WO2023143325A1 - Method and apparatus for video coding using merge with mvd mode - Google Patents

Abstract

A method and apparatus for video coding using MMVD (Merge with MVD) mode are disclosed. According to the method, two or more base merge MVs from a merge list are determined for the current block. A modified expanded merge candidate is determined for at least one of two or more base merge MVs using a modified set of search locations if said at least one of said two or more base merge MVs is close to another base MV of said two or more base merge MVs, where at least one search location is different between the nominal set of search locations and the modified set of search locations where the nominal set of search locations comprises one or more defined directions at a set of nominal distances around a target base merge MV. The current block is encoded or decoded using motion information comprising the modified expanded merge candidate.

Description

METHOD AND APPARATUS FOR VIDEO CODING USING MERGE WITH MVD MODE

CROSS REFERENCE TO RELATED APPLICATIONS

The present invention is a non-Provisional Application of and claims priority to U.S. Provisional Patent Application No. 63/304,010 filed on January 28, 2022. The U.S. Provisional Patent Application is hereby incorporated by reference in its entirety.

FIELD OF THE INVENTION

The present invention relates to video coding system using MMVD (Merge mode Motion Vector Difference) coding tool. In particular, the present invention relates to the design of search locations to enhance the performance associated with MMVD.

BACKGROUND

Versatile video coding (VVC) is the latest international video coding standard developed by the Joint Video Experts Team (JVET) of the ITU-T Video Coding Experts Group (VCEG) and the ISO/IEC Moving Picture Experts Group (MPEG) . The standard has been published as an ISO standard: ISO/IEC 23090-3: 2021, Information technology -Coded representation of immersive media -Part 3: Versatile video coding, published Feb. 2021. VVC is developed based on its predecessor HEVC (High Efficiency Video Coding) by adding more coding tools to improve coding efficiency and also to handle various types of video sources including 3-dimensional (3D) video signals.

Fig. 1A illustrates an exemplary adaptive Inter/Intra video coding system incorporating loop processing. For Intra Prediction, the prediction data is derived based on previously coded video data in the current picture. For Inter Prediction 112, Motion Estimation (ME) is performed at the encoder side and Motion Compensation (MC) is performed based of the result of ME to provide prediction data derived from other picture (s) and motion data. Switch 114 selects Intra Prediction 110 or Inter-Prediction 112 and the selected prediction data is supplied to Adder 116 to form prediction errors, also called residues. The prediction error is then processed by Transform (T) 118 followed by Quantization (Q) 120. The transformed and quantized residues are then coded by Entropy Encoder 122 to be included in a video bitstream corresponding to the compressed video data. The bitstream associated with the transform coefficients is then packed with side information such as motion and coding modes associated with Intra prediction and Inter prediction, and other information such as parameters associated with loop filters applied to underlying image area. The side information associated with Intra Prediction 110, Inter prediction 112 and in-loop filter 130, are provided to Entropy Encoder 122 as shown in Fig. 1A. When an Inter-prediction mode is used, a reference picture or pictures have to be reconstructed at the encoder end as well. Consequently, the transformed and quantized residues are processed by Inverse Quantization (IQ) 124 and Inverse Transformation (IT) 126 to recover the residues. The residues are then added back to prediction data 136 at Reconstruction (REC) 128 to reconstruct video data. The reconstructed video data may be stored in Reference Picture Buffer  134 and used for prediction of other frames.

As shown in Fig. 1A, incoming video data undergoes a series of processing in the encoding system. The reconstructed video data from REC 128 may be subject to various impairments due to a series of processing. Accordingly, in-loop filter 130 is often applied to the reconstructed video data before the reconstructed video data are stored in the Reference Picture Buffer 134 in order to improve video quality. For example, deblocking filter (DF) , Sample Adaptive Offset (SAO) and Adaptive Loop Filter (ALF) may be used. The loop filter information may need to be incorporated in the bitstream so that a decoder can properly recover the required information. Therefore, loop filter information is also provided to Entropy Encoder 122 for incorporation into the bitstream. In Fig. 1A, Loop filter 130 is applied to the reconstructed video before the reconstructed samples are stored in the reference picture buffer 134. The system in Fig. 1A is intended to illustrate an exemplary structure of a typical video encoder. It may correspond to the High Efficiency Video Coding (HEVC) system, VP8, VP9, H. 264 or VVC.

The decoder, as shown in Fig. 1B, can use similar or portion of the same functional blocks as the encoder except for Transform 118 and Quantization 120 since the decoder only needs Inverse Quantization 124 and Inverse Transform 126. Instead of Entropy Encoder 122, the decoder uses an Entropy Decoder 140 to decode the video bitstream into quantized transform coefficients and needed coding information (e.g. ILPF information, Intra prediction information and Inter prediction information) . The Intra prediction 150 at the decoder side does not need to perform the mode search. Instead, the decoder only needs to generate Intra prediction according to Intra prediction information received from the Entropy Decoder 140. Furthermore, for Inter prediction, the decoder only needs to perform motion compensation (MC 152) according to Inter prediction information received from the Entropy Decoder 140 without the need for motion estimation.

According to VVC, an input picture is partitioned into non-overlapped square block regions referred as CTUs (Coding Tree Units) , similar to HEVC. Each CTU can be partitioned into one or multiple smaller size coding units (CUs) . The resulting CU partitions can be in square or rectangular shapes. Also, VVC divides a CTU into prediction units (PUs) as a unit to apply prediction process, such as Inter prediction, Intra prediction, etc.

The VVC standard incorporates various new coding tools to further improve the coding efficiency over the HEVC standard. Among various new coding tools, some coding tools relevant to the present invention are reviewed as follows. For example, Merge with MVD Mode (MMVD) technique re-uses the same merge candidates as those in VVC and a selected candidate can be further expanded by a motion vector expression method. It is desirable to develop techniques to further improve MMVD.

BRIEF SUMMARY OF THE INVENTION

A method and apparatus for video coding using MMVD (Merge with MVD (Motion Vector Difference) ) mode are disclosed. According to the method, input data associated with a current block are received, where the input data comprise pixel data for the current block to be encoded at an encoder side or encoded data associated with the current block to be decoded at a decoder  side. Two or more base merge MVs (Motion Vectors) from a merge list are determined for the current block. A modified expanded merge candidate is determined for at least one of said two or more base merge MVs using a modified set of search locations if said at least one of said two or more base merge MVs is close to another base MV (Motion Vector) of said two or more base merge MVs, where at least one search location is different between a nominal set of search locations and the modified set of search locations, and where the nominal set of search locations comprises one or more defined directions at a set of nominal distances around a target base merge MV. The current block is encoded or decoded using motion information comprising the modified expanded merge candidate.

In one embodiment, said one or more defined directions correspond to a horizontal direction, a vertical direction, or both. In one embodiment, the modified set of search locations comprise modified search locations in a non-horizontal and non-vertical direction. In one embodiment, the modified set of search locations comprise modified search locations having at least one distance different from the set of nominal distances. In another embodiment, the modified set of search locations correspond to a set of modified distances normalized from the set of nominal distances according to a length of said at least one of said two or more base merge MVs. In yet another embodiment, the modified set of search locations comprise modified search locations in a non-horizontal and non-vertical direction and having at least one distance different from the set of nominal distances.

In one embodiment, when B base merge MVs are close to each other, a common base merge MV is derived from the B base merge MVs and the modified set of search locations are applied to the common base merge MV, and wherein B is an integer greater than 1. In one embodiment, the modified set of search locations comprise at least one direction in addition to the horizontal direction and the vertical direction. In another embodiment, the modified set of search locations comprise B sets of search directions. In one embodiment, the common base merge MV corresponds to a mid-point of said B base merge MVs. In another embodiment, the common base merge MV corresponds to one of said B base merge MVs having a smallest base index.

In one embodiment, when a first base merge MV is close to a second base merge MV, search directions for the second base merge MV is dependent on the first base merge MV. In one embodiment, the modified set of search locations for the second base merge MV comprise at least one non-horizontal and non-vertical search direction pointing away from the first base merge MV. In another embodiment, the modified set of search locations for the second base merge MV comprise two non-horizontal and non-vertical search directions, one horizontal search direction and one vertical search direction, all pointing away from the first base merge MV.

In one embodiment, when a first base merge MV is close to a second base merge MV, the modified set of search locations for the first base merge MV use modified search directions parallel to and perpendicular to a line respectively, and wherein the line connects the first base merge MV and the second base merge MV. In one embodiment, the modified set of search locations for the second base merge MV use rotated search directions, wherein the rotated search  directions are formed by rotating the modified search directions.

In one embodiment, when a distance between two base merge MVs is small, an offset is added to one of two base merge MVs to generate a new base merge MV so that the distance is large enough.

In another embodiment, when a distance between two base merge MVs is not large enough, one of two base merge MVs is replaced by another base merge MV.

BRIEF DESCRIPTION OF THE DRAWINGS

Fig. 1A illustrates an exemplary adaptive Inter/Intra video coding system incorporating loop processing.

Fig. 1B illustrates a corresponding decoder for the encoder in Fig. 1A.

Fig. 2 illustrates an example of CPR (Current Picture Referencing) compensation, where blocks are predicted by corresponding blocks in the same picture.

Fig. 3 illustrates an example of MMVD (Merge mode Motion Vector Difference) search process, where a current block in the current frame is processed by bi-direction prediction using a L0 reference frame and a L1 reference frame.

Fig. 4 illustrates the offset distances in the horizontal and vertical directions for a L0 reference block 410 and L1 reference block according to MMVD.

Fig. 5 illustrates an example of merge mode candidate derivation from spatial and temporal neighbouring blocks.

Fig. 6A illustrates an example of modified search locations for one of two bases according to an embodiment of the present invention when the two bases are close in the horizontal direction, where the modified search locations include slant search directions downward.

Fig. 6B illustrates an example of modified search locations for one of two bases according to an embodiment of the present invention when the two bases are close in the vertical direction, where the modified search locations include slant search directions toward right.

Fig. 7A illustrates an example of search locations for four bases with three being close to each other according to the conventional MMVD.

Fig. 7B illustrates an example of search locations for four bases with three being close to each other according to an embodiment of the present invention, where the MMVD search locations are based on a common base derived from the three closely located bases.

Fig. 8A illustrates an example of search locations according to the conventional MMVD, where the search is performed along the vertical and horizontal directions from the bases b0 and b1 respectively.

Fig. 8B illustrates an example of search locations according to an embodiment of the present invention, where the search locations of the second base are dependent on a relative location with respect to the first base.

Fig. 9A illustrates an example of search locations according to the conventional MMVD, where the search is performed along the vertical and horizontal directions from the bases b0 and b1 respectively.

Fig. 9B illustrates an example of search locations according to an embodiment of the  present invention, where the search directions for the first base are parallel to the direction of (b₁ –b₀) and perpendicular to the direction of (b₁ –b₀) and the search directions for the second base are rotated from those of the first base.

Fig. 10 illustrates a flowchart of another exemplary video coding system that utilizes modified search location for MMVD according to an embodiment of the present invention.

DETAILED DESCRIPTION OF THE INVENTION

It will be readily understood that the components of the present invention, as generally described and illustrated in the figures herein, may be arranged and designed in a wide variety of different configurations. Thus, the following more detailed description of the embodiments of the systems and methods of the present invention, as represented in the figures, is not intended to limit the scope of the invention, as claimed, but is merely representative of selected embodiments of the invention. References throughout this specification to “one embodiment, ” “an embodiment, ” or similar language mean that a particular feature, structure, or characteristic described in connection with the embodiment may be included in at least one embodiment of the present invention. Thus, appearances of the phrases “in one embodiment” or “in an embodiment” in various places throughout this specification are not necessarily all referring to the same embodiment.

Furthermore, the described features, structures, or characteristics may be combined in any suitable manner in one or more embodiments. One skilled in the relevant art will recognize, however, that the invention can be practiced without one or more of the specific details, or with other methods, components, etc. In other instances, well-known structures, or operations are not shown or described in detail to avoid obscuring aspects of the invention. The illustrated embodiments of the invention will be best understood by reference to the drawings, wherein like parts are designated by like numerals throughout. The following description is intended only by way of example, and simply illustrates certain selected embodiments of apparatus and methods that are consistent with the invention as claimed herein.

Current Picture Referencing

Motion Compensation, one of the key technologies in hybrid video coding, explores the pixel correlation between adjacent pictures. It is generally assumed that, in a video sequence, the patterns corresponding to objects or background in a frame are displaced to form corresponding objects in the subsequent frame or correlated with other patterns within the current frame. With the estimation of such displacement (e.g. using block matching techniques) , the pattern can be mostly reproduced without the need to re-code the pattern. Similarly, block matching and copy has also been tried to allow selecting the reference block from the same picture as the current block. It was observed to be inefficient when applying this concept to camera captured videos. Part of the reasons is that the textual pattern in a spatial neighbouring area may be similar to the current coding block, but usually with some gradual changes over the space. It is difficult for a block to find an exact match within the same picture in a video captured by a camera. Accordingly, the improvement in coding performance is limited.

However, the situation for spatial correlation among pixels within the same picture is  different for screen contents. For a typical video with texts and graphics, there are usually repetitive patterns within the same picture. Hence, intra (picture) block compensation has been observed to be very effective. A new prediction mode, i.e., the intra block copy (IBC) mode or called current picture referencing (CPR) , has been introduced for screen content coding to utilize this characteristic. In the CPR mode, a prediction unit (PU) is predicted from a previously reconstructed block within the same picture. Further, a displacement vector (called block vector or BV) is used to indicate the relative displacement from the position of the current block to that of the reference block. The prediction errors are then coded using transformation, quantization and entropy coding. An example of CPR compensation is illustrated in Fig. 2, where block 212 is a corresponding block for block 210, and block 222 is a corresponding block for block 220. In this technique, the reference samples correspond to the reconstructed samples of the current decoded picture prior to in-loop filter operations, both deblocking and sample adaptive offset (SAO) filters in HEVC.

The very first version of CPR was proposed in JCTVC-M0350 (Budagavi et al., AHG8: Video coding using Intra motion compensation, Joint Collaborative Team on Video Coding (JCT-VC) of ITU-T SG16 WP3 and ISO/IEC JTC 1/SC 29/WG11, 13th Meeting: Incheon, KR, 18–26 Apr. 2013, Document: JCTVC-M0350) to the HEVC Range Extensions (RExt) development. In this version, the CPR compensation was limited to be within a small local area, with only 1-D block vector and only for block size of 2Nx2N. Later, a more advanced CPR design has been developed during the standardization of HEVC SCC (Screen Content Coding) .

When CPR is used, only part of the current picture can be used as the reference picture. A few bitstream conformance constraints are imposed to regulate the valid MV value referring to the current picture. First, one of the following two must be true:

BV_x + offsetX + nPbSw + xPbs –xCbs <= 0     (1)

BV_y + offsetY + nPbSh + yPbs –yCbs <= 0     (2)

Second, the following WPP condition must be true:

(xPbs + BV_x + offsetX + nPbSw -1) /CtbSizeY –xCbs /CtbSizeY <=yCbs /CtbSizeY - (yPbs + BV_y + offsetY + nPbSh -1) /CtbSizeY   (3)

In equations (1) through (3) , (BV_x, BV_y) is the luma block vector (the motion vector for CPR) for the current PU; nPbSw and nPbSh are the width and height of the current PU; (xPbS, yPbs) is the location of the top-left pixel of the current PU relative to the current picture; (xCbs, yCbs) is the location of the top-left pixel of the current CU relative to the current picture; and CtbSizeY is the size of the CTU. OffsetX and offsetY are two adjusted offsets in two dimensions in consideration of chroma sample interpolation for the CPR mode.

offsetX = BVC_x &0x7 ? 2 : 0    (4)

offsetY = BVC_y &0x7 ? 2 : 0    (5)

(BVC_x, BVC_y) is the chroma block vector, in 1/8-pel resolution in HEVC.

Third, the reference block for CPR must be within the same tile/slice boundary.

Merge with MVD Mode (MMVD) technique

The MMVD technique is proposed in JVECT-J0024 . MMVD is used for either skip or merge modes with a proposed motion vector expression method. MMVD re-uses the same merge  candidates as those in VVC. Among the merge candidates, a candidate can be selected, and is further expanded by the proposed motion vector expression method. MMVD provides a new motion vector expression with simplified signalling. The expression method includes prediction direction information, starting point (also referred as a base in this disclosure) , motion magnitude (also referred as a distance in this disclosure) , and motion direction. Fig. 3 illustrates an example of MMVD search process, where a current block 312 in the current frame 310 is processed by bi-direction prediction using a L0 reference frame 320 and a L1 reference frame 330. A pixel location 350 is projected to pixel location 352 in L0 reference frame 320 and pixel location 354 in L1 reference frame 330. According to the MMVD search process, updated locations will be searched by adding offsets in selected directions. For example, the updated locations correspond to locations along line 342 or 344 in the horizontal direction with distances to at s, 2s or 3s.

This proposed technique uses a merge candidate list as is. However, only candidates which are default merge type (i.e., MRG_TYPE_DEFAULT_N) are considered for MMVD’s expansion. Prediction direction information indicates a prediction direction among L0, L1, and L0 and L1 predictions. In B slice, the proposed method can generate bi-prediction candidates from merge candidates with uni-prediction by using mirroring technique. For example, if a merge candidate is uni-prediction with L1, a reference index of L0 is decided by searching a reference picture in list 0, which is mirrored with the reference picture for list 1. If there is no corresponding picture, the nearest reference picture to the current picture is used. L0’ MV is derived by scaling L1’s MV and the scaling factor is calculated by POC distance.

In MMVD, after a merge candidate is selected, it is further expanded or refined by the signalled MVDs information. The further information includes a merge candidate flag, an index to specify motion magnitude, and an index for indication of the motion direction. In MMVD mode, one of the first two candidates in the merge list is selected to be used as an MV basis. The MMVD candidate flag is signalled to specify which one is used between the first and second merge candidates. The initial MVs (i.e., merge candidates) selected from the merge candidate list are also referred as bases in this disclosure. After searching the set of locations, a selected MV candidate is referred as an expanded MV candidate in this disclosure.

If the prediction direction of the MMVD candidate is the same as one of the original merge candidate, the index with value 0 is signalled as the MMVD prediction direction. Otherwise, the index with value 1 is signalled. After sending first bit, the remaining prediction direction is signalled based on the pre-defined priority order of MMVD prediction direction. Priority order is L0/L1 prediction, L0 prediction and L1 prediction. If the prediction direction of merge candidate is L1, signalling ‘0’ indicates MMVD’ prediction direction as L1. Signalling ‘10’ indicates MMVD’ prediction direction as L0 and L1. Signalling ‘11’ indicates MMVD’ prediction direction as L0. If L0 and L1 prediction lists are same, MMVD’s prediction direction information is not signalled.

Base candidate index, as shown in Table 1, defines the starting point. Base candidate index indicates the best candidate among candidates in the list as follows.

Table 1. Base candidate IDX

Distance index specifies motion magnitude information and indicates the pre-defined offset from the starting points (412 and 422) for a L0 reference block 410 and L1 reference block 420 as shown in Fig. 4. In Fig. 4, an offset is added to either the horizontal component or the vertical component of the starting MV, where small circles in different styles correspond to different offsets from the centre. The relation between the distance index and pre-defined offset is specified in Table 2.

Table 2. Distance IDX

Direction index represents the direction of the MVD relative to the starting point. The direction index can represent of the four directions as shown below. Direction index represents the direction of the MVD relative to the starting point. The direction index can represent the four directions as shown in Table 3. It is noted that the meaning of MVD sign could be variant according to the information of starting MVs. When the starting MVs are an un-prediction MV or bi-prediction MVs with both lists pointing to the same side of the current picture (i.e. POCs of two references both larger than the POC of the current picture, or both smaller than the POC of the current picture) , the sign in Table 3 specifies the sign of the MV offset added to the starting MV.When the starting MVs are bi-prediction MVs with the two MVs pointing to the different sides of the current picture (i.e. the POC of one reference larger than the POC of the current picture, and the POC of the other reference smaller than the POC of the current picture) , and the difference of POC in list 0 is greater than the one in list 1, the sign in Table 3 specifies the sign of MV offset added to the list0 MV component of the starting MV and the sign for the list1 MV has an opposite value. Otherwise, if the difference of POC in list 1 is greater than list 0, the sign in Table 3 specifies the sign of the MV offset added to the list1 MV component of starting MV and the sign for the list0 MV has an opposite value.

Table 3. Direction IDX

To reduce the encoder complexity, block restriction is applied. If either width or height of a CU is less than 4, MMVD is not performed.

Multi-Hypothesis Prediction (MH) Technique

Multi-hypothesis prediction is proposed to improve the existing prediction modes in inter pictures, including uni-prediction of advanced motion vector prediction (AMVP) mode, skip and merge mode, and intra mode. The general concept is to combine an existing prediction mode with an extra merge indexed prediction. The merge indexed prediction is performed in a manner the same as that for the regular merge mode, where a merge index is signalled to acquire motion  information for the motion compensated prediction. The final prediction is the weighted average of the merge indexed prediction and the prediction generated by the existing prediction mode, where different weights are applied depending on the combinations. Detail information can be found in JVET-K1030 (Chih-Wei Hsu, et al., Description of Core Experiment 10: Combined and multi-hypothesis prediction, Joint Collaborative Team on Video Coding (JCT-VC) of ITU-T SG16 WP3 and ISO/IEC JTC 1/SC 29/WG11, 11th Meeting: Ljubljana, SI, 10–18 July 2018, Document: JVET-K1030) , or JVET-L0100 (Man-Shu Chiang, et al., CE10.1.1: Multi-hypothesis prediction for improving AMVP mode, skip or merge mode, and intra mode, Joint Collaborative Team on Video Coding (JCT-VC) of ITU-T SG16 WP3 and ISO/IEC JTC 1/SC 29/WG11, 12th Meeting: Macao, CN, 3–12 Oct. 2018, Document: JVET-L0100) .

Pairwise Averaged Merge Candidates

Pairwise average candidates are generated by averaging predefined pairs of candidates in the current merge candidate list, and the predefined pairs are defined as { (0, 1) , (0, 2) , (1, 2) , (0, 3) , (1, 3) , (2, 3) } , where the numbers denote the merge indices to the merge candidate list. The averaged motion vectors are calculated separately for each reference list. If both motion vectors are available in one list, these two motion vectors are averaged even when they point to different reference pictures; if only one motion vector is available, use the one directly; if no motion vector is available, treat this list as invalid.

Merge Mode

To increase the coding efficiency of motion vector (MV) coding in HEVC, HEVC has the Skip, and Merge mode. Skip and Merge modes obtains the motion information from spatially neighbouring blocks (spatial candidates) or a temporal co-located block (temporal candidate) . When a PU is Skip or Merge mode, no motion information is coded, instead, only the index of the selected candidate is coded. For Skip mode, the residual signal is forced to be zero and not coded. In HEVC, if a particular block is encoded as Skip or Merge, a candidate index is signalled to indicate which candidate among the candidate set is used for merging. Each merged PU reuses the MV, prediction direction, and reference picture index of the selected candidate.

For Merge mode in HM-4.0 in HEVC, as shown in Fig. 5, up to four spatial MV candidates are derived from A₀, A₁, B₀ and B₁, and one temporal MV candidate is derived from T_BR or T_CTR (T_BR is used first, if T_BR is not available, T_CTR is used instead) . Note that if any of the four spatial MV candidates is not available, the position B₂ is then used to derive another MV candidate as a replacement. After the derivation process of the four spatial MV candidates and one temporal MV candidate, removing redundancy (pruning) is applied to remove redundant MV candidates. If after removing redundancy (pruning) , the number of available MV candidates is smaller than five, three types of additional candidates are derived and added to the candidate set (candidate list) . The encoder selects one final candidate within the candidate set for Skip or Merge modes based on the rate-distortion optimization (RDO) decision, and transmits the index to the decoder.

Hereafter, we will denote the skip and merge mode as “merge mode” . In other words, when the “merge mode” is mentioned in the following specification, the “merge mode” may refer to both skip and merge modes.

Adaptive MVD Distance and Direction in MMVD

In the current MMVD design, for each base, MVD candidates are generated using the same combinations of distances and directions. However, if there are two bases close to each other, applying the same MVD to the two bases will result in two similar motion vectors, which may be redundant. The present invent discloses methods to reduce such similar candidates by considering the difference between the bases and adaptively changing distances, directions, or both for each base. The set of search locations according to the conventional MMVD is referred as a nominal set of search locations in this disclosure. The set of search distances according to the conventional MMVD is referred as a nominal set of search distances in this disclosure.

The first method is illustrated in Figs. 6A-B. Given two bases b₀ = (x_b0, y_b0) and b₁ = (x_b1, y_b1) , consider the difference of the two bases b₀ –b₁. If the x difference is small enough (as shown in Fig. 6A) , which implies that searching the vertical directions may be redundant. Accordingly, embodiments of the present invention search other directions (e.g., diagonal directions) instead of vertical directions for b₁. In Fig. 6A, the search locations 610 on the left side correspond to the conventional MMVD search. The search locations (shown as “x” in the left side of Fig. 6A) associated with base b₁ enclosed by the ellipses 612 may be redundant since they are closely located with the search locations (shown as circles in left side of Fig. 6A) associated with base b₀. On the right side of Fig. 6A, the search according to one embodiment of the present invention is shown, where the search direction is diagonal and the new search locations 620 are indicated by the ellipses 622. Similarly, if the y difference is small enough (as shown in Fig. 6B) , search other directions (e.g. diagonal direction) instead of horizontal directions for b₁. In Fig. 6B, the search locations 630 on the left side correspond to the conventional MMVD search. The search locations (shown as “x” in the left side of Fig. 6B) associated with base b₁ enclosed by the ellipses 632 may be redundant since they are closely located with the search locations (shown as circles in left side of Fig. 6B) associated with base b₀. On the right side of Fig. 6B, the search locations 640 according to one embodiment of the present invention is shown, where the search direction is diagonal and the new search locations are indicated by the ellipses 642. If neither x nor y difference is small enough, no changes are made since there are probably no redundant candidates. As described above, the present invention modifies the nominal search locations to avoid redundancy in the search location. In other words, embodiments of the present invention use a modified set of search locations for MMVD. While the conventional MMVD always searches in the horizontal direction and the vertical direction, the embodiments as shown in Fig. 6A and Fig. 6B use a modified set of search locations comprising a non-horizontal and non-vertical direction.

In another method, given more than one bases, if B of the bases are close enough, where B is an integer larger than one, define a common base b_c using these B bases and search B different direction sets based on the common base instead of searching one direction set based on B different bases. The common base can be the base corresponding to the smallest base index or the midpoint of the B bases. After this modification, it is guaranteed that the B bases generate candidates without duplication. For the other bases, no changes are made. An example is illustrated in Figs. 7A-B, where four bases (i.e., b₀, b₁, b₂ and b₃) are present, the number B is equal to three (i.e., b₀, b₁ and b₂) . Fig. 7A illustrates the search locations based on the  conventional MMVD, where the search locations (indicated by contour 710) associated with bases b₀, b₁ and b₂ are concentrated near the center of the search location cluster 710 while search locations (indicated by contour 720) associated with base b₂ well separated with search location cluster 710. Fig. 7B illustrates the search locations according to an embodiment of the present invention. In Fig. 7B, the common base b_c 732 is the midpoint of the three bases (i.e., b₀, b₁ and b₂) . As shown in Fig. 7B, the search locations (indicated by contour 730) according to the present invention spread out to cover a larger area.

In another method, given two bases b₀ and b₁, we always generate candidates of b₀ along with horizontal and vertical directions. The directions of b₁ are determined by the position of b₁ with respect to b₀. Fig. 8A illustrates an example of search locations according to the conventional MMVD, where the search is performed along the vertical and horizontal directions from the bases b₀ and b₁ respectively. In the example of Fig. 8A, basis b₁ lies in the first quadrant with respect to b₀. According to an embodiment of the present invention, search candidates of b₁ are generated in the first quadrant along with the directions (810, 812, 814 and 816) pointing away from basis b₀ as shown in Fig. 8B to prevent redundant candidates. The four search directions (810, 812, 814 and 816) include two non-horizontal and non-vertical search directions, one horizontal search direction and one vertical search direction, all pointing away from the first base merge MV. As shown in Fig. 8B, the search locations for b₁ are well separated from these for b₀.

In another method, given two bases b₀ and b₁, search candidates of b₀ are generated along with the directions parallel to or perpendicular to the direction of b₁ –b₀. Fig. 9A illustrates an example of search locations according to the conventional MMVD, where the search is performed along the vertical and horizontal directions from the bases b₀ and b₁ respectively. In Fig. 9B, search direction 910 is parallel to the direction of b₁ –b₀ and search direction 920 is perpendicular to the direction of b₁ –b₀. The directions (930 and 940) of b₁ are determined by rotating the directions of b₀.

If multiple bases are close to one another, in addition to searching in other directions, searching at different distances also generates candidates with less redundancy. In the current MMVD, the distance is one of the values in the distance table (Table 2. ) {1/4, 1/2, 1, 2, 4, 8, 16, 32} . In one embodiment of the present invention, if two bases are close to each other, one basis generates the candidates following the original distance table, but the other basis generates the candidates using a new distance table, such as {3/4, 3/2, 3, 6, 12, 24, 48, 96} , to prevent repetitive candidates.

In another method, the distance table for a base is normalized by a factor related to the length of the base (i.e., the magnitude of the MV) . The underlying assumption is that a base with larger length tends to have larger MVD. Therefore, the distance table should be changed accordingly.

Moreover, the proposed methods that adaptively change the directions can be combined with the proposed methods that adaptively change the distances.

In addition to adaptively changing directions or distances, adding constraints to the base generation process can also prevent redundant MMVD candidates. In one embodiment, the  constraint corresponds to that the distance between any two bases should be large enough (e.g. greater than a threshold) . If two existing bases do not satisfy the constraint, one of them should be removed or replaced by another MVP which satisfies the constraint. In another embodiment, if the distance between two bases is small enough in one direction, add an offset to the one or both to keep them apart.

Any of the MMVD methods described above can be implemented in encoders and/or decoders. For example, any of the proposed methods can be implemented in an inter coding module of an encoder (e.g. Inter Pred. 112 in Fig. 1A) , a motion compensation module (e.g., MC 152 in Fig. 1B) , a merge candidate derivation module of a decoder. Alternatively, any of the proposed methods can be implemented as a circuit coupled to the inter coding module of an encoder and/or motion compensation module, a merge candidate derivation module of the decoder. While the Inter-Pred. 112 and MC 152 are shown as individual processing units to support the MMVD methods, they may correspond to executable software or firmware codes stored on a media, such as hard disk or flash memory, for a CPU (Central Processing Unit) or programmable devices (e.g. DSP (Digital Signal Processor) or FPGA (Field Programmable Gate Array) ) .

Fig. 10 illustrates a flowchart of another exemplary video coding system that utilizes modified search location for MMVD according to an embodiment of the present invention. The steps shown in the flowchart may be implemented as program codes executable on one or more processors (e.g., one or more CPUs) at the encoder side. The steps shown in the flowchart may also be implemented based hardware such as one or more electronic devices or processors arranged to perform the steps in the flowchart. According to this method, input data associated with a current block are received in step 1010, wherein the input data comprise pixel data for the current block to be encoded at an encoder side or encoded data associated with the current block to be decoded at a decoder side. Two or more base merge MVs are determined from a merge list for the current block in step 1020. In step 1030, a modified expanded merge candidate is determined for at least one of said two or more base merge MVs using a modified set of search locations if said at least one of said two or more base merge MVs is close to another base MV of said two or more base merge MVs, wherein at least one search location is different between the nominal set of search locations and the modified set of search locations, and wherein the nominal set of search locations comprises one or more defined directions at a set of nominal distances around a target base merge MV. The current block is encoded or decoded using motion information comprising the modified expanded merge candidate in step 1040.

The flowchart shown is intended to illustrate an example of video coding according to the present invention. A person skilled in the art may modify each step, re-arranges the steps, split a step, or combine steps to practice the present invention without departing from the spirit of the present invention. In the disclosure, specific syntax and semantics have been used to illustrate examples to implement embodiments of the present invention. A skilled person may practice the present invention by substituting the syntax and semantics with equivalent syntax and semantics without departing from the spirit of the present invention.

The above description is presented to enable a person of ordinary skill in the art to practice  the present invention as provided in the context of a particular application and its requirement. Various modifications to the described embodiments will be apparent to those with skill in the art, and the general principles defined herein may be applied to other embodiments. Therefore, the present invention is not intended to be limited to the particular embodiments shown and described, but is to be accorded the widest scope consistent with the principles and novel features herein disclosed. In the above detailed description, various specific details are illustrated in order to provide a thorough understanding of the present invention. Nevertheless, it will be understood by those skilled in the art that the present invention may be practiced.

Embodiment of the present invention as described above may be implemented in various hardware, software codes, or a combination of both. For example, an embodiment of the present invention can be one or more circuit circuits integrated into a video compression chip or program code integrated into video compression software to perform the processing described herein. An embodiment of the present invention may also be program code to be executed on a Digital Signal Processor (DSP) to perform the processing described herein. The invention may also involve a number of functions to be performed by a computer processor, a digital signal processor, a microprocessor, or field programmable gate array (FPGA) . These processors can be configured to perform particular tasks according to the invention, by executing machine-readable software code or firmware code that defines the particular methods embodied by the invention. The software code or firmware code may be developed in different programming languages and different formats or styles. The software code may also be compiled for different target platforms. However, different code formats, styles and languages of software codes and other means of configuring code to perform the tasks in accordance with the invention will not depart from the spirit and scope of the invention.

The invention may be embodied in other specific forms without departing from its spirit or essential characteristics. The described examples are to be considered in all respects only as illustrative and not restrictive. The scope of the invention is therefore, indicated by the appended claims rather than by the foregoing description. All changes which come within the meaning and range of equivalency of the claims are to be embraced within their scope.

Claims (19)

1. A method of video coding using MMVD (Merge with MVD (Motion Vector Difference) ) mode, the method comprising:

   receiving input data associated with a current block, wherein the input data comprise pixel data for the current block to be encoded at an encoder side or encoded data associated with the current block to be decoded at a decoder side;

   determining two or more base merge MVs (Motion Vectors) from a merge list for the current block;

   determining a modified expanded merge candidate for at least one of said two or more base merge MVs using a modified set of search locations if said at least one of said two or more base merge MVs is close to another base MV (Motion Vector) of said two or more base merge MVs, wherein at least one search location is different between a nominal set of search locations and the modified set of search locations, and wherein the nominal set of search locations comprises one or more defined directions at a set of nominal distances around a target base merge MV; and

   encoding or decoding the current block using motion information comprising the modified expanded merge candidate.
2. The method of Claim 1, wherein said one or more defined directions correspond to a horizontal direction, a vertical direction, or both.
3. The method of Claim 1, wherein the modified set of search locations comprise modified search locations in a non-horizontal and non-vertical direction.
4. The method of Claim 1, wherein the modified set of search locations comprise modified search locations having at least one distance different from the set of nominal distances.
5. The method of Claim 4, wherein the modified set of search locations correspond to a set of modified distances normalized from the set of nominal distances according to a length of said at least one of said two or more base merge MVs.
6. The method of Claim 1, wherein the modified set of search locations comprise modified search locations in a non-horizontal and non-vertical direction and having at least one distance different from the set of nominal distances.
7. The method of Claim 1, wherein when B base merge MVs are close to each other, a common base merge MV is derived from the B base merge MVs and the modified set of search locations are applied to the common base merge MV, and wherein B is an integer greater than 1.
8. The method of Claim 7, wherein the modified set of search locations comprise at least one direction in addition to a horizontal direction and a vertical direction.
9. The method of Claim 7, wherein the modified set of search locations comprise B sets of search directions.
10. The method of Claim 7, wherein the common base merge MV corresponds to a mid-point of said B base merge MVs.
11. The method of Claim 7, wherein the common base merge MV corresponds to one of said B base merge MVs having a smallest base index.
12. The method of Claim 1, wherein when a first base merge MV is close to a second base  merge MV, search directions for the second base merge MV are dependent on a relative location with respect to the first base merge MV.
13. The method of Claim 12, wherein the modified set of search locations for the second base merge MV comprise at least one non-horizontal and non-vertical search direction pointing away from the first base merge MV.
14. The method of Claim 13, wherein the modified set of search locations for the second base merge MV comprise two non-horizontal and non-vertical search directions, one horizontal search direction and one vertical search direction, all pointing away from the first base merge MV.
15. The method of Claim 1, wherein when a first base merge MV is close to a second base merge MV, the modified set of search locations for the first base merge MV use modified search directions parallel to and perpendicular to a line respectively, and wherein the line connects the first base merge MV and the second base merge MV.
16. The method of Claim 15, wherein the modified set of search locations for the second base merge MV use rotated search directions, wherein the rotated search directions are formed by rotating the modified search directions.
17. The method of Claim 1, wherein when a distance between two base merge MVs is small, an offset is added to one of two base merge MVs to generate a new base merge MV so that the distance is large enough.
18. The method of Claim 1, wherein when a distance between two base merge MVs is not large enough, one of two base merge MVs is replaced by another base merge MV.
19. An apparatus for video coding using MMVD (Merge with MVD (Motion Vector Difference) ) mode, wherein one target expanded merge candidate is derived by searching a nominal set of search locations in a horizontal direction and a vertical direction at a set of nominal distances around one target base merge MV (Motion Vector) , the apparatus comprising one or more electronics or processors arranged to:

    receive input data associated with a current block, wherein the input data comprise pixel data for the current block to be encoded at an encoder side or prediction residual data associated with the current block to be decoded at a decoder side;

    determine two or more base merge MVs from a merge list for the current block;

    determine a modified expanded merge candidate for at least one of said two or more base merge MVs using a modified set of search locations if said at least one of said two or more base merge MVs is close to another base MV of said two or more base merge MVs, wherein at least one search location is different between the nominal set of search locations and the modified set of search locations; and

    encode or decode the current block using motion information comprising the modified expanded merge candidate.