CN117256146A - 用于jmvd的基于双边匹配的缩放因子推导 - Google Patents

用于jmvd的基于双边匹配的缩放因子推导 Download PDF

Info

Publication number
CN117256146A
CN117256146A CN202280026285.9A CN202280026285A CN117256146A CN 117256146 A CN117256146 A CN 117256146A CN 202280026285 A CN202280026285 A CN 202280026285A CN 117256146 A CN117256146 A CN 117256146A
Authority
CN
China
Prior art keywords
motion vector
video
prediction
scaling factors
mvd
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
CN202280026285.9A
Other languages
English (en)
Inventor
赵亮
赵欣
刘杉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent America LLC
Original Assignee
Tencent America LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent America LLC filed Critical Tencent America LLC
Publication of CN117256146A publication Critical patent/CN117256146A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H04N19/517—Processing of motion vectors by encoding
    • H04N19/52—Processing of motion vectors by encoding by predictive encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/124—Quantisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
    • H04N19/139—Analysis of motion vectors, e.g. their magnitude, direction, variance or reliability
    • 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
    • H04N19/156—Availability of hardware or computational resources, e.g. encoding based on power-saving criteria
    • 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
    • H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/577—Motion compensation with bidirectional frame interpolation, i.e. using B-pictures
    • 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
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
    • H04N19/88—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving rearrangement of data among different coding units, e.g. shuffling, interleaving, scrambling or permutation of pixel data or permutation of transform coefficient data among different blocks

Landscapes

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

Abstract

一种视频编码的方法，包括：获取视频码流的编码块；确定运动矢量差联合编码(JMVD)是否用于预测所述编码块；基于确定所述JMVD用于预测所述编码块，从所述视频码流获取多个缩放因子的列表和所述JMVD；基于所述多个缩放因子的列表推导出预测的缩放因子；至少基于联合运动矢量差和所述预测的缩放因子，推导出参考列表的运动矢量差(MVD)；基于推导出的MVD重建所述编码块。

Description

用于JMVD的基于双边匹配的缩放因子推导
相关申请的交叉引用
本申请基于并要求于2022年4月19日提交的美国临时申请第63/332,563号和于2022年11月7日提交的美国申请第17/982,171号的优先权，这两个申请的全部内容通过引用明确地并入本申请。
技术领域
本公开涉及一组先进的图像和视频编解码技术，更具体地，涉及用于运动矢量差联合编码(joint coding of motion vector difference，JMVD)的改进方案。
背景技术
AOMedia视频1(AV1)是为因特网上的视频传输而设计的开放视频编码格式。它是由开放媒体联盟(AOMedia)为接替VP9而开发的，该联盟是创立于2015年的联合企业，包括半导体公司、视频点播提供商、视频内容制作商、软件开发公司和网页浏览器厂商。AV1项目的许多组成部分来源于联盟成员先前的研究工作。个体贡献者在几年前开始实验技术平台：Xiph/Mozilla的Daala于2010年发布了代码，谷歌(Google)的实验VP9进化项目VP10于2014年9月12日公布，并且思科(Cisco)的Thor于2015年8月11日发布。建立在VP9的代码基础上，AV1结合了附加的技术，其中的几种是以这些实验形式开发的。AV1参考编解码器的第一个版本0.1.0于2016年4月7日发布。该联盟于2018年3月28日公布了AV1码流规范的发行以及参考的基于软件的编码器和解码器。2018年6月25日，发行了规范的确认版本1.0.0。2019年1月8日发行了规范的确认版本1.0.0，其中包含勘误表1。AV1码流规范包括参考视频编解码器。
ITU-T VCEG(Q6/16)和ISO/IEC MPEG(JTC 1/SC 29/WG 11)在2013年(版本1)、2014年(版本2)、2015年(版本3)和2016年(版本4)发布了H.265/HEVC(高效视频编码)标准。从那时起，他们一直在研究对未来视频编码技术的标准化的潜在需要，该技术在压缩能力方面明显优于HEVC。2017年10月，他们发布了关于具有超越HEVC能力的视频压缩联合征集提案(Call for Proposals，CfP)。截至2018年2月15日，分别提交了总共22份标准动态范围(standard dynamic range，SDR)的CfP响应、12份高动态范围(high dynamic range，HDR)的CfP响应和12份360个视频分类的CfP响应。2018年4月，在122MPEG/10th联合视频探索小组－联合视频专家小组(JVET)会议中评估了所有收到的CfP响应。通过仔细评估，JVET正式启动了超越HEVC的下一代视频编码的标准化，即所谓的通用视频编码(VVC)。
对于JMVD，在假定JMVD编码模式中的线性运动时存在技术问题，因为两个参考帧之间的运动可能不总是线性运动，并且例如运动可能从后向参考帧到前向参考帧变得更慢或更快。因此，需要针对这种问题的技术方案。
发明内容
根据一些实施例的一个方面，提供了一种由至少一个处理器执行的视频编码方法。该方法包括：获取视频码流的编码块；确定运动矢量差联合编码(JMVD)是否用于预测所述编码块；基于确定所述JMVD用于预测所述编码块，从所述视频码流获取多个缩放因子的列表和所述JMVD；基于所述多个缩放因子的列表推导出预测的缩放因子；至少基于联合运动矢量差和所述预测的缩放因子，推导出参考列表的运动矢量差(MVD)；基于推导出的MVD重建所述编码块。
根据一些实施例的其他方面，还提供了一种与上述方法一致的装置和计算机可读介质。
附图说明
从以下详细描述和附图中，所公开的主题的其它特征、性质以及各种优点将更加明显。
图1是根据一些实施例的示意图的简化图示；
图2是根据一些实施例的简化示意图；
图3是根据一些实施例的简化示意图；
图4是根据一些实施例的简化示意图；
图5是根据一些实施例的简化示意图；
图6是根据一些实施例的简化示意图；
图7是根据一些实施例的简化示意图；
图8是根据一些实施例的简化示意图；
图9A是根据一些实施例的简化示意图；
图9B是根据一些实施例的简化示意图；
图10A是根据一些实施例的简化示意图；
图10B是根据一些实施例的简化示意图；
图10C是根据一些实施例的简化示意图；
图11是根据一些实施例的简化示意图；
图12是根据一些实施例的简化示意图；
图13是根据一些实施例的简化流程图；
图14是根据一些实施例的简化示意图；以及
图15是根据一些实施例的概要示意图。
具体实施方式
下文讨论的提议特征可以单独使用，也可以按任何顺序组合使用。此外，实施例可以通过处理电路(例如，一个或多个处理器或一个或多个集成电路)来实现。在一个示例中，一个或多个处理器执行存储在非暂时性计算机可读介质中的程序。
为了解决一个或多个不同的技术问题，根据一些实施例，提供了一种方法和装置，该装置包括：存储器，其被配置为存储计算机程序代码；以及一个或多个处理器，其被配置为访问计算机程序代码并按照计算机程序代码指示的进行操作。计算机程序代码包括：获取代码，其被配置为使至少一个硬件处理器获取视频码流的编码块；确定代码，被配置为使至少一个硬件处理器确定运动矢量差联合编码(JMVD)是否用于预测所述编码块；附加获取代码，被配置为使至少一个硬件处理器基于确定所述JMVD用于预测所述编码块，从所述视频码流获取多个缩放因子的列表和所述JMVD；推导代码，被配置为使至少一个硬件处理器基于所述多个缩放因子的列表推导出预测的缩放因子；附加推导代码，被配置为使至少一个硬件处理器至少基于联合运动矢量差和所述预测的缩放因子，推导出参考列表的运动矢量差(MVD)；以及重建代码，被配置为使至少一个硬件处理器基于推导出的MVD重建所述编码块。
根据一些实施例，计算机程序代码进一步包括：生成代码，被配置为使至少一个硬件处理器为所述多个缩放因子的列表中的每个缩放因子生成多个预测块；以及信令代码，其被配置为使至少一个硬件处理器基于权衡成本准则与所述预测块中的相应预测块之间的差异，发信号通知对所述多个缩放因子中的一个的选择，其中所述多个预测块是基于所述多个缩放因子中的相应缩放因子来生成的。
根据一些实施例，所述多个预测块中的预测块是基于运动矢量来生成的，所述运动矢量等于运动矢量预测与缩放的运动矢量差之和，所述缩放的运动矢量差由所述多个缩放因子中的一个来缩放。
根据一些实施例，所述成本准则基于绝对差之和(SAD)、均方误差之和(SSE)和绝对变换差之和(SATD)中的至少一个。
根据一些实施例，计算机程序代码包括：进一步信令代码，被配置为使至少一个硬件处理器发信号通知所述多个缩放因子中的一个的索引和标志中的至少一个；以及熵编码代码，其被配置为使至少一个硬件处理器基于所述多个缩放因子中的至少一个对所述标志进行熵编码。
根据一些实施例，计算机程序代码包括：附加信令代码，被配置为使至少一个硬件处理器发信号通知所述索引和所述标志中的所述至少一个的信令在码流中是显式的还是隐式的。
根据一些实施例，计算机程序代码包括：重排序代码，其被配置为使至少一个硬件处理器对所述多个缩放因子进行重排序；以及附加信令代码，其被配置为使至少一个硬件处理器发信号通知重排序的多个缩放因子的索引。
根据一些实施例，基于相邻块的量化步长、量化参数、块大小、帧间预测模式、运动矢量差(MVD)类别、MVD分辨率、参考图片、运动矢量预测(MVP)索引和MVD缩放因子中的至少一个，推导出所述缩放因子。
根据一些实施例，计算机程序代码包括：推导代码，其被配置为使至少一个硬件处理器基于所述多个缩放因子中的一个推导所述编码块之后的至少一个编码块的运动矢量预测(MVP)。
根据一些实施例，计算机程序代码在帧头、切片头和序列头中的至少一个中发信号通知对所述多个缩放因子中的一个的选择。
图1示出了根据本公开的实施例的通信系统100的简化框图。通信系统100可以包括经由网络105互连的至少两个终端102和103。对于数据的单向传输，第一终端103可以在本地位置对视频数据进行编码，以便经由网络105传输到另一终端102。第二终端102可以从网络105接收另一终端的编码视频数据，对编码数据进行解码并显示恢复的视频数据。单向数据传输在媒体服务应用等中是较常见的。
图1示出了被提供来支持编码视频的双向传输的第二对终端101和104，该编码视频可以发生在例如视频会议期间。对于数据的双向传输，终端101和104中每个终端可以对在本地位置采集的视频数据进行编码，以便经由网络105传输到另一个终端。终端101和104中每个终端还可以接收由另一个终端发送的编码视频数据，可以解码编码数据，并且可以在本地显示设备上显示恢复的视频数据。
在图1的实施例中，终端101、终端102、终端103和终端104可为服务器、个人计算机和智能电话，但本申请公开的原理可不限于此。本申请公开的实施例适用于膝上型计算机、平板电脑、媒体播放器和/或专用视频会议设备。网络105表示在终端101、终端102、终端103和终端104之间传送已编码视频数据的任何数目的网络，包括例如有线(连线的)和/或无线通信网络。通信网络105可在电路交换和/或分组交换信道中交换数据。该网络可包括电信网络、局域网、广域网和/或互联网。出于本论述的目的，除非在下文中有所解释，否则网络105的架构和拓扑对于本申请公开的操作来说可能是无关紧要的。
作为实施例，图2示出视频编码器和视频解码器在流式传输环境中的放置方式。本申请所公开主题可同等地适用于其它支持视频的应用，包括例如视频会议、数字TV、在包括CD、DVD、存储棒等的数字介质上存储压缩视频等等。
流传输系统可以包括采集子系统203，采集子系统可以包括视频源201，例如数码相机，以创建例如未压缩的视频采样流213。相较于编码视频码流，该采样流213可以被强调为高数据量，并且可以由耦合到相机201的编码器202来处理。编码器202可以包括硬件、软件或其组合，以实现或实现如以下更详细描述的公开主题的各方面。编码的视频码流204可以被存储在流服务器205上以供将来使用，相较于采样流，编码的视频位流204可以强调为较低的数据量。一个或多个流客户端212和207可以访问流服务器205以检索编码视频码流204的副本208和206。客户端212可以包括视频解码器211，视频解码器211对编码视频码流208的传入副本进行解码并创建可以在显示器209或其他呈现设备(未示出)上呈现的传出视频采样流210。在一些流传输系统中，可以根据某些视频编码/压缩标准对视频码流204、206和208进行编码。以上提到了这些标准的示例，并在本文中进一步描述了这些标准。
图3是根据本申请公开的实施例的视频解码器300的框图。
接收器302可接收将由解码器300解码的一个或多个已编码视频序列；在同一实施例或另一实施例中，一次接收一个已编码视频序列，其中每个已编码视频序列的解码独立于其它已编码视频序列。可从信道301接收已编码视频序列，所述信道可以是通向存储已编码的视频数据的存储装置的硬件/软件链路。接收器302可接收已编码的视频数据以及其它数据，例如，可转发到它们各自的使用实体(未标示)的已编码音频数据和/或辅助数据流。接收器302可将已编码视频序列与其它数据分开。为了防止网络抖动，缓冲存储器303可耦接在接收器302与熵解码器/解析器304(此后称为“解析器304”)之间。而当接收器302从具有足够带宽和可控性的存储/转发装置或从等时同步网络接收数据时，也可能不需要配置缓冲存储器303，或可以将所述缓冲存储器做得较小。当然，为了在互联网等业务分组网络上使用，也可能需要缓冲存储器303，所述缓冲存储器可相对较大且可具有自适应性大小。
视频解码器300可包括解析器304以根据已编码视频序列重建符号313。这些符号的类别包括用于管理视频解码器300的操作的信息，以及用以控制显示器312等显示装置的潜在信息，所述显示装置不是解码器的必要组成部分，但可耦接到解码器。用于显示装置的控制信息可以是辅助增强信息(Supplemental Enhancement Information，SEI消息)或视频可用性信息的参数集片段(未标示)。解析器304可对接收到的已编码视频序列进行解析/熵解码。已编码视频序列的编码可根据视频编码技术或标准进行，且可遵循本领域技术人员熟知的原理，包括可变长度编码、霍夫曼编码(Huffman coding)、具有或不具有上下文灵敏度的算术编码等等。解析器304可基于对应于群组的至少一个参数，从已编码视频序列提取用于视频解码器中的像素的子群中的至少一个子群的子群参数集。子群可包括图片群组(Group of Pictures，GOP)、图片、图块、切片、宏块、编码单元(Coding Unit，CU)、块、变换单元(Transform Unit，TU)、预测单元(Prediction Unit，PU)等等。熵解码器/解析器还可从已编码视频序列提取信息，例如变换系数、量化器参数值、运动矢量等等。
解析器304可以对从缓冲器303接收的视频序列执行熵解码/解析操作，以创建符号313。解析器304可以接收编码数据，并选择性地解码特定符号313。此外，解析器304可以确定是否将特定符号313提供给运动补偿预测单元306、缩放器/逆变换单元305、帧内预测单元307或环路滤波器311。
取决于已编码视频图片或一部分已编码视频图片(例如：帧间图片和帧内图片、帧间块和帧内块)的类型以及其它因素，符号313的重建可涉及多个不同单元。涉及哪些单元以及涉及方式可由解析器304从已编码视频序列解析的子群控制信息控制。为了简洁起见，未描述解析器304与下文的多个单元之间的此类子群控制信息流。
除已经提及的功能块以外，解码器300可在概念上细分成如下文所描述的数个功能单元。在商业约束下运行的实际实施例中，这些单元中的许多单元彼此紧密交互并且可以彼此集成。然而，出于描述所公开主题的目的，概念上细分成下文的功能单元是适当的。
第一单元是缩放器/逆变换单元305。缩放器/逆变换单元305从解析器304接收作为符号313的量化变换系数以及控制信息，包括使用哪种变换方式、块大小、量化因子、量化缩放矩阵等。缩放器/逆变换单元305可输出包括样本值的块，所述样本值可输入到聚合器310中。
在一些情况下，缩放器/逆变换单元305的输出样本可属于帧内编码块；即：不使用来自先前重建的图片的预测性信息，但可使用来自当前图片的先前重建部分的预测性信息的块。此类预测性信息可由帧内图片预测单元307提供。在一些情况下，帧内图片预测单元307采用从当前(部分已重建)图片309提取的周围已重建信息生成大小和形状与正在重建的块相同的周围块。在一些情况下，聚合器310基于每个样本，将帧内预测单元307生成的预测信息添加到由缩放器/逆变换单元305提供的输出样本信息中。
在其它情况下，缩放器/逆变换单元305的输出样本可属于帧间编码和潜在运动补偿块。在此情况下，运动补偿预测单元306可访问参考图片存储器308以提取用于预测的样本。在根据符号313对提取的样本进行运动补偿之后，这些样本可由聚合器310添加到缩放器/逆变换单元的输出(在这种情况下被称作残差样本或残差信号)，从而生成输出样本信息。运动补偿单元从参考图片存储器内的地址获取预测样本可受到运动矢量控制，且所述运动矢量以所述符号313的形式而供运动补偿单元使用，所述符号313例如是包括X、Y和参考图片分量。运动补偿还可包括在使用子样本精确运动矢量时，从参考图片存储器提取的样本值的内插、运动矢量预测机制等等。
聚合器310的输出样本可在环路滤波器单元311中被各种环路滤波技术采用。视频压缩技术可包括环路内滤波器技术，所述环路内滤波器技术受控于包括在已编码视频码流中的参数，且所述参数作为来自解析器304的符号313可用于环路滤波器单元311。然而，在其他实施例中，视频压缩技术还可响应于在解码已编码图片或已编码视频序列的先前(按解码次序)部分期间获取的元信息，以及响应于先前重建且经过环路滤波的样本值。
环路滤波器单元311的输出可以是样本流，所述样本流可输出到显示装置312以及存储在参考图片存储器557，以用于后续的帧间图片预测。
一旦完全重建，某些已编码图片就可用作参考图片以用于将来预测。一旦已编码图片被完全重建，且已编码图片(通过例如解析器304)被识别为参考图片，则当前参考图片309可变为参考图片缓存器308的一部分，且可在开始重建后续已编码图片之前重新分配新的当前图片存储器。
视频解码器300可根据例如ITU-T H.265标准中记录的预定视频压缩技术执行解码操作。已编码视频序列可以符合由所使用的视频压缩技术或标准所指定的语法，在这种意义上，它遵循视频压缩技术或者标准的语法，如在视频压缩技术文档或标准中指定的，并且具体地在其中的简档文档中指定的。对于合规性，还要求已编码视频序列的复杂度处于视频压缩技术或标准的层级所限定的范围内。在一些情况下，层级限制最大图片大小、最大帧率、最大重建取样率(以例如每秒兆(mega)个样本为单位进行测量)、最大参考图片大小等。在一些情况下，由层级设定的限制可通过假想参考解码器(Hypothetical ReferenceDecoder，HRD)规范和在已编码视频序列中用信号表示的HRD缓冲器管理的元数据来进一步限定。
在实施例中，接收器302可连同已编码视频一起接收附加(冗余)数据。所述附加数据可以是已编码视频序列的一部分。所述附加数据可由视频解码器300用以对数据进行适当解码和/或较准确地重建原始视频数据。附加数据可呈例如时间、空间或信噪比(signalto noise ratio，SNR)增强层、冗余切片、冗余图片、前向纠错码等形式。
图4是根据本公开的实施例的视频编码器400的功能框图。
编码器400可以从视频源401(不是编码器的一部分)接收视频样本，视频源401可以采集要由编码器400编码的视频图像。
视频源401可提供将由视频编码器303编码的呈数字视频样本流形式的源视频序列，所述数字视频样本流可具有任何合适位深度(例如：8位、10位、12位……)、任何色彩空间(例如BT.601Y CrCB、RGB……)和任何合适取样结构(例如Y CrCb4:2:0、Y CrCb 4:4:4)。在媒体服务系统中，视频源401可以是存储先前已准备的视频的存储装置。在视频会议系统中，视频源401可以是采集本地图像信息作为视频序列的相机。可将视频数据提供为多个单独的图片，当按顺序观看时，这些图片被赋予运动。图片自身可构建为空间像素阵列，其中取决于所用的取样结构、色彩空间等，每个像素可包括一个或多个样本。所属领域的技术人员可以很容易理解像素与样本之间的关系。下文侧重于描述样本。
根据实施例，编码器400可实时或在由应用所要求的任何其它时间约束下，将源视频序列的图片编码且压缩成已编码视频序列410。施行适当的编码速度是控制器402的一个功能。控制器控制如下文所描述的其它功能单元且在功能上耦接到这些单元。为了简洁起见，图中未标示耦接。由控制器设置的参数可包括速率控制相关参数(图片跳过、量化器、率失真优化技术的λ值等)、图片大小、图片群组(group of pictures，GOP)布局，最大运动矢量搜索范围等。本领域技术人员可以容易地识别控制器402的其他功能，因为它们可能涉及针对特定系统设计优化的视频编码器400。
一些视频编码器(503)在本领域技术人员容易认识的编码环路中进行操作。作为简单的描述，编码环路可包括编码器402的编码部分(此后称为“源编码器”)(负责基于待编码的输入图片和参考图片创建符号)和嵌入于编码器400中的(本地)解码器406。解码器406创建(远程)解码器也创建的样本数据(因为在本申请所考虑的视频压缩技术中，符号与已编码视频码流之间的任何压缩是无损的)。将重建的样本流输入到参考图片存储器405。由于符号流的解码产生与解码器位置(本地或远程)无关的位精确结果，因此参考图片缓冲器内容中的内容在本地编码器与远程编码器之间也是按比特位精确对应的。换句话说，编码器的预测部分“看到”的参考图片样本与解码器将在解码期间使用预测时所“看到”的样本值完全相同。这种参考图片同步性基本原理(以及在例如因信道误差而无法维持同步性的情况下产生的漂移)是本领域技术人员熟知的。
“本地”解码器406的操作可与例如已在上文结合图3详细描述的“远程”解码器300相同。然而，另外简要参考图4，当符号可用且熵编码器408和解析器304能够无损地将符号编码/解码为已编码视频序列时，包括信道301、接收器302、缓冲器303和解析器304在内的解码器300的熵解码部分，可能无法完全在本地解码器406中实施。
此时可以观察到，除存在于解码器中的解析/熵解码之外的任何解码器技术，也必定以基本上相同的功能形式存在于对应的编码器中。可简化编码器技术的描述，因为编码器技术与全面地描述的解码器技术互逆。仅在某些区域中需要更详细的描述，并且在下文提供。
作为其部分操作，源编码器403可执行运动补偿预测编码。参考来自视频序列中被指定为“参考帧”的一个或多个先前已编码帧，所述运动补偿预测编码对输入帧进行预测性编码。以此方式，编码引擎407对输入帧的像素块与参考帧的像素块之间的差异进行编码，所述参考帧可被选作所述输入帧的预测参考。
本地视频解码器406可基于源编码器403创建的符号，对可指定为参考帧的帧的已编码视频数据进行解码。编码引擎407的操作可为有损过程。当已编码视频数据可在视频解码器(图4中未示)处被解码时，重建的视频序列通常可以是带有一些误差的源视频序列的副本。本地视频解码器406复制解码过程，所述解码过程可由视频解码器对参考帧执行，且可使重建的参考帧存储在参考图片高速缓存405中。以此方式，编码器400可在本地存储重建的参考帧的副本，所述副本与将由远端视频解码器获取的重建参考帧具有共同内容(不存在传输误差)。
预测器404可针对编码引擎407执行预测搜索。即，对于将要编码的新帧，预测器404可在参考图片存储器405中搜索可作为所述新图片的适当预测参考的样本数据(作为候选参考像素块)或某些元数据，例如参考图片运动矢量、块形状等。预测器404可基于样本块逐像素块操作，以找到合适的预测参考。在一些情况下，根据预测器404获取的搜索结果，可确定输入图片可具有从参考图片存储器405中存储的多个参考图片取得的预测参考。
控制器402可管理视频编码器403的编码操作，包括例如设置用于对视频数据进行编码的参数和子群参数。
可在熵编码器408中对所有上述功能单元的输出进行熵编码。熵编码器根据例如霍夫曼编码、可变长度编码、算术编码等本领领域技术人员知道的技术对各种功能单元生成的符号进行无损压缩，从而将所述符号转换成已编码视频序列。
传输器409可缓冲由熵编码器408创建的已编码视频序列，从而为通过通信信道411进行传输做准备，所述通信信道可以是通向将存储已编码的视频数据的存储装置的硬件/软件链路。传输器409可将来自视频编码器403的已编码视频数据与要传输的其它数据合并，所述其它数据例如是已编码音频数据和/或辅助数据流(未示出来源)。
控制器402可管理编码器400的操作。在编码期间，控制器402可以为每个已编码图片分配某一已编码图片类型，但这可能影响可应用于相应的图片的编码技术。例如，通常可将图片分配为以下任一种帧类型：
帧内图片(I图片)，其可以是不将序列中的任何其它图片用作预测源就可被编码和解码的图片。一些视频编解码器容许不同类型的帧内图片，包括例如独立解码器刷新(Independent Decoder Refresh，IDR)图片。所属领域的技术人员了解I图片的变体及其相应的应用和特征。
预测性图片(P图片)，其可以是可使用帧内预测或帧间预测进行编码和解码的图片，所述帧内预测或帧间预测使用至多一个运动矢量和参考索引来预测每个块的样本值。
双向预测性图片(B图片)，其可以是可使用帧内预测或帧间预测进行编码和解码的图片，所述帧内预测或帧间预测使用至多两个运动矢量和参考索引来预测每个块的样本值。类似地，多个预测性图片可使用多于两个参考图片和相关联元数据以用于重建单个块。
源图片通常可在空间上细分成多个样本块(例如，4×4、8×8、4×8或16×16个样本的块)，且逐块进行编码。这些块可参考其它(已编码)块进行预测编码，根据应用于块的相应图片的编码分配来确定所述其它块。举例来说，I图片的块可进行非预测编码，或所述块可参考同一图片的已经编码的块来进行预测编码(空间预测或帧内预测)。P图片的像素块可参考一个先前编码的参考图片通过空间预测或通过时域预测进行非预测编码。B图片的块可参考一个或两个先前编码的参考图片通过空间预测或通过时域预测进行非预测编码。
视频编码器400可根据例如ITU-T H.265建议书的预定视频编码技术或标准执行编码操作。在操作中，视频编码器400可执行各种压缩操作，包括利用输入视频序列中的时间和空间冗余的预测编码操作。因此，已编码视频数据可符合所用视频编码技术或标准指定的语法。
在实施例中，传输器409可在传输已编码的视频时传输附加数据。源编码器403可将此类数据作为已编码视频序列的一部分。附加数据可包括时间/空间/SNR增强层、冗余图片和切片等其它形式的冗余数据、补充增强信息(Supplementary EnhancementInformation，SEI)消息、视觉可用性信息(Visual Usability Information，VUI)参数集片段等。
图5示出了在HEVC和JEM中使用的帧内预测模式。为了采集在自然视频中呈现的任意边缘方向，定向帧内模式的数量从如在HEVC中使用的33扩展到65。在HEVC之上的JEM中的附加定向模式在图1(b)中被描绘为虚线箭头，并且平面模式和DC模式保持相同。这些更密集的定向帧内预测模式适用于所有块大小并且适用于亮度帧内预测和色度帧内预测。如图5中所示，与奇数帧内预测模式索引相关联的由虚线箭头标识的定向帧内预测模式被称为奇数帧内预测模式。与偶数帧内预测模式索引相关联的由实线箭头标识的定向帧内预测模式被称为偶数帧内预测模式。在本文档中，如图5中的实线或虚线箭头所指示的定向帧内预测模式也被称为角度模式。
在JEM中，总共67个帧内预测模式用于亮度帧内预测。为了对帧内模式进行编码，基于相邻块的帧内模式来构建大小为6的最可能模式(most probable mode，MPM)列表。如果帧内模式不是来自MPM列表，则发信号通知标志以指示帧内模式是否属于已选模式。在JEM-3.0中，存在16个已选模式，它们被统一地选择为每四个角度模式。在JVET-D0114和JVET-G0060中，推导16个次级MPM来代替统一选择的模式。
图6图示了用于帧内定向模式的N个参考层。存在块单元611、片段A 601、片段B602、片段C 603、片段D 604、片段E 605、片段F 606、第一参考层610、第二参考层609、第三参考层608和第四参考层607。
在HEVC和JEM以及诸如H.264/AVC的一些其它标准中，用于预测当前块的参考样本被限制为最近参考行(行或列)。在多参考行帧内预测的方法中，对于帧内定向模式，候选参考行(行或列)的数量从1(即最近)增加到N，其中N是大于或等于1的整数。图2以4×4预测单元(PU)为例，示出了多行帧内定向预测方法的概念。帧内定向模式可以任意地选择N个参考层中的一个以生成预测值。换言之，从参考样本S1、S2、……和SN中的一个生成预测值p(x,y)。发信号通知标志以指示哪个参考层被选择用于帧内定向模式。如果将N设置为1，则帧内定向预测方法与JEM 2.0中的传统方法相同。在图6中，参考行610、609、608和607由六个片段601、602、603、604、605和606以及左上参考样本组成。在本文档中，参考层也被称为参考行。当前块单元内的左上像素的坐标是(0，0)，并且第1个参考行中的左上像素的坐标是(-1，-1)。
在JEM中，对于亮度分量，在生成过程之前对用于帧内预测样本生成的相邻样本进行滤波。滤波由给定的帧内预测模式和变换块大小控制。如果帧内预测模式是DC或变换块大小等于4×4，则不对相邻样本进行滤波。如果给定的帧内预测模式与垂直模式(或水平模式)之间的距离大于预定阈值，则启用滤波过程。对于相邻样本滤波，使用[1，2，1]滤波器和双线性滤波器。
位置决定的帧内预测组合(position dependent intra predictioncombination，PDPC)方法是一种帧内预测方法，其调用未滤波的边界参考样本与具有滤波的边界参考样本的HEVC型帧内预测的组合。位于(x，y)处的每个预测样本pred[x][y]计算如下：
pred[x][y]＝(wL*R-1，y+wT*Rx，-1+wTL*R-1，-1+(64-wL-wT-wTL)*pred[x][y]+32)＞＞6 (等式2-1)
其中，Rx,-1、R-1,y分别表示位于当前样本(x，y)的顶部和左边的未滤波的参考样本，并且R-1，-1表示位于当前块的左上角的未滤波的参考样本。如下计算权重，
wT＝32＞＞((y＜＜1)＞＞shift) (等式2-2)
wL＝32＞＞((x＜＜1)＞＞shift) (等式2-3)
wTL＝-(wL＞＞4)-(wT＞＞4) (等式2-4)
shift＝(log2(width)+log2(height)+2)＞＞2 (等式2-5)
图7图示了图700，其中DC模式PDPC对一个4×4块内的(0，0)和(1，0)位置进行加权(wL，wT，wTL)。如果将PDPC应用于DC、平面、水平和垂直帧内模式，则不需要附加边界滤波器，诸如HEVC DC模式边界滤波器或水平/垂直模式边缘滤波器。图7图示了应用于右上对角模式的PDPC的参考样本Rx,-1、R-1，y和R-1，-1的定义。预测样本pred(x’，y’)位于预测块内的(x’，y’)处。参考样本Rx,-1的坐标x由下式给出：x＝x’+y’+1，并且参考样本R-1，y的坐标y类似地由下式给出：y＝x’+y’+1。
图8图示了局部光照补偿(Local Illumination Compensation，LIC)图800，并且基于使用缩放因子a和偏移b的光照变化的线性模型。并且针对每个帧间模式编码的编码单元(CU)自适应地启用或禁用该编码单元。
当LIC应用于CU时，采用最小二乘误差方法，通过使用当前CU的相邻样本和相邻样本对应的参考样本来推导参数a和b。更具体地，如图8所示，使用CU的子采样的(2：1子采样)相邻样本和参考图片中的对应样本(由当前CU或子CU的运动信息标识)。IC参数被推导并且分别应用于每个预测方向。
当以合并模式对CU进行编码时，以类似于合并模式中的运动信息复制的方式从相邻块复制LIC标志；否则，为CU发信号通知LIC标志以指示是否应用LIC。
图9A图示了在HEVC中使用的帧内预测模式900。在HEVC中，总共有35个帧内预测模式，其中模式10是水平模式，模式26是垂直模式，模式2、模式18和模式34是对角模式。通过三个最可能模式(MPM)和32个剩余模式，发信号通知帧内预测模式。
图9B图示了在VVC的实施例中，总共有87个帧内预测模式，其中模式18是水平模式，模式50是垂直模式，并且模式2、模式34和模式66是对角模式。模式-1至-10和模式67至76被称为广角帧内预测(Wide-Angle Intra Prediction，WAIP)模式。
根据PDPC表达式，使用帧内预测模式(DC、平面、角度)和参考样本的线性组合来预测位于位置(x,y)处的预测样本pred(x,y)：
pred(x,y)＝(wL×R-1,y+wT×Rx,-1–wTL×R-1,-1+(64–wL–wT+wTL)×pred(x,y)+32)>>6
其中，Rx,-1、R-1,y分别表示位于当前样本(x,y)的顶部和左边的参考样本，并且R-1,-1表示位于当前块的左上角的参考样本。
对于DC模式，对于具有尺寸宽度和高度的块，如下计算权重：
wT＝32>>((y<<1)>>nScale)、wL＝32>>((x<<1)>>nScale)、wTL＝(wL>>4)+(wT>>4)，
其中nScale＝(log2(width)–2+log2(height)–2+2)>>2，其中wT表示位于具有相同水平坐标的上参考行中的参考样本的加权因子，wL表示位于具有相同垂直坐标的左参考行中的参考样本的加权因子，并且wTL表示当前块的左上参考样本的加权因子。nScale指定了加权因子沿着轴(wL从左到右减小或wT从上到下减小)减小的速度，即加权因子减小速率，并且在当前设计中它沿着x轴(从左到右)和y轴(从上到下)是相同的。并且32表示相邻样本的初始加权因子，并且该初始加权因子也是分配给当前CB中的左上样本的顶部(左或左上)权重，并且PDPC过程中相邻样本的加权因子应当等于或小于该初始加权因子。
对于平面模式，wTL＝0，而对于水平模式，wTL＝wT，并且对于垂直模式，wTL＝wL。可以仅用加法和移位来计算PDPC权重。可以使用等式1在单个步骤中计算pred(x,y)的值。
本文中所提出的方法可以单独使用或以任何顺序组合使用。进一步地，方法(或实施例)、编码器和解码器中的每一者可以由处理电路系统(例如，一个或多个处理器或一个或多个集成电路)来实现。在一个示例中，一个或多个处理器执行存储在非易失性计算机可读介质中的程序。在下文中，术语块可以被解释为预测块、编码块或编码单元(即，CU)。
图10A图示了通过使用QTBT进行块分区的示例1000，并且图10B图示了对应树表示1001。实线指示四叉树分割，并且虚线指示二叉树分割。在二叉树的每个分割(即，非叶)节点中，发信号通知一个标志以指示使用哪种分割类型(即，水平或垂直)，其中0指示水平分割并且1指示垂直分割。对于四叉树分割，不需要指示分割类型，因为四叉树分割总是水平地且垂直地分割块以产生具有相等大小的4个子块。
在HEVC中，通过使用表示为编码树的四叉树结构将CTU分割成CU，以适应各种局部特性。在CU级上作出是否使用帧间(时间)或帧内(空间)预测对图片区域进行编码的决策。可以根据PU分割类型将每个CU进一步分割成一个、两个或四个PU。在一个PU内，应用相同的预测过程，并且基于PU将相关信息传输到解码器。在通过应用基于PU分割类型的预测过程获取残差块之后，可以根据另一四叉树结构(如CU的编码树)将CU分区成变换单元(TU)。HEVC结构的关键特征中的一个是其具有包括CU、PU和TU的多个分区概念。
根据实施例，QTBT结构去除了多个分区类型的概念，即去除了CU、PU和TU概念的分离，并且支持CU分区形状的更多灵活性。在QTBT块结构中，CU可以具有正方形或矩形形状。在图11的流程图1100中，根据示例性实施例，在S11处获取的编码树单元(CTU)或CU首先在S12处被四叉树结构分区。在S14处进一步确定四叉树叶节点是否由二叉树结构分区，如果是，则在S15处，例如如图10C所述，在二叉树分割中有两种分割类型，对称水平分割和对称垂直分割。二叉树叶节点被称为编码单元(CU)，并且该分割用于预测和变换处理而无需任何进一步的分区。这意味着，CU、PU和TU在QTBT编码块结构中具有相同的块大小。在VVC中，CU有时由不同颜色分量的编码块(CB)组成，例如，在4:2:0色度格式的P和B切片的情况下，一个CU包含一个亮度CB和两个色度CB，并且有时由单个分量的CB组成，例如，在I切片的情况下，一个CU仅包含一个亮度CB或仅包含两个色度CB。
根据实施例，为QTBT分区方案定义了以下参数：
－CTU大小：四叉树的根节点大小，与HEVC中概念相同。
－MinQTSize：最小允许的四叉树叶节点大小，
－MaxBTSize：最大允许的二叉树根节点大小，
－MaxBTDepth：最大允许的二叉树深度，以及
－MinBTSize：最小允许的二叉树叶节点大小。
在QTBT分区结构的一个示例中，将CTU大小设置为具有两个对应64×64色度样本块的128×128亮度采样，将MinQTSize(其中，QT是四叉树)设置为16×16，将MaxBTSize设置为64×64，将MinBTSize(针对宽度和高度)设置为4×4，并且将MaxBTDepth设置为4。在S12或S15处，首先将四叉树分区应用于CTU以生成四叉树叶节点。四叉树叶节点可以具有从16×16(即，MinQTSize)到128×128(即，CTU大小)的大小。如果叶四叉树节点是128×128，则其将不会被二叉树进一步分割，因为如在S14处所检查的，其大小超过了MaxBTSize(即，64×64)。否则，在S15处，叶四叉树节点可以被二叉树进一步分割。因此，四叉树叶节点也是二叉树的根节点，并且其二叉树深度为0。当二叉树深度达到MaxBTDepth(即，4)时，在S14处不考虑进一步的分割。当二叉树节点具有等于MinBTSize(即，4)的宽度时，在S14处不考虑进一步的水平分割。类似地，当二叉树节点具有等于MinBTSize的高度时，在S14处不考虑进一步的垂直分割。如以下关于描述QT/TT/BT大小的语法所讨论的，在S16处提供信令，以处理例如二叉树的叶节点，二叉树的叶节点在S17处由预测和变换处理进一步处理，并且类似于本文中关于这种预测和变换处理所讨论的，无需任何进一步的分区。根据示例性实施例，图11所示，还可以在S12之后的S13处提供这种信令。在JEM中，最大CTU大小是256×256的亮度样本。
此外，根据实施例，QTBT方案支持亮度和色度具有单独的QTBT结构的能力/灵活性。当前，对于P和B切片，一个CTU中的亮度和色度编码树块(CTB)共享相同的QTBT结构。然而，对于I切片，通过QTBT结构将亮度CTB分区成CU，并且通过另一QTBT结构将色度CTB分区成色度CU。这意味着，I切片中的CU由亮度分量的编码块或两个色度分量的编码块组成，并且P或B切片中的CU由所有三个颜色分量的编码块组成。
在HEVC中，用于小块的帧间预测被限制以减少运动补偿的存储器访问，使得对于4×8块和8×4块不支持双向预测，并且对于4×4的块不支持帧间预测。在JEM-7.0中实现的QTBT中，这些限制被去除。
图10C表示关于所包括的多类型树(Multi-type-tree，MTT)结构1002的简化框图1100VVC，MTT结构1002是图示的四叉树(QT)与嵌套二叉树(BT)和三叉/三元树(triple-/ternary tree，TT)(QT/BT/TT)的组合。首先通过QT将CTU或CU递归地分区成正方形块。然后通过BT或TT可以对每个QT叶进行进一步分区，其中BT和TT分割可以被递归地应用和交织，但是不能应用进一步的QT分区。在所有相关建议中，TT使用1:2:1的比率将矩形块垂直或水平地分割成三个块(因此避免了非2的幂的宽度和高度)。为了防止分区仿真，如图10C的简化图1002所示，通常在MTT上施加附加分割约束，相对于块1103(四进制)、1104(二进制、JEM)和1105(三进制)在VVC中进行QT/BT/TT块分区，以避免重复的分区(例如，禁止由垂直/水平三进制分割导致的中间分区上的垂直/水平二进制分割)。可以将进一步的限制设置为BT和TT的最大深度。
这种三叉树分区(如上面提到的三进制块1105)的关键优点在于，作为四叉树和二叉树分区的补充，三叉树分区能够采集位于块中心的对象，而四叉树和二叉树总是沿着块中心进行分割，并且所提出的三叉树的分区的宽度和高度总是2的幂，因此不需要附加变换。
二级树的设计主要是为了降低复杂度。理论上，遍历树的复杂度是TD，其中T表示分割类型的数量，并且D是树的深度。
图11示出了在VP9和AV1中块分区的示例1100，其中VP9的示例编码树单元(CTU)1111示出了VP9使用从64×64级1112开始向下到4×4级1113的4路分区树，对8×8及以下的块有一些附加限制，如级1113的上半部分所示。注意，指定为R的分区指的是递归的，因为相同的分区树以较低的比例重复，直到达到最低的4×4级。AV1的示例CTU 1104不仅将分区树扩展到10路结构1116，而且还增加最大大小(在VP9/AV1用语中被称为超级块)以从128×128级1115开始。注意，这包括VP9中不存在的4:1/1:4矩形分区。并且没有一个矩形分区可以被进一步细分。此外，在2×2色度帧间预测在某些情况下成为可能的意义上，AV1为使用低于8×8级的分区增加了更多灵活性。
并且在HEVC中，可以通过使用表示为编码树的四叉树结构将编码树单元(CTU)分割成编码单元(CU)，以适应各种局部特性。在CU级作出是否使用帧间(时间)或帧内(空间)预测对图片区域进行编码的决策。可以根据PU分割类型将每个CU进一步分割成一个、两个或四个预测单元(PU)。在一个PU内，应用相同的预测过程，并且基于PU将相关信息传输到解码器。在通过应用基于PU分割类型的预测过程获取残差块之后，可以根据另一四叉树结构(如CU的编码树)将CU分区成变换单元(TU)。HEVC结构的关键特征中的一个是其具有包括CU、PU和TU的多个分区概念。在HEVC中，CU或TU可以仅为正方形形状，而PU可以为用于帧间预测的块的正方形或矩形形状。在HEVC中，可以将一个编码块进一步分割成四个正方形子块，并且对每个子块(即，TU)执行变换。可以将每个TU进一步递归地分割(使用四叉树分割)成更小的TU，被称为残差四叉树(Residual Quad-Tree，RQT)。并且在图片边界处，HEVC采用隐式四叉树分割，使得块将保持四叉树分割直到大小适合该图片边界。
此外，图12示出了根据示例性实施例的运动矢量差合并模式(merge mode withmotion vector difference，MMVD)相关的示例1200。例如，除了合并模式(其中隐式推导的运动信息直接用于当前CU的预测样本生成)之外，在VVC中引入运动矢量差合并模式(MMVD)。并且可以在发送跳过标志和合并标志之后立即发信号通知MMVD标志，以指定MMVD模式是否用于CU。并且在MMVD中，在选择合并候选之后，通过发信号通知的运动矢量差(MVD)信息来进一步修正该合并候选，使得进一步的信息包括合并候选标志、指定运动幅度的索引以及用于指示运动方向的索引。在MMVD模式中，选择合并列表中的前两个候选的一个用作MV基础。可以发信号通知合并候选标志以指定使用哪一个。
距离索引指定运动幅度信息，并且指示与起始点的预定义偏移。并且图12示出了L0参考1201和L1参考1202，其中将偏移添加到起始MV的水平分量或垂直分量。在表1中指定了距离索引与预定义偏移的关系。
表1－距离索引与预定义偏移的关系
根据示例性实施例，方向索引表示MVD相对于起始点的方向。方向索引可以表示如下表2所示的四个方向。MVD符号的含义可以根据起始MV的信息而变化。例如，当起始MV是单向预测MV或双向预测MV时，两个列表指向当前图片的相同侧(即，两个参考的图片顺序计数(POC)都大于当前图片的POC，或都小于当前图片的POC)，表2中的符号指定添加到起始MV的MV偏移的符号。和/或当起始MV是双向预测MV时，两个MV指向当前图片的不同侧(即，一个参考的POC大于当前图片的POC，并且另一个参考的POC小于当前图片的POC)，并且列表0中的POC的差大于列表1中的POC的差，表2中的符号指定添加到起始MV的list0 MV分量的MV偏移的符号，并且list1 MV的符号具有相反的值。否则，如果列表1中的POC的差大于列表0中的POC的差，则表2中的符号指定添加到起始MV的list1 MV分量的MV偏移的符号，并且list0MV的符号具有相反的值。
根据示例性实施例，可以根据每个方向上的POC的差来对MVD进行缩放。如果两个列表中的POC的差相同，则不需要进行缩放。否则，如果列表0中的POC的差大于列表1中的POC的差，则对列表1的MVD进行缩放。如果L1的POC差大于L0，则以相同的方式对列表0的MVD进行缩放。如果起始MV是单向预测的，则将MVD添加到可用MV。
表2－由方向索引指定的MV偏移的符号
方向IDX 00 01 10 11
x轴 + - 不适用 不适用
y轴 不适用 不适用 + -
根据示例性实施例，可以存在对称MVD编码，其中可以根据每个方向上的POC的差来对MVD进行缩放。如果两个列表中的POC的差相同，则不需要进行缩放。否则，如果列表0中的POC的差大于列表1中的POC的差，则对列表1的MVD进行缩放。如果L1的POC差大于L0，则以相同的方式对列表0的MVD进行缩放。如果起始MV是单向预测的，则将MVD添加到可用MV。
并且根据示例性实施例，在VVC中，除了正常单向预测和双向预测模式MVD信令之外，还可以应用用于双向MVD信令的对称MVD模式。在对称MVD模式中，包括列表-0和列表-1的参考图片索引以及列表-1的MVD的运动信息不被发信号通知而是被推导。对称MVD模式的解码过程如下：
1.在切片级处，如下推导变量BiDirPredFlag、RefIdxSymL0和RefIdxSymL1：
如果mvd_l1_zero_flag为1，则将BiDirPredFlag设置为等于0。
否则，如果列表-0中的最近参考图片和列表-1中的最近参考图片形成前向和后向参考图片对或后向和前向参考图片对，则将BiDirPredFlag设置为1，并且列表-0和列表-1参考图片都是短期参考图片。否则将BiDirPredFlag设置为0。
2.在CU级处，如果CU是双向预测编码的并且BiDirPredFlag等于1，则显式地发信号通知对称模式标志指示是否使用对称模式。
并且当对称模式标志为真时，仅显式地发信号通知mvp_l0_flag、mvp_l1_flag和MVD0。将列表-0和列表-1的参考索引分别设置为等于参考图片对。将MVD1设置为等于(-MVD0)。
根据示例性实施例，在CWG-B018中可以存在帧间模式编码，其中在AV1中，对于帧间帧中的每个已编码块，如果当前块的模式不是跳过模式而是帧间编码模式，则发信号通知另一标志以指示对当前块使用单个参考模式还是复合参考模式，其中在单个参考模式中通过一个运动矢量来生成预测块，而在复合参考模式中通过对从两个运动矢量推导的两个预测块进行加权平均来生成预测块。
例如，对于单个参考情况，可以发信号通知以下模式：
NEARMV—使用由动态参考列表(DRL)索引指示的列表中的运动矢量预测值(MVP)中的一个。
NEWMV—使用通过DRL索引发信号通知的列表中的运动矢量预测值(MVP)中的一个作为参考，并且将增量应用于MVP。
GLOBALMV—使用基于帧级全局运动参数的运动矢量。
并且对于复合参考模式，可以发信号通知以下模式：
NEAR_NEARMV—使用通过DRL索引发信号通知的列表中的运动矢量预测值(MVP)中的一个。
NEAR_NEWMV—使用通过DRL索引发信号通知的列表中的运动矢量预测值(MVP)中的一个作为参考，并且为第二MV发送增量MV。
NEW_NEARMV—使用通过DRL索引发信号通知的列表中的运动矢量预测值(MVP)中的一个作为参考，并且为第一MV发送增量MV。
NEW_NEWMV—使用通过DRL索引发信号通知的列表中的运动矢量预测值(MVP)中的一个作为参考，并且为两个MV发送增量。
GLOBAL_GLOBALMV—基于它们的帧级全局运动参数使用来自每个参考的MV
并且根据示例性实施例，在AV1中还可以存在运动矢量差编码，其中AV1允许1/8像素运动矢量精度(或准确度)，并且使用以下语法来发信号通知参考帧列表0或列表1中的运动矢量差：
mv_joint指定运动矢量差的哪些分量是非零的：
0指示沿水平或垂直方向不存在非零MVD，
1指示仅沿水平方向存在非零MVD，
2指示仅沿垂直方向存在非零MVD，并且
3指示沿水平和垂直方向均存在非零MVD，
mv_sign指定运动矢量差是正的还是负的，
mv_class指定运动矢量差的类别(如表3中所示，较高类别意味着运动矢量差具有较大幅度)。
表3：用于运动矢量差的幅度类别
mv_bit指定每个MV类别的运动矢量差和起始幅度之间的偏移的整数部分，
mv_fr指定运动矢量差的前2个小数比特，并且
mv_hp指定运动矢量差的第三小数比特
并且根据示例性实施例，在CWG-B092中可以存在自适应MVD分辨率，其中对于NEW_NEARMV和NEAR_NEWMV模式，MVD的精度取决于MVD的相关联的类别和幅度。
首先，仅当MVD幅度等于或小于一个像素时，才允许小数MVD。其次，当相关联的MV类别的值等于或大于MV_CLASS_1时，可以仅允许一个MVD值，并且对于MV类别1(MV_CLASS_1)、2(MV_CLASS_2)、3(MV_CLASS_3)、4(MV_CLASS_4)或5(MV_CLASS_5)，将每个MV类别中的MVD值推导为4、8、16、32、64。每个MV类别中允许的MVD值在表4中图示：
表4：每个MV幅度类别中的自适应MVD
此外，如果将当前块编码为NEW_NEARMV或NEAR_NEWMV模式，则一个上下文用于发信号通知mv_joint或mv_class。否则，另一上下文用于发信号通知mv_joint或mv_class。
根据示例性实施例，在CWG-B092中还可以存在MVD联合编码(JMVD)，其中可以应用被命名为JOINT_NEWMV的新的帧间编码模式来指示是否联合地发信号通知两个参考列表的MVD。如果帧间预测模式等于JOINT_NEWMV模式，则联合地发信号通知参考列表0和参考列表1的MVD。因此，只有一个MVD(被命名为joint_mvd)可以被发信号通知并被传输到解码器，并且从joint_mvd推导参考列表0和参考列表1的增量MV。
JOINT_NEWMV模式可以与NEAR_NEARMV、NEAR_NEWMV、NEW_NEARMV、NEW_NEWMV和GLOBAL_GLOBALMV模式一起被发信号通知。根据示例性实施例，不添加附加上下文。
并且当发信号通知JOINT_NEWMV模式，并且两个参考帧与当前帧之间的POC距离不同时，基于POC距离针对参考列表0或参考列表1对MVD进行缩放。具体而言，参考帧列表0与当前帧之间的距离被标注为td0，并且参考帧列表1与当前帧之间的距离被标注为td1。如果td0等于或大于td1，则joint_mvd直接用于参考列表0，并且基于等式(1)从joint_mvd推导参考列表1的mvd。
否则，如果td1等于或大于td0，则joint_mvd直接用于参考列表1，并且基于等式(2)从joint_mvd推导参考列表0的mvd。
/>
根据示例性实施例，在CWG-C011中还存在对自适应MVD分辨率的改进，其中可以将被命名为AMVDMV的新的帧间编码模式添加到单个参考情况。当选择AMVDMV模式时，该选择指示将AMVD应用到信号MVD。可以在JOINT_NEWMV模式下添加一个被命名为amvd_flag的标志，以指示是否将AMVD应用于联合MVD编码模式。并且当将自适应MVD分辨率应用于MVD联合编码模式时，可以联合发信号通知两个参考帧的MVD，并且由MVD幅度隐式地确定MVD的精度。否则，联合发信号通知两个(或两个以上)参考帧的MVD，并且可以应用其它MVD编码。
并且可以进行附加改进，因为对于JMVD，假设在后向参考帧与前向参考帧之间存在线性运动，但是当为一个块选择JMVD编码模式时，为两个参考帧发信号通知一个联合MVD，并且基于参考帧与当前帧之间的距离从联合MVD推导两个参考帧的MVD。然而，两个参考帧之间的运动可能不总是线性运动，因为例如运动可能从后向参考帧到前向参考帧变得更慢或更快。
如本文中所讨论的，参考帧的方向是由参考帧在显示顺序上在当前帧之前还是在显示顺序上在当前帧之后来确定的。并且根据示例性实施例，参见图13，其图示了流程图1300，其中在S130处获取视频数据的编码块，并且在S131处，当确定为一个编码块选择JMVD模式时，预定义缩放因子列表可以用于从发信号通知的联合MVD推导参考列表0和/或1的MVD。根据示例性实施例，采用基于双边匹配的方法来从预定义缩放因子列表推导出预测的缩放因子。在S133处，在示例性实施例中，对于预定义列表中的每个候选缩放因子，在S133处生成预测块P0 1402和P1 1403，如图14的示例1400中针对当前块1401所示，MV等于MVP与缩放的MVD之和，并且然后在S134处通过成本准则计算并测量P0和P1之间的差，并且在S135处使用具有由这种测量产生的最小成本的候选缩放因子作为预测的缩放因子(pred_scale_factor)。
根据示例性实施例，成本准则包括但不限于绝对差之和(SAD)、均方误差之和(SSE)和绝对变换差之和(SATD)特征。
在S136处，如果确定使用候选缩放因子的索引或标志(scaled_jmvd_flag)来发信号通知，则在S137处，发信号通知候选缩放因子的索引或标志(scaled_jmvd_flag)，并且在S142处，将预测的缩放因子用作scaled_jmvd_flag的熵编码的上下文。
可选地，在S138处，如果确定显式地发信号通知候选缩放因子的索引或标志(scaled_jmvd_flag)，则在S139处与用于对候选缩放因子进行重排序的pred_scale_factor一起显式地发信号通知候选缩放因子的索引或标志(scaled_jmvd_flag)，并且然后发信号通知重排序的候选缩放因子的索引，并且在S142处根据上述JMVD进行编码。
可选地，在S140处，如果确定不是发信号通知候选缩放因子的索引或标志(scaled_jmvd_flag)，而是将pred_scale_factor直接用作用于推导用于生成预测块的最终MVD的缩放因子，则在S141处，将pred_scale_factor直接作为推导用于生成预测块的最终MVD的缩放因子，并且然后在S142处根据上述JMVD进行编码。
可选地，在S132处，可以实现其它编码过程，诸如上述用于在S130处获取的编码块的任何过程。
根据示例性实施例，MVD的缩放过程与在2022年4月6日提交的US 63/328,062中描述的方法相同，在此将其整体并入本文。
根据示例性实施例，可以在码流中显式地发信号通知或者从双边匹配方法(pred_scale_factor)隐式地推导候选缩放因子的索引或标志(scaled_jmvd_flag)，并且在S142处还发信号通知显式信令与隐式推导之间的选择。
根据示例性实施例，所述预测的缩放因子可以从与被显式地发信号通知的候选缩放因子组相比较的不同候选缩放因子组中推导。并且，例如，被显式地发信号通知的候选缩放因子可以包括有限数量的候选(例如，1、1/2、2)，但是可以从一组更大的候选(例如，1、1/8、2/8、3/8、4/8、……、15/8、16/8、……、32/8)推导预测的缩放因子。
根据示例性实施例，对于运动矢量预测(MVP)，诸如在S142之后的S130处，仅使用具有显式地发信号通知的缩放因子或默认缩放因子(例如，1)的MVD推导的相邻块的MV可以用于推导后续编码块的MVP。否则，如果使用具有使用双边匹配推导的缩放因子的MVD推导这种相邻块的MV，则该相邻块的MV不用于推导这种后续编码块的MVP。
根据示例性实施例，基于已编码信息推导候选缩放因子，该已编码信息包括但不限于相邻块的量化步长或量化参数、块大小、帧间预测模式、MVD类别、MVD分辨率、参考图片、MVP索引和MVD缩放因子中的任何一个或多个。
根据示例性实施例，以高级语法发信号通知候选缩放因子，包括但不限于帧头、切片头和序列头中的任何一个。
以上所描述的技术可以被实施为使用计算机可读指令并且物理地存储在一个或多个计算机可读介质中或者专门配置的一个或多个硬件处理器中的计算机软件。例如，图15示出了适于实施所公开的主题的某些实施例的计算机系统1500。
计算机软件可以使用任何合适的机器代码或计算机语言进行编码，机器代码或计算机语言可以通过汇编、编译、链接或类似机制来创建包括可以由计算机中央处理单元(CPU)、图形处理单元(GPU)等直接或通过解释、微代码执行等执行的指令的代码。
指令可以在各种类型的计算机或其部件上执行，包括例如个人计算机、平板计算机、服务器、智能电话、游戏设备、物联网设备等。
图15所示的用于计算机系统1500的部件本质上是示例性的，并且不旨在对实施本公开的实施例的计算机软件的使用范围或功能性提出任何限制。部件的配置也不应被解释为对计算机系统1500的示例性实施例中所图示的任何一个部件或其组合具有任何依赖性或要求。
计算机系统1500可以包括某些人机接口输入设备。此类人机接口输入设备可以响应于一个或多个人类用户通过例如触觉输入(诸如：击键、滑动、数据手套移动)、音频输入(诸如：语音、拍打)、视觉输入(诸如：手势)、嗅觉输入(未示出)的输入。人机接口设备还可以用于捕获不一定与人的有意识输入直接相关的某些介质，诸如音频(诸如：语音、音乐、环境声音)、图像(诸如：扫描图像、从静止图像照相机获取的摄影图像)、视频(诸如二维视频、包括立体视频的三维视频)。
输入人机接口设备可以包括以下中的一个或多个(每种仅描绘了一个)：键盘1501、鼠标1502、触控板1503、触摸屏1510、操纵杆1505、麦克风1506、扫描仪1508、照相机1507。
计算机系统1500还可以包括某些人机接口输出设备。此类人机接口输出设备可以通过例如触觉输出、声音、光和嗅觉/味觉来刺激一个或多个人类用户的感觉。此类人机接口输出设备可以包括触觉输出设备(例如触摸屏1510或操纵杆1505的触觉反馈，但也可以有不用作输入设备的触觉反馈设备)、音频输出设备(诸如：扬声器1509、耳机(未描绘))、视觉输出设备(诸如屏幕1510，包括CRT屏幕、LCD屏幕、等离子屏幕、OLED屏幕，其各自具有或不具有触摸屏输入能力，各自具有或不具有触觉反馈能力—其中一些能够通过诸如立体输出的方式输出二维视觉输出或多于三维输出；虚拟现实眼镜(未描绘)、全息显示器和烟雾罐(未描绘))，以及打印机(未描绘)。
计算机系统1500还可以包括人类可访问的存储设备及其相关联的介质，诸如包括具有CD/DVD1511的CD/DVD ROM/RW1520等介质的光学介质、拇指驱动器1522、可移动硬盘驱动器或固态驱动器1523、诸如磁带和软盘(未描绘)的传统磁性介质、诸如安全软件狗(未描绘)的基于专用ROM/ASIC/PLD的设备等。
本领域技术人员还应当理解，结合当前公开的主题使用的术语“计算机可读介质”不包括传输介质、载波或其它易失性信号。
计算机系统1500还可以包括到一个或多个通信网络1598的接口1599。网络1598例如可以是无线的、有线的、光学的。网络还可以是本地的、广域的、城域的、车辆的和工业的、实时的、延迟容许型的等等。网络1598的示例包括诸如以太网的局域网、无线LAN、包括GSM、3G、4G、5G、LTE等的蜂窝网络、包括有线TV、卫星TV和地面广播TV的TV有线或无线广域数字网络、包括CAN总线的车辆的和工业的网络等。某些网络1598通常需要附接到某些通用数据端口或外围总线(1550和1551)的外部网络接口适配器(诸如例如，计算机系统1500的USB端口)；其它网络通常通过附接到如下所描述的系统总线而集成到计算机系统1500的核心中(例如以太网接口到PC计算机系统中或蜂窝网络接口到智能电话计算机系统中)。使用这些网络1598中的任何一个，计算机系统1500可以与其它实体进行通信。此类通信可以是单向的仅接收(例如，广播TV)、单向的仅发送(例如，CANbus到某些CANbus设备)，或双向的，例如到使用局域数字网络或广域数字网络的其它计算机系统。可以在如上所描述的那些网络和网络接口中的每一个上使用某些协议和协议栈。
上述人机接口设备、人类可访问的存储设备和网络接口可以附接到计算机系统1500的核心1540。
核心1540可以包括一个或多个中央处理单元(CPU)1541、图形处理单元(GPU)1542、现场可编程门阵列(FPGA)1543形式的专用可编程处理单元、用于某些任务的硬件加速1544等。这些设备连同只读存储器(ROM)1545、随机存取存储器1546、诸如内部非用户可访问硬盘驱动器、SSD等的内部大容量存储器1547可以通过系统总1548连接。在一些计算机系统中，系统总线1548可以以一个或多个物理插头的形式访问，以使得能够通过附加CPU、GPU等进行扩展。外围设备可以直接或通过外围总线1551附接到核心的系统总线1548。外围总线的体系结构包括PCI、USB等。
CPU1541、GPU1542、FPGA1543和加速器1544可以执行某些指令，这些指令的组合可以构成上述计算机代码。该计算机代码可以存储在ROM1545或RAM1546中。过渡数据也可以存储在RAM1546中，而永久数据可以存储在例如内部大容量存储器1547中。可以通过使用高速缓存存储器来启用对任何存储器设备的快速存储和检索，高速缓存存储器可以与一个或多个CPU1541、GPU1542、大容量存储器1547、ROM1545、RAM1546等紧密相关联。
计算机可读介质可以在其上具有用于执行各种计算机实施的操作的计算机代码。介质和计算机代码可以是为了本公开的目的而专门设计和构建的那些，或者它们可以是计算机软件领域的技术人员公知和可用的类型。
作为非限制性示例，具有体系结构的计算机系统1500，并且特别是核1540可以提供作为一个或多个处理器(包括CPU、GPU、FPGA、加速器等)执行体现在一个或多个有形的计算机可读介质中的软件的结果的功能性。此类计算机可读介质可以是与如上所介绍的用户可访问的大容量存储器相关联的介质，以及具有非易失性性质的核心1540的某些存储器，诸如核心内部大容量存储器1547或ROM1545。实施本公开的各种实施例的软件可以存储在此类设备中并由核1540执行。根据特定需要，计算机可读介质可以包括一个或多个存储器设备或芯片。软件可以使核心1540并且特别是其中的处理器(包括CPU、GPU、FPGA等)执行本文描述的特定过程或特定过程的特定部分，包括定义存储在RAM1546中的数据结构并且根据由软件定义的过程修改此类数据结构。另外或作为替代，计算机系统可以提供作为逻辑硬连线的结果或以其它方式体现在电路(例如：加速器1544)中的功能性，其可以代替软件或与软件一起操作以执行本文描述的特定过程或特定过程的特定部分。在适当的情况下，对软件的引用可以包括逻辑，反之亦然。在适当的情况下，对计算机可读介质的引用可以包括存储用于执行的软件的电路(诸如集成电路(IC))、体现用于执行的逻辑的电路，或两者。本公开包括硬件和软件的任何合适的组合。
所提出的方法可以单独使用，也可以按任何顺序组合使用。此外，方法(或实施例)、编码器和解码器中的每一个可以通过处理电路(例如，一个或多个处理器或一个或多个集成电路)来实现。在一个示例中，一个或多个处理器执行存储在非暂时性计算机可读介质中的程序。在下文中，术语块可以被解释为预测块、编码块或编码单元，即CU。
虽然本公开描述了几个示例性实施例，但存在变化、排列和各种替代等价物，这些都落在本公开的范围内。因此，本领域的技术人员将能够设计出许多系统和方法，这些系统和方法虽然在本文中没有明确示出或描述，但是体现了本公开的原理，并且因此在本公开的精神和范围内。

Claims (20)

1.一种视频编码的方法，其特征在于，由至少一个处理器执行，所述方法包括：
获取视频码流的编码块；
确定运动矢量差联合编码(JMVD)是否用于预测所述编码块；
基于确定所述JMVD用于预测所述编码块，从所述视频码流获取多个缩放因子的列表和所述JMVD；
基于所述多个缩放因子的列表推导出预测的缩放因子；
至少基于联合运动矢量差和所述预测的缩放因子，推导出参考列表的运动矢量差(MVD)；
基于推导出的MVD重建所述编码块。
2.根据权利要求1所述的视频编码的方法，其特征在于，进一步包括：
为所述多个缩放因子的列表中的每个缩放因子生成多个预测块；以及
基于权衡成本准则与所述多个预测块中的相应预测块之间的差异，发信号通知对所述多个缩放因子中的一个的选择，
其中，所述多个预测块是基于所述多个缩放因子中的相应缩放因子来生成的。
3.根据权利要求2所述的视频编码的方法，其特征在于，
所述多个预测块中的预测块是基于运动矢量来生成的，所述运动矢量等于运动矢量预测与缩放的运动矢量差之和，所述缩放的运动矢量差由所述多个缩放因子中的一个来缩放。
4.根据权利要求2所述的视频编码的方法，其特征在于，
所述成本准则基于绝对差之和(SAD)、均方误差之和(SSE)和绝对变换差之和(SATD)中的至少一个。
5.根据权利要求1所述的视频编码的方法，其特征在于，进一步包括：
发信号通知所述多个缩放因子中的一个的索引和标志中的至少一个；以及
基于所述多个缩放因子中的至少一个对所述标志进行熵编码。
6.根据权利要求5所述的视频编码的方法，其特征在于，进一步包括发信号通知所述索引和所述标志中的所述至少一个的信令在码流中是显式的还是隐式的。
7.根据权利要求1所述的用于视频编码的方法，其特征在于，进一步包括：
对所述多个缩放因子进行重排序；以及
发信号通知重排序的多个缩放因子的索引。
8.根据权利要求1所述的视频编码的方法，其特征在于，
基于相邻块的量化步长、量化参数、块大小、帧间预测模式、运动矢量差(MVD)类别、MVD分辨率、参考图片、运动矢量预测(MVP)索引和MVD缩放因子中的至少一个，推导出所述缩放因子。
9.根据权利要求1所述的视频编码的方法，其特征在于，进一步包括：
基于所述多个缩放因子中的一个推导所述编码块之后的至少一个编码块的运动矢量预测(MVP)。
10.根据权利要求1所述的视频编码的方法，其特征在于，
在帧头、切片头和序列头中的至少一个中发信号通知对所述多个缩放因子中的一个的选择。
11.一种视频编码的装置，其特征在于，所述装置包括：
至少一个存储器，被配置为存储计算机程序代码；
至少一个处理器，被配置为访问所述计算机程序代码并按照所述计算机程序代码的指令进行操作，所述计算机程代码包括：
第一获取代码，被配置为使得所述至少一个硬件处理器获取视频码流的编码块；
确定代码，被配置为使得所述至少一个硬件处理器确定运动矢量差联合编码(JMVD)是否用于预测所述编码块；
第二获取代码，被配置为使得所述至少一个硬件处理器基于确定所述JMVD用于预测所述编码块，从所述视频码流获取多个缩放因子的列表和所述JMVD；
推导代码，被配置为使得所述至少一个硬件处理器基于所述多个缩放因子的列表推导出预测的缩放因子；
附加推导代码，被配置为使得所述至少一个硬件处理器至少基于联合运动矢量差和所述预测的缩放因子，推导出参考列表的运动矢量差(MVD)；
重建代码，被配置为使得所述至少一个硬件处理器基于推导出的MVD重建所述编码块。
12.根据权利要求11所述的视频编码的装置，其中，所述计算机程序代码还包括：
生成代码，被配置为使得所述至少一个硬件处理器为所述多个缩放因子的列表中的每个缩放因子生成多个预测块；以及
信令代码，被配置为使得所述至少一个硬件处理器基于权衡成本准则与所述多个预测块中的相应预测块之间的差异，发信号通知对所述多个缩放因子中的一个的选择，
其中，所述多个预测块是基于所述多个缩放因子中的相应缩放因子来生成的。
13.根据权利要求12所述的视频编码的装置，
其中所述多个预测块中的预测块是基于运动矢量来生成的，所述运动矢量等于运动矢量预测与缩放的运动矢量差之和，所述缩放的运动矢量差由所述多个缩放因子中的一个来缩放。
14.根据权利要求12所述的视频编码的装置，
其中，所述成本准则基于绝对差之和(SAD)、均方误差之和(SSE)和绝对变换差之和(SATD)中的至少一个。
15.根据权利要求11所述的视频编码的装置，其中，所述计算机程序代码还包括：
附加信令代码，被配置为使得所述至少一个硬件处理器发信号通知所述多个缩放因子中的一个的索引和标志中的至少一个；和
熵编码代码，被配置为使得所述至少一个硬件处理器基于所述多个缩放因子中的至少一个对所述标志进行熵编码。
16.根据权利要求15所述的用于视频编码的装置，其中，所述计算机程序代码还包括：
附加信令代码，被配置为使得所述至少一个硬件处理器发信号通知所述索引和所述标志中的所述至少一个的信令在码流中是显式的还是隐式的。
17.根据权利要求11所述的用于视频编码的装置，其中，所述计算机程序代码还包括：
重新排序代码，被配置为使所述至少一个硬件处理器对所述多个缩放因子进行重排序；以及
附加信令代码，被配置为使所述至少一个硬件处理器发信号通知重排序的多个缩放因子的索引。
18.根据权利要求11所述的视频编码的装置，
其中基于相邻块的量化步长、量化参数、块大小、帧间预测模式、运动矢量差(MVD)类别、MVD分辨率、参考图片、运动矢量预测(MVP)索引和MVD缩放因子中的至少一个，推导出所述缩放因子。
19.根据权利要求11所述的视频编码的装置，其中，所述计算机程序代码还包括：
导出代码，被配置为使得所述至少一个硬件处理器基于所述多个缩放因子中的一个推导所述编码块之后的至少一个编码块的运动矢量预测(MVP)。
20.一种非暂时性计算机可读介质，其特征在于，存储有程序代码，所述程序代码在由计算机执行时使得所述计算机至少：
获取视频码流的编码块；
确定运动矢量差联合编码(JMVD)是否用于预测所述编码块；
基于确定所述JMVD用于预测所述编码块，从所述视频码流获取多个缩放因子的列表和所述JMVD；
基于所述多个缩放因子的列表推导出预测的缩放因子；
至少基于联合运动矢量差和所述预测的缩放因子，推导出参考列表的运动矢量差(MVD)；
基于推导出的MVD重建所述编码块。
CN202280026285.9A 2022-04-19 2022-11-08 用于jmvd的基于双边匹配的缩放因子推导 Pending CN117256146A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202263332563P 2022-04-19 2022-04-19
US63/332,563 2022-04-19
US17/982,171 2022-11-07
US17/982,171 US11936903B2 (en) 2022-04-19 2022-11-07 Bilateral matching based scaling factor derivation for JMVD
PCT/US2022/049238 WO2023204849A1 (en) 2022-04-19 2022-11-08 Bilateral matching based scaling factor derivation for jmvd

Publications (1)

Publication Number Publication Date
CN117256146A true CN117256146A (zh) 2023-12-19

Family

ID=88307379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280026285.9A Pending CN117256146A (zh) 2022-04-19 2022-11-08 用于jmvd的基于双边匹配的缩放因子推导

Country Status (4)

Country Link
US (2) US11936903B2 (zh)
KR (1) KR20240090347A (zh)
CN (1) CN117256146A (zh)
WO (1) WO2023204849A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12047586B2 (en) * 2022-07-20 2024-07-23 Tencent America LLC Method and apparatus for inter prediction mode dependent scaling factors

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130170553A1 (en) 2012-01-04 2013-07-04 Qualcomm Incorporated Coding motion vector difference
US9854253B2 (en) 2014-06-30 2017-12-26 Qualcomm Incorporated Method for motion vector difference (MVD) and intra block copy vector difference (BVD) coding of screen content video data
JP2019519148A (ja) 2016-05-13 2019-07-04 ヴィド スケール インコーポレイテッド ビデオ符号化のための一般化された多重仮説予測（Ｇｅｎｅｒａｌｉｚｅｄ Ｍｕｌｔｉ−Ｈｙｐｏｔｈｅｓｉｓ Ｐｒｅｄｉｃｔｉｏｎ）のためのシステムおよび方法
US10448010B2 (en) 2016-10-05 2019-10-15 Qualcomm Incorporated Motion vector prediction for affine motion models in video coding
US10701391B2 (en) 2017-03-23 2020-06-30 Qualcomm Incorporated Motion vector difference (MVD) prediction
US11516476B2 (en) 2020-07-10 2022-11-29 Sharp Kabushiki Kaisha Systems and methods for deriving a motion vector difference in video coding
US12052437B2 (en) * 2022-04-06 2024-07-30 Tencent America LLC Systems and methods for explicit signaling of scaling factors for joint coding of motion vector difference
US20230328227A1 (en) * 2022-04-07 2023-10-12 Tencent America LLC Systems and methods for joint coding of motion vector difference using template matching based scaling factor derivation

Also Published As

Publication number Publication date
KR20240090347A (ko) 2024-06-21
US20240244250A1 (en) 2024-07-18
US11936903B2 (en) 2024-03-19
US20230336771A1 (en) 2023-10-19
WO2023204849A1 (en) 2023-10-26

Similar Documents

Publication Publication Date Title
CN114745540B (zh) 一种视频编解码方法、装置、设备和介质
CN111989918B (zh) 视频解码的方法、装置及存储介质
CN110944202B (zh) 视频编解码方法、装置、计算机设备和存储介质
CN113826384B (zh) 对视频进行编码或解码的方法和装置
CN113875234B (zh) 视频解码方法、装置和介质
CN111837391A (zh) 合并模式下的视频编解码的方法和装置
CN113557724A (zh) 视频编解码的方法和装置
CN117063471A (zh) 用于运动矢量差的联合信令方法
CN111726622B (zh) 视频编解码的方法、装置及介质
KR20230135641A (ko) 적응형 모션 벡터 차이 해상도를 위한 공동 코딩
CN113348668B (zh) 一种视频解码方法、装置及存储介质
CN116686289A (zh) 用于单参考运动矢量差的自适应精度
CN115428445A (zh) 用于视频编码的方法和装置
CN113841390B (zh) 用于视频编解码的方法和设备
JP2023520594A (ja) ビデオ・コーディングのための方法及び装置
CN117256146A (zh) 用于jmvd的基于双边匹配的缩放因子推导
CN111988625A (zh) 视频解码方法和装置以及计算机设备和存储介质
CN117413513A (zh) 用于联合mvd编码的灵活缩放因子
CN116830581A (zh) 用于运动矢量差的经改进的信令方法和装置
JP7378485B2 (ja) Ｑｔ／ｂｔ／ｔｔサイズの改善されたヘッダシンタックス
CN116803076A (zh) 用于具有帧间和帧内预测的几何分区模式的帧内模式约束
CN116830572A (zh) 调整运动矢量差的自适应分辨率的方案
CN116584097A (zh) 联合运动矢量差编解码
CN115804089A (zh) 零残差标志编解码
CN115516856A (zh) 多参考行帧内预测与变换分区之间的协调设计

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40098273

Country of ref document: HK