CN117499657A - 视频编解码的方法和装置 - Google Patents
视频编解码的方法和装置 Download PDFInfo
- Publication number
- CN117499657A CN117499657A CN202311658777.2A CN202311658777A CN117499657A CN 117499657 A CN117499657 A CN 117499657A CN 202311658777 A CN202311658777 A CN 202311658777A CN 117499657 A CN117499657 A CN 117499657A
- Authority
- CN
- China
- Prior art keywords
- sub
- layer
- image
- picture
- video
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 139
- 238000003860 storage Methods 0.000 claims abstract description 20
- 230000001419 dependent effect Effects 0.000 claims description 38
- 239000010410 layer Substances 0.000 description 223
- 238000012545 processing Methods 0.000 description 50
- 230000008569 process Effects 0.000 description 47
- 239000000523 sample Substances 0.000 description 45
- 230000033001 locomotion Effects 0.000 description 44
- 239000013598 vector Substances 0.000 description 31
- 230000006835 compression Effects 0.000 description 29
- 238000007906 compression Methods 0.000 description 29
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 19
- 239000000872 buffer Substances 0.000 description 18
- 230000002123 temporal effect Effects 0.000 description 18
- 230000005540 biological transmission Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 14
- 230000000007 visual effect Effects 0.000 description 14
- 238000012952 Resampling Methods 0.000 description 9
- 238000013139 quantization Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 6
- 239000013074 reference sample Substances 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 4
- 102100037812 Medium-wave-sensitive opsin 1 Human genes 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 101150114515 CTBS gene Proteins 0.000 description 2
- 241000023320 Luma <angiosperm> Species 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000013403 standard screening design Methods 0.000 description 2
- IESVDEZGAHUQJU-ZLBXKVHBSA-N 1-hexadecanoyl-2-(4Z,7Z,10Z,13Z,16Z,19Z-docosahexaenoyl)-sn-glycero-3-phosphocholine Chemical group CCCCCCCCCCCCCCCC(=O)OC[C@H](COP([O-])(=O)OCC[N+](C)(C)C)OC(=O)CC\C=C/C\C=C/C\C=C/C\C=C/C\C=C/C\C=C/CC IESVDEZGAHUQJU-ZLBXKVHBSA-N 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
- H04N19/33—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability in the spatial domain
-
- 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
- H04N19/10—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
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
- H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
- H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—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
- H04N19/187—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 scalable video layer
-
- 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
-
- 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
-
- 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
- H04N19/53—Multi-resolution motion estimation; Hierarchical motion estimation
-
- 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
- H04N19/59—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial sub-sampling or interpolation, e.g. alteration of picture size or resolution
-
- 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
- H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques
-
- 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
- H04N19/90—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
- H04N19/94—Vector quantisation
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本申请各实施例提供了用于视频编码/解码的方法、装置和非易失性计算机可读存储介质。在一种方法中，对当前图像的预测信息进行解码，所述当前图像是已编码视频序列的一部分。所述预测信息用于指示所述当前图像包括与所述当前图像的不同区域对应的多个子图像。所述多个子图像包括(i)与第一数量的层相关联的第一子图像，以及(ii)与第二数量的层相关联的第二子图像，第二数量的层不同于第一数量的层。基于与多个子图像中的一个子图像相关联的至少一个层，重建所述多个子图像中的所述一个子图像。
Description
本申请要求2019年5月15日提交的第62/848,554号美国临时申请“用于局部区域增强的多层视频编码方法(METHOD FOR MULTI-LAYER VIDEO CODING FOR LOCAL REGIONENHANCEMENT)”以及2020年5月11日递交的第16/872021号美国正式申请“视频编码的方法和装置(METHOD AND APPARATUS FOR VIDEO CODING)”的优先权，所述两个申请的全部内容通过引用并入本文。
技术领域
本申请涉及视频编解码，特别是涉及一种用于局部区域增强的多层视频解码方法和装置。
背景技术
本文中提供的背景技术描述是为了大体上呈现本申请的上下文。在此背景技术部分描述的程度上，当前署名的发明人的工作，以及在本申请提交时可能不具有作为现有技术的资格的描述的各方面，既不明确地也不隐含地认为是本申请的现有技术。
视频的编码和解码可以使用具有运动补偿的帧间预测来进行。未压缩的数字视频可包括一系列的图片，每个图片具有一定的空间维度，例如具有1920×1080的亮度样本和相关的色度样本。所述一系列的图片可以具有固定的或可变的图片速率(非正式地，也被称作帧率)，例如，每秒60个图片或60赫兹(Hz)。未压缩的视频对比特率有着显著的要求。例如，每个样本8比特的1080p60 4:2:0视频(60Hz帧率下的1920×1080亮度样本分辨率)需要接近1.5Gbit/s的带宽。这样的视频一小时需要超过600GB的存储空间。
视频编码和解码的一个目的可以是通过压缩来减少输入视频信号中的冗余。压缩可有助于降低上述带宽或存储空间的要求，在一些情况下，可降低两个或更多的数量级。无损压缩和有损压缩以及其组合都可以用于视频编码和解码。无损压缩是指可以由压缩的原始信号重建原始信号的精确副本的技术。当使用有损压缩时，重建的信号可能与原始信号不完全一致，但是原始信号与重建的信号之间的失真小得足以使重建的信号可以用于预期应用。有损压缩广泛应用于视频中。有损压缩容许的失真量取决于应用；例如，与电视分发应用的用户相比，某些消费者流式传输应用的用户可以容忍较高的失真。可实现的压缩比可以反映的是：可允许的/可容许的失真越高，可产生越高的压缩比。
视频编码器和解码器可以使用几大类技术，包括例如运动补偿、变换、量化和熵编码。
视频编解码技术可以包括帧内编码技术。在帧内编码技术中，样本值的表示不参考先前已重建的参考图片中的样本或其他数据。在一些视频编解码技术中，将图片从空间上划分为样本块。当所有的样本块都是通过帧内模式进行编码时，该图片可以是一个帧内图片。帧内图片以及他们的衍生图片，例如独立解码器刷新的图片，可以用于对解码器的状态进行重置，因此可以用作已编码视频码流和视频会话中的第一幅图片，或者作为一副静止图片。可以对帧内块的样本进行变换，并且可以在进行熵编码之前，对变换系数进行量化。帧内预测可以是一种将样本值在预变换域最小化的技术。在一些情况下，变换后的DC值越小以及AC系数越小，给定量化步长大小的情况下，表示熵编码后的块所需的比特数目越少。
传统的帧内编码技术，例如已知的MPEG-2编码技术并不使用帧内预测。然而，一些较新的视频压缩技术包括有尝试使用例如邻近的样本数据和/或元数据的技术，所述邻近的样本数据和/或元数据是在对空间上相邻且解码顺序上在先的数据块进行编码/解码的过程中获得的。因此，这种技术称为“帧内预测”技术。至少在一些情况下，帧内预测仅使用当前正在重建的图片中的参考数据，而不使用参考图片中的参考数据。
帧内预测可以有很多种形式。当给定的视频编码技术中可以使用一个以上的这种技术时，可以使用帧内预测模式对所使用的技术进行编码。在某些情况下，一些模式具有子模式和/或参数，这些可以单独进行编码，或者可以包含在模式码字中。某个给定模式/子模式/参数的组合使用哪个码字，会通过帧内预测影响到编码效率增益，将码字转译为码流所用的熵编码技术同样对其也会产生影响。
H.264标准引入了某个模式的帧内预测，H.265标准对其进行了改进，在较新的编码技术中，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。预测块可以使用属于已经可用的样本的相邻样本的样本值来形成。将相邻样本的样本值按照一个方向复制到预测块中。所使用的方向的参考可以编码到码流中，或者所使用的方向的参考本身可以预测
参考图1A，在其右下方描绘的是H.265标准的33个可能的预测值方向(predictordirection)(对应于35个帧内模式的33个角度模式)中已知的一个具有9个预测值方向的子集。其中，各箭头的汇聚点(101)表示正在预测中的样本。箭头表示对样本进行预测的方向。例如，箭头(102)表示根据与水平轴成45度角度的右上角的至少一个样本，对样本(101)进行预测。类似地，箭头(103)表示根据与水平轴成22.5度角度的左下角的至少一个样本，对样本(101)进行预测。
仍参考图1A所示，图1A的左上方描绘的是一个具有4×4个样本的正方形块(104)(用加粗的虚线表示)。正方形块(104)包括16个样本，每个样本标记有“S”、其在Y维度上的位置(例如，行索引)以及其在X维度上的位置(例如，列索引)。例如，样本S21是在Y维度上的第二个(从上往下数)、X维度上的第一个(从左往右数)样本。类似地，样本S44是在块(104)中X维度和Y维度上都是第四的样本。因为该块的大小是4×4个样本，所以S44是在其右下角。图1A进一步示出了参考样本，参考样本遵循类似的编号方法。参考样本标记有R、其相对于所述块(104)的Y位置(例如，行索引)和X位置(例如，列索引)。在H.264标准和H.265标准中，预测样本与重建中的块相邻；因此，不需要使用负值。
帧内图片预测可以根据信号表示的预测方向，通过适当地复制相邻样本的参考样本值来进行。例如，假设已编码视频码流中包含有信令，对于所述块，该信令表示了与箭头(102)一致的预测方向，即，根据与水平方向成45度角度的右上角的至少一个参考样本对所述块中的样本进行预测。在这种情况下，样本S41、S32、S23、S14是根据同一个参考样本R05进行预测的。样本S44是根据参考样本R08进行预测的。
在某些情况下，可以例如通过插值，组合多个参考样本的值，以便计算一个参考样本；特别是当方向不能被45度整除时。
随着视频编码技术的发展，可能的方向的数目也在增加。在H.264标准(2003年)中，可以表示9个不同的方向。在H.265标准(2013年)中，增加到33个方向。到本申请发明时，JEM/VVC/BMS可以支持多达93个方向。目前已经进行了一些实验来识别最有可能的方向，一些熵编码技术用很少的比特数来表示这些最有可能的方向，对于比较不可能的方向，接受一定的代价。此外，有时候这些方向本身是可以根据相邻的已解码的块所使用的相邻方向进行预测的。
图1B示出了一个描绘根据JEM的65个帧内预测方向的示意图(105)，用于说明预测方向的数目随着时间的变化而增加。
随着视频编码技术的不同，已编码视频码流中用于表示方向的帧内预测方向位的映射可能也不同；例如变化范围可以是从简单直接地将帧内预测模式的预测方向映射到码字，到涉及最有可能的模式和类似技术的复杂的自适应方案。然而，在所有这些情况下，依据统计，相对于其他方向而言，某些方向比较不可能出现在视频内容中。由于视频压缩的目的是减少冗余，因此，在性能较好的视频编码技术中，与比较可能的方向相比，这些比较不可能出现的方向会用较多的比特来表示。
运动补偿可以是有损压缩技术，且可涉及以下技术：来自先前重建的图片或其一部分(参考图片)的样本数据块在由运动矢量(此后称为MV(motion vector，MV))指示的方向上空间移位之后用于预测新重建的图片或图片部分。在一些情况下，参考图片可与当前正在重建的图片相同。MV可具有两个维度X和Y，或三个维度，第三维度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，可根据其他MV预测适用于某一样本数据区域的MV，所述其他MV例如是与正在重建的区域空间相邻近的另一样本数据区域相关、且按解码顺序在所述MV之前的MV。这样做可大量地减少对MV进行编码所需的数据量，由此消除冗余且提高压缩。举例来说，MV预测可有效地运作，因为当对源自相机的输入视频信号(称为天然视频)进行编码时，存在如下的统计可能性：比单个MV适用的区域大的区域在类似方向上移动，且因此，可在一些情况下使用从相邻区域的MV导出的类似运动矢量进行预测。这使得给定区域中发现的MV与根据周围MV预测的MV类似或相同，且在熵编码之后，表示MV的位数目可小于在对MV直接编码的情况下会使用的位数目。在一些情况下，MV预测可以是从原始信号(即：样本流)导出的信号(即：MV)的无损压缩的实例。在其他情况下，MV预测本身可能是有损的，例如是由于在根据周围若干MV计算预测值时的取整误差导致的。
现有技术中，不容易识别和解析已编码视频图像中的图块或其它图像片段。
发明内容
本申请各实施例提供了用于视频编码/解码的方法和装置。在一些示例中，一种用于视频解码的装置包括处理电路。
根据本申请各实施例，提供了一种用于在解码器中进行视频解码的方法。在该方法中，对当前图像的预测信息进行解码，所述当前图像是已编码视频序列的一部分。预测信息用于指示当前图像包括与当前图像的不同区域对应的两个及两个以上子图像。所述两个及两个以上子图像包括(i)与第一数量的层相关联的第一子图像，以及(ii)与第二数量的层相关联的第二子图像，所述第二数量的层不同于第一数量的层。基于与所述两个及两个以上子图像中的一个子图像相关联的至少一个层，重建所述两个及两个以上子图像中的所述一个子图像。
在一个实施例中，接收用户对所述两个及两个以上子图像中的所述一个子图像的选择。基于所述用户选择，显示所述两个及两个以上子图像中的已重建的所述一个子图像。
在一个实施例中，所述第一子图像和所述第二子图像与相同的独立层或依赖层相关联。其中，独立层是指不需要参考其它层的子图像便可以解码的层，依赖层是指需要参考其它层的子图像才可以解码的层。所述第一子图像对应于当前图像的整个区域，所述第二子图像对应于一个小于当前图像的整个区域的区域。可替换地，所述第一子图像对应一个小于当前图像的整个区域的区域，所述第二子图像对应于当前图像的整个区域。
在一个实施例中，所述第一子图像和所述第二子图像具有不同的空间分辨率。
在一个实施例中，所述第一子图像与一个独立层和一个依赖层相关联。
在一个实施例中，所述第一子图像与两个及两个以上依赖层相关联，并且所述两个及两个以上依赖层中的第一依赖层依赖于所述两个及两个以上依赖层中的第二依赖层。
在一个实施例中，所述两个及两个以上子图像包括第三子图像，该第三子图像与所述两个及两个以上子图像中的所述第一子图像的一个层相关联，并且与所述第一子图像对应的区域包括与所述第三子图像对应的区域。
本申请各实施例还提供了一种视频解码装置，配置用于执行任一种视频解码方法或视频解码方法的组合。在一个实施例中，该装置包括处理电路，该处理电路对当前图像的预测信息进行解码，所述当前图像是已编码视频序列的一部分。所述预测信息用于指示当前图像包括与当前图像的不同区域对应的两个及两个以上子图像。所述两个及两个以上子图像包括(i)与第一数量的层相关联的第一子图像，以及(ii)与第二数量的层相关联的第二子图像，所述第二数量的层不同于所述第一数量的层。基于与所述两个及两个以上子图像中的一个子图像相关联的至少一个层，重建所述两个及两个以上子图像中的所述一个子图像。
本申请的各实施例另外提供了一种视频解码装置，其包括：
预测信息解码模块，用于对当前图像的预测信息进行解码，所述当前图像是已编码视频序列的一部分，所述预测信息用于指示所述当前图像包括与所述当前图像的不同区域对应的两个及两个以上子图像；
子图像重建模块，用于基于与所述两个及两个以上子图像中的一个子图像相关联的至少一个层，重建所述两个及两个以上子图像中的所述一个子图像，其中，
所述两个及两个以上子图像包括(i)与第一数量的层相关联的第一子图像，以及(ii)与第二数量的层相关联的第二子图像，所述第二数量的层不同于所述第一数量的层。
本申请各实施例还提供了一种存储指令的非易失性计算机可读存储介质，所述指令在由处理器时，使所述处理器执行任一种视频解码方法或视频解码方法的组合。
通过本申请实施例的视频解码方法和装置，可以比较容易地识别和解析出已编码视频图像中的图块或其它图像片段，提高了解码效率。另外，通过使用分层解码，可以增强每个子图像的分辨率和/或视觉质量，或者使得每个子图像的分辨率和/或视觉质量适配不同的应用环境，节省视频流的传输和解码资源，同时兼顾解码的效率。
附图说明
结合以下详细描述和附图，本申请主题的其他特征、本质和各种优点将会变得更加清楚，其中：
图1A示出了一个示例性帧内预测模式子集的示意图。
图1B示出了一个示例性帧内预测方向的图示。
图1C示出了一个示例中的当前块及其周围的空间合并候选块的示意图。
图2示出了根据一个实施例的通信系统的简化框图的示意图。
图3示出了根据另一个实施例的通信系统的简化框图的示意图。
图4示出了根据一个实施例的解码器的简化框图的示意图。
图5示出了根据一个实施例的编码器的简化框图的示意图。
图6示出了根据另一个实施例的编码器的框图。
图7示出了根据另一个实施例的解码器的框图。
图8示出了根据一个实施例的示例性子图像。
图9示出了根据一个实施例的用于视频会议的示例性显示器。
图10示出了根据一个实施例的解码与显示过程的示例性流程图。
图11示出了根据一个实施例的不同视角的示例性子图像。
图12示出了概述根据一个实施例的示例性过程的流程图。
图13示出了根据一个实施例的计算机系统的示意图。
具体实施方式
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，本申请描述的是称为“空间合并”的技术。
参考图1C所示，当前块(111)可以包括在运动搜索过程中编码器找到的、可从与当前块大小相同的前一个块(已经空间移位)预测的样本。所述MV不是直接进行编码，而是可以使用与五个周围样本(记作A0、A1、B0、B1、B2(分别是112至116))中任何一个周围样本相关联的MV，从与至少一个参考图片(例如，最近的(按降序)参考图片)相关联的元数据推导出。在H.265中，MV预测可以使用与其相邻块使用的参考图片相同的参考图像的预测值。
视频编码器和解码器
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至少一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。至少一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)解码的至少一个已编码视频序列；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，每个像素可包括至少一个样本。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”的至少一个先前已编码图片，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)。
预测子(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，预测子(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。预测子(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，根据预测子(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以四叉树拆分为至少一个编码单元(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拆分为至少一个预测单元(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，从至少一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至少一个参考块(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(例如根据至少一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，可使用至少一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至少一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)。
多层视频编码
已编码视频码流可以被解码成数据包，用于通过分组网络进行传输。早期，视频编码标准和技术的优化主要是针对于面向比特的传输和定义好的码流。包封装发生在系统层接口中，例如，在以实时传输协议(Real-time Transport Protocol,RTP)有效载荷格式指定的系统层接口中。随着适合在互联网上大规模使用视频的互联网连接的出现，视频编码标准通过视频编码层(Video Coding Layer,VCL)和网络提取层(Network AbstractionLayer,NAL)的概念分化，反映了这种突出的使用情况。
在许多情况下，NAL单元可以被视为解码器可以作用的最小实体，而不必对已编码视频序列中的所有在先NAL单元已经进行了解码。目前，NAL单元使得某些容错技术以及某些码流操纵技术能够包括码流修剪，码流修剪由媒体感知网元(Media Aware NetworkElement，MANE)(诸如选择性转发单元(Selective Forwarding Unit，SFU)或多点控制单元(Multipoint Control Unit，MCU))进行。
在NAL单元头中(例如根据H.264标准和H.265标准)，forbidden_zero_bit可以是一个为零的位，在某些系统层环境中用于防止起始码竞争。nal_unit_type语法元素可以是指NAL单元携带的数据的类型，例如，可以是某些切片类型、参数集类型、SEI消息等之中的一种类型。H.265标准中的NAL单元头还可以指示nuh_layer_id和nuh_temporal_id_plus1，用于指示NAL单元所属的已编码图像的空间/SNR(Signal-to-noise)和时间层。
可以看出，NAL单元头可以仅包括容易解析的固定长度的码字，这些码字的解析不依赖于码流中的其它数据(诸如其它NAL单元头、参数集等)。由于NAL单元头是NAL单元中的前八位，因此MANE可以很容易地提取出NAL单元头，对其解析，并对其进行动作。相比之下，MANE不太容易得到其它高级语法元素(例如，切片头或图块头)，因为它们可能需要保留参数集上下文和/或处理可变长度或算术编码的代码点。
还可以看出，在一些实施例中，NAL单元头不包括可以使NAL单元与已编码图像的片段(例如，切片、图块或类似的表示已编码图像的空间区域的码流部分)相关联的信息。在相关示例中，例如，这种信息是以宏块地址或CU地址的形式存在于切片头中。在某些情况下，CU地址是整数n，用于指示当从已编码图像的左上角开始计数时，按照扫描顺序，一个片段、切片或图块是从第n个宏块或第n个CU开始。因此，n可以取决于图像大小和宏块/CU大小，对于小幅图像而言，n可以很小(例如，适合于8位二进制代码)，而对于大幅图像而言，n可以很大(例如，为32400，需要16位二进制代码)。在这两种情况下，都可以假定宏块/CU大小为16×16个样本。
从视频编码发展历史来看，诸如图块或切片之类的图像片段主要用于促进码流划分，以匹配最大传输单元大小限制条件和并行处理。在这两种情况下，MANE、SFU或类似设备通常不需要对图块或切片进行标识。解码器可以结合通过对参数集解码而获得的状态信息，从相对复杂的切片头和/或类似信息中，获得图块或切片的相关信息。
然而，最近，图像片段、尤其是图块(tile)(以及图块组(tile group)，图块组是按照扫描顺序、矩形顺序或任何其它合适顺序排列的图块的集合)用于各种目的，比如其许多应用之一是用于将CU集中起来，所述CU用于表示合成的360°投影图像中的某些视图。在这些应用中的一些应用中，当一个应用不需要已编码图像中的某些图块或其它片段时，MANE和SFU可以有利地从已编码图像中移除这些图块或其它片段。例如，当使用立方体投影时，从外部视点渲染其场景可能最多需要六个立方体表面中的三个表面。若向端点发送用于表示剩余的最少三个表面的CU和片段，则可能会浪费资源。然而，在发送器可以向MANE发送立方体投影的完整图像(例如，包括立方体投影的所有六个表面)、而MANE仅将所需的完整图像的子集转发给可能存在的多个接收器(例如，终端设备)的情况下，以及在不同的接收器所需的完整图像的子集可能不同的情况下，MANE将为每个接收器定制可能不同的码流，包含可能不同的立方体表面。目前，这样做就需要MANE处理复杂的可变长度编码的切片头，并按照解码切片头的要求，保留参数集形式之类的状态。
本申请的各实施例提供了用于多层视频编码的改进技术的方法和装置。本申请的各实施例还提供了一种存储指令的非易失性计算机可读存储介质，所述指令在由计算机执行以用于视频解码时，使所述计算机执行任一种视频解码方法或视频解码方法的组合。
根据本申请实施例，一个图像可以包括两个及两个以上子图像。两个及两个以上子图像中的每个子图像，可以对应于已编码图像的相应局部区域或整个区域。与所述两个及两个以上子图像中的一个子图像相对应的区域，可以与所述两个及两个以上子图像中的另一个子图像对应的区域重叠、或不重叠。与至少一个子图像(例如，所述两个及两个以上子图像的子集)相对应的区域，可以覆盖、或不覆盖已编码图像的整个区域。如果已编码图像仅包括一个子图像，则与该子图像相对应的区域与已编码图像的整个区域相同。
子图像可以使用与所述已编码图像所用的编码方法类似的编码方法，进行编码。子图像可以独立进行编码，或者可以根据已编码图像中的另一个子图像、或另一个已编码图像进行编码。即，子图像对已编码图像中的另一个子图像或另一个编码图像，可以具有或不具有任何解析依赖性。
在一个实施例中，一个图像可以划分为至少一个子图像，这些子图像可以对彼此具有或不具有解码/解析依赖性(包括运动估计/补偿)。如果一个子图像在解码时，完全不依赖于其它子图像，则该子图像可以被称为独立子图像。否则，该子图像可以被称为依赖性子图像。
根据本申请的一些实施例，VVC标准中，不允许独立子图像参考属于当前图像(用于帧内预测)和/或参考图像(用于帧间预测)的其它子图像的已解码像素。
在一些实施例中，可以提取出每个独立的子图像，作为单独的码流，并且将其包含在单独的文件中，或者包含在文件的单独轨道中。通过使用分层编码，可以增强每个子图像的分辨率和/或视觉质量。即，子图像的增强层可以提高该子图像的分辨率和/或视觉质量。
根据本申请的各实施例，视频编解码器可以将原始视频数据编码/解码成基本码流，该基本码流是带参数的已编码图像序列。在一个实施例中，基本码流可以封装到文件中，诸如ISO基础媒体文件格式(ISOBMFF，例如，MP4格式)。通常，已编码视频码流可以包含在文件的轨道中。提取的已编码子图像的子码流可以包含在文件的子轨道中。即，子轨道可以包含子图像。
根据本申请的各实施例，一个已编码子图像可以与至少一个层相关联。例如，已编码子图像可以包含在至少一个层中。与不同的层相关联的已编码子图像，空间分辨率可以不同(例如，高清、超高清等)。例如，可以在空间上对原始子图像进行重采样(例如，上采样或下采样)，用不同的空间分辨率参数编码，并且编码为与不同的层相对应的码流。例如，可以对原始图像/原始子图像进行下采样，生成独立层(例如，用于高清图像)，可以对原始图像/原始子图像进行上采样，生成依赖层(例如，用于超高清图像的增强层)。
在一个实施例中，一个以原始空间分辨率编码的、具有宽度(W)和高度(H)的子图像，可以包含在与层0对应的已编码码流中。从所述具有原始空间分辨率的子图像中重采样(例如，上采样或下采样)的、具有宽度(W*Sw,k)和高度(H*Sh,k)的另一个子图像，可以被编码并包含在与层k对应的已编码码流中。Sw,k和Sh,k分别表示水平和垂直重采样比率。重采样过程可以基于Sw,k和/或Sh,k的值。例如，如果Sw,k和Sh,k两者的值都大于1，则所述重采样过程可以是上采样过程。如果Sw,k和Sh,k两者的值都小于1，则所述重采样过程可以是下采样过程。
在一个实施例中，已编码子图像的一个层的视觉质量，可以与该已编码子图像的另一个层、或不同子图像的层的视觉质量不同。例如，与层n相关联的子图像i，可以用量化参数Qi,n编码，而与层m相关联的子图像j，可以用量化参数Qj,m编码。
在一个实施例中，与第一层相关联的第一已编码子图像可以是可独立解码的，例如，第一已编码子图像，对所述第一已编码子图像的相同局部区域的第二层所关联的第二已编码子图像，不具有任何解析依赖性或解码依赖性。所述第一层可以被称为独立子图像层，可以独立地解码，而无需参考与第一层对应相同局部区域的第二层。与一个独立子图像层相关联(例如，在其中)的已编码子图像，可以对与同一个独立子图像层相关联的先前已编码子图像，具有或不具有解码或解析依赖性。然而，已编码子图像可以对与不同于所述独立子图像层的另一个子图像层相关联的编码子图像，不具有任何依赖性。
在一个实施例中，与第一层相关联的第一已编码子图像可以是依赖性解码的，所述第一已编码子图像，对所述第一已编码子图像的相同局部区域的第二层所关联的第二已编码子图像，具有解析依赖性或解码依赖性。所述第一层可以被称为依赖性图像层，可以通过参考与第一层对应相同局部区域的第二层，依赖性地解码。与一个依赖性子图像层相关联的已编码子图像，可以参考与同一个依赖性子图像层相关联的已编码子图像、与另一个子图像层相关联的已编码子图像，或者所述两个在先已编码子图像。
在一个实施例中，已编码子图像可以包括至少一个独立子图像层和/或至少一个依赖性子图像层。然而，已编码子图像可以存在至少一个独立子图像层。该至少一个独立子图像层可以具有层标识符(layer_id)值，该层标识符值可以存在于NAL单元头中或另一种高级语法结构中。在一个示例中，独立子图像层的层标识符可以等于0，所述独立子图像层可以被称为基础子图像层。
根据本申请的各实施例，一个图像可以包括至少一个前景子图像区域和一个背景子图像区域。所述背景子图像区域可以等于所述图像的整个区域。所述至少一个前景子图像区域可以与所述背景子图像区域重叠。所述背景子图像区域可以与基础子图像层相关联，而所述至少一个前景子图像区域中的至少一个前景子图像区域，可以与非基础(例如，增强)子图像层相关联。
在一个实施例中，至少一个非基础子图像层在解码时，可以参考相同的独立层。层标识符layer_id为a的非基础子图像层可以参考层标识符layer_id为b的非基础子图像层。在一个示例中，a大于b。
根据本申请的各实施例，一个图像可以包括至少一个前景子图像区域，而具有或不具有背景子图像区域。每个子图像区域可以与其自身的基础子图像层和/或至少一个非基础(例如，增强)层相关联。在一个实施例中，每个基础子图像层可以由至少一个非基础子图像层参考。例如，每个layer_id为a的非基础子图像层，可以参考layer_id为b的非基础子图像层。在一个示例中，a大于b。在一个实施例中，与基础子图像层或非基础子图像层相关联的每个已编码子图像，可以由属于相同子图像的至少一个依赖层子图像、和/或不属于相同子图像的至少一个依赖层子图像参考。例如，每个已编码子图像可以由与所述每个编码子图像对应于相同局部区域、且与至少一个非基础子图像层相关联的子图像参考，或者由与所述每个编码子图像对应于不同的局部区域、且与至少一个依赖层子图像相关联的子图像参考。
在一个实施例中，与层a相关联的子图像，可以进一步划分为与同一层相关联的两个及两个以上子图像。例如，与层b相关联的至少一个已编码子图像，可以参考与层a相关联的、划分后的两个及两个以上子图像中的至少一个子图像。
根据本申请的各实施例，已编码视频序列(Coded Video Sequence,CVS)可以是一组已编码图像。CVS可以包括至少一个已编码子图像序列(Coded Sub-picture Sequence，CSPS)。一个CSPS可以是与图像的相同局部区域对应的一组已编码子图像，并且它的时间分辨率可以与包括该CSPS的CVS相同或不同。
一个CSPS可以用至少一个层来编码，并且可以与至少一个层相关联。即，所述CSPS可以包括至少一个CSPS层。对与所述CSPS相关联的至少一个CSPS层解码，可以重建与相同局部区域对应的子图像序列。
与一个CSPS相关联的CSPS层的总数可以和与另一个CSPS相关联的CSPS层的总数相同或不同。
一个CSPS层可以与另一个CSPS层具有不同的时间分辨率(例如，帧速率)。原始的(例如，未压缩的)子图像序列可以在时间上被重采样(例如，上采样或下采样)，用不同的时间分辨率参数编码，并且包含在与不同的层相对应的码流中。
在一个实施例中，具有帧速率F的子图像序列可以被编码、并包含在与层0对应的已编码码流中。对原始子图像序列在时间上进行上采样(或下采样)得到的F*St,k的子图像序列，可以被编码、并包含在与层k对应的已编码码流中，其中St,k表示层k的时间采样比率。重采样过程可以基于St,k的值。例如，如果St,k的值大于1，则所述时间重采样过程可以是帧速率上转换。如果St,k的值小于1，则所述时间重采样过程可以是帧速率下转换。
在一个实施例中，与CSPS层a相关联的子图像，可以由与CSPS层b相关联的子图像参考，用于运动补偿和/或任何层间预测。如果CSPS层a的空间分辨率与CSPS层b的空间分辨率不同，则可以对CSPS层a中的已解码像素进行重采样，并将其用于参考。如果需要时，可以对所述重采样过程进行上采样滤波或下采样滤波。
图8示出了根据一个实施例的示例性视频流(800)，该示例性视频流(800)包括layer_id为0的背景CSPS层(801)和多个前景CSPS层(例如811、821、822、831、832、841、842、843)。示例性视频流(800)包括背景区域和一系列已编码子图像(已编码子图像0-3)。其中的一个已编码子图像可以包括至少一个CSPS层，背景区域可以包括独立层，其中，所述背景区域与背景CSPS层(801)相对应，但不与任何前景CSPS层相对应。独立层可以对应于(例如，包含)背景区域和多个前景区域，而前景CSPS层(例如，811、821、822、831、832、841、842、843)中的一个可以对应前景区域。增强CSPS层(例如，前景层(例如，811、821、822、831、832、841、842、843)中的一个)的视觉质量，可以比与所述增强CSPS层对应于相同区域的独立层更好。增强CSPS层可以参考与其对应于相同区域的独立层的已重构的像素以及运动矢量。
在一个实施例中，与独立层对应的视频码流，包含在视频文件的一个轨道中，而与增强CSPS层对应的视频码流，包含在视频文件的一个单独轨道中。
在一个实施例中，与独立层对应的视频码流，包含在一个轨道中，而与具有相同layer_id的多个CSPS层对应的多个视频码流，包含在多个单独的轨道中。例如，与层k对应的一个轨道仅包括与layer_id为k的多个CSPS层对应的一个视频码流。
在一个实施例中，每个子图像(例如，子图像0-3)的每个CSPS层的视频码流，可以存储在单独轨道中。每个轨道中包含的相应视频码流，对至少一个其它轨道可以具有或不具有任何解析依赖性或解码依赖性。
在一个实施例中，每个轨道可以包含与所述一系列子图像(例如，子图像0-3)的全部或其子集的CSPS层中的层i至层j相对应的码流，其中0<i＝<j＝<k，k表示所述一系列CSPS层中的最高层编号。
根据本申请的各实施例，一个图像可以包括一种或多种相关联的媒体数据，包括，深度图、α图、3D几何数据，占用图等。此类相关联的定时媒体数据可以被分成至少一个子数据流，每个子数据流对应图像中相应的子图像。
图9示出了根据本申请的一个实施例的基于多层子图像方法的示例性视频会议。视频会议的示例性视频流(900)可以包括与背景图像区域(901)对应的一个独立层视频码流，和与多个前景子图像区域(911、921、931、941)对应的至少一个增强层视频码流。每个增强层视频码流可以对应各自的CSPS层。
在一个实施例中，可以默认显示与所述独立层相关联的背景图像区域(901)。背景图像区域(901)可以包含至少一个画中画(PIP)区域，每个用户有一个图像。一个用户可以通过终端(或客户端)设备选择特定用户图像。基于所述用户选择，可以以增强的质量或空间分辨率，对所选用户图像对应的增强CSPS层，进行解码并显示。例如，如果用户选择了前景子图像区域(941)，则可以对前景子图像区域(941)对应的增强CSPS层(942)进行解码并显示。
图10示出了根据本申请的一个实施例的解码和显示过程(1000)的示例性流程图。在各个实施例中，过程(1000)由处理电路执行，诸如由终端设备(210)、(220)、(230)和(240)中的处理电路、执行视频编码器(303)的功能的处理电路、执行视频解码器(310)的功能的处理电路、执行视频解码器(410)的功能的处理电路、执行帧内预测模块(452)的功能的处理电路、执行视频编码器(503)的功能的处理电路、执行预测器(535)的功能的处理电路、执行帧内编码器(622)的功能的处理电路、执行帧内解码器(772)的功能的处理电路等。在一些实施例中，过程(1000)以软件指令的方式实现，因此当处理电路执行所述软件指令时，处理电路执行过程(1000)。
过程(1000)通常可以从步骤(S1010)开始，在步骤(S1010)处，过程(1000)对具有多个层的视频码流进行解码。然后，过程(1000)进行到步骤(S1020)。
在步骤(S1020)处，过程(1000)识别视频码流中的背景区域和至少一个前景子图像区域。然后，过程(1000)进行到步骤(S1030)。
在步骤(S1030)处，过程(1000)确定是否选择了特定子图像区域。例如，过程(1000)基于接收到的用户选择，确定是否选择了特定子图像区域。在确定选择了特定子图像区域时，过程(1000)进行到步骤(S1040)。否则，过程(1000)进行到步骤(S1050)。
在步骤(S1040)处，过程(1000)对与所述特定子图像区域相关联的至少一个增强层进行解码并显示。
在步骤(S1050)处，过程(1000)对背景区域进行解码并显示。
在显示特定子图像区域之后，过程(1000)结束。
在一个实施例中，网络中间盒(例如，路由器)可以根据其带宽选择层的子集，并且将其发送给用户的终端设备。这种图像/子图像结构可以用于带宽适配。例如，如果终端设备不具有足够的带宽，则路由器可以，例如基于重要性或用户设置，剥离某些层或者选择某些子图像区域。该带宽适配可以基于带宽可用性，动态执行。
图11示出了根据本申请的一个实施例的平面图像(1110)的不同透视图(例如，球形360°图像)的示例性子图像。在示例性平面图像(1110)中，可以沿着球体(1101)，从不同位置捕获不同的透视图，并将这些透视图投影到平面图像(1110)上。平面图像(1110)可以划分成作为独立层的两个及两个以上子图像(1111-1116)。可以对特定子图像的增强层进行编码，并且将其发送到终端设备。例如，可以对子图像(1115)的增强层(1125)进行编码，并且将其发送到终端设备。解码器可以对包括所有子图像的独立层和所选子图像的增强层进行解码。当选择特定子图像、并将其显示在当前视点中时，由于具有所选子图像的增强层，因此，可以以比其它子图像更高的虚拟质量，显示所选子图像。否则，可以以低质量显示具有独立层的已解码图像。
在一个实施例中，供显示所用的布局信息，可以作为辅助信息，诸如作为SEI消息或元数据，包括在文件中。布局信息可以由流服务器或广播器用信号通知，由网络实体或云服务器重新生成，或者由用户的自定义设置确定。此外，可以根据用信号通知的布局信息，重新定位和显示至少一个解码子图像。
流程图
图12示出了概述根据本申请的一个实施例的示例性过程(1200)的流程图。在各个实施例中，过程(1200)由处理电路执行，诸如终端设备(210)、(220)、(230)和(240)中的处理电路、执行视频编码器(303)的功能的处理电路、执行视频解码器(310)的功能的处理电路、执行视频解码器(410)的功能的处理电路、执行帧内预测模块(452)的功能的处理电路、执行视频编码器(503)的功能的处理电路、执行预测器(535)的功能的处理电路、执行帧内编码器(622)的功能的处理电路、执行帧内解码器(772)的功能的处理电路等。在一些实施例中，过程(1200)以软件指令的方式实现，因此当处理电路执行所述软件指令时，处理电路执行过程(1200)。
过程(1200)通常可以开始于步骤(S1210)，在步骤(S1210)处，过程(1200)对当前图像的预测信息进行解码，所述当前图像是已编码视频序列的一部分。预测信息指示当前图像包括与当前图像的不同区域对应的两个及两个以上子图像。根据一些实施例，所述两个及两个以上子图像可以对应至少两个不同的区域。所述两个及两个以上子图像包括(i)与第一数量的层相关联的第一子图像、以及(ii)与第二数量的层相关联的第二子图像，该第二数量的层不同于第一数量的层。然后，过程(1200)进行到步骤(S1220)。
在步骤(S1220)处，过程(1200)基于与所述两个及两个以上子图像中的一个子图像相关联的至少一个层，重建所述两个及两个以上子图像中的所述一个子图像。然后，过程(1200)结束。
在一个实施例中，接收用户对所述两个及两个以上子图像中的所述一个子图像的选择。基于用户选择，显示所述两个及两个以上子图像中的已重建的所述一个子图像。
在一个实施例中，所述第一子图像和所述第二子图像与相同的独立层或依赖层相关联。其中，独立层是指不需要参考其它层的子图像便可以解码的层，依赖层是指需要参考其它层的子图像才可以解码的层。所述第一子图像对应于当前图像的整个区域，所述第二子图像对应于一个小于当前图像的整个区域的区域。可替换地，所述第一子图像对应一个小于当前图像的整个区域的区域，所述第二子图像对应于当前图像的整个区域。
在一个实施例中，第一子图像和第二子图像具有不同的空间分辨率。
在一个实施例中，所述第一子图像与一个独立层和一个依赖层相关联。
在一个实施例中，所述第一子图像与两个及两个以上依赖层相关联，并且所述两个及两个以上依赖层中的第一依赖层依赖于所述两个及两个以上依赖层中的第二依赖层。
在一个实施例中，两个及两个以上子图像包括与多个图像的第一子图像的层相关联的第三子图像，并且与第一子图像相对应的区域包括与第三子图像相对应的区域。
在一个实施例中，所述至少一个层的层标识符值可以包含在一个NAL单元头或其他高级语法结构中。例如，所述独立层的层标识符值包含在一个NAL单元头中。
相应地，本申请实施例提供了一种视频解码装置，其包括：
预测信息解码模块，用于对当前图像的预测信息进行解码，所述当前图像是已编码视频序列的一部分，所述预测信息用于指示所述当前图像包括与所述当前图像的不同区域对应的两个及两个以上子图像；
子图像重建模块，用于基于与所述两个及两个以上子图像中的一个子图像相关联的至少一个层，重建所述两个及两个以上子图像中的所述一个子图像，其中，
所述两个及两个以上子图像包括(i)与第一数量的层相关联的第一子图像，以及(ii)与第二数量的层相关联的第二子图像，所述第二数量的层不同于所述第一数量的层。
根据本申请实施例，所述装置进一步包括：子图像选择模块，用于接收用户对所述两个及两个以上子图像中的所述一个子图像的选择；以及显示模块，用于基于所述用户选择，显示所述两个及两个以上子图像中的已重建的所述一个子图像。
根据本申请实施例，所述第一子图像和所述第二子图像与相同的独立层或相同的依赖层相关联。其中，独立层是指不需要参考其它层的子图像便可以解码的层，依赖层是指需要参考其它层的子图像才可以解码的层。
根据本申请实施例，所述第一子图像和所述第二子图像满足以下任一条件：(1)所述第一子图像对应于当前图像的整个区域，所述第二子图像对应于一个小于当前图像的整个区域的区域；(2)所述第一子图像对应于一个小于当前图像的整个区域的区域，所述第二子图像对应于当前图像的整个区域。
根据本申请实施例，所述第一子图像和所述第二子图像具有不同的空间分辨率。
根据本申请一个实施例，所述第一子图像与一个独立层和一个依赖层相关联。
根据本申请另一个实施例，所述第一子图像与两个及两个以上依赖层相关联，并且所述两个及两个以上依赖层中的第一依赖层依赖于所述两个及两个以上依赖层中的第二依赖层。
根据本申请实施例，所述两个及两个以上子图像包括第三子图像，该第三子图像与所述两个及两个以上子图像中的所述第一子图像的一个层相关联，并且与所述第一子图像对应的区域包括与所述第三子图像对应的区域。
根据本申请实施例中，所述至少一个层的层标识符值可以包含在一个NAL单元头或其他高级语法结构中。例如，所述独立层的层标识符值包含在一个NAL单元头中。
计算机系统
上文所描述的技术可使用计算机可读指令实施为计算机软件且以物理方式存储在至少一个计算机可读存储介质中。例如，图13示出适于实施本申请主题的某些实施例的计算机系统(1300)。
所述计算机软件可使用任何合适的机器代码或计算机语言来编码，所述机器代码或计算机语言可经受汇编、编译、链接或类似机制以创建包括指令的代码，所述指令可直接或通过解译、微码执行等而由至少一个计算机中央处理单元(central processing unit，CPU)、图形处理单元(Graphics Processing Unit，GPU)等执行。
所述指令可在各种类型的计算机或计算机组件上执行，所述计算机或计算机组件包括例如个人计算机、平板电脑、服务器、智能电话、游戏装置、物联网装置等。
图13中所示的用于计算机系统(1300)的组件在本质上是示范性的，并非旨在暗示关于实施本申请的实施例的计算机软件的使用或功能的范围的任何限制。也不应将组件的配置解释为对计算机系统(1300)的示范性实施例中所示的组件中的任一个组件或组件组合有任何依赖或需求。
计算机系统(1300)可包括某些人机接口输入装置。此类人机接口输入装置可响应于至少一个人类用户通过例如触觉输入(例如：按键、滑动、数据手套移动)、音频输入(例如：语音、拍击)、视觉输入(例如：手势)、嗅觉输入(未描绘)进行的输入。人机接口装置还可用于捕获未必与人的有意识输入直接相关的某些媒体，例如音频(例如：话语、音乐、环境声)、图像(例如：扫描图像、从静态图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)。
输入人机接口装置可包括以下至少一个(每种仅描绘一个)：键盘(1301)、鼠标(1302)、轨迹垫(1303)、触摸屏(1310)、数据手套(未示出)、操纵杆(1305)、麦克风(1306)、扫描仪(1307)、相机(1308)。
计算机系统(1300)还可包括某些人机接口输出装置。此类人机接口输出装置可通过例如触觉输出、声音、光和气味/味道刺激至少一个人类用户的感觉。此类人机接口输出装置可包括触觉输出装置(例如触摸屏(1310)、数据手套(未示出)或操纵杆(1305)的触觉反馈，但还可存在不充当输入装置的触觉反馈装置)、音频输出装置(例如：扬声器(1309)、头戴式耳机(未描绘))、视觉输出装置(例如屏幕(1310)，包括CRT屏幕、LCD屏幕、等离子体屏幕、OLED屏幕，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--其中的一些能够通过例如立体平画输出的方式输出二维视觉输出或大于三维的输出；虚拟现实眼镜(未描绘)、全息显示器和烟雾箱(未描绘))，以及打印机(未描绘)。这些视觉输出设备(例如屏幕(1310))，可以通过图形适配器(1350)连接到系统总线(1348)上。
计算机系统(1300)还可包括人类可访问的存储装置和存储装置的相关联介质，例如光学介质，包括具有CD/DVD等介质(1321)的CD/DVD ROM/RW(1320)、拇指驱动器(1322)、可移动硬盘驱动器或固态驱动器(1323)、磁带和软盘(未描绘)等旧版磁性媒体、基于ROM/ASIC/PLD的专用装置，例如安全保护装置(未描绘)，等等。
所属领域的技术人员还应理解，结合当前公开的主题使用的术语“计算机可读介质”并未涵盖传输介质、载波或其他瞬时信号。
计算机系统(1300)还可包括到至少一个通信网络(1355)的网络接口(1354)。所述至少一个通信网络(1355)可例如是无线的、有线的、光学的。所述至少一个通信网络(1355)还可以是本地的、广域的、城域的、车载和工业的、实时的、容忍延迟的等等。所述至少一个通信网络(1355)的示例包括例如以太网、无线LAN的局域网、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总线的车载网络和工业网络等。某些网络通常需要附接到某些通用数据端口或外围总线(1349)(例如，计算机系统(1300)的USB端口)的外部网络接口适配器；其他网络通常通过附接到如下文所描述的系统总线而集成到计算机系统(1300)的核心中(例如通过以太网接口集成到PC计算机系统中，或通过蜂窝网络接口集成到智能电话计算机系统中)。通过使用这些网络中的任一网络，计算机系统(1300)可与其他实体通信。此类通信可以是仅单向接收(例如广播TV)、仅单向发送(例如连到某些CAN总线装置的CAN总线)或是双向的，例如使用局域数字网络或广域数字网络连接到其他计算机系统。可在如上文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。
上述人机接口装置、人类可访问存储装置和网络接口可附接到计算机系统(1300)的核心(1340)。
核心(1340)可包括至少一个中央处理单元(Central Processing Unit，CPU)(1341)、图形处理单元(Graphics Processing Unit，GPU)(1342)、现场可编程门区域(Field Programmable Gate Areas，FPGA)形式的专用可编程处理单元(1343)、用于某些任务的硬件加速器(1344)等等。这些装置连同只读存储器(read-only memory，ROM)(1345)、随机存取存储器(1346)、例如内部非用户可访问的硬盘驱动器、SSD等内部大容量存储装置(1347)可通过系统总线(1348)连接。在一些计算机系统中，系统总线(1348)可通过至少一个物理插头形式访问以实现通过额外CPU、GPU等来扩展。外围装置可直接或通过外围总线(1349)附接到核心的系统总线(1348)。用于外围总线的架构包括PCI、USB等等。
CPU(1341)、GPU(1342)、FPGA(1343)和加速器(1344)可执行某些指令，所述指令组合起来可构成上述计算机代码。计算机代码可存储在ROM(1345)或RAM(1346)中。过渡数据也可存储在RAM(1346)中，而永久性数据可例如存储在内部大容量存储装置(1347)中。可通过使用高速缓冲存储器来实现对任一存储器装置的快速存储和检索，所述高速缓冲存储器可与至少一个CPU(1341)、GPU(1342)、大容量存储装置(1347)、ROM(1345)、RAM(1346)等紧密关联。
计算机可读介质上可具有用于执行各种计算机实施的操作的计算机代码。所述介质和计算机代码可以是专为本申请的目的设计和构建的介质和计算机代码，或可属于计算机软件领域中的技术人员众所周知且可用的种类。
举例来说但不作为限制，具有架构(1300)且尤其是核心(1340)的计算机系统可提供因处理器(包括CPU、GPU、FPGA、加速器等)执行以至少一个有形计算机可读介质体现的软件而产生的功能。此类计算机可读介质可以是与上文所介绍的用户可访问大容量存储装置以及核心(1340)的非易失性质的某些存储装置(例如核心内部大容量存储装置(1347)或ROM(1345))相关联的介质。实施本申请的各种实施例的软件可存储在此类装置中且由核心(1340)执行。根据特定需求，计算机可读介质可包括至少一个存储器装置或芯片。软件可使核心(1340)且具体地说使其中的处理器(包括CPU、GPU、FPGA等等)执行本文中所描述的特定过程或特定过程的特定部分，包括限定存储在RAM(1346)中的数据结构以及根据由软件限定的过程修改此类数据结构。另外或作为替代方案，计算机系统可提供由硬连线的或以其他方式体现于电路(例如：加速器(1344))中的逻辑所产生的功能，所述逻辑可代替或连同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。适当时，对软件的引用可涵盖逻辑，且反之亦然。适当时，对计算机可读介质的引用可涵盖存储用于执行的软件的电路(例如集成电路(IC))、体现用于执行的逻辑的电路或这两种电路。本申请涵盖硬件与软件的任何合适的组合。
尽管本申请描述了若干示范性实施例，但在本申请的范围内，可以有各种改动、排列组合方式以及各种替代等同物。因此，应该理解，在申请的精神和范围内，本领域技术人员可以设计出各种虽未在本文明确示出或描述、但可以体现本申请的原理的系统和方法。
附录A：缩略词
AMVP:Advanced Motion Vector Prediction，高级运动矢量预测
ASIC:Application-Specific Integrated Circuit，专用应用集成电路
ATMVP:Alternative/Advanced Temporal Motion Vector Prediction可选/高级时间运动矢量预测
BDOF:Bi-directional Optical Flow，双向光流
BIO:Bi-directional Optical Flow，双向光流
BMS:Benchmark Set，基准集合
BV:Block Vector，块矢量
CANBus:Controller Area Network Bus，控制器局域网
CB:Coding Block，编码块
CBF:Coded Block Flag，已编码块标志
CCLM:Cross-Component Linear Mode/Model，跨分量线性模式/模型
CD:Compact Disc，压缩光盘
CPR:Current Picture Referencing，当前图片参考
CPUs:Central Processing Units，中央处理器
CRT:Cathode Ray Tube，阴极射线管
CSPS:Coded Sub-picture Sequences，已编码子图像序列
CTBs:Coding Tree Blocks，编码树块
CTUs:Coding Tree Units，编码树单元
CU:Coding Unit，编码单元
CVS:Coded Video Sequence，已编码视频序列
DPB:Decoder Picture Buffer，解码器图像缓冲器
DVD:Digital Video Disc，数字视频光盘
FPGA:Field Programmable Gate Areas，现场可编程门区域
GOPs:Groups of Pictures，图片群组
GPUs:Graphics Processing Units，图形处理单元
GSM:Global System for Mobile communications，全球移动通信系统
HDR:High Dynamic Range，高动态范围
HEVC:High Efficiency Video Coding，高效视频编码
HRD:Hypothetical Reference Decoder，假想参考解码器
IBC:Intra Block Copy，帧内块复制
IC:Integrated Circuit，集成电路
ISP:Intra Sub-Partitions，帧内子分区
JEM:Joint Exploration Model，联合探索模型
JVET:Joint Video Exploration Team，联合视频探索小组
LAN:Local Area Network，局域网
LCD:Liquid-Crystal Display，液晶显示器
LTE:Long-Term Evolution，长期演进
MANEs:Media Aware network Elements，媒体感知网元
MCUs:Multipoint Control Units，多点控制单元
MPM:Most Probable Mode，最可能模式
MTS:Multiple Transform Selection，多变换选择
MV:Motion Vector，运动矢量
NAL:Network Abstraction Layer，网络抽象层
OLED:Organic Light-Emitting Diode，有机发光二极管
PBs:Prediction Blocks，预测块
PCI:Peripheral Component Interconnect，外围器件互联
PDPC:Position Dependent Prediction Combination，位置决定的帧内预测组合
PLD:Programmable Logic Device，可编程逻辑设备
PIP:Picture In a Picture，画中画
PU:Prediction Unit，预测单元
RAM:Random Access Memory，随机存取存储器
ROM:Read-Only Memory，只读存储器
RTP:Real-time Transport Protocol，实时传输协议
SBT:Sub-block Transform，子块变换
SCC:Screen Content Coding，屏幕内容编码
SDR:Standard Dynamic Range，标准动态范围
SEI:Supplementary Enhancement Information，辅助增强信息
SFUs:Selective Forwarding Units，选择性转发单元
SNR:Signal Noise Ratio，信噪比
SSD:Solid-state Drive，固体驱动
TUs:Transform Units，变换单元
USB:Universal Serial Bus，通用系统总线
VCL:Video Coding Layer，视频编码层
VPDU:Visual Process Data Unit，视觉处理数据单元
VUI:Video Usability Information，视频可用性信息
VVC:Versatile Video Coding，通用视频编码
WAIP:Wide-Angle Intra Prediction，广角帧内预测
Claims (18)
1.一种视频编码的方法，其特征在于，其包括：
对视频序列中当前图像的预测信息进行编码，所述预测信息指示所述当前图像包括与所述当前图像的不同区域对应的多个子图像，其中，
所述多个子图像中的一个子图像与至少一个层相关联；
所述多个子图像包括(i)用第一数量的增强层编码的第一子图像，以及(ii)用第二数量的增强层编码的第二子图像，所述第二数量的增强层不同于所述第一数量的增强层，所述第一数量和所述第二数量中的至少一个大于1，所述第一数量的增强层中的每一个对应于同一个第一基础层部分，所述第二数量的增强层中的每一个对应于同一个第二基础层部分。
2.根据权利要求1所述的方法，其特征在于，所述第一子图像和所述第二子图像用相同的独立层或相同的依赖层编码，其中，独立层是指不需要参考其它层的子图像便可以解码的层，依赖层是指需要参考其它层的子图像才可以解码的层。
3.根据权利要求2所述的方法，其特征在于，所述第一子图像和所述第二子图像满足以下任一条件：
(1)所述第一子图像对应于当前图像的整个区域，所述第二子图像对应于一个小于当前图像的整个区域的区域；
(2)所述第一子图像对应于一个小于当前图像的整个区域的区域，所述第二子图像对应于当前图像的整个区域。
4.根据权利要求1至3任一项权利要求所述的方法，其特征在于，所述第一子图像和所述第二子图像具有不同的空间分辨率。
5.根据权利要求1至3任一项权利要求所述的方法，其特征在于，所述第一子图像用一个独立层和一个依赖层编码，其中，独立层是指不需要参考其它层的子图像便可以解码的层，依赖层是指需要参考其它层的子图像才可以解码的层。
6.根据权利要求1至3任一项权利要求所述的方法，其特征在于，
所述第一子图像用多个依赖层编码，并且
所述多个依赖层中的第一依赖层依赖于所述多个依赖层中的第二依赖层，其中，依赖层是指需要参考其它层的子图像才可以解码的层。
7.根据权利要求1至3任一项权利要求所述的方法，其特征在于，
所述多个子图像包括第三子图像，该第三子图像用所述第一子图像的一个层编码，并且
与所述第一子图像对应的区域包括与所述第三子图像对应的区域。
8.根据权利要求1至3任一项权利要求所述的方法，其特征在于，
所述至少一个层的层标识符值包含在一个网络抽象层单元头中。
9.一种视频编码装置，其特征在于，其包括：
预测信息编码模块，用于对视频序列中当前图像的预测信息进行编码，所述预测信息指示所述当前图像包括与所述当前图像的不同区域对应的多个子图像，其中，
所述多个子图像中的一个子图像与至少一个层相关联，
所述多个子图像包括(i)用第一数量的增强层编码的第一子图像，以及(ii)用第二数量的增强层编码的第二子图像，所述第二数量的增强层不同于所述第一数量的增强层，所述第一数量和所述第二数量中的至少一个大于1，所述第一数量的增强层中的每一个对应于同一个第一基础层部分，所述第二数量的增强层中的每一个对应于同一个第二基础层部分。
10.根据权利要求9所述的装置，其特征在于，所述第一子图像和所述第二子图像用相同的独立层或相同的依赖层编码，其中，独立层是指不需要参考其它层的子图像便可以解码的层，依赖层是指需要参考其它层的子图像才可以解码的层。
11.根据权利要求10所述的装置，其特征在于，所述第一子图像和所述第二子图像满足以下任一条件：
(1)所述第一子图像对应于当前图像的整个区域，所述第二子图像对应于一个小于当前图像的整个区域的区域；
(2)所述第一子图像对应于一个小于当前图像的整个区域的区域，所述第二子图像对应于当前图像的整个区域。
12.根据权利要求9至11任一项权利要求所述的装置，其特征在于，所述第一子图像和所述第二子图像具有不同的空间分辨率。
13.根据权利要求9至11任一项权利要求所述的装置，其特征在于，所述第一子图像用一个独立层和一个依赖层编码，其中，独立层是指不需要参考其它层的子图像便可以解码的层，依赖层是指需要参考其它层的子图像才可以解码的层。
14.根据权利要求9至11任一项权利要求所述的装置，其特征在于，
所述第一子图像用多个依赖层编码，并且
所述多个依赖层中的第一依赖层依赖于所述多个依赖层中的第二依赖层，其中，依赖层是指需要参考其它层的子图像才可以解码的层。
15.根据权利要求9至11任一项权利要求所述的装置，其特征在于，
所述多个子图像包括第三子图像，该第三子图像用所述第一子图像的一个层编码，并且
与所述第一子图像对应的区域包括与所述第三子图像对应的区域。
16.根据权利要求9至11任一项权利要求所述的装置，其特征在于，
所述至少一个层的层标识符值包含在一个网络抽象层单元头中。
17.一种非易失性计算机可读存储介质，存储有指令以及码流，所述指令可由至少一个处理器执行以用于执行权利要求1至8任一项权利要求的视频编码方法，产出所述码流。
18.一种电子设备，其特征在于，包括存储器，用于存储计算机可读指令；处理器，用于读取所述计算机可读指令，并且按所述计算机可读指令的指示执行如权利要求1至8中任一项所述的方法。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962848554P | 2019-05-15 | 2019-05-15 | |
| US62/848,554 | 2019-05-15 | ||
| US16/872,021 | 2020-05-11 | ||
| US16/872,021 US11317104B2 (en) | 2019-05-15 | 2020-05-11 | Method and apparatus for video coding |
| CN202010402427.XA CN111953996B (zh) | 2019-05-15 | 2020-05-13 | 视频解码的方法和装置 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010402427.XA Division CN111953996B (zh) | 2019-05-15 | 2020-05-13 | 视频解码的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117499657A true CN117499657A (zh) | 2024-02-02 |
Family
ID=73230866
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010402427.XA Active CN111953996B (zh) | 2019-05-15 | 2020-05-13 | 视频解码的方法和装置 |
| CN202311658777.2A Pending CN117499657A (zh) | 2019-05-15 | 2020-05-13 | 视频编解码的方法和装置 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010402427.XA Active CN111953996B (zh) | 2019-05-15 | 2020-05-13 | 视频解码的方法和装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (2) | US11317104B2 (zh) |
| CN (2) | CN111953996B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11178396B2 (en) * | 2018-11-14 | 2021-11-16 | Tencent America LLC | Constrained intra prediction and unified most probable mode list generation |
| US11265580B2 (en) * | 2019-03-22 | 2022-03-01 | Tencent America LLC | Supplemental enhancement information messages for neural network based video post processing |
| KR20230002534A (ko) * | 2020-04-13 | 2023-01-05 | 오피 솔루션즈, 엘엘씨 | 결합된 무손실 및 손실 코딩을 위한 방법들 및 시스템들 |
| CN113360094B (zh) * | 2021-06-04 | 2022-11-01 | 重庆紫光华山智安科技有限公司 | 数据预测方法和装置、电子设备及存储介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2382940A (en) * | 2001-11-27 | 2003-06-11 | Nokia Corp | Encoding objects and background blocks |
| KR101568899B1 (ko) * | 2004-04-22 | 2015-11-20 | 테크니컬러, 인크. | 디지털 다기능 디스크를 위한 컨텍스트 의존형 멀티-앵글 내비게이션 기법 |
| US20140003504A1 (en) * | 2012-07-02 | 2014-01-02 | Nokia Corporation | Apparatus, a Method and a Computer Program for Video Coding and Decoding |
| KR102062764B1 (ko) * | 2013-07-19 | 2020-02-21 | 삼성전자주식회사 | 모바일 단말 화면을 위한 3ｋ해상도를 갖는 디스플레이 영상 생성 방법 및 장치 |
| GB2519746B (en) * | 2013-10-22 | 2016-12-14 | Canon Kk | Method, device and computer program for encapsulating scalable partitioned timed media data |
| FR3072850B1 (fr) * | 2017-10-19 | 2021-06-04 | Tdf | Procedes de codage et de decodage d'un flux de donnees representatif d'une video omnidirectionnelle |
-
2020
- 2020-05-11 US US16/872,021 patent/US11317104B2/en active Active
- 2020-05-13 CN CN202010402427.XA patent/CN111953996B/zh active Active
- 2020-05-13 CN CN202311658777.2A patent/CN117499657A/zh active Pending
-
2022
- 2022-03-15 US US17/695,498 patent/US11979586B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US20200366911A1 (en) | 2020-11-19 |
| US20220210452A1 (en) | 2022-06-30 |
| CN111953996B (zh) | 2023-10-20 |
| US11979586B2 (en) | 2024-05-07 |
| US11317104B2 (en) | 2022-04-26 |
| CN111953996A (zh) | 2020-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113545061B (zh) | 视频编解码方法和装置、存储介质以及包括处理电路的装置 | |
| 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 | |
| CN111869212B (zh) | 视频解码方法、装置和可读介质 | |
| CN116320408B (zh) | 用于视频解码、编码的方法、编码器、装置及可读介质 | |
| CN112470478B (zh) | 视频解码方法、装置和计算机设备 | |
| CN113574873B (zh) | 对已编码视频流的子码流进行解码的方法和计算机设备 | |
| CN111953996B (zh) | 视频解码的方法和装置 | |
| CN113785564B (zh) | 视频编解码的方法和装置 | |
| CN113661702B (zh) | 视频编解码的方法、装置及存储介质 | |
| CN114503570B (zh) | 视频解码方法、装置、设备和介质 | |
| CN111836056B (zh) | 视频编解码的方法和装置、计算机设备和存储介质 | |
| US11343524B2 (en) | Method for adaptation parameter set reference and constraints in coded video stream | |
| CN113348666B (zh) | 用于对编码视频流进行解码的方法和系统 | |
| CN111726622B (zh) | 视频编解码的方法、装置及介质 | |
| CN111726627B (zh) | 视频解码方法、装置、计算机设备和存储介质 | |
| CN111246210B (zh) | 视频解码方法、视频解码器、计算机设备和可读存储介质 | |
| CN113228649B (zh) | 视频解码方法、装置以及存储介质 | |
| CN114402615B (zh) | 视频解码方法、装置及计算机可读存储介质 | |
| CN117063471A (zh) | 用于运动矢量差的联合信令方法 | |
| CN113348664B (zh) | 视频解码的方法、装置及计算机可读介质 | |
| CN113841390B (zh) | 用于视频编解码的方法和设备 | |
| CN113841412B (zh) | 视频编解码的方法、装置、计算机设备及存储介质 | |
| CN117015972B (zh) | 视频编码和解码的方法、装置及存储介质 | |
| CN113826401B (zh) | 视频编码或解码方法、装置以及电子设备 |
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 |