CN117203966A - 用于视频译码的基于模板匹配的仿射预测 - Google Patents
用于视频译码的基于模板匹配的仿射预测 Download PDFInfo
- Publication number
- CN117203966A CN117203966A CN202280025376.0A CN202280025376A CN117203966A CN 117203966 A CN117203966 A CN 117203966A CN 202280025376 A CN202280025376 A CN 202280025376A CN 117203966 A CN117203966 A CN 117203966A
- Authority
- CN
- China
- Prior art keywords
- block
- template
- current
- prediction
- 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
Links
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 claims abstract description 226
- 230000033001 locomotion Effects 0.000 claims abstract description 225
- 239000013598 vector Substances 0.000 claims abstract description 146
- 230000008569 process Effects 0.000 claims abstract description 104
- 230000015654 memory Effects 0.000 claims description 59
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 claims description 39
- 238000003860 storage Methods 0.000 claims description 36
- 238000004891 communication Methods 0.000 claims description 27
- 238000001914 filtration Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 description 36
- 238000013139 quantization Methods 0.000 description 32
- 241000023320 Luma <angiosperm> Species 0.000 description 21
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 21
- 238000005192 partition Methods 0.000 description 21
- 238000000638 solvent extraction Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 18
- 230000011664 signaling Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 9
- 230000002123 temporal effect Effects 0.000 description 9
- 239000011449 brick Substances 0.000 description 8
- 241000965478 Darksidea epsilon Species 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 238000013500 data storage Methods 0.000 description 6
- 238000013138 pruning Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 101150114515 CTBS gene Proteins 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 229910003460 diamond Inorganic materials 0.000 description 5
- 239000010432 diamond Substances 0.000 description 5
- 239000000872 buffer Substances 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 241000723655 Cowpea mosaic virus Species 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 238000012804 iterative process Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- KLPWJLBORRMFGK-UHFFFAOYSA-N Molindone Chemical compound O=C1C=2C(CC)=C(C)NC=2CCC1CN1CCOCC1 KLPWJLBORRMFGK-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 229940028394 moban Drugs 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- VBRBNWWNRIMAII-WYMLVPIESA-N 3-[(e)-5-(4-ethylphenoxy)-3-methylpent-3-enyl]-2,2-dimethyloxirane Chemical compound C1=CC(CC)=CC=C1OC\C=C(/C)CCC1C(C)(C)O1 VBRBNWWNRIMAII-WYMLVPIESA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012432 intermediate storage Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Abstract
一种视频解码器可以被配置为:确定以仿射预测模式对视频数据的当前图片中的当前块进行译码;确定用于当前块的一个或多个控制点运动矢量(CPMV);使用一个或多个CPMV来识别用于参考图片中的当前块的初始预测块;确定用于当前图片中的当前块的当前模板;以及确定用于参考图片中的初始预测块的初始参考模板;以及基于当前模板与初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块。
Description
本申请要求享受于2022年4月7日提交的美国专利申请No.17/715,571、2021年4月12日提交的美国临时专利申请No.63/173,861和2021年4月12日提交的美国临时申请No.63/173,949的优先权,上述申请中每一项的全部内容通过引用方式并入本文。于2022年4月7日提交的美国专利申请No.17/715,571要求享受于2021年4月12日提交的美国临时专利申请No.63/173,861和2021年4月12日提交的美国临时申请No.63/173,949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-TH.265/高效率视频译码(HEVC)所定义的标准和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。图片的经帧间编码(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
本公开内容描述了与仿射预测模式相关的技术,仿射预测模式是潜在地考虑一系列图片中可能发生的对象旋转的帧间预测模式的类型。可以基于块的控制点的运动矢量来确定块的仿射运动模型,该运动矢量可以被称为控制点运动矢量(CPMV)。在一些实现中,块的控制点是块的左上角和右上角。在一些实现中,块的控制点还包括块的左下角。视频译码器(即,视频编码器或视频解码器)可以基于块的CPMV来计算块的子块的运动矢量,以定位参考图片中的预测子块。预测子块可以形成预测块。
本公开内容描述了可以细化预测子块并且因此细化预测块的解码器侧技术。也就是说,本公开内容的技术可以导致视频解码器使用与使用CPMV最初确定或定位的子块不同的子块来形成预测块。通过以本公开中描述的方式执行运动矢量细化过程以确定用于仿射译码块的经修改的预测块,视频解码器可以确定与常规仿射预测相比更准确的预测块。利用本公开内容的技术确定更准确的预测块可以在不增加信令开销的情况下提高整体译码质量。
根据本公开内容的一个示例,一种对视频数据进行解码的方法包括:确定以仿射预测模式对所述视频数据的当前图片中的当前块进行译码;确定用于所述当前块的一个或多个控制点运动矢量(CPMV);使用所述一个或多个CPMV来识别用于参考图片中的所述当前块的初始预测块;确定用于所述当前图片中的所述当前块的当前模板;确定用于所述参考图片中的所述初始预测块的初始参考模板;以及基于所述当前模板与所述初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块。
根据本公开内容的另一示例,一种用于对视频数据进行解码的设备包括:存储器;以及一个或多个处理器,其在电路中实现、耦合到所述存储器并且被配置为:确定以仿射预测模式对所述视频数据的当前图片中的当前块进行译码;确定用于所述当前块的一个或多个控制点运动矢量(CPMV);使用所述一个或多个CPMV来识别用于参考图片中的所述当前块的初始预测块;确定用于所述当前图片中的所述当前块的当前模板;确定用于所述参考图片中的所述初始预测块的初始参考模板;以及基于所述当前模板与所述初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块。
根据本公开内容的另一示例,一种计算机可读存储介质存储指令,所述指令在由一个或多个处理器执行时使得所述一个或多个处理器进行以下操作:确定以仿射预测模式对所述视频数据的当前图片中的当前块进行译码;确定用于所述当前块的一个或多个控制点运动矢量(CPMV);使用所述一个或多个CPMV来识别用于参考图片中的所述当前块的初始预测块;确定用于所述当前图片中的所述当前块的当前模板;确定用于所述参考图片中的所述初始预测块的初始参考模板;以及基于所述当前模板与所述初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块。
根据本公开内容的另一示例,一种用于对视频数据进行解码的装置包括:用于确定以仿射预测模式对所述视频数据的当前图片中的当前块进行译码的单元;用于确定用于所述当前块的一个或多个控制点运动矢量(CPMV)的单元;用于使用所述一个或多个CPMV来识别用于参考图片中的所述当前块的初始预测块的单元;用于确定用于所述当前图片中的所述当前块的当前模板的单元;用于确定用于所述参考图片中的所述初始预测块的初始参考模板的单元;以及用于基于所述当前模板与所述初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块的单元。
在附图和以下描述中阐述了一个或多个示例的细节。根据描述、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3A是示出用于合并模式的空间相邻运动矢量候选的概念图。
图3B是示出用于高级运动矢量预测(AMVP)模式的空间相邻运动矢量候选的概念图。
图4A是示出时间运动矢量候选者的概念图。
图4B是示出运动矢量缩放的概念图。
图5示出了在初始运动矢量周围的搜索区域上执行的模板匹配的示例。
图6A是示出基于控制点的6参数仿射运动模型的概念图。
图6B是示出基于控制点的4参数仿射运动模型的概念图。
图7示出了每个子块的仿射运动矢量场的示例。
图8示出了子块运动矢量的示例。
图9A-9C示出了当前模板块和参考模板块。
图10是示出可以被指派给相邻块的样本以计算模板匹配成本的每样本权重的示例的概念图。
图11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12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13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示例过程的流程图。
图14是示出根据本公开内容的技术的用于对当前块进行解码的示例过程的流程图。
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的视频数据的已经译码的块预测视频数据的块(例如,帧内预测)或从不同图片中的视频数据的已经译码的块预测视频数据的块(例如,帧间预测)。在一些情况下,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,残差数据表示预测块与原始块之间的差。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,并且在经编码的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的,这意味着变换和量化过程可能在经解码的视频数据中引入失真。
视频解码器对残差数据进行解码并且将其添加到预测块中,以产生经重构的视频块,其比单独的预测块更接近地匹配原始视频块。由于通过对残差数据进行变换和量化引入的损失,第一经重构的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性,其中用于对视频数据进行译码的块的边界是可见的。
为了进一步提高经解码的视频的质量,视频解码器可以对经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)滤波和自适应环路滤波(ALF)。这些滤波操作的参数可以由视频编码器确定并且在经编码的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地确定,而不需要在经编码的视频比特流中显式地用信号通知这些参数。
本公开内容描述了与仿射预测模式相关的技术,仿射预测模式是潜在地考虑一系列图片中可能发生的对象旋转的帧间预测模式的类型。可以基于块的控制点的运动矢量来确定块的仿射运动模型,该运动矢量可以被称为控制点运动矢量(CPMV)。在一些实现中,块的控制点是块的左上角和右上角。在一些实现中,块的控制点还包括块的左下角。视频译码器(即,视频编码器或视频解码器)可以基于块的CPMV来计算块的子块的运动矢量,以定位参考图片中的预测子块。预测子块可以形成预测块。
本公开内容描述了可以细化预测子块并且因此细化预测块的解码器侧技术。也就是说,本公开内容的技术可以导致视频解码器使用与使用CPMV最初确定或定位的子块不同的子块来形成预测块。通过以本公开中描述的方式执行运动矢量细化过程以确定用于仿射译码块的经修改的预测块,视频解码器可以确定与常规仿射预测相比更准确的预测块。利用本公开内容的技术确定更准确的预测块可以在不增加信令开销的情况下提高整体译码质量。
尽管本公开内容的技术通常被描述为由视频解码器执行,但是应当理解,本文描述的技术也可以由视频编码器执行。例如,本公开内容的技术可以由视频编码器执行,作为用于确定如何对视频块进行编码以及用于生成可以用于对视频的后续图片进行编码的参考图片的过程的一部分。
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可以包括各种各样的设备中的任何一种,包括台式计算机、笔记本计算机(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可以被配置为应用用于执行基于模板的仿射预测的技术。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用于执行基于模板的仿射预测的技术。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者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。尽管存储器106和存储器120在该示例中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,其使得源设备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协议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或者可以存储由源设备102生成的经编码的视频数据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的视频数据并且将该经编码的视频数据发送给目的地设备116的任何类型的服务器设备。文件服务器114可以表示网页服务器(例如,用于网站)、被配置为提供文件传输协议服务(诸如文件传输协议(FTP)或基于单向传输的文件递送(FLUTE)协议)的服务器、内容递送网络(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可以另外或替代地实现一种或多种HTTP流式传输协议,诸如基于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。
目的地设备116可以通过任何标准数据连接(包括互联网连接)来从文件服务器114访问经编码的视频数据。这可以包括适于访问被存储在文件服务器114上的经编码的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)、或这两者的组合。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它此类协议中的任何一种或多种进行操作。
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定义的诸如以下语法元素之类的信令信息(其也被视频解码器300使用):所述语法元素具有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。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。替代地或另外,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(也被称为通用视频译码(VVC)以及对其的扩展(诸如对屏幕内容或高动态范围的扩展))进行操作。VVC标准的草案是在以下文档中描述的:Bross等人,“VersatileVideo Coding Draft 10”,ITU-TSG 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:通过电话会议,2020年6月22日-7月1日,JVET-S2001-v17(下文中被称为“VVC草案10”)。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。在本公开内容中,当前块或当前图片通常指当前正在被编码或解码的块或图片,而不是已经解码的块或图片或尚未解码的块或图片。
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的分区。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)(也被称为三元树(TT))分割来对块进行分割。三叉树或三元树分割是其中块被分为三个子块的分割。在一些示例中,三叉树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包括具有三个样本阵列的图片的亮度样本的译码树块(CTB)、色度样本的两个对应CTB、或者单色图片或使用三个单独的色彩平面而译码的图片的样本的CTB、以及用于对样本进行译码的语法结构。CTB可以是针对N的某个值而言的NxN样本块,使得将分量划分为CTB是一种分割。分量是来自包括以4:2:0、4:2:2或4:4:4色彩格式的图片的三个阵列(亮度和两个色度)的一个阵列或来自三个阵列之一的单个样本、或包括以单色格式的图片的阵列或该阵列的单个样本。在一些示例中,译码块是针对M和N的一些值而言的MxN样本块,使得将CTB划分为译码块是一种分割。
可以以各种方式在图片中对块(例如,CTU或CU)进行分组。作为一个示例,砖块(brick)可以指代图片中的特定瓦片(tile)内的CTU行的矩形区域。瓦片可以是图片中的特定瓦片列和特定瓦片行内的CTU的矩形区域。瓦片列指代CTU的矩形区域,其具有等于图片的高度的高度以及由语法元素(例如,诸如在图片参数集中)指定的宽度。瓦片行指代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)以及等于图片的宽度的宽度。
在一些示例中,可以将瓦片分割为多个砖块,每个砖块可以包括瓦片内的一个或多个CTU行。没有被分割为多个砖块的瓦片也可以被称为砖块。然而,作为瓦片的真实子集的砖块可以不被称为瓦片。
图片中的砖块也可以以切片来排列。切片可以是图片的整数个砖块,其可以唯一地被包含在单个网络抽象层(NAL)单元中。在一些示例中,切片包括多个完整的瓦片或者仅包括一个瓦片的完整砖块的连续序列。
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大小,例如,16x16个样本或16乘16个样本。通常,16x16 CU在垂直方向上具有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,NxN CU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以便形成用于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差。
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用于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)、或其它这种差计算来计算差度量,以确定参考块是否与当前CU紧密匹配。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,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。假定视频编码器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可以对表示使用各种可用帧间预测模式中的哪一种的数据以及用于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差,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变换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、切片报头中为视频解码器300生成语法数据(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,描述将图片分割为块(例如,CU)以及用于该块的预测和/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,用信号通知指代在比特流中生成值。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CTU 132的概念图。实线表示四叉树拆分,而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,而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,而视频解码器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,而视频解码器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具有实线分支的父节点和子节点。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),则可以通过相应的二叉树进一步对这些节点进行分割。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虚线分支。二叉树叶节点被称为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),因此叶四叉树节点可能不被二叉树进一步拆分。否则,四叉树叶节点可以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(也就是说,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(也就是说,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。
如上所述,视频编码器200和视频解码器300可以被配置为执行运动矢量预测。在HEVC中,对于预测单元(PU),存在两种帧间预测模式,分别被称为合并(跳过被认为是合并的特例)和AMVP模式。在AMVP和合并模式下,视频编码器200和视频解码器300维护多个运动矢量预测器的运动矢量(MV)候选列表。通过从MV候选列表中选择一个候选来生成当前PU的运动矢量以及合并模式下的参考索引。
在HEVC的实施中,MV候选列表最多包含五个用于合并模式的候选和两个用于AMVP模式的候选。合并候选可以包含运动信息集合,例如,与参考图片列表(列表0和列表1)和参考索引两者相对应的运动矢量。通过接收由合并索引标识的合并候选,视频解码器300确定用于预测当前块的参考图片以及相关联的运动矢量。另一方面,在针对来自列表0或列表1的每个潜在预测方向的AMVP模式下,视频解码器300接收MV候选列表的MV预测器(MVP)索引,因为AMVP候选仅包含运动矢量。视频解码器300另外接收运动矢量差(MVD)和参考索引,以明确地识别参考图片。在AMVP模式下,可以进一步细化预测的运动矢量。
可以从相同的空间和时间相邻块来类似地推导用于两种模式的候选。在HEVC中,如图3A和图3B所示,对于特定PU(PU0),视频编码器200和视频解码器300可以从相邻块推导空间MV候选,尽管用于从块生成候选的技术对于合并和AMVP模式不同。
图3A是示出用于合并模式的块140的空间相邻候选的概念图。图3B是示出用于AMVP模式的块142的空间相邻候选的概念图。在合并模式下,视频编码器200和视频解码器300可以按照图3A所示的顺序推导多达四个空间MV候选。顺序如下:左侧块(0,A1)、上方块(1,B1)、右上方块(2,B0)、左下方块(3,A0)和左上方(4,B2)块。
在AMVP模式下,视频编码器200和视频解码器300可以将相邻块分成两个组:左侧组包括块0和1,并且上方组包括块2、3和4,如图3B所示。对于每个组,引用与用信号通知的参考索引所指示的参考图片相同的参考图片的相邻块中的潜在候选具有被选择的最高优先级,以形成该组的最终候选。所有相邻块可能不包含指向相同参考图片的运动矢量。因此,如果不能找到这样的候选,则视频编码器200和视频解码器300可以对第一可用候选进行缩放以形成最终候选。因此,可以补偿时间距离差。
现在将讨论HEVC中的时间运动矢量预测。视频编码器200和视频解码器300可以被配置为将时间运动矢量预测器(TMVP)候选(如果启用且可用的话)在空间运动矢量候选之后添加到MV候选列表中。用于TMVP候选的运动矢量推导的过程对于合并和AMVP模式相同。然而,在HEVC中,用于合并模式下的TMVP候选的目标参考索引被设置为0。
图4A示出了用于块154(PU0)的示例TMVP候选,并且图4B示出了运动矢量缩放过程156。用于TMVP候选推导的主块位置是共置PU之外的右下方块。该候选在图4A中被示为块“T”。块T的位置用于补偿对用于生成空间相邻候选的上方和左侧块的偏置。然而,如果该块位于当前CTB行之外或运动信息不可用,则该块将被PU的中心块替换。
视频编码器200和视频解码器300可以从位于共置图片的共置PU推导用于TMVP候选的运动矢量,如在切片级别指示的。用于共置PU的运动矢量被称为共置MV。与AVC中的时间直接模式类似,为了推导TMVP候选运动矢量,可以对共置MV进行缩放以补偿时间距离差,如图4B所示。
现在将描述与本文描述的技术相关的HEVC中的运动预测的其它方面。视频编码器200和视频解码器300可以被配置为执行运动矢量缩放。假设运动矢量的值与呈现时间中的图片的距离成比例。运动矢量将两个图片(即参考图片和包含该运动矢量的图片(即包含图片))进行关联。当利用运动矢量预测另一运动矢量时,基于图片顺序计数(POC)值来计算包含图片和参考图片的距离。
对于要预测的运动矢量,相关联的包含图片可能不同于参考图片。因此,视频编码器200和视频解码器300可以基于POC来计算新距离。视频编码器200和视频解码器300可以基于这两个POC距离来对运动矢量进行缩放。对于空间相邻候选,用于两个运动矢量的包含图片相同,而参考图片不同。在HEVC中,运动矢量缩放应用于用于空间和时间相邻候选的TMVP和AMVP两者。
视频编码器200和视频解码器300可以被配置为执行人工运动矢量候选生成。如果运动矢量候选列表不完整,则生成人工运动矢量候选,并且将其插入列表末尾,直到列表已满为止。
在合并模式下,存在两种类型的人工MV候选:仅针对B切片推导的组合候选;以及如果第一类型没有提供足够的人工候选,仅用于AMVP的零候选。对于已经在候选列表中并且具有必要运动信息的每对候选,通过引用列表0中的图片的第一候选的运动矢量和引用列表1中的图片的第二候选的运动矢量的组合来推导双向组合运动矢量候选。
视频编码器200和视频解码器300可以被配置为执行用于候选插入的修剪过程。来自不同块的候选可能恰好相同,这降低合并/AMVP候选列表的效率。应用修剪过程来解决这个问题。当实现修剪过程时,视频编码器200或视频解码器300将当前候选列表中的一个候选与其它候选进行比较,以在一定程度上避免插入相同的候选。为了降低复杂性,仅应用有限数量的修剪过程,而不是将每个潜在修剪过程与所有其它现有修剪过程进行比较。
视频编码器200和视频解码器300可以被配置为执行模板匹配预测。模板匹配预测是基于帧速率上转换(FRUC)技术的特殊合并模式。在这种模式下,块的部分运动信息不是用信号通知的,而是在解码器侧推导的。模板匹配可以应用于AMVP模式和常规合并模式两者。在AMVP模式下,MVP候选选择是基于模板匹配来确定的,以选择达到当前块模板和参考块模板之间的最小差异的MVP候选。在常规合并模式下,用信号通知模板匹配模式标志,以指示使用模板匹配。然后,视频编码器200和视频解码器300可以将模板匹配应用于由合并索引指示的合并候选,以进行MV细化。
如图5所示,模板匹配用于通过查找当前图片中的当前模板162与参考图片中的参考模板164(与模板大小相同)之间最接近的匹配来推导当前CU 160的运动信息。在基于初始匹配错误选择AMVP候选的情况下,视频编码器200和视频解码器300可以使用模板匹配来细化MVP。在由用信号通知的合并索引指示的合并候选的情况下,视频编码器200和视频解码器300可以被配置为通过模板匹配来独立地细化与L0和L1相对应的MV,并且然后基于更准确的MV来进一步细化不太准确的MV。
视频编码器200和视频解码器300可以被配置为确定成本函数。当运动矢量指向分数样本位置时,需要运动补偿插值。为了降低复杂度,可以使用双线性插值代替常规的8抽头DCT-IF插值进行模板匹配,以在参考图片上生成模板。按如下来计算模板匹配的匹配成本C:
C=SAD+w*(|MVx-MVx s|+|MVy-MVy s|),
其中w是加权因子,其可以被设置为整数,诸如0、1、2、3或4,MV和MVs分别指示当前测试MV和初始MV(即,AMVP模式下的MVP候选或合并模式下的合并运动)。SAD被用作模板匹配的匹配成本。
当使用模板匹配时,视频编码器200和视频解码器300可以被配置为仅使用亮度样本来细化运动。推导出的运动可以用于运动补偿(MC)帧间预测的亮度和色度两者。在决定MV之后,针对亮度使用8抽头插值滤波器来执行最终MC,并且针对色度使用4抽头插值滤波器来执行最终MC。
视频编码器200和视频解码器300可以被配置为确定和实现搜索过程。MV细化是基于模式的MV搜索,具有模板匹配成本的准则和层次结构。针对MV细化支持两种搜索模式:菱形搜索和交叉搜索。层次结构规定了用于细化MV的迭代过程,从粗略的MVD精度(例如,四分之一像素)开始并且到精细的MVD精度(例如,1/8像素)结束。使用菱形模式以四分之一亮度样本MVD精度、接着利用交叉模式以四分之一亮度样本MVD精度、并且然后接着利用交叉模式以八分之一亮度样本MVD细化,来直接搜索MV。MV细化的搜索范围可以被设置为等于初始MV周围的(-8,+8)亮度样本。当当前块为双预测时,独立地细化两个MV,并且然后将其中的最佳者(就匹配成本而言)设置为先验,以利用BCW权重值进一步细化另一MV。
视频编码器200和视频解码器300可以被配置为执行仿射预测。在HEVC中,仅平移运动模型应用于运动补偿预测(MCP)。而在现实世界中,存在许多种运动,例如,放大/缩小、旋转、透视运动和其它不规则运动。在VTM-6中,应用了基于块的仿射变换运动补偿预测。如图6A所示,块的仿射运动场由两个控制点(170A和170B)的运动信息描述,也被称为四参数模型。如图6B所示,块的仿射运动场由三个控制点(172A-172C)和三个控制点运动矢量的运动信息描述,这也被称为6参数模型。
对于4参数仿射运动模型,将块中的样本位置(x,y)处的运动矢量推导为:
对于6参数仿射运动模型,将块中的样本位置(x,y)处的运动矢量推导为:
在上述等式中,(mv0x,mv0y)表示左上角的CPMV,并且(mv1x,mv1y)和(mv2x,mv2y)分别表示右上角和左下角的CPMV。
为了简化运动补偿预测,视频编码器200和视频解码器300可以被配置为应用基于块的仿射变换预测。图7示出了块170,其是包括16个4x4亮度子块的16x16亮度块。为了推导用于每个4×4亮度子块的运动矢量,视频编码器200和视频解码器300根据上述等式来计算每个子块的中心样本的运动矢量,如图7所示,并且被舍入到1/16分数精度。箭头172A和172B标识子块的十六个运动矢量中的两个运动矢量。其它14个箭头也对应于运动矢量,但是在图7中没有标记。运动补偿插值滤波器应用于利用推导的运动矢量来生成每个子块的预测。色度分量的子块大小也被设置为4×4。将4×4色度子块的MV计算为四个对应的4×4亮度子块的MV的平均值。
视频编码器200和视频解码器300可以被配置为利用仿射模式的光流执行预测细化。利用光流的预测细化(PROF)用于对基于子块的仿射运动补偿预测进行细化,而不增加运动补偿的存储器访问带宽。在VVC中,在执行基于子块的仿射运动补偿之后,通过添加通过光流方程推导的差来细化亮度预测样本。
在PROF的一个示例实现中,视频解码器300可以被配置为执行以下四个步骤:
步骤1)执行基于子块的仿射MC以生成子块预测I(i,j)。
步骤2)使用3抽头滤波器[-1,0,1]在每个样本位置处计算子块预测的空间梯度gx(i,j)和gy(i,j)。梯度计算与BDOF中的梯度计算完全相同。
gx(i,j)=(I(i+1,j)>>shift1)-(I(i-1,j)>>shift1),
gy(i,j)=(I(i,j+1)>>shift1)-(I(i,j-1)>>shift1),
其中,shift1用于控制梯度的精度。子块(例如,4x4)预测在梯度计算的每侧扩展一个样本。为了避免额外的存储器带宽和额外的插值计算,从参考图片中的最近的整数像素位置复制扩展边界上的那些扩展样本。
步骤3)通过以下光流方程来计算亮度预测细化:
ΔI(i,j)=gx(i,j)*Δx(i,j)+gy(i,j)*Δy(i,j),
其中,Δv(i,j)是针对样本位置(i,j)计算的样本MV(由v(i,j)表示)与样本(i,j)所属的子块的子块MV之间的差,如图8所示。以1/32亮度样本精度为单位对Δv(i,j)进行量化。图8示出了子块MV VSB和像素Δv(i,j)(箭头190)。
由于仿射模型参数和相对于子块中心的样本位置在子块之间没有改变,因此可以针对第一子块计算Δv(i,j),并且可以将Δv(i,j)重用于同一CU中的其它子块。令dx(i,j)和dy(i,j)是从样本位置(i,j)到子块(xSB,ySB)的中心的水平和垂直偏移,则可以通过以下等式来推导Δv(i,j):
dx(i,j)=i-xSB
dy(i,j)=j-ySB
Δvx(i,j)=C*dx(i,j)+D*dy(i,j)
Δvy(i,j)=E*dx(i,j)+F*dy(i,j)
为了保持精度,将子块(xSB,ySB)的中心计算为((WSB-1)/2,(HSB-1)/2),其中WSB和HSB分别是子块宽度和高度。
对于4参数仿射模型,
C=F=(v1x–v0x)/w,
E=-D=(v1y–v0y)/w。
对于6参数仿射模型,
C=(v1x–v0x)/w,
D=(v2x–v0x)/h,
E=(v1y–v0y)/w,
F=(v2y–v0y)/h,
其中(v0x,v0y)、(v1x,v1y)和(v2x,v2y)是左上角、右上角和左下角的控制点运动矢量,w和h是CU的宽度和高度。
步骤4)最后,将亮度预测细化ΔI(i,j)添加到子块预测I(i,j)。按如下等式来生成最终预测I’:I’(i,j)=I(i,j)+ΔI(i,j)。
对于仿射译码的CU,在两种情况下不应用PROF:1)所有控制点MV都相同,这指示CU仅具有平移运动;2)仿射运动参数大于指定的限制,因为基于子块的仿射MC被降级为基于CU的MC,以避免大的存储器访问带宽要求。
视频编码器200和视频解码器300可以被配置为应用快速编码过程,以降低利用PROF的仿射运动估计的编码复杂度。在以下两种情况下,在仿射运动估计阶段不应用PROF:a)如果该CU不是根块,并且其父块不是利用仿射模式作为其最佳模式进行译码的,则由于当前CU使用仿射模式作为最佳模式的可能性很低,因此不应用PROF;b)如果四个仿射参数(C,D,E,F)的大小都小于预定义门限,并且当前图片不是低延迟图片,则不应用PROF,因为对于这种情况,PROF引入的改进很小。以这种方式,可以加速利用PROF的仿射运动估计。
现有技术具有若干潜在问题。当与帧间预测的平移模型的信令开销相比时,对于块,可能显著增加CPMV的信令开销。因此,针对CPMV的解码器侧细化可以提高CPMV的精度并且减少信令开销。本公开内容描述了可以解决这些问题中的一些问题的技术。
基于模板匹配的仿射预测(以下简称AffTM)是一种用于细化仿射译码块的CPMV的解码器侧帧间预测模式。与模板匹配类似,如上所述,视频解码器300可以基于最初确定的CPMV来确定初始参考模板块,并且然后在搜索区域内搜索具有降低的匹配成本的其它参考模板。然后,视频解码器300可以确定要替换初始CPMV的最佳CPMV集合。
视频编码器200和视频解码器300可以被配置为确定参考模板块。参考模板块的样本是基于使用CPMV推导的运动场来在子块的基础上生成的。在当前块和对应的当前模板块192位于同一仿射运动场内的假设下,视频编码器200和视频解码器300可以使用等式(2-1)或(2-2)来确定子块(例如,当前模板块192上的图9A中的A0、A1、…、An-1和L0、L1、…、Ln-1)的MV,其中,样本位置(x,y)是每个相应子块的质心。然后,视频编码器200和视频解码器300基于相应的子块MV来获取参考模板块的子块的样本或者对其进行插值。如示例图9B中的参考模板194A所示,参考模板子块不需要紧靠预测块的任何边界子块。另外,用于在参考模板块上生成子块样本的插值滤波器可以是以下各项中的一项或多项:无滤波器(因此在获取参考样本之前将子块MV限幅或舍入到整数精度)、2抽头双线性滤波器、6抽头DCTIF(如在AVC中)、8抽头DCTIF(如在HEVC或VVC中)或可切换滤波器(如在VVC中)。
在另一示例中,如图9C中的参考模板194B所示,参考模板子块可以紧靠对应预测块的边界子块。因此,每个子块(A0、…、n-1和L0、…、n-1)的MV与位于当前块的边界上的对应的紧邻子块相同。
在另一示例中,当前模板块上除了A0和L0以外的子块的MV可以在位于当前块的边界上的子块自身与其紧邻子块之间的质心上的样本位置(x,y)处通过等式(2-1)或(2-2)来计算。对于A0和L0,如果A0和L0两者都存在,样本位置(x,y)可以是(0,0);如果仅A0存在,则样本位置(x,y)可以是A0与当前块上的第一子块之间的质心;如果仅L0存在,样本位置(x,y)可以是L0与当前块上的第一子块之间的质心。
在另一个示例中,视频编码器200和视频解码器300可以被配置为将PROF应用于参考模板块。
在另一示例中,当所有CPMV彼此相同时,视频编码器200和视频解码器300可以利用如上所述的常规的基于块的模板匹配的预测过程来替换AffTM的预测过程。CPMV中的一个CPMV可以被视为初始MV并且用于基于块的模板匹配。
在另一示例中,当所有初始CPMV彼此相同时,视频编码器200和视频解码器300可以被配置为在AffTM之前执行如上所述的常规的基于块的模板匹配,以细化初始CPMV。CPMV中的一个CPMV可以被视为用于常规模板匹配过程的初始MV。该示例可以进一步扩展到如上所述的平移模型搜索。
视频编码器200和视频解码器300可以被配置为执行搜索过程。本节给出了用于AffTM的若干搜索过程。在不丧失一般性的情况下,所有算法都是利用6参数仿射模型给出的。可以通过简单地从描述中移除左下方CPMV来将这些算法直接转换用于4参数仿射模式。搜索范围可以是预先定义的或用信号通知的,例如,±2、±4、±6、±8像素。CPMV的初始搜索点可以是以下各项中的任何一项:AMVP候选、与合并候选的参考图片列表相对应的CPMV、或与块的参考图片列表相对应的CPMV。
视频编码器200和视频解码器300可以被配置为执行正方形搜索。正方形搜索应用正方形模式,以按顺序细化CU的CPMV,每次一个矢量,从左上方CPMV开始,然后是右上方CPMV,最后在左下方CPMV结束。值得注意的是,只有当CU具有6参数模型时,才搜索左下方CPMV,以具有该第三CPMV。正方形搜索模式可以被指定为一系列增量运动矢量,dMv={(0,0),(-1,1),(0,1),(1,1),(1,0),(1,-1),(0,-1),(-1,-1),(-1,0)}或基于这九个增量运动矢量的任何其它顺序。在不丧失一般性的情况下,本节以上述dMv为例,其中当CU是分别通过仿射AMVP模式和仿射合并模式进行译码的时,初始搜索步长s0和最小搜索步长smin是根据对AMVR索引的指示或1/16来确定的。s0的值可以被设置为等于或大于smin,并且对于所有i∈{0,1,…,min},si+1被设置为等于si。正方形搜索过程是按如下指定的7步过程:
1、给定搜索步长集合{s0,s1,…,smin}、dMv和分别表示左上方、右上方和左下方CPMV的mv0 (0)、mv1 (0)和mv2 (0),搜索过程从迭代i=0开始。
2、对于si、dMv和{mv0 (i),mv1 (i),mv2 (i)},搜索子过程开始顺序过程,以从搜索mv0 (i)开始,然后是mv1 (i),最后以mv1 (i)结束(注意,在一些示例中,顺序可以是{mv2 (i),mv1 (i),mv0 (i)})。
3、对于si、dMv和mv0 (i),搜索子过程针对所有这些CPMV集合单独地计算相应的模板匹配成本:S={mv0 (i)+d*si,mv1 (i),mv2 (i),对于所有d∈ddMv}。该搜索子过程可以表示为mv0 (i)*=mv0 (i)+argmind{cost(S0),cost(S1),…,cost(S8)}*si。
4、与步骤3类似,搜索子过程针对S={mv0 (i)*,mv1 (i)+d*si,mv2 (i),对于所有d∈ddMv}计算相应的模板匹配成本,并且最佳结果表示为mv1 (i)*。
5、与步骤3类似,搜索子过程针对S={mv0 (i)*,mv1 (i)*,mv2 (i)+d*si,对于所有d∈ddMv}计算相应的模板匹配成本,并且最佳结果表示为mv2 (i)*。
6、在步骤3-5中搜索所有CPMV之前,搜索子过程的输出为{mv0 (i)*,mv1 (i)*,mv2 (i)*}。
·如果当搜索步长为si时,搜索过程在预定义的门限值上多次访问步骤6,则搜索过程将{mv0 (i+1),mv1 (i+1),mv2 (i+1)}设置为等于子过程输出,并且转至步骤7。
·否则,如果子过程输出与{mv0 (i),mv1 (i),mv2 (i)}完全相同,则搜索过程将{mv0 (i +1),mv1 (i+1),mv2 (i+1)}设置为等于子过程输出,并且转至步骤7。
·否则(如果子过程输出与{mv0 (i),mv1 (i),mv2 (i)}不完全相同),将{mv0 (i),mv1 (i),mv2 (i)}设置为等于{mv0 (i)*,mv1 (i)*,mv2 (i)*},并且搜索过程在步骤2处继续。
7、如果si不等于smin,则搜索过程将i设置为i+1,并且返回到步骤2。否则,搜索过程以输出{mv0 (i+1),mv1 (i+1),mv2 (i+1)}终止。
视频编码器200和视频解码器300可以被配置为执行交叉搜索。交叉搜索利用交叉模式来细化CPMV。其搜索过程与正方形搜索相同,除了增量运动矢量是以不同方式定义的。该搜索模式的增量运动矢量定义为:dMv={(0,0),(-1,0),(0,-1)(0,1),(1,0)}。
视频编码器200和视频解码器300可以被配置为执行对角线搜索。对角线搜索利用对角线模式来细化CPMV。其搜索过程与正方形搜索相同,除了增量运动矢量是以不同方式定义的,如下所示:dMv={(0,0),(-1,-1),(-1,1),(1,1),(1,-1)}。
视频编码器200和视频解码器300可以被配置为执行菱形搜索。菱形搜索利用对角线模式来细化CPMV。其搜索过程与正方形搜索相同,除了增量运动矢量是以不同方式定义的,如下所示:dMv={(0,0),(0,2),(1,1),(2,0),(1,-1),(0,-2),(-1,-1),(-2,0),(-1,1)}。
在另一示例中,菱形搜索的输出可以用作交叉搜索的输入,并且交叉搜索的输出被视为组合搜索过程的最终输出。
视频编码器200和视频解码器300可以被配置为执行二通路八点搜索。双通路八点搜索是一种搜索过程,其中在搜索过程期间有条件地使用两种搜索模式(即交叉模式和对角线模式)。其搜索过程与正方形搜索相同,除了步骤3-5之外。在二通路八点搜索中,dMV包括两个增量运动矢量集合:dMv0={(0,0),(-1,0),(0,-1)(0,1),(1,0)}和dMv1={(-1,-1),(-1,1),(1,1),(1,-1)}。下面示出了相对于正方形搜索的区别。
1-2、这些步骤与正方形搜索相同。
3、对于si、dMv和mv0 (i),搜索子过程针对所有这些CPMV集合单独地计算相应的模板匹配成本:S={mv0 (i)+d*si,mv1 (i),mv2 (i),对于所有d∈ddMv0}。该搜索子过程可以表示为d0 *=argmind{cost(S0),cost(S1),…,cost(S5)}。
然后,如果d0 *等于(0,0),则将mv0 (i)*设置为等于mv0 (i)。
否则,子过程针对S={mv0 (i)+d*si,mv1 (i),mv2 (i),对于所有d∈ddMv1 U d0 *}计算相应的模板匹配成本,并且其最佳增量运动矢量表示为d1 *。结果是mv0 (i)*=mv0 (i)+d1 **si。
4、与步骤3类似,搜索子过程针对S={mv0 (i)*,mv1 (i)+d*si,mv2 (i),对于所有d∈ddMv0}计算相应的模板匹配成本,并且当必要时,针对另一S={mv0 (i)*,mv1 (i)+d*si,mv2 (i),对于所有d∈ddMv1 U d0 *}计算相应的模板匹配成本。最佳搜索结果表示为mv1 (i)*=mv1 (i)+d1 **si(如果d0 *≠(0,0))或mv1 (i)(如果d0 *=(0,0))。
5、与步骤3类似,搜索子过程针对S={mv0 (i)*,mv1 (i)*,mv2 (i)+d*si,对于所有d∈ddMv0}计算相应的模板匹配成本,并且当必要时,针对另一S={mv0 (i)*,mv1 (i),mv2 (i)+d*si,对于所有d∈ddMv1 U d0 *}计算相应的模板匹配成本。最佳搜索结果表示为mv2 (i)*=mv2 (i)+d1 **si(如果d0 *≠(0,0))或mv2 (i)(如果d0 *=(0,0))。
6-7、这些步骤与正方形搜索相同。
视频编码器200和视频解码器300可以被配置为执行基于梯度的搜索,以同时更新所有CPMV。假设初始CPMV为{mv0 (0),mv1 (0),mv2 (0)},则CPMV用于生成参考模板块,该参考模板块用于计算水平和垂直方向上的样本域梯度值和预测残差(即,当前模板块与参考模板块之间的增量)。然后,在基于梯度的搜索中使用这些值来更新给定CPMV。新CPMV(表示为{mv0 (1),mv1 (1),mv2 (1)})然后用作基于梯度的搜索的另一迭代的输入。当满足条件时,迭代过程可以终止。条件可以例如是迭代次数超过预定义(或用信号通知的)门限值,或者CPMV在两次迭代之间没有变化。
视频编码器200和视频解码器300可以被配置为执行平移模型搜索。当所有CPMV在上述搜索过程应用之前、期间或之后恰好相同时,AffTM的所有搜索过程终止,并且在基于常规的基于块的模板匹配中使用最佳CPMV之一(例如,由于所有CPMV相同,因此使用随机的CPMV),如上文模板匹配预测所述,作为其进一步运动矢量细化的初始搜索点。
视频编码器200和视频解码器300可以被配置为计算模板匹配成本。模板匹配成本可以被定义(或用信号通知)为以下度量之一:SAD、绝对变换差和(SATD)、平方误差和(SSE)、绝对差平均缩减和(MRSAD)、绝对变换差平均缩减和(MRSATD)。如果对当前处理块使用照度补偿,则可以有条件地使用MRSAD。
在另一示例中,视频编码器200和视频解码器300可以向模板块上的每个样本指派每样本权重值。例如,对于WxH模板块,每样本权重值可以表示为N*wx,y,并且应用于当前块模板和参考块模板的相应的样本cx,y和px,y,其中N可以是正整数(例如,1、2、3、4、5等)。为了简化,模板匹配成本可以定义为:
N-1*∑x,y∈template(N*wx,y*|cx,y-px,y|)
或者
∑x,y∈template(N*wx,y*|cx,y-px,y|)
当使用局部照度补偿(LIC)或MRSAD时,为了简化,等式可以是:
N-1*∑x,y∈template(N*wx,y*|cx,y-px,y-Δx,y|)
或者
∑x,y∈template(N*wx,y*|cx,y-px,y-Δx,y|)
在这些等式中,Δx,y是px,y的平均值减去cx,y的平均值(简而言之,mean(px,y)–mean(cx,y))。由于左侧模板的权重值的指派是上方模板的权重值的指派的转置,因此只需要确定上方模板的权重值的指派。
在另一示例中,每样本权重值可以是基于区域的,模板块被相等地拆分为16个区域,并且区域内的模板样本共享单个权重值。
图10是示出可以被指派给相邻块的样本以计算模板匹配成本的每样本权重的示例的概念图。在一些示例中,视频编码器200和视频解码器300可以将较大的权重值指派给更靠近当前块的区域,和/或将较小的权重值指派给更靠近当前块左上角的区域。图10描绘了两个示例。在当前CU 198A和198B的两个示例中,视频编码器200和视频解码器300可以将较大的权重值指派给更靠近当前块的区域,而对于198A的示例,视频编码器200和视频解码器300另外调低更靠近当前块的左上角的区域的权重值。
在另一示例中,可以加权方式添加上述度量,如上文模板匹配预测所述,其中通过AffTM推导所有CPMV的增量运动矢量。
视频编码器200和视频解码器300可以被配置为执行双预测搜索过程。在一些示例中,视频编码器200和视频解码器300可以被配置为通过分别与双预测块的每个参考图片列表相对应的AffTM CPMV进行细化。
在一些示例中,视频编码器200和视频解码器300可以被配置为首先使用分别与双预测块的每个参考图片列表相对应的AffTM CPMV进行细化。然后,视频编码器200和视频解码器300可以另外细化与参考图片列表相对应的CPMV,其中将与另一参考图片列表相对应的CPMV作为先验。例如,视频编码器200和视频解码器300可以为要进一步细化的L1和L1的CPMV选择双预测权重w。首先,在细化期间使用的当前模板块成为原始当前模板块C和与L0相对应的参考模板块R0之间的加权增量。
C’=(C–(1-w)R0)/w
该减法过程也被称为高频移除,并且以与在L1 CPMV搜索过程期间使用的当前模板块相同的方式来使用C’。要注意的是,可以以另一种方式执行这种高频移除,即C’=(C–wR0)/(1-w)。
在一些示例中,视频编码器200和视频解码器300可以被配置为在参考图片列表Lx的CPMV要被细化时应用高频移除,其中x可以是0或1。在一些示例中,视频编码器200和视频解码器300可以被配置为在参考图片列表Lx的CPMV要被细化时应用高频移除,其中x可以是0或1。在AffTM在Lx的CPMV上执行之后,基于Lx的CPMV来应用高频移除,并且然后AffTM可以在另一参考图片列表的CPMV上执行。该迭代过程终止,直到在AffTM的搜索过程期间没有任何CPMV发生变化。
在一些示例中,视频编码器200和视频解码器300可以被配置为首先根据BWC权重值来向Lx的CPMV应用高频移除。规则可能适用。规则可以例如是:当L0的BCW权重较大时,首先细化L0的CPMV,或者当L0的BCW权重较小时,首先细化L0的CPMV。
在一些示例中,视频编码器200和视频解码器300可以被配置为首先根据ph_mvd_l1_zero_flag(其指示L1 CPMV的MVD始终为零,并且可在视频译码标准之间以不同的方式命名)来向Lx的CPMV应用高频移除。规则可能适用。规则可以例如是:当标志为真时,首先细化L0的CPMV,或者当标志为假时,首先细化L0的CPMV。
在一些示例中,视频编码器200和视频解码器300可以被配置为当模板匹配成本高于上述示例中描述的其它参考图片列表的模板匹配成本时,首先细化参考图片列表Lx的CPMV。
在一些示例中,视频编码器200和视频解码器300可以被配置为首先细化参考图片列表Lx的CPMV,在针对每个参考图片列表分别计算基于初始CPMV的成本之后,这些CPMV实现高于另一参考图片列表的模板匹配成本的模板匹配成本。
在一些示例中,视频编码器200和视频解码器300可以被配置为将双预测CPMV转换为单预测CPMV。在执行AffTM之后,在应用高频移除之前,应当存在两个模板匹配成本值,即对应于L0的CPMV的cost0和对应于L1的CPMV的cost1。第三成本值来自由AffTM在应用高频移除之后生成的成本值。如果第三成本值高于另外两个成本值之一,则丢弃与参考L0或L1相对应的CPMV,这取决于cost0和cost1中的哪一个较大。
视频编码器200和视频解码器300可以被配置为执行从4参数模型到6参数模型的模型转换。仿射模型可以从4参数仿射模型转换为6参数仿射模型。利用当前块上的左下角的坐标位置(即(0,块高度)),可以基于等式(2-1)来计算左下角的CPMV。然后,将当前块的运动模型视为用于AffTM的6参数仿射模型。
视频编码器200和视频解码器300可以被配置为执行从平移模型到仿射模型的模型转换。在一些示例中,在模板匹配合并模式下,可以在常规的基于块的模板匹配之上应用先前描述的AffTM过程,初始CPMV都被设置为等于通过模板匹配过程生成的平移MV。如果应用额外的AffTM过程的模板匹配成本小于常规模板匹配的成本,则AffTM过程的CPMV用于针对当前块的仿射运动补偿,而不是来自原始模板匹配过程的平移运动模型。
在一些示例中,仅当双边匹配(或VVC中的解码器侧运动细化(DMVR))和双向光流(BDOF)均未应用于当前块时,才应用转换。
在一些示例中,视频解码器300可以被配置为始终使用4参数仿射模型作为目标转换模型。在一些示例中,视频解码器300可以被配置为使用6参数仿射模型作为目标转换模型。在一些示例中,视频解码器300可以通过使模板匹配成本最小化来确定最终运动模型。
图11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。图11是出于解释的目的而提供的,并且不应当被认为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,本公开内容描述了根据VVC(正在开发的ITU-T H.266)和HEVC(ITU-T H.265)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它视频译码标准的视频编码设备来执行。
在图11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单独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11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,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,这些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,其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。
根据本文描述的技术,运动估计单元222和运动补偿单元224可以被配置为使用仿射预测模式来对视频数据块进行编码和解码。此外,运动估计单元222和运动补偿单元224可以被配置为执行本文描述的运动矢量细化过程。
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针对预测块的每个样本的该得到的平均值。
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差。所得到的逐样本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可以确定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,而PU的大小可以指代PU的亮度预测单元的大小。假定特定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(举一些示例,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)。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与变换处理单元206所产生的原始变换系数相比较低的精度。
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。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取回由经重构的(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变长译码(CAVLC)操作、CABAC操作、可变-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。确切而言,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12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12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(正在开发中的ITU-T H.266)和HEVC(ITU-TH.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为其它视频译码标准的视频译码设备来执行。
在图12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)134。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 134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单独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12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11,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,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,这些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逐块地重构图片。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。
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11)所描述的方式基本类似的方式来执行帧间预测过程。根据本文描述的技术,运动补偿单元316可以被配置为使用仿射预测模式来对视频数据块进行解码,并且可以被配置为执行本文描述的运动矢量细化过程。
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11)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,在其中不执行滤波器单元312的操作的示例中,重构单元310可以将经重构的块存储到DPB 314中。在其中执行滤波器单元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中。如上所讨论的,DPB 314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DPB314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13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示例过程的流程图。当前块可以包括当前CU。尽管关于视频编码器200(图1和11)进行了描述,但是应当理解的是,其它设备可以被配置为执行与图13的过程类似的过程。
在该示例中,视频编码器200最初预测当前块(350)。例如,视频编码器200可以使用基于模板的仿射预测来形成用于当前块的预测块,如本文公开内容中描述的。然后,视频编码器200可以计算用于当前块的残差块(352)。为了计算残差块,视频编码器200可以计算在原始的未经编码的块与用于当前块的预测块之间的差。然后,视频编码器200可以对残差块进行变换以及对残差块的系数进行变换和量化(354)。接下来,视频编码器200可以扫描残差块的经量化的变换系数(356)。在扫描期间或在扫描之后,视频编码器200可以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来对变换系数进行编码。然后,视频编码器200可以输出块的经熵编码的数据(360)。
图14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示例过程的流程图。当前块可以包括当前CU。尽管关于视频解码器300(图1和12)进行了描述,但是应当理解的是,其它设备可以被配置为执行与图14的过程类似的过程。
视频解码器300可以接收用于当前块的经熵编码的数据(例如,经熵编码的预测信息和用于与当前块相对应的残差块的变换系数的经熵编码的数据)(370)。视频解码器300可以对经熵编码的数据进行熵解码以确定用于当前块的预测信息并且重现残差块的变换系数(372)。视频解码器300可以例如使用如由用于当前块的预测信息所指示的帧内或帧间预测模式来预测当前块(374),以计算用于当前块的预测块。例如,视频解码器300可以使用如本公开内容中描述的基于模板的仿射预测来预测当前块。然后,视频解码器300可以对所重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且将逆变换应用于变换系数以产生残差块(378)。最终,视频解码器300可以通过将预测块和残差块进行组合来对当前块进行解码(380)。
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示例过程的流程图。当前块可以包括当前CU。尽管关于视频解码器300(图1和12)进行了描述,但是应当理解的是,其它设备可以被配置为执行与图15的过程类似的过程。
视频解码器300可以确定以仿射预测模式对视频数据的当前图片中的当前块进行译码(400)。仿射预测模式可以例如是4参数仿射预测模式、6参数仿射预测模式或某种其它此类仿射预测模式。
视频解码器300可以确定用于当前块的一个或多个控制点运动矢量(CPMV)(402)。视频解码器300可以使用一个或多个CPMV来识别用于参考图片中的当前块的初始预测块(404)。为了识别当前块的初始预测块,视频解码器300例如可以使用CPMV来在参考帧中定位多个子块。
视频解码器300可以确定用于当前图片中的当前块的当前模板(406)。当前模板可以包括位于当前块上方或当前块左侧的多个子块,例如,如图9A所示。
视频解码器300可以确定用于参考图片中的初始预测块的初始参考模板(408)。初始参考模板可以包括位于初始预测块上方或初始预测块左侧的多个子块,例如,如图9B和9C所示。
视频解码器300可以基于当前模板与初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块(410)。为了执行运动矢量细化处理以进一步确定经修改的预测块,视频解码器300例如可以在初始参考模板周围的搜索区域内搜索与当前模板比初始参考模板更紧密匹配的后续参考模板。例如,当前模板与初始参考模板的比较可以是模板匹配成本,并且视频解码器300可以基于当前模板中的样本与初始参考模板中的样本的加权每样本比较来确定模板匹配成本。
视频解码器300可以基于经修改的预测块来确定预测块;将预测块添加到残差块以确定经重构的块;向经重构的块应用一个或多个滤波操作;以及输出包括经滤波的经重构的块的经解码的视频数据的图片。
以下编号的条款示出了本公开内容中描述的设备和技术的一个或多个方面。
条款1A、一种对视频数据进行解码的方法,所述方法包括:确定用于当前块的一个或多个控制点运动矢量(CPMV),其中,所述一个或多个CPMV对应于用于所述当前块的初始预测块;以及执行运动矢量细化过程以确定经修改的预测块。
条款2A、根据条款1A所述的方法,其中,所述运动矢量细化过程包括:执行模板匹配过程。
条款3A、根据条款2A所述的方法,其中,所述一个或多个CPMV包括初始CPMV集合,并且所述模板匹配过程包括:确定经细化的CPMV集合。
条款4A、根据条款3A所述的方法,其中,确定所述经细化的CPMV集合包括:向所述一个或多个CPMV添加一个或多个增量运动矢量值,以确定所述经细化的CPMV集合。
条款5A、根据条款3A或4A所述的方法,还包括:基于所述一个或多个CPMV来确定搜索区域;并且其中,确定所述经细化的CPMV集合包括:将经细化的CPMV限制在所述搜索区域内。
条款6A、根据条款3A-5A中任一项所述的方法,还包括:确定搜索模式;以及基于所述搜索模式来确定所述经细化的CPMV集合。
条款7A、根据条款1A-6A中任一项所述的方法,其中,执行所述运动矢量细化过程以确定所述经修改的预测块包括:执行一个或多个模板匹配成本计算。
条款8A、根据条款1A-7A中任一项所述的方法,其中,所述解码的方法是作为编码过程的一部分来执行的。
条款9A、一种用于对视频数据进行解码的设备,所述设备包括用于执行根据条款1A-8A中任一项所述的方法的一个或多个单元。
条款10A、根据条款9A所述的设备,其中,所述一个或多个单元包括在电路中实现的一个或多个处理器。
条款11A、根据条款9A和10A中任一项所述的设备,还包括:用于存储所述视频数据的存储器。
条款12A、根据条款9A-11A中任一项所述的设备,还包括:被配置为显示经解码的视频数据的显示器。
条款13A、根据条款9A-12A中任一项所述的设备,其中,所述设备包括相机、计算机、移动设备、广播接收机设备或机顶盒中的一者或多者。
条款14A、根据条款9A-13A中任一项所述的设备,其中,所述设备包括视频解码器。
条款15A、根据条款9A-14A中任一项所述的设备,其中,所述设备包括视频编码器。
条款16A、一种具有存储在其上的指令的计算机可读存储介质,所述指令在被执行时使得一个或多个处理器执行根据条款1A-8A中任一项所述的方法。
条款1B、一种对视频数据进行解码的方法,所述方法包括:确定以仿射预测模式对所述视频数据的当前图片中的当前块进行译码;确定用于所述当前块的一个或多个控制点运动矢量(CPMV);使用所述一个或多个CPMV来识别用于参考图片中的所述当前块的初始预测块;确定用于所述当前图片中的所述当前块的当前模板;确定用于所述参考图片中的所述初始预测块的初始参考模板;以及基于所述当前模板与所述初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块。
条款2B、根据条款1B所述的方法,其中,执行所述运动矢量细化过程以确定所述经修改的预测块还包括:在所述初始参考模板周围的搜索区域内搜索比所述初始参考模板更紧密地与所述当前模板匹配的后续参考模板。
条款3B、根据条款1B所述的方法,其中,所述当前模板与所述初始参考模板的所述比较包括模板匹配成本。
条款4B、根据条款3B所述的方法,还包括:基于所述当前模板中的样本与所述初始参考模板中的样本的加权每样本比较来确定所述模板匹配成本。
条款5B、根据条款1B所述的方法,其中,所述初始参考模板包括位于所述初始预测块上方或所述初始预测块左侧的多个子块。
条款6B、根据条款1B所述的方法,其中,所述仿射预测模式包括4参数仿射预测模式。
条款7B、根据条款1B所述的方法,其中,所述仿射预测模式包括6参数仿射预测模式。
条款8B、根据条款1B所述的方法,还包括:基于所述经修改的预测块来确定预测块;将所述预测块添加到残差块以确定经重构的块;向所述经重构的块应用一个或多个滤波操作;以及输出包括经滤波的经重构的块的经解码的视频数据的图片。
条款9B、根据条款1B所述的方法,其中,所述解码的方法是作为视频编码过程的一部分来执行的。
条款10B、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;以及一个或多个处理器,其在电路中实现、耦合到所述存储器并且被配置为:确定以仿射预测模式对所述视频数据的当前图片中的当前块进行译码;确定用于所述当前块的一个或多个控制点运动矢量(CPMV);使用所述一个或多个CPMV来识别用于参考图片中的所述当前块的初始预测块;确定用于所述当前图片中的所述当前块的当前模板;确定用于所述参考图片中的所述初始预测块的初始参考模板;以及基于所述当前模板与所述初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块。
条款11B、根据条款10B所述的设备,其中,为了执行所述运动矢量细化过程以确定所述经修改的预测块,所述一个或多个处理器还被配置为:在所述初始参考模板周围的搜索区域内搜索比所述初始参考模板更紧密地与所述当前模板匹配的后续参考模板。
条款12B、根据条款10B所述的设备,其中,所述当前模板与所述初始参考模板的所述比较包括模板匹配成本。
条款13B、根据条款12B所述的设备,其中,所述一个或多个处理器还被配置为:基于所述当前模板中的样本与所述初始参考模板中的样本的加权每样本比较来确定所述模板匹配成本。
条款14B、根据条款10B所述的设备,其中,所述初始参考模板包括位于所述初始预测块上方或所述初始预测块左侧的多个子块。
条款15B、根据条款10B所述的设备,其中,所述仿射预测模式包括4参数仿射预测模式。
条款16B、根据条款10B所述的设备,其中,所述仿射预测模式包括6参数仿射预测模式。
条款17B、根据条款10B所述的设备,其中,所述一个或多个处理器还被配置为:基于所述经修改的预测块来确定预测块;将所述预测块添加到残差块以确定经重构的块;向所述经重构的块应用一个或多个滤波操作;以及输出包括经滤波的经重构的块的经解码的视频数据的图片。
条款18B:根据条款10B所述的设备,其中,所述设备包括无线通信设备,还包括被配置为接收经编码的视频数据的接收机。
条款19B:根据条款18B所述的设备,其中,所述无线通信设备包括电话手机,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经编码的视频数据的信号进行解调。
条款20B、根据条款10B所述的设备,还包括:被配置为显示经解码的视频数据的显示器。
条款21B、根据条款10B所述的设备,其中,所述设备包括相机、计算机、移动设备、广播接收机设备或机顶盒中的一者或多者。
条款22B、根据条款10B所述的设备,其中,所述设备包括视频编码设备。
条款23B、一种存储指令的计算机可读存储介质,所述指令在由一个或多个处理器执行时使得所述一个或多个处理器进行以下操作:确定以仿射预测模式对所述视频数据的当前图片中的当前块进行译码;确定用于所述当前块的一个或多个控制点运动矢量(CPMV);使用所述一个或多个CPMV来识别用于参考图片中的所述当前块的初始预测块;确定用于所述当前图片中的所述当前块的当前模板;确定用于所述参考图片中的所述初始预测块的初始参考模板;以及基于所述当前模板与所述初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块。
条款24B、根据条款23B所述的计算机可读存储介质,其中,为了执行所述运动矢量细化过程以确定所述经修改的预测块,所述指令还使得所述一个或多个处理器进行以下操作:在所述初始参考模板周围的搜索区域内搜索比所述初始参考模板更紧密地与所述当前模板匹配的后续参考模板。
条款25B、根据条款23B所述的计算机可读存储介质,其中,所述当前模板与所述初始参考模板的所述比较包括模板匹配成本。
条款26B、根据条款25B所述的计算机可读存储介质,其中,所述指令使得所述一个或多个处理器进行以下操作:基于所述当前模板中的样本与所述初始参考模板中的样本的加权每样本比较来确定所述模板匹配成本。
条款27B、根据条款23B所述的计算机可读存储介质,其中,所述初始参考模板包括位于所述初始预测块上方或所述初始预测块左侧的多个子块。
条款28B、根据条款23B所述的计算机可读存储介质,其中,所述指令使得所述一个或多个处理器进行以下操作:基于所述经修改的预测块来确定预测块;将所述预测块添加到残差块以确定经重构的块;向所述经重构的块应用一个或多个滤波操作;以及输出包括经滤波的经重构的块的经解码的视频数据的图片。
条款29B、一种用于对视频数据进行解码的装置,所述装置包括:用于确定以仿射预测模式对所述视频数据的当前图片中的当前块进行译码的单元;用于确定用于所述当前块的一个或多个控制点运动矢量(CPMV)的单元;用于使用所述一个或多个CPMV来识别用于参考图片中的所述当前块的初始预测块的单元;用于确定用于所述当前图片中的所述当前块的当前模板的单元;用于确定用于所述参考图片中的所述初始预测块的初始参考模板的单元;以及用于基于所述当前模板与所述初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块的单元。
条款30B、根据条款29B所述的装置,其中,所述当前模板与所述初始参考模板的所述比较包括模板匹配成本,所述装置还包括:用于基于所述当前模板中的样本与所述初始参考模板中的样本的加权每样本比较来确定所述模板匹配成本的单元。
条款1C、一种对视频数据进行解码的方法,所述方法包括:确定以仿射预测模式对所述视频数据的当前图片中的当前块进行译码;确定用于所述当前块的一个或多个控制点运动矢量(CPMV);使用所述一个或多个CPMV来识别用于参考图片中的所述当前块的初始预测块;确定用于所述当前图片中的所述当前块的当前模板;确定用于所述参考图片中的所述初始预测块的初始参考模板;以及基于所述当前模板与所述初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块。
条款2C、根据条款1C所述的方法,其中,执行所述运动矢量细化过程以确定所述经修改的预测块还包括:在所述初始参考模板周围的搜索区域内搜索比所述初始参考模板更紧密地与所述当前模板匹配的后续参考模板。
条款3C、根据条款1C或2C所述的方法,其中,所述当前模板与所述初始参考模板的所述比较包括模板匹配成本。
条款4C、根据条款3C所述的方法,还包括:基于所述当前模板中的样本与所述初始参考模板中的样本的加权每样本比较来确定所述模板匹配成本。
条款5C、根据条款1C-4C中任一项所述的方法,其中,所述初始参考模板包括位于所述初始预测块上方或所述初始预测块左侧的多个子块。
条款6C、根据条款1C-5C中任一项所述的方法,其中,所述仿射预测模式包括4参数仿射预测模式。
条款7C、根据条款1C-5C中任一项所述的方法,其中,所述仿射预测模式包括6参数仿射预测模式。
条款8C、根据条款1C-7C中任一项所述的方法,还包括:基于所述经修改的预测块来确定预测块;将所述预测块添加到残差块以确定经重构的块;向所述经重构的块应用一个或多个滤波操作;以及输出包括经滤波的经重构的块的经解码的视频数据的图片。
条款9C、根据条款1C-8C中任一项所述的方法,其中,所述解码的方法是作为视频编码过程的一部分来执行的。
条款10C、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;以及一个或多个处理器,其在电路中实现、耦合到所述存储器并且被配置为:确定以仿射预测模式对所述视频数据的当前图片中的当前块进行译码;确定用于所述当前块的一个或多个控制点运动矢量(CPMV);使用所述一个或多个CPMV来识别用于参考图片中的所述当前块的初始预测块;确定用于所述当前图片中的所述当前块的当前模板;确定用于所述参考图片中的所述初始预测块的初始参考模板;以及基于所述当前模板与所述初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块。
条款11C、根据条款10C所述的设备,其中,为了执行所述运动矢量细化过程以确定所述经修改的预测块,所述一个或多个处理器还被配置为:在所述初始参考模板周围的搜索区域内搜索比所述初始参考模板更紧密地与所述当前模板匹配的后续参考模板。
条款12C、根据条款10C或11C所述的设备,其中,所述当前模板与所述初始参考模板的所述比较包括模板匹配成本。
条款13C、根据条款12C所述的设备,其中,所述一个或多个处理器还被配置为:基于所述当前模板中的样本与所述初始参考模板中的样本的加权每样本比较来确定所述模板匹配成本。
条款14C、根据条款10C-13C中任一项所述的设备,其中,所述初始参考模板包括位于所述初始预测块上方或所述初始预测块左侧的多个子块。
条款15C、根据条款10C-14C中任一项所述的设备,其中,所述仿射预测模式包括4参数仿射预测模式。
条款16C、根据条款10C-14C中任一项所述的设备,其中,所述仿射预测模式包括6参数仿射预测模式。
条款17C、根据条款10C-16C中任一项所述的设备,其中,所述一个或多个处理器还被配置为:基于所述经修改的预测块来确定预测块;将所述预测块添加到残差块以确定经重构的块;向所述经重构的块应用一个或多个滤波操作;以及输出包括经滤波的经重构的块的经解码的视频数据的图片。
条款18C:根据条款10C-17C中任一项所述的设备,其中,所述设备包括无线通信设备,还包括被配置为接收经编码的视频数据的接收机。
条款19C:根据条款18C所述的设备,其中,所述无线通信设备包括电话手机,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经编码的视频数据的信号进行解调。
条款20C、根据条款10C-19C中任一项所述的设备,还包括:被配置为显示经解码的视频数据的显示器。
条款21C、根据条款10C-20C中任一项所述的设备,其中,所述设备包括相机、计算机、移动设备、广播接收机设备或机顶盒中的一者或多者。
条款22C、根据条款10C-20C中任一项所述的设备,其中,所述设备包括视频编码设备。
条款23C、一种存储指令的计算机可读存储介质,所述指令在由一个或多个处理器执行时使得所述一个或多个处理器进行以下操作:确定以仿射预测模式对所述视频数据的当前图片中的当前块进行译码;确定用于所述当前块的一个或多个控制点运动矢量(CPMV);使用所述一个或多个CPMV来识别用于参考图片中的所述当前块的初始预测块;确定用于所述当前图片中的所述当前块的当前模板;确定用于所述参考图片中的所述初始预测块的初始参考模板;以及基于所述当前模板与所述初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块。
条款24C、根据条款23C所述的计算机可读存储介质,其中,为了执行所述运动矢量细化过程以确定所述经修改的预测块,所述指令使得所述一个或多个处理器进行以下操作:在所述初始参考模板周围的搜索区域内搜索比所述初始参考模板更紧密地与所述当前模板匹配的后续参考模板。
条款25C、根据条款23C所述的计算机可读存储介质,其中,所述当前模板与所述初始参考模板的所述比较包括模板匹配成本。
条款26C、根据条款25C所述的计算机可读存储介质,其中,所述指令使得所述一个或多个处理器进行以下操作:基于所述当前模板中的样本与所述初始参考模板中的样本的加权每样本比较来确定所述模板匹配成本。
条款27C、根据条款23C所述的计算机可读存储介质,其中,所述初始参考模板包括位于所述初始预测块上方或所述初始预测块左侧的多个子块。
条款28C、根据条款23C所述的计算机可读存储介质,其中,所述指令使得所述一个或多个处理器进行以下操作:基于所述经修改的预测块来确定预测块;将所述预测块添加到残差块以确定经重构的块;向所述经重构的块应用一个或多个滤波操作;以及输出包括经滤波的经重构的块的经解码的视频数据的图片。
条款29C、一种用于对视频数据进行解码的装置,所述装置包括:用于确定以仿射预测模式对所述视频数据的当前图片中的当前块进行译码的单元;用于确定用于所述当前块的一个或多个控制点运动矢量(CPMV)的单元;用于使用所述一个或多个CPMV来识别用于参考图片中的所述当前块的初始预测块的单元;用于确定用于所述当前图片中的所述当前块的当前模板的单元;用于确定用于所述参考图片中的所述初始预测块的初始参考模板的单元;以及用于基于所述当前模板与所述初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块的单元。
条款30C、根据条款29C所述的装置,其中,所述当前模板与所述初始参考模板的所述比较包括模板匹配成本,所述装置还包括:用于基于所述当前模板中的样本与所述初始参考模板中的样本的加权每样本比较来确定所述模板匹配成本的单元。
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,而是替代地针对非暂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 (30)
1.一种对视频数据进行解码的方法,所述方法包括:
确定以仿射预测模式对所述视频数据的当前图片中的当前块进行译码;
确定用于所述当前块的一个或多个控制点运动矢量(CPMV);
使用所述一个或多个CPMV来识别用于参考图片中的所述当前块的初始预测块;
确定用于所述当前图片中的所述当前块的当前模板;
确定用于所述参考图片中的所述初始预测块的初始参考模板;以及
基于所述当前模板与所述初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块。
2.根据权利要求1所述的方法,其中,执行所述运动矢量细化过程以确定所述经修改的预测块还包括:
在所述初始参考模板周围的搜索区域内搜索比所述初始参考模板更紧密地与所述当前模板匹配的后续参考模板。
3.根据权利要求1所述的方法,其中,所述当前模板与所述初始参考模板的所述比较包括模板匹配成本。
4.根据权利要求3所述的方法,还包括:
基于所述当前模板中的样本与所述初始参考模板中的样本的加权每样本比较来确定所述模板匹配成本。
5.根据权利要求1所述的方法,其中,所述初始参考模板包括位于所述初始预测块上方或所述初始预测块左侧的多个子块。
6.根据权利要求1所述的方法,其中,所述仿射预测模式包括4参数仿射预测模式。
7.根据权利要求1所述的方法,其中,所述仿射预测模式包括6参数仿射预测模式。
8.根据权利要求1所述的方法,还包括:
基于所述经修改的预测块来确定预测块;
将所述预测块添加到残差块以确定经重构的块;
向所述经重构的块应用一个或多个滤波操作;以及
输出包括经滤波的经重构的块的经解码的视频数据的图片。
9.根据权利要求1所述的方法,其中,所述解码的方法是作为视频编码过程的一部分来执行的。
10.一种用于对视频数据进行解码的设备,所述设备包括:
存储器;以及
一个或多个处理器,其在电路中实现、耦合到所述存储器并且被配置为:
确定以仿射预测模式对所述视频数据的当前图片中的当前块进行译码;
确定用于所述当前块的一个或多个控制点运动矢量(CPMV);
使用所述一个或多个CPMV来识别用于参考图片中的所述当前块的初始预测块;
确定用于所述当前图片中的所述当前块的当前模板;
确定用于所述参考图片中的所述初始预测块的初始参考模板;以及
基于所述当前模板与所述初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块。
11.根据权利要求10所述的设备,其中,为了执行所述运动矢量细化过程以确定所述经修改的预测块,所述一个或多个处理器还被配置为:
在所述初始参考模板周围的搜索区域内搜索比所述初始参考模板更紧密地与所述当前模板匹配的后续参考模板。
12.根据权利要求10所述的设备,其中,所述当前模板与所述初始参考模板的所述比较包括模板匹配成本。
13.根据权利要求12所述的设备,其中,所述一个或多个处理器还被配置为:
基于所述当前模板中的样本与所述初始参考模板中的样本的加权每样本比较来确定所述模板匹配成本。
14.根据权利要求10所述的设备,其中,所述初始参考模板包括位于所述初始预测块上方或所述初始预测块左侧的多个子块。
15.根据权利要求10所述的设备,其中,所述仿射预测模式包括4参数仿射预测模式。
16.根据权利要求10所述的设备,其中,所述仿射预测模式包括6参数仿射预测模式。
17.根据权利要求10所述的设备,其中,所述一个或多个处理器还被配置为:
基于所述经修改的预测块来确定预测块;
将所述预测块添加到残差块以确定经重构的块;
向所述经重构的块应用一个或多个滤波操作;以及
输出包括经滤波的经重构的块的经解码的视频数据的图片。
18.根据权利要求10所述的设备,其中,所述设备包括无线通信设备,还包括被配置为接收经编码的视频数据的接收机。
19.根据权利要求18所述的设备,其中,所述无线通信设备包括电话手机,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经编码的视频数据的信号进行解调。
20.根据权利要求10所述的设备,还包括:
被配置为显示经解码的视频数据的显示器。
21.根据权利要求10所述的设备,其中,所述设备包括相机、计算机、移动设备、广播接收机设备或机顶盒中的一者或多者。
22.根据权利要求10所述的设备,其中,所述设备包括视频编码设备。
23.一种存储指令的计算机可读存储介质,所述指令在由一个或多个处理器执行时使得所述一个或多个处理器进行以下操作:
确定以仿射预测模式对所述视频数据的当前图片中的当前块进行译码;
确定用于所述当前块的一个或多个控制点运动矢量(CPMV);
使用所述一个或多个CPMV来识别用于参考图片中的所述当前块的初始预测块;
确定用于所述当前图片中的所述当前块的当前模板;
确定用于所述参考图片中的所述初始预测块的初始参考模板;以及
基于所述当前模板与所述初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块。
24.根据权利要求23所述的计算机可读存储介质,其中,为了执行所述运动矢量细化过程以确定所述经修改的预测块,所述指令还使得所述一个或多个处理器进行以下操作:
在所述初始参考模板周围的搜索区域内搜索比所述初始参考模板更紧密地与所述当前模板匹配的后续参考模板。
25.根据权利要求23所述的计算机可读存储介质,其中,所述当前模板与所述初始参考模板的所述比较包括模板匹配成本。
26.根据权利要求25所述的计算机可读存储介质,其中,所述指令使得所述一个或多个处理器进行以下操作:
基于所述当前模板中的样本与所述初始参考模板中的样本的加权每样本比较来确定所述模板匹配成本。
27.根据权利要求23所述的计算机可读存储介质,其中,所述初始参考模板包括位于所述初始预测块上方或所述初始预测块左侧的多个子块。
28.根据权利要求23所述的计算机可读存储介质,其中,所述指令使得所述一个或多个处理器进行以下操作:
基于所述经修改的预测块来确定预测块;
将所述预测块添加到残差块以确定经重构的块;
向所述经重构的块应用一个或多个滤波操作;以及
输出包括经滤波的经重构的块的经解码的视频数据的图片。
29.一种用于对视频数据进行解码的装置,所述装置包括:
用于确定以仿射预测模式对所述视频数据的当前图片中的当前块进行译码的单元;
用于确定用于所述当前块的一个或多个控制点运动矢量(CPMV)的单元;
用于使用所述一个或多个CPMV来识别用于参考图片中的所述当前块的初始预测块的单元;
用于确定用于所述当前图片中的所述当前块的当前模板的单元;
用于确定用于所述参考图片中的所述初始预测块的初始参考模板的单元;以及
用于基于所述当前模板与所述初始参考模板的比较来执行运动矢量细化过程,以确定经修改的预测块的单元。
30.根据权利要求29所述的装置,其中,所述当前模板与所述初始参考模板的所述比较包括模板匹配成本,所述装置还包括:
用于基于所述当前模板中的样本与所述初始参考模板中的样本的加权每样本比较来确定所述模板匹配成本的单元。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US63/173,861 | 2021-04-12 | ||
US63/173,949 | 2021-04-12 | ||
US17/715,571 | 2022-04-07 | ||
US17/715,571 US11936877B2 (en) | 2021-04-12 | 2022-04-07 | Template matching based affine prediction for video coding |
PCT/US2022/024024 WO2022221140A1 (en) | 2021-04-12 | 2022-04-08 | Template matching based affine prediction for video coding |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117203966A true CN117203966A (zh) | 2023-12-08 |
Family
ID=88985510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280025376.0A Pending CN117203966A (zh) | 2021-04-12 | 2022-04-08 | 用于视频译码的基于模板匹配的仿射预测 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117203966A (zh) |
-
2022
- 2022-04-08 CN CN202280025376.0A patent/CN117203966A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113748679A (zh) | 用于视频编解码的帧内块复制合并数据语法 | |
TW202123699A (zh) | 具有協調的運動場儲存及運動補償的幾何分區模式 | |
CN111602395B (zh) | 用于视频译码的量化组 | |
CN114223202A (zh) | 低频不可分离变换(lfnst)信令 | |
CN112673636B (zh) | 将运动向量取整以自适应运动向量差分辨率及提高视频译码中的运动向量存储精度 | |
CN113545054A (zh) | 视频编解码中子块变换的简化 | |
TW202114426A (zh) | 視訊編碼中的bdof和dmvr的協調提前終止 | |
WO2023055583A1 (en) | Decoder side motion derivation using spatial correlation | |
US11936877B2 (en) | Template matching based affine prediction for video coding | |
US20230094825A1 (en) | Motion vector difference sign prediction for video coding | |
CN116941240A (zh) | 在帧间预测模式下的模板匹配细化 | |
CN117529921A (zh) | 视频译码中的混合帧间双预测 | |
TW202306386A (zh) | 視訊譯碼中的合併候選重新排序 | |
CN116636213A (zh) | 视频译码中的模板匹配 | |
CN117203966A (zh) | 用于视频译码的基于模板匹配的仿射预测 | |
US20230199211A1 (en) | Interaction between reference picture resampling and template-based inter prediction techniques in video coding | |
TW202243480A (zh) | 用於視訊譯碼的基於範本匹配的仿射預測 | |
JP2024501137A (ja) | ビデオコーディングにおけるテンプレートマッチング | |
CN117981312A (zh) | 用于视频译码的解码器侧运动向量细化的自适应双边匹配 | |
TW202332272A (zh) | 用於視訊譯碼的區塊級別參考圖片自我調整 | |
CN116803081A (zh) | 用于视频编解码的基于模型的运动矢量差导出和模板匹配预测 | |
CN118056400A (zh) | 用于视频译码的运动矢量差符号预测 | |
TW202243475A (zh) | 視頻譯碼中的雙向光流 | |
TW202232951A (zh) | 多通路解碼器側運動向量細化 | |
WO2024015514A1 (en) | Decoder side motion vector refinement for affine motion model |
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 |