JP2008516318A - 時間的に変わるグラフィックモデルを表すデータストリームの符号化方法 - Google Patents

Abstract

さらに予測段階（１４）を導入すること、すなわち、第１の予測段階の運動ベクトルまたは予測エラー（ｄ（ｔ））の予測を行うことにより、実際に、まずはじめに、符号化または圧縮計算量が増加し、それに対応して、復号化または復元計算量も増加するが、ここで提案する予測を行うことにより、運動の均一性のために、大抵のグラフィックモデルシーケンスの計算量について、この予測により、圧縮利得が大幅に向上することになる。
【選択図】図１

Description

本発明は、時間的に変わるグラフィックモデルを表すデータストリームの符号化／復号化に関し、特に、このようなグラフィックモデルデータの圧縮に関する。

今日、時間的に変わる３Ｄコンピュータグラフィックモデルは、標準的なコンピュータグラフィックに幅広く応用されている。３Ｄコンピュータグラフィックモデルは、例えば、ゲーム、仮想世界、アニメ作成等に応用されているが、フリービューポイントビデオ（Ｆｒｅｅ Ｖｉｅｗｐｏｉｎｔ Ｖｉｄｅｏ（ＦＶＶ））または３Ｄビデオオブジェクト（３ＤＶＯ）と呼ばれる、さらに新しいシステムに応用されている。

３Ｄコンピュータグラフィックモデルは、仮想３Ｄ座標系の３Ｄオブジェクトの表面を記述するものである。このために、表面に存在していたり、この表面に沿って配置されていたりする特定の数の制御点または頂点の３Ｄ座標（ｘ、ｙ、ｚ）が定義されている。パラメータ化を行う別々のアプローチにより、連続面が定義されている。ポリゴンメッシュと呼ばれるパラメータ化では、３Ｄオブジェクトの表面の形状を、例えば、多角形の制御点を構成するコーナー点により定義する。あるオブジェクトを完全に記述するには、連結性表示、すなわち、制御点がそれぞれ多角形に集約されている表示がここに属している。次に、色、質感や、さらに反射等の特徴を対応付けることにより、完全な３Ｄオブジェクトが展開する。用いられる表面パラメータ化によるが、これらの特徴は、連結性に関連しており、または点表現に直接関連している。

従って、３Ｄ形状の通常の表現は、連結性表示があるリストまたはないリストにおいて、制御点が３Ｄ座標で表示されたものである。三角形メッシュに関しての上述の多角形連結性の場合、例えば、対応するリスト番号それぞれの３つの制御点が三角形を形成し、これもやはりリストに集約されている。３Ｄ座標は、浮動小数点または整数値として存在する場合もある。連結性は、整数値、すなわち、対応する制御点がリストとして構成されているリスト番号表示からなる。

各種のシステムとアプリケーションとの間で３Ｄ形状を交換して送信するためには、受信側で３Ｄデータの構文解析を行うことができるという理由から、バーチャルリアリティモデリングランゲージ（ＶＲＭＬ）等の指定のテキストフォーマットを用いることが望ましい。

さらに、とりわけ、伝送データ速度および必要なメモリ空間を低減するために、３Ｄ形状を符号化するデータ所要量を低減することが望ましい。特別な圧縮方法を用いれば、このような低減を行うことが可能である。この理由から、ＭＰＥＧ−４規格では、静止物体の３Ｄ形状を符号化する方法が規格化された。これは、３Ｄメッシュ符号化（３ＤＭＣ）と呼ばれている。３ＤＭＣはバイナリフォーマットで、３０〜４０倍の圧縮を別にして、利用可能なテキストフォーマットと逆に、伝送機能を向上させることもできる。

しかしながら、複数のアプリケーションでは、動的な、すなわち、時間的に変わる３Ｄモデルが存在する。標準的なコンピュータグラフィックでは、多くの場合、オペレータが各時刻でモデルを新規に構築することにより、アニメーションでモデルが展開する。ＦＶＶまたは３ＤＶＯなどのより新しい方法では、実物のオブジェクトの３Ｄ運動を再現することにより、動的モデルが展開する。これを、数台のカメラで記録する。基本的に、動的３Ｄモデルの２つの場合を区別することができる。第１の場合では、トポロジは同じままである。すなわち、制御点または頂点の数と、連結性とが、時間的に一定である。制御点の３Ｄ位置だけが変化する。第２の場合は、一般化を表す。この場合、トポロジの変化を許容できる。

場合によっては、アニメーションにより、すなわち、基礎となる物理運動モデルで変化を記述することにより、時間的変化を記述することができる。この例として、人間の顔および身体のアニメーションがあり、これはすでにＭＰＥＧ−４で、すなわち、いわゆるＦＢＡ（フェースアンドボディアニメーション）方法により規格化されている。一般的な場合に転用できない点、すなわち、特別な運動シーケンスおよび／または顔等の特別なオブジェクトに限定されているという点で、このようなアニメーションモデルには欠点がある。アニメーションモデルがなければ、時刻毎に、むしろ新規の３Ｄモデルまたは制御点の新規のメッシュを移す必要があり、次に、ＭＰＥＧ−４、３ＤＭＣで時刻毎に符号化する。しかし、これは時刻毎に動く同じオブジェクトなので、このデータはやはり時間的冗長性を多く含み、さらに圧縮されることもある。

Ｊ．チャン（Ｚｈａｎｇ）およびＣ．Ｂ．オーエン（Ｏｗｅｎ）著、「オクトリーベースの動画ジオメトリ圧縮（Ｏｃｔｒｅｅ−ｂａｓｅｄ Ａｎｉｍａｔｅｄ Ｇｅｏｍｅｔｒｙ Ｃｏｍｐｒｅｓｓｉｏｎ）」（ＤＣＣデータ圧縮会議２００４年米国ユタ州スノーバード、５０８〜５１７ページ、２００４年３月２３〜２５日）に、時間的に変わる３Ｄモデルの符号化方法が記載されている。制御点を予測し、予測エラーまたは運動ベクトルの量子化を行い、運動ベクトルをグループに集約することにより、時間的変化を記述している。圧縮、すなわち、ビットレートの低減は、差動パルス符号変調（ＤＰＣＭ）の一般原理に従って行われる。このように、３ＤＭＣとは逆に、さらに大きい圧縮利得、すなわち、等品質でのビットレート削減、または等しいビットレートでさらによい品質が動的モデルにおいて実現できる。

Ｊ．チャン（Ｚｈａｎｇ）およびＣ．Ｂ．オーエン（Ｏｗｅｎ）著、「オクトリーベースの動画ジオメトリ圧縮（Ｏｃｔｒｅｅ−ｂａｓｅｄ Ａｎｉｍａｔｅｄ Ｇｅｏｍｅｔｒｙ Ｃｏｍｐｒｅｓｓｉｏｎ）」（ＤＣＣデータ圧縮会議２００４年米国ユタ州スノーバード、５０８〜５１７ページ、２００４年３月２３〜２５日）

しかしながら、様々な応用分野で３Ｄモデルがますます用いられるようになっており、動的モデルをより良く圧縮するより効果的な符号化方法の必要性が増している。

従って、本発明の目的は、高い圧縮利得、すなわち、等品質でのビットレート節減またはより良い品質での等しいビットレートが可能な、時間的に変わるグラフィックモデルを表すデータストリームの符号化／復号化を行う符号化方法を提供することである。

この目的を、請求項１または１２に記載の装置、および請求項１９または２０に記載の方法により達成する。

本発明によれば、時間的に変わるグラフィックモデルを表すとともに、一連のデータ部分を含み、異なる時刻でグラフィックモデルを定義する座標データを含むデータストリームの符号化を行うことが、第１のデータ部分のための予測した座標データを得るために、現在符号化される第１のデータ部分の前の第２のデータ部分の座標データに基づいて、現在符号化される第１のデータ部分の座標データの予測を行うことと、現在符号化される第１のデータ部分のための予測エラーベクトルを得るために、第１のデータ部分のための予測した座標データと第１のデータ部分の座標データとの比較を行うこととを含む。次に、第２の予測を行う。すなわち、第１のデータ部分の予測エラーベクトルを得るために、既に得られている予測エラーベクトルに基づいて、第１のデータ部分のための予測エラーベクトルの予測を行い、そして、第１のデータ部分のための予測エラーベクトル差を得るために、第１のデータ部分のための予測した予測エラーベクトルと、第１のデータ部分のための予測エラーベクトルとを互いに比較する。次に、これらの予測エラーベクトル差を処理して、符号化データストリームの一部を得る。

それに対応して、逆のやり方で復号化を行う。上記のデータストリームの符号化形式を表し、符号化予測エラーベクトル差を含む符号化データストリームを、復号化予測エラーベクトル差を得るために、まずはじめに、符号化データストリームを処理することにより符号化する。第１のデータ部分のための予測した予測エラーベクトルを得るために、既に復号化した予測エラーベクトル差に基づいて、現在復号化される第１のデータ部分のための予測エラーベクトルを予測する。第１のデータ部分のための予測エラーベクトルを得るために、これらの予測した予測エラーベクトルを、現在復号化される第１のデータ部分の予測エラーベクトル差と合成する。次に、第２の予測を行う。すなわち、第１のデータ部分のための予測した座標データを得るために、第１のデータ部分の前の第２のデータ部分の座標データに基づいて、第１のデータ部分の座標データを予測し、そして、現在復号化される第１のデータ部分の座標データを得るために、第１のデータ部分のための予測した座標データを、第１のデータ部分のための予測エラーベクトルと合成する。

本発明の知見は、さらに予測段階を導入すること、すなわち、第１の予測段階で運動ベクトルまたは予測エラーの予測を導入することであり、実際に、まずはじめに、符号化および／または圧縮計算量が増加し、それに対応して、復号化および／または復元計算量も増加するが、運動の均一性によって、大抵のグラフィックモデルシーケンスの計算量について、この予測により、圧縮利得が大幅に向上することになる。

予測エラーベクトルの予測、すなわち、第２の予測段階は、時間的予測および／または空間的予測を含んでもよい。より具体的には、現在符号化されるデータ部分の予測エラーベクトルの予測を行うのに、現在符号化されるデータ部分の前のデータ部分の予測エラーベクトルと、現在符号化されるデータ部分の予測エラーベクトルとを用いることができる。もちろん、２つとも既に存在する場合に限られる。

特定の実施の形態によれば、前のデータ部分の予測エラーベクトルに基づいて、予測エラーベクトルの時間的予測を行うのに、同じ座標情報および／または同じ制御点に対し、運動ベクトルを表すこのデータ部分の予測エラーベクトルを用いる。

同じデータ部分の既に得られている予測エラーベクトルに基づいて、予測エラーベクトルの空間的予測を行う場合、予測を行うのに、予測したものに隣接する予測エラーベクトルを用いる。連結性および／またはデータストリームの近傍情報に基づいて、または幾何学的分析により、これを求める。

予測される予測エラーベクトルに利用可能な、時間的／空間的プレディクタまたは予測した予測エラーベクトルがいくつかある場合は、例えば、すべてのこれらのプレディクタの中央値に基づいて、予測した予測エラーベクトルを求める。

本発明の特定の実施の形態によれば、ビットレートを低減するために、予測エラーベクトル差は、やはりクラスタ化に従い、次にスケーリング／量子化に従う。

本発明の特定の実施の形態によれば、最後に、予測エラーベクトル差の２値算術符号化を行う。このために、まずはじめに、２値化する、すなわち、一連の二者択一の形式、またはビン、またはビット列にすると都合がよい。次に、ビンまたはビット的なやり方で、ビット列の２値算術符号化を行う。適応確率評価および／または静的確率評価に基づいて、２値算術符号化を行う。コンテクストモデルを用いること、すなわち、互いに独立したやり方で、２値化した異なるビットまたはビンに確率評価を適応することも可能である。

２値算術符号化の計算量を制限し、可能な限り圧縮率を維持するために、本発明の特定の実施の形態によれば、２つの異なる２値化方法に基づいて、２値化を行う。ここで、２値化されるデータが所定の閾値より小さい場合は、第１の２値化方法はもっぱら適用するものを検出し、データが閾値より大きい場合は、プレフィクスを得るために、閾値に第１の２値化方法を適用し、２値化されるデータの残りに、第２の２値化方法を用いる。換言すれば、はじめに述べた場合の２値化は、プレフィクスだけから構成され、次に述べた場合では、プレフィクスとサフィックスの両方で構成される。特定の実施の形態によれば、次に、適応確率モデルを用いて、プレフィクスのビットの２値適応符号化を行う。必要ならばコンテクストモデリングにより、すなわち、個別のビットに対し異なる適応確率評価で行う。そして、静的確率評価により、サフィックスのビットの２値算術符号化を行う。これにより、算術符号化の計算量を相当に低減し、予測エラーベクトル差の２値化方法を適切に選択して、圧縮率損失を小さくする。

以下に、添付の図面を参照して、本発明の好適な実施の形態についてより詳細に説明する。

図１は、本発明の一実施の形態による、時間的に変わるグラフィックモデルを表すデータストリームを符号化するためのエンコーダを示す。全体として１０で表すエンコーダは、符号化するデータストリームを受け取る入力１２と、符号化されたデータストリームを出力する出力１４とを含んでいる。エンコーダ１０は内部に、入力１２とスイッチ２０の第１の入力との間に延設する内部符号化経路１８に接続された内部符号化手段１６を含んでいる。内部経路１８と平行に通っている相互符号化経路２２には、エンコーダ１０の残りの部分２４が接続している。これは、相互符号化部、すなわち、前の時刻を参照するデータストリームの前の部分と独立して、時刻に関連して、グラフィックモデルの位置の符号化を行うエンコーダ１０の部分を表す。以下でさらに明らかになるが、内部符号化手段１６とは対照的に、他の時刻を参照するデータストリーム部分と独立して、ある時刻のグラフィックモデルの位置の符号化を行う。

相互符号化部２４は、２つのインターリーブＤＰＣＭループから構成されている。すなわち、入力１２でデータストリームの頂点または制御点を予測するのに用いられる外部ループ２６と、シフトベクトルの予測および／または外部ループ２６の予測エラーを行う内部ループ２８とである。

内部ループ２８は、比較器、すなわち差生成手段または差動器３０と、コンバイナ、すなわち加算手段または加算器３２と、クラスタ生成手段３４と、スケーリング／量子化手段３６と、スケーリング／量子化手段３６に対応するものとしての逆スケーリング手段３８と、クラスタ生成手段３４に対応するものとしての逆クラスタ生成手段またはクラスタ分解手段４０と、時間的または空間的予測を行う予測手段４２と、スイッチ４４とを含んでいる。

外部ループ２６は、構成要素３０〜４０に関連して内部ループ２８と重なっており、さらに、比較器または比較手段、すなわち、差動器４６と、コンバイナまたは合成手段、すなわち加算器４８と、メモリまたはメッシュメモリ５０と、スイッチ５２とを含んでいる。

相互符号化部２４はさらに、内部／相互スイッチとも呼ばれる制御手段５４と、算術符号化を行う符号化手段５６とを含んでいる。

構成要素の内部接続を参照すると、差動器４６と、差動器３０と、クラスタ生成手段３４と、スケーリング／量子化手段３６と、符号化手段５６とが、入力１２とスイッチ２０との間の相互符号化経路２２に直列で接続している。内部経路１８または相互経路２２を出力１４に制御可能に接続するために、スイッチ２０は、制御手段５４により制御可能になっている。

スケーリング／量子化手段３６の出力と、符号化手段５６の入力との間で、ループ２６および２８が分岐して、逆スケーリング手段３８と、逆クラスタ生成手段４０と、加算器３２とが直列接続を構成している。特に、加算器３２の第１の入力が逆クラスタ生成手段４０の出力に接続していて、加算器３２の出力が内部ループ２８の予測手段４２の入力に接続している。スイッチ４４は、２つの入力を含んでいる。すなわち、一方は予測手段４２の出力に接続していて、もう一方には、シフトベクトルの予測置き換えを表す論理ゼロが存在している。スイッチ４４は制御手段５４により制御され、予測手段４２の出力または論理ゼロを差動器３０の反転入力に入力することが可能になる。非反転入力により、差動器３０は、差動器４６の出力に接続している。スイッチ４４の出力は、差動器３０の反転入力に接続しているだけでなく、さらに加算器３２の入力にも接続している。

加算器３２の出力はさらに、加算器４８の入力に接続しており、この出力は次に、メモリ５０の入力に接続している。スイッチ５２は、２つの入力を含んでいる。一方はメモリ５０の出力に接続していて、もう一方は、予測した制御点の置き換えとして論理ゼロが存在している端子に接続している。スイッチ５２は制御手段５４により制御され、論理ゼロまたはメモリ５０の内容を差動器４６の反転入力と、さらに加算器４８の入力とに入力することが可能である。差動器４６の非反転入力は、相互経路２２を介して入力１２に接続している。

エンコーダ１０の構成について説明した。以下に、その機能について説明する。

入力１２に入力するデータストリームは、時間的に変わるグラフィックモデルを表す。換言すれば、入力データストリームは、一連のデータ部分から構成され、異なる時刻でグラフィックモデルを定義する制御点または座標データを有している。これは、制御点から最終的にどのようにモデルの表面が自身を規定するかという、基礎となるパラメータ化に基づいている。パラメータ化によるが、制御点の近傍関係を求め、モデルの完全な確定またはパラメータ化に必要な連結性情報は、さらに制御点に関連している。

実際に、パラメータ化の異なるアプローチがある。一方、以下に一例として、パラメータ化がポリゴンメッシュパラメータ化であると仮定する。ポリゴンメッシュパラメータ化においては、グラフィックモデルの表面または３Ｄオブジェクトの形状を、多角形、つまり制御点を形成するコーナー点により定義する。最も単純な表面多角形の形状は、平面三角形領域である。オブジェクトを完全に記述するには、制御点それぞれを、多角形に集約した連結性表示が必要となる。既に述べたように、この連結性情報は、入力データストリームに含まれている。制御点および連結性はともに、オブジェクトの形状を記述する。

ある時刻のグラフィックモデルの表面を定義する制御点は、データ部分で得られる。連結性情報をデータ部分毎および／または時刻毎に再送信することもできるが、データストリームのトポロジおよび／または連結性情報が変化するデータ部分だけにデータストリーム１２が存在することが好ましい。

ポリゴンメッシュパラメータ化の特別な場合は、いわゆる正方形グリッド、いわゆるエレベーショングリッドで、任意に空間に存在する平面に関連して定義されるものである。ここで，制御点の３つの座標（ｘ，ｙ，ｚ）のうちの２つが、グリッドの制御点の空間位置を示し、残りの３番目の座標が、平面からの点の垂直方向のずれ、または平面に関連した点の深さを表す。

図１のエンコーダ１０の機能をより明らかに説明することができるように、既に述べたように、ポリゴンメッシュパラメータ化は、入力１２のデータストリームに基づいていると仮定する。図２は、空間説明図での、任意の時刻におけるポリゴンメッシュパラメータ化のグラフィックモデル６０を一例として示す。この時刻と、このデータ部分が定義するグラフィックモデルが変化する位置とを定義する入力データストリームのデータ部分は、図２からわかるように、連結性情報により、制御点が接続線で互いに接続している場合に得られるグリッドから類推して、メッシュまたはグリッドと呼ばれることがよくある。メッシュは、オブジェクト６０の表面上の制御点６２を含んでいる。さらに、データ部分自体、または前のデータ部分いずれかにあるデータストリーム１２は、多角形６４（ここでは、三角形）に属する３つの制御点６２を示す連結性情報を含んでいる。制御点６２は図２のグラフィックモデル６０の線の交点にあり、多角形または三角形はこれらの線で囲まれている。

次の説明では、制御点はｍ_i（ｔ）で示されている。添え字ｉは、それぞれの制御点６２に一意的に対応付けられているリスト番号で、ｔは、この制御点が位置ｍ_i（ｔ）にある時刻を示している。換言すれば、ｍ_i（ｔ）は、所定の原点６８で座標系６６を基準とする制御点ｉの位置を定義するベクトルである。時刻ｔでグラフィックモデルを定義するすべての制御点ｉ全体について、以下でｍ（ｔ）と呼ぶこともある。ｍ（ｔ−１）により、時刻ｔ−１で、すなわち、時刻ｔの直前の時刻で、グラフィックモデルを定義する制御点の全体を指定し、ｍ（ｔ−２）で、時刻ｔ−２のグラフィックモデルを定義する制御点の全体を指定する。時刻ｔにおける３Ｄモデルｍ（ｔ）が、現在圧縮されるものである。

データストリームが、ここで入力１２に入力した場合は、まずはじめに、第１のデータ部分が入力し、これは、第１の時刻ｔ＝０でのグラフィックモデルを定義している。この状態では、エンコーダ１０にはグラフィックモデルの前の情報がない。換言すれば、このモデルは前処理されておらず、メッシュメモリ５０は空のままである。この状態では、相互符号化経路２４は予測を行うことができない。このような理由から、この場合は、まずはじめに、時刻ｔ＝０でのデータ部分および／または制御点ｍ（ｔ）のデータ部分について内部符号化手段１６によって生成され、連結性情報に関連付けられたスタティックコード化が符号化データストリーム１４に結合するように、制御手段５４がスイッチ２０を調整する。スタティックコード化は、例えば、ＭＰＥＧ−４からの３ＤＭＣである。データ部分のスタティックコード化の意味は、このデータ部分内のこの時間部分および／または制御点ｍ（ｔ＝０）の符号化を、分離したやり方で、すなわち、データストリーム内の他のデータに依存しないで符号化することであり、他のデータ部分の内容の認識とは無関係に、このデータ部分の復号化結果を得ることができる。

再現エラーを確定するために、制御装置５４は、差動器４６の出力にも接続している。

従って、スイッチ２０、４４および５２が上側のスイッチ位置にあるスイッチの位置は、予測を行わないので、エンコーダ１０の内部モードと呼ばれる。

対照として、相互モードの間のエンコーダ１０の機能について以下に説明する。このモードでは、スイッチ２０および５２が下側のスイッチの位置にあるように、すなわち、相互経路２２が出力１４に接続していて、メモリ５０の出力が差動器４６の反転入力に接続しているように、スイッチ２０および５２を制御装置５４で制御する。以下で説明するように、スイッチ４４の調整を運動ベクトル的に行うので、予測手段４２の出力または予測置き換えゼロとどちらかが差動器３０の反転入力に接続していることになる。

相互モードでは、さらに圧縮を行う。以下でより詳細に説明するように、まずはじめに、外部ループ２６による予測を行って、時間的冗長性を低減し、次に、内部ループ２８による時間的予測および／または空間的予測を行うことにより、時間的および／または空間的冗長性を低減する。

中央値フィルタリングを行う代わりに、平均化等を行うことも可能である。

前述の内部ループ２８が行う予測、すなわち、シフトベクトルを予測するとともに、シフトベクトル差ｅ（ｔ）をさらに処理することは、頂点自体のみを予測し、発生するシフトベクトルをさらに処理するという導入部分の説明で述べた方法とは、決定的な差があり、利点がある。

さらに、前述において、差動器３０の出力と加算器３２の入力との間のループ２８および２６を無視していた。この部分の意味について、以下に説明する。より正確に説明するには、２つの前の時刻、すなわち、ｍ_i（ｔ−１）およびｍ_i（ｔ−２）での前のシフトベクトルｄ_i（ｔ−１）および／または制御点に基づいて、予測手段４２は時間的予測だけを行うこと、すなわち、入力シフトベクトルｄ_i（ｔ）の予測を行うことを仮定している点を指摘しておく。

クラスタ生成手段３４は、時刻ｔで現在符号化されるメッシュのためのシフトベクトル差ｅ（ｔ）を受け取る。図３を参照して以下に機能をより詳細に説明するが、クラスタ生成手段３４は、例えば以下のオクトリーアルゴリズムに従って、類似の隣接シフトベクトル差の集約を行う。換言すれば、クラスタ生成手段３４は、シフトベクトル差ｅ（ｔ）を置換シフトベクトル差ｏ（ｔ）のセットと置換する。置換シフトベクトル差の数は、シフトベクトル差ｅ（ｔ）の数より小さい。その結果、送信される値の数が低減する。すなわち、個別のベクトル差の座標である。次に、置換シフトベクトル差ｏ（ｔ）をスケーリング／量子化手段３６でスケーリングして量子化することにより、量子化ベクトルｙ（ｔ）が得られる。これらを順に、符号化手段５６に供給し、以下により詳細に説明するように、算術的に符号化する。このようなやり方で符号化して圧縮した値ｙ（ｔ）を、出力１４で符号化データストリームに連結する。

手段４２で合成された空間的／時間的予測を用いる際に、ｅ（ｔ）のいくつかに対しては、同じメッシュの別のものと相対するものとしてのシフトベクトルｄに対応するプレディクタを全く求めなくてもよいことに留意されたい。この場合、シフトベクトルを実際のシフトベクトル差ｅのクラスタ化に組み込まない方が有利である。

分類情報を用いて、関連付けられた置換ベクトル差をそれぞれのグループのすべての頂点に関連付けることにより、手段４０は、もう一度ベクトルの数のデシメーションをキャンセルする。

前の記述は、２つの予測ループ２６および２８の機能記述に実質的に限定されていた。次に、量子化ベクトルｙ（ｔ）、より具体的には、これらの３Ｄベクトルの個別の成分ｘ、ｙ、ｚの算術符号化を行い、結局は置換シフトベクトル差の量子化を表す符号化手段５６の機能について、より詳細に説明する。

エントロピー符号化の特別な形態である算術符号化では、符号化されるソースアルファベットのキャラクタ、すなわち、ここでは符号化されるベクトルｙ（ｔ）の成分が、別々に発生する確率に関連付けられている。現在符号化されるキャラクタを符号化するには、現在の確率区間を、ソースアルファベットのすべてのキャラクタが発生する確率に従って細分し、次に、現在符号化されるキャラクタに対応する現在の確率区間の当該サブエリアに圧縮することにより、確率区間を更新する。この手順を、符号化される一連のキャラクタに繰り返す。この一連のキャラクタに対して最終的に出力する符号語が、得られる確率区間を表す。デコーダ側では、この手順を算術復号化でエミュレートする。すなわち、どのエリアを符号語が示しているのか調べるために、例えば、０から１のような最初の確率区間を、ソースアルファベットの発生確率に従って細分する。そして、確率区間をこのサブエリア等に更新する。次に用いられる２値算術符号化では、ソースアルファベットを、２つの考えられるバイナリ状態または０および１等の値に固定する。これは、以下で説明するように、ｙ（ｔ）成分が既に２値化されているからである。

この場合は、シフトベクトル差の確率統計で、ＣＡＢＡＣ（コンテクストベースの適応２値算術符号化）に従う算術符号化により、高い圧縮率になることが実現されている。ＣＡＢＡＣについては、例えば、Ｄ．マルペ（Ｍａｒｐｅ）、Ｈ．シュワルツ（Ｓｃｈｗａｒｚ）およびＴ．ウィーガンド（Ｗｉｅｇａｎｄ）著、「Ｈ．２６４／ＡＶＣビデオ圧縮規格におけるコンテクストベースの適応２値算術符号化（Ｃｏｎｔｅｘｔ−Ｂａｓｅｄ Ａｄａｐｔｉｖｅ Ｂｉｎａｒｙ Ａｒｉｔｈｍｅｔｉｃ Ｃｏｄｉｎｇ ｉｎ ｔｈｅ Ｈ．２６４ ／ ＡＶＣ Ｖｉｄｅｏ Ｃｏｍｐｒｅｓｓｉｏｎ Ｓｔａｎｄａｒｄ）」（招待論文）、（ビデオ技術のための回路およびシステムＩＥＥＥ会報１３巻、第７号、６２０〜６３６ページ、２００３年７月）に記載されている。クラスタ化低減ベクトルｙ（ｔ）または非クラスタ化運動ベクトルｄ（ｔ）に基づいてＣＡＢＡＣまたは２値算術符号化を用いることにより、より高いデータ圧縮となる。

次に、符号化手段５６の内部構成について説明する。まずはじめに、図４は、手段５６の大まかな構成を示す。図からわかるように、これは、直列の２値化手段１００と２値算術符号化手段１０２とから構成されている。２値化手段は、符号化される値ｙ（ｔ）を受け取って２値化する。値を２値化することは、非バイナリ値をバイナリ表現に変換することを示す。次に説明するように、本実施の形態による２値化手段は、２つの２値化方法の組み合わせ、すなわち、単項２値化を、厳密に言えば、切頭単項（ＴＵ）２値化およびｋ次指数ゴロム２値化を用いる。手段１００による２値化の結果は、置換シフトベクトル差ｙ（ｔ）の成分ｘ、ｙまたはｚ等の、符号化されるそれぞれの値を表す一連のビットである。

値の２値化の結果は、ビンチェーン、または一連の二者択一、またはビンと呼ばれる場合もある。２値化が、バイナリツリーにより２値化値をビンチェーンにマッピングすることであると考える場合は、この種の名称となる。バイナリツリーの葉が２値化される値のうちの可能な値を表し、ツリーのノードが二者択一を表し、それぞれノードから次のレベルへ行く個別の２つの分岐が、可能なバイナリ値０および１それぞれに関連付けられている。次に、２値化される値を、２値化される値に対応するそれぞれの葉へ向かうバイナリツリーのルートからの途中で得られる当該ビンチェーンまたはビン列にマッピングする。

２値化手段１００の機能を示す図５を参照して、手段１００が用いるＴＵ２値化およびｋ次指数ゴロム２値化の組み合わせについて、より詳細に説明する。図からわかるように、まずはじめに、２値化手段１００は、主プレフィクスを得るために、第１の２値化方法、ここでは単項２値化にしたがって、境界値ｓより小さい最小値と、２値化される値ｙ（ｔ）とを２値化する。値ｘの単項２値化により、ｘ−１で始まり、ゼロで終わる長さｘの符号語を生成する。ここでプレフィクスの２値化に用いられるＴＵ２値化は、厳密に言えば、ここではｓまたは１５に等しい境界値ｗを用いた単項２値化を表す。純粋単項２値化とは逆に、ｓ以上の値のＴＵ２値化では、終端ゼロを省略する。

次のステップ１２２では、２値化手段１００は、２値化される値ｙ（ｔ）が境界値ｓよりも大であるかどうかを検証し、そうでなければ、２値化手段１００は、この２値化される値ｙ（ｔ）のための２値化処理を終了する（１２４）。その結果、この場合、２値化結果は、プレフィクスだけを含む。そうでない場合、手段１００は、主サフィックスを得るために、ステップ１２６で第２の２値化方法、ここではｋ次指数ゴロム方法にしたがって、２値化される値ｙ（ｔ）と境界値ｓとの間の差を２値化する。

２値化結果および／またはビンチェーンを得るために、ステップ１２８で、主サフィックスを主プレフィクスに付加する。

図６は、ｋ＝０、ｓ＝１４の場合の、図５による２値化の一例の結果を示す。図６の表は、左列１４０に２値化される値のうちの可能な値を示し、２値化結果および／または対応するビットまたはビン列を右列の１４２に示す。図からわかるように、ビン列１４２は、１から１４の間の２値化される値のプレフィクスだけを含んでいる。

ｓより大きい２値化される値は、ＴＵプレフィクス１４４ばかりでなく、２値化される値ｂマイナスｓの０次指数ゴロム２値化を表すサフィックス１４５も含んでいる。破線１４６は、主サフィックス１４５自体が順に、破線１４６左までの副プレフィクスと、破線の右までの副サフィックスとを含んでいること示している。図６の表の最後のラインは、以下に説明するように、個別のビンとコンテクストモデルとの対応付けに関連するビン番号を表す。

図７に基づいて、２値化結果のビンの２値算術符号化を行う手段１０２の機能について説明する。次に、ステップ１６０で、このビンが主プレフィクスの一部かどうか、ビンチェーンのビンを引き続いて検証する。もしそうであれば、手段１０２は、ステップ１６２で、ビンの適応２値算術符号化を行う。このことは、確率区間を、ビンの値により、細分した確率区間を二等分したものの一方に更新するように、現在の確率区間の予備細分を行うビンまたはビットに、可変確率評価を行うことを意味している。ここで、現在のビンの値にしたがって、次のビンに対する確率評価を更新する。ここで、ＣＡＢＡＣの場合のように、ステップ１６２で、コンテクスト依存の適応２値算術符号化を行うことも可能である。この場合、手段１０２は、主プレフィクスのすべてのビンまたはビット位置に対し、同じ確率評価を行わないが、例えば、それ自体が持つ適応確率評価がそれぞれ関連付けられた各種のコンテクストモデルを、個別のビン位置に割り当てる。

ステップ１６０の検証が否定的な場合、ステップ１６２で、ビンが主サフィックスの一部であるかどうか検証する。副情報伝送によるためではないが、エンコーダ５６に量子化置換シフトベクトル差しか供給されていない場合は、このステップを省略することもある。ステップ１６４の検証が肯定的な場合、手段１０２は、ステップ１６６で、静的確率評価によって、すなわち、ビンが固定確率ｐを有する値１と、固定確率１−ｐを有するバイナリ値０とを有するかに基づく確率評価によって、現在のビンの２値算術符号化を行う。ここで、好ましくは、ｐ＝０．５である適応確率推定値またはコンテクストモデルの管理を全く必要としないので、主サフィックスのビンに統計確率評価を行うことにより、計算量が大幅に低減する。

適応２値算術符号化方法と、さらに符号化されるシンボルの確率のコンテクスト依存モデリングを前述のように組み合わせることにより、上述の算術符号化方法は、符号化される信号統計データに対する高度な適応性が得られ、エントロピー符号化を行う非常に効果的な方法を示す。大幅な圧縮向上が得られる。さらに、特に、乗算を行うことなく、区間の更新および確率評価の更新を表ベースのやり方で、ＣＡＢＡＣを用いて実施する場合は、上述のやり方に基づく算術符号化は、複雑さが低いので、ハードウェアおよびソフトウェアに統合するのに適している。

特に、上述のアルゴリズムに従って、類似の隣接シフトベクトル差を集約することで展開するように、前述のＴＵおよびｋ次指数ゴロム２値化の組み合わせにより、互いに比較的強く逸脱している任意の振幅の量子化置換シフトベクトル差を効率的に表現することが可能になる。符号化される値の全体に基づいて、バイナリ表現の単項部の最適長さｓとともに、用いられるゴロムコードの次数ｋを求める。２値化ビンシーケンスの２値算術符号化のためのいくつかのコンテクストモデルを用いることにより、信号統計データに対しより良い適応が行われる。

算術符号化について、以下に指摘する。もちろん、符号語生成と、各メッシュに対する再度の適応を行うことが可能である。しかしながら、既に述べたように、類似の隣接シフトベクトル差をクラスタに集約することにより、伝達する値ｙ（ｔ）の数が低減される。ここで、２つの連続３Ｄメッシュ間にこの符号化に適した度数分布が全く生成されないので、上述の算術符号化方法による算術符号化の適正に関して符号化されるシンボル分布がもはや最適でないほど、数が小さくなっている。従って、効率的算術符号化を行うのに、連続３Ｄ形状のシーケンスの予測したシフトベクトルが、共通符号語を求める、すなわち、連続区間細分および（コンテクスト）適応を有する、いわゆるメッシュグループ、またはデータ部分のグループに集約されている場合もある。従って、個別のメッシュの別々のフレーム毎の符号化またはメッシュ毎の符号化と逆に、全グループのシフトベクトル差が等差級数的に普通に符号化される。要約すると、より適したシンボル周波数または分布関数が生成される。

図８を参照して、完全を期すために、図１のエンコーダが生成する符号化データストリームを復号化するのに適したデコーダの構成について説明する。図８のデコーダを、全体として２００で表す。その構成は基本的に、出力１４からメッシュメモリ５０に延びるエンコーダ１０の構成部分に対応する。違いは、もちろん、算術符号化が算術復号化に変わっていることである。それに対応して、デコーダ２００は、内部復号化経路２０４に接続された初期デコーダまたは内部デコーダ２０２を含み、内部複合化経路２０４は、符号化データストリーム受信用入力２１０と、復号化データストリームまたは再生データストリーム出力用出力２１２との間の入力側スイッチ２０６および出力側スイッチ２０８に延びている。

内部復号化経路２０４から離れて、入力２１０からスイッチ２０８へ延びる相互復号化経路２１４があり、手段５６の符号化と逆の算術符号化を行う算術復号化手段２１６と、逆スケーリング手段２１８と、クラスタ分割手段２２０と、コンバイナまたは加算器２２２と、コンバイナまたは加算器２２４とが直列に接続されている。構成要素２１８〜２２４は、機能および必須のタスクにおいてエンコーダ１０の構成要素３８、４０、３２および４８に対応している。それに対応して、デコーダ２００は、時間的／位置的予測手段２２６を含んでいて、その入力が、加算器２２２の出力と加算器２２４の入力との間に接続され、その出力が、スイッチ２２８を介して加算器２２２の入力に接続されている。スイッチ２２８は、図１のスイッチ４４に対応し、予測手段２２６の出力または加算器２２２の入力への置換予測値としての論理ゼロを切り換える。加算器２２２のもう一方の入力は、クラスタ分割手段２２０の出力に接続されている。同様に、デコーダ２００は、メッシュメモリ２３０を含んでいて、その入力は、加算器２２４の出力に接続されていて、その出力は、スイッチ５２に対応するスイッチ２３２を介して加算器２２４の入力に接続されている。スイッチ２３２は、ゼロの予測置き換え値、またはメッシュメモリ２３０の出力信号を加算器２２４の入力に入力するように構成されている。図１で説明したものに対応するやり方で、デコーダ内の内部および相互モードを調整するように、図８に図示しない制御手段が、スイッチ２０６、２０８、２２８および２３２を制御し、スイッチ２０６および２０８が常に同期して動作する。

デコーダ２００の機能は、図１の前の説明から得られ、この理由から、次にもう一度概要だけを簡単に説明する。復号化されるデータストリームが入力２１０に入力した場合、まずはじめに、内部モードになっているので、内部復号化手段２０２は、第１のデータ部分またはメッシュの復号化を行う。再生／復号化データストリームの一部として、結果をスイッチ２０８を介して出力２１２に出力する。わかりやすくするために図８に図示しないが、内部モード間の図１のエンコーダの手段３４および３６の直列接続に対応する直列接続を介して、復号化の結果を逆スケーリング手段２１８の入力に送る。これにより、内部モードでメッシュの再現が得られ、これをメッシュメモリ２３０に入力する。ここで、スイッチ２２８および２３２を両方とも、ゼロの置換プレディクタ信号に切り換える。

次のデータ部分の復号化は、相互復号化経路２１４を介して既に行われている。受け取って、算術符号化し、量子化した置換シフトベクトル差に対し、復号化手段２１６で算術復号化を行う。より具体的には、主プレフィクスまたは主サフィックスの連携による、用いられる適応または静的確率評価に従って現在の確率区間を分割し、符号化データストリームの受け取った符号語が、発生する上半分または下半分等にあるかどうかを調べる手段２１６により、デコーダ２１６が、符号化値ｙ（ｔ）に対しビン毎にビン列を求める。このように、手段２１６が、復号化される値ｙ（ｔ）を２値化したものを得て、次に逆にして、すなわち２値化から非２値化表現の値を求める。結果は、エンコーダ１０の手段５６に供給したような、値ｙ（ｔ）である。

前の記述を参照して、以下のことを指摘しておく。本発明は、ポリゴンメッシュパラメータ化の背景についてだけ説明してきたが、本発明は、他のパラメータ化に対しても適用可能である。例えば、頂点が制御点として作用する関数として、表面の一区画毎、または全体としてパラメータ化することで、スプラインパラメータ化により３Ｄグラフィックモデルを定義する。最も良く知られている形式の１つは、３次Ｂスプライン等の、低次多項式を用いるスプラインによる記述である。

本発明を適用可能な別の考えられるパラメータ化の形式は、スライスパラメータ化またはスライス表現にある。これは、特に、コンピュータ断層撮影法に応用されている表面記述の形式である。これは、３Ｄ空間内のその位置がわかっている一連の２Ｄ断面領域で展開する。これらの断面領域の輪郭が、多角形またはパラメータ化関数により、３Ｄオブジェクトに結び付けられている。

パラメータ化の別の形式は、いわゆる点群である。ここで、制御点を球または楕円体等の単純な幾何学的３Ｄ体に拡張することにより、表面記述を生成する。これらの幾何学的立体に接して、貫通することにより、グラフィックモデルの閉じた表面を形成する。

ボクセルモデルパラメータ化により、連結性のない特別な種類の３Ｄ記述を形成する。ここで、実施の形態により、大きさが同じだったり異なっていたりする立方体または立方体に近い形を、幾何学的立体として用いる。幾何学的立体の位置を、制御点により求める。

スケルトンモデルパラメータ化では、制御点を３Ｄモデルのスケルトンを記述する多数の１次元パラメータ化関数の支持位置として用いる。次に、モデルの表面を、例えば、円柱、楕円体、またはブロブのように、スケルトン関数により放射状に拡張するように展開する。

最後に、幾何学的プリミティブを用いるパラメータ化の形式がまだ１つある。ここでは、３Ｄグラフィックまたはオブジェクトを、単純な、いわゆる幾何学的プリミティブ、またはいくつかのプリミティブを統合したものとして表現する。プリミティブは、球、円錐、角錐、切頭円錐、切頭角錐、円柱、角柱、矩形ブロック、楕円体、または平行六面体であってもよく、場所とその位置を、制御点で示す。

前述のように、用いられるパラメータ化により、空間予測で現在符号化される頂点の空間近傍を求めるやり方は変わる場合もある。

時間的に連続するメッシュの運動またはシフトベクトルを求めた前述の外部ループ、および時間的にまたは空間的に隣接するシフトベクトル間の差の生成に用いた内部ループでは、手段３６でスケーリングを行った。このスケーリングを省略する場合もあるので、ブロック３８および／または２１８を省くこともある。さらに、本発明を考察することにより、一般化することは、当業者にとって確かに明らかであり、上記の特定の実施の形態に限定されたものと理解されるべきではない。

従って、上記の実施の形態は、時間的に変わる３Ｄコンピュータグラフィックモデルの符号化および復号化を行う方法および構成を説明したものであり、符号化および復号化は、運動補償、量子化および算術符号化とともに、対応するコンピュータプログラムと、コンピュータプログラムが実行可能なやり方で記憶されているコンピュータ読み取り可能媒体とを含んでいる。

特に、上記の実施の形態は、静的モデルおよび動的モデル（トポロジ変化のあるものとないもの）を同じように処理できる、３Ｄメッシュの内部−相互符号化を行う完全なシステムについて説明している。固定数または可変数の符号化メッシュの後で内部モードに切り換えることが可能である。連続した時刻において３Ｄメッシュの頂点の間で、シフトベクトルの予測が行われる。３Ｄメッシュのシフトベクトルおよびシフトベクトル差の算術符号化を行うＣＡＢＡＣの適応および最適化を、時刻ごとに別々に、またはメッシュグループの多数の連続した時刻にまとめて用いることにより、圧縮率をさらに高めることが可能になる。エンコーダに中央値プレディクタまたは共通グループプレディクタにより、デコーダに副情報がある場合やない場合で、１つ以上の頂点の１つ以上のシフトベクトルを成分毎に予測を行うこともできる。空間的、時間的に前に符号化した頂点のシフトベクトルを用いることにより、中央値プレディクタに対応する副情報を生成して、オプションとして送信することもできる。同様に、符号化されるシフトベクトルまたは頂点のグループの共通プレディクタを生成して送信することも可能である。符号化される頂点のもともとのシフトベクトルと、対応する予測したシフトベクトルそれぞれとの間で、成分毎にシフトベクトル差を量子化することにより、さらに簡単に圧縮可能な小さな値にすることが可能である。符号化される頂点のもともとのシフトベクトルと、対応する予測したシフトベクトルそれぞれとの間の量子化または非量子化シフトベクトル差のエントロピー復号化を行うことにより、さらに圧縮を行う。デコーダ側で、デコーダで算出した中央値プレディクタまたはグループプレディクタと、復号化シフトベクトル差とを加算することにより、符号化した頂点の復号化を行う。上述のように、対応するエントロピー復号化のように、加算する際に、コンテクスト適応算術エンコーダを用いたエントロピー符号化を行ってもよい。上述のように、空間的、時間的に前に符号化した頂点のシフトベクトルと、これらの頂点の位置とを用いて、コーダおよびデコーダでコンテクスト算出を行うことが可能である。

最後に、条件によるが、本発明の符号化方法を、ソフトウェアで実施することもできることを指摘しておく。対応する方法を実行するプログラム可能コンピュータシステムと協働可能な、デジタル記憶媒体、特に電気的に読み取り可能な制御信号を格納したフレキシブルディスクまたはＣＤにより、実施することもできる。一般に、コンピュータプログラム製品をコンピュータ上で実行する場合は、本発明は、本発明による方法を実行する、機械読み取り可能キャリアに格納したプログラムコードを有するコンピュータプログラム製品にある。換言すれば、本発明は、コンピュータプログラムをコンピュータ上で実行する場合、本発明の方法を実行するプログラムコードを有するコンピュータプログラムとして実施することもできる。

特に、フローチャートのブロック、または手段ブロックの上記の方法ステップを、サブプログラムルーチンで、個別にまたはいくつかのものを実施してもよい。あるいは、これらのブロックを、もちろんＡＳＩＣの個別の部分として実施することもできる。

本発明の一実施の形態によるエンコーダを示すブロック回路図である。 ポリゴンメッシュを示す概略図である。 図１のクラスタ生成手段を示すブロック回路図である。 図１の算術符号器を示す概略ブロック回路図である。 図４の２値化手段の機能を説明するフローチャートである。 図５による２値化結果の一例を説明する表である。 図４の２値算術符号化手段の機能を説明するフローチャートである。 本発明の一実施の形態による、図１のエンコーダが生成するデータストリームを復号化するのに適したデコーダを示すブロック回路図である。

Claims (21)

1. 
2. 
3. 現在符号化される前記第１のデータ部分の座標データ（ｍ（ｔ））と、前記第２のデータ部分の座標データ（ｍ（ｔ−１））との間に、一意的な関連付けがあるかどうかを検証し、そうでなければ、現在符号化される前記データ部分の座標データ（ｍ（ｔ））を予測を行わずにすぐに符号化し（１６）、前記第１のデータ部分の前のデータ部分の座標データに基づかないで、前記第１のデータ部分に続くデータ部分の座標データ（ｍ（ｔ＋１））の予測を行う手段（５４）をさらに備える、請求項２に記載の装置。
4. 予測のための前記第２の手段（２４）は、前記第２のデータ部分のための予測エラーベクトル（ｄ（ｔ−１））に基づいて、前記第１のデータ部分のための前記予測エラーベクトル（ｄ（ｔ））を予測するように構成され、比較のための前記第２の手段（３０）は、前記第１のデータ部分の座標データ（ｍ（ｔ））と、前記第２のデータ部分の座標データ（ｍ（ｔ−１））との間の一意的な関連付けにより、前記第１のデータ部分のための前記予測エラーベクトル（ｄ（ｔ））に割り当てられている前記第２のデータ部分のためのこれらの予測エラーベクトル（ｄ（ｔ−１））の比較を行うように構成される、請求項２または請求項３に記載の装置。
5. 予測のための前記第２の手段（２４）は、前記第１のデータ部分のための既に得られている予測エラーベクトル（ｄ（ｔ））に基づいて、現在符号化される第１のデータ部分の前記予測エラーベクトル（ｄ（ｔ））の一部の予測を行うように構成される、請求項１ないし請求項４のいずれかに記載の装置。
6. 
7. 前記第１のデータ部分のための予測エラーベクトルのうち、所定の予測エラーベクトル（ｄ_i（ｔ））に１つより多いプレディクタがある場合、予測のための前記第２の手段（２４）が、これらのプレディクタの中央値に基づいて、所定の予測エラーベクトルの予測を行うように構成される、請求項１ないし請求項６のいずれかに記載の装置。
8. 前記予測エラーベクトル（ｄ（ｔ））が所定の基準に反しているかどうかを検証する手段（５４）をさらに備え、その場合、予測を行わずにすぐに、前記第１のデータ部分の座標データ（ｍ（ｔ））を符号化し（１６）、前記第１のデータ部分の前のデータ部分の座標データに基づかないで、予測する前記第１のデータ部分に続くデータ部分の座標データの予測を行う、請求項１ないし請求項７のいずれかに記載の装置。
9. 符号化するための手段（５６）が、予測エラーベクトル差（ｅ（ｔ））を量子化する手段（３６）を備える、請求項１ないし請求項８のいずれかに記載の装置。
10. 符号化するための手段（５６）が、多数の予測エラーベクトル差を除去する手段（３４）を備え、前記手段（３４）は、
    （ａ）それぞれの予測エラーベクトル差を求めた予測エラーベクトルが得られた座標情報、または前記データストリームの近傍情報に基づいて、前記予測エラーベクトル差をグループに分類し（８０）、
    （ｂ）予測エラーベクトル差のグループ毎の置換予測エラーベクトル差を求め（８２）、
    （ｃ）前記置換予測エラーベクトル差に対するグループの前記予測エラーベクトル差のずれが、所定の閾値を超えているかどうかをグループ毎に検証し（８４）、
    （ｄ）その場合、グループ毎に、前記測定（ａ）〜（ｃ）をそれぞれのグループで繰り返し（８６）、
    （ｅ）前記予測エラーベクトル差として用いるために、各グループの予測エラーベクトル差を置換予測エラーベクトル差と置換し（８８）、前記ステップ（ａ）の分類の結果を符号化データストリームに導入することにより多数の予測エラーベクトル差を除去する、請求項１または請求項９のいずれかに記載の装置。
11. 前記予測エラーベクトル差を符号化する手段（５６）が、
    主プレフィクス（１４４）を得るために、第１の２値化方法にしたがって、前記予測エラーベクトル差の最小値および所定の境界値（ｓ）を２値化する手段（１２０）と、
    所定の予測エラーベクトル差が前記境界値（ｓ）より大きい場合（１２２）、主サフィックス（１４５）を得るために、前記第１の２値化方法と異なる第２の２値化方法にしたがって、所定の予測エラーベクトル差マイナス所定の境界値（ｓ）の差を２値化し（１２６）、前記主サフィックス（１４５）を前記主プレフィクス（１４４）に付加する（１２８）手段と、
    前記主プレフィクスまたは前記主プレフィクスと前記主サフィックスとから構成される符号語で各ビットを２値算術符号化する手段（１０２）とを備え、手段（１０２）が、
    前記符号語のビットが前記主プレフィクス（１４４）、（１６０）の一部の場合は、順応して変わるビット値確率評価により前記ビットの２値算術符号化（１６２）を行い、
    前記符号語のビットが、前記主サフィックス（１４５）、（１６２）の一部の場合は、静的ビット値確率評価により前記ビットの２値算術符号化（１６６）を行う、請求項１ないし請求項１０のいずれかに記載の装置。
12. 
13. 
14. 予測のための前記第２の手段（２２６）が、前記第１のデータ部分のための既に得られている予測エラーベクトル（ｄ（ｔ））に基づいて、現在復号化される前記第１のデータ部分のための前記予測エラーベクトル（ｄ（ｔ））の一部に予測を行うように構成されている、請求項１２または請求項１３に記載の装置。
15. 
16. 前記第１のデータ部分のための前記予測エラーベクトルのうち、所定の予測エラーベクトルに１つより多いプレディクタがある場合は、予測のための第１の手段（２２６）が、これらのプレディクタの中央値に基づいて、所定の予測エラーベクトルの予測を行うように構成されている、請求項１２ないし請求項１５のいずれかに記載の装置。
17. 符号化のための手段（５６）が、
    （ａ）前記符号化データストリームの分類情報にしたがって、前記予測エラーベクトル差を置換予測エラーベクトル差としてグループに割り当て、
    （ｂ）これらを前記予測エラーベクトル差として用いるように、各予測エラーベクトル差を同一の予測エラーベクトル差のグループと置換する（８８）ことにより、
    予測エラーベクトル差の数を拡張する手段（３４）を備える、請求項１２ないし請求項１６のいずれかに記載の装置。
18. ビット毎に前記符号化データストリームに２値化することを表す符号語の符号化ビットにより、所定の予測エラーベクトル差を、前記符号化データストリームに符号化する装置であって、前記符号語が、第１の２値化方法にしたがって、所定の予測エラーベクトル差の最小値の２値化を表す主プレフィクスと、所定の予測エラーベクトル差が所定の境界値より大きい場合は、前記第１の２値化方法と異なる第２の２値化方法にしたがって、所定の予測エラーベクトル差マイナス所定の境界値の差の２値化を表す主サフィックスとを含み、前記符号化データストリームを処理する手段（２１６）が、
    前記符号語のビット毎に、
    前記符号語を得るために、
    前記符号語のビットが前記主プレフィクスの一部である場合は、順応して変わるビット値確率評価により、前記ビットの２値算術復号化を行い、前記符号語のビットが前記主サフィックスの一部である場合は、スタティックビット値確率評価により、前記ビットの２値算術復号化を行なう手段と、
    前記主プレフィクスから最小値を抽出する手段と、
    前記最小値が所定の境界値より小さい場合は、所定の予測エラーベクトル差を得るために、前記主サフィックスから差を抽出して、前記所定の境界値の差を加算し、そうでない場合は、前記最小値を前記予測エラーベクトル差と見なす手段とを備える、請求項１２ないし請求項１７のいずれかに記載の装置。
19. 
20. 
21. 前記コンピュータプログラムをコンピュータ上で実行する場合、請求項１９または請求項２０に記載の方法を実行するプログラムコードを有する、コンピュータプログラム。

Images