WO2022139261A1 - 미디어 파일 처리 방법 및 장치 - Google Patents

미디어 파일 처리 방법 및 장치 Download PDF

Info

Publication number
WO2022139261A1
WO2022139261A1 PCT/KR2021/018526 KR2021018526W WO2022139261A1 WO 2022139261 A1 WO2022139261 A1 WO 2022139261A1 KR 2021018526 W KR2021018526 W KR 2021018526W WO 2022139261 A1 WO2022139261 A1 WO 2022139261A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
sample
track
unit
media file
Prior art date
Application number
PCT/KR2021/018526
Other languages
English (en)
French (fr)
Inventor
헨드리헨드리
Original Assignee
엘지전자 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
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to US18/265,620 priority Critical patent/US20240031622A1/en
Publication of WO2022139261A1 publication Critical patent/WO2022139261A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/236—Assembling of a multiplex stream, e.g. transport stream, by combining a video stream with other content or additional data, e.g. inserting a URL [Uniform Resource Locator] into a video stream, multiplexing software data into a video stream; Remultiplexing of multiplex streams; Insertion of stuffing bits into the multiplex stream, e.g. to obtain a constant bit-rate; Assembling of a packetised elementary stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/434—Disassembling of a multiplex stream, e.g. demultiplexing audio and video streams, extraction of additional data from a video stream; Remultiplexing of multiplex streams; Extraction or processing of SI; Disassembling of packetised elementary stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H04N21/85406—Content authoring involving a specific file format, e.g. MP4 format

Definitions

  • This document relates to image coding technology, and more particularly, to a method and apparatus for processing a media file for coded image information in an image coding system.
  • HD High Definition
  • UHD Ultra High Definition
  • a method and apparatus for efficiently storing and transmitting video/image data are provided.
  • a method and an apparatus for configuring a file format that can be used by supporting VVC are provided.
  • a method and apparatus are provided for configuring an operation point-related group and generating a media file in order to store and transmit video/image data.
  • a method and apparatus are provided for preventing a problem caused by it being unclear whether or not a working point list includes an operating point existing in a sample entry of a track.
  • a method of generating a media file performed by an apparatus for generating a media file.
  • a media file generating apparatus for generating a media file.
  • a media file processing method performed by a media file processing apparatus is provided.
  • a media file processing apparatus for processing a media file.
  • an operation point-related group in order to store and transmit video/image data, an operation point-related group may be formed, and a media file may be created.
  • the operating point list includes the operating point existing in the sample entry of the track.
  • the operation point determination process can be made simple and clear.
  • FIG. 1 schematically shows an example of a video/image coding system to which embodiments of this document can be applied.
  • FIG. 2 is a diagram schematically illustrating a configuration of a video/image encoding apparatus to which embodiments of the present document may be applied.
  • FIG. 3 is a diagram schematically illustrating a configuration of a video/image decoding apparatus to which embodiments of the present document may be applied.
  • 5 and 6 schematically show an example of the structure of a media file.
  • FIG 7 shows an example of the overall operation of the DASH-based adaptive streaming model.
  • FIG. 8 exemplarily illustrates a method of generating a media file to which the embodiment proposed in this document is applied.
  • FIG. 9 exemplarily illustrates a method of processing a media file generated by applying an embodiment proposed in this document.
  • FIG. 10 schematically illustrates a method of generating a media file by a media file generating apparatus according to the present document.
  • FIG. 11 schematically shows a media file generating apparatus that performs a media file generating method according to the present document.
  • FIG. 12 schematically illustrates a media file processing method by a media file processing apparatus according to the present document.
  • FIG. 13 schematically shows a media file processing apparatus performing a media file processing method according to the present document.
  • each configuration in the drawings described in this document is shown independently for convenience of description regarding different characteristic functions, and does not mean that each configuration is implemented as separate hardware or separate software.
  • two or more components among each component may be combined to form one component, or one component may be divided into a plurality of components.
  • Embodiments in which each component is integrated and/or separated are also included in the scope of the present document without departing from the essence of this document.
  • FIG. 1 schematically shows an example of a video/image coding system to which embodiments of this document can be applied.
  • a video/image coding system may include a first apparatus (source device) and a second apparatus (receive device).
  • the source device may transmit encoded video/image information or data in the form of a file or streaming to the receiving device through a digital storage medium or a network.
  • the source device may include a video source, an encoding apparatus, and a transmission unit.
  • the receiving device may include a receiving unit, a decoding apparatus, and a renderer.
  • the encoding apparatus may be referred to as a video/image encoding apparatus, and the decoding apparatus may be referred to as a video/image decoding apparatus.
  • the transmitter may be included in the encoding device.
  • the receiver may be included in the decoding device.
  • the renderer may include a display unit, and the display unit may be configured as a separate device or external component.
  • the video source may acquire a video/image through a process of capturing, synthesizing, or generating a video/image.
  • a video source may include a video/image capture device and/or a video/image generating device.
  • a video/image capture device may include, for example, one or more cameras, a video/image archive containing previously captured video/images, and the like.
  • a video/image generating device may include, for example, a computer, tablet, and smart phone, and may (electronically) generate a video/image.
  • a virtual video/image may be generated through a computer, etc. In this case, the video/image capturing process may be substituted for the process of generating related data.
  • the encoding device may encode the input video/image.
  • the encoding apparatus may perform a series of procedures such as prediction, transformation, and quantization for compression and coding efficiency.
  • the encoded data (encoded video/image information) may be output in the form of a bitstream.
  • the transmitting unit may transmit the encoded video/image information or data output in the form of a bitstream to the receiving unit of the receiving device in the form of a file or streaming through a digital storage medium or a network.
  • the digital storage medium may include a variety of storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • the transmission unit may include an element for generating a media file through a predetermined file format, and may include an element for transmission through a broadcast/communication network.
  • the receiver may receive/extract the bitstream and transmit it to the decoding device.
  • the decoding apparatus may decode the video/image by performing a series of procedures such as inverse quantization, inverse transformation, and prediction corresponding to the operation of the encoding apparatus.
  • the renderer may render the decoded video/image.
  • the rendered video/image may be displayed through the display unit.
  • This article is about video/image coding.
  • the method/embodiment disclosed in this document is a versatile video coding (VVC) standard, an essential video coding (EVC) standard, an AOMedia Video 1 (AV1) standard, a 2nd generation of audio video coding standard (AVS2) or a next-generation video/ It can be applied to the method disclosed in the image coding standard (ex. H.267 or H.268, etc.).
  • VVC versatile video coding
  • EVC essential video coding
  • AV1 AOMedia Video 1
  • AVS2 2nd generation of audio video coding standard
  • next-generation video/ It can be applied to the method disclosed in the image coding standard (ex. H.267 or H.268, etc.).
  • a video may mean a set of a series of images according to the passage of time.
  • a picture generally means a unit representing one image in a specific time period, and a subpicture/slice/tile is a unit constituting a part of a picture in coding.
  • a subpicture/slice/tile may include one or more coding tree units (CTUs).
  • CTUs coding tree units
  • One picture may be composed of one or more subpictures/slice/tile.
  • One picture may be composed of one or more tile groups.
  • One tile group may include one or more tiles.
  • a brick may indicate a rectangular area of CTU rows within a tile in a picture.
  • a tile may be partitioned into multiple bricks, and each brick may consist of one or more CTU rows within the tile.
  • a tile that is not partitioned into multiple bricks may also be referred to as a brick.
  • a brick scan may indicate a specific sequential ordering of CTUs partitioning a picture, wherein the CTUs may be arranged in a CTU raster scan within a brick, and the bricks within a tile may be sequentially arranged in a raster scan of the bricks of the tile. and tiles in a picture may be sequentially aligned with a raster scan of the tiles of the picture.
  • a sub-picture may indicate a rectangular region of one or more slices in the picture. That is, the sub-picture may include one or more slices that collectively cover the rectangular area of the picture.
  • a tile is a specific tile row and a rectangular area of CTUs within a specific tile row.
  • the tile column is a rectangular region of CTUs, the rectangular region has a height equal to the height of the picture, and the width may be specified by syntax elements in a picture parameter set.
  • the tile row is a rectangular region of CTUs, the rectangular region has a width specified by syntax elements in a picture parameter set, and the height may be equal to the height of the picture.
  • a tile scan may indicate a particular sequential ordering of CTUs partitioning a picture, wherein the CTUs may be sequentially aligned with a CTU raster scan within a tile, and tiles within a picture may be sequentially aligned with a raster scan of the tiles of the picture.
  • a slice may include an integer number of bricks of a picture, and the integer number of bricks may be included in one NAL unit.
  • a slice may consist of a number of complete tiles, or it may be a continuous sequence of complete bricks of one tile.
  • tile group and slice can be used interchangeably.
  • a tile group/tile group header may be referred to as a slice/slice header.
  • a pixel or pel may mean a minimum unit constituting one picture (or image). Also, a 'sample' may be used as a term corresponding to a pixel.
  • a sample may generally represent a pixel or a value of a pixel, may represent only a pixel/pixel value of a luma component, or may represent only a pixel/pixel value of a chroma component.
  • a unit may represent a basic unit of image processing.
  • the unit may include at least one of a specific region of a picture and information related to the region.
  • One unit may include one luma block and two chroma (ex. cb, cr) blocks.
  • a unit may be used interchangeably with terms such as a block or an area in some cases.
  • an MxN block may include samples (or sample arrays) or a set (or arrays) of transform coefficients including M columns and N rows.
  • a or B (A or B) may mean “only A”, “only B”, or “both A and B”.
  • a or B (A or B) may be interpreted as “A and/or B (A and/or B)”.
  • A, B or C(A, B or C) herein means “only A”, “only B”, “only C”, or “any and any combination of A, B and C ( any combination of A, B and C)”.
  • a slash (/) or a comma (comma) may mean “and/or”.
  • A/B may mean “A and/or B”. Accordingly, “A/B” may mean “only A”, “only B”, or “both A and B”.
  • A, B, C may mean “A, B, or C”.
  • At least one of A and B may mean “only A”, “only B”, or “both A and B”.
  • the expression “at least one of A or B” or “at least one of A and/or B” means “at least one It can be interpreted the same as “A and B (at least one of A and B)”.
  • At least one of A, B and C means “only A”, “only B”, “only C”, or “A, B and C” any combination of A, B and C”. Also, “at least one of A, B or C” or “at least one of A, B and/or C” means can mean “at least one of A, B and C”.
  • parentheses used herein may mean "for example”. Specifically, when “prediction (intra prediction)” is indicated, “intra prediction” may be proposed as an example of “prediction”. In other words, “prediction” in the present specification is not limited to “intra prediction”, and “intra prediction” may be proposed as an example of “prediction”. Also, even when “prediction (ie, intra prediction)” is indicated, “intra prediction” may be proposed as an example of “prediction”.
  • the encoding device may include an image encoding device and/or a video encoding device.
  • the encoding apparatus 200 includes an image partitioner 210, a predictor 220, a residual processor 230, an entropy encoder 240, It may be configured to include an adder 250 , a filter 260 , and a memory 270 .
  • the prediction unit 220 may include an inter prediction unit 221 and an intra prediction unit 222 .
  • the residual processing unit 230 may include a transformer 232 , a quantizer 233 , an inverse quantizer 234 , and an inverse transformer 235 .
  • the residual processing unit 230 may further include a subtractor 231 .
  • the adder 250 may be referred to as a reconstructor or a reconstructed block generator.
  • the above-described image segmentation unit 210, prediction unit 220, residual processing unit 230, entropy encoding unit 240, adder 250 and filtering unit 260 may include one or more hardware components ( For example, by an encoder chipset or processor).
  • the memory 270 may include a decoded picture buffer (DPB), and may be configured by a digital storage medium.
  • the hardware component may further include a memory 270 as an internal/external component.
  • the image dividing unit 210 may divide an input image (or a picture, a frame) input to the encoding apparatus 200 into one or more processing units.
  • the processing unit may be referred to as a coding unit (CU).
  • the coding unit is to be recursively divided according to a quad-tree binary-tree ternary-tree (QTBTTT) structure from a coding tree unit (CTU) or largest coding unit (LCU).
  • QTBTTT quad-tree binary-tree ternary-tree
  • CTU coding tree unit
  • LCU largest coding unit
  • one coding unit may be divided into a plurality of coding units having a lower depth based on a quad tree structure, a binary tree structure, and/or a ternary structure.
  • a quad tree structure may be applied first and a binary tree structure and/or a ternary structure may be applied later.
  • the binary tree structure may be applied first.
  • a coding procedure according to this document may be performed based on the final coding unit that is no longer divided.
  • the largest coding unit may be directly used as the final coding unit based on coding efficiency according to image characteristics, or the coding unit may be recursively divided into coding units having a lower depth than the optimal coding unit if necessary.
  • a coding unit of the size of may be used as the final coding unit.
  • the coding procedure may include procedures such as prediction, transformation, and restoration, which will be described later.
  • the processing unit may further include a prediction unit (PU) or a transform unit (TU).
  • the prediction unit and the transform unit may be divided or partitioned from the above-described final coding unit, respectively.
  • the prediction unit may be a unit of sample prediction
  • the transform unit may be a unit for deriving a transform coefficient and/or a unit for deriving a residual signal from the transform coefficient.
  • a unit may be used interchangeably with terms such as a block or an area in some cases.
  • an MxN block may represent a set of samples or transform coefficients including M columns and N rows.
  • a sample may generally represent a pixel or a value of a pixel, may represent only a pixel/pixel value of a luminance component, or may represent only a pixel/pixel value of a chroma component.
  • a sample may be used as a term corresponding to a picture (or an image) as a pixel or a pel.
  • the encoding apparatus 200 subtracts the prediction signal (predicted block, prediction sample array) output from the inter prediction unit 221 or the intra prediction unit 222 from the input image signal (original block, original sample array) to obtain a residual A signal (residual signal, residual block, residual sample array) may be generated, and the generated residual signal is transmitted to the converter 232 .
  • a unit for subtracting a prediction signal (prediction block, prediction sample array) from an input image signal (original block, original sample array) in the encoder 200 may be referred to as a subtraction unit 231 .
  • the prediction unit may perform prediction on a processing target block (hereinafter, referred to as a current block) and generate a predicted block including prediction samples for the current block.
  • the prediction unit may determine whether intra prediction or inter prediction is applied on a current block or CU basis.
  • the prediction unit may generate various information about prediction, such as prediction mode information, and transmit it to the entropy encoding unit 240 , as will be described later in the description of each prediction mode.
  • the prediction information may be encoded by the entropy encoding unit 240 and output in the form of a bitstream.
  • the intra prediction unit 222 may predict the current block with reference to samples in the current picture.
  • the referenced samples may be located in the vicinity of the current block or may be located apart from each other according to the prediction mode.
  • prediction modes may include a plurality of non-directional modes and a plurality of directional modes.
  • the non-directional mode may include, for example, a DC mode and a planar mode (Planar mode).
  • the directional mode may include, for example, 33 directional prediction modes or 65 directional prediction modes according to the granularity of the prediction direction. However, this is an example, and a higher or lower number of directional prediction modes may be used according to a setting.
  • the intra prediction unit 222 may determine the prediction mode applied to the current block by using the prediction mode applied to the neighboring block.
  • the inter prediction unit 221 may derive the predicted block for the current block based on the reference block (reference sample array) specified by the motion vector on the reference picture.
  • the motion information may be predicted in units of blocks, subblocks, or samples based on the correlation between motion information between neighboring blocks and the current block.
  • the motion information may include a motion vector and a reference picture index.
  • the motion information may further include inter prediction direction (L0 prediction, L1 prediction, Bi prediction, etc.) information.
  • the neighboring blocks may include spatial neighboring blocks existing in the current picture and temporal neighboring blocks present in the reference picture.
  • the reference picture including the reference block and the reference picture including the temporal neighboring block may be the same or different.
  • the temporal neighboring block may be called a collocated reference block, a collocated CU (colCU), or the like, and a reference picture including the temporally neighboring block may be called a collocated picture (colPic).
  • the inter prediction unit 221 constructs a motion information candidate list based on neighboring blocks, and provides information indicating which candidate is used to derive a motion vector and/or a reference picture index of the current block. can create Inter prediction may be performed based on various prediction modes. For example, in the skip mode and merge mode, the inter prediction unit 221 may use motion information of a neighboring block as motion information of the current block.
  • the motion vector of the current block is calculated by using a motion vector of a neighboring block as a motion vector predictor and signaling a motion vector difference.
  • the prediction unit 220 may generate a prediction signal based on various prediction methods to be described later.
  • the prediction unit may apply intra prediction or inter prediction for prediction of one block, and may simultaneously apply intra prediction and inter prediction. This can be called combined inter and intra prediction (CIIP).
  • the prediction unit may be based on an intra block copy (IBC) prediction mode or based on a palette mode for prediction of a block.
  • IBC prediction mode or the palette mode may be used for video/video coding of content such as games, for example, screen content coding (SCC).
  • SCC screen content coding
  • IBC basically performs prediction within the current picture, but may be performed similarly to inter prediction in that a reference block is derived within the current picture. That is, IBC may use at least one of the inter prediction techniques described in this document.
  • the palette mode may be viewed as an example of intra coding or intra prediction. When the palette mode is applied, the sample value in the picture may be signaled based on information about the palette table and palette index.
  • the prediction signal generated by the prediction unit may be used to generate a reconstructed signal or may be used to generate a residual signal.
  • the transform unit 232 may generate transform coefficients by applying a transform technique to the residual signal.
  • the transformation technique may include at least one of a discrete cosine transform (DCT), a discrete sine transform (DST), a graph-based transform (GBT), or a conditionally non-linear transform (CNT).
  • DCT discrete cosine transform
  • DST discrete sine transform
  • GBT graph-based transform
  • CNT conditionally non-linear transform
  • GBT means a transformation obtained from this graph when expressing relationship information between pixels in a graph.
  • CNT refers to a transformation obtained by generating a prediction signal using all previously reconstructed pixels and based thereon.
  • the transformation process may be applied to a block of pixels having the same size as a square, or may be applied to a block of a variable size that is not a square.
  • the quantization unit 233 quantizes the transform coefficients and transmits them to the entropy encoding unit 240, and the entropy encoding unit 240 encodes the quantized signal (information about the quantized transform coefficients) and outputs it as a bitstream. have.
  • Information about the quantized transform coefficients may be referred to as residual information.
  • the quantization unit 233 may rearrange the quantized transform coefficients in the block form into a one-dimensional vector form based on a coefficient scan order, and the quantized transform coefficients in the one-dimensional vector form are quantized based on the quantized transform coefficients in the one-dimensional vector form. Information about the transform coefficients may be generated.
  • the entropy encoding unit 240 may perform various encoding methods such as, for example, exponential Golomb, context-adaptive variable length coding (CAVLC), and context-adaptive binary arithmetic coding (CABAC).
  • the entropy encoding unit 240 may encode information necessary for video/image reconstruction (eg, values of syntax elements, etc.) other than the quantized transform coefficients together or separately.
  • Encoded information (eg, encoded video/image information) may be transmitted or stored in a network abstraction layer (NAL) unit unit in a bitstream form.
  • the video/image information may further include information about various parameter sets, such as an adaptation parameter set (APS), a picture parameter set (PPS), a sequence parameter set (SPS), or a video parameter set (VPS).
  • APS adaptation parameter set
  • PPS picture parameter set
  • SPS sequence parameter set
  • VPS video parameter set
  • the video/image information may further include general constraint information.
  • information and/or syntax elements transmitted/signaled from the encoding device to the decoding device may be included in video/image information.
  • the video/image information may be encoded through the above-described encoding procedure and included in the bitstream.
  • the bitstream may be transmitted over a network or may be stored in a digital storage medium.
  • the network may include a broadcasting network and/or a communication network
  • the digital storage medium may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • a transmitting unit (not shown) and/or a storing unit (not shown) for storing may be configured as internal/external elements of the encoding apparatus 200, or the transmitting unit It may be included in the entropy encoding unit 240 .
  • the quantized transform coefficients output from the quantization unit 233 may be used to generate a prediction signal.
  • a residual signal residual block or residual samples
  • the adder 250 adds the reconstructed residual signal to the prediction signal output from the inter prediction unit 221 or the intra prediction unit 222 to obtain a reconstructed signal (reconstructed picture, reconstructed block, reconstructed sample array). can be created
  • the predicted block may be used as a reconstructed block.
  • the addition unit 250 may be called a restoration unit or a restoration block generation unit.
  • the generated reconstructed signal may be used for intra prediction of the next processing target block in the current picture, or may be used for inter prediction of the next picture after filtering as described below.
  • LMCS luma mapping with chroma scaling
  • the filtering unit 260 may improve subjective/objective image quality by applying filtering to the reconstructed signal.
  • the filtering unit 260 may generate a modified reconstructed picture by applying various filtering methods to the reconstructed picture, and store the modified reconstructed picture in the memory 270 , specifically, the DPB of the memory 270 .
  • the various filtering methods may include, for example, deblocking filtering, a sample adaptive offset, an adaptive loop filter, a bilateral filter, and the like.
  • the filtering unit 260 may generate various types of filtering-related information and transmit it to the entropy encoding unit 240 , as will be described later in the description of each filtering method.
  • the filtering-related information may be encoded by the entropy encoding unit 240 and output in the form of a bitstream.
  • the corrected reconstructed picture transmitted to the memory 270 may be used as a reference picture in the inter prediction unit 221 .
  • the encoding apparatus can avoid prediction mismatch between the encoding apparatus 200 and the decoding apparatus, and can also improve encoding efficiency.
  • the memory 270 DPB may store the corrected reconstructed picture to be used as a reference picture in the inter prediction unit 221 .
  • the memory 270 may store motion information of a block in which motion information in the current picture is derived (or encoded) and/or motion information of blocks in an already reconstructed picture.
  • the stored motion information may be transmitted to the inter prediction unit 221 to be used as motion information of a spatial neighboring block or motion information of a temporal neighboring block.
  • the memory 270 may store reconstructed samples of blocks reconstructed in the current picture, and may transmit the reconstructed samples to the intra prediction unit 222 .
  • the decoding device may include an image decoding device and/or a video decoding device.
  • the decoding apparatus 300 includes an entropy decoder 310 , a residual processor 320 , a predictor 330 , an adder 340 , and a filtering unit. (filter, 350) and may be configured to include a memory (memoery, 360).
  • the prediction unit 330 may include an inter prediction unit 331 and an intra prediction unit 332 .
  • the residual processing unit 320 may include a dequantizer 321 and an inverse transformer 321 .
  • the entropy decoding unit 310 , the residual processing unit 320 , the prediction unit 330 , the addition unit 340 , and the filtering unit 350 are one hardware component (eg, a decoder chipset or a processor according to an embodiment). ) can be configured by
  • the memory 360 may include a decoded picture buffer (DPB), and may be configured by a digital storage medium.
  • the hardware component may further include a memory 360 as an internal/external component.
  • the decoding apparatus 300 may reconstruct an image corresponding to a process in which the video/image information is processed in the encoding apparatus of FIG. 5 .
  • the decoding apparatus 300 may derive units/blocks based on block division related information obtained from the bitstream.
  • the decoding apparatus 300 may perform decoding by using a processing unit applied in the encoding apparatus.
  • the processing unit of decoding may be, for example, a coding unit, and the coding unit may be divided along a quad tree structure, a binary tree structure and/or a ternary tree structure from a coding tree unit or a largest coding unit.
  • One or more transform units may be derived from a coding unit.
  • the reconstructed image signal decoded and output through the decoding apparatus 300 may be reproduced through the reproduction apparatus.
  • the decoding apparatus 300 may receive a signal output from the encoding apparatus of FIG. 2 in the form of a bitstream, and the received signal may be decoded through the entropy decoding unit 310 .
  • the entropy decoding unit 310 may derive information (eg, video/image information) necessary for image restoration (or picture restoration) by parsing the bitstream.
  • the video/image information may further include information about various parameter sets, such as an adaptation parameter set (APS), a picture parameter set (PPS), a sequence parameter set (SPS), or a video parameter set (VPS).
  • the video/image information may further include general constraint information.
  • the decoding apparatus may decode the picture further based on the information on the parameter set and/or the general restriction information.
  • Signaled/received information and/or syntax elements described later in this document may be decoded through the decoding procedure and obtained from the bitstream.
  • the entropy decoding unit 310 decodes information in a bitstream based on a coding method such as exponential Golomb encoding, CAVLC or CABAC, and a value of a syntax element required for image reconstruction, and a quantized value of a transform coefficient related to a residual can be printed out.
  • the CABAC entropy decoding method receives a bin corresponding to each syntax element in the bitstream, and decodes the syntax element information to be decoded and the decoding information of the surrounding and decoding target blocks or the symbol/bin information decoded in the previous step.
  • a context model is determined using the context model, and the probability of occurrence of a bin is predicted according to the determined context model, and a symbol corresponding to the value of each syntax element can be generated by performing arithmetic decoding of the bin.
  • the CABAC entropy decoding method may update the context model by using the decoded symbol/bin information for the context model of the next symbol/bin after determining the context model.
  • Prediction-related information among the information decoded by the entropy decoding unit 310 is provided to the prediction units (the inter prediction unit 332 and the intra prediction unit 331), and the entropy decoding unit 310 performs entropy decoding.
  • the dual value that is, the quantized transform coefficients and related parameter information may be input to the residual processing unit 320 .
  • the residual processing unit 320 may derive a residual signal (residual block, residual samples, residual sample array). Also, information about filtering among the information decoded by the entropy decoding unit 310 may be provided to the filtering unit 350 .
  • a receiving unit (not shown) that receives a signal output from the encoding device may be further configured as an internal/external element of the decoding device 300 , or the receiving unit may be a component of the entropy decoding unit 310 .
  • the decoding apparatus may be called a video/image/picture decoding apparatus, and the decoding apparatus is divided into an information decoder (video/image/picture information decoder) and a sample decoder (video/image/picture sample decoder).
  • the information decoder may include the entropy decoding unit 310 , and the sample decoder includes the inverse quantization unit 321 , the inverse transform unit 322 , the adder 340 , the filtering unit 350 , and the memory 360 . ), an inter prediction unit 332 , and at least one of an intra prediction unit 331 .
  • the inverse quantizer 321 may inverse quantize the quantized transform coefficients to output the transform coefficients.
  • the inverse quantizer 321 may rearrange the quantized transform coefficients in a two-dimensional block form. In this case, the rearrangement may be performed based on the coefficient scan order performed by the encoding device.
  • the inverse quantization unit 321 may perform inverse quantization on the quantized transform coefficients using a quantization parameter (eg, quantization step size information) and obtain transform coefficients.
  • a quantization parameter eg, quantization step size information
  • the inverse transform unit 322 inverse transforms the transform coefficients to obtain a residual signal (residual block, residual sample array).
  • the prediction unit 330 may perform prediction on the current block and generate a predicted block including prediction samples for the current block.
  • the prediction unit 330 may determine whether intra prediction or inter prediction is applied to the current block based on the prediction information output from the entropy decoding unit 310, and determine a specific intra/inter prediction mode.
  • the prediction unit 330 may generate a prediction signal based on various prediction methods to be described later. For example, the prediction unit 330 may apply intra prediction or inter prediction for prediction of one block, and may simultaneously apply intra prediction and inter prediction. This can be called combined inter and intra prediction (CIIP). Also, the prediction unit 330 may be based on an intra block copy (IBC) prediction mode or based on a palette mode for prediction of a block.
  • IBC intra block copy
  • the IBC prediction mode or the palette mode may be used for video/video coding of content such as games, for example, screen content coding (SCC). IBC basically performs prediction within the current picture, but may be performed similarly to inter prediction in that a reference block is derived within the current picture. That is, IBC may use at least one of the inter prediction techniques described in this document.
  • the palette mode may be viewed as an example of intra coding or intra prediction. When the palette mode is applied, information about a palette table and a palette index may be included in the video/image information and signaled.
  • the intra prediction unit 331 may predict the current block with reference to samples in the current picture.
  • the referenced samples may be located in the vicinity of the current block or may be located apart from each other according to the prediction mode.
  • prediction modes may include a plurality of non-directional modes and a plurality of directional modes.
  • the intra prediction unit 331 may determine the prediction mode applied to the current block by using the prediction mode applied to the neighboring block.
  • the inter prediction unit 332 may derive the predicted block for the current block based on the reference block (reference sample array) specified by the motion vector on the reference picture.
  • the motion information may be predicted in units of blocks, subblocks, or samples based on the correlation between motion information between neighboring blocks and the current block.
  • the motion information may include a motion vector and a reference picture index.
  • the motion information may further include inter prediction direction (L0 prediction, L1 prediction, Bi prediction, etc.) information.
  • the neighboring blocks may include spatial neighboring blocks existing in the current picture and temporal neighboring blocks present in the reference picture.
  • the inter prediction unit 332 may construct a motion information candidate list based on neighboring blocks, and derive a motion vector and/or a reference picture index of the current block based on the received candidate selection information. Inter prediction may be performed based on various prediction modes, and the information on the prediction may include information indicating the mode of inter prediction for the current block.
  • the adder 340 restores the obtained residual signal by adding it to the prediction signal (predicted block, prediction sample array) output from the prediction unit (including the inter prediction unit 332 and/or the intra prediction unit 331 ).
  • a signal (reconstructed picture, reconstructed block, reconstructed sample array) may be generated.
  • the predicted block may be used as a reconstructed block.
  • the adder 340 may be referred to as a restoration unit or a restoration block generator.
  • the generated reconstructed signal may be used for intra prediction of the next processing target block in the current picture, may be output through filtering as described below, or may be used for inter prediction of the next picture.
  • LMCS luma mapping with chroma scaling
  • the filtering unit 350 may improve subjective/objective image quality by applying filtering to the reconstructed signal.
  • the filtering unit 350 may generate a modified reconstructed picture by applying various filtering methods to the reconstructed picture, and convert the modified reconstructed picture to the memory 360 , specifically, the DPB of the memory 360 .
  • the various filtering methods may include, for example, deblocking filtering, a sample adaptive offset, an adaptive loop filter, a bilateral filter, and the like.
  • the (modified) reconstructed picture stored in the DPB of the memory 360 may be used as a reference picture in the inter prediction unit 332 .
  • the memory 360 may store motion information of a block in which motion information in the current picture is derived (or decoded) and/or motion information of blocks in an already reconstructed picture.
  • the stored motion information may be transmitted to the inter prediction unit 332 to be used as motion information of a spatial neighboring block or motion information of a temporal neighboring block.
  • the memory 360 may store reconstructed samples of blocks reconstructed in the current picture, and may transmit the reconstructed samples to the intra prediction unit 331 .
  • the embodiments described in the filtering unit 260 , the inter prediction unit 221 , and the intra prediction unit 222 of the encoding apparatus 200 are the filtering unit 350 and the inter prediction unit of the decoding apparatus 300 , respectively.
  • the same or corresponding application may be applied to the unit 332 and the intra prediction unit 331 .
  • the coded video/image is a video coding layer (VCL) that handles video/image decoding processing and itself, a subsystem that transmits and stores encoded information, and the VCL and subsystem It exists in between and is divided into a network abstraction layer (NAL) that is in charge of network adaptation functions.
  • VCL video coding layer
  • NAL network abstraction layer
  • VCL data including compressed video data is generated, or a picture parameter set (PPS), a sequence parameter set (SPS), a video parameter set (Video Parameter Set: A supplemental enhancement information (SEI) message additionally necessary for a parameter set including information such as VPS) or an image decoding process may be generated.
  • PPS picture parameter set
  • SPS sequence parameter set
  • SEI Supplemental Enhancement Information
  • a NAL unit may be generated by adding header information (NAL unit header) to a raw byte sequence payload (RBSP) generated in the VCL.
  • the RBSP refers to slice data, parameter sets, SEI messages, etc. generated in the VCL.
  • the NAL unit header may include NAL unit type information specified according to RBSP data included in the corresponding NAL unit.
  • the NAL unit may be divided into a VCL NAL unit and a Non-VCL NAL unit according to the RBSP generated in the VCL.
  • the VCL NAL unit may mean a NAL unit including information about an image (slice data), and the Non-VCL NAL unit is a NAL unit containing information (parameter set or SEI message) necessary for decoding an image. can mean
  • VCL NAL unit and Non-VCL NAL unit may be transmitted through a network by attaching header information according to a data standard of a subsystem.
  • the NAL unit may be transformed into a data form of a predetermined standard such as H.266/VVC file format, Real-time Transport Protocol (RTP), Transport Stream (TS), and transmitted through various networks.
  • RTP Real-time Transport Protocol
  • TS Transport Stream
  • the NAL unit type may be specified according to the RBSP data structure included in the corresponding NAL unit, and information on this NAL unit type may be stored in the NAL unit header and signaled.
  • the NAL unit may be largely classified into a VCL NAL unit type and a Non-VCL NAL unit type depending on whether or not the NAL unit includes information about an image (slice data).
  • the VCL NAL unit type may be classified according to properties and types of pictures included in the VCL NAL unit, and the Non-VCL NAL unit type may be classified according to the type of parameter set.
  • NAL unit type specified according to the type of parameter set included in the Non-VCL NAL unit type.
  • NAL unit Type of NAL unit including APS
  • NAL unit a type of NAL unit including DPS
  • NAL unit Type of NAL unit including VPS
  • NAL unit Type for NAL unit including SPS
  • NAL unit Type of NAL unit including PPS
  • NAL unit Type of NAL unit including PH
  • NAL unit types have syntax information for the NAL unit type, and the syntax information may be stored and signaled in a NAL unit header.
  • the syntax information may be nal_unit_type, and NAL unit types may be specified by a nal_unit_type value.
  • one picture may include a plurality of slices, and one slice may include a slice header and slice data.
  • one picture header may be further added to a plurality of slices (a slice header and a slice data set) in one picture.
  • the picture header (picture header syntax) may include information/parameters commonly applicable to the picture.
  • a picture may consist of slices of different types, such as intra-coded slices (ie, I-slice) and/or inter-coded slices (ie, P-slice and B-slice).
  • the picture header may include information/parameters applied to the intra-coded slice and the inter-coded slice.
  • one picture may consist of one type of slices.
  • the slice header may include information/parameters commonly applicable to the slice.
  • the APS APS syntax
  • PPS PPS syntax
  • the SPS SPS syntax
  • the VPS VPS syntax
  • the DPS DPS syntax
  • the DPS may include information/parameters commonly applicable to the entire video.
  • the DPS may include information/parameters related to concatenation of a coded video sequence (CVS).
  • CVS coded video sequence
  • the video/video information encoded from the encoding device to the decoding device and signaled in the form of a bitstream includes intra-picture partitioning related information, intra/inter prediction information, inter-layer prediction related information, residual information, in-loop filtering information, etc.
  • information included in the slice header, information included in the picture header, information included in the APS, information included in the PPS, information included in the SPS, information included in the VPS and/or DPS may contain information contained in
  • the video/video information may further include information of a NAL unit header.
  • the embodiments described in the filtering unit 260 , the inter prediction unit 221 , and the intra prediction unit 222 of the encoding apparatus 200 are the filtering unit 350 and the inter prediction unit of the decoding apparatus 300 , respectively.
  • the same or corresponding application may be applied to the unit 332 and the intra prediction unit 331 .
  • the above-described encoded image/video information may be configured based on a media file format in order to generate a media file.
  • the encoded image/video information may form a media file (segment) based on one or more NAL unit/sample entries for the encoded image/video information.
  • the media file may include sample entries and tracks.
  • a media file (segment) may include various records, and each record may include information related to an image/video or information related to a media file format.
  • one or more NAL units may be stored in a configuration record (or decoder configuration record, or VVC decoder configuration record) field of the media file.
  • the field may be referred to as a syntax element.
  • ISOBMFF ISO Base Media File Format
  • ISOBMFF supports many codec encapsulation formats, such as AVC file format, HEVC file format and/or VVC file format, and MPEG-4 file format, 3GPP file format (3GP) and/or DVB file format, etc. It can be used as the basis for many multimedia container formats.
  • codec encapsulation formats such as AVC file format, HEVC file format and/or VVC file format, and MPEG-4 file format, 3GPP file format (3GP) and/or DVB file format, etc. It can be used as the basis for many multimedia container formats.
  • 3GP 3GPP file format
  • DVB file format 3GPP file format
  • static media such as an image and metadata may be stored in a file according to ISOBMFF.
  • Files structured according to ISOBMFF include segments for local media file playback, progressive downloading of a remote file, Dynamic Adaptive Streaming over HTTP (DASH), It can be used for various purposes, such as containers of content to be streamed, packetization instructions, and recording of received real-time media streams.
  • DASH Dynamic Adaptive Streaming over HTTP
  • a 'box' to be described later may be a basic syntax element of ISOBMFF.
  • An ISOBMFF file may consist of a sequence of boxes, which may contain other boxes.
  • a movie box (a box with a grouping type of 'moov') may contain metadata for continuous media streams in a media file, each stream being a track in the file. can be displayed.
  • Metadata about a track may be included in a track box (a box having a grouping type of 'trak'), and media content of the track may be included in a media data box (a grouping type of 'mdat'). in-box) or directly in a separate file.
  • the media content of a track may consist of a sequence of samples, such as audio or video access units.
  • ISOBMFF includes a media track including an elementary media stream, a hint track including media transmission instructions or indicating a received packet stream, a time You can specify types of tracks such as a timed metadata track containing timesynchronized metadata.
  • ISOBMFF is also designed for storage, but is also very useful, for example, for progressive download or streaming like DASH.
  • movie fragments defined in ISOBMFF may be used.
  • a fragmented ISOBMFF file may be represented by, for example, two tracks related to video and audio. For example, if random access is included after receiving the 'moov' box, all movie fragments 'moof' together with related media data may be decoded.
  • each track may include a list of sample description entries that provide the coding or encapsulation format used for the track and initialization data required to process the format. have. Also, each sample may be associated with one of the sample description entries of the track.
  • ISOBMFF allows a variety of mechanisms to specify sample-specific metadata.
  • Specific boxes in the sample table box (box with grouping type ‘stbl’) can be standardized to correspond to general requirements.
  • a Sync sample box (a box with a grouping type of 'stss') can be used to list random access samples of a track.
  • Several grouping types may be specified in ISOBMFF.
  • 5 and 6 are diagrams illustrating an example of the structure of a media file.
  • the media file may include at least one box.
  • the box may be a data block or object including media data or metadata related to the media data. Boxes may form a hierarchical structure with each other, and thus data may be classified so that a media file may take a form suitable for storage and/or transmission of large-capacity media data.
  • the media file may have a structure that is easy for a user to access media information, such as moving to a specific point of media content.
  • Media files may include ftyp boxes, moov boxes and/or mdat boxes.
  • the ftyp box may provide file type or compatibility related information for a corresponding media file.
  • the ftyp box may include configuration version information for media data of the corresponding media file.
  • the decoder can classify the media file by referring to the ftyp box.
  • the moov box may be a box including metadata for media data of a corresponding media file.
  • the moov box can act as a container for all meta data.
  • the moov box may be a box of the highest layer among metadata-related boxes. According to an embodiment, only one moov box may exist in the media file.
  • the mdat box may be a box containing actual media data of a corresponding media file.
  • Media data may include audio samples and/or video samples, and the mdat box may serve as a container for these media samples.
  • the above-described moov box may further include an mvhd box, a trak box, and/or an mvex box as sub-boxes.
  • the mvhd box may include media presentation related information of media data included in a corresponding media file. That is, the mvhd box may include information such as media creation time, change time, time standard, and period of the corresponding media presentation.
  • the trak box may provide information related to the track of the corresponding media data.
  • the trak box may include information such as stream-related information, presentation-related information, and access-related information for an audio track or a video track.
  • a plurality of Trak boxes may exist according to the number of tracks.
  • the trak box may further include a tkhd box (track header box) as a lower box according to an embodiment.
  • the tkhd box may include information about the corresponding track indicated by the trak box.
  • the tkhd box may include information such as creation time, modification time, and track identifier of the corresponding track.
  • the mvex box (movie extend box) may indicate that there may be a moof box, which will be described later, in the corresponding media file. To know all media samples of a particular track, the moof boxes may have to be scanned.
  • the media file may be divided into a plurality of fragments according to an embodiment ( 200 ). Through this, the media file can be divided and stored or transmitted.
  • Media data (mdat box) of a media file is divided into a plurality of fragments, and each fragment may include a moof box and a divided mdat box.
  • information of the ftyp box and/or the moov box may be required.
  • the moof box may provide metadata for media data of a corresponding fragment.
  • the moof box may be a box of the highest layer among the metadata-related boxes of the corresponding fragment.
  • the mdat box may contain actual media data as described above.
  • the mdat box may include media samples of media data corresponding to each corresponding fragment.
  • the above-described moof box may further include an mfhd box and/or a traf box as a lower box.
  • the mfhd box may include information related to association between a plurality of divided fragments.
  • the mfhd box may include a sequence number to indicate the number of pieces of divided media data of the corresponding fragment. In addition, it may be checked whether any of the divided data is missing using the mfhd box.
  • the traf box may include information on the corresponding track fragment.
  • the traf box may provide metadata for the divided track fragment included in the corresponding fragment.
  • the traf box may provide metadata so that media samples in the corresponding track fragment can be decoded/played.
  • a plurality of traf boxes may exist according to the number of track fragments.
  • the aforementioned traf box may further include a tfhd box and/or a trun box as a lower box.
  • the tfhd box may include header information of the corresponding track fragment.
  • the tfhd box may provide information such as a basic sample size, a period, an offset, and an identifier for media samples of a track fragment indicated by the aforementioned traf box.
  • the trun box may include information related to the corresponding track fragment.
  • the trun box may include information such as duration, size, and playback time for each media sample.
  • the aforementioned media file or fragments of the media file may be processed and transmitted as segments.
  • the segment may include an initialization segment and/or a media segment.
  • the file of the illustrated embodiment 210 may be a file including information related to initialization of a media decoder, etc. excluding media data.
  • This file may correspond to, for example, the initialization segment described above.
  • the initialization segment may include the aforementioned ftyp box and/or moov box.
  • the file of the illustrated embodiment 220 may be a file including the aforementioned fragment.
  • This file may for example correspond to the aforementioned media segment.
  • the media segment may include the aforementioned moof box and/or mdat box. Also, the media segment may further include a styp box and/or a sidx box.
  • the styp box may provide information for identifying media data of the divided fragment.
  • the styp box may perform the same role as the aforementioned ftyp box for the divided fragment.
  • the styp box may have the same format as the ftyp box.
  • a sidx box may provide information indicating an index for a divided fragment. Through this, the number of the divided fragment may be indicated.
  • an ssix box may be further included.
  • the ssix box (sub-segment index box) may provide information indicating an index of the sub-segment when the segment is further divided into sub-segments.
  • Boxes in the media file may include more expanded information.
  • the size field and the largesize field may indicate the length of the corresponding box in bytes or the like.
  • the version field may indicate a version of the corresponding box format.
  • the Type field may indicate the type or identifier of the corresponding box.
  • the flags field may indicate flags related to a corresponding box.
  • the fields (properties) for the video/image of the present invention may be delivered by being included in the DASH-based adaptive streaming model.
  • the DASH-based adaptive streaming model according to the illustrated embodiment 400 describes the operation between an HTTP server and a DASH client.
  • DASH Dynamic Adaptive Streaming over HTTP
  • DASH is a protocol for supporting HTTP-based adaptive streaming, and may dynamically support streaming according to network conditions. Accordingly, AV content reproduction can be provided without interruption.
  • the DASH client may acquire the MPD.
  • the MPD may be delivered from a service provider such as an HTTP server.
  • the DASH client may request the segments from the server by using the access information on the segment described in the MPD.
  • this request may be performed by reflecting the network status.
  • the media engine may process it and display it on the screen.
  • the DASH client may request and obtain a required segment by reflecting the playback time and/or network condition in real time (Adaptive Streaming). Through this, the content can be reproduced without interruption.
  • the MPD Media Presentation Description
  • the MPD may be expressed in XML format as a file including detailed information for enabling the DASH client to dynamically acquire a segment.
  • the DASH client controller may generate a command for requesting an MPD and/or a segment by reflecting a network condition.
  • the controller may control the obtained information to be used in an internal block such as a media engine.
  • the MPD parser may parse the acquired MPD in real time. Through this, the DASH client controller may be able to generate a command to obtain the required segment.
  • the segment parser may parse the acquired segment in real time. According to information included in the segment, internal blocks such as the media engine may perform a specific operation.
  • the HTTP client may request the required MPD and/or segment from the HTTP server. Also, the HTTP client may transmit the MPD and/or segments obtained from the server to the MPD parser or the segment parser.
  • the media engine may display content on the screen by using media data included in the segment.
  • information of the MPD may be utilized.
  • the DASH data model may have a hierarchical structure 410 .
  • a media presentation may be described by an MPD.
  • the MPD may describe a temporal sequence of a plurality of periods for making a media presentation.
  • a period may indicate one period of media content.
  • data may be included in adaptation sets.
  • the adaptation set may be a set of a plurality of media content components that can be exchanged with each other.
  • the adaptation may include a set of representations.
  • the representation may correspond to a media content component.
  • content may be temporally divided into a plurality of segments. This may be for proper accessibility and delivery. In order to access each segment, a URL of each segment may be provided.
  • the MPD may provide information related to media presentation, and a period element, an adaptation set element, and a representation element may describe a corresponding period, adaptation set, and representation, respectively.
  • a representation may be divided into sub-representations, and a sub-representation element may describe a corresponding sub-representation.
  • common properties/elements may be defined, and these may be applied (included) to an adaptation set, a representation, a sub-representation, and the like.
  • common properties/elements there may be an essential property and/or a supplemental property.
  • the essential property may be information including elements considered essential in processing the corresponding media presentation related data.
  • the supplemental property may be information including elements that may be used in processing the corresponding media presentation related data. According to an embodiment, descriptors to be described later may be defined and delivered in an essential property and/or a supplemental property when delivered through the MPD.
  • the above-described encoded image/video information may be configured based on a media file format to generate a media file.
  • the encoded image/video information may form a media file (segment) based on one or more NAL unit/sample entries for the encoded image/video information.
  • the media file may include sample entries and tracks.
  • a media file (segment) may include various records, and each record may include information related to an image/video or information related to a media file format.
  • one or more NAL units may be stored in a configuration record (or decoder configuration record, or VVC decoder configuration record) field of the media file.
  • the field may be referred to as a syntax element.
  • a 'sample' to be described later may be all data related to one single time or a single element among three sample arrays (Y, Cb, Cr) representing a picture.
  • the term 'sample' when used in the context of a track (in a media file format), it may mean all data related to a single time of the corresponding track.
  • the time may be a decoding time or a composition time.
  • the term 'sample' is used in the context of a picture, that is, when used with the phrase "luma sample", a three sample array representing a picture It can represent a single element in one of them.
  • a video elementary stream that contains a VCL NAL unit and does not contain a parameter set, DCI, or OPI NAL unit.
  • all parameter sets, DCI and OPI NAL units may be stored in one or more sample entries.
  • a video elementary stream may include parameter sets, DCI NAL units, and non-VCL NAL units that are not OPI NAL units.
  • VCL NAL units which may comprise a parameter set, DCI or OPI NAL unit, and may have one or more sample entries stored in said parameter sets, DCI or OPI NAL units.
  • non-VCL elementary stream containing only non-VCL NAL units.
  • the non-VCL NAL units are synchronized with the elementary stream included in the video track.
  • the VVC non-VCL track does not contain parameter set, DCI or OPI NAL units in sample entries.
  • VVC video stream may be defined as follows.
  • Sample entry types may include 'vvc1', 'vvi1' and 'vvs1'.
  • the box type may have 'vvcC' and vvnC'.
  • the container may be a Sample Table Box ('stb1').
  • the 'vvc1' or 'vvi1' sample entry may be mandatory in at least one of the tracks carrying the VVC bitstream. There may be more than one sample entry.
  • a VVC sample entry is defined as a sample entry having a sample entry type such as 'vvc1' or 'vvi1'.
  • Each sample entry in a VVC track must be a VVC sample entry.
  • the VVC sample entry must include the VVC Configuration Box defined below. This includes the VvcDecoderConfigurationRecord defined in section 11.3.3.1.
  • An optional BitRateBox may be present in the VVC sample entry to signal bit rate information of the VVC video stream.
  • extension descriptors to be inserted into the elementary stream descriptor may also exist.
  • a plurality of sample entries may be used, as allowed in the ISOBMFF specification, to indicate a section of video using different configurations or parameter sets.
  • VVC subpicture track contains a conforming VVC bitstream that can be consumed without other VVC subtracks
  • a regular VVC sample entry is used for the VVC subpicture track ('vvc1' or 'vvi1') .
  • the 'vvs1' sample entry may be used for a VVC subpicture track, and the following restrictions apply to the track.
  • the track must be referenced by at least one VVC base track via the 'subp' track reference.
  • Child boxes of a video sample entry (such as CleanApertureBox and PixelAspectRatioBox) MUST NOT be present in the sample entry and, if present, MUST be ignored.
  • a sample shall not be marked as a sync sample unless all VCL NAL units it contains comply with all of the above sync sample requirements.
  • sub-sample information for the sample of the 'vvs1' track. If present, the subsample information shall follow the definition of a subsample in VVC.
  • a VVC track may contain a 'subp' track reference with entries containing either the track_ID value of the VVC subpicture track or the track_group_id value of the 'alte' track group of the VVC subpicture track.
  • a sample entry of type 'vvs1' includes a VvcNALUConfigBox.
  • VVC subpicture track If a VVC subpicture track is referenced by a VVC base track containing a 'spor' sample group description entry with subpic_id_info_flag equal to 1, the VVC subpicture track potentially contains a subpicture ID sample group description using the default sample grouping mechanism. Should be.
  • the stream to which this sample entry applies is a compliant VVC as shown in the VVC decoder operation under the configuration (including profile, tier and level) given in the VVCConfigurationBox. It must be a stream.
  • the value of array_completeness shall be equal to 1 for arrays of DCI, VPS, SPS and SPS NAL units, and shall be equal to 0 for other arrays. If the sample entry name is 'vvi1', the value of array_completeness must be equal to 0 for all arrays.
  • a track does not natively contain a VVC bitstream and does not represent a VVC bitstream after resolving the 'subp' and 'vvcN' track references (if present), the track carries a 'vopi' sample group must contain an 'oref' track reference to either the track or group of actuation point entities.
  • a track containing a sublayer having TemporalID equal to 1 is ' oref' contains track references.
  • the operating point information (operating points information) of the ISO based media file format (ISOBMF) for VVC is a group box or grouping type in which the grouping type is 'vopi' It may be signaled as a sample in an entity group that is 'opeg'.
  • the operating point may be a temporal subset of the OLS identified by the highest value of the OLS (Output Layer Set, OLS) index and TemporalId.
  • OLS Output Layer Set, OLS index and TemporalId.
  • Each actuation point may be associated with a profile, tier and level (ie, a PTL) that defines the conformance point of the actuation point.
  • the actuation point information may be needed to identify a sample and a sample entry for each actuation point.
  • actuation point information sample group ('vopi').
  • Each actuation point is associated with OLS, maximum TemporalId value, profile, tier and level signaling. All of the above information can be captured by the 'vopi' sample group. Apart from the above information, the sample group may also provide dependency information between layers.
  • a temporally collocated sample of another track may be defined as a sample having the same decoding time as the specific sample.
  • the sample SN may be associated with the same 'vopi' sample group entity as the sample Sk.
  • the sample SN may be associated with the same vopi' sample group entity as the last sample of the track Tk preceding the sample SN in decoding time.
  • VPSs When several VPSs are referenced in the VVC bitstream, it may be necessary to include several entities in a sample group description box with grouping_type 'vopi'. In the more general case with a single VPS, use the default sample group mechanism defined in ISO/IEC 14496-12 and not include it in each track fragment, but instead put the operating point information in the sample table box. It may be recommended to include (operating points information sample group).
  • grouping_type_parameter may not be defined for SampleToGroupBox whose grouping type is 'vopi'.
  • the syntax of the 'vopi' sample group including the above-described operating point information may be as shown in the table below.
  • the 'vopi' sample group may include information related to the operating point list.
  • Information related to the operating point list includes, for example, the number of operating points information, OLS index information, maximum temporal ID information, frame rate information flag, frame rate information, bit rate information flag, bit rate information, chroma format idc information, bits It may include depth information, picture width information, picture height information, entity count information, and entity index information.
  • the information on the number of operation points may be represented by, for example, a syntax element op_in_sample_entry_included_flag.
  • the OLS index information may be represented by, for example, a syntax element ols_idx.
  • the maximum temporal ID information may be represented by, for example, a syntax element max_temporal_id.
  • the frame rate information flag may be represented by, for example, a syntax element frame_rate_info_flag.
  • the frame rate information may include, for example, syntax elements avgFrameRate and constantFrameRate.
  • the bit rate information flag may be represented by, for example, a syntax element bit_rate_info_flag.
  • the bit rate information may include, for example, syntax elements maxBitRate and avgBitRate.
  • the chroma format idc information may be represented by, for example, a syntax element chroma_format_idc.
  • the bit depth information may be represented by, for example, a syntax element bit_depth_minus8.
  • the picture width information may be represented by, for example, a syntax element picture_width.
  • the picture height information may be represented by, for example, a syntax element picture_height.
  • the entity count information may be represented by, for example, a syntax element entity_count.
  • the entity index information may be represented by, for example, a syntax element entity_idx.
  • semantics of the operating point information sample group that is, the syntax of the 'vopi' sample group, may be as shown in the following table.
  • an actuation point entity group may be defined to provide a mapping of tracks to actuation points and profile level information of actuation points.
  • the implicit reconstruction process takes more VCL NAL units to obtain a conforming VVC bitstream. no need to remove A track belonging to the actuation point entity group shall have a track reference of type 'oref' for the group_id indicated in the actuation point entity group, and shall not carry a sample group 'vopi'.
  • all entity_id values included in the operation point entity group must indicate track IDs of tracks belonging to the same VVC bitstream.
  • the OperatingPointGroupBox is included in the File-level MetaBox's GroupsListBox and not in the other levels of the MetaBox.
  • OperatingPointGroupBox may indicate the operating point entity group.
  • the actuation point entity group may include information related to the actuation point list.
  • Information related to the operating point list includes, for example, the number of operating points information, OLS index information, maximum temporal ID information, frame rate information flag, frame rate information, bit rate information flag, bit rate information, chroma format idc information, bits It may include depth information, picture width information, picture height information, entity count information, and entity index information.
  • the information on the number of operation points may be represented by, for example, a syntax element op_in_sample_entry_included_flag.
  • the OLS index information may be represented by, for example, a syntax element ols_idx.
  • the maximum temporal ID information may be represented by, for example, a syntax element max_temporal_id.
  • the frame rate information flag may be represented by, for example, a syntax element frame_rate_info_flag.
  • the frame rate information may include, for example, syntax elements avgFrameRate and constantFrameRate.
  • the bit rate information flag may be represented by, for example, a syntax element bit_rate_info_flag.
  • the bit rate information may include, for example, syntax elements maxBitRate and avgBitRate.
  • the chroma format idc information may be represented by, for example, a syntax element chroma_format_idc.
  • the bit depth information may be represented by, for example, a syntax element bit_depth_minus8.
  • the picture width information may be represented by, for example, a syntax element picture_width.
  • the picture height information may be represented by, for example, a syntax element picture_height.
  • the entity count information may be represented by, for example, a syntax element entity_count.
  • the entity index information may be represented by, for example, a syntax element entity_idx.
  • semantics of the syntax of the operation point entity group may be as shown in the following table.
  • the media file may include decoder configuration information for image/video content. That is, the media file may include a VVC decoder configuration record including decoder configuration information.
  • the VVC decoder configuration record is a parameter set, DCI, OPI and SEI NAL units, as well as the length of each NAL unit included in the VVC decoder configuration record. It may include the size of the length field used for the sample.
  • the VVC decoder configuration record may be externally framed (the size of the VVC decoder configuration record is provided in a structure including the VVC decoder configuration record).
  • the VVC decoder configuration record may include a version field.
  • the version in this document may define version 1 of the VVC decoder configuration record.
  • Incompatible changes to the VVC decoder configuration record may be marked as version number changes. If the version number is not recognized, readers should not decode the VVC decoder configuration record or the stream to which the record applies.
  • VVC decoder configuration record may not change the configuration version code.
  • the reader must be prepared to ignore unrecognized data that goes beyond the definition of data that the reader understands.
  • a VvcPtlRecord must be present in the decoder configuration record, in which case a specific output layer set for the VVC bitstream (output layer set) is indicated by the output_layer_set_idx field. Also, if ptl_present_flag in the decoder configuration record of a track is 0, then the track must have an 'oref' track reference to the ID referencing either the VVC track or the 'opeg' entity group.
  • values of syntax elements of VvcPTRecord, chroma_format_idc, and bit_depth_minus8 may be valid for all referenced parameter sets.
  • the following restrictions may apply:
  • general_profile_idc indicates the profile to which the output layer set identified by output_layer_set_idx of this configuration record conforms.
  • the tier indication general_tier_flag may indicate a tier greater than or equal to the highest tier indicated in all profile_tier_level() syntax structures (in all parameter sets) to which the output layer set identified by the output_layer_set_idx of this configuration record conforms. .
  • Each bit of general_constraint_info may be set only if all general_constraints_info() syntax structures in all profile_tier_level() syntax structures (in all parameter sets) conform to by the output layer set identified by output_layer_set_idx of this configuration record set the bit.
  • a level indication general_level_idc is a level of capability equal to or greater than the highest level in all profile_tier_level() syntax structures (in all parameter sets) to which the output layer set identified by output_layer_set_idx of this configuration record complies with (a level of capability).
  • the value of sps_chroma_format_idc defined in ISO/IEC 23090-3 is all SPS referenced by VCL NAL units in samples to which the current sample entry description is applied. It must be the same within the fields, and the value of chroma_format_idc must be the same as the value of sps_chroma_format_idc.
  • vps_ols_dpb_chroma_format[ MultiLayerOlsIdx[ output_layer_set_idx ] ] defined in ISO/IEC 23090-3 is all CVS to which the current sample entry description is applied.
  • the value of chroma_format_idc must be the same as the value of vps_ols_dpb_chroma_format[ MultiLayerOlsIdx[ output_layer_set_idx ] ].
  • bit_depth_minus8 may be applied to bit_depth_minus8.
  • bit_deptch_minus8 When the VVC stream to which the configuration record is applied is a single layer bitstream, the value of sps_bitdepth_minus8 defined in ISO/IEC 23090-3 is all referenced by the VCL NAL units of the sample to which the current sample entry description is applied. It must be the same within the SPSs, and the value of bit_deptch_minus8 must be equal to the value of sps_bitdepth_minus8.
  • vps_ols_dpb_bitdepth _minus8[ MultiLayerOlsIdx[ output_layer_set_idx ] ] defined in ISO/IEC 23090-3 is all values to which the current sample entry description is applied. Must be the same for CVS, and the value of bit_deptch_minus8 must be equal to the value of vps_ols_dpb_bitdepth_minus8[ MultiLayerOlsIdx[ output_layer_set_idx ] ].
  • the value of sps_pic_width_max_in_luma_samples defined in ISO/IEC 23090-3 is all referenced by the VCL NAL units of the sample to which the current sample entry description is applied. It must be the same within the SPSs, and the value of picture_width must be equal to the value of sps_pic_width_max_in_luma_samples.
  • the value of vps_ols_dpb_pic_width [ MultiLayerOlsIdx[ output_layer_set_idx ] ] defined in ISO/IEC 23090-3 is all CVS to which the current sample entry description is applied. must be the same for , and the value of picture_width must be equal to the value of vps_ols_dpb_pic_width[ MultiLayerOlsIdx[ output_layer_set_idx ] ].
  • the value of sps_pic_height_max_in_luma_samples defined in ISO/IEC 23090-3 is all referenced by the VCL NAL units of the sample to which the current sample entry description is applied. must be the same within the SPSs, and the value of picture_height must be equal to the value of sps_pic_height_max_in_luma_samples.
  • the value of vps_ols_dpb_pic_height [ MultiLayerOlsIdx[ output_layer_set_idx ] ] defined in ISO/IEC 23090-3 is all CVS to which the current sample entry description is applied. , and the value of picture_height must be equal to the value of vps_ols_dpb_pic_height[ MultiLayerOlsIdx[ output_layer_set_idx ] ].
  • An explicit indication of a chroma format and bit depth as well as other important format information used in the VVC video elementary stream may be provided in the VVC decoder configuration record.
  • color space or bit depth indications are different in the VUI information of two sequences, two different VVC sample entries may be required.
  • the VVC decoder configuration record there may be a set of arrays carrying initialization non-VCL NAL units.
  • the NAL unit types may be limited to indicate only DCI, OPI, VPS, SPS, PPS, prefix APS and prefix SEI NAL units.
  • the reserved NAL unit type may be defined in the future, and the reader may have to ignore the reserved or disallowed values of the NAL unit type array.
  • the arrays may be in the order of DCI, OPI, VPS, SPS, PPS, prefix APS, and prefix SEI.
  • VVC decoder configuration record may be as shown in the table below.
  • semantics of the syntax of the VVC decoder configuration record may be as shown in the following table.
  • the above-described media file may include a track. That is, the bitstream including video/image data may be stored in the aforementioned track to form a media file.
  • the type of the track more specifically, the type of the track for transporting VVC elementary streams may be as shown in the following table.
  • a VVC track may indicate a VVC bitstream by including a NAL unit in a sample and/or sample entry of a VVC track, referencing a VVC track that includes sublayers of another VVC bitstream, or referencing VVC subpicture tracks.
  • VVC track refers to VVC subpicture tracks
  • the VVC track may be called a VVC base track.
  • APS and other non-VCL NAL units carrying ALF, LMCS, or scaling list parameters may be stored and transmitted over a different track than the track containing the VCL NAL units.
  • This track is a VVC non-VCL track.
  • the sub picture track contains one of the following.
  • a sample of a subpicture track contains one of the following.
  • VVC subpicture tracks or slices included in any sample of a VVC subpicture track are consecutive in decoding order.
  • VVC non-VCL tracks and VVC subpicture tracks enable optimal delivery of VVC video in a streaming application as follows.
  • the tracks may each be carried in their own DASH representation, and for decoding and rendering of a subset of tracks, a DASH representation containing a subset of VVC subpicture tracks and a DASH representation containing non-VCL tracks are It can be requested by the client on a per-segment basis. In this way, redundant transmission of APS and other non-VCL NAL units can be avoided.
  • a method of reconstructing a picture unit from a sample in a VVC track that refers to VVC subpicture tracks may be as follows.
  • an operating point may be determined first to reconstruct an access unit from samples of multiple tracks carrying a multi-layer VVC bitstream. For example, when a VVC bitstream is represented by a plurality of VVC tracks, a file parser may identify tracks necessary for the selected operating point as follows.
  • VVC bitstream selects the VVC bitstream based on the 'opeg' entity groups in the file as well as the 'vvcb' entity groups and the corresponding 'vopi' sample groups.
  • the 'opeg' entity group may represent a set of tracks that accurately represent the selected operating point.
  • the VVC bitstream can be recovered from the set of tracks and can be decoded.
  • a VVC bitstream is represented by a plurality of VVC tracks
  • the decoding times of the samples are adjusted so that the access unit order is correct as specified in ISO/IEC 23090-3. may have to Meanwhile, a sequence of access units may be reconstructed from each sample of necessary tracks according to an implicit reconstructing process described below.
  • the implicit restoration process of the VVC bitstream may be as follows.
  • the required track may be selected based on the operating point information and the layer conveying as indicated in the sample groups and the reference layer.
  • a necessary track may be selected based on information of the OperatingPointGroupBox.
  • a VCL NAL unit reconstructs a bitstream including a sublayer having a TemporalId greater than 0, all lower sublayers in the same layer (that is, a sublayer having a smaller TemporalId in the VCL NAL unit) ) are also included in the resulting bitstream and the required track can be selected accordingly.
  • picture units (as defined in ISO/IEC 23090-3) from samples having the same decoding time may be placed in the access unit in an ascending order of the nuh_layer_id value.
  • the first picture unit ie, the picture unit having the smallest value of nuh_layer_id
  • the first picture unit must have an AUD NAL unit, and only the first picture unit Only the AUD NAL unit of the unit is stored in the restored access unit, and if other AUD NAL units exist, the other AUD NAL units may be discarded.
  • the value of aud_irap_or_gdr_flag of the AUD NAL unit is set to be equal to 0.
  • the AUD NAL unit of the first PU has aud_irap_or_gdr_flag having a value of 1, and the same access unit in a separate track has a picture other than an IRAP or GDR picture.
  • the value of aud_irap_or_gdr_flag of the AUD NAL unit in the restored access unit may be changed from 1 to 0.
  • the final required track still collectively selects some layers or sublayers that do not belong to the target operation point.
  • the reconstructed bitstream for the target operating point is delivered in the final required track, but layers or sub-layers that do not belong to the target operating point may not be included.
  • VVC decoder implementations input the bitstream corresponding to the target output layer set index corresponding to the TargetOlsIdx and HighestTid variables in clause 8 of ISO/IEC 23090-3, respectively, and the maximum TemporalID value of the target operating point. can be used as Before sending the reconstructed bitstream to the VVC decoder, the file parser should check that it does not include layers and sub-layers other than those included in the target operation point.
  • max_tid_il_ref_pics_plus1 - 1 (indicated in the operation point information sample group) in the same layer VCL NAL with TemporalId less than or equal to Only sublayers of the layers for a unit are included in the resulting bitstream and the required track can be selected accordingly.
  • GDR picture units and IRAP picture units having ph_recovery_poc_cnt having a value of 0 are included in the resulting bitstream and the required track can be selected accordingly.
  • each picture unit is specified in clause 11.6.3 of ISO/IEC 23090-3 with additional restrictions for EOS and EOB NAL units specified below. can be restored as The process of clause 11.6.3 of ISO/IEC 23090-3 may be repeated for each layer of the target operating point in increasing order of nuh_layer_id. Otherwise, each picture unit may be reconstructed as follows.
  • the reconstructed access units may be placed in the VVC bitstream in increasing order of decoding time, and as further described below, duplicates of EOB and EOS NAL units may be removed in the VVC bitstream.
  • one or more containing an EOS NAL unit with a specific nuh_layer_id value in each sample there may be tracks.
  • only one of the EOS NAL units may be maintained in the last access unit (the unit with the largest decoding time) among the access units in the last reconstructed bitstream, and the EOB NAL of the last access unit among the access units It may be placed after all NAL units except for units (if present), and other EOS NAL units may be deleted.
  • a particular layer or sub-layer may be represented by more than one track
  • when figuring out the required track for an actuation point one has to choose from among a set of tracks carrying both said particular layer or sub-layer.
  • samples of the VVC track may be resolved into picture units including subsequent NAL units in the order of the table below.
  • AUD NAL unit if present in the sample, it may be the first NAL unit in the sample.
  • NAL units having a nal_unit_type such as EOS_NUT, EOB_NUT, SUFFIX_APS_NUT, SUFFIX_SEI_NUT, FD_NUT, RSV_NVCL_27, UNSPEC_30, or UNSPEC_31 in a sample (such as NAL unit type) unit cannot precede the first VCL NAL unit in a picture unit
  • the track reference can be resolved as follows. If the referenced VVC subpicture track is associated with a VVC non-VCL track, the resolved sample of the VVC subpicture track contains temporally aligned non-VCL unit(s) in the VVC non-VCL track (if present case).
  • NAL units in the sample having a nal_unit_type such as EOS_NUT, EOB_NUT, SUFFIX_APS_NUT, SUFFIX_SEI_NUT, FD_NUT, RSV_NVCL_27, UNSPEC_30, or UNSPEC_31.
  • each track reference in the 'subp' box may be resolved as shown in the following table. Otherwise, each instance of the track reference subp_track_ref_idx in the 'spor' sample group description entry mapped to the sample may be resolved as shown in the following table. For example, each sample of the VVC base track resolved from the 'subp' track reference has no holes (i.e. all samples within the rectangular area are covered) and no overlaps (i.e. within the rectangular area). All samples are covered only once) to form a rectangular region.
  • the track reference when a track reference indicates a track ID of a VVC subpicture track, the track reference may be resolved to a VVC subpicture track.
  • the track reference may be resolved to any track of the 'alte' track group, and a specific If the value of the track reference index is resolved to a specific sample of the previous sample, it may need to resolve to one of the following in the current sample.
  • a VVC subpicture track in the same 'alte' track is essentially independent of all VVC subpicture tracks referenced by another same VVC base track. and can therefore be limited as follows.
  • VVC subpicture tracks contain VVC subpictures.
  • the boundary(s) of the subpicture must be the same as the boundary(s) of the picture.
  • a 'spor' sample group description entry may be studied to conclude whether a PPS or SPS NAL unit needs to be changed. SPS change may only be possible at the starting point of CLVS.
  • RBSP may be derived in the NAL unit (ie, the start code emulation prevention byte may be removed). After overriding in the next step, start code emulation prevention can be performed again.
  • the reader can use the bit position and subpicture ID length information in the 'spor' sample group entry to determine the bit to overwrite to update the subpicture ID to the selected one. .
  • the reader needs to rewrite each of the PPS or SPS with the subpicture ID value selected in the restored access unit.
  • the 'minp' sample group description entry may be studied to determine the value of pps_mixed_nalu_types_in_pic_flagd.
  • the reader must include a copy of the PPS having the updated pps_mixed_nalu_types_in_pic_flag value in the reconstructed picture unit.
  • the reader uses the bit position of the 'minp' sample group entry to determine which bits are overwritten to update the pps_mixed_nalu_types_in_pic_flag.
  • the stream access point (SAP) sample group 'sap' specified in ISO/IEC 14496-12 may be used to provide information on all SAPs.
  • SAP is interpreted as follows.
  • SAP may specify access to all sublayers in the track.
  • SAP may specify access to all layers present within the track.
  • the sample entry type is 'vvc1' or 'vvi1' and the track does not include a sublayer with a TemporalId of 0
  • the STSA picture with the TemporalId equal to the lowest TemporalId in the track will serve as the SAP.
  • a GDR picture in the VVC bitstream may be generally indicated as SAP type 4 in the 'sap' sample group.
  • VVC may enable subpictures to have different VCL NAL unit types within the same coded picture.
  • a gradual decoding refresh can be obtained by updating a subpicture of each subpicture index to an IRAP subpicture within a picture range.
  • VVC may not specify a decoding process starting from a picture having a mixed VCL NAL unit type.
  • Table 13 may be applied.
  • the condition refers to the PPS in which the sample of the VVC track has pps_mixed_nalu_types_in_pic_flag with a value of 1. It may be satisfied if there is at least one IRAP subpicture with the same subpicture index i within the current sample of CLVS or following the current sample of the same CLVS.
  • the sample may be indicated as a type 4 SAP sample, and the sample is the decoding of a subpicture having a specific subpicture index before the IRAP subpicture. It may be mapped to a 'roll' sample group description entry having a roll_distance value that is correct for the omitting decoding process.
  • SAP sample groups are used, they must be used on all tracks carrying the VVC bitstream.
  • a random access recovery point sample group 'roll' specified in ISO/IEC 14496-12 may be used to provide information on a recovery point for gradual decoding refresh.
  • grouping_type_parameter When the 'roll' sample group is used together with the VVC track, the syntax and semantics of grouping_type_parameter may be specified the same as for the 'sap' sample group of ISO/IEC 14496-12.
  • layer_id_method_idc having values of 0 and 1 may be used when a picture of a target layer of a sample mapped to the 'roll' sample group is a GDR picture.
  • the 'roll' sample group may specify an operation for all layers in the track.
  • layer_id_method_idc having values of 2 and 3 may be used when all pictures of the target layer of the sample mapped to the 'roll' sample group are not GDR pictures, and the following table may be applied to the pictures of the target layer that are not GDR pictures. have.
  • the referenced PPS may have pps_mixed_nalu_types_in_pic_flag having a value equal to 1.
  • each subpicture index i having a range of 0 or more and sps_num_subpics_minus1 or less.
  • layer_id_method_idc is equal to 2
  • the 'roll' sample group can specify the behavior for all layers in the track.
  • the reader uses a sample marked with layer_id_method_idc having a value of 2 or 3 to start decoding, the reader follows the SPS, PPS and PH NAL units of the reconstructed bitstream according to clause 11.6. It may be necessary to further modify the bitstream starting with a sample marked as belonging to a sample group having layer_id_method_idc of 2 and 3 to be a conforming bitstream.
  • All picture headers of AUs restored from samples have a ph_gdr_pic_flag whose value is 1 and a ph_recovery_poc_cnt value corresponding to roll_distance of the 'roll' sample group description entry to which the sample is mapped.
  • the sample group may indicate a characteristic applied when all reference layers of the dependent layer are available and decoded.
  • the sample group can be used to start decoding of the prediction layer.
  • the operating point information could be signaled in the entity group 'opeg', the sample group 'vopi' or the sample entry of the track.
  • the actuation point information signaled in 'opeg' and 'vopi' includes actuation points present in the sample entry.
  • the operating point information signaled by 'opeg' and 'vopi' also includes the operating points existing in the sample entry, and accordingly, a file parser can obtain the operating point information in a batch.
  • including the operation point information of the sample entry in 'opeg' and 'vopi' is a waste of signaled bits and is unnecessary.
  • a scheme may be proposed in which a flag is present to indicate whether the actuation point list includes all actuation points present in a sample entry of a track.
  • the flag may be named, for example, op_in_sample_entry_included_flag.
  • op_in_sample_entry_included_flag when the value of op_in_sample_entry_included_flag is equal to 1, it may mean that the actuation point list in the structure includes all actuation points existing in the sample entry of the track representing the bitstream.
  • op_in_sample_entry_included_flag is equal to 0, it may mean that the actuation point list in the structure does not include actuation points existing in the sample entry of the track representing the bitstream.
  • op_in_sample_entry_included_flag if the value of op_in_sample_entry_included_flag is equal to 0, it may mean that the actuation point list in the structure does not include all actuation points present in the sample entry of the track representing the bitstream.
  • op_in_sample_entry_included_flag 0 if the value of op_in_sample_entry_included_flag is equal to 0, it may mean that the actuation point list in the structure may not include all actuation points present in the sample entry of the track representing the bitstream.
  • an operation point entity group 'opeg' configured as shown in the following table may be proposed.
  • the entity group 'opeg' may include information related to the operation point list.
  • Information related to the operating point list may include, for example, a sample entry containing flag, operating point number information, OLS index information, maximum temporal ID information, frame rate information flag, frame rate information, bit rate information flag, bit rate information, chroma It may include format idc information, bit depth information, picture width information, picture height information, entity count information, and entity index information.
  • the sample entry inclusion flag may be represented by, for example, a syntax element op_in_sample_entry_included_flag.
  • the information on the number of operation points may be represented by, for example, a syntax element op_in_sample_entry_included_flag.
  • the OLS index information may be represented by, for example, a syntax element ols_idx.
  • the maximum temporal ID information may be represented by, for example, a syntax element max_temporal_id.
  • the frame rate information flag may be represented by, for example, a syntax element frame_rate_info_flag.
  • the frame rate information may include, for example, syntax elements avgFrameRate and constantFrameRate.
  • the bit rate information flag may be represented by, for example, a syntax element bit_rate_info_flag.
  • the bit rate information may include, for example, syntax elements maxBitRate and avgBitRate.
  • the chroma format idc information may be represented by, for example, a syntax element chroma_format_idc.
  • the bit depth information may be represented by, for example, a syntax element bit_depth_minus8.
  • the picture width information may be represented by, for example, a syntax element picture_width.
  • the picture height information may be represented by, for example, a syntax element picture_height.
  • the entity count information may be represented by, for example, a syntax element entity_count.
  • the entity index information may be represented by, for example, a syntax element entity_idx.
  • the entity group 'opeg' may include a sample entry inclusion flag.
  • the syntax element of the sample entry inclusion flag may be represented by op_in_sample_entry_included_flag.
  • the entity group 'opeg' proposed in this embodiment may further include the sample entry inclusion flag as compared with the operation point entity group of Table 3 above.
  • semantics of the syntax of the operating point entity group 'opeg' proposed in the present embodiment may be as shown in the following table.
  • the syntax element op_in_sample_entry_included_flag may indicate whether the operation point list includes all operation points existing in a sample entry of a track indicating a stream. For example, when the value of the syntax element op_in_sample_entry_included_flag is 1, the operation point list may include all operation points existing in a sample entry of a track indicating a stream. For example, when the value of the syntax element op_in_sample_entry_included_flag is 0, the actuation point list may not include all actuation points existing in a sample entry of a track representing a stream.
  • an operating point information sample group that is, a 'vopi' sample group configured as shown in the following table may be proposed.
  • the 'vopi' sample group may include information related to the operation point list.
  • Information related to the operating point list may include, for example, a sample entry containing flag, operating point number information, OLS index information, maximum temporal ID information, frame rate information flag, frame rate information, bit rate information flag, bit rate information, chroma It may include format idc information, bit depth information, picture width information, picture height information, entity count information, and entity index information.
  • the sample entry inclusion flag may be represented by, for example, a syntax element op_in_sample_entry_included_flag.
  • the information on the number of operation points may be represented by, for example, a syntax element op_in_sample_entry_included_flag.
  • the OLS index information may be represented by, for example, a syntax element ols_idx.
  • the maximum temporal ID information may be represented by, for example, a syntax element max_temporal_id.
  • the frame rate information flag may be represented by, for example, a syntax element frame_rate_info_flag.
  • the frame rate information may include, for example, syntax elements avgFrameRate and constantFrameRate.
  • the bit rate information flag may be represented by, for example, a syntax element bit_rate_info_flag.
  • the bit rate information may include, for example, syntax elements maxBitRate and avgBitRate.
  • the chroma format idc information may be represented by, for example, a syntax element chroma_format_idc.
  • the bit depth information may be represented by, for example, a syntax element bit_depth_minus8.
  • the picture width information may be represented by, for example, a syntax element picture_width.
  • the picture height information may be represented by, for example, a syntax element picture_height.
  • the entity count information may be represented by, for example, a syntax element entity_count.
  • the entity index information may be represented by, for example, a syntax element entity_idx.
  • the 'vopi' sample group may include a sample entry inclusion flag.
  • the syntax element of the sample entry inclusion flag may be represented by op_in_sample_entry_included_flag.
  • the 'vopi' sample group proposed in this embodiment may further include the sample entry inclusion flag as compared with the 'vopi' sample group of Table 1 above.
  • semantics of the syntax of the 'vopi' sample group proposed in this embodiment may be as shown in the following table.
  • the syntax element op_in_sample_entry_included_flag may indicate whether the operation point list includes all operation points existing in a sample entry of a track indicating a stream. For example, when the value of the syntax element op_in_sample_entry_included_flag is 1, the operation point list may include all operation points existing in a sample entry of a track indicating a stream. For example, when the value of the syntax element op_in_sample_entry_included_flag is 0, the actuation point list may not include all actuation points existing in a sample entry of a track representing a stream.
  • One embodiment may limit the actuation point list of 'opeg' and 'vopi' to include all actuation points present in the sample entry of the track representing the bitstream, for example, with reference to Table 19 above. .
  • the limitation may be made, for example, through information on the number of operating points included in 'opeg' and 'vopi'. That is, for example, information about the number of operating points, which can be represented by the syntax element num_operating_points, can indicate the number of operating points and at the same time indicate that the operating point list includes all operating points existing in the sample entry of the track. have.
  • One embodiment may limit the actuation point list of 'opeg' and 'vopi' not to include actuation points existing in a sample entry of a track representing a bitstream. .
  • the limitation may be made, for example, through information on the number of operating points included in 'opeg' and 'vopi'. That is, for example, information about the number of operating points, which can be represented by the syntax element num_operating_points, may indicate the number of operating points and at the same time indicate that the operating point list does not include operating points existing in the sample entry of the track. have.
  • FIG. 8 exemplarily illustrates a method of generating a media file to which the embodiment proposed in this document is applied.
  • a first device may configure VvcOperatingPointsRecord (operation point information sample group) and/or OperatingPointGroupBox (operation point entity group) ( S800 ).
  • the first device may represent a transmission end, an encoding end, or a media file generating end.
  • the first device may acquire encoded image/video information through a network or a (digital) storage medium.
  • the network may include a broadcasting network and/or a communication network
  • the digital storage medium may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • the first device may include an encoder and derive the encoded image/video information.
  • the first device may configure VvcOperatingPointsRecord (operation point information sample group, ie, 'opeg' entity group) and/or OperatingPointGroupBox (operation point entity group, ie, 'vopi' sample group).
  • VvcOperatingPointsRecord operation point information sample group, ie, 'opeg' entity group
  • OperatingPointGroupBox operation point entity group, ie, 'vopi' sample group.
  • the first device may configure VvcOperatingPointsRecord and/or OperatingPointGroupBox for the encoded image/video information according to the above-described embodiment.
  • the first device may create a media file based on the VvcOperatingPointsRecord and/or OperatingPointGroupBox ( S810 ).
  • FIG. 9 exemplarily illustrates a method of processing a media file generated by applying an embodiment proposed in this document.
  • the second device may acquire/receive a media file including VvcOperatingPointsRecord and/or OperatingPointGroupBox ( S900 ).
  • the second device may represent a reception end, a decoding end, or a rendering end.
  • the media file may include information described in Table 1, Table 3, Table 15, and/or Table 17.
  • the VvcOperatingPointsRecord and/or OperatingPointGroupBox may include information/fields of the embodiment(s) proposed in this document.
  • the second device may parse/obtain the VvcOperatingPointsRecord and/or OperatingPointGroupBox (S910).
  • the second device may parse/obtain the VvcOperatingPointsRecord and/or OperatingPointGroupBox included in the media file.
  • the VvcOperatingPointsRecord and/or OperatingPointGroupBox may include information related to an operating point (or, for example, information related to a list of operating points), and the second device may include an operating point based on the VvcOperatingPointsRecord and/or OperatingPointGroupBox. (or, for example, a list of operating points).
  • Based on the derived operating point or, for example, the operating point list
  • video/video decoding and/or (decoded) picture output may be performed.
  • FIG. 10 schematically illustrates a method of generating a media file by a media file generating apparatus according to the present document.
  • the method disclosed in FIG. 10 may be performed by the apparatus for generating a media file disclosed in FIG. 11 .
  • the media file generating device may refer to the above-described first device.
  • steps S1000 to S1010 of FIG. 10 may be performed by the image processing unit of the apparatus for generating media files
  • step S1020 may be performed by the media file generation unit of the apparatus for generating media files.
  • the process of encoding the bitstream including image information may be performed by an encoder of the media file generating apparatus.
  • the bitstream may include a versatile video coding (VVC) bitstream.
  • VVC versatile video coding
  • the media file generating apparatus may derive information related to the operation point list (S1000).
  • the information related to the actuation point list may include, for example, information necessary for deriving the actuation point.
  • the information related to the operating point list may include, for example, index information related to an output layer set (OLS), and information related to a maximum temporal id.
  • OLS output layer set
  • PTL profile, tier and level
  • the information related to the actuation point list may include specific information relating to whether the actuation point list includes actuation points present in sample entries of the track.
  • the information related to the actuation point list may include specific information indicating that the actuation point list includes all actuation points present in the sample entries of the track.
  • the specific information may indicate that the actuation point list includes all actuation points present in the sample entry of the track.
  • the actuation point list comprises all actuation points present in the sample entry of the track.
  • the specific information may include information on the number of operating points.
  • the information on the number of actuation points may indicate the number of actuation points, as shown in Table 19 above, and at the same time indicate that the actuation point list includes all actuation points present in the sample entry of the track. have.
  • the specific information may indicate that the actuation point list does not include actuation points present in the sample entry of the track. In other words, if the specific information indicates that the actuation point list does not include actuation points present in the sample entry of the track, the actuation point list does not include actuation points present in the sample entry of the track.
  • the specific information may include information on the number of operating points.
  • the information on the number of actuation points may indicate the number of actuation points, as shown in Table 20 above, and at the same time, that the actuation point list does not include actuation points existing in the sample entry of the track. can indicate
  • the specific information may include a flag.
  • the flag may be indicated by a syntax element op_in_sample_entry_included_flag, as shown in Tables 16 and 18 described above, and may indicate whether the operation point list is present in a sample entry of the track.
  • the flag may be referred to as, for example, a sample entry inclusion flag.
  • the actuation point list may include all actuation points existing in the sample entry of the track.
  • the actuation point list may not include all actuation points existing in the sample entry of the track.
  • the media file generating apparatus may configure a group related to the operation point (S1010).
  • the actuation point related group may include, for example, an actuation point entity group (ie, an 'opeg' entity group) and/or an actuation point information sample group (ie, a 'vopi' sample group).
  • the operating point related group may include, for example, information related to the above-described operating point list.
  • the media file generating apparatus may generate a media file including the operation point related group (S1020).
  • the media file generating apparatus may store the generated media file in a (digital) storage medium or transmit it to the media file processing apparatus through a network or a (digital) storage medium.
  • the network may include a broadcasting network and/or a communication network
  • the digital storage medium may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • FIG. 11 schematically shows a media file generating apparatus that performs a media file generating method according to the present document.
  • the method disclosed in FIG. 10 may be performed by the apparatus for generating a media file illustrated in FIG. 11 .
  • the image processing unit of the apparatus for generating a media file of FIG. 11 may perform S1000 to S1010
  • the media file generating unit of the apparatus for generating a media file of FIG. 11 may perform S1020.
  • the process of encoding the bitstream including image information may be performed by the encoder of the media file generating apparatus.
  • FIG. 12 schematically illustrates a media file processing method by a media file processing apparatus according to the present document.
  • the method disclosed in FIG. 12 may be performed by the media file processing apparatus disclosed in FIG. 13 .
  • the media file processing device may represent the above-described second device.
  • S1200 of FIG. 12 may be performed by the receiving unit of the media file processing apparatus, and S1210 and S1220 may be performed by the media file processing unit of the media file processing apparatus.
  • the process of decoding the bitstream based on the decoder configuration record may be performed by the decoder of the media file processing apparatus.
  • the bitstream may include a versatile video coding (VVC) bitstream.
  • VVC versatile video coding
  • the media file processing apparatus may acquire a media file including an operation point related group ( S1200 ).
  • the actuation point related group may include, for example, an actuation point entity group (ie, an 'opeg' entity group) and/or an actuation point information sample group (ie, a 'vopi' sample group).
  • the operating point related group may include, for example, information related to the above-described operating point list.
  • the information related to the operating point list may include, for example, index information related to an output layer set (OLS), and information related to a maximum temporal id.
  • OLS output layer set
  • Each of the actuation points may be associated with an OLS, a maximum temporal id, and a profile, tier and level (PTL).
  • the media file processing apparatus may parse the operation point related group (S1210). Parsing the operation point related group ( S1210 ) may include parsing information related to the operation point list.
  • the information related to the actuation point list may include specific information relating to whether the actuation point list includes actuation points present in sample entries of the track.
  • the information related to the actuation point list may include specific information indicating that the actuation point list includes all actuation points present in the sample entries of the track.
  • the specific information may indicate that the actuation point list includes all actuation points present in the sample entry of the track.
  • the actuation point list comprises all actuation points present in the sample entry of the track.
  • the specific information may include information on the number of operating points.
  • the information on the number of actuation points may indicate the number of actuation points, as shown in Table 19 above, and at the same time indicate that the actuation point list includes all actuation points present in the sample entry of the track. have.
  • the specific information may indicate that the actuation point list does not include actuation points present in the sample entry of the track.
  • the specific information indicates that the actuation point list does not include actuation points present in the sample entry of the track, the actuation point list does not include actuation points present in the sample entry of the track.
  • the specific information may include information on the number of operating points.
  • the information on the number of actuation points may indicate the number of actuation points, as shown in Table 20 above, and at the same time, that the actuation point list does not include actuation points existing in the sample entry of the track. can indicate
  • the specific information may include a flag.
  • the flag may be indicated by a syntax element op_in_sample_entry_included_flag, as shown in Tables 16 and 18 described above, and may indicate whether the operation point list exists in a sample entry of the track.
  • the flag may be referred to as, for example, a sample entry inclusion flag.
  • the actuation point list may include all actuation points existing in the sample entry of the track.
  • the actuation point list may not include all actuation points existing in the sample entry of the track.
  • the media file processing apparatus may derive the operation point list based on information related to the operation point (S1220).
  • the media file processing apparatus may decode the bitstream based on the decoder configuration record.
  • the media file processing device may be configured to operate the actuation point information based on information included in the actuation point information sample group (ie, 'vopi' sample group) and/or the actuation point entity group (ie, 'opeg' entity group).
  • Image information in the bitstream for the point information sample group and/or the operation point entity group may be decoded, and a reconstructed picture may be generated based on the image information.
  • FIG. 13 schematically shows a media file processing apparatus performing a media file processing method according to the present document.
  • the method disclosed in FIG. 12 may be performed by the media file processing apparatus disclosed in FIG. 13 .
  • the receiving unit of the media file processing apparatus of FIG. 13 may perform S1200 of FIG. 12
  • the media file processing unit of the media file processing apparatus of FIG. 13 may perform S1210 and S1220 of FIG. 12 .
  • the media file processing apparatus may include a decoder, and may decode a bitstream based on the operation point information sample group and/or the operation point entity group.
  • the file parser can use the operating point included in 'opeg' or 'vopi' as it is, and there is no need to consider additional operating points that may exist elsewhere, so that the operating point is determined. The process can be simplified.
  • Embodiments described in this document may be implemented and performed on a processor, microprocessor, controller, or chip.
  • the functional units shown in each figure may be implemented and performed on a computer, a processor, a microprocessor, a controller, or a chip.
  • information on instructions or an algorithm for implementation may be stored in a digital storage medium.
  • devices to which embodiments of this document are applied are multimedia broadcasting transceivers, mobile communication terminals, home cinema video devices, digital cinema video devices, surveillance cameras, video conversation devices, real-time communication devices such as video communication devices, and mobile streaming devices.
  • storage medium camcorder, video on demand (VoD) service providing device, OTT video (Over the top video) device, internet streaming service providing device, three-dimensional (3D) video device, videophone video device, transportation terminal (ex. It may be included in a vehicle terminal, an airplane terminal, a ship terminal, etc.) and a medical video device, and may be used to process a video signal or a data signal.
  • VoD video on demand
  • OTT video Over the top video
  • internet streaming service providing device three-dimensional (3D) video device
  • videophone video device transportation terminal (ex. It may be included in a vehicle terminal, an airplane terminal, a ship terminal, etc.) and a medical video device, and may be used to process a video signal or a data signal.
  • the OTT video (Over the top video) device may include a game console, a Blu-ray player, an Internet-connected TV, a home theater system, a smart phone, a tablet PC, a digital video recorder (DVR), and the like.
  • a game console a Blu-ray player
  • an Internet-connected TV a home theater system
  • a smart phone a tablet PC
  • DVR digital video recorder
  • the processing method to which the embodiments of this document are applied may be produced in the form of a program executed by a computer, and may be stored in a computer-readable recording medium.
  • Multimedia data having a data structure according to this document may also be stored in a computer-readable recording medium.
  • the computer-readable recording medium includes all types of storage devices and distributed storage devices in which computer-readable data is stored.
  • the computer-readable recording medium is, for example, Blu-ray Disc (BD), Universal Serial Bus (USB), ROM, PROM, EPROM, EEPROM, RAM, CD-ROM, magnetic tape, floppy disk, and optical It may include a data storage device.
  • the computer-readable recording medium includes a medium implemented in the form of a carrier wave (eg, transmission through the Internet).
  • the bitstream generated by the encoding method may be stored in a computer-readable recording medium or transmitted through a wired/wireless communication network.
  • embodiments of this document may be implemented as a computer program product using program codes, and the program codes may be executed in a computer according to the embodiments of this document.
  • the program code may be stored on a carrier readable by a computer.
  • a content streaming system to which embodiments of this document are applied may largely include an encoding server, a streaming server, a web server, a media storage, a user device, and a multimedia input device.
  • the encoding server generates a bitstream by compressing content input from multimedia input devices such as a smart phone, a camera, a camcorder, etc. into digital data, and transmits it to the streaming server.
  • multimedia input devices such as a smartphone, a camera, a camcorder, etc. directly generate a bitstream
  • the encoding server may be omitted.
  • the bitstream may be generated by an encoding method or a bitstream generating method to which embodiments of this document are applied, and the streaming server may temporarily store the bitstream in the process of transmitting or receiving the bitstream.
  • the streaming server transmits multimedia data to the user device based on a user's request through the web server, and the web server serves as a medium informing the user of what kind of service is available.
  • the web server transmits it to a streaming server, and the streaming server transmits multimedia data to the user.
  • the content streaming system may include a separate control server.
  • the control server serves to control commands/responses between devices in the content streaming system.
  • the streaming server may receive content from a media repository and/or an encoding server. For example, when content is received from the encoding server, the content may be received in real time. In this case, in order to provide a smooth streaming service, the streaming server may store the bitstream for a predetermined time.
  • Examples of the user device include a mobile phone, a smart phone, a laptop computer, a digital broadcasting terminal, a personal digital assistant (PDA), a portable multimedia player (PMP), a navigation system, a slate PC, Tablet PC (tablet PC), ultrabook (ultrabook), wearable device (eg, watch-type terminal (smartwatch), glass-type terminal (smart glass), HMD (head mounted display)), digital TV, desktop There may be a computer, digital signage, and the like.
  • PDA personal digital assistant
  • PMP portable multimedia player
  • PMP portable multimedia player
  • a navigation system e.g, a portable multimedia player (PMP), a navigation system
  • slate PC Tablet PC (tablet PC)
  • ultrabook ultrabook
  • wearable device eg, watch-type terminal (smartwatch), glass-type terminal (smart glass), HMD (head mounted display)
  • digital TV desktop
  • desktop There may be a computer, digital signage, and the like.
  • Each server in the content streaming system may be

Landscapes

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

Abstract

본 문서에 따른 미디어 파일 생성 방법은 작동 포인트 리스트에 관련된 정보를 도출하는 단계, 상기 작동 포인트 리스트에 관련된 정보를 포함하는 작동 포인트 관련 그룹을 구성하는 단계 및 상기 작동 포인트 관련 그룹을 포함하는 미디어 파일을 생성하는 단계를 포함하고, 상기 작동 포인트 리스트에 관련된 정보는 상기 작동 포인트 리스트가 비트스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트들을 포함함을 나타내는 특정 정보를 포함하는 것을 특징으로 한다.

Description

미디어 파일 처리 방법 및 장치
본 문서는 영상 코딩 기술에 관한 것으로서 보다 상세하게는 영상 코딩 시스템에서 코딩된 영상 정보에 대한 미디어 파일을 처리하는 방법 및 그 장치에 관한 것이다.
최근 HD(High Definition) 영상 및 UHD(Ultra High Definition) 영상과 같은 고해상도, 고품질의 영상에 대한 수요가 다양한 분야에서 증가하고 있다. 영상 데이터가 고해상도, 고품질이 될수록 기존의 영상 데이터에 비해 상대적으로 전송되는 정보량 또는 비트량이 증가하기 때문에 기존의 유무선 광대역 회선과 같은 매체를 이용하여 영상 데이터를 전송하거나 기존의 저장 매체를 이용해 영상 데이터를 저장하는 경우, 전송 비용과 저장 비용이 증가된다.
이에 따라, 고해상도, 고품질 영상의 정보를 효과적으로 전송하거나 저장하고, 재생하기 위해 고효율의 영상 압축 기술이 요구된다.
본 문서의 일 실시예에 따르면, 비디오/영상 데이터를 효율적으로 저장하고 전달하는 방법 및 장치를 제공한다.
본 문서의 일 실시예에 따르면, VVC를 지원하여 이용할 수 있는 파일 포멧을 구성하는 방법 및 장치를 제공한다.
본 문서의 일 실시예에 따르면, 비디오/영상 데이터를 저장 및 전달하기 위하여 작동 포인트 관련 그룹을 구성하고, 미디어 파일을 생성하는 방법 및 장치를 제공한다.
본 문서의 일 실시예에 따르면, 작동 포인트 리스트가 트랙의 샘플 엔트리에 존재하는 작동 포인트를 포함하는지 여부가 명확하지 않아 발생하는 문제를 방지하는 방법 및 장치를 제공한다.
본 문서의 일 실시예에 따르면, 미디어 파일 생성 장치에 의하여 수행되는 미디어 파일 생성 방법을 제공한다.
본 문서의 일 실시예에 따르면, 미디어 파일을 생성하는 미디어 파일 생성 장치를 제공한다.
본 문서의 일 실시예에 따르면, 미디어 파일 처리 장치에 의하여 수행되는 미디어 파일 처리 방법을 제공한다.
본 문서의 일 실시예에 따르면, 미디어 파일을 처리하는 미디어 파일 처리 장치를 제공한다.
본 문서의 일 실시예에 따르면, 비디오/영상 데이터를 효율적으로 저장하고 전달할 수 있다.
본 문서의 일 실시예에 따르면, VVC를 지원하여 이용할 수 있는 파일 포멧을 구성할 수 있다.
본 문서의 일 실시예에 따르면, 비디오/영상 데이터를 저장 및 전달하기 위하여 작동 포인트 관련 그룹을 구성하고, 미디어 파일을 생성할 수 있다.
본 문서의 일 실시예에 따르면, 작동 포인트 리스트가 트랙의 샘플 엔트리에 존재하는 작동 포인트를 포함하는지 여부가 명확하지 않아 발생하는 문제를 방지할 수 있다.
본 문서의 일 실시예에 따르면, 작동 포인트 결정 프로세스를 간단하고 명확하게 할 수 있다.
도 1은 본 문서의 실시예들이 적용될 수 있는 비디오/영상 코딩 시스템의 예를 개략적으로 나타낸다.
도 2는 본 문서의 실시예들이 적용될 수 있는 비디오/영상 인코딩 장치의 구성을 개략적으로 설명하는 도면이다.
도 3은 본 문서의 실시예들이 적용될 수 있는 비디오/영상 디코딩 장치의 구성을 개략적으로 설명하는 도면이다.
도 4는 코딩된 비디오/영상에 대한 계층 구조를 예시적으로 나타낸다.
도 5 및 도 6은 미디어 파일의 구조의 예를 개략적으로 나타낸다.
도 7은 DASH 기반 적응형 스트리밍 모델의 전반적인 동작의 예를 나타낸다.
도 8은 본 문서에서 제안한 실시예가 적용되는 미디어 파일 생성 방법을 예시적으로 나타낸다.
도 9는 본 문서에서 제안한 실시예가 적용되어 생성된 미디어 파일을 처리하는 방법을 예시적으로 나타낸다.
도 10은 본 문서에 따른 미디어 파일 생성 장치에 의한 미디어 파일 생성 방법을 개략적으로 나타낸다.
도 11은 본 문서에 따른 미디어 파일 생성 방법을 수행하는 미디어 파일 생성 장치를 개략적으로 나타낸다.
도 12는 본 문서에 따른 미디어 파일 처리 장치에 의한 미디어 파일 처리 방법을 개략적으로 나타낸다.
도 13은 본 문서에 따른 미디어 파일 처리 방법을 수행하는 미디어 파일 처리 장치를 개략적으로 나타낸다.
도 14는 본 문서의 실시예들이 적용되는 컨텐츠 스트리밍 시스템 구조도를 예시적으로 나타낸다.
본 문서는 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 문서를 특정 실시예에 한정하려고 하는 것이 아니다. 본 명세서에서 상용하는 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 문서의 기술적 사상을 한정하려는 의도로 사용되는 것은 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서 "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
한편, 본 문서에서 설명되는 도면상의 각 구성들은 서로 다른 특징적인 기능들에 관한 설명의 편의를 위해 독립적으로 도시된 것으로서, 각 구성들이 서로 별개의 하드웨어나 별개의 소프트웨어로 구현된다는 것을 의미하지는 않는다. 예컨대, 각 구성 중 두 개 이상의 구성이 합쳐져 하나의 구성을 이룰 수도 있고, 하나의 구성이 복수의 구성으로 나뉘어질 수도 있다. 각 구성이 통합 및/또는 분리된 실시예도 본 문서의 본질에서 벗어나지 않는 한 본 문서의 권리범위에 포함된다.
이하, 첨부한 도면들을 참조하여, 본 문서의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 이하, 도면상의 동일한 구성 요소에 대해서는 동일한 참조 부호를 사용할 수 있고 동일한 구성 요소에 대해서 중복된 설명은 생략될 수 있다.
도 1은 본 문서의 실시예들이 적용될 수 있는 비디오/영상 코딩 시스템의 예를 개략적으로 나타낸다.
도 1을 참조하면, 비디오/영상 코딩 시스템은 제1 장치(소스 디바이스) 및 제2 장치(수신 디바이스)를 포함할 수 있다. 소스 디바이스는 인코딩된 비디오(video)/영상(image) 정보 또는 데이터를 파일 또는 스트리밍 형태로 디지털 저장매체 또는 네트워크를 통하여 수신 디바이스로 전달할 수 있다.
상기 소스 디바이스는 비디오 소스, 인코딩 장치, 전송부를 포함할 수 있다. 상기 수신 디바이스는 수신부, 디코딩 장치 및 렌더러를 포함할 수 있다. 상기 인코딩 장치는 비디오/영상 인코딩 장치라고 불릴 수 있고, 상기 디코딩 장치는 비디오/영상 디코딩 장치라고 불릴 수 있다. 송신기는 인코딩 장치에 포함될 수 있다. 수신기는 디코딩 장치에 포함될 수 있다. 렌더러는 디스플레이부를 포함할 수도 있고, 디스플레이부는 별개의 디바이스 또는 외부 컴포넌트로 구성될 수도 있다.
비디오 소스는 비디오/영상의 캡쳐, 합성 또는 생성 과정 등을 통하여 비디오/영상을 획득할 수 있다. 비디오 소스는 비디오/영상 캡쳐 디바이스 및/또는 비디오/영상 생성 디바이스를 포함할 수 있다. 비디오/영상 캡쳐 디바이스는 예를 들어, 하나 이상의 카메라, 이전에 캡쳐된 비디오/영상을 포함하는 비디오/영상 아카이브 등을 포함할 수 있다. 비디오/영상 생성 디바이스는 예를 들어 컴퓨터, 타블렛 및 스마트폰 등을 포함할 수 있으며 (전자적으로) 비디오/영상을 생성할 수 있다. 예를 들어, 컴퓨터 등을 통하여 가상의 비디오/영상이 생성될 수 있으며, 이 경우 관련 데이터가 생성되는 과정으로 비디오/영상 캡쳐 과정이 갈음될 수 있다.
인코딩 장치는 입력 비디오/영상을 인코딩할 수 있다. 인코딩 장치는 압축 및 코딩 효율을 위하여 예측, 변환, 양자화 등 일련의 절차를 수행할 수 있다. 인코딩된 데이터(인코딩된 비디오/영상 정보)는 비트스트림(bitstream) 형태로 출력될 수 있다.
전송부는 비트스트림 형태로 출력된 인코딩된 비디오/영상 정보 또는 데이터를 파일 또는 스트리밍 형태로 디지털 저장매체 또는 네트워크를 통하여 수신 디바이스의 수신부로 전달할 수 있다. 디지털 저장 매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장 매체를 포함할 수 있다. 전송부는 미리 정해진 파일 포멧을 통하여 미디어 파일을 생성하기 위한 엘리먼트를 포함할 수 있고, 방송/통신 네트워크를 통한 전송을 위한 엘리먼트를 포함할 수 있다. 수신부는 상기 비트스트림을 수신/추출하여 디코딩 장치로 전달할 수 있다.
디코딩 장치는 인코딩 장치의 동작에 대응하는 역양자화, 역변환, 예측 등 일련의 절차를 수행하여 비디오/영상을 디코딩할 수 있다.
렌더러는 디코딩된 비디오/영상을 렌더링할 수 있다. 렌더링된 비디오/영상은 디스플레이부를 통하여 디스플레이될 수 있다.
이 문서는 비디오/영상 코딩에 관한 것이다. 예를 들어 이 문서에서 개시된 방법/실시예는 VVC (versatile video coding) 표준, EVC (essential video coding) 표준, AV1 (AOMedia Video 1) 표준, AVS2 (2nd generation of audio video coding standard) 또는 차세대 비디오/영상 코딩 표준(ex. H.267 or H.268 등)에 개시되는 방법에 적용될 수 있다.
이 문서에서는 비디오/영상 코딩에 관한 다양한 실시예들을 제시하며, 다른 언급이 없는 한 상기 실시예들은 서로 조합되어 수행될 수도 있다.
이 문서에서 비디오(video)는 시간의 흐름에 따른 일련의 영상(image)들의 집합을 의미할 수 있다. 픽처(picture)는 일반적으로 특정 시간대의 하나의 영상을 나타내는 단위를 의미하며, 서브픽처(subpicture)/슬라이스(slice)/타일(tile)는 코딩에 있어서 픽처의 일부를 구성하는 단위이다. 서브픽처/슬라이스/타일은 하나 이상의 CTU(coding tree unit)을 포함할 수 있다. 하나의 픽처는 하나 이상의 서브픽처/슬라이스/타일로 구성될 수 있다. 하나의 픽처는 하나 이상의 타일 그룹으로 구성될 수 있다. 하나의 타일 그룹은 하나 이상의 타일들을 포함할 수 있다. 브릭은 픽처 내 타일 이내의 CTU 행들의 사각 영역을 나타낼 수 있다. 타일은 다수의 브릭들로 파티셔닝될 수 있고, 각 브릭은 상기 타일 내 하나 이상의 CTU 행들로 구성될 수 있다. 다수의 브릭들로 파티셔닝되지 않은 타일은 또한 브릭으로 불릴 수 있다. 브릭 스캔은 픽처를 파티셔닝하는 CTU들의 특정한 순차적 오더링을 나타낼 수 있으며, 상기 CTU들은 브릭 내에서 CTU 래스터 스캔으로 정렬될 수 있고, 타일 내 브릭들은 상기 타일의 상기 브릭들의 래스터 스캔으로 연속적으로 정렬될 수 있고, 그리고 픽처 내 타일들은 상기 픽처의 상기 타일들의 래스터 스캔으로 연속적으로 정렬될 수 있다. 또한, 서브 픽처는 픽처 내 하나 이상의 슬라이스의 사각 영역을 나타낼 수 있다. 즉, 서브 픽처는 픽처의 직사각형 영역을 총괄적으로 커버하는 하나 이상의 슬라이스를 포함할 수 있다. 타일은 특정 타일 열 및 특정 타일 열 이내의 CTU들의 사각 영역이다. 상기 타일 열은 CTU들의 사각 영역이고, 상기 사각 영역은 상기 픽처의 높이와 동일한 높이를 갖고, 너비는 픽처 파라미터 세트 내의 신택스 요소들에 의하여 명시될 수 있다. 상기 타일 행은 CTU들의 사각 영역이고, 상기 사각 영역은 픽처 파라미터 세트 내의 신택스 요소들에 의하여 명시되는 너비를 갖고, 높이는 상기 픽처의 높이와 동일할 수 있다. 타일 스캔은 픽처를 파티셔닝하는 CTU들의 특정 순차적 오더링을 나타낼 수 있고, 상기 CTU들은 타일 내 CTU 래스터 스캔으로 연속적으로 정렬될 수 있고, 픽처 내 타일들은 상기 픽처의 상기 타일들의 래스터 스캔으로 연속적으로 정렬될 수 있다. 슬라이스는 픽처의 정수개의 브릭들을 포함할 수 있고, 상기 정수개의 브릭들은 하나의 NAL 유닛에 포함될 수 있다. 슬라이스는 다수의 완전한 타일들로 구성될 수 있고, 또는 하나의 타일의 완전한 브릭들의 연속적인 시퀀스일 수도 있다. 이 문서에서 타일 그룹과 슬라이스는 혼용될 수 있다. 예를 들어 본 문서에서 tile group/tile group header는 slice/slice header로 불릴 수 있다.
픽셀(pixel) 또는 펠(pel)은 하나의 픽처(또는 영상)을 구성하는 최소의 단위를 의미할 수 있다. 또한, 픽셀에 대응하는 용어로서 '샘플(sample)'이 사용될 수 있다. 샘플은 일반적으로 픽셀 또는 픽셀의 값을 나타낼 수 있으며, 루마(luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있고, 크로마(chroma) 성분의 픽셀/픽셀 값만을 나타낼 수도 있다.
유닛(unit)은 영상 처리의 기본 단위를 나타낼 수 있다. 유닛은 픽처의 특정 영역 및 해당 영역에 관련된 정보 중 적어도 하나를 포함할 수 있다. 하나의 유닛은 하나의 루마 블록 및 두개의 크로마(ex. cb, cr) 블록을 포함할 수 있다. 유닛은 경우에 따라서 블록(block) 또는 영역(area) 등의 용어와 혼용하여 사용될 수 있다. 일반적인 경우, MxN 블록은 M개의 열과 N개의 행으로 이루어진 샘플들(또는 샘플 어레이) 또는 변환 계수(transform coefficient)들의 집합(또는 어레이)을 포함할 수 있다.
본 명세서에서 "A 또는 B(A or B)"는 "오직 A", "오직 B" 또는 "A와 B 모두"를 의미할 수 있다. 달리 표현하면, 본 명세서에서 "A 또는 B(A or B)"는 "A 및/또는 B(A and/or B)"으로 해석될 수 있다. 예를 들어, 본 명세서에서 "A, B 또는 C(A, B or C)"는 "오직 A", "오직 B", "오직 C", 또는 "A, B 및 C의 임의의 모든 조합(any combination of A, B and C)"를 의미할 수 있다.
본 명세서에서 사용되는 슬래쉬(/)나 쉼표(comma)는 "및/또는(and/or)"을 의미할 수 있다. 예를 들어, "A/B"는 "A 및/또는 B"를 의미할 수 있다. 이에 따라 "A/B"는 "오직 A", "오직 B", 또는 "A와 B 모두"를 의미할 수 있다. 예를 들어, "A, B, C"는 "A, B 또는 C"를 의미할 수 있다.
본 명세서에서 "적어도 하나의 A 및 B(at least one of A and B)"는, "오직 A", "오직 B" 또는 "A와 B 모두"를 의미할 수 있다. 또한, 본 명세서에서 "적어도 하나의 A 또는 B(at least one of A or B)"나 "적어도 하나의 A 및/또는 B(at least one of A and/or B)"라는 표현은 "적어도 하나의 A 및 B(at least one of A and B)"와 동일하게 해석될 수 있다.
또한, 본 명세서에서 "적어도 하나의 A, B 및 C(at least one of A, B and C)"는, "오직 A", "오직 B", "오직 C", 또는 "A, B 및 C의 임의의 모든 조합(any combination of A, B and C)"를 의미할 수 있다. 또한, "적어도 하나의 A, B 또는 C(at least one of A, B or C)"나 "적어도 하나의 A, B 및/또는 C(at least one of A, B and/or C)"는 "적어도 하나의 A, B 및 C(at least one of A, B and C)"를 의미할 수 있다.
또한, 본 명세서에서 사용되는 괄호는 "예를 들어(for example)"를 의미할 수 있다. 구체적으로, "예측(인트라 예측)"로 표시된 경우, "예측"의 일례로 "인트라 예측"이 제안된 것일 수 있다. 달리 표현하면 본 명세서의 "예측"은 "인트라 예측"으로 제한(limit)되지 않고, "인트라 예측"이 "예측"의 일례로 제안될 것일 수 있다. 또한, "예측(즉, 인트라 예측)"으로 표시된 경우에도, "예측"의 일례로 "인트라 예측"이 제안된 것일 수 있다.
본 명세서에서 하나의 도면 내에서 개별적으로 설명되는 기술적 특징은, 개별적으로 구현될 수도 있고, 동시에 구현될 수도 있다.
이하의 도면은 본 명세서의 구체적인 일례를 설명하기 위해 작성되었다. 도면에 기재된 구체적인 장치의 명칭이나 구체적인 신호/메시지/필드의 명칭은 예시적으로 제시된 것이므로, 본 명세서의 기술적 특징이 이하의 도면에 사용된 구체적인 명칭에 제한되지 않는다.
도 2는 본 문서의 실시예들이 적용될 수 있는 비디오/영상 인코딩 장치의 구성을 개략적으로 설명하는 도면이다. 이하 인코딩 장치라 함은 영상 인코딩 장치 및/또는 비디오 인코딩 장치를 포함할 수 있다.
도 2를 참조하면, 인코딩 장치(200)는 영상 분할부(image partitioner, 210), 예측부(predictor, 220), 레지듀얼 처리부(residual processor, 230), 엔트로피 인코딩부(entropy encoder, 240), 가산부(adder, 250), 필터링부(filter, 260) 및 메모리(memory, 270)를 포함하여 구성될 수 있다. 예측부(220)는 인터 예측부(221) 및 인트라 예측부(222)를 포함할 수 있다. 레지듀얼 처리부(230)는 변환부(transformer, 232), 양자화부(quantizer 233), 역양자화부(dequantizer 234), 역변환부(inverse transformer, 235)를 포함할 수 있다. 레지듀얼 처리부(230)은 감산부(subtractor, 231)를 더 포함할 수 있다. 가산부(250)는 복원부(reconstructor) 또는 복원 블록 생성부(recontructged block generator)로 불릴 수 있다. 상술한 영상 분할부(210), 예측부(220), 레지듀얼 처리부(230), 엔트로피 인코딩부(240), 가산부(250) 및 필터링부(260)는 실시예에 따라 하나 이상의 하드웨어 컴포넌트(예를 들어 인코더 칩셋 또는 프로세서)에 의하여 구성될 수 있다. 또한 메모리(270)는 DPB(decoded picture buffer)를 포함할 수 있고, 디지털 저장 매체에 의하여 구성될 수도 있다. 상기 하드웨어 컴포넌트는 메모리(270)을 내/외부 컴포넌트로 더 포함할 수도 있다.
영상 분할부(210)는 인코딩 장치(200)에 입력된 입력 영상(또는, 픽처, 프레임)을 하나 이상의 처리 유닛(processing unit)으로 분할할 수 있다. 일 예로, 상기 처리 유닛은 코딩 유닛(coding unit, CU)이라고 불릴 수 있다. 이 경우 코딩 유닛은 코딩 트리 유닛(coding tree unit, CTU) 또는 최대 코딩 유닛(largest coding unit, LCU)으로부터 QTBTTT (Quad-tree binary-tree ternary-tree) 구조에 따라 재귀적으로(recursively) 분할될 수 있다. 예를 들어, 하나의 코딩 유닛은 쿼드 트리 구조, 바이너리 트리 구조, 및/또는 터너리 구조를 기반으로 하위(deeper) 뎁스의 복수의 코딩 유닛들로 분할될 수 있다. 이 경우, 예를 들어 쿼드 트리 구조가 먼저 적용되고 바이너리 트리 구조 및/또는 터너리 구조가 나중에 적용될 수 있다. 또는 바이너리 트리 구조가 먼저 적용될 수도 있다. 더 이상 분할되지 않는 최종 코딩 유닛을 기반으로 본 문서에 따른 코딩 절차가 수행될 수 있다. 이 경우 영상 특성에 따른 코딩 효율 등을 기반으로, 최대 코딩 유닛이 바로 최종 코딩 유닛으로 사용될 수 있고, 또는 필요에 따라 코딩 유닛은 재귀적으로(recursively) 보다 하위 뎁스의 코딩 유닛들로 분할되어 최적의 사이즈의 코딩 유닛이 최종 코딩 유닛으로 사용될 수 있다. 여기서 코딩 절차라 함은 후술하는 예측, 변환, 및 복원 등의 절차를 포함할 수 있다. 다른 예로, 상기 처리 유닛은 예측 유닛(PU: Prediction Unit) 또는 변환 유닛(TU: Transform Unit)을 더 포함할 수 있다. 이 경우 상기 예측 유닛 및 상기 변환 유닛은 각각 상술한 최종 코딩 유닛으로부터 분할 또는 파티셔닝될 수 있다. 상기 예측 유닛은 샘플 예측의 단위일 수 있고, 상기 변환 유닛은 변환 계수를 유도하는 단위 및/또는 변환 계수로부터 레지듀얼 신호(residual signal)를 유도하는 단위일 수 있다.
유닛은 경우에 따라서 블록(block) 또는 영역(area) 등의 용어와 혼용하여 사용될 수 있다. 일반적인 경우, MxN 블록은 M개의 열과 N개의 행으로 이루어진 샘플들 또는 변환 계수(transform coefficient)들의 집합을 나타낼 수 있다. 샘플은 일반적으로 픽셀 또는 픽셀의 값을 나타낼 수 있으며, 휘도(luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있고, 채도(chroma) 성분의 픽셀/픽셀 값만을 나타낼 수도 있다. 샘플은 하나의 픽처(또는 영상)을 픽셀(pixel) 또는 펠(pel)에 대응하는 용어로서 사용될 수 있다.
인코딩 장치(200)는 입력 영상 신호(원본 블록, 원본 샘플 어레이)에서 인터 예측부(221) 또는 인트라 예측부(222)로부터 출력된 예측 신호(예측된 블록, 예측 샘플 어레이)를 감산하여 레지듀얼 신호(residual signal, 잔여 블록, 잔여 샘플 어레이)를 생성할 수 있고, 생성된 레지듀얼 신호는 변환부(232)로 전송된다. 이 경우 도시된 바와 같이 인코더(200) 내에서 입력 영상 신호(원본 블록, 원본 샘플 어레이)에서 예측 신호(예측 블록, 예측 샘플 어레이)를 감산하는 유닛은 감산부(231)라고 불릴 수 있다. 예측부는 처리 대상 블록(이하, 현재 블록이라 함)에 대한 예측을 수행하고, 상기 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록(predicted block)을 생성할 수 있다. 예측부는 현재 블록 또는 CU 단위로 인트라 예측이 적용되는지 또는 인터 예측이 적용되는지를 결정할 수 있다. 예측부는 각 예측모드에 대한 설명에서 후술하는 바와 같이 예측 모드 정보 등 예측에 관한 다양한 정보를 생성하여 엔트로피 인코딩부(240)로 전달할 수 있다. 예측에 관한 정보는 엔트로피 인코딩부(240)에서 인코딩되어 비트스트림 형태로 출력될 수 있다.
인트라 예측부(222)는 현재 픽처 내의 샘플들을 참조하여 현재 블록을 예측할 수 있다. 상기 참조되는 샘플들은 예측 모드에 따라 상기 현재 블록의 주변(neighbor)에 위치할 수 있고, 또는 떨어져서 위치할 수도 있다. 인트라 예측에서 예측 모드들은 복수의 비방향성 모드와 복수의 방향성 모드를 포함할 수 있다. 비방향성 모드는 예를 들어 DC 모드 및 플래너 모드(Planar 모드)를 포함할 수 있다. 방향성 모드는 예측 방향의 세밀한 정도에 따라 예를 들어 33개의 방향성 예측 모드 또는 65개의 방향성 예측 모드를 포함할 수 있다. 다만, 이는 예시로서 설정에 따라 그 이상 또는 그 이하의 개수의 방향성 예측 모드들이 사용될 수 있다. 인트라 예측부(222)는 주변 블록에 적용된 예측 모드를 이용하여, 현재 블록에 적용되는 예측 모드를 결정할 수도 있다.
인터 예측부(221)는 참조 픽처 상에서 움직임 벡터에 의해 특정되는 참조 블록(참조 샘플 어레이)을 기반으로, 현재 블록에 대한 예측된 블록을 유도할 수 있다. 이때, 인터 예측 모드에서 전송되는 움직임 정보의 양을 줄이기 위해 주변 블록과 현재 블록 간의 움직임 정보의 상관성에 기초하여 움직임 정보를 블록, 서브블록 또는 샘플 단위로 예측할 수 있다. 상기 움직임 정보는 움직임 벡터 및 참조 픽처 인덱스를 포함할 수 있다. 상기 움직임 정보는 인터 예측 방향(L0 예측, L1 예측, Bi 예측 등) 정보를 더 포함할 수 있다. 인터 예측의 경우에, 주변 블록은 현재 픽처 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 픽처에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 상기 참조 블록을 포함하는 참조 픽처와 상기 시간적 주변 블록을 포함하는 참조 픽처는 동일할 수도 있고, 다를 수도 있다. 상기 시간적 주변 블록은 동일 위치 참조 블록(collocated reference block), 동일 위치 CU(colCU) 등의 이름으로 불릴 수 있으며, 상기 시간적 주변 블록을 포함하는 참조 픽처는 동일 위치 픽처(collocated picture, colPic)라고 불릴 수도 있다. 예를 들어, 인터 예측부(221)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 상기 현재 블록의 움직임 벡터 및/또는 참조 픽처 인덱스를 도출하기 위하여 어떤 후보가 사용되는지를 지시하는 정보를 생성할 수 있다. 다양한 예측 모드를 기반으로 인터 예측이 수행될 수 있으며, 예를 들어 스킵 모드와 머지 모드의 경우에, 인터 예측부(221)는 주변 블록의 움직임 정보를 현재 블록의 움직임 정보로 이용할 수 있다. 스킵 모드의 경우, 머지 모드와 달리 레지듀얼 신호가 전송되지 않을 수 있다. 움직임 정보 예측(motion vector prediction, MVP) 모드의 경우, 주변 블록의 움직임 벡터를 움직임 벡터 예측자(motion vector predictor)로 이용하고, 움직임 벡터 차분(motion vector difference)을 시그널링함으로써 현재 블록의 움직임 벡터를 지시할 수 있다.
예측부(220)는 후술하는 다양한 예측 방법을 기반으로 예측 신호를 생성할 수 있다. 예를 들어, 예측부는 하나의 블록에 대한 예측을 위하여 인트라 예측 또는 인터 예측을 적용할 수 있을 뿐 아니라, 인트라 예측과 인터 예측을 동시에 적용할 수 있다. 이는 combined inter and intra prediction (CIIP)라고 불릴 수 있다. 또한, 예측부는 블록에 대한 예측을 위하여 인트라 블록 카피(intra block copy, IBC) 예측 모드에 기반할 수도 있고 또는 팔레트 모드(palette mode)에 기반할 수도 있다. 상기 IBC 예측 모드 또는 팔레트 모드는 예를 들어 SCC(screen content coding) 등과 같이 게임 등의 컨텐츠 영상/동영상 코딩을 위하여 사용될 수 있다. IBC는 기본적으로 현재 픽처 내에서 예측을 수행하나 현재 픽처 내에서 참조 블록을 도출하는 점에서 인터 예측과 유사하게 수행될 수 있다. 즉, IBC는 본 문서에서 설명되는 인터 예측 기법들 중 적어도 하나를 이용할 수 있다. 팔레트 모드는 인트라 코딩 또는 인트라 예측의 일 예로 볼 수 있다. 팔레트 모드가 적용되는 경우 팔레트 테이블 및 팔레트 인덱스에 관한 정보를 기반으로 픽처 내 샘플 값을 시그널링할 수 있다.
상기 예측부 (인터 예측부(221) 및/또는 상기 인트라 예측부(222) 포함)를 통해 생성된 예측 신호는 복원 신호를 생성하기 위해 이용되거나 레지듀얼 신호를 생성하기 위해 이용될 수 있다. 변환부(232)는 레지듀얼 신호에 변환 기법을 적용하여 변환 계수들(transform coefficients)를 생성할 수 있다. 예를 들어, 변환 기법은 DCT(Discrete Cosine Transform), DST(Discrete Sine Transform), GBT(Graph-Based Transform), 또는 CNT(Conditionally Non-linear Transform) 중 적어도 하나를 포함할 수 있다. 여기서, GBT는 픽셀 간의 관계 정보를 그래프로 표현한다고 할 때 이 그래프로부터 얻어진 변환을 의미한다. CNT는 이전에 복원된 모든 픽셀(all previously reconstructed pixel)를 이용하여 예측 신호를 생성하고 그에 기초하여 획득되는 변환을 의미한다. 또한, 변환 과정은 정사각형의 동일한 크기를 갖는 픽셀 블록에 적용될 수도 있고, 정사각형이 아닌 가변 크기의 블록에도 적용될 수 있다.
양자화부(233)는 변환 계수들을 양자화하여 엔트로피 인코딩부(240)로 전송하고, 엔트로피 인코딩부(240)는 양자화된 신호(양자화된 변환 계수들에 관한 정보)를 인코딩하여 비트스트림으로 출력할 수 있다. 상기 양자화된 변환 계수들에 관한 정보는 레지듀얼 정보라고 불릴 수 있다. 양자화부(233)는 계수 스캔 순서(scan order)를 기반으로 블록 형태의 양자화된 변환 계수들을 1차원 벡터 형태로 재정렬할 수 있고, 상기 1차원 벡터 형태의 양자화된 변환 계수들을 기반으로 상기 양자화된 변환 계수들에 관한 정보를 생성할 수도 있다. 엔트로피 인코딩부(240)는 예를 들어 지수 골롬(exponential Golomb), CAVLC(context-adaptive variable length coding), CABAC(context-adaptive binary arithmetic coding) 등과 같은 다양한 인코딩 방법을 수행할 수 있다. 엔트로피 인코딩부(240)는 양자화된 변환 계수들 외 비디오/이미지 복원에 필요한 정보들(예컨대 신택스 요소들(syntax elements)의 값 등)을 함께 또는 별도로 인코딩할 수도 있다. 인코딩된 정보(ex. 인코딩된 비디오/영상 정보)는 비트스트림 형태로 NAL(network abstraction layer) 유닛 단위로 전송 또는 저장될 수 있다. 상기 비디오/영상 정보는 어댑테이션 파라미터 세트(APS), 픽처 파라미터 세트(PPS), 시퀀스 파라미터 세트(SPS) 또는 비디오 파라미터 세트(VPS) 등 다양한 파라미터 세트에 관한 정보를 더 포함할 수 있다. 또한 상기 비디오/영상 정보는 일반 제한 정보(general constraint information)을 더 포함할 수 있다. 본 문서에서 인코딩 장치에서 디코딩 장치로 전달/시그널링되는 정보 및/또는 신택스 요소들은 비디오/영상 정보에 포함될 수 있다. 상기 비디오/영상 정보는 상술한 인코딩 절차를 통하여 인코딩되어 상기 비트스트림에 포함될 수 있다. 상기 비트스트림은 네트워크를 통하여 전송될 수 있고, 또는 디지털 저장매체에 저장될 수 있다. 여기서 네트워크는 방송망 및/또는 통신망 등을 포함할 수 있고, 디지털 저장매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장매체를 포함할 수 있다. 엔트로피 인코딩부(240)로부터 출력된 신호는 전송하는 전송부(미도시) 및/또는 저장하는 저장부(미도시)가 인코딩 장치(200)의 내/외부 엘리먼트로서 구성될 수 있고, 또는 전송부는 엔트로피 인코딩부(240)에 포함될 수도 있다.
양자화부(233)로부터 출력된 양자화된 변환 계수들은 예측 신호를 생성하기 위해 이용될 수 있다. 예를 들어, 양자화된 변환 계수들에 역양자화부(234) 및 역변환부(235)를 통해 역양자화 및 역변환을 적용함으로써 레지듀얼 신호(레지듀얼 블록 or 레지듀얼 샘플들)를 복원할 수 있다. 가산부(250)는 복원된 레지듀얼 신호를 인터 예측부(221) 또는 인트라 예측부(222)로부터 출력된 예측 신호에 더함으로써 복원(reconstructed) 신호(복원 픽처, 복원 블록, 복원 샘플 어레이)가 생성될 수 있다. 스킵 모드가 적용된 경우와 같이 처리 대상 블록에 대한 레지듀얼이 없는 경우, 예측된 블록이 복원 블록으로 사용될 수 있다. 가산부(250)는 복원부 또는 복원 블록 생성부라고 불릴 수 있다. 생성된 복원 신호는 현재 픽처 내 다음 처리 대상 블록의 인트라 예측을 위하여 사용될 수 있고, 후술하는 바와 같이 필터링을 거쳐서 다음 픽처의 인터 예측을 위하여 사용될 수도 있다.
한편 픽처 인코딩 및/또는 복원 과정에서 LMCS (luma mapping with chroma scaling)가 적용될 수도 있다.
필터링부(260)는 복원 신호에 필터링을 적용하여 주관적/객관적 화질을 향상시킬 수 있다. 예를 들어 필터링부(260)은 복원 픽처에 다양한 필터링 방법을 적용하여 수정된(modified) 복원 픽처를 생성할 수 있고, 상기 수정된 복원 픽처를 메모리(270), 구체적으로 메모리(270)의 DPB에 저장할 수 있다. 상기 다양한 필터링 방법은 예를 들어, 디블록킹 필터링, 샘플 적응적 오프셋(sample adaptive offset), 적응적 루프 필터(adaptive loop filter), 양방향 필터(bilateral filter) 등을 포함할 수 있다. 필터링부(260)은 각 필터링 방법에 대한 설명에서 후술하는 바와 같이 필터링에 관한 다양한 정보를 생성하여 엔트로피 인코딩부(240)로 전달할 수 있다. 필터링 관한 정보는 엔트로피 인코딩부(240)에서 인코딩되어 비트스트림 형태로 출력될 수 있다.
메모리(270)에 전송된 수정된 복원 픽처는 인터 예측부(221)에서 참조 픽처로 사용될 수 있다. 인코딩 장치는 이를 통하여 인터 예측이 적용되는 경우, 인코딩 장치(200)와 디코딩 장치에서의 예측 미스매치를 피할 수 있고, 부호화 효율도 향상시킬 수 있다.
메모리(270) DPB는 수정된 복원 픽처를 인터 예측부(221)에서의 참조 픽처로 사용하기 위해 저장할 수 있다. 메모리(270)는 현재 픽처 내 움직임 정보가 도출된(또는 인코딩된) 블록의 움직임 정보 및/또는 이미 복원된 픽처 내 블록들의 움직임 정보를 저장할 수 있다. 상기 저장된 움직임 정보는 공간적 주변 블록의 움직임 정보 또는 시간적 주변 블록의 움직임 정보로 활용하기 위하여 인터 예측부(221)에 전달할 수 있다. 메모리(270)는 현재 픽처 내 복원된 블록들의 복원 샘플들을 저장할 수 있고, 인트라 예측부(222)에 전달할 수 있다.
도 3은 본 문서의 실시예들이 적용될 수 있는 비디오/영상 디코딩 장치의 구성을 개략적으로 설명하는 도면이다. 이하 디코딩 장치라 함은 영상 디코딩 장치 및/또는 비디오 디코딩 장치를 포함할 수 있다.
도 3을 참조하면, 디코딩 장치(300)는 엔트로피 디코딩부(entropy decoder, 310), 레지듀얼 처리부(residual processor, 320), 예측부(predictor, 330), 가산부(adder, 340), 필터링부(filter, 350) 및 메모리(memoery, 360)를 포함하여 구성될 수 있다. 예측부(330)는 인터 예측부(331) 및 인트라 예측부(332)를 포함할 수 있다. 레지듀얼 처리부(320)는 역양자화부(dequantizer, 321) 및 역변환부(inverse transformer, 321)를 포함할 수 있다. 상술한 엔트로피 디코딩부(310), 레지듀얼 처리부(320), 예측부(330), 가산부(340) 및 필터링부(350)는 실시예에 따라 하나의 하드웨어 컴포넌트(예를 들어 디코더 칩셋 또는 프로세서)에 의하여 구성될 수 있다. 또한 메모리(360)는 DPB(decoded picture buffer)를 포함할 수 있고, 디지털 저장 매체에 의하여 구성될 수도 있다. 상기 하드웨어 컴포넌트는 메모리(360)을 내/외부 컴포넌트로 더 포함할 수도 있다.
비디오/영상 정보를 포함하는 비트스트림이 입력되면, 디코딩 장치(300)는 도 5의 인코딩 장치에서 비디오/영상 정보가 처리된 프로세스에 대응하여 영상을 복원할 수 있다. 예를 들어, 디코딩 장치(300)는 상기 비트스트림으로부터 획득한 블록 분할 관련 정보를 기반으로 유닛들/블록들을 도출할 수 있다. 디코딩 장치(300)는 인코딩 장치에서 적용된 처리 유닛을 이용하여 디코딩을 수행할 수 있다. 따라서 디코딩의 처리 유닛은 예를 들어 코딩 유닛일 수 있고, 코딩 유닛은 코딩 트리 유닛 또는 최대 코딩 유닛으로부터 쿼드 트리 구조, 바이너리 트리 구조 및/또는 터너리 트리 구조를 따라서 분할될 수 있다. 코딩 유닛으로부터 하나 이상의 변환 유닛이 도출될 수 있다. 그리고, 디코딩 장치(300)를 통해 디코딩 및 출력된 복원 영상 신호는 재생 장치를 통해 재생될 수 있다.
디코딩 장치(300)는 도 2의 인코딩 장치로부터 출력된 신호를 비트스트림 형태로 수신할 수 있고, 수신된 신호는 엔트로피 디코딩부(310)를 통해 디코딩될 수 있다. 예를 들어, 엔트로피 디코딩부(310)는 상기 비트스트림을 파싱하여 영상 복원(또는 픽처 복원)에 필요한 정보(ex. 비디오/영상 정보)를 도출할 수 있다. 상기 비디오/영상 정보는 어댑테이션 파라미터 세트(APS), 픽처 파라미터 세트(PPS), 시퀀스 파라미터 세트(SPS) 또는 비디오 파라미터 세트(VPS) 등 다양한 파라미터 세트에 관한 정보를 더 포함할 수 있다. 또한 상기 비디오/영상 정보는 일반 제한 정보(general constraint information)을 더 포함할 수 있다. 디코딩 장치는 상기 파라미터 세트에 관한 정보 및/또는 상기 일반 제한 정보를 더 기반으로 픽처를 디코딩할 수 있다. 본 문서에서 후술되는 시그널링/수신되는 정보 및/또는 신택스 요소들은 상기 디코딩 절차를 통하여 디코딩되어 상기 비트스트림으로부터 획득될 수 있다. 예컨대, 엔트로피 디코딩부(310)는 지수 골롬 부호화, CAVLC 또는 CABAC 등의 코딩 방법을 기초로 비트스트림 내 정보를 디코딩하고, 영상 복원에 필요한 신택스 엘리먼트의 값, 레지듀얼에 관한 변환 계수의 양자화된 값 들을 출력할 수 있다. 보다 상세하게, CABAC 엔트로피 디코딩 방법은, 비트스트림에서 각 구문 요소에 해당하는 빈을 수신하고, 디코딩 대상 구문 요소 정보와 주변 및 디코딩 대상 블록의 디코딩 정보 혹은 이전 단계에서 디코딩된 심볼/빈의 정보를 이용하여 문맥(context) 모델을 결정하고, 결정된 문맥 모델에 따라 빈(bin)의 발생 확률을 예측하여 빈의 산술 디코딩(arithmetic decoding)를 수행하여 각 구문 요소의 값에 해당하는 심볼을 생성할 수 있다. 이때, CABAC 엔트로피 디코딩 방법은 문맥 모델 결정 후 다음 심볼/빈의 문맥 모델을 위해 디코딩된 심볼/빈의 정보를 이용하여 문맥 모델을 업데이트할 수 있다. 엔트로피 디코딩부(310)에서 디코딩된 정보 중 예측에 관한 정보는 예측부(인터 예측부(332) 및 인트라 예측부(331))로 제공되고, 엔트로피 디코딩부(310)에서 엔트로피 디코딩이 수행된 레지듀얼 값, 즉 양자화된 변환 계수들 및 관련 파라미터 정보는 레지듀얼 처리부(320)로 입력될 수 있다. 레지듀얼 처리부(320)는 레지듀얼 신호(레지듀얼 블록, 레지듀얼 샘플들, 레지듀얼 샘플 어레이)를 도출할 수 있다. 또한, 엔트로피 디코딩부(310)에서 디코딩된 정보 중 필터링에 관한 정보는 필터링부(350)으로 제공될 수 있다. 한편, 인코딩 장치로부터 출력된 신호를 수신하는 수신부(미도시)가 디코딩 장치(300)의 내/외부 엘리먼트로서 더 구성될 수 있고, 또는 수신부는 엔트로피 디코딩부(310)의 구성요소일 수도 있다. 한편, 본 문서에 따른 디코딩 장치는 비디오/영상/픽처 디코딩 장치라고 불릴 수 있고, 상기 디코딩 장치는 정보 디코더(비디오/영상/픽처 정보 디코더) 및 샘플 디코더(비디오/영상/픽처 샘플 디코더)로 구분할 수도 있다. 상기 정보 디코더는 상기 엔트로피 디코딩부(310)를 포함할 수 있고, 상기 샘플 디코더는 상기 역양자화부(321), 역변환부(322), 가산부(340), 필터링부(350), 메모리(360), 인터 예측부(332) 및 인트라 예측부(331) 중 적어도 하나를 포함할 수 있다.
역양자화부(321)에서는 양자화된 변환 계수들을 역양자화하여 변환 계수들을 출력할 수 있다. 역양자화부(321)는 양자화된 변환 계수들을 2차원의 블록 형태로 재정렬할 수 있다. 이 경우 상기 재정렬은 인코딩 장치에서 수행된 계수 스캔 순서를 기반하여 재정렬을 수행할 수 있다. 역양자화부(321)는 양자화 파라미터(예를 들어 양자화 스텝 사이즈 정보)를 이용하여 양자화된 변환 계수들에 대한 역양자화를 수행하고, 변환 계수들(transform coefficient)를 획득할 수 있다.
역변환부(322)에서는 변환 계수들를 역변환하여 레지듀얼 신호(레지듀얼 블록, 레지듀얼 샘플 어레이)를 획득하게 된다.
예측부(330)는 현재 블록에 대한 예측을 수행하고, 상기 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록(predicted block)을 생성할 수 있다. 예측부(330)는 엔트로피 디코딩부(310)로부터 출력된 상기 예측에 관한 정보를 기반으로 상기 현재 블록에 인트라 예측이 적용되는지 또는 인터 예측이 적용되는지 결정할 수 있고, 구체적인 인트라/인터 예측 모드를 결정할 수 있다.
예측부(330)는 후술하는 다양한 예측 방법을 기반으로 예측 신호를 생성할 수 있다. 예를 들어, 예측부(330)는 하나의 블록에 대한 예측을 위하여 인트라 예측 또는 인터 예측을 적용할 수 있을 뿐 아니라, 인트라 예측과 인터 예측을 동시에 적용할 수 있다. 이는 combined inter and intra prediction (CIIP)라고 불릴 수 있다. 또한, 예측부(330)는 블록에 대한 예측을 위하여 인트라 블록 카피(intra block copy, IBC) 예측 모드에 기반할 수도 있고 또는 팔레트 모드(palette mode)에 기반할 수도 있다. 상기 IBC 예측 모드 또는 팔레트 모드는 예를 들어 SCC(screen content coding) 등과 같이 게임 등의 컨텐츠 영상/동영상 코딩을 위하여 사용될 수 있다. IBC는 기본적으로 현재 픽처 내에서 예측을 수행하나 현재 픽처 내에서 참조 블록을 도출하는 점에서 인터 예측과 유사하게 수행될 수 있다. 즉, IBC는 본 문서에서 설명되는 인터 예측 기법들 중 적어도 하나를 이용할 수 있다. 팔레트 모드는 인트라 코딩 또는 인트라 예측의 일 예로 볼 수 있다. 팔레트 모드가 적용되는 경우 팔레트 테이블 및 팔레트 인덱스에 관한 정보가 상기 비디오/영상 정보에 포함되어 시그널링될 수 있다.
인트라 예측부(331)는 현재 픽처 내의 샘플들을 참조하여 현재 블록을 예측할 수 있다. 상기 참조되는 샘플들은 예측 모드에 따라 상기 현재 블록의 주변(neighbor)에 위치할 수 있고, 또는 떨어져서 위치할 수도 있다. 인트라 예측에서 예측 모드들은 복수의 비방향성 모드와 복수의 방향성 모드를 포함할 수 있다. 인트라 예측부(331)는 주변 블록에 적용된 예측 모드를 이용하여, 현재 블록에 적용되는 예측 모드를 결정할 수도 있다.
인터 예측부(332)는 참조 픽처 상에서 움직임 벡터에 의해 특정되는 참조 블록(참조 샘플 어레이)을 기반으로, 현재 블록에 대한 예측된 블록을 유도할 수 있다. 이때, 인터 예측 모드에서 전송되는 움직임 정보의 양을 줄이기 위해 주변 블록과 현재 블록 간의 움직임 정보의 상관성에 기초하여 움직임 정보를 블록, 서브블록 또는 샘플 단위로 예측할 수 있다. 상기 움직임 정보는 움직임 벡터 및 참조 픽처 인덱스를 포함할 수 있다. 상기 움직임 정보는 인터 예측 방향(L0 예측, L1 예측, Bi 예측 등) 정보를 더 포함할 수 있다. 인터 예측의 경우에, 주변 블록은 현재 픽처 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 픽처에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 예를 들어, 인터 예측부(332)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 수신한 후보 선택 정보를 기반으로 상기 현재 블록의 움직임 벡터 및/또는 참조 픽처 인덱스를 도출할 수 있다. 다양한 예측 모드를 기반으로 인터 예측이 수행될 수 있으며, 상기 예측에 관한 정보는 상기 현재 블록에 대한 인터 예측의 모드를 지시하는 정보를 포함할 수 있다.
가산부(340)는 획득된 레지듀얼 신호를 예측부(인터 예측부(332) 및/또는 인트라 예측부(331) 포함)로부터 출력된 예측 신호(예측된 블록, 예측 샘플 어레이)에 더함으로써 복원 신호(복원 픽처, 복원 블록, 복원 샘플 어레이)를 생성할 수 있다. 스킵 모드가 적용된 경우와 같이 처리 대상 블록에 대한 레지듀얼이 없는 경우, 예측된 블록이 복원 블록으로 사용될 수 있다.
가산부(340)는 복원부 또는 복원 블록 생성부라고 불릴 수 있다. 생성된 복원 신호는 현재 픽처 내 다음 처리 대상 블록의 인트라 예측을 위하여 사용될 수 있고, 후술하는 바와 같이 필터링을 거쳐서 출력될 수도 있고 또는 다음 픽처의 인터 예측을 위하여 사용될 수도 있다.
한편, 픽처 디코딩 과정에서 LMCS (luma mapping with chroma scaling)가 적용될 수도 있다.
필터링부(350)는 복원 신호에 필터링을 적용하여 주관적/객관적 화질을 향상시킬 수 있다. 예를 들어 필터링부(350)는 복원 픽처에 다양한 필터링 방법을 적용하여 수정된(modified) 복원 픽처를 생성할 수 있고, 상기 수정된 복원 픽처를 메모리(360), 구체적으로 메모리(360)의 DPB에 전송할 수 있다. 상기 다양한 필터링 방법은 예를 들어, 디블록킹 필터링, 샘플 적응적 오프셋(sample adaptive offset), 적응적 루프 필터(adaptive loop filter), 양방향 필터(bilateral filter) 등을 포함할 수 있다.
메모리(360)의 DPB에 저장된 (수정된) 복원 픽처는 인터 예측부(332)에서 참조 픽처로 사용될 수 있다. 메모리(360)는 현재 픽처 내 움직임 정보가 도출된(또는 디코딩된) 블록의 움직임 정보 및/또는 이미 복원된 픽처 내 블록들의 움직임 정보를 저장할 수 있다. 상기 저장된 움직임 정보는 공간적 주변 블록의 움직임 정보 또는 시간적 주변 블록의 움직임 정보로 활용하기 위하여 인터 예측부(332)에 전달할 수 있다. 메모리(360)는 현재 픽처 내 복원된 블록들의 복원 샘플들을 저장할 수 있고, 인트라 예측부(331)에 전달할 수 있다.
본 문서에서, 인코딩 장치(200)의 필터링부(260), 인터 예측부(221) 및 인트라 예측부(222)에서 설명된 실시예들은 각각 디코딩 장치(300)의 필터링부(350), 인터 예측부(332) 및 인트라 예측부(331)에도 동일 또는 대응되도록 적용될 수 있다.
도 4는 코딩된 비디오/영상에 대한 계층 구조를 예시적으로 나타낸다.
도 4를 참조하면, 코딩된 비디오/영상은 비디오/영상의 디코딩 처리 및 그 자체를 다루는 VCL(video coding layer, 비디오 코딩 계층), 부호화된 정보를 전송하고 저장하는 하위 시스템, 그리고 VCL과 하위 시스템 사이에 존재하며 네트워크 적응 기능을 담당하는 NAL(network abstraction layer, 네트워크 추상 계층)로 구분되어 있다.
VCL에서는 압축된 영상 데이터(슬라이스 데이터)를 포함하는 VCL 데이터를 생성하거나, 혹은 픽처 파라미터 세트(Picture Parameter Set: PPS), 시퀀스 파라미터 세트(Sequence Parameter Set: SPS), 비디오 파라미터 세트(Video Parameter Set: VPS) 등의 정보를 포함하는 파라미터 세트 또는 영상의 디코딩 과정에 부가적으로 필요한 SEI(Supplemental Enhancement Information) 메시지를 생성할 수 있다.
NAL에서는 VCL에서 생성된 RBSP(Raw Byte Sequence Payload)에 헤더 정보(NAL 유닛 헤더)를 부가하여 NAL 유닛을 생성할 수 있다. 이때, RBSP는 VCL에서 생성된 슬라이스 데이터, 파라미터 세트, SEI 메시지 등을 말한다. NAL 유닛 헤더에는 해당 NAL 유닛에 포함되는 RBSP 데이터에 따라 특정되는 NAL 유닛 타입 정보를 포함할 수 있다.
도 4에서 도시된 바와 같이, NAL 유닛은 VCL에서 생성된 RBSP의 따라 VCL NAL 유닛과 Non-VCL NAL 유닛으로 구분될 수 있다. VCL NAL 유닛은 이미지에 대한 정보(슬라이스 데이터)를 포함하고 있는 NAL 유닛을 의미할 수 있고, Non-VCL NAL 유닛은 영상을 디코딩하기 위하여 필요한 정보(파라미터 세트 또는 SEI 메시지)를 포함하고 있는 NAL 유닛을 의미할 수 있다.
상술한 VCL NAL 유닛, Non-VCL NAL 유닛은 하위 시스템의 데이터 규격에 따라 헤더 정보를 붙여서 네트워크를 통해 전송될 수 있다. 예컨대, NAL 유닛은 H.266/VVC 파일 포맷, RTP(Real-time Transport Protocol), TS(Transport Stream) 등과 같은 소정 규격의 데이터 형태로 변형되어 다양한 네트워크를 통해 전송될 수 있다.
상술한 바와 같이, NAL 유닛은 해당 NAL 유닛에 포함되는 RBSP 데이터 구조(structure)에 따라 NAL 유닛 타입이 특정될 수 있으며, 이러한 NAL 유닛 타입에 대한 정보는 NAL 유닛 헤더에 저장되어 시그널링될 수 있다.
예를 들어, NAL 유닛이 영상에 대한 정보(슬라이스 데이터)를 포함하는지 여부에 따라 크게 VCL NAL 유닛 타입과 Non-VCL NAL 유닛 타입으로 분류될 수 있다. VCL NAL 유닛 타입은 VCL NAL 유닛이 포함하는 픽처의 성질 및 종류 등에 따라 분류될 수 있으며, Non-VCL NAL 유닛 타입은 파라미터 세트의 종류 등에 따라 분류될 수 있다.
아래는 Non-VCL NAL 유닛 타입이 포함하는 파라미터 세트의 종류 등에 따라 특정된 NAL 유닛 타입의 일예이다.
- APS (Adaptation Parameter Set) NAL unit: APS를 포함하는 NAL 유닛에 대한 타입
- DPS (Decoding Parameter Set) NAL unit: DPS를 포함하는 NAL 유닛에 대한 타입
- VPS(Video Parameter Set) NAL unit: VPS를 포함하는 NAL 유닛에 대한 타입
- SPS(Sequence Parameter Set) NAL unit: SPS를 포함하는 NAL 유닛에 대한 타입
- PPS(Picture Parameter Set) NAL unit: PPS를 포함하는 NAL 유닛에 대한 타입
- PH(Picture header) NAL unit: PH를 포함하는 NAL 유닛에 대한 타입
상술한 NAL 유닛 타입들은 NAL 유닛 타입을 위한 신택스 정보를 가지며, 상기 신택스 정보는 NAL 유닛 헤더에 저장되어 시그널링될 수 있다. 예컨대, 상기 신택스 정보는 nal_unit_type일 수 있으며, NAL 유닛 타입들은 nal_unit_type 값으로 특정될 수 있다.
한편, 하나의 픽처는 복수의 슬라이스를 포함할 수 있으며, 하나의 슬라이스는 슬라이스 헤더 및 슬라이스 데이터를 포함할 수 있다. 이 경우, 하나의 픽처 내 복수의 슬라이스(슬라이스 헤더 및 슬라이스 데이터 집합)에 대하여 하나의 픽처 헤더가 더 부가될 수 있다. 상기 픽처 헤더(픽처 헤더 신택스)는 상기 픽처에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다. 예를 들어, 하나의 픽처는 인트라 코딩된 슬라이스(즉, I-슬라이) 및/또는 인터 코딩된 슬라이스(즉, P-슬라이스 및 B-슬라이스)와 같은 서로 다른 유형의 슬라이스들로 구성될 수 있다. 이 경우, 픽처 헤더는 인트라 코딩된 슬라이스 및 인터 코딩된 슬라이스에 적용되는 정보/파라미터를 포함할 수 있다. 또는 하나의 픽처는 하나의 유형의 슬라이스들로 구성될 수도 있다.
상기 슬라이스 헤더(슬라이스 헤더 신택스)는 상기 슬라이스에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다. 상기 APS(APS 신택스) 또는 PPS(PPS 신택스)는 하나 이상의 슬라이스 또는 픽처에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다. 상기 SPS(SPS 신택스)는 하나 이상의 시퀀스에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다. 상기 VPS(VPS 신택스)는 다중 레이어에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다. 상기 DPS(DPS 신택스)는 비디오 전반에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다. 상기 DPS는 CVS(coded video sequence)의 접합(concatenation)과 관련된 정보/파라미터를 포함할 수 있다.
본 문서에서 인코딩 장치에서 디코딩 장치로 인코딩되어 비트스트림 형태로 시그널링되는 영상/비디오 정보는 픽처 내 파티셔닝 관련 정보, 인트라/인터 예측 정보, 인터 레이어 예측 관련 정보, 레지듀얼 정보, 인루프 필터링 정보 등을 포함할 뿐 아니라, 상기 슬라이스 헤더에 포함된 정보, 상기 픽처 헤더에 포함된 정보, 상기 APS에 포함된 정보, 상기 PPS에 포함된 정보, SPS에 포함된 정보, VPS에 포함된 정보 및/또는 DPS에 포함된 정보를 포함할 수 있다. 또한 상기 영상/비디오 정보는 NAL 유닛 헤더의 정보를 더 포함할 수 있다.
본 명세서에서, 인코딩 장치(200)의 필터링부(260), 인터 예측부(221) 및 인트라 예측부(222)에서 설명된 실시예들은 각각 디코딩 장치(300)의 필터링부(350), 인터 예측부(332) 및 인트라 예측부(331)에도 동일 또는 대응되도록 적용될 수 있다.
한편, 상술한 인코딩된 영상(image)/비디오(video) 정보는 미디어 파일(media file)을 생성하기 위하여 미디어 파일 포맷(media file format)을 기반으로 구성될 수 있다. 예를 들어, 인코딩된 영상/비디오 정보는 상기 인코딩된 이미지/비디오 정보에 대한 하나 이상의 NAL 유닛/샘플 엔트리(entry)를 기반으로 미디어 파일 (세그먼트)을 형성(form)할 수 있다. 상기 미디어 파일은 샘플 엔트리 및 트랙(track)을 포함할 수 있다. 예를 들어, 미디어 파일 (세그먼트)은 다양한 레코드(record)를 포함할 수 있으며, 각각의 리코드는 영상/비디오와 관련된 정보 또는 미디어 파일 포멧과 관련된 정보를 포함할 수 있다. 또한, 예를 들어, 하나 이상의 NAL 유닛은 미디어 파일의 구성(configuration) 레코드(또는 디코더 구성 레코드, 또는 VVC 디코더 구성 레코드) 필드에 저장될 수 있다. 여기서, 필드는 신텍스 엘리먼트(syntax element)라고 불릴 수도 있다.
예를 들어, 이 문서에서 개시된 방법/실시예가 적용될 수 있는 미디어 파일 포맷으로 ISO Base Media File Format (ISOBMFF) 이 사용될 수 있다. ISOBMFF는 AVC 파일 포멧, HEVC 파일 포멧 및/또는 VVC 파일 포멧 등과 같은 많은 코덱 인캡슐레이션 포멧들(codec encapsulation formats)과 MPEG-4 파일 포멧, 3GPP 파일 포멧(3GP) 및/또는 DVB 파일 포멧 등과 같은 많은 멀티미디어 컨테이너 포멧들의 기초로 사용될 수 있다. 또한, 오디오 및 비디오와 같은 연속 미디어(continuous media) 외에도 이미지(image)와 같은 정적 미디어(static media) 및 메타데이터가 ISOBMFF에 따른 파일에 저장될 수 있다. ISOBMFF에 따라 구조화된 파일은 로컬 미디어 파일 플레이백(local media file playback), 원격 파일의 점진적 다운로드(progressive downloading of a remote file), DASH(Dynamic Adaptive Streaming over HTTP, DASH)에 대한 세그먼트(segments), 스트리밍할 콘텐츠의 컨테이너(containers) 및 패킷화 인스트럭션(packetization instructions), 수신된 실시간 미디어 스트림의 리코딩(recording of received real-time media streams) 등 다양한 용도로 사용될 수 있다.
후술하는 ‘박스(box)’는 ISOBMFF 의 기본 신텍스 엘리먼트(elementary syntax element)일 수 있다. ISOBMFF 파일은 일련의 박스(a sequence of boxes)로 구성될 수 있으며, 박스에는 다른 박스가 포함될 수 있다. 예를 들어, 무비 박스 (그룹화 타입(grouping type)이 ‘moov’인 박스)는 미디어 파일에 있는 연속 미디어 스트림들(continuous media streams)에 대한 메타데이터를 포함할 수 있고 각 스트림은 파일에 트랙으로 표시될 수 있다. 트랙에 대한 메타데이터는 트랙 박스(그룹화 타입(grouping type)이 ‘trak’인 박스)에 포함될 수 있고, 트랙의 미디어 콘텐츠(media content)는 미디어 데이터 박스(그룹화 타입(grouping type)이 ‘mdat’인 박스)에 포함되거나 또는 별도의 파일에 직접 포함될 수 있다. 트랙의 미디어 콘텐츠는 오디오 또는 비디오 액세스 유닛들과 같은 샘플 시퀀스(a sequence of samples)로 구성될 수 있다. 예를 들어, ISOBMFF는 기본 미디어 스트림(elementary media stream)을 포함하는 미디어 트랙(media track), 미디어 전송 인스트럭션들(media transmission instructions)을 포함하거나 수신된 패킷 스트림을 나타내는 힌트 트랙(hint track), 시간 동기화된 메타데이터(timesynchronized metadata)를 포함하는 타임드 메타데이터 트랙(timed metadata track) 와 같은 타입들의 트랙들을 지정할 수 있다.
또한, ISOBMFF는 저장용으로 설계되었지만 예를 들어 점진적 다운로드(progressive download) 또는 DASH와 같은 스트리밍에도 매우 유용하다. 스트리밍 목적으로, ISOBMFF에서 정의된 무비 프레그먼트들(movie fragments)이 사용될 수 있다. 단편화된 ISOBMFF 파일(fragmented ISOBMFF file)은 예를 들어 비디오 및 오디오와 관련된 두 개의 트랙들로 나타낼 수 있다. 예를 들어, ‘moov’ 박스를 수신한 후에 임의 액세스(random access)가 포함된 경우, 관련 미디어 데이터와 함께 모든 무비 프레그먼트 ‘moof’가 디코딩될 수 있다.
또한, 각 트랙의 메타데이터는 상기 트랙에 사용된 코딩 또는 인캡슐레이션 포멧과 해당 포멧을 처리하는데 필요한 초기화 데이터(initialization data)를 제공하는 샘플 디스크립션 엔트리들(sample description entries)의 리스트를 포함할 수 있다. 또한, 각 샘플은 상기 트랙의 상기 샘플 디스크립션 엔트리들 중 하나와 연결될 수 있다.
ISOBMFF를 사용하면 다양한 메커니즘으로 샘플별 메타데이터(sample-specific metadata)를 지정할 수 있다. 샘플 테이블 박스(그룹화 타입이 ‘stbl’인 박스) 내의 특정 박스들은 일반적인 요구 사항에 대응하기 위해 표준화될 수 있다. 예를 들어, 싱크(Sync) 샘플 박스(그룹화 타입이 ‘stss’인 박스)는 트랙의 랜덤 액세스 샘플들(random access samples)을 나열하는데 사용될 수 있다. 샘플 그룹화 메커니즘을 사용하면 파일 내 샘플 그룹 디스크립션 엔트리(sample group description entry)로 지정된 동일한 속성(property)을 공유하는 샘플 그룹으로 4자 그룹화 타입(a four-character grouping type)에 따라 샘플들을 매핑할 수 있다. ISOBMFF에는 여러 그룹화 타입들이 지정되어 있을 수 있다.
도 5 및 도 6은 미디어 파일의 구조의 일 예를 도시한 도면이다.
미디어 파일은 적어도 하나 이상의 박스를 포함할 수 있다. 여기서 박스(box)는 미디어 데이터 또는 미디어 데이터에 관련된 메타데이터 등을 포함하는 데이터 블록 내지 오브젝트일 수 있다. 박스들은 서로 계층적 구조를 이룰 수 있으며, 이에 따라 데이터들이 분류되어 미디어 파일이 대용량 미디어 데이터의 저장 및/또는 전송에 적합한 형태를 띄게 될 수 있다. 또한 미디어 파일은, 사용자가 미디어 컨텐츠의 특정지점으로 이동하는 등, 미디어 정보에 접근하는데 있어 용이한 구조를 가질 수 있다.
미디어 파일은 ftyp 박스, moov 박스 및/또는 mdat 박스를 포함할 수 있다.
ftyp 박스(파일 타입 박스)는 해당 미디어 파일에 대한 파일 타입 또는 호환성 관련 정보를 제공할 수 있다. ftyp 박스는 해당 미디어 파일의 미디어 데이터에 대한 구성 버전 정보를 포함할 수 있다. 복호기는 ftyp 박스를 참조하여 해당 미디어 파일을 구분할 수 있다.
moov 박스(무비 박스)는 해당 미디어 파일의 미디어 데이터에 대한 메타 데이터를 포함하는 박스일 수 있다. moov 박스는 모든 메타 데이터들을 위한 컨테이너 역할을 할 수 있다. moov 박스는 메타 데이터 관련 박스들 중 최상위 계층의 박스일 수 있다. 실시예에 따라 moov 박스는 미디어 파일 내에 하나만 존재할 수 있다.
mdat 박스(미디어 데이터 박스) 는 해당 미디어 파일의 실제 미디어 데이터들을 담는 박스일 수 있다. 미디어 데이터들은 오디오 샘플 및/또는 비디오 샘플들을 포함할 수 있는데, mdat 박스는 이러한 미디어 샘플들을 담는 컨테이너 역할을 할 수 있다.
실시예에 따라 전술한 moov 박스는 mvhd 박스, trak 박스 및/또는 mvex 박스 등을 하위 박스로서 더 포함할 수 있다.
mvhd 박스(무비 헤더 박스)는 해당 미디어 파일에 포함되는 미디어 데이터의 미디어 프리젠테이션 관련 정보를 포함할 수 있다. 즉, mvhd 박스는 해당 미디어 프리젠테이션의 미디어 생성시간, 변경시간, 시간규격, 기간 등의 정보를 포함할 수 있다.
trak 박스(트랙 박스)는 해당 미디어 데이터의 트랙에 관련된 정보를 제공할 수 있다. trak 박스는 오디오 트랙 또는 비디오 트랙에 대한 스트림 관련 정보, 프리젠테이션 관련 정보, 액세스 관련 정보 등의 정보를 포함할 수 있다. Trak 박스는 트랙의 개수에 따라 복수개 존재할 수 있다.
trak 박스는 실시예에 따라 tkhd 박스(트랙 헤더 박스)를 하위 박스로서 더 포함할 수 있다. tkhd 박스는 trak 박스가 나타내는 해당 트랙에 대한 정보를 포함할 수 있다. tkhd 박스는 해당 트랙의 생성시간, 변경시간, 트랙 식별자 등의 정보를 포함할 수 있다.
mvex 박스(무비 익스텐드 박스)는 해당 미디어 파일에 후술할 moof 박스가 있을 수 있음을 지시할 수 있다. 특정 트랙의 모든 미디어 샘플들을 알기 위해서, moof 박스들이 스캔되어야할 수 있다.
미디어 파일은, 실시예에 따라, 복수개의 프래그먼트로 나뉘어질 수 있다(200). 이를 통해 미디어 파일이 분할되어 저장되거나 전송될 수 있다. 미디어 파일의 미디어 데이터들(mdat 박스)은 복수개의 프래그먼트로 나뉘어지고, 각각의 프래그먼트는 moof 박스와 나뉘어진 mdat 박스를 포함할 수 있다. 실시예에 따라 프래그먼트들을 활용하기 위해서는 ftyp 박스 및/또는 moov 박스의 정보가 필요할 수 있다.
moof 박스(무비 프래그먼트 박스)는 해당 프래그먼트의 미디어 데이터에 대한 메타 데이터를 제공할 수 있다. moof 박스는 해당 프래그먼트의 메타데이터 관련 박스들 중 최상위 계층의 박스일 수 있다.
mdat 박스(미디어 데이터 박스)는 전술한 바와 같이 실제 미디어 데이터를 포함할 수 있다. 이 mdat 박스는 각각의 해당 프래그먼트에 해당하는 미디어 데이터들의 미디어 샘플들을 포함할 수 있다.
실시예에 따라 전술한 moof 박스는 mfhd 박스 및/또는 traf 박스 등을 하위 박스로서 더 포함할 수 있다.
mfhd 박스(무비 프래그먼트 헤더 박스)는 분할된 복수개의 프래그먼트들 간의 연관성과 관련한 정보들을 포함할 수 있다. mfhd 박스는 시퀀스 넘버(sequence number)를 포함하여, 해당 프래그먼트의 미디어 데이터가 분할된 몇 번째 데이터인지를 나타낼 수 있다. 또한, mfhd 박스를 이용하여 분할된 데이터 중 누락된 것은 없는지 여부가 확인될 수 있다.
traf 박스(트랙 프래그먼트 박스)는 해당 트랙 프래그먼트에 대한 정보를 포함할 수 있다. traf 박스는 해당 프래그먼트에 포함되는 분할된 트랙 프래그먼트에 대한 메타데이터를 제공할 수 있다. traf 박스는 해당 트랙 프래그먼트 내의 미디어 샘플들이 복호화/재생될 수 있도록 메타데이터를 제공할 수 있다. traf 박스는 트랙 프래그먼트의 개수에 따라 복수개 존재할 수 있다.
실시예에 따라 전술한 traf 박스는 tfhd 박스 및/또는 trun 박스 등을 하위 박스로서 더 포함할 수 있다.
tfhd 박스(트랙 프래그먼트 헤더 박스)는 해당 트랙 프래그먼트의 헤더 정보를 포함할 수 있다. tfhd 박스는 전술한 traf 박스가 나타내는 트랙 프래그먼트의 미디어 샘플들에 대하여, 기본적인 샘플크기, 기간, 오프셋, 식별자 등의 정보를 제공할 수 있다.
trun 박스(트랙 프래그먼트 런 박스)는 해당 트랙 프래그먼트 관련 정보를 포함할 수 있다. trun 박스는 미디어 샘플별 기간, 크기, 재생시점 등과 같은 정보를 포함할 수 있다.
전술한 미디어 파일 내지 미디어 파일의 프래그먼트들은 세그먼트들로 처리되어 전송될 수 있다. 세그먼트에는 초기화 세그먼트(initialization segment) 및/또는 미디어 세그먼트(media segment) 가 있을 수 있다.
도시된 실시예(210)의 파일은, 미디어 데이터는 제외하고 미디어 디코더의 초기화와 관련된 정보 등을 포함하는 파일일 수 있다. 이 파일은 예를 들어 전술한 초기화 세그먼트에 해당할 수 있다. 초기화 세그먼트는 전술한 ftyp 박스 및/또는 moov 박스를 포함할 수 있다.
도시된 실시예(220)의 파일은, 전술한 프래그먼트를 포함하는 파일일 수 있다. 이 파일은 예를 들어 전술한 미디어 세그먼트에 해당할 수 있다. 미디어 세그먼트는 전술한 moof 박스 및/또는 mdat 박스를 포함할 수 있다. 또한, 미디어 세그먼트는 styp 박스 및/또는 sidx 박스를 더 포함할 수 있다.
styp 박스(세그먼트 타입 박스) 는 분할된 프래그먼트의 미디어 데이터를 식별하기 위한 정보를 제공할 수 있다. styp 박스는 분할된 프래그먼트에 대해, 전술한 ftyp 박스와 같은 역할을 수행할 수 있다. 실시예에 따라 styp 박스는 ftyp 박스와 동일한 포맷을 가질 수 있다.
sidx 박스(세그먼트 인덱스 박스) 는 분할된 프래그먼트에 대한 인덱스를 나타내는 정보를 제공할 수 있다. 이를 통해 해당 분할된 프래그먼트가 몇번째 프래그먼트인지가 지시될 수 있다.
실시예에 따라(230) ssix 박스가 더 포함될 수 있는데, ssix 박스(서브 세그먼트 인덱스 박스)는 세그먼트가 서브 세그먼트로 더 나뉘어지는 경우에 있어, 그 서브 세그먼트의 인덱스를 나타내는 정보를 제공할 수 있다.
미디어 파일 내의 박스들은, 예를 들어, 도시된 실시예(250)와 같은 박스 내지 풀 박스(FullBox) 형태를 기반으로, 더 확장된 정보들을 포함할 수 있다. 이 실시예에서 size 필드, largesize 필드는 해당 박스의 길이를 바이트 단위 등으로 나타낼 수 있다. version 필드는 해당 박스 포맷의 버전을 나타낼 수 있다. Type 필드는 해당 박스의 타입 내지 식별자를 나타낼 수 있다. flags 필드는 해당 박스와 관련된 플래그 등을 나타낼 수 있다.
한편, 본 발명의 비디오/영상에 대한 필드(속성)들은 DASH 기반 적응형(Adaptive) 스트리밍 모델에 포함되어 전달될 수 있다.
도 7은 DASH 기반 적응형 스트리밍 모델의 전반적인 동작의 일 예를 나타낸다. 도시된 실시예(400)에 따른 DASH 기반 적응형 스트리밍 모델은, HTTP 서버와 DASH 클라이언트 간의 동작을 기술하고 있다. 여기서 DASH(Dynamic Adaptive Streaming over HTTP)는, HTTP 기반 적응형 스트리밍을 지원하기 위한 프로토콜로서, 네트워크 상황에 따라 동적으로 스트리밍을 지원할 수 있다. 이에 따라 AV 컨텐츠 재생이 끊김없이 제공될 수 있다.
먼저 DASH 클라이언트는 MPD를 획득할 수 있다. MPD는 HTTP 서버 등의 서비스 프로바이더로부터 전달될 수 있다. DASH 클라이언트는 MPD에 기술된 세그먼트에의 접근 정보를 이용하여 서버로 해당 세그먼트들을 요청할 수 있다. 여기서 이 요청은 네트워크 상태를 반영하여 수행될 수 있다.
DASH 클라이언트는 해당 세그먼트를 획득한 후, 이를 미디어 엔진에서 처리하여 화면에 디스플레이할 수 있다. DASH 클라이언트는 재생 시간 및/또는 네트워크 상황 등을 실시간으로 반영하여, 필요한 세그먼트를 요청, 획득할 수 있다(Adaptive Streaming). 이를 통해 컨텐츠가 끊김없이 재생될 수 있다.
MPD(Media Presentation Description)는 DASH 클라이언트로 하여금 세그먼트를 동적으로 획득할 수 있도록 하기 위한 상세 정보를 포함하는 파일로서 XML 형태로 표현될 수 있다.
DASH 클라이언트 컨트롤러(DASH Client Controller)는 네트워크 상황을 반영하여 MPD 및/또는 세그먼트를 요청하는 커맨드를 생성할 수 있다. 또한, 이 컨트롤러는 획득된 정보를 미디어 엔진 등등의 내부 블록에서 사용할 수 있도록 제어할 수 있다.
MPD 파서(Parser)는 획득한 MPD 를 실시간으로 파싱할 수 있다. 이를 통해, DASH 클라이언트 컨트롤러는 필요한 세그먼트를 획득할 수 있는 커맨드를 생성할 수 있게 될 수 있다.
세그먼트 파서(Parser)는 획득한 세그먼트를 실시간으로 파싱할 수 있다. 세그먼트에 포함된 정보들에 따라 미디어 엔진 등의 내부 블록들은 특정 동작을 수행할 수 있다.
HTTP 클라이언트는 필요한 MPD 및/또는 세그먼트 등을 HTTP 서버에 요청할 수 있다. 또한 HTTP 클라이언트는 서버로부터 획득한 MPD 및/또는 세그먼트들을 MPD 파서 또는 세그먼트 파서로 전달할 수 있다.
미디어 엔진(Media Engine) 은 세그먼트에 포함된 미디어 데이터를 이용하여 컨텐츠를 화면상에 표시할 수 있다. 이 때, MPD의 정보들이 활용될 수 있다.
DASH 데이터 모델은 계층적 구조(410)를 가질 수 있다. 미디어 프리젠테이션은 MPD에 의해 기술될 수 있다. MPD는 미디어 프리젠테이션를 만드는 복수개의 구간(Period)들의 시간적인 시퀀스를 기술할 수 있다. 구간(Period)은 미디어 컨텐츠의 한 구간을 나타낼 수 있다.
한 구간에서, 데이터들은 어댑테이션 셋들에 포함될 수 있다. 어댑테이션 셋은 서로 교환될 수 있는 복수개의 미디어 컨텐츠 컴포넌트들의 집합일 수 있다. 어댑테이션은 레프리젠테이션들의 집합을 포함할 수 있다. 레프리젠테이션은 미디어 컨텐츠 컴포넌트에 해당할 수 있다. 한 레프리젠테이션 내에서, 컨텐츠는 복수개의 세그먼트들로 시간적으로 나뉘어질 수 있다. 이는 적절한 접근성과 전달(delivery)를 위함일 수 있다. 각각의 세그먼트에 접근하기 위해서 각 세그먼트의 URL이 제공될 수 있다.
MPD는 미디어 프리젠테이션에 관련된 정보들을 제공할 수 있고, 피리오드(period) 엘레멘트, 어댑테이션 셋 엘레멘트, 레프리젠테이션 엘레멘트는 각각 해당 피리오드, 어댑테이션 셋, 레프리젠테이션에 대해서 기술할 수 있다. 레프리젠테이션은 서브 레프리젠테이션들로 나뉘어질 수 있는데, 서브 레프리젠테이션 엘레멘트는 해당 서브 레프리젠테이션에 대해서 기술할 수 있다.
여기서 공통(Common) 속성/엘레멘트들이 정의될 수 있는데, 이 들은 어댑테이션 셋, 레프리젠테이션, 서브 레프리젠테이션 등에 적용될 수 (포함될 수) 있다. 공통 속성/엘레멘트 중에는 에센셜 프로퍼티(EssentialProperty) 및/또는 서플먼탈 프로퍼티(SupplementalProperty)가 있을 수 있다.
에센셜 프로퍼티는 해당 미디어 프리젠테이션 관련 데이터를 처리함에 있어서 필수적이라고 여겨지는 엘레멘트들을 포함하는 정보일 수 있다. 서플먼탈 프로퍼티는 해당 미디어 프리젠테이션 관련 데이터를 처리함에 있어서 사용될 수도 있는 엘레멘트들을 포함하는 정보일 수 있다. 실시예에 따라 후술할 디스크립터들은, MPD를 통해 전달되는 경우, 에센셜 프로퍼티 및/또는 서플먼탈 프로퍼티 내에 정의되어 전달될 수 있다.
한편, 상술한 인코딩된 영상(image)/비디오(video) 정보는 미디어 파일(media file)을 생성하기 위하여 미디어 파일 포맷(media file format)을 기반으로 구성될 수 있다. 예를 들어, 인코딩된 영상/비디오 정보는 상기 인코딩된 이미지/비디오 정보에 대한 하나 이상의 NAL 유닛/샘플 엔트리(entry)를 기반으로 미디어 파일 (세그먼트)을 형성(form)할 수 있다. 상기 미디어 파일은 샘플 엔트리 및 트랙(track)을 포함할 수 있다. 예를 들어, 미디어 파일 (세그먼트)은 다양한 레코드(record)를 포함할 수 있으며, 각각의 레코드는 영상/비디오와 관련된 정보 또는 미디어 파일 포멧과 관련된 정보를 포함할 수 있다. 또한, 예를 들어, 하나 이상의 NAL 유닛은 미디어 파일의 구성(configuration) 레코드(또는 디코더 구성 레코드, 또는 VVC 디코더 구성 레코드) 필드에 저장될 수 있다. 여기서, 필드는 신텍스 엘리먼트(syntax element)라고 불릴 수도 있다.
한편, 후술하는 '샘플(sample)' 은 픽처를 나타내는 3개의 샘플 어레이들 (Y, Cb, Cr) 중 하나의 단일 시간(single time) 또는 단일 요소(single element)와 관련된 모든 데이터일 수 있다. 예를 들어, '샘플(sample)'이라는 용어가 (미디어 파일 포멧의) 트랙의 컨텍스트(context)에서 사용되는 경우에는 해당 트랙의 단일 시간과 관련된 모든 데이터를 의미할 수 있다. 여기서 시간은 디코딩 시간(decoding time) 또는 컴포지션 시간(composition time)일 수 있다. 또한, 예를 들어, 샘플(sample)'이라는 용어가 픽처의 컨텍스트(context)에서 사용되는 경우, 즉, "루마 샘플(luma sample)"이라는 문구와 같이 사용되는 경우에는 픽처를 나타내는 3개의 샘플 어레이들 중 하나에 있는 단일 요소를 나타낼 수 있다.
한편, VVC 콘텐츠(content)를 저장하기 위하여 아래와 같은 세 가지 타입의 기본 스트림들(elementary streams)이 정의될 수 있다.
- VCL NAL 유닛을 포함하고, 파라미터 세트(parameter set), DCI, 또는 OPI NAL 유닛을 포함하지 않는 비디오 기본 스트림(video elementary stream). 여기서, 모든 파라미터 세트들, DCI 및 OPI NAL 유닛들은 하나 이상의 샘플 엔트리들에 저장될 수 있다. 비디오 기본 스트림은 파라미터 세트들, DCI NAL 유닛들, 그리고 OPI NAL 유닛들이 아닌 non-VCL NAL 유닛들을 포함할 수 있다.
- VCL NAL 유닛들을 포함하고, 파라미터 세트, DCI 또는 OPI NAL 유닛을 포함할 수 있고, 상기 파라미터 세트들, DCI 또는 OPI NAL 유닛들이 저장된 하나 이상의 샘플 엔트리들을 가질 수 있는 비디오 및 파라미터 세트 기본 스트림.
- non-VCL NAL 유닛들 만을 포함하는 non-VCL 기본 스트림. 상기 non-VCL NAL 유닛들은 비디오 트랙에 포함된 기본 스트림과 동기화된다. 여기서 VVC non-VCL 트랙은 샘플 엔트리들 내 파라미터 세트, DCI 또는 OPI NAL 유닛들을 포함하지 않는다.
한편, VVC 비디오 스트림은 다음과 같이 정의될 수 있다.
샘플 엔트리 타입에는 'vvc1', 'vvi1' 및 'vvs1'이 있을 수 있다. 박스 타입에는 'vvcC' 및 vvnC'가 있을 수 있다. 컨테이너는 Sample Table Box('stb1')일 수 있다. 또한, 'vvc1' 또는 'vvi1' 샘플 엔트리는 VVC 비트스트림을 운반하는 트랙들 중 적어도 하나의 트랙 내에 필수(mandatory)일 수 있다. 하나 이상의 샘플 엔트리가 존재할 수 있다.
VVC 샘플 엔트리는 'vvc1' 또는 'vvi1'와 같은 샘플 엔트리 타입을 갖는 샘플 엔트리로 정의된다. VVC 트랙의 샘플 엔트리 각각은 VVC 샘플 엔트리이어야 한다. VVC 샘플 엔트리는 아래 정의된 VVC 구성 박스(VVC Configuration Box)를 포함해야 한다. 이것은 11.3.3.1.절에 정의된 VvcDecoderConfigurationRecord을 포함한다.
선택적인 BitRateBox가 VVC 비디오 스트림의 비트 레이트(bit rate) 정보를 시그널하기 위해 VVC 샘플 엔트리 내에 존재할 수 있다. MPEG-4에서 사용될 때 기본 스트림 디스크립터(Elementary Stream Descriptor)에 삽입되어야 하는 확장 디스크립터(extension descriptors) 또한 존재할 수 있다.
다른 구성들(configurations) 또는 파라미터 세트들을 사용하는 비디오의 섹션을 나타내기 위해서, ISOBMFF 스펙에서 허용되는 바와 같이, 복수의 샘플 엔트리들이 사용될 수 있다.
VVC 서브픽처 트랙이 다른 VVC 서브트랙들 없이 소비될 수 있는 일치하는(conforming) VVC 비트스트림을 포함하는 경우, 레귤러 VVC 샘플 엔트리가 VVC 서브픽처 트랙을 위해 사용된다('vvc1' or 'vvi1').
이 외의 경우, 'vvs1' 샘플 엔트리가 VVC 서브픽처 트랙을 위해 사용될 수 있고, 다음의 제한이 트랙에 적용된다.
- track_in_movie 플래그가 0이어야 한다.
- 트랙은 오직 하나의 샘플 엔트리를 포함해야 한다.
- 트랙은 'subp' 트랙 레퍼런스를 통해 적어도 하나의 VVC 베이스 트랙에 의해 참조되어야 한다.
- DCI, OPI, VPS, SPS, PPS, AUD, PH, EOS, EOB 및 다른 AU- 또는 picture-level non-VCL NAL 유닛들이 샘플 엔트리 및 'vvs1'트랙들의 샘플들 모두에 존재하지 않아야 한다.
- 이와 달리 지시되지 않는 한, (CleanApertureBox 및 PixelAspectRatioBox와 같은) 비디오 샘플 엔트리의 자식 박스(child boxes)는 샘플 엔트리 내에 존재하지 않아야 하고, 만약 존재한다면 무시되어야 한다.
- 샘플은 그것이 포함하는 모든 VCL NAL 유닛들이 상기 sync 샘플 요구사항(requirements)를 모두 따르지 않는 이상 sync 샘플로 마킹되지 않아야 한다.
- 'vvs1'트랙의 샘플에 대한 구성 시간 오프셋 정보(composition time offset information)는 존재하지 않아야 한다.
- 'vvs1'트랙의 샘플에 대한 서브샘플 정보가 존재할 수 있다. 만약 존재한다면, 서브샘플 정보는 VVC의 서브샘플의 정의를 따라야한다.
VVC 트랙은 VVC 서브픽처 트랙의 track_ID 값 또는 VVC 서브픽처 트랙의 'alte' 트랙 그룹의 track_group_id 값 중 어느 것을 포함하는 엔트리들을 가지는 'subp' 트랙 레퍼런스를 포함할 수 있다.
11.7.7절에 정의된 'spor' 타입의 샘플 그룹은 각각의 VVC 베이스 트랙에 존재한다.
'vvs1' 타입의 샘플 엔트리는 VvcNALUConfigBox를 포함한다.
VVC 서브픽처 트랙이 subpic_id_info_flag가 1인 'spor'샘플 그룹 디스크립션 엔트리를 포함하는 VVC 베이스 트랙에 의해 참조되는 경우, VVC 서브 픽처 트랙은 잠재적으로 디폴트 샘플 그룹핑 매커니즘을 사용하는 서브픽처 ID 샘플 그룹 디스크립션을 포함해야 한다.
샘플 엔트리 이름이 'vvc1' 또는 'vvi1'인 경우, 이 샘플 엔트리가 적용되는 스트림은 VVCConfigurationBox에서 주어진 (프로파일, 티어 및 레벨을 포함하는) 구성 하의 VVC 디코더 오퍼레이션에서 보여진 바와 같은 순응하는(compliant) VVC 스트림이어야 한다.
샘플 엔트리 이름이 'vvc1'인 경우, DCI, VPS, SPS 및 SPS NAL 유닛들의 어레이에 대하여 array_completeness의 값이 1과 같아야 하고, 다른 어레이들에 대해서는 0과 같아야 한다. 샘플 엔트리 이름이 'vvi1'인 경우, 모든 어레이에 대하여 array_completeness의 값이 0과 같아야 한다.
트랙이 VVC 비트스트림을 선천적으로 포함하지 않고 'subp' 및 'vvcN' 트랙 레퍼런스(존재하는 경우)를 리졸빙(resolving)한 후 VVC 비트스트림을 나타내지 않는 경우, 트랙은 'vopi' 샘플 그룹을 운반하는 트랙 또는 작동 포인트 엔티티 그룹 중 어느 것에 대한 'oref' 트랙 레퍼런스를 포함해야 한다.
예를 들어, 단일 레이어 VVC 비트스트림이 다른 트랙에 저장된 두개의 시간적 서브레이어를 포함하는 경우, TemporalID가 1과 같은 서브레이어를 포함하는 트랙은 TemporalID가 0과 같은 서브레이어를 포함하는 트랙에 대한 'oref' 트랙 레퍼런스를 포함한다.
한편, VVC를 위한 ISO 기반 미디어 파일 포멧(ISO based media file format, ISOBMF)의 작동 포인트 정보(operating points information)가 그룹화 타입(grouping type)이 'vopi'인 그룹 박스(group box) 또는 그룹화 타입이 'opeg'인 엔티티 그룹(entity group)에서 샘플로 시그널링될 수 있다. 여기서, 작동 포인트는 OLS(Output Layer Set, OLS) 인덱스와 TemporalId의 가장 높은 값으로 식별되는 OLS의 시간적 서브셋(temporal subset)일 수 있다. 각 작동 포인트는 상기 작동 포인트의 적합성 포인트(conformance point)를 정의하는 프로파일(profile), 티어(tier) 및 레벨(level) (즉, PTL)과 관련될 수 있다. 상기 작동 포인트 정보는 샘플과 각 작동 포인트에 대한 샘플 엔트리를 식별하는데 필요할 수 있다.
어플리케이션들(Applications)에는 주어진 VVC 비트스트림에서 제공하는 다양한 작동 포인트들과 작동 포인트 정보 샘플 그룹('vopi')을 사용하여 상기 작동 포인트들의 구성(constitution)에 대한 정보가 제공될 수 있다. 각 작동 포인트는 OLS, 최대 TemporalId 값, 프로파일, 티어 및 레벨 시그널링과 관련이 있다. 상술한 모든 정보는 'vopi' 샘플 그룹에 의해 캡처(capture)될 수 있다. 상술한 정보와 별도로, 상기 샘플 그룹은 레이어들 간의 종속성 정보(dependency information)도 제공할 수 있다.
한편, VVC 비트스트림에 대하여 하나 이상의 VVC 트랙이 존재하고 VVC 비트스트림에 대하여 작동 포인트 엔티티 그룹(Operating Point entity group)이 존재하지 않는 경우에는 다음 사항이 모두 적용될 수 있다.
- VVC 비트스트림에 대한 VVC 트랙들 중 'vopi' 샘플 그룹을 전달하는 트랙은 하나뿐이어야 한다.
- VVC 비트스트림의 다른 모든 VVC 트랙은 상기 'vopi' 샘플 그룹을 운반하는 트랙에 대한 'oref' 타입의 트랙 레퍼런스(track reference)를 가져야 한다.
또한, 지정된 트랙(given track)의 특정 샘플에 대하여, 다른 트랙의 시간적 콜로케이티드 샘플(temporally collocated sample)은 상기 특정 샘플과 디코딩 시간(decoding time)이 동일한 샘플로 정의될 수 있다. 'vopi' 샘플 그룹을 전달하는 트랙 Tk에 대한 'oref' 트랙 레퍼런스를 갖는 트랙 TN의 각 샘플 SN에 대하여, 다음이 적용될 수 있다.
- 트랙 Tk에 시간적 콜로케이티드 샘플 Sk가 있는 경우, 샘플 SN은 샘플 Sk와 동일한 'vopi' 샘플 그룹 엔티티와 관련될 수 있다.
- 그렇지 않은 경우, 샘플 SN은 디코딩 시간에서 샘플 SN에 선행하는 트랙 Tk의 마지막 샘플과 동일한 vopi' 샘플 그룹 엔티티와 관련될 수 있다.
VVC 비트스트림에서 여러 VPS들(several VPSs)이 참조되는 경우, grouping_type 'vopi'가 있는 샘플 그룹 디스크립션 박스(sample group description box)에 여러 엔티리들을 포함해야 할 수 있다. 단일 VPS가 있는 보다 일반적인 경우에는 ISO/IEC 14496-12 에 정의된 디폴트 샘플 그룹 메커니즘(default sample group mechanism)을 사용하고 각 트랙 프래그먼트(track fragment)에 포함하지 않고 샘플 테이블 박스에 작동 포인트 정보 샘플 그룹(operating points information sample group)을 포함할 것이 권장될 수 있다.
또한, grouping_type_parameter는 그룹화 타입이 'vopi'인 SampleToGroupBox에 대해 정의되지 않을 수 있다.
상술한 작동 포인트 정보를 포함하는 'vopi' 샘플 그룹, 즉, 작동 포인트 정보 샘플 그룹의 신텍스는 아래의 표와 같을 수 있다.
[표 1]
Figure PCTKR2021018526-appb-I000001
Figure PCTKR2021018526-appb-I000002
Figure PCTKR2021018526-appb-I000003
예를 들어, 상술한 표 1를 참조하면, 'vopi' 샘플 그룹은 작동 포인트 리스트에 관련된 정보를 포함할 수 있다. 작동 포인트 리스트에 관련된 정보는, 예를 들어, 작동 포인트 개수 정보, OLS 인덱스 정보, 최대 시간적 ID 정보, 프레임 레이트 정보 플래그, 프레임 레이트 정보, 비트 레이트 정보 플래그, 비트 레이트 정보, 크로마 포멧 idc 정보, 비트 뎁스 정보, 픽처 너비 정보, 픽처 높이 정보, 엔티티 카운트 정보 및 엔티티 인덱스 정보를 포함할 수 있다.
상기 작동 포인트 개수 정보는, 예를 들어, 신텍스 엘리먼트 op_in_sample_entry_included_flag로 나타낼 수 있다. 상기 OLS 인덱스 정보는, 예를 들어, 신텍스 엘리먼트 ols_idx로 나타낼 수 있다. 상기 최대 시간적 ID 정보는, 예를 들어, 신텍스 엘리먼트 max_temporal_id로 나타낼 수 있다. 상기 프레임 레이트 정보 플래그는, 예를 들어, 신텍스 엘리먼트 frame_rate_info_flag 로 나타낼 수 있다. 상기 프레임 레이트 정보는, 예를 들어, 신텍스 엘리먼트 avgFrameRate 및 constantFrameRate를 포함할 수 있다. 상기 비트 레이트 정보 플래그는, 예를 들어, 신텍스 엘리먼트 bit_rate_info_flag 로 나타낼 수 있다. 상기 비트 레이트 정보는, 예를 들어, 신텍스 엘리먼트 maxBitRate 및 avgBitRate를 포함할 수 있다. 상기 크로마 포멧 idc 정보는, 예를 들어, 신텍스 엘리먼트 chroma_format_idc 로 나타낼 수 있다. 상기 비트 뎁스 정보는, 예를 들어, 신텍스 엘리먼트 bit_depth_minus8로 나타낼 수 있다. 상기 픽처 너비 정보는, 예를 들어, 신텍스 엘리먼트 picture_width로 나타낼 수 있다. 상기 픽처 높이 정보는, 예를 들어, 신텍스 엘리먼트 picture_height로 나타낼 수 있다. 상기 엔티티 카운트 정보는, 예를 들어, 신텍스 엘리먼트 entity_count로 나타낼 수 있다. 상기 엔티티 인덱스 정보는, 예를 들어, 신텍스 엘리먼트 entity_idx로 나타낼 수 있다.
또한, 상기 작동 포인트 정보 샘플 그룹 즉, 'vopi' 샘플 그룹의 신텍스에 대한 시멘틱(semantics)은 다음의 표와 같을 수 있다.
[표 2]
Figure PCTKR2021018526-appb-I000004
Figure PCTKR2021018526-appb-I000005
Figure PCTKR2021018526-appb-I000006
Figure PCTKR2021018526-appb-I000007
또한, 예를 들어, 작동 포인트 엔티티 그룹은 작동 포인트에 대한 트랙 매핑 및 작동 포인트의 프로파일 레벨 정보(profile level information)를 제공하도록 정의될 수 있다.
상기 작동 포인트 엔티티 그룹에 설명된 작동 포인트에 매핑된 트랙의 샘플을 집계하는(aggregating) 경우에 암시적 복원 프로세스(implicit reconstruction process)는 일치하는(conforming) VVC 비트스트림을 얻기 위해 더 이상의 VCL NAL 유닛을 제거할 필요가 없다. 상기 작동 포인트 엔티티 그룹에 속하는 트랙은 상기 작동 포인트 엔티티 그룹에 표시된 group_id에 대한 타입 'oref'의 트랙 레퍼런스를 가져야 하고, 'vopi' 샘플 그룹을 운반하지 않아야 한다.
또한, 상기 작동 포인트 엔티티 그룹에 포함된 모든 entity_id 값들은 동일한 VVC 비트스트림에 속하는 트랙들의 트랙 ID들을 나타내야 한다. 존재하는 경우, OperatingPointGroupBox는 파일-레벨(file-level) MetaBox의 GroupsListBox에 포함되며 다른 레벨들의 MetaBox에는 포함되지 않는다. 여기서, OperatingPointGroupBox는 상기 작동 포인트 엔티티 그룹을 나타낼 수 있다.
상술한 상기 작동 포인트 엔티티 그룹의 신텍스는 아래의 표와 같을 수 있다.
[표 3]
Figure PCTKR2021018526-appb-I000008
Figure PCTKR2021018526-appb-I000009
예를 들어, 상술한 표 3을 참조하면, 작동 포인트 엔티티 그룹은 작동 포인트 리스트에 관련된 정보를 포함할 수 있다. 작동 포인트 리스트에 관련된 정보는, 예를 들어, 작동 포인트 개수 정보, OLS 인덱스 정보, 최대 시간적 ID 정보, 프레임 레이트 정보 플래그, 프레임 레이트 정보, 비트 레이트 정보 플래그, 비트 레이트 정보, 크로마 포멧 idc 정보, 비트 뎁스 정보, 픽처 너비 정보, 픽처 높이 정보, 엔티티 카운트 정보 및 엔티티 인덱스 정보를 포함할 수 있다.
상기 작동 포인트 개수 정보는, 예를 들어, 신텍스 엘리먼트 op_in_sample_entry_included_flag로 나타낼 수 있다. 상기 OLS 인덱스 정보는, 예를 들어, 신텍스 엘리먼트 ols_idx로 나타낼 수 있다. 상기 최대 시간적 ID 정보는, 예를 들어, 신텍스 엘리먼트 max_temporal_id로 나타낼 수 있다. 상기 프레임 레이트 정보 플래그는, 예를 들어, 신텍스 엘리먼트 frame_rate_info_flag 로 나타낼 수 있다. 상기 프레임 레이트 정보는, 예를 들어, 신텍스 엘리먼트 avgFrameRate 및 constantFrameRate를 포함할 수 있다. 상기 비트 레이트 정보 플래그는, 예를 들어, 신텍스 엘리먼트 bit_rate_info_flag 로 나타낼 수 있다. 상기 비트 레이트 정보는, 예를 들어, 신텍스 엘리먼트 maxBitRate 및 avgBitRate를 포함할 수 있다. 상기 크로마 포멧 idc 정보는, 예를 들어, 신텍스 엘리먼트 chroma_format_idc 로 나타낼 수 있다. 상기 비트 뎁스 정보는, 예를 들어, 신텍스 엘리먼트 bit_depth_minus8로 나타낼 수 있다. 상기 픽처 너비 정보는, 예를 들어, 신텍스 엘리먼트 picture_width로 나타낼 수 있다. 상기 픽처 높이 정보는, 예를 들어, 신텍스 엘리먼트 picture_height로 나타낼 수 있다. 상기 엔티티 카운트 정보는, 예를 들어, 신텍스 엘리먼트 entity_count로 나타낼 수 있다. 상기 엔티티 인덱스 정보는, 예를 들어, 신텍스 엘리먼트 entity_idx로 나타낼 수 있다.
또한, 상기 작동 포인트 엔티티 그룹의 신텍스에 대한 시멘틱(semantics)은 다음의 표와 같을 수 있다.
[표 4]
Figure PCTKR2021018526-appb-I000010
Figure PCTKR2021018526-appb-I000011
Figure PCTKR2021018526-appb-I000012
Figure PCTKR2021018526-appb-I000013
또한, 예를 들어, 미디어 파일은 영상/비디오 컨텐츠에 대한 디코더 구성 정보(decoder configuration information)를 포함할 수 있다. 즉, 미디어 파일은 디코더 구성 정보를 포함하는 VVC 디코더 구성 레코드(VVC decoder configuration record)를 포함할 수 있다.
상기 VVC 디코더 구성 레코드가 샘플 엔트리에 저장된 경우, 상기 VVC 디코더 구성 레코드는 파라미터 세트, DCI, OPI 및 SEI NAL 유닛 뿐만 아니라 상기 VVC 디코더 구성 레코드에 포함된 NAL 유닛의 길이(length)를 나타내기 위해 각 샘플에 사용된 길이 필드(length field)의 사이즈를 포함할 수 있다. 상기 VVC 디코더 구성 레코드는 외부에서 구성(frame)될 수 있다(상기 VVC 디코더 구성 레코드의 사이즈는 상기 VVC 디코더 구성 레코드를 포함하는 구조에서 제공됨).
또한, 상기 VVC 디코더 구성 레코드는 버전 필드(version field)를 포함할 수 있다. 예를 들어, 본 문서에서의 버전은 상기 VVC 디코더 구성 레코드의 버전 1을 정의할 수 있다. 상기 VVC 디코더 구성 레코드에 대한 호환되지 않는 변경 사항은 버전 번호 변경으로 표시될 수 있다. 버전 번호가 인식되지 않는 경우, 리더(readers)는 상기 VVC 디코더 구성 레코드 또는 해당 레코드가 적용되는 스트림을 디코딩하지 않아야 한다.
상기 VVC 디코더 구성 레코드에 대한 호환 가능한 확장(Compatible extensions)은 구성 버전 코드를 변경하지 않을 수 있다. 리더는 상기 리더가 이해하는 데이터의 정의를 넘어서는 인식되지 않는 데이터를 무시할 준비가 되어 있어야 한다.
트랙이 기본적으로(natively) VVC 비트스트림을 포함하는 경우 또는 'subp' 트랙 레퍼런스들을 통하여 해결하는 경우, VvcPtlRecord가 상기 디코더 구성 레코드에 존재해야 하고, 이 경우 VVC 비트스트림에 대한 특정한 아웃풋 레이어 세트(output layer set)가 output_layer_set_idx 필드에 의해 지시된다. 또한, 트랙의 디코더 구성 레코드 내 ptl_present_flag가 0인 경우, 상기 트랙은 VVC 트랙 또는 'opeg' 엔티티 그룹 중 어느 것을 참조하는 ID에 대한 'oref' 트랙 레퍼런스를 가져야 한다.
상기 VVC 디코더 구성 레코드에서 설명하는 스트림이 디코딩되는 경우, VvcPTRecord, chroma_format_idc 및 bit_depth_minus8의 신텍스 엘리먼트들의 값들은 참조되는 모든 파라미터 세트들에 대하여 유효할 수 있다. 특히 다음과 같은 제한이 적용될 수 있다.
- 프로파일 표시(profile indication) general_profile_idc는 이 구성 레코드의 output_layer_set_idx에 의해 식별되는 아웃풋 레이어 세트가 준수하는 프로파일을 나타냄.
티어 표시(tier indication) general_tier_flag는 이 구성 레코드의 output_layer_set_idx에 의해 식별되는 아웃풋 레이어 세트가 준수하는 (모든 파라미터 세트 내의) 모든 profile_tier_level() 신택스 구조들에 표시된 가장 높은 티어보다 크거나 같은 티어를 나타낼 수 있다.
general_constraint_info의 각 비트는 이 구성 레코드의 output_layer_set_idx에 의해 식별되는 아웃풋 레이어 세트가 준수하는 (모든 파라미터 세트 내의) 모든 profile_tier_level() 신택스 구조 내의 모든 general_constraints_info() 신택스 구조가 비트를 설정하는 경우에만 설정할 수 있다.
레벨 표시(level indication) general_level_idc는 이 구성 레코드의 output_layer_set_idx에 의해 식별되는 아웃풋 레이어 세트가 준수하는 (모든 파라미터 세트 내의) 모든 profile_tier_level() 신택스 구조에서 가장 높은 레벨과 같거나 더 큰 능력의 레벨(a level of capability)을 나타낼 수 있다.
또한, chroma_format_idc에는 다음 제약 조건이 적용될 수 있다.
- 상기 구성 레코드가 적용되는 VVC 스트림이 단일 레이어 비트스트림인 경우, ISO/IEC 23090-3에 정의된 sps_chroma_format_idc의 값은 현재 샘플 엔트리 디스크립션이 적용되는 샘플들 내의 VCL NAL 유닛들에 의해 참조되는 모든 SPS들 내에서 동일해야 하고, chroma_format_idc의 값은 sps_chroma_format_idc의 값과 동일해야 함.
- 그렇지 않은 경우 (상기 구성 레코드가 적용되는 VVC 스트림이 멀티 레이어 비트스트림인 경우), ISO/IEC 23090-3에 정의된 vps_ols_dpb_chroma_format[ MultiLayerOlsIdx[ output_layer_set_idx ] ]의 값은 현재 샘플 엔트리 디스크립션이 적용되는 모든 CVS에 대해 같아야 하고, chroma_format_idc의 값은 vps_ols_dpb_chroma_format[ MultiLayerOlsIdx[ output_layer_set_idx ] ]의 값과 같아야 함.
또한, bit_depth_minus8에는 다음 제약 조건이 적용될 수 있다.
- 상기 구성 레코드가 적용되는 VVC 스트림이 싱글 레이어 비트스트림인 경우, ISO/IEC 23090-3에 정의된 sps_bitdepth_minus8의 값은 현재 샘플 엔트리 디스트립션이 적용되는 샘플의 VCL NAL 유닛들에 의해 참조되는 모든 SPS들 내에서 같아야 하고, bit_deptch_minus8의 값은 sps_bitdepth_minus8의 값과 동일해야 함.
- 그렇지 않은 경우 (상기 구성 레코드가 적용되는 VVC 스트림이 멀티 레이어 비트스트림인 경우), ISO/IEC 23090-3에 정의된 vps_ols_dpb_bitdepth _minus8[ MultiLayerOlsIdx[ output_layer_set_idx ] ]의 값은 현재 샘플 엔트리 디스크립션이 적용되는 모든 CVS에 대해 같아야 하고, bit_deptch_minus8의 값은 vps_ols_dpb_bitdepth_minus8[ MultiLayerOlsIdx[ output_layer_set_idx ] ]의 값과 같아야 함.
또한, picture_width에는 다음 제약 조건이 적용될 수 있다.
- 상기 구성 레코드가 적용되는 VVC 스트림이 싱글 레이어 비트스트림인 경우, ISO/IEC 23090-3에 정의된 sps_pic_width_max_in_luma_samples의 값은 현재 샘플 엔트리 디스트립션이 적용되는 샘플의 VCL NAL 유닛들에 의해 참조되는 모든 SPS들 내에서 같아야 하고, picture_width의 값은 sps_pic_width_max_in_luma_samples의 값과 동일해야 함.
- 그렇지 않은 경우 (상기 구성 레코드가 적용되는 VVC 스트림이 멀티 레이어 비트스트림인 경우), ISO/IEC 23090-3에 정의된 vps_ols_dpb_pic_width [ MultiLayerOlsIdx[ output_layer_set_idx ] ]의 값은 현재 샘플 엔트리 디스크립션이 적용되는 모든 CVS에 대해 같아야 하고, picture_width의 값은 vps_ols_dpb_pic_width[ MultiLayerOlsIdx[ output_layer_set_idx ] ]의 값과 같아야 함.
또한, picture_heith에는 다음 제약 조건이 적용될 수 있다.
- 상기 구성 레코드가 적용되는 VVC 스트림이 싱글 레이어 비트스트림인 경우, ISO/IEC 23090-3에 정의된 sps_pic_height_max_in_luma_samples의 값은 현재 샘플 엔트리 디스트립션이 적용되는 샘플의 VCL NAL 유닛들에 의해 참조되는 모든 SPS들 내에서 같아야 하고, picture_height의 값은 sps_pic_height_max_in_luma_samples의 값과 동일해야 함.
- 그렇지 않은 경우 (상기 구성 레코드가 적용되는 VVC 스트림이 멀티 레이어 비트스트림인 경우), ISO/IEC 23090-3에 정의된 vps_ols_dpb_pic_height [ MultiLayerOlsIdx[ output_layer_set_idx ] ]의 값은 현재 샘플 엔트리 디스크립션이 적용되는 모든 CVS에 대해 같아야 하고, picture_height의 값은 vps_ols_dpb_pic_height[ MultiLayerOlsIdx[ output_layer_set_idx ] ]의 값과 같아야 함.
VVC 비디오 기본 스트림에서 사용되는 다른 중요한 포멧 정보뿐만 아니라 크로마 포멧(chroma format) 및 비트 뎁스(bit depth)에 대한 명시적 표시(Explicit indication)가 VVC 디코더 구성 레코드에서 제공될 수 있다. 두 시퀀스의 VUI 정보에서 색상 스페이스 또는 비트 뎁스 표시(color space or bit depth indications)가 다른 경우, 두 개의 다른 VVC 샘플 엔트리들이 필요할 수 있다.
또한, 예를 들어, 상기 VVC 디코더 구성 레코드에는 초기화 non-VCL NAL 유닛(initialization NAL units)을 전달하는 어레이들의 세트가 있을 수 있다. 상기 NAL 유닛 타입들은 DCI, OPI, VPS, SPS, PPS, 프리픽스(prefix) APS 및 프리픽스 SEI NAL 유닛만을 나타내도록 제한될 수 있다. ISO/IEC 23090-3 및 본 문서에서 예약된(reserved) NAL 유닛 타입은 미래에 정의될 수 있으며, 리더는 NAL 유닛 타입의 예약 또는 허용되지 않은 값이 있는 어레이들은 무시해야 할 수 있다.
한편, 어레이들은 DCI, OPI, VPS, SPS, PPS, 프리픽스(prefix) APS, 프리픽스 SEI 의 순서로 있을 수 있다.
상술한 상기 VVC 디코더 구성 레코드의 신텍스는 아래의 표와 같을 수 있다.
[표 5]
Figure PCTKR2021018526-appb-I000014
Figure PCTKR2021018526-appb-I000015
또한, 상기 VVC 디코더 구성 레코드의 신텍스에 대한 시멘틱(semantics)은 다음의 표와 같을 수 있다.
[표 6]
Figure PCTKR2021018526-appb-I000016
Figure PCTKR2021018526-appb-I000017
Figure PCTKR2021018526-appb-I000018
한편, 상술한 미디어 파일은 트랙을 포함할 수 있다. 즉, 비디오/영상 데이터를 포함하는 비트스트림은 상술한 트랙 내 저장되어 미디어 파일을 형성할 수 있다. 상기 트랙의 유형, 보다 구체적으로, VVC 기본 스트림(VVC elementary streams)의 운송을 위한 트랙의 유형은 다음 표와 같을 수 있다.
[표 7]
Figure PCTKR2021018526-appb-I000019
a) VVC 트랙:
VVC 트랙은 VVC 트랙의 샘플 및/또는 샘플 엔트리에 NAL 유닛을 포함시키고, 다른 VVC 비트스트림의 서브 레이어들을 포함하는 VVC 트랙을 참조하거나, VVC 서브픽처 트랙들을 참조함으로써 VVC 비트스트림을 나타낼 수 있다. VVC 트랙이 VVC 서브픽처 트랙들을 참조하는 경우, 상기 VVC 트랙은 VVC 베이스 트랙이라고 불릴 수 있다.
b) VVC non-VCL 트랙
ALF, LMCS, 또는 스케일링 리스트 파라미터(scaling list parameters)을 운반하는 APS 및 기타 non-VCL NAL 유닛들이 VCL NAL 유닛들을 포함하는 트랙과 다른 트랙을 통해 저장되고 전송될 수 있다. 이 트랙이 VVC non-VCL 트랙이다.
c) VVC 서브픽처 트랙
1) 서브 픽처 트랙은 다음 중 하나를 포함한다.
1-1) 하나 이상의 VVC 서브픽처의 시퀀스
1-2) 직사각형 영역을 형성하는 하나 이상의 완전한 슬라이스 시퀀스
2) 서브픽처 트랙의 샘플은 다음 중 하나를 포함한다.
2-1) 디코딩 순서가 연속하고 ISO/IEC 23090-3에 명시된 하나 이상의 완전한 서브픽처
2-2) 디코딩 순서가 연속하고 직사각형 영역을 형성하는 ISO/IEC 23090-3에 명시된 하나 이상의 완전한 슬라이스
VVC 서브픽처 트랙의 임의의 샘플에 포함되는 VVC 서브픽처 트랙들 또는 슬라이스들은 디코딩 순서로 연속한다.
VVC non-VCL 트랙들 및 VVC 서브픽처 트랙들은 다음과 같이 스트리밍 어플리케이션 내 VVC 비디오를 최적으로 전달할 수 있게 한다. 상기 트랙들은 각각 자체의 DASH 표현(representation)으로 운반될 수 있고, 트랙들의 부분집합의 디코딩과 렌더링을 위하여 VVC 서브 픽처 트랙의 부분집합을 포함하는 DASH 표현과 non-VCL 트랙들을 포함하는 DASH 표현은 세그먼트 별로 클라이언트에 의해 요청될 수 있다. 이러한 방식으로, APS 및 기타 non-VCL NAL 유닛들의 중복 전송을 피할 수 있다.
VVC 서브픽처 트랙들을 참조하는 VVC 트랙 내의 샘플로부터 픽처 유닛을 복원하는 방법은 다음과 같을 수 있다.
한편, 멀티 레이어 VVC 비트스트림을 전달하는 다중 트랙들(multiple tracks)의 샘플들에서 액세스 유닛(access unit)을 복원(reconstruct)하기 위하여 먼저 작동 포인트가 결정될 수 있다. 예를 들어, VVC 비트스트림이 복수의 VVC 트랙들로 표현되는 경우, 파일 파서(file parser)는 다음과 같이 선택된 작동 포인트에 필요한 트랙들을 식별할 수 있다.
- 파일 내에 있는 'opeg' 엔티티 그룹들은 물론, 'vvcb' 엔티티 그룹들 및 상응하는 'vopi' 샘플 그룹들에 기반하여 VVC 비트스트림을 선택할 수 있다.
- '디코딩 캐파시티(decoding capacity) 및 어플리케이션 목적(application purposes)에 적합한 'opeg' 엔티티 그룹 또는 'vopi' 샘플 그룹에서 작동 포인트를 선택할 수 있다.
- 'opeg' 엔티티 그룹이 존재하는 경우, 선택된 작동 포인트를 정확히 나타내는 트랙들의 세트를 나타낼 수 있다. 따라서, VVC 비트스트림은 상기 트랙들의 집합으로부터 복원될 수 있고, 디코딩될 수 있다.
- 'opeg' 엔티티 그룹이 존재하지 않는 경우 (즉, 'vopi' 그룹이 존재하는 경우), 'vvcb' 엔티티 그룹 및 'vopi' 샘플 그룹으로부터, 상기 선택된 작동 포인트를 디코딩하는데 필요한 트렉들의 세트를 결정할 수 있다.
VVC 비트스트림을 전달하는 복수의 VVC 트랙들로부터 비트스트림을 복원하기 위하여 먼저 TemporalId의 타겟 최고값을 결정해야 할 필요가 있을 수 있다. 복수의 트랙들이 액세스 유닛에 대한 데이터를 포함하는 경우, 트랙들 내 각 샘플들의 정렬은 샘플 디코딩 시간들(sample decoding times)을 기반으로 수행될 수 있다. 즉, 에디트 리스트들(edit lists)을 고려하지 않고 샘플 시간 테이블(time-to-sample table)을 사용할 수 있다.
VVC 비트스트림이 복수의 VVC 트랙들로 표현되는 경우, 디코딩 시간을 늘려 트랙들이 단일 스트림으로 결합되면 샘플들의 디코딩 시간들은 ISO/IEC 23090-3에 지정된 대로 액세스 유닛 순서(access unit order)가 정확하도록 해야 할 수 있다. 한편, 액세스 유닛들의 시퀀스(sequence)는 아래와 같이 설명되는 암시적 복원 프로세스에 따라 필요한 트랙들의 각 샘플로부터 복원될 수 있다. 예를 들어, VVC 비트스트림의 암시적 복원 프로세스는 다음과 같을 수 있다.
예를 들어, 작동 포인트 정보 샘플 그룹(Operating Points Information sample group)이 존재하는 경우, 필요한 트랙은 작동 포인트 정보 및 샘플 그룹들에 표시된 대로 전달하는 레이어와 참조 레이어를 기반으로 선택될 수 있다.
또한, 예를 들어, 작동 포인트 엔티티 그룹(Operating Points Entity Group)이 존재하는 경우, OperatingPointGroupBox의 정보를 기반으로 필요한 트랙이 선택될 수 있다.
또한, 예를 들어, VCL NAL 유닛이 0보다 큰 TemporalId를 갖는 서브레이어를 포함하는 비트스트림을 복원하는 경우, 동일한 레이어 내의 모든 하위 서브레이어들(즉, VCL NAL 유닛이 더 작은 TemporalId를 갖는 서브레이어들)도 결과 비트스트림에 포함되고 그에 따라 필요한 트랙이 선택될 수 있다.
또한, 예를 들어, 액세스 유닛을 복원하는 경우, 동일한 디코딩 시간을 갖는 샘플들로부터 픽처 유닛들(ISO/IEC 23090-3에 규정됨)은 nuh_layer_id 값의 오름차순으로 액세스 유닛에 배치될 수 있다. 엑세스 유닛에 대한 복수의 픽처 유닛들 중 적어도 하나가 AUD NAL 유닛을 가지는 경우, 첫 번째 픽처 유닛(즉, 가장 작은 nuh_layer_id의 값을 가지는 픽처 유닛)은 AUD NAL 유닛을 가져야 하고, 오직 상기 첫 번째 픽처 유닛의 AUD NAL 유닛만이 복원된 엑세스 유닛에 보관되고, 다른 AUD NAL 유닛들이 존재한다면 상기 다른 AUD NAL 유닛들은 폐기될 수 있다(discarded). 이러한 복원된 엑세스 유닛에서, AUD NAL 유닛이 그 값이 1인 aud_irap_or_gdr_flag를 가지고 복원된 엑세스 유닛이 IRAP 또는 GDR 엑세스 유닛이 아닌 경우, AUD NAL 유닛의 aud_irap_or_gdr_flag의 값은 0과 같도록 설정된다. 예를 들어, 첫 번째 PU의 AUD NAL 유닛이 값이 1인 aud_irap_or_gdr_flag를 가지고, 별도의 트랙내의 같은 엑세스 유닛이 IRAP 또는 GDR 픽처가 아닌 픽처를 가지는 것이 가능할 수 있다. 이 경우, 예를 들어, 복원된 엑세스 유닛 내 AUD NAL 유닛의 aud_irap_or_gdr_flag의 값은 1에서 0으로 변경될 수 있다.
또한, 예를 들어, 작동 포인트 엔티티 그룹이 존재하지 않는 경우, 동일한 레이어나 서브레이어를 전달하는 트랙들 중에서 선택한 후, 최종 필요한 트랙은 여전히 대상 작동 포인트에 속하지 않는 일부 레이어나 서브레이어를 집합적으로 전달할 수 있다. 대상 작동 포인트에 대하여 복원된 비트스트림은 최종 필요한 트랙에서 전달되지만 상기 대상 작동 포인트에 속하지 않는 레이어 또는 서브레이어는 포함되지 않을 수 있다. 예를 들어, VVC 디코더 실행(implementations)은 ISO/IEC 23090-3의 8절에 있는 TargetOlsIdx 및 HighestTid 변수에 각각 해당하는 타겟 아웃풋 레이어 세트 인덱스 및 타겟 작동 포인트의 최대 TemporalID 값에 대응되는 비트스트림을 입력으로 사용할 수 있다. 파일 파서는 복원된 비트스트림을 VVC 디코더로 보내기 전에 타겟 작동 포인트에 포함된 것들 외에 다른 레이어들 및 서브 레이어들을 포함하지 않는지 확인해야 한다.
또한, 예를 들어, 종속 레이어들(dependent layers)로 액세스 유닛을 복원하고 max_tid_il_ref_pics_plus1이 0보다 큰 경우, 동일한 레이어 내의 max_tid_il_ref_pics_plus1 - 1 (작동 포인트 정보 샘플 그룹에서 표시됨) 보다 작거나 같은 TemporalId를 갖는 VCL NAL 유닛에 대한 레이어들의 서브레이어들만이 결과 비트스트림에 포함되고 그에 따라 필요한 트랙이 선택될 수 있다.
또한, 예를 들어, 종속 레이어들(dependent layers)로 액세스 유닛을 복원하고 max_tid_il_ref_pics_plus1이 0과 같은 경우, 참조 레이어들의 모든 픽처 유닛들로부터, 값이 0인 ph_recovery_poc_cnt을 가지는 GDR 픽처 유닛들 및 IRAP 픽처 유닛들이 결과 비트스트림에 포함되고 그에 따라 필요한 트랙이 선택될 수 있다.
또한, 예를 들어, VVC 트랙이 'subp' 트랙 레퍼런스를 포함하는 경우, 각 픽처 유닛은 아래에 지정된 EOS 및 EOB NAL 유닛에 대한 추가 제약과 함께 ISO/IEC 23090-3의 11.6.3절에 지정된 대로 복원될 수 있다. ISO/IEC 23090-3의 11.6.3절의 프로세스는 nuh_layer_id가 증가하는 순서로 타겟 작동 포인트의 각 레이어에 대해 반복될 수 있다. 그렇지 않으면, 각각의 픽처 유닛은 다음과 같이 복원될 수 있다.
복원된 액세스 유닛들은 디코딩 시간의 증가하는 순서로 VVC 비트스트림에 배치될 수 있고, 아래에서 추가로 설명되는 바와 같이, EOB 및 EOS NAL 유닛의 중복(duplicates)은 VVC 비트스트림에서 제거될 수 있다.
또한, 예를 들어, VVC 비트스트림의 동일한 코딩된 비디오 시퀀스 내에 있고 다중 트랙에 저장된 상이한 서브레이어에 속하는 액세스 유닛들에 대하여, 각각의 샘플들에서 특정 nuh_layer_id 값을 갖는 EOS NAL 유닛을 포함하는 하나 이상의 트랙이 있을 수 있다. 이 경우, EOS NAL 유닛들 중 하나만이 최종 복원된 비트스트림에서 상기 액세스 유닛들 중 마지막 액세스 유닛(가장 큰 디코딩 시간을 갖는 유닛)에 유지될 수 있고, 상기 액세스 유닛들 중 마지막 액세스 유닛의 EOB NAL 유닛(존재하는 경우)을 제외한 모든 NAL 유닛 뒤에 배치될 수 있고, 다른 EOS NAL 유닛은 삭제될 수 있다. 유사하게, 각각의 샘플에 EOB NAL 유닛을 포함하는 하나 이상의 트랙이 있을 수 있다. 이 경우, EOB NAL 유닛들 중 하나만이 최종 복원된 비트스트림에 유지될 수 있고, 이러한 액세스 유닛들의 마지막 끝에 배치될 수 있고 다른 EOB NAL 유닛은 삭제될 수 있다.
또한, 예를 들어, 특정 레이어 또는 서브레이어가 하나 이상의 트랙으로 표현될 수 있기 때문에, 작동 포인트에 대하여 필요한 트랙을 알아낼 때, 상기 특정 레이어 또는 상기 서브레이어를 모두 전달하는 트랙들의 세트 중에서 선택해야 할 수도 있다.
한편, VVC 트랙의 샘플은, 아래 표의 순서대로, 이어지는 NAL 유닛을 포함하는 픽처 유닛으로 리졸브(resolve)될 수 있다.
[표 8]
Figure PCTKR2021018526-appb-I000020
- 상기 표 8을 참조하면, 예들 들어, 상기 샘플에 존재하는 경우, AUD NAL 유닛. 예를 들어, AUD NAL 유닛이 샘플에 존재하는 경우, 샘플 내 첫 번째 NAL 유닛일 수 있다.
- 상기 표 8을 참조하면, 예들 들어, 상기 샘플이 동일한 샘플 엔트리와 연관된 샘플들의 시퀀스의 첫 번째 샘플인 경우, 상기 샘플 앤트리 내 포함된 파라미터 세트 및 SEI NAL 유닛(존재하는 경우)
- 상기 표 8을 참조하면, 예들 들어, 샘플 내에 EOS_NUT, EOB_NUT, SUFFIX_APS_NUT, SUFFIX_SEI_NUT, FD_NUT, RSV_NVCL_27, UNSPEC_30, 또는 UNSPEC_31과 같은 nal_unit_type을 가지는 NAL 유닛이 적어도 하나 존재하는 경우(이러한 NAL 유닛 타입을 가지는 NAL 유닛은 픽처 유닛 내 첫 번째 VCL NAL 유닛보다 선행할 수 없음), 이러한 NAL 유닛들의 첫 번째 NAL 유닛 제외한 NAL 유닛까지 샘플 내의 NAL 유닛들. 그렇지 않은 경우, 모든 샘플 내 NAL 유닛들.
- 상기 표 8을 참조하면, 예들 들어, 'subp' 트랙 레퍼런스 내에서 참조된 VVC 서브픽처 트랙들의 순서대로 또는 DCI, OPI, VPS, SPS, PPS, AUD, PH, EOS, EOB 및 다른 AU-level 또는 picture-level non_VCL NAL 유닛들 모두를 제외한, 상기 샘플에 매핑된 'spor' 샘플 그룹 디스크립션 엔트리에서 지정된 순서대로 각각 참조된 VVC 서브픽처 트랙에서 (디코딩 시간으로) 시간 정렬된 리졸브된 샘플 (time-algined resolved sample)의 컨텐츠(존재하는 경우). 상기 트랙 레퍼런스는 다음과 같이 리졸브될 수 있다. 참조되는 VVC 서브픽처 트랙이 VVC non-VCL 트랙과 연관되는 경우, VVC 서브픽처 트랙의 상기 리졸브된 샘플은 VVC non-VCL 트랙에서 시간 정렬된 non-VCL 유닛(들)을 포함한다(존재하는 경우).
- 상기 표 8을 참조하면, 예들 들어, EOS_NUT, EOB_NUT, SUFFIX_APS_NUT, SUFFIX_SEI_NUT, FD_NUT, RSV_NVCL_27, UNSPEC_30, 또는 UNSPEC_31와 같은 nal_unit_type을 가지는 샘플 내 모든 NAL 유닛들.
한편, 상기 샘플과 매핑된 'spor' 샘플 그룹 디스크립션 엔트리 내 num_subpic_ref_idx가 0과 같은 경우, 'subp' 박스 내 각각의 트랙 레퍼런스는 다음 표와 같이 리졸브될 수 있다. 그렇지 않은 경우, 상기 샘플에 매핑된 'spor' 샘플 그룹 디스크립션 엔트리 내 트랙 레퍼런스 subp_track_ref_idx의 각각의 인스턴스(instance)는 다음 표와 같이 리졸브될 수 있다. 예를 들어, 'subp' 트랙 레퍼런스로부터 리졸브된 VVC 베이스 트랙의 샘플 각각은 홀(holes)이 없고(즉, 직사각형 영역 내 모든 샘플은 커버됨) 겹침(overlaps)이 없는(즉, 직사각형 영역 내 모든 샘플들은 한번만 커버됨) 직사각형 영역(rectangular region)을 형성할 수 있다.
[표 9]
Figure PCTKR2021018526-appb-I000021
- 상기 표 9를 참조하면, 예들 들어, 트랙 래퍼런스가 VVC 서브픽처 트랙의 트랙 ID를 가리키는 경우, 트랙 래퍼런스는 VVC 서브픽처 트랙으로 리졸브될 수 있다.
- 상기 표 9를 참조하면, 예들 들어, 이외의 경우(즉, 트랙 래퍼런스가 'alte' 트랙 그룹을 가리키는 경우), 트랙 래퍼런스는 'alte' 트랙 그룹의 임의의 트랙으로 리졸브될 수 있고, 특정 트랙 래퍼런스 인덱스의 값이 이전 샘플의 특정 샘플로 리졸브된 경우, 현재 샘플에서 다음 중 하나로 리졸브되어야 할 수 있다.
- 상기 같은 특정 트랙, 또는
- 현재 샘플과 시간 정렬된 sync 샘플을 포함하는 같은 'alte' 트랙 그룹 내 임의의 다른 트랙
상기 표 9를 참조하면, 예를 들어, 디코딩 미스매치를 피하기 위해 상기 같은 'alte' 트랙 내의 VVC 서브픽처 트랙은 필수적으로 다른 같은 VVC 베이스 트랙에 의해 참조되는 모든 VVC 서브픽처 트랙들과 독립적이어야 할 수 있고, 따라서 다음과 같이 제한될 수 있다.
- 모든 VVC 서브픽처 트랙은 VVC 서브픽처를 포함한다.
- 서브픽처의 경계(들)은 픽처의 경계(들)과 같아야 한다.
한편, 리더(reader)가 최초의 선택(initial selection)이거나 이전 선택(previous selection)과는 다른 서브픽처 ID 값 세트를 가지는 VVC 서브픽처를 포함하는 VVC 서브픽처 트랙들을 선택하는 경우, 아래 표의 스텝들이 수행될 수 있다.
[표 10]
Figure PCTKR2021018526-appb-I000022
- 상기 표 10을 참조하면, 예들 들어, PPS 또는 SPS NAL 유닛이 변경되어야할 필요가 있는지 여부를 결론내리기 위해 'spor' 샘플 그룹 디스크립션 엔트리가 스터디될 수 있다. SPS 변경은 오직 CLVS의 시작지점에서만 가능할 수 있다.
- 상기 표 10을 참조하면, 예들 들어, 'spor' 샘플 그룹 디스크립션 엔트리가 시작 코드 에뮬레이션 방지 바이트(start code emulation prevention bytes)가 포함하는 NAL 단위의 서브픽처 ID 안이나 앞에 존재함을 나타내는 경우, RBSP는 NAL 단위에서 도출될 수 있다(즉, 시작 코드 에뮬레이션 방지 바이트는 제거될 수 있다). 다음 스텝에서 재정의(overriding)된 이후, 시작 코드 에뮬레이션 방지는 다시 수행될 수 있다.
- 상기 표 10을 참조하면, 예들 들어, 리더(reader)는 비트 포지션과 'spor' 샘플 그룹 엔트리 내의 서브픽처 ID 길이 정보를 사용하여 서브픽처 ID를 선택된 것으로 업데이트하기 위해 덮어쓸 비트를 결정할 수 있다.
- 상기 표 10을 참조하면, 예들 들어, PPS 또는 SPS의 서브픽처 ID 값이 최초로 선택된 경우, 리더(reader)는 복원된 엑세스 유닛에서 선택된 서브픽처 ID 값으로 PPS 또는 SPS 각각을 다시 작성할 필요가 있을 수 있다.
- 상기 표 10을 참조하면, 예들 들어, PPS 또는 SPS의 서브픽처 ID 값이 같은 PPS ID 값 또는 SPS ID 값(각각)과 이전 PPS 또는 SPS(각각)을 비교하여 변경된 경우, 리더(reader)는 이전 PPS 및 SPS의 복사본을 포함해야 하고, PPS 또는 SPS(각각)을 복원된 엑세스 유닛에서 업데이트된 서브픽처 ID 값으로 재작성해야 할 필요가 있을 수 있다.
한편, VVC 베이스 트랙의 샘플에 맵핑된 'minp' 샘플 그룹 디스크립션 엔트리가 존재하는 경우, 다음 표의 오퍼레이션이 적용될 수 있다.
[표 11]
Figure PCTKR2021018526-appb-I000023
- 상기 표 11을 참조하면, 예들 들어, pps_mixed_nalu_types_in_pic_flagd의 값을 결정하기 위해 상기 'minp' 샘플 그룹 디스크립션 엔트리가 스터디될 수 있다.
- 상기 표 11을 참조하면, 예들 들어, 상기 값이 복원된 비트스트림 내 같은 PPS ID를 가지는 이전 PPS NAL 유닛의 그것과 다른 경우, 다음이 적용될 수 있다.
- PPS가 위의 단계에 의한 픽처에 포함되지 않은 경우, 리더(reader)는 복원된 픽처 유닛 내 업데이트된 pps_mixed_nalu_types_in_pic_flag의 값을 가지는 PPS의 사본(copy)을 포함해야 한다.
- 리더(reader)는 어떤 비트가 pps_mixed_nalu_types_in_pic_flag를 업데이트하기 위해 덮어 쓰여 졌는지를(overwritten) 결정하기 위하여 'minp' 샘플 그룹 엔트리의 비트 포지션을 사용한다.
한편, ISO/IEC 14496-12에 명시된 스트림 액세스 포인트(SAP) 샘플 그룹 'sap'은 모든 SAP에 대한 정보를 제공하는 데 사용될 수 있다.
layer_id_method_idc가 0과 같은 경우의 시맨틱스는 ISO/IEC 14496-12에 명시된다.
layer_id_method_idc가 0과 같으면 SAP는 다음과 같이 해석된다.
- 샘플 엔트리 타입이 'vvc1' 또는 'vvi1'이고, 트랙이 TemporalId가 0인 서브레이어를 포함하지 않는 경우, SAP는 트랙에 있는 모든 서브레이어에 대한 액세스를 명시할 수 있다.
- 그렇지 않은 경우, SAP는 트랙 내에 존재하는 모든 레이어에 대한 엑세스를 명시할 수 있다.
예를 들어, 샘플 엔트리 타입이 'vvc1' 또는 'vvi1'이고, 트랙이 TemporalId가 0인 서브레이어를 포함하지 않는 경우, 트랙 내 존재하는 가장 낮은 TemporalId와 같은 TemporalId를 가지는 STSA 픽처는 SAP 역할을 할 수 있다.
layer_id_method_idc이 1과 같은 경우의 시맨틱스는 9.5.7절에 명시되어 있다.
VVC 비트스트림 내 GDR 픽처는 일반적으로 'sap' 샘플 그룹 내 SAP 타입 4로 표시될 수 있다.
예를 들어, VVC는 동일한 코딩된 픽처 내에서 서브픽처가 다른 VCL NAL 유닛 타입을 갖는 것을 가능하게 할 수 있다. 각 서브픽처 인덱스의 서브픽처를 픽처 범위 내에서 IRAP 서브픽처로 업데이트함으로써 점진적인 디코딩 리프레시(gradual decoding refresh)가 얻어질 수 있다. 그러나 VVC는 혼합된 VCL NAL 유닛 타입을 갖는 픽처로부터 시작하는 디코딩 프로세스는 명시하지 않을 수 있다.
다음 표 12의 모든 조건이 참인 경우, 표 13이 적용될 수 있다.
[표 12]
Figure PCTKR2021018526-appb-I000024
표 12를 참조하면, 상기 조건은 VVC 트랙의 샘플이 값이 1인 pps_mixed_nalu_types_in_pic_flag를 가지는 PPS를 참조하고, 0 이상 sps_num_subpics_minus1 이하의 범위의 서브픽처 인덱스 각각에 대하여, sps_subpic_treated_as_pic_flag[i]가 1과 같고, 동일한 CLVS의 현재 샘플 내에 또는 동일한 CLVS의 현재 샘플에 이어지는 동일한 서브픽처 인덱스 i를 갖는 IRAP 서브픽처를 적어도 하나 가지는 경우 만족될 수 있다.
[표 13]
Figure PCTKR2021018526-appb-I000025
표 13을 참조하면, 상기 표 12의 조건이 모두 만족되면, 상기 샘플은 타입 4의 SAP 샘플로 지시될 수 있고, 상기 샘플은, IRAP 서브픽처 이전의 특정 서브픽처 인덱스를 가지는 서브픽처의 디코딩을 생략하는 디코딩 프로세스에 대해 맞는 roll_distance 값을 가지는 'roll' 샘플 그룹 디스크립션 엔트리에 맵핑될 수 있다.
SAP 샘플 그룹들이 사용되는 경우, VVC 비트스트림을 운반하는 모든 트랙에서 사용되어야 한다.
한편, ISO/IEC 14496-12에 명시된 랜덤 액세스 리커버리 포인트 샘플 그룹 'roll'(random access recovery point sample group 'roll')은 점진적 디코딩 리프레시을 위한 리커버리 포인트에 대한 정보를 제공하는 데 사용될 수 있다.
'roll' 샘플 그룹이 VVC 트랙과 함께 사용되는 경우 grouping_type_parameter의 신택스 및 시맨틱스는 ISO/IEC 14496-12의 'sap' 샘플 그룹에 대한 것과 동일하게 지정될 수 있다.
0 및 1의 값을 가지는 layer_id_method_idc는 'roll' 샘플 그룹에 맵핑되는 샘플의 타겟 레이어의 픽처가 GDR 픽처인 경우 사용될 수 있다.
layer_id_method_idc가 0인 경우, 'roll' 샘플 그룹은 트랙에 있는 모든 레이어에 대한 동작을 명시할 수 있다.
layer_id_method_idc의 값이 1인 경우의 시맨틱스는 9.5.7절에서 명시된다.
2 및 3의 값을 가지는 layer_id_method_idc는 'roll' 샘플 그룹에 매핑되는 샘플의 타겟 레이어의 모든 픽처가 GDR 픽처는 아닌 경우에 사용될 수 있으며, GDR 픽처가 아닌 타겟 레이어의 픽처에 대해 다음 표가 적용될 수 있다.
[표 14]
Figure PCTKR2021018526-appb-I000026
표 14를 참조하면, 예를 들어, 참조되는 PPS는 1과 동일한 값을 가지는 pps_mixed_nalu_types_in_pic_flag를 가질 수 있다.
표 14를 참조하면, 예를 들어, 0 이상 sps_num_subpics_minus1 이하의 범위를 가지는 각 서브픽처 인덱스 i에 대해 다음 두 가지가 모두 참일 수 있다.
- sps_subpic_treated_as_pic_flag[i]의 값은 1임.
- 동일한 CLVS의 현재 샘플 내에 또는 동일한 CLVS의 현재 샘플에 이어지는 동일한 서브픽처 인덱스 i를 갖는 IRAP 서브픽처를 적어도 하나 존재함.
layer_id_method_idc가 2와 같은 경우, 'roll' 샘플 그룹은 트랙에 있는 모든 레이어에 대한 동작을 지정할 수 있다.
layer_id_method_idc의 값이 3인 경우의 시맨틱스는 9.5.7절에서 명시된다.
리더(reader)가 디코딩을 시작하기 위해 2 또는 3의 값을 가지는 layer_id_method_idc로 마킹된 샘플을 사용하는 경우, 리더(reader)는 11.6절에 따라 복원된 비트스트림의 SPS, PPS 및 PH NAL 유닛들을 다음과 같이 추가로 수정(modify)해서 layer_id_method_idc가 2 및 3인 샘플 그룹에 속하는 것으로 마킹된 샘플로 시작하는 비트스트림이 준수하는(conforming) 비트스트림이게 할 필요가 있을 수 있다.
- 샘플에 의해 참조하는 모든 SPS는 그 값이 1인 sps_gdr_enabled_flag을 가짐.
- 샘플에 의해 참조되는 모든 PPS는 그 값이 0인 pps_mixed_nalu_types_in_pic_flag를 가짐.
- 샘플로부터 복원된 AU의 모든 VCL NAL 유닛은 GDR_NUT와 동일한 nal_unit_type을 가짐.
- 샘플로부터 복원된 AU의 모든 픽처 헤더는 그 값이 1인 ph_gdr_pic_flag 및 샘플이 매핑되는 'roll' 샘플 그룹 디스크립션 엔트리의 roll_distance에 대응하는 ph_recovery_poc_cnt 값을 가짐.
'roll' 샘플 그룹이 그 것의 참조 레이어(들)은 아닌 종속 레이어를 고려(concern)하는 경우, 샘플 그룹은 종속 레이어의 모든 참조 레이어가 사용 가능하고 디코딩될 때 적용되는 특성을 나타낼 수 있다. 샘플 그룹은 예측 레이어의 디코딩을 시작하는 데 사용될 수 있다.
한편, 상술한 작동 포인트의 시그널링과 관련하여 다음과 같은 문제가 있을 수 있다.
기존의 스펙에는 작동 포인트 정보가 엔티티 그룹 'opeg', 샘플 그룹 'vopi' 또는 트랙의 샘플 엔트리에서 시그널링될 수 있었다. 여기서 'opeg' 및 'vopi'에서 시그널링되는 작동 포인트 정보가 샘플 엔트리에 존재하는 작동 포인트들을 포함하는지 여부가 명확하지 않았다. 관련하여 'opeg' 및 'vopi'로 시그널링되는 작동 포인트 정보가 샘플 엔트리에 존재하는 작동 포인트들도 포함하고, 이에 따라 파일 파서(parser)는 작동 포인트 정보를 일괄적으로 얻을 수 있다는 주장이 있다. 다른 한편, 'opeg' 및 'vopi'에 샘플 엔트리의 작동 포인트 정보를 포함히시키는 것은 시그널링되는 비트의 낭비이고, 불필요하다는 주장도 있다.
이에, 본 문서는 상술한 문제에 대한 해결 방안을 제안한다. 제안되는 실시예들은 개별적으로 또는 조합하여 적용될 수 있다.
1. 예를 들어, 작동 포인트의 시그널링을 위하여, 작동 포인트 리스트가 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함하는지를 지시하기 위한 플래그가 존재하도록 하는 방안이 제안될 수 있다.
상기 플래그는, 예를 들어, op_in_sample_entry_included_flag 로 명명될 수 있다. 예를 들어, op_in_sample_entry_included_flag의 값이 1과 같은 경우, 스트럭처 내 작동 포인트 리스트가 비트스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함한다는 것을 의미할 수 있다. 예를 들어, op_in_sample_entry_included_flag의 값이 0과 같은 경우, 스트럭처 내 작동 포인트 리스트가 비트스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 작동 포인트를 포함하지 않는다는 것을 의미할 수 있다.
다른 대안으로, op_in_sample_entry_included_flag의 값이 0과 같은 경우, 스트럭처 내 작동 포인트 리스트가 비트스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함하지는 않는다는 것을 의미할 수 있다.
또 다른 대안으로, op_in_sample_entry_included_flag의 값이 0과 같은 경우, 스트럭처 내 작동 포인트 리스트가 비트스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함하지는 않을 수 있다는 것을 의미할 수 있다.
2. 다른 대안으로, 예를 들어, 'opeg' 및 'vopi'의 작동 포인트 리스트가 비트스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함하도록 제한을 두는 방안이 제안될 수 있다.
3. 또 다른 대안으로, 예를 들어, 'opeg' 및 'vopi'의 작동 포인트 리스트가 비트스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 작동 포인트를 포함하지 않도록 제한을 두는 방안이 제안될 수 있다.
이하에서는 상기 전술한 해결방법에 대하여 보다 구체적으로 설명한다.
예를 들어, 본 문서에서 제안한 일 실시예로, 다음의 표와 같이 구성되는 작동 포인트 엔티티 그룹 'opeg'가 제안될 수 있다.
[표 15]
Figure PCTKR2021018526-appb-I000027
Figure PCTKR2021018526-appb-I000028
예를 들어, 상술한 표 15를 참조하면, 엔티티 그룹 'opeg'는 작동 포인트 리스트에 관련된 정보를 포함할 수 있다. 작동 포인트 리스트에 관련된 정보는, 예를 들어, 샘플 엔트리 포함 플래그, 작동 포인트 개수 정보, OLS 인덱스 정보, 최대 시간적 ID 정보, 프레임 레이트 정보 플래그, 프레임 레이트 정보, 비트 레이트 정보 플래그, 비트 레이트 정보, 크로마 포멧 idc 정보, 비트 뎁스 정보, 픽처 너비 정보, 픽처 높이 정보, 엔티티 카운트 정보 및 엔티티 인덱스 정보를 포함할 수 있다.
상기 샘플 엔트리 포함 플래그는, 예를 들어, 신텍스 엘리먼트 op_in_sample_entry_included_flag로 나태낼 수 있다. 상기 작동 포인트 개수 정보는, 예를 들어, 신텍스 엘리먼트 op_in_sample_entry_included_flag로 나타낼 수 있다. 상기 OLS 인덱스 정보는, 예를 들어, 신텍스 엘리먼트 ols_idx로 나타낼 수 있다. 상기 최대 시간적 ID 정보는, 예를 들어, 신텍스 엘리먼트 max_temporal_id로 나타낼 수 있다. 상기 프레임 레이트 정보 플래그는, 예를 들어, 신텍스 엘리먼트 frame_rate_info_flag 로 나타낼 수 있다. 상기 프레임 레이트 정보는, 예를 들어, 신텍스 엘리먼트 avgFrameRate 및 constantFrameRate를 포함할 수 있다. 상기 비트 레이트 정보 플래그는, 예를 들어, 신텍스 엘리먼트 bit_rate_info_flag 로 나타낼 수 있다. 상기 비트 레이트 정보는, 예를 들어, 신텍스 엘리먼트 maxBitRate 및 avgBitRate를 포함할 수 있다. 상기 크로마 포멧 idc 정보는, 예를 들어, 신텍스 엘리먼트 chroma_format_idc 로 나타낼 수 있다. 상기 비트 뎁스 정보는, 예를 들어, 신텍스 엘리먼트 bit_depth_minus8로 나타낼 수 있다. 상기 픽처 너비 정보는, 예를 들어, 신텍스 엘리먼트 picture_width로 나타낼 수 있다. 상기 픽처 높이 정보는, 예를 들어, 신텍스 엘리먼트 picture_height로 나타낼 수 있다. 상기 엔티티 카운트 정보는, 예를 들어, 신텍스 엘리먼트 entity_count로 나타낼 수 있다. 상기 엔티티 인덱스 정보는, 예를 들어, 신텍스 엘리먼트 entity_idx로 나타낼 수 있다.
다시 말해, 상술한 표 15를 참조하면, 엔티티 그룹 'opeg'는 샘플 엔트리 포함 플래그를 포함할 수 있다. 일 예로, 샘플 엔트리 포함 플래그의 신텍스 엘리먼트는 op_in_sample_entry_included_flag로 나타낼 수 있다. 본 실시예에서 제안된 엔티티 그룹 'opeg'는 상술한 표 3의 작동 포인트 엔티티 그룹과 비교하여 상기 샘플 엔트리 포함 플래그를 더 포함할 수 있다.
또한, 본 실시예에서 제안된 작동 포인트 엔티티 그룹 'opeg'의 신텍스에 대한 시멘틱스(semantics)은 다음의 표와 같을 수 있다.
[표 16]
Figure PCTKR2021018526-appb-I000029
예를 들어, 상술한 표 16을 참조하면 신텍스 엘리먼트 op_in_sample_entry_included_flag는 작동 포인트 리스트가 스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트들을 포함하는지 여부를 나타낼 수 있다. 일 예로, 신텍스 엘리먼트 op_in_sample_entry_included_flag의 값이 1인 경우, 작동 포인트 리스트는 스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트들을 포함할 수 있다. 일 예로, 신텍스 엘리먼트 op_in_sample_entry_included_flag의 값이 0인 경우, 작동 포인트 리스트는 스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트들을 포함하지 않을 수 있다.
또한, 예를 들어, 본 문서에서 제안한 일 실시예로, 다음의 표와 같이 구성되는 작동 포인트 정보 샘플 그룹 즉, 'vopi' 샘플 그룹이 제안될 수 있다.
[표 17]
Figure PCTKR2021018526-appb-I000030
Figure PCTKR2021018526-appb-I000031
예를 들어, 상술한 표 17을 참조하면, 'vopi' 샘플 그룹은 작동 포인트 리스트에 관련된 정보를 포함할 수 있다. 작동 포인트 리스트에 관련된 정보는, 예를 들어, 샘플 엔트리 포함 플래그, 작동 포인트 개수 정보, OLS 인덱스 정보, 최대 시간적 ID 정보, 프레임 레이트 정보 플래그, 프레임 레이트 정보, 비트 레이트 정보 플래그, 비트 레이트 정보, 크로마 포멧 idc 정보, 비트 뎁스 정보, 픽처 너비 정보, 픽처 높이 정보, 엔티티 카운트 정보 및 엔티티 인덱스 정보를 포함할 수 있다.
상기 샘플 엔트리 포함 플래그는, 예를 들어, 신텍스 엘리먼트 op_in_sample_entry_included_flag로 나태낼 수 있다. 상기 작동 포인트 개수 정보는, 예를 들어, 신텍스 엘리먼트 op_in_sample_entry_included_flag로 나타낼 수 있다. 상기 OLS 인덱스 정보는, 예를 들어, 신텍스 엘리먼트 ols_idx로 나타낼 수 있다. 상기 최대 시간적 ID 정보는, 예를 들어, 신텍스 엘리먼트 max_temporal_id로 나타낼 수 있다. 상기 프레임 레이트 정보 플래그는, 예를 들어, 신텍스 엘리먼트 frame_rate_info_flag 로 나타낼 수 있다. 상기 프레임 레이트 정보는, 예를 들어, 신텍스 엘리먼트 avgFrameRate 및 constantFrameRate를 포함할 수 있다. 상기 비트 레이트 정보 플래그는, 예를 들어, 신텍스 엘리먼트 bit_rate_info_flag 로 나타낼 수 있다. 상기 비트 레이트 정보는, 예를 들어, 신텍스 엘리먼트 maxBitRate 및 avgBitRate를 포함할 수 있다. 상기 크로마 포멧 idc 정보는, 예를 들어, 신텍스 엘리먼트 chroma_format_idc 로 나타낼 수 있다. 상기 비트 뎁스 정보는, 예를 들어, 신텍스 엘리먼트 bit_depth_minus8로 나타낼 수 있다. 상기 픽처 너비 정보는, 예를 들어, 신텍스 엘리먼트 picture_width로 나타낼 수 있다. 상기 픽처 높이 정보는, 예를 들어, 신텍스 엘리먼트 picture_height로 나타낼 수 있다. 상기 엔티티 카운트 정보는, 예를 들어, 신텍스 엘리먼트 entity_count로 나타낼 수 있다. 상기 엔티티 인덱스 정보는, 예를 들어, 신텍스 엘리먼트 entity_idx로 나타낼 수 있다.
다시 말해, 상술한 표 17을 참조하면, 'vopi' 샘플 그룹은 샘플 엔트리 포함 플래그를 포함할 수 있다. 일 예로, 샘플 엔트리 포함 플래그의 신텍스 엘리먼트는 op_in_sample_entry_included_flag로 나타낼 수 있다. 본 실시예에서 제안된 'vopi' 샘플 그룹은 상술한 표 1의 'vopi' 샘플 그룹과 비교하여 상기 샘플 엔트리 포함 플래그를 더 포함할 수 있다.
또한, 본 실시예에서 제안된 'vopi' 샘플 그룹의 신텍스에 대한 시멘틱스(semantics)은 다음의 표와 같을 수 있다.
[표 18]
Figure PCTKR2021018526-appb-I000032
예를 들어, 상술한 표 18을 참조하면 신텍스 엘리먼트 op_in_sample_entry_included_flag는 작동 포인트 리스트가 스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트들을 포함하는지 여부를 나타낼 수 있다. 일 예로, 신텍스 엘리먼트 op_in_sample_entry_included_flag의 값이 1인 경우, 작동 포인트 리스트는 스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트들을 포함할 수 있다. 일 예로, 신텍스 엘리먼트 op_in_sample_entry_included_flag의 값이 0인 경우, 작동 포인트 리스트는 스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트들을 포함하지 않을 수 있다.
본 문서에서 제안한 상기 일 실시예에 따르면, 샘플 엔트리 포함 플래그를 이용하여 'opeg' 및 'vopi'를 통해 시그널링되는 작동 포인트 정보가 샘플 엔트리에 존재하는 작동 포인트들을 포함하는지 여부를 명확하게 할 수 있다는 이점이 있다.
예를 들어, 본 문서에서 제안한 다른 일 실시예로, 다음의 표와 같은 제한을 둘 수 있다.
[표 19]
Figure PCTKR2021018526-appb-I000033
일 실시예는, 예를 들어, 상술한 표 19를 참조하면 'opeg' 및 'vopi'의 작동 포인트 리스트가 비트스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함하도록 제한을 둘 수 있다.
상기 제한은, 예를 들어, 'opeg'및 'vopi'에 포함된 작동 포인트 개수에 대한 정보를 통해 이루어질 수 있다. 즉, 예를 들어, 신택스 요소 num_operating_points로 나타낼 수 있는 작동 포인트 개수에 대한 정보는 작동 포인트의 개수를 나타냄과 동시에 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함함을 나타낼 수 있다.
상기 일 실시예에 따르면, 상술한 제한을 통해 'opeg' 및 'vopi'를 통해 시그널링되는 작동 포인트 정보가 샘플 엔트리에 존재하는 작동 포인트들을 포함하는지 여부를 명확하게 할 수 있다는 이점이 있다.
예를 들어, 본 문서에서 제안한 또 다른 일 실시예로, 다음의 표와 같은 제한을 둘 수 있다.
[표 20]
Figure PCTKR2021018526-appb-I000034
일 실시예는, 예를 들어, 상술한 표 20을 참조하면 'opeg' 및 'vopi'의 작동 포인트 리스트가 비트스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 작동 포인트를 포함하지 않도록 제한을 둘 수 있다.
상기 제한은, 예를 들어, 'opeg'및 'vopi'에 포함된 작동 포인트 개수에 대한 정보를 통해 이루어질 수 있다. 즉, 예를 들어, 신택스 요소 num_operating_points로 나타낼 수 있는 작동 포인트 개수에 대한 정보는 작동 포인트의 개수를 나타냄과 동시에 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는 작동 포인트를 포함하지 않음을 나타낼 수 있다.
상기 일 실시예에 따르면, 상술한 제한을 통해 'opeg' 및 'vopi'를 통해 시그널링되는 작동 포인트 정보가 샘플 엔트리에 존재하는 작동 포인트들을 포함하는지 여부를 명확하게 할 수 있다는 이점이 있다.
도 8은 본 문서에서 제안한 실시예가 적용되는 미디어 파일 생성 방법을 예시적으로 나타낸다.
도 8을 참조하면 제1 장치(first device)는 VvcOperatingPointsRecord (작동 포인트 정보 샘플 그룹) 및/또는 OperatingPointGroupBox (작동 포인트 엔티티 그룹)을 구성할 수 있다(S800). 예를 들어, 상기 제1 장치는 전송 단(transmission end), 인코딩 단(encoding end) 또는 미디어 파일 생성 단(media file generating end)을 나타낼 수 있다. 예를 들어, 제1 장치는 네트워크 또는 (디지털) 저장매체를 통하여 인코딩된 영상/비디오 정보를 획득할 수 있다. 여기서 네트워크는 방송망 및/또는 통신망 등을 포함할 수 있고, 디지털 저장매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장매체를 포함할 수 있다. 또한, 상기 제1 장치는 인코더를 포함할 수 있고, 상기 인코딩된 영상/비디오 정보를 도출할 수 있다. 이후, 제1 장치는 VvcOperatingPointsRecord (작동 포인트 정보 샘플 그룹 즉, 'opeg' 엔티티 그룹) 및/또는 OperatingPointGroupBox (작동 포인트 엔티티 그룹 즉, 'vopi'샘플 그룹)을 구성할 수 있다. 예를 들어, 제1 장치는 상술한 실시예에 따라서 상기 인코딩된 영상/비디오 정보에 대한 VvcOperatingPointsRecord 및/또는 OperatingPointGroupBox 를 구성할 수 있다.
이후, 제1 장치는 상기 VvcOperatingPointsRecord 및/또는 OperatingPointGroupBox 를 기반으로 미디어 파일을 생성할 수 있다(S810).
도 9는 본 문서에서 제안한 실시예가 적용되어 생성된 미디어 파일을 처리하는 방법을 예시적으로 나타낸다.
제2 장치는 VvcOperatingPointsRecord 및/또는 OperatingPointGroupBox 를 포함하는 미디어 파일을 획득/수신할 수 있다(S900). 예를 들어, 상기 제2 장치는 수신 단(reception end), 디코딩 단(decoding end) 또는 렌더링 단(rendering end)을 나타낼 수 있다.
예를 들어, 미디어 파일은 표 1, 표 3, 표 15 및/또는 표 17에 설명된 정보를 포함할 수 있다. 예를 들어, 상기 VvcOperatingPointsRecord 및/또는 OperatingPointGroupBox 는 본 문서에서 제안된 실시예(들)의 정보/필드를 포함할 수 있다.
제2 장치는 상기 VvcOperatingPointsRecord 및/또는 OperatingPointGroupBox 를 파싱/획득할 수 있다(S910). 제2 장치는 상기 미디어 파일에 포함된 상기 VvcOperatingPointsRecord 및/또는 OperatingPointGroupBox 를 파싱/획득할 수 있다. 예를 들어, 상기 VvcOperatingPointsRecord 및/또는 OperatingPointGroupBox 는 작동 포인트와 관련된 정보(또는 예를 들어, 작동 포인트 리스트에 관련된 정보)를 포함할 수 있고, 제2 장치는 상기 VvcOperatingPointsRecord 및/또는 OperatingPointGroupBox 를 기반으로 작동 포인트(또는 예를 들어, 작동 포인트 리스트)를 도출할 수 있다. 상기 도출된 작동 포인트(또는 예를 들어, 작동 포인트 리스트)를 기반으로, 영상/비디오 디코딩 및/또는 (디코딩된) 픽처 출력이 수행될 수 있다.
도 10은 본 문서에 따른 미디어 파일 생성 장치에 의한 미디어 파일 생성 방법을 개략적으로 나타낸다. 도 10에서 개시된 방법은 도 11에서 개시된 미디어 파일 생성 장치에 의하여 수행될 수 있다. 미디어 파일 생성 장치는 상술한 제1 장치를 나타낼 수 있다. 구체적으로 예를 들어, 도 10의 S1000 내지 S1010은 상기 미디어 파일 생성 장치의 영상 처리부에 의하여 수행될 수 있고, S1020은 상기 미디어 파일 생성 장치의 미디어 파일 생성부에 의하여 수행될 수 있다. 또한, 비록 도시되지는 않았으나 영상 정보를 포함하는 비트스트림을 인코딩하는 과정은 상기 미디어 파일 생성 장치의 인코더에 의하여 수행될 수 있다. 상기 비트스트림은 VVC (Versatile Video Coding) 비트스트림을 포함할 수 있다.
미디어 파일 생성 장치는 작동 포인트 리스트에 관련된 정보를 도출할 수 있다(S1000). 작동 포인트 리스트에 관련된 정보는 예를 들어, 작동 포인트를 도출하는데 필요한 정보를 포함할 수 있다. 작동 포인트 리스트에 관련된 정보는 예를 들어, OLS(Output Layer Set)에 관련된 인덱스 정보, 최대 시간적 id에 관련된 정보를 포함할 수 있다. 작동 포인트들 각각은 OLS, 최대 시간적 id 및 PTL(profile, tier and level)에 관련될 수 있다.
예를 들어, 작동 포인트 리스트에 관련된 정보는 상기 작동 포인트 리스트가 트랙의 샘플 엔트리에 존재하는 작동 포인트를 포함하는지 여부에 관련된 특정 정보를 포함할 수 있다. 예를 들어, 상기 작동 포인트 리스트에 관련된 정보는 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함함을 나타내는 특정 정보를 포함할 수 있다.
예를 들어, 상기 특정 정보는 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함함을 나타낼 수 있다. 다시 말해, 상기 특정 정보가 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함함을 나타내는 경우, 상기 작동 포인트 리스트는 상기 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함한다.
예를 들어, 상기 특정 정보는 작동 포인트의 개수에 대한 정보를 포함할 수 있다. 상기 작동 포인트 개수에 대한 정보는, 상술한 표 19에서 나타낸 바와 같이, 작동 포인트 개수를 나타낼 수 있고, 동시에, 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함함을 나타낼 수 있다.
예를 들어, 상기 특정 정보는 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는 작동 포인트를 포함하지 않음을 나타낼 수 있다. 다시 말해, 상기 특정 정보가 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는 작동 포인트를 포함하지 않음을 나타내는 경우, 상기 작동 포인트 리스트는 트랙의 샘플 엔트리에 존재하는 작동 포인트를 포함하지 않는다.
예를 들어, 상기 특정 정보는 작동 포인트의 개수에 대한 정보를 포함할 수 있다. 상기 작동 포인트 개수에 대한 정보는, 상술한 표 20에서 나타낸 바와 같이, 상기 작동 포인트의 개수를 나타낼 수 있고, 동시에, 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는 작동 포인트를 포함하지 않음을 나타낼 수 있다.
예를 들어, 상기 특정 정보는 플래그를 포함할 수 있다. 상기 플래그는, 상술한 표 16 및 표 18에서서 나타낸 바와 같이, 신택스 요소 op_in_sample_entry_included_flag로 나타낼 수 있으며, 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는지 여부를 나타낼 수 있다. 상기 플래그는, 예를 들어, 샘플 엔트리 포함 플래그로 불릴 수 있다. 상기 플래그의 값이 1인 경우, 상기 작동 포인트 리스트는 상기 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함할 수 있다. 상기 플래그의 값이 0인 경우, 상기 작동 포인트 리스트는 상기 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함하지 않을 수 있다.
미디어 파일 생성 장치는 작동 포인트 관련 그룹을 구성할 수 있다(S1010). 상기 작동 포인트 관련 그룹은 예를 들어, 작동 포인트 엔티티 그룹(즉, 'opeg' 엔티티 그룹) 및/또는 작동 포인트 정보 샘플 그룹(즉, 'vopi' 샘플 그룹)을 포함할 수 있다. 상기 작동 포인트 관련 그룹은 예를 들어, 상술한 작동 포인트 리스트에 관련된 정보를 포함할 수 있다.
미디어 파일 생성 장치는 상기 작동 포인트 관련 그룹을 포함하는 미디어 파일을 생성할 수 있다(S1020).
한편, 비록 도시되지는 않았으나 미디어 파일 생성 장치는 상기 생성된 미디어 파일을 (디지털) 저장매체에 저장하거나 또는 네트워크 또는 (디지털) 저장매체를 통하여 미디어 파일 처리 장치로 전달할 수 있다. 여기서 네트워크는 방송망 및/또는 통신망 등을 포함할 수 있고, 디지털 저장매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장매체를 포함할 수 있다.
도 11은 본 문서에 따른 미디어 파일 생성 방법을 수행하는 미디어 파일 생성 장치를 개략적으로 나타낸다. 도 10에서 개시된 방법은 도 11에서 개시된 미디어 파일 생성 장치에 의하여 수행될 수 있다. 구체적으로 예를 들어, 도 11의 상기 미디어 파일 생성 장치의 영상 처리부는 S1000 내지 S1010을 수행할 수 있고, 도 11의 상기 미디어 파일 생성 장치의 미디어 파일 생성부는 S1020을 수행할 수 있다. 또한, 비록 도시되지는 않았으나 영상 정보를 포함하는 비트스트림을 인코딩하는 과정은 상기 미디어 파일 생성 장치의 인코더에 의하여 수행될 수 있다.
도 12는 본 문서에 따른 미디어 파일 처리 장치에 의한 미디어 파일 처리 방법을 개략적으로 나타낸다. 도 12에서 개시된 방법은 도 13에서 개시된 미디어 파일 처리 장치에 의하여 수행될 수 있다. 상기 미디어 파일 처리 장치는 상술한 제2 장치를 나타낼 수 있다. 구체적으로 예를 들어, 도 12의 S1200은 상기 미디어 파일 처리 장치의 수신부에 의하여 수행될 수 있고, S1210 및 S1220은 상기 미디어 파일 처리 장치의 미디어 파일 처리부에 의하여 수행될 수 있다. 또한, 비록 도시되지는 않았으나 디코더 구성 레코드를 기반으로 비트스트림을 디코딩하는 과정은 상기 미디어 파일 처리 장치의 디코더에 의하여 수행될 수 있다. 상기 비트스트림은 VVC (Versatile Video Coding) 비트스트림을 포함할 수 있다.
미디어 파일 처리 장치는 작동 포인트 관련 그룹을 포함하는 미디어 파일을 획득할 수 있다(S1200). 상기 작동 포인트 관련 그룹은 예를 들어, 작동 포인트 엔티티 그룹(즉, 'opeg' 엔티티 그룹) 및/또는 작동 포인트 정보 샘플 그룹(즉, 'vopi' 샘플 그룹)을 포함할 수 있다. 상기 작동 포인트 관련 그룹은 예를 들어, 상술한 작동 포인트 리스트에 관련된 정보를 포함할 수 있다. 작동 포인트 리스트에 관련된 정보는 예를 들어, OLS(Output Layer Set)에 관련된 인덱스 정보, 최대 시간적 id에 관련된 정보를 포함할 수 있다. 작동 포인트들 각각은 OLS, 최대 시간적 id 및 PTL(profile, tier and level)에 관련될 수 있다.
미디어 파일 처리 장치는 상기 작동 포인트 관련 그룹을 파싱할 수 있다(S1210). 상기 작동 포인트 관련 그룹을 파싱하는 단계(S1210)는 상기 작동 포인트 리스트에 관련된 정보를 파싱하는 단계를 포함할 수 있다.
예를 들어, 작동 포인트 리스트에 관련된 정보는 상기 작동 포인트 리스트가 트랙의 샘플 엔트리에 존재하는 작동 포인트를 포함하는지 여부에 관련된 특정 정보를 포함할 수 있다. 예를 들어, 상기 작동 포인트 리스트에 관련된 정보는 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함함을 나타내는 특정 정보를 포함할 수 있다.
예를 들어, 상기 특정 정보는 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함함을 나타낼 수 있다. 다시 말해, 상기 특정 정보가 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함함을 나타내는 경우, 상기 작동 포인트 리스트는 상기 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함한다.
예를 들어, 상기 특정 정보는 작동 포인트의 개수에 대한 정보를 포함할 수 있다. 상기 작동 포인트 개수에 대한 정보는, 상술한 표 19에서 나타낸 바와 같이, 작동 포인트 개수를 나타낼 수 있고, 동시에, 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함함을 나타낼 수 있다.
예를 들어, 상기 특정 정보는 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는 작동 포인트를 포함하지 않음을 나타낼 수 있다. 다시 말해, 상기 특정 정보가 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는 작동 포인트를 포함하지 않음을 나타내는 경우, 상기 작동 포인트 리스트는 트랙의 샘플 엔트리에 존재하는 작동 포인트를 포함하지 않는다.
예를 들어, 상기 특정 정보는 작동 포인트의 개수에 대한 정보를 포함할 수 있다. 상기 작동 포인트 개수에 대한 정보는, 상술한 표 20에서 나타낸 바와 같이, 상기 작동 포인트의 개수를 나타낼 수 있고, 동시에, 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는 작동 포인트를 포함하지 않음을 나타낼 수 있다.
예를 들어, 상기 특정 정보는 플래그를 포함할 수 있다. 상기 플래그는, 상술한 표 16 및 표 18에서 나타낸 바와 같이, 신택스 요소 op_in_sample_entry_included_flag로 나타낼 수 있으며, 상기 작동 포인트 리스트가 상기 트랙의 샘플 엔트리에 존재하는지 여부를 나타낼 수 있다. 상기 플래그는, 예를 들어, 샘플 엔트리 포함 플래그로 불릴 수 있다. 상기 플래그의 값이 1인 경우, 상기 작동 포인트 리스트는 상기 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함할 수 있다. 상기 플래그의 값이 0인 경우, 상기 작동 포인트 리스트는 상기 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트를 포함하지 않을 수 있다.
미디어 파일 처리 장치는 상기 작동 포인트에 관련된 정보를 기반으로 상기 작동 포인트 리스트를 도출할 수 있다(S1220).
한편, 비록 도시되지는 않았으나 미디어 파일 처리 장치는 상기 디코더 구성 레코드를 기반으로 비트스트림을 디코딩할 수 있다. 예를 들어, 미디어 파일 처리 장치는 상기 작동 포인트 정보 샘플 그룹(즉, 'vopi' 샘플 그룹) 및/또는 상기 작동 포인트 엔티티 그룹(즉, 'opeg' 엔티티 그룹)에 포함된 정보를 기반으로 상기 작동 포인트 정보 샘플 그룹 및/또는 상기 작동 포인트 엔티티 그룹에 대한 비트스트림 내 영상 정보를 디코딩할 수 있고, 상기 영상 정보를 기반으로 복원 픽처를 생성할 수 있다.
도 13은 본 문서에 따른 미디어 파일 처리 방법을 수행하는 미디어 파일 처리 장치를 개략적으로 나타낸다. 도 12에서 개시된 방법은 도 13에서 개시된 미디어 파일 처리 장치에 의하여 수행될 수 있다. 구체적으로 예를 들어, 도 13의 상기 미디어 파일 처리 장치의 수신부는 도 12의 S1200을 수행할 수 있고, 도 13의 상기 미디어 파일 처리 장치의 미디어 파일 처리부는 도 12의 S1210 및 S1220을 수행할 수 있다. 한편, 비록 도시되지는 않았으나 미디어 파일 처리 장치는 디코더를 포함할 수 있고, 상기 작동 포인트 정보 샘플 그룹 및/또는 상기 작동 포인트 엔티티 그룹을 기반으로 비트스트림을 디코딩할 수 있다.
본 문서에서 제안한 일 실시예에 따르면, 'opeg' 및 'vopi'를 통해 시그널링되는 작동 포인트 정보가 샘플 엔트리에 존재하는 작동 포인트들을 포함하는지 여부를 명확하게 할 수 있다는 이점이 있다. 또한 본 문서에서 제안한 일 실시예에 따르면, 파일 파서는 'opeg' 또는 'vopi'에 포함된 작동 포인트를 그대로 사용하면 되고, 다른 곳에 존재할 수 있는 추가적인 작동 포인트에 대해 고려해야할 필요가 없어져서 작동 포인트 결정 프로세스를 심플하게 할 수 있다.
상술한 실시예에서, 방법들은 일련의 단계 또는 블록으로써 순서도를 기초로 설명되고 있지만, 본 문서는 단계들의 순서에 한정되는 것은 아니며, 어떤 단계는 상술한 바와 다른 단계와 다른 순서로 또는 동시에 발생할 수 있다. 또한, 당업자라면 순서도에 나타내어진 단계들이 배타적이지 않고, 다른 단계가 포함되거나 순서도의 하나 또는 그 이상의 단계가 본 문서의 범위에 영향을 미치지 않고 삭제될 수 있음을 이해할 수 있을 것이다.
본 문서에서 설명한 실시예들은 프로세서, 마이크로 프로세서, 컨트롤러 또는 칩 상에서 구현되어 수행될 수 있다. 예를 들어, 각 도면에서 도시한 기능 유닛들은 컴퓨터, 프로세서, 마이크로 프로세서, 컨트롤러 또는 칩 상에서 구현되어 수행될 수 있다. 이 경우 구현을 위한 정보(ex. information on instructions) 또는 알고리즘이 디지털 저장 매체에 저장될 수 있다.
또한, 본 문서의 실시예들이 적용되는 장치는 멀티미디어 방송 송수신 장치, 모바일 통신 단말, 홈 시네마 비디오 장치, 디지털 시네마 비디오 장치, 감시용 카메라, 비디오 대화 장치, 비디오 통신과 같은 실시간 통신 장치, 모바일 스트리밍 장치, 저장 매체, 캠코더, 주문형 비디오(VoD) 서비스 제공 장치, OTT 비디오(Over the top video) 장치, 인터넷 스트리밍 서비스 제공 장치, 3차원(3D) 비디오 장치, 화상 전화 비디오 장치, 운송 수단 단말 (ex. 차량 단말, 비행기 단말, 선박 단말 등) 및 의료용 비디오 장치 등에 포함될 수 있으며, 비디오 신호 또는 데이터 신호를 처리하기 위해 사용될 수 있다. 예를 들어, OTT 비디오(Over the top video) 장치로는 게임 콘솔, 블루레이 플레이어, 인터넷 접속 TV, 홈시어터 시스템, 스마트폰, 태블릿 PC, DVR(Digital Video Recoder) 등을 포함할 수 있다.
또한, 본 문서의 실시예들이 적용되는 처리 방법은 컴퓨터로 실행되는 프로그램의 형태로 생산될 수 있으며, 컴퓨터가 판독할 수 있는 기록 매체에 저장될 수 있다. 본 문서에 따른 데이터 구조를 가지는 멀티미디어 데이터도 또한 컴퓨터가 판독할 수 있는 기록 매체에 저장될 수 있다. 상기 컴퓨터가 판독할 수 있는 기록 매체는 컴퓨터로 읽을 수 있는 데이터가 저장되는 모든 종류의 저장 장치 및 분산 저장 장치를 포함한다. 상기 컴퓨터가 판독할 수 있는 기록 매체는, 예를 들어, 블루레이 디스크(BD), 범용 직렬 버스(USB), ROM, PROM, EPROM, EEPROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크 및 광학적 데이터 저장 장치를 포함할 수 있다. 또한, 상기 컴퓨터가 판독할 수 있는 기록 매체는 반송파(예를 들어, 인터넷을 통한 전송)의 형태로 구현된 미디어를 포함한다. 또한, 인코딩 방법으로 생성된 비트스트림이 컴퓨터가 판독할 수 있는 기록 매체에 저장되거나 유무선 통신 네트워크를 통해 전송될 수 있다.
또한, 본 문서의 실시예는 프로그램 코드에 의한 컴퓨터 프로그램 제품으로 구현될 수 있고, 상기 프로그램 코드는 본 문서의 실시예에 의해 컴퓨터에서 수행될 수 있다. 상기 프로그램 코드는 컴퓨터에 의해 판독가능한 캐리어 상에 저장될 수 있다.
도 14는 본 문서의 실시예들이 적용되는 컨텐츠 스트리밍 시스템 구조도를 예시적으로 나타낸다.
본 문서의 실시예들이 적용되는 컨텐츠 스트리밍 시스템은 크게 인코딩 서버, 스트리밍 서버, 웹 서버, 미디어 저장소, 사용자 장치 및 멀티미디어 입력 장치를 포함할 수 있다.
상기 인코딩 서버는 스마트폰, 카메라, 캠코더 등과 같은 멀티미디어 입력 장치들로부터 입력된 컨텐츠를 디지털 데이터로 압축하여 비트스트림을 생성하고 이를 상기 스트리밍 서버로 전송하는 역할을 한다. 다른 예로, 스마트폰, 카메라, 캠코더 등과 같은 멀티미디어 입력 장치들이 비트스트림을 직접 생성하는 경우, 상기 인코딩 서버는 생략될 수 있다.
상기 비트스트림은 본 문서의 실시예들이 적용되는 인코딩 방법 또는 비트스트림 생성 방법에 의해 생성될 수 있고, 상기 스트리밍 서버는 상기 비트스트림을 전송 또는 수신하는 과정에서 일시적으로 상기 비트스트림을 저장할 수 있다.
상기 스트리밍 서버는 웹 서버를 통한 사용자 요청에 기초하여 멀티미디어 데이터를 사용자 장치에 전송하고, 상기 웹 서버는 사용자에게 어떠한 서비스가 있는지를 알려주는 매개체 역할을 한다. 사용자가 상기 웹 서버에 원하는 서비스를 요청하면, 상기 웹 서버는 이를 스트리밍 서버에 전달하고, 상기 스트리밍 서버는 사용자에게 멀티미디어 데이터를 전송한다. 이때, 상기 컨텐츠 스트리밍 시스템은 별도의 제어 서버를 포함할 수 있고, 이 경우 상기 제어 서버는 상기 컨텐츠 스트리밍 시스템 내 각 장치 간 명령/응답을 제어하는 역할을 한다.
상기 스트리밍 서버는 미디어 저장소 및/또는 인코딩 서버로부터 컨텐츠를 수신할 수 있다. 예를 들어, 상기 인코딩 서버로부터 컨텐츠를 수신하게 되는 경우, 상기 컨텐츠를 실시간으로 수신할 수 있다. 이 경우, 원활한 스트리밍 서비스를 제공하기 위하여 상기 스트리밍 서버는 상기 비트스트림을 일정 시간동안 저장할 수 있다.
상기 사용자 장치의 예로는, 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)), 디지털 TV, 데스크탑 컴퓨터, 디지털 사이니지 등이 있을 수 있다. 상기 컨텐츠 스트리밍 시스템 내 각 서버들은 분산 서버로 운영될 수 있으며, 이 경우 각 서버에서 수신하는 데이터는 분산 처리될 수 있다.
본 명세서에 기재된 청구항들은 다양한 방식으로 조합될 수 있다. 예를 들어, 본 명세서의 방법 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 명세서의 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다. 또한, 본 명세서의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 명세서의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다.

Claims (14)

  1. 미디어 파일 생성 방법에 있어서,
    작동 포인트 리스트에 관련된 정보를 도출하는 단계;
    상기 작동 포인트 리스트에 관련된 정보를 포함하는 작동 포인트 관련 그룹을 구성하는 단계; 및
    상기 작동 포인트 관련 그룹을 포함하는 미디어 파일을 생성하는 단계를 포함하고,
    상기 작동 포인트 리스트에 관련된 정보는 상기 작동 포인트 리스트가 비트스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트들을 포함함을 나타내는 특정 정보를 포함하는 것을 특징으로 하는 미디어 파일 생성 방법.
  2. 제1항에 있어서,
    상기 작동 포인트 관련 그룹은 작동 포인트 엔티티 그룹 및 작동 포인트 정보 샘플 그룹을 포함하는 것을 특징으로 하는 미디어 파일 생성 방법.
  3. 제1항에 있어서,
    상기 특정 정보는 작동 포인트의 개수에 대한 정보를 포함하고,
    상기 작동 포인트 개수에 대한 정보는 상기 작동 포인트의 개수를 나타내는 것을 특징으로 하는 미디어 파일 생성 방법.
  4. 제1항에 있어서,
    상기 작동 포인트 리스트에 관련된 정보는 OLS(Output Layer Set)에 관련된 인덱스 정보, 최대 시간적 id에 관련된 정보를 포함하는 것을 특징으로 하는 미디어 파일 생성 방법.
  5. 제1항에 있어서,
    상기 작동 포인트들 각각은 OLS, 최대 시간적 id 및 PTL(profile, tier and level)에 관련된 것을 특징으로 하는 미디어 파일 생성 방법.
  6. 제1항에 있어서,
    상기 비트스트림은 VVC (Versatile Video Coding) 비트스트림을 포함하는 것을 특징으로 하는 미디어 파일 생성 방법.
  7. 미디어 파일 생성 장치로서, 청구항 1항의 미디어 파일 생성 방법을 수행하여 미디어 파일을 생성하는 미디어 파일 생성 장치.
  8. 미디어 파일 처리 방법에 있어서,
    작동 포인트 관련 그룹을 포함하는 미디어 파일을 획득하되, 상기 작동 포인트 관련 그룹은 작동 포인트 리스트에 관련된 정보를 포함하는 단계;
    상기 작동 포인트 관련 그룹을 파싱하는 단계, 여기서 상기 작동 포인트 관련 그룹을 파싱하는 단계는 상기 작동 포인트 리스트에 관련된 정보를 파싱하는 단계를 포함함; 및
    상기 작동 포인트에 관련된 정보를 기반으로 상기 작동 포인트 리스트를 도출하는 단계를 포함하고,
    상기 작동 포인트 리스트에 관련된 정보는 상기 작동 포인트 리스트가 비트스트림을 나타내는 트랙의 샘플 엔트리에 존재하는 모든 작동 포인트들을 포함함을 나타내는 특정 정보를 포함하는 것을 특징으로 하는 미디어 파일 처리 방법.
  9. 제8항에 있어서,
    상기 작동 포인트 관련 그룹은 작동 포인트 엔티티 그룹 및 작동 포인트 정보 샘플 그룹을 포함하는 것을 특징으로 하는 미디어 파일 처리 방법.
  10. 제8항에 있어서,
    상기 특정 정보는 작동 포인트의 개수에 대한 정보를 포함하고,
    상기 작동 포인트 개수에 대한 정보는 상기 작동 포인트의 개수를 나타내는 것을 특징으로 하는 미디어 파일 처리 방법.
  11. 제8항에 있어서,
    상기 작동 포인트 리스트에 관련된 정보는 OLS(Output Layer Set)에 관련된 인덱스 정보, 최대 시간적 id에 관련된 정보를 포함하는 것을 특징으로 하는 미디어 파일 처리 방법.
  12. 제8항에 있어서,
    상기 작동 포인트들 각각은 OLS, 최대 시간적 id 및 PTL(profile, tier and level)에 관련된 것을 특징으로 하는 미디어 파일 처리 방법.
  13. 제8항에 있어서,
    상기 비트스트림은 VVC (Versatile Video Coding) 비트스트림을 포함하는 것을 특징으로 하는 미디어 파일 처리 방법.
  14. 미디어 파일 처리 장치로서, 청구항 8항의 미디어 파일 처리 방법을 수행하여 미디어 파일을 처리하는 미디어 파일 처리 장치.
PCT/KR2021/018526 2020-12-21 2021-12-08 미디어 파일 처리 방법 및 장치 WO2022139261A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/265,620 US20240031622A1 (en) 2020-12-21 2021-12-08 Media file processing method and device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US202063128197P 2020-12-21 2020-12-21
US63/128,197 2020-12-21

Publications (1)

Publication Number Publication Date
WO2022139261A1 true WO2022139261A1 (ko) 2022-06-30

Family

ID=82159533

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/018526 WO2022139261A1 (ko) 2020-12-21 2021-12-08 미디어 파일 처리 방법 및 장치

Country Status (2)

Country Link
US (1) US20240031622A1 (ko)
WO (1) WO2022139261A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150143779A (ko) * 2013-04-17 2015-12-23 노키아 테크놀로지스 오와이 비디오 코딩 및 디코딩을 위한 장치, 방법 및 컴퓨터 프로그램
KR20180019557A (ko) * 2015-06-18 2018-02-26 퀄컴 인코포레이티드 계층화된 ｈｅｖｃ 파일 포맷에서의 트랙들 및 동작 포인트 시그널링의 설계
KR101951615B1 (ko) * 2015-10-14 2019-02-22 퀄컴 인코포레이티드 멀티-계층 비트스트림들 파일 포맷에서의 동작 지점 샘플 그룹의 정렬
KR102040383B1 (ko) * 2015-02-11 2019-11-04 퀄컴 인코포레이티드 계층화된 비디오 파일 포맷에서 동작 포인트 시그널링 및 샘플 엔트리의 설계

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150143779A (ko) * 2013-04-17 2015-12-23 노키아 테크놀로지스 오와이 비디오 코딩 및 디코딩을 위한 장치, 방법 및 컴퓨터 프로그램
KR102040383B1 (ko) * 2015-02-11 2019-11-04 퀄컴 인코포레이티드 계층화된 비디오 파일 포맷에서 동작 포인트 시그널링 및 샘플 엔트리의 설계
KR20180019557A (ko) * 2015-06-18 2018-02-26 퀄컴 인코포레이티드 계층화된 ｈｅｖｃ 파일 포맷에서의 트랙들 및 동작 포인트 시그널링의 설계
KR101951615B1 (ko) * 2015-10-14 2019-02-22 퀄컴 인코포레이티드 멀티-계층 비트스트림들 파일 포맷에서의 동작 지점 샘플 그룹의 정렬

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Versatile video coding; H.266 (08/20)", ITU-T STANDARD H.266, 29 August 2020 (2020-08-29), Geneva ; CH , pages 1 - 516, XP044301067 *

Also Published As

Publication number Publication date
US20240031622A1 (en) 2024-01-25

Similar Documents

Publication Publication Date Title
WO2021006632A1 (ko) 스케일링 리스트 파라미터 기반 비디오 또는 영상 코딩
WO2021177794A1 (ko) 혼성 nal 유닛 타입에 기반하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
WO2020213867A1 (ko) 스케일링 리스트 데이터의 시그널링 기반 비디오 또는 영상 코딩
WO2020184928A1 (ko) 루마 맵핑 및 크로마 스케일링 기반 비디오 또는 영상 코딩
WO2021177791A1 (ko) 혼성 nal 유닛 타입에 기반하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
WO2021086021A1 (ko) 적응적 변환을 이용한 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
WO2021066618A1 (ko) 변환 스킵 및 팔레트 코딩 관련 정보의 시그널링 기반 영상 또는 비디오 코딩
WO2021006631A1 (ko) 스케일링 리스트 데이터의 시그널링 기반 비디오 또는 영상 코딩
WO2021006630A1 (ko) 스케일링 리스트 데이터 기반 영상 또는 비디오 코딩
WO2020213866A1 (ko) 스케일링 리스트 파라미터 기반 비디오 또는 영상 코딩
WO2022139260A1 (ko) 미디어 파일을 생성하고 처리하는 방법 및 장치
WO2022131870A1 (ko) Nal 유닛 어레이 정보를 포함하는 미디어 파일 생성/수신 방법, 장치 및 미디어 파일 전송 방법
WO2022039513A1 (ko) Cpi sei 메시지에 기반한 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
WO2022060113A1 (ko) 미디어 파일 처리 방법 및 그 장치
WO2021201628A1 (ko) 출력 레이어 셋에 기반하여 파라미터 셋의 참조 여부를 결정하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
WO2021241963A1 (ko) 비디오 또는 영상 코딩 시스템에서의 poc 정보 및 비-참조 픽처 플래그에 기반한 영상 코딩 방법
WO2021256785A1 (ko) Poc msb 정보에 기반한 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
WO2021201548A1 (ko) 영상 디코딩 방법 및 그 장치
WO2021066609A1 (ko) 변환 스킵 및 팔레트 코딩 관련 고급 문법 요소 기반 영상 또는 비디오 코딩
WO2021194229A1 (ko) 비디오 또는 이미지 코딩 시스템에서 디블록킹 필터 파라미터 정보를 시그널링하는 방법
WO2022139261A1 (ko) 미디어 파일 처리 방법 및 장치
WO2020213865A1 (ko) 스케일링 리스트 기반 비디오 또는 영상 코딩
WO2020251277A1 (ko) 스케일링 리스트 파라미터 기반 비디오 또는 영상 코딩
WO2020204412A1 (ko) 적응적 루프 필터 절차를 동반한 비디오 또는 영상 코딩
WO2022164024A1 (ko) 미디어 파일 처리 방법 및 그 장치

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: 21911328

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 18265620

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21911328

Country of ref document: EP

Kind code of ref document: A1