CN113853745A - 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 PDFInfo
- Publication number
- CN113853745A CN113853745A CN202080038126.1A CN202080038126A CN113853745A CN 113853745 A CN113853745 A CN 113853745A CN 202080038126 A CN202080038126 A CN 202080038126A CN 113853745 A CN113853745 A CN 113853745A
- Authority
- CN
- China
- Prior art keywords
- mode
- transform
- separable
- block
- smooth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000001914 filtration Methods 0.000 claims description 26
- 230000009466 transformation Effects 0.000 claims description 18
- 241000023320 Luma <angiosperm> Species 0.000 claims description 15
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 claims description 15
- 239000000523 sample Substances 0.000 description 64
- 239000011159 matrix material Substances 0.000 description 41
- 230000033001 locomotion Effects 0.000 description 32
- 239000013598 vector Substances 0.000 description 30
- 230000008569 process Effects 0.000 description 27
- 230000006835 compression Effects 0.000 description 24
- 238000007906 compression Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 19
- 239000000872 buffer Substances 0.000 description 16
- 230000005540 biological transmission Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000013139 quantization Methods 0.000 description 9
- 230000002123 temporal effect Effects 0.000 description 8
- 238000013507 mapping Methods 0.000 description 7
- 230000002093 peripheral effect Effects 0.000 description 7
- 239000013074 reference sample Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 238000009499 grossing Methods 0.000 description 5
- 241000710770 Langat virus Species 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 description 2
- 101001016186 Homo sapiens Dystonin Proteins 0.000 description 2
- 101000832669 Rattus norvegicus Probable alcohol sulfotransferase Proteins 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- 102100037812 Medium-wave-sensitive opsin 1 Human genes 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000001339 gustatory effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
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
- H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/103—Selection of coding mode or of prediction mode
- H04N19/11—Selection of coding mode or of prediction mode among a plurality of spatial 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
- H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
- H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame 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
- H04N19/44—Decoders specially adapted therefor, e.g. video decoders which are asymmetric with respect to the encoder
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
-
- 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)
- Physics & Mathematics (AREA)
- Discrete Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本公开的各方面提供了一种包括处理电路的装置和视频解码的方法。所述处理电路从已编码视频比特流中解码待重建的块的编码信息,所述编码信息指示所述块的帧内预测信息。对于使用方向模式编码的所述块,所述处理电路基于标称模式和角度偏移确定所述方向模式,所述编码信息指示所述标称模式和所述角度偏移。所述处理电路基于所述标称模式确定所述块的不可分离变换,并基于所述方向模式和所述不可分离变换重建所述块。在示例中,所述处理电路确定与所述标称模式相关联的变换集模式,所述变换集模式指示包括所述不可分离变换的一个或多个不可分离变换的集合。
Description
通过引用并入本文
本申请要求于2020年9月24日提交的、申请号为17/031,272、名称为“视频编解码的方法和装置”的美国专利申请的优先权,其要求于2019年11月27日提交的、申请号为62/941,359、名称为“帧内编解码的二次变换”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
本公开描述总体上涉及视频编解码的实施例。
背景技术
本文所提供的背景描述旨在总体上呈现本公开的背景。在背景技术部分以及本说明书的各个方面中所描述的目前已署名的发明人的工作所进行的程度,并不表明其在本公开提交时作为现有技术,且从未明示或暗示其被承认为本公开的现有技术。
可以使用具有运动补偿的图片间预测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。未压缩的视频具有特定的比特率要求。例如,每个样本8比特的1080p60 4:2:0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和/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。
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。
视频编解码器技术可以包括已知的帧内编解码技术。在帧内编解码中,在不参考先前重建的参考图片的样本或其它数据的情况下表示样本值。在一些视频编解码器中,图片在空间上被细分为样本块。当所有的样本块都以帧内模式编解码时,该图片可以为帧内图片。帧内图片及其衍生(例如独立解码器刷新图片)可用于复位解码器状态,并且因此可用作已编码视频比特流和视频会话中的第一图片,或用作静止图像。帧内块的样本可用于变换,并且可以在熵编码之前量化变换系数。帧内预测可以是一种使预变换域中的样本值最小化的技术。在某些情况下,变换后的DC值越小,且AC系数越小,则在给定的量化步长尺寸下表示熵编码后的块所需的比特越少。
如同从诸如MPEG-2编解码技术中所获知的,传统帧内编解码不使用帧内预测。然而,一些较新的视频压缩技术包括:试图从例如周围样本数据和/或元数据中得到数据块的技术,其中周围样本数据和/或元数据是在空间相邻块的编码/解码期间、且在解码顺序之前获得的。这种技术后来被称为"帧内预测"技术。需要注意的是,至少在某些情形下,帧内预测仅使用正在重建的当前图片的参考数据,而不使用参考图片的参考数据。
可以存在许多不同形式的帧内预测。当在给定的视频编解码技术中可以使用超过一种这样的技术时,所使用的技术可以按帧内预测模式进行编解码。在某些情形下,模式可以具有子模式和/或参数,且这些模式可以单独编解码或包含在模式码字中。给定模式/子模式/参数组合使用哪个码字会影响通过帧内预测获得的编解码效率增益,因此用于将码字转换成比特流的熵编码技术也会出现这种情况。
H.264引入了一种帧内预测模式,其在H.265中进行了改进,且在诸如联合开发模型(JEM)、通用视频编解码(VVC)、基准集合(BMS)等更新的编解码技术中进一步被改进。使用属于已经可用的样本的相邻样本值可以形成预测块。将相邻样本的样本值按照某一方向复制到预测块中。对所使用方向的引用可以被编码在比特流中,或者本身可以被预测。
参照图1,右下方描绘了来自H.265的33个可能的预测方向(对应于35个帧内模式的33个角模式)中已知的九个预测方向的子集。箭头会聚的点(101)表示正在被预测的样本。箭头表示样本正在被预测的方向。例如,箭头(102)表示根据右上方与水平方向成45度角的一个或多个样本,预测样本(101)。类似地,箭头(103)表示根据左下方与水平方向成22.5度角的一个或多个样本,预测样本(101)。
仍然参考图1,在左上方示出了一个包括4×4个样本的正方形块(104)(由粗虚线表示)。正方形块(104)由16个样本组成,每个样本用“S”、以及其在Y维度(例如行索引)上的位置和在X纬度(例如列索引)上的位置来标记。例如,样本S21是Y维度上的第二个样本(从上方开始)和X维度上的第一个样本(从左侧开始)。类似地,样本S44在Y维度和X维度上都是块(104)中的第四个样本。由于该块为4×4大小的样本,因此S44位于右下角。还示出了遵循类似编号方案的参考样本。参考样本用“R”、以及其相对于块(104)的Y位置(例如,行索引)和X位置(例如,列索引)来标记。在H.264与H.265中,预测样本与正在重建的块相邻,因此不需要使用负值。
通过从相邻样本复制参考样本值,可以进行帧内图片预测,其中相邻样本是由信号通知的预测方向所决定的。例如,假设已编码视频比特流包括信令,对于该块,该信令指示与箭头(102)一致的预测方向,即,根据右上方与水平方向成45度角的一个或多个预测样本来预测样本。在这种情况下,根据同一参考样本R05,预测样本S41、S32、S23和S14。然后,根据样本R08,预测样本S44。
在某些情况下,例如通过内插,可以合并多个参考样本的值,以便计算参考样本,尤其是当方向不能被45度整除时。
随着视频编解码技术的发展,可能的方向的数量已经增加了。在H.264(2003年)中,可以表示九种不同的方向。在H.265(2013年)和JEM/VVC/BMS中增加到了33个,而在此公开时,可以支持多达65个方向。已经进行了实验来识别最可能的方向,并且熵编码中的某些技术被用来使用少量比特来表示那些可能的方向,对于较不可能的方向则接受某些代价。此外,有时可以根据在相邻的、已经解码的块中所使用的相邻方向来预测方向本身。
图2示出了一种示意图(201),其描述了根据JEM的65种帧内预测方向,以说明随着时间的推移预测方向的数量增加。
从帧内预测方向到已编码视频比特流中的表示方向的比特的映射可以因视频编解码技术的不同而不同,例如,其范围可以从对帧内预测模式的预测方向到码字的简单直接映射,到包括最可能模式的复杂自适应方案以及类似技术。然而,在所有情况下,视频内容中可能存在某些方向,其在统计学上比其它方向更不可能出现。由于视频压缩的目的是减少冗余,所以在运行良好的视频编解码技术中,与更可能的方向相比,那些不太可能的方向将使用更多数量的比特来表示。
发明内容
本公开的各方面提供了用于视频编码/解码的方法和装置。在一些示例中,用于视频编码和/或解码的装置包括处理电路。所述处理电路从已编码视频比特流中编码/解码待重建的块的编码信息,所述编码信息指示所述块的帧内预测信息。对于使用方向模式编码的所述块,所述处理电路基于标称模式和角度偏移确定所述方向模式,所述编码信息指示所述标称模式和所述角度偏移。所述处理电路基于所述标称模式确定所述块的不可分离变换,并基于所述方向模式和所述不可分离变换重建所述块。
在实施例中,所述处理电路确定与所述标称模式相关联的变换集模式,所述变换集模式指示包括所述不可分离变换的一个或多个不可分离变换的集合。
在实施例中,所述编码信息进一步指示不可分离变换索引。所述处理电路基于所述不可分离变换索引,确定所述一个或多个不可分离变换的集合中的所述不可分离变换;以及基于所述方向模式和所述不可分离变换重建所述块。
在实施例中,所述不可分离变换是不可分离二次变换。在示例中,所述不可分离二次变换不应用于PAETH模式和递归滤波模式中的至少一个。在示例中,所述处理电路将所述不可分离二次变换仅应用于沿着用于对所述块的第一变换系数进行熵编码的扫描顺序的前N个变换系数。在示例中,所述处理电路将所述不可分离二次变换仅应用于所述块中的第一变换系数,所述第一变换系数中的每一个具有坐标(x,y),并且相应的x坐标和y坐标的总和小于阈值。在示例中,所述块的主变换中的水平变换和垂直变换包括在线图变换集的子集中。
在示例中,所述不可分离变换是不可分离二次变换。所述块包括使用所述不可分离二次变换获得的第一变换系数和不使用所述不可分离二次变换获得的第二变换系数。所述处理电路分别对所述第一变换系数和所述第二变换系数进行熵解码。
在实施例中,非方向模式包括DC模式、PAETH模式、SMOOTH模式、SMOOTH_V模式、SMOOTH_H模式、递归滤波模式和从亮度预测色度(CfL)模式。所述DC模式、所述PAETH模式、所述SMOOTH模式、所述SMOOTH_V模式和所述SMOOTH_H模式基于所述块的相邻样本的平均。对于使用所述非方向模式中的一个编码的所述块,所述处理电路确定与所述非方向模式中的一个相关联的一个或多个不可分离变换的集合。以下之一与所述一个或多个不可分离变换的集合相关联:(a)所述非方向模式中的至少另一个,和(b)标称模式。所述处理电路基于由所述编码信息指示的不可分离变换索引,确定所述一个或多个不可分离变换的集合中的不可分离变换。所述处理电路基于所述非方向模式和所述不可分离变换重建所述块。
在实施例中,所述非方向模式中的一个、以及以下之一:所述非方向模式中的至少另一个和所述标称模式,包括以下之一:(a)所述递归滤波模式、以及所述DC模式和所述SMOOTH模式中的一个;(b)所述SMOOTH模式、所述SMOOTH_H模式和所述SMOOTH_V模式;(c)所述SMOOTH模式、所述SMOOTH_H模式、所述SMOOTH_V模式和所述PAETH模式;(d)所述递归滤波模式、所述SMOOTH模式和所述PAETH模式;(e)用于所述标称模式的垂直模式,所述标称模式是垂直模式、和所述SMOOTH_V模式;(f)用于所述标称模式的水平模式,所述标称模式是水平模式、和所述SMOOTH_H模式;以及(v)所述CfL模式、以及所述DC模式、所述SMOOTH模式和所述PAETH模式中的一个。
本公开的各方面还提供了一种存储指令的非易失性计算机可读介质,当所述指令由用于视频编码和/或解码的计算机执行时,使所述计算机执行所述视频编码和/或解码的方法。
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是帧内预测模式的示例性子集的示意图。
图2是示例性帧内预测方向的示意图。
图3是根据一实施例的通信系统(300)的简化框图的示意图。
图4是根据另一实施例的通信系统(400)的简化框图的示意图。
图5是根据实施例的解码器的简化框图的示意图。
图6是根据实施例的编码器的简化框图的示意图。
图7示出了根据另一实施例的编码器的框图。
图8示出了根据另一实施例的解码器的框图。
图9示出了根据本公开实施例的编码块的标称模式的示例。
图10示出了根据本公开各方面的非定向平滑帧内预测模式的示例。
图11示出了根据本公开实施例的基于递归滤波的帧内预测器的示例。
图12示出了根据本公开实施例的编码块的多行帧内预测的示例。
图13-14示出了根据本公开实施例的两个示例性变换编码过程。
图15A示出了根据本公开实施例的线图变换的示例。
图15B示出了根据本公开实施例的示例性广义图拉普拉斯矩阵。
图16示出了根据本公开实施例的概述过程(1600)的流程图。
图17是根据实施例的计算机系统的示意图。
具体实施方式
图3示出了根据本公开实施例的通信系统(300)的简化框图。通信系统(300)包括多个终端装置,所述终端装置可通过例如网络(350)彼此通信。举例来说,通信系统(300)包括通过网络(350)互连的第一对终端装置(310)和(320)。在图3的实施例中,第一对终端装置(310)和(320)执行单向数据传输。举例来说,终端装置(310)可对视频数据(例如由终端装置(310)采集的视频图片流)进行编码以通过网络(350)传输到另一终端装置(320)。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(320)可从网络(350)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(300)包括执行已编码视频数据的双向传输的第二对终端装置(330)和(340),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(330)和(340)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(350)传输到终端装置(330)和(340)中的另一终端装置。终端装置(330)和(340)中的每个终端装置还可接收由终端装置(330)和(340)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3的实施例中,终端装置(310)、(320)、(330)和(340)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(350)表示在终端装置(310)、(320)、(330)和(340)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(350)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(350)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4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(413),所述采集子系统可包括数码相机等视频源(401),所述视频源创建未压缩的视频图片流(402)。在实施例中,视频图片流(402)包括由数码相机拍摄的样本。相较于已编码的视频数据(404)(或已编码的视频码流),视频图片流(402)被描绘为粗线以强调高数据量的视频图片流,视频图片流(402)可由电子装置(420)处理,所述电子装置(420)包括耦接到视频源(401)的视频编码器(403)。视频编码器(403)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(402),已编码的视频数据(404)(或已编码的视频码流(404))被描绘为细线以强调较低数据量的已编码的视频数据(404)(或已编码的视频码流(404)),其可存储在流式传输服务器(405)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4中的客户端子系统(406)和客户端子系统(408),可访问流式传输服务器(405)以检索已编码的视频数据(404)的副本(407)和副本(409)。客户端子系统(406)可包括例如电子装置(430)中的视频解码器(410)。视频解码器(410)对已编码的视频数据的传入副本(407)进行解码,且产生可在显示器(412)(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(411)。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(404)、视频数据(407)和视频数据(409)(例如视频码流)进行编码。该些标准的实施例包括ITU-TH.265。在实施例中,正在开发的视频编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(420)和电子装置(430)可包括其它组件(未示出)。举例来说,电子装置(420)可包括视频解码器(未示出),且电子装置(430)还可包括视频编码器(未示出)。
图5示出了根据本公开实施例的视频解码器(510)的框图。视频解码器(510)可设置在电子装置(530)中。电子装置(530)可包括接收器(531)(例如接收电路)。视频解码器(510)可用于代替图4实施例中的视频解码器(410)。
接收器(531)可接收将由视频解码器(510)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(501)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(531)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(531)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(515)可耦接在接收器(531)与熵解码器/解析器(520)(此后称为“解析器(520)”)之间。在某些应用中,缓冲存储器(515)是视频解码器(510)的一部分。在其它情况下,所述缓冲存储器(515)可设置在视频解码器(510)外部(未标示)。而在其它情况下,视频解码器(510)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(510)的内部可配置另一缓冲存储器(515)以例如处理播出定时。而当接收器(531)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(515),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(515),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(510)外部的类似元件(未标示)中。
视频解码器(510)可包括解析器(520)以根据已编码视频序列重建符号(521)。这些符号的类别包括用于管理视频解码器(510)的操作的信息,以及用以控制显示装置(512)(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(530)的组成部分,但可耦接到电子装置(530),如图5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(520)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(520)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(520)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(520)可对从缓冲存储器(515)接收的视频序列执行熵解码/解析操作,从而创建符号(521)。
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(521)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(520)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(520)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(510)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(551)。缩放器/逆变换单元(551)从解析器(520)接收作为符号(521)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(551)可输出包括样本值的块,所述样本值可输入到聚合器(555)中。
在一些情况下,缩放器/逆变换单元(551)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(552)提供。在一些情况下,帧内图片预测单元(552)采用从当前图片缓冲器(558)提取的周围已重建的信息生成大小和形状与正在重建的块相同的块。举例来说,当前图片缓冲器(558)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(555)基于每个样本,将帧内预测单元(552)生成的预测信息添加到由缩放器/逆变换单元(551)提供的输出样本信息中。
在其它情况下,缩放器/逆变换单元(551)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(553)可访问参考图片存储器(557)以提取用于预测的样本。在根据符号(521)对提取的样本进行运动补偿之后,这些样本可由聚合器(555)添加到缩放器/逆变换单元(551)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(553)从参考图片存储器(557)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(521)的形式而供运动补偿预测单元(553)使用,所述符号(521)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(557)提取的样本值的内插、运动矢量预测机制等等。
聚合器(555)的输出样本可在环路滤波器单元(556)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(520)的符号(521)可用于环路滤波器单元(556)。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(556)的输出可以是样本流,所述样本流可输出到显示装置(512)以及存储在参考图片存储器(557),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(520))被识别为参考图片,则当前图片缓冲器(558)可变为参考图片存储器(557)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(510)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(531)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(510)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6示出了根据本公开实施例的视频编码器(603)的框图。视频编码器(603)设置于电子装置(620)中。电子装置(620)包括传输器(640)(例如传输电路)。视频编码器(603)可用于代替图4实施例中的视频编码器(403)。
视频编码器(603)可从视频源(601)(并非图6实施例中的电子装置(620)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(603)编码的视频图像。在另一实施例中,视频源(601)是电子装置(620)的一部分。
视频源(601)可提供将由视频编码器(603)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(601)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(601)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(603)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(643)。施行适当的编码速度是控制器(650)的一个功能。在一些实施例中,控制器(650)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(650)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(650)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(603)。
在一些实施例中,视频编码器(603)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(630)(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(603)中的(本地)解码器(633)。解码器(633)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(634)。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(634)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(633)的操作可与例如已在上文结合图5详细描述视频解码器(510)的“远程”解码器相同。然而,另外简要参考图5,当符号可用且熵编码器(645)和解析器(520)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(515)和解析器(520)在内的视频解码器(510)的熵解码部分,可能无法完全在本地解码器(633)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(630)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(632)对输入图片的像素块与参考图片的像素块之间的差异进行编码,所述参考图片可被选作所述输入图片的预测参考。
本地视频解码器(633)可基于源编码器(630)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(632)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6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(633)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(634)中。以此方式,视频编码器(603)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(635)可针对编码引擎(632)执行预测搜索。即,对于将要编码的新图片,预测器(635)可在参考图片存储器(634)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(635)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(635)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(634)中存储的多个参考图片取得的预测参考。
控制器(650)可管理源编码器(630)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(645)中对所有上述功能单元的输出进行熵编码。熵编码器(645)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(640)可缓冲由熵编码器(645)创建的已编码视频序列,从而为通过通信信道(660)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(640)可将来自视频编码器(603)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(650)可管理视频编码器(603)的操作。在编码期间,控制器(650)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(603)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(603)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(640)可在传输已编码的视频时传输附加数据。源编码器(630)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7示出了根据本公开另一实施例的视频编码器(703)的示意图。视频编码器(703)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(703)用于代替图4实施例中的视频编码器(403)。
在HEVC实施例中,视频编码器(703)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(703)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(703)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(703)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(703)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7的实施例中,视频编码器(703)包括如图7所示的耦接到一起的帧间编码器(730)、帧内编码器(722)、残差计算器(723)、开关(726)、残差编码器(724)、通用控制器(721)和熵编码器(725)。
帧间编码器(730)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(722)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(722)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(721)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(703)的其它组件。在实施例中,通用控制器(721)确定块的模式,且基于所述模式将控制信号提供到开关(726)。举例来说,当所述模式是帧内模式时,通用控制器(721)控制开关(726)以选择供残差计算器(723)使用的帧内模式结果,且控制熵编码器(725)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(721)控制开关(726)以选择供残差计算器(723)使用的帧间预测结果,且控制熵编码器(725)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(723)用于计算所接收的块与选自帧内编码器(722)或帧间编码器(730)的预测结果之间的差(残差数据)。残差编码器(724)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(724)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(703)还包括残差解码器(728)。残差解码器(728)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(722)和帧间编码器(730)使用。举例来说,帧间编码器(730)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(722)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(725)用于将码流格式化以产生已编码的块。熵编码器(725)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(725)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8示出了根据本公开另一实施例的视频解码器(810)的示意图。视频解码器(810)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(810)用于代替图4实施例中的视频解码器(410)。
在图8实施例中,视频解码器(810)包括如图8中所示耦接到一起的熵解码器(871)、帧间解码器(880)、残差解码器(873)、重建模块(874)和帧内解码器(872)。
熵解码器(871)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(872)或帧间解码器(880)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(880);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(872)。残差信息可经由逆量化并提供到残差解码器(873)。
帧间解码器(880)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(872)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(873)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(873)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(871)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(874)用于在空间域中组合由残差解码器(873)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(403)、视频编码器(603)和视频编码器(703)以及视频解码器(410)、视频解码器(510)和视频解码器(810)。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(403)、视频编码器(603)和视频编码器(703)以及视频解码器(410)、视频解码器(510)和视频解码器(810)。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(403)、视频编码器(603)和视频编码器(603)以及视频解码器(410)、视频解码器(510)和视频解码器(810)。
公开了与例如用于主变换和/或二次变换的不可分离变换相关的视频编解码技术,以进行帧内编码。不可分离变换可以适用于任何合适的视频编解码格式或标准。视频编解码格式可以包括为因特网上的视频传输而设计的开放视频编解码格式,例如AOMedia视频1(AV1)或超越AV1的下一代AOMedia视频格式。视频编解码标准可以包括高效视频编解码(HEVC)标准、超越HEVC的下一代视频编解码(例如,通用视频编解码(VVC))等。
在帧内预测中,例如在AV1、VVC等中,可以使用各种帧内预测模式。在实施例中,例如在AV1中,使用定向帧内预测。在示例中,例如在开放视频编解码格式VP9中,八个方向模式对应于从45°到207°的八个角度。为了利用定向纹理中的更多种类的空间冗余,例如在AV1中,可以将方向模式(也称为定向帧内模式、定向帧内预测模式、角度模式)扩展到具有更细粒度的角度集,如图9所示。
图9示出了根据本公开实施例的编码块(CB)(910)的标称模式(nominal mode)的示例。某些角度(称为标称角度)可以对应标称模式。在示例中,八个标称角度(或标称帧内角度)(901)-(908)对应八个标称模式(例如,V_PRED、H_PRED、D45_PRED、D135_PRED、D113_PRED、D157_PRED、D203_PRED和D67_PRED)。八个标称角度(901)-(908)以及八个标称模式可以分别称为V_PRED、H_PRED、D45_PRED、D135_PRED、D113_PRED、D157_PRED、D203_PRED和D67_PRED。此外,每个标称角度可以对应多个更细的角度(例如,七个更细的角度),因此,例如在AV1中,可以使用56个角度(或预测角度)或56个方向模式(或角度模式、定向帧内预测模式)。每个预测角度可以由标称角度和角度偏移(或角度增量)表示。角度偏移可以通过将偏移整数I(例如,-3、-2、-1、0、1、2或3)乘以步长(例如,3°)来获得。在示例中,预测角度等于标称角度和角度偏移的总和。在示例中,例如在AV1中,可以发信号通知标称模式(例如,八个标称模式(901)-(908))以及某些非角度平滑模式(例如,如下所述的DC模式、PAETH模式、SMOOTH模式、垂直SMOOTH模式和水平SMOOTH模式)。随后,如果当前预测模式是方向模式(或角度模式),则可以进一步发信号通知索引,以指示与标称角度对应的角度偏移(例如,偏移整数I)。在示例中,为了通过通用的方式实现定向预测模式,诸如在AV1中使用的56个方向模式使用统一的定向预测器来实现,该统一的定向预测器可以将每个像素投影到参考子像素位置,并通过2抽头双线性滤波器对参考像素进行插值。
非定向平滑帧内预测器(也称为非定向平滑帧内预测模式、非定向平滑模式、非角度平滑模式)可用于CB的帧内预测。在一些示例中(例如,在AV1中),五种非定向平滑帧内预测模式包括DC模式或DC预测器(例如,DC)、PAETH模式或PAETH预测器(例如,PAETH)、SMOOTH模式或SMOOTH预测器(例如,SMOOTH)、垂直SMOOTH模式(称为SMOOTH_V模式、SMOOTH_V预测器、SMOOTH_V)和水平SMOOTH模式(称为SMOOTH_H模式、SMOOTH_H预测器或SMOOTH_H)。
图10示出了根据本公开各方面的非定向平滑帧内预测模式(例如,DC模式、PAETH模式、SMOOTH模式、SMOOTH_V模式和SMOOTH_H模式)的示例。为了基于DC预测器来预测CB(1000)中的样本(1001),左侧相邻样本(1012)的第一值和上方相邻样本(或顶部相邻样本)(1011)的第二值的平均值可以用作预测值。
为了基于PAETH预测器来预测样本(1001),可以获得左侧相邻样本(1012)的第一值、顶部相邻样本(1011)的第二值和左上相邻样本(1013)的第三值。然后,使用等式1获得参考值。
参考值=第一值+第二值-第三值 (等式1)
第一值、第二值和第三值中最接近参考值的一个可以被设置为样本(1001)的预测值。
SMOOTH_V模式、SMOOTH_H模式和SMOOTH模式可以分别使用在垂直方向、水平方向、以及垂直方向和水平方向的平均值上的二次插值来预测CB(1000)。为了基于SMOOTH预测器来预测样本(1001),可以使用第一值、第二值、右侧样本(1014)的值和底部样本(1016)的值的平均值(例如,加权组合)。在各种示例中,右侧样本(1014)和底部样本(1016)不被重建,因此,右上相邻样本(1015)的值和左下相邻样本(1017)的值可以分别替换右侧样本(1014)和底部样本(1016)的值。因此,第一值、第二值、右上相邻样本(1015)的值和左下相邻样本(1017)的值的平均值(例如,加权组合)可以用作SMOOTH预测器。为了基于SMOOTH_V预测器来预测样本(1001),可以使用顶部相邻样本(1011)的第二值和左下相邻样本(1017)的值的平均值(例如,加权组合)。为了基于SMOOTH_H预测器来预测样本(1001),可以使用左侧相邻样本(1012)的第一值与右上相邻样本(1015)的值的平均值(例如,加权组合)。
图11示出了根据本公开实施例的基于递归滤波的帧内预测器(也称为滤波器帧内模式或递归滤波模式)的示例。为了捕获与边上的参考的衰减空间相关性,可以将滤波器帧内模式用于CB(1100)。在示例中,CB(1100)是亮度块。亮度块(1100)可以划分成多个补丁(例如,八个4×2补丁B0-B7)。补丁B0-B7中的每一个都可以具有多个相邻样本。例如,补丁B0具有七个相邻样本(或七个邻居)R00-R06,包括四个顶部相邻样本R01-R04、两个左侧相邻样本R05-R06和一个左上相邻样本R00。类似地,补丁B7具有七个相邻样本R70-R76,包括四个顶部相邻样本R71-R74、两个左侧相邻样本R75-R76和一个左上相邻样本R70。
在一些示例中,例如针对AV1预先设计了多个(例如,五个)滤波器帧内模式(或多个递归滤波模式)。每个滤波器帧内模式可以由一组八个7抽头滤波器来表示,该八个7抽头滤波器反映了相应的4×2补丁(例如,B0)中的样本(或像素)和与4×2补丁B0相邻的七个邻居(例如,R00-R06)之间的相关性。7抽头滤波器的加权因子可以是位置相关的。对于补丁B0-B7中的每一个,七个邻居(例如,B0的R00-R06,B7的R70-R76)可用于预测相应补丁中的样本。在示例中,邻居R00-R06用于预测补丁B0中的样本。在示例中,邻居R70-R76用于预测补丁B7中的样本。对于CB(1100)中的某些补丁(例如补丁B0),所有的七个邻居(例如,R00-R06)都已重建。对于CB(1100)中的其它补丁,七个邻居中的至少一个未被重建,因此可以使用一个或多个直接邻居的预测值(或一个或多个直接邻居的预测样本)作为参考。例如,补丁B7的七个邻居R70-R76未被重建,因此可以使用直接邻居的预测样本。
可以从亮度样本预测色度样本。在实施例中,从亮度预测色度模式(chroma fromluma mode)(例如,CfL模式、CfL预测器)是仅色度帧内预测器,其可以将色度样本(或像素)建模为同时重建的亮度样本(或像素)的线性函数。例如,CfL预测可以使用以下等式2来表示。
CfL(α)=αLA+D(等式2)
其中,LA表示亮度分量的AC贡献,α表示线性模型的缩放参数,D表示色度分量的DC贡献。在示例中,基于色度分辨率对重建的亮度像素进行子采样,并减去平均值以形成AC贡献(例如,LA)。为了根据AC贡献来近似色度AC分量,在一些示例中,例如在AV1中,不需要解码器计算缩放参数α,而是CfL模式基于原始色度像素确定缩放参数α,并在比特流中发信号通知缩放参数α,因此降低了解码器的复杂度并产生了更精确的预测。可以使用帧内DC模式来计算色度分量的DC贡献。帧内DC模式可以满足大多数色度内容,并且具有成熟的快速实现。
多行帧内预测(multi-line intra prediction)可以使用更多的参考线(reference line)进行帧内预测。参考线可以包括图片中的多个样本。在示例中,参考线包括一行中的样本和一列中的样本。在示例中,编码器可以确定并发信号通知用于生成帧内预测器的参考线。可以在帧内预测模式之前发信号通知指示参考线的索引(也称为参考线索引)。在示例中,当发信号通知非零参考线索引时,仅允许MPM。图12示出了CB(1210)的四条参考线的示例。参考图12,参考线可以包括多达六个段(例如段A到F)和左上参考样本。例如,参考线0包括段B和E以及左上参考样本。例如,参考线3包括段A至F和左上参考样本。段A和F可以分别用来自段B和E的最接近的样本进行填充。在一些示例中,例如在HEVC中,仅一条参考线(例如,与CB(1210)相邻的参考线0)用于帧内预测。在一些示例中,例如在VVC中,多条参考线(例如,参考线0、1和3)用于帧内预测。
诸如主变换、二次变换之类的变换可应用于CB。变换可以是不可分离变换或可分离变换。根据本公开的各方面,变换(例如,主变换、二次变换)可以是不可分离变换。不可分离变换的应用可以使用4×4输入块(或输入矩阵)X作为示例描述如下(如等式3所示)。为了应用4×4不可分离变换,4×4输入块X可以用矢量表示,如等式3-4所示。
不可分离变换可计算为其中,表示变换系数矢量,T是16×16变换矩阵。随后,16×1系数矢量可以使用4×4输入块的扫描顺序(例如,水平扫描顺序、垂直扫描顺序、Z字形扫描顺序或对角线扫描顺序)重新组织为4×4输出块(或输出矩阵、系数块)。具有较小索引的变换系数可以以较小的扫描索引放置在4×4系数块中。
根据本公开的各方面,可以在主变换中使用缩减的不可分离变换。缩减的不可分离变换(reduced non-separable transform)可用于二次变换,例如低频不可分离变换(LFNST,low-frequency non-separable transform)。
不可分离二次变换可应用于CB。在一些示例中,例如在VVC中,如图13-14所示,在正向主变换和量化(例如,在编码器侧)之间以及在去量化和逆主变换(例如,在解码器侧)之间应用LFNST。在示例中,LFNST称为缩减的二次变换(RST,reduced secondarytransform)。
图13-14分别示出了使用16×64变换(或64×16变换,取决于变换是正向二次变换还是逆二次变换)和16×48变换(或48×16变换,取决于变换是正向二次变换还是逆二次变换)的两个变换编码过程(1300)和(1400)的示例。参考图13,在过程(1300)中,在编码器侧,可以首先对块(例如,残差块)执行正向主变换(1310),以获得系数块(1313)。随后,正向二次变换(或正向LFNST)(1312)可应用于系数块(1313)。在正向二次变换(1312)中,系数块(1313)的左上角处的4×4子块A-D的64个系数可以用64长度矢量表示,64长度矢量可以与64×16(即,宽度为64,高度为16)的变换矩阵相乘,得到16长度矢量。16长度矢量中的元素被填充回系数块(1313)的左上4×4子块A中。子块B-D中的系数可以为零。然后,正向二次变换(1312)后得到的系数在步骤(1314)被量化,并且被熵编码,以生成比特流(1316)中的已编码比特。
可以在解码器侧接收已编码比特,并进行熵解码,然后进行去量化(1324),以生成系数块(1323)。可以执行逆二次变换(或逆LFNST)(1322),例如逆RST8×8,以例如从左上4×4子块E处的16个系数获得64个系数。该64个系数可以填充回4×4子块E-H。此外,可以用逆主变换(1320)来处理逆二次变换(1322)之后的系数块(1323)中的系数,以获得恢复的残差块。
图14示例的过程(1400)类似于过程(1300),不同之处在于在正向二次变换(1412)期间处理的系数更少(即,48个)。具体地,子块A-C中的48个系数使用大小为48×16的较小变换矩阵来处理。使用48×16的较小变换矩阵可以减小用于存储变换矩阵的存储器大小和减少大量计算(例如,乘法、加法、减法等),因此可以降低计算复杂度。
在示例中,根据CB的块大小应用4×4不可分离变换(例如,4×4LFNST)或8×8不可分离变换(例如,8×8LFNST)。CB的块大小可以包括宽度、高度等。例如,4×4LFNST适用于宽度和高度的最小值小于阈值的CB,例如阈值为8(例如,min(宽度,高度)<8)。例如,8×8LFNST适用于宽度和高度的最小值大于阈值的CB,例如阈值为4(例如,min(宽度,高度)>4)。
不可分离变换(例如,LFNST)可以基于直接矩阵乘法方法,因此可以在单个过程(pass)中实现,无需迭代。为了减少不可分离变换矩阵的维数,并最小化计算复杂度和存储变换系数的存储空间,可以在LFNST中使用缩减的不可分离变换方法(或RST)。因此,在缩减的不可分离变换中,N(例如,对于8×8不可分离二次变换(NSST),N为64)维矢量可以映射到不同空间中的R维矢量,其中,N/R(R<N)是缩减因子。因此,RST矩阵不是N×N矩阵,而是如等式5中所述的R×N矩阵。
在等式5中,R×N变换矩阵的R行是N维空间的R个基。逆变换矩阵可以是正向变换中使用的变换矩阵(例如,TRxN)的转置。对于8×8LFNST,可以应用等于4的缩减因子,并且可以将8×8不可分离变换中使用的64×64直接矩阵缩减为16×64直接矩阵,如图13所示。或者,可以应用大于4的缩减因子,并且可以将8×8不可分离变换中使用的64×64直接矩阵缩减为16×48直接矩阵,如图14所示。因此,可以在解码器侧使用48×16逆RST矩阵,以在8×8左上区域中生成核心(主)变换系数。
参考图14,当应用16×48矩阵而不是具有相同变换集配置的16×64矩阵时,16×48矩阵的输入包括来自左上8×8块中的三个4×4块A、B和C(不包括右下4×4块D)的48个输入数据。随着维数的减少,可以减少用于存储LFNST矩阵的内存使用量,例如从10KB减少到8KB,而性能下降最小。
为了降低复杂度,如果第一系数子组之外的系数无效(non-significant),则LFNST可以被限制为适用。在示例中,仅当第一系数子组之外的所有系数均无效时,LFNST才可以被限制为适用。参考图13-14,第一系数子组对应于左上块E,因此块E之外的系数无效。
在示例中,当应用LFNST时,仅主变换系数无效(例如,为零)。仅主变换系数可以指从没有二次变换的主变换获得的变换系数。因此,LFNST索引信令可以以最后一个有效位置为条件,从而避免LFNST中的额外系数扫描。在一些示例中,额外系数扫描用于检查特定位置处的有效变换系数。在示例中,例如,就每像素乘法而言,LFNST的最坏情况处理将4×4块和8×8块的不可分离变换分别限制为8×16变换和8×48变换。在上述情况下,当应用LFNST时,最后有效扫描位置可以小于8。对于其它大小,当应用LFNST时,最后有效扫描位置可以小于16。对于4×N和N×4的CB,且N大于8,该限制可能意味着LFNST应用于CB中的左上4×4区域。在示例中,该限制意味着LFNST仅应用于CB中左上4×4区域一次。在示例中,当应用LFNST时,所有的仅主系数无效(例如,为零),减少了主变换的操作次数。从编码器的角度来看,当测试LFNST变换时,变换系数的量化可以显著简化。对于前16个系数,可以例如按照扫描顺序,最大程度地进行速率失真优化量化,剩余系数可以设置为零。
可以选择LFNST变换(例如,变换核或变换矩阵),如下所述。在实施例中,可以使用多个变换集,并且LFNST中的多个变换集中的每一个都可以包括一个或多个不可分离变换矩阵(或核)。根据本公开的各方面,可以从多个变换集中选择一个变换集,并且可以从该变换集中的一个或多个不可分离变换矩阵中选择一个不可分离变换矩阵。
表1示出了根据本公开实施例的从帧内预测模式到多个变换集的示例性映射。该映射指示帧内预测模式和多个变换集之间的关系。如表1所示的关系可以是预定义的,并且可以存储在编码器和解码器中。
参考表1,多个变换集包括四个变换集,例如,由变换集索引(例如,Tr.set index)0到3表示的变换集0到3。索引(例如,IntraPredMode)可以指示帧内预测模式,变换集索引可以基于索引和表1来获得。因此,变换集可以基于帧内预测模式来确定。在示例中,如果三个跨分量线性模型(CCLM,cross component linear model)模式(例如,INTRA_LT_CCLM、INTRA_T_CCLM或INTRA_L_CCLM)中的一个用于CB(例如,81<=IntraPredMode<=83),则为CB选择变换集0。
如上所述,每个变换集可以包括一个或多个不可分离变换矩阵。该一个或多个不可分离变换矩阵中的一个可以通过显式地发信号通知的LFNST索引来选择。例如,在发信号通知变换系数之后,可以针对每个帧内编码的CU(例如,CB)在比特流中发信号通知一次LFNST索引。在实施例中,每个变换集包括两个不可分离变换矩阵(核),并且所选择的不可分离二次变换候选可以是两个不可分离变换矩阵中的一个。在一些示例中,LFNST不应用于CB(例如,使用变换跳过模式编码的CB或CB的多个非零系数小于阈值)。在示例中,当LFNST不应用于CB时,不为CB发信号通知LFNST索引。LFNST索引的默认值可以为零并且不发信号通知,表示LFNST不应用于CB。
表1:变换集选择表
IntraPredMode | 变换集索引 |
IntraPredMode<0 | 1 |
0<=IntraPredMode<=1 | 0 |
2<=IntraPredMode<=12 | 1 |
13<=IntraPredMode<=23 | 2 |
24<=IntraPredMode<=44 | 3 |
45<=IntraPredMode<=55 | 2 |
56<=IntraPredMode<=80 | 1 |
81<=IntraPredMode<=83 | 0 |
在实施例中,仅当第一系数子组之外的所有系数均无效时,LFNST才被限制为适用,LFNST索引的编码可以取决于最后一个有效系数的位置。LFNST索引可以是上下文编码的。在示例中,LFNST索引的上下文编码不依赖于帧内预测模式,并且仅对第一个二进制数(bin)进行上下文编码。LFNST可以应用于帧内切片或帧间切片中的帧内编码的CU,并应用于亮度分量和色度分量。如果启用二叉树(dual tree),则可以分别发信号通知亮度分量和色度分量的LFNST索引。对于帧间切片(例如,禁用二叉树),可以用发信号通知单个LFNST索引,并且将其用于亮度分量和色度分量。
可以使用帧内子分区(ISP,intra sub-partition)编码模式。在ISP编码模式中,可以根据块大小,将亮度帧内预测块垂直或水平划分成2或4个子分区。在一些示例中,当RST应用于每个可行的子分区时,性能改进是微不足道的。因此,在一些示例中,当选择ISP模式时,禁用LFNST,并且不发信号通知LFNST索引(或RST索引)。对ISP预测的残差禁用RST或LFNST可以降低编解码的复杂度。在一些示例中,当选择基于矩阵的帧内预测模式(MIP)时,禁用LFNST,并且不发信号通知LFNST索引。
在一些示例中,由于最大变换大小限制(例如,64×64),大于64×64的CU被隐式地分割(TU平铺),对于一定数量的解码流水线(pipeline)阶段,LFNST索引搜索可以将数据缓冲增加四倍。因此,可以将LFNST允许的最大大小限制为64×64。在示例中,LFNST仅通过离散余弦变换(DCT)类型2(DCT-2)变换来启用。
例如,线图变换(LGT,line graph transform)可用于诸如主变换之类的变换。在示例中,LGT包括各种DCT、离散正弦变换(DST),如下所述。LGT可以包括32点和64点一维(1D)DST。
图是一种通用的数学结构,包括一组顶点和边,可用于对感兴趣的对象之间的密切关系进行建模。将一组权重分配给边并且可选地分配给顶点的加权图可以提供稀疏表示,用于信号/数据的鲁棒建模。LGT可以通过更好地适应不同的块统计来提高编解码效率。可以通过从数据中学习线图来设计和优化可分离的LGT,以对块的残差信号的基本行(underlying row)和逐列(column-wise)统计进行建模,并且可以使用相关的广义图拉普拉斯(GGL,generalized graph Laplacian)矩阵来导出LGT。
图15A示出了根据本公开实施例的由自循环(self-loop)权重(例如,vc1、vc2)和边权重wc表征的通用LGT的示例。给定加权图G(W,V),GGL矩阵可以定义如下。
Lc=D-W+V (等式6)
其中,W可以是包括非负边权重wc的邻接矩阵,D可以是对角度矩阵,V可以是表示自循环权重vc1和vc2的对角矩阵。图15B示出了矩阵Lc的示例。
LGT可以通过GGL矩阵Lc的特征分解(Eigen-decomposition)导出如下。
Lc=UΦUT (等式7)
其中,正交矩阵U的列可以是LGT的基矢量,Φ可以是对角特征值矩阵。
在各种示例中,某些DCT和DST(例如,DCT-2,DCT-8和DST-7)是从某些形式的GGL导出的LGT集的子集。DCT-2可以通过将vc1设置为0(例如,vc1=0)来导出。DST-7可以通过将vc1设置为wc(例如,vc1=wc)来导出。DCT-8可以通过将vc2设置为wc(例如,vc2=wc)来导出。DST-4可以通过将vc1设置为2wc(例如,vc1=2wc)来导出。DCT-4可以通过将vc2设置为2wc(例如,vc2=2wc)来导出。
在一些示例中,LGT可以实现为矩阵乘法。4p LGT核可以通过在Lc中将vc1设置为2wc来导出,因此4p LGT核是DST-4。8p LGT核可以通过在Lc中将vc1设置为1.5wc来导出。在示例中,LGT核可以通过将vc1设置为wc并将vc2设置为0来导出,并且LGT核可以成为DST-7。
在一些示例中,例如在AV1中,变换方案仅是可分离的,并且对于捕获某些定向纹理图案(例如沿着45°方向的某些边)可能不是有效的。为了开发更有效的视频和图像编解码技术(例如,超越AV1帧内编码的高级视频和图像编解码技术),可以使用不可分离变换来提高例如某些定向图像模式的编解码效率。
在一些示例中,在VVC中使用不可分离变换。VVC中的二次变换方案(例如,不可分离二次变换方案)可以依赖于帧内预测方案。然而,AV1和VVC的帧内预测方案可以不同。因此,VVC中的二次变换方案可能与AV1的帧内编码方案不完全兼容。因此,为了例如在超越AV1的下一代AOMedia视频格式中应用基于AV1的二次变换,应用了进一步的改变,如本公开中所描述的。
各种实施例和示例可以单独使用或以任何顺序组合使用。在本公开中,用于根据预测方向生成预测样本的帧内预测模式可以称为角度模式(或角度帧内预测模式)或方向模式(或定向帧内预测模式),例如上文参考图9所描述的。用于不基于预测方向生成预测样本的帧内预测模式可以称为非定向帧内预测模式(或非方向模式),例如上文参考图10-11所描述的。非定向帧内预测模式(或非方向模式)可以包括例如图10中所描述的非定向平滑模式(例如,DC模式、PAETH模式、SMOOTH模式、SMOOTH_V模式和SMOOTH_H模式)、例如图11中所描述的滤波器帧内模式(或递归滤波模式)、CfL模式等。某些非定向帧内预测模式(例如,包括DC模式、PAETH模式、SMOOTH模式、SMOOTH_V模式和SMOOTH_H模式的非定向平滑模式、以及滤波器帧内模式)可以称为平滑模式。
可以从已编码视频比特流中解码待重建的块(例如,CB)的编码信息。该编码信息可以指示块的帧内预测信息。该帧内预测信息可以指示用于预测块的帧内预测模式。块的残差可以使用不可分离变换进行编码。不可分离变换可以是主变换或二次变换。
在示例中,帧内预测模式是方向模式,并且使用方向模式对块进行编码。编码信息可以指示块的标称模式信息和角度偏移信息。标称模式信息可以包括在已编码视频比特流中发信号通知的第一索引(例如,标称模式索引),其指示块的标称模式(例如,D45_PRED)。角度偏移信息可以包括在已编码视频比特流中发信号通知的第二索引(例如,角度偏移索引),其指示从与标称模式相对应的标称角度(例如,45°)的角度偏移。
根据本公开的各方面,可以基于标称模式和由编码信息指示的角度偏移来确定方向模式。
可以基于标称模式(例如,D45_PRED)获得标称角度(例如,45°),如图9所示。例如,第二索引可以指示偏移整数I。因此,可以基于偏移整数I和步长(例如,3°)获得角度偏移,例如,角度偏移等于偏移整数I乘以步长。因此,可以基于标称角度和角度偏移获得预测角度。在示例中,预测角度等于标称角度和角度偏移的总和,如上文参考图9所描述的。因此,如上文参考图9所描述的,可以根据预测角度确定方向模式(或帧内预测模式)。
可以基于标称模式确定块的不可分离变换。在实施例中,可以确定与标称模式相关联的变换集模式(例如,stMode),其中变换集模式可以指示包括该不可分离变换的一个或多个不可分离变换的集合。该一个或多个不可分离变换的集合可以称为变换集。
在示例中,基于多个标称模式和变换集模式(例如,stMode)之间的映射关系,将方向模式映射到变换集模式。映射关系可以存储在编码器和解码器中。映射关系可以是查找表。根据本公开的各方面,基于与方向模式相关联的标称模式(例如,由标称模式索引指示的)并且不管与方向模式相关联的角度偏移,将方向模式映射到变换集模式。然后,变换集模式(例如,stMode)的值可用于识别变换集。
如上所述,变换集可以包括一个或多个不可分离变换。发信号通知的不可分离变换索引(例如,stIdx)可用于进一步识别变换集中的不可分离变换。编码信息可以进一步包括在已编码视频比特流中发信号通知的不可分离变换索引(例如,stIdx)。变换集中的不可分离变换可以基于不可分离变换索引来确定。可以基于不可分离变换对块进行解码。
可以基于方向模式和不可分离变换来重建块。
在示例中,如果使用变换跳过模式对块进行编码,则不对块应用不可分离变换。例如,不发信号通知不可分离变换索引(例如,stIdx),因此指示不对块应用不可分离变换。
在实施例中,不可分离变换是不可分离二次变换。在一些示例中,不可分离二次变换不应用于PAETH模式或递归滤波模式。在一些示例中,不可分离二次变换仅应用于沿着用于对块的第一变换系数进行熵编码的扫描顺序的前N个变换系数。例如,在编码器侧,正向二次变换(例如,正向不可分离二次变换)的输入是沿着正向扫描顺序的前N个变换系数,正向二次变换的输出是替换前N个变换系数的N个修改的变换系数。在解码器侧,逆二次变换(例如,逆不可分离二次变换)的输入是沿着正向扫描顺序的前N个变换系数(例如,正向二次变换的输出中的N个修改的变换系数),逆二次变换的输出是替换前N个变换系数的N个变换系数。扫描顺序,例如正向扫描顺序,可以是任何合适的扫描顺序,例如Z字形扫描顺序、对角线扫描顺序等。在示例中,例如在VVC中,对角线扫描顺序应用于系数编码。N可以是任何非负整数,例如在0到127的范围内。在示例中,当N是0时,不对块应用二次变换。在示例中,N是正整数。
在实施例中,不可分离变换是不可分离二次变换。不可分离二次变换仅应用于块中的第一变换系数。第一变换系数中的每一个可以具有坐标(x,y),并且相应的x坐标和y坐标的总和可以小于阈值T。例如,如果与块中的相应变换系数相关联的坐标(x,y)满足相应x坐标和y坐标的总和大于或等于阈值T的条件,则可以将变换系数设置为0。变换系数不包括在第一变换系数中。阈值T可以是任何合适的数,例如非负整数。在示例中,T在0到32的范围内。
在实施例中,不可分离变换被应用为不可分离二次变换。在示例中,仅当块的主变换类型满足条件时,才应用并发信号通知不可分离二次变换。根据本公开的各方面,块的主变换中的水平变换和垂直变换可以包括在LGT集的子集中。水平变换和垂直变换可以使用相同的LGT或不同的LGT。LGT集的子集可以由边权重wc和自循环权重(例如,vc1和/或vc2)之间的关系来表征。例如,LGT集的子集由某些自循环比来表征。自循环比可以是基于边权重wc和自循环权重(例如,vc1或vc2)的比率。
在示例中,仅当主变换的水平变换和垂直变换是DCT-2时,才应用不可分离二次变换。DCT-2可以对应于具有vc1=0(例如,自循环比为0)的LGT。
在示例中,仅当主变换的水平变换和垂直变换是DST-4(或DST-7)时,才应用不可分离二次变换。DST-7可以对应于具有vc1=wc(例如,自循环比为1)的LGT。
在示例中,仅在满足以下条件时才应用不可分离二次变换。主变换的水平变换是DCT-2、DST-4或DST-7,而主变换的垂直变换是DCT-2、DST-4或DST-7。水平变换和垂直变换可以具有相同类型的变换矩阵或不同类型的变换矩阵。
在实施例中,不可分离变换被应用为不可分离二次变换。根据本公开的各方面,块可以包括使用不可分离二次变换获得的第一变换系数和不使用不可分离二次变换获得的第二变换系数。可以分别对第一变换系数和第二变换系数进行熵编码(例如,解码)。在示例中,在对第二变换系数进行熵编码(例如,解码)之前对第一变换系数进行熵编码(例如,解码)。在示例中,在对第一变换系数进行熵编码(例如,解码)之前对第二变换系数进行熵编码(例如,解码)。
如上所述,非定向帧内预测模式(或非方向模式)可以包括DC模式、PAETH模式、SMOOTH模式、SMOOTH_V模式、SMOOTH_H模式、递归滤波模式和CfL模式。非定向平滑模式可以包括DC模式、PAETH模式、SMOOTH模式、SMOOTH_V模式和SMOOTH_H模式,如上文参考图10所描述的。
在实施例中,使用非方向模式中的一个对块进行编码。因此,可以确定与非方向模式中的一个相关联的一个或多个不可分离变换的集合,其中以下之一可以与一个或多个不可分离变换的集合相关联:(a)非方向模式中的至少另一个,和(b)标称模式。标称模式可以是八个标称模式(901)-(908)V_PRED、H_PRED、D45_PRED、D135_PRED、D113_PRED、D157_PRED、D203_PRED和D67_PRED中的一个,如图9所述。类似于上文所描述的,一个或多个不可分离变换的集合中的不可分离变换可以基于由编码信息指示的不可分离变换索引来确定。随后,可以基于非方向模式和不可分离变换来重建块。
非方向模式中的一个、以及以下之一:非方向模式中的至少另一个和标称模式,可以包括以下之一:(a)递归滤波模式、以及DC模式和SMOOTH模式中的一个;(b)SMOOTH模式、SMOOTH_H模式和SMOOTH_V模式;(c)SMOOTH模式、SMOOTH_H模式、SMOOTH_V模式和PAETH模式;(d)递归滤波模式、SMOOTH模式和PAETH模式;(e)V_PRED(或用于标称模式的垂直模式)和SMOOTH_V模式;(f)H_PRED(或用于标称模式的水平模式)和SMOOTH_H模式;以及(v)CfL模式、以及DC模式、SMOOTH模式和PAETH模式中的一个。
通常,一个或多个不可分离变换的相同集合可以应用于模式集中的两个或多个模式,该模式集包括多个标称模式(例如,标称模式(901)-(908))和多个非方向模式(例如,上述的非方向模式)。
一个或多个不可分离变换的相同集合(或一个或多个不可分离变换核的相同集合)可以应用于递归滤波模式(或递归滤波模式)和DC模式。
一个或多个不可分离变换的相同集合(或一个或多个不可分离变换核的相同集合)可以应用于递归滤波模式(或递归滤波模式)和SMOOTH模式。
一个或多个不可分离变换的相同集合(或一个或多个不可分离变换核的相同集合)可以应用于SMOOTH模式、SMOOTH_H模式和SMOOTH_V模式。
一个或多个不可分离变换的相同集合(或一个或多个不可分离变换核的相同集合)可以应用于SMOOTH模式、SMOOTH_H模式、SMOOTH_V模式和PAETH模式。
一个或多个不可分离变换的相同集合(或一个或多个不可分离变换核的相同集合)可以应用于递归滤波模式、SMOOTH模式和PAETH模式。
一个或多个不可分离变换的相同集合(或一个或多个不可分离变换核的相同集合)可以应用于垂直模式(V_PRED)和SMOOTH_V模式。
一个或多个不可分离变换的相同集合(或一个或多个不可分离变换核的相同集合)可以应用于水平模式(H_PRED)和SMOOTH_H预测模式。
一个或多个不可分离变换的相同集合(或一个或多个不可分离变换核的相同集合)可以应用于CfL模式和DC模式。
一个或多个不可分离变换的相同集合(或一个或多个不可分离变换核的相同集合)可以应用于CfL模式和SMOOTH模式。
一个或多个不可分离变换的相同集合(或一个或多个不可分离变换核的相同集合)可以应用于CfL模式和PAETH模式。
图16示出了根据本公开实施例的概述过程(1600)的流程图。过程(1600)可用于块的重建。在各种实施例中,过程(1600)由诸如终端装置(310)、(320)、(330)和(340)中的处理电路之类的处理电路、执行视频编码器(403)的功能的处理电路、执行视频解码器(410)的功能的处理电路、执行视频解码器(510)的功能的处理电路、执行视频编码器(603)的功能的处理电路等来执行。在一些实施例中,过程(1600)以软件指令实现,因此,当处理电路执行该软件指令时,处理电路执行过程(1600)。该过程从(S1601)开始,并且进行到(S1610)。
在(S1610),可以从已编码视频比特流中解码待重建的块的编码信息。所述编码信息可以指示所述块的帧内预测信息。
在(S1620),对于使用方向模式编码的所述块,可以基于标称模式和角度偏移确定所述方向模式,如上所述。所述编码信息可以指示所述标称模式(例如,使用在已编码视频比特流中发信号通知的标称模式索引)和所述角度偏移(例如,在已编码视频比特流中发信号通知的角度偏移索引)。
在(S1630),对于使用方向模式编码的所述块,可以基于所述标称模式确定所述块的不可分离变换,如上所述。可以基于所述标称模式确定包括所述不可分离变换的一个或多个不可分离变换的集合。例如,确定与所述标称模式相关联的变换集模式,所述变换集模式指示所述一个或多个不可分离变换的集合。此外,所述编码信息可以指示不可分离变换索引。可以基于所述不可分离变换索引,确定所述一个或多个不可分离变换的集合中的所述不可分离变换。
在(S1640),对于使用方向模式编码的所述块,可以基于所述方向模式和所述不可分离变换重建所述块。在示例中,不可分离变换是主变换,并将所述不可分离主变换应用于所述块。在示例中,所述不可分离变换是二次变换,并将所述不可分离二次变换应用于所述块。过程(1600)进行到(S1699)并结束。
过程(1600)可以适当地适应各种场景,并且过程(1600)中的步骤可以相应地调整。可以对过程(1600)中的一个或多个步骤进行修改、省略、重复和/或组合。可以使用任何合适的顺序来实现过程(1600)。
多个方法(或实施例)中的每一个、编码器和解码器可以由处理电路(例如,一个或多个处理器或一个或多个集成电路)来实现。在一个示例中,一个或多个处理器执行存储在非易失性计算机可读介质中的程序。
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17示出了计算机系统(1700),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17所示的用于计算机系统(1700)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(1700)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(1700)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(1701)、鼠标(1702)、触控板(1703)、触摸屏(1710)、数据手套(未示出)、操纵杆(1705)、麦克风(1706)、扫描仪(1707)、照相机(1708)。
计算机系统(1700)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(1710)、数据手套(未示出)或操纵杆(1705)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(1709)、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(1710),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(1700)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)(1720)或类似介质(1721)的光学介质、拇指驱动器(1722)、可移动硬盘驱动器或固体状态驱动器(1723),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(1700)还可以包括通往一个或多个通信网络(1755)的接口(1754)。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(1749)(例如,计算机系统(1700)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(1700)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(1700)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(1700)的核心(1740)。
核心(1740)可包括一个或多个中央处理单元(CPU)(1741)、图形处理单元(GPU)(1742)、以现场可编程门阵列(FPGA)(1743)形式的专用可编程处理单元、用于特定任务的硬件加速器(1744)、图形适配器(1750)等。这些设备以及只读存储器(ROM)(1745)、随机存取存储器(1746)、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)(1747)等可通过系统总线(1748)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(1748),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(1748),或通过外围总线(1749)进行连接。在示例中,触摸屏(1710)可以连接到图形适配器(1750)。外围总线的体系结构包括外部外围组件互联PCI、通用串行总线USB等。
CPU(1741)、GPU(1742)、FPGA(1743)和加速器(1744)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(1745)或RAM(1746)中。过渡数据也可以存储在RAM(1746)中,而永久数据可以存储在例如内部大容量存储器(1747)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(1741)、GPU(1742)、大容量存储器(1747)、ROM(1745)、RAM(1746)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构造的,也可以是计算机软件领域的技术人员所熟知和可用的介质和代码。
作为实施例而非限制,具有体系结构(1700)的计算机系统,特别是核心(1740),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(1740)的特定存储器,例如核心内部大容量存储器(1747)或ROM(1745)。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(1740)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(1740)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(1746)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(1744))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(joint exploration model)
VVC:通用视频编解码(versatile video coding)
BMS:基准集合(benchmark set)
MV:运动矢量(Motion Vector)
HEVC:高效视频编解码(High Efficiency Video Coding)
SEI:辅助增强信息(Supplementary Enhancement Information)
VUI:视频可用性信息(Video Usability Information)
GOPs:图片群组(Groups of Pictures)
TUs:变换单元(Transform Units)
PUs:预测单元(Prediction Units)
CTUs:编码树单元(Coding Tree Units)
CTBs:编码树块(Coding Tree Blocks)
PBs:预测块(Prediction Blocks)
HRD:假想参考解码器(Hypothetical Reference Decoder)
SNR:信噪比(Signal Noise Ratio)
CPUs:中央处理单元(Central Processing Units)
GPUs:图形处理单元(Graphics Processing Units)
CRT:阴极射线管(Cathode Ray Tube)
LCD:液晶显示器(Liquid-Crystal Display)
OLED:有机发光二极管(Organic Light-Emitting Diode)
CD:光盘(Compact Disc)
DVD:数字化视频光盘(Digital Video Disc)
ROM:只读存储器(Read-Only Memory)
RAM:随机存取存储器(Random Access Memory)
ASIC:专用集成电路(Application-Specific Integrated Circuit)
PLD:可编程逻辑设备(Programmable Logic Device)
LAN:局域网(Local Area Network)
GSM:全球移动通信系统(Global System for Mobile communications)
LTE:长期演进(Long-Term Evolution)
CANBus:控制器局域网络总线(Controller Area Network Bus)
USB:通用串行总线(Universal Serial Bus)
PCI:外围组件互连(Peripheral Component Interconnect)
FPGA:现场可编程门阵列(Field Programmable Gate Areas)
SSD:固态驱动器(Solid-state Drive)
IC:集成电路(Integrated Circuit)
CU:编码单元(Coding Unit)
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 (21)
1.一种在解码器中进行视频解码的方法,其特征在于,包括:
从已编码视频比特流中解码待重建的块的编码信息,所述编码信息指示所述块的帧内预测信息;以及
对于使用方向模式编码的所述块,
基于标称模式和角度偏移确定所述方向模式,所述编码信息指示所述标称模式和所述角度偏移,
基于所述标称模式确定所述块的不可分离变换,以及
基于所述方向模式和所述不可分离变换重建所述块。
2.根据权利要求1所述的方法,其特征在于,所述确定所述不可分离变换进一步包括:
确定与所述标称模式相关联的变换集模式,
所述变换集模式指示包括所述不可分离变换的一个或多个不可分离变换的集合。
3.根据权利要求2所述的方法,其特征在于,
所述编码信息进一步指示不可分离变换索引;以及
所述重建所述块进一步包括:
基于所述不可分离变换索引,确定所述一个或多个不可分离变换的集合中的所述不可分离变换;以及
基于所述方向模式和所述不可分离变换重建所述块。
4.根据权利要求3所述的方法,其特征在于,所述不可分离变换是不可分离二次变换。
5.根据权利要求4所述的方法,其特征在于,所述不可分离二次变换不应用于PAETH模式和递归滤波模式中的至少一个。
6.根据权利要求4所述的方法,其特征在于,所述基于所述方向模式和所述不可分离二次变换重建所述块进一步包括:
将所述不可分离二次变换仅应用于沿着用于对所述块的第一变换系数进行熵编码的扫描顺序的前N个变换系数。
7.根据权利要求4所述的方法,其特征在于,所述基于所述方向模式和所述不可分离二次变换重建所述块进一步包括:
将所述不可分离二次变换仅应用于所述块中的第一变换系数,所述第一变换系数中的每一个具有坐标(x,y),并且相应的x坐标和y坐标的总和小于阈值。
8.根据权利要求4所述的方法,其特征在于,所述块的主变换中的水平变换和垂直变换包括在线图变换集的子集中。
9.根据权利要求4所述的方法,其特征在于,
所述块包括使用所述不可分离二次变换获得的第一变换系数和不使用所述不可分离二次变换获得的第二变换系数;以及
所述重建所述块进一步包括分别对所述第一变换系数和所述第二变换系数进行熵解码。
10.根据权利要求1所述的方法,其特征在于,
非方向模式包括DC模式、PAETH模式、SMOOTH模式、SMOOTH_V模式、SMOOTH_H模式、递归滤波模式和从亮度预测色度CfL模式,所述DC模式、所述PAETH模式、所述SMOOTH模式、所述SMOOTH_V模式和所述SMOOTH_H模式基于所述块的相邻样本的平均,并且
对于使用所述非方向模式中的一个编码的所述块,
确定与所述非方向模式中的一个相关联的一个或多个不可分离变换的集合,以下之一与所述一个或多个不可分离变换的集合相关联:
(a)所述非方向模式中的至少另一个,和(b)标称模式,
基于由所述编码信息指示的不可分离变换索引,确定所述一个或多个不可分离变换的集合中的不可分离变换,以及
基于所述非方向模式和所述不可分离变换重建所述块。
11.根据权利要求10所述的方法,其特征在于,所述非方向模式中的一个、以及以下之一:所述非方向模式中的至少另一个和所述标称模式,包括以下之一:(a)所述递归滤波模式、以及所述DC模式和所述SMOOTH模式中的一个;(b)所述SMOOTH模式、所述SMOOTH_H模式和所述SMOOTH_V模式;(c)所述SMOOTH模式、所述SMOOTH_H模式、所述SMOOTH_V模式和所述PAETH模式;(d)所述递归滤波模式、所述SMOOTH模式和所述PAETH模式;(e)用于所述标称模式的垂直模式、和所述SMOOTH_V模式;(f)用于所述标称模式的水平模式、和所述SMOOTH_H模式;以及(v)所述CfL模式、以及所述DC模式、所述SMOOTH模式和所述PAETH模式中的一个。
12.一种视频解码的装置,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待重建的块的编码信息,所述编码信息指示所述块的帧内预测信息;以及
对于使用方向模式编码的所述块,
基于标称模式和角度偏移确定所述方向模式,所述编码信息指示所述标称模式和所述角度偏移,
基于所述标称模式确定所述块的不可分离变换,以及
基于所述方向模式和所述不可分离变换重建所述块。
13.根据权利要求12所述的装置,其特征在于,所述处理电路被进一步配置为:
确定与所述标称模式相关联的变换集模式,所述变换集模式指示包括所述不可分离变换的一个或多个不可分离变换的集合。
14.根据权利要求13所述的装置,其特征在于,
所述编码信息进一步指示不可分离变换索引;以及
所述处理电路被配置为:
基于所述不可分离变换索引,确定所述一个或多个不可分离变换的集合中的所述不可分离变换;以及
基于所述方向模式和所述不可分离变换重建所述块。
15.根据权利要求14所述的装置,其特征在于,所述不可分离变换是不可分离二次变换。
16.根据权利要求15所述的装置,其特征在于,所述处理电路被配置为:
将所述不可分离二次变换仅应用于沿着用于对所述块的第一变换系数进行熵编码的扫描顺序的前N个变换系数。
17.根据权利要求15所述的装置,其特征在于,所述处理电路被配置为:
将所述不可分离二次变换仅应用于所述块中的第一变换系数,所述第一变换系数中的每一个具有坐标(x,y),并且相应的x坐标和y坐标的总和小于阈值。
18.根据权利要求15所述的装置,其特征在于,所述块的主变换中的水平变换和垂直变换包括在线图变换集的子集中。
19.根据权利要求15所述的装置,其特征在于,所述块包括使用所述不可分离二次变换获得的第一变换系数和不使用所述不可分离二次变换获得的第二变换系数;以及
所述处理电路被配置为:分别对所述第一变换系数和所述第二变换系数进行熵解码。
20.根据权利要求12所述的装置,其特征在于,非方向模式包括DC模式、PAETH模式、SMOOTH模式、SMOOTH_V模式、SMOOTH_H模式、递归滤波模式和从亮度预测色度CfL模式,所述DC模式、所述PAETH模式、所述SMOOTH模式、所述SMOOTH_V模式和所述SMOOTH_H模式基于所述块的相邻样本的平均,并且
对于使用所述非方向模式中的一个编码的所述块,所述处理电路被配置为:
确定与所述非方向模式中的一个相关联的一个或多个不可分离变换的集合,以下之一与所述一个或多个不可分离变换的集合相关联:(a)所述非方向模式中的至少另一个,和(b)标称模式,
基于由所述编码信息指示的不可分离变换索引,确定所述一个或多个不可分离变换的集合中的不可分离变换,以及
基于所述非方向模式和所述不可分离变换重建所述块。
21.根据权利要求20所述的装置,其特征在于,所述非方向模式中的一个以及以下之一:所述非方向模式中的至少另一个和所述标称模式,包括以下之一:(a)所述递归滤波模式、以及所述DC模式和所述SMOOTH模式中的一个;(b)所述SMOOTH模式、所述SMOOTH_H模式和所述SMOOTH_V模式;(c)所述SMOOTH模式、所述SMOOTH_H模式、所述SMOOTH_V模式和所述PAETH模式;(d)所述递归滤波模式、所述SMOOTH模式和所述PAETH模式;(e)用于所述标称模式的垂直模式、和所述SMOOTH_V模式;(f)用于所述标称模式的水平模式、和所述SMOOTH_H模式;以及(v)所述CfL模式、以及所述DC模式、所述SMOOTH模式和所述PAETH模式中的一个。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962941359P | 2019-11-27 | 2019-11-27 | |
US62/941,359 | 2019-11-27 | ||
US17/031,272 | 2020-09-24 | ||
US17/031,272 US11375220B2 (en) | 2019-11-27 | 2020-09-24 | Method and apparatus for video decoding using a nominal directional mode and an angular offset |
PCT/US2020/053056 WO2021108027A1 (en) | 2019-11-27 | 2020-09-28 | Method and apparatus for video coding |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113853745A true CN113853745A (zh) | 2021-12-28 |
Family
ID=75974480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080038126.1A Pending CN113853745A (zh) | 2019-11-27 | 2020-09-28 | 视频编解码的方法和装置 |
Country Status (6)
Country | Link |
---|---|
US (3) | US11375220B2 (zh) |
EP (1) | EP4066385A4 (zh) |
JP (1) | JP7285954B2 (zh) |
KR (1) | KR20210135320A (zh) |
CN (1) | CN113853745A (zh) |
WO (1) | WO2021108027A1 (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117812271A (zh) * | 2019-02-01 | 2024-04-02 | Lg电子株式会社 | 图像解码方法、图像编码方法、存储介质和发送方法 |
US11310504B2 (en) | 2020-07-30 | 2022-04-19 | Tencent America LLC | Complexity reduction for 32-p and 64-p LGT |
US12081742B2 (en) | 2021-06-11 | 2024-09-03 | Tencent America LLC | Intra mode coding |
WO2023282625A1 (ko) * | 2021-07-06 | 2023-01-12 | 엘지전자 주식회사 | 비분리 1차 변환에 기반한 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장하는 기록 매체 |
US20230078100A1 (en) * | 2021-08-30 | 2023-03-16 | Tencent America LLC | Scan order of secondary transform coefficients |
WO2023059056A1 (ko) * | 2021-10-05 | 2023-04-13 | 엘지전자 주식회사 | 비분리 1차 변환에 기반한 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장하는 기록 매체 |
WO2023090894A1 (ko) * | 2021-11-17 | 2023-05-25 | 한국전자통신연구원 | 영상 부호화/복호화를 위한 방법, 장치 및 기록 매체 |
WO2024081862A1 (en) * | 2022-10-13 | 2024-04-18 | Qualcomm Incorporated | Transforming video data using non-separable primary transforms |
WO2024104476A1 (en) * | 2022-11-18 | 2024-05-23 | Douyin Vision Co., Ltd. | Method, apparatus, and medium for video processing |
WO2024123148A1 (ko) * | 2022-12-09 | 2024-06-13 | 엘지전자 주식회사 | 영상 인코딩/디코딩 방법 및 장치, 그리고 비트스트림을 저장한 기록 매체 |
WO2024129334A1 (en) * | 2022-12-14 | 2024-06-20 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Video encoder, video encoding method, video decoder, video decoding method |
WO2024136484A1 (ko) * | 2022-12-20 | 2024-06-27 | 엘지전자 주식회사 | 영상 인코딩/디코딩 방법 및 장치, 그리고 비트스트림을 저장한 기록 매체 |
WO2024136473A1 (ko) * | 2022-12-20 | 2024-06-27 | 엘지전자 주식회사 | 영상 인코딩/디코딩 방법 및 장치, 그리고 비트스트림을 저장한 기록 매체 |
WO2024136486A1 (ko) * | 2022-12-20 | 2024-06-27 | 엘지전자 주식회사 | 영상 인코딩/디코딩 방법 및 장치, 그리고 비트스트림을 저장한 기록 매체 |
WO2024136475A1 (ko) * | 2022-12-20 | 2024-06-27 | 엘지전자 주식회사 | 영상 인코딩/디코딩 방법 및 장치, 그리고 비트스트림을 저장한 기록 매체 |
WO2024136471A1 (ko) * | 2022-12-20 | 2024-06-27 | 엘지전자 주식회사 | 영상 인코딩/디코딩 방법 및 장치, 그리고 비트스트림을 저장한 기록 매체 |
WO2024136481A1 (ko) * | 2022-12-20 | 2024-06-27 | 엘지전자 주식회사 | 영상 인코딩/디코딩 방법 및 장치, 그리고 비트스트림을 저장한 기록 매체 |
WO2024136476A1 (ko) * | 2022-12-20 | 2024-06-27 | 엘지전자 주식회사 | 영상 인코딩/디코딩 방법 및 장치, 그리고 비트스트림을 저장한 기록 매체 |
WO2024136483A1 (ko) * | 2022-12-20 | 2024-06-27 | 엘지전자 주식회사 | 영상 인코딩/디코딩 방법 및 장치, 그리고 비트스트림을 저장한 기록 매체 |
WO2024151389A1 (en) * | 2023-01-13 | 2024-07-18 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Video encoder, video encoding method, video decoder, video decoding method |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8483285B2 (en) * | 2008-10-03 | 2013-07-09 | Qualcomm Incorporated | Video coding using transforms bigger than 4×4 and 8×8 |
KR101623124B1 (ko) * | 2009-12-03 | 2016-05-24 | 에스케이 텔레콤주식회사 | 비디오 인코딩 장치 및 그 인코딩 방법, 비디오 디코딩 장치 및 그 디코딩 방법, 및 거기에 이용되는 방향적 인트라 예측방법 |
KR101772459B1 (ko) * | 2010-05-17 | 2017-08-30 | 엘지전자 주식회사 | 신규한 인트라 예측 모드 |
US8855188B2 (en) * | 2010-07-15 | 2014-10-07 | Sharp Laboratories Of America, Inc. | Method of parallel video coding based on mapping |
US8848779B2 (en) * | 2010-07-15 | 2014-09-30 | Sharp Laboratories Of America, Inc. | Method of parallel video coding based on block size |
JP2012039590A (ja) * | 2010-07-16 | 2012-02-23 | Sony Corp | 画像処理装置、画像処理方法、及びプログラム |
US10142623B2 (en) * | 2011-04-12 | 2018-11-27 | Electronics And Telecommunications Research Institute | Image encoding method using a skip mode, and a device using the method |
RU2011131824A (ru) * | 2011-07-28 | 2013-02-10 | ЭлЭсАй Корпорейшн | Поиск интра-режима для кодирования видеоинформации |
CN105338347B (zh) | 2011-10-24 | 2018-11-13 | 英孚布瑞智有限私人贸易公司 | 用于图像解码的方法和装置 |
WO2013070629A1 (en) * | 2011-11-07 | 2013-05-16 | Huawei Technologies Co., Ltd. | New angular table for improving intra prediction |
US9253481B2 (en) * | 2012-01-13 | 2016-02-02 | Qualcomm Incorporated | Determining contexts for coding transform coefficient data in video coding |
US10038917B2 (en) * | 2015-06-12 | 2018-07-31 | Microsoft Technology Licensing, Llc | Search strategies for intra-picture prediction modes |
US10491922B2 (en) * | 2015-09-29 | 2019-11-26 | Qualcomm Incorporated | Non-separable secondary transform for video coding |
US10349085B2 (en) * | 2016-02-15 | 2019-07-09 | Qualcomm Incorporated | Efficient parameter storage for compact multi-pass transforms |
US10455228B2 (en) * | 2016-03-21 | 2019-10-22 | Qualcomm Incorporated | Determining prediction parameters for non-square blocks in video coding |
US10547854B2 (en) | 2016-05-13 | 2020-01-28 | Qualcomm Incorporated | Neighbor based signaling of intra prediction modes |
CN113411579B (zh) | 2016-05-13 | 2024-01-23 | 夏普株式会社 | 图像解码装置及其方法、图像编码装置及其方法 |
US20170347094A1 (en) * | 2016-05-31 | 2017-11-30 | Google Inc. | Block size adaptive directional intra prediction |
US11095893B2 (en) * | 2016-10-12 | 2021-08-17 | Qualcomm Incorporated | Primary transform and secondary transform in video coding |
US10992939B2 (en) * | 2017-10-23 | 2021-04-27 | Google Llc | Directional intra-prediction coding |
TWI731322B (zh) | 2018-03-29 | 2021-06-21 | 弗勞恩霍夫爾協會 | 變換組 |
US10645381B2 (en) * | 2018-04-30 | 2020-05-05 | Google Llc | Intra-prediction for smooth blocks in image/video |
US11025907B2 (en) * | 2019-02-28 | 2021-06-01 | Google Llc | Receptive-field-conforming convolution models for video coding |
-
2020
- 2020-09-24 US US17/031,272 patent/US11375220B2/en active Active
- 2020-09-28 KR KR1020217032959A patent/KR20210135320A/ko not_active Application Discontinuation
- 2020-09-28 WO PCT/US2020/053056 patent/WO2021108027A1/en unknown
- 2020-09-28 EP EP20892824.2A patent/EP4066385A4/en active Pending
- 2020-09-28 CN CN202080038126.1A patent/CN113853745A/zh active Pending
- 2020-09-28 JP JP2021558852A patent/JP7285954B2/ja active Active
-
2022
- 2022-05-31 US US17/828,919 patent/US11800126B2/en active Active
-
2023
- 2023-09-13 US US18/466,623 patent/US20230421790A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US11375220B2 (en) | 2022-06-28 |
JP7285954B2 (ja) | 2023-06-02 |
US20230421790A1 (en) | 2023-12-28 |
KR20210135320A (ko) | 2021-11-12 |
WO2021108027A1 (en) | 2021-06-03 |
US20210160519A1 (en) | 2021-05-27 |
JP2022526400A (ja) | 2022-05-24 |
EP4066385A4 (en) | 2023-01-25 |
US11800126B2 (en) | 2023-10-24 |
US20220295086A1 (en) | 2022-09-15 |
EP4066385A1 (en) | 2022-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111869218B (zh) | 视频编解码的方法和装置 | |
CN110677677B (zh) | 视频解码方法、装置、设备和计算机可读介质 | |
CN113853745A (zh) | 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 | |
CN113366849B (zh) | 视频编解码的方法和装置 | |
CN111988619B (zh) | 视频编解码方法、装置、计算机设备和存储介质 | |
CN113614736A (zh) | 视频编解码的方法和装置 | |
CN116389735A (zh) | 一种用于视频编码的方法和相关装置 | |
CN111955007A (zh) | 视频解码的方法和装置 | |
CN112042188A (zh) | 用于视频压缩中非正方形块的帧内预测的方法和装置 | |
CN111050178B (zh) | 视频解码的方法、装置、电子设备、存储介质 | |
CN113557724A (zh) | 视频编解码的方法和装置 | |
CN113661703A (zh) | 视频编解码的方法和装置 | |
CN113597763A (zh) | 视频编解码的方法及装置 | |
CN111919440B (zh) | 用于视频解码的方法、装置和计算机可读介质 | |
CN112840657B (zh) | 用于视频解码的方法、装置、设备和可读介质 | |
CN115104308A (zh) | 视频编解码的方法和装置 | |
CN111901609A (zh) | 视频解码的方法和装置、计算机设备和存储介质 | |
CN114270857A (zh) | 用于发信号通知跳过模式标志的方法和装置 | |
CN112399185A (zh) | 视频解码的方法和装置、计算机设备和存储介质 | |
CN112235573B (zh) | 视频编解码的方法、装置、电子设备、存储介质 | |
CN115428461A (zh) | 用于视频编解码的方法和装置 | |
CN113678378A (zh) | 用于减少用于变换系数有效标志的熵编解码的上下文模型的方法和装置 | |
CN115769577A (zh) | 具有子空间约束的正交变换生成 | |
CN115088260A (zh) | 视频编解码方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |