CN112204969A - 用于视频编解码的编解码自适应多重变换信息 - Google Patents

用于视频编解码的编解码自适应多重变换信息 Download PDF

Info

Publication number
CN112204969A
CN112204969A CN201980036185.2A CN201980036185A CN112204969A CN 112204969 A CN112204969 A CN 112204969A CN 201980036185 A CN201980036185 A CN 201980036185A CN 112204969 A CN112204969 A CN 112204969A
Authority
CN
China
Prior art keywords
transforms
current block
block
transform
scheme
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.)
Granted
Application number
CN201980036185.2A
Other languages
English (en)
Other versions
CN112204969B (zh
Inventor
H.E.埃吉尔梅兹
Y-H.赵
A.赛德
V.塞雷金
M.卡尔切维茨
W-J.钱
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.)
Qualcomm Inc
Original Assignee
Qualcomm Inc
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 Qualcomm Inc filed Critical Qualcomm Inc
Publication of CN112204969A publication Critical patent/CN112204969A/zh
Application granted granted Critical
Publication of CN112204969B publication Critical patent/CN112204969B/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
    • H04N19/70—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
    • H04N19/10—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
    • H04N19/102—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
    • H04N19/122—Selection of transform size, e.g. 8x8 or 2x4x8 DCT; Selection of sub-band transforms of varying structure or type
    • 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
    • H04N19/169—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
    • H04N19/186—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 a colour or a chrominance component
    • 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
    • H04N19/1887—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 a variable length codeword
    • 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
    • H04N19/46—Embedding additional information in the video signal during the compression process
    • 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
    • H04N19/46—Embedding additional information in the video signal during the compression process
    • H04N19/463—Embedding additional information in the video signal during the compression process by compressing encoding parameters before transmission
    • 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
    • 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
    • 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
    • H04N19/96—Tree coding, e.g. quad-tree coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Discrete Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

一种用于解码视频数据的示例设备包括：存储器，被配置为存储视频数据的；以及以电路实现的处理器，被配置为：解码表示用于视频数据的当前块的多重变换(MT)方案的截短的一元码字，以确定MT方案；将MT方案应用于当前块的变换系数，以产生用于视频数据的当前块的残差数据；以及使用残差数据解码当前块。MT变换方案可以包括多个变换，诸如水平变换和垂直变换、初级变换和次级变换、或者可分离和/或不可分离变换的任意组合。因此，单个截短的一元码字可以表示整个MT方案，即MT方案的多个变换中的每一个。

Description

用于视频编解码的编解码自适应多重变换信息
相关申请的交叉引用
本申请要求2018年6月1日提交的美国临时申请第62/679,570号和2019年5月30日提交的美国申请第16/426,749号的权益，其全部内容通过引用结合于此。
技术领域
本公开涉及视频编解码(video coding)，包括视频编码(video encoding)和视频解码(video decoding)。
背景技术
数字视频能力可以被结合到广泛的设备中，包括数字电视、数字直接广播系统、无线广播系统、个人数字助理(personal digital assistant，PDA)、膝上型或台式计算机、平板计算机、电子书阅读器、数码相机、数字记录设备、数字媒体播放器、视频游戏设备、视频游戏控制台、蜂窝或卫星无线电话、所谓的“智能电话”、视频电话会议设备、视频流设备等。数字视频设备实现视频编解码技术，诸如由MPEG-2、MPEG-4、ITU-T H.263、ITU-T H.264/MPEG-4第10部分、高级视频编解码(Advanced Video Coding，AVC)标准、高效视频编解码(High Efficiency Video Coding，HEVC)标准、ITU-T H.265/高效视频编解码(HEVC)以及这些标准的扩展定义的标准中描述的那些技术。通过实现这种视频编解码技术，视频设备可以更有效地发送、接收、编码、解码和/或存储数字视频信息。
视频编解码技术包括空间(图片内)预测和/或时间(图片间)预测，以减少或消除视频序列中固有的冗余。对于基于块的视频编解码，视频切片(slice)(例如，视频图片或视频图片的一部分)可以被划分成视频块，这些视频块也可以被称为编解码树单元(codingtree unit，CTU)、编解码单元(coding unit，CU)和/或编解码节点。使用相对于同一图片中相邻块中的参考样点(sample)的空间预测来编码图片的帧内编码的(I)切片中的视频块。图片的帧间编码的(P或B)切片中的视频块可使用相对于同一图片中相邻块中参考样点的空间预测，或相对于其他参考图片中的参考样点的时间预测。图片可以称为帧，并且参考图片可以称为参考帧。
发明内容
总的来说，本公开描述了与视频编解码中的变换编解码相关的技术。变换编解码是现代视频压缩标准的重要元素。本公开描述了与先前的自适应多重变换(adaptivemultiple transform，AMT)设计相比使用较少信令开销的多重变换(multiple transform，MT)设计，例如AMT。由于本公开中描述的MT设计具有较少的信令开销，所以这些技术可以提高编解码增益，并且可以在高级视频编解码器(诸如HEVC的扩展或下一代视频编解码标准)的上下文中使用。
在一个示例中，用于解码视频数据的方法，包括：解码表示用于视频数据的当前块的多重变换(MT)方案的截短的一元码字，以确定MT方案；将该MT方案应用于当前块的变换系数，以产生用于视频数据的当前块的残差数据；以及使用残差数据解码当前块。
在另一个示例中，用于解码视频数据的设备，包括：存储器，被配置为存储视频数据；以及以电路实现的处理器，并且被配置为：解码表示用于视频数据的当前块的多重变换(MT)方案的截短的一元码字，以确定MT方案；将该MT方案应用于当前块的变换系数，以产生用于视频数据的当前块的残差数据；以及使用残差数据解码当前块。
在另一个示例中，计算机可读存储介质，其上存储有指令，该指令在被执行时使得处理器：解码表示用于视频数据的当前块的多重变换方案(MT)的截短的一元码字，以确定MT方案；将该MT方案应用于当前块的变换系数，以产生用于视频数据的当前块的残差数据；以及使用残差数据解码当前块。
在另一个示例中，用于解码视频数据的设备，包括：用于解码表示用于视频数据的当前块的多重变换(MT)方案的截短的一元码字以确定MT方案的部件；用于将该MT方案应用于当前块的变换系数以产生用于视频数据的当前块的残差数据的部件；以及用于使用残差数据解码当前块的部件。
在另一个示例中，用于编码视频数据的方法，包括：对用于视频数据的当前块的残差数据应用多重变换(MT)方案，以生成变换系数的块；编码表示用于当前块的MT方案的截短的一元码字；以及并使用变换系数的块编码当前块。
在另一个示例中，用于编码视频数据的设备，包括：存储器，用于存储视频数据；以及处理器，其以电路实现，并且被配置为：对用于视频数据的当前块的残差数据应用多重变换(MT)方案，以生成变换系数的块；编码表示用于当前块的MT方案的截短的一元码字；以及使用变换系数的块编码当前块。
在另一个示例中，计算机可读存储介质，其上存储有指令，指令在执行时使处理器：对用于视频数据的当前块的残差数据应用多重变换(MT)方案，以生成变换系数的块；编码表示用于当前块的MT方案的截短的一元码字；以及使用变换系数的块编码当前块。
在另一个示例中，用于编码视频数据的设备，包括：用于将多重变换(MT)方案应用于用于视频数据的当前块的残差数据以生成变换系数的块的部件；用于编码表示用于当前块的MT方案的截短的一元码字的部件；以及用于使用变换系数的块编码当前块的部件。
一个或多个示例的细节在附图和以下描述中阐述。从说明书和附图以及权利要求书中，其他特征、目的和优点将变得显而易见。
附图说明
图1是示出可以执行本公开的技术的示例视频编码和解码系统的框图。
图2A和2B是示出示例四叉树二叉树(quadtree binary tree，QTBT)结构和相应的编解码树单元(CTU)的概念图。
图3A和图3B是示出基于高效视频编解码(HEVC)的残差四叉树的示例变换方案的概念图。
图4是示出具有自适应变换选择的混合视频编码的示例系统的框图。
图5A和图5B是示出作为分离变换实现方式的水平和垂直变换的概念图。
图6是示出信令通知变换的示例技术的概念图。
图7是示出可以执行本公开的技术的示例视频编码器的框图。
图8是示出可以执行本公开的技术的示例视频解码器的框图。
图9A-图9E是示出根据本公开的技术的各种多重变换(MT)方案的示例信令通知技术的概念图。
图10是示出使用两个一维变换应用于矩形块的可分离变换的概念图。
图11是示出根据本公开的技术编码当前块的示例方法的流程图。
图12是示出根据本公开的技术解码视频数据的当前块的示例方法的流程图。
具体实施方式
本公开描述了与变换编解码相关的技术，变换编解码是现代视频压缩标准的重要元素，例如，如M.Wien,High Efficiency Video Coding：Coding Tools andSpecification,Springer-Verlag,Berlin,2015中所讨论的。本公开描述多重变换(MT)，例如自适应多重变换(AMT)技术，与先前的AMT设计相比，其使用更少的信令开销，诸如在2016年1月25日提交的美国专利申请第15/005,736号(作为美国专利公开第2016/0219290号公开)和2017年7月13日提交的美国专利申请第15/649,612号(作为美国专利公开第2016/0219290号公开)中描述的那些。由于本公开中描述的AMT设计具有较少的信令开销，因此这些技术可以提高编解码增益，并且可以在高级视频编解码器的环境中使用，诸如HEVC或下一代视频编解码标准的扩展。
通常，视频数据被表示为一系列连续的图片。视频编码器将图片划分成块，并对块中的每一个进行编解码。编解码一般包括预测和残差编解码。在预测期间，视频编码器可使用帧内预测(其中预测块由同一图片的相邻的先前编解码的块形成)或帧间预测(其中预测块由先前编解码的图片的先前编解码的块形成)来形成预测块。残差块表示预测块和原始未编解码的块之间的逐个像素差。视频编码器可以对残差块应用变换以产生包括变换系数的变换块，而视频解码器可以对变换块应用逆变换以再现残差块的版本。
变换通常对应于导出输入信号的替代表示的过程，例如原始块的残差。给定N点向量x＝[x0,x1,…,xN-1]T和给定向量的集合{Φ0,Φ1,…,ΦM-1}，x可以用Φ0,Φ1,…,ΦM-1的线性组合来近似或精确地表示，其公式如下：
Figure BDA0002804280800000041
其中，
Figure BDA0002804280800000042
可以是x的近似值或等价物，向量f＝[fi,f2,...,fM-1]称为变换系数向量，并且{Φ0,Φ1,…,ΦM-1}是变换基向量。
在视频编解码的场景中，变换系数大致不相关且稀疏。也就是说，输入向量x的能量仅在少数变换系数上被压缩，并且剩余的大多数变换系数通常接近于0。
给定特定的输入数据，能量压缩方面的最佳变换是所谓的卡洛南-洛伊变换(Karhunen-Loeve transform，KLT)，其使用输入数据的协方差矩阵的特征向量(eigenvector)作为变换基向量。因此，KLT实际上是数据相关的变换，并且没有通用的数学公式。然而，在某些假设下，例如，输入数据形成一阶平稳马尔可夫过程，在文献中已经证明，相应的KLT实际上是酉变换(unitary transform)的正弦族的成员，这在Jain,A.K.,Asinusoidal family of unitary transforms,IEEE Trans.on Pattern Analysis andMachine Intelligence,1,356,1979中被介绍。酉变换的正弦族指示使用如下公式表示的变换基向量的变换：
Φm(k)＝A·eikθ+B·e-ikθ
其中e是自然对数的底，约等于2.71828，A、B和θ一般都是复数，并且取决于m的值。
几个众所周知的变换，包括离散傅立叶变换、余弦变换、正弦变换和KLT变换(对于一阶平稳马尔可夫过程)，都是酉变换正弦族的成员。根据S.A.Martucci,“Symmetricconvolution and the discrete sine and cosine transforms,”IEEETrans.Sig.Processing SP-42,1038-1051(1994)，完整的一组离散余弦变换(discretecosine transform，DCT)和离散正弦变换(discrete sine transform，DST)族包括总共16种基于不同类型的变换，即不同的A、B和θ值，并且下面给出了不同类型的DCT和DST的完整定义。
假设输入N点向量表示为x＝[x0,x1,…,xN-1]T，并且通过乘以矩阵，它被变换成表示为y＝[y0,y1,…,yN-1]T的另一个N点变换系数向量，其过程可以根据以下变换公式中的一个进一步说明，其中k的范围从0到N-1，包括：
DCT Type-I(DCT-1)：
Figure BDA0002804280800000051
其中
Figure BDA0002804280800000052
Figure BDA0002804280800000061
DCT Type-II(DCT-2)：
Figure BDA0002804280800000062
其中
Figure BDA0002804280800000063
DCT Type-III(DCT-3)：
Figure BDA0002804280800000064
其中
Figure BDA0002804280800000065
DCT Type-IV(DCT-4)：
Figure BDA0002804280800000066
DCT Type-V(DCT-5)：
Figure BDA0002804280800000067
其中
Figure BDA0002804280800000068
DCT Type-VI(DCT-6)：
Figure BDA0002804280800000069
其中
Figure BDA00028042808000000610
DCT Type-VII(DCT-7)：
Figure BDA0002804280800000071
其中
Figure BDA0002804280800000072
DCT Type-VIII(DCT-8)：
Figure BDA0002804280800000073
DST Type-I(DST-1)：
Figure BDA0002804280800000074
DST Type-II(DST-2)：
Figure BDA0002804280800000075
其中
Figure BDA0002804280800000076
DST Type-III(DST-3)：
Figure BDA0002804280800000077
其中
Figure BDA0002804280800000078
DST Type-IV(DST-4)：
Figure BDA0002804280800000079
DST Type-V(DST-5)：
Figure BDA00028042808000000710
DST Type-VI(DST-6)：
Figure BDA0002804280800000081
DST Type-VII(DST-7)：
Figure BDA0002804280800000082
DST Type-VIII(DST-8)：
Figure BDA0002804280800000083
其中
Figure BDA0002804280800000084
变换类型由变换基函数的数学公式指定。例如，4点DST-VII和8点DST-VII具有相同的变换类型，而不考虑N的值。
不失一般性，所有上述变换类型都可以用下面的通用公式来表示：
Figure BDA0002804280800000085
其中T是由某一特定变换的定义所指定的变换矩阵，例如，DCT Type-I～DCTType-VIII,或DST Type-I～DST Type-VIII，和T的行向量，例如[Ti,0,Ti,1,Ti,2,…,Ti,N-1]是第i个变换基向量。应用于N点输入向量的变换称为N点变换。
还应注意，应用于一维(1-D)输入数据x的上述变换公式可以以矩阵乘法形式表示如下
y＝T·x
其中，T指示变换矩阵，x指示输入数据向量，并且y指示输出变换系数向量。
上面介绍的变换应用于1-D输入数据，并且变换也可以扩展到二维(2-D)输入数据源。假设X是输入MxN数据数组。对2-D输入数据应用变换的典型方法包括可分离和不可分离的2-D变换。
一个可分离的2-D变换对X的水平和垂直向量依次应用1-D变换，公式如下：
Y＝C·X·RT
其中C和R分别表示给定的MxM和NxN变换矩阵。从公式可以看出，C对X的列向量应用1-D变换，而R对X的行向量应用1-D变换。在本公开的后面部分，为了简单起见，将C和R表示为左(垂直)和右(水平)变换，并且它们都形成变换对。存在C等于R且为正交矩阵的情况。在这种情况下，可分离的2-D变换仅由一个变换矩阵确定。
一个不可分离的2-D变换首先将X的所有元素重组为单个向量，即X’，以下面的数学映射为例：
X′(i·N+j)＝Xi，j
然后对X’应用1-D变换T’，如下所示：
Y＝T′·X
其中T’是(M*N)x(M*N)变换矩阵。
在视频编解码中，通常应用可分离的2-D变换，因为与1-D变换相比，它们需要更少的运算(加法和乘法)次数。
在一些示例视频编解码器中，诸如H.264/AVC，4点和8点离散余弦变换(DCT)Type-II的整数近似总是应用于帧内和帧间预测残差。为了更好地适应残差样点的各种统计，在新一代视频编解码器中使用了除DCT Type-II之外的更灵活的变换类型。例如，在HEVC，4点Type-VII离散正弦变换(DST)的整数近似被用于帧内预测残差，这在理论上被证明并且在实验上被证实(在J.Han,A.Saxena and K.Rose,“Towards jointly optimal spatialprediction and adaptive transform in video/image coding,”IEEE InternationalConference on Acoustics,Speech and Signal Processing(ICASSP),March 2010,pp.726-729中)，对于沿着帧内预测方向生成的残差向量，DST Type-VII比DCT Type-II更有效。例如，对于由水平帧内预测方向生成的行残差向量，DST Type-VII比DCT Type-II更有效。在HEVC中，仅对4x4亮度帧内预测残差块应用4点DST Type-VII的整数近似。HEVC中使用的4点DST-VII如下所示：
4x4 DST-VII：
{29，55，74，84}
{74，74，0，-74}
{84，-29，-74，55}
{55，-84，74，-29}
在HEVC，对于不是4x4亮度帧内预测残差块的残差块，也应用4点、8点、16点和32点DCT Type-II的整数近似，如下所示：
4点DCT-II：
{64，64，64，64}
{83，36，-36，-83}
{64，-64，-64，64}
{36，-83，83，-36}
8点DCT-II：
{64，64，64，64，64，64，64，64，64}
{89，75，50，18，-18，-50，-75，-89}
{83，36，-36，-83，-83，-36，36，83}
{75，-18，-89，-50，50，89，18，-75}
{64，-64，-64，64，64，-64，-64，64}
{50，-89，18，75，-75，-18，89，-50}
{36，-83，83，-36，-36，83，-83，36}
{18，-50，75，-89，89，-75，50，-18}
16点DCT-II：
{64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64}
{90，87，80，70，57，43，25，9，-9，-25，-43，-57，-70，-80，-87，-90}
{89，75，50，18，-18，-50，-75，-89，-89，-75，-50，-18，18，50，75，89}
{87，57，9，-43，-80，-90，-70，-25，25，70，90，80，43，-9，-57，-87}
{83，36，-36，-83，-83，-36，36，83，83，36，-36，-83，-83，-36，36，83}
{80，9，-70，-87，-25，57，90，43，-43，-90，-57，25，87，70，-9，-80}
{75，-18，-89，-50，50，89，18，-75，-75，18，89，50，-50，-89，-18，75}
{70，-43，-87，9，90，25，-80，-57，57，80，-25，-90，-9，87，43，-70}
{64，-64，-64，64，64，-64，-64，64，64，-64，-64，64，64，-64，-64，64}
{57，-80，-25，90，-9，-87，43，70，-70，-43，87，9，-90，25，80，-57}
{50，-89，18，75，-75，-18，89，-50，-50，89，-18，-75，75，18，-89，50}
{43，-90，57，25，-87，70，9，-80，80，-9，-70，87，-25，-57，90，-43}
{36，-83，83，-36，-36，83，-83，36，36，-83，83，-36，-36，83，-83，36}
{25，-70，90，-80，43，9，-57，87，-87，57，-9，-43，80，-90，70，-25}
{18，-50，75，-89，89，-75，50，-18，-18，50，-75，89，-89，75，-50，18}
{9，-25，43，-57，70，-80，87，-90，90，-87，80，-70，57，-43，25，-9}
32点DCT-II：
{64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64，64}
{90，90，88，85，82，78，73，67，61，54，46，38，31，22，13，4，-4，-13，-22，-31，-38，-46，-54，-61，-67，-73，-78，-82，-85，-88，-90，-90}
{90，87，80，70，57，43，25，9，-9，-25，-43，-57，-70，-80，-87，-90，-90，-87，-80，-70，-57，-43，-25，-9，9，25，43，57，70，80，87，90}
{90，82，67，46，22，-4，-31，-54，-73，-85，-90，-88，-78，-61，-38，-13，13，38，61，78，88，90，85，73，54，31，4，-22，-46，-67，-82，-90}
{89，75，50，18，-18，-50，-75，-89，-89，-75，-50，-18，18，50，75，89，89，75，50，18，-18，-50，-75，-89，-89，-75，-50，-18，18，50，75，89}
{88，67，31，-13，-54，-82，-90，-78，-46，-4，38，73，90，85，61，22，-22，-61，-85，-90，-73，-38，4，46，78，90，82，54，13，-31，-67，-88}
{87，57，9，-43，-80，-90，-70，-25，25，70，90，80，43，-9，-57，-87，-87，-57，-9，43，80，90，70，25，-25，-70，-90，-80，-43，9，57，87}
{85，46，-13，-67，-90，-73，-22，38，82，88，54，-4，-61，-90，-78，-31，31，78，90，61，4，-54，-88，-82，-38，22，73，90，67，13，-46，-85}
{83，36，-36，-83，-83，-36，36，83，83，36，-36，-83，-83，-36，36，83，83，36，-36，-83，-83，-36，36，83，83，36，-36，-83，-83，-36，36，83}
{82，22，-54，-90，-61，13，78，85，31，-46，-90，-67，4，73，88，38，-38，-88，-73，-4，67，90，46，-31，-85，-78，-13，61，90，54，-22，-82}
{80，9，-70，-87，-25，57，90，43，-43，-90，-57，25，87，70，-9，-80，-80，-9，70，87，25，-57，-90，-43，43，90，57，-25，-87，-70，9，80}
{78，-4，-82，-73，13，85，67，-22，-88，-61，31，90，54，-38，-90，-46，46，90，38，-54，-90，-31，61，88，22，-67，-85，-13，73，82，4，-78}
{75，-18，-89，-50，50，89，18，-75，-75，18，89，50，-50，-89，-18，75，75，-18，-89，-50，50，89，18，-75，-75，18，89，50，-50，-89，-18，75}
{73，-31，-90，-22，78，67，-38，-90，-13，82，61，-46，-88，-4，85，54，-54，-85，4，88，46，-61，-82，13，90，38，-67，-78，22，90，31，-73}
{70，-43，-87，9，90，25，-80，-57，57，80，-25，-90，-9，87，43，-70，-70，43，87，-9，-90，-25，80，57，-57，-80，25，90，9，-87，-43，70}
{67，-54，-78，38，85，-22，-90，4，90，13，-88，-31，82，46，-73，-61，61，73，-46，-82，31，88，-13，-90，-4，90，22，-85，-38，78，54，-67}
{64，-64，-64，64，64，-64，-64，64，64，-64，-64，64，64，-64，-64，64，64，-64，-64，64，64，-64，-64，64，64，-64，-64，64，64，-64，-64，64}
{61，-73，-46，82，31，-88，-13，90，-4，-90，22，85，-38，-78，54，67，-67，-54，78，38，-85，-22，90，4，-90，13，88，-31，-82，46，73，-61}
{57，-80，-25，90，-9，-87，43，70，-70，-43，87，9，-90，25，80，-57，-57，80，25，-90，9，87，-43，-70，70，43，-87，-9，90，-25，-80，57}
{54，-85，-4，88，-46，-61，82，13，-90，38，67，-78，-22，90，-31，-73，73，31，-90，22，78，-67，-38，90，-13，-82，61，46，-88，4，85，-54}
{50，-89，18，75，-75，-18，89，-50，-50，89，-18，-75，75，18，-89，50，50，-89，18，75，-75，-18，89，-50，-50，89，-18，-75，75，18，-89，50}
{46，-90，38，54，-90，31，61，-88，22，67，-85，13，73，-82，4，78，-78，-4，82，-73，-13，85，-67，-22，88，-61，-31，90，-54，-38，90，-46}
{43，-90，57，25，-87，70，9，-80，80，-9，-70，87，-25，-57，90，-43，-43，90，-57，-25，87，-70，-9，80，-80，9，70，-87，25，57，-90，43}
{38，-88，73，-4，-67，90，-46，-31，85，-78，13，61，-90，54，22，-82，82，-22，-54，90，-61，-13，78，-85，31，46，-90，67，4，-73，88，-38}
{36，-83，83，-36，-36，83，-83，36，36，-83，83，-36，-36，83，-83，36，36，-83，83，-36，-36，83，-83，36，36，-83，83，-36，-36，83，-83，36}
{31，-78，90，-61，4，54，-88，82，-38，-22，73，-90，67，-13，-46，85，-85，46，13，-67，90，-73，22，38，-82，88，-54，-4，61，-90，78，-31}
{25，-70，90，-80，43，9，-57，87，-87，57，-9，-43，80，-90，70，-25，-25，70，-90，80，-43，-9，57，-87，87，-57，9，43，-80，90，-70，25}
{22，-61，85，-90，73，-38，-4，46，-78，90，-82，54，-13，-31，67，-88，88，-67，31，13，-54，82，-90，78，-46，4，38，-73，90，-85，61，-22}
{18，-50，75，-89，89，-75，50，-18，-18，50，-75，89，-89，75，-50，18，18，-50，75，-89，89，-75，50，-18，-18，50，-75，89，-89，75，-50，18}
{13，-38，61，-78，88，-90，85，-73，54，-31，4，22，-46，67，-82，90，-90，82，-67，46，-22，-4，31，-54，73，-85，90，-88，78，-61，38，-13}
{9，-25，43，-57，70，-80，87，-90，90，-87，80，-70，57，-43，25，-9，-9，25，-43，57，-70，80，-87，90，-90，87，-80，70，-57，43，-25，9}
{4，-13，22，-31，38，-46，54，-61，67，-73，78，-82，85，-88，90，-90，90，-90，88，-85，82，-78，73，-67，61，-54，46，-38，31，-22，13，-4}
图1是示出可以执行本公开的技术的示例视频编码和解码系统100的框图。本公开的技术通常涉及对视频数据进行编解码(编码和/或解码)。通常，视频数据包括用于处理视频的任何数据。因此，视频数据可以包括原始未编解码的视频、编码的视频、解码的(例如，重构的)视频以及视频元数据，诸如信令数据。
如图1所示，在该示例中，系统100包括源设备102，其提供要由目的设备116解码和显示的编码的视频数据。特别地，源设备102经由计算机可读介质110向目的设备116提供视频数据，计算机可读介质110可以是有线的或无线的。源设备102和目的设备116可以包括多种设备中的任何一种，包括台式计算机、笔记本(即，膝上型)计算机、平板计算机、机顶盒、诸如智能手机的电话手机、电视、相机、显示设备、数字媒体播放器、视频游戏控制台、视频流设备等。在一些情况下，源设备102和目的设备116可以被配备用于无线通信，因此可以被称为无线通信设备。同样，附加地或替代地，源设备102和目的设备116可以被装备用于有线通信。
在图1的示例中，源设备102包括视频源104、存储器106、视频编码器200和输出接口108。目的设备116包括输入接口122、视频解码器300、存储器120和显示设备118。根据本公开，源设备102的视频编码器200和目的设备116的视频解码器300可以被配置为应用用于编解码AMT数据的技术。因此，源设备102表示视频编码设备的示例，而目的设备116表示视频解码设备的示例。在其他示例中，源设备和目的设备可以包括其他组件或布置。例如，源设备102可以从外部视频源(诸如外部相机)接收视频数据。同样，目的设备116可以与外部显示设备接口，而不包括集成显示设备。
如图1所示的系统100仅仅是一个示例。通常，任何数字视频编码和/或解码设备都可以执行用于编解码AMT数据的技术。源设备102和目的设备116仅仅是这样的编解码设备的示例，其中源设备102生成编解码的视频数据以传输到目的设备116。本公开将“编解码”设备称为执行数据编解码(编码和/或解码)的设备。因此，视频编码器200和视频解码器300分别表示编解码设备的示例，特别是视频编码器和视频解码器。在一些示例中，设备102、116可以以基本对称的方式操作，使得设备102、116中的每一个都包括视频编码和解码组件。因此，系统100可以支持视频设备102、116之间的单向或双向视频传输，例如用于视频流、视频回放、视频广播或视频电话。
通常，视频源104表示视频数据源(即，原始未编解码的视频数据)并将视频数据的一系列连续图片(也称为“帧”)提供给视频编码器200，视频编码器200对图片数据进行编码。源设备102的视频源104可以包括视频捕获设备，诸如相机、包含先前捕获的原始视频的视频档案和/或从视频内容提供商接收视频的视频馈送接口。作为进一步的替代，视频源104可以生成基于计算机图形的数据作为源视频，或者实况视频、存档视频和计算机生成的视频的组合。在每种情况下，视频编码器200对捕获的、预捕获的或计算机生成的视频数据进行编码。视频编码器200可以将图片从接收顺序(有时称为“显示顺序”)重新布置成编解码顺序用于编解码。视频编码器200可以生成包括编码的视频数据的比特流。源设备102然后可以经由输出接口108将编码的视频数据输出到计算机可读介质110上，用于由例如目的设备116的输入接口122接收和/或检索。
源设备102的存储器106和目的设备116的存储器120表示通用存储器。在一些示例中，存储器106、120可以存储原始视频数据，例如来自视频源104的原始视频和来自视频解码器300的原始解码的视频数据。附加地或替代地，存储器106、120可以分别存储可由例如视频编码器200和视频解码器300执行的软件指令。尽管在该示例中与视频编码器200和视频解码器300分开示出，但是应当理解，视频编码器200和视频解码器300也可以包括用于功能类似或等同目的的内部存储器。此外，存储器106、120可以存储编码的视频数据，例如，从视频编码器200输出并输入到视频解码器300。在一些示例中，存储器106、120的部分可以被分配为一个或多个视频缓冲器，例如，用于存储原始的、解码的和/或编码的视频数据。
计算机可读介质110可以表示能够将编码的视频数据从源设备102传输到目的设备116的任何类型的介质或设备。在一个示例中，计算机可读介质110表示通信介质，以使源设备102能够例如经由射频网络或基于计算机的网络实时地将编码的视频数据直接发送到目的设备116。输出接口108可以根据通信标准，诸如无线通信协议，调制包括编码的视频数据的传输信号，并且输入接口122可以解调接收的传输信号。通信介质可以包括任何无线或有线通信介质，诸如射频(radio frequency，RF)频谱或一条或多条物理传输线。通信介质可以形成基于分组的网络的一部分，诸如局域网、广域网或全球网络，诸如因特网。通信介质可以包括路由器、交换机、基站或有助于从源设备102到目的设备116的通信的任何其他设备。
在一些示例中，源设备102可以从输出接口108向存储设备112输出编码的数据。类似地，目的设备116可以经由输入接口122从存储设备112访问编码的数据。存储设备112可以包括各种分布式或本地访问的数据存储介质中的任何一种，诸如硬盘驱动器、蓝光光盘、DVD、CD-ROM、闪存、易失性或非易失性存储器，或者用于存储编码的视频数据的任何其他合适的数字存储介质。
在一些示例中，源设备102可以向文件服务器114或可以存储由源设备102生成的编码的视频的另一中间存储设备输出编码的视频数据。目的设备116可以经由流式传输或下载从文件服务器114访问存储的视频数据。文件服务器114可以是能够存储编码的视频数据并将该编码的视频数据发送到目的设备116的任何类型的服务器设备。文件服务器114可以表示网络服务器(例如，用于网站)、文件传输协议(File Transfer Protocol，FTP)服务器、内容传递网络设备或网络附加存储(network attached storage，NAS)设备。目的设备116可以通过任何标准数据连接，包括互联网连接，从文件服务器114访问编码的视频数据。这可以包括适合于访问存储在文件服务器114上的编码的视频数据的无线信道(例如，Wi-Fi连接)、有线连接(例如，数字用户线路(digital subscriber line，DSL)、电缆调制解调器等)或两者的组合。文件服务器114和输入接口122可以被配置为根据流传输协议、下载传输协议或其组合来操作。
输出接口108和输入接口122可以表示无线发送器/接收器、调制解调器、有线联网组件(例如，以太网卡)、根据多种IEEE 802.11标准中的任何一种操作的无线通信组件或其他物理组件。在输出接口108和输入接口122包括无线组件的示例中，输出接口108和输入接口122可以被配置为根据蜂窝通信标准，诸如4G、4G-LTE(Long-Term Evolution，长期演进)、LTE Advanced、5G等来传输数据，例如编码的视频数据。在输出接口108包括无线发送器的一些示例中，输出接口108和输入接口122可以被配置为根据其他无线标准，诸如IEEE802.11规范、IEEE 802.15规范(例如，ZigBeeTM)、BluetoothTM标准等来传输数据，诸如编码的视频数据。在一些示例中，源设备102和/或目的设备116可以包括各自的片上系统(system-on-a-chip，SoC)设备。例如，源设备102可以包括执行属于视频编码器200和/或输出接口108的功能的SoC设备，并且目的设备116可以包括执行属于视频解码器300和/或输入接口122的功能的SoC设备。
本公开的技术可以应用于视频编解码，以支持多种多媒体应用中的任何一种，诸如空中电视广播、有线电视传输、卫星电视传输、互联网流式视频传输，诸如基于HTTP的动态自适应流式传输(dynamic adaptive streaming over HTTP，DASH)、编码到数据存储介质上的数字视频、存储在数据存储介质上的数字视频的解码或其他应用。
目的设备116的输入接口122从计算机可读介质110(例如，存储设备112、文件服务器114等)接收编码的视频比特流。编码的视频比特流可以包括由视频编码器200定义的信令信息，其也被视频解码器300使用，诸如具有描述视频块或其他编解码的单元(例如，切片、图片、图片组、序列等)的特征和/或处理的值的语法元素。显示设备118向用户显示解码的视频数据的解码的图片。显示设备118可以表示各种显示设备中的任何一种，诸如阴极射线管(cathode ray tube，CRT)、液晶显示器(liquid crystal display，LCD)、等离子显示器、有机发光二极管(organic light emitting diode，OLED)显示器或另一种类型的显示设备。
虽然在图1中未示出，但是在一些示例中，视频编码器200和视频解码器300可以各自与音频编码器和/或音频解码器集成，并且可以包括适当的MUX-DEMUX单元或其他硬件和/或软件，以处理包括公共数据流中的音频和视频的多路复用流。如果适用，MUX-DEMUX单元可以符合ITU H.223多路复用器协议，或其他协议，诸如用户数据报协议(user datagramprotocol，UDP)。
视频编码器200和视频解码器300每个可实现为各种合适的编码器和/或解码器电路中的任何一种，诸如一个或多个微处理器、数字信号处理器(digital signalprocessor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field programmable gate array，FPGA)、分立逻辑、软件、硬件、固件或其任意组合。当这些技术部分地在软件中实现时，设备可以将软件的指令存储在合适的非暂时性计算机可读介质中，并且使用一个或多个处理器在硬件中执行这些指令以执行本公开的技术。视频编码器200和视频解码器300中的每一个可以被包括在一个或多个编码器或解码器中，其中任一个可以被集成为相应设备中的组合编码器/解码器(CODEC，编解码器)的一部分。包括视频编码器200和/或视频解码器300的设备可以包括集成电路、微处理器和/或无线通信设备，诸如蜂窝电话。
视频编码器200和视频解码器300可以根据视频编解码标准操作，诸如TU-TH.265，也称为高效视频编解码(HEVC)或其扩展，诸如多视图和/或可缩放视频编解解码扩展。可替代地，视频编码器200和视频解码器300可以根据其他专有或行业标准操作，诸如联合勘探测试模型(Joint Exploration Test Model，JEM)或ITU-T H.266，也称为通用视频编解码(Versatile Video Coding，VVC)。VVC标准的最新草案在Bross,et al.“VersatileVideo Coding(Draft5),”Joint Video Experts Team(JVET)of ITU-T SG 16WP 3andISO/IEC JTC1/SC 29/WG 11,14th Meeting：Geneva,CH,19-27March 2019,JVET-N1001-v3(下文称为“VVC Draft 5”)中描述。然而，本公开的技术不限于任何特定的编解码标准。
通常，视频编码器200和视频解码器300可以执行基于块的图片的编解码。术语“块”通常是指包括要处理的数据(例如，编码的、解码的或在编码和/或解码过程中使用的数据)的结构。例如，块可以包括亮度和/或色度数据样点的二维矩阵。通常，视频编码器200和视频解码器300可以编解码(code)以YUV(例如，Y、Cb、Cr)格式表示的视频数据。也就是说，视频编码器200和视频解码器300可以编解码亮度和色度分量，而不是对图片样点的红、绿和蓝(RGB)数据进行编解码，其中色度分量可以包括红色调和蓝色调色度分量。在一些示例中，视频编码器200在编码之前将接收到的RGB格式的数据转换成YUV表示，并且视频解码器300将YUV表示转换成RGB格式。或者，预处理和后处理单元(未示出)可以执行这些转换。
本公开通常可以指图片的编解码(例如，编码和解码)，以包括对图片的数据进行编码或解码的过程。类似地，本公开可以指图片的块的编解码，以包括对块的数据进行编码或解码的过程，例如，预测和/或残差编解码。编码的视频比特流通常包括表示编解码决策(例如，编解码模式)和将图片划分成块的语法元素的一系列值。因此，对编解码图片或块的引用通常应理解为编解码形成图片或块的语法元素的值。
HEVC定义各种块，包括编解码单元(coding unit，CU)、预测单元(predictionunit，PU)和变换单元(transform unit，TU)。根据HEVC的观点，视频编码器(诸如视频编码器200)根据四叉树结构将编解码树单元(coding tree unit，CTU)划分为CU。也就是说，视频编码器将CTU和CU分成四个相等的、不重叠的正方形，并且四叉树的每个节点有零个或四个子节点。没有子节点的节点可以被称为“叶节点”，并且这种叶节点的CU可以包括一个或多个PU和/或一个或多个TU。视频编码器可以进一步划分PU和TU。例如，在HEVC，残差四叉树(residual quadtree，RQT)表示TU的划分。在HEVC，PU表示帧间预测数据，而TU表示残差数据。作为帧内预测的CU包括帧内预测信息，诸如帧内模式指示。
作为另一个示例，视频编码器200和视频解码器300可以被配置为根据JEM操作。根据JEM，视频编码器(诸如视频编码器200)将图片划分成多个编解码树单元(CTU)。视频编码器200可以根据树结构，诸如四叉树-二叉树(QTBT)结构来划分CTU。JEM的QTBT结构消除了多个划分类型的概念，诸如HEVC的CU、PU和TU之间的分离。JEM的QTBT结构包括两个层次：根据四叉树划分来划分的第一层次和根据二叉树划分来划分的第二层次。QTBT结构的根节点对应于CTU。二叉树的叶节点对应于编解码单元(CU)。
在一些示例中，视频编码器200和视频解码器300可以使用单个QTBT结构来表示亮度和色度分量中的每一个，而在其他示例中，视频编码器200和视频解码器300可以使用两个或更多个QTBT结构，诸如一个QTBT结构用于亮度分量，并且另一个QTBT结构用于两个色度分量(或者两个QTBT结构用于相应的色度分量)。
视频编码器200和视频解码器300可以被配置为使用每个HEVC的四叉树划分、根据JEM的QTBT划分或其他划分结构。出于解释的目的，本公开的技术的描述是针对QTBT划分来呈现的。然而，应当理解，本公开的技术也可以应用于被配置为使用四叉树划分或其他类型的划分的视频编码器。
本公开可以互换地使用“NxN”和“N乘N”来指代块(诸如CU或其他视频块)在垂直和水平维度方面的样点维度，例如，16x16样点或16乘16样点。一般来说，16x16 CU在垂直方向上有16个样点(y＝16)，并且在水平方向上有16个样点(x＝16)。同样，NxN CU通常在垂直方向上具有N个样点，并且在水平方向上具有N个样点，其中N表示非负整数值。CU中的样点可以按行和列布置。此外，CU不一定需要在水平方向和垂直方向具有相同数量的样点。例如，CU可以包括NxM个样点，其中M不一定等于N。
视频编码器200编码表示预测和/或残差信息以及其他信息的CU的视频数据。预测信息指示如何预测CU，以便为该CU形成预测块。残差信息通常表示编码之前的CU样点和预测块之间的逐个样点差。
为了预测CU，视频编码器200通常可以通过帧间预测或帧内预测来形成CU的预测块。帧间预测通常是指从先前编解码的图片的数据来预测CU，而帧内预测通常是指根据相同图片的先前编解码的数据来预测CU。为了执行帧间预测，视频编码器200可以使用一个或多个运动向量来生成预测块。视频编码器200通常可以执行运动搜索来标识与CU接近匹配的参考块，例如，根据CU和参考块之间的差。视频编码器200可使用绝对差之和(sum ofabsolute difference，SAD)、平方差之和(sum of squared difference，SSD)、平均绝对差(mean absolute difference，MAD)、均方差(mean squared difference，MSD)或其它这种差计算来计算差度量，以确定参考块是否与当前CU接近匹配。在一些示例中，视频编码器200可以使用单向预测或双向预测来预测当前CU。
JEM还提供仿射运动补偿模式，其可以被认为是帧间预测模式。在仿射运动补偿模式下，视频编码器200可以确定表示非平移运动的两个或多个运动向量，诸如放大或缩小、旋转、透视运动或其他不规则运动类型。
为了执行帧内预测，视频编码器200可以选择帧内预测模式来生成预测块。JEM提供67种帧内预测模式，包括各种方向模式，以及平面模式和DC模式。通常，视频编码器200选择帧内预测模式，该模式描述当前块(例如，CU的块)的相邻样点，从该相邻样点预测当前块的样点。假设视频编码器200以光栅扫描顺序(从左到右、从上到下)对CTU和CU进行编解码，这样的样点在与当前块相同的图片中通常可以在当前块的上方、左上方，或者在左侧。
视频编码器200对表示当前块的预测模式的数据进行编码。例如，对于帧间预测模式，视频编码器200可以编码表示使用各种可用帧间预测模式中的哪一种的数据，以及对应模式的运动信息。例如，对于单向或双向帧间预测，视频编码器200可以使用高级运动向量预测(advanced motion vector prediction，AMVP)或合并模式来编码运动向量。视频编码器200可以使用类似的模式来编码仿射运动补偿模式的运动向量。
在预测之后，诸如块的帧内预测或帧间预测，视频编码器200可以计算该块的残差数据。残差数据(例如残差块)表示块和块的预测块之间的逐个样点的差，使用相应的预测模式形成。视频编码器200可以对残差块应用一个或多个变换，以在变换域而不是样点域中产生变换的数据。例如，视频编码器200可以对残差视频数据应用离散余弦变换(DCT)、整数变换、小波变换或概念上类似的变换。附加地，视频编码器200可以在第一变换之后应用二次变换，诸如模式相关的不可分离二次变换(mode-dependent non-separable secondarytransform，MDNSST)、信号相关的变换、卡洛南-洛伊变换(KLT)等。视频编码器200在一个或多个变换的应用后产生变换系数。
如上所述，在产生变换系数的任何变换之后，视频编码器200可以执行变换系数的量化。量化通常是指量化变换系数以尽可能减少用于表示系数的数据量，从而提供进一步压缩的过程。通过执行量化过程，视频编码器200可以减少与一些或所有系数相关联的比特深度。例如，视频编码器200可以在量化期间将n比特值向下舍入到m比特值，其中n大于m。在一些示例中，为了执行量化，视频编码器200可以对要量化的值执行逐比特右移。
在量化之后，视频编码器200可以扫描变换系数，从包括量化的变换系数的二维矩阵中产生一维向量。扫描可以被设计成将较高能量(因此较低频率)的系数放置在向量的前面，并将较低能量(因此较高频率)的变换系数放置在向量的后面。在一些示例中，视频编码器200可以利用预定义的扫描顺序来扫描量化的变换系数以产生串行化的向量，然后对向量的量化的变换系数进行熵编码。在其他示例中，视频编码器200可以执行自适应扫描。在扫描量化的变换系数以形成一维向量之后，视频编码器200可以例如根据上下文自适应二进制算术编解码(context-adaptive binary arithmetic coding，CABAC)对一维向量进行熵编码。视频编码器200还可以对描述与编码的视频数据相关联的元数据的语法元素的值进行熵编码，以供视频解码器300在解码视频数据时使用。
为了执行CABAC，视频编码器200可以将上下文模型内的上下文分配给要发送的符号。该上下文可以涉及例如符号的相邻值是否为零值。概率确定可以基于分配给符号的上下文。
视频编码器200还可以向视频解码器300生成语法数据，诸如基于块的语法数据、基于图片的语法数据和基于序列的语法数据，例如在图片头、块头、切片头或其他语法数据中，诸如序列参数集(sequence parameter set，SPS)、图片参数集(picture parameterset，PPS)或视频参数集(video parameter set，VPS)。视频解码器300同样可以解码这样的语法数据，以确定如何解码相应的视频数据。
以这种方式，视频编码器200可以生成比特流，该比特流包括编码的视频数据，例如，描述将图片划分成块(例如，CU)的语法元素以及块的预测和/或残差信息。最终，视频解码器300可以接收比特流并解码编码的视频数据。
通常，视频解码器300执行与视频编码器200执行的过程相反的过程来解码比特流的编码的视频数据。例如，视频解码器300可以使用CABAC以与视频编码器200的CABAC编码过程基本相似但相反的方式解码比特流的语法元素的值。语法元素可以定义将图片的划分为CTU的划分信息，并根据相应的划分结构(诸如QTBT结构)来划分每个CTU，以定义CTU的CU。语法元素可以进一步定义视频数据的块(例如，CU)的预测和残差信息。
残差信息可以由例如量化的变换系数来表示。视频解码器300可以对块的量化的变换系数进行逆量化和逆变换，以再现该块的残差块。视频解码器300使用信令通知的预测模式(帧内或帧间预测)和相关预测信息(例如，用于帧间预测的运动信息)来形成块的预测块。视频解码器300然后可以(在逐个样点的基础上)组合预测块和残差块，以再现原始块。视频解码器300可执行附加的处理，诸如执行去块过程以减少沿着块的边界的视觉伪影。
本公开通常可以指“信令通知”某些信息，诸如语法元素。术语“信令通知”通常可以指用于解码编码的视频数据的语法元素和/或其他数据的值的传递。也就是说，视频编码器200可以在比特流中信令通知语法元素的值。通常，信令通知是指在比特流中生成一个值。如上所述，源设备102可以基本上实时地或者不实时地将比特流传输到目的设备116，诸如当将语法元素存储到存储设备112以供目的设备116稍后检索时可能发生的情况。
图2A和图2B是说明示例四叉树二叉树(QTBT)结构130和对应的编解码树单元(CTU)132的概念图。实线表示四叉树分割，虚线表示二叉树分割。在二叉树的每个分割(即，非叶)节点中，一个标志被信令通知以指示使用哪种分割类型(即，水平还是垂直)，其中在该示例中，0表示水平分割，并且1表示垂直分割。对于四叉树分割，不需要指示分割类型，因为四叉树节点将块水平和垂直分割成4个大小相等的子块。因此，视频编码器200可以编码，并且视频解码器300可以解码用于QTBT结构130的区域树级的语法元素(诸如分割信息)(即实线)和用于QTBT结构130的预测树级的语法元素(诸如分割信息)(即虚线)。视频编码器200可以编码视频数据，并且视频解码器300可以解码对于由QTBT结构130的终端叶节点表示的CU的视频数据，诸如预测和变换数据。
一般来说，图2B的CTU 132可以与定义对应于第一和第二层的QTBT结构130的节点的块的大小的参数相关联。这些参数可以包括CTU大小(表示样点中CTU 132的大小)、最小四叉树大小(MinQTSize，表示最小允许的四叉树叶节点大小)、最大二叉树大小(MaxBTSize，表示最大允许的二叉树根节点大小)、最大二叉树深度(MaxBTDepth，表示最大允许的二叉树深度)和最小二叉树大小(MinBTSize，表示最小允许的二叉树叶节点大小)。
对应于CTU的QTBT结构的根节点可以在QTBT结构的第一层具有四个子节点，每个子节点可以根据四叉树划分来划分。也就是说，第一层的节点是叶节点(没有子节点)，或者具有四个子节点。QTBT结构130的示例将这样的节点表示为包括父节点和具有用于分支的实线的子节点。如果第一级的节点不大于最大允许的二叉树根节点大小(MaxBTSize)，它们可以被各自的二叉树进一步划分。可以迭代一个节点的二叉树分割，直到分割产生的节点达到最小允许的二叉树叶节点大小(MinBTSize)或最大允许的二叉树深度(MaxBTDepth)。QTBT结构130的示例将这样的节点表示为具有用于分支的虚线。二叉树叶节点被称为编解码单元(CU)，其用于预测(例如，图片内或图片间预测)和变换，而无需任何进一步的划分。如上所述，CU也可以被称为“视频块”或“块”。
在QTBT划分结构的一个示例中，CTU大小设置为128x128(亮度样点和两个相应的64x64色度样点)，MinQTSize设置为16x16，MaxBTSize设置为64x64，MinBTSize(宽度和高度)设置为4，并且MaxBTDepth设置为4。首先将四叉树划分应用于CTU，以生成四叉树叶节点。四叉树叶节点可以具有从16x16(即MinQTSize)到128x128(即CTU大小)的大小。如果叶四叉树节点是128x128，则它不会被二叉树进一步分割，因为其大小超过了MaxBTSize(即，在本例中为64x64)。否则，叶四叉树节点将被二叉树进一步划分。因此，四叉树叶节点也是二叉树的根节点，并且二叉树深度为0。当二叉树深度达到MaxBTDepth(本例中为4)时，不允许进一步分割。当二叉树节点的宽度等于MinBTSize(在本例中为4)时，这意味着不允许进一步的水平分割。类似地，高度等于MinBTSize的二叉树节点意味着该二叉树节点不允许进一步的垂直分割。如上所述，二叉树的叶节点被称为CU，并且根据预测和变换被进一步处理，而无需进一步划分。
图3A和图3B是说明基于HEVC残差四叉树的示例变换方案的概念图。在HEVC，使用残差四叉树(RQT)的变换编解码结构被应用于适应残差块的各种特征，其被简要描述如下，改编自www.hhi.fraunhofer.de/fields-of-competence/image-processing/research-groups/image-video-coding/hevc-high-efficiency-video-coding/transform-coding-using-the-residual-quadtree-rqt.html。
在HEVC，每个图片被分成编解码树单元(CTU)，这些编解码树单元按照对特定的图块(tile)或切片的光栅扫描顺序进行编解码。CTU是一个方块并且表示四叉树的根，即编解码树。CTU大小的范围可以从8×8到64×64亮度样点，但通常使用64×64。每个CTU可以进一步分割成更小的方块，称为编解码单元(CU)。
在CTU被递归地分割成CU之后，每个CU进一步分为预测单元(PU)和变换单元(TU)。基于四叉树方法以递归方式将CU划分为TU，因此，每个CU的残差信号都由树结构编解码，即残差四叉树(RQT)。RQT允许TU大小从4×4到32×32亮度样点。
图3A描绘了其中CU 134包括用字母a至j标记的10个TU以及相应的块划分的示例。图3B中所示的RQT 136的每个节点实际上是对应于图3A的变换单元(TU)。以深度优先的树遍历顺序处理单个TU，这在图3A中以字母顺序示出，其遵循具有深度优先遍历的递归Z扫描。四叉树方法使得变换能够适应残差信号的变化的空间频率特性。
通常，具有更大空间支持的更大变换块大小提供更好的频率分辨率。然而，具有更小空间支持的更小变换块大小提供了更好的空间分辨率。空间分辨率和频率分辨率两者之间的权衡由编码器模式决定，例如基于率失真优化技术。率失真优化技术为每个编解码模式(例如，特定的RQT分割结构)计算编解码比特和重构失真的加权和，即率失真成本，并且选择具有最小率失真成本的编解码模式作为最佳模式。
在按照HEVC的RQT中定义了三个参数：树的最大深度、最小允许的变换大小和最大允许的变换大小。最小和最大变换大小可以在4×4到32×32样点的范围内变化，这对应于先前段落中提到的支持的块变换。RQT的最大允许的深度限制了TU的数量。最大深度等于零意味着如果每个包含的TB达到最大允许的变换大小(例如32x32)，则CB无法进一步分割。
所有这些参数相互作用并影响HEVC的RQT结构。考虑根CB大小为64×64，最大深度等于零，最大变换大小等于32×32的情况。在这种情况下，必须至少对CB进行一次划分，否则会导致64×64TB，这是不允许的。RQT参数，即最大RQT深度、最小和最大变换大小，按照HEVC在序列参数集级在比特流中发送。关于RQT深度，可以为帧内和帧间编解码的CU指定和信令通知不同的值。
四叉树变换适用于HEVC的帧内和帧间残差块。典型地，将当前残差四叉树划分的相同大小的DCT-II变换应用于残差块。但是，如果当前残差四叉树块是4x4，并且是通过帧内预测生成的，则应用上述4x4 DST-VII变换。
在HEVC，不采用较大大小的变换，例如64x64变换，主要是因为考虑到相对较小分辨率视频的相对高的复杂性，它们的益处有限。
图4是示出用于具有自适应变换选择的混合视频编码的示例系统140的框图。在该示例中，系统140包括块分离单元142、块变换单元144、量化单元146、块预测单元148、变换库(transform bank)150、熵编解码单元152、帧缓冲器154、逆变换单元156、逆量化单元158、残差生成单元160和块再现单元162。
通常，块分离单元142从视频数据的图片(即，帧)中产生块。块预测单元148生成用于当前块的预测块(p)，残差生成单元160从当前(未编码)块和预测块(p)生成残差块(r)。帧缓冲器154(也称为解码的图片缓冲器(decoded picture buffer，DPB))存储当前图片和先前解码的帧(如果有的话)的解码数据。块预测单元148可以从存储在帧缓冲器154中的一个或多个图片的先前解码数据中生成预测块。
块变换单元144将一个或多个变换(T(t))应用于残差块，包括空间域中的残差数据，以生成表示频域中的残差数据的变换块(T(t)r)。变换(T(t))可以是例如离散余弦变换(discrete cosine transform，DCT)、离散正弦变换(discrete sine transform，DST)、水平和/或垂直变换、卡洛南-洛伊变换(KLT)或任何其他这样的变换。块变换单元144向量化单元146提供变换块(T(t)r)，并向变换库150和熵编解码单元152提供变换的指示(t)。变换库150向块变换单元144和逆变换单元156提供一个或多个变换矩阵。
根据本公开的技术，块变换单元144可以对残差块应用多重变换方案。类似地，逆变换单元156可以对变换块应用逆多重变换方案。多重变换(或逆多重变换)方案可以包括初级变换和次级变换，诸如旋转变换。附加地或替代地，多重变换(或逆多重变换)方案可以表示水平变换和垂直变换。更一般地，多重变换(或逆多重变换)方案可以表示可分离和/或不可分离变换的任意组合。
量化单元146量化变换块的变换系数，并将量化的变换块提供给熵编解码单元152和逆量化单元158。熵编解码单元152对表示例如变换指示(t)、量化的变换系数、预测信息(例如，预测模式和相应的信息，诸如要在预测模式中使用的参考数据的位置，例如，用于帧间预测的运动信息)的语法元素进行编码。熵编解码单元152可以使用本公开的技术来使用截短的一元码字对变换指示(t)进行熵编码。也就是说，一个截短的一元码字可以表示多重变换(MT)方案，例如，初级变换和次级变换两者、水平变换和垂直变换两者、和/或可分离和/或不可分离变换的任意组合。
逆量化单元158可以逆量化(即，去量化(dequantize))从量化单元146接收的量化的变换系数。逆变换单元156可以将逆多重变换方案应用于从逆量化单元158接收的变换系数，以再现当前块的残差块(r’)。块再现单元162进一步将来自块预测单元148的预测块(p)与再现的残差块(r’)组合，以形成存储在帧缓冲器154中的解码块。
本公开的技术可以由系统140或相应的解码系统来执行。通常，本公开的技术可应用于自适应变换编解码方案，其中对于预测残差的每个块，不同的变换可由视频编码器选择，作为辅助信息(side information)信令通知，并由视频解码器使用辅助信息来确定。
图5A和图5B是示出作为分离变换实现方式的水平和垂直变换的概念图。图5A表示H个水平变换的集合170，而图5B表示W个垂直变换的集合172。特别地，可以分别使用水平变换170和垂直变换172独立地变换残差值的水平和垂直行。
在HEVC之前的视频编解码标准中，仅使用固定的可分离变换，其中DCT-2被垂直和水平使用。在HEVC，除了DCT-2之外，还对4×4块采用DST-7作为固定的可分离变换。美国专利申请号15/005,736和15/649,612涵盖了这些固定变换的自适应扩展，并且在联合视频专家小组(Joint Video Experts Team，JVET)的联合实验模型(Joint Experimental Model，JEM)中采用了AMT的示例。
图6是说明信令通知变换的示例技术的概念图。具体而言，图6表示根据美国专利申请号15/005,736和15/649,612中描述的技术的示例码字集180。美国专利申请号15/005,736和15/649,612中描述的AMT设计为编码器提供了5个变换选项，以在每个块的基础上进行选择(这种选择通常基于率失真度量来完成)。然后，所选择的变换索引被信令通知给解码器。
图6示出了美国专利申请号15/005,736和15/649,612中提出的信令通知，其中1比特用于信令通知默认变换，并且2个附加比特(即总共3比特)用于信令通知四个其它变换的集合中的一个。在美国专利申请15/005,736和15/649,612中，默认变换被选择为可分离的2-D DCT，其在垂直和水平方向上都应用DCT-2。在美国专利申请号15/005,736中，基于帧内模式信息来定义其余的AMT。美国专利申请号15/649,612提出了美国专利申请号15/005,736的扩展，其通过基于预测模式和块大小信息定义这四个变换的集合。特别地，在图6的示例中，在五个变换中，变换中的一个(默认变换)使用0(即，一个比特)来信令通知，并且其他四个变换使用三个比特(即，100、101、110和111)来信令通知。
美国专利申请号15/005,736和15/649,612中的AMT设计的信令开销可以减少，因为信令通知3比特来标识每个块的四个变换当中的一个。结果，尽管有四个变换选项，编解码效率可能会降低，因为信令开销可能不会导致良好的率失真折衷。为了减少美国专利申请号15/005,736和15/649,612中的3比特信令开销，本公开描述了使用较少数量的变换和较少信令开销的技术。例如，本公开的技术可以包括对五种可能的变换使用一比特或两比特信令。附加地或替代地，可以为每个可能的变换定义截短的一元码字。与美国专利申请号15/005,736和15/649,612的技术相比，利用这种方法，所提出的设计还降低了在编码器侧搜索更多变换的复杂性。
图7是示出可以执行本公开的技术的示例视频编码器200的框图。图7是出于解释的目的而提供的，并且不应被认为是对本公开中广泛示例和描述的技术的限制。出于解释的目的，本公开在视频编解码标准的背景下描述了视频编码器200，诸如HEVC视频编解码标准和正在开发的H.266视频编解码标准。然而，本公开的技术不限于这些视频编解码标准，并且通常适用于视频编码和解码。
在图7的示例中，视频编码器200包括视频数据存储器230、模式选择单元202、残差生成单元204、变换处理单元206、量化单元208、逆量化单元210、逆变换处理单元212、重构单元214、滤波单元216、解码的图片缓冲器(DPB)218和熵编码单元220。图7还可以包括变换库，变换处理单元206和逆变换处理单元212根据本公开的技术从该变换库中选择变换，如上图4所示。类似地，如图4所示，变换处理单元206可以向熵编码单元220提供所选择的变换的指示，熵编码单元220可以根据本公开的技术编码数据，该数据表示为视频数据的当前块选择了AMT方案的各个变换中的哪一个。
视频数据存储器230可以存储要由视频编码器200的组件编码的视频数据。视频编码器200可以从例如视频源104(图1)接收存储在视频数据存储器230中的视频数据。DPB218可以充当参考图片存储器，其存储参考视频数据，用于视频编码器200对后续视频数据的预测。视频数据存储器230和DPB 218可以由各种存储器设备中的任何一种形成，诸如动态随机存取存储器(DRAM)，包括同步DRAM(SDRAM)、磁阻RAM(MRAM)、电阻RAM(RRAM)或其他类型的存储器设备。视频数据存储器230和DPB 218可以由相同的存储器设备或分离的存储器设备提供。在各种示例中，视频数据存储器230可以与视频编码器200的其他组件在芯片上，如图所示，或者相对于那些组件在芯片外。
在本公开中，对视频数据存储器230的引用不应被解释为限于视频编码器200内部的存储器，除非具体描述为这样，或者不应被解释为限于视频编码器200外部的存储器，除非具体描述为这样。相反，对视频数据存储器230的引用应该理解为存储视频编码器200接收用于编码的视频数据(例如，要被编码的当前块的视频数据)的引用存储器。图1的存储器106还可以提供来自视频编码器200的各个单元的输出的临时存储。
示出了图7的各个单元，以帮助理解视频编码器200执行的操作。这些单元可以实现为固定功能电路、可编程电路或其组合。固定功能电路是指提供特定功能的电路，并预设在可以执行的操作上。可编程电路是指可被编程以执行各种任务并在可以执行的操作中提供灵活功能的电路。例如，可编程电路可以执行软件或固件，使得可编程电路以软件或固件的指令定义的方式操作。固定功能电路可以执行软件指令(例如，接收参数或输出参数)，但是固定功能电路执行的操作类型通常是不可变的。在一些示例中，单元中的一个或多个可以是不同的电路块(固定功能的或可编程的)，并且在一些示例中，一个或多个单元可以是集成电路。
视频编码器200可以包括由可编程电路形成的算术逻辑单元(arithmetic logicunit，ALU)、基本功能单元(elementary function unit，EFU)、数字电路、模拟电路和/或可编程核心。在使用由可编程电路执行的软件来执行视频编码器200的操作的示例中，存储器106(图1)可以存储视频编码器200接收和执行的软件的目标代码，或者视频编码器200内的另一个存储器(未示出)可以存储这样的指令。
视频数据存储器230被配置为存储接收到的视频数据。视频编码器200可以从视频数据存储器230检索视频数据的图片，并将视频数据提供给残差生成单元204和模式选择单元202。视频数据存储器230中的视频数据可以是待编码的原始视频数据。
模式选择单元202包括运动估计单元222、运动补偿单元224和帧内预测单元226。模式选择单元202可以包括附加的功能单元，以根据其他预测模式来执行视频预测。作为示例，模式选择单元202可以包括调色板单元、块内复制单元(其可以是运动估计单元222和/或运动补偿单元224的一部分)、仿射单元、线性模型(linear model，LM)单元等。
模式选择单元202通常协调多个编码过程，以测试编码参数的组合以及这种组合的最终率失真值。编码参数可以包括将CTU划分成CU、CU的预测模式、CU的残差数据的变换类型、CU的残差数据的量化参数等。模式选择单元202可以最终选择具有比其他测试组合更好的率失真值的编码参数的组合。
视频编码器200可以将从视频数据存储器230中检索到的图片划分成一系列CTU，并将一个或多个CTU封装在切片内。模式选择单元202可以根据树结构，诸如上述HEVC的QTBT结构或四叉树结构，来划分图片的CTU。如上所述，视频编码器200可以根据树结构通过划分CTU来形成一个或多个CU。这样的CU也可以通常被称为“视频块”或“块”
一般来说，模式选择单元202还控制其组件(例如，运动估计单元222、运动补偿单元224和帧内预测单元226)来生成当前块(例如，当前CU，或者在HEVC，PU和TU的重叠部分)的预测块。对于当前块的帧间预测，运动估计单元222可以执行运动搜索以标识一个或多个参考图片(例如，存储在DPB 218中的一个或多个先前编解码的图片)中的一个或多个接近匹配的参考块。具体而言，运动估计单元222可以例如根据绝对差之和(SAD)、平方差之和(SSD)、平均绝对差(MAD)、均方差(MSD)等来计算表示潜在参考块与当前块有多相似的值。运动估计单元222通常可以使用当前块和所考虑的参考块之间的逐个样点的差来执行这些计算。运动估计单元222可以标识具有由这些计算产生的最低值的参考块，指示最接近匹配当前块的参考块。
运动估计单元222可以形成一个或多个运动向量(motion vector，MV)，该运动向量定义参考图片中的参考块相对于当前图片中的当前块的位置的位置。运动估计单元222然后可以向运动补偿单元224提供运动向量。例如，对于单向帧间预测，运动估计单元222可以提供单个运动向量，而对于双向帧间预测，运动估计单元222可以提供两个运动向量。运动补偿单元224然后可以使用运动向量生成预测块。例如，运动补偿单元224可以使用运动向量来检索参考块的数据。作为另一个示例，如果运动向量具有分数采样精度，则运动补偿单元224可以根据一个或多个插值滤波器对预测块的值进行插值。此外，对于双向帧间预测，运动补偿单元224可检索由相应运动向量标识的两个参考块的数据，并例如通过逐个样点平均或加权平均来组合检索的数据。
作为另一个示例，对于帧内预测或帧内预测编解码，帧内预测单元226可以从与当前块相邻的样点生成预测块。例如，对于方向模式，帧内预测单元226通常可以数学地组合相邻样点的值，并在当前块的定义方向上填充这些计算值，以产生预测块。作为另一个示例，对于DC模式，帧内预测单元226可以计算当前块的相邻样点的平均值，并且生成预测块以包括预测块的每个样点的该得到的平均值。
模式选择单元202将预测块提供给残差生成单元204。残差生成单元204从视频数据存储器230接收当前块的原始未编解码的版本，并从模式选择单元202接收预测块。残差生成单元204计算当前块和预测块之间的逐个样点差。得到的逐个样点的差定义了当前块的残差块。在一些示例中，残差生成单元204还可以确定残差块中的样点值之间的差，以使用残差差分脉冲编码调制(residual differential pulse code modulation，RDPCM)来生成残差块。在一些示例中，残差生成单元204可以使用执行二进制减法的一个或多个减法器电路来形成。
在模式选择单元202将CU划分成PU的示例中，每个PU可以与亮度预测单元和相应的色度预测单元相关联。视频编码器200和视频解码器300可以支持具有各种大小的PU。如上所述，CU的大小可以指CU的亮度编解码块的大小，并且PU的大小可以指PU的亮度预测单元的大小。假设特定CU的大小为2Nx2N，视频编码器200可支持用于帧内预测的2Nx2N或NxN的PU大小，以及用于帧间预测的2Nx2N、2NxN、Nx2N、NxN或类似的对称PU大小。视频编码器200和视频解码器300还可以支持针对帧间预测的2NxnU、2NxnD、nLx2N和nRx2N的PU大小的非对称划分。
在模式选择单元没有进一步将CU划分为PU的示例中，每个CU可以与亮度编解码块和相应的色度编解码块相关联。如上所述，CU的大小可以指CU的亮度编解码块的大小。视频编码器200和视频解码器300可以支持2Nx2N、2NxN或Nx2N的CU大小。
对于其它视频编解码技术，诸如块内复制模式编解码、仿射模式编解码和线性模型(LM)模式编解码，作为几个示例，模式选择单元202经由与编解码技术相关联的各个单元，为正被编码的当前块生成预测块。在一些示例中，诸如调色板模式编解码，模式选择单元202可以不生成预测块，而是生成指示基于所选择的调色板重构块的方式的语法元素。在这种模式下，模式选择单元202可以将这些语法元素提供给熵编码单元220进行编码。
如上所述，残差生成单元204接收当前块和相应的预测块的视频数据。残差生成单元204然后生成当前块的残差块。为了生成残差块，残差生成单元204计算预测块和当前块之间的逐个样点差。
变换处理单元206对残差块应用一个或多个变换，以生成变换系数的块(这里称为“变换系数块”)。变换处理单元206可以对残差块应用各个变换，以形成变换系数块。例如，变换处理单元206可以对残差块应用离散余弦变换(DCT)、方向变换、卡洛南-洛伊变换(KLT)或概念上类似的变换。在一些示例中，变换处理单元206可以对残差块执行多个变换，例如初级变换和次级变换，诸如旋转变换，或者水平变换和垂直变换。在一些示例中，变换处理单元206不对残差块应用变换。
根据本公开的技术，变换处理单元206可以将多重变换(MT)方案的多重变换应用于当前块的残差块。该MT方案可以定义，例如，将被应用于残差块的初级变换和次级变换。附加地或可替换地，MT方案可以定义水平变换和垂直变换，诸如上面讨论的图5A和图5B中所示的那些。在任何情况下，变换处理单元206可以将MT方案的每个变换应用于残差块，以生成变换系数块的变换系数。
量化单元208可以量化变换系数块中的变换系数，以产生量化的变换系数块。量化单元208可以根据与当前块相关联的量化参数(QP)值来量化变换系数块的变换系数。视频编码器200(例如，经由模式选择单元202)可以通过调整与CU相关联的QP值来调整应用于与当前块相关联的变换系数块的量化程度。量化可能引入信息的损失，因此，量化的变换系数可能比由变换处理单元206产生的原始变换系数具有更低的精度。
逆量化单元210和逆变换处理单元212可以分别对量化的变换系数块应用逆量化和逆变换，以从变换系数块重构残差块。重构单元214可以基于重构的残差块和由模式选择单元202生成的预测块来产生对应于当前块的重构的块(尽管可能具有一定程度的失真)。例如，重构单元214可以将重构的残差块的样点加到由模式选择单元202生成的预测块的相应样点中，以产生重构的块。
滤波单元216可以对重构的块执行一个或多个滤波操作。例如，滤波单元216可以执行去块操作来减少沿CU的边缘的块效应伪影。在一些示例中，可以跳过过滤单元216的操作。
视频编码器200在DPB 218中存储重构的块。例如，在不需要滤波单元216的操作的示例中，重构单元214可以将重构的块存储到DPB 218。在需要滤波单元216的操作的示例中，滤波单元216可以将滤波的重构的块存储到DPB 218。运动估计单元222和运动补偿单元224可以从DPB 218中检索参考图片，该参考图片由重构的(并且可能被滤波的)块形成，以对随后编码的图片的块进行帧间预测。此外，帧内预测单元226可以使用当前图片的DPB218中的重构块来帧内预测当前图片中的其他块。
通常，熵编码单元220可以对从视频编码器200的其他功能组件接收的语法元素进行熵编码。例如，熵编码单元220可以对来自量化单元208的量化的变换系数块进行熵编码。作为另一个示例，熵编码单元220可以对来自模式选择单元202的预测语法元素(例如，用于帧间预测的运动信息或用于帧内预测的帧内模式信息)进行熵编码。熵编码单元220可以对作为视频数据的另一示例的语法元素执行一个或多个熵编码操作，以生成熵编码的数据。例如，熵编码单元220可以对数据执行上下文自适应可变长度编解码(context-adaptivevariable length coding，CAVLC)操作、CABAC操作、变量到变量(variable-to-variable，V2V)长度编解码操作、基于语法的上下文自适应二进制算术编解码(syntax-basedcontext-adaptive binary arithmetic coding，SBAC)操作、概率区间划分熵(Probability Interval Partitioning Entropy，PIPE)编解码操作、指数-戈伦(Golomb)编码操作或另一种类型的熵编码操作。在一些示例中，熵编码单元220可以在语法元素未被熵编码的旁路模式下操作。
根据本公开的技术，熵编码单元220可以对表示多重变换(MT)方案的截短的一元码字进行熵编码，其中MT方案可以包括两个或更多个变换。例如，MT方案可以包括初级变换和次级变换，诸如旋转变换。附加地或替代地，MT方案可以包括水平变换和垂直变换，其中垂直变换可以是不同类型的变换。例如，水平变换可以基于DCT，并且垂直变换可以基于DST，反之亦然。同样，在各种MT方案中可以使用不同类型的DCT和DST。视频编码器200可包含各种MT方案，MT方案中的每一个可以包括两个或更多个变换，且熵编码单元220可经配置以对每个MT方案编码一个截短的一元码字。以这种方式，每个截短的一元码字可以表示对应的MT方案的多个变换。熵编码单元220可以使用辅助信息，诸如例如块大小、块类型(亮度或色度)、预测模式和/或来自相邻块的任何其他辅助信息，来选择用于对截短的一元码字进行熵编码的上下文。在一些示例中，可以使用表(具有使用任何辅助信息指定的条目)来定义熵编解码上下文。
视频编码器200可以输出比特流，该比特流包括重构切片或图片的块所需的熵编码的语法元素。特别地，根据本公开的技术，假设多个变换被应用于当前块，熵编码单元220可以输出比特流，该比特流包括例如表示用于当前块的MT方案的截短的一元码字的熵编码的数据。
上面描述的操作是针对块描述的。这种描述应该理解为亮度编解码块和/或色度编解码块的操作。如上所述，在一些示例中，亮度编解码块和色度编解码块是CU的亮度和色度分量。在一些示例中，亮度编解码块和色度编解码块是PU的亮度和色度分量。
在一些示例中，对于色度编解码块，不需要重复针对亮度编解码块执行的操作。作为一个示例，不需要重复用于标识用于亮度编解码块的运动向量(MV)和参考图片的操作来标识用于色度块的MV和参考图片。相反，亮度编解码块的MV可以被缩放以确定色度块的MV，并且参考图片可以是相同的。作为另一个示例，对于亮度编解码块和色度编解码块，帧内预测过程可以是相同的。
视频编码器200表示用于编码视频数据的设备的示例，包括被配置为存储视频数据的存储器；以及以电路实现的处理器，其被配置为：对用于视频数据的当前块的残差数据应用多重变换(MT)方案，以生成变换系数块；对表示当前块的MT编码方案的截短的一元码字进行编码；并且使用变换系数块来编码当前块。
图8是示出可以执行本公开的技术的示例视频解码器300的框图。图8是出于解释的目的而提供的，并不限制本公开中广泛例示和描述的技术。出于解释的目的，本公开描述了根据JEM和HEVC的技术的视频解码器300。然而，本公开的技术可以由被配置为其他视频编解码标准的视频编解码设备来执行。
在图8的示例中，视频解码器300包括编解码的图片缓冲器(CPB)存储器320、熵解码单元302、预测处理单元304、逆量化单元306、逆变换处理单元308、重构单元310、滤波单元312和解码的图片缓冲器(DPB)314。图8还可以包括变换库，逆变换处理单元308根据本公开的技术从该变换库中选择变换，如上图4所示。类似地，与图4所示的技术相反，熵解码单元302可以根据本公开的技术来解码数据，该技术表示为视频数据的当前块选择AMT方案的多个变换中的哪一个，并且向逆变换处理单元308提供变换的指示。
预测处理单元304包括运动补偿单元316和帧内预测单元318。预测处理单元304可以包括附加单元，以根据其他预测模式执行预测。作为示例，预测处理单元304可以包括调色板单元、块内复制单元(其可以形成运动补偿单元316的一部分)、仿射单元、线性模型(LM)单元等。在其他示例中，视频解码器300可以包括更多、更少或不同的功能组件。
CPB存储器320可以存储要由视频解码器300的组件解码的视频数据，诸如编码的视频比特流。存储在CPB存储器320中的视频数据可以例如从计算机可读介质110(图1)获得。CPB存储器320可以包括存储来自编码的视频比特流的编码的视频数据(例如，语法元素)的CPB。此外，CPB存储器320可以存储除编解码的图片的语法元素之外的视频数据，诸如表示来自视频解码器300的各个单元的输出的临时数据。DPB 314通常存储解码的图片，当解码编码的视频比特流的后续数据或图片时，视频解码器300可以输出和/或用作参考视频数据。CPB存储器320和DPB 314可以由多种存储器设备中的任何一种形成，诸如动态随机存取存储器(DRAM)，包括同步DRAM(SDRAM)、磁阻RAM(MRAM)、电阻RAM(RRAM)或其他类型的存储器设备。CPB存储器320和DPB 314可以由相同的存储器设备或分离的存储器设备提供。在各种示例中，CPB存储器320可以与视频解码器300的其他组件在芯片上，或者相对于这些组件在芯片外。
附加地或替代地，在一些示例中，视频解码器300可以从存储器120(图1)检索编解码的视频数据。也就是说，存储器120可以如上所述利用CPB存储器320存储数据。同样，当视频解码器300的一些或全部功能以由视频解码器300的处理电路执行的软件实现时，存储器120可以存储由视频解码器300执行的指令。
图8中所示的各种单元被示出以帮助理解视频解码器300执行的操作。这些单元可以实现为固定功能电路、可编程电路或其组合。类似于图7，固定功能电路是指提供特定功能的电路，并且预设可以执行的操作。可编程电路是指可被编程以执行各种任务并在可以执行的操作中提供灵活功能的电路。例如，可编程电路可以执行软件或固件，使得可编程电路以软件或固件的指令定义的方式操作。固定功能电路可以执行软件指令(例如，接收参数或输出参数)，但是固定功能电路执行的操作类型通常是不可变的。在一些示例中，单元中的一个或多个可以是不同的电路块(固定功能的或可编程的)，并且在一些示例中，一个或多个单元可以是集成电路。
视频解码器300可以包括ALU、EFU、数字电路、模拟电路和/或由可编程电路形成的可编程核心。在视频解码器300的操作由在可编程电路上执行的软件来执行的示例中，片上或片外存储器可以存储视频解码器300接收和执行的软件的指令(例如，目标代码)。
熵解码单元302可以从CPB接收编码的视频数据，并对视频数据进行熵解码以再现语法元素。预测处理单元304、逆量化单元306、逆变换处理单元308、重构单元310和滤波单元312可以基于从比特流提取的语法元素来生成解码的视频数据。
通常，视频解码器300逐块重构图片。视频解码器300可以对每个块单独执行重构操作(其中当前正在重构，即解码的块可以被称为“当前块”)。
熵解码单元302可对定义量化的变换系数块的量化的变换系数的语法元素以及变换信息(诸如量化参数(quantization parameter，QP)和/或(多个)变换模式指示)进行熵解码。逆量化单元306可以使用与量化的变换系数块相关联的QP来确定量化的程度，并且类似地，确定逆量化单元306要应用的逆量化的程度。逆量化单元306可以例如执行逐比特左移操作来逆量化量化的变换系数。逆量化单元306由此可以形成包括变换系数的变换系数块。
根据本公开的技术，熵解码单元302可以解码表示正被解码的数据的当前块的多重变换(MT)方案的截短的一元码字。截短的一元码字可以对应于多个各种MT方案中的一个MT方案，并且MT方案中的每一个可以包括多个逆变换。例如，逆变换可以是DCT、DST、KLT、水平变换、垂直变换、等同变换(identity transform)、可分离变换和/或不可分离变换的任意组合。熵解码单元302可以使用辅助信息，诸如例如块大小、块类型(亮度或色度)、预测模式和/或来自相邻块的任何其他辅助信息，来选择用于对截短的一元码字进行熵解码的上下文。在一些示例中，可以使用表(具有使用任何辅助信息指定的条目)来定义熵编解码上下文。以这种方式，熵解码单元302可以解码一个截短的一元码字，该截短的一元码字表示截短的一元码字对应的MT方案的多重逆变换。类似地，熵解码单元302表示用于对表示用于视频数据的当前块的多重变换(MT)方案的截短的一元码字进行解码以确定MT方案的部件(means)的示例。
熵解码单元302可以将码字提供给例如逆变换处理单元308。因此，在逆量化单元306形成变换系数块之后，逆变换处理单元308可以将对应于截短的一元码字的一个或多个逆变换应用于变换系数块，以生成与当前块相关联的残差块。因此，逆变换处理单元308表示用于将MT方案应用于当前块的变换系数以产生用于视频数据的当前块的残差数据的部件的示例。
此外，预测处理单元304根据由熵解码单元302熵解码的预测信息语法元素生成预测块。例如，如果预测信息语法元素指示当前块是帧间预测的，则运动补偿单元316可以生成预测块。在这种情况下，预测信息语法元素可以指示从中检索参考块的DPB 314中的参考图片，以及标识参考图片中的参考块相对于当前图片中的当前块的位置的运动向量。运动补偿单元316通常可以以基本上类似于关于运动补偿单元224(图7)所描述的方式来执行帧间预测过程。
作为另一示例，如果预测信息语法元素指示当前块是帧内预测的，则帧内预测单元318可以根据由预测信息语法元素指示的帧内预测模式来生成预测块。同样，帧内预测单元318通常可以以基本上类似于关于帧内预测单元226(图7)所描述的方式来执行帧内预测过程。帧内预测单元318可以从DPB314检索当前块的相邻样点的数据。
重构单元310可以使用预测块和残差块来重构当前块。例如，重构单元310可以将残差块的样点加到预测块的相应样点，以重构当前块。这样，重构单元310与图8的视频解码器300的其他组件一起，表示用于使用残差数据解码当前块的部件的示例。
滤波单元312可以对重构的块执行一个或多个滤波操作。例如，滤波单元312可以执行去块操作以减少沿着重构的块的边缘的块效应伪影。过滤单元312的操作不一定在所有示例中执行。
视频解码器300可以将重构的块存储在DPB 314中。例如，在不需要滤波单元312的操作的示例中，重构单元310可以将重构的块存储到DPB 314。在需要滤波单元312的操作的示例中，滤波单元312可以将滤波的重构的块存储到DPB 314。如上所述，DPB 314可以向预测处理单元304提供参考信息，诸如用于帧内预测的当前图片的样点和用于后续运动补偿的先前解码的图片。此外，视频解码器300可以输出来自DPB 314的解码的图片，用于随后在显示设备上呈现，诸如图1的显示设备118。
视频解码器300表示视频解码设备的示例，该视频解码设备包括被配置为存储视频数据的存储器，以及以电路实现的一个或多个处理单元，并且该处理单元被配置为解码表示用于视频数据的当前块的多重变换(MT)方案的截短的一元码字以确定MT方案；将MT方案应用于当前块的变换系数，以产生用于视频数据的当前块的残差数据；并且使用残差数据解码当前块。
如上所述，视频编码器200和/或视频解码器300可以根据本公开的技术来配置。特别地，根据本公开的AMT方案可以通过将变换分配给特定信令方法的码字来定义。因此，AMT完全是通过指定(i)变换的单个集合或多个集合，以及(ii)信令方法来定义的。
图9A-图9E是示出根据本公开的技术的各种AMT方案的示例信令技术的概念图。本公开的AMT设计可以基于图9A-图9E所示的一种或多种信令方法来定义。
在一个示例中，一比特(例如，0/1布尔标志)可用于标识/信令通知来自两个变换的预定义集合中的一个变换，例如，如图9A所示。也就是说，图9A示出了用于标识两个变换的示例AMT信令。图9C示出了用于图9A的信令方法的两个变换(T0，T1)的示例分配。
在另一个示例中，一个或两个比特用于标识/信令通知来自三个变换的预定义集合中的一个变换。具体而言，在一个示例中，以下三个二进制码字用于信令通知：“0”、“10”和“11”。图9B示出了用于标识三个变换的AMT信令的示例。图9D示出了用于图9B的信令方法的三个变换(T0，T1，T2)的示例分配。图9B的示例表示用于三个变换的截短的一元码字的示例。此外，图9B的示例可以被扩展为构造用于N个变换的码字，每个码字具有各自的截短的一元码字。这种码字对于码字i∈{1,N-1}的集合中的码字i可以是1i-10，对于码字N可以是1N。符号“1K0”表示后跟0的K个1的序列。因此，例如，对于六个变换的集合，截短的一元码字可以是0、10、110、1110、11110和11111。或者，可以交换1和0的值，例如，对于N个变换，码字i∈{1,N-1}集合中的码字i可以是0i-11，码字N可以是0N。
在又一示例中，图9E示出了根据图6的信令方法的五个变换的示例分配。
用于表示变换的相应数据仓(bin)的信令方法和熵编解码可以取决于辅助信息，诸如块大小、块类型(亮度或色度)、预测模式和/或来自相邻块的任何其他辅助信息。例如，可以使用表格(具有使用任何辅助信息指定的条目)来定义熵编解码上下文。
本公开和美国专利申请号15/005,736和15/649,612中提出的信令方法的组合可用于设计更复杂的信令方案。这种设计也可以是块大小和预测模式相关的。作为具体的示例，对于较大的块，可以使用美国专利申请号15/005,736和15/649,612中的方法，并且对于较小的块，可以使用本公开中给出的方法。也就是说，当当前块的大小小于阈值大小时，可以应用本公开的技术；否则，可以使用美国专利申请号15/005,736和15/649,612的技术来代替。
在AMT方案中，对于任何信令方法，包括图6、图9A和图9B中描述的那些，变换的集合可以被分配给相应的码字，如图9C、图9D和图9E所示。变换集合可以满足以下属性中的一个或多个：
·变换的集合可以包括可分离和/或不可分离的块变换。
·变换的集合可以只包括可分离的变换。例如，可分离变换可以基于从DCT和DST的类型中选择的一对变换来导出。
·变换的集合可以基于任何辅助信息(诸如块大小和预测模式)来定义。
·该变换的集合可用于所有块和预测模式组合。例如，与可分离的DCT-2一起，可以使用从DCT-8和DST-7导出的其他可分离的变换。例如，在图9E中，T0可以是2-D DCT(从水平和垂直应用的DCT-2导出)。可以使用水平和垂直应用的DCT-8和DST-7的组合来定义图9E中四个变换的其余部分(从T1到T4)。作为另一个示例，在图9A中，T0可以是2-D DCT(从水平和垂直应用的DCT-2导出)，并且T1可以是在水平和垂直方向应用DST 7的可分离变换。
·对于矩形亮度或色度块，DST-7或DST-4可以应用于块的一侧，而对于另一侧，可以应用等同变换。例如，Th可以是DST-7，并且Tv可以是等同变换，反之亦然。
图10是说明使用两个一维变换应用于矩形块的可分离变换的概念图。特别地，一维变换包括Th(水平)和Tv(垂直)。
在某些条件下，可以跳过变换信令通知过程，并且可以应用不需要任何信令通知的预定义固定变换(例如，DST-7、DCT-2或等同变换)。这种特定条件可以基于编码器/解码器处可用的任何辅助信息来定义，如下所述。例如，如果在执行变换之后非零系数的数量小于某个阈值，则视频编码器200可以跳过变换的信令通知。作为另一示例，如果非零变换系数的数量小于阈值，则视频解码器300可以基于非零变换系数的数量来导出变换。
可以对小块应用变换跳过(相当于垂直和水平两者应用等同变换)。作为具体的示例，对于2×2色度块，可以跳过变换。
图11是示出根据本公开的技术对当前块进行编码的示例方法的流程图。当前块可以包括当前CU。尽管关于视频编码器200(图1和图7)进行了描述，但是应当理解，其他设备可以被配置为执行类似于图11的方法。
在该示例中，视频编码器200最初预测当前块(350)。例如，视频编码器200可以形成用于当前块的预测块。视频编码器200然后可以计算当前块的残差块(352)。为了计算残差块，视频编码器200可以计算原始未编解码的块和用于当前块的预测块之间的差。视频编码器200然后可以选择多重变换(MT)方案，并使用MT方案来变换残差块，并且量化得到的变换系数(354)。接下来，视频编码器200可以扫描残差块的量化的变换系数(356)。在扫描期间或扫描之后，视频编码器200可以熵编码系数以及表示所选择的MT方案的数据(358)。例如，视频编码器200可以使用如上所述的本公开的各种技术中的任何一种来对表示MT方案的截短的一元码字进行熵编码。视频编码器200可以使用CAVLC或CABAC编码系数。视频编码器200然后可输出熵编解码的表示用于当前块的MT方案的数据和系数(360)。
以这种方式，图11的方法表示编码视频数据的方法的示例，该方法包括对用于视频数据的当前块的残差数据应用多重变换(MT)方案，以生成变换系数的块；编码表示用于当前块的MT方案的截短的一元码字；以及使用变换系数的块编码当前块。
图12是示出根据本公开的技术解码视频数据的当前块的示例方法的流程图。当前块可以包括当前CU。尽管关于视频解码器300(图1和图8)进行了描述，但是应当理解，其他设备可以被配置为执行类似于图12的方法。
视频解码器300可接收当前块的熵编码的数据，诸如对应于当前块的残差块的系数的熵编码的预测信息和熵编码的数据(370)。视频解码器300可熵解码熵编码的数据以确定用于当前块的预测信息、用于当前块的多重变换(MT)方案，以及再现残差块的系数(372)。具体而言，根据本公开的技术，视频解码器300可以熵解码表示MT方案的截短的一元码字。视频解码器300可以根据本公开的各种技术中的任何一种来熵解码MT方案信息。视频解码器300可预测当前块(374)，例如，使用由当前块的预测信息指示的帧内或帧间预测模式，来计算用于当前块的预测块。视频解码器300然后可以逆扫描再现的系数(376)，以创建量化的变换系数的块。视频解码器300然后可以使用所指示的MT方案来逆量化和逆变换系数，以产生残差块(378)。视频解码器300可通过组合预测块和残差块来最终解码当前块(380)。
以这种方式，图12的方法表示解码视频数据的方法的示例，该方法包括解码表示用于视频数据的当前块的多重变换(MT)方案的截短的一元码字，以确定MT方案；将MT方案应用于当前块的变换系数，以产生用于视频数据的当前块的残差数据；以及使用残差数据解码当前块。
应当认识到，根据示例，本文描述的任何技术的某些动作或事件可以以不同的顺序执行，可以被添加、合并或一起省略(例如，并非所有描述的动作或事件对于技术的实践都是必要的)。此外，在某些示例中，动作或事件可以例如通过多线程处理、中断处理或多个处理器同时执行，而不是顺序执行。
在一个或多个示例中，所描述的功能可以在硬件、软件、固件或其任意组合中实现。如果以软件实现，这些功能可以作为一个或多个指令或代码存储在计算机可读介质上或通过其传输，并由基于硬件的处理单元执行。计算机可读介质可以包括对应于诸如数据存储介质的有形介质的计算机可读存储介质，或者包括例如根据通信协议便于将计算机程序从一个地方传送到另一个地方的任何介质的通信介质。以这种方式，计算机可读介质通常可以对应于(1)非暂时性的有形计算机可读存储介质，或者(2)诸如信号或载波的通信介质。数据存储介质可以是可由一个或多个计算机或一个或多个处理器访问以检索指令、代码和/或数据结构来实现本公开中描述的技术的任何可用介质。计算机程序产品可以包括计算机可读介质。
作为示例而非限制，这种计算机可读存储介质可以包括RAM、ROM、EEPROM、CD-ROM或其他光盘存储器、磁盘存储器、或其他磁存储设备、闪存、或可以用于以指令或数据结构的形式存储期望的程序代码并且可以由计算机访问的任何其他介质。此外，任何连接都被恰当地称为计算机可读介质。例如，如果使用同轴电缆、光纤电缆、双绞线、数字用户线路(digital subscriber line，DSL)或无线技术(诸如红外线、无线电和微波)从网站、服务器或其他远程源传输指令，则同轴电缆、光纤电缆、双绞线、DSL或无线技术(诸如红外线、无线电和微波)包括在介质的定义中。然而，应当理解，计算机可读存储介质和数据存储介质不包括连接、载波、信号或其他暂时介质，而是指向非暂时的有形存储介质。这里使用的磁盘和光盘盘包括压缩光盘(compact disc，CD)、激光盘、光学光盘、数字多功能盘(digitalversatile disc，DVD)、软盘和蓝光光盘，其中磁盘通常磁性地再现数据，而光盘用激光光学地再现数据。上述的组合也应该包括在计算机可读介质的范围内。
指令可以由一个或多个处理器执行，诸如一个或多个数字信号处理器(digitalsignal processor，DSP)、通用微处理器、专用集成电路(application specificintegrated circuits，ASIC)、现场可编程门阵列(field programmable gate array，FPGA)或其他等效的集成或分立逻辑电路。因此，本文使用的术语“处理器”可以指任何前述结构或者适合于实现本文描述的技术的任何其他结构。此外，在一些方面，本文描述的功能可以在被配置用于编码和解码的专用硬件和/或软件模块中提供，或者结合在组合编解码器中。同样，这些技术可以完全在一个或多个电路或逻辑元件中实现。
本公开的技术可以在多种设备或装置中实现，包括无线手机、集成电路(integrated circuit，IC)或IC的集合(例如，芯片组)。在本公开中描述了各种组件、模块或单元，以强调被配置为执行所公开的技术的设备的功能方面，但是不一定需要通过不同的硬件单元来实现。相反，如上所述，各种单元可以组合在编解码器硬件单元中，或者由包括如上所述的一个或多个处理器的互操作硬件单元的集合结合合适的软件和/或固件来提供。
已经描述了各种示例。这些和其他示例在所附权利要求的范围内。

Claims (45)

1.一种解码视频数据的方法，所述方法包括：
解码表示用于视频数据的当前块的多重变换(MT)方案的截短的一元码字，以确定MT方案；
将MT方案应用于当前块的变换系数，以产生用于视频数据的当前块的残差数据；以及
使用所述残差数据解码当前块。
2.根据权利要求1所述的方法，其中，解码截短的一元码字包括：根据信令方法解码截短的一元码字，其中，所述信令方法包括以下中的一个：使用一比特标志来表示两个变换的预定义集合中的两个变换中的一个，或者使用一比特或两比特标志的集合来表示三个变换的预定义集合中的三个变换中的一个，MT方案包括所述两个变换的预定义集合中的两个变换中的一个或者所述三个变换的预定义集合中的三个变换中的一个。
3.根据权利要求2所述的方法，
其中，当所述信令方法包括使用一比特标志时，表示MT方案的截短的一元码字包括值“0”或“1”中的一个，以及
其中，当信令方法包括使用一比特或两比特标志时，表示MT方案的截短的一元码字包括“0”、“10”或“11”中的一个。
4.根据权利要求1所述的方法，其中，解码截短的一元码字包括使用从当前块的大小、当前块的类型、当前块的预测模式或当前块的一个或多个相邻块的数据中的一个或多个确定的上下文信息来熵解码截短的一元码字。
5.根据权利要求4所述的方法，其中，当前块的类型包括亮度块或色度块中的一个。
6.根据权利要求1所述的方法，还包括确定当前块的大小小于阈值大小，其中，解码表示MT方案的截短的一元码字包括响应于当前块的大小小于所述阈值大小，解码表示MT方案的截短的一元码字。
7.根据权利要求1所述的方法，当前块包括第一块，所述方法还包括：
确定不同于第一块的第二块的大小大于阈值大小；
响应于确定第二块的大小大于所述阈值大小：
解码表示第二块是否要使用默认逆变换进行逆变换的第一比特；
响应于第一比特指示第二块要使用默认逆变换进行逆变换，使用默认逆变换对第二块的变换系数进行逆变换，以产生用于第二块的残差块；和
响应于第一比特指示第二块不使用默认逆变换进行逆变换，解码指示四个其它逆变换的集合中的一个的两个比特，并使用由解码的两个比特指示的四个其它逆变换的集合中的一个对第二块的变换系数进行逆变换。
8.根据权利要求1所述的方法，其中，MT方案包括多个变换的集合中的变换的集合，所述变换的集合中的每个包括相应的多个变换，并且其中，应用MT方案包括执行所述变换的集合中的多个变换中的每一个。
9.根据权利要求8所述的方法，所述变换的集合包括可分离变换或不可分离变换的任意组合。
10.根据权利要求8所述的方法，还包括根据辅助信息确定所述多个变换的集合，所述辅助信息包括当前块的大小或当前块的预测模式中的一个或多个。
11.根据权利要求1所述的方法，其中，MT方案包括水平变换和垂直变换，垂直变换不同于水平变换。
12.根据权利要求11所述的方法，其中，水平变换或垂直变换中的一个包括等同变换。
13.根据权利要求1所述的方法，其中，当前块包括第一块，所述方法还包括基于第二块的辅助信息跳过对表示用于第二块的MT方案的截短的一元码字的编解码。
14.根据权利要求13所述的方法，其中，所述辅助信息包括小于阈值的第二块的非零变换系数的数量，所述方法还包括确定第一块的非零变换系数的数量大于或等于所述阈值。
15.根据权利要求1所述的方法，其中解码当前块包括：
解码表示当前块的预测模式的数据；
使用所述预测模式生成用于当前块的预测块；和
将所述预测块与所述残差数据组合以再现当前块。
16.一种用于解码视频数据的设备，所述设备包括：
存储器，被配置为存储视频数据；以及
以电路实现的处理器，其被配置为：
解码表示用于视频数据的当前块的多重变换(MT)方案的截短的一元码字，以确定MT方案；
将MT方案应用于当前块的变换系数，以产生用于视频数据的当前块的残差数据；以及
使用残差数据解码当前块。
17.根据权利要求16所述的设备，其中，处理器被配置为根据信令方法解码截短的一元码字，其中，信令方法包括以下中的一个：使用一比特标志来表示两个变换的预定义集合中的两个变换中的一个，或者使用一比特或两比特标志的集合来表示三个变换的预定义集合中的三个变换中的一个，MT方案包括所述两个变换的预定义集合中的两个变换中的一个或者所述三个变换的预定义集合中的三个变换中的一个。
18.根据权利要求16所述的设备，其中，处理器被配置为使用从当前块的大小、当前块的类型、当前块的预测模式或当前块的一个或多个相邻块的数据中的一个或多个确定的上下文信息来解码截短的一元码字。
19.根据权利要求16所述的设备，其中，MT方案包括多个变换的集合中的变换的集合，所述变换的集合中的每个包括相应的多个变换，并且其中，为了应用MT方案，处理器被配置为执行所述变换的集合中的多个变换中的每一个。
20.根据权利要求16所述的设备，其中，MT方案包括水平变换和垂直变换，垂直变换不同于水平变换。
21.根据权利要求16所述的设备，其中，为了解码当前块，处理器被配置为：
解码表示当前块的预测模式的数据；
使用所述预测模式生成用于当前块的预测块；和
将所述预测块与所述残差数据组合以再现当前块。
22.根据权利要求16所述的设备，还包括显示器，所述显示器被配置为显示解码的视频数据。
23.根据权利要求16所述的设备，其中，所述设备包括相机、计算机、移动设备、广播接收器设备或机顶盒中的一个或多个。
24.根据权利要求16所述的设备，其中，所述设备包括以下至少一个：
集成电路；
微处理器；或者
无线通信设备。
25.一种其上存储有指令的计算机可读存储介质，所述指令在被执行时使得处理器：
解码表示用于视频数据的当前块的多重变换(MT)方案的截短的一元码字，以确定MT方案；
将MT方案应用于当前块的变换系数，以产生用于视频数据的当前块的残差数据；以及
使用残差数据解码当前块。
26.根据权利要求25所述的计算机可读存储介质，其中，使处理器解码截短的一元码字的指令包括使处理器根据信令方法解码截短的一元码字的指令，其中，信令方法包括以下中的一个：使用一比特标志来表示两个变换的预定义集合中的两个变换中的一个，或者使用一比特或两比特标志的集合来表示三个变换的预定义集合中的三个变换中的一个，MT方案包括所述两个变换的预定义集合中的两个变换中的一个或者所述三个变换的预定义集合中的三个变换中的一个。
27.根据权利要求25所述的计算机可读存储介质，其中，使处理器解码截短的一元码字的指令包括使处理器使用从当前块的大小、当前块的类型、当前块的预测模式或当前块的一个或多个相邻块的数据中的一个或多个确定的上下文信息来解码截短的一元码字的指令。
28.根据权利要求25所述的计算机可读存储介质，其中，MT方案包括所述多个变换的集合中的变换的集合，所述变换的集合中的每个包括相应的多个变换，并且其中，使处理器应用MT方案的指令包括使处理器执行所述变换的集合中的多个变换中的每一个。
29.根据权利要求25所述的计算机可读存储介质，其中，MT方案包括水平变换和垂直变换，垂直变换不同于水平变换。
30.根据权利要求25所述的计算机可读存储介质，其中，使处理器解码当前块的指令包括使处理器：
解码表示用于当前块的预测模式的数据；
使用所述预测模式生成用于当前块的预测块；和
将所述预测块与所述残差数据组合以再现当前块。
31.一种用于解码视频数据的设备，所述设备包括：
用于解码表示用于视频数据的当前块的多重变换(MT)方案的截短的一元码字以确定MT方案的部件；
用于将MT方案应用于当前块的变换系数以产生用于视频数据的当前块的残差数据的部件；以及
用于使用残差数据解码当前块的部件。
32.一种编码视频数据的方法，所述方法包括：
将多重变换(MT)方案应用于用于视频数据的当前块的残差数据，以生成变换系数的块；
编码表示用于当前块的MT方案的截短的一元码字；以及
使用所述变换系数的块编码当前块。
33.根据权利要求32所述的方法，其中，编码截短的一元码字包括根据信令方法编码截短的一元码字，其中，信令方法包括以下中的一个：使用一比特标志来表示两个变换的预定义集合中的两个变换中的一个，或者使用一比特或两比特标志的集合来表示三个变换的预定义集合中的三个变换中的一个，MT方案包括所述两个变换的预定义集合中的两个变换中的一个或者所述三个变换的预定义集合中的三个变换中的一个。
34.根据权利要求32所述的方法，其中，编码截短的一元码字包括使用从当前块的大小、当前块的类型、当前块的预测模式或当前块的一个或多个相邻块的数据中的一个或多个确定的上下文信息来熵编码截短的一元码字。
35.根据权利要求32所述的方法，其中，MT方案包括所述多个变换的集合中的变换的集合，所述变换的集合中的每个包括相应的多个变换，并且其中，应用MT方案包括执行所述变换的集合中的多个变换中的每一个。
36.根据权利要求32所述的方法，其中，MT方案包括水平变换和垂直变换，垂直变换不同于水平变换。
37.根据权利要求32所述的方法，还包括：
根据预测方法生成预测块；以及
计算作为当前块和预测块之间的差的残差数据，
其中，编码当前块包括：
编码表示预测方法的数据；和
编码表示变换系数的数据。
38.一种用于编码视频数据的设备，所述设备包括：
存储器，被配置为存储视频数据；以及
以电路实现的处理器，其被配置为：
将多重变换(MT)方案应用于用于视频数据的当前块的残差数据，以生成变换系数的块；
编码表示用于当前块的MT方案的截短的一元码字；以及
使用所述变换系数的块编码当前块。
39.根据权利要求38所述的设备，其中，处理器被配置为使用从当前块的大小、当前块的类型、当前块的预测模式或当前块的一个或多个相邻块的数据中的一个或多个确定的上下文信息来熵编码截短的一元码字。
40.根据权利要求38所述的设备，其中，MT方案包括所述多个变换的集合中的变换的集合，所述变换的集合中的每个包括相应的多个变换，并且其中，为了应用MT方案，处理器被配置为执行所述变换的集合中的多个变换中的每一个。
41.根据权利要求38所述的设备，其中，MT方案包括水平变换和垂直变换，垂直变换不同于水平变换。
42.根据权利要求38所述的设备，其中，所述处理器还被配置为：
根据预测方法生成预测块；和
计算作为当前块和预测块之间的差的残差数据，
其中，为了编码当前块，处理器被配置为：
编码表示预测方法的数据；和
编码表示变换系数的数据。
43.根据权利要求38所述的设备，还包括相机，所述相机被配置为捕获视频数据。
44.根据权利要求38所述的设备，其中，所述设备包括相机、计算机、移动设备、广播接收器设备或机顶盒中的一个或多个。
45.根据权利要求38所述的设备，其中，所述设备包括以下至少一个：
集成电路；
微处理器；或者
无线通信设备。
CN201980036185.2A 2018-06-01 2019-05-31 用于视频编解码的编解码自适应多重变换信息 Active CN112204969B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201862679570P 2018-06-01 2018-06-01
US62/679,570 2018-06-01
US16/426,749 2019-05-30
US16/426,749 US10986340B2 (en) 2018-06-01 2019-05-30 Coding adaptive multiple transform information for video coding
PCT/US2019/034918 WO2019232382A1 (en) 2018-06-01 2019-05-31 Coding adaptive multiple transform information for video coding

Publications (2)

Publication Number Publication Date
CN112204969A true CN112204969A (zh) 2021-01-08
CN112204969B CN112204969B (zh) 2022-11-11

Family

ID=68693402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980036185.2A Active CN112204969B (zh) 2018-06-01 2019-05-31 用于视频编解码的编解码自适应多重变换信息

Country Status (5)

Country Link
US (1) US10986340B2 (zh)
EP (1) EP3804317A1 (zh)
CN (1) CN112204969B (zh)
TW (1) TWI815896B (zh)
WO (1) WO2019232382A1 (zh)

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019188466A1 (ja) * 2018-03-30 2019-10-03 ソニー株式会社 画像処理装置および方法
WO2019234600A1 (en) 2018-06-05 2019-12-12 Beijing Bytedance Network Technology Co., Ltd. Interaction between pairwise average merging candidates and intra-block copy (ibc)
WO2019244117A1 (en) 2018-06-21 2019-12-26 Beijing Bytedance Network Technology Co., Ltd. Unified constrains for the merge affine mode and the non-merge affine mode
CN113115046A (zh) 2018-06-21 2021-07-13 北京字节跳动网络技术有限公司 分量相关的子块分割
AU2018204786A1 (en) * 2018-06-29 2020-01-16 Canon Kabushiki Kaisha Method, apparatus and system for encoding and decoding a transformed block of video samples
WO2020046091A1 (ko) * 2018-09-02 2020-03-05 엘지전자 주식회사 다중 변환 선택에 기반한 영상 코딩 방법 및 그 장치
TWI818086B (zh) 2018-09-24 2023-10-11 大陸商北京字節跳動網絡技術有限公司 擴展Merge預測
CN112970262B (zh) 2018-11-10 2024-02-20 北京字节跳动网络技术有限公司 三角预测模式中的取整
KR102622950B1 (ko) 2018-11-12 2024-01-10 삼성전자주식회사 디스플레이장치, 그 제어방법 및 기록매체
US11323748B2 (en) 2018-12-19 2022-05-03 Qualcomm Incorporated Tree-based transform unit (TU) partition for video coding
WO2020141892A1 (ko) * 2019-01-01 2020-07-09 엘지전자 주식회사 이차 변환에 기반한 영상 코딩 방법 및 그 장치
CA3126304A1 (en) * 2019-01-11 2020-07-16 Huawei Technologies Co., Ltd. Encoder, decoder and corresponding methods using dct2 enabled high level flag
US11595663B2 (en) 2019-02-01 2023-02-28 Qualcomm Incorporated Secondary transform designs for partitioned transform units in video coding
US11539952B2 (en) 2019-03-12 2022-12-27 Qualcomm Incorporated Implicit transform selection in video coding
US11240534B2 (en) * 2019-04-05 2022-02-01 Qualcomm Incorporated Extended multiple transform selection for video coding
US11032572B2 (en) 2019-05-17 2021-06-08 Qualcomm Incorporated Low-frequency non-separable transform signaling based on zero-out patterns for video coding
US11134275B2 (en) * 2019-06-04 2021-09-28 Tencent America LLC Method and apparatus for performing primary transform based on filtering of blocks
US11695960B2 (en) 2019-06-14 2023-07-04 Qualcomm Incorporated Transform and last significant coefficient position signaling for low-frequency non-separable transform in video coding
US11949870B2 (en) 2019-06-21 2024-04-02 Qualcomm Incorporated Context modeling for low-frequency non-separable transformation signaling for video coding
US11677984B2 (en) 2019-08-20 2023-06-13 Qualcomm Incorporated Low-frequency non-separable transform (LFNST) signaling
US11184617B2 (en) 2019-09-19 2021-11-23 Qualcomm Incorporated Transform unit design for video coding
US11153576B2 (en) 2019-09-20 2021-10-19 Qualcomm Incorporated Scaling matrices and signaling for video coding
WO2021052495A1 (en) * 2019-09-20 2021-03-25 Beijing Bytedance Network Technology Co., Ltd. Adaptive resolution change and scalable coding for screen contents
US11206400B2 (en) 2019-09-26 2021-12-21 Qualcomm Incorporated Low-frequency non-separable transform (LFNST) simplifications
US11432014B2 (en) 2019-10-25 2022-08-30 Qualcomm Incorporated Parametric graph-based separable transforms for video coding
US11470353B2 (en) 2019-12-20 2022-10-11 Qualcomm Incorporated Low-frequency non-separable transform (LFNST) with reduced zero-out in video coding
US11457229B2 (en) 2019-12-23 2022-09-27 Qualcomm Incorporated LFNST signaling for chroma based on chroma transform skip
US11582491B2 (en) 2020-03-27 2023-02-14 Qualcomm Incorporated Low-frequency non-separable transform processing in video coding
US11871010B2 (en) 2020-10-02 2024-01-09 Qualcomm Incorporated Extended low-frequency non-separable transform (LFNST) designs with worst-case complexity handling
US11924471B2 (en) 2020-11-12 2024-03-05 Qualcomm Incorporated Context-based transform index signaling in video coding
WO2023131299A1 (en) * 2022-01-07 2023-07-13 Mediatek Inc. Signaling for transform coding

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1841235A1 (en) * 2006-03-31 2007-10-03 Matsushita Electric Industrial Co., Ltd. Video compression by adaptive 2D transformation in spatial and temporal direction
CN107211144A (zh) * 2015-01-26 2017-09-26 高通股份有限公司 用于预测残差的增强型多重变换
US20180063553A1 (en) * 2016-08-15 2018-03-01 Qualcomm Incorporated Intra video coding using a decoupled tree structure
CN107820079A (zh) * 2011-10-18 2018-03-20 株式会社Kt 视频信号解码方法
US20180103252A1 (en) * 2016-10-12 2018-04-12 Qualcomm Incorporated Primary transform and secondary transform in video coding

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AP2016009618A0 (en) * 2011-06-16 2016-12-31 Ge Video Compression Llc Entropy coding of motion vector differences
US9516316B2 (en) * 2011-06-29 2016-12-06 Qualcomm Incorporated VLC coefficient coding for large chroma block
US9319684B2 (en) 2012-08-21 2016-04-19 Qualcomm Incorporated Alternative transform in scalable video coding
US9445132B2 (en) * 2013-09-09 2016-09-13 Qualcomm Incorporated Two level last significant coefficient (LSC) position coding
EP3335422B1 (en) * 2015-12-23 2021-12-01 Huawei Technologies Co., Ltd. Method and apparatus for transform coding with block-level transform selection and implicit signaling within hierarchical partitioning
US10972733B2 (en) 2016-07-15 2021-04-06 Qualcomm Incorporated Look-up table for enhanced multiple transform
WO2018054506A1 (en) * 2016-09-23 2018-03-29 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Transform block coding
US10880564B2 (en) 2016-10-01 2020-12-29 Qualcomm Incorporated Transform selection for video coding
US20180288439A1 (en) 2017-03-31 2018-10-04 Mediatek Inc. Multiple Transform Prediction
US10523966B2 (en) 2017-03-31 2019-12-31 Mediatek Inc. Coding transform blocks
WO2019076138A1 (en) 2017-10-16 2019-04-25 Huawei Technologies Co., Ltd. METHOD AND APPARATUS FOR ENCODING
US11259052B2 (en) * 2018-07-16 2022-02-22 Qualcomm Incorporated Transform variations of multiple separable transform selection

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1841235A1 (en) * 2006-03-31 2007-10-03 Matsushita Electric Industrial Co., Ltd. Video compression by adaptive 2D transformation in spatial and temporal direction
CN107820079A (zh) * 2011-10-18 2018-03-20 株式会社Kt 视频信号解码方法
CN107211144A (zh) * 2015-01-26 2017-09-26 高通股份有限公司 用于预测残差的增强型多重变换
US20180063553A1 (en) * 2016-08-15 2018-03-01 Qualcomm Incorporated Intra video coding using a decoupled tree structure
US20180103252A1 (en) * 2016-10-12 2018-04-12 Qualcomm Incorporated Primary transform and secondary transform in video coding

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JIANLE CHEN: "Algorithm Description of Joint Exploration Test Model 7 (JEM 7)", 《JOINT VIDEO EXPLORATION TEAM (JVET)》 *

Also Published As

Publication number Publication date
EP3804317A1 (en) 2021-04-14
TW202005385A (zh) 2020-01-16
TWI815896B (zh) 2023-09-21
CN112204969B (zh) 2022-11-11
WO2019232382A1 (en) 2019-12-05
US10986340B2 (en) 2021-04-20
US20190373261A1 (en) 2019-12-05

Similar Documents

Publication Publication Date Title
CN112204969B (zh) 用于视频编解码的编解码自适应多重变换信息
WO2020236509A1 (en) Low-frequency non-separable transform signaling based on zero-out patterns for video coding
CN113940069A (zh) 用于视频译码中的低频不可分离变换的变换和最后有效系数位置信令
CN112425164B (zh) 多个可分离变换选择的变换变体
CN113853784A (zh) 用于视频译码的多个自适应环路滤波器集合
WO2020186042A1 (en) Implicit transform selection in video coding
EP4052466A1 (en) Merge estimation region for multi-type-tree block structure
WO2021034761A1 (en) Low-frequency non-separable transform (lfnst) signaling
CN112673636B (zh) 将运动向量取整以自适应运动向量差分辨率及提高视频译码中的运动向量存储精度
CN116349226A (zh) 用于视频编解码期间进行滤波的多神经网络模型
CN113383546A (zh) 用于视频译码中的经分割的变换单元的二次变换设计
JP7455840B2 (ja) ビデオコーディングのためのツリーベース変換ユニット（ｔｕ）区分
CN114424570B (zh) 用于视频编解码的变换单元设计
CN116508321A (zh) 视频译码期间基于联合分量神经网络的滤波
CN116235498A (zh) 去块滤波器参数信令
TW202131680A (zh) 用於視訊譯碼中的最後位置譯碼座標的上下文推導和熵譯碼初始化參數
WO2021081302A1 (en) Parametric graph-based separable transforms for video coding
CN116250233A (zh) 具有最坏情况复杂度处理的扩展低频不可分离变换(lfnst)设计
CN116601952A (zh) 视频译码的多假设预测

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
GR01 Patent grant
GR01 Patent grant