CN113055668B - 从已编码视频比特流中提取子比特流的方法和设备 - Google Patents

从已编码视频比特流中提取子比特流的方法和设备 Download PDF

Info

Publication number
CN113055668B
CN113055668B CN202011524562.8A CN202011524562A CN113055668B CN 113055668 B CN113055668 B CN 113055668B CN 202011524562 A CN202011524562 A CN 202011524562A CN 113055668 B CN113055668 B CN 113055668B
Authority
CN
China
Prior art keywords
picture
sub
layer
video
encoded
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
CN202011524562.8A
Other languages
English (en)
Other versions
CN113055668A (zh
Inventor
崔秉斗
刘杉
文格尔史蒂芬
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
Priority claimed from US17/063,891 external-priority patent/US11356681B2/en
Application filed by Tencent America LLC filed Critical Tencent America LLC
Publication of CN113055668A publication Critical patent/CN113055668A/zh
Application granted granted Critical
Publication of CN113055668B publication Critical patent/CN113055668B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—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
    • H04N19/124—Quantisation
    • 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
    • H04N19/188—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 video data packet, e.g. a network abstraction layer [NAL] unit
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—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

Abstract

本申请实施例提供了一种从已编码视频比特流中提取子比特流的方法和设备。该方法包括：获取已编码视频比特流，所述已编码视频比特流包括多个网络抽象层NAL单元；获取输出层集列表；将所述NAL单元与所述输出层集列表进行比较；以及去除不包括在所述输出层集列表中的NAL单元。

Description

从已编码视频比特流中提取子比特流的方法和设备
相关申请的交叉引用
本申请要求于2019年12月27日提交的、申请号为62/954,100的美国临时申请、于2020年1月1日提交的、申请号为62/956,259的美国临时申请、以及于2020年10月6日提交的、申请号为17/063,891的美国申请的优先权，其全部内容通过引用并入本申请中。
技术领域
本申请涉及视频编码和解码技术，更具体地，涉及从已编码视频比特流中提取子比特流的方法、设备、装置及计算机可读介质。
背景技术
几十年来，使用具有运动补偿的帧间图片预测来进行视频编码和解码已经众所周知。未压缩的数字视频可包括一系列图片，每个图片具有例如1920×1080亮度样本及相关色度样本的空间维度。所述系列图片具有固定的或可变的图片速率(也非正式地称为帧率)，例如每秒60个图片或60Hz。未压缩的视频具有非常大的比特率要求。例如，每个样本8比特的1080p60 4:2:0的视频(1920x1080亮度样本分辨率，60Hz帧率)要求接近1.5Gbit/s带宽。一小时这样的视频就需要超过600GB的存储空间。
视频编码和解码的一个目的是通过压缩减少输入视频信号的冗余信息。视频压缩可以帮助降低对上述带宽或存储空间的要求，在某些情况下可降低两个或更多数量级。无损和有损压缩，以及两者的组合均可采用。无损压缩是指从压缩的原始信号中重建原始信号精确副本的技术。当使用有损压缩时，重建信号可能与原始信号不完全相同，但是原始信号和重建信号之间的失真足够小，使得重建信号可用于预期应用。有损压缩广泛应用于视频。容许的失真量取决于应用。例如，相比于电视应用的用户，某些消费流媒体应用的用户可以容忍更高的失真。可实现的压缩比反映出：较高的允许/容许失真可产生较高的压缩比。
视频编码器和解码器可以利用几大类技术，例如包括运动补偿、变换、量化和熵编码，其中的一些技术将会在下文中介绍。
从历史上看，视频编码器和解码器倾向于对给定的图片大小进行操作，在大多数情况下，该图片大小会针对已编码视频序列(CVS)、图片群组(GOP)或类似的多图片时间帧进行定义并保持不变。例如，在MPEG-2中，已知系统设计会根据诸如场景活动之类的因素仅在I图片处改变水平分辨率(从而改变图片大小)，因此通常用于GOP。例如，根据ITU-TRec.H.263的附录P，在CVS内使用不同分辨率对参考图片进行重采样是已知的。然而，此处的图片大小没有改变，仅对参考图片进行了重采样，这可能会导致只有部分图片画布被使用(在下采样的情况下)，或者只有部分场景被捕获(在上采样的情况下)。进一步地，H.263的附录Q允许对单个宏块向上或向下(在每个维度上)进行二倍的重采样。同样，图片大小保持不变。宏块的大小在H.263中是固定的，因此不需要发信号通知。
在现代视频编解码中，预测图片中图片大小的变化已成为主流。例如，VP9允许参考图片重采样和改变整个图片的分辨率。类似地，针对多功能视频编码(VVC)的某些建议(包括例如Hendry等人的“关于VVC的自适应分辨率改变(On adaptive resolution change(ARC)for VVC)”，联合视频小组文献JVET-M0135-v1，2019年1月9日至19日，其整体并入本文)允许将整个参考图片重采样为不同(更高或更低)的分辨率。在该文献中，建议将不同的候选分辨率编码在序列参数集中，并由图片参数集中的每个图片语法元素引用。
发明内容
本申请实施例提供了从已编码视频比特流中提取子比特流的方法、设备、装置及计算机可读介质，旨在解决现有技术中视频编解码效率不高的问题。
在实施例中，提供了一种从已编码视频比特流中提取子比特流的方法，所述方法包括：获取已编码视频比特流，所述已编码视频比特流包括多个网络抽象层(NAL)单元；获取输出层集列表；将所述NAL单元与所述输出层集列表进行比较；以及去除不包括在所述输出层集列表中的NAL单元，所述去除的NAL单元包括序列参数集SPS NAL单元、图片参数集PPS NAL单元和应用支持子层APS NAL单元中的至少一个，且所述去除的NAL单元的nuh_layer_id不包括在目标输出层集列表LayerIdInOls[targetOlsIdx]中，其中所述nuh_layer_id指定所述去除的NAL单元所属的层的标识符。
在实施例中，提供了一种从已编码视频比特流中提取子比特流的设备，所述设备包括：至少一个存储器，用于存储程序代码；以及至少一个处理器，用于读取所述程序代码并按照所述程序代码的指示进行操作，以执行实施例所述的方法。
在实施例中，提供了一种从已编码视频比特流中提取子比特流的装置，所述装置包括：第一获取模块，用于获取已编码视频比特流，所述已编码视频比特流包括多个网络抽象层NAL单元；第二获取模块，用于获取输出层集列表；比较模块，用于将所述NAL单元与所述输出层集列表进行比较；以及去除模块，用于去除不包括在所述输出层集列表中的NAL单元，所述去除的NAL单元包括序列参数集SPS NAL单元、图片参数集PPS NAL单元和应用支持子层APS NAL单元中的至少一个，且所述去除的NAL单元的nuh_layer_id不包括在目标输出层集列表LayerIdInOls[targetOlsIdx]中，其中所述nuh_layer_id指定所述去除的NAL单元所属的层的标识符。
在实施例中，提供了一种非易失性计算机可读介质，用于存储指令，所述指令包括一个或多个指令，当所述一个或多个指令由从已编码视频比特流中提取子比特流的设备的一个或多个处理器执行时，使得所述一个或多个处理器执行实施例所述的方法。
在本申请实施例，通过将已编码视频比特流中包括的NAL单元与输出层集列表进行比较，并去除不包括在输出层集列表中的NAL单元，可以提高视频编解码的效率。
附图说明
根据以下详细描述和附图，本申请的其他特征、性质和各种优点将进一步明确，其中
图1是根据实施例的通信系统的简化框图的示意图；
图2A是根据实施例的流式传输系统的简化框图的示意图；
图2B是根据实施例的图2A所示的编码器(203)的简化框图的示意图；
图2C是根据实施例的图2A所示的视频解码器(210)的简化框图的示意图；
图3是根据实施例的解码器的简化框图的示意图；
图4是根据实施例的编码器的简化框图的示意图；
图5是根据实施例的用于发信号通知ARC参数的选项的示意图；
图6是根据实施例的语法表的示例；
图7是根据实施例的计算机系统的示意图；
图8是根据实施例的具有自适应分辨率改变的可缩放性的预测结构的示例；
图9是根据实施例的语法表的示例；
图10是根据实施例的解析和解码每个存取单元的POC周期和存取单元计数值的简化框图的示意图；
图11是根据实施例的包括多层子图片的视频比特流结构的示意图；
图12是根据实施例的所选择的具有增强的分辨率的子图片的显示的示意图；
图13是根据实施例的包括多层子图片的视频比特流的解码和显示过程的框图；
图14是根据实施例的具有子图片的增强层的360视频显示的示意图；
图15是根据实施例的子图片及其对应的层和图片预测结构的布局信息的示例；
图16是根据实施例的具有局部区域的空间可缩放性模态的子图片及其对应的层和图片预测结构的布局信息的示例；
图17是根据实施例的用于子图片布局信息的语法表的示例；
图18是根据实施例的用于子图片布局信息的SEI消息的语法表的示例；
图19是根据实施例的语法表的示例，该语法表用于指示输出层和每个输出层集的配置文件/层/级别信息；
图20是根据实施例的语法表的示例，该语法表用于指示为每个输出层集开启的输出层模式；
图21是根据实施例的语法表的示例，该语法表用于指示每个输出层集的每个层的当前子图片；
图22是根据实施例的子比特流提取过程的简化框图的示意图；
图23是根据实施例的从已编码视频比特流中提取子比特流的方法的流程图。
具体实施方式
下面讨论的所提出的功能可以单独使用，也可以以任何顺序组合使用。此外，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。
近来，将多个语义独立的图片部分进行压缩域聚合或提取为单个视频图片已经引起了一些关注。具体地，在例如360编解码或某些监视应用的上下文中，多个语义独立的源图片(例如立方体投影的360场景的六个立方体表面，或者在多摄像机监视设置的情况下单个摄像机的输入)可能需要单独的自适应分辨率设置，以在给定的时间点处理不同的场景活动。换句话说，编码器在给定的时间点可以选择对组成整个360或监视场景的不同的语义独立图片使用不同的重采样因子。当组合成单个图片时，这又要求对已编码图片的一部分执行参考图片重采样，并要求自适应分辨率编解码信令可用。
图1是根据实施例的通信系统(100)的简化框图。通信系统(100)包括至少两个终端装置(110，120)，所述终端装置可通过网络(150)彼此通信。对于单向数据传输，第一终端装置(110)可在本地位置对视频数据进行编码，以通过网络(150)传输到第二端装置(120)。第二终端装置(120)可从网络(150)接收另一终端的已编码视频数据，对已编码视频数据进行解码以恢复视频数据，并显示恢复的视频数据。单向数据传输在媒体服务等应用中是较常见的。
图1示出了支持已编码视频的双向传输的第二对终端装置(130，140)，所述双向传输可例如在视频会议期间发生。对于双向数据传输，第三终端装置(130)和第四终端装置(140)中的每个终端装置可对在本地位置采集的视频数据进行编码，以通过网络(150)传输到第三终端装置(130)和第四终端装置(140)中的另一终端装置。第三终端装置(130)和第四终端装置(140)中的每个终端装置还可接收由第三终端装置(130)和第四终端装置(140)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并在本地显示设备上显示恢复的视频数据。
在图1中，第一终端装置(110)、第二终端装置(120)、第三终端装置(130)和第四终端装置(140)可为服务器、个人计算机和智能手机，但本申请公开的原理可不限于此。本申请公开的实施例适用于膝上型计算机、平板电脑、媒体播放器和/或专用视频会议设备。网络(150)表示在第一终端装置(110)、第二终端装置(120)、第三终端装置(130)和第四终端装置(140)之间传送已编码视频数据的任何数目的网络，包括例如有线和/或无线通信网络。通信网络(150)可在电路交换和/或分组交换信道中交换数据。该网络可包括电信网络、局域网、广域网和/或互联网。出于本申请的目的，除非在下文中有所解释，否则网络(150)的架构和拓扑对于本申请公开的操作来说可能是无关紧要的。
作为本申请的应用实施例，图2示出了视频解码器和编码器在流式传输环境中的放置方式。本申请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(200)可包括采集子系统(213)，所述采集子系统可包括诸如数码相机等视频源(201)，所述视频源创建例如未压缩的视频样本流(202)。较于已编码的视频比特流，视频样本流(202)被描绘为粗线，以强其为调高数据量的视频样本流，视频样本流(202)可由耦接到相机(201)的编码器(203)处理。编码器(203)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本申请的各方面。相较于视频样本流(202)，已编码的视频比特流(204)被描绘为细线，以强调较低数据量的已编码的视频比特流，其可存储在流式传输服务器(205)上以供将来使用。一个或多个流式传输客户端(206，208)可访问流式传输服务器(205)以检索已编码的视频比特流(204)的副本(207)和副本(209)。客户端(206)可包括视频解码器(210)。视频解码器(210)对已编码的视频比特流的传入副本(207)进行解码，且产生可在显示器(212)或另一呈现装置(未示出)上呈现的输出视频样本流(211)。在一些流式传输系统中，可以根据某些视频编解码/压缩标准对视频比特流(204，207，209)进行编码。这些标准的示例包括ITU-T H.265建议书。正在开发的视频编解码标准被非正式地称为多功能视频编解码(VVC)。本申请可以在VVC的上下文中使用。
图3是根据实施例的视频解码器(210)的功能框图。
接收器(310)可接收将由视频解码器(210)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(312)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(310)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(310)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(315)可耦接在接收器(310)与熵解码器/解析器(320)(此后称为“解析器”)之间。当接收器(310)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(315)，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(315)，所述缓冲存储器可相对较大且可具有自适应性大小。
视频解码器(210)可包括解析器(320)以根据熵编码视频序列重建符号(321)。这些符号的类别包括用于管理视频解码器(210)的操作的信息，以及用以控制诸如显示器212的显示装置的潜在信息，所述显示装置不是解码器的组成部分，但可耦接到解码器，如图3中所示。用于显示装置的控制信息可以是辅助增强信息(Supplementary EnhancementInformation，SEI消息)或视频可用性信息(Video Usability Information，VUI)的参数集片段(未标示)。解析器(320)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，且可遵循公知的原理，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(320)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(tile)、切片(slice)、宏块、编码单元(Coding Unit，CU)、块、变换单元(TransformUnit，TU)、预测单元(Prediction Unit，PU)等等。熵解码器/解析器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(320)可对从缓冲存储器(315)接收的视频序列执行熵解码/解析操作，从而创建符号(321)。
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(321)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(320)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(320)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(210)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，出于本申请的目的，概念上细分成下文的功能单元是适当的。
第一单元可以是缩放器/逆变换单元(351)。缩放器/逆变换单元(351)可从解析器(320)接收作为符号(321)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(351)可输出包括样本值的块，所述样本值可输入到聚合器(355)中。
在一些情况下，缩放器/逆变换单元(351)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(352)提供。在一些情况下，帧内图片预测单元(352)采用从(部分重建的)当前图片(358)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。在一些情况下，聚合器(355)基于每个样本，将帧内预测单元(352)生成的预测信息添加到由缩放器/逆变换单元(351)提供的输出样本信息中。
在其它情况下，缩放器/逆变换单元(351)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(353)可访问参考图片存储器(357)以提取用于预测的样本。在根据符号(321)对提取的样本进行运动补偿之后，这些样本可由聚合器(355)添加到缩放器/逆变换单元(351)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(353)从参考图片存储器(357)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(321)的形式而供运动补偿预测单元(353)使用，所述符号(321)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(357)提取的样本值的内插、运动矢量预测机制等等。
聚合器(355)的输出样本可在环路滤波器单元(356)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比特流中的参数，且所述参数作为来自解析器(320)的符号(321)可用于环路滤波器单元(356)。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(356)的输出可以是样本流，所述样本流可输出到显示装置(212)以及存储在参考图片存储器(357)，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。一旦已编码图片被完全重建，且已编码图片(通过例如解析器(320))被识别为参考图片，则当前图片(358)可变为参考图片存储器(357)中的一部分，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存储器。
视频解码器(210)可根据例如ITU-T H.265标准中记录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在视频压缩技术文献或标准、特别是配置文件中所规定的视频压缩技术或标准的语法的意义上，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。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 Reference Decoder，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(310)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(210)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4是根据实施例的视频编码器(203)的功能框图。
视频编码器(203)可从视频源(201)(并非该解码器的一部分)接收视频样本，所述视频源可采集将由视频编码器(203)编码的视频图像。
视频源(201)可提供将由视频编码器(203)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 CrCb4:4:4)。在媒体服务系统中，视频源(201)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(201)可以为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。下文侧重于描述样本。
根据实施例，视频编码器(203)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(443)。施行适当的编码速度是控制器(450)的一个功能。控制器(450)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(450)设置的参数可包括速率控制相关参数(例如，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 ofpictures，GOP)布局，最大运动矢量搜索范围等。
一些视频编码器在“编码环路”中进行操作。作为简单的描述，编码环路可包括编码器(430)(下文称为“源编码器(source coder)”，其负责基于待编码的输入图片和参考图片创建符号)的编码部分，和嵌入于视频编码器(203)中的(本地)解码器(433)。“本地”解码器(433)以类似于(远程)解码器创建样本数据的方式重建符号以创建样本数据(因为在本申请所考虑的视频压缩技术中，符号与已编码视频码流之间的任何压缩是无损的)。将重建的样本流输入到参考图片存储器(434)。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)是公知的。
“本地”解码器(433)的操作可与例如已在上文结合图3详细描述视频解码器(210)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(445)和解析器(320)能够无损地将符号编码/解码为已编码视频序列时，视频解码器(210)的熵解码部分(包括信道(312)、接收器(310)、缓冲存储器(315)和解析器(320))可能无法完全在本地解码器(433)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。由于这个原因，本申请专注于解码器操作。对编码器技术的描述可以简写，因为它们与全面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。
作为操作的一部分，源编码器(430)可执行运动补偿预测编码。参考来自视频序列中被指定为“参考帧”的一个或多个先前已编码帧，所述运动补偿预测编码对输入帧进行预测性编码。以此方式，编码引擎(432)对输入帧的像素块与参考帧的像素块之间的差异进行编码，所述参考帧可被选作所述输入帧的预测参考。
本地视频解码器(433)可基于源编码器(430)创建的符号，对可指定为参考帧的帧的已编码视频数据进行解码。编码引擎(432)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4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(433)复制解码过程，所述解码过程可由视频解码器对参考帧执行，且可使重建的参考帧存储在参考图片存储器(434)中。以此方式，编码器(203)可在本地存储重建的参考帧的副本，所述副本与将由远端视频解码器获得的重建参考帧具有共同内容(不存在传输误差)。
预测器(435)可针对编码引擎(432)执行预测搜索。即，对于将要编码的新帧，预测器(435)可在参考图片存储器(434)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(435)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(435)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(434)中存储的多个参考图片取得的预测参考。
控制器(450)可管理源编码器(430)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(445)中对所有上述功能单元的输出进行熵编码。熵编码器(445)可根据例如霍夫曼编码、可变长度编码、算术编码等公知的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(440)可缓冲由熵编码器(445)创建的已编码视频序列，从而为通过通信信道(460)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(440)可将来自源编码器(430)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(450)可管理视频编码器(203)的操作。在编码期间，控制器(450)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帧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。
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(203)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(203)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(440)可传输附加数据和已编码的视频。源编码器(430)可以包括诸如已编码视频序列的一部分的此类数据。附加数据可包括时间/空间/SNR增强层、冗余图片和切片等其它形式的冗余数据、SEI消息、VUI参数集片段等。
在更详细地描述本申请的某些方面之前，需要引入一些术语，这些术语将在本说明书的其余部分中被引用。
在一些情况下，下面所述的子图片是指样本、块、宏块、编码单元或类似实体的矩形排列，这些样本、块、宏块、编码单元或类似实体在语义上进行分组，并且可以用改变的分辨率进行独立编码。一个或多个子图片可以形成图片。一个或多个已编码子图片可以形成已编码图片。可以将一个或多个子图片组合成图片，并且可以从图片中提取一个或多个子图片。在某些环境中，可以在压缩域中组装一个或多个已编码子图片，而无需转码(transcode)到样本级别再形成已编码图片，并且在相同或其他情况下，可以从压缩域中的已编码图片中提取一个或多个已编码子图片。
下面所述的自适应分辨率改变(ARC)是指通过例如参考图片重采样的方式允许改变已编码视频序列中的图片或子图片的分辨率的机制。ARC参数在下文中是指执行自适应分辨率改变所需的控制信息，其可以包括例如滤波器参数、缩放因子、输出和/或参考图片的分辨率、各种控制标志等。
上面的描述关注编码和解码单个的、语义上独立的已编码视频图片。在对具有独立ARC参数的多个子图片的编码/解码的含义及其隐含的附加复杂性进行描述之前，将对用于发信号通知ARC参数的选项进行描述。
参考图5，其示出了几种用于发信号通知ARC参数的新选项。如每个选项所指出的，从编解码效率、复杂性和架构的角度来看，这些选项具有某些优点和缺点。视频编解码标准或技术可以选择这些选项中的一个或多个，或者选择相关技术中已知的选项，以发信号通知ARC参数。这些选项并不相互排斥，并且可以基于应用需求、所涉及的标准技术或编码器的选择进行互换。
ARC参数的类别可以包括：
-上采样因子/下采样因子，其在X维度和Y维度上分离或组合；
-上采样因子/下采样因子，其加上时间维度表示给定数量图片的恒定速度的放大/缩小；
-以样本、块、宏块、编码单元(CU)或任何其它合适的粒度为单位，输入图片、输出图片、参考图片、已编码图片在X维度或Y维度上组合的或单独的分辨率。如果存在多于一个的分辨率(例如，一个用于输入图片，另一个用于参考图片)，则在某些情况下，可以从一组值推断出另一组值。这可以例如通过使用标志来控制(gate)。有关更详细的示例，请参阅下文。
-“翘曲(warping)”坐标类似于在H.263附录P中使用的坐标，同样以上述合适的粒度进行。H.263附录P定义了一种对这种翘曲坐标进行编解码的有效方式，但也可以设想其它可能更有效的方式。例如，附录P的翘曲坐标的可变长度可逆的“霍夫曼”格式编解码可以用合适长度的二进制编解码代替，其中二进制码字的长度例如可以从最大图片大小导出，可能会乘以某个因子并偏移某个值，以便允许在最大图片大小的边界之外进行“翘曲”。
-上采样滤波器参数或下采样滤波器参数。
所述的前两个上/下采样因子中的任何一个都可能涉及对一个或多个短语法元素的编解码，该一个或多个语法元素可能指向包含一个或多个因子的表(table)。在最简单的情况下，可能仅存在用于上采样和/或下采样的单个滤波器。然而，在某些情况下，在滤波器设计中允许更大的灵活性可能更有利，而这可能需要发信号通知滤波器参数。可以通过可能的滤波器设计列表中的索引来选择这样的参数，可以完全指定滤波器(例如通过滤波器系数列表，使用合适的熵编码技术)，也可以通过上采样/下采样比来隐式地选择滤波器，然后根据上述机制中的任何一种机制来发信号通知，依此类推。
此后，本说明书假定通过码字指示的上采样因子/下采样因子的有限集合的编解码(在X维度和Y维度上使用相同的因子)。有利地，该码字可以是可变长度已编码的，例如使用对于视频编解码规范(例如H.264和H.265)中的某些语法元素通用的Ext-Golomb代码。例如，根据下表，可以将值适当地映射到上采样因子/下采样因子。
表1
码字 Ext-Golomb代码 原始/目标分辨率
0 1 1/1
1 010 1/1.5(放大50％)
2 011 1.5/1(缩小50％)
3 00100 1/2(放大100％)
4 00101 2/1(缩小100％)
根据应用的需求以及视频压缩技术或标准中可用的放大和缩小机制的功能，可以设计出许多类似的映射。该表可以扩展出更多的值。这些值还可以由除Ext-Golomb码之外的熵编解码机制来表示，例如使用二进制编解码。当重采样因子在视频处理引擎(最重要的是编码器和解码器)本身之外(例如通过MANE)受到关注时，这可能具有一定的优势。应当注意，对于不需要改变分辨率的(大概)最常见情况，可以选择较短的Ext-Golomb码。在上表中，只有1比特。与在大多数情况下使用二进制代码相比，这样可以具有提高编解码效率的优势。
表中条目的数量及其语义完全或部分可配置。例如，可以在诸如序列或解码器参数集之类的“高”参数集中传送表的基本轮廓。可替代地或另外，一个或多个这样的表可以在视频编解码技术或标准中进行定义，并且可以通过例如解码器或序列参数集来选择。
以后如何将如上所述的已编码的上采样因子/下采样因子(ARC信息)包括在视频编解码技术或标准语法中，现在将对此进行描述。类似的考虑可以应用于控制上采样滤波器/下采样滤波器的一个或几个码字。当滤波器或其它数据结构需要相对大量的数据时，请参见下面的讨论。
H.263附件P以四个翘曲坐标的形式将ARC信息(502)包括在图片头(501)中，具体包括在H.263PLUSPTYPE(503)头扩展中。当有可用的图片头，并且期望ARC信息频繁改变时，这可能是合理的设计选择。然而，当使用H.263格式的信令时，开销可能会非常高，并且由于图片头可能具有瞬时性质，因此缩放因子可能不属于图片边界。
上面引用的JVCET-M135-v1包括位于图片参数集(504)中的ARC参考信息(505)(索引)，该ARC参考信息(505)对包括目标分辨率的表(506)进行索引，该表(506)位于序列参数集(507)内。通过在能力交换期间使用SPS作为互操作性协商点(interoperabilitynegotiation point)，可以证明在序列参数集(507)的表(506)中，可能的分辨率的放置。通过参考适当的图片参数集(504)，分辨率可以在表(506)中的值所设置的限制内随图片的变化而变化。
仍然参考图5，可以存在以下附加选项，以在视频比特流中传送ARC信息。这些选项中的每一个都具有优于上述现有技术的某些优点。这些选项可以同时存在于同一视频编解码技术或标准中。
在实施例中，诸如重采样(缩放)因子之类的ARC信息(509)可以存在于切片头、GOB头、图块头或图块组头(508)中。例如如上所述的，ARC信息很小就足够了，例如单个可变长度ue(v)或几个比特的固定长度码字。将ARC信息直接放在图块组头中具有额外的优点，即ARC信息可以应用于例如由该图块组表示的子图片，而不是整个图片，另请参见下文。另外，即使视频压缩技术或标准仅设想了整个图片的自适应分辨率的改变(例如与基于图块组的自适应分辨率的改变相比)，从差错修复的角度来看，将ARC信息放入图块组头与将其放入H.263格式的图片头相比具有一定的优势。
在同一或另一实施例中，ARC信息(512)本身可以存在于适当的参数集(511)中，例如图片参数集、头参数集、图块参数集、自适应参数集等等(描述的自适应参数集)。更有利地，该参数集的范围可以不大于图片，例如图块组。通过激活相关参数集，ARC信息的使用是隐式的。例如，当视频编解码技术或标准仅考虑基于图片的ARC时，则图片参数集或等效参数可能适用。
在同一或另一实施例中，ARC参考信息(513)可以存在于图块组头(514)或类似的数据结构中。该参考信息(513)可以指参数集(516)中可用的ARC信息(515)的子集，该参数集的范围超出单个图片，例如序列参数集或解码器参数集。
因为图片参数集和序列参数集一样，可用于(并且可包含在诸如RFC3984的某些标准中)能力协商或通告(announcement)，因此如JVET-M0135-v1中所使用的、间接暗示来自图块组头、PPS、SPS的PPS激活的附加级别似乎是不必要的。然而，如果ARC信息也应当适用于例如由图块组表示的子图片，则激活范围限于图块组的参数集(例如自适应参数集或头参数集)可能是更好的选择。而且，如果ARC信息的大小超过可忽略的大小(例如，包含诸如多个滤波器系数的滤波器控制信息)，则从编解码效率的角度来看，与直接使用头(508)相比，使用参数可能是更好的选择，因为那些设置可以通过参考相同的参数集而被将来的图片或子图片重用。
当使用序列参数集或具有跨多个图片范围的另一更高的参数集时，可能需要考虑某些因素。
1、在一些情况下，用于存储ARC信息表(516)的参数集可以是序列参数集，但是在其他情况下更有利地是解码器参数集。解码器参数集可以具有多个CVS的激活范围，即已编码视频流，也就是说，从会话开始到会话拆除的所有已编码视频比特。这样的范围可能更适合，因为可能的ARC因子可以是解码器特征，可能以硬件实现，并且硬件特征往往不会随任何CVS(其在至少一些娱乐系统中是长度为一秒或更短的图片组)改变。也就是说，将表放入序列参数集中被明确地包含在本文所述的放置选项中，特别是结合下面的第2点。
2、有利地，ARC参考信息(513)可以直接放置在图片/切片/图块/GOB/图块组头(514)中，而不是如JVCET-M0135-v1中放置在图片参数集中。原因如下：当编码器想要改变图片参数集中的单个值(例如ARC参考信息)时，它必须创建新的PPS并参考该新的PPS。假设仅ARC参考信息改变，但是其他信息(例如PPS中的量化矩阵信息)保留。这样的信息可能很大，并且需要重新传输以使新的PPS完整。由于ARC参考信息可以是单个码字(例如表(513)中的索引)，并且是唯一变化的值，因此重新传输所有的例如量化矩阵信息将是麻烦且浪费的。就此而言，从编解码效率的角度来看，最好避免通过PPS进行间接存取(indirection)，如JVET-M0135-v1中所建议的。类似地，将ARC参考信息放入PPS具有另外的缺点，即由于图片参数集的激活范围是图片，因此由ARC参考信息(513)参考的ARC信息必须应用于整个图片而不是子图片。
在同一或另一实施例中，ARC参数的信令可以遵循图6中概述的详细示例。图6描述了至少从1993年以来在视频编解码标准中使用的表示形式的语法图。这种语法图的表示法大致遵循C格式(C-style)编程。粗体线表示存在于比特流中的语法元素，未加粗的线通常表示控制流或者变量的设置。
作为可应用于图片的(可能是矩形的)一部分的头的示例性语法结构，图块组头(601)可以有条件地包含可变长度的、Exp-Golomb已编码的语法元素Dec_pic_size_idx(602)(以粗体示出)。可以使用自适应分辨率(603)来控制图块组头中此语法元素的存在(此处，标志的值未用粗体表示)，这意味着该标志在比特流中出现在其在语法图中出现的点处。可以以比特流内部或外部的任何高级语法结构来发信号通知是否将自适应分辨率应用于该图片或图片的一部分。在所示的示例中，其在如下所述的序列参数集中发信号通知。
仍然参考图6，其还示出了序列参数集(610)的摘录。所示的第一语法元素是adaptive_pic_resolution_change_flag(611)。当为真(true)时，该标志可以指示使用自适应分辨率，这又可能需要某些控制信息。在该示例中，该标志的值基于参数集(612)和图块组头(601)中的if语句，而这种控制信息基于该标志的值有条件地出现。
在该示例中，当使用自适应分辨率时，被编码的是以样本为单位的输出分辨率(613)。标号613指的是output_pic_width_in_luma_sample和output_pic_height_in_luma_sample，它们共同定义输出图片的分辨率。在视频编解码技术或标准的其它地方，可以定义对任一值的某些限制。例如，级别定义可以限制总输出样本的数量，其可以是这两个语法元素的值的乘积。此外，某些视频编解码技术或标准、或外部技术或标准(例如，系统标准)可以限制编号范围(例如，一个或两个维度必须可以被2的整数次幂整除)或长宽比(例如，宽度和高度必须具有例如4：3或16：9的关系)。为了促进硬件实现或出于其它原因，可以引入这种限制。
在某些应用中，建议编码器指示解码器使用某个参考图片大小，而不是隐式地假定该大小为输出图片大小。在该示例中，语法元素reference_pic_size_present_flag(614)控制参考图片大小(615)的有条件存在(同样，该标号指的是宽度和高度)。
最后，示出了可能的解码图片宽度和高度的表。这样的表可以例如由表指示(num_dec_pic_size_in_luma_samples_minus1)(616)来表示。“minus1”指的是对该语法元素的值的解释。例如，如果已编码值为0，则存在一个表条目。如果值为5，则存在六个表条目。对于表中的每个“行(line)”，则将已解码图片的宽度和高度包括在语法(617)中。
可以使用图块组头中的语法元素dec_pic_size_idx(602)为呈现的表条目(617)建立索引，从而允许每个图块组具有不同的解码大小(实际上是缩放因子)。
通过结合时间可缩放性(scalability)来实现某些形式的参考图片重采样(以与本申请完全不同的方式发信号通知)，使得某些视频编解码技术或标准(例如VP9)支持空间可缩放性，以便实现空间可缩放性。具体地，可以使用ARC格式技术将某些参考图片上采样到更高的分辨率，以形成空间增强层的基础。那些上采样的图片可以使用高分辨率的常规预测机制来细化，以增加细节。
本申请可以在这样的环境中使用。在某些情况下，在同一或另一实施例中，NAL单元头中的值(例如，时间ID字段)不仅可以用于指示时间层，还可以用于指示空间层。这样做对于某些系统设计具有某些优点，例如，对于可缩放环境，不需要修改便可以使用基于NAL单元头时间ID值为时间层选择性转发(temporal layer selected forwarding)创建和优化的现有选择性转发单元(SFU)。为了实现这一点，可能需要通过NAL单元头中的时间ID字段来指示已编码图片大小和时间层之间的映射。
在一些视频编解码技术中，存取单元(AU)可以指在给定的时间实例处捕获的并组合成相应的图片/切片/图块/NAL单元比特流的一个或多个已编码图片、一个或多个切片、一个或多个图块、一个或多个NAL单元等。该给定的时间实例可以是合成时间。
在HEVC和某些其他视频编解码技术中，图片顺序计数(POC)值可用于指示从解码图片缓冲器(DPB)存储的多个参考图片中选择的参考图片。当存取单元(AU)包括一个或多个图片、切片或图块时，属于同一AU的每个图片、切片或图块可以携带相同的POC值，从该POC值可以导出，它们是根据同一合成时间的内容创建的。换言之，在两个图片/切片/图块携带相同的给定POC值的情况下，该POC值可以指示属于同一AU并且具有相同合成时间的两个图片/切片/图块。相反地，具有不同POC值的两个图片/切片/图块可以指示属于不同AU并且具有不同合成时间的那些图片/切片/图块。
在本申请的实施例中，因为存取单元可以包括具有不同POC值的图片、切片或图块，因此可以放宽前述的刚性关系。通过允许在一个AU内使用不同的POC值，可以使用POC值来识别具有相同呈现时间的可能独立解码的图片/切片/图块。这进而可以支持多个可缩放层而无需改变参考图片选择信令(例如，参考图片集信令或参考图片列表信令)，如下面更详细的描述。
然而，对于具有不同POC值的其他图片/切片/图块，仍然希望能够仅根据POC值来识别图片/切片/图块所属的AU。这是可以实现的，如下所述。
在同一或其他实施例中，可以在高级语法结构(例如NAL单元头、切片头、图块组头、SEI消息、参数集或AU定界符)中发信号通知存取单元计数(AUC)。AUC值可用于识别哪些NAL单元、图片、切片或图块属于给定的AU。AUC值可以对应于不同的合成时间实例。AUC值可以等于POC值的倍数。通过将POC值除以一个整数值，可以计算AUC值。在某些情况下，除法运算会给解码器实现带来一定的负担。在这种情况下，在AUC值的编号空间中做一些小的限制可以允许用移位运算代替除法运算。例如，AUC值可以等于POC值范围内的最高有效位(MSB)值。
在同一的实施例中，可以在高级语法结构(例如NAL单元头、切片头、图块组头、SEI消息、参数集或AU定界符)中发信号通知每个AU的POC周期的值(poc_cycle_au)。poc_cycle_au可以指示多少个不同且连续的POC值可与同一AU相关联。例如，如果poc_cycle_au的值等于4，则POC值等于0到3(包括0和3)的图片、切片或图块与AUC值等于0的AU相关联，并且POC值等于4到7(包括4和7)的图片、切片或图块与AUC值等于1的AU相关联。因此，可以通过将POC值除以poc_cycle_au的值来推断AUC的值。
在同一或另一实施例中，poc_cycle_au的值可以从例如位于视频参数集(VPS)中的信息导出，该信息标识已编码视频序列中的空间或SNR层的数量。下面简要描述这种可能的关系。尽管如上所述的推导可以在VPS中节省几个比特，并因此可以提高编解码效率，但以层级低于视频参数集的、适当的高级语法结构来显式地对poc_cycle_au进行编码，以便能够针对给定的一小部分比特流(例如图片)来最小化poc_cycle_au，这可能是有利的。由于POC值(和/或间接引用POC的语法元素的值)可以用低级语法结构来编码，所以与通过上述推导过程所能节省的比特相比，这种优化可以节省更多的比特。
在同一或另一实施例中，图9示出了语法表的示例。该语法表用于在VPS(或SPS)中发信号通知vps_poc_cycle_au的语法元素，其中vps_poc_cycle_au指示用于已编码视频序列中的所有图片/切片的poc_cycle_au。该语法表还用于发信号通知slice_poc_cycle_au的语法元素，其中slice_poc_cycle_au在切片头中指示当前切片的poc_cycle_au。如果每个AU的POC值均匀增加，则将VPS中的vps_contant_poc_cycle_per_au设置为1，并且在VPS中发信号通知vps_poc_cycle_au。在这种情况下，没有明确地发信号通知slice_poc_cycle_au，并且通过将POC值除以vps_poc_cycle_au来计算每个AU的AUC值。如果每个AU的POC值不是均匀增加，则将VPS中的vps_contant_poc_cycle_per_au设置为0。在这种情况下，不发信号通知vps_access_unit_cnt，而是针对每个切片或图片在切片头中发信号通知slice_access_unit_cnt。每个切片或图片可以具有不同的slice_access_unit_cnt值。通过将POC值除以slice_poc_cycle_au来计算每个AU的AUC值。图10示出了相关工作流程的框图。
在同一或其他实施例中，即使图片、切片或图块的POC值可能不同，与具有相同AUC值的AU对应的图片、切片或图块也可以与同一解码或输出时间实例相关联。因此，在同一AU中的图片、切片或图块之间没有任何帧间解析/解码依赖性(dependency)的情况下，与该同一AU相关联的图片、切片或图块的全部或子集可以并行解码，并且可以在同一时间实例处输出。
在同一或其他实施例中，即使图片、切片或图块的POC值可能不同，与具有相同AUC值的AU对应的图片、切片或图块也可以与同一合成/显示时间实例相关联。当合成时间包含在容器格式中时，即使图片对应于不同的AU，但如果图片具有相同的合成时间，也可以在同一时间实例处显示。
在同一或其他实施例中，每个图片、切片或图块在同一AU中可以具有相同的时间标识符(temporal_id)。与时间实例对应的图片、切片或图块的全部或子集可以与同一时间子层相关联。在同一或其他实施例中，每个图片、切片或图块在同一AU中可以具有相同或不同的空间层id(layer_id)。与时间实例对应的图片、切片或图块的全部或子集可以与相同或不同的空间层相关联。
图8示出了具有自适应分辨率改变的temporal_id、layer_id、POC值和AUC值的组合的视频序列结构的示例。在该示例中，AUC＝0的第一AU中的图片、切片或图块可以具有temporal_id＝0和layer_id＝0或1，而AUC＝1的第二AU中的图片、切片或图块可以分别具有temporal_id＝1和layer_id＝0或1。不管temporal_id和layer_id的值如何，每个图片的POC值都增加1。在该示例中，poc_cycle_au的值可以等于2。优选地，可以将poc_cycle_au的值设置为等于(空间可缩放性)层的数量。因此，在该示例中，POC的值增加2，而AUC的值增加1。
在以上实施例中，可以通过使用HEVC中的现有参考图片集(RPS)信令或参考图片列表(RPL)信令来支持图片间或层间预测结构和参考图片指示的全部或子集。在RPS或RPL中，通过发信号通知当前图片和所选参考图片之间的POC值或POC的增量值来指示该所选参考图片。对于本申请，RPS和RPL可用于指示图片间或层间预测结构而无需改变信令，但是具有以下限制。如果参考图片的temporal_id的值大于当前图片的temporal_i的值，则当前图片可以不使用参考图片进行运动补偿或其他预测。如果参考图片的layer_id的值大于当前图片的layer_id的值，则当前图片可以不使用参考图片进行运动补偿或其他预测。
在同一和其他实施例中，可以在存取单元内的多个图片之间禁止将基于POC差的运动矢量缩放用于时间运动矢量预测。因此，尽管每个图片在存取单元内可以具有不同的POC值，但是运动矢量没有被缩放并用于存取单元内的时间运动矢量预测。这是因为在同一AU中具有不同POC的参考图片被认为具有相同的时间实例。因此，在该实施例中，当参考图片属于与当前图片相关联的AU时，运动矢量缩放功能可以返回1。
在同一和其他实施例中，当参考图片的空间分辨率不同于当前图片的空间分辨率时，可选地可以在多个图片之间禁止将基于POC差的运动矢量缩放用于时间运动矢量预测。当允许运动矢量缩放时，基于POC差和当前图片与参考图片之间的空间分辨率之比来缩放运动矢量。
在同一或另一实施例中，对于时间运动矢量预测，尤其是在poc_cycle_au具有非均匀值时(当vps_contant_poc_cycle_per_au＝＝0时)，可以基于AUC差而不是POC差来缩放运动矢量。否则(当vps_contant_poc_cycle_per_au＝＝1时)，基于AUC差的运动矢量缩放可能与基于POC差的运动矢量缩放相同。
在同一或另一实施例中，当基于AUC差对运动矢量进行缩放时，与当前图片相同的AU(具有相同的AUC值)中的参考运动矢量不基于AUC差进行缩放，而是无需缩放就用于运动矢量预测或者基于当前图片和参考图片之间的空间分辨率之比进行缩放后用于运动矢量预测。
在同一和其他实施例中，AUC值用于识别AU的边界，并用于假想参考解码器(HRD)操作，这需要输入和输出具有AU粒度的定时。在大多数情况下，可以输出具有AU中最高层的已解码图片以进行显示。AUC值和layer_id值可用于识别输出图片。
在实施例中，图片可以由一个或多个子图片组成。每个子图片可以覆盖该图片的局部区域或整个区域。一个子图片支持的区域可以与另一个子图片支持的区域重叠或不重叠。由一个或多个子图片组成的区域可以覆盖或不覆盖图片的整个区域。如果图片由子图片组成，则该子图片支持的区域与该图片支持的区域相同。
在同一实施例中，可以通过与用于已编码图片的类似的编码方法对子图片进行编码。子图片可以独立地进行编码，或者可以根据另一个子图片或已编码图片进行编码。子图片可以对另一个子图片或已编码图片具有或不具有任何解析依赖性。
在同一实施例中，已编码子图片可以包含在一个或多个层中。层中的已编码子图片可以具有不同的空间分辨率。原始子图片可以在空间上重新采样(上采样或下采样)，用不同的空间分辨率参数进行编码，并且包含在与层对应的比特流中。
在同一或另一实施例中，具有(W,H)的子图片可以被编码并包含在与层0对应的已编码比特流中，其中W指示子图片的宽度，H指示子图片的高度。从具有原始空间分辨率的子图片上采样(或下采样)的子图片(具有(W*Sw,k,H*Sh,k))可以被编码并包含在与层k对应的已编码比特流中，其中Sw,k、Sh,k指示水平和垂直方向的重采样率。如果Sw,k、Sh,k的值大于1，则重采样等于上采样。然而，如果Sw,k、Sh,k的值小于1，则重采样等于下采样。
在同一或另一实施例中，一个层中的已编码子图片的视觉质量可能与同一子图片或不同子图片中的另一层中的已编码子图片的视觉质量不同。例如，层n中的子图片i用量化参数Qi,n进行编码，而层m中的子图片j用量化参数Qj,m进行编码。
在同一或另一实施例中，一个层中的已编码子图片可以是可独立解码的(independently decodable)，其对相同局部区域的另一层中的已编码子图片没有任何解析或解码依赖性。可以在不参考相同局部区域的另一子图片层的情况下独立解码的子图片层是独立子图片层。独立子图片层中的已编码子图片对同一子图片层中的先前已编码子图片可以具有或不具有解码或解析依赖性，但是该已编码子图片对另一子图片层中的已编码图片可以不具有任何依赖性。
在同一或另一实施例中，一个层中的已编码子图片可以是从属解码的(dependently decodable)，其对相同局部区域的另一层中的已编码子图片具有任何解析或解码依赖性。可以在参考相同局部区域的另一子图片层的情况下从属解码的子图片层是从属(dependent)子图片层。从属子图片中的已编码子图片可以参考属于同一子图片的已编码子图片、同一子图片层中的先前已编码子图片、或者两种参考子图片。
在同一或另一实施例中，已编码子图片由一个或多个独立子图片层和一个或多个从属子图片层组成。然而，对于已编码子图片，可以存在至少一个独立子图片层。独立子图片层可以具有层标识符(layer_id)的值，该层标识符可以存在于NAL单元头或另一高级语法结构中，其值等于0。layer_id等于0的子图片层是基础子图片层。
在同一或另一实施例中，图片可以由一个或多个前景子图片和一个背景子图片组成。背景子图片支持的区域可以等于图片的区域。前景子图片支持的区域可以与背景子图片支持的区域重叠。背景子图片可以是基础子图片层，而前景子图片可以是非基础(增强)子图片层。一个或多个非基础子图片层可以参考同一基础层进行解码。每个layer_id等于a的非基础子图片层可以参考layer_id等于b的非基础子图片层，其中a大于b。
在同一或另一实施例中，图片可以由具有或不具有背景子图片的一个或多个前景子图片组成。每个子图片可以具有其自己的基础子图片层和一个或多个非基础(增强)层。每个基础子图片层都可以被一个或多个非基础子图片层参考。每个layer_id等于a的非基础子图片层可以参考layer_id等于b的非基础子图片层，其中a大于b。
在同一或另一实施例中，图片可以由具有或不具有背景子图片的一个或多个前景子图片组成。(基础或非基础)子图片层中的每个已编码子图片可以被属于同一子图片的一个或多个非基础层子图片和不属于同一子图片的一个或多个非基础层子图片参考。
在同一或另一实施例中，图片可以由具有或不具有背景子图片的一个或多个前景子图片组成。层a中的子图片可以被进一步划分为同一层中的多个子图片。层b中的一个或多个已编码子图片可以参考层a中划分后的子图片。
在同一或另一实施例中，已编码视频序列(CVS)可以是一组已编码图片。CVS可以由一个或多个已编码子图片序列(CSPS)组成，其中CSPS可以是覆盖图片的相同局部区域的一组已编码子图片。CSPS可以具有与已编码视频序列相同或不同的时间分辨率。
在同一或另一实施例中，CSPS可以被编码并包含在一个或多个层中。CSPS可以由一个或多个CSPS层组成。对与CSPS对应的一个或多个CSPS层进行解码可以重建对应于相同局部区域的子图片序列。
在同一或另一实施例中，与CSPS对应的CSPS层的数量可以与与另一CSPS对应的CSPS层的数量相同或不同。
在同一或另一实施例中，CSPS层可以具有与另一CSPS层不同的时间分辨率(例如帧速率)。原始(未压缩的)子图片序列可以在时间上重新采样(上采样或下采样)，用不同的时间分辨率参数进行编码，并且包含在与层对应的比特流中。
在同一或另一实施例中，具有帧速率F的子图片序列可以被编码并包含在与层0对应的已编码比特流中，而原始子图片序列中的具有F*St,k的时间上采样(或下采样)子图片序列可以被编码并包含在与层k对应的已编码比特流中，其中St,k指示层k的时间采样率。如果St,k的值大于1，则时间重采样过程等于帧速率上变换(frame rate up conversion)。然而，如果St,k的值小于1，则时间重采样过程等于帧速率下变换(frame rate downconversion)。
在同一或另一实施例中，当具有CSPS层a的子图片被具有CSPS层b的子图片参考以进行运动补偿或任何层间预测时，如果CSPS层a的空间分辨率不同于CSPS层b的空间分辨率，则CSPS层a中的已解码像素被重新采样并用作参考。重采样过程可能需要上采样滤波或下采样滤波。
图11示出了示例视频流，该示例视频流包括layer_id等于0的背景视频CSPS和多个前景CSPS层。虽然已编码子图片可以由至少一个CSPS层组成，但是不属于任何前景CSPS层的背景区域可以由基础层组成。基础层可以包含背景区域和前景区域，而增强CSPS层包含前景区域。在同一区域，增强CSPS层可能比基础层具有更好的视觉质量。增强CSPS层可以参考对应同一区域的重建像素和基础层的运动矢量。
在同一或另一实施例中，在视频文件中，与基础层对应的视频比特流包含在轨道中，而与每个子图片对应的CSPS层包含在单独的轨道中。
在同一或另一实施例中，与基础层对应的视频比特流包含在轨道中，而具有相同layer_id的CSPS层包含在单独的轨道中。在该示例中，与层k对应的轨道仅包括与层k对应的CSPS层。
在同一或另一实施例中，每个子图片的每个CSPS层存储在单独的轨道中。每个轨道对一个或多个其他轨道可以具有或不具有任何解析或解码依赖性。
在同一或另一实施例中，每个轨道可以包含与子图片的全部或子集的CSPS层的层i至层j对应的比特流，其中0<i＝<j＝<k，k是CSPS的最高层。
在同一或另一实施例中，图片由一个或多个相关联的媒体数据组成，这些相关联的媒体数据包括深度图、阿尔法(α)图、3D几何数据、占用图等。这种相关联的定时媒体数据可以被划分成一个或多个数据子流，每个数据子流对应一个子图片。
在同一或另一实施例中，图12示出了基于多层子图片方法的视频会议的示例。在视频流中，包含与背景图片对应的一个基础层视频比特流和与前景子图片对应的一个或多个增强层视频比特流。每个增强层视频比特流对应一个CSPS层。在显示器中，默认显示与基础层对应的图片。它包含一个或多个用户的画中画(PIP)。当通过客户端的控件选择了特定用户时，与所选择的用户对应的增强CSPS层被解码并以增强的质量或空间分辨率进行显示。图13示出了该操作的示意图。
在同一或另一实施例中，网络中间盒(例如路由器)可以根据其带宽选择要发送给用户的层的子集。图片/子图片组织可用于带宽适配。例如，如果用户没有带宽，则路由器会由于其重要性或基于所使用的设置而剥离层或选择一些子图片，并且可以动态地做到这一点以适应带宽。
图14示出了360视频的使用情况。当球形360图片被投影到平面图片上时，投影360图片可以被划分成多个子图片作为基础层。特定子图片的增强层可以被编码并发送到客户端。解码器能够对包括所有子图片的基础层和所选择的子图片的增强层进行解码。当当前视口(viewport)与所选择的子图片相同时，所显示的图片与具有增强层的已解码子图片相比可能具有更高的质量。否则，可以以低质量显示具有基础层的已解码图片。
在同一或另一实施例中，用于显示的任何布局信息可以作为补充信息(例如SEI消息或元数据)存在于文件中。一个或多个已解码子图片可以根据用信号通知的布局信息重新定位和显示。布局信息可以由流式传输服务器或广播设备发信号通知，或者可以由网络实体或云服务器重新生成，或者可以由用户的定制设置来确定。
在实施例中，当输入图片被划分成一个或多个(矩形)子区域时，每个子区域可以被编码为独立层。与局部区域对应的每个独立层可以具有唯一的layer_id值。对于每个独立层，可以发信号通知子图片大小和位置信息，例如，图片大小(宽度，高度)、左上角的偏移信息(x_offset,y_offset)。图15示出了划分的子图片的布局、其子图片大小和位置信息以及其对应的图片预测结构的示例。包括一个或多个子图片大小和一个或多个子图片位置的布局信息可以在高级语法结构(例如一个或多个参数集、切片头或图块组头、或SEI消息)中发信号通知。
在同一实施例中，与独立层对应的每个子图片可以在AU内具有唯一的POC值。当通过使用RPS或RPL结构中的语法元素来指示存储在DPB中的图片中的参考图片时，可以使用与层对应的每个子图片的POC值。
在同一或另一实施例中，为了指示(层间)预测结构，可以不使用layer_id并且可以使用POC(增量)值。
在同一实施例中，与层(或局部区域)对应的、POC值等于N的子图片可以用作或可以不用作与同一层(或同一局部区域)对应的、POC值等于N+K的子图片的参考图片，以进行运动补偿预测。在大多数情况下，数量K的值可以等于(独立)层的最大数量，该数量可以与子区域的数量相同。
在同一或另一实施例中，图16示出了图15的扩展情况。当输入图片被划分成多个(例如四个)子区域时，每个局部区域可以以一个或多个层来编码。在这种情况下，独立层的数量可以等于子区域的数量，并且一个或多个层可以对应于子区域。因此，每个子区域可以以一个或多个独立层以及零个或多个从属层来编码。
在同一实施例中，在图16中，输入图片可以被划分成四个子区域。右上子区域可以被编码为两个层，即层1和层4，而右下子区域可以被编码为两个层，即层3和层5。在这种情况下，层4可以参考层1进行运动补偿预测，而层5可以参考层3进行运动补偿。
在同一或另一实施例中，可以(可选地)禁用跨层边界的环路内(in-loop)滤波(例如解块滤波、自适应环路内滤波、整形器、双边滤波或任何基于深度学习的滤波)。
在同一或另一实施例中，可以(可选地)禁用跨层边界的运动补偿预测或块内复制。
在同一或另一实施例中，可以可选地处理用于运动补偿预测的边界填充或子图片边界处的环路内滤波。可以在高级语法结构(例如一个或多个参数集(VPS、SPS、PPS或APS)、切片头或图块组头、或SEI消息)中发信号通知一个标志，以指示边界填充是否被处理。
在同一或另一实施例中，可以在VPS或SPS中发信号通知一个或多个子区域(或者一个或多个子图片)的布局信息。图17示出了VPS和SPS中的语法元素的示例。在该示例中，在VPS中发信号通知vps_sub_picture_dividing_flag。该标志可以指示一个或多个输入图片是否被划分成多个子区域。当vps_sub_picture_dividing_flag的值等于0时，与当前VPS对应的一个或多个已编码视频序列中的一个或多个输入图片可以不被划分成多个子区域。在这种情况下，输入图片大小可以等于已编码图片大小(pic_width_in_luma_samples,pic_height_in_luma_samples)，该已编码图片大小在SPS中发信号通知。当vps_sub_picture_dividing_flag的值等于1时，该一个或多个输入图片可以被划分成多个子区域。在这种情况下，在VPS中发信号通知语法元素vps_full_pic_width_in_luma_samples和vps_full_pic_height_in_luma_samples。vps_full_pic_width_in_luma_samples和vps_full_pic_height_in_luma_samples的值可以分别等于该一个或多个输入图片的宽度和高度。
在同一实施例中，vps_full_pic_width_in_luma_samples和vps_full_pic_height_in_luma_samples的值可以不用于解码，而是用于合成和显示。
在同一实施例中，当vps_sub_picture_dividing_flag的值等于1时，可以在SPS中发信号通知语法元素pic_offset_x和pic_offset_y，该语法元素对应于一个或多个特定层。在这种情况下，在SPS中发信号通知的已编码图片大小(pic_width_in_luma_samples,pic_height_in_luma_samples)可以等于与特定层对应的子区域的宽度和高度。而且，可以在SPS中发信号通知子区域的左上角的位置(pic_offset_x,pic_offset_y)。
在同一实施例中，子区域的左上角的位置信息(pic_offset_x,pic_offset_y)可以不用于解码，而是用于合成和显示。
在同一或另一实施例中，可以在参数集或SEI消息中发信号通知一个或多个输入图片的全部或子集子区域的布局信息(大小和位置)、以及层之间的从属性信息。图18示出了语法元素的示例，用于指示子区域的布局、层之间的从属性以及子区域与一个或多个层之间的关系的信息。在该示例中，语法元素num_sub_region指示当前已编码视频序列中(矩形)子区域的数量。语法元素num_layers指示当前已编码视频序列中层的数量。num_layers的值可以等于或大于num_sub_region的值。当任何子区域以单个层进行编码时，num_layers的值可以等于num_sub_region的值。当一个或多个子区域以多个层进行编码时，num_layers的值可以大于num_sub_region的值。语法元素direct_dependency_flag[i][j]指示从第j层到第i层的从属性。num_layers_for_region[i]指示与第i个子区域相关联的层的数量。sub_region_layer_id[i][j]指示与第i个子区域相关联的第j层的layer_id。sub_region_offset_x[i]和sub_region_offset_y[i]分别指示第i个子区域的左上角的水平和垂直位置。sub_region_width[i]和sub_region_height[i]分别指示第i个子区域的宽度和高度。
在一个实施例中，可以在高级语法结构(例如VPS、DPS、SPS、PPS、APS或SEI消息)中发信号通知一个或多个语法元素，该一个或多个语法元素指定输出层集，以指示要输出的具有或不具有配置文件层级信息的多个层中的一个。参考图19，可以在VPS中发信号通知语法元素num_output_layer_sets，该语法元素num_output_layer_sets指示参考VPS的已编码视频序列中的输出层集(OLS)的数量。对于每个输出层集，可以发信号通知与输出层的数量一样多的output_layer_flag。
在同一实施例中，output_layer_flag[i]等于1指定输出第i层。vps_output_layer_flag[i]等于0指定不输出第i层。
在同一或另一实施例中，可以在高级语法结构(例如VPS、DPS、SPS、PPS、APS或SEI消息)中发信号通知一个或多个语法元素，该一个或多个语法元素指定每个输出层集的配置文件层级信息。仍然参考图19，可以在VPS中发信号通知语法元素num_profile_tile_level，该语法元素num_profile_tile_level指示参考VPS的已编码视频序列中的每个OLS的配置文件层级信息的数量。对于每个输出层集，可以发信号通知与输出层的数量一样多的用于配置文件层级信息的语法元素集或指示配置文件层级信息中的条目的特定配置文件层级信息的索引。
在同一实施例中，profile_tier_level_idx[i][j]指定应用于第i个OLS的第j层的profile_tier_level()语法结构在VPS中的profile_tier_level()语法结构的列表中的索引。
在同一或另一实施例中，参考图20，当最大层数大于1(vps_max_layers_minus1>0)时，可以发信号通知语法元素num_profile_tile_level和/或num_output_layer_sets。
在同一或另一实施例中，参考图20，指示第i个输出层集的输出层信令的模式的语法元素vps_output_layers_mode[i]可以存在于VPS中。
在同一实施例中，vps_output_layers_mode[i]等于0指定使用第i个输出层集仅输出最高层。vps_output_layer_mode[i]等于1指定使用第i个输出层集输出所有层。vps_output_layer_mode[i]等于2指定输出的层是vps_output_layer_flag[i][j]等于1且使用第i个输出层集的层。可以保留更多的值。
在同一实施例中，根据用于第i个输出层集的vps_output_layers_mode[i]的值，可以发信号通知或不发信号通知output_layer_flag[i][j]。
在同一或另一实施例中，参考图20，对于第i个输出层集，可以存在标志vps_ptl_signal_flag[i]。根据vps_ptl_signal_flag[i]的值，可以发信号通知或不发信号通知第i个输出层集的配置文件层级信息。
在同一或另一实施例中，参考图21，可以在高级语法结构(例如VPS、DPS、SPS、PPS、APS或SEI消息)中发信号通知当前CVS中的子图片的数量max_subpics_minus1。
在同一实施例中，参考图21，当子图片的数量大于1(max_subpics_minus1>0)时，可以发信号通知第i个子图片的子图片标识符sub_pic_id[i]。
在同一或另一实施例中，可以在VPS中发信号通知一个或多个语法元素，该一个或多个语法元素指示属于每个输出层集的每个层的子图片标识符。参考图22，sub_pic_id_layer[i][j][k]指示存在于第i个输出层集的第j层中的第k个子图片。利用这些信息，解码器可以识别出对于特定输出层集的每个层哪个子图片被解码和输出。
在实施例中，为了从已编码视频比特流中提取子比特流，可以将已编码视频比特流中包括的多个NAL单元与输出层集列表进行比较，并去除不包括在输出层集列表中的NAL单元。具体的实现方法可参照如下实施例。
在实施例中，可以通过去除TemporalId大于目标时间ID(tIdTarget)的NAL单元、去除nal_unit_type不等于VPS_NUT、DPS_NUT、EOB_NUT、AUD_NUT且nuh_layer_id不包括在目标输出层集列表(LayerIdInOls[targetOlsIdx])中的所有NAL单元，从已编码视频比特流中提取子比特流，如图22所示。
在同一实施例中，可以通过另外去除包含可缩放嵌套SEI消息的SEI NAL单元，从输出子比特流中提取子比特流，该可缩放嵌套SEI消息的nesting_ols_flag等于1，并且在0到nesting_num_olss_minus1(包括0和nesting_num_olss_minus1)的范围内不存在i的值，以使得NestingOlsIdx[i]等于targetOlsIdx。
在同一实施例中，当targetOlsIdx大于0时，可以通过去除包含不可缩放嵌套SEI消息的SEI NAL单元，从输出子比特流中提取子比特流，该不可缩放嵌套SEI消息的payloadType等于0(缓冲周期)、1(图片定时)或130(解码单元信息)。
在同一或另一实施例中，可以通过去除nuh_layer_id不包括在目标输出层集列表(LayerIdInOls[targetOlsIdx])中的SEI NAL单元，从输出子比特流中提取子比特流。
在同一或另一实施例中，可以通过去除nuh_layer_id不包括在目标输出层集列表(LayerIdInOls[targetOlsIdx])中的SPS、PPS、APS NAL单元，从输出子比特流中提取子比特流。
在同一或另一实施例中，可以通过去除nuh_layer_id不包括在目标输出层集列表(LayerIdInOls[targetOlsIdx])中的图片头(PH)NAL单元，从输出子比特流中提取子比特流。
在同一或另一实施例中，可以通过去除nuh_layer_id不包括在目标输出层集列表(LayerIdInOls[targetOlsIdx])中的EOS NAL单元，从输出子比特流中提取子比特流。
在同一或另一实施例中，可以通过去除nuh_layer_id不包括在目标输出层集列表(LayerIdInOls[targetOlsIdx])中的AUD NAL单元，从输出子比特流中提取子比特流。
在同一或另一实施例中，任何一个输出子比特流都是该过程的输出，其以比特流、targetOlsIdx等于VPS指定的OLS列表的索引、以及tIdTarget等于0到6(包括0和6)范围内的任何值作为输入。
在同一或另一实施例中，输出子比特流可以包含至少一个VCL NAL单元，该VCLNAL单元的nuh_layer_id等于LayerIdInOls[targetOlsIdx]中的每个nuh_layer_id值。
在同一或另一实施例中，输出子比特流可以包含至少一个VCL NAL单元，该VCLNAL单元的TemporalId等于tIdTarget。
图23是根据实施例的从已编码视频比特流中提取子比特流的方法的流程图。在一些实施方式中，图23的一个或多个步骤可以由解码器210执行。在一些实施方式中，图23的一个或多个步骤可以由与解码器210分离或包括解码器210的另一设备或一组设备执行，例如编码器203。
如图23所示，该方法可以包括如下步骤。
步骤2310，获取已编码视频比特流，所述已编码视频比特流包括多个网络抽象层NAL单元。
步骤2320，获取输出层集列表.
步骤2330，将所述NAL单元与所述输出层集列表进行比较。
步骤2340，去除不包括在所述输出层集列表中的NAL单元。
虽然图23示出了该方法步骤的示例框，但在一些实施方式中，该方法可以包括比图23中所示的更多的框、更少的框、不同的框或不同排列的框。另外或可替代地，该方法步骤对应的两个或更多个框可以并行执行。
在实施例中，提供了一种从已编码视频比特流中提取子比特流的装置，所述装置包括：第一获取模块，用于获取已编码视频比特流，所述已编码视频比特流包括多个网络抽象层NAL单元；第二获取模块，用于获取输出层集列表；比较模块，用于将所述NAL单元与所述输出层集列表进行比较；以及去除模块，用于去除不包括在所述输出层集列表中的NAL单元。
上述发信号通知自适应分辨率参数的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7示出了计算机系统700，其适于实现实施例。
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7所示的用于计算机系统700的组件本质上是示例性的，并不用于对实现本申请实施例的计算机软件的使用范围或功能进行任何限制。也不应将组件的配置解释为与计算机系统700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700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701、鼠标702、触控板703、触摸屏710、数据手套、操纵杆705、麦克风706、扫描仪707、照相机708。
计算机系统700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710、数据手套或操纵杆705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709、耳机(未示出))、视觉输出设备(例如，包括阴极射线管(CRT)屏幕、液晶(LCD)屏幕、等离子屏幕、有机发光二极管(OLED)屏幕的屏幕710，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700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)720或类似介质721的光学介质、拇指驱动器722、可移动硬盘驱动器或固体状态驱动器723，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，结合本申请使用的术语“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700还可以包括通往一个或多个通信网络(755)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(全球移动通信系统(GSM)、第三代(3G)、第四代(4G)、第五代(5G)、长期演进(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(749)(例如，计算机系统700的通用串行总线(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700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700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(754)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700的核心740。
核心740可包括一个或多个中央处理单元(CPU)741、图形处理单元(GPU)742、以现场可编程门阵列(FPGA)743形式的专用可编程处理单元、用于特定任务的硬件加速器744等。这些设备以及只读存储器(ROM)745、随机存取存储器(RAM)746、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(SSD)等)747等可通过系统总线748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748，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748，或通过外围总线749进行连接。外围总线的体系结构包括外围总线互联(PCI)、通用串行总线USB等。
CPU 741、GPU 742、FPGA743和加速器744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 745或RAM 746中。过渡数据也可以存储在RAM 746中，而永久数据可以存储在例如内部大容量存储器747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 741、GPU 742、大容量存储器747、ROM 745、RAM 746等紧密关联。
所述计算机可读介质上可具有计算机代码，用于执行各种计算机实现的操作。介质和计算机代码可以是为本申请的目的而特别设计和构造，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700的计算机系统，特别是核心740，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740的特定存储器，例如核心内部大容量存储器747或ROM745。实现本申请的各种实施例的软件可以存储在这种设备中并且由核心740执行。根据特定需要，计算机可读介质可包括一个或一个以上存储设备或芯片。该软件可以使得核心740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 746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744)中的功能，该电路可以代替软件或与软件一起运行以执行本文所述的特定过程或特定过程的特定部分。在适当的情况下，对软件的引用可以包括逻辑，反之亦然。在适当的情况下，对计算机可读介质的引用可包括存储执行软件的电路(如集成电路(IC))，包含执行逻辑的电路，或两者兼备。本申请包括任何合适的硬件和软件组合。
虽然本申请已对多个示例性实施例进行了描述，但实施例的各种变更、排列和各种等同替换均属于本申请的范围内。因此应理解，本领域技术人员能够设计多种系统和方法，所述系统和方法虽然未在本文中明确示出或描述，但其体现了本申请的原则，因此属于本申请的精神和范围之内。

Claims (11)

1.一种从已编码视频比特流中提取子比特流的方法，其特征在于，所述方法包括：
获取已编码视频比特流，所述已编码视频比特流包括多个网络抽象层NAL单元；
获取输出层集列表；
将所述NAL单元与所述输出层集列表进行比较；以及
去除不包括在所述输出层集列表中的NAL单元，所述去除的NAL单元包括序列参数集SPS NAL单元、图片参数集PPS NAL单元和应用支持子层APS NAL单元中的至少一个，且所述去除的NAL单元的nuh_layer_id不包括在目标输出层集列表LayerIdInOls[targetOlsIdx]中，其中所述nuh_layer_id指定所述去除的NAL单元所属的层的标识符。
2.根据权利要求1所述的方法，其特征在于，所述去除的NAL单元的时间ID大于目标时间ID。
3.根据权利要求1所述的方法，其特征在于，还包括：去除包含可缩放嵌套补充增强信息SEI消息的NAL单元。
4.根据权利要求1所述的方法，其特征在于，还包括：去除包含不可缩放嵌套补充增强信息SEI消息的NAL单元。
5.根据权利要求1所述的方法，其特征在于，所述去除的NAL单元包括图片头PH NAL单元，且所述去除的NAL单元的nuh_layer_id不包括在目标输出层集列表LayerIdInOls[targetOlsIdx]中，其中所述nuh_layer_id指定所述去除的NAL单元所属的层的标识符。
6.根据权利要求1所述的方法，其特征在于，所述输出层集列表位于视频参数集中。
7.根据权利要求1所述的方法，其特征在于，还包括：输出所述提取的子比特流。
8.根据权利要求1-7任一项所述的方法，其特征在于，所述提取的子比特流包括至少一个可视组件库VCL NAL单元，所述可视组件库VCL NAL单元具有与包括在所述输出层集列表中的时间ID相匹配的时间ID。
9.一种从已编码视频比特流中提取子比特流的设备，其特征在于，所述设备包括：
至少一个存储器，用于存储程序代码；以及
至少一个处理器，用于读取所述程序代码并按照所述程序代码的指示进行操作，以执行权利要求1-8任一项所述的方法。
10.一种从已编码视频比特流中提取子比特流的装置，其特征在于，所述装置包括：
第一获取模块，用于获取已编码视频比特流，所述已编码视频比特流包括多个网络抽象层NAL单元；
第二获取模块，用于获取输出层集列表；
比较模块，用于将所述NAL单元与所述输出层集列表进行比较；以及
去除模块，用于去除不包括在所述输出层集列表中的NAL单元，所述去除的NAL单元包括序列参数集SPS NAL单元、图片参数集PPS NAL单元和应用支持子层APS NAL单元中的至少一个，且所述去除的NAL单元的nuh_layer_id不包括在目标输出层集列表LayerIdInOls[targetOlsIdx]中，其中所述nuh_layer_id指定所述去除的NAL单元所属的层的标识符。
11.一种非易失性计算机可读介质，其特征在于，用于存储指令，所述指令包括一个或多个指令，当所述一个或多个指令由从已编码视频比特流中提取子比特流的设备的一个或多个处理器执行时，使得所述一个或多个处理器执行权利要求1-8任一项所述的方法。
CN202011524562.8A 2019-12-27 2020-12-22 从已编码视频比特流中提取子比特流的方法和设备 Active CN113055668B (zh)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
US201962954100P 2019-12-27 2019-12-27
US62/954,100 2019-12-27
US202062956259P 2020-01-01 2020-01-01
US62/956,259 2020-01-01
US17/063,891 US11356681B2 (en) 2019-12-27 2020-10-06 Coded video sub-bitstream extraction
US17/063,891 2020-10-06

Publications (2)

Publication Number Publication Date
CN113055668A CN113055668A (zh) 2021-06-29
CN113055668B true CN113055668B (zh) 2023-06-02

Family

ID=76508107

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011524562.8A Active CN113055668B (zh) 2019-12-27 2020-12-22 从已编码视频比特流中提取子比特流的方法和设备

Country Status (1)

Country Link
CN (1) CN113055668B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015195543A (ja) * 2014-03-26 2015-11-05 シャープ株式会社 画像復号装置、画像符号化装置
CN105612752A (zh) * 2013-10-15 2016-05-25 高通股份有限公司 对用于多层视频编解码器的多模提取的支持

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105874804A (zh) * 2014-01-02 2016-08-17 Vid拓展公司 针对hevc扩展的子比特流提取过程
US20150264404A1 (en) * 2014-03-17 2015-09-17 Nokia Technologies Oy Method and apparatus for video coding and decoding
US10645404B2 (en) * 2014-03-24 2020-05-05 Qualcomm Incorporated Generic use of HEVC SEI messages for multi-layer codecs

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105612752A (zh) * 2013-10-15 2016-05-25 高通股份有限公司 对用于多层视频编解码器的多模提取的支持
JP2015195543A (ja) * 2014-03-26 2015-11-05 シャープ株式会社 画像復号装置、画像符号化装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Versatile Video Coding (Draft 7)（ JVET-P2001-vE）;Benjamin Bross等;《Joint Video Experts Team (JVET) of ITU-T SG 16 WP 3 and ISO/IEC JTC 1/SC 29/WG 11 16th Meeting: Geneva, CH, 1–11 Oct. 2019》;全文 *

Also Published As

Publication number Publication date
CN113055668A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN113796080A (zh) 用于以子图片发信号通知输出层集的方法
US11356681B2 (en) Coded video sub-bitstream extraction
CN113545037B (zh) 对已编码图片进行解码的方法、装置、可读存储介质和计算机设备
CN113692744A (zh) 用信号通知具有子图片的输出层集的方法
US11765371B2 (en) Method for adaptation parameter set reference and constraints in coded video stream
CN113632482B (zh) 视频解码方法、装置、计算机设备和存储介质
CN114586364A (zh) 用于多层视频流中的输出层集模式的方法
CN113678458B (zh) 对已编码视频比特流进行解码的方法
KR20210144885A (ko) 참조 픽처 리샘플링과 공간 확장성의 조합을 시그널링하기 위한 기술
CN111953996A (zh) 视频解码的方法和装置
CN114127800A (zh) 已编码视频流中跨层对齐的方法
CN113950841A (zh) 用于多层视频码流的输出层集合的方法
CN112118443B (zh) 视频解码方法、系统、计算机设备以及存储介质
CN114342371A (zh) 用于编码视频流中的子图片的比特流提取技术
CN113994664A (zh) 具有输出层集的图片输出方法
CN116233436A (zh) 视频解码方法、设备和计算机可读存储介质
JP2023065565A (ja) 符号化映像ストリームを復号する方法、装置、及びコンピュータプログラム
CN113826401B (zh) 视频编码或解码方法、装置以及电子设备
CN114514742A (zh) 采用已编码视频流中的子图片进行信号发送的用信号发送虚拟边界的方法
CN113966615A (zh) 基于子层输出层集的推导方法
CN114041289A (zh) 用于指示多层视频流中的子层数目的方法
CN113055668B (zh) 从已编码视频比特流中提取子比特流的方法和设备
JP7483989B2 (ja) 符号化ビデオストリームにおける適応パラメータセット参照および制約のための方法
CN113453011A (zh) 解码已编码视频比特流的方法和设备
CN113940080A (zh) 用于在已编码视频码流中发信号通知矩形切片分区的方法

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40046002

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant