WO2022098207A1 - 인공지능 부호화 및 인공지능 복호화를 수행하기 위한 방법 및 장치 - Google Patents

인공지능 부호화 및 인공지능 복호화를 수행하기 위한 방법 및 장치 Download PDF

Info

Publication number
WO2022098207A1
WO2022098207A1 PCT/KR2021/016236 KR2021016236W WO2022098207A1 WO 2022098207 A1 WO2022098207 A1 WO 2022098207A1 KR 2021016236 W KR2021016236 W KR 2021016236W WO 2022098207 A1 WO2022098207 A1 WO 2022098207A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
dnn
information
data
setting information
Prior art date
Application number
PCT/KR2021/016236
Other languages
English (en)
French (fr)
Inventor
양희철
나인학
정현권
Original Assignee
삼성전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from KR1020200177841A external-priority patent/KR20220063063A/ko
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to EP21889672.8A priority Critical patent/EP4228268A4/en
Publication of WO2022098207A1 publication Critical patent/WO2022098207A1/ko
Priority to US18/195,182 priority patent/US20230281755A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4046—Scaling of whole images or parts thereof, e.g. expanding or contracting using neural networks
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/164—Feedback from the receiver or from the transmission channel
    • H04N19/166—Feedback from the receiver or from the transmission channel concerning the amount of transmission errors, e.g. bit error rate [BER]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
    • H04N19/86—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving reduction of coding artifacts, e.g. of blockiness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/59—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial sub-sampling or interpolation, e.g. alteration of picture size or resolution

Definitions

  • the present disclosure relates to a method and apparatus for processing an image, and more particularly, the present disclosure relates to a method and apparatus for performing artificial intelligence (AI) encoding and artificial intelligence decoding.
  • AI artificial intelligence
  • An image is encoded by a codec conforming to a predetermined data compression standard, for example, a Moving Picture Expert Group (MPEG) standard, and then stored in a recording medium in the form of a bitstream or transmitted through a communication channel.
  • a codec conforming to a predetermined data compression standard, for example, a Moving Picture Expert Group (MPEG) standard
  • MPEG Moving Picture Expert Group
  • AI encoding and AI decoding method and apparatus of an image predicts the occurrence of blocking artifacts in a variable and limited network environment in a real-time streaming service, further performs deblocking filtering, and downscaling and upscaling based on AI It is a technical task to scale and encode and decode an image.
  • the AI decoding apparatus includes: a memory for storing one or more instructions; and a processor executing the one or more instructions stored in the memory, wherein the processor comprises image data generated as a result of a first encoding of a first image and AI data related to AI downscaling from an original image to the first image , and deblocking filter setting information, first decoding the image data to obtain a second image corresponding to the first image, and DNN for AI upscaling of the second image among a plurality of DNN setting information Setting information is obtained based on the AI data, and AI is upscaled from the second image through a Deep Neural Network (DNN) for upscaling that operates with the obtained DNN setting information and based on the deblocking filter setting information
  • DNN Deep Neural Network
  • the AI decoding method proposed by the present disclosure includes image data generated as a result of a first encoding of a first image, AI data related to AI downscaling from an original image to the first image, and deblocking obtaining filter setting information; obtaining a second image corresponding to the first image by first decoding the image data; obtaining DNN setting information for AI upscaling of the second image from among a plurality of DNN setting information, based on the AI data; and generating a reconstructed image to which AI is upscaled from the second image through a deep neural network (DNN) for upscaling that operates with the obtained DNN setting information and to which deblocking filtering is applied based on the deblocking filter setting information.
  • DNN deep neural network
  • an AI encoding apparatus includes: a memory for storing one or more instructions; a processor executing the one or more instructions stored in the memory, wherein the processor obtains an original image, previously coded frame information, and network environment information, the original image, the previously coded frame information, and acquiring deblocking filter setting information based on the network environment information, applying deblocking filtering to the original image based on the deblocking filter setting information, and AI downscaled first image through DNN for downscaling acquisition, generating image data by first encoding the first image, and transmitting the deblocking filter setting information, AI data including information related to the AI downscaling, and the image data.
  • the AI encoding method proposed by the present disclosure includes: obtaining an original image, previously encoded frame information, and network environment information; obtaining deblocking filter setting information based on the original image, the previously encoded frame information, and the network environment information; applying deblocking filtering to the original image based on the deblocking filter setting information and obtaining an AI downscaled first image through a DNN for downscaling; generating image data by first encoding the first image;
  • the method may include transmitting the deblocking filter setting information, AI data including information related to the AI downscaling, and the image data.
  • deblocking filter setting information is obtained based on the original image, previous frame information, and network environment information
  • deblocking filtering is applied to the original image based on the deblocking filter setting information
  • deblocking-filtered original image AI downscales to transmit the downscaled image and deblocking filter setting information
  • AI upscales the downscaled image transmitted during decoding to obtain an upscaled image
  • a high-resolution image can be effectively encoded and decoded based on AI even when the network situation suddenly changes.
  • FIG. 1 is a diagram for describing an AI encoding process and an AI decoding process according to an embodiment.
  • FIG. 2 is a block diagram illustrating a configuration of an AI decoding apparatus according to an embodiment.
  • FIG. 3 is an exemplary diagram illustrating a second DNN for AI upscaling of a second image.
  • FIG. 4 is a diagram for explaining a convolution operation using a convolution layer.
  • FIG. 5 is an exemplary diagram illustrating a mapping relationship between various pieces of image-related information and various pieces of DNN configuration information.
  • FIG. 6 is a diagram illustrating a second image composed of a plurality of frames.
  • FIG. 7 is a block diagram illustrating a configuration of an AI encoding apparatus according to an embodiment.
  • FIG. 8 is an exemplary diagram illustrating a first DNN for AI downscaling of an original video.
  • FIG. 9 is a diagram illustrating a structure of AI encoded data according to an embodiment.
  • FIG. 10 is a diagram illustrating a structure of AI encoded data according to another embodiment.
  • 11 is a diagram for explaining a method of training a first DNN and a second DNN.
  • FIG. 12 is a diagram for explaining a training process of a first DNN and a second DNN by a training apparatus.
  • FIG. 13 is a diagram for explaining an AI encoding process and an AI decoding process for adding deblocking filtering according to an embodiment.
  • FIG. 14 is a block diagram illustrating a configuration of an AI decoding apparatus according to an embodiment.
  • 15 is a block diagram illustrating a configuration of an AI encoding apparatus according to an embodiment.
  • 16 is a diagram for explaining an AI encoding process and an AI decoding process for adaptively adding deblocking filtering according to another embodiment.
  • 17 is a diagram for explaining an AI encoding process and an AI decoding process for adaptively adding deblocking filtering according to another embodiment.
  • 18 is a diagram for explaining an AI encoding process and an AI decoding process for adaptively adding deblocking filtering according to another embodiment.
  • 19 is an exemplary diagram illustrating a third DNN and a fourth DNN for a deblocking filter based on AI.
  • FIG. 20 is a diagram for explaining a method of training the third DNN 2010 and the fourth DNN 2020. Referring to FIG.
  • 21 is a diagram for explaining a training process of the third DNN 2010 and the fourth DNN 2020 by the training apparatus 2100 .
  • FIG. 22 is a flowchart illustrating an AI encoding method according to an embodiment.
  • FIG. 23 is a flowchart illustrating an AI decoding method according to an embodiment.
  • a component when referred to as “connected” or “connected” with another component, the component may be directly connected or directly connected to the other component, but in particular It should be understood that, unless there is a description to the contrary, it may be connected or connected through another element in the middle.
  • components expressed as ' ⁇ part (unit)', 'module', etc. are two or more components combined into one component, or two or more components for each more subdivided function. may be differentiated into.
  • each of the components to be described below may additionally perform some or all of the functions of other components in addition to the main functions they are responsible for, and some of the main functions of each component may have different functions. It goes without saying that it may be performed exclusively by the component.
  • an 'image' or 'picture' may indicate a still image, a moving picture composed of a plurality of continuous still images (or frames), or a video.
  • 'deep neural network (DNN)' is a representative example of an artificial neural network model simulating a brain nerve, and is not limited to an artificial neural network model using a specific algorithm.
  • a 'parameter' is a value used in a calculation process of each layer constituting a neural network, and may include, for example, a weight used when an input value is applied to a predetermined calculation expression. Also, the parameter may be expressed in a matrix form.
  • a parameter is a value set as a result of training, and may be updated through separate training data if necessary.
  • 'first DNN' means a DNN used for AI downscaling of an image
  • 'second DNN' means a DNN used for AI upscaling of an image
  • 'DNN configuration information' includes the aforementioned parameters as information related to elements constituting the DNN.
  • the first DNN or the second DNN may be configured using the DNN configuration information.
  • the 'original image' refers to an image to be subjected to AI encoding
  • the 'first image' refers to an image obtained as a result of AI downscaling of the original image in the AI encoding process
  • the 'second image' refers to an image obtained through the first decoding in the AI decoding process
  • the 'third image' refers to an image obtained by AI upscaling the second image in the AI decoding process.
  • 'AI downscaling' refers to processing of reducing the resolution of an image based on AI
  • 'first encoding' refers to encoding processing by a frequency transform-based image compression method
  • 'first decoding' means a decoding process by a frequency conversion-based image restoration method
  • 'AI upscaling' means a process of increasing the resolution of an image based on AI.
  • AI 1 is a diagram for describing an artificial intelligence (AI) encoding process and an AI decoding process according to an embodiment.
  • a first image 115 is acquired by AI downscaling 110 of an original image 105 having a high resolution.
  • the first encoding 120 and the first decoding 130 are performed on the first image 115 of a relatively small resolution, the first encoding 120 and Compared to the case of performing the first decoding 130, the bit rate may be greatly reduced.
  • the original image 105 is AI downscaled 110 to obtain a first image 115
  • the first image 115 is first Encoding (120).
  • AI decoding data including AI data and image data obtained as a result of AI encoding is received
  • a second image 135 is obtained through the first decoding 130
  • the second image 135 is A third image 145 is obtained by AI upscaling 140 .
  • the original image 105 is AI downscaled 110 to obtain the first image 115 of a predetermined resolution and/or a predetermined image quality.
  • the AI downscaling 110 is performed based on AI, the AI for the AI downscaling 110 must be trained in connection with the AI for the AI upscaling 140 of the second image 135 (joint trained) do. Because, when the AI for the AI downscaling 110 and the AI for the AI upscaling 140 are separately trained, between the original image 105 that is the AI encoding target and the third image 145 restored through AI decoding because the difference between
  • AI data may be used in order to maintain this linkage in the AI encoding process and the AI decoding process. Therefore, the AI data obtained through the AI encoding process should include information indicating the upscale target, and in the AI decoding process, the second image 135 is AI upscaled ( 140) should be done.
  • AI for AI downscaling 110 and AI for AI upscaling 140 may be implemented as a deep neural network (DNN).
  • DNN deep neural network
  • the AI encoding apparatus uses target information used when the first DNN and the second DNN are jointly trained. is provided to the AI decoding apparatus, and the AI decoding apparatus may upscale the AI to the image quality and/or resolution targeting the second image 135 based on the received target information.
  • the first image 115 AI downscaled 110 from the original image 105 is the first encoding 120 .
  • the first encoding 120 includes a process of predicting the first image 115 to generate prediction data, a process of generating residual data corresponding to a difference between the first image 115 and the prediction data, and a spatial domain component. It may include a process of transforming the residual data into a frequency domain component, a process of quantizing the residual data transformed into a frequency domain component, and a process of entropy encoding the quantized residual data.
  • Such a first encoding process 120 is MPEG-2, H.264 Advanced Video Coding (AVC), MPEG-4, High Efficiency Video Coding (HEVC), VC-1, VP8, VP9 and AV1 (AOMedia Video 1). It may be implemented through one of the image compression methods using frequency transformation, etc.
  • the second image 135 corresponding to the first image 115 may be restored through the first decoding 130 of image data.
  • the first decoding 130 includes a process of generating quantized residual data by entropy-decoding image data, a process of inverse quantizing the quantized residual data, a process of transforming the residual data of a frequency domain component into a spatial domain component, a process of predicting data It may include a process of generating , and a process of reconstructing the second image 135 using prediction data and residual data.
  • the first decoding 130 process as described above is an image compression using frequency conversion such as MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 and AV1 used in the first encoding 120 process. It may be implemented through an image restoration method corresponding to one of the methods.
  • the AI encoded data obtained through the AI encoding process may include image data obtained as a result of the first encoding 120 of the first image 115 and AI data related to the AI downscale 110 of the original image 105.
  • the image data may be used in the first decoding 130 process, and the AI data may be used in the AI upscaling 140 process.
  • the image data may be transmitted in the form of a bitstream.
  • the image data may include data obtained based on pixel values in the first image 115 , for example, residual data that is a difference between the first image 115 and prediction data of the first image 115 .
  • the image data includes information used in the process of the first encoding 120 of the first image 115 .
  • the image data includes prediction mode information used for the first encoding 120 of the first image 115 , motion information, and quantization parameter related information used in the first encoding 120 , etc. can do.
  • Video data is a video compression method used in the first encoding 120 process among video compression methods using frequency conversion such as MPEG-2, H.264 AVC, MPEG-4, HEVC, VC-1, VP8, VP9 and AV1. It may be generated according to a rule, for example, a syntax.
  • AI data is used for AI upscaling 140 based on the second DNN.
  • the AI data includes information enabling accurate AI upscaling 140 of the second image 135 through the second DNN to be performed.
  • the AI upscaling 140 may be performed to a resolution and/or image quality targeting the second image 135 based on the AI data.
  • AI data may be transmitted together with image data in the form of a bitstream.
  • AI data may be transmitted separately from image data in the form of frames or packets.
  • AI data may be transmitted while being included in image data.
  • the image data and AI data may be transmitted through the same network or different networks.
  • FIG. 2 is a block diagram showing the configuration of the AI decoding apparatus 200 according to an embodiment.
  • the AI decoding apparatus 200 includes a receiving unit 210 and an AI decoding unit 230 .
  • the AI decoding unit 230 may include a parsing unit 232 , a first decoding unit 234 , an AI upscaling unit 236 , and an AI setting unit 238 .
  • the receiver 210 and the AI decoder 230 may be implemented through one processor.
  • the receiving unit 210 and the AI decoding unit 230 may be implemented as a dedicated processor, and a general-purpose processor such as an application processor (AP), a central processing unit (CPU), or a graphic processing unit (GPU) and S/W It may be implemented through a combination of Also, in the case of a dedicated processor, a memory for implementing an embodiment of the present disclosure or a memory processing unit for using an external memory may be included.
  • the receiver 210 and the AI decoder 230 may include a plurality of processors. In this case, it may be implemented as a combination of dedicated processors, or may be implemented through a combination of S/W with a plurality of general-purpose processors such as an AP, CPU, or GPU.
  • the receiving unit 210 is implemented as a first processor
  • the first decoding unit 234 is implemented as a second processor different from the first processor
  • the parsing unit 232, the AI upscaling unit 236 and the AI setting unit 238 may be implemented as a third processor different from the first processor and the second processor.
  • the receiving unit 210 receives AI encoded data obtained as a result of AI encoding.
  • the AI-encoded data may be a video file having a file format such as mp4 or mov.
  • the receiver 210 may receive AI-encoded data transmitted through a network.
  • the receiving unit 210 outputs the AI encoded data to the AI decoding unit 230 .
  • AI-encoded data is stored in a hard disk, magnetic media such as floppy disks and magnetic tapes, optical recording media such as CD-ROMs and DVDs, magneto-optical media such as floppy disks. It may be obtained from a data storage medium including an optical medium).
  • the parsing unit 232 parses the AI encoded data and transmits image data generated as a result of the first encoding of the first image 115 to the first decoder 234 , and transmits the AI data to the AI setting unit 238 . transmit
  • the parsing unit 232 may parse the image data and the AI data separately included in the AI encoded data.
  • the parsing unit 232 may read the header in the AI-encoded data to distinguish the AI data and the image data included in the AI-encoded data.
  • AI data may be included in a Vendor Specific InfoFrame (VSIF) in the HDMI stream.
  • VSIF Vendor Specific InfoFrame
  • AI-encoded data including separated AI data and image data will be described later with reference to FIG. 9 .
  • the parsing unit 232 parses the image data from the AI encoded data, extracts the AI data from the image data, transmits the AI data to the AI setting unit 238, and first decodes the remaining image data. may be transmitted to the unit 234 . That is, AI data may be included in image data. For example, AI data may be included in supplemental enhancement information (SEI), which is an additional information area of a bitstream corresponding to image data.
  • SEI Supplemental Enhancement information
  • the parsing unit 232 divides a bitstream corresponding to image data into a bitstream to be processed by the first decoding unit 234 and a bitstream corresponding to AI data, and divides each of the divided bitstreams into a bitstream corresponding to AI data. It may output to the first decoding unit 234 and the AI setting unit 238 .
  • the parsing unit 232 obtains image data included in the AI encoded data through a predetermined codec (eg, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, or AV1). It can also be confirmed that it is the image data that has been processed. In this case, the corresponding information may be transmitted to the first decoder 234 so that the image data can be processed by the identified codec.
  • a predetermined codec eg, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, or AV1
  • the first decoder 234 reconstructs the second image 135 corresponding to the first image 115 based on the image data received from the parser 232 .
  • the second image 135 obtained by the first decoding unit 234 is provided to the AI upscaling unit 236 .
  • first decoding-related information such as prediction mode information, motion information, and quantization parameter information may be provided from the first decoding unit 234 to the AI setting unit 238 .
  • the first decoding-related information may be used to obtain DNN configuration information.
  • the AI data provided to the AI setting unit 238 includes information enabling AI upscaling of the second image 135 .
  • the upscale target of the second image 135 should correspond to the downscale target of the first DNN. Therefore, the AI data should include information that can confirm the downscale target of the first DNN.
  • the information included in the AI data there are information about a difference between the resolution of the original image 105 and the resolution of the first image 115 , and information related to the first image 115 .
  • the difference information may be expressed as information about a resolution conversion degree of the first image 115 compared to the original image 105 (eg, resolution conversion rate information).
  • the difference information can be expressed only with the resolution information of the original image 105 .
  • the resolution information may be expressed as a horizontal/vertical screen size, or may be expressed as a ratio (16:9, 4:3, etc.) and a size of one axis.
  • it may be expressed in the form of an index or a flag.
  • the information related to the first image 115 includes the resolution of the first image 115 , the bit rate of image data obtained as a result of the first encoding of the first image 115 , and the first encoding of the first image 115 . It may include information on at least one of the codec types used at the time of operation.
  • the AI setting unit 238 may determine an upscale target of the second image 135 based on at least one of difference information included in the AI data and information related to the first image 115 .
  • the upscaling target may indicate, for example, to which resolution the second image 135 should be upscaled.
  • the AI upscaling unit 236 AI upscales the second image 135 through the second DNN to obtain a third image 145 corresponding to the upscaling target.
  • FIG. 3 is an exemplary diagram illustrating a second DNN 300 for AI upscaling of the second image 135, and FIG. 4 is a convolution operation in the first convolution layer 310 shown in FIG. is showing
  • the second image 135 is input to the first convolutional layer 310 .
  • 3X3X4 displayed in the first convolution layer 310 shown in FIG. 3 exemplifies convolution processing on one input image using four filter kernels having a size of 3 ⁇ 3.
  • four feature maps are generated by four filter kernels.
  • Each feature map represents unique characteristics of the second image 135 .
  • each feature map may indicate a vertical direction characteristic, a horizontal direction characteristic, or an edge characteristic of the second image 135 .
  • a convolution operation in the first convolution layer 310 will be described in detail with reference to FIG. 4 .
  • one A feature map 450 may be generated. Since four filter kernels are used in the first convolution layer 310 , four feature maps may be generated through a convolution operation process using the four filter kernels.
  • I1 to I49 displayed on the second image 135 indicate pixels of the second image 135
  • F1 to F9 displayed on the filter kernel 430 indicate parameters of the filter kernel 430
  • M1 to M9 displayed in the feature map 450 indicate samples of the feature map 450 .
  • the second image 135 includes 49 pixels, but this is only an example, and when the second image 135 has a resolution of 4K, for example, 3840 X 2160 pixels It may contain pixels.
  • each of the pixel values of I1, I2, I3, I8, I9, I10, I15, I16, and I17 of the second image 135 and F1, F2, F3, F4, and F5 of the filter kernel 430 is performed.
  • F6, F7, F8, and F9 may each be multiplied, and a value obtained by combining (eg, addition operation) result values of the multiplication operation may be assigned as the value of M1 of the feature map 450 .
  • pixel values of I3, I4, I5, I10, I11, I12, I17, I18, and I19 of the second image 135 and F1 and F2 of the filter kernel 430, respectively , F3, F4, F5, F6, F7, F8, and F9 may each be multiplied, and a value obtained by combining result values of the multiplication operation may be assigned as the value of M2 of the feature map 450 .
  • a convolution operation between the pixel values in the second image 135 and the parameters of the filter kernel 430 is performed while the filter kernel 430 moves along the stride until the last pixel of the second image 135 is reached.
  • a feature map 450 having a predetermined size may be obtained.
  • parameters of the second DNN through joint training of the first DNN and the second DNN for example, parameters of the filter kernel used in convolutional layers of the second DNN (eg, filter The values of F1, F2, F3, F4, F5, F6, F7, F8, and F9 of the kernel 430 may be optimized.
  • the AI setting unit 238 determines an upscale target corresponding to the downscale target of the first DNN based on the AI data, and uses parameters corresponding to the determined upscale target in the convolution layers of the second DNN. It can be determined by parameters of the filter kernel.
  • the convolution layers included in the first DNN and the second DNN may be processed according to the convolution operation process described in relation to FIG. 4 , but the convolution operation process described in FIG. 4 is only an example, and is limited thereto it is not
  • the feature maps output from the first convolutional layer 310 are input to the first activation layer 320 .
  • the first activation layer 320 may provide a non-linear characteristic to each feature map.
  • the first activation layer 320 may include, but is not limited to, a sigmoid function, a Tanh function, a Rectified Linear Unit (ReLU) function, and the like.
  • Giving the nonlinear characteristic in the first activation layer 320 means changing and outputting some sample values of the feature map, which is an output of the first convolution layer 310 . At this time, the change is performed by applying a non-linear characteristic.
  • the first activation layer 320 determines whether to transfer sample values of the feature maps output from the first convolution layer 310 to the second convolution layer 330 . For example, some sample values among the sample values of the feature maps are activated by the first activation layer 320 and transmitted to the second convolution layer 330 , and some sample values are activated by the first activation layer 320 . It is deactivated and is not transmitted to the second convolutional layer 330 . The intrinsic characteristic of the second image 135 indicated by the feature maps is emphasized by the first activation layer 320 .
  • the feature maps 325 output from the first activation layer 320 are input to the second convolution layer 330 . Any one of the feature maps 325 shown in FIG. 3 is a result of processing the feature map 450 described with reference to FIG. 4 in the first activation layer 320 .
  • 3X3X4 displayed in the second convolution layer 330 exemplifies convolution processing on the input feature maps 325 using four filter kernels having a size of 3 ⁇ 3.
  • the output of the second convolutional layer 330 is input to the second activation layer 340 .
  • the second activation layer 340 may impart a nonlinear characteristic to the input data.
  • the feature maps 345 output from the second activation layer 340 are input to the third convolution layer 350 .
  • 3X3X1 displayed in the third convolution layer 350 shown in FIG. 3 exemplifies convolution processing to generate one output image using one filter kernel having a size of 3 ⁇ 3.
  • the third convolution layer 350 is a layer for outputting a final image and generates one output using one filter kernel. According to the example of the present disclosure, the third convolution layer 350 may output the third image 145 through a convolution operation.
  • DNN setting information indicating the number of filter kernels and parameters of the filter kernels of the first convolutional layer 310, the second convolutional layer 330, and the third convolutional layer 350 of the second DNN 300 is As will be described later, there may be a plurality of pieces, and a plurality of pieces of DNN configuration information should be associated with a plurality of pieces of DNN configuration information of the first DNN.
  • the association between the plurality of DNN configuration information of the second DNN and the plurality of DNN configuration information of the first DNN may be implemented through association learning of the first DNN and the second DNN.
  • the second DNN 300 includes three convolutional layers 310 , 330 , 350 and two activation layers 320 , 340 , but this is only an example, and the implementation Accordingly, the number of convolutional layers and activation layers may be variously changed.
  • the second DNN 300 may be implemented through a recurrent neural network (RNN). In this case, it means changing the CNN structure of the second DNN 300 according to the example of the present disclosure to the RNN structure.
  • RNN recurrent neural network
  • the AI upscaling unit 236 may include at least one arithmetic logic unit (ALU) for the above-described convolution operation and operation of the activation layer.
  • the ALU may be implemented as a processor.
  • the ALU includes a multiplier that performs a multiplication operation between the sample values of the feature map output from the second image 135 or the previous layer and the sample values of the filter kernel, and an adder that adds the result values of the multiplication.
  • the ALU is a multiplier that multiplies an input sample value by a weight used in a predetermined sigmoid function, a Tanh function, or a ReLU function, and compares the multiplication result with a predetermined value to calculate the input sample value It may include a comparator that determines whether to transfer to the next layer.
  • the AI setting unit 238 may store a plurality of DNN setting information settable in the second DNN.
  • the DNN configuration information may include information on at least one of the number of convolutional layers included in the second DNN, the number of filter kernels for each convolutional layer, and parameters of each filter kernel.
  • the plurality of DNN configuration information may respectively correspond to various upscale targets, and the second DNN may operate based on the DNN configuration information corresponding to a specific upscale target.
  • the second DNN may have a different structure according to the DNN configuration information.
  • the second DNN may include three convolutional layers according to certain DNN configuration information, and the second DNN may include four convolutional layers according to other DNN configuration information.
  • the DNN configuration information may include only parameters of a filter kernel used in the second DNN.
  • the structure of the second DNN is not changed, but only the parameters of the internal filter kernel may be changed according to the DNN configuration information.
  • the AI setting unit 238 may acquire DNN setting information for AI upscaling of the second image 135 among a plurality of DNN setting information.
  • Each of the plurality of DNN configuration information used herein is information for acquiring the third image 145 of a predetermined resolution and/or predetermined image quality, and is trained in association with the first DNN.
  • the DNN setting information of any one of the plurality of DNN setting information is the third image 145 having a resolution twice that of the second image 135, for example, the second image of 2K (2048 * 1080). It may include information for acquiring the third image 145 of 4K (4096*2160) that is twice as large as the second image 135 , and the other DNN setting information is 4 more than the resolution of the second image 135 .
  • Information for obtaining a third image 145 of twice the resolution for example, a third image 145 of 8K (8192 * 4320) that is 4 times larger than the second image 135 of 2K (2048 * 1080) may include
  • Each of the plurality of DNN setting information is created in association with the DNN setting information of the first DNN of the AI encoding device 700, and the AI setting unit 238 is set at an enlargement ratio corresponding to the reduction rate of the DNN setting information of the first DNN. Accordingly, one piece of DNN configuration information among a plurality of DNN configuration information is acquired. To this end, the AI setting unit 238 should check the information of the first DNN. In order for the AI setting unit 238 to check the information of the first DNN, the AI decoding apparatus 200 according to an embodiment receives AI data including the information of the first DNN from the AI encoding apparatus 700 .
  • the AI setting unit 238 uses the information received from the AI encoding device 700 to identify information targeted by the DNN setting information of the first DNN used to obtain the first image 115 , and , it is possible to obtain the DNN setting information of the second DNN trained in association with it.
  • DNN setting information for AI upscaling of the second image 135 is obtained among a plurality of DNN setting information
  • the DNN setting information is transmitted to the AI upscaling unit 236, and a second DNN operating according to the DNN setting information. Based on the input data may be processed.
  • the AI upscaling unit 236 includes the first convolutional layer 310 and the second convolutional layer 330 of the second DNN 300 shown in FIG. 3 . ) and the third convolutional layer 350, the number of filter kernels included in each layer and parameters of the filter kernels are set to values included in the obtained DNN configuration information.
  • the AI upscaling unit 236 determines that the parameters of the 3 X 3 filter kernel used in any one convolutional layer of the second DNN shown in FIG. 4 are ⁇ 1, 1, 1, 1, 1, 1 , 1, 1, 1 ⁇ , and when there is a change in DNN configuration information, the parameters of the filter kernel are changed to ⁇ 2, 2, 2, 2, 2, 2, 2, 2, 2, which are parameters included in the changed DNN configuration information. ⁇ can be replaced with
  • the AI setting unit 238 may acquire DNN setting information for upscaling the second image 135 among a plurality of DNN setting information based on the information included in the AI data, which is used to obtain the DNN setting information.
  • AI data will be explained in detail.
  • the AI setting unit 238 may acquire DNN setting information for upscaling the second image 135 among a plurality of DNN setting information based on the difference information included in the AI data. For example, based on the difference information, the resolution of the original image 105 (eg, 4K (4096 * 2160)) is higher than the resolution of the first image 115 (eg, 2K (2048 * 1080)). When it is confirmed that it is twice as large, the AI setting unit 238 may acquire DNN setting information capable of increasing the resolution of the second image 135 by two times.
  • the AI setting unit 238 is based on the information related to the first image 115 included in the AI data, DNN setting information for AI upscaling the second image 135 among a plurality of DNN setting information. can be obtained.
  • the AI setting unit 238 may determine a mapping relationship between the image related information and the DNN setting information in advance, and obtain DNN setting information mapped to the first image 115 related information.
  • FIG. 5 is an exemplary diagram illustrating a mapping relationship between various pieces of image-related information and various pieces of DNN configuration information.
  • the AI encoding/AI decoding process does not only consider a change in resolution.
  • DNN setting information considering resolutions such as SD, HD, Full HD, bitrates such as 10Mbps, 15Mbps, and 20Mbps, and codec information such as AV1, H.264, and HEVC individually or all selection can be made.
  • codec information such as AV1, H.264, and HEVC individually or all selection can be made.
  • training in consideration of each element in the AI training process should be performed in connection with the encoding and decoding processes (see FIG. 11 ).
  • the first image ( 115) DNN setting information for AI upscaling of the second image 135 may be acquired based on the related information.
  • the AI setting unit 238 matches the image-related information shown on the left side of the table shown in FIG. 5 with the DNN setting information on the right side of the table, so that the DNN setting information according to the image-related information can be used.
  • the AI setting unit 238 may obtain A DNN setting information among a plurality of DNN setting information.
  • the AI setting unit 238 may acquire B DNN setting information among a plurality of DNN setting information.
  • the AI setting unit 238 obtains C DNN setting information among a plurality of DNN setting information, the resolution of the first image 115 is Full HD, and the first
  • the AI setting unit 238 may set a plurality of DNN setting information Among them, DNN configuration information can be obtained.
  • Either one of the C DNN setting information and the D DNN setting information is selected according to whether the bit rate of the image data obtained as a result of the first encoding of the first image 115 is 20 Mbps or 15 Mbps.
  • the fact that the bit rates of image data are different from each other means that the image quality of the reconstructed images is different from each other.
  • the first DNN and the second DNN may be jointly trained based on a predetermined image quality, and accordingly, the AI setting unit 238 sets the DNN according to the bit rate of the image data indicating the image quality of the second image 135 . information can be obtained.
  • the AI setting unit 238 relates to the information (prediction mode information, motion information, quantization parameter information, etc.) provided from the first decoder 234 and the first image 115 included in the AI data.
  • DNN configuration information for AI upscaling of the second image 135 among a plurality of pieces of DNN configuration information may be acquired in consideration of all information.
  • the AI setting unit 238 receives quantization parameter information used in the first encoding process of the first image 115 from the first decoder 234 , and receives the quantization parameter information from the AI data of the first image 115 .
  • the bit rate of the image data obtained as a result of encoding may be checked, and DNN setting information corresponding to the quantization parameter and the bit rate may be obtained.
  • the bit rate is a value representative of the entire first image 115 to be first encoded, and the bit rate of each frame in the first image 115 is The picture quality may be different. Accordingly, when the prediction mode information, motion information, and/or quantization parameters obtainable from the first decoder 234 for each frame are considered together, the DNN setting more suitable for the second image 135 than using only AI data information can be obtained.
  • the AI data may include an identifier of mutually agreed DNN configuration information.
  • the identifier of the DNN setting information is an upscale target corresponding to the downscale target of the first DNN, and the DNN setting information trained in association between the first DNN and the second DNN so that the second image 135 can be AI upscaled.
  • Information for distinguishing pairs of The AI setting unit 238 obtains the identifier of the DNN setting information included in the AI data, and then obtains the DNN setting information corresponding to the identifier of the DNN setting information, and the AI upscaling unit 236 receives the corresponding DNN setting information. It can be used to upscale the second image 135 by AI.
  • an identifier indicating each of a plurality of pieces of DNN configuration information configurable in the first DNN and an identifier indicating each of a plurality of pieces of DNN configuration information configurable in the second DNN may be predefined.
  • the same identifier may be assigned to a pair of DNN configuration information configurable to each of the first DNN and the second DNN.
  • the AI data may include an identifier of DNN setting information set in the first DNN for AI downscaling of the original image 105 .
  • the AI setting unit 238 that has received the AI data acquires DNN setting information indicated by an identifier included in the AI data among a plurality of DNN setting information, and the AI upscaling unit 236 uses the corresponding DNN setting information to obtain the second
  • the image 135 may be upscaled by AI.
  • AI data may include DNN configuration information.
  • the AI setting unit 238 may obtain DNN setting information included in AI data, and the AI upscaling unit 236 may AI upscale the second image 135 using the corresponding DNN setting information.
  • the AI setting unit 238 obtains DNN setting information by combining some selected among the lookup table values based on information included in the AI data, and the AI upscaling unit 236 uses the corresponding DNN setting information to obtain the second image (135) may be AI upscaled.
  • the AI setting unit 238 may obtain DNN setting information corresponding to the determined structure of the DNN, for example, parameters of the filter kernel.
  • the AI setting unit 238 obtains DNN setting information of the second DNN through AI data including information related to the first DNN, and the AI upscaling unit 236 sets the DNN setting information to the corresponding DNN setting information.
  • AI upscales the second image 135 through the second DNN, which can reduce memory usage and computational amount compared to upscaling by directly analyzing the characteristics of the second image 135 .
  • the AI setting unit 238 may independently acquire DNN setting information for each frame of a predetermined number, or a common DNN for all frames. It is also possible to obtain setting information.
  • FIG. 6 is a diagram illustrating a second image 135 composed of a plurality of frames.
  • the second image 135 may include frames corresponding to t0 to tn.
  • the AI setting unit 238 obtains DNN setting information of the second DNN through AI data, and the AI upscaling unit 236 AI frames corresponding to t0 to tn based on the corresponding DNN setting information. can be upscaled. That is, frames corresponding to t0 to tn may be AI upscaled based on common DNN configuration information.
  • the AI setting unit 238 obtains 'A' DNN setting information from AI data for some of the frames corresponding to t0 to tn, for example, frames corresponding to t0 to ta. and 'B' DNN configuration information can be obtained from AI data for frames corresponding to ta+1 to tb. Also, the AI setting unit 238 may acquire 'C' DNN setting information from AI data for frames corresponding to tb+1 to tn. In other words, the AI setting unit 238 independently obtains DNN setting information for each group including a predetermined number of frames among the plurality of frames, and the AI upscaling unit 236 independently selects the frames included in each group. AI upscaling is possible with the obtained DNN setting information.
  • the AI setting unit 238 may independently obtain DNN setting information for each frame constituting the second image 135 .
  • the AI setting unit 238 obtains DNN setting information in relation to the first frame, and DNN setting information in relation to the second frame. and may acquire DNN configuration information in relation to the third frame. That is, DNN configuration information may be independently obtained for each of the first frame, the second frame, and the third frame.
  • DNN setting information is obtained based on information (prediction mode information, motion information, quantization parameter information, etc.) provided from the above-described first decoder 234 and information related to the first image 115 included in AI data According to the method, DNN setting information may be independently obtained for each frame constituting the second image 135 . This is because mode information, quantization parameter information, and the like can be independently determined for each frame constituting the second image 135 .
  • the AI data may include information indicating to which frame the DNN setting information obtained based on the AI data is valid. For example, if the AI data includes information that the DNN setting information is valid until the ta frame, the AI setting unit 238 acquires the DNN setting information based on the AI data, and the AI upscaling unit 236 is AI upscales t0 to ta frames with corresponding DNN configuration information. And, when the information that the DNN setting information is valid until the tn frame is included in the other AI data, the AI setting unit 238 acquires the DNN setting information based on the other AI data, and the AI upscaling unit 236 may AI upscale ta+1 to tn frames with the obtained DNN configuration information.
  • an AI encoding apparatus 700 for AI encoding of the original image 105 will be described with reference to FIG. 7 .
  • FIG. 7 is a block diagram illustrating a configuration of an AI encoding apparatus 700 according to an embodiment.
  • the AI encoding apparatus 700 may include an AI encoding unit 710 and a transmission unit 730 .
  • the AI encoder 710 may include an AI downscaler 712 , a first encoder 714 , a data processor 716 , and an AI setting unit 718 .
  • the AI encoder 710 and the transmitter 730 may be implemented through one processor.
  • it may be implemented as a dedicated processor, or may be implemented through a combination of an AP or a general-purpose processor such as a CPU or GPU and S/W.
  • a memory for implementing an embodiment of the present disclosure or a memory processing unit for using an external memory may be included.
  • the AI encoder 710 and the transmitter 730 may include a plurality of processors. In this case, it may be implemented as a combination of dedicated processors, or may be implemented through a combination of S/W with a plurality of general-purpose processors such as an AP, CPU, or GPU.
  • the first encoding unit 714 is configured as a first processor
  • the AI downscale unit 712 , the data processing unit 716 and the AI setting unit 718 are configured as a second processor different from the first processor.
  • the transmitter 730 may be implemented as a third processor different from the first processor and the second processor.
  • the AI encoder 710 performs AI downscale of the original image 105 and the first image 115 . performs the first encoding of , and transmits the AI encoded data to the transmission unit 730 .
  • the transmitter 730 transmits the AI encoded data to the AI decoding apparatus 200 .
  • the image data includes data obtained as a result of the first encoding of the first image 115 .
  • the image data may include data obtained based on pixel values in the first image 115 , for example, residual data that is a difference between the first image 115 and prediction data of the first image 115 .
  • the image data includes information used in the first encoding process of the first image 115 .
  • the image data may include prediction mode information used for first encoding the first image 115 , motion information, and quantization parameter related information used for first encoding the first image 115 , etc. .
  • the AI data includes information that enables the AI upscaling unit 236 to AI upscale the second image 135 to an upscale target corresponding to the downscale target of the first DNN.
  • the AI data may include difference information between the original image 105 and the first image 115 .
  • the AI data may include information related to the first image 115 .
  • the information related to the first image 115 is used for the resolution of the first image 115 , the bit rate of image data obtained as a result of the first encoding of the first image 115 , and the first encoding of the first image 115 .
  • information on at least one of the specified codec types may be included.
  • the AI data may include an identifier of mutually agreed DNN configuration information so that the second image 135 can be AI upscaled to an upscale target corresponding to the downscale target of the first DNN.
  • the AI data may include DNN configuration information settable in the second DNN.
  • the AI downscaler 712 may acquire the AI downscaled first image 115 from the original image 105 through the first DNN.
  • the AI downscaling unit 712 may AI downscale the original image 105 using the DNN setting information provided from the AI setting unit 718 .
  • the AI setting unit 718 may determine a downscale target of the original image 105 based on a predetermined criterion.
  • the AI setting unit 718 may store a plurality of settable DNN setting information in the first DNN.
  • the AI setting unit 718 obtains DNN setting information corresponding to the downscale target among a plurality of DNN setting information, and provides the obtained DNN setting information to the AI downscale unit 712 .
  • Each of the plurality of pieces of DNN configuration information may be trained to acquire the first image 115 having a predetermined resolution and/or a predetermined image quality.
  • the DNN setting information of any one of the plurality of DNN setting information is the first image 115 having a resolution that is 1/2 times smaller than the resolution of the original image 105, for example, 4K (4096 * 2160) may include information for obtaining the first image 115 of 2K (2048 * 1080) that is 1/2 times smaller than the original image 105 of A first image 115 of a resolution of 1/4 times smaller than that of a first image 115, for example, a first image 115 of 2K (2048*1080) which is 1/4 times smaller than an original image 105 of 8K (8192*4320). ) may include information for obtaining
  • the AI setting unit 718 may provide the DNN setting information obtained by combining some selected among the lookup table values to the AI downscaling unit 712 according to the downscaling target.
  • the AI setting unit 718 may determine the structure of the DNN corresponding to the downscale target, and obtain DNN setting information corresponding to the determined structure of the DNN, for example, parameters of the filter kernel.
  • the plurality of DNN configuration information for AI downscaling of the original image 105 may have an optimized value by performing joint training of the first DNN and the second DNN.
  • each DNN configuration information includes at least one of the number of convolutional layers included in the first DNN, the number of filter kernels for each convolutional layer, and parameters of each filter kernel.
  • the AI downscaling unit 712 sets the first DNN as the DNN setting information determined for the AI downscaling of the original image 105, and converts the first image 115 of a predetermined resolution and/or a predetermined quality to the first DNN. can be obtained through When DNN setting information for AI downscaling of the original image 105 is obtained among a plurality of DNN setting information, each layer in the first DNN may process input data based on information included in the DNN setting information. .
  • the downscale target may indicate, for example, how much the first image 115 with reduced resolution should be obtained from the original image 105 .
  • the AI setting unit 718 acquires one or more pieces of input information.
  • the input information includes a target resolution of the first image 115, a target bitrate of the image data, a bitrate type of the image data (eg, a variable bitrate type, a constant bitrate type, or an average bitrate type, etc.); Color format to which AI downscale is applied (luminance component, chrominance component, red component, green component, or blue component, etc.), codec type for the first encoding of the first image 115, compression history information, and the original image 105 may include at least one of a resolution of , and a type of the original image 105 .
  • the one or more pieces of input information may include information previously stored in the AI encoding apparatus 700 or received from a user.
  • the AI setting unit 718 controls the operation of the AI downscale unit 712 based on the input information.
  • the AI setting unit 718 may determine a downscale target according to the input information, and provide DNN setting information corresponding to the determined downscale target to the AI downscale unit 712 .
  • the AI setting unit 718 transmits at least a portion of the input information to the first encoder 714 so that the first encoder 714 can select a specific value of a bitrate, a specific type of bitrate, and a specific codec. may cause the first image 115 to be first encoded.
  • the AI setting unit 718 sets the compression rate (eg, the difference in resolution between the original image 105 and the first image 115 , the target bit rate), and the compression quality (eg, the bit rate type). ), compression history information, and a downscale target may be determined based on at least one of the type of the original image 105 .
  • the AI setting unit 718 may determine a downscale target based on a preset or a compression rate or compression quality input from a user.
  • the AI setting unit 718 may determine the downscale target by using the compression history information stored in the AI encoding apparatus 700 .
  • the encoding quality or compression rate preferred by the user may be determined, and the downscale target may be determined according to the encoding quality determined based on the compression history information.
  • the resolution and quality of the first image 115 may be determined according to the encoding quality that has been most frequently used according to the compression history information.
  • the AI setting unit 718 may set the encoding quality that has been used more than a predetermined threshold value (eg, average quality of encoding qualities that have been used more than a predetermined threshold value) according to the compression history information. Based on the downscale target may be determined.
  • a predetermined threshold value eg, average quality of encoding qualities that have been used more than a predetermined threshold value
  • the AI setting unit 718 may determine the downscale target based on the resolution and type (eg, file format) of the original image 105 .
  • the AI setting unit 718 independently acquires DNN setting information for each predetermined number of frames, and uses the independently acquired DNN setting information to AI downscaling.
  • a portion 712 may be provided.
  • the AI setting unit 718 may divide the frames constituting the original image 105 into a predetermined number of groups, and independently obtain DNN setting information for each group.
  • the same or different DNN configuration information may be obtained for each group.
  • the number of frames included in the groups may be the same or different for each group.
  • the AI setting unit 718 may independently determine DNN setting information for each frame constituting the original image 105 .
  • the same or different DNN configuration information may be obtained for each frame.
  • FIG. 8 is an exemplary diagram illustrating a first DNN 800 for AI downscaling of an original image 105 .
  • the original image 105 is input to the first convolutional layer 810 .
  • the first convolutional layer 810 performs convolution processing on the original image 105 using 32 filter kernels having a size of 5 ⁇ 5.
  • the 32 feature maps generated as a result of the convolution process are input to the first activation layer 820 .
  • the first activation layer 820 may provide non-linear characteristics to 32 feature maps.
  • the first activation layer 820 determines whether to transfer sample values of the feature maps output from the first convolution layer 810 to the second convolution layer 830 . For example, some sample values among the sample values of the feature maps are activated by the first activation layer 820 and transmitted to the second convolution layer 830 , and some sample values are activated by the first activation layer 820 . It is deactivated and is not transmitted to the second convolution layer 830 . Information indicated by the feature maps output from the first convolutional layer 810 is emphasized by the first activation layer 820 .
  • the output 825 of the first activation layer 820 is input to the second convolution layer 830 .
  • the second convolution layer 830 performs convolution processing on input data using 32 filter kernels having a size of 5 ⁇ 5.
  • the 32 feature maps output as a result of the convolution process are input to the second activation layer 840 , and the second activation layer 840 may provide nonlinear characteristics to the 32 feature maps.
  • An output 845 of the second activation layer 840 is input to the third convolutional layer 850 .
  • the third convolution layer 850 performs convolution processing on input data using one filter kernel having a size of 5 ⁇ 5. As a result of the convolution processing, one image may be output from the third convolutional layer 850 .
  • the third convolutional layer 850 is a layer for outputting a final image and obtains one output by using one filter kernel. According to the example of the present disclosure, the third convolution layer 850 may output the first image 115 through the convolution operation result.
  • DNN setting information indicating the number of filter kernels and parameters of the filter kernels of the first convolutional layer 810, the second convolutional layer 830, and the third convolutional layer 850 of the first DNN 800 is There may be a plurality, and the plurality of DNN configuration information should be associated with the plurality of DNN configuration information of the second DNN.
  • the association between the plurality of DNN configuration information of the first DNN and the plurality of DNN configuration information of the second DNN may be implemented through association learning of the first DNN and the second DNN.
  • the first DNN 800 includes three convolutional layers 810 , 830 , 750 and two activation layers 820 , 840 , but this is only an example, and the implementation Accordingly, the number of convolutional layers and activation layers may be variously changed.
  • the first DNN 800 may be implemented through a recurrent neural network (RNN). In this case, it means changing the CNN structure of the first DNN 800 according to the example of the present disclosure to the RNN structure.
  • RNN recurrent neural network
  • the AI downscaling unit 712 may include at least one ALU for a convolution operation and an activation layer operation.
  • the ALU may be implemented as a processor.
  • the ALU may include a multiplier that performs a multiplication operation between the sample values of the feature map output from the original image 105 or the previous layer and the sample values of the filter kernel, and an adder that adds the result values of the multiplication. there is.
  • the ALU is a multiplier that multiplies an input sample value by a weight used in a predetermined sigmoid function, a Tanh function, or a ReLU function, and compares the multiplication result with a predetermined value to calculate the input sample value It may include a comparator that determines whether to transfer to the next layer.
  • the AI setting unit 718 transmits AI data to the data processing unit 716 .
  • the AI data includes information that enables the AI upscaling unit 236 to AI upscale the second image 135 to an upscale target corresponding to the downscale target of the first DNN.
  • the first encoder 714 receiving the first image 115 from the AI downscaler 712 first encodes the first image 115 according to the frequency transformation-based image compression method to obtain the first image 115 . ) can reduce the amount of information it has.
  • a predetermined codec eg, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, or AV1
  • the image data is obtained according to a rule of a predetermined codec, that is, a syntax.
  • the image data includes residual data that is a difference between the first image 115 and the prediction data of the first image 115 , prediction mode information used to first encode the first image 115 , motion information, and Information related to a quantization parameter used to first encode the first image 115 may be included.
  • the image data obtained as a result of the first encoding by the first encoder 714 is provided to the data processor 716 .
  • the data processing unit 716 generates AI encoded data including the image data received from the first encoding unit 714 and the AI data received from the AI setting unit 718 .
  • the data processing unit 716 may generate AI-encoded data including image data and AI data in a separate state.
  • AI data may be included in a Vendor Specific InfoFrame (VSIF) in the HDMI stream.
  • VSIF Vendor Specific InfoFrame
  • the data processing unit 716 may include AI data in image data obtained as a result of the first encoding by the first encoding unit 714 and generate AI encoded data including the corresponding image data. .
  • the data processing unit 716 may generate image data in the form of one bitstream by combining a bitstream corresponding to image data and a bitstream corresponding to AI data.
  • the data processing unit 716 may express AI data as bits having a value of 0 or 1, that is, a bitstream.
  • the data processing unit 716 may include a bitstream corresponding to AI data in supplemental enhancement information (SEI), which is an additional information area of a bitstream obtained as a result of the first encoding.
  • SEI Supplemental Enhancement Information
  • AI-encoded data is transmitted to the transmitter 730 .
  • the transmission unit 730 transmits the AI-encoded data obtained as a result of the AI-encoding through a network.
  • the AI-encoded data is a hard disk, a magnetic medium such as a floppy disk and a magnetic tape, and a CD-ROM and a DVD. It may be stored in a data storage medium including an optical recording medium, a magneto-optical medium such as a floptical disk, and the like.
  • FIG. 9 is a diagram illustrating a structure of AI-encoded data 900 according to an embodiment.
  • the AI data 912 and the image data 932 may be separately included in the AI encoded data 900 .
  • the AI-encoded data 900 may be in a container format such as MP4, AVI, MKV, or FLV.
  • the AI-encoded data 900 may include a metadata box 910 and a media data box 930 .
  • the metadata box 910 includes information about the image data 932 included in the media data box 930 .
  • the metadata box 910 may include information about the type of the first image 115 , the type of codec used to encode the first image 115 , and the playback time of the first image 115 .
  • AI data 912 may be included in the metadata box 910 .
  • the AI data 912 may be encoded according to an encoding method provided by a predetermined container format and stored in the metadata box 910 .
  • the media data box 930 may include image data 932 generated according to the syntax of a predetermined image compression method.
  • FIG. 10 is a diagram illustrating a structure of AI-encoded data 1000 according to another embodiment.
  • AI data 1034 may be included in image data 1032 .
  • the AI-encoded data 1000 may include a metadata box 1010 and a media data box 1030 .
  • the AI data box 1010 contains the AI data.
  • Data 1034 may not be included.
  • the media data box 1030 includes image data 1032 including AI data 1034 .
  • the AI data 1034 may be included in the additional information area of the image data 1032 .
  • 11 is a diagram for explaining a method of training the first DNN 800 and the second DNN 300 .
  • the AI-encoded original image 105 through the AI encoding process is restored to the third image 145 through the AI decoding process.
  • the third image 145 and the original image 105 obtained as a result of AI decoding
  • correlation is required. That is, information lost in the AI encoding process should be able to be restored in the AI decoding process, and for this purpose, joint training between the first DNN 800 and the second DNN 300 is required.
  • the quality loss information 1130 is used for both training of the first DNN 800 and the second DNN 300 .
  • an original training image 1101 is an image subject to AI downscale
  • a first training image 1102 is an AI downscaled image from the original training image 1101 . It's a video
  • a third training image 1104 is an AI upscaled image from the first training image 1102 .
  • the original training image 1101 includes a still image or a moving image composed of a plurality of frames.
  • the original training image 1101 may include a still image or a luminance image extracted from a moving picture including a plurality of frames.
  • the original training image 1101 may include a still image or a patch image extracted from a moving picture including a plurality of frames.
  • the first training image 1102, the second training image, and the third training image 1104 also include a plurality of frames.
  • the first training image 1102 and the second training image are performed through the first DNN 800 and the second DNN 300 . and a plurality of frames of the third training image 1104 may be sequentially acquired.
  • an original training image 1101 is input to the first DNN 800 .
  • the original training image 1101 input to the first DNN 800 is AI downscaled and output as the first training image 1102
  • the first training image 1102 is input to the second DNN 300 .
  • a third training image 1104 is output as a result of AI upscaling for the first training image 1102 .
  • a first training image 1102 is being input to the second DNN 300 .
  • the first training image 1102 is obtained through a first encoding and a first decoding process.
  • a second training image may be input to the second DNN 300 .
  • any one of MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, and AV1 codecs may be used.
  • MPEG-2, H.264, MPEG-4, HEVC, VC-1 , VP8, VP9, and any one codec of AV1 may be used.
  • the legacy downscaled reduced training image 1103 is obtained from the original training image 1101 separately from the output of the first training image 1102 through the first DNN 800 .
  • the legacy downscale may include at least one of a bilinear scale, a bicubic scale, a lanczos scale, and a stair step scale.
  • a reduced training image 1103 that preserves the structural features of the original training image 1101 is acquired.
  • the first DNN 800 and the second DNN 300 may be set with predetermined DNN configuration information.
  • structural loss information 1110 , complexity loss information 1120 , and quality loss information 1130 may be determined.
  • the structural loss information 1110 may be determined based on a comparison result between the reduced training image 1103 and the first training image 1102 .
  • the structural loss information 1110 may correspond to a difference between the structural information of the reduced training image 1103 and the structural information of the first training image 1102 .
  • the structural information may include various features that can be extracted from the image, such as luminance, contrast, and histogram of the image.
  • the structural loss information 1110 indicates to what extent the structural information of the original training image 1101 is maintained in the first training image 1102 . As the structural loss information 1110 is smaller, the structural information of the first training image 1102 is similar to the structural information of the original training image 1101 .
  • the complexity loss information 1120 may be determined based on the spatial complexity of the first training image 1102 . In an example, as the spatial complexity, a total variance value of the first training image 1102 may be used.
  • the complexity loss information 1120 is related to a bit rate of image data obtained by first encoding the first training image 1102 . The smaller the complexity loss information 1120 is, the smaller the bit rate of image data is defined.
  • the quality loss information 1130 may be determined based on a comparison result between the original training image 1101 and the third training image 1104 .
  • the quality loss information 1130 includes an L1-norm value, an L2-norm value, a Structural Similarity (SSIM) value, and a Peak Signal-To (PSNR-HVS) value for the difference between the original training image 1101 and the third training image 1104 . It may include at least one of a Noise Ratio-Human Vision System) value, a Multiscale SSIM (MS-SSIM) value, a Variance Inflation Factor (VIF) value, and a Video Multimethod Assessment Fusion (VMAF) value.
  • the quality loss information 1130 indicates how similar the third training image 1104 is to the original training image 1101 . As the quality loss information 1130 is smaller, the third training image 1104 is more similar to the original training image 1101 .
  • structural loss information 1110, complexity loss information 1120, and quality loss information 1130 are used for training of the first DNN 800, and the quality loss information 1130 is the second DNN ( 300) is used for training. That is, the quality loss information 1130 is used for both training of the first DNN 800 and the second DNN 300 .
  • the first DNN 800 may update parameters such that the final loss information determined based on the structural loss information 1110 , the complexity loss information 1120 , and the quality loss information 1130 is reduced or minimized. Also, the second DNN 300 may update the parameter so that the quality loss information 1130 is reduced or minimized.
  • Final loss information for training of the first DNN 800 and the second DNN 300 may be determined as in Equation 1 below.
  • LossDS a*structural loss information + b*complexity loss information + c*quality loss information
  • LossUS d*quality loss information
  • LossDS represents final loss information to be reduced or minimized for training of the first DNN 800
  • LossUS represents final loss information to be reduced or minimized for training of the second DNN 300.
  • a, b, c, and d may correspond to predetermined weights.
  • the first DNN 800 updates parameters in a direction in which LossDS of Equation 1 is decreased
  • the second DNN 300 updates parameters in a direction in which LossUS is decreased.
  • the parameters of the first DNN 800 are updated according to the LossDS derived in the training process
  • the first training image 1102 obtained based on the updated parameters is different from the first training image 1102 in the previous training process.
  • the third training image 1104 is also different from the third training image 1104 in the previous training process.
  • the quality loss information 1130 is also newly determined, and accordingly, the second DNN 300 updates the parameters.
  • the first DNN 800 updates parameters according to the newly determined LossDS. That is, the parameter update of the first DNN 800 causes the parameter update of the second DNN 300 , and the parameter update of the second DNN 300 causes the parameter update of the first DNN 800 .
  • the parameters of the first DNN 800 and the parameters of the second DNN 300 are They can be optimized in relation to each other.
  • LossUS is determined according to quality loss information 1130, but this is an example, and LossUS is at least one of structural loss information 1110 and complexity loss information 1120, It may be determined based on the quality loss information 1130 .
  • the AI setting unit 238 of the AI decoding apparatus 200 and the AI setting unit 718 of the AI encoding apparatus 700 store a plurality of DNN setting information
  • the AI setting unit 238 and the AI A method of training each of the plurality of DNN configuration information stored in the setting unit 718 will be described.
  • the degree of similarity between the structural information of the first training image 1102 and the structural information of the original training image 1101 (structural loss information 1110)
  • the bit rate (complexity loss information 1120) of the image data obtained as a result of the first encoding of the first training image 1102 and the difference between the third training image 1104 and the original training image 1101 (quality loss)
  • the parameter is updated in consideration of the information 1130).
  • the first training image may be updated so that the second DNN 300 that AI upscales 1102 may acquire a third training image 1104 similar to the original training image 1101 .
  • the directions in which the parameters of the first DNN 800 are optimized are different.
  • the weight of b is determined to be high
  • the parameter of the first DNN 800 may be updated with more importance on lowering the bit rate than the quality of the third training image 1104 .
  • the weight of c is determined to be high, it is more important to increase the quality of the third training image 1104 than to increase the bit rate or to maintain the structural information of the original training image 1101. 1
  • a parameter of the DNN 800 may be updated.
  • the direction in which parameters of the first DNN 800 are optimized may be different according to a type of a codec used to first encode the first training image 1102 . This is because, depending on the type of codec, the second training image to be input to the second DNN 300 may vary.
  • the parameters of the first DNN 800 and the parameters of the second DNN 300 are linked based on the weight a, the weight b, the weight c, and the type of the codec for the first encoding of the first training image 1102 . so it can be updated. Therefore, when each of the weight a, the weight b, and the weight c is determined as a predetermined value and the type of the codec is determined as a predetermined type, the first DNN 800 and the second DNN 300 are trained, they are linked to each other. Optimized parameters of the first DNN 800 and parameters of the second DNN 300 may be determined.
  • the parameters of the first DNN 800 that are optimized in connection with each other and parameters of the second DNN 300 may be determined.
  • the plurality of DNN setting information that are connected to each other and trained is the first It may be determined from the DNN 800 and the second DNN 300 .
  • the plurality of DNN configuration information of the first DNN 800 and the second DNN 300 may be mapped to the first image related information.
  • a first training image 1102 output from the first DNN 800 is first encoded with a specific codec according to a specific bit rate, and a bitstream obtained as a result of the first encoding is first decoded.
  • the obtained second training image may be input to the second DNN 300 .
  • the first DNN setting mapped to the resolution of the training image 1102, the type of codec used for the first encoding of the first training image 1102, and the bitrate of the bitstream obtained as a result of the first encoding of the first training image 1102 The information pair can be determined.
  • the resolution of the first training image 1102, the type of codec used for the first encoding of the first training image 1102, and the bitrate of the bitstream obtained according to the first encoding of the first training image 1102 are varied.
  • a mapping relationship between a plurality of DNN configuration information of the first DNN 800 and the second DNN 300 and the first image related information may be determined.
  • FIG. 12 is a diagram for explaining a training process of the first DNN 800 and the second DNN 300 by the training apparatus 1200 .
  • the training of the first DNN 800 and the second DNN 300 described with reference to FIG. 11 may be performed by the training apparatus 1200 .
  • the training device 1200 includes a first DNN 800 and a second DNN 300 .
  • the training device 1200 may be, for example, the AI encoding device 700 or a separate server.
  • DNN setting information of the second DNN 300 obtained as a result of training is stored in the AI decoding apparatus 200 .
  • the training apparatus 1200 initially sets DNN configuration information of the first DNN 800 and the second DNN 300 ( S1240 , S1245 ). Accordingly, the first DNN 800 and the second DNN 300 may operate according to predetermined DNN configuration information.
  • DNN setting information includes at least the number of convolution layers included in the first DNN 800 and the second DNN 300, the number of filter kernels for each convolutional layer, the size of filter kernels for each convolutional layer, and parameters of each filter kernel. It can contain information about one.
  • the training apparatus 1200 inputs the original training image 1101 into the first DNN 800 (S1250).
  • the original training image 1101 may include at least one frame constituting a still image or a moving image.
  • the first DNN 800 processes the original training image 1101 according to the initially set DNN setting information, and outputs the AI downscaled first training image 1102 from the original training image 1101 ( S1255 ).
  • 12 illustrates that the first training image 1102 output from the first DNN 800 is directly input to the second DNN 300 , but the first training image 1102 output from the first DNN 800 .
  • the training apparatus 1200 may first encode and first decode the first training image 1102 using a predetermined codec, and then input the second training image to the second DNN 300 .
  • the second DNN 300 processes the first training image 1102 or the second training image according to the initially set DNN setting information, and the AI upscaled third from the first training image 1102 or the second training image.
  • a training image 1104 is output (S1260).
  • the training apparatus 1200 calculates complexity loss information 1120 based on the first training image 1102 (S1265).
  • the training apparatus 1200 calculates structural loss information 1110 by comparing the reduced training image 1103 with the first training image 1102 ( S1270 ).
  • the training apparatus 1200 calculates quality loss information 1130 by comparing the original training image 1101 and the third training image 1104 ( S1275 ).
  • the first DNN 800 updates the initially set DNN configuration information through a back propagation process based on the final loss information (S1280).
  • the training apparatus 1200 may calculate final loss information for training the first DNN 800 based on the complexity loss information 1120 , the structural loss information 1110 , and the quality loss information 1130 .
  • the second DNN 300 updates the initially set DNN configuration information through a reverse transcription process based on the quality loss information or the final loss information (S1285).
  • the training apparatus 1200 may calculate final loss information for training the second DNN 300 based on the quality loss information 1130 .
  • the training apparatus 1200, the first DNN 800, and the second DNN 300 update the DNN configuration information while repeating processes S1250 to S1285 until the final loss information is minimized.
  • the first DNN 800 and the second DNN operate according to the DNN configuration information updated in the previous process.
  • Table 1 shows the effects of AI encoding and AI decoding of the original image 105 and encoding and decoding of the original image 105 using HEVC according to an embodiment of the present disclosure.
  • the subjective picture quality when AI encoding and AI decoding of contents consisting of 300 frames of 8K resolution according to an embodiment of the present disclosure is higher than the subjective picture quality when encoding and decoding using HEVC. , it can be seen that the bit rate is reduced by more than 50%.
  • the video is streamed in real time using the AI upscale model and the AI downscale model determined according to the resolution and bitrate at the time of video transmission.
  • a method of transmitting an image by adding a deblocking filter in order to solve a blocking phenomenon caused by a decrease in bandwidth due to a change in the environment of a streaming channel will be described later.
  • FIG. 13 is a diagram for explaining an AI encoding process and an AI decoding process for adding deblocking filtering according to an embodiment.
  • the original image 105 is AI downscaled 110 based on the AI downscale model and the AI upscale model suitable according to the streaming channel environment to the first image ( 115), transmits the first image 115 by first encoding 120, receives AI encoded data including AI data and image data obtained as a result of AI encoding, and performs first decoding 130
  • a second image 135 is acquired through the AI upscaling 140 of the second image 135 and a third image 145 is acquired.
  • a blocking phenomenon may occur depending on the resolution and screen characteristics of the image.
  • a blocking phenomenon that is, a blocking artifact, occurs, the viewer thinks that the image quality is bad.
  • the image quality can be improved by adding a deblocking filter to AI downscaling and AI upscaling.
  • the network environment information of the current streaming channel, the original image 1305, and information on the previously coded frame are acquired to predict whether a blocking phenomenon will occur in the input original image. and transmits filter setting information such as a region map for a region in which a block is generated when AI encoding and AI decoding are performed.
  • filter setting information such as a region map for a region in which a block is generated when AI encoding and AI decoding are performed.
  • a deblocking-filtered original image 1315 is obtained by applying the deblocking filter 1310 to the original image 1305 based on the filter setting information for the deblocking filter, and the deblocking-filtered image 1315 is AI downscaled (1320) to obtain a first image 1325, and the first image 1325 is first encoded (1330) and transmitted.
  • AI decoding process AI data obtained as a result of AI encoding and AI-encoded data including image data is received, a second image 1345 is obtained through a first decoding 1340, and an AI-upscaled image by AI upscaling 1350 of the second image 1345 1355 is obtained, and a reconstructed image 1365 is obtained by applying the deblocking filter 1360 according to the filter setting information transmitted in the deblocking prediction 1370 to the AI upscaled image 1355 .
  • Network environment information is a real-time protocol (eg, a real-time transport protocol (RTP), a real-time transport Control Protocol, RTCP)) is information indicating changes in the network environment.
  • a real-time protocol eg, a real-time transport protocol (RTP), a real-time transport Control Protocol, RTCP
  • RTP real-time transport protocol
  • RTCP real-time transport Control Protocol
  • a blocking phenomenon may occur. For example, if the resolution is 4K and the bitrate is 20Mbps, if the resolution is 4K and the bitrate is 15Mbps, if the resolution is FHD and the bitrate is 10Mbps, if the resolution is FHD and the bitrate is 7.5Mbps, if the resolution is is HD and the bit rate is 5Mbps, suitable AI downscaling and AI upscaling models are selected for each case, and changes in the network environment (a sharp increase in users, In case the communication environment deteriorates), deblocking filtering is performed according to the change in the network environment, the characteristics of the original image, and whether blocking artifacts of the previous frame are detected in AI encoding and AI decoding through the deblocking prediction process.
  • the image quality can be improved by predicting and recognizing the occurrence of blocking artifacts in a limited network bandwidth and removing the blocking artifacts.
  • a deblocking filter that removes blocking artifacts on a block-by-block basis as an in-loop filter. Deblocking filtering may be performed through the filter to improve image quality.
  • the deblocking prediction 1370 acquires whether there is a region where blocking is likely to occur from the original image 1305, acquires whether a blocking phenomenon of the previous frame of the current frame is detected from the previous frame information, and from the network environment information Information on changes in bandwidth, bitrate, etc. is acquired, and filter setting information including a blocking region map for a region in which blocks may be generated is transmitted when AI decoding and AI encoding are performed. Deblocking filtering is additionally performed when each of the AI decoding and AI encoding processes are performed based on the transmitted filter setting information.
  • the deblocking filter 1310 in the AI encoding process is a pre-filter, and when the total complexity is more complex than the allocated bits, the image quality of the complex region and the non-complex region is redistributed. For example, if you are in a simple area such as a tree standing still in the image, or in a complex and fast-moving area such as a water stream coming out of a fountain, simply blur the complex area to reduce the complexity to reduce the bitrate and reduce the complexity.
  • the bit rate according to is distributed to a simple area during encoding. Since the blocking phenomenon occurs when the image quality is not properly distributed, the probability of occurrence of the blocking phenomenon can be reduced by redistributing the image quality.
  • Complex and fast-moving areas are blurred to make blocking artifacts less noticeable, and the bitrate reduced through blurring of complex and fast-moving areas is allocated to simple areas with a higher bitrate than before. Prevents the occurrence of a blocking phenomenon in the area.
  • the deblocking filter 1360 in the AI decoding process is a post-filter, and applies deblocking filtering according to the blocking area map included in the filter setting information, so that the boundary is clear for the blurred part. It creates a sharpen effect that makes it look sharp, and restores it by removing blocking artifacts.
  • filter setting information including a blocking area map for the blocking artifact occurrence probability of the current frame and the occurrence probability for each region may be generated.
  • a blocking area map indicating the occurrence probability of the blocking artifact may be generated.
  • a blocking area map may be generated according to a weighted average.
  • the A score map can be generated by calculating the complexity for each block or pixel from the original image, finding a high-complexity area, and giving a high-score to the high-complexity area, and the complexity is calculated based on the total variance.
  • the B-score map may be generated by checking the motion from the N-1 th frame and an optical flow, and giving a high score to an area where there is a lot of motion change.
  • the current image may also have many blocking artifacts. Accordingly, the C score map may be generated by giving a high score to a region having many blocking artifacts in the previous region, and the D score map may be generated by giving a high score to a region having a large difference in pixel boundary values at the block boundary.
  • blocking artifacts may be generated according to the complexity of the current frame, the target bit rate, and the quantization parameter (QP).
  • the E score map may be generated based on a delta quantization parameter (DQP) map indicating a difference between an average QP of pixels of a block of a current frame and a QP of each pixel.
  • DQP delta quantization parameter
  • the F score map is generated based on the coding complexity, that is, the coding score, the coding score is determined as the sum of the intra coding score and the inter coding score, and the intra coding score is the original image and the intra coded score with the current image as input.
  • the G-score map may be generated based on a value obtained by dividing the coding score of the F-score map by the target bitrate (channel information, bandwidth). Accordingly, the G score map may be generated based on a rate control in which the encoder estimates the bit rate of the encoded bitstream based on available bandwidth on the network. Even if the coding score is large, if the target bitrate is relatively large, the score may not be large in the G-score map.
  • the weighted average of the A to G score maps may be the blocking area map.
  • the A to G score map is an example and is not limited thereto.
  • deblocking filtering may be performed according to filter setting information including such a blocking region map.
  • the deblocking filter may be a legacy deblocking filter.
  • the deblocking filter may be a trained DNN.
  • filter setting information transmitted for the deblocking filter may include a blocking region map and DNN setting information.
  • FIGS. 20 and 21 when the deblocking filter is a DNN, the third DNN for deblocking filtering for the pre-processing filter performed before AI downscaling and the fourth DNN for deblocking filtering for the post-processing filter performed after the AI upscaling A method and training process for training will be described later.
  • the AI downscale model by performing deblocking filtering according to the network environment, original image, and previous frame information without changing the initially selected AI downscale model and AI scale model And the quality of the image can be adjusted while maintaining the AI scale model.
  • information on a DQP map or rate control is additionally first encoded ( 1330) and may be used to perform the first encoding.
  • FIG. 14 is a block diagram illustrating a configuration of an AI decoding apparatus 1400 according to an embodiment.
  • the AI decoding apparatus 1400 includes a receiving unit 1410 , an AI decoding unit 1420 , and a deblocking prediction unit 1430 .
  • the AI decoding unit 230 may include a parsing unit 1421 , a first decoding unit 1422 , an AI upscaling unit 1423 , a deblocking filter unit 1424 , and an AI setting unit 1425 .
  • the receiver 1410 , the AI decoder 1420 , and the deblocking predictor 1430 are shown as separate devices in FIG. 14 , the receiver 1410 , the AI decoder 1420 , and the deblocking predictor 1430 .
  • the receiving unit 1410 , the AI decoding unit 1420 , and the deblocking prediction unit 1430 may be implemented as a dedicated processor, and may include an application processor (AP), a central processing unit (CPU), or a graphic processing unit (GPU).
  • AP application processor
  • CPU central processing unit
  • GPU graphic processing unit
  • S/W graphic processing unit
  • a memory for implementing an embodiment of the present disclosure or a memory processing unit for using an external memory may be included.
  • the receiver 1410 , the AI decoder 1420 , and the deblocking predictor 1430 may include a plurality of processors. In this case, it may be implemented as a combination of dedicated processors, or may be implemented through a combination of S/W with a plurality of general-purpose processors such as an AP, CPU, or GPU.
  • the receiving unit 1410 is implemented as a first processor
  • the first decoding unit 1422 is implemented as a second processor different from the first processor
  • the parsing unit 1421 and the AI upscaling unit 1423 are implemented.
  • the deblocking filter unit 1424 and the AI setting unit 1425 are implemented as a first processor and a third processor different from the second processor, and the deblocking prediction unit 1430 includes the first processor, the second processor, and the second processor. It may be implemented with a third processor different from the three processors.
  • the receiving unit 1410 receives the AI encoded data obtained as a result of the AI encoding and filter setting information transmitted from the deblocking prediction unit of the AI encoding apparatus.
  • the AI-encoded data may be a video file having a file format such as mp4 or mov.
  • the receiver 1410 may receive AI-encoded data and filter setting information transmitted through a network.
  • the receiving unit 1410 outputs the AI encoded data and filter setting information to the AI decoding unit 1420 .
  • the receiver 1410 may receive AI-encoded data including filter setting information.
  • AI-encoded data is stored in a hard disk, magnetic media such as floppy disks and magnetic tapes, optical recording media such as CD-ROMs and DVDs, magneto-optical media such as floppy disks. It may be obtained from a data storage medium including an optical medium).
  • the parsing unit 1421 parses the AI encoded data, and transmits image data generated as a result of the first encoding of the first image 1325 to the first decoder 1422 , and transmits the AI data to the AI setting unit 1425 . and transfers the filter setting information to the deblocking prediction unit 1430 .
  • the deblocking prediction unit 1430 transmits filter setting information to the deblocking filter unit 1424 .
  • the filter setting information may include a blocking area map indicating an area in which block artifacts are generated.
  • the filter setting information may include a blocking region map indicating a region in which block artifacts are generated and DNN setting information of a DNN for deblocking filtering.
  • the parsing unit 1421 may parse the image data and the AI data separately included in the AI encoded data.
  • the parsing unit 1421 may read the header in the AI-encoded data to distinguish between AI data and image data included in the AI-encoded data.
  • AI data may be included in a Vendor Specific InfoFrame (VSIF) in the HDMI stream.
  • VSIF Vendor Specific InfoFrame
  • the parsing unit 1421 parses the image data from the AI encoded data, extracts the AI data from the image data, transmits the AI data to the AI setting unit 1425, and first decodes the remaining image data. may be passed to unit 1422 . That is, AI data may be included in image data. For example, AI data may be included in supplemental enhancement information (SEI), which is an additional information area of a bitstream corresponding to image data.
  • SEI Supplemental Enhancement information
  • the parsing unit 1421 parses image data, AI data, and filter setting information separately included in the AI encoded data, and image data generated as a result of the first encoding of the first image 1325 . may be output to the first decoder 1422 , AI data may be output to the AI setting unit 1425 , and filter setting information may be outputted to the deblocking prediction unit 1430 .
  • the parsing unit 1421 divides a bitstream corresponding to image data into a bitstream to be processed by the first decoding unit 1422 and a bitstream corresponding to AI data, and divides each of the divided bitstreams into a bitstream corresponding to AI data. It may output to the first decoding unit 1422 and the AI setting unit 1425 .
  • the parsing unit 1421 obtains image data included in the AI encoded data through a predetermined codec (eg, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, or AV1). It can also be confirmed that it is the image data that has been processed. In this case, the corresponding information may be transmitted to the first decoder 1422 so that the image data can be processed by the identified codec.
  • a predetermined codec eg, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, or AV1
  • the first decoder 1422 reconstructs the second image 1345 corresponding to the first image 1325 based on the image data received from the parser 1421 .
  • the second image 1345 obtained by the first decoder 1422 is provided to the AI upscaler 1423 .
  • first decoding-related information such as prediction mode information, motion information, and quantization parameter information may be provided from the first decoding unit 1422 to the AI setting unit 1425 .
  • the first decoding-related information may be used to obtain DNN configuration information.
  • the AI data provided to the AI setting unit 1425 includes information enabling AI upscaling of the second image 1345 .
  • the upscale target of the second image 1345 must correspond to the downscale target of the first DNN. Therefore, the AI data should include information that can confirm the downscale target of the first DNN.
  • the information included in the AI data includes information on a difference between the resolution of the original image 1305 and the resolution of the first image 1325 and information related to the first image 132 .
  • the difference information may be expressed as information about a resolution conversion degree of the first image 1325 compared to the original image 1305 (eg, resolution conversion rate information).
  • the difference information can be expressed only with the resolution information of the original image 1305 .
  • the resolution information may be expressed as a horizontal/vertical screen size, or may be expressed as a ratio (16:9, 4:3, etc.) and a size of one axis.
  • it may be expressed in the form of an index or a flag.
  • the information related to the first image 1325 is used for the resolution of the first image 1325 , the bit rate of image data obtained as a result of the first encoding of the first image 1325 , and the first encoding of the first image 1325 .
  • information on at least one of the specified codec types may be included.
  • the AI setting unit 1425 may determine an upscaling target of the second image 1345 based on at least one of difference information included in the AI data and information related to the first image 1325 .
  • the upscaling target may indicate, for example, to what resolution the second image 1345 should be upscaled.
  • the AI upscale unit 1423 AI upscales the second image 1345 through the second DNN to obtain an upscaled image 1355 corresponding to the upscale target.
  • the deblocking filter unit 1424 obtains the third image 1465 by applying deblocking filtering to the upscaled second image 1355 based on the filter setting information obtained from the deblocking prediction unit 1430 .
  • the AI upscaling process through the second DNN is omitted as described above in FIGS. 3 and 4 .
  • the AI setting unit 1425 determines an upscaling target based on AI data and the AI upscaling unit 1423 AI upscales the second image 1345 according to the upscaling target will be described. .
  • the AI setting unit 1425 may store a plurality of DNN setting information settable in the second DNN.
  • the DNN configuration information may include information on at least one of the number of convolutional layers included in the second DNN, the number of filter kernels for each convolutional layer, and parameters of each filter kernel.
  • the plurality of DNN configuration information may respectively correspond to various upscale targets, and the second DNN may operate based on the DNN configuration information corresponding to a specific upscale target.
  • the second DNN may have a different structure according to the DNN configuration information.
  • the second DNN may include three convolutional layers according to certain DNN configuration information, and the second DNN may include four convolutional layers according to other DNN configuration information.
  • the DNN configuration information may include only parameters of a filter kernel used in the second DNN.
  • the structure of the second DNN is not changed, but only the parameters of the internal filter kernel may be changed according to the DNN configuration information.
  • the AI setting unit 1425 may acquire DNN setting information for AI upscaling of the second image 1345 among a plurality of DNN setting information.
  • Each of the plurality of DNN configuration information used here is information for acquiring the AI upscaled second image 1355 of a predetermined resolution and/or predetermined image quality, and is trained in association with the first DNN.
  • the DNN setting information of any one of the plurality of DNN setting information is the third image 1365 having a resolution twice that of the second image 1345, for example, the second image of 2K (2048 * 1080). It may include information for acquiring the third image 1365 of 4K (4096 * 2160) that is twice as large as the 2 images 1345 , and the other DNN setting information is 4 more than the resolution of the second image 1345 .
  • Information for obtaining a third image 1365 with a resolution that is twice as large, for example, a third image 1365 of 8K (8192 * 4320) that is four times larger than the second image 1345 of 2K (2048 * 1080) may include
  • Each of the plurality of DNN setting information is created in association with the DNN setting information of the first DNN of the AI encoding device 1500, and the AI setting unit 1425 is set at an enlargement ratio corresponding to the reduction rate of the DNN setting information of the first DNN. Accordingly, one piece of DNN configuration information among a plurality of DNN configuration information is acquired. To this end, the AI setting unit 1425 must check the information of the first DNN. In order for the AI setting unit 1425 to check the information of the first DNN, the AI decoding apparatus 1400 according to an embodiment receives AI data including the information of the first DNN from the AI encoding apparatus 1500 .
  • the AI setting unit 1425 uses the information received from the AI encoding apparatus 1500 to identify information targeted by the DNN setting information of the first DNN used to obtain the first image 1325 and , it is possible to obtain the DNN setting information of the second DNN trained in association with it.
  • DNN setting information for AI upscaling of the second image 1345 is obtained among a plurality of DNN setting information
  • the DNN setting information is transmitted to the AI upscaling unit 1423, and a second DNN operating according to the DNN setting information. Based on the input data may be processed.
  • the AI upscaling unit 1423 includes the first convolutional layer 310 and the second convolutional layer 330 of the second DNN 300 shown in FIG. 3 . ) and the third convolutional layer 350, the number of filter kernels included in each layer and parameters of the filter kernels are set to values included in the obtained DNN configuration information.
  • the AI upscaling unit 1423 determines that the parameters of the 3 X 3 filter kernel used in any one convolution layer of the second DNN shown in FIG. 4 are ⁇ 1, 1, 1, 1, 1, 1 , 1, 1, 1 ⁇ , and when there is a change in DNN configuration information, the parameters of the filter kernel are changed to ⁇ 2, 2, 2, 2, 2, 2, 2, 2, 2, which are parameters included in the changed DNN configuration information. ⁇ can be replaced with
  • the AI setting unit 1425 may acquire DNN setting information for upscaling the second image 1345 among a plurality of DNN setting information based on information included in the AI data, which is used to obtain the DNN setting information.
  • AI data will be explained in detail.
  • the AI setting unit 1425 may obtain DNN setting information for upscaling the second image 1345 from among a plurality of DNN setting information, based on the difference information included in the AI data. For example, based on the difference information, the resolution of the original image 1305 (eg, 4K (4096 * 2160)) is higher than the resolution of the first image 1325 (eg, 2K (2048 * 1080)). When it is confirmed that the size is 2 times larger, the AI setting unit 238 may obtain DNN setting information capable of increasing the resolution of the second image 1345 by 2 times.
  • the AI setting unit 1425 is DNN setting information for AI upscaling the second image 1345 among a plurality of DNN setting information based on the information related to the first image 1325 included in the AI data. can be obtained.
  • the AI setting unit 1425 may determine a mapping relationship between the image related information and the DNN setting information in advance, and obtain DNN setting information mapped to the first image 1325 related information.
  • 15 is a block diagram illustrating a configuration of an AI encoding apparatus 1500 according to an embodiment.
  • the AI encoding apparatus 1500 may include an AI encoding unit 1510 , a transmission unit 1520 , and a deblocking prediction unit 1530 .
  • the AI encoder 1510 may include a deblocking filter unit 1511 , an AI downscale unit 1512 , a first encoder 1513 , a data processing unit 1514 , and an AI setting unit 1515 .
  • the AI encoder 1510, the transmitter 1520, and the deblocking predictor 1530 may be implemented through one processor. In this case, it may be implemented as a dedicated processor, or may be implemented through a combination of an AP or a general-purpose processor such as a CPU or GPU and S/W. Also, in the case of a dedicated processor, a memory for implementing an embodiment of the present disclosure or a memory processing unit for using an external memory may be included.
  • the AI encoder 1510 , the transmitter 1520 , and the deblocking predictor 1530 may include a plurality of processors. In this case, it may be implemented as a combination of dedicated processors, or may be implemented through a combination of S/W with a plurality of general-purpose processors such as an AP, CPU, or GPU.
  • the first encoding unit 1513 is configured as a first processor
  • the deblocking filter unit 1511 , the AI downscale unit 1512 , the data processing unit 1514 , and the AI setting unit 1515 are the first It is implemented as a second processor different from the first processor
  • the transmission unit 1520 is implemented as a first processor and a third processor different from the second processor
  • the deblocking prediction unit 1530 includes the first processor, the second processor, and It may be implemented with a fourth processor different from the third processor.
  • the deblocking prediction unit 1530 obtains the original image 1305, previous frame information, and network environment information, and converts the filter setting information to the deblocking filter based on the original image 1305, the previous frame information, and the network environment information. sent to the unit 1511.
  • the deblocking prediction unit 1530 obtains previous frame information from the first encoder 1513 , and obtains network environment information from the AI decoding apparatus 1400 according to a real-time protocol.
  • the deblocking prediction unit 1530 transmits filter setting information to the deblocking filter unit 1511 .
  • the filter setting information may include a blocking area map indicating an area in which block artifacts are generated.
  • the filter setting information may include a blocking region map indicating a region in which block artifacts are generated and DNN setting information of a DNN for deblocking filtering.
  • the deblocking filter unit 1511 obtains the deblocking-filtered original image 1315 by applying deblocking filtering to the original image 1305 based on the filter setting information obtained from the deblocking prediction unit 1530 .
  • the AI encoder 1513 performs AI downscaling of the deblocking-filtered original image 1315 and the first encoding of the first image 1325 , and transmits AI-encoded data to the transmitter 1520 .
  • the transmitter 1520 transmits the AI encoding data and filter setting information to the AI decoding apparatus 1400 .
  • the transmitter 1520 transmits AI-encoded data including filter setting information, AI data, and image data to the AI decoding apparatus 1400 .
  • the image data includes data obtained as a result of the first encoding of the first image 1325 .
  • the image data may include data obtained based on pixel values in the first image 1325 , for example, residual data that is a difference between the first image 1325 and prediction data of the first image 1325 .
  • the image data includes information used in the first encoding process of the first image 1325 .
  • the image data may include prediction mode information used for first encoding the first image 1325 , motion information, and quantization parameter related information used for first encoding the first image 1325 , etc. .
  • the AI data includes information enabling the AI upscaling unit 1513 to AI upscale the second image 1345 to an upscale target corresponding to the downscale target of the first DNN.
  • the AI data may include difference information between the original image 1305 and the first image 1325 .
  • the AI data may include information related to the first image 1325 .
  • the information related to the first image 1325 is used for the resolution of the first image 1325 , the bit rate of image data obtained as a result of the first encoding of the first image 1325 , and the first encoding of the first image 1325 .
  • information on at least one of the specified codec types may be included.
  • the AI data may include an identifier of mutually agreed DNN configuration information so that the second image 1345 can be AI upscaled to an upscale target corresponding to the downscale target of the first DNN.
  • the AI data may include DNN configuration information settable in the second DNN.
  • the AI downscaler 1512 may acquire the AI downscaled image 1325 through the first DNN from the deblocking-filtered original image 1315 .
  • the AI downscaling unit 1512 may AI downscale the filtered original image 1315 using the DNN setting information provided from the AI setting unit 1515 .
  • the AI setting unit 1515 may determine a downscale target of the original image 105 based on a predetermined criterion.
  • the AI setting unit 1515 may store a plurality of settable DNN setting information in the first DNN.
  • the AI setting unit 1515 obtains DNN setting information corresponding to the downscale target among a plurality of DNN setting information, and provides the obtained DNN setting information to the AI downscale unit 1512 .
  • Each of the plurality of pieces of DNN configuration information may be trained to acquire the first image 1325 having a predetermined resolution and/or a predetermined image quality.
  • the DNN setting information of any one of the plurality of DNN setting information is the first image 1325 having a resolution that is 1/2 times smaller than the resolution of the original image 1305, for example, 4K (4096 * 2160) may include information for acquiring the first image 1325 of 2K (2048*1080) 1/2 times smaller than the original image 1305 of A first image 1325 with a resolution of 1/4 times smaller than that of the first image 1325, for example, a first image 1325 of 2K (2048*1080) which is 1/4 times smaller than the original image 1305 of 8K (8192*4320). ) may include information for obtaining
  • the AI setting unit 1515 may obtain DNN setting information by combining some selected among the lookup table values according to the downscale target, and may provide the obtained DNN setting information to the AI downscaling unit 1512 .
  • the AI setting unit 1515 may determine the structure of the DNN corresponding to the downscale target, and obtain DNN setting information corresponding to the determined structure of the DNN, for example, parameters of the filter kernel.
  • the plurality of DNN configuration information for AI downscaling of the filtered original image 1315 may have an optimized value by jointly training the first DNN and the second DNN.
  • each DNN configuration information includes at least one of the number of convolutional layers included in the first DNN, the number of filter kernels for each convolutional layer, and parameters of each filter kernel.
  • the AI downscaling unit 1512 sets the first DNN as the DNN setting information determined for AI downscaling of the filtered original image 1315 to convert the first image 1325 of a predetermined resolution and/or a predetermined quality to the first It can be obtained through DNN.
  • DNN setting information for AI downscaling of the original image 1305 is obtained among a plurality of DNN setting information
  • each layer in the first DNN may process input data based on information included in the DNN setting information. .
  • the downscale target may indicate, for example, how much the resolution reduced first image 1325 should be obtained from the deblocking-filtered original image 1315 .
  • the AI setting unit 1515 acquires one or more pieces of input information.
  • the input information includes a target resolution of the first image 1325, a target bitrate of the image data, a bitrate type of the image data (eg, a variable bitrate type, a constant bitrate type, or an average bitrate type, etc.); Color format to which AI downscale is applied (luminance component, chrominance component, red component, green component, or blue component, etc.), codec type for the first encoding of the first image 1325, compression history information, and the original image 1305 may include at least one of a resolution of , and a type of the original image 1305 .
  • One or more pieces of input information may include information previously stored in the AI encoding apparatus 1500 or received from a user.
  • the AI setting unit 1515 controls the operation of the AI downscale unit 1512 based on the input information.
  • the AI setting unit 1515 may determine a downscale target according to input information, and provide DNN setting information corresponding to the determined downscale target to the AI downscale unit 1512 .
  • the AI setting unit 1515 transmits at least a portion of the input information to the first encoder 1513 so that the first encoder 1513 sets the bitrate of a specific value, the bitrate of a specific type, and the specific codec. may cause the first image 1325 to be first encoded.
  • the deblocking prediction unit 1530 additionally acquires information on a DQP map or rate control based on the original image 1305, previous frame information, and network environment information, and the DQP map Alternatively, information on rate control may be transmitted to the first encoder 1513 . Also, the first encoder 1513 may use information on a DQP map or rate control to first encode the first image 1325 .
  • the AI setting unit 1515 sets the compression rate (eg, the difference in resolution between the original image 1305 and the first image 1325 , the target bitrate), and the compression quality (eg, the bitrate type). ), compression history information, and a downscale target may be determined based on at least one of the type of the original image 1305 .
  • the AI setting unit 1515 may determine a downscale target based on a preset or a compression rate or compression quality input from a user.
  • the AI setting unit 1515 may determine the downscale target by using the compression history information stored in the AI encoding apparatus 1500 .
  • the encoding quality or compression rate preferred by the user may be determined, and the downscale target may be determined according to the encoding quality determined based on the compression history information.
  • the resolution and quality of the first image 115 may be determined according to the encoding quality that has been most frequently used according to the compression history information.
  • the AI setting unit 1515 sets the encoding quality that has been used more than a predetermined threshold value (eg, average quality of encoding qualities that have been used more than a predetermined threshold value) according to the compression history information. Based on the downscale target may be determined.
  • a predetermined threshold value eg, average quality of encoding qualities that have been used more than a predetermined threshold value
  • the AI setting unit 1515 may determine the downscale target based on the resolution and type (eg, file format) of the original image 1305 .
  • the AI setting unit 1515 independently acquires DNN setting information for each predetermined number of frames, and uses the independently acquired DNN setting information to AI downscaling.
  • a portion 1512 may be provided.
  • the AI setting unit 1515 may classify frames constituting the original image 1305 into a predetermined number of groups, and independently obtain DNN setting information for each group.
  • the same or different DNN configuration information may be obtained for each group.
  • the number of frames included in the groups may be the same or different for each group.
  • the AI setting unit 1515 may independently determine DNN setting information for each frame constituting the original image 1305 .
  • the same or different DNN configuration information may be obtained for each frame.
  • FIGS. 16 to 18 embodiments in which the position of the deblocking filter is different from that of FIG. 13 will be described in FIGS. 16 to 18 .
  • 16 is a diagram for explaining an AI encoding process and an AI decoding process for adaptively adding deblocking filtering according to another embodiment.
  • FIG. 16 shows an embodiment in which the position of the deblocking filter in the AI encoding process is changed compared with the AI encoding process and the AI decoding process in which the deblocking filtering of FIG. 13 is adaptively added.
  • the network environment information of the current streaming channel, the original image 1605, and information on the previously encoded frame are acquired to determine whether a blocking phenomenon will occur in the input original image. It predicts and transmits filter setting information such as a blocking region map for a region where blocks are generated when AI encoding and AI decoding are performed.
  • the original image 1605 is AI downscaled 1610 to obtain a first image 1615, and based on the filter setting information obtained in the deblocking prediction process 1670, the first image 1615
  • the deblocking filter 1620 is applied to obtain a deblocking-filtered first image 1625, and the deblocking-filtered first image 1625 is first encoded 1630 and transmitted.
  • AI decoding process Receives AI encoded data including AI data and image data obtained as a result of AI encoding, obtains a second image 1645 through first decoding 1640, and performs AI upscale (1650) of the second image 1645 ) to acquire an AI upscaled image 1355 , and apply a deblocking filter 1660 according to the filter setting information transmitted in the deblocking prediction 1370 to obtain a third image 1665 .
  • 17 is a diagram for explaining an AI encoding process and an AI decoding process for adaptively adding deblocking filtering according to another embodiment.
  • FIG. 17 shows an embodiment in which the positions of the deblocking filter in the AI encoding process and the deblocking filter in the AI decoding process are all changed compared to the AI encoding process and the AI decoding process in which the deblocking filtering of FIG. 13 is adaptively added. indicates.
  • the network environment information of the current streaming channel, the original image 1705, and information on the previously coded frame are acquired to determine whether a blocking phenomenon will occur in the input original image. It predicts and transmits filter setting information such as a blocking region map for a region where blocks are generated when AI encoding and AI decoding are performed.
  • the original image 1705 is AI downscaled (1710) to obtain a first image 1715, and based on the filter setting information obtained in the deblocking prediction process 1770, the first image 1715
  • the deblocking filter 1720 is applied to obtain a deblocking-filtered first image 1725, and the deblocking-filtered first image 1725 is first encoded 1730 and transmitted.
  • AI decoding process Receives AI encoded data including AI data and image data obtained as a result of AI encoding, obtains a second image 1745 through a first decoding 1740, and performs a deblocking prediction 1370 on the second image 1745 ) by applying the deblocking filter 1750 according to the transmitted filter setting information to obtain a deblocking-filtered second image 1755, and AI upscaling the deblocking-filtered second image 1755 (1760) A third image 1765 is acquired.
  • 18 is a diagram for explaining an AI encoding process and an AI decoding process for adaptively adding deblocking filtering according to another embodiment.
  • FIG. 18 shows an embodiment in which the position of the deblocking filter in the AI decoding process is changed compared to the AI encoding process and the AI decoding process in which the deblocking filtering of FIG. 13 is adaptively added.
  • the network environment information of the current streaming channel, the original image 1805, and information on the previously encoded frame are acquired to determine whether a blocking phenomenon will occur in the input original image. It predicts and transmits filter setting information such as a blocking region map for a region where blocks are generated when AI encoding and AI decoding are performed.
  • filter setting information such as a blocking region map for a region where blocks are generated when AI encoding and AI decoding are performed.
  • the deblocking-filtered original image 1815 by applying the deblocking filter 1810 to the original image 1805 based on the filter setting information obtained in the deblocking prediction process 1870 is AI downscaled ( 1820) to obtain a first image 1825, and transmit the first image 1825 by first encoding 1830.
  • AI decoding process AI encoding including AI data and image data obtained as a result of AI encoding
  • the data is received, the second image 1845 is obtained through the first decoding 1840 , and the second image 1845 is deblocking filter 1850 according to the filter setting information transmitted in the deblocking prediction process 1870 . ) to obtain a deblocking-filtered second image 1855 , and AI upscaling 1860 on the deblocking-filtered second image 1855 to obtain a third image 1865 .
  • the deblocking filtering of FIG. 13 is an AI deblocking filter trained with a DNN rather than a legacy deblocking filter, a DNN for deblocking filtering will be described later.
  • 19 is an exemplary diagram illustrating a third DNN and a fourth DNN for a deblocking filter based on AI.
  • the original image 1305 or the upscaled second image 1355 is input to the first convolutional layer 1910 .
  • the first convolutional layer 1910 performs convolution processing on the original image 1305 or the upscaled second image 1355 using four filter kernels having a size of 3 ⁇ 3.
  • four feature maps are generated.
  • Each feature map represents unique characteristics of the original image 1305 or the upscaled second image 1355 .
  • each feature map may indicate a vertical direction characteristic, a horizontal direction characteristic, an edge characteristic, or whether there is a possibility of occurrence of a blocking artifact of the original image 1305 or the upscaled second image 1355 .
  • the generated four feature maps are input to the first activation layer 1920 .
  • the first activation layer 1920 may provide non-linear characteristics to the four feature maps.
  • the first activation layer 1920 determines whether to transfer sample values of the feature maps output from the first convolution layer 1910 to the second convolution layer 1930 . For example, some sample values among the sample values of the feature maps are activated by the first activation layer 1920 and transmitted to the second convolution layer 1930 , and some sample values are activated by the first activation layer 1920 . It is deactivated and is not transmitted to the second convolutional layer 1930 . Information indicated by the feature maps output from the first convolutional layer 1910 is emphasized by the first activation layer 1920 .
  • An output 1925 of the first activation layer 1920 is input to the second convolution layer 1930 .
  • the second convolution layer 1930 performs convolution processing on input data using four filter kernels having a size of 3 ⁇ 3.
  • the four feature maps output as a result of the convolution process are input to the second activation layer 1940 , and the second activation layer 1940 may provide nonlinear characteristics to the four feature maps.
  • the output 1945 of the second activation layer 1940 is input to the third convolution layer 1950 .
  • the third convolution layer 1950 performs convolution processing on input data using one filter kernel having a size of 3 ⁇ 3. As a result of the convolution process, one image may be output from the third convolutional layer 1950 .
  • the third convolution layer 1950 is a layer for outputting a final image, and uses one filter kernel to obtain one output. According to the example of the present disclosure, the third convolution layer 1950 may output the deblocking-filtered original image 1315 or the third image 1365 through the convolution operation result.
  • DNN setting information indicating the number of filter kernels and parameters of the filter kernels of the first convolutional layer 1910, the second convolution layer 1930, and the third convolution layer 1950 of the third DNN or the fourth DNN may be plural.
  • a plurality of DNN configuration information of the 3rd DNN and the 4th DNN should be linked to each other.
  • the association between the plurality of DNN configuration information of the third DNN and the plurality of DNN configuration information of the fourth DNN may be implemented through association learning of the third DNN and the fourth DNN.
  • the third DNN or the fourth DNN includes three convolutional layers 1910, 1930, 1950 and two activation layers 1920 and 1940, but this is only an example, and the implementation According to an example, the number of convolutional layers and activation layers may be variously changed.
  • the third DNN or the fourth DNN may be implemented through a recurrent neural network (RNN). In this case, it means changing the CNN structure of the third DNN or the fourth DNN according to the example of the present disclosure to the RNN structure.
  • RNN recurrent neural network
  • the deblocking filter unit 1424 or the deblocking filter unit 1511 may include at least one ALU for a convolution operation and an activation layer operation.
  • the ALU may be implemented as a processor.
  • the ALU performs a multiplication operation between the sample values of the original image 1305, the upscaled second image 1355, or the feature map output from the previous layer and the sample values of the filter kernel. It may include an adder that adds the result values of .
  • the ALU is a multiplier that multiplies an input sample value by a weight used in a predetermined sigmoid function, a Tanh function, or a ReLU function, and compares the multiplication result with a predetermined value to calculate the input sample value It may include a comparator that determines whether to transfer to the next layer.
  • the first DNN 800 and the second DNN 300 used for joint training of the third DNN 2010 and the fourth DNN 2020 are DNNs trained in the manner described above in FIGS. 11 and 12 .
  • FIG. 20 is a diagram for explaining a method of training the third DNN 2010 and the fourth DNN 2020. Referring to FIG.
  • the original image 1305, previous frame information, and network environment information are acquired through the deblocking prediction process. and transmits the deblocking filter setting information for AI encoding and AI decoding based on the original image 1305, previous frame information, and network environment information, and through the AI encoding process, the deblocking prediction process transmitted through the
  • the original image is deblocked and filtered based on the blocking vector setting information
  • the AI downscaled first image 1325 is first encoded and transmitted
  • the first decoded second image 1345 is AI upscaled and deblocked. It is restored as a third image 1365 that has been deblocked based on the heater setting information transmitted through the prediction process.
  • the DNN setting information of the first DNN and the second DNN is appropriately selected for the resolution and bit rate according to the initial network environment, so that additional data
  • the image can be transmitted while maintaining the image quality through additional deblocking filters without changing the DNN setting information of the first DNN and the second DNN.
  • the third DNN and the fourth DNN for deblocking filtering are AI downscaled and AI upscaled with DNN setting information of the trained first DNN and trained second DNN corresponding to a specific resolution and a specific bitrate, respectively, Assuming a change in the network environment, the bandwidth or bitrate of the network channel is trained under some changed conditions.
  • the quality loss information 2050 is used for both training of the third DNN 2010 and the fourth DNN 2020.
  • an original training image 2001 is an image subjected to deblocking filtering and AI downscaling
  • a first training image 2002 is obtained from the original training image 1101 .
  • Deblocking filtering and AI downscaled video is obtained from the original training image 1101 .
  • a third training image 2004 is an AI upscaled and deblocking filtered image from the first training image 2002 .
  • the original training image 2001 includes a still image or a moving image composed of a plurality of frames.
  • the original training image 2001 may include a still image or a luminance image extracted from a moving picture including a plurality of frames.
  • the original training image 2001 may include a still image or a patch image extracted from a moving picture including a plurality of frames.
  • the first training image 2002, the second training image, and the third training image 2004 also include a plurality of frames.
  • the third DNN 2010 and the first trained DNN 800 When a plurality of frames of the original training image 2001 are sequentially input to the third DNN 2010 and the first trained DNN 800, the third DNN 2010, the trained first DNN 800, and the trained A plurality of frames of the first training image 2002 , the second training image, and the third training image 2004 may be sequentially acquired through the second DNN 300 and the fourth DNN 2020 .
  • an original training image 2001 is input to the third DNN 2010 and the trained first DNN 800 .
  • the original training image 2001 input to the third DNN 2010 and the first trained DNN 800 is deblocking filtered, AI downscaled, and output as the first training image 2002, and the first training image 2002 ) is input to the trained second DNN 300 and fourth DNN 2020.
  • a third training image 2004 is output.
  • a first training image 2002 is input to the second trained DNN 300 , and according to an embodiment, the first training image 2002 is first encoded and first decoded through a process.
  • the obtained second training image may be input to the trained second DNN 300 .
  • any one of MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9, and AV1 codecs may be used.
  • MPEG-2, H.264, MPEG-4, HEVC, VC-1 , VP8, VP9, and any one codec of AV1 may be used.
  • the legacy downscaled reduction training from the original training image 2001 is separate from the output of the first training image 2002 through the third DNN 2010 and the first trained DNN 800 .
  • An image 2003 is acquired.
  • the legacy downscale may include at least one of a bilinear scale, a bicubic scale, a lanczos scale, and a stair step scale.
  • the third DNN 2010 and the fourth DNN 2020 may be set with predetermined DNN configuration information.
  • structural loss information 2030 , complexity loss information 2040 , and quality loss information 2050 may be determined.
  • the structural loss information 2030 may be determined based on a comparison result between the reduced training image 2003 and the first training image 1102 .
  • the structural loss information 2030 may correspond to a difference between the structural information of the reduced training image 2003 and the structural information of the first training image 2002 .
  • the structural information may include various features that can be extracted from the image, such as luminance, contrast, and histogram of the image.
  • the structural loss information 2030 indicates to what extent the structural information of the original training image 2001 is maintained in the first training image 2002 . As the structural loss information 2030 is smaller, the structural information of the first training image 2002 is similar to the structural information of the original training image 2001 .
  • the complexity loss information 2040 may be determined based on the spatial complexity of the first training image 2002 .
  • a total variance value of the first training image 2002 may be used.
  • the complexity loss information 2040 is related to a bit rate of image data obtained by first encoding the first training image 2002 . The smaller the complexity loss information 2040 is, the smaller the bit rate of image data is defined.
  • the quality loss information 2050 may be determined based on a comparison result between the original training image 2001 and the third training image 2004 .
  • Quality loss information 2050 includes an L1-norm value, an L2-norm value, a Structural Similarity (SSIM) value, and a Peak Signal-To (PSNR-HVS) value for the difference between the original training image 2001 and the third training image 2004. It may include at least one of a Noise Ratio-Human Vision System) value, a Multiscale SSIM (MS-SSIM) value, a Variance Inflation Factor (VIF) value, and a Video Multimethod Assessment Fusion (VMAF) value.
  • the quality loss information 2050 indicates how similar the third training image 2004 is to the original training image 2001 . As the quality loss information 2050 is smaller, the third training image 2004 is more similar to the original training image 2001 .
  • structural loss information 2030, complexity loss information 2040, and quality loss information 2050 are used for training of the third DNN 2010, and the quality loss information 2050 is the fourth DNN ( 2020) is used for training. That is, the quality loss information 2050 is used for both training of the third DNN 2010 and the fourth DNN 2020 .
  • the third DNN 2010 may update parameters such that the final loss information determined based on the structural loss information 2030 , the complexity loss information 2040 , and the quality loss information 2050 is reduced or minimized. Also, the fourth DNN 2020 may update the parameter so that the quality loss information 2050 is reduced or minimized.
  • Final loss information for training of the third DNN 2010 and the fourth DNN 2020 may be determined as in Equation 2 below.
  • LossDDS e*structural loss information+f*complexity loss information+g*quality loss information
  • LossDUS h*quality loss information
  • LossDDS represents final loss information to be reduced or minimized for training of the third DNN 2010, and LossDUS represents final loss information to be reduced or minimized for training of the fourth DNN 2020. indicates. Also, e, f, g, and h may correspond to predetermined weights.
  • the third DNN 2010 updates parameters in a direction in which LossDDS of Equation 2 is decreased
  • the fourth DNN 2020 updates parameters in a direction in which LossDUS decreases.
  • the parameters of the third DNN 2010 are updated according to the LossDDS derived in the training process
  • the first training image 2002 obtained based on the updated parameters is different from the first training image 2002 in the previous training process.
  • the third training image 2004 is also different from the third training image 2004 in the previous training process.
  • quality loss information 2050 is also newly determined, and accordingly, the fourth DNN 2020 updates parameters.
  • LossDDS is also newly determined, so the third DNN 2010 updates parameters according to the newly determined LossDDS. That is, the parameter update of the third DNN 2010 causes the parameter update of the fourth DNN 2020 , and the parameter update of the fourth DNN 2020 causes the parameter update of the third DNN 2010 .
  • the parameters of the third DNN 2010 and the parameters of the fourth DNN 2020 are They can be optimized in relation to each other.
  • LossDUS is determined according to quality loss information 2050, but this is an example, and LossDUS is at least one of structural loss information 2030 and complexity loss information 2040, It may be determined based on the quality loss information 2050 .
  • the deblocking predictor 1430 of the AI decoding apparatus 1400 and the deblocking predictor 1530 of the AI encoding apparatus 1500 store filter setting information, and the filter setting information includes a plurality of DNN settings. It may also contain information. A description will be given of a method for training each of the plurality of DNN configuration information stored in the deblocking prediction unit 1430 and the deblocking prediction unit 1530 .
  • the degree of similarity between the structural information of the first training image 2002 and the structural information of the original training image 2001 (structural loss information 2030)
  • the bit rate (complexity loss information 2040) of the image data obtained as a result of the first encoding of the first training image 2002 and the difference between the third training image 2004 and the original training image 2001 (quality loss)
  • the parameter is updated in consideration of the information 2050).
  • the first training image 2002 which is similar to the structural information of the original training image 2001, and has a small bit rate of image data obtained when the first encoding is performed, can be obtained, and at the same time, the first training image
  • the parameters of the third DNN 2010 may be updated so that the fourth DNN 2020 that AI upscales 2002 may acquire a third training image 2004 similar to the original training image 2001 .
  • the directions in which the parameters of the third DNN 2010 are optimized are different.
  • the weight of f is determined to be high
  • the parameter of the third DNN 2010 may be updated with more importance on lowering the bit rate than the quality of the third training image 2004 .
  • the weight of g is determined to be high, it is more important to increase the quality of the third training image 2004 than to increase the bit rate or to maintain the structural information of the original training image 2001.
  • a parameter of the DNN 2010 may be updated.
  • the direction in which parameters of the third DNN 2010 are optimized may be different according to the type of a codec used to first encode the first training image 2002 . This is because, depending on the type of codec, the second training image to be input to the fourth DNN 2020 may vary.
  • the parameters of the third DNN 2010 and the parameters of the fourth DNN 2020 are linked based on the weight e, the weight f, the weight g, and the type of the codec for the first encoding of the first training image 2002 . so it can be updated. Therefore, when each of the weight e, the weight f, and the weight g is determined as a predetermined value and the type of the codec is determined as a predetermined type, when the third DNN 2010 and the fourth DNN 2020 are trained, they are linked to each other. Optimized parameters of the third DNN 2010 and parameters of the fourth DNN 2020 may be determined.
  • the third DNN 2010 and the fourth DNN 2020 are trained, the parameters of the third DNN 2010 optimized in connection with each other and parameters of the fourth DNN 2020 may be determined.
  • the plurality of DNN setting information trained in connection with each other is transmitted to the third DNN It can be determined in the DNN (2010) and the fourth DNN (2020).
  • 21 is a diagram for explaining a training process of the third DNN 2010 and the fourth DNN 2020 by the training apparatus 2100 .
  • Training of the third DNN 2010 and the fourth DNN 2020 described with reference to FIG. 20 may be performed by the training apparatus 2100 .
  • the training apparatus 2100 includes a third DNN 2010 , a fourth DNN 2020 , a first trained DNN 800 , and a second trained DNN 300 .
  • the training device 2100 may be, for example, the AI encoding device 1500 or a separate server. DNN setting information of the fourth DNN 2020 obtained as a result of training is stored in the AI decoding apparatus 1400 .
  • the training apparatus 2100 initially sets DNN configuration information of the third DNN 2010 and the fourth DNN 2020 ( S2110 and S2115 ). Accordingly, the third DNN 2010 and the fourth DNN 2020 may operate according to predetermined DNN configuration information.
  • the DNN setting information includes the number of convolution layers included in the third DNN 2010 and the fourth DNN 2020, the number of filter kernels for each convolutional layer, the size of filter kernels for each convolutional layer, and parameters of each filter kernel. It may include information about at least one.
  • the training apparatus 2100 inputs the original training image 2001 into the third DNN 2010 (S2120).
  • the original training image 1101 may include at least one frame constituting a still image or a moving image.
  • the filtering result is output from the third DNN 2010 and input to the trained first DNN (S2125).
  • the third DNN 2010 processes the original training image 2001 according to the initially set DNN setting information, and the AI downscaled through the first DNN 800 that is deblocking filtered and trained from the original training image 2001.
  • a first training image 2002 is output (S2130). 21 shows that the first training image 2002 output from the third DNN 2010 and the first trained DNN 800 is directly input to the second trained DNN 300, but the third DNN ( 2010) and the first training image 2002 output from the first trained DNN 800 may be input to the second DNN 300 trained by the training apparatus 2100 .
  • the training apparatus 2100 may first encode and first decode the first training image 2002 using a predetermined codec, and then input the second training image to the trained second DNN 300 .
  • the second trained DNN 300 AI upscales the first training image 2002 or the second training image (S2135), and the third training is deblocking filtered from the first training image 2002 or the second training image.
  • An image 2004 is output (S2140).
  • the training apparatus 2100 calculates complexity loss information 2040 based on the first training image 2002 ( S2145 ).
  • the training apparatus 2100 calculates structural loss information 2030 by comparing the reduced training image 2003 with the first training image 2002 ( S2150 ).
  • the training apparatus 2100 calculates quality loss information 2050 by comparing the original training image 2001 with the third training image 2004 ( S1255 ).
  • the third DNN 2010 updates the initially set DNN configuration information through a back propagation process based on the final loss information (S2160).
  • the training apparatus 2100 may calculate final loss information for training the third DNN 2010 based on the complexity loss information 2040 , the structural loss information 2030 , and the quality loss information 2050 .
  • the fourth DNN 2020 updates the initially set DNN configuration information through a reverse transcription process based on quality loss information or final loss information (S2165).
  • the training apparatus 2100 may calculate final loss information for training of the fourth DNN 2020 based on the quality loss information 2050 .
  • the training apparatus 2100 , the third DNN 2010 , and the fourth DNN 2020 update the DNN configuration information while repeating processes S2110 to S2165 until the final loss information is minimized.
  • the third DNN 2010 and the fourth DNN 2020 operate according to the DNN configuration information updated in the previous process.
  • FIG. 22 is a flowchart illustrating an AI encoding method according to an embodiment.
  • step S2210 the AI encoding apparatus 1500 acquires the original image, previously encoded frame information, and network environment information.
  • the previous frame information may indicate whether a block artifact of an encoded previous frame is detected.
  • the network environment information may indicate a change in at least one of a bit rate and a bandwidth of a network channel.
  • step S2220 the AI encoding apparatus 1500 obtains deblocking filter setting information based on the original image, the previously encoded frame information, and the transmission environment network information.
  • the deblocking filter setting information may not be obtained and deblocking filtering may not be performed.
  • deblocking filtering does not need to be additionally performed.
  • the deblocking filter setting information may include a blocking area map indicating an area in which block artifacts are generated.
  • the blocking area map may be determined through a weighted average of the A score maps to the G score maps.
  • step S2230 the AI encoding apparatus 1500 applies deblocking filtering to the original image based on the deblocking filter setting information and acquires an AI downscaled first image through a downscaling DNN.
  • the deblocking filtering in AI encoding may be filtering of redistributing an quota of bits based on deblocking filter setting information.
  • the deblocking filter reduces the bit amount by blurring the complex and fast-moving area of the image, and distributes the reduced bit amount to the simple area to reduce the bit allocation so that the blocking phenomenon in the simple area is less noticeable. can be redistributed.
  • step S2240 the AI encoding apparatus 1500 first encodes the first image to generate image data.
  • step S2250 the AI encoding apparatus 1500 transmits the deblocking filter setting information, AI data including information related to the AI downscaling, and the image data.
  • FIG. 23 is a flowchart illustrating an AI decoding method according to an embodiment.
  • step S2310 the AI decoding apparatus 1400 acquires image data generated as a result of the first encoding of the first image, AI data related to AI downscaling from the original image to the first image, and deblocking filter setting information. .
  • deblocking filtering may not be performed.
  • the fact that the deblocking filter setting information is not obtained means that it is a normal situation, not when a deblocking filter must be applied, that is, when several people connect at the same time or there is a change in a network channel outdoors. This is because it does not need to be performed additionally.
  • the deblocking filter setting information may include a blocking area map indicating an area in which block artifacts are generated.
  • the blocking area map may be determined through a weighted average of the A score maps to the G score maps.
  • the AI decoding apparatus 1400 first decodes the image data to obtain a second image corresponding to the first image.
  • step S2330 the AI decoding apparatus 1400 acquires DNN setting information for AI upscaling of the second image among a plurality of DNN setting information, based on the AI data.
  • the AI decoding apparatus 1400 is AI upscaled from the second image through a deep neural network (DNN) for upscaling that operates with the obtained DNN setting information, and deblocking filter based on the one deblocking filter. A reconstructed image to which blocking filtering is applied is generated.
  • DNN deep neural network
  • the deblocking filtering in AI decoding may be filtering for blurring a block boundary of an image and removing blocking artifacts based on deblocking filter setting information.
  • the deblocking filter may perform deblocking filtering according to each region by blurring the boundary between blocks of an image and removing blocking artifacts.
  • the above-described embodiments of the present disclosure can be written as a program or instruction that can be executed on a computer, and the written program or instruction can be stored in a medium.
  • the medium may be to continuously store a computer-executable program or instructions, or to temporarily store it for execution or download.
  • the medium may be various recording means or storage means in the form of a single or several hardware combined, it is not limited to a medium directly connected to any computer system, and may exist distributedly on a network. Examples of the medium include a hard disk, a magnetic medium such as a floppy disk and a magnetic tape, an optical recording medium such as CD-ROM and DVD, a magneto-optical medium such as a floppy disk, and those configured to store program instructions, including ROM, RAM, flash memory, and the like.
  • examples of other media may include recording media or storage media managed by an app store for distributing applications, sites supplying or distributing other various software, and servers.
  • the above-described DNN-related model may be implemented as a software module.
  • the DNN model When implemented as a software module (eg, a program module including instructions), the DNN model may be stored in a computer-readable recording medium.
  • the DNN model may be integrated in the form of a hardware chip to become a part of the aforementioned AI decoding apparatus 1400 or AI encoding apparatus 1500 .
  • a DNN model may be built in the form of a dedicated hardware chip for artificial intelligence, or as part of an existing general-purpose processor (eg, CPU or application processor) or graphics-only processor (eg, GPU). it might be
  • the DNN model may be provided in the form of downloadable software.
  • the computer program product may include a product (eg, a downloadable application) in the form of a software program distributed electronically through a manufacturer or an electronic market.
  • a product eg, a downloadable application
  • the software program may be stored in a storage medium or may be temporarily generated.
  • the storage medium may be a server of a manufacturer or an electronic market, or a storage medium of a relay server.

Landscapes

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

Abstract

메모리; 및 프로세서를 포함하고, 상기 메모리는 상기 프로세서에 의해 실행 가능한 명령어들을 저장하고 상기 프로세서는, 원본 영상, 이전에 부호화된 프레임 정보, 및 네트워크 환경 정보를 획득하고, 상기 원본 영상, 상기 이전에 부호화된 프레임 정보, 및 상기 네트워크 환경 정보에 기초하여 디블로킹 필터 설정 정보를 획득하고, 상기 디블로킹 필터 설정 정보에 기초하여 상기 원본 영상에 디블로킹 필터링을 적용하고 다운스케일용 DNN을 통해 AI 다운스케일된 제1 영상을 획득하고, 상기 제1 영상을 제1 부호화하여 영상 데이터를 생성하고, 상기 디블로킹 필터 설정 정보, 상기 AI 다운스케일과 관련된 정보를 포함하는 AI 데이터, 및 상기 영상 데이터를 전송하는 것을 특징으로하는, AI 부호화 장치를 제안한다.

Description

인공지능 부호화 및 인공지능 복호화를 수행하기 위한 방법 및 장치
본 개시는 영상을 처리하기 위한 방법 및 장치에 관한 것으로, 보다 구체적으로, 본 개시는 인공지능(AI) 부호화 및 인공지능 복호화를 수행하기 위한 방법 및 장치에 관한 것이다.
영상은 소정의 데이터 압축 표준, 예를 들어 MPEG (Moving Picture Expert Group) 표준 등을 따르는 코덱(codec)에 의해 부호화된 후 비트스트림의 형태로 기록매체에 저장되거나 통신 채널을 통해 전송된다.
고해상도/고화질의 영상을 재생, 저장할 수 있는 하드웨어의 개발 및 보급에 따라, 고해상도/고화질의 영상을 효과적으로 부호화 및 복호화할 수 있는 코덱의 필요성이 증대하고 있다.
일 실시예에 따른 영상의 AI 부호화 및 AI 복호화 방법, 및 장치는 실시간 스트리밍 서비스에서 가변적이고 제한적인 네트워크 환경에서 블로킹 아티팩트의 발생을 예측하여 디블로킹 필터링을 추가로 수행하고 AI 기반으로 다운스케일 및 업스케일하여, 영상을 부호화 및 복호화하는 것을 기술적 과제로 한다.
상기 기술적 과제를 해결하기 위해 본 개시에서 제안하는 AI 복호화 장치는, 하나 이상의 인스트럭션들을 저장하는 메모리; 및 상기 메모리에 저장된 상기 하나 이상의 인스트럭션들을 실행하는 프로세서를 포함하고, 상기 프로세서는, 제 1 영상의 제 1 부호화 결과 생성된 영상 데이터, 원본 영상으로부터 상기 제 1 영상으로의 AI 다운스케일과 관련된 AI 데이터, 및 디블로킹 필터 설정 정보를 획득하고, 상기 영상 데이터를 제 1 복호화하여 상기 제 1 영상에 대응하는 제 2 영상을 획득하고, 복수의 DNN 설정 정보 중 상기 제 2 영상의 AI 업스케일을 위한 DNN 설정 정보를, 상기 AI 데이터에 기초하여 획득하고, 상기 획득된 DNN 설정 정보로 동작하는 업스케일용 DNN(Deep Neural Network)을 통해 상기 제 2 영상으로부터 AI 업스케일되고 상기 디블로킹 필터 설정 정보에 기초하여 디블로킹 필터링이 적용된 복원 영상을 생성할 수 있다.
상기 기술적 과제를 해결하기 위해 본 개시에서 제안하는 AI 복호화 방법은, 제 1 영상의 제 1 부호화 결과 생성된 영상 데이터, 원본 영상으로부터 상기 제 1 영상으로의 AI 다운스케일과 관련된 AI 데이터, 및 디블로킹 필터 설정 정보를 획득하는 단계; 상기 영상 데이터를 제 1 복호화하여 상기 제 1 영상에 대응하는 제 2 영상을 획득하는 단계; 복수의 DNN 설정 정보 중 상기 제 2 영상의 AI 업스케일을 위한 DNN 설정 정보를, 상기 AI 데이터에 기초하여 획득하는 단계; 및 상기 획득된 DNN 설정 정보로 동작하는 업스케일용 DNN(Deep Neural Network)을 통해 상기 제 2 영상으로부터 AI 업스케일되고 상기 디블로킹 필터 설정 정보에 기초하여 디블로킹 필터링이 적용된 복원 영상을 생성하는 단계를 포함할 수 있다.
상기 기술적 과제를 해결하기 위해 본 개시에서 제안하는 AI 부호화 장치는, 하나 이상의 인스트럭션들을 저장하는 메모리; 상기 메모리에 저장된 상기 하나 이상의 인스트럭션들을 실행하는 프로세서를 포함하고, 상기 프로세서는, 원본 영상, 이전에 부호화된 프레임 정보, 및 네트워크 환경 정보를 획득하고, 상기 원본 영상, 상기 이전에 부호화된 프레임 정보, 및 상기 네트워크 환경 정보에 기초하여 디블로킹 필터 설정 정보를 획득하고, 상기 디블로킹 필터 설정 정보에 기초하여 상기 원본 영상에 디블로킹 필터링을 적용하고 다운스케일용 DNN을 통해 AI 다운스케일된 제1 영상을 획득하고, 상기 제1 영상을 제1 부호화하여 영상 데이터를 생성하고, 상기 디블로킹 필터 설정 정보, 상기 AI 다운스케일과 관련된 정보를 포함하는 AI 데이터, 및 상기 영상 데이터를 전송할 수 있다.
상기 기술적 과제를 해결하기 위해 본 개시에서 제안하는 AI 부호화 방법은, 원본 영상, 이전에 부호화된 프레임 정보, 및 네트워크 환경 정보를 획득하는 단계; 상기 원본 영상, 상기 이전에 부호화된 프레임 정보, 및 상기 네트워크 환경 정보에 기초하여 디블로킹 필터 설정 정보를 획득하는 단계; 상기 디블로킹 필터 설정 정보에 기초하여 상기 원본 영상에 디블로킹 필터링을 적용하고 다운스케일용 DNN을 통해 AI 다운스케일된 제1 영상을 획득하는 단계; 상기 제1 영상을 제1 부호화하여 영상 데이터를 생성하는 단계; 상기 디블로킹 필터 설정 정보, 상기 AI 다운스케일과 관련된 정보를 포함하는 AI 데이터, 및 상기 영상 데이터를 전송하는 단계를 포함할 수 있다.
부호화시에 원본 영상, 이전 프레임 정보, 및 네트워크 환경 정보에 기초하여 디블로킹 필터 설정 정보를 획득하고, 디블로킹 필터 설정 정보에 기초하여 원본 영상에 디블로킹 필터링을 적용하고, 디블로킹 필터링된 원본 영상을 AI 다운스케일하여 다운스케일된 영상과 디블로킹 필터 설정 정보를 전송하고, 복호화시에 전송된 다운스케일된 영상을 AI 업스케일하여 업스케일된 영상을 획득하고, 전송된 디블로킹 필터 설정 정보에 기초하여 디블로킹 필터링을 업스케일된 영상에 적용하여 복원 영상을 획득함으로써, 네트워크 상황이 갑자기 변하는 경우에도 AI에 기반하여 고해상도의 영상이 효과적으로 부호화 및 복호화될 수 있다.
본 명세서에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 일 실시예에 따른 AI 부호화 과정 및 AI 복호화 과정을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 AI 복호화 장치의 구성을 나타내는 블록도이다.
도 3은 제 2 영상의 AI 업스케일을 위한 제 2 DNN을 나타내는 예시적인 도면이다.
도 4는 컨볼루션 레이어에 의한 컨볼루션 연산을 설명하기 위한 도면이다.
도 5는 여러 영상 관련 정보들과 여러 DNN 설정 정보들 사이의 매핑 관계를 나타내는 예시적인 도면이다.
도 6은 복수의 프레임으로 구성된 제 2 영상을 도시하는 도면이다.
도 7은 일 실시예에 따른 AI 부호화 장치의 구성을 나타내는 블록도이다.
도 8은 원본 영상의 AI 다운스케일을 위한 제 1 DNN을 나타내는 예시적인 도면이다.
도 9는 일 실시예에 따른 AI 부호화 데이터의 구조를 나타내는 도면이다.
도 10은 다른 실시예에 따른 AI 부호화 데이터의 구조를 나타내는 도면이다.
도 11은 제 1 DNN 및 제 2 DNN을 훈련시키는 방법을 설명하기 위한 도면이다.
도 12는 훈련 장치에 의한 제 1 DNN 및 제 2 DNN의 훈련 과정을 설명하기 위한 도면이다.
도 13은 일 실시예에 따른 디블로킹 필터링을 추가하는 AI 부호화 과정 및 AI 복호화 과정을 설명하기 위한 도면이다.
도 14는 일 실시예에 따른 AI 복호화 장치의 구성을 나타내는 블록도이다.
도 15는 일 실시예에 따른 AI 부호화 장치의 구성을 나타내는 블록도이다.
도 16은 다른 실시예에 따른 디블로킹 필터링을 적응적으로 추가하는 AI 부호화 과정 및 AI 복호화 과정을 설명하기 위한 도면이다.
도 17은 다른 실시예에 따른 디블로킹 필터링을 적응적으로 추가하는 AI 부호화 과정 및 AI 복호화 과정을 설명하기 위한 도면이다.
도 18은 다른 실시예에 따른 디블로킹 필터링을 적응적으로 추가하는 AI 부호화 과정 및 AI 복호화 과정을 설명하기 위한 도면이다.
도 19는 AI에 기반한 디블로킹 필터를 위한 제 3 DNN 및 제 4 DNN을 나타내는 예시적인 도면이다.
도 20은 제 3 DNN(2010) 및 제 4 DNN(2020)을 훈련시키는 방법을 설명하기 위한 도면이다.
도 21는 훈련 장치(2100)에 의한 제 3 DNN(2010) 및 제 4 DNN(2020)의 훈련 과정을 설명하기 위한 도면이다.
도 22는 일 실시예에 따른 AI 부호화 방법을 설명하기 위한 순서도이다.
도 23은 일 실시예에 따른 AI 복호화 방법을 설명하기 위한 순서도이다.
본 개시는 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고, 이를 상세한 설명을 통해 상세히 설명하고자 한다. 그러나, 이는 본 개시의 실시 형태에 대해 한정하려는 것이 아니며, 본 개시는 여러 실시예들의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
실시예를 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 명세서의 설명 과정에서 이용되는 숫자(예를 들어, 제 1, 제 2 등)는 하나의 구성요소를 다른 구성요소와 구분하기 위한 식별기호에 불과하다.
또한, 본 명세서에서, 일 구성요소가 다른 구성요소와 "연결된다" 거나 "접속된다" 등으로 언급된 때에는, 상기 일 구성요소가 상기 다른 구성요소와 직접 연결되거나 또는 직접 접속될 수도 있지만, 특별히 반대되는 기재가 존재하지 않는 이상, 중간에 또 다른 구성요소를 매개하여 연결되거나 또는 접속될 수도 있다고 이해되어야 할 것이다.
또한, 본 명세서에서 '~부(유닛)', '모듈' 등으로 표현되는 구성요소는 2개 이상의 구성요소가 하나의 구성요소로 합쳐지거나 또는 하나의 구성요소가 보다 세분화된 기능별로 2개 이상으로 분화될 수도 있다. 또한, 이하에서 설명할 구성요소 각각은 자신이 담당하는 주기능 이외에도 다른 구성요소가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성요소 각각이 담당하는 주기능 중 일부 기능이 다른 구성요소에 의해 전담되어 수행될 수도 있음은 물론이다.
또한, 본 명세서에서, '영상(image)' 또는 '픽처'는 정지영상, 복수의 연속된 정지영상(또는 프레임)으로 구성된 동영상, 또는 비디오를 나타낼 수 있다.
또한, 본 명세서에서 'DNN(deep neural network)'은 뇌 신경을 모사한 인공신경망 모델의 대표적인 예시로써, 특정 알고리즘을 사용한 인공신경망 모델로 한정되지 않는다.
또한, 본 명세서에서 '파라미터'는 뉴럴 네트워크를 이루는 각 레이어의 연산 과정에서 이용되는 값으로서 예를 들어, 입력 값을 소정 연산식에 적용할 때 이용되는 가중치를 포함할 수 있다. 또한, 파라미터는 매트릭스 형태로 표현될 수 있다. 파라미터는 훈련의 결과로 설정되는 값으로서, 필요에 따라 별도의 훈련 데이터(training data)를 통해 갱신될 수 있다.
또한, 본 명세서에서 '제 1 DNN'은 영상의 AI 다운스케일을 위해 이용되는 DNN을 의미하고, '제 2 DNN'은 영상의 AI 업스케일을 위해 이용되는 DNN을 의미한다.
또한, 본 명세서에서 'DNN 설정 정보'는 DNN을 구성하는 요소와 관련된 정보로서 전술한 파라미터를 포함한다. DNN 설정 정보를 이용하여 제 1 DNN 또는 제 2 DNN이 설정될 수 있다.
또한, 본 명세서에서 '원본 영상'은 AI 부호화의 대상이 되는 영상을 의미하고, '제 1 영상'은 AI 부호화 과정에서 원본 영상의 AI 다운스케일 결과 획득된 영상을 의미한다. 또한, '제 2 영상'은 AI 복호화 과정에서 제 1 복호화를 통해 획득된 영상을 의미하고, '제 3 영상'은 AI 복호화 과정에서 제 2 영상을 AI 업스케일하여 획득된 영상을 의미한다.
또한, 본 명세서에서 'AI 다운스케일'은 AI 기반으로 영상의 해상도를 감소시키는 처리를 의미하고, '제 1 부호화'는 주파수 변환 기반의 영상 압축 방법에 의한 부호화 처리를 의미한다. 또한, '제 1 복호화'는 주파수 변환 기반의 영상 복원 방법에 의한 복호화 처리를 의미하고, 'AI 업스케일'은 AI 기반으로 영상의 해상도를 증가시키는 처리를 의미한다.
도 1은 일 실시예에 따른 AI(artificial intelligence) 부호화 과정 및 AI 복호화 과정을 설명하기 위한 도면이다.
전술한 바와 같이, 영상의 해상도가 급격히 커짐에 따라 부호화/복호화를 위한 정보 처리량이 많아지게 되고, 이에 따라 영상의 부호화 및 복호화 효율을 향상시키기 위한 방안이 필요하다.
도 1에 도시된 바와 같이, 본 개시의 일 실시예에 따르면, 해상도가 큰 원본 영상(105)을 AI 다운스케일(110)하여 제 1 영상(115)을 획득한다. 그리고, 상대적으로 작은 해상도의 제 1 영상(115)을 대상으로 하여 제 1 부호화(120) 및 제 1 복호화(130)를 수행하므로, 원본 영상(105)을 대상으로 하여 제 1 부호화(120) 및 제 1 복호화(130)를 수행하는 경우에 비해 비트레이트를 크게 감소시킬 수 있다.
도 1을 참조하여 상세히 설명하면, 일 실시예는 AI 부호화 과정에서, 원본 영상(105)을 AI 다운스케일(110)하여 제 1 영상(115)을 획득하고, 제 1 영상(115)을 제 1 부호화(120)한다. AI 복호화 과정에서는, AI 부호화 결과 획득된 AI 데이터와 영상 데이터를 포함하는 AI 부호화 데이터를 수신하고, 제 1 복호화(130)를 통해 제 2 영상(135)을 획득하고, 제 2 영상(135)을 AI 업스케일(140)하여 제 3 영상(145)을 획득한다.
AI 부호화 과정을 좀 더 상세히 살펴보면, 원본 영상(105)을 입력받으면, 소정 해상도 및/또는 소정 화질의 제 1 영상(115)을 획득하기 위해 원본 영상(105)을 AI 다운스케일(110)한다. 이때, AI 다운스케일(110)은 AI 기반으로 수행되는데, AI 다운스케일(110)을 위한 AI는 제 2 영상(135)의 AI 업스케일(140)을 위한 AI와 연계되어 훈련되어야(joint trained) 한다. 왜냐하면, AI 다운스케일(110)을 위한 AI와 AI 업스케일(140)을 위한 AI가 분리되어 훈련되는 경우, AI 부호화 대상인 원본 영상(105)과 AI 복호화를 통해 복원된 제 3 영상(145) 사이의 차이가 커지게 되기 때문이다.
본 개시의 실시예에서는, AI 부호화 과정과 AI 복호화 과정에서 이러한 연계 관계를 유지하기 위해, AI 데이터를 이용할 수 있다. 따라서, AI 부호화 과정을 통해 획득된 AI 데이터는 업스케일 타겟을 나타내는 정보를 포함하여야 하고, AI 복호화 과정에서는 AI 데이터에 기초하여 확인되는 업스케일 타겟에 따라 제 2 영상(135)을 AI 업스케일(140)하여야 한다.
AI 다운스케일(110)을 위한 AI 및 AI 업스케일(140)을 위한 AI는 DNN(deep neural network)으로 구현될 수 있다. 도 11을 참조하여 후술하는 바와 같이, 제 1 DNN과 제 2 DNN은 소정 타겟 하에 손실 정보의 공유를 통해 연계 훈련되므로, AI 부호화 장치는 제 1 DNN과 2 DNN이 연계 훈련할 때 이용된 타겟 정보를 AI 복호화 장치로 제공하고, AI 복호화 장치는 제공받은 타겟 정보에 기초하여 제 2 영상(135)을 타겟하는 화질 및/또는 해상도로 AI 업스케일(140)할 수 있다.
도 1에 도시된 제 1 부호화(120) 및 제 1 복호화(130)에 대해 상세히 설명하면, 원본 영상(105)으로부터 AI 다운스케일(110)된 제 1 영상(115)은 제 1 부호화(120)를 통해 정보량이 감축될 수 있다. 제 1 부호화(120)는, 제 1 영상(115)을 예측하여 예측 데이터를 생성하는 과정, 제 1 영상(115)과 예측 데이터 사이의 차이에 해당하는 잔차 데이터를 생성하는 과정, 공간 영역 성분인 잔차 데이터를 주파수 영역 성분으로 변환(transformation)하는 과정, 주파수 영역 성분으로 변환된 잔차 데이터를 양자화(quantization)하는 과정 및 양자화된 잔차 데이터를 엔트로피 부호화하는 과정 등을 포함할 수 있다. 이와 같은 제 1 부호화 과정(120)은 MPEG-2, H.264 AVC(Advanced Video Coding), MPEG-4, HEVC(High Efficiency Video Coding), VC-1, VP8, VP9 및 AV1(AOMedia Video 1) 등 주파수 변환을 이용한 영상 압축 방법들 중의 하나를 통해 구현될 수 있다.
제 1 영상(115)에 대응하는 제 2 영상(135)은 영상 데이터의 제 1 복호화(130)를 통해 복원될 수 있다. 제 1 복호화(130)는, 영상 데이터를 엔트로피 복호화하여 양자화된 잔차 데이터를 생성하는 과정, 양자화된 잔차 데이터를 역양자화하는 과정, 주파수 영역 성분의 잔차 데이터를 공간 영역 성분으로 변환하는 과정, 예측 데이터를 생성하는 과정 및 예측 데이터와 잔차 데이터를 이용하여 제 2 영상(135)을 복원하는 과정 등을 포함할 수 있다. 이와 같은 제 1 복호화(130) 과정은 제 1 부호화(120) 과정에서 사용된 MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 및 AV1 등 주파수 변환을 이용한 영상 압축 방법들 중의 하나에 대응되는 영상 복원 방법을 통해 구현될 수 있다.
AI 부호화 과정을 통해 획득된 AI 부호화 데이터는, 제 1 영상(115)의 제 1 부호화(120) 결과 획득된 영상 데이터 및 원본 영상(105)의 AI 다운스케일(110)과 관련된 AI 데이터를 포함할 수 있다. 영상 데이터는 제 1 복호화(130) 과정에서 이용될 수 있으며, AI 데이터는 AI 업스케일(140) 과정에서 이용될 수 있다.
영상 데이터는 비트스트림 형태로 전송될 수 있다. 영상 데이터는 제 1 영상(115) 내 픽셀 값들에 기초하여 획득되는 데이터, 예를 들어, 제 1 영상(115)과 제 1 영상(115)의 예측 데이터 사이의 차이인 잔차 데이터를 포함할 수 있다. 또한, 영상 데이터는 제 1 영상(115)의 제 1 부호화(120) 과정에서 이용된 정보들을 포함한다. 예를 들어, 영상 데이터는 제 1 영상(115)을 제 1 부호화(120)하는데 이용된 예측 모드(mode) 정보, 움직임 정보, 및 제 1 부호화(120)에서 이용된 양자화 파라미터 관련 정보 등을 포함할 수 있다. 영상 데이터는 MPEG-2, H.264 AVC, MPEG-4, HEVC, VC-1, VP8, VP9 및 AV1 등 주파수 변환을 이용하는 영상 압축 방법 중 제 1 부호화(120) 과정에서 이용된 영상 압축 방법의 규칙, 예를 들어, 신택스(syntax)에 따라 생성될 수 있다.
AI 데이터는 제 2 DNN에 기반한 AI 업스케일(140)에 이용된다. 전술한 바와 같이, 제 1 DNN과 제 2 DNN은 연계 훈련되기 때문에, AI 데이터는 제 2 DNN을 통한 제 2 영상(135)의 정확한 AI 업스케일(140)이 수행될 수 있게 하는 정보를 포함한다. AI 복호화 과정에서는 AI 데이터에 기반하여 제 2 영상(135)을 타겟하는 해상도 및/또는 화질로 AI 업스케일(140)할 수 있다.
AI 데이터는 비트스트림의 형태로 영상 데이터와 함께 전송될 수 있다. 구현예에 따라, AI 데이터는 프레임이나 패킷 형태로 영상 데이터와 구분되어 전송될 수도 있다.
또는 구현예에 따라, AI 데이터는 영상 데이터에 포함되어 전송될 수도 있다.
영상 데이터와 AI 데이터는 동일한 네트워크 또는 서로 상이한 네트워크를 통해 전송될 수 있다.
도 2는 일 실시예에 따른 AI 복호화 장치(200)의 구성을 나타내는 블록도이다.
도 2를 참조하면, 일 실시예에 따른 AI 복호화 장치(200)는 수신부(210) 및 AI 복호화부(230)를 포함한다. AI 복호화부(230)는 파싱부(232), 제 1 복호화부(234), AI 업스케일부(236) 및 AI 설정부(238)를 포함할 수 있다.
도 2에는 수신부(210) 및 AI 복호화부(230)가 개별적인 장치로 도시되어 있으나, 수신부(210) 및 AI 복호화부(230)는 하나의 프로세서를 통해 구현될 수 있다. 이 경우, 수신부(210) 및 AI 복호화부(230)는 전용 프로세서로 구현될 수도 있고, AP(application processor) 또는 CPU(central processing unit), GPU(graphic processing unit)와 같은 범용 프로세서와 S/W의 조합을 통해 구현될 수도 있다. 또한, 전용 프로세서의 경우, 본 개시의 실시예를 구현하기 위한 메모리를 포함하거나, 외부 메모리를 이용하기 위한 메모리 처리부를 포함할 수 있다.
수신부(210) 및 AI 복호화부(230)는 복수의 프로세서로 구성될 수도 있다. 이 경우, 전용 프로세서들의 조합으로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 다수의 범용 프로세서들과 S/W의 조합을 통해 구현될 수도 있다. 일 실시예에서, 수신부(210)는 제 1 프로세서로 구현되고, 제 1 복호화부(234)는 제 1 프로세서와 상이한 제 2 프로세서로 구현되고, 파싱부(232), AI 업스케일부(236) 및 AI 설정부(238)는 제 1 프로세서 및 제 2 프로세서와 상이한 제 3 프로세서로 구현될 수 있다.
수신부(210)는 AI 부호화 결과 획득된 AI 부호화 데이터를 수신한다. 일 예로, AI 부호화 데이터는 mp4, mov 등의 파일 형식을 갖는 비디오 파일일 수 있다.
수신부(210)는 네트워크를 통해 전달되는 AI 부호화 데이터를 수신할 수 있다. 수신부(210)는 AI 부호화 데이터를 AI 복호화부(230)로 출력한다.
일 실시예에서, AI 부호화 데이터는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium) 등을 포함하는 데이터 저장 매체로부터 획득된 것일 수도 있다.
파싱부(232)는 AI 부호화 데이터를 파싱하여 제 1 영상(115)의 제 1 부호화 결과로 생성된 영상 데이터를 제 1 복호화부(234)로 전달하고, AI 데이터를 AI 설정부(238)로 전달한다.
일 실시예에서, 파싱부(232)는 AI 부호화 데이터 내에 서로 분리되어 포함된 영상 데이터와 AI 데이터를 파싱할 수 있다. 파싱부(232)는 AI 부호화 데이터 내의 헤더를 읽어 AI 부호화 데이터 내에 포함되어 있는 AI 데이터와 영상 데이터를 구분할 수 있다. 일 예에서, AI 데이터는 HDMI 스트림 내의 VSIF(Vendor Specific InfoFrame)에 포함될 수 있다.
서로 분리된 AI 데이터와 영상 데이터를 포함하는 AI 부호화 데이터의 구조는 도 9를 참조하여 후술한다.
다른 실시예에서, 파싱부(232)는 AI 부호화 데이터에서 영상 데이터를 파싱하고, 영상 데이터로부터 AI 데이터를 추출한 후, AI 데이터를 AI 설정부(238)로 전달하고, 나머지 영상 데이터를 제 1 복호화부(234)로 전달할 수 있다. 즉, AI 데이터는 영상 데이터에 포함될 수 있는데, 예를 들어, AI 데이터는 영상 데이터에 해당하는 비트스트림의 부가 정보 영역인 SEI(Supplemental enhancement information)에 포함될 수 있다. AI 데이터가 포함된 영상 데이터를 포함하는 AI 부호화 데이터의 구조는 도 10을 참조하여 후술한다.
다른 실시예에서, 파싱부(232)는 영상 데이터에 해당하는 비트스트림을 제 1 복호화부(234)에서 처리될 비트스트림과 AI 데이터에 해당하는 비트스트림으로 분할하고, 분할된 각각의 비트스트림을 제 1 복호화부(234)와 AI 설정부(238)로 출력할 수 있다.
파싱부(232)는 AI 부호화 데이터에 포함된 영상 데이터가 소정의 코덱(예를 들어, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 또는 AV1)을 통해 획득된 영상 데이터인 것으로 확인할 수도 있다. 이 경우, 영상 데이터가 상기 확인된 코덱으로 처리될 수 있도록, 해당 정보를 제 1 복호화부(234)로 전달할 수 있다.
제 1 복호화부(234)는 파싱부(232)로부터 수신된 영상 데이터에 기초하여 제 1 영상(115)에 대응하는 제 2 영상(135)을 복원한다. 제 1 복호화부(234)에 의해 획득된 제 2 영상(135)은 AI 업스케일부(236)로 제공된다.
구현예에 따라, 예측 모드 정보, 움직임 정보, 양자화 파라미터 정보 등의 제 1 복호화 관련 정보가 제 1 복호화부(234)로부터 AI 설정부(238)로 제공될 수 있다. 제 1 복호화 관련 정보는 DNN 설정 정보를 획득하는데 이용될 수 있다.
AI 설정부(238)로 제공되는 AI 데이터는, 제 2 영상(135)을 AI 업스케일할 수 있게 하는 정보들을 포함한다. 이때, 제 2 영상(135)의 업스케일 타겟은 제 1 DNN의 다운스케일 타겟에 대응하여야 한다. 따라서, AI 데이터는 제 1 DNN의 다운스케일 타겟을 확인할 수 있는 정보가 포함되어야 한다.
AI 데이터에 포함된 정보를 구체적으로 예시하면, 원본 영상(105)의 해상도와 제 1 영상(115)의 해상도의 차이 정보, 제 1 영상(115) 관련 정보가 있다.
차이 정보는, 원본 영상(105) 대비 제 1 영상(115)의 해상도 변환 정도에 대한 정보(예를 들어, 해상도 변환율 정보)로 표현될 수 있다. 그리고, 복원된 제 2 영상(135)의 해상도를 통해 제 1 영상(115)의 해상도를 알게 되고 이를 통해 해상도 변환 정도를 확인할 수 있기 때문에, 차이 정보는 원본 영상(105)의 해상도 정보만으로 표현될 수도 있다. 여기서 해상도 정보는 가로/세로의 화면 사이즈로 표현될 수도 있고, 비율(16:9, 4:3 등)과 한 축의 사이즈로 표현될 수도 있다. 또한, 기 설정된 해상도 정보가 있는 경우는 인덱스 또는 플래그의 형태로 표현될 수도 있다.
그리고, 제 1 영상(115) 관련 정보는, 제 1 영상(115)의 해상도, 제 1 영상(115)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트 및 제 1 영상(115)의 제 1 부호화시 이용된 코덱 타입 중 적어도 하나에 대한 정보를 포함할 수 있다.
AI 설정부(238)는 AI 데이터에 포함된 차이 정보 및 제 1 영상(115) 관련 정보 중 적어도 하나에 기초하여 제 2 영상(135)의 업스케일 타겟을 결정할 수 있다. 업스케일 타겟은 예를 들어, 제 2 영상(135)을 어느 정도의 해상도로 업스케일하여야 하는지를 나타낼 수 있다. AI 업스케일부(236)는 업스케일 타겟이 결정되면, 업스케일 타겟에 대응하는 제 3 영상(145)을 획득하기 위해 제 2 DNN을 통해 제 2 영상(135)을 AI 업스케일한다.
AI 설정부(238)가 AI 데이터에 기초하여 업스케일 타겟을 결정하는 방법을 설명하기에 앞서, 제 2 DNN을 통한 AI 업스케일 과정에 대해 도 3 및 도 4를 참조하여 설명한다.
도 3은 제 2 영상(135)의 AI 업스케일을 위한 제 2 DNN(300)을 나타내는 예시적인 도면이고, 도 4는 도 3에 도시된 제 1 컨볼루션 레이어(310)에서의 컨볼루션 연산을 도시하고 있다.
도 3에 도시된 바와 같이, 제 2 영상(135)은 제 1 컨볼루션 레이어(310)로 입력된다. 도 3에 도시된 제 1 컨볼루션 레이어(310)에 표시된 3X3X4는 3 x 3의 크기의 4개의 필터 커널을 이용하여 1개의 입력 영상에 대해 컨볼루션 처리를 하는 것을 예시한다. 컨볼루션 처리 결과 4개의 필터 커널에 의해 4개의 특징 맵이 생성된다. 각 특징 맵은 제 2 영상(135)의 고유한 특성들을 나타낸다. 예를 들어, 각 특징 맵은 제 2 영상(135)의 수직 방향 특성, 수평 방향 특성 또는 에지 특성 등을 나타낼 수 있다.
도 4를 참조하여, 제 1 컨볼루션 레이어(310)에서의 컨볼루션 연산에 대해 상세히 설명한다.
제 1 컨볼루션 레이어(310)에서 이용되는 3 X 3의 크기를 갖는 필터 커널(430)의 파라미터들과 그에 대응하는 제 2 영상(135) 내 픽셀 값들 사이의 곱 연산 및 덧셈 연산을 통해 하나의 특징 맵(450)이 생성될 수 있다. 제 1 컨볼루션 레이어(310)에서는 4개의 필터 커널이 이용되므로, 4개의 필터 커널을 이용한 컨볼루션 연산 과정을 통해 4개의 특징 맵이 생성될 수 있다.
도 4에서 제 2 영상(135)에 표시된 I1 내지 I49는 제 2 영상(135)의 픽셀들을 나타내고, 필터 커널(430)에 표시된 F1 내지 F9는 필터 커널(430)의 파라미터들을 나타낸다. 또한, 특징 맵(450)에 표시된 M1 내지 M9는 특징 맵(450)의 샘플들을 나타낸다.
도 4는 제 2 영상(135)이 49개의 픽셀을 포함하는 것으로 예시하고 있으나, 이는 하나의 예시일 뿐이며, 제 2 영상(135)이 4K의 해상도를 갖는 경우, 예를 들어, 3840 X 2160개의 픽셀을 포함할 수 있다.
컨볼루션 연산 과정에서, 제 2 영상(135)의 I1, I2, I3, I8, I9, I10, I15, I16, I17의 픽셀 값들 각각과 필터 커널(430)의 F1, F2, F3, F4, F5, F6, F7, F8 및 F9 각각의 곱 연산이 수행되고, 곱 연산의 결과 값들을 조합(예를 들어, 덧셈 연산)한 값이 특징 맵(450)의 M1의 값으로 할당될 수 있다. 컨볼루션 연산의 스트라이드(stride)가 2라면, 제 2 영상(135)의 I3, I4, I5, I10, I11, I12, I17, I18, I19의 픽셀 값들 각각과 필터 커널(430)의 F1, F2, F3, F4, F5, F6, F7, F8 및 F9 각각의 곱 연산이 수행되고, 곱 연산의 결과 값들을 조합한 값이 특징 맵(450)의 M2의 값으로 할당될 수 있다.
필터 커널(430)이 제 2 영상(135)의 마지막 픽셀에 도달할 때까지 스트라이드에 따라 이동하는 동안 제 2 영상(135) 내 픽셀 값들과 필터 커널(430)의 파라미터들 사이의 컨볼루션 연산이 수행됨으로써, 소정 크기를 갖는 특징 맵(450)이 획득될 수 있다.
본 개시에 따르면, 제 1 DNN과 제 2 DNN의 연계 훈련을 통해 제 2 DNN의 파라미터들, 예를 들어, 제 2 DNN의 컨볼루션 레이어들에서 이용되는 필터 커널의 파라미터들(예를 들어, 필터 커널(430)의 F1, F2, F3, F4, F5, F6, F7, F8 및 F9)의 값이 최적화될 수 있다. AI 설정부(238)는 AI 데이터에 기초하여, 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟을 결정하고, 결정된 업스케일 타겟에 대응하는 파라미터들을 제 2 DNN의 컨볼루션 레이어들에서 이용되는 필터 커널의 파라미터들로 결정할 수 있다.
제 1 DNN 및 제 2 DNN에 포함된 컨볼루션 레이어들은 도 4와 관련하여 설명한 컨볼루션 연산 과정에 따른 처리를 할 수 있으나, 도 4에서 설명한 컨볼루션 연산 과정은 하나의 예시일 뿐이며, 이에 한정되는 것은 아니다.
다시 도 3을 참조하면, 제 1 컨볼루션 레이어(310)에서 출력된 특징 맵들은 제 1 활성화 레이어(320)로 입력된다.
제 1 활성화 레이어(320)는 각각의 특징 맵에 대해 비선형(Non-linear) 특성을 부여할 수 있다. 제 1 활성화 레이어(320)는 시그모이드 함수(sigmoid function), Tanh 함수, ReLU(Rectified Linear Unit) 함수 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
제 1 활성화 레이어(320)에서 비선형 특성을 부여하는 것은, 제 1 컨볼루션 레이어(310)의 출력인, 특징 맵의 일부 샘플 값을 변경하여 출력하는 것을 의미한다. 이때, 변경은 비선형 특성을 적용하여 수행된다.
제 1 활성화 레이어(320)는 제 1 컨볼루션 레이어(310)로부터 출력되는 특징 맵들의 샘플 값들을 제 2 컨볼루션 레이어(330)로 전달할지 여부를 결정한다. 예를 들어, 특징 맵들의 샘플 값들 중 어떤 샘플 값들은 제 1 활성화 레이어(320)에 의해 활성화되어 제 2 컨볼루션 레이어(330)로 전달되고, 어떤 샘플 값들은 제 1 활성화 레이어(320)에 의해 비활성화되어 제 2 컨볼루션 레이어(330)로 전달되지 않는다. 특징 맵들이 나타내는 제 2 영상(135)의 고유 특성이 제 1 활성화 레이어(320)에 의해 강조된다.
제 1 활성화 레이어(320)에서 출력된 특징 맵들(325)은 제 2 컨볼루션 레이어(330)로 입력된다. 도 3에 도시된 특징 맵들(325) 중 어느 하나는 도 4와 관련하여 설명한 특징 맵(450)이 제 1 활성화 레이어(320)에서 처리된 결과이다.
제 2 컨볼루션 레이어(330)에 표시된 3X3X4는 3 x 3의 크기의 4개의 필터 커널을 이용하여 입력된 특징 맵들(325)에 대해 컨볼루션 처리하는 것을 예시한다. 제 2 컨볼루션 레이어(330)의 출력은 제 2 활성화 레이어(340)로 입력된다. 제 2 활성화 레이어(340)는 입력 데이터에 대해 비선형 특성을 부여할 수 있다.
제 2 활성화 레이어(340)에서 출력된 특징 맵들(345)은 제 3 컨볼루션 레이어(350)로 입력된다. 도 3에 도시된 제 3 컨볼루션 레이어(350)에 표시된 3X3X1는 3 x 3의 크기의 1개의 필터 커널을 이용하여 1개의 출력 영상을 만들기 위해 컨볼루션 처리를 하는 것을 예시한다. 제 3 컨볼루션 레이어(350)는 최종 영상을 출력하기 위한 레이어로서 1개의 필터 커널을 이용하여 1개의 출력을 생성한다. 본 개시의 예시에 따르면, 제 3 컨볼루션 레이어(350)는 컨벌루션 연산을 통해 제 3 영상(145)을 출력할 수 있다.
제 2 DNN(300)의 제 1 컨볼루션 레이어(310), 제 2 컨볼루션 레이어(330) 및 제 3 컨볼루션 레이어(350)의 필터 커널의 개수, 필터 커널의 파라미터 등을 나타내는 DNN 설정 정보는 후술하는 바와 같이 복수 개일 수 있는데, 복수의 DNN 설정 정보는 제 1 DNN의 복수의 DNN 설정 정보와 연계되어야 한다. 제 2 DNN의 복수의 DNN 설정 정보와 제 1 DNN의 복수의 DNN 설정 정보 사이의 연계는, 제 1 DNN 및 제 2 DNN의 연계 학습을 통해 구현될 수 있다.
도 3은 제 2 DNN(300)이 세 개의 컨볼루션 레이어(310, 330, 350)와 두 개의 활성화 레이어(320, 340)를 포함하고 있는 것으로 도시하고 있으나, 이는 하나의 예시일 뿐이며, 구현예에 따라서, 컨볼루션 레이어 및 활성화 레이어의 개수는 다양하게 변경될 수 있다. 또한, 구현예에 따라서, 제 2 DNN(300)은 RNN(recurrent neural network)을 통해 구현될 수도 있다. 이 경우는 본 개시의 예시에 따른 제 2 DNN(300)의 CNN 구조를 RNN 구조로 변경하는 것을 의미한다.
일 실시예에서, AI 업스케일부(236)는 전술한 컨볼루션 연산 및 활성화 레이어의 연산을 위한 적어도 하나의 ALU(Arithmetic logic unit)를 포함할 수 있다. ALU는 프로세서로 구현될 수 있다. 컨볼루션 연산을 위해, ALU는 제 2 영상(135) 또는 이전 레이어에서 출력된 특징 맵의 샘플 값들과 필터 커널의 샘플 값들 사이의 곱 연산을 수행하는 곱셈기 및 곱셈의 결과 값들을 더하는 가산기를 포함할 수 있다. 또한, 활성화 레이어의 연산을 위해, ALU는 미리 결정된 시그모이드 함수, Tanh 함수 또는 ReLU 함수 등에서 이용되는 가중치를 입력된 샘플 값에 곱하는 곱셈기, 및 곱한 결과와 소정 값을 비교하여 입력된 샘플 값을 다음 레이어로 전달할지를 판단하는 비교기를 포함할 수 있다.
이하에서, AI 설정부(238)가 업스케일 타겟을 결정하고, AI 업스케일부(236)가 업스케일 타겟에 맞춰 제 2 영상(135)을 AI 업스케일하는 방법을 설명한다.
일 실시예에서, AI 설정부(238)는 제 2 DNN에 세팅 가능한 복수의 DNN 설정 정보를 저장할 수 있다.
여기서, DNN 설정 정보는 제 2 DNN에 포함되는 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수 및 각 필터 커널의 파라미터 중 적어도 하나에 대한 정보를 포함할 수 있다. 복수의 DNN 설정 정보는 다양한 업스케일 타겟에 각각 대응될 수 있으며, 특정 업스케일 타겟에 대응되는 DNN 설정 정보에 기반하여 제 2 DNN이 동작할 수 있다. DNN 설정 정보에 따라 제 2 DNN이 서로 다른 구조를 가질 수 있다. 예를 들어, 어느 DNN 설정 정보에 따라 제 2 DNN이 3개의 컨볼루션 레이어를 포함할 수 있고, 다른 DNN 설정 정보에 따라 제 2 DNN이 4개의 컨볼루션 레이어를 포함할 수 있다.
일 실시예에서, DNN 설정 정보는 제 2 DNN에서 사용되는 필터 커널의 파라미터만을 포함할 수도 있다. 이 경우, 제 2 DNN의 구조는 변경되지 않는 대신, DNN 설정 정보에 따라 내부의 필터 커널의 파라미터만이 달라질 수 있다.
AI 설정부(238)는 복수의 DNN 설정 정보 중 제 2 영상(135)의 AI 업스케일을 위한 DNN 설정 정보를 획득할 수 있다. 여기서 사용되는 복수의 DNN 설정 정보 각각은 미리 결정된 해상도 및/또는 미리 결정된 화질의 제 3 영상(145)을 획득하기 위한 정보로, 제 1 DNN과 연계하여 훈련된 것이다.
예를 들어, 복수의 DNN 설정 정보 중 어느 하나의 DNN 설정 정보는 제 2 영상(135)의 해상도보다 2배 큰 해상도의 제 3 영상(145), 예를 들어, 2K (2048*1080)의 제 2 영상(135)보다 2배 큰 4K(4096*2160)의 제 3 영상(145)을 획득하기 위한 정보들을 포함할 수 있고, 다른 하나의 DNN 설정 정보는 제 2 영상(135)의 해상도보다 4배 큰 해상도의 제 3 영상(145), 예를 들어, 2K (2048*1080)의 제 2 영상(135)보다 4배 큰 8K(8192*4320)의 제 3 영상(145)을 획득하기 위한 정보들을 포함할 수 있다.
복수의 DNN 설정 정보 각각은 AI 부호화 장치(700)의 제 1 DNN의 DNN 설정 정보와 연계되어 만들어진 것이며, AI 설정부(238)는 제 1 DNN의 DNN 설정 정보의 축소 비율에 대응되는 확대 비율에 따라 복수의 DNN 설정 정보 중 하나의 DNN 설정 정보를 획득한다. 이를 위해, AI 설정부(238)는 제 1 DNN의 정보를 확인하여야 한다. 제 1 DNN의 정보를 AI 설정부(238)가 확인하기 위해, 일 실시예에 따른 AI 복호화 장치(200)는 AI 부호화 장치(700)로부터 제 1 DNN의 정보를 포함하는 AI 데이터를 수신한다.
다시 말하면, AI 설정부(238)는 AI 부호화 장치(700)로부터 수신되는 정보들을 이용하여, 제 1 영상(115)을 획득하기 위해 이용된 제 1 DNN의 DNN 설정 정보가 타겟하는 정보를 확인하고, 그와 연계 훈련된 제 2 DNN의 DNN 설정 정보를 획득할 수 있는 것이다.
복수의 DNN 설정 정보 중 제 2 영상(135)의 AI 업스케일을 위한 DNN 설정 정보가 획득되면, DNN 설정 정보는 AI 업스케일부(236)로 전달되고, DNN 설정 정보에 따라 동작하는 제 2 DNN에 기초하여 입력 데이터가 처리될 수 있다.
예를 들어, AI 업스케일부(236)는 어느 하나의 DNN 설정 정보가 획득되면, 도 3에 도시된 제 2 DNN(300)의 제 1 컨볼루션 레이어(310), 제 2 컨볼루션 레이어(330) 및 제 3 컨볼루션 레이어(350) 각각에 대해서, 각 레이어에 포함되는 필터 커널의 개수와 필터 커널의 파라미터들을, 상기 획득된 DNN 설정 정보에 포함된 값으로 설정한다.
구체적으로, AI 업스케일부(236)는 도 4에 도시된 제 2 DNN의 어느 하나의 컨볼루션 레이어에서 이용되는 3 X 3의 필터 커널의 파라미터들이 {1, 1, 1, 1, 1, 1, 1, 1, 1}이고, DNN 설정 정보의 변경이 있는 경우, 필터 커널의 파라미터들을 변경된 DNN 설정 정보에 포함된 파라미터들인 {2, 2, 2, 2, 2, 2, 2, 2, 2}로 교체할 수 있는 것이다.
AI 설정부(238)는 AI 데이터에 포함된 정보에 기초하여 복수의 DNN 설정 정보 중 제 2 영상(135)을 업스케일하기 위한 DNN 설정 정보를 획득할 수 있는데, DNN 설정 정보를 획득하는데 이용되는 AI 데이터에 대해 구체적으로 설명한다.
일 실시예에서, AI 설정부(238)는 AI 데이터에 포함된 차이 정보에 기초하여, 복수의 DNN 설정 정보 중 제 2 영상(135)을 업스케일하기 위한 DNN 설정 정보를 획득할 수 있다. 예를 들어, 차이 정보에 기초하여 원본 영상(105)의 해상도(예를 들어, 4K(4096*2160))가 제 1 영상(115)의 해상도(예를 들어, 2K (2048*1080))보다 2배 큰 것으로 확인된 경우, AI 설정부(238)는 제 2 영상(135)의 해상도를 2배 증가시킬 수 있는 DNN 설정 정보를 획득할 수 있다.
다른 실시예에서, AI 설정부(238)는 AI 데이터에 포함된 제 1 영상(115) 관련 정보에 기초하여, 복수의 DNN 설정 정보 중 제 2 영상(135)을 AI 업스케일하기 위한 DNN 설정 정보를 획득할 수 있다. AI 설정부(238)는 영상 관련 정보들과 DNN 설정 정보들 사이의 매핑 관계를 미리 결정하고, 제 1 영상(115) 관련 정보에 매핑된 DNN 설정 정보를 획득할 수 있다.
도 5는 여러 영상 관련 정보들과 여러 DNN 설정 정보들 사이의 매핑 관계를 나타내는 예시적인 도면이다.
도 5에 따른 실시예를 통해, 본 개시의 일 실시예의 AI 부호화/AI 복호화 과정은 해상도의 변화만을 고려하는 것이 아님을 알 수 있다. 도 5에 도시된 바와 같이, SD, HD, Full HD와 같은 해상도, 10Mbps, 15Mbps, 20Mbps와 같은 비트레이트, 그리고 AV1, H.264, HEVC와 같은 코덱 정보를 개별적으로 또는 모두 고려하여 DNN 설정 정보의 선택이 이루어질 수 있다. 이러한 고려를 위해서는 AI 훈련 과정에서 각각의 요소들을 고려한 훈련이 부호화, 복호화 과정에 연계되어 이루어져야 한다(도 11 참조).
따라서, 훈련 내용에 따라서 도 5에 도시된 바와 같이, 코덱 타입, 영상의 해상도 등을 포함하는 영상 관련 정보에 기반하여 복수의 DNN 설정 정보가 구비된 경우, AI 복호화 과정에서 전달받는 제 1 영상(115) 관련 정보에 기반하여 제 2 영상(135)의 AI 업스케일을 위한 DNN 설정 정보를 획득할 수 있다.
즉, AI 설정부(238)는 도 5에 도시된 표의 좌측에 도시된 영상 관련 정보와 표 우측의 DNN 설정 정보를 매칭하고 있음으로써, 영상 관련 정보에 따른 DNN 설정 정보를 사용할 수 있는 것이다.
도 5에 예시된 바와 같이, 제 1 영상(115) 관련 정보로부터 제 1 영상(115)의 해상도가 SD이고, 제 1 영상(115)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트가 10Mbps이고, 제 1 영상(115)이 AV1 코덱으로 제 1 부호화된 것으로 확인되면, AI 설정부(238)는 복수의 DNN 설정 정보 중 A DNN 설정 정보를 획득할 수 있다.
또한, 제 1 영상(115) 관련 정보로부터 제 1 영상(115)의 해상도가 HD이고, 제 1 부호화 결과 획득된 영상 데이터의 비트레이트가 15Mbps이고, 제 1 영상(115)이 H.264 코덱으로 제 1 부호화된 것으로 확인되면, AI 설정부(238)는 복수의 DNN 설정 정보 중 B DNN 설정 정보를 획득할 수 있다.
또한, 제 1 영상(115) 관련 정보로부터 제 1 영상(115)의 해상도가 Full HD이고, 제 1 영상(115)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트가 20Mbps이고, 제 1 영상(115)이 HEVC 코덱으로 제 1 부호화된 것으로 확인되면, AI 설정부(238)는 복수의 DNN 설정 정보 중 C DNN 설정 정보를 획득하고, 제 1 영상(115)의 해상도가 Full HD이고, 제 1 영상(115)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트가 15Mbps이고, 제 1 영상(115)이 HEVC 코덱으로 제 1 부호화된 것으로 확인되면, AI 설정부(238)는 복수의 DNN 설정 정보 중 D DNN 설정 정보를 획득할 수 있다. 제 1 영상(115)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트가 20Mbps인지 또는 15Mbps인지에 따라 C DNN 설정 정보와 D DNN 설정 정보 중에서 어느 하나가 선택된다. 동일 해상도의 제 1 영상(115)을 동일 코덱으로 제 1 부호화하였을 때, 영상 데이터의 비트레이트가 서로 상이하다는 것은, 복원되는 영상의 화질이 서로 상이하다는 것을 의미한다. 따라서, 제 1 DNN과 제 2 DNN은 소정 화질에 기반하여 연계 훈련될 수 있으며, 이에 따라 AI 설정부(238)는 제 2 영상(135)의 화질을 나타내는, 영상 데이터의 비트레이트에 따라 DNN 설정 정보를 획득할 수 있다.
또 다른 실시예에서, AI 설정부(238)는 제 1 복호화부(234)로부터 제공되는 정보(예측 모드 정보, 움직임 정보, 양자화 파라미터 정보 등)와 AI 데이터에 포함된 제 1 영상(115) 관련 정보를 모두 고려하여 복수의 DNN 설정 정보 중 제 2 영상(135)을 AI 업스케일하기 위한 DNN 설정 정보를 획득할 수도 있다. 예를 들어, AI 설정부(238)는 제 1 복호화부(234)로부터 제 1 영상(115)의 제 1 부호화 과정에서 이용된 양자화 파라미터 정보를 전달받고, AI 데이터로부터 제 1 영상(115)의 부호화 결과 획득된 영상 데이터의 비트레이트를 확인하고, 양자화 파라미터 및 비트레이트에 대응하는 DNN 설정 정보를 획득할 수도 있다. 동일한 비트레이트라도 영상의 복잡도에 따라 복원 영상의 화질 정도에 차이가 있을 수 있으며, 비트레이트는 제 1 부호화되는 제 1 영상(115) 전체를 대표하는 값으로서 제 1 영상(115) 내에서도 각 프레임의 화질이 서로 다를 수 있다. 따라서, 제 1 복호화부(234)로부터 각 프레임 별로 획득할 수 있는 예측 모드 정보, 움직임 정보 및/또는 양자화 파라미터를 함께 고려하면, AI 데이터만 이용하는 것에 비해 제 2 영상(135)에 보다 적합한 DNN 설정 정보를 획득할 수 있다.
또한, 구현예에 따라, AI 데이터는 상호 약속된 DNN 설정 정보의 식별자를 포함할 수 있다. DNN 설정 정보의 식별자는, 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로, 제 2 영상(135)을 AI 업스케일할 수 있도록, 제 1 DNN과 제 2 DNN 간 연계 훈련된 DNN 설정 정보의 쌍을 구분하기 위한 정보이다. AI 설정부(238)는 AI 데이터에 포함된 DNN 설정 정보의 식별자를 획득한 후, DNN 설정 정보의 식별자에 대응하는 DNN 설정 정보를 획득하고, AI 업스케일부(236)는 해당 DNN 설정 정보를 사용하여 제 2 영상(135)을 AI 업스케일할 수 있다. 예를 들어, 제 1 DNN에 설정 가능한 복수의 DNN 설정 정보 각각을 가리키는 식별자와 제 2 DNN에 설정 가능한 복수의 DNN 설정 정보 각각을 가리키는 식별자가 미리 지정되어 있을 수 있다. 이 경우, 제 1 DNN 및 제 2 DNN 각각에 설정 가능한 DNN 설정 정보의 쌍에 대해 동일한 식별자가 지정될 수 있다. AI 데이터는 원본 영상(105)의 AI 다운스케일을 위해 제 1 DNN에 설정된 DNN 설정 정보의 식별자를 포함할 수 있다. AI 데이터를 수신한 AI 설정부(238)는 복수의 DNN 설정 정보 중 AI 데이터에 포함된 식별자가 가리키는 DNN 설정 정보를 획득하고, AI 업스케일부(236)는 해당 DNN 설정 정보를 이용하여 제 2 영상(135)을 AI 업스케일할 수 있다.
또한, 구현예에 따라, AI 데이터는 DNN 설정 정보를 포함할 수도 있다. AI 설정부(238)는 AI 데이터에 포함된 DNN 설정 정보를 획득하고, AI 업스케일부(236)는 해당 DNN 설정 정보를 사용하여 제 2 영상(135)을 AI 업스케일할 수도 있다.
구현예에 따라, DNN 설정 정보를 구성하는 정보들(예를 들어, 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수, 각 필터 커널의 파라미터 등)들이 룩업 테이블 형태로 저장되어 있는 경우, AI 설정부(238)는 AI 데이터에 포함된 정보에 기초하여 룩업 테이블 값들 중에서 선택된 일부를 조합하여 DNN 설정 정보를 획득하고, AI 업스케일부(236)는 해당 DNN 설정 정보를 사용하여 제 2 영상(135)을 AI 업스케일할 수도 있다.
구현예에 따라, AI 설정부(238)는 업스케일 타겟에 대응되는 DNN의 구조가 결정되면, 결정된 DNN의 구조에 대응하는 DNN 설정 정보, 예를 들어, 필터 커널의 파라미터들을 획득할 수도 있다.
전술한 바와 같이, AI 설정부(238)는 제 1 DNN과 관련된 정보를 포함하는 AI 데이터를 통해 제 2 DNN의 DNN 설정 정보를 획득하고, AI 업스케일부(236)는 해당 DNN 설정 정보로 세팅된 제 2 DNN을 통해 제 2 영상(135)을 AI 업스케일하는 데, 이는, 제 2 영상(135)의 특징을 직접 분석하여 업스케일하는 것과 비교하여 메모리 사용량과 연산량이 감소될 수 있다.
일 실시예에서, 제 2 영상(135)이 복수의 프레임으로 구성된 경우, AI 설정부(238)는 소정 개수의 프레임 별로 DNN 설정 정보를 독립적으로 획득할 수 있고, 또는, 전체 프레임에 대해 공통된 DNN 설정 정보를 획득할 수도 있다.
도 6은 복수의 프레임으로 구성된 제 2 영상(135)을 도시하는 도면이다.
도 6에 도시된 바와 같이, 제 2 영상(135)은 t0 내지 tn에 대응하는 프레임들로 이루어질 수 있다.
일 예시에서, AI 설정부(238)는 AI 데이터를 통해 제 2 DNN의 DNN 설정 정보를 획득하고, AI 업스케일부(236)는 해당 DNN 설정 정보에 기초하여 t0 내지 tn에 대응하는 프레임들을 AI 업스케일할 수 있다. 즉, t0 내지 tn에 대응하는 프레임들이 공통된 DNN 설정 정보에 기초하여 AI 업스케일될 수 있다.
다른 예시에서, AI 설정부(238)는 t0 내지 tn에 대응하는 프레임들 중 일부의 프레임들, 예를 들어, t0 내지 ta에 대응하는 프레임들에 대해 AI 데이터로부터 'A' DNN 설정 정보를 획득하고, ta+1 내지 tb에 대응하는 프레임들에 대해 AI 데이터로부터 'B' DNN 설정 정보획득할 수 있다. 또한, AI 설정부(238)는 tb+1 내지 tn에 대응하는 프레임들에 대해 AI 데이터로부터 'C' DNN 설정 정보획득할 수 있다. 다시 말하면, AI 설정부(238)는 복수의 프레임들 중 소정 개수의 프레임을 포함하는 그룹마다 DNN 설정 정보를 독립적으로 획득하고, AI 업스케일부(236)는그룹 각각에 포함된 프레임들을 독립적으로 획득한 DNN 설정 정보로 AI 업스케일할 수 있다.
또 다른 예시에서, AI 설정부(238)는 제 2 영상(135)을 구성하는 프레임별로 DNN 설정 정보를 독립적으로 획득할 수도 있다. 예를 들어, 제 2 영상(135)이 3개의 프레임으로 구성되어 있는 경우, AI 설정부(238)는 첫 번째 프레임과 관련하여 DNN 설정 정보를 획득하고, 두 번째 프레임과 관련하여 DNN 설정 정보를 획득하고, 세 번째 프레임과 관련하여 DNN 설정 정보를 획득할 수 있다. 즉, 첫 번째 프레임, 두 번째 프레임 및 세 번째 프레임 각각에 대해 DNN 설정 정보가 독립적으로 획득될 수 있다. 전술한, 제 1 복호화부(234)로부터 제공되는 정보(예측 모드 정보, 움직임 정보, 양자화 파라미터 정보 등)와 AI 데이터에 포함된 제 1 영상(115) 관련 정보에 기초하여 DNN 설정 정보가 획득되는 방식에 따라, 제 2 영상(135)을 구성하는 프레임별로 DNN 설정 정보가 독립적으로 획득될 수 있다. 왜냐하면, 모드 정보, 양자화 파라미터 정보 등은 제 2 영상(135)을 구성하는 프레임마다 독립적으로 결정될 수 있기 때문이다.
또 다른 예시에서, AI 데이터는 AI 데이터에 기초하여 획득되는 DNN 설정 정보가 어느 프레임까지 유효한 것인지를 나타내는 정보를 포함할 수 있다. 예를 들어, AI 데이터 내에 DNN 설정 정보가 ta 프레임까지 유효하다는 정보가 포함되어 있는 경우, AI 설정부(238)는 AI 데이터에 기초하여 DNN 설정 정보를 획득하고, AI 업스케일부(236)는 t0 내지 ta 프레임들을 해당 DNN 설정 정보로 AI 업스케일한다. 그리고, 다른 AI 데이터 내에 DNN 설정 정보가 tn 프레임까지 유효하다는 정보가 포함되어 있는 경우, AI 설정부(238)는 상기 다른 AI 데이터에 기초하여 DNN 설정 정보를 획득하고, AI 업스케일부(236)는 획득한 DNN 설정 정보로 ta+1 내지 tn 프레임들을 AI 업스케일할 수 있다.
이하에서는, 도 7을 참조하여, 원본 영상(105)의 AI 부호화를 위한 AI 부호화 장치(700)에 대해 설명한다.
도 7은 일 실시예에 따른 AI 부호화 장치(700)의 구성을 나타내는 블록도이다.
도 7을 참조하면, AI 부호화 장치(700)는 AI 부호화부(710) 및 전송부(730)를 포함할 수 있다. AI 부호화부(710)는 AI 다운스케일부(712), 제 1 부호화부(714), 데이터 처리부(716) 및 AI 설정부(718)를 포함할 수 있다.
도 7은 AI 부호화부(710) 및 전송부(730)를 개별적인 장치로 도시하고 있으나, AI 부호화부(710) 및 전송부(730)는 하나의 프로세서를 통해 구현될 수 있다. 이 경우, 전용 프로세서로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 범용 프로세서와 S/W의 조합을 통해 구현될 수도 있다. 또한, 전용 프로세서의 경우, 본 개시의 실시예를 구현하기 위한 메모리를 포함하거나, 외부 메모리를 이용하기 위한 메모리 처리부를 포함할 수 있다.
또한, AI 부호화부(710) 및 전송부(730)는 복수의 프로세서로 구성될 수도 있다. 이 경우, 전용 프로세서들의 조합으로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 다수의 범용 프로세서들과 S/W의 조합을 통해 구현될 수도 있다.
일 실시예에서, 제 1 부호화부(714)는 제 1 프로세서로 구성되고, AI 다운스케일부(712), 데이터 처리부(716) 및 AI 설정부(718)는 제 1 프로세서와 상이한 제 2 프로세서로 구현되고, 전송부(730)는 제 1 프로세서 및 제 2 프로세서와 상이한 제 3 프로세서로 구현될 수 있다.AI 부호화부(710)는 원본 영상(105)의 AI 다운스케일 및 제 1 영상(115)의 제 1 부호화를 수행하고, AI 부호화 데이터를 전송부(730)로 전달한다. 전송부(730)는 AI 부호화 데이터를 AI 복호화 장치(200)로 전송한다.
영상 데이터는 제 1 영상(115)의 제 1 부호화 결과 획득된 데이터를 포함한다. 영상 데이터는 제 1 영상(115) 내 픽셀 값들에 기초하여 획득되는 데이터, 예를 들어, 제 1 영상(115)과 제 1 영상(115)의 예측 데이터 사이의 차이인 잔차 데이터를 포함할 수 있다. 또한, 영상 데이터는 제 1 영상(115)의 제 1 부호화 과정에서 이용된 정보들을 포함한다. 예를 들어, 영상 데이터는 제 1 영상(115)을 제 1 부호화하는데 이용된 예측 모드 정보, 움직임 정보 및 제 1 영상(115)을 제 1 부호화하는데 이용된 양자화 파라미터 관련 정보 등을 포함할 수 있다.
AI 데이터는, AI 업스케일부(236)가 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로 제 2 영상(135)을 AI 업스케일할 수 있게 하는 정보들을 포함한다. 일 예에서, AI 데이터는 원본 영상(105)과 제 1 영상(115) 사이의 차이 정보를 포함할 수 있다. 일 예에서, AI 데이터는 제 1 영상(115) 관련 정보를 포함할 수도 있다. 제 1 영상(115) 관련 정보는, 제 1 영상(115)의 해상도, 제 1 영상(115)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트 및 제 1 영상(115)의 제 1 부호화시 이용된 코덱 타입 중 적어도 하나에 대한 정보를 포함할 수 있다.
일 실시예에서, AI 데이터는, 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로 제 2 영상(135)이 AI 업스케일될 수 있도록, 상호 약속된 DNN 설정 정보의 식별자를 포함할 수 있다.
또한, 일 실시예에서, AI 데이터는 제 2 DNN에 세팅 가능한 DNN 설정 정보를 포함할 수도 있다.
AI 다운스케일부(712)는 제 1 DNN을 통해 원본 영상(105)으로부터 AI 다운스케일된 제 1 영상(115)을 획득할 수 있다. AI 다운스케일부(712)는 AI 설정부(718)로부터 제공된 DNN 설정 정보를 이용하여 원본 영상(105)을 AI 다운스케일할 수 있다. AI 설정부(718)는 미리 결정된 기준에 기초하여 원본 영상(105)의 다운스케일 타겟을 결정할 수 있다.
다운스케일 타겟에 부합하는 제 1 영상(115)의 획득을 위해, AI 설정부(718)는 제 1 DNN에 세팅 가능한 복수의 DNN 설정 정보를 저장할 수 있다. AI 설정부(718)는 복수의 DNN 설정 정보 중 다운스케일 타겟에 대응하는 DNN 설정 정보를 획득하고, 획득된 DNN 설정 정보를 AI 다운스케일부(712)로 제공한다.
상기 복수의 DNN 설정 정보 각각은 미리 결정된 해상도 및/또는 미리 결정된 화질의 제 1 영상(115)을 획득하기 위해 훈련된 것일 수 있다. 예를 들어, 복수의 DNN 설정 정보 중 어느 하나의 DNN 설정 정보는 원본 영상(105)의 해상도보다 1/2배만큼 작은 해상도의 제 1 영상(115), 예를 들어, 4K(4096*2160)의 원본 영상(105)보다 1/2배 작은 2K (2048*1080)의 제 1 영상(115)을 획득하기 위한 정보들을 포함할 수 있고, 다른 하나의 DNN 설정 정보는 원본 영상(105)의 해상도보다 1/4배만큼 작은 해상도의 제 1 영상(115), 예를 들어, 8K(8192*4320)의 원본 영상(105)보다 1/4배 작은 2K (2048*1080)의 제 1 영상(115)을 획득하기 위한 정보들을 포함할 수 있다.
구현예에 따라, DNN 설정 정보를 구성하는 정보들(예를 들어, 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수, 각 필터 커널의 파라미터 등)이 룩업 테이블 형태로 저장되어 있는 경우, AI 설정부(718)는 다운스케일 타겟에 따라 룩업 테이블 값들 중에서 선택된 일부를 조합하여 획득한 DNN 설정 정보를 AI 다운스케일부(712)로 제공할 수도 있다.
구현예에 따라, AI 설정부(718)는 다운스케일 타겟에 대응되는 DNN의 구조를 결정하고, 결정된 DNN의 구조에 대응하는 DNN 설정 정보, 예를 들어, 필터 커널의 파라미터들을 획득할 수도 있다.
원본 영상(105)의 AI 다운스케일을 위한 복수의 DNN 설정 정보는, 제 1 DNN과 제 2 DNN이 연계 훈련됨으로써, 최적화된 값을 가질 수 있다. 여기서, 각 DNN 설정 정보는 제 1 DNN에 포함되는 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수 및 각 필터 커널의 파라미터 중 적어도 하나를 포함한다.
AI 다운스케일부(712)는 원본 영상(105)의 AI 다운스케일을 위해 결정된 DNN 설정 정보로 제 1 DNN을 세팅하여, 소정 해상도 및/또는 소정 화질의 제 1 영상(115)을 제 1 DNN을 통해 획득할 수 있다. 복수의 DNN 설정 정보 중 원본 영상(105)의 AI 다운스케일을 위한 DNN 설정 정보가 획득되면, 제 1 DNN 내 각 레이어는 DNN 설정 정보에 포함된 정보들에 기초하여 입력된 데이터를 처리할 수 있다.
이하에서는, AI 설정부(718)가 다운스케일 타겟을 결정하는 방법에 대해 설명한다. 상기 다운스케일 타겟은 예를 들어, 원본 영상(105)으로부터 얼마나 해상도가 감소한 제 1 영상(115)을 획득해야 하는지를 나타낼 수 있다.
AI 설정부(718)는 하나 이상의 입력 정보를 획득한다. 일 실시예에서, 입력 정보는 제 1 영상(115)의 타겟 해상도, 영상 데이터의 타겟 비트레이트, 영상 데이터의 비트레이트 타입(예를 들어, variable bitrate 타입, constant bitrate 타입 또는 average bitrate 타입 등), AI 다운스케일이 적용되는 컬러 포맷(휘도 성분, 색차 성분, 레드 성분, 그린 성분 또는 블루 성분 등), 제 1 영상(115)의 제 1 부호화를 위한 코덱 타입, 압축 히스토리 정보, 원본 영상(105)의 해상도 및 원본 영상(105)의 타입 중 적어도 하나를 포함할 수 있다.
하나 이상의 입력 정보는 AI 부호화 장치(700)에 미리 저장되거나, 사용자로부터 입력받은 정보를 포함할 수 있다.
AI 설정부(718)는 입력 정보에 기초하여 AI 다운스케일부(712)의 동작을 제어한다. 일 실시예에서, AI 설정부(718)는 입력 정보에 따라 다운스케일 타겟을 결정하고, 결정된 다운스케일 타겟에 대응하는 DNN 설정 정보를 AI 다운스케일부(712)로 제공할 수 있다.
일 실시예에서, AI 설정부(718)는 입력 정보의 적어도 일부를 제 1 부호화부(714)로 전달하여 제 1 부호화부(714)가 특정 값의 비트레이트, 특정 타입의 비트레이트 및 특정 코덱으로 제 1 영상(115)을 제 1 부호화하게 할 수도 있다.
일 실시예에서, AI 설정부(718)는 압축률(예를 들어, 원본 영상(105)과 제 1 영상(115) 사이의 해상도 차이, 타겟 비트레이트), 압축 품질(예를 들어, 비트레이트 타입), 압축 히스토리 정보 및 원본 영상(105)의 타입 중 적어도 하나에 기초하여 다운스케일 타겟을 결정할 수 있다.
일 예에서, AI 설정부(718)는 미리 설정되거나, 사용자로부터 입력받은 압축률 또는 압축 품질 등에 기반하여 다운스케일 타겟을 결정할 수 있다.
다른 예로, AI 설정부(718)는 AI 부호화 장치(700)에 저장된 압축 히스토리 정보를 이용하여 다운스케일 타겟을 결정할 수도 있다. 예를 들어, AI 부호화 장치(700)가 이용할 수 있는 압축 히스토리 정보에 따르면, 사용자가 선호하는 부호화 품질 또는 압축률 등이 결정될 수 있으며, 압축 히스토리 정보에 기초하여 결정된 부호화 품질 등에 따라 다운스케일 타겟이 결정될 수 있다. 예를 들면, 압축 히스토리 정보에 따라 가장 많이 이용된 적이 있는 부호화 품질에 따라 제 1 영상(115)의 해상도, 화질 등이 결정될 수 있다.
또 다른 예로, AI 설정부(718)는 압축 히스토리 정보에 따라 소정의 임계 값보다 많이 이용된 적이 있는 부호화 품질(예를 들면, 소정의 임계값보다 많이 이용된 적이 있는 부호화 품질들의 평균 품질)에 기초하여 다운스케일 타겟을 결정할 수도 있다.
또 다른 예로, AI 설정부(718)는 원본 영상(105)의 해상도, 타입(예를 들어, 파일의 형식)등에 기초하여 다운스케일 타겟을 결정할 수도 있다.
일 실시예에서, 원본 영상(105)이 복수의 프레임으로 구성된 경우, AI 설정부(718)는 소정 개수의 프레임 별로 DNN 설정 정보를 독립적으로 획득하고, 독립적으로 획득한 DNN 설정 정보를 AI 다운스케일부(712)로 제공할 수도 있다.
일 예시에서, AI 설정부(718)는 원본 영상(105)을 구성하는 프레임들을 소정 개수의 그룹으로 구분하고, 각 그룹별로 DNN 설정 정보를 독립적으로 획득할 수 있다. 각 그룹에 대해 서로 동일하거나 서로 상이한 DNN 설정 정보가 획득될 수 있다. 그룹들에 포함된 프레임들의 개수는 그룹별로 동일하거나 상이할 수 있다.
다른 예시에서, AI 설정부(718)는 원본 영상(105)을 구성하는 프레임별로 DNN 설정 정보를 독립적으로 결정할 수 있다. 각각의 프레임에 대해 서로 동일하거나 서로 상이한 DNN 설정 정보가 획득될 수 있다.
이하에서는, AI 다운스케일의 기반이 되는 제 1 DNN(800)의 예시적인 구조에 대해 설명한다.
도 8은 원본 영상(105)의 AI 다운스케일을 위한 제 1 DNN(800)을 나타내는 예시적인 도면이다.
도 8에 도시된 바와 같이, 원본 영상(105)은 제 1 컨볼루션 레이어(810)로 입력된다. 제 1 컨볼루션 레이어(810)는 5 x 5의 크기의 32개의 필터 커널을 이용하여 원본 영상(105)에 대해 컨볼루션 처리를 한다. 컨볼루션 처리 결과 생성된 32개의 특징 맵은 제 1 활성화 레이어(820)로 입력된다. 제 1 활성화 레이어(820)는 32개의 특징 맵에 대해 비선형(Non-linear) 특성을 부여할 수 있다.
제 1 활성화 레이어(820)는 제 1 컨볼루션 레이어(810)로부터 출력되는 특징 맵들의 샘플 값들을 제 2 컨볼루션 레이어(830)로 전달할지 여부를 결정한다. 예를 들어, 특징 맵들의 샘플 값들 중 어떤 샘플 값들은 제 1 활성화 레이어(820)에 의해 활성화되어 제 2 컨볼루션 레이어(830)로 전달되고, 어떤 샘플 값들은 제 1 활성화 레이어(820)에 의해 비활성화되어 제 2 컨볼루션 레이어(830)로 전달되지 않는다. 제 1 컨볼루션 레이어(810)로부터 출력되는 특징 맵들이 나타내는 정보가 제 1 활성화 레이어(820)에 의해 강조된다.
제 1 활성화 레이어(820)의 출력(825)이 제 2 컨볼루션 레이어(830)로 입력된다. 제 2 컨볼루션 레이어(830)는 5 x 5의 크기의 32개의 필터 커널을 이용하여 입력 데이터에 대해 컨볼루션 처리를 한다. 컨볼루션 처리 결과 출력된 32개의 특징 맵은 제 2 활성화 레이어(840)로 입력되고, 제 2 활성화 레이어(840)는 32개의 특징 맵에 대해 비선형 특성을 부여할 수 있다.
제 2 활성화 레이어(840)의 출력(845)은 제 3 컨볼루션 레이어(850)로 입력된다. 제 3 컨볼루션 레이어(850)는 5 x 5의 크기의 1개의 필터 커널을 이용하여 입력된 데이터에 대해 컨볼루션 처리를 한다. 컨볼루션 처리 결과 제 3 컨볼루션 레이어(850)로부터 1개의 영상이 출력될 수 있다. 제 3 컨볼루션 레이어(850)는 최종 영상을 출력하기 위한 레이어로서 1개의 필터 커널을 이용하여 1개의 출력을 획득한다. 본 개시의 예시에 따르면, 제 3 컨볼루션 레이어(850)는 컨벌루션 연산 결과를 통해 제 1 영상(115)을 출력할 수 있다.
제 1 DNN(800)의 제 1 컨볼루션 레이어(810), 제 2 컨볼루션 레이어(830) 및 제 3 컨볼루션 레이어(850)의 필터 커널의 개수, 필터 커널의 파라미터 등을 나타내는 DNN 설정 정보는 복수 개일 수 있는데, 복수의 DNN 설정 정보는 제 2 DNN의 복수의 DNN 설정 정보와 연계되어야 한다. 제 1 DNN의 복수의 DNN 설정 정보와 제 2 DNN의 복수의 DNN 설정 정보 사이의 연계는, 제 1 DNN 및 제 2 DNN의 연계 학습을 통해 구현될 수 있다.
도 8은 제 1 DNN(800)이 세 개의 컨볼루션 레이어(810, 830, 750)와 두 개의 활성화 레이어(820, 840)를 포함하고 있는 것으로 도시하고 있으나, 이는 하나의 예시일 뿐이며, 구현예에 따라서, 컨볼루션 레이어 및 활성화 레이어의 개수는 다양하게 변경될 수 있다. 또한, 구현예에 따라서, 제 1 DNN(800)은 RNN(recurrent neural network)을 통해 구현될 수도 있다. 이 경우는 본 개시의 예시에 따른 제 1 DNN(800)의 CNN 구조를 RNN 구조로 변경하는 것을 의미한다.
일 실시예에서, AI 다운스케일부(712)는 컨볼루션 연산 및 활성화 레이어의 연산을 위한 적어도 하나의 ALU를 포함할 수 있다. ALU는 프로세서로 구현될 수 있다. 컨볼루션 연산을 위해, ALU는 원본 영상(105) 또는 이전 레이어에서 출력된 특징 맵의 샘플 값들과 필터 커널의 샘플 값들 사이의 곱 연산을 수행하는 곱셈기 및 곱셈의 결과 값들을 더하는 가산기를 포함할 수 있다. 또한, 활성화 레이어의 연산을 위해, ALU는 미리 결정된 시그모이드 함수, Tanh 함수 또는 ReLU 함수 등에서 이용되는 가중치를 입력된 샘플 값에 곱하는 곱셈기, 및 곱한 결과와 소정 값을 비교하여 입력된 샘플 값을 다음 레이어로 전달할지를 판단하는 비교기를 포함할 수 있다.
다시 도 7을 참조하면, AI 설정부(718)는 AI 데이터를 데이터 처리부(716)로 전달한다. AI 데이터는, AI 업스케일부(236)가 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로 제 2 영상(135)을 AI 업스케일할 수 있게 하는 정보들을 포함한다. AI 다운스케일부(712)로부터 제 1 영상(115)을 전달받은 제 1 부호화부(714)는 주파수 변환 기반의 영상 압축 방법에 따라 제 1 영상(115)을 제 1 부호화하여 제 1 영상(115)이 가지는 정보량을 감축시킬 수 있다. 소정의 코덱(예를 들어, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 또는 AV1)을 통한 제 1 부호화 결과, 영상 데이터가 획득된다. 영상 데이터는 소정의 코덱의 규칙, 즉 신택스에 따라 획득된다. 예를 들어, 영상 데이터는 제 1 영상(115)과 제 1 영상(115)의 예측 데이터 사이의 차이인 잔차 데이터, 제 1 영상(115)을 제 1 부호화하는데 이용된 예측 모드 정보, 움직임 정보 및 제 1 영상(115)을 제 1 부호화하는데 이용된 양자화 파라미터 관련 정보 등을 포함할 수 있다. 제 1 부호화부(714)의 제 1 부호화 결과 획득된 영상 데이터는 데이터 처리부(716)로 제공된다.
데이터 처리부(716)는 제 1 부호화부(714)로부터 수신된 영상 데이터와 AI 설정부(718)로부터 수신된 AI 데이터를 포함하는 AI 부호화 데이터를 생성한다.
일 실시예에서, 데이터 처리부(716)는 영상 데이터와 AI 데이터를 각각 분리된 상태로 포함하는 AI 부호화 데이터를 생성할 수 있다. 일 예로, AI 데이터는 HDMI 스트림 내의 VSIF(Vendor Specific InfoFrame)에 포함될 수 있다.
다른 실시예에서, 데이터 처리부(716)는 제 1 부호화부(714)에 의한 제 1 부호화 결과로 획득되는 영상 데이터 내에 AI 데이터를 포함시키고, 해당 영상 데이터를 포함하는 AI 부호화 데이터를 생성할 수 있다. 일 예로, 데이터 처리부(716)는 영상 데이터에 해당하는 비트스트림과 AI 데이터에 해당하는 비트스트림을 결합하여 하나의 비트스트림 형태의 영상 데이터를 생성할 수도 있다. 이를 위해, 데이터 처리부(716)는 AI 데이터를 0 또는 1의 값을 갖는 비트들, 즉 비트스트림으로 표현할 수 있다. 일 실시예에서, 데이터 처리부(716)는 제 1 부호화 결과로 획득되는 비트스트림의 부가 정보 영역인 SEI(Supplemental enhancement information)에 AI 데이터에 해당하는 비트스트림을 포함시킬 수 있다.
AI 부호화 데이터는 전송부(730)로 전송된다. 전송부(730)는 네트워크를 통해 AI 부호화 결과 획득된 AI 부호화 데이터를 전송한다.일 실시예에서, AI 부호화 데이터는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium) 등을 포함하는 데이터 저장 매체에 저장될 수도 있다.
도 9는 일 실시예에 따른 AI 부호화 데이터(900)의 구조를 나타내는 도면이다.
전술한 바와 같이, AI 부호화 데이터(900) 내에 AI 데이터(912)와 영상 데이터(932)가 분리되어 포함될 수 있다. 여기서, AI 부호화 데이터(900)는 MP4, AVI, MKV, FLV 등의 컨테이너 포맷일 수 있다. AI 부호화 데이터(900)는 메타데이터 박스(910)와 미디어데이터 박스(930)로 구성될 수 있다.
메타데이터 박스(910)에는 미디어데이터 박스(930)에 포함된 영상 데이터(932)에 관한 정보가 포함된다. 예를 들어, 메타데이터 박스(910)에는 제 1 영상(115)의 종류, 제 1 영상(115)의 부호화에 사용된 코덱의 종류 및 제 1 영상(115)의 재생 시간 등에 관한 정보가 포함될 수 있다. 또한, 메타데이터 박스(910)에는 AI 데이터(912)가 포함될 수 있다. AI 데이터(912)는 소정 컨테이너 포맷에서 제공하는 부호화 방식에 따라 부호화되어, 메타데이터 박스(910)에 저장될 수 있다.
미디어데이터 박스(930)는 소정의 영상 압축 방식의 신택스에 따라 생성된 영상 데이터(932)를 포함할 수 있다.
도 10은 다른 실시예에 따른 AI 부호화 데이터(1000)의 구조를 나타내는 도면이다.
도 10을 참조하면, AI 데이터(1034)는 영상 데이터(1032)에 포함될 수도 있다. AI 부호화 데이터(1000)는 메타데이터 박스(1010)와 미디어데이터 박스(1030)를 포함할 수 있는데, AI 데이터(1034)가 영상 데이터(1032)에 포함된 경우, 메타데이터 박스(1010)에는 AI 데이터(1034)가 포함되지 않을 수 있다.
미디어데이터 박스(1030)에는 AI 데이터(1034)를 포함하는 영상 데이터(1032)가 포함된다. 일 예로, AI 데이터(1034)는 영상 데이터(1032)의 부가 정보 영역에 포함될 수 있다.
이하에서는, 도 11을 참조하여, 제 1 DNN(800)과 제 2 DNN(300)을 연계 훈련시키는 방법에 대해 설명한다.
도 11은 제 1 DNN(800) 및 제 2 DNN(300)을 훈련시키는 방법을 설명하기 위한 도면이다.
일 실시예에서 AI 부호화 과정을 통해 AI 부호화된 원본 영상(105)이 AI 복호화 과정을 통해 제 3 영상(145)으로 복원되는데, AI 복호화 결과 획득된 제 3 영상(145)과 원본 영상(105)과의 유사성을 유지하기 위해서는 AI 부호화 과정 및 AI 복호화 과정에 연관성이 필요하다. 즉, AI 부호화 과정에서 손실된 정보를 AI 복호화 과정에서 복원할 수 있어야 하는데, 이를 위해 제 1 DNN(800)과 제 2 DNN(300)의 연계 훈련이 요구된다.
정확한 AI 복호화를 위해서는 궁극적으로 도 11에 도시된 제 3 훈련 영상(1104)과 원본 훈련 영상(1101) 사이의 비교 결과에 대응하는 퀄리티 손실 정보(1130)를 감소시킬 필요가 있다. 따라서, 퀄리티 손실 정보(1130)는 제 1 DNN(800) 및 제 2 DNN(300)의 훈련 모두에 이용된다.
먼저, 도 11에 도시된 훈련 과정에 대해 설명한다.
도 11에서, 원본 훈련 영상(original training image)(1101)은 AI 다운스케일의 대상이 되는 영상이고, 제 1 훈련 영상(first training image)(1102)은 원본 훈련 영상(1101)로부터 AI 다운스케일된 영상이다. 또한, 제 3 훈련 영상(third training image)(1104)은 제 1 훈련 영상(1102)으로부터 AI 업스케일된 영상이다.
원본 훈련 영상(1101)은 정지 영상 또는 복수의 프레임으로 이루어진 동영상을 포함한다. 일 실시예에서, 원본 훈련 영상(1101)은 정지 영상 또는 복수의 프레임으로 이루어진 동영상으로부터 추출된 휘도 영상을 포함할 수도 있다. 또한, 일 실시예에서, 원본 훈련 영상(1101)은 정지 영상 또는 복수의 프레임으로 이루어진 동영상에서 추출된 패치 영상을 포함할 수도 있다. 원본 훈련 영상(1101)이 복수의 프레임으로 이루어진 경우, 제 1 훈련 영상(1102), 제 2 훈련 영상 및 제 3 훈련 영상(1104) 역시 복수의 프레임으로 구성된다. 원본 훈련 영상(1101)의 복수의 프레임이 순차적으로 제 1 DNN(800)에 입력되면, 제 1 DNN(800) 및 제 2 DNN(300)을 통해 제 1 훈련 영상(1102), 제 2 훈련 영상 및 제 3 훈련 영상(1104)의 복수의 프레임이 순차적으로 획득될 수 있다.
제 1 DNN(800) 및 제 2 DNN(300)의 연계 훈련을 위해, 원본 훈련 영상(1101)이 제 1 DNN(800)으로 입력된다. 제 1 DNN(800)으로 입력된 원본 훈련 영상(1101)은 AI 다운스케일되어 제 1 훈련 영상(1102)으로 출력되고, 제 1 훈련 영상(1102)이 제 2 DNN(300)에 입력된다. 제 1 훈련 영상(1102)에 대한 AI 업스케일 결과 제 3 훈련 영상(1104)이 출력된다.
도 11을 참조하면, 제 2 DNN(300)으로 제 1 훈련 영상(1102)이 입력되고 있는데, 구현예에 따라, 제 1 훈련 영상(1102)의 제 1 부호화 및 제 1 복호화 과정을 거쳐 획득된 제 2 훈련 영상(second training image)이 제 2 DNN(300)으로 입력될 수도 있다. 제 2 훈련 영상을 제 2 DNN으로 입력시키기 위해 MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 및 AV1 중 어느 하나의 코덱이 이용될 수 있다. 구체적으로, 제 1 훈련 영상(1102)의 제 1 부호화 및 제 1 훈련 영상(1102)에 대응하는 영상 데이터의 제 1 복호화에, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 및 AV1 중 어느 하나의 코덱이 이용될 수 있다.
도 11을 참조하면, 제 1 DNN(800)을 통해 제 1 훈련 영상(1102)이 출력되는 것과 별개로, 원본 훈련 영상(1101)으로부터 레거시 다운스케일된 축소 훈련 영상(1103)이 획득된다. 여기서, 레거시 다운스케일은 바이리니어(bilinear) 스케일, 바이큐빅(bicubic) 스케일, 란조스(lanczos) 스케일 및 스테어 스탭(stair step) 스케일 중 적어도 하나를 포함할 수 있다.
원본 영상(105)의 구조적 특징을 기준으로 제 1 영상(115)의 구조적 특징이 크게 벗어나는 것을 방지하기 위해, 원본 훈련 영상(1101)의 구조적 특징을 보존하는 축소 훈련 영상(1103)을 획득하는 것이다.
훈련의 진행 전 제 1 DNN(800) 및 제 2 DNN(300)은 미리 결정된 DNN 설정 정보로 세팅될 수 있다. 훈련이 진행됨에 따라 구조적 손실 정보(1110), 복잡성 손실 정보(1120) 및 퀄리티 손실 정보(1130)가 결정될 수 있다.
구조적 손실 정보(1110)는 축소 훈련 영상(1103)과 제 1 훈련 영상(1102)의 비교 결과에 기초하여 결정될 수 있다. 일 예에서, 구조적 손실 정보(1110)는 축소 훈련 영상(1103)의 구조적 정보와 제 1 훈련 영상(1102)의 구조적 정보 사이의 차이에 해당할 수 있다. 구조적 정보는, 영상의 휘도, 대비, 히스토그램 등 영상으로부터 추출 가능한 다양한 특징을 포함할 수 있다. 구조적 손실 정보(1110)는 원본 훈련 영상(1101)의 구조적 정보가 제 1 훈련 영상(1102)에서 어느 정도로 유지되고 있는지를 나타낸다. 구조적 손실 정보(1110)가 작을수록 제 1 훈련 영상(1102)의 구조적 정보가 원본 훈련 영상(1101)의 구조적 정보와 유사해진다.
복잡성 손실 정보(1120)는 제 1 훈련 영상(1102)의 공간적 복잡도에 기반하여 결정될 수 있다. 일 예에서, 공간적 복잡도로서, 제 1 훈련 영상(1102)의 총 분산(total variance)값이 이용될 수 있다. 복잡성 손실 정보(1120)는 제 1 훈련 영상(1102)을 제 1 부호화하여 획득한 영상 데이터의 비트레이트와 관련된다. 복잡성 손실 정보(1120)가 작을수록 영상 데이터의 비트레이트가 작은 것으로 정의된다.
퀄리티 손실 정보(1130)는 원본 훈련 영상(1101)과 제 3 훈련 영상(1104)의 비교 결과에 기초하여 결정될 수 있다. 퀄리티 손실 정보(1130)는 원본 훈련 영상(1101)과 제 3 훈련 영상(1104)의 차이에 대한 L1-norm 값, L2-norm 값, SSIM(Structural Similarity) 값, PSNR-HVS(Peak Signal-To-Noise Ratio-Human Vision System) 값, MS-SSIM(Multiscale SSIM) 값, VIF(Variance Inflation Factor) 값 및 VMAF(Video Multimethod Assessment Fusion) 값 중 적어도 하나를 포함할 수 있다. 퀄리티 손실 정보(1130)는 제 3 훈련 영상(1104)이 원본 훈련 영상(1101)과 어느 정도로 유사한지를 나타낸다. 퀄리티 손실 정보(1130)가 작을수록 제 3 훈련 영상(1104)이 원본 훈련 영상(1101)에 더 유사해진다.
도 11을 참조하면, 구조적 손실 정보(1110), 복잡성 손실 정보(1120) 및 퀄리티 손실 정보(1130)가 제 1 DNN(800)의 훈련에 이용되고, 퀄리티 손실 정보(1130)는 제 2 DNN(300)의 훈련에 이용된다. 즉, 퀄리티 손실 정보(1130)는 제 1 DNN(800) 및 제 2 DNN(300)의 훈련에 모두 이용된다.
제 1 DNN(800)은 구조적 손실 정보(1110), 복잡성 손실 정보(1120) 및 퀄리티 손실 정보(1130)에 기초하여 결정된 최종 손실 정보가 감소 또는 최소화되도록 파라미터를 갱신할 수 있다. 또한, 제 2 DNN(300)은 퀄리티 손실 정보(1130)가 감소 또는 최소화되도록 파라미터를 갱신할 수 있다.
제 1 DNN(800) 및 제 2 DNN(300)의 훈련을 위한 최종 손실 정보는 아래의 수학식 1과 같이 결정될 수 있다.
[수학식 1]
LossDS = a*구조적 손실 정보 + b*복잡성 손실 정보 + c*퀄리티 손실 정보
LossUS = d*퀄리티 손실 정보
상기 수학식 1에서, LossDS는 제 1 DNN(800)의 훈련을 위해 감소 또는 최소화되어야 할 최종 손실 정보를 나타내고, LossUS는 제 2 DNN(300)의 훈련을 위해 감소 또는 최소화되어야 할 최종 손실 정보를 나타낸다. 또한, a, b, c, d는 미리 결정된 소정의 가중치에 해당할 수 있다.
즉, 제 1 DNN(800)은 수학식 1의 LossDS가 감소되는 방향으로 파라미터들을 갱신하고, 제 2 DNN(300)은 LossUS가 감소되는 방향으로 파라미터들을 갱신하게 된다. 훈련 과정에서 도출된 LossDS에 따라 제 1 DNN(800)의 파라미터들이 갱신되면, 갱신된 파라미터에 기초하여 획득되는 제 1 훈련 영상(1102)이 이전 훈련 과정에서의 제 1 훈련 영상(1102)과 달라지게 되고, 그에 따라 제 3 훈련 영상(1104) 역시 이전 훈련 과정에서의 제 3 훈련 영상(1104)과 달라지게 된다. 제 3 훈련 영상(1104)이 이전 훈련 과정에서의 제 3 훈련 영상(1104)과 달라지게 되면, 퀄리티 손실 정보(1130) 역시 새롭게 결정되며, 그에 따라 제 2 DNN(300)은 파라미터들을 갱신한다. 퀄리티 손실 정보(1130)가 새롭게 결정되면, LossDS 역시 새롭게 결정되므로, 제 1 DNN(800)은 새롭게 결정된 LossDS에 따라 파라미터들을 갱신한다. 즉, 제 1 DNN(800)의 파라미터 갱신은, 제 2 DNN(300)의 파라미터 갱신을 야기하고, 제 2 DNN(300)의 파라미터 갱신은 제 1 DNN(800)의 파라미터 갱신을 야기하는 것이다. 다시 말하면, 제 1 DNN(800) 및 제 2 DNN(300)은 퀄리티 손실 정보(1130)의 공유를 통해 연계 훈련되므로, 제 1 DNN(800)의 파라미터들과 제 2 DNN(300)의 파라미터들이 서로 연관성을 가지고 최적화될 수 있는 것이다.
수학식 1을 참조하면, LossUS가 퀄리티 손실 정보(1130)에 따라 결정되는 것을 알 수 있으나, 이는 하나의 예시이며, LossUS는 구조적 손실 정보(1110) 및 복잡성 손실 정보(1120) 중 적어도 하나와, 퀄리티 손실 정보(1130)에 기초하여 결정될 수도 있다.
앞서, AI 복호화 장치(200)의 AI 설정부(238) 및 AI 부호화 장치(700)의 AI 설정부(718)는 복수의 DNN 설정 정보를 저장하는 것으로 설명하였는데, AI 설정부(238) 및 AI 설정부(718)에 저장되는 복수의 DNN 설정 정보 각각을 훈련시키는 방법에 대해 설명한다.
수학식 1과 관련하여 설명한 바와 같이, 제 1 DNN(800)의 경우, 제 1 훈련 영상(1102)의 구조적 정보와 원본 훈련 영상(1101)의 구조적 정보 사이의 유사 정도(구조적 손실 정보(1110)), 제 1 훈련 영상(1102)의 제 1 부호화 결과 획득되는 영상 데이터의 비트레이트(복잡성 손실 정보(1120)) 및 제 3 훈련 영상(1104)과 원본 훈련 영상(1101) 사이의 차이(퀄리티 손실 정보(1130))를 고려하여 파라미터를 갱신하게 된다.
자세히 설명하면, 원본 훈련 영상(1101)의 구조적 정보와 유사하면서, 제 1 부호화를 하였을 때 획득되는 영상 데이터의 비트레이트가 작은 제 1 훈련 영상(1102)이 획득 가능하도록 하는 동시에, 제 1 훈련 영상(1102)을 AI 업스케일하는 제 2 DNN(300)이 원본 훈련 영상(1101)에 유사한 제 3 훈련 영상(1104)을 획득할 수 있도록, 제 1 DNN(800)의 파라미터가 갱신될 수 있다.
수학식 1의 a, b, c의 가중치가 조절됨으로써, 제 1 DNN(800)의 파라미터들이 최적화되는 방향이 상이해지게 된다. 예를 들어, b의 가중치를 높게 결정하는 경우, 제 3 훈련 영상(1104)의 퀄리티보다 비트레이트가 낮아지는 것에 더 중요도를 두고 제 1 DNN(800)의 파라미터가 갱신될 수 있다. 또한, c의 가중치를 높게 결정하는 경우, 비트레이트가 높아지는 것이나, 원본 훈련 영상(1101)의 구조적 정보가 유지되는 것보다 제 3 훈련 영상(1104)의 퀄리티가 증가하도록 하는 것에 더 중요도를 두고 제 1 DNN(800)의 파라미터가 갱신될 수 있다.
또한, 제 1 훈련 영상(1102)을 제 1 부호화하는데 이용되는 코덱의 타입에 따라 제 1 DNN(800)의 파라미터들이 최적화되는 방향이 상이해질 수 있다. 왜냐하면, 코덱의 종류에 따라, 제 2 DNN(300)으로 입력될 제 2 훈련 영상이 달라질 수 있기 때문이다.
즉, 가중치 a, 가중치 b, 가중치 c 및 제 1 훈련 영상(1102)의 제 1 부호화를 위한 코덱의 종류에 기반하여 제 1 DNN(800)의 파라미터들과 제 2 DNN(300)의 파라미터들이 연계하여 갱신될 수 있는 것이다. 따라서, 가중치 a, 가중치 b, 가중치 c 각각을 소정의 값으로 결정하고, 코덱의 종류를 소정의 종류로 결정한 후, 제 1 DNN(800)과 제 2 DNN(300)을 훈련시키면, 서로 연계되어 최적화된 제 1 DNN(800)의 파라미터들과 제 2 DNN(300)의 파라미터들이 결정될 수 있다.
그리고, 가중치 a, 가중치 b, 가중치 c 및 코덱의 종류를 변경한 후, 제 1 DNN(800)과 제 2 DNN(300)을 훈련시키면, 서로 연계되어 최적화된 제 1 DNN(800)의 파라미터들과 제 2 DNN(300)의 파라미터들이 결정될 수 있다. 다시 말하면, 가중치 a, 가중치 b, 가중치 c 및 코덱의 종류 각각의 값을 변경하면서 제 1 DNN(800)과 제 2 DNN(300)을 훈련시키면 서로 연계되어 훈련된 복수의 DNN 설정 정보가 제 1 DNN(800) 및 제 2 DNN(300)에서 결정될 수 있는 것이다.
앞서, 도 5와 관련하여 설명한 바와 같이, 제 1 DNN(800) 및 제 2 DNN(300)의 복수의 DNN 설정 정보들은 제 1 영상 관련 정보들에 매핑되어 있을 수 있다. 이러한 매핑 관계의 설정을 위해, 제 1 DNN(800)에서 출력되는 제 1 훈련 영상(1102)을 특정 비트레이트에 따라 특정 코덱으로 제 1 부호화하고, 제 1 부호화 결과 획득된 비트스트림을 제 1 복호화하여 획득한 제 2 훈련 영상을 제 2 DNN(300)으로 입력할 수 있다. 즉, 특정 해상도의 제 1 훈련 영상(1102)이 특정 코덱에 의해 특정 비트레이트로 제 1 부호화되도록 환경을 설정한 후, 제 1 DNN(800) 및 제 2 DNN(300)을 훈련시킴으로써, 제 1 훈련 영상(1102)의 해상도, 제 1 훈련 영상(1102)의 제 1 부호화에 이용된 코덱의 종류 및 제 1 훈련 영상(1102)의 제 1 부호화 결과 획득된 비트스트림의 비트레이트에 매핑된 DNN 설정 정보 쌍이 결정될 수 있는 것이다. 제 1 훈련 영상(1102)의 해상도, 제 1 훈련 영상(1102)의 제 1 부호화에 이용된 코덱의 종류 및 제 1 훈련 영상(1102)의 제 1 부호화에 따라 획득되는 비트스트림의 비트레이트를 다양하게 변경시킴으로써, 제 1 DNN(800) 및 제 2 DNN(300)의 복수의 DNN 설정 정보들과 제 1 영상 관련 정보들 사이의 매핑 관계가 결정될 수 있다.
도 12는 훈련 장치(1200)에 의한 제 1 DNN(800) 및 제 2 DNN(300)의 훈련 과정을 설명하기 위한 도면이다.
도 11과 관련하여 설명한 제 1 DNN(800) 및 제 2 DNN(300)의 훈련은 훈련 장치(1200)에 의해 수행될 수 있다. 훈련 장치(1200)는 제 1 DNN(800) 및 제 2 DNN(300)을 포함한다. 훈련 장치(1200)는 예를 들어, AI 부호화 장치(700) 또는 별도의 서버일 수 있다. 훈련 결과 획득된 제 2 DNN(300)의 DNN 설정 정보들은 AI 복호화 장치(200)에 저장된다.
도 12를 참조하면, 훈련 장치(1200)는 제 1 DNN(800) 및 제 2 DNN(300)의 DNN 설정 정보를 초기 세팅한다(S1240, S1245). 이에 의해, 제 1 DNN(800) 및 제 2 DNN(300)은 미리 결정된 DNN 설정 정보에 따라 동작할 수 있다. DNN 설정 정보는 제 1 DNN(800) 및 2 DNN(300)에 포함되는 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수, 컨볼루션 레이어별 필터 커널의 크기 및 각 필터 커널의 파라미터 중 적어도 하나에 대한 정보를 포함할 수 있다.
훈련 장치(1200)는 원본 훈련 영상(1101)을 제 1 DNN(800)으로 입력한다(S1250). 원본 훈련 영상(1101)은 정지 영상 또는 동영상을 구성하는 적어도 하나의 프레임을 포함할 수 있다.
제 1 DNN(800)은 초기 세팅된 DNN 설정 정보에 따라 원본 훈련 영상(1101)을 처리하고, 원본 훈련 영상(1101)으로부터 AI 다운스케일된 제 1 훈련 영상(1102)을 출력한다(S1255). 도 12는 제 1 DNN(800)으로부터 출력된 제 1 훈련 영상(1102)이 제 2 DNN(300)으로 바로 입력되는 것으로 도시되어 있으나, 제 1 DNN(800)으로부터 출력된 제 1 훈련 영상(1102)이 훈련 장치(1200)에 의해 제 2 DNN(300)으로 입력될 수 있다. 또한, 훈련 장치(1200)는 제 1 훈련 영상(1102)을 소정의 코덱으로 제 1 부호화 및 제 1 복호화한 후, 제 2 훈련 영상을 제 2 DNN(300)으로 입력할 수 있다.
제 2 DNN(300)은 제 1 훈련 영상(1102) 또는 제 2 훈련 영상을 초기 세팅된 DNN 설정 정보에 따라 처리하고, 제 1 훈련 영상(1102) 또는 제 2 훈련 영상으로부터 AI 업스케일된 제 3 훈련 영상(1104)을 출력한다(S1260).
훈련 장치(1200)는 제 1 훈련 영상(1102)에 기초하여 복잡성 손실 정보(1120)를 산출한다(S1265).
훈련 장치(1200)는 축소 훈련 영상(1103)과 제 1 훈련 영상(1102)을 비교하여 구조적 손실 정보(1110)를 산출한다(S1270).
훈련 장치(1200)는 원본 훈련 영상(1101)과 제 3 훈련 영상(1104)을 비교하여 퀄리티 손실 정보(1130)를 산출한다(S1275).
제 1 DNN(800)은 최종 손실 정보에 기초한 역전사(back propagation) 과정을 통해 초기 세팅된 DNN 설정 정보를 갱신한다(S1280). 훈련 장치(1200)는 복잡성 손실 정보(1120), 구조적 손실 정보(1110) 및 퀄리티 손실 정보(1130)에 기초하여 제 1 DNN(800)의 훈련을 위한 최종 손실 정보를 산출할 수 있다.
제 2 DNN(300)은 퀄리티 손실 정보 또는 최종 손실 정보에 기초한 역전사 과정을 통해 초기 세팅된 DNN 설정 정보를 갱신한다(S1285). 훈련 장치(1200)는 퀄리티 손실 정보(1130)에 기초하여 제 2 DNN(300)의 훈련을 위한 최종 손실 정보를 산출할 수 있다.
이후, 훈련 장치(1200), 제 1 DNN(800) 및 제 2 DNN(300)은 최종 손실 정보들이 최소화될 때까지 S1250 내지 S1285 과정을 반복하면서 DNN 설정 정보를 갱신한다. 이 때, 각 반복 과정 동안 제 1 DNN(800) 및 제 2 DNN은 이전 과정에서 갱신된 DNN 설정 정보에 따라 동작한다.
아래의 표 1은 본 개시의 일 실시예에 따라 원본 영상(105)을 AI 부호화 및 AI 복호화한 경우와, HEVC로 원본 영상(105)을 부호화 및 복호화한 경우의 효과를 나타낸다.
[표 1]
Figure PCTKR2021016236-appb-img-000001
표 1에서 알 수 있듯이, 본 개시의 일 실시예에 따라 8K 해상도의 300개의 프레임들로 이루어진 컨텐츠들을 AI 부호화 및 AI 복호화한 경우의 주관적 화질이 HEVC로 부호화 및 복호화한 경우의 주관적 화질보다 높음에도, 비트레이트가 50% 이상 감소한 것을 알 수 있다.
이하에서는, 도 1 내지 도 12에서 전술된 AI 기반의 업스케일 및 다운스케일에 따라, 영상 전송시의 해상도와 비트레이트에 따라 결정된 AI 업스케일 모델 및 AI 다운스케일 모델을 이용하여 영상을 실시간으로 스트리밍할 때, 스트리밍 채널의 환경 변화로 인해 대역폭이 줄어들어 발생하는 블로킹 현상을 해결하기 위해 디블로킹 필터를 추가하여 영상을 전송하는 방법이 후술된다.
도 13은 일 실시예에 따른 디블로킹 필터링을 추가하는 AI 부호화 과정 및 AI 복호화 과정을 설명하기 위한 도면이다.
도 1에서 전술된 것과 같이, 스트리밍 채널 환경이 정상적인 경우, 스트리밍 채널 환경에 따라 적합한 AI 다운스케일 모델 및 AI 업스케일 모델에 기초하여 원본 영상(105)을 AI 다운스케일(110)하여 제 1 영상(115)을 획득하고, 제 1 영상(115)을 제 1 부호화(120)하여 전송하고, AI 부호화 결과 획득된 AI 데이터와 영상 데이터를 포함하는 AI 부호화 데이터를 수신하고, 제 1 복호화(130)를 통해 제 2 영상(135)을 획득하고, 제 2 영상(135)을 AI 업스케일(140)하여 제 3 영상(145)을 획득한다.
반면에, 스트리밍 채널의 환경 변화가 발생하는 경우, 예를 들어, 갑작스럽게 많은 사용자들이 몰리거나 실외에서 단말의 통신 환경이 안좋아지는 경우에는 대역폭이 줄어들기 때문에 비트레이트를 낮추기 위해 양자화 파라미터를 증가시켜 영상의 해상도 및 화면 특성에 따라 블로킹 현상이 발생될 수 있다. 블로킹 현상, 즉, 블로킹 아티팩트가 발생하면 시청자는 영상의 화질이 나쁘다고 생각한다. 이러한 블로킹 현상을 방지하기 위해, 디블로킹 필터를 추가하여 AI 다운스케일 및 AI 업스케일함으로써 영상의 화질을 개선할 수 있다.
도 13을 참고하면, 디블로킹 예측(1370)에서, 현재 스트리밍 채널의 네트워크 환경 정보, 원본 영상(1305), 이전에 부호화된 프레임의 정보를 획득하여, 입력되는 원본 영상에 블로킹 현상이 발생할 지를 예측하고, 블록이 생기는 영역에 대한 영역 맵과 같은 필터 설정 정보를 AI 부호화 및 AI 복호화가 수행될 때 전송한다. AI 부호화 과정에서, 이러한 디블로킹 필터를 위한 필터 설정 정보에 기초하여 원본 영상(1305)에 디블로킹 필터(1310)을 적용하여 디블로킹 필터링된 원본 영상(1315)을 획득하고, 디블로킹 필터링된 영상(1315)을 AI 다운스케일(1320)하여 제 1 영상(1325)을 획득하고, 제 1 영상(1325)을 제 1 부호화(1330)하여 전송한다, AI 복호화 과정에서는, AI 부호화 결과 획득된 AI 데이터와 영상 데이터를 포함하는 AI 부호화 데이터를 수신하고, 제 1 복호화(1340)를 통해 제 2 영상(1345)을 획득하고, 제 2 영상(1345)을 AI 업스케일(1350)하여 AI 업스케일된 영상(1355)을 획득하고, 디블로킹 예측(1370)에서 전송된 필터 설정 정보에 따른 디블로킹 필터(1360)을 AI 업스케일된 영상(1355)에 적용하여 복원 영상(1365)을 획득한다.
네트워크 환경 정보는 이동 단말 간의 통신, 서버와 클라이언트 간의 통신과 같은 네트워크 통신에서 이용되는 실시간 프로토콜(예를 들어, 실시간 전송 프로토콜(Real-time Transport Protocol, RTP), 실시간 전송 제어 프로토콜(Real-time Transport Control Protocol, RTCP))에 따라 전송되는 네트워크 환경의 변화를 나타내는 정보이다.
미리정해진 해상도와 비트레이트로 스트리밍이 수행되는 도중에 네트워크 환경의 변화로 대역폭이 줄어들면 블로킹 현상이 발생될 수 있다. 예를 들어, 해상도가 4K이고 비트레이트가 20Mbps인 경우, 해상도가 4K이고 비트레이트가 15Mbps인 경우, 해상도가 FHD이고 비트레이트가 10Mbps인 경우, 해상도가 FHD이고 비트레이트가 7.5Mbps인 경우, 해상도가 HD이고 비트레이트가 5Mbps인 경우 등의 각각의 경우에 적합한 AI 다운스케일 및 AI 업스케일 모델이 선택되어 AI 부호화 및 AI 복호화 과정이 수행되는 도중에 네트워크 환경의 변화(사용자의 급격한 증가, 실외에서의 통신 환경이 안좋아지는 경우)에 따라, 디블로킹 예측 과정을 통해 AI 부호화 및 AI 복호화에 네트워크 환경의 변화, 원본 영상의 특성, 이전 프레임의 블로킹 아티팩트 검출 여부에 따라 디블로킹 필터링을 수행함으로써, 가변적이고 제한적인 네트워크 대역폭에서 블로킹 아티팩트의 발생을 예측하고 인지하여 블로킹 아티팩트를 제거하여 영상의 화질이 개선될 수 있다. 일반적으로 영상의 부호화 및 복호화에서 인루프 필터로 블록 단위로 블로킹 아티팩트를 제거하는 디블로킹 필터가 있지만, 인루프 필터이기 때문에 디블로킹 필터링을 강하게 걸면, 실제 데이터가 손상될 수 있기 때문에, 추가적인 디블로킹 필터를 통해 디블로킹 필터링이 수행되어 영상의 화질이 개선될 수 있다.
디블로킹 예측(1370)은 원본 영상(1305)으로부터 블로킹이 생길 가능성이 있는 영역이 존재하는지 여부를 획득하고, 이전 프레임 정보로부터 현재 프레임의 이전 프레임의 블로킹 현상 검출 여부를 획득하고, 네트워크 환경 정보로부터 대역폭, 비트레이트 등의 변화에 대한 정보를 획득하여, 블록이 생길 수 있는 영역에 대한 블로킹 영역 맵 등을 포함하는 필터 설정 정보를 AI 복호화 및 AI 부호화가 수행될 때 전송한다. 전송된 필터 설정 정보에 기초하여 AI 복호화 및 AI 부호화 과정 각각이 수행될 때 디블로킹 필터링이 추가로 수행된다.
AI 부호화 과정에서의 디블로킹 필터(1310)는 전처리-필터(pre-filter)로서, 할당된 비트보다 전체 복잡도가 더 복잡한 경우, 복잡한 영역과 복잡하지 않은 영역의 화질을 재분배한다. 예를 들어, 영상에서 가만히 서있는 나무와 같은 단순한 영역과 분수에서 물줄기가 나오는 것과 같은 복잡하고 움직임이 빠른 영역에 있는 경우, 복잡한 영역을 단순하게 블러 처리하여 복잡도를 줄여 비트레이트를 절감하고, 줄어든 복잡도에 따른 비트레이트는 부호화시 단순한 영역에 분배된다. 블로킹 현상은 화질 분배가 제대로 되지 않을 때 나타나는 현상이므로, 화질을 재분배함으로써 블로킹 현상의 발생 확률을 줄일 수 있다. 복잡하고 움직임이 빠른 영역은 블러 처리하여 블로킹 아티팩트가 눈에 덜 띄도록 하고, 복잡하고 움직임이 빠른 영역에 대한 블러 처리를 통해 절감된 비트레이트를 단순한 영역에 할당하여 이전보다 더 많은 비트레이트로 단순한 영역의 블로킹 현상의 발생을 방지한다.
AI 복호화 과정에서의 디블로킹 필터(1360)는 후처리-필터(post-filter)로서, 필터 설정 정보에 포함된 블로킹 영역 맵에 따라 디블로킹 필터링을 적용하여, 블러 처리된 부분에 대하여 경계면이 선명하게 보이도록 하는 샤픈(sharpen) 효과를 내고, 블로킹 아티팩트를 제거하여 복원한다.
디블로킹 예측(1370)에서, 현재 프레임의 블로킹 아티팩트 발생 확률과 영역 별 발생 확률에 대한 블로킹 영역 맵을 포함하는 필터 설정 정보가 생성될 수 있다. 원본 영상에서 움직임이 빠르고 복잡한 영역과 평평한 영역은 상대적으로 블록이 더 잘 보인다. 이러한 점에 기초하여 블로킹 아티팩트의 발생 확률을 나타내는 블로킹 영역 맵이 생성될 수 있다.
또한, 여러가지 기준에 따라, 스코어 맵을 생성하여 가중치 평균에 따라 블로킹 영역 맵이 생성될 수 있다.
예를 들어, A 스코어 맵은 원본 영상으로부터 블록 또는 픽셀 별로 복잡도를 계산하여 복잡도가 높은 영역을 찾고, 복잡도가 높은 영역에 높은 스코어를 주어 생성할 수 있고, 복잡도는 총 분산 값 등에 기초하여 계산될 수 있다. B 스코어 맵은 N-1 번째 프레임과 옵티컬 플로(optical flow) 등으로부터 움직임을 확인하여 움직임의 변화가 많은 영역에 높은 스코어를 주어 생성할 수 있다.
또한, 이전 영상에 블로킹 아티팩트가 많으면 현재 영상에도 블로킹 아티팩트가 많을 수 있다. 이에 따라, C 스코어 맵은 이전 영역에서 블로킹 아티팩트가 많은 영역에 높은 스코어를 주어 생성할 수 있고, D 스코어 맵은 블록 경계에서 픽셀의 경계값 차이가 큰 영역에 높은 스코어를 주어 생성할 수 있다.
마지막으로, 부호화시에 현재 프레임의 복잡도, 타겟 비트레이트, 양자화 파라미터(QP)에 따라 블로킹 아티팩트가 발생될 수 있다. 예를 들어, E 스코어 맵은 현재 프레임의 블록의 픽셀들의 평균 QP와 각각의 픽셀들의 QP의 차이를 나타내는 DQP(delta quantization parameter) 맵에 기초하여 생성할 수 있다. F 스코어 맵은 부호화에 따른 복잡도, 즉 코딩 스코어에 기초하여 생성하고, 코딩 스코어는 인트라 코딩 스코어와 인터 코딩 스코어의 합으로 결정되고, 인트라 코딩 스코어는 현재 이미지를 입력으로 하여 원본 이미지와 인트라 코딩된 이미지의 차이와 이미지를 코딩하는데 이용되는 예측 비트에 기초하여 결정되고, 인터 코딩 스코어는 현재 이미지와 적어도 하나의 이전 이미지를 입력으로하여 원본 이미지와 인터 코딩된 이미지의 차이와 이미지를 코딩하는데 이용되는 예측 비트에 기초하여 결정될 수 있다. G 스코어 맵은 F 스코어 맵의 코딩 스코어를 타겟 비트레이트(채널 정보, 대역폭)로 나눈 값에 기초하여 생성할 수 있다. 이에 따라, G 스코어 맵은 인코더가 네트워크 상 이용가능한 대역폭에 기반하여 부호화된 비트스트림의 비트레이트를 추정하는 레이트 컨트롤(rate control)에 기초하여 생성할 수 있다. 코딩 스코어가 크더라도 타겟 비트레이트가 상대적으로 크면, G 스코어 맵에서는 스코어가 크지 않을 수 있다.
위와 같이, A 내지 G 스코어 맵에 대한 가중치 평균이 블로킹 영역 맵이 될 수 있다. 다만, A 내지 G 스코어 맵은 하나의 예시이고 이에 한정되지 않는다.
디블로킹 예측 과정에서 이러한 블로킹 영역 맵을 포함하는 필터 설정 정보에 따라 디블로킹 필터링이 수행될 수 있다.
일 실시예에 따라, 디블로킹 필터는 레거시 디블로킹 필터일 수 있다.
다른 실시예에 따라, 디블로킹 필터는 훈련된 DNN일 수 있다. 이에 따라, 디블로킹 예측에서 디블로킹 필터를 위해서 전송하는 필터 설정 정보에는 블로킹 영역 맵과 DNN 설정 정보가 포함될 수 있다. 도 20 및 도 21에서는 디블로킹 필터가 DNN인 경우에 AI 다운스케일 전에 수행되는 전처리 필터용 디블로킹 필터링을 위한 제 3 DNN과 AI 업스케일 후에 수행되는 후처리 필터용 디블로킹 필터링을 위한 제 4 DNN을 훈련시키는 방법과 훈련 과정이 후술된다.
이에 따라, 통신 환경의 변화가 발생하더라도, 초기에 이미 선택된 AI 다운스케일 모델 및 AI 스케일 모델을 변경하지 않고, 네트워크 환경, 원본 영상, 이전 프레임 정보에 따라 디블로킹 필터링을 수행함으로써, AI 다운스케일 모델 및 AI 스케일 모델을 유지한 채 영상의 품질을 조절할 수 있다.
일 실시예에 따라, 디블로킹 예측(1370)에서 획득된 원본 영상(1305), 이전 프레임 정보, 및 네트워크 환경 정보에 기초하여 DQP 맵 또는 레이트 컨트롤(rate control)에 대한 정보가 추가적으로 제 1 부호화(1330)에 전송되어 제 1 부호화를 수행하는데 이용될 수도 있다.
도 14는 일 실시예에 따른 AI 복호화 장치(1400)의 구성을 나타내는 블록도이다.
도 14를 참고하면, 일 실시예에 따른 AI 복호화 장치(1400)는 수신부(1410), AI 복호화부(1420), 및 디블로킹 예측부(1430)를 포함한다. AI 복호화부(230)는 파싱부(1421), 제 1 복호화부(1422), AI 업스케일부(1423), 디블로킹 필터부(1424) 및 AI 설정부(1425)를 포함할 수 있다.
도 14에는 수신부(1410), AI 복호화부(1420), 및 디블로킹 예측부(1430)가 개별적인 장치로 도시되어 있으나, 수신부(1410), AI 복호화부(1420), 및 디블로킹 예측부(1430)는 하나의 프로세서를 통해 구현될 수 있다. 이 경우, 수신부(1410), AI 복호화부(1420), 및 디블로킹 예측부(1430)는 전용 프로세서로 구현될 수도 있고, AP(application processor) 또는 CPU(central processing unit), GPU(graphic processing unit)와 같은 범용 프로세서와 S/W의 조합을 통해 구현될 수도 있다. 또한, 전용 프로세서의 경우, 본 개시의 실시예를 구현하기 위한 메모리를 포함하거나, 외부 메모리를 이용하기 위한 메모리 처리부를 포함할 수 있다.
수신부(1410), AI 복호화부(1420), 및 디블로킹 예측부(1430)는 복수의 프로세서로 구성될 수도 있다. 이 경우, 전용 프로세서들의 조합으로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 다수의 범용 프로세서들과 S/W의 조합을 통해 구현될 수도 있다. 일 실시예에서, 수신부(1410)는 제 1 프로세서로 구현되고, 제 1 복호화부(1422)는 제 1 프로세서와 상이한 제 2 프로세서로 구현되고, 파싱부(1421), AI 업스케일부(1423), 디블로킹 필터부(1424) 및 AI 설정부(1425)는 제 1 프로세서 및 제 2 프로세서와 상이한 제 3 프로세서로 구현되고, 디블로킹 예측부(1430)는 제 1 프로세서, 제 2 프로세서, 및 제 3 프로세서와 상이한 제 3 프로세서로 구현될 수 있다.
수신부(1410)는 AI 부호화 결과 획득된 AI 부호화 데이터 및 AI 부호화 장치의 디블로킹 예측부에서 전송된 필터 설정 정보를 수신한다. 일 예로, AI 부호화 데이터는 mp4, mov 등의 파일 형식을 갖는 비디오 파일일 수 있다.
수신부(1410)는 네트워크를 통해 전달되는 AI 부호화 데이터 및 필터 설정 정보를 수신할 수 있다. 수신부(1410)는 AI 부호화 데이터 및 필터 설정 정보를 AI 복호화부(1420)로 출력한다.
다른 실시예에서, 수신부(1410)는 필터 설정 정보를 포함하는 AI 부호화 데이터를 수신할 수 있다.
일 실시예에서, AI 부호화 데이터는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium) 등을 포함하는 데이터 저장 매체로부터 획득된 것일 수도 있다.
파싱부(1421)는 AI 부호화 데이터를 파싱하여 제 1 영상(1325)의 제 1 부호화 결과로 생성된 영상 데이터를 제 1 복호화부(1422)로 전달하고, AI 데이터를 AI 설정부(1425)로 전달하고 필터 설정 정보를 디블로킹 예측부(1430)로 전달한다.
일 실시예에서, 디블로킹 예측부(1430)는 필터 설정 정보를 디블로킹 필터부(1424)에 전달한다. 필터 설정 정보는 블록 아티팩트가 발생되는 영역을 나타내는 블로킹 영역 맵을 포함할 수 있다.
다른 실시예에서, 필터 설정 정보는 블록 아티팩트가 발생되는 영역을 나타내는 블로킹 영역 맵 및 디블로킹 필터링을 위한 DNN의 DNN 설정 정보를 포함할 수 있다.
일 실시예에서, 파싱부(1421)는 AI 부호화 데이터 내에 서로 분리되어 포함된 영상 데이터와 AI 데이터를 파싱할 수 있다. 파싱부(1421)는 AI 부호화 데이터 내의 헤더를 읽어 AI 부호화 데이터 내에 포함되어 있는 AI 데이터와 영상 데이터를 구분할 수 있다. 일 예에서, AI 데이터는 HDMI 스트림 내의 VSIF(Vendor Specific InfoFrame)에 포함될 수 있다. 서로 분리된 AI 데이터와 영상 데이터를 포함하는 AI 부호화 데이터의 구조는 도 9를 참조하여 전술된 바 생략한다.
다른 실시예에서, 파싱부(1421)는 AI 부호화 데이터에서 영상 데이터를 파싱하고, 영상 데이터로부터 AI 데이터를 추출한 후, AI 데이터를 AI 설정부(1425)로 전달하고, 나머지 영상 데이터를 제 1 복호화부(1422)로 전달할 수 있다. 즉, AI 데이터는 영상 데이터에 포함될 수 있는데, 예를 들어, AI 데이터는 영상 데이터에 해당하는 비트스트림의 부가 정보 영역인 SEI(Supplemental enhancement information)에 포함될 수 있다. AI 데이터가 포함된 영상 데이터를 포함하는 AI 부호화 데이터의 구조는 도 10을 참조하여 전술된 바 생략한다.
다른 실시예에서, 파싱부(1421)는 AI 부호화 데이터 내에 서로 분리되어 포함된 영상 데이터, AI 데이터, 및 필터 설정 정보를 파싱하고, 제 1 영상(1325)의 제 1 부호화 결과로 생성된 영상 데이터를 제 1 복호화부(1422)로 출력하고, AI 데이터를 AI 설정부(1425)로 출력하고 필터 설정 정보를 디블로킹 예측부(1430)로 출력할 수 있다.
다른 실시예에서, 파싱부(1421)는 영상 데이터에 해당하는 비트스트림을 제 1 복호화부(1422)에서 처리될 비트스트림과 AI 데이터에 해당하는 비트스트림으로 분할하고, 분할된 각각의 비트스트림을 제 1 복호화부(1422)와 AI 설정부(1425)로 출력할 수 있다.
파싱부(1421)는 AI 부호화 데이터에 포함된 영상 데이터가 소정의 코덱(예를 들어, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 또는 AV1)을 통해 획득된 영상 데이터인 것으로 확인할 수도 있다. 이 경우, 영상 데이터가 상기 확인된 코덱으로 처리될 수 있도록, 해당 정보를 제 1 복호화부(1422)로 전달할 수 있다.
제 1 복호화부(1422)는 파싱부(1421)로부터 수신된 영상 데이터에 기초하여 제 1 영상(1325)에 대응하는 제 2 영상(1345)을 복원한다. 제 1 복호화부(1422)에 의해 획득된 제 2 영상(1345)은 AI 업스케일부(1423)로 제공된다.
구현예에 따라, 예측 모드 정보, 움직임 정보, 양자화 파라미터 정보 등의 제 1 복호화 관련 정보가 제 1 복호화부(1422)로부터 AI 설정부(1425)로 제공될 수 있다. 제 1 복호화 관련 정보는 DNN 설정 정보를 획득하는데 이용될 수 있다.
AI 설정부(1425)로 제공되는 AI 데이터는, 제 2 영상(1345)을 AI 업스케일할 수 있게 하는 정보들을 포함한다. 이때, 제 2 영상(1345)의 업스케일 타겟은 제 1 DNN의 다운스케일 타겟에 대응하여야 한다. 따라서, AI 데이터는 제 1 DNN의 다운스케일 타겟을 확인할 수 있는 정보가 포함되어야 한다.
AI 데이터에 포함된 정보를 구체적으로 예시하면, 원본 영상(1305)의 해상도와 제 1 영상(1325)의 해상도의 차이 정보, 제 1 영상(132) 관련 정보가 있다.
차이 정보는, 원본 영상(1305) 대비 제 1 영상(1325)의 해상도 변환 정도에 대한 정보(예를 들어, 해상도 변환율 정보)로 표현될 수 있다. 그리고, 복원된 제 2 영상(1345)의 해상도를 통해 제 1 영상(1325)의 해상도를 알게 되고 이를 통해 해상도 변환 정도를 확인할 수 있기 때문에, 차이 정보는 원본 영상(1305)의 해상도 정보만으로 표현될 수도 있다. 여기서 해상도 정보는 가로/세로의 화면 사이즈로 표현될 수도 있고, 비율(16:9, 4:3 등)과 한 축의 사이즈로 표현될 수도 있다. 또한, 기 설정된 해상도 정보가 있는 경우는 인덱스 또는 플래그의 형태로 표현될 수도 있다.
제 1 영상(1325) 관련 정보는, 제 1 영상(1325)의 해상도, 제 1 영상(1325)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트 및 제 1 영상(1325)의 제 1 부호화시 이용된 코덱 타입 중 적어도 하나에 대한 정보를 포함할 수 있다.
AI 설정부(1425)는 AI 데이터에 포함된 차이 정보 및 제 1 영상(1325) 관련 정보 중 적어도 하나에 기초하여 제 2 영상(1345)의 업스케일 타겟을 결정할 수 있다. 업스케일 타겟은 예를 들어, 제 2 영상(1345)을 어느 정도의 해상도로 업스케일하여야 하는지를 나타낼 수 있다.
AI 업스케일부(1423)는 업스케일 타겟이 결정되면, 업스케일 타겟에 대응하는 업스케일된 영상(1355)을 획득하기 위해 제 2 DNN을 통해 제 2 영상(1345)을 AI 업스케일한다.
디블로킹 필터부(1424)는 디블로킹 예측부(1430)로부터 획득된 필터 설정 정보에 기초하여 업스케일된 제 2 영상(1355)에 디블로킹 필터링을 적용하여 제 3 영상(1465)을 획득한다.
제 2 DNN을 통한 AI 업스케일 과정은 도 3 및 도 4에서 전술된 바 생략한다.
이하에서, AI 설정부(1425)가 AI 데이터에 기초하여 업스케일 타겟을 결정하고, AI 업스케일부(1423)가 업스케일 타겟에 맞춰 제 2 영상(1345)을 AI 업스케일하는 방법을 설명한다.
일 실시예에서, AI 설정부(1425)는 제 2 DNN에 세팅 가능한 복수의 DNN 설정 정보를 저장할 수 있다.
여기서, DNN 설정 정보는 제 2 DNN에 포함되는 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수 및 각 필터 커널의 파라미터 중 적어도 하나에 대한 정보를 포함할 수 있다.
복수의 DNN 설정 정보는 다양한 업스케일 타겟에 각각 대응될 수 있으며, 특정 업스케일 타겟에 대응되는 DNN 설정 정보에 기반하여 제 2 DNN이 동작할 수 있다. DNN 설정 정보에 따라 제 2 DNN이 서로 다른 구조를 가질 수 있다. 예를 들어, 어느 DNN 설정 정보에 따라 제 2 DNN이 3개의 컨볼루션 레이어를 포함할 수 있고, 다른 DNN 설정 정보에 따라 제 2 DNN이 4개의 컨볼루션 레이어를 포함할 수 있다.
일 실시예에서, DNN 설정 정보는 제 2 DNN에서 사용되는 필터 커널의 파라미터만을 포함할 수도 있다. 이 경우, 제 2 DNN의 구조는 변경되지 않는 대신, DNN 설정 정보에 따라 내부의 필터 커널의 파라미터만이 달라질 수 있다.
AI 설정부(1425)는 복수의 DNN 설정 정보 중 제 2 영상(1345)의 AI 업스케일을 위한 DNN 설정 정보를 획득할 수 있다. 여기서 사용되는 복수의 DNN 설정 정보 각각은 미리 결정된 해상도 및/또는 미리 결정된 화질의 AI 업스케일된 제 2 영상(1355)을 획득하기 위한 정보로, 제 1 DNN과 연계하여 훈련된 것이다.
예를 들어, 복수의 DNN 설정 정보 중 어느 하나의 DNN 설정 정보는 제 2 영상(1345)의 해상도보다 2배 큰 해상도의 제 3 영상(1365), 예를 들어, 2K (2048*1080)의 제 2 영상(1345)보다 2배 큰 4K(4096*2160)의 제 3 영상(1365)을 획득하기 위한 정보들을 포함할 수 있고, 다른 하나의 DNN 설정 정보는 제 2 영상(1345)의 해상도보다 4배 큰 해상도의 제 3 영상(1365), 예를 들어, 2K (2048*1080)의 제 2 영상(1345)보다 4배 큰 8K(8192*4320)의 제 3 영상(1365)을 획득하기 위한 정보들을 포함할 수 있다.
복수의 DNN 설정 정보 각각은 AI 부호화 장치(1500)의 제 1 DNN의 DNN 설정 정보와 연계되어 만들어진 것이며, AI 설정부(1425)는 제 1 DNN의 DNN 설정 정보의 축소 비율에 대응되는 확대 비율에 따라 복수의 DNN 설정 정보 중 하나의 DNN 설정 정보를 획득한다. 이를 위해, AI 설정부(1425)는 제 1 DNN의 정보를 확인하여야 한다. 제 1 DNN의 정보를 AI 설정부(1425)가 확인하기 위해, 일 실시예에 따른 AI 복호화 장치(1400)는 AI 부호화 장치(1500)로부터 제 1 DNN의 정보를 포함하는 AI 데이터를 수신한다.
다시 말하면, AI 설정부(1425)는 AI 부호화 장치(1500)로부터 수신되는 정보들을 이용하여, 제 1 영상(1325)을 획득하기 위해 이용된 제 1 DNN의 DNN 설정 정보가 타겟하는 정보를 확인하고, 그와 연계 훈련된 제 2 DNN의 DNN 설정 정보를 획득할 수 있는 것이다.
복수의 DNN 설정 정보 중 제 2 영상(1345)의 AI 업스케일을 위한 DNN 설정 정보가 획득되면, DNN 설정 정보는 AI 업스케일부(1423)로 전달되고, DNN 설정 정보에 따라 동작하는 제 2 DNN에 기초하여 입력 데이터가 처리될 수 있다.
예를 들어, AI 업스케일부(1423)는 어느 하나의 DNN 설정 정보가 획득되면, 도 3에 도시된 제 2 DNN(300)의 제 1 컨볼루션 레이어(310), 제 2 컨볼루션 레이어(330) 및 제 3 컨볼루션 레이어(350) 각각에 대해서, 각 레이어에 포함되는 필터 커널의 개수와 필터 커널의 파라미터들을, 상기 획득된 DNN 설정 정보에 포함된 값으로 설정한다.
구체적으로, AI 업스케일부(1423)는 도 4에 도시된 제 2 DNN의 어느 하나의 컨볼루션 레이어에서 이용되는 3 X 3의 필터 커널의 파라미터들이 {1, 1, 1, 1, 1, 1, 1, 1, 1}이고, DNN 설정 정보의 변경이 있는 경우, 필터 커널의 파라미터들을 변경된 DNN 설정 정보에 포함된 파라미터들인 {2, 2, 2, 2, 2, 2, 2, 2, 2}로 교체할 수 있는 것이다.
AI 설정부(1425)는 AI 데이터에 포함된 정보에 기초하여 복수의 DNN 설정 정보 중 제 2 영상(1345)을 업스케일하기 위한 DNN 설정 정보를 획득할 수 있는데, DNN 설정 정보를 획득하는데 이용되는 AI 데이터에 대해 구체적으로 설명한다.
일 실시예에서, AI 설정부(1425)는 AI 데이터에 포함된 차이 정보에 기초하여, 복수의 DNN 설정 정보 중 제 2 영상(1345)을 업스케일하기 위한 DNN 설정 정보를 획득할 수 있다. 예를 들어, 차이 정보에 기초하여 원본 영상(1305)의 해상도(예를 들어, 4K(4096*2160))가 제 1 영상(1325)의 해상도(예를 들어, 2K (2048*1080))보다 2배 큰 것으로 확인된 경우, AI 설정부(238)는 제 2 영상(1345)의 해상도를 2배 증가시킬 수 있는 DNN 설정 정보를 획득할 수 있다.
다른 실시예에서, AI 설정부(1425)는 AI 데이터에 포함된 제 1 영상(1325) 관련 정보에 기초하여, 복수의 DNN 설정 정보 중 제 2 영상(1345)을 AI 업스케일하기 위한 DNN 설정 정보를 획득할 수 있다. AI 설정부(1425)는 영상 관련 정보들과 DNN 설정 정보들 사이의 매핑 관계를 미리 결정하고, 제 1 영상(1325) 관련 정보에 매핑된 DNN 설정 정보를 획득할 수 있다.
도 15는 일 실시예에 따른 AI 부호화 장치(1500)의 구성을 나타내는 블록도이다.
도 15를 참조하면, AI 부호화 장치(1500)는 AI 부호화부(1510), 전송부(1520), 및 디블로킹 예측부(1530)를 포함할 수 있다. AI 부호화부(1510)는 디블로킹 필터부(1511), AI 다운스케일부(1512), 제 1 부호화부(1513), 데이터 처리부(1514) 및 AI 설정부(1515)를 포함할 수 있다.
도 15는 AI 부호화부(1510), 전송부(1520), 및 디블로킹 예측부(1530)를 개별적인 장치로 도시하고 있으나, AI 부호화부(1510), 전송부(1520), 및 디블로킹 예측부(1530)는 하나의 프로세서를 통해 구현될 수 있다. 이 경우, 전용 프로세서로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 범용 프로세서와 S/W의 조합을 통해 구현될 수도 있다. 또한, 전용 프로세서의 경우, 본 개시의 실시예를 구현하기 위한 메모리를 포함하거나, 외부 메모리를 이용하기 위한 메모리 처리부를 포함할 수 있다.
또한, AI 부호화부(1510), 전송부(1520), 및 디블로킹 예측부(1530)는 복수의 프로세서로 구성될 수도 있다. 이 경우, 전용 프로세서들의 조합으로 구현될 수도 있고, AP 또는 CPU, GPU와 같은 다수의 범용 프로세서들과 S/W의 조합을 통해 구현될 수도 있다. 일 실시예에서, 제 1 부호화부(1513)는 제 1 프로세서로 구성되고, 디블로킹 필터부(1511), AI 다운스케일부(1512), 데이터 처리부(1514) 및 AI 설정부(1515)는 제 1 프로세서와 상이한 제 2 프로세서로 구현되고, 전송부(1520)는 제 1 프로세서 및 제 2 프로세서와 상이한 제 3 프로세서로 구현되고, 디블로킹 예측부(1530)는 제 1 프로세서, 제 2 프로세서, 및 제 3 프로세서와 상이한 제 4 프로세서로 구현될 수 있다.
디블로킹 예측부(1530)는 원본 영상(1305), 이전 프레임 정보, 및 네트워크 환경 정보를 획득하고, 원본 영상(1305), 이전 프레임 정보, 및 네트워크 환경 정보에 기초하여 필터 설정 정보를 디블로킹 필터부(1511)에 전송한다.
디블로킹 예측부(1530)는 제 1 부호화부(1513)로부터 이전 프레임 정보를 획득하고, AI 복호화 장치(1400)로부터 실시간 프로토콜에 따라 네트워크 환경 정보를 획득한다.
일 실시예에서, 디블로킹 예측부(1530)는 필터 설정 정보를 디블로킹 필터부(1511)에 전달한다. 필터 설정 정보는 블록 아티팩트가 발생되는 영역을 나타내는 블로킹 영역 맵을 포함할 수 있다.
다른 실시예에서, 필터 설정 정보는 블록 아티팩트가 발생되는 영역을 나타내는 블로킹 영역 맵 및 디블로킹 필터링을 위한 DNN의 DNN 설정 정보를 포함할 수 있다.
디블로킹 필터부(1511)는 디블로킹 예측부(1530)로부터 획득된 필터 설정 정보에 기초하여 원본 영상(1305)에 디블로킹 필터링을 적용하여 디블로킹 필터링된 원본 영상(1315)을 획득한다.
AI 부호화부(1513)는 디블로킹 필터링된 원본 영상(1315)의 AI 다운스케일 및 제 1 영상(1325)의 제 1 부호화를 수행하고, AI 부호화 데이터를 전송부(1520)로 전달한다. 전송부(1520)는 AI 부호화 데이터 및 필터 설정 정보를 AI 복호화 장치(1400)로 전송한다.
다른 실시예에서, 전송부(1520)는 필터 설정 정보, AI 데이터, 및 영상데이터를 포함하는 AI 부호화 데이터를 AI 복호화 장치(1400)로 전송한다.
영상 데이터는 제 1 영상(1325)의 제 1 부호화 결과 획득된 데이터를 포함한다. 영상 데이터는 제 1 영상(1325) 내 픽셀 값들에 기초하여 획득되는 데이터, 예를 들어, 제 1 영상(1325)과 제 1 영상(1325)의 예측 데이터 사이의 차이인 잔차 데이터를 포함할 수 있다. 또한, 영상 데이터는 제 1 영상(1325)의 제 1 부호화 과정에서 이용된 정보들을 포함한다. 예를 들어, 영상 데이터는 제 1 영상(1325)을 제 1 부호화하는데 이용된 예측 모드 정보, 움직임 정보 및 제 1 영상(1325)을 제 1 부호화하는데 이용된 양자화 파라미터 관련 정보 등을 포함할 수 있다.
AI 데이터는, AI 업스케일부(1513)가 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로 제 2 영상(1345)을 AI 업스케일할 수 있게 하는 정보들을 포함한다.
일 예에서, AI 데이터는 원본 영상(1305)과 제 1 영상(1325) 사이의 차이 정보를 포함할 수 있다.
일 예에서, AI 데이터는 제 1 영상(1325) 관련 정보를 포함할 수도 있다. 제 1 영상(1325) 관련 정보는, 제 1 영상(1325)의 해상도, 제 1 영상(1325)의 제 1 부호화 결과 획득된 영상 데이터의 비트레이트 및 제 1 영상(1325)의 제 1 부호화시 이용된 코덱 타입 중 적어도 하나에 대한 정보를 포함할 수 있다.
일 실시예에서, AI 데이터는, 제 1 DNN의 다운스케일 타겟에 대응하는 업스케일 타겟으로 제 2 영상(1345)이 AI 업스케일될 수 있도록, 상호 약속된 DNN 설정 정보의 식별자를 포함할 수 있다.
또한, 일 실시예에서, AI 데이터는 제 2 DNN에 세팅 가능한 DNN 설정 정보를 포함할 수도 있다.
AI 다운스케일부(1512)는 디블로킹 필터링된 원본 영상(1315)으로부터 제 1 DNN을 통해 AI 다운스케일된 영상(1325)을 획득할 수 있다. AI 다운스케일부(1512)는 AI 설정부(1515)로부터 제공된 DNN 설정 정보를 이용하여 필터링된 원본 영상(1315)을 AI 다운스케일할 수 있다.
AI 설정부(1515)는 미리 결정된 기준에 기초하여 원본 영상(105)의 다운스케일 타겟을 결정할 수 있다.
다운스케일 타겟에 부합하는 제 1 영상(1325)의 획득을 위해, AI 설정부(1515)는 제 1 DNN에 세팅 가능한 복수의 DNN 설정 정보를 저장할 수 있다. AI 설정부(1515)는 복수의 DNN 설정 정보 중 다운스케일 타겟에 대응하는 DNN 설정 정보를 획득하고, 획득된 DNN 설정 정보를 AI 다운스케일부(1512)로 제공한다.
상기 복수의 DNN 설정 정보 각각은 미리 결정된 해상도 및/또는 미리 결정된 화질의 제 1 영상(1325)을 획득하기 위해 훈련된 것일 수 있다. 예를 들어, 복수의 DNN 설정 정보 중 어느 하나의 DNN 설정 정보는 원본 영상(1305)의 해상도보다 1/2배만큼 작은 해상도의 제 1 영상(1325), 예를 들어, 4K(4096*2160)의 원본 영상(1305)보다 1/2배 작은 2K (2048*1080)의 제 1 영상(1325)을 획득하기 위한 정보들을 포함할 수 있고, 다른 하나의 DNN 설정 정보는 원본 영상(1305)의 해상도보다 1/4배만큼 작은 해상도의 제 1 영상(1325), 예를 들어, 8K(8192*4320)의 원본 영상(1305)보다 1/4배 작은 2K (2048*1080)의 제 1 영상(1325)을 획득하기 위한 정보들을 포함할 수 있다.
구현예에 따라, DNN 설정 정보를 구성하는 정보들(예를 들어, 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수, 각 필터 커널의 파라미터 등)이 룩업 테이블 형태로 저장되어 있는 경우, AI 설정부(1515)는 다운스케일 타겟에 따라 룩업 테이블 값들 중에서 선택된 일부를 조합하여 DNN 설정 정보를 획득하고, 획득한 DNN 설정 정보를 AI 다운스케일부(1512)로 제공할 수도 있다.
구현예에 따라, AI 설정부(1515)는 다운스케일 타겟에 대응되는 DNN의 구조를 결정하고, 결정된 DNN의 구조에 대응하는 DNN 설정 정보, 예를 들어, 필터 커널의 파라미터들을 획득할 수도 있다.
필터링된 원본 영상(1315)의 AI 다운스케일을 위한 복수의 DNN 설정 정보는, 제 1 DNN과 제 2 DNN이 연계 훈련됨으로써, 최적화된 값을 가질 수 있다. 여기서, 각 DNN 설정 정보는 제 1 DNN에 포함되는 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수 및 각 필터 커널의 파라미터 중 적어도 하나를 포함한다.
AI 다운스케일부(1512)는 필터링된 원본 영상(1315)의 AI 다운스케일을 위해 결정된 DNN 설정 정보로 제 1 DNN을 세팅하여, 소정 해상도 및/또는 소정 화질의 제 1 영상(1325)을 제 1 DNN을 통해 획득할 수 있다. 복수의 DNN 설정 정보 중 원본 영상(1305)의 AI 다운스케일을 위한 DNN 설정 정보가 획득되면, 제 1 DNN 내 각 레이어는 DNN 설정 정보에 포함된 정보들에 기초하여 입력된 데이터를 처리할 수 있다.
AI 설정부(1515)가 다운스케일 타겟을 결정하는 방법에 대해 설명한다. 상기 다운스케일 타겟은 예를 들어, 디블로킹 필터링된 원본 영상(1315)으로부터 얼마나 해상도가 감소한 제 1 영상(1325)을 획득해야 하는지를 나타낼 수 있다.
AI 설정부(1515)는 하나 이상의 입력 정보를 획득한다. 일 실시예에서, 입력 정보는 제 1 영상(1325)의 타겟 해상도, 영상 데이터의 타겟 비트레이트, 영상 데이터의 비트레이트 타입(예를 들어, variable bitrate 타입, constant bitrate 타입 또는 average bitrate 타입 등), AI 다운스케일이 적용되는 컬러 포맷(휘도 성분, 색차 성분, 레드 성분, 그린 성분 또는 블루 성분 등), 제 1 영상(1325)의 제 1 부호화를 위한 코덱 타입, 압축 히스토리 정보, 원본 영상(1305)의 해상도 및 원본 영상(1305)의 타입 중 적어도 하나를 포함할 수 있다.
하나 이상의 입력 정보는 AI 부호화 장치(1500)에 미리 저장되거나, 사용자로부터 입력받은 정보를 포함할 수 있다.
AI 설정부(1515)는 입력 정보에 기초하여 AI 다운스케일부(1512)의 동작을 제어한다. 일 실시예에서, AI 설정부(1515)는 입력 정보에 따라 다운스케일 타겟을 결정하고, 결정된 다운스케일 타겟에 대응하는 DNN 설정 정보를 AI 다운스케일부(1512)로 제공할 수 있다.
일 실시예에서, AI 설정부(1515)는 입력 정보의 적어도 일부를 제 1 부호화부(1513)로 전달하여 제 1 부호화부(1513)가 특정 값의 비트레이트, 특정 타입의 비트레이트 및 특정 코덱으로 제 1 영상(1325)을 제 1 부호화하게 할 수도 있다.
다른 실시예에서, 디블로킹 예측부(1530)는 원본 영상(1305), 이전 프레임 정보, 및 네트워크 환경 정보에 기초하여 DQP 맵 또는 레이트 컨트롤(rate control)에 대한 정보를 추가로 획득하고, DQP 맵 또는 레이트 컨트롤(rate control)에 대한 정보를 제 1 부호화부(1513)에 전송할 수 있다. 또한, 제 1 부호화부(1513)는 제 1 영상(1325)을 제 1 부호화하는데 DQP 맵 또는 레이트 컨트롤(rate control)에 대한 정보를 이용할 수 있다.
일 실시예에서, AI 설정부(1515)는 압축률(예를 들어, 원본 영상(1305)과 제 1 영상(1325) 사이의 해상도 차이, 타겟 비트레이트), 압축 품질(예를 들어, 비트레이트 타입), 압축 히스토리 정보 및 원본 영상(1305)의 타입 중 적어도 하나에 기초하여 다운스케일 타겟을 결정할 수 있다.
일 예에서, AI 설정부(1515)는 미리 설정되거나, 사용자로부터 입력받은 압축률 또는 압축 품질 등에 기반하여 다운스케일 타겟을 결정할 수 있다.
다른 예로, AI 설정부(1515)는 AI 부호화 장치(1500)에 저장된 압축 히스토리 정보를 이용하여 다운스케일 타겟을 결정할 수도 있다. 예를 들어, AI 부호화 장치(1500)가 이용할 수 있는 압축 히스토리 정보에 따르면, 사용자가 선호하는 부호화 품질 또는 압축률 등이 결정될 수 있으며, 압축 히스토리 정보에 기초하여 결정된 부호화 품질 등에 따라 다운스케일 타겟이 결정될 수 있다. 예를 들면, 압축 히스토리 정보에 따라 가장 많이 이용된 적이 있는 부호화 품질에 따라 제 1 영상(115)의 해상도, 화질 등이 결정될 수 있다.
또 다른 예로, AI 설정부(1515)는 압축 히스토리 정보에 따라 소정의 임계 값보다 많이 이용된 적이 있는 부호화 품질(예를 들면, 소정의 임계값보다 많이 이용된 적이 있는 부호화 품질들의 평균 품질)에 기초하여 다운스케일 타겟을 결정할 수도 있다.
또 다른 예로, AI 설정부(1515)는 원본 영상(1305)의 해상도, 타입(예를 들어, 파일의 형식)등에 기초하여 다운스케일 타겟을 결정할 수도 있다.
일 실시예에서, 원본 영상(1305)이 복수의 프레임으로 구성된 경우, AI 설정부(1515)는 소정 개수의 프레임 별로 DNN 설정 정보를 독립적으로 획득하고, 독립적으로 획득한 DNN 설정 정보를 AI 다운스케일부(1512)로 제공할 수도 있다.
일 예시에서, AI 설정부(1515)는 원본 영상(1305)을 구성하는 프레임들을 소정 개수의 그룹으로 구분하고, 각 그룹별로 DNN 설정 정보를 독립적으로 획득할 수 있다. 각 그룹에 대해 서로 동일하거나 서로 상이한 DNN 설정 정보가 획득될 수 있다. 그룹들에 포함된 프레임들의 개수는 그룹별로 동일하거나 상이할 수 있다.
다른 예시에서, AI 설정부(1515)는 원본 영상(1305)을 구성하는 프레임별로 DNN 설정 정보를 독립적으로 결정할 수 있다. 각각의 프레임에 대해 서로 동일하거나 서로 상이한 DNN 설정 정보가 획득될 수 있다.
이하, 도 16 내지 도 18에서는 도 13과 비교하여 디블로킹 필터의 위치가 다른 실시예들이 후술된다.
도 16은 다른 실시예에 따른 디블로킹 필터링을 적응적으로 추가하는 AI 부호화 과정 및 AI 복호화 과정을 설명하기 위한 도면이다.
도 16은 도 13의 디블로킹 필터링을 적응적으로 추가하는 AI 부호화 과정 및 AI 복호화 과정과 비교하여 AI 부호화 과정에서의 디블로킹 필터의 위치가 달라진 실시예를 나타낸다.
도 16을 참고하면, 디블로킹 예측 과정(1670)에서, 현재 스트리밍 채널의 네트워크 환경 정보, 원본 영상(1605), 이전에 부호화된 프레임의 정보를 획득하여, 입력되는 원본 영상에 블로킹 현상이 발생할 지를 예측하고, 블록이 생기는 영역에 대한 블로킹 영역 맵과 같은 필터 설정 정보를 AI 부호화 및 AI 복호화가 수행될 때 전송한다. AI 부호화 과정에서, 원본 영상(1605)을 AI 다운스케일(1610)하여 제 1 영상(1615)을 획득하고, 디블로킹 예측 과정(1670)에서 획득된 필터 설정 정보에 기초하여 제 1 영상(1615)에 디블로킹 필터(1620)을 적용하여 디블로킹 필터링된 제 1 영상(1625)을 획득하고, 디블로킹 필터링된 제 1 영상(1625)을 제 1 부호화(1630)하여 전송한다, AI 복호화 과정에서는, AI 부호화 결과 획득된 AI 데이터와 영상 데이터를 포함하는 AI 부호화 데이터를 수신하고, 제 1 복호화(1640)를 통해 제 2 영상(1645)을 획득하고, 제 2 영상(1645)을 AI 업스케일(1650)하여 AI 업스케일된 영상(1355)을 획득하고, 디블로킹 예측(1370)에서 전송된 필터 설정 정보에 따른 디블로킹 필터(1660)을 적용하여 제 3 영상(1665)을 획득한다.
도 17은 다른 실시예에 따른 디블로킹 필터링을 적응적으로 추가하는 AI 부호화 과정 및 AI 복호화 과정을 설명하기 위한 도면이다.
도 17은 도 13의 디블로킹 필터링을 적응적으로 추가하는 AI 부호화 과정 및 AI 복호화 과정과 비교하여 AI 부호화 과정에서의 디블로킹 필터 및 AI 복호화 과정에서의 디블로킹 필터의 위치가 모두 달라진 실시예를 나타낸다.
도 17을 참고하면, 디블로킹 예측 과정(1770)에서, 현재 스트리밍 채널의 네트워크 환경 정보, 원본 영상(1705), 이전에 부호화된 프레임의 정보를 획득하여, 입력되는 원본 영상에 블로킹 현상이 발생할 지를 예측하고, 블록이 생기는 영역에 대한 블로킹 영역 맵과 같은 필터 설정 정보를 AI 부호화 및 AI 복호화가 수행될 때 전송한다. AI 부호화 과정에서, 원본 영상(1705)을 AI 다운스케일(1710)하여 제 1 영상(1715)을 획득하고, 디블로킹 예측 과정(1770)에서 획득된 필터 설정 정보에 기초하여 제 1 영상(1715)에 디블로킹 필터(1720)을 적용하여 디블로킹 필터링된 제 1 영상(1725)을 획득하고, 디블로킹 필터링된 제 1 영상(1725)을 제 1 부호화(1730)하여 전송한다, AI 복호화 과정에서는, AI 부호화 결과 획득된 AI 데이터와 영상 데이터를 포함하는 AI 부호화 데이터를 수신하고, 제 1 복호화(1740)를 통해 제 2 영상(1745)을 획득하고, 제 2 영상(1745)을 디블로킹 예측(1370)에서 전송된 필터 설정 정보에 따른 디블로킹 필터(1750)을 적용하여 디블로킹 필터링된 제 2 영상(1755)을 획득하고, 디블로킹 필터링된 제 2 영상(1755)을 AI 업스케일(1760)하여 제 3 영상(1765)을 획득한다.
도 18은 다른 실시예에 따른 디블로킹 필터링을 적응적으로 추가하는 AI 부호화 과정 및 AI 복호화 과정을 설명하기 위한 도면이다.
도 18은 도 13의 디블로킹 필터링을 적응적으로 추가하는 AI 부호화 과정 및 AI 복호화 과정과 비교하여 AI 복호화 과정에서의 디블로킹 필터의 위치가 달라진 실시예를 나타낸다.
도 18을 참고하면, 디블로킹 예측 과정(1870)에서, 현재 스트리밍 채널의 네트워크 환경 정보, 원본 영상(1805), 이전에 부호화된 프레임의 정보를 획득하여, 입력되는 원본 영상에 블로킹 현상이 발생할 지를 예측하고, 블록이 생기는 영역에 대한 블로킹 영역 맵과 같은 필터 설정 정보를 AI 부호화 및 AI 복호화가 수행될 때 전송한다. AI 부호화 과정에서, 디블로킹 예측 과정(1870)에서 획득된 필터 설정 정보에 기초하여 원본 영상(1805)에 디블로킹 필터(1810)을 적용하여 디블로킹 필터링된 원본 영상(1815)을 AI 다운스케일(1820)하여 제 1 영상(1825)을 획득하고, 제 1 영상(1825)을 제 1 부호화(1830)하여 전송한다, AI 복호화 과정에서는, AI 부호화 결과 획득된 AI 데이터와 영상 데이터를 포함하는 AI 부호화 데이터를 수신하고, 제 1 복호화(1840)를 통해 제 2 영상(1845)을 획득하고, 제 2 영상(1845)을 디블로킹 예측 과정(1870)에서 전송된 필터 설정 정보에 따른 디블로킹 필터(1850)을 적용하여 디블로킹 필터링된 제 2 영상(1855)을 획득하고, 디블로킹 필터링된 제 2 영상(1855)을 AI 업스케일(1860)하여 제 3 영상(1865)을 획득한다.
이하에서는, 도 13의 디블로킹 필터링이 레거시 디블로킹 필터가 아닌 DNN으로 훈련된 AI 디블로킹 필터인 경우에 디블로킹 필터링을 위한 DNN이 후술된다.
도 19는 AI에 기반한 디블로킹 필터를 위한 제 3 DNN 및 제 4 DNN을 나타내는 예시적인 도면이다.
도 19에 도시된 바와 같이, 원본 영상(1305) 또는 업스케일된 제 2 영상(1355)는 제 1 컨볼루션 레이어(1910)로 입력된다. 제 1 컨볼루션 레이어(1910)는 3 x 3의 크기의 4개의 필터 커널을 이용하여 원본 영상(1305) 또는 업스케일된 제 2 영상(1355)에 대해 컨볼루션 처리를 한다. 컨볼루션 처리 결과 4개의 특징 맵이 생성된다. 각 특징 맵은 원본 영상(1305) 또는 업스케일된 제 2 영상(1355)의 고유한 특성들을 나타낸다. 예를 들어, 각 특징 맵은 원본 영상(1305) 또는 업스케일된 제 2 영상(1355)의 수직 방향 특성, 수평 방향 특성, 에지 특성, 또는 블로킹 아티팩트의 발생 가능성이 있는지 등을 나타낼 수 있다. 생성된 4개의 특징 맵은 제 1 활성화 레이어(1920)로 입력된다.
제 1 활성화 레이어(1920)는 4개의 특징 맵에 대해 비선형(Non-linear) 특성을 부여할 수 있다.
제 1 활성화 레이어(1920)는 제 1 컨볼루션 레이어(1910)로부터 출력되는 특징 맵들의 샘플 값들을 제 2 컨볼루션 레이어(1930)로 전달할지 여부를 결정한다. 예를 들어, 특징 맵들의 샘플 값들 중 어떤 샘플 값들은 제 1 활성화 레이어(1920)에 의해 활성화되어 제 2 컨볼루션 레이어(1930)로 전달되고, 어떤 샘플 값들은 제 1 활성화 레이어(1920)에 의해 비활성화되어 제 2 컨볼루션 레이어(1930)로 전달되지 않는다. 제 1 컨볼루션 레이어(1910)로부터 출력되는 특징 맵들이 나타내는 정보가 제 1 활성화 레이어(1920)에 의해 강조된다.
제 1 활성화 레이어(1920)의 출력(1925)이 제 2 컨볼루션 레이어(1930)로 입력된다. 제 2 컨볼루션 레이어(1930)는 3 x 3의 크기의 4개의 필터 커널을 이용하여 입력 데이터에 대해 컨볼루션 처리를 한다. 컨볼루션 처리 결과 출력된 4개의 특징 맵은 제 2 활성화 레이어(1940)로 입력되고, 제 2 활성화 레이어(1940)는 4개의 특징 맵에 대해 비선형 특성을 부여할 수 있다.
제 2 활성화 레이어(1940)의 출력(1945)은 제 3 컨볼루션 레이어(1950)로 입력된다. 제 3 컨볼루션 레이어(1950)는 3 x 3의 크기의 1개의 필터 커널을 이용하여 입력된 데이터에 대해 컨볼루션 처리를 한다. 컨볼루션 처리 결과 제 3 컨볼루션 레이어(1950)로부터 1개의 영상이 출력될 수 있다. 제 3 컨볼루션 레이어(1950)는 최종 영상을 출력하기 위한 레이어로서 1개의 필터 커널을 이용하여 1개의 출력을 획득한다. 본 개시의 예시에 따르면, 제 3 컨볼루션 레이어(1950)는 컨벌루션 연산 결과를 통해 디블로킹 필터링된 원본 영상(1315) 또는 제 3 영상(1365)을 출력할 수 있다.
제 3 DNN 또는 제 4 DNN의 제 1 컨볼루션 레이어(1910), 제 2 컨볼루션 레이어(1930) 및 제 3 컨볼루션 레이어(1950)의 필터 커널의 개수, 필터 커널의 파라미터 등을 나타내는 DNN 설정 정보는 복수 개일 수 있다.
제 3 DNN과 제 4 DNN의 복수의 DNN 설정 정보는 서로 연계되어야 한다. 제 3 DNN의 복수의 DNN 설정 정보와 제 4 DNN의 복수의 DNN 설정 정보 사이의 연계는, 제 3 DNN 및 제 4 DNN의 연계 학습을 통해 구현될 수 있다.
도 19는 제 3 DNN 또는 제 4 DNN이 세 개의 컨볼루션 레이어(1910, 1930, 1950)와 두 개의 활성화 레이어(1920, 1940)를 포함하고 있는 것으로 도시하고 있으나, 이는 하나의 예시일 뿐이며, 구현예에 따라서, 컨볼루션 레이어 및 활성화 레이어의 개수는 다양하게 변경될 수 있다. 또한, 구현예에 따라서, 제 3 DNN 또는 제 4 DNN은 RNN(recurrent neural network)을 통해 구현될 수도 있다. 이 경우는 본 개시의 예시에 따른 제 3 DNN 또는 제 4 DNN의 CNN 구조를 RNN 구조로 변경하는 것을 의미한다.
일 실시예에서, 디블로킹 필터부(1424) 또는 디블로킹 필터부(1511)는 컨볼루션 연산 및 활성화 레이어의 연산을 위한 적어도 하나의 ALU를 포함할 수 있다. ALU는 프로세서로 구현될 수 있다. 컨볼루션 연산을 위해, ALU는 원본 영상(1305), 업스케일된 제 2 영상(1355) 또는 이전 레이어에서 출력된 특징 맵의 샘플 값들과 필터 커널의 샘플 값들 사이의 곱 연산을 수행하는 곱셈기 및 곱셈의 결과 값들을 더하는 가산기를 포함할 수 있다. 또한, 활성화 레이어의 연산을 위해, ALU는 미리 결정된 시그모이드 함수, Tanh 함수 또는 ReLU 함수 등에서 이용되는 가중치를 입력된 샘플 값에 곱하는 곱셈기, 및 곱한 결과와 소정 값을 비교하여 입력된 샘플 값을 다음 레이어로 전달할지를 판단하는 비교기를 포함할 수 있다.
이하에서는, 도 20을 참조하여, 제 3 DNN(2010)과 제 4 DNN(2020)을 연계 훈련시키는 방법에 대해 설명한다. 제 3 DNN(2010)과 제 4 DNN(2020)의 연계 훈련에 이용되는 제 1 DNN(800) 및 제 2 DNN(300)은 도 11 및 도 12에서 전술된 방식으로 훈련된 DNN이다.
도 20은 제 3 DNN(2010) 및 제 4 DNN(2020)을 훈련시키는 방법을 설명하기 위한 도면이다.
일 실시예에서, 스트리밍 환경의 변화가 있는 경우(사용자가 많이 몰리거나 실외에서 통신 환경의 변화가 있는 경우) 디블로킹 예측 과정을 통해 원본 영상(1305), 이전 프레임 정보, 및 네트워크 환경 정보를 획득하고, 원본 영상(1305), 이전 프레임 정보, 및 네트워크 환경 정보에 기초하여 디블로킹 필터 설정 정보를 AI 부호화 및 AI 복호화를 위해 전송하고, AI 부호화 과정을 통해, 디블로킹 예측 과정을 통해 전송된 디블로킹 핕터 설정 정보에 기초하여 원본 영상이 디블로킹 필터링되고 AI 다운스케일된 제 1 영상(1325)가 제 1 부호화되어 전송되고, 제 1 복호화된 제 2 영상(1345)이 AI 업스케일되고, 디블로킹 예측 과정을 통해 전송된 핕터 설정 정보에 기초하여 디블로킹 핕터링된 제 3 영상(1365)으로 복원된다.
도 1 내지 도 12에서 전술된 AI 부호화 및 AI 복호화 과정은 스트리밍 환경이 유지되는 경우에 제 1 DNN과 제 2 DNN의 DNN 설정 정보가 초기 네트워크 환경에 따른 해상도와 비트레이트에 적합하게 선택되어 추가적인 디블로킹 필터 없이 영상이 전송되지만, 스트리밍 환경에 문제가 생기는 경우에 제 1 DNN과 제 2 DNN의 DNN 설정 정보 변경 없이 추가적인 디블로킹 필터들을 통해 영상의 품질을 유지하여 영상을 전송할 수 있다.
따라서, 디블로킹 필터링을 위한 제 3 DNN 및 제 4 DNN은 특정 해상도와 특정 비트레이트에 대응하는 훈련된 제 1 DNN과 훈련된 제 2 DNN 각각의 DNN 설정 정보로 AI 다운스케일 및 AI 업스케일되고, 네트워크 환경의 변화를 가정해서 네트워크 채널의 대역폭 또는 비트레이트가 일부 변경된 조건 하에서 훈련된다.
이에 따라, 디블로킹 필터링이 추가된 AI 부호화 및 AI 복호화 결과 획득된 제 3 영상(1365)과 원본 영상(1305)과의 유사성을 유지하기 위해서는 AI 부호화 과정 및 AI 복호화 과정에 연관성이 필요하다. 즉, AI 부호화 과정에서 손실된 정보를 AI 복호화 과정에서 복원할 수 있어야 하는데, 이를 위해 제 3 DNN(2010)과 제 4 DNN(2020)의 연계 훈련이 요구된다.
정확한 디블로킹 필터링 및 AI 복호화를 위해서는 궁극적으로 도 20에 도시된 제 3 훈련 영상(2004)과 원본 훈련 영상(2001) 사이의 비교 결과에 대응하는 퀄리티 손실 정보(2050)를 감소시킬 필요가 있다. 따라서, 퀄리티 손실 정보(2050)는 제 3 DNN(2010) 및 제 4 DNN(2020)의 훈련 모두에 이용된다.
먼저, 도 20에 도시된 훈련 과정에 대해 설명한다.
도 20에서, 원본 훈련 영상(original training image)(2001)은 디블로킹 필터링 및 AI 다운스케일의 대상이 되는 영상이고, 제 1 훈련 영상(first training image)(2002)은 원본 훈련 영상(1101)로부터 디블로킹 필터링 및 AI 다운스케일된 영상이다. 또한, 제 3 훈련 영상(third training image)(2004)은 제 1 훈련 영상(2002)으로부터 AI 업스케일되고 디블로킹 필터링된 영상이다.
원본 훈련 영상(2001)은 정지 영상 또는 복수의 프레임으로 이루어진 동영상을 포함한다. 일 실시예에서, 원본 훈련 영상(2001)은 정지 영상 또는 복수의 프레임으로 이루어진 동영상으로부터 추출된 휘도 영상을 포함할 수도 있다. 또한, 일 실시예에서, 원본 훈련 영상(2001)은 정지 영상 또는 복수의 프레임으로 이루어진 동영상에서 추출된 패치 영상을 포함할 수도 있다. 원본 훈련 영상(2001)이 복수의 프레임으로 이루어진 경우, 제 1 훈련 영상(2002), 제 2 훈련 영상 및 제 3 훈련 영상(2004) 역시 복수의 프레임으로 구성된다. 원본 훈련 영상(2001)의 복수의 프레임이 순차적으로 제 3 DNN(2010) 및 훈련된 제 1 DNN(800)에 입력되면, 제 3 DNN(2010), 훈련된 제 1 DNN(800), 훈련된 제 2 DNN(300), 및 제 4 DNN(2020)을 통해 제 1 훈련 영상(2002), 제 2 훈련 영상 및 제 3 훈련 영상(2004)의 복수의 프레임이 순차적으로 획득될 수 있다.
제 3 DNN(2010) 및 제 4 DNN(2020)의 연계 훈련을 위해, 원본 훈련 영상(2001)이 제 3 DNN(2010) 및 훈련된 제 1 DNN(800)으로 입력된다. 제 3 DNN(2010) 및 훈련된 제 1 DNN(800)으로 입력된 원본 훈련 영상(2001)은 디블로킹 필터링되고 AI 다운스케일되어 제 1 훈련 영상(2002)으로 출력되고, 제 1 훈련 영상(2002)이 훈련된 제 2 DNN(300) 및 제 4 DNN(2020)에 입력된다. 제 1 훈련 영상(2002)에 대한 AI 업스케일 및 디블로킹 필터링 결과 제 3 훈련 영상(2004)이 출력된다.
도 20을 참조하면, 훈련된 제 2 DNN(300)으로 제 1 훈련 영상(2002)이 입력되고 있는데, 구현예에 따라, 제 1 훈련 영상(2002)의 제 1 부호화 및 제 1 복호화 과정을 거쳐 획득된 제 2 훈련 영상(second training image)이 훈련된 제 2 DNN(300)으로 입력될 수도 있다. 제 2 훈련 영상을 제 2 DNN으로 입력시키기 위해 MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 및 AV1 중 어느 하나의 코덱이 이용될 수 있다. 구체적으로, 제 1 훈련 영상(2002)의 제 1 부호화 및 제 1 훈련 영상(2002)에 대응하는 영상 데이터의 제 1 복호화에, MPEG-2, H.264, MPEG-4, HEVC, VC-1, VP8, VP9 및 AV1 중 어느 하나의 코덱이 이용될 수 있다.
도 20을 참조하면, 제 3 DNN(2010) 및 훈련된 제 1 DNN(800)을 통해 제 1 훈련 영상(2002)이 출력되는 것과 별개로, 원본 훈련 영상(2001)으로부터 레거시 다운스케일된 축소 훈련 영상(2003)이 획득된다. 여기서, 레거시 다운스케일은 바이리니어(bilinear) 스케일, 바이큐빅(bicubic) 스케일, 란조스(lanczos) 스케일 및 스테어 스탭(stair step) 스케일 중 적어도 하나를 포함할 수 있다.
원본 영상(1305)의 구조적 특징을 기준으로 제 1 영상(1325)의 구조적 특징이 크게 벗어나는 것을 방지하기 위해, 원본 훈련 영상(2001)의 구조적 특징을 보존하는 축소 훈련 영상(2003)을 획득하는 것이다.
훈련의 진행 전 제 3 DNN(2010) 및 제 4 DNN(2020)은 미리 결정된 DNN 설정 정보로 세팅될 수 있다. 훈련이 진행됨에 따라 구조적 손실 정보(2030), 복잡성 손실 정보(2040) 및 퀄리티 손실 정보(2050)가 결정될 수 있다.
구조적 손실 정보(2030)는 축소 훈련 영상2003)과 제 1 훈련 영상(1102)의 비교 결과에 기초하여 결정될 수 있다. 일 예에서, 구조적 손실 정보(2030)는 축소 훈련 영상(2003)의 구조적 정보와 제 1 훈련 영상(2002)의 구조적 정보 사이의 차이에 해당할 수 있다. 구조적 정보는, 영상의 휘도, 대비, 히스토그램 등 영상으로부터 추출 가능한 다양한 특징을 포함할 수 있다. 구조적 손실 정보(2030)는 원본 훈련 영상(2001)의 구조적 정보가 제 1 훈련 영상(2002)에서 어느 정도로 유지되고 있는지를 나타낸다. 구조적 손실 정보(2030)가 작을수록 제 1 훈련 영상(2002)의 구조적 정보가 원본 훈련 영상(2001)의 구조적 정보와 유사해진다.
복잡성 손실 정보(2040)는 제 1 훈련 영상(2002)의 공간적 복잡도에 기반하여 결정될 수 있다. 일 예에서, 공간적 복잡도로서, 제 1 훈련 영상(2002)의 총 분산(total variance)값이 이용될 수 있다. 복잡성 손실 정보(2040)는 제 1 훈련 영상(2002)을 제 1 부호화하여 획득한 영상 데이터의 비트레이트와 관련된다. 복잡성 손실 정보(2040)가 작을수록 영상 데이터의 비트레이트가 작은 것으로 정의된다.
퀄리티 손실 정보(2050)는 원본 훈련 영상(2001)과 제 3 훈련 영상(2004)의 비교 결과에 기초하여 결정될 수 있다. 퀄리티 손실 정보(2050)는 원본 훈련 영상(2001)과 제 3 훈련 영상(2004)의 차이에 대한 L1-norm 값, L2-norm 값, SSIM(Structural Similarity) 값, PSNR-HVS(Peak Signal-To-Noise Ratio-Human Vision System) 값, MS-SSIM(Multiscale SSIM) 값, VIF(Variance Inflation Factor) 값 및 VMAF(Video Multimethod Assessment Fusion) 값 중 적어도 하나를 포함할 수 있다. 퀄리티 손실 정보(2050)는 제 3 훈련 영상(2004)이 원본 훈련 영상(2001)과 어느 정도로 유사한지를 나타낸다. 퀄리티 손실 정보(2050)가 작을수록 제 3 훈련 영상(2004)이 원본 훈련 영상(2001)에 더 유사해진다.
도 20을 참조하면, 구조적 손실 정보(2030), 복잡성 손실 정보(2040) 및 퀄리티 손실 정보(2050)가 제 3 DNN(2010)의 훈련에 이용되고, 퀄리티 손실 정보(2050)는 제 4 DNN(2020)의 훈련에 이용된다. 즉, 퀄리티 손실 정보(2050)는 제 3 DNN(2010) 및 제 4 DNN(2020)의 훈련에 모두 이용된다.
제 3 DNN(2010)은 구조적 손실 정보(2030), 복잡성 손실 정보(2040) 및 퀄리티 손실 정보(2050)에 기초하여 결정된 최종 손실 정보가 감소 또는 최소화되도록 파라미터를 갱신할 수 있다. 또한, 제 4 DNN(2020)은 퀄리티 손실 정보(2050)가 감소 또는 최소화되도록 파라미터를 갱신할 수 있다.
제 3 DNN(2010) 및 제 4 DNN(2020)의 훈련을 위한 최종 손실 정보는 아래의 수학식 2와 같이 결정될 수 있다.
[수학식 2]
LossDDS = e*구조적 손실 정보+f*복잡성 손실 정보+g*퀄리티 손실 정보
LossDUS = h*퀄리티 손실 정보
상기 수학식 2에서, LossDDS는 제 3 DNN(2010)의 훈련을 위해 감소 또는 최소화되어야 할 최종 손실 정보를 나타내고, LossDUS는 제 4 DNN(2020)의 훈련을 위해 감소 또는 최소화되어야 할 최종 손실 정보를 나타낸다. 또한, e, f, g, h는 미리 결정된 소정의 가중치에 해당할 수 있다.
즉, 제 3 DNN(2010)은 수학식 2의 LossDDS가 감소되는 방향으로 파라미터들을 갱신하고, 제 4 DNN(2020)은 LossDUS가 감소되는 방향으로 파라미터들을 갱신하게 된다. 훈련 과정에서 도출된 LossDDS에 따라 제 3 DNN(2010)의 파라미터들이 갱신되면, 갱신된 파라미터에 기초하여 획득되는 제 1 훈련 영상(2002)이 이전 훈련 과정에서의 제 1 훈련 영상(2002)과 달라지게 되고, 그에 따라 제 3 훈련 영상(2004) 역시 이전 훈련 과정에서의 제 3 훈련 영상(2004)과 달라지게 된다. 제 3 훈련 영상(2004)이 이전 훈련 과정에서의 제 3 훈련 영상(2004)과 달라지게 되면, 퀄리티 손실 정보(2050) 역시 새롭게 결정되며, 그에 따라 제 4 DNN(2020)은 파라미터들을 갱신한다. 퀄리티 손실 정보(2050)가 새롭게 결정되면, LossDDS 역시 새롭게 결정되므로, 제 3 DNN(2010)은 새롭게 결정된 LossDDS에 따라 파라미터들을 갱신한다. 즉, 제 3 DNN(2010)의 파라미터 갱신은, 제 4 DNN(2020)의 파라미터 갱신을 야기하고, 제 4 DNN(2020)의 파라미터 갱신은 제 3 DNN(2010)의 파라미터 갱신을 야기하는 것이다. 다시 말하면, 제 3 DNN(2010) 및 제 4 DNN(2020)은 퀄리티 손실 정보(2050)의 공유를 통해 연계 훈련되므로, 제 3 DNN(2010)의 파라미터들과 제 4 DNN(2020)의 파라미터들이 서로 연관성을 가지고 최적화될 수 있는 것이다.
수학식 2를 참조하면, LossDUS가 퀄리티 손실 정보(2050)에 따라 결정되는 것을 알 수 있으나, 이는 하나의 예시이며, LossDUS는 구조적 손실 정보(2030) 및 복잡성 손실 정보(2040) 중 적어도 하나와, 퀄리티 손실 정보(2050)에 기초하여 결정될 수도 있다.
앞서, AI 복호화 장치(1400)의 디블로킹 예측부(1430) 및 AI 부호화 장치(1500)의 디블로킹 예측부(1530)는 필터 설정 정보를 저장하는 것으로 설명하였는데, 필터 설정 정보는 복수의 DNN 설정 정보도 포함할 수 있다. 디블로킹 예측부(1430) 및 디블로킹 예측부(1530)에 저장되는 복수의 DNN 설정 정보 각각을 훈련시키는 방법에 대해 설명한다.
수학식 2와 관련하여 설명한 바와 같이, 제 3 DNN(2010)의 경우, 제 1 훈련 영상(2002)의 구조적 정보와 원본 훈련 영상(2001)의 구조적 정보 사이의 유사 정도(구조적 손실 정보(2030)), 제 1 훈련 영상(2002)의 제 1 부호화 결과 획득되는 영상 데이터의 비트레이트(복잡성 손실 정보(2040)) 및 제 3 훈련 영상(2004)과 원본 훈련 영상(2001) 사이의 차이(퀄리티 손실 정보(2050))를 고려하여 파라미터를 갱신하게 된다.
자세히 설명하면, 원본 훈련 영상(2001)의 구조적 정보와 유사하면서, 제 1 부호화를 하였을 때 획득되는 영상 데이터의 비트레이트가 작은 제 1 훈련 영상(2002)이 획득 가능하도록 하는 동시에, 제 1 훈련 영상(2002)을 AI 업스케일하는 제 4 DNN(2020)이 원본 훈련 영상(2001)에 유사한 제 3 훈련 영상(2004)을 획득할 수 있도록, 제 3 DNN(2010)의 파라미터가 갱신될 수 있다.
수학식 2의 e, f, g의 가중치가 조절됨으로써, 제 3 DNN(2010)의 파라미터들이 최적화되는 방향이 상이해지게 된다. 예를 들어, f의 가중치를 높게 결정하는 경우, 제 3 훈련 영상(2004)의 퀄리티보다 비트레이트가 낮아지는 것에 더 중요도를 두고 제 3 DNN(2010)의 파라미터가 갱신될 수 있다. 또한, g의 가중치를 높게 결정하는 경우, 비트레이트가 높아지는 것이나, 원본 훈련 영상(2001)의 구조적 정보가 유지되는 것보다 제 3 훈련 영상(2004)의 퀄리티가 증가하도록 하는 것에 더 중요도를 두고 제 3 DNN(2010)의 파라미터가 갱신될 수 있다.
또한, 제 1 훈련 영상(2002)을 제 1 부호화하는데 이용되는 코덱의 타입에 따라 제 3 DNN(2010)의 파라미터들이 최적화되는 방향이 상이해질 수 있다. 왜냐하면, 코덱의 종류에 따라, 제 4 DNN(2020)으로 입력될 제 2 훈련 영상이 달라질 수 있기 때문이다.
즉, 가중치 e, 가중치 f, 가중치 g 및 제 1 훈련 영상(2002)의 제 1 부호화를 위한 코덱의 종류에 기반하여 제 3 DNN(2010)의 파라미터들과 제 4 DNN(2020)의 파라미터들이 연계하여 갱신될 수 있는 것이다. 따라서, 가중치 e, 가중치 f, 가중치 g 각각을 소정의 값으로 결정하고, 코덱의 종류를 소정의 종류로 결정한 후, 제 3 DNN(2010)과 제 4 DNN(2020)을 훈련시키면, 서로 연계되어 최적화된 제 3 DNN(2010)의 파라미터들과 제 4 DNN(2020)의 파라미터들이 결정될 수 있다.
그리고, 가중치 e, 가중치 f, 가중치 g 및 코덱의 종류를 변경한 후, 제 3 DNN(2010)과 제 4 DNN(2020)을 훈련시키면, 서로 연계되어 최적화된 제 3 DNN(2010)의 파라미터들과 제 4 DNN(2020)의 파라미터들이 결정될 수 있다. 다시 말하면, 가중치 e, 가중치 f, 가중치 g 및 코덱의 종류 각각의 값을 변경하면서 제 3 DNN(2010)과 제 4 DNN(2020)을 훈련시키면 서로 연계되어 훈련된 복수의 DNN 설정 정보가 제 3 DNN(2010)과 제 4 DNN(2020)에서 결정될 수 있는 것이다.
도 21는 훈련 장치(2100)에 의한 제 3 DNN(2010) 및 제 4 DNN(2020)의 훈련 과정을 설명하기 위한 도면이다.
도 20과 관련하여 설명한 제 3 DNN(2010) 및 제 4 DNN(2020)의 훈련은 훈련 장치(2100)에 의해 수행될 수 있다. 훈련 장치(2100)는 제 3 DNN(2010), 제 4 DNN(2020), 훈련된 제 1 DNN(800) 및 훈련된 제 2 DNN(300)을 포함한다. 훈련 장치(2100)는 예를 들어, AI 부호화 장치(1500) 또는 별도의 서버일 수 있다. 훈련 결과 획득된 제 4 DNN(2020)의 DNN 설정 정보들은 AI 복호화 장치(1400)에 저장된다.
도 21을 참조하면, 훈련 장치(2100)는 제 3 DNN(2010) 및 제 4 DNN(2020)의 DNN 설정 정보를 초기 세팅한다(S2110, S2115). 이에 의해, 제 3 DNN(2010) 및 제 4 DNN(2020)은 미리 결정된 DNN 설정 정보에 따라 동작할 수 있다. DNN 설정 정보는 제 3 DNN(2010) 및 제 4 DNN(2020)에 포함되는 컨볼루션 레이어의 수, 컨볼루션 레이어별 필터 커널의 개수, 컨볼루션 레이어별 필터 커널의 크기 및 각 필터 커널의 파라미터 중 적어도 하나에 대한 정보를 포함할 수 있다.
훈련 장치(2100)는 원본 훈련 영상(2001)을 제 3 DNN(2010)으로 입력한다(S2120). 원본 훈련 영상(1101)은 정지 영상 또는 동영상을 구성하는 적어도 하나의 프레임을 포함할 수 있다. 제 3 DNN(2010)에서 필터링 결과가 출력되어 훈련된 제 1 DNN에 입력된다(S2125).
제 3 DNN(2010)은 초기 세팅된 DNN 설정 정보에 따라 원본 훈련 영상(2001)을 처리하고, 원본 훈련 영상(2001)으로부터 디블로킹 필터링되고 훈련된 제 1 DNN(800)을 통해 AI 다운스케일된 제 1 훈련 영상(2002)을 출력한다(S2130). 도 21은 제 3 DNN(2010) 및 훈련된 제 1 DNN(800)으로부터 출력된 제 1 훈련 영상(2002)이 훈련된 제 2 DNN(300)으로 바로 입력되는 것으로 도시되어 있으나, 제 3 DNN(2010) 및 훈련된 제 1 DNN(800)으로부터 출력된 제 1 훈련 영상(2002)이 훈련 장치(2100)에 의해 훈련된 제 2 DNN(300)으로 입력될 수 있다. 또한, 훈련 장치(2100)는 제 1 훈련 영상(2002)을 소정의 코덱으로 제 1 부호화 및 제 1 복호화한 후, 제 2 훈련 영상을 훈련된 제 2 DNN(300)으로 입력할 수 있다.
훈련된 제 2 DNN(300)은 제 1 훈련 영상(2002) 또는 제 2 훈련 영상을 AI 업스케일(S2135)하고, 제 1 훈련 영상(2002) 또는 제 2 훈련 영상으로부터 디블로킹 필터링된 제 3 훈련 영상(2004)을 출력한다(S2140).
훈련 장치(2100)는 제 1 훈련 영상(2002)에 기초하여 복잡성 손실 정보(2040)를 산출한다(S2145).
훈련 장치(2100)는 축소 훈련 영상(2003)과 제 1 훈련 영상(2002)을 비교하여 구조적 손실 정보(2030)를 산출한다(S2150).
훈련 장치(2100)는 원본 훈련 영상(2001)과 제 3 훈련 영상(2004)을 비교하여 퀄리티 손실 정보(2050)를 산출한다(S1255).
제 3 DNN(2010)은 최종 손실 정보에 기초한 역전사(back propagation) 과정을 통해 초기 세팅된 DNN 설정 정보를 갱신한다(S2160). 훈련 장치(2100)는 복잡성 손실 정보(2040), 구조적 손실 정보(2030) 및 퀄리티 손실 정보(2050)에 기초하여 제 3 DNN(2010)의 훈련을 위한 최종 손실 정보를 산출할 수 있다.
제 4 DNN(2020)은 퀄리티 손실 정보 또는 최종 손실 정보에 기초한 역전사 과정을 통해 초기 세팅된 DNN 설정 정보를 갱신한다(S2165). 훈련 장치(2100)는 퀄리티 손실 정보(2050)에 기초하여 제 4 DNN(2020)의 훈련을 위한 최종 손실 정보를 산출할 수 있다.
이후, 훈련 장치(2100), 제 3 DNN(2010) 및 제 4 DNN(2020)은 최종 손실 정보들이 최소화될 때까지 S2110 내지 S2165 과정을 반복하면서 DNN 설정 정보를 갱신한다. 이 때, 각 반복 과정 동안 제 3 DNN(2010) 및 제 4 DNN(2020)은 이전 과정에서 갱신된 DNN 설정 정보에 따라 동작한다.
도 22는 일 실시예에 따른 AI 부호화 방법을 설명하기 위한 순서도이다.
S2210 단계에서, AI 부호화 장치(1500)는 원본 영상, 이전에 부호화된 프레임 정보, 및 네트워크 환경 정보를 획득한다.
일 실시예에 따라, 이전 프레임 정보는 부호화된 이전 프레임의 블록 아티팩트 검출 여부를 나타낼 수 있다.
일 실시예에 따라, 네트워크 환경 정보는 네트워크 채널의 비트레이트 및 대역폭 중 적어도 하나의 변화를 나타낼 수 있다.
S2220 단계에서, AI 부호화 장치(1500)는 상기 원본 영상, 상기 이전에 부호화된 프레임 정보, 및 전송 환경 네트워크 정보에 기초하여 디블로킹 필터 설정 정보를 획득한다.
일 실시예에 따라, 네트워크 환경 정보가 네트워크 환경이 변화가 없음을 나타내면, 상기 디블로킹 필터 설정 정보는 획득되지 않고, 디블로킹 필터링은 수행되지 않을 수 있다. 구체적으로, 여러 명이 동시에 접속하거나, 실외에서 네트워크 채널의 변화가 있는 경우가 아닌 정상적인 상황에서는, 화질이 열화되는 블로킹 현상이 발생하지 않으므로, 디블로킹 필터링이 추가적으로 수행될 필요가 없기 때문이다.
일 실시예에 따라, 디블로킹 필터 설정 정보는 블록 아티팩트가 발생되는 영역을 나타내는 블로킹 영역 맵을 포함할 수 있다. 구체적으로, 도 13에서 전술한 바와 같이, A 스코어 맵 내지 G 스코어 맵들의 가중치 평균을 통해 블로킹 영역 맵이 결정될 수 있다.
S2230 단계에서, AI 부호화 장치(1500)는 상기 디블로킹 필터 설정 정보에 기초하여 상기 원본 영상에 디블로킹 필터링을 적용하고 다운스케일용 DNN을 통해 AI 다운스케일된 제1 영상을 획득한다.
일 실시예에 따라, AI 부호화에서의 디블로킹 필터링은 디블로킹 필터 설정 정보에 기초하여 비트의 할당량을 재분배하는 필터링일 수 있다. 구체적으로, 디블로킹 필터는 영상의 복잡하고 움직임이 빠른 영역은 블러 처리하여 비트량을 절감하고, 절감한 비트량을 단순한 영역에 분배하여 단순한 영역의 블로킹 현상이 눈에 덜 띄도록 비트의 할당량을 재분배할 수 있다.
S2240 단계에서AI 부호화 장치(1500)는 상기 제1 영상을 제1 부호화하여 영상 데이터를 생성한다.
S2250 단계에서, AI 부호화 장치(1500)는 상기 디블로킹 필터 설정 정보, 상기 AI 다운스케일과 관련된 정보를 포함하는 AI 데이터, 및 상기 영상 데이터를 전송한다.
도 23은 일 실시예에 따른 AI 복호화 방법을 설명하기 위한 순서도이다.
S2310 단계에서, AI 복호화 장치(1400)는 제 1 영상의 제 1 부호화 결과 생성된 영상 데이터, 원본 영상으로부터 상기 제 1 영상으로의 AI 다운스케일과 관련된 AI 데이터, 및 디블로킹 필터 설정 정보를 획득한다.
일 실시예에 따라, 디블로킹 필터 설정 정보가 획득되지 않으면, 디블로킹 필터링은 수행되지 않을 수 있다. 구체적으로, 디블로킹 필터 설정 정보가 획득되지 않았다는 것은 디블로킹 필터가 적용되어야 하는 경우, 즉, 여러 명이 동시에 접속하거나, 실외에서 네트워크 채널의 변화가 있는 경우가 아닌 정상적인 상황임을 의미하므로, 디블로킹 필터링이 추가적으로 수행될 필요가 없기 때문이다.
일 실시예에 따라, 디블로킹 필터 설정 정보는 블록 아티팩트가 발생되는 영역을 나타내는 블로킹 영역 맵을 포함할 수 있다. 구체적으로, 도 13에서 전술한 바와 같이, A 스코어 맵 내지 G 스코어 맵들의 가중치 평균을 통해 블로킹 영역 맵이 결정될 수 있다.
S2320 단계에서, AI 복호화 장치(1400)는 상기 영상 데이터를 제 1 복호화하여 상기 제 1 영상에 대응하는 제 2 영상을 획득한다.
S2330 단계에서, AI 복호화 장치(1400)는 복수의 DNN 설정 정보 중 상기 제 2 영상의 AI 업스케일을 위한 DNN 설정 정보를, 상기 AI 데이터에 기초하여 획득한다.
S2340 단계에서, AI 복호화 장치(1400)는 상기 획득된 DNN 설정 정보로 동작하는 업스케일용 DNN(Deep Neural Network)을 통해 상기 제 2 영상으로부터 AI 업스케일되고 상기 하나의 디블로킹 필터에 기초하여 디블로킹 필터링이 적용된 복원 영상을 생성한다.
일 실시예에 따라, AI 복호화에서의 디블로킹 필터링은 디블로킹 필터 설정 정보에 기초하여 영상의 블록 경계를 블러 처리하고 블로킹 아티팩트를 제거하는 필터링일 수 있다. 구체적으로, 디블로킹 필터는 영상의 블록 사이의 경계는 블러 처리하고, 블로킹 아티팩트는 제거하여 각각의 영역에 맞게 디블로킹 필터링할 수 있다.
한편, 상술한 본 개시의 실시예들은 컴퓨터에서 실행될 수 있는 프로그램 또는 인스트럭션으로 작성가능하고, 작성된 프로그램 또는 인스트럭션은 매체에 저장될 수 있다.
매체는 컴퓨터로 실행 가능한 프로그램 또는 인스트럭션을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
한편, 상술한 DNN과 관련된 모델은, 소프트웨어 모듈로 구현될 수 있다. 소프트웨어 모듈(예를 들어, 명령어(instruction)를 포함하는 프로그램 모듈)로 구현되는 경우, DNN 모델은 컴퓨터로 읽을 수 있는 판독 가능한 기록매체에 저장될 수 있다.
또한, DNN 모델은 하드웨어 칩 형태로 집적되어 전술한 AI 복호화 장치(1400) 또는 AI 부호화 장치(1500)의 일부가 될 수도 있다. 예를 들어, DNN 모델은 인공 지능을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예를 들어, CPU 또는 애플리케이션 프로세서) 또는 그래픽 전용 프로세서(예를 들어, GPU)의 일부로 제작될 수도 있다.
한, DNN 모델은 다운로드 가능한 소프트웨어 형태로 제공될 수도 있다. 컴퓨터 프로그램 제품은 제조사 또는 전자 마켓을 통해 전자적으로 배포되는 소프트웨어 프로그램 형태의 상품(예를 들어, 다운로드 가능한 애플리케이션)을 포함할 수 있다. 전자적 배포를 위하여, 소프트웨어 프로그램의 적어도 일부는 저장 매체에 저장되거나, 임시적으로 생성될 수 있다. 이 경우, 저장 매체는 제조사 또는 전자 마켓의 서버, 또는 중계 서버의 저장매체가 될 수 있다.
이상, 본 개시의 기술적 사상을 바람직한 실시예를 들어 상세하게 설명하였으나, 본 개시의 기술적 사상은 상기 실시예들에 한정되지 않고, 본 개시의 기술적 사상의 범위 내에서 당 분야에서 통상의 지식을 가진 자에 의하여 여러 가지 변형 및 변경이 가능하다.

Claims (15)

  1. 메모리; 및
    프로세서를 포함하고,
    상기 메모리는 상기 프로세서에 의해 실행 가능한 명령어들을 저장하고
    상기 프로세서는,
    원본 영상, 이전에 부호화된 프레임 정보, 및 네트워크 환경 정보를 획득하고,
    상기 원본 영상, 상기 이전에 부호화된 프레임 정보, 및 상기 네트워크 환경 정보에 기초하여 디블로킹 필터 설정 정보를 획득하고,
    상기 디블로킹 필터 설정 정보에 기초하여 상기 원본 영상에 디블로킹 필터링을 적용하고 다운스케일용 DNN을 통해 AI 다운스케일된 제1 영상을 획득하고,
    상기 제1 영상을 제1 부호화하여 영상 데이터를 생성하고,
    상기 디블로킹 필터 설정 정보, 상기 AI 다운스케일과 관련된 정보를 포함하는 AI 데이터, 및 상기 영상 데이터를 전송하는 것을 특징으로하는, AI 부호화 장치.
  2. 제1항에 있어서,
    상기 디블로킹 필터 설정 정보는 블록 아티팩트가 발생되는 영역을 나타내는 블로킹 영역 맵을 포함하는, AI 부호화 장치.
  3. 제2항에 있어서,
    상기 블로킹 영역 맵은 상기 원본 영상의 복잡도 및 움직임 변화도 중 적어도 하나에 기초하여 결정되는, AI 부호화 장치.
  4. 제1항에 있어서,
    상기 디블로킹 필터링은 상기 디블로킹 필터 설정 정보에 기초하여 비트의 할당량을 재분배하는 필터링인, AI 부호화 장치.
  5. 제1항에 있어서,
    상기 다운스케일용 DNN의 DNN 설정 정보는, 상기 다운스케일용 DNN과 상기 제 2 영상의 AI 업스케일을 위한 업스케일용 DNN의 연계 훈련을 통해 획득되는, AI 부호화 장치.
  6. 제1항에 있어서,
    상기 네트워크 환경 정보가 네트워크 환경이 변화가 없음을 나타내면, 상기 디블로킹 필터 설정 정보는 획득되지 않고, 상기 디블로킹 필터링은 수행되지 않는, AI 부호화 장치.
  7. 제1항에 있어서,
    상기 네트워크 환경 정보는 네트워크 채널의 비트레이트 및 대역폭 중 적어도 하나의 변화를 나타내는, AI 부호화 장치.
  8. 제1항에 있어서,
    상기 이전 프레임 정보는 부호화된 이전 프레임의 블록 아티팩트 검출 여부를 나타내는, AI 부호화 장치.
  9. 제1항에 있어서,
    상기 원본 영상, 상기 이전에 부호화된 프레임 정보, 및 상기 네트워크 환경 정보에 기초하여 양자화 파라미터 차분값 맵 및 레이트 컨트롤에 대한 정보를 추가로 획득하고,
    상기 양자화 파라미터 차분값 맵 및 레이트 컨트롤에 대한 정보에 기초하여 상기 제 1 부호화를 수행하는, AI 부호화 장치.
  10. 메모리; 및
    프로세서를 포함하고,
    상기 메모리는 상기 프로세서에 의해 실행 가능한 명령어들을 저장하고
    상기 프로세서는,
    제 1 영상의 제 1 부호화 결과 생성된 영상 데이터, 원본 영상으로부터 상기 제 1 영상으로의 AI 다운스케일과 관련된 AI 데이터, 및 디블로킹 필터 설정 정보를 획득하고,
    상기 영상 데이터를 제 1 복호화하여 상기 제 1 영상에 대응하는 제 2 영상을 획득하고,
    복수의 DNN 설정 정보 중 상기 제 2 영상의 AI 업스케일을 위한 DNN 설정 정보를, 상기 AI 데이터에 기초하여 획득하고,
    상기 획득된 DNN 설정 정보로 동작하는 업스케일용 DNN(Deep Neural Network)을 통해 상기 제 2 영상으로부터 AI 업스케일되고 상기 디블로킹 필터 설정 정보에 기초하여 디블로킹 필터링이 적용된 복원 영상을 생성하는 것을 특징으로 하는, AI 복호화 장치.
  11. 제10항에 있어서,
    상기 디블로킹 필터 설정 정보는 블록 아티팩트가 발생되는 영역을 나타내는 블로킹 영역 맵을 포함하는, AI 복호화 장치.
  12. 제10항에 있어서,
    상기 블로킹 영역 맵은 원본 영상의 복잡도 및 움직임 변화도 중 적어도 하나에 기초하여 결정되는, AI 복호화 장치.
  13. 제10항에 있어서,
    상기 디블로킹 필터링은 상기 디블로킹 필터 설정 정보에 기초하여 영상의 블록 경계를 블러 처리하고 블로킹 아티팩트를 제거하는 필터링인, AI 복호화 장치.
  14. 제10항에 있어서,
    상기 복수의 DNN 설정 정보는, 상기 업스케일용 DNN과 상기 원본 영상의 AI 다운스케일에 이용되는 다운스케일용 DNN의 연계 훈련을 통해 획득되는, AI 복호화 장치.
  15. AI 부호화 장치에 의한 AI 부호화 방법에 있어서,
    원본 영상, 이전에 부호화된 프레임 정보, 및 네트워크 환경 정보를 획득하는 단계;
    상기 원본 영상, 상기 이전에 부호화된 프레임 정보, 및 상기 네트워크 환경 정보에 기초하여 디블로킹 필터 설정 정보를 획득하는 단계;
    상기 디블로킹 필터 설정 정보에 기초하여 상기 원본 영상에 디블로킹 필터링을 적용하고 다운스케일용 DNN을 통해 AI 다운스케일된 제1 영상을 획득하는 단계;
    상기 제1 영상을 제1 부호화하여 영상 데이터를 생성하는 단계;
    상기 디블로킹 필터 설정 정보, 상기 AI 다운스케일과 관련된 정보를 포함하는 AI 데이터, 및 상기 영상 데이터를 전송하는 단계를 포함하는 것을 특징으로하는 AI 부호화 방법.
PCT/KR2021/016236 2020-11-09 2021-11-09 인공지능 부호화 및 인공지능 복호화를 수행하기 위한 방법 및 장치 WO2022098207A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP21889672.8A EP4228268A4 (en) 2020-11-09 2021-11-09 METHOD AND DEVICE FOR CARRYING OUT ARTIFICIAL INTELLIGENCE CODING AND ARTIFICIAL INTELLIGENCE DECODING
US18/195,182 US20230281755A1 (en) 2020-11-09 2023-05-09 Method and device for performing artificial intelligence encoding and artificial intelligence decoding

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2020-0148914 2020-11-09
KR20200148914 2020-11-09
KR1020200177841A KR20220063063A (ko) 2020-11-09 2020-12-17 인공지능 부호화 및 인공지능 복호화를 수행하기 위한 방법 및 장치
KR10-2020-0177841 2020-12-17

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/195,182 Continuation US20230281755A1 (en) 2020-11-09 2023-05-09 Method and device for performing artificial intelligence encoding and artificial intelligence decoding

Publications (1)

Publication Number Publication Date
WO2022098207A1 true WO2022098207A1 (ko) 2022-05-12

Family

ID=81458086

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/016236 WO2022098207A1 (ko) 2020-11-09 2021-11-09 인공지능 부호화 및 인공지능 복호화를 수행하기 위한 방법 및 장치

Country Status (3)

Country Link
US (1) US20230281755A1 (ko)
EP (1) EP4228268A4 (ko)
WO (1) WO2022098207A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140116992A (ko) * 2013-03-25 2014-10-07 삼성전자주식회사 외부 메모리 접근의 대역폭을 감소시키는 ｌｃｕ단위의 인-루프 필터링 장치 및 방법
KR20160011580A (ko) * 2014-07-22 2016-02-01 르네사스 일렉트로닉스 가부시키가이샤 화상 수신 장치, 화상 전송 시스템 및 화상 수신 방법
KR101611408B1 (ko) * 2008-06-30 2016-04-12 삼성전자주식회사 점유 대역폭의 감소를 위한 영상 부호화 방법 및 장치, 그리고 영상 복호화 방법 및 장치
US20170180740A1 (en) * 2013-04-16 2017-06-22 Fastvdo Llc Adaptive coding, transmission and efficient display of multimedia (acted)
US10825140B1 (en) * 2019-06-05 2020-11-03 Samsung Electronics Co., Ltd. Apparatus and method for performing artificial intelligence encoding and artificial intelligence decoding on image

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020080873A1 (en) * 2018-10-19 2020-04-23 Samsung Electronics Co., Ltd. Method and apparatus for streaming data

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101611408B1 (ko) * 2008-06-30 2016-04-12 삼성전자주식회사 점유 대역폭의 감소를 위한 영상 부호화 방법 및 장치, 그리고 영상 복호화 방법 및 장치
KR20140116992A (ko) * 2013-03-25 2014-10-07 삼성전자주식회사 외부 메모리 접근의 대역폭을 감소시키는 ｌｃｕ단위의 인-루프 필터링 장치 및 방법
US20170180740A1 (en) * 2013-04-16 2017-06-22 Fastvdo Llc Adaptive coding, transmission and efficient display of multimedia (acted)
KR20160011580A (ko) * 2014-07-22 2016-02-01 르네사스 일렉트로닉스 가부시키가이샤 화상 수신 장치, 화상 전송 시스템 및 화상 수신 방법
US10825140B1 (en) * 2019-06-05 2020-11-03 Samsung Electronics Co., Ltd. Apparatus and method for performing artificial intelligence encoding and artificial intelligence decoding on image

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4228268A4 *

Also Published As

Publication number Publication date
EP4228268A4 (en) 2024-04-24
EP4228268A1 (en) 2023-08-16
US20230281755A1 (en) 2023-09-07

Similar Documents

Publication Publication Date Title
WO2021086016A2 (en) Apparatus and method for performing artificial intelligence (ai) encoding and ai decoding on image
WO2020080873A1 (en) Method and apparatus for streaming data
WO2020080827A1 (en) Ai encoding apparatus and operation method of the same, and ai decoding apparatus and operation method of the same
WO2020246756A1 (en) Apparatus and method for performing artificial intelligence encoding and artificial intelligence decoding on image
WO2020080765A1 (en) Apparatuses and methods for performing artificial intelligence encoding and artificial intelligence decoding on image
EP3868096A1 (en) Artificial intelligence encoding and artificial intelligence decoding methods and apparatuses using deep neural network
WO2020080698A1 (ko) 영상의 주관적 품질을 평가하는 방법 및 장치
WO2021033867A1 (en) Decoding apparatus and operating method of the same, and artificial intelligence (ai) up-scaling apparatus and operating method of the same
WO2021251611A1 (en) Apparatus and method for performing artificial intelligence encoding and decoding on image by using low-complexity neural network
EP3811618A1 (en) Method and apparatus for streaming data
WO2021177652A1 (ko) 피쳐 양자화/역양자화를 수행하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장하는 기록 매체
WO2021172834A1 (en) Apparatus and method for performing artificial intelligence encoding and artificial intelligence decoding on image by using pre-processing
WO2020080782A1 (en) Artificial intelligence (ai) encoding device and operating method thereof and ai decoding device and operating method thereof
WO2021086032A1 (en) Image encoding method and apparatus and image decoding method and apparatus
WO2021242066A1 (en) Apparatus and method for performing artificial intelligence encoding and artificial intelligence decoding on image
WO2020080709A1 (en) Artificial intelligence encoding and artificial intelligence decoding methods and apparatuses using deep neural network
WO2016195455A1 (ko) 그래프 기반 변환을 이용하여 비디오 신호를 처리하는 방법 및 장치
WO2021091178A1 (en) Artificial intelligence (ai) encoding apparatus and operating method thereof and ai decoding apparatus and operating method thereof
EP3868097A1 (en) Artificial intelligence (ai) encoding device and operating method thereof and ai decoding device and operating method thereof
WO2021162446A1 (en) Method and apparatus for streaming vr image
WO2021054697A1 (ko) 영상의 ａｉ 부호화 방법 및 장치, 영상의 ａｉ 복호화 방법 및 장치
WO2020080751A1 (ko) 부호화 방법 및 그 장치, 복호화 방법 및 그 장치
WO2021015536A1 (ko) 팔레트 모드의 적용 여부에 따라 디블로킹 필터링을 수행하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
WO2022097921A1 (ko) 영상 내 관심 오브젝트 영역을 위한 ai 부호화 장치 및 방법, 및 ai 복호화 장치 및 방법
EP3811619A1 (en) Ai encoding apparatus and operation method of the same, and ai decoding apparatus and operation method of the same

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: 21889672

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021889672

Country of ref document: EP

Effective date: 20230509

NENP Non-entry into the national phase

Ref country code: DE