CN117319658A - 视频编码方法、解码方法、电子设备及存储介质 - Google Patents

视频编码方法、解码方法、电子设备及存储介质 Download PDF

Info

Publication number
CN117319658A
CN117319658A CN202311503740.2A CN202311503740A CN117319658A CN 117319658 A CN117319658 A CN 117319658A CN 202311503740 A CN202311503740 A CN 202311503740A CN 117319658 A CN117319658 A CN 117319658A
Authority
CN
China
Prior art keywords
video
context model
transform coefficient
context
encoded
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
CN202311503740.2A
Other languages
English (en)
Inventor
欧阳祥
刘杉
赵欣
李翔
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 CN117319658A publication Critical patent/CN117319658A/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
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • 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
    • H04N19/10—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
    • 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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/18—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a set of transform coefficients
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—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
    • H04N19/186—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a colour or a chrominance component
    • 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
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/91—Entropy coding, e.g. variable length coding [VLC] or arithmetic coding
    • 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
    • H04N19/167—Position within a video image, e.g. region of interest [ROI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本申请公开了视频编码方法、解码方法、电子设备及存储介质。其中，一种视频解码方法包括接收已编码视频码流，该已编码视频码流包括当前图片和对应于当前图片中的变换块的变换系数的至少一个语法元素。该方法进一步包括基于对一组部分重建的变换系数的累计值sum(x)执行的单调非递减函数f(x)的输出，确定偏移值。该方法进一步包括基于所确定的偏移值与基值之和，确定上下文模型索引。该方法进一步包括基于所确定的上下文模型索引从多个上下文模型中为当前变换系数的至少一个语法元素选择上下文模型。

Description

视频编码方法、解码方法、电子设备及存储介质
引用并入
本公开要求于2020年6月17日提交的申请号为16/904,000的美国专利申请“用于减少用于变换系数有效标志的熵编解码的上下文模型的方法和装置(METHOD ANDAPPARATUS FOR REDUCING CONTEXT MODELS FOR ENTROPY CODING OF TRANSFORMCOEFFICIENT SIGNIFICANT FLAG)”的优先权，该申请要求于2019年6月19日提交的申请号为62/863,742的美国临时申请“用于减少用于变换系数有效标志的熵编解码的上下文模型的方法(METHOD OF REDUCING CONTEXT MODELS FOR ENTROPY CODING OF TRANSFORMCOEFFICIENT SIGNIFICANT FLAG)”的优先权，该申请通过引用整体并入本文。
技术领域
本申请描述了总体上涉及视频编解码的实施例。
背景技术
本文所提供的背景描述旨在整体呈现本申请的背景。在背景技术部分以及本说明书的各个方面中所描述的目前已署名的发明人的工作所进行的程度，并不表明其在本申请提交时作为现有技术，且从未明示或暗示其被承认为本申请的现有技术。
通过具有运动补偿的帧间图片预测技术，可以进行视频编码和解码。未压缩的数字视频可包括一系列图片，每个图片具有例如1920×1080亮度样本及相关色度样本的空间维度。所述系列图片具有固定的或可变的图片速率(也非正式地称为帧率)，例如每秒60个图片或60Hz。未压缩的视频具有非常大的比特率要求。例如，每个样本8比特的1080p60 4:2:0的视频(1920x1080亮度样本分辨率，60Hz帧率)要求接近1.5Gbit/s带宽。一小时这样的视频就需要超过600GB的存储空间。
视频编码和解码的一个目的，是通过压缩减少输入视频信号的冗余信息。视频压缩可以帮助降低对上述带宽或存储空间的要求，在某些情况下可降低两个或更多数量级。无损和有损压缩，以及两者的组合均可采用。无损压缩是指从压缩的原始信号中重建原始信号精确副本的技术。当使用有损压缩时，重建信号可能与原始信号不完全相同，但是原始信号和重建信号之间的失真足够小，使得重建信号可用于预期应用。有损压缩广泛应用于视频。容许的失真量取决于应用。例如，相比于电视应用的用户，某些消费流媒体应用的用户可以容忍更高的失真。可实现的压缩比反映出：较高的允许/容许失真可产生较高的压缩比。
视频编码器和解码器可利用几大类技术，例如包括：运动补偿、变换、量化和熵编码。
视频编解码器技术可包括已知的帧内编码技术。在帧内编码中，在不参考先前重建的参考图片的样本或其它数据的情况下表示样本值。在一些视频编解码器中，图片在空间上被细分为样本块。当所有的样本块都以帧内模式编码时，该图片可以为帧内图片。帧内图片及其衍生(例如独立解码器刷新图片)可用于复位解码器状态，并且因此可用作编码视频码流和视频会话中的第一图片，或用作静止图像。帧内块的样本可用于变换，且可在熵编码之前量化变换系数。帧内预测可以是使预变换域中的样本值最小化的技术。在某些情形下，变换后的DC值越小，且AC系数越小，则在给定的量化步长尺寸下需要越少的比特来表示熵编码之后的块。
如同从诸如MPEG-2代编码技术中所获知的，传统帧内编码不使用帧内预测。然而，一些较新的视频压缩技术包括：试图从例如周围样本数据和/或元数据中得到数据块的技术，其中周围样本数据和/或元数据是在空间相邻的编码/解码期间、且在解码顺序之前获得的。这种技术后来被称为"帧内预测"技术。需要注意的是，至少在某些情形下，帧内预测仅使用正在重建的当前图片的参考数据，而不使用参考图片的参考数据。
可以存在许多不同形式的帧内预测。当在给定的视频编码技术中可以使用超过一种这样的技术时，所使用的技术可以按帧内预测模式进行编码。在某些情形下，模式可具有子模式和/或参数，且这些模式可单独编码或包含在模式码字中。将哪个码字用于给定模式/子模式/参数组合会通过帧内预测影响编码效率增益，因此用于将码字转换成码流的熵编码技术也会出现这种情况。
H.264引入了一种帧内预测模式，其在H.265中进行了改进，在更新的编码技术中，例如，联合探索模型(JEM)、通用视频编码(VVC)、基准集合(BMS)等等，对其进一步进行了改进。通过使用属于已经可用的样本的相邻样本值可以形成预测块。将相邻样本的样本值按照某一方向复制到预测块中。对所使用方向的引用可以被编码在码流中，或者本身可以被预测。
运动补偿可以是有损压缩技术，并且可以涉及如下技术：从先前已重建图片或其部分(参考图片)得到的样本数据块，在按照运动矢量(下文称为MV)指示的方向上进行空间移位后，用于预测新重建的图片或图片部分。在一些情况下，参考图片可以与当前正在重建的图片相同。MV可以具有两个维度：X维度和Y维度，或者具有三个维度，第三个维度用于指示使用中的参考图片(后者间接地可以是时间维度)。
在一些视频压缩技术中，可应用于某一样本数据区域的MV，可以根据其它MV预测得到，例如，根据在空间上与正在重建的区域相邻的另一样本数据区域相关的、解码顺序在所述MV之前的MV预测得到。这样做可以实质上减少对所述MV进行编解码所需的数据量，从而消除冗余并增强压缩。MV预测可以有效地进行，例如，因为当对从摄像机导出的输入视频信号(称为自然视频)进行编码时，存在统计似然性，即，比单个MV可应用的区域大的多个区域，在相似方向上运动，因此，在一些情况下可以使用从相邻区域的多个MV导出的相似运动矢量进行MV预测。这导致所找到的用于给定区域的MV，与从周围的MV预测得到的MV相似或相同，并且在熵编解码之后，又可以用比直接对MV编解码所用的比特数少的比特数来表示。在一些情况下，MV预测可以是对从原始信号(即：样本流)导出的信号(即：MV)的无损压缩的示例。在其它情况下，MV预测本身可以是有损的，例如，因为当从若干周围MV计算预测子时，会有舍入误差。
H.265/HEVC(ITU-T H.265建议书，“高效视频编解码(High Efficiency VideoCoding)”，2016年12月)中描述了各种MV预测机制。在H.265提供的多种MV预测机制中，本申请描述的是下文称作“空间合并”的技术。
请参考图1，当前块(101)包括在运动搜索过程期间已由编码器发现的样本，根据已产生空间偏移的相同大小的先前块，可预测所述样本。另外，可从一个或多个参考图片相关联的元数据中导出所述MV，而非对MV直接编码。例如，使用关联于A0、A1和B0、B1、B2(分别对应102到106)五个周围样本中的任一样本的MV，(按解码次序)从最近的参考图片的元数据中导出所述MV。在H.265中，MV预测可使用相邻块也正在使用的相同参考图片的预测值。
发明内容
根据一个示例性的实施例，一种在视频解码器中执行的视频解码方法包括接收已编码视频码流，所述已编码视频码流包括当前图片和对应于所述当前图片中的变换块的变换系数的至少一个语法元素。所述方法进一步包括基于对一组部分重建的变换系数的累计值sum(x)执行的单调非递减函数f(x)的输出，确定偏移值。所述方法进一步包括基于所确定的偏移值与基值之和，确定上下文模型索引。所述方法进一步包括基于所确定的上下文模型索引，从多个上下文模型中为当前变换系数的至少一个语法元素选择上下文模型。
根据一个示例性的实施例，一种在视频解码器中执行的视频解码方法包括接收已编码视频码流，所述已编码视频码流包括当前图片和对应于所述当前图片中的变换块的变换系数的至少一个语法元素。所述方法进一步包括对于多个上下文模型区域中的每个上下文模型区域，确定单调非递减函数的输出，所述单调非递减函数是对一组部分重建的变换系数的累计值sum(x)和与各个上下文模型区域相关联的上下文模型的数目执行的。所述方法进一步包括基于每个上下文模型区域的所述单调非递减函数的所述输出，确定上下文模型索引。所述方法进一步包括基于所确定的上下文模型索引，从多个上下文模型中为当前变换系数的至少一个语法元素选择上下文模型。
根据一个示例性的实施例，一种用于视频解码的视频解码器，包括处理电路。所述处理电路被配置为接收已编码视频码流，所述已编码视频码流包括当前图片和对应于所述当前图片中的变换块的变换系数的至少一个语法元素。所述处理电路进一步被配置为基于对一组部分重建的变换系数的累计值sum(x)执行的单调非递减函数f(x)的输出，确定偏移值。所述处理电路进一步被配置为基于所确定的偏移值与基值之和，确定上下文模型索引。所述处理电路进一步被配置为基于所确定的上下文模型索引，从多个上下文模型中为当前变换系数的至少一个语法元素选择上下文模型。
根据一个示例性的实施例，一种用于视频解码的视频解码器，包括处理电路。所述处理电路被配置为接收已编码视频码流，所述已编码视频码流包括当前图片和对应于所述当前图片中的变换块的变换系数的至少一个语法元素。所述处理电路进一步被配置为对于多个上下文模型区域中的每个上下文模型区域，确定单调非递减函数的输出，所述单调非递减函数是对一组部分重建的变换系数的累计值sum(x)和与各个上下文模型区域相关联的上下文模型的数目执行的。所述处理电路进一步被配置为基于每个上下文模型区域的所述单调非递减函数的所述输出，确定上下文模型索引。所述处理电路进一步被配置为基于所确定的上下文模型索引，从多个上下文模型中为当前变换系数的至少一个语法元素选择上下文模型。
根据一个示例性的实施例，提供一种视频编码方法，所述方法包括：
接收至少一个语法元素；
计算所述至少一个语法元素的上下文模型索引；
基于确定的上下文模型索引，从多个上下文模型中为当前变换系数的所述至少一个语法元素选择上下文模型；
根据选择的上下文模型，执行二进制算术编码过程，以生成编码比特；
在已编码视频码流中传输所述编码比特；其中，所述计算所述至少一个语法元素的上下文模型索引包括：基于对一组部分重建的变换系数的累计值sum(x)执行的单调非递减函数f(x)的输出，确定偏移值，其中所述单调非递减函数f(x)被定义为f(x)＝(x+1)>>1；基于所确定的偏移值与基值之和，确定上下文模型索引，其中，所述基值和所述偏移值之一根据所述多个上下文模型中包含的上下文模型的数量来确定，所述多个上下文模型对应的区域被定义为一组连接的变换系数位置(x，y)，该组连接的变换系数位置(x，y)满足d0≤x+y<d1，d0和d1为非负整数的位置阈值。
根据一个示例性的实施例，一种非易失性计算机可读存储介质存储有指令，当由计算机执行所述指令时，使计算机执行上述的方法。
附图说明
根据以下详细描述和附图，所公开的主题的其他特征、性质和各种优点将进一步明确，其中：
图1是一个示例中当前块及其周围空间合并候选的示意图；
图2是根据一个实施例的通信系统的简化框图的示意图；
图3是根据另一个实施例的通信系统的简化框图的示意图；
图4是根据一个实施例的解码器的简化框图的示意图；
图5是根据一个实施例的编码器的简化框图的示意图；
图6示出了根据另一实施例的编码器的框图；
图7示出了根据另一实施例的解码器的框图；
图8A示出了根据实施例的示例性的基于上下文的自适应二进制算术编解码(CABAC)的熵编码器；
图8B示出了根据实施例的示例性的基于CABAC的熵解码器；
图9示出了根据实施例的子块扫描次序的示例；
图10示出了根据实施例的子块扫描方法的示例，从子块扫描方法中生成变换系数的不同类型的语法元素；
图11示出了用于当前系数的上下文选择的局部模板的示例；
图12示出了系数块内的系数或系数级别的对角线位置；
图13图示了根据实施例的亮度分量的上下文索引计算；
图14图示了根据实施例的亮度分量的上下文索引计算；
图15图示了根据实施例的亮度分量的上下文索引计算；
图16示出了根据实施例的概述熵解码方法的流程图；
图17示出了根据实施例的概述熵解码方法的流程图；
图18是根据实施例的计算机系统的示意图。
具体实施方式
图2是根据本申请公开的实施例的通信系统(200)的简化框图。通信系统(200)包括多个终端装置，所述终端装置可通过例如网络(250)彼此通信。举例来说，通信系统(200)包括通过网络(250)互连的第一终端装置(210)和第二终端装置(220)。在图2的实施例中，第一终端装置(210)和第二终端装置(220)执行单向数据传输。举例来说，第一终端装置(210)可对视频数据(例如由终端装置(210)采集的视频图片流)进行编码以通过网络(250)传输到第二端装置(220)。已编码的视频数据以一个或多个已编码视频码流形式传输。第二终端装置(220)可从网络(250)接收已编码视频数据，对已编码视频数据进行解码以恢复视频数据，并根据恢复的视频数据显示视频图片。单向数据传输在媒体服务等应用中是较常见的。
在另一实施例中，通信系统(200)包括执行已编码视频数据的双向传输的第三终端装置(230)和第四终端装置(240)，所述双向传输可例如在视频会议期间发生。对于双向数据传输，第三终端装置(230)和第四终端装置(240)中的每个终端装置可对视频数据(例如由终端装置采集的视频图片流)进行编码，以通过网络(250)传输到第三终端装置(230)和第四终端装置(240)中的另一终端装置。第三终端装置(230)和第四终端装置(240)中的每个终端装置还可接收由第三终端装置(230)和第四终端装置(240)中的另一终端装置传输的已编码视频数据，且可对所述已编码视频数据进行解码以恢复视频数据，且可根据恢复的视频数据在可访问的显示装置上显示视频图片。
在图2的实施例中，第一终端装置(210)、第二终端装置(220)、第三终端装置(230)和第四终端装置(240)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(250)表示在第一终端装置(210)、第二终端装置(220)、第三终端装置(230)和第四终端装置(240)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(250)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。出于本申请的目的，除非在下文中有所解释，否则网络(250)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3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。
流式传输系统可包括采集子系统(313)，所述采集子系统可包括数码相机等视频源(301)，所述视频源创建未压缩的视频图片流(302)。在实施例中，视频图片流(302)包括由数码相机拍摄的样本。相较于已编码的视频数据(304)(或已编码的视频码流)，视频图片流(302)被描绘为粗线以强调高数据量的视频图片流，视频图片流(302)可由电子装置(320)处理，所述电子装置(320)包括耦接到视频源(301)的视频编码器(303)。视频编码器(303)可包括硬件、软件或软硬件组合以实现或实施如下文更详细地描述的所公开主题的各方面。相较于视频图片流(302)，已编码的视频数据(304)(或已编码的视频码流(304))被描绘为细线以强调较低数据量的已编码的视频数据(304)(或已编码的视频码流(304))，其可存储在流式传输服务器(305)上以供将来使用。一个或多个流式传输客户端子系统，例如图3中的客户端子系统(306)和客户端子系统(308)，可访问流式传输服务器(305)以检索已编码的视频数据(304)的副本(307)和副本(309)。客户端子系统(306)可包括例如电子装置(330)中的视频解码器(310)。视频解码器(310)对已编码的视频数据的传入副本(307)进行解码，且产生可在显示器(312)(例如显示屏)或另一呈现装置(未描绘)上呈现的输出视频图片流(311)。在一些流式传输系统中，可根据某些视频编码/压缩标准对已编码的视频数据(304)、视频数据(307)和视频数据(309)(例如视频码流)进行编码。该些标准的实施例包括ITU-TH.265。在实施例中，正在开发的视频编码标准非正式地称为下一代视频编码(Versatile Video Coding，VVC)，本申请可用于VVC标准的上下文中。
应注意，电子装置(320)和电子装置(330)可包括其它组件(未示出)。举例来说，电子装置(320)可包括视频解码器(未示出)，且电子装置(330)还可包括视频编码器(未示出)。
图4是根据本申请公开的实施例的视频解码器(410)的框图。视频解码器(410)可设置在电子装置(430)中。电子装置(430)可包括接收器(431)(例如接收电路)。视频解码器(410)可用于代替图3实施例中的视频解码器(310)。
接收器(431)可接收将由视频解码器(410)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(401)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(431)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(431)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(415)可耦接在接收器(431)与熵解码器/解析器(420)(此后称为“解析器(420)”)之间。在某些应用中，缓冲存储器(415)是视频解码器(410)的一部分。在其它情况下，所述缓冲存储器(415)可设置在视频解码器(410)外部(未标示)。而在其它情况下，视频解码器(410)的外部设置缓冲存储器(未标示)以例如防止网络抖动，且在视频解码器(410)的内部可配置另一缓冲存储器(415)以例如处理播出定时。而当接收器(431)从具有足够带宽和可控性的存储/转发装置或从等时同步网络接收数据时，也可能不需要配置缓冲存储器(415)，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(415)，所述缓冲存储器可相对较大且可具有自适应性大小，且可至少部分地实施于操作系统或视频解码器(410)外部的类似元件(未标示)中。
视频解码器(410)可包括解析器(420)以根据已编码视频序列重建符号(421)。这些符号的类别包括用于管理视频解码器(410)的操作的信息，以及用以控制显示装置(412)(例如，显示屏)等显示装置的潜在信息，所述显示装置不是电子装置(430)的组成部分，但可耦接到电子装置(430)，如图4中所示。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(VideoUsability Information，VUI)的参数集片段(未标示)。解析器(420)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，且可遵循各种原理，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(420)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。解析器(420)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(420)可对从缓冲存储器(415)接收的视频序列执行熵解码/解析操作，从而创建符号(421)。
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(421)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(420)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(420)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，视频解码器(410)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(451)。缩放器/逆变换单元(451)从解析器(420)接收作为符号(421)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(451)可输出包括样本值的块，所述样本值可输入到聚合器(455)中。
在一些情况下，缩放器/逆变换单元(451)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(452)提供。在一些情况下，帧内图片预测单元(452)采用从当前图片缓冲器(458)提取的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。举例来说，当前图片缓冲器(458)缓冲部分重建的当前图片和/或完全重建的当前图片。在一些情况下，聚合器(455)基于每个样本，将帧内预测单元(452)生成的预测信息添加到由缩放器/逆变换单元(451)提供的输出样本信息中。
在其它情况下，缩放器/逆变换单元(451)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(453)可访问参考图片存储器(457)以提取用于预测的样本。在根据符号(421)对提取的样本进行运动补偿之后，这些样本可由聚合器(455)添加到缩放器/逆变换单元(451)的输出(在这种情况下被称作残差样本或残差信号)，从而生成输出样本信息。运动补偿预测单元(453)从参考图片存储器(457)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(421)的形式而供运动补偿预测单元(453)使用，所述符号(421)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(457)提取的样本值的内插、运动矢量预测机制等等。
聚合器(455)的输出样本可在环路滤波器单元(456)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序列(也称作已编码视频码流)中的参数，且所述参数作为来自解析器(420)的符号(421)可用于环路滤波器单元(456)。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)部分期间获得的元信息，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(456)的输出可以是样本流，所述样本流可输出到显示装置(412)以及存储在参考图片存储器(457)，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。举例来说，一旦对应于当前图片的已编码图片被完全重建，且已编码图片(通过例如解析器(420))被识别为参考图片，则当前图片缓冲器(458)可变为参考图片存储器(457)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缓冲器。
视频解码器(410)可根据例如ITU-T H.265标准中的预定视频压缩技术执行解码操作。在已编码视频序列遵循视频压缩技术或标准的语法以及视频压缩技术或标准中记录的配置文件的意义上，已编码视频序列可符合所使用的视频压缩技术或标准指定的语法。具体地说，配置文件可从视频压缩技术或标准中可用的所有工具中选择某些工具作为在所述配置文件下可供使用的仅有工具。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(431)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(410)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(signal noise ratio，SNR)增强层、冗余切片、冗余图片、前向纠错码等形式。
图5是根据本申请公开的实施例的视频编码器(503)的框图。视频编码器(503)设置于电子装置(520)中。电子装置(520)包括传输器(540)(例如传输电路)。视频编码器(503)可用于代替图3实施例中的视频编码器(303)。
视频编码器(503)可从视频源(501)(并非图5实施例中的电子装置(520)的一部分)接收视频样本，所述视频源可采集将由视频编码器(503)编码的视频图像。在另一实施例中，视频源(501)是电子装置(520)的一部分。
视频源(501)可提供将由视频编码器(503)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 CrCb 4:2:0、Y CrCb 4:4:4)。在媒体服务系统中，视频源(501)可以是存储先前已准备的视频的存储装置。在视频会议系统中，视频源(501)可以是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，视频编码器(503)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(543)。施行适当的编码速度是控制器(550)的一个功能。在一些实施例中，控制器(550)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(550)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。控制器(550)可用于具有其它合适的功能，这些功能涉及针对某一系统设计优化的视频编码器(503)。
在一些实施例中，视频编码器(503)在编码环路中进行操作。作为简单的描述，在实施例中，编码环路可包括源编码器(530)(例如，负责基于待编码的输入图片和参考图片创建符号，例如符号流)和嵌入于视频编码器(503)中的(本地)解码器(533)。解码器(533)以类似于(远程)解码器创建样本数据的方式重建符号以创建样本数据(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(样本数据)输入到参考图片存储器(534)。由于符号流的解码产生与解码器位置(本地或远程)无关的位精确结果，因此参考图片存储器(534)中的内容在本地编码器与远程编码器之间也是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)也用于一些相关技术。
“本地”解码器(533)的操作可与例如已在上文结合图4详细描述视频解码器(410)的“远程”解码器相同。然而，另外简要参考图4，当符号可用且熵编码器(545)和解析器(420)能够无损地将符号编码/解码为已编码视频序列时，包括缓冲存储器(415)和解析器(420)在内的视频解码器(410)的熵解码部分，可能无法完全在本地解码器(533)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。出于此原因，本申请侧重于解码器操作。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。
在操作期间，在一些实施例中，源编码器(530)可执行运动补偿预测编码。参考来自视频序列中被指定为“参考图片”的一个或多个先前已编码图片，所述运动补偿预测编码对输入图片进行预测性编码。以此方式，编码引擎(532)对输入图片的像素块与参考图片的像素块之间的差异进行编码，所述参考图片可被选作所述输入图片的预测参考。
本地视频解码器(533)可基于源编码器(530)创建的符号，对可指定为参考图片的图片的已编码视频数据进行解码。编码引擎(532)的操作可为有损过程。当已编码视频数据可在视频解码器(图5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(533)复制解码过程，所述解码过程可由视频解码器对参考图片执行，且可使重建的参考图片存储在参考图片高速缓存(534)中。以此方式，视频编码器(503)可在本地存储重建的参考图片的副本，所述副本与将由远端视频解码器获得的重建参考图片具有共同内容(不存在传输误差)。
预测器(535)可针对编码引擎(532)执行预测搜索。即，对于将要编码的新图片，预测器(535)可在参考图片存储器(534)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(535)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(535)获得的搜索结果，可确定输入图片可具有从参考图片存储器(534)中存储的多个参考图片取得的预测参考。
控制器(550)可管理源编码器(530)的编码操作，包括例如设置用于对视频数据进行编码的参数和子群参数。
可在熵编码器(545)中对所有上述功能单元的输出进行熵编码。熵编码器(545)根据例如霍夫曼编码、可变长度编码、算术编码等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(540)可缓冲由熵编码器(545)创建的已编码视频序列，从而为通过通信信道(560)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(540)可将来自视频编码器(503)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(550)可管理视频编码器(503)的操作。在编码期间，控制器(550)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图片类型：
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预测编码。
视频编码器(503)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(503)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(540)可在传输已编码的视频时传输附加数据。源编码器(530)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、SEI消息、VUI参数集片段等。
采集到的视频可作为呈时间序列的多个源图片(视频图片)。帧内图片预测(常常简化为帧内预测)利用给定图片中的空间相关性，而帧间图片预测则利用图片之间的(时间或其它)相关性。在实施例中，将正在编码/解码的特定图片分割成块，正在编码/解码的特定图片被称作当前图片。在当前图片中的块类似于视频中先前已编码且仍被缓冲的参考图片中的参考块时，可通过称作运动矢量的矢量对当前图片中的块进行编码。所述运动矢量指向参考图片中的参考块，且在使用多个参考图片的情况下，所述运动矢量可具有识别参考图片的第三维度。
在一些实施例中，双向预测技术可用于帧间图片预测中。根据双向预测技术，使用两个参考图片，例如按解码次序都在视频中的当前图片之前(但按显示次序可能分别是过去和将来)第一参考图片和第二参考图片。可通过指向第一参考图片中的第一参考块的第一运动矢量和指向第二参考图片中的第二参考块的第二运动矢量对当前图片中的块进行编码。具体来说，可通过第一参考块和第二参考块的组合来预测所述块。
此外，合并模式技术可用于帧间图片预测中以改善编码效率。
根据本申请公开的一些实施例，帧间图片预测和帧内图片预测等预测的执行以块为单位。举例来说，根据HEVC标准，将视频图片序列中的图片分割成编码树单元(codingtree unit，CTU)以用于压缩，图片中的CTU具有相同大小，例如64×64像素、32×32像素或16×16像素。一般来说，CTU包括三个编码树块(coding tree block，CTB)，所述三个编码树块是一个亮度CTB和两个色度CTB。更进一步的，还可将每个CTU以四叉树拆分为一个或多个编码单元(coding unit，CU)。举例来说，可将64×64像素的CTU拆分为一个64×64像素的CU，或4个32×32像素的CU，或16个16×16像素的CU。在实施例中，分析每个CU以确定用于CU的预测类型，例如帧间预测类型或帧内预测类型。此外，取决于时间和/或空间可预测性，将CU拆分为一个或多个预测单元(prediction unit，PU)。通常，每个PU包括亮度预测块(prediction block，PB)和两个色度PB。在实施例中，编码(编码/解码)中的预测操作以预测块为单位来执行。以亮度预测块作为预测块为例，预测块包括像素值(例如，亮度值)的矩阵，例如8×8像素、16×16像素、8×16像素、16×8像素等等。
图6是根据本申请公开的另一实施例的视频编码器(603)的图。视频编码器(603)用于接收视频图片序列中的当前视频图片内的样本值的处理块(例如预测块)，且将所述处理块编码到作为已编码视频序列的一部分的已编码图片中。在本实施例中，视频编码器(603)用于代替图3实施例中的视频编码器(303)。
在HEVC实施例中，视频编码器(603)接收用于处理块的样本值的矩阵，所述处理块为例如8×8样本的预测块等。视频编码器(603)使用例如率失真(rate-distortion，RD)优化来确定是否使用帧内模式、帧间模式或双向预测模式来编码所述处理块。当在帧内模式中编码处理块时，视频编码器(603)可使用帧内预测技术以将处理块编码到已编码图片中；且当在帧间模式或双向预测模式中编码处理块时，视频编码器(603)可分别使用帧间预测或双向预测技术将处理块编码到已编码图片中。在某些视频编码技术中，合并模式可以是帧间图片预测子模式，其中，在不借助预测值外部的已编码运动矢量分量的情况下，从一个或多个运动矢量预测值导出运动矢量。在某些其它视频编码技术中，可存在适用于主题块的运动矢量分量。在实施例中，视频编码器(603)包括其它组件，例如用于确定处理块模式的模式决策模块(未示出)。
在图6的实施例中，视频编码器(603)包括如图6所示的耦接到一起的帧间编码器(630)、帧内编码器(622)、残差计算器(623)、开关(626)、残差编码器(624)、通用控制器(621)和熵编码器(625)。
帧间编码器(630)用于接收当前块(例如处理块)的样本、比较所述块与参考图片中的一个或多个参考块(例如先前图片和后来图片中的块)、生成帧间预测信息(例如根据帧间编码技术的冗余信息描述、运动矢量、合并模式信息)、以及基于帧间预测信息使用任何合适的技术计算帧间预测结果(例如已预测块)。在一些实施例中，参考图片是基于已编码的视频信息解码的已解码参考图片。
帧内编码器(622)用于接收当前块(例如处理块)的样本、在一些情况下比较所述块与同一图片中已编码的块、在变换之后生成量化系数、以及在一些情况下还(例如根据一个或多个帧内编码技术的帧内预测方向信息)生成帧内预测信息。在实施例中，帧内编码器(622)还基于帧内预测信息和同一图片中的参考块计算帧内预测结果(例如已预测块)。
通用控制器(621)用于确定通用控制数据，且基于所述通用控制数据控制视频编码器(603)的其它组件。在实施例中，通用控制器(621)确定块的模式，且基于所述模式将控制信号提供到开关(626)。举例来说，当所述模式是帧内模式时，通用控制器(621)控制开关(626)以选择供残差计算器(623)使用的帧内模式结果，且控制熵编码器(625)以选择帧内预测信息且将所述帧内预测信息添加在码流中；以及当所述模式是帧间模式时，通用控制器(621)控制开关(626)以选择供残差计算器(623)使用的帧间预测结果，且控制熵编码器(625)以选择帧间预测信息且将所述帧间预测信息添加在码流中。
残差计算器(623)用于计算所接收的块与选自帧内编码器(622)或帧间编码器(630)的预测结果之间的差(残差数据)。残差编码器(624)用于基于残差数据操作，以对残差数据进行编码以生成变换系数。在实施例中，残差编码器(624)用于将残差数据从空间域转换到频域，且生成变换系数。变换系数接着经由量化处理以获得量化的变换系数。在各种实施例中，视频编码器(603)还包括残差解码器(628)。残差解码器(628)用于执行逆变换，且生成已解码残差数据。已解码残差数据可适当地由帧内编码器(622)和帧间编码器(630)使用。举例来说，帧间编码器(630)可基于已解码残差数据和帧间预测信息生成已解码块，且帧内编码器(622)可基于已解码残差数据和帧内预测信息生成已解码块。适当处理已解码块以生成已解码图片，且在一些实施例中，所述已解码图片可在存储器电路(未示出)中缓冲并用作参考图片。
熵编码器(625)用于将码流格式化以产生已编码的块。熵编码器(625)根据HEVC标准等合适标准产生各种信息。在实施例中，熵编码器(625)用于获得通用控制数据、所选预测信息(例如帧内预测信息或帧间预测信息)、残差信息和码流中的其它合适的信息。应注意，根据所公开的主题，当在帧间模式或双向预测模式的合并子模式中对块进行编码时，不存在残差信息。
图7是根据本申请公开的另一实施例的视频解码器(710)的图。视频解码器(710)用于接收作为已编码视频序列的一部分的已编码图像，且对所述已编码图像进行解码以生成重建的图片。在实施例中，视频解码器(710)用于代替图3实施例中的视频解码器(310)。
在图7实施例中，视频解码器(710)包括如图7中所示耦接到一起的熵解码器(771)、帧间解码器(780)、残差解码器(773)、重建模块(774)和帧内解码器(772)。
熵解码器(771)可用于根据已编码图片来重建某些符号，这些符号表示构成所述已编码图片的语法元素。此类符号可包括例如用于对所述块进行编码的模式(例如帧内模式、帧间模式、双向预测模式、后两者的合并子模式或另一子模式)、可分别识别供帧内解码器(772)或帧间解码器(780)用以进行预测的某些样本或元数据的预测信息(例如帧内预测信息或帧间预测信息)、呈例如量化的变换系数形式的残差信息等等。在实施例中，当预测模式是帧间或双向预测模式时，将帧间预测信息提供到帧间解码器(780)；以及当预测类型是帧内预测类型时，将帧内预测信息提供到帧内解码器(772)。残差信息可经由逆量化并提供到残差解码器(773)。
帧间解码器(780)用于接收帧间预测信息，且基于所述帧间预测信息生成帧间预测结果。
帧内解码器(772)用于接收帧内预测信息，且基于所述帧内预测信息生成预测结果。
残差解码器(773)用于执行逆量化以提取解量化的变换系数，且处理所述解量化的变换系数，以将残差从频域转换到空间域。残差解码器(773)还可能需要某些控制信息(用以获得量化器参数QP)，且所述信息可由熵解码器(771)提供(未标示数据路径，因为这仅仅是低量控制信息)。
重建模块(774)用于在空间域中组合由残差解码器(773)输出的残差与预测结果(可由帧间预测模块或帧内预测模块输出)以形成重建的块，所述重建的块可以是重建的图片的一部分，所述重建的图片继而可以是重建的视频的一部分。应注意，可执行解块操作等其它合适的操作来改善视觉质量。
应注意，可使用任何合适的技术来实施视频编码器(303)、视频编码器(503)和视频编码器(603)以及视频解码器(310)、视频解码器(410)和视频解码器(710)。在实施例中，可使用一个或多个集成电路来实施视频编码器(303)、视频编码器(503)和视频编码器(603)以及视频解码器(310)、视频解码器(410)和视频解码器(710)。在另一实施例中，可使用执行软件指令的一个或多个处理器来实施视频编码器(303)、视频编码器(503)和视频编码器(603)以及视频解码器(310)、视频解码器(410)和视频解码器(710)。
熵编解码可以在视频信号缩减为一系列语法元素之后在视频编解码的最后阶段(或视频解码的第一阶段)执行。熵编解码可以是无损压缩方案，该方案使用统计特性来压缩数据，使得用于表示数据的比特数目与数据的概率成对数比例。例如，通过对一组语法元素执行熵编解码，可以将表示语法元素的比特(称为二进制数)转换为码流中更少的比特(称为已编码比特)。基于上下文的自适应二进制算术编解码(CABAC)是熵编解码的一种形式。在CABAC中，为一系列二进制数中的每个二进制数确定提供概率估计的上下文模型。一系列二进制数基于与各个二进制数相关联的上下文。随后，使用概率估计来执行二进制算术编解码过程，以将一系列二进制数编码为码流中的已编码比特。此外，用基于已编码二进制数的新概率估计来更新上下文模型。
图8A示出了根据实施例的示例性的基于CABAC的熵编码器(800A)。例如，熵编码器(800A)可以实施于图5示例中的熵编解码器(545)或图6示例中的熵编码器(625)中。熵编码器(800A)可以包括上下文建模器(810)和二进制算术编码器(820)。在示例中，提供各种类型的语法元素作为熵编码器(800A)的输入。例如，二进制值语法元素的二进制数可以直接输入到上下文建模器(810)，而非二进制值语法元素可以在二进制数串的二进制数输入到上下文建模器(810)之前首先被二进制化为二进制数串。
在示例中，上下文建模器(810)接收语法元素的二进制数，并执行上下文建模过程来为每个接收到的二进制数选择上下文模型。例如，接收变换块中的变换系数的二进制语法元素的二进制数。因此，基于例如语法元素的类型、变换分量的颜色分量类型、变换系数的位置和先前处理的相邻变换系数等，为该二进制数确定上下文模型。上下文模型可以提供该二进制数的概率估计。
在示例中，为每种类型的语法元素配置一组上下文模型。这些上下文模型可以排列在存储器(801)存储的上下文模型列表(802)中，如图8A所示。上下文模型列表(802)中的每个条目可以表示上下文模型。为列表上的每个上下文模型分配称为上下文模型索引的索引或上下文索引的索引。此外，每个上下文模型可以包括概率估计或指示概率估计的参数。概率估计可以指示二进制数为0或1的可能性。例如，在上下文建模期间，上下文建模器(810)可以计算二进制数的上下文索引，并且可相应地根据上下文索引从上下文模型列表(802)中选择上下文模型，并将其分配给该二进制数。
此外，在熵编码器(800A)的操作开始时，初始化上下文模型列表中的概率估计。在上下文模型列表(802)上的上下文模型被分配给二进制数并用于对该二进制数进行编码之后，根据具有已更新的概率估计的二进制数的值，随后更新该上下文模型。
在示例中，二进制算术编码器(820)接收二进制数和分配给所述二进制数的上下文模型(例如，概率估计)，并相应地执行二进制算术编解码过程。因此，在码流中产生并传输已编码比特。
图8B示出了根据实施例的示例性的基于CABAC的熵解码器(800B)。例如，熵解码器(800B)可以实施于图4示例中的解析器(420)或图7示例中的熵解码器(771)中。熵解码器(800B)可以包括二进制算术解码器(830)和上下文建模器(840)。二进制算术解码器(830)从码流接收已编码比特，并执行二进制算术解码过程以从已编码比特恢复二进制数。上下文建模器(840)可以进行与上下文建模器(810)类似地操作。例如，上下文建模器(840)可以选择在存储器(803)中存储的上下文模型列表(804)中的上下文模型，并将所选择的上下文模型提供给二进制算术解码器(830)。然而，上下文建模器(840)基于从二进制算术解码器(830)恢复的二进制数确定上下文模型。例如，基于恢复的二进制数，上下文建模器(840)可以知道下一个要解码的二进制数的语法元素的类型，以及先前解码的语法元素的值。该信息用于确定下一个要解码的二进制数的上下文模型。
在实施例中，首先将变换块的残差信号从空间域变换到频率域，得到变换系数的块。然后，执行量化以将变换系数块量化为变换系数级别的块。在各种实施例中，不同的技术可以用于将残差信号转换成变换系数级别。进一步处理变换系数级别的块以生成语法元素，将该语法元素提供给熵编码器并将该语法元素编码为码流的比特。在实施例中，以下面的方式执行从变换系数级别生成语法元素的过程。
首先将变换系数级别的块分割成例如具有4×4位置大小的子块。根据预定义的扫描次序来处理这些子块。图9示出了子块扫描次序的示例，称为逆对角线扫描次序。如图所示，块(910)被分割成16个子块(901)。首先处理右下角的子块，而最后处理左上角的子块。在示例中，对于其中变换系数级别全部为零的子块，跳过该子块而不进行处理。
对于每个具有至少一个非零变换系数级别的子块，在每个子块中执行四遍扫描。在每一遍期间，以逆对角线扫描次序扫描各个子块中的16个位置。图10示出了子块扫描方法(1000)的示例，从子块扫描方法中生成变换系数的不同类型的语法元素。
子块内的十六个系数位置(1010)在图10的底部以一维示出。从0到15对位置(1010)进行编号，反映各个扫描次序。在第一遍期间，对扫描位置(1010)进行扫描，并且可以在每个扫描位置(1010)处生成三种类型的语法元素(1001至1003)：
(i)第一类型的二进制语法元素(1001)(称为有效性标志并且由sig_coeff_flag表示)，其指示各个变换系数的绝对变换系数级别(由absLevel表示)是零还是大于零。
(ii)第二类型的二进制语法元素(1002)(称为奇偶性标志并且由par_level_flag表示)，其指示各个变换系数的绝对变换系数级别的奇偶性。仅当各个变换系数的绝对变换系数级别为非零时才生成奇偶性标志。
(iii)第三类型的二进制语法元素(1003)(称为较大1标志并且由rem_abs_gt1_flag表示)，其指示(absLevel-1)>>1对于各个变换系数是否大于0。仅当各个变换系数的绝对变换系数级别为非零时才生成较大1标志。
在第二遍期间，可能生成第四类型的二进制语法元素(1004)。第四类型的二进制语法元素(1004)被称为较大2标志并且由rem_abs_gt2_flag表示。第四类型的二进制语法元素(1004)指示各个变换系数的绝对变换系数级别是否大于4。仅当(absLevel-1)>>1对于各个变换系数大于0时生成较大2标志。
在第三遍期间，可能生成第五类型的非二进制语法元素(1005)。第五类型的非二进制语法元素(1005)由abs_remainder表示，并且指示大于4的相应变换系数的绝对变换系数级别的剩余值。仅当各个变换系数的绝对变换系数级别大于4时，才生成第五类型的非二进制语法元素(1005)。
在第四遍期间，在每个扫描位置(1010)处产生第六类型的语法元素(1006)。第六类型的语法元素(1006)具有指示各个变换系数级别的符号的非零系数级别。
根据各遍的次序和各遍中的扫描次序，将上述各种类型的语法元素(1001至1006)提供给熵编码器。采用不同的熵编码方案来对不同类型的语法元素进行编码。例如，在实施例中，有效性标志、奇偶性标志、较大1标志和较大2标志可以用基于CABAC的熵编码器来编码，诸如在图8A的示例所示。相反，在第三遍和第四遍期间生成的语法元素可以用CABAC旁路熵编码器(例如，具有用于输入二进制数的固定概率估计的二进制算术编码器)来编码。
执行上下文建模，以确定某些类型的变换系数语法元素的二进制数的上下文模型。在实施例中，根据局部模板和可能与其它因素结合的每个当前系数(例如，当前正在处理的系数)的对角线位置，确定上下文模型。
图11示出了用于当前系数的上下文选择的局部模板(1130)的示例。局部模板(1130)可以覆盖系数块(1110)中当前系数(1120)的一组相邻位置或系数。在图11的示例中，系数块(1110)具有8×8位置的大小，并且包括64个位置处的系数级别。将系数块(1110)分割成成4个子块，每个子块具有4×4位置的大小。在图11的示例中，局部模板(1130)被定义为覆盖当前系数(1120)右下侧处的5个系数级别的5位置模板。当逆对角线扫描次序用于系数块(1110)内的扫描位置上的多遍扫描时，在当前系数(1120)之前处理局部模板(1130)内的相邻位置。
在上下文建模期间，局部模板(1130)内的系数级别的信息可以用于确定上下文模型。为此，在一些实施例中定义称为模板幅度的度量，以测量或指示局部模板(1130)内的变换系数的幅度或变换系数级别的幅度。然后，模板幅度可以用作选择上下文模型的基础。
在一个示例中，将模板幅度定义为局部模板(1130)内的部分重建的绝对变换系数级别的和，该和用sumAbs1表示。根据各个变换系数的语法元素sig_coeff_flag、par_level_flag和rem_abs_gt1_flag的二进制数，确定部分重建的绝对变换系数级别。在熵编码器或熵解码器中执行的子块的第一遍扫描位置之后，获得这三种类型的语法元素。在实施例中，根据下式来确定位置(x，y)处的部分重建的绝对变换系数级别：
等式(1)：absLevel1[x][y]＝sig_coeff_flag[x][y]+par_level_flag[x][y]+2*rem_abs_gt1_flag[x][y]，
其中x和y是相对于系数块(1110)的左上角的坐标，而absLevel1[x][y]表示位置(x，y)处的部分重建的绝对变换系数级别。
在另一示例中，将模板幅度定义为局部重建的绝对变换系数级别的和与局部模板(1130)中非零系数的数目(由numSig表示)之间的差值。该差值用templCpSum1表示。因此，差值可以根据下式确定：
等式(2)：tmplCpSum1＝sumAbs1-numSig。
在其它示例中，以其它方式定义模板幅度，以指示变换系数的幅度或变换系数级别的幅度。
在一些实施例中，为了利用变换系数之间的相关性，在当前系数的上下文选择中，使用由图11所示的局部模板覆盖的先前已编码的系数。其中具有正方形交叉阴影线的位置(1120)指示当前变换系数位置(x，y)，并且具有对角线交叉阴影线的位置指示其五个近邻。设AbsLevelPass1[x][y]表示在第一遍之后的位置(x，y)处的系数的部分重建的绝对级别，d表示当前系数的对角线位置(d＝x+y)，sumAbs1表示由局部模板覆盖的系数的部分重建的绝对级别AbsLevelPass1[x][y]的和。语法元素AbsLevelPass1[x][y]可以根据语法元素sig_coeff_flag[xC][yC]、abs_level_gtx_flag[n][0]、par_level_flag[n]、abs_level_gtx_flag[n][1]来计算，其中abs_level_gtx_flag[n][0]和abs_level_gtx_flag[n][1]也可以分别称为图10中位置n处的系数的rem_abs_gt1_flag和rem_abs_gt2_flag。
图12示出了系数块(1210)内的系数的对角线位置或系数级别的对角线位置。在实施例中，扫描位置(x，y)的对角线位置根据下式定义：
等式(3)：d＝x+y，
其中d表示对角线位置，并且x和y是各个位置的坐标。每个系数的对角线位置d可以用于基于一个或两个对角线位置阈值来定义系数块(1210)内的不同频率区域。作为两个示例，低频区域(1220)定义为d≤3，而高频区域(1230)定义为d≥11，如图12所示。
在一些实施例中，当对当前系数的sig_coeff_flag[x][y]进行编解码时，根据sumAbs1的值和对角线位置d来选择上下文模型索引。更具体地，如图13所示，对于亮度分量，上下文模型索引根据以下确定：
等式(4)：offset＝min(sumAbs1,5)
等式(5)：base＝18*max(0,state-1)+(d<2？12:(d<5？6:0))
等式(6)：ctxSig＝base+offset
对于色度分量，上下文模型索引根据以下确定：
等式(7)：offset＝min(sumAbs1,5)
等式(8)：base＝12*max(0,state-1)+(d<2？6:0)
等式(9)：ctxSig＝base+offset，
其中base为基值，offset为偏移值，状态state指定所使用的标量量化器，并且运算符“？”和“：”如在计算机语言C中所定义的。如果启用相关量化，则使用状态转换过程导出state。否则，不启用相关量化，state等于0。
在一些示例中，用于对sig_coeff_flag[x][y]进行编解码的上下文模型的数目，对于亮度是54，且对于色度是36。因此，用于对sig_coeff_flag[x][y]进行编解码的上下文模型的总数是90，其大于标准化上下文建模方案中的424个上下文模型的21％。标准化上下文建模方案例如为VVC草案5。
表1图示残差编解码语法的示例。在表1中，xC对应于变换块中当前系数的x坐标，并且yC对应于变换块中当前系数的y坐标。
表1
/>
/>
/>
/>
当上下文模型的数目增加时，硬件和软件复杂度也增加。因此，希望在不牺牲编解码效率的情况下减少上下文模型的数目。特别地，期望减少用于变换系数有效性的编解码的上下文模型的数目，因为它大于VVC草案5中的标准化上下文建模方案中的424个上下文模型的21％。
本公开的实施例可以单独使用或以任何次序组合使用。此外，根据本公开的实施例的方法、编码器和解码器中的每一个可以实施于处理电路(例如，一个或多个处理器或一个或多个集成电路)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。根据本公开的实施例，术语“块”可以被解释为预测块、编解码块或编解码单元(即，CU)。
根据一些实施例，将区域定义为一组连接的变换系数位置。例如，区域是一组变换系数位置(x，y)，使得对于称为位置阈值的一些非负整数d0和d1，d0≤x+y<d1。本公开的实施例可以应用于具有以下参数的变换系数有效标志(sig_coeff_flag)的熵编解码技术：
(i)N是每个区域的上下文模型的数目。在一个示例实施方式中，N等于4。在另一示例实施方式中，N等于5。
(ii)d0Y和d1Y是亮度区域的对角线位置阈值。在一个示例实施方式中，d0Y是2并且d1Y是5。
(iii)d0C是色度区域的对角线位置阈值。在一个示例实施方式中，d0C是2。
(iv)f(x)是从一组非负整数映射到一组非负整数的单调非递减函数。
(v)当N是5时，函数f(x)的实施方式定义为
f(x)＝x–(x>>2)。
(vi)当N是4时，函数f(x)的实施方式定义为
f(x)＝(x+1)>>1。
根据一些实施例，当对当前系数的sig_coeff_flag[x][y]进行编解码时，根据sumAbs1的值和对角线位置d来选择上下文模型索引。更具体地，如图14所示，对于亮度分量，在一些实施例中根据以下确定上下文模型索引：
等式(10)：offset＝min(f(sumAbs1),N-1)
等式(11)：base＝3*N*max(0,state-1)+(d<d0Y？2*N:(d<d1Y？N:0))
等式(12)：ctxSig＝base+offset
对于色度分量，上下文模型索引根据以下确定：
等式(13)：offset＝min(f(sumAbs1),N-1)
等式(14)：base＝2*N*max(0,state-1)+(d<d0C？N:0)
等式(15)：ctxSig＝base+offset
其中，如果启用相关量化，则state指定使用的标量量化器，并且state是使用状态转换过程导出的。如果未启用相关量化，则在一些示例中state等于0。此外，在一些实施例中，如图15所示，当N是4或5时，针对较低的硬件复杂度，也可以将函数min(f(sumAbs1),N-1)实现为f(min(sumAbs1,5))。
VVC草案5中的标准化上下文建模方案具有用于对变换系数的有效性进行编解码的90个上下文模型。在本公开的实施例中，当N等于5时，上下文模型的数目从90减少到75，并且当N等于4时，上下文模型的数目从90减少到60。
根据一些实施例，非负整数x的单调非递减函数f(x)可以定义为：
等式(16)：其中/>并且bi是整数值。此外，ai可以是0、1或-1以减少计算。
根据一些实施例，上下文区域取决于对角线位置d，使得每个区域的上下文模型的数目可以取决于对角线位置d，以进一步减少上下文的数目。例如，具有(d<d0Y)、(d0Y≤d<d1Y)和(d1Y≤d<d2Y)的每个区域的上下文模型的数目分别是N1、N2和N3。特别地，上下文模型的数目可以基于d的值而变化。在这种情况下，上下文模型索引可以根据以下确定：
等式(17)：g1(x)＝min(f1(x),N1-1)
等式(18)：g2(x)＝min(f2(x),N2-1)
等式(19)：g3(x)＝min(f3(x),N3-1)
等式(20)：ctxSig＝(N1+N2+N3)*max(0,state-1)+(d<d0Y？(N2+N3)+g1(sumAbs1):
(d<d1Y？N3+g2(sumAbs1):g3(sumAbs1))),
其中f1(x)、f2(x)和f3(x)是非负整数x的单调非递减函数。N1、N2和N3的示例值可以是从1到16的整数值。包括等式(17)至(20)的实施例通过减少具有相同比特率的上下文的数目来提供更大的灵活性。
本公开的可选实施例可以应用于具有以下参数的变换系数有效性标志的熵编解码技术：
(i)N是每个区域的上下文模型的数目。在该实施方式中，N等于4。
(ii)d0Y是亮度区域的对角线位置阈值。在该实施方式中，d0Y是5。
(iii)d0C是色度区域的对角线位置阈值。在该实施方式中，d0C是2。
(iv)当N是4时，非负整数x的函数f(x)可以定义为：
f(x)＝(x+1)>>1
根据一些实施例，当对当前系数的sig_coeff_flag[x][y]进行编解码时，根据sumAbs1和对角线位置d来选择上下文模型索引，其中对于亮度分量，上下文模型索引根据以下确定：
等式(21)：offset＝min(f(sumAbs1),N-1)
等式(22)：base＝2*N*max(0,state-1)+(d<d0Y？N:0)
等式(23)：ctxSig＝base+offset
对于色度分量，上下文模型索引根据以下确定：
等式(24)：offset＝min(f(sumAbs1),N-1)
等式(25)：base＝2*N*max(0,state-1)+(d<d0C？N:0)
等式(26)：ctxSig＝base+offset
其中，state指定在启用相关量化时使用的标量量化器，并且state是使用状态转换方法导出的。否则，不启用相关量化，state等于0。
在一些实施例中，针对较低的硬件复杂度，函数min(f(sumAbs1),N-1)也可以实现为f(min(sumAbs1,5))。
VVC草案5中的标准化上下文模型方案具有用于对变换系数的有效性进行编解码的90个上下文模型。在先前公开的可选实施例中(即，等式(21)至(26))，当N等于4时，上下文模型的数目从90减少到48。
图16示出了由例如视频解码器(710)的解码器执行的方法的实施例。该方法始于步骤(S1600)，其中已编码视频码流包括当前图片和对应于当前图片中的变换块的变换系数的至少一个语法元素。作为示例，该至少一个语法元素可以是sig_coeff_flag。该方法进行到步骤(S1602)，其中基于对至少一组部分重建的变换系数的累计值sum(x)执行的单调非递减函数f(x)的输出来确定偏移值。该方法进行到步骤(S1604)，其中基于所确定的偏移值和基值的和来确定上下文模型索引。作为示例，根据图14和15之一中所图示的方法或根据上面公开的可选实施例(即，等式(21)至(26))，确定上下文模型索引。该方法进行到步骤(S1606)，其中对于当前变换系数的至少一个语法元素，选择来自基于所确定的上下文模型索引的多个上下文模型中的上下文模型。
图17示出了由例如视频解码器(710)的解码器执行的方法的实施例。该方法始于步骤(S1700)，其中已编码视频码流包括当前图片和对应于当前图片中的变换块的变换系数的至少一个语法元素。作为示例，该至少一个语法元素可以是sig_coeff_flag。该方法进行到步骤(S1702)，其中，对于多个上下文模型区域中的每个上下文模型区域，对一组部分重建的变换系数的累计值sum(x)和以及各个上下文模型区域相关联的上下文模型的数目，执行单调非递减函数的输出。例如，上面公开的函数g1(x)＝min(f1(x),N1-1)、g2(x)＝min(f2(x),N2-1)和g3(x)＝min(f3(x),N3-1)可以用于各个上下文模型区域，其中每个区域的上下文模型的数目(即，N1、N2、N3)基于从变换块左上角到当前变换系数的距离而变化。该方法进行到步骤(S1704)，其中基于每个上下文模型区域的单调非递减函数的输出来确定上下文模型索引。该方法进行到步骤(S1706)，其中对于当前变换系数的至少一个语法元素，选择来自基于所确定的上下文模型索引的多个上下文模型中的上下文模型。
上述技术可以通过计算机可读指令实现为计算机软件，并且物理地存储在一个或多个计算机可读介质中。例如，图18示出了计算机系统(1800)，其适于实现所公开主题的某些实施例。
所述计算机软件可通过任何合适的机器代码或计算机语言进行编码，通过汇编、编译、链接等机制创建包括指令的代码，所述指令可由一个或多个计算机中央处理单元(CPU)，图形处理单元(GPU)等直接执行或通过译码、微代码等方式执行。
所述指令可以在各种类型的计算机或其组件上执行，包括例如个人计算机、平板电脑、服务器、智能手机、游戏设备、物联网设备等。
图18所示的用于计算机系统(1800)的组件本质上是示例性的，并不用于对实现本申请实施例的计算机软件的使用范围或功能进行任何限制。也不应将组件的配置解释为与计算机系统(1800)的示例性实施例中所示的任一组件或其组合具有任何依赖性或要求。
计算机系统(1800)可以包括某些人机界面输入设备。这种人机界面输入设备可以通过触觉输入(如：键盘输入、滑动、数据手套移动)、音频输入(如：声音、掌声)、视觉输入(如：手势)、嗅觉输入(未示出)，对一个或多个人类用户的输入做出响应。所述人机界面设备还可用于捕获某些媒体，气与人类有意识的输入不必直接相关，如音频(例如：语音、音乐、环境声音)、图像(例如：扫描图像、从静止影像相机获得的摄影图像)、视频(例如二维视频、包括立体视频的三维视频)。
人机界面输入设备可包括以下中的一个或多个(仅绘出其中一个)：键盘(1801)、鼠标(1802)、触控板(1803)、触摸屏(1810)、数据手套(未示出)、操纵杆(1805)、麦克风(1806)、扫描仪(1807)、照相机(1808)。
计算机系统(1800)还可以包括某些人机界面输出设备。这种人机界面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。这样的人机界面输出设备可包括触觉输出设备(例如通过触摸屏(1810)、数据手套(未示出)或操纵杆(1805)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(例如，扬声器(1809)、耳机(未示出))、视觉输出设备(例如，包括阴极射线管屏幕、液晶屏幕、等离子屏幕、有机发光二极管屏的屏幕(1810)，其中每一个都具有或没有触摸屏输入功能、每一个都具有或没有触觉反馈功能——其中一些可通过诸如立体画面输出的手段输出二维视觉输出或三维以上的输出；虚拟现实眼镜(未示出)、全息显示器和放烟箱(未示出))以及打印机(未示出)。
计算机系统(1800)还可以包括人可访问的存储设备及其相关介质，如包括具有CD/DVD的高密度只读/可重写式光盘(CD/DVD ROM/RW)(1820)或类似介质(1821)的光学介质、拇指驱动器(1822)、可移动硬盘驱动器或固体状态驱动器(1823)，诸如磁带和软盘(未示出)的传统磁介质，诸如安全软件保护器(未示出)等的基于ROM/ASIC/PLD的专用设备，等等。
本领域技术人员还应当理解，结合所公开的主题使用的术语“计算机可读介质”不包括传输介质、载波或其它瞬时信号。
计算机系统(1800)还可以包括通往一个或多个通信网络的接口。例如，网络可以是无线的、有线的、光学的。网络还可为局域网、广域网、城域网、车载网络和工业网络、实时网络、延迟容忍网络等等。网络还包括以太网、无线局域网、蜂窝网络(GSM、3G、4G、5G、LTE等)等局域网、电视有线或无线广域数字网络(包括有线电视、卫星电视、和地面广播电视)、车载和工业网络(包括CANBus)等等。某些网络通常需要外部网络接口适配器，用于连接到某些通用数据端口或外围总线(1849)(例如，计算机系统(1800)的USB端口)；其它系统通常通过连接到如下所述的系统总线集成到计算机系统(1800)的核心(例如，以太网接口集成到PC计算机系统或蜂窝网络接口集成到智能电话计算机系统)。通过使用这些网络中的任何一个，计算机系统(1800)可以与其它实体进行通信。所述通信可以是单向的，仅用于接收(例如，无线电视)，单向的仅用于发送(例如CAN总线到某些CAN总线设备)，或双向的，例如通过局域或广域数字网络到其它计算机系统。上述的每个网络和网络接口可使用某些协议和协议栈。
上述的人机界面设备、人可访问的存储设备以及网络接口可以连接到计算机系统(1800)的核心(1840)。
核心(1840)可包括一个或多个中央处理单元(CPU)(1841)、图形处理单元(GPU)(1842)、以现场可编程门阵列(FPGA)(1843)形式的专用可编程处理单元、用于特定任务的硬件加速器(1844)等。这些设备以及只读存储器(ROM)(1845)、随机存取存储器(1846)、内部大容量存储器(例如内部非用户可存取硬盘驱动器、固态硬盘等)(1847)等可通过系统总线(1848)进行连接。在某些计算机系统中，可以以一个或多个物理插头的形式访问系统总线(1848)，以便可通过额外的中央处理单元、图形处理单元等进行扩展。外围装置可直接附接到核心的系统总线(1848)，或通过外围总线(1849)进行连接。外围总线的体系结构包括外部控制器接口PCI、通用串行总线USB等。
CPU(1841)、GPU(1842)、FPGA(1843)和加速器(1844)可以执行某些指令，这些指令组合起来可以构成上述计算机代码。该计算机代码可以存储在ROM(1845)或RAM(1846)中。过渡数据也可以存储在RAM(1846)中，而永久数据可以存储在例如内部大容量存储器(1847)中。通过使用高速缓冲存储器可实现对任何存储器设备的快速存储和检索，高速缓冲存储器可与一个或多个CPU(1841)、GPU(1842)、大容量存储器(1847)、ROM(1845)、RAM(1846)等紧密关联。
所述计算机可读介质上可具有计算机代码，用于执行各种计算机实现的操作。介质和计算机代码可以是为本申请的目的而特别设计和构造的，也可以是计算机软件领域的技术人员所熟知和可用的介质和代码。
作为实施例而非限制，具有体系结构(1800)的计算机系统，特别是核心(1840)，可以作为处理器(包括CPU、GPU、FPGA、加速器等)提供执行包含在一个或多个有形的计算机可读介质中的软件的功能。这种计算机可读介质可以是与上述的用户可访问的大容量存储器相关联的介质，以及具有非易失性的核心(1840)的特定存储器，例如核心内部大容量存储器(1847)或ROM(1845)。实现本申请的各种实施例的软件可以存储在这种设备中并且由核心(1840)执行。根据特定需要，计算机可读介质可包括一个或一个以上存储设备或芯片。该软件可以使得核心(1840)特别是其中的处理器(包括CPU、GPU、FPGA等)执行本文所述的特定过程或特定过程的特定部分，包括定义存储在RAM(1846)中的数据结构以及根据软件定义的过程来修改这种数据结构。另外或作为替代，计算机系统可以提供逻辑硬连线或以其它方式包含在电路(例如，加速器(1844))中的功能，该电路可以代替软件或与软件一起运行以执行本文所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包括存储执行软件的电路(如集成电路(IC))，包含执行逻辑的电路，或两者兼备。本申请包括任何合适的硬件和软件组合。
附录A：首字母缩略词
JEM：联合开发模型(joint exploration model)
VVC：通用视频编码(versatile video coding)
BMS：基准集合(benchmark set)
MV：运动矢量(Motion Vector)
HEVC：高效视频编码(High Efficiency Video Coding)
SEI：辅助增强信息(Supplementary Enhancement Information)
VUI：视频可用性信息(Video Usability Information)
GOPs：图片群组(Groups of Pictures)
TUs：变换单元(Transform Units)
PUs：预测单元(Prediction Units)
CTUs：编码树单元(Coding Tree Units)
CTBs：编码树块(Coding Tree Blocks)
PBs：预测块(Prediction Blocks)
HRD：假想参考解码器(Hypothetical Reference Decoder)
SNR：信噪比(Signal Noise Ratio)
CPUs：中央处理单元(Central Processing Units)
GPUs：图形处理单元(Graphics Processing Units)
CRT：阴极射线管(Cathode Ray Tube)
LCD：液晶显示(Liquid-Crystal Display)
OLED：有机发光二极管(Organic Light-Emitting Diode)
CD：光盘(Compact Disc)
DVD：数字化视频光盘(Digital Video Disc)
ROM：只读存储器(Read-Only Memory)
RAM：随机存取存储器(Random Access Memory)
ASIC：专用集成电路(Application-Specific Integrated Circuit)
PLD：可编程逻辑设备(Programmable Logic Device)
LAN：局域网(Local Area Network)
GSM：全球移动通信系统(Global System for Mobile communications)
LTE：长期演进(Long-Term Evolution)
CANBus：控制器局域网络总线(Controller Area Network Bus)
USB：通用串行总线(Universal Serial Bus)
PCI：外围设备互连(Peripheral Component Interconnect)
FPGA：现场可编程门阵列(Field Programmable Gate Areas)
SSD：固态驱动器(solid-state drive)
IC：集成电路(Integrated Circuit)
CU：编码单元(Coding Unit)虽然本申请已对多个示例性实施例进行了描述，但实施例的各种变更、排列和各种等同替换均属于本申请的范围内。因此应理解，本领域技术人员能够设计多种系统和方法，所述系统和方法虽然未在本文中明确示出或描述，但其体现了本申请的原则，因此属于本申请的精神和范围之内。
(1)一种在视频解码器中执行的视频解码方法，所述方法包括：接收已编码视频码流，所述已编码视频码流包括当前图片和对应于所述当前图片中的变换块的变换系数的至少一个语法元素；基于对一组部分重建的变换系数的累计值sum(x)执行的单调非递减函数f(x)的输出，确定偏移值；基于所确定的偏移值与基值之和，确定上下文模型索引；基于所确定的上下文模型索引，从多个上下文模型中为当前变换系数的至少一个语法元素选择上下文模型。
(2)根据特征(1)的方法，其中，所述基值和偏移值之一是基于包括在所述多个上下文模型中的上下文模型的数目确定的。
(3)根据特征(2)的方法，其中，所述方法进一步包括：确定是否为所述当前变换系数启用相关量化，以及响应于确定为所述当前变换系数启用相关量化，所述基值基于量化器的状态确定。
(4)根据特征(3)的方法，其中，所述当前变换系数位于亮度区域中，并且所述基值基于所述当前变换系数距所述变换块的左上角的距离与第一对角线位置阈值的比较而确定。
(5)根据特征(4)的方法，其中，所述基值进一步基于所述距离与第二对角线位置阈值的比较而确定。
(6)根据特征(3)的方法，其中，所述当前变换系数位于色度区域中，并且所述基值基于所述当前变换系数距所述变换块的左上角的距离与第一对角线位置阈值的比较而确定。
(7)根据特征(1)的方法，其中，所述单调非递减函数定义为f(x)＝x-(x>>2)。(8)根据特征(1)的方法，其中，所述单调非递减函数定义为f(x)＝(x+1)>>1。
(9)根据特征(1)的方法，其中，所述当前变换系数和所述一组部分重建的变换系数形成模板，所述模板构成连续的一组变换系数。
(10)根据特征(1)的方法，其中，所述至少一个语法元素是变换系数有效性标志sig_coeff_flag。
(11)根据特征(1)的方法，其中，所述已编码视频码流包括多个语法元素，所述多个语法元素包括所述至少一个语法元素，并且其中所述一组部分重建的变换系数的所述累计值sum(x)基于所述多个语法元素中的一个或多个语法元素。
(12)一种在视频解码器中执行的视频解码方法，所述方法包括：接收已编码视频码流，所述已编码视频码流包括当前图片和对应于所述当前图片中的变换块的变换系数的至少一个语法元素；对于多个上下文模型区域中的每个上下文模型区域，确定单调非递减函数的输出，所述单调非递减函数是对一组部分重建的变换系数的累计值sum(x)和与各个上下文模型区域相关联的上下文模型的数目执行的；基于每个上下文模型区域的所述单调非递减函数的所述输出，确定上下文模型索引；基于所确定的上下文模型索引，从多个上下文模型中为当前变换系数的至少一个语法元素选择上下文模型。
(13)根据特征(12)的方法，其中，所述确定上下文模型索引进一步基于所述当前变换系数距所述变换块的左上角的距离与第一对角线位置阈值和第二对角线位置阈值的比较而确定。
(14)根据特征(12)的方法，其中，所述确定上下文模型索引进一步基于所述当前变换系数距所述变换块的左上角的距离与第一对角线位置阈值的比较而确定。
(15)一种用于视频解码的视频解码器，包括处理电路。所述处理电路被配置为接收已编码视频码流，所述已编码视频码流包括当前图片和对应于所述当前图片中的变换块的变换系数的至少一个语法元素；基于对一组部分重建的变换系数的累计值sum(x)执行的单调非递减函数f(x)的输出，确定偏移值；基于所确定的偏移值与基值之和，确定上下文模型索引；基于所确定的上下文模型索引，从多个上下文模型中为当前变换系数的至少一个语法元素选择上下文模型。
(16)根据特征(15)的视频解码器，其中，所述基值和偏移值之一是基于包括在所述多个上下文模型中的上下文模型的数目确定的。
(17)根据特征(16)的视频解码器，其中，所述处理电路进一步被配置为：
确定是否为所述当前变换系数启用相关量化，以及
响应于确定为所述当前变换系数启用相关量化，所述基值基于量化器的状态确定。
(18)根据特征(17)的视频解码器，其中，所述当前变换系数位于亮度区域中，并且所述基值基于所述当前变换系数距所述变换块的左上角的距离与第一对角线位置阈值的比较而确定。
(19)根据特征(18)的视频解码器，其中，所述基值进一步基于所述距离与第二对角线位置阈值的比较而确定。
(20)一种用于视频解码的视频解码器，包括：处理电路。所述处理电路被配置为：接收已编码视频码流，所述已编码视频码流包括当前图片和对应于所述当前图片中的变换块的变换系数的至少一个语法元素；对于多个上下文模型区域中的每个上下文模型区域，确定单调非递减函数的输出，所述单调非递减函数是对一组部分重建的变换系数的累计值sum(x)和与各个上下文模型区域相关联的上下文模型的数目执行的；基于每个上下文模型区域的所述单调非递减函数的所述输出，确定上下文模型索引；以及基于所确定的上下文模型索引，从多个上下文模型中为当前变换系数的至少一个语法元素选择上下文模型。

Claims (13)

1.一种视频编码方法，其特征在于，所述方法包括：
确定至少一个语法元素；
确定所述至少一个语法元素的上下文模型索引；
基于确定的上下文模型索引，从多个上下文模型中为当前变换系数的所述至少一个语法元素选择上下文模型；
根据选择的上下文模型，执行二进制算术编码过程，以生成编码比特；
在已编码视频码流中传输所述编码比特；
其中，所述确定所述至少一个语法元素的上下文模型索引包括：
基于对一组部分重建的变换系数的累计值执行单调非递减函数的输出，确定偏移值；
基于所确定的偏移值与基值之和，确定上下文模型索引，其中，所述基值根据所述多个上下文模型中包含的上下文模型的数量来确定，所述多个上下文模型对应的区域根据一组关联的变换系数位置(x，y)确定，该组关联的变换系数位置(x，y)满足条件：d0≤x+y<d1，d0和d1为非负整数的位置阈值。
2.根据权利要求1所述的方法，其中，所述方法进一步包括：
确定是否为所述当前变换系数启用相关量化，以及
响应于确定为所述当前变换系数启用相关量化，所述基值基于量化器的状态确定。
3.根据权利要求2所述的方法，其中，所述当前变换系数位于亮度区域中，并且所述基值基于所述当前变换系数距所述变换块的左上角的距离与第一对角线位置阈值的比较而确定。
4.根据权利要求3所述的方法，其中，所述基值进一步基于所述距离与第二对角线位置阈值的比较而确定。
5.根据权利要求2所述的方法，其中，所述当前变换系数位于色度区域中，并且所述基值基于所述当前变换系数距所述变换块的左上角的距离与第一对角线位置阈值的比较而确定。
6.根据权利要求1所述的方法，其中，所述单调非递减函数被定义为f(x)＝x-(x>>2)，其中，f(x)表示所述单调非递减函数，x表示所述一组部分重建的变换系数的累计值。
7.根据权利要求1所述的方法，其中，所述单调非递减函数被定义为f(x)＝(x+1)>>1，其中，f(x)表示所述单调非递减函数，x表示所述一组部分重建的变换系数的累计值。
8.根据权利要求1-7任一项所述的方法，其中，所述当前变换系数和所述一组部分重建的变换系数形成模板，所述模板构成连续的一组变换系数。
9.根据权利要求1-7任一项所述的方法，其中，所述至少一个语法元素是变换系数有效性标志sig_coeff_flag。
10.根据权利要求1-7任一项所述的方法，其中，所述已编码视频码流包括多个语法元素，所述多个语法元素包括所述至少一个语法元素，并且其中所述一组部分重建的变换系数的所述累计值基于来自所述多个语法元素中的一个或多个语法元素确定。
11.一种视频解码方法，其特征在于，所述方法包括：
接收已编码视频码流，所述已编码视频码流包括当前图片和对应于所述当前图片中的变换块的变换系数的至少一个语法元素以及一组部分重建的变换系数的累计值；
基于对一组部分重建的变换系数的累计值执行单调非递减函数的输出，确定偏移值；
基于所确定的偏移值与基值之和，确定上下文模型索引，所述基值根据所述多个上下文模型中包含的上下文模型的数量来确定，所述多个上下文模型对应的区域根据一组关联的变换系数位置(x，y)确定，该组关联的变换系数位置(x，y)满足条件：d0≤x+y<d1，d0和d1为非负整数的位置阈值；
基于所确定的上下文模型索引，从多个上下文模型中为当前变换系数的至少一个语法元素选择上下文模型。
12.一种电子设备，其特征在于，包括：
存储器，存储有指令；
处理器，用于执行所述指令，以实现如权利要求1-11中任一项所述的方法。
13.一种非易失性计算机可读存储介质，其特征在于，存储有指令以及码流，当由计算机执行所述指令时，使计算机执行如权利要求1-10中任一项所述的方法以获得编码后的所述码流，或者使计算机执行如权利要求11所述的方法对所述编码后的码流进行解码。
CN202311503740.2A 2019-06-19 2020-06-18 视频编码方法、解码方法、电子设备及存储介质 Pending CN117319658A (zh)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
US201962863742P 2019-06-19 2019-06-19
US62/863,742 2019-06-19
US16/904,000 2020-06-17
US16/904,000 US11212555B2 (en) 2019-06-19 2020-06-17 Method of reducing context models for entropy coding of transform coefficient significant flag
CN202080023832.9A CN113678378B (zh) 2019-06-19 2020-06-18 视频解码方法、视频解码器及非易失性计算机可读介质
PCT/US2020/038417 WO2020257447A1 (en) 2019-06-19 2020-06-18 Method and apparatus for reducing context models for entropy coding of transform coefficient significant flag

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN202080023832.9A Division CN113678378B (zh) 2019-06-19 2020-06-18 视频解码方法、视频解码器及非易失性计算机可读介质

Publications (1)

Publication Number Publication Date
CN117319658A true CN117319658A (zh) 2023-12-29

Family

ID=74039020

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202311454392.4A Pending CN117319657A (zh) 2019-06-19 2020-06-18 视频解码方法、编码方法、电子设备及存储介质
CN202311503740.2A Pending CN117319658A (zh) 2019-06-19 2020-06-18 视频编码方法、解码方法、电子设备及存储介质
CN202080023832.9A Active CN113678378B (zh) 2019-06-19 2020-06-18 视频解码方法、视频解码器及非易失性计算机可读介质

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202311454392.4A Pending CN117319657A (zh) 2019-06-19 2020-06-18 视频解码方法、编码方法、电子设备及存储介质

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202080023832.9A Active CN113678378B (zh) 2019-06-19 2020-06-18 视频解码方法、视频解码器及非易失性计算机可读介质

Country Status (9)

Country Link
US (4) US11212555B2 (zh)
EP (1) EP3987664A4 (zh)
JP (2) JP7361782B2 (zh)
KR (2) KR20240017099A (zh)
CN (3) CN117319657A (zh)
AU (2) AU2020298230B2 (zh)
CA (1) CA3137319A1 (zh)
SG (1) SG11202111444PA (zh)
WO (1) WO2020257447A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024017259A1 (en) * 2022-07-19 2024-01-25 Douyin Vision Co., Ltd. Method, apparatus, and medium for video processing

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DK1633767T3 (en) 2003-06-02 2019-03-25 Univ Massachusetts METHODS AND COMPOSITIONS FOR MANAGING THE EFFECT OF RNA SILENCING
AU2012200319B2 (en) * 2012-01-19 2015-11-26 Canon Kabushiki Kaisha Method, apparatus and system for encoding and decoding the significance map for residual coefficients of a transform unit
US9350998B2 (en) * 2012-06-29 2016-05-24 Qualcomm Incorporated Coding of significance flags
US20150264404A1 (en) * 2014-03-17 2015-09-17 Nokia Technologies Oy Method and apparatus for video coding and decoding
US10616604B2 (en) * 2015-09-01 2020-04-07 Qualcomm Incorporated Coefficient level coding in video coding
WO2017041271A1 (en) * 2015-09-10 2017-03-16 Mediatek Singapore Pte. Ltd. Efficient context modeling for coding a block of data
US20190068967A1 (en) * 2016-02-03 2019-02-28 Sharp Kabushiki Kaisha Predicted-image generation device, video decoding device, and video coding device
EP3364656A1 (en) 2017-02-15 2018-08-22 Thomson Licensing Method for sample adaptive offset coding
US11477492B2 (en) * 2017-08-04 2022-10-18 Google Inc. Adaptation for entropy coding of blocks of image data
US10484695B2 (en) * 2017-10-23 2019-11-19 Google Llc Refined entropy coding for level maps
EP3503557A1 (en) * 2017-12-22 2019-06-26 Thomson Licensing Method and apparatus for video encoding and decoding based on context switching

Also Published As

Publication number Publication date
US20200404328A1 (en) 2020-12-24
KR20240017099A (ko) 2024-02-06
AU2020298230A1 (en) 2021-11-11
JP7361782B2 (ja) 2023-10-16
JP2022520340A (ja) 2022-03-30
CA3137319A1 (en) 2020-12-24
EP3987664A1 (en) 2022-04-27
US20230090063A1 (en) 2023-03-23
US20240031605A1 (en) 2024-01-25
EP3987664A4 (en) 2023-06-07
AU2023202653A1 (en) 2023-05-18
JP2023129480A (ja) 2023-09-14
CN113678378B (zh) 2023-11-10
US11212555B2 (en) 2021-12-28
KR20210093321A (ko) 2021-07-27
US20220030273A1 (en) 2022-01-27
US11563978B2 (en) 2023-01-24
US11805277B2 (en) 2023-10-31
KR102630441B1 (ko) 2024-01-31
CN117319657A (zh) 2023-12-29
WO2020257447A1 (en) 2020-12-24
CN113678378A (zh) 2021-11-19
AU2020298230B2 (en) 2023-02-09
SG11202111444PA (en) 2021-11-29

Similar Documents

Publication Publication Date Title
CN113330749B (zh) 视频编解码的方法和装置
CN111492659B (zh) 视频解码的方法和装置、及存储介质
CN111492661B (zh) 视频编解码方法、装置及存储介质
CN113424541B (zh) 视频编解码的方法和装置
CN113557728B (zh) 视频编解码方法和装置
CN113632471B (zh) 视频编解码的方法和装置
CN112655205B (zh) 视频编解码的方法和装置
CN113545079B (zh) 视频编解码的方法和装置
CN116016913A (zh) 视频编解码的方法、视频编解码器以及计算机可读介质
CN113228667B (zh) 视频编解码的方法、装置及存储介质
CN113785564B (zh) 视频编解码的方法和装置
CN111901609B (zh) 视频解码的方法和装置、计算机设备和存储介质
CN113545084B (zh) 视频编解码的方法、装置以及存储介质
CN113228649B (zh) 视频解码方法、装置以及存储介质
CN111988631B (zh) 视频编码、解码的方法、装置以及存储介质
CN112235573B (zh) 视频编解码的方法、装置、电子设备、存储介质
CN111726627B (zh) 视频解码方法、装置、计算机设备和存储介质
CN113348664B (zh) 视频解码的方法、装置及计算机可读介质
CN110944173B (zh) 视频解码方法、装置、电子设备以及存储介质
CN113228631B (zh) 视频编解码的方法和装置
CN110719462B (zh) 视频解码方法、解码器、计算机可读存储介质以及计算机设备
CN113348668B (zh) 一种视频解码方法、装置及存储介质
CN110830800B (zh) 视频解码方法、装置、计算机设备及存储介质
JP2023129480A (ja) 変換係数有意フラグのエントロピー・コーディングのためのコンテキストモデルを減らすための方法、装置、およびコンピュータプログラム
CN113796082B (zh) 视频解码方法、装置、计算机设备及存储介质

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