CN116134817A - 使用稀疏光流表示的运动补偿 - Google Patents

使用稀疏光流表示的运动补偿 Download PDF

Info

Publication number
CN116134817A
CN116134817A CN202180044096.XA CN202180044096A CN116134817A CN 116134817 A CN116134817 A CN 116134817A CN 202180044096 A CN202180044096 A CN 202180044096A CN 116134817 A CN116134817 A CN 116134817A
Authority
CN
China
Prior art keywords
motion vector
image
motion
starting
video
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
CN202180044096.XA
Other languages
English (en)
Inventor
马克西姆·鲍里索维奇·西切夫
伊蕾娜·亚历山德罗夫娜·阿尔希娜
米哈伊尔·维亚切斯拉沃维奇·索苏尔尼科夫
亚历山大·亚历山德罗维奇·卡拉布托夫
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Publication of CN116134817A publication Critical patent/CN116134817A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/573—Motion compensation with multiple frame prediction using two or more reference frames in a given prediction direction
    • 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
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—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
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • 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
    • H04N19/172—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 picture, frame or field
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/537—Motion estimation other than block-based

Landscapes

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

Abstract

本发明提供了用于根据经过子采样的稀疏运动场估计密集运动场的运动向量的方法和装置。所述稀疏运动场包括两个或两个以上运动向量以及它们各自的起始位置。对于每个所述运动向量，推导将所述运动向量从其起点变换到目标点的变换。然后，所述变换后的运动向量贡献于目标位置上的运动向量估计。对每个运动向量的贡献进行加权。这种运动估计可以很容易地用于视频编码和解码。

Description

使用稀疏光流表示的运动补偿
技术领域
本发明实施例大体上涉及视频处理领域，尤其涉及运动补偿以及用于视频处理的方法和装置。
背景技术
视频译码(视频编码和解码)广泛用于数字视频应用，例如广播数字电视、基于互联网和移动网络的视频传输、视频聊天和视频会议等实时会话应用、DVD和蓝光光盘、视频内容采集和编辑系统以及安全应用的可携式摄像机。
即使视频相对较短，也需要大量的视频数据来描述，当数据要在带宽容量有限的通信网络中流式传输或以其它方式传输时，这样可能会造成困难。因此，视频数据通常要先压缩，然后通过现代电信网络进行传输。由于内存资源可能有限，当在存储设备中存储视频时，该视频的大小也可能是一个问题。视频压缩设备通常在信源侧使用软件和/或硬件对视频数据进行编码，然后传输或存储视频数据，从而减少表示数字视频图像所需的数据量。然后，对视频数据进行解码的视频解压缩设备在目的地侧接收压缩数据。在网络资源有限以及对更高视频质量的需求不断增长的情况下，需要改进压缩和解压缩技术，这些改进的技术能够在几乎不影响图像质量的情况下提高压缩比。
一般而言，图像压缩可以是无损或有损。在无损图像压缩中，原始图像可以从压缩图像中完美重建。但是，压缩率相当低。相比之下，有损图像压缩可以实现高压缩率，但缺点是无法完美重建原始图像。尤其是在低码率下使用时，有损图像压缩会引入可见的空间压缩伪影。
发明内容
本发明涉及用于估计给定目标位置上的运动向量的方法和装置。
本发明由独立权利要求的范围限定。一些有利实施例在从属权利要求中提供。
具体地，本发明实施例提供了一种从稀疏运动场表示中估计给定目标位置上的运动向量的高效方法。这是通过对贡献运动向量进行加权来执行的，其中，所述贡献运动向量是通过对属于所述稀疏运动场表示的运动向量进行至少两种不同变换得到的。
根据一方面，提供了一种用于估计目标位置处的运动向量的方法。所述方法包括：获取两个或两个以上起始位置和分别从所述两个或两个以上起始位置开始的两个或两个以上运动向量；对于所述两个或两个以上起始位置中的每个起始位置，获取用于将从所述起始位置开始的运动向量变换到另一个位置的对应变换；通过使用所述对应变换将所述两个或两个以上运动向量中的每个运动向量从所述起始位置变换到所述对应变换的目标位置，确定两个或两个以上贡献运动向量；估计所述目标位置处的运动向量，其中，所述运动向量包括所述两个或两个以上贡献运动向量的加权平均值。
所述方法可以使用更复杂的运动模型来表示更大的区域，而使用更少的参数来描述更大的区域。所述参数可以从编码端可用的光流中预测，而不是使用众所周知的大部分复杂的率失真优化(Rate-Distortion Optimization，RDO)方法。当运动模型简单时，编码器可以执行更多子采样。更复杂的运动模型可以用于描述预测帧的较大区域内的运动，这减少了信令开销。
在一些实现方式中，非线性函数是高斯分布函数。这种非线性运动模型可以使运动场的任何稀疏表示增密。例如，距离对应于平方范数。很容易计算平方范数，尤其是与高斯分布函数结合使用。由于高斯分布存在距离的二次项，因此计算范数所需的平方根计算是不必要的。
根据一个实施例，所述获取变换包括：获取从所述另一个位置开始的运动向量；根据从所述起始位置开始的所述运动向量到从所述另一个位置开始的所述运动向量的仿射变换，估计仿射变换的参数。仿射变换可以涵盖通常存在于自然视频中的大量运动类型，例如缩放、旋转或平移。
例如，所述两个或两个以上起始位置属于一组Ns个起始位置，其中，Ns>2，所述起始位置按照预定义顺序排列；对于起始位置j，0≤j≤Ns，所述另一个位置是所述预定义顺序中的位置j+1。位置以及可能与之相关联的运动向量的排序可以高效存储和/或传输这些边信息参数。
例如，贡献向量的权重取决于相应变换运动向量的起始位置在所述预定义顺序内的位置。这样，权重与位置/运动向量的关联性可以在没有显式指示的情况下存储或传送。
根据一个实施例，所述两个或两个以上起始位置是图像的分片中的样本位置，其中，所述图像包括多个分片，所述分片是比所述图像小的一组图像样本。按照所述分片进行运动向量估计和变换可以更好地适应图像的内容，并且可以实现某种并行处理。
在一些示例性实现方式中，所述方法包括以下步骤：重建所述图像的所述分片的运动向量场，包括估计从所述分片的每个(例如每个整数)样本目标位置P(x,y)开始的运动向量，其中，所述运动向量不属于相应运动向量可用的两个或两个以上起始位置。这使得能够从稀疏(子样本)运动场中重建密集运动场，这样构成近似光流。光流可以用于在视频编解码器等中进行预测。需要说明的是，除了估计从不属于两个或两个以上起始位置中的每个位置开始的运动向量之外，在一些实施例中，还可以估计两个或两个以上起始位置。
根据一个实施例，所述两个或两个以上起始位置和分别从所述两个或两个以上起始位置开始的所述两个或两个以上运动向量是通过从与所述图像的所述分片有关的码流中解析得到的；在所述加权平均值中使用的权重是根据从所述码流中解析出的一个或多个参数确定的。在码流中提供这些参数使得编码器和解码器能够传输(运动向量场和/或视频图像的)这些参数。
此外，在一些实现方式中，所述图像的所述分片内的所述两个或两个以上起始位置是根据从所述码流中解码出的所述分片的特征确定的；分别从所述两个或两个以上起始位置开始的所述两个或两个以上运动向量是通过从与所述分片相关的码流中解析得到的；在所述加权平均值中使用的权重是根据从所述码流中解析出的一个或多个参数确定的。指示边信息以在码流中指定加权函数可以适应图像内容的权重，因此实现更准确的重建。
例如，所述两个或两个以上起始位置和分别从所述两个或两个以上起始位置开始的所述两个或两个以上运动向量是通过确定运动向量场和通过对所述获取到的运动向量场进行子采样得到的，其中，所述运动向量场包括所述图像的所述分片的每个(例如每个整数)样本位置的运动向量；和/或相应贡献运动向量的权重是通过率失真优化或机器学习确定的。
根据一方面，提供了一种用于对图像进行解码的方法。所述方法包括：根据上述实施例和示例所述的估计样本目标位置处的运动向量；根据所述估计的运动向量和对应的参考图像，预测所述图像中的所述目标位置处的样本；根据所述预测重建所述目标位置处的样本。执行运动向量估计的解码器能够使用很少参数来重建图像的任何部分的运动向量。因此，当将参数传送到解码器时，可以高效使用速率。
根据一方面，提供了一种用于对图像进行编码的方法。所述方法包括：根据上述实施例和示例所述的估计目标位置处的运动向量；根据所述估计的运动向量和对应的参考图像，预测所述图像中的所述目标位置处的样本；根据所述预测对所述目标位置处的样本进行编码。执行运动向量估计的编码器能够高效地对运动向量场进行编码。
根据一方面，提供了一种用于估计目标位置处的运动向量的装置。所述装置包括处理电路，所述处理电路包括：电路，用于获取两个或两个以上起始位置和分别从所述两个或两个以上起始位置开始的两个或两个以上运动向量；电路，用于：对于所述两个或两个起始位置中的每个起始位置，获取用于将从所述起始位置开始的运动向量变换到另一个位置的对应变换；电路，用于使用所述对应变换将所述两个或两个以上运动向量中的每个运动矢量从所述起始位置变换到所述对应变换的目标位置，确定两个或两个以上贡献运动向量；电路，用于估计所述目标位置处的运动向量，其中，所述运动向量包括所述两个或两个以上贡献运动向量的加权平均值。
根据一方面，提供了一种用于对图像进行编码的编码设备。所述设备包括：根据任一上述实施例和示例所述的用于估计目标位置处的运动向量的装置；样本预测器，用于根据所述估计的运动向量和对应的参考图像，预测所述图像中的目标位置处的样本；码流生成器，用于根据所述预测对所述目标位置处的样本进行编码。
根据一方面，提供了一种用对图像进行解码的解码设备。所述设备包括：根据任一上述实施例和示例所述的用于估计目标位置处的运动向量的装置；样本预测器，用于根据所述估计的运动向量和对应的参考图像，预测所述图像中的目标位置处的样本；样本重建器，用于根据所述预测重建所述目标位置处的样本。
此外，本发明还提供了与上述处理电路执行的步骤相对应的方法。
根据一方面，提供了一种计算机产品，包括用于执行上述方法的程序代码。所述计算机产品可以提供在非瞬时性介质中并且包括指令，当所述指令在一个或多个处理器上执行时，这些指令执行上述方法的步骤。
上述装置可以在集成芯片上实现。
任一上述实施例和示例性实现方式可以组合在一起。
附图说明
下面结合附图对本发明实施例进行详细描述。
图1是对视频进行编码的示例性编码设备的框图。
图2是对视频进行解码的示例性解码设备的框图。
图3是各种运动场变换的示意图。
图4是根据底层运动模型的阶数大致比较多个参数的示意图。
图5是可以实现一些实施例的编解码器(编码端)的框图。
图6是用于估计运动向量的示例性方法的流程图。
图7是运动向量的两种变换的示意图。
图8是运动向量的两种变换的示意图。
图9是运动向量的两种变换和获取最终运动向量的示意图。
图10是权重分布的示意图。
图11是通过加权获取估计的运动向量的示意图。
图12是用于估计给定目标位置处的运动向量的方法的流程图。
图13是用于估计给定目标位置处的运动向量的装置的框图。
图14是可用于实现一些实施例的视频译码系统的一个示例的框图。
图15是可用于实现一些实施例的视频译码系统的另一个示例的框图。
图16是编码装置或解码装置的一个示例的框图；
图17是编码装置或解码装置的另一个示例的框图。
具体实施方式
在以下描述中，参考构成本发明一部分的附图，这些附图通过说明的方式示出了本发明实施例的具体方面或可以使用本发明实施例的具体方面。应当理解的是，本发明实施例可以在其它方面中使用，并且可以包括附图中未描绘的结构变化或逻辑变化。因此，以下详细描述不应以限制性的意义来理解，且本发明的范围由所附权利要求书界定。
例如，应当理解的是，与描述的方法有关的公开内容对于用于执行所述方法的对应设备或系统也同样适用，反之亦然。例如，如果描述一个或多个具体方法步骤，则对应的设备可以包括一个或多个单元(例如功能单元)来执行所描述的一个或多个方法步骤(例如，一个单元执行一个或多个步骤，或者多个单元分别执行多个步骤中的一个或多个步骤)，即使附图中未明确描述或示出这类一个或多个单元。另一方面，例如，如果根据一个或多个单元(例如功能单元)来描述具体装置，则对应的方法可以包括一个步骤来执行一个或多个单元的功能(例如，一个步骤执行一个或多个单元的功能，或者多个步骤分别执行多个单元中的一个或多个单元的功能)，即使图中未明确描述或示出这类一个或多个步骤。此外，应当理解的是，除非另外明确说明，本文中描述的各个示例性实施例和/或方面的特征可以相互组合。
视频译码(coding)通常是指处理形成视频或视频序列的图像序列。在视频译码领域，术语“帧(frame)”与“图像(picture/image)”可以用作同义词。视频译码(或通常称为译码)包括视频编码和视频解码两部分。视频编码在源侧执行，通常包括处理(例如通过压缩)原始视频图像，以减少表示视频图像所需的数据量(从而更高效地存储和/或传输)。视频解码在目的地侧执行，通常包括相对于编码器作逆处理，以重建视频图像。实施例涉及的视频图像(或通常称为图像)的“译码”应当理解为涉及视频图像或各自视频序列的“编码”或“解码”。编码部分和解码部分也合称为编解码(编码和解码)。
在无损视频译码的情况下，可以重建原始视频图像，即经重建视频图像与原始视频图像具有相同的质量(假设存储或传输期间没有传输损耗或其它数据丢失)。在有损视频译码的情况下，通过量化等执行进一步压缩，以减少表示视频图像的数据量，而解码器侧无法完全重建视频图像，即经重建视频图像的质量比原始视频图像的质量低或差。
若干个视频译码标准属于“有损混合视频编解码器”组(即，将样本域中的空间和时间预测与2D变换编码相结合，以在变换域中进行量化)。视频序列中的每个图像通常分割成不重叠块的集合，而且通常在块级执行译码。换句话说，编码器侧通常在块(视频块)级通过以下方式对视频进行处理，即编码：例如，使用空间(帧内)预测和/或时间(帧间)预测来生成预测块，从当前块(当前处理/待处理的块)中减去预测块以获取残差块，在变换域中变换残差块并量化残差块，以减少待传输(压缩)的数据量；而解码器侧将相对于编码器的逆处理部分应用于经编码或经压缩块，以重建用于表示的当前块。此外，编码器复制解码器处理循环，使得编码器和解码器生成相同的预测(例如帧内和帧间预测)和/或重建，以对后续块进行处理，即译码。
接下来解释关于本文中使用的至少一些实施例的一些技术术语。
参考帧(Reference Frame)是用作参考的帧(有时也称为参考图像)，目的是预测等。这里的预测可以是帧间预测，表示当前帧中的一些样本根据另一帧中的样本进行预测的时间预测。
运动向量(Motion Vector)是一个向量，它指定两个不同帧中的两个对应点的空间距离，通常表示为v＝[v_x,v_y]。这样的运动向量可以是2D运动向量。然而，对于2D运动向量，通常假设参考图像(帧)是已知的。一般而言，参考图像(帧)的指示也可以是运动向量的坐标，而坐标可以是3D。可以有更多的坐标。
这里的坐标(Coordinate)有时是指像素(样本)的位置或图像中的运动向量原点的位置，表示为p＝[px,py]。
运动场(Motion Field)是一组{p,v}对，缩写为MF，有时称为运动向量场(motionvector field，MVF)。换句话说，运动场是图像内具有不同原点的(一组)运动向量的集合。
光流(Optical flow)指示图像(帧)中的亮度模式运动的表观速度的分布。具体地，这种光流可以通过运动场表示/指示。
密集运动场(Dense Motion Field)是覆盖图像中的每个样本(例如整数样本或所需样本网格中的包括子样本的任何样本)的运动场。这里，当存储或传输密集运动场时，如果图像的尺寸是已知的，则p是冗余的，因为运动向量可以按照每个样本(对于每个p)的行扫描顺序进行排列，例如从左到右和从上到下扫描，或者任何其它方式。
稀疏运动场(Sparse Motion Field)是一个不覆盖所有像素(例如整数样本或所需样本网格中的任何样本)的运动场。这里，当存储或传输稀疏运动场以及p可以变化时，了解p是必要的。还可以将位置p组织成预定模式(例如，每四个样本或某个网格等)，从而不必存储或传输这些位置。
子采样(Sub-sampling)是将密集数据(例如密集运动场)变换为稀疏表示(例如稀疏运动场)的过程。
当前帧(Current Frame)在这里表示当前要处理的帧(例如，要确定该帧的运动向量或运动场，该帧要进行编码或解码或预测或滤波或以其它方式处理等)。术语“当前(currently/current)”通常是指在描述某一过程或装置时当前考虑的一部分，例如帧。
预测帧(Predicted Frame)表示包括使用经过处理(例如经过编码、解码、传输、接收、滤波等)的信息来估计的样本的帧。这样的信息可以是，例如参考帧和/或其它已传输的边信息。
残差帧(Residual Frame)是预测帧和当前帧之间的差值。残差帧可以用于，例如补偿预测误差。具体地，残差帧可以进行编码和传输以补偿预测误差，例如被添加到解码端/接收端的预测帧中。
运动补偿(Motion Compensation)是指使用参考图像和运动信息来生成预测图像的术语。
帧间预测(Inter-Prediction)是视频编码中的预测，其中，运动信息指示给解码器(或在解码器侧推导出而不是指示)，这样，解码器可以使用先前解码的帧来生成预测图像。
钟形函数(Bell-shaped function)是高斯分布(或任何类似的正态分布)函数。一般而言，钟形函数是指数为二次项的函数。术语“钟”是指钟形曲线的图形表示。
已知的视频译码器使用运动估计和运动补偿进行帧间预测，以利用时间冗余。运动向量表示，为当前帧中的像素获得较好的预测值而必须位移参考帧中的像素的方式。这通常按块执行，即将相同的运动向量分配给块中的每个像素。这个过程通常不准确，而且会产生块效应。另一方面，待传输的运动向量很少。
图1是示例性视频编码器20的示意性图。视频编码器20还可以被修改或配置来实现本发明中的技术，如下面参考更多附图和实施例所述。在图1的示例中，视频编码器20包括输入端201(或输入接口201)、残差计算单元204、变换处理单元206、量化单元208、反量化单元210、逆变换处理单元212、重建单元214、环路滤波器单元220、解码图像缓冲区(decoded picture buffer，DPB)230、模式选择单元260、熵编码单元270和输出端272(或输出接口272)。模式选择单元260可以包括帧间预测单元244、帧内预测单元254和分割单元262。帧间预测单元244可以包括运动估计单元和运动补偿单元(未示出)。图2所示的视频编码器20也可以称为混合视频编码器或基于混合型视频编解码器的视频编码器。
残差计算单元204、变换处理单元206、量化单元208和模式选择单元260可以组成编码器20的前向信号路径，而反量化单元210、逆变换处理单元212、重建单元214、缓冲区216、环路滤波器220、解码图像缓冲区(decoded picture buffer，DPB)230、帧间预测单元244和帧内预测单元254可以组成视频编码器20的后向信号路径，其中，视频编码器20的后向信号路径对应于解码器(参见图3中的视频解码器30)的信号路径。反量化单元210、逆变换处理单元212、重建单元214、环路滤波器220、解码图像缓冲区(decoded picturebuffer，DPB)230、帧间预测单元244和帧内预测单元254还组成视频编码器20的“内置解码器”。
编码器20可以用于通过输入端201等接收图像17(或图像数据17)。图像17可以是组成视频或视频序列的图像序列中的图像。接收到的图像或图像数据还可以是预处理图像19(或预处理图像数据19)。为简单起见，以下描述中使用图像17。图像17还可以称为当前图像或待译码图像(尤其是在视频译码中为了将当前图像与同一视频序列(也就是同样包括当前图像的视频序列)中的其它图像(例如先前的经编码和/或经解码图像)区分开)。
(数字)图像是或可以视为由具有强度值的样本(sample)组成的二维阵列或矩阵。阵列中的样本也可以称为像素(pixel/pel)(图像元素的简称)。阵列或图像在水平方向和垂直方向(或轴线)上的样本数量限定了图像的大小和/或分辨率。为了表示颜色，通常采用3个颜色分量，即图像可以表示为或可以包括3个样本阵列。在RBG格式或颜色空间中，一个图像包括对应的红色、绿色和蓝色样本阵列。但是，在视频译码中，每个像素通常以亮度和色度格式或颜色空间表示，例如YCbCr，包括Y表示的亮度分量(有时还用L表示)以及Cb和Cr表示的2个色度分量。亮度(luminance，简写为luma)分量Y表示亮度或灰度级强度(例如在灰度等级图像中两者相同)，而2个色度(chrominance，简写为chroma)分量Cb和Cr表示色度或颜色信息分量。因此，YCbCr格式的图像包括由亮度样本值(Y)组成的亮度样本阵列和由色度值(Cb和Cr)组成的2个色度样本阵列。RGB格式的图像可以转换或变换为YCbCr格式，反之亦然。该过程也称为颜色变换或转换。如果图像是黑白的，则该图像可以只包括亮度样本阵列。相应地，图像可以为，例如黑白格式的亮度样本阵列或4:2:0、4:2:2和4:4:4颜色格式的亮度样本阵列和2个对应的色度样本阵列。
视频编码器20的实施例可以包括图像分割单元(图1中未示出)，用于将图像17分割成多个(通常不重叠的)图像块203。这些块也可以称为根块、(H.264/AVC中的)宏块，或(H.265/HEVC和VVC中的)编码树块(coding tree block，CTB)或编码树单元(coding treeunit，CTU)。图像分割单元可以用于对视频序列中的所有图像使用相同的块大小和使用限定块大小的对应网格，或者在图像或图像子集或图像组之间改变块大小，并将每个图像分割成多个对应块。
在其它实施例中，视频编码器可以用于直接接收图像17中的块203，例如组成图像17的一个、几个或所有块。图像块203也可以称为当前图像块或待译码图像块。
与图像17类似，图像块203同样是或者可以视为具有强度值(样本值)的样本组成的二维阵列或矩阵，但是图像块203的尺寸比图像17的尺寸小。换句话说，块203可以包括，例如一个样本阵列(例如黑白图像17情况下的亮度阵列，或者彩色图像情况下的亮度阵列或色度阵列)或3个样本阵列(例如彩色图像17情况下的1个亮度阵列和2个色度阵列)或任何其它数量和/或类型的阵列，取决于所采用的颜色格式。块203在水平方向和垂直方向(或轴线)上的样本数量限定了块203的大小。相应地，一个块可以为，例如M×N(M列×N行)的样本阵列，或M×N的变换系数阵列等。图1所示的视频编码器20的实施例可以用于逐块对图像17进行编码，例如按块203执行编码和预测。
图1所示的视频编码器20的实施例还可以用于使用条带(slice)(还称为视频条带)对图像进行分割和/或编码。一个图像可以分割成一个或多个(通常不重叠的)条带或使用一个或多个(通常不重叠的)条带进行编码，每个条带可以包括一个或多个块(例如CTU)。图1所示的视频编码器20的实施例还可以用于使用分块(tile)组(还称为视频分块组)和/或分块(还称为视频分块)对图像进行分割和/或编码。一个图像可以分割成一个或多个(通常不重叠的)分块组或使用一个或多个(通常不重叠的)分块组进行编码；每个分块组可以包括，例如一个或多个块(例如CTU)或一个或多个分块；每个分块，例如可以为矩形并可以包括一个或多个完整或部分块(例如CTU)等。
残差计算单元204可以用于通过以下方式根据图像块203和预测块265(后续提供了预测块265的更多详细描述)来计算残差块205(还称为残差205)：例如，逐个样本(逐个像素)从图像块203的样本值中减去预测块265的样本值，以获取样本域中的残差块205。
变换处理单元206可以用于在残差块205的样本值上应用离散余弦变换(discretecosine transform，DCT)或离散正弦变换(discrete sine transform，DST)或它们的整数近似变换等变换，以获取变换域中的变换系数207。变换系数207也可以称为变换残差系数并表示变换域中的残差块205。视频编码器20(相应地，变换处理单元206)的实施例可以用于直接输出或通过熵编码单元270进行编码或压缩后输出变换参数(例如，一种或多种变换的类型)，使得视频解码器30可以接收并使用变换参数进行解码，等等。
量化单元208可以用于通过应用标量量化或向量量化等来量化变换系数207，以获取经量化系数209。经量化系数209也可以称为经量化变换系数209或经量化残差系数209。量化过程可以减少与部分或全部变换系数207相关的位深度。例如，n位变换系数可以在量化期间向下取整到m位变换系数，其中，n大于m。量化程度可以通过调整量化参数(quantization parameter，QP)进行修改。例如，对于标量量化，可以进行不同程度的缩放来实现较细或较粗量化。较小量化步长对应较细量化，而较大量化步长对应较粗量化。合适的量化步长可以通过量化参数(quantization parameter，QP)表示。例如，量化参数可以是一组预定义的合适量化步长的索引。例如，较小的量化参数可以对应精细量化(较小量化步长)，较大的量化参数可以对应粗糙量化(较大量化步长)，反之亦然。量化可以包括除以量化步长，而由反量化单元210等执行的对应和/或反解量化可以包括乘以量化步长。量化是有损操作，其中，量化步长越大，损耗越大。视频编码器20(对应地，量化单元208)的实施例可以用于直接输出或通过熵编码单元270进行编码后输出量化参数(quantizationparameter，QP)，使得视频解码器30可以接收并使用量化参数进行解码，等等。
反量化单元210用于通过以下方式对经量化系数应用量化单元208的反量化，以获取经解量化系数211：例如，根据或使用与量化单元208相同的量化步长，应用与量化单元208应用的量化方案相反的反量化方案。经解量化系数211也可以称为经解量化残差系数211，对应于变换系数207，但是由于量化造成损耗，通常与变换系数不相同。
逆变换处理单元212用于应用与变换处理单元206应用的变换相反的逆变换，例如，逆离散余弦变换(discrete cosine transform，DCT)或逆离散正弦变换(discretesine transform，DST)或其它逆变换，以获取样本域中的经重建残差块213(或对应的经解量化系数213)。经重建残差块213也可以称为变换块213。
重建单元214(例如加法器或求和器214)用于通过以下方式将变换块213(即经重建残差块213)添加到预测块265，以获取样本域中的经重建块215：例如，逐个样本将经重建残差块213的样本值与预测块265的样本值相加。
环路滤波器单元220(或简称为“环路滤波器”220)用于对重建块215进行滤波，以获取经滤波块221，或通常用于对经重建样本进行滤波，以获取经滤波样本值。例如，环路滤波器单元用于顺利进行像素转变或以其它方式提高视频质量。虽然环路滤波器单元220在图1中示为环内滤波器，但是在其它配置中，环路滤波器单元220可以实施为环后路滤波器。经滤波块221也可以称为经滤波的经重建块221。
解码图像缓冲区(decoded picture buffer，DPB)230可以是存储参考图像或通常存储参考图像数据的存储器，这些参考图像或参考图像数据用于由视频编码器20对视频数据进行编码。DPB 230可以由多种存储设备中的任一种形成，例如，动态随机存取存储器(dynamic random access memory，DRAM)，包括同步DRAM(synchronous DRAM，SDRAM)、磁阻RAM(magnetoresistive RAM，MRAM)、电阻RAM(resistive RAM，RRAM)或其它类型的存储设备。解码图像缓冲区(decoded picture buffer，DPB)230可以用于存储一个或多个经滤波块221。解码图像缓冲区230还可以用于存储同一当前图像或不同图像(例如先前的经重建图像)中的其它先前经滤波块(例如先前经滤波的经重建块221)，并可以提供先前完整的经重建(即经解码)图像(和对应的参考块和样本)和/或部分重建的当前图像(和对应的参考块和样本)，以进行帧间预测等。解码图像缓冲区(decoded picture buffer，DPB)230还可以用于：如果经重建块215未由环路滤波器单元220进行滤波等，存储一个或多个未经滤波的经重建块215或通常存储未经滤波的经重建样本，或者用于存储对经重建块或样本进行进一步处理后得到的任何其它块或样本。
模式选择单元260包括分割单元262、帧间预测单元244和帧内预测单元254，并且用于从解码图像缓冲区230或其它缓冲区(例如行缓冲区，图中未显示)等接收或获取原始块203(当前图像17中的当前块203)等原始图像数据以及经重建图像数据(例如同一(当前)图像和/或一个或多个先前经解码图像中的经滤波和/或未经滤波的经重建样本或块)。经重建图像数据用作帧间预测或帧内预测等预测使用的参考图像数据，以获取预测块265或预测值265。
模式选择单元260可以用于为当前块预测模式(包括不分割)确定或选择一种分割方式以及确定或选择一种预测模式(例如帧内或帧间预测模式)，并生成对应的预测块265。预测块265用于对残差块205进行计算和对经重建块215进行重建。
模式选择单元260的实施例可以用于选择分割方式和预测模式(例如，从模式选择单元260支持或可用的那些模式中选择)。分割方式和预测模式提供最佳匹配或者说最小残差(最小残差意味着传输或存储中更好的压缩)，或提供最小信令开销(最小信令开销意味着传输或存储中更好的压缩)，或同时考虑或平衡以上两者。模式选择单元260可以用于根据率失真优化(rate distortion optimization，RDO)确定分割方式和预测模式，即选择提供最小率失真的预测模式。本文中的“最佳”、“最小”、“最优”等术语不一定指总体上“最佳”、“最小”、“最优”等，而是还可以指满足终止或选择标准的情况，例如，超过或低于阈值的值或其它约束条件可能导致“次优选择”，但会降低复杂度且减少处理时间。换句话说，分割单元262可以用于通过以下方式将块203分割成较小的块分区(partition)或子块(再次形成块)：例如，迭代地使用四叉树(quad-tree，QT)分割、二叉树(binary-tree，BT)分割或三叉树(triple-tree，TT)分割或其任意组合；并且用于对每个块分区或子块执行预测等，其中，模式选择包括选择分割块203的树结构，预测模式应用于每个块分区或子块。
如上所述，本文中使用的术语“块”可以是图像的一部分，特别是正方形或矩形部分。参考HEVC和VVC等，块可以是或可以对应于编码树单元(coding tree unit，CTU)、编码单元(coding unit，CU)、预测单元(prediction unit，PU)和变换单元(transform unit，TU)，和/或对应于多个对应块，例如，编码树块(coding tree block，CTB)、编码块(codingblock，CB)、变换块(transform block，TB)或预测块(prediction block，PB)。例如，编码树单元(coding tree unit，CTU)可以是或可以包括具有3个样本阵列的图像中的亮度样本组成的1个CTB以及该图像中的色度样本组成的2个对应CTB，或者可以是或可以包括黑白图像或使用3个单独颜色平面和语法结构进行译码的图像中的样本组成的1个CTB。这些语法结构用于对上述样本进行译码。对应地，编码树块(coding tree block，CTB)可以是N×N的样本块，其中，N可以设为某个值，使得一个分量分成多个CTB，这就是一种分割方式。编码单元(coding unit，CU)可以是或可以包括具有3个样本阵列的图像中的亮度样本组成的1个编码块以及该图像中的色度样本组成的2个对应编码块，或者可以是或可以包括黑白图像或使用3个单独颜色平面和语法结构进行译码的图像中的样本组成的1个编码块。这些语法结构用于对上述样本进行译码。对应地，编码块(coding block，CB)可以是M×N的样本块，其中，M和N可以设为某个值，使得一个CTB分成多个编码块，这就是一种分割方式。
在实施例中，例如根据HEVC，编码树单元(coding tree unit，CTU)可以通过表示为编码树的四叉树结构划分成多个CU。是否使用帧间(时间)预测或帧内(空间)预测对图像区域进行译码在CU级决定。每个CU可以根据PU划分类型进一步划分成1个、2个或4个PU。一个PU内进行相同的预测过程，并以PU为单位向解码器传输相关信息。在根据PU划分类型进行预测过程获取残差块之后，CU可以根据与该CU的编码树类似的其它四叉树结构分割成变换单元(transform unit，TU)。
如上所述，视频编码器20用于从(例如预定的)预测模式集合内确定或选择最佳或最优的预测模式。例如，预测模式集合可以包括帧内预测模式和/或帧间预测模式等。具体地，模式选择还可以包括根据本发明选择预测模式，如下面参照运动信息推导、表示和指示的特定实施例详述。
帧内预测模式集合可以包括，例如35种不同的帧内预测模式，例如，HEVC等中定义的DC(或均值)模式和平面模式等非方向性模式或者方向性模式，或者可以包括67种不同的帧内预测模式，例如，VVC等中定义的DC(或均值)模式和平面模式等非方向性模式或者方向性模式。帧内预测单元254用于根据帧内预测模式集合内的帧内预测模式，使用同一当前图像的相邻块的经重建样本来生成帧内预测块265。帧内预测单元254(或通常称为模式选择单元260)还用于将帧内预测参数(或通常称为表示块的选定帧内预测模式的信息)以语法元素266的形式输出到熵编码单元270，以将帧内预测参数包含在经编码图像数据21中，使得视频解码器30可以接收并使用预测参数进行解码，等等。
(可能的)帧间预测模式集合取决于可用参考图像(即上述存储在DBP 230等中的至少部分经解码图像)和其它帧间预测参数，例如取决于是否使用整个参考图像或只使用参考图像的一部分(例如当前块的区域周围的搜索窗口区域)来搜索最佳匹配参考块，和/或例如取决于是否进行像素插值，例如二分之一/半像素插值和/或四分之一像素插值。帧间预测模式可以包括与运动场确定和表示一起操作的模式，如下面实施例所述。这种模式可以是多个帧间模式中的一种。
除上述预测模式之外，还可以使用跳过模式和/或直接模式。
帧间预测单元244可以包括运动估计(motion estimation，ME)单元和运动补偿(motion compensation，MC)单元(两者在图2中未示出)。运动估计单元可以用于接收或获取图像块203(当前图像17中的当前图像块203)和经解码图像231，或者至少一个或多个先前的经重建块(例如一个或多个其它/不同的先前经解码图像231中的经重建块)，以进行运动估计。例如，视频序列可以包括当前图像和先前经解码图像231，或者换句话说，当前图像和先前经解码图像231可以是图像序列的一部分或组成图像序列，这个图像序列组成视频序列。
例如，编码器20可以用于从多个其它图像中的同一或不同图像的多个参考块中选择一个参考块，并将参考图像(或参考图像索引)和/或参考块的位置(x坐标、y坐标)与当前块的位置之间的偏移(空间偏移)作为帧间预测参数提供给运动估计单元。这种偏移还称为运动向量(motion vector，MV)。如一些详细实施例所示，一些帧间预测模式中的运动信息不必按块提供。运动信息可以包括运动向量和可能的参考图像，参考图像通常与运动向量分开指示。然而，一般而言，参考图像可以是运动向量的一部分，例如，除了运动向量的两个空间分量之外，参考图像可以是第三(时间)分量。
运动补偿单元用于获取(例如接收)帧间预测参数，并根据或使用帧间预测参数执行帧间预测，以获取帧间预测块265，或者，在一般情况下，对当前图像中的一些样本执行预测。由运动补偿单元执行的运动补偿可以包括根据通过运动估计确定的运动/块矢量来提取或生成预测块(预测样本)，还可以包括执行插值以达到子像素精度。插值滤波可以根据已知像素样本生成其它像素样本，从而有可能增加可以用于对图像块进行译码的候选预测块/样本的数量。在接收当前图像块的PU对应的运动向量时，运动补偿单元可以在其中一个参考图像列表中定位运动向量所指向的预测块。运动补偿单元还可以生成与块、样本区域和视频条带相关的语法元素，以供视频解码器30在对视频条带中的图像块进行解码时使用。除条带和相应语法元素之外或作为条带和相应语法元素的替代，可以生成或使用分块组和/或分块以及相应的语法元素。
熵编码单元270用于将熵编码算法或方案(例如，可变长度编码(variable lengthcoding，VLC)方案、上下文自适应VLC方案(context adaptive VLC，CAVLC)、算术编码方案、二制化、上下文自适应二进制算术编码(context adaptive binary arithmetic coding，CABAC)、基于语法的上下文自适应二进制算术编码(syntax-based context-adaptivebinary arithmetic coding，SBAC)、概率区间分割熵(probability intervalpartitioning entropy，PIPE)编码或其它熵编码方法或技术)等应用于或不应用于(无压缩)经量化系数209、帧间预测参数、帧内预测参数、环路滤波器参数和/或其它语法元素，以获取可以通过输出端272以经编码码流21等形式输出的经编码图像数据21，使得视频解码器30可以接收并使用这些参数进行解码，等等。经编码码流21可以传输给视频解码器30，或者存储在存储器中以供视频解码器30稍后传输或检索。
视频编码器20的其它结构变型可以用于对视频流进行编码。例如，基于非变换的编码器20可以在没有变换处理单元206的情况下为某些块或帧直接量化残差信号。在另一种实现方式中，编码器20可以包括组合成单个单元的量化单元208和反量化单元210。
图2示出了可以被修改或配置来实现本发明中技术的视频解码器30的一个示例。视频解码器30用于接收(例如)由编码器20编码的经编码图像数据21(例如经编码码流21)，以获取经解码图像331。经编码图像数据或码流包括用于对该经编码图像数据进行解码的信息，例如表示经编码视频条带(和/或分块组或分块)的图像块的数据和相关语法元素。
在图2的示例中，解码器30包括熵解码单元304、反量化单元310、逆变换处理单元312、重建单元314(例如求和器314)、环路滤波器320、解码图像缓冲区(decoded picturebuffer，DBP)330、模式应用单元360、帧间预测单元344和帧内预测单元354。帧间预测单元344可以是或可以包括运动补偿单元。在一些示例中，视频解码器30可以执行大体上与参照图1中的视频编码器100描述的编码过程互逆的解码过程。
如参照编码器20所述，反量化单元210、逆变换处理单元212、重建单元214、环路滤波器220、解码图像缓冲区(decoded picture buffer，DPB)230、帧间预测单元344和帧内预测单元354还组成视频编码器20的“内置解码器”。相应地，反量化单元310在功能上可以与反量化单元110相同，逆变换处理单元312在功能上可以与逆变换处理单元212相同，重建单元314在功能上可以与重建单元214相同，环路滤波器320在功能上可以与环路滤波器220相同，解码图像缓冲区330在功能上可以与解码图像缓冲区230相同。因此，对视频编码器20的相应单元和功能进行的解释对应地适用于视频解码器30的相应单元和功能。
熵解码单元304用于解析码流21(或通常称为经编码图像数据21)并对经编码图像数据21执行熵解码等，以获取经量化系数309和/或经解码编码参数(图3中未示出)等，例如，帧间预测参数(例如参考图像索引和运动向量)、帧内预测参数(例如帧内预测模式或索引)、变换参数、量化参数、环路滤波器参数和/或其它语法元素中的任一个或全部。熵解码单元304可以用于应用与参照编码器20中的熵编码单元270描述的编码方案对应的解码算法或方案。熵解码单元304还可以用于将帧间预测参数、帧内预测参数和/或其它语法元素提供给模式应用单元360，并将其它参数提供给解码器30中的其它单元。视频解码器30可以接收视频条带级和/或视频块级的语法元素。除条带和相应语法元素之外或作为条带和相应语法元素的替代，可以接收和/或使用分块组和/或分块以及相应语法元素。
反量化单元310可以用于从经编码图像数据21(例如由熵解码单元304等解析和/或解码)接收量化参数(quantization parameter，QP)(或通常称为与反量化相关的信息)和经量化系数，并根据这些量化参数对经解码量化系数309进行反量化，以获取经解量化系数311。经解量化系数311也可以称为变换系数311。反量化过程可以包括使用视频编码器20为视频条带(或分块或分块组)中的每个视频块确定的量化参数来确定量化程度，同样也确定需要应用的反量化的程度。
逆变换处理单元312可以用于接收经解量化系数311(也称为变换系数311)，并对经解量化系数311进行变换，以获取样本域中的经重建残差块213。经重建残差块213也可以称为变换块313。变换可以是逆变换，例如，逆DCT、逆DST、逆整数变换或概念上类似的逆变换过程。逆变换处理单元312还可以用于(例如由熵解码单元304等解析和/或解码)从经编码图像数据21接收变换参数或对应的信息，以确定要应用于经解量化系数311的变换。
重建单元314(例如加法器或求和器314)可以用于通过以下方式将经重建残差块313添加到预测块365以获取样本域中的经重建块315：例如，将经重建残差块313的样本值与预测块365的样本值相加。
环路滤波器单元320(在译码环路中或之后)用于对经重建块315进行滤波，以获取经滤波块321，从而顺利进行像素转变或以其它方式提高视频质量，等等。环路滤波器单元320可以包括一个或多个环路滤波器，例如，去块效应滤波器、样本自适应偏移(sample-adaptive offset，SAO)滤波器或一个或多个其它滤波器，例如，双边滤波器、自适应环路滤波器(adaptive loop filter，ALF)、锐化或平滑滤波器、协同滤波器或其任意组合。在一些配置中，环路滤波器单元320可以实施为环后滤波器。
随后将一个图像中的经解码视频块321存储在解码图像缓冲区330中，解码图像缓冲区330存储经解码图像331作为参考图像，以便后续对其它图像进行运动补偿和/或输出或显示。解码器30用于通过输出端312等输出经解码图像311，以向用户呈现或供用户查看。
帧间预测单元344在功能上可以与帧间预测单元244(特别是与运动补偿单元)相同，帧内预测单元354在功能上可以与帧间预测单元254相同，并根据(例如由熵解码单元304等解析和/或解码)从经编码图像数据21接收的分割方式和/或预测参数或相应的信息来执行划分或分割决策和执行预测。模式应用单元360可以用于根据经重建图像、块或相应的样本(经滤波或未经滤波)按块或样本执行预测(帧内或帧间预测)，以获取预测块365。
当视频条带被译码为经帧内译码(I)条带时，模式应用单元360中的帧内预测单元354用于根据指示的帧内预测模式和来自当前图像中的先前经解码块的数据为当前视频条带中的图像块生成预测块365。当视频图像被译码为帧间译码(例如B或P)条带时，模式应用单元360中的帧间预测单元344(例如运动补偿单元)用于根据运动向量和从熵解码单元304接收的其它语法元素为当前视频条带中的视频块生成预测块365。对于帧间预测，这些预测块可以根据其中一个参考图像列表内的其中一个参考图像生成。视频解码器30可以根据存储在DPB 330中的参考图像，使用默认构建技术来构建参考帧列表0和列表1。除条带(例如视频条带)之外或作为条带的替代，相同或类似的过程可以应用于使用分块组(例如视频分块组)和/或分块(例如视频分块)的实施例或由这些实施例应用。例如，视频可以使用I、P或B分块组和/或分块进行译码。
模式应用单元360用于通过解析运动向量或相关信息以及其它语法元素为当前视频条带中的视频块确定预测信息，并使用该预测信息为正在解码的当前视频块生成预测块。例如，模式应用单元360使用接收到的一些语法元素确定用于对视频条带中的视频块进行译码的预测模式(例如帧内或帧间预测)、帧间预测条带类型(例如，B条带、P条带或GPB条带)、用于条带的一个或多个参考图像列表的构建信息、用于条带的每个经帧间编码视频块的运动向量、用于条带的每个经帧间译码视频块的帧间预测状态以及其它信息，以对当前视频条带中的视频块进行解码。除条带(例如视频条带)之外或作为条带的替代，相同或类似的过程可以应用于使用分块组(例如视频分块组)和/或分块(例如视频分块)的实施例或由这些实施例应用。例如，视频可以使用I、P或B分块组和/或分块进行译码。
图2所示的视频解码器30的实施例可以用于通过条带(也称为视频条带)对图像进行分割和/或解码。一个图像可以分割成一个或多个(通常不重叠的)条带或使用一个或多个(通常不重叠的)条带进行解码，每个条带可以包括一个或多个块(例如CTU)。
图2所示的视频解码器30的实施例可以用于使用分块组(也称为视频分块组)和/或分块(也称为视频分块)对图像进行分割和/或解码。一个图像可以分割成一个或多个(通常不重叠的)分块组或使用一个或多个(通常不重叠的)分块组进行解码；每个分块组可以包括一个或多个块(例如CTU)或一个或多个分块等；每个分块可以是矩形等，并且可以包括一个或多个完整或部分块(例如CTU)等。
视频解码器30的其它变型可以用于对经编码图像数据21进行解码。例如，解码器30可以在没有环路滤波单元320的情况下生成输出视频流。例如，基于非变换的解码器30可以在没有逆变换处理单元312的情况下针对某些块或帧直接反量化残差信号。在另一种实现方式中，视频解码器30可以包括组合成单个单元的反量化单元310和逆变换处理单元312。
一些光流算法生成密集运动场。该运动场包括许多运动向量，图像中的每个像素分别对应一个运动向量。使用该运动场进行预测带来的预测质量通常较好。然而，由于密集运动场包括的运动向量与图像包括的像素一样多，因此全场要传输或存储的表示不小。因此，必须对密集运动场进行子采样和量化，以减小要传输/存储的数据。然后，解码器对缺失的运动向量进行插值，并且使用经重建密集运动场进行运动补偿。
在大多数情况下，运动场的稀疏表示可以保持较小的速率，但使用某种插值技术可以获取这种稀疏表示。该运动场可以使用具有相同区域的空间单元/块以规则模式(例如存在用于JPEG图像压缩等的节点均匀分布的规则网格)进行子采样，这与内容无关。不需要在这些区域内插值运动向量，即所有像素都具有相同的运动向量且一起移位。这会导致许多采样点位于次优位置处。存在均匀运动且只需要很少运动向量的区域与存在不同运动且需要许多支撑点的区域包括相同多的运动向量。这会增加残差数据的码率(大于所需码率)，由于需要更多运动向量，导致预测质量不好。
另一种方法是传输高阶运动模型的参数，并且仅在很好地重建流场所需的位置处传输。这样，存在均匀运动的区域不需要太大的速率，而存在复杂运动的区域足够密集地进行采样。然而，由于只有编码器知道整个运动场，因此位置必须以某种方式指示。当本文中提及传输时，其含义通常是将信息从编码器传送到可能的一个或多个解码器。这通常通过将边信息携带在与经编码数据(图像/视频数据)一起提供的码流中来执行。
一些视频编解码器使用基于块的运动估计和补偿执行隐式子采样。现代编解码器(例如HEVC或VVC)在某种程度上，使用不同的块大小进行内容适应采样。这些编解码器显式地将块划分指示为四叉树和三叉树，如上参照图1和图2所示。已经确定，越来越自适应的划分使对应编解码器的编码效率大幅提高。AVC和HEVC编解码器使用简单的平移模型，而最近开发的编解码器(例如VVC、EVC和AV1)使用高阶仿射变换，每个预测单元(块)多达六个参数。
图3示出了示例性非平移运动模型。(在图中，从左到右)具体示出了旋转、缩放以及旋转、缩放和平移的组合。具体地，这三个图像示出了相应变换的密集运动场。
需要说明的是，增加运动模型的阶数可能会打破速率(指示运动模型的参数)和失真(由于运动补偿带来更好预测而减少)之间的平衡。图4示出了待指示参数的数量(y轴)随着运动模型的阶数(x轴)的增长而增长的趋势。帧内运动的最大表示量对应于光流，使得参数增加到高精度帧中的像素(2D运动向量空间中的运动向量的x分量和y分量)的两倍(表示MV分量所需的数据范围)。需要说明的是，图4只是示意性说明，目的是大致比较运动精度表示对必须与经编码视频一起提供的参数数量的影响。
非基于块的运动补偿在视频译码中很少使用。主要原因是必须传输整个运动场。自然视频并不表示线性运动模型。只有帧的一些区域通常可以使用简单的模型来描述，对于该模型，上述编解码器(参见图1和图2)可能是高效的。另一方面，更复杂的非线性运动模型可能会增加指示量，目前是通过分割、运动模型参数和对应预测的残差进行指示的。支持自然内容的非线性运动特征的现有技术方案可能需要高码率开销进行指示，另外还可能在块边界处产生一些块效应。
本发明一些实施例可以使用更复杂的运动模型来表示更大的区域，但使用更少的参数来描述更大的区域。参数可以很容易从编码端可用的光流中预测，而不使用众所周知的大部分复杂的率失真优化(Rate-Distortion Optimization，RDO)方法。当运动模型简单时，可以执行更多子采样。更复杂的运动模型可以用于描述预测帧的较大区域内的运动，这减少了信令开销。
具体地，光流使用稀疏表示来重建，以一组仿射变换(transformation/transform)为基础。具体地，仿射变换可以是恒定的形状变换。
图5是本发明一个实施例提供的编码器的框图。在本实施例中，运动场的增密方法是运动补偿的一部分。图5中的编码器与上面图1中所示的编码器10具有一些相似点。本文中描述的运动估计和运动补偿可以类似地应用于图1中的编码器和图2中的解码器，例如，作为特定的帧间预测模式。
在图5中，帧内预测模块520或帧间预测模块530预测输入视频帧510(也称为当前帧)。帧内预测模块520生成预测帧，然后从输入视频帧510中减去预测帧，得到残差信号550。此外，预测帧也用于重建，即添加到经重建残差中。此外，帧内预测模块520生成发送给熵编码器570的边信息，而熵编码器570生成输出(经编码)码流575。与预测帧和当前帧之间差值对应的残差帧550通过质量控制模块560。质量控制模块560可以包括变换(例如变换到谱域)和/或量化。量化可以执行有损压缩，导致质量一定程度下降。以其它方式简化残差信号以得到码流575中的紧凑表示可能会产生其它损失。
帧间预测模块530包括两个子模块：运动估计(Motion Estimation，ME)子模块532和运动补偿(Motion Compensation，MC)子模块534至540。ME子模块532的目的是找到运动模型(在视频编解码器中定义和使用)的最合适参数，并且将这些参数提供给熵编码器570，以便作为边信息包含在码流中。插入到码流中的边信息通常可以包括各种其它参数。例如，边信息可以携带分割/分段信息、运动向量场534和其它边信息，例如加权或其它附加控制参数。边信息的目的是向解码器传送帮助解码器执行重建的参数。使用运动模型的参数和解码图像缓冲区(decoded pictures buffer，DPB)595中的参考帧，解码器可以按照与编码完全相同的方式重建经编码图像。
编解码器500使用运动向量场534的稀疏表示来减少信令开销。这可以通过分割、子采样、分段和对应的运动模型参数等来实现。如果运动模型的参数多于平移模型的参数(例如，一些已知编解码器中使用六个参数)，则需要插值以获取与特定参考帧相关联并对应于预测帧的密集运动场(538、540)。在本发明一些实施例中，增密538是运动补偿过程的一部分。使用密集运动向量场534的稀疏表示作为输入536并提供密集运动向量场作为输出540的增密538可以使用有限参数提供合适的运动估计。
下文参照图6至图11描述实现这种运动估计的一个特定详细示例。
下面列出了本示例性实现方式中编码器和解码器侧已知的参数。这些参数可以事先固定(即通过标准预定义)或传输(在码流中传送)。
Ss索引为s的分片(segment)。例如，待编码图像可以分段成不同的分片，每个分片可以分配有一个索引。一般而言，分片是任一组定义的样本。分片可以是任何形状的预测单元，例如矩形、三角形、椭圆、六边形等。需要说明的是，为了实现本发明，分片不一定是连续的。可以使用在空间上不连接的分片。这些分片可以表示对象。然而，需要说明的是，本发明还直接应用于未分段的图像(picture/image)。
Ns解码端针对索引为S的分片预期的运动向量的数量。需要说明的是，数量NS不一定取决于S，即不一定是分片特有的。例如，运动向量的数量可以定义为N，即所有分片具有同样多的运动向量。
Ps,i分片Ss的第i个运动向量的位置(Pxs,i,Pys,i)，其中，i＝0…Ns。
MVs,i与分片Ss对应的运动向量列表中的第i个运动向量(Vxs,i,Vys,i)，其中，i＝0…Ns。这里，“对应于”是指“归属于”或“与……相关联“。
ws,j(x,y)第j对运动向量的加权函数，其中，j＝0…Ns-1。加权函数可以取决于密集运动场中的位置(x,y)。另外或可选地，加权函数可以取决于运动向量列表(或运动向量对)中的位置j，这些运动向量可以用于推导权重。相互不同的分片可以具有不同的加权函数。例如，加权函数可以取决于分片的大小，例如，分片的水平和/或垂直尺寸，或者取决于每个分片中的图像样本的数量。
as,j、σs,j、cs,j加权函数的参数。在一些实施例中，加权函数是非线性函数。例如，加权函数可以是高斯分布函数
Figure BDA0004008015730000151
需要说明的是，这些参数只是示例性的。加权函数可以具有更多或更少的此类参数。
图6是基于上述参数的密集运动场估计的一个示例的流程图。
在步骤610中，初始化方法。对M个分片中的每个分片SS执行该方法，从S＝0开始。在步骤615中，将索引j初始化为j＝0。在这个特定的示例中，索引j经过当前分片(正在处理的索引为S的分片)的NS-1个运动向量。
步骤620至640在一组稀疏运动向量中的运动向量(对于索引为s的当前分片S)上构成索引为j的循环。在循环的每次迭代中，在步骤620中，获取第j个运动向量，该向量由其起始位置(Pxs,i,Pys,i)和与该位置相关联的运动向量(Vxs,i,Vys,i)指定。此外，还获取加权参数，这些参数指定索引为s的当前分片S的加权函数。具体地，获取参数as,j、σs,j、cs,j。需要说明的是，可以为当前分片S和当前运动向量j指定加权参数。在步骤630中，检查该方法是否已经对所有N(一般是NS)个运动向量迭代。如果否(步骤630中的“是”)，则该方法进行到步骤640。在步骤640中，推导当前分片的第j个运动向量的仿射参数affXs,j和affYs,j。现在详细解释步骤640。
图7示出了表示缩放、旋转和一些平移运动的组合的受限仿射变换700的一个示例。这里的术语“受限”是指以下事实：这种示例性变换只能表示上述三种运动(缩放、旋转、平移)。然而，本发明并不限于此，一般而言，可以进行不同数量和类型的变换。
在子图像(a)中，示出了具有起始位置Ps,0(701)和向位置705的运动位移的第一运动向量MVs,0(703)，该向量表示变换的原点(即待变换的运动向量)。第二运动向量MVs,1(713)具有起始位置Ps,1(710)和向位置715的运动位移。
这两个运动向量可以完全限定空间的仿射变换，同时保持通过这种变换700而变换的对象的形状。在这个示例中，从图7的子图像(b)中可以看出，矩形720变换到矩形730，同时保持矩形边的宽高比相同。换句话说，对于原始三角形720和变换后的三角形730，矩形边的宽高比相同。从子图像(b)中可以看出，两个起始位置Ps,0(701)和Ps,1(710)的连接线725被线性变换到连接线735，连接线735在变换之后连接目标位置705和715。在这种特定情况下，运动向量703是第j个运动向量，运动向量713是第s个分片的第(j+1)个运动向量，这两个向量一起形成第j对运动向量。运动向量703的位置701和运动向量713的位置710之间的距离由其x分量pxs,j(x)和y分量pys,j(y)给出，如以下表达式所示：
【表达式1】 pxs,j＝Pxs,j+1-Pxs,j
【表达式2】 pys,j＝Pys,j+1-Pys,j
第j对运动向量MVs,j和MVs,j+1的仿射变换的参数affXs,j和affYs,j则可以写成：
【表达式3】
affXs,j＝((Vxs,j+1·pxs,j+Vys,j+1·pys,j)-(Vxs,j·pxs,j+Vys,j·pys,j))/(pxs,j 2+pys,j 2)
【表达式4】
affYs,j＝((Vxs,j+1·pys,j-Vys,j+1·pxs,j)-(Vxs,j·pys,j-Vys,j·pxs,j))/(pxs,j 2+pys,j 2)
仿射变换如图7中的子图像(c)所示。具体地，虚线740示出了矩形720中的一些点如何变换为矩形730中的对应点，因此线740对应于现在可以在任何点中通过仿射变换推导出的运动向量。在这里，假设存在预定义排序，运动向量对是第j个运动向量和第(j+1)个运动向量组成的对。然而，一般而言，j可以替换为i，j+1可以替换为j，表示第i个运动向量和第j个运动向量组成的运动向量对。然后，空间变换通过为第一对运动向量(j＝0)计算的仿射变换(affXs,0,affYs,0)完全确定(矩形内部和外部)。换句话说，插值后的运动向量(mvxs,0(x,y),mvys,0(x,y))740可以在2D空间中的任何位置处推导出。
一般而言，(mvxs,j(x,y),mvys,j(x,y))是通过对由分片Ss的第j对运动向量表示的位置(x,y)处的一点进行仿射变换得到的2D运动向量中的分量，如下所示：
【表达式5】
mvxs,j(x,y)＝Vxs,j+dxs,j(x,y)·affXs,j+dys,j(x,y)·affYs,j
【表达式6】
mvys,j(x,y)＝Vys,j+dxs,j(x,y)·(-affYs,j)+dys,j(x,y)·affXs,j
此外，dxs,j(x,y)和dys,j(x,y)是点(x,y)和第j对运动向量中的第一运动向量的位置Ps,j之间距离的分量：
【表达式7】 dxs,j(x,y)＝x-Pxs,j
【表达式8】 dys,j(x,y)＝y-Pys,j
在本示例中，受限仿射变换支持缩放、旋转和平移运动的组合，并且由表达式5和6表示。需要说明的是，一般而言，本发明不限于任何特定的变换。本文中描述的受限仿射变换只是一个示例。一般而言，可以进行更简单或更复杂的变换，例如支持某种非线性运动的变换，等等。
需要说明的是，图7示出了j＝0的特殊情况。图8示出了j＝1(第二次迭代)的另一个示例。具体地，图8示出了由三个运动向量限定的两种受限仿射变换的示例性性组合，即j＝0时确定的第一种变换(affXs,j,affYs,j)和j＝1时确定的第二种变换。
在图8中，附加运动向量MVs,2(803)与运动向量MVs,1一起形成第二对运动向量(MVs,1,MVs,2)。运动向量MVs,2(803)具有起点Ps,2(801)，并且限定向位置805的运动位移。对应于图7中的运动向量713的运动向量MVs,1(813)从位置810开始，并且限定向位置815的运动位移。这两个运动向量(第二对运动向量)可以完整地限定空间的另一种(第二种)受限仿射变换。另一个矩形820变换为宽高比相同的矩形830。
在这种特定的情况下，第一种仿射变换(affXs,0,affYs,0)的目标矩形730(在图8中表示为820)是第二种仿射变换(affXs,1,affYs,1)840的原始矩形820。如图8所示，获取第二种变换的目标矩形830。两个起始位置Ps,1(810)和Ps,2(801)的连接线825被线性变换为在第二种仿射变换840之后连接新位置815和805的线835。插值后的运动向量(mvxs,1(x,y),mvys,1(x,y))(840)可以在2D空间中的任何位置处推导出。
在步骤620至640的循环中，为所有运动向量对确定仿射变换参数(affXs,j,affYs,j)。然后，如果分片中没有更多向量对(步骤630中的“否”)，则方法前进到步骤650。
图9示出了一个2D空间中的两种并置仿射变换。三个运动向量910、911、912(对应于两对运动向量)指定两种受限仿射变换。这里，术语“并置”是指变换是针对相同分片的运动向量限定的。因此，可以通过任何并置变换获取到分片的每个点处的运动向量。通过不同变换获得的一点处的运动向量可能不同。如图9所示，有两个运动向量(例如940和945)与2D空间中的每个样本位置(例如示例性位置950)相关联。点950处的第一运动向量940使用第一种仿射变换进行插值，而第二运动向量945使用第二种仿射变换进行插值。为了得到位置950上的一个样本的预测值，应该使用参考帧中的一个样本，从而应该提供一个运动向量来获取该样本。为了得到每一个运动向量，同时具有两个或两个以上运动向量，为每个插值后的MV位置计算归一化加权和，如图10所示。
图10示出了两种并置仿射变换。使用等值线(isoline)描述了用于对通过相应的两种仿射变换得到的两个贡献运动向量(contributing motion vector)进行加权的加权因子的值。术语“等值线”是指加权因子具有相同值的线。这里的术语“贡献”是指这些运动向量中的每个运动向量对位置950上的最终运动向量所做的贡献(使用对应的权重进行加权)。具体地，两个吸引点Ps,0(1001)和Ps,1(1025)位于每对运动向量中的第一运动向量的起点。两个吸引点1001和1025对应于由等值线描绘的相应2D“钟”形函数的中心。等值线1071、1072、1073和1074对应于第一对运动向量的吸引点1001，而等值线1061、1062、1063和1064对应于第二对运动向量的吸引点1025。可以看出，用于对运动向量1045进行加权的加权因子小于运动向量1040的加权因子，因为根据与对应吸引位置(也可以称为吸引力位置)的中心的距离，对应加权因子的等值线1072比另一个插值后的运动向量1040的等值线远。换句话说，在本示例中，目标点950处的运动向量是贡献运动向量的加权和。目标点950处的贡献运动向量是通过特定控制运动向量的预定变换得到的。不同的贡献运动向量是通过不同相应控制运动向量的(不同)变换得到的。这里，术语“不同变换”是指具有不同参数的相同变换规则。然而，本发明并不限于此，而是可以进行具有对应不同变换规则的不同变换。在一些实施例中示出的加权函数是非线性的。如果第一运动向量是通过变换第三运动向量得到的，并且第三运动向量比变换产生第二运动向量的第四运动向量更接近目标位置，则第一贡献运动向量的权重比第二运动向量的权重大。这里的非线性使得第一贡献运动向量的权重大于第一运动向量和第二运动向量之间权重的线性分布。这种非线性函数的示例之一是高斯分布函数。然而，可以使用其它函数，例如余弦、拉普拉斯分布(Laplacedistribution)等。所有贡献运动向量(本示例中是两个，但在一些实施例中是两个以上)的权重和达到1(例如，与概率分布函数一样)。
在图6的步骤650和660的循环中，为并置2D空间中的每个点插值密集运动场。具体地，在步骤650中，检查是否已经对当前分片SS中的每个位置(x,y)进行了插值。如果否(步骤650中的“否”)，则通过对当前位置(x,y)进行插值660，继续循环。通过对当前分片的所有位置(x,y)执行步骤660，获取密集运动场。
以下表达式9和10示出了推导与对位置(x,y)执行的步骤660对应的密集运动向量场(motion vector field，MVF)的一个示例：
【表达式9】
Figure BDA0004008015730000181
【表达式10】
Figure BDA0004008015730000182
在这个特定的示例中，权重ws,j(x,y)通过钟形函数确定，例如表达式11所示的高斯分布函数：
【表达式11】
Figure BDA0004008015730000183
其中，ds,j(x,y)表示点(x,y)和第j对运动向量中的第一(原点)运动向量的位置Ps,j之间的距离：
【表达式11】
Figure BDA0004008015730000184
这里，为了举例，k＝2。然而，本发明不限于欧几里德距离(使用平方范数)。相反，k可以是1或3，或任何其它度量。还需要说明的是，钟形曲线不一定来自圆形的等值线；等值线可能会形成椭圆。此外，本发明不限于使用钟形曲线，而是可以将其它函数应用于在分片的空间中确定的权重分布。其它函数可以是非线性的，以便更突出第一运动向量周围的更近地方或起点。然而，本发明可以使用其它函数。
在步骤660对所有位置(x,y)执行循环之后，在步骤670中，获取密集运动向量。需要说明的是，图6中的步骤670示出了循环结果，并且可以包括将密集运动场存储在内存等存储器中。然而，步骤670不需要显式地出现在方法中，因为循环中的步骤660已经提供了密集运动场。在步骤680中，检查所有分片是否都已经处理。如果仍然有一些分片要处理(步骤680中的“是”，表示并不是M个分片中的所有段都已经处理)，则分片上的循环继续调用615，而且再次执行以下步骤，如上所述。如果图像中的所有分配都已经处理，则方法结束。需要说明的是，原则上，在处理图像(帧)中的分片时，并不是所有分片都必须处理。例如，在一些方法和应用中，可能希望只为图像的部分提供密集运动向量表示。例如，图5所示且参照图5描述的编码器可以选择密集运动场表示/重建仅用于图像的一些部分(例如作为预测模式)。图像的其它部分可以使用不同的预测模式来处理(编码)，或者根本不预测。
图像部分的一个示例是多参考帧间预测。因此，从一个参考图像中预测图像的一个部分或多个部分，而从另一个参考图像中预测图像的其它一个或多个部分。多参考预测的一个特殊情况是双向图像预测。例如，在根据不同参考帧进行不同变换之后，可以将相同的图像部分预测为预测样本的加权和(在样本值域中)。换句话说，本发明也适用于多参考预测情况。
图11示出了对两个运动向量1140、1145进行加权的一个示例。运动向量1140通过加权调整到运动向量1141，其权重比运动向量1145的大。运动向量1145调整到运动向量1146。最后，两个加权MV 1141和1146之和由得到的运动向量1148表示。
换句话说，在本发明的一些实施例中，在具有控制运动向量的可用控制点之间对运动向量进行插值。这里，术语“控制”点和“控制”运动向量是指位置和从这些位置开始的运动向量，它们是上述密集运动场重建的输入。例如，控制位置和控制运动向量可以在编码器侧识别到，并且插入到提供给解码器以重建运动场的码流中。换句话说，控制位置和控制运动向量控制密集运动场的构建(重建)，即，分片的任何其它运动向量(分片内的任何其它位置上的运动向量)的构建(重建)。
如上所述的本发明实施例示出了基于控制位置和控制运动向量的运动场(近似光流)的构建。这种构建可以很容易地用于图1或图5所示的编码器或图2所示的解码器中。然而，本发明的应用并不限于视频编码和解码。高效存储或传输光流(运动场)的任何应用都可以使用本发明实施例。
可以使用运动向量推导的以下处理分量：
–运动模型基于分片(当在视频编码/解码中用作预测模式时，可以称为预测单元)的光流。这是通过从控制位置和以控制位置为起始位置的控制运动向量推导变换(前面示例中的仿射变换)来实现的。
–为每个分片分配很少控制点。这可以看作是光流的子采样。为了实现本发明，如何执行子采样并不重要。本发明实施例和示例的优点之一是，可以使用任何规则或不规则的子采样。具体地，子采样不必遵循任何规则模式，而且每个分片中可以提供不同数量和/或地点的控制位置。这使得子采样适应内容，从而通过提高为某一码流大小提供的重建质量(率失真关系)来进一步提高压缩效率。
–非线性运动向量(即用于非线性运动的运动向量)可以从光流中推导出，并且与每个点(样本位置)相关联。
–在一些实施例中，每对连续的运动向量(MV0,MV1)、(MV1,MV2)等可以确定仿射光流。这里，MVi是具有起始位置Ps,i及其MV增量MVs,I的运动向量，其中，i＝0…Ns(N可能取决于分片的大小)。这是一个具体的示例，其中，运动向量是有序的，而且一种变换的目标运动向量是另一种变换的原点运动向量。然而，本发明并不不受此限制，仿射变换可以使用任何(也不相关的)成对运动向量推导出。此外，变换不一定需要从一对运动向量中确定。相反，变换可以通过另一种方式给出和/或仅与单个运动向量相关联。这对于简单类型的运动(例如平移运动等)可能是有利的。
–几个仿射运动场的加权和提供了密集运动向量场的最终表示。换句话说，每种仿射变换指定分片内的任何位置处的运动向量。通过几种仿射变换，存在几个相应的运动场。为了得到一个最终运动场，对这几个运动场进行加权。可以存在两个或两个以上这样的运动场对应于相应的仿射变换。
–“钟”形(高斯)分布可以用于确定相应运动场的权重。高斯分布函数的参数可以进行指示，也可以由遵循相同规则(例如无监督学习，例如高斯混合模型(GaussianMixture Model，GMM))的编码器和解码器来确定。
其中一个实施例在每个采样位置处取两个或两个以上运动向量的加权和。参数可以根据图像的内容进行调整。“钟”形函数as,j的强度可以增加对一对特定的运动向量的非线性影响。参数σs,j对分布扩散有影响且cs,j是线性参数，这样同样可以控制扩散，但是线性控制。
当存储或指示构建(重建)运动场的参数时，最好确保编码器和解码器使用相同的方式解析(语法)和解释(语义)参数。这可以通过一些有利的语法和/或语义规则来实现。例如，根据预定的解释规则，可以提供运动向量列表，这时重建方法可以如下进行。
–连续使用成对运动向量，例如(MV0,MV1)，然后使用(MV1,MV2)，以此类推。上面已经举例说明了这一点，其中，第一种变换的目标MV是第二种变换的原点MV。
–为了独立使用成对运动向量(MV0,MV1)、(MV2,MV3)等等(这相当于在前面选项中将每第二个权重设置为0)，其中，MVi是(Ps,i,MVs,i)。
–需要说明的是，在一些示例性实现方式中，可能具有一对(或多对)运动，其在第一分片中具有一个运动向量，而在第二分片中具有另一个运动向量，其中，第一分片和第二分片不同。这种方法在分片之间产生了依赖关系。在其它实现方式中，不存在这类依赖关系。
–为了通过在特定分片/单元中仅使用一个运动向量来支持平移运动模型，Ns可以等于1。在这种情况下，只有一对MV可以通过复制第一MV来生成，它们的位置存在较小移位(1,0)+Ps,i。然后，可以使用上述方法中的第一种方法。一般而言，指示一个位置和运动向量。通过添加一个小的偏移向量mvOff(这里以水平移位1个样本(1,0)为例，但通常可以进行任何水平和/或垂直移位)，隐式地推导出第二位置。运动向量方向/大小可以保持相同。
–运动向量列表中的顺序对于编码器和解码器使用相同的方式进行解释非常重要。可以使用以下示例性排序。
·列表中的前几项的权重比列表中的后几项的高。换句话说，运动向量列表(或运动向量对)中的索引j可以用于推导运动向量的权重。
·权重可以取决于与列表中前几项的距离(距离越大，权重越大，反之亦然)。
·权重可以取决于控制点分布，并且可以使用人工智能(例如神经网络)进行训练。
–表达式11中的距离可以根据一对运动向量中的第二运动向量的位置来估计，或者估计为到一对运动向量中的第一运动向量和第二运动向量的线段连接位置的最小距离。上面使用表达式11的示例根据第一运动向量的位置来估计距离。
本发明的一些优点如下所述：
·能够支持视频压缩的高阶运动模型，同时保持尽可能小的信令开销。
·可以通过逆向运动预测，根据光流等避免分片重叠和不连续性。
·可以组合一些可能存在相互不同运动的连接分片(例如身体和手部)。
·适用于任何维度，例如2D(两个MV)、3D(两个MV+旋转角度)或以上维度。
参照图6描述的方法包括详细内容，这些细节可以省略或替换为备选方案。图12是一个实施例提供的另一种方法的流程图。
根据本实施例，提供了用于估计目标位置(例如950)处的运动向量的方法1200。有利的是，提供了该方法来估计图像的所有位置中的每个目标位置处的运动向量。这些位置可以是图像中的部分或全部整数样本(像素)。然而，需要说明的是，通过上述运动场推导，非整数位置上的运动向量可以使用相同的方式推导出。需要说明的是，术语“密集运动场”是指所需样本网格(所需分辨率)中的所有样本。
上述方法包括步骤1210：获取两个或两个以上起始位置(例如901、925)和分别从所述两个或两个以上起始位置(例如901、925)开始的两个或两个以上运动向量(例如910、911)。获取1210可以包括：从存储器中读取位置和对应的运动向量、从应用接收或从之前确定(例如密集运动场的子采样)得到的结果中获取位置和对应的运动向量，或者从存储器或通过信道接收的码流中解析出位置和对应的运动向量，等等。类似地，步骤1220包括：对于所述两个或两个以上起始位置中的每个起始位置(例如901、925)，获取用于将从所述起始位置(例如901、925)开始的运动向量(例如910、911)变换到另一个位置(例如925、927)的对应变换(例如740、840)。获取1220变换可以使用任何方式执行。例如，可以使用在步骤1210中获取到的位置和运动向量来计算变换。然而，本发明不受本示例的限制，变换可以使用另一种方式定义(获取)。这里的变换可以是指变换的参数。例如，如上所述，变换可以是仿射变换，其中，可以建模缩放、旋转和平移。然后，确定这种变换的参数。可选地或另外，也可以获取变换的类型。
方法1200还包括：通过使用所述对应变换(例如740、840)将所述两个或两个以上运动向量(例如910、911)中的每个运动向量从所述起始位置(例如901、925)变换到所述对应变换(740、840)的目标位置950，确定1230两个或两个以上贡献运动向量(例如1140、1145)。此外，在确定贡献运动向量之后，上述方法还包括以下步骤：估计1240所述目标位置950处的运动向量(例如1148)，其中，所述运动向量包括所述两个或两个以上贡献运动向量(例如1140、1145)的加权平均值。
在方法1200中，加权平均值可以通过使用权重对两个或两个以上贡献运动向量进行加权来计算，其中，权重是(通过变换获取贡献向量的运动向量的)起始位置和目标位置950之间距离的非线性函数。如上所述，为了保持合适的尺寸，当所有权重之和等于1时可能是有利的。在一些实施例中，非线性函数是最大值为0(对应于与MV的起始位置的距离0，其中，该MV变换到贡献MV)的函数。例如，非线性函数是高斯分布函数。
在一些实施例中，距离对应于平方范数，即对应于由一个(当前)分片或多个分片给出的空间中的欧几里德距离。然而，这并不限制本发明。距离可以由其它范数限定，例如绝对差或更高范数或一些其它距离度量。
获取1220对应变换可以包括：获取从所述另一个位置(例如925、927)开始的运动向量(例如911、912)；根据从所述起始位置(例如901、925)开始的所述运动向量(例如901、911)到从所述另一个位置(例如925、927)开始的所述运动向量(例如911、912)的仿射变换，估计仿射变换的参数。如上所述，仿射变换只是一个具体的示例。本发明不限于此，一般而言，可以使用任何一个或多个变换。该变换可以建模非线性运动等。例如，两个或两个以上起始位置属于一组Ns个起始位置，其中，Ns>2，所述起始位置按预定义顺序排列；对于起始位置j，0≤j≤Ns，所述另一个位置是所述预定义顺序中的位置j+1。具体地，贡献向量的权重可以取决于相应变换运动向量的起始位置在所述预定义顺序内的位置。
在一些实施例中，所述两个或两个以上起始位置是图像的分片中的样本位置，其中，所述图像包括多个分片，所述分片是比所述图像小的一组图像样本。例如，样本可以是图像中的像素(例如整数像素，或一般意义上的所需像素网格中的像素)。然而，需要说明的是，本发明并不限于这些示例。这些实施例的优点之一是，运动向量可以在任何位置处预测，包括子样本位置。事实上，使用子样本(sub-pel)精度可能对视频编码和解码等一些应用有益。这些分片可以是预定义分片，例如编码器和解码器已知的某一预定大小的单元(块)。分片不需要是矩形或方形。如果本发明用于编解码器中，则分片可以对应于编解码器支持的一些其它有意义的图像区域。例如，这些分片可以对应于上文参照图1和图2提到的CTU、条带或分块。然而，本发明还可以使用不同类型的分片，例如对应于对象的分片。在这种情况下，图像可以分段成对象，并且其中一个对象也可以对应于背景。此外，需要说明的是，分片不一定是连续的，也可以是分散式的。换句话说，同一分片的部分不一定与同一分片的任何其它部分有边界。具体地，在一些实施例中，如果根据运动特性得到分片，则可能是有利的，这样具有相似运动特性的图像部分划分到相同分片。
上述方法还可以包括以下步骤：重建所述图像的所述分片的运动向量场，包括估计从所述分片的每个样本目标位置P(x,y)开始的运动向量，其中，所述运动向量不属于相应运动向量可用的两个或两个以上起始位置。换句话说，如上面的一些实施例和示例所示，可以推导运动向量以获得近似图像中的光流的密集运动场。
具体地，所述两个或两个以上起始位置和分别从所述两个或两个以上起始位置开始的所述两个或两个以上运动向量是通过从与所述图像的所述分片有关的码流中解析得到的。在所述加权平均值中使用的权重是根据从所述码流中解析出的一个或多个参数确定的。这种方法特别适合于将本发明部署为编码器或编码方法的一部分。
可选地或另外，所述图像的所述分片内的所述两个或两个以上起始位置是根据从所述码流中解码出的所述分片的特征来确定的。分别从所述两个或两个以上起始位置开始的所述两个或两个以上运动向量是通过从与所述分片相关的码流中解析得到的。在所述加权平均值中使用的权重是根据从所述码流中解析出的一个或多个参数确定的。这种方法特别适合于将本发明部署为解码器或解码方法的一部分。
在一个实施例中，所述两个或两个以上起始位置和分别从所述两个或两个以上起始位置开始的所述两个或两个运动向量是通过确定运动向量场和通过对所述获取到的运动向量场进行子采样得到的，其中，所述运动向量场包括所述图像的所述分片的每个样本位置(作为目标位置)的运动向量。可选地或另外，相应贡献(contributing)运动向量的权重是通过率失真优化或机器学习确定的。
如上所述，本发明的运动向量估计(推导)可以在编码和解码方法中使用。因此，可以提供这种解码方法以对图像进行解码。上述方法可以包括根据任一上述实施例或示例所述的估计样本目标位置处的运动向量。此外，上述解码方法还可以包括以下步骤：根据所述估计的运动向量和对应的参考图像，预测所述图像中的所述目标位置处的样本。此外，上述解码方法可以包括：根据所述预测重建所述目标位置处的样本。
相应地，本发明提供了一种对图像进行编码的方法。所述方法可以包括以下步骤：根据任一上述实施例或示例所述的估计目标位置处的运动向量。所述编码方法包括：根据所述估计的运动向量和对应的参考图像，预测所述图像中的所述目标位置处的样本。所述方法还包括：根据所述预测对所述目标位置处的样本进行编码。
所述编码方法可以包括其它步骤：例如，在所述估计之前，确定密集运动场；对所述确定的运动场进行子采样，以得到至少两个位置和对应的运动向量，即从子采样产生的位置处开始的运动向量。
本发明还提供了与上述方法相对应的装置。也就是说，所述装置可以能够且用于执行上述方法的步骤。
图13示出了用于估计目标位置处的运动向量的装置1300。所述装置包括处理电路1301。所述处理电路可以由一个或多个处理器实现。如上所述，这些处理器可以是通用处理器或专用处理器，例如数字信号处理器、可编程硬件和/或专用电路，例如ASIC。需要说明的是，处理电路1301还可以实现(实施)不同于与运动向量估计有关的功能的其它功能。例如，所述处理电路还可以实现编码器和/或解码器，以使用运动估计对图像(视频帧)进行编码/解码。
处理电路1301还可以包括：电路1320，用于获取两个或两个以上起始位置和分别从所述两个或两个以上起始位置开始的两个或两个以上运动向量。电路1320可以视为用于获取两个或两个以上起始位置和两个或两个以上运动向量的功能模块或单元。这样的模块/单元/电路1320可以是处理电路1301的空间上分离的部分，也可以在空间上与其它功能模块/单元共用处理电路。模块1320可以是存储器读取模块。存储器可以是装置1300的一部分，但也可以不是。存储器可以是处理电路1301的一部分，但也可以不是。需要说明的是，处理电路1301可以是单个芯片上的集成电路。但是，也可以是其它配置。例如，整个装置1300可以集成在芯片上。
此外，处理单元可以包括：电路1330，用于：对于所述两个或两个以上起始位置中的每个起始位置，获取用于将从所述起始位置开始的运动向量变换到另一个位置的对应变换。类似于模块1320，电路1330可以对应于功能模块/单元，例如变换确定单元。变换确定单元/模块1330可以通过从模块1320获取到的位置和运动向量计算，根据待确定的变换类型(例如仿射变换)获取变换。确定可以包括确定这种变换的参数。
处理电路1301还可以包括：电路1340，用于通过使用所述对应变换将所述两个或两个以上运动向量中的每个运动向量从所述起始位置变换到所述对应变换的目标位置，确定两个或两个以上贡献(contributing)运动向量。该电路对应于功能单元，例如变换模块1340。该模块可以由变换确定模块1330控制，变换确定模块1330确定变换并将其提供给使用变换的变换模块1340。
处理电路1301还可以包括：电路1350，用于估计所述目标位置处的运动向量，其中，所述运动向量包括所述两个或两个贡献运动向量的加权平均值。该电路可以对应于运动向量估计模块1350等功能单元。该模块用于根据从变换模块1340获取到的贡献运动向量，估计目标位置上的运动向量。此外，存储器读取电路1320还可以获取相应贡献运动向量的加权函数和/或权重，并将它们提供给MV估计模块1350。
如上所述，本发明还提供了编码设备(装置)20。编码设备可以是用于对视频序列的多个图像中的一个图像进行编码的编码器(或组合编码器和解码器)。编码器20可以包括用于估计目标位置处的运动向量的装置1300。编码器20还可以包括样本预测器244，用于根据估计的运动向量和对应的参考图像预测图像中目标位置处的样本。装置1300可以是预测器244的一部分。编码器20还可以包括码流生成器270，用于根据预测在目标位置处对样本进行编码。
本发明还可以提供用于对图像进行解码的解码设备30。这样的解码器30可以包括用于估计目标位置处的运动向量的装置1300、用于根据估计的运动向量和对应的参考图像预测图像中目标位置处的样本的样本预测器344，以及用于根据预测重建目标位置处的样本的样本重建器314。
图14是示例性译码系统10的示意性框图，例如可以利用本发明中技术的视频译码系统10(或简称为译码系统10)。视频译码系统10中的视频编码器20(或简称为编码器20)和视频解码器30(或简称为解码器30)是两个示例，即可以用于根据本申请中描述的各种示例执行各种技术的设备。具体地，编码器20可以对应于图1或图5所示的编码器。解码器30可以对应于图2所述的解码器，等等。
如图14所示，译码系统10包括源设备12，源设备12用于将经编码图像数据21提供给目的地设备14等，以对经编码图像数据13进行解码。源设备12包括编码器20，并且可以另外(即可选地)可以包括图像源16、预处理器(或预处理单元)18(例如图像预处理器18)和通信接口或通信单元22。图像源16可以包括或者可以是任何类型的用于捕获真实世界图像的摄像机等图像捕获设备，和/或任何类型的用于生成计算机动画图像的计算机图形处理器等图像生成设备，或者任何类型的用于获取和/或提供真实世界图像、计算机生成图像(例如，屏幕内容、虚拟现实(virtual reality，VR)图像)和/或其任意组合(例如增强现实(augmented reality，AR)图像)的其它设备。图像源可以是任何类型的存储任一上述图像的存储器(memory/storage)。
为了区分预处理器18和预处理单元18执行的处理，图像或图像数据17也可以称为原始图像或原始图像数据17。预处理器18用于接收(原始)图像数据17并对图像数据17执行预处理，以获取预处理图像19或预处理图像数据19。预处理器18执行的预处理可以包括修剪(trimming)、颜色格式转换(例如从RGB转换为YCbCr)、调色或去噪等。可以理解的是，预处理单元18可以为可选组件。
视频编码器20用于接收预处理图像数据19并提供经编码图像数据21。源设备12中的通信接口22可以用于接收经编码图像数据21，并通过通信信道13将经编码图像数据21(或对经编码图像数据21进一步处理后得到的数据)传输给另一设备，例如目的地设备14或任何其它设备，以便进行存储或直接重建。目的地设备14包括解码器30(例如视频解码器30)，并且可以另外(即可选地)包括通信接口或通信单元28、后处理器32(或后处理单元32)和显示设备34。
目的地设备14中的通信接口28用于直接从源设备12或从存储设备(例如经编码图像数据存储设备)等任何其它源，接收经编码图像数据21(或对经编码图像数据21进一步处理后得到的数据)，并将经编码图像数据21提供给解码器30。通信接口22和通信接口28可以用于通过源设备12和目的地设备14之间的直接通信链路(例如，直接有线或无线连接)或者通过任何类型的网络(例如，有线网络或无线网络或其任何组合，或者任何类型的私网和公网，或者其任何类型的组合)传输或接收经编码图像数据21或经编码数据13。
例如，通信接口22可以用于将经编码图像数据21封装成合适的格式(例如数据包)，和/或通过任何类型的传输编码或处理方式来处理经编码图像数据，以便通过通信链路或通信网络进行传输。例如，与通信接口22对应的通信接口28可以用于接收传输数据，并使用任何类型的对应传输解码或处理方式和/或解封装方式对传输数据进行处理，以获取经编码图像数据21。通信接口22和通信接口28都可以配置为图14中从源设备12指向目的地设备14的通信信道13的箭头所指示的单向通信接口，或者配置为双向通信接口，并且可以用于发送和接收消息等，以建立连接、确认并交换与通信链路和/或数据传输(例如经编码图像数据传输)相关的任何其它信息，等等。
解码器30用于接收经编码图像数据21并提供经解码图像数据31或经解码图像31。目的地设备14中的后处理器32用于对经解码图像数据31(也称为经重建图像数据)(例如经解码图像31)进行后处理，以获取后处理图像数据33(例如后处理图像33)。后处理单元32执行的后处理可以包括颜色格式转换(例如从YCbCr转换为RGB)、调色、修剪或重采样，或者任何其它处理，以便提供经解码图像数据31由显示设备34等显示，等等。
目的地设备14中的显示设备34用于接收后处理图像数据33，以便向用户或观看者等显示图像。显示设备34可以是或可以包括任何类型的用于表示经重建图像的显示器，例如集成或外部显示器或显示屏。例如，显示器可以包括液晶显示器(liquid crystaldisplay，LCD)、有机发光二极管(organic light emitting diode，OLED)显示器、等离子显示器、投影仪、微型LED显示器、硅基液晶(liquid crystal on silicon，LCoS)显示器、数字光处理器(digital light processor，DLP)或任何类型的其它显示器。
虽然图14将源设备12和目的地设备14示为单独的设备，但是设备实施例也可以同时包括这两种设备或同时包括这两种设备的功能，即源设备12或对应的功能以及目的地设备14或对应的功能。在这些实施例中，源设备12或对应的功能以及目的地设备14或对应的功能可以使用相同的硬件和/或软件或通过单独的硬件和/或软件或其任意组合来实现。本领域技术人员基于描述明显可知，图14所示的源设备12和/或目的地设备14内的不同单元或功能的存在和(精确)功能划分可以根据实际设备和应用有所不同。
编码器20(例如视频编码器20)或解码器30(例如视频解码器30)或者编码器20和解码器30可以通过图15所示的处理电路来实现。该处理电路包括一个或多个微处理器、一个或多个数字信号处理器(digital signal processor，DSP)、一个或多个专用集成电路(application-specific integrated circuit，ASIC)、一个或多个现场可编程门阵列(field-programmable gate array，FPGA)、一个或多个离散逻辑、一个或多个硬件、一个或多个视频译码专用处理器或其任意组合。编码器20可以通过处理电路46来实现，以包含参照图1中的编码器20描述的各种模块和/或本文中描述的任何其它编码器系统或子系统。解码器30可以通过处理电路46来实现，以包含参照图2中的解码器30描述的各种模块和/或本文中描述的任何其它解码器系统或子系统。处理电路可以用于执行下文论述的各种操作。如图17所示，如果上述技术部分在软件中实现，则一种设备可以将该软件的指令存储在合适的非瞬时性计算机可读存储介质中，并且可以通过一个或多个处理器在硬件中执行这些指令，以执行本发明中的技术。视频编码器20或视频解码器30可以作为组合编解码器(编解码器)的一部分集成在单个设备中，例如，如图15所示。
源设备12和目的地设备14可以包括多种设备中的任一种，包括任何类型的手持设备或固定设备，例如，笔记本或膝上型电脑、手机、智能手机、平板或平板电脑、摄像机、台式电脑、机顶盒、电视、显示设备、数字媒体播放器、视频游戏机、视频流设备(例如内容业务服务器或内容分发服务器)、广播接收器设备、广播发射器设备等，并且可以不使用或使用任何类型的操作系统。在一些情况下，源设备12和目的地设备14可以用于无线通信。因此，源设备12和目的地设备14可以是无线通信设备。
在一些情况下，图14所示的视频译码系统10仅仅是一个示例，本申请中的技术可以适用于不必包括编码设备和解码设备之间的任何数据通信的视频译码设置(例如，视频编码或视频解码)。在其它示例中，数据从本地存储器检索、通过网络流式传输，等等。视频编码设备可以对数据进行编码并且将数据存储到存储器中，和/或视频解码设备可以从存储器检索数据并且对数据进行解码。在一些示例中，编码和解码由相互不通信而是仅仅将数据编码到存储器和/或从存储器检索数据并对数据进行解码的设备执行。为便于描述，本文(例如)参考由ITU-T视频编码专家组(Video Coding Experts Group，VCEG)和ISO/IEC运动图像专家组(Motion Picture Experts Group，MPEG)的视频编码联合协作团队(JointCollaboration Team on Video Coding，JCT-VC)开发的高效视频编码(High-EfficiencyVideo Coding，HEVC)或下一代视频编码标准即通用视频编码(Versatile Video Coding，VVC)的参考软件描述本发明实施例。本领域普通技术人员应理解本发明实施例不限于HEVC或VVC。
图16为本发明一个实施例提供的视频译码设备400的示意图。视频译码设备400适用于实现本文中描述的公开实施例。在一个实施例中，译码设备400可以是解码器(例如图14中的视频解码器30)或编码器(例如图14中的视频编码器20)。视频译码设备400包括用于接收数据的入端口410(或输入端口410)和接收单元(Rx)420，用于处理所述数据的处理器、逻辑单元或中央处理器(central processing unit，CPU)430，用于传输所述数据的传输单元(Tx)440和出端口450(或输出端口450)以及用于存储所述数据的存储器460。视频译码设备400还可以包括与入端口410、接收单元420、传输单元440和出端口450耦合的光电(optical-to-electrical，OE)组件和电光(electrical-to-optical，EO)组件，用作光信号或电信号的出口或入口。
处理器430通过硬件和软件来实现。处理器430可以实现为一个或多个CPU芯片、一个或多个核(例如多核处理器)、一个或多个FPGA、一个或多个ASIC和一个或多个DSP。处理器430与入端口410、接收单元420、传输单元440、出端口450和存储器460通信。处理器430包括译码模块470。译码模块470实现上文所公开的实施例。例如，译码模块470执行、处理、准备或提供各种译码操作。因此，将译码模块470包含在内为视频译码设备400的功能提供了实质性的改进，并且影响了视频译码设备400到不同状态的转换。可选地，以存储在存储器460中并由处理器430执行的指令来实现译码模块470。
存储器460可以包括一个或多个磁盘、一个或多个磁带机以及一个或多个固态硬盘，并且可以用作溢出数据存储设备，以在选择程序来执行时存储这些程序以及存储在执行程序过程中读取的指令和数据。例如，存储器460可以是易失性和/或非易失性的，并且可以是只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、三态内容寻址存储器(ternary content-addressable memory，TCAM)和/或静态随机存取存储器(static random-access memory，SRAM)。
图17为一个示例性实施例提供的装置1700的简化框图。装置1700可以用作图14中的源设备12和/或目的地设备14。装置1700中的处理器1702可以是中央处理器。可选地，处理器1702可以是现有的或今后将开发出的能够操作或处理信息的任何其它类型的设备或多个设备。虽然所公开的实现方式可以使用如图所示的处理器502等单个处理器来实施，但使用多个处理器可以提高速度和效率。
在一种实现方式中，装置1700中的存储器1704可以是只读存储器(read onlymemory，ROM)设备或随机存取存储器(random access memory，RAM)设备。任何其它合适类型的存储设备都可以用作存储器1704。存储器1704可以包括处理器1702通过总线1712访问的代码和数据1706。存储器1704还可包括操作系统1708和应用程序1710，应用程序1710包括至少一个程序，这个程序使得处理器1702执行本文描述的方法。例如，应用程序1710可以包括应用1至应用N，还包括执行本文描述的方法的视频译码应用。
装置1700还可以包括一个或多个输出设备，例如显示器1718。在一个示例中，显示器1718可以是将显示器与触敏元件组合的触敏显示器，该触敏元件能够用于感测触摸输入。显示器1718可以通过总线1712耦合到处理器1702。虽然装置1700中的总线1712在本文描述为单个总线，但是总线1712可以包括多个总线。此外，辅助存储器1714可以直接耦合到装置1700中的其它组件或可以通过网络被访问，并且可以包括单个集成单元(例如一个存储卡)或多个单元(例如多个存储卡)。因此，装置1700可以通过多种配置实现。
总而言之，本发明提供了用于根据经过子采样的稀疏运动场估计密集运动场的运动向量的方法和装置。所述稀疏运动场包括两个或两个以上运动向量以及它们各自的起始位置。对于每个所述运动向量，推导将所述运动向量从其起点变换到目标点的变换。然后，所述变换后的运动向量贡献于目标位置上的运动向量估计。对每个运动向量的贡献进行加权。这种运动估计可以很容易地用于视频编码和解码。

Claims (18)

1.一种用于估计目标位置(950)处的运动向量的方法(1200)，其特征在于，所述方法包括：
获取(1210)两个或两个以上起始位置(901、925)和分别从所述两个或两个以上起始位置(901、925)开始的两个或两个以上运动向量(910、911)；
对于所述两个或两个起始位置中的每个起始位置(901、925)，获取(1220)用于将从所述起始位置(901、925)开始的运动向量(910、911)变换到另一个位置(925、927)的对应变换(740、840)；
通过使用所述对应变换(740、840)将所述两个或两个以上运动向量(910、911)中的每个运动矢量从所述起始位置(901、925)变换到所述对应变换(740、840)的目标位置(950)，确定(1230)两个或两个以上贡献运动向量(1140、1145)；
估计(1240)所述目标位置(950)处的运动向量(1148)，其中，所述运动向量包括所述两个或两个以上贡献运动向量(1140、1145)的加权平均值。
2.根据权利要求1所述的方法，其特征在于，所述加权平均值是通过使用权重对所述两个或两个以上贡献运动向量(1140、1145)中的每个贡献运动向量进行加权来计算的，其中，所述权重是所述起始位置(901、911)和所述目标位置(950)之间距离的非线性函数。
3.根据权利要求2所述的方法，其特征在于，所述非线性函数是高斯分布函数。
4.根据权利要求2或3所述的方法，其特征在于，所述距离对应于平方范数。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述获取(1220)对应变换包括：
获取从所述另一个位置(925、927)开始的运动向量(911、912)；
根据从所述起始位置(901、925)开始的运动向量(901、911)到从所述另一个位置(925、927)开始的运动向量(911、912)的仿射变换，估计仿射变换的参数。
6.根据权利要求5所述的方法，其特征在于，
所述两个或两个起始位置(901、925)属于一组Ns个起始位置，其中，Ns>2，所述起始位置按照预定义顺序排列；
对于起始位置j，0≤j≤Ns，所述另一个位置是所述预定义顺序中的位置j+1。
7.根据权利要求6所述的方法，其特征在于，贡献向量(1140、1145)的权重取决于相应变换运动向量的起始位置在所述预定义顺序内的位置。
8.根据权利要求1至7中任一项所述的方法，其特征在于，
所述两个或两个以上起始位置(901、925)是图像的分片中的样本位置，其中，所述图像包括多个分片，
所述分片是一组图像样本，所述一组图像样本小于所述图像。
9.根据权利要求8所述的方法，其特征在于，所述方法包括以下步骤：重建所述图像的所述分片的运动向量场，包括估计从所述分片的每个样本目标位置P(x,y)开始的运动向量，其中，所述每个样本目标位置不是相应运动向量可用的两个或两个以上起始位置。
10.根据权利要求8或9所述的方法，其特征在于，
所述两个或两个以上起始位置(901、925)和分别从所述两个或两个以上起始位置(901、925)开始的所述两个或两个以上运动向量(910、911)是通过从与所述图像的所述分片(S)有关的码流中解析得到的；
在所述加权平均值中使用的权重是根据从所述码流中解析出的一个或多个参数确定的。
11.根据权利要求8或9所述的方法，其特征在于，
所述图像的所述分片(S)内的所述两个或两个以上起始位置(901、925)是根据从所述码流中解码出的所述分片(S)的特征确定的；
分别从所述两个或两个以上起始位置(901、925)开始的所述两个或两个以上运动向量(910、911)是通过从与所述分片(S)相关的码流中解析得到的；
在所述加权平均值中使用的权重是根据从所述码流中解析出的一个或多个参数确定的。
12.根据权利要求8所述的方法，其特征在于，
所述两个或两个以上起始位置和分别从所述两个或两个以上起始位置开始的所述两个或两个以上运动向量是通过确定运动向量场和通过对所述获取到的运动向量场进行子采样得到的，其中，所述运动向量场包括所述图像的所述分片的每个样本目标位置的运动向量；和/或
相应贡献运动向量的权重是通过率失真优化或机器学习确定的。
13.一种用于对图像进行解码的方法，其特征在于，所述方法包括：
根据权利要求1至11中任一项所述的估计样本目标位置(950)处的运动向量；
根据所述估计的运动向量和对应的参考图像，预测所述图像中的所述目标位置(950)处的样本；
根据所述预测重建所述目标位置(950)处的样本。
14.一种对图像进行编码的方法，其特征在于，所述方法包括：
根据权利要求1至8或12中任一项所述的估计目标位置(950)处的运动向量；
根据所述估计的运动向量和对应的参考图像，预测所述图像中的所述目标位置(950)处的样本；
根据所述预测对所述目标位置(950)处的样本进行编码。
15.一种用于估计目标位置(950)处的运动向量的装置，其特征在于，所述装置包括处理电路，所述处理电路包括：
电路，用于获取两个或两个以上起始位置(901、925)和分别从所述两个或两个以上起始位置(901、925)开始的两个或两个以上运动向量(910、911)；
电路，用于：对于所述两个或两个起始位置中的每个起始位置(901、925)，获取用于将从所述起始位置(901、925)开始的运动向量(910、911)变换到另一个位置(925、927)的对应变换(740、840)；
电路，用于：通过使用所述对应变换(740、840)将所述两个或两个以上运动向量(910、911)中的每个运动矢量从所述起始位置(901、925)变换到所述对应变换(740、840)的目标位置(950)，确定两个或两个以上贡献运动向量(1140、1145)；
电路，用于估计所述目标位置(950)处的运动向量(1148)，其中，所述运动向量包括所述两个或两个以上贡献运动向量(1140、1145)的加权平均值。
16.一种用于对图像进行编码的编码设备，其特征在于，所述设备包括：
根据权利要求15所述的用于估计目标位置(950)处的运动向量的装置；
样本预测器，用于根据所述估计的运动向量和对应的参考图像，预测所述图像中的所述目标位置(950)处的样本；
码流生成器，用于根据所述预测对所述目标位置(950)处的样本进行编码。
17.一种用于对图像进行解码的解码设备，其特征在于，所述设备包括：
根据权利要求15所述的用于估计目标位置(950)处的运动向量的装置；
样本预测器，用于根据所述估计的运动向量和对应的参考图像，预测所述图像中的所述目标位置(950)处的样本；
样本重建器，用于根据所述预测重建所述目标位置(950)处的样本。
18.一种存储在非瞬时性介质中的计算机程序，其特征在于，所述计算机程序包括指令代码，当所述指令代码在一个或多个处理器上执行时，所述指令代码执行根据权利要求1至14中任一项所述的方法的步骤。
CN202180044096.XA 2020-06-22 2021-04-21 使用稀疏光流表示的运动补偿 Pending CN116134817A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
RUPCT/RU2020/000302 2020-06-22
RU2020000302 2020-06-22
PCT/RU2021/050104 WO2021262037A1 (en) 2020-06-22 2021-04-21 Motion compensation with a sparse optical flow representation

Publications (1)

Publication Number Publication Date
CN116134817A true CN116134817A (zh) 2023-05-16

Family

ID=76444525

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180044096.XA Pending CN116134817A (zh) 2020-06-22 2021-04-21 使用稀疏光流表示的运动补偿

Country Status (4)

Country Link
US (1) US20230128496A1 (zh)
EP (1) EP4128782A1 (zh)
CN (1) CN116134817A (zh)
WO (1) WO2021262037A1 (zh)

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5241608A (en) * 1988-11-25 1993-08-31 Eastman Kodak Company Method for estimating velocity vector fields from a time-varying image sequence
US8761258B2 (en) * 2005-06-17 2014-06-24 The Hong Kong University Of Science And Technology Enhanced block-based motion estimation algorithms for video compression
EP2490448A1 (de) * 2011-02-18 2012-08-22 Siemens Aktiengesellschaft Kodierverfahren und Bildkodiervorrichtung zur Kompression einer Bildsequenz
US9008363B1 (en) * 2013-01-02 2015-04-14 Google Inc. System and method for computing optical flow
CN103745458B (zh) * 2013-12-26 2015-07-29 华中科技大学 一种鲁棒的基于双目光流的空间目标旋转轴及质心估计方法
US9646222B1 (en) * 2015-02-23 2017-05-09 Google Inc. Tracking and distorting image regions
WO2020096898A1 (en) * 2018-11-05 2020-05-14 Interdigital Vc Holdings, Inc. Video encoding or decoding using block extension for overlapped block motion compensation
CN113016180A (zh) * 2018-11-12 2021-06-22 交互数字Vc控股公司 用于视频编码和解码的虚拟管线
US10937169B2 (en) * 2018-12-18 2021-03-02 Qualcomm Incorporated Motion-assisted image segmentation and object detection
US11563975B2 (en) * 2018-12-26 2023-01-24 Interdigital Madison Patent Holdings, Sas Motion compensation boundary filtering
JP2022529104A (ja) * 2019-04-18 2022-06-17 インターデジタル ヴイシー ホールディングス， インコーポレイテッド 境界平滑化された動き補償に基づくオプティカルフローによるビデオ符号化および復号化の方法および装置

Also Published As

Publication number Publication date
EP4128782A1 (en) 2023-02-08
WO2021262037A1 (en) 2021-12-30
US20230128496A1 (en) 2023-04-27

Similar Documents

Publication Publication Date Title
US11902508B2 (en) Use of extended samples during search in decoder-side motion refinement
KR102616714B1 (ko) 광학 흐름 정제를 위한 조기 종료
CN114424567B (zh) 使用基于矩阵的帧内预测进行组合的帧间-帧内预测的方法和装置
CN114885158B (zh) 位置相关预测组合的模式相关和大小相关块级限制的方法和装置
US12015762B2 (en) DMVR using decimated prediction block
CN113196783B (zh) 去块效应滤波自适应的编码器、解码器及对应方法
JP2022535859A (ja) Ｍｐｍリストを構成する方法、クロマブロックのイントラ予測モードを取得する方法、および装置
KR102660120B1 (ko) 이중 예측 옵티컬 플로 계산 및 이중 예측 보정에서 블록 레벨 경계 샘플 그레이디언트 계산을 위한 정수 그리드 참조 샘플의 위치를 계산하는 방법
CN113615173A (zh) 对仿射译码块进行光流预测修正的方法及装置
CN115918074A (zh) 基于通道间相关信息的自适应图像增强
CN115349257B (zh) 基于dct的内插滤波器的使用
WO2020259567A1 (zh) 视频编码器、视频解码器及相应方法
EP4268463A1 (en) Switchable dense motion vector field interpolation
US20230128496A1 (en) Motion compensation with a sparse optical flow representation
CN118042136A (zh) 编解码方法和装置
EP3981157A1 (en) Motion field storage optimization for the line buffer
CN116800985A (zh) 编解码方法和装置
CN116647683A (zh) 量化处理方法和装置
CN116800984A (zh) 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