CN116250233A - 具有最坏情况复杂度处理的扩展低频不可分离变换(lfnst)设计 - Google Patents

具有最坏情况复杂度处理的扩展低频不可分离变换(lfnst)设计 Download PDF

Info

Publication number
CN116250233A
CN116250233A CN202180065088.3A CN202180065088A CN116250233A CN 116250233 A CN116250233 A CN 116250233A CN 202180065088 A CN202180065088 A CN 202180065088A CN 116250233 A CN116250233 A CN 116250233A
Authority
CN
China
Prior art keywords
coefficients
block
subset
video data
dequantized
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
CN202180065088.3A
Other languages
English (en)
Inventor
H·E·埃伊尔梅茨
V·谢廖金
M·卡切夫维茨
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.)
Qualcomm Inc
Original Assignee
Qualcomm Inc
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 Qualcomm Inc filed Critical Qualcomm Inc
Publication of CN116250233A publication Critical patent/CN116250233A/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
    • H04N19/10—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
    • H04N19/18—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 set of transform coefficients
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/11—Selection of coding mode or of prediction mode among a plurality of spatial predictive coding modes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • 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
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/625—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using discrete cosine transform [DCT]
    • 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
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/61—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding in combination with predictive coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Discrete Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

一种视频解码器可以被配置为：基于视频数据块的大小，确定针对所述块的允许的非零系数的数量；获得针对所述块的解量化系数集合，所述解量化系数集合包括第一解量化系数子集和第二解量化系数子集，所述第一解量化系数子集包括非零解量化系数，所述第二解量化系数子集包括全零系数，其中，所述第一解量化系数子集中的系数的数量等于针对所述视频数据块的所述允许的非零系数的数量；将逆低频不可分离变换应用于所述第一解量化系数子集以确定第一系数中间子集；以及将逆可分离变换应用于所述第一系数中间子集以及所述第二系数子集的至少一部分，以确定重构的残差值的块。

Description

具有最坏情况复杂度处理的扩展低频不可分离变换(LFNST) 设计
本申请要求享受于2021年5月21日递交的美国专利申请17/326,588、以及于2020年10月2日递交的美国临时专利申请63/086,888的权益，以引用方式将上述申请中的每个申请的完整内容并入本文。于2021年5月21日递交的美国专利申请17/326,588要求享受于2020年10月2日递交的美国临时专利申请63/086,888的权益。
技术领域
本公开内容涉及视频编码和视频解码。
背景技术
数字视频能力可以被合并到各种各样的设备中，包括数字电视机、数字直播系统、无线广播系统、个人数字助理(PDA)、膝上型计算机或台式计算机、平板计算机、电子书阅读器、数字相机、数字记录设备、数字媒体播放器、视频游戏设备、视频游戏控制台、蜂窝或卫星无线电电话(所谓的“智能电话”)、视频电话会议设备、视频流设备等。数字视频设备实现视频译码技术(诸如在由MPEG-2、MPEG-4、ITU-T H.263、ITU-T H.264/MPEG-4(第10部分，高级视频译码(AVC))、ITU-T H.265/高效率视频译码(HEVC)所定义的标准以及此类标准的扩展中描述的那些技术)。通过实现这样的视频译码技术，视频设备可以更加高效地发送、接收、编码、解码和/或存储数字视频信息。
视频译码技术包括空间(图片内(intra-picture))预测和/或时间(图片间(inter-picture))预测以减少或去除在视频序列中固有的冗余。对于基于块的视频译码，视频切片(例如，视频图片或视频图片的一部分)可以被分割为视频块，视频块也可以被称为译码树单元(CTU)、译码单元(CU)和/或译码节点。图片的经帧内编码(I)的切片中的视频块是使用相对于同一图片中的相邻块中的参考样本的空间预测来编码的。图片的经帧间译码(P或B)的切片中的视频块可以使用相对于同一图片中的相邻块中的参考样本的空间预测，或者相对于其它参考图片中的参考样本的时间预测。图片可以被称为帧，并且参考图片可以被称为参考帧。
发明内容
本公开内容的技术涉及变换译码。更具体地，本公开内容描述了可以提高通用视频译码(VVC/H.266)中的译码效率的各种低频不可分离变换(LFNST)设计。本公开内容的技术还可用于其他改进的视频编解码器，包括HEVC的扩展以及下一代视频译码标准。
对于硬件实现，最坏情况的乘法数量(每个变换的系数)可以是重要的复杂度标准。减少最坏情况乘法数量的一种简单技术是：规范地(normatively)将一些变换系数归零(zero-out)，并且具有最大数量的非零变换系数。在该背景下，经归零的变换系数必须设置为等于零。相反，允许的非零变换系数可以是零或非零。就这一点而言，允许的非零变换系数的数量可以表示非零变换系数的最大可能数量，并且非零变换系数的实际数量可以小于最大值。相反，经归零的变换系数的数量可以表示等于零的变换系数的最小数量，并且等于零的变换系数的实际数量可以大于最小值。
归零过程可能会降低译码质量，并且因此除非需要满足某个最坏情况的乘法数量，否则这可能是不期望的。在VVC中，这些标准针对TU大小是硬接线的，在某些译码场景中，这会导致将比用于满足最坏情况的乘法数量标准所需的更多的变换系数归零。为了解决该缺点，本公开内容描述了用于根据变换维度和变换矩阵的维度(包括“支持样本”的数量)来确定允许的非零变换系数的数量的技术。通过基于视频数据块的大小来确定针对该块的允许的非零系数的数量，根据本公开内容的技术操作的视频解码器可以避免在不需要时不必要地将系数归零，同时仍符合最坏情况乘法标准。
根据一个示例，一种对视频数据进行解码的方法包括：基于视频数据块的大小，确定针对块的允许的非零系数的数量；获得针对视频数据块的解量化系数集合，其中，解量化系数集合包括第一解量化系数子集和第二解量化系数子集，第一解量化系数子集包括非零解量化系数，第二解量化系数子集包括全零系数，其中，第一解量化系数子集中的系数的数量等于针对视频数据块的允许的非零系数的数量；将逆低频不可分离变换(LFNST)应用于第一解量化系数子集以确定第一系数中间子集；以及将逆可分离变换应用于第一系数中间子集以及第二系数子集的至少一部分，以确定重构的残差值的块。
根据另一示例，一种用于对视频数据进行解码的设备包括：存储器，其被配置为存储视频数据；以及一个或多个处理器，其在电路中实现并且被配置为：基于视频数据块的大小，确定针对块的允许的非零系数的数量；获得针对视频数据块的解量化系数集合，其中，解量化系数集合包括第一解量化系数子集和第二解量化系数子集，第一解量化系数子集包括非零解量化系数，第二解量化系数子集包括全零系数，其中，第一解量化系数子集中的系数的数量等于针对视频数据块的允许的非零系数的数量；将逆低频不可分离变换(LFNST)应用于第一解量化系数子集以确定第一系数中间子集；以及将逆可分离变换应用于第一系数中间子集以及第二系数子集的至少一部分，以确定重构的残差值的块。
根据另一示例，一种存储有指令的计算机可读存储介质，当其由一个或多个处理器执行时所述指令使所述一个或多个处理器：基于视频数据块的大小，确定针对块的允许的非零系数的数量；获得针对视频数据块的解量化系数集合，其中，解量化系数集合包括第一解量化系数子集和第二解量化系数子集，第一解量化系数子集包括非零解量化系数，第二解量化系数子集包括全零系数，其中，第一解量化系数子集中的系数的数量等于针对视频数据块的允许的非零系数的数量；将逆低频不可分离变换(LFNST)应用于第一解量化系数子集以确定第一系数中间子集；以及将逆可分离变换应用于第一系数中间子集以及第二系数子集的至少一部分，以确定重构的残差值的块。
根据另一示例，一种用于对视频数据进行解码的设备包括：用于基于视频数据块的大小，确定针对块的允许的非零系数的数量的单元；用于获得针对视频数据块的解量化系数集合的单元，其中，解量化系数集合包括第一解量化系数子集和第二解量化系数子集，第一解量化系数子集包括非零解量化系数，第二解量化系数子集包括全零系数，其中，第一解量化系数子集中的系数的数量等于针对视频数据块的允许的非零系数的数量；用于将逆低频不可分离变换(LFNST)应用于第一解量化系数子集以确定第一系数中间子集的单元；以及用于将逆可分离变换应用于第一系数中间子集以及第二系数子集的至少一部分，以确定重构的残差值的块的单元。
在附图和以下描述中阐述了一个或多个示例的细节。根据说明书、附图和权利要求，其它特征、目的和优点将是显而易见的。
附图说明
图1是示出可以执行本公开内容的技术的示例视频编码和解码系统的框图。
图2A和图2B是示出示例四叉树二叉树(QTBT)结构以及对应的译码树单元(CTU)的概念图。
图3是示出了编码器和解码器处的示例低频不可分离变换(LFNST)的框图。
图4是示出了当使用LFNST时的逆变换过程的概念图。
图5是示出了用于从16个输入系数的列表重构16个中间系数的4x4逆LFNST的概念图。
图6示出了用于从16个输入系数的列表重构48个中间系数的8x8逆LFNST的图示。
图7示出了逆LFNST过程的图示。
图8示出了基于具有16个解码系数的光栅扫描的输入重组的示例。
图9示出了基于具有64个解码系数的光栅扫描的输入重组的示例。
图10示出了用于从16个输入系数重构64个中间系数的8x8逆LFNST的图示。
图11示出了用于从64个输入系数重构64个中间系数的8x8逆LFNST的示例图示。
图12是示出可以执行本公开内容的技术的示例视频编码器的框图。
图13是示出可以执行本公开内容的技术的示例视频解码器的框图。
图14是示出根据本公开内容的技术的、用于对当前块进行编码的一种示例过程的流程图。
图15是示出根据本公开内容的技术的、用于对当前块进行解码的一种示例过程的流程图。
图16是示出根据本公开内容的技术的、用于对当前块进行解码的一种示例过程的流程图。
具体实施方式
视频译码(例如，视频编码和/或视频解码)通常涉及从同一图片中经译码的视频数据块(例如，帧内预测)或不同图片中经译码的视频数据块(例如，帧间预测)预测视频数据块。在某些情况下，视频编码器还通过将预测块与原始块进行比较来计算残差数据。因此，残差数据表示在预测块和原始块之间的差异。为了减少用信号通知残差数据所需的比特数量，视频编码器对残差数据进行变换和量化，并在编码比特流中用信号通知经变换和量化的残差数据。通过变换和量化过程实现的压缩可能是有损耗的，这意味着变换和量化过程可能会在解码视频数据中引入失真。
视频解码器对残差数据进行解码并将其添加到预测块中，以产生重构的视频块，所述重构的视频块比单独的预测块更接近原始视频块。由于由对残差数据的变换和量化所引入的损耗，第一重构块可能具有失真或伪影。一种常见类型的伪影或失真被称为块状效应，其中用于对视频数据进行译码的块的边界是可见的。
为了进一步提高解码视频的质量，视频解码器可以对重构的视频块执行一个或多个滤波操作。这些滤波操作的示例包括解块滤波、样本自适应偏移(SAO)滤波以及自适应环路滤波(ALF)。用于这些滤波操作的参数可以由视频编码器确定并在编码视频比特流中显式地用信号通知，或者可以由视频解码器隐式确定而无需在编码视频比特流中显式地用信号通知参数。
本公开内容的技术涉及变换译码。更具体地，本公开内容描述了可以提高通用视频译码(VVC/H.266)中的译码效率的各种低频不可分离变换(LFNST)设计。本公开内容的技术还可用于其他高级视频编解码器，包括HEVC的扩展以及下一代视频译码标准。
在实施LFNST时，视频解码器执行系数解码步骤，以获得2维解量化系数列表。解码器应用逆LFNST来重构系数子集。然后，视频解码器使用逆可分离变换(例如，DCT-2)来重构二维块/阵列中的残差。在一些示例中，视频解码器可以使用更大的变换矩阵(增加支持样本的数量)，并且相应地，使用更大数量的变换集合和候选以允许针对更多帧内预测模式来优化的矩阵。
对于硬件实现，最坏情况的乘法数量(每个变换的系数)可以是重要的复杂度标准。减少最坏情况乘法数量的一种简单技术是：规范地将一些变换系数归零，并且具有最大数量的非零变换系数。在该背景下，经归零的变换系数必须设置为等于零。相反，允许的非零变换系数可以是零或非零。就这一点而言，允许的非零变换系数的数量可以表示非零变换系数的最大可能数量，并且非零变换系数的实际数量可以小于最大值。相反，经归零的变换系数的数量可以表示等于零的变换系数的最小数量，并且等于零的变换系数的实际数量可以大于最小值。
归零过程可能会降低译码质量，并且因此除非需要满足某个最坏情况的乘法数量，否则这可能是不期望的。在VVC中，这些标准针对TU大小是硬接线的，在某些译码场景中，这会导致将比用于满足最坏情况的乘法数量标准所需的更多的变换系数归零。为了解决该缺点，本公开内容描述了用于根据变换维度和变换矩阵的维度(包括“支持样本”的数量)来确定允许的非零变换系数的数量的技术。通过基于视频数据块的大小来确定针对该块的允许的非零系数的数量，根据本公开内容的技术操作的视频解码器可以避免在不需要时不必要地将系数归零，同时仍符合最坏情况乘法标准。
图1是示出可以执行本公开内容的技术的示例视频编码和解码系统100的框图。概括而言，本公开内容的技术涉及对视频数据进行译码(编码和/或解码)。通常，视频数据包括用于处理视频的任何数据。因此，视频数据可以包括原始的未经编码的视频、经编码的视频、经解码(例如，经重构)的视频、以及视频元数据(例如，信令数据)。
如图1所示，在该示例中，系统100包括源设备102，源设备102提供要被目的地设备116解码和显示的、经编码的视频数据。具体地，源设备102经由计算机可读介质110来将视频数据提供给目的地设备116。源设备102和目的地设备116中的每一者可以是各种各样的设备中的任何一种或多种，包括台式计算机、笔记本(即，膝上型)计算机、移动设备、平板计算机、机顶盒、诸如智能电话之类的电话手机、电视机、相机、显示设备、数字媒体播放器、视频游戏控制台、视频流式传输设备、广播接收机设备等。在一些情况下，源设备102和目的地设备116可以被配备用于无线通信，并且因此可以被称为无线通信设备。
在图1的示例中，源设备102包括视频源104、存储器106、视频编码器200以及输出接口108。目的地设备116包括输入接口122、视频解码器300、存储器120以及显示设备118。根据本公开内容，源设备102的视频编码器200和目的地设备116的视频解码器300可以被配置为应用本文描述的LFNST技术。因此，源设备102表示视频编码设备的示例，而目的地设备116表示视频解码设备的示例。在其它示例中，源设备和目的地设备可以包括其它组件或布置。例如，源设备102可以从诸如外部相机之类的外部视频源接收视频数据。同样，目的地设备116可以与外部显示设备对接，而不是包括集成显示设备。
如图1所示的系统100仅是一个示例。通常，任何数字视频编码和/或解码设备可以执行本文描述的LFNST技术。源设备102和目的地设备116仅是这样的译码设备的示例，其中，源设备102生成经译码的视频数据以用于传输给目的地设备116。本公开内容将“译码”设备指代为执行对数据的译码(例如，编码和/或解码)的设备。因此，视频编码器200和视频解码器300分别表示译码设备(具体地，视频编码器和视频解码器)的示例。在一些示例中，源设备102和目的地设备116可以以基本上对称的方式进行操作，使得源设备102和目的地设备116中的每一者都包括视频编码和解码组件。因此，系统100可以支持在源设备102和目的地设备116之间的单向或双向视频传输，例如，以用于视频流式传输、视频回放、视频广播或视频电话。
通常，视频源104表示视频数据(即，原始的未经编码的视频数据)的源，并且将视频数据的顺序的一系列图片(也被称为“帧”)提供给视频编码器200，视频编码器200对用于图片的数据进行编码。源设备102的视频源104可以包括视频捕获设备，诸如摄像机、包含先前捕获的原始视频的视频存档单元、和/或用于从视频内容提供方接收视频的视频馈送接口。作为另外的替代方式，视频源104可以生成基于计算机图形的数据作为源视频，或者生成实时视频、被存档的视频和计算机生成的视频的组合。在每种情况下，视频编码器200可以对被捕获的、预捕获的或计算机生成的视频数据进行编码。视频编码器200可以将图片从所接收的次序(有时被称为“显示次序”)重新排列为用于译码的译码次序。视频编码器200可以生成包括经编码的视频数据的比特流。然后，源设备102可以经由输出接口108将经编码的视频数据输出到计算机可读介质110上，以便由例如目的地设备116的输入接口122接收和/或取回。
源设备102的存储器106和目的地设备116的存储器120表示通用存储器。在一些示例中，存储器106、120可以存储原始视频数据，例如，来自视频源104的原始视频以及来自视频解码器300的原始的经解码的视频数据。另外或替代地，存储器106、120可以存储可由例如视频编码器200和视频解码器300分别执行的软件指令。尽管在该示例中存储器106和存储器120被示为与视频编码器200和视频解码器300分开，但是应当理解的是，视频编码器200和视频解码器300还可以包括用于在功能上类似或等效目的的内部存储器。此外，存储器106、120可以存储例如从视频编码器200输出并且输入到视频解码器300的经编码的视频数据。在一些示例中，存储器106、120的部分可以被分配为一个或多个视频缓冲器，例如，以存储原始的经解码和/或经编码的视频数据。
计算机可读介质110可以表示能够将经编码的视频数据从源设备102输送到目的地设备116的任何类型的介质或设备。在一个示例中，计算机可读介质110表示通信介质，以使得源设备102能够例如经由射频网络或基于计算机的网络，来实时地向目的地设备116直接发送经编码的视频数据。输出接口108可以根据诸如无线通信协议之类的通信标准来对包括经编码的视频数据的传输信号进行调制，并且输入接口122可以根据诸如无线通信标准之类的通信标准来对所接收的传输信号进行解调。通信介质可以包括任何无线或有线通信介质，例如，射频(RF)频谱或一条或多条物理传输线。通信介质可以形成诸如以下各项的基于分组的网络的一部分：局域网、广域网、或诸如互联网之类的全球网络。通信介质可以包括路由器、交换机、基站、或对于促进从源设备102到目的地设备116的通信而言可以有用的任何其它设备。
在一些示例中，源设备102可以将经编码的数据从输出接口108输出到存储设备112。类似地，目的地设备116可以经由输入接口122从存储设备112访问经编码的数据。存储设备112可以包括各种分布式或本地访问的数据存储介质中的任何一种，诸如硬盘驱动器、蓝光光盘、DVD、CD-ROM、闪存、易失性或非易失性存储器、或用于存储经编码的视频数据的任何其它适当的数字存储介质。
在一些示例中，源设备102可以将经编码的视频数据输出到文件服务器114或者到可以存储由源设备102生成的经编码的视频的另一中间存储设备。目的地设备116可以经由流式传输或下载来从文件服务器114访问被存储的视频数据。
文件服务器114可以是能够存储经编码视频数据并将该经编码视频数据发送到目的地设备116的任何类型的服务器设备。文件服务器114可以表示网络服务器(例如，用于网站)、被配置为提供文件传输协议服务(例如文件传输协议(FTP)或基于单向传输协议的文件传输(FLUTE)协议)的服务器、内容传输网络(CDN)设备、超文本传输协议(HTTP)服务器、多媒体广播多播服务(MBMS)或增强型MBMS(eMBMS)服务器和/或网络附加存储(NAS)设备。文件服务器114可以附加地或替代地实现一个或多个HTTP流式传输协议，例如基于HTTP的动态自适应流式传输(DASH)、HTTP实时流式传输(HLS)、实时流式传输协议(RTSP)、HTTP动态流式传输，等等。
目的地设备116可以通过包括互联网连接的任何标准数据连接来访问来自文件服务器114的编码视频数据。这可以包括适合访问存储在文件服务器114上的编码视频数据的无线信道(例如，Wi-Fi连接)、有线连接(例如，数字用户线(DSL)、电缆调制解调器等)或这二者的组合。输入接口122可以被配置为：根据上文讨论的用于从文件服务器114取回或接收媒体数据的各种协议或者用于取回媒体数据的其他此类协议中的任何一种或多种协议进行操作。
输出接口108和输入接口122可以表示无线发射机/接收机、调制解调器、有线联网组件(例如，以太网卡)、根据各种IEEE 802.11标准中的任何一种标准进行操作的无线通信组件、或其它物理组件。在其中输出接口108和输入接口122包括无线组件的示例中，输出接口108和输入接口122可以被配置为根据蜂窝通信标准(诸如4G、4G-LTE(长期演进)、改进的LTE、5G等)来传输数据(诸如经编码的视频数据)。在其中输出接口108包括无线发射机的一些示例中，输出接口108和输入接口122可以被配置为根据其它无线标准(诸如IEEE 802.11规范、IEEE 802.15规范(例如，ZigBeeTM)、BluetoothTM标准等)来传输数据(诸如经编码的视频数据)。在一些示例中，源设备102和/或目的地设备116可以包括相应的片上系统(SoC)设备。例如，源设备102可以包括用于执行被赋予视频编码器200和/或输出接口108的功能的SoC设备，并且目的地设备116可以包括用于执行被赋予视频解码器300和/或输入接口122的功能的SoC设备。
本公开内容的技术可以应用于视频译码，以支持各种多媒体应用中的任何一种，诸如空中电视广播、有线电视传输、卫星电视传输、互联网流式视频传输(诸如基于HTTP的动态自适应流式传输(DASH))、被编码到数据存储介质上的数字视频、对被存储在数据存储介质上的数字视频的解码、或其它应用。
目的地设备116的输入接口122从计算机可读介质110(例如，通信介质、存储设备112、文件服务器114等)接收经编码的视频比特流。经编码的视频比特流可以包括由视频编码器200定义的、也被视频解码器300使用的信令信息，比如具有用于描述视频块或其它译码单元(例如，切片、图片、图片组、序列等)的特性和/或处理的值的语法元素。显示设备118将经解码的视频数据的经解码的图片显示给用户。显示设备118可以表示各种显示设备中的任何一种，诸如液晶显示器(LCD)、等离子显示器、有机发光二极管(OLED)显示器、或另一种类型的显示设备。
尽管在图1中未示出，但是在一些示例中，视频编码器200和视频解码器300可以各自与音频编码器和/或音频解码器集成，并且可以包括适当的MUX-DEMUX单元或其它硬件和/或软件，以处理包括公共数据流中的音频和视频两者的经复用的流。如果适用，MUX-DEMUX单元可以遵循ITU H.223复用器协议或其它协议(诸如用户数据报协议(UDP))。
视频编码器200和视频解码器300各自可以被实现为各种适当的编码器和/或解码器电路中的任何一种，诸如一个或多个微处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、分立逻辑、软件、硬件、固件、或其任何组合。当所述技术部分地用软件实现时，设备可以将用于软件的指令存储在适当的非暂时性计算机可读介质中，并且使用一个或多个处理器，用硬件来执行指令以执行本公开内容的技术。视频编码器200和视频解码器300中的每一者可以被包括在一个或多个编码器或解码器中，编码器或解码器中的任一者可以被集成为相应设备中的组合编码器/解码器(CODEC)的一部分。包括视频编码器200和/或视频解码器300的设备可以包括集成电路、微处理器、和/或无线通信设备(诸如蜂窝电话)。
视频编码器200和视频解码器300可以根据视频译码标准(诸如ITU-T H.265(也被称为高效率视频译码(HEVC)标准)或对其的扩展(诸如多视图和/或可伸缩视频译码扩展))进行操作。替代地，视频编码器200和视频解码器300可以根据其它专有或行业标准(诸如ITU-T H.266标准，也被称为通用视频译码(VVC))进行操作。在Bross等人的“VersatileVideo Coding(Draft 10)”，ITU-T SG 16WP 3和ISO/IEC JTC 1/SC 29/WG 11的联合视频专家组(JVET)，第18次会议，远程会议，2020年6月22日-7月1日，JVET-S2001-v17(以下简称“VVC草案10”)中描述了VVC标准的草案。然而，本公开内容的技术不限于任何特定的译码标准。
通常，视频编码器200和视频解码器300可以执行对图片的基于块的译码。术语“块”通常指代包括要被处理的(例如，在编码和/或解码过程中要被编码、被解码或以其它方式使用的)数据的结构。例如，块可以包括亮度和/或色度数据的样本的二维矩阵。通常，视频编码器200和视频解码器300可以对以YUV(例如，Y、Cb、Cr)格式表示的视频数据进行译码。也就是说，并不是对用于图片的样本的红色、绿色和蓝色(RGB)数据进行译码，视频编码器200和视频解码器300可以对亮度和色度分量进行译码，其中，色度分量可以包括红色色相和蓝色色相色度分量两者。在一些示例中，视频编码器200在进行编码之前将所接收的经RGB格式化的数据转换为YUV表示，并且视频解码器300将YUV表示转换为RGB格式。替代地，预处理单元和后处理单元(未示出)可以执行这些转换。
概括而言，本公开内容可以涉及对图片的译码(例如，编码和解码)以包括对图片的数据进行编码或解码的过程。类似地，本公开内容可以涉及对图片的块的译码以包括对用于块的数据进行编码或解码(例如，预测和/或残差译码)的过程。经编码的视频比特流通常包括用于表示译码决策(例如，译码模式)以及将图片分割为块的语法元素的一系列值。因此，关于对图片或块进行译码的引用通常应当被理解为对用于形成图片或块的语法元素的值进行译码。
HEVC定义了各种块，包括译码单元(CU)、预测单元(PU)和变换单元(TU)。根据HEVC，视频译码器(诸如视频编码器200)根据四叉树结构来将译码树单元(CTU)分割为CU。也就是说，视频译码器将CTU和CU分割为四个相等的、不重叠的正方形，并且四叉树的每个节点具有零个或四个子节点。没有子节点的节点可以被称为“叶节点”，并且这种叶节点的CU可以包括一个或多个PU和/或一个或多个TU。视频译码器可以进一步分割PU和TU。例如，在HEVC中，残差四叉树(RQT)表示对TU的分割。在HEVC中，PU表示帧间预测数据，而TU表示残差数据。经帧内预测的CU包括帧内预测信息，诸如帧内模式指示。
作为另一示例，视频编码器200和视频解码器300可以被配置为根据VVC进行操作。根据VVC，视频译码器(诸如视频编码器200)将图片分割为多个译码树单元(CTU)。视频编码器200可以根据树结构(诸如四叉树-二叉树(QTBT)结构或多类型树(MTT)结构)分割CTU。QTBT结构去除了多种分割类型的概念，诸如在HEVC的CU、PU和TU之间的分隔。QTBT结构包括两个级别：根据四叉树分割而被分割的第一级别、以及根据二叉树分割而被分割的第二级别。QTBT结构的根节点对应于CTU。二叉树的叶节点对应于译码单元(CU)。
在MTT分割结构中，可以使用四叉树(QT)分割、二叉树(BT)分割以及一种或多种类型的三叉树(TT)(还被称为三元树(TT))分割来对块进行分割。三叉或三元树分割是其中块被拆分为三个子块的分割。在一些示例中，三叉或三元树分割将块划分为三个子块，而不通过中心划分原始块。MTT中的分割类型(例如，QT、BT和TT)可以是对称的或不对称的。
在一些示例中，视频编码器200和视频解码器300可以使用单个QTBT或MTT结构来表示亮度分量和色度分量中的每一者，而在其它示例中，视频编码器200和视频解码器300可以使用两个或更多个QTBT或MTT结构，诸如用于亮度分量的一个QTBT/MTT结构以及用于两个色度分量的另一个QTBT/MTT结构(或者用于相应色度分量的两个QTBT/MTT结构)。
视频编码器200和视频解码器300可以被配置为使用每HEVC的四叉树分割、QTBT分割、MTT分割、或其它分割结构。为了解释的目的，关于QTBT分割给出了本公开内容的技术的描述。然而，应当理解的是，本公开内容的技术还可以应用于被配置为使用四叉树分割或者还使用其它类型的分割的视频译码器。
在一些示例中，CTU包括亮度样本的译码树块(CTB)、具有三个样本阵列的图片的色度样本的两个相应CTB，或者单色图片或使用三个分离的颜色平面和用于对样本译码的语法结构来译码的图片的样本的CTB。CTB可以是针对某个N值的NxN样本块，使得将分量划分为CTB是分区。分量是来自以4:2:0、4:2:2或4:4:4颜色格式组成图片的三个阵列(亮度和两个色度)中的一个阵列的阵列或单个样本，或者是组成单色格式图片的阵列或阵列的单个样本。在一些示例中，译码块是针对某个M和N值的MxN样本块，使得将CTB划分为译码块是分区。
可以用各种方式将块(例如，CTU或CU)成组在图片中。作为一个示例，砖块(brick)可以指图片中特定瓦片(tile)之内的CTU行的矩形区域。瓦片可以是图片中特定瓦片列和特定瓦片行之内的CTU的矩形区域。瓦片列是指CTU的矩形区域，其具有等于图片高度的高度和由语法元素指定的宽度(例如，如在图片参数集中指定的)。瓦片行是指CTU的矩形区域，其具有由语法元素指定的高度(例如，诸如在图片参数集中)以及与图片宽度相等的宽度。
在一些示例中，可以将瓦片划分成多个砖块，每个砖块可以包括瓦片内的一个或多个CTU行。没有被划分为多个砖块的瓦片也可以被称为砖块。但是，作为瓦片的真实子集的砖块不能被称为瓦片。
图片中的砖块也可以布置为切片。切片可以是图片的整数个砖块，其可以被排他地包含在单个网络抽象层(NAL)单元中。在一些示例中，切片包括数个完整瓦片或仅一个瓦片的连续的完整砖块序列。
本公开内容可以互换地使用“NxN”和“N乘N”来指代块(诸如CU或其它视频块)在垂直和水平维度方面的样本维度，例如，16x16个样本或16乘16个样本。通常，16x16 CU在垂直方向上将具有16个样本(y＝16)，并且在水平方向上将具有16个样本(x＝16)。同样地，NxNCU通常在垂直方向上具有N个样本，并且在水平方向上具有N个样本，其中N表示非负整数值。CU中的样本可以按行和列来排列。此外，CU不一定需要在水平方向上具有与在垂直方向上相同的数量的样本。例如，CU可以包括NxM个样本，其中M不一定等于N。
视频编码器200对用于CU的表示预测和/或残差信息以及其它信息的视频数据进行编码。预测信息指示将如何预测CU以便形成针对CU的预测块。残差信息通常表示在编码之前的CU的样本与预测块之间的逐样本的差异。
为了预测CU，视频编码器200通常可以通过帧间预测或帧内预测来形成针对CU的预测块。帧间预测通常指代根据先前译码的图片的数据来预测CU，而帧内预测通常指代根据同一图片的先前译码的数据来预测CU。为了执行帧间预测，视频编码器200可以使用一个或多个运动矢量来生成预测块。视频编码器200通常可以执行运动搜索，以识别例如在CU与参考块之间的差异方面与CU紧密匹配的参考块。视频编码器200可以使用以下各项来计算差度量，以确定参考块是否与当前CU紧密匹配：绝对差之和(SAD)、平方差之和(SSD)、平均绝对差(MAD)、均方差(MSD)、或其它这种差计算。在一些示例中，视频编码器200可以使用单向预测或双向预测来预测当前CU。
VVC的一些示例还提供仿射运动补偿模式，其可以被认为是帧间预测模式。在仿射运动补偿模式下，视频编码器200可以确定用于表示非平移运动(诸如放大或缩小、旋转、透视运动或其它不规则的运动类型)的两个或更多个运动矢量。
为了执行帧内预测，视频编码器200可以选择帧内预测模式来生成预测块。VVC的一些示例提供六十七种帧内预测模式，包括各种方向性模式、以及平面模式和DC模式。通常，视频编码器200选择帧内预测模式，所述帧内预测模式描述要根据其来预测当前块(例如，CU的块)的样本的、当前块的相邻样本。假设视频编码器200以光栅扫描次序(从左到右、从上到下)对CTU和CU进行译码，则这样的样本通常可以是在与当前块相同的图片中在当前块的上方、左上方或左侧。
视频编码器200对表示用于当前块的预测模式的数据进行编码。例如，对于帧间预测模式，视频编码器200可以对用于表示使用各种可用帧间预测模式中的哪一种的数据、以及针对对应模式的运动信息进行编码。对于单向或双向帧间预测，例如，视频编码器200可以使用高级运动矢量预测(AMVP)或合并模式来对运动矢量进行编码。视频编码器200可以使用类似的模式来对用于仿射运动补偿模式的运动矢量进行编码。
在诸如对块的帧内预测或帧间预测之类的预测之后，视频编码器200可以计算用于该块的残差数据。残差数据(诸如残差块)表示在块与用于该块的预测块之间的逐样本的差异，该预测块是使用对应的预测模式来形成的。视频编码器200可以将一个或多个变换应用于残差块，以在变换域中而非在样本域中产生经变换的数据。例如，视频编码器200可以将离散余弦变换(DCT)、整数变换、小波变换或概念上类似的变换应用于残差视频数据。另外，视频编码器200可以在第一变换之后应用二次变换，诸如模式相关的不可分离二次变换(MDNSST)、信号相关变换、Karhunen-Loeve变换(KLT)等。视频编码器200在应用一个或多个变换之后产生变换系数。
如上所述，在任何变换以产生变换系数之后，视频编码器200可以执行对变换系数的量化。量化通常指代如下的过程：在该过程中，对变换系数进行量化以可能减少用于表示变换系数的数据量，从而提供进一步的压缩。通过执行量化过程，视频编码器200可以减小与一些或所有表示系数相关联的比特深度。例如，视频编码器200可以在量化期间将n比特的值向下舍入为m比特的值，其中n大于m。在一些示例中，为了执行量化，视频编码器200可以执行对要被量化的值的按位右移。
在量化之后，视频编码器200可以扫描变换系数，从而从包括经量化的变换系数的二维矩阵产生一维矢量。可以将扫描设计为将较高能量(并且因此较低频率)的变换系数放在矢量的前面，并且将较低能量(并且因此较高频率)的变换系数放在矢量的后面。在一些示例中，视频编码器200可以利用预定义的扫描次序来扫描经量化的变换系数以产生经串行化的矢量，并且然后对矢量的经量化的变换系数进行熵编码。在其它示例中，视频编码器200可以执行自适应扫描。在扫描经量化的变换系数以形成一维矢量之后，视频编码器200可以例如根据上下文自适应二进制算术译码(CABAC)来对一维矢量进行熵编码。视频编码器200还可以对用于描述与经编码的视频数据相关联的元数据的语法元素的值进行熵编码，以供视频解码器300在对视频数据进行解码时使用。
为了执行CABAC，视频编码器200可以将上下文模型内的上下文分配给要被发送的符号。上下文可以涉及例如符号的相邻值是否为零值。概率确定可以是基于被分配给符号的上下文的。
视频编码器200还可以例如在图片报头、块报头、切片报头中生成到视频解码器300的语法数据(诸如基于块的语法数据、基于图片的语法数据和基于序列的语法数据)、或其它语法数据(诸如序列参数集(SPS)、图片参数集(PPS)或视频参数集(VPS))。同样地，视频解码器300可以对这样的语法数据进行解码以确定如何解码对应的视频数据。
以这种方式，视频编码器200可以生成比特流，其包括经编码的视频数据，例如，用于描述将图片分割为块(例如，CU)以及针对该块的预测和/或残差信息的语法元素。最终，视频解码器300可以接收比特流并且对经编码的视频数据进行解码。
通常，视频解码器300执行与由视频编码器200执行的过程相反的过程，以对比特流的经编码的视频数据进行解码。例如，视频解码器300可以使用CABAC，以与视频编码器200的CABAC编码过程基本上类似的、但是相反的方式，来对用于比特流的语法元素的值进行解码。语法元素可以定义用于将图片分割为CTU、以及根据对应的分割结构(诸如QTBT结构)对每个CTU进行分割以定义CTU的CU的分割信息。语法元素还可以定义用于视频数据的块(例如，CU)的预测和残差信息。
残差信息可以由例如经量化的变换系数来表示。视频解码器300可以对块的经量化的变换系数进行逆量化和逆变换，以重现用于该块的残差块。视频解码器300使用经信号通知的预测模式(帧内预测或帧间预测)和相关的预测信息(例如，用于帧间预测的运动信息)来形成用于该块的预测块。视频解码器300然后可以对预测块和残差块(在逐个样本的基础上)进行组合以重现原始块。视频解码器300可以执行额外处理，诸如执行去块过程以减少沿着块的边界的视觉伪影。
概括而言，本公开内容可能涉及“用信号通知”某些信息(诸如语法元素)。术语“用信号通知”通常可以指代对用于语法元素的值和/或用于对经编码的视频数据进行解码的其它数据的传送。也就是说，视频编码器200可以在比特流中用信号通知用于语法元素的值。通常，用信号通知指代生成在比特流中的值。如上所述，源设备102可以基本上实时地或不是实时地(诸如可能在将语法元素存储到存储设备112以供目的地设备116稍后取回时发生)将比特流传输到目的地设备116。
图2A和2B是示出示例四叉树二叉树(QTBT)结构130以及对应的译码树单元(CTU)132的概念图。实线表示四叉树拆分，并且虚线指示二叉树拆分。在二叉树的每个拆分(即非叶)节点中，用信号通知一个标志以指示使用哪种拆分类型(即，水平或垂直)，其中，在该示例中，0指示水平拆分，并且1指示垂直拆分。对于四叉树拆分，由于四叉树节点将块水平地并且垂直地拆分为具有相等大小的4个子块，因此无需指示拆分类型。因此，视频编码器200可以对以下各项进行编码，并且视频解码器300可以对以下各项进行解码：用于QTBT结构130的区域树级别(即，实线)的语法元素(诸如拆分信息)、以及用于QTBT结构130的预测树级别(即虚线)的语法元素(诸如拆分信息)。视频编码器200可以对用于由QTBT结构130的终端叶节点表示的CU的视频数据(诸如预测和变换数据)进行编码，并且视频解码器300可以对视频数据进行解码。
通常，图2B的CTU 132可以与用于定义与QTBT结构130的处于第一和第二级别的节点相对应的块的大小的参数相关联。这些参数可以包括CTU大小(表示样本中的CTU 132的大小)、最小四叉树大小(MinQTSize，其表示最小允许四叉树叶节点大小)、最大二叉树大小(MaxBTSize，其表示最大允许二叉树根节点大小)、最大二叉树深度(MaxBTDepth，其表示最大允许二叉树深度)、以及最小二叉树大小(MinBTSize，其表示最小允许二叉树叶节点大小)。
QTBT结构的与CTU相对应的根节点可以在QTBT结构的第一级别处具有四个子节点，每个子节点可以是根据四叉树分割来分割的。也就是说，第一级别的节点是叶节点(没有子节点)或者具有四个子节点。QTBT结构130的示例将这样的节点表示为包括父节点和具有实线分支的子节点。如果第一级别的节点不大于最大允许二叉树根节点大小(MaxBTSize)，则然后可以通过相应的二叉树进一步对节点进行分割。可以对一个节点的二叉树拆分进行迭代，直到从拆分产生的节点达到最小允许二叉树叶节点大小(MinBTSize)或最大允许二叉树深度(MaxBTDepth)。QTBT结构130的示例将这样的节点表示为具有用于分支的虚线。二叉树叶节点被称为译码单元(CU)，其用于预测(例如，图片内或图片间预测)和变换，而不进行任何进一步分割。如上所讨论的，CU也可以被称为“视频块”或“块”。
在QTBT分割结构的一个示例中，CTU大小被设置为128x128(亮度样本和两个对应的64x64色度样本)，MinQTSize被设置为16x16，MaxBTSize被设置为64x64，MinBTSize(对于宽度和高度两者)被设置为4，并且MaxBTDepth被设置为4。首先对CTU应用四叉树分割以生成四叉树叶节点。四叉树叶节点可以具有从16x16(即MinQTSize)到128x128(即CTU大小)的大小。如果四叉树叶节点为128x128，则由于该大小超过MaxBTSize(即，在该示例中为64x64)，因此叶四叉树节点将不被二叉树进一步拆分。否则，四叉树叶节点将被二叉树进一步分割。因此，四叉树叶节点也是用于二叉树的根节点，并且具有为0的二叉树深度。当二叉树深度达到MaxBTDepth(在该示例中为4)时，不允许进一步拆分。具有等于MinBTSize(在该示例中为4)的宽度的二叉树节点，意味着不允许针对该二叉树节点进行进一步的垂直拆分(即，对宽度的划分)。类似地，具有等于MinBTSize的高度的二叉树节点意味着不允许针对该二叉树节点进行进一步的水平拆分(即，对高度的划分)。如上所述，二叉树的叶节点被称为CU，并且根据预测和变换而被进一步处理，而无需进一步分割。
在HEVC之前的示例视频译码标准中，仅使用固定的可分离变换，其中垂直和水平地使用DCT-2。在HEVC中，除了DCT-2之外，DST-7也用于4x4块，作为固定的可分离变换。
美国专利公开2016-0219290-A1、美国专利公开2018-0020218-A1以及美国专利公开2019-0373261-A1描述了用于多变换选择(MTS)的技术。MTS也可以被称为自适应多变换(AMT)。2019-0373261-A1中的MTS示例已在ITU-T SG 16WP 3和ISO/IEC JTC 1/SC 29/WG11的联合视频专家组(JVET)，JEM软件，https://jvet.hhi.fraunhofer.de/svn/svn_HMJEMSoftware/tags/HM-16.6-JEM-7.0(JEM 7.0)中被采用，并且后来在VVC草案10中采用了MTS的简化版本。
图3是由视频编码器和视频解码器(例如，视频编码器200和视频解码器300)执行的示例LFNST的图示，其中LFNST的使用在编解码器中的可分离变换和量化之间引入了新阶段。如图3所示，在编码器侧(例如，视频编码器200)，变换处理单元206可以首先对变换块应用可分离变换500以获得变换系数。变换处理单元206然后可以将LFNST 502应用于变换块的变换系数的一部分(例如，LFNST区域)。如上所述，变换处理单元206可以结合LFNST来应用归零过程。量化单元208然后可以在熵编码之前对所得变换系数进行量化。针对图12更详细地描述了变换处理单元206和量化单元208。
在解码器侧(例如，视频解码器300)，逆量化单元306首先对变换块中经熵解码的变换系数进行逆量化。然后视频解码器300的逆变换处理单元308将逆LFNST 504应用于变换块的LFSNT区域。然后逆变换处理单元308将逆可分离变换506应用于逆LFNST的结果，以产生残差块。针对图13更详细地描述了逆量化单元306和逆变换处理单元308。
如图3所示，LFNST用于JEM-7.0以进一步提高MTS的译码效率，其中，LFNST的实现基于在美国专利公开2017-0238013-A1中描述的HyGT。美国专利公开2017-0094313-A1、美国专利公开2017-0238014-A1、美国临时专利申请62/668,105(于2018年5月递交)以及美国专利公开2019-0297351-A1也描述了额外的设计和进一步细节。LFNST已在VVC草案10中被采用，并在JVET-N0193，Reduced Secondary Transform(RST)(CE6-3.1)，第14次会议：瑞士，日内瓦，2019年3月19-27日，中进行了描述。LFNST也可以被称为不可分离二次变换(NSST)或二次变换。
图3示出了LFNST变换的图示，其可以由视频编码器和视频解码器执行，其中LFNST在编解码器中的可分离变换和量化之间引入了新阶段。
现在将描述用于LFNST的解码过程。利用LFNST的逆变换涉及图4所示的以下主要步骤：
1)通过首先经由预定义的扫描/排序将2维块转换为1维系数列表(或向量)，经解码的变换系数(参见图4中的子块315)被用作对逆LFNST的输入；
2)逆LFNST被应用于输入系数的1维列表，并且输出系数经由预定义的扫描/排序被重组为2维块(参见图4中的子块317)；
3)经逆变换的LFNST系数用作可分离逆DCT-2的输入，以获得重构的残差。
图4示出了在使用LFNST时的逆变换过程的图示。
在VVC草案10中，LFNST可以应用于4x4和8x8子块。在这两种情况下，4x4子块中的16个经解码系数(其中一些可能被规范地归零)被输入到逆LFNST：
·对于4x4的情况，使用16x16的逆LFNST以便在可分离的逆DCT-2之前构造16个中间系数，如图5所示。
·对于8x8的情况，使用16x48的逆LFNST以便在可分离的逆DCT-2之前构造48个中间系数，如图6所示。应当注意，48个中间系数被重组为L形模式。
·可以基于(i)变换(即，LFNST)矩阵和(ii)针对中间系数的重组模式/扫描，来完全定义逆LFNST过程。
·VVC草案10中归零过程的细节在于2020年5月13日递交的美国专利申请15/931,271中有所描述。
图5示出了用于从16个输入系数的列表重构16个中间系数的4x4逆LFNST的图示。
对于4x4 LFNST，根据帧内模式使用以下两种模式/扫描：
Figure BDA0004140605140000111
其中上述两个模式/扫描指示对中间系数的重新排序。例如，g_lfnstRGScan4x4不会改变系数的行优先重新排序。然而，lfnstRGTranScan4x4通过对系数的顺序进行转置来重新排序(例如，1、2、3、6、7和11处的系数分别与4、8、12、9、13和14处的系数交换)。
对于4x4 LFNST，VVC草案10中存在八个16x16矩阵。这些在JVET-O2001的第8.7.4.3节中列出。
图6示出了用于从16个输入系数的列表重构48个中间系数的8x8逆LFNST的图示。中间系数被重组为L形模式。
对于8x8 LFNST，根据帧内模式使用以下两种模式/扫描：
Figure BDA0004140605140000112
Figure BDA0004140605140000121
其中上述两个模式/扫描指示对中间系数的重新排序。具体而言，g_lfnstRGScan8x8以L形模式对48个中间系数进行重组(例如，第48个系数被映射到图6中的位置59)。扫描lfnstRGTranScan4x4通过对系数进行转置(例如，第48个系数被映射到图6中的位置31)来对L形模式进行重新排序。
对于8x8 LFNST，VVC草案10中存在八个16x48矩阵。这些在JVET-O2001的第8.7.4.3节中列出。
对于VVC草案10中的4x4和8x8 LFNST二者，8个LFNST矩阵被分为4组LFNST矩阵，其中每组由2个LFNST候选组成。用于解码的变换矩阵通过用信号通知LFNST索引来确定，该LFNST索引标识在给定变换集合中的2个LFNST候选之间使用的变换矩阵。在VVC草案10中，变换集合是基于帧内模式推导出的。具体而言，其是根据下表推导出的
用于VVC草案10中四个LFNST集合的映射规则
predModeIntra lfnstTrSetIdx
predModeIntra<0 1
0<＝predModeIntra<＝1 0
2<＝predModeIntra<＝12 1
13<＝predModeIntra<＝23 2
24<＝predModeIntra<＝44 3
45<＝predModeIntra<＝55 2
56<＝predModeIntra<＝80 1
本公开内容描述了用于扩展VVC草案10的LFNST设计的技术。所提出的技术旨在通过引入额外的变换集合和候选来改进LFNST设计，并提供用于处理在乘法数量(即，每个系数的乘法)方面的最坏情况复杂度的技术。
本发明还描述了LFNST解码过程的方面。在(基于系数解码步骤)获得2维解量化系数列表之后，解码器(例如，视频解码器300)可以应用逆低频不可分离变换(LFNST)来重构系数子集。然后，使用逆可分离变换(例如，DCT-2)来重构2维块/阵列中的残差(参见例如图4)。
可以基于以下内容指定LFNST解码过程：
-重组模式/扫描，其用于定义如何组织LFNST输入和输出系数。
-变换矩阵，其定义用于解码系数子集的不可分离变换。
在LFNST中，可以组织解码系数的2维块/阵列，以便使矩阵的条目和输入对齐。如图7所示，这可以通过以下方式实现：
i)从系数的2维阵列构造系数M的1维列表，然后
ii)对1维列表应用(大小为M x N的)逆LFNST，以重构N个LFNST系数，并且
iii)在2维块/阵列中对输出系数进行重组，所述输出系数被输入到用于重构残差块的可分离变换(逆DCT-2)。
在VVC草案10中，LFNST设计允许最多M＝16个非零系数(位于左上角4x4子块)，而其余系数被规范地设置为零，如图7所示。然而，本公开内容中的思想可应用于允许所有系数为非零的设计。一个示例可以是M＝N的情况。在另一示例中，没有系数被规范地归零。
图7示出了逆LFNST过程的图示。
输入重组：
-例如，可以在光栅扫描(也被称为行优先排序，如图8所示)中进行重组。
-作为另一个示例，重组可以按列优先排序来进行。
-重组还可以取决于块大小和帧内模式。
-如果编解码器(例如，视频编码器200或视频解码器)规范地将输入系数的子集设置为归零，则针对LFNST的输入系数列表可以不包括那些归零系数。重组步骤只允许可以为非零的系数(即，未被规范地归零的系数)。
图8示出了基于具有16个解码系数的光栅扫描的输入重组的示例。图9示出了基于具有64个解码系数的光栅扫描的输入重组的示例。
变换矩阵：
-变换(LFNST)矩阵可以具有大小MxN，其中，
οM表示基向量的数量，并且也表示行数
οN表示在应用变换后经重构的LFNST系数的数量(也被称为变换的支持样本的数量)。
-变换矩阵条目可以处于8比特、9比特或10比特精度。
-可以对变换矩阵的行中所有条目的符号进行翻转。换句话说，变换矩阵中的行向量可以乘以-1。
ο变换矩阵中的所有行可以乘以-1。
ο变换矩阵中行的子集可以乘以1，而其他条目不变。
输出重组模式/扫描：
-N个输出LFNST系数的1维列表可以基于阵列(定义模式/扫描)来重组，其中阵列中的每个值对应于2维块中的方位/位置。
-阵列中的值(用于重组)可以以任何预定义的顺序表示2维块的索引。
ο在一个示例中，索引值可以对应于2维块中的位置。给定索引值v，2维块中的相应位
置可以计算为：
■行索引：r＝floor(v/w)
■列索引：c＝mod(v,w)
其中，w表示LFNST子块的宽度(在VVC草案10中，w可以是4或8)。基于此公式，
以下针对重组模式的阵列对应于针对4x4块的光栅顺序：
Figure BDA0004140605140000131
以便将1维系数列表中的第i个元素映射到2维块中的行和列位置，如针对i＝0,1,......,15：
·r[i]＝floor(raster_order[i]/w)
·c[i]＝mod(raster_order[i],w)
在上面的例子中，N与MxN中的值相同，并且也等于解码器侧重构系数的数量。M是与MxN矩阵的M行相关联的输入系数的数量。
N：输出/重构系数的数量，其等于矩阵中的列数(即，N)。
本公开内容还描述了用于在有/没有归零的情况下扩展8x8 LFNST支持的技术。VVC草案10中的8x8 LFNST设计可以被扩展为对重构的LFNST系数提供更大的支持。
在一个示例中，通过将允许系数的数量保持为M＝16，支持样本的数量可以从48扩展到64，如图10所示。注意，在该设计中，视频解码器300和视频编码器200都可以被配置为使得只有最多16个系数可以是非零的，如图8中所示，其中输入块具有16个样本。
图9示出了用于从16个输入系数重构64个中间系数的8x8逆LFNST的图示。中间系数被重组为8x8的正方形模式。
在另一示例中，通过进一步将允许系数的数量扩展为M＝64，支持样本的数量可以从48扩展到64，如图11所示。注意，该设计不允许系数的任何规范归零(即，视频编码器200和视频解码器300二者都可以被配置为使得在正方形块的任何位置可以存在非零系数)。
图11示出了用于从64个输入系数重构64个中间系数的8x8逆LFNST的示例图示。中间系数被重组为8x8的正方形模式。
对于M＝16或64个解码系数，可以在如图8所示的光栅扫描中进行输入重组，并且在阵列g_lfnstRGScan8x8和g_lfnstRGTranScan8x8中指定输出重组模式/扫描，其中，根据帧内模式使用这些阵列中的一个阵列。在一个示例中，lfnstRGScan用于索引为0,1,2,3…34的帧内模式，并且lfnstRGTranScan用于35,36，......
Figure BDA0004140605140000141
其中，具体而言，上述扫描对应于光栅扫描和转置顺序。
本公开内容还描述了用于扩展LFNST候选的数量的技术。
LFNST集合的数量(S)和候选的数量(C)可以扩展到S＝35和C＝3，并且可以根据以下映射表推导出用于给定帧内模式的LFNST集合(lfnstTrSetIdx)。
用于四个LFNST集合和扩展的LFNST设计的映射规则
Figure BDA0004140605140000142
/>
Figure BDA0004140605140000151
/>
Figure BDA0004140605140000161
对于S＝35和C＝3，105个LFNST矩阵g_lfnst4x4和g_lfnst8x8的集合可以是各种不同的矩阵。
本公开内容还描述了用于改进最坏情况矩阵乘法处理的技术。
对于硬件实现，最坏情况的乘法数量(每次变换系数)是重要的复杂度标准。减少最坏情况乘法数量的一种示例技术是将一些变换系数规范地归零。然而，除非需要满足某个最坏情况的乘法数量，否则归零过程是不期望的。
在VVC草案10中，以下规则集合用于保持8次乘法的最坏情况复杂度：
-如果使用LFNST并且TU大小为4x4或8x8，则最多允许8个非零系数，并且其余系数被规范地归零。
-否则，如果使用LFNST，则最多允许16个非零系数，并且其余系数被规范地归零。
在标准文本中，这被反映为：
nonZeroSize＝((nTbW＝＝4&&nTbH＝＝4)||
(nTbW＝＝8&&nTbH＝＝8))？8:16
让WCM表示所需的最坏情况乘法数量。用于确定允许的非零系数数量(即，归零水平)的通用公式为：
NZ＝floor((WCM x nTbW x nTbH)/(N x N))其中，nTbH和nTbW表示TU的高度和宽度，并且N是如上所述的变换维度。该通用公式可以反映在标准文本中，如下所示：
nonZeroSize＝(nTbW＝＝nTbH)？NZ:(2xNZ)，
其中当TU为正方形时，允许的系数的数量等于NZ，否则等于2乘以NZ。
如果块宽度和高度相等，则允许的非零系数的数量可以等于NZ。否则，允许的非零系数的数量可以等于2乘以NZ(例如，2xNZ)。
为了实现上述技术，视频编码器200和视频解码器300可以被配置为：基于视频数据块的大小，确定针对该块的允许的非零系数的数量，以及获得针对视频数据块的解量化系数集合，其中，解量化系数集合包括第一解量化系数子集和第二解量化系数子集，所述第一解量化系数子集包括非零解量化系数，所述第二解量化系数子集包括全零系数。第一解量化系数子集中的系数的数量可以等于针对视频数据块的所允许的非零系数的数量。视频编码器200和视频解码器300然后可以将逆LFNST应用于第一解量化系数子集以确定第一系数中间子集，并且将逆可分离变换应用于第一系数中间子集以及第二系数子集的至少一部分，以确定重构的残差值的块。
图12是示出可以执行本公开内容的技术的示例视频编码器200的框图。提供图12是为了解释的目的，并且不应被认为是对本公开内容中广泛例示和描述的技术的限制。为了说明的目的，本公开内容描述了根据VVC(正在开发的ITU-T H.266)和HEVC(ITU-TH.265)的技术的视频编码器200。然而，本公开内容的技术可以由被配置为其他视频译码标准的视频编码设备来执行。
在图12的示例中，视频编码器200包括视频数据存储器230、模式选择单元202、残差生成单元204、变换处理单元206、量化单元208、逆量化单元210、逆变换处理单元212、重构单元214、滤波器单元216、解码图片缓冲器(DPB)218和熵编码单元220。视频数据存储器230、模式选择单元202、残差生成单元204、变换处理单元206、量化单元208、逆量化单元210、逆变换处理单元212、重构单元214、滤波器单元216、DPB 218和熵编码单元220中的任何一者或全部可以在一个或多个处理器中或者在处理电路中实现。例如，视频编码器200的单元可以被实现为一个或多个电路或逻辑元件，作为硬件电路的一部分，或者作为处理器、ASIC或FPGA的一部分。此外，视频编码器200可以包括额外或替代的处理器或处理电路以执行这些和其它功能。
视频数据存储器230可以存储要由视频编码器200的组件来编码的视频数据。视频编码器200可以从例如视频源104(图1)接收被存储在视频数据存储器230中的视频数据。DPB 218可以充当参考图片存储器，其存储参考视频数据，以在由视频编码器200对后续视频数据进行预测时使用。视频数据存储器230和DPB 218可以由各种存储器设备中的任何一种形成，诸如动态随机存取存储器(DRAM)(包括同步DRAM(SDRAM))、磁阻RAM(MRAM)、电阻性RAM(RRAM)、或其它类型的存储器设备。视频数据存储器230和DPB 218可以由相同的存储器设备或分别的存储器设备来提供。在各个示例中，视频数据存储器230可以与视频编码器200的其它组件在芯片上(如图所示)，或者相对于那些组件在芯片外。
在本公开内容中，对视频数据存储器230的引用不应当被解释为限于在视频编码器200内部的存储器(除非如此具体地描述)，或者不限于在视频编码器200外部的存储器(除非如此具体地描述)。确切而言，对视频数据存储器230的引用应当被理解为存储视频编码器200接收以用于编码的视频数据(例如，用于要被编码的当前块的视频数据)的参考存储器。图1的存储器106还可以提供对来自视频编码器200的各个单元的输出的临时存储。
示出了图12的各个单元以帮助理解由视频编码器200执行的操作。这些单元可以被实现为固定功能电路、可编程电路、或其组合。固定功能电路指代提供特定功能并且关于可以执行的操作而预先设置的电路。可编程电路指代可以被编程以执行各种任务并且以可以执行的操作来提供灵活功能的电路。例如，可编程电路可以执行软件或固件，所述软件或固件使得可编程电路以软件或固件的指令所定义的方式进行操作。固定功能电路可以执行软件指令(例如，以接收参数或输出参数)，但是固定功能电路执行的操作类型通常是不可变的。在一些示例中，这些单元中的一个或多个单元可以是不同的电路块(固定功能或可编程)，并且在一些示例中，单元中的一个或多个单元可以是集成电路。
视频编码器200可以包括由可编程电路形成的算术逻辑单元(ALU)、基本功能单元(EFU)、数字电路、模拟电路和/或可编程核。在其中使用由可编程电路执行的软件来执行视频编码器200的操作的示例中，存储器106(图1)可以存储视频编码器200接收并且执行的软件的指令(例如，目标代码)，或者视频编码器200内的另一存储器(未示出)可以存储这样的指令。
视频数据存储器230被配置为存储所接收的视频数据。视频编码器200可以从视频数据存储器230取回视频数据的图片，并且将视频数据提供给残差生成单元204和模式选择单元202。视频数据存储器230中的视频数据可以是要被编码的原始视频数据。
模式选择单元202包括运动估计单元222、运动补偿单元224和帧内预测单元226。模式选择单元202可以包括额外功能单元，以根据其它预测模式来执行视频预测。作为示例，模式选择单元202可以包括调色板单元、块内复制单元(其可以是运动估计单元222和/或运动补偿单元224的一部分)、仿射单元、线性模型(LM)单元等。
模式选择单元202通常协调多个编码通路(pass)，以测试编码参数的组合以及针对这样的组合所得到的率失真值。编码参数可以包括将CTU分割为CU、用于CU的预测模式、用于CU的残差数据的变换类型、用于CU的残差数据的量化参数等。模式选择单元202可以最终选择编码参数的具有比其它测试的组合更佳的率失真值的组合。
视频编码器200可以将从视频数据存储器230取回的图片分割为一系列CTU，并且将一个或多个CTU封装在切片内。模式选择单元202可以根据树结构(诸如上述HEVC的QTBT结构或四叉树结构)来分割图片的CTU。如上所述，视频编码器200可以通过根据树结构来分割CTU，从而形成一个或多个CU。这样的CU通常也可以被称为“视频块”或“块”。
通常，模式选择单元202还控制其组件(例如，运动估计单元222、运动补偿单元224和帧内预测单元226)以生成用于当前块(例如，当前CU，或者在HEVC中为PU和TU的重叠部分)的预测块。为了对当前块进行帧间预测，运动估计单元222可以执行运动搜索以识别在一个或多个参考图片(例如，被存储在DPB 218中的一个或多个先前译码的图片)中的一个或多个紧密匹配的参考块。具体地，运动估计单元222可以例如根据绝对差之和(SAD)、平方差之和(SSD)、平均绝对差(MAD)、均方差(MSD)等，来计算用于表示潜在参考块将与当前块的类似程度的值。运动估计单元222通常可以使用在当前块与所考虑的参考块之间的逐样本的差，来执行这些计算。运动估计单元222可以识别从这些计算所得到的具有最低值的参考块，其指示与当前块最紧密匹配的参考块。
运动估计单元222可以形成一个或多个运动矢量(MV)，所述运动矢量限定相对于当前块在当前图片中的位置而言，参考块在参考图片中的位置。然后，运动估计单元222可以将运动矢量提供给运动补偿单元224。例如，对于单向帧间预测，运动估计单元222可以提供单个运动矢量，而对于双向帧间预测，运动估计单元222可以提供两个运动矢量。然后，运动补偿单元224可以使用运动矢量来生成预测块。例如，运动补偿单元224可以使用运动矢量来取回参考块的数据。作为另一示例，如果运动矢量具有分数样本精度，则运动补偿单元224可以根据一个或多个插值滤波器来对用于预测块的值进行插值。此外，对于双向帧间预测，运动补偿单元224可以取回用于由相应的运动矢量标识的两个参考块的数据，并且例如通过逐样本平均或加权平均，来将所取回的数据进行组合。
作为另一示例，对于帧内预测或帧内预测译码，帧内预测单元226可以根据与当前块相邻的样本来生成预测块。例如，对于方向性模式，帧内预测单元226通常可以在数学上将相邻样本的值进行组合，并且跨当前块在所定义的方向上填充这些计算出的值以产生预测块。作为另一示例，对于DC模式，帧内预测单元226可以计算当前块的相邻样本的平均值，并且生成预测块以包括该得到的针对预测块的每个样本的平均值。
模式选择单元202将预测块提供给残差生成单元204。残差生成单元204从视频数据存储器230接收当前块的原始的未经编码的版本，并且从模式选择单元202接收预测块。残差生成单元204计算在当前块与预测块之间的逐样本的差。所得到的逐样本的差定义了用于当前块的残差块。在一些示例中，残差生成单元204还可以确定在残差块中的样本值之间的差，以使用残差差分脉冲译码调制(RDPCM)来生成残差块。在一些示例中，可以使用执行二进制减法的一个或多个减法器电路来形成残差生成单元204。
在其中模式选择单元202将CU分割为PU的示例中，每个PU可以与亮度预测单元和对应的色度预测单元相关联。视频编码器200和视频解码器300可以支持具有各种大小的PU。如上所指出的，CU的大小可以指代CU的亮度译码块的大小，并且PU的大小可以指代PU的亮度预测单元的大小。假设特定CU的大小为2Nx2N，则视频编码器200可以支持用于帧内预测的2Nx2N或NxN的PU大小、以及用于帧间预测的2Nx2N、2NxN、Nx2N、NxN或类似的对称的PU大小。视频编码器200和视频解码器300还可以支持针对用于帧间预测的2NxnU、2NxnD、nLx2N和nRx2N的PU大小的非对称分割。
在其中模式选择单元202不将CU进一步分割为PU的示例中，每个CU可以与亮度译码块和对应的色度译码块相关联。如上所述，CU的大小可以指代CU的亮度译码块的大小。视频编码器200和视频解码器300可以支持2Nx2N、2NxN或Nx2N的CU大小。
对于其它视频译码技术(举几个示例，诸如块内复制模式译码、仿射模式译码和线性模型(LM)模式译码)，模式选择单元202经由与译码技术相关联的相应单元来生成用于正被编码的当前块的预测块。在一些示例中(诸如调色板模式译码)，模式选择单元202可以不生成预测块，而是替代地生成用于指示基于所选择的调色板来重构块的方式的语法元素。在这样的模式下，模式选择单元202可以将这些语法元素提供给熵编码单元220以进行编码。
如上所述，残差生成单元204接收用于当前块和对应的预测块的视频数据。然后，残差生成单元204为当前块生成残差块。为了生成残差块，残差生成单元204计算在预测块与当前块之间的逐样本的差。
变换处理单元206将一种或多种变换应用于残差块，以生成变换系数的块(本文中被称为“变换系数块”)。变换处理单元206可以将各种变换应用于残差块，以形成变换系数块。例如，变换处理单元206可以将离散余弦变换(DCT)、方向变换、Karhunen-Loeve变换(KLT)、或概念上类似的变换应用于残差块。在一些示例中，变换处理单元206可以对残差块执行多种变换，例如，初级变换和二次变换(诸如旋转变换)。变换处理单元206可以例如以本公开内容中描述的方式来应用LFNST和可分离变换。根据本公开内容的技术，变换处理单元206可以例如，基于视频数据块的大小来确定针对视频数据块的允许的非零系数的数量，并且作为应用LFNST和可分离变换的一部分，基于所确定的允许的非零系数的数量来执行归零过程。在一些示例中，变换处理单元206不对残差块应用变换。
量化单元208可以对变换系数块中的变换系数进行量化，以产生经量化的变换系数块。量化单元208可以根据与当前块相关联的量化参数(QP)值来对变换系数块的变换系数进行量化。视频编码器200(例如，经由模式选择单元202)可以通过调整与CU相关联的QP值，来调整被应用于与当前块相关联的变换系数块的量化程度。量化可能引起信息损失，并且因此，经量化的变换系数可能具有比由变换处理单元206所产生的原始变换系数更低的精度。
逆量化单元210和逆变换处理单元212可以将逆量化和逆变换分别应用于经量化的变换系数块，以从变换系数块重构残差块。逆变换处理单元212可以例如以本公开内容中描述的方式来应用逆LFNST和逆可分离变换。根据本公开内容的技术，逆变换处理单元212可以例如，基于视频数据块的大小来确定针对该块的允许的非零系数的数量，并且作为应用逆LFNST和逆可分离变换的一部分，基于所确定的允许的非零系数的数量来执行归零过程。
重构单元214可以基于经重构的残差块和由模式选择单元202生成的预测块，来产生与当前块相对应的重构块(尽管潜在地具有某种程度的失真)。例如，重构单元214可以将经重构的残差块的样本与来自由模式选择单元202所生成的预测块的对应样本相加，以产生经重构的块。
滤波器单元216可以对经重构的块执行一个或多个滤波器操作。例如，滤波器单元216可以执行去块操作以减少沿着CU的边缘的块效应伪影。在一些示例中，可以跳过滤波器单元216的操作。
视频编码器200将经重构的块存储在DPB 218中。例如，在其中不执行滤波器单元216的操作的示例中，重构单元214可以将经重构的块存储到DPB 218中。在其中执行滤波器单元216的操作的示例中，滤波器单元216可以将经滤波的重构块存储到DPB 218中。运动估计单元222和运动补偿单元224可以从DPB 218取回根据经重构的(并且潜在地经滤波的)块形成的参考图片，以对后续编码的图片的块进行帧间预测。另外，帧内预测单元226可以使用在DPB 218中的当前图片的经重构的块，来对当前图片中的其它块进行帧内预测。
通常，熵编码单元220可以对从视频编码器200的其它功能组件接收的语法元素进行熵编码。例如，熵编码单元220可以对来自量化单元208的经量化的变换系数块进行熵编码。作为另一示例，熵编码单元220可以对来自模式选择单元202的预测语法元素(例如，用于帧间预测的运动信息或用于帧内预测的帧内模式信息)进行熵编码。熵编码单元220可以对作为视频数据的另一示例的语法元素执行一个或多个熵编码操作，以生成经熵编码的数据。例如，熵编码单元220可以执行上下文自适应可变长度译码(CAVLC)操作、CABAC操作、可变到可变(V2V)长度译码操作、基于语法的上下文自适应二进制算术译码(SBAC)操作、概率区间分割熵(PIPE)译码操作、指数哥伦布编码操作、或对数据的另一种类型的熵编码操作。在一些示例中，熵编码单元220可以在其中语法元素未被熵编码的旁路模式下操作。
视频编码器200可以输出比特流，其包括用于重构切片或图片的块所需要的经熵编码的语法元素。具体地，熵编码单元220可以输出比特流。
关于块描述了上述操作。这样的描述应当被理解为用于亮度译码块和/或色度译码块的操作。如上所述，在一些示例中，亮度译码块和色度译码块是CU的亮度分量和色度分量。在一些示例中，亮度译码块和色度译码块是PU的亮度分量和色度分量。
在一些示例中，不需要针对色度译码块重复关于亮度编码块执行的操作。作为一个示例，不需要重复用于识别用于亮度译码块的运动矢量(MV)和参考图片的操作来识别用于色度块的MV和参考图片。而是，可以对用于亮度译码块的MV进行缩放以确定用于色度块的MV，并且参考图片可以是相同的。作为另一示例，对于亮度译码块和色度译码块，帧内预测过程可以是相同的。
图13是示出可以执行本公开内容的技术的示例视频解码器300的框图。图13是出于解释的目的而提供的，并且不对在本公开内容中泛泛地举例说明和描述的技术进行限制。出于解释的目的，本公开内容根据VVC(正在开发的ITU-T H.266)和HEVC(ITU-T H.265)的技术描述了视频解码器300。然而，本公开内容的技术可以由被配置用于其它视频译码标准的视频译码设备来执行。
在图13的示例中，视频解码器300包括译码图片缓冲器(CPB)存储器320、熵解码单元302、预测处理单元304、逆量化单元306、逆变换处理单元308、重构单元310、滤波器单元312和解码图片缓冲器(DPB)314。CPB存储器320、熵解码单元302、预测处理单元304、逆量化单元306、逆变换处理单元308、重构单元310、滤波器单元312和DPB 314中的任何一者或全部可以在一个或多个处理器中或者在处理电路中实现。例如，视频解码器300的单元可以被实现为一个或多个电路或逻辑元件，作为硬件电路的一部分，或者作为处理器、ASIC或FPGA的一部分。此外，视频解码器300可以包括额外或替代的处理器或处理电路以执行这些和其它功能。
预测处理单元304包括运动补偿单元316和帧内预测单元318。预测处理单元304可以包括加法单元，其根据其它预测模式来执行预测。作为示例，预测处理单元304可以包括调色板单元、块内复制单元(其可以形成运动补偿单元316的一部分)、仿射单元、线性模型(LM)单元等。在其它示例中，视频解码器300可以包括更多、更少或不同的功能组件。
CPB存储器320可以存储要由视频解码器300的组件解码的视频数据，诸如经编码的视频比特流。例如，可以从计算机可读介质110(图1)获得被存储在CPB存储器320中的视频数据。CPB存储器320可以包括存储来自经编码的视频比特流的经编码的视频数据(例如，语法元素)的CPB。此外，CPB存储器320可以存储除了经译码的图片的语法元素之外的视频数据，诸如用于表示来自视频解码器300的各个单元的输出的临时数据。DPB 314通常存储经解码的图片，视频解码器300可以输出经解码的图片，和/或在解码经编码的视频比特流的后续数据或图片时使用经解码的图片作为参考视频数据。CPB存储器320和DPB 314可以由各种存储器设备中的任何一种形成，诸如DRAM，包括SDRAM、MRAM、RRAM或其它类型的存储器设备。CPB存储器320和DPB 314可以由相同的存储器设备或分别的存储器设备来提供。在各个示例中，CPB存储器320可以与视频解码器300的其它组件在芯片上，或者相对于那些组件在芯片外。
另外或替代地，在一些示例中，视频解码器300可以从存储器120(图1)取回经译码的视频数据。也就是说，存储器120可以如上文所讨论地利用CPB存储器320来存储数据。同样，当视频解码器300的一些或全部功能是用要被视频解码器300的处理电路执行的软件来实现时，存储器120可以存储要被视频解码器300执行的指令。
示出了图13中示出的各个单元以帮助理解由视频解码器300执行的操作。这些单元可以被实现为固定功能电路、可编程电路、或其组合。类似于图12，固定功能电路指代提供特定功能并且关于可以执行的操作而预先设置的电路。可编程电路指代可以被编程以执行各种任务并且以可以执行的操作来提供灵活功能的电路。例如，可编程电路可以执行软件或固件，所述软件或固件使得可编程电路以软件或固件的指令所定义的方式进行操作。固定功能电路可以执行软件指令(例如，以接收参数或输出参数)，但是固定功能电路执行的操作的类型通常是不可变的。在一些示例中，这些单元中的一个或多个单元可以是不同的电路块(固定功能或可编程)，并且在一些示例中，单元中的一个或多个单元可以是集成电路。
视频解码器300可以包括由可编程电路形成的ALU、EFU、数字电路、模拟电路和/或可编程核。在其中由在可编程电路上执行的软件执行视频解码器300的操作的示例中，片上或片外存储器可以存储视频解码器300接收并且执行的软件的指令(例如，目标代码)。
熵解码单元302可以从CPB接收经编码的视频数据，并且对视频数据进行熵解码以重现语法元素。预测处理单元304、逆量化单元306、逆变换处理单元308、重构单元310和滤波器单元312可以基于从比特流中提取的语法元素来生成经解码的视频数据。
通常，视频解码器300在逐块的基础上重构图片。视频解码器300可以单独地对每个块执行重构操作(其中，当前正在被重构(即，被解码)的块可以被称为“当前块”)。
熵解码单元302可以对用于定义经量化的变换系数块的经量化的变换系数的语法元素、以及诸如量化参数(QP)和/或变换模式指示之类的变换信息进行熵解码。逆量化单元306可以使用与经量化的变换系数块相关联的QP来确定量化程度，并且同样地，确定供逆量化单元306应用的逆量化程度。逆量化单元306可以例如执行按位左移操作，以对经量化的变换系数进行逆量化。逆量化单元306从而可以形成包括变换系数的变换系数块。
在逆量化单元306形成变换系数块之后，逆变换处理单元308可以将一种或多种逆变换应用于变换系数块，以生成与当前块相关联的残差块。例如，逆变换处理单元308可以将逆DCT、逆整数变换、逆Karhunen-Loeve变换(KLT)、逆旋转变换、逆方向变换或另一逆变换应用于变换系数块。逆变换处理单元308可以以本公开内容中描述的方式来应用逆LFNST和逆可分离变换。根据本公开内容的技术，逆变换处理单元308可以例如，基于视频数据块的大小来确定针对该块的允许的非零系数的数量，并且作为应用逆LFNST和逆可分离变换的一部分，基于所确定的允许的非零系数的数量来执行归零过程。
此外，预测处理单元304根据由熵解码单元302进行熵解码的预测信息语法元素来生成预测块。例如，如果预测信息语法元素指示当前块是经帧间预测的，则运动补偿单元316可以生成预测块。在这种情况下，预测信息语法元素可以指示在DPB 314中的要从其取回参考块的参考图片、以及用于标识相对于当前块在当前图片中的位置而言参考块在参考图片中的位置的运动矢量。运动补偿单元316通常可以以与关于运动补偿单元224(图12)所描述的方式基本类似的方式来执行帧间预测过程。
作为另一示例，如果预测信息语法元素指示当前块是经帧内预测的，则帧内预测单元318可以根据由预测信息语法元素指示的帧内预测模式来生成预测块。再次，帧内预测单元318通常可以以与关于帧内预测单元226(图12)所描述的方式基本上类似的方式来执行帧内预测过程。帧内预测单元318可以从DPB 314取回当前块的相邻样本的数据。
重构单元310可以使用预测块和残差块来重构当前块。例如，重构单元310可以将残差块的样本与预测块的对应样本相加来重构当前块。
滤波器单元312可以对经重构的块执行一个或多个滤波器操作。例如，滤波器单元312可以执行去块操作以减少沿着经重构的块的边缘的块效应伪影。不一定在所有示例中都执行滤波器单元312的操作。
视频解码器300可以将经重构的块存储在DPB 314中。例如，在不执行滤波器单元312的操作的示例中，重构单元310可以将重构块存储到DPB 314。在执行滤波器单元312的操作的示例中，滤波器单元312可以将经滤波的重构块存储到DPB 314。如上所讨论的，DPB314可以将参考信息(诸如用于帧内预测的当前图片以及用于后续运动补偿的先前解码的图片的样本)提供给预测处理单元304。此外，视频解码器300可以从DPB 314输出经解码的图片(例如，经解码的视频)，以用于在诸如图1的显示设备118之类的显示设备上的后续呈现。
图14是示出根据本公开内容的技术的、用于对当前块进行编码的一种示例过程的流程图。当前块可以包括当前CU。尽管针对视频编码器200(图1和图12)进行了描述，但应该理解的是：其他设备可以被配置为执行与图14类似的过程。
在该示例中，视频编码器200最初预测当前块(350)。举例来说，视频编码器200可形成针对当前块的预测块。视频编码器200然后可以计算针对当前块的残差块(352)。为了计算残差块，视频编码器200可计算在原始的、未编码块与针对当前块的预测块之间的差。视频编码器200然后可以对残差块进行变换并对残差块的变换系数进行量化(354)。接下来，视频编码器200可以对残差块的经量化的变换系数进行扫描(356)。在扫描期间或在扫描之后，视频编码器200可对变换系数进行熵编码(358)。例如，视频编码器200可以使用CAVLC或CABAC对变换系数进行编码。视频编码器200然后可以输出块的熵编码数据(360)。
图15是示出根据本公开内容的技术的、用于对视频数据的当前块进行解码的一种示例过程的流程图。当前块可以包括当前CU。尽管针对视频解码器300(图1和图13)进行了描述，但应该理解的是：其他设备可以被配置为执行与图15类似的过程。
视频解码器300可以接收针对当前块的熵编码数据，例如，熵编码预测信息和针对与当前块相对应的残差块的变换系数的熵编码数据(370)。视频解码器300可以对熵编码数据进行熵解码，以确定针对当前块的预测信息并再现残差块的变换系数(372)。视频解码器300可以例如使用由针对当前块的预测信息所指示的帧内预测模式或帧间预测模式，来预测当前块(374)，以计算针对当前块的预测块。视频解码器300然后可以对再现的变换系数进行逆扫描(376)，以创建经量化的变换系数的块。然后，视频解码器300可以对变换系数进行逆量化，并将逆变换应用于变换系数以产生残差块(378)。作为应用逆变换的一部分，视频解码器300可以例如，获得针对视频数据块的解量化系数集合，其中，解量化系数集合包括第一解量化系数子集和第二解量化系数子集，所述第一解量化系数子集包括非零解量化系数，所述第二解量化系数子集包括全零系数。视频解码器300可以将逆LFNST应用于第一解量化系数子集以确定第一系数中间子集，并且将逆可分离变换应用于第一系数中间子集以及第二系数子集的至少一部分，以确定重构的残差值的块。视频解码器300可以通过对预测块和残差块进行组合来最终对当前块进行解码(380)。
图16是示出根据本公开内容的技术的、用于对视频数据的当前块进行解码的一种示例过程的流程图。当前块可以包括当前CU。尽管针对视频解码器300(图1和图13)进行了描述，但应该理解的是：其他设备可以被配置为执行与图16类似的过程。例如，由视频编码器200执行的视频编码过程的视频解码循环也可以执行图16的技术。
视频解码器300可以基于视频数据块的大小来确定针对该块的允许的非零系数的数量(400)。视频解码器300可以根据公式NZ＝floor((WCM x nTbW x nTbH)/(N x N))来确定所允许的非零系数的数量，其中，nTbH表示重构值的块的高度，nTbW表示重构值的块的宽度，NZ等于所允许的非零系数的数量，以及WCM表示常数值。第一解量化系数子集例如可以具有NZ个系数。在一些示例中，M可以等于2xNZ，并且N可以等于64。
视频解码器300获得针对视频数据块的解量化系数集合，其中，解量化系数集合包括第一解量化系数子集和第二解量化系数子集，所述第一解量化系数子集包括非零解量化系数，所述第二解量化系数子集包括全零系数(402)。第一解量化系数子集中的系数的数量可以等于针对视频数据块的所允许的非零系数的数量。
视频解码器300将逆LFNST应用于第一解量化系数子集以确定第一系数中间子集(404)。视频解码器300可以例如，确定针对视频数据块的帧内预测模式；基于帧内预测模式，从多个集合中确定逆LFNST候选的集合；以及从所确定的逆LFNST候选集合中选择逆LFNST。逆LFNST候选集合可以例如包括3个候选，并且可以是从包括35个集合的多个集合中确定的。第一解量化系数子集可以包括M个解量化系数，并且第一系数中间子集可以包括N个系数，其中M和N是整数值。如上文所讨论的，在一些示例中，M可以等于16，以及N等于64。在其它示例中，M可以等于64，以及N等于64。
视频解码器300将逆可分离变换应用于第一系数中间子集以及第二系数子集的至少一部分，以确定重构的残差值的块(406)。视频解码器300可以将重构残差值的块与预测块相加以形成重构块；对重构块应用一个或多个滤波器以确定经滤波的重构块；以及输出包括经滤波的重构块的解码视频数据。
以下条款表示上述技术和设备的实施方式。
条款1、一种对视频数据进行解码的方法，所述方法包括：获得针对视频数据块的解量化系数集合，其中，所述解量化系数集合包括第一解量化系数子集和第二解量化系数子集，所述第一解量化系数子集包括非零解量化系数，所述第二解量化系数子集包括全零系数；将逆低频不可分离变换(LFNST)应用于所述第一解量化系数子集，以确定第一系数中间子集；以及将逆可分离变换应用于所述第一系数中间子集以及所述第二系数子集的至少一部分，以确定重构的残差值的块。
条款2、根据条款1所述的方法，其中，所述第一解量化系数子集包括M个解量化系数，并且其中，第一系数中间子集包括N个系数，其中M和N是整数值。
条款3、根据条款2所述的方法，其中，M＝16并且N＝64。
条款4、根据条款2所述的方法，其中，M＝64并且N＝64。
条款5、根据条款1-4中任意条款所述的方法，还包括：确定针对所述视频数据块的帧内预测模式；基于所述帧内预测模式，从多个集合中确定逆LFNST候选集合；以及从所确定的逆LFNST候选集合中选择所述逆LFNST。
条款6、根据条款5所述的方法，其中，所述逆LFNST候选集合包括3个候选。
条款7、根据条款5或条款6所述的方法，其中，所述多个集合包括35个集合。
条款8、根据条款2-7中任意条款所述的方法，还包括：根据公式NZ＝floor((WCM xnTbW x nTbH)/(N x N))来确定所述允许的非零系数的最小数量，其中，nTbH表示重构值的块的高度，nTbW表示重构值的块的宽度，NZ等于允许的非零系数的最小数量，并且WCM表示常数值。
条款9、根据条款8所述的方法，其中，所述第一解量化系数子集具有NZ个系数。
条款10、根据条款2和8或者条款2和9所述的方法，其中，M＝2xNZ并且N＝64。
条款11、一种用于对视频数据进行译码的设备，该设备包括用于执行根据条款1-10中任意条款所述的方法的一个或多个单元。
条款12、根据条款11所述的设备，其中，所述一个或多个单元包括电路中实现的一个或多个处理器。
条款13、根据条款11或12所述的设备，还包括用于存储所述视频数据的存储器。
条款14、根据条款11-13中任意条款所述的设备，还包括显示器，其被配置为显示解码视频数据。
条款15、根据条款11-14中任意条款所述的设备，其中，所述设备包括下列中的一项或多项：照相机、计算机、移动设备、广播接收机设备或机顶盒。
条款16、根据条款11-15中任意条款所述的设备，其中，所述设备包括视频解码器。
条款17、根据条款11-16中任意条款所述的设备，其中，所述设备包括视频编码器。
条款18、一种具有存储在其上的指令的计算机可读存储介质，当被执行时，所述指令使得一个或多个处理器执行根据条款1-10中任意条款所述的方法。
条款19、一种对视频数据进行解码的方法，所述方法包括：基于视频数据块的大小，确定针对所述块的允许的非零系数的数量；获得针对所述视频数据块的解量化系数集合，其中，所述解量化系数集合包括第一解量化系数子集和第二解量化系数子集，所述第一解量化系数子集包括非零解量化系数，所述第二解量化系数子集包括全零系数，其中，所述第一解量化系数子集中的系数的数量等于针对所述视频数据块的所述允许的非零系数的数量；将逆低频不可分离变换(LFNST)应用于所述第一解量化系数子集以确定第一系数中间子集；以及将逆可分离变换应用于所述第一系数中间子集以及所述第二系数子集的至少一部分，以确定重构的残差值的块。
条款20、根据条款19所述的方法，还包括：确定针对所述视频数据块的帧内预测模式；基于所述帧内预测模式，从多个集合中确定逆LFNST候选集合；以及从所确定的逆LFNST候选集合中选择所述逆LFNST。
条款21、根据条款20所述的方法，其中，所述逆LFNST候选集合包括3个候选。
条款22、根据条款20或条款21所述的方法，其中，所述多个集合包括35个集合。
条款23、根据条款19-22中任意条款所述的方法，其中，所述第一解量化系数子集包括M个解量化系数，并且其中，第一系数中间子集包括N个系数，其中M和N是整数值。
条款24、根据条款23所述的方法，其中，M＝16并且N＝64。
条款25、根据条款23所述的方法，其中，M＝64并且N＝64。
条款26、根据条款23-25中任意条款所述的方法，还包括：根据公式NZ＝floor((WCM x nTbW x nTbH)/(N x N))来确定所述允许的非零系数的数量，其中，nTbH表示重构值的块的高度，nTbW表示重构值的块的宽度，NZ等于所述允许的非零系数的数量，并且WCM表示常数值。
条款27、根据条款26所述的方法，其中，所述第一解量化系数子集具有NZ个系数。
条款28、根据条款26或27所述的方法，其中，M＝2xNZ并且N＝64。
条款29、根据条款19-28中任意条款所述的方法，还包括：将重构残差值的块与预测块相加，以形成重构块；对所述重构块应用一个或多个滤波器，以确定经滤波的重构块；以及输出包括所述经滤波的重构块的解码视频数据。
条款30、根据条款19-29中任意条款所述的方法，其中，所述方法是作为视频编码过程的一部分执行的。
条款31、一种用于对视频数据进行解码的设备，所述设备包括：存储器，其被配置为存储视频数据；一个或多个处理器，其在电路中实现并且被配置为：基于视频数据块的大小，确定针对所述块的允许的非零系数的数量；获得针对所述视频数据块的解量化系数集合，其中，所述解量化系数集合包括第一解量化系数子集和第二解量化系数子集，所述第一解量化系数子集包括非零解量化系数，所述第二解量化系数子集包括全零系数，其中，所述第一解量化系数子集中的系数的数量等于针对所述视频数据块的所述允许的非零系数的数量；将逆低频不可分离变换(LFNST)应用于所述第一解量化系数子集以确定第一系数中间子集；以及将逆可分离变换应用于所述第一系数中间子集以及所述第二系数子集的至少一部分，以确定重构的残差值的块。
条款32、根据条款31所述的设备，其中，所述一个或多个处理器还被配置为：确定针对所述视频数据块的帧内预测模式；基于所述帧内预测模式，从多个集合中确定逆LFNST候选集合；以及从所确定的逆LFNST候选集合中选择所述逆LFNST。
条款33、根据条款32所述的设备，其中，所述逆LFNST候选集合包括3个候选。
条款34、根据条款32所述的设备，其中，所述多个集合包括35个集合。
条款35、根据条款31-34中任意条款所述的设备，其中，所述第一解量化系数子集包括M个解量化系数，并且其中，第一系数中间子集包括N个系数，其中M和N是整数值。
条款36、根据条款35所述的设备，其中，M＝16并且N＝64。
条款37、根据条款35所述的设备，其中，M＝64并且N＝64。
条款38、根据条款35-37中任意条款所述的设备，其中，所述一个或多个处理器还被配置为：根据公式NZ＝floor((WCM x nTbW x nTbH)/(N x N))来确定所述允许的非零系数的数量，其中，nTbH表示重构值的块的高度，nTbW表示重构值的块的宽度，NZ等于所述允许的非零系数的数量，并且WCM表示常数值。
条款39、根据条款35所述的设备，其中，所述第一解量化系数子集具有NZ个系数。
条款40、根据条款35或36所述的设备，其中，M＝2xNZ并且N＝64。
条款41、根据条款31-41中任意条款所述的设备，其中，所述一个或多个处理器还被配置为：将重构残差值的块与预测块相加，以形成重构块；对所述重构块应用一个或多个滤波器，以确定经滤波的重构块；以及输出包括所述经滤波的重构块的解码视频数据。
条款42、根据条款31-41中任意条款所述的设备，其中，所述设备包括无线通信设备，还包括：接收机，其被配置为：接收编码视频数据。
条款43、根据条款42所述的设备，其中，所述无线通信设备包括手持电话，并且其中，所述接收机被配置为：根据无线通信标准来对包括所述编码视频数据的信号进行解调。
条款44、根据条款31-43中任意条款所述的设备，还包括：显示器，其被配置为显示解码视频数据。
条款45、根据条款31-44中任意条款所述的设备，其中，所述设备包括下列中的一项或多项：照相机、计算机、移动设备、广播接收机设备或机顶盒。
条款46、根据条款31-45中任意条款所述的设备，还包括：照相机，其被配置为捕捉视频数据。
条款47、根据条款31-46中任意条款所述的设备，其中，所述设备包括无线通信设备，还包括：发射机，其被配置为：发送编码视频数据。
条款48、根据条款47所述的设备，其中，所述无线通信设备包括手持电话，并且其中，所述发射机被配置为：根据无线通信标准来对包括所述编码视频数据的信号进行调制。
条款49、一种存储有指令的计算机可读存储介质，其中，当由一个或多个处理器执行时所述指令使所述一个或多个处理器：基于视频数据块的大小，确定针对所述块的允许的非零系数的数量；获得针对所述视频数据块的解量化系数集合，其中，所述解量化系数集合包括第一解量化系数子集和第二解量化系数子集，所述第一解量化系数子集包括非零解量化系数，所述第二解量化系数子集包括全零系数，其中，所述第一解量化系数子集中的系数的数量等于针对所述视频数据块的所述允许的非零系数的数量；将逆低频不可分离变换(LFNST)应用于所述第一解量化系数子集以确定第一系数中间子集；以及将逆可分离变换应用于所述第一系数中间子集以及所述第二系数子集的至少一部分，以确定重构的残差值的块。
条款50、一种用于对视频数据进行解码的设备，所述设备包括：用于基于视频数据块的大小，确定针对所述块的允许的非零系数的数量的单元；用于获得针对所述视频数据块的解量化系数集合的单元，其中，所述解量化系数集合包括第一解量化系数子集和第二解量化系数子集，所述第一解量化系数子集包括非零解量化系数，所述第二解量化系数子集包括全零系数，其中，所述第一解量化系数子集中的系数的数量等于针对所述视频数据块的所述允许的非零系数的数量；用于将逆低频不可分离变换(LFNST)应用于所述第一解量化系数子集以确定第一系数中间子集的单元；以及用于将逆可分离变换应用于所述第一系数中间子集以及所述第二系数子集的至少一部分，以确定重构的残差值的块的单元。
要认识到的是，根据示例，本文描述的任何技术的某些动作或事件可以以不同的顺序执行，可以被添加、合并或完全省略(例如，并非所有描述的动作或事件是对于实施所述技术都是必要的)。此外，在某些示例中，动作或事件可以例如通过多线程处理、中断处理或多个处理器并发地而不是顺序地执行。
在一个或多个示例中，所描述的功能可以用硬件、软件、固件或其任何组合来实现。如果用软件来实现，则所述功能可以作为一个或多个指令或代码存储在计算机可读介质上或者通过其进行传输并且由基于硬件的处理单元执行。计算机可读介质可以包括计算机可读存储介质，其对应于诸如数据存储介质之类的有形介质或者通信介质，所述通信介质包括例如根据通信协议来促进计算机程序从一个地方传送到另一个地方的任何介质。以这种方式，计算机可读介质通常可以对应于(1)非暂时性的有形计算机可读存储介质、或者(2)诸如信号或载波之类的通信介质。数据存储介质可以是可以由一个或多个计算机或者一个或多个处理器访问以取得用于实现在本公开内容中描述的技术的指令、代码和/或数据结构的任何可用的介质。计算机程序产品可以包括计算机可读介质。
举例来说而非进行限制，这样的计算机可读存储介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、闪存、或者能够用于以指令或数据结构形式存储期望的程序代码以及能够由计算机访问的任何其它介质。此外，任何连接被适当地称为计算机可读介质。例如，如果使用同轴电缆、光纤光缆、双绞线、数字用户线(DSL)或者无线技术(例如，红外线、无线电和微波)从网站、服务器或其它远程源传输指令，则同轴电缆、光纤光缆、双绞线、DSL或者无线技术(例如，红外线、无线电和微波)被包括在介质的定义中。然而，应当理解的是，计算机可读存储介质和数据存储介质不包括连接、载波、信号或其它临时性介质，而是替代地针对非临时性的有形存储介质。如本文所使用的，磁盘和光盘包括压缩光盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光光盘，其中，磁盘通常磁性地复制数据，而光盘利用激光来光学地复制数据。上述各项的组合也应当被包括在计算机可读介质的范围之内。
指令可以由一个或多个处理器来执行，诸如一个或多个DSP、通用微处理器、ASIC、FPGA、或其它等效的集成或分立逻辑电路。因此，如本文所使用的术语“处理器”和“处理电路”可以指代前述结构中的任何一者或者适于实现本文描述的技术的任何其它结构。另外，在一些方面中，本文描述的功能可以在被配置用于编码和解码的专用硬件和/或软件模块内提供，或者被并入经组合的编解码器中。此外，所述技术可以完全在一个或多个电路或逻辑元件中实现。
本公开内容的技术可以在多种多样的设备或装置中实现，包括无线手机、集成电路(IC)或一组IC(例如，芯片组)。在本公开内容中描述了各种组件、模块或单元以强调被配置为执行所公开的技术的设备的功能性方面，但是不一定需要通过不同的硬件单元来实现。确切而言，如上所述，各种单元可以被组合在编解码器硬件单元中，或者由可互操作的硬件单元的集合(包括如上所述的一个或多个处理器)结合适当的软件和/或固件来提供。
已经描述了各个示例。这些和其它示例在所附的权利要求的范围内。

Claims (32)

1.一种对视频数据进行解码的方法，所述方法包括：
基于视频数据块的大小，确定针对所述块的允许的非零系数的数量；
获得针对所述视频数据块的解量化系数集合，其中，所述解量化系数集合包括第一解量化系数子集和第二解量化系数子集，所述第一解量化系数子集包括非零解量化系数，所述第二解量化系数子集包括全零系数，其中，所述第一解量化系数子集中的系数的数量等于针对所述视频数据块的所述允许的非零系数的数量；
将逆低频不可分离变换(LFNST)应用于所述第一解量化系数子集以确定第一系数中间子集；以及
将逆可分离变换应用于所述第一系数中间子集以及所述第二系数子集的至少一部分，以确定重构的残差值的块。
2.根据权利要求1所述的方法，还包括：
确定针对所述视频数据块的帧内预测模式；
基于所述帧内预测模式，从多个集合中确定逆LFNST候选集合；以及
从所确定的逆LFNST候选集合中选择所述逆LFNST。
3.根据权利要求2所述的方法，其中，所述逆LFNST候选集合包括3个候选。
4.根据权利要求2所述的方法，其中，所述多个集合包括35个集合。
5.根据权利要求1所述的方法，其中，所述第一解量化系数子集包括M个解量化系数，并且其中，第一系数中间子集包括N个系数，其中M和N是整数值。
6.根据权利要求5所述的方法，其中，M＝16并且N＝64。
7.根据权利要求5所述的方法，其中，M＝64并且N＝64。
8.根据权利要求5所述的方法，还包括：
根据公式NZ＝floor((WCM x nTbW x nTbH)/(N x N))来确定所述允许的非零系数的数量，其中，nTbH表示重构值的块的高度，nTbW表示重构值的块的宽度，NZ等于所述允许的非零系数的数量，并且WCM表示常数值。
9.根据权利要求8所述的方法，其中，所述第一解量化系数子集具有NZ个系数。
10.根据权利要求8所述的方法，其中，M＝2xNZ并且N＝64。
11.根据权利要求1所述的方法，还包括：
将重构残差值的块与预测块相加，以形成重构块；
对所述重构块应用一个或多个滤波器，以确定经滤波的重构块；以及
输出包括所述经滤波的重构块的解码视频数据。
12.根据权利要求1所述的方法，其中，所述方法是作为视频编码过程的一部分执行的。
13.一种用于对视频数据进行解码的设备，所述设备包括：
存储器，其被配置为存储视频数据；
一个或多个处理器，其在电路中实现并且被配置为：
基于视频数据块的大小，确定针对所述块的允许的非零系数的数量；
获得针对所述视频数据块的解量化系数集合，其中，所述解量化系数集合包括第一解量化系数子集和第二解量化系数子集，所述第一解量化系数子集包括非零解量化系数，所述第二解量化系数子集包括全零系数，其中，所述第一解量化系数子集中的系数的数量等于针对所述视频数据块的所述允许的非零系数的数量；
将逆低频不可分离变换(LFNST)应用于所述第一解量化系数子集以确定第一系数中间子集；以及
将逆可分离变换应用于所述第一系数中间子集以及所述第二系数子集的至少一部分，以确定重构的残差值的块。
14.根据权利要求13所述的设备，其中，所述一个或多个处理器还被配置为：
确定针对所述视频数据块的帧内预测模式；
基于所述帧内预测模式，从多个集合中确定逆LFNST候选集合；以及
从所确定的逆LFNST候选集合中选择所述逆LFNST。
15.根据权利要求14所述的设备，其中，所述逆LFNST候选集合包括3个候选。
16.根据权利要求14所述的设备，其中，所述多个集合包括35个集合。
17.根据权利要求13所述的设备，其中，所述第一解量化系数子集包括M个解量化系数，并且其中，第一系数中间子集包括N个系数，其中M和N是整数值。
18.根据权利要求17所述的设备，其中，M＝16并且N＝64。
19.根据权利要求17所述的设备，其中，M＝64并且N＝64。
20.根据权利要求17所述的设备，其中，所述一个或多个处理器还被配置为：
根据公式NZ＝floor((WCM x nTbW x nTbH)/(N x N))来确定所述允许的非零系数的数量，其中，nTbH表示重构值的块的高度，nTbW表示重构值的块的宽度，NZ等于所述允许的非零系数的数量，并且WCM表示常数值。
21.根据权利要求17所述的设备，其中，所述第一解量化系数子集具有NZ个系数。
22.根据权利要求17所述的设备，其中，M＝2xNZ并且N＝64。
23.根据权利要求13所述的设备，其中，所述一个或多个处理器还被配置为：
将重构残差值的块与预测块相加，以形成重构块；
对所述重构块应用一个或多个滤波器，以确定经滤波的重构块；以及
输出包括所述经滤波的重构块的解码视频数据。
24.根据权利要求13所述的设备，其中，所述设备包括无线通信设备，还包括：接收机，其被配置为：接收编码视频数据。
25.根据权利要求24所述的设备，其中，所述无线通信设备包括手持电话，并且其中，所述接收机被配置为：根据无线通信标准来对包括所述编码视频数据的信号进行解调。
26.根据权利要求13所述的设备，还包括：
显示器，其被配置为显示解码视频数据。
27.根据权利要求13所述的设备，其中，所述设备包括下列中的一项或多项：照相机、计算机、移动设备、广播接收机设备或机顶盒。
28.根据权利要求13所述的设备，还包括：
照相机，其被配置为捕捉视频数据。
29.根据权利要求13所述的设备，其中，所述设备包括无线通信设备，还包括：发射机，其被配置为发送编码视频数据。
30.根据权利要求29所述的设备，其中，所述无线通信设备包括手持电话，并且其中，所述发射机被配置为：根据无线通信标准来对包括所述编码视频数据的信号进行调制。
31.一种存储有指令的计算机可读存储介质，其中，当由一个或多个处理器执行时所述指令使所述一个或多个处理器：
基于视频数据块的大小，确定针对所述块的允许的非零系数的数量；
获得针对所述视频数据块的解量化系数集合，其中，所述解量化系数集合包括第一解量化系数子集和第二解量化系数子集，所述第一解量化系数子集包括非零解量化系数，所述第二解量化系数子集包括全零系数，其中，所述第一解量化系数子集中的系数的数量等于针对所述视频数据块的所述允许的非零系数的数量；
将逆低频不可分离变换(LFNST)应用于所述第一解量化系数子集以确定第一系数中间子集；以及
将逆可分离变换应用于所述第一系数中间子集以及所述第二系数子集的至少一部分，以确定重构的残差值的块。
32.一种用于对视频数据进行解码的设备，所述设备包括：
用于基于视频数据块的大小，确定针对所述块的允许的非零系数的数量的单元；
用于获得针对所述视频数据块的解量化系数集合的单元，其中，所述解量化系数集合包括第一解量化系数子集和第二解量化系数子集，所述第一解量化系数子集包括非零解量化系数，所述第二解量化系数子集包括全零系数，其中，所述第一解量化系数子集中的系数的数量等于针对所述视频数据块的所述允许的非零系数的数量；
用于将逆低频不可分离变换(LFNST)应用于所述第一解量化系数子集以确定第一系数中间子集的单元；以及
用于将逆可分离变换应用于所述第一系数中间子集以及所述第二系数子集的至少一部分，以确定重构的残差值的块的单元。
CN202180065088.3A 2020-10-02 2021-09-27 具有最坏情况复杂度处理的扩展低频不可分离变换(lfnst)设计 Pending CN116250233A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202063086888P 2020-10-02 2020-10-02
US63/086,888 2020-10-02
US17/326,588 2021-05-21
US17/326,588 US11871010B2 (en) 2020-10-02 2021-05-21 Extended low-frequency non-separable transform (LFNST) designs with worst-case complexity handling
PCT/US2021/052255 WO2022072289A1 (en) 2020-10-02 2021-09-27 Extended low-frequency non-separable transform (lfnst) designs with worst-case complexity handling

Publications (1)

Publication Number Publication Date
CN116250233A true CN116250233A (zh) 2023-06-09

Family

ID=80931849

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180065088.3A Pending CN116250233A (zh) 2020-10-02 2021-09-27 具有最坏情况复杂度处理的扩展低频不可分离变换(lfnst)设计

Country Status (7)

Country Link
US (2) US11871010B2 (zh)
EP (1) EP4222956A1 (zh)
KR (1) KR20230080407A (zh)
CN (1) CN116250233A (zh)
BR (1) BR112023005182A2 (zh)
TW (1) TW202215847A (zh)
WO (1) WO2022072289A1 (zh)

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10306229B2 (en) 2015-01-26 2019-05-28 Qualcomm Incorporated Enhanced multiple transforms for prediction residual
US10491922B2 (en) 2015-09-29 2019-11-26 Qualcomm Incorporated Non-separable secondary transform for video coding
US10448053B2 (en) 2016-02-15 2019-10-15 Qualcomm Incorporated Multi-pass non-separable transforms for video coding
US10349085B2 (en) 2016-02-15 2019-07-09 Qualcomm Incorporated Efficient parameter storage for compact multi-pass transforms
US10972733B2 (en) 2016-07-15 2021-04-06 Qualcomm Incorporated Look-up table for enhanced multiple transform
US10863199B2 (en) 2018-03-26 2020-12-08 Qualcomm Incorporated Minimization of transform memory and latency via parallel factorizations
US10986340B2 (en) 2018-06-01 2021-04-20 Qualcomm Incorporated Coding adaptive multiple transform information for video coding
CN117097893A (zh) 2018-07-06 2023-11-21 Lg电子株式会社 图像编码/解码设备和图像数据发送设备
KR20210114386A (ko) 2019-02-08 2021-09-23 주식회사 윌러스표준기술연구소 이차 변환을 이용하는 비디오 신호 처리 방법 및 장치
US11032572B2 (en) 2019-05-17 2021-06-08 Qualcomm Incorporated Low-frequency non-separable transform signaling based on zero-out patterns for video coding
US11184617B2 (en) * 2019-09-19 2021-11-23 Qualcomm Incorporated Transform unit design for video coding

Also Published As

Publication number Publication date
TW202215847A (zh) 2022-04-16
EP4222956A1 (en) 2023-08-09
BR112023005182A2 (pt) 2023-04-25
US20240114152A1 (en) 2024-04-04
US20220109858A1 (en) 2022-04-07
WO2022072289A1 (en) 2022-04-07
KR20230080407A (ko) 2023-06-07
US11871010B2 (en) 2024-01-09

Similar Documents

Publication Publication Date Title
WO2020236509A1 (en) Low-frequency non-separable transform signaling based on zero-out patterns for video coding
CN113940069A (zh) 用于视频译码中的低频不可分离变换的变换和最后有效系数位置信令
CN114128286A (zh) 视频编解码中的环绕运动补偿
CN114080802A (zh) 用于视频译码中的变换跳过模式和调色板模式的最小允许量化参数
CN114521330A (zh) 低频不可分离变换（lfnst）简化
CN116235494A (zh) 用于视频译码的滤波过程
EP4082199A1 (en) Reference subpicture scaling ratios for subpictures in video coding
CN114424570B (zh) 用于视频编解码的变换单元设计
CN114223202A (zh) 低频不可分离变换（lfnst）信令
US11368715B2 (en) Block-based delta pulse code modulation for video coding
CN116508321A (zh) 视频译码期间基于联合分量神经网络的滤波
WO2020181105A2 (en) Simplification of sub-block transforms in video coding
CN116158080A (zh) 多个自适应环路滤波器集合
CN116325729A (zh) 用于视频译码的基于神经网络的滤波过程中的激活函数设计
CN114830657A (zh) 视频译码中具有减少的归零的低频不可分离变换(lfnst)
CN114930821A (zh) 视频编解码中的自适应色彩变换的qp偏移的灵活信令通知
US11729381B2 (en) Deblocking filter parameter signaling
CN115315947A (zh) 视频译码中的低频不可分离变换处理
EP4088468A1 (en) Multiple transform set signaling for video coding
JP2022552173A (ja) ビデオコーディングのための変換スキップにおける残差値のためのコーディング方式をシグナリングすること
CN114450947A (zh) 用于无损以及混合无损和有损视频编解码的模式相关块分割
CN114402599A (zh) 用于视频编解码的高级语法中的子图片的信令号
CN116250233A (zh) 具有最坏情况复杂度处理的扩展低频不可分离变换(lfnst)设计
US20210176468A1 (en) Residual coding selection and low-level signaling based on quantization parameter
CN116724551A (zh) 用于视频译码的帧内预测的最可能模式

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