CN115428461A - 用于视频编解码的方法和装置 - Google Patents

用于视频编解码的方法和装置 Download PDF

Info

Publication number
CN115428461A
CN115428461A CN202180018266.7A CN202180018266A CN115428461A CN 115428461 A CN115428461 A CN 115428461A CN 202180018266 A CN202180018266 A CN 202180018266A CN 115428461 A CN115428461 A CN 115428461A
Authority
CN
China
Prior art keywords
input
channel
picture
video
convolution operation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180018266.7A
Other languages
English (en)
Inventor
欧阳祥
李翔
刘杉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent America LLC
Original Assignee
Tencent America LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent America LLC filed Critical Tencent America LLC
Publication of CN115428461A publication Critical patent/CN115428461A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/002—Image coding using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H04N19/102—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
    • H04N19/127—Prioritisation of hardware or computational resources
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/186—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a colour or a chrominance component
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • H04N19/395—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability involving distributed video coding [DVC], e.g. Wyner-Ziv video coding or Slepian-Wolf video 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
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H04N19/436—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation using parallelised computational arrangements
    • 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
    • H04N19/63—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets
    • H04N19/635—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets characterised by filter definition or implementation details
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • H04N19/82—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation involving filtering within a prediction loop
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
    • H04N19/86—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving reduction of coding artifacts, e.g. of blockiness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本公开的各方面提供了用于诸如视频处理中的神经网络处理的方法和装置。在一些示例中，用于神经网络处理的装置包括处理电路。处理电路确定卷积运算的输入包括分段恒定的第一输入通道。然后，处理电路基于卷积运算的输入的其它通道，计算第一中间输出通道；并且然后基于第一中间输出通道和第一输入通道的组合(例如，线性组合)，生成卷积运算的输出。

Description

用于视频编解码的方法和装置
交叉引用
本申请要求于2021年9月13日提交的美国专利申请号17/447,525“用于视频编解码的方法和装置(METHOD AND APPARATUS FOR VIDEO CODING)”的优先权，该申请要求于2020年12月16日提交的美国临时申请号63/126,194“在视频编解码器中应用部分深度可分离卷积以增强视频质量(APPLICATION OF PARTIAL DEPTHWISE SEPARABLE CONVOLUTIONTO ENHANCE VIDEO QUALITY IN A VIDEO CODEC)”的优先权。在先申请的全部公开内容在此结合在本文中作为参考。
技术领域
本公开描述了总体上涉及神经网络处理的实施例。更具体地，本公开提供了用于提高视频编解码器中的图片质量的神经网络处理技术。
背景技术
本文所提供的背景描述旨在整体呈现本申请的背景。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，并不表明其在本申请提交时作为现有技术，且从未明示或暗示其被承认为本申请的现有技术。
通过具有运动补偿的帧间图片预测技术，可以进行视频编码和解码。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。未压缩的视频具有特定的比特率要求。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利用来自若干广泛类别的技术，包括例如运动补偿、变换、量化及熵编解码。
视频编解码器技术可包括称为帧内编解码的技术。在帧内编解码中，在不参考来自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。当所有样本块都以帧内模式编码时，该图片可以是帧内图片。帧内图片及其派生(诸如独立解码器刷新图片)可用于重置解码器状态，并且因此可用作已编码视频码流和视频会话中的第一图片，或者用作静止图像。可将帧内块的样本暴露于变换，并且可在熵编解码之前量化变换系数。帧内预测可以是使预变换域中的样本值最小化的技术。在一些情况下，变换后的DC值越小，并且AC系数越小，则在给定量化步长下表示熵编解码后的块所需的比特越少。
诸如从例如MPEG-2代编解码技术中已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从例如周围样本数据和/或元数据尝试的技术，该周围样本数据和/或元数据是在空间相邻的数据块的编码/解码期间获得的并且在解码顺序上先于数据块。这种技术此后称为“帧内预测”技术。注意，在至少一些情况下，帧内预测仅使用来自重建中的当前图片的参考数据，而不使用来自参考图片的参考数据。
可以有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多于一种这样的技术时，可以以帧内预测模式对所使用的技术进行编码。在某些情况下，模式可以具有子模式和/或参数，并且这些子模式和/或参数可以被单独编码或者被包括在模式码字中。对于给定模式/子模式/参数组合要使用的码字可能对通过帧内预测的编码效率增益有影响，并且将码字转换成码流的熵编解码技术也是如此。
帧内预测的某种模式与H.264一起被引入，在H.265中被改进，并且在诸如联合探索模式(JEM，joint exploration model)、通用视频编码(VVC，versatile video coding)和基准集(BMS，benchmark set)这些较新的编解码技术中被进一步改进。可以使用属于已经可用的样本的相邻样本值来形成预测器块。根据方向将相邻样本的样本值复制到预测器块中。对使用中方向的参考可以在码流中编码，或者可以预测其本身。
参照图1A，右下方描绘了来自H.265的33个可能的预测方向(对应于35种帧内模式的33个角度模式)中已知的九个预测方向的子集合。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1A，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)包括16个样本，每个样本用“S”、以及其在Y维度上的位置(例如，行索引)和在X纬度上的位置(例如，列索引)来标记。例如，样本S21是Y维度上的第二个样本(从顶部开始)和X维度上的第一个(从左侧开始)样本。类似地，样本S44在X维度和Y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。
通过从信号通知的预测方向所占用的相邻样本来复制参考样本值，可以进行帧内图片预测。例如，假设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。根据参考样本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，而在此申请时，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于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1B示出了用于描绘根据JEM的65个帧内预测方向的示意图(105)，以示出随着时间推移预测方向的增加数量。
编码视频码流中表示方向的帧内预测方向比特的映射可以根据视频编码技术的不同而不同，并且可以例如从预测方向到帧内预测模式的简单直接映像到码字、到涉及最可能模式的复杂自适应方案和类似技术。然而，在所有情况下，在视频内容中可能存在某些方向，这些方向比某些其它方向在统计上更不可能出现。由于视频压缩的目标是减少冗余，因此在良好工作的视频编解码技术中，那些不太可能的方向将由比更可能的方向具有更大数目的比特来表示。
运动补偿可以是一种有损压缩技术，且可涉及如下技术：来自先前重建的图片或重建图片一部分(参考图片)的样本数据块在空间上按运动矢量(下文称为MV)指示的方向移位后，用于新重建的图片或图片部分的预测。在某些情况下，参考图片可与当前正在重建的图片相同。MV可具有两个维度X和Y，或者三个维度，其中第三个维度表示使用中的参考图片(后者间接地可为时间维度)。
在一些视频压缩技术中，应用于某个样本数据区域的MV可根据其它MV来预测，例如根据与正在重建的区域空间相邻的另一个样本数据区域相关的、且按解码顺序在该MV前面的那些MV。这样做可以大大减少编码MV所需的数据量，从而消除冗余信息并增加压缩量。MV预测可以有效地进行，例如，当对从相机导出的输入视频信号(称为自然视频)进行编码时，存在一种统计上的可能性，即面积大于单个MV适用区域的区域，会朝着类似的方向移动，因此，在某些情况下，可以用邻近区域的MV导出的相似运动矢量进行预测。这导致针对给定区域发现的MV与根据周围MV预测的MV相似或相同，并且在熵编码之后，又可以用比直接编码MV时使用的比特数更少的比特数来表示。在某些情况下，MV预测可以是对从原始信号(即样本流)导出的信号(即MV)进行无损压缩的示例。在其它情况下，MV预测本身可能是有损的，例如由于根据几个周围MV计算预测值时产生的取整误差。
H.265/HEVC(ITU-T Rec.H.265，“高效视频编码”，2016年12月)描述了各种MV预测机制。在H.265所提供的多种MV预测机制中，本文描述的是一种下文称为“空间合并”的技术。
参考图2，当前块(201)包括编码器在运动搜索过程中发现的样本，所述样本可以根据空间移动了相同大小的先前块进行预测。不直接对该MV进行编码，而是通过使用与五个周围样本中的任何一个相关联的MV，从与一个或多个参考图片相关联的元数据中导出该MV，例如从最近的(按解码顺序)参考图片中导出该MV。其中，五个周围样本分别用A0、A1和B0、B1、B2(从202到206)表示。在H.265中，MV预测可使用相邻块正在使用的同一参考图片的预测值。
发明内容
本公开的各方面提供了用于例如视频处理中的神经网络处理的方法和装置。在一些示例中，用于神经网络处理的装置包括处理电路。处理电路确定卷积运算的输入包括分段恒定的第一输入通道。然后，处理电路基于卷积运算的输入的其它通道来计算第一中间输出通道；并且然后基于第一中间输出通道和第一输入通道的组合(诸如线性组合)，生成卷积运算的输出。
在一些示例中，处理电路通过一个核，对输入的其它信道应用缩减信道卷积运算，以生成第一中间输出通道。
在一些示例中，处理电路可以将第一输入通道与权重值相乘，以生成第二中间输出通道，并且将第一中间输出通道与第二中间输出通道相加，以生成卷积运算的输出。在示例中，处理电路基于与第一输入通道相对应的核元素来计算权重值。例如，处理电路计算与第一输入通道相对应的核元素的总和。在另一示例中，基于与第一输入通道相对应的核元素来预先计算权重值，并且将其存储在存储器中。处理电路可以访问存储的权重值的存储器。
在一些示例中，处理电路确定第一输入通道包括用于图片的量化参数QP映射，所述图片是从输入的其它通道接收的。基于QP映射中的QP值来重建图片。然后，处理电路利用核对从其它通道接收的图片的颜色分量应用缩减通道卷积运算，以生成第一中间输出通道。处理电路基于第一中间输出通道和QP映像的线性组合，生成卷积运算的输出。
在一些示例中，处理电路接收从去块滤波器输出的图片。在一些示例中，处理电路可以将基于密集残差卷积神经网络的环内滤波器应用于所述卷积运算的所述输出。
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，指令在由计算机执行时使计算机执行用于神经网络处理的方法。
附图说明
通过以下详细描述和附图，所公开的主题的其它特征、性质及各种优点将更加明显，其中：
图1A是帧内预测模式的示例性子集的示意图。
图1B示例性帧内预测方向的示意图。
图2示例性当前块以及其周围空间合并候选的示意图。
图3是根据实施例的通信系统(300)的简化框图的示意图。
图4是根据实施例的通信系统(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示出了一些示例中的环路滤波器单元的框图。
图10示出了一些示例中的另一环路滤波器单元的框图。
图11示出了一些示例中的基于神经网络的滤波器的框图。
图12示出了一些示例中的预处理模块的框图。
图13示出了一些示例中的神经网络结构的框图。
图14示出了密集残差单元的框图。
图15示出了一些示例中的后处理模块的框图。
图16示出了图示标准卷积的示意图。
图17示出了图示深度卷积的示意图。
图18示出了图示点卷积的示意图。
图19示出了量化参数映射的示例。
图20示出了一些示例中的部分深度可分离卷积(PDSC，partial depthwiseseparable convolution)的示意图。
图21示出了神经网络结构的框图。
图22示出了概述过程示例的流程图。
图23是根据实施例的计算机系统的示意图。
具体实施方式
根据实施例的图3是根据本申请公开的实施例的通信系统(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)和终端装置(320)。在图3的实施例中，终端装置(310)和终端装置(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，终端装置(330)和终端装置(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)和终端装置(340)中的另一终端装置。终端装置(330)和终端装置(340)中的每个终端装置还可接收由终端装置(330)和终端装置(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)、终端装置(320)、终端装置(330)和终端装置(340)可为服务器、个人计算机和智能电话，但本申请公开的原理可不限于此。本申请公开的实施例适用于膝上型计算机、平板电脑、媒体播放器和/或专用视频会议设备。网络(350)表示在终端装置(310)、终端装置(320)、终端装置(330)和终端装置(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。出于本论述的目的，除非在下文中有所解释，否则网络(350)的架构和拓扑对于本申请公开的操作来说可能是无关紧要的。
作为实施例，图4示出视频编码器和视频解码器在流式传输环境中的放置方式。本申请所公开主题可同等地适用于其它支持视频的应用，包括例如视频会议、数字TV、在包括CD、DVD、存储棒等的数字介质上存储压缩视频等等。
流式传输系统可包括采集子系统(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-T H.265。在实施例中，正在开发的视频编码标准非正式地称为下一代视频编码(Versatile Video Coding，VVC)，本申请可用于VVC标准的上下文中。
应注意，电子装置(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是根据本申请公开的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)外部的类似组件(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)提取的已重建信息生成大小和形状与正在重建的块相同的周围块。举例来说，当前图片缓冲器(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是根据本申请公开的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 CrCb4:2:0、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(因为在本申请所考虑的视频压缩技术中，符号与已编码视频码流之间的任何压缩是无损的)。将重建的样本流(样本数据)输入到参考图片存储器(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4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，本申请侧重于解码器操作。可简化编码器技术的描述，因为编码器技术与全面地描述的解码器技术互逆。仅在某些区域中需要更详细的描述，并且在下文提供。
在操作期间，在一些实施例中，源编码器(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)根据例如霍夫曼编码、可变长度编码、算术编码等技术对各种功能单元生成的符号进行无损压缩，从而将所述符号转换成已编码视频序列。
传输器(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、SEI消息、VUI参数集片段等。
采集到的视频可作为呈时间序列的多个源图片(视频图片)。帧内图片预测(常常简化为帧内预测)利用给定图片中的空间相关性，而帧间图片预测则利用图片之间的(时间或其它)相关性。在实施例中，将正在编码/解码的特定图片分割成块，正在编码/解码的特定图片被称作当前图片。在当前图片中的块类似于视频中先前已编码且仍被缓冲的参考图片中的参考块时，可通过称作运动矢量的矢量对当前图片中的块进行编码。所述运动矢量指向参考图片中的参考块，且在使用多个参考图片的情况下，所述运动矢量可具有识别参考图片的第三维度。
在一些实施例中，双向预测技术可用于帧间图片预测中。根据双向预测技术，使用两个参考图片，例如按解码次序都在视频中的当前图片之前(但按显示次序可能分别是过去和将来)第一参考图片和第二参考图片。可通过指向第一参考图片中的第一参考块的第一运动矢量和指向第二参考图片中的第二参考块的第二运动矢量对当前图片中的块进行编码。具体来说，可通过第一参考块和第二参考块的组合来预测所述块。
此外，合并模式技术可用于帧间图片预测中以改善编码效率。
根据本申请公开的一些实施例，帧间图片预测和帧内图片预测等预测的执行以块为单位。举例来说，根据HEVC标准，将视频图片序列中的图片分割成编码树单元(codingtree unit，CTU)以用于压缩，图片中的CTU具有相同大小，例如64×64像素、32×32像素或16×16像素。一般来说，CTU包括三个编码树块(coding tree block，CTB)，所述三个编码树块是一个亮度CTB和两个色度CTB。更进一步的，还可将每个CTU以四叉树拆分为一个或多个编码单元(coding unit，CU)。举例来说，可将64×64像素的CTU拆分为一个64×64像素的CU，或4个32×32像素的CU，或16个16×16像素的CU。在实施例中，分析每个CU以确定用于CU的预测类型，例如帧间预测类型或帧内预测类型。此外，取决于时间和/或空间可预测性，将CU拆分为一个或多个预测单元(prediction unit，PU)。通常，每个PU包括亮度预测块(prediction block，PB)和两个色度PB。在实施例中，编码(编码/解码)中的预测操作以预测块为单位来执行。以亮度预测块作为预测块为例，预测块包括像素值(例如，亮度值)的矩阵，例如8×8像素、16×16像素、8×16像素、16×8像素等等。
图7是根据本申请公开的另一实施例的视频编码器(703)的图。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，RD)优化来确定是否使用帧内模式、帧间模式或双向预测模式来编码所述处理块。当在帧内模式中编码处理块时，视频编码器(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)用于将残差数据从时域转换到频域，且生成变换系数。变换系数接着经由量化处理以获得量化的变换系数。在各种实施例中，视频编码器(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是根据本申请公开的另一实施例的视频解码器(810)的图。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(703)以及视频解码器(410)、视频解码器(510)和视频解码器(810)。
神经网络技术可以与视频编解码技术一起使用，并且具有神经网络的视频编解码技术可以被称为混合视频编解码技术。例如，诸如环路滤波器单元(556)的环路滤波器单元可以应用各种环路滤波器来进行样本滤波。一个或多个环路滤波器可以由神经网络实现。本公开的各方面提供通过使用神经网络来提高图片质量的混合视频编解码技术中的环内滤波技术。具体地，根据本公开的一方面，可以在视频编解码中使用部分深度可分离卷积(partial depthwise separable convolution)技术以增强视频质量。
根据本公开的一些方面，混合视频编解码技术中的自适应滤波可以使用具有量化参数映射的神经网络作为用于提高图片质量的输入之一。为了减少计算和神经网络的权重参数的数目，可以使用一种类型的被称为部分深度可分离卷积(PDSC)的卷积神经网络层。
在一些示例(例如，JVET-T0057)中，在环内滤波器中使用正常卷积和深度可分离卷积(DSC，depthwise separable convolution)。
根据本公开的一方面，环内滤波器是影响参考数据的滤波器。例如，由环路滤波器单元(556)滤波的图像被存储在诸如参考图片存储器(557)的缓冲器中作为进一步预测的参考。环内滤波器可以提高视频编解码器中的视频质量。
图9示出了一些示例中的环路滤波器单元(900)的框图。在示例中，环路滤波器单元(900)可以用于代替环路滤波器单元(556)。在图9的示例中，环路滤波器单元(900)包括去块滤波器(901)、样本自适应偏移(SAO，adaptive offset)滤波器(902)和自适应环路滤波器(ALF，adaptive loop filter)滤波器(903)。在一些示例中，ALF滤波器(903)可以包括交叉分量自适应环路滤波器(CCALF，adaptive loop filter)。
在操作期间，在示例中，环路滤波器单元(900)接收重建图片，对重建图片应用各种滤波器，并且响应于重建图片生成输出图片。
在一些示例中，去块滤波器(901)和SAO滤波器(902)被配置为去除当使用块编码技术时引入的块效应和样本失真。去块滤波器(901)可以对在使用块编码技术时形成的形状边缘进行平滑。SAO滤波器(902)可以将特定偏移应用于样本，以便相对于视频帧中的其它样本减少失真。ALF(903)可以将分类应用于(例如)样本块，并且然后将与该分类相关联的滤波器应用于样本块。在一些示例中，滤波器的滤波器系数可以由编码器确定并且用信号通知给解码器。
在一些示例(例如，JVET-T0057)中，可以在去块滤波器(901)与SAO滤波器(902)之间插入被称为基于密集残差卷积神经网络的环内滤波器(DRNLF，dense residualconvolutional neural network based in-loop filter)的附加滤波器。DRNLF可以进一步提高图片质量。
图10示出了一些示例中的环路滤波器单元(1000)的框图。在示例中，环路滤波器单元(1000)可以用于代替环路滤波器单元(556)。在图10的示例中，环路滤波器单元(1000)包括去块滤波器(1001)、SAO滤波器(1002)、ALF滤波器(1003)和放置在去块滤波器(1001)与SAO滤波器(1002)之间的DRNLF滤波器(1010)。
去块滤波器(1001)被类似地配置为去块滤波器(901)，SAO滤波器(1002)被类似地配置为SAO滤波器(902)，并且ALF滤波器(1003)被类似地配置为ALF滤波器(903)。
DRNLF滤波器(1010)接收由去块图片(1011)示出的去块滤波器(1001)的输出，并且还接收重建图片的量化参数(QP，quantization parameter)映射。QP映射包括重建图片中的块的量化参数。DRNLF滤波器(1010)可以输出由具有改善质量的已滤波图片(1019)示出的图像，并且已滤波图片(1019)被馈送到SAO滤波器(1002)以用于进一步的滤波过程。
根据本公开的一方面，用于视频处理的神经网络可以包括用于处理颜色空间中的颜色分量的多个通道。在示例中，可以使用YCbCr模型来定义颜色空间。在YCbCr模型中，Y表示亮度分量(亮度)，并且Cb和Cr表示色度分量。应注意，在以下描述中，YUV用于描述使用YCbCr模型编码的格式。
根据本公开的一方面，神经网络中的多个信道被配置为对相同大小的颜色分量进行操作。在一些示例中，图片可以由不同大小的颜色分量来表示。例如，人类视觉系统对亮度的变化比对颜色的变化敏感得多，因此视频系统可以压缩色度分量以减小文件大小并且节省传输时间，而没有如人眼所感知的大的视觉差异。在一些示例中，色度子采样技术利用人类视觉系统对色差的敏锐度而不是亮度信息来实现色度信息的分辨率低于亮度信息的分辨率。
在一些示例中，子采样可以表示为三部分比率，诸如4:4:4、4:2:0、4:2:2、4:1:1等。例如，4:4:4(也被称为YUV444)指示每个YCbCr分量具有相同的采样率而不进行子采样；4:2:0(也被称为YUV420)指示对色度分量进行子采样，每四个像素(或Y分量)对应于Cb分量和Cr分量。应注意，在以下描述中使用YUV420作为子采样格式的示例来说明本公开中的技术。技术可以用于其它子采样格式。
通常，神经网络可以对非子采样格式(例如，YUV444)的图片进行操作。因此，对于子采样格式的图片，图片在作为输入提供给神经网络之前被转换成非子采样格式。
图11示出了一些示例中的DRNLF滤波器(1100)的框图。在示例中，DRNLF滤波器(1100)可以用于代替DRNLF滤波器(1010)。DRNLF滤波器(1100)包括如图11中所示的耦合在一起的QP映射量化器(1110)、预处理模块(1120)、主处理模块(1130)和后处理模块(1140)。主处理模块(1130)包括如图11中所示的耦合在一起的补丁获取器(1131)、基于补丁的DRNLF核处理模块(1132)和补丁重组器(1133)。
在一些示例中，QP映射包括QP值的映射，所述QP值的映射应用于重建当前重建图片中的各个块。QP映射量化器(1110)可以将值量化为一组预定值。在示例(例如，JVET-T0057)中，QP值可由QP映射量化器(1110)量化为22、27、32和37之一。
预处理模块(1120)可以接收第一格式的去块图片(deblocked picture)，并且转换为由主处理模块(1130)使用的第二格式。例如，主处理模块(1130)被配置为处理具有YUV444格式的图片。当预处理模块(1120)接收到与YUV444格式不同格式的去块图片时，预处理模块(1120)可以处理不同格式的去块图片，并且输出YUV444格式的去块图片。例如，预处理模块(1120)接收YUV420格式的去块图片，并且然后以因子2来对U色度信道和V色度信道进行水平地和垂直地内插，以生成YUV444格式的去块图片。
主处理模块(1130)可以接收YUV444格式的去块图片和量化的QP映射作为输入。补丁获取器(1131)将输入分解成补丁。DRNLF核处理模块(1132)可以基于DRNLF核分别处理补丁中的每一个补丁。补丁重组器(1133)可以将由DRNLF核处理模块(1132)处理的补丁组装成YUV444格式的已滤波图片。
后处理模块(1140)将第二格式的已滤波图片转换回第一格式。例如，后处理模块(1140)接收YUV444格式的已滤波图片(从主处理模块(1130)输出)，并且输出YUV420格式的已滤波图片。
图12示出了一些示例中的预处理模块(1220)的框图。在示例中，预处理模块(1220)用于代替预处理模块(1120)。
预处理模块(1220)可以接收YUV420格式的去块图片，将该去块图片转换成YUV444格式并且输出YUV444格式的去块图片。具体地，预处理模块(1220)在三个输入通道中接收去块图片，这三个输入通道包括Y分量的亮度输入通道以及分别用于U(Cb)分量和V(Cr)分量的两个色度输入通道。预处理模块(1220)通过三个输出通道输出去块图片，这三个输出通道包括用于Y分量的亮度输出通道以及分别用于U(Cb)分量和V(Cr)分量的两个色度输出通道。
在示例中，当去块图片具有YUV420格式时，Y分量具有大小(H，W)，U分量具有大小(H/2,W/2)并且V分量具有大小(H/2，W/2)，其中H表示去块图片的高度(例如，以样本为单位)并且W表示去块图片的宽度(例如，以样本为单位)。
在图12的示例中，预处理模块(1220)不调整Y分量的大小。预处理模块(1220)从亮度输入通道接收大小为(H，W)的Y分量，并且将大小为(H，W)的Y分量输出到亮度输出通道。
预处理模块(1220)分别调整U分量和V分量的大小。预处理模块(1220)包括分别处理U分量和V分量的第一调整大小单元(1221)和第二调整大小单元(1222)。例如，第一调整大小单元(1221)接收大小为(H/2，W/2)的U分量，将U分量的大小调整为大小(H，W)，并且将大小为(H，W)的U分量输出到U分量的色度输出通道。第二调整大小单元(1222)接收大小为(H/2，W/2)的V分量，将V分量的大小调整为大小(H，W)，并且将大小为(H，W)的V分量输出到用于V分量的色度输出通道。在一些示例中，第一调整大小单元(1221)例如使用Lanczos内插滤波器基于内插来调整U分量的大小。类似地，在一些示例中，第二调整大小单元(1222)例如使用Lanczos内插滤波器基于内插来调整V分量的大小。
在一些示例中，例如使用Lanczos内插滤波器等的内插操作不能保证内插操作的输出是有意义的值，例如对于有意义的U(Cb)分量和V(Cr)分量是非负的。在示例中，内插操作的输出可以被限幅为非负值。在一些示例中，可以存储预处理之后的YUV444格式的去块图片，并且然后可以在神经网络的训练过程中使用存储的YUV444格式的图片。U(Cb)分量和V(Cr)分量的负值可以不利地影响神经网络的训练过程的结果。
图13示出了神经网络结构(1300)的框图。在一些示例中，神经网络结构(1300)用于基于密集残差卷积神经网络的环内滤波器(DRNLF，dense residual convolutionalneural network based in-loop filter)，并且可以用于代替基于补丁的DRNLF核处理模块(1132)。神经网络结构(1300)包括一系列密集残差单元(DRU，dense residual unit)，诸如DRU(1301)-DRU(1304)，并且DRU的数目由N表示。在图13中，卷积核的数目由M表示，并且M也是用于卷积的输出通道的数目。例如，“CONV 3×3×M”指示与核大小为3×3的M个卷积核的标准卷积，“DSC 3×3×M”指示与核大小为3×3的M个卷积核的深度可分离卷积。可以根据计算效率与性能之间的折忠，来设置N和M。在示例(例如，JVET-T0057)中，N被设置为4，并且M被设置为32。
在操作期间，神经网络结构(1300)通过补丁来处理去块图片。对于YUV444格式的去块图片的每个补丁，对补丁进行归一化(例如，在图13的示例中除以1023)，并从归一化的补丁中去除去块图片的平均值，以获得内部输入(1313)的第一部分(1311)。内部输入(1313)的第二部分来自QP映射。例如，从QP映像获得与形成第一部分(1311)的补丁相对应的QP映射的补丁(被称为QP映射补丁)。对QP映像补丁进行归一化(例如，在图13中除以51)。归一化QP映射补丁是内部输入(1313)的第二部分(1312)。第二部分(1312)与第一部分(1311)串连以获得内部输入(1313)。内部输入(1313)被提供给第一常规卷积块(1351)(由CONV 3×3×M表示)。然后由N个DRU处理第一常规卷积块(1351)的输出。应注意，第一常规卷积块(1351)的输出包括M个通道。
对于每个DRU，接收并处理中间输入。DRU的输出与中间输入串连以形成用于下一个DRU的中间输入。使用DRU(1302)作为示例，DRU(1302)接收中间输入(1321)，处理中间输入(1321)并且生成输出(1322)。输出(1322)与中间输入(1321)串连以形成用于DRU(1303)的中间输入(1323)。
应注意，由于中间输入(1321)具有多于M个通道的原因，“CONV 1×1×M”的卷积运算可以被应用于中间输入(1321)以生成M个通道，以便由DRU(1302)进一步处理。还应注意，第一常规卷积块(1351)的输出包括M个通道，因此该输出可以由DRU(1301)处理而不使用“CONV 1×1×M”的卷积运算。
将最后的DRU的输出提供给最后常规卷积块(1359)。例如通过如图13中所示的加上去块图片的平均值并乘以1023，将最后常规卷积块(1359)的输出转换为常规图片补丁值。
图14示出了密集残差单元(DRU)(1400)的框图。在一些示例中，DRU(1400)可以用于代替图13中的每个DRU(诸如DRU(1301)、DRU(1302)、DRU(1303)和DRU(1304))。
在图14的示例中，DRU(1400)接收中间输入x，并且通过快捷方式(1401)将中间输入直接传播到后续DRU。DRU(1400)还包括常规处理路径(1402)。在一些示例中，常规处理路径(1402)包括常规卷积层(1411)、深度可分离卷积(DSC，depthwise separableconvolution)层(1412)和(1414)以及校正的线性单元(ReLU，rectified linear unit)层(1413)。例如，中间输入x与常规处理路径(1402)的输出串连以形成用于后续DRU的中间输入。
在一些示例中，DSC层(1412)和(1414)用于减少计算成本。
根据本公开的一方面，神经网络结构(1300)包括分别对应于Y分量、U(Cb)分量、V(Cr)分量的三个通道。在一些示例中，可以将这三个信道称为Y信道、U信道和V信道。DRNLF滤波器(1100)可以应用于帧内图片和帧间图片。在一些示例中，用信号通知附加标志以指示DRNLF滤波器(1100)在图片级和CTU级的开/关。
图15示出了一些示例中的后处理模块(1540)的框图。在示例中，后处理模块(1540)可以用于代替后处理模块(1140)。后处理模块(1540)包括限幅单元(1541)-(1543)，限幅单元(1541)-(1543)分别将Y分量、U分量和V分量的值限幅到预定的非负范围[a,b]。在示例中，可以将非负范围的下限a和上限b设置为a＝16×4和b＝234×4。进一步地，后处理模块(1540)包括调整大小单元(1545)和(1546)，调整大小单元(1545)和(1546)分别将限幅的U分量和V分量的大小从大小(H,W)调整到大小(H/2,W/2)，其中，H是原始图片(例如，去块图片)的高度，并且W是原始图片的宽度。
在一些示例(例如，JVET-T0057)中，环内滤波器可以使用标准卷积、深度卷积和深度可分离卷积(DSC)。下面将分别描述标准卷积、深度卷积和深度可分离卷积(DSC)。
在一些示例中，标准卷积(也被称为常规卷积、正常卷积)可以在空间维度(例如，宽度和高度)与深度维度上直接应用卷积。
图16示出了标准卷积的示意图。在图16的示例中，与块(例如，8×8的补丁)相对应的输入张量(1610)可以包括宽度维度、高度维度和深度维度。例如，宽度是块的宽度，高度是块的高度，并且深度包括四个输入通道，例如用于块的Y分量、Cb分量和Cr分量的三个输入通道和用于块的QP映像的输入通道。当块是8×8块(也被称为补丁)时，输入张量(1610)是4×8×8阵列。滤波器(1620)是4×3×3核。在标准卷积中，对于每个输出通道，例如图16中的输出通道(1630)，标准卷积可以在深度维度以及宽度维度和高度维度上直接对输入张量(1610)与滤波器(1620)应用卷积，以生成8×8阵列的输出通道(1630)。标准卷积在一个步骤中执行深度和空间计算。
在诸如PyTorch(开源机器学习库)的一些示例中，可以通过对由若干输入补丁构成的输入信号的使用2-D卷积来计算标准卷积，该标准卷积应用于输入信号以生成输出信号。输入信号input可以是图片帧，并且可以由大小为(N,Cin,H,W)的输入张量来表示，其中N表示补丁的数目并且也被称为批处理大小，Cin表示输入通道的数目(例如，深度)，H表示图片帧的高度(以像素为单位)，并且W表示图片帧的宽度(以像素为单位)。输出信号可以由大小为(N,Cout,Hout,Wout)的输出张量表示，Cout表示输出通道的数目，Hout表示输出图片的高度，并且Wout表示输出图片的宽度。在一些示例中，Hout等于H，并且Wout等于W。在示例中，输出信号可以根据等式(1)描述。
Figure BDA0003826804470000231
其中，Ni表示补丁(也被称为批处理)的索引，
Figure BDA0003826804470000232
表示输出信道的索引，
Figure BDA0003826804470000233
表示输出通道的偏置值，＊表示2-D互相关算子，
Figure BDA0003826804470000234
可以是与第k个输入通道和
Figure BDA0003826804470000235
输出通道相关联的核的2D权重阵列(空间维度)，input(Ni，k)表示用于输入信号中补丁Ni的第k个输入通道的2-D阵列(空间维度)。
应注意，使用标准卷积，神经网络中涉及的权重参数的数目为约Cin×Cout×Hf×Wf，其中Hf表示滤波器的高度，并且Wf表示滤波器的宽度。在示例中，输入通道的数目是4，输出通道的数目是32，滤波器的高度是3，并且滤波器的宽度是3，则权重参数的数目是1152。
深度卷积是指执行每个滤波器通道与对应的输入通道的卷积。
图17示出了深度卷积的示意图。在图17的示例中，输入张量(1710)类似于输入张量(1610)。根据深度维度，输入张量(1710)包括四个输入通道(1711)-(1714)，并且每个输入通道包括空间维度中的2D阵列。然后，与输入通道(1711)-(1714)相对应的四个滤波器通道(1721)-(1724)用于深度卷积。
对于深度卷积，对输入通道(1711)与滤波器通道(1721)应用第一卷积以生成输出通道(1731)；对输入通道(1712)与滤波器通道(1722)应用第二卷积以生成输出通道(1732)；对输入通道(1713)与滤波器通道(1723)应用第三卷积以生成输出通道(1733)；以及对输入通道(1714)与滤波器通道(1724)应用第四卷积以生成输出通道(1734)。输出通道(1731)-(1734)被堆叠成输出张量(1730)。
深度可分离卷积(DSC)通过深度卷积的第一步骤和点卷积的第二步骤来执行深度和空间计算。参考图17示出和描述了深度卷积，并且输出张量(1730)可以被DSC的第一步骤称为中间输出张量。
图18示出了可以在DSC的第二步骤中使用的点卷积的示意图。可以将点卷积应用于具有点(1840)的中间输出张量(1830)(例如，对应于输出张量(1730))的通道，以从深度卷积生成作为中间输出张量(1830)的通道的线性组合的输出通道(1850)。
对于基于DSC的计算，输入信号input可以是图片帧，并且可以由大小为(N,Cin,H,W)的输入张量来表示，其中，N表示补丁的数目并且也被称为批处理大小，Cin表示输入通道的数目(例如，深度)，H表示图片帧的高度(以像素为单位)，并且W表示图片帧的宽度(以像素为单位)。输出信号可以由大小为(N,Cout,Hout,Wout)的输出张量表示，Cout表示输出通道的数目，Hout表示输出图片的高度，并且Wout表示输出图片的宽度。在某些示例中，Hout等于H，并且Wout等于W。在一些示例中，对于每个信道(输入信道k)，DSC的第一步骤的计算可以由等式(2)表示:
Figure BDA0003826804470000241
其中，Ni表示补丁(也被称为批处理)的索引，k表示信道的索引，
Figure BDA0003826804470000242
表示通道的偏置，★表示2-D互相关算子，
Figure BDA0003826804470000243
可以是第k个通道的核的2D权重阵列(空间维度)，input(Ni，k)表示输入信号中补丁Ni的第k个通道的2-D阵列(空间维度)，
Figure BDA0003826804470000251
可以表示补丁Ni的第k个通道的中间输出。
在一些示例中，第二步骤中的点卷积可以将DSC的输出生成为深度卷积的中间输出的线性组合，例如由等式(3)表示：
Figure BDA0003826804470000252
其中，Ni表示补丁(也被称为批处理)的索引，
Figure BDA0003826804470000253
表示输出信道的索引，
Figure BDA0003826804470000254
表示输出通道的偏置值，★表示乘法算子，
Figure BDA0003826804470000255
可以对第k个信道和输出信道
Figure BDA0003826804470000256
相关联的值加权，
Figure BDA0003826804470000257
表示补丁Ni的第k个通道的中间输出。
应注意，使用深度可分离卷积，神经网络中涉及的权重参数(也被称为神经网络参数、模型参数、滤波器核参数等)的数目为约Cin×Hf×Wf+Cin×Cout，其中，Hf表示滤波器的高度，并且Wf表示滤波器的宽度。在示例中，输入通道的数目是4，输出通道的数目是32，滤波器的高度是3，并且滤波器的宽度是3，则权重参数的数目是164。还应注意，与标准卷积相比，使用深度可分离卷积减少了计算。
根据本公开的一些方面，当将量化参数(QP，quantization parameter)映射用作基于神经网络的环路滤波器的输入通道的其中之一时，可以通过使用被称为部分深度可分离卷积(PDSC，partial depthwise separable convolution)的神经网络层结构来进一步减少计算和基于神经网络的环路滤波器中的网络参数的数目。
根据本公开的一方面，QP映射可以是分段恒定的，其包括诸如在每个编码块中的局部常数值。例如，当输入通道在空间上被划分成块(例如大于卷积核的大小的块(块的宽度和高度大于卷积核的宽度和高度))，并且每个块中的像素具有相同的值时，则输入通道是分段恒定的。
图19示出了图片(1900)的QP映射的示例。在示例中，QP映射由图片(1900)中的像素的QP值形成。然后，编码单元中的像素具有相同的QP值。在图19中，图片(1900)可以被分区成多个编码单元，例如第一编码单元(1901)、第二编码单元(1902)等。因此，第一编码单元(1901)中的像素具有第一QP值QP1，并且第二编码单元(1902)中的像素具有第二QP值QP2。图片的QP映射是分段恒定的，并且编码单元的QP映射是恒定的。
根据本公开的一方面，与分段恒定的通道的卷积可以通过乘法运算来近似，以减少计算和模型参数的数目。
使用标准卷积作为示例，所述标准卷积包括作为输入通道的QP映像，等式(1)可以改写成等式(4)：
Figure BDA0003826804470000258
Figure BDA0003826804470000261
当例如在QP映像的情况下输入通道Cin-1是分段恒定的时，与input(Ni,Cin-1)的卷积可以通过乘法来近似，以减少计算和模型参数的数目，诸如等式(5)中所示：
Figure BDA0003826804470000262
在一些示例中，
Figure BDA0003826804470000263
是
Figure BDA0003826804470000264
中(核)元素的总和，所述
Figure BDA0003826804470000265
是与输入通道Cin-1和输出通道
Figure BDA0003826804470000266
相关联的2D权重矩阵。根据等式(5)的神经网络层结构被称为部分深度可分离卷积(PDSC)。应注意，等式(5)使用乘法运算代替等式(4)中的卷积运算，因此可以减少计算，并且可以减少模型参数的数目。
图20示出了一些示例中的部分深度可分离卷积(PDSC)的示意图。在图20的示例中，输入张量(2010)类似于输入张量(1610)。输入张量(2010)被分离为中间输入张量(2011)和分段恒定的输入通道(2012)。然后，对中间输入张量(2011)和滤波器(2021)应用卷积运算(具有缩减数目的输入通道)，以生成第一中间输出通道(2031)。然后，可以执行第一中间输出通道(2031)和分段恒定的输入通道(2012)的线性组合，以生成输出通道(2030)。例如，将权重值(2022)与分段恒定的输入通道(2012)相乘以生成第二中间输出通道(2032)。将第一中间输出通道(2031)和第二中间输出通道(2032)相加以生成部分深度可分离卷积的输出通道(2030)。
根据本公开的一些方面，部分深度可分离卷积可以用于任何合适的卷积，所述卷积包括分段恒定的输入通道。
在示例中，QP映射被用作第一常规卷积块(1351)的输入通道的其中之一，然后第一常规卷积块(1351)可以被修改以使用部分深度可分离卷积。
图21示出了神经网络结构(2100)的框图。在一些示例中，神经网络结构(2100)用于基于密集残差卷积神经网络的环内滤波器(DRNLF，dense residual convolutionalneural network based in-loop filter)，并且可以用于代替基于补丁的DRNLF核处理模块(1132)。
神经网络结构(2100)被类似地配置为神经网络结构(1300)，并且利用与在神经网络结构(1300)中使用的那些部件相同或等效的某些部件。例如，神经网络结构(2100)包括一系列密集残差单元(DRU，dense residual units)(例如DRU(2101)-DRU(2104))，并且DRU的数目由N表示。DRU(2101)-DRU(2104)被类似地配置为DRU(1301)-DRU(1304)。神经网络结构(2100)包括与最后常规卷积块(1359)类似地配置的最后常规卷积块(2159)。以上已经提供了对这些部件的描述，并且为了简洁起见，这里将省略这些描述。
然而，神经网络结构(2100)包括与第一常规卷积块(1351)不同地配置的第一卷积块(2151)。具体地，使用部分深度可分离卷积(PDSC)实现第一卷积块(2151)可以减少计算并且减少网络参数的数目。
在图21的示例中，第一卷积块(2151)的内部输入(2113)包括为分段恒定的QP映射。具体地，第一卷积块(2151)的内部输入(2113)包括第一部分(2111)和第二部分(2112)。在示例中，第一部分(2111)是从去块的重建图片生成的，该重建图片可以包括三个分量(也被称为三个信道)，例如Y信道、Cb信道和Cr信道。第二部分(2112)是归一化QP映射。第二部分(2112)与第一部分(2111)串连以获得内部输入(2113)。内部输入(2113)被提供给第一卷积块(2151)。
根据本公开的一方面，(归一化)QP映射是分段恒定的，并且第一卷积块(2151)可以根据等式(5)和/或图20来实现，以减少计算并且减少网络参数。
图22示出概述根据本公开的实施例的过程(2200)的流程图。过程(2200)可以用于神经网络处理中，例如用于视频编解码器中的基于神经网络的环内滤波器中。在各种实施例中，过程(2200)由处理电路执行，例如终端设备(310)、(320)、(330)和(340)中的处理电路、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)的功能的处理电路和执行视频编码器(603)的功能的处理电路等。在一些实施例中，过程(2200)以软件指令实现，因此当处理电路执行软件指令时，处理电路执行过程(2200)。该过程开始于(S2201)并且进行到(S2210)。
在(S2210)处，将卷积运算的输入分离为包括分段恒定的第一输入通道。
在(S2220)处，基于卷积运算的输入的其它通道计算第一中间输出通道。例如，通过一个核，对所述输入的其它信道应用缩减信道卷积运算，以生成第一中间输出通道。
在(S2230)处，基于第一中间输出通道和第一输入通道的组合(例如，线性组合)生成卷积运算的输出。然后，过程进行到(S2299)。
在一些示例中，第一输入通道与权重值相乘，以生成第二中间输出通道。然后，将第一中间输出通道与第二中间输出通道相加，以生成卷积运算的输出。
在示例中，基于与第一输入通道相对应的核元素来计算权重值。例如，权重值被计算为与第一输入通道相对应的核元素的总和。在一些示例中，基于与第一输入通道相对应的核元素，来预先计算权重值并且然后将其存储。
在示例中，权重值是神经网络的模型参数的其中之一，并且权重值是基于训练数据利用其它模型参数确定的。
在一些示例中，第一输入通道包括用于图片的量化参数(QP)映射，所述图片是从所述输入的其它通道接收的。基于QP映射中的QP值来重建图片。然后，通过一个核对从其它通道接收的图片的颜色分量应用缩减通道卷积运算，以生成第一中间输出通道。基于第一中间输出通道和QP映像的线性组合来生成卷积运算的输出。在一些示例中，从去块滤波器输出图片。在一些示例中，可以对卷积运算的输出应用基于密集残差卷积神经网络的环内滤波器。
应注意，以上描述中的各种单元、块和模块可以通过各种技术(诸如处理电路、执行软件指令的处理器、硬件和软件的组合等)来实现。
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23示出了计算机系统(2300)，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23所示的用于计算机系统(2300)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(2300)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(2300)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(2301)、鼠标(2302)、触控板(2303)、触摸屏(2310)、数据手套(未示出)、操纵杆(2305)、麦克风(2306)、扫描仪(2307)、照相机(2308)。
计算机系统(2300)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(2310)、数据手套(未示出)或操纵杆(2305)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(2309)、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(2310)，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(2300)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)(2320)或类似介质(2321)的光学介质、拇指驱动器(2322)、可移动硬盘驱动器或固体状态驱动器(2323)，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(2300)还可以包括通往一个或多个通信网络(2354)的接口(2355)。所述网络可以是无线的、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。网络的示例可以包括以太网、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(2349)(例如，计算机系统(2300)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(2300)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(2300)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(2300)的核心(2340)。
核心(2340)可包括一个或多个中央处理单元(CPU)(2341)、图形处理单元(GPU)(2342)、以现场可编程门阵列(FPGA)(2343)形式的专用可编程处理单元、用于特定任务的硬件加速器(2344)等。这些设备以及只读存储器(ROM)(2345)、随机存取存储器(2346)、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)(2347)等可通过系统总线(2348)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(2348)，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(2348)，或通过外围总线(2349)进行连接。外围总线的体系结构包括外部控制器接口PCI、通用串行总线USB等。在一个示例中，屏幕(2310)可以与图形适配器(2350)相连接。外围总线的架构包括PCI、USB等。
CPU(2341)、GPU(2342)、FPGA(2343)和加速器(2344)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(2345)或RAM(2346)中。过渡数据也可以存储在RAM(2346)中，而永久数据可以存储在例如内部大容量存储器(2347)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(2341)、GPU(2342)、大容量存储器(2347)、ROM(2345)、RAM(2346)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(2300)的计算机系统，特别是核心(2340)，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(2340)的特定存储器，例如核心内部大容量存储器(2347)或ROM(2345)。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(2340)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(2340)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(2346)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(2344))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。
附录：首字母缩略词
JEM:联合开发模型
VVC:下一代视频编码
BMS:基准集合
MV:运动矢量
HEVC:高效视频编码
SEI:补充增强信息
VUI:视频可用性信息
GOPs:图片组
TUs:变换单元
PUs:预测单元
CTUs:编码树单元
CTBs:编码树块
PBs:预测块
HRD:假设参考解码器
SNR:信噪比
CPUs:中央处理单元
GPUs:图形处理单元
CRT:阴极射线管
LCD:液晶显示
OLED:有机发光二极管
CD:光盘DVD:数字化视频光盘
ROM:只读存储器
RAM:随机存取存储器
ASIC:专用集成电路
PLD:可编程逻辑设备
LAN:局域网
GSM:全球移动通信系统
LTE:长期演进
CANBus:控制器局域网总线
USB:通用串行总线
PCI:外围设备互连
FPGA:现场可编程门阵列
SSD:现场可编程门阵列
IC:集成电路
CU:编码单元
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 (20)

1.一种神经网络处理的方法，其特征在于，包括：
处理电路将分段恒定的第一输入通道与卷积运算的输入的其它输入通道进行分离；
所述处理电路基于所述卷积运算的所述输入的所述其它输入通道，计算第一中间输出通道；以及
所述处理电路基于所述第一中间输出通道和所述第一输入通道的组合，生成所述卷积运算的输出。
2.根据权利要求1所述的方法，其特征在于，进一步包括：
通过一个核，对所述输入的所述其它输入信道应用缩减信道卷积运算，以生成所述第一中间输出通道。
3.根据权利要求1所述的方法，其特征在于，进一步包括：
将所述第一输入通道与权重值相乘，以生成第二中间输出通道；以及
将所述第一中间输出通道与所述第二中间输出通道相加，以生成所述卷积运算的所述输出。
4.根据权利要求1所述的方法，其特征在于，进一步包括：
将所述输入分离到所述第一输入通道，所述第一输入通道包括用于图片的量化参数QP映射，所述图片是从所述输入的所述其它输入通道接收的，所述图片是基于所述QP映射中的QP值重建的。
5.根据权利要求4所述的方法，其特征在于，进一步包括：
利用核对从所述其它输入通道接收的所述图片的颜色分量应用缩减通道卷积运算，以生成所述第一中间输出通道；以及
基于所述第一中间输出通道和所述QP映像的线性组合，生成所述卷积运算的所述输出。
6.根据权利要求4所述的方法，其特征在于，进一步包括：
接收从去块滤波器输出的所述图片。
7.根据权利要求4所述的方法，其特征在于，进一步包括：
将基于密集残差卷积神经网络的环内滤波器应用于所述卷积运算的所述输出。
8.一种用于神经网络处理的装置，其特征在于，包括处理电路，所述处理电路被配置为：
将分段恒定的第一输入通道与卷积运算的输入的其它输入通道进行分离；
基于所述卷积运算的所述输入的所述其它输入通道，计算第一中间输出通道；以及
基于所述第一中间输出通道和所述第一输入通道的组合，生成所述卷积运算的输出。
9.根据权利要求8所述的装置，其特征在于，所述处理电路进一步被配置为：
通过一个核，对所述输入的所述其它输入信道应用缩减信道卷积运算，以生成所述第一中间输出通道。
10.根据权利要求8所述的装置，其特征在于，所述处理电路进一步被配置为：
将所述第一输入通道与权重值相乘，以生成第二中间输出通道；以及
将所述第一中间输出通道与所述第二中间输出通道相加，以生成所述卷积运算的所述输出。
11.根据权利要求8所述的装置，其特征在于，所述处理电路进一步被配置为：
将所述输入分离到所述第一输入通道，所述第一输入通道包括用于图片的量化参数QP映射，所述图片是从所述输入的所述其它输入通道接收的，所述图片是基于所述QP映射中的QP值重建的。
12.根据权利要求11所述的装置，其特征在于，所述处理电路进一步被配置为：
利用核对从所述其它输入通道接收的所述图片的颜色分量应用缩减通道卷积运算，以生成所述第一中间输出通道；以及
基于所述第一中间输出通道和所述QP映像的线性组合，生成所述卷积运算的所述输出。
13.根据权利要求11所述的装置，其特征在于，所述处理电路进一步被配置为：
接收从去块滤波器输出的所述图片。
14.根据权利要求11所述的装置，其特征在于，所述处理电路进一步被配置为：
将基于密集残差卷积神经网络的环内滤波器应用于所述卷积运算的所述输出。
15.一种存储指令的非易失性计算机可读介质，其特征在于，所述指令在由计算机执行时使所述计算机执行：
由处理电路将分段恒定的第一输入通道与卷积运算的输入的其它输入通道进行分离；
由所述处理电路基于所述卷积运算的所述输入的所述其它输入通道，计算第一中间输出通道；以及
由所述处理电路基于所述第一中间输出通道和所述第一输入通道的组合，生成所述卷积运算的输出。
16.根据权利要求15所述的非易失性计算机可读介质，其特征在于，所述指令使所述计算机进一步执行：
通过一个核对所述输入的所述其它输入信道应用缩减信道卷积运算，以生成所述第一中间输出通道。
17.根据权利要求15所述的非易失性计算机可读介质，其特征在于，所述指令使所述计算机进一步执行：
将所述第一输入通道与权重值相乘，以生成第二中间输出通道；以及
将所述第一中间输出通道与所述第二中间输出通道相加，以生成所述卷积运算的所述输出。
18.根据权利要求15所述的非易失性计算机可读介质，其特征在于，所述指令使所述计算机进一步执行：
将所述输入分离到所述第一输入通道，所述第一输入通道包括用于图片的量化参数QP映射，所述图片是从所述输入的所述其它输入通道接收的，所述图片是基于所述QP映射中的QP值重建的。
19.根据权利要求18所述的非易失性计算机可读介质，其特征在于，所述指令使所述计算机进一步执行：
利用核对从所述其它输入通道接收的所述图片的颜色分量应用缩减通道卷积运算，以生成所述第一中间输出通道；以及
基于所述第一中间输出通道和所述QP映像的线性组合，生成所述卷积运算的所述输出。
20.根据权利要求18所述的非易失性计算机可读介质，其特征在于，所述指令使所述计算机进一步执行：
接收从去块滤波器输出的所述图片。
CN202180018266.7A 2020-12-16 2021-09-24 用于视频编解码的方法和装置 Pending CN115428461A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202063126194P 2020-12-16 2020-12-16
US63/126,194 2020-12-16
US17/447,525 US11483591B2 (en) 2020-12-16 2021-09-13 Method and apparatus for video coding
US17/447,525 2021-09-13
PCT/US2021/052076 WO2022132277A1 (en) 2020-12-16 2021-09-24 Method and apparatus for video coding

Publications (1)

Publication Number Publication Date
CN115428461A true CN115428461A (zh) 2022-12-02

Family

ID=81942098

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180018266.7A Pending CN115428461A (zh) 2020-12-16 2021-09-24 用于视频编解码的方法和装置

Country Status (6)

Country Link
US (1) US11483591B2 (zh)
EP (1) EP4070237A4 (zh)
JP (1) JP7449402B2 (zh)
KR (1) KR102647645B1 (zh)
CN (1) CN115428461A (zh)
WO (1) WO2022132277A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11562205B2 (en) * 2019-09-19 2023-01-24 Qualcomm Incorporated Parallel processing of a convolutional layer of a neural network with compute-in-memory array
US20220337824A1 (en) * 2021-04-07 2022-10-20 Beijing Dajia Internet Information Technology Co., Ltd. System and method for applying neural network based sample adaptive offset for video coding

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10706267B2 (en) 2018-01-12 2020-07-07 Qualcomm Incorporated Compact models for object recognition
WO2019194425A1 (ko) 2018-04-06 2019-10-10 에스케이텔레콤 주식회사 영상 부호화 또는 복호화에 인공 신경망을 적용하는 장치 및 방법

Also Published As

Publication number Publication date
KR102647645B1 (ko) 2024-03-15
US11483591B2 (en) 2022-10-25
JP2023521556A (ja) 2023-05-25
EP4070237A4 (en) 2023-06-21
US20220191553A1 (en) 2022-06-16
WO2022132277A1 (en) 2022-06-23
JP7449402B2 (ja) 2024-03-13
EP4070237A1 (en) 2022-10-12
KR20220123102A (ko) 2022-09-05

Similar Documents

Publication Publication Date Title
CN112789850B (zh) 一种视频编解码方法、装置、设备和介质
CN111837390B (zh) 用于视频编码、解码的方法和相关装置
CN111989918B (zh) 视频解码的方法、装置及存储介质
CN113678441B (zh) 视频编解码的方法和装置
CN112470478B (zh) 视频解码方法、装置和计算机设备
CN110771168B (zh) 视频解码的方法、装置和存储介质
CN113366849B (zh) 视频编解码的方法和装置
CN113545061A (zh) 用于仿射线性加权帧内预测模式的简化信令方法
CN111869212A (zh) 小块预测和变换的方法和装置
CN111050178B (zh) 视频解码的方法、装置、电子设备、存储介质
CN113853745A (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
CN112840657B (zh) 用于视频解码的方法、装置、设备和可读介质
CN110798686B (zh) 视频解码的方法、装置、计算机设备及计算机可读存储介质
US11838522B2 (en) Method and apparatus for video coding
CN111901609A (zh) 视频解码的方法和装置、计算机设备和存储介质
CN114503570A (zh) 视频编解码的方法和装置
KR102647645B1 (ko) 비디오 코딩을 위한 방법 및 장치
CN113228631A (zh) 视频编解码的方法和装置
CN111989929B (zh) 视频解码方法、装置及计算机可读介质
CN113748678B (zh) 视频编解码方法、装置和存储介质
CN114982241A (zh) 视频编码方法和装置
CN113545039A (zh) 视频编解码的方法和装置
CN113785564A (zh) 用于将视频分量编码为单色视频的编码工具的信令

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