CN111885387A - 用于仿射光流预测值细化的视频解码方法和装置 - Google Patents

用于仿射光流预测值细化的视频解码方法和装置 Download PDF

Info

Publication number
CN111885387A
CN111885387A CN202010354589.0A CN202010354589A CN111885387A CN 111885387 A CN111885387 A CN 111885387A CN 202010354589 A CN202010354589 A CN 202010354589A CN 111885387 A CN111885387 A CN 111885387A
Authority
CN
China
Prior art keywords
block
sub
predictor
video
prediction
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.)
Pending
Application number
CN202010354589.0A
Other languages
English (en)
Inventor
李翔
许晓中
李贵春
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 CN111885387A publication Critical patent/CN111885387A/zh
Pending legal-status Critical Current

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
    • H04N19/50—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
    • H04N19/537—Motion estimation other than block-based
    • H04N19/54—Motion estimation other than block-based using feature points or meshes
    • 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
    • H04N19/107—Selection of coding mode or of prediction mode between spatial and temporal predictive coding, e.g. picture refresh
    • 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
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • 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
    • H04N19/10—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
    • H04N19/14—Coding unit complexity, e.g. amount of activity or edge presence estimation
    • 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
    • H04N19/189—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding
    • H04N19/196—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding being specially adapted for the computation of encoding parameters, e.g. by averaging previously computed encoding parameters
    • 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
    • H04N19/44—Decoders specially adapted therefor, e.g. video decoders which are asymmetric with respect to the encoder
    • 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
    • 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
    • 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
    • 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
    • H04N19/573—Motion compensation with multiple frame prediction using two or more reference frames in a given prediction direction
    • 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
    • H04N19/577—Motion compensation with bidirectional frame interpolation, i.e. using B-pictures
    • 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
    • H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques
    • 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
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/61—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding in combination with predictive coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • H04N19/82—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation involving filtering within a prediction loop
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/91—Entropy coding, e.g. variable length coding [VLC] or arithmetic coding

Landscapes

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

Abstract

本申请实施例提供了一种在视频解码器中执行的视频解码方法和装置。所述视频解码方法包括：接收已编码视频码流，该已编码视频码流包括划分为多个子块的当前块。所述方法包括对所述当前块执行基于子块的仿射运动补偿处理，为所述当前块的每个子块中的每个像素生成子块预测值。所述方法进一步包括确定每个子块预测值的一个或多个空间梯度。所述方法包括使用所确定的每个子块预测值的一个或多个空间梯度和所述已编码视频码流中所包括的至少一个约束条件，利用光流过程，对每个子块预测值执行预测值细化处理。所述方法还包括将各预测值细化处理的输出加到所述各个子块预测值上，以生成当前块的每个子块中的每个像素的最终预测值。

Description

用于仿射光流预测值细化的视频解码方法和装置
本申请要求2019年5月2日提交的第62/842，321号美国临时申请“仿射光流预测值细化(AFFINE PROF)”以及2020年4月21日提交的第16/854，578号美国正式申请“用于仿射光流预测值细化的改进的视频解码方法和装置(METHOD AND APPARATUS FORIMPROVEMENTS OF AFFINE PROF)”的优先权，所述两个申请案的全部内容通过引用并入本文。
技术领域
本申请涉及视频编解码，特别是涉及一种用于仿射光流预测值细化的视频解码方法和装置。
背景技术
本文中提供的背景技术描述是为了大体上呈现本申请的上下文。在此背景技术部分描述的程度上，当前署名的发明人的工作，以及在本申请提交时可能不具有作为现有技术的资格的描述的各方面，既不明确地也不隐含地认为是本申请的现有技术。
视频的编码和解码可以使用具有运动补偿的帧间预测来进行。未压缩的数字视频可包括一系列的图片，每个图片具有一定的空间维度，例如具有1920×1080的亮度样本和相关的色度样本。所述一系列的图片可以具有固定的或可变的图片速率(非正式地，也被称作帧率)，例如，每秒60个图片或60赫兹(Hz)。未压缩的视频对比特率有着显著的要求。例如，每个样本8比特的1080p60 4:2:0视频(60Hz帧率下的1920×1080亮度样本分辨率)需要接近1.5Gbit/s的带宽。这样的视频一小时需要超过600GB的存储空间。
视频编码和解码的一个目的可以是通过压缩来减少输入视频信号中的冗余。压缩可有助于降低上述带宽或存储空间的要求，在一些情况下，可降低两个或更多的数量级。无损压缩和有损压缩以及其组合都可以用于视频编码和解码。无损压缩是指可以由压缩的原始信号重建原始信号的精确副本的技术。当使用有损压缩时，重建的信号可能与原始信号不完全一致，但是原始信号与重建的信号之间的失真小得足以使重建的信号可以用于预期应用。有损压缩广泛应用于视频中。有损压缩容许的失真量取决于应用；例如，与电视分发应用的用户相比，某些消费者流式传输应用的用户可以容忍较高的失真。可实现的压缩比可以反映的是：可允许的/可容许的失真越高，可产生越高的压缩比。
运动补偿可以是有损压缩技术，且可涉及以下技术：来自先前重建的图片或其一部分(参考图片)的样本数据块在由运动矢量(此后称为MV(motionvector，MV))指示的方向上空间移位之后用于预测新重建的图片或图片部分。在一些情况下，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，或三个维度，第三维度指示使用中的参考图片(后者间接地可以是时间维度)。
在一些视频压缩技术中，可根据其他MV预测适用于某一样本数据区域的MV，所述其他MV例如是与正在重建的区域空间相邻近的另一样本数据区域相关、且按解码次序在所述MV之前的MV。这样做可大量地减少对MV进行编码所需的数据量，由此消除冗余且提高压缩。举例来说，MV预测可有效地运作，因为当对源自相机的输入视频信号(称为天然视频)进行编码时，存在如下的统计可能性：比单个MV适用的区域大的区域在类似方向上移动，且因此，可在一些情况下使用从相邻区域的MV导出的类似运动矢量进行预测。这使得给定区域中发现的MV与根据周围MV预测的MV类似或相同，且在熵编码之后，表示MV的位数目可小于在对MV直接编码的情况下会使用的位数目。在一些情况下，MV预测可以是从原始信号(即：样本流)导出的信号(即：MV)的无损压缩的实例。在其他情况下，MV预测本身可能是有损的，这例如是由于在根据周围若干MV计算预测值时的舍入误差导致的。
目前的子块仿射运动补偿和细化过程有一些问题。比如，子块的MV推导不够准确、计算复杂度较高。
发明内容
根据本申请实施例，一种在视频解码器中执行的视频解码方法包括：接收已编码视频码流，该已编码视频码流包括划分为多个子块的当前块。所述方法包括对所述当前块执行基于子块的仿射运动补偿处理，从而为所述当前块的每个子块中的每个像素生成子块预测值。所述方法进一步包括确定每个子块预测值的一个或多个空间梯度。所述方法包括使用所确定的每个子块预测值的一个或多个空间梯度和所述已编码视频码流中所包括的至少一个约束条件，利用光流过程，对每个子块预测值执行预测值细化处理。另外，所述方法还包括将各预测值细化处理的输出加到所述各个子块预测值上，以生成当前块的每个子块中的每个像素的最终预测值。
根据本申请实施例，一种视频解码器包括：码流接收模块，用于接收已编码视频码流，该已编码视频码流包括划分为多个子块的当前块；子块预测值生成模块，用于对所述当前块执行基于子块的仿射运动补偿处理，为所述当前块的每个子块中的每个像素生成子块预测值；梯度确定模块，用于确定每个子块预测值的一个或多个空间梯度；细化处理模块，用于使用所确定的每个子块预测值的一个或多个空间梯度和所述已编码视频码流中所包括的至少一个约束条件，利用光流过程，对每个子块预测值执行预测值细化处理；以及预测值生成模块，用于将各预测值细化处理的输出加到所述各个子块预测值上，以生成当前块的每个子块中的每个像素的最终预测值。
根据本申请实施例，一种用于视频解码的视频解码器，包括：处理电路，配置用于接收已编码视频码流，该已编码视频码流包括划分为多个子块的当前块。所述处理电路进一步配置用于对所述当前块执行基于子块的仿射运动补偿处理，从而为所述当前块的每个子块中的每个像素生成子块预测值。所述处理电路还配置用于确定每个子块预测值的一个或多个空间梯度。所述处理电路进一步配置用于使用所确定的每个子块预测值的一个或多个空间梯度和所述已编码视频码流中所包括的至少一个约束条件，利用光流过程，对每个子块预测值执行预测值细化处理。所述处理电路还配置用于将各预测值细化处理的输出加到所述各个子块预测值上，以生成当前块的每个子块中的每个像素的最终预测值。
一种非易失性计算机可读存储介质，存储有指令，当所述指令由视频解码器的处理器执行时，使所述处理器执行一种视频解码方法，包括：接收已编码视频码流，该已编码视频码流包括划分为多个子块的当前块；对所述当前块执行基于子块的仿射运动补偿处理，为所述当前块的每个子块中的每个像素生成子块预测值；确定每个子块预测值的一个或多个空间梯度；使用所确定的每个子块预测值的一个或多个空间梯度和所述已编码视频码流中所包括的至少一个约束条件，利用光流过程，对每个子块预测值执行预测值细化处理；以及将各预测值细化处理的输出加到所述各个子块预测值上，以生成当前块的每个子块中的每个像素的最终预测值。
通过本申请实施例的视频解码方法、视频解码器和非易失性计算机可读存储介质，在推导子块的MV时，使用每个子块真正的中心位置，提高了推导的准确性。另外，在光流预测值细化(PROF)方法中，限制了梯度和MV差值的比特深度，使得各个乘法的结果在一定的比特范围内，降低了计算的复杂度。另外，在计算基于梯度的预测值时，在比子块大的块边界进行填充处理，而不是在子块边界处进行填充，这样可以降低处理的复杂度，同时也可以保持预测的准确性。
附图说明
结合以下详细描述和附图，本申请主题的其他特征、本质和各种优点将会变得更加清楚，其中：
图1是一个示例中当前块及其周围的空间合并候选块的示意图；
图2是根据一个实施例的通信系统的简化框图的示意图。
图3是根据另一个实施例的通信系统的简化框图的示意图。
图4是根据一个实施例的解码器的简化框图的示意图。
图5是根据一个实施例的编码器的简化框图的示意图。
图6示出了根据另一个实施例的编码器的框图。
图7示出了根据另一个实施例的解码器的框图。
图8示出了一些实施例的冗余校验对的示意图。
图9示出了时间候选运动矢量推导的示例。
图10示出了用于说明时间候选运动矢量的位置的示例。
图11A和图11B示出了通过控制点的运动信息描述的一个块的仿射运动场。
图12示出了每个子块的仿射运动矢量场的示例。
图13示出了仿射合并模式的示例。
图14示出了根据本申请一些实施例的空间相邻块和时间相邻块的示例。
图15示出了根据本申请一些实施例的空间相邻块的示例。
图16示出了根据本申请一些实施例的基于子块的运动矢量预测(SbTVMP)过程的示例。
图17示出了子块运动矢量(VSB)和像素运动矢量之差Δv(i，j)的示例。
图18示出了使用双向光流(BDOF)的扩展编码单元(CU)区域的示例。
图19A示出了概述根据本申请一些实施例的过程示例的流程图。
图19B示处了根据本申请实施例的解码器模块示意图。
图20是根据一个实施例的计算机系统的示意图。
具体实施方式
H.265/HEVC(ITU-T H.265建议书，“高效视频编解码(High Efficiency VideoCoding)”，2016年12月)中描述了各种MV预测机制。在H.265提供的多种MV预测机制中，本申请描述的是下文称作“空间合并”的技术。
请参考图1，当前块(101)包括在运动搜索过程期间已由编码器发现的样本，根据已产生空间偏移的相同大小的先前块，可预测所述样本。另外，可从一个或多个参考图片相关联的元数据指示所述MV，而非对MV直接编码。例如，使用关联于A0、A1和B0、B1、B2(分别对应102到106)五个周围样本中的任一样本的MV，(按解码顺序)从最近的参考图片的元数据中导出所述MV。在H.265中，MV预测可使用相邻块也正在使用的相同参考图片的预测值。
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)。
预测子(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，预测子(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。预测子(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，根据预测子(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)。
本申请实施例提供了用于高级视频编解码的非合并帧间预测模式的信令技术。更具体地，本申请各实施例修改了隐式导出的运动矢量预测子(predictor)的解释和信令方法，从而可以实现更好的压缩效率。
HEVC(高效视频编码)、VVC(通用视频编码)等各种编码标准的发展到包括新的技术。
在VVC的一些示例中，对于每个帧间预测的CU，其运动参数包括运动矢量、参考图像索引和参考图像列表使用索引、以及VVC的新编码特征(用于生成帧间预测样本)所需要的附加信息。所述运动参数可以是以显式或隐式的方式用信号通知。在一个示例中，当一个CU是以跳过模式编码时，该CU与一个PU相关联，且不具有显著残差系数，不具有经编码的运动矢量差(delta)或参考图像索引。在另一示例中，详细说明了合并模式，其中，当前CU的运动参数是从相邻CU(包括空间候选CU和时间候选CU)获得的，并且在VVC的情况下还引入了额外的安排。合并模式可以应用于任何帧间预测的CU，不仅是针对跳过模式的CU。合并模式的替换方案是显式传输运动参数，其中，对于每个CU，显式地用信号通知其运动矢量、每个参考图像列表的对应参考图像索引和参考图像列表使用标志、以及其它所需信息。
除了HEVC中的帧间编码特征之外，VVC测试模型3(VTM3)还包括许多新的、细化的帧间预测编码工具，诸如扩展的合并预测、具有运动矢量差的合并模式(MMVD)、仿射运动补偿预测、基于子块的时间运动矢量预测子(SbTMVP)、三角形分区预测、组合的帧间和帧内预测(CIIP)等。在本申请中描述了上述帧间预测编码工具的一些特征。
在一些示例中，在VTM4中使用扩展的合并预测。具体地，在VTM4中，合并候选列表是通过包括五种类型的候选运动矢量构造的，这五种类型的候选运动矢量的顺序为：(1)来自空间相邻CU的空间运动矢量预测子(MVP)；(2)来自同位CU的时间MVP；(3)来自FIFO表的基于历史的MVP；(4)成对平均MVP；以及(5)零MV。在一些实施例中，构造合并候选列表时所使用的技术包括空间候选运动矢量推导、时间候选运动矢量推导、基于历史的合并候选运动矢量推导、成对平均合并候选运动矢量推导。
在一个示例中，在VTM4中，合并候选列表的大小是在条带头中用信号表示，并且合并候选列表的最大允许大小为6。对于以合并模式编码的每个CU，其最佳合并候选运动矢量的索引是使用截断一元码二值化(TU)来编码。合并索引的第一个二进制值用上下文编码进行编码，其他二进制值可以用旁路编码进行编码。
对于空间候选运动矢量推导，根据本申请实施例，VVC中的空间合并候选运动矢量的推导，类似于HEVC中的空间合并候选运动矢量的推导。例如，从位于图1所示的位置A0至A1和B0至B2的候选运动矢量中最多选择四个合并候选运动矢量。推导顺序是A1、B1、B0、A0和B2。只有当位置A1、B1、B0、A0处的任一CU不可用时(例如，该CU属于另一条带或另一图块)或者是帧内编码时，才考虑位置B2。在将位置A1处的候选运动矢量添加到合并候选列表之后，在添加其余的候选运动矢量时，要进行冗余校验，这确保了将具有相同运动信息的候选运动矢量从合并候选列表中排除，从而提高了编码效率。为了降低计算复杂性，在所提到的冗余校验中，不是所有可能的候选运动矢量对都要考虑。相反，仅考虑图8中的箭头链接的候选运动矢量对，并且仅当一个候选运动矢量的用于进行冗余校验的对应候选运动矢量不具有相同的运动信息时，才将所述候选运动矢量加入所述合并候选列表中。
对于时间候选运动矢量推导，根据本申请实施例，仅将一个候选运动矢量添加到所述合并候选列表。特别地，在时间合并候选运动矢量的推导中，经缩放的运动矢量是基于属于其同位参考图像的同位CU推导出的。用于推导其同位CU的参考图像列表是在条带头中显式地用信号表示。
图9示出了时间候选运动矢量的推导示例。图9示出了一系列图像，包括具有当前CU的当前图像、具有当前CU的同位CU的同位图像、当前图像的参考图像、同位图像的参考图像。在一个示例中，当前图像的参考图像与当前图像之间的图像次序计数(picture ordercount,POC)距离(例如，二者POC之差)表示为tb，其同位图像的参考图像与其同位图像之间的POC距离表示为td。用于时间合并候选运动矢量的经缩放的运动矢量由图9中的910示出，该经缩放的运动矢量是使用POC距离tb和td，对同位CU的运动矢量920进行缩放得到的。将时间合并候选运动矢量的参考图像索引设置为等于零。
图10示出了用于说明从候选运动矢量C0和C1之间选择的时间候选运动矢量的位置的示例。当位置C0处的CU不可用，或者是帧内编码，或者是在CTU的当前行之外时，则可以使用位置C1。否则，在时间合并候选运动矢量的推导中使用位置C0。
对于仿射运动补偿预测，在HEVC中，运动补偿预测(MCP)仅采用平移运动模型。然而，现实世界中有许多种类的运动，例如，放大/缩小、旋转、透视运动和其它不规则运动。在VTM3中，采用了基于块的仿射变换运动补偿预测方法。
图11A示出了通过两个控制点(4个参数的仿射模型)的运动信息描述的块的仿射运动场，图11B示出了通过三个控制点(6个参数的仿射模型)的运动信息描述的块的仿射运动场。
在一些实施例中，对于4个参数的仿射运动模型，一个块中样本位置(x，y)处的运动矢量可以用等式1推导，对于6个参数的仿射运动模型，一个块中样本位置(x，y)处的运动矢量可以用等式2推导：
Figure BDA0002473040570000211
Figure BDA0002473040570000212
其中，(mv0x，mv0y)表示左上角控制点CP0的运动矢量，(mv1x,mv1y)是右上角控制点CP1的运动矢量，(mv2x,mv2y)是左下角控制点CP2的运动矢量。
为了简化运动补偿预测，采用基于块的仿射变换预测方法。
图12示出了每个子块的仿射MV场的示例。将当前CU分割成4×4个亮度子块。为了推导每个4×4亮度子块的运动矢量，根据上述等式计算如图12所示的每个子块的中心样本的运动矢量，并将其四舍五入到1/16分数精度。然后应用运动补偿插值滤波器，利用推导出的运动矢量生成每个子块的预测值。色度分量的子块大小也设置为4×4。在一个示例中，计算一个4×4色度子块的MV，作为其四个对应4×4亮度子块的MV的平均值。
可以使用两种仿射运动帧间预测模式，诸如仿射合并(AF_MERGE)模式和仿射高级MVP(AMVP)模式。
对于仿射合并模式，在一个示例中，AF_MERGE模式可应用于宽度和高度均大于或等于8的CU。在AF_MERGE模式中，当前CU的控制点运动矢量(CPMV)是基于空间相邻CU的运动信息生成。在一个示例中，可以有多达五个CPMVP候选，并且将索引用信号进行通知，以指示待用于当前CU的那一个CPMVP候选。在一个示例中，使用三种类型的CPVM候选来形成仿射合并候选列表。第一种类型的CPMV候选是从相邻CU的CPMV外推的(extrapolated)继承的仿射合并候选CPMV。第二种类型的CPMV候选是使用相邻CU的平移MV推导出的构造的仿射合并候选CPMV。第三种类型的CPMV候选是零MV。
在一些示例中，诸如在VTM3中，最多可使用两个继承的仿射合并候选CPMV。在一个示例中，根据相邻块的仿射运动模型，推导两个继承的仿射合并候选CPMV，一个来自左侧相邻CU(称为左侧预测子)，一个来自上侧相邻CU(称为上侧预测子)。在一些示例中，左侧预测子的扫描顺序为A0->A1，上侧预测子的扫描顺序为B0->B1->B2。在一个示例中，仅从每一侧选择第一个继承的仿射合并候选CPMV。在一些示例中，在两个继承的仿射合并候选CPMV之间不执行修剪检查。当识别出一个相邻的仿射CU时，使用该相邻的仿射CU的控制点运动矢量推导当前CU的仿射合并列表中的CPMV候选。
图13示出了仿射合并模式的示例。如图13所示，当当前块的相邻左下块A是以仿射模式编码时，获得包含块A的CU的左上角运动矢量mv2、右上角运动矢量mv3和左下角运动矢量mv4。当块A是利用4个参数的仿射模型编码时，根据mv2和mv3来计算当前CU的两个CPMV。当块A是利用6个参数的仿射模型编码时，根据mv2、mv3和mv4来计算当前CU的三个CPMV。
在一些示例中，一个构造的仿射合并候选CPMV是通过组合每个控制点的相邻块平移运动信息来构造的。控制点的运动信息可以从指定的空间相邻块和时间相邻块推导出。
图14示出了根据本申请一些实施例的空间相邻块(例如，块A0至块A2和块B0至块B3)和时间相邻块(例如，块T)的示例。在一个示例中，CPMVk(k＝1、2、3、4)表示第k个控制点。对于CPMV1，检查块B2->块B3->块A2(->用于表示检查顺序)，并且使用第一个可用块的MV。对于CPMV2，检查块B1->块B0，并且对于CPMV3，检查块A1->块A0。对于TMVP，检查时间相邻块T，并且如果块T的MV可用，则将块T用作CPMV4。
在获得四个控制点的MV之后，基于该运动信息来构造仿射合并候选CPMV。使用控制点MV的以下组合：{CPMV1，CPMV2，CPMV3}、{CPMV1，CPMV2，CPMV4}、{CPMV1，CPMV3，CPMV4}、{CPMV2，CPMV3，CPMV4}、{CPMV1，CPMV2}、{CPMV1，CPMV3}来按顺序构造。
3个CPMV的组合可构造6个参数的仿射合并候选CPMV，2个CPMV的组合可构造4个参数的仿射合并候选CPMV。在一个示例中，为了避免执行运动缩放过程，当控制点的参考索引不同时，可以丢弃控制点MV的相关组合。
在一个示例中，在检查完继承的仿射合并候选CPMV和构造的仿射合并候选CPMV之后，如果候选列表仍然未满，则将零MV插入到候选列表的末尾。
对于仿射AMVP预测，仿射AMVP模式可应用于宽度和高度均大于或等于16的CU。在一些示例中，在码流(例如，已编码视频码流)中用信号表示CU级的仿射标志，用于指示在CU中是否使用了仿射AMVP模式，然后用信号表示另一标志，用于指示是使用了4个参数的仿射模型还是使用了6个参数的仿射模型。在仿射AMVP模式中，在码流中用信号表示当前CU的CPMV和它们的预测子CPMVP之间的差异。仿射AMVP候选列表的大小是2，并且是按顺序使用以下四种类型的CPVM候选，生成仿射AMVP候选列表：(1)从相邻CU的CPMV外推的继承的仿射AMVP候选；(2)使用相邻CU的平移MV推导的构造的仿射AMVP候选CPMVP；(3)相邻CU的平移MV；以及(4)零MV。
在一些示例中，继承的仿射AMVP候选的检查顺序与继承的仿射合并候选的检查顺序相同。在一个示例中，仿射合并预测值与仿射AMVP预测值之间的唯一差异在于，对于AVMP候选，仅考虑具有与当前块相同的参考图像的仿射CU。在一个示例中，当将继承的仿射运动预测子插入到候选列表中时，不应用修剪过程。
在一些示例中，可从图14中所示的指定空间相邻块推导所构造的AMVP候选。在一个示例中，使用与仿射合并预测的候选构造中进行的相同的检查顺序。此外，还检查相邻块的参考图像索引。使用检查顺序中的第一块，该第一块是经帧间编码的并且与当前CU具有相同的参考图像。当当前CU是利用4个参数的仿射模式进行编码的，并且两个控制点的运动矢量mv0和mv1均可用时，将这两个控制点的运动矢量作为一个候选运动矢量，添加到仿射AMVP列表中。当当前CU是利用6个参数仿射模式进行编码的，并且控制点的所有三个运动矢量CPMV都可用时，将这三个运动矢量作为一个候选运动矢量，添加到仿射AMVP列表中。否则，将所构造的AMVP候选设置为不可用。
当检查完继承的仿射AMVP候选和构造的AMVP候选之后，仿射AMVP列表的候选运动矢量的数目仍然小于2时，当mv0、mv1和mv2可用时，则按顺序添加mv0、mv1和mv2作为平移MV，以预测当前CU的所有控制点MV。最后，如果仿射AMVP列表仍然未填满，则使用零MV来填充仿射AMVP列表。
在一些示例中，基于子块的时间运动矢量预测(SbTMVP)可用于VTM中。与HEVC中的时间运动矢量预测(TMVP)类似，SbTMVP使用同位图像中的运动场来改进当前图像中的CU的运动矢量预测和合并模式。在一些示例中，由TMVP使用的同位图像同样用于SbTVMP。SbTMVP与TMVP有两个方面的区别。第一方面，TMVP预测CU级的运动，而SbTMVP预测子CU(sub-CU)级的运动。第二方面，TMVP从同位图像中的同位块(所述同位块是相对于当前CU的右下块或中心块)提取时间运动矢量，SbTMVP在从同位图像中提取时间运动信息之前，应用运动偏移。运动偏移是从当前CU的空间相邻块之一的运动矢量获得的。
图15至图16示出了根据本申请的一些实施例的SbTVMP过程的示例。SbTMVP分两步预测当前CU中子CU的运动矢量。在第一步骤中，按照A1、B1、B0、A0的顺序检查图15中所示的当前CU的空间相邻块，以识别第一空间相邻块，该第一空间相邻块具有用其同位图像作为其参考图像的运动矢量。然后，选择所述用其同位图像作为其参考图像的运动矢量，作为要应用的运动偏移。如果从A1、B1、B0、A0空间相邻块中没有识别出这种运动矢量，则将运动偏移设置为(0，0)。
在第二步骤中，应用在第一步骤中识别的运动偏移(即，加到当前块的坐标上)，以从同位图像获得子CU级运动信息(运动矢量和参考索引)，如图16所示。在图16的示例中，A1的运动矢量设置为运动偏移1610。然后，对于每个子CU，使用同位图像中对应块(覆盖中心样本的最小运动网格)的运动信息，推导所述子CU的运动信息。在识别出同位子CU的运动信息之后，以与HEVC的TMVP过程类似的方式，将其转换为当前子CU的运动矢量和参考索引。例如，应用时间运动缩放，以使时间运动矢量的参考图像与当前CU的参考图像对准。
在一些示例中，诸如在VTM3中，一个包括SbTVMP候选和仿射合并候选两者的组合的基于子块的合并列表，用于对基于子块的合并模式进行信令。SbTVMP模式通过序列参数集(SPS)标志启用/禁用。当启用SbTMVP模式时，将SbTMVP预测子添加为组合的基于子块的合并列表的第一条目，随后是仿射合并候选。在VTM3中，基于子块的合并列表的最大允许大小为5。
在一个示例中，在SbTMVP中使用的子CU大小固定为8×8，仿射合并模式也是如此，SbTMVP模式仅适用于宽度和高度均大于或等于8的CU。
在一些实施例中，附加的SbTMVP合并候选的编码逻辑与其它合并候选的编码逻辑相同。在一个示例中，对于P条带或B条带中的每个CU，执行附加的速率失真校验，以决定是否使用SbTMVP候选。
根据一些实施例，仿射运动模型参数可用于推导CU中的每个像素的运动矢量。然而，由于生成基于像素的仿射运动补偿预测值时，复杂度和内存访问带宽较高，目前VVC采用了一种基于子块的仿射运动补偿方法，其中将一个CU划分为4×4个子块，并给每个子块分配一个从仿射CU的控制点MV推导出的MV。基于子块的仿射运动补偿是编码效率、复杂度和内存访问带宽之间的折衷方案。由于是基于子块的预测(子块中的所有像素共享相同的运动)，基于子块的仿射运动补偿会损失一定的预测准确性。
为了实现粒度更精细的运动补偿，在一些实施例中，使用一种用光流对基于子块的仿射运动补偿的预测值进行细化(光流预测值细化(Prediction Refinement withOptical Flow,PROF))的方法。在执行了基于子块的仿射运动补偿之后，可通过在亮度预测样本上加上通过光流动等式推导出的差值，对亮度预测样本进行细化。该方法称为光流预测值细化(PROF)，在一些实施例中PROF方法包括以下四个步骤。
步骤1：执行基于子块的仿射运动补偿，为当前块中的每个子块中的每个位置(i，j)处的像素生成子块预测值I(i，j)。
步骤2：使用3个抽头的滤波器[-1，0，1]，在每个采样位置处，计算每个位置(i，j)处的像素的子块预测值I(i，j)的空间梯度gx(i，j)和gy(i，j)。
gx(i，j)＝I(i+1，j)-I(i-1，j) (等式3)
gy(i，j)＝I(i，j+1)-I(i，j-1) (等式4)
在进行梯度计算时，可以将每个子块的子块预测值在其每一侧扩展一个像素。为了降低内存访问带宽和复杂度，可以应用一个填充过程(即，扩展边界上的像素是从参考图像中最近的整数像素位置复制过来的)。这样，避免了在填充区域进行额外的插值处理。
步骤3：通过如下光流等式计算每个子块的亮度预测细化值。
ΔI(i，j)＝gx(i，j)*Δvx(i，j)+gy(i，j)*Δvy(i，j) (等式5)
其中，Δv(i，j)是计算的采样位置(i，j)处的像素MV(用v(i，j)表示)和像素(i，j)所属的子块的子块MV之间的差值，如图17所示。
由于各子块之间的仿射模型参数不变，各像素位置与子块中心的的关系不变，因此可以计算第一子块的Δv(i，j)，并且将Δv(i，j)再用于相同CU中的其它子块。假设x是像素位置到子块中心的水平偏移，y是像素位置到子块中心的垂直偏移，则Δv(x，y)可通过以下等式推导：
Figure BDA0002473040570000271
4个参数的仿射模型可以通过以下等式推导：
Figure BDA0002473040570000272
6个参数的仿射模型可以通过以下等式推导：
Figure BDA0002473040570000273
其中，(v0x,v0y)是左上控制点运动矢量，(v1x,v1y)是右上控制点运动矢量，(v2x,v2y)是左下控制点运动矢量，w是CU的宽度，h是CU的高度。
步骤4：将每个子块中的每个位置(i，j)处的像素的亮度预测细化值加到相应的子块预测值I(i，j)上。每个子块中的每个像素的最终预测值I’可根据以下等式生成。
I′(i，j)＝I(i，j)+ΔI(i，j) (等式9)
VTM4中包括一个双向光流(Bi-directional Optical Flow,BDOF)工具。BDOF，以前称为BIO，包括在JEM中。与JEM版本相比，VTM4中的BDOF是一个更为简单的版本，需要较少的计算量，尤其是在需要执行的乘法次数和乘法器的大小方面。根据一些实施例，BDOF用于在4×4子块级别细化CU的双向预测信号。如果CU满足以下条件，则CU可以应用BDOF：1)CU的高度不是4，并且CU的大小不是4×8；2)CU不是使用仿射模式编码的或者使用ATMVP合并模式编码的；以及3)CU是使用“真正的”双向预测模式进行编码的(即，按照显示顺序，两个参考图像其中之一在当前图像之前，另一参考图像在当前图像之后)。在一些实施例中，BDOF仅应用于亮度分量。
BDOF模式是基于光流概念，其假设一个对象的运动是平滑的。对于每个4×4子块，通过最小化L0预测样本与L1预测样本之间的差值来计算运动细化值(vx，vy)。然后可以使用运动细化值来调整4×4子块中的双向预测样本值。在一些实施例中，在BDOF过程中应用以下步骤。
步骤1：通过使用以下等式直接计算两个相邻样本之间的差值，来计算两个预测信号的水平梯度
Figure BDA0002473040570000281
和垂直梯度
Figure BDA0002473040570000282
(k＝0，1)。
Figure BDA0002473040570000283
Figure BDA0002473040570000284
其中，I(k)(i，j)是列表k中的预测信号的坐标(i，j)处的样本值，shiftl是基于亮度比特深度bitDepth来计算，shift1＝max(2，14-bitDepth)。
步骤2：梯度的自相关和互相关S1、S2、S3、S5和S6计算如下：
S1＝∑(i，j)∈Ωψx(i，j)·ψx(i，j)， S3＝Σ(i，j)∈Ωθ(i，j)·ψx(i，j) (等式11)
S2＝∑(i，j)∈Ωψx(i，j)·ψy(i，j)
S5＝∑(i，j)∈Ωψy(i，j)·ψy(i，j) S6＝∑(i，j)∈Ωθ(i，j)·ψy(i，j)
其中，
Figure BDA0002473040570000285
Figure BDA0002473040570000286
θ(i，j)＝(I(1)(i，j)＞＞nb)-(I(0)(i，j)＞＞nb)
其中，Ω是围绕4×4子块的一个6×6窗口，na和nb的值被分别设置为等于min(5，bitDepth-7)和min(8，bitDepth-4)。
然后使用如下互相关语句和自相关语句推导出运动细化量(vx，vy)：
Figure BDA0002473040570000291
Figure BDA0002473040570000292
其中，
Figure BDA0002473040570000293
th′BIO＝212-BD，
Figure BDA0002473040570000294
是floor函数(向下取整函数)，
Figure BDA0002473040570000295
基于运动细化值和梯度，对4×4子块中的每个样本，计算以下调整值：
Figure BDA0002473040570000296
步骤3：通过以下方式调整双向预测样本来计算CU的BDOF样本：
predBDOF(x，y)＝(I(0)(x，y)+I(1)(x，y)+b(x，y)+ooffset)＞＞shift (等式15)
选择这些值使得BDOF过程中的乘法器不超过15比特，并且BDOF过程中中间参数的最大比特宽度保持在32比特内。
根据一些实施例，为了推导梯度值，需要生成列表k(k＝0，1)中当前CU边界之外的一些预测样本I(k)(i，j)。如图18所示，VTM4中的BDOF使用CU边界周围的一个扩展行/列。为了控制生成边界外预测样本的计算复杂性，扩展区域(白色位置)中的预测样本，可通过直接采用其附近的整数位置处的参考样本(例如，对坐标使用floor()运算)生成，而无需插值，并且可使用正常的8个抽头的运动补偿插值滤波器，生成CU(灰色位置)内的预测样本。在一些示例中，这些扩展的样本值仅用于进行梯度计算。对于BDOF过程中的其余步骤，如果需要使用CU边界外的任何样本和梯度值，则根据它们最近的相邻样本，对它们进行填充(即，重复最近的相邻样本)。
目前的子块仿射运动补偿和细化过程具有一些问题。首先，对于4×4级别的子块仿射预测，是使用每个子块的(2，2)位置作为其中心来推导子块的MV，这样的推导不够准确。第二，在PROF中，用等式5计算ΔI(i，j)需要16比特的乘法，这会导致计算复杂度较高。第三，当计算基于梯度的预测值时，在子块边界处使用填充，这是不必要的。本申请实施例提供了这些问题的解决方案。
本申请实施例所提出的方法可以单独使用或以任何顺序组合使用。此外，本申请中的方法(或实施例)、编码器和解码器中的每一个可由处理电路(例如，一个或多个处理器或一个或多个集成电路)实现。在一个示例中，一个或多个处理器执行存储在非易失性计算机可读存储介质中的程序。在下文中，术语“块”可以理解为为预测块、编码块或编码单元(即，CU)。
根据一些实施例，对于W×H个子块，使用真正的子块中心位置，即位置
Figure BDA0002473040570000301
来推导每个子块的MV(假设每个子块的左上角是(0，0))。当进一步使用PROF时，还计算每个像素样本相对于位置
Figure BDA0002473040570000302
的MV的MV差(即，(等式5)中的Δvx(x，y)和Δvy(x，y))。在一个示例中，当W＝4且H＝4时，使用(3/2，3/2)位置来推导每个子块的MV。在计算过程中，由于产生了分数MV，可以另外引入取整的操作。在一些实施例中，取整可以趋向零。可替代地，该取整可以趋向正无穷，或负无穷，或远离零。
根据一些实施例，限制等式5中的梯度和MV差的比特深度，使得等式5中乘法结果的范围是在一定的比特之内。例如，可以将所述梯度和MV差的比特深度限制在16比特范围内。在一些实施例中，通过范围缩减，使梯度值的范围保持在11比特(包括符号)之内，MV差的范围保持在5比特或4比特(包括符号)之内。例如，如果一个梯度或MV差的比特数比所允许的比特数多，则首先将它们缩减到所允许的范围之内。
在一些实施例中，使梯度保持在min(11，Dep+1)比特内，其中，“Dep”表示输入视频信号的比特深度。当Dep≥10时，可以在进行等式3和等式4中的梯度计算之后，通过位运算，将梯度值向右偏移(Dep-10)，使得最终馈送给等式5的梯度值的范围保持在11比特之内。在一些实施例中，MV差的精度比在运动补偿插值中使用的MV精度高一比特。在一些实施例中，保持梯度的精度与分数采样位置处的插值像素的精度相同。
根据一些实施例，对于W×H子块，定义块大小M×N，其中，M是W的倍数，且M>W，N是H的倍数，且N>H。在等式5中使用的梯度可以在M×N个块的级别上计算，而不是在W×H个子块的级别上计算。当使用M×N代替W×H时，可在M×N个块的边界处，而非W×H个子块的边界处，应用针对PROF的上述填充过程。在一些示例中，当W＝4且H＝4时，M和N可固定为8或16。在一些实施例中，可以在码流，诸如在序列参数集(SPS)、图像参数集(PPS)、条带头或图块组头中，用信号表示M和N。
根据一些实施例，BDOF和PROF可以共享相同的梯度值计算过程。在一些实施例中，所述相同的过程包括BDOF和PROF以相同的方式使用相同的W、H、M和N。在一些实施例中，相同的过程包括使用相同的滤波器内核来计算BDOF和PROF中的梯度。
图19A示出了概述根据本申请的一个实施例的过程(1900)的流程图。在各种实施例中，过程(1900)由处理电路执行，诸如终端设备(210)、(220)、(230)和(240)中的处理电路、执行视频编码器(303)的功能的处理电路、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、执行视频编码器(503)的功能的处理电路，等等。在一些实施例中，过程(1900)以软件指令的方式实现。因此，当处理电路执行所述软件指令时，处理电路执行过程(1900)。该过程开始于步骤(S1902)并前进到步骤(S1910)。
该过程可以开始于步骤(S1902)。在步骤(S1902)，接收已编码视频码流，所述已编码视频码流包括划分为多个子块的当前块。所述过程进行到步骤(S1904)，在该步骤对当前块执行基于子块的仿射运动补偿处理，从而为当前块的每个子块中的每个像素生成子块预测值。
该过程进行到步骤(S1906)，在该步骤为每个子块预测值生成一个或多个空间梯度。例如，对步骤(S1904)中生成的每个子块预测值执行等式3和等式4中的计算。该过程从步骤(S1906)进行到步骤(S1908)，在步骤(S1908)，使用所确定的每个子块预测值的一个或多个空间梯度和所述已编码视频码流中所包括的至少一个约束条件，利用光流过程，对每个子块预测值执行预测值细化处理。例如，PROF或BDOF过程可以通过使用步骤(S1906)中生成的空间梯度来使用。所述至少一个约束条件可以规定空间梯度或MV差允许的比特数。
该过程从步骤(S1908)进行到步骤(S1910)，在步骤(S1910)，对于每个子块预测值，将各预测值细化处理的输出加到各个子块预测值上，以生成当前块的每个子块的每个像素的最终预测值。过程(1900)在步骤(S1910)完成之后结束。
在所述过程1900中，所述至少一个约束条件对(i)所述一个或多个空间梯度的比特深度，和/或(ii)所述光流过程生成的运动矢量MV差的比特深度，进行限制。根据本申请实施例，所述至少一个约束条件将所述一个或多个空间梯度限制在小于或等于K的比特数，并且所述至少一个约束条件将所述MV差限制在小于或等于N的比特数。
根据本申请实施例，例如，K和N的总和小于或等于16。
根据本申请实施例，例如，K等于min(11，Dep+1)比特(即，K取11和Dep+1之中最小的一个值)，Dep表示输入视频信号的比特深度。
根据本申请实施例，在确定Dep大于或等于10时，在对每个子块预测值执行预测值细化处理之前，通过位运算，将所述一个或多个空间梯度向右偏移(Dep-10)，以使得步骤(S1908)中用于执行预测值细化处理的一个或多个梯度值保持在11比特之内。
根据一个实施例，所述至少一个约束条件规定所述MV差的精度比运动补偿插值处理中使用的MV精度的精度高1比特。
根据另一个实施例，所述至少一个约束规定所述一个或多个空间梯度的精度保持与分数采样位置处的内插像素的精度相同。
所述步骤(S1908)中，根据光流预测值细化PROF过程，对当前块执行所述确定一个或多个空间梯度和所述预测值细化处理的步骤；根据双向光流BDOF过程，对与所述当前块在同一个当前图像中的另一块进行解码；所述至少一个约束条件规定，所述PROF过程和所述BDOF过程共享相同的过程来确定所述当前块和所述另一块的一个或多个空间梯度值。
根据本申请一个实施例，用于所述当前块的所述PROF过程和用于所述另一块的所述BDOF过程，使用相同的高度和权重来确定所述当前块和所述另一块的所述一个或多个空间梯度值。
根据本申请另一个实施例，用于所述当前块的所述PROF过程和用于所述另一个块的所述BDOF过程，使用相同的滤波器内核来确定所述当前块和所述另一块的所述一个或多个空间梯度值。
根据本申请上述实施例，每个子块具有宽度W和高度H，并且，其中，每个子块的子块中心位置为((W-1)/2，(H-1)/2)，用以推导每个子块的每个MV。其中，计算由所述光流过程生成的、每个像素样本的MV与位置((W-1)/2，(H-1)/2)处的MV之间的MV差。
其中，根据本申请一个实施例，当确定使用所述位置((W-1)/2(H-1)/2)推导出的MV是分数MV，将所述分数MV取整为最接近的整数。例如，将所述分数MV朝向正无穷方向取整为一个最接近的整数。
根据本申请前述实施例，每个子块具有宽度W和高度H，并且，其中，用于所述预测值细化处理的块大小为M×N，其中，M是W的倍数，且M>W，并且，其中，N是H的倍数，且N大于H。在每个M×N块的边界处应用填充过程。M和N被包括在所述已编码视频码流中。
图19B示处了根据本申请实施例的解码器模块示意图。如图19B所示，解码器包括：
码流接收模块1902，用于接收已编码视频码流，该已编码视频码流包括划分为多个子块的当前块；
子块预测值生成模块1904，用于对所述当前块执行基于子块的仿射运动补偿处理，为所述当前块的每个子块中的每个像素生成子块预测值；
梯度确定模块1906，用于确定每个子块预测值的一个或多个空间梯度；
细化处理模块1908，用于使用所确定的每个子块预测值的一个或多个空间梯度和所述已编码视频码流中所包括的至少一个约束条件，利用光流过程，对每个子块预测值执行预测值细化处理；以及
预测值生成模块1910，用于将各预测值细化处理的输出加到所述各个子块预测值上，以生成当前块的每个子块中的每个像素的最终预测值。
所述解码器中各个模块的具体功能，可以参考前文描述的方法实施例。
相应地，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，存储有指令，当所述指令由视频解码器的处理器执行时，使所述处理器执行前述实施例中描述的视频解码方法。
上文所描述的技术可使用计算机可读指令实施为计算机软件且以物理方式存储在一个或多个计算机可读存储介质中。例如，图20示出适于实施本申请主题的某些实施例的计算机系统。
所述计算机软件可使用任何合适的机器代码或计算机语言来编码，所述机器代码或计算机语言可经受汇编、编译、链接或类似机制以创建包括指令的代码，所述指令可直接或通过解译、微码执行等而由一个或多个计算机中央处理单元(central processingunit，CPU)、图形处理单元(Graphics Processing Unit，GPU)等执行。
所述指令可在各种类型的计算机或计算机组件上执行，所述计算机或计算机组件包括例如个人计算机、平板电脑、服务器、智能电话、游戏装置、物联网装置等。
图20中所示的用于计算机系统的组件在本质上是示范性的，并非旨在暗示关于实施本申请的实施例的计算机软件的使用或功能的范围的任何限制。也不应将组件的配置解释为对计算机系统(2000)的示范性实施例中所示的组件中的任一个组件或组件组合有任何依赖或需求。
计算机系统(2000)可包括某些人机接口输入装置。此类人机接口输入装置可响应于一个或多个人类用户通过例如触觉输入(例如：按键、滑动、数据手套移动)、音频输入(例如：语音、拍击)、视觉输入(例如：手势)、嗅觉输入(未描绘)进行的输入。人机接口装置还可用于捕获未必与人的有意识输入直接相关的某些媒体，例如音频(例如：话语、音乐、环境声)、图像(例如：扫描图像、从静态图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)。
输入人机接口装置可包括以下一个或多个(每种仅描绘一个)：键盘(2001)、鼠标(2002)、轨迹垫(2003)、触摸屏(2010)、数据手套(未示出)、操纵杆(2005)、麦克风(2006)、扫描仪(2007)、相机(2008)。
计算机系统(2000)还可包括某些人机接口输出装置。此类人机接口输出装置可通过例如触觉输出、声音、光和气味/味道刺激一个或多个人类用户的感觉。此类人机接口输出装置可包括触觉输出装置(例如触摸屏(2010)、数据手套(未示出)或操纵杆(2005)的触觉反馈，但还可存在不充当输入装置的触觉反馈装置)、音频输出装置(例如：扬声器(2009)、头戴式耳机(未描绘))、视觉输出装置(例如屏幕(2010)，包括CRT屏幕、LCD屏幕、等离子体屏幕、OLED屏幕，各自具有或不具有触摸屏输入能力，各自具有或不具有触觉反馈能力--其中的一些能够通过例如立体平画输出的方式输出二维视觉输出或大于三维的输出；虚拟现实眼镜(未描绘)、全息显示器和烟雾箱(未描绘))，以及打印机(未描绘)。这些视觉输出设备(例如屏幕(2010))，可以通过图形适配器(2050)连接到系统总线(2048)上。
计算机系统(2000)还可包括人类可访问的存储装置和存储装置的相关联介质，例如光学介质，包括具有CD/DVD等介质(2021)的CD/DVDROM/RW(2020)、拇指驱动器(2022)、可移动硬盘驱动器或固态驱动器(2023)、磁带和软盘(未描绘)等旧版磁性媒体、基于ROM/ASIC/PLD的专用装置，例如安全保护装置(未描绘)，等等。
所属领域的技术人员还应理解，结合当前公开的主题使用的术语“计算机可读介质”并未涵盖传输介质、载波或其他瞬时信号。
计算机系统(2000)还可包括到一个或多个通信网络(2055)的网络接口(2054)。所述一个或多个通信网络(2055)可例如是无线的、有线的、光学的。所述一个或多个通信网络(2055)还可以是本地的、广域的、城域的、车载和工业的、实时的、容忍延迟的等等。所述一个或多个通信网络(2055)的示例包括例如以太网、无线LAN的局域网、包括GSM、3G、4G、5G、LTE等的蜂窝网络、包括有线TV、卫星TV和地面广播TV的TV有线或无线广域数字网络、包括CAN总线的车载网络和工业网络等。某些网络通常需要附接到某些通用数据端口或外围总线(2049)(例如，计算机系统(2000)的USB端口)的外部网络接口适配器；其他网络通常通过附接到如下文所描述的系统总线而集成到计算机系统(2000)的核心中(例如通过以太网接口集成到PC计算机系统中，或通过蜂窝网络接口集成到智能电话计算机系统中)。通过使用这些网络中的任一网络，计算机系统(2000)可与其他实体通信。此类通信可以是仅单向接收(例如广播TV)、仅单向发送(例如连到某些CAN总线装置的CAN总线)或是双向的，例如使用局域数字网络或广域数字网络连接到其他计算机系统。可在如上文所描述的那些网络和网络接口中的每一个上使用某些协议和协议栈。
上述人机接口装置、人类可访问存储装置和网络接口可附接到计算机系统(2000)的核心(2040)。
核心(2040)可包括一个或多个中央处理单元(Central Processing Unit，CPU)(2041)、图形处理单元(Graphics Processing Unit，GPU)(2042)、现场可编程门区域(Field Programmable Gate Areas，FPGA)形式的专用可编程处理单元(2043)、用于某些任务的硬件加速器(2044)等等。这些装置连同只读存储器(read-only memory，ROM)(2045)、随机存取存储器(2046)、例如内部非用户可访问的硬盘驱动器、SSD等内部大容量存储装置(2047)可通过系统总线(2048)连接。在一些计算机系统中，系统总线(2048)可通过一个或多个物理插头形式访问以实现通过额外CPU、GPU等来扩展。外围装置可直接或通过外围总线(2049)附接到核心的系统总线(2048)。用于外围总线的架构包括PCI、USB等等。
CPU(2041)、GPU(2042)、FPGA(2043)和加速器(2044)可执行某些指令，所述指令组合起来可构成上述计算机代码。计算机代码可存储在ROM(2045)或RAM(2046)中。过渡数据也可存储在RAM(2046)中，而永久性数据可例如存储在内部大容量存储装置(2047)中。可通过使用高速缓冲存储器来实现对任一存储器装置的快速存储和检索，所述高速缓冲存储器可与一个或多个CPU(2041)、GPU(2042)、大容量存储装置(2047)、ROM(2045)、RAM(2046)等紧密关联。
计算机可读介质上可具有用于执行各种计算机实施的操作的计算机代码。所述介质和计算机代码可以是专为本申请的目的设计和构建的介质和计算机代码，或可属于计算机软件领域中的技术人员众所周知且可用的种类。
举例来说但不作为限制，具有架构(2000)且尤其是核心(2040)的计算机系统可提供因处理器(包括CPU、GPU、FPGA、加速器等)执行以一个或多个有形计算机可读介质体现的软件而产生的功能。此类计算机可读介质可以是与上文所介绍的用户可访问大容量存储装置以及核心(2040)的非易失性质的某些存储装置(例如核心内部大容量存储装置(2047)或ROM(2045))相关联的介质。实施本申请的各种实施例的软件可存储在此类装置中且由核心(2040)执行。根据特定需求，计算机可读介质可包括一个或多个存储器装置或芯片。软件可使核心(2040)且具体地说使其中的处理器(包括CPU、GPU、FPGA等等)执行本文中所描述的特定过程或特定过程的特定部分，包括限定存储在RAM(2046)中的数据结构以及根据由软件限定的过程修改此类数据结构。另外或作为替代方案，计算机系统可提供由硬连线的或以其他方式体现于电路(例如：加速器(2044))中的逻辑所产生的功能，所述逻辑可代替或连同软件一起操作以执行本文描述的特定过程或特定过程的特定部分。适当时，对软件的引用可涵盖逻辑，且反之亦然。适当时，对计算机可读介质的引用可涵盖存储用于执行的软件的电路(例如集成电路(IC))、体现用于执行的逻辑的电路或这两种电路。本申请涵盖硬件与软件的任何合适的组合。
附录A：缩略词
JEM：Joint Exploration Model，联合探索模型
VVC：Versatile Video Coding，通用视频编码
BMS：Benchmark Set，基准集合
MV：Motion Vector，运动矢量
HEVC：High Efficiency Video Coding，高效视频编码
SEI：Supplementary Enhancement Information，辅助增强信息
VUI：Video Usability Information，视频可用性信息
GOP：Groups of Pictures，图像组
TU：Transform Unit，变换单元
PU：Prediction Unit，预测单元
CTU：Coding Tree Unit，编码树单元
CTB：Coding Tree Block，编码树块
PB：Prediction Block，预测块
HRD：Hypothetical Reference Decoder，假设参考解码器
SNR：Signal Noise Ratio，信噪比
CPU：Central Processing Unit，中央处理单元
GPU：Graphics Processing Unit，图形处理单元
CRT：Cathode Ray Tube，阴极射线管
LCD：Liquid-Crystal Display，液晶显示
OLED：Organic Light-Emitting Diode，有机发光二极管
CD：Compact Disc，光盘
DVD：Digital Video Disc，数字视频光盘
ROM：Read-Only Memory，只读存储器
RAM：Random Access Memory，随机存取存储器
ASIC：Application-Specific Integrated Circuit，专用集成电路
PLD：Programmable Logic Device，可编程逻辑设备
LAN：Local Area Network，局域网
GSM：Global System for Mobile communications，全球移动通信系统
LTE：Long-Term Evolution，长期演进
CANBus：Controller Area Network Bus，控制器局域网络总线
USB：Universal Serial Bus，通用串行总线
PCI：Peripheral Component Interconnect，外围设备互连
FPGA：Field Programmable Gate Array现场可编程门阵列
SSD：Solid-state drive，固态驱动器
IC：Integrated Circuit，集成电路
CU：Coding Unit，编码单元
尽管本申请描述了若干示范性实施例，但在本申请的范围内，可以有各种改动、排列组合方式以及各种替代等同物。因此，应该理解，在申请的精神和范围内，本领域技术人员可以设计出各种虽未在本文明确示出或描述、但可以体现本申请的原理的系统和方法。

Claims (20)

1.一种视频解码方法，其特征在于，所述方法包括：
接收已编码视频码流，该已编码视频码流包括划分为多个子块的当前块；
对所述当前块执行基于子块的仿射运动补偿处理，为所述当前块的每个子块中的每个像素生成子块预测值；
确定每个子块预测值的一个或多个空间梯度；
使用所确定的每个子块预测值的一个或多个空间梯度和所述已编码视频码流中所包括的至少一个约束条件，利用光流过程，对每个子块预测值执行预测值细化处理；以及
将各预测值细化处理的输出加到所述各个子块预测值上，以生成当前块的每个子块中的每个像素的最终预测值。
2.根据权利要求1所述的方法，其特征在于，所述至少一个约束条件对(i)所述一个或多个空间梯度的比特深度，和/或(ii)所述光流过程生成的运动矢量MV差的比特深度，进行限制。
3.根据权利要求2所述的方法，其特征在于，所述至少一个约束条件将所述一个或多个空间梯度限制在小于或等于K的比特数，并且所述至少一个约束条件将所述MV差限制在小于或等于N的比特数。
4.根据权利要求3所述的方法，其特征在于，K和N的总和小于或等于16。
5.根据权利要求3所述的方法，其特征在于，K取11和Dep+1之中最小的一个值，Dep表示输入视频信号的比特深度。
6.根据权利要求5所述的方法，其特征在于，在确定Dep大于或等于10时，在对每个子块预测值执行预测值细化处理之前，通过位运算，将所述一个或多个空间梯度向右偏移(Dep-10)，以使得用于执行预测值细化处理的一个或多个梯度值保持在11比特之内。
7.根据权利要求2至6任一项所述的方法，其中，所述至少一个约束条件规定所述MV差的精度比运动补偿插值处理中使用的MV精度的精度高1比特。
8.根据权利要求2至6任一项所述的方法，其特征在于，所述至少一个约束条件规定所述一个或多个空间梯度的精度保持与分数采样位置处的内插像素的精度相同。
9.根据权利要求1至8任一项所述的方法，其特征在于，根据光流预测值细化PROF过程，对所述当前块执行所述确定一个或多个空间梯度和所述预测值细化处理的步骤；根据双向光流BDOF过程，对与所述当前块在同一个当前图像中的另一块进行解码；所述至少一个约束条件规定，所述PROF过程和所述BDOF过程共享相同的过程来确定所述当前块和所述另一块的一个或多个空间梯度值。
10.根据权利要求9所述的方法，其特征在于，用于所述当前块的所述PROF过程和用于所述另一块的所述BDOF过程，使用相同的高度和权重来确定所述当前块和所述另一块的所述一个或多个空间梯度值。
11.根据权利要求9所述的方法，其特征在于，用于所述当前块的所述PROF过程和用于所述另一个块的所述BDOF过程，使用相同的滤波器内核来确定所述当前块和所述另一块的所述一个或多个空间梯度值。
12.根据权利要求1至11任一项所述的方法，其特征在于，每个子块具有宽度W和高度H，并且，其中，每个子块的子块中心位置为((W-1)/2，(H-1)/2)，用以推导每个子块的每个MV。
13.根据权利要求12所述的方法，其特征在于，计算由所述光流过程生成的、每个像素样本的MV与位置((W-1)/2，(H-1)/2)处的MV之间的MV差。
14.根据权利要求12所述的方法，其特征在于，当确定使用所述位置((W-1)/2(H-1)/2)推导出的MV是分数MV时，将所述分数MV取整为最接近的整数。
15.根据权利要求14所述的方法，其特征在于，将所述分数MV朝向正无穷方向取整为最接近的整数。
16.根据权利要求1所述的方法，其特征在于，每个子块具有宽度W和高度H，并且，其中，用于所述预测值细化处理的块大小为M×N，其中，M是W的倍数，且M>W，并且，其中，N是H的倍数，且N大于H。
17.根据权利要求16所述的方法，其特征在于，在每个M×N块的边界处应用填充过程。
18.根据权利要求17所述的方法，其特征在于，M和N被包括在所述已编码视频码流中。
19.一种视频解码器，其特征在于，其包括：
码流接收模块，用于接收已编码视频码流，该已编码视频码流包括划分为多个子块的当前块；
子块预测值生成模块，用于对所述当前块执行基于子块的仿射运动补偿处理，为所述当前块的每个子块中的每个像素生成子块预测值；
梯度确定模块，用于确定每个子块预测值的一个或多个空间梯度；
细化处理模块，用于使用所确定的每个子块预测值的一个或多个空间梯度和所述已编码视频码流中所包括的至少一个约束条件，利用光流过程，对每个子块预测值执行预测值细化处理；以及
预测值生成模块，用于将各预测值细化处理的输出加到所述各个子块预测值上，以生成当前块的每个子块中的每个像素的最终预测值。
20.一种非易失性计算机可读存储介质，存储有指令，其特征在于，当所述指令由视频解码器的处理器执行时，使所述处理器执行权利要求1至18任一项权利要求的视频解码方法。
CN202010354589.0A 2019-05-02 2020-04-29 用于仿射光流预测值细化的视频解码方法和装置 Pending CN111885387A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201962842321P 2019-05-02 2019-05-02
US62/842,321 2019-05-02
US16/854,578 US11523109B2 (en) 2019-05-02 2020-04-21 Method and apparatus for improvements of affine prof
US16/854,578 2020-04-21

Publications (1)

Publication Number Publication Date
CN111885387A true CN111885387A (zh) 2020-11-03

Family

ID=73015999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010354589.0A Pending CN111885387A (zh) 2019-05-02 2020-04-29 用于仿射光流预测值细化的视频解码方法和装置

Country Status (2)

Country Link
US (2) US11523109B2 (zh)
CN (1) CN111885387A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112601081A (zh) * 2020-12-04 2021-04-02 浙江大华技术股份有限公司 一种自适应分区多次预测方法及装置

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019144908A1 (en) * 2018-01-26 2019-08-01 Mediatek Inc. Method and apparatus of affine inter prediction for video coding system
EP3804324A4 (en) * 2018-06-11 2022-08-03 HFI Innovation Inc. BIDIRECTIONAL OPTICAL FLOW METHOD AND APPARATUS FOR VIDEO CODING
US11470348B2 (en) 2018-08-17 2022-10-11 Hfi Innovation Inc. Methods and apparatuses of video processing with bi-direction prediction in video coding systems
US20220264146A1 (en) * 2019-07-01 2022-08-18 Interdigital Vc Holdings France, Sas Bi-prediction refinement in affine with optical flow
MX2022000834A (es) * 2019-08-08 2022-02-10 Fg innovation co ltd Dispositivo y metodo para la codificacion de datos de video.
CN113596458A (zh) * 2019-09-23 2021-11-02 杭州海康威视数字技术股份有限公司 编解码方法方法、装置及设备
JP7482220B2 (ja) 2019-10-18 2024-05-13 北京字節跳動網絡技術有限公司 サブピクチャのパラメータセットシグナリングにおける構文制約
CN115398892A (zh) * 2020-03-23 2022-11-25 抖音视界有限公司 仿射merge和仿射运动矢量预测模式的预测细化
US20210337192A1 (en) * 2020-04-24 2021-10-28 Realtek Semiconductor Corp. Image processing method and associated encoder

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113383551A (zh) * 2019-02-07 2021-09-10 Vid拓展公司 用于利用光流的帧间预测细化的系统、装置和方法
CN113728646A (zh) * 2019-04-25 2021-11-30 北京达佳互联信息技术有限公司 用于利用光流的预测细化的方法和装置
CN113785586A (zh) * 2019-04-12 2021-12-10 联发科技股份有限公司 用于视频编解码系统的简化仿射子块处理的方法及装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005084036A1 (ja) * 2004-03-01 2005-09-09 Sony Corporation 動きベクトル検出装置、および動きベクトル検出方法、並びにコンピュータ・プログラム
US20140126644A1 (en) * 2011-06-30 2014-05-08 Telefonaktiebolaget L M Ericsson (Publ) A Method a Decoder and Encoder for Processing a Motion Vector
JP6388507B2 (ja) * 2014-07-30 2018-09-12 オリンパス株式会社 画像処理装置
KR20230143623A (ko) * 2016-03-28 2023-10-12 로즈데일 다이나믹스 엘엘씨 인터 예측 모드 기반 영상 처리 방법 및 이를 위한 장치
US10805630B2 (en) * 2017-04-28 2020-10-13 Qualcomm Incorporated Gradient based matching for motion search and derivation
CN117478884A (zh) * 2017-07-03 2024-01-30 Vid拓展公司 用于视频编解码的设备、方法
EP3804324A4 (en) * 2018-06-11 2022-08-03 HFI Innovation Inc. BIDIRECTIONAL OPTICAL FLOW METHOD AND APPARATUS FOR VIDEO CODING
BR112021016896A2 (pt) * 2019-03-08 2021-11-03 Huawei Tech Co Ltd Codificador, decodificador e métodos correspondentes para predição inter
US11962796B2 (en) * 2019-04-01 2024-04-16 Qualcomm Incorporated Gradient-based prediction refinement for video coding

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113383551A (zh) * 2019-02-07 2021-09-10 Vid拓展公司 用于利用光流的帧间预测细化的系统、装置和方法
CN113785586A (zh) * 2019-04-12 2021-12-10 联发科技股份有限公司 用于视频编解码系统的简化仿射子块处理的方法及装置
CN113728646A (zh) * 2019-04-25 2021-11-30 北京达佳互联信息技术有限公司 用于利用光流的预测细化的方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
F. GALPIN,: "《CE9-related: combination of PROF for affine and BDOF-BWA》", 《JOINT VIDEO EXPERTS TEAM (JVET) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG 11: JVET-N0757》 *
J. LUO, Y. HE (INTERDIGITAL): "《CE2-related: Prediction refinement with optical flow for affine mode》", 《JOINT VIDEO EXPERTS TEAM (JVET) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG 11: JVET-N0236》 *
XIANG LI, GUICHUN LI, XIAOZHONG XU, SHAN LIU: "《Non-CE4: On prediction refinement with optical flow》", 《JOINT VIDEO EXPERTS TEAM (JVET) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG 11: JVET-O0553_R1》, pages 1 - 2 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112601081A (zh) * 2020-12-04 2021-04-02 浙江大华技术股份有限公司 一种自适应分区多次预测方法及装置
CN112601081B (zh) * 2020-12-04 2022-06-24 浙江大华技术股份有限公司 一种自适应分区多次预测方法及装置

Also Published As

Publication number Publication date
US11523109B2 (en) 2022-12-06
US20230044502A1 (en) 2023-02-09
US20200351495A1 (en) 2020-11-05

Similar Documents

Publication Publication Date Title
CN113287307B (zh) 视频解码的方法和装置、计算机设备及介质
CN112789850B (zh) 一种视频编解码方法、装置、设备和介质
CN113574885B (zh) 视频解码方法、装置以及电子设备
CN112399183B (zh) 用于视频编解码的方法、装置和存储介质
CN113545083A (zh) 视频编解码的方法和装置
CN113261298A (zh) 用于视频编码的方法和装置
US20200280728A1 (en) Method and apparatus for merge mode with additional middle candidates in video coding
CN111885387A (zh) 用于仿射光流预测值细化的视频解码方法和装置
CN110719469A (zh) 视频编解码方法、设备和存储介质
CN111903131A (zh) 解码器侧运动矢量推导和细化的改进
CN110944202A (zh) 视频编解码方法、装置、计算机设备和存储介质
CN110730351B (zh) 视频解码的方法和装置、存储介质
CN110730353B (zh) 视频解码方法和装置、计算机设备、存储介质
CN110971902B (zh) 视频解码的方法和装置、计算机设备
CN112291571A (zh) 视频解码方法及装置以及计算机设备和存储介质
CN113557728A (zh) 视频编解码方法和装置
CN112106371A (zh) 用于视频编码的方法和装置
US11483551B2 (en) Method and apparatus for video coding
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
CN112655205A (zh) 仿射模型运动矢量的约束
CN110944185A (zh) 视频解码的方法和装置、计算机设备及存储介质
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

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination