CN110971902B - 视频解码的方法和装置、计算机设备 - Google Patents

视频解码的方法和装置、计算机设备 Download PDF

Info

Publication number
CN110971902B
CN110971902B CN201910911063.5A CN201910911063A CN110971902B CN 110971902 B CN110971902 B CN 110971902B CN 201910911063 A CN201910911063 A CN 201910911063A CN 110971902 B CN110971902 B CN 110971902B
Authority
CN
China
Prior art keywords
block
sub
current block
size
video
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
CN201910911063.5A
Other languages
English (en)
Other versions
CN110971902A (zh
Inventor
李贵春
许晓中
李翔
刘杉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent America LLC
Original Assignee
Tencent America LLC
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 Tencent America LLC filed Critical Tencent America LLC
Publication of CN110971902A publication Critical patent/CN110971902A/zh
Application granted granted Critical
Publication of CN110971902B publication Critical patent/CN110971902B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
    • H04N19/139—Analysis of motion vectors, e.g. their magnitude, direction, variance or reliability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H04N19/517—Processing of motion vectors by encoding
    • H04N19/52—Processing of motion vectors by encoding by predictive encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—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

Abstract

本申请实施例提供了一种视频解码的方法和装置、计算机设备。该方法可以包括：接收图片中的当前块；确定当前块的尺寸是否小于或等于尺寸阈值；当当前块的尺寸小于或等于尺寸阈值时，禁用一种或多种类型的基于子块的合并候选解码当前块。

Description

视频解码的方法和装置、计算机设备
通过引用并入本文
本申请要求于2018年10月1日提交的、申请号为62/739,632、发明名称为"子块合并模式约束的方法"的美国临时申请、以及于2018年10月6日提交的、申请号为62/742,322、发明名称为“对基于子块的合并列表创建进行约束的方法”的美国临时申请、以及于2019年9月3日提交的、申请号为16/559,257、发明名称为“视频编码的方法和装置”的美国申请的优先权，其全部内容通过引用并入本申请中。
技术领域
本申请涉及视频编解码技术，特别涉及视频解码的方法和装置、计算机设备。
背景技术
通过具有运动补偿的帧间图片预测技术，可以进行视频编码和解码。未压缩的数字视频可包括一系列图片，每个图片具有例如1920×1080亮度样本及相关色度样本的空间维度。所述系列图片具有固定的或可变的图片速率(也非正式地称为帧率)，例如每秒60个图片或60Hz。未压缩的视频具有非常大的比特率要求。例如，每个样本8比特的1080p60 4:2:0的视频(1920x1080亮度样本分辨率，60Hz帧率)要求接近1.5Gbit/s带宽。一小时这样的视频就需要超过600GB的存储空间。
视频编码和解码的一个目的，是通过压缩减少输入视频信号的冗余信息。视频压缩可以帮助降低对上述带宽或存储空间的要求，在某些情况下可降低两个或更多数量级。无损和有损压缩，以及两者的组合均可采用。无损压缩是指从压缩的原始信号中重建原始信号精确副本的技术。当使用有损压缩时，重建信号可能与原始信号不完全相同，但是原始信号和重建信号之间的失真足够小，使得重建信号可用于预期应用。有损压缩广泛应用于视频。容许的失真量取决于应用。例如，相比于电视应用的用户，某些消费流媒体应用的用户可以容忍更高的失真。可实现的压缩比反映出：较高的允许/容许失真可产生较高的压缩比。
运动补偿可以是一种有损压缩技术，且可涉及如下技术：来自先前重建的图片或重建图片一部分(参考图片)的样本数据块在空间上按运动矢量(下文称为MV)指示的方向移位后，用于新重建的图片或图片部分的预测。在某些情况下，参考图片可与当前正在重建的图片相同。MV可具有两个维度X和Y，或者三个维度，其中第三个维度表示使用中的参考图片(后者间接地可为时间维度)。
在一些视频压缩技术中，应用于某个样本数据区域的MV可根据其它MV来预测，例如根据与正在重建的区域空间相邻的另一个样本数据区域相关的、且按解码顺序在该MV前面的那些MV。这样做可以大大减少编码MV所需的数据量，从而消除冗余信息并增加压缩量。MV预测可以有效地进行，例如，当对从相机导出的输入视频信号(称为自然视频)进行编码时，存在一种统计上的可能性，即面积大于单个MV适用区域的区域，会朝着类似的方向移动，因此，在某些情况下，可以用邻近区域的MV导出的相似运动矢量进行预测。这导致针对给定区域发现的MV与根据周围MV预测的MV相似或相同，并且在熵编码之后，又可以用比直接编码MV时使用的比特数更少的比特数来表示。在某些情况下，MV预测可以是对从原始信号(即样本流)导出的信号(即MV)进行无损压缩的示例。在其它情况下，MV预测本身可能是有损的，例如由于根据几个周围MV计算预测值时产生的取整误差。
H.265/HEVC(ITU-T Rec.H.265，“高效视频编码”，2016年12月)描述了各种MV预测机制。在H.265所提供的多种MV预测机制中，本文描述的是一种下文称为“空间合并”的技术。
发明内容
本申请实施例提供了视频解码的方法和装置、计算机设备，旨在解决当图片内的区域包括大量小编码块时，使用基于子块的合并模式处理这些小编码块造成的硬件实现成本过高的问题。
本申请的实施例提供了一种视频解码的方法。该方法可以包括：
接收图片中的当前块；
确定所述当前块的尺寸是否小于或等于尺寸阈值；
当所述当前块的尺寸小于或等于所述尺寸阈值时，禁用一种或多种类型的基于子块的合并候选解码所述当前块；当所述当前块的尺寸大于所述尺寸阈值时，接收第一标志，所述第一标志指示所述基于子块的合并候选列表是否用于解码所述当前块。
本申请的实施例提供了视频解码的另一种方法。该方法可以包括：
根据基于子块的合并候选列表接收待解码图片中的当前块，所述基于子块的合并候选列表包括一种或多种类型的基于子块的合并候选；
对于所述一种或多种类型的基于子块的合并候选中的每一种，确定所述当前块的尺寸是否小于或等于与该种类型对应的尺寸阈值；以及
当所述当前块的尺寸小于或等于所述对应的尺寸阈值时，禁用所述该种类型的基于子块的合并候选解码所述当前块；当所述当前块的尺寸大于所述对应的尺寸阈值时，接收第一标志，所述第一标志指示所述基于子块的合并候选列表是否用于解码所述当前块。
本申请的实施例还提供了一种视频解码的装置，包括：
接收模块，用于接收图片中的当前块；
确定模块，用于确定所述当前块的尺寸是否小于或等于尺寸阈值；以及
处理模块，用于当所述当前块的尺寸小于或等于尺寸阈值时，禁用一种或多种类型的基于子块的合并候选解码所述当前块；当所述当前块的尺寸大于所述尺寸阈值时，接收第一标志，所述第一标志指示所述基于子块的合并候选列表是否用于解码所述当前块。
本申请的实施例还提供了一种视频解码的装置，包括：
块接收模块，用于根据基于子块的合并候选列表接收待解码图片中的当前块，所述基于子块的合并候选列表包括一种或多种类型的基于子块的合并候选；
尺寸确定模块，用于对于所述一种或多种类型的基于子块的合并候选中的每一种，确定所述当前块的尺寸是否小于或等于与该种类型对应的尺寸阈值；以及
块处理模块，用于当所述当前块的尺寸小于或等于所述对应的尺寸阈值时，禁用所述该种类型的基于子块的合并候选解码所述当前块；当所述当前块的尺寸大于所述对应的尺寸阈值时，接收第一标志，所述第一标志指示所述基于子块的合并候选列表是否用于解码所述当前块。
本申请的实施例还提供了一种计算机设备，所述设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条指令，所述至少一条指令由所述一个或多个处理器加载并执行以实现如上所述的视频解码的方法。
在本申请的实施例中，通过禁用某种类型的基于子块的合并候选解码当前块，可以避免修剪子块合并列表可能导致的高昂的计算成本，从而解决当图片内的区域包括大量小编码块时，使用基于子块的合并模式处理这些小编码块造成的硬件实现成本过高的问题。
附图说明
根据以下详细描述和附图，所公开的主题的其他特征、性质和各种优点将进一步明确，其中：
图1是根据一实施例的当前块及其周围空间合并候选的示意图。
图2是根据一实施例的通信系统的简化框图的示意图。
图3是根据另一实施例的通信系统的简化框图的示意图。
图4是根据一实施例的解码器的简化框图的示意图。
图5是根据一实施例的编码器的简化框图的示意图。
图6是根据另一实施例的编码器的框图。
图7是根据另一实施例的解码器的框图。
图8是根据一实施例的基于子块的时间运动矢量预测(SbTMVP)模式的编码过程的示意图。
图9A至图9B是根据一实施例的平面运动矢量(MV)预测过程的示意图。
图10是根据一实施例的空时运动矢量预测(STMVP)模式的过程的示意图。
图11至图13是根据一些实施例的语法表。
图14是根据一些实施例的禁用一种或多种类型的基于子块的合并候选的过程的示意图。
图15是根据一些实施例的禁用某种类型的基于子块的合并候选的过程的示意图。
图16是根据一实施例的计算机系统的示意图。
具体实施方式
参照图1，当前块(101)包括编码器在运动搜索过程中发现的样本，所述样本可以根据空间移动了相同大小的先前块进行预测。不直接对该MV进行编码，而是通过使用与五个周围样本中的任何一个相关联的MV，从与一个或多个参考图片相关联的元数据中导出该MV，例如从最近的(按解码顺序)参考图片中导出该MV。其中，五个周围样本分别用A0、A1和B0、B1、B2(分别为102到106)表示。在H.265中，MV预测可使用相邻块正在使用的同一参考图片的预测值。
I.视频编码编码器和解码器
图2是根据本申请公开的实施例的通信系统(200)的简化框图。通信系统(200)包括多个终端装置，所述终端装置可通过例如网络(250)彼此通信。举例来说，通信系统(200)包括通过网络(250)互连的第一终端装置(210)和第二终端装置(220)。在图2的实施例中，第一终端装置(210)和第二终端装置(220)执行单向数据传输。举例来说，第一终端装置(210)可对视频数据(例如由终端装置(210)采集的视频图片流)进行编码以通过网络(250)传输到第二端装置(220)。已编码的视频数据以一个或多个已编码视频码流形式传输。第二终端装置(220)可从网络(250)接收已编码视频数据，对已编码视频数据进行解码以恢复视频数据，并根据恢复的视频数据显示视频图片。单向数据传输在媒体服务等应用中是较常见的。
在另一实施例中，通信系统(200)包括执行已编码视频数据的双向传输的第三终端装置(230)和第四终端装置(240)，所述双向传输可例如在视频会议期间发生。对于双向数据传输，第三终端装置(230)和第四终端装置(240)中的每个终端装置可对视频数据(例如由终端装置采集的视频图片流)进行编码，以通过网络(250)传输到第三终端装置(230)和第四终端装置(240)中的另一终端装置。第三终端装置(230)和第四终端装置(240)中的每个终端装置还可接收由第三终端装置(230)和第四终端装置(240)中的另一终端装置传输的已编码视频数据，且可对所述已编码视频数据进行解码以恢复视频数据，且可根据恢复的视频数据在可访问的显示装置上显示视频图片。
在图2的实施例中，第一终端装置(210)、第二终端装置(220)、第三终端装置(230)和第四终端装置(240)可为服务器、个人计算机和智能电话，但本申请公开的原理可不限于此。本申请公开的实施例适用于膝上型计算机、平板电脑、媒体播放器和/或专用视频会议设备。网络(250)表示在第一终端装置(210)、第二终端装置(220)、第三终端装置(230)和第四终端装置(240)之间传送已编码视频数据的任何数目的网络，包括例如有线(连线的)和/或无线通信网络。通信网络(250)可在电路交换和/或分组交换信道中交换数据。该网络可包括电信网络、局域网、广域网和/或互联网。出于本申请的目的，除非在下文中有所解释，否则网络(250)的架构和拓扑对于本申请公开的操作来说可能是无关紧要的。
作为实施例，图3示出视频编码器和视频解码器在流式传输环境中的放置方式。本申请所公开主题可同等地适用于其它支持视频的应用，包括例如视频会议、数字TV、在包括CD、DVD、存储棒等的数字介质上存储压缩视频等等。
流式传输系统可包括采集子系统(313)，所述采集子系统可包括数码相机等视频源(301)，所述视频源创建未压缩的视频图片流(302)。在实施例中，视频图片流(302)包括由数码相机拍摄的样本。相较于已编码的视频数据(304)(或已编码的视频码流)，视频图片流(302)被描绘为粗线以强调高数据量的视频图片流，视频图片流(302)可由电子装置(320)处理，所述电子装置(320)包括耦接到视频源(301)的视频编码器(303)。视频编码器(303)可包括硬件、软件或软硬件组合以实现或实施如下文更详细地描述的所公开主题的各方面。相较于视频图片流(302)，已编码的视频数据(304)(或已编码的视频码流(304))被描绘为细线以强调较低数据量的已编码的视频数据(304)(或已编码的视频码流(304))，其可存储在流式传输服务器(305)上以供将来使用。一个或多个流式传输客户端子系统，例如图3中的客户端子系统(306)和客户端子系统(308)，可访问流式传输服务器(305)以检索已编码的视频数据(304)的副本(307)和副本(309)。客户端子系统(306)可包括例如电子装置(330)中的视频解码器(310)。视频解码器(310)对已编码的视频数据的传入副本(307)进行解码，且产生可在显示器(312)(例如显示屏)或另一呈现装置(未描绘)上呈现的输出视频图片流(311)。在一些流式传输系统中，可根据某些视频编码/压缩标准对已编码的视频数据(304)、视频数据(307)和视频数据(309)(例如视频码流)进行编码。该些标准的实施例包括ITU-TH.265。在实施例中，正在开发的视频编码标准非正式地称为下一代视频编码(Versatile Video Coding，VVC)，本申请可用于VVC标准的上下文中。
应注意，电子装置(320)和电子装置(330)可包括其它组件(未示出)。举例来说，电子装置(320)可包括视频解码器(未示出)，且电子装置(330)还可包括视频编码器(未示出)。
图4是根据本申请公开的实施例的视频解码器(410)的框图。视频解码器(410)可设置在电子装置(430)中。电子装置(430)可包括接收器(431)(例如接收电路)。视频解码器(410)可用于代替图3实施例中的视频解码器(310)。
接收器(431)可接收将由视频解码器(410)解码的一个或多个已编码视频序列；在同一实施例或另一实施例中，一次接收一个已编码视频序列，其中每个已编码视频序列的解码独立于其它已编码视频序列。可从信道(401)接收已编码视频序列，所述信道可以是通向存储已编码的视频数据的存储装置的硬件/软件链路。接收器(431)可接收已编码的视频数据以及其它数据，例如，可转发到它们各自的使用实体(未标示)的已编码音频数据和/或辅助数据流。接收器(431)可将已编码视频序列与其它数据分开。为了防止网络抖动，缓冲存储器(415)可耦接在接收器(431)与熵解码器/解析器(420)(此后称为“解析器(420)”)之间。在某些应用中，缓冲存储器(415)是视频解码器(410)的一部分。在其它情况下，所述缓冲存储器(415)可设置在视频解码器(410)外部(未标示)。而在其它情况下，视频解码器(410)的外部设置缓冲存储器(未标示)以例如防止网络抖动，且在视频解码器(410)的内部可配置另一缓冲存储器(415)以例如处理播出定时。而当接收器(431)从具有足够带宽和可控性的存储/转发装置或从等时同步网络接收数据时，也可能不需要配置缓冲存储器(415)，或可以将所述缓冲存储器做得较小。当然，为了在互联网等业务分组网络上使用，也可能需要缓冲存储器(415)，所述缓冲存储器可相对较大且可具有自适应性大小，且可至少部分地实施于操作系统或视频解码器(410)外部的类似元件(未标示)中。
视频解码器(410)可包括解析器(420)以根据已编码视频序列重建符号(421)。这些符号的类别包括用于管理视频解码器(410)的操作的信息，以及用以控制显示装置(412)(例如，显示屏)等显示装置的潜在信息，所述显示装置不是电子装置(430)的组成部分，但可耦接到电子装置(430)，如图4中所示。用于显示装置的控制信息可以是辅助增强信息(Supplemental Enhancement Information，SEI消息)或视频可用性信息(VideoUsability Information，VUI)的参数集片段(未标示)。解析器(420)可对接收到的已编码视频序列进行解析/熵解码。已编码视频序列的编码可根据视频编码技术或标准进行，且可遵循各种原理，包括可变长度编码、霍夫曼编码(Huffman coding)、具有或不具有上下文灵敏度的算术编码等等。解析器(420)可基于对应于群组的至少一个参数，从已编码视频序列提取用于视频解码器中的像素的子群中的至少一个子群的子群参数集。子群可包括图片群组(Group of Pictures，GOP)、图片、图块、切片、宏块、编码单元(Coding Unit，CU)、块、变换单元(Transform Unit，TU)、预测单元(Prediction Unit，PU)等等。解析器(420)还可从已编码视频序列提取信息，例如变换系数、量化器参数值、运动矢量等等。
解析器(420)可对从缓冲存储器(415)接收的视频序列执行熵解码/解析操作，从而创建符号(421)。
取决于已编码视频图片或一部分已编码视频图片(例如：帧间图片和帧内图片、帧间块和帧内块)的类型以及其它因素，符号(421)的重建可涉及多个不同单元。涉及哪些单元以及涉及方式可由解析器(420)从已编码视频序列解析的子群控制信息控制。为了简洁起见，未描述解析器(420)与下文的多个单元之间的此类子群控制信息流。
除已经提及的功能块以外，视频解码器(410)可在概念上细分成如下文所描述的数个功能单元。在商业约束下运行的实际实施例中，这些单元中的许多单元彼此紧密交互并且可以彼此集成。然而，出于描述所公开主题的目的，概念上细分成下文的功能单元是适当的。
第一单元是缩放器/逆变换单元(451)。缩放器/逆变换单元(451)从解析器(420)接收作为符号(421)的量化变换系数以及控制信息，包括使用哪种变换方式、块大小、量化因子、量化缩放矩阵等。缩放器/逆变换单元(451)可输出包括样本值的块，所述样本值可输入到聚合器(455)中。
在一些情况下，缩放器/逆变换单元(451)的输出样本可属于帧内编码块；即：不使用来自先前重建的图片的预测性信息，但可使用来自当前图片的先前重建部分的预测性信息的块。此类预测性信息可由帧内图片预测单元(452)提供。在一些情况下，帧内图片预测单元(452)采用从当前图片缓冲器(458)提取的已重建信息生成大小和形状与正在重建的块相同的周围块。举例来说，当前图片缓冲器(458)缓冲部分重建的当前图片和/或完全重建的当前图片。在一些情况下，聚合器(455)基于每个样本，将帧内预测单元(452)生成的预测信息添加到由缩放器/逆变换单元(451)提供的输出样本信息中。
在其它情况下，缩放器/逆变换单元(451)的输出样本可属于帧间编码和潜在运动补偿块。在此情况下，运动补偿预测单元(453)可访问参考图片存储器(457)以提取用于预测的样本。在根据符号(421)对提取的样本进行运动补偿之后，这些样本可由聚合器(455)添加到缩放器/逆变换单元(451)的输出(在这种情况下被称作残差样本或残差信号)，从而生成输出样本信息。运动补偿预测单元(453)从参考图片存储器(457)内的地址获取预测样本可受到运动矢量控制，且所述运动矢量以所述符号(421)的形式而供运动补偿预测单元(453)使用，所述符号(421)例如是包括X、Y和参考图片分量。运动补偿还可包括在使用子样本精确运动矢量时，从参考图片存储器(457)提取的样本值的内插、运动矢量预测机制等等。
聚合器(455)的输出样本可在环路滤波器单元(456)中被各种环路滤波技术采用。视频压缩技术可包括环路内滤波器技术，所述环路内滤波器技术受控于包括在已编码视频序列(也称作已编码视频码流)中的参数，且所述参数作为来自解析器(420)的符号(421)可用于环路滤波器单元(456)。然而，在其他实施例中，视频压缩技术还可响应于在解码已编码图片或已编码视频序列的先前(按解码次序)部分期间获得的元信息，以及响应于先前重建且经过环路滤波的样本值。
环路滤波器单元(456)的输出可以是样本流，所述样本流可输出到显示装置(412)以及存储在参考图片存储器(457)，以用于后续的帧间图片预测。
一旦完全重建，某些已编码图片就可用作参考图片以用于将来预测。举例来说，一旦对应于当前图片的已编码图片被完全重建，且已编码图片(通过例如解析器(420))被识别为参考图片，则当前图片缓冲器(458)可变为参考图片存储器(457)的一部分，且可在开始重建后续已编码图片之前重新分配新的当前图片缓冲器。
视频解码器(410)可根据例如ITU-T H.265标准中的预定视频压缩技术执行解码操作。在已编码视频序列遵循视频压缩技术或标准的语法以及视频压缩技术或标准中记录的配置文件的意义上，已编码视频序列可符合所使用的视频压缩技术或标准指定的语法。具体地说，配置文件可从视频压缩技术或标准中可用的所有工具中选择某些工具作为在所述配置文件下可供使用的仅有工具。对于合规性，还要求已编码视频序列的复杂度处于视频压缩技术或标准的层级所限定的范围内。在一些情况下，层级限制最大图片大小、最大帧率、最大重建取样率(以例如每秒兆(mega)个样本为单位进行测量)、最大参考图片大小等。在一些情况下，由层级设定的限制可通过假想参考解码器(Hypothetical ReferenceDecoder，HRD)规范和在已编码视频序列中用信号表示的HRD缓冲器管理的元数据来进一步限定。
在实施例中，接收器(431)可连同已编码视频一起接收附加(冗余)数据。所述附加数据可以是已编码视频序列的一部分。所述附加数据可由视频解码器(410)用以对数据进行适当解码和/或较准确地重建原始视频数据。附加数据可呈例如时间、空间或信噪比(signal noise ratio，SNR)增强层、冗余切片、冗余图片、前向纠错码等形式。
图5是根据本申请公开的实施例的视频编码器(503)的框图。视频编码器(503)设置于电子装置(520)中。电子装置(520)包括传输器(540)(例如传输电路)。视频编码器(503)可用于代替图3实施例中的视频编码器(303)。
视频编码器(503)可从视频源(501)(并非图5实施例中的电子装置(520)的一部分)接收视频样本，所述视频源可采集将由视频编码器(503)编码的视频图像。在另一实施例中，视频源(501)是电子装置(520)的一部分。
视频源(501)可提供将由视频编码器(503)编码的呈数字视频样本流形式的源视频序列，所述数字视频样本流可具有任何合适位深度(例如：8位、10位、12位……)、任何色彩空间(例如BT.601Y CrCB、RGB……)和任何合适取样结构(例如Y CrCb 4:2:0、Y CrCb 4:4:4)。在媒体服务系统中，视频源(501)可以是存储先前已准备的视频的存储装置。在视频会议系统中，视频源(501)可以是采集本地图像信息作为视频序列的相机。可将视频数据提供为多个单独的图片，当按顺序观看时，这些图片被赋予运动。图片自身可构建为空间像素阵列，其中取决于所用的取样结构、色彩空间等，每个像素可包括一个或多个样本。所属领域的技术人员可以很容易理解像素与样本之间的关系。下文侧重于描述样本。
根据实施例，视频编码器(503)可实时或在由应用所要求的任何其它时间约束下，将源视频序列的图片编码且压缩成已编码视频序列(543)。施行适当的编码速度是控制器(550)的一个功能。在一些实施例中，控制器(550)控制如下文所描述的其它功能单元且在功能上耦接到这些单元。为了简洁起见，图中未标示耦接。由控制器(550)设置的参数可包括速率控制相关参数(图片跳过、量化器、率失真优化技术的λ值等)、图片大小、图片群组(group of pictures，GOP)布局，最大运动矢量搜索范围等。控制器(550)可用于具有其它合适的功能，这些功能涉及针对某一系统设计优化的视频编码器(503)。
在一些实施例中，视频编码器(503)在编码环路中进行操作。作为简单的描述，在实施例中，编码环路可包括源编码器(530)(例如，负责基于待编码的输入图片和参考图片创建符号，例如符号流)和嵌入于视频编码器(503)中的(本地)解码器(533)。解码器(533)以类似于(远程)解码器创建样本数据的方式重建符号以创建样本数据(因为在本申请所考虑的视频压缩技术中，符号与已编码视频码流之间的任何压缩是无损的)。将重建的样本流(样本数据)输入到参考图片存储器(534)。由于符号流的解码产生与解码器位置(本地或远程)无关的位精确结果，因此参考图片存储器(534)中的内容在本地编码器与远程编码器之间也是按比特位精确对应的。换句话说，编码器的预测部分“看到”的参考图片样本与解码器将在解码期间使用预测时所“看到”的样本值完全相同。这种参考图片同步性基本原理(以及在例如因信道误差而无法维持同步性的情况下产生的漂移)也用于一些相关技术。
“本地”解码器(533)的操作可与例如已在上文结合图4详细描述视频解码器(410)的“远程”解码器相同。然而，另外简要参考图4，当符号可用且熵编码器(545)和解析器(420)能够无损地将符号编码/解码为已编码视频序列时，包括缓冲存储器(415)和解析器(420)在内的视频解码器(410)的熵解码部分，可能无法完全在本地解码器(533)中实施。
此时可以观察到，除存在于解码器中的解析/熵解码之外的任何解码器技术，也必定以基本上相同的功能形式存在于对应的编码器中。出于此原因，本申请侧重于解码器操作。可简化编码器技术的描述，因为编码器技术与全面地描述的解码器技术互逆。仅在某些区域中需要更详细的描述，并且在下文提供。
在操作期间，在一些实施例中，源编码器(530)可执行运动补偿预测编码。参考来自视频序列中被指定为“参考图片”的一个或多个先前已编码图片，所述运动补偿预测编码对输入图片进行预测性编码。以此方式，编码引擎(532)对输入图片的像素块与参考图片的像素块之间的差异进行编码，所述参考图片可被选作所述输入图片的预测参考。
本地视频解码器(533)可基于源编码器(530)创建的符号，对可指定为参考图片的已编码视频数据进行解码。编码引擎(532)的操作可为有损过程。当已编码视频数据可在视频解码器(图5中未示)处被解码时，重建的视频序列通常可以是带有一些误差的源视频序列的副本。本地视频解码器(533)复制解码过程，所述解码过程可由视频解码器对参考图片执行，且可使重建的参考图片存储在参考图片高速缓存(534)中。以此方式，视频编码器(503)可在本地存储重建的参考图片的副本，所述副本与将由远端视频解码器获得的重建参考图片具有共同内容(不存在传输误差)。
预测器(535)可针对编码引擎(532)执行预测搜索。即，对于将要编码的新图片，预测器(535)可在参考图片存储器(534)中搜索可作为所述新图片的适当预测参考的样本数据(作为候选参考像素块)或某些元数据，例如参考图片运动矢量、块形状等。预测器(535)可基于样本块逐像素块操作，以找到合适的预测参考。在一些情况下，根据预测器(535)获得的搜索结果，可确定输入图片可具有从参考图片存储器(534)中存储的多个参考图片取得的预测参考。
控制器(550)可管理源编码器(530)的编码操作，包括例如设置用于对视频数据进行编码的参数和子群参数。
可在熵编码器(545)中对所有上述功能单元的输出进行熵编码。熵编码器(545)根据例如霍夫曼编码、可变长度编码、算术编码等技术对各种功能单元生成的符号进行无损压缩，从而将所述符号转换成已编码视频序列。
传输器(540)可缓冲由熵编码器(545)创建的已编码视频序列，从而为通过通信信道(560)进行传输做准备，所述通信信道可以是通向将存储已编码的视频数据的存储装置的硬件/软件链路。传输器(540)可将来自视频编码器(503)的已编码视频数据与要传输的其它数据合并，所述其它数据例如是已编码音频数据和/或辅助数据流(未示出来源)。
控制器(550)可管理视频编码器(503)的操作。在编码期间，控制器(550)可以为每个已编码图片分配某一已编码图片类型，但这可能影响可应用于相应的图片的编码技术。例如，通常可将图片分配为以下任一种图片类型：
帧内图片(I图片)，其可以是不将序列中的任何其它图片用作预测源就可被编码和解码的图片。一些视频编解码器容许不同类型的帧内图片，包括例如独立解码器刷新(Independent Decoder Refresh，“IDR”)图片。所属领域的技术人员了解I图片的变体及其相应的应用和特征。
预测性图片(P图片)，其可以是可使用帧内预测或帧间预测进行编码和解码的图片，所述帧内预测或帧间预测使用至多一个运动矢量和参考索引来预测每个块的样本值。
双向预测性图片(B图片)，其可以是可使用帧内预测或帧间预测进行编码和解码的图片，所述帧内预测或帧间预测使用至多两个运动矢量和参考索引来预测每个块的样本值。类似地，多个预测性图片可使用多于两个参考图片和相关联元数据以用于重建单个块。
源图片通常可在空间上细分成多个样本块(例如，4×4、8×8、4×8或16×16个样本的块)，且逐块进行编码。这些块可参考其它(已编码)块进行预测编码，根据应用于块的相应图片的编码分配来确定所述其它块。举例来说，I图片的块可进行非预测编码，或所述块可参考同一图片的已经编码的块来进行预测编码(空间预测或帧内预测)。P图片的像素块可参考一个先前编码的参考图片通过空间预测或通过时域预测进行预测编码。B图片的块可参考一个或两个先前编码的参考图片通过空间预测或通过时域预测进行预测编码。
视频编码器(503)可根据例如ITU-T H.265建议书的预定视频编码技术或标准执行编码操作。在操作中，视频编码器(503)可执行各种压缩操作，包括利用输入视频序列中的时间和空间冗余的预测编码操作。因此，已编码视频数据可符合所用视频编码技术或标准指定的语法。
在实施例中，传输器(540)可在传输已编码的视频时传输附加数据。源编码器(530)可将此类数据作为已编码视频序列的一部分。附加数据可包括时间/空间/SNR增强层、冗余图片和切片等其它形式的冗余数据、SEI消息、VUI参数集片段等。
采集到的视频可作为呈时间序列的多个源图片(视频图片)。帧内图片预测(常常简化为帧内预测)利用给定图片中的空间相关性，而帧间图片预测则利用图片之间的(时间或其它)相关性。在实施例中，将正在编码/解码的特定图片分割成块，正在编码/解码的特定图片被称作当前图片。在当前图片中的块类似于视频中先前已编码且仍被缓冲的参考图片中的参考块时，可通过称作运动矢量的矢量对当前图片中的块进行编码。所述运动矢量指向参考图片中的参考块，且在使用多个参考图片的情况下，所述运动矢量可具有识别参考图片的第三维度。
在一些实施例中，双向预测技术可用于帧间图片预测中。根据双向预测技术，使用两个参考图片，例如按解码次序都在视频中的当前图片之前(但按显示次序可能分别是过去和将来)第一参考图片和第二参考图片。可通过指向第一参考图片中的第一参考块的第一运动矢量和指向第二参考图片中的第二参考块的第二运动矢量对当前图片中的块进行编码。具体来说，可通过第一参考块和第二参考块的组合来预测所述块。
此外，合并模式技术可用于帧间图片预测中以改善编码效率。
根据本申请公开的一些实施例，帧间图片预测和帧内图片预测等预测的执行以块为单位。举例来说，根据HEVC标准，将视频图片序列中的图片分割成编码树单元(codingtree unit，CTU)以用于压缩，图片中的CTU具有相同大小，例如64×64像素、32×32像素或16×16像素。一般来说，CTU包括三个编码树块(coding tree block，CTB)，所述三个编码树块是一个亮度CTB和两个色度CTB。更进一步的，还可将每个CTU以四叉树拆分为一个或多个编码单元(coding unit，CU)。举例来说，可将64×64像素的CTU拆分为一个64×64像素的CU，或4个32×32像素的CU，或16个16×16像素的CU。在实施例中，分析每个CU以确定用于CU的预测类型，例如帧间预测类型或帧内预测类型。此外，取决于时间和/或空间可预测性，将CU拆分为一个或多个预测单元(prediction unit，PU)。通常，每个PU包括亮度预测块(prediction block，PB)和两个色度PB。在实施例中，编码(编码/解码)中的预测操作以预测块为单位来执行。以亮度预测块作为预测块为例，预测块包括像素值(例如，亮度值)的矩阵，例如8×8像素、16×16像素、8×16像素、16×8像素等等。
图6是根据本申请公开的另一实施例的视频编码器(603)的图。视频编码器(603)用于接收视频图片序列中的当前视频图片内的样本值的处理块(例如预测块)，且将所述处理块编码到作为已编码视频序列的一部分的已编码图片中。在本实施例中，视频编码器(603)用于代替图3实施例中的视频编码器(303)。
在HEVC实施例中，视频编码器(603)接收用于处理块的样本值的矩阵，所述处理块为例如8×8样本的预测块等。视频编码器(603)使用例如率失真(rate-distortion，RD)优化来确定是否使用帧内模式、帧间模式或双向预测模式来编码所述处理块。当在帧内模式中编码处理块时，视频编码器(603)可使用帧内预测技术以将处理块编码到已编码图片中；且当在帧间模式或双向预测模式中编码处理块时，视频编码器(603)可分别使用帧间预测或双向预测技术将处理块编码到已编码图片中。在某些视频编码技术中，合并模式可以是帧间图片预测子模式，其中，在不借助预测值外部的已编码运动矢量分量的情况下，从一个或多个运动矢量预测值导出运动矢量。在某些其它视频编码技术中，可存在适用于主题块的运动矢量分量。在实施例中，视频编码器(603)包括其它组件，例如用于确定处理块模式的模式决策模块(未示出)。
在图6的实施例中，视频编码器(603)包括如图6所示的耦接到一起的帧间编码器(630)、帧内编码器(622)、残差计算器(623)、开关(626)、残差编码器(624)、通用控制器(621)和熵编码器(625)。
帧间编码器(630)用于接收当前块(例如处理块)的样本、比较所述块与参考图片中的一个或多个参考块(例如先前图片和后来图片中的块)、生成帧间预测信息(例如根据帧间编码技术的冗余信息描述、运动矢量、合并模式信息)、以及基于帧间预测信息使用任何合适的技术计算帧间预测结果(例如已预测块)。在一些实施例中，参考图片是基于已编码的视频信息解码的已解码参考图片。
帧内编码器(622)用于接收当前块(例如处理块)的样本、在一些情况下比较所述块与同一图片中已编码的块、在变换之后生成量化系数、以及在一些情况下还(例如根据一个或多个帧内编码技术的帧内预测方向信息)生成帧内预测信息。在实施例中，帧内编码器(622)还基于帧内预测信息和同一图片中的参考块计算帧内预测结果(例如已预测块)。
通用控制器(621)用于确定通用控制数据，且基于所述通用控制数据控制视频编码器(603)的其它组件。在实施例中，通用控制器(621)确定块的模式，且基于所述模式将控制信号提供到开关(626)。举例来说，当所述模式是帧内模式时，通用控制器(621)控制开关(626)以选择供残差计算器(623)使用的帧内模式结果，且控制熵编码器(625)以选择帧内预测信息且将所述帧内预测信息添加在码流中；以及当所述模式是帧间模式时，通用控制器(621)控制开关(626)以选择供残差计算器(623)使用的帧间预测结果，且控制熵编码器(625)以选择帧间预测信息且将所述帧间预测信息添加在码流中。
残差计算器(623)用于计算所接收的块与选自帧内编码器(622)或帧间编码器(630)的预测结果之间的差(残差数据)。残差编码器(624)用于基于残差数据操作，以对残差数据进行编码以生成变换系数。在实施例中，残差编码器(624)用于将残差数据从时域转换到频域，且生成变换系数。变换系数接着经由量化处理以获得量化的变换系数。在各种实施例中，视频编码器(603)还包括残差解码器(628)。残差解码器(628)用于执行逆变换，且生成已解码残差数据。已解码残差数据可适当地由帧内编码器(622)和帧间编码器(630)使用。举例来说，帧间编码器(630)可基于已解码残差数据和帧间预测信息生成已解码块，且帧内编码器(622)可基于已解码残差数据和帧内预测信息生成已解码块。适当处理已解码块以生成已解码图片，且在一些实施例中，所述已解码图片可在存储器电路(未示出)中缓冲并用作参考图片。
熵编码器(625)用于将码流格式化以产生已编码的块。熵编码器(625)根据HEVC标准等合适标准产生各种信息。在实施例中，熵编码器(625)用于获得通用控制数据、所选预测信息(例如帧内预测信息或帧间预测信息)、残差信息和码流中的其它合适的信息。应注意，根据所公开的主题，当在帧间模式或双向预测模式的合并子模式中对块进行编码时，不存在残差信息。
图7是根据本申请公开的另一实施例的视频解码器(710)的图。视频解码器(710)用于接收作为已编码视频序列的一部分的已编码图像，且对所述已编码图像进行解码以生成重建的图片。在实施例中，视频解码器(710)用于代替图3实施例中的视频解码器(310)。
在图7实施例中，视频解码器(710)包括如图7中所示耦接到一起的熵解码器(771)、帧间解码器(780)、残差解码器(773)、重建模块(774)和帧内解码器(772)。
熵解码器(771)可用于根据已编码图片来重建某些符号，这些符号表示构成所述已编码图片的语法元素。此类符号可包括例如用于对所述块进行编码的模式(例如帧内模式、帧间模式、双向预测模式、后两者的合并子模式或另一子模式)、可分别识别供帧内解码器(772)或帧间解码器(780)用以进行预测的某些样本或元数据的预测信息(例如帧内预测信息或帧间预测信息)、呈例如量化的变换系数形式的残差信息等等。在实施例中，当预测模式是帧间或双向预测模式时，将帧间预测信息提供到帧间解码器(780)；以及当预测类型是帧内预测类型时，将帧内预测信息提供到帧内解码器(772)。残差信息可经由逆量化并提供到残差解码器(773)。
帧间解码器(780)用于接收帧间预测信息，且基于所述帧间预测信息生成帧间预测结果。
帧内解码器(772)用于接收帧内预测信息，且基于所述帧内预测信息生成预测结果。
残差解码器(773)用于执行逆量化以提取解量化的变换系数，且处理所述解量化的变换系数，以将残差从频域转换到空间域。残差解码器(773)还可能需要某些控制信息(用以获得量化器参数QP)，且所述信息可由熵解码器(771)提供(未标示数据路径，因为这仅仅是低量控制信息)。
重建模块(774)用于在空间域中组合由残差解码器(773)输出的残差与预测结果(可由帧间预测模块或帧内预测模块输出)以形成重建的块，所述重建的块可以是重建的图片的一部分，所述重建的图片继而可以是重建的视频的一部分。应注意，可执行解块操作等其它合适的操作来改善视觉质量。
应注意，可使用任何合适的技术来实施视频编码器(303)、视频编码器(503)和视频编码器(603)以及视频解码器(310)、视频解码器(410)和视频解码器(710)。在实施例中，可使用一个或多个集成电路来实施视频编码器(303)、视频编码器(503)和视频编码器(603)以及视频解码器(310)、视频解码器(410)和视频解码器(710)。在另一实施例中，可使用执行软件指令的一个或多个处理器来实施视频编码器(303)、视频编码器(503)和视频编码器(603)以及视频解码器(310)、视频解码器(410)和视频解码器(710)。
II.基于子块的合并模式和基于子块的合并候选列表
基于子块(或子CU)的合并模式的示例可以包括仿射合并模式、基于子块的时间运动矢量预测(SbTMVP)模式(也称为高级时间运动矢量预测(ATMVP)模式)、帧间平面运动矢量(MV)预测模式、空时运动矢量预测(STMVP)模式等。与不同类型的基于子块的合并模式对应的不同类型的合并候选可以包括在基于子块的合并候选列表中，用于预测编码块的运动矢量。
1.仿射合并模式
在仿射运动补偿中，可以使用6参数或简化的4参数仿射模型来有效地预测当前块内的所有样本的运动信息。例如，在仿射已编码或已描述的编码块中，样本的不同部分可以具有不同的运动矢量。在仿射已编码或已描述的块中，具有运动矢量的基本单元被称为子块。在不同的实施例中，子块的尺寸可以小至仅1个样本，也可以大至当前块的尺寸。
当仿射合并模式用于编码或解码当前块时，可以使用由仿射合并候选表示的仿射模型为当前块中的每个样本导出运动矢量(相对于目标参考图片)。为了降低实现复杂度，在一些实施例中，仿射运动补偿是基于子块而非基于样本来执行的。例如，每个子块将具有从仿射模型导出的运动矢量。对于每个子块中的样本，运动矢量是相同的。假设每个子块的特定位置(例如子块的左上角或中心点)是相应子块的代表性位置，其可用于导出基于仿射模型的相应运动矢量。在一个示例中，子块具有4×4个样本的尺寸。
在一个实施例中，当使用仿射合并模式时，由当前块的一组控制点处的运动矢量表示的仿射模型被用作合并候选，该合并候选包括在基于子块的合并候选列表中。这种类型的仿射合并候选被称为构建的仿射候选，其是基于当前块的控制点处的运动矢量构建的。
在一个实施例中，当使用仿射合并模式时，当前块的空间或时间相邻块的仿射模型被用作合并候选，该合并候选包括在基于子块的合并候选列表中。这种类型的仿射合并候选被称为继承的仿射候选，其是从当前块的仿射已编码的相邻块继承的。
使用仿射合并模式可能涉及高计算成本和高存储器存取量。例如，双向仿射合并模式会导致多个双向预测的4×4块，并且可以显著增加存储器的带宽要求。因此，当用硬件实现时，仿射合并模式具有很高的实现复杂度。
2.基于子块的TMVP(SbTMVP)模式
在SbTMVP模式中，对HEVC标准中定义的合并模式中所使用的当前块(或当前编码单元)的时间运动矢量预测进行修改。从小于当前块的块中提取多组运动信息(包括运动矢量和参考索引)。图8示出了根据一个实施例的SbTMVP模式的编码过程(800)。
在SbTMVP模式编码过程(800)中，可以通过两个步骤获得当前图片(810)中的CU811内的子CU812的运动矢量的预测。第一步骤是用所谓的时间矢量(801)来识别参考图片(820)中的相应块(821)。参考图片(820)被称为运动源图片(820)。第二步骤是将当前CU(811)分割成子CU(812)，并从对应于每个子CU(812)的块(822)获取运动矢量的预测以及每个子CU(812)的参考索引。在一个示例中，每个子CU(812)都是具有N×N个样本尺寸的正方形块。在一个示例中，默认将N设置为8。
在第一步骤中，参考图片(820)和相应块(821)可以通过当前CU(811)的空间相邻块之一的运动信息来确定。在一些实施中，为了避免相邻块的重复扫描过程，当前CU(811)的合并候选列表中的第一合并候选可用作时间矢量(801)。例如，将合并候选列表上的第一可用运动矢量及其相关联的参考索引设置为时间矢量(801)和运动源图片的索引(820)。这样，与HEVC中的时间运动矢量预测相比，可以更精确地识别相应块(821)，其中，相应块(有时称为并置块)总是处于相对于当前CU的右下或中心位置。
在第二步骤中，对于每个子CU(812)，使用块(822)的运动信息(823)(来自覆盖块(822)的中心样本的最小运动栅格)来导出子CU(812)的运动信息。在识别出对应的N×N块(822)的运动信息(823)之后，以与HEVC中的时间运动矢量预测相同的方式，将运动信息(823)转换为当前子CU(812)的运动矢量和参考索引。例如，可以应用运动缩放和其它过程。例如，解码器可以检查是否满足低延迟条件(即，当前图片的所有参考图片的图片顺序号(POC)小于当前图片的POC)。在一些示例中，运动矢量MVx(对应于参考图片列表X的运动矢量)可用于预测每个子CU(812)的运动矢量MVy(其中X等于0或1且Y等于1-X)。
3.平面MV预测模式
平面MV预测模式(也称为帧间平面MV预测模式，或帧间平面模式)可以提供具有子块MV的特殊合并候选。平面MV预测模式可用于生成平滑的细粒度运动场。图9A-9B示出了根据一个实施例的平面MV预测过程。
在图9A-9B中，当前块(901)被划分成子块，例如，每个子块具有4×4个样本的尺寸。当前块(901)可以具有W个样本的宽度和H个样本的高度。位于位置(x，y)处的子块(910)被称为当前子块，其被作为示例来说明子块(910)的运动矢量P(x，y)是如何导出的。坐标(x，y)是相对于当前块(901)内的左上子块(902)的，左上子块(902)的坐标为(0，0)。
例如，可以通过如下公式在4×4块的基础上对水平线性插值Ph(x，y)和垂直线性插值Pv(x，y)求平均来导出运动矢量P(x，y)：
P(x，y)＝(H×Ph(x，y)+W×Pv(x，y)+H×W)/(2×H×W)
在一个示例中，水平线性插值Ph(x，y)和垂直线性插值Pv(x，y)可以根据下式导出：
Ph(x，y)＝(W-1-x)×L(-1，y)+(x+1)×R(W，y)
Pv(x，y)＝(H-1-y)×A(x，-1)+(y+1)×B(x，H)
其中，L(-1，y)和R(W，y)是当前块(901)左侧和右侧的4×4块(911)和4×4块(912)的运动矢量，A(x，-1)和B(x，H)是当前块(901)上方和底部的4×4块(913)和4×4块(914)的运动矢量。
右列相邻4×4块的运动矢量的计算可以基于右下角时间相邻4×4块(905)的导出运动信息(由BR表示)和右上角相邻4×4块(904)的运动信息(由AR表示)。底行相邻4×4块的运动矢量的计算可以基于右下角相邻4×4块(905)的导出运动信息和左下角相邻4×4块(903)的运动信息(由BL表示)。
例如，运动矢量R(W，y)和B(x，H)可以根据下式确定：
R(W，y)＝((H-y-1)AR+(y+1)BR)/H
B(x，H)＝((W-x-1)BL+(x+1)BR)/W.
4.STMVP模式
在STMVP模式中，可以按照光栅扫描顺序递归地导出当前CU(或当前块)的子CU的运动矢量。图10示出了根据一个实施例的STMVP过程。在图10中，8×8CU(1010)被划分成四个4×4子CU(或子块)A、B、C、和D。当前图片中的当前CU(1010)的四个相邻4×4块被标记为a、b、c、和d。在其他示例中，子CU可以具有不同的尺寸。
例如，子CU A的运动推导可以通过识别子CU A的两个空间相邻块来开始。第一个考虑的相邻块是子CU A之上的4×4块(块c)。如果块c不可用或者被帧内编码，则检查子CUA上方的其它4×4块(从块c开始从左到右检查)。第二个相邻块是子CU A左侧的4×4块(块b)。如果块b不可用或者被帧内编码，则检查子CU A左侧的其它块(从块b开始从上到下检查)。从每个参考图片列表的两个相邻块获得的运动信息被缩放为给定列表的第一参考图片。接下来，例如，根据与HEVC中规定的TMVP推导相同的过程来导出子块A的时间运动矢量预测值。例如，提取位置D处的参考图片中的并置块的运动信息并相应地进行缩放。最后，在检索并缩放两个空间相邻块和一个时间相邻块(如果可用)的运动信息之后，可针对每个参考图片列表分别对所有可用运动矢量(最多3个)求平均。平均运动矢量被指定为当前子CU(1010)的运动矢量预测。
5.基于子块的帧间合并候选列表
仿射合并模式、帧间平面模式、STMVP模式、和SbTMVP模式都是基于子块的合并模式。当使用基于子块的合并模式来处理当前块时，当前块被划分成子块。导出这些子块中的MV值，并将其用作对当前块进行编码或解码的MV预测。应注意，仿射合并模式、帧间平面模式、STMVP模式、和SbTMVP模式是被当作示例来说明基于子块的合并模式的。在其他示例中，可以使用其他类型的基于子块的合并模式。
在一个实施例中，可以确定对应于不同的基于子块的合并模式的不同类型的基于子块的合并候选，并将其包括在基于子块的合并候选列表中，以用于处理当前块。基于子块的合并候选列表可以与基于块的帧间合并候选列表分离，如在HEVC或通用视频编码(VVC)、VTM-2.0的测试模型中所使用的一样。
在一个实施例中，可以根据以下步骤来构建基于子块的合并候选列表：
(i)插入SbTMVP候选，其包括以SbTMVP模式导出的子块运动矢量。
(ii)插入STMVP候选，其包括以STMVP模式导出的子块运动矢量。
(iii)插入以仿射合并模式获得的一组继承的仿射候选。
(iv)插入以仿射合并模式获得的一组构建的仿射候选。
(v)插入平面MV预测候选，其包括以平面MV预测模式导出的子块运动矢量。
(vi)填充零运动矢量。
在上述步骤中，将不同类型的基于子块的合并候选添加到基于子块的合并候选列表，直到达到基于子块的合并候选列表的最大允许数量。当可用的基于子块的合并候选不能填充基于子块的合并候选列表的所有位置时，可以填充生成的候选(例如，零运动矢量)。
当使用单独的基于子块的帧间合并候选列表时，在比特流中的合并标志之后可以存在使用标志，以指示基于子块的合并候选列表的使用。
III.启用和禁用基于子块的帧间合并候选列表
在一些实施例中，基于子块的帧间合并候选列表(也称为子块合并列表或子块合并候选列表)与基于块的帧间合并候选列表(或称为块合并列表)分离。当使用子块合并列表时，可能导致高昂的计算成本。例如，当将基于子块的合并候选添加到子块合并列表时，可以执行修剪过程。修剪过程可涉及将待添加的候选与子块合并列表上的候选进行比较。如上所述，子块合并列表上的候选可以包括来自多个子块的运动矢量，这些运动矢量远多于块合并列表上的候选的运动矢量。因此，与块合并列表相比，修剪子块合并列表可能导致更高的计算成本。因此，当图片内的区域包括大量小编码块时，使用基于子块的合并模式处理这些小编码块可能成本过高。
为了解决上述问题，在一些实施例中，当当前块与尺寸阈值相比具有较小尺寸时，可以禁用子块合并列表。结果，基于子块的合并模式不会用于编码或解码尺寸较小的当前块。
在一些实施例中，当在单独的列表中构建基于子块的合并候选时，可以使用当前块尺寸的阈值。当当前块尺寸低于阈值时，对当前块禁用基于子块的合并列表。在一些实施例中，当在单独的列表中构建基于子块的合并候选时，可以使用当前块的像素(或样本)数量的阈值。当块的像素的数量低于阈值时，对当前块禁用基于子块的合并列表。
在一些实施例中，当子块合并候选列表被用作单独的合并列表时，在子块合并候选列表中只包括基于子块的候选。基于子块的候选可以是任何种类的基于子块的帧间合并候选，并不限于前述的基于子块的合并候选类型(仿射候选、SbTMVP候选、STMVP候选、平面MV候选等)。可以使用一组统一的条件来启用或禁用与子块合并候选列表相关联的基于子块的MV预测模式。
实施例A
在一个实施例中，可以使用预定义阈值来约束可以使用基于子块的合并列表的当前块的尺寸。当当前块的高度或宽度小于阈值时，将不使用基于子块的合并列表。换句话说，对当前块禁用所有子块合并模式。基于子块的合并列表的使用标志可以被推断为假。在一个示例中，预定义阈值可以是16个亮度样本。在另一个示例中，预定义阈值可以是8个亮度样本。阈值的值可以是任何数字，并不限于这些示例。
在另一个实施例中，可以在比特流中发信号通知阈值而不是预定义阈值。例如，可以在序列参数集(SPS)、图片参数集(PPS)、条带头、图块组头等中用信号通知阈值。
图11示出了根据本申请的一个实施例的语法表(1100)。语法表(1100)包括16行语法，其描述如何在比特流中传输语法元素以及当在解码器中处理比特流时如何解析语法元素。这些语法元素提供在坐标为[x0，y0]的位置处解码当前块(或编码单元)所需的参数。
具体地，在第3行，通过检查cu_skip_flag[x0][y0]来确定是否要使用跳过模式。如果不使用跳过模式，则从第9行开始，考虑合并模式。当使用跳过模式处理当前块时，当前块的残差被编码并在比特流中传输。当使用合并模式处理当前块时，不产生或编码残差信号。
当使用跳过模式时，在第4行，通过检查条件“(sps_affine_enabled_flag||sps_atmvp_enabled_flag||sps_mvplanar_enabled_flag)&&！(cbWidth<8||cbHeight<8)”来确定是启用还是禁用子块合并列表。特别地，条件“！(cbWidth<8||cbHeight<8)”指示当前块的宽度(由cbWidth表示)或高度(cbHeight)是否小于阈值(8个样本)。当当前块的宽度(由cbWidth表示)或高度(cbHeight)小于阈值时，条件“！(cbWidth<8||cbHeight<8)”将为假。相应地，条件“(sps_affine_enabled_flag||sps_atmvp_enabled_flag||sps_mvplanar_enabled_flag)&&！(cbWidth<8||cbHeight<8)”将为假，并且将禁用子块合并列表。
如果启用子块合并列表(例如，宽度或高度中的任一个大于或等于阈值(8个样本))，则在比特流中传输语法元素“merge_subblock_flag[x0][y0]”(其为使用标志)。或者换言之，比特流中的下一语法元素被解释为“merge_subblock_flag[x0][y0]”。例如，语法元素“merge_subblock_flag[x0][y0]”可以指示是否要使用子块合并列表。
相反，如果禁用子块合并列表，则语法元素“merge_subblock_flag[x0][y0]”将不在比特流中传输。相应地，解码器将“merge_subblock_flag[x0][y0]”推断为假，并且将不使用子块合并列表来解码当前块。
类似地，当使用合并模式时，在第11行，使用尺寸阈值(8个样本)来确定下一个语法元素是否是“merge_subblock_flag[x0][y0]”。当当前块的权重或高度大于或等于尺寸阈值时，下一个语法元素不是“merge_subblock_flag[x0][y0]”。解码器将“merge_subblock_flag[x0][y0]]”解释为假，并且将不使用子块合并列表来解码当前块。
实施例B
在另一个实施例中，可以使用预定义阈值来约束可以使用基于子块的合并列表的当前块的尺寸。当当前块的高度和宽度都小于阈值时，对当前块禁用所有子块合并模式。基于子块的合并列表的使用标志可以被推断为假。在一个示例中，预定义阈值可以是16个亮度样本。在另一个示例中，预定义阈值可以是8个亮度样本。阈值的值可以是任何数量的样本，并不限于这些示例。
在另一个实施例中，可以在比特流中发信号通知阈值而不是预定义阈值。例如，可以在序列参数集(SPS)、图片参数集(PPS)、条带头、图块组头等中用信号通知阈值。
图12示出了根据本申请的一个实施例的语法表(1200)。语法表(1200)类似于语法表(1100)。在第4行和第11行使用尺寸阈值(16个样本)来确定是否禁用子块合并列表解码位置[x0，y0]处的当前块。对比于图11，用于比较当前块的宽度和高度的条件表示为“！(cbWidth<16&&cbHeight<16)”。当当前块的宽度和高度都小于16个样本时，条件将为假，并且将禁用子块合并列表。相应地，下一个语法元素不是“merge_subblock_flag[x0][y0]”。语法元素“merge_subblock_flag[x0][y0]”将被推断为假。
实施例C
在另一个实施例中，可以使用表示编码块内的样本的数量的预定义阈值来约束可以使用基于子块的合并列表的当前块的尺寸。当当前块的亮度样本的数量小于阈值时，对当前块禁用所有子块合并模式。基于子块的合并列表的使用标志可以被推断为假。在一个示例中，阈值可以是64个亮度样本。在另一个示例中，阈值可以是128个亮度样本。阈值的值可以是任何数字，并不限于这些示例。
在另一个实施例中，可以在比特流中发信号通知阈值而不是预定义阈值。例如，可以在序列参数集(SPS)、图片参数集(PPS)、条带头、图块组头等中用信号通知阈值。
图13示出了根据本申请的一个实施例的语法表(1300)。语法表(1300)类似于语法表(1100)。在第4行和第11行使用尺寸阈值(编码块内的64个样本)来确定是否禁用基于子块的合并列表解码位置[x0，y0]处的当前块。对比于图11，用于比较当前块的尺寸的条件表示为“！(cbWidth*cbHeight<64)”。由当前块内的样本的数量表示的当前块的尺寸由cbWidth*cbHeight来表示。当当前块内的样本的数量小于64个样本时，条件将为假，并且将禁用子块合并列表。相应地，下一个语法元素不是“merge_subblock_flag[x0][y0]”。语法元素“merge_subblock_flag[x0][y0]”将被推断为假。
IV.禁用基于子块的合并候选的类别
为了解决由于采用基于子块的合并列表而导致的高计算成本的问题，在一些实施例中，可以单独禁用一种或多种特定类型的子块合并模式。当与模式特定的尺寸阈值(或类型相关尺寸阈值)相比当前块的尺寸较小时，可禁用相应的子块合并模式。结果，禁用的子块合并模式的候选不会被添加到用于编码或解码当前块的子块合并列表。
在一些实施例中，当在单独的合并列表中构建基于子块的合并候选时(与基于块的合并列表分离)，可以使用当前块尺寸的单独条件来禁用每种类别的基于子块的合并候选，使得禁用的类别的候选可以不被添加到单独的合并列表。
在一些实施例中，将一些类别的基于子块的合并候选有条件地包括在子块合并列表中。子块合并列表可以不总是包括基于子块的合并候选的所有类别。
类似地，在一些实施例中，当子块合并候选列表被用作单独的合并列表时，仅包括基于子块的候选。基于子块的候选可以是任何种类的基于子块的帧间合并候选，并不限于前述的基于子块的合并候选类型(仿射候选、SbTMVP候选、STMVP候选、平面MV候选等)。
实施例D
在一个实施例中，当满足当前块的尺寸的条件时，仿射合并候选可以不被添加到子块合并候选列表。条件可以是以下之一：
(a)当前块的高度或宽度小于阈值，例如样本数量；
(b)当前块的高度或宽度小于或等于阈值；
(c)当前块的高度和宽度均小于阈值；
(d)当前块的高度和宽度均小于或等于阈值；
(e)高度*宽度的值小于阈值；
(f)高度*宽度的值小于或等于阈值。
在一个实施例中，当当前块的宽度和高度中的任一个小于8个亮度样本时，可以禁用仿射合并候选，并且不将其添加到子块合并候选列表。
实施例E
在一个实施例中，当满足当前块的尺寸的另一个条件时，SbTMVP候选可以不被添加到子块合并候选列表。条件可以是以下之一：
(a)当前块的高度或宽度小于阈值；
(b)当前块的高度或宽度小于或等于阈值；
(c)当前块的高度和宽度均小于阈值；
(d)当前块的高度和宽度均小于或等于阈值；
(e)高度*宽度的值小于阈值；
(f)高度*宽度的值小于或等于阈值。
在一个实施例中，当当前块的宽度和高度均小于8个亮度样本时，可以禁用SbTMVP候选，并且不将其添加到子块合并候选列表。
实施例F
当满足当前块的尺寸的另一个条件时，平面MV预测候选可以不被添加到子块合并候选列表。条件可以是以下之一：
(a)当前块的高度或宽度小于阈值；
(b)当前块的高度或宽度小于或等于阈值；
(c)当前块的高度和宽度均小于阈值；
(d)当前块的高度和宽度均小于或等于阈值；
(e)高度*宽度的值小于阈值；
(f)高度*宽度的值小于或等于阈值。
在一个实施例中，当当前块的宽度和高度均小于16个亮度样本时，可以禁用SbTMVP候选，并且不将其添加到候选列表。
实施例G
还可以使用每种类别的单独条件来有条件地禁用除了在实施例D-F中描述的基于子块的合并候选的类别之外的其它类别的基于子块的合并候选。
实施例H
在一个实施例中，构建子块合并列表时，当子块合并候选列表为空，或者可用的基于子块的合并候选的数量小于候选的最大允许数量时，可以将一些生成的合并候选添加到子块合并列表，直到候选的数量等于最大允许数量。
在一个实施例中，零运动候选被用于子块合并候选列表上的那些剩余的空位置，直到子块合并候选列表填满。这些零候选具有零空间位移和参考图片索引，该参考图片索引从零开始并且每当新的零运动候选添加到列表中时都会增加。这些候选使用的参考图片的数量是1和2，分别用于单向预测和双向预测。
例如，第一零候选可以使用在第一参考图片列表L0上索引为0的第一参考图片和在第二参考图片列表L1上索引为0的第一参考图片，用于当前块的子块中的双向预测(每个包括两个运动矢量)。第二零候选可以使用列表L0上索引为1的第二参考图片和列表L1上索引为1的第二参考图片，用于当前块的子块中的双向预测(每个包括两个运动矢量)。
在另一个实施例中，如果有至少2个基于子块的候选被添加到子块合并列表，并且候选中的至少第一候选具有列表L0上的MV且候选中的第二候选具有列表L1上的MV，则生成基于组合式双向预测子块的候选。在一个示例中，组合式双向预测子块合并候选仅用于B-条带(B-Slice)。通过在每个子块上将第一候选的第一参考图片列表(例如，表L0或表L1)运动参数与第二候选的第二参考图片列表(例如，表L1或表L0)运动参数组合起来，生成组合式双向预测子块候选。如果这两组运动参数提供不同的运动假设，则它们将形成新的基于双向预测子块的候选。在一个示例中，如果在添加了所有可用的基于组合式双向预测子块候选之后，子块合并列表仍未满，则将零运动候选添加到子块合并列表，直到子块合并列表填满。
实施例I
在一个实施例中，可以预定义在前述条件中使用的类型相关阈值，其中前述条件用于分别确定是否禁用特定类型的子块合并候选。
在另一个实施例中，可在比特流中发信号通知在前述条件中使用的类型相关阈值，其中前述条件用于分别确定是否禁用特定类型的子块合并候选。例如，可以在序列参数集(SPS)、图片参数集(PPS)、条带头、图块组头等中用信号通知类型相关阈值。
实施例J
使用当前块的尺寸的单独条件来禁用每种类别的基于子块的合并候选的机制可以应用于具有残差数据的基于子块的合并模式，或者应用于跳过模式，其使用基于子块的合并模式而不编码残差数据。例如，当使用子块合并列表处理当前块时，可以在不使用跳过模式时对当前块的残差进行编码。相反，在其他示例中，可以使用跳过模式。相应地，使用子块合并列表来处理当前块而不对残差进行编码。
此外，对于具有残差数据的合并模式和用于处理编码块的跳过模式，应用于相同类型的子块合并候选的约束可以不同。例如，第一尺寸阈值可用来禁用用于具有残差数据的合并模式的仿射模式。第二尺寸阈值可用来禁用用于跳过模式的仿射模式。第一尺寸阈值和第二尺寸阈值可以不同。
在各种实施例中，当使用跳过模式(没有残差数据的基于子块的合并模式)或具有残差数据的基于子块的合并模式对当前块进行编码时，可以禁用基于子块的合并候选，以便用以下方式之一来构建基于子块的合并列表。
在一个实施例中，可以禁用所有基于子块的合并候选。换言之，禁用整个基于子块的合并列表，并且没有候选可被添加到基于子块的合并列表。
在另一个实施例中，仅禁用仿射合并候选且不将其添加到列表。
在另一个实施例中，仅禁用除仿射合并候选之外的基于子块的合并候选且不将其添加到列表。
在另一个实施例中，使用不同的条件禁用仿射合并候选和其它基于子块的候选。
V.禁用基于子块的合并模式的过程
图14示出了根据本申请的一些实施例的禁用一种或多种类型的基于子块的合并候选的过程(1400)。过程(1400)可以被执行以解码当前块。在各种实施例中，过程(1400)由处理电路执行，例如终端设备(210)、(220)、(230)和(240)中的处理电路、执行视频解码器(310)的功能的处理电路、执行视频解码器(410)的功能的处理电路、执行视频解码器(710)的功能的处理电路等。在一些实施例中，过程(1400)以软件指令实现，因此当处理电路执行软件指令时，处理电路执行过程(1400)。该过程开始于步骤(S1401)并执行步骤(S1410)。
在步骤(S1410)处，可以接收当前块。例如，当前块可以具有由当前块的宽度和高度表示的特定尺寸。
在步骤(S1420)处，确定当前块的尺寸是否小于或等于尺寸阈值。在一个示例中，当当前块的高度和宽度中的一个小于或等于阈值时，可以确定当前块的尺寸小于或等于尺寸阈值。在一个示例中，当当前块的高度和宽度均小于或等于阈值时，确定当前块的尺寸小于或等于尺寸阈值。在一个示例中，当当前块中的样本的数量小于或等于阈值时，确定当前块的尺寸小于或等于尺寸阈值。在不同的示例中，可以使用不同的尺寸阈值。
在步骤(S1430)，当当前块的尺寸小于或等于尺寸阈值时，可禁用一种或多种类型的基于子块的合并候选解码当前块。
在一个示例中，尺寸阈值是为一种或多种基于子块的合并模式指定的类型相关尺寸阈值。因此，相应的基于子块的合并模式被禁用。换言之，与相应的一个或多个禁用的基于子块的合并模式对应的一种或多种类型的基于子块的合并候选不用于构建用于解码当前块的子块合并列表。
在一些示例中，一种或多种类型的基于子块的合并候选中的每一种可具有相应的类型相关尺寸阈值。对于不同类型的基于子块的合并候选的子集或者全部，这些相应的类型相关尺寸阈值可以不同或相同。可以针对每种类型相关尺寸阈值执行步骤(S1420)及(S1430)，使得每种类型的基于子块的合并候选可根据其相应的类型相关尺寸阈值而被分别禁用。
在一个实施例中，指定尺寸阈值以用于禁用基于子块的合并候选列表。相应地，禁用基于子块的合并列表。换言之，没有子块合并列表用于解码当前块。过程(1400)可以进行到步骤(S1499)并在步骤(S1499)结束。
图15示出了根据本申请的一些实施例的禁用某种类型的基于子块的合并候选的过程(1600)。过程(1600)可以被执行以解码当前块。在各种实施例中，过程(1600)由处理电路执行，例如终端设备(210)、(220)、(230)和(240)中的处理电路、执行视频解码器(310)的功能的处理电路、执行视频解码器(410)的功能的处理电路、执行视频解码器(710)的功能的处理电路等。在一些实施例中，过程(1600)以软件指令实现，因此当处理电路执行软件指令时，处理电路执行过程(1600)。该过程开始于步骤(S1601)并执行步骤(S1610)。
在步骤(S1610)处，根据基于子块的合并候选列表接收待解码图片中的当前块，该基于子块的合并候选列表包括一种或多种类型的基于子块的合并候选。例如，当前块可以具有由当前块的宽度和高度表示的特定尺寸。
在步骤(S1620)处，对于一种或多种类型的基于子块的合并候选中的每一种，确定当前块的尺寸是否小于或等于与该种类型对应的尺寸阈值。在一个示例中，当当前块的高度和宽度中的一个小于或等于阈值时，可以确定当前块的尺寸小于或等于尺寸阈值。在一个示例中，当当前块的高度和宽度均小于或等于阈值时，确定当前块的尺寸小于或等于尺寸阈值。在一个示例中，当当前块中的样本的数量小于或等于阈值时，确定当前块的尺寸小于或等于尺寸阈值。在实施例中，一种或多种类型的基于子块的合并候选的的尺寸阈值可以是相同的。
在步骤(S1630)，当当前块的尺寸小于或等于对应的尺寸阈值时，禁用该种类型的基于子块的合并候选解码当前块。
过程(1600)可以进行到步骤(S1699)并在步骤(S1699)结束。
本申请实施例提供了一种视频解码的装置，包括：
接收模块，用于接收图片中的当前块；
确定模块，用于确定所述当前块的尺寸是否小于或等于尺寸阈值；以及
处理模块，用于当所述当前块的尺寸小于或等于尺寸阈值时，禁用一种或多种类型的基于子块的合并候选解码所述当前块。
本申请实施例还提供了一种视频解码的装置，包括：
块接收模块，用于根据基于子块的合并候选列表接收待解码图片中的当前块，所述基于子块的合并候选列表包括一种或多种类型的基于子块的合并候选；
尺寸确定模块，用于对于所述一种或多种类型的基于子块的合并候选中的每一种，确定所述当前块的尺寸是否小于或等于相应的尺寸阈值；以及
块处理模块，用于当所述当前块的尺寸小于或等于所述相应的尺寸阈值时，禁用所述相应的类型的基于子块的合并候选解码所述当前块。
本申请实施例中所述模块的具体功能及实现可参照上述实施例中的视频解码方法的具体流程。
本申请实施例还提供了一种计算机设备，所述设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条指令，所述至少一条指令由所述一个或多个处理器加载并执行以实现如上实施例所述的视频解码的方法。
本申请实施例还提供了一种非易失性计算机可读存储介质，其存储指令，当所述指令由用于视频解码的计算机执行时，使得所述计算机执行如上实施例所述的视频解码的方法。
VI.计算机系统
上述技术可以通过计算机可读指令实现为计算机软件，并且物理地存储在一个或多个计算机可读介质中。例如，图16示出了计算机系统(1500)，其适于实现所公开主题的某些实施例。
所述计算机软件可通过任何合适的机器代码或计算机语言进行编码，通过汇编、编译、链接等机制创建包括指令的代码，所述指令可由一个或多个计算机中央处理单元(CPU)，图形处理单元(GPU)等直接执行或通过译码、微代码等方式执行。
所述指令可以在各种类型的计算机或其组件上执行，包括例如个人计算机、平板电脑、服务器、智能手机、游戏设备、物联网设备等。
图16所示的用于计算机系统(1500)的组件本质上是示例性的，并不用于对实现本申请实施例的计算机软件的使用范围或功能进行任何限制。也不应将组件的配置解释为与计算机系统(1500)的示例性实施例中所示的任一组件或其组合具有任何依赖性或要求。
计算机系统(1500)可以包括某些人机界面输入设备。这种人机界面输入设备可以通过触觉输入(如：键盘输入、滑动、数据手套移动)、音频输入(如：声音、掌声)、视觉输入(如：手势)、嗅觉输入(未示出)，对一个或多个人类用户的输入做出响应。所述人机界面设备还可用于捕获某些媒体，气与人类有意识的输入不必直接相关，如音频(例如：语音、音乐、环境声音)、图像(例如：扫描图像、从静止影像相机获得的摄影图像)、视频(例如二维视频、包括立体视频的三维视频)。
人机界面输入设备可包括以下中的一个或多个(仅绘出其中一个)：键盘(1501)、鼠标(1502)、触控板(1503)、触摸屏(1510)、数据手套(未示出)、操纵杆(1505)、麦克风(1506)、扫描仪(1507)、照相机(1508)。
计算机系统(1500)还可以包括某些人机界面输出设备。这种人机界面输出设备可以通过例如触觉输出、声音、光和嗅觉/味觉来刺激一个或多个人类用户的感觉。这样的人机界面输出设备可包括触觉输出设备(例如通过触摸屏(1510)、数据手套(未示出)或操纵杆(1505)的触觉反馈，但也可以有不用作输入设备的触觉反馈设备)、音频输出设备(例如，扬声器(1509)、耳机(未示出))、视觉输出设备(例如，包括阴极射线管屏幕、液晶屏幕、等离子屏幕、有机发光二极管屏的屏幕(1510)，其中每一个都具有或没有触摸屏输入功能、每一个都具有或没有触觉反馈功能——其中一些可通过诸如立体画面输出的手段输出二维视觉输出或三维以上的输出；虚拟现实眼镜(未示出)、全息显示器和放烟箱(未示出))以及打印机(未示出)。
计算机系统(1500)还可以包括人可访问的存储设备及其相关介质，如包括具有CD/DVD的高密度只读/可重写式光盘(CD/DVD ROM/RW)(1520)或类似介质(1521)的光学介质、拇指驱动器(1522)、可移动硬盘驱动器或固体状态驱动器(1523)，诸如磁带和软盘(未示出)的传统磁介质，诸如安全软件保护器(未示出)等的基于ROM/ASIC/PLD的专用设备，等等。
本领域技术人员还应当理解，结合所公开的主题使用的术语“计算机可读介质”不包括传输介质、载波或其它瞬时信号。
计算机系统(1500)还可以包括通往一个或多个通信网络的接口。例如，网络可以是无线的、有线的、光学的。网络还可为局域网、广域网、城域网、车载网络和工业网络、实时网络、延迟容忍网络等等。网络还包括以太网、无线局域网、蜂窝网络(GSM、3G、4G、5G、LTE等)等局域网、电视有线或无线广域数字网络(包括有线电视、卫星电视、和地面广播电视)、车载和工业网络(包括CANBus)等等。某些网络通常需要外部网络接口适配器，用于连接到某些通用数据端口或外围总线(1549)(例如，计算机系统(1500)的USB端口)；其它系统通常通过连接到如下所述的系统总线集成到计算机系统(1500)的核心(例如，以太网接口集成到PC计算机系统或蜂窝网络接口集成到智能电话计算机系统)。通过使用这些网络中的任何一个，计算机系统(1500)可以与其它实体进行通信。所述通信可以是单向的，仅用于接收(例如，无线电视)，单向的仅用于发送(例如CAN总线到某些CAN总线设备)，或双向的，例如通过局域或广域数字网络到其它计算机系统。上述的每个网络和网络接口可使用某些协议和协议栈。
上述的人机界面设备、人可访问的存储设备以及网络接口可以连接到计算机系统(1500)的核心(1540)。
核心(1540)可包括一个或多个中央处理单元(CPU)(1541)、图形处理单元(GPU)(1542)、以现场可编程门阵列(FPGA)(1543)形式的专用可编程处理单元、用于特定任务的硬件加速器(1544)等。这些设备以及只读存储器(ROM)(1545)、随机存取存储器(1546)、内部大容量存储器(例如内部非用户可存取硬盘驱动器、固态硬盘等)(1547)等可通过系统总线(1548)进行连接。在某些计算机系统中，可以以一个或多个物理插头的形式访问系统总线(1548)，以便可通过额外的中央处理单元、图形处理单元等进行扩展。外围装置可直接附接到核心的系统总线(1548)，或通过外围总线(1549)进行连接。外围总线的体系结构包括外部控制器接口PCI、通用串行总线USB等。
CPU(1541)、GPU(1542)、FPGA(1543)和加速器(1544)可以执行某些指令，这些指令组合起来可以构成上述计算机代码。该计算机代码可以存储在ROM(1545)或RAM(1546)中。过渡数据也可以存储在RAM(1546)中，而永久数据可以存储在例如内部大容量存储器(1547)中。通过使用高速缓冲存储器可实现对任何存储器设备的快速存储和检索，高速缓冲存储器可与一个或多个CPU(1541)、GPU(1542)、大容量存储器(1547)、ROM(1545)、RAM(1546)等紧密关联。
所述计算机可读介质上可具有计算机代码，用于执行各种计算机实现的操作。介质和计算机代码可以是为本申请的目的而特别设计和构造的，也可以是计算机软件领域的技术人员所熟知和可用的介质和代码。
作为实施例而非限制，具有体系结构(1500)的计算机系统，特别是核心(1540)，可以作为处理器(包括CPU、GPU、FPGA、加速器等)提供执行包含在一个或多个有形的计算机可读介质中的软件的功能。这种计算机可读介质可以是与上述的用户可访问的大容量存储器相关联的介质，以及具有非易失性的核心(1540)的特定存储器，例如核心内部大容量存储器(1547)或ROM(1545)。实现本申请的各种实施例的软件可以存储在这种设备中并且由核心(1540)执行。根据特定需要，计算机可读介质可包括一个或一个以上存储设备或芯片。该软件可以使得核心(1540)特别是其中的处理器(包括CPU、GPU、FPGA等)执行本文所述的特定过程或特定过程的特定部分，包括定义存储在RAM(1546)中的数据结构以及根据软件定义的过程来修改这种数据结构。另外或作为替代，计算机系统可以提供逻辑硬连线或以其它方式包含在电路(例如，加速器(1544))中的功能，该电路可以代替软件或与软件一起运行以执行本文所述的特定过程或特定过程的特定部分。在适当的情况下，对软件的引用可以包括逻辑，反之亦然。在适当的情况下，对计算机可读介质的引用可包括存储执行软件的电路(如集成电路(IC))，包含执行逻辑的电路，或两者兼备。本申请包括任何合适的硬件和软件组合。
附录A：首字母缩写词
JEM：联合开发模型
VVC：通用视频编码
BMS：基准集合
MV：运动矢量
HEVC：高效视频编码
SEI：补充增强信息
VUI：视频可用性信息
GOPs：图片组
TUs：变换单元
PUs：预测单元
CTUs：编码树单元
CTBs：编码树块
PBs：预测块
HRD：假设参考解码器
SNR：信噪比
CPUs：中央处理单元
GPUs：图形处理单元
CRT：阴极射线管
LCD：液晶显示
OLED：有机发光二极管
CD：光盘
DVD：数字化视频盘
ROM：只读存储器
RAM：随机存取存储器
ASIC：专用集成电路
PLD：可编程逻辑设备
LAN：局域网
GSM：全球移动通信系统
LTE：长期演进
CANBus：控制器局域网络总线
USB：通用串行总线
PCI：外围设备互连
FPGA：现场可编程栅极区域门阵列
SSD：固态驱动器
IC：集成电路
CU：编码单元
HMVP：基于历史的运动矢量预测
MVP：运动矢量预测
TMVP：时间运动矢量预测
TPM：三角预测模式
VTM：通用视频编码测试模型
ATMVP：高级时间运动矢量预测
SbTMVP：子块时间运动矢量预测
POC：图片顺序号
STMVP：空时运动矢量预测
SPS：序列参数集
PPS：图片参数集
虽然本申请已对多个示例性实施例进行了描述，但实施例的各种变更、排列和各种等同替换均属于本申请的范围内。因此应理解，本领域技术人员能够设计多种系统和方法，所述系统和方法虽然未在本文中明确示出或描述，但其体现了本申请的原则，因此属于本申请的精神和范围之内。

Claims (14)

1.一种视频解码的方法，其特征在于，包括：
接收图片中的当前块；
确定所述当前块的尺寸是否小于或等于尺寸阈值；以及
当所述当前块的所述尺寸小于或等于所述尺寸阈值时，禁用一种或多种类型的基于子块的合并候选解码所述当前块；当所述当前块的尺寸大于所述尺寸阈值时，接收第一标志，所述第一标志指示所述基于子块的合并候选列表是否用于解码所述当前块。
2.根据权利要求1所述的方法，其特征在于，所述禁用一种或多种类型的基于子块的合并候选解码所述当前块包括：
禁用基于子块的合并候选列表解码所述当前块；或者推断第一标志为假。
3.根据权利要求1所述的方法，其特征在于，所述确定所述当前块的尺寸是否小于或等于所述尺寸阈值包括：
确定所述当前块的高度或宽度是否小于或等于所述尺寸阈值；
确定所述当前块的高度和宽度是否都小于或等于所述尺寸阈值；或者
确定所述当前块中的样本的数量是否小于或等于所述尺寸阈值。
4.根据权利要求1所述的方法，其特征在于，进一步包括：
接收指示所述尺寸阈值的语法元素。
5.根据权利要求1所述的方法，其特征在于，进一步包括：
接收第二标志，所述第二标志指示是否启用跳过模式编码所述当前块；以及
当禁用所述跳过模式时，接收第三标志，所述第三标志指示是否启用合并模式编码所述当前块。
6.根据权利要求1所述的方法，其特征在于，所述一种或多种类型的基于子块的合并候选包括以下之一：
仿射合并候选，
基于子块的时间运动矢量预测(SbTMVP)候选，
空时运动矢量预测(STMVP)候选，以及
平面运动矢量预测候选。
7.一种视频解码的方法，其特征在于，包括：
根据基于子块的合并候选列表接收待解码图片中的当前块，所述基于子块的合并候选列表包括一种或多种类型的基于子块的合并候选；
对于所述一种或多种类型的基于子块的合并候选中的每一种，确定所述当前块的尺寸是否小于或等于与该种类型对应的尺寸阈值；以及
当所述当前块的尺寸小于或等于所述对应的尺寸阈值时，禁用所述该种类型的基于子块的合并候选解码所述当前块；当所述当前块的尺寸大于所述对应的尺寸阈值时，接收第一标志，所述第一标志指示所述基于子块的合并候选列表是否用于解码所述当前块。
8.根据权利要求7所述的方法，其特征在于，所述多种类型的基于子块的合并候选的的尺寸阈值是相同的。
9.根据权利要求7所述的方法，其特征在于，进一步包括：
构建所述基于子块的合并候选列表，
其中，当所述基于子块的合并候选列表中的可用子块合并候选的数量小于子块合并候选的最大允许数量时，将生成的子块合并候选添加到所述基于子块的合并候选列表，直到所述基于子块的合并候选列表中的子块合并候选的数量等于所述子块合并候选的最大允许数量。
10.根据权利要求9所述的方法，其特征在于，所述将生成的子块合并候选添加到所述基于子块的合并候选列表包括：
将零运动候选添加到所述基于子块的合并候选列表。
11.根据权利要求9所述的方法，其特征在于，所述将生成的子块合并候选添加到所述基于子块的合并候选列表包括：
将组合式双向预测子块合并候选添加到所述基于子块的合并候选列表。
12.一种视频解码的装置，其特征在于，包括：
接收模块，用于接收图片中的当前块；
确定模块，用于确定所述当前块的尺寸是否小于或等于尺寸阈值；以及
处理模块，用于当所述当前块的尺寸小于或等于尺寸阈值时，禁用一种或多种类型的基于子块的合并候选解码所述当前块；当所述当前块的尺寸大于所述尺寸阈值时，接收第一标志，所述第一标志指示所述基于子块的合并候选列表是否用于解码所述当前块。
13.一种视频解码的装置，其特征在于，包括：
块接收模块，用于根据基于子块的合并候选列表接收待解码图片中的当前块，所述基于子块的合并候选列表包括一种或多种类型的基于子块的合并候选；
尺寸确定模块，用于对于所述一种或多种类型的基于子块的合并候选中的每一种，确定所述当前块的尺寸是否小于或等于与该种类型对应的尺寸阈值；以及
块处理模块，用于当所述当前块的尺寸小于或等于所述对应的尺寸阈值时，禁用所述该种类型的基于子块的合并候选解码所述当前块；当所述当前块的尺寸大于所述对应的尺寸阈值时，接收第一标志，所述第一标志指示所述基于子块的合并候选列表是否用于解码所述当前块。
14.一种计算机设备，其特征在于，所述设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条指令，所述至少一条指令由所述一个或多个处理器加载并执行以实现如权利要求1-11任一项所述的视频解码的方法。
CN201910911063.5A 2018-10-01 2019-09-25 视频解码的方法和装置、计算机设备 Active CN110971902B (zh)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
US201862739632P 2018-10-01 2018-10-01
US62/739,632 2018-10-01
US201862742322P 2018-10-06 2018-10-06
US62/742,322 2018-10-06
US16/559,257 2019-09-03
US16/559,257 US11012687B2 (en) 2018-10-01 2019-09-03 Method and apparatus for video coding

Publications (2)

Publication Number Publication Date
CN110971902A CN110971902A (zh) 2020-04-07
CN110971902B true CN110971902B (zh) 2022-04-22

Family

ID=69945280

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910911063.5A Active CN110971902B (zh) 2018-10-01 2019-09-25 视频解码的方法和装置、计算机设备

Country Status (2)

Country Link
US (1) US11012687B2 (zh)
CN (1) CN110971902B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106686378B (zh) 2011-06-14 2019-10-08 三星电子株式会社 对图像进行解码的方法和设备
US10484703B2 (en) * 2017-02-07 2019-11-19 Mediatek Inc. Adapting merge candidate positions and numbers according to size and/or shape of prediction block
US11595685B2 (en) * 2018-09-21 2023-02-28 Interdigital Vc Holdings, Inc. Motion vector prediction in video encoding and decoding
WO2020076066A1 (ko) * 2018-10-08 2020-04-16 엘지전자 주식회사 신택스 디자인 방법 및 신택스를 이용하여 코딩을 수행하는 장치
KR20210068537A (ko) * 2018-10-08 2021-06-09 후아웨이 테크놀러지 컴퍼니 리미티드 코딩 블록의 기하학적 분할의 인터 예측을 위한 장치 및 방법
WO2020244659A1 (en) * 2019-06-06 2020-12-10 Beijing Bytedance Network Technology Co., Ltd. Interactions between sub-block based intra block copy and different coding tools
US11528504B2 (en) * 2019-07-11 2022-12-13 Qualcomm Incorporated Motion vector prediction with motion information collecting buffer

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016153251A1 (ko) * 2015-03-23 2016-09-29 엘지전자 주식회사 비디오 신호의 처리 방법 및 이를 위한 장치

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9894355B2 (en) * 2012-01-19 2018-02-13 Sony Corporation Image processing apparatus and method thereof
US10574986B2 (en) * 2014-03-31 2020-02-25 Samsung Electronics Co., Ltd. Interlayer video decoding method for performing sub-block-based prediction and apparatus therefor, and interlayer video encoding method for performing sub-block-based prediction and apparatus therefor
WO2017147765A1 (en) * 2016-03-01 2017-09-08 Mediatek Inc. Methods for affine motion compensation
WO2018062892A1 (ko) * 2016-09-28 2018-04-05 엘지전자(주) 가중치 인덱스에 기초하여 최적의 예측을 수행하는 방법 및 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016153251A1 (ko) * 2015-03-23 2016-09-29 엘지전자 주식회사 비디오 신호의 처리 방법 및 이를 위한 장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
CE4-related: History Based Affine Merge Candidate;Jie Zhao, Seethal Paluri,Seung Hwan Kim;《JVET of ITU-T SG 16 WP 3 and ISO/IEC JTC 1/SC 29/WG 11》;20180929;全文 *

Also Published As

Publication number Publication date
US20200107016A1 (en) 2020-04-02
US11012687B2 (en) 2021-05-18
CN110971902A (zh) 2020-04-07

Similar Documents

Publication Publication Date Title
CN111903127B (zh) 用于解码器的视频解码的方法、装置、介质以及解码器
CN113287308B (zh) 视频编解码方法及装置
CN111937387A (zh) 用于采用并行处理的基于历史的运动矢量的预测方法和装置
CN112470474A (zh) 基于历史的仿射合并和运动矢量预测
CN113366854B (zh) 视频编解码方法及装置
CN113545042A (zh) 三角预测中的合并列表构建
CN110971902B (zh) 视频解码的方法和装置、计算机设备
CN110719469A (zh) 视频编解码方法、设备和存储介质
CN113261298A (zh) 用于视频编码的方法和装置
CN113545083A (zh) 视频编解码的方法和装置
CN110944185B (zh) 视频解码的方法和装置、计算机设备及存储介质
CN110944202A (zh) 视频编解码方法、装置、计算机设备和存储介质
CN110876056B (zh) 视频解码的方法和装置、计算机设备及存储介质
CN110730353B (zh) 视频解码方法和装置、计算机设备、存储介质
CN112913232B (zh) 执行合并候选列表创建以进行视频编解码的方法、设备和计算机可读介质
CN110719482B (zh) 视频编解码的方法、装置、设备以及存储介质
CN110708557B (zh) 解码器中的视频解码方法和设备、计算机设备
CN110719488A (zh) 视频解码的方法和装置、计算机设备及存储介质
CN112235581B (zh) 视频解码方法、装置、存储介质及电子设备
CN113875234A (zh) 视频编解码的方法和装置
CN111971965A (zh) 视频编解码的方法和装置
CN113519159A (zh) 视频编解码的方法和装置
CN113545079A (zh) 视频编解码的方法和装置
CN113632465A (zh) 发信号通知用于帧内图像块补偿的预测器候选列表尺寸的方法和装置
CN111316639A (zh) 用于子块运动矢量预测的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40022994

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant