CU in the CU. If the CU is larger than the size of the sub CU, the CU is divided into sub CUs. For example, if the CU is 8x8 and the sub-CU is 4x4, the CU is divided into four sub-CUs, which are divided into two horizontally and vertically.
  • Intra-prediction refers to prediction within the same picture
  • inter-prediction refers to prediction processing performed between different pictures (for example, between display times).
  • Transform/quantization processing is performed in CU units, but quantized transform coefficients may be entropy coded in 4x4 subblock units.
  • the predicted image is derived from the prediction parameters associated with the block.
  • the prediction parameters include intra prediction parameters and inter prediction parameters.
  • the inter prediction parameter is composed of prediction list use flags predFlagL0 and predFlagL1, reference picture indexes refIdxL0 and refIdxL1, and motion vectors mvL0 and mvL1.
  • the prediction list use flags predFlagL0 and predFlagL1 are flags indicating whether or not reference picture lists called L0 list and L1 list are used, respectively, and the reference picture list corresponding to a value of 1 is used.
  • a flag indicating whether it is XX when it is referred to as “a flag indicating whether it is XX”, a flag other than 0 (for example, 1) is XX, 0 is not XX, and logical negation, logical product, etc. Treat 1 as true and 0 as false (same below).
  • other values can be used as the true value and the false value.
  • Syntax elements for deriving inter prediction parameters include, for example, affine flag affine_flag, merge flag merge_flag, merge index merge_idx, inter prediction identifier inter_pred_idc, reference picture index refIdxLX, prediction vector index mvp_LX_idx, difference vector mvdLX, motion vector accuracy.
  • affine flag affine_flag merge flag merge_flag
  • merge index merge_idx merge_idx
  • inter prediction identifier inter_pred_idc reference picture index refIdxLX
  • prediction vector index mvp_LX_idx prediction vector index mvp_LX_idx
  • difference vector mvdLX motion vector accuracy.
  • the reference picture list is a list of reference pictures stored in the reference picture memory 306.
  • FIG. 6 is a conceptual diagram showing an example of a reference picture and a reference picture list.
  • a rectangle is a picture
  • an arrow is a picture reference relationship
  • a horizontal axis is time
  • I, P, and B in the rectangle are intra pictures
  • uni-predictive pictures bi-predictive pictures
  • numbers in the rectangle are decoded. Show the order.
  • the decoding order of the pictures is I0, P1, B2, B3, B4, and the display order is I0, B3, B2, B4, P1.
  • FIG. 6B shows an example of the reference picture list of the picture B3 (target picture).
  • the reference picture list is a list showing candidates of reference pictures, and one picture (slice) may have one or more reference picture lists.
  • the target picture B3 has two reference picture lists, an L0 list RefPicList0 and an L1 list RefPicList1.
  • LX is a description method used when the L0 prediction and the L1 prediction are not distinguished, and hereinafter, the parameters for the L0 list and the parameters for the L1 list are distinguished by replacing LX with L0 and L1.
  • the prediction parameter decoding (encoding) methods include a merge prediction (merge) mode and an AMVP (Advanced Motion Vector Prediction) mode, and the merge flag merge_flag is a flag for identifying these.
  • the merge prediction mode is a mode in which the prediction list use flag predFlagLX (or inter prediction identifier inter_pred_idc), the reference picture index refIdxLX, and the motion vector mvLX are not included in the encoded data but are derived from the prediction parameters of the already processed neighboring blocks. ..
  • the AMVP mode is a mode in which the inter prediction identifier inter_pred_idc, the reference picture index refIdxLX, and the motion vector mvLX are included in the encoded data.
  • the motion vector mvLX is encoded as a prediction vector index mvp_LX_idx that identifies the prediction vector mvpLX, a difference vector mvdLX, and a motion vector accuracy mode amvr_mode.
  • the skip mode is a mode in which prediction parameters are derived and used in the same manner as the merge mode, and a prediction error (residual image) is not included in encoded data.
  • the skip flag skip_flag is 1, only the relevant skip flag skip_flag and the syntax related to the merge mode such as the merge index merge_idx are included in the target CU, and the motion vector and the like are not included in the encoded data. Therefore, when the skip flag skip_flag indicates that the skip mode is applied to the target CU, decoding of prediction parameters other than the skip flag skip_flag is omitted.
  • the motion vector mvLX indicates the shift amount between blocks on two different pictures.
  • the prediction vector and the difference vector related to the motion vector mvLX are called the prediction vector mvpLX and the difference vector mvdLX, respectively.
  • inter_pred_idc is a value indicating the type and number of reference pictures, and takes any value of PRED_L0, PRED_L1, and PRED_BI.
  • PRED_L0 and PRED_L1 indicate uni-prediction using one reference picture managed in the L0 list and the L1 list, respectively.
  • PRED_BI indicates bi-prediction BiPred that uses two reference pictures managed by the L0 list and the L1 list.
  • the merge index merge_idx is an index that indicates which prediction parameter is used as the prediction parameter of the target block among the prediction parameter candidates (merge candidates) derived from the block that has been processed.
  • inter_pred_idc The relationship between the inter prediction identifier inter_pred_idc and the prediction list usage flags predFlagL0 and predFlagL1 is as follows and can be converted mutually.
  • the flag biPred indicating whether it is bi-prediction BiPred can be derived depending on whether both two prediction list use flags are 1. For example, it can be derived by the following formula.
  • the flag biPred can also be derived depending on whether or not the inter prediction identifier is a value indicating that two prediction lists (reference pictures) are used. For example, it can be derived by the following formula.
  • the configuration of the moving picture decoding device 31 (FIG. 7) according to the present embodiment will be described.
  • the moving image decoding device 31 includes an entropy decoding unit 301, a parameter decoding unit (prediction image decoding device) 302, a loop filter 305, a reference picture memory 306, a prediction parameter memory 307, a prediction image generation unit (prediction image generation device) 308, and an inverse.
  • the quantization/inverse conversion unit 311 and the addition unit 312 are included. It should be noted that there is a configuration in which the loop filter 305 is not included in the moving image decoding device 31 in accordance with the moving image encoding device 11 described later.
  • the parameter decoding unit 302 further includes a header decoding unit 3020, a CT information decoding unit 3021, and a CU decoding unit 3022 (prediction mode decoding unit), which are not shown, and the CU decoding unit 3022 further includes a TU decoding unit 3024. ing. These may be collectively referred to as a decoding module.
  • the header decoding unit 3020 decodes the parameter set information such as VPS, SPS, PPS and the slice header (slice information) from the encoded data.
  • the CT information decoding unit 3021 decodes the CT from the encoded data.
  • the CU decoding unit 3022 decodes the CU from the encoded data.
  • the TU decoding unit 3024 decodes the QP update information (quantization correction value) and the quantized prediction error (residual_coding) from the encoded data when the TU includes a prediction error.
  • the parameter decoding unit 302 is configured to include an inter prediction parameter decoding unit (prediction image generation device) 303 and an intra prediction parameter decoding unit 304, which are not shown.
  • the predicted image generation unit 308 includes an inter predicted image generation unit (predicted image generation device) 309 and an intra predicted image generation unit 310.
  • processing is not limited to this example, and processing may be performed in sub CU units.
  • the CTU and CU may be read as a block and the sub CU may be read as a sub block, and processing may be performed in block or sub block units.
  • the entropy decoding unit 301 performs entropy decoding on the coded stream Te input from the outside, and decodes each code (syntax element).
  • the entropy decoding unit 301 outputs the decoded code to the parameter decoding unit 302.
  • the decoded code is, for example, the prediction mode predMode, merge flag merge_flag, merge index merge_idx, inter prediction identifier inter_pred_idc, reference picture index refIdxLX, prediction vector index mvp_LX_idx, difference vector mvdLX, motion vector precision mode amvr_mode, and the like. Control of which code is decoded is performed based on an instruction from the parameter decoding unit 302.
  • the inter prediction parameter decoding unit 303 decodes the inter prediction parameter based on the code input from the entropy decoding unit 301, by referring to the prediction parameter stored in the prediction parameter memory 307. Also, the inter prediction parameter decoding unit 303 outputs the decoded inter prediction parameter to the prediction image generation unit 308 and stores it in the prediction parameter memory 307.
  • FIG. 8 is a schematic diagram showing the configuration of the inter prediction parameter decoding unit 303 according to the present embodiment.
  • the inter prediction parameter decoding unit 303 includes a merge prediction unit 30374, a DMVR unit 30375, a sub-block prediction unit (affine prediction unit) 30372, an MMVD prediction unit (motion vector derivation unit) 30376, a Triangle prediction unit 30377, and an AMVP prediction parameter derivation unit 3032. , And an adding unit 3038.
  • the merge prediction unit 30374 includes a merge prediction parameter derivation unit 3036.
  • the AMVP prediction parameter derivation unit 3032, the merge prediction parameter derivation unit 3036, and the affine prediction unit 30372 are means common to the moving image coding device and the moving image decoding device, they are collectively referred to as the motion vector derivation unit (motion vector May be referred to as a derivation device).
  • the inter prediction parameter decoding unit 303 instructs the entropy decoding unit 301 to decode syntax elements related to inter prediction, and syntax elements included in the encoded data, for example, affine flag affine_flag, merge flag merge_flag, merge index merge_idx. , Inter prediction identifier inter_pred_idc, reference picture index refIdxLX, prediction vector index mvp_LX_idx, difference vector mvdLX, motion vector precision mode amvr_mode.
  • the affine prediction unit 30372 derives the inter prediction parameter of the sub block.
  • merge index merge_idx is decoded and output to the merge prediction parameter derivation unit 3036.
  • the AMVP prediction mode is indicated, for example, the inter prediction identifier inter_pred_idc, the reference picture index refIdxLX, the prediction vector index mvp_LX_idx, and the difference vector mvdLX are decoded as AMVP prediction parameters.
  • the AMVP prediction parameter derivation unit 3032 derives the prediction vector mvpLX from the prediction vector index mvp_LX_idx.
  • the adding unit 3038 adds the derived prediction vector mvpLX and the difference vector mvdLX to derive the motion vector mvLX.
  • the affine prediction unit 30372 derives the affine prediction parameter of the target block.
  • the motion vectors (mv0_x, mv0_y) (mv1_x, mv1_y) of the two control points (V0, V1) of the target block are derived as affine prediction parameters.
  • the motion vector of each control point may be derived by predicting from the motion vector of the adjacent block of the target block, or may be derived from the prediction vector derived as the motion vector of the control point and the encoded data.
  • the motion vector of each control point may be derived from the sum of the difference vectors.
  • the affine prediction unit 30372 may appropriately derive a parameter used for 4-parameter MVD affine prediction or a parameter used for 6-parameter MVD affine prediction.
  • FIG. 9A is a schematic diagram showing the configuration of the merge prediction parameter derivation unit 3036 included in the merge prediction unit 30374.
  • the merge prediction parameter derivation unit 3036 includes a merge candidate derivation unit 30361 and a merge candidate selection unit 30362.
  • the merge candidate is configured to include the prediction list use flag predFlagLX, the motion vector mvLX, and the reference picture index refIdxLX, and is stored in the merge candidate list. Indexes are assigned to the merge candidates stored in the merge candidate list according to a predetermined rule.
  • the merge candidate derivation unit 30361 derives a merge candidate by using the motion vector of the decoded adjacent block and the reference picture index refIdxLX as they are. Other than that, the merge candidate derivation unit 30361 may apply a spatial merge candidate derivation process, a temporal merge candidate derivation process, a pairwise merge candidate derivation process, and a zero merge candidate derivation process described later.
  • the merge candidate derivation unit 30361 reads the prediction parameter stored in the prediction parameter memory 307 according to a predetermined rule and sets it as a merge candidate.
  • the reference picture can be specified by, for example, an adjacent block within a predetermined range from the target block (for example, all or a part of the blocks that respectively contact the left block A1, the right block B1, the upper right block B0, the lower left block A0, and the upper left block B2). ) Is a prediction parameter related to each.
  • Each merge candidate is called A1, B1, B0, A0, B2.
  • A1, B1, B0, A0, B2 are motion information derived from blocks including the following coordinates.
  • the merge candidate derivation unit 30361, the lower right CBR of the target block, or, the prediction parameters of the block C in the reference picture including the coordinates of the center read from the prediction parameter memory 307 as a merge candidate Col, Store in merge candidate list mergeCandList[].
  • the pairwise derivation unit derives the pairwise candidate avgK and stores it in the merge candidate list mergeCandList[].
  • the merge candidate derivation unit 30361 derives zero merge candidates Z0,...,ZM in which the reference picture index refIdxLX is 0...M, and the X component and Y component of the motion vector mvLX are both 0, and stores them in the merge candidate list.
  • the merge candidate derivation unit 30361 or the pairwise derivation unit stores each merge candidate in the merge candidate list mergeCandList[] in the spatial merge candidate (A1,B1,B0,A0,B2), temporal merge candidate Col, pairwise candidate, for example.
  • AvgK and ZeroCandK candidate ZeroCandK Reference blocks that are not available (blocks are intra-predicted, etc.) are not stored in the merge candidate list.
  • the upper left coordinates of the target block are (xCb, yCb)
  • the width of the target block is cbWidth
  • the height of the target block is cbHeight.
  • the merge candidate selection unit 30362 selects the merge candidate N indicated by the merge index merge_idx from the merge candidates included in the merge candidate list using the following formula.
  • N mergeCandList[merge_idx]
  • N is a label indicating a merge candidate, and takes A1, B1, B0, A0, B2, Col, AvgK, ZeroCandK and the like.
  • the motion information of the merge candidate indicated by the label N is (mvLXN[0], mvLXN[1]) and is indicated by predFlagLXN, refIdxLXN.
  • the merge candidate selection unit 30362 selects motion information (mvLXN[0], mvLXN[1]), predFlagLXN, refIdxLXN of the selected merge candidate as inter prediction parameters of the target block.
  • the merge candidate selection unit 30362 stores the selected inter prediction parameter in the prediction parameter memory 307 and outputs it to the predicted image generation unit 308.
  • the MMVD prediction unit 30373 derives a motion vector by adding the difference vector mvdLX to the central vector mvdLX (merge candidate motion vector) derived by the merge candidate derivation unit 30361.
  • the MMVD prediction unit 30376 derives a motion vector mvLX[] using merge candidates mergeCandList[] and the syntax base_candidate_idx, direction_idx, distance_idx for decoding or encoding encoded data into encoded data. Furthermore, the syntax distance_list_idx for distance table selection may be encoded or decoded.
  • MMVD prediction unit 30376 selects the center vector mvLN[] with base_candidate_idx.
  • N mergeCandList[base_candidate_idx]
  • the MMVD prediction unit 30376 derives the base distance (mvdUnit[0], mvdUnit[1]) and the distance DistFromBaseMV.
  • the MMVD prediction unit 30376 derives the difference vector refineMv[].
  • firstMv[0] (DistFromBaseMV ⁇ shiftMMVD) * mvdUnit[0]
  • firstMv[1] (DistFromBaseMV ⁇ shiftMMVD) * mvdUnit[1]
  • shiftMMVD is a value for adjusting the magnitude of the difference vector so as to match the accuracy MVPREC of the motion vector in the motion compensation unit 3091 (interpolation unit).
  • the MMVD prediction unit 30376 derives an MMVD merge candidate motion vector from the difference vector refineMvLX and the central vector mvLXN as follows.
  • FIG. 9(b) is a schematic diagram showing the configuration of the AMVP prediction parameter derivation unit 3032 according to this embodiment.
  • the AMVP prediction parameter derivation unit 3032 includes a vector candidate derivation unit 3033 and a vector candidate selection unit 3034.
  • the vector candidate derivation unit 3033 derives a prediction vector candidate from the motion vector mvLX of the decoded adjacent block stored in the prediction parameter memory 307 based on the reference picture index refIdxLX, and stores it in the prediction vector candidate list mvpListLX[].
  • the vector candidate selection unit 3034 selects the motion vector mvpListLX[mvp_LX_idx] indicated by the prediction vector index mvp_LX_idx from the prediction vector candidates in the prediction vector candidate list mvpListLX[] as the prediction vector mvpLX.
  • the vector candidate selection unit 3034 outputs the selected prediction vector mvpLX to the addition unit 3038.
  • the addition unit 3038 adds the prediction vector mvpLX input from the AMVP prediction parameter derivation unit 3032 and the decoded difference vector mvdLX to calculate the motion vector mvLX.
  • the addition unit 3038 outputs the calculated motion vector mvLX to the prediction image generation unit 308 and the prediction parameter memory 307.
  • the motion vector precision is 1/16 precision, it is derived from amvr_mode as follows to change the motion vector difference of 1/4, 1/4 pixel precision to the motion vector difference of 1/16 pixel precision.
  • the parameter decoding unit 302 may further derive mvdLX[] by decoding the following syntax. ⁇ Abs_mvd_greater0_flag ⁇ Abs_mvd_minus2 ⁇ Mvd_sign_flag Decrypt. Then, the parameter decoding unit 302 decodes the difference vector lMvd[] from the syntax by using the following formula.
  • lMvd[ compIdx ] abs_mvd_greater0_flag[ compIdx ]* (abs_mvd_minus2[ compIdx] + 2) * (1 ?2 * mvd_sign_flag[ compIdx ])
  • the merge prediction unit 30374 For the target CU, if the merge flag merge_flag indicates to apply the merge prediction mode, or if the skip flag skip_flag indicates to apply the skip mode, the merge prediction unit 30374 The motion vector mvLX of the target CU that is derived by is corrected using the reference picture.
  • the motion vector is corrected using the prediction image derived from the motion vector corresponding to the two reference pictures.
  • the corrected motion vector mvLX is supplied to the inter prediction image generation unit 309.
  • Triangle prediction the target CU is divided into two triangular prediction units with a diagonal line or an opposite diagonal line as a boundary.
  • the prediction image in each triangle prediction unit is derived by performing weighting mask processing on each pixel of the prediction image of the target CU (rectangular block including the triangle prediction unit) according to the position of the pixel.
  • a triangular image can be derived from a rectangular image by multiplying by a mask in which the number of pixels in the triangular region in the rectangular region is 1, and the number of regions other than the triangle is 0.
  • the adaptive weighting process is applied to both regions sandwiching the diagonal line, and the adaptive weighting process using the two prediction images is applied to the target CU (rectangular block) 1
  • This processing is called Triangle composition processing.
  • the transformation (inverse transformation) and the quantization (inverse quantization) processing are applied to the entire target CU.
  • the Triangle prediction is applied only in the merge prediction mode or the skip mode.
  • the Triangle prediction unit 30377 derives prediction parameters corresponding to the two triangular regions used for Triangle prediction, and supplies the prediction parameters to the inter prediction image generation unit 309.
  • the Triangle prediction may be configured without bi-prediction for simplification of processing.
  • the unidirectional prediction inter prediction parameter is derived in one triangular region. Note that the derivation of the two predicted images and the synthesis using the predicted images are performed by the motion compensation unit 3091 and the Triangle synthesis unit 30952.
  • the loop filter 305 is a filter provided in the coding loop and removes block distortion and ringing distortion to improve image quality.
  • the loop filter 305 applies filters such as a deblocking filter, a sample adaptive offset (SAO), and an adaptive loop filter (ALF) to the decoded image of the CU generated by the addition unit 312.
  • filters such as a deblocking filter, a sample adaptive offset (SAO), and an adaptive loop filter (ALF) to the decoded image of the CU generated by the addition unit 312.
  • the reference picture memory 306 stores the decoded image of the CU generated by the addition unit 312 at a predetermined position for each target picture and target CU.
  • Prediction parameter memory 307 stores prediction parameters in predetermined positions for each CTU or CU to be decoded. Specifically, the prediction parameter memory 307 stores the parameters decoded by the parameter decoding unit 302, the prediction mode predMode decoded by the entropy decoding unit 301, and the like.
  • Prediction mode predMode, prediction parameters, etc. are input to the prediction image generation unit 308.
  • the predicted image generation unit 308 also reads the reference picture from the reference picture memory 306.
  • the predicted image generation unit 308 generates a predicted image of a block or sub-block using the prediction parameter and the read reference picture (reference picture block) in the prediction mode indicated by the prediction mode predMode.
  • the reference picture block is a set of pixels on the reference picture (usually called a block because it is a rectangle), and is an area referred to for generating a predicted image.
  • Inter prediction image generation unit 309 uses the inter prediction parameter input from the inter prediction parameter decoding unit 303 and the read reference picture to predict the image of the block or sub-block by inter prediction. To generate.
  • FIG. 10 is a schematic diagram showing the configuration of the inter-prediction image generation unit 309 included in the prediction image generation unit 308 according to this embodiment.
  • the inter prediction image generation unit 309 includes a motion compensation unit (prediction image generation device) 3091 and a synthesis unit 3095.
  • the motion compensation unit 3091 uses the reference picture memory based on the inter prediction parameters (prediction list use flag predFlagLX, reference picture index refIdxLX, motion vector mvLX) input from the inter prediction parameter decoding unit 303. From 306, an interpolation image (motion compensation image) is generated by reading a block at a position shifted by the motion vector mvLX from the position of the target block in the reference picture RefPicLX specified by the reference picture index refIdxLX.
  • a filter called a motion compensation filter for generating pixels at decimal positions is applied to generate a motion compensated image.
  • the motion compensation unit 3091 first derives the integer position (xInt, yInt) and the phase (xFrac, yFrac) corresponding to the coordinates (x, y) in the prediction block using the following formula.
  • the motion compensation unit 3091 derives a temporary image temp[][] by performing horizontal interpolation processing on the reference picture refImg using an interpolation filter.
  • temp[x][y] ( ⁇ mcFilter[xFrac][k]*refImg[xInt+k-NTAP/2+1][yInt]+offset1)>>shift1
  • the motion compensation unit 3091 derives an interpolated image Pred[][] by performing vertical interpolation processing on the temporary image temp[][].
  • shift2 is a normalization parameter for adjusting the range of values
  • offset2 1 ⁇ (shift2-1).
  • Pred[x][y] ( ⁇ mcFilter[yFrac][k]*temp[x][y+k-NTAP/2+1]+offset2)>>shift2
  • the above interpolation image generation processing may be represented by Interpolation (refImg, xPb, yPb, bW, bH, mvLX).
  • the combining unit 3095 refers to the interpolated image supplied from the motion compensation unit 3091, the inter prediction parameter supplied from the inter prediction parameter decoding unit 303, and the intra image supplied from the intra prediction image generation unit 310 to perform prediction. An image is generated, and the generated predicted image is supplied to the addition unit 312.
  • the composition unit 3095 includes a combined intra/inter composition unit 30951, a Triangle composition unit 30952, an OBMC unit 30953, a weighted prediction unit 30954, a GBI unit 30955, and a BIO unit 30956.
  • the Combined intra/inter combining unit 30951 generates a prediction image by using a unidirectional prediction image in AMVP, a prediction image in the skip mode or the merge prediction mode, and an intra prediction image in combination.
  • the Triangle synthesis unit 30952 generates a prediction image using the above-mentioned Triangle prediction.
  • the OBMC unit 30953 generates a predicted image using OBMC (Overlapped block motion compensation) processing.
  • the OBMC processing includes the following processing. Interpolation image (PU interpolation image) generated by using the inter prediction parameter added to the target sub-block, and interpolation image (OBMC interpolation image) generated by using the motion parameter of the adjacent sub-block of the target sub-block Is used to generate an interpolation image (motion compensation image) of the target sub-block.
  • PU interpolation image generated by using the inter prediction parameter added to the target sub-block
  • OBMC interpolation image interpolation image generated by using the motion parameter of the adjacent sub-block of the target sub-block
  • a predicted image is generated by weighted averaging the OBMC interpolation image and the PU interpolation image.
  • Weighted prediction unit 30954 multiplies the motion-compensated images PredL0 and PredL1 by a weighting coefficient to generate a predicted image of a block. If one of the prediction list use flags (predFlagL0 or predFlagL1) is 1 (single prediction) and weight prediction is not used, the motion compensation image PredLX (LX is L0 or L1) is adjusted to the pixel bit number bitDepth. I do.
  • Pred[x][y] Clip3(0,(1 ⁇ bitDepth)-1,(PredLX[x][y]+offset1)>>shift1)
  • shift1 Max(2,14-bitDepth)
  • offset1 1 ⁇ (shift1-1).
  • Pred[x][y] Clip3(0,(1 ⁇ bitDepth)-1,(PredL0[x][y]+PredL1[x][y]+offset2)>>shift2)
  • shift2 Max(3,15-bitDepth)
  • offset2 1 ⁇ (shift2-1).
  • the weighted prediction unit 30954 derives the weight prediction coefficient w0 and the offset o0 from the encoded data in the case of L0 prediction, and performs the processing of the following formula.
  • Pred[x][y] Clip3(0,(1 ⁇ bitDepth)-1,((PredL0[x][y]*w0+(1 ⁇ (log2WD-1)))>>log2WD)+o0)
  • the weighted prediction unit 30954 derives the weight prediction coefficient w1 and the offset o1 from the encoded data, and performs the processing of the following formula.
  • Pred[x][y] Clip3(0,(1 ⁇ bitDepth)-1,((PredL1[x][y]*w1+(1 ⁇ (log2WD-1)))>>log2WD)+o1)
  • log2WD is a variable that explicitly sums the values of Log2WeightDenom+shift1 sent in the slice header for luminance and color discrimination.
  • the weighted prediction unit 30954 derives the weighted prediction coefficients w0, w1, o0, o1 from the encoded data and performs the processing of the following formula.
  • Pred[x][y] Clip3(0,(1 ⁇ bitDepth)-1,(PredL0[x][y]*w0+PredL1[x][y]*w1+((o0+o1+1) ⁇ log2WD))>>(log2WD+1))
  • a normal bi-prediction processing a weighted bi-prediction processing
  • GBI processing a GBI processing
  • BIO processing a weighted BIO processing
  • GBI processing In the above “weight prediction”, the example in which the interpolation image is multiplied by the weight coefficient to generate the prediction image has been described.
  • another example of generating the predicted image by multiplying the interpolation image by the weighting coefficient will be described.
  • GBI prediction a process of generating a predicted image using generalized bi-prediction (hereinafter, referred to as GBI prediction) will be described.
  • L0 predicted image PredL0 and L1 predicted image PredL1 in bi-prediction are multiplied by a weighting coefficient (w0, w1) to generate a predicted image Pred.
  • the GBI unit 30955 switches the weighting factors (w0, w1) in units of coding units. That is, the GBI unit 30954 of the inter prediction image generation unit 309 sets the weighting coefficient for each coding unit.
  • a plurality of weight coefficient candidates are defined in advance, and gbiIdx is an index indicating a weight coefficient used in the target block among the plurality of weight coefficient candidates included in the table.
  • the GBI unit 30955 checks the flag gbiAppliedFlag indicating whether or not GBI prediction is used, and if it is FALSE, the motion compensation unit 3091 uses the following formula to generate a predicted image.
  • Pred[x][y] Clip3(0,(1 ⁇ bitDepth)?1, (PredL0[x][y]+ PredL1[x][y]+offset2)>>shift2)
  • the initial state of gbiAppliedFlag is FALSE.
  • the GBI unit 30955 sets gbiAppliedFlag to TRUE when the SPS flag indicating that GBI processing is possible is On and bidirectional prediction is performed.
  • gbiAppliedFlag is set to TRUE when gbiIdx, which is an index of the GBI prediction weight coefficient table, is not 0 (the index value when the weights of the L0 prediction image and the L1 prediction image are equal).
  • gbiAppliedFlag may be set to TRUE when the block size of the CU is equal to or larger than a certain size.
  • the GBI unit 30955 derives the predicted image Pred from the weights w0, w1 and PredL0, PredL1 by the following formula when gbiAppliedFlag is true.
  • Pred[x][y] Clip3(0,(1 ⁇ bitDepth)?1, (w0*PredL0[x][y]+w1*PredL1[x][y]+offset3)>>(shift2+3))
  • the weighting coefficient w1 is a coefficient derived from the table gbwTable[] shown in FIG. 11 with gbiIdx explicitly shown in syntax.
  • gbwTable[] ⁇ 4,5,3,10,-2 ⁇ .
  • the weight coefficient w0 is (8-w1).
  • Shift1, shift2, offset1, offset2 are derived by the following formula.
  • LB LowDelay
  • the inter prediction parameter decoding unit 303 decodes gbiIdx and sends it to the GBI unit 30955.
  • the inter prediction parameter decoding unit 303 decodes the merge index merge_idx, and the merge candidate derivation unit 30361 derives gbiIdx of each merge candidate.
  • the merge candidate derivation unit 30361 uses the weighting factor of the adjacent block used to derive the merge candidate as the weighting factor of the merge candidate used for the target block. That is, in the merge mode, the weighting factor used in the past is inherited as the weighting factor of the target block.
  • FIG. 12 is a flowchart showing an example of the flow of a prediction mode selection process in the video decoding device 31.
  • the inter prediction parameter decoding unit 303 first decodes the skip flag (S101).
  • the skip flag indicates the skip mode (YES in S102)
  • the prediction mode is the merge mode (S103)
  • the inter prediction parameter decoding unit 303 decodes the merge index (S1031), and GBI prediction is used.
  • the GBI unit 30955 derives the weighting coefficient derived as the merge candidate as the weighting coefficient for GBI prediction.
  • the inter prediction parameter decoding unit 303 decodes the merge flag (S104).
  • the prediction mode is the merge mode (S103)
  • the inter prediction parameter decoding unit 303 decodes the merge index (S1031), and GBI prediction is used.
  • the GBI unit 30955 derives the weighting coefficient derived as the merge candidate as the weighting coefficient for GBI prediction.
  • the prediction mode is AMVP mode (S106).
  • the inter prediction parameter decoding unit 303 decodes the inter prediction identifier inter_pred_idc (S1061). Then, the inter prediction parameter decoding unit 303 decodes the difference vector mvdLX (S1062). Subsequently, the inter prediction parameter decoding unit 303 decodes gbiIdx (S1063), and when GBI prediction is used, the GBI unit 30955 selects the weighting coefficient w1 for GBI prediction from the weighting coefficient candidates in the table of FIG.
  • the BIO unit 30956 generates a prediction image by performing a BIO (Bidirectional optical flow: bi-prediction gradient change) process of deriving a motion compensation correction value derived from a gradient image and a prediction image from two interpolation images.
  • BIO Bidirectional optical flow: bi-prediction gradient change
  • BIO unit 30956 Details of prediction (BIO prediction) using BIO processing performed by BIO unit 30956 will be described.
  • the BIO unit 30956 generates a predicted image in the bi-prediction mode with reference to the two predicted images (first predicted image and second predicted image) and the gradient correction term.
  • FIG. 13 is a flowchart illustrating the flow of processing for deriving a predicted image.
  • the motion compensation unit 3091 If the inter prediction parameter decoding unit 303 determines that L0 is unidirectional prediction (in S201, inter_pred_idc is 0), the motion compensation unit 3091 generates the L0 prediction image PredL0[x][y] (S202). When the inter prediction parameter decoding unit 303 determines that the prediction is L1 unidirectional prediction (in S201, inter_pred_idc is 1), the motion compensation unit 3091 generates the L1 prediction image PredL1[x][y] (S203). On the other hand, when the inter prediction parameter decoding unit 303 determines that the mode is the bi-prediction mode (in S201, inter_pred_idc is 2), the process of S204 below is continued.
  • the composition unit 3095 determines whether or not BIO processing is necessary by referring to bioAvailableFlag that indicates whether or not to perform BIO processing.
  • bioAvailableFlag indicates TRUE
  • the BIO unit 30956 executes BIO processing to generate a bidirectional predicted image (S206).
  • bioAvailableFlag indicates FALSE
  • the synthesizing unit 3095 generates a predicted image by a normal bidirectional prediction process (S205).
  • the inter prediction parameter decoding unit 303 derives TRUE as bioAvailableFlag when the L0 reference picture refImgL0 and the L1 reference picture refImgL1 are different reference pictures and the two reference pictures are in opposite directions with respect to the target picture. Good. Specifically, when the target image is currPic, bioAvailableFlag indicates TRUE when the condition of DiffPicOrderCnt(currPic,refImgL0)*DiffPicOrderCnt(currPic,refImgL1) ⁇ 0 is satisfied.
  • DiffPicOrderCnt() is a function that derives the difference between the POC (Picture Order Count: display order of pictures) of two images as follows.
  • DiffPicOrderCnt(picA,picB) PicOrderCnt(picA)-PicOrderCnt(picB)
  • bioAvailableFlag indicates TRUE
  • a condition that the motion vector of the target block is not a sub-block unit motion vector may be added.
  • a condition that bioAvailableFlag indicates TRUE a condition that the sum of absolute differences between the L0 interpolation image and the L1 interpolation image is a predetermined value or more may be added.
  • the BIO processing unit 30956 includes an L0,L1 predicted image generation unit 309561, a gradient image generation unit 309562, a correlation parameter calculation unit 309563, a motion compensation correction value derivation unit 309564, and a BIO predicted image generation unit 309565. ..
  • the BIO unit 30956 generates a predicted image from the interpolated image received from the motion compensation unit 3091 and the inter prediction parameter received from the inter prediction parameter decoding unit 303, and outputs the generated predicted image to the addition unit 312.
  • the process of deriving the motion compensation correction value modBIO (motion compensation correction value) from the gradient image and correcting and deriving the predicted images of PredL0 and PredL1 is called bidirectional gradient change processing.
  • the L0, L1 predicted image generation unit 309561 includes an L0, L1 interpolated image padding processing unit 3095611. As shown in FIG. 17, the L0,L1 predicted image generation unit 309561 may further include a switch 3095612 and an L0,L1 interpolated image weighted processing unit 3095613.
  • the L0,L1 predicted image generation unit 309561 (L0,L1 interpolation image padding processing unit 3095611) generates L0,L1 predicted images (PredL0, PredL1) used for BIO processing.
  • the BIO unit 30956 performs BIO processing based on the L0 and L1 predicted images for each CU or sub CU shown in FIG.
  • BIO processing in order to obtain a gradient image, two pixels around the target CU or sub CU, that is, width (width+2), for a block of CU or sub CU of height height, Requires an interpolated image of height (height+2).
  • the interpolation image of this portion may be generated using an image having a short tap length such as a Bilinear filter instead of the normal interpolation filter.
  • the L0,L1 predicted image generation unit 309561 derives an interpolated image using the interpolated image of the motion compensation unit 3091 within the target block, and interpolates a portion exceeding the target block using a Bilinear filter or the like. Derive an image.
  • the portion exceeding the target block may be used as a padding area by copying the surrounding pixels as in the outside of the picture. That is, in the correlation parameter calculation unit 309563, the part exceeding the target block of PredL0[][], PredL1[][] used when deriving the gradient product sums s1,s2,s3,s5,s6 is derived by copying. Good.
  • BIO processing is NxN pixels in CU units or sub CU units or less, but the gradient image generation processing and the correlation parameter derivation processing add (N+2)x(N Perform processing using the pixel of +2).
  • the gradient image generation unit 309562 generates a gradient image.
  • gradient flow Optical Flow
  • the pixel value at each point does not change, only the position changes. This is the change in the horizontal pixel value I (horizontal gradient value lx) and its position change Vx, and the change in the vertical pixel value I (vertical gradient value ly) and its position change Vy, the pixel value I It can be expressed as follows using the time change lt.
  • the position change (Vx, Vy) is referred to as a correction weight vector (u, v).
  • the gradient image generation unit 309562 derives the gradient images lx0, ly0, lx1, and ly1 from the following formula.
  • lx0 and lx1 indicate the gradient along the horizontal direction
  • ly0 and ly1 indicate the gradient along the vertical direction.
  • the correlation parameter calculation unit 309563 the gradient product sum s1,s2,s3,s5, of the (N+2)x(N+2) pixels using the surrounding 1 pixel for each block of NxN pixels in each CU. Derive s6.
  • sum(a) represents the sum of a with respect to the coordinates (x, y) in the block of (N+2)x(N+2) pixels.
  • the motion compensation correction value derivation unit 30954 derives a correction weight vector (u, v) in NxN pixel units using the derived gradient product sums s1, s2, s3, s5, s6.
  • u (s3 ⁇ 3)>>log2(s1)
  • v ((s6 ⁇ 3)-((((u*s2m) ⁇ 12)+u*s2s)>>1))>>log2(s5)
  • s2m s2>>12
  • s2s s2&((1 ⁇ 12)-1).
  • the motion compensation correction value derivation unit 309564 uses the correction weight vector (u, v) in NxN pixel units and the gradient images lx0, ly0, lx1, and ly1 to modBIO[x][y] of the motion compensation correction value of NxN pixels. Derive.
  • modBIO[x][y] ((lx1[x][y]-lx0[x][y])*u+(ly1[x][y]-ly0[x][y])*v+1) >>1 (formula A3) or using a round function, modBIO may be derived as follows.
  • the BIO predicted image generation unit 309565 derives the pixel value Pred of the predicted image of NxN pixels using the above parameters using the following formula.
  • Pred[x][y] Clip3(0, (1 ⁇ bitDepth)-1,( PredL0[x][y]+PredL1[x][y]+modBIO[x][y]+offset2)>> shift2)
  • shift2 Max(3,15-bitDepth)
  • offset2 1 ⁇ (shift2-1).
  • the gradient image generation unit 309562 derives the gradient images lx0, ly0, lx1, and ly1 as follows.
  • shift1 Max(2,14-bit Depth).
  • the value of PredL0 and PredL1 is 14 bits as the calculation accuracy if bitDepth is in the range of 8 to 12 bits, and if bitDepth is greater than 12, (bitDepth+2) Become a bit.
  • right shift is performed by shift1, which is a value corresponding to bitDepth, and the calculation accuracy of the gradient images lx0, ly0, lx1, and ly1 is set to (bitDepth + 1) bits.
  • the correlation parameter calculation unit 309563 derives the gradient product sums s1, s2, s3, s5, s6 for each block of NxN pixels in the CU.
  • 1 pixel around the block is further used to calculate s1, s2, s3, s5, s6 from the sum of the pixels of the block of (N+2)*(N+2) pixels.
  • sum(a) represents the sum of a with respect to the coordinates (x, y) in the block of (N+2)x(N+2) pixels.
  • the gradient product sum s1, s2, s3, s5, s6 is obtained by a block of NxN pixels instead of a block of (N+2)x(N+2) pixels. Good. In this case, the following shifter values are used.
  • the motion compensation correction value derivation unit 309564 uses the derived gradient product sums s1, s2, s3, s5, s6 to derive a correction weight vector (u, v) in NxN pixel units.
  • u (s3 ⁇ 3)>>log2(s1)
  • v ((s6 ⁇ 3)-((((u*s2m) ⁇ 12)+u*s2s)>>1))>>log2(s5)
  • s2m s2>>12
  • s2s s2&((1 ⁇ 12)-1).
  • th Max(2, 1 ⁇ (13-bitDepth)) Is. Since the value of th needs to be calculated in conjunction with shift1, it is necessary to consider the case where the pixel bit length bitDepth is larger than 12 bits.
  • the motion compensation correction value derivation unit 309564 derives NxN image motion compensation correction value modBIO[][] using the correction weight vector (u, v) in NxN pixel units and the gradient images lx0, ly0, lx1, and ly1. ..
  • the BIO predicted image generation unit 309565 derives the pixel value Pred of the predicted image in NxN pixel units using the above parameters by the following formula.
  • Pred[x][y] Clip3(0, (1 ⁇ bitDepth)-1,(PredL0[x][y]+PredL1[x][y]+modBIO[x][y]+offset2)>> shift2)
  • shift2 Max(3,15-bitDepth)
  • offset2 1 ⁇ (shift2-1).
  • Weighted BIO processing The weighted prediction described above is used in order to deal with a faded image or the like in which the pixel value greatly changes with time. An embodiment about BIO processing when weighted prediction is used is shown.
  • the L0,L1 prediction image generation unit 309561 configured to perform weighted BIO processing includes an L0,L1 interpolation image padding processing unit 3095611, a switch 3095612, and an L0,L1 interpolation image weighting processing unit 3095613.
  • the switch 3095612 is, in the BIO unit 30956, based on the weightedBIOFlag that is an internal flag indicating whether or not to perform the weighted prediction process, and if the weightedBIOFlag is TRUE, the L0, L1 interpolation image weighted processing unit 3095613 the L0 interpolation image. And L1 interpolation images are weighted. Specifically, the weighted processing result weghtedPredL0 of the L0 interpolation image is derived below.
  • weightedPredL0[x][y] Clip3(0,(1 ⁇ (14+Max(0, Bitdepth-12))-1,((PredL0[x][y]*w0+(1 ⁇ ( Log2WeightDenom-1 )))>>Log2WeightDenom)+(o0 ⁇ shift1)) Then, the weighted processing result weghtedPredL1 of the L1 interpolation image is derived below.
  • weightedPredL1[x][y] Clip3(0,(1 ⁇ (14+Max(0, Bitdepth-12))-1,((PredL1[x][y] *w1+(1 ⁇ ( Log2WeightDenom-1 )))>>Log2WeightDenom)+(o1 ⁇ shift1))
  • shift1 Max(2,14-bitDepth)
  • Log2WeightDenom is a value obtained from the parameter value of the weighted prediction sent in the slice header for luminance and color discrimination.
  • weightedPredL0[x][y] PredL0[x][y] for the interpolated image or the padded image of the interpolated image as described above.
  • weightedPredL1[x][y] PredL1[x][y] Used as.
  • the gradient image generation unit 309562 derives the gradient images lx0, ly0, lx1, and ly1 as follows.
  • BIO predicted image generation unit 309565 derives the pixel value Pred of the predicted image in NxN pixel units using the above parameters using the following formula.
  • Pred[x][y] Clip3(0, (1 ⁇ bitDepth)-1,(weightedPredL0[x][y]+weightedPredL1[x][y]+modBIO[x][y]+offset2)>> shift2)
  • a predicted image with an accuracy of pixel bit length BitDepth is generated directly from two interpolated images.
  • L0 and L1 are separately weighted for the accuracy of the interpolated image, and L0 predicted image weightedPredL0, L1
  • the BIO process operates as expected even when the weighted prediction is used in response to the temporal pixel value variation. That is, the weighted prediction and the BIO process are combined to operate, and thereby the effect of improving the coding efficiency is achieved.
  • the weighted interpolation images weightedPredL0 and weightedPredL1 until the motion compensation correction value modBIO[x][y] is obtained based on the gradient image and finally the predicted image is obtained.
  • the formula for obtaining the prediction value by the BIO prediction image generation unit 309565 is as follows.
  • Pred[x][y] Clip3(0,(1 ⁇ bitDepth)-1,(PredL0[x][y]*w0+PredL1[x][y]*w1+((o0+o1+1) ⁇ log2WD)+(modBIO[x][y] ⁇ Log2WeightDenom))>>(log2WD+1))
  • Log2WD Log2WeightDenom+shift1.
  • ⁇ weightedBIOFlag is set to TRUE when either L0 interpolation image or L1 interpolation image is weighted prediction.
  • weightedBIOFlag compares the absolute value difference sum of the L0 interpolation image and the L1 interpolation image with the absolute value difference sum of the L0 interpolation image and the L1 interpolation image after performing the weighted processing, and performs the weighted processing. It may be set to TRUE when the absolute value difference sum becomes small.
  • weightedBIOFlag may be set to FALSE when the weighting prediction weighting coefficient includes a negative coefficient.
  • WeightedPredFlag, gbiAvaiableFlag, and bioAvailableFlag are internal variables that represent the states of the weighted prediction process, GBI process, and BIO process, respectively, and the process operates when TRUE and does not operate when FALSE.
  • FIG. 18 shows an embodiment in which the GBI processing, the BIO processing, and the weighted prediction processing are combined (the embodiment when the weighted BIO processing is performed).
  • gbiAvailableFlag indicating the state of GBI processing is determined (S301), and if FALSE, bioAvaiableFlag indicating the state of BIO processing is determined (S302).
  • gbiAvailableFlag TRUE, that is, when gbiIdx is not 0, GBI processing (S303) is performed based on gbwTable[].
  • BIO processing is not performed and weightedPredFlag indicating the state of weighted prediction is determined (S304).
  • bioAvaiableFlag is TRUE, it is determined that BIO processing is to be performed, and weightedPredFlag indicating the state of weighted prediction is determined (S305).
  • bioAvaiableFlag is FALSE and weightedPredFlag is FALSE
  • normal bidirectional prediction processing S306
  • weightedPredFlag is TRUE
  • weighted bidirectional prediction processing S307
  • bioAvaiableFlag is TRUE
  • weightedPredFlag is FALSE
  • BIO processing S308 is performed.
  • weightedPredFlag is TRUE
  • weightedBIOFlag is set to TRUE, weighting processing is performed on the interpolated image, and weighted BIO processing (S309) for obtaining a motion compensation correction value is performed.
  • FIG. 19 shows another embodiment in which GBI processing, BIO processing, and weighted prediction processing are combined (an embodiment in which weighted prediction processing is not performed during GBI processing and BIO processing).
  • the gbiAvailableFlag indicating the state of GBI processing is determined (S401), FALSE, that is, when the normal bidirectional prediction weighting coefficient when gbiIdx is 0, the bioAvaiableFlag indicating the state of BIO processing is determined (S402), In the case of TRUE, when gbiIdx is larger than 0, GBI processing (S403) is performed based on gbwTable[].
  • bioAvaiableFlag is FALSE
  • BIO processing is not performed
  • weightedPredFlag indicating the state of weighted prediction is determined (S404), and if TRUE, it is determined that BIO processing is performed and normal BIO processing is performed ( S405).
  • weightedPredFlag is FALSE
  • normal bidirectional prediction processing S406
  • weightedPredFlag is TRUE
  • weighted bidirectional prediction processing S407 is performed.
  • FIG. 20 shows an embodiment in which BIO processing and weighted prediction processing are combined (embodiment when GBI processing is not included).
  • the bioAvaiableFlag indicating the state of BIO processing is determined (S501), if FALSE, BIO processing is not performed, weightedPredFlag indicating the state of weighted prediction is determined (S502), and if TRUE, BIO processing is performed. It is determined to perform, and then weightedPredFlag indicating the weighted prediction state is determined (S503).
  • weightedPredFlag is FALSE and BIO processing is not performed
  • normal bidirectional prediction processing S504
  • weightedPredFlag is TRUE
  • weighted bidirectional prediction processing S505
  • BIO processing is performed and weightedPredFlag is FALSE, normal BIO processing is performed (S506), BIO processing is performed, and if weightedPredFlag is TRUE, a weighted BIO processing for weighting the interpolated image to obtain a motion compensation correction value ( Perform S507).
  • the inverse quantization/inverse transformation unit 311 dequantizes the quantized transformation coefficient input from the entropy decoding unit 301 to obtain a transformation coefficient.
  • This quantized transform coefficient is obtained by performing quantization on the prediction error by performing frequency transform such as DCT (Discrete Cosine Transform, Discrete Cosine Transform), DST (Discrete Sine Transform, Discrete Sine Transform) in the encoding process. It is a coefficient.
  • the inverse quantization/inverse transform unit 311 performs inverse frequency transform such as inverse DCT and inverse DST on the obtained transform coefficient to calculate a prediction error.
  • the inverse quantization/inverse transformation unit 311 outputs the prediction error to the addition unit 312.
  • the addition unit 312 adds the prediction image of the block input from the prediction image generation unit 308 and the prediction error input from the inverse quantization/inverse conversion unit 311 for each pixel to generate a decoded image of the block.
  • the adder 312 stores the decoded image of the block in the reference picture memory 306 and also outputs it to the loop filter 305.
  • FIG. 21 is a block diagram showing the configuration of the moving picture coding device 11 according to the present embodiment.
  • the moving image coding device 11 includes a predicted image generation unit 101, a subtraction unit 102, a conversion/quantization unit 103, an inverse quantization/inverse conversion unit 105, an addition unit 106, a loop filter 107, a prediction parameter memory (prediction parameter storage unit). , A frame memory) 108, a reference picture memory (reference image storage unit, frame memory) 109, a coding parameter determination unit 110, a parameter coding unit 111, and an entropy coding unit 104.
  • the predicted image generation unit 101 generates a predicted image for each CU that is an area obtained by dividing each picture of the image T.
  • the predicted image generation unit 101 has the same operation as the predicted image generation unit 308 described above, and thus the description thereof will be omitted.
  • the subtraction unit 102 subtracts the pixel value of the predicted image of the block input from the predicted image generation unit 101 from the pixel value of the image T to generate a prediction error.
  • the subtraction unit 102 outputs the prediction error to the conversion/quantization unit 103.
  • Transform/quantization section 103 calculates a transform coefficient by frequency transformation for the prediction error input from subtraction section 102, and derives a quantized transform coefficient by quantization.
  • the transform/quantization unit 103 outputs the quantized transform coefficient to the entropy coding unit 104 and the inverse quantization/inverse transform unit 105.
  • the inverse quantizing/inverse transforming unit 105 is the same as the inverse quantizing/inverse transforming unit 311 (FIG. 7) in the moving picture decoding device 31, and the explanation is omitted.
  • the calculated prediction error is output to the addition unit 106.
  • the quantized transform coefficient is input from the transform/quantization unit 103 to the entropy coding unit 104, and the coding parameter is input from the parameter coding unit 111.
  • the encoding parameters include, for example, reference picture index refIdxLX, prediction vector index mvp_LX_idx, difference vector mvdLX, motion vector accuracy mode amvr_mode, prediction mode predMode, and merge index merge_idx.
  • the entropy encoding unit 104 entropy-encodes the division information, the prediction parameter, the quantized transform coefficient, and the like to generate and output an encoded stream Te.
  • the parameter coding unit 111 includes a header coding unit 1110, a CT information coding unit 1111, a CU coding unit 1112 (prediction mode coding unit), an inter prediction parameter coding unit 112, and an intra prediction parameter coding unit (not shown). It has 113.
  • the CU coding unit 1112 further includes a TU coding unit 1114.
  • the parameter coding unit 111 performs coding processing of parameters such as header information, division information, prediction information, and quantized transform coefficients.
  • the CT information encoding unit 1111 encodes QT, MT (BT, TT) division information and the like from the encoded data.
  • the CU encoding unit 1112 encodes CU information, prediction information, TU division flag split_transform_flag, CU residual flags cbf_cb, cbf_cr, cbf_luma, etc.
  • the TU encoding unit 1114 encodes QP update information (quantization correction value) and quantization prediction error (residual_coding) when the TU includes a prediction error.
  • CT information coding unit 1111 CU coding unit 1112, inter prediction parameters (prediction mode predMode, merge flag merge_flag, merge index merge_idx, inter prediction identifier inter_pred_idc, reference picture index refIdxLX, prediction vector index mvp_LX_idx, difference vector mvdLX),
  • inter prediction parameters prediction mode predMode, merge flag merge_flag, merge index merge_idx, inter prediction identifier inter_pred_idc, reference picture index refIdxLX, prediction vector index mvp_LX_idx, difference vector mvdLX
  • the syntax elements such as intra prediction parameters and quantized transform coefficients are supplied to the entropy coding unit 104.
  • the parameter coding unit 112 derives an inter prediction parameter based on the prediction parameter input from the coding parameter determination unit 110.
  • the parameter encoding unit 112 includes the same configuration as the configuration in which the inter prediction parameter decoding unit 303 derives the inter prediction parameter.
  • the configuration of the prediction parameter coding unit 112 will be described. As shown in FIG. 22, the parameter coding control unit 1121, the merge prediction unit 30374, the sub-block prediction unit (affine prediction unit) 30372, the DMVR unit 30375, the MMVD prediction unit 30376, the Triangle prediction unit 30377, the AMVP prediction parameter derivation unit 3032, The subtraction unit 1123 is included.
  • the merge prediction unit 30374 includes a merge prediction parameter derivation unit 3036.
  • the parameter coding control unit 1121 includes a merge index derivation unit 11211 and a vector candidate index derivation unit 11212.
  • the merge index derivation unit 11211 derives merge_idx, affine_flag, base_candidate_idx, distance_idx, direction_idx, etc.
  • the vector candidate index derivation unit 11212 derives mvpLX, etc.
  • the merge prediction parameter derivation unit 3036, the AMVP prediction parameter derivation unit 3032, the affine prediction unit 30372, the MMVD prediction unit 30376, and the Triangle prediction unit 30377 may be collectively referred to as a motion vector derivation unit (motion vector derivation device).
  • the parameter encoding unit 112 outputs the motion vector (mvLX, subMvLX), the reference picture index refIdxLX, the inter prediction identifier inter_pred_idc, or information indicating these to the prediction image generation unit 101.
  • the parameter encoding unit 112 also outputs merge_flag, skip_flag, merge_idx, inter_pred_idc, refIdxLX, mvp_lX_idx, mvdLX, amvr_mode, and affine_flag to the entropy encoding unit 104.
  • the merge index derivation unit 11211 derives the merge index merge_idx and outputs it to the merge prediction parameter derivation unit 3036 (merge prediction unit).
  • the vector candidate index derivation unit 11212 derives the prediction vector index mvp_lX_idx.
  • the merge prediction parameter derivation unit 3036 derives an inter prediction parameter based on the merge index merge_idx.
  • the AMVP prediction parameter derivation unit 3032 derives a prediction vector mvpLX based on the motion vector mvLX.
  • the AMVP prediction parameter derivation unit 3032 outputs the prediction vector mvpLX to the subtraction unit 1123.
  • the reference picture index refIdxLX and the prediction vector index mvp_lX_idx are output to the entropy coding unit 104.
  • the affine prediction unit 30372 derives inter prediction parameters (affine prediction parameters) of subblocks.
  • the subtraction unit 1123 subtracts the prediction vector mvpLX output from the AMVP prediction parameter derivation unit 3032 from the motion vector mvLX input from the coding parameter determination unit 110 to generate a difference vector mvdLX.
  • the difference vector mvdLX is output to the entropy coding unit 104.
  • the addition unit 106 adds the pixel value of the predicted image of the block input from the predicted image generation unit 101 and the prediction error input from the inverse quantization/inverse conversion unit 105 for each pixel to generate a decoded image.
  • the addition unit 106 stores the generated decoded image in the reference picture memory 109.
  • the loop filter 107 applies a deblocking filter, SAO, and ALF to the decoded image generated by the addition unit 106.
  • SAO deblocking filter
  • ALF ALF
  • the loop filter 107 does not necessarily have to include the above three types of filters, and may be configured with only a deblocking filter, for example.
  • the prediction parameter memory 108 stores the prediction parameter generated by the coding parameter determination unit 110 in a predetermined position for each target picture and CU.
  • the reference picture memory 109 stores the decoded image generated by the loop filter 107 at a predetermined position for each target picture and CU.
  • the coding parameter determination unit 110 selects one set from a plurality of coding parameter sets.
  • the coding parameter is the QT, BT, or TT partition information, the prediction parameter, or the parameter to be coded that is generated in association with these, as described above.
  • the predicted image generation unit 101 generates a predicted image using these coding parameters.
  • the coding parameter determination unit 110 calculates the RD cost value indicating the size of the information amount and the coding error for each of the plurality of sets.
  • the coding parameter determination unit 110 selects a set of coding parameters that minimizes the calculated cost value.
  • the entropy coding unit 104 outputs the selected set of coding parameters as the coded stream Te.
  • the coding parameter determination unit 110 stores the determined coding parameter in the prediction parameter memory 108.
  • the moving picture coding device 11 and part of the moving picture decoding device 31 in the above-described embodiment for example, the entropy decoding unit 301, the parameter decoding unit 302, the loop filter 305, the predicted image generation unit 308, the inverse quantization/inverse.
  • the parameter encoding unit 111 may be realized by a computer.
  • the program for realizing the control function may be recorded in a computer-readable recording medium, and the program recorded in the recording medium may be read by a computer system and executed.
  • the “computer system” referred to here is a computer system built in either the moving image encoding device 11 or the moving image decoding device 31, and includes an OS and hardware such as peripheral devices.
  • the “computer-readable recording medium” refers to a portable medium such as a flexible disk, a magneto-optical disk, a ROM, a CD-ROM, or a storage device such as a hard disk built in a computer system.
  • the "computer-readable recording medium” means a program that dynamically holds a program for a short time, such as a communication line when transmitting the program through a network such as the Internet or a communication line such as a telephone line.
  • a volatile memory inside a computer system that serves as a server or a client may hold a program for a certain period of time.
  • the above-mentioned program may be one for realizing a part of the above-mentioned functions, and may be one for realizing the above-mentioned functions in combination with a program already recorded in the computer system.
  • the moving picture coding device 11 and the moving picture decoding device 31 in the above-described embodiments may be realized as an integrated circuit such as an LSI (Large Scale Integration).
  • LSI Large Scale Integration
  • Each functional block of the moving picture coding device 11 and the moving picture decoding device 31 may be individually made into a processor, or a part or all of them may be integrated and made into a processor.
  • the method of circuit integration is not limited to LSI, and may be realized by a dedicated circuit or a general-purpose processor.
  • an integrated circuit according to the technique may be used.
  • the moving image encoding device 11 and the moving image decoding device 31 described above can be mounted and used in various devices that perform transmission, reception, recording, and reproduction of moving images.
  • the moving image may be a natural moving image captured by a camera or the like, or an artificial moving image (including CG and GUI) generated by a computer or the like.
  • the moving image encoding device 11 and the moving image decoding device 31 described above can be used for transmitting and receiving a moving image.
  • FIG. 2A is a block diagram showing the configuration of the transmission device PROD_A equipped with the moving image encoding device 11.
  • the transmission device PROD_A is a coding unit PROD_A1 that obtains coded data by coding a moving image, and a modulated signal by modulating a carrier wave with the coded data obtained by the coding unit PROD_A1. It is provided with a modulator PROD_A2 for obtaining and a transmitter PROD_A3 for transmitting the modulated signal obtained by the modulator PROD_A2.
  • the moving picture coding device 11 described above is used as this coding unit PROD_A1.
  • the transmission device PROD_A is a camera PROD_A4 that captures a moving image, a recording medium PROD_A5 that records the moving image, an input terminal PROD_A6 for inputting the moving image from outside, as a source of the moving image that is input to the encoding unit PROD_A1.
  • An image processing unit A7 for generating or processing an image may be further provided. In the drawing, the configuration in which all of them are included in the transmission device PROD_A is illustrated, but some of them may be omitted.
  • the recording medium PROD_A5 may be a non-encoded moving image recorded, or a moving image encoded by a recording encoding method different from the transmission encoding method may be recorded. It may be one. In the latter case, a decoding unit (not shown) that decodes the coded data read from the recording medium PROD_A5 according to the recording coding method may be interposed between the recording medium PROD_A5 and the coding unit PROD_A1.
  • FIG. 2B is a block diagram showing the configuration of the receiving device PROD_B equipped with the moving image decoding device 31.
  • the receiving device PROD_B is a receiving unit PROD_B1 that receives the modulated signal, a demodulating unit PROD_B2 that obtains encoded data by demodulating the modulated signal that the receiving unit PROD_B1 received, and a demodulating unit PROD_B2 And a decoding unit PROD_B3 that obtains a moving image by decoding encoded data.
  • the moving picture decoding device 31 described above is used as this decoding unit PROD_B3.
  • the receiving device PROD_B has a display PROD_B4 that displays a moving image as a supply destination of the moving image output by the decoding unit PROD_B3, a recording medium PROD_B5 for recording the moving image, and an output terminal for outputting the moving image to the outside.
  • PROD_B6 may be further provided. In the drawing, the configuration in which the receiving device PROD_B is provided with all of them is illustrated, but a part thereof may be omitted.
  • the recording medium PROD_B5 may be one for recording a non-encoded moving image, or may be one encoded by a recording encoding method different from the transmission encoding method. May be. In the latter case, an encoding unit (not shown) that encodes the moving image acquired from the decoding unit PROD_B3 according to the recording encoding method may be interposed between the decoding unit PROD_B3 and the recording medium PROD_B5.
  • the transmission medium that transmits the modulated signal may be wireless or wired.
  • the transmission mode of transmitting the modulated signal may be broadcast (here, it means a transmission mode in which the transmission destination is not specified in advance), or communication (here, transmission in which the transmission destination is specified in advance).
  • Embodiment That is, the transmission of the modulated signal may be realized by any of wireless broadcasting, wired broadcasting, wireless communication, and wired communication.
  • a terrestrial digital broadcasting broadcasting station (broadcast equipment, etc.)/receiving station (television receiver, etc.) is an example of a transmission device PROD_A/reception device PROD_B that transmits and receives modulated signals by wireless broadcasting.
  • a broadcasting station (broadcasting equipment, etc.)/receiving station (television receiver, etc.) of cable television broadcasting is an example of a transmitting device PROD_A/receiving device PROD_B that transmits/receives a modulated signal by wired broadcasting.
  • Servers workstations, etc.
  • clients TV receivers, personal computers, smartphones, etc.
  • VOD Video On Demand
  • video sharing services that use the Internet are transmitters that transmit and receive modulated signals by communication.
  • PROD_A/reception device PROD_B generally, either wireless or wired is used as a transmission medium in LAN, and wired is used as a transmission medium in WAN.
  • the personal computer includes a desktop PC, a laptop PC, and a tablet PC.
  • the smartphone also includes a multifunctional mobile phone terminal.
  • the client of the video sharing service has the function of decoding the encoded data downloaded from the server and displaying it on the display, as well as the function of encoding the moving image captured by the camera and uploading it to the server. That is, the client of the moving image sharing service functions as both the transmission device PROD_A and the reception device PROD_B.
  • the moving image encoding device 11 and the moving image decoding device 31 described above can be used for recording and reproducing a moving image.
  • FIG. 3A is a block diagram showing the configuration of the recording device PROD_C equipped with the above-described moving image encoding device 11.
  • the recording device PROD_C includes an encoding unit PROD_C1 that obtains encoded data by encoding a moving image, and a writing unit PROD_C2 that writes the encoded data obtained by the encoding unit PROD_C1 to a recording medium PROD_M. And are equipped with.
  • the moving picture coding device 11 described above is used as this coding unit PROD_C1.
  • the recording medium PROD_M may be (1) of a type built into the recording device PROD_C, such as HDD (Hard Disk Drive) or SSD (Solid State Drive), or (2) SD memory. It may be of a type that is connected to the recording device PROD_C, such as a card or USB (Universal Serial Bus) flash memory, or (3) DVD (Digital Versatile Disc: registered trademark) or BD (Blu-ray). For example, a disc (registered trademark) or the like may be loaded in a drive device (not shown) incorporated in the recording device PROD_C.
  • HDD Hard Disk Drive
  • SSD Solid State Drive
  • SD memory such as a type that is connected to the recording device PROD_C, such as a card or USB (Universal Serial Bus) flash memory, or (3) DVD (Digital Versatile Disc: registered trademark) or BD (Blu-ray).
  • DVD Digital Versatile Disc: registered trademark
  • BD Blu-ray
  • the recording device PROD_C has a camera PROD_C3 for capturing a moving image, an input terminal PROD_C4 for inputting the moving image from the outside, a receiving unit for receiving the moving image, as a source of the moving image input to the encoding unit PROD_C1.
  • the unit PROD_C5 and the image processing unit PROD_C6 for generating or processing an image may be further provided. In the drawing, the configuration in which the recording device PROD_C is provided with all of them is illustrated, but a part thereof may be omitted.
  • the receiving unit PROD_C5 may receive an unencoded moving image, or may receive encoded data encoded by a transmission encoding method different from the recording encoding method. It may be one that does. In the latter case, a transmission decoding unit (not shown) that decodes the encoded data encoded by the transmission encoding method may be interposed between the reception unit PROD_C5 and the encoding unit PROD_C1.
  • Examples of such a recording device PROD_C include a DVD recorder, a BD recorder, an HDD (Hard Disk Drive) recorder, and the like (in this case, the input terminal PROD_C4 or the receiving unit PROD_C5 is the main supply source of the moving image). .. Also, a camcorder (in this case, the camera PROD_C3 is the main source of moving images), a personal computer (in this case, the receiving unit PROD_C5 or the image processing unit C6 is the main source of moving images), a smartphone (this In this case, the camera PROD_C3 or the receiving unit PROD_C5 is a main supply source of the moving image), and the like is also an example of such a recording device PROD_C.
  • a camcorder in this case, the camera PROD_C3 is the main source of moving images
  • a personal computer in this case, the receiving unit PROD_C5 or the image processing unit C6 is the main source of moving images
  • a smartphone this In this
  • FIG. 3( b) is a block showing the configuration of the playback device PROD_D equipped with the above-described moving image decoding device 31.
  • the reproducing apparatus PROD_D includes a reading unit PROD_D1 that reads the encoded data written in the recording medium PROD_M, and a decoding unit PROD_D2 that obtains a moving image by decoding the encoded data read by the reading unit PROD_D1. , Are provided.
  • the moving picture decoding device 31 described above is used as this decoding unit PROD_D2.
  • the recording medium PROD_M may be (1) of a type built into the playback device PROD_D such as HDD or SSD, or (2) such as an SD memory card or a USB flash memory. It may be of a type that is connected to the playback device PROD_D, or (3) loaded into a drive device (not shown) built in the playback device PROD_D, such as a DVD or BD. Good.
  • the playback device PROD_D is a display PROD_D3 that displays a moving image, an output terminal PROD_D4 for outputting the moving image to the outside as a supply destination of the moving image output by the decoding unit PROD_D2, and a transmitting unit that transmits the moving image.
  • PROD_D5 may be further provided. In the drawing, the configuration in which the playback device PROD_D is provided with all of them is illustrated, but a part thereof may be omitted.
  • the transmission unit PROD_D5 may be one that transmits an unencoded moving image, or transmits encoded data that has been encoded by a transmission encoding method different from the recording encoding method. It may be one that does. In the latter case, an encoding unit (not shown) that encodes a moving image by an encoding method for transmission may be interposed between the decoding unit PROD_D2 and the transmission unit PROD_D5.
  • Examples of such a playback device PROD_D include a DVD player, a BD player, an HDD player, etc. (in this case, the output terminal PROD_D4 to which a television receiver or the like is connected is a main supply destination of the moving image). ..
  • a television receiver in this case, the display PROD_D3 is the main destination of the moving image
  • digital signage also called an electronic signboard, electronic bulletin board, etc.
  • the display PROD_D3 or the transmitter PROD_D5 is the main source of the moving image.
  • Desktop PC in this case, the output terminal PROD_D4 or the transmitter PROD_D5 is the main destination of the moving image
  • laptop or tablet PC in this case, the display PROD_D3 or the transmitter PROD_D5 is a moving image
  • An example of such a reproducing apparatus PROD_D is also a smartphone (in which case the display PROD_D3 or the transmission unit PROD_D5 is the main destination of the moving image), and the like.
  • each block of the moving image decoding device 31 and the moving image encoding device 11 described above may be realized by hardware by a logic circuit formed on an integrated circuit (IC chip), or by a CPU (Central Processing Unit), and may be realized by software.
  • IC chip integrated circuit
  • CPU Central Processing Unit
  • each device has a CPU that executes the instructions of the program that realizes each function, a ROM (Read Only Memory) that stores the program, a RAM (Random Access Memory) that expands the program, the program, and various data.
  • a storage device such as a memory for storing
  • the object of the embodiment of the present invention is to record the program code (execution format program, intermediate code program, source program) of the control program of each device, which is software that realizes the above-described functions, in a computer-readable manner. This can also be achieved by supplying a medium to each of the above devices and causing the computer (or CPU or MPU) to read and execute the program code recorded in the recording medium.
  • Examples of the recording medium include tapes such as magnetic tapes and cassette tapes, magnetic disks such as floppy (registered trademark) disks/hard disks, and CD-ROMs (Compact Disc Read-Only Memory)/MO disks (Magneto-Optical discs).
  • tapes such as magnetic tapes and cassette tapes
  • magnetic disks such as floppy (registered trademark) disks/hard disks
  • CD-ROMs Compact Disc Read-Only Memory
  • MO disks Magnetic-Optical discs
  • IC cards memory cards Including) / Cards such as optical cards, mask ROM / EPROM (Erasable Programmable Read-Only Memory) / EEPROM (Electrically Erasable and Programmable Read-Only Memory: registered trademark) / semiconductor memory such as flash ROM, or PLD (Programmable logic device) ) Or FPGA (Field Programmable Gate Array) and other logic circuits can be used.
  • each of the above devices may be configured to be connectable to a communication network and the program code may be supplied via the communication network.
  • the communication network is not particularly limited as long as it can transmit the program code.
  • Internet intranet, extranet, LAN (Local Area Network), ISDN (Integrated Services Digital Network), VAN (Value-Added Network), CATV (Community Antenna television/Cable Television) communication network, Virtual Private Network (Virtual Private) Network), telephone network, mobile communication network, satellite communication network, etc.
  • the transmission medium that constitutes this communication network may be any medium that can transmit the program code, and is not limited to a specific configuration or type.
  • the embodiment of the present invention may be realized in the form of a computer data signal embedded in a carrier wave, in which the program code is embodied by electronic transmission.
  • the embodiment of the present invention is preferably applied to a moving image decoding device that decodes encoded data in which image data is encoded, and a moving image encoding device that generates encoded data in which image data is encoded. be able to. Further, it can be suitably applied to the data structure of encoded data generated by the moving image encoding device and referred to by the moving image decoding device. (Cross-reference of related applications) This application claims the benefit of priority to Japanese patent application: Japanese Patent Application No. 2018-245249 filed on Dec. 27, 2018, and by referring to it, all the contents are Included in this book.
  • Image decoding device 301 Entropy decoding unit 302 Parameter decoding unit 3020 header decoding unit 303 Inter prediction parameter decoding unit 304 Intra prediction parameter decoding unit 308 Prediction image generator 309 Inter prediction image generator 310 Intra prediction image generator 311 Inverse quantization/inverse transform section 312 Adder 11 Image coding device 101 Prediction image generator 102 Subtractor 103 Transform/Quantization unit 104 Entropy encoder 105 Inverse quantization/inverse transform section 107 loop filter 110 Coding parameter determination unit 111 Parameter coding unit 112 Inter prediction parameter coding unit 113 Intra prediction parameter coding unit 1110 Header coding unit 1111 CT information coding unit 1112 CU encoder (prediction mode encoder) 1114 TU encoder 3091 Motion compensation unit 3095 Synthesis Department 30951 Combined Intra/inter combining section 30952 Triangle Synthesis Department 30953 OBMC department 30954 Weighted predictor 30955 GBI Department 30956 BIO section 309561 L0,L1 prediction image generator 309562 Gradient

Landscapes

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

Abstract

非特許文献２の予測画像を導出する際に勾配画像を利用して高画質化するBIO処 理を用いた予測（BIO予測）は、時間的に画素値が一定である仮定があった。そのため、画素値が時間的に変動するフェード画像等に対してうまく対応できないという問題があった。二つの補間画像から導出される勾配画像を用いて予測画像を生成する双方向勾配変化処理部が、重み付き双方向予測のための符号化データから復号した重み係数とオフセット係数を用いて勾配変化を求めるための補間画像を導出し、予測画像を生成する。

Description

予測画像生成装置、動画像復号装置、動画像符号化装置および予測画像生成方法
　本発明の実施形態は、予測画像生成装置、動画像復号装置、動画像符号化装置および予測画像生成方法に関する。
　動画像を効率的に伝送または記録するために、動画像を符号化することによって符号化データを生成する動画像符号化装置、および、当該符号化データを復号することによって復号画像を生成する動画像復号装置が用いられている。
　具体的な動画像符号化方式としては、例えば、H.264/AVCやHEVC（High-Efficiency Video Coding）方式などが挙げられる。
　このような動画像符号化方式においては、動画像を構成する画像（ピクチャ）は、画像を分割することにより得られるスライス、スライスを分割することにより得られる符号化ツリーユニット（CTU：Coding Tree Unit）、符号化ツリーユニットを分割することで得られる符号化単位（符号化ユニット（Coding Unit：CU）と呼ばれることもある）、及び、符号化単位を分割することより得られる変換ユニット（TU：Transform Unit）からなる階層構造により管理され、CU毎に符号化／復号される。
　また、このような動画像符号化方式においては、通常、入力画像を符号化／復号することによって得られる局所復号画像に基づいて予測画像が生成され、当該予測画像を入力画像（原画像）から減算して得られる予測誤差（「差分画像」または「残差画像」と呼ぶこともある）が符号化される。予測画像の生成方法としては、画面間予測（インター予測）、および、画面内予測（イントラ予測）が挙げられる。
　また、近年の動画像符号化及び復号の技術として非特許文献１が挙げられる。非特許文献２には、双予測の動き補償（補間画像）から予測画像を導出する際に勾配画像を利用して高画質化するBIO（Bi-directional Optical Flow）技術が開示されている。
"Versatile Video Coding (Draft 3)", JVET-L1001, Joint Video Exploration Team (JVET) of ITU-T SG 16 WP 3 and ISO/IEC JTC 1/SC 29/WG 11, 2018 "CE9-related: Complexity reduction and bit-width control forbi-directional optical flow (BIO)", JVET-L0256, Joint Video Exploration Team (JVET) of ITU-T SG 16 WP 3 and ISO/IEC JTC 1/SC 29/WG 11, 2018
　非特許文献２の予測画像を導出する際に勾配画像を利用して高画質化するBIO処理を用いた予測（BIO予測）は、時間的に画素値が一定である仮定があった。そのため、画素値が時間的に変動するフェード画像等に対してうまく対応できないという問題があった。
　二つの補間画像から導出される勾配画像を用いて予測画像を生成する双方向勾配変化処理部と、二つの補間画像から、符号化データから復号した重み係数とオフセット係数を用いて重み付き双方向予測画像を生成する重み付き予測部とを有し、前記双予測勾配変化処理部は、二つの補間画像から、符号化単位ごとのL0予測画像とL1予測画像を生成するL0,L1予測画像生成部と、前記L0予測画像とL1予測画像から、水平方向と、垂直方向の四つの勾配画像を生成する勾配画像生成部と、前記L0予測画像とL1予測画像と前記四つの勾配画像の積和演算から、処理単位毎の相関パラメータを計算する相関パラメータ計算部と、前記相関パラメータから、双方向予測画像を修正する値を導出する動き補償修正値導出部と、前記L0予測画像と、L1予測画像と、前記動き補償修正値から予測画像を生成する双方向勾配変化予測画像生成部を有し、前記、L0,L1予測画像生成部は、上記重み付き双方向予測画像生成部で用いる重み係数とオフセット係数を用いて、重み付きのL0予測画像と重み付きのL1予測画像を上記L0予測画像、L1予測画像として生成する。
　また、二つの補間画像と、符号化データから復号したインデックスで、予め用意された重み係数テーブルを参照して導出する重み係数を用いて、重み付き双方向予測画像を生成する一般化双方向予測生成部と、二つの補間画像から、符号化データから復号した重み係数とオフセット係数を用いた重み付き双方向予測画像生成部とを有し、前記一般化双方子予測生成部で、インデックスが、一対一の重みを選択する場合に、前記双方向予測画像生成部を用いて双方向予測画像を生成する。
　以上の構成によれば、上記問題の何れかの解決を図ることができる。
本実施形態に係る画像伝送システムの構成を示す概略図である。 本実施形態に係る動画像符号化装置を搭載した送信装置、および、動画像復号装置を搭載した受信装置の構成について示した図である。(a)は動画像符号化装置を搭載した送信装置を示しており、(b)は動画像復号装置を搭載した受信装置を示している。 本実施形態に係る動画像符号化装置を搭載した記録装置、および、動画像復号装置を搭載した再生装置の構成について示した図である。(a)は動画像符号化装置を搭載した記録装置を示しており、(b)は動画像復号装置を搭載した再生装置を示している。 符号化ストリームのデータの階層構造を示す図である。 CTUの分割例を示す図である。 参照ピクチャおよび参照ピクチャリストの一例を示す概念図である。 動画像復号装置の構成を示す概略図である。 インター予測パラメータ復号部の構成を示す概略図である。 マージ予測パラメータ導出部、および、AMVP予測パラメータ導出部の構成を示す概略図である。 インター予測画像生成部の構成を示す概略図である。 実施形態に係るGBI予測において用いられる重み係数候補を含むテーブルgbwTable[]の一例を示す図である。 実施形態に係る動画像復号装置における予測モードの選択処理の流れの一例を示すフローチャートである。 本実施形態に係るBIO予測を用いた動き補償機能を備える動き補償部が予測画像を導出する処理の流れを説明するフローチャート一例を示す図である。 本実施形態に係るBIO部の構成を示す概略図である。 本実施形態に係るBIO部がBIOパディングを実行する領域の一例を示す図である。 L0, L1予測画像生成部の構成を示すブロック図である。 L0, L1予測画像生成部の別の構成を示すブロック図である。 実施の形態に係る重み付き予測とGBI処理とBIO処理の関係を示すフローチャートである。 別の実施の形態に係る重み付き予測とGBI処理とBIO処理の関係を示すフローチャートである。 別の実施の形態に係る重み付き予測とBIO処理の関係を示すフローチャートである。 動画像符号化装置の構成を示すブロック図である。 インター予測パラメータ符号化部の構成を示す概略図である。
　　（第１の実施形態）
　以下、図面を参照しながら本発明の実施形態について説明する。
　図1は、本実施形態に係る画像伝送システム1の構成を示す概略図である。
　画像伝送システム1は、符号化対象画像を符号化した符号化ストリームを伝送し、伝送された符号化ストリームを復号し画像を表示するシステムである。画像伝送システム1は、動画像符号化装置（画像符号化装置）11、ネットワーク21、動画像復号装置（画像復号装置）31、及び動画像表示装置（画像表示装置）41を含んで構成される。
　動画像符号化装置11には画像Tが入力される。
　ネットワーク21は、動画像符号化装置11が生成した符号化ストリームTeを動画像復号装置31に伝送する。ネットワーク21は、インターネット（Internet）、広域ネットワーク（WAN:Wide Area Network）、小規模ネットワーク（LAN:Local Area Network）またはこれらの組み合わせである。ネットワーク21は、必ずしも双方向の通信網に限らず、地上デジタル放送、衛星放送等の放送波を伝送する一方向の通信網であっても良い。また、ネットワーク21は、DVD（Digital Versatile Disc:登録商標）、BD（Blue-ray Disc:登録商標）等の符号化ストリームTeを記録した記憶媒体で代替されても良い。
　動画像復号装置31は、ネットワーク21が伝送した符号化ストリームTeのそれぞれを復号し、復号した１または複数の復号画像Tdを生成する。
　動画像表示装置41は、動画像復号装置31が生成した１または複数の復号画像Tdの全部または一部を表示する。動画像表示装置41は、例えば、液晶ディスプレイ、有機ＥＬ（Electro-luminescence）ディスプレイ等の表示デバイスを備える。ディスプレイの形態としては、据え置き、モバイル、HMD等が挙げられる。また、動画像復号装置31が高い処理能力を有する場合には、画質の高い画像を表示し、より低い処理能力しか有しない場合には、高い処理能力、表示能力を必要としない画像を表示する。
　＜演算子＞
　本明細書で用いる演算子を以下に記載する。
　>>は右ビットシフト、<<は左ビットシフト、&はビットワイズAND、|はビットワイズOR、|=はOR代入演算子であり、||は論理和を示す。
　x?y:zは、xが真（0以外）の場合にy、xが偽（0）の場合にzをとる３項演算子である。
　Clip3(a,b,c) は、cをa以上b以下の値にクリップする関数であり、c<aの場合にはaを返し、c>bの場合にはbを返し、その他の場合にはcを返す関数である（ただし、a<=b）。
　abs(a)はaの絶対値を返す関数である。
　Int(a)はaの整数値を返す関数である。
　floor(a)はa以下の最大の整数を返す関数である。
　ceil(a)はa以上の最小の整数を返す関数である。
　a/dはdによるaの除算（小数点以下切り捨て）を表す。
　a^bは、aのb乗を表す。
　sign(a)はaの符号（sign）を返す関数である。sign(a) = a>0? 1 : a==0? 0 : -1
　log2(a)はaの底を2とする対数を返す関数である。
　Max(a, b)は、a>=bの時、a、a<bの時bを返す関数である。
　Min(a, b)は、a<=bの時、a、a>bの時bを返す関数である。
　Round(a)はaの丸め値を返す関数である。Round(a) = sign(a)*floor(abs(a)+0.5)。
　　＜符号化ストリームTeの構造＞
　本実施形態に係る動画像符号化装置11および動画像復号装置31の詳細な説明に先立って、動画像符号化装置11によって生成され、動画像復号装置31によって復号される符号化ストリームTeのデータ構造について説明する。
　図4は、符号化ストリームTeにおけるデータの階層構造を示す図である。符号化ストリームTeは、例示的に、シーケンス、およびシーケンスを構成する複数のピクチャを含む。図4の(a)～(f)は、それぞれ、シーケンスSEQを既定する符号化ビデオシーケンス、ピクチャPICTを規定する符号化ピクチャ、スライスSを規定する符号化スライス、スライスデータを規定する符号化スライスデータ、符号化スライスデータに含まれる符号化ツリーユニット、符号化ツリーユニットに含まれる符号化ユニットを示す図である。
　　（符号化ビデオシーケンス）
　符号化ビデオシーケンスでは、処理対象のシーケンスSEQを復号するために動画像復号装置31が参照するデータの集合が規定されている。シーケンスSEQは、図4(a)に示すように、ビデオパラメータセット（Video Parameter Set）、シーケンスパラメータセットSPS（Sequence Parameter Set）、ピクチャパラメータセットPPS（Picture Parameter Set）、ピクチャPICT、及び、付加拡張情報SEI（Supplemental Enhancement Information）を含んでいる。
　ビデオパラメータセットVPSは、複数のレイヤから構成されている動画像において、複数の動画像に共通する符号化パラメータの集合および動画像に含まれる複数のレイヤおよび個々のレイヤに関連する符号化パラメータの集合が規定されている。
　シーケンスパラメータセットSPSでは、対象シーケンスを復号するために動画像復号装置31が参照する符号化パラメータの集合が規定されている。例えば、ピクチャの幅や高さが規定される。なお、SPSは複数存在してもよい。その場合、PPSから複数のSPSの何れかを選択する。
　ピクチャパラメータセットPPSでは、対象シーケンス内の各ピクチャを復号するために動画像復号装置31が参照する符号化パラメータの集合が規定されている。例えば、ピクチャの復号に用いられる量子化幅の基準値（pic_init_qp_minus26）や重み付き予測の適用を示すフラグ（weighted_pred_flag）が含まれる。なお、PPSは複数存在してもよい。その場合、対象シーケンス内の各ピクチャから複数のPPSの何れかを選択する。
　　（符号化ピクチャ）
　符号化ピクチャでは、処理対象のピクチャPICTを復号するために動画像復号装置31が参照するデータの集合が規定されている。ピクチャPICTは、図4(b)に示すように、スライス0～スライスNS-1を含む（NSはピクチャPICTに含まれるスライスの総数）。
　なお、以下、スライス0～スライスNS-1のそれぞれを区別する必要が無い場合、符号の添え字を省略して記述することがある。また、以下に説明する符号化ストリームTeに含まれるデータであって、添え字を付している他のデータについても同様である。
　　（符号化スライス）
　符号化スライスでは、処理対象のスライスSを復号するために動画像復号装置31が参照するデータの集合が規定されている。スライスは、図4(c)に示すように、スライスヘッダ、および、スライスデータを含んでいる。
　スライスヘッダには、対象スライスの復号方法を決定するために動画像復号装置31が参照する符号化パラメータ群が含まれる。スライスタイプを指定するスライスタイプ指定情報（slice_type）は、スライスヘッダに含まれる符号化パラメータの一例である。
　スライスタイプ指定情報により指定可能なスライスタイプとしては、（１）符号化の際にイントラ予測のみを用いるＩスライス、（２）符号化の際に単方向予測、または、イントラ予測を用いるＰスライス、（３）符号化の際に単方向予測、双方向予測、または、イントラ予測を用いるＢスライスなどが挙げられる。なお、インター予測は、単予測、双予測に限定されず、より多くの参照ピクチャを用いて予測画像を生成してもよい。以下、P、Bスライスと呼ぶ場合には、インター予測を用いることができるブロックを含むスライスを指す。
　なお、スライスヘッダは、ピクチャパラメータセットPPSへの参照（pic_parameter_set_id）を含んでいても良い。
　　（符号化スライスデータ）
　符号化スライスデータでは、処理対象のスライスデータを復号するために動画像復号装置31が参照するデータの集合が規定されている。スライスデータは、図4(d)に示すように、CTUを含んでいる。CTUは、スライスを構成する固定サイズ（例えば64x64）のブロックであり、最大符号化単位（LCU:Largest Coding Unit）と呼ぶこともある。
　　（符号化ツリーユニット）
　図4(e)には、処理対象のCTUを復号するために動画像復号装置31が参照するデータの集合が規定されている。CTUは、再帰的な４分木分割（QT（Quad Tree）分割）、２分木分割（BT（Binary Tree）分割）あるいは３分木分割（TT（Ternary Tree）分割）により符号化処理の基本的な単位である符号化ユニットCUに分割される。BT分割とTT分割を合わせてマルチツリー分割（MT（Multi Tree）分割）と呼ぶ。再帰的な４分木分割により得られる木構造のノードのことを符号化ノード（Coding Node）と称する。４分木、２分木、及び３分木の中間ノードは、符号化ノードであり、CTU自身も最上位の符号化ノードとして規定される。
　CTは、CT情報として、QT分割を行うか否かを示すQT分割フラグ（qt_split_cu_flag）、MT分割の有無を示すMT分割フラグ（mtt_split_cu_flag）、MT分割の分割方向を示すMT分割方向（mtt_split_cu_vertical_flag）、MT分割の分割タイプを示すMT分割タイプ（mtt_split_cu_binary_flag）を含む。qt_split_cu_flag、mtt_split_cu_vertical_flag、mtt_split_cu_binary_flagは符号化ノード毎に伝送される。
　図5は、CTUの分割例を示す図である。qt_split_cu_flagが１の場合、符号化ノードは４つの符号化ノードに分割される（図5(b)）。
　qt_split_cu_flagが０の時、mtt_split_cu_flagが０の場合に符号化ノードは分割されず１つのCUをノードとして持つ（図5(a)）。CUは符号化ノードの末端ノードであり、これ以上分割されない。CUは、符号化処理の基本的な単位となる。
　mtt_split_cu_flagが１の場合に符号化ノードは以下のようにMT分割される。mtt_split_cu_vertical_flagが０、かつmtt_split_cu_binary_flagが１の場合に符号化ノードは２つの符号化ノードに水平分割され（図5(d)）、mtt_split_cu_vertical_flagが１、かつmtt_split_cu_binary_flagが１の場合に符号化ノードは２つの符号化ノードに垂直分割される（図5(c)）。また、mtt_split_cu_vertical_flagが０、かつmtt_split_cu_binary_flagが０の場合に符号化ノードは３つの符号化ノードに水平分割され（図5(f)）、mtt_split_cu_vertical_flagが１、かつmtt_split_cu_binary_flagが０の場合に符号化ノードは３つの符号化ノードに垂直分割される（図5(e)）。これらを図5(g)に示す。
　また、CTUのサイズが64x64画素の場合には、CUのサイズは、64x64画素、64x32画素、32x64画素、32x32画素、64x16画素、16x64画素、32x16画素、16x32画素、16x16画素、64x8画素、8x64画素、32x8画素、8x32画素、16x8画素、8x16画素、8x8画素、64x4画素、4x64画素、32x4画素、4x32画素、16x4画素、4x16画素、8x4画素、4x8画素、及び、4x4画素の何れかをとり得る。
　　（符号化ユニット）
　図4(f)に示すように、処理対象の符号化ユニットを復号するために動画像復号装置31が参照するデータの集合が規定されている。具体的には、CUは、CUヘッダCUH、予測パラメータ、変換パラメータ、量子化変換係数等から構成される。CUヘッダでは予測モード等が規定される。
　予測処理は、CU単位で行われる場合と、CUをさらに分割したサブCU単位で行われる場合がある。CUとサブCUのサイズが等しい場合には、CU中のサブCUは１つである。CUがサブCUのサイズよりも大きい場合、CUは、サブCUに分割される。たとえばCUが8x8、サブCUが4x4の場合、CUは水平２分割、垂直２分割からなる、４つのサブCUに分割される。
　予測の種類（予測モード）は、イントラ予測と、インター予測の２つがある。イントラ予測は、同一ピクチャ内の予測であり、インター予測は、互いに異なるピクチャ間（例えば、表示時刻間）で行われる予測処理を指す。
　変換・量子化処理はCU単位で行われるが、量子化変換係数は4x4等のサブブロック単位でエントロピー符号化してもよい。
　　（予測パラメータ）
　予測画像は、ブロックに付随する予測パラメータによって導出される。予測パラメータには、イントラ予測とインター予測の予測パラメータがある。
　以下、インター予測の予測パラメータについて説明する。インター予測パラメータは、予測リスト利用フラグpredFlagL0、predFlagL1と、参照ピクチャインデックスrefIdxL0、refIdxL1と、動きベクトルmvL0、mvL1から構成される。予測リスト利用フラグpredFlagL0、predFlagL1は、各々L0リスト、L1リストと呼ばれる参照ピクチャリストが用いられるか否かを示すフラグであり、値が１の場合に対応する参照ピクチャリストが用いられる。なお、本明細書中「ＸＸであるか否かを示すフラグ」と記す場合、フラグが０以外（たとえば１）をＸＸである場合、０をＸＸではない場合とし、論理否定、論理積などでは１を真、０を偽と扱う（以下同様）。但し、実際の装置や方法では真値、偽値として他の値を用いることもできる。
　インター予測パラメータを導出するためのシンタックス要素には、例えば、アフィンフラグaffine_flag、マージフラグmerge_flag、マージインデックスmerge_idx、インター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLX、動きベクトル精度モードamvr_modeがある。
　　（参照ピクチャリスト）
　参照ピクチャリストは、参照ピクチャメモリ306に記憶された参照ピクチャからなるリストである。図6は、参照ピクチャおよび参照ピクチャリストの一例を示す概念図である。図6(a)において、矩形はピクチャ、矢印はピクチャの参照関係、横軸は時間、矩形中のI、P、Bは各々イントラピクチャ、単予測ピクチャ、双予測ピクチャ、矩形中の数字は復号順を示す。図に示すように、ピクチャの復号順は、I0、P1、B2、B3、B4であり、表示順は、I0、B3、B2、B4、P1である。図6(b)に、ピクチャB3（対象ピクチャ）の参照ピクチャリストの例を示す。参照ピクチャリストは、参照ピクチャの候補を表すリストであり、１つのピクチャ（スライス）が１つ以上の参照ピクチャリストを有してもよい。図の例では、対象ピクチャB3は、L0リストRefPicList0およびL1リストRefPicList1の２つの参照ピクチャリストを持つ。個々のCUでは、参照ピクチャリストRefPicListX（X=0または1）中のどのピクチャを実際に参照するかを参照ピクチャインデックスrefIdxLXで指定する。図は、refIdxL0=2、refIdxL1=0の例である。なお、LXは、L0予測とL1予測を区別しない場合に用いられる記述方法であり、以降では、LXをL0、L1に置き換えることでL0リストに対するパラメータとL1リストに対するパラメータを区別する。
　　（マージ予測とAMVP予測）
　予測パラメータの復号（符号化）方法には、マージ予測（merge）モードとAMVP（Advanced Motion Vector Prediction、適応動きベクトル予測）モードがあり、マージフラグmerge_flagは、これらを識別するためのフラグである。マージ予測モードは、予測リスト利用フラグpredFlagLX（またはインター予測識別子inter_pred_idc）、参照ピクチャインデックスrefIdxLX、動きベクトルmvLXを符号化データに含めずに、既に処理した近傍ブロックの予測パラメータから導出する用いるモードである。AMVPモードは、インター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、動きベクトルmvLXを符号化データに含めるモードである。なお、動きベクトルmvLXは、予測ベクトルmvpLXを識別する予測ベクトルインデックスmvp_LX_idxと差分ベクトルmvdLX、動きベクトル精度モードamvr_modeとして符号化される。また、マージ予測モードの他に、アフィンフラグaffine_flagにより識別されるアフィン予測モードがあってもよい。マージ予測モードの一形態として、スキップフラグskip_flagにより識別されるスキップモードがあってもよい。なお、スキップモードとは、マージモードと同様の方法で予測パラメータを導出して用いるモードであり、かつ、予測誤差（残差画像）を符号化データに含めないモードである。換言すれば、スキップフラグskip_flagが１の場合、対象CUに関して、当該スキップフラグskip_flagとマージインデックスmerge_idxなどのマージモードに関連するシンタックスのみを含み、動きベクトルなどは符号化データに含まれない。このため、対象CUに対して、スキップフラグskip_flagがスキップモードを適用することを示している場合、当該スキップフラグskip_flag以外の予測パラメータの復号は省略される。
　　（動きベクトル）
　動きベクトルmvLXは、異なる２つのピクチャ上のブロック間のシフト量を示す。動きベクトルmvLXに関する予測ベクトル、差分ベクトルを、それぞれ予測ベクトルmvpLX、差分ベクトルmvdLXと呼ぶ。
　（インター予測識別子inter_pred_idcと予測リスト利用フラグpredFlagLX）
　インター予測識別子inter_pred_idcは、参照ピクチャの種類および数を示す値であり、PRED_L0、PRED_L1、PRED_BIの何れかの値をとる。PRED_L0、PRED_L1は、各々L0リスト、L1リストで管理された１枚の参照ピクチャを用いる単予測を示す。PRED_BIはL0リストとL1リストで管理された２枚の参照ピクチャを用いる双予測BiPredを示す。
　マージインデックスmerge_idxは、処理が完了したブロックから導出される予測パラメータ候補（マージ候補）のうち、いずれの予測パラメータを対象ブロックの予測パラメータとして用いるかを示すインデックスである。
　インター予測識別子inter_pred_idcと、予測リスト利用フラグpredFlagL0、predFlagL1の関係は以下のとおりであり、相互に変換可能である。
　inter_pred_idc = (predFlagL1<<1)+predFlagL0
　predFlagL0 = inter_pred_idc & 1
　predFlagL1 = inter_pred_idc >> １
　（双予測biPredの判定）
　双予測BiPredであるかのフラグbiPredは、２つの予測リスト利用フラグがともに１であるかによって導出できる。例えば以下の式で導出できる。
　biPred = (predFlagL0==1 && predFlagL1==1)
　あるいは、フラグbiPredは、インター予測識別子が２つの予測リスト（参照ピクチャ）を使うことを示す値であるか否かによっても導出できる。例えば以下の式で導出できる。
　biPred = (inter_pred_idc==PRED_BI) ? 1 : 0
　　（動画像復号装置の構成）
　本実施形態に係る動画像復号装置31（図7）の構成について説明する。
　動画像復号装置31は、エントロピー復号部301、パラメータ復号部（予測画像復号装置）302、ループフィルタ305、参照ピクチャメモリ306、予測パラメータメモリ307、予測画像生成部（予測画像生成装置）308、逆量子化・逆変換部311、及び加算部312を含んで構成される。なお、後述の動画像符号化装置11に合わせ、動画像復号装置31にループフィルタ305が含まれない構成もある。
　パラメータ復号部302は、さらに、図示しない、ヘッダ復号部3020、CT情報復号部3021、及びCU復号部3022（予測モード復号部）を備えており、CU復号部3022はさらにTU復号部3024を備えている。これらを総称して復号モジュールと呼んでもよい。ヘッダ復号部3020は、符号化データからVPS、SPS、PPSなどのパラメータセット情報、スライスヘッダ（スライス情報）を復号する。CT情報復号部3021は、符号化データからCTを復号する。CU復号部3022は符号化データからCUを復号する。TU復号部3024は、TUに予測誤差が含まれている場合に、符号化データからQP更新情報（量子化補正値）と量子化予測誤差（residual_coding）を復号する。
　また、パラメータ復号部302は、図示しないインター予測パラメータ復号部（予測画像生成装置）303及びイントラ予測パラメータ復号部304を含んで構成される。予測画像生成部308は、インター予測画像生成部（予測画像生成装置）309及びイントラ予測画像生成部310を含んで構成される。
　また、以降では処理の単位としてCTU、CUを使用した例を記載するが、この例に限らず、サブCU単位で処理をしてもよい。あるいはCTU、CU、をブロック、サブCUをサブブロックと読み替え、ブロックあるいはサブブロック単位の処理としてもよい。
　エントロピー復号部301は、外部から入力された符号化ストリームTeに対してエントロピー復号を行って、個々の符号（シンタックス要素）を復号する。
　エントロピー復号部301は、復号した符号をパラメータ復号部302に出力する。復号した符号とは、例えば、予測モードpredMode、マージフラグmerge_flag、マージインデックスmerge_idx、インター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLX、動きベクトル精度モードamvr_mode等である。どの符号を復号するかの制御は、パラメータ復号部302の指示に基づいて行われる。
　　（インター予測パラメータ復号部の構成）
　インター予測パラメータ復号部303は、エントロピー復号部301から入力された符号に基づいて、予測パラメータメモリ307に記憶された予測パラメータを参照してインター予測パラメータを復号する。また、インター予測パラメータ復号部303は、復号したインター予測パラメータを予測画像生成部308に出力し、予測パラメータメモリ307に記憶する。
　図8は、本実施形態に係るインター予測パラメータ復号部303の構成を示す概略図である。インター予測パラメータ復号部303は、マージ予測部30374、DMVR部30375、サブブロック予測部（アフィン予測部）30372、MMVD予測部（動きベクトル導出部）30376、Triangle予測部30377、AMVP予測パラメータ導出部3032、加算部3038を含んで構成される。マージ予測部30374は、マージ予測パラメータ導出部3036を含んで構成される。AMVP予測パラメータ導出部3032、マージ予測パラメータ導出部3036、アフィン予測部30372は、動画像符号化装置、動画像復号装置で共通する手段であるので、これらを総称して動きベクトル導出部（動きベクトル導出装置）と称してもよい。
　インター予測パラメータ復号部303は、インター予測に関連するシンタックス要素の復号をエントロピー復号部301に指示し、符号化データに含まれるシンタックス要素、例えば、アフィンフラグaffine_flag、マージフラグmerge_flag、マージインデックスmerge_idx、インター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLX、動きベクトル精度モードamvr_modeを抽出する。
　アフィンフラグaffine_flagが１、すなわち、アフィン予測モードを示す場合、アフィン予測部30372は、サブブロックのインター予測パラメータを導出する。
　マージフラグmerge_flagが１、すなわち、マージ予測モードを示す場合、マージインデックスmerge_idxを復号し、マージ予測パラメータ導出部3036に出力する。
　マージフラグmerge_flagが０、すなわち、AMVP予測モードを示す場合、AMVP予測パラメータとして、例えば、インター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLXを復号する。AMVP予測パラメータ導出部3032は予測ベクトルインデックスmvp_LX_idxから予測ベクトルmvpLXを導出する。加算部3038では導出された予測ベクトルmvpLXと差分ベクトルmvdLXを加算し、動きベクトルmvLXを導出する。
　（アフィン予測部）
　アフィン予測部30372は対象ブロックのアフィン予測パラメータを導出する。本実施形態では、アフィン予測パラメータとして、対象ブロックの２つの制御点（V0、V1）の動きベクトル（mv0_x,mv0_y）（mv1_x,mv1_y）を導出する。具体的には、対象ブロックの隣接ブロックの動きベクトルから予測することにより、各制御点の動きベクトルを導出してもよいし、制御点の動きベクトルとして導出された予測ベクトルと符号化データから導出される差分ベクトルの和により、各制御点の動きベクトルを導出してもよい。
　なお、アフィン予測部30372は、４パラメータMVDアフィン予測に用いるパラメータまたは６パラメータMVDアフィン予測に用いるパラメータを適宜導出してもよい。
　（マージ予測）
　図9の(a)は、マージ予測部30374に含まれるマージ予測パラメータ導出部3036の構成を示す概略図である。マージ予測パラメータ導出部3036は、マージ候補導出部30361、マージ候補選択部30362を備える。なお、マージ候補は、予測リスト利用フラグpredFlagLX、動きベクトルmvLX、参照ピクチャインデックスrefIdxLXを含んで構成され、マージ候補リストに格納される。マージ候補リストに格納されたマージ候補には、所定の規則に従ってインデックスが割り当てられる。
　マージ候補導出部30361は、復号済の隣接ブロックの動きベクトルと参照ピクチャインデックスrefIdxLXとをそのまま用いてマージ候補を導出する。それ以外に、マージ候補導出部30361は、後述する空間マージ候補導出処理、時間マージ候補導出処理、ペアワイズマージ候補導出処理、およびゼロマージ候補導出処理を適用してもよい。
　空間マージ候補導出処理として、マージ候補導出部30361は、所定の規則に従って、予測パラメータメモリ307が記憶している予測パラメータを読み出し、マージ候補に設定する。参照ピクチャの指定方法は、例えば、対象ブロックから予め定めた範囲内にある隣接ブロック（例えば、対象ブロックの左A1、右B1、右上B0、左下A0、左上B2にそれぞれ接するブロックの全部または一部）のそれぞれに係る予測パラメータである。各々のマージ候補をA1,B1,B0,A0,B2と呼ぶ。
　ここで、A1,B1,B0,A0,B2は各々、下記の座標を含むブロックから導出される動き情報である。
　A1: (xCb - 1, yCb + cbHeight - 1)
　B1: (xCb + cbWidth - 1, yCb - 1)
　B0: (xCb + cbWidth, yCb - 1)
　A0: (xCb - 1, yCb + cbHeight)
　B2: (xCb - 1, yCb - 1)
　時間マージ導出処理として、マージ候補導出部30361は、対象ブロックの右下CBR、あるいは、中央の座標を含む参照ピクチャ中のブロックCの予測パラメータを、予測パラメータメモリ307から読み出してマージ候補Colとし、マージ候補リストmergeCandList[]に格納する。
　ペアワイズ導出部は、ペアワイズ候補avgKを導出し、マージ候補リストmergeCandList[]に格納する。
　マージ候補導出部30361は、参照ピクチャインデックスrefIdxLXが0…Mであり、動きベクトルmvLXのX成分、Y成分が共に０であるゼロマージ候補Z0,…,ZMを導出しマージ候補リストに格納する。
　マージ候補導出部30361またはペアワイズ導出部が各マージ候補をマージ候補リストmergeCandList[]に格納する順番は、例えば、空間マージ候補(A1,B1,B0,A0,B2)、時間マージ候補Col、ペアワイズ候補AvgK、ゼロマージ候補ZeroCandKである。なお、利用可能でない（ブロックがイントラ予測等）参照ブロックはマージ候補リストに格納しない。
i = 0
if( availableFlagA1 )
　mergeCandList[ i++ ] = A1
if( availableFlagB1 )
　mergeCandList[ i++ ] = B1
if( availableFlagB0 )
　mergeCandList[ i++ ] = B0
if( availableFlagA0 )
　mergeCandList[ i++ ] = A0
if( availableFlagB2 )
　mergeCandList[ i++ ] = B2
if( availableFlagCol )
　mergeCandList[ i++ ] = Col
if( availableFlagAvgK )
　mergeCandList[ i++ ] = avgK
if( i < MaxNumMergeCand )
　mergeCandList[ i++ ] = ZK
　なお、対象ブロックの左上座標を(xCb, yCb)とし、対象ブロックの幅をcbWidthとし、対象ブロックの高さをcbHeightとする。
　マージ候補選択部30362は、マージ候補リストに含まれるマージ候補のうち、マージインデックスmerge_idxが示すマージ候補Nを以下の式で選択する。
　N = mergeCandList[merge_idx]
　ここでNは、マージ候補を示すラベルであり、A1,B1,B0,A0,B2,Col,AvgK,ZeroCandKなどをとる。ラベルNで示されるマージ候補の動き情報は（mvLXN[0], mvLXN[1]）、predFlagLXN, refIdxLXNで示される。
　マージ候補選択部30362は、選択されたマージ候補の動き情報（mvLXN[0], mvLXN[1]）、predFlagLXN, refIdxLXNを対象ブロックのインター予測パラメータとして選択する。マージ候補選択部30362は選択したインター予測パラメータを予測パラメータメモリ307に記憶するとともに、予測画像生成部308に出力する。
　（MMVD予測部30373）
　MMVD予測部30373は、マージ候補導出部30361で導出した中心ベクトルmvdLX（マージ候補の動きベクトル）に、差分ベクトルmvdLXを加算して動きベクトルを導出する。
　MMVD予測部30376は、マージ候補mergeCandList[]と符号化データから復号もしくは符号化データに符号化するシンタックスbase_candidate_idx、direction_idx、distance_idxを用いて動きベクトルmvLX[]を導出する。さらに、距離テーブル選択するシンタックスdistance_list_idxを符号化もしくは復号してもよい。
　MMVD予測部30376は、中心ベクトルmvLN[]をbase_candidate_idxで選択する。
　N = mergeCandList[base_candidate_idx]
　MMVD予測部30376は、ベース距離(mvdUnit[0], mvdUnit[1])と距離DistFromBaseMVを導出する。
　dir_table_x[] = { 2, -2, 0, 0, 1, -1, -1, 1 }
　dir_table_y[] = { 0, 0, 2, -2, 1, -1, 1, -1 }
　mvdUnit[0] = dir_table_x[direction_idx]
　mvdUnit[1] = dir_table_y[direction_idx]
　DistFromBaseMV = DistanceTable[distance_idx]
　MMVD予測部30376は、差分ベクトルrefineMv[]を導出する。
　firstMv[0] = (DistFromBaseMV<<shiftMMVD) * mvdUnit[0]
　firstMv[1] = (DistFromBaseMV<<shiftMMVD) * mvdUnit[1]
　ここでshiftMMVDは、動き補償部3091（補間部）での動きベクトルの精度MVPRECにあうように差分ベクトルの大きさを調整する値である。
　refineMvL0[0] = firstMv[0]
　refineMvL0[1] = firstMv[1]
　refineMvL1[0] = -firstMv[0]
　refineMvL1[1] = -firstMv[1]
　最終的に、MMVD予測部30376は、差分ベクトルrefineMvLXと中心ベクトルmvLXNから以下のように、MMVDマージ候補の動きベクトルを導出する。
mvL0[ 0 ] = mvL0N[ 0 ] + refineMvL0[0]
mvL0[ 1 ] = mvL0N[ 1 ] + refineMvL0[1]
mvL1[ 0 ] = mvL1N[ 0 ] + refineMvL1[0]
mvL1[ 1 ] = mvL1N[ 1 ] + refineMvL1[1]
　（AMVP予測）
　図9(b)は、本実施形態に係るAMVP予測パラメータ導出部3032の構成を示す概略図である。AMVP予測パラメータ導出部3032は、ベクトル候補導出部3033とベクトル候補選択部3034を備える。ベクトル候補導出部3033は、参照ピクチャインデックスrefIdxLXに基づいて予測パラメータメモリ307が記憶する復号済みの隣接ブロックの動きベクトルmvLXから予測ベクトル候補を導出し、予測ベクトル候補リストmvpListLX[]に格納する。
　ベクトル候補選択部3034は、予測ベクトル候補リストmvpListLX[]の予測ベクトル候補のうち、予測ベクトルインデックスmvp_LX_idxが示す動きベクトルmvpListLX[mvp_LX_idx]を予測ベクトルmvpLXとして選択する。ベクトル候補選択部3034は選択した予測ベクトルmvpLXを加算部3038に出力する。
　加算部3038は、AMVP予測パラメータ導出部3032から入力された予測ベクトルmvpLXと復号した差分ベクトルmvdLXを加算して動きベクトルmvLXを算出する。加算部3038は、算出した動きベクトルmvLXを予測画像生成部308および予測パラメータメモリ307に出力する。
　mvLX[0] = mvpLX[0]+mvdLX[0]
　mvLX[1] = mvpLX[1]+mvdLX[1]
　動きベクトル精度モードamvr_modeは、AMVPモードで導出される動きベクトルの精度を切り替えるシンタックスである、例えば、amvr_mode=0, 1, 2において、1/4画素、1画素、4画素精度を切り替える。
　動きベクトルの精度を1/16精度とする場合、1/4, 1, 4画素精度の動きベクトル差分を1/16画素精度の動きベクトル差分に変更するために下記のように、amvr_modeから導出されるMvShift (=1<<amvr_mode)を用いて逆量子化してもよい。
　mvdLX[0] = mvdLX[0] << (MvShift + 2)
　mvdLX[1] = mvdLX[1] << (MvShift + 2)
　なお、さらにパラメータ復号部302は、mvdLX[]を以下のシンタックスを復号して導出してもよい。
・abs_mvd_greater0_flag
・abs_mvd_minus2
・mvd_sign_flag
を復号しする。そして、パラメータ復号部302は、以下の式を用いることによって、シンタックスから差分ベクトルlMvd[]を復号する。
　lMvd[ compIdx ] = abs_mvd_greater0_flag[ compIdx ] * ( abs_mvd_minus2[ compIdx] + 2 ) * ( 1 ? 2 * mvd_sign_flag[ compIdx ] )
　さらに復号した差分ベクトルlMvd[]は、並進MVDの場合（MotionModelIdc[ x ][ y ] ==0）にはmvdLXに設定し、制御点MVDの場合（MotionModelIdc[ x ][ y ] != 0）には、mvdCpLXに設定する。
　if (MotionModelIdc[ x ][ y ] == 0)
　　mvdLX[ x0 ][ y0 ][ compIdx ] = lMvd[ compIdx ]
　else
　　mvdCpLX[ x0 ][ y0 ][ compIdx ] = lMvd[ compIdx ]<<2
　（DMVR）
　続いて、DMVR部30375が行うDMVR（Decoder side Motion Vector Refinement）処理について説明する。DMVR部30375は、対象CUに対して、マージフラグmerge_flagがマージ予測モードを適用することを示している場合、又は、スキップフラグskip_flagがスキップモードを適用することを示している場合、マージ予測部30374が導出する当該対象CUの動きベクトルmvLXを、参照ピクチャを用いて修正する。
　具体的には、マージ予測部30374が導出する予測パラメータが双予測である場合において、２つの参照ピクチャに対応する動きベクトルから導出される予測画像を用いて、動きベクトルを修正する。修正後の動きベクトルmvLXは、インター予測画像生成部309に供給される。
　（Triangle予測）
　続いてTriangle予測について説明する。Triangle予測では、対角線又は反対角線を境界として、対象CUが２つの三角形の予測単位に分割される。それぞれの三角形予測単位における予測画像は、対象CU（三角形予測単位を含む矩形ブロック）の予測画像の各画素に画素の位置に応じた重みつけマスク処理を施すことで導出する。例えば、矩形領域内の三角形領域の画素を１、三角形以外の領域を０とするマスクを乗ずることにより、矩形画像から三角形画像を導出できる。また、インター予測画像を生成した後、適応的な重み付け処理は対角線を挟んだ双方の領域に対して適用され、２つの予測画像を用いた適応的重みつけ処理により対象CU（矩形ブロック）の１つの予測画像が導出される。この処理を、Triangle合成処理と呼ぶ。そして、変換（逆変換）及び量子化（逆量子化）処理が対象CUの全体に対して適用される。なお、Triangle予測は、マージ予測モード又はスキップモードの場合にのみ適用される。
　Triangle予測部30377は、Triangle予測に用いられる２つの三角形領域に対応する予測パラメータを導出し、インター予測画像生成部309に供給する。Triangle予測では処理の簡略化のために、双予測を用いない構成でもよい。この場合、１つの三角形領域において単方向予測のインター予測パラメータを導出する。なお、２つの予測画像の導出及び予測画像を用いた合成は、動き補償部3091、Triangle合成部30952で行う。
　ループフィルタ305は、符号化ループ内に設けたフィルタで、ブロック歪やリンギング歪を除去し、画質を改善するフィルタである。ループフィルタ305は、加算部312が生成したCUの復号画像に対し、デブロッキングフィルタ、サンプル適応オフセット（SAO）、適応ループフィルタ（ALF）等のフィルタを施す。
　参照ピクチャメモリ306は、加算部312が生成したCUの復号画像を、対象ピクチャ及び対象CU毎に予め定めた位置に記憶する。
　予測パラメータメモリ307は、復号対象のCTUあるいはCU毎に予め定めた位置に予測パラメータを記憶する。具体的には、予測パラメータメモリ307は、パラメータ復号部302が復号したパラメータ及びエントロピー復号部301が復号した予測モードpredMode等を記憶する。
　予測画像生成部308には、予測モードpredMode、予測パラメータ等が入力される。また、予測画像生成部308は、参照ピクチャメモリ306から参照ピクチャを読み出す。予測画像生成部308は、予測モードpredModeが示す予測モードで、予測パラメータと読み出した参照ピクチャ（参照ピクチャブロック）を用いてブロックもしくはサブブロックの予測画像を生成する。ここで、参照ピクチャブロックとは、参照ピクチャ上の画素の集合（通常矩形であるのでブロックと呼ぶ）であり、予測画像を生成するために参照する領域である。
　　（インター予測画像生成部309）
　予測モードpredModeがインター予測モードを示す場合、インター予測画像生成部309は、インター予測パラメータ復号部303から入力されたインター予測パラメータと読み出した参照ピクチャを用いてインター予測によりブロックもしくはサブブロックの予測画像を生成する。
　図10は、本実施形態に係る予測画像生成部308に含まれるインター予測画像生成部309の構成を示す概略図である。インター予測画像生成部309は、動き補償部（予測画像生成装置）3091、合成部3095を含んで構成される。
　　（動き補償）
　動き補償部3091（補間画像生成部3091）は、インター予測パラメータ復号部303から入力された、インター予測パラメータ（予測リスト利用フラグpredFlagLX、参照ピクチャインデックスrefIdxLX、動きベクトルmvLX）に基づいて、参照ピクチャメモリ306から、参照ピクチャインデックスrefIdxLXで指定された参照ピクチャRefPicLXにおける、対象ブロックの位置を起点として動きベクトルmvLXだけシフトした位置にあるブロックを読み出すことによって補間画像（動き補償画像）を生成する。ここで、動きベクトルmvLXの精度が整数精度でない場合には、動き補償フィルタと呼ばれる小数位置の画素を生成するためのフィルタを施して、動き補償画像を生成する。
　動き補償部3091は、まず、予測ブロック内座標(x,y)に対応する整数位置(xInt,yInt)および位相(xFrac,yFrac)を以下の式で導出する。
　　xInt = xPb+(mvLX[0]>>(log2(MVPREC)))+x
　　xFrac = mvLX[0]&(MVPREC -1)
　　yInt = yPb+(mvLX[1]>>(log2(MVPREC)))+y
　　yFrac = mvLX[1]&(MVPREC -1)
ここで、(xPb,yPb)は、bW*bHサイズのブロックの左上座標、x=0…bW-1、y=0…bH-1であり、MVPRECは、動きベクトルmvLXの精度（1/MVPREC画素精度）を示す。例えばMVPREC=16。
　動き補償部3091は、参照ピクチャrefImgに補間フィルタを用いて水平補間処理を行うことで、一時的画像temp[][]を導出する。以下のΣはk=0..NTAP-1のkに関する和、shift1は値のレンジを調整する正規化パラメータ、offset1=1<<(shift1-1)である。
　temp[x][y] = (ΣmcFilter[xFrac][k]*refImg[xInt+k-NTAP/2+1][yInt]+offset1)>>shift1
　続いて、動き補償部3091は、一時的画像temp[][]を垂直補間処理により、補間画像Pred[][]を導出する。以下のΣはk=0..NTAP-1のkに関する和、shift2は値のレンジを調整する正規化パラメータ、offset2=1<<(shift2-1)である。
　　Pred[x][y] = (ΣmcFilter[yFrac][k]*temp[x][y+k-NTAP/2+1]+offset2)>>shift2
　以上の補間画像生成処理を、Interpolation(refImg,xPb,yPb,bW,bH,mvLX)で表してもよい。
　　（合成部）
　合成部3095は、動き補償部3091から供給される補間画像、インター予測パラメータ復号部303から供給されるインター予測パラメータ、及び、イントラ予測画像生成部310から供給されるイントラ画像を参照して、予測画像を生成し、生成した予測画像を加算部312に供給する。
　合成部3095は、Combined intra/inter合成部30951、Triangle合成部30952、OBMC部30953、重み付き予測部30954、GBI部30955、BIO部30956を備えている。
　（Combined intra/inter合成処理）
　Combined intra/inter合成部30951は、AMVPにおける単方向予測画像、スキップモードやマージ予測モードによる予測画像、及びイントラ予測画像を複合的に用いることによって予測画像を生成する。
　（Triangle合成処理）
　Triangle合成部30952は、上述したTriangle予測を用いた予測画像を生成する。
　（OBMC処理）
　OBMC部30953は、OBMC（Overlapped block motion compensation）処理を用いて予測画像を生成する。OBMC処理には以下の処理が含まれる。
・対象サブブロックに付加されたインター予測パラメータを用いて生成される補間画像（PU補間画像）と、対象サブブロックの隣接サブブロックの動きパラメータを用いて生成される補間画像（OBMC補間画像）とを用いて、対象サブブロックの補間画像（動き補償画像）を生成する。
・OBMC補間画像とPU補間画像とを加重平均することにより、予測画像を生成する。
　（重み付き予測部30954）
　重み付き予測部309454は、動き補償画像PredL0とPredL1に重み係数を乗算することによりブロックの予測画像を生成する。予測リスト利用フラグの一方（predFlagL0もしくはpredFlagL1）が１（単予測）、かつ、重み予測を用いない場合、動き補償画像PredLX（LXはL0もしくはL1）を画素ビット数bitDepthに合わせる以下の式の処理を行う。
　　Pred[x][y] = Clip3(0,(1<<bitDepth)-1,(PredLX[x][y]+offset1)>>shift1)
ここで、shift1=Max(2,14-bitDepth)、offset1=1<<(shift1-1)である。
　（双方向予測処理）
　また、予測リスト利用フラグの両者（predFlagL0とpredFlagL1）が１（双予測BiPred）、かつ、重み予測を用いない場合、動き補償画像PredL0、PredL1を平均し画素ビット数に合わせる以下の式の処理を行う。
　　Pred[x][y] = Clip3(0,(1<<bitDepth)-1,(PredL0[x][y]+PredL1[x][y]+offset2)>>shift2)
ここで、shift2=Max(3,15-bitDepth)、offset2=1<<(shift2-1)である。また、後述の図18、図19、図20の双予測処理は上記の処理を指す。以下、この処理を通常の双方向予測とも呼ぶ。
　さらに、単予測、かつ、重み予測を行う場合、重み付き予測部30954は、L0予測の場合は、重み予測係数w0とオフセットo0を符号化データから導出し、以下の式の処理を行う。
　　Pred[x][y] = Clip3(0,(1<<bitDepth)-1,((PredL0[x][y]*w0+(1<<(log2WD-1)))>>log2WD)+o0)
　L1予測の場合は、重み付き予測部30954は重み予測係数w1とオフセットo1を符号化データから導出し、以下の式の処理を行う。
　　Pred[x][y] = Clip3(0,(1<<bitDepth)-1,((PredL1[x][y]*w1+(1<<(log2WD-1)))>>log2WD)+o1)
ここで、log2WDは、明示的に、輝度と色差別にスライスヘッダで送られるLog2WeightDenom＋shift1の値を合計した変数である。
　（重み付き双方向予測処理）
　さらに、双予測BiPred、かつ、重み予測を行う場合、重み付き予測部30954は重み予測係数w0、w1、o0、o1を符号化データから導出し、以下の式の処理を行う。
　　Pred[x][y] = Clip3(0,(1<<bitDepth)-1,(PredL0[x][y]*w0+PredL1[x][y]*w1+((o0+o1+1)<<log2WD))>>(log2WD+1))
　以下、本実施形態では、２つ以上の補間画像により予測画像を生成する双予測の処理として、通常の双予測処理、重み付き双予測処理の他、GBI処理、BIO処理、重み付けBIO処理を用いる。以下、これらを順に説明する。
　（GBI処理）
　上述の「重み予測」では、補間画像に重み係数を乗算して予測画像を生成する例を説明した。ここでは、補間画像に重み係数を乗算して予測画像を生成する他の例について説明する。詳細には、一般化双方向予測（Generalized bi-prediction、以下、GBI予測と呼ぶ）を用いて予測画像を生成する処理について説明する。GBI予測では、双予測におけるL0予測画像PredL0およびL1予測画像PredL1に重み係数（w0、w1）を乗算して予測画像Predを生成する。
　また、GBI予測を用いて予測画像を生成する場合、GBI部30955は、重み係数（w0、w1）を符号化ユニット単位で切り替える。すなわち、インター予測画像生成部309のGBI部30954は、符号化ユニット毎に重み係数を設定する。GBI予測においては、複数の重み係数候補が予め規定されており、gbiIdxはテーブルに含まれる複数の重み係数候補のうち対象ブロックで用いる重み係数を示すインデックスである。
　GBI部30955はは、GBI予測が用いられるか否かを示すフラグgbiAppliedFlagをチェックして、FALSEならば、動き補償部3091は以下の式を用いて予測画像を生成する。
　Pred[x][y]=Clip3(0,(1<<bitDepth)?1,
　　　　　　　　　(PredL0[x][y]+ PredL1[x][y]+offset2)>>shift2 )
　ここで、gbiAppliedFlagは、初期状態は、FALSEである。GBI部30955は、SPSのフラグであってGBI処理が可能であることを示すフラグがOnであり、双方向予測である場合にgbiAppliedFlagをTRUEと設定する。また、さらに、追加(AND)の条件として、GBI予測の重み係数のテーブルのインデックスであるgbiIdxが0（L0予測画像とL1予測画像の重みが等しい場合のインデックスの値）でない場合にgbiAppliedFlagをTRUEとしてもよい。さらに、追加(AND)の条件として、CUのブロックサイズが一定以上の場合に、gbiAppliedFlagをTRUEにしてもよい。
　GBI部30955はは、gbiAppliedFlagが真の場合に、重みw0、w1とPredL0、PredL1から以下の式で予測画像Predを導出する。
　Pred[x][y]=Clip3(0,(1<<bitDepth)?1,
　　　　　　　　　(w0*PredL0[x][y]+w1*PredL1[x][y]+offset3)>>(shift2+3))
ここで、重み係数w1は、図11で示されるようなテーブルgbwTable[]から、シンタックスで明示的に示されるgbiIdxで導出される係数である。gbwTable[] = {4,5,3,10,-2}である。重み係数w0は、(8-w1)とする。なお、gbiIdx=0の時は、w0=w1=4となって、通常の双方向予測と等価となる。
　shift1、shift2、offset1、offset2は以下の式で導出される。
　shift1=Max(2,14-bitDepth)
　shift2=Max(3,15-bitDepth)=shift1+1
　offset1=1<<(shift1-1)
　offset2=1<<(shift2-1)
　offset3=1<<(shift2+2)
　なお、重み係数の異なる組合せを有するテーブルgbwTable[]が複数あり、GBI部30955は、ピクチャ構造がLowDelay（LB）であるか否かに応じて、重み係数の選択に用いる当該テーブルを切り替えてもよい。
　AMVP予測モードにおいてGBI予測が用いられる場合、インター予測パラメータ復号部303はgbiIdxを復号し、GBI部30955に送付する。また、マージ予測モードにおいてGBI予測が用いられる場合、インター予測パラメータ復号部303は、マージインデックスmerge_idxを復号し、マージ候補導出部30361は各マージ候補のgbiIdxを導出する。具体的には、マージ候補導出部30361は、マージ候補の導出に用いた隣接ブロックの重み係数を、対象ブロックに用いるマージ候補の重み係数として用いる。つまり、マージモードでは、過去に用いた重み係数を、対象ブロックの重み係数として継承する。
　（GBI予測を用いた予測モードの選択）
　次に、図12を参照して、動画像復号装置31におけるGBI予測を用いた予測モードの選択処理について説明する。図12は、動画像復号装置31における予測モードの選択処理の流れの一例を示すフローチャートである。
　図12に示すように、インター予測パラメータ復号部303は、まず、スキップフラグを復号する（S101）。スキップフラグがスキップモードであることを示している場合（S102でYES）、予測モードはマージモードとなり（S103）、インター予測パラメータ復号部303はマージインデックスを復号し（S1031）、GBI予測が用いられる場合GBI部30955はマージ候補で導出された重み係数をGBI予測の重み係数として導出する。
　スキップフラグがスキップモードであることを示していない場合（S102でNO）、インター予測パラメータ復号部303は、マージフラグを復号する（S104）。マージフラグがマージモードであることを示している場合（S105でYES）、予測モードはマージモードとなり（S103）、インター予測パラメータ復号部303はマージインデックスを復号する（S1031）、GBI予測が用いられる場合GBI部30955はマージ候補で導出された重み係数をGBI予測の重み係数として導出する。
　マージフラグがマージモードであることを示していない場合（S105でNO）、予測モードはAMVPモードである（S106）。
　AMVPモードにおいて、インター予測パラメータ復号部303はインター予測識別子inter_pred_idcを復号する（S1061）。続いて、インター予測パラメータ復号部303は差分ベクトルmvdLXを復号する（S1062）。続いて、インター予測パラメータ復号部303はgbiIdxを復号し（S1063）、GBI予測が用いられる場合、GBI部30955は、GBI予測の重み係数w1を図11のテーブルの重み係数候補から選択する。
　（BIO処理）
　BIO部30956は、勾配画像から導出される動き補償修正値と２つの補間画像から予測画像を導出するBIO（Bidirectional optical flow:双予測勾配変化）処理を行うことによって、予測画像を生成する。
　BIO部30956が行うBIO処理を用いた予測（BIO予測）の詳細について説明する。BIO部30956は、双予測モードにおいて、２つの予測画像（第１の予測画像及び第２の予測画像）及び勾配補正項を参照して予測画像を生成する。
　図13は、予測画像を導出する処理の流れを説明するフローチャートである。
　インター予測パラメータ復号部303がL0の単方向予測と判定（S201で、inter_pred_idcが0）した場合、動き補償部3091はL0予測画像PredL0[x][y]を生成（S202）する。インター予測パラメータ復号部303がL1の単方向予測と判定（S201で、inter_pred_idcが1）した場合、動き補償部3091はL1予測画像PredL1[x][y]を生成（S203）する。一方、インター予測パラメータ復号部303が双予測モードであると判定（S201で、inter_pred_idcが2）した場合、以下のS204の処理に続く。S104にて、合成部3095はBIO処理を行うか否かを示すbioAvailableFlagを参照しBIO処理の要否を判定する。bioAvailableFlagがTRUEを示すと、BIO部30956はBIO処理を実行して双方向予測画像を生成する（S206）。bioAvailableFlagがFALSEを示すと、合成部3095は通常の双方予測処理で予測画像を生成する(S205)。
　インター予測パラメータ復号部303はL0参照ピクチャrefImgL0及び、L1参照ピクチャrefImgL1が異なる参照ピクチャであって、かつ、対象ピクチャに対し２枚の参照ピクチャが反対方向の場合に、bioAvailableFlagにTRUEを導出してもよい。具体的には、対象画像をcurrPicとすると、DiffPicOrderCnt(currPic,refImgL0)*DiffPicOrderCnt(currPic,refImgL1)<0となる条件を満たす場合に、bioAvailableFlagはTRUEを示す。ここで、DiffPicOrderCnt()は、以下のように２枚の画像のPOC（Picture Order Count：ピクチャの表示順序）の差分を導出する関数である。
　　DiffPicOrderCnt(picA,picB) = PicOrderCnt(picA)-PicOrderCnt(picB)
　bioAvailableFlagがTRUEを示す条件として、対象ブロックの動きベクトルがサブブロック単位の動きベクトルではない、という条件を追加してもよい。
　また、bioAvailableFlagがTRUEを示す条件として、L0補間画像とL1補間画像との絶対差分和が所定の値以上、という条件を追加してもよい。
　また、bioAvailableFlagがTRUEを示す条件として、予測画像作成モードがブロック単位の予測画像作成モードである、という条件を加えてもよい。
　上記、「条件を追加する」とは論理式のANDの条件で判定することができる。
　図14を用いて、具体的なBIO部30956が行う処理の内容について説明する。BIO処理部30956は、L0,L1予測画像生成部309561と、勾配画像生成部309562と、相関パラメータ計算部309563と、動き補償修正値導出部309564と、BIO予測画像生成部309565とを備えている。BIO部30956は動き補償部3091から受信した補間画像と、インター予測パラメータ復号部303から受信したインター予測パラメータとから予測画像を生成し、生成した予測画像を加算部312に出力する。なお、勾配画像から動き補償修正値modBIO（動き補償修正値）を導出し、PredL0、PredL1の予測画像を修正して導出する処理を、双方向勾配変化処理と呼ぶ。
　L0, L1予測画像生成部309561は、L0,L1補間画像パディング処理部3095611を備える。図17に示すように、L0, L1予測画像生成部309561は、さらに、スイッチ3095612と、L0,L1補間画像重み付き処理部3095613を備えてもよい。
　まず、L0,L1予測画像生成部309561（L0,L1補間画像パディング処理部3095611）は、BIO処理に用いられる、L0、L1予測画像(PredL0, PredL1)を生成する。BIO部30956では、図15で示されるCU単位あるいは、サブCU単位の毎のL0,L1予測画像をもとに、BIO処理をおこなう。BIO処理では、勾配画像を求めるために、対象となるCUあるいはサブCUの周囲2画素分、つまり、幅width、高さheightのCUあるいはサブCUのブロックに対して、幅(width+2)、高さ(height+2)の補間画像を必要とする。この部分の補間画像は、通常の補間フィルタではなくBilinearフィルタ等のタップ長の短い画像を用いて生成してもよい。具体的には、L0,L1予測画像生成部309561は、対象ブロック内については動き補償部3091の補間画像を用いて補間画像を導出し、対象ブロックを超える部分についてはBilinearフィルタなどをもちいて補間画像を導出する。なお、勾配を求める以外の場合（勾配積和で用いるPredL0, PredL1）、この対象ブロックを超える部分は、パディング領域として、ピクチャの外側と同様に、周囲の画素をコピーして用いてもよい。つまり、相関パラメータ計算部309563において、勾配積和s1,s2,s3,s5,s6を導出する場合に用いるPredL0[][], PredL1[][]の対象ブロックを超える部分はコピーで導出してもよい。
　なお、BIO処理の単位は、CU単位あるいは、サブCU単位以下のNxN画素であるが、勾配画像生成処理と、相関パラメータ導出処理は、周囲１画素を加えた、(N+2)x(N+2)の画素を用いて処理を行う。
　勾配画像生成部309562では、勾配画像を生成する。勾配変化（Optical Flow）では、各点の画素値は変化せず、その位置のみが変化すると仮定する。これは、水平方向の画素値Iの変化（水平勾配値lx）とその位置の変化Vx、及び垂直方向の画素値Iの変化（垂直勾配値ly）とその位置の変化Vy、画素値Iの時間変化ltを用いて、下記で表すことができる。
　lx * Vx + ly * Vy + lt = 0
以降では位置の変化(Vx,Vy)を補正重みベクトル(u,v)と呼ぶ。
　具体的には、勾配画像生成部309562は、以下の式から勾配画像lx0、ly0、lx1、ly1を導出する。lx0及びlx1は水平方向に沿った勾配を示し、ly0及びly1は垂直方向に沿った勾配を示す。
　lx0[x][y] = (PredL0[x+1][y]-PredL0[x-1][y])>>4
　ly0[x][y] = (PredL0[x][y+1]-PredL0[x][y-1])>>4
　lx1[x][y] = (PredL1[x+1][y]-PredL1[x-1][y])>>4
　ly1[x][y] = (PredL1[x][y+1]-PredL1[x][y-1])>>4
　次に、相関パラメータ計算部309563は、CU内毎のNxN画素のブロック毎の周囲1画素を用いて(N+2)x(N+2)画素の勾配積和s1,s2,s3,s5,s6を導出する。
　s1 = sum(phiX[x][y]* phiX[x][y])
　s2 = sum(phiX[x][y]* phiY[x][y])
　s3 = sum(-theta[x][y]* phiX[x][y])
　s5 = sum(phiY[x][y]* phiY[x][y])
　s6 = sum(-theta[x][y]* phiY[x][y])
ここで、sum(a)は(N+2)x(N+2)画素のブロック内の座標(x,y)に対するaの総和を表す。また、
　phiX[x][y] = (lx1[x][y] + lx0[x][y])>>3
　phiY[x][y] = (ly1[x][y] + ly0[x][y])>>3
　theta[x][y]= -(PredL1[x][y]>>6)+(PredL0[x][y]>>6)
　次に、動き補償修正値導出部30954は、導出した勾配積和s1,s2,s3,s5,s6を用いて、NxN画素単位の補正重みベクトル(u, v)を導出する。
　u = (s3<<3)>>log2(s1)
　v = ((s6<<3)-((((u*s2m)<<12)+u*s2s)>>1))>>log2(s5)
ここでs2m=s2>>12、s2s=s2&((1<<12)-1)である。
　なお、以下のようにさらにクリップを用いてu, vの範囲を制限しても良い。
　u = s1>0 ? Clip3(-th,th,-(s3<<3)>>floor(log2(s1))):0
　v = s5>0 ? Clip3(-th,th,((s6<<3)-((((u*s2m)<<12)+u*s2s)>>1))>>floor(log2(s5))):0
ここでth = 1<<(13-bitDepth)である。
　動き補償修正値導出部309564は、NxN画素単位の補正重みベクトル(u, v)と勾配画像lx0、ly0、lx1、ly1を用いて、NxN画素の動き補償修正値のmodBIO[x][y]を導出する。
　modBIO[x][y] = ((lx1[x][y]-lx0[x][y])*u+(ly1[x][y]-ly0[x][y])*v+1)>>1　(式A3）あるいはラウンド関数を用いて、modBIOを以下のように導出してもよい。
　modBIO[x][y] = Round(((lx1[x][y]-lx0[x][y])*u)>>1)+Round(((ly1[x][y]-ly0[x][y])*v)>>1)
　BIO予測画像生成部309565は、上記のパラメータを用いて下式により、NxN画素の予測画像の画素値Predを導出する。
　Pred[x][y] = Clip3(0, (1<<bitDepth)-1,( PredL0[x][y]+PredL1[x][y]+modBIO[x][y]+offset2)>>shift2) 
ここで、shift2=Max(3,15-bitDepth)、offset2=1<<(shift2-1)である。
　次に、BIO部30956が行うBIO処理を用いた予測（BIO予測）の別の実施の形態について説明する。上記の実施の形態では、画素ビット長、bitDepthが10ビットである場合は、正しく動作するが、それ以外の場合、符号化画素ビット長に対する勾配画像の計算精度があっておらず、符号化効率が低下するという問題がある。そこで、以下のようにすることで、画素ビット長、bitDepthが8ビット以上の場合に画素ビット長に連動して動作し、かつ、32ビット演算の範囲に収まるようにする。
　具体的には、勾配画像生成部309562は、勾配画像lx0、ly0、lx1、ly1の導出を、以下のように行う。
　lx0[x][y] = (PredL0[x+1][y]-PredL0[x-1][y])>>shift1
　ly0[x][y] = (PredL0[x][y+1]-PredL0[x][y-1])>>shift1
　lx1[x][y] = (PredL1[x+1][y]-PredL1[x-1][y])>>shift1
　ly1[x][y] = (PredL1[x][y+1]-PredL1[x][y-1])>>shift1
ここで、shift1=Max(2,14-bitDepth)である。
　HEVCと同様の補間フィルタを用いる場合、PredL0とPredL1の値は、bitDepthが8から12ビットの範囲ならば、演算精度としては、14ビットであり、bitDepthが12より大きい場合、(bitDepth+2)ビットとなる。本実施形態では、bitDepthに応じた値であるshift1だけ右シフトし、勾配画像lx0、ly0、lx1、ly1の演算精度を(bitDepth + 1)ビットにする。
　次に、相関パラメータ計算部309563は、CU内のNxN画素のブロック毎に勾配積和s1,s2,s3,s5,s6を導出する。ここでは、ブロックの周囲1画素をさらに用いて(N+2)*(N+2)画素のブロックの画素でのsumからs1,s2,s3,s5,s6を計算する。
　s1 = sum(phiX[x][y]* phiX[x][y])
　s2 = sum(phiX[x][y]* phiY[x][y])
　s3 = sum(-theta[x][y]* phiX[x][y])
　s5 = sum(phiY[x][y]* phiY[x][y])
　s6 = sum(-theta[x][y]* phiY[x][y])
ここで、sum(a)は(N+2)x(N+2)画素のブロック内の座標(x,y)に対するaの総和を表す。また、
　theta[x][y]= -(PredL1[x][y]>>shift4)+(PredL0[x][y]>>shift4)
　phiX[x][y] = (lx1[x][y] + lx0[x][y])>>shift5
　phiY[x][y] = (ly1[x][y] + ly0[x][y])>>shift5
ここで、
　shift4=Min(8,bitDepth-4)
　shift5=Min(5,bitDepth-7)
とする。
　相関パラメータ計算部309563の別の構成としては、勾配積和s1,s2,s3,s5,s6は、(N+2)x(N+2)画素のブロックでなく、NxN画素のブロックで求めてもよい。この場合、以下のシフタ値を用いる。
　shift4=Min(7,bitDepth-5)
　shift5=Min(4,bitDepth-8)
　また、BIO処理の単位と読み込み領域が一致するため、図14の場合と異なり、対象となるCUあるいはサブCUの周囲1画素分のパディング領域は不要となる。
　次に、動き補償修正値導出部309564は、導出した勾配積和s1,s2,s3,s5,s6を用いて、NxN画素単位の補正重みベクトル(u, v)を導出する。
　u = (s3<<3)>>log2(s1)
　v = ((s6<<3)-((((u*s2m)<<12)+u*s2s)>>1))>>log2(s5)
ここでs2m=s2>>12、s2s=s2&((1<<12)-1)である。
　なお、以下のようにさらにクリップを用いてu, vの範囲を制限しても良い。
　u = s1>0 ? Clip3(-th,th,-(s3<<3)>>floor(log2(s1))):0
　v = s5>0 ? Clip3(-th,th,((s6<<3)-((((u*s2m)<<12)+u*s2s)>>1))>>floor(log2(s5))):0
ここで
　th = Max(2, 1<<(13-bitDepth))
である。thの値は、shift1と連動して計算する必要があるため、画素ビット長bitDepthが12ビットより大きい場合を考慮する必要がある。
　なお、L0補間画像とL1補間画像との絶対差分和が所定の以下の場合、u, vを強制的に0としてもよい。
　動き補償修正値導出部309564は、NxN画素単位の補正重みベクトル(u, v)と勾配画像lx0、ly0、lx1、ly1を用いて、NxN画動き補償修正値のmodBIO[][]を導出する。
　modBIO[x][y] = ((lx1[x][y]-lx0[x][y])*u+(ly1[x][y]-ly0[x][y])*v)>>1
　BIO予測画像生成部309565は、上記のパラメータを用いて下式により、NxN画素単位の予測画像の画素値Predを導出する。
　Pred[x][y] = Clip3(0, (1<<bitDepth)-1,(PredL0[x][y]+PredL1[x][y]+modBIO[x][y]+offset2)>>shift2) 
ここで、shift2=Max(3,15-bitDepth)、offset2=1<<(shift2-1)である。
　（重み付きBIO処理）
　画素値が時間的に大きく変動するフェード画像等に対応するために、前述した重み付き予測が用いられる。重み付き予測が用いられる場合のBIO処理についての実施の形態を示す。
　図16に示すように、重み付きBIO処理を行う構成のL0, L1予測画像生成部309561は、L0,L1補間画像パディング処理部3095611、スイッチ3095612と、L0,L1補間画像重み付き処理部3095613を備える。
　スイッチ3095612は、BIO部30956で、重み付き予測処理を行うか否かを表す内部フラグであるweightedBIOFlagに基づいて、weightedBIOFlagがTRUEの場合は、L0,L1補間画像重み付き処理部3095613でL0補間画像とL1補間画像の重み付き処理を行う。具体的には、L0補間画像の重み付き処理結果weghtedPredL0は、以下で導出する。
　　weightedPredL0[x][y] = Clip3(0,(1<<(14+Max(0, Bitdepth-12))-1,((PredL0[x][y]*w0+(1<<( Log2WeightDenom-1)))>> Log2WeightDenom)+(o0<<shift1))
とし、L1補間画像の重み付き処理結果weghtedPredL1は、以下で導出する。
　　weightedPredL1[x][y] = Clip3(0,(1<<(14+Max(0, Bitdepth-12))-1,((PredL1[x][y] *w1+(1<<( Log2WeightDenom-1)))>> Log2WeightDenom)+(o1<<shift1))
ここで、shift1=Max(2,14-bitDepth)であり、Log2WeightDenomは、輝度と色差別にスライスヘッダで送られる重み付き予測のパラメータ値から得られる値である。
　weightedBIOFlagがFALSEの場合は、既に説明したように、補間画像もしくは補間画像をパディングした画像を
　　weightedPredL0[x][y] = PredL0[x][y]
　　weightedPredL1[x][y] = PredL1[x][y]
として用いる。
　上記のBIO処理部にこれを当てはめると、PredL0とPredL1を用いていた部分をweightedPredL0とweightedPredL1に置き換えることで、そのまま適用することができる。勾配画像生成部309562では、勾配画像lx0、ly0、lx1、ly1の導出を、以下のように行う。
　lx0[x][y] = (weghtedPredL0[x+1][y]-weghtedPredL0[x-1][y])>>shift1
　ly0[x][y] = (weghtedPredL0[x][y+1]-weghtedPredL0[x][y-1])>>shift1
　lx1[x][y] = (weghtedPredL1[x+1][y]-weghtedPredL1[x-1][y])>>shift1
　ly1[x][y] = (weghtedPredL1[x][y+1]-weghtedPredL1[x][y-1])>>shift1
相関パラメータ計算部309563では、
　theta[x][y]= -(weghtedPredL1[x][y]>>shift4)+(weghtedPredL0[x][y]>>shift4)
とする。
　また、BIO予測画像生成部309565は、上記のパラメータを用いて下式により、NxN画素単位の予測画像の画素値Predを導出する。
　Pred[x][y] = Clip3(0, (1<<bitDepth)-1,(weightedPredL0[x][y]+weightedPredL1[x][y]+modBIO[x][y]+offset2)>>shift2)
　このようにL0補間画像と、L1補間画像の重み付け処理をおこなっておくことで、最終的にBIO処理を行なった時に、重み付け予測の値に、動き補償修正値modBIO[x][y]を加えた予測値になる。
　なお、通常の重み付き双方向予測では、二つの補間画像から、直接、画素ビット長BitDepthの精度の予測画像を生成する。本実施の形態の重み付きBIO処理では、勾配画像から導出される動き補償修正値を導出するために、L0とL1の別々に補間画像の精度の重み付き処理を行い、L0予測画像weightedPredL0、L1予測画像weightedPredL1を生成した上で、weightedPredL0とweightedPredL1の平均することで、結果として、L0補間画像と、L1補間画像の画素値を重み付き予測に合わせて補正することになる。したがって、時間的な画素値の変動に対応して、重み付き予測を用いる場合にもBIO処理が想定通りに動作するようになる。すなわち、重み付き予測とBIO処理を合成して動作させることにより、符号化効率を向上させる効果をする。
　別の構成例としては、図17のように、勾配画像をもとめて、動き補償修正値modBIO[x][y]を求めるまでの重み付き補間画像weightedPredL0、weighttedPredL1と、最終的に予測画像を求める補間画像PredL0、PredL1を分ける構成の場合、BIO予測画像生成部309565で予測値を求める式は以下のようになる。
　Pred[x][y] = Clip3(0,(1<<bitDepth)-1,(PredL0[x][y]*w0+PredL1[x][y]*w1+((o0+o1+1)<<log2WD)+(modBIO[x][y]<<Log2WeightDenom))>>(log2WD+1))
ここでLog2WD=Log2WeightDenom+shift1とする。
　なお、modBIO[x][y]<<Log2WeightDenomのシフト演算は、modBIO[x][y]を導出する際に行ってもよい。この場合、動き補償修正値導出部309564は、以下の式で、modBIO[][]を導出する。
　modBIO[x][y] = ((lx1[x][y]-lx0[x][y])*u+(ly1[x][y]-ly0[x][y])*v+1)<<(Log2WeightDenom-1)
　weightedBIOFlagがFALSEの場合は、パディング処理を行なったL0補間画像と、L1補間画像を出力する。
　weightedBIOFlagは、L0補間画像とL1補間画像のいずれかが、重み付き予測の場合にTRUEにする。
　あるいは、weightedBIOFlagは、L0補間画像とL1補間画像の絶対値差分和と、重み付き処理を行なった後のL0補間画像とL1補間画像の絶対値差分和を比較して、重み付き処理を行なった絶対値差分和が小さくなった場合に、TRUEとしてもよい。
　また、weightedBIOFlagは、重み付き予測の重み係数にマイナスの係数が含まれていた場合に、FALSEとしてもよい。
　（重み付き予測とGBI処理とBIO処理の関係）
　上記で説明してきたサブブロックグループでの双方向予測の時の重み付き予測とGBI処理とBIO処理の実施の形態例について説明する。
　weightedPredFlagとgbiAvaiableFlagとbioAvailableFlagは、それぞれ重み付き予測処理とGBI処理とBIO処理の状態を表す内部変数で、TRUEの時に当該処理が動作し、FALSEの時に動作しないものとする。
　図18は、GBI処理とBIO処理と重み付き予測処理を組み合わせる実施の形態（重み付きBIO処理を行う場合の実施の形態）を示している。まず、GBI処理の状態を示すgbiAvailableFlagを判定(S301)し、FALSEの場合、BIO処理の状態を示すbioAvaiableFlagを判定(S302)する。gbiAvailableFlagがTRUEの場合、つまり、gbiIdxが0でない時は、gbwTable[]に基づいてGBI処理(S303)を行う。次に、bioAvaiableFlagがFALSEの場合は、BIO処理は行わず、重み付き予測の状態を示すweightedPredFlagを判定(S304)する。bioAvaiableFlagがTRUEの場合は、BIO処理を行うと判定し、重み付き予測の状態を示すweightedPredFlagを判定(S305)する。bioAvaiableFlagがFALSE、かつ、weightedPredFlagがFALSEの場合、通常の双方向予測処理(S306)を行い、weightedPredFlagがTRUEの場合、重み付き双方向予測処理(S307)を行う。bioAvaiableFlagがTRUE、かつ、weightedPredFlagがFALSEの場合、通常のBIO処理(S308)を行う。weightedPredFlagがTRUEの場合、weightedBIOFlagをTRUEに設定し補間画像に重み付け処理をして動き補償修正値を求める重み付けBIO処理(S309)を行う。
　図19は、GBI処理とBIO処理と重み付き予測処理を組み合わせる別の実施の形態（GBI処理とBIO処理の時は、重み付き予測処理をしない実施の形態）である。
　まず、GBI処理の状態を示すgbiAvailableFlagを判定(S401)し、FALSE、つまりgbiIdxが0の時で通常の双方向予測の重み付け係数の場合、BIO処理の状態を示すbioAvaiableFlagを判定(S402)し、TRUEの場合、gbiIdxが0より大きい時は、gbwTable[]に基づいてGBI処理(S403)を行う。次に、bioAvaiableFlagがFALSEの場合は、BIO処理は行わず、重み付き予測の状態を示すweightedPredFlagを判定(S404)し、TRUEの場合は、BIO処理を行うと判定し、通常のBIOを処理(S405)する。weightedPredFlagがFALSEの場合、通常の双方向予測処理(S406)を行い、weightedPredFlagがTRUEの場合、重み付き双方向予測処理(S407)を行う。
　図20は、BIO処理と重み付き予測処理を組み合わせる実施の形態（GBI処理を含まない場合の実施の形態）である。まず、BIO処理の状態を示すbioAvaiableFlagを判定(S501)し、FALSEの場合は、BIO処理は行わず、重み付き予測の状態を示すweightedPredFlagを判定(S502)し、TRUEの場合は、BIO処理を行うと判定し、次に重み付き予測の状態を示すweightedPredFlagを判定(S503)する。BIO処理を行わず、weightedPredFlagがFALSEの場合、通常の双方向予測処理(S504)を行い、weightedPredFlagがTRUEの場合、重み付き双方向予測処理(S505)を行う。BIO処理を行い、weightedPredFlagがFALSEの場合、通常のBIOを処理(S506)し、BIO処理を行い、weightedPredFlagがTRUEの場合、補間画像に重み付け処理をして動き補償修正値を求める重み付けBIO処理(S507)を行う。
　（合成部の出力）
　合成部3095の出力は、生成したブロックの予測画像を加算部312に出力する。
　逆量子化・逆変換部311は、エントロピー復号部301から入力された量子化変換係数を逆量子化して変換係数を求める。この量子化変換係数は、符号化処理において、予測誤差に対してDCT（Discrete Cosine Transform、離散コサイン変換）、DST（Discrete Sine Transform、離散サイン変換）、等の周波数変換を行い量子化して得られる係数である。逆量子化・逆変換部311は、求めた変換係数について逆DCT、逆DST等の逆周波数変換を行い、予測誤差を算出する。逆量子化・逆変換部311は予測誤差を加算部312に出力する。
　加算部312は、予測画像生成部308から入力されたブロックの予測画像と逆量子化・逆変換部311から入力された予測誤差を画素毎に加算して、ブロックの復号画像を生成する。加算部312はブロックの復号画像を参照ピクチャメモリ306に記憶し、また、ループフィルタ305に出力する。
　　（動画像符号化装置の構成）
　次に、本実施形態に係る動画像符号化装置11の構成について説明する。図21は、本実施形態に係る動画像符号化装置11の構成を示すブロック図である。動画像符号化装置11は、予測画像生成部101、減算部102、変換・量子化部103、逆量子化・逆変換部105、加算部106、ループフィルタ107、予測パラメータメモリ（予測パラメータ記憶部、フレームメモリ）108、参照ピクチャメモリ（参照画像記憶部、フレームメモリ）109、符号化パラメータ決定部110、パラメータ符号化部111、エントロピー符号化部104を含んで構成される。
　予測画像生成部101は画像Ｔの各ピクチャを分割した領域であるCU毎に予測画像を生成する。予測画像生成部101は既に説明した予測画像生成部308と同じ動作であり、説明を省略する。
　減算部102は、予測画像生成部101から入力されたブロックの予測画像の画素値を、画像Ｔの画素値から減算して予測誤差を生成する。減算部102は予測誤差を変換・量子化部103に出力する。
　変換・量子化部103は、減算部102から入力された予測誤差に対し、周波数変換によって変換係数を算出し、量子化によって量子化変換係数を導出する。変換・量子化部103は、量子化変換係数をエントロピー符号化部104及び逆量子化・逆変換部105に出力する。
　逆量子化・逆変換部105は、動画像復号装置31における逆量子化・逆変換部311（図7）と同じであり、説明を省略する。算出した予測誤差は加算部106に出力される。
　エントロピー符号化部104には、変換・量子化部103から量子化変換係数が入力され、パラメータ符号化部111から符号化パラメータが入力される。符号化パラメータには、例えば、参照ピクチャインデックスrefIdxLX、予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLX、動きベクトル精度モードamvr_mode、予測モードpredMode、及びマージインデックスmerge_idx等の符号がある。
　エントロピー符号化部104は、分割情報、予測パラメータ、量子化変換係数等をエントロピー符号化して符号化ストリームTeを生成し、出力する。
　パラメータ符号化部111は、図示しないヘッダ符号化部1110、CT情報符号化部1111、CU符号化部1112（予測モード符号化部）、およびインター予測パラメータ符号化部112とイントラ予測パラメータ符号化部113を備えている。CU符号化部1112はさらにTU符号化部1114を備えている。
　以下、各モジュールの概略動作を説明する。パラメータ符号化部111はヘッダ情報、分割情報、予測情報、量子化変換係数等のパラメータの符号化処理を行う。
　CT情報符号化部1111は、符号化データからQT、MT（BT、TT）分割情報等を符号化する。
　CU符号化部1112はCU情報、予測情報、TU分割フラグsplit_transform_flag、CU残差フラグcbf_cb、cbf_cr、cbf_luma等を符号化する。
　TU符号化部1114は、TUに予測誤差が含まれている場合に、QP更新情報（量子化補正値）と量子化予測誤差（residual_coding）を符号化する。
　CT情報符号化部1111、CU符号化部1112は、インター予測パラメータ（予測モードpredMode、マージフラグmerge_flag、マージインデックスmerge_idx、インター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLX）、イントラ予測パラメータ、量子化変換係数等のシンタックス要素をエントロピー符号化部104に供給する。
　　（インター予測パラメータ符号化部の構成）
　パラメータ符号化部112は、符号化パラメータ決定部110から入力された予測パラメータに基づいて、インター予測パラメータを導出する。パラメータ符号化部112は、インター予測パラメータ復号部303がインター予測パラメータを導出する構成と一部同一の構成を含む。
　予測パラメータ符号化部112の構成について説明する。図22示すように、パラメータ符号化制御部1121、マージ予測部30374、サブブロック予測部（アフィン予測部）30372、DMVR部30375、MMVD予測部30376、Triangle予測部30377、AMVP予測パラメータ導出部3032、減算部1123を含んで構成される。マージ予測部30374は、マージ予測パラメータ導出部3036を備えている。パラメータ符号化制御部1121は、マージインデックス導出部11211とベクトル候補インデックス導出部11212を含む。また、パラメータ符号化制御部1121は、マージインデックス導出部11211でmerge_idx、affine_flag、base_candidate_idx、distance_idx、direction_idx等を導出し、ベクトル候補インデックス導出部11212でmvpLX等を導出する。マージ予測パラメータ導出部3036、AMVP予測パラメータ導出部3032、アフィン予測部30372、MMVD予測部30376、Triangle予測部30377を総称して動きベクトル導出部（動きベクトル導出装置）と称してもよい。パラメータ符号化部112は、動きベクトル（mvLX、subMvLX）、参照ピクチャインデックスrefIdxLX、インター予測識別子inter_pred_idc、あるいはこれらを示す情報を予測画像生成部101に出力する。またパラメータ符号化部112は、merge_flag、skip_flag、merge_idx、inter_pred_idc、refIdxLX、mvp_lX_idx、mvdLX、amvr_mode、affine_flagをエントロピー符号化部104に出力する。
　マージインデックス導出部11211は、マージインデックスmerge_idxを導出し、マージ予測パラメータ導出部3036（マージ予測部）に出力する。ベクトル候補インデックス導出部11212は予測ベクトルインデックスmvp_lX_idxを導出する。
　マージ予測パラメータ導出部3036は、マージインデックスmerge_idxに基づいて、インター予測パラメータを導出する。
　AMVP予測パラメータ導出部3032は動きベクトルmvLXに基づいて予測ベクトルmvpLXを導出する。AMVP予測パラメータ導出部3032は予測ベクトルmvpLXを減算部1123に出力する。なお、参照ピクチャインデックスrefIdxLX及び予測ベクトルインデックスmvp_lX_idxは、エントロピー符号化部104に出力される。
　アフィン予測部30372は、サブブロックのインター予測パラメータ（アフィン予測パラメータ）を導出する。
　減算部1123は、符号化パラメータ決定部110から入力された動きベクトルmvLXから、AMVP予測パラメータ導出部3032の出力である予測ベクトルmvpLXを減算して差分ベクトルmvdLXを生成する。差分ベクトルmvdLXはエントロピー符号化部104に出力される。
　加算部106は、予測画像生成部101から入力されたブロックの予測画像の画素値と逆量子化・逆変換部105から入力された予測誤差を画素毎に加算して復号画像を生成する。加算部106は生成した復号画像を参照ピクチャメモリ109に記憶する。
　ループフィルタ107は加算部106が生成した復号画像に対し、デブロッキングフィルタ、SAO、ALFを施す。なお、ループフィルタ107は、必ずしも上記３種類のフィルタを含まなくてもよく、例えばデブロッキングフィルタのみの構成であってもよい。
　予測パラメータメモリ108は、符号化パラメータ決定部110が生成した予測パラメータを、対象ピクチャ及びCU毎に予め定めた位置に記憶する。
　参照ピクチャメモリ109は、ループフィルタ107が生成した復号画像を対象ピクチャ及びCU毎に予め定めた位置に記憶する。
　符号化パラメータ決定部110は、符号化パラメータの複数のセットのうち、１つのセットを選択する。符号化パラメータとは、上述したQT、BTあるいはTT分割情報、予測パラメータ、あるいはこれらに関連して生成される符号化の対象となるパラメータである。予測画像生成部101は、これらの符号化パラメータを用いて予測画像を生成する。
　符号化パラメータ決定部110は、複数のセットの各々について情報量の大きさと符号化誤差を示すRDコスト値を算出する。符号化パラメータ決定部110は、算出したコスト値が最小となる符号化パラメータのセットを選択する。これにより、エントロピー符号化部104は、選択した符号化パラメータのセットを符号化ストリームTeとして出力する。符号化パラメータ決定部110は決定した符号化パラメータを予測パラメータメモリ108に記憶する。
　なお、上述した実施形態における動画像符号化装置11、動画像復号装置31の一部、例えば、エントロピー復号部301、パラメータ復号部302、ループフィルタ305、予測画像生成部308、逆量子化・逆変換部311、加算部312、予測画像生成部101、減算部102、変換・量子化部103、エントロピー符号化部104、逆量子化・逆変換部105、ループフィルタ107、符号化パラメータ決定部110、パラメータ符号化部111をコンピュータで実現するようにしても良い。その場合、この制御機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現しても良い。なお、ここでいう「コンピュータシステム」とは、動画像符号化装置11、動画像復号装置31のいずれかに内蔵されたコンピュータシステムであって、OSや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD-ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでも良い。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
　また、上述した実施形態における動画像符号化装置11、動画像復号装置31の一部、または全部を、LSI（Large Scale Integration）等の集積回路として実現しても良い。動画像符号化装置11、動画像復号装置31の各機能ブロックは個別にプロセッサ化しても良いし、一部、または全部を集積してプロセッサ化しても良い。また、集積回路化の手法はＬＳＩに限らず専用回路、または汎用プロセッサで実現しても良い。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いても良い。
　以上、図面を参照してこの発明の一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。
　〔応用例〕
　上述した動画像符号化装置11及び動画像復号装置31は、動画像の送信、受信、記録、再生を行う各種装置に搭載して利用することができる。なお、動画像は、カメラ等により撮像された自然動画像であってもよいし、コンピュータ等により生成された人工動画像（CGおよびGUIを含む）であってもよい。
　まず、上述した動画像符号化装置11及び動画像復号装置31を、動画像の送信及び受信に利用できることを、図2を参照して説明する。
　図2(a)は、動画像符号化装置11を搭載した送信装置PROD_Aの構成を示したブロック図である。図に示すように、送信装置PROD_Aは、動画像を符号化することによって符号化データを得る符号化部PROD_A1と、符号化部PROD_A1が得た符号化データで搬送波を変調することによって変調信号を得る変調部PROD_A2と、変調部PROD_A2が得た変調信号を送信する送信部PROD_A3と、を備えている。上述した動画像符号化装置11は、この符号化部PROD_A1として利用される。
　送信装置PROD_Aは、符号化部PROD_A1に入力する動画像の供給源として、動画像を撮像するカメラPROD_A4、動画像を記録した記録媒体PROD_A5、動画像を外部から入力するための入力端子PROD_A6、及び、画像を生成または加工する画像処理部Ａ７を更に備えていてもよい。図においては、これら全てを送信装置PROD_Aが備えた構成を例示しているが、一部を省略しても構わない。
　なお、記録媒体PROD_A5は、符号化されていない動画像を記録したものであってもよいし、伝送用の符号化方式とは異なる記録用の符号化方式で符号化された動画像を記録したものであってもよい。後者の場合、記録媒体PROD_A5と符号化部PROD_A1との間に、記録媒体PROD_A5から読み出した符号化データを記録用の符号化方式に従って復号する復号部（不図示）を介在させるとよい。
　図2(b)は、動画像復号装置31を搭載した受信装置PROD_Bの構成を示したブロック図である。図に示すように、受信装置PROD_Bは、変調信号を受信する受信部PROD_B1と、受信部PROD_B1が受信した変調信号を復調することによって符号化データを得る復調部PROD_B2と、復調部PROD_B2が得た符号化データを復号することによって動画像を得る復号部PROD_B3と、を備えている。上述した動画像復号装置31は、この復号部PROD_B3として利用される。
　受信装置PROD_Bは、復号部PROD_B3が出力する動画像の供給先として、動画像を表示するディスプレイPROD_B4、動画像を記録するための記録媒体PROD_B5、及び、動画像を外部に出力するための出力端子PROD_B6を更に備えていてもよい。図においては、これら全てを受信装置PROD_Bが備えた構成を例示しているが、一部を省略しても構わない。
　なお、記録媒体PROD_B5は、符号化されていない動画像を記録するためのものであってもよいし、伝送用の符号化方式とは異なる記録用の符号化方式で符号化されたものであってもよい。後者の場合、復号部PROD_B3と記録媒体PROD_B5との間に、復号部PROD_B3から取得した動画像を記録用の符号化方式に従って符号化する符号化部（不図示）を介在させるとよい。
　なお、変調信号を伝送する伝送媒体は、無線であってもよいし、有線であってもよい。また、変調信号を伝送する伝送態様は、放送（ここでは、送信先が予め特定されていない送信態様を指す）であってもよいし、通信（ここでは、送信先が予め特定されている送信態様を指す）であってもよい。すなわち、変調信号の伝送は、無線放送、有線放送、無線通信、及び有線通信の何れによって実現してもよい。
　例えば、地上デジタル放送の放送局（放送設備など）／受信局（テレビジョン受像機など）は、変調信号を無線放送で送受信する送信装置PROD_A／受信装置PROD_Bの一例である。また、ケーブルテレビ放送の放送局（放送設備など）／受信局（テレビジョン受像機など）は、変調信号を有線放送で送受信する送信装置PROD_A／受信装置PROD_Bの一例である。
　また、インターネットを用いたVOD（Video On Demand）サービスや動画共有サービスなどのサーバ（ワークステーションなど）／クライアント（テレビジョン受像機、パーソナルコンピュータ、スマートフォンなど）は、変調信号を通信で送受信する送信装置PROD_A／受信装置PROD_Bの一例である（通常、ＬＡＮにおいては伝送媒体として無線または有線の何れかが用いられ、ＷＡＮにおいては伝送媒体として有線が用いられる）。ここで、パーソナルコンピュータには、デスクトップ型PC、ラップトップ型PC、及びタブレット型PCが含まれる。また、スマートフォンには、多機能携帯電話端末も含まれる。
　なお、動画共有サービスのクライアントは、サーバからダウンロードした符号化データを復号してディスプレイに表示する機能に加え、カメラで撮像した動画像を符号化してサーバにアップロードする機能を有している。すなわち、動画共有サービスのクライアントは、送信装置PROD_A及び受信装置PROD_Bの双方として機能する。
　次に、上述した動画像符号化装置11及び動画像復号装置31を、動画像の記録及び再生に利用できることを、図3を参照して説明する。
　図3(a)は、上述した動画像符号化装置11を搭載した記録装置PROD_Cの構成を示したブロック図である。図に示すように、記録装置PROD_Cは、動画像を符号化することによって符号化データを得る符号化部PROD_C1と、符号化部PROD_C1が得た符号化データを記録媒体PROD_Mに書き込む書込部PROD_C2と、を備えている。上述した動画像符号化装置11は、この符号化部PROD_C1として利用される。
　なお、記録媒体PROD_Mは、（１）HDD（Hard Disk Drive）やSSD(Solid State Drive)などのように、記録装置PROD_Cに内蔵されるタイプのものであってもよいし、（２）SDメモリカードやUSB（Universal Serial Bus）フラッシュメモリなどのように、記録装置PROD_Cに接続されるタイプのものであってもよいし、（３）DVD（Digital Versatile Disc:登録商標）やBD（Blu-ray Disc:登録商標）などのように、記録装置PROD_Cに内蔵されたドライブ装置（不図示）に装填されるものであってもよい。
　また、記録装置PROD_Cは、符号化部PROD_C1に入力する動画像の供給源として、動画像を撮像するカメラPROD_C3、動画像を外部から入力するための入力端子PROD_C4、動画像を受信するための受信部PROD_C5、及び、画像を生成または加工する画像処理部PROD_C6を更に備えていてもよい。図においては、これら全てを記録装置PROD_Cが備えた構成を例示しているが、一部を省略しても構わない。
　なお、受信部PROD_C5は、符号化されていない動画像を受信するものであってもよいし、記録用の符号化方式とは異なる伝送用の符号化方式で符号化された符号化データを受信するものであってもよい。後者の場合、受信部PROD_C5と符号化部PROD_C1との間に、伝送用の符号化方式で符号化された符号化データを復号する伝送用復号部（不図示）を介在させるとよい。
　このような記録装置PROD_Cとしては、例えば、DVDレコーダ、BDレコーダ、HDD（Hard Disk Drive）レコーダなどが挙げられる（この場合、入力端子PROD_C4または受信部PROD_C5が動画像の主な供給源となる）。また、カムコーダ（この場合、カメラPROD_C3が動画像の主な供給源となる）、パーソナルコンピュータ（この場合、受信部PROD_C5または画像処理部Ｃ６が動画像の主な供給源となる）、スマートフォン（この場合、カメラPROD_C3または受信部PROD_C5が動画像の主な供給源となる）なども、このような記録装置PROD_Cの一例である。
　図3(b)は、上述した動画像復号装置31を搭載した再生装置PROD_Dの構成を示したブロックである。図に示すように、再生装置PROD_Dは、記録媒体PROD_Mに書き込まれた符号化データを読み出す読出部PROD_D1と、読出部PROD_D1が読み出した符号化データを復号することによって動画像を得る復号部PROD_D2と、を備えている。上述した動画像復号装置31は、この復号部PROD_D2として利用される。
　なお、記録媒体PROD_Mは、（１）HDDやSSDなどのように、再生装置PROD_Dに内蔵されるタイプのものであってもよいし、（２）SDメモリカードやUSBフラッシュメモリなどのように、再生装置PROD_Dに接続されるタイプのものであってもよいし、（３）DVDやBDなどのように、再生装置PROD_Dに内蔵されたドライブ装置（不図示）に装填されるものであってもよい。
　また、再生装置PROD_Dは、復号部PROD_D2が出力する動画像の供給先として、動画像を表示するディスプレイPROD_D3、動画像を外部に出力するための出力端子PROD_D4、及び、動画像を送信する送信部PROD_D5を更に備えていてもよい。図においては、これら全てを再生装置PROD_Dが備えた構成を例示しているが、一部を省略しても構わない。
　なお、送信部PROD_D5は、符号化されていない動画像を送信するものであってもよいし、記録用の符号化方式とは異なる伝送用の符号化方式で符号化された符号化データを送信するものであってもよい。後者の場合、復号部PROD_D2と送信部PROD_D5との間に、動画像を伝送用の符号化方式で符号化する符号化部（不図示）を介在させるとよい。
　このような再生装置PROD_Dとしては、例えば、DVDプレイヤ、BDプレイヤ、HDDプレイヤなどが挙げられる（この場合、テレビジョン受像機等が接続される出力端子PROD_D4が動画像の主な供給先となる）。また、テレビジョン受像機（この場合、ディスプレイPROD_D3が動画像の主な供給先となる）、デジタルサイネージ（電子看板や電子掲示板等とも称され、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる）、デスクトップ型PC（この場合、出力端子PROD_D4または送信部PROD_D5が動画像の主な供給先となる）、ラップトップ型またはタブレット型PC（この場合、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる）、スマートフォン（この場合、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる）なども、このような再生装置PROD_Dの一例である。
　　（ハードウェア的実現およびソフトウェア的実現）
　また、上述した動画像復号装置31および動画像符号化装置11の各ブロックは、集積回路（ICチップ）上に形成された論理回路によってハードウェア的に実現してもよいし、CPU（Central Processing Unit）を用いてソフトウェア的に実現してもよい。
　後者の場合、上記各装置は、各機能を実現するプログラムの命令を実行するCPU、上記プログラムを格納したROM（Read Only Memory）、上記プログラムを展開するRAM（RandomAccess Memory）、上記プログラムおよび各種データを格納するメモリ等の記憶装置（記録媒体）などを備えている。そして、本発明の実施形態の目的は、上述した機能を実現するソフトウェアである上記各装置の制御プログラムのプログラムコード（実行形式プログラム、中間コードプログラム、ソースプログラム）をコンピュータで読み取り可能に記録した記録媒体を、上記各装置に供給し、そのコンピュータ（またはCPUやMPU）が記録媒体に記録されているプログラムコードを読み出し実行することによっても、達成可能である。
　上記記録媒体としては、例えば、磁気テープやカセットテープ等のテープ類、フロッピー（登録商標）ディスク／ハードディスク等の磁気ディスクやCD-ROM（Compact Disc Read-Only Memory）／MOディスク（Magneto-Optical disc）／MD（Mini Disc）／DVD（Digital Versatile Disc:登録商標）／CD-R（CD Recordable）／ブルーレイディスク（Blu-rayDisc：登録商標）等の光ディスクを含むディスク類、ICカード（メモリカードを含む）
／光カード等のカード類、マスクROM／EPROM（Erasable Programmable Read-Only Memory）／EEPROM（Electrically Erasable and Programmable Read-Only Memory：登録商標）／フラッシュROM等の半導体メモリ類、あるいはPLD（Programmable logic device）やFPGA（Field Programmable Gate Array）等の論理回路類などを用いることができる。
　また、上記各装置を通信ネットワークと接続可能に構成し、上記プログラムコードを通信ネットワークを介して供給してもよい。この通信ネットワークは、プログラムコードを伝送可能であればよく、特に限定されない。例えば、インターネット、イントラネット、エキストラネット、LAN（Local Area Network）、ISDN（Integrated Services Digital Network）、VAN（Value-Added Network）、CATV（Community Antenna television/Cable Television）通信網、仮想専用網（Virtual Private Network）、電話回線網、移動体通信網、衛星通信網等が利用可能である。また、この通信ネットワークを構成する伝送媒体も、プログラムコードを伝送可能な媒体であればよく、特定の構成または種類のものに限定されない。例えば、IEEE（Institute of Electrical and Electronic Engineers）1394、USB、電力線搬送、ケーブルＴＶ回線、電話線、ADSL（Asymmetric Digital Subscriber Line）回線等の有線でも、IrDA（Infrared Data Association）やリモコンのような赤外線、BlueTooth（登録商標）、IEEE802.11無線、HDR（High Data Rate）、NFC（Near Field Communication）、DLNA（Digital Living Network Alliance：登録商標）、携帯電話網、衛星回線、地上デジタル放送網等の無線でも利用可能である。なお、本発明の実施形態は、上記プログラムコードが電子的な伝送で具現化された、搬送波に埋め込まれたコンピュータデータ信号の形態でも実現され得る。
　本発明の実施形態は上述した実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。すなわち、請求項に示した範囲で適宜変更した技術的手段を組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
　本発明の実施形態は、画像データが符号化された符号化データを復号する動画像復号装置、および、画像データが符号化された符号化データを生成する動画像符号化装置に好適に適用することができる。また、動画像符号化装置によって生成され、動画像復号装置によって参照される符号化データのデータ構造に好適に適用することができる。
（関連出願の相互参照）
　本出願は、２０１８年１２月２７日に出願された日本国特許出願：特願２０１８－２４５２４９に対して優先権の利益を主張するものであり、それを参照することにより、その内容の全てが本書に含まれる。
31　画像復号装置
301　エントロピー復号部
302　パラメータ復号部
3020　ヘッダ復号部
303　インター予測パラメータ復号部
304　イントラ予測パラメータ復号部
308　予測画像生成部
309　インター予測画像生成部
310　イントラ予測画像生成部
311　逆量子化・逆変換部
312　加算部
11　画像符号化装置
101　予測画像生成部
102　減算部
103　変換・量子化部
104　エントロピー符号化部
105　逆量子化・逆変換部
107　ループフィルタ
110　符号化パラメータ決定部
111　パラメータ符号化部
112　インター予測パラメータ符号化部
113　イントラ予測パラメータ符号化部
1110　ヘッダ符号化部
1111　CT情報符号化部
1112　CU符号化部（予測モード符号化部）
1114　TU符号化部
3091　動き補償部
3095　合成部
30951　Combined Intra/inter合成部
30952　Triangle合成部
30953　OBMC部
30954　重み付き予測部
30955　GBI部
30956　BIO部
309561　L0,L1予測画像生成部
309562　勾配画像生成部
309563　相関パラメータ計算部
309564　動き補償修正値導出部
309565　BIO予測画像生成部
3095611　L0,L1補間画像パディング処理部
3095612　スイッチ
3095613　L0,L1補間画像重み付き処理部

Claims (7)

  1. 　予測画像を生成する予測画像生成装置において、
    　Ｌ０リスト予測、Ｌ１リスト予測、又は、双予測のうちの何れかを示すインター予測フラグと、第１の重み予測に関するインデックスとを復号するインター予測パラメータ復号部と、
    　上記第１の重み予測に関するインデックスの値を用いて、上記予測画像を生成する予測画像生成部と、を備え
    　上記インター予測パラメータ復号部は、上記インター予測フラグが双予測を示す場合、第１および第２の予測リスト利用フラグを導出し、
    　上記予測画像生成部は、
    　　(i)上記第１および第２の予測リスト利用フラグの値が１であり、(ii)上記第１の重み予測に関するインデックスの値が０であり、(iii)第２の重み予測に関するフラグが第１の値である場合、双予測勾配変化処理を用いて、上記予測画像を生成し、
    　　(i)上記第１および第２の予測リスト利用フラグの値が１であり、(ii)上記第１の重み予測に関するインデックスの値が0ではない場合、一般化双方向予測を用いて、上記予測画像を生成することを特徴とする予測画像生成装置。
  2. 　上記双予測勾配変化処理は、勾配画像を用いて導出される修正値と、２つの補間画像とを用いて、上記予測画像を生成する処理であることを特徴とする請求項１に記載の予測画像生成装置。
  3. 　上記一般化双方向予測は、第１の補間画像および第２の補間画像に、テーブルから上記第１の重み予測に関するインデックスを用いて特定される第１の重み係数と、該第１の重み係数を用いて導出される第２の重み係数と、を乗算することにより、上記予測画像を生成する予測方法であることを特徴とする請求項１に記載の予測画像生成装置。
  4. 　上記第２の重み係数は、８から上記第１の重み係数を減算した値であることを特徴とする請求項３に記載の予測画像生成装置。
  5. 　請求項１に記載の予測画像生成装置を備え、
    　上記予測画像に対して、残差画像を加算または減算することによって符号化対象画像を復元することを特徴とする動画像復号装置。
  6. 　請求項１に記載の予測画像生成装置を備え、
    　上記予測画像と符号化対象画像との残差を符号化することを特徴とする動画像符号化装置。
  7. 　予測画像を生成する予測画像生成方法において、
    　Ｌ０リスト予測、Ｌ１リスト予測、又は、双予測のうちの何れかを示すインター予測フラグと、第１の重み予測に関するインデックスとを復号するステップと、
    　上記インター予測フラグが双予測を示す場合、第１および第２の予測リスト利用フラグを導出するステップと、
    　上記第１の重み予測に関するインデックスの値を用いて、上記予測画像を生成するステップと、を少なくとも含み、
    　上記予測画像を生成するステップは、
    　　(i)上記第１および第２の予測リスト利用フラグの値が１であり、(ii)上記第１の重み予測に関するインデックスの値が０であり、(iii)第２の重み予測に関するフラグが第１の値である場合、双予測勾配変化処理を用いて、上記予測画像を生成し、
    　　(i)上記第１および第２の予測リスト利用フラグの値が１であり、(ii)上記第１の重み予測に関するインデックスの値が0ではない場合、一般化双方向予測を用いて、上記予測画像を生成することを特徴とする予測画像生成方法。
PCT/JP2019/050202 2018-12-27 2019-12-20 予測画像生成装置、動画像復号装置、動画像符号化装置および予測画像生成方法 WO2020137920A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
US17/417,154 US20220078431A1 (en) 2018-12-27 2019-12-20 Prediction image generation apparatus, video decoding apparatus, video coding apparatus, and prediction image generation method
MX2021007631A MX2021007631A (es) 2018-12-27 2019-12-20 Aparato generador de imagenes de prediccion, aparato de decodificacion de video, aparato de codificacion de video, y metodo de generacion de imagenes de prediccion.
EP19906111.0A EP3905694A4 (en) 2018-12-27 2019-12-20 PREDICTION IMAGE GENERATING DEVICE, MOVING IMAGE DECODING DEVICE, MOVING IMAGE ENCODING DEVICE AND PREDICTION IMAGE GENERATING METHOD
CN201980085477.5A CN113228682A (zh) 2018-12-27 2019-12-20 预测图像生成装置、运动图像解码装置、运动图像编码装置以及预测图像生成方法
JP2020563224A JPWO2020137920A1 (ja) 2018-12-27 2019-12-20 予測画像生成装置、動画像復号装置、動画像符号化装置および予測画像生成方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-245249 2018-12-27
JP2018245249 2018-12-27

Publications (1)

Publication Number Publication Date
WO2020137920A1 true WO2020137920A1 (ja) 2020-07-02

Family

ID=71127761

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/050202 WO2020137920A1 (ja) 2018-12-27 2019-12-20 予測画像生成装置、動画像復号装置、動画像符号化装置および予測画像生成方法

Country Status (6)

Country Link
US (1) US20220078431A1 (ja)
EP (1) EP3905694A4 (ja)
JP (1) JPWO2020137920A1 (ja)
CN (1) CN113228682A (ja)
MX (1) MX2021007631A (ja)
WO (1) WO2020137920A1 (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020084474A1 (en) 2018-10-22 2020-04-30 Beijing Bytedance Network Technology Co., Ltd. Gradient computation in bi-directional optical flow
WO2020098647A1 (en) 2018-11-12 2020-05-22 Beijing Bytedance Network Technology Co., Ltd. Bandwidth control methods for affine prediction
CN113056914B (zh) 2018-11-20 2024-03-01 北京字节跳动网络技术有限公司 基于部分位置的差计算
JP2022521554A (ja) * 2019-03-06 2022-04-08 北京字節跳動網絡技術有限公司 変換された片予測候補の利用
WO2020198543A1 (en) * 2019-03-26 2020-10-01 Beijing Dajia Internet Information Technology Co., Ltd. Methods and devices for bit-depth control for bi-directional optical flow
BR112022004553A2 (pt) 2019-09-13 2022-06-07 Beijing Bytedance Network Tech Co Ltd Método de processamento de dados de vídeo, aparelho para processar dados de vídeo, meio de armazenamento e meio de gravação não transitórios legíveis por computador
CN114189324B (zh) * 2021-11-12 2024-03-22 湖南遥昇通信技术有限公司 一种消息安全签名方法、***、设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9648318B2 (en) * 2012-09-30 2017-05-09 Qualcomm Incorporated Performing residual prediction in video coding
US10887619B2 (en) * 2016-02-03 2021-01-05 Sharp Kabushiki Kaisha Moving image decoding device, moving image coding device, and prediction image generation device
JP7450611B2 (ja) * 2018-10-02 2024-03-15 インターデジタル ヴイシー ホールディングス， インコーポレイテッド 一般化された双予測および重み付き予測

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BROSS, B. ET AL.: "Versatile video coding (draft 3)", JOINT VIDEO EXPERTS TEAM (JVET) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG 11 12TH MEETING, vol. 93, no. 94, 20 December 2018 (2018-12-20), Macao, CN, pages 34 - 36, XP030200071 *
See also references of EP3905694A4
YE, Y. ET AL.: "AHG13: on bi-prediction with weighted averaging and weighted prediction", JOINT VIDEO EXPERTS TEAM (JVET) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG 11 13TH MEETING, 11 January 2019 (2019-01-11), Marrakech, MA, XP030201470 *

Also Published As

Publication number Publication date
US20220078431A1 (en) 2022-03-10
JPWO2020137920A1 (ja) 2021-11-18
CN113228682A (zh) 2021-08-06
EP3905694A1 (en) 2021-11-03
MX2021007631A (es) 2021-08-11
EP3905694A4 (en) 2022-11-16

Similar Documents

Publication Publication Date Title
WO2020137920A1 (ja) 予測画像生成装置、動画像復号装置、動画像符号化装置および予測画像生成方法
WO2020184487A1 (ja) 動画像復号装置
WO2020116456A1 (ja) 動画像復号装置
WO2021111962A1 (ja) 動画像復号装置
WO2020059877A1 (ja) 画像復号装置および画像符号化装置
JP2020053924A (ja) 動画像符号化装置、動画像復号装置
JP7448349B2 (ja) 動画像復号装置
JPWO2020045248A1 (ja) 動画像復号装置および動画像符号化装置
JP2020096279A (ja) 予測画像生成装置、動画像復号装置および動画像符号化装置
JP2020108012A (ja) 画像復号装置および画像符号化装置
JP2020145650A (ja) 画像復号装置および画像符号化装置
JP2020088660A (ja) 動画像符号化装置、動画像復号装置
WO2021200658A1 (ja) 動画像復号装置及び動画像復号方法
WO2021200610A1 (ja) 動画像復号装置、動画像符号化装置、動画像復号方法及び動画像符号化方法
JP2022087865A (ja) 画像復号装置及び画像符号化装置
US11044490B2 (en) Motion compensation filter apparatus, image decoding apparatus, and video coding apparatus
JP2020170901A (ja) 予測画像生成装置、動画像復号装置および動画像符号化装置
JP2020096329A (ja) 予測画像生成装置、動画像復号装置および動画像符号化装置
JP2020088577A (ja) 予測画像生成装置、動画像復号装置、および動画像符号化装置
JP7378968B2 (ja) 予測画像生成装置、動画像復号装置および動画像符号化装置
WO2020122130A1 (ja) 予測画像生成装置、動画像復号装置、動画像符号化装置および予測画像生成方法
WO2021235448A1 (ja) 動画像符号化装置及び動画像復号装置
JP7465128B2 (ja) 動画像符号化装置及び動画像復号装置
RU2799802C2 (ru) Устройство генерирования прогнозируемых изображений, устройство декодирования видеосигналов, устройство кодирования видеосигналов и способ генерирования прогнозируемых изображений
JP2020109919A (ja) 予測画像生成装置、動画像復号装置および動画像符号化装置

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: 19906111

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020563224

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019906111

Country of ref document: EP

Effective date: 20210727