CN115462069A - 面向机器的视频译码的方法和设备 - Google Patents

Abstract

本公开内容的各方面包括用于视频编码/解码的方法、设备和非暂态计算机可读存储介质。设备包括对作为视频比特流的一部分的当前图片中的当前块的预测信息进行解码的处理电路系统。处理电路系统针对当前块基于视频比特流中包括的语法元素确定启用第一多个编码工具并且禁用第二多个编码工具。第一多个编码工具包括去块滤波器。第二多个编码工具包括样本自适应偏移滤波器、帧内子划分以及基于矩阵的帧内预测中的至少之一。处理电路系统基于第一多个编码工具被启用以及第二多个编码工具被禁用来重构当前块。

Description

面向机器的视频译码的方法和设备

援引并入

本申请要求于2021年9月3日提交的美国专利申请第17/466,910号“METHOD ANDAPPARATUS FOR VIDEO CODING FOR MACHINE”的优先权的权益，该美国专利申请要求于2020年12月22日提交的美国临时申请第63/129,496号“ON VIDEO CODING FOR MACHINE”的优先权的权益。这些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

本公开内容描述了总体上涉及面向机器的视频译码的实施方式。

背景技术

本文中提供的背景描述是为了总体上呈现本公开内容的背景的目的。就在本背景技术部分中描述目前署名的发明人的工作的程度而言，目前署名的发明人的工作以及在提交时可不被另外视为现有技术的描述的方面既没有被明确地也没有被隐含地承认为针对本公开内容的现有技术。

近年来，随着机器学习应用的兴起，以及传感器的丰富，许多智能平台将视频用于机器视觉任务，例如对象检测、分割或跟踪。如何对视频或图像进行编码以供机器任务使用成为有趣且具有挑战性的问题。这导致了面向机器的视频译码(Video Coding forMachine，VCM)研究的引入。为了实现这一目标，国际标准组织MPEG创建了特别组织“面向机器的视频译码(VCM)”以使相关技术标准化，以实现不同装置之间更好的互操作性。

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。未经压缩的数字视频可以包括一系列图片，每个图片的空间尺寸为例如1920×1080个亮度样本以及相关联的色度样本。所述一系列图片可以具有固定的或可变的图片速率(也被非正式地称为帧速率)，例如每秒60幅图片或60Hz。未经压缩的视频具有显著的比特率要求。例如，每个样本8比特的1080p60 4:2:0视频(60Hz帧速率下的1920×1080亮度样本分辨率)需要接近1.5Gbit/s的带宽。一小时的这样的视频需要超过600千兆字节(GByte)的存储空间。

视频编码和解码的一个目的可以是通过压缩来降低输入视频信号的冗余度。压缩可以有助于降低上述带宽需求或存储空间需求，在一些情况下可以降低两个数量级或更多个数量级。可以采用无损压缩和有损压缩两者及其组合。无损压缩是指可以根据经压缩的原始信号重构原始信号的精确副本的技术。当使用有损压缩时，重构的信号可能与原始信号不同，但是原始信号与重构的信号之间的失真足够小，以使得重构的信号能够用于预期应用。在视频的情况下，广泛地采用有损压缩。容忍的失真量取决于应用；例如，某些消费者流媒体应用的用户可能比电视分配应用的用户容忍更高的失真。可实现的压缩比可以反映出：越高的可允许/可容忍的失真可以产生越高的压缩比。

视频编码器和视频解码器可以利用来自例如包括运动补偿、变换、量化和熵编码的若干大类的技术。

视频编解码器技术可以包括被称为帧内编码的技术。在帧内编码中，在不参考来自先前重构的参考图片的样本或其他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码时，该图片可以是帧内图片。帧内图片及其派生(例如，独立解码器刷新图片)可以用于重置解码器状态，并且因此可以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。可以使帧内块的样本经受变换，并且可以在熵编码之前对变换系数进行量化。帧内预测可以是在预变换域中使样本值最小化的技术。在一些情况下，变换之后的DC值越小，并且AC系数越小，在给定量化步长下表示熵编码之后的块所需的比特就越少。

传统的帧内编码——例如从MPEG-2代编码技术中已知的帧内编码——不使用帧内预测。然而，一些较新的视频压缩技术包括根据例如在空间上邻近并且在解码顺序上在先的数据块的编码和/或解码期间获得的元数据以及/或者周围样本数据进行尝试的技术。这样的技术此后被称为“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构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。

可以存在许多不同形式的帧内预测。当多于一种的这样的技术可以在给定视频编码技术中使用时，使用中的技术可以被在帧内预测模式下编码。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被包括在模式码字中。针对给定模式、子模式和/或参数组合使用何码字可以通过帧内预测对编码效率增益产生影响，并且因此用于将码字转换成比特流的熵编码技术也可以对其产生影响。

帧内预测的某些模式随H.264引入、在H.265中被细化，并且在诸如联合开发模型(joint exploration model，JEM)、通用视频编码(versatile video coding，VVC)和基准集(benchmark set，BMS)的较新编码技术中被进一步细化。可以使用属于已经可用的样本的邻近样本值来形成预测块。根据方向将邻近样本的样本值复制到预测块中。对使用中的方向的参考可以被编码在比特流中，或者其本身可以被预测。

参照图1A，右下方描绘了从H.265的33个可能预测方向(对应于35个帧内模式中的33个角度模式)已知的九个预测方向的子集。箭头会聚的点(101)表示正被预测的样本。箭头表示对样本进行预测的方向。例如，箭头(102)指示根据右上方的与水平成45度角的一个或更多个样本对样本(101)进行预测。类似地，箭头(103)指示根据样本(101)左下方的与水平成22.5度角的一个或更多个样本对样本(101)进行预测。

仍然参照图1A，在左上方描绘了4×4个样本的正方形块(104)(由黑体虚线指示)。正方形块(104)包括16个样本，每个样本均用“S”、其在Y维度上的位置(例如，行索引)以及其在X维度上的位置(例如，列索引)来标记。例如，样本S21是Y维度上(从顶部起)的第二个样本并且是X维度上(从左侧起)的第一个样本。类似地，样本S44是块(104)中在Y维度和X维度两者上的第四个样本。由于块的大小是4×4个样本，因此S44在右下方。另外示出的是遵循类似的编号方案的参考样本。参考样本用R、其相对于块(104)的Y位置(例如，行索引)和X位置(列索引)来标记。在H.264和H.265二者中，预测样本与重构中的块相邻；因此不需要使用负值。

帧内图片预测可以通过根据用信号指示的预测方向适当地从相邻样本复制参考样本值来工作。例如，假设已编码视频比特流包括信令，针对该块，信令指示与箭头(102)一致的预测方向——即，根据右上方的与水平成45度角的一个或更多个预测样本来对样本进行预测。在这种情况下，根据同一参考样本R05对样本S41、S32、S23和S14进行预测。然后根据参考样本R08对样本S44进行预测。

在某些情况下，可以例如通过插值将多个参考样本的值进行组合以便计算参考样本；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，可能的方向的数量也在增加。在H.264(2003年)中，可以表示九个不同的方向。可能的方向的数量在H.265(2013年)中增加到33个，并且在公开时JEM/VVC/BMS可以支持多至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以少量的比特表示这些可能的方向，从而接受对较不可能的方向的某些惩罚。此外，有时可以根据在相邻的已解码的块中使用的相邻方向来预测方向本身。

图1B示出了示意图(105)，其描绘根据JEM的65个帧内预测方向以示出预测方向的数量随着时间的推移而增加。

已编码视频比特流中表示方向的帧内预测方向比特的映射可以随着视频编码技术的不同而不同；并且该映射的范围例如可以从预测方向的简单直接映射到帧内预测模式，到码字，再到涉及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，可能存在在统计上与某些其他方向相比更不可能出现在视频内容中的某些方向。由于视频压缩的目标是减少冗余，所以在运转良好的视频编码技术中，那些较不可能的方向与更可能的方向相比将由更大数量的比特来表示。

运动补偿可以是有损压缩技术，并且可以涉及下述技术：来自先前重构的图片或其部分(参考图片)的样本数据的块，在由运动矢量(此后被称为MV(motion vector，MV))指示的方向上空间移位之后，被用于预测新重构的图片或图片部分。在一些情况下，参考图片可以与当前重构中的图片相同。MV可以具有两个维度X和Y或者具有三个维度，第三维度是使用中的参考图片的指示(第三维度间接地可以是时间维度)。

在一些视频压缩技术中，可以根据其他MV预测适用于样本数据的特定区域的MV，例如根据样本数据的在空间上与正在重构的区域相邻的另一区域有关并且在解码顺序上在该MV之前的MV来预测该MV。这样做可以大幅减少编码MV所需的数据量，从而消除冗余并且增加压缩。MV预测可以有效地工作，例如，这是因为在对从摄像装置得出的输入视频信号(称为自然视频)进行编码时，存在比单个MV所适用的区域更大的区域在相似方向上移动的统计可能性，并且因此在一些情况下可以使用从相邻区域的MV得出的相似MV来预测所述更大的区域。这使得针对给定区域得到的MV与根据周围MV预测的MV相似或相同，并且又可以在熵编码之后以与直接对MV进行编码的情况下将使用的比特数相比较少的比特数来表示MV。在一些情况下，MV预测可以是根据原始信号(即样本流)得出的信号(即MV)的无损压缩的示例。在其他情况下，MV预测本身可以是有损的，例如由于根据若干周围MV计算预测器时的舍入误差而是有损的。

在H.265/HEVC(ITU-T H.265建议书，“高效视频编解码(High Efficiency VideoCoding)”，2016年12月)中描述了各种MV预测机制。本文描述的是H.265提供的多种MV预测机制中的此后被称为“空间合并”的技术。

参照图1C，当前块(111)可以包括在运动搜索过程期间由编码器得到的能够根据已经经空间移位的相同大小的先前块预测的样本。代替直接对该MV进行编码，可以使用与用A0、A1和B0、B1、B2(分别对应112至116)表示的五个周围样本中的任一样本相关联的MV，从与一个或更多个参考图片相关联的元数据得出MV，例如，从最近(按解码次序)的参考图片得出MV。在H.265中，MV预测可以使用来自相邻块也正在使用的同一参考图片的预测器。

发明内容

本公开内容的各方面提供了用于视频编码/解码的设备。一种设备包括处理电路系统，该处理电路系统对作为视频比特流的一部分的当前图片中的当前块的预测信息进行解码。处理电路系统针对当前块基于视频比特流中包括的语法元素来确定启用第一多个编码工具并且禁用第二多个编码工具。第一多个编码工具包括去块滤波器编码工具，第二多个编码工具包括样本自适应偏移滤波器(sample adaptive offset filter，SAO)编码工具、帧内子划分(intra sub-partitioning，ISP)编码工具以及基于矩阵的帧内预测(matrix based intra prediction，MIP)编码工具中的至少之一。处理电路系统基于第一多个编码工具被启用以及第二多个编码工具被禁用来重构当前块。多变换集(multipletransform set，MTS)编码工具和低频不可分离变换(low frequency non-separabletransform，LFNST)编码工具都被包括在第一多个编码工具和第二多个编码工具之一中。

在一个实施方式中，自适应环路滤波器(adaptive loop filter，ALF)编码工具被包括在第一多个编码工具和第二多个编码工具之一中。

在一个实施方式中，语法元素是指示针对当前块启用面向机器的视频译码(VCM)的序列参数集(sequence parameter set，SPS)标志。

在一个实施方式中，语法元素包括配置文件号，配置文件号指示视频比特流符合主10面向机器的视频译码(VCM)配置文件和主10VCM静态图片配置文件之一。

在一个实施方式中，语法元素是配置文件号，配置文件号为第一值(例如，2)指示视频比特流符合主10VCM配置文件，以及配置文件号为第二值(例如，66)指示视频比特流符合主10VCM静态图片配置文件。

在一个实施方式中，与该设备相关联的解码器符合主10VCM静态图片配置文件，配置文件号指示视频比特流符合主10VCM配置文件，并且当前图片是视频比特流中的第一图片，是帧内随机访问图片(intra random access picture，IRAP)和渐进解码刷新(gradualdecoding refresh，GDR)图片之一。

在一个实施方式中，视频比特流符合的配置文件的层级号和级别号分别小于或等于解码器符合的配置文件的层级号和级别号。

本公开内容的各方面提供了用于视频编码/解码的方法。在所述方法中，对作为视频比特流的一部分的当前图片中的当前块的预测信息进行解码。针对当前块基于视频比特流中包括的语法元素来确定启用第一多个编码工具并且确定禁用第二多个编码工具。第一多个编码工具包括去块滤波器编码工具，第二多个编码工具包括样本自适应偏移滤波器(SAO)编码工具、帧内子划分(ISP)编码工具以及基于矩阵的帧内预测(MIP)编码工具中的至少之一。基于第一多个编码工具被启用以及第二多个编码工具被禁用来重构当前块。多变换集(MTS)编码工具和低频不可分离变换(LFNST)都被包括在第一多个编码工具和第二多个编码工具之一中。

本公开内容的各方面还提供了非暂态计算机可读介质，所述非暂态计算机可读介质存储指令，所述指令在由至少一个处理器执行时，使至少一个处理器执行用于视频解码的方法中的任一种方法或所述方法的组合。

附图说明

根据以下详细描述和附图，所公开的主题的进一步的特征、性质和各种优点将变得更加明显，在附图中：

图1A是帧内预测模式的示例性子集的示意性图示；

图1B是示例性帧内预测方向的图示；

图1C是一个示例中的当前块及其周围空间合并候选的示意性图示；

图2是根据实施方式的通信系统的简化框图的示意性图示；

图3是根据实施方式的通信系统的简化框图的示意性图示；

图4是根据实施方式的解码器的简化框图的示意性图示；

图5是根据实施方式的编码器的简化框图的示意性图示；

图6示出了根据另一实施方式的编码器的框图；

图7示出了根据另一实施方式的解码器的框图；

图8示出了根据实施方式的在面向机器的视频译码(VCM)中使用的示例性架构；

图9示出了根据实施方式的在通用视频编码(VVC)中使用的示例性编码器；

图10示出了根据实施方式的示例性流程图；以及

图11是根据实施方式的计算机系统的示意性图示。

具体实施方式

I.视频解码器和编码器系统

图2示出了根据本公开内容的实施方式的通信系统(200)的简化框图。通信系统(200)包括可以经由例如网络(250)彼此通信的多个终端装置。例如，通信系统(200)包括经由网络(250)互连的第一对终端装置(210)和(220)。在图2的示例中，第一对终端装置(210)和(220)执行数据的单向传输。例如，终端装置(210)可以对视频数据(例如，由终端装置(210)捕获的视频图片流)进行编码，以用于经由网络(250)传输至另一终端装置(220)。已编码视频数据可以以一个或更多个已编码视频比特流的形式传输。终端装置(220)可以从网络(250)接收已编码视频数据，对该已编码视频数据进行解码以恢复视频图片，并且根据所恢复的视频数据显示视频图片。单向数据传输在媒体服务应用等中可以是常见的。

在另一示例中，通信系统(200)包括执行可能例如在视频会议期间发生的已编码视频数据的双向传输的第二对终端装置(230)和(240)。对于数据的双向传输，在示例中，终端装置(230)和(240)中的每个终端装置可以对视频数据(例如，由终端装置捕获的视频图片流)进行编码，以用于经由网络(250)传输至终端装置(230)和(240)中的另一终端装置。终端装置(230)和(240)中的每个终端装置还可以接收由终端装置(230)和(240)中的另一终端装置传输的已编码视频数据，并且可以对该已编码视频数据进行解码以恢复视频图片，并且可以根据所恢复的视频数据在可访问的显示装置处显示视频图片。

在图2的示例中，终端装置(210)、(220)、(230)和(240)可以被示为服务器、个人计算机和智能电话，但是本公开内容的原理可以不被这样限制。本公开内容的实施方式适用于膝上型计算机、平板电脑、媒体播放器和/或专用视频会议设备。网络(250)表示在终端装置(210)、(220)、(230)和(240)之间传送已编码视频数据的任何数量的网络，包括例如有线(连线的)和/或无线通信网络。通信网络(250)可以在电路交换信道和/或分组交换信道中交换数据。代表性的网络包括电信网络、局域网、广域网和/或互联网。出于本论述的目的，除非在下文中有所说明，否则网络(250)的架构和拓扑对于本公开内容的操作而言可能是无关紧要的。

作为所公开的主题的应用的示例，图3示出了视频编码器和视频解码器在流式传输环境中的布置。所公开的主题可以同样地适用于其他支持视频的应用，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。

流式传输系统可以包括捕获子系统(313)，该捕获子系统(313)可以包括创建例如未经压缩的视频图片流(302)的视频源(301)，例如数字摄像装置。在示例中，视频图片流(302)包括由数字摄像装置拍摄的样本。视频图片流(302)被描绘为粗线以强调当与已编码视频数据(304)(或已编码视频比特流)比较时的高数据量，该视频图片流(302)可以由耦接至视频源(301)的包括视频编码器(303)的电子装置(320)进行处理。视频编码器(303)可以包括硬件、软件或其组合，以实现或实施如下更详细地描述的所公开的主题的各方面。已编码视频数据(304)(或已编码视频比特流(304))被描绘为细线以强调当与视频图片流(302)比较时的较低数据量，已编码视频数据(304)可以存储在流式传输服务器(305)上以供将来使用。一个或更多个流式传输客户端子系统(例如图3中的客户端子系统(306)和(308))可以访问流式传输服务器(305)以检索已编码视频数据(304)的副本(307)和(309)。客户端子系统(306)可以包括例如电子装置(330)中的视频解码器(310)。视频解码器(310)对传入的已编码视频数据的副本(307)进行解码，并且创建可以在显示器(312)(例如，显示屏)或另一呈现装置(未描绘)上呈现的传出视频图片流(311)。在一些流式传输系统中，可以根据某些视频编码/压缩标准对已编码视频数据(304)、(307)和(309)(例如，视频比特流)进行编码。这些标准的示例包括ITU-T H.265建议书。在示例中，开发中的视频编码标准被非正式地称为通用视频编码(Versatile Video Coding，VVC)。所公开的主题可以用于VVC的背景下。

注意，电子装置(320)和(330)可以包括其他部件(未示出)。例如，电子装置(320)可以包括视频解码器(未示出)，并且电子装置(330)也可以包括视频编码器(未示出)。

图4示出了根据本公开内容的实施方式的视频解码器(410)的框图。视频解码器(410)可以被包括在电子装置(430)中。电子装置(430)可以包括接收器(431)(例如，接收电路系统)。视频解码器(410)可以用于代替图3的示例中的视频解码器(310)。

接收器(431)可以接收要由视频解码器(410)解码的一个或更多个已编码视频序列；在同一实施方式或另一实施方式中，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他已编码视频序列。可以从信道(401)接收已编码视频序列，所述信道(401)可以是到存储已编码视频数据的存储装置的硬件/软件链路。接收器(431)可以接收已编码视频数据以及其他数据例如已编码音频数据和/或辅助数据流，它们可以被转发至其各自的使用实体(未描绘)。接收器(431)可以将已编码视频序列与其他数据分开。为了防止网络抖动，可以将缓冲存储器(415)耦接在接收器(431)与熵解码器/解析器(420)(此后称为“解析器(420)”)之间。在某些应用中，缓冲存储器(415)是视频解码器(410)的一部分。在其他应用中，缓冲存储器(415)可以在视频解码器(410)外部(未描绘)。在又一些其他应用中，在视频解码器(410)外部可以存在缓冲存储器(未描绘)以例如防止网络抖动，并且此外在视频解码器(410)内部可以存在另一缓冲存储器(415)以例如处理播出定时。当接收器(431)从具有足够带宽和可控性的存储/转发装置或从等时同步网络(isosynchronousnetwork)接收数据时，可以不需要缓冲存储器(415)，或者缓冲存储器(415)可以较小。为了在诸如因特网的尽力型(best effort)分组网络上使用，可能需要缓冲存储器(415)，该缓冲存储器(415)可以相对较大并且可以有利地具有自适应大小，并且可以至少部分地在操作系统或视频解码器(410)外部的类似元件(未描绘)中实现。

视频解码器(410)可以包括解析器(420)以根据已编码视频序列重构符号(421)。这些符号的类别包括：用于管理视频解码器(410)的操作的信息，以及可能包括用于控制诸如呈现装置(412)(例如，显示屏)的呈现装置的信息，该呈现装置不是电子装置(430)的组成部分而是可以耦接至电子装置(430)，如图4所示。用于(一个或多个)呈现装置的控制信息可以采取补充增强信息(Supplemental Enhancement Information，SEI消息)或视频可用性信息(Video Usability Information，VUI)参数集片段(未描绘)的形式。解析器(420)可以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以符合视频编码技术或标准，并且可以遵循各种原理，包括可变长度编码、霍夫曼编码(Huffmancoding)、具有或不具有上下文敏感性的算术编码等。解析器(420)可以基于与群组对应的至少一个参数，从已编码视频序列中提取针对视频解码器中的像素子群组中的至少一个子群组的子群组参数集。子群组可以包括：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。解析器(420)还可以从已编码视频序列中提取诸如变换系数、量化器参数值、MV等的信息。

解析器(420)可以对从缓冲存储器(415)接收的视频序列执行熵解码/解析操作，从而创建符号(421)。

符号(421)的重构可以根据已编码视频图片或其一部分的类型(例如：帧间图片和帧内图片、帧间块和帧内块)以及其他因素而涉及多个不同的单元。涉及哪些单元以及涉及方式可以通过由解析器(420)从已编码视频序列解析的子群组控制信息来控制。为了简洁起见，未描绘解析器(420)与下文的多个单元之间的这样的子群组控制信息的流动。

除已经提及的功能块以外，视频解码器(410)可以在概念上被细分成如下文所描述的多个功能单元。在商业约束下工作的实际实现中，这些单元中的许多单元彼此紧密交互并且可以至少部分地彼此集成。然而，出于描述所公开主题的目的，在概念上细分成下文的功能单元是适当的。

第一单元是缩放器/逆变换单元(451)。缩放器/逆变换单元(451)从解析器(420)接收作为(一个或多个)符号(421)的经量化的变换系数以及控制信息，包括要使用哪种变换、块大小、量化因子、量化缩放矩阵等。缩放器/逆变换单元(451)可以输出包括样本值的块，所述块可以输入到聚合器(455)中。

在一些情况下，缩放器/逆变换(451)的输出样本可以属于帧内编码的块；即：不使用来自先前重构的图片的预测性信息但可以使用来自当前图片的先前重构部分的预测性信息的块。这样的预测性信息可以由帧内图片预测单元(452)提供。在一些情况下，帧内图片预测单元(452)使用从当前图片缓冲器(458)获取的周围已重构的信息生成大小和形状与重构中的块相同的块。例如，当前图片缓冲器(458)缓冲部分重构的当前图片和/或完全重构的当前图片。在一些情况下，聚合器(455)基于每个样本将帧内预测单元(452)已经生成的预测信息添加至如由缩放器/逆变换单元(451)提供的输出样本信息。

在其他情况下，缩放器/逆变换单元(451)的输出样本可以属于已帧间编码并且可能经运动补偿的块。在这样的情况下，运动补偿预测单元(453)可以访问参考图片存储器(457)以获取用于预测的样本。在根据属于块的符号(421)对所获取的样本进行运动补偿之后，这些样本可以由聚合器(455)添加至缩放器/逆变换单元(451)的输出(在这种情况下被称作残差样本或残差信号)，从而生成输出样本信息。可以通过MV来控制参考图片存储器(457)内的运动补偿预测单元(453)从其获取预测样本的地址，所述MV可以以符号(421)的形式被运动补偿预测单元(453)获得，所述符号(421)可以具有例如X分量、Y分量和参考图片分量。运动补偿还可以包括当使用子样本精确MV时对从参考图片存储器(457)中获取的样本值的插值、MV预测机制等。

聚合器(455)的输出样本可以在环路滤波器单元(456)中经受各种环路滤波技术。视频压缩技术可以包括环路内滤波器技术，所述环路内滤波器技术由包括在已编码视频序列(也被称为已编码视频比特流)中且可以作为来自解析器(420)的符号(421)被环路滤波器单元(456)获得的参数控制，但是环路内滤波器技术也可以对在对已编码图片或已编码视频序列的(按解码顺序的)先前部分进行解码期间获得的元信息进行响应，以及对先前重构并且经环路滤波的样本值进行响应。

环路滤波器单元(456)的输出可以是样本流，该样本流可以输出至呈现装置(412)以及存储在参考图片存储器(457)中以用于将来的帧间图片预测。

一旦被完全重构，某些已编码图片就可以被用作参考图片以用于将来预测。例如，一旦与当前图片对应的已编码图片被完全重构，并且该已编码图片(通过例如解析器(420))被识别为参考图片，则当前图片缓冲器(458)可以变为参考图片存储器(457)的一部分，并且可以在开始重构随后的已编码图片之前重新分配新的当前图片缓冲器。

视频解码器(410)可以根据诸如ITU-T H.265建议书的标准中的预定的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两者的意义上，已编码视频序列可以符合由所使用的视频压缩技术或标准指定的语法。具体地，配置文件可以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仅在该配置文件下可供使用的工具。对于合规性，还需要已编码视频序列的复杂度处于由视频压缩技术或标准的级别限定的界限内。在一些情况下，级别限制最大图片大小、最大帧速率、最大重构样本率(以例如每秒百万样本为单位进行测量)、最大参考图片大小等。在一些情况下，由级别设置的限制可以通过假想参考解码器(HypotheticalReference Decoder，HRD)规范以及在已编码视频序列中用信号指示的HRD缓冲器管理的元数据来进一步限定。

在实施方式中，接收器(431)可以连同已编码视频一起接收附加(冗余)数据。附加数据可以被包括为(一个或多个)已编码视频序列的一部分。附加数据可以由视频解码器(410)使用以对数据进行适当解码以及/或者更准确地重构原始视频数据。附加数据可以呈例如时间、空间或信噪比(signal noise ratio，SNR)增强层、冗余切片、冗余图片、前向纠错码等形式。

图5示出了根据本公开内容的实施方式的视频编码器(503)的框图。视频编码器(503)被包括在电子装置(520)中。电子装置(520)包括传输器(540)(例如，传输电路系统)。视频编码器(503)可以用于代替图3的示例中的视频编码器(303)。

视频编码器(503)可以从视频源(501)(并非图5的示例中的电子装置(520)的一部分)接收视频样本，视频源(501)可以捕获要由视频编码器(503)进行编码的(一个或多个)视频图像。在另一示例中，视频源(501)是电子装置(520)的一部分。

视频源(501)可以提供要由视频编码器(503)进行编码的呈数字视频样本流形式的源视频序列，该数字视频样本流可以具有任何合适的比特深度(例如：8比特、10比特、12比特……)、任何颜色空间(例如，BT.601Y CrCB、RGB……)和任何合适的采样结构(例如YCrCb 4:2:0、Y CrCb 4:4:4)。在媒体服务系统中，视频源(501)可以是存储先前准备的视频的存储装置。在视频会议系统中，视频源(501)可以是捕获本地图像信息作为视频序列的摄像装置。可以将视频数据提供为当按顺序观看时被赋予运动的多个单独的图片。图片本身可以被组织为空间像素阵列，其中，取决于所用的采样结构、颜色空间等，每个像素可以包括一个或更多个样本。本领域技术人员可以容易理解像素与样本之间的关系。以下描述集中于样本。

根据实施方式，视频编码器(503)可以实时地或者在应用所需的任何其他时间约束下将源视频序列的图片编码并压缩成已编码视频序列(543)。施行适当的编码速度是控制器(550)的一个功能。在一些实施方式中，控制器(550)控制如下所述的其他功能单元并且在功能上耦接至所述其他功能单元。为简洁起见未描绘耦接。控制器(550)设置的参数可以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……)、图片大小、图片组(GOP)布局、最大MV允许参考区域等。控制器(550)可以被配置成具有其他合适的功能，这些功能与针对特定系统设计优化的视频编码器(503)有关。

在一些实施方式中，视频编码器(503)被配置成在编码环路中进行操作。作为极度简化的描述，在示例中，编码环路可以包括源编码器(530)(例如，负责基于要编码的输入图片和(一个或多个)参考图片创建符号，例如符号流)和嵌入在视频编码器(503)中的(本地)解码器(533)。解码器(533)以与(远程)解码器创建样本数据的方式类似的方式重构符号以创建样本数据(因为在所公开的主题中所考虑的视频压缩技术中，符号与已编码视频比特流之间的任何压缩是无损的)。将重构的样本流(样本数据)输入到参考图片存储器(534)。由于符号流的解码产生与解码器位置(本地或远程)无关的比特精确结果，因此参考图片存储器(534)中的内容在本地编码器与远程编码器之间也是比特精确的。换句话说，编码器的预测部分将与解码器在解码期间使用预测时所“看到”的样本值完全相同的样本值“视为”参考图片样本。参考图片同步性的这种基本原理(以及在例如由于信道误差而无法维持同步性的情况下产生的偏移)也用于一些相关技术。

“本地”解码器(533)的操作可以与“远程”解码器例如已经在上面结合图4详细描述的视频解码器(410)的操作相同。然而，另外简要地参照图4，由于符号可用并且由熵编码器(545)将符号编码成已编码视频序列以及由解析器(420)对符号进行解码可以是无损的，因此可以不在本地解码器(533)中完全实现视频解码器(410)的包括缓冲存储器(415)和解析器(420)的熵解码部分。

此时可以观察到，除了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需要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，所公开的主题集中于解码器操作。可以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相反。仅在某些方面需要更详细的描述，并且在下文提供该描述。

在一些示例中，在操作期间，源编码器(530)可以执行运动补偿预测编码，所述运动补偿预测编码参考来自视频序列的被指定为“参考图片”的一个或更多个先前已编码图片来对输入图片进行预测性编码。以此方式，编码引擎(532)对输入图片的像素块与可以被选作该输入图片的(一个或多个)预测参考的(一个或多个)参考图片的像素块之间的差异进行编码。

本地视频解码器(533)可以基于源编码器(530)创建的符号，对可以被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(532)的操作可以有利地为有损处理。当已编码视频数据可以在视频解码器(图5中未示出)处被解码时，重构的视频序列通常可以是源视频序列的带有一些误差的副本。本地视频解码器(533)复制可以由视频解码器对参考图片执行的解码处理，并且可以使重构的参考图片存储在参考图片缓存(534)中。以此方式，视频编码器(503)可以在本地存储重构的参考图片的副本，所述副本与将由远端视频解码器获得的重构参考图片具有共同内容(不存在传输错误)。

预测器(535)可以针对编码引擎(532)执行预测搜索。也就是说，对于要被编码的新图片，预测器(535)可以在参考图片存储器(534)中搜索可以用作针对新图片的合适预测参考的样本数据(作为候选参考像素块)或特定元数据，例如参考图片MV、块形状等。预测器(535)可以在逐样本块-像素块的基础上操作，以找到合适的预测参考。在一些情况下，如通过预测器(535)获得的搜索结果所确定的，输入图片可以具有从参考图片存储器(534)中存储的多个参考图片取得的预测参考。

控制器(550)可以管理源编码器(530)的编码操作，包括例如设置用于对视频数据进行编码的参数和子群组参数。

所有以上提及的功能单元的输出可以在熵编码器(545)中经受熵编码。熵编码器(545)通过根据诸如霍夫曼编码、可变长度编码、算术编码等的技术对由各种功能单元生成的符号进行无损压缩来将这些符号转换为已编码视频序列。

传输器(540)可以缓冲由熵编码器(545)创建的(一个或多个)已编码视频序列，从而为经由通信信道(560)进行传输做准备，该通信信道(560)可以是到存储已编码视频数据的存储装置的硬件/软件链路。传输器(540)可以将来自视频编码器(503)的已编码视频数据与要传输的其他数据合并，所述其他数据例如是已编码音频数据和/或辅助数据流(未示出来源)。

控制器(550)可以管理视频编码器(503)的操作。在编码期间，控制器(550)可以向每个已编码图片分配某一已编码图片类型，这可能影响可以应用于相应的图片的编码技术。例如，通常可以向图片分配以下图片类型之一：

帧内图片(I图片)，其可以是可以在不将序列中的任何其他图片用作预测源的情况下进行编码和解码的图片。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。本领域技术人员了解I图片的那些变型及其相应的应用和特征。

预测性图片(P图片)，其可以是可以使用——利用至多一个MV和参考索引来预测每个块的样本值的——帧间预测或帧内预测进行编码和解码的图片。

双向预测性图片(B图片)，其可以是可以使用——利用至多两个MV和参考索引来预测每个块的样本值的——帧间预测或帧内预测进行编码和解码的图片。类似地，多个预测性图片可以使用多于两个参考图片和相关联元数据以用于单个块的重构。

源图片通常可以在空间上细分成多个样本块(例如，分别为4×4、8×8、4×8或16×16样本的块)，并且逐块地被编码。可以参考其他(已编码的)块对这些块进行预测性编码，所述其他块是通过应用于块的相应图片的编码分配而确定的。例如，可以对I图片的块进行非预测性编码，或者可以参考同一图片的已编码块对I图片的块进行预测性编码(空间预测或帧内预测)。可以参考一个先前已编码的参考图片经由空间预测或经由时间预测对P图片的像素块进行预测性编码。可以参考一个或两个先前已编码的参考图片经由空间预测或经由时间预测对B图片的块进行预测性编码。

视频编码器(503)可以根据诸如ITU-T H.265建议书的预定的视频编码技术或标准执行编码操作。在其操作中，视频编码器(503)可以执行各种压缩操作，包括利用输入视频序列中的时间和空间冗余的预测性编码操作。因此，已编码视频数据可以符合由所使用的视频编码技术或标准指定的语法。

在实施方式中，传输器(540)可以连同已编码视频一起传输附加数据。源编码器(530)可以包括这样的数据作为已编码视频序列的一部分。附加数据可以包括时间/空间/SNR增强层、其他形式的冗余数据例如冗余图片和切片、SEI消息、VUI参数集片段等。

视频可以被按时间序列捕获为多个源图片(视频图片)。帧内图片预测(通常被简化为帧内预测)利用给定图片中的空间相关性，而帧间图片预测利用图片之间的(时间或其他)相关性。在示例中，正在被编码/解码的特定图片——其被称为当前图片——被分割成块。在当前图片中的块与视频中先前已编码且又被缓冲的参考图片中的参考块类似的情况下，可以通过被称作MV的矢量对当前图片中的块进行编码。MV指向参考图片中的参考块，并且在使用多个参考图片的情况下，MV可以具有标识参考图片的第三维度。

在一些实施方式中，可以将双向预测技术用于帧间图片预测。根据双向预测技术，使用两个参考图片，例如按解码次序均在视频中的当前图片之前(但按显示次序可能分别在过去和将来)的第一参考图片和第二参考图片。可以通过指向第一参考图片中的第一参考块的第一MV和指向第二参考图片中的第二参考块的第二MV对当前图片中的块进行编码。可以通过第一参考块和第二参考块的组合来预测所述块。

此外，可以在帧间图片预测中使用合并模式技术以提高编码效率。

根据本公开内容的一些实施方式，以块为单位执行诸如帧间图片预测和帧内图片预测的预测。例如，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)，即一个亮度CTB和两个色度CTB。每个CTU可以被递归地以四叉树分成一个或多个编码单元(coding unit，CU)。例如，可以将64×64像素的CTU分成一个64×64像素的CU，或4个32×32像素的CU，或16个16×16像素的CU。在示例中，对每个CU进行分析以确定针对该CU的预测类型，例如帧间预测类型或帧内预测类型。根据时间和/或空间可预测性，将CU分成一个或更多个预测单元(prediction unit，PU)。通常，每个PU包括亮度预测块(prediction block，PB)和两个色度PB。在实施方式中，以预测块为单位来执行编解码(编码/解码)中的预测操作。使用亮度预测块作为预测块的示例，预测块包括诸如8×8像素、16×16像素、8×16像素、16×8像素等的像素的值(例如，亮度值)的矩阵。

图6示出了根据本公开内容的另一实施方式的视频编码器(603)的图。视频编码器(603)被配置成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)，并且将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。在示例中，视频编码器(603)用于代替图3的示例中的视频编码器(303)。

在HEVC示例中，视频编码器(603)接收针对处理块例如8×8样本的预测块等的样本值的矩阵。视频编码器(603)使用例如率失真优化来确定是使用帧内模式、帧间模式还是双向预测模式对处理块进行最佳编码。在将以帧内模式对处理块进行编码的情况下，视频编码器(603)可以使用帧内预测技术将处理块编码到已编码图片中；以及在将以帧间模式或双向预测模式对处理块进行编码的情况下，视频编码器(603)可以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，在帧间图片预测子模式下，在不借助于一个或更多个MV预测器外部的已编码MV分量的情况下从所述预测器得出MV。在某些其他视频编码技术中，可以存在适用于对象块的MV分量。在示例中，视频编码器(603)包括其他部件，例如，确定处理块的模式的模式决策模块(未示出)。

在图6的示例中，视频编码器(603)包括如图6所示的耦接在一起的帧间编码器(630)、帧内编码器(622)、残差计算器(623)、开关(626)、残差编码器(624)、总体控制器(621)以及熵编码器(625)。

帧间编码器(630)被配置成接收当前块(例如，处理块)的样本，将所述块与参考图片中的一个或更多个参考块(例如，先前图片和随后图片中的块)进行比较，生成帧间预测信息(例如，根据帧间编码技术的冗余信息、MV、合并模式信息的描述)，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，预测块)。在一些示例中，参考图片是基于已编码视频信息进行解码的已解码参考图片。

帧内编码器(622)被配置成：接收当前块(例如，处理块)的样本；在一些情况下将该块与同一图片中已经编码的块进行比较；在变换之后生成量化系数；以及在一些情况下还生成帧内预测信息(例如，根据一个或更多个帧内编码技术的帧内预测方向信息)。在示例中，帧内编码器(622)还基于帧内预测信息和同一图片中的参考块计算帧内预测结果(例如，预测块)。

总体控制器(621)被配置成确定总体控制数据并且基于总体控制数据来控制视频编码器(603)的其他部件。在示例中，总体控制器(621)确定块的模式，并且基于该模式将控制信号提供至开关(626)。例如，当所述模式是帧内模式时，总体控制器(621)控制开关(626)以选择帧内模式结果以供残差计算器(623)使用，并且控制熵编码器(625)以选择帧内预测信息并且将所述帧内预测信息包括在比特流中；以及当所述模式是帧间模式时，总体控制器(621)控制开关(626)以选择帧间预测结果以供残差计算器(623)使用，并且控制熵编码器(625)以选择帧间预测信息并且将所述帧间预测信息包括在比特流中。

残差计算器(623)被配置成计算所接收的块与选自帧内编码器(622)或帧间编码器(630)的预测结果之间的差(残差数据)。残差编码器(624)被配置成基于残差数据进行操作，以对残差数据进行编码以生成变换系数。在示例中，残差编码器(624)被配置成将残差数据从空间域转换到频域，并且生成变换系数。然后，变换系数经受量化处理以获得量化的变换系数。在各种实施方式中，视频编码器(603)还包括残差解码器(628)。残差解码器(628)被配置成执行逆变换，并且生成已解码残差数据。已解码残差数据可以由帧内编码器(622)和帧间编码器(630)适当地使用。例如，帧间编码器(630)可以基于已解码残差数据和帧间预测信息来生成已解码块，并且帧内编码器(622)可以基于已解码残差数据和帧内预测信息来生成已解码块。在一些示例中，适当处理已解码块以生成已解码图片，并且这些已解码图片可以缓冲在存储器电路(未示出)中并且用作参考图片。

熵编码器(625)被配置成对比特流进行格式化以包括已编码块。熵编码器(625)被配置成包括根据合适的标准例如HEVC的各种信息。在示例中，熵编码器(625)被配置成将总体控制数据、选择的预测信息(例如，帧内预测信息或帧间预测信息)、残差信息和其他合适的信息包括在比特流中。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下对块进行编码时，不存在残差信息。

图7示出了根据本公开内容的另一实施方式的视频解码器(710)的图。视频解码器(710)被配置成接收作为已编码视频序列的一部分的已编码图片，并且对已编码图片进行解码以生成重构的图片。在示例中，视频解码器(710)用于代替图3的示例中的视频解码器(310)。

在图7的示例中，视频解码器(710)包括如图7所示的耦接在一起的熵解码器(771)、帧间解码器(780)、残差解码器(773)、重构模块(774)以及帧内解码器(772)。

熵解码器(771)可以被配置成根据已编码图片来重构某些符号，这些符号表示构成已编码图片的语法元素。这样的符号可以包括例如对块进行编码的模式(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)、可以标识分别供帧内解码器(772)或帧间解码器(780)使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)、例如量化的变换系数的形式的残差信息等。在示例中，当预测模式是帧间模式或双向预测模式时，将帧间预测信息提供给帧间解码器(780)；以及当预测类型是帧内预测类型时，将帧内预测信息提供给帧内解码器(772)。残差信息可以经受逆量化并且被提供给残差解码器(773)。

帧间解码器(780)被配置成接收帧间预测信息，并且基于帧间预测信息生成帧间预测结果。

帧内解码器(772)被配置成接收帧内预测信息，并且基于帧内预测信息生成预测结果。

残差解码器(773)被配置成执行逆量化以提取去量化的变换系数，并且处理所述去量化的变换系数，以将残差从频域转换到空间域。残差解码器(773)还可能需要某些控制信息(以包括量化器参数(QuantizerParameter，QP))，并且所述信息可以由熵解码器(771)提供(未描绘出数据路径，因为这可能仅是少量控制信息)。

重构模块(774)被配置成在空间域中将由残差解码器(773)输出的残差与预测结果(根据情况由帧间预测模块或帧内预测模块输出)进行组合以形成重构的块，所述重构的块可以是重构的图片的一部分，所述重构的图片又可以是重构的视频的一部分。注意，可以执行其他合适的操作例如去块操作等来改善视觉质量。

注意，可以使用任何合适的技术来实现视频编码器(303)、(503)和(603)以及视频解码器(310)、(410)和(710)。在实施方式中，可以使用一个或更多个集成电路来实现视频编码器(303)、(503)和(603)以及视频解码器(310)、(410)和(710)。在另一实施方式中，可以使用执行软件指令的一个或更多个处理器来实现视频编码器(303)、(503)和(603)以及视频解码器(310)、(410)和(710)。

II.面向机器的视频译码

视频或图像可以由人类用于各种用途，例如娱乐、教育等。因此，视频编码或图像编码通常利用人类视觉系统的特性来获得更好的压缩效率，同时保持良好的主观质量。

近年来，随着机器学习应用的兴起，以及配备有大量传感器，许多智能平台将视频或图像用于机器视觉任务，例如对象检测、分割或跟踪。如何对视频或图像进行编码以供机器视觉任务使用可能是有趣且具有挑战性的问题。这导致了面向机器的视频译码(VCM)研究的引入。为了实现这一目标，国际标准组织MPEG创建了特别组织“面向机器的视频译码(VCM)”以使相关技术标准化，以实现不同装置之间更好的互操作性。

图8示出了根据本公开内容的实施方式的示例性VCM架构。注意，图8中的视频解码模块的输出主要用于机器使用，即机器视觉。然而，在一些情况下，视频解码模块的输出也可以用于人类视觉，如图8所指示的。另外，用于神经网络(neural network，NN)模块的接口可以包括在示例性VCM架构中。

III.通用视频编码

VVC最近由两个国际标准组织(即ITU和ISO/IEC)联合开发。VVC的一个版本于2020年7月完成，并且是最先进的视频编码标准之一。

图9示出了根据本公开内容的实施方式的示例性VVC编码器。VVC编码器包括变换和量化(transform and quantization，TR+Q)模块、熵编码模块、运动估计(motionestimation，ME)模块和解码器。解码器包括逆变换和逆量化(inverse transform andinverse quantization，iTR+iQ)模块、帧内预测模块、帧间预测模块、组合的预测模块、去块滤波器(deblocking filter，Deblk)模块、样本自适应偏移滤波器(SAO)模块、自适应环路滤波器(ALF)模块和缓冲器。编码器接收输入图片的编码块(coding block，CB)，并且输出已编码比特流和重构的图片。变换和量化模块以及逆变换和逆量化模块都对变换块(transform block，TB)进行处理。帧内预测模块和帧内预测模块都对PB进行处理。组合的预测模块对帧间预测和帧内预测进行组合。

对于帧内预测，可以包括各种编码工具，例如，交叉分量线性模式(cross-component linear mode，CCLM)、多参考线预测(multiple reference line prediction，MRLP)、帧内子划分(ISP)、基于矩阵的帧内预测(MIP)等。

对于帧间预测，可以包括编码工具的集合，编码工具例如仿射运动模型(affinemotion model，AFFINE)、基于子块的时间合并候选(subblock-based temporal mergingcandidate，SbTMC)、自适应运动矢量分辨率(adaptive motion vector resolution，AMVR)、几何划分模式(geometric partition mode，GPM)、组合的帧内/帧间预测(combinedintra/inter prediction，CIIP)、具有运动矢量差的合并模式(merge mode with motionvector difference，MMVD)、具有CU权重的双向预测(bi-predictive with CU weight，BCW)、解码器运动矢量细化(decoder motion vector refinement，DMVR)、双向光流(bi-directional optical flow，BDOF)、使用光流的预测细化(prediction refinement usingoptical flow，PROF)等。

可以包括诸如变换、量化和环路内滤波器的其他工具，例如，相关量化(dependentquantization，DQ)、多变换集(MTS)、低频不可分离变换(LFNST)、亮度映射和色度缩放(luma mapping and chroma scaling，LMCS)、交叉分量自适应环路滤波器(cross-component adaptive loop filter，CCALF)、自适应环路滤波器(ALF)、样本自适应偏移滤波器(SAO)、去块滤波器(Deblk)等。

注意，其他视频编码标准(例如H.264或HEVC)可以使用以上提及的但有所变化的编码工具的子集。例如，HEVC利用SAO、Deblk、帧内预测和帧间预测、多变换集等。然而，除了SAO滤波器之外，其他编码工具(例如Deblk滤波器、帧内预测和帧间预测、多变换集)与VVC中采用的那些编码工具并不相同，尽管设计原理是相同的。

IV.针对机器视觉的编码工具选择

在一些相关示例中，视频编码标准(例如H.264、HEVC或VVC)利用针对人类使用设计并且针对人类视觉系统(human vision system，HVS)优化的编码工具的集合。然而，这些编码工具可能不适合于可能利用视频信号的不同特征的机器视觉。

本公开内容的方面包括面向机器的视频译码。在本公开内容中，使用VVC作为示例，包括针对机器视觉选择视频编码标准中的编码工具的子集的方法。

注意，本公开内容中包括的方法不限于VVC标准。所述方法的原理也可以应用于其他视频编码标准，例如H.264、HEVC或由开放媒体联盟(Alliance for Open Media)开发的AV1。

在一些相关示例中，基于诸如主观性能、比特率和实现复杂度的因素之间的权衡来选择编码标准(例如VVC)中的编码工具。

对于机器视觉，可以修改选择标准，以反映诸如机器视觉性能、比特率和实现复杂度的因素之间的权衡。机器视觉性能是指各种机器任务的性能，例如对象检测和分割的平均精度均值(mean average precision，mAP)、对象跟踪的多对象跟踪准确度(multipleobjects tracking accuracy，MOTA)等。

因此，视频编码标准(例如VVC)中的编码工具可以分为若干类别。例如，类别1中的编码工具主要有益于人类视觉，而对机器视觉有较小的不利影响。类别2中的编码工具主要有益于人类视觉，而对机器视觉有较小的积极影响。类别3中的编码工具主要有益于人类视觉，而对机器视觉有显著的不利影响。类别4中的编码工具有益于人类视觉和机器视觉两者。

在诸如VVC标准的示例中，SAO和ISP可以属于类别1，ALF和MIP可以属于类别2，LFNST可以属于类别3，MTS、LMCS和Deblk可以属于类别4。在这些编码工具中，Deblk是对于人类视觉和机器视觉两者而言的重要工具。实验表明，如果Deblk被关闭，则对象检测的mAPBD率性能会下降10％以上。

根据本公开内容的方面，可以开启一个或更多个类别，同时可以关闭一个或更多个其他类别。例如，在VCM的情况下，可以关闭类别1和类别3中的编码工具，并且可以打开类别2和类别4中的编码工具。因此，视频编码标准(例如VVC)中的编码工具的新子集可以形成用于机器视觉的新编解码器。

根据本公开内容的方面，类别2中的编码工具可以被进一步分为两个子类：相对低复杂度的编码工具(例如MIP)和相对高复杂度的编码工具(例如ALF)。因此，在一个实施方式中，可以关闭类别1和3中的编码工具，可以开启类别4中的编码工具，可以开启类别2中的具有相对低复杂度的编码工具，并且可以关闭类别2中的具有相对高复杂度的编码工具。在该实施方式中，对复杂度与机器视觉的轻微性能损失进行权衡。

V.编码工具之间的相互作用

在一些相关示例中，在用于人类视觉的相关编码标准中，编码工具相互作用。根据本公开内容的方面，在实验中也可以针对机器视觉示出类似的相互作用。

在一个实施方式中，针对对象检测的一个实验表明，分别关闭ALF和Deblk可能导致mAP BD率性能分别下降0.8％和14.8％。然而，如果ALF和Deblk都被关闭，则mAP BD率性能可能下降41％以上。

在一个实施方式中，针对对象检测的一个实验表明，关闭MTS可能导致mAP BD率性能下降1.8％，而关闭LFNST可能使mAP BD率性能提高2.5％。然而，如果MTS和LFNST都关闭，则整体影响会变为负面的。即，mAP BD率性能可能下降7％。在这种情况下，整体编码时间可能减少42％以上。

在一个实施方式中，一个针对对象检测的实验表明，关闭MIP可能导致mAP BD率性能下降0.4％，而关闭ISP可以使mAP BD率性能提高0.8％。然而，如果ISP和MIP都被关闭，则整体mAP BD率性能可以提高2.4％。在这种情况下，整体编码时间可以减少25％以上。

因此，基于例如上述观察结果，在针对机器视觉选择编码工具的子集时，可以考虑编码工具之间的相互作用。在一个示例中，如果组合的编码工具可以提高整体机器视觉性能，则可以开启编码工具的组合，例如MTS和LFNST的组合。在另一示例中，如果组合的编码工具可能降低整体机器视觉性能，则可以关闭编码工具的组合，例如ISP和MIP的组合。

在一个实施方式中，可以考虑实现复杂度与机器视觉性能之间的权衡。例如，只要关闭编码工具的组合可能带来显著的复杂度降低，则即使关闭组合的编码工具会带来显著的机器视觉性能损失，也可以关闭编码工具的组合。例如，可以关闭MTS和LFNST的组合，以降低实现复杂度。

VI.用于机器视觉的语法变化

根据本公开内容的方面，视频比特流的预测信息中的语法元素可以用于针对机器视觉启用编码工具的第一集合以及/或者禁用编码工具的第二集合。在一些实施方式中，为了针对机器视觉选择编码工具的集合，语法元素例如标志(例如，sps_vcm_enable_flag)可以被插入到VVC规范中的语法表中。例如，可以修改针对序列参数集(sequence parameterset，SPS)的语法表，如表1所示。

表1

在表1中，语法元素sps_vcm_enable_flag用于针对机器视觉启用编码工具的第一集合以及/或者禁用编码工具的第二集合。在一些实施方式中，sps_vcm_enable_flag＝1指示针对机器视觉启用编码工具的第一集合以及/或者禁用编码工具的第二集合。另外，语法元素sps_mts_enabled_flag、sps_lfnst_enabled_flag、sps_alf_enabled_flag、sps_sao_enabled_flag、sps_isp_enabled_flag和sps_mip_enabled_flag分别用于启用和禁用MTS、LFNST、ALF、SAO、ISP和MIP编码工具。在一些实施方式中，针对这些语法元素中的每一个，设置值1用于启用对应的编码工具，以及设置值0用于禁用对应的编码工具。例如，sps_mts_enabled_flag＝1指示启用MTS编码工具，以及sps_mts_enabled_flag＝0指示禁用MTS编码工具。

开启和关闭去块滤波器可以由表1中未示出的语法元素来指示。在一些实施方式中，开启和关闭去块滤波器的语法元素可以是图片参数集(picture parameter set，PPS)标志(例如，pps_deblocking_filter_disabled_flag)。当pps_deblocking_filter_disabled_flag＝0时，开启去块滤波器。当pps_deblocking_filter_disabled_flag＝1时，关闭去块滤波器。

在一个实施方式中，当sps_vcm_enable_flag被设置为1时，针对机器视觉开启的编码工具的第一集合包括MTS、LFNST、ALF和去块滤波器，以及针对机器视觉关闭的编码的第二集合包括SAO、ISP和MIP。因此，在视频比特流的比特流一致性中，sps_mts_enabled_flag＝1，sps_lfnst_enabled_flag＝1，sps_alf_enabled_flag＝1，sps_sao_enabled_flag＝0，sps_isp_enabled_flag＝0，sps_mip_enabled_flag＝0，以及pps_deblocking_filter_disabled_flag＝0。

在一个实施方式中，针对机器视觉关闭ALF。因此，当sps_vcm_enable_flag被设置为1时，针对机器视觉开启的编码工具的第一集合包括MTS、LFNST和去块滤波器，以及针对机器视觉关闭的编码的第二集合包括ALF、SAO、ISP和MIP。在视频比特流的比特流一致性中，sps_mts_enabled_flag＝1，sps_lfnst_enabled_flag＝1，sps_alf_enabled_flag＝0，sps_sao_enabled_flag＝0，sps_isp_enabled_flag＝0，sps_mip_enabled_flag＝0，以及pps_deblocking_filter_disabled_flag＝0。

注意，在一些实施方式中，基于上述方法，可以在其他配置下设置相关标志，以权衡对机器视觉的性能影响与实现复杂度。

VII.用于机器视觉的配置文件(profile)

根据本公开内容的方面，可以使用配置文件为机器视觉任务选择编码工具的集合。在一些实施方式中，配置文件可以被称为主10VCM配置文件或主10VCM静态图片配置文件。例如，使用配置文件可以减少用信号指示所需的以及要处理的比特数，以便提高压缩和处理效率。

在一个实施方式中，符合主10VCM配置文件和/或主10VCM静态图片配置文件的视频比特流可以遵守如下约束。

(1)引用的SPS的ptl_multilayer_enabled_flag等于0。

(2)在符合主10VCM静态图片配置文件的比特流中，比特流仅包含一个图片。

(3)引用的SPS的sps_chroma_format_idc等于0或1。

(4)引用的SPS的sps_bitdepth_minus8在0至2(包括0和2)的范围内。

(5)引用的SPS的sps_palette_enabled_flag等于0。

(6)引用的SPS的sps_mts_enabled_flag等于1。

(7)引用的SPS的sps_lfnst_enabled_flag等于1。

(8)引用的SPS的sps_sao_enabled_flag等于0。

(9)引用的SPS的sps_alf_enabled_flag等于1。

(10)引用的SPS的sps_isp_enabled_flag等于0。

(11)引用的SPS的sps_mip_enabled_flag等于0。

(12)引用的PPS的pps_deblocking_filter_disabled_flag等于0。

(13)在符合主10VCM配置文件的比特流中，在可用的情况下引用的视频参数集(video parameter set，VPS)和引用的SPS中针对所有i值的通用级别号general_level_idc和子层级别号sublayer_level_idc不等于255，这表示指定的级别(例如，级别15.5)。

(14)在适用的情况下，满足VVC规范中的层级和级别部分(例如，VVC草案10中的子条款A.4)中针对主10VCM配置文件或主10VCM静态图片配置文件规定的层级和级别约束。

根据本公开内容的方面，视频比特流与配置文件的一致性可以由配置文件号(例如，general_profile_idc)指示。例如，主10VCM配置文件或主10VCM静态图片配置文件可以由配置文件号指示。

在实施方式中，视频比特流与主10VCM配置文件的一致性可以由第一配置文件号(例如，general_profile_idc＝2)指示。

在实施方式中，视频比特流与主10VCM静态图片配置文件的一致性可以由第二配置文件号(例如，general_profile_idc＝66)指示。

注意，当视频比特流与主10VCM静态图片配置文件的一致性由第二配置文件号(例如，general_profile_idc＝66)指示，并且指示的级别不是指定的级别(例如，级别15.5)时，也满足指示视频比特流与主10VCM配置文件的一致性的条件。

在一个实施方式中，在特定层级的特定级别下符合主10VCM配置文件的解码器能够对所有以下条件适用的所有比特流进行解码。

(1)指示比特流符合主10VCM配置文件或主10VCM静态图片配置文件。

(2)指示比特流符合低于或等于指定层级的层级。

(3)指示比特流符合并非级别15.5并且低于或等于指定的级别的级别。

在一个实施方式中，在特定层级的特定级别下符合主10VCM静态图片配置文件的解码器能够对所有以下条件适用的所有比特流进行解码。

(1)指示比特流符合主10VCM静态图片配置文件。

(2)指示比特流符合低于或等于指定层级的层级。

(3)指示比特流符合并非级别15.5并且低于或等于指定的级别的级别。

在一个实施方式中，当以下两个条件都适用时，在特定层级的特定级别下符合主10VCM静态图片配置文件的解码器也能够对比特流的第一图片进行解码。

(1)指示比特流符合主10VCM配置文件，符合低于或等于指定层级的层级，以及符合并非级别15.5并且低于或等于指定的级别的级别。

(2)第一图片是输出层中ph_recovery_poc_cnt等于0的帧内随机访问图片(IRAP)或渐进解码刷新(GDR)图片，并且第一图片的ph_pic_output_flag等于1。

在上述实施方式中，语法元素ph_recovery_poc_cnt按输出顺序指定已解码图片的恢复点。如果当前图片是GDR图片并且ph_recovery_poc_cnt等于0，则当前图片本身被称为恢复点图片。语法元素ph_pic_output_flag影响已解码图片输出和移除过程。当ph_pic_output_flag不存在时，推断其等于1。比特流一致性的要求是比特流包含输出层中的pic_output_flag等于1的至少一个图片。

注意，术语输出层是指目的在于输出的层。在示例中，目的不在于输出的层例如在用于层间(或视图间)预测时仍然可以被解码。

在一个实施方式中，在上述主10VCM配置文件或主10VCM静态图片配置文件中，引用的SPS的sps_alf_enabled_flag可以等于0。其余的约束可以与上述主10VCM配置文件或主10VCM静态图片配置文件相同。

注意，在本公开内容中，主10VCM配置文件和主10VCM静态图片配置文件的配置文件号(例如，general_profile_idc)的值只是示例。配置文件号的值可以不同，只要这些值不被相关的标准规范使用并且遵循标准规范的对应规则。

另外，在一些实施方式中，基于上述方法，可以在其他配置下设置相关标志，以权衡对机器视觉的性能影响与实现复杂度。

VIII.流程图

图10示出了概述根据本公开内容的实施方式的示例性处理(1000)的流程图。在各种实施方式中，处理(1000)由处理电路系统执行，处理电路系统例如终端装置(210)、(220)、(230)和(240)中的处理电路系统、执行视频编码器(303)的功能的处理电路系统、执行视频解码器(310)的功能的处理电路系统、执行视频解码器(410)的功能的处理电路系统、执行帧内预测模块(452)的功能的处理电路系统、执行视频编码器(503)的功能的处理电路系统、执行预测器(535)的功能的处理电路系统、执行帧内编码器(622)的功能的处理电路系统、执行帧内解码器(772)的功能的处理电路系统等。在一些实施方式中，处理(1000)以软件指令来实现，因此，当处理电路系统执行软件指令时，处理电路系统执行处理(1000)。

处理(1000)通常可以在步骤(S1010)处开始，在步骤(S1010)处，处理(1000)对作为视频比特流的一部分的当前图片中的当前块的预测信息进行解码。然后，处理(1000)进行到步骤(S1020)。

在步骤(S1020)处，处理(1000)针对当前块基于视频比特流中包括的语法元素来确定启用第一多个编码工具并且禁用第二多个编码工具。第一多个编码工具包括去块滤波器编码工具，第二多个编码工具包括SAO编码工具、ISP编码工具和MIP编码工具中的至少之一。然后，处理(1000)进行到步骤(S1030)。

在步骤(S1030)处，处理(1000)基于第一多个编码工具被启用以及第二多个编码工具被禁用来重构当前块。MTS编码工具和LFNST编码工具都被包括在第一多个编码工具和第二多个编码工具之一中。

然后，处理(1000)终止。

在一个实施方式中，ALF编码工具被包括在第一多个编码工具和第二多个编码工具之一中。

在一个实施方式中，语法元素是指示针对当前块启用VCM的SPS标志。

在一个实施方式中，语法元素包括指示视频比特流符合主10VCM配置文件和主10VCM静态图片配置文件之一的配置文件号。

在一个实施方式中，配置文件号为第一值(例如，2)指示视频比特流符合主10VCM配置文件，以及配置文件号为第二值(例如，66)指示视频比特流符合主10VCM静态图片配置文件。

在一个实施方式中，与处理电路系统相关联的解码器符合主10VCM静态图片配置文件，配置文件号指示视频比特流符合主10VCM配置文件，以及当前图片是视频比特流中的第一图片并且是IRAP和GDR图片之一。

在一个实施方式中，视频比特流符合的配置文件的层级号和级别号分别小于或等于解码器符合的配置文件的层级号和级别号。

IX.计算机系统

上述技术可以实现为使用计算机可读指令的计算机软件，并且物理存储在一个或更多个计算机可读介质中。例如，图11示出了适于实现所公开主题的某些实施方式的计算机系统(1100)。

可以使用任何合适的机器代码或计算机语言对计算机软件进行编码，所述机器代码或计算机语言可以经受汇编、编译、链接等机制以创建包括指令的代码，所述指令可以由一个或更多个计算机中央处理单元(central processing unit，CPU)、图形处理单元(Graphics Processing Unit，GPU)等直接执行或者通过解译、微代码执行等执行。

指令可以在各种类型的计算机或其部件(包括例如个人计算机、平板计算机、服务器、智能电话、游戏装置、物联网装置等)上执行。

图11中示出的用于计算机系统(1100)的部件本质上是示例性的，并且不旨在对实现本公开内容的实施方式的计算机软件的使用范围或功能提出任何限制。部件的配置也不应当被解释为具有与计算机系统(1100)的示例性实施方式中示出的部件中的任何一个部件或部件的组合有关的任何依赖性或要求。

计算机系统(1100)可以包括某些人机接口输入装置。这样的人机接口输入装置可以对由一个或更多个人类用户通过例如触觉输入(例如：击键、滑动、数据手套移动)、音频输入(例如：语音、拍打)、视觉输入(例如：姿势)、嗅觉输入(未描绘)实现的输入作出响应。人机接口装置还可以用于捕获不一定与人的有意输入直接有关的某些介质，例如，音频(例如：语音、音乐、环境声音)、图像(例如：扫描图像、从静态图像摄像装置获得的摄影图像)、视频(例如二维视频、包括立体视频的三维视频)。

输入人机接口装置可以包括以下中的一个或更多个(仅描绘每个中的一个)：键盘(1101)、鼠标(1102)、轨迹板(1103)、触摸屏(1110)、数据手套(未示出)、操纵杆(1105)、麦克风(1106)、扫描仪(1107)和摄像机(1108)。

计算机系统(1100)还可以包括某些人机接口输出装置。这样的人机接口输出装置可以通过例如触觉输出、声音、光和气味/味道来刺激一个或更多个人类用户的感官。这样的人机接口输出装置可以包括：触觉输出装置(例如，通过触摸屏(1110)、数据手套(未示出)或操纵杆(1105)进行的触觉反馈，但是也可以存在不用作输入装置的触觉反馈装置)；音频输出装置(例如：扬声器(1109)、头戴式耳机(未描绘))；视觉输出装置(例如，屏幕(1110)，包括CRT屏幕、LCD屏幕、等离子屏幕、OLED屏幕，每个均具有或不具有触摸屏输入能力，每个均具有或不具有触觉反馈能力——其中的一些可能能够通过诸如立体图像输出的方式输出二维视觉输出或多于三维输出；虚拟现实眼镜(未描绘)；全息显示器和烟罐(未描绘))；以及打印机(未描绘)。这些视觉输出装置(例如屏幕(1110))可以通过图形适配器(1150)连接至系统总线(1148)。

计算机系统(1100)还可以包括人类可访问的存储装置及其相关联的介质，例如包括具有CD/DVD等介质(1121)的CD/DVD ROM/RW(1120)的光学介质、拇指驱动器(1122)、可移除硬盘驱动器或固态驱动器(1123)、传统磁介质诸如磁带和软盘(未描绘)、基于专用ROM/ASIC/PLD的装置诸如安全软件狗(未描绘)等。

本领域技术人员还应当理解，结合当前公开的主题使用的术语“计算机可读介质”不包含传输介质、载波或其他瞬时信号。

计算机系统(1100)还可以包括到一个或更多个通信网络(1155)的网络接口(1154)。一个或更多个通信网络(1155)可以例如是无线的、有线的、光学的。一个或更多个通信网络(1155)还可以是局域网、广域网、城域网、车辆和工业网络、实时网络、延迟容忍的网络等。一个或更多个通信网络(1155)的示例包括局域网诸如以太网、无线LAN，包括GSM、3G、4G、5G、LTE等的蜂窝网络，包括有线电视、卫星电视和地面广播电视的电视有线或无线广域数字网络，包括CANBus的车辆和工业网络等。某些网络通常需要附接至某些通用数据端口或外围总线(1149)(例如，计算机系统(1100)的USB端口)的外部网络接口适配器；其他网络通常通过附接至如下所述的系统总线集成到计算机系统(1100)的核中(例如，通过以太网接口集成到PC计算机系统，或通过蜂窝网络接口集成到智能电话计算机系统)。计算机系统(1100)可以通过使用这些网络中的任何网络与其他实体进行通信。这样的通信可以是单向仅接收的(例如，广播电视)、单向仅发送的(例如，到某些CANbus装置的CANbus)、或双向的，例如到使用局域或广域数字网络的其他计算机系统。可以在如上所述的这些网络和网络接口中的每个网络和网络接口上使用特定的协议和协议栈。

以上提及的人机接口装置、人类可访问存储装置和网络接口可以附接至计算机系统(1100)的核(1140)。

核(1140)可以包括一个或更多个中央处理单元(CPU)(1141)、图形处理单元(GPU)(1142)、现场可编程门区域(Field Programmable Gate Area，FPGA)(1143)形式的专用可编程处理单元、用于某些任务的硬件加速器(1144)、图形适配器(1150)等。这些装置以及只读存储器(Read-only memory，ROM)(1145)、随机存取存储器(1146)、内部大容量存储装置(1147)例如内部非用户可访问的硬盘驱动器、SSD等可以通过系统总线(1148)连接。在一些计算机系统中，可以以一个或更多个物理插头的形式访问系统总线(1148)，以通过另外的CPU、GPU等实现扩展。外围装置可以直接地或通过外围总线(1149)附接至核的系统总线(1148)。在示例中，屏幕(1110)可以连接至图形适配器(1150)。外围总线的架构包括PCI、USB等。

CPU(1141)、GPU(1142)、FPGA(1143)和加速器(1144)可以执行某些指令，这些指令可以组合地构成以上提及的计算机代码。该计算机代码可以被存储在ROM(1145)或RAM(1146)中。暂态数据也可以被存储在RAM(1146)中，而永久数据可以被存储在例如内部大容量存储装置(1147)中。可以通过使用缓存存储器来实现对存储装置中的任何存储装置的快速存储和检索，该缓存存储器可以与一个或更多个CPU(1141)、GPU(1142)、大容量存储装置(1147)、ROM(1145)、RAM(1146)等紧密关联。

计算机可读介质上可以具有用于执行各种计算机实现的操作的计算机代码。介质和计算机代码可以是出于本公开内容的目的而专门设计和构造的介质和计算机代码，或者介质和计算机代码可以具有计算机软件领域的技术人员公知且可用的类型。

作为示例而非限制，具有架构的计算机系统(1100)并且特别是核(1140)可以提供作为处理器(包括CPU、GPU、FPGA、加速器等)执行体现在一个或更多个有形计算机可读介质中的软件的结果而提供的功能。这样的计算机可读介质可以是与如以上所介绍的用户可访问的大容量存储装置相关联的介质，以及具有非暂态性质的核(1140)的某些存储装置，例如核内部的大容量存储装置(1147)或ROM(1145)。可以将实现本公开内容的各种实施方式的软件存储在这样的装置中并且由核(1140)执行。根据特定需求，计算机可读介质可以包括一个或更多个存储器装置或芯片。软件可以使核(1140)——并且特别是其中的处理器(包括CPU、GPU、FPGA等)——执行本文中描述的特定处理或特定处理的特定部分，包括定义存储在RAM(1146)中的数据结构以及根据由软件定义的处理修改这样的数据结构。另外地或作为替选，计算机系统可以提供作为硬连线或以其他方式体现在电路(例如：加速器(1144))中的逻辑的结果的功能，该逻辑可以代替软件而操作或与软件一起操作以执行本文中描述的特定处理或特定处理的特定部分。在适当的情况下，提及软件可以包含逻辑，并且反之提及逻辑可以包含软件。在适当的情况下，提及计算机可读介质可以包含存储用于执行的软件的电路(例如，集成电路(integrated circuit，IC))、实施用于执行的逻辑的电路或上述两者。本公开内容包括硬件与软件的任何合适的组合。

虽然本公开内容已经描述了若干示例性实施方式，但是存在落入本公开内容的范围内的变更、置换和各种替代等同物。因此将认识到，虽然本文中没有明确示出或描述，但是本领域技术人员能够设想实施本公开内容的原理并且因此在其精神和范围内的许多系统和方法。

附录A：首字母缩写词

ALF：自适应环路滤波器

AMVP：高级运动矢量预测

APS：自适应参数集

ASIC：专用集成电路

ATMVP：替代/高级时间运动矢量预测

AV1：AOMedia视频1

AV2：AOMedia视频2

BMS：基准集

BV：块矢量

CANBus：控制器区域网络总线

CB：编码块

CC-ALF：交叉分量自适应环路滤波器

CD：致密盘

CDEF：约束定向增强滤波器

CPR：当前图片参考

CPU：中央处理单元

CRT：阴极射线管

CTB：编码树块

CTU：编码树单元

CU：编码单元

DPB：解码器图片缓冲器

DPCM：差分脉冲编码调制

DPS：解码参数集

DVD：数字视频盘

FPGA：现场可编程门区域

JCCR：联合CbCr残差编码

JVET：联合视频探索团队

GOP：图片群组

GPU：图形处理单元

GSM：全球移动通信系统

HDR：高动态范围

HEVC：高效视频编码

HRD：假想参考解码器

IBC：帧内块复制

IC：集成电路

ISP：帧内子划分

JEM：联合开发模型

LAN：局域网

LCD：液晶显示器

LR：环路恢复滤波器

LRU：环路恢复单元

LTE：长期演进

MPM：最可能的模式

MV：运动矢量

OLED：有机发光二极管

PB：预测块

PCI：外围组件互连

PDPC：位置相关的预测组合

PLD：可编程逻辑装置

PPS：图片参数集

PU：预测单元

RAM：随机存取存储器

ROM：只读存储器

SAO：样本自适应偏移

SCC：屏幕内容编码

SDR：标准动态范围

SEI：补充增强信息

SNR：信噪比

SPS：序列参数集

SSD：固态驱动器

TU：变换单元

USB：通用串行总线

VPS：视频参数集

VUI：视频可用性信息

VVC：通用视频编码

WAIP：广角帧内预测

Claims (20)

1.一种在解码器处进行视频译码的方法，包括：

对作为视频比特流的一部分的当前图片中的当前块的预测信息进行解码；

针对所述当前块基于所述视频比特流中包括的语法元素来确定启用第一多个编码工具并且禁用第二多个编码工具，所述第一多个编码工具包括去块滤波器编码工具，所述第二多个编码工具包括样本自适应偏移滤波器(SAO)编码工具、帧内子划分(ISP)编码工具以及基于矩阵的帧内预测(MIP)编码工具中的至少之一；以及

基于所述第一多个编码工具被启用以及所述第二多个编码工具被禁用来重构所述当前块，

其中，所述第一多个编码工具和所述第二多个编码工具之一中包括多变换集(MTS)编码工具和低频不可分离变换(LFNST)编码工具两者。

2.根据权利要求1所述的方法，其中，所述第一多个编码工具和所述第二多个编码工具之一中包括自适应环路滤波器(ALF)编码工具。

3.根据权利要求1所述的方法，其中，所述语法元素是指示针对所述当前块启用面向机器的视频译码(VCM)的序列参数集(SPS)标志。

4.根据权利要求1所述的方法，其中，所述语法元素包括指示所述视频比特流符合主10VCM配置文件和主10VCM静态图片配置文件之一的配置文件号。

5.根据权利要求4所述的方法，其中，

所述配置文件号为第一值指示所述视频比特流符合所述主10VCM配置文件，以及

所述配置文件号为第二值指示所述视频比特流符合所述主10VCM静态图片配置文件。

6.根据权利要求4所述的方法，其中，

所述解码器符合所述主10VCM静态图片配置文件，

所述配置文件号指示所述视频比特流符合所述主10VCM配置文件，以及

所述当前图片是所述视频比特流中的第一图片，并且是帧内随机访问图片(IRAP)和渐进解码刷新(GDR)图片之一。

7.根据权利要求4所述的方法，其中，所述视频比特流符合的配置文件的层级号和级别号分别小于或等于所述解码器符合的配置文件的层级号和级别号。

8.一种设备，包括：

处理电路系统，所述处理电路系统被配置成：

对作为视频比特流的一部分的当前图片中的当前块的预测信息进行解码；

针对所述当前块基于所述视频比特流中包括的语法元素来确定启用第一多个编码工具并且禁用第二多个编码工具，所述第一多个编码工具包括去块滤波器编码工具，所述第二多个编码工具包括样本自适应偏移滤波器(SAO)编码工具、帧内子划分(ISP)编码工具以及基于矩阵的帧内预测(MIP)编码工具中的至少之一；以及

基于所述第一多个编码工具被启用以及所述第二多个编码工具被禁用来重构所述当前块，

其中，所述第一多个编码工具和所述第二多个编码工具之一中包括多变换集(MTS)编码工具和低频不可分离变换(LFNST)编码工具两者。

9.根据权利要求8所述的设备，其中，所述第一多个编码工具和所述第二多个编码工具之一中包括自适应环路滤波器(ALF)编码工具。

10.根据权利要求8所述的设备，其中，所述语法元素是指示针对所述当前块启用面向机器的视频译码(VCM)的序列参数集(SPS)标志。

11.根据权利要求8所述的设备，其中，所述语法元素包括指示所述视频比特流符合主10VCM配置文件和主10VCM静态图片配置文件之一的配置文件号。

12.根据权利要求11所述的设备，其中，

所述配置文件号为第一值指示所述视频比特流符合所述主10VCM配置文件，以及

所述配置文件号为第二值指示所述视频比特流符合所述主10VCM静态图片配置文件。

13.根据权利要求11所述的设备，其中，

与所述设备相关联的解码器符合所述主10VCM静态图片配置文件，

所述配置文件号指示所述视频比特流符合所述主10VCM配置文件，以及

所述当前图片是所述视频比特流中的第一图片，并且是帧内随机访问图片(IRAP)和渐进解码刷新(GDR)图片之一。

14.根据权利要求11所述的设备，其中，所述视频比特流符合的配置文件的层级号和级别号分别小于或等于与所述设备相关联的解码器符合的配置文件的层级号和级别号。

15.一种非暂态计算机可读存储介质，其存储指令，所述指令在由至少一个处理器执行时使所述至少一个处理器执行以下处理：

对作为视频比特流的一部分的当前图片中的当前块的预测信息进行解码；

针对所述当前块基于所述视频比特流中包括的语法元素来确定启用第一多个编码工具并且禁用第二多个编码工具，所述第一多个编码工具包括去块滤波器编码工具，所述第二多个编码工具包括样本自适应偏移滤波器(SAO)编码工具、帧内子划分(ISP)编码工具以及基于矩阵的帧内预测(MIP)编码工具中的至少之一；以及

基于所述第一多个编码工具被启用以及所述第二多个编码工具被禁用来重构所述当前块，

其中，所述第一多个编码工具和所述第二多个编码工具之一中包括多变换集(MTS)编码工具和低频不可分离变换(LFNST)编码工具两者。

16.根据权利要求15所述的非暂态计算机可读存储介质，其中，所述第一多个编码工具和所述第二多个编码工具之一中包括自适应环路滤波器(ALF)编码工具。

17.根据权利要求15所述的非暂态计算机可读存储介质，其中，所述语法元素是指示针对所述当前块启用面向机器的视频译码(VCM)的序列参数集(SPS)标志。

18.根据权利要求15所述的非暂态计算机可读存储介质，其中，所述语法元素包括指示所述视频比特流符合主10VCM配置文件和主10VCM静态图片配置文件之一的配置文件号。

19.根据权利要求18的非暂态计算机可读存储介质，其中，

所述配置文件号为第一值指示所述视频比特流符合所述主10VCM配置文件，以及

所述配置文件号为第二值指示所述视频比特流符合所述主10VCM静态图片配置文件。

20.根据权利要求18的非暂态计算机可读存储介质，其中，

与所述非暂态计算机可读存储介质相关联的解码器符合所述主10VCM静态图片配置文件，

所述配置文件号指示所述视频比特流符合所述主10VCM配置文件，以及

所述当前图片是所述视频比特流中的第一图片，并且是帧内随机访问图片(IRAP)和渐进解码刷新(GDR)图片之一。

Images