JP2022087865A - Image decoder and image encoder - Google Patents
Image decoder and image encoder Download PDFInfo
- Publication number
- JP2022087865A JP2022087865A JP2020199967A JP2020199967A JP2022087865A JP 2022087865 A JP2022087865 A JP 2022087865A JP 2020199967 A JP2020199967 A JP 2020199967A JP 2020199967 A JP2020199967 A JP 2020199967A JP 2022087865 A JP2022087865 A JP 2022087865A
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- unit
- nnmvp
- motion vector
- merge
- 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
Images
Abstract
Description
本発明の実施形態は、画像復号装置及び画像符号化装置に関する。 Embodiments of the present invention relate to an image decoding device and an image coding device.
画像を効率的に伝送又は記録するために、画像を符号化することによって符号化データを生成する画像符号化装置、及び、当該符号化データを復号することによって復号画像を生成する画像復号装置が用いられている。 In order to efficiently transmit or record an image, an image coding device that generates coded data by encoding the image and an image decoding device that generates a decoded image by decoding the coded data are used. It is used.
具体的な画像符号化方式としては、例えば、H.264/AVCやHEVC（High-Efficiency Video
Coding）方式等が挙げられる。
Specific image coding methods include, for example, H.264 / AVC and HEVC (High-Efficiency Video).
Coding) method and the like.
このような画像符号化方式においては、画像を構成する画像（ピクチャ）は、画像を分割することにより得られるスライス、スライスを分割することにより得られる符号化ツリーユニット（CTU：Coding Tree Unit）、符号化ツリーユニットを分割することで得られる符号化単位（符号化ユニット（Coding Unit：CU）と呼ばれることもある）、及び、符号化単位を分割することより得られる変換ユニット（TU：Transform Unit）からなる階層構造により管理され、CU毎に符号化／復号される。 In such an image coding method, the image (picture) constituting the image is a slice obtained by dividing the image, a coding tree unit (CTU: Coding Tree Unit) obtained by dividing the slice, and the like. A coding unit (sometimes called a Coding Unit (CU)) obtained by dividing a coding tree unit, and a transformation unit (TU: Transform Unit) obtained by dividing a coding unit. ) Is managed by a hierarchical structure, and is encoded / decoded for each CU.
また、このような画像符号化方式においては、通常、入力画像を符号化／復号することによって得られる局所復号画像に基づいて予測画像が生成され、当該予測画像を入力画像（原画像）から減算して得られる予測誤差（「差分画像」又は「残差画像」と呼ぶこともある）が符号化される。予測画像の生成方法としては、画面間予測（インター予測）、及び、画面内予測（イントラ予測）が挙げられる。 Further, in such an image coding method, a predicted image is usually generated based on a locally decoded image obtained by encoding / decoding an input image, and the predicted image is subtracted from the input image (original image). The prediction error (sometimes referred to as a "difference image" or "residual image") thus obtained is encoded. Examples of the method for generating the predicted image include inter-screen prediction (inter-prediction) and in-screen prediction (intra-prediction).
また、近年の動画像符号化及び復号の技術として非特許文献１が挙げられる。
Further, Non-Patent
しかしながら、非特許文献１に記載したマージ予測モードでは、利用可能な参照ブロックの動きベクトルを1つ選んで、あるいは２つの動きベクトルを平均して動きベクトルを
導出する。これらの導出方法は単純で、予測する符号化ユニットの周囲の動きの分布から得られる情報を用いておらず、実際の動きに十分対応できていない。また、非特許文献１のアフィンモードは、３点もしくは２点のキーポイントにおける動きベクトルを利用して、回転および拡大を含む動きを予測可能としているが、アフィンモデルに合致しない場合において、好ましい動きベクトルを算出できない。
However, in the merge prediction mode described in Non-Patent
そこで、本発明の一態様は、上記の課題に鑑みてなされたものであり、その目的は、複雑かつ汎用性のある関数を実現可能なニューラルネットワークを用いて、周囲にある複数の動きベクトルから対象ブロックの動きベクトルを予測することである。これにより正確な予測画像を作成し、符号化効率を向上させることができる動画像復号装置および動画像符号化装置を提供することにある。 Therefore, one aspect of the present invention has been made in view of the above problems, and an object thereof is to use a neural network capable of realizing a complicated and versatile function from a plurality of motion vectors in the surroundings. It is to predict the motion vector of the target block. It is an object of the present invention to provide a moving image decoding device and a moving image coding device capable of creating an accurate predicted image and improving the coding efficiency.
本発明の一態様に係るマージ予測パラメータ導出部、及びAMVP予測パラメータ導出部において、対象ブロックの隣接ブロックの動きベクトルをもとに、対象ブロックのニューラルネットワーク動きベクトル（NNMVP）候補を導出するNNMVP候補導出部と、導出したNNMVP候補を格納する格納部とを備え、前記NNMVP候補導出部は、対象ブロックの空間隣接ブロック、及び時間隣接ブロックの動きベクトル情報をニューラルネットワークの入力情報として、ニューラルネットワーク処理によりNN動きベクトル出力し、利用することを特徴とする。 In the merge prediction parameter derivation unit and the AMVP prediction parameter derivation unit according to one aspect of the present invention, the NNMVP candidate for deriving the neural network motion vector (NNMVP) candidate of the target block based on the motion vector of the adjacent block of the target block. The NNMVP candidate derivation unit includes a derivation unit and a storage unit for storing the derived NNMVP candidates, and the NNMVP candidate derivation unit processes the neural network using the motion vector information of the spatially adjacent blocks and the temporally adjacent blocks of the target block as input information of the neural network. The feature is that the NN motion vector is output and used.
本発明の構成によれば、動きベクトルに加えて参照ピクチャの位置に関する情報もニューラルネットワークに入力し、予測ベクトル候補を導出することにより、参照ピクチャの位置を利用したより高精度な動きベクトルを導出する効果を奏する。 According to the configuration of the present invention, information on the position of the reference picture is input to the neural network in addition to the motion vector, and the prediction vector candidate is derived to derive a more accurate motion vector using the position of the reference picture. Has the effect of
以下、図面を参照しながら本発明の実施形態について説明する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings.
図1は、本実施形態に係る画像伝送システム１の構成を示す概略図である。
FIG. 1 is a schematic diagram showing a configuration of an
画像伝送システム１は、符号化対象画像を符号化した符号化ストリームを伝送し、伝送された符号化ストリームを復号し画像を表示するシステムである。画像伝送システム１は、動画像符号化装置（画像符号化装置）11、ネットワーク21、動画像復号装置（画像復号装置）31、及び画像表示装置（画像表示装置）41を含んで構成される。
The
動画像符号化装置11には画像Tが入力される。
The image T is input to the moving
ネットワーク21は、動画像符号化装置11が生成した符号化ストリームTeを動画像復号装置31に伝送する。ネットワーク21は、インターネット（Internet）、広域ネットワーク（WAN:Wide Area Network）、小規模ネットワーク（LAN:Local Area Network）又はこれらの組み合わせである。ネットワーク21は、必ずしも双方向の通信網に限らず、地上デジタル放送、衛星放送等の放送波を伝送する一方向の通信網であってもよい。また、ネットワーク21は、DVD（Digital Versatile Disc:登録商標）、BD（Blue-ray Disc:登録商標）等の符号化ストリームTeを記録した記憶媒体で代替されてもよい。
The
動画像復号装置31は、ネットワーク21が伝送した符号化ストリームTeのそれぞれを復号し、復号した１又は複数の復号画像Tdを生成する。
The moving
画像表示装置41は、動画像復号装置31が生成した１又は複数の復号画像Tdの全部又は一部を表示する。画像表示装置41は、例えば、液晶ディスプレイ、有機ＥＬ（Electro-luminescence）ディスプレイ等の表示デバイスを備える。ディスプレイの形態としては、据え置き、モバイル、HMD等が挙げられる。また、動画像復号装置31が高い処理能力を有する場合には、画質の高い画像を表示し、より低い処理能力しか有しない場合には、高い処理能力、表示能力を必要としない画像を表示する。
The
＜演算子＞
本明細書で用いる演算子を以下に記載する。
<Operator>
The operators used herein are described below.
>>は右ビットシフト、<<は左ビットシフト、&はビットワイズAND、|はビットワイズOR
、|=はOR代入演算子であり、||は論理和を示す。
>> is right bit shift, << is left bit shift, & is bitwise AND, | is bitwise OR
, | = Is the OR assignment operator, and || indicates the OR.
x?y:zは、xが真（0以外）の場合にy、xが偽（0）の場合にzをとる３項演算子である。 x? y: z is a ternary operator that takes y when x is true (other than 0) and z when x is false (0).
Clip3(a,b,c)は、cをa以上b以下の値にクリップする関数であり、c<aの場合にはaを返
し、c>bの場合にはbを返し、その他の場合にはcを返す関数である（ただし、a<=b）。
Clip3 (a, b, c) is a function that clips c to a value greater than or equal to a and less than or equal to b. Is a function that returns c (where a <= b).
abs(a)はaの絶対値を返す関数である。 abs (a) is a function that returns the absolute value of a.
Int(a)はaの整数値を返す関数である。 Int (a) is a function that returns an integer value of a.
floor(a)はa以下の最小の整数を返す関数である。 floor (a) is a function that returns the smallest integer less than or equal to a.
ceil(a)はa以上の最大の整数を返す関数である。 ceil (a) is a function that returns the largest integer greater than or equal to a.
a/dはdによるaの除算（小数点以下切り捨て）を表す。 a / d represents the division of a by d (rounded down to the nearest whole number).
＜符号化ストリームTeの構造＞
本実施形態に係る動画像符号化装置11及び動画像復号装置31の詳細な説明に先立って、動画像符号化装置11によって生成され、動画像復号装置31によって復号される符号化ストリームTeのデータ構造について説明する。
<Structure of coded stream Te>
Prior to the detailed description of the moving
図4は、符号化ストリームTeにおけるデータの階層構造を示す図である。符号化ストリ
ームTeは、例示的に、シーケンス、及びシーケンスを構成する複数のピクチャを含む。図4には、それぞれ、シーケンスSEQを既定する符号化ビデオシーケンス、ピクチャPICTを規定する符号化ピクチャ、スライスSを規定する符号化スライス、スライスデータを規定す
る符号化スライスデータ、符号化スライスデータに含まれる符号化ツリーユニット、符号化ツリーユニットに含まれる符号化ユニットを示す図が示されている。
FIG. 4 is a diagram showing a hierarchical structure of data in the coded stream Te. The coded stream Te typically includes a sequence and a plurality of pictures constituting the sequence. In FIG. 4, the coded video sequence that defines the sequence SEQ, the coded picture that defines the picture PICT, the coded slice that defines the slice S, the coded slice data that defines the slice data, and the coded slice data, respectively. A diagram showing a coded tree unit included and a coded unit included in the coded tree unit is shown.
（符号化ビデオシーケンス）
符号化ビデオシーケンスでは、処理対象のシーケンスSEQを復号するために動画像復号
装置31が参照するデータの集合が規定されている。シーケンスSEQは、図4の符号化ビデオシーケンスに示すように、ビデオパラメータセット（Video Parameter Set）、シーケン
スパラメータセットSPS（Sequence Parameter Set）、ピクチャパラメータセットPPS（Picture Parameter Set）、ピクチャPICT、及び、付加拡張情報SEI（Supplemental Enhancement Information）を含んでいる。
(Coded video sequence)
The coded video sequence defines a set of data that the moving
ビデオパラメータセットVPSは、複数のレイヤから構成されている画像において、複数
の画像に共通する符号化パラメータの集合及び画像に含まれる複数のレイヤ及び個々のレイヤに関連する符号化パラメータの集合が規定されている。
The video parameter set VPS defines a set of coding parameters common to a plurality of images and a set of coding parameters related to the multiple layers included in the image and each layer in an image composed of a plurality of layers. Has been done.
シーケンスパラメータセットSPSでは、対象シーケンスを復号するために動画像復号装
置31が参照する符号化パラメータの集合が規定されている。例えば、ピクチャの幅や高さが規定される。なお、SPSは複数存在してもよい。その場合、PPSから複数のSPSの何れか
を選択する。
The sequence parameter set SPS defines a set of coding parameters that the moving
本発明では、図27のSPSに示す、符号化データがNNMVPモード(Neural Network Motion Vector Prediction)を利用するか否かを示すフラグ(sps_nnmvp_enabled_flag)が通知され
る。sps_nnmvp_enabled_flagが0の場合、NNMVPモードは使用されない。sps_nnmvp_enabled_flagが1の場合、NNMVPモードが使用される。ここで、NNMVPモードとは、インター予測の動きベクトル予測において、ニューラルネットワーク処理を用いたマージ予測モードもしくはAMVP予測モードである。具体的には、対象ブロックの周囲に位置する予め定められた複数の動きベクトル、または参照ピクチャ情報（refIdx、POC）を入力し、少なくとも動きベクトルを含む予測パラメータを導出する処理が含まれる。なお、ニューラルネットワーク処理とは、動きベクトルをスタックして入力し、入力信号と重みとの積和にバイアスを加算した線形演算する処理と、線形演算の結果を非線形関数によって変換する処理を複数回行う処理を含む。
In the present invention, a flag (sps_nnmvp_enabled_flag) indicating whether or not the coded data uses the NNMVP mode (Neural Network Motion Vector Prediction) shown in the SPS of FIG. 27 is notified. If sps_nnmvp_enabled_flag is 0, NNMVP mode is not used. If sps_nnmvp_enabled_flag is 1, NNMVP mode is used. Here, the NNMVP mode is a merge prediction mode or an AMVP prediction mode using neural network processing in the motion vector prediction of inter-prediction. Specifically, it includes a process of inputting a plurality of predetermined motion vectors located around the target block or reference picture information (refIdx, POC) and deriving a prediction parameter including at least the motion vector. The neural network process is a process of stacking motion vectors and inputting them, and performing a linear operation by adding a bias to the sum of products of input signals and weights, and a process of converting the result of the linear operation by a nonlinear function multiple times. Includes processing to be performed.
ピクチャパラメータセットPPSでは、対象シーケンス内の各ピクチャを復号するために
動画像復号装置31が参照する符号化パラメータの集合が規定されている。例えば、ピクチャの復号に用いられる量子化幅の基準値（pic_init_qp_minus26）や重み付き予測の適用を示すフラグ（weighted_pred_flag）及びスケーリングリスト（量子化マトリックス）が含まれる。なお、PPSは複数存在してもよい。その場合、対象シーケンス内の各ピクチャから複数のPPSの何れかを選択する。
The picture parameter set PPS defines a set of coding parameters that the moving
（符号化ピクチャ）
符号化ピクチャでは、処理対象のピクチャPICTを復号するために動画像復号装置31が参照するデータの集合が規定されている。ピクチャPICTは、図4の符号化ピクチャに示すよ
うに、スライス0～スライスNS-1を含む（NSはピクチャPICTに含まれるスライスの総数）
。
(Encoded picture)
The coded picture defines a set of data referred to by the moving
..
なお、以下、スライス0～スライスNS-1のそれぞれを区別する必要が無い場合、符号の
添え字を省略して記述することがある。また、以下に説明する符号化ストリームTeに含まれるデータであって、添え字を付している他のデータについても同様である。
In the following, when it is not necessary to distinguish between
（符号化スライス）
符号化スライスでは、処理対象のスライスSを復号するために動画像復号装置31が参照
するデータの集合が規定されている。スライスは、図4の符号化スライスに示すように、
スライスヘッダ、及び、スライスデータを含んでいる。
(Coded slice)
The coded slice defines a set of data referred to by the moving
Contains slice header and slice data.
スライスヘッダには、対象スライスの復号方法を決定するために動画像復号装置31が参照する符号化パラメータ群が含まれる。スライスタイプを指定するスライスタイプ指定情報（slice_type）は、スライスヘッダに含まれる符号化パラメータの一例である。
The slice header contains a group of coding parameters referred to by the moving
スライスタイプ指定情報により指定可能なスライスタイプとしては、（１）符号化の際にイントラ予測のみを用いるＩスライス、（２）符号化の際に単方向予測、又は、イントラ予測を用いるＰスライス、（３）符号化の際に単方向予測、双方向予測、又は、イントラ予測を用いるＢスライス等が挙げられる。なお、インター予測は、単予測、双予測に限定されず、より多くの参照ピクチャを用いて予測画像を生成してもよい。以下、P、Bスライスと呼ぶ場合には、インター予測を用いることができるブロックを含むスライスを指す。 The slice types that can be specified by the slice type specification information are (1) I slice that uses only intra prediction at the time of coding, (2) unidirectional prediction at the time of coding, or P slice that uses intra prediction. (3) B slices and the like using unidirectional prediction, bidirectional prediction, or intra prediction at the time of coding can be mentioned. Note that the inter-prediction is not limited to single prediction and bi-prediction, and a prediction image may be generated using more reference pictures. Hereinafter, when referred to as P and B slices, they refer to slices containing blocks for which inter-prediction can be used.
なお、スライスヘッダは、ピクチャパラメータセットPPSへの参照（pic_parameter_set_id）を含んでいてもよい。 The slice header may include a reference (pic_parameter_set_id) to the picture parameter set PPS.
（符号化スライスデータ）
符号化スライスデータでは、処理対象のスライスデータを復号するために動画像復号装置31が参照するデータの集合が規定されている。スライスデータは、図4の符号化スライ
スヘッダに示すように、CTUを含んでいる。CTUは、スライスを構成する固定サイズ（例えば64x64）のブロックであり、最大符号化単位（LCU:Largest Coding Unit）と呼ぶこともある。
(Coded slice data)
The coded slice data defines a set of data referred to by the moving
（符号化ツリーユニット）
図4の符号化ツリーユニットには、処理対象のCTUを復号するために動画像復号装置31が参照するデータの集合が規定されている。CTUは、再帰的な4分木分割（QT（Quad Tree）
分割）、2分木分割（BT（Binary Tree）分割）あるいは3分木分割（TT（Ternary Tree）
分割）により符号化処理の基本的な単位である符号化ユニットCUに分割される。BT分割とTT分割を合わせてマルチツリー分割（MT（Multi Tree）分割）と呼ぶ。再帰的な4分木分
割により得られる木構造のノードのことを符号化ノード（Coding Node）と称する。4分木、2分木、及び3分木の中間ノードは、符号化ノードであり、CTU自身も最上位の符号化ノードとして規定される。
(Coded tree unit)
The coded tree unit of FIG. 4 defines a set of data referred to by the moving
Division), binary tree division (BT (Binary Tree) division) or ternary tree division (TT (Ternary Tree))
It is divided into the coding unit CU, which is the basic unit of the coding process. The BT division and the TT division are collectively called a multi-tree division (MT (Multi Tree) division). A node with a tree structure obtained by recursive quadtree division is called a coding node. The intermediate nodes of the quadtree, binary, and ternary tree are coded nodes, and the CTU itself is defined as the highest level coded node.
CTは、CT情報として、QT分割を行うか否かを示すQT分割フラグ（cu_split_flag）、MT
分割の有無を示すMT分割フラグ（split_mt_flag）、MT分割の分割方向を示すMT分割方向
（split_mt_dir）、MT分割の分割タイプを示すMT分割タイプ（split_mt_type）を含む。cu_split_flag、split_mt_flag、split_mt_dir、split_mt_typeは符号化ノード毎に伝送される。
CT is a QT division flag (cu_split_flag) indicating whether or not to perform QT division, MT as CT information.
It includes an MT division flag (split_mt_flag) indicating the presence or absence of division, an MT division direction (split_mt_dir) indicating the division direction of MT division, and an MT division type (split_mt_type) indicating the division type of MT division. cu_split_flag, split_mt_flag, split_mt_dir, split_mt_type are transmitted for each encoding node.
cu_split_flagが1の場合、符号化ノードは4つの符号化ノードに分割される（図5のQT）。 If cu_split_flag is 1, the coded node is split into 4 coded nodes (QT in Figure 5).
cu_split_flagが0の時、split_mt_flagが０の場合に符号化ノードは分割されず1つのCUをノードとして持つ（図5の分割なし）。CUは符号化ノードの末端ノードであり、これ以
上分割されない。CUは、符号化処理の基本的な単位となる。
When cu_split_flag is 0, when split_mt_flag is 0, the coded node is not divided and has one CU as a node (no division in Fig. 5). The CU is the terminal node of the encoding node and is not further divided. CU is a basic unit of coding processing.
split_mt_flagが１の場合に符号化ノードは以下のようにMT分割される。split_mt_typeが０の時、split_mt_dirが１の場合に符号化ノードは2つの符号化ノードに水平分割され
（図5のBT(水平分割)）、split_mt_dirが０の場合に符号化ノードは2つの符号化ノードに垂直分割される（図5のBT(垂直分割)）。また、split_mt_typeが１の時、split_mt_dirが１の場合に符号化ノードは3つの符号化ノードに水平分割され（図5のTT(水平分割)）、split_mt_dirが０の場合に符号化ノードは3つの符号化ノードに垂直分割される（図5のTT(垂直分割)）。これらを図5のCT情報に示す。
When split_mt_flag is 1, the coded node is MT split as follows. When split_mt_type is 0, the coded node is horizontally divided into two coded nodes when split_mt_dir is 1 (BT (horizontal split) in Fig. 5), and when split_mt_dir is 0, the coded node is coded in two. It is vertically divided into nodes (BT (vertical division) in Fig. 5). Also, when split_mt_type is 1, the coding node is horizontally divided into 3 coding nodes when split_mt_dir is 1 (TT (horizontal division) in Fig. 5), and when split_mt_dir is 0, there are 3 coding nodes. It is vertically divided into coding nodes (TT (vertical division) in Fig. 5). These are shown in the CT information in FIG.
また、CTUのサイズが64x64画素の場合には、CUのサイズは、64x64画素、64x32画素、32x64画素、32x32画素、64x16画素、16x64画素、32x16画素、16x32画素、16x16画素、64x8画素、8x64画素、32x8画素、8x32画素、16x8画素、8x16画素、8x8画素、64x4画素、4x64画素、32x4画素、4x32画素、16x4画素、4x16画素、8x4画素、4x8画素、及び、4x4画素の何れかをとり得る。 If the CTU size is 64x64 pixels, the CU size is 64x64 pixels, 64x32 pixels, 32x64 pixels, 32x32 pixels, 64x16 pixels, 16x64 pixels, 32x16 pixels, 16x32 pixels, 16x16 pixels, 64x8 pixels, 8x64 pixels. , 32x8 pixels, 8x32 pixels, 16x8 pixels, 8x16 pixels, 8x8 pixels, 64x4 pixels, 4x64 pixels, 32x4 pixels, 4x32 pixels, 16x4 pixels, 4x16 pixels, 8x4 pixels, 4x8 pixels, and 4x4 pixels. ..
（符号化ユニット）
図4の符号化ユニットに示すように、処理対象の符号化ユニットを復号するために動画
像復号装置31が参照するデータの集合が規定されている。具体的には、CUは、CUヘッダCUH、予測パラメータ、変換パラメータ、量子化変換係数等から構成される。CUヘッダでは予測モード等が規定される。
(Encoding unit)
As shown in the coding unit of FIG. 4, a set of data referred to by the moving
予測処理は、CU単位で行われる場合と、CUをさらに分割したサブCU単位で行われる場合がある。CUとサブCUのサイズが等しい場合には、CU中のサブCUは1つである。CUがサブCU
のサイズよりも大きい場合、CUは、サブCUに分割される。例えばCUが8x8、サブCUが4x4の場合、CUは水平2分割、垂直2分割からなる、4つのサブCUに分割される。
The prediction process may be performed in CU units or in sub-CU units that are further divided CUs. If the size of the CU and the sub CU are equal, there is only one sub CU in the CU. CU is a sub CU
If it is larger than the size of, the CU is divided into sub-CUs. For example, if the CU is 8x8 and the sub CU is 4x4, the CU is divided into 4 sub CUs consisting of 2 horizontal divisions and 2 vertical divisions.
予測の種類（予測モードCuPredMode）は、イントラ予測(MODE_INTRA)と、インター予測(MODE_INTER)の2つを少なくとも備える。さらにイントラブロツクコピー予測(MODE_IBC)
を備えても良い。イントラ予測、イントラブロツクコピー予測は、同一ピクチャ内の予測であり、インター予測は、互いに異なるピクチャ間（例えば、表示時刻間、レイヤ画像間）で行われる予測処理を指す。
There are at least two types of prediction (prediction mode CuPredMode): intra prediction (MODE_INTRA) and inter prediction (MODE_INTER). Intrablock copy prediction (MODE_IBC)
May be provided. Intra prediction and intrablock copy prediction are predictions within the same picture, and inter prediction refers to prediction processing performed between pictures different from each other (for example, between display times and between layer images).
変換・量子化処理はCU単位で行われるが、量子化変換係数は4x4等のサブブロック単位
でエントロピー符号化してもよい。
The conversion / quantization process is performed in CU units, but the quantization conversion coefficient may be entropy-coded in subblock units such as 4x4.
（予測パラメータ）
予測画像は、ブロックに付随する予測パラメータによって導出される。予測パラメータ
には、イントラ予測とインター予測の予測パラメータがある。
(Prediction parameter)
The prediction image is derived by the prediction parameters associated with the block. Prediction parameters include intra-prediction and inter-prediction prediction parameters.
以下、インター予測の予測パラメータについて説明する。インター予測パラメータは、予測リスト利用フラグpredFlagL0とpredFlagL1、参照ピクチャインデックスrefIdxL0とrefIdxL1、動きベクトルmvL0とmvL1から構成される。predFlagL0、predFlagL1は、参照ピクチャリスト（L0リスト、L1リスト）が用いられるか否かを示すフラグであり、値が１の場合に対応する参照ピクチャリストが用いられる。なお、本明細書中「ＸＸであるか否かを示すフラグ」と記す場合、フラグが０以外（たとえば１）をＸＸである場合、０をＸＸではない場合とし、論理否定、論理積などでは１を真、０を偽と扱う（以下同様）。但し、実際の装置や方法では真値、偽値として他の値を用いることもできる。
Hereinafter, the prediction parameters of the inter-prediction will be described. The inter-prediction parameters are composed of the prediction list utilization flags predFlagL0 and predFlagL1, the reference picture indexes refIdxL0 and refIdxL1, and the motion vectors mvL0 and mvL1. predFlagL0 and predFlagL1 are flags indicating whether or not the reference picture list (L0 list, L1 list) is used, and the reference picture list corresponding to the case where the value is 1 is used. In the present specification, when "a flag indicating whether or not it is XX" is described, it is assumed that a flag other than 0 (for example, 1) is XX, 0 is not XX, and logical negation, logical product, etc.
インター予測パラメータを導出するためのシンタックス要素には、例えば、マージモードで用いるマージフラグmerge_flag、マージインデックスmerge_idx、AMVPモードで用い
る参照ピクチャを選択するためのインター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、動きベクトルを導出するための予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLX、動きベクトル精度モードamvr_modeがある。
The syntax elements for deriving the inter-prediction parameters include, for example, the merge flag merge_flag used in merge mode, the merge index merge_idx, the inter-prediction identifier inter_pred_idc for selecting the reference picture used in AMVP mode, the reference picture index refIdxLX, and the motion. There is a prediction vector index mvp_LX_idx for deriving the vector, a difference vector mvdLX, and a motion vector precision mode amvr_mode.
（参照ピクチャリスト）
参照ピクチャリストは、参照ピクチャメモリ306に記憶された参照ピクチャからなるリ
ストである。図6は、参照ピクチャおよび参照ピクチャリストの一例を示す概念図である
。図6(a)において、矩形はピクチャ、矢印はピクチャの参照関係、横軸は時間、矩形中のI、P、Bは各々イントラピクチャ、単予測ピクチャ、双予測ピクチャ、矩形中の数字は復
号順を示す。図に示すように、ピクチャの復号順は、I0、P1、B2、B3、B4であり、表示順は、I0、B3、B2、B4、P1である。図6(b)に、ピクチャB3（対象ピクチャ）の参照ピクチャリストの例を示す。参照ピクチャリストは、参照ピクチャの候補を表すリストであり、１つのピクチャ（スライス）が１つ以上の参照ピクチャリストを有してもよい。図の例では、対象ピクチャB3は、L0リストRefPicList0およびL1リストRefPicList1の２つの参照ピクチャリストを持つ。個々のCUでは、参照ピクチャリストRefPicListX（X=0または1）中のどのピクチャを実際に参照するかをrefIdxLXで指定する。図は、refIdxL0=2、refIdxL1=0の例である。なお、LXは、L0予測とL1予測を区別しない場合に用いられる記述方法であり、以降では、LXをL0、L1に置き換えることでL0リストに対するパラメータとL1リストに対するパラメータを区別する。
(Reference picture list)
The reference picture list is a list of reference pictures stored in the
（マージ予測とAMVP予測）
予測パラメータの復号（符号化）方法には、マージ予測（merge）モードとAMVP（Advanced Motion Vector Prediction、適応動きベクトル予測）モードがあり、merge_flagは、これらを識別するためのフラグである。マージ予測モードは、予測リスト利用フラグpredFlagLX、参照ピクチャインデックスrefIdxLX、動きベクトルmvLXを符号化データに含めずに、既に処理した近傍ブロックの予測パラメータ等から導出するモードである。AMVPモードは、inter_pred_idc、refIdxLX、mvLXを符号化データに含めるモードである。なお、mvLXは、予測ベクトルmvpLXを識別するmvp_LX_idxと差分ベクトルmvdLXとして符号化される。
(Merge prediction and AMVP prediction)
Prediction parameter decoding (encoding) methods include merge prediction (merge) mode and AMVP (Advanced Motion Vector Prediction) mode, and merge_flag is a flag for identifying these. The merge prediction mode is a mode in which the prediction list usage flag predFlagLX, the reference picture index refIdxLX, and the motion vector mvLX are not included in the coded data, but are derived from the prediction parameters of the neighboring blocks that have already been processed. AMVP mode is a mode that includes inter_pred_idc, refIdxLX, and mvLX in the coded data. Note that mvLX is encoded as mvp_LX_idx that identifies the prediction vector mvpLX and the difference vector mvdLX.
inter_pred_idcは、参照ピクチャの種類および数を示す値であり、PRED_L0、PRED_L1、PRED_BIの何れかの値をとる。PRED_L0、PRED_L1は、各々L0リスト、L1リストで管理され
た１枚の参照ピクチャを用いる単予測を示す。PRED_BIはL0リストとL1リストで管理され
た２枚の参照ピクチャを用いる双予測を示す。
inter_pred_idc is a value indicating the type and number of reference pictures, and takes one of PRED_L0, PRED_L1, and PRED_BI. PRED_L0 and PRED_L1 indicate a simple prediction using one reference picture managed by the L0 list and the L1 list, respectively. PRED_BI shows a bi-prediction using two reference pictures managed by the L0 list and the L1 list.
merge_idxは、処理が完了したブロックから導出される予測パラメータ候補（マージ候
補）のうち、いずれの予測パラメータを対象ブロックの予測パラメータとして用いるかを
示すインデックスである。
merge_idx is an index indicating which of the prediction parameter candidates (merge candidates) derived from the processed block is used as the prediction parameter of the target block.
（動きベクトル）
mvLXは、異なる２つのピクチャ上のブロック間のシフト量を示す。mvLXに関する予測ベクトル、差分ベクトルを、それぞれmvpLX、mvdLXと呼ぶ。
(Motion vector)
mvLX indicates the amount of shift between blocks on two different pictures. The prediction vector and difference vector related to mvLX are called mvpLX and mvdLX, respectively.
（インター予測識別子inter_pred_idcと予測リスト利用フラグpredFlagLX）
inter_pred_idcと、predFlagL0、predFlagL1の関係は以下のとおりであり、相互に変換可能である。
(Inter prediction identifier inter_pred_idc and prediction list usage flag predFlagLX)
The relationship between inter_pred_idc and predFlagL0 and predFlagL1 is as follows and can be converted to each other.
inter_pred_idc = (predFlagL1<<１）+predFlagL0
predFlagL0 = inter_pred_idc & 1
predFlagL1 = inter_pred_idc >> 1
なお、インター予測パラメータは、予測リスト利用フラグを用いても良いし、インター予測識別子を用いてもよい。また、予測リスト利用フラグを用いた判定は、インター予測識別子を用いた判定に置き替えてもよい。逆に、インター予測識別子を用いた判定は、予測リスト利用フラグを用いた判定に置き替えてもよい。
inter_pred_idc = (predFlagL1 << 1) + predFlagL0
predFlagL0 = inter_pred_idc & 1
predFlagL1 = inter_pred_idc >> 1
As the inter-prediction parameter, the prediction list use flag may be used, or the inter-prediction identifier may be used. Further, the determination using the prediction list utilization flag may be replaced with the determination using the inter-prediction identifier. On the contrary, the determination using the inter-prediction identifier may be replaced with the determination using the prediction list utilization flag.
（双予測biPredの判定）
双予測であるかのフラグbiPredは、２つの予測リスト利用フラグがともに１であるかによって導出できる。例えば以下の式で導出できる。
(Judgment of bipred biPred)
The bipred flag biPred can be derived depending on whether the two prediction list usage flags are both 1. For example, it can be derived by the following formula.
biPred = (predFlagL0==1 && predFlagL1==1)
あるいは、biPredは、インター予測識別子が２つの予測リスト（参照ピクチャ）を使うことを示す値であるか否かによっても導出できる。例えば以下の式で導出できる。
biPred = (predFlagL0 == 1 && predFlagL1 == 1)
Alternatively, biPred can also be derived by whether or not the inter-prediction identifier is a value indicating that two prediction lists (reference pictures) are used. For example, it can be derived by the following formula.
biPred = (inter_pred_idc==PRED_BI) ? 1 : 0
（イントラ予測パラメータ）
以下、イントラ予測の予測パラメータについて説明する。イントラ予測パラメータは、輝度予測モードIntraPredModeY、色差予測モードIntraPredModeCから構成される。例えば、プレーナ予測（0）、DC予測（1）、Angular予測（それ以外）である。さらに、色差ではCCLMモード（81～83）を追加してもよい。
biPred = (inter_pred_idc == PRED_BI)? 1: 0
(Intra prediction parameters)
Hereinafter, the prediction parameters of the intra prediction will be described. The intra prediction parameters are composed of the luminance prediction mode IntraPredModeY and the color difference prediction mode IntraPredModeC. For example, planar prediction (0), DC prediction (1), Angular prediction (other than that). Further, for color difference, CCLM mode (81 to 83) may be added.
（動画像復号装置の構成）
本実施形態に係る動画像復号装置31（図7）の構成について説明する。
(Configuration of moving image decoding device)
The configuration of the moving image decoding device 31 (FIG. 7) according to the present embodiment will be described.
動画像復号装置31は、エントロピー復号部301、パラメータ復号部（予測画像復号装置
）302、ループフィルタ305、参照ピクチャメモリ306、予測パラメータメモリ307、予測画像生成部（予測画像生成装置）308、逆量子化・逆変換部311、及び加算部312、予測パラ
メータ導出部320を含んで構成される。なお、後述の動画像符号化装置11に合わせ、動画
像復号装置31にループフィルタ305が含まれない構成もある。
The moving
パラメータ復号部302は、さらに、ヘッダ復号部3020、CT情報復号部3021、及びCU復号
部3022（予測モード復号部）を備えており、CU復号部3022はさらにTU復号部3024を備えている。これらを総称して復号モジュールと呼んでもよい。ヘッダ復号部3020は、符号化データからVPS、SPS、PPS、APSなどのパラメータセット情報、スライスヘッダ（スライス情報）を復号する。CT情報復号部3021は、符号化データからCTを復号する。CU復号部3022は符号化データからCUを復号する。TU復号部3024は、TUに予測誤差が含まれている場合に、符号化データからQP更新情報（量子化補正値）と量子化予測誤差（residual_coding）を復号する。
The
TU復号部3024は、スキップモード以外(skip_mode==0)の場合に、符号化データからQP更新情報と量子化予測誤差を復号する。より具体的には、TU復号部3024は、skip_mode==0の場合に、対象ブロックに量子化予測誤差が含まれているか否かを示すフラグcu_cbpを復号し、cu_cbpが1の場合に量子化予測誤差を復号する。cu_cbpが符号化データに存在しない
場合は0と導出する。
The
TU復号部3024は、符号化データから変換基底を示すインデックスmts_idxを復号する。
また、TU復号部3024は、符号化データからセカンダリ変換の利用及び変換基底を示すインデックスstIdxを復号する。stIdxは0の場合にセカンダリ変換の非適用を示し、1の場合にセカンダリ変換基底のセット（ペア）のうち一方の変換を示し、2の場合に上記ペアのう
ち他方の変換を示す。
The
Further, the
予測画像生成部308は、インター予測画像生成部309（図9）及びイントラ予測画像生成
部を含んで構成される。
The predictive
予測パラメータ導出部320は、インター予測パラメータ導出部303（図9）及びイントラ
予測パラメータ導出部を含んで構成される。
The prediction parameter derivation unit 320 includes an inter-prediction parameter derivation unit 303 (FIG. 9) and an intra-prediction parameter derivation unit.
また、以降では処理の単位としてCTU、CUを使用した例を記載するが、この例に限らず
、サブCU単位で処理をしてもよい。あるいはCTU、CUをブロック、サブCUをサブブロック
と読み替え、ブロックあるいはサブブロック単位の処理としてもよい。
In the following, examples of using CTU and CU as the processing unit will be described, but the processing is not limited to this example, and processing may be performed in sub-CU units. Alternatively, CTU and CU may be read as blocks, sub-CUs may be read as sub-blocks, and processing may be performed in units of blocks or sub-blocks.
エントロピー復号部301は、外部から入力された符号化ストリームTeに対してエントロ
ピー復号を行って、個々の符号（シンタックス要素）を復号する。エントロピー符号化には、シンタックス要素の種類や周囲の状況に応じて適応的に選択したコンテキスト（確率モデル）を用いてシンタックス要素を可変長符号化する方式と、あらかじめ定められた表、あるいは計算式を用いてシンタックス要素を可変長符号化する方式がある。前者のCABAC（Context Adaptive Binary Arithmetic Coding）は、コンテキストのCABAC状態（優勢シンボルの種別(0 or 1)と確率を指定する確率状態インデックスpStateIdx）をメモリに格納する。エントロピー復号部301は、セグメント（タイル、CTU行、スライス）の先頭で全てのCABAC状態を初期化する。エントロピー復号部301は、シンタックス要素をバイナリ列（Bin String）に変換し、Bin Stringの各ビットを復号する。コンテキストを用いる場合には、シンタックス要素の各ビットに対してコンテキストインデックスctxIncを導出し、コンテキストを用いてビットを復号し、用いたコンテキストのCABAC状態を更新する。
コンテキストを用いないビットは、等確率(EP, bypass)で復号され、ctxInc導出やCABAC状態は省略される。復号されたシンタックス要素には、予測画像を生成するための予測情報および、差分画像を生成するための予測誤差などがある。
The
Bits that do not use context are decoded with equal probability (EP, bypass), and ctxInc derivation and CABAC state are omitted. The decoded syntax elements include prediction information for generating a prediction image, prediction error for generating a difference image, and the like.
エントロピー復号部301は、復号した符号をパラメータ復号部302に出力する。復号した符号とは、例えば、予測モードpredMode、merge_flag、merge_idx、inter_pred_idc、refIdxLX、mvp_LX_idx、mvdLX、amvr_mode等である。どの符号を復号するかの制御は、パラメータ復号部302の指示に基づいて行われる。
The
（基本フロー）
図8は、動画像復号装置31の概略的動作を説明するフローチャートである。
(Basic flow)
FIG. 8 is a flowchart illustrating the schematic operation of the moving
（S1100：パラメータセット情報復号）ヘッダ復号部3020は、符号化データからVPS、SPS、PPSなどのパラメータセット情報を復号する。
(S1100: Parameter set information decoding) The
（S1200：スライス情報復号）ヘッダ復号部3020は、符号化データからスライスヘッダ
（スライス情報）を復号する。
(S1200: Decoding of slice information) The
以下、動画像復号装置31は、対象ピクチャに含まれる各CTUについて、S1300からS5000
の処理を繰り返すことにより各CTUの復号画像を導出する。
Hereinafter, the moving
The decoded image of each CTU is derived by repeating the process of.
（S1300：CTU情報復号）CT情報復号部3021は、符号化データからCTUを復号する。
(S1300: CTU information decoding) The CT
（S1400：CT情報復号）CT情報復号部3021は、符号化データからCTを復号する。
(S1400: CT information decoding) The CT
（S1500：CU復号）CU復号部3022はS1510、S1520を実施して、符号化データからCUを復
号する。
(S1500: CU decoding) The
（S1510：CU情報復号）CU復号部3022は、符号化データからCU情報、予測情報、TU分割
フラグsplit_transform_flag、CU残差フラグcbf_cb、cbf_cr、cbf_luma等を復号する。
(S1510: CU information decoding) The
（S1520：TU情報復号）TU復号部3024は、TUに予測誤差が含まれている場合に、符号化
データからQP更新情報と量子化予測誤差、変換インデックスmts_idxを復号する。なお、QP更新情報は、量子化パラメータQPの予測値である量子化パラメータ予測値qPpredからの
差分値である。
(S1520: TU information decoding) The
（S2000：予測画像生成）予測画像生成部308は、対象CUに含まれる各ブロックについて、予測情報に基づいて予測画像を生成する。
(S2000: Predicted image generation) The predicted
（S3000：逆量子化・逆変換）逆量子化・逆変換部311は、対象CUに含まれる各TUについて、逆量子化・逆変換処理を実行する。
(S3000: Inverse quantization / inverse conversion) The inverse quantization /
（S4000：復号画像生成）加算部312は、予測画像生成部308より供給される予測画像と
、逆量子化・逆変換部311より供給される予測誤差とを加算することによって、対象CUの
復号画像を生成する。
(S4000: Decoded image generation) The
（S5000：ループフィルタ）ループフィルタ305は、復号画像にデブロッキングフィルタ、SAO、ALFなどのループフィルタをかけ、復号画像を生成する。
(S5000: Loop filter) The
（インター予測パラメータ導出部の構成）
インター予測パラメータ導出部303は、パラメータ復号部302から入力されたシンタックス要素に基づいて、予測パラメータメモリ307に記憶された予測パラメータを参照してイ
ンター予測パラメータを導出する。また、インター予測パラメータをインター予測画像生成部309、予測パラメータメモリ307に出力する。インター予測パラメータ導出部303及び
その内部の要素であるAMVP予測パラメータ導出部3032、マージ予測パラメータ導出部3036、MV加算部3038は、動画像符号化装置、動画像復号装置で共通する手段であるので、これらを総称して動きベクトル導出部（動きベクトル導出装置）と称してもよい。
(Structure of inter-prediction parameter derivation part)
The inter-prediction
merge_flagが１、すなわち、マージ予測モードを示す場合、merge_idxを導出し、マー
ジ予測パラメータ導出部3036に出力する。
When merge_flag is 1, that is, the merge prediction mode is indicated, merge_idx is derived and output to the merge prediction
merge_flagが０、すなわち、AMVP予測モードを示す場合、AMVP予測パラメータ導出部3032はinter_pred_idc、refIdxLXかmvp_LX_idxからmvpLXを導出する。
When merge_flag is 0, that is, indicates the AMVP prediction mode, the AMVP prediction
（MV加算部）
MV加算部3038では導出されたmvpLXとmvdLXを加算し、mvLXを導出する。
(MV addition part)
In the
（マージ予測）
図10(a)は、本実施形態に係るマージ予測パラメータ導出部3036の構成を示す概略図で
ある。マージ予測パラメータ導出部3036は、マージ候補導出部30361、マージ候補選択部30362、マージ候補格納部30363を備える。なお、マージ候補は、予測パラメータ（predFlagLX、mvLX、refIdxLX）を含んで構成され、マージ候補リストに格納される。マージ候補リストに格納されたマージ候補には、所定の規則に従ってインデックスが割り当てられる。
(Merge prediction)
FIG. 10A is a schematic diagram showing the configuration of the merge prediction
マージ候補導出部30361は、復号済の隣接ブロックの動きベクトルとrefIdxLXからマー
ジ候補を導出する。マージ候補導出部30361は、NNMVP（Neural Network Motion Vector Prediction）マージ候補導出処理、空間マージ候補導出処理、時間マージ候補導出処理、
ペアワイズマージ候補導出処理、およびゼロマージ候補導出処理を適用してもよい。マージ候補導出部30361は、NNMVPマージ候補導出部30366、空間マージ候補導出部30364、時間マージ候補導出部30365、ペアワイズマージ候補導出部30367、およびゼロマージ候補導出部30368からなる。
The merge
A pairwise merge candidate derivation process and a zero merge candidate derivation process may be applied. The merge
NNMVPマージ候補導出部30366は、複数の予測パラメータから１つの予測パラメータ（NNMVPマージ候補）を、ニューラルネットワークを用いて導出する。
The NNMVP merge
空間マージ候補導出部30364は、所定の規則に従って、予測パラメータメモリ307が記憶している予測パラメータを読み出し、マージ候補に設定する。マージ候補は、例えば、対象ブロックから予め定めた範囲内にある隣接ブロック（例えば、対象ブロックの左A1、右B1、右上B0、左下A0、左上B2にそれぞれ接するブロックの全部または一部）のそれぞれに係る予測パラメータである。各々のマージ候補をA1,B1,B0,A0,B2と呼び、下記の座標を含むブロックから導出される予測パラメータである。図16(a)にA1,B1,B0,A0,B2の位置を示
す。
The spatial merge
A1: (xCb - 1, yCb + cbHeight - 1)
B1: (xCb + cbWidth - 1, yCb - 1)
B0: (xCb + cbWidth, yCb - 1)
A0: (xCb - 1, yCb + cbHeight)
B2: (xCb - 1, yCb - 1)
対象ブロックの左上座標を(xCb, yCb)、幅cbWidth、高さcbHeightとする。
A1: (xCb ―― 1, yCb + cbHeight ―― 1)
B1: (xCb + cbWidth --1, yCb --1)
B0: (xCb + cbWidth, yCb ―― 1)
A0: (xCb --1, yCb + cbHeight)
B2: (xCb ―― 1, yCb ―― 1)
Let the upper left coordinates of the target block be (xCb, yCb), width cbWidth, and height cbHeight.
時間マージ候補導出部30365は、参照画像において対象ブロックの右下ブロックC[0]、
あるいは、中央の座標を含むブロックC[1]の予測パラメータを、予測パラメータメモリ307から読み出して、マージ候補Colを導出する。ブロックC[0]、C[1]の一例を図16(b)に示す。
The time merge
Alternatively, the prediction parameter of the block C [1] including the central coordinate is read from the
ペアワイズ候補導出部30367は、マージ候補リストに格納済みの２つのマージ候補の平
均からペアワイズ候補avgKを導出する。
The pairwise
ゼロマージ候補導出部30368は、refIdxLXが0…Mであり、mvLXのX成分、Y成分が共に０
であるゼロマージ候補Z0,…, ZMを導出する。
In the zero merge
Derivation of zero merge candidates Z0, ..., ZM.
マージ候補格納部30363は、マージ候補選択部30362が選択したマージ候補を、マージ候補リスト（mergeCandList[]）に格納する。
The merge
マージ候補格納部30363がマージ候補をmergeCandList[]に格納する順番は、例えば、NNMVP候補、空間マージ候補(A1,B1,B0,A0,B2)、時間マージ候補Col、ペアワイズ候補avgK、ゼロマージ候補ZKである。図14にマージ候補リストの一例を示す。なお、マージ候補Nの利用可能性を示すフラグavailableFlagNが１の場合のみ、マージ候補Nをマージ候補リストに格納する。availableFlagNが０の場合はマージ候補リストに格納しない。
i = 0
if( availableFlagNNMVP)
mergeCandList[ i++ ] = NNMVP
if( availableFlagA1 )
mergeCandList[ i++ ] = A1
if( availableFlagB1 )
mergeCandList[ i++ ] = B1
if( availableFlagB0 )
mergeCandList[ i++ ] = B0
if( availableFlagA0 )
mergeCandList[ i++ ] = A0
if( availableFlagB2 )
mergeCandList[ i++ ] = B2
if( availableFlagCol )
mergeCandList[ i++ ] = Col
if( availableFlagAvgK )
mergeCandList[ i++ ] = avgK
if( i < MaxNumMergeCand )
mergeCandList[ i++ ] = ZK
マージ候補選択部30362は、マージ候補リストに含まれるマージ候補のうち、merge_idxが示すマージ候補Nを以下の式で選択する。
The order in which the merge
i = 0
if (availableFlagNNMVP)
mergeCandList [i ++] = NNMVP
if (availableFlagA1)
mergeCandList [i ++] = A1
if (availableFlagB1)
mergeCandList [i ++] = B1
if (availableFlagB0)
mergeCandList [i ++] = B0
if (availableFlagA0)
mergeCandList [i ++] = A0
if (availableFlagB2)
mergeCandList [i ++] = B2
if (availableFlagCol)
mergeCandList [i ++] = Col
if (availableFlagAvgK)
mergeCandList [i ++] = avgK
if (i <MaxNumMergeCand)
mergeCandList [i ++] = ZK
The merge
N = mergeCandList[merge_idx]
ここでNは、マージ候補を示すラベルであり、NNMVP,A1,B1,B0,A0,B2,Col,avgK,ZKのい
ずれかである。ラベルNで示されるマージ候補の予測パラメータは（mvLXN[0], mvLXN[1]
）、predFlagLXN, refIdxLXNで示される。
N = mergeCandList [merge_idx]
Here, N is a label indicating a merge candidate, and is one of NNMVP, A1, B1, B0, A0, B2, Col, avgK, and ZK. The predictive parameters of merge candidates indicated by label N are (mvLXN [0], mvLXN [1].
), PredFlagLXN, refIdxLXN.
マージ候補としてNNMVPが選択された場合、対象ブロックから動きベクトルmvLXNNMVPだけシフトした、参照ピクチャRefPicListX[refIdxLXMMNVP]上の画像を読み出し、予測画像とする。 When NNMVP is selected as a merge candidate, the image on the reference picture RefPicListX [refIdxLXMMNVP] shifted by the motion vector mvLXNNMVP from the target block is read out and used as the predicted image.
マージ候補選択部30362は、選択したマージ候補のインター予測パラメータ（（mvLXN[0], mvLXN[1]）、predFlagLXN、refIdxLXN）を予測パラメータメモリ307に記憶するとともに、インター予測画像生成部309に出力する。
The merge
（参照ブロックの利用可能性判定）
(xNbY, yNbY)をブロックの左上座標とする隣接ブロック（参照ブロック）の対象ブロックに対する利用可能性availableNは、以下のように導出してもよい。以下のいずれかが真の場合には、availableNを偽とする。
・xNbY < 0
・yNbY < 0
・xNbY >= pps_pic_width_in_luma_samples
・yNbY >= pps_pic_height_in_luma_samples
・( xNbY>>CtbLog2SizeY) > (xCurr>>CtbLog2SizeY) and (yNbY>>CtbLog2SizeY) >= (yCurr>>CtbLog2SizeY)
・(yNbY>>CtbLog2SizeY) >= (yCurr>>CtbLog2SizeY)+1
・隣接ブロックが対象ブロックと異なるスライスに含まれている。
・隣接ブロックが対象ブロックと異なるタイルに含まれている。
・ウェーブフロントフラグ（エントロピー符号同期フラグ）sps_entropy_coding_sync_enabled_flagが１かつ(xNbY>>CtbLog2SizeY) >= (xCurr>>CtbLog2SizeY)+1.
それ以外の場合はavailableNを真とする。
(Availability judgment of reference block)
The availability N for the target block of the adjacent block (reference block) whose upper left coordinate of the block is (xNbY, yNbY) may be derived as follows. If any of the following is true, then availableN is false.
・ XNbY <0
・ YNbY <0
・ XNbY> = pps_pic_width_in_luma_samples
・ YNbY> = pps_pic_height_in_luma_samples
・ (XNbY >>CtbLog2SizeY)> (xCurr >> CtbLog2SizeY) and (yNbY >>CtbLog2SizeY)> = (yCurr >> CtbLog2SizeY)
・ (YNbY >>CtbLog2SizeY)> = (yCurr >> CtbLog2SizeY) +1
-The adjacent block is included in a slice different from the target block.
-The adjacent block is included in a tile different from the target block.
-Wave front flag (entropy code synchronization flag) sps_entropy_coding_sync_enabled_flag is 1 and (xNbY >>CtbLog2SizeY)> = (xCurr >> CtbLog2SizeY) +1.
Otherwise, set availableN to true.
上記判定の後、さらに以下の条件が全て真の場合は、availableNを偽とする。
・checkPredModeY == TRUE.
・CuPredMode[0][xNbY][yNbY] != CuPredMode[0][xCurr][yCurr]
ここでpps_pic_width_in_luma_samples、pps_pic_height_in_luma_samplesは画面サイズ
、CtbLog2SizeYはCTUサイズである。X座標、Y座標をCtbLog2SizeYだけ右シフト（>>）す
ることで、CTU単位のX座標, Y座標が得られる。CuPredModeは、予測モードを示し、MODE_INTRA、MODE_INTER、MODE_IBCのいずれかであってもよい。また、checkPredMoeYは、インター予測や動きベクトル予測、マージ予測の場合に１、それ以外の場合に０とする。つまり、対象ブロックがインター予測ブロック(CuPredMode[0][xCurr][yCurr]==MODE_INTRA)
で、参照ブロックがイントラ予測ブロック(uPredMode[0][xNbY][yNbY]==MODE_INTRA)の場合には、availableNを偽とする。
After the above judgment, if all of the following conditions are true, availableN is set to false.
・ CheckPredModeY == TRUE.
-CuPredMode [0] [xNbY] [yNbY]! = CuPredMode [0] [xCurr] [yCurr]
Here, pps_pic_width_in_luma_samples and pps_pic_height_in_luma_samples are the screen size, and CtbLog2SizeY is the CTU size. By shifting the X and Y coordinates to the right (>>) by CtbLog2SizeY, the X and Y coordinates in CTU units can be obtained. CuPredMode indicates the prediction mode and may be any of MODE_INTRA, MODE_INTER, and MODE_IBC. Further, checkPredMoeY is set to 1 in the case of inter-prediction, motion vector prediction, and merge prediction, and 0 in other cases. That is, the target block is an inter-prediction block (CuPredMode [0] [xCurr] [yCurr] == MODE_INTRA)
If the reference block is an intra prediction block (uPredMode [0] [xNbY] [yNbY] == MODE_INTRA), availableN is false.
本発明に係るNNMVPマージ候補の導出方法について説明する。 A method for deriving the NNMVP merge candidate according to the present invention will be described.
（NNMVPマージ候補導出）
（実施形態１：空間隣接ベクトルを利用する例）
図10のNNMVPマージ候補導出部30366の一例を図15に示す。NNMVPマージ候補導出部30366は、ベクトル導出部3661と、NNベクトル導出部3662から構成される。
(Derivation of NNMVP merge candidates)
(Embodiment 1: Example of using spatial adjacency vector)
An example of the NNMVP merge
sps_nnmvp_enabled_flagが１の場合、NNMVPマージ候補導出部30366は対象ブロックCurBLKの空間隣接ブロックを用いて、ニューラルネットワーク処理により対象ブロックのマージ候補を導出する。
When sps_nnmvp_enabled_flag is 1, NNMVP merge
ステップ１）空間隣接ブロックの動きベクトル導出
空間動きベクトル導出部36611は、図16(a)に示す、対象ブロックの左下A0、左A1、左上B2、右上B0、上B1にそれぞれ接するブロックの予測パラメータを導出する。各々の動きベクトルをmvA0, mvA1, mvB2, mvB0, mvB1で示す。ブロックKのX方向、Y方向の動きベクト
ルをmvK[0], mvK[1]で示す。なお、この処理を行わず、前記図10(a)に示すマージ予測パ
ラメータ導出部30361の空間マージ候補導出部30364の出力を用いてもよい。
Step 1) Derivation of motion vector of spatially adjacent blocks The spatial motion
ステップ２）ニューラルネットワーク処理
図15において、NNベクトル導出部3662は、ステップ１）で求めた動きベクトルnumMV個
を入力する。例えば、高さH、幅W、チャネル数CのテンソルにおいてH=1、W=1、C=2となる、1x1x2の動きベクトルをnumMV個スタックして結合し、1x1x(2xnumMV)のテンソルを生成して入力する。ここで、動きベクトルのX成分、Y成分をチャネル成分とする。本実施形態ではnumMB=5の例を示し、入力テンソルは（mvLXA0[0], mvLXA0[1], mvLXA1[0], mvLXA1[1], mvLXB0[0], mvLXB0[1], mvLXB1[0], mvLXB1[1], mvLXB2[0], mvLXB2[1]）の（1x1x10）テンソルである。
Step 2) Neural network processing In Fig. 15, the NN
NNベクトル導出部3662は、ニューラルネットワーク処理によって、1x1x2テンソルを出
力する。この1x1x2テンソルのチャネル成分を動きベクトルのX成分、Y成分としてマージ
候補を出力する。
The NN
NNベクトル導出部3662は、フルコネクション(Dense)の処理に、Reluなどのアクティベ
ーション層をつなげた処理を繰り返す処理であってもよい。ここで図15のConcatは、入力された複数のテンソルもしくはベクトルをスタックして、一つのテンソルを導出する処理である。ここではnumMV個の２次元ベクトルから1x1x(2*numMV)のテンソルを生成する。フルコネクション（Dense）とは、入力の全ての成分を制限なく利用するものである。ここ
では高さ1、幅1としているので、Conv処理を用いても同じ処理となる。Conv処理は、画素単位でカーネルに含まれる一部の入力しか用いない処理である。なお、NNとは、ニューラルネットワークの略であり、入力と重み成分の積和にバイアス（これも重みの一種）を加算する処理 もしくは、アクティベーションと呼ばれる非線形関数を適用する処理を示す。Reluは、アクティベーションの一種であり、max(0, x)で示される関数である。アクティベーションはReluの他、以下のLeaky Relu (lrelu)関数やPRelu関数等であってもよい。
The NN
f(x) = x (x>=0), ax (x<0)
PReluはlreduと同じ関数であるが、aの値として個別に学習された値を用いる。また、内
部で、複数のネットワークに分割してから１つのネットワークにまとめてもよい。その他、ニューラルネットワークはカーネルと呼ばれるフィルタをかけるconvなどを用いてもよい。
f (x) = x (x> = 0), ax (x <0)
PRelu is the same function as lredu, but uses individually learned values as the value of a. Further, it may be internally divided into a plurality of networks and then combined into one network. In addition, the neural network may use a conv or the like to apply a filter called a kernel.
上記の構成によれば、対象ブロックの周囲に位置する予め定められた３つ以上の動きベクトルを同時にNNベクトル導出部3662に入力して動きベクトルを導出することにより、高精度なマージ候補を導出するという効果を奏する。
According to the above configuration, highly accurate merge candidates are derived by simultaneously inputting three or more predetermined motion vectors located around the target block into the NN
（動きベクトルがない場合の扱い）
ベクトル導出部3661において、動きベクトルが利用可能ではない場合（参照ブロックの利用可能性判定において参照ブロックが利用可能ではない場合）には、特定の値の動きベクトルをNNベクトル導出部3662に入力する。動きベクトルが利用可能ではない場合とは、参照ブロックがイントラ予測である場合、画面外にある場合、対象ブロックとは別のスライスにある場合などである。特定の値で、動きベクトルが実際には利用可能ではないことを示す必要があるので、従来の動きベクトルの範囲では利用されない値を利用するのが良い。例えば有効な動きベクトルの範囲が、-(1<<NN)から(1<<NN)-1）の間の値である場合
には、特定の値は、有効な範囲を超えた値-(1<<(NN+1))や(1<<(NN+1))-1としてもよい。
つまりNN=17の場合、2の18乗である-262144や262143であってもよい。なお、後述するよ
うに、参照ピクチャ情報を動きベクトルとは別に入力する構成では、動きベクトルは特定の値の動きベクトルと参照ピクチャ情報をNNベクトル導出部3662に入力する。
(Handling when there is no motion vector)
In the
In other words, when NN = 17, it may be -262144 or 262143, which is 2 to the 18th power. As will be described later, in the configuration in which the reference picture information is input separately from the motion vector, the motion vector having a specific value and the reference picture information are input to the NN
上記のように、対象ブロック周辺の複数の動きベクトルをチャネル方向に結合してニューラルネットワーク処理に入力し、１つの動きベクトルを導出するNNMVPマージ候補導出部30366によって、高精度なマージ候補を導出するという効果を奏する。
As described above, multiple motion vectors around the target block are combined in the channel direction and input to the neural network process, and the NNMVP merge
また、動きベクトルが存在しない場合、所定の値で代用することによって、周囲に動きベクトルが存在しない場合でも、高精度なマージ候補を導出する効果を奏する。 Further, when the motion vector does not exist, by substituting a predetermined value, even if the motion vector does not exist in the surroundings, the effect of deriving a highly accurate merge candidate can be obtained.
（実施形態２：時間隣接ベクトルを利用する例）
図19は、NNMVPマージ候補導出部30366aの構成を示す概略図である。NNMVPマージ候補導出部30366aは、ベクトル導出部3661aと、NNベクトル導出部3662aから構成される。
(Embodiment 2: Example of using a time-adjacent vector)
FIG. 19 is a schematic diagram showing the configuration of the NNMVP merge
sps_nnmvp_enabled_flagが1の場合、NNMVPマージ候補導出部30366aは対象ブロックCurBLKの空間隣接ブロック、および、対象ブロックの時間隣接ブロック（コロケートブロック）の動きベクトルを用いて、ニューラルネットワーク処理により対象ブロックのマージ候補を導出する。
When sps_nnmvp_enabled_flag is 1, the NNMVP merge
ステップ１）空間隣接ブロックの動きベクトル導出
空間動きベクトル導出部36611は実施形態１のステップ１）と同じであり、説明を省略
する。
Step 1) Derivation of motion vector of spatially adjacent blocks The spatial motion
ステップ２）コロケートブロックの動きベクトル導出
時間動きベクトル導出部36612は、コロケートピクチャ上で、対象ブロックと同じ位置
のブロック（コロケートブロック）に対し、右下位置を含むブロック、中央位置を含むブロックの順番に、動きベクトルが利用可能か否かをチェックする。動きベクトルが利用可能である場合にそのブロックをCとし、Cの動きベクトルを時間動きベクトル（temporal motion vector）(mvLXC[0], mvLXC[1])として導出する。
Step 2) Derivation of motion vector of colocate block The time motion
コロケートピクチャは、参照ピクチャリストRefPicListX、参照ピクチャインデックスcollocated_ref_idxで示される参照ピクチャRefPicListX[collocated_ref_idx]である。collocated_ref_idxはスライスヘッダで通知されるコロケートピクチャの参照ピクチャインデックスである。なお、この処理を行わず、図10(a)に示すマージ候補導出部30361の時間マージ候補導出部30365の出力を用いてもよい。
The collaged picture is a reference picture list RefPicListX, a reference picture RefPicListX [collocated_ref_idx] indicated by the reference picture index collocated_ref_idx. collocated_ref_idx is the reference picture index of the collocated picture notified in the slice header. Note that this process may not be performed, and the output of the time merge
ステップ３）ニューラルネットワーク処理
前記ステップ１）～２）で取得した隣接ブロックの動きベクトル（隣接動きベクトル、隣接ベクトル）をNNベクトル導出部3662aの入力とする。NNベクトル導出部3662aでは隣接動きベクトルをnumMV個入力する。例えば、高さH、幅W、チャネル数Cのテンソルは、H=1
、W=1、C=2の場合、1x1x2のテンソルである。これををnumMV個結合し、1x1x2xnumMVのテ
ンソルを生成して入力する。ここで、動きベクトルのX成分、Y成分をチャネル成分とする。ステップ１）と２）を合わせてnumMB=6であるので、入力テンソルは（mvLXA0[0], mvLXA0[1], mvLXA1[0], mvLXA1[1], mvLXB0[0], mvLXB0[1], mvLXB1[0], mvLXB1[1], mvLXB2[0], mvLXB2[1], mvLXC[0], mvLXC[1]）の1x1x12テンソルである。
Step 3) Neural network processing The motion vector (adjacent motion vector, adjacent vector) of the adjacent block acquired in the above steps 1) and 2) is used as the input of the NN
, W = 1, C = 2, it is a 1x1x2 tensor. Combine these numMV pieces to generate a 1x1x2xnumMV tensor and input it. Here, let the X and Y components of the motion vector be the channel components. Since numMB = 6 is the sum of steps 1) and 2), the input tensors are (mvLXA0 [0], mvLXA0 [1], mvLXA1 [0], mvLXA1 [1], mvLXB0 [0], mvLXB0 [1], It is a 1x1x12 tensor of mvLXB1 [0], mvLXB1 [1], mvLXB2 [0], mvLXB2 [1], mvLXC [0], mvLXC [1]).
NNベクトル導出部3662aは、ニューラルネットワーク処理によって、1x1x2テンソルを出力する。この1x1x2テンソルのチャネル成分を動きベクトルのX成分、Y成分としてマージ
候補を出力する。
The NN
（実施形態３：複数の時間隣接ベクトルを利用する例）
図20は、NNMVPマージ候補導出部30366bの構成を示す概略図である。NNMVPマージ候補導出部30366bは、ベクトル導出部3661bと、NNベクトル導出部3662bから構成される。この例では、時間動きベクトル導出部36612bが２つ以上の時間動きベクトルを導出することが特徴である。
(Embodiment 3: Example of using a plurality of time-adjacent vectors)
FIG. 20 is a schematic diagram showing the configuration of the NNMVP merge
ステップ１）実施形態２のステップ１）と同じであり、説明を省略する。 Step 1) This is the same as step 1) of the second embodiment, and the description thereof will be omitted.
ステップ２）コロケートブロックの動きベクトル導出
時間動きベクトル導出部36612bは、コロケートピクチャ上で、コロケートブロックに対し、右下位置を含むブロックC0、中央位置を含むブロックC1の２つのブロックから時間動きベクトル(mvLXC0[0],mvLXC0[1])と(mvLXC1[0],mvLXC1[1])を導出する。それ以外の処理は実施形態2のステップ２）と同じであり、説明を省略する。
Step 2) Derivation of motion vector of colocate block The time motion
ステップ３）ニューラルネットワーク処理
前記ステップ１）～２）で取得した動きベクトルをNNベクトル導出部3662bの入力とす
る。NNベクトル導出部3662bでは隣接動きベクトルをnumMV個入力する。例えば、動きベク
トルから構成される1x1x2のテンソルをnumMV個結合し、1x1x2xnumMVのテンソルを生成し
て入力する。ここで、動きベクトルのX成分、Y成分をチャネル成分とする。ステップ１）～２）ではnumMB=7であるので、入力テンソルは（mvLXA0[0], mvLXA0[1], mvLXA1[0], mvLXA1[1], mvLXB0[0], mvLXB0[1], mvLXB1[0], mvLXB1[1], mvLXB2[0], mvLXB2[1], mvLXC0[0], mvLXC0[1] , mvLXC1[0], mvLXC1[1]）の1x1x14テンソルである。
それ以外の処理は実施形態２のステップ３）と同じであり、説明を省略する。
Step 3) Neural network processing The motion vector acquired in steps 1) and 2) is used as the input of the NN
The other processing is the same as step 3) of the second embodiment, and the description thereof will be omitted.
図21は、本発明によるNNMVPマージ候補導出部30366の動作を説明する図である。図21のNNベクトル導出部3662は、実施形態１～３のNNベクトル導出部3662、3662a、3662bのいずれかであってもよい。複数の隣接動きベクトルを入力して１つの動きベクトルを導出する。ここで、K1, K2, K3, …, KNは参照ブロックを示すラベルである。上述したように、A0, A1, B0, B1, B2, CやC1, C2のいずれかを用いてもよい。また、K1, K2, K3, …, KNとして別の位置の参照ブロックを利用してもよい（以下同様）。
FIG. 21 is a diagram illustrating the operation of the NNMVP merge
実施形態１～３の違いは、入力する時間方向の隣接動きベクトルの個数（０、１、複数）である。 The difference between the first to third embodiments is the number (0, 1, plural) of adjacent motion vectors in the time direction to be input.
(実施形態４：対象ブロックに隣接しない参照ブロックを利用する例)
ニューラルネットワークに入力する対象ブロックの周囲の動きベクトルとして、近傍ブロックを参照してもよい。対象ブロックに辺または点を接する隣接ブロックに加え、直接接しないブロックも含めて近傍ブロックと呼ぶ。つまり、図17(a)に示すように、対象ブ
ロックの左上位置（xCb, yCb）を水平あるいは垂直方向に延長した直線に接するブロックを参照してもよい。上側近傍ブロックはy座標が(yPb-1)である位置を含むブロックであり、左側近傍ブロックはx座標が(xPb-1)の位置を含むブロックである。そしてNNMVPマージ候補導出部30366cには近傍ブロックの動きベクトルを入力する。それ以外の動作は、実施形態１～３と同様なので説明を省略する。ここで、NNMVPマージ候補導出部30366cは前記実施形態１～３のNNMVPマージ候補導出部30366、30366a、30366bを置き換えたものである。
(Embodiment 4: Example of using a reference block that is not adjacent to the target block)
A neighboring block may be referred to as a motion vector around the target block to be input to the neural network. In addition to adjacent blocks that touch the target block with edges or points, blocks that do not touch the target block are also called neighborhood blocks. That is, as shown in FIG. 17 (a), the block tangent to the straight line extending the upper left position (xCb, yCb) of the target block in the horizontal or vertical direction may be referred to. The upper neighborhood block is a block containing the position where the y coordinate is (yPb-1), and the left neighborhood block is a block containing the position where the x coordinate is (xPb-1). Then, the motion vector of the neighboring block is input to the NNMVP merge candidate derivation unit 30366c. Since the other operations are the same as those in the first to third embodiments, the description thereof will be omitted. Here, the NNMVP merge candidate derivation unit 30366c replaces the NNMVP merge
例えば、以下の位置のブロックを用いてもよい。この場合、NNMVPマージ候補導出部30366cの含む空間動きベクトル導出部36611cは、図17(a)の11個の近傍動きベクトルを入力し、1個の動きベクトルを導出する。 For example, blocks at the following positions may be used. In this case, the spatial motion vector derivation unit 36611c included in the NNMVP merge candidate derivation unit 30366c inputs the 11 neighborhood motion vectors shown in FIG. 17 (a) and derives one motion vector.
L1: (xCb - 1, yCb)
L2: (xCb - 1, yCb + cbHeight - 1)
L3: (xCb - 1, yCb + cbHeight)
L4: (xCb - 1, yCb + 2*cbHeight - 1)
L5: (xCb - 1, yCb + 2*cbHeight)
A0: (xCb - 1, yCb - 1)
A1: (xCb, yCb - 1)
A2: (xCb + cbWidth - 1, yCb - 1)
A3: (xCb + cbWidth, yCb - 1)
A4: (xCb + 2*cbWidth - 1, yCb - 1)
A5: (xCb + 2*cbWidth, yCb - 1)
ここで、L4,L5,A4,A5は、対象ブロックに辺または点を接しないブロックである。
L1: (xCb --1, yCb)
L2: (xCb ―― 1, yCb + cbHeight ―― 1)
L3: (xCb --1, yCb + cbHeight)
L4: (xCb ―― 1, yCb + 2 * cbHeight ―― 1)
L5: (xCb --1, yCb + 2 * cbHeight)
A0: (xCb ―― 1, yCb ―― 1)
A1: (xCb, yCb ―― 1)
A2: (xCb + cbWidth --1, yCb --1)
A3: (xCb + cbWidth, yCb ―― 1)
A4: (xCb + 2 * cbWidth ―― 1, yCb ―― 1)
A5: (xCb + 2 * cbWidth, yCb ―― 1)
Here, L4, L5, A4, and A5 are blocks that do not touch the target block with edges or points.
また、以下でもよい。例えば、以下の位置の近傍ブロックを用いてもよい。この場合、空間動きベクトル導出部36611cは、9個の近傍動きベクトルを入力し、1個の動きベクトルを導出する。 Further, the following may be used. For example, neighboring blocks at the following positions may be used. In this case, the spatial motion vector derivation unit 36611c inputs nine near-neighbor motion vectors and derives one motion vector.
L2: (xCb - 1, yCb + cbHeight - 1)
L3: (xCb - 1, yCb + cbHeight)
L4: (xCb - 1, yCb + 2*cbHeight - 1)
L5: (xCb - 1, yCb + 2*cbHeight)
A0: (xCb - 1, yCb - 1)
A2: (xCb + cbWidth - 1, yCb - 1)
A3: (xCb + cbWidth, yCb - 1)
A4: (xCb + 2*cbWidth - 1, yCb - 1)
A5: (xCb + 2*cbWidth, yCb - 1)
また、対象ピクチャCurPicにおいて、図17(b)は対象ブロックCurBLKの近傍ブロック（
上側近傍ブロックA[i]、左側近傍ブロックL[j]）を示す別の図である。ここでbW、bHは対象ブロックの幅と高さである。numN、numMは水平および垂直方向の近傍ブロックの個数である。A[i]は座標(xPb+bW*i,yPb-1)(i=0..numN-1)を含むブロックであり、左上座標を(xNb[i],yNb[i])と表す。L[j]は座標(xPb-1,yPb+bH*j)(j=0..numM-1)を含むブロックであり、左上座標を(xNb[j],yNb[j])と表す。
L2: (xCb ―― 1, yCb + cbHeight ―― 1)
L3: (xCb --1, yCb + cbHeight)
L4: (xCb ―― 1, yCb + 2 * cbHeight ―― 1)
L5: (xCb --1, yCb + 2 * cbHeight)
A0: (xCb ―― 1, yCb ―― 1)
A2: (xCb + cbWidth --1, yCb --1)
A3: (xCb + cbWidth, yCb ―― 1)
A4: (xCb + 2 * cbWidth ―― 1, yCb ―― 1)
A5: (xCb + 2 * cbWidth, yCb ―― 1)
In addition, in the target picture CurPic, Fig. 17 (b) shows the block near the target block CurBLK (
It is another figure which shows the upper neighborhood block A [i], the left neighborhood block L [j]). Here, bW and bH are the width and height of the target block. numN and numM are the number of neighboring blocks in the horizontal and vertical directions. A [i] is a block containing coordinates (xPb + bW * i, yPb-1) (i = 0..numN-1), and the upper left coordinates are expressed as (xNb [i], yNb [i]). L [j] is a block containing coordinates (xPb-1, yPb + bH * j) (j = 0..numM-1), and the upper left coordinates are expressed as (xNb [j], yNb [j]).
ここで、A[0]:(xPb,yPb-1)、A[1]:(xPb+bW,yPb-1)、A[2]:(xPb+bW*2,yPb-1)、L[0]= (xPb-1,yPb)、L[1]= (xPb-1,yPb+bH-1)、L[2]= (xPb-1,yPb+bH*2)である。 Here, A [0]: (xPb, yPb-1), A [1]: (xPb + bW, yPb-1), A [2]: (xPb + bW * 2, yPb-1), L [ 0] = (xPb-1, yPb), L [1] = (xPb-1, yPb + bH-1), L [2] = (xPb-1, yPb + bH * 2).
このような、対象ブロックに隣接しないブロックの動きベクトルも含めて、NNMVPマー
ジ候補導出部30366に入力する。
The motion vector of the block not adjacent to the target block is also input to the NNMVP merge
また、座標(xPb+bW*i,yPb-1)(i=0..numN)、座標(xPb-1,yPb+bH*j)(j=0..numM-1)に加えて、座標(xPb+bW*i-1,yPb-1)(i=0..numN)、座標(xPb-1,yPb+bH*j-1)(j=0..numN-1)を含むブロックの動きベクトルを用いてもよい。 In addition to the coordinates (xPb + bW * i, yPb-1) (i = 0..numN) and coordinates (xPb-1, yPb + bH * j) (j = 0..numM-1), the coordinates A block containing (xPb + bW * i-1, yPb-1) (i = 0..numN) and coordinates (xPb-1, yPb + bH * j-1) (j = 0..numN-1) A motion vector may be used.
ここでA[0]:(xPb,yPb-1)、A[1]:(xPb+bW-1,yPb-1)、A[1]:(xPb+bW,yPb-1)、A[3]:(xPb+bW*2,yPb-1)、L[0]= (xPb-1,yPb)、L[1]= (xPb-1,yPb+bH-1)、L[2]= (xPb-1,yPb+bH-1)、L[2]= (xPb-1,yPb+bH*2)。 Where A [0]: (xPb, yPb-1), A [1]: (xPb + bW-1, yPb-1), A [1] :( xPb + bW, yPb-1), A [3 ]: (xPb + bW * 2, yPb-1), L [0] = (xPb-1, yPb), L [1] = (xPb-1, yPb + bH-1), L [2] = ( xPb-1, yPb + bH-1), L [2] = (xPb-1, yPb + bH * 2).
上記のように、対象ブロックに直接は隣接しないが、X座標がxPb-1もしくはY座標がyPb-1のブロックの位置とその動きベクトルを用いて、ニューラルネットワークによりマージ候補を導出する。対象ブロックから離れた位置の動きベクトルを利用することで、動きのフィールドに関する多くの情報が得られるため、高精度なマージ候補を導出する効果を奏する。同時に、参照するX座標とY座標が限定されるため、高速アクセスに利用するラインメモリやコラムメモリの容量を減らすことができ簡易に実現できる。 As described above, a merge candidate is derived by a neural network using the position of the block whose X coordinate is xPb-1 or Y coordinate is yPb-1 and its motion vector, although it is not directly adjacent to the target block. By using the motion vector at a position away from the target block, a lot of information about the motion field can be obtained, which has the effect of deriving highly accurate merge candidates. At the same time, since the X and Y coordinates to be referenced are limited, the capacity of the line memory and column memory used for high-speed access can be reduced, which can be easily realized.
(実施形態５：長距離動きベクトルを利用する例）
実施形態５では、X座標がxP-1もしくはY座標がyP-1という制限なく、対象ブロックからより離れた位置のブロックの動きベクトルも利用する。つまり、図18に示すように、近傍ブロックを対象ブロックからより離れた位置に設定してもよい。また、実施形態４と同じく、NNMVPマージ候補導出部30366dには近傍ブロックの位置と動きベクトルを入力する。
ここで、NNMVPマージ候補導出部30366dは前記実施形態４のNNMVPマージ候補導出部30366cを置き換えたものである。
(Embodiment 5: Example of using a long-distance motion vector)
In the fifth embodiment, the motion vector of the block at a position farther from the target block is also used without the limitation that the X coordinate is xP-1 or the Y coordinate is yP-1. That is, as shown in FIG. 18, the neighboring block may be set at a position farther from the target block. Further, as in the fourth embodiment, the position and motion vector of the neighboring block are input to the NNMVP merge candidate derivation unit 30366d.
Here, the NNMVP merge candidate derivation unit 30366d replaces the NNMVP merge candidate derivation unit 30366c of the fourth embodiment.
例えば、NNMVPマージ候補導出部30366dは以下の座標の動きベクトルを参照する。 For example, the NNMVP merge candidate derivation unit 30366d refers to the motion vector at the following coordinates.
{xPb + bW * i + (i < 2 ? - 1 : -bW), yPb + bH * j + (j < 2 ? - 1 : -bH)}、i = -1..3, j = -1..3,
ただし(i==1, j==1), i>1 && j>1を除く。
{xPb + bW * i + (i <2? --1: -bW), yPb + bH * j + (j <2? --1: -bH)}, i = -1..3, j = -1 ..3,
However, (i == 1, j == 1), i> 1 &&j> 1 are excluded.
これは、j = -1 .. 0, i = -1..3及びj = 1..3, i = -1, 0であるのでjとして、Y座標
が小さいものから列挙すると、以下の座標の動きベクトルとも表現できる。
This is because j = -1 .. 0, i = -1 ..3 and j = 1..3, i = -1, 0, so if you list the coordinates from the one with the smallest Y coordinate as j, the following coordinates It can also be expressed as a motion vector of.
{xPb + bW * i + (i < 2 ? - 1 : -bW), xPb - bH - 1}、i = -1..3
{xPb + bW * i + (i < 2 ? - 1 : -bW), xPb - 1}、i = -1..3
{xPb + bW * i + (i < 2 ? - 1 : -bW), xPb + bH -1}、i = -1..3
{xPb + bW * i - 1, xPb + bH }、i = -1..0
{xPb + bW * i - 1, xPb + bH *2 }、i = -1..0
それ以外の動作は、実施形態１から３と同様なので説明を省略する。
{xPb + bW * i + (i <2? --1: -bW), xPb --bH --1}, i = -1..3
{xPb + bW * i + (i <2? --1: -bW), xPb --1}, i = -1..3
{xPb + bW * i + (i <2? --1: -bW), xPb + bH -1}, i = -1..3
{xPb + bW * i --1, xPb + bH}, i = -1..0
{xPb + bW * i --1, xPb + bH * 2}, i = -1..0
Since the other operations are the same as those in the first to third embodiments, the description thereof will be omitted.
上記の構成では、対象ブロック周囲に格子状に存在する動きベクトルを用いることで、動き情報をもれなく的確にとらえることができ、マージ候補の精度が向上する
上記の構成によれば、対象ブロックの周囲に存在する広範囲のブロックの動きベクトルを、動きベクトルの属するブロックの位置と合わせて、NNMVPマージ候補導出部30366dに
入力し、マージ候補を導出する。従って、より高精度なマージ候補を導出する効果を奏する。
In the above configuration, by using motion vectors existing in a grid pattern around the target block, motion information can be accurately captured without omission, and the accuracy of merge candidates is improved. According to the above configuration, around the target block. The motion vector of a wide range of blocks existing in is input to the NNMVP merge candidate derivation unit 30366d together with the position of the block to which the motion vector belongs, and the merge candidate is derived. Therefore, it has the effect of deriving more accurate merge candidates.
（入出力の説明）
上記の実施形態１から実施形態５までの実施形態では、NN動きベクトル導出部に入力する動きベクトルの種類に注目して説明したが。ここでは、NN動きベクトル導出部の入力と出力に注目して説明する。
(Explanation of input / output)
In the above-described
図21は、上記の実施形態１から実施形態５までのNNベクトル導出部3662、3662a、3662b、3662c、3662dの入出力を説明する図である。図に示すように、NNベクトル導出部3662、3662a、3662b、3662c、3662dは、複数の動きベクトルを入力し、１つの動きベクトルを導出する。これまでは、入力と出力として動きベクトルのみを用いる例を説明したが、以降、参照ピクチャ情報など、動きベクトル以外の動き情報も入力する例を説明する。
FIG. 21 is a diagram illustrating input / output of the NN
（実施形態６；参照ピクチャの情報を入力する例）
図22(a)、図23(a)は、本発明による、参照ピクチャの情報を入力するNNベクトル導出部3662e、3662e2の動作を説明する図である。
(Embodiment 6; Example of inputting reference picture information)
22 (a) and 23 (a) are diagrams illustrating the operation of the NN
NNベクトル導出部3662eには動きベクトルだけではなく、参照ピクチャ情報も入力する
。具体的には、NNベクトル導出部3662eに動きベクトルmvLXに加え、参照ピクチャインデ
ックスrefIdxLXも入力する。動きベクトルが利用可能ではない場合（参照ブロックNのavailableFlagNが0の場合）、(mvLX[0],mvLX[1])=(0,0)、refIdxLX=-1とセットする。動きベクトルが利用可能ではない場合とは、例えば、参照ブロックがイントラ予測である場合や画面外にある場合、対象ブロックとは別のスライスにある場合などである。図22(a)に示すように、NNベクトル導出部3662eにnumBlock個のmvLX[0], mvLX[1], pocDiffLXのセットを、1x1x(3xnumBlock)のテンソルとして入力する。ここでチャネルCは、動きベクトルのX成分mvLX[0]、Y成分mvLX[1]、参照ピクチャインデックスrefIdxLXである。そして、フルコネクションとアクティベーションの繰り替えしからなるニューラルネットワーク処理によって、mvNNベクトルを要素とする1x1x2テンソルを出力する。例えば、図16に示す空間マージ候補A0,A1,B0,B1,B2と時間マージ候補Cがすべて利用できる場合、NNベクトル導出部3662eの入力は（mvLXA0[0], mvLXA0[1], refIdxLXA0, mvLXA1[0], mvLXA1[1], refIdxLXA1, mvLXB0[0], mvLXB0[1], refIdxLXB0, mvLXB1[0], mvLXB1[1], refIdxLXB1, mvLXB2[0], mvLXB2[1], refIdxLXB2, mvLXC[0], mvLXC[1], refIdxLXC）の1x1x18テンソルである。図22(a)のNNベクトル導出部3662eの出力は(mvLX[0], mvLX[1])であり、1x1x2テンソルである。
Not only the motion vector but also the reference picture information is input to the NN
なお、参照ブロックNのavailableFlagNが0の場合、refIdxLX=-1ではなく、refIdxLX=-7や、refIdxLX=-127など、-1よりも小さい値（絶対値の大きい値）をセットする。そして
、動きベクトルが利用可能な場合（refIdxLX>=0）と差別化してもよい。
If availableFlagN of the reference block N is 0, set a value smaller than -1 (a value with a large absolute value) such as refIdxLX = -7 or refIdxLX = -127 instead of refIdxLX = -1. Then, it may be differentiated from the case where the motion vector is available (refIdxLX> = 0).
上記の構成によれば、動きベクトルに加えて参照ピクチャインデックスもNNベクトル導出部3662eに入力し、マージ候補を導出することにより、参照ピクチャインデックスを利
用したより高精度なマージ候補を導出する効果を奏する。特に、動きベクトルが利用可能ではない場合や、異なる参照ピクチャの動きベクトルを適切に利用することができる。
According to the above configuration, in addition to the motion vector, the reference picture index is also input to the NN
図23(a)のNNベクトル導出部3662e2は、上記形態の変形例である。この構成の入力はNN
ベクトル導出部3662eと等しいが、出力は動きベクトルに加えて、参照ピクチャインデッ
クスも出力する。つまり、NNベクトル導出部3662e2の出力は(mvLX[0], mvLX[1], refIdxLX)であり、1x1x3テンソルとしてもよい。
The NN vector derivation unit 3662e2 in FIG. 23 (a) is a modification of the above form. The input for this configuration is NN
Equivalent to the
（実施形態７；参照ピクチャの情報を入力する別の例）
図22(b)、図23(b)は、本発明による別の参照ピクチャの情報を入力するNNベクトル導出部3662f、30366f2の動作を説明する図である。
(Embodiment 7; Another Example of Inputting Reference Picture Information)
22 (b) and 23 (b) are diagrams illustrating the operation of the NN
NNベクトル導出部3662fには、動きベクトルだけではなく、参照ピクチャの情報も入力
する。具体的には、動きベクトルmvLXに加え、参照ピクチャのPOC(Picture Order Count)の情報も入力する。ここでは、参照ピクチャのPOC(refPOC)と、対象ピクチャのPOC(curPOC)の差分値pocDiffLXを入力する。
Not only the motion vector but also the information of the reference picture is input to the NN
pocDiffLX = curPOC - refPOC
これによって、NNベクトル導出部3662fは、参照ブロックの各動きベクトルについて対
象ブロックと参照ブロックの時間的な相対的位置の情報を利用することができる。従って、対象ブロックの時間方向の動きの変化を利用することができ、マージ候補の精度を向上させることができる。
pocDiffLX = curPOC --refPOC
As a result, the NN
図22(b)に示すように、NNベクトル導出部3662fには、numBlock個の参照ブロックのmvLX[0], mvLX[1], pocDiffLXを、1x1x(3xnumBlock)のテンソルとして入力し、ニューラルネ
ットワーク処理によって、1x1x2テンソルを導出し、マージ予測モードの動きベクトルmvLX[0], mvLX[1]として出力する。例えば、図16の空間マージ候補A0,A1,B0,B1,B2と時間マージ候補Cがすべて利用できる場合、NNベクトル導出部3662fの入力は（mvLXA0[0], mvLXA0[1], pocDiffLXA0, mvLXA1[0], mvLXA1[1], pocDiffLXA1, mvLXB0[0], mvLXB0[1], pocDiffLXB0, mvLXB1[0], mvLXB1[1], pocDiffLXB1, mvLXB2[0], mvLXB2[1], pocDiffLXB2, mvLXC[0], mvLXC[1], pocDiffLXC）の1x1x18テンソルである。
As shown in Fig. 22 (b), mvLX [0], mvLX [1], and pocDiffLX of numBlock reference blocks are input as 1x1x (3xnumBlock) tensors in the NN
なお、参照ブロックNのavailableFlagNが0の場合、pocDiffLX=-127や、pocDiffLX=-127など、通常用いる値（たとえば63）より絶対値の大きい所定の値をpocDiffLXとして、NN
ベクトル導出部3662fに入力してもよい。また、参照ブロックNのavailableFlagNが0の場
合、動きベクトルとして特定の値(0, 0)をNNMVPマージ候補導出部30366fに入力してもよ
い。
When availableFlagN of the reference block N is 0, a predetermined value having an absolute value larger than the normally used value (for example, 63) such as pocDiffLX = -127 or pocDiffLX = -127 is set as pocDiffLX and NN.
It may be input to the
上記の構成によれば、動きベクトルに加えて参照ピクチャと対象ピクチャのPOCの差分
値もNNベクトル導出部3662fに入力し、マージ候補を導出する。従って、対象ピクチャと
参照ピクチャの距離を利用した、より高精度なマージ候補を導出する効果を奏する。特に、近傍動きベクトルが利用可能ではない場合や、異なる参照ピクチャの動きベクトルを適切に利用することができる。
According to the above configuration, in addition to the motion vector, the difference value of the POC between the reference picture and the target picture is also input to the NN
図23(b)のNNベクトル導出部3662f2は、図22(b)の変形例である。この構成への入力はNNベクトル導出部3662fへの入力と等しいが、動きベクトルと対象ピクチャからのPOCの変位量を出力する。つまり、NNベクトル導出部3662f2の出力は(mvLX[0], mvLX[1], pocDiffLX)であり、1x1x3テンソルとしてもよい。pocの変位量pocDiffLXと、対象ピクチャのPOCであるcurPOCを加算してPOC = curPOC + picDiffLXを導出する。このPOCの参照ピクチャを選択することにより、NNMVPマージ候補で用いる参照ピクチャを特定することができる。このときNNMVPマージ候補の参照ピクチャインデックスをrefPicLXNNMVPと示してもよい。
The NN vector derivation unit 3662f2 in FIG. 23 (b) is a modified example of FIG. 22 (b). The input to this configuration is equal to the input to the NN
（実施形態８A：双予測の例１）
図24は、本発明による複数の動きベクトルを導出するNNベクトル導出部3662gの動作を
説明する図である。この例では、各参照ブロックK（K=K1..KN）に複数の動きベクトル（
例えば双予測の動きベクトル、mvL0とmvL1）がある場合、その両方の動きベクトルをNNベクトル導出部3662gに入力し、複数の動きベクトルを出力する構成である。Kは参照ブロックのラベルである。また、mvL0もしくはmvL1のどちらか一方しか利用しない単予測の場合は、利用しない動きベクトルの値として、利用可能ではないことを示す特定の値を設定する。
(Embodiment 8A: Example 1 of dual prediction)
FIG. 24 is a diagram illustrating the operation of the NN
For example, if there are bi-predicted motion vectors, mvL0 and mvL1), both motion vectors are input to the NN
本構成によれば、複数の参照ブロックのおける双予測の動きベクトルをNNベクトル導出部3662gに入力して複数の動きベクトルを導出することによって、より精度の高いマージ
候補が導出できる効果を奏する。
According to this configuration, by inputting the motion vectors of biprediction in a plurality of reference blocks into the NN
（実施形態８B：双予測の例２）
図25(a)は、本発明による複数の動きベクトルを導出するNNベクトル導出部3662hの動作を説明する図である。各参照ブロック（K=k1..KN）に複数の動きベクトル（例えば双予測の動きベクトル、mvL0とmvL1）がある場合、その両方を参照ピクチャインデックスとともにNNベクトル導出部3662hに入力し、複数の動きベクトルを出力する構成である。mvL0も
しくはmvL1のどちらか一方しか利用しない単予測の場合、利用しない動きベクトルと参照ピクチャインデックスの値として、利用可能ではないことを示す特定の値(0, 0)と-1,-127,128などを設定する。
(Embodiment 8B: Example 2 of dual prediction)
FIG. 25 (a) is a diagram illustrating the operation of the NN
本構成によれば、複数の参照ブロックのおける双予測の動きベクトルと参照ピクチャインデックスをNNベクトル導出部3662hに入力して複数の動きベクトルを導出することによ
って、より精度の高いマージ候補が導出できる効果を奏する。
According to this configuration, more accurate merge candidates can be derived by inputting the bipredictive motion vector and the reference picture index in the multiple reference blocks into the NN
図25(b)は、本発明による複数の動きベクトルを導出するNNベクトル導出部3662iの動作を説明する図である。この例では、上述の入力の参照ピクチャの情報として参照ピクチャインデックスではなくPOC差分（pocDiffLX）を用いる構成である。
FIG. 25 (b) is a diagram illustrating the operation of the NN
本構成によれば、複数の参照ブロックの双予測の動きベクトルと参照ピクチャのPOC差
分情報をNNベクトル導出部3662iに入力して複数の動きベクトルを導出することによって
、より精度の高いマージ候補が導出できる効果を奏する。
According to this configuration, more accurate merge candidates can be obtained by inputting the bi-predictive motion vectors of multiple reference blocks and the POC difference information of the reference picture into the NN
（実施形態８C：双予測の例３）
図26(a)は、本発明による複数の動きベクトルを導出するNNベクトル導出部3662h2の動
作を説明する図である。各参照ブロックK（K=K1..KN）に複数の動きベクトル（例えば双
予測の動きベクトル、mvL0とmvL1）がある場合、その両方と参照ピクチャインデックスrefIdxLXをNNベクトル導出部3662h2に入力し、複数の動きベクトルと参照ピクチャインデックスの組を出力する構成である。
(Embodiment 8C: Example 3 of dual prediction)
FIG. 26 (a) is a diagram illustrating the operation of the NN vector derivation unit 3662h2 for deriving a plurality of motion vectors according to the present invention. If each reference block K (K = K1..KN) has multiple motion vectors (eg bipredictive motion vectors, mvL0 and mvL1), enter both and the reference picture index refIdxLX into the NN vector derivation section 3662h2. It is a configuration that outputs a set of multiple motion vectors and a reference picture index.
図26(b)は、本発明による複数の動きベクトルを導出するNNベクトル導出部3662i2の動
作を説明する図である。この例では、上述の入力、出力の参照ピクチャ情報として参照ピクチャインデックスではなくPOC差分（pocDiffLX、X=0..1）を用いる構成である。
FIG. 26 (b) is a diagram illustrating the operation of the NN vector derivation unit 3662i2 for deriving a plurality of motion vectors according to the present invention. In this example, the POC difference (pocDiffLX, X = 0.1) is used instead of the reference picture index as the reference picture information of the above input and output.
（実施形態９）動きベクトルのスケーリング
実施形態９―１：隣接ブロック動きベクトルのスケーリング処理
上記、実施形態１～実施形態８のステップ１）のベクトル導出部（3661、3661a、3661b）は、参照ブロックの動きベクトルをスケーリングしてもよい。そしてスケーリングされた動きベクトルを、実施形態２と３に記載するステップ３）のNNベクトル導出部（3662、3662a、3662b、3662c、3662d、…）に入力してもよい。参照ブロックK（例えばA0, A1, B0, B1, B2など）の動きベクトルをmvKとする場合、図16(a)に示す対象ピクチャCurPicと、対象ブロックCurBLKの参照ピクチャRefPicListX[refIdxLX]との時間情報を用いて、参照ブロックの動きベクトルをスケーリングする。ここでrefIdxLX=0としてもよい。スケーリング後の動きベクトルをMvLKとする。
(Embodiment 9) Scaling of motion vector Embodiment 9-1: Scaling process of adjacent block motion vector The vector derivation unit (3661, 3661a, 3661b) of step 1) of the
動きベクトルのスケーリングの導出方法を説明する。動きベクトルMv（参照動きベクトル）、Mvをもつブロックを含むピクチャPicMv、Mvの参照ピクチャPicMvRef、スケーリン
グ後の動きベクトルsMv、sMvをもつブロックを含むピクチャCurPic、sMvが参照する参照
ピクチャCurPicRefとすると、sMvの導出関数MvScale(Mv,PicMv,PicMvRef,CurPic,CurPicRef)は下式で表される。
The method of deriving the scaling of the motion vector will be described. A motion vector Mv (reference motion vector), a picture PicMv containing a block with Mv, a reference picture PicMvRef of Mv, a motion vector sMv after scaling, a picture CurPic containing a block with sMv, and a reference picture CurPicRef referenced by sMv. The derivation function MvScale (Mv, PicMv, PicMvRef, CurPic, CurPicRef) of sMv is expressed by the following equation.
sMv = MvScale(Mv,PicMv,PicMvRef,CurPic,CurPicRef)
= Clip3(-R1,R1-1,sign(distScaleFactor*Mv)*((abs(distScaleFactor*Mv)+round1-1)>>shift1))
distScaleFactor = Clip3(-R2,R2-1,(tb*tx+round2)>>shift2)
tx = (16384+abs(td)>>1)/td
td = DiffPicOrderCnt(PicMv,PicMvRef)
tb = DiffPicOrderCnt(CurPic,CurPicRef)
ここで、round1、round2、shift1、shift2は、逆数を用いて除算を行うためのラウンド値及びシフト値で、例えば、round1=1<<(shift1-1)、round2=1<<(shift2-1)、shift1=8、shift2=6などである。DiffPicOrderCnt(Pic1,Pic2)はPic1とPic2の時間情報（例えばPOC）の差を返す関数である。R1、R2は処理を限られた精度で行うために値域を制限するもので例えば、R1=32768、R2=4096などである。ここでスケーリング後の動きベクトルMvLKは下式で表される。
sMv = MvScale (Mv, PicMv, PicMvRef, CurPic, CurPicRef)
= Clip3 (-R1, R1-1, sign (distScaleFactor * Mv) * ((abs (distScaleFactor * Mv) + round1-1) >> shift1))
distScaleFactor = Clip3 (-R2, R2-1, (tb * tx + round2) >> shift2)
tx = (16384 + abs (td) >> 1) / td
td = DiffPicOrderCnt (PicMv, PicMvRef)
tb = DiffPicOrderCnt (CurPic, CurPicRef)
Here, round1, round2, shift1, and shift2 are round values and shift values for performing division using the reciprocal, for example, round1 = 1 << (shift1-1), round2 = 1 << (shift2-12-1). ), Shift1 = 8, shift2 = 6, etc. DiffPicOrderCnt (Pic1, Pic2) is a function that returns the difference between the time information of Pic1 and Pic2 (for example, POC). R1 and R2 limit the range in order to perform processing with limited accuracy. For example, R1 = 32768 and R2 = 4096. Here, the motion vector MvLK after scaling is expressed by the following equation.
MvLK = MvScale(mvK,CurPic,RefK,CurPic,RefPicListX[refIdxLX]))
実施形態９―２：コロケートブロック動きベクトルのスケーリング処理
時間動きベクトル
上記、実施形態１～実施形態８のステップ２）の時間動きベクトル導出部は、参照ブロックの動きベクトルをスケーリングしてもよい。そしてスケーリングされた動きベクトルを、実施形態２と３に記載するステップ３）のニューラルネットワーク処理に入力してもよい。図16(c)に示すように、初期参照ピクチャIRef上において、対象ブロックからIMVだけシフトした位置のコロケートブロックColBLKが利用可能か否かをチェックする。このコロケートブロックが利用可能な場合、対象ブロックの参照ピクチャRefPicListX[redIdxLX]上の参照ブロックを示す動きベクトルspMvLxを導出する。ここでrefIdxLX=0であってもよい。コロケートブロックColBLKの動きベクトルspRefMvLX、対象ピクチャCurPicとその参照ピクチャRefPicListX[redIdxLX]の時間情報差と、初期参照ピクチャIRefとコロケートピクチャの参照ピクチャspRefPicの時間情報差の比を用いて、動きベクトルspMvLxを導出する。具体的には、スケーリング関数MvScale()を用いて下式で導出する。
MvLK = MvScale (mvK, CurPic, RefK, CurPic, RefPicListX [refIdxLX]))
Embodiment 9-2: Scaling of collaged block motion vector Processing time motion vector The time motion vector derivation unit of step 2) of the above-mentioned first to eighth embodiments may scale the motion vector of the reference block. Then, the scaled motion vector may be input to the neural network process of step 3) described in the second and third embodiments. As shown in FIG. 16 (c), it is checked whether or not the collage block ColBLK at the position shifted by IMV from the target block can be used on the initial reference picture IRef. If this collated block is available, a motion vector spMvLx indicating the reference block on the reference picture RefPicListX [redIdxLX] of the target block is derived. Here, refIdxLX = 0 may be set. Using the ratio of the time information difference between the motion vector spRefMvLX of the collated block ColBLK, the target picture CurPic and its reference picture RefPicListX [redIdxLX], and the time information difference between the initial reference picture IRef and the reference picture spRefPic of the collaged picture, the motion vector spMvLx is calculated. Derived. Specifically, it is derived by the following equation using the scaling function MvScale ().
spMvLX = MvScale(spRefMvLX,IRef,spRefPic,CurPic,RefPicListX[refIdxLX])
= Clip3(-R1,R1-1,sign(distScaleFactor*spRefMvLX )*((abs(distScaleFactor*spRefMvLX )+round1-1)>>shift1))
distScaleFactor = Clip3(-R2,R2-1,(tb*tx+round2)>>shift2)
tx = (16384+abs(td)>>1)/td
td = DiffPicOrderCnt(IRef,spRefPic)
tb = DiffPicOrderCnt(CurPic,RefPicListX[refIdxLX])
ここで、round1、round2、shift1、shift2は、逆数を用いて除算を行うためのラウンド値及びシフト値で、例えば、round1=1<<(shift1-1)、round2=1<<(shift2-1)、shift1=8、shift2=6などである。DiffPicOrderCnt(Pic1,Pic2)はPic1とPic2の時間情報（例えばPOC）の差を返す関数である。R1、R2は処理を限られた精度で行うために値域を制限するもので例えば、R1=32768、R2=4096などである。
spMvLX = MvScale (spRefMvLX, IRef, spRefPic, CurPic, RefPicListX [refIdxLX])
= Clip3 (-R1, R1-1, sign (distScaleFactor * spRefMvLX) * ((abs (distScaleFactor * spRefMvLX) + round1-1) >> shift1))
distScaleFactor = Clip3 (-R2, R2-1, (tb * tx + round2) >> shift2)
tx = (16384 + abs (td) >> 1) / td
td = DiffPicOrderCnt (IRef, spRefPic)
tb = DiffPicOrderCnt (CurPic, RefPicListX [refIdxLX])
Here, round1, round2, shift1, and shift2 are round values and shift values for performing division using the reciprocal, for example, round1 = 1 << (shift1-1), round2 = 1 << (shift2-12-1). ), Shift1 = 8, shift2 = 6, etc. DiffPicOrderCnt (Pic1, Pic2) is a function that returns the difference between the time information of Pic1 and Pic2 (for example, POC). R1 and R2 limit the range in order to perform processing with limited accuracy. For example, R1 = 32768 and R2 = 4096.
（AMVP予測）
図10(b)は、本実施形態に係るAMVP予測パラメータ導出部3032の構成を示す概略図であ
る。AMVP予測パラメータ導出部3032は、ベクトル候補導出部3033、ベクトル候補参照部30331、NNMVPベクトル候補導出部30332とベクトル候補選択部3034、ベクトル候補格納部3035を備える。
(AMVP forecast)
FIG. 10B is a schematic diagram showing the configuration of the AMVP prediction
ここで、前記sps_nnmvp_enabled_flagが１かつAMVP予測の場合、NNMVPモードを用いて
対象ブロックの動きベクトルを予測する。具体的にベクトル候補導出部3033は、予測パラメータメモリ307が記憶する復号済みの参照ピクチャインデックスrefIdxLXと隣接ブロッ
クの動きベクトルmvLXをNNMVPベクトル候補導出部30332に入力し、予測ベクトル候補を導出し、ベクトル候補格納部3035の予測ベクトル候補リストmvpListLX[]に格納する。
Here, when the sps_nnmvp_enabled_flag is 1 and AMVP prediction is performed, the motion vector of the target block is predicted using the NNMVP mode. Specifically, the vector
ベクトル候補選択部3034は、mvpListLX[]の予測ベクトル候補のうち、予測ベクトルイ
ンデックスmvp_LX_idxが示す動きベクトルmvpListLX[mvp_LX_idx]を予測ベクトルmvpLXとして選択する。ベクトル候補選択部3034は選択した予測ベクトルmvpLXを加算部3038に出
力する。
The vector
（MV加算部）
加算部3038は、AMVP予測パラメータ導出部3032から入力された予測ベクトルmvpLXとパ
ラメータ復号制御部3031から入力された差分ベクトルmvdLXを加算して動きベクトルmvLX
を算出する。加算部3038は、算出した動きベクトルmvLXを予測画像生成部309および予測
パラメータメモリ307に出力する。
(MV addition part)
The
Is calculated. The
mvLX[0] = mvpLX[0] + mvdLX[0]
mvLX[1] = mvpLX[1] + mvdLX[1]
（動きベクトルの精度）
amvr_modeは、AMVPモードで導出される動きベクトルの精度を切り替えるシンタックス
要素である、例えば、amvr_mode=0, 1, 2において、1/4画素、1画素、4画素精度を切り替える。amvr_modeの代わりに、1/4であるかのフラグamvr_flagと、1/16と1を切り替えるフラグamvr_precision_flagを用いても良い。
mvLX [0] = mvpLX [0] + mvdLX [0]
mvLX [1] = mvpLX [1] + mvdLX [1]
(Motion vector accuracy)
amvr_mode is a syntax element that switches the accuracy of the motion vector derived in AMVP mode. For example, in amvr_mode = 0, 1, 2, 1/4 pixel, 1 pixel, and 4 pixel accuracy are switched. Instead of amvr_mode, you may use the 1/4 flag amvr_flag and the 1/16 / 1 switching flag amvr_precision_flag.
動きベクトルの精度を1/16精度とする場合、1/4, 1, 4画素精度の動きベクトル差分を1/16画素精度の動きベクトル差分に変更するために下記のように、amvr_modeから導出されるMvShift (=1<<amvr_mode =(amvr_flag+amvr_precision_flag)<<1)を用いて逆量子化してもよい。 When the motion vector accuracy is 1/16 accuracy, it is derived from amvr_mode as shown below to change the motion vector difference with 1/4, 1, 4 pixel accuracy to the motion vector difference with 1/16 pixel accuracy. MvShift (= 1 << amvr_mode = (amvr_flag + amvr_precision_flag) << 1) may be used for inverse quantization.
MvdLX[0] = MvdLX[0] << (MvShift + 2)
MvdLX[1] = MvdLX[1] << (MvShift + 2)
同様に、affine_flagが1の場合には、以下の式で導出される。
MvdLX [0] = MvdLX [0] << (MvShift + 2)
MvdLX [1] = MvdLX [1] << (MvShift + 2)
Similarly, when affine_flag is 1, it is derived by the following formula.
MvShift = amvr_precision_flag ? (amvr_precision_flag<<1):(-(amvr_flag<<1)))
MvdCpLX[cpIdx][0] = MvdLX[cpIdx][0] << (MvShift + 2)
MvdCpLX[cpIdx][1] = MvdLX[cpIdx][1] << (MvShift + 2)
なお、さらにパラメータ復号部302は、上記MvShiftでシフトする前のmvdLX[]を、以下の
シンタックス要素を復号して導出してもよい。
・abs_mvd_greater0_flag
・abs_mvd_minus2
・mvd_sign_flag
そして、パラメータ復号部302は、以下の式を用いることによって、シンタックス要素か
ら差分ベクトルlMvd[]を復号する。
MvShift = amvr_precision_flag? (amvr_precision_flag << 1) :(-(amvr_flag << 1)))
MvdCpLX [cpIdx] [0] = MvdLX [cpIdx] [0] << (MvShift + 2)
MvdCpLX [cpIdx] [1] = MvdLX [cpIdx] [1] << (MvShift + 2)
Further, the
・ Abs_mvd_greater0_flag
・ Abs_mvd_minus2
・ Mvd_sign_flag
Then, the
lMvd[compIdx] = abs_mvd_greater0_flag[compIdx] * (abs_mvd_minus2[compIdx]+2) *
(1-2*mvd_sign_flag[compIdx])
さらにlMvd[]は、並進MVDの場合（MotionModelIdc==0）にはMvdLXに設定され、制御点MVDの場合（MotionModelIdc!=0）には、MvdCpLXに設定される。
lMvd [compIdx] = abs_mvd_greater0_flag [compIdx] * (abs_mvd_minus2 [compIdx] +2) *
(1-2 * mvd_sign_flag [compIdx])
Furthermore, lMvd [] is set to MvdLX in the case of translational MVD (MotionModelIdc == 0), and set to MvdCpLX in the case of control point MVD (MotionModelIdc! = 0).
if (MotionModelIdc == 0)
MvdLX[compIdx] = lMvd[compIdx]
else
MvdCpLX[cpIdx][compIdx] = lMvd[cpIdx][compIdx]
ここでcompIdx = 0, 1、cpIdx = 0, 1, 2である。
if (MotionModelIdc == 0)
MvdLX [compIdx] = lMvd [compIdx]
else else
MvdCpLX [cpIdx] [compIdx] = lMvd [cpIdx] [compIdx]
Where compIdx = 0, 1, cpIdx = 0, 1, 2.
（イントラ予測パラメータ導出部の構成）
イントラ予測パラメータ導出部は、パラメータ復号部302からの入力に基づいて、予測
パラメータメモリ307に記憶された予測パラメータを参照してイントラ予測パラメータ、
例えば、イントラ予測モードIntraPredModeを導出する。イントラ予測パラメータ導出部
は、イントラ予測パラメータを予測画像生成部308に出力し、また予測パラメータメモリ307に記憶する。イントラ予測パラメータ導出部は、輝度と色差で異なるイントラ予測モードを導出しても良い。
(Structure of intra prediction parameter derivation part)
The intra prediction parameter derivation unit refers to the prediction parameter stored in the
For example, the IntraPredMode is derived. The intra prediction parameter derivation unit outputs the intra prediction parameter to the prediction
ループフィルタ305は、符号化ループ内に設けたフィルタで、ブロック歪やリンギング
歪を除去し、画質を改善するフィルタである。ループフィルタ305は、加算部312が生成したCUの復号画像に対し、デブロッキングフィルタ、サンプル適応オフセット（SAO）、適
応ループフィルタ（ALF）等のフィルタを施す。
The
参照ピクチャメモリ306は、CUの復号画像を、対象ピクチャ及び対象CU毎に予め定めた
位置に記憶する。
The
予測パラメータメモリ307は、CTUあるいはCU毎に予め定めた位置に予測パラメータを記憶する。具体的には、予測パラメータメモリ307は、パラメータ復号部302が復号したパラメータ及び予測パラメータ導出部320が導出したパラメータ等を記憶する。
The
予測画像生成部308には予測パラメータ導出部320が導出したパラメータが入力される。また、予測画像生成部308は、参照ピクチャメモリ306から参照ピクチャを読み出す。予測画像生成部308は、predModeが示す予測モードで、パラメータと参照ピクチャ（参照ピク
チャブロック）を用いてブロックもしくはサブブロックの予測画像を生成する。ここで、参照ピクチャブロックとは、参照ピクチャ上の画素の集合（通常矩形であるのでブロック
と呼ぶ）であり、予測画像を生成するために参照する領域である。
The parameters derived by the prediction parameter derivation unit 320 are input to the prediction
（インター予測画像生成部309）
predModeがインター予測モードを示す場合、インター予測画像生成部309は、インター
予測パラメータ導出部303から入力されたインター予測パラメータと参照ピクチャを用い
てインター予測によりブロックもしくはサブブロックの予測画像を生成する。
(Inter prediction image generation unit 309)
When the predMode indicates the inter-prediction mode, the inter-prediction
図11は、本実施形態に係る予測画像生成部308に含まれるインター予測画像生成部309の構成を示す概略図である。インター予測画像生成部309は、動き補償部（予測画像生成装
置）3091、合成部3095を含んで構成される。合成部3095は、重み予測部3094を含んで構成される。
FIG. 11 is a schematic diagram showing the configuration of the inter-predictive
（動き補償）
動き補償部3091（補間画像生成部3091）は、インター予測パラメータ導出部303から入
力された、インター予測パラメータ（predFlagLX、refIdxLX、mvLX）に基づいて、参照ピクチャメモリ306から参照ブロックを読み出すことによって補間画像（動き補償画像）を
生成する。参照ブロックは、refIdxLXで指定された参照ピクチャRefPicLX上で、対象ブロックの位置からmvLXシフトした位置のブロックである。ここで、mvLXが整数精度でない場合には、動き補償フィルタと呼ばれる小数位置の画素を生成するためのフィルタを施して、補間画像を生成する。
(Motion compensation)
The motion compensation unit 3091 (interpolated image generation unit 3091) interpolates by reading the reference block from the
動き補償部3091は、まず、予測ブロック内座標(x,y)に対応する整数位置(xInt,yInt)および位相(xFrac,yFrac)を以下の式で導出する。
First, the
xInt = xPb+(mvLX[0]>>(log2(MVPREC)))+x
xFrac = mvLX[0]&(MVPREC-1)
yInt = yPb+(mvLX[1]>>(log2(MVPREC)))+y
yFrac = mvLX[1]&(MVPREC-1)
ここで、(xPb,yPb)は、bW*bHサイズのブロックの左上座標、x=0…bW-1、y=0…bH-1であり、MVPRECは、mvLXの精度（1/MVPREC画素精度）を示す。例えばMVPREC=16である。
xInt = xPb + (mvLX [0] >> (log2 (MVPREC))) + x
xFrac = mvLX [0] & (MVPREC-1)
yInt = yPb + (mvLX [1] >> (log2 (MVPREC))) + y
yFrac = mvLX [1] & (MVPREC-1)
Here, (xPb, yPb) is the upper left coordinate of the bW * bH size block, x = 0… bW-1, y = 0… bH-1, and MVPREC is the accuracy of mvLX (1 / MVPREC pixel accuracy). ) Is shown. For example, MVPREC = 16.
動き補償部3091は、参照ピクチャrefImgに補間フィルタを用いて水平補間処理を行うことで、一時的画像temp[][]を導出する。以下のΣはk=0..NTAP-1のkに関する和、shift1は値のレンジを調整する正規化パラメータ、offset1=1<<(shift1-1)である。
The
temp[x][y] = (ΣmcFilter[xFrac][k]*refImg[xInt+k-NTAP/2+1][yInt]+offset1)>>shift1
続いて、動き補償部3091は、一時的画像temp[][]を垂直補間処理により、補間画像Pred[][]を導出する。以下のΣはk=0..NTAP-1のkに関する和、shift2は値のレンジを調整する正規化パラメータ、offset2=1<<(shift2-1)である。
temp [x] [y] = (ΣmcFilter [xFrac] [k] * refImg [xInt + k-NTAP / 2 + 1] [yInt] + offset1) >> shift1
Subsequently, the
Pred[x][y] = (ΣmcFilter[yFrac][k]*temp[x][y+k-NTAP/2+1]+offset2)>>shift2
なお、双予測の場合、上記のPred[][]をL0リスト、L1リスト毎に導出し（補間画像PredL0[][]とPredL1[][]と呼ぶ）、PredL0[][]とPredL1[][]から補間画像Pred[][]を生成する。
Pred [x] [y] = (ΣmcFilter [yFrac] [k] * temp [x] [y + k-NTAP / 2 + 1] + offset2) >> shift2
In the case of bi-prediction, the above Pred [] [] is derived for each L0 list and L1 list (interpolated images PredL0 [] [] and PredL1 [] []), and PredL0 [] [] and PredL1 []. ] [] Generates the interpolated image Pred [] [].
合成部3095は重み予測部3094を備えている。
The
（重み予測）
重み予測部3094は、補間画像PredLXに重み係数を乗算することによりブロックの予測画像を生成する。予測リスト利用フラグの一方（predFlagL0もしくはpredFlagL1）が１（単
予測）、かつ、重み予測を用いない場合、PredLX（LXはL0もしくはL1）を画素ビット数bitDepthに合わせる以下の式の処理を行う。
(Weight prediction)
The
Pred[x][y] = Clip3(0,(1<<bitDepth)-1,(PredLX[x][y]+offset1)>>shift1)
ここで、shift1=14-bitDepth、offset1=1<<(shift1-1)である。
また、予測リスト利用フラグの両者（predFlagL0とpredFlagL1）が１（双予測PRED_BI）
、かつ、重み予測を用いない場合、PredL0、PredL1を平均し画素ビット数に合わせる以下の式の処理を行う。
Pred [x] [y] = Clip3 (0, (1 << bitDepth) -1, (PredLX [x] [y] + offset1) >> shift1)
Here, shift1 = 14-bitDepth, offset1 = 1 << (shift1-1).
Also, both of the prediction list usage flags (predFlagL0 and predFlagL1) are 1 (bi-prediction PRED_BI).
And, when weight prediction is not used, the following formula is processed by averaging PredL0 and PredL1 to match the number of pixel bits.
Pred[x][y] = Clip3(0,(1<<bitDepth)-1,(PredL0[x][y]+PredL1[x][y]+offset2)>>shift2)
ここで、shift2=15-bitDepth、offset2=1<<(shift2-1)である。
Pred [x] [y] = Clip3 (0, (1 << bitDepth) -1, (PredL0 [x] [y] + PredL1 [x] [y] + offset2) >> shift2)
Here, shift2 = 15-bitDepth, offset2 = 1 << (shift2-1).
さらに、単予測、かつ、重み予測を行う場合、重み予測部3094は重み予測係数w0とオフセットo0を符号化データから導出し、以下の式の処理を行う。
Further, in the case of simple prediction and weight prediction, the
Pred[x][y] = Clip3(0,(1<<bitDepth)-1,((PredLX[x][y]*w0+2^(log2WD-1))>>log2WD)+o0)
ここで、log2WDは所定のシフト量を示す変数である。
Pred [x] [y] = Clip3 (0, (1 << bitDepth) -1, ((PredLX [x] [y] * w0 + 2 ^ (log2WD-1)) >> log2WD) + o0)
Here, log2WD is a variable indicating a predetermined shift amount.
さらに、双予測PRED_BI、かつ、重み予測を行う場合、重み予測部3094は重み予測係数w0、w1、o0、o1を符号化データから導出し、以下の式の処理を行う。
Further, in the case of double prediction PRED_BI and weight prediction, the
Pred[x][y] = Clip3(0,(1<<bitDepth)-1,(PredL0[x][y]*w0+PredL1[x][y]*w1+((o0+o1+1)<<log2WD))>>(log2WD+1))
インター予測画像生成部309は生成したブロックの予測画像を加算部312に出力する。
Pred [x] [y] = Clip3 (0, (1 << bitDepth) -1, (PredL0 [x] [y] * w0 + PredL1 [x] [y] * w1 + ((o0 + o1 + 1) <<log2WD))>> (log2WD + 1))
The inter-prediction
（イントラ予測画像生成部）
predModeがイントラ予測モードを示す場合、イントラ予測画像生成部は、イントラ予測パラメータ導出部から入力されたイントラ予測パラメータと参照ピクチャメモリ306から
読み出した参照画素を用いてイントラ予測を行う。
(Intra prediction image generation unit)
When the predMode indicates the intra prediction mode, the intra prediction image generation unit performs intra prediction using the intra prediction parameters input from the intra prediction parameter derivation unit and the reference pixels read from the
逆量子化・逆変換部311は、パラメータ復号部302から入力された量子化変換係数を逆量子化して変換係数を求める。
The inverse quantization /
加算部312は、予測画像生成部308から入力されたブロックの予測画像と逆量子化・逆変換部311から入力された予測誤差を画素毎に加算して、ブロックの復号画像を生成する。
加算部312はブロックの復号画像を参照ピクチャメモリ306に記憶し、また、ループフィルタ305に出力する。
The
The
（動画像符号化装置の構成）
次に、本実施形態に係る動画像符号化装置11の構成について説明する。図12は、本実施形態に係る動画像符号化装置11の構成を示すブロック図である。動画像符号化装置11は、予測画像生成部101、減算部102、変換・量子化部103、逆量子化・逆変換部105、加算部106、ループフィルタ107、予測パラメータメモリ（予測パラメータ記憶部、フレームメモリ）108、参照ピクチャメモリ（参照画像記憶部、フレームメモリ）109、符号化パラメータ決定部110、パラメータ符号化部111、予測パラメータ導出部120、エントロピー符号化部104を含んで構成される。
(Configuration of moving image coding device)
Next, the configuration of the moving
予測画像生成部101はCU毎に予測画像を生成する。予測画像生成部101は既に説明したイ
ンター予測画像生成部309とイントラ予測画像生成部を含んでおり、説明を省略する。
The predicted
減算部102は、予測画像生成部101から入力されたブロックの予測画像の画素値を、画像Ｔの画素値から減算して予測誤差を生成する。減算部102は予測誤差を変換・量子化部103に出力する。
The
変換・量子化部103は、減算部102から入力された予測誤差に対し、周波数変換によって変換係数を算出し、量子化によって量子化変換係数を導出する。変換・量子化部103は、
量子化変換係数をパラメータ符号化部111及び逆量子化・逆変換部105に出力する。
The conversion /
The quantization conversion coefficient is output to the
逆量子化・逆変換部105は、動画像復号装置31における逆量子化・逆変換部311（図7）
と同じであり、説明を省略する。算出した予測誤差は加算部106に出力される。
The inverse quantization /
The same as above, and the description thereof will be omitted. The calculated prediction error is output to the
パラメータ符号化部111は、ヘッダ符号化部1110、CT情報符号化部1111、CU符号化部1112（予測モード符号化部）を備えている。CU符号化部1112はさらにTU符号化部1114を備えている。以下、各モジュールの概略動作を説明する。
The
ヘッダ符号化部1110はヘッダ情報、分割情報、予測情報、量子化変換係数等のパラメータの符号化処理を行う。 The header coding unit 1110 performs coding processing of parameters such as header information, division information, prediction information, and quantization conversion coefficient.
CT情報符号化部1111は、QT、MT（BT、TT）分割情報等を符号化する。
The CT
CU符号化部1112はCU情報、予測情報、分割情報等を符号化する。
The
TU符号化部1114は、TUに予測誤差が含まれている場合に、QP更新情報と量子化予測誤差を符号化する。
The
CT情報符号化部1111、CU符号化部1112は、インター予測パラメータ（predMode、merge_flag、merge_idx、inter_pred_idc、refIdxLX、mvp_LX_idx、mvdLX）、イントラ予測パラメータ（intra_luma_mpm_flag、intra_luma_mpm_idx、intra_luma_mpm_reminder、intra_chroma_pred_mode）、量子化変換係数等のシンタックス要素をパラメータ符号化部111に供給する。
CT
エントロピー符号化部104には、パラメータ符号化部111から量子化変換係数と符号化パラメータ（分割情報、予測パラメータ）が入力される。エントロピー符号化部104はこれ
らをエントロピー符号化して符号化ストリームTeを生成し、出力する。
A quantization conversion coefficient and coding parameters (division information, prediction parameters) are input to the
予測パラメータ導出部120は、インター予測パラメータ符号化部112、イントラ予測パラメータ符号化部を含む手段であり、符号化パラメータ決定部110から入力されたパラメー
タからイントラ予測パラメータ及びイントラ予測パラメータを導出する。導出されたイントラ予測パラメータ及びイントラ予測パラメータは、パラメータ符号化部111に出力され
る。
The prediction
（インター予測パラメータ符号化部の構成）
本発明の一態様に係るインター予測パラメータ導出部は、上述のNNMVP予測パラメータ
導出部を備え、SPSにて、NNMVPモードを利用するか否かを示すフラグsps_nnmvp_enabled_flagが１に設定される場合NNMVP予測パラメータ導出部を用いてAMVPのベクトル候補を導
出する。
(Structure of inter-prediction parameter coding unit)
The inter-prediction parameter derivation unit according to one aspect of the present invention includes the above-mentioned NNMVP prediction parameter derivation unit, and when the flag sps_nnmvp_enabled_flag indicating whether to use the NNMVP mode is set to 1 in SPS, the NNMVP prediction parameter. The vector candidate of AMVP is derived using the derivation part.
本発明の一態様に係るマージ候補導出部は、上述のNNMVPマージ候補導出部を備え、SPS
にて、NNMVPモードを利用するか否かを示すフラグsps_nnmvp_enabled_flagが１に設定さ
れる場合、NNMVPマージ候補導出部を用いてAMVPのベクトル候補、および、マージ候補を
導出する。
The merge candidate derivation unit according to one aspect of the present invention includes the above-mentioned NNMVP merge candidate derivation unit and SPS.
When the flag sps_nnmvp_enabled_flag indicating whether to use the NNMVP mode is set to 1, the AMVP vector candidate and the merge candidate are derived using the NNMVP merge candidate derivation unit.
インター予測パラメータ符号化部112は図13に示すように、パラメータ符号化制御部1121、インター予測パラメータ導出部303を含んで構成される。インター予測パラメータ導出部303は動画像復号装置と共通の構成である。パラメータ符号化制御部1121は、マージイ
ンデックス導出部11211とベクトル候補インデックス導出部11212を含む。
As shown in FIG. 13, the inter-prediction
マージインデックス導出部11211は、マージ候補等を導出し、インター予測パラメータ
導出部303に出力する。ベクトル候補インデックス導出部11212は予測ベクトル候補等を導出し、インター予測パラメータ導出部303とパラメータ符号化部111に出力する。
The merge index derivation unit 11211 derives merge candidates and the like and outputs them to the inter-prediction
（イントラ予測パラメータ符号化部の構成）
イントラ予測パラメータ符号化部は、パラメータ符号化制御部とイントラ予測パラメータ導出部を備える。イントラ予測パラメータ導出部は動画像復号装置と共通の構成である。
(Structure of intra prediction parameter coding unit)
The intra prediction parameter coding unit includes a parameter coding control unit and an intra prediction parameter derivation unit. The intra prediction parameter derivation unit has the same configuration as the moving image decoding device.
ただし、動画像復号装置と異なり、インター予測パラメータ導出部303、イントラ予測
パラメータ導出部への入力は符号化パラメータ決定部110、予測パラメータメモリ108であり、パラメータ符号化部111に出力する。
However, unlike the moving image decoding device, the inputs to the inter-prediction
加算部106は、予測画像生成部101から入力された予測ブロックの画素値と逆量子化・逆変換部105から入力された予測誤差を画素毎に加算して復号画像を生成する。加算部106は生成した復号画像を参照ピクチャメモリ109に記憶する。
The
ループフィルタ107は加算部106が生成した復号画像に対し、デブロッキングフィルタ、SAO、ALFを施す。なお、ループフィルタ107は、必ずしも上記３種類のフィルタを含まな
くてもよく、例えばデブロッキングフィルタのみの構成であってもよい。
The
予測パラメータメモリ108は、符号化パラメータ決定部110が生成した予測パラメータを、対象ピクチャ及びCU毎に予め定めた位置に記憶する。
The
参照ピクチャメモリ109は、ループフィルタ107が生成した復号画像を対象ピクチャ及びCU毎に予め定めた位置に記憶する。
The
符号化パラメータ決定部110は、符号化パラメータの複数のセットのうち、１つのセッ
トを選択する。符号化パラメータとは、上述したQT、BTあるいはTT分割情報、予測パラメータ、あるいはこれらに関連して生成される符号化の対象となるパラメータである。予測画像生成部101は、これらの符号化パラメータを用いて予測画像を生成する。
The coding
符号化パラメータ決定部110は、複数のセットの各々について情報量の大きさと符号化
誤差を示すRDコスト値を算出する。RDコスト値は、例えば、符号量と二乗誤差に係数λを乗じた値との和である。符号量は、量子化誤差と符号化パラメータをエントロピー符号化して得られる符号化ストリームTeの情報量である。二乗誤差は、減算部102において算出
された予測誤差の二乗和である。係数λは、予め設定されたゼロよりも大きい実数である。符号化パラメータ決定部110は、算出したコスト値が最小となる符号化パラメータのセットを選択する。符号化パラメータ決定部110は決定した符号化パラメータをパラメータ符号化部111と予測パラメータ導出部120に出力する。
The coding
なお、上述した実施形態における動画像符号化装置11、動画像復号装置31の一部、例えば、エントロピー復号部301、パラメータ復号部302、ループフィルタ305、予測画像生成
部308、逆量子化・逆変換部311、加算部312、予測パラメータ導出部320、予測画像生成部101、減算部102、変換・量子化部103、エントロピー符号化部104、逆量子化・逆変換部105、ループフィルタ107、符号化パラメータ決定部110、パラメータ符号化部111、予測パラメータ導出部120をコンピュータで実現するようにしても良い。その場合、この制御機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現しても良い。なお、ここでいう「コンピュータシステム」とは、動画像符号化装置11、動画像復号装置31のいずれかに内蔵されたコンピュータシステムであって、OSや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD-ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでも良い。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
A part of the moving
また、上述した実施形態における動画像符号化装置11、動画像復号装置31の一部、または全部を、LSI（Large Scale Integration）等の集積回路として実現しても良い。動画像符号化装置11、動画像復号装置31の各機能ブロックは個別にプロセッサ化しても良いし、一部、または全部を集積してプロセッサ化しても良い。また、集積回路化の手法はＬＳＩに限らず専用回路、または汎用プロセッサで実現しても良い。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いても良い。
Further, a part or all of the moving
以上、図面を参照してこの発明の一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。 Although one embodiment of the present invention has been described in detail with reference to the drawings, the specific configuration is not limited to the above, and various design changes and the like are made without departing from the gist of the present invention. It is possible to do.
〔応用例〕
上述した動画像符号化装置11及び動画像復号装置31は、動画像の送信、受信、記録、再生を行う各種装置に搭載して利用することができる。なお、動画像は、カメラ等により撮像された自然動画像であってもよいし、コンピュータ等により生成された人工動画像（CGおよびGUIを含む）であってもよい。
[Application example]
The moving
まず、上述した動画像符号化装置11及び動画像復号装置31を、動画像の送信及び受信に利用できることを、図2を参照して説明する。
First, it will be described with reference to FIG. 2 that the above-mentioned moving
図2(a)は、動画像符号化装置11を搭載した送信装置PROD_Aの構成を示したブロック図である。図に示すように、送信装置PROD_Aは、動画像を符号化することによって符号化データを得る符号化部PROD_A1と、符号化部PROD_A1が得た符号化データで搬送波を変調することによって変調信号を得る変調部PROD_A2と、変調部PROD_A2が得た変調信号を送信する送信部PROD_A3と、を備えている。上述した動画像符号化装置11は、この符号化部PROD_A1として利用される。
FIG. 2A is a block diagram showing the configuration of the transmission device PROD_A equipped with the moving
送信装置PROD_Aは、符号化部PROD_A1に入力する動画像の供給源として、動画像を撮像
するカメラPROD_A4、動画像を記録した記録媒体PROD_A5、動画像を外部から入力するための入力端子PROD_A6、及び、画像を生成または加工する画像処理部Ａ７を更に備えていて
もよい。図においては、これら全てを送信装置PROD_Aが備えた構成を例示しているが、一部を省略しても構わない。
The transmitter PROD_A has a camera PROD_A4 for capturing a moving image, a recording medium PROD_A5 for recording a moving image, an input terminal PROD_A6 for inputting a moving image from the outside, and a video input terminal PROD_A6 as a source of the moving image to be input to the coding unit PROD_A1. , An image processing unit A7 for generating or processing an image may be further provided. In the figure, the configuration in which the transmitter PROD_A is provided with all of these is illustrated, but some of them may be omitted.
なお、記録媒体PROD_A5は、符号化されていない動画像を記録したものであってもよい
し、伝送用の符号化方式とは異なる記録用の符号化方式で符号化された動画像を記録したものであってもよい。後者の場合、記録媒体PROD_A5と符号化部PROD_A1との間に、記録媒体PROD_A5から読み出した符号化データを記録用の符号化方式に従って復号する復号部（
不図示）を介在させるとよい。
The recording medium PROD_A5 may be a recording of an unencoded moving image, or a moving image encoded by a recording coding method different from the transmission coding method. It may be a thing. In the latter case, a decoding unit (decoding unit) that decodes the coded data read from the recording medium PROD_A5 between the recording medium PROD_A5 and the coding unit PROD_A1 according to the coding method for recording.
(Not shown) should be intervened.
図2(b)は、動画像復号装置31を搭載した受信装置PROD_Bの構成を示したブロック図である。図に示すように、受信装置PROD_Bは、変調信号を受信する受信部PROD_B1と、受信部PROD_B1が受信した変調信号を復調することによって符号化データを得る復調部PROD_B2と
、復調部PROD_B2が得た符号化データを復号することによって動画像を得る復号部PROD_B3と、を備えている。上述した動画像復号装置31は、この復号部PROD_B3として利用される
。
FIG. 2B is a block diagram showing the configuration of the receiving device PROD_B equipped with the moving
受信装置PROD_Bは、復号部PROD_B3が出力する動画像の供給先として、動画像を表示す
るディスプレイPROD_B4、動画像を記録するための記録媒体PROD_B5、及び、動画像を外部に出力するための出力端子PROD_B6を更に備えていてもよい。図においては、これら全て
を受信装置PROD_Bが備えた構成を例示しているが、一部を省略しても構わない。
The receiving device PROD_B is a display PROD_B4 for displaying a moving image, a recording medium PROD_B5 for recording a moving image, and an output terminal for outputting the moving image to the outside as a supply destination of the moving image output by the decoding unit PROD_B3. It may be further equipped with PROD_B6. In the figure, the configuration in which the receiving device PROD_B includes all of them is illustrated, but some of them may be omitted.
なお、記録媒体PROD_B5は、符号化されていない動画像を記録するためのものであって
もよいし、伝送用の符号化方式とは異なる記録用の符号化方式で符号化されたものであってもよい。後者の場合、復号部PROD_B3と記録媒体PROD_B5との間に、復号部PROD_B3から
取得した動画像を記録用の符号化方式に従って符号化する符号化部（不図示）を介在させるとよい。
The recording medium PROD_B5 may be used for recording an unencoded moving image, or may be encoded by a recording coding method different from the transmission coding method. You may. In the latter case, a coding unit (not shown) that encodes the moving image acquired from the decoding unit PROD_B3 according to the recording coding method may be interposed between the decoding unit PROD_B3 and the recording medium PROD_B5.
なお、変調信号を伝送する伝送媒体は、無線であってもよいし、有線であってもよい。また、変調信号を伝送する伝送態様は、放送（ここでは、送信先が予め特定されていない送信態様を指す）であってもよいし、通信（ここでは、送信先が予め特定されている送信態様を指す）であってもよい。すなわち、変調信号の伝送は、無線放送、有線放送、無線通信、及び有線通信の何れによって実現してもよい。 The transmission medium for transmitting the modulated signal may be wireless or wired. Further, the transmission mode for transmitting the modulated signal may be broadcasting (here, a transmission mode in which the destination is not specified in advance) or communication (here, transmission in which the destination is specified in advance). It may refer to an aspect). That is, the transmission of the modulated signal may be realized by any of wireless broadcasting, wired broadcasting, wireless communication, and wired communication.
例えば、地上デジタル放送の放送局（放送設備など）／受信局（テレビジョン受像機など）は、変調信号を無線放送で送受信する送信装置PROD_A／受信装置PROD_Bの一例である。また、ケーブルテレビ放送の放送局（放送設備など）／受信局（テレビジョン受像機など）は、変調信号を有線放送で送受信する送信装置PROD_A／受信装置PROD_Bの一例である。 For example, a broadcasting station (broadcasting equipment, etc.) / receiving station (television receiver, etc.) of terrestrial digital broadcasting is an example of a transmitting device PROD_A / receiving device PROD_B that transmits and receives a modulated signal by radio broadcasting. Further, a broadcasting station (broadcasting equipment, etc.) / receiving station (television receiver, etc.) of cable television broadcasting is an example of a transmitting device PROD_A / receiving device PROD_B that transmits and receives a modulated signal by wired broadcasting.
また、インターネットを用いたVOD（Video On Demand）サービスや動画共有サービスなどのサーバ（ワークステーションなど）／クライアント（テレビジョン受像機、パーソナルコンピュータ、スマートフォンなど）は、変調信号を通信で送受信する送信装置PROD_A／受信装置PROD_Bの一例である（通常、ＬＡＮにおいては伝送媒体として無線または有線の何れかが用いられ、ＷＡＮにおいては伝送媒体として有線が用いられる）。ここで、パーソナルコンピュータには、デスクトップ型PC、ラップトップ型PC、及びタブレット型PCが含まれる。また、スマートフォンには、多機能携帯電話端末も含まれる。 In addition, servers (workstations, etc.) / clients (television receivers, personal computers, smartphones, etc.) such as VOD (Video On Demand) services and video sharing services using the Internet are transmitters that send and receive modulated signals via communication. This is an example of PROD_A / receiver PROD_B (usually, in LAN, either wireless or wired is used as a transmission medium, and in WAN, wired is used as a transmission medium). Here, personal computers include desktop PCs, laptop PCs, and tablet PCs. Smartphones also include multifunctional mobile phone terminals.
なお、動画共有サービスのクライアントは、サーバからダウンロードした符号化データ
を復号してディスプレイに表示する機能に加え、カメラで撮像した動画像を符号化してサーバにアップロードする機能を有している。すなわち、動画共有サービスのクライアントは、送信装置PROD_A及び受信装置PROD_Bの双方として機能する。
The client of the video sharing service has a function of decoding the coded data downloaded from the server and displaying it on the display, as well as a function of encoding the moving image captured by the camera and uploading it to the server. That is, the client of the video sharing service functions as both the transmitting device PROD_A and the receiving device PROD_B.
次に、上述した動画像符号化装置11及び動画像復号装置31を、動画像の記録及び再生に利用できることを、図3を参照して説明する。
Next, it will be described with reference to FIG. 3 that the above-mentioned moving
図3(a)は、上述した動画像符号化装置11を搭載した記録装置PROD_Cの構成を示したブロック図である。図に示すように、記録装置PROD_Cは、動画像を符号化することによって符号化データを得る符号化部PROD_C1と、符号化部PROD_C1が得た符号化データを記録媒体PROD_Mに書き込む書込部PROD_C2と、を備えている。上述した動画像符号化装置11は、この符号化部PROD_C1として利用される。
FIG. 3A is a block diagram showing the configuration of the recording device PROD_C equipped with the above-mentioned moving
なお、記録媒体PROD_Mは、（１）HDD（Hard Disk Drive）やSSD(Solid State Drive)などのように、記録装置PROD_Cに内蔵されるタイプのものであってもよいし、（２）SDメモリカードやUSB（Universal Serial Bus）フラッシュメモリなどのように、記録装置PROD_Cに接続されるタイプのものであってもよいし、（３）DVD（Digital Versatile Disc:登録商標）やBD（Blu-ray Disc:登録商標）などのように、記録装置PROD_Cに内蔵されたドライブ装置（不図示）に装填されるものであってもよい。 The recording medium PROD_M may be of a type built in the recording device PROD_C, such as (1) HDD (Hard Disk Drive) or SSD (Solid State Drive), or (2) SD memory. It may be of a type connected to the recording device PROD_C, such as a card or USB (Universal Serial Bus) flash memory, and (3) DVD (Digital Versatile Disc: registered trademark) or BD (Blu-ray). It may be loaded into a drive device (not shown) built in the recording device PROD_C, such as Disc (registered trademark).
また、記録装置PROD_Cは、符号化部PROD_C1に入力する動画像の供給源として、動画像
を撮像するカメラPROD_C3、動画像を外部から入力するための入力端子PROD_C4、動画像を受信するための受信部PROD_C5、及び、画像を生成または加工する画像処理部PROD_C6を更に備えていてもよい。図においては、これら全てを記録装置PROD_Cが備えた構成を例示しているが、一部を省略しても構わない。
Further, the recording device PROD_C has a camera PROD_C3 that captures a moving image, an input terminal PROD_C4 for inputting a moving image from the outside, and a reception for receiving the moving image as a source of the moving image to be input to the coding unit PROD_C1. The unit PROD_C5 and the image processing unit PROD_C6 for generating or processing an image may be further provided. In the figure, the configuration in which the recording device PROD_C is provided with all of these is illustrated, but some of them may be omitted.
なお、受信部PROD_C5は、符号化されていない動画像を受信するものであってもよいし
、記録用の符号化方式とは異なる伝送用の符号化方式で符号化された符号化データを受信するものであってもよい。後者の場合、受信部PROD_C5と符号化部PROD_C1との間に、伝送用の符号化方式で符号化された符号化データを復号する伝送用復号部（不図示）を介在させるとよい。
The receiving unit PROD_C5 may receive an unencoded moving image, or receives coded data encoded by a coding method for transmission different from the coding method for recording. It may be something to do. In the latter case, a transmission decoding unit (not shown) that decodes the coded data encoded by the transmission coding method may be interposed between the receiving unit PROD_C5 and the coding unit PROD_C1.
このような記録装置PROD_Cとしては、例えば、DVDレコーダ、BDレコーダ、HDD（Hard Disk Drive）レコーダなどが挙げられる（この場合、入力端子PROD_C4または受信部PROD_C5が動画像の主な供給源となる）。また、カムコーダ（この場合、カメラPROD_C3が動画像の主な供給源となる）、パーソナルコンピュータ（この場合、受信部PROD_C5または画像処理部Ｃ６が動画像の主な供給源となる）、スマートフォン（この場合、カメラPROD_C3または受信部PROD_C5が動画像の主な供給源となる）なども、このような記録装置PROD_Cの一例である。 Examples of such a recording device PROD_C include a DVD recorder, a BD recorder, an HDD (Hard Disk Drive) recorder, and the like (in this case, the input terminal PROD_C4 or the receiving unit PROD_C5 is the main source of moving images). .. In addition, a camcorder (in this case, the camera PROD_C3 is the main source of the moving image), a personal computer (in this case, the receiving unit PROD_C5 or the image processing unit C6 is the main source of the moving image), and a smartphone (this). In this case, the camera PROD_C3 or the receiver PROD_C5 is the main source of moving images) is also an example of such a recording device PROD_C.
図3(b)は、上述した動画像復号装置31を搭載した再生装置PROD_Dの構成を示したブロックである。図に示すように、再生装置PROD_Dは、記録媒体PROD_Mに書き込まれた符号化データを読み出す読出部PROD_D1と、読出部PROD_D1が読み出した符号化データを復号することによって動画像を得る復号部PROD_D2と、を備えている。上述した動画像復号装置31は、この復号部PROD_D2として利用される。
FIG. 3B is a block showing the configuration of the reproduction device PROD_D equipped with the above-mentioned moving
なお、記録媒体PROD_Mは、（１）HDDやSSDなどのように、再生装置PROD_Dに内蔵されるタイプのものであってもよいし、（２）SDメモリカードやUSBフラッシュメモリなどのよ
うに、再生装置PROD_Dに接続されるタイプのものであってもよいし、（３）DVDやBDなど
のように、再生装置PROD_Dに内蔵されたドライブ装置（不図示）に装填されるものであっ
てもよい。
The recording medium PROD_M may be of a type built in the playback device PROD_D, such as (1) HDD or SSD, or (2) SD memory card, USB flash memory, or the like. It may be of a type connected to the playback device PROD_D, or may be loaded into a drive device (not shown) built in the playback device PROD_D, such as (3) DVD or BD. good.
また、再生装置PROD_Dは、復号部PROD_D2が出力する動画像の供給先として、動画像を
表示するディスプレイPROD_D3、動画像を外部に出力するための出力端子PROD_D4、及び、動画像を送信する送信部PROD_D5を更に備えていてもよい。図においては、これら全てを
再生装置PROD_Dが備えた構成を例示しているが、一部を省略しても構わない。
Further, the playback device PROD_D has a display PROD_D3 for displaying a moving image, an output terminal PROD_D4 for outputting the moving image to the outside, and a transmitting unit for transmitting the moving image as a supply destination of the moving image output by the decoding unit PROD_D2. It may also have PROD_D5. In the figure, the configuration in which the reproduction device PROD_D is provided with all of these is illustrated, but some of them may be omitted.
なお、送信部PROD_D5は、符号化されていない動画像を送信するものであってもよいし
、記録用の符号化方式とは異なる伝送用の符号化方式で符号化された符号化データを送信するものであってもよい。後者の場合、復号部PROD_D2と送信部PROD_D5との間に、動画像を伝送用の符号化方式で符号化する符号化部（不図示）を介在させるとよい。
The transmission unit PROD_D5 may transmit an unencoded moving image, or transmits coded data encoded by a coding method for transmission different from the coding method for recording. It may be something to do. In the latter case, it is preferable to interpose a coding unit (not shown) that encodes the moving image by a coding method for transmission between the decoding unit PROD_D2 and the transmission unit PROD_D5.
このような再生装置PROD_Dとしては、例えば、DVDプレイヤ、BDプレイヤ、HDDプレイヤなどが挙げられる（この場合、テレビジョン受像機等が接続される出力端子PROD_D4が動
画像の主な供給先となる）。また、テレビジョン受像機（この場合、ディスプレイPROD_D3が動画像の主な供給先となる）、デジタルサイネージ（電子看板や電子掲示板等とも称され、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる）、デスクトップ型PC（この場合、出力端子PROD_D4または送信部PROD_D5が動画像の主な供給先となる）、ラップトップ型またはタブレット型PC（この場合、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる）、スマートフォン（この場合、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる）なども、このような再生装置PROD_Dの一例である。
Examples of such a playback device PROD_D include a DVD player, a BD player, an HDD player, and the like (in this case, the output terminal PROD_D4 to which a television receiver or the like is connected is the main supply destination of the moving image). .. In addition, a television receiver (in this case, the display PROD_D3 is the main supply destination of the moving image), a digital signage (also called an electronic signboard or an electronic bulletin board, etc., and the display PROD_D3 or the transmission unit PROD_D5 is the main supply destination of the moving image). (First), desktop PC (in this case, output terminal PROD_D4 or transmitter PROD_D5 is the main supply destination of moving images), laptop or tablet PC (in this case, display PROD_D3 or transmitter PROD_D5 is video) An example of such a playback device PROD_D is a smartphone (in this case, the display PROD_D3 or the transmitter PROD_D5 is the main supply destination of the moving image), which is the main supply destination of the image.
（ハードウェア的実現およびソフトウェア的実現）
また、上述した動画像復号装置31および動画像符号化装置11の各ブロックは、集積回路（ICチップ）上に形成された論理回路によってハードウェア的に実現してもよいし、CPU
（Central Processing Unit）を用いてソフトウェア的に実現してもよい。
(Hardware realization and software realization)
Further, each block of the moving
It may be realized by software by using (Central Processing Unit).
後者の場合、上記各装置は、各機能を実現するプログラムの命令を実行するCPU、上記
プログラムを格納したROM（Read Only Memory）、上記プログラムを展開するRAM（Random
Access Memory）、上記プログラムおよび各種データを格納するメモリ等の記憶装置（記録媒体）などを備えている。そして、本発明の実施形態の目的は、上述した機能を実現するソフトウェアである上記各装置の制御プログラムのプログラムコード（実行形式プログラム、中間コードプログラム、ソースプログラム）をコンピュータで読み取り可能に記録した記録媒体を、上記各装置に供給し、そのコンピュータ（またはCPUやMPU）が記録媒体に記録されているプログラムコードを読み出し実行することによっても、達成可能である。
In the latter case, each of the above devices is a CPU that executes an instruction of a program that realizes each function, a ROM (Read Only Memory) that stores the above program, and a RAM (Random) that expands the above program.
Access Memory), a storage device (recording medium) such as a memory for storing the above programs and various data. Then, an object of the embodiment of the present invention is a recording in which the program code (execution format program, intermediate code program, source program) of the control program of each of the above-mentioned devices, which is software for realizing the above-mentioned functions, is readablely recorded by a computer. It can also be achieved by supplying the medium to each of the above devices and having the computer (or CPU or MPU) read and execute the program code recorded on the recording medium.
上記記録媒体としては、例えば、磁気テープやカセットテープ等のテープ類、フロッピー（登録商標）ディスク／ハードディスク等の磁気ディスクやCD-ROM（Compact Disc Read-Only Memory）／MOディスク（Magneto-Optical disc）／MD（Mini Disc）／DVD（Digital Versatile Disc:登録商標）／CD-R（CD Recordable）／ブルーレイディスク（Blu-ray Disc：登録商標）等の光ディスクを含むディスク類、ICカード（メモリカードを含む）／光カード等のカード類、マスクROM／EPROM（Erasable Programmable Read-Only Memory）／EEPROM（Electrically Erasable and Programmable Read-Only Memory：登録商標）／フラッシュROM等の半導体メモリ類、あるいはPLD（Programmable logic device）やFPGA（Field Programmable Gate Array）等の論理回路類などを用いることができる。 Examples of the recording medium include tapes such as magnetic tapes and cassette tapes, magnetic discs such as floppy (registered trademark) discs / hard disks, and CD-ROMs (Compact Disc Read-Only Memory) / MO discs (Magneto-Optical discs). ) / MD (Mini Disc) / DVD (Digital Versatile Disc: registered trademark) / CD-R (CD Recordable) / Blu-ray Disc (registered trademark) and other optical discs, IC cards (memory cards) (Including) / Optical cards and other cards, mask ROM / EPROM (Erasable Programmable Read-Only Memory) / EEPROM (Electrically Erasable and Programmable Read-Only Memory: registered trademark) / Flash ROM and other semiconductor memories, or PLD ( Logic circuits such as Programmable logic device) and FPGA (Field Programmable Gate Array) can be used.
また、上記各装置を通信ネットワークと接続可能に構成し、上記プログラムコードを通信ネットワークを介して供給してもよい。この通信ネットワークは、プログラムコードを
伝送可能であればよく、特に限定されない。例えば、インターネット、イントラネット、エキストラネット、LAN（Local Area Network）、ISDN（Integrated Services Digital Network）、VAN（Value-Added Network）、CATV（Community Antenna television/Cable Television）通信網、仮想専用網（Virtual Private Network）、電話回線網、移動体通信網、衛星通信網等が利用可能である。また、この通信ネットワークを構成する伝送媒体も、プログラムコードを伝送可能な媒体であればよく、特定の構成または種類のものに限定されない。例えば、IEEE（Institute of Electrical and Electronic Engineers）1394、USB、電力線搬送、ケーブルＴＶ回線、電話線、ADSL（Asymmetric Digital Subscriber Line）回線等の有線でも、IrDA（Infrared Data Association）やリモコンのような赤外線、BlueTooth（登録商標）、IEEE802.11無線、HDR（High Data Rate）、NFC（Near Field Communication）、DLNA（Digital Living Network Alliance：登録商標）、携帯電話網、衛星回線、地上デジタル放送網等の無線でも利用可能である。なお、本発明の実施形態は、上記プログラムコードが電子的な伝送で具現化された、搬送波に埋め込まれたコンピュータデータ信号の形態でも実現され得る。
Further, each of the above devices may be configured to be connectable to a communication network, and the above program code may be supplied via the communication network. This communication network is not particularly limited as long as it can transmit the program code. For example, Internet, Intranet, Extranet, LAN (Local Area Network), ISDN (Integrated Services Digital Network), VAN (Value-Added Network), CATV (Community Antenna television / Cable Television) communication network, Virtual Private network (Virtual Private) Network), telephone line network, mobile communication network, satellite communication network, etc. can be used. Further, the transmission medium constituting this communication network may be any medium as long as it can transmit the program code, and is not limited to a specific configuration or type. For example, even wired such as IEEE (Institute of Electrical and Electronic Engineers) 1394, USB, power line carrier, cable TV line, telephone line, ADSL (Asymmetric Digital Subscriber Line) line, infrared rays such as IrDA (Infrared Data Association) and remote control. , BlueTooth (registered trademark), IEEE802.11 wireless, HDR (High Data Rate), NFC (Near Field Communication), DLNA (Digital Living Network Alliance: registered trademark), mobile phone network, satellite line, terrestrial digital broadcasting network, etc. It can also be used wirelessly. The embodiment of the present invention can also be realized in the form of a computer data signal embedded in a carrier wave, in which the program code is embodied by electronic transmission.
本発明の実施形態は上述した実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。すなわち、請求項に示した範囲で適宜変更した技術的手段を組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。 The embodiment of the present invention is not limited to the above-described embodiment, and various modifications can be made within the scope of the claims. That is, an embodiment obtained by combining technical means appropriately modified within the scope of the claims is also included in the technical scope of the present invention.
本発明の実施形態は、画像データが符号化された符号化データを復号する動画像復号装置、および、画像データが符号化された符号化データを生成する動画像符号化装置に好適に適用することができる。また、動画像符号化装置によって生成され、動画像復号装置によって参照される符号化データのデータ構造に好適に適用することができる。 The embodiment of the present invention is suitably applied to a moving image decoding device that decodes coded data in which image data is encoded, and a moving image coding device that generates coded data in which image data is encoded. be able to. Further, it can be suitably applied to the data structure of the coded data generated by the moving image coding device and referenced by the moving image decoding device.
31 画像復号装置
301 エントロピー復号部
302 パラメータ復号部
303 インター予測パラメータ導出部
305、107 ループフィルタ
306、109 参照ピクチャメモリ
307、108 予測パラメータメモリ
308、101 予測画像生成部
309 インター予測画像生成部
311、105 逆量子化・逆変換部
312、106 加算部
320 予測パラメータ導出部
11 画像符号化装置
102 減算部
103 変換・量子化部
104 エントロピー符号化部
110 符号化パラメータ決定部
111 パラメータ符号化部
112 インター予測パラメータ符号化部
120 予測パラメータ導出部
31 Image decoder
301 Entropy Decoding Unit
302 Parameter decoder
303 Inter prediction parameter derivation part
305, 107 loop filter
306, 109 Reference picture memory
307, 108 Predictive parameter memory
308, 101 Predictive image generator
309 Inter prediction image generator
311 and 105 Inverse quantization / inverse transformation
312, 106 Addition part
320 Prediction parameter derivation unit
11 Image coding device
102 Subtractor
103 Conversion / Quantization Department
104 Entropy coding unit
110 Coded parameter determination unit
111 Parameter encoding unit
112 Inter-prediction parameter coding unit
120 Prediction parameter derivation unit
Claims (9)
ドNNMVPを示すフラグ（sps_nnmvp_enabled_flag）を復号するヘッダ復号部と、
sps_nnmvp_enabled_flag = 1の場合、対象ブロックの空間隣接ブロックおよび時間隣接ブロックの動きベクトル、および、対象ブロックの時間隣接動きベクトル候補を利用しニューラルネットワークマージ（NNMVP）候補を導出するマージNNMVP導出部と、
導出したマージ候補をマージ候補リストに格納する格納部とを備え、
前記マージNNMVP部は、カレントブロックの空間/時間候補の動きベクトルを利用し、ニューラルネットワークにより動きベクトルを算出し、NNMVP候補の動きベクトルとしてセットすることを特徴とする動画像復号装置。 A header decoder that decodes the flag (sps_nnmvp_enabled_flag) indicating the neural network motion vector prediction mode NNMVP in the sequence parameter set SPS, and
When sps_nnmvp_enabled_flag = 1, the motion vector of the spatially adjacent block and the temporally adjacent block of the target block, and the merge NNMVP derivator that derives the neural network merge (NNMVP) candidate using the temporally adjacent motion vector candidate of the target block, and
It has a storage unit that stores the derived merge candidates in the merge candidate list.
The merge NNMVP unit is a moving image decoding device characterized by using a motion vector of a space / time candidate of a current block, calculating a motion vector by a neural network, and setting it as a motion vector of an NNMVP candidate.
ドNNMVPを示すフラグ（sps_nnmvp_enabled_flag）を復号するヘッダ復号部と、
sps_nnmvp_enabled_flag = 1、かつ、適応動きベクトル予測モード（AMVP）の場合、対象ブロックの隣接動きベクトルを利用しニューラルネットワーク予測動きベクトル（NNMVP）を導出するAMVP予測NNMVPパラメータ導出部と、
導出した動きベクトルを格納する格納部とを備え、
前記AMVP予測NNMVP部は、カレントブロックの隣接ブロックの動きベクトルを利用し、
ニューラルネットワークにより動きベクトルと算出し、NNMVP動きベクトルとしてセット
することを特徴とする動画像復号装置。 A header decoder that decodes the flag (sps_nnmvp_enabled_flag) indicating the neural network motion vector prediction mode NNMVP in the sequence parameter set SPS, and
In the case of sps_nnmvp_enabled_flag = 1 and the adaptive motion vector prediction mode (AMVP), the AMVP prediction NNMVP parameter derivator that derives the neural network prediction motion vector (NNMVP) using the adjacent motion vector of the target block, and
It has a storage unit that stores the derived motion vector.
The AMVP prediction NNMVP section uses the motion vector of the adjacent block of the current block and uses it.
A motion image decoding device characterized in that it is calculated as a motion vector by a neural network and set as an NNMVP motion vector.
置。 The moving image decoding device according to claim 3, wherein the time motion vector deriving unit derives and uses two or more time motion vectors in the merge prediction NNMVP unit and the AMVP prediction NNMVP unit.
前記マージ予測NNMVP導出部で導出した予測パラメータ、および、参照ピクチャメモリ
に格納された参照画像を用いて、予測画像を生成する予測画像生成装置とを備えることを特徴とする請求項１～８に記載の動画像復号装置。 The merge prediction NNMVP derivation unit according to claims 1 to 8,
Claims 1 to 8 include a prediction image generator that generates a prediction image by using a prediction parameter derived by the merge prediction NNMVP derivation unit and a reference image stored in a reference picture memory. The moving image decoding device described.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020199967A JP2022087865A (en) | 2020-12-02 | 2020-12-02 | Image decoder and image encoder |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020199967A JP2022087865A (en) | 2020-12-02 | 2020-12-02 | Image decoder and image encoder |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2022087865A true JP2022087865A (en) | 2022-06-14 |
Family
ID=81982328
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020199967A Pending JP2022087865A (en) | 2020-12-02 | 2020-12-02 | Image decoder and image encoder |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2022087865A (en) |
-
2020
- 2020-12-02 JP JP2020199967A patent/JP2022087865A/en active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021111962A1 (en) | Video decoding device | |
| WO2020184487A1 (en) | Dynamic image decoding device | |
| WO2020137920A1 (en) | Prediction image generating device, moving image decoding device, moving image encoding device, and prediction image generating method | |
| WO2020116456A1 (en) | Moving image decoding device | |
| JP2020053924A (en) | Video encoding device and video decoding device | |
| JP2021097316A (en) | Video coding device and video decoding device | |
| WO2021015195A1 (en) | Image decoding device, image encoding device, image decoding method | |
| JPWO2020045248A1 (en) | Video decoding device and video coding device | |
| JP2022007319A (en) | Dynamic image encoding device and decoding device | |
| JP2020145650A (en) | Image decoding device and image coding device | |
| JP2021027429A (en) | Dynamic image encoding device and dynamic image decoding device | |
| JP2020096279A (en) | Prediction image generation device, moving image decoding device, and moving image encoding device | |
| JP2020108012A (en) | Image decoding device and image encoding device | |
| JP2020088660A (en) | Moving picture coding apparatus and moving picture decoding apparatus | |
| WO2021200658A1 (en) | Dynamic image decoding device and dynamic image decoding method | |
| WO2021200610A1 (en) | Dynamic image decoding device, dynamic image coding device, dynamic image decoding method, and dynamic image coding method | |
| JP2020170901A (en) | Predictive image generation device, video decoding device, and video coding device | |
| JP2021106309A (en) | Video decoding device and video coding device | |
| JP2020088577A (en) | Predictive image generation device, moving image decoding device, and moving image encoding device | |
| JP2022087865A (en) | Image decoder and image encoder | |
| JP2020096329A (en) | Prediction image generation device, moving image decoding device, and moving image encoding device | |
| JP7378968B2 (en) | Predicted image generation device, video decoding device, and video encoding device | |
| WO2021235448A1 (en) | Video coding device and video decoding device | |
| JP7465128B2 (en) | Video encoding device and video decoding device | |
| WO2020122130A1 (en) | Predicted image generation device, moving image decoding device, moving image encoding device, and predicted image generation method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20221207 |