CN112655205B - 视频编解码的方法和装置 - Google Patents

视频编解码的方法和装置 Download PDF

Info

Publication number
CN112655205B
CN112655205B CN201980058153.2A CN201980058153A CN112655205B CN 112655205 B CN112655205 B CN 112655205B CN 201980058153 A CN201980058153 A CN 201980058153A CN 112655205 B CN112655205 B CN 112655205B
Authority
CN
China
Prior art keywords
motion vector
control points
picture
current block
constraint
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201980058153.2A
Other languages
English (en)
Other versions
CN112655205A (zh
Inventor
李贵春
李翔
许晓中
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 CN112655205A publication Critical patent/CN112655205A/zh
Application granted granted Critical
Publication of CN112655205B publication Critical patent/CN112655205B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04N19/513—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
    • H04N19/527—Global motion vector 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
    • H04N19/102—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
    • H04N19/109—Selection of coding mode or of prediction mode among a plurality of temporal predictive coding modes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—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
    • H04N19/44—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
    • H04N19/60—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

Landscapes

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

Abstract

本公开实施例提供一种视频编解码的方法和装置。在视频编解码的方法中，从已编码视频比特流中解码当前图片中的当前块的预测信息，所述预测信息指示仿射模型，所述当前块包括两个或多于两个控制点；基于各个控制点的相应运动矢量预测值，确定所述两个或多于两个控制点中每个控制点的运动矢量，所述各个控制点的相应运动矢量预测值是候选列表中的多个候选运动矢量预测值中的第一预测值，并且满足与所述相应运动矢量预测值的运动矢量相关联的约束；基于所述确定的所述两个或多于两个控制点的运动矢量，确定所述仿射模型的参数；以及根据所述仿射模型重建所述块的至少一个样本。

Description

视频编解码的方法和装置
通过引用并入本文
本申请要求于2019年6月21日提交的、申请号为16/449,227、名称为“仿射模型运动矢量的约束”的美国专利申请的优先权，该美国专利申请要求于2018年11月14日提交的、申请号为62/767,275、名称为“仿射运动模型运动矢量的约束”的美国临时申请的优先权。在先申请的全部公开内容通过引用整体并入本文。
技术领域
本公开涉及视频编解码技术。具体地，涉及视频编解码的方法和装置、以及计算机可读介质。
背景技术
可以使用具有运动补偿的帧间图片预测技术来执行视频编码和解码。未压缩的数字视频可以包括一系列图片，每个图片具有例如1920×1080亮度样本及相关色度样本的空间维度。所述系列图片可以具有固定的或可变的图片速率(也非正式地称为帧率)，例如每秒60张图片或60Hz。未压缩的视频具有很高的比特率要求。例如，每个样本8比特的1080p604:2:0视频(60Hz帧率下1920x1080亮度样本分辨率)要求接近1.5Gbit/s带宽。一小时这样的视频就需要超过600GB的存储空间。
视频编码和解码的一个目的是通过压缩减少输入视频信号的冗余。压缩可以帮助降低对上述带宽或存储空间的要求，在某些情况下可降低两个或更多数量级。无损压缩和有损压缩，以及两者的组合均可采用。无损压缩是指从压缩的原始信号中重建原始信号精确副本的技术。当使用有损压缩时，重建信号可能与原始信号不完全相同，但是原始信号和重建信号之间的失真足够小，使得重建信号可用于预期应用。有损压缩广泛应用于视频。容许的失真量取决于应用。例如，相比于电视应用的用户，某些消费流媒体应用的用户可以容忍更高的失真。可实现的压缩比反映出：较高的允许/容许失真可产生较高的压缩比。
运动补偿可以是一种有损压缩技术，且可涉及如下技术：来自先前重建的图片或重建图片一部分(参考图片)的样本数据块在空间上按运动矢量(下文称为MV)指示的方向移位后，用于新重建的图片或图片部分的预测。在某些情况下，参考图片可与当前正在重建的图片相同。MV可具有两个维度X和Y，或者三个维度，其中第三个维度表示正在使用的参考图片(后者间接地可以是时间维度)。
在一些视频压缩技术中，应用于样本数据的某个区域的MV可根据其它MV来预测，例如根据与正在重建的区域空间相邻的样本数据的另一个区域相关的、且按解码顺序在该MV前面的那些MV。这样做可以大大减少编解码MV所需的数据量，从而消除冗余并增加压缩量。MV预测可以有效地进行，例如，因为在对从相机导出的输入视频信号(称为自然视频)进行编解码时，存在一种统计上的可能性，即面积大于单个MV适用区域的区域，会朝着类似的方向移动，因此，在某些情况下，可以使用从相邻区域的MV导出的相似运动矢量进行预测。这导致针对给定区域发现的MV与根据周围MV预测的MV相似或相同，并且在熵编解码之后，又可以用比直接编解码MV时使用的比特数更少的比特数来表示。在某些情况下，MV预测可以是对从原始信号(即样本流)导出的信号(即MV)进行无损压缩的示例。在其它情况下，例如由于根据几个周围MV计算预测值时产生的取整误差，MV预测本身可能是有损的。
H.265/HEVC(ITU-T H.265建议书，“高效视频编解码”，2016年12月)描述了各种MV预测机制。在H.265提供的多种MV预测机制中，本公开描述的是下文称为“空间合并”的技术。
参照图1，当前块(101)包括编码器在运动搜索过程中发现的样本，所述样本可以根据已在空间上移位的相同大小的先前块进行预测。不直接对MV进行编解码，而是使用与五个周围样本中的任何一个相关联的MV，从与一个或多个参考图片相关联的元数据中导出该MV，例如，从最近的(按解码顺序)参考图片中导出该MV。其中，五个周围样本分别用A0、A1和B0、B1、B2(分别为102到106)表示。在H.265中，MV预测可使用相邻块正在使用的同一参考图片的预测值。
发明内容
本公开的方面提供了视频编码/解码的方法和装置。在一些实施例中，一种视频解码的装置包括接收电路和处理电路。
根据本公开的一方面，提供了一种用于在解码器中进行视频编解码的方法。在所公开的方法中，从已编码视频比特流中解码当前图片中的当前块的预测信息，所述预测信息指示仿射模型，所述当前块包括两个或多于两个控制点。随后，基于各个控制点的相应运动矢量预测值，确定所述两个或多于两个控制点中每个控制点的运动矢量，所述各个控制点的相应运动矢量预测值是候选列表中的多个候选运动矢量预测值中的第一预测值，并且满足与所述相应运动矢量预测值的运动矢量相关联的约束。此外，基于所述确定的所述两个或多于两个控制点的运动矢量，确定所述仿射模型的参数，所述仿射模型的参数用于在所述块与重建的参考图片中的参考块之间进行变换。随后，根据所述仿射模型重建所述块的至少一个样本。
所公开的方法还包括应用所述已编码视频比特流中接收的所述约束，所述已编码视频比特流是序列参数集、图片参数集和切片头中的至少一个。该方法还包括应用为确定所述两个或多于两个控制点中的每个控制点的运动矢量而预定义的所述约束。
在一些实施例中，去除所述候选列表中的所述多个候选运动矢量预测值中的第二预测值，所述第二预测值超出所述约束。在一些实施例中，用所述候选列表中的新预测值替换超出所述约束的所述第二预测值。在一些实施例中，裁剪所述第二预测值的运动矢量，使得所述第二预测值满足所述约束。
在一些实施例中，所述约束指示第一限制，所述第一限制应用于所述块的所述两个或多于两个控制点中的一个控制点的运动矢量与所述块的所述两个或多于两个控制点中的所述一个控制点的运动矢量预测之间的运动矢量差的水平分量，所述运动矢量预测是基于所述两个或多于两个控制点中的所述一个控制点的相应运动矢量预测值确定的。所述约束还可以指示第二限制，所述第二限制应用于所述块的所述两个或多于两个控制点中的所述一个控制点的运动矢量与所述块的所述两个或多于两个控制点中的所述一个控制点的运动矢量预测之间的运动矢量差的垂直分量，所述运动矢量预测是基于所述两个或多于两个控制点中的所述一个控制点的相应运动矢量预测值确定的。
在一些实施例中，所述约束指示第三限制，所述第三限制应用于与所述两个或多于两个控制点中的所述一个控制点的相应运动矢量预测值的控制点相关联的运动矢量的水平分量。所述约束还可以指示第四限制，所述第四限制应用于与所述两个或多于两个控制点中的所述一个控制点的相应运动矢量预测值的控制点相关联的运动矢量的垂直分量。
在一些实施例中，所述约束指示第五限制，所述第五限制来自与所述两个或多于两个控制点中的所述一个控制点的相应运动矢量预测值的控制点相关联的运动矢量所指向的第一亮度样本位置的宽度图片边界，所述第五限制由超出所述当前图片的所述宽度图片边界的第一数量的亮度样本定义。
在一些实施例中，所述约束指示第五限制，所述第五限制与第一亮度样本位置相关联。所述第一亮度样本位置是由与所述两个或多于两个控制点中的所述一个控制点的相应运动矢量预测值的控制点相关联的运动矢量所指向的。所述第五限制由超出所述当前图片的宽度图片边界的第一数量的亮度样本定义。所述约束还可以指示第六限制，所述第六限制与第二亮度样本位置相关联。所述第二亮度样本位置是由与所述两个或多于两个控制点中的所述一个控制点的相应运动矢量预测值的控制点相关联的运动矢量所指向的。所述第六限制由超出所述当前图片的高度图片边界的第二数量的亮度样本定义。
在一些实施例中，所述第五限制是所述当前图片的高度的第一百分比，并且所述第六限制是所述当前图片的宽度的第二百分比。在一些实施例中，所述第五限制不同于所述第六限制。
在所公开的方法中，第一比率为R1＝(|MV1x–MV0x|/W,|MV1y–MV0y|/W)，并且第二比率为R2＝(|MV2x–MV0x|/H,|MV2y–MV0y|/H)。MV0x是所述块的所述两个或多于两个控制点的第一控制点的运动矢量的水平分量，MV1x是所述块的所述两个或多于两个控制点的第二控制点的运动矢量的水平分量，MV2x是所述块的所述两个或多于两个控制点的第三控制点的运动矢量的水平分量，MV0y是所述块的所述两个或多于两个控制点的所述第一控制点的运动矢量的垂直分量，MV1y是所述块的所述两个或多于两个控制点的所述第二控制点的运动矢量的垂直分量，MV2y是所述块的所述两个或多于两个控制点的所述第三控制点的运动矢量的垂直分量。
此外，|MV1x–MV0x|/W是所述第一比率R1的水平分量，|MV1y–MV0y|/W是所述第一比率R1的垂直分量，|MV2x–MV0x|/H是所述第二比率R2的水平分量，|MV2y–MV0y|/H是所述第二比率R2的垂直分量。因此，所述约束指示应用于所述第一比率R1的水平分量和垂直分量的最大值的第一阈值。所述约束还可以指示应用于所述第二比率R2的水平分量和垂直分量的最大值的第二阈值。所述约束可以指示应用于所述第一比率R1的水平分量和垂直分量的最小值的第三阈值。所述约束还可以指示和应用于所述第二比率R2的水平分量和垂直分量的最小值的第四阈值。
在一些实施例中，所述第一阈值不同于所述第二阈值，并且所述第三阈值不同于所述第四阈值。
根据本公开的另一方面，提供了一种装置。所述装置包括处理电路。所述处理电路被配置为执行所述公开的视频编解码的方法。
本公开的方面还提供了一种非易失性计算机可读介质，用于存储指令，当所述指令由用于视频解码的计算机执行时，使得所述计算机执行所述视频解码的方法。
附图说明
根据以下详细描述和附图，所公开的主题的其他特征、性质和各种优点将进一步明确，其中：
图1是一个示例中的当前块及其周围的空间合并候选的示意图。
图2是根据实施例的通信系统的简化框图的示意图。
图3是根据实施例的通信系统的简化框图的示意图。
图4是根据实施例的解码器的简化框图的示意图。
图5是根据实施例的编码器的简化框图的示意图。
图6示出了根据另一实施例的编码器的框图。
图7示出了根据另一实施例的解码器的框图。
图8示出了空间和时间候选的示例。
图9示出了仿射编码块的示例。
图10示出了6参数和4参数仿射模型的示例。
图11示出了根据实施例的基于模式的继承仿射预测。
图12A示出了基于控制点创建的仿射预测的第一示例。
图12B示出了基于控制点创建的仿射预测的第二示例。
图13示出了根据实施例的4参数仿射运动模型的示意图。
图14示出了根据实施例的6参数仿射运动模型的示意图。
图15示出了根据实施例的对仿射预测值的控制点运动矢量(CPMV)的基于第一样本的图片外(out-of-picture)约束。
图16示出了根据实施例的对仿射预测值的CPMV的基于第二样本的图片外约束。
图17示出了根据实施例的对仿射预测值的CPMV的基于第一百分比的图片外约束。
图18示出了根据实施例的对仿射预测值的CPMV的基于第二百分比的图片外约束。
图19示出了根据本公开一些实施例的概述一过程示例的流程图。
图20是根据实施例的计算机系统的示意图。
具体实施方式
图2示出了根据本公开实施例的通信系统(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)互连的第一对终端装置(210)和(220)。在图2的实施例中，第一对终端装置(210)和(220)执行单向数据传输。举例来说，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)传输到另一终端装置(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。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二对终端装置(230)和(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，在一个示例中，终端装置(230)和(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)传输到终端装置(230)和(240)中的另一终端装置。终端装置(230)和(240)中的每个终端装置还可接收由终端装置(230)和(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，终端装置(210)、(220)、(230)和(240)可为服务器、个人计算机和智能电话，但本公开的原理可不限于此。本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)表示在终端装置(210)、(220)、(230)和(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。出于本公开的目的，除非在下文中有所解释，否则网络(250)的架构和拓扑对于本公开的操作来说可能是无关紧要的。
作为所公开的主题的实施例，图3示出了视频编码器和视频解码器在流式传输环境中的放置方式。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-T H.265。在实施例中，正在开发的视频编解码标准非正式地称为通用视频编解码(Versatile Video Coding，VVC)，所公开的主题可用于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示出了根据本公开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示出了根据本公开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(因为在公开的主题中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，所公开的主题侧重于解码器操作。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进行编码，所述参考图片可被选作所述输入图片的预测参考。
本地视频解码器(533)可基于源编码器(530)创建的符号，对可指定为参考图片的已编码视频数据进行解码。编码引擎(532)的操作可为有损过程。当已编码视频数据可在视频解码器(图5中未示)处被解码时，重建的视频序列通常可以是带有一些误差的源视频序列的副本。本地视频解码器(533)复制解码过程，所述解码过程可由视频解码器对参考图片执行，且可使重建的参考图片存储在参考图片高速缓存(534)中。以此方式，视频编码器(503)可在本地存储重建的参考图片的副本，所述副本与将由远端视频解码器获得的重建参考图片具有共同内容(不存在传输误差)。
预测器(535)可针对编码引擎(532)执行预测搜索。即，对于将要编码的新图片，预测器(535)可在参考图片存储器(534)中搜索可作为所述新图片的适当预测参考的样本数据(作为候选参考像素块)或某些元数据，例如参考图片运动矢量、块形状等。预测器(535)可基于样本块逐像素块操作，以找到合适的预测参考。在一些情况下，根据预测器(535)获得的搜索结果，可确定输入图片可具有从参考图片存储器(534)中存储的多个参考图片取得的预测参考。
控制器(550)可管理源编码器(530)的编码操作，包括例如设置用于对视频数据进行编码的参数和子群参数。
可在熵编码器(545)中对所有上述功能单元的输出进行熵编码。熵编码器(545)根据诸如霍夫曼编码、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、补充增强信息(SEI)消息、视觉可用性信息(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(coding treeunit，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(predictionblock，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示出了根据本公开另一实施例的视频编码器(603)的示意图。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)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)用于将残差数据从空间域转换到频域，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示出了根据本公开另一实施例的视频解码器(710)的示意图。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)。
本公开的各方面涉及仿射合并和仿射运动矢量编解码。所公开的方法可用于高级视频编解码器(例如，AVC)，以改善仿射帧间预测的编解码性能。运动矢量可以指代块模式，其中一个完整块使用一组运动信息，例如HEVC标准中的合并候选。此外，运动矢量可以指代子块模式，其中不同组的运动信息可应用于块的不同部分，例如VVC标准中的仿射模式和高级时间MV预测(ATMVP)。
通常，可以以显式方式对块的运动矢量进行编码，以将差异用信号通知给运动矢量预测器(例如，高级运动矢量预测或AMVP模式)；或者以隐式方式对块的运动矢量进行编码，以便完全由一个先前编码或生成的运动矢量进行指示。后者被称为合并模式，意思是通过使用其运动信息将当前块合并到先前编码的块中。
在AMVP模式和合并模式中，在解码期间创建候选列表。图8示出了空间和时间候选的示例。对于帧间预测中的合并模式，可以通过检查来自当前块的空间和/或时间相邻块的运动信息来形成合并候选列表中的合并候选。在图8的示例中，顺序地检查空间候选块A1、B1、B0、A0和B2。当空间候选块中的一个或多个是有效候选(例如用运动矢量进行编码)时，则可以将该一个或多个有效候选块的运动信息添加到合并候选列表中。可以执行修剪操作以确保重复的候选不包括在合并候选列表中，例如不会被再次添加到列表中。候选块A1、B1、B0、A0和B2与当前块的角相邻，并且可以被称为角候选。
在检查了空间候选之后，可以检查时间候选以将其包括在列表中。在一些示例中，在指定参考图片中找到当前块的同位块(co-located block)。在同位块的C0位置(例如，当前块的右下角)处的运动信息在可用时可用作时间合并候选。如果在该位置处的块未以帧间模式进行编码或不可用，则可以使用C1位置(与同位块的中心相邻的右下角)代替。本公开提供进一步改善合并模式的技术。
在高级运动矢量预测(AMVP)模式中，空间和时间相邻块的运动信息可用来预测当前块的运动信息。预测残差被进一步编码。图8中示出了空间和时间相邻候选的示例。
在一些实施例中，在AMVP模式中形成了两候选(two-candidate)运动矢量预测值列表。例如，该两候选运动矢量预测值列表包括第一候选预测值和第二候选预测值。第一候选预测值是来自左边缘的可用运动矢量，例如按照空间A0、A1位置顺序的第一可用运动矢量。第二候选预测值是来自上边缘的可用运动矢量，例如按照空间B0、B1和B2位置顺序的第一可用运动矢量。如果从已检查的位置(例如，对于左边缘或上边缘)不能找到有效的运动矢量，则没有候选预测值会被添加到列表中。如果两个候选预测值可用并且相同，则列表中将只保留一个。如果列表未满(具有两个不同的候选)，则来自C0位置处的时间同位运动矢量(在缩放之后)可被用作另一个候选。如果在C0位置处的运动信息不可用，则可使用C1位置代替。
在一些示例中，如果仍然没有足够的运动矢量预测值候选，则将使用零运动矢量来填充列表。
根据本公开的一方面，通过描述用于编码块的6参数(或简化的4参数)仿射模型，仿射运动补偿可以有效地预测当前块内的样本的运动信息。更具体地，在仿射编码或描述的编码块中，样本的不同部分可以具有不同的运动矢量。在仿射编码或描述的块中具有运动矢量的基本单元可以被称为子块。子块的大小可小至仅1个样本，也可以与当前块的大小一样大。
在仿射模式中，可以使用诸如6参数仿射运动模型或4参数仿射运动模型的模型为当前块中的每个样本导出运动矢量(相对于目标参考图片)。为了降低实现复杂度，可以基于子块而不是样本来执行仿射运动补偿。这意味着，将为每个子块导出运动矢量，该运动矢量对相应子块中的样本是相同的。可以假设每个子块的特定位置(例如子块的左上角或中心点)是代表性位置。在一个示例中，这样的子块大小包含4x4样本。
仿射运动模型可具有6个参数，以描述块的运动信息。仿射变换后，矩形块将变成平行四边形。在示例中，仿射编码块的6个参数可由该块的三个不同位置处的三个运动矢量表示。图8示出了可以使用块的三个角的示例。图8中角的位置可以称为控制点。
图9示出了仿射编码块(900)的示例。块(900)由三个角位置A、B和C处的运动矢量和表示，以描述用于块(900)的仿射运动模型的运动信息。如上所述，这些位置A、B和C可以称为控制点。
基于仿射变换之后块的形状不改变的假设，仿射运动模型可以使用4个参数来描述块的运动信息。因此，在变换之后，矩形块将保持矩形并且具有相同的纵横比(例如，高度/宽度)。这种块的仿射运动模型可以由两个不同位置(例如，角位置A和B)处的两个运动矢量表示。
图10示出了用于6参数仿射模式(使用6参数仿射模型)和4参数仿射模式(使用4参数仿射模型)的仿射变换的示例。当假设对象仅具有缩放和平移运动，或者对象仅具有旋转和平移运动时，则仿射运动模型可被进一步简化为3参数仿射运动模型，其具有指示平移部分的2个参数和指示用于缩放的缩放因子或用于旋转的角度因子的1个参数。
根据本公开的一方面，当使用仿射运动补偿时，可以使用两种信令技术。这两种信令技术可以称为基于合并模式的信令技术和基于残差(AMVP)模式的信令技术。
在合并模式中，根据先前的仿射编码块预测当前块的仿射信息。在一种方法中，假定当前块与参考块在同一仿射对象中，从而可以从参考块的模型导出当前块的控制点处的MV。当前块的其它位置处的MV可以按照与参考块中从一个控制点到另一个控制点相同的方式线性修改。该方法可以称为基于模型的仿射预测。图11示出了基于模型的仿射预测或基于模型的继承仿射预测的示例。
在另一种方法中，相邻块的运动矢量可直接用作当前块的控制点处的运动矢量。然后，可以使用来自控制点的信息生成块的其余部分的运动矢量。该方法可以称为基于控制点构造的仿射预测。在任一种方法中，当前块上的MV的残差分量都不用信号通知。换言之，MV的残差分量被假定为零。图12A和12B示出了基于控制点的仿射预测的示例。
对于基于残差(AMVP)模式的信令技术，将预测仿射参数或当前块的控制点处的MV。因为要预测的运动矢量不止一个，所以控制点(例如，所有控制点)处的运动矢量的候选列表以分组方式组织，使得列表中的每个候选都包括一组控制点的运动矢量预测值。例如，候选1＝{控制点A的预测值，控制点B的预测值，控制点C的预测值}；候选2＝{控制点A的预测值，控制点B的预测值，控制点C的预测值}等。不同候选中同一控制点的预测值可以相同也可以不同。运动矢量预测值标志(列表0的mvp_l0_flag或列表1的mvp_l1_flag)可用于指示从列表中选择了哪个候选。在预测之后，用信号通知参数的残差部分、或实际MV与控制点处的MV预测值的差。也可以使用上面描述的用于基于合并模式的信令技术的方法，将每个控制点处的MV预测值从其邻居之一的基于模型的仿射预测中导出。
该方法可以基于具有2个控制点(例如CP0和CP1)的4参数仿射模型来说明，如图13所示。然而，图13仅是示例，且本公开中的方法可以扩展到其它运动模型或具有不同数量的参数的仿射模型。在一些实施例中，所使用的模型可以不总是仿射模型，而是其他类型的运动。
在示例中，描述了4参数仿射模型，例如等式(1)所示：
其中，ρ是用于缩放的缩放因子，θ是用于旋转的角度因子，(c，f)是描述平移运动的运动矢量。(x，y)是当前图片中的像素位置，(x’,y’)是参考图片中的对应像素位置。
设a＝ρcosθ，并设b＝ρsinθ，等式(1)可以变成如下等式(2)的形式：
因此，4参数仿射模型可以由一组基于模型的参数{ρ，θ，c，f}或{a，b，c，f}来表示。基于等式2，像素位置(x，y)处的运动矢量(MVx，MVy)可以如等式(3)所述：
其中，Vx是水平运动矢量值，Vy是垂直运动矢量值。
4参数仿射模型还可以由该块的两个控制点CP0和CP1的运动矢量来表示。类似地，可能需要三个控制点来表示6参数仿射模型。为了导出当前块中位置(x，y)处的运动矢量，可以使用如下等式(4)：
其中，(v0x,v0y)是如图13所示的左上角控制点CP0的运动矢量，(v1x,v1y)是如图13所示的右上角控制点CP1的运动矢量。(v0x,v0y)和(v1x,v1y)也可以称为控制点运动矢量(CMPW)，例如CPMV0(v0x,v0y)和CPMV1(v1x,v1y)。因此，在基于控制点的模型中，该块的仿射模型可以由{v0x，v0y，01x，v1y，}或{CPMV0,CMPV1}来表示。
类似地，可能需要三个控制点来表示6参数仿射模型，包括CP0、CP1和CP2，如图14所示。或者，6参数仿射模型可以由如下等式(5)来描述。
并且，该块中位置(x，y)处的运动矢量值可以由等式(6)来描述。
6参数仿射模型也可以用控制点运动矢量来表示，例如{CPMV0,CPMV1,CPMV2}。
在导出仿射合并/AMVP预测值的方法中，块的控制点运动矢量(CPMV)之间的差可能非常大，尤其当使用基于控制点构造的仿射预测来导出仿射合并/AMVP预测值时。在这种情况下，基于CPMV导出的仿射参数可能变得非常大，这可以解释为非常大的仿射变换，例如缩放或翘曲。当仿射参数达到某个范围时，对应的仿射变换在视频编解码中可能变得不切实际，并且导出的CPMV值可能超出了合理范围，例如指向远远超出图片边界的位置，或者在应用仿射AMVP模式时需要太多的比特来编码/解码运动矢量差。另外，大的CPMV以及仿射编码子块中的其它MV(从CPMV导出)可以用作后续编码块中的运动矢量预测值。过大或不切实际的MV预测值也可能引起问题。
在本公开中，开发了一些方法来约束仿射运动补偿中CPMV的范围，以避免生成无效或不切实际的预测值。例如，可以将一些约束(限制)添加到CPMV的范围。在实施例中，设置对运动矢量差(MVD)编解码的约束。在一个示例中，平移运动的MVD和仿射运动的MVD都受到约束。在另一示例中，仅平移运动的MVD和仿射运动的MVD中的一个受到约束。可以将MVD的范围约束为预定值(针对每个MVD分量)或一定数量的比特，例如31比特。可选地，MVD的范围可以在比特流中用信号通知，例如在序列参数集(SPS)、图片参数集(PPS)或切片头中。该约束可以是一致性约束，使得包含超出该约束的MVD的比特流被认为是无效比特流。或者，当该MVD超出该范围时，可以相应地将该MVD裁剪到该范围内。
可以在仿射运动补偿中为CPMV设置阈值，以限制运动矢量预测值的值范围。该阈值可以被设置为限制仿射预测值的仿射参数值。
在本公开中，所提出的方法可以单独使用或以任何顺序组合使用。本公开中的术语“块”可以解释为预测块、编码块或编码单元(即CU)。
当应用仿射AMVP模式时，可以对仿射CPMV和平移MV的运动矢量差编解码应用约束。此外，可以使用预定限制对每个控制点的运动矢量差(MVD)应用约束。
可以基于每个控制点的最优CPMV和对应CPMV的预测值(CPMVP)之间的差来获得运动矢量差。例如，对于控制点0，可以按照等式(7)计算运动矢量差：
MVD0＝CPMV0-CPMVP0 (7)
块中各个控制点的每个CPMV(其基于相应的仿射预测值导出)可以具有水平分量和垂直分量。因此，控制点0的运动矢量差的水平分量可以按照等式(8)计算：
MVDx0＝CPMVx0–CPMVPx0 (8)
控制点0的运动矢量差的垂直分量可以按照等式(9)计算：
MVDy0＝CPMVy0–CPMVPy0 (9)
控制点1和/或控制点2的MVD可以按照等式(7)-(9)中描述的类似过程来计算。
在一个实施例中，用于表示控制点的MVD的水平分量或垂直分量的比特数可以被限制为预定范围。在一个示例中，该限制可以被设置为N个比特，例如N＝15。因此，对于块的仿射运动预测值，如果表示任何控制点的MVD的水平分量或垂直分量所需的比特数超过预定限制(例如，15个比特)，则可以修剪该预测值或者该预测值不能用作仿射AMVP预测值。在另一示例中，对于处于某个MVD编解码精度(例如，1/4样本精度)下的块的任何控制点，当控制点的abs(MVDx)>＝215或控制点的abs(MVDy)>＝215时，相应的仿射预测值不能用作仿射AMVP模式中的仿射CPMV预测值。本文中的abs(x)表示x的绝对值。
应当注意，上述的预定限制可以是任意值，并不限于上述示例。此外，上述针对MVD约束所提出的方法也可以应用于平移(常规)MV。
当应用仿射合并模式或仿射AMVP模式时，可对仿射CMPV预测值(仿射预测值)的值范围应用约束，其中导出的仿射CPMV预测值的值可由预定限制来约束。
在一个实施例中，仿射预测值的任何CPMV的水平分量或垂直分量的值可以由预定限制来约束。在一个示例中，该限制可以被设置为N个比特，例如N＝16。当应用某个运动矢量存储精度(例如，1/16采样精度)时，如果仿射CPMV预测值的任何CPMV的水平分量或垂直分量的绝对值大于或等于216，则可以修剪该预测值或者该预测值不能用作仿射AMVP模式中的仿射CPMV预测值。运动矢量的预定限制可以是任意值，并不限于上述示例。
在一个实施例中，仿射预测值的任何CPMV所指向的亮度样本位置可以被限制在预定范围。可以将该限制设置为超出当前图片边界的每个边缘的预定数量的亮度样本。在一个示例中，如图15所示，可以将该限制设置为N个亮度样本，并且N可以是128。如果仿射CPMV预测值的任何CPMV指向超出当前图片的任何边缘的128个以上亮度样本，则可以修剪相应的仿射预测值，并且该仿射预测值不能被添加到预测值列表。例如，如图15所示，仿射预测值A的所有CPMV指向限制范围内的位置，因此仿射预测值A可以是有效预测值。然而，仿射预测值B的一个CPMV指向限制范围外的位置(例如，128个亮度样本)，因此仿射预测值B无效，并且不能被添加到预测值列表。
在一个实施例中，仿射预测值的任何CPMV所指向的亮度样本位置可以被限制在不同的预定范围(限制)。这些范围在垂直方向和水平方向上可以不同。图16中示出了一个示例，其中水平方向上的限制具有256个亮度样本的预定值，该预定值与具有128个亮度样本的垂直方向上的限制不同。应注意，图16仅是示例，并且用作垂直和/或水平方向上的约束的亮度样本的数量可以是任意预定值。
仿射预测值的任何CPMV所指向的亮度样本位置也可以被限制为当前图片边界的相应边缘之外的当前图片的宽度和/或高度的预定百分比。在一个示例中，可以对沿水平方向的当前图片宽度和沿垂直方向的当前图片高度应用相同的百分比。如图17所示，可以将该限制设置为水平方向上的图片宽度的25％、以及垂直方向上的图片高度的25％。图17仅仅是示例，并且用作垂直和/或水平方向上的约束的百分比的数量可以是任意预定值。
此外，可以对沿水平方向的当前图片宽度和沿垂直方向的当前图片高度应用不同的百分比。如图18所示，可以将该限制设置为水平方向上图片宽度的25％，垂直方向上图片高度的20％。在图18中，用作垂直和/或水平方向上的约束的百分比仅仅是示例，并且该百分比可以是任意预定值。
当对仿射预测值的仿射参数值应用约束时，可以从预测值列表中删除违反约束的仿射预测值。可以基于仿射合并模式来描述示例性约束。根据仿射模型等式(3)和(6)，CP0的CPMV值表示块的平移MV，CP1/CP2的CPMV反映了仿射模型加上平移模型的形状变换。令W和H分别表示当前块的宽度和高度。
在6参数的情况下，控制点运动矢量可以计算为：
CPMV0:(c,f),
CPMV1:((a-1)*W+c,d*W+f),以及
CPMV2:(b*H+c,(e-1)*H+f)。
在4参数的情况下，控制点运动矢量可以计算为：
CPMV0:(c,f),以及
CPMV1:((a-1)*W+c,-b*w+f)。
CP1和CP0之间、CP2和CP0之间的增量(差)可以表示仿射模型的仿射变换部分，并且该差值可以落在合理的范围内。令D1表示CPMVI和CPMV0之间的差，即：
D1＝CPMV1–CPMV0＝((a-1)*W+c,d*W+f)-(c,f)＝((a-1)*W,d*W) (10)
在6参数模型的情况下，令D2表示CPMV2和CPMV0之间的差，即：
D2＝CPMV2–CPMV0＝(b*H+c,(e-1)*H+f)-(c,f)＝(b*H,(e-1)*H) (11)
因为Dl仅包括仿射参数a、d和块宽度W，因此比率R1可被定义为表示Dl中的仿射参数值范围，其中
R1＝|D1/W|＝(|a-1|,|d|) (12)
类似地，因为D2仅包括仿射参数b、e和块高度H，因此比率R2可被定义为表示D2中的仿射参数值范围，其中
R2＝|D2/W|＝(|b|,|e-1|) (13)
R1和R2还可以由CPMV值表示，如以下等式所示：
R1＝abs(CPMV1–CPMV0)/W＝(|MV1x–MV0x|/W,|MV1y–MV0y|/W) (14)
R2＝abs(CPMV2–CPMV0)/H＝(|MV2x–MV0x|/H,|MV2y–MV0y|/H) (15)
在所提出的方法中，可以将约束应用于R1和/或R2，作为仿射CPMV预测值的约束。在4参数仿射模型中，可以对R1应用预定阈值。在6参数仿射模型中，可以对R1和/或R2应用预定阈值。比率R1和/或R2可以用广义形式R表示。只要所公开的方法适用，该所公开的方法可以用于4参数仿射模型和6参数仿射模型。当违反约束时，可以从预测值列表中删除相应的仿射预测值。
在实施例中，可以对比率R的水平分量和垂直分量的最大值应用预定阈值。在示例中，可以将该阈值的值设置为256，具有MV存储精度，例如1/16像素精度。因此，该阈值的值等于16个像素。对于具有CPMV0(MV0x,MV0y)、CPMV1(MV1x,MV1y)和CPMV2(MV2x,MV2y)的6参数仿射预测值，比率R1和R2可用等式(16)和(17)描述：
R1＝(|MV1x–MV0x|/W,|MV1y–MV0y|/W)， (16)
R2＝(|MV2x–MV0x|/H,|MV2y–MV0y|/H) (17)
对于R1，可以对照该阈值的值检查最大分量，该最大分量表示为(|MV1x–MV0x|/W,|MV1y–MV0y|/W)。对于R2，也可以对照该阈值的值检查最大分量，该最大分量表示为(|MV2x–MV0x|/H,|MV2y–MV0y|/H)。当以下条件(a)和(b)中的任何一个为真时，仿射预测值可以被视为无效，并且不能被添加到最终的预测值列表中。
max(|MV1x–MV0x|/W,|MV1y–MV0y|/W)>256 (a)
max(|MV2x–MV0x|/H,|MV2y–MV0y|/H)>256 (b)
应当注意，预定阈值的值不限于上述示例。例如，预定阈值可以被定义为大于8的值。在1/16像素精度下，预定阈值相应地等于1/2像素。
在一些实施例中，可以对比率R的水平分量和垂直分量的最小值应用预定限制。可以对比率R的水平分量和比率R的垂直分量应用不同的预定限制。此外，该限制可以在比特流中用信号通知，例如在SPS、PPS或切片头中。
图19示出了根据本公开一实施例的概述过程(1900)的流程图。过程(1900)可用于重建以帧内模式编码的块，以便为正在重建的块生成预测块。在各种实施例中，过程(1900)由处理电路执行，例如终端装置(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。在一些实施例中，过程(1900)以软件指令实现，因此当处理电路执行软件指令时，处理电路执行过程(1900)。该过程开始于(S1901)并执行到(S1910)。
在(S1910)，从已编码视频比特流中解码当前图片中的块的预测信息。所述预测信息包括用于帧间预测模式中的与仿射模型相关联的预测偏移的多个偏移索引，所述块包括两个或多于两个控制点。
在(S1920)，基于各个控制点的相应运动矢量预测值，确定所述两个或多于两个控制点中每个控制点的运动矢量。所述各个控制点的相应运动矢量预测值是候选列表中的多个候选运动矢量预测值中的第一预测值，并且满足与所述相应运动矢量预测值的运动矢量相关联的用信号通知的约束。所述用信号通知的约束可以与已编码视频比特流一起接收。例如，该约束可以在SPS、PPS或切片头中用信号通知。
在(S1930)，基于所述确定的所述两个或多于两个控制点的运动矢量，确定所述仿射模型的参数。所述仿射模型的参数用于在所述块与重建的参考图片中的参考块之间进行变换。
在(S1940)，根据所述仿射模型重建所述块的样本。在一示例中，根据所述仿射模型确定参考图片中与所述块中的像素对应的参考像素。此外，根据所述参考图片中的参考像素重建所述块中的像素。然后，该过程进行到(S1999)并终止。
在本公开中，所提出的方法可以单独使用或以任何顺序组合使用。此外，所述方法(或实施例)可以通过处理电路(例如，一个或多个处理器或一个或多个集成电路)来实现。在一示例中，该一个或多个处理器执行存储在非易失性计算机可读介质中的程序。
上述技术可以通过计算机可读指令实现为计算机软件，并且物理地存储在一个或多个计算机可读介质中。例如，图20示出了计算机系统(2000)，其适于实现所公开主题的某些实施例。
所述计算机软件可通过任何合适的机器代码或计算机语言进行编码，通过汇编、编译、链接等机制创建包括指令的代码，所述指令可由一个或多个计算机中央处理单元(CPU)，图形处理单元(GPU)等直接执行或通过译码、微代码等方式执行。
所述指令可以在各种类型的计算机或其组件上执行，包括例如个人计算机、平板电脑、服务器、智能手机、游戏设备、物联网设备等。
图20所示的用于计算机系统(2000)的组件本质上是示例性的，并不用于对实现本公开实施例的计算机软件的使用范围或功能进行任何限制。也不应将组件的配置解释为与计算机系统(2000)的示例性实施例中所示的任一组件或其组合具有任何依赖性或要求。
计算机系统(2000)可以包括某些人机界面输入设备。这种人机界面输入设备可以通过触觉输入(如：键盘输入、滑动、数据手套移动)、音频输入(如：声音、掌声)、视觉输入(如：手势)、嗅觉输入(未示出)，对一个或多个人类用户的输入做出响应。所述人机界面设备还可用于捕获某些媒体，气与人类有意识的输入不必直接相关，如音频(例如：语音、音乐、环境声音)、图像(例如：扫描图像、从静止影像相机获得的摄影图像)、视频(例如二维视频、包括立体视频的三维视频)。
人机界面输入设备可包括以下中的一个或多个(仅绘出其中一个)：键盘(2001)、鼠标(2002)、触控板(2003)、触摸屏(2010)、数据手套(未示出)、操纵杆(2005)、麦克风(2006)、扫描仪(2007)、照相机(2008)。
计算机系统(2000)还可以包括某些人机界面输出设备。这种人机界面输出设备可以通过例如触觉输出、声音、光和嗅觉/味觉来刺激一个或多个人类用户的感觉。这样的人机界面输出设备可包括触觉输出设备(例如通过触摸屏(2010)、数据手套(未示出)或操纵杆(2005)的触觉反馈，但也可以有不用作输入设备的触觉反馈设备)、音频输出设备(例如，扬声器(2009)、耳机(未示出))、视觉输出设备(例如，包括阴极射线管屏幕、液晶屏幕、等离子屏幕、有机发光二极管屏的屏幕(2010)，其中每一个都具有或没有触摸屏输入功能、每一个都具有或没有触觉反馈功能——其中一些可通过诸如立体画面输出的手段输出二维视觉输出或三维以上的输出；虚拟现实眼镜(未示出)、全息显示器和放烟箱(未示出))以及打印机(未示出)。
计算机系统(2000)还可以包括人可访问的存储设备及其相关介质，如包括具有CD/DVD的高密度只读/可重写式光盘(CD/DVD ROM/RW)(2020)或类似介质(2021)的光学介质、拇指驱动器(2022)、可移动硬盘驱动器或固体状态驱动器(2023)，诸如磁带和软盘(未示出)的传统磁介质，诸如安全软件保护器(未示出)等的基于ROM/ASIC/PLD的专用设备，等等。
本领域技术人员还应当理解，结合所公开的主题使用的术语“计算机可读介质”不包括传输介质、载波或其它瞬时信号。
计算机系统(2000)还可以包括通往一个或多个通信网络的接口。例如，网络可以是无线的、有线的、光学的。网络还可为局域网、广域网、城域网、车载网络和工业网络、实时网络、延迟容忍网络等等。网络还包括以太网、无线局域网、蜂窝网络(GSM、3G、4G、5G、LTE等)等局域网、电视有线或无线广域数字网络(包括有线电视、卫星电视、和地面广播电视)、车载和工业网络(包括CANBus)等等。某些网络通常需要外部网络接口适配器，用于连接到某些通用数据端口或外围总线(2049)(例如，计算机系统(2000)的USB端口)；其它系统通常通过连接到如下所述的系统总线集成到计算机系统(2000)的核心(例如，以太网接口集成到PC计算机系统或蜂窝网络接口集成到智能电话计算机系统)。通过使用这些网络中的任何一个，计算机系统(2000)可以与其它实体进行通信。所述通信可以是单向的，仅用于接收(例如，无线电视)，单向的仅用于发送(例如CAN总线到某些CAN总线设备)，或双向的，例如通过局域或广域数字网络到其它计算机系统。上述的每个网络和网络接口可使用某些协议和协议栈。
上述的人机界面设备、人可访问的存储设备以及网络接口可以连接到计算机系统(2000)的核心(2040)。
核心(2040)可包括一个或多个中央处理单元(CPU)(2041)、图形处理单元(GPU)(2042)、以现场可编程门阵列(FPGA)(2043)形式的专用可编程处理单元、用于特定任务的硬件加速器(2044)等。这些设备以及只读存储器(ROM)(2045)、随机存取存储器(2046)、内部大容量存储器(例如内部非用户可存取硬盘驱动器、固态硬盘等)(2047)等可通过系统总线(2048)进行连接。在某些计算机系统中，可以以一个或多个物理插头的形式访问系统总线(2048)，以便可通过额外的中央处理单元、图形处理单元等进行扩展。外围装置可直接附接到核心的系统总线(2048)，或通过外围总线(2049)进行连接。外围总线的体系结构包括外部控制器接口PCI、通用串行总线USB等。
CPU(2041)、GPU(2042)、FPGA(2043)和加速器(2044)可以执行某些指令，这些指令组合起来可以构成上述计算机代码。该计算机代码可以存储在ROM(2045)或RAM(2046)中。过渡数据也可以存储在RAM(2046)中，而永久数据可以存储在例如内部大容量存储器(2047)中。通过使用高速缓冲存储器可实现对任何存储器设备的快速存储和检索，高速缓冲存储器可与一个或多个CPU(2041)、GPU(2042)、大容量存储器(2047)、ROM(2045)、RAM(2046)等紧密关联。
所述计算机可读介质上可具有计算机代码，用于执行各种计算机实现的操作。介质和计算机代码可以是为本公开的目的而特别设计和创建的，也可以是计算机软件领域的技术人员所熟知和可用的介质和代码。
作为实施例而非限制，具有体系结构(2000)的计算机系统，特别是核心(2040)，可以作为处理器(包括CPU、GPU、FPGA、加速器等)提供执行包含在一个或多个有形的计算机可读介质中的软件的功能。这种计算机可读介质可以是与上述的用户可访问的大容量存储器相关联的介质，以及具有非易失性的核心(2040)的特定存储器，例如核心内部大容量存储器(2047)或ROM(2045)。实现本公开的各种实施例的软件可以存储在这种设备中并且由核心(2040)执行。根据特定需要，计算机可读介质可包括一个或多个存储设备或芯片。该软件可以使得核心(2040)特别是其中的处理器(包括CPU、GPU、FPGA等)执行本文所述的特定过程或特定过程的特定部分，包括定义存储在RAM(2046)中的数据结构以及根据软件定义的过程来修改这种数据结构。另外或作为替代，计算机系统可以提供逻辑硬连线或以其它方式包含在电路(例如，加速器(2044))中的功能，该电路可以代替软件或与软件一起运行以执行本文所述的特定过程或特定过程的特定部分。在适当的情况下，对软件的引用可以包括逻辑，反之亦然。在适当的情况下，对计算机可读介质的引用可包括存储执行软件的电路(如集成电路(IC))，包含执行逻辑的电路，或两者兼备。本公开包括任何合适的硬件和软件组合。
附录A：首字母缩略词
JEM：联合开发模型
VVC：通用视频编解码
BMS：基准集合
MV：运动矢量
HEVC：高效视频编解码
SEI：补充增强信息
VUI：视频可用性信息
GOPs：图片群组
TUs：变换单元
PUs：预测单元
CTUs：编码树单元
CTBs：编码树块
PBs：预测块
HRD：假想参考解码器
SNR：信噪比
CPUs：中央处理单元
GPUs：图形处理单元
CRT：阴极射线管
LCD：液晶显示
OLED：有机发光二极管
CD：光盘
DVD：数字化视频光盘
ROM：只读存储器
RAM：随机存取存储器
ASIC：专用集成电路
PLD：可编程逻辑设备
LAN：局域网
GSM：全球移动通信系统
LTE：长期演进
CANBus：控制器局域网络总线
USB：通用串行总线
PCI：外围设备互连
FPGA：现场可编程门阵列
SSD：固态驱动器
IC：集成电路
CU：编码单元
虽然本公开已对多个示例性实施例进行了描述，但实施例的各种变更、排列和各种等同替换均属于本公开的范围内。因此应理解，本领域技术人员能够设计多种系统和方法，所述系统和方法虽然未在本文中明确示出或描述，但其体现了本公开的原则，因此属于本公开的精神和范围之内。

Claims (24)

1.一种视频解码的方法，其特征在于，包括：
从已编码视频比特流中解码当前图片中的当前块的预测信息，所述预测信息指示仿射模型，所述当前块包括三个或多于三个控制点；
为所述三个或多于三个控制点中的每一个确定运动矢量差MVD，所述运动矢量差指示最优运动矢量和控制点的运动矢量预测值之间的差，其中，所述确定运动矢量差包括：
从所述已编码视频比特流中解码各个控制点的初始运动矢量差值；
从所述已编码视频比特流中解码运动矢量差的水平分量或垂直分量中的至少一个的非零值范围约束，以及
裁剪所述各个控制点的初始运动矢量差值以满足所述非零值范围约束；
基于从候选列表中选择的候选预测值，确定所述三个或多于三个控制点中每个控制点的运动矢量，所述选择的候选预测值包括所述三个或多于三个控制点中每个控制点的相应运动矢量预测值，所述确定的三个或多于三个控制点中每个控制点的运动矢量为所述相应运动矢量预测值和每个控制点的剪裁的运动矢量差的总和；
基于所述确定的所述三个或多于三个控制点的运动矢量，确定所述仿射模型的参数，所述仿射模型的参数用于在所述当前块与重建的参考图片中的参考块之间进行变换；以及
根据所述仿射模型重建所述当前块的至少一个样本。
2.根据权利要求1所述的方法，其特征在于，进一步包括：
基于序列参数集、图片参数集和切片头中的至少一个，解码所述非零值范围约束。
3.根据权利要求1所述的方法，其特征在于，进一步包括以下之一：
去除所述候选列表中的多个候选运动矢量预测值中超出所述约束的预测值；
用所述候选列表中的新预测值替换超出所述约束的预测值；或者
裁剪超出所述约束的预测值的运动矢量，使得所述预测值满足所述约束。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述约束指示：
第一限制，所述第一限制应用于所述当前块的所述三个或多于三个控制点中的一个控制点的运动矢量与所述当前块的所述三个或多于三个控制点中的所述一个控制点的运动矢量预测值之间的运动矢量差的水平分量，所述运动矢量预测值是基于所述三个或多于三个控制点中的所述一个控制点的相应运动矢量预测值确定的；以及
第二限制，所述第二限制应用于所述当前块的所述三个或多于三个控制点中的所述一个控制点的运动矢量与所述当前块的所述三个或多于三个控制点中的所述一个控制点的运动矢量预测值之间的运动矢量差的垂直分量，所述运动矢量预测值是基于所述三个或多于三个控制点中的所述一个控制点的相应运动矢量预测值确定的。
5.根据权利要求1-3任一项所述的方法，其特征在于，所述约束指示：
第三限制，所述第三限制应用于与所述三个或多于三个控制点中的所述一个控制点的相应运动矢量预测值的控制点相关联的运动矢量的水平分量；以及
第四限制，所述第四限制应用于与所述三个或多于三个控制点中的所述一个控制点的相应运动矢量预测值的控制点相关联的运动矢量的垂直分量。
6.根据权利要求1-3任一项所述的方法，其特征在于，所述约束指示：
第五限制，所述第五限制来自与所述三个或多于三个控制点中的所述一个控制点的相应运动矢量预测值的控制点相关联的运动矢量所指向的第一亮度样本位置的宽度图片边界，所述第五限制由超出所述当前图片的所述宽度图片边界的第一数量的亮度样本定义；以及
第六限制，所述第六限制来自与所述三个或多于三个控制点中的所述一个控制点的相应运动矢量预测值的控制点相关联的运动矢量所指向的第二亮度样本位置的高度图片边界，所述第六限制由超出所述当前图片的所述高度图片边界的第二数量的亮度样本定义。
7.根据权利要求6所述的方法，其特征在于，
所述第五限制是所述当前图片的高度的第一百分比，并且
所述第六限制是所述当前图片的宽度的第二百分比。
8.根据权利要求6所述的方法，其特征在于，所述第五限制不同于所述第六限制。
9.根据权利要求1所述的方法，其特征在于，
第一比率为R1＝(|MV1x–MV0x|/W,|MV1y–MV0y|/W)，并且第二比率为R2＝(|MV2x–MV0x|/H,|MV2y–MV0y|/H)，其中，
MV0x是所述当前块的所述三个或多于三个控制点的第一控制点的运动矢量的水平分量，
MV1x是所述当前块的所述三个或多于三个控制点的第二控制点的运动矢量的水平分量，
MV2x是所述当前块的所述三个或多于三个控制点的第三控制点的运动矢量的水平分量，
MV0y是所述当前块的所述三个或多于三个控制点的所述第一控制点的运动矢量的垂直分量，
MV1y是所述当前块的所述三个或多于三个控制点的所述第二控制点的运动矢量的垂直分量，
MV2y是所述当前块的所述三个或多于三个控制点的所述第三控制点的运动矢量的垂直分量，
|MV1x–MV0x|/W是所述第一比率R1的水平分量，
|MV1y–MV0y|/W是所述第一比率R1的垂直分量，
|MV2x–MV0x|/H是所述第二比率R2的水平分量，
|MV2y–MV0y|/H是所述第二比率R2的垂直分量，并且
所述约束指示以下之一：
应用于所述第一比率R1的水平分量和垂直分量的最大值的第一阈值；
应用于所述第二比率R2的水平分量和垂直分量的最大值的第二阈值；
应用于所述第一比率R1的水平分量和垂直分量的最小值的第三阈值；和
应用于所述第二比率R2的水平分量和垂直分量的最小值的第四阈值。
10.根据权利要求9所述的方法，其特征在于，所述第一阈值不同于所述第二阈值，并且所述第三阈值不同于所述第四阈值。
11.根据权利要求1所述的方法，其特征在于，所述当前图片具有1920x 1080亮度样本的空间维度。
12.根据权利要求1所述的方法，其特征在于，所述非零值范围约束指示：
定义所述运动矢量差的水平分量的非零值范围的限制；和
定义所述运动矢量差的垂直分量的非零值范围的限制。
13.一种视频解码的装置，其特征在于，包括：
处理电路，被配置为：
从已编码视频比特流中解码当前图片中的当前块的预测信息，所述预测信息指示仿射模型，所述当前块包括三个或多于三个控制点；
为所述三个或多于三个控制点中的每一个确定运动矢量差MVD，所述运动矢量差指示最优运动矢量和控制点的运动矢量预测值之间的差，其中，所述确定运动矢量差包括：
从所述已编码视频比特流中解码各个控制点的初始运动矢量差值，
从所述已编码视频比特流中解码运动矢量差的水平分量或垂直分量中的至少一个的非零值范围约束，以及
裁剪所述各个控制点的初始运动矢量差值以满足所述非零值范围约束；
基于从候选列表中选择的候选预测值，确定所述三个或多于三个控制点中每个控制点的运动矢量，所述选择的候选预测值包括所述三个或多于三个控制点中每个控制点的相应运动矢量预测值，所述确定的三个或多于三个控制点中每个控制点的运动矢量为所述相应运动矢量预测值和每个控制点的剪裁的运动矢量差的总和；
基于所述确定的所述三个或多于三个控制点的运动矢量，确定所述仿射模型的参数，所述仿射模型的参数用于在所述当前块与重建的参考图片中的参考块之间进行变换；以及
根据所述仿射模型重建所述当前块的至少一个样本。
14.根据权利要求13所述的装置，其特征在于，所述处理电路被配置为：
基于序列参数集、图片参数集和切片头中的至少一个，解码所述非零值范围约束。
15.根据权利要求13所述的装置，其特征在于，所述处理电路被配置为执行以下之一：
去除所述候选列表中的多个候选运动矢量预测值中超出所述约束的预测值；
用所述候选列表中的新预测值替换超出所述约束的预测值；或者
裁剪超出所述约束的预测值的运动矢量，使得所述预测值满足所述约束。
16.根据权利要求13-15任一项所述的装置，其特征在于，所述约束指示：
第一限制，所述第一限制应用于所述当前块的所述三个或多于三个控制点中的一个控制点的运动矢量与所述当前块的所述三个或多于三个控制点中的所述一个控制点的运动矢量预测值之间的运动矢量差的水平分量，所述运动矢量预测值是基于所述三个或多于三个控制点中的所述一个控制点的相应运动矢量预测值确定的；以及
第二限制，所述第二限制应用于所述当前块的所述三个或多于三个控制点中的所述一个控制点的运动矢量与所述当前块的所述三个或多于三个控制点中的所述一个控制点的运动矢量预测值之间的运动矢量差的垂直分量，所述运动矢量预测值是基于所述三个或多于三个控制点中的所述一个控制点的相应运动矢量预测值确定的。
17.根据权利要求13-15任一项所述的装置，其特征在于，所述约束指示：
第三限制，所述第三限制应用于与所述三个或多于三个控制点中的所述一个控制点的相应运动矢量预测值的控制点相关联的运动矢量的水平分量；以及
第四限制，所述第四限制应用于与所述三个或多于三个控制点中的所述一个控制点的相应运动矢量预测值的控制点相关联的运动矢量的垂直分量。
18.根据权利要求13-15任一项所述的装置，其特征在于，所述约束指示：
第五限制，所述第五限制来自与所述三个或多于三个控制点中的所述一个控制点的相应运动矢量预测值的控制点相关联的运动矢量所指向的第一亮度样本位置的宽度图片边界，所述第五限制由超出所述当前图片的所述宽度图片边界的第一数量的亮度样本定义；以及
第六限制，所述第六限制来自与所述三个或多于三个控制点中的所述一个控制点的相应运动矢量预测值的控制点相关联的运动矢量所指向的第二亮度样本位置的高度图片边界，所述第六限制由超出所述当前图片的所述高度图片边界的第二数量的亮度样本定义。
19.根据权利要求18所述的装置，其特征在于，
所述第五限制是所述当前图片的高度的第一百分比，并且
所述第六限制是所述当前图片的宽度的第二百分比。
20.根据权利要求13所述的装置，其特征在于，
第一比率为R1＝(|MV1x–MV0x|/W,|MV1y–MV0y|/W)，并且第二比率为R2＝(|MV2x–MV0x|/H,|MV2y–MV0y|/H)，其中，
MV0x是所述当前块的所述三个或多于三个控制点的第一控制点的运动矢量的水平分量，
MV1x是所述当前块的所述三个或多于三个控制点的第二控制点的运动矢量的水平分量，
MV2x是所述当前块的所述三个或多于三个控制点的第三控制点的运动矢量的水平分量，
MV0y是所述当前块的所述三个或多于三个控制点的所述第一控制点的运动矢量的垂直分量，
MV1y是所述当前块的所述三个或多于三个控制点的所述第二控制点的运动矢量的垂直分量，
MV2y是所述当前块的所述三个或多于三个控制点的所述第三控制点的运动矢量的垂直分量，
|MV1x–MV0x|/W是所述第一比率R1的水平分量，
|MV1y–MV0y|/W是所述第一比率R1的垂直分量，
|MV2x–MV0x|/H是所述第二比率R2的水平分量，
|MV2y–MV0y|/H是所述第二比率R2的垂直分量，并且
所述约束指示以下之一：
应用于所述第一比率R1的水平分量和垂直分量的最大值的第一阈值；
应用于所述第二比率R2的水平分量和垂直分量的最大值的第二阈值；
应用于所述第一比率R1的水平分量和垂直分量的最小值的第三阈值；和
应用于所述第二比率R2的水平分量和垂直分量的最小值的第四阈值。
21.根据权利要求20所述的装置，其特征在于，所述第一阈值不同于所述第二阈值，并且所述第三阈值不同于所述第四阈值。
22.根据权利要求13所述的装置，其特征在于，所述当前图片具有1920x 1080亮度样本的空间维度。
23.根据权利要求13所述的装置，其特征在于，所述非零值范围约束指示：
定义所述运动矢量差的水平分量的非零值范围的限制；和
定义所述运动矢量差的垂直分量的非零值范围的限制。
24.一种非易失性计算机可读介质，其特征在于，存储指令，当所述指令由用于视频解码的计算机执行时，使得所述计算机执行权利要求1-12任一项所述的方法。
CN201980058153.2A 2018-11-14 2019-11-11 视频编解码的方法和装置 Active CN112655205B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201862767275P 2018-11-14 2018-11-14
US62/767,275 2018-11-14
US16/449,277 2019-06-21
US16/449,277 US11736713B2 (en) 2018-11-14 2019-06-21 Constraint on affine model motion vector
PCT/US2019/060751 WO2020102087A2 (en) 2018-11-14 2019-11-11 Constraint on affine model motion vector

Publications (2)

Publication Number Publication Date
CN112655205A CN112655205A (zh) 2021-04-13
CN112655205B true CN112655205B (zh) 2023-08-11

Family

ID=70551991

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980058153.2A Active CN112655205B (zh) 2018-11-14 2019-11-11 视频编解码的方法和装置

Country Status (5)

Country Link
US (1) US11736713B2 (zh)
EP (1) EP3881528A4 (zh)
JP (1) JP7242118B2 (zh)
CN (1) CN112655205B (zh)
WO (1) WO2020102087A2 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11089325B2 (en) * 2019-02-08 2021-08-10 Qualcomm Incorporated Constrained affine motion inheritance for video coding
BR112021026327A2 (pt) * 2019-06-24 2022-03-03 Huawei Tech Co Ltd Método para calcular posição de amostra de referência de grade inteira para cálculo de gradiente de amostra de fronteira de nível de bloco em cálculo de fluxo óptico bipreditivo e correção bipreditiva
US11317111B2 (en) * 2019-09-29 2022-04-26 Qualcomm Incorporated Affine coding with vector clipping
CN112055202B (zh) * 2020-08-21 2021-11-16 浙江大华技术股份有限公司 一种帧间预测方法、视频编码方法及电子设备和存储介质
CN112949599B (zh) * 2021-04-07 2022-01-14 青岛民航凯亚系统集成有限公司 基于大数据的候选内容推送方法
US11943448B2 (en) 2021-11-22 2024-03-26 Tencent America LLC Joint coding of motion vector difference
US20230224472A1 (en) * 2022-01-12 2023-07-13 Tencent America LLC Motion vector restriction for out-of-frame boundary conditions
WO2023198142A1 (en) * 2022-04-14 2023-10-19 Mediatek Inc. Method and apparatus for implicit cross-component prediction in video coding system
US12088828B2 (en) * 2022-07-26 2024-09-10 Tencent America LLC Method and apparatus for improved warp delta signaling
WO2024153069A1 (en) * 2023-01-16 2024-07-25 Mediatek Inc. Method and apparatus of default model derivation for cross-component model merge mode in video coding system

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8594203B2 (en) * 2006-10-16 2013-11-26 Nokia Corporation System and method for using parallelly decodable slices for multi-view video coding
US9083983B2 (en) * 2011-10-04 2015-07-14 Qualcomm Incorporated Motion vector predictor candidate clipping removal for video coding
US9591312B2 (en) 2012-04-17 2017-03-07 Texas Instruments Incorporated Memory bandwidth reduction for motion compensation in video coding
TWI662831B (zh) * 2012-10-12 2019-06-11 韓國電子通信研究院 視訊編碼及解碼方法及使用該方法之裝置
US9118807B2 (en) 2013-03-15 2015-08-25 Cisco Technology, Inc. Split frame multistream encode
EP3758379A3 (en) * 2013-04-08 2021-02-24 GE Video Compression, LLC Coding concept allowing efficient multi-view/layer coding
CN108432250A (zh) 2016-01-07 2018-08-21 联发科技股份有限公司 用于视频编解码的仿射帧间预测的方法及装置
US10560712B2 (en) * 2016-05-16 2020-02-11 Qualcomm Incorporated Affine motion prediction for video coding
FI20165547A (fi) 2016-06-30 2017-12-31 Nokia Technologies Oy Laitteisto, menetelmä ja tietokoneohjelma videokoodausta ja videokoodauksen purkua varten
KR20190035678A (ko) 2016-07-08 2019-04-03 브이아이디 스케일, 인크. 지오메트리 투영을 이용한 360도 비디오 코딩
US10681370B2 (en) * 2016-12-29 2020-06-09 Qualcomm Incorporated Motion vector generation for affine motion model for video coding
US10873760B2 (en) * 2017-04-07 2020-12-22 Futurewei Technologies, Inc. Motion vector (MV) constraints and transformation constraints in video coding
JP7253564B2 (ja) * 2018-03-29 2023-04-06 フラウンホファー ゲセルシャフト ツール フェールデルンク ダー アンゲヴァンテン フォルシュンク エー．ファオ． パディングのためのイントラ予測モードを選択する装置

Also Published As

Publication number Publication date
EP3881528A2 (en) 2021-09-22
JP2022506681A (ja) 2022-01-17
KR20210049930A (ko) 2021-05-06
EP3881528A4 (en) 2022-01-26
US20200154126A1 (en) 2020-05-14
US11736713B2 (en) 2023-08-22
CN112655205A (zh) 2021-04-13
WO2020102087A2 (en) 2020-05-22
WO2020102087A3 (en) 2020-08-13
JP7242118B2 (ja) 2023-03-20

Similar Documents

Publication Publication Date Title
CN112470474B (zh) 视频编解码的方法和装置
CN112789850B (zh) 一种视频编解码方法、装置、设备和介质
CN111903131B (zh) 用于解码器中的视频解码的方法、装置及计算机可读介质
CN112655205B (zh) 视频编解码的方法和装置
CN112237000B (zh) 用于视频编解码的方法和装置
CN111492661B (zh) 视频编解码方法、装置及存储介质
CN113287308B (zh) 视频编解码方法及装置
CN114666581B (zh) 视频编解码的方法、装置及存储介质
CN113557728B (zh) 视频编解码方法和装置
CN112753219B (zh) 视频编解码方法、装置及计算机可读介质
CN111885387B (zh) 用于仿射光流预测值细化的视频解码方法和装置
CN112703730B (zh) 视频编解码的方法、设备和存储介质
CN113574885B (zh) 视频解码方法、装置以及电子设备
CN113875234B (zh) 视频解码方法、装置和介质
CN117221537A (zh) 视频编解码的方法和装置
CN114827595B (zh) 视频解码方法、装置、计算机设备及存储介质
CN111010579B (zh) 基于成对平均运动矢量预测的视频解码方法和装置
CN113545079B (zh) 视频编解码的方法和装置
CN112789851B (zh) 视频解码方法、装置、电子设备及可读存储介质
CN113785564B (zh) 视频编解码的方法和装置
CN111316639B (zh) 视频解码方法和装置、及存储介质
CN111971965A (zh) 视频编解码的方法和装置
CN110944185A (zh) 视频解码的方法和装置、计算机设备及存储介质
CN113348668B (zh) 一种视频解码方法、装置及存储介质
CN110798685B (zh) 一种视频解码方法、装置、计算机设备及存储介质

Legal Events

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

Ref country code: HK

Ref legal event code: DE

Ref document number: 40044789

Country of ref document: HK

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