WO2021025080A1 - 符号化装置、復号装置、符号化方法、および復号方法 - Google Patents

符号化装置、復号装置、符号化方法、および復号方法 Download PDF

Info

Publication number
WO2021025080A1
WO2021025080A1 PCT/JP2020/030073 JP2020030073W WO2021025080A1 WO 2021025080 A1 WO2021025080 A1 WO 2021025080A1 JP 2020030073 W JP2020030073 W JP 2020030073W WO 2021025080 A1 WO2021025080 A1 WO 2021025080A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
unit
prediction
block
header
Prior art date
Application number
PCT/JP2020/030073
Other languages
English (en)
French (fr)
Inventor
チョン スン リム
ハイ ウェイ スン
ジン ヤ リ
ハン ブン テオ
チェ ウェイ クオ
チュ トン ワン
安倍　清史
西　孝啓
遠間　正真
祐介 加藤
Original Assignee
パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
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 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ filed Critical パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Priority to CN202080053915.2A priority Critical patent/CN114175639A/zh
Publication of WO2021025080A1 publication Critical patent/WO2021025080A1/ja
Priority to US17/583,768 priority patent/US11716470B2/en
Priority to US18/208,380 priority patent/US20230344996A1/en

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
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • H04N19/82—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation involving filtering within a prediction loop
    • 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
    • H04N19/169—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
    • H04N19/188—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a video data packet, e.g. a network abstraction layer [NAL] unit
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards

Definitions

  • the present disclosure relates to video coding, for example, systems, components, and methods in video coding and decoding.
  • the video coding technology is H. From 261 and MPEG-1, H.M. 264 / AVC (Advanced Video Coding), MPEG-LA, H. 265 / HEVC (High Efficiency Video Coding), and H. We are making progress toward 266 / VVC (Versatile Video Codec). With this advancement, there is a constant need to provide improvements and optimizations in video coding techniques to handle the ever-growing amount of digital video data in a variety of applications.
  • Non-Patent Document 1 relates to an example of a conventional standard relating to the above-mentioned video coding technology.
  • the present disclosure may contribute to one or more of, for example, improvement of coding efficiency, improvement of image quality, reduction of processing amount, reduction of circuit scale, improvement of processing speed, and appropriate selection of elements or operations.
  • the coding apparatus includes a circuit and a memory connected to the circuit, and the circuit provides information for deriving a parameter to a first header of a bitstream in operation.
  • a second image is generated by encoding and filtering the reconstructed sample of the first image using a filtering process to determine whether the parameter is a default value, and if the parameter is the default value, the above.
  • the second image is used to encode the third image, and if the parameter is not the default value, the first image is used to encode the third image.
  • Some implementations of the embodiments in the present disclosure may improve coding efficiency, simplify coding / decoding processing, or increase coding / decoding processing speed.
  • Appropriate filters, block sizes, motion vectors, reference pictures, reference blocks, etc. may be used to efficiently select appropriate components / actions used for encoding and decoding.
  • the configuration or method according to one aspect of the present disclosure includes, for example, improvement of coding efficiency, improvement of image quality, reduction of processing amount, reduction of circuit scale, improvement of processing speed, and appropriate selection of elements or operations. Can contribute to one or more of them.
  • the configuration or method according to one aspect of the present disclosure may contribute to benefits other than the above.
  • FIG. 1 is a block diagram showing a functional configuration of a coding device according to an embodiment.
  • FIG. 2 is a flowchart showing an example of an overall coding process by the coding apparatus.
  • FIG. 3 is a conceptual diagram showing an example of block division.
  • FIG. 4A is a conceptual diagram showing an example of slice configuration.
  • FIG. 4B is a conceptual diagram showing an example of the tile configuration.
  • FIG. 5A is a table showing transformation basis functions corresponding to various transformation types.
  • FIG. 5B is a conceptual diagram showing an example of SVT (Spatially Varying Transfer).
  • FIG. 6A is a conceptual diagram showing an example of the shape of the filter used in ALF (adaptive loop filter).
  • FIG. 6B is a conceptual diagram showing another example of the shape of the filter used in ALF.
  • FIG. 6A is a conceptual diagram showing an example of the shape of the filter used in ALF (adaptive loop filter).
  • FIG. 6B is a conceptual diagram showing another example of the shape of the
  • FIG. 6C is a conceptual diagram showing another example of the shape of the filter used in ALF.
  • FIG. 7 is a block diagram showing an example of a detailed configuration of a loop filter unit that functions as a DBF (deblocking filter).
  • FIG. 8 is a conceptual diagram showing an example of a deblocking filter having a filter characteristic symmetrical with respect to a block boundary.
  • FIG. 9 is a conceptual diagram for explaining a block boundary on which deblocking filtering is performed.
  • FIG. 10 is a conceptual diagram showing an example of the Bs value.
  • FIG. 11 is a flowchart showing an example of processing performed by the prediction processing unit of the coding apparatus.
  • FIG. 12 is a flowchart showing another example of processing performed by the prediction processing unit of the coding apparatus.
  • FIG. 11 is a flowchart showing an example of processing performed by the prediction processing unit of the coding apparatus.
  • FIG. 13 is a flowchart showing another example of the processing performed by the prediction processing unit of the coding apparatus.
  • FIG. 14 is a conceptual diagram showing an example of 67 intra prediction modes in the intra prediction of the embodiment.
  • FIG. 15 is a flowchart showing an example of the basic processing flow of inter-prediction.
  • FIG. 16 is a flowchart showing an example of motion vector derivation.
  • FIG. 17 is a flowchart showing another example of deriving the motion vector.
  • FIG. 18 is a flowchart showing another example of deriving the motion vector.
  • FIG. 19 is a flowchart showing an example of inter-prediction by the normal inter-mode.
  • FIG. 20 is a flowchart showing an example of inter-prediction by the merge mode.
  • FIG. 20 is a flowchart showing an example of inter-prediction by the merge mode.
  • FIG. 21 is a conceptual diagram for explaining an example of the motion vector derivation process in the merge mode.
  • FIG. 22 is a flowchart showing an example of FRUC (frame rate upconversion) processing.
  • FIG. 23 is a conceptual diagram for explaining an example of pattern matching (bilateral matching) between two blocks along a motion trajectory.
  • FIG. 24 is a conceptual diagram for explaining an example of pattern matching (template matching) between a template in the current picture and a block in the reference picture.
  • FIG. 25A is a conceptual diagram for explaining an example of deriving a motion vector in sub-block units based on motion vectors of a plurality of adjacent blocks.
  • FIG. 25B is a conceptual diagram for explaining an example of deriving a motion vector in sub-block units in an affine mode having three control points.
  • FIG. 26A is a conceptual diagram for explaining the affine merge mode.
  • FIG. 26B is a conceptual diagram for explaining an affine merge mode having two control points.
  • FIG. 26C is a conceptual diagram for explaining an affine merge mode having three control points.
  • FIG. 27 is a flowchart showing an example of processing in the affine merge mode.
  • FIG. 28A is a conceptual diagram for explaining an affine intermode having two control points.
  • FIG. 28B is a conceptual diagram for explaining an affine intermode having three control points.
  • FIG. 29 is a flowchart showing an example of processing in the affine intermode.
  • FIG. 30A is a conceptual diagram for explaining an affine intermode in which the current block has three control points and the adjacent block has two control points.
  • FIG. 30B is a conceptual diagram for explaining an affine intermode in which the current block has two control points and the adjacent block has three control points.
  • FIG. 31A is a flowchart showing a merge mode including DMVR (decoder motion vector refinement).
  • FIG. 31B is a conceptual diagram for explaining an example of DMVR processing.
  • FIG. 32 is a flowchart showing an example of generating a predicted image.
  • FIG. 33 is a flowchart showing another example of generating a predicted image.
  • FIG. 34 is a flowchart showing another example of generating a predicted image.
  • FIG. 35 is a flowchart for explaining an example of the prediction image correction process by the OBMC (overlapped block motion compression) process.
  • FIG. 36 is a conceptual diagram for explaining an example of the predicted image correction process by the OBMC process.
  • FIG. 37 is a conceptual diagram for explaining the generation of predicted images of two triangles.
  • FIG. 38 is a conceptual diagram for explaining a model assuming constant velocity linear motion.
  • FIG. 39 is a conceptual diagram for explaining an example of a predicted image generation method using the luminance correction process by the LIC (local illumination compression) process.
  • FIG. 40 is a block diagram showing an implementation example of the coding apparatus.
  • FIG. 41 is a block diagram showing a functional configuration of the decoding device according to the embodiment.
  • FIG. 42 is a flowchart showing an example of an overall decoding process by the decoding device.
  • FIG. 43 is a flowchart showing an example of processing performed by the prediction processing unit of the decoding device.
  • FIG. 44 is a flowchart showing another example of processing performed by the prediction processing unit of the decoding device.
  • FIG. 45 is a flowchart showing an example of inter-prediction by the normal inter-mode in the decoding device.
  • FIG. 46 is a block diagram showing an implementation example of the decoding device.
  • FIG. 47 is a flowchart of the decoding process according to the first aspect.
  • FIG. 48 is a diagram showing a configuration example of the decoding device.
  • FIG. 49 is a diagram showing a configuration example of the decoding device.
  • FIG. 50 is a diagram showing a configuration example of a decoding device.
  • FIG. 51 is a diagram showing a configuration example of a decoding device.
  • FIG. 52 is a diagram showing a configuration example of the decoding device.
  • FIG. 53 is a diagram showing a configuration example of the decoding device.
  • FIG. 54 is a diagram showing a configuration example of the decoding device.
  • FIG. 55 is a diagram showing a configuration example of the decoding device.
  • FIG. 56 is a flowchart of the decoding process according to the second aspect.
  • FIG. 57 is a flowchart of the decoding process according to the third aspect.
  • FIG. 58 is a flowchart of the decoding process according to the fourth aspect.
  • FIG. 59 is a diagram showing a calculation example of gradient information.
  • FIG. 51 is a diagram showing a configuration example of a decoding device.
  • FIG. 52 is a diagram showing a configuration example of the decoding device.
  • FIG. 53 is
  • FIG. 60 is a diagram showing a calculation example of gradient information.
  • FIG. 61 is a diagram showing a calculation example of gradient information.
  • FIG. 62 is a diagram showing a calculation example of gradient information.
  • FIG. 63 is a block diagram showing an overall configuration of a content supply system that realizes a content distribution service.
  • FIG. 64 is a conceptual diagram showing an example of a coding structure at the time of scalable coding.
  • FIG. 65 is a conceptual diagram showing an example of a coding structure at the time of scalable coding.
  • FIG. 66 is a conceptual diagram showing an example of a display screen of a web page.
  • FIG. 67 is a conceptual diagram showing an example of a display screen of a web page.
  • FIG. 68 is a block diagram showing an example of a smartphone.
  • FIG. 69 is a block diagram showing a configuration example of a smartphone.
  • the coding apparatus includes a circuit and a memory connected to the circuit, and the circuit encodes information for deriving a parameter to a first header of a bitstream in operation.
  • the second image is generated by filtering the reconstructed sample of the first image by using the filtering process, it is determined whether the parameter is the default value, and if the parameter is the default value, the second image is described.
  • the image is used to encode the third image, and if the parameter is not the default value, the first image is used to encode the third image.
  • the encoding device can switch whether to use the second image after the application of the filtering process or the first image before the application for the reference of the subsequent picture.
  • the filtering is effective in improving the subjective image quality but is not suitable as a reference image
  • the first image before the application of the filtering is used as the reference image to reduce the coding efficiency.
  • Subjective image quality can be improved while suppressing it.
  • the header may be APS (Adaptation Parameter Set).
  • the header may be SPS (Sequence Parameter Set).
  • the header may be PPS (Picture Parameter Set).
  • the header may be a slice header or a tile header.
  • the header may be a brick header.
  • the header may be SEI (Supplemental Enhancement Information).
  • the filtering process may include an adaptive loop filtering process.
  • the filtering process may include a cross-component adaptive loop filtering process.
  • the filtering process may include a deblocking filtering process.
  • the filtering process may include a sample adaptive offset process.
  • the filtering process may include an LMCS (Luma mapping with chroma scaling) process.
  • LMCS Large mapping with chroma scaling
  • the sharpening filter may be used for the filtering process.
  • the decoding device includes a circuit and a memory connected to the circuit, and the circuit derives parameters from information contained in a bitstream header in operation and obtains a first image.
  • a second image is generated by filtering the reconstructed sample using a filtering process, it is determined whether or not the parameter is a default value, and if the parameter is the default value, the second image is used. 3 The image is decoded, and if the parameter is not the default value, the first image is used to decode the third image and display the second image.
  • the decoding device can switch whether to use the second image after the application of the filtering process or the first image before the application for the reference of the subsequent picture.
  • the filtering is effective in improving the subjective image quality but is not suitable as a reference image
  • the first image before the application of the filtering is used as the reference image to reduce the coding efficiency.
  • Subjective image quality can be improved while suppressing it.
  • the header may be APS (Adaptation Parameter Set).
  • the header may be SPS (Sequence Parameter Set).
  • the header may be PPS (Picture Parameter Set).
  • the header may be a slice header or a tile header.
  • the header may be a brick header.
  • the header may be SEI (Supplemental Enhancement Information).
  • the filtering process may include an adaptive loop filtering process.
  • the filtering process may include a cross-component adaptive loop filtering process.
  • the filtering process may include a deblocking filtering process.
  • the filtering process may include a sample adaptive offset process.
  • the filtering process may include an LMCS (Luma mapping with chroma scaling) process.
  • LMCS Large mapping with chroma scaling
  • a sharpening filter may be used for the filtering process.
  • information for deriving a parameter is encoded in the first header of the bit stream, and the reconstruction sample of the first image is filtered by using a filtering process.
  • Two images are generated, it is determined whether the parameter is a default value, and if the parameter is the default value, the third image is encoded using the second image, and the parameter is not the default value.
  • the third image is encoded using the first image.
  • the coding method can switch whether to use the second image after the application of the filtering process or the first image before the application for the reference of the subsequent picture.
  • the filtering is effective in improving the subjective image quality but is not suitable as a reference image
  • the first image before the application of the filtering is used as the reference image to reduce the coding efficiency.
  • Subjective image quality can be improved while suppressing it.
  • a parameter is derived from the information contained in the header of the bit stream, and the reconstructed sample of the first image is filtered by using a filtering process to generate a second image. , If the parameter is the default value, the third image is decoded using the second image, and if the parameter is not the default value, the first image. The third image is decoded and the second image is displayed.
  • the decoding method can switch whether to use the second image after the application of the filtering process or the first image before the application for the reference of the subsequent picture.
  • the filtering is effective in improving the subjective image quality but is not suitable as a reference image
  • the first image before the application of the filtering is used as the reference image to reduce the coding efficiency.
  • Subjective image quality can be improved while suppressing it.
  • Embodiments are examples of encoding and decoding devices to which the processes and / or configurations described in each aspect of the present disclosure can be applied.
  • the processing and / or configuration can also be performed in a coding device and a decoding device different from the embodiment.
  • any of the following may be performed.
  • Some of the components constituting the coding device or the decoding device of the embodiment may be combined with the components described in any of the aspects of the present disclosure. , May be combined with a component comprising some of the functions described in any of the aspects of the present disclosure, or a component performing part of the processing performed by the component described in each aspect of the present disclosure. May be combined with.
  • a component including a part of the function of the coding device or the decoding device of the embodiment, or a component performing a part of the processing of the coding device or the decoding device of the embodiment is disclosed in the present disclosure.
  • any one of the plurality of processes included in the method is the process described in any one of the aspects of the present disclosure, or the same. It may be replaced or combined with any of the processes.
  • the method of carrying out the processing and / or the configuration described in each aspect of the present disclosure is not limited to the coding device or the decoding device of the embodiment.
  • the processing and / or configuration may be performed in an apparatus used for a purpose different from the moving image coding or video decoding disclosed in the embodiments.
  • FIG. 1 is a block diagram showing a functional configuration of the coding device 100 according to the embodiment.
  • the coding device 100 is a moving image coding device that encodes a moving image in block units.
  • the coding device 100 is a device that encodes an image in block units, and includes a dividing unit 102, a subtracting unit 104, a converting unit 106, a quantization unit 108, and entropy coding.
  • Unit 110 inverse quantization unit 112, inverse conversion unit 114, addition unit 116, block memory 118, loop filter unit 120, frame memory 122, intra-prediction unit 124, inter-prediction unit 126, and It includes a predictive control unit 128.
  • the coding device 100 is realized by, for example, a general-purpose processor and a memory.
  • the processor uses the division unit 102, the subtraction unit 104, the conversion unit 106, the quantization unit 108, the entropy coding unit 110, and the inverse quantization unit 112. , Inverse conversion unit 114, addition unit 116, loop filter unit 120, intra prediction unit 124, inter prediction unit 126, and prediction control unit 128.
  • the coding device 100 includes a division unit 102, a subtraction unit 104, a conversion unit 106, a quantization unit 108, an entropy coding unit 110, an inverse quantization unit 112, an inverse conversion unit 114, an addition unit 116, and a loop filter unit 120.
  • It may be realized as one or more dedicated electronic circuits corresponding to the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • the overall processing flow of the coding device 100 will be described below, and then each component included in the coding device 100 will be described.
  • FIG. 2 is a flowchart showing an example of an overall coding process by the coding device 100.
  • the dividing unit 102 of the coding device 100 divides each picture included in the input image which is a moving image into a plurality of fixed size blocks (for example, 128 ⁇ 128 pixels) (step Sa_1). Then, the division unit 102 selects a division pattern (also referred to as a block shape) for the fixed size block (step Sa_2). That is, the division unit 102 further divides the fixed size block into a plurality of blocks constituting the selected division pattern. Then, the coding apparatus 100 performs the processing of steps Sa_3 to Sa_9 on each of the plurality of blocks (that is, the block to be coded).
  • a division pattern also referred to as a block shape
  • the prediction processing unit including all or part of the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 generates a prediction signal (also referred to as a prediction block) of the coded target block (also referred to as a current block). (Step Sa_3).
  • the subtraction unit 104 generates the difference between the coded block and the predicted block as a predicted residual (also referred to as a difference block) (step Sa_4).
  • the conversion unit 106 and the quantization unit 108 generate a plurality of quantization coefficients by performing conversion and quantization on the difference block (step Sa_5).
  • a block composed of a plurality of quantization coefficients is also referred to as a coefficient block.
  • the entropy coding unit 110 generates a coded signal by encoding (specifically, entropy coding) the coefficient block and the prediction parameter related to the generation of the prediction signal (step). Sa_6).
  • the coded signal is also referred to as a coded bit stream, a compressed bit stream, or a stream.
  • the inverse quantization unit 112 and the inverse conversion unit 114 restore a plurality of predicted residuals (that is, difference blocks) by performing inverse quantization and inverse conversion on the coefficient blocks (step Sa_7).
  • the addition unit 116 reconstructs the current block into a reconstructed image (also referred to as a reconstructed image block or a decoded image block) by adding a prediction block to the restored difference block (step Sa_8). As a result, a reconstructed image is generated.
  • a reconstructed image also referred to as a reconstructed image block or a decoded image block
  • the loop filter unit 120 performs filtering on the reconstructed image as necessary (step Sa_9).
  • step Sa_10 determines whether or not the coding of the entire picture is completed (step Sa_10), and if it is determined that the coding is not completed (No in step Sa_10), the processing from step Sa_2 is repeatedly executed. To do.
  • the coding device 100 selects one division pattern for a block of a fixed size and encodes each block according to the division pattern, but according to each of the plurality of division patterns. Each block may be encoded.
  • the coding apparatus 100 evaluates the cost for each of the plurality of division patterns, and for example, a coded signal obtained by coding according to the division pattern having the lowest cost is used as an output coded signal. You may choose.
  • steps Sa_1 to Sa_110 are sequentially performed by the encoding device 100.
  • a plurality of processes among those processes may be performed in parallel, or the order of the processes may be changed.
  • the dividing unit 102 divides each picture included in the input moving image into a plurality of blocks, and outputs each block to the subtracting unit 104.
  • the dividing unit 102 first divides the picture into blocks of a fixed size (for example, 128x128). Other fixed block sizes may be adopted. This fixed size block is sometimes referred to as a coded tree unit (CTU).
  • CTU coded tree unit
  • the division 102 divides each of the fixed size blocks into variable size (for example, 64x64 or less) blocks based on, for example, recursive quadtree and / or binary tree block division. To do. That is, the division unit 102 selects a division pattern.
  • This variable size block is sometimes referred to as a coding unit (CU), a prediction unit (PU) or a conversion unit (TU).
  • CU, PU and TU need not be distinguished, and a part or all blocks in the picture may be a processing unit of CU, PU and TU.
  • FIG. 3 is a conceptual diagram showing an example of block division in the embodiment.
  • the solid line represents the block boundary due to the quadtree block division
  • the broken line represents the block boundary due to the binary tree block division.
  • the block 10 is a square block (128x128 block) having 128x128 pixels.
  • the 128x128 block 10 is first divided into four square 64x64 blocks (quadtree block division).
  • the upper left 64x64 block is further vertically divided into two rectangular 32x64 blocks, and the left 32x64 block is further vertically divided into two rectangular 16x64 blocks (binary tree block division). As a result, the upper left 64x64 block is divided into two 16x64 blocks 11 and 12 and a 32x64 block 13.
  • the 64x64 block on the upper right is horizontally divided into two rectangular 64x32 blocks 14 and 15 (binary tree block division).
  • the lower left 64x64 block is divided into four square 32x32 blocks (quadtree block division). Of the four 32x32 blocks, the upper left block and the lower right block are further divided.
  • the upper left 32x32 block is vertically divided into two rectangular 16x32 blocks, and the right 16x32 block is further divided horizontally into two 16x16 blocks (binary block division).
  • the lower right 32x32 block is horizontally divided into two 32x16 blocks (binary block division).
  • the lower left 64x64 block is divided into 16x32 blocks 16, two 16x16 blocks 17 and 18, two 32x32 blocks 19 and 20, and two 32x16 blocks 21 and 22.
  • the lower right 64x64 block 23 is not divided.
  • the block 10 is divided into 13 variable-sized blocks 11 to 23 based on the recursive quadtree and binary tree block divisions.
  • Such a division is sometimes called a QTBT (quad-tree plus binary tree) division.
  • one block was divided into four or two blocks (quadtree or binary tree block division), but the division is not limited to these.
  • one block may be divided into three blocks (ternary tree block division).
  • a division including such a ternary block division is sometimes called an MBT (multi type tree) division.
  • the pictures may be composed of slices or tiles.
  • the picture composed of slice units or tile units may be composed of the division unit 102.
  • a slice is a basic coding unit that composes a picture.
  • the picture is composed of, for example, one or more slices.
  • the slice is composed of one or more continuous CTUs (Coding Tree Units).
  • FIG. 4A is a conceptual diagram showing an example of slice configuration.
  • the picture contains 11 x 8 CTUs and is divided into 4 slices (slices 1-4).
  • Slice 1 is composed of 16 CTUs
  • slice 2 is composed of 21 CTUs
  • slice 3 is composed of 29 CTUs
  • slice 4 is composed of 22 CTUs.
  • each CTU in the picture belongs to any slice.
  • the shape of the slice is a horizontally divided picture.
  • the slice boundary does not have to be the screen edge and may be any of the CTU boundaries within the screen.
  • the processing order (encoding order or decoding order) of CTUs in a slice is, for example, a raster scan order.
  • the slice also contains header information and encoded data.
  • the header information may describe the characteristics of the slice, such as the CTU address at the beginning of the slice and the slice type.
  • a tile is a unit of a rectangular area that constitutes a picture.
  • Each tile may be assigned a number called TileId in raster scan order.
  • FIG. 4B is a conceptual diagram showing an example of the tile configuration.
  • the picture contains 11x8 CTUs and is divided into four rectangular area tiles (tiles 1-4).
  • the CTU processing order is changed as compared to when tiles are not used. If no tiles are used, multiple CTUs in the picture are processed in raster scan order. If tiles are used, at least one CTU is processed in raster scan order for each of the tiles. For example, as shown in FIG. 4B, the processing order of the plurality of CTUs included in tile 1 is from the left end of the first row of tile 1 to the right end of the first row of tile 1, and then the left end of the second row of tile 1. The order is from to the right end of the second row of tile 1.
  • one tile may contain one or more slices, and one slice may contain one or more tiles.
  • the subtraction unit 104 subtracts a prediction signal (prediction sample input from the prediction control unit 128 shown below) from the original signal (original sample) in block units input from the division unit 102 and divided by the division unit 102. .. That is, the subtraction unit 104 calculates the prediction error (also referred to as residual) of the coded block (hereinafter referred to as the current block). Then, the subtraction unit 104 outputs the calculated prediction error (residual) to the conversion unit 106.
  • a prediction signal prediction sample input from the prediction control unit 128 shown below
  • the subtraction unit 104 calculates the prediction error (also referred to as residual) of the coded block (hereinafter referred to as the current block).
  • the subtraction unit 104 outputs the calculated prediction error (residual) to the conversion unit 106.
  • the original signal is an input signal of the encoding device 100, and is a signal representing an image of each picture constituting a moving image (for example, a luminance (luma) signal and two color difference (chroma) signals).
  • the signal representing the image may be referred to as a sample.
  • the conversion unit 106 converts the prediction error in the spatial domain into the conversion coefficient in the frequency domain, and outputs the conversion coefficient to the quantization unit 108. Specifically, the conversion unit 106 performs a predetermined discrete cosine transform (DCT) or discrete sine transform (DST) with respect to the prediction error in the spatial region, for example.
  • the predetermined DCT or DST may be predetermined.
  • the conversion unit 106 adaptively selects a conversion type from a plurality of conversion types, and converts the prediction error into a conversion coefficient by using a conversion basis function (transform basis function) corresponding to the selected conversion type. You may. Such a conversion may be referred to as EMT (explicit multi-core transform) or AMT (adaptive multi-transform).
  • the plurality of conversion types include, for example, DCT-II, DCT-V, DCT-VIII, DST-I and DST-VII.
  • FIG. 5A is a table showing conversion basis functions corresponding to conversion type examples.
  • N indicates the number of input pixels.
  • the selection of the conversion type from the plurality of conversion types may depend on, for example, the type of prediction (intra-prediction and inter-prediction) or the intra-prediction mode.
  • EMT flag or AMT flag Information indicating whether or not to apply such EMT or AMT
  • information indicating the selected conversion type are usually signalized at the CU level.
  • the signalization of this information does not have to be limited to the CU level, and may be at another level (for example, bit sequence level, picture level, slice level, tile level or CTU level).
  • the conversion unit 106 may reconvert the conversion coefficient (conversion result). Such reconversion may be referred to as AST (adaptive separable transform) or NSST (non-separable second transform). For example, the conversion unit 106 reconverts each subblock (for example, 4x4 subblock) included in the block of the conversion coefficient corresponding to the intra prediction error.
  • Information indicating whether or not NSST is applied and information about the transformation matrix used in NSST are usually signalized at the CU level. The signalization of this information does not have to be limited to the CU level, and may be at another level (for example, sequence level, picture level, slice level, tile level or CTU level).
  • Separable conversion is a method of performing conversion multiple times by separating each direction by the number of dimensions of the input
  • non-separable conversion is a method of performing two or more dimensions when the input is multidimensional. This is a method in which the conversion is performed collectively by regarding them as one-dimensional.
  • Non-Separable transformation if the input is a 4x4 block, it is regarded as one array with 16 elements, and a 16x16 transformation matrix for that array. There is something like performing conversion processing with.
  • a conversion in which a 4 ⁇ 4 input block is regarded as one array having 16 elements and then Givens rotation is performed a plurality of times on the array. Givens Transition) may be performed.
  • the type of the basis to be converted into the frequency domain can be switched according to the region in the CU.
  • SVT Spaally Varying Transfer
  • the CU is bisected in the horizontal or vertical direction, and only one of the regions is converted into the frequency domain.
  • the type of conversion basis can be set for each region, for example, DST7 and DCT8 are used. In this example, only one of the two regions in the CU is converted and the other is not converted, but both regions may be converted.
  • the division method can be made more flexible by not only dividing into two equal parts but also by dividing into four equal parts or by separately encoding information indicating the division and signaling in the same manner as the CU division.
  • SVT may also be called SBT (Sub-block Transfer).
  • the quantization unit 108 quantizes the conversion coefficient output from the conversion unit 106. Specifically, the quantization unit 108 scans the conversion coefficient of the current block in a predetermined scanning order, and quantizes the conversion coefficient based on the quantization parameter (QP) corresponding to the scanned conversion coefficient. Then, the quantization unit 108 outputs the quantized conversion coefficient of the current block (hereinafter referred to as the quantization coefficient) to the entropy coding unit 110 and the inverse quantization unit 112.
  • the predetermined scanning order may be predetermined.
  • the predetermined scanning order is the order for quantization / inverse quantization of the conversion coefficient.
  • a predetermined scanning order may be defined in ascending order of frequency (low frequency to high frequency order) or descending order (high frequency to low frequency order).
  • the quantization parameter is a parameter that defines the quantization step (quantization width). For example, as the value of the quantization parameter increases, so does the quantization step. That is, as the value of the quantization parameter increases, the quantization error increases.
  • a quantization matrix may be used for quantization.
  • quantization matrices may be used corresponding to frequency conversion sizes such as 4x4 and 8x8, prediction modes such as intra-prediction and inter-prediction, and pixel components such as luminance and color difference.
  • Quantization refers to digitizing values sampled at predetermined intervals in association with a predetermined level, and is referred to in this technical field by using other expressions such as rounding, rounding, and scaling. You may adopt rounding, rounding, and scaling. Predetermined intervals and levels may be predetermined.
  • the quantization matrix As a method of using the quantization matrix, there are a method of using the quantization matrix set directly on the encoder side and a method of using the default quantization matrix (default matrix). On the encoder side, the quantization matrix can be set according to the characteristics of the image by directly setting the quantization matrix. However, in this case, there is a demerit that the coding amount increases due to the coding of the quantization matrix.
  • the quantization matrix may be specified by, for example, SPS (sequence parameter set: Sequence Parameter Set) or PPS (picture parameter set: Picture Parameter Set).
  • SPS sequence parameter set: Sequence Parameter Set
  • PPS picture parameter set: Picture Parameter Set
  • SPS and PPS are sometimes referred to simply as parameter sets.
  • the entropy coding unit 110 generates a coded signal (coded bit stream) based on the quantization coefficient input from the quantization unit 108. Specifically, the entropy coding unit 110, for example, binarizes the quantization coefficient, arithmetically encodes the binary signal, and outputs a compressed bit stream or sequence.
  • the dequantization unit 112 dequantizes the quantization coefficient input from the quantization unit 108. Specifically, the inverse quantization unit 112 inverse-quantizes the quantization coefficient of the current block in a predetermined scanning order. Then, the inverse quantization unit 112 outputs the inverse quantized conversion coefficient of the current block to the inverse conversion unit 114.
  • the predetermined scanning order may be predetermined.
  • the inverse conversion unit 114 restores the prediction error (residual) by inversely converting the conversion coefficient input from the inverse quantization unit 112. Specifically, the inverse conversion unit 114 restores the prediction error of the current block by performing an inverse conversion corresponding to the conversion by the conversion unit 106 with respect to the conversion coefficient. Then, the inverse conversion unit 114 outputs the restored prediction error to the addition unit 116.
  • the restored prediction error does not match the prediction error calculated by the subtraction unit 104 because the information is usually lost due to quantization. That is, the restored prediction error usually includes a quantization error.
  • the addition unit 116 reconstructs the current block by adding the prediction error input from the inverse conversion unit 114 and the prediction sample input from the prediction control unit 128. Then, the addition unit 116 outputs the reconstructed block to the block memory 118 and the loop filter unit 120.
  • the reconstructed block is sometimes referred to as the local decryption block.
  • the block memory 118 is, for example, a storage unit for storing a block in a picture to be encoded (referred to as a current picture), which is a block referred to in the intra prediction. Specifically, the block memory 118 stores the reconstructed block output from the addition unit 116.
  • the frame memory 122 is, for example, a storage unit for storing a reference picture used for inter-prediction, and is sometimes called a frame buffer. Specifically, the frame memory 122 stores the reconstructed block filtered by the loop filter unit 120.
  • the loop filter unit 120 applies a loop filter to the block reconstructed by the addition unit 116, and outputs the filtered reconstructed block to the frame memory 122.
  • the loop filter is a filter (in-loop filter) used in the coded loop, and includes, for example, a deblocking filter (DF or DBF), a sample adaptive offset (SAO), an adaptive loop filter (ALF), and the like.
  • a least squares error filter is applied to remove coding distortion, for example, for each 2x2 subblock in the current block, multiple based on the direction of the local gradient and the activity.
  • One filter selected from the filters is applied.
  • subblocks for example, 2x2 subblocks
  • a plurality of classes for example, 15 or 25 classes.
  • the direction value D of the gradient is derived, for example, by comparing the gradients in a plurality of directions (for example, horizontal, vertical and two diagonal directions). Further, the gradient activity value A is derived, for example, by adding gradients in a plurality of directions and quantizing the addition result.
  • the filter for the subblock is determined from the plurality of filters.
  • FIG. 6A-6C are views showing a plurality of examples of filter shapes used in ALF.
  • FIG. 6A shows a 5x5 diamond-shaped filter
  • FIG. 6B shows a 7x7 diamond-shaped filter
  • FIG. 6C shows a 9x9 diamond-shaped filter.
  • Information indicating the shape of the filter is usually signalized at the picture level. The signalization of the information indicating the shape of the filter does not have to be limited to the picture level, and may be other levels (for example, sequence level, slice level, tile level, CTU level or CU level).
  • ALF on / off may be determined, for example, at the picture level or the CU level. For example, it may be determined whether or not to apply ALF at the CU level for luminance, and whether or not to apply ALF at the picture level for color difference.
  • Information indicating the on / off of ALF is usually signalized at the picture level or the CU level. The signalization of the information indicating the on / off of ALF does not have to be limited to the picture level or the CU level, and may be at other levels (for example, sequence level, slice level, tile level or CTU level). Good.
  • the coefficient set of a plurality of selectable filters (eg, filters up to 15 or 25) is usually signalized at the picture level. Note that the signalization of the coefficient set does not have to be limited to the picture level and may be at other levels (eg, sequence level, slice level, tile level, CTU level, CU level or subblock level).
  • the loop filter unit 120 reduces the distortion generated at the block boundary by filtering the block boundary of the reconstructed image.
  • FIG. 7 is a block diagram showing an example of a detailed configuration of the loop filter unit 120 that functions as a deblocking filter.
  • the loop filter unit 120 includes a boundary determination unit 1201, a filter determination unit 1203, a filter processing unit 1205, a processing determination unit 1208, a filter characteristic determination unit 1207, and switches 1202, 1204 and 1206.
  • the boundary determination unit 1201 determines whether or not the pixel to be deblocked filtered (that is, the target pixel) exists near the block boundary. Then, the boundary determination unit 1201 outputs the determination result to the switch 1202 and the processing determination unit 1208.
  • the switch 1202 When the boundary determination unit 1201 determines that the target pixel exists near the block boundary, the switch 1202 outputs the image before the filtering process to the switch 1204. On the contrary, when the boundary determination unit 1201 determines that the target pixel does not exist near the block boundary, the switch 1202 outputs the image before the filtering process to the switch 1206.
  • the filter determination unit 1203 determines whether or not to perform deblocking filter processing on the target pixel based on the pixel value of at least one peripheral pixel in the vicinity of the target pixel. Then, the filter determination unit 1203 outputs the determination result to the switch 1204 and the processing determination unit 1208.
  • the switch 1204 When the filter determination unit 1203 determines that the target pixel is to be deblocked and filtered, the switch 1204 outputs the image before the filter processing acquired via the switch 1202 to the filter processing unit 1205. On the contrary, when the filter determination unit 1203 determines that the target pixel is not deblocked and filtered, the switch 1204 outputs the unfiltered image acquired through the switch 1202 to the switch 1206.
  • the filter processing unit 1205 When the filter processing unit 1205 acquires the image before filtering through the switches 1202 and 1204, the filter processing unit 1205 performs deblocking filtering processing having the filter characteristics determined by the filter characteristic determining unit 1207 on the target pixel. Execute. Then, the filter processing unit 1205 outputs the filtered pixels to the switch 1206.
  • the switch 1206 selectively outputs the pixels that have not been deblocked and filtered by the processing determination unit 1208 and the pixels that have been deblocked and filtered by the filter processing unit 1205.
  • the processing determination unit 1208 controls the switch 1206 based on the respective determination results of the boundary determination unit 1201 and the filter determination unit 1203. That is, when the processing determination unit 1208 is determined by the boundary determination unit 1201 that the target pixel exists near the block boundary, and is determined by the filter determination unit 1203 that the target pixel is subjected to the deblocking filter processing. Outputs deblocking-filtered pixels from switch 1206. Further, except in the above case, the processing determination unit 1208 causes the switch 1206 to output the pixels that have not been deblocked and filtered. By repeatedly outputting such pixels, the filtered image is output from the switch 1206.
  • FIG. 8 is a conceptual diagram showing an example of a deblocking filter having a filter characteristic symmetrical with respect to a block boundary.
  • one of two deblocking filters having different characteristics is selected by using the pixel value and the quantization parameter.
  • the strong filter as shown in FIG. 8, when the pixels p0 to p2 and the pixels q0 to q2 are present across the block boundary, the pixel values of the pixels q0 to q2 are, for example, the operations shown in the following equation. By performing the above, the pixel values are changed to q'0 to q'2.
  • p0 to p2 and q0 to q2 are pixel values of pixels p0 to p2 and pixels q0 to q2, respectively.
  • q3 is a pixel value of pixel q3 adjacent to pixel q2 on the side opposite to the block boundary.
  • the coefficient multiplied by the pixel value of each pixel used for the deblocking filter processing is the filter coefficient.
  • the clip processing may be performed so that the pixel value after the calculation is not set exceeding the threshold value.
  • the pixel value after the calculation by the above formula is clipped to "calculation target pixel value ⁇ 2 ⁇ threshold value" using the threshold value determined from the quantization parameter. This makes it possible to prevent excessive smoothing.
  • FIG. 9 is a conceptual diagram for explaining a block boundary on which deblocking filtering is performed.
  • FIG. 10 is a conceptual diagram showing an example of the Bs value.
  • the block boundary on which the deblocking filter processing is performed is, for example, the boundary of a PU (Prediction Unit) or a TU (Transform Unit) of an 8 ⁇ 8 pixel block as shown in FIG.
  • the deblocking filtering process may be performed in units of 4 rows or 4 columns.
  • the Bs (Boundary Strength) value is determined for the blocks P and Q shown in FIG. 9 as shown in FIG.
  • the deblocking filter processing for the color difference signal is performed when the Bs value is 2.
  • the deblocking filter processing for the luminance signal is performed when the Bs value is 1 or more and a predetermined condition is satisfied. Predetermined conditions may be predetermined.
  • the Bs value determination condition is not limited to that shown in FIG. 10, and may be determined based on other parameters.
  • FIG. 11 is a flowchart showing an example of processing performed by the prediction processing unit of the coding apparatus 100.
  • the prediction processing unit is composed of all or a part of the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • the prediction processing unit generates a prediction image of the current block (step Sb_1).
  • This prediction image is also referred to as a prediction signal or a prediction block.
  • the prediction signal includes, for example, an intra prediction signal or an inter prediction signal.
  • the prediction processing unit generates a reconstructed image that has already been obtained by generating a prediction block, a difference block, a coefficient block, a restoration of the difference block, and a decoded image block. Is used to generate a predicted image of the current block.
  • the reconstructed image may be, for example, an image of a reference picture or an image of an encoded block in the current picture which is a picture including the current block.
  • the encoded block in the current picture is, for example, a block adjacent to the current block.
  • FIG. 12 is a flowchart showing another example of processing performed by the prediction processing unit of the coding apparatus 100.
  • the prediction processing unit generates a prediction image by the first method (step Sc_1a), generates a prediction image by the second method (step Sc_1b), and generates a prediction image by the third method (step Sc_1c).
  • the first method, the second method, and the third method are different methods for generating a prediction image, and are, for example, an inter prediction method, an intra prediction method, and other prediction methods, respectively. There may be. In these prediction methods, the above-mentioned reconstructed image may be used.
  • the prediction processing unit selects any one of the plurality of prediction images generated in steps Sc_1a, Sc_1b, and Sc_1c (step Sc_2).
  • the selection of the predicted image may be performed based on the cost calculated for each generated predicted image. Alternatively, the selection of the predicted image may be made based on the parameters used in the coding process.
  • the coding device 100 may signal the information for identifying the selected predicted image, method or mode into a coded signal (also referred to as a coded bit stream). The information may be, for example, a flag. Thereby, the decoding device can generate a predicted image according to the method or mode selected in the coding device 100 based on the information.
  • the prediction processing unit selects one of the prediction images after generating the prediction images by each method. However, before generating those prediction images, the prediction processing unit selects a method or mode based on the parameters used in the above-mentioned coding process, and generates prediction images according to the method or mode. May be good.
  • the first method and the second method are intra prediction and inter prediction, respectively, and the prediction processing unit obtains a final prediction image for the current block from the prediction images generated according to these prediction methods. You may choose.
  • FIG. 13 is a flowchart showing another example of processing performed by the prediction processing unit of the coding apparatus 100.
  • the prediction processing unit generates a prediction image by intra-prediction (step Sd_1a) and generates a prediction image by inter-prediction (step Sd_1b).
  • the prediction image generated by the intra prediction is also referred to as an intra prediction image
  • the prediction image generated by the inter prediction is also referred to as an inter prediction image.
  • the prediction processing unit evaluates each of the intra prediction image and the inter prediction image (step Sd_2). Costs may be used for this evaluation. That is, the prediction processing unit calculates the cost C of each of the intra prediction image and the inter prediction image.
  • D is the coding distortion of the predicted image, and is represented by, for example, the sum of the absolute values of the differences between the pixel values of the current block and the pixel values of the predicted image.
  • R is a code amount generated in the predicted image, and specifically, is a code amount required for coding motion information or the like for generating a predicted image.
  • ⁇ is, for example, an undetermined multiplier of Lagrange.
  • the prediction processing unit selects the prediction image for which the smallest cost C is calculated from the intra prediction image and the inter prediction image as the final prediction image of the current block (step Sd_3). That is, the prediction method or mode for generating the prediction image of the current block is selected.
  • the intra prediction unit 124 generates a prediction signal (intra prediction signal) by performing intra prediction (also referred to as in-screen prediction) of the current block with reference to a block in the current picture stored in the block memory 118. Specifically, the intra prediction unit 124 generates an intra prediction signal by performing intra prediction with reference to a sample of a block adjacent to the current block (for example, a luminance value and a color difference value), and predicts and controls the intra prediction signal. Output to unit 128.
  • intra prediction signal intra prediction signal
  • intra prediction also referred to as in-screen prediction
  • the intra prediction unit 124 makes an intra prediction using one of a plurality of specified intra prediction modes.
  • the plurality of intra prediction modes usually include one or more non-directional prediction modes and a plurality of directional prediction modes.
  • the specified plurality of modes may be predetermined.
  • One or more non-directional prediction modes are, for example, H. Includes Planar prediction mode and DC prediction mode specified in the 265 / HEVC standard.
  • Multiple directional prediction modes are, for example, H. Includes 33 direction prediction modes as defined by the 265 / HEVC standard.
  • the plurality of directional prediction modes may include 32 directions (65 directional prediction modes in total) in addition to the 33 directions.
  • FIG. 14 is a conceptual diagram showing a total of 67 intra prediction modes (2 non-directional prediction modes and 65 directional prediction modes) that can be used in intra prediction.
  • the solid arrow indicates H.
  • the 33 directions specified in the 265 / HEVC standard are represented, and the dashed arrows represent the 32 additional directions (two non-directional prediction modes are not shown in FIG. 14).
  • the luminance block may be referred to in the intra prediction of the color difference block. That is, the color difference component of the current block may be predicted based on the luminance component of the current block.
  • Such intra-prediction is sometimes called CCLM (cross-component linear model) prediction.
  • the intra prediction mode of the color difference block that refers to such a luminance block (for example, called CCLM mode) may be added as one of the intra prediction modes of the color difference block.
  • the intra prediction unit 124 may correct the pixel value after the intra prediction based on the gradient of the reference pixel in the horizontal / vertical direction. Intra-prediction with such correction is sometimes called PDPC (position departure intra-prescription combination). Information indicating whether or not PDPC is applied (for example, called a PDPC flag) is usually signalized at the CU level. Note that the signaling of this information does not have to be limited to the CU level and may be at other levels (eg, sequence level, picture level, slice level, tile level or CTU level).
  • the inter-prediction unit 126 refers to a reference picture stored in the frame memory 122 and is different from the current picture, and performs inter-prediction (also referred to as inter-screen prediction) of the current block to perform a prediction signal (inter-screen prediction). Prediction signal) is generated. Inter-prediction is performed in units of the current block or the current subblock (for example, 4x4 block) within the current block. For example, the inter-prediction unit 126 performs motion estimation on the current block or the current sub-block in the reference picture, and finds the reference block or the sub-block that best matches the current block or the current sub-block.
  • the inter-prediction unit 126 acquires motion information (for example, a motion vector) that compensates for the motion or change from the reference block or sub-block to the current block or sub-block.
  • the inter-prediction unit 126 performs motion compensation (or motion prediction) based on the motion information, and generates an inter-prediction signal of the current block or a sub-block.
  • the inter-prediction unit 126 outputs the generated inter-prediction signal to the prediction control unit 128.
  • the motion information used for motion compensation may be signalized as an inter-prediction signal in various forms.
  • the motion vector may be signalized.
  • the difference between the motion vector and the predicted motion vector may be signalized.
  • FIG. 15 is a flowchart showing an example of the basic flow of inter-prediction.
  • the inter-prediction unit 126 first generates a prediction image (steps Se_1 to Se_3). Next, the subtraction unit 104 generates the difference between the current block and the predicted image as the predicted residual (step Se_4).
  • the inter-prediction unit 126 generates the prediction image by determining the motion vector (MV) of the current block (steps Se_1 and Se_2) and performing motion compensation (step Se_3). To do. Further, in determining the MV, the inter-prediction unit 126 determines the MV by selecting the candidate motion vector (candidate MV) (step Se_1) and deriving the MV (step Se_2). The selection of the candidate MV is performed, for example, by selecting at least one candidate MV from the candidate MV list. Further, in MV derivation, the inter-prediction unit 126 determines at least one selected candidate MV as the MV of the current block by selecting at least one candidate MV from at least one candidate MV. You may.
  • the inter-prediction unit 126 may determine the MV of the current block by searching the area of the reference picture indicated by the candidate MV for each of the selected at least one candidate MV.
  • the search for the area of the reference picture may be referred to as motion search (motion estimation).
  • steps Se_1 to Se_3 are performed by the inter-prediction unit 126, but processing such as step Se_1 or step Se_2 may be performed by other components included in the coding apparatus 100. ..
  • FIG. 16 is a flowchart showing an example of motion vector derivation.
  • the inter prediction unit 126 derives the MV of the current block in a mode of encoding motion information (for example, MV).
  • motion information is encoded as a prediction parameter and signalized. That is, the coded motion information is included in the coded signal (also referred to as a coded bit stream).
  • the inter-prediction unit 126 derives the MV in a mode in which the motion information is not encoded. In this case, the motion information is not included in the coded signal.
  • the MV derivation mode may include a normal inter mode, a merge mode, a FRUC mode, an affine mode, etc., which will be described later.
  • modes for encoding motion information include a normal intermode, a merge mode, and an affine mode (specifically, an affine intermode and an affine merge mode).
  • the motion information may include not only the MV but also the predicted motion vector selection information described later.
  • a mode in which motion information is not encoded includes a FRUC mode and the like.
  • the inter-prediction unit 126 selects a mode for deriving the MV of the current block from these a plurality of modes, and derives the MV of the current block using the selected mode.
  • FIG. 17 is a flowchart showing another example of deriving the motion vector.
  • the inter-prediction unit 126 derives the MV of the current block in the mode of encoding the difference MV.
  • the difference MV is encoded as a prediction parameter and signalized. That is, the encoded difference MV is included in the encoded signal.
  • This difference MV is the difference between the MV of the current block and the predicted MV.
  • the inter-prediction unit 126 derives the MV in a mode in which the difference MV is not encoded.
  • the encoded difference MV is not included in the encoded signal.
  • the MV derivation mode includes a normal inter mode, a merge mode, a FRUC mode, and an affine mode, which will be described later.
  • modes for encoding the difference MV include a normal intermode and an affine mode (specifically, an affine intermode).
  • the mode in which the difference MV is not encoded includes a FRUC mode, a merge mode, an affine mode (specifically, an affine merge mode) and the like.
  • the inter-prediction unit 126 selects a mode for deriving the MV of the current block from these a plurality of modes, and derives the MV of the current block using the selected mode.
  • FIG. 18 is a flowchart showing another example of deriving the motion vector.
  • the MV derivation mode that is, the inter-prediction mode, has a plurality of modes, and can be roughly divided into a mode in which the difference MV is encoded and a mode in which the difference motion vector is not encoded.
  • Modes in which the difference MV is not encoded include a merge mode, a FRUC mode, and an affine mode (specifically, an affine merge mode).
  • the merge mode is a mode in which the MV of the current block is derived by selecting a motion vector from the peripheral encoded blocks
  • the FRUC mode is a mode in which the MV of the current block is derived.
  • the MV of the current block is derived by performing a search between the coded regions.
  • the affine mode is a mode in which the motion vector of each of the plurality of subblocks constituting the current block is derived as the MV of the current block, assuming the affine transformation.
  • the inter-prediction unit 126 derives a motion vector in the merge mode when the inter-prediction mode information indicates 0 (0 in Sf_1) (Sf_2). Further, when the inter-prediction mode information indicates 1 (1 in Sf_1), the inter-prediction unit 126 derives a motion vector in the FRUC mode (Sf_3). Further, when the inter-prediction mode information indicates 2 (2 in Sf_1), the inter-prediction unit 126 derives a motion vector in the affine mode (specifically, the affine merge mode) (Sf_1). Further, when the inter-prediction mode information indicates 3 (3 in Sf_1), the inter-prediction unit 126 derives a motion vector in a mode in which the difference MV is encoded (for example, a normal inter-mode) (Sf_5).
  • the normal inter-mode is an inter-prediction mode in which the MV of the current block is derived from the area of the reference picture indicated by the candidate MV based on a block similar to the image of the current block. Further, in this normal inter mode, the difference MV is encoded.
  • FIG. 19 is a flowchart showing an example of inter-prediction by the normal inter-mode.
  • the inter-prediction unit 126 acquires a plurality of candidate MVs for the current block based on information such as MVs of a plurality of encoded blocks around the current block temporally or spatially (step). Sg_1). That is, the inter-prediction unit 126 creates a candidate MV list.
  • the inter-prediction unit 126 selects each of N (N is an integer of 2 or more) candidate MVs from the plurality of candidate MVs acquired in step Sg_1 as predictive motion vector candidates (also referred to as predicted MV candidates). As a result, extraction is performed according to a predetermined priority (step Sg_2). The priority may be predetermined for each of the N candidate MVs.
  • the inter-prediction unit 126 selects one predicted motion vector candidate from the N predicted motion vector candidates as the predicted motion vector (also referred to as predicted MV) of the current block (step Sg_3). At this time, the inter-prediction unit 126 encodes the predicted motion vector selection information for identifying the selected predicted motion vector into the stream.
  • the stream is the above-mentioned coded signal or coded bit stream.
  • the inter-prediction unit 126 refers to the encoded reference picture and derives the MV of the current block (step Sg_4). At this time, the inter-prediction unit 126 further encodes the difference value between the derived MV and the predicted motion vector into the stream as the difference MV.
  • the encoded reference picture is a picture composed of a plurality of blocks reconstructed after encoding.
  • the inter-prediction unit 126 generates a prediction image of the current block by performing motion compensation for the current block using the derived MV and the encoded reference picture (step Sg_5).
  • the prediction image is the above-mentioned inter prediction signal.
  • the information including the coded signal indicating the inter-prediction mode (normal inter-mode in the above example) used for generating the predicted image is encoded as, for example, a prediction parameter.
  • the candidate MV list may be used in common with the list used in other modes. Further, the process related to the candidate MV list may be applied to the process related to the list used in other modes.
  • the processing related to this candidate MV list is, for example, extraction or selection of candidate MVs from the candidate MV list, rearrangement of candidate MVs, deletion of candidate MVs, and the like.
  • the merge mode is an inter-prediction mode in which the candidate MV is derived from the candidate MV list by selecting the candidate MV as the MV of the current block.
  • FIG. 20 is a flowchart showing an example of inter-prediction in the merge mode.
  • the inter-prediction unit 126 acquires a plurality of candidate MVs for the current block based on information such as MVs of a plurality of encoded blocks around the current block temporally or spatially (step). Sh_1). That is, the inter-prediction unit 126 creates a candidate MV list.
  • the inter-prediction unit 126 derives the MV of the current block by selecting one candidate MV from the plurality of candidate MVs acquired in step Sh_1 (step Sh_2). At this time, the inter-prediction unit 126 encodes the MV selection information for identifying the selected candidate MV into the stream.
  • the inter-prediction unit 126 generates a prediction image of the current block by performing motion compensation for the current block using the derived MV and the encoded reference picture (step Sh_3).
  • the information including the coded signal indicating the inter-prediction mode (merge mode in the above example) used for generating the prediction image is encoded as, for example, a prediction parameter.
  • FIG. 21 is a conceptual diagram for explaining an example of the motion vector derivation process of the current picture in the merge mode.
  • Candidates for the prediction MV include the spatially adjacent prediction MV, which is the MV of a plurality of coded blocks located spatially around the target block, and the block in the vicinity that projects the position of the target block in the coded reference picture.
  • a time-adjacent prediction MV which is an MV having the MV
  • a combination prediction MV which is an MV generated by combining the MV values of the space-adjacent prediction MV and the time-adjacent prediction MV
  • a zero prediction MV which is an MV having a value of zero.
  • variable length coding unit the message_idx, which is a signal indicating which predicted MV is selected, is described in the stream and encoded.
  • the predicted MVs registered in the predicted MV list described with reference to FIG. 21 are examples, and the number may be different from the number in the figure, or the number may not include some types of predicted MVs in the figure.
  • the configuration may be such that a predicted MV other than the type of predicted MV in the figure is added.
  • the final MV may be determined by performing DMVR (decoder motion vector refinement) processing described later using the MV of the target block derived in the merge mode.
  • DMVR decoder motion vector refinement
  • the candidate for the predicted MV is the above-mentioned candidate MV
  • the predicted MV list is the above-mentioned candidate MV list.
  • the candidate MV list may be referred to as a candidate list.
  • merge_idx is MV selection information.
  • the motion information may be derived on the decoding device side without being signalized from the coding device side.
  • H The merge mode specified in the 265 / HEVC standard may be used.
  • motion information may be derived by performing motion search on the decoding device side. In the embodiment, the decoding device side performs the motion search without using the pixel value of the current block.
  • the mode in which the motion search is performed on the decoding device side may be referred to as a PMMVD (pattern matched motion vector derivation) mode or a FRUC (frame rate up-conversion) mode.
  • PMMVD pattern matched motion vector derivation
  • FRUC frame rate up-conversion
  • FIG. 22 shows an example of FRUC processing in the form of a flowchart.
  • a list of a plurality of candidates ie, a candidate MV list, each having a predicted motion vector (MV)). (May be common with the merge list) is generated (step Si_1).
  • the best candidate MV is selected from the plurality of candidate MVs registered in the candidate MV list (step Si_2). For example, the evaluation value of each candidate MV included in the candidate MV list is calculated, and one candidate MV is selected based on the evaluation value.
  • a motion vector for the current block is derived based on the selected candidate motion vector (step Si_4).
  • the motion vector of the selected candidate is derived as it is as a motion vector for the current block.
  • the motion vector for the current block may be derived by performing pattern matching in the peripheral region of the position in the reference picture corresponding to the motion vector of the selected candidate. That is, the area around the best candidate MV is searched using pattern matching and the evaluation value in the reference picture, and if there is an MV whose evaluation value is a good value, the best candidate MV is set to the MV. It may be updated to be the final MV of the current block. It is also possible to configure the configuration so that the process of updating to the MV having a better evaluation value is not performed.
  • the inter-prediction unit 126 generates a prediction image of the current block by performing motion compensation for the current block using the derived MV and the encoded reference picture (step Si_5).
  • the evaluation value may be calculated by various methods. For example, a reconstructed image of a region in a reference picture corresponding to a motion vector and a predetermined region (that region is, for example, the region of another reference picture or the region of an adjacent block of the current picture, as shown below. It may be compared with the reconstructed image.
  • the predetermined area may be predetermined.
  • the difference between the pixel values of the two reconstructed images may be calculated and used as the evaluation value of the motion vector.
  • the evaluation value may be calculated by using other information in addition to the difference value.
  • one candidate MV included in the candidate MV list (for example, a merge list) is selected as a start point for a search by pattern matching.
  • a first pattern matching or a second pattern matching can be used as the pattern matching.
  • the first pattern matching and the second pattern matching may be referred to as bilateral matching (bilateral matching) and template matching (template matching), respectively.
  • MV derivation>FRUC> Bilateral matching In the first pattern matching, pattern matching is performed between two blocks in two different reference pictures along the trajectory of the current block. Therefore, in the first pattern matching, a region in another reference picture along the movement trajectory of the current block is used as a predetermined region for calculating the evaluation value of the candidate described above.
  • the predetermined area may be predetermined.
  • FIG. 23 is a conceptual diagram for explaining an example of first pattern matching (bilateral matching) between two blocks in two reference pictures along a motion trajectory.
  • first pattern matching two blocks along the motion trajectory of the current block (Cur block) are included in a pair of two blocks in two different reference pictures (Ref0, Ref1).
  • Two motion vectors (MV0, MV1) are derived by searching for the most matching pair. Specifically, with respect to the current block, the reconstructed image at the designated position in the first encoded reference picture (Ref0) designated by the candidate MV and the symmetric MV obtained by scaling the candidate MV at the display time interval.
  • the difference from the reconstructed image at the designated position in the second encoded reference picture (Ref1) specified in is derived, and the evaluation value is calculated using the obtained difference value. It is possible to select the candidate MV having the best evaluation value among the plurality of candidate MVs as the final MV, which can bring about good results.
  • the motion vectors (MV0, MV1) pointing to the two reference blocks are the temporal distances between the current picture (Cur Pic) and the two reference pictures (Ref0, Ref1). It is proportional to (TD0, TD1). For example, if the current picture is temporally located between two reference pictures and the temporal distances from the current picture to the two reference pictures are equal, then in the first pattern matching, a mirror-symmetric bidirectional motion vector. Is derived.
  • MV derivation>FRUC> template matching In the second pattern matching (template matching), pattern matching is performed between a template in the current picture (a block adjacent to the current block in the current picture (for example, an upper and / or left adjacent block)) and a block in the reference picture. Will be done. Therefore, in the second pattern matching, a block adjacent to the current block in the current picture is used as a predetermined area for calculating the evaluation value of the candidate described above.
  • FIG. 24 is a conceptual diagram for explaining an example of pattern matching (template matching) between a template in the current picture and a block in the reference picture.
  • the current block is searched in the reference picture (Ref0) for the block that best matches the block adjacent to the current block (Cur block) in the current picture (Cur Pic).
  • the motion vector of is derived.
  • the difference from the reconstructed image at the position is derived, the evaluation value is calculated using the obtained difference value, and the candidate MV having the best evaluation value among the plurality of candidate MVs is selected as the best candidate MV. It is possible.
  • Information indicating whether or not to apply such a FRUC mode may be signalized at the CU level. Further, when the FRUC mode is applied (for example, when the FRUC flag is true), information indicating an applicable pattern matching method (first pattern matching or second pattern matching) may be signalized at the CU level. .. Note that the signaling of this information does not have to be limited to the CU level and may be at other levels (eg, sequence level, picture level, slice level, tile level, CTU level or subblock level). ..
  • FIG. 25A is a conceptual diagram for explaining an example of deriving a motion vector in sub-block units based on motion vectors of a plurality of adjacent blocks.
  • the current block includes 16 4x4 subblocks.
  • the motion vector v 0 of the upper left corner control point of the current block is derived based on the motion vector of the adjacent block, and similarly, the motion vector v of the upper right corner control point of the current block is derived based on the motion vector of the adjacent subblock. 1 is derived.
  • two motion vectors v 0 and v 1 may be projected by the following equation (1A), and the motion vectors (v x , v y ) of each subblock in the current block may be derived.
  • x and y indicate the horizontal position and the vertical position of the subblock, respectively, and w indicates a predetermined weighting coefficient.
  • the predetermined weighting factor may be predetermined.
  • Information indicating such an affine mode may be signalized at the CU level.
  • the signalization of the information indicating the affine mode does not have to be limited to the CU level, but may be at other levels (for example, sequence level, picture level, slice level, tile level, CTU level or subblock level). You may.
  • an affine mode may include several modes in which the motion vector derivation method of the upper left and upper right corner control points is different.
  • the affine mode has two modes, an affine inter (also referred to as an affine normal inter) mode and an affine merge mode.
  • FIG. 25B is a conceptual diagram for explaining an example of deriving a motion vector in sub-block units in an affine mode having three control points.
  • the current block includes 16 4x4 subblocks.
  • the motion vector v 0 of the upper left corner control point of the current block is derived based on the motion vector of the adjacent block
  • the motion vector v 1 of the upper right corner control point of the current block is derived based on the motion vector of the adjacent block.
  • motion vector v 2 in the lower left angle control point in the current block based on the motion vector of the neighboring block is derived.
  • three motion vectors v 0 , v 1 and v 2 may be projected by the following equation (1B), and the motion vectors (v x , v y ) of each subblock in the current block are derived. May be good.
  • x and y indicate the horizontal position and the vertical position of the center of the subblock, respectively, w indicates the width of the current block, and h indicates the height of the current block.
  • Affine modes with different numbers of control points may be switched at the CU level and signaled. Even if the information indicating the number of control points in the affine mode used at the CU level is signalized at another level (for example, sequence level, picture level, slice level, tile level, CTU level or subblock level). Good.
  • the affine mode having such three control points may include several modes in which the methods for deriving the motion vectors of the upper left, upper right and lower left angle control points are different.
  • the affine mode has two modes, an affine inter (also referred to as an affine normal inter) mode and an affine merge mode.
  • FIG. 26A, 26B and 26C are conceptual diagrams for explaining the affine merge mode.
  • the predicted motion vectors of the control points of the current block are calculated based on the plurality of motion vectors corresponding to the blocks encoded in the affine mode. Specifically, these blocks are inspected in the order of encoded block A (left), block B (top), block C (upper right), block D (lower left) and block E (upper left) in affine mode. The first valid coded block is identified.
  • the predicted motion vector of the control point of the current block is calculated based on the plurality of motion vectors corresponding to the specified block.
  • the block A adjacent to the left of the current block is encoded in the affine mode having three control points
  • the upper left corner and the upper right corner of the encoded block including the block A.
  • the motion vectors v 3 , v 4 and v 5 projected at the position of the lower left corner are derived.
  • the predicted motion vector v 0 of the control point in the upper left corner of the current block the predicted motion vector v 1 of the control point in the upper right corner, and the control of the lower left corner. predicted motion vector v 2 of the points are calculated.
  • this predicted motion vector deriving method may be used for deriving the predicted motion vector of each control point of the current block in step Sj_1 of FIG. 29, which will be described later.
  • FIG. 27 is a flowchart showing an example of the affine merge mode.
  • the inter-prediction unit 126 derives each prediction MV of the control point of the current block (step Sk_1).
  • the control points are the upper left corner and upper right corner points of the current block as shown in FIG. 25A, or the upper left corner, upper right corner and lower left corner point of the current block as shown in FIG. 25B.
  • the inter-prediction unit 126 arranges the encoded block A (left), block B (top), block C (upper right), block D (lower left), and block E (upper left) in that order. Inspect these blocks to identify the first valid block encoded in affine mode.
  • the inter-prediction unit 126 uses the motion vectors v 3 of the upper left corner and the upper right corner of the coded block including the block A. From and v 4 , the motion vector v 0 of the control point in the upper left corner of the current block and the motion vector v 1 of the control point in the upper right corner are calculated. For example, the inter-prediction unit 126 projects the motion vectors v 3 and v 4 of the upper left corner and the upper right corner of the coded block onto the current block, so that the predicted motion vector v 0 of the control point of the upper left corner of the current block. If, to calculate the predicted motion vector v 1 of the control point in the upper right corner.
  • the inter-prediction unit 126 moves the upper left, upper right, and lower left corners of the coded block containing block A. From the vectors v 3 , v 4 and v 5 , the motion vector v 0 of the control point in the upper left corner of the current block, the motion vector v 1 of the control point in the upper right corner, and the motion vector v 2 of the control point in the lower left corner are calculated. To do.
  • inter prediction unit 126 For example, inter prediction unit 126, the upper left corner of the encoded blocks, the motion vector v 3, v 4 and v 5 in the upper right corner and lower left corner, by projecting the current block, the control point of the upper left corner of the current block
  • the predicted motion vector v 0 of, the predicted motion vector v 1 of the control point in the upper right corner, and the motion vector v 2 of the control point in the lower left corner are calculated.
  • the inter-prediction unit 126 performs motion compensation for each of the plurality of sub-blocks included in the current block. That is, the inter-prediction unit 126 has two predicted motion vectors v 0 and v 1 and the above equation (1A), or three predicted motion vectors v 0 , v 1 and v 2 for each of the plurality of subblocks.
  • the motion vector of the subblock is calculated as an affine MV (step Sk_2).
  • the inter-prediction unit 126 uses the affine MV and the encoded reference picture to perform motion compensation for the subblock (step Sk_3). As a result, motion compensation is performed on the current block, and a predicted image of the current block is generated.
  • FIG. 28A is a conceptual diagram for explaining an affine intermode having two control points.
  • the motion vector selected from the motion vectors of the coded blocks A, B, and C adjacent to the current block predicts the control point in the upper left corner of the current block. It is used as the motion vector v 0 .
  • motion vectors selected from the motion vectors of the encoded block D and block E is adjacent to the current block are used as predicted motion vector v 1 of the control point of the upper-right corner of the current block.
  • FIG. 28B is a conceptual diagram for explaining an affine intermode having three control points.
  • the motion vector selected from the motion vectors of the encoded blocks A, B and C adjacent to the current block predicts the control point in the upper left corner of the current block. It is used as the motion vector v 0 .
  • motion vectors selected from the motion vectors of the encoded block D and block E is adjacent to the current block are used as predicted motion vector v 1 of the control point of the upper-right corner of the current block.
  • motion vectors selected from the motion vectors of the encoded block F and block G adjacent to the current block are used as predicted motion vector v 2 of the control points of the lower left corner of the current block.
  • FIG. 29 is a flowchart showing an example of the affine intermode.
  • the inter-prediction unit 126 predicts the respective prediction MVs (v 0 , v 1 ) or (v 0 , v 1 , v) of the two or three control points of the current block. 2 ) is derived (step Sj_1).
  • the control points are the upper left corner, upper right corner, or lower left corner of the current block, as shown in FIG. 25A or FIG. 25B.
  • the inter-prediction unit 126 predicts the control point of the current block by selecting the motion vector of any of the coded blocks in the vicinity of each control point of the current block shown in FIG. 28A or FIG. 28B.
  • the motion vector (v 0 , v 1 ) or (v 0 , v 1 , v 2 ) is derived.
  • the inter-prediction unit 126 encodes the predicted motion vector selection information for identifying the two selected motion vectors into a stream.
  • the inter-prediction unit 126 determines which block motion vector is selected as the predicted motion vector of the control point from the encoded blocks adjacent to the current block by using cost evaluation or the like, and which predicted motion vector is selected. A flag indicating whether the selection has been made may be described in the bitstream.
  • the inter-prediction unit 126 performs a motion search (steps Sj_3 and Sj_4) while updating the predicted motion vectors selected or derived in step Sj_1, respectively (step Sj_2). That is, the inter-prediction unit 126 calculates using the above equation (1A) or equation (1B) with the motion vector of each subblock corresponding to the updated predicted motion vector as the affine MV (step Sj_3). Then, the inter-prediction unit 126 performs motion compensation for each subblock using the affine MV and the encoded reference picture (step Sj_4).
  • the inter-prediction unit 126 determines, for example, the predicted motion vector at which the lowest cost can be obtained as the motion vector of the control point (step Sj_5). At this time, the inter-prediction unit 126 further encodes the difference value between the determined MV and the predicted motion vector into the stream as the difference MV.
  • the inter-prediction unit 126 generates a prediction image of the current block by performing motion compensation for the current block using the determined MV and the encoded reference picture (step Sj_6).
  • FIGS. 30A and 30B are conceptual diagrams for explaining a method of deriving a prediction vector of control points when the number of control points is different between the encoded block and the current block.
  • the current block has three control points of the upper left corner, the upper right corner, and the lower left corner, and the block A adjacent to the left of the current block is encoded in affine mode having two control points. If it is, the motion vector v 3 and v 4 projected onto the position of the upper left corner and upper right corner of the encoded blocks containing the block a is derived. Then, from the derived motion vectors v 3 and v 4 , the predicted motion vector v 0 of the control point in the upper left corner of the current block and the predicted motion vector v 1 of the control point in the upper right corner are calculated. Further, from the derived motion vectors v 0 and v 1 , the predicted motion vector v 2 of the control point at the lower left angle is calculated.
  • the current block is encoded in an affine mode having two control points, an upper left corner and an upper right corner, and block A adjacent to the left of the current block has three control points.
  • the motion vectors v 3 , v 4 and v 5 projected at the positions of the upper left corner, the upper right corner and the lower left corner of the encoded block including the block A are derived.
  • the predicted motion vector v 0 of the control point in the upper left corner of the current block and the predicted motion vector v 1 of the control point in the upper right corner are calculated.
  • This predicted motion vector deriving method may be used for deriving the predicted motion vector of each control point of the current block in step Sj_1 of FIG. 29.
  • FIG. 31A is a flowchart showing the relationship between the merge mode and DMVR.
  • the inter-prediction unit 126 derives the motion vector of the current block in the merge mode (step Sl_1). Next, the inter-prediction unit 126 determines whether or not to perform a motion vector search, that is, a motion search (step Sl_2). Here, when the inter-prediction unit 126 determines that the motion search is not performed (No in step Sl_1), the inter-prediction unit 126 determines the motion vector derived in step Sl_1 as the final motion vector with respect to the current block (step Sl_4). That is, in this case, the motion vector of the current block is determined in the merge mode.
  • step Sl_1 if it is determined in step Sl_1 that the motion search is performed (Yes in step Sl_1), the inter-prediction unit 126 searches the peripheral region of the reference picture indicated by the motion vector derived in step Sl_1 to the current block. On the other hand, the final motion vector is derived (step Sl_3). That is, in this case, the motion vector of the current block is determined by DMVR.
  • FIG. 31B is a conceptual diagram for explaining an example of DMVR processing for determining MV.
  • the optimum MVP set in the current block (for example, in the merge mode) is set as a candidate MV.
  • the candidate MV (L0) the reference pixel is specified from the first reference picture (L0) which is the encoded picture in the L0 direction.
  • the candidate MV (L1) the reference pixel is specified from the second reference picture (L1) which is the encoded picture in the L1 direction.
  • a template is generated by averaging these reference pixels.
  • the peripheral regions of the candidate MVs of the first reference picture (L0) and the second reference picture (L1) are searched respectively, and the MV having the lowest cost is determined as the final MV.
  • the cost value may be calculated using, for example, a difference value between each pixel value of the template and each pixel value of the search area, a candidate MV value, and the like.
  • the coding device and the decoding device described later basically have the same processing configuration and operation described here.
  • any processing may be used as long as it is a processing that can search the periphery of the candidate MV and derive the final MV.
  • BIO / OBMC In motion compensation, there is a mode in which a predicted image is generated and the predicted image is corrected.
  • the mode is, for example, BIO and OBMC described below.
  • FIG. 32 is a flowchart showing an example of generating a predicted image.
  • the inter-prediction unit 126 generates a prediction image (step Sm_1), and corrects the prediction image by, for example, any of the above modes (step Sm_1).
  • FIG. 33 is a flowchart showing another example of generating a predicted image.
  • the inter-prediction unit 126 determines the motion vector of the current block (step Sn_1). Next, the inter-prediction unit 126 generates a prediction image (step Sn_2) and determines whether or not to perform correction processing (step Sn_3). Here, when the inter-prediction unit 126 determines that the correction process is to be performed (Yes in step Sn_3), the inter-prediction unit 126 corrects the predicted image to generate a final predicted image (step Sn_4). On the other hand, when the inter-prediction unit 126 determines that the correction process is not performed (No in step Sn_3), the inter-prediction unit 126 outputs the predicted image as a final predicted image without correcting it (step Sn_5).
  • the mode is, for example, LIC described later.
  • FIG. 34 is a flowchart showing another example of generating a predicted image.
  • the inter-prediction unit 126 derives the motion vector of the current block (step So_1). Next, the inter-prediction unit 126 determines whether or not to perform the luminance correction process (step So_2). Here, when the inter-prediction unit 126 determines that the luminance correction process is to be performed (Yes in step So_2), the inter-prediction unit 126 generates a predicted image while performing the luminance correction (step So_3). That is, the predicted image is generated by the LIC. On the other hand, when the inter-prediction unit 126 determines that the luminance correction process is not performed (No in step So_2), the inter-prediction unit 126 generates a predicted image by normal motion compensation without performing the luminance correction (step So_4).
  • An inter-prediction signal may be generated by using not only the motion information of the current block obtained by the motion search but also the motion information of the adjacent block. Specifically, the current is obtained by weighting and adding the prediction signal based on the motion information obtained by the motion search (in the reference picture) and the prediction signal based on the motion information of the adjacent block (in the current picture). An inter-prediction signal may be generated for each sub-block in the block. Such inter-prediction (motion compensation) is sometimes called OBMC (overlapped block motion compensation).
  • information indicating the size of the subblock for OBMC may be signalized at the sequence level. Further, information indicating whether or not to apply the OBMC mode (for example, called an OBMC flag) may be signalized at the CU level.
  • the signalization level of this information does not have to be limited to the sequence level and the CU level, and may be other levels (for example, picture level, slice level, tile level, CTU level or subblock level). Good.
  • 35 and 36 are a flowchart and a conceptual diagram for explaining the outline of the predicted image correction process by the OBMC process.
  • a predicted image (Pred) by normal motion compensation is acquired using the motion vector (MV) assigned to the processing target (current) block.
  • MV motion vector assigned to the processing target (current) block.
  • the arrow “MV” points to a reference picture and indicates what the current block of the current picture refers to in order to obtain a predicted image.
  • the motion vector (MV_L) already derived for the coded left adjacent block is applied (reused) to the coded target block to acquire the predicted image (Pred_L).
  • the motion vector (MV_L) is indicated by the arrow "MV_L” pointing from the current block to the reference picture.
  • the first correction of the predicted image is performed by superimposing the two predicted images Pred and Pred_L. This has the effect of mixing the boundaries between adjacent blocks.
  • the motion vector (MV_U) already derived for the encoded upper adjacent block is applied (reused) to the coded target block to acquire the predicted image (Pred_U).
  • the motion vector (MV_U) is indicated by the arrow "MV_U" pointing from the current block to the reference picture.
  • the predicted image Pred_U is superposed on the predicted image (for example, Pred and Pred_L) that has been corrected for the first time, so that the predicted image is corrected for the second time. This has the effect of mixing the boundaries between adjacent blocks.
  • the predicted image obtained by the second correction is the final predicted image of the current block in which the boundaries with the adjacent blocks are mixed (smoothed).
  • the above example is a two-pass correction method using blocks adjacent to the left and above, but the correction method is a three-pass or more pass method using blocks adjacent to the right and / or adjacent to the bottom. It may be the correction method of.
  • the area to be superimposed may not be the pixel area of the entire block, but only a part of the area near the block boundary.
  • the OBMC prediction image correction process for obtaining one prediction image Pred by superimposing additional prediction images Pred_L and Pred_U from one reference picture has been described.
  • the same processing may be applied to each of the plurality of reference pictures.
  • the acquired plurality of corrected predicted images are further superimposed. Get the final predicted image with.
  • the unit of the target block may be a prediction block unit or a sub-block unit obtained by further dividing the prediction block.
  • the encoding device may determine whether the target block belongs to a complex region of motion.
  • the value 1 is set as obmc_flag and OBMC processing is applied to perform coding.
  • the coding device does not belong to the complex region of motion, it is set as obmc_flag.
  • the value 0 is set and the block is encoded without applying the OBMC processing.
  • the decoding device by decoding the obmc_flag described in the stream (for example, a compression sequence), whether or not to apply the OBMC processing is switched according to the value to perform the decoding.
  • the inter-prediction unit 126 generates one rectangular prediction image for the rectangular current block.
  • the inter-prediction unit 126 generates a plurality of prediction images having a shape different from that of the rectangle with respect to the current block of the rectangle, and generates a final prediction image of the rectangle by combining the plurality of prediction images.
  • the shape different from the rectangle may be, for example, a triangle.
  • FIG. 37 is a conceptual diagram for explaining the generation of the predicted images of the two triangles.
  • the inter-prediction unit 126 generates a triangle prediction image by performing motion compensation for the first partition of the triangle in the current block using the first MV of the first partition. Similarly, the inter-prediction unit 126 generates a triangle prediction image by performing motion compensation on the second partition of the triangle in the current block using the second MV of the second partition. Then, the inter prediction unit 126 generates a prediction image having the same rectangle as the current block by combining these prediction images.
  • the first partition and the second partition are triangular, but they may be trapezoidal or have different shapes. Further, in the example shown in FIG. 37, the current block is composed of two partitions, but it may be composed of three or more partitions.
  • first partition and the second partition may overlap. That is, the first partition and the second partition may include the same pixel area.
  • the predicted image of the current block may be generated by using the predicted image in the first partition and the predicted image in the second partition.
  • the predicted image is generated by inter-prediction for both partitions, but the predicted image may be generated by intra-prediction for at least one partition.
  • BIO basic-directional optical flow
  • FIG. 38 is a conceptual diagram for explaining a model assuming constant velocity linear motion.
  • (vx, by) indicates a velocity vector
  • ⁇ 0 and ⁇ 1 indicate the temporal distances between the current picture (Cur Pic) and the two reference pictures (Ref0, Ref1, respectively).
  • (MVx0, MVy0) indicates a motion vector corresponding to the reference picture Ref0
  • (MVx1, MVy1) indicates a motion vector corresponding to the reference picture Ref1.
  • This optical flow equation includes (i) the time derivative of the brightness value, (ii) the product of the horizontal velocity and the horizontal component of the spatial gradient of the reference image, and (iii) the vertical velocity and the spatial gradient of the reference image. It is shown that the sum of the product of the vertical components of is equal to zero. Based on the combination of this optical flow equation and Hermite interpolation, the motion vector in block units obtained from the merge list or the like may be corrected in pixel units.
  • the motion vector may be derived on the decoding device side by a method different from the derivation of the motion vector based on the model assuming constant velocity linear motion.
  • a motion vector may be derived in subblock units based on the motion vectors of a plurality of adjacent blocks.
  • FIG. 39 is a conceptual diagram for explaining an example of a predicted image generation method using the luminance correction process by the LIC process.
  • the MV is derived from the encoded reference picture, and the reference image corresponding to the current block is acquired.
  • the current block information indicating how the brightness value has changed between the reference picture and the current picture is extracted.
  • This extraction is performed by the luminance pixel values of the encoded left adjacent reference area (peripheral reference area) and the encoded upper adjacent reference area (peripheral reference area) in the current picture and the reference picture specified by the derived MV. It is performed based on the luminance pixel value at the same position. Then, the brightness correction parameter is calculated using the information indicating how the brightness value has changed.
  • a predicted image for the current block is generated by performing a luminance correction process that applies the luminance correction parameter to the reference image in the reference picture specified by the MV.
  • the shape of the peripheral reference region in FIG. 39 is an example, and other shapes may be used.
  • the predicted image may be generated after performing the luminance correction process in the same manner as in the above.
  • lic_flag is a signal indicating whether or not to apply the LIC processing.
  • the value is set as lic_flag. 1 is set and LIC processing is applied to perform coding, and if it does not belong to the region where the luminance change occurs, a value 0 is set as lic_flag and coding is performed without applying LIC processing.
  • the decoding device by decoding the lic_flag described in the stream, whether or not to apply the LIC processing may be switched according to the value to perform the decoding.
  • determining whether or not to apply the LIC processing for example, there is also a method of determining whether or not the LIC processing is applied in the peripheral block.
  • determining whether or not the LIC processing is applied in the peripheral block.
  • the peripheral encoded blocks selected when deriving the MV in the merge mode processing are encoded by applying the LIC processing. ..
  • Encoding is performed by switching whether or not to apply the LIC processing according to the result. Even in the case of this example, the same processing is applied to the processing on the decoding device side.
  • the inter-prediction unit 126 derives a motion vector for acquiring a reference image corresponding to a coded target block from a reference picture which is a coded picture.
  • the inter-prediction unit 126 sets the luminance pixel value of the coded peripheral reference region adjacent to the left and upper adjacent to the encoded block and the luminance pixel at the same position in the reference picture specified by the motion vector. Using the value, information indicating how the brightness value has changed between the reference picture and the picture to be encoded is extracted to calculate the brightness correction parameter. For example, the luminance pixel value of a pixel in the peripheral reference region in the coded picture is p0, and the luminance pixel value of the pixel in the peripheral reference region in the reference picture at the same position as the pixel is p1.
  • the inter-prediction unit 126 generates a prediction image for the coded block by performing brightness correction processing on the reference image in the reference picture specified by the motion vector using the brightness correction parameter.
  • the luminance pixel value in the reference image is p2
  • the luminance pixel value of the predicted image after the luminance correction process is p3.
  • the shape of the peripheral reference region in FIG. 39 is an example, and other shapes may be used. Moreover, a part of the peripheral reference area shown in FIG. 39 may be used. For example, a region including a predetermined number of pixels thinned out from each of the upper adjacent pixel and the left adjacent pixel may be used as the peripheral reference region. Further, the peripheral reference area is not limited to the area adjacent to the coded target block, and may be an area not adjacent to the coded target block. A predetermined number of pixels may be predetermined.
  • the peripheral reference area in the reference picture is an area specified by the motion vector of the coded target picture from the peripheral reference area in the coded target picture, but is represented by another motion vector. It may be a designated area.
  • the other motion vector may be a motion vector of a peripheral reference region in the picture to be encoded.
  • the LIC processing may be applied not only to the luminance but also to the color difference.
  • correction parameters may be derived individually for each of Y, Cb, and Cr, or a common correction parameter may be used for any of them.
  • the LIC processing may be applied in units of subblocks.
  • the correction parameter may be derived using the peripheral reference area of the current subblock and the peripheral reference area of the reference subblock in the reference picture specified by the MV of the current subblock.
  • the prediction control unit 128 selects either an intra prediction signal (a signal output from the intra prediction unit 124) or an inter prediction signal (a signal output from the inter prediction unit 126), and subtracts the selected signal as a prediction signal. Output to unit 104 and addition unit 116.
  • the prediction control unit 128 may output the prediction parameters input to the entropy coding unit 110.
  • the entropy coding unit 110 may generate a coded bit stream (or sequence) based on the prediction parameter input from the prediction control unit 128 and the quantization coefficient input from the quantization unit 108.
  • Predictive parameters may be used in the decoding device.
  • the decoding device may receive the coded bit stream, decode it, and perform the same processing as the prediction processing performed by the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • the prediction parameters are a selection prediction signal (eg, motion vector, prediction type, or prediction mode used in intra prediction unit 124 or inter prediction unit 126), or intra prediction unit 124, inter prediction unit 126, and prediction control unit. It may include any index, flag, or value that is based on or indicates the prediction process performed in 128.
  • a selection prediction signal eg, motion vector, prediction type, or prediction mode used in intra prediction unit 124 or inter prediction unit 126
  • intra prediction unit 124, inter prediction unit 126, and prediction control unit may include any index, flag, or value that is based on or indicates the prediction process performed in 128.
  • FIG. 40 is a block diagram showing an implementation example of the coding device 100.
  • the coding device 100 includes a processor a1 and a memory a2.
  • the plurality of components of the encoding device 100 shown in FIG. 1 are implemented by the processor a1 and the memory a2 shown in FIG. 40.
  • the processor a1 is a circuit that performs information processing and is a circuit that can access the memory a2.
  • the processor a1 is a dedicated or general-purpose electronic circuit that encodes a moving image.
  • the processor a1 may be a processor such as a CPU.
  • the processor a1 may be an aggregate of a plurality of electronic circuits. Further, for example, the processor a1 may play the role of a plurality of components among the plurality of components of the coding device 100 shown in FIG. 1 and the like.
  • the memory a2 is a dedicated or general-purpose memory in which information for the processor a1 to encode a moving image is stored.
  • the memory a2 may be an electronic circuit or may be connected to the processor a1. Further, the memory a2 may be included in the processor a1. Further, the memory a2 may be an aggregate of a plurality of electronic circuits. Further, the memory a2 may be a magnetic disk, an optical disk, or the like, or may be expressed as a storage, a recording medium, or the like. Further, the memory a2 may be a non-volatile memory or a volatile memory.
  • the encoded moving image may be stored in the memory a2, or the bit string corresponding to the encoded moving image may be stored.
  • the memory a2 may store a program for the processor a1 to encode a moving image.
  • the memory a2 may play the role of a component for storing information among a plurality of components of the coding device 100 shown in FIG. 1 and the like.
  • the memory a2 may serve as the block memory 118 and the frame memory 122 shown in FIG. More specifically, the reconstructed block, the reconstructed picture, and the like may be stored in the memory a2.
  • not all of the plurality of components shown in FIG. 1 and the like may be mounted, or all of the plurality of processes described above may not be performed.
  • a part of the plurality of components shown in FIG. 1 and the like may be included in another device, and a part of the plurality of processes described above may be executed by another device.
  • FIG. 41 is a block diagram showing a functional configuration of the decoding device 200 according to the embodiment.
  • the decoding device 200 is a moving image decoding device that decodes a moving image in block units.
  • the decoding device 200 includes an entropy decoding unit 202, an inverse quantization unit 204, an inverse conversion unit 206, an addition unit 208, a block memory 210, a loop filter unit 212, and a frame memory 214. And an intra prediction unit 216, an inter prediction unit 218, and a prediction control unit 220.
  • the decoding device 200 is realized by, for example, a general-purpose processor and a memory.
  • the processor uses the entropy decoding unit 202, the inverse quantization unit 204, the inverse conversion unit 206, the addition unit 208, the loop filter unit 212, and the intra prediction unit. It functions as 216, an inter-prediction unit 218, and a prediction control unit 220.
  • the decoding device 200 is dedicated to the entropy decoding unit 202, the inverse quantization unit 204, the inverse conversion unit 206, the addition unit 208, the loop filter unit 212, the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220. It may be realized as one or more electronic circuits of.
  • FIG. 42 is a flowchart showing an example of the overall decoding process by the decoding device 200.
  • the entropy decoding unit 202 of the decoding device 200 specifies a division pattern of a fixed size block (for example, 128 ⁇ 128 pixels) (step Sp_1).
  • This division pattern is a division pattern selected by the coding apparatus 100.
  • the decoding device 200 performs the processes of steps Sp_2 to Sp_6 for each of the plurality of blocks constituting the division pattern.
  • the entropy decoding unit 202 decodes (specifically, entropy decoding) the encoded quantization coefficient and prediction parameter of the decoding target block (also referred to as the current block) (step Sp_2).
  • the inverse quantization unit 204 and the inverse conversion unit 206 restore a plurality of predicted residuals (that is, difference blocks) by performing inverse quantization and inverse conversion on a plurality of quantization coefficients (step Sp_3). ).
  • the prediction processing unit including all or part of the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 generates a prediction signal (also referred to as a prediction block) of the current block (step Sp_4).
  • the addition unit 208 reconstructs the current block into a reconstructed image (also referred to as a decoded image block) by adding the prediction block to the difference block (step Sp_5).
  • the loop filter unit 212 filters the reconstructed image (step Sp_6).
  • step Sp_7 determines whether or not the decoding of the entire picture is completed (step Sp_7), and if it is determined that the decoding is not completed (No in step Sp_7), the processing from step Sp_1 is repeatedly executed.
  • steps Sp_1 to Sp_1 are sequentially performed by the decoding device 200.
  • a plurality of processes among those processes may be performed in parallel, or the order may be changed.
  • the entropy decoding unit 202 entropy decodes the coded bit stream. Specifically, the entropy decoding unit 202 arithmetically decodes the coded bit stream into a binary signal, for example. Then, the entropy decoding unit 202 debinaries the binary signal. The entropy decoding unit 202 outputs the quantization coefficient to the inverse quantization unit 204 in block units. The entropy decoding unit 202 may output the prediction parameters included in the coded bit stream (see FIG. 1) to the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 in the embodiment. The intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 can execute the same prediction processing as the processing performed by the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 on the encoding device side.
  • the dequantization unit 204 dequantizes the quantization coefficient of the decoding target block (hereinafter referred to as the current block), which is the input from the entropy decoding unit 202. Specifically, the inverse quantization unit 204 inverse-quantizes the quantization coefficient of each of the current blocks based on the quantization parameter corresponding to the quantization coefficient. Then, the inverse quantization unit 204 outputs the inverse quantization coefficient (that is, the conversion coefficient) of the current block to the inverse conversion unit 206.
  • the inverse conversion unit 206 restores the prediction error by inversely converting the conversion coefficient input from the inverse quantization unit 204.
  • the inverse converter 206 is based on the information indicating the read conversion type to block the current block. Inversely transform the conversion factor of.
  • the inverse conversion unit 206 applies the inverse reconversion to the conversion coefficient.
  • the addition unit 208 reconstructs the current block by adding the prediction error input from the inverse conversion unit 206 and the prediction sample input from the prediction control unit 220. Then, the addition unit 208 outputs the reconstructed block to the block memory 210 and the loop filter unit 212.
  • the block memory 210 is a block referred to in the intra prediction and is a storage unit for storing a block in the decoding target picture (hereinafter, referred to as a current picture). Specifically, the block memory 210 stores the reconstructed block output from the addition unit 208.
  • the loop filter unit 212 applies a loop filter to the block reconstructed by the addition unit 208, and outputs the filtered reconstructed block to the frame memory 214, the display device, and the like.
  • one of the filters is selected based on the direction of the local gradient and the activity.
  • the selected filter is applied to the reconstructed block.
  • the frame memory 214 is a storage unit for storing a reference picture used for inter-prediction, and is sometimes called a frame buffer. Specifically, the frame memory 214 stores the reconstruction block filtered by the loop filter unit 212.
  • FIG. 43 is a flowchart showing an example of processing performed by the prediction processing unit of the decoding device 200.
  • the prediction processing unit includes all or a part of the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220.
  • the prediction processing unit generates a prediction image of the current block (step Sq_1).
  • This prediction image is also referred to as a prediction signal or a prediction block.
  • the prediction signal includes, for example, an intra prediction signal or an inter prediction signal.
  • the prediction processing unit generates a reconstructed image that has already been obtained by generating a prediction block, a difference block, a coefficient block, a restoration of the difference block, and a decoded image block. Is used to generate a predicted image of the current block.
  • the reconstructed image may be, for example, an image of a reference picture or an image of a decoded block in the current picture which is a picture including the current block.
  • the decoded block in the current picture is, for example, a block adjacent to the current block.
  • FIG. 44 is a flowchart showing another example of processing performed by the prediction processing unit of the decoding device 200.
  • the prediction processing unit determines the method or mode for generating the prediction image (step Sr_1). For example, this method or mode may be determined based on, for example, prediction parameters.
  • the prediction processing unit determines the first method as the mode for generating the prediction image
  • the prediction processing unit generates the prediction image according to the first method (step Sr_2a).
  • the prediction processing unit determines the second method as the mode for generating the prediction image
  • the prediction processing unit generates the prediction image according to the second method (step Sr_2b).
  • the prediction processing unit determines the third method as the mode for generating the prediction image
  • the prediction processing unit generates the prediction image according to the third method (step Sr_2c).
  • the first method, the second method, and the third method are different methods for generating a prediction image, and are, for example, an inter prediction method, an intra prediction method, and other prediction methods, respectively. There may be. In these prediction methods, the above-mentioned reconstructed image may be used.
  • the intra prediction unit 216 performs an intra prediction by referring to a block in the current picture stored in the block memory 210 based on the intra prediction mode read from the encoded bit stream, thereby performing a prediction signal (intra prediction). Signal) is generated. Specifically, the intra prediction unit 216 generates an intra prediction signal by performing intra prediction with reference to a sample of a block adjacent to the current block (for example, a luminance value and a color difference value), and predicts and controls the intra prediction signal. Output to unit 220.
  • the intra prediction unit 216 may predict the color difference component of the current block based on the brightness component of the current block. ..
  • the intra prediction unit 216 corrects the pixel value after the intra prediction based on the gradient of the reference pixel in the horizontal / vertical direction.
  • the inter-prediction unit 218 predicts the current block by referring to the reference picture stored in the frame memory 214. Prediction is made in units of the current block or sub-blocks within the current block (eg, 4x4 blocks). For example, the inter-prediction unit 218 performs motion compensation using motion information (for example, a motion vector) read from a coded bit stream (for example, a prediction parameter output from the entropy decoding unit 202) to perform motion compensation to the current block or.
  • the sub-block inter-prediction signal is generated, and the inter-prediction signal is output to the prediction control unit 220.
  • the inter-prediction unit 218 uses not only the motion information of the current block obtained by the motion search but also the motion information of the adjacent block. , Generates an inter-prediction signal.
  • the inter-prediction unit 218 follows the pattern matching method (bilateral matching or template matching) read from the coded stream. Motion information is derived by performing motion search. Then, the inter-prediction unit 218 performs motion compensation (prediction) using the derived motion information.
  • the inter-prediction unit 218 derives a motion vector based on a model assuming constant velocity linear motion when the BIO mode is applied. Further, when the information read from the coded bit stream indicates that the affine motion compensation prediction mode is applied, the inter-prediction unit 218 uses motion vectors in sub-block units based on motion vectors of a plurality of adjacent blocks. Is derived.
  • the inter-prediction unit 218 derives the MV based on the information read from the coded stream and uses the MV. Motion compensation (prediction) is performed.
  • FIG. 45 is a flowchart showing an example of inter-prediction by the normal inter-mode in the decoding device 200.
  • the inter-prediction unit 218 of the decoding device 200 performs motion compensation for each block.
  • the inter-prediction unit 218 acquires a plurality of candidate MVs for the current block based on information such as MVs of the plurality of decoded blocks around the current block temporally or spatially (step Ss_1). That is, the inter prediction unit 218 creates a candidate MV list.
  • the inter-prediction unit 218 selects each of N (N is an integer of 2 or more) candidate MVs from the plurality of candidate MVs acquired in step Ss_1 as predictive motion vector candidates (also referred to as predicted MV candidates). As a result, extraction is performed according to a predetermined priority (step Ss_2). The priority may be predetermined for each of the N predicted MV candidates.
  • the inter-prediction unit 218 decodes the predicted motion vector selection information from the input stream (that is, the coded bit stream), and uses the decoded predicted motion vector selection information to display the N prediction MV candidates.
  • One predicted MV candidate is selected as a predicted motion vector (also referred to as predicted MV) of the current block (step Ss_3).
  • the inter-prediction unit 218 decodes the difference MV from the input stream, and adds the difference value, which is the decoded difference MV, to the selected predicted motion vector to obtain the MV of the current block. Derivation (step Ss_4).
  • the inter-prediction unit 218 generates a prediction image of the current block by performing motion compensation for the current block using the derived MV and the decoded reference picture (step Ss_5).
  • the prediction control unit 220 selects either an intra prediction signal or an inter prediction signal, and outputs the selected signal to the addition unit 208 as a prediction signal.
  • the configurations, functions, and processes of the predictor control unit 220, the intra prediction unit 216, and the inter prediction unit 218 on the decoding device side are the prediction control unit 128, the intra prediction unit 124, and the inter prediction unit 126 on the encoding device side. It may correspond to the configuration, function, and processing of.
  • FIG. 46 is a block diagram showing an implementation example of the decoding device 200.
  • the decoding device 200 includes a processor b1 and a memory b2.
  • the plurality of components of the decoding device 200 shown in FIG. 41 are implemented by the processor b1 and the memory b2 shown in FIG.
  • the processor b1 is a circuit that performs information processing and is a circuit that can access the memory b2.
  • processor b1 is a dedicated or general purpose electronic circuit that decodes a coded moving image (ie, a coded bitstream).
  • the processor b1 may be a processor such as a CPU.
  • the processor b1 may be an aggregate of a plurality of electronic circuits. Further, for example, the processor b1 may play the role of a plurality of components among the plurality of components of the decoding device 200 shown in FIG. 41 and the like.
  • the memory b2 is a dedicated or general-purpose memory in which information for the processor b1 to decode the coded bit stream is stored.
  • the memory b2 may be an electronic circuit or may be connected to the processor b1. Further, the memory b2 may be included in the processor b1. Further, the memory b2 may be an aggregate of a plurality of electronic circuits. Further, the memory b2 may be a magnetic disk, an optical disk, or the like, or may be expressed as a storage, a recording medium, or the like. Further, the memory b2 may be a non-volatile memory or a volatile memory.
  • the moving image may be stored in the memory b2, or the encoded bit stream may be stored.
  • the memory b2 may store a program for the processor b1 to decode the coded bit stream.
  • the memory b2 may play the role of a component for storing information among the plurality of components of the decoding device 200 shown in FIG. 41 and the like. Specifically, the memory b2 may play the role of the block memory 210 and the frame memory 214 shown in FIG. More specifically, the reconstructed block, the reconstructed picture, and the like may be stored in the memory b2.
  • not all of the plurality of components shown in FIG. 41 and the like may be mounted, or all of the plurality of processes described above may not be performed. Some of the plurality of components shown in FIG. 41 and the like may be included in another device, and some of the above-mentioned plurality of processes may be executed by another device.
  • each term may be defined as follows.
  • the picture is an array of multiple luminance samples in a monochrome format, or an array of multiple luminance samples and a plurality of color difference samples in the 4: 2: 0, 4: 2: 2 and 4: 4: 4 color formats. Corresponding array.
  • the picture may be a frame or a field.
  • the frame is a composition of a top field in which a plurality of sample rows 0, 2, 4, ... Are generated, and a bottom field composition in which a plurality of sample rows 1, 3, 5, ... Are generated.
  • a slice is an integer coded tree contained in one independent slice segment and all subsequent dependent slice segments that precede the next (if any) independent slice segment in the same access unit (if any). It is a unit.
  • a tile is a rectangular area of multiple coded tree blocks within a particular tile column and a particular tile row in a picture.
  • the tile may still be a loop filter across the edges of the tile, but may be a rectangular region of the frame intended to be independently decoded and encoded.
  • the block is an MxN (N rows and M columns) array of a plurality of samples, or an MxN array of a plurality of conversion coefficients.
  • the block may be a square or rectangular area of a plurality of pixels consisting of a plurality of matrices of one luminance and two color differences.
  • the CTU may be a coded tree block of a plurality of luminance samples of a picture having three sample arrays, or may be two corresponding coded tree blocks of a plurality of color difference samples. ..
  • the CTU can be a coding tree block of any of a plurality of samples, a monochrome picture and a picture encoded using three separate color planes and a syntax structure used to encode the multiple samples. It may be.
  • the super block may be a square block having 64 x 64 pixels, which constitutes one or two mode information blocks, or is recursively divided into four 32 ⁇ 32 blocks and can be further divided.
  • FIG. 47 is a flowchart of the decoding process according to the first aspect.
  • the decoding device derives one or more parameters from the header of the bitstream (S101).
  • the decoding device analyzes (acquires) one or more parameters from the header of the bitstream.
  • the decoding device uses a default value as the value of one or more parameters when one or more parameters do not exist in the bit stream. For example, this default value is 0.
  • the decoding device may derive one or more parameters from the header using the previously analyzed parameters.
  • the decoding device generates a second image by filtering the reconstructed sample of the first image (S102).
  • the decoding device determines whether or not the derived parameter is a default value (S103).
  • this default value is an integer value.
  • this default value is 0.
  • this default value is 2.
  • the decoding device determines whether or not the derived parameter is a default value (S103).
  • this default value is an integer value.
  • this default value is 0.
  • this default value is 2.
  • the same default value may be set for a plurality of parameters, or different default values may be set for each of the plurality of parameters.
  • the decoding device decodes the third image using the second image (S104).
  • the decoding device decodes the third image using the first image (S105). After step S104 or S105, the decoding device displays a second image (S106).
  • the above filter processing can be replaced with, for example, a combination of ALF processing, CCALF (Cross Component Loop Filter) processing, DBF processing, SAO processing, LMCS (Luma mapping with chroma scaling) processing, or any filter processing described later. May be good. Further, the order of LMCS, DBF, SAO, ALF, and CCALF processing may be any order.
  • CCALF operates, for example, by applying a linear diamond-shaped filter to the luminance channels of each color difference component.
  • the filter coefficients are transmitted by APS (Adaptation Parameter Set), scaled by a factor of 2 ⁇ 10, and rounded for fixed-point representation.
  • the application of the filter is controlled by a variable block size and is signaled by a context-encoded flag received for each block of the sample.
  • the block size and CCALF enable flag are received at the slice level of each color difference component.
  • CCALF syntax and semantics are provided in the Appendix. Contributions support block sizes of 16x16, 32x32, 64x64, 128x128 (in color difference samples).
  • LMCS is a luminance signal mapping process in which color difference signals are scaled.
  • LMCS divides the range of the signal before mapping (for example, 0-1023 for 10 bits) into 16 regions, and divides the conversion curve for mapping into 16 regions. Approximate with individual straight lines.
  • the block-by-block inverse conversion unit determines which region the mapped signal MapSample of each pixel belongs to, that is, which linear parameter is used for the inverse conversion. Once the conversion straight line to be used for the inverse transformation is determined, the parameters of the straight line are calculated, the inverse transformation (inverse mapping) is performed to calculate the pixel value before mapping, and this is used for the subsequent processing.
  • the above parameter may be a flag or a signal indicating whether the first image is used to decode the third image or the second image is used to decode the third image. That is, the above parameter may be a flag or a signal indicating whether to refer to the image before filtering or the image after filtering.
  • the decoding device can switch which of the second image after the application of the filtering process and the first image before the application is used for the reference of the subsequent picture for each picture.
  • the filtering is effective in improving the subjective image quality but not suitable as a reference image
  • the first image before the application of the filtering is used as the reference image to maintain the coding efficiency.
  • the subjective image quality can be improved as it is.
  • the decoding device may display the first image when the parameter is not a default value (No in S103). Further, when the parameter is not a default value (No in S103), a signal indicating whether to display the first image or the second image may be encoded in SEI or the like. This signal may be a flag indicating an image to be displayed. When this flag is 0, the first image is displayed. On the other hand, when this flag is 1, the second image is displayed. When the flag is 1, the first image may be displayed, and when the flag is 0, the second image may be displayed. Further, if this signal does not exist in SEI or the like, a default image may be displayed. This default image is a first image or a second image.
  • the filter coefficient required for the filtering process may be encoded in a header such as APS, PPS, SPS, SEI, slice header, tile header, or brick header.
  • a brick is, for example, one or more processing units included in a slice.
  • the brick includes one or more CTUs (Coding Tree Units).
  • the brick may contain slices.
  • the coding apparatus may encode the filter coefficient required for the filter processing into SEI or the like. Further, when the parameter is not a default value (No in S103), the decoding device may decode the filter coefficient required for the filter processing from SEI or the like.
  • the filtering process may include the use of a sharpening filter.
  • the same value may be used as the value of the derived parameter for the entire stream. This value may depend on the level profile. In this case, the above parameters may not exist in the bitstream.
  • the decoding apparatus includes an entropy decoding unit 301, a block division unit 302, an inverse quantization unit 303, an inverse conversion unit 304, an addition unit 305, an intra prediction unit 306, and an inter prediction unit 307.
  • the entropy decoding unit 301 generates a quantization coefficient or the like by entropy decoding the coded data (bit stream).
  • the block division unit 302 sets a plurality of blocks that divide the image.
  • the dequantization unit 303 generates a conversion coefficient by dequantizing the quantization coefficient.
  • the inverse conversion unit 304 generates a difference block (predicted residual) by inversely converting the conversion coefficient.
  • the addition unit 305 generates a decoding block (reconstructed image) by adding the difference block and the prediction block.
  • the intra prediction unit 306 generates an intra prediction block by intra prediction.
  • the inter-prediction unit 307 generates an inter-prediction block by inter-prediction.
  • the selection unit 308 outputs one of the intra prediction block and the inter prediction block as a prediction block to the addition unit 305.
  • the LMCS unit 309 performs LMCS processing on the decoding block.
  • the DBF unit 310 performs DBF processing on the decoding block.
  • the SAO unit 311 performs SAO processing on the decoding block.
  • the ALF unit 312 performs ALF processing on the decoding block.
  • the decoding device may include all or a part of the LMCS unit 309, the DBF unit 310, the SAO unit 311 and the ALF unit 312.
  • the selection unit 313 selects one of the decoding block before the ALF processing and the decoding block after the ALF processing, and outputs the selected decoding block to the inter-prediction unit 307. Specifically, the selection unit 313 selects the decoding block after the ALF processing when the parameter is the default value (Yes in S103), and when the parameter is not the default value (No in S103), the decoding before the ALF processing. Select a block.
  • the selection unit 313A selects one of the decoding block before the SAO processing and the decoding block after the SAO processing, and outputs the selected decoding block to the inter-prediction unit 307. Specifically, the selection unit 313A selects the decoding block after SAO processing when the parameter is the default value (Yes in S103), and when the parameter is not the default value (No in S103), decoding before SAO processing. Select a block.
  • the selection unit 313B selects one of the decoding block before the DBF processing and the decoding block after the DBF processing, and outputs the selected decoding block to the inter-prediction unit 307. Specifically, the selection unit 313B selects the decoding block after the DBF processing when the parameter is the default value (Yes in S103), and when the parameter is not the default value (No in S103), the decoding before the DBF processing. Select a block.
  • the selection unit 313C selects one of the decoding block before the LMCS processing and the decoding block after the LMCS processing, and outputs the selected decoding block to the inter-prediction unit 307. Specifically, when the parameter is the default value (Yes in S103), the selection unit 313C selects the decoding block after the LMCS processing, and when the parameter is not the default value (No in S103), the decoding before the LMCS processing. Select a block.
  • the selection unit 313D selects one of the decoding block before LMCS, DBF, SAO and ALF processing and the decoding block after LMCS, DBF, SAO and ALF processing, and selects the selected decoding block. Output to the inter-prediction unit 307. Specifically, the selection unit 313D selects the decoding block after LMCS, DBF, SAO, and ALF processing when the parameter is the default value (Yes in S103), and when the parameter is not the default value (No in S103). , LMCS, DBF, SAO and decryption block before ALF processing is selected.
  • the selection unit 313E selects one of the decoding block before the DBF, SAO and ALF processing and the decoding block after the DBF, SAO and ALF processing, and selects the selected decoding block as the inter-prediction unit 307. Output to. Specifically, the selection unit 313E selects the decoding block after DBF, SAO and ALF processing when the parameter is the default value (Yes in S103), and when the parameter is not the default value (No in S103), the DBF. , SAO and the decryption block before ALF processing is selected.
  • the selection unit 313F selects one of the decoding block before SAO and ALF processing and the decoding block after SAO and ALF processing, and outputs the selected decoding block to the inter-prediction unit 307. Specifically, the selection unit 313F selects the decryption block after SAO and ALF processing when the parameter is the default value (Yes in S103), and when the parameter is not the default value (No in S103), SAO and ALF. Select the decryption block before processing.
  • the decoding device shown in FIG. 55 further includes a CCALF unit 314 and an addition unit 315.
  • the CCALF unit 314 performs CCALF processing on the decoding block.
  • the addition unit 315 adds the decoding block after the ALF processing and the decoding block after the CCALF processing.
  • the selection unit 313G selects one of the decoding block before the ALF and CCALF processing and the decoding block after the ALF and CCALF processing, and outputs the selected decoding block to the inter-prediction unit 307. Specifically, the selection unit 313G selects the decoding block after ALF and CCALF processing when the parameter is the default value (Yes in S103), and when the parameter is not the default value (No in S103), ALF and CCALF. Select the decryption block before processing.
  • FIG. 56 is a flowchart of the decoding process according to the second aspect.
  • the decoding device analyzes at least one parameter for each of the plurality of blocks of the first image (S201). For example, this parameter is a flag.
  • the decoding device determines whether or not the default value is included in at least one parameter (S202). For example, this default value is an integer value. For example, this default value is 0.
  • the decoding device When at least one parameter contains a default value (Yes in S202), the decoding device generates a second block by filtering the reconstructed sample of the first block using filtering (S203).
  • a specific example of the filtering process is the same as that of the first aspect, for example.
  • the decoding device displays the second block (S204).
  • the decoding device displays the first block (S205). After step S204 or S205, the decoding device decodes the third image using the first image without using the second block (S206).
  • the decoding device can switch whether or not to display the image after applying the filter processing for each block area.
  • the filtering process is effective in improving the subjective image quality only in the local region, the appropriate filtering process becomes possible and the subjective image quality can be improved.
  • FIG. 57 is a flowchart of the decoding process according to the third aspect.
  • the decoding device analyzes (acquires) the first parameter from the first header (S301).
  • the first header is a slice header.
  • the first parameter is the APS ID for identifying the APS.
  • the decoding device analyzes (acquires) a plurality of second parameters from the second header (S302).
  • the second parameter is a parameter included in a plurality of APS sets having different APS IDs.
  • the decoding device selects the second parameter from the plurality of analyzed second parameters based on the first parameter (S303). For example, the decoding device uses the APS ID to select a set of filter coefficients in the APS.
  • the decoding device generates a second image by filtering the reconstructed sample of the first image using filtering and the selected second parameter (S304).
  • a specific example of the filtering process is the same as that of the first aspect, for example.
  • the decoding device decodes the third image using the first image (S305).
  • the decoding device displays the second image (S306).
  • the decoding device can switch and apply the filter coefficient of the filtering process for each slice.
  • the filter processing is appropriately switched and applied even to an image having different characteristics for each local region, so that the subjective image quality can be improved in the entire image.
  • FIG. 58 is a flowchart of the decoding process according to the fourth aspect.
  • the decoding device analyzes a plurality of first parameters from the header (S401).
  • the first parameter is a set of filter coefficients.
  • the decoding device calculates the gradient information (dispersion parameter) from the block of the reconstruction sample of the first image (S402).
  • the block size of the reconstructed sample is 4x4.
  • the decoding device selects one first parameter from the plurality of first parameters based on the calculated gradient information (S403). For example, the decoding device uses the gradient information to classify blocks into one of a plurality of categories, each category having its own set of filter coefficients. The decoding device selects the filter coefficient (first parameter) corresponding to the classified category.
  • Gradient information includes horizontal gradients (gradients), vertical gradients, diagonal gradients, or any combination thereof. Further, the gradient information may include dispersion information.
  • the decoding device generates a second image by filtering the reconstructed sample of the first image using filtering and the selected first parameter (S404).
  • the decoding device decodes the third image using the first image (S405).
  • the decoding device displays the second image (S406).
  • the decoding device can extract the image feature amount for each block and switch the filter coefficient of the filter processing according to the image feature amount and apply it.
  • the filter processing is appropriately switched and applied even to an image having different characteristics for each local region, so that the subjective image quality can be improved in the entire image.
  • 59 to 62 are diagrams showing a calculation example of gradient information.
  • 59-62 show subsampled positions used to calculate vertical, horizontal, zero diagonal and one diagonal gradients in a 4x4 block size.
  • FIG. 59 is a diagram showing subsampling positions of the vertical gradient ( gv ).
  • Figure 60 is a diagram showing a sub-sampling position in the horizontal gradient (g h).
  • FIG. 61 is a diagram showing subsampling positions of a diagonal 0 gradient (g d1 ).
  • FIG. 62 is a diagram showing subsampling positions of one diagonal gradient (g d2 ).
  • the vertical gradient (g v), horizontal gradient (g h), diagonal 0 gradient (g d1) and diagonal gradients (g d2) is calculated using the following formulas (1) to (4) To.
  • the filter (ALF, SAO, DBF or LMCS, or a combination thereof) between the post filter and the in-loop filter in video coding is switched. This design gives you more flexibility in customizing filters and better image quality.
  • the header described above may be a VPS, SPS, PPS, APS, SEI, or slice header.
  • the filtering process may be an ALF process, a CCALF process, a DBF process, a SAO process, an LMCS process, or a combination of a plurality of these post-filter processes. Further, the above determination (S103 or S202) may be performed based on the profile level.
  • the coding apparatus may include a processing unit similar to the processing unit described above. Specifically, as shown in FIG. 1 and the like, the coding device, like the decoding device, has inverse quantization, inverse conversion, reconstruction (addition of predicted images), loop filter processing, and prediction processing (intra-prediction). And inter-prediction). That is, the coding device decodes the image in the same manner as the decoding device. Further, the coding apparatus subtracts the generated predicted image from the input image, and performs conversion, quantization, and entropy coding processing.
  • the coding device performs a coding process using the prediction in addition to the decoding process using the prediction using the image before or after the filter processing (loop filter). Therefore, the decoding of the image or block in the decoding device may be replaced by the coding of the image or block, or may be replaced by the coding and decoding of the image or block. Further, various information analyzed (acquired) from the bit stream (for example, header) in the decoding device is encoded (stored) in the bit stream (for example, header) in the encoding device.
  • the coding device includes a circuit and a memory connected to the circuit, and the circuit encodes information for deriving a parameter to the first header of the bit stream in operation, and the first A second image is generated by filtering the reconstructed sample of one image using a filtering process, it is determined whether the parameter is a default value, and if the parameter is the default value, the second image is displayed.
  • the third image is encoded using, and if the parameter is not the default value, the first image is used to encode the third image.
  • the header is APS (Adaptation Parameter Set).
  • the header is SPS (Sequence Parameter Set).
  • the header is PPS (Picture Parameter Set).
  • the header is a slice header or a tile header.
  • the header is a brick header.
  • the header is SEI (Supplemental Enhancement Information).
  • the filtering process includes an adaptive loop filtering process.
  • the filtering includes cross-component adaptive loop filtering.
  • the filtering process includes a deblocking filtering process.
  • the filtering process includes a sample adaptive offset process.
  • the filter processing includes LMCS (Luma mapping with chroma scaling) processing.
  • the filtering process uses a sharpening filter.
  • the parameter includes a filter coefficient of the filtering process.
  • the decoding device includes a circuit and a memory connected to the circuit, and the circuit derives parameters from the information contained in the header of the bitstream in operation and filters the reconstruction sample of the first image.
  • a second image is generated by filtering using processing, it is determined whether the parameter is a default value, and if the parameter is the default value, the third image is decoded using the second image. If the parameter is not the default value, the first image is used to decode the third image and display the second image.
  • the header is APS (Adaptation Parameter Set).
  • the header is SPS (Sequence Parameter Set).
  • the header is PPS (Picture Parameter Set).
  • the header is a slice header or a tile header.
  • the header is a brick header.
  • the header is SEI (Supplemental Enhancement Information).
  • the filtering process includes an adaptive loop filtering process.
  • the filtering includes cross-component adaptive loop filtering.
  • the filtering process includes a deblocking filtering process.
  • the filtering process includes a sample adaptive offset process.
  • the filter processing includes LMCS (Luma mapping with chroma scaling) processing.
  • the filtering process uses a sharpening filter.
  • the decoding device derives the parameter by analyzing the first header. For example, in the derivation, the decoding device derives the parameter from the first header using the previously analyzed parameter. For example, the parameter includes a filter coefficient of the filtering process.
  • the coding apparatus receives the picture in the operation and divides it into a plurality of blocks, and in the operation, receives the plurality of blocks from the division unit and a plurality of predictions from the prediction control unit.
  • a first addition unit that subtracts each prediction from the corresponding block and outputs a plurality of residuals, and a plurality of conversions that perform conversion on the plurality of residuals output from the first addition unit in operation.
  • a conversion unit that outputs coefficients, a quantization unit that quantizes the plurality of conversion coefficients in operation to generate a plurality of quantization conversion coefficients, and a conversion unit that encodes the plurality of quantization conversion coefficients in operation.
  • the plurality of quantization conversion coefficients are inversely quantized to obtain the plurality of conversion coefficients, and the plurality of conversion coefficients are inversely quantized to obtain the plurality of conversion coefficients.
  • the inverse quantization conversion unit that acquires the residuals, the plurality of residuals output from the inverse quantization conversion unit, and the plurality of predictions output from the prediction control unit are added together.
  • a second addition unit that reconstructs the plurality of blocks, an inter prediction unit, an intra prediction unit, and the prediction control unit connected to the memory are provided, and information for deriving parameters to the first header of the bit stream is provided.
  • a second image is generated by encoding and filtering the reconstructed sample of the first image using a filtering process, and it is determined whether or not the parameter is a default value. If the parameter is the default value, the above-mentioned The second image is used to encode the third image, and if the parameters are not the default values, the first image is used to encode the third image.
  • the decoding apparatus includes an entropy decoding unit that receives and decodes a coded bit stream in operation to acquire a plurality of quantization conversion coefficients, and a plurality of entropy decoding units that dequantize the plurality of quantization conversion coefficients in operation.
  • the inverse quantization conversion unit that acquires the conversion coefficients of the above and inversely converts the plurality of conversion coefficients to acquire a plurality of residuals, and the plurality of residuals output from the inverse quantization conversion unit in operation.
  • a bit including an addition unit that reconstructs a plurality of blocks by adding a plurality of predictions output from the prediction control unit, an inter-prediction unit, an intra-prediction unit, and the prediction control unit connected to a memory.
  • a parameter is derived from the information contained in the header of the stream, the reconstruction sample of the first image is filtered by using a filtering process to generate a second image, and it is determined whether the parameter is a default value.
  • the second image is used to decode the third image, and when the parameter is not the default value, the first image is used to decode the third image, and the second image is decoded. Display the image.
  • One or more aspects disclosed herein may be implemented in combination with at least a part of the other aspects in the present disclosure.
  • a part of the processing described in the flowchart of one or more aspects disclosed here a part of the configuration of the device, a part of the syntax, and the like may be performed in combination with the other aspects.
  • each of the functional or active blocks can usually be realized by an MPU (micro processing unit), a memory, or the like. Further, the processing by each of the functional blocks may be realized as a program execution unit such as a processor that reads and executes software (program) recorded on a recording medium such as ROM. The software may be distributed. The software may be recorded on various recording media such as semiconductor memory. It is also possible to realize each functional block by hardware (dedicated circuit). Various combinations of hardware and software can be adopted.
  • each embodiment may be realized by centralized processing using a single device (system), or may be realized by distributed processing using a plurality of devices. Further, the number of processors that execute the above program may be singular or plural. That is, centralized processing may be performed, or distributed processing may be performed.
  • an application example of the moving image coding method (image coding method) or the moving image decoding method (image decoding method) shown in each of the above embodiments, and various systems for implementing the application example are provided.
  • Such a system may be characterized by having an image coding device using an image coding method, an image decoding device using an image decoding method, or an image coding / decoding device including both. Other configurations of such a system can be appropriately modified as appropriate.
  • FIG. 63 is a diagram showing an overall configuration of an appropriate content supply system ex100 that realizes a content distribution service.
  • the communication service providing area is divided into desired sizes, and base stations ex106, ex107, ex108, ex109, and ex110, which are fixed radio stations in the illustrated example, are installed in each cell, respectively.
  • each device such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 via the Internet service provider ex102 or the communication network ex104 and the base stations ex106 to ex110 on the Internet ex101.
  • the content supply system ex100 may be connected by combining any of the above devices.
  • the devices may be directly or indirectly connected to each other via a telephone network, short-range radio, or the like, without going through base stations ex106 to ex110.
  • the streaming server ex103 may be connected to each device such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 via the Internet ex101 or the like.
  • the streaming server ex103 may be connected to a terminal or the like in a hot spot in the airplane ex117 via the satellite ex116.
  • the streaming server ex103 may be directly connected to the communication network ex104 without going through the Internet ex101 or the Internet service provider ex102, or may be directly connected to the airplane ex117 without going through the satellite ex116.
  • the camera ex113 is a device capable of shooting still images and moving images such as a digital camera.
  • the smartphone ex115 is a smartphone machine, a mobile phone, a PHS (Personal Handy-phone System) or the like that supports a mobile communication system system called 2G, 3G, 3.9G, 4G, and 5G in the future.
  • PHS Personal Handy-phone System
  • the home appliance ex114 is a refrigerator or a device included in a household fuel cell cogeneration system.
  • live distribution or the like is possible by connecting a terminal having a shooting function to the streaming server ex103 through a base station ex106 or the like.
  • terminals computer ex111, game machine ex112, camera ex113, home appliances ex114, smartphone ex115, terminals in airplane ex117, etc.
  • the coding process described in each embodiment may be performed, or the video data obtained by coding may be multiplexed with the sound data in which the sound corresponding to the video is encoded, and the obtained data is streamed. It may be transmitted to the server ex103. That is, each terminal functions as an image coding device according to one aspect of the present disclosure.
  • the streaming server ex103 streams the content data transmitted to the requested client.
  • the client is a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, a smartphone ex115, a terminal in an airplane ex117, or the like, which can decode the coded data.
  • Each device that has received the delivered data may decode and reproduce the received data. That is, each device may function as an image decoding device according to one aspect of the present disclosure.
  • the streaming server ex103 may be a plurality of servers or a plurality of computers, and may disperse data for processing, recording, and distribution.
  • the streaming server ex103 may be realized by a CDN (Contents Delivery Network), and content distribution may be realized by a network connecting a large number of edge servers distributed all over the world.
  • CDN Contents Delivery Network
  • content distribution may be realized by a network connecting a large number of edge servers distributed all over the world.
  • physically close edge servers can be dynamically assigned depending on the client. Then, the delay can be reduced by caching and delivering the content to the edge server.
  • processing is distributed among multiple edge servers, the distribution subject is switched to another edge server, or a failure occurs. Since distribution can be continued by bypassing the network part, high-speed and stable distribution can be realized.
  • the coding processing of the captured data may be performed on each terminal, on the server side, or shared with each other.
  • the processing loop is performed twice.
  • the first loop the complexity or code amount of the image on a frame or scene basis is detected.
  • the second loop a process of maintaining the image quality and improving the coding efficiency is performed.
  • the terminal performs the first coding process
  • the server side that receives the content performs the second coding process, so that the quality and efficiency of the content can be improved while reducing the processing load on each terminal. it can.
  • the first encoded data performed by the terminal can be received and played back by another terminal, enabling more flexible real-time distribution.
  • the camera ex113 or the like extracts a feature amount (feature or characteristic amount) from the image, compresses the data related to the feature amount as metadata, and transmits the data to the server.
  • the server performs compression according to the meaning (or importance of the content) of the image, for example, by determining the importance of the object from the feature amount and switching the quantization accuracy.
  • the feature data is particularly effective for improving the accuracy and efficiency of motion vector prediction during recompression on the server.
  • a terminal may perform simple coding such as VLC (variable length coding), and a server may perform coding having a large processing load such as CABAC (context-adaptive binary arithmetic coding method).
  • a plurality of video data in which almost the same scene is shot by a plurality of terminals.
  • GOP Group of Picture
  • the server may manage and / or instruct so that the video data shot by each terminal can be referred to each other. Further, the encoded data from each terminal may be received by the server and the reference relationship may be changed between the plurality of data, or the picture itself may be corrected or replaced and re-encoded. This makes it possible to generate a stream with improved quality and efficiency of each piece of data.
  • the server may distribute the video data after transcoding to change the coding method of the video data.
  • the server may convert the MPEG-based coding method to the VP-based (for example, VP9), or H.A. 264 is H. It may be converted to 265 or the like.
  • the coding process can be performed by the terminal or one or more servers. Therefore, in the following, the description of "server” or “terminal” or the like is used as the subject of processing, but a part or all of the processing performed by the server may be performed by the terminal, or the processing performed by the terminal. Some or all may be done on the server. The same applies to the decoding process.
  • [3D, multi-angle] There is an increasing increase in the integrated use of different scenes taken by terminals such as a plurality of cameras ex113 and / or smartphones ex115 that are substantially synchronized with each other, or images or videos of the same scene taken from different angles.
  • the images taken by each terminal can be integrated based on the relative positional relationship between the separately acquired terminals, the area where the feature points included in the image match, and the like.
  • the server not only encodes the two-dimensional moving image, but also automatically encodes the still image based on the scene analysis of the moving image or at a time specified by the user, and transmits the still image to the receiving terminal. May be good. If the server can acquire the relative positional relationship between the shooting terminals, the server can obtain the three-dimensional shape of the scene based not only on the two-dimensional moving image but also on the images of the same scene shot from different angles. Can be generated.
  • the server may separately encode the three-dimensional data generated by the point cloud or the like, or may generate a plurality of images to be transmitted to the receiving terminal based on the result of recognizing or tracking a person or an object using the three-dimensional data. It may be generated by selecting or reconstructing from the video taken by the terminal of.
  • the user can arbitrarily select each image corresponding to each shooting terminal and enjoy the scene, or can select the image of the selected viewpoint from the plurality of images or the three-dimensional data reconstructed using the images. You can also enjoy the cut out content. Furthermore, along with the video, the sound is also picked up from multiple different angles, and the server can multiplex the sound from a particular angle or space with the corresponding video and transmit the multiplexed video and sound. Good.
  • the server may create viewpoint images for the right eye and the left eye, respectively, and perform coding that allows reference between the viewpoint images by Multi-View Coding (MVC) or the like, or mutually. It may be encoded as a separate stream without reference. When decoding another stream, it is preferable to play back in synchronization with each other so that a virtual three-dimensional space is reproduced according to the user's viewpoint.
  • MVC Multi-View Coding
  • the server may superimpose the virtual object information on the virtual space on the camera information in the real space based on the three-dimensional position or the movement of the user's viewpoint.
  • the decoding device may acquire or hold virtual object information and three-dimensional data, generate a two-dimensional image according to the movement of the user's viewpoint, and create superimposed data by smoothly connecting the images.
  • the decoding device may transmit the movement of the user's viewpoint to the server in addition to the request for the virtual object information.
  • the server may create superimposed data according to the movement of the viewpoint received from the three-dimensional data held in the server, encode the superimposed data, and distribute the superimposed data to the decoding device.
  • the superimposed data typically has an ⁇ value indicating transparency other than RGB
  • the server sets the ⁇ value of the part other than the object created from the three-dimensional data to 0 or the like, and the relevant part. May be encoded while being transparent.
  • the server may set an RGB value of a predetermined value as the background, such as a chroma key, and generate data in which the portion other than the object is the background color.
  • the RGB value of the predetermined value may be predetermined.
  • the decryption process of the delivered data may be performed by the client (for example, the terminal), the server side, or shared with each other.
  • a terminal may once send a reception request to a server, the content corresponding to the request may be received by another terminal, decryption processing may be performed, and the decoded signal may be transmitted to a device having a display. Data with good image quality can be reproduced by distributing the processing and selecting appropriate content regardless of the performance of the communicable terminal itself.
  • a part of an area such as a tile in which a picture is divided may be decoded and displayed on the viewer's personal terminal. As a result, while sharing the whole picture, it is possible to confirm the field of responsibility or the area to be confirmed in more detail at hand.
  • the user may switch in real time while freely selecting a decoding device or a display device such as a user's terminal or a display arranged indoors or outdoors.
  • a decoding device or a display device such as a user's terminal or a display arranged indoors or outdoors.
  • access to the coded data on the network such as the coded data being cached in a server that can be accessed from the receiving terminal in a short time, or being copied to an edge server in the content delivery service. It is also possible to switch the bit rate of the received data based on ease.
  • the content switching will be described using a scalable stream compressed and encoded by applying the moving image coding method shown in each of the above embodiments shown in FIG. 64.
  • the server may have multiple streams with the same content but different qualities as individual streams, but it is temporally / spatially scalable realized by encoding by dividing into layers as shown in the figure.
  • the content may be switched by taking advantage of the characteristics of the stream.
  • the decoding side determines which layer to decode according to the internal factor of performance and the external factor such as the state of the communication band, and the decoding side determines the low resolution content and the high resolution content. It can be freely switched and decrypted.
  • the device may decode the same stream to different layers, so that the server.
  • the burden on the side can be reduced.
  • the picture is encoded for each layer, and the enhancement layer includes meta information based on the statistical information of the image, in addition to the configuration that realizes the scalability in the enhancement layer above the base layer. May be good.
  • the decoding side may generate high-quality content by super-resolution of the base layer picture based on the meta information. Super-resolution may improve the signal-to-noise ratio while maintaining and / or expanding the resolution.
  • Meta information includes information for specifying linear or non-linear filter coefficients such as those used for super-resolution processing, or information for specifying parameter values in filter processing, machine learning, or least squares calculation used for super-resolution processing. including.
  • a configuration may be provided in which the picture is divided into tiles or the like according to the meaning of the objects or the like in the image.
  • the decoding side decodes only a part of the area by selecting the tile to be decoded.
  • the decoding side can determine the position of the desired object based on the meta information. Can be identified and the tile containing the object can be determined.
  • the meta information may be stored using a data storage structure different from the pixel data, such as an SEI (supplemental enhancement information) message in HEVC. This meta information indicates, for example, the position, size, or color of the main object.
  • Meta information may be stored in a unit composed of a plurality of pictures, such as a stream, a sequence, or a random access unit.
  • the decoding side can acquire the time when a specific person appears in the video, can identify the picture in which the object exists, and can determine the position of the object in the picture by combining the information for each picture and the time information.
  • FIG. 66 is a diagram showing an example of a display screen of a web page on a computer ex111 or the like.
  • FIG. 67 is a diagram showing an example of a display screen of a web page on a smartphone ex115 or the like.
  • a web page may include a plurality of linked images that are links to image contents, and the appearance may differ depending on the viewing device. If multiple linked images are visible on the screen, the display device (until the user explicitly selects the linked image, or until the linked image approaches the center of the screen or the entire linked image fits inside the screen.
  • the decoding device may display a still image or I-picture of each content as a link image, may display an image such as a gif animation with a plurality of still images or I-pictures, or may display a base layer. Only may be received and the video may be decoded and displayed.
  • the display device When the link image is selected by the user, the display device performs decoding while giving the highest priority to, for example, the base layer. If the HTML constituting the web page has information indicating that the content is scalable, the display device may decode up to the enhancement layer. Further, in order to ensure real-time performance, the display device decodes only the forward reference picture (I picture, P picture, B picture of forward reference only) before being selected or when the communication band is very strict. And by displaying, the delay between the decoding time and the display time of the first picture (the delay from the start of decoding the content to the start of display) can be reduced. Furthermore, the display device may deliberately ignore the reference relationship of the pictures, roughly decode all the B pictures and the P pictures as forward references, and perform normal decoding as the number of received pictures increases over time. ..
  • the receiving terminal receives meta in addition to image data belonging to one or more layers.
  • Information such as weather or construction may be received as information, and these may be associated and decoded.
  • the meta information may belong to the layer or may be simply multiplexed with the image data.
  • the receiving terminal since a car, a drone, an airplane, etc. including the receiving terminal moves, the receiving terminal transmits the position information of the receiving terminal to perform seamless reception and decoding while switching the base stations ex106 to ex110. realizable.
  • the receiving terminal dynamically switches how much meta information is received or how much map information is updated according to the user's selection, the user's situation, and / or the state of the communication band. Becomes possible.
  • the client can receive, decode, and reproduce the encoded information transmitted by the user in real time.
  • the server may perform the editing process and then the encoding process. This can be achieved, for example, by using the following configuration.
  • the server After shooting in real time or accumulating at the time of shooting, the server performs recognition processing such as shooting error, scene search, meaning analysis, and object detection from the original image data or encoded data. Then, the server manually or automatically corrects out-of-focus or camera shake based on the recognition result, and reduces the importance of scenes such as scenes with low brightness or out of focus compared to other pictures. Make edits such as deleting, emphasizing the edges of objects, and changing the tint. The server encodes the edited data based on the edited result. It is also known that if the shooting time is too long, the audience rating will drop, and the server will move not only the less important scenes as described above so that the content will be within a specific time range according to the shooting time. A scene with a small number of images may be automatically clipped based on the image processing result. Alternatively, the server may generate and encode a digest based on the results of the semantic analysis of the scene.
  • recognition processing such as shooting error, scene search, meaning analysis, and object detection from the original image data or encode
  • the server may intentionally change a person's face around the screen, the inside of the house, or the like into an image that is out of focus and encode it. Furthermore, the server recognizes whether or not the face of a person different from the person registered in advance is reflected in the image to be encoded, and if so, performs processing such as applying a mosaic to the face part. You may.
  • a person or background area in which the user wants to process the image may be specified from the viewpoint of copyright or the like.
  • the server may perform processing such as replacing the specified area with another image or blurring the focus. If it is a person, the person can be tracked in the moving image to replace the image of the face part of the person.
  • the decoding device may first receive the base layer with the highest priority for decoding and playback, although it depends on the bandwidth.
  • the decoding device may receive the enhancement layer during this period and reproduce the high-quality video including the enhancement layer when the enhancement layer is received and the reproduction is performed twice or more, such as when the reproduction is looped.
  • a stream with such scalable encoding can provide an experience in which the stream gradually becomes smarter and the image becomes better, although it is a rough moving image when it is not selected or when it is first started to be viewed.
  • a similar experience can be provided even if the coarse stream played the first time and the second stream encoded with reference to the first video are configured as one stream. ..
  • these coding or decoding processes are generally processed in the LSI ex500 of each terminal.
  • the LSI (large scale integration circuit) ex500 may be one-chip or a plurality of chips.
  • software for video coding or decoding is embedded in some recording medium (CD-ROM, flexible disk, hard disk, etc.) that can be read by a computer ex111 or the like, and the coding or decoding processing is performed using the software. May be good.
  • the smartphone ex115 is equipped with a camera, the moving image data acquired by the camera may be transmitted. The moving image data at this time may be data encoded by LSI ex500 possessed by the smartphone ex115.
  • the LSIex500 may be configured to download and activate the application software.
  • the terminal first determines whether the terminal supports the content coding method or has the ability to execute a specific service. If the terminal does not support the content encoding method, or if it does not have the ability to execute a specific service, the terminal may download the codec or application software, and then acquire and play the content.
  • the digital broadcasting system has at least a moving image coding device (image coding device) or a moving image decoding device (image decoding device) of each of the above embodiments. Any of the above can be incorporated.
  • the difference is that it is suitable for multicast compared to the configuration that makes it easy to unicast the content supply system ex100 because it transmits and receives multiplexed data in which video and sound are multiplexed on radio waves for broadcasting using satellites and the like.
  • similar applications can be applied to the coding process and the decoding process.
  • FIG. 68 is a diagram showing further details of the smartphone ex115 shown in FIG. 63. Further, FIG. 69 is a diagram showing a configuration example of the smartphone ex115.
  • the smartphone ex115 received the antenna ex450 for transmitting and receiving radio waves to and from the base station ex110, the camera unit ex465 capable of taking images and still images, the image captured by the camera unit ex465, and the antenna ex450. It is provided with a display unit ex458 that displays the data obtained by decoding the video or the like.
  • the smartphone ex115 further includes an operation unit ex466 such as a touch panel, a voice output unit ex457 such as a speaker for outputting voice or sound, and a voice input unit ex456 such as a microphone for inputting voice.
  • the user is specified as the memory unit ex467 that can store encoded data such as recorded video or still image, recorded audio, received video or still image, mail, or decoded data, and the network is started. It is provided with a slot unit ex464 which is an interface unit with SIMex468 for authenticating access to various data. An external memory may be used instead of the memory unit ex467.
  • Main control unit ex460 that can collectively control display unit ex458, operation unit ex466, etc., power supply circuit unit ex461, operation input control unit ex462, video signal processing unit ex455, camera interface unit ex463, display control unit ex459, modulation / The demodulation unit ex452, the multiplexing / separation unit ex453, the audio signal processing unit ex454, the slot unit ex464, and the memory unit ex467 are connected via the synchronization bus ex470.
  • the power supply circuit unit ex461 activates the smartphone ex115 in an operable state and supplies power to each unit from the battery pack.
  • the smartphone ex115 performs processing such as calling and data communication based on the control of the main control unit ex460 having a CPU, ROM, RAM, and the like.
  • processing such as calling and data communication based on the control of the main control unit ex460 having a CPU, ROM, RAM, and the like.
  • the audio signal picked up by the audio input unit ex456 is converted into a digital audio signal by the audio signal processing unit ex454, spectrum diffusion processing is performed by the modulation / demodulation unit ex452, and digital-analog conversion processing is performed by the transmission / reception unit ex451. And frequency conversion processing is performed, and the resulting signal is transmitted via the antenna ex450.
  • the received data is amplified, subjected to frequency conversion processing and analog-digital conversion processing, spectrum reverse diffusion processing is performed by the modulation / demodulation unit ex452, converted into an analog audio signal by the audio signal processing unit ex454, and then converted into an analog audio signal, which is then converted to an analog audio signal.
  • text, still image, or video data can be transmitted under the control of the main control unit ex460 via the operation input control unit ex462 based on the operation of the operation unit ex466 of the main body unit. Similar transmission / reception processing is performed.
  • the video signal processing unit ex455 uses the video signal stored in the memory unit ex467 or the video signal input from the camera unit ex465 to perform each of the above operations. It is compressed and encoded by the moving image coding method shown in the form, and the encoded video data is sent to the multiplexing / separation unit ex453.
  • the audio signal processing unit ex454 encodes the audio signal picked up by the audio input unit ex456 while the video or still image is being imaged by the camera unit ex465, and sends the encoded audio data to the multiplexing / separation unit ex453.
  • the multiplexing / separating unit ex453 multiplexes the encoded video data and the encoded audio data by a predetermined method, and the modulation / demodulation unit (modulation / demodulation circuit unit) ex452 and the transmission / reception unit ex451 perform modulation processing and conversion. It is processed and transmitted via the antenna ex450.
  • the predetermined method may be predetermined.
  • the multiplexing / separating unit ex453 is multiplexed.
  • the multiplexed data is divided into a bit stream of video data and a bit stream of audio data, and the video data encoded via the synchronization bus ex470 is supplied to the video signal processing unit ex455, and at the same time.
  • the encoded audio data is supplied to the audio signal processing unit ex454.
  • the video signal processing unit ex455 decodes the video signal by the moving image decoding method corresponding to the moving image coding method shown in each of the above embodiments, and is linked from the display unit ex458 via the display control unit ex459.
  • the video or still image included in the moving image file is displayed.
  • the audio signal processing unit ex454 decodes the audio signal, and the audio output unit ex457 outputs audio.
  • audio playback may not be socially appropriate depending on the user's situation. Therefore, as an initial value, it is preferable to play back only the video data without playing the audio signal, and the audio may be played back synchronously only when the user clicks the video data or performs an operation. ..
  • the smartphone ex115 has been described as an example here, as the terminal, in addition to the transmission / reception type terminal having both the encoder and the decoder, the transmitting terminal having only the encoder and the receiving terminal having only the decoder.
  • Another possible implementation is a terminal. It has been described as receiving or transmitting multiplexed data in which audio data is multiplexed with video data in a digital broadcasting system.
  • character data related to the video may be multiplexed as the multiplexed data.
  • the video data itself may be received or transmitted instead of the multiplexed data.
  • the main control unit ex460 including the CPU controls the coding or decoding process
  • various terminals often include a GPU. Therefore, a memory shared by the CPU and the GPU, or a memory whose address is managed so that it can be used in common, may be configured to collectively process a wide area by utilizing the performance of the GPU. As a result, the coding time can be shortened, real-time performance can be ensured, and low delay can be realized. In particular, it is efficient to collectively perform motion search, deblocking filter, SAO (Simple Adaptive Offset), and conversion / quantization processing in units such as pictures on the GPU instead of the CPU.
  • SAO Simple Adaptive Offset
  • the present disclosure can be used, for example, in television receivers, digital video recorders, car navigation systems, mobile phones, digital cameras, digital video cameras, video conferencing systems, electronic mirrors, and the like.

Landscapes

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

Abstract

符号化装置（１００）は、回路（ａ１）と、回路（ａ１）に接続されたメモリ（ａ２）とを備え、回路（ａ１）は、動作において、ビットストリームの第１ヘッダにパラメータを導出するための情報を符号化し、第１画像の再構成サンプルをフィルタ処理を用いてフィルタリングすることで第２画像を生成し（Ｓ１０２）、パラメータが既定値であるかを判定し（Ｓ１０３）、パラメータが既定値である場合、第２画像を用いて第３画像を符号化し（Ｓ１０４）、パラメータが既定値でない場合、第１画像を用いて第３画像を符号化する（Ｓ１０５）。

Description

符号化装置、復号装置、符号化方法、および復号方法
　本開示は、ビデオコーディングに関し、例えば、動画像の符号化および復号におけるシステム、構成要素、ならびに方法などに関する。
　ビデオコーディング技術は、Ｈ．２６１およびＭＰＥＧ－１から、Ｈ．２６４／ＡＶＣ（Ａｄｖａｎｃｅｄ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）、ＭＰＥＧ－ＬＡ、Ｈ．２６５／ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）、およびＨ．２６６／ＶＶＣ（Ｖｅｒｓａｔｉｌｅ　Ｖｉｄｅｏ　Ｃｏｄｅｃ）へ進歩している。この進歩に伴い、様々な用途において増え続けるデジタルビデオデータ量を処理するために、ビデオコーディング技術の改良および最適化を提供することが常に必要とされている。
　なお、非特許文献１は、上述されたビデオコーディング技術に関する従来の規格の一例に関する。
Ｈ．２６５（ＩＳＯ／ＩＥＣ　２３００８－２　ＨＥＶＣ）／ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）
　上記のような符号化方式に関して、符号化効率の改善、画質の改善、処理量の削減、回路規模の削減、又は、フィルタ、ブロック、サイズ、動きベクトル、参照ピクチャ又は参照ブロック等の要素又は動作の適切な選択等のため、新たな方式の提案が望まれている。
　本開示は、例えば、符号化効率の改善、画質の改善、処理量の削減、回路規模の削減、処理速度の改善、及び、要素又は動作の適切な選択等のうち１つ以上に貢献し得る構成又は方法を提供する。なお、本開示は、上記以外の利益に貢献し得る構成又は方法を含み得る。
　例えば、本開示の一態様に係る符号化装置は、回路と、前記回路に接続されたメモリとを備え、前記回路は、動作において、ビットストリームの第１ヘッダにパラメータを導出するための情報を符号化し、第１画像の再構成サンプルをフィルタ処理を用いてフィルタリングすることで第２画像を生成し、前記パラメータが既定値であるかを判定し、前記パラメータが前記既定値である場合、前記第２画像を用いて第３画像を符号化し、前記パラメータが前記既定値でない場合、前記第１画像を用いて前記第３画像を符号化する。
　本開示における実施の形態のいくつかの実装は、符号化効率を改善してもよいし、符号化／復号処理を簡素化してもよいし、符号化／復号処理速度を速くしてもよいし、適切なフィルタ、ブロックサイズ、動きベクトル、参照ピクチャ、参照ブロック等のような、符号化及び復号に用いられる適切な構成要素／動作を効率よく選択してもよい。
　本開示の一態様におけるさらなる利点および効果は、明細書および図面から明らかにされる。かかる利点および／または効果は、いくつかの実施の形態並びに明細書および図面に記載された特徴によってそれぞれ得られるが、１つまたはそれ以上の利点および／または効果を得るために必ずしも全てが提供される必要はない。
　なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラム、記録媒体、又は、これらの任意な組み合わせで実現されてもよい。
　本開示の一態様に係る構成又は方法は、例えば、符号化効率の改善、画質の改善、処理量の削減、回路規模の削減、処理速度の改善、及び、要素又は動作の適切な選択等のうち１つ以上に貢献し得る。なお、本開示の一態様に係る構成又は方法は、上記以外の利益に貢献してもよい。
図１は、実施の形態に係る符号化装置の機能構成を示すブロック図である。 図２は、符号化装置による全体的な符号化処理の一例を示すフローチャートである。 図３は、ブロック分割の一例を示す概念図である。 図４Ａは、スライスの構成の一例を示す概念図である。 図４Ｂは、タイルの構成の一例を示す概念図である。 図５Ａは、様々な変換タイプに対応する変換基底関数を示す表である。 図５Ｂは、ＳＶＴ（Ｓｐａｔｉａｌｌｙ　Ｖａｒｙｉｎｇ　Ｔｒａｎｓｆｏｒｍ）の一例を示す概念図である。 図６Ａは、ＡＬＦ（ａｄａｐｔｉｖｅ　ｌｏｏｐ　ｆｉｌｔｅｒ）で用いられるフィルタの形状の一例を示す概念図である。 図６Ｂは、ＡＬＦで用いられるフィルタの形状の他の一例を示す概念図である。 図６Ｃは、ＡＬＦで用いられるフィルタの形状の他の一例を示す概念図である。 図７は、ＤＢＦ（ｄｅｂｌｏｃｋｉｎｇ　ｆｉｌｔｅｒ）として機能するループフィルタ部の詳細な構成の一例を示すブロック図である。 図８は、ブロック境界に対して対称なフィルタ特性を有するデブロッキング・フィルタの例を示す概念図である。 図９は、デブロッキング・フィルタ処理が行われるブロック境界を説明するための概念図である。 図１０は、Ｂｓ値の一例を示す概念図である。 図１１は、符号化装置の予測処理部で行われる処理の一例を示すフローチャートである。 図１２は、符号化装置の予測処理部で行われる処理の他の例を示すフローチャートである。 図１３は、符号化装置の予測処理部で行われる処理の他の例を示すフローチャートである。 図１４は、実施の形態のイントラ予測における６７個のイントラ予測モードの一例を示す概念図である。 図１５は、インター予測の基本的な処理の流れの一例を示すフローチャートである。 図１６は、動きベクトル導出の一例を示すフローチャートである。 図１７は、動きベクトル導出の他の例を示すフローチャートである。 図１８は、動きベクトル導出の他の例を示すフローチャートである。 図１９は、ノーマルインターモードによるインター予測の例を示すフローチャートである。 図２０は、マージモードによるインター予測の例を示すフローチャートである。 図２１は、マージモードによる動きベクトル導出処理の一例を説明するための概念図である。 図２２は、ＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ　ｃｏｎｖｅｒｓｉｏｎ）処理の一例を示すフローチャートである。 図２３は、動き軌道に沿う２つのブロック間でのパターンマッチング（バイラテラルマッチング）の一例を説明するための概念図である。 図２４は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）の一例を説明するための概念図である。 図２５Ａは、複数の隣接ブロックの動きベクトルに基づくサブブロック単位の動きベクトルの導出の一例を説明するための概念図である。 図２５Ｂは、３つの制御ポイントを有するアフィンモードにおけるサブブロック単位の動きベクトルの導出の一例を説明するための概念図である。 図２６Ａは、アフィンマージモードを説明するための概念図である。 図２６Ｂは、２つの制御ポイントを有するアフィンマージモードを説明するための概念図である。 図２６Ｃは、３つの制御ポイントを有するアフィンマージモードを説明するための概念図である。 図２７は、アフィンマージモードの処理の一例を示すフローチャートである。 図２８Ａは、２つの制御ポイントを有するアフィンインターモードを説明するための概念図である。 図２８Ｂは、３つの制御ポイントを有するアフィンインターモードを説明するための概念図である。 図２９は、アフィンインターモードの処理の一例を示すフローチャートである。 図３０Ａは、カレントブロックが３つの制御ポイントを有し、隣接ブロックが２つの制御ポイントを有するアフィンインターモードを説明するための概念図である。 図３０Ｂは、カレントブロックが２つの制御ポイントを有し、隣接ブロックが３つの制御ポイントを有するアフィンインターモードを説明するための概念図である。 図３１Ａは、ＤＭＶＲ（ｄｅｃｏｄｅｒ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｒｅｆｉｎｅｍｅｎｔ）を含むマージモードを示すフローチャートである。 図３１Ｂは、ＤＭＶＲ処理の一例を説明するための概念図である。 図３２は、予測画像の生成の一例を示すフローチャートである。 図３３は、予測画像の生成の他の例を示すフローチャートである。 図３４は、予測画像の生成の他の例を示すフローチャートである。 図３５は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理による予測画像補正処理の一例を説明するためのフローチャートである。 図３６は、ＯＢＭＣ処理による予測画像補正処理の一例を説明するための概念図である。 図３７は、２つの三角形の予測画像の生成を説明するための概念図である。 図３８は、等速直線運動を仮定したモデルを説明するための概念図である。 図３９は、ＬＩＣ（ｌｏｃａｌ　ｉｌｌｕｍｉｎａｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理による輝度補正処理を用いた予測画像生成方法の一例を説明するための概念図である。 図４０は、符号化装置の実装例を示すブロック図である。 図４１は、実施の形態に係る復号装置の機能構成を示すブロック図である。 図４２は、復号装置による全体的な復号処理の一例を示すフローチャートである。 図４３は、復号装置の予測処理部で行われる処理の一例を示すフローチャートである。 図４４は、復号装置の予測処理部で行われる処理の他の例を示すフローチャートである。 図４５は、復号装置におけるノーマルインターモードによるインター予測の例を示すフローチャートである。 図４６は、復号装置の実装例を示すブロック図である。 図４７は、第１態様に係る復号処理のフローチャートである。 図４８は、復号装置の構成例を示す図である。 図４９は、復号装置の構成例を示す図である。 図５０は、復号装置の構成例を示す図である。 図５１は、復号装置の構成例を示す図である。 図５２は、復号装置の構成例を示す図である。 図５３は、復号装置の構成例を示す図である。 図５４は、復号装置の構成例を示す図である。 図５５は、復号装置の構成例を示す図である。 図５６は、第２態様に係る復号処理のフローチャートである。 図５７は、第３態様に係る復号処理のフローチャートである。 図５８は、第４態様に係る復号処理のフローチャートである。 図５９は、勾配情報の算出例を示す図である。 図６０は、勾配情報の算出例を示す図である。 図６１は、勾配情報の算出例を示す図である。 図６２は、勾配情報の算出例を示す図である。 図６３は、コンテンツ配信サービスを実現するコンテンツ供給システムの全体構成を示すブロック図である。 図６４は、スケーラブル符号化時の符号化構造の一例を示す概念図である。 図６５は、スケーラブル符号化時の符号化構造の一例を示す概念図である。 図６６は、ｗｅｂページの表示画面例を示す概念図である。 図６７は、ｗｅｂページの表示画面例を示す概念図である。 図６８は、スマートフォンの一例を示すブロック図である。 図６９は、スマートフォンの構成例を示すブロック図である。
　本開示の一態様に係る符号化装置は、回路と、前記回路に接続されたメモリとを備え、前記回路は、動作において、ビットストリームの第１ヘッダにパラメータを導出するための情報を符号化し、第１画像の再構成サンプルをフィルタ処理を用いてフィルタリングすることで第２画像を生成し、前記パラメータが既定値であるかを判定し、前記パラメータが前記既定値である場合、前記第２画像を用いて第３画像を符号化し、前記パラメータが前記既定値でない場合、前記第１画像を用いて前記第３画像を符号化する。
　これによれば、当該符号化装置は、フィルタ処理の適用後の第２画像と適用前の第１画像とのどちらを後続ピクチャの参照に使用するかを切り替えることができる。これにより、フィルタ処理が、主観画質の改善には効果があるが参照画像としては適切でない場合には、フィルタ処理の適用前の第１画像を参照画像として用いることで、符号化効率の低減を抑制しつつ、主観画質を改善できる。
　例えば、前記ヘッダはＡＰＳ（Ａｄａｐｔａｔｉｏｎ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）であってもよい。
　例えば、前記ヘッダはＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）であってもよい。
　例えば、前記ヘッダはＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）であってもよい。
　例えば、前記ヘッダはスライスヘッダ又はタイルヘッダであってもよい。
　例えば、前記ヘッダはブリックヘッダであってもよい。
　例えば、前記ヘッダはＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）であってもよい。
　例えば、前記フィルタ処理はアダプティブループフィルタ処理を含んでもよい。
　例えば、前記フィルタ処理はクロスコンポーネントアダプティブループフィルタ処理を含んでもよい。
　例えば、前記フィルタ処理はデブロッキング・フィルタ処理を含んでもよい。
　例えば、前記フィルタ処理はサンプルアダプティブオフセット処理を含んでもよい。
　例えば、前記フィルタ処理はＬＭＣＳ（Ｌｕｍａ　ｍａｐｐｉｎｇ　ｗｉｔｈ　ｃｈｒｏｍａ　ｓｃａｌｉｎｇ）処理を含んでもよい。
　前記フィルタ処理は、鮮鋭化フィルタを用いてもよい。
　本開示の一態様に係る復号装置は、回路と、前記回路に接続されたメモリとを備え、前記回路は、動作において、ビットストリームのヘッダに含まれる情報からパラメータを導出し、第１画像の再構成サンプルをフィルタ処理を用いてフィルタリングすることで第２画像を生成し、前記パラメータが既定値であるかを判定し、前記パラメータが前記既定値である場合、前記第２画像を用いて第３画像を復号し、前記パラメータが前記既定値でない場合、前記第１画像を用いて前記第３画像を復号し、前記第２画像を表示する。
　これによれば、当該復号装置は、フィルタ処理の適用後の第２画像と適用前の第１画像とのどちらを後続ピクチャの参照に使用するかを切り替えることができる。これにより、フィルタ処理が、主観画質の改善には効果があるが参照画像としては適切でない場合には、フィルタ処理の適用前の第１画像を参照画像として用いることで、符号化効率の低減を抑制しつつ、主観画質を改善できる。
　例えば、　前記ヘッダはＡＰＳ（Ａｄａｐｔａｔｉｏｎ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）であってもよい。
　例えば、前記ヘッダはＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）であってもよい。
　例えば、前記ヘッダはＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）であってもよい。
　例えば、前記ヘッダはスライスヘッダ又はタイルヘッダであってもよい。
　例えば、前記ヘッダはブリックヘッダであってもよい。
　例えば、前記ヘッダはＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）であってもよい。
　例えば、前記フィルタ処理はアダプティブループフィルタ処理を含んでもよい。
　例えば、前記フィルタ処理はクロスコンポーネントアダプティブループフィルタ処理を含んでもよい。
　例えば、前記フィルタ処理はデブロッキング・フィルタ処理を含んでもよい。
　例えば、前記フィルタ処理はサンプルアダプティブオフセット処理を含んでもよい。
　例えば、前記フィルタ処理はＬＭＣＳ（Ｌｕｍａ　ｍａｐｐｉｎｇ　ｗｉｔｈ　ｃｈｒｏｍａ　ｓｃａｌｉｎｇ）処理を含んでもよい。
　例えば、前記フィルタ処理は、鮮鋭化フィルタを用いてもよい。
　また、本開示の一態様に係る符号化方法は、ビットストリームの第１ヘッダにパラメータを導出するための情報を符号化し、第１画像の再構成サンプルをフィルタ処理を用いてフィルタリングすることで第２画像を生成し、前記パラメータが既定値であるかを判定し、前記パラメータが前記既定値である場合、前記第２画像を用いて第３画像を符号化し、前記パラメータが前記既定値でない場合、前記第１画像を用いて前記第３画像を符号化する。
　これによれば、当該符号化方法は、フィルタ処理の適用後の第２画像と適用前の第１画像とのどちらを後続ピクチャの参照に使用するかを切り替えることができる。これにより、フィルタ処理が、主観画質の改善には効果があるが参照画像としては適切でない場合には、フィルタ処理の適用前の第１画像を参照画像として用いることで、符号化効率の低減を抑制しつつ、主観画質を改善できる。
　また、本開示の一態様に係る復号方法は、ビットストリームのヘッダに含まれる情報からパラメータを導出し、第１画像の再構成サンプルをフィルタ処理を用いてフィルタリングすることで第２画像を生成し、前記パラメータが既定値であるかを判定し、前記パラメータが前記既定値である場合、前記第２画像を用いて第３画像を復号し、前記パラメータが前記既定値でない場合、前記第１画像を用いて前記第３画像を復号し、前記第２画像を表示する。
　これによれば、当該復号方法は、フィルタ処理の適用後の第２画像と適用前の第１画像とのどちらを後続ピクチャの参照に使用するかを切り替えることができる。これにより、フィルタ処理が、主観画質の改善には効果があるが参照画像としては適切でない場合には、フィルタ処理の適用前の第１画像を参照画像として用いることで、符号化効率の低減を抑制しつつ、主観画質を改善できる。
　以下、実施の形態について図面を参照しながら具体的に説明する。なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの関係及び順序などは、一例であり、請求の範囲を限定する主旨ではない。
　以下では、符号化装置および復号化装置の実施の形態を説明する。実施の形態は、本開示の各態様で説明する処理および／または構成を適用可能な符号化装置および復号化装置の例である。処理および／または構成は、実施の形態とは異なる符号化装置および復号化装置においても実施可能である。例えば、実施の形態に対して適用される処理および／または構成に関して、例えば以下のいずれかを実施してもよい。
　（１）本開示の各態様で説明する実施の形態の符号化装置または復号装置の複数の構成要素のうちいずれかは、本開示の各態様のいずれかで説明する他の構成要素に置き換えまたは組み合わせられてもよい。
　（２）実施の形態の符号化装置または復号装置において、当該符号化装置または復号装置の複数の構成要素のうち一部の構成要素によって行われる機能または処理に、機能または処理の追加、置き換え、削除などの任意の変更がなされてもよい。例えば、いずれかの機能または処理は、本開示の各態様のいずれかで説明する他の機能または処理に、置き換えまたは組み合わせられてもよい。
　（３）実施の形態の符号化装置または復号装置が実施する方法において、当該方法に含まれる複数の処理のうちの一部の処理について、追加、置き換えおよび削除などの任意の変更がなされてもよい。例えば、方法におけるいずれかの処理は、本開示の各態様のいずれかで説明する他の処理に、置き換えまたは組み合わせられてもよい。
　（４）実施の形態の符号化装置または復号装置を構成する複数の構成要素のうちの一部の構成要素は、本開示の各態様のいずれかで説明する構成要素と組み合わせられてもよいし、本開示の各態様のいずれかで説明する機能の一部を備える構成要素と組み合わせられてもよいし、本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせられてもよい。
　（５）実施の形態の符号化装置または復号装置の機能の一部を備える構成要素、または、実施の形態の符号化装置または復号装置の処理の一部を実施する構成要素は、本開示の各態様いずれかで説明する構成要素と、本開示の各態様でいずれかで説明する機能の一部を備える構成要素と、または、本開示の各態様のいずれかで説明する処理の一部を実施する構成要素と組み合わせまたは置き換えられてもよい。
　（６）実施の形態の符号化装置または復号装置が実施する方法において、当該方法に含まれる複数の処理のいずれかは、本開示の各態様のいずれかで説明する処理に、または、同様のいずれかの処理に、置き換えまたは組み合わせられてもよい。
　（７）実施の形態の符号化装置または復号装置が実施する方法に含まれる複数の処理のうちの一部の処理は、本開示の各態様のいずれかで説明する処理と組み合わせられてもよい。
　（８）本開示の各態様で説明する処理および／または構成の実施の仕方は、実施の形態の符号化装置または復号装置に限定されるものではない。例えば、処理および／または構成は、実施の形態において開示する動画像符号化または動画像復号とは異なる目的で利用される装置において実施されてもよい。
　［符号化装置］
　まず、実施の形態に係る符号化装置を説明する。図１は、実施の形態に係る符号化装置１００の機能構成を示すブロック図である。符号化装置１００は、動画像をブロック単位で符号化する動画像符号化装置である。
　図１に示すように、符号化装置１００は、画像をブロック単位で符号化する装置であって、分割部１０２と、減算部１０４と、変換部１０６と、量子化部１０８と、エントロピー符号化部１１０と、逆量子化部１１２と、逆変換部１１４と、加算部１１６と、ブロックメモリ１１８と、ループフィルタ部１２０と、フレームメモリ１２２と、イントラ予測部１２４と、インター予測部１２６と、予測制御部１２８と、を備える。
　符号化装置１００は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、分割部１０２、減算部１０４、変換部１０６、量子化部１０８、エントロピー符号化部１１０、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、イントラ予測部１２４、インター予測部１２６及び予測制御部１２８として機能する。また、符号化装置１００は、分割部１０２、減算部１０４、変換部１０６、量子化部１０８、エントロピー符号化部１１０、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、イントラ予測部１２４、インター予測部１２６及び予測制御部１２８に対応する専用の１以上の電子回路として実現されてもよい。
　以下に、符号化装置１００の全体的な処理の流れを説明した後に、符号化装置１００に含まれる各構成要素について説明する。
　［符号化処理の全体フロー］
　図２は、符号化装置１００による全体的な符号化処理の一例を示すフローチャートである。
　まず、符号化装置１００の分割部１０２は、動画像である入力画像に含まれる各ピクチャを複数の固定サイズのブロック（例えば、１２８×１２８画素）に分割する（ステップＳａ＿１）。そして、分割部１０２は、その固定サイズのブロックに対して分割パターン（ブロック形状ともいう）を選択する（ステップＳａ＿２）。つまり、分割部１０２は、固定サイズのブロックを、その選択された分割パターンを構成する複数のブロックに、さらに分割する。そして、符号化装置１００は、その複数のブロックのそれぞれについて、そのブロック（すなわち符号化対象ブロック）に対してステップＳａ＿３～Ｓａ＿９の処理を行う。
　つまり、イントラ予測部１２４、インター予測部１２６および予測制御部１２８の全てまたは一部からなる予測処理部は、符号化対象ブロック（カレントブロックともいう）の予測信号（予測ブロックともいう）を生成する（ステップＳａ＿３）。
　次に、減算部１０４は、符号化対象ブロックと予測ブロックとの差分を予測残差（差分ブロックともいう）として生成する（ステップＳａ＿４）。
　次に、変換部１０６および量子化部１０８は、その差分ブロックに対して変換および量子化を行うことによって、複数の量子化係数を生成する（ステップＳａ＿５）。なお、複数の量子化係数からなるブロックを係数ブロックともいう。
　次に、エントロピー符号化部１１０は、その係数ブロックと、予測信号の生成に関する予測パラメータとに対して符号化（具体的にはエントロピー符号化）を行うことによって、符号化信号を生成する（ステップＳａ＿６）。なお、符号化信号は、符号化ビットストリーム、圧縮ビットストリーム、またはストリームともいう。
　次に、逆量子化部１１２および逆変換部１１４は、係数ブロックに対して逆量子化および逆変換を行うことによって、複数の予測残差（すなわち差分ブロック）を復元する（ステップＳａ＿７）。
　次に、加算部１１６は、その復元された差分ブロックに予測ブロックを加算することによってカレントブロックを再構成画像（再構成ブロックまたは復号画像ブロックともいう）に再構成する（ステップＳａ＿８）。これにより、再構成画像が生成される。
　この再構成画像が生成されると、ループフィルタ部１２０は、その再構成画像に対してフィルタリングを必要に応じて行う（ステップＳａ＿９）。
　そして、符号化装置１００は、ピクチャ全体の符号化が完了したか否かを判定し（ステップＳａ＿１０）、完了していないと判定する場合（ステップＳａ＿１０のＮｏ）、ステップＳａ＿２からの処理を繰り返し実行する。
　なお、上述の例では、符号化装置１００は、固定サイズのブロックに対して１つの分割パターンを選択し、その分割パターンにしたがって各ブロックの符号化を行うが、複数の分割パターンのそれぞれにしたがって各ブロックの符号化を行ってもよい。この場合には、符号化装置１００は、複数の分割パターンのそれぞれに対するコストを評価し、例えば最も小さいコストの分割パターンにしたがった符号化によって得られる符号化信号を、出力される符号化信号として選択してもよい。
　図示されているように、これらのステップＳａ＿１～Ｓａ＿１０の処理は、符号化装置１００によってシーケンシャルに行われる。あるいは、それらの処理のうちの一部の複数の処理が並列に行われてもよく、それらの処理の順番の入れ替え等が行われてもよい。
　［分割部］
　分割部１０２は、入力動画像に含まれる各ピクチャを複数のブロックに分割し、各ブロックを減算部１０４に出力する。例えば、分割部１０２は、まず、ピクチャを固定サイズ（例えば１２８ｘ１２８）のブロックに分割する。他の固定ブロックサイズが採用されてもよい。この固定サイズのブロックは、符号化ツリーユニット（ＣＴＵ）と呼ばれることがある。そして、分割部１０２は、例えば再帰的な四分木（ｑｕａｄｔｒｅｅ）及び／又は二分木（ｂｉｎａｒｙ　ｔｒｅｅ）ブロック分割に基づいて、固定サイズのブロックの各々を可変サイズ（例えば６４ｘ６４以下）のブロックに分割する。すなわち、分割部１０２は、分割パターンを選択する。この可変サイズのブロックは、符号化ユニット（ＣＵ）、予測ユニット（ＰＵ）あるいは変換ユニット（ＴＵ）と呼ばれることがある。なお、種々の処理例では、ＣＵ、ＰＵ及びＴＵは区別される必要はなく、ピクチャ内の一部又はすべてのブロックがＣＵ、ＰＵ、ＴＵの処理単位となってもよい。
　図３は、実施の形態におけるブロック分割の一例を示す概念図である。図３において、実線は四分木ブロック分割によるブロック境界を表し、破線は二分木ブロック分割によるブロック境界を表す。
　ここでは、ブロック１０は、１２８ｘ１２８画素の正方形ブロック（１２８ｘ１２８ブロック）である。この１２８ｘ１２８ブロック１０は、まず、４つの正方形の６４ｘ６４ブロックに分割される（四分木ブロック分割）。
　左上の６４ｘ６４ブロックは、さらに２つの矩形の３２ｘ６４ブロックに垂直に分割され、左の３２ｘ６４ブロックはさらに２つの矩形の１６ｘ６４ブロックに垂直に分割される（二分木ブロック分割）。その結果、左上の６４ｘ６４ブロックは、２つの１６ｘ６４ブロック１１、１２と、３２ｘ６４ブロック１３とに分割される。
　右上の６４ｘ６４ブロックは、２つの矩形の６４ｘ３２ブロック１４、１５に水平に分割される（二分木ブロック分割）。
　左下の６４ｘ６４ブロックは、４つの正方形の３２ｘ３２ブロックに分割される（四分木ブロック分割）。４つの３２ｘ３２ブロックのうち左上のブロック及び右下のブロックはさらに分割される。左上の３２ｘ３２ブロックは、２つの矩形の１６ｘ３２ブロックに垂直に分割され、右の１６ｘ３２ブロックはさらに２つの１６ｘ１６ブロックに水平に分割される（二分木ブロック分割）。右下の３２ｘ３２ブロックは、２つの３２ｘ１６ブロックに水平に分割される（二分木ブロック分割）。その結果、左下の６４ｘ６４ブロックは、１６ｘ３２ブロック１６と、２つの１６ｘ１６ブロック１７、１８と、２つの３２ｘ３２ブロック１９、２０と、２つの３２ｘ１６ブロック２１、２２とに分割される。
　右下の６４ｘ６４ブロック２３は分割されない。
　以上のように、図３では、ブロック１０は、再帰的な四分木及び二分木ブロック分割に基づいて、１３個の可変サイズのブロック１１～２３に分割される。このような分割は、ＱＴＢＴ（ｑｕａｄ－ｔｒｅｅ　ｐｌｕｓ　ｂｉｎａｒｙ　ｔｒｅｅ）分割と呼ばれることがある。
　なお、図３では、１つのブロックが４つ又は２つのブロックに分割されていたが（四分木又は二分木ブロック分割）、分割はこれらに限定されない。例えば、１つのブロックが３つのブロックに分割されてもよい（三分木ブロック分割）。このような三分木ブロック分割を含む分割は、ＭＢＴ（ｍｕｌｔｉ　ｔｙｐｅ　ｔｒｅｅ）分割と呼ばれることがある。
　［ピクチャの構成　スライス／タイル］
　ピクチャを並列にデコードするために、ピクチャはスライス単位またはタイル単位で構成される場合がある。スライス単位またはタイル単位からなるピクチャは、分割部１０２によって構成されてもよい。
　スライスは、ピクチャを構成する基本的な符号化の単位である。ピクチャは、例えば１つ以上のスライスから構成される。また、スライスは、１つ以上の連続するＣＴＵ（Ｃｏｄｉｎｇ　Ｔｒｅｅ　Ｕｎｉｔ）からなる。
　図４Ａは、スライスの構成の一例を示す概念図である。例えば、ピクチャは、１１×８個のＣＴＵを含み、かつ、４つのスライス（スライス１－４）に分割される。スライス１は、１６個のＣＴＵからなり、スライス２は、２１個のＣＴＵからなり、スライス３は、２９個のＣＴＵからなり、スライス４は、２２個のＣＴＵからなる。ここで、ピクチャ内の各ＣＴＵは、いずれかのスライスに属する。スライスの形状は、ピクチャを水平方向に分割した形になる。スライスの境界は、画面端である必要はなく、画面内のＣＴＵの境界のうちどこであってもよい。スライスの中のＣＴＵの処理順（符号化順または復号順）は、例えばラスタ・スキャン順である。また、スライスは、ヘッダ情報と符号化データを含む。ヘッダ情報には、スライスの先頭のＣＴＵアドレス、スライス・タイプなどそのスライスの特徴が記述されてもよい。
　タイルは、ピクチャを構成する矩形領域の単位である。各タイルにはＴｉｌｅＩｄと呼ばれる番号がラスタ・スキャン順に割り振られてもよい。
　図４Ｂは、タイルの構成の一例を示す概念図である。例えば、ピクチャは、１１×８個のＣＴＵを含み、かつ、４つの矩形領域のタイル（タイル１－４）に分割される。タイルが使用される場合、タイルが使用されない場合と比べてＣＴＵの処理順が変更される。タイルが使用されない場合、ピクチャ内の複数のＣＴＵはラスタ・スキャン順に処理される。タイルが使用される場合には、複数のタイルのそれぞれにおいて、少なくとも１つのＣＴＵがラスタ・スキャン順に処理される。例えば、図４Ｂに示すように、タイル１に含まれる複数のＣＴＵの処理順は、タイル１の１行目左端からタイル１の１行目右端まで向かい、次に、タイル１の２行目左端からタイル１の２行目右端まで向かう順である。
　なお、１つのタイルは、１つ以上のスライスを含む場合があり、１つのスライスは、１つ以上のタイルを含む場合がある。
　［減算部］
　減算部１０４は、分割部１０２から入力され、分割部１０２によって分割されたブロック単位で、原信号（原サンプル）から予測信号（以下に示す予測制御部１２８から入力される予測サンプル）を減算する。つまり、減算部１０４は、符号化対象ブロック（以下、カレントブロックという）の予測誤差（残差ともいう）を算出する。そして、減算部１０４は、算出された予測誤差（残差）を変換部１０６に出力する。
　原信号は、符号化装置１００の入力信号であり、動画像を構成する各ピクチャの画像を表す信号（例えば輝度（ｌｕｍａ）信号及び２つの色差（ｃｈｒｏｍａ）信号）である。以下において、画像を表す信号をサンプルということもある。
　［変換部］
　変換部１０６は、空間領域の予測誤差を周波数領域の変換係数に変換し、変換係数を量子化部１０８に出力する。具体的には、変換部１０６は、例えば空間領域の予測誤差に対して所定の離散コサイン変換（ＤＣＴ）又は離散サイン変換（ＤＳＴ）を行う。所定のＤＣＴ又はＤＳＴは、予め定められていてもよい。
　なお、変換部１０６は、複数の変換タイプの中から適応的に変換タイプを選択し、選択された変換タイプに対応する変換基底関数（ｔｒａｎｓｆｏｒｍ　ｂａｓｉｓ　ｆｕｎｃｔｉｏｎ）を用いて、予測誤差を変換係数に変換してもよい。このような変換は、ＥＭＴ（ｅｘｐｌｉｃｉｔ　ｍｕｌｔｉｐｌｅ　ｃｏｒｅ　ｔｒａｎｓｆｏｒｍ）又はＡＭＴ（ａｄａｐｔｉｖｅ　ｍｕｌｔｉｐｌｅ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。
　複数の変換タイプは、例えば、ＤＣＴ－ＩＩ、ＤＣＴ－Ｖ、ＤＣＴ－ＶＩＩＩ、ＤＳＴ－Ｉ及びＤＳＴ－ＶＩＩを含む。図５Ａは、変換タイプ例に対応する変換基底関数を示す表である。図５ＡにおいてＮは入力画素の数を示す。これらの複数の変換タイプの中からの変換タイプの選択は、例えば、予測の種類（イントラ予測及びインター予測）に依存してもよいし、イントラ予測モードに依存してもよい。
　このようなＥＭＴ又はＡＭＴを適用するか否かを示す情報（例えばＥＭＴフラグまたはＡＭＴフラグと呼ばれる）及び選択された変換タイプを示す情報は、通常、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、ビットシーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　また、変換部１０６は、変換係数（変換結果）を再変換してもよい。このような再変換は、ＡＳＴ（ａｄａｐｔｉｖｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）又はＮＳＳＴ（ｎｏｎ－ｓｅｐａｒａｂｌｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。例えば、変換部１０６は、イントラ予測誤差に対応する変換係数のブロックに含まれるサブブロック（例えば４ｘ４サブブロック）ごとに再変換を行う。ＮＳＳＴを適用するか否かを示す情報及びＮＳＳＴに用いられる変換行列に関する情報は、通常、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　変換部１０６には、Ｓｅｐａｒａｂｌｅな変換と、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とが適用されてもよい。Ｓｅｐａｒａｂｌｅな変換とは、入力の次元の数だけ方向ごとに分離して複数回変換を行う方式であり、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とは、入力が多次元であった際に２つ以上の次元をまとめて１次元とみなして、まとめて変換を行う方式である。
　例えば、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換の一例として、入力が４×４のブロックであった場合にはそれを１６個の要素を持ったひとつの配列とみなし、その配列に対して１６×１６の変換行列で変換処理を行うようなものが挙げられる。
　また、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換のさらなる例では、４×４の入力ブロックを１６個の要素を持ったひとつの配列とみなした後に、その配列に対してＧｉｖｅｎｓ回転を複数回行うような変換（Ｈｙｐｅｒｃｕｂｅ　Ｇｉｖｅｎｓ　Ｔｒａｎｓｆｏｒｍ）が行われてもよい。
　変換部１０６での変換では、ＣＵ内の領域に応じて周波数領域に変換する基底のタイプを切替えることもできる。一例として、ＳＶＴ（Ｓｐａｔｉａｌｌｙ　Ｖａｒｙｉｎｇ　Ｔｒａｎｓｆｏｒｍ）がある。ＳＶＴでは、図５Ｂに示すように、水平あるいは垂直方向にＣＵを２等分し、いずれか一方の領域のみ周波数領域への変換を行う。変換基底のタイプは領域毎に設定でき、例えば、ＤＳＴ７とＤＣＴ８が用いられる。本例ではＣＵ内の２つの領域のうち、どちらか一方のみ変換を行い、もう一方は変換を行わないが、２つの領域共に変換してもよい。また、分割方法も２等分だけでなく、４等分、あるいは分割を示す情報を別途符号化してＣＵ分割と同様にシグナリングするなど、より柔軟にすることもできる。なお、ＳＶＴは、ＳＢＴ（Ｓｕｂ－ｂｌｏｃｋ　Ｔｒａｎｓｆｏｒｍ）と呼ぶこともある。
　［量子化部］
　量子化部１０８は、変換部１０６から出力された変換係数を量子化する。具体的には、量子化部１０８は、カレントブロックの変換係数を所定の走査順序で走査し、走査された変換係数に対応する量子化パラメータ（ＱＰ）に基づいて当該変換係数を量子化する。そして、量子化部１０８は、カレントブロックの量子化された変換係数（以下、量子化係数という）をエントロピー符号化部１１０及び逆量子化部１１２に出力する。所定の走査順序は、予め定められていてもよい。
　所定の走査順序は、変換係数の量子化／逆量子化のための順序である。例えば、所定の走査順序は、周波数の昇順（低周波から高周波の順）又は降順（高周波から低周波の順）で定義されてもよい。
　量子化パラメータ（ＱＰ）とは、量子化ステップ（量子化幅）を定義するパラメータである。例えば、量子化パラメータの値が増加すれば量子化ステップも増加する。つまり、量子化パラメータの値が増加すれば量子化誤差が増大する。
　また、量子化には、量子化マトリックスが使用される場合がある。例えば、４ｘ４および８ｘ８などの周波数変換サイズと、イントラ予測およびインター予測などの予測モードと、輝度および色差などの画素成分とに対応して数種類の量子化マトリックスが使われる場合がある。なお、量子化とは、所定の間隔でサンプリングした値を所定のレベルに対応づけてデジタル化することをいい、この技術分野では、丸め、ラウンディング、スケーリングといった他の表現を用いて参照されてもよいし、丸め、ラウンディング、スケーリングを採用してもよい。所定の間隔及びレベルは、予め定められていてもよい。
　量子化マトリックスを使用する方法として、符号化装置側で直接設定された量子化マトリックスを使用する方法と、デフォルトの量子化マトリックス（デフォルトマトリックス）を使用する方法とがある。符号化装置側では、量子化マトリックスを直接設定することにより、画像の特徴に応じた量子化マトリックスを設定することができる。しかし、この場合、量子化マトリックスの符号化によって、符号量が増加するというデメリットがある。
　一方、量子化マトリックスを使用せず、高域成分の係数も低域成分の係数も同じように量子化する方法もある。なお、この方法は、係数が全て同じ値である量子化マトリックス（フラットなマトリックス）を用いる方法に等しい。
　量子化マトリックスは、例えば、ＳＰＳ（シーケンスパラメータセット：Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）またはＰＰＳ（ピクチャパラメータセット：Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）で指定されてもよい。ＳＰＳは、シーケンスに対して用いられるパラメータを含み、ＰＰＳは、ピクチャに対して用いられるパラメータを含む。ＳＰＳとＰＰＳとは、単にパラメータセットと呼ばれる場合がある。
　［エントロピー符号化部］
　エントロピー符号化部１１０は、量子化部１０８から入力された量子化係数に基づいて符号化信号（符号化ビットストリーム）を生成する。具体的には、エントロピー符号化部１１０は、例えば、量子化係数を二値化し、二値信号を算術符号化し、圧縮されたビットストリームまたはシーケンスを出力する。
　［逆量子化部］
　逆量子化部１１２は、量子化部１０８から入力された量子化係数を逆量子化する。具体的には、逆量子化部１１２は、カレントブロックの量子化係数を所定の走査順序で逆量子化する。そして、逆量子化部１１２は、カレントブロックの逆量子化された変換係数を逆変換部１１４に出力する。所定の走査順序は、予め定められていてもよい。
　［逆変換部］
　逆変換部１１４は、逆量子化部１１２から入力された変換係数を逆変換することにより予測誤差（残差）を復元する。具体的には、逆変換部１１４は、変換係数に対して、変換部１０６による変換に対応する逆変換を行うことにより、カレントブロックの予測誤差を復元する。そして、逆変換部１１４は、復元された予測誤差を加算部１１６に出力する。
　なお、復元された予測誤差は、通常、量子化により情報が失われているので、減算部１０４が算出した予測誤差と一致しない。すなわち、復元された予測誤差には、通常、量子化誤差が含まれている。
　［加算部］
　加算部１１６は、逆変換部１１４から入力された予測誤差と予測制御部１２８から入力された予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部１１６は、再構成されたブロックをブロックメモリ１１８及びループフィルタ部１２０に出力する。再構成ブロックは、ローカル復号ブロックと呼ばれることもある。
　［ブロックメモリ］
　ブロックメモリ１１８は、例えば、イントラ予測で参照されるブロックであって符号化対象ピクチャ（カレントピクチャという）内のブロックを格納するための記憶部である。具体的には、ブロックメモリ１１８は、加算部１１６から出力された再構成ブロックを格納する。
　［フレームメモリ］
　フレームメモリ１２２は、例えば、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ１２２は、ループフィルタ部１２０によってフィルタされた再構成ブロックを格納する。
　［ループフィルタ部］
　ループフィルタ部１２０は、加算部１１６によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ１２２に出力する。ループフィルタとは、符号化ループ内で用いられるフィルタ（インループフィルタ）であり、例えば、デブロッキング・フィルタ（ＤＦまたはＤＢＦ）、サンプルアダプティブオフセット（ＳＡＯ）及びアダプティブループフィルタ（ＡＬＦ）などを含む。
　ＡＬＦでは、符号化歪みを除去するための最小二乗誤差フィルタが適用され、例えばカレントブロック内の２ｘ２サブブロックごとに、局所的な勾配（ｇｒａｄｉｅｎｔ）の方向及び活性度（ａｃｔｉｖｉｔｙ）に基づいて複数のフィルタの中から選択された１つのフィルタが適用される。
　具体的には、まず、サブブロック（例えば２ｘ２サブブロック）が複数のクラス（例えば１５又は２５クラス）に分類される。サブブロックの分類は、勾配の方向及び活性度に基づいて行われる。例えば、勾配の方向値Ｄ（例えば０～２又は０～４）と勾配の活性値Ａ（例えば０～４）とを用いて分類値Ｃ（例えばＣ＝５Ｄ＋Ａ）が算出される。そして、分類値Ｃに基づいて、サブブロックが複数のクラスに分類される。
　勾配の方向値Ｄは、例えば、複数の方向（例えば水平、垂直及び２つの対角方向）の勾配を比較することにより導出される。また、勾配の活性値Ａは、例えば、複数の方向の勾配を加算し、加算結果を量子化することにより導出される。
　このような分類の結果に基づいて、複数のフィルタの中からサブブロックのためのフィルタが決定される。
　ＡＬＦで用いられるフィルタの形状としては例えば円対称形状が利用される。図６Ａ～図６Ｃは、ＡＬＦで用いられるフィルタの形状の複数の例を示す図である。図６Ａは、５ｘ５ダイヤモンド形状フィルタを示し、図６Ｂは、７ｘ７ダイヤモンド形状フィルタを示し、図６Ｃは、９ｘ９ダイヤモンド形状フィルタを示す。フィルタの形状を示す情報は、通常、ピクチャレベルで信号化される。なお、フィルタの形状を示す情報の信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はＣＵレベル）であってもよい。
　ＡＬＦのオン／オフは、例えば、ピクチャレベル又はＣＵレベルで決定されてもよい。例えば、輝度についてはＣＵレベルでＡＬＦを適用するか否かが決定されてもよく、色差についてはピクチャレベルでＡＬＦを適用するか否かが決定されてもよい。ＡＬＦのオン／オフを示す情報は、通常、ピクチャレベル又はＣＵレベルで信号化される。なお、ＡＬＦのオン／オフを示す情報の信号化は、ピクチャレベル又はＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　選択可能な複数のフィルタ（例えば１５又は２５までのフィルタ）の係数セットは、通常、ピクチャレベルで信号化される。なお、係数セットの信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル、ＣＴＵレベル、ＣＵレベル又はサブブロックレベル）であってもよい。
　［ループフィルタ部　＞　デブロッキング・フィルタ］
　デブロッキング・フィルタでは、ループフィルタ部１２０は、再構成画像のブロック境界にフィルタ処理を行うことによって、そのブロック境界に生じる歪みを減少させる。
　図７は、デブロッキング・フィルタとして機能するループフィルタ部１２０の詳細な構成の一例を示すブロック図である。
　ループフィルタ部１２０は、境界判定部１２０１、フィルタ判定部１２０３と、フィルタ処理部１２０５と、処理判定部１２０８と、フィルタ特性決定部１２０７と、スイッチ１２０２、１２０４および１２０６とを備える。
　境界判定部１２０１は、デブロッキング・フィルタ処理される画素（すなわち対象画素）がブロック境界付近に存在しているか否かを判定する。そして、境界判定部１２０１は、その判定結果をスイッチ１２０２および処理判定部１２０８に出力する。
　スイッチ１２０２は、対象画素がブロック境界付近に存在していると境界判定部１２０１によって判定された場合には、フィルタ処理前の画像を、スイッチ１２０４に出力する。逆に、スイッチ１２０２は、境界判定部１２０１によって対象画素がブロック境界付近に存在していないと判定された場合には、フィルタ処理前の画像をスイッチ１２０６に出力する。
　フィルタ判定部１２０３は、対象画素の周辺にある少なくとも１つの周辺画素の画素値に基づいて、対象画素に対してデブロッキング・フィルタ処理を行うか否かを判定する。そして、フィルタ判定部１２０３は、その判定結果をスイッチ１２０４および処理判定部１２０８に出力する。
　スイッチ１２０４は、対象画素にデブロッキング・フィルタ処理を行うとフィルタ判定部１２０３によって判定された場合には、スイッチ１２０２を介して取得したフィルタ処理前の画像を、フィルタ処理部１２０５に出力する。逆に、スイッチ１２０４は、対象画素にデブロッキング・フィルタ処理を行わないとフィルタ判定部１２０３によって判定された場合には、スイッチ１２０２を介して取得したフィルタ処理前の画像をスイッチ１２０６に出力する。
　フィルタ処理部１２０５は、スイッチ１２０２および１２０４を介してフィルタ処理前の画像を取得した場合には、フィルタ特性決定部１２０７によって決定されたフィルタ特性を有するデブロッキング・フィルタ処理を、対象画素に対して実行する。そして、フィルタ処理部１２０５は、そのフィルタ処理後の画素をスイッチ１２０６に出力する。
　スイッチ１２０６は、処理判定部１２０８による制御に応じて、デブロッキング・フィルタ処理されていない画素と、フィルタ処理部１２０５によってデブロッキング・フィルタ処理された画素とを選択的に出力する。
　処理判定部１２０８は、境界判定部１２０１およびフィルタ判定部１２０３のそれぞれの判定結果に基づいて、スイッチ１２０６を制御する。つまり、処理判定部１２０８は、対象画素がブロック境界付近に存在していると境界判定部１２０１によって判定され、かつ、対象画素にデブロッキング・フィルタ処理を行うとフィルタ判定部１２０３によって判定された場合には、デブロッキング・フィルタ処理された画素をスイッチ１２０６から出力させる。また、上述の場合以外では、処理判定部１２０８は、デブロッキング・フィルタ処理されていない画素をスイッチ１２０６から出力させる。このような画素の出力が繰り返し行われることによって、フィルタ処理後の画像がスイッチ１２０６から出力される。
　図８は、ブロック境界に対して対称なフィルタ特性を有するデブロッキング・フィルタの例を示す概念図である。
　デブロッキング・フィルタ処理では、例えば、画素値と量子化パラメータを用いて、特性の異なる２つのデブロッキング・フィルタ、すなわちストロングフィルタおよびウィークフィルタのうちの何れか１つが選択される。ストロングフィルタでは、図８に示すように、ブロック境界を挟んで画素ｐ０～ｐ２と、画素ｑ０～ｑ２とが存在する場合、画素ｑ０～ｑ２のそれぞれの画素値は、例えば以下の式に示す演算を行うことによって、画素値ｑ’０～ｑ’２に変更される。
　　ｑ’０＝（ｐ１＋２×ｐ０＋２×ｑ０＋２×ｑ１＋ｑ２＋４）／８
　　ｑ’１＝（ｐ０＋ｑ０＋ｑ１＋ｑ２＋２）／４
　　ｑ’２＝（ｐ０＋ｑ０＋ｑ１＋３×ｑ２＋２×ｑ３＋４）／８
　なお、上述の式において、ｐ０～ｐ２およびｑ０～ｑ２は、画素ｐ０～ｐ２および画素ｑ０～ｑ２のそれぞれの画素値である。また、ｑ３は、画素ｑ２にブロック境界と反対側に隣接する画素ｑ３の画素値である。また、上述の各式の右辺において、デブロッキング・フィルタ処理に用いられる各画素の画素値に乗算される係数が、フィルタ係数である。
　さらに、デブロッキング・フィルタ処理では、演算後の画素値が閾値を超えて設定されないように、クリップ処理が行われてもよい。このクリップ処理では、上述の式による演算後の画素値は、量子化パラメータから決定される閾値を用いて、「演算対象画素値±２×閾値」にクリップされる。これにより、過度な平滑化を防ぐことができる。
　図９は、デブロッキング・フィルタ処理が行われるブロック境界を説明するための概念図である。図１０は、Ｂｓ値の一例を示す概念図である。
　デブロッキング・フィルタ処理が行われるブロック境界は、例えば、図９で示すような８×８画素ブロックのＰＵ（Ｐｒｅｄｉｃｔｉｏｎ　Ｕｎｉｔ）またはＴＵ（Ｔｒａｎｓｆｏｒｍ　Ｕｎｉｔ）の境界である。デブロッキング・フィルタ処理は、４行または４列を単位に行われ得る。まず、図９に示すブロックＰおよびブロックＱに対して、図１０のようにＢｓ（Ｂｏｕｎｄａｒｙ　Ｓｔｒｅｎｇｔｈ）値が決定される。
　図１０のＢｓ値にしたがい、同一の画像に属するブロック境界であっても、異なる強さのデブロッキング・フィルタ処理を行うか否かが決定される。色差信号に対するデブロッキング・フィルタ処理は、Ｂｓ値が２の場合に行われる。輝度信号に対するデブロッキング・フィルタ処理は、Ｂｓ値が１以上であって、所定の条件が満たされた場合に行われる。所定の条件は、予め定められていてもよい。なお、Ｂｓ値の判定条件は図１０に示したものに限定されず、他のパラメータに基づいて決定されてもよい。
　［予測処理部（イントラ予測部・インター予測部・予測制御部）］
　図１１は、符号化装置１００の予測処理部で行われる処理の一例を示すフローチャートである。なお、予測処理部は、イントラ予測部１２４、インター予測部１２６、および予測制御部１２８の全てまたは一部の構成要素からなる。
　予測処理部は、カレントブロックの予測画像を生成する（ステップＳｂ＿１）。この予測画像は、予測信号または予測ブロックともいう。なお、予測信号には、例えばイントラ予測信号またはインター予測信号がある。具体的には、予測処理部は、予測ブロックの生成、差分ブロックの生成、係数ブロックの生成、差分ブロックの復元、および復号画像ブロックの生成が行われることによって既に得られている再構成画像を用いて、カレントブロックの予測画像を生成する。
　再構成画像は、例えば、参照ピクチャの画像であってもよいし、カレントブロックを含むピクチャであるカレントピクチャ内の符号化済みのブロックの画像であってもよい。カレントピクチャ内の符号化済みのブロックは、例えばカレントブロックの隣接ブロックである。
　図１２は、符号化装置１００の予測処理部で行われる処理の他の例を示すフローチャートである。
　予測処理部は、第１の方式で予測画像を生成し（ステップＳｃ＿１ａ）、第２の方式で予測画像を生成し（ステップＳｃ＿１ｂ）、第３の方式で予測画像を生成する（ステップＳｃ＿１ｃ）。第１の方式、第２の方式、および第３の方式は、予測画像を生成するための互いに異なる方式であって、それぞれ例えば、インター予測方式、イントラ予測方式、および、それら以外の予測方式であってもよい。これらの予測方式では、上述の再構成画像を用いてもよい。
　次に、予測処理部は、ステップＳｃ＿１ａ、Ｓｃ＿１ｂ、およびＳｃ＿１ｃで生成された複数の予測画像のうちの何れか１つを選択する（ステップＳｃ＿２）。この予測画像の選択、すなわち最終的な予測画像を得るための方式またはモードの選択は、生成された各予測画像に対するコストを算出し、そのコストに基づいて行われてもよい。または、その予測画像の選択は、符号化の処理に用いられるパラメータに基づいて行われてもよい。符号化装置１００は、その選択された予測画像、方式またはモードを特定するための情報を符号化信号（符号化ビットストリームともいう）に信号化してもよい。その情報は、例えばフラグなどであってもよい。これにより、復号装置は、その情報に基づいて、符号化装置１００において選択された方式またはモードにしたがって予測画像を生成することができる。なお、図１２に示す例では、予測処理部は、各方式で予測画像を生成した後に、何れかの予測画像を選択する。しかし、予測処理部は、それらの予測画像を生成する前に、上述の符号化の処理に用いられるパラメータに基づいて、方式またはモードを選択し、その方式またはモードにしたがって予測画像を生成してもよい。
　例えば、第１の方式および第２の方式は、それぞれイントラ予測およびインター予測であって、予測処理部は、これらの予測方式にしたがって生成される予測画像から、カレントブロックに対する最終的な予測画像を選択してもよい。
　図１３は、符号化装置１００の予測処理部で行われる処理の他の例を示すフローチャートである。
　まず、予測処理部は、イントラ予測によって予測画像を生成し（ステップＳｄ＿１ａ）、インター予測によって予測画像を生成する（ステップＳｄ＿１ｂ）。なお、イントラ予測によって生成された予測画像を、イントラ予測画像ともいい、インター予測によって生成された予測画像を、インター予測画像ともいう。
　次に、予測処理部は、イントラ予測画像およびインター予測画像のそれぞれを評価する（ステップＳｄ＿２）。この評価には、コストが用いられてもよい。つまり、予測処理部は、イントラ予測画像およびインター予測画像のそれぞれのコストＣを算出する。このコストＣは、Ｒ－Ｄ最適化モデルの式、例えば、Ｃ＝Ｄ＋λ×Ｒによって算出され得る。この式において、Ｄは、予測画像の符号化歪であって、例えば、カレントブロックの画素値と予測画像の画素値との差分絶対値和などによって表される。また、Ｒは、予測画像の発生符号量であって、具体的には、予測画像を生成するための動き情報などの符号化に必要な符号量などである。また、λは、例えばラグランジュの未定乗数である。
　そして、予測処理部は、イントラ予測画像およびインター予測画像から、最も小さいコストＣが算出された予測画像を、カレントブロックの最終的な予測画像として選択する（ステップＳｄ＿３）。つまり、カレントブロックの予測画像を生成するための予測方式またはモードが選択される。
　［イントラ予測部］
　イントラ予測部１２４は、ブロックメモリ１１８に格納されたカレントピクチャ内のブロックを参照してカレントブロックのイントラ予測（画面内予測ともいう）を行うことで、予測信号（イントラ予測信号）を生成する。具体的には、イントラ予測部１２４は、カレントブロックに隣接するブロックのサンプル（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部１２８に出力する。
　例えば、イントラ予測部１２４は、規定の複数のイントラ予測モードのうちの１つを用いてイントラ予測を行う。複数のイントラ予測モードは、通常、１以上の非方向性予測モードと、複数の方向性予測モードと、を含む。規定の複数のモードは、予め規定されていてもよい。
　１以上の非方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定されたＰｌａｎａｒ予測モード及びＤＣ予測モードを含む。
　複数の方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定された３３方向の予測モードを含む。なお、複数の方向性予測モードは、３３方向に加えてさらに３２方向の予測モード（合計で６５個の方向性予測モード）を含んでもよい。図１４は、イントラ予測において用いられ得る全６７個のイントラ予測モード（２個の非方向性予測モード及び６５個の方向性予測モード）を示す概念図である。実線矢印は、Ｈ．２６５／ＨＥＶＣ規格で規定された３３方向を表し、破線矢印は、追加された３２方向を表す（２個の非方向性予測モードは図１４には図示されていない）。
　種々の処理例では、色差ブロックのイントラ予測において、輝度ブロックが参照されてもよい。つまり、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分が予測されてもよい。このようなイントラ予測は、ＣＣＬＭ（ｃｒｏｓｓ－ｃｏｍｐｏｎｅｎｔ　ｌｉｎｅａｒ　ｍｏｄｅｌ）予測と呼ばれることがある。このような輝度ブロックを参照する色差ブロックのイントラ予測モード（例えばＣＣＬＭモードと呼ばれる）は、色差ブロックのイントラ予測モードの１つとして加えられてもよい。
　イントラ予測部１２４は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正してもよい。このような補正をともなうイントラ予測は、ＰＤＰＣ（ｐｏｓｉｔｉｏｎ　ｄｅｐｅｎｄｅｎｔ　ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ　ｃｏｍｂｉｎａｔｉｏｎ）と呼ばれることがある。ＰＤＰＣの適用の有無を示す情報（例えばＰＤＰＣフラグと呼ばれる）は、通常、ＣＵレベルで信号化される。なお、この情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　［インター予測部］
　インター予測部１２６は、フレームメモリ１２２に格納された参照ピクチャであってカレントピクチャとは異なる参照ピクチャを参照してカレントブロックのインター予測（画面間予測ともいう）を行うことで、予測信号（インター予測信号）を生成する。インター予測は、カレントブロック又はカレントブロック内のカレントサブブロック（例えば４ｘ４ブロック）の単位で行われる。例えば、インター予測部１２６は、カレントブロック又はカレントサブブロックについて参照ピクチャ内で動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）を行い、そのカレントブロック又はカレントサブブロックに最も一致する参照ブロック又はサブブロックを見つける。そして、インター予測部１２６は、参照ブロック又はサブブロックからカレントブロック又はサブブロックへの動き又は変化を補償する動き情報（例えば動きベクトル）を取得する。インター予測部１２６は、その動き情報に基づいて、動き補償（または動き予測）を行い、カレントブロック又はサブブロックのインター予測信号を生成する。インター予測部１２６は、生成されたインター予測信号を予測制御部１２８に出力する。
　動き補償に用いられた動き情報は、多様な形態でインター予測信号として信号化されてもよい。例えば、動きベクトルが信号化されてもよい。他の例として、動きベクトルと予測動きベクトル（ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｐｒｅｄｉｃｔｏｒ）との差分が信号化されてもよい。
　［インター予測の基本フロー］
　図１５は、インター予測の基本的な流れの一例を示すフローチャートである。
　インター予測部１２６は、まず、予測画像を生成する（ステップＳｅ＿１～Ｓｅ＿３）。次に、減算部１０４は、カレントブロックと予測画像との差分を予測残差として生成する（ステップＳｅ＿４）。
　ここで、インター予測部１２６は、予測画像の生成では、カレントブロックの動きベクトル（ＭＶ）の決定（ステップＳｅ＿１およびＳｅ＿２）と、動き補償（ステップＳｅ＿３）とを行うことによって、その予測画像を生成する。また、インター予測部１２６は、ＭＶの決定では、候補動きベクトル（候補ＭＶ）の選択（ステップＳｅ＿１）と、ＭＶの導出（ステップＳｅ＿２）とを行うことによって、そのＭＶを決定する。候補ＭＶの選択は、例えば、候補ＭＶリストから少なくとも１つの候補ＭＶを選択することによって行われる。また、ＭＶの導出では、インター予測部１２６は、少なくとも１つの候補ＭＶから、さらに少なくとも１つの候補ＭＶを選択することによって、その選択された少なくとも１つの候補ＭＶを、カレントブロックのＭＶとして決定してもよい。あるいは、インター予測部１２６は、その選択された少なくとも１つの候補ＭＶのそれぞれについて、その候補ＭＶで指示される参照ピクチャの領域を探索することによって、カレントブロックのＭＶを決定してもよい。なお、この参照ピクチャの領域を探索することを、動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）と称してもよい。
　また、上述の例では、ステップＳｅ＿１～Ｓｅ＿３は、インター予測部１２６によって行われるが、例えばステップＳｅ＿１またはステップＳｅ＿２などの処理は、符号化装置１００に含まれる他の構成要素によって行われてもよい。
　［動きベクトルの導出のフロー］
　図１６は、動きベクトル導出の一例を示すフローチャートである。
　インター予測部１２６は、動き情報（例えばＭＶ）を符号化するモードで、カレントブロックのＭＶを導出する。この場合、例えば動き情報が予測パラメータとして符号化されて、信号化される。つまり、符号化された動き情報が、符号化信号（符号化ビットストリームともいう）に含まれる。
　あるいは、インター予測部１２６は、動き情報を符号化しないモードでＭＶを導出する。この場合には、動き情報は、符号化信号に含まれない。
　ここで、ＭＶ導出のモードには、後述のノーマルインターモード、マージモード、ＦＲＵＣモードおよびアフィンモードなどがあってもよい。これらのモードのうち、動き情報を符号化するモードには、ノーマルインターモード、マージモード、およびアフィンモード（具体的には、アフィンインターモードおよびアフィンマージモード）などがある。なお、動き情報には、ＭＶだけでなく、後述の予測動きベクトル選択情報が含まれてもよい。また、動き情報を符号化しないモードには、ＦＲＵＣモードなどがある。インター予測部１２６は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　図１７は、動きベクトル導出の他の例を示すフローチャートである。
　インター予測部１２６は、差分ＭＶを符号化するモードで、カレントブロックのＭＶを導出する。この場合、例えば差分ＭＶが予測パラメータとして符号化されて、信号化される。つまり、符号化された差分ＭＶが、符号化信号に含まれる。この差分ＭＶは、カレントブロックのＭＶと、その予測ＭＶとの差である。
　あるいは、インター予測部１２６は、差分ＭＶを符号化しないモードでＭＶを導出する。この場合には、符号化された差分ＭＶは、符号化信号に含まれない。
　ここで、上述のようにＭＶの導出のモードには、後述のノーマルインター、マージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、差分ＭＶを符号化するモードには、ノーマルインターモードおよびアフィンモード（具体的には、アフィンインターモード）などがある。また、差分ＭＶを符号化しないモードには、ＦＲＵＣモード、マージモードおよびアフィンモード（具体的には、アフィンマージモード）などがある。インター予測部１２６は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　［動きベクトルの導出のフロー］
　図１８は、動きベクトル導出の他の例を示すフローチャートである。ＭＶ導出のモード、すなわちインター予測モードには、複数のモードがあり、大きく分けて、差分ＭＶを符号化するモードと、差分動きベクトルを符号化しないモードとがある。差分ＭＶを符号化しないモードには、マージモード、ＦＲＵＣモード、およびアフィンモード（具体的には、アフィンマージモード）がある。これらのモードの詳細については、後述するが、簡単には、マージモードは、周辺の符号化済みブロックから動きベクトルを選択することによって、カレントブロックのＭＶを導出するモードであり、ＦＲＵＣモードは、符号化済み領域間で探索を行うことによって、カレントブロックのＭＶを導出するモードである。また、アフィンモードは、アフィン変換を想定して、カレントブロックを構成する複数のサブブロックそれぞれの動きベクトルを、カレントブロックのＭＶとして導出するモードである。
　具体的には、図示されるように、インター予測部１２６は、インター予測モード情報が０を示す場合（Ｓｆ＿１で０）、マージモードにより動きベクトルを導出する（Ｓｆ＿２）。また、インター予測部１２６は、インター予測モード情報が１を示す場合（Ｓｆ＿１で１）、ＦＲＵＣモードにより動きベクトルを導出する（Ｓｆ＿３）。また、インター予測部１２６は、インター予測モード情報が２を示す場合（Ｓｆ＿１で２）、アフィンモード（具体的には、アフィンマージモード）により動きベクトルを導出する（Ｓｆ＿４）。また、インター予測部１２６は、インター予測モード情報が３を示す場合（Ｓｆ＿１で３）、差分ＭＶを符号化するモード（例えば、ノーマルインターモード）により動きベクトルを導出する（Ｓｆ＿５）。
　［ＭＶ導出　＞　ノーマルインターモード］
　ノーマルインターモードは、候補ＭＶによって示される参照ピクチャの領域から、カレントブロックの画像に類似するブロックに基づいて、カレントブロックのＭＶを導出するインター予測モードである。また、このノーマルインターモードでは、差分ＭＶが符号化される。
　図１９は、ノーマルインターモードによるインター予測の例を示すフローチャートである。
　インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｇ＿１）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　次に、インター予測部１２６は、ステップＳｇ＿１で取得された複数の候補ＭＶの中から、Ｎ個（Ｎは２以上の整数）の候補ＭＶのそれぞれを予測動きベクトル候補（予測ＭＶ候補ともいう）として、所定の優先順位に従って抽出する（ステップＳｇ＿２）。なお、その優先順位は、Ｎ個の候補ＭＶのそれぞれに対して予め定められていてもよい。
　次に、インター予測部１２６は、そのＮ個の予測動きベクトル候補の中から１つの予測動きベクトル候補を、カレントブロックの予測動きベクトル（予測ＭＶともいう）として選択する（ステップＳｇ＿３）。このとき、インター予測部１２６は、選択された予測動きベクトルを識別するための予測動きベクトル選択情報をストリームに符号化する。なお、ストリームは、上述の符号化信号または符号化ビットストリームである。
　次に、インター予測部１２６は、符号化済み参照ピクチャを参照し、カレントブロックのＭＶを導出する（ステップＳｇ＿４）。このとき、インター予測部１２６は、さらに、その導出されたＭＶと予測動きベクトルとの差分値を差分ＭＶとしてストリームに符号化する。なお、符号化済み参照ピクチャは、符号化後に再構成された複数のブロックからなるピクチャである。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｇ＿５）。なお、予測画像は、上述のインター予測信号である。
　また、符号化信号に含められる、予測画像の生成に用いられたインター予測モード（上述の例ではノーマルインターモード）を示す情報は、例えば予測パラメータとして符号化される。
　なお、候補ＭＶリストは、他のモードに用いられるリストと共通に用いられてもよい。また、候補ＭＶリストに関する処理を、他のモードに用いられるリストに関する処理に適用してもよい。この候補ＭＶリストに関する処理は、例えば、候補ＭＶリストからの候補ＭＶの抽出もしくは選択、候補ＭＶの並び替え、または、候補ＭＶの削除などである。
　［ＭＶ導出　＞　マージモード］
　マージモードは、候補ＭＶリストから候補ＭＶをカレントブロックのＭＶとして選択することによって、そのＭＶを導出するインター予測モードである。
　図２０は、マージモードによるインター予測の例を示すフローチャートである。
　インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｈ＿１）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　次に、インター予測部１２６は、ステップＳｈ＿１で取得された複数の候補ＭＶの中から１つの候補ＭＶを選択することによって、カレントブロックのＭＶを導出する（ステップＳｈ＿２）。このとき、インター予測部１２６は、選択された候補ＭＶを識別するためのＭＶ選択情報をストリームに符号化する。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｈ＿３）。
　また、符号化信号に含められる、予測画像の生成に用いられたインター予測モード（上述の例ではマージモード）を示す情報は、例えば予測パラメータとして符号化される。
　図２１は、マージモードによるカレントピクチャの動きベクトル導出処理の一例を説明するための概念図である。
　まず、予測ＭＶの候補を登録した予測ＭＶリストを生成する。予測ＭＶの候補としては、対象ブロックの空間的に周辺に位置する複数の符号化済みブロックが持つＭＶである空間隣接予測ＭＶ、符号化済み参照ピクチャにおける対象ブロックの位置を投影した近辺のブロックが持つＭＶである時間隣接予測ＭＶ、空間隣接予測ＭＶと時間隣接予測ＭＶのＭＶ値を組み合わせて生成したＭＶである結合予測ＭＶ、および値がゼロのＭＶであるゼロ予測ＭＶ等がある。
　次に、予測ＭＶリストに登録されている複数の予測ＭＶの中から１つの予測ＭＶを選択することで、対象ブロックのＭＶとして決定する。
　さらに、可変長符号化部では、どの予測ＭＶを選択したかを示す信号であるｍｅｒｇｅ＿ｉｄｘをストリームに記述して符号化する。
　なお、図２１で説明した予測ＭＶリストに登録する予測ＭＶは一例であり、図中の個数とは異なる個数であったり、図中の予測ＭＶの一部の種類を含まない構成であったり、図中の予測ＭＶの種類以外の予測ＭＶを追加した構成であったりしてもよい。
　マージモードにより導出した対象ブロックのＭＶを用いて、後述するＤＭＶＲ（ｄｅｃｏｄｅｒ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｒｅｆｉｎｅｍｅｎｔ）処理を行うことによって最終的なＭＶを決定してもよい。
　なお、予測ＭＶの候補は、上述の候補ＭＶであり、予測ＭＶリストは、上述の候補ＭＶリストである。また、候補ＭＶリストを、候補リストと称してもよい。また、ｍｅｒｇｅ＿ｉｄｘは、ＭＶ選択情報である。
　［ＭＶ導出　＞　ＦＲＵＣモード］
　動き情報は符号化装置側から信号化されずに、復号装置側で導出されてもよい。なお、上述のように、Ｈ．２６５／ＨＥＶＣ規格で規定されたマージモードが用いられてもよい。また例えば、復号装置側で動き探索を行うことにより動き情報が導出されてもよい。実施の形態において、復号装置側では、カレントブロックの画素値を用いずに動き探索が行われる。
　ここで、復号装置側で動き探索を行うモードについて説明する。この復号装置側で動き探索を行うモードは、ＰＭＭＶＤ（ｐａｔｔｅｒｎ　ｍａｔｃｈｅｄ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｄｅｒｉｖａｔｉｏｎ）モード又はＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）モードと呼ばれることがある。
　フローチャートの形式でＦＲＵＣ処理の一例を図２２に示す。まず、カレントブロックに空間的又は時間的に隣接する符号化済みブロックの動きベクトルを参照して、各々が予測動きベクトル（ＭＶ）を有する複数の候補のリスト（すなわち、候補ＭＶリストであって、マージリストと共通であってもよい）が生成される（ステップＳｉ＿１）。次に、候補ＭＶリストに登録されている複数の候補ＭＶの中からベスト候補ＭＶを選択する（ステップＳｉ＿２）。例えば、候補ＭＶリストに含まれる各候補ＭＶの評価値が算出され、評価値に基づいて１つの候補ＭＶが選択される。そして、選択された候補の動きベクトルに基づいて、カレントブロックのための動きベクトルが導出される（ステップＳｉ＿４）。具体的には、例えば、選択された候補の動きベクトル（ベスト候補ＭＶ）がそのままカレントブロックのための動きベクトルとして導出される。また例えば、選択された候補の動きベクトルに対応する参照ピクチャ内の位置の周辺領域において、パターンマッチングを行うことにより、カレントブロックのための動きベクトルが導出されてもよい。すなわち、ベスト候補ＭＶの周辺の領域に対して、参照ピクチャにおけるパターンマッチングおよび評価値を用いた探索を行い、さらに評価値が良い値となるＭＶがあった場合は、ベスト候補ＭＶを前記ＭＶに更新して、それをカレントブロックの最終的なＭＶとしてもよい。より良い評価値を有するＭＶへの更新を行う処理を実施しない構成とすることも可能である。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｉ＿５）。
　サブブロック単位で処理を行う場合も全く同様の処理としてもよい。
　評価値は、種々の方法によって算出されてもよい。例えば、動きベクトルに対応する参照ピクチャ内の領域の再構成画像と、所定の領域（その領域は、例えば、以下に示すように、他の参照ピクチャの領域またはカレントピクチャの隣接ブロックの領域であってもよい）の再構成画像とを比較する。所定の領域は予め定められていてもよい。
　そして、２つの再構成画像の画素値の差分を算出して、動きベクトルの評価値に用いてもよい。なお、差分値に加えてそれ以外の情報を用いて評価値を算出してもよい。
　次に、パターンマッチングの例について詳細に説明する。まず、候補ＭＶリスト（例えばマージリスト）に含まれる１つの候補ＭＶを、パターンマッチングによる探索のスタートポイントとして選択する。例えば、パターンマッチングとしては、第１パターンマッチング又は第２パターンマッチングが用いられ得る。第１パターンマッチング及び第２パターンマッチングは、それぞれ、バイラテラルマッチング（ｂｉｌａｔｅｒａｌ　ｍａｔｃｈｉｎｇ）及びテンプレートマッチング（ｔｅｍｐｌａｔｅ　ｍａｔｃｈｉｎｇ）と呼ばれることがある。
　［ＭＶ導出　＞　ＦＲＵＣ　＞　バイラテラルマッチング］
　第１パターンマッチングでは、異なる２つの参照ピクチャ内の２つのブロックであってカレントブロックの動き軌道（ｍｏｔｉｏｎ　ｔｒａｊｅｃｔｏｒｙ）に沿う２つのブロックの間でパターンマッチングが行われる。したがって、第１パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントブロックの動き軌道に沿う他の参照ピクチャ内の領域が用いられる。所定の領域は、予め定められていてもよい。
　図２３は、動き軌道に沿う２つの参照ピクチャにおける２つのブロック間での第１パターンマッチング（バイラテラルマッチング）の一例を説明するための概念図である。図２３に示すように、第１パターンマッチングでは、カレントブロック（Ｃｕｒ　ｂｌｏｃｋ）の動き軌道に沿う２つのブロックであって異なる２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）内の２つのブロックのペアの中で最もマッチするペアを探索することにより２つの動きベクトル（ＭＶ０、ＭＶ１）が導出される。具体的には、カレントブロックに対して、候補ＭＶで指定された第１の符号化済み参照ピクチャ（Ｒｅｆ０）内の指定位置における再構成画像と、前記候補ＭＶを表示時間間隔でスケーリングした対称ＭＶで指定された第２の符号化済み参照ピクチャ（Ｒｅｆ１）内の指定位置における再構成画像との差分を導出し、得られた差分値を用いて評価値を算出する。複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶを最終ＭＶとして選択することが可能であり、良い結果をもたらし得る。
　連続的な動き軌道の仮定の下では、２つの参照ブロックを指し示す動きベクトル（ＭＶ０、ＭＶ１）は、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）との間の時間的な距離（ＴＤ０、ＴＤ１）に対して比例する。例えば、カレントピクチャが時間的に２つの参照ピクチャの間に位置し、カレントピクチャから２つの参照ピクチャへの時間的な距離が等しい場合、第１パターンマッチングでは、鏡映対称な双方向の動きベクトルが導出される。
　［ＭＶ導出　＞　ＦＲＵＣ　＞　テンプレートマッチング］
　第２パターンマッチング（テンプレートマッチング）では、カレントピクチャ内のテンプレート（カレントピクチャ内でカレントブロックに隣接するブロック（例えば上及び／又は左隣接ブロック））と参照ピクチャ内のブロックとの間でパターンマッチングが行われる。したがって、第２パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントピクチャ内のカレントブロックに隣接するブロックが用いられる。
　図２４は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）の一例を説明するための概念図である。図２４に示すように、第２パターンマッチングでは、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）内でカレントブロック（Ｃｕｒ　ｂｌｏｃｋ）に隣接するブロックと最もマッチするブロックを参照ピクチャ（Ｒｅｆ０）内で探索することによりカレントブロックの動きベクトルが導出される。具体的には、カレントブロックに対して、左隣接および上隣接の両方もしくはどちらか一方の符号化済み領域の再構成画像と、候補ＭＶで指定された符号化済み参照ピクチャ（Ｒｅｆ０）内の同等位置における再構成画像との差分を導出し、得られた差分値を用いて評価値を算出し、複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶをベスト候補ＭＶとして選択することが可能である。
　このようなＦＲＵＣモードを適用するか否かを示す情報（例えばＦＲＵＣフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。また、ＦＲＵＣモードが適用される場合（例えばＦＲＵＣフラグが真の場合）、適用可能なパターンマッチングの方法（第１パターンマッチング又は第２パターンマッチング）を示す情報がＣＵレベルで信号化されてもよい。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　［ＭＶ導出　＞　アフィンモード］
　次に、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出するアフィンモードについて説明する。このモードは、アフィン動き補償予測（ａｆｆｉｎｅ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ　ｐｒｅｄｉｃｔｉｏｎ）モードと呼ばれることがある。
　図２５Ａは、複数の隣接ブロックの動きベクトルに基づくサブブロック単位の動きベクトルの導出の一例を説明するための概念図である。図２５Ａにおいて、カレントブロックは、１６の４ｘ４サブブロックを含む。ここでは、隣接ブロックの動きベクトルに基づいてカレントブロックの左上角制御ポイントの動きベクトルｖ０が導出され、同様に、隣接サブブロックの動きベクトルに基づいてカレントブロックの右上角制御ポイントの動きベクトルｖ１が導出される。そして、以下の式（１Ａ）により、２つの動きベクトルｖ０及びｖ１が投影されてもよく、カレントブロック内の各サブブロックの動きベクトル（ｖｘ，ｖｙ）が導出されてもよい。
Figure JPOXMLDOC01-appb-M000001
　ここで、ｘ及びｙは、それぞれ、サブブロックの水平位置及び垂直位置を示し、ｗは、所定の重み係数を示す。所定の重み係数は、予め決定されていてもよい。
　このようなアフィンモードを示す情報（例えばアフィンフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。なお、このアフィンモードを示す情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　また、このようなアフィンモードでは、左上及び右上角制御ポイントの動きベクトルの導出方法が異なるいくつかのモードを含んでもよい。例えば、アフィンモードには、アフィンインター（アフィンノーマルインターともいう）モードと、アフィンマージモードの２つのモードがある。
　［ＭＶ導出　＞　アフィンモード］
　図２５Ｂは、３つの制御ポイントを有するアフィンモードにおけるサブブロック単位の動きベクトルの導出の一例を説明するための概念図である。図２５Ｂにおいて、カレントブロックは、１６の４ｘ４サブブロックを含む。ここでは、隣接ブロックの動きベクトルに基づいてカレントブロックの左上角制御ポイントの動きベクトルｖ０が導出され、同様に、隣接ブロックの動きベクトルに基づいてカレントブロックの右上角制御ポイントの動きベクトルｖ１、隣接ブロックの動きベクトルに基づいてカレントブロックの左下角制御ポイントの動きベクトルｖ２が導出される。そして、以下の式（１Ｂ）により、３つの動きベクトルｖ０、ｖ１及びｖ２が投影されてもよく、カレントブロック内の各サブブロックの動きベクトル（ｖｘ，ｖｙ）が導出されてもよい。
Figure JPOXMLDOC01-appb-M000002
　ここで、ｘ及びｙは、それぞれ、サブブロック中心の水平位置及び垂直位置を示し、ｗは、カレントブロックの幅、ｈは、カレントブロックの高さを示す。
　異なる制御ポイント数（例えば、２つと３つ）のアフィンモードは、ＣＵレベルで切り替えて信号化されてもよい。なお、ＣＵレベルで使用しているアフィンモードの制御ポイント数を示す情報を、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）で信号化してもよい。
　また、このような３つの制御ポイントを有するアフィンモードでは、左上、右上及び左下角制御ポイントの動きベクトルの導出方法が異なるいくつかのモードを含んでもよい。例えば、アフィンモードには、アフィンインター（アフィンノーマルインターともいう）モードと、アフィンマージモードの２つのモードがある。
　［ＭＶ導出　＞　アフィンマージモード］
　図２６Ａ、図２６Ｂおよび図２６Ｃは、アフィンマージモードを説明するための概念図である。
　アフィンマージモードでは、図２６Ａに示すように、例えば、カレントブロックに隣接する符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）のうち、アフィンモードで符号化されたブロックに対応する複数の動きベクトルに基づいて、カレントブロックの制御ポイントのそれぞれの予測動きベクトルが算出される。具体的には、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序でこれらのブロックが検査され、アフィンモードで符号化された最初の有効なブロックが特定される。この特定されたブロックに対応する複数の動きベクトルに基づいて、カレントブロックの制御ポイントの予測動きベクトルが算出される。
　例えば、図２６Ｂに示すように、カレントブロックの左に隣接するブロックＡが２つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角および右上角の位置に投影した動きベクトルｖ３およびｖ４が導出される。そして、導出された動きベクトルｖ３およびｖ４から、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１が算出される。
　例えば、図２６Ｃに示すように、カレントブロックの左に隣接するブロックＡが３つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の位置に投影した動きベクトルｖ３、ｖ４およびｖ５が導出される。そして、導出された動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１と、左下角の制御ポイントの予測動きベクトルｖ２が算出される。
　なお、後述する図２９のステップＳｊ＿１におけるカレントブロックの制御ポイントのそれぞれの予測動きベクトルの導出に、この予測動きベクトル導出方法を用いてもよい。
　図２７は、アフィンマージモードの一例を示すフローチャートである。
　アフィンマージモードでは、図示されるように、まず、インター予測部１２６は、カレントブロックの制御ポイントのそれぞれの予測ＭＶを導出する（ステップＳｋ＿１）。制御ポイントは、図２５Ａに示すように、カレントブロックの左上角および右上角のポイント、或いは図２５Ｂに示すように、カレントブロックの左上角、右上角および左下角のポイントである。
　つまり、インター予測部１２６は、図２６Ａに示すように、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序にこれらのブロックを検査し、アフィンモードで符号化された最初の有効なブロックを特定する。
　そして、ブロックＡが特定されブロックＡが２つの制御ポイントを有する場合、図２６Ｂに示すように、インター予測部１２６は、ブロックＡを含む符号化済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４から、カレントブロックの左上角の制御ポイントの動きベクトルｖ０と、右上角の制御ポイントの動きベクトルｖ１とを算出する。例えば、インター予測部１２６は、符号化済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４を、カレントブロックに投影することによって、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１とを算出する。
　或いは、ブロックＡが特定されブロックＡが３つの制御ポイントを有する場合、図２６Ｃに示すように、インター予測部１２６は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角の制御ポイントの動きベクトルｖ０と、右上角の制御ポイントの動きベクトルｖ１、左下角の制御ポイントの動きベクトルｖ２とを算出する。例えば、インター予測部１２６は、符号化済みブロックの左上角、右上角および左下角の動きベクトルｖ３、ｖ４およびｖ５を、カレントブロックに投影することによって、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１、左下角の制御ポイントの動きベクトルｖ２とを算出する。
　次に、インター予測部１２６は、カレントブロックに含まれる複数のサブブロックのそれぞれについて、動き補償を行う。すなわち、インター予測部１２６は、その複数のサブブロックのそれぞれについて、２つの予測動きベクトルｖ０およびｖ１と上述の式（１Ａ）、或いは３つの予測動きベクトルｖ０、ｖ１およびｖ２と上述の式（１Ｂ）とを用いて、そのサブブロックの動きベクトルをアフィンＭＶとして算出する（ステップＳｋ＿２）。そして、インター予測部１２６は、それらのアフィンＭＶおよび符号化済み参照ピクチャを用いてそのサブブロックに対して動き補償を行う（ステップＳｋ＿３）。その結果、カレントブロックに対して動き補償が行われ、そのカレントブロックの予測画像が生成される。
　［ＭＶ導出　＞　アフィンインターモード］
　図２８Ａは、２つの制御ポイントを有するアフィンインターモードを説明するための概念図である。
　このアフィンインターモードでは、図２８Ａに示すように、カレントブロックに隣接する符号化済みブロックＡ、ブロックＢおよびブロックＣの動きベクトルから選択された動きベクトルが、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０として用いられる。同様に、カレントブロックに隣接する符号化済みブロックＤおよびブロックＥの動きベクトルから選択された動きベクトルが、カレントブロックの右上角の制御ポイントの予測動きベクトルｖ１として用いられる。
　図２８Ｂは、３つの制御ポイントを有するアフィンインターモードを説明するための概念図である。
　このアフィンインターモードでは、図２８Ｂに示すように、カレントブロックに隣接する符号化済みブロックＡ、ブロックＢおよびブロックＣの動きベクトルから選択された動きベクトルが、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０として用いられる。同様に、カレントブロックに隣接する符号化済みブロックＤおよびブロックＥの動きベクトルから選択された動きベクトルが、カレントブロックの右上角の制御ポイントの予測動きベクトルｖ１として用いられる。更に、カレントブロックに隣接する符号化済みブロックＦおよびブロックＧの動きベクトルから選択された動きベクトルが、カレントブロックの左下角の制御ポイントの予測動きベクトルｖ２として用いられる。
　図２９は、アフィンインターモードの一例を示すフローチャートである。
　図示されるように、アフィンインターモードでは、まず、インター予測部１２６は、カレントブロックの２つまたは３つの制御ポイントのそれぞれの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する（ステップＳｊ＿１）。制御ポイントは、図２５Ａまたは図２５Ｂに示すように、カレントブロックの左上角、右上角或いは左下角のポイントである。
　つまり、インター予測部１２６は、図２８Ａまたは図２８Ｂに示すカレントブロックの各制御ポイント近傍の符号化済みブロックのうちの何れかのブロックの動きベクトルを選択することによって、カレントブロックの制御ポイントの予測動きベクトル（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する。このとき、インター予測部１２６は、選択された２つの動きベクトルを識別するための予測動きベクトル選択情報をストリームに符号化する。
　例えば、インター予測部１２６は、カレントブロックに隣接する符号化済みブロックからどのブロックの動きベクトルを制御ポイントの予測動きベクトルとして選択するかを、コスト評価等を用いて決定し、どの予測動きベクトルを選択したかを示すフラグをビットストリームに記述してもよい。
　次に、インター予測部１２６は、ステップＳｊ＿１で選択または導出された予測動きベクトルをそれぞれ更新しながら（ステップＳｊ＿２）、動き探索を行う（ステップＳｊ＿３およびＳｊ＿４）。つまり、インター予測部１２６は、更新される予測動きベクトルに対応する各サブブロックの動きベクトルをアフィンＭＶとして、上述の式（１Ａ）または式（１Ｂ）を用いて算出する（ステップＳｊ＿３）。そして、インター予測部１２６は、それらのアフィンＭＶおよび符号化済み参照ピクチャを用いて各サブブロックに対して動き補償を行う（ステップＳｊ＿４）。その結果、インター予測部１２６は、動き探索ループにおいて、例えば最も小さいコストが得られる予測動きベクトルを、制御ポイントの動きベクトルとして決定する（ステップＳｊ＿５）。このとき、インター予測部１２６は、さらに、その決定されたＭＶと予測動きベクトルとのそれぞれの差分値を差分ＭＶとしてストリームに符号化する。
　最後に、インター予測部１２６は、その決定されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｊ＿６）。
　［ＭＶ導出　＞　アフィンインターモード］
　異なる制御ポイント数（例えば、２つと３つ）のアフィンモードをＣＵレベルで切り替えて信号化する場合、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合がある。図３０Ａおよび図３０Ｂは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントの予測ベクトル導出方法を説明するための概念図である。
　例えば、図３０Ａに示すように、カレントブロックが左上角、右上角および左下角の３つの制御ポイントを有し、カレントブロックの左に隣接するブロックＡが２つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角および右上角の位置に投影した動きベクトルｖ３およびｖ４が導出される。そして、導出された動きベクトルｖ３およびｖ４から、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１が算出される。更に、導出された動きベクトルｖ０およびｖ１から、左下角の制御ポイントの予測動きベクトルｖ２が算出される。
　例えば、図３０Ｂに示すように、カレントブロックが左上角および右上角の２つの制御ポイントを有し、カレントブロックの左に隣接するブロックＡが３つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の位置に投影した動きベクトルｖ３、ｖ４およびｖ５が導出される。そして、導出された動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１が算出される。
　図２９のステップＳｊ＿１におけるカレントブロックの制御ポイントのそれぞれの予測動きベクトルの導出に、この予測動きベクトル導出方法を用いてもよい。
　［ＭＶ導出　＞　ＤＭＶＲ］
　図３１Ａは、マージモードおよびＤＭＶＲの関係を示すフローチャートである。
　インター予測部１２６は、マージモードでカレントブロックの動きベクトルを導出する（ステップＳｌ＿１）。次に、インター予測部１２６は、動きベクトルの探索、すなわち動き探索を行うか否かを判定する（ステップＳｌ＿２）。ここで、インター予測部１２６は、動き探索を行わないと判定すると（ステップＳｌ＿２のＮｏ）、ステップＳｌ＿１で導出された動きベクトルを、カレントブロックに対する最終の動きベクトルとして決定する（ステップＳｌ＿４）。すなわち、この場合には、マージモードでカレントブロックの動きベクトルが決定される。
　一方、ステップＳｌ＿１で動き探索を行うと判定すると（ステップＳｌ＿２のＹｅｓ）、インター予測部１２６は、ステップＳｌ＿１で導出された動きベクトルによって示される参照ピクチャの周辺領域を探索することによって、カレントブロックに対して最終の動きベクトルを導出する（ステップＳｌ＿３）。すなわち、この場合には、ＤＭＶＲでカレントブロックの動きベクトルが決定される。
　図３１Ｂは、ＭＶを決定するためのＤＭＶＲ処理の一例を説明するための概念図である。
　まず、（例えばマージモードにおいて）カレントブロックに設定された最適ＭＶＰを、候補ＭＶとする。そして、候補ＭＶ（Ｌ０）に従って、Ｌ０方向の符号化済みピクチャである第１参照ピクチャ（Ｌ０）から参照画素を特定する。同様に、候補ＭＶ（Ｌ１）に従って、Ｌ１方向の符号化済みピクチャである第２参照ピクチャ（Ｌ１）から参照画素を特定する。これらの参照画素の平均をとることでテンプレートを生成する。
　次に、前記テンプレートを用いて、第１参照ピクチャ（Ｌ０）および第２参照ピクチャ（Ｌ１）の候補ＭＶの周辺領域をそれぞれ探索し、コストが最小となるＭＶを最終的なＭＶとして決定する。なお、コスト値は、例えば、テンプレートの各画素値と探索領域の各画素値との差分値および候補ＭＶ値等を用いて算出してもよい。
　なお、典型的には、符号化装置と、後述の復号化装置とでは、ここで説明した処理の構成および動作は基本的に共通である。
　ここで説明した処理例そのものでなくても、候補ＭＶの周辺を探索して最終的なＭＶを導出することができる処理であれば、どのような処理を用いてもよい。
　［動き補償　＞　ＢＩＯ／ＯＢＭＣ］
　動き補償では、予測画像を生成し、その予測画像を補正するモードがある。そのモードは、例えば、後述のＢＩＯおよびＯＢＭＣである。
　図３２は、予測画像の生成の一例を示すフローチャートである。
　インター予測部１２６は、予測画像を生成し（ステップＳｍ＿１）、例えば上述の何れかのモードによってその予測画像を補正する（ステップＳｍ＿２）。
　図３３は、予測画像の生成の他の例を示すフローチャートである。
　インター予測部１２６は、カレントブロックの動きベクトルを決定する（ステップＳｎ＿１）。次に、インター予測部１２６は、予測画像を生成し（ステップＳｎ＿２）、補正処理を行うか否かを判定する（ステップＳｎ＿３）。ここで、インター予測部１２６は、補正処理を行うと判定すると（ステップＳｎ＿３のＹｅｓ）、その予測画像を補正することによって最終的な予測画像を生成する（ステップＳｎ＿４）。一方、インター予測部１２６は、補正処理を行わないと判定すると（ステップＳｎ＿３のＮｏ）、その予測画像を補正することなく最終的な予測画像として出力する（ステップＳｎ＿５）。
　また、動き補償では、予測画像を生成するときに輝度を補正するモードがある。そのモードは、例えば、後述のＬＩＣである。
　図３４は、予測画像の生成の他の例を示すフローチャートである。
　インター予測部１２６は、カレントブロックの動きベクトルを導出する（ステップＳｏ＿１）。次に、インター予測部１２６は、輝度補正処理を行うか否かを判定する（ステップＳｏ＿２）。ここで、インター予測部１２６は、輝度補正処理を行うと判定すると（ステップＳｏ＿２のＹｅｓ）、輝度補正を行いながら予測画像を生成する（ステップＳｏ＿３）。つまり、ＬＩＣによって予測画像が生成される。一方、インター予測部１２６は、輝度補正処理を行わないと判定すると（ステップＳｏ＿２のＮｏ）、輝度補正を行うことなく通常の動き補償によって予測画像を生成する（ステップＳｏ＿４）。
　［動き補償　＞　ＯＢＭＣ］
　動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号が生成されてもよい。具体的には、（参照ピクチャ内の）動き探索により得られた動き情報に基づく予測信号と、（カレントピクチャ内の）隣接ブロックの動き情報に基づく予測信号と、を重み付け加算することにより、カレントブロック内のサブブロック単位でインター予測信号が生成されてもよい。このようなインター予測（動き補償）は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）と呼ばれることがある。
　ＯＢＭＣモードでは、ＯＢＭＣのためのサブブロックのサイズを示す情報（例えばＯＢＭＣブロックサイズと呼ばれる）は、シーケンスレベルで信号化されてもよい。さらに、ＯＢＭＣモードを適用するか否かを示す情報（例えばＯＢＭＣフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。なお、これらの情報の信号化のレベルは、シーケンスレベル及びＣＵレベルに限定される必要はなく、他のレベル（例えばピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　ＯＢＭＣモードの例について、より具体的に説明する。図３５及び図３６は、ＯＢＭＣ処理による予測画像補正処理の概要を説明するためのフローチャート及び概念図である。
　まず、図３６に示すように、処理対象（カレント）ブロックに割り当てられた動きベクトル（ＭＶ）を用いて通常の動き補償による予測画像（Ｐｒｅｄ）を取得する。図３６において、矢印“ＭＶ”は参照ピクチャを指し、予測画像を得るためにカレントピクチャのカレントブロックが何を参照しているかを示している。
　次に、符号化済みの左隣接ブロックに対して既に導出された動きベクトル（ＭＶ＿Ｌ）を符号化対象ブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｌ）を取得する。動きベクトル（ＭＶ＿Ｌ）は、カレントブロックから参照ピクチャを指す矢印”ＭＶ＿Ｌ”によって示される。そして、２つの予測画像ＰｒｅｄとＰｒｅｄ＿Ｌとを重ね合わせることで予測画像の１回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。
　同様に、符号化済みの上隣接ブロックに対して既に導出された動きベクトル（ＭＶ＿Ｕ）を符号化対象ブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｕ）を取得する。動きベクトル（ＭＶ＿Ｕ）は、カレントブロックから参照ピクチャを指す矢印”ＭＶ＿Ｕ”によって示される。そして、予測画像Ｐｒｅｄ＿Ｕを１回目の補正を行った予測画像（例えば、ＰｒｅｄとＰｒｅｄ＿Ｌ）に重ね合わせることで予測画像の２回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。２回目の補正によって得られた予測画像は、隣接ブロックとの境界が混ぜ合わされた（スムージングされた）、カレントブロックの最終的な予測画像である。
　なお、上述の例は、左隣接および上隣接のブロックを用いた２パスの補正方法であるが、その補正方法は、右隣接および／または下隣接のブロックも用いた３パスまたはそれ以上のパスの補正方法であってもよい。
　なお、重ね合わせを行う領域はブロック全体の画素領域ではなく、ブロック境界近傍の一部の領域のみであってもよい。
　なお、ここでは１枚の参照ピクチャから、追加的な予測画像Ｐｒｅｄ＿ＬおよびＰｒｅｄ＿Ｕを重ね合わせることで１枚の予測画像Ｐｒｅｄを得るためのＯＢＭＣの予測画像補正処理について説明した。しかし、複数の参照画像に基づいて予測画像が補正される場合には、同様の処理が複数の参照ピクチャのそれぞれに適用されてもよい。このような場合、複数の参照ピクチャに基づくＯＢＭＣの画像補正を行うことによって、各々の参照ピクチャから、補正された予測画像を取得した後に、その取得された複数の補正予測画像をさらに重ね合わせることで最終的な予測画像を取得する。
　なお、ＯＢＭＣでは、対象ブロックの単位は、予測ブロック単位であっても、予測ブロックをさらに分割したサブブロック単位であってもよい。
　ＯＢＭＣ処理を適用するかどうかの判定の方法として、例えば、ＯＢＭＣ処理を適用するかどうかを示す信号であるｏｂｍｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置は、対象ブロックが動きの複雑な領域に属しているかどうかを判定してもよい。符号化装置は、動きの複雑な領域に属している場合は、ｏｂｍｃ＿ｆｌａｇとして値１を設定してＯＢＭＣ処理を適用して符号化を行い、動きの複雑な領域に属していない場合は、ｏｂｍｃ＿ｆｌａｇとして値０を設定してＯＢＭＣ処理を適用せずにブロックの符号化を行う。一方、復号化装置では、ストリーム（例えば圧縮シーケンス）に記述されたｏｂｍｃ＿ｆｌａｇを復号することで、その値に応じてＯＢＭＣ処理を適用するかどうかを切替えて復号を行う。
　インター予測部１２６は、上述の例では、矩形のカレントブロックに対して１つの矩形の予測画像を生成する。しかし、インター予測部１２６は、その矩形のカレントブロックに対して矩形と異なる形状の複数の予測画像を生成し、それらの複数の予測画像を結合することによって、最終的な矩形の予測画像を生成してもよい。矩形と異なる形状は、例えば三角形であってもよい。
　図３７は、２つの三角形の予測画像の生成を説明するための概念図である。
　インター予測部１２６は、カレントブロック内の三角形の第１パーティションに対して、その第１パーティションの第１ＭＶを用いて動き補償を行うことによって、三角形の予測画像を生成する。同様に、インター予測部１２６は、カレントブロック内の三角形の第２パーティションに対して、その第２パーティションの第２ＭＶを用いて動き補償を行うことによって、三角形の予測画像を生成する。そして、インター予測部１２６は、これらの予測画像を結合することによって、カレントブロックと同じ矩形の予測画像を生成する。
　なお、図３７に示す例では、第１パーティションおよび第２パーティションはそれぞれ三角形であるが、台形であってもよく、それぞれ互いに異なる形状であってもよい。さらに、図３７に示す例では、カレントブロックが２つのパーティションから構成されているが、３つ以上のパーティションから構成されていてもよい。
　また、第１パーティションおよび第２パーティションは重複していてもよい。すなわち、第１パーティションおよび第２パーティションは同じ画素領域を含んでいてもよい。この場合、第１パーティションにおける予測画像と第２パーティションにおける予測画像とを用いてカレントブロックの予測画像を生成してもよい。
　また、この例では２つのパーティションともにインター予測で予測画像が生成される例を示したが、少なくとも１つのパーティションについてイントラ予測によって予測画像を生成してもよい。
　［動き補償　＞　ＢＩＯ］
　次に、動きベクトルを導出する方法について説明する。まず、等速直線運動を仮定したモデルに基づいて動きベクトルを導出するモードについて説明する。このモードは、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）モードと呼ばれることがある。
　図３８は、等速直線運動を仮定したモデルを説明するための概念図である。図３８において、（ｖｘ，ｖｙ）は、速度ベクトルを示し、τ０、τ１は、それぞれ、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）との間の時間的な距離を示す。（ＭＶｘ０，ＭＶｙ０）は、参照ピクチャＲｅｆ０に対応する動きベクトルを示し、（ＭＶｘ１、ＭＶｙ１）は、参照ピクチャＲｅｆ１に対応する動きベクトルを示す。
　このとき速度ベクトル（ｖｘ，ｖｙ）の等速直線運動の仮定の下では、（ＭＶｘ０，ＭＶｙ０）及び（ＭＶｘ１，ＭＶｙ１）は、それぞれ、（ｖｘτ０，ｖｙτ０）及び（－ｖｘτ１，－ｖｙτ１）と表され、以下のオプティカルフロー等式（２）が採用されてもよい。
Figure JPOXMLDOC01-appb-M000003
　ここで、Ｉ（ｋ）は、動き補償後の参照画像ｋ（ｋ＝０，１）の輝度値を示す。このオプティカルフロー等式は、（ｉ）輝度値の時間微分と、（ｉｉ）水平方向の速度及び参照画像の空間勾配の水平成分の積と、（ｉｉｉ）垂直方向の速度及び参照画像の空間勾配の垂直成分の積と、の和が、ゼロと等しいことを示す。このオプティカルフロー等式とエルミート補間（Ｈｅｒｍｉｔｅ　ｉｎｔｅｒｐｏｌａｔｉｏｎ）との組み合わせに基づいて、マージリスト等から得られるブロック単位の動きベクトルが画素単位で補正されてもよい。
　なお、等速直線運動を仮定したモデルに基づく動きベクトルの導出とは異なる方法で、復号装置側で動きベクトルが導出されてもよい。例えば、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルが導出されてもよい。
　［動き補償　＞　ＬＩＣ］
　次に、ＬＩＣ（ｌｏｃａｌ　ｉｌｌｕｍｉｎａｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理を用いて予測画像（予測）を生成するモードの一例について説明する。
　図３９は、ＬＩＣ処理による輝度補正処理を用いた予測画像生成方法の一例を説明するための概念図である。
　まず、符号化済みの参照ピクチャからＭＶを導出して、カレントブロックに対応する参照画像を取得する。
　次に、カレントブロックに対して、参照ピクチャとカレントピクチャとで輝度値がどのように変化したかを示す情報を抽出する。この抽出は、カレントピクチャにおける符号化済み左隣接参照領域（周辺参照領域）および符号化済み上隣参照領域（周辺参照領域）の輝度画素値と、導出されたＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とに基づいて行われる。そして、輝度値がどのように変化したかを示す情報を用いて、輝度補正パラメータを算出する。
　ＭＶで指定された参照ピクチャ内の参照画像に対して前記輝度補正パラメータを適用する輝度補正処理を行うことで、カレントブロックに対する予測画像を生成する。
　なお、図３９における前記周辺参照領域の形状は一例であり、これ以外の形状を用いてもよい。
　また、ここでは１枚の参照ピクチャから予測画像を生成する処理について説明したが、複数枚の参照ピクチャから予測画像を生成する場合も同様であり、各々の参照ピクチャから取得した参照画像に、上述と同様の方法で輝度補正処理を行ってから予測画像を生成してもよい。
　ＬＩＣ処理を適用するかどうかの判定の方法として、例えば、ＬＩＣ処理を適用するかどうかを示す信号であるｌｉｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置において、カレントブロックが、輝度変化が発生している領域に属しているかどうかを判定し、輝度変化が発生している領域に属している場合はｌｉｃ＿ｆｌａｇとして値１を設定してＬＩＣ処理を適用して符号化を行い、輝度変化が発生している領域に属していない場合はｌｉｃ＿ｆｌａｇとして値０を設定してＬＩＣ処理を適用せずに符号化を行う。一方、復号化装置では、ストリームに記述されたｌｉｃ＿ｆｌａｇを復号化することで、その値に応じてＬＩＣ処理を適用するかどうかを切替えて復号を行ってもよい。
　ＬＩＣ処理を適用するかどうかの判定の別の方法として、例えば、周辺ブロックでＬＩＣ処理を適用したかどうかに従って判定する方法もある。具体的な一例としては、カレントブロックがマージモードであった場合、マージモード処理におけるＭＶの導出の際に選択した周辺の符号化済みブロックがＬＩＣ処理を適用して符号化したかどうかを判定する。その結果に応じてＬＩＣ処理を適用するかどうかを切替えて符号化を行う。なお、この例の場合でも、同じ処理が復号装置側の処理に適用される。
　ＬＩＣ処理（輝度補正処理）の態様について図３９を用いて説明したが、以下、その詳細を説明する。
　まず、インター予測部１２６は、符号化済みピクチャである参照ピクチャから符号化対象ブロックに対応する参照画像を取得するための動きベクトルを導出する。
　次に、インター予測部１２６は、符号化対象ブロックに対して、左隣接および上隣接の符号化済み周辺参照領域の輝度画素値と、動きベクトルで指定された参照ピクチャ内の同等位置における輝度画素値とを用いて、参照ピクチャと符号化対象ピクチャとで輝度値がどのように変化したかを示す情報を抽出して輝度補正パラメータを算出する。例えば、符号化対象ピクチャ内の周辺参照領域内のある画素の輝度画素値をｐ０とし、当該画素と同等位置の、参照ピクチャ内の周辺参照領域内の画素の輝度画素値をｐ１とする。インター予測部１２６は、周辺参照領域内の複数の画素に対して、Ａ×ｐ１＋Ｂ＝ｐ０を最適化する係数Ａ及びＢを輝度補正パラメータとして算出する。
　次に、インター予測部１２６は、動きベクトルで指定された参照ピクチャ内の参照画像に対して輝度補正パラメータを用いて輝度補正処理を行うことで、符号化対象ブロックに対する予測画像を生成する。例えば、参照画像内の輝度画素値をｐ２とし、輝度補正処理後の予測画像の輝度画素値をｐ３とする。インター予測部１２６は、参照画像内の各画素に対して、Ａ×ｐ２＋Ｂ＝ｐ３を算出することで輝度補正処理後の予測画像を生成する。
　なお、図３９における周辺参照領域の形状は一例であり、これ以外の形状を用いてもよい。また、図３９に示す周辺参照領域の一部が用いられてもよい。例えば、上隣接画素および左隣接画素のそれぞれから間引いた所定数の画素を含む領域を周辺参照領域として用いてもよい。また、周辺参照領域は、符号化対象ブロックに隣接する領域に限らず、符号化対象ブロックに隣接しない領域であってもよい。画素に関する所定数は、予め定められていてもよい。
　また、図３９に示す例では、参照ピクチャ内の周辺参照領域は、符号化対象ピクチャ内の周辺参照領域から、符号化対象ピクチャの動きベクトルで指定される領域であるが、他の動きベクトルで指定される領域であってもよい。例えば、当該他の動きベクトルは、符号化対象ピクチャ内の周辺参照領域の動きベクトルであってもよい。
　なお、ここでは、符号化装置１００における動作を説明したが、復号装置２００における動作も典型的には同様である。
　なお、ＬＩＣ処理は輝度のみではなく、色差に適用してもよい。このとき、Ｙ、Ｃｂ、およびＣｒのそれぞれに対して個別に補正パラメータを導出してもよいし、いずれかに対して共通の補正パラメータを用いてもよい。
　また、ＬＩＣ処理はサブブロック単位で適用してもよい。例えば、カレントサブブロックの周辺参照領域と、カレントサブブロックのＭＶで指定された参照ピクチャ内の参照サブブロックの周辺参照領域を用いて補正パラメータを導出してもよい。
　［予測制御部］
　予測制御部１２８は、イントラ予測信号（イントラ予測部１２４から出力される信号）及びインター予測信号（インター予測部１２６から出力される信号）のいずれかを選択し、選択した信号を予測信号として減算部１０４及び加算部１１６に出力する。
　図１に示すように、種々の符号化装置例では、予測制御部１２８は、エントロピー符号化部１１０に入力される予測パラメータを出力してもよい。エントロピー符号化部１１０は、予測制御部１２８から入力されるその予測パラメータ、量子化部１０８から入力される量子化係数に基づいて、符号化ビットストリーム（またはシーケンス）を生成してもよい。予測パラメータは復号装置に使用されてもよい。復号装置は、符号化ビットストリームを受信して復号し、イントラ予測部１２４、インター予測部１２６および予測制御部１２８において行われる予測処理と同じ処理を行ってもよい。予測パラメータは、選択予測信号（例えば、動きベクトル、予測タイプ、または、イントラ予測部１２４またはインター予測部１２６で用いられた予測モード）、または、イントラ予測部１２４、インター予測部１２６および予測制御部１２８において行われる予測処理に基づく、あるいはその予測処理を示す、任意のインデックス、フラグ、もしくは値を含んでいてもよい。
　［符号化装置の実装例］
　図４０は、符号化装置１００の実装例を示すブロック図である。符号化装置１００は、プロセッサａ１及びメモリａ２を備える。例えば、図１に示された符号化装置１００の複数の構成要素は、図４０に示されたプロセッサａ１及びメモリａ２によって実装される。
　プロセッサａ１は、情報処理を行う回路であり、メモリａ２にアクセス可能な回路である。例えば、プロセッサａ１は、動画像を符号化する専用又は汎用の電子回路である。プロセッサａ１は、ＣＰＵのようなプロセッサであってもよい。また、プロセッサａ１は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサａ１は、図１等に示された符号化装置１００の複数の構成要素のうち、複数の構成要素の役割を果たしてもよい。
　メモリａ２は、プロセッサａ１が動画像を符号化するための情報が記憶される専用又は汎用のメモリである。メモリａ２は、電子回路であってもよく、プロセッサａ１に接続されていてもよい。また、メモリａ２は、プロセッサａ１に含まれていてもよい。また、メモリａ２は、複数の電子回路の集合体であってもよい。また、メモリａ２は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリａ２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリａ２には、符号化される動画像が記憶されてもよいし、符号化された動画像に対応するビット列が記憶されてもよい。また、メモリａ２には、プロセッサａ１が動画像を符号化するためのプログラムが記憶されていてもよい。
　また、例えば、メモリａ２は、図１等に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。例えば、メモリａ２は、図１に示されたブロックメモリ１１８及びフレームメモリ１２２の役割を果たしてもよい。より具体的には、メモリａ２には、再構成済みブロック及び再構成済みピクチャ等が記憶されてもよい。
　なお、符号化装置１００において、図１等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図１等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。
　［復号装置］
　次に、例えば上記の符号化装置１００から出力された符号化信号（符号化ビットストリーム）を復号可能な復号装置について説明する。図４１は、実施の形態に係る復号装置２００の機能構成を示すブロック図である。復号装置２００は、動画像をブロック単位で復号する動画像復号装置である。
　図４１に示すように、復号装置２００は、エントロピー復号部２０２と、逆量子化部２０４と、逆変換部２０６と、加算部２０８と、ブロックメモリ２１０と、ループフィルタ部２１２と、フレームメモリ２１４と、イントラ予測部２１６と、インター予測部２１８と、予測制御部２２０と、を備える。
　復号装置２００は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、エントロピー復号部２０２、逆量子化部２０４、逆変換部２０６、加算部２０８、ループフィルタ部２１２、イントラ予測部２１６、インター予測部２１８及び予測制御部２２０として機能する。また、復号装置２００は、エントロピー復号部２０２、逆量子化部２０４、逆変換部２０６、加算部２０８、ループフィルタ部２１２、イントラ予測部２１６、インター予測部２１８及び予測制御部２２０に対応する専用の１以上の電子回路として実現されてもよい。
　以下に、復号装置２００の全体的な処理の流れを説明した後に、復号装置２００に含まれる各構成要素について説明する。
　［復号処理の全体フロー］
　図４２は、復号装置２００による全体的な復号処理の一例を示すフローチャートである。
　まず、復号装置２００のエントロピー復号部２０２は、固定サイズのブロック（例えば、１２８×１２８画素）の分割パターンを特定する（ステップＳｐ＿１）。この分割パターンは、符号化装置１００によって選択された分割パターンである。そして、復号装置２００は、その分割パターンを構成する複数のブロックのそれぞれに対してステップＳｐ＿２～Ｓｐ＿６の処理を行う。
　つまり、エントロピー復号部２０２は、復号対象ブロック（カレントブロックともいう）の符号化された量子化係数および予測パラメータを復号（具体的にはエントロピー復号）する（ステップＳｐ＿２）。
　次に、逆量子化部２０４および逆変換部２０６は、複数の量子化係数に対して逆量子化および逆変換を行うことによって、複数の予測残差（すなわち差分ブロック）を復元する（ステップＳｐ＿３）。
　次に、イントラ予測部２１６、インター予測部２１８および予測制御部２２０の全てまたは一部からなる予測処理部は、カレントブロックの予測信号（予測ブロックともいう）を生成する（ステップＳｐ＿４）。
　次に、加算部２０８は、差分ブロックに予測ブロックを加算することによってカレントブロックを再構成画像（復号画像ブロックともいう）に再構成する（ステップＳｐ＿５）。
　そして、この再構成画像が生成されると、ループフィルタ部２１２は、その再構成画像に対してフィルタリングを行う（ステップＳｐ＿６）。
　そして、復号装置２００は、ピクチャ全体の復号が完了したか否かを判定し（ステップＳｐ＿７）、完了していないと判定する場合（ステップＳｐ＿７のＮｏ）、ステップＳｐ＿１からの処理を繰り返し実行する。
　図示されたように、ステップＳｐ＿１～Ｓｐ＿７の処理は、復号装置２００によってシーケンシャルに行われる。あるいは、それらの処理のうちの一部の複数の処理が並列に行われてもよく、順番の入れ替え等が行われてもよい。
　［エントロピー復号部］
　エントロピー復号部２０２は、符号化ビットストリームをエントロピー復号する。具体的には、エントロピー復号部２０２は、例えば、符号化ビットストリームから二値信号に算術復号する。そして、エントロピー復号部２０２は、二値信号を多値化（ｄｅｂｉｎａｒｉｚｅ）する。エントロピー復号部２０２は、ブロック単位で量子化係数を逆量子化部２０４に出力する。エントロピー復号部２０２は、実施の形態におけるイントラ予測部２１６、インター予測部２１８および予測制御部２２０に、符号化ビットストリーム（図１参照）に含まれている予測パラメータを出力してもよい。イントラ予測部２１６、インター予測部２１８および予測制御部２２０は、符号化装置側におけるイントラ予測部１２４、インター予測部１２６および予測制御部１２８で行われる処理と同じ予測処理を実行することができる。
　［逆量子化部］
　逆量子化部２０４は、エントロピー復号部２０２からの入力である復号対象ブロック（以下、カレントブロックという）の量子化係数を逆量子化する。具体的には、逆量子化部２０４は、カレントブロックの量子化係数の各々について、当該量子化係数に対応する量子化パラメータに基づいて当該量子化係数を逆量子化する。そして、逆量子化部２０４は、カレントブロックの逆量子化された量子化係数（つまり変換係数）を逆変換部２０６に出力する。
　［逆変換部］
　逆変換部２０６は、逆量子化部２０４からの入力である変換係数を逆変換することにより予測誤差を復元する。
　例えば符号化ビットストリームから読み解かれた情報がＥＭＴ又はＡＭＴを適用することを示す場合（例えばＡＭＴフラグが真）、逆変換部２０６は、読み解かれた変換タイプを示す情報に基づいてカレントブロックの変換係数を逆変換する。
　また例えば、符号化ビットストリームから読み解かれた情報がＮＳＳＴを適用することを示す場合、逆変換部２０６は、変換係数に逆再変換を適用する。
　［加算部］
　加算部２０８は、逆変換部２０６からの入力である予測誤差と予測制御部２２０からの入力である予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部２０８は、再構成されたブロックをブロックメモリ２１０及びループフィルタ部２１２に出力する。
　［ブロックメモリ］
　ブロックメモリ２１０は、イントラ予測で参照されるブロックであって復号対象ピクチャ（以下、カレントピクチャという）内のブロックを格納するための記憶部である。具体的には、ブロックメモリ２１０は、加算部２０８から出力された再構成ブロックを格納する。
　［ループフィルタ部］
　ループフィルタ部２１２は、加算部２０８によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ２１４及び表示装置等に出力する。
　符号化ビットストリームから読み解かれたＡＬＦのオン／オフを示す情報がＡＬＦのオンを示す場合、局所的な勾配の方向及び活性度に基づいて複数のフィルタの中から１つのフィルタが選択され、選択されたフィルタが再構成ブロックに適用される。
　［フレームメモリ］
　フレームメモリ２１４は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ２１４は、ループフィルタ部２１２によってフィルタされた再構成ブロックを格納する。
　［予測処理部（イントラ予測部・インター予測部・予測制御部）］
　図４３は、復号装置２００の予測処理部で行われる処理の一例を示すフローチャートである。なお、予測処理部は、イントラ予測部２１６、インター予測部２１８、および予測制御部２２０の全てまたは一部の構成要素からなる。
　予測処理部は、カレントブロックの予測画像を生成する（ステップＳｑ＿１）。この予測画像は、予測信号または予測ブロックともいう。なお、予測信号には、例えばイントラ予測信号またはインター予測信号がある。具体的には、予測処理部は、予測ブロックの生成、差分ブロックの生成、係数ブロックの生成、差分ブロックの復元、および復号画像ブロックの生成が行われることによって既に得られている再構成画像を用いて、カレントブロックの予測画像を生成する。
　再構成画像は、例えば、参照ピクチャの画像であってもよいし、カレントブロックを含むピクチャであるカレントピクチャ内の復号済みのブロックの画像であってもよい。カレントピクチャ内の復号済みのブロックは、例えばカレントブロックの隣接ブロックである。
　図４４は、復号装置２００の予測処理部で行われる処理の他の例を示すフローチャートである。
　予測処理部は、予測画像を生成するための方式またはモードを判定する（ステップＳｒ＿１）。例えば、この方式またはモードは、例えば予測パラメータなどに基づいて判定されてもよい。
　予測処理部は、予測画像を生成するためのモードとして第１の方式を判定した場合には、その第１の方式にしたがって予測画像を生成する（ステップＳｒ＿２ａ）。また、予測処理部は、予測画像を生成するためのモードとして第２の方式を判定した場合には、その第２の方式にしたがって予測画像を生成する（ステップＳｒ＿２ｂ）。また、予測処理部は、予測画像を生成するためのモードとして第３の方式を判定した場合には、その第３の方式にしたがって予測画像を生成する（ステップＳｒ＿２ｃ）。
　第１の方式、第２の方式、および第３の方式は、予測画像を生成するための互いに異なる方式であって、それぞれ例えば、インター予測方式、イントラ予測方式、および、それら以外の予測方式であってもよい。これらの予測方式では、上述の再構成画像を用いてもよい。
　［イントラ予測部］
　イントラ予測部２１６は、符号化ビットストリームから読み解かれたイントラ予測モードに基づいて、ブロックメモリ２１０に格納されたカレントピクチャ内のブロックを参照してイントラ予測を行うことで、予測信号（イントラ予測信号）を生成する。具体的には、イントラ予測部２１６は、カレントブロックに隣接するブロックのサンプル（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部２２０に出力する。
　なお、色差ブロックのイントラ予測において輝度ブロックを参照するイントラ予測モードが選択されている場合は、イントラ予測部２１６は、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分を予測してもよい。
　また、符号化ビットストリームから読み解かれた情報がＰＤＰＣの適用を示す場合、イントラ予測部２１６は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正する。
　［インター予測部］
　インター予測部２１８は、フレームメモリ２１４に格納された参照ピクチャを参照して、カレントブロックを予測する。予測は、カレントブロック又はカレントブロック内のサブブロック（例えば４ｘ４ブロック）の単位で行われる。例えば、インター予測部２１８は、符号化ビットストリーム（例えば、エントロピー復号部２０２から出力される予測パラメータ）から読み解かれた動き情報（例えば動きベクトル）を用いて動き補償を行うことでカレントブロック又はサブブロックのインター予測信号を生成し、インター予測信号を予測制御部２２０に出力する。
　符号化ビットストリームから読み解かれた情報がＯＢＭＣモードを適用することを示す場合、インター予測部２１８は、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号を生成する。
　また、符号化ビットストリームから読み解かれた情報がＦＲＵＣモードを適用することを示す場合、インター予測部２１８は、符号化ストリームから読み解かれたパターンマッチングの方法（バイラテラルマッチング又はテンプレートマッチング）に従って動き探索を行うことにより動き情報を導出する。そして、インター予測部２１８は、導出された動き情報を用いて動き補償（予測）を行う。
　また、インター予測部２１８は、ＢＩＯモードが適用される場合に、等速直線運動を仮定したモデルに基づいて動きベクトルを導出する。また、符号化ビットストリームから読み解かれた情報がアフィン動き補償予測モードを適用することを示す場合には、インター予測部２１８は、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出する。
　［ＭＶ導出　＞　ノーマルインターモード］
　符号化ビットストリームから読み解かれた情報がノーマルインターモードを適用することを示す場合、インター予測部２１８は、符号化ストリームから読み解かれた情報に基づいて、ＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図４５は、復号装置２００におけるノーマルインターモードによるインター予測の例を示すフローチャートである。
　復号装置２００のインター予測部２１８は、ブロックごとに、そのブロックに対して動き補償を行う。インター予測部２１８は、時間的または空間的にカレントブロックの周囲にある複数の復号済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｓ＿１）。つまり、インター予測部２１８は、候補ＭＶリストを作成する。
　次に、インター予測部２１８は、ステップＳｓ＿１で取得された複数の候補ＭＶの中から、Ｎ個（Ｎは２以上の整数）の候補ＭＶのそれぞれを予測動きベクトル候補（予測ＭＶ候補ともいう）として、所定の優先順位に従って抽出する（ステップＳｓ＿２）。なお、その優先順位は、Ｎ個の予測ＭＶ候補のそれぞれに対して予め定められていてもよい。
　次に、インター予測部２１８は、入力されたストリーム（すなわち符号化ビットストリーム）から予測動きベクトル選択情報を復号し、その復号された予測動きベクトル選択情報を用いて、そのＮ個の予測ＭＶ候補の中から１つの予測ＭＶ候補を、カレントブロックの予測動きベクトル（予測ＭＶともいう）として選択する（ステップＳｓ＿３）。
　次に、インター予測部２１８は、入力されたストリームから差分ＭＶを復号し、その復号された差分ＭＶである差分値と、選択された予測動きベクトルとを加算することによって、カレントブロックのＭＶを導出する（ステップＳｓ＿４）。
　最後に、インター予測部２１８は、その導出されたＭＶと復号済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｓ＿５）。
　［予測制御部］
　予測制御部２２０は、イントラ予測信号及びインター予測信号のいずれかを選択し、選択した信号を予測信号として加算部２０８に出力する。全体的に、復号装置側の予測制御部２２０、イントラ予測部２１６およびインター予測部２１８の構成、機能、および処理は、符号化装置側の予測制御部１２８、イントラ予測部１２４およびインター予測部１２６の構成、機能、および処理と対応していてもよい。
　［復号装置の実装例］
　図４６は、復号装置２００の実装例を示すブロック図である。復号装置２００は、プロセッサｂ１及びメモリｂ２を備える。例えば、図４１に示された復号装置２００の複数の構成要素は、図４６に示されたプロセッサｂ１及びメモリｂ２によって実装される。
　プロセッサｂ１は、情報処理を行う回路であり、メモリｂ２にアクセス可能な回路である。例えば、プロセッサｂ１は、符号化された動画像（すなわち符号化ビットストリーム）を復号する専用又は汎用の電子回路である。プロセッサｂ１は、ＣＰＵのようなプロセッサであってもよい。また、プロセッサｂ１は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサｂ１は、図４１等に示された復号装置２００の複数の構成要素のうち、複数の構成要素の役割を果たしてもよい。
　メモリｂ２は、プロセッサｂ１が符号化ビットストリームを復号するための情報が記憶される専用又は汎用のメモリである。メモリｂ２は、電子回路であってもよく、プロセッサｂ１に接続されていてもよい。また、メモリｂ２は、プロセッサｂ１に含まれていてもよい。また、メモリｂ２は、複数の電子回路の集合体であってもよい。また、メモリｂ２は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリｂ２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリｂ２には、動画像が記憶されてもよいし、符号化ビットストリームが記憶されてもよい。また、メモリｂ２には、プロセッサｂ１が符号化ビットストリームを復号するためのプログラムが記憶されていてもよい。
　また、例えば、メモリｂ２は、図４１等に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリｂ２は、図４１に示されたブロックメモリ２１０及びフレームメモリ２１４の役割を果たしてもよい。より具体的には、メモリｂ２には、再構成済みブロック及び再構成済みピクチャ等が記憶されてもよい。
　なお、復号装置２００において、図４１等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図４１等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。
　［各用語の定義］
　各用語は一例として、以下のような定義であってもよい。
　ピクチャは、モノクロフォーマットにおける複数の輝度サンプルの配列、又は、４：２：０、４：２：２及び４：４：４のカラーフォーマットにおける複数の輝度サンプルの配列及び複数の色差サンプルの２つの対応配列である。ピクチャは、フレーム又はフィールドであってもよい。
　フレームは、複数のサンプル行０、２、４、・・・が生じるトップフィールド、及び、複数のサンプル行１、３、５、・・・が生じるボトムフィールドの組成物である。
　スライスは、１つの独立スライスセグメント、及び、（もしあれば）同じアクセスユニット内の（もしあれば）次の独立スライスセグメントに先行する全ての後続の従属スライスセグメントに含まれる整数個の符号化ツリーユニットである。
　タイルは、ピクチャにおける特定のタイル列及び特定のタイル行内の複数の符号化ツリーブロックの矩形領域である。タイルは、タイルのエッジを跨ぐループフィルタが依然として適用されてもよいが、独立して復号及び符号化され得ることが意図された、フレームの矩形領域であってもよい。
　ブロックは、複数のサンプルのＭｘＮ（Ｎ行Ｍ列）配列、又は、複数の変換係数のＭｘＮ配列である。ブロックは、１つの輝度及び２つの色差の複数の行列からなる複数の画素の正方形又は矩形の領域であってもよい。
　ＣＴＵ（符号化ツリーユニット）は、３つのサンプル配列を有するピクチャの複数の輝度サンプルの符号化ツリーブロックであってもよいし、複数の色差サンプルの２つの対応符号化ツリーブロックであってもよい。あるいは、ＣＴＵは、モノクロピクチャと、３つの分離されたカラー平面及び複数のサンプルの符号化に用いられるシンタックス構造を用いて符号化されるピクチャとのいずれかの複数のサンプルの符号化ツリーブロックであってもよい。
　スーパーブロックは、１つ又は２つのモード情報ブロックを構成し、又は、再帰的に４つの３２×３２ブロックに分割され、さらに分割され得る６４×６４画素の正方形ブロックであってもよい。
　［第１態様］
　図４７は、第１態様に係る復号処理のフローチャートである。まず、復号装置は、ビットストリームのヘッダから１以上のパラメータを導出する（Ｓ１０１）。例えば、復号装置は、１以上のパラメータをビットストリームのヘッダから解析（取得）する。なお、復号装置は、１以上のパラメータがビットストリームに存在しない場合、１以上のパラメータの値としてデフォルト値を用いる。例えば、このデフォルト値は０である。なお、復号装置は、以前に解析されたパラメータを用いてヘッダから１以上のパラメータを導出してもよい。
　次に、復号装置は、第１画像の再構成サンプルをフィルタリングすることで第２画像を生成する（Ｓ１０２）。
　次に、復号装置は、導出されたパラメータが既定値であるか否かを判定する（Ｓ１０３）。例えば、この既定値は整数値である。例えば、この既定値は０である。別の例では、この既定値は２である。なお、パラメータが複数である場合には、複数のパラメータのうちの一つが既定値である場合に、Ｙｅｓと判定され、それ以外はＮｏと判定されてもよいし、複数のパラメータの全てが既定値である場合に、Ｙｅｓと判定され、それ以外はＮｏと判定されてもよい。また、複数のパラメータに対して同じ既定値が設定されていてもよいし、複数のパラメータのそれぞれに対して異なる既定値が設定されていてもよい。
　パラメータが既定値である場合（Ｓ１０３でＹｅｓ）、復号装置は、第２画像を用いて第３画像を復号する（Ｓ１０４）。一方、パラメータが既定値でない場合（Ｓ１０３でＮｏ）、復号装置は、第１画像を用いて第３画像を復号する（Ｓ１０５）。ステップＳ１０４又はＳ１０５の後、復号装置は、第２画像を表示する（Ｓ１０６）。
　上記のフィルタ処理は、例えば、ＡＬＦ処理、ＣＣＡＬＦ（Ｃｒｏｓｓ　Ｃｏｍｐｏｎｅｎｔ　Ａｄａｐｔｉｖｅ　Ｌｏｏｐ　Ｆｉｌｔｅｒ）処理、ＤＢＦ処理、ＳＡＯ処理、ＬＭＣＳ（Ｌｕｍａ　ｍａｐｐｉｎｇ　ｗｉｔｈ　ｃｈｒｏｍａ　ｓｃａｌｉｎｇ）処理、又は、後述する任意のフィルタ処理の組み合わせに置き換えてもよい。また、ＬＭＣＳ、ＤＢＦ、ＳＡＯ、ＡＬＦ、及びＣＣＡＬＦ処理の順序は、任意の順序でよい。
　ここで、ＣＣＡＬＦは、例えば、線形のダイヤモンド形フィルタを各色差コンポーネントの輝度チャネルに適用することによって動作する。例えば、フィルタ係数はＡＰＳ（Ａｄａｐｔａｔｉｏｎ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）で送信され、２＾１０のファクターでスケーリングされ、固定小数点表現のために丸められる。フィルタの適用は、可変ブロックサイズで制御され、サンプルのブロックごとに受信されるコンテキスト符号化済みのフラグで通知される。ブロックサイズとＣＣＡＬＦ有効化フラグは、各色差コンポーネントのスライスレベルで受信される。ＣＣＡＬＦのシンタックスとセマンティクスは、Ａｐｐｅｎｄｉｘにおいて提供される。寄書では、（色差サンプルにおいて）１６ｘ１６、３２ｘ３２、６４ｘ６４、１２８ｘ１２８のブロックサイズがサポートされている。
　また、ＬＭＣＳは、色差信号のスケーリングが行われる輝度信号のマッピング処理である。ＬＭＣＳはマッピング前の信号のダイナミックレンジ又はスケールを変更するために、マッピング前の信号のレンジ（例えば１０ビットならば０－１０２３）を１６個の領域に分割し、マッピング用の変換用曲線を１６個の直線で近似する。ブロック単位の逆変換部では、各画素のマッピングされた信号ＭａｐＳａｍｐｌｅがどの領域に属するか、すなわち逆変換のためにどの直線のパラメータを使用するかを判断する。逆変換に使用する変換直線が決まったら、直線のパラメータを算出し、逆変換（逆マッピング）を実施してマッピング前の画素値を算出し、これを後段の処理に使用する。
　上記のパラメータは、第１画像を用いて第３画像を復号するか第２画像を用いて第３画像を復号するかを示すフラグ又は信号であってもよい。つまり、上記のパラメータは、フィルタ処理前の画像を参照するかフィルタ処理後の画像を参照するかを示すフラグ又は信号であってもよい。
　このように、復号装置は、ピクチャ単位でフィルタ処理の適用後の第２画像と適用前の第１画像とのどちらを後続ピクチャの参照に使用するかを切り替えることができる。これにより、フィルタ処理が、主観画質の改善には効果があるが参照画像としては適切でない場合には、フィルタ処理の適用前の第１画像を参照画像として用いることで、符号化効率を維持したまま、主観画質を改善できる。
　また、復号装置は、パラメータが既定値でない場合（Ｓ１０３でＮｏ）、第１画像を表示してもよい。また、パラメータが既定値でない場合（Ｓ１０３でＮｏ）に第１画像を表示するか、第２画像を表示するかを示す信号が、ＳＥＩ等に符号化されてもよい。この信号は、表示する画像を示すフラグであってもよい。このフラグが０の場合は、第１画像が表示される。一方、このフラグが１の場合は、第２画像が表示される。なお、フラグが１の場合、第１画像が表示され、フラグが０の場合は、第２画像が表示されてもよい。また、この信号がＳＥＩ等に存在しない場合、デフォルトの画像が表示されてもよい。このデフォルトの画像は、第１画像又は第２画像である。
　フィルタ処理に必要なフィルタ係数は、ＡＰＳ、ＰＰＳ、ＳＰＳ、ＳＥＩ、スライスヘッダ、タイルヘッダ、又はブリックヘッダなどのヘッダに符号化されてもよい。なお、ブリックは、例えば、スライスに含まれる１つ以上の処理単位である。例えば、ブリックは、１つ以上のＣＴＵ（Ｃｏｄｉｎｇ　Ｔｒｅｅ　Ｕｎｉｔ）を含む。また、ブリックにスライスが含まれていてもよい。
　符号化装置は、パラメータが既定値でない場合（Ｓ１０３でＮｏ）、フィルタ処理に必要なフィルタ係数をＳＥＩ等に符号化してもよい。また、復号装置は、パラメータが既定値でない場合（Ｓ１０３でＮｏ）、フィルタ処理に必要なフィルタ係数をＳＥＩ等から復号してもよい。
　フィルタ処理には、鮮鋭化フィルタ（ｓｈａｒｐｅｎｉｎｇ　ｆｉｌｔｅｒ）の使用が含まれてもよい。ストリーム全体に対して、導出されるパラメータの値として同じ値が用いられてもよい。この値はレベルのプロファイルに依存してもよい。この場合、上記のパラメータがビットストリーム内に存在しない場合もある。
　図４８～図５５は、復号装置の構成例を示す図である。図４８に示すように復号装置は、エントロピー復号部３０１と、ブロック分割部３０２と、逆量子化部３０３と、逆変換部３０４と、加算部３０５と、イントラ予測部３０６と、インター予測部３０７と、選択部３０８と、ＬＭＣＳ部３０９と、ＤＢＦ部３１０と、ＳＡＯ部３１１と、ＡＬＦ部３１２と、選択部３１３とを備える。
　エントロピー復号部３０１は、符号化データ（ビットストリーム）をエントロピー復号することで、量子化係数等を生成する。ブロック分割部３０２は、画像を分割した複数のブロックを設定する。逆量子化部３０３は、量子化係数を逆量子化することで変換係数を生成する。逆変換部３０４は、変換係数を逆変換することで差分ブロック（予測残差）を生成する。
　加算部３０５は、差分ブロックと予測ブロックとを加算することで復号ブロック（再構成画像）を生成する。イントラ予測部３０６は、イントラ予測によりイントラ予測ブロックを生成する。インター予測部３０７は、インター予測によりインター予測ブロックを生成する。選択部３０８は、イントラ予測ブロック及びインター予測ブロックの一方を予測ブロックとして加算部３０５に出力する。
　ＬＭＣＳ部３０９は、復号ブロックにＬＭＣＳ処理を行う。ＤＢＦ部３１０は、復号ブロックにＤＢＦ処理を行う。ＳＡＯ部３１１は、復号ブロックにＳＡＯ処理を行う。ＡＬＦ部３１２は、復号ブロックにＡＬＦ処理を行う。なお、復号装置は、ＬＭＣＳ部３０９と、ＤＢＦ部３１０と、ＳＡＯ部３１１と、ＡＬＦ部３１２との全てを備えてもよいし、一部を備えてもよい。
　選択部３１３は、ＡＬＦ処理前の復号ブロックと、ＡＬＦ処理後の復号ブロックとの一方を選択し、選択した復号ブロックをインター予測部３０７に出力する。具体的には、選択部３１３は、パラメータが既定値である場合（Ｓ１０３でＹｅｓ）、ＡＬＦ処理後の復号ブロックを選択し、パラメータが既定値でない場合（Ｓ１０３でＮｏ）、ＡＬＦ処理前の復号ブロックを選択する。
　また、図４９に示す例では、選択部３１３Ａは、ＳＡＯ処理前の復号ブロックと、ＳＡＯ処理後の復号ブロックとの一方を選択し、選択した復号ブロックをインター予測部３０７に出力する。具体的には、選択部３１３Ａは、パラメータが既定値である場合（Ｓ１０３でＹｅｓ）、ＳＡＯ処理後の復号ブロックを選択し、パラメータが既定値でない場合（Ｓ１０３でＮｏ）、ＳＡＯ処理前の復号ブロックを選択する。
　図５０に示す例では、選択部３１３Ｂは、ＤＢＦ処理前の復号ブロックと、ＤＢＦ処理後の復号ブロックとの一方を選択し、選択した復号ブロックをインター予測部３０７に出力する。具体的には、選択部３１３Ｂは、パラメータが既定値である場合（Ｓ１０３でＹｅｓ）、ＤＢＦ処理後の復号ブロックを選択し、パラメータが既定値でない場合（Ｓ１０３でＮｏ）、ＤＢＦ処理前の復号ブロックを選択する。
　図５１に示す例では、選択部３１３Ｃは、ＬＭＣＳ処理前の復号ブロックと、ＬＭＣＳ処理後の復号ブロックとの一方を選択し、選択した復号ブロックをインター予測部３０７に出力する。具体的には、選択部３１３Ｃは、パラメータが既定値である場合（Ｓ１０３でＹｅｓ）、ＬＭＣＳ処理後の復号ブロックを選択し、パラメータが既定値でない場合（Ｓ１０３でＮｏ）、ＬＭＣＳ処理前の復号ブロックを選択する。
　図５２に示す例では、選択部３１３Ｄは、ＬＭＣＳ、ＤＢＦ、ＳＡＯ及びＡＬＦ処理前の復号ブロックと、ＬＭＣＳ、ＤＢＦ、ＳＡＯ及びＡＬＦ処理後の復号ブロックとの一方を選択し、選択した復号ブロックをインター予測部３０７に出力する。具体的には、選択部３１３Ｄは、パラメータが既定値である場合（Ｓ１０３でＹｅｓ）、ＬＭＣＳ、ＤＢＦ、ＳＡＯ及びＡＬＦ処理後の復号ブロックを選択し、パラメータが既定値でない場合（Ｓ１０３でＮｏ）、ＬＭＣＳ、ＤＢＦ、ＳＡＯ及びＡＬＦ処理前の復号ブロックを選択する。
　図５３に示す例では、選択部３１３Ｅは、ＤＢＦ、ＳＡＯ及びＡＬＦ処理前の復号ブロックと、ＤＢＦ、ＳＡＯ及びＡＬＦ処理後の復号ブロックとの一方を選択し、選択した復号ブロックをインター予測部３０７に出力する。具体的には、選択部３１３Ｅは、パラメータが既定値である場合（Ｓ１０３でＹｅｓ）、ＤＢＦ、ＳＡＯ及びＡＬＦ処理後の復号ブロックを選択し、パラメータが既定値でない場合（Ｓ１０３でＮｏ）、ＤＢＦ、ＳＡＯ及びＡＬＦ処理前の復号ブロックを選択する。
　図５４に示す例では、選択部３１３Ｆは、ＳＡＯ及びＡＬＦ処理前の復号ブロックと、ＳＡＯ及びＡＬＦ処理後の復号ブロックとの一方を選択し、選択した復号ブロックをインター予測部３０７に出力する。具体的には、選択部３１３Ｆは、パラメータが既定値である場合（Ｓ１０３でＹｅｓ）、ＳＡＯ及びＡＬＦ処理後の復号ブロックを選択し、パラメータが既定値でない場合（Ｓ１０３でＮｏ）、ＳＡＯ及びＡＬＦ処理前の復号ブロックを選択する。
　図５５に示す復号装置は、さらに、ＣＣＡＬＦ部３１４と、加算部３１５とを備える。ＣＣＡＬＦ部３１４は、復号ブロックにＣＣＡＬＦ処理を行う。加算部３１５は、ＡＬＦ処理後の復号ブロックと、ＣＣＡＬＦ処理後の復号ブロックとを加算する。
　図５５に示す例では、選択部３１３Ｇは、ＡＬＦ及びＣＣＡＬＦ処理前の復号ブロックと、ＡＬＦ及びＣＣＡＬＦ処理後の復号ブロックとの一方を選択し、選択した復号ブロックをインター予測部３０７に出力する。具体的には、選択部３１３Ｇは、パラメータが既定値である場合（Ｓ１０３でＹｅｓ）、ＡＬＦ及びＣＣＡＬＦ処理後の復号ブロックを選択し、パラメータが既定値でない場合（Ｓ１０３でＮｏ）、ＡＬＦ及びＣＣＡＬＦ処理前の復号ブロックを選択する。
　［第２態様］
　図５６は、第２態様に係る復号処理のフローチャートである。まず、復号装置は、第１画像の複数のブロックの各々に対する少なくとも１つのパラメータを解析する（Ｓ２０１）。例えば、このパラメータはフラグである。
　次に、復号装置は、少なくとも１つのパラメータに既定値が含まれるか否かを判定する（Ｓ２０２）。例えば、この既定値は整数値である。例えば、この既定値は０である。
　少なくとも１つのパラメータに既定値が含まれる場合（Ｓ２０２でＹｅｓ）、復号装置は、フィルタ処理を用いて第１ブロックの再構成サンプルをフィルタリングすることで第２ブロックを生成する（Ｓ２０３）。なお、フィルタ処理の具体例は、例えば、第１態様と同様である。次に、復号装置は、第２ブロックを表示する（Ｓ２０４）。
　一方、少なくとも１つのパラメータに既定値が含まれない場合（Ｓ２０２でＮｏ）、復号装置は、第１ブロックを表示する（Ｓ２０５）。ステップＳ２０４又はＳ２０５の後、復号装置は、第２ブロックを用いず、第１画像を用いて、第３画像を復号する（Ｓ２０６）。
　このように、復号装置は、ブロック領域毎にフィルタ処理の適用後の画像を表示するか否かを切り替えることができる。これにより、フィルタ処理が、局所的な領域のみにおいて主観画質の改善に効果がある場合に、適切なフィルタ処理が可能となり、主観画質を改善することが可能となる。
　［第３態様］
　図５７は、第３態様に係る復号処理のフローチャートである。まず、復号装置は、第１ヘッダから第１パラメータを解析（取得）する（Ｓ３０１）。例えば、第１ヘッダは、スライスヘッダである。例えば、第１パラメータは、ＡＰＳを識別するためのＡＰＳ　ＩＤである。
　次に、復号装置は、第２ヘッダから複数の第２パラメータを解析（取得）する（Ｓ３０２）。例えば、第２パラメータは、異なるＡＰＳ　ＩＤを持つ複数のＡＰＳセットに含まれるパラメータである。
　次に、復号装置は、第１パラメータに基づいて、解析された複数の第２パラメータから第２パラメータを選択する（Ｓ３０３）。例えば、復号装置は、ＡＰＳ　ＩＤを用いて、ＡＰＳ内のフィルタ係数のセットを選択する。
　次に、復号装置は、第１画像の再構成サンプルを、フィルタ処理及び選択された第２パラメータを用いてフィルタリングすることで、第２画像を生成する（Ｓ３０４）。なお、フィルタ処理の具体例は、例えば、第１態様と同様である。次に、復号装置は、第１画像を用いて第３画像を復号する（Ｓ３０５）。次に、復号装置は、第２画像を表示する（Ｓ３０６）。
　このように、復号装置は、スライス毎にフィルタ処理のフィルタ係数を切り替えて適用することができる。これにより、局所的な領域毎に異なる特徴を持つ画像に対しても、フィルタ処理が適切に切り替えて適用されるため、画像全体において主観画質を改善することが可能となる。
　［第４態様］
　図５８は、第４態様に係る復号処理のフローチャートである。まず、復号装置は、複数の第１パラメータをヘッダから解析する（Ｓ４０１）。例えば、第１パラメータは、フィルタ係数セットである。次に、復号装置は、第１画像の再構成サンプルのブロックから勾配情報（分散パラメータ）を算出する（Ｓ４０２）。例えば、再構成サンプルのブロックのサイズは４×４である。
　次に、復号装置は、算出された勾配情報に基づいて複数の第１パラメータから１つの第１パラメータを選択する（Ｓ４０３）。例えば、復号装置は、勾配情報を用いて、各カテゴリが独自のフィルタ係数のセットを持つ複数のカテゴリのいずれかにブロックを分類する。復号装置は、分類したカテゴリに対応するフィルタ係数（第１パラメータ）を選択する。勾配情報は、水平方向の勾配（グラデーション）、垂直方向の勾配、斜めの勾配、またはこれらの任意の組み合わせを含む。また、勾配情報には分散情報が含まれてもよい。
　次に、復号装置は、第１画像の再構成サンプルを、フィルタ処理及び選択された第１パラメータを用いてフィルタリングすることで第２画像を生成する（Ｓ４０４）。次に、復号装置は、第１画像を用いて第３画像を復号する（Ｓ４０５）。次に、復号装置は、第２画像を表示する（Ｓ４０６）。
　このように、復号装置は、ブロック毎に画像特徴量を抽出し、画像特徴量に応じてフィルタ処理のフィルタ係数を切り替えて適用できる。これにより、局所的な領域毎に異なる特徴を持つ画像に対しても、当該フィルタ処理が適切に切り替えて適用されるため、画像全体において主観画質を改善することが可能となる。
　図５９～図６２は、勾配情報の算出例を示す図である。図５９～図６２は、４×４ブロックサイズにおける、垂直、水平、対角０及び対角１の勾配の計算に用いられるサブサンプリングされた位置を示す。図５９は、垂直勾配（ｇｖ）のサブサンプリング位置を示す図である。図６０は、水平勾配（ｇｈ）のサブサンプリング位置を示す図である。図６１は、対角０勾配（ｇｄ１）のサブサンプリング位置を示す図である。図６２は、対角１勾配（ｇｄ２）のサブサンプリング位置を示す図である。
　また、垂直勾配（ｇｖ）、水平勾配（ｇｈ）、対角０勾配（ｇｄ１）及び対角１勾配（ｇｄ２）は、下記（式１）～（式４）を用いて算出される。
Figure JPOXMLDOC01-appb-M000004
　以上のように、本開示では、ビデオコーディングにおけるポストフィルタとインループフィルタとの間のフィルタ（ＡＬＦ、ＳＡＯ、ＤＢＦ或いはＬＭＣＳ、又はこれらの組み合わせ）を切り替える。この設計はフィルタをカスタマイズする柔軟性の向上と、画像の品質の向上とを実現できる。
　また、上述したヘッダは、ＶＰＳ、ＳＰＳ、ＰＰＳ、ＡＰＳ、ＳＥＩ、又はスライスヘッダであってもよい。フィルタ処理は、ＡＬＦ処理、ＣＣＡＬＦ処理、ＤＢＦ処理、ＳＡＯ処理、ＬＭＣＳ処理、又は、これらの複数のポストフィルタ処理の組み合わせであってもよい。また、上記の判定（Ｓ１０３又はＳ２０２）は、プロファイルレベルに基づいて行われてもよい。
　また、ここでは、復号装置の動作を主に説明したが、同様の処理を符号化装置において行ってもよい。また、上記の処理部と同様の処理部が符号化装置に含まれてもよい。具体的には、図１等に示すように、符号化装置は、復号装置と同様に、逆量子化、逆変換、再構成（予測画像の加算）、ループフィルタ処理、及び予測処理（イントラ予測及びインター予測）を行う。つまり、符号化装置は、復号装置と同様に画像の復号を行う。さらに、符号化装置は、生成された予測画像を入力画像が減算し、変換、量子化及びエントロピー符号化処理を行う。つまり、符号化装置は、復号装置と同様に、フィルタ処理（ループフィルタ）前、又は後の画像を用いた予測を用いた復号処理に加え、当該予測を用いた符号化処理を行う。よって、復号装置における、画像又はブロックの復号は、画像又はブロックの符号化に置き換えられてもよいし、画像又はブロックの符号化及び復号に置き換えられてもよい。また、復号装置においてビットストリーム（例えばヘッダ）から解析（取得）される各種情報は、符号化装置においてビットストリーム（例えばヘッダ）に符号化（格納）される。
　以上のように、符号化装置は、回路と、前記回路に接続されたメモリとを備え、前記回路は、動作において、ビットストリームの第１ヘッダにパラメータを導出するための情報を符号化し、第１画像の再構成サンプルをフィルタ処理を用いてフィルタリングすることで第２画像を生成し、前記パラメータが既定値であるかを判定し、前記パラメータが前記既定値である場合、前記第２画像を用いて第３画像を符号化し、前記パラメータが前記既定値でない場合、前記第１画像を用いて前記第３画像を符号化する。
　例えば、前記ヘッダはＡＰＳ（Ａｄａｐｔａｔｉｏｎ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）である。例えば、前記ヘッダはＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）である。例えば、前記ヘッダはＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）である。例えば、前記ヘッダはスライスヘッダ又はタイルヘッダである。例えば、前記ヘッダはブリックヘッダである。例えば、前記ヘッダはＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）である。
　例えば、前記フィルタ処理はアダプティブループフィルタ処理を含む。例えば、前記フィルタ処理はクロスコンポーネントアダプティブループフィルタ処理を含む。例えば、前記フィルタ処理はデブロッキング・フィルタ処理を含む。例えば、前記フィルタ処理はサンプルアダプティブオフセット処理を含む。例えば、前記フィルタ処理はＬＭＣＳ（Ｌｕｍａ　ｍａｐｐｉｎｇ　ｗｉｔｈ　ｃｈｒｏｍａ　ｓｃａｌｉｎｇ）処理を含む。例えば、前記フィルタ処理は、鮮鋭化フィルタを用いる。
　例えば、前記パラメータは、前記フィルタ処理のフィルタ係数を含む。
　また、復号装置は、回路と、前記回路に接続されたメモリとを備え、前記回路は、動作において、ビットストリームのヘッダに含まれる情報からパラメータを導出し、第１画像の再構成サンプルをフィルタ処理を用いてフィルタリングすることで第２画像を生成し、前記パラメータが既定値であるかを判定し、前記パラメータが前記既定値である場合、前記第２画像を用いて第３画像を復号し、前記パラメータが前記既定値でない場合、前記第１画像を用いて前記第３画像を復号し、前記第２画像を表示する。
　例えば、前記ヘッダはＡＰＳ（Ａｄａｐｔａｔｉｏｎ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）である。例えば、前記ヘッダはＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）である。例えば、前記ヘッダはＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）である。例えば、前記ヘッダはスライスヘッダ又はタイルヘッダである。例えば、前記ヘッダはブリックヘッダである。例えば、前記ヘッダはＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）である。
　例えば、前記フィルタ処理はアダプティブループフィルタ処理を含む。例えば、前記フィルタ処理はクロスコンポーネントアダプティブループフィルタ処理を含む。例えば、前記フィルタ処理はデブロッキング・フィルタ処理を含む。例えば、前記フィルタ処理はサンプルアダプティブオフセット処理を含む。例えば、前記フィルタ処理はＬＭＣＳ（Ｌｕｍａ　ｍａｐｐｉｎｇ　ｗｉｔｈ　ｃｈｒｏｍａ　ｓｃａｌｉｎｇ）処理を含む。例えば、前記フィルタ処理は、鮮鋭化フィルタを用いる。
　例えば、復号装置は、前記導出では、前記第１ヘッダを解析することで前記パラメータを導出する。例えば、復号装置は、前記導出では、以前に解析されたパラメータを用いて前記第１ヘッダから前記パラメータを導出する。例えば、前記パラメータは、前記フィルタ処理のフィルタ係数を含む。
　また、符号化装置は、動作において、ピクチャを受信し、複数のブロックに分割する分割部と、動作において、前記分割部から前記複数のブロックと、予測制御部から複数の予測とを受信し、各予測を対応ブロックから減算して複数の残差を出力する第１加算部と、動作において、前記第１加算部から出力された前記複数の残差に対して変換を行って、複数の変換係数を出力する変換部と、動作において、前記複数の変換係数を量子化して、複数の量子化変換係数を生成する量子化部と、動作において、前記複数の量子化変換係数を符号化して、ビットストリームを生成するエントロピー符号化部と、動作において、前記複数の量子化変換係数を逆量子化して、前記複数の変換係数を取得し、前記複数の変換係数を逆量子化して、前記複数の残差を取得する逆量子化変換部と、動作において、前記逆量子化変換部から出力された前記複数の残差と、前記予測制御部から出力された前記複数の予測とを加算して、前記複数のブロックを再構成する第２加算部と、インター予測部、イントラ予測部及びメモリに接続された前記予測制御部とを備え、ビットストリームの第１ヘッダにパラメータを導出するための情報を符号化し、第１画像の再構成サンプルをフィルタ処理を用いてフィルタリングすることで第２画像を生成し、前記パラメータが既定値であるかを判定し、前記パラメータが前記既定値である場合、前記第２画像を用いて第３画像を符号化し、前記パラメータが前記既定値でない場合、前記第１画像を用いて前記第３画像を符号化する。
　また、復号装置は、動作において、符号化ビットストリームを受信し復号して、複数の量子化変換係数を取得するエントロピー復号部と、動作において、前記複数の量子化変換係数を逆量子化して複数の変換係数を取得し、前記複数の変換係数を逆変換して複数の残差を取得する逆量子化変換部と、動作において、前記逆量子化変換部から出力される前記複数の残差と、予測制御部から出力される複数の予測とを加算して、複数のブロックを再構成する加算部と、インター予測部、イントラ予測部及びメモリに接続された前記予測制御部とを備え、ビットストリームのヘッダに含まれる情報からパラメータを導出し、第１画像の再構成サンプルをフィルタ処理を用いてフィルタリングすることで第２画像を生成し、前記パラメータが既定値であるかを判定し、前記パラメータが前記既定値である場合、前記第２画像を用いて第３画像を復号し、前記パラメータが前記既定値でない場合、前記第１画像を用いて前記第３画像を復号し、前記第２画像を表示する。
　ここで開示された１以上の態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、ここで開示された１以上の態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
　［実施及び応用］
　以上の各実施の形態において、機能的又は作用的なブロックの各々は、通常、ＭＰＵ（ｍｉｃｒｏ　ｐｒｏｃｃｅｓｓｉｎｇ　ｕｎｉｔ）及びメモリ等によって実現可能である。また、機能ブロックの各々による処理は、ＲＯＭ等の記録媒体に記録されたソフトウェア（プログラム）を読み出して実行するプロセッサなどのプログラム実行部として実現されてもよい。当該ソフトウェアは、配布されてもよい。当該ソフトウェアは、半導体メモリなどの様々な記録媒体に記録されてもよい。なお、各機能ブロックをハードウェア（専用回路）によって実現することも可能である。ハードウェア及びソフトウェアの様々な組み合わせが採用され得る。
　各実施の形態において説明した処理は、単一の装置（システム）を用いて集中処理することによって実現してもよく、又は、複数の装置を用いて分散処理することによって実現してもよい。また、上記プログラムを実行するプロセッサは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、又は分散処理を行ってもよい。
　本開示の態様は、以上の実施例に限定されることなく、種々の変更が可能であり、それらも本開示の態様の範囲内に包含される。
　さらにここで、上記各実施の形態で示した動画像符号化方法（画像符号化方法）又は動画像復号化方法（画像復号方法）の応用例、及び、その応用例を実施する種々のシステムを説明する。このようなシステムは、画像符号化方法を用いた画像符号化装置、画像復号方法を用いた画像復号装置、又は、両方を備える画像符号化復号装置を有することを特徴としてもよい。このようなシステムの他の構成について、場合に応じて適切に変更することができる。
　［使用例］
　図６３は、コンテンツ配信サービスを実現する適切なコンテンツ供給システムｅｘ１００の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ、図示された例における固定無線局である基地局ｅｘ１０６、ｅｘ１０７、ｅｘ１０８、ｅｘ１０９、ｅｘ１１０が設置されている。
　このコンテンツ供給システムｅｘ１００では、インターネットｅｘ１０１に、インターネットサービスプロバイダｅｘ１０２又は通信網ｅｘ１０４、及び基地局ｅｘ１０６～ｅｘ１１０を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器が接続される。当該コンテンツ供給システムｅｘ１００は、上記のいずれかの装置を組合せて接続するようにしてもよい。種々の実施において、基地局ｅｘ１０６～ｅｘ１１０を介さずに、各機器が電話網又は近距離無線等を介して直接的又は間接的に相互に接続されていてもよい。さらに、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１等を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器と接続されてもよい。また、ストリーミングサーバｅｘ１０３は、衛星ｅｘ１１６を介して、飛行機ｅｘ１１７内のホットスポット内の端末等と接続されてもよい。
　なお、基地局ｅｘ１０６～ｅｘ１１０の代わりに、無線アクセスポイント又はホットスポット等が用いられてもよい。また、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１又はインターネットサービスプロバイダｅｘ１０２を介さずに直接通信網ｅｘ１０４と接続されてもよいし、衛星ｅｘ１１６を介さず直接飛行機ｅｘ１１７と接続されてもよい。
　カメラｅｘ１１３はデジタルカメラ等の静止画撮影、及び動画撮影が可能な機器である。また、スマートフォンｅｘ１１５は、２Ｇ、３Ｇ、３．９Ｇ、４Ｇ、そして今後は５Ｇと呼ばれる移動通信システムの方式に対応したスマートフォン機、携帯電話機、又はＰＨＳ（Ｐｅｒｓｏｎａｌ　Ｈａｎｄｙ－ｐｈｏｎｅ　Ｓｙｓｔｅｍ）等である。
　家電ｅｘ１１４は、冷蔵庫、又は家庭用燃料電池コージェネレーションシステムに含まれる機器等である。
　コンテンツ供給システムｅｘ１００では、撮影機能を有する端末が基地局ｅｘ１０６等を通じてストリーミングサーバｅｘ１０３に接続されることで、ライブ配信等が可能になる。ライブ配信では、端末（コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、及び飛行機ｅｘ１１７内の端末等）は、ユーザが当該端末を用いて撮影した静止画又は動画コンテンツに対して上記各実施の形態で説明した符号化処理を行ってもよく、符号化により得られた映像データと、映像に対応する音を符号化した音データと多重化してもよく、得られたデータをストリーミングサーバｅｘ１０３に送信してもよい。即ち、各端末は、本開示の一態様に係る画像符号化装置として機能する。
　一方、ストリーミングサーバｅｘ１０３は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントは、上記符号化処理されたデータを復号化することが可能な、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、又は飛行機ｅｘ１１７内の端末等である。配信されたデータを受信した各機器は、受信したデータを復号化処理して再生してもよい。即ち、各機器は、本開示の一態様に係る画像復号装置として機能してもよい。
　［分散処理］
　また、ストリーミングサーバｅｘ１０３は複数のサーバ又は複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。例えば、ストリーミングサーバｅｘ１０３は、ＣＤＮ（Ｃｏｎｔｅｎｔｓ　Ｄｅｌｉｖｅｒｙ　Ｎｅｔｗｏｒｋ）により実現され、世界中に分散された多数のエッジサーバとエッジサーバ間をつなぐネットワークによりコンテンツ配信が実現されていてもよい。ＣＤＮでは、クライアントに応じて物理的に近いエッジサーバが動的に割り当てられ得る。そして、当該エッジサーバにコンテンツがキャッシュ及び配信されることで遅延を減らすことができる。また、いくつかのタイプのエラーが発生した場合又はトラフィックの増加などにより通信状態が変わる場合に複数のエッジサーバで処理を分散したり、他のエッジサーバに配信主体を切り替えたり、障害が生じたネットワークの部分を迂回して配信を続けることができるので、高速かつ安定した配信が実現できる。
　また、配信自体の分散処理にとどまらず、撮影したデータの符号化処理を各端末で行ってもよいし、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、一般に符号化処理では、処理ループが２度行われる。１度目のループでフレーム又はシーン単位での画像の複雑さ、又は、符号量が検出される。また、２度目のループでは画質を維持して符号化効率を向上させる処理が行われる。例えば、端末が１度目の符号化処理を行い、コンテンツを受け取ったサーバ側が２度目の符号化処理を行うことで、各端末での処理負荷を減らしつつもコンテンツの質と効率を向上させることができる。この場合、ほぼリアルタイムで受信して復号する要求があれば、端末が行った一度目の符号化済みデータを他の端末で受信して再生することもできるので、より柔軟なリアルタイム配信も可能になる。
　他の例として、カメラｅｘ１１３等は、画像から特徴量（特徴又は特性の量）を抽出し、特徴量に関するデータをメタデータとして圧縮してサーバに送信する。サーバは、例えば特徴量からオブジェクトの重要性を判断して量子化精度を切り替えるなど、画像の意味（又は内容の重要性）に応じた圧縮を行う。特徴量データはサーバでの再度の圧縮時の動きベクトル予測の精度及び効率向上に特に有効である。また、端末でＶＬＣ（可変長符号化）などの簡易的な符号化を行い、サーバでＣＡＢＡＣ（コンテキスト適応型二値算術符号化方式）など処理負荷の大きな符号化を行ってもよい。
　さらに他の例として、スタジアム、ショッピングモール、又は工場などにおいては、複数の端末によりほぼ同一のシーンが撮影された複数の映像データが存在する場合がある。この場合には、撮影を行った複数の端末と、必要に応じて撮影をしていない他の端末及びサーバを用いて、例えばＧＯＰ（Ｇｒｏｕｐ　ｏｆ　Ｐｉｃｔｕｒｅ）単位、ピクチャ単位、又はピクチャを分割したタイル単位などで符号化処理をそれぞれ割り当てて分散処理を行う。これにより、遅延を減らし、よりリアルタイム性を実現できる。
　複数の映像データはほぼ同一シーンであるため、各端末で撮影された映像データを互いに参照し合えるように、サーバで管理及び／又は指示をしてもよい。また、各端末からの符号化済みデータを、サーバが受信し複数のデータ間で参照関係を変更、又はピクチャ自体を補正或いは差し替えて符号化しなおしてもよい。これにより、一つ一つのデータの質と効率を高めたストリームを生成できる。
　さらに、サーバは、映像データの符号化方式を変更するトランスコードを行ったうえで映像データを配信してもよい。例えば、サーバは、ＭＰＥＧ系の符号化方式をＶＰ系（例えばＶＰ９）に変換してもよいし、Ｈ．２６４をＨ．２６５に変換等してもよい。
　このように、符号化処理は、端末、又は１以上のサーバにより行うことが可能である。よって、以下では、処理を行う主体として「サーバ」又は「端末」等の記載を用いるが、サーバで行われる処理の一部又は全てが端末で行われてもよいし、端末で行われる処理の一部又は全てがサーバで行われてもよい。また、これらに関しては、復号処理についても同様である。
　［３Ｄ、マルチアングル］
　互いにほぼ同期した複数のカメラｅｘ１１３及び／又はスマートフォンｅｘ１１５などの端末により撮影された異なるシーン、又は、同一シーンを異なるアングルから撮影した画像或いは映像を統合して利用することが増えてきている。各端末で撮影した映像は、別途取得した端末間の相対的な位置関係、又は、映像に含まれる特徴点が一致する領域などに基づいて統合され得る。
　サーバは、２次元の動画像を符号化するだけでなく、動画像のシーン解析などに基づいて自動的に、又は、ユーザが指定した時刻において、静止画を符号化し、受信端末に送信してもよい。サーバは、さらに、撮影端末間の相対的な位置関係を取得できる場合には、２次元の動画像だけでなく、同一シーンが異なるアングルから撮影された映像に基づき、当該シーンの３次元形状を生成できる。サーバは、ポイントクラウドなどにより生成した３次元のデータを別途符号化してもよいし、３次元データを用いて人物又はオブジェクトを認識或いは追跡した結果に基づいて、受信端末に送信する映像を、複数の端末で撮影した映像から、選択、又は、再構成して生成してもよい。
　このようにして、ユーザは、各撮影端末に対応する各映像を任意に選択してシーンを楽しむこともできるし、複数画像又は映像を用いて再構成された３次元データから選択視点の映像を切り出したコンテンツを楽しむこともできる。さらに、映像と共に、音も複数の相異なるアングルから収音され、サーバは、特定のアングル又は空間からの音を対応する映像と多重化して、多重化された映像と音とを送信してもよい。
　また、近年ではＶｉｒｔｕａｌ　Ｒｅａｌｉｔｙ（ＶＲ）及びＡｕｇｍｅｎｔｅｄ　Ｒｅａｌｉｔｙ（ＡＲ）など、現実世界と仮想世界とを対応付けたコンテンツも普及してきている。ＶＲの画像の場合、サーバは、右目用及び左目用の視点画像をそれぞれ作成し、Ｍｕｌｔｉ－Ｖｉｅｗ　Ｃｏｄｉｎｇ（ＭＶＣ）などにより各視点映像間で参照を許容する符号化を行ってもよいし、互いに参照せずに別ストリームとして符号化してもよい。別ストリームの復号時には、ユーザの視点に応じて仮想的な３次元空間が再現されるように互いに同期させて再生するとよい。
　ＡＲの画像の場合には、サーバは、現実空間のカメラ情報に、仮想空間上の仮想物体情報を、３次元的位置又はユーザの視点の動きに基づいて重畳してもよい。復号装置は、仮想物体情報及び３次元データを取得又は保持し、ユーザの視点の動きに応じて２次元画像を生成し、スムーズにつなげることで重畳データを作成してもよい。または、復号装置は仮想物体情報の依頼に加えてユーザの視点の動きをサーバに送信してもよい。サーバは、サーバに保持される３次元データから受信した視点の動きに合わせて重畳データを作成し、重畳データを符号化して復号装置に配信してもよい。なお、重畳データは、典型的には、ＲＧＢ以外に透過度を示すα値を有し、サーバは、３次元データから作成されたオブジェクト以外の部分のα値が０などに設定し、当該部分が透過する状態で、符号化してもよい。もしくは、サーバは、クロマキーのように所定の値のＲＧＢ値を背景に設定し、オブジェクト以外の部分は背景色にしたデータを生成してもよい。所定の値のＲＧＢ値は、予め定められていてもよい。
　同様に配信されたデータの復号処理はクライアント（例えば、端末）で行っても、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、ある端末が、一旦サーバに受信リクエストを送り、そのリクエストに応じたコンテンツを他の端末で受信し復号処理を行い、ディスプレイを有する装置に復号済みの信号が送信されてもよい。通信可能な端末自体の性能によらず処理を分散して適切なコンテンツを選択することで画質のよいデータを再生することができる。また、他の例として大きなサイズの画像データをＴＶ等で受信しつつ、鑑賞者の個人端末にピクチャが分割されたタイルなど一部の領域が復号されて表示されてもよい。これにより、全体像を共有化しつつ、自身の担当分野又はより詳細に確認したい領域を手元で確認することができる。
　屋内外の近距離、中距離、又は長距離の無線通信が複数使用可能な状況下で、ＭＰＥＧ－ＤＡＳＨなどの配信システム規格を利用して、シームレスにコンテンツを受信することが可能かもしれない。ユーザは、ユーザの端末、屋内外に配置されたディスプレイなどの復号装置又は表示装置を自由に選択しながらリアルタイムで切り替えてもよい。また、自身の位置情報などを用いて、復号する端末及び表示する端末を切り替えながら復号を行うことができる。これにより、ユーザが目的地へ移動している間に、表示可能なデバイスが埋め込まれた隣の建物の壁面又は地面の一部に情報をマップ及び表示することが可能になる。また、符号化データが受信端末から短時間でアクセスできるサーバにキャッシュされている、又は、コンテンツ・デリバリー・サービスにおけるエッジサーバにコピーされている、などの、ネットワーク上での符号化データへのアクセス容易性に基づいて、受信データのビットレートを切り替えることも可能である。
　［スケーラブル符号化］
　コンテンツの切り替えに関して、図６４に示す、上記各実施の形態で示した動画像符号化方法を応用して圧縮符号化されたスケーラブルなストリームを用いて説明する。サーバは、個別のストリームとして内容は同じで質の異なるストリームを複数有していても構わないが、図示するようにレイヤに分けて符号化を行うことで実現される時間的／空間的スケーラブルなストリームの特徴を活かして、コンテンツを切り替える構成であってもよい。つまり、復号側が性能という内的要因と通信帯域の状態などの外的要因とに応じてどのレイヤを復号するかを決定することで、復号側は、低解像度のコンテンツと高解像度のコンテンツとを自由に切り替えて復号できる。例えばユーザが移動中にスマートフォンｅｘ１１５で視聴していた映像の続きを、例えば帰宅後にインターネットＴＶ等の機器で視聴したい場合には、当該機器は、同じストリームを異なるレイヤまで復号すればよいので、サーバ側の負担を軽減できる。
　さらに、上記のように、レイヤ毎にピクチャが符号化されており、ベースレイヤの上位のエンハンスメントレイヤでスケーラビリティを実現する構成以外に、エンハンスメントレイヤが画像の統計情報などに基づくメタ情報を含んでいてもよい。復号側が、メタ情報に基づきベースレイヤのピクチャを超解像することで高画質化したコンテンツを生成してもよい。超解像は、解像度を維持及び／又は拡大しつつ、ＳＮ比を向上してもよい。メタ情報は、超解像処理に用いるような線形或いは非線形のフィルタ係数を特定するため情報、又は、超解像処理に用いるフィルタ処理、機械学習或いは最小２乗演算におけるパラメータ値を特定する情報などを含む。
　または、画像内のオブジェクトなどの意味合いに応じてピクチャがタイル等に分割される構成が提供されてもよい。復号側が、復号するタイルを選択することで一部の領域だけを復号する。さらに、オブジェクトの属性（人物、車、ボールなど）と映像内の位置（同一画像における座標位置など）とをメタ情報として格納することで、復号側は、メタ情報に基づいて所望のオブジェクトの位置を特定し、そのオブジェクトを含むタイルを決定できる。例えば、図６５に示すように、メタ情報は、ＨＥＶＣにおけるＳＥＩ（ｓｕｐｐｌｅｍｅｎｔａｌ　ｅｎｈａｎｃｅｍｅｎｔ　ｉｎｆｏｒｍａｔｉｏｎ）メッセージなど、画素データとは異なるデータ格納構造を用いて格納されてもよい。このメタ情報は、例えば、メインオブジェクトの位置、サイズ、又は色彩などを示す。
　ストリーム、シーケンス又はランダムアクセス単位など、複数のピクチャから構成される単位でメタ情報が格納されてもよい。復号側は、特定人物が映像内に出現する時刻などを取得でき、ピクチャ単位の情報と時間情報を合わせることで、オブジェクトが存在するピクチャを特定でき、ピクチャ内でのオブジェクトの位置を決定できる。
　［Ｗｅｂページの最適化］
　図６６は、コンピュータｅｘ１１１等におけるｗｅｂページの表示画面例を示す図である。図６７は、スマートフォンｅｘ１１５等におけるｗｅｂページの表示画面例を示す図である。図６６及び図６７に示すようにｗｅｂページが、画像コンテンツへのリンクであるリンク画像を複数含む場合があり、閲覧するデバイスによってその見え方は異なっていてもよい。画面上に複数のリンク画像が見える場合には、ユーザが明示的にリンク画像を選択するまで、又は画面の中央付近にリンク画像が近付く或いはリンク画像の全体が画面内に入るまで、表示装置（復号装置）は、リンク画像として各コンテンツが有する静止画又はＩピクチャを表示してもよいし、複数の静止画又はＩピクチャ等でｇｉｆアニメのような映像を表示してもよいし、ベースレイヤのみを受信し、映像を復号及び表示してもよい。
　ユーザによりリンク画像が選択された場合、表示装置は、例えばベースレイヤを最優先にしつつ復号を行う。なお、ｗｅｂページを構成するＨＴＭＬにスケーラブルなコンテンツであることを示す情報があれば、表示装置は、エンハンスメントレイヤまで復号してもよい。さらに、リアルタイム性を担保するために、選択される前又は通信帯域が非常に厳しい場合には、表示装置は、前方参照のピクチャ（Ｉピクチャ、Ｐピクチャ、前方参照のみのＢピクチャ）のみを復号及び表示することで、先頭ピクチャの復号時刻と表示時刻との間の遅延（コンテンツの復号開始から表示開始までの遅延）を低減できる。またさらに、表示装置は、ピクチャの参照関係を敢えて無視して、全てのＢピクチャ及びＰピクチャを前方参照にして粗く復号し、時間が経ち受信したピクチャが増えるにつれて正常の復号を行ってもよい。
　［自動走行］
　また、車の自動走行又は走行支援のため２次元又は３次元の地図情報などのような静止画又は映像データを送受信する場合、受信端末は、１以上のレイヤに属する画像データに加えて、メタ情報として天候又は工事の情報なども受信し、これらを対応付けて復号してもよい。なお、メタ情報は、レイヤに属してもよいし、単に画像データと多重化されてもよい。
　この場合、受信端末を含む車、ドローン又は飛行機などが移動するため、受信端末は、当該受信端末の位置情報を送信することで、基地局ｅｘ１０６～ｅｘ１１０を切り替えながらシームレスな受信及び復号の実行を実現できる。また、受信端末は、ユーザの選択、ユーザの状況及び／又は通信帯域の状態に応じて、メタ情報をどの程度受信するか、又は地図情報をどの程度更新していくかを動的に切り替えることが可能になる。
　コンテンツ供給システムｅｘ１００では、ユーザが送信した符号化された情報をリアルタイムでクライアントが受信して復号し、再生することができる。
　［個人コンテンツの配信］
　また、コンテンツ供給システムｅｘ１００では、映像配信業者による高画質で長時間のコンテンツのみならず、個人による低画質で短時間のコンテンツのユニキャスト、又はマルチキャスト配信が可能である。このような個人のコンテンツは今後も増加していくと考えられる。個人コンテンツをより優れたコンテンツにするために、サーバは、編集処理を行ってから符号化処理を行ってもよい。これは、例えば、以下のような構成を用いて実現できる。
　撮影時にリアルタイム又は蓄積して撮影後に、サーバは、原画データ又は符号化済みデータから撮影エラー、シーン探索、意味の解析、及びオブジェクト検出などの認識処理を行う。そして、サーバは、認識結果に基づいて手動又は自動で、ピントずれ又は手ブレなどを補正したり、明度が他のピクチャに比べて低い又は焦点が合っていないシーンなどの重要性の低いシーンを削除したり、オブジェクトのエッジを強調したり、色合いを変化させるなどの編集を行う。サーバは、編集結果に基づいて編集後のデータを符号化する。また撮影時刻が長すぎると視聴率が下がることも知られており、サーバは、撮影時間に応じて特定の時間範囲内のコンテンツになるように上記のように重要性が低いシーンのみならず動きが少ないシーンなどを、画像処理結果に基づき自動でクリップしてもよい。または、サーバは、シーンの意味解析の結果に基づいてダイジェストを生成して符号化してもよい。
　個人コンテンツには、そのままでは著作権、著作者人格権、又は肖像権等の侵害となるものが写り込んでいるケースもあり、共有する範囲が意図した範囲を超えてしまうなど個人にとって不都合な場合もある。よって、例えば、サーバは、画面の周辺部の人の顔、又は家の中などを敢えて焦点が合わない画像に変更して符号化してもよい。さらに、サーバは、符号化対象画像内に、予め登録した人物とは異なる人物の顔が映っているかどうかを認識し、映っている場合には、顔の部分にモザイクをかけるなどの処理を行ってもよい。または、符号化の前処理又は後処理として、著作権などの観点からユーザが画像を加工したい人物又は背景領域を指定してもよい。サーバは、指定された領域を別の映像に置き換える、又は焦点をぼかすなどの処理を行ってもよい。人物であれば、動画像において人物をトラッキングして、人物の顔の部分の映像を置き換えることができる。
　データ量の小さい個人コンテンツの視聴はリアルタイム性の要求が強いため、帯域幅にもよるが、復号装置は、まずベースレイヤを最優先で受信して復号及び再生を行ってもよい。復号装置は、この間にエンハンスメントレイヤを受信し、再生がループされる場合など２回以上再生される場合に、エンハンスメントレイヤも含めて高画質の映像を再生してもよい。このようにスケーラブルな符号化が行われているストリームであれば、未選択時又は見始めた段階では粗い動画だが、徐々にストリームがスマートになり画像がよくなるような体験を提供することができる。スケーラブル符号化以外にも、１回目に再生される粗いストリームと、１回目の動画を参照して符号化される２回目のストリームとが１つのストリームとして構成されていても同様の体験を提供できる。
　［その他の実施応用例］
　また、これらの符号化又は復号処理は、一般的に各端末が有するＬＳＩｅｘ５００において処理される。ＬＳＩ（ｌａｒｇｅ　ｓｃａｌｅ　ｉｎｔｅｇｒａｔｉｏｎ　ｃｉｒｃｕｉｔｒｙ）ｅｘ５００（図６３参照）は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化又は復号用のソフトウェアをコンピュータｅｘ１１１等で読み取り可能な何らかの記録メディア（ＣＤ－ＲＯＭ、フレキシブルディスク、又はハードディスクなど）に組み込み、そのソフトウェアを用いて符号化又は復号処理を行ってもよい。さらに、スマートフォンｅｘ１１５がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データはスマートフォンｅｘ１１５が有するＬＳＩｅｘ５００で符号化処理されたデータであってもよい。
　なお、ＬＳＩｅｘ５００は、アプリケーションソフトをダウンロードしてアクティベートする構成であってもよい。この場合、端末は、まず、当該端末がコンテンツの符号化方式に対応しているか、又は、特定サービスの実行能力を有するかを判定する。端末がコンテンツの符号化方式に対応していない場合、又は、特定サービスの実行能力を有さない場合、端末は、コーデック又はアプリケーションソフトをダウンロードし、その後、コンテンツ取得及び再生してもよい。
　また、インターネットｅｘ１０１を介したコンテンツ供給システムｅｘ１００に限らず、デジタル放送用システムにも上記各実施の形態の少なくとも動画像符号化装置（画像符号化装置）又は動画像復号化装置（画像復号装置）のいずれかを組み込むことができる。衛星などを利用して放送用の電波に映像と音が多重化された多重化データを載せて送受信するため、コンテンツ供給システムｅｘ１００のユニキャストがし易い構成に対してマルチキャスト向きであるという違いがあるが符号化処理及び復号処理に関しては同様の応用が可能である。
　［ハードウェア構成］
　図６８は、図６３に示されたスマートフォンｅｘ１１５のさらに詳細を示す図である。また、図６９は、スマートフォンｅｘ１１５の構成例を示す図である。スマートフォンｅｘ１１５は、基地局ｅｘ１１０との間で電波を送受信するためのアンテナｅｘ４５０と、映像及び静止画を撮ることが可能なカメラ部ｅｘ４６５と、カメラ部ｅｘ４６５で撮像した映像、及びアンテナｅｘ４５０で受信した映像等が復号されたデータを表示する表示部ｅｘ４５８とを備える。スマートフォンｅｘ１１５は、さらに、タッチパネル等である操作部ｅｘ４６６と、音声又は音響を出力するためのスピーカ等である音声出力部ｅｘ４５７と、音声を入力するためのマイク等である音声入力部ｅｘ４５６と、撮影した映像或いは静止画、録音した音声、受信した映像或いは静止画、メール等の符号化されたデータ、又は、復号化されたデータを保存可能なメモリ部ｅｘ４６７と、ユーザを特定し、ネットワークをはじめ各種データへのアクセスの認証をするためのＳＩＭｅｘ４６８とのインタフェース部であるスロット部ｅｘ４６４とを備える。なお、メモリ部ｅｘ４６７の代わりに外付けメモリが用いられてもよい。
　表示部ｅｘ４５８及び操作部ｅｘ４６６等を統括的に制御し得る主制御部ｅｘ４６０と、電源回路部ｅｘ４６１、操作入力制御部ｅｘ４６２、映像信号処理部ｅｘ４５５、カメラインタフェース部ｅｘ４６３、ディスプレイ制御部ｅｘ４５９、変調／復調部ｅｘ４５２、多重／分離部ｅｘ４５３、音声信号処理部ｅｘ４５４、スロット部ｅｘ４６４、及びメモリ部ｅｘ４６７とが同期バスｅｘ４７０を介して接続されている。
　電源回路部ｅｘ４６１は、ユーザの操作により電源キーがオン状態にされると、スマートフォンｅｘ１１５を動作可能な状態に起動し、バッテリパックから各部に対して電力を供給する。
　スマートフォンｅｘ１１５は、ＣＰＵ、ＲＯＭ及びＲＡＭ等を有する主制御部ｅｘ４６０の制御に基づいて、通話及データ通信等の処理を行う。通話時は、音声入力部ｅｘ４５６で収音した音声信号を音声信号処理部ｅｘ４５４でデジタル音声信号に変換し、変調／復調部ｅｘ４５２でスペクトラム拡散処理を施し、送信／受信部ｅｘ４５１でデジタルアナログ変換処理及び周波数変換処理を施し、その結果の信号を、アンテナｅｘ４５０を介して送信する。また受信データを増幅して周波数変換処理及びアナログデジタル変換処理を施し、変調／復調部ｅｘ４５２でスペクトラム逆拡散処理し、音声信号処理部ｅｘ４５４でアナログ音声信号に変換した後、これを音声出力部ｅｘ４５７から出力する。データ通信モード時は、本体部の操作部ｅｘ４６６等の操作に基づいてテキスト、静止画、又は映像データが操作入力制御部ｅｘ４６２を介して主制御部ｅｘ４６０の制御下で送出され得る。同様の送受信処理が行われる。データ通信モード時に映像、静止画、又は映像と音声を送信する場合、映像信号処理部ｅｘ４５５は、メモリ部ｅｘ４６７に保存されている映像信号又はカメラ部ｅｘ４６５から入力された映像信号を上記各実施の形態で示した動画像符号化方法によって圧縮符号化し、符号化された映像データを多重／分離部ｅｘ４５３に送出する。音声信号処理部ｅｘ４５４は、映像又は静止画をカメラ部ｅｘ４６５で撮像中に音声入力部ｅｘ４５６で収音した音声信号を符号化し、符号化された音声データを多重／分離部ｅｘ４５３に送出する。多重／分離部ｅｘ４５３は、符号化済み映像データと符号化済み音声データを所定の方式で多重化し、変調／復調部（変調／復調回路部）ｅｘ４５２、及び送信／受信部ｅｘ４５１で変調処理及び変換処理を施してアンテナｅｘ４５０を介して送信する。所定の方式は、予め定められていてもよい。
　電子メール又はチャットに添付された映像、又はウェブページにリンクされた映像を受信した場合等において、アンテナｅｘ４５０を介して受信された多重化データを復号するために、多重／分離部ｅｘ４５３は、多重化データを分離することにより、多重化データを映像データのビットストリームと音声データのビットストリームとに分け、同期バスｅｘ４７０を介して符号化された映像データを映像信号処理部ｅｘ４５５に供給するとともに、符号化された音声データを音声信号処理部ｅｘ４５４に供給する。映像信号処理部ｅｘ４５５は、上記各実施の形態で示した動画像符号化方法に対応した動画像復号化方法によって映像信号を復号し、ディスプレイ制御部ｅｘ４５９を介して表示部ｅｘ４５８から、リンクされた動画像ファイルに含まれる映像又は静止画が表示される。音声信号処理部ｅｘ４５４は、音声信号を復号し、音声出力部ｅｘ４５７から音声が出力される。リアルタイムストリーミングがますます普及しだしているため、ユーザの状況によっては音声の再生が社会的にふさわしくないこともあり得る。そのため、初期値としては、音声信号は再生せず映像データのみを再生する構成の方が望ましく、ユーザが映像データをクリックするなど操作を行った場合にのみ音声を同期して再生してもよい。
　またここではスマートフォンｅｘ１１５を例に説明したが、端末としては符号化器及び復号化器を両方持つ送受信型端末の他に、符号化器のみを有する送信端末、及び、復号化器のみを有する受信端末という他の実装形式が考えられる。デジタル放送用システムにおいて、映像データに音声データが多重化された多重化データを受信又は送信するとして説明した。ただし、多重化データには、音声データ以外に映像に関連する文字データなどが多重化されてもよい。また、多重化データではなく映像データ自体が受信又は送信されてもよい。
　なお、ＣＰＵを含む主制御部ｅｘ４６０が符号化又は復号処理を制御するとして説明したが、種々の端末はＧＰＵを備えることも多い。よって、ＣＰＵとＧＰＵで共通化されたメモリ、又は共通に使用できるようにアドレスが管理されているメモリにより、ＧＰＵの性能を活かして広い領域を一括して処理する構成でもよい。これにより符号化時間を短縮でき、リアルタイム性を確保し、低遅延を実現できる。特に動き探索、デブロックフィルタ、ＳＡＯ（Ｓａｍｐｌｅ　Ａｄａｐｔｉｖｅ　Ｏｆｆｓｅｔ）、及び変換・量子化の処理を、ＣＰＵではなく、ＧＰＵでピクチャなどの単位で一括して行うと効率的である。
　本開示は、例えば、テレビジョン受像機、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、デジタルビデオカメラ、テレビ会議システム、又は、電子ミラー等に利用可能である。
　　１００　符号化装置
　　１０２　分割部
　　１０４　減算部
　　１０６　変換部
　　１０８　量子化部
　　１１０　エントロピー符号化部
　　１１２、２０４　逆量子化部
　　１１４、２０６　逆変換部
　　１１６、２０８　加算部
　　１１８、２１０　ブロックメモリ
　　１２０、２１２　ループフィルタ部
　　１２２、２１４　フレームメモリ
　　１２４、２１６　イントラ予測部
　　１２６、２１８　インター予測部
　　１２８、２２０　予測制御部
　　２００　復号装置
　　２０２　エントロピー復号部
　　３０１　エントロピー復号部
　　３０２　ブロック分割部
　　３０３　逆量子化部
　　３０４　逆変換部
　　３０５　加算部
　　３０６　イントラ予測部
　　３０７　インター予測部
　　３０８　選択部
　　３０９　ＬＭＣＳ部
　　３１０　ＤＢＦ部
　　３１１　ＳＡＯ部
　　３１２　ＡＬＦ部
　　３１３、３１３Ａ、３１３Ｂ、３１３Ｃ、３１３Ｄ、３１３Ｅ、３１３Ｆ、３１３Ｇ　選択部
　　３１４　ＣＣＡＬＦ部
　　３１５　加算部
　　１２０１　境界判定部
　　１２０２、１２０４、１２０６　スイッチ
　　１２０３　フィルタ判定部
　　１２０５　フィルタ処理部
　　１２０７　フィルタ特性決定部
　　１２０８　処理判定部
　　ａ１、ｂ１　プロセッサ
　　ａ２、ｂ２　メモリ

Claims (28)

  1. 　回路と、
    　前記回路に接続されたメモリとを備え、
    　前記回路は、動作において、
    　ビットストリームの第１ヘッダにパラメータを導出するための情報を符号化し、
    　第１画像の再構成サンプルをフィルタ処理を用いてフィルタリングすることで第２画像を生成し、
    　前記パラメータが既定値であるかを判定し、
    　前記パラメータが前記既定値である場合、前記第２画像を用いて第３画像を符号化し、
    　前記パラメータが前記既定値でない場合、前記第１画像を用いて前記第３画像を符号化する
    　符号化装置。
  2. 　前記ヘッダはＡＰＳ（Ａｄａｐｔａｔｉｏｎ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）である
    　請求項１記載の符号化装置。
  3. 　前記ヘッダはＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）である
    　請求項１記載の符号化装置。
  4. 　前記ヘッダはＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）である
    　請求項１記載の符号化装置。
  5. 　前記ヘッダはスライスヘッダ又はタイルヘッダである
    　請求項１記載の符号化装置。
  6. 　前記ヘッダはブリックヘッダである
    　請求項１記載の符号化装置。
  7. 　前記ヘッダはＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）である
    　請求項１記載の符号化装置。
  8. 　前記フィルタ処理はアダプティブループフィルタ処理を含む
    　請求項１記載の符号化装置。
  9. 　前記フィルタ処理はクロスコンポーネントアダプティブループフィルタ処理を含む
    　請求項１記載の符号化装置。
  10. 　前記フィルタ処理はデブロッキング・フィルタ処理を含む
    　請求項１記載の符号化装置。
  11. 　前記フィルタ処理はサンプルアダプティブオフセット処理を含む
    　請求項１記載の符号化装置。
  12. 　前記フィルタ処理はＬＭＣＳ（Ｌｕｍａ　ｍａｐｐｉｎｇ　ｗｉｔｈ　ｃｈｒｏｍａ　ｓｃａｌｉｎｇ）処理を含む
    　請求項１記載の符号化装置。
  13. 　前記フィルタ処理は、鮮鋭化フィルタを用いる
    　請求項１記載の符号化装置。
  14. 　回路と、
    　前記回路に接続されたメモリとを備え、
    　前記回路は、動作において、
    　ビットストリームのヘッダに含まれる情報からパラメータを導出し、
    　第１画像の再構成サンプルをフィルタ処理を用いてフィルタリングすることで第２画像を生成し、
    　前記パラメータが既定値であるかを判定し、
    　前記パラメータが前記既定値である場合、前記第２画像を用いて第３画像を復号し、
    　前記パラメータが前記既定値でない場合、前記第１画像を用いて前記第３画像を復号し、
    　前記第２画像を表示する
    　復号装置。
  15. 　前記ヘッダはＡＰＳ（Ａｄａｐｔａｔｉｏｎ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）である
    　請求項１４記載の復号装置。
  16. 　前記ヘッダはＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）である
    　請求項１４記載の復号装置。
  17. 　前記ヘッダはＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）である
    　請求項１４記載の復号装置。
  18. 　前記ヘッダはスライスヘッダ又はタイルヘッダである
    　請求項１４記載の復号装置。
  19. 　前記ヘッダはブリックヘッダである
    　請求項１４記載の復号装置。
  20. 　前記ヘッダはＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）である
    　請求項１４記載の復号装置。
  21. 　前記フィルタ処理はアダプティブループフィルタ処理を含む
    　請求項１４記載の復号装置。
  22. 　前記フィルタ処理はクロスコンポーネントアダプティブループフィルタ処理を含む
    　請求項１４記載の復号装置。
  23. 　前記フィルタ処理はデブロッキング・フィルタ処理を含む
    　請求項１４記載の復号装置。
  24. 　前記フィルタ処理はサンプルアダプティブオフセット処理を含む
    　請求項１４記載の復号装置。
  25. 　前記フィルタ処理はＬＭＣＳ（Ｌｕｍａ　ｍａｐｐｉｎｇ　ｗｉｔｈ　ｃｈｒｏｍａ　ｓｃａｌｉｎｇ）処理を含む
    　請求項１４記載の復号装置。
  26. 　前記フィルタ処理は、鮮鋭化フィルタを用いる
    　請求項１４記載の復号装置。
  27. 　ビットストリームの第１ヘッダにパラメータを導出するための情報を符号化し、
    　第１画像の再構成サンプルをフィルタ処理を用いてフィルタリングすることで第２画像を生成し、
    　前記パラメータが既定値であるかを判定し、
    　前記パラメータが前記既定値である場合、前記第２画像を用いて第３画像を符号化し、
    　前記パラメータが前記既定値でない場合、前記第１画像を用いて前記第３画像を符号化する
    　符号化方法。
  28. 　ビットストリームのヘッダに含まれる情報からパラメータを導出し、
    　第１画像の再構成サンプルをフィルタ処理を用いてフィルタリングすることで第２画像を生成し、
    　前記パラメータが既定値であるかを判定し、
    　前記パラメータが前記既定値である場合、前記第２画像を用いて第３画像を復号し、
    　前記パラメータが前記既定値でない場合、前記第１画像を用いて前記第３画像を復号し、
    　前記第２画像を表示する
    　復号方法。
PCT/JP2020/030073 2019-08-07 2020-08-05 符号化装置、復号装置、符号化方法、および復号方法 WO2021025080A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202080053915.2A CN114175639A (zh) 2019-08-07 2020-08-05 编码装置、解码装置、编码方法和解码方法
US17/583,768 US11716470B2 (en) 2019-08-07 2022-01-25 Encoder, decoder, encoding method, and decoding method
US18/208,380 US20230344996A1 (en) 2019-08-07 2023-06-12 Encoder, decoder, encoding method, and decoding method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201962883787P 2019-08-07 2019-08-07
US62/883,787 2019-08-07

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/583,768 Continuation US11716470B2 (en) 2019-08-07 2022-01-25 Encoder, decoder, encoding method, and decoding method

Publications (1)

Publication Number Publication Date
WO2021025080A1 true WO2021025080A1 (ja) 2021-02-11

Family

ID=74503866

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/030073 WO2021025080A1 (ja) 2019-08-07 2020-08-05 符号化装置、復号装置、符号化方法、および復号方法

Country Status (3)

Country Link
US (2) US11716470B2 (ja)
CN (1) CN114175639A (ja)
WO (1) WO2021025080A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003179933A (ja) * 2001-09-12 2003-06-27 Matsushita Electric Ind Co Ltd 画像符号化方法および画像復号化方法
JP2007506361A (ja) * 2003-09-17 2007-03-15 トムソン ライセンシング 適応参照画像の発生
WO2009110160A1 (ja) * 2008-03-07 2009-09-11 株式会社 東芝 動画像符号化／復号化方法及び装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6421386B1 (en) * 1999-12-29 2002-07-16 Hyundai Electronics Industries Co., Ltd. Method for coding digital moving video including gray scale shape information
EP1841230A1 (en) * 2006-03-27 2007-10-03 Matsushita Electric Industrial Co., Ltd. Adaptive wiener filter for video coding
CN107094250B (zh) * 2011-06-15 2019-11-05 松下电器（美国）知识产权公司 编码装置以及编码方法
US9686561B2 (en) * 2013-06-17 2017-06-20 Qualcomm Incorporated Inter-component filtering
US10419757B2 (en) * 2016-08-31 2019-09-17 Qualcomm Incorporated Cross-component filter
EP3425911A1 (en) * 2017-07-06 2019-01-09 Thomson Licensing A method and a device for picture encoding and decoding
US20200404324A1 (en) * 2019-06-19 2020-12-24 Qualcomm Incorporated Signaling for intra coding of video data

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003179933A (ja) * 2001-09-12 2003-06-27 Matsushita Electric Ind Co Ltd 画像符号化方法および画像復号化方法
JP2007506361A (ja) * 2003-09-17 2007-03-15 トムソン ライセンシング 適応参照画像の発生
WO2009110160A1 (ja) * 2008-03-07 2009-09-11 株式会社 東芝 動画像符号化／復号化方法及び装置

Also Published As

Publication number Publication date
US20230344996A1 (en) 2023-10-26
CN114175639A (zh) 2022-03-11
US20220150484A1 (en) 2022-05-12
US11716470B2 (en) 2023-08-01

Similar Documents

Publication Publication Date Title
JP6950095B2 (ja) 符号化装置及び復号装置
WO2020184555A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2022503464A (ja) ビデオコーディング用動きベクトル予測
WO2020213677A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2022097675A (ja) 符号化装置、及び、復号装置
JP2021536191A (ja) ビデオコーディング用システムおよび方法
WO2020141591A1 (ja) 符号化装置、復号装置、符号化方法、及び復号方法
JPWO2020085235A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JPWO2019240050A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
JPWO2020116630A1 (ja) 復号装置及び復号方法
JPWO2020130020A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7072088B2 (ja) 符号化装置及び復号装置
JPWO2020116241A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JPWO2020045050A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2022058478A (ja) 符号化装置及び復号装置
WO2020218564A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2020218578A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2020166480A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JPWO2020162535A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JPWO2020050279A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
JP2023001298A (ja) 復号装置及び復号方法
WO2020235586A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7079377B2 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2020179715A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2021025080A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法

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: 20850420

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 23/05/2022)

122 Ep: pct application non-entry in european phase

Ref document number: 20850420

Country of ref document: EP

Kind code of ref document: A1