JP2023518432A - 機械のためのビデオ符号化のための方法、装置およびコンピュータ・プログラム - Google Patents

Abstract

本開示の諸側面は、ビデオ・エンコード／デコードのための方法、装置および非一時的なコンピュータ読み取り可能な記憶媒体を提供する。装置は、ビデオ・ビットストリームの一部である現在のピクチャー内の現在ブロックの予測情報をデコードする処理回路を含む。処理回路は、ビデオ・ビットストリームに含まれる構文要素に基づいて、現在のブロックについて、第1の複数の符号化ツールが有効にされており、第2の複数の符号化ツールが無効にされていると判断する。第1の複数の符号化ツールは、ブロッキング解除フィルタ符号化ツールを含む。第2の複数の符号化ツールは、サンプル適応オフセットフィルタ、イントラサブパーティション、および行列ベースのイントラ予測のうちの少なくとも1つを含む。処理回路は、第1の複数の符号化ツールが有効にされており、第2の複数の符号化ツールが無効にされていることに基づいて、現在のブロックを再構成する。

Description

引用による組み込み
本願は、2020年12月22日に出願された米国仮出願第63/129,496号「機械のためのビデオ符号化について」の優先権の利益を主張する2021年9月3日に出願された米国特許出願第17/466,910号「機械のためのビデオ符号化のための方法および装置」の優先権の利益を主張する。

技術分野
本開示は、機械のためのビデオ符号化〔ビデオ・コーディング〕に一般的に関連する実施形態を記載する。

本明細書で提供される背景説明は、本開示の文脈を概括的に提示するためのものである。本願で名前が挙がっている発明者の仕事であってその仕事がこの背景セクションに記載されている範囲におけるもの、また、他の意味で出願時に先行技術として適格でないことがありうる本記述の諸側面は、明示的にも暗黙的にも本開示に対する先行技術として認められない。

近年、機械学習アプリケーションの登場および豊富なセンサーにより、多くのインテリジェント・プラットフォームが、オブジェクト検出、セグメンテーション、または追跡のような機械視覚タスクのためにビデオを利用してきた。機械タスクによる消費のためにビデオまたは画像をいかにしてエンコードするかは、興味深く、困難な問題となる。これは、機械のためのビデオ符号化（Video Coding for Machines、VCM）の導入につながる。この目標を達成するために、国際標準グループMPEGは、異なる機器間の相互運用性を向上させるために関連する技術を標準化するために、アドホック・グループ「機械のためのビデオ符号化（Video Coding for Machine、VCM）」を作り出した。

ビデオ符号化および復号は、動き補償を伴うピクチャー間予測を用いて実行できる。非圧縮デジタル・ビデオは、一連のピクチャーを含むことができ、各ピクチャーは、たとえば1920×1080のルミナンス・サンプルおよび関連するクロミナンス・サンプルの空間的寸法を有する。一連のピクチャーは、固定または可変のピクチャー・レート（非公式にはフレーム・レートとしても知られる）、たとえば、60ピクチャー毎秒または60Hzを有することができる。非圧縮ビデオは、かなりのビットレート要件を有する。たとえば、サンプル当たり8ビットの1080p60 4:2:0ビデオ（60Hzのフレーム・レートでの1920×1080のルミナンス・サンプル解像度）は、1.5Gbit/sに近い帯域幅を必要とする。そのようなビデオの1時間は、600Gバイトを超える記憶スペースを必要とする。

ビデオ符号化および復号の1つの目的は、圧縮による入力ビデオ信号の冗長性の低減でありうる。圧縮は、前述の帯域幅または記憶スペースの要求を、場合によっては2桁以上も低減するのに役立つことがある。可逆圧縮および不可逆圧縮の両方、ならびにそれらの組み合わせを用いることができる。可逆圧縮とは、圧縮されたもとの信号から、もとの信号の正確なコピーが再構成できる技術をいう。不可逆圧縮を使用する場合、再構成された信号は、もとの信号と同一ではないことがありうるが、もとの信号と再構成された信号との間の歪みは、再構成された信号を意図された用途のために有用にするのに十分小さい。ビデオの場合、不可逆圧縮が広く用いられている。許容される歪みの量はアプリケーションに依存し、たとえば、ある種の消費者ストリーミングアプリケーションのユーザーは、テレビ配信アプリケーションのユーザーよりも高い歪みを許容することがある。達成可能な圧縮比は、より高い許容可能／認容可能な歪みはより高い圧縮比をもたらすことができる、ということを反映できる。

ビデオ・エンコーダおよびデコーダは、たとえば動き補償、変換、量子化、およびエントロピー符号化を含むいくつかの広範なカテゴリーからの技術を利用することができる。

ビデオ・コーデック技術は、イントラ符号化として知られる技術を含むことができる。イントラ符号化では、サンプル値は、以前に再構成された参照ピクチャーからのサンプルまたは他のデータを参照することなく表現される。いくつかのビデオ・コーデックでは、ピクチャーは空間的にサンプルのブロックに分割される。サンプルのすべてのブロックがイントラモードで符号化される場合、そのピクチャーはイントラ・ピクチャーでありうる。イントラ・ピクチャーと、独立デコーダ・リフレッシュ・ピクチャーのようなその派生物は、デコーダ状態をリセットするために使用でき、よって、符号化ビデオ・ビットストリームおよびビデオセッションにおける最初のピクチャーとして、または静止画像として使用できる。イントラ・ブロックのサンプルを変換にかけることができ、変換係数は、エントロピー符号化の前に量子化されることができる。イントラ予測は、変換前領域におけるサンプル値を最小化する技術でありうる。場合によっては、変換後のDC値が小さく、AC係数が小さいほど、エントロピー符号化後のブロックを表わすために所与の量子化ステップサイズで必要とされるビット数が少なくなる。

たとえばMPEG-2世代の符号化技術から知られているような伝統的なイントラ符号化は、イントラ予測を使用しない。しかしながら、いくつかのより新しいビデオ圧縮技術は、たとえば、空間的に近傍であり、デコード順で先行するデータのブロックのエンコードおよび／またはデコード中に得られた周囲のサンプル・データおよび／またはメタデータから試みる技術を含む。そのような技法は、以下では「イントラ予測」技法と呼ばれる。少なくともいくつかの場合には、イントラ予測は再構成中の現在ピクチャーからの参照データのみを使用し、参照ピクチャーからの参照データは使用しないことに注意されたい。

さまざまな形のイントラ予測がありうる。所与のビデオ符号化技術において、そのような技法の二つ以上が使用できる場合、使用される技法は、イントラ予測モードで符号化されることができる。ある種の場合には、モードは、サブモードおよび／またはパラメータを有することができ、それらは、個別に符号化されることができ、またはモード符号語に含められることができる。所与のモード、サブモード、および／またはパラメータの組み合わせのためにどの符号語を使用するかは、イントラ予測を通して符号化効率利得に影響を与える可能性があり、符号語をビットストリームに変換するために使用されるエントロピー符号化技術も同様に影響を与える可能性がある。

イントラ予測のあるモードがH.264で導入され、H.265で洗練され、共同探査モデル（JEM）、多用途ビデオ符号化（VVC）、およびベンチマークセット（BMS）のようなより新しい符号化技術においてさらに洗練された。予測子ブロックは、すでに利用可能なサンプルに属する近傍サンプル値を使用して形成されることができる。近傍サンプルのサンプル値が、ある方向に従って予測子ブロックにコピーされる。使用される方向への参照は、ビットストリームにおいて符号化されることができ、またはそれ自身予測されてもよい。

図1Aを参照すると、右下に、H.265の33個の可能な予測子方向（35個のイントラモードのうち33個の角度モードに対応する）から知られている9個の予測子方向のサブセットが描かれている。矢印が収束する点（101）は、予測されるサンプルを表わす。矢印は、サンプルが予測される方向を表わす。たとえば、矢印（102）は、サンプル（101）が、水平から45度の角度の右上のサンプル（単数または複数）から予測されることを示す。同様に、矢印（103）は、サンプル（101）が、水平から22.5度の角度の、サンプル（101）の左下のサンプル（単数または複数）から予測されることを示す。

引き続き図1Aを参照すると、左上には、4×4サンプルの正方形ブロック（104）が描かれている（太い破線で示されている）。正方形ブロック（104）は、16個のサンプルを含み、各サンプルは「S」とY次元におけるその位置（たとえば、行インデックス）およびX次元におけるその位置（たとえば、列インデックス）でラベル付けされている。たとえば、サンプルS21は、Y次元の（上から）2番目のサンプルであり、X次元の（左から）最初のサンプルである。同様に、サンプルS44は、YおよびX次元の両方においてブロック（104）内の第4のサンプルである。ブロックが4×4サンプルのサイズなので、S44は右下にある。さらに、同様の番号付けスキームに従う参照サンプルが示されている。参照サンプルは、Rと、ブロック（104）に対するそのY位置（たとえば、行インデックス）およびX位置（列インデックス）でラベル付けされる。H.264とH.265の両方において、予測サンプルは再構成中のブロックの近傍であり、そのため負の値を使用する必要はない。

ピクチャー内予測は、信号伝達される予測方向によって充当される近傍サンプルから参照サンプル値をコピーすることによって機能できる。たとえば、符号化ビデオ・ビットストリームは、このブロックについて、矢印（102）と整合する予測方向を示す信号伝達を含むと想定する。すなわち、サンプルは、水平から45度の角度の右上の予測サンプル（単数または複数）から予測される。その場合、サンプルS41、S32、S23、およびS14は、同じ参照サンプルR05から予測される。次いで、サンプルS44は、参照サンプルR08から予測される。

ある種の場合には、特に方向が45度で割り切れない場合には、参照サンプルを計算するために、複数の参照サンプルの値が、たとえば補間によって組み合わされることができる。

ビデオ符号化技術の発達に伴い、可能な方向の数が増加してきた。H.264（2003年）では、9つの異なる方向が表現できた。これは、H.265（2013年）では33に増加し、本開示の時点でのJEM/VVC/BMSは、最大65の方向をサポートできる。最も可能性の高い方向を同定するために実験が行われ、より可能性の低い方向についてのあるペナルティを受け入れつつ、それらの可能性の高い方向を少数のビットで表現するために、エントロピー符号化におけるある種の技法が使用される。さらに、方向自身が、近傍のすでにデコードされたブロックで使用された近傍方向から予測できることがある。

図1Bは、時間とともに増加する予測方向の数を示すために、JEMによる65個のイントラ予測方向を描く概略図（105）を示している。

方向を表わす符号化ビデオ・ビットストリームにおけるイントラ予測方向ビットのマッピングは、ビデオ符号化技術ごとに異なることができ、たとえば、予測方向のイントラ予測モードへの単純な直接的マッピングから、符号語、最確モードに関わる複雑な適応方式、および同様の技法までありうる。しかしながら、どの場合でも、ビデオコンテンツにおいて、他のある種の方向よりも統計的に起こりにくいある種の方向が存在しうる。ビデオ圧縮の目標は冗長性の低減であるので、良好に機能するビデオ符号化技術においては、そうしたより可能性の低い方法は、より可能性の高い方向よりもより多くのビット数によって表わされる。

動き補償は、不可逆圧縮技法であることがあり、かつ、以前に再構成されたピクチャーまたはその一部（参照ピクチャー）からのサンプル・データのブロックが、動きベクトル（以下、MV）によって示される方向に空間的にシフトされた後に、新しく再構成されるピクチャーまたはその一部の予測のために使用される技法に関することができる。場合によっては、参照ピクチャーは、現在再構成中のピクチャーと同じであることもできる。MVは、XおよびYの2次元、または3次元を有することができ、第3の次元は、使用される参照ピクチャーの指示である（これは、間接的に、時間次元でありうる）。

いくつかのビデオ圧縮技術では、サンプル・データのある領域に適用可能なMVは、他のMVから、たとえば、再構成中の領域に空間的に隣接し、デコード順でそのMVに先行するサンプル・データの別の領域に関連するMVから予測されることができる。そうすることにより、MVの符号化に必要とされるデータ量を大幅に削減することができ、それにより冗長性を除去し、圧縮を増加させることができる。MV予測が有向に機能できるのは、たとえば、カメラから導出される入力ビデオ信号（ナチュラルビデオとして知られる）を符号化する際に、単一のMVが適用可能である領域よりも大きな領域が同様の方向に移動し、よって、ある種の場合には、近傍領域のMVから導出された同様の動きベクトルを用いて予測できるという、統計的確からしさがあるからである。その結果、所与の領域について見出されるMVが、周囲のMVから予測されるMVと同様または同一であることになり、そして、それは、エントロピー符号化の後、MVを直接符号化する場合に使用されるであろうものよりも少数のビットで表現できる。いくつかの場合には、MV予測は、もとの信号（すなわち、サンプルストリーム）から導出された信号（すなわち、MV）の可逆圧縮の例でありうる。他の場合には、MV予測自身が、たとえば、いくつかの周囲のMVから予測子を計算する際の丸め誤差のために、不可逆であることがある。

H.265/HEVC（ITU-T Rec. H.265、「高効率ビデオ符号化」（High Efficiency Video Coding）、December 2016）には、さまざまなMV予測機構が記述されている。H.265が提供する多くのMV予測機構のうち、本明細書では、以後、「空間マージ（spatial merge）」と呼ばれる技法が記載される。

図1Cを参照すると、現在ブロック（101）は、空間的にシフトされた同じサイズの前のブロックから予測可能であることが、動き探索プロセスの間にエンコーダによって見出されたサンプルを含むことができる。そのMVを直接符号化する代わりに、MVは、一つまたは複数の参照ピクチャーに関連付けられたメタデータから、たとえば（デコード順で）最新の参照ピクチャーから、A0、A1、およびB0、B1、B2（それぞれ112ないし116）と記される5つの周囲のサンプルのいずれかに関連付けられたMVを使用して、導出できる。H.265では、MV予測は、近傍ブロックが使用しているのと同じ参照ピクチャーからの予測子を使用することができる。

本開示の諸側面は、ビデオ・エンコード／デコードのための装置を提供する。装置は、ビデオ・ビットストリームの一部である現在のピクチャー内の現在ブロックの予測情報をデコードする処理回路を含む。処理回路は、ビデオ・ビットストリームに含まれる構文要素に基づいて、現在のブロックについて、第1の複数の符号化ツールが有効にされており、第2の複数の符号化ツールが無効にされていると判断する。第1の複数の符号化ツールは、ブロッキング解除フィルタ符号化ツールを含み、第2の複数の符号化ツールは、サンプル適応オフセットフィルタ（SAO）符号化ツール、イントラサブパーティション（ISP）符号化ツール、および行列ベースのイントラ予測（MIP）符号化ツールのうちの少なくとも1つを含む。処理回路は、第1の複数の符号化ツールが有効にされており、第2の複数の符号化ツールが無効にされていることに基づいて、現在のブロックを再構成する。複数変換セット（MTS）符号化ツールおよび低周波分離不能変換（LFNST）符号化ツールの両方が、第1の複数の符号化ツールおよび第2の複数の符号化ツールのうちの1つに含まれる。

ある実施形態では、適応ループ・フィルタ（ALF）符号化ツールが、第1の複数の符号化ツールおよび第2の複数の符号化ツールのうちの1つに含まれる。

ある実施形態では、構文要素は、機械のためのビデオ符号化（VCM）が現在のブロックについて有効にされていることを示すシーケンスパラメータセット（SPS）フラグである。

ある実施形態では、構文要素は、プロファイル番号を含み、プロファイル番号は、ビデオ・ビットストリームが、メイン10（Main 10）という機械のためのビデオ符号化（VCM）プロファイルおよびメイン10 VCM静止ピクチャー・プロファイルのうちの1つに準拠することを示す。

ある実施形態では、構文要素は、プロファイル番号であり、プロファイル番号が第1の値（たとえば、2）であることは、ビデオ・ビットストリームがメイン10 VCMプロファイルに準拠することを示し、プロファイル番号が第2の値（たとえば、66）であることは、ビデオ・ビットストリームがメイン10 VCM静止ピクチャー・プロファイルに準拠することを示す。

ある実施形態では、本装置に関連するデコーダは、メイン10 VCM静止ピクチャー・プロファイルに準拠し、プロファイル番号は、ビデオ・ビットストリームがメイン10 VCMプロファイルに準拠することを示し、現在のピクチャーは、ビデオ・ビットストリーム内の最初のピクチャーであり、イントラランダムアクセスピクチャー（IRAP）および漸進デコードリフレッシュ（GDR）ピクチャーの1つである。

ある実施形態では、ビデオ・ビットストリームが準拠するプロファイルの階層番号（tier number）およびレベル番号（level number）は、それぞれデコーダが準拠するプロファイルの階層番号およびレベル番号以下である。

本開示の諸側面は、ビデオ・エンコード／デコードのための方法を提供する。この方法では、ビデオ・ビットストリームの一部である現在のピクチャー内の現在ブロックの予測情報がデコードされる。第1の複数の符号化ツールが有効にされていると判別され、第2の複数の符号化ツールは、ビデオ・ビットストリームに含まれる構文要素に基づいて、現在のブロックについて無効にされていると判別される。第1の複数の符号化ツールは、ブロッキング解除フィルタ符号化ツールを含み、第2の複数の符号化ツールは、サンプル適応オフセットフィルタ（SAO）符号化ツール、イントラサブパーティション（ISP）符号化ツール、および行列ベースのイントラ予測（MIP）符号化ツールのうちの少なくとも1つを含む。現在のブロックは、第1の複数の符号化ツールが有効にされており、第2の複数の符号化ツールが無効にされていることに基づいて再構成される。複数変換セット（MTS）符号化ツールおよび低周波分離不能変換（LFNST）の両方が、第1の複数の符号化ツールおよび第2の複数の符号化ツールのうちの1つに含まれる。

本開示の諸側面はまた、少なくとも1つのプロセッサによって実行されたときに、該少なくとも1つのプロセッサにビデオ・デコードのための諸方法のいずれか1つまたは組み合わせを実行させる命令を記憶する非一時的コンピュータ読み取り可能媒体を提供する。

開示された主題のさらなる特徴、性質、およびさまざまな利点は、以下の詳細な説明および添付の図面からより明白になるであろう。

イントラ予測モードの例示的なサブセットの概略図である。

例示的なイントラ予測方向の説明図である。

一例における現在ブロックおよびその周囲の空間的マージ候補の概略図である。

ある実施形態による通信システムの簡略化されたブロック図の概略図である。

ある実施形態による通信システムの簡略化されたブロック図の概略図である。

ある実施形態によるデコーダの簡略化されたブロック図の概略図である。

ある実施形態によるエンコーダの簡略化されたブロック図の概略図である。

別の実施形態によるエンコーダのブロック図を示す。

別の実施形態によるデコーダのブロック図を示す。

ある実施形態による、機械のためのビデオ符号化（VCM）において使用される例示的なアーキテクチャーを示す。

ある実施形態による、多用途ビデオ符号化（VVC）において使用される例示的なエンコーダを示す。

ある実施形態による例示的なフローチャートを示す。

ある実施形態によるコンピュータ・システムの概略図である。

I. ビデオ・デコーダおよびエンコーダ・システム

図2は、本開示のある実施形態による通信システム（200）の簡略化されたブロック図を示す。通信システム（200）は、たとえばネットワーク（250）を介して互いに通信することができる複数の端末装置を含む。たとえば、通信システム（200）は、ネットワーク（250）を介して相互接続された第1の対の端末装置（210）および（220）を含む。図2の例では、第1の対の端末装置（210）および（220）は、データの一方向伝送を実行する。たとえば、端末装置（210）は、ネットワーク（250）を介した他方の端末装置（220）への伝送のために、ビデオ・データ（たとえば、端末装置（210）によって捕捉されたビデオ・ピクチャーのストリーム）を符号化してもよい。エンコードされたビデオ・データは、一つまたは複数の符号化ビデオ・ビットストリームの形で伝送されることができる。端末装置（220）は、ネットワーク（250）から、符号化ビデオ・データを受信し、符号化ビデオ・データをデコードしてビデオ・ピクチャーを復元し、復元されたビデオ・データに従ってビデオ・ピクチャーを表示してもよい。一方向データ伝送は、メディア・サービス・アプリケーション等において一般的でありうる。

別の例では、通信システム（200）は、たとえばビデオ会議中に発生しうる符号化されたビデオ・データの双方向伝送を実行する第2の対の端末装置（230）および（240）を含む。データの双方向伝送のために、一例では、端末装置（230）および（240）の各端末装置は、ネットワーク（250）を介した、端末装置（230）および（240）のうちの他方の端末装置への伝送のために、ビデオ・データ（たとえば、端末装置によって捕捉されたビデオ・ピクチャーのストリーム）を符号化してもよい。端末装置（230）および（240）の各端末装置は、端末装置（230）および（240）のうちの他方の端末装置によって送信された符号化されたビデオ・データを受信してもよく、符号化されたビデオ・データをデコードして、ビデオ・ピクチャーを復元し、復元されたビデオ・データに従って、アクセス可能な表示装置においてビデオ・ピクチャーを表示してもよい。

図2の例では、端末装置（210）、（220）、（230）および（240）は、サーバー、パーソナルコンピュータおよびスマートフォンとして示されてもよいが、本開示の原理は、それに限定されなくてもよい。本開示の実施形態は、ラップトップ・コンピュータ、タブレット・コンピュータ、メディア・プレーヤー、および／または専用のビデオ会議設備での応用を見出す。ネットワーク（250）は、たとえば有線（ワイヤード）および／または無線〔ワイヤレス〕通信ネットワークを含む、端末装置（210）、（220）、（230）および（240）の間で符号化されたビデオ・データを伝達する任意の数のネットワークを表わす。通信ネットワーク（250）は、回線交換および／またはパケット交換チャネルにおいてデータを交換してもよい。代表的なネットワークは、遠隔通信ネットワーク、ローカルエリアネットワーク、ワイドエリアネットワークおよび／またはインターネットを含む。今の議論の目的のために、ネットワーク（250）のアーキテクチャーおよびトポロジーは、以下に説明しない限り、本開示の動作には重要ではないことがある。

図3は、開示される主題のためのアプリケーションの例として、ストリーミング環境におけるビデオ・エンコーダおよびビデオ・デコーダの配置を示す。開示される主題は、たとえば、ビデオ会議、デジタルTV、CD、DVD、メモリースティックなどを含むデジタル媒体上の圧縮ビデオの記憶などを含む、他のビデオ対応アプリケーションにも等しく適用可能でありうる。

ストリーミング・システムは、ビデオ源（301）、たとえばデジタル・カメラを含むことができ、たとえば非圧縮のビデオ・ピクチャーのストリーム（302）を生成する捕捉サブシステム（313）を含んでいてもよい。一例では、ビデオ・ピクチャーのストリーム（302）は、デジタル・カメラによって取り込まれたサンプルを含む。エンコードされたビデオ・データ（304）（または符号化されたビデオ・ビットストリーム）と比較した場合の高いデータ・ボリュームを強調するために太線として描かれているビデオ・ピクチャーのストリーム（302）は、ビデオ源（301）に結合されたビデオ・エンコーダ（303）を含む電子装置（320）によって処理されることができる。ビデオ・エンコーダ（303）は、以下により詳細に説明されるように、開示される主題の諸側面を可能にし、または実現するためのハードウェア、ソフトウェア、またはそれらの組み合わせを含むことができる。ビデオ・ピクチャーのストリーム（302）と比較した場合の、より低いデータ・ボリュームを強調するために細い線として描かれている、エンコードされたビデオ・データ（304）（またはエンコードされたビデオ・ビットストリーム（304））は、将来の使用のためにストリーミング・サーバー（305）に記憶されることができる。図3のクライアント・サブシステム（306）および（308）のような一つまたは複数のストリーミング・クライアント・サブシステムは、ストリーミング・サーバー（305）にアクセスして、エンコードされたビデオ・データ（304）のコピー（307）および（309）を取り出すことができる。クライアント・サブシステム（306）は、たとえば電子装置（330）内にビデオ・デコーダ（310）を含むことができる。ビデオ・デコーダ（310）は、エンコードされたビデオ・データの入来コピー（307）をデコードし、ディスプレイ（312）（たとえば表示画面）または他のレンダリング装置（図示せず）上にレンダリングできるビデオ・ピクチャーの出ていくストリーム（311）を生成する。いくつかのストリーミング・システムでは、エンコードされたビデオ・データ（304）、（307）、および（309）（たとえば、ビデオ・ビットストリーム）は、ある種のビデオ符号化／圧縮標準に従ってエンコードされることができる。これらの標準の例は、ITU-T勧告H.265を含む。一例では、開発中のビデオ符号化規格は、非公式に多用途ビデオ符号化（VVC）として知られている。開示される主題は、VVCの文脈で使用されてもよい。

電子装置（320）および（330）は、他の構成要素（図示せず）を含むことができることを注意しておく。たとえば、電子装置（320）は、ビデオ・デコーダ（図示せず）を含むことができ、電子装置（330）は、ビデオ・エンコーダ（図示せず）も含むことができる。

図4は、本開示のある実施形態によるビデオ・デコーダ（410）のブロック図を示す。ビデオ・デコーダ（410）は、電子装置（430）に含まれることができる。電子装置（430）は、受領器（431）（たとえば、受領回路）を含むことができる。ビデオ・デコーダ（410）は、図3の例におけるビデオ・デコーダ（310）の代わりに使用できる。

受領器（431）は、ビデオ・デコーダ（410）によってデコードされるべき一つまたは複数の符号化ビデオ・シーケンスを受領してもよい；同じまたは別の実施形態において、一度に1つの符号化ビデオ・シーケンスであり、各符号化ビデオ・シーケンスのデコードは、他の符号化ビデオ・シーケンスから独立である。符号化ビデオ・シーケンスは、チャネル（401）から受信されてもよく、該チャネルは、エンコードされたビデオ・データを記憶する記憶装置へのハードウェア／ソフトウェア・リンクであってもよい。受領器（431）は、エンコードされたビデオ・データを、他のデータ、たとえば符号化されたオーディオ・データおよび／または補助データ・ストリームと一緒に受領してもよく、これらのデータは、それぞれの使用エンティティ（図示せず）を転送されてもよい。受領器（431）は、符号化ビデオ・シーケンスを他のデータから分離することができる。ネットワーク・ジッタ対策として、バッファメモリ（415）が、受領器（431）とエントロピー・デコーダ／パーサー（420）（以下「パーサー」）との間に結合されてもよい。ある種のアプリケーションでは、バッファメモリ（415）はビデオ・デコーダ（410）の一部である。他のアプリケーションでは、ビデオ・デコーダ（410）の外部にあることができる（図示せず）。さらに他のアプリケーションでは、たとえばネットワーク・ジッタに対抗するために、ビデオ・デコーダ（410）の外部にバッファメモリ（図示せず）があってもよく、さらに、たとえば再生タイミングを扱うために、ビデオ・デコーダ（410）の内部に別のバッファメモリ（415）があってもよい。受領器（431）が、十分な帯域幅および制御可能性の記憶／転送装置から、またはアイソクロナス・ネットワークからデータを受領している場合は、バッファメモリ（415）は、必要とされなくてもよく、または小さくてもよい。インターネットのようなベストエフォート型のパケット・ネットワークでの使用のためには、バッファメモリ（415）が要求されることがあり、比較的大きいことがあり、有利には適応サイズであることができ、少なくとも部分的に、ビデオ・デコーダ（410）の外部でオペレーティング・システムまたは同様の要素（図示せず）において実装されてもよい。

ビデオ・デコーダ（410）は、符号化ビデオ・シーケンスからシンボル（421）を再構成するためのパーサー（420）を含んでいてもよい。これらのシンボルのカテゴリーは、ビデオ・デコーダ（410）の動作を管理するために使用される情報と、潜在的には、レンダー装置（412）（たとえば表示画面）のようなレンダリング装置を制御するための情報とを含む。レンダー装置は、図4に示されたように、電子装置（430）の一体的な部分ではなく、電子装置（430）に結合されることができる。レンダリング装置（単数または複数）のための制御情報は、補足向上情報（Supplementary Enhancement Information）（SEIメッセージ）またはビデオユーザビリティ情報（Video Usability Information、VUI）パラメータセット・フラグメント（図示せず）の形であってもよい。パーサー（420）は、受領された符号化ビデオ・シーケンスをパースする／エントロピー復号することができる。符号化ビデオ・シーケンスの符号化は、ビデオ符号化技術または標準に従うことができ、可変長符号化、ハフマン符号化、コンテキスト感受性ありまたはなしの算術符号化などを含む、さまざまな原理に従うことができる。パーサー（420）は、符号化ビデオ・シーケンスから、ビデオ・デコーダ内のピクセルのサブグループのうちの少なくとも1つについてのサブグループ・パラメータのセットを、グループに対応する少なくとも1つのパラメータに基づいて、抽出することができる。サブグループは、ピクチャーグループ（Group of Pictures、GOP）、ピクチャー、タイル、スライス、マクロブロック、符号化単位（Coding Unit、CU）、ブロック、変換単位（Transform Unit、TU）、予測単位（Prediction Unit、PU）などを含むことができる。パーサー（420）はまた、符号化ビデオ・シーケンスから、変換係数、量子化器パラメータ値、動きベクトル等の情報を抽出することができる。

パーサー（420）は、バッファメモリ（415）から受領されたビデオ・シーケンスに対してエントロピー復号／パース動作を実行し、それによりシンボル（421）を生成することができる。

シンボル（421）の再構成は、符号化されたビデオ・ピクチャーまたはその諸部分のタイプ（たとえば、インターおよびイントラ・ピクチャー、インターおよびイントラ・ブロック）および他の要因に依存して、複数の異なるユニットに関わることができる。どのユニットがどのように関わるかは、符号化ビデオ・シーケンスからパーサー（420）によってパースされたサブグループ制御情報によって制御されることができる。パーサー（420）と下記の複数のユニットとの間のそのようなサブグループ制御情報の流れは、明確のため、描かれていない。

すでに述べた機能ブロックのほかに、ビデオ・デコーダ（410）は、以下に説明するように、概念的に、いくつかの機能ユニットに分割できる。商業的制約の下で機能する実際的な実装では、これらのユニットの多くは互いに密接に相互作用し、少なくとも部分的に互いに統合されることができる。しかしながら、開示される主題を記述する目的のためには、下記の機能単位への概念的な細分が適切である。

第1のユニットは、スケーラー／逆変換ユニット（451）である。スケーラー／逆変換ユニット（451）は、パーサー（420）から、量子化された変換係数および制御情報をシンボル（単数または複数）（421）として受領する。制御情報は、どの変換を使用するか、ブロック・サイズ、量子化因子、量子化スケーリング行列などを含む。スケーラー／逆変換ユニット（451）は、集計器（455）に入力できるサンプル値を含むブロックを出力することができる。

場合によっては、スケーラー／逆変換（451）の出力サンプルは、イントラ符号化されたブロック、すなわち、以前に再構成されたピクチャーからの予測情報を使用していないが、現在ピクチャーの、以前に再構成された部分からの予測情報を使用することができるブロックに関することができる。そのような予測情報は、イントラ・ピクチャー予測ユニット（452）によって提供されることができる。場合によっては、イントラ・ピクチャー予測ユニット（452）は、現在ピクチャー・バッファ（458）から取ってきた、周囲のすでに再構成された情報を使用して、再構成中のブロックと同じサイズおよび形状のブロックを生成する。現在ピクチャー・バッファ（458）は、たとえば、部分的に再構成された現在ピクチャーおよび／または完全に再構成された現在ピクチャーをバッファリングする。集計器（455）は、場合によっては、サンプル毎に、イントラ予測ユニット（452）が生成した予測情報を、スケーラー／逆変換ユニット（451）によって提供される出力サンプル情報に加算する。

他の場合には、スケーラー／逆変換ユニット（451）の出力サンプルは、インター符号化され、潜在的には動き補償されたブロックに関することができる。そのような場合、動き補償予測ユニット（453）は、予測のために使用されるサンプルを取ってくるために参照ピクチャー・メモリ（457）にアクセスすることができる。取ってきたサンプルを、ブロックに関するシンボル（421）に従って動き補償した後、これらのサンプルは、集計器（455）によってスケーラー／逆変換ユニットの出力（この場合、残差サンプルまたは残差信号と呼ばれる）に加算されて、それにより出力サンプル情報を生成することができる。動き補償ユニット（453）が予測サンプルを取ってくる参照ピクチャー・メモリ（457）内のアドレスは、シンボル（421）の形で動き補償ユニット（453）に利用可能な動きベクトルによって制御できる。該シンボルは、たとえばX、Y、および参照ピクチャー成分を有することができる。動き補償は、サンプル以下の正確な動きベクトルが使用されるときの参照ピクチャー・メモリ（457）から取ってこられるサンプル値の補間、動きベクトル予測機構などを含むことができる。

集計器（455）の出力サンプルは、ループ・フィルタ・ユニット（456）内でさまざまなループ・フィルタリング技法にかけられることができる。ビデオ圧縮技術は、ループ内フィルタ技術を含むことができる。ループ内フィルタ技術は、符号化ビデオ・シーケンス（符号化されたビデオ・ビットストリームとも呼ばれる）に含まれるパラメータによって制御され、パーサー（420）からのシンボル（421）としてループ・フィルタ・ユニット（456）に利用可能にされるが、符号化されたピクチャーまたは符号化されたビデオ・シーケンスの（デコード順で）前の部分のデコード中に得られたメタ情報に応答するとともに、以前に再構成されループ・フィルタリングされたサンプル値に応答することもできる。

ループ・フィルタ・ユニット（456）の出力はサンプル・ストリームであることができ、これは、レンダー装置（412）に出力されることができ、また将来のインターピクチャー予測において使用するために参照ピクチャー・メモリ（457）に記憶されることができる。

符号化された画像は、いったん完全に再構成されると、将来の予測のための参照ピクチャーとして使用できる。たとえば、現在ピクチャーに対応する符号化されたピクチャーが完全に再構成され、該符号化されたピクチャーが（たとえば、パーサー（420）によって）参照ピクチャーとして同定されると、現在ピクチャー・バッファ（458）は参照ピクチャーメモリ（457）の一部となることができ、後続の符号化されたピクチャーの再構成を開始する前に、新鮮な現在ピクチャー・バッファが再割当てされることができる。

ビデオ・デコーダ（410）は、ITU-T勧告H.265のような標準における所定のビデオ圧縮技術に従ってデコード動作を実行することができる。符号化ビデオ・シーケンスはビデオ圧縮技術または標準のシンタックスおよびビデオ圧縮技術または標準において文書化されているプロファイルに従うという意味で、符号化されたビデオ・シーケンスは、使用されているビデオ圧縮技術または標準によって規定されたシンタックスに準拠することができる。具体的には、プロファイルはビデオ圧縮技術または標準において利用可能なすべてのツールから、そのプロファイルのもとでの使用のためにそれだけが利用可能なツールとして、ある種のツールを選択することができる。準拠のためにはまた、符号化ビデオ・シーケンスの複雑さが、ビデオ圧縮技術または標準のレベルによって定義される範囲内にあることも必要であることがある。いくつかの場合には、レベルは、最大ピクチャー・サイズ、最大フレーム・レート、最大再構成サンプル・レート（たとえば、毎秒メガサンプルの単位で測られる）、最大参照ピクチャー・サイズなどを制約する。レベルによって設定された限界は、場合によっては、符号化ビデオ・シーケンスにおいて信号伝達される、HRDバッファ管理のための仮設参照デコーダ（Hypothetical Reference Decoder、HRD）仕様およびメタデータを通じてさらに制約されることができる。

ある実施形態において、受領器（431）は、エンコードされたビデオとともに追加の（冗長な）データを受領してもよい。追加データは、符号化されたビデオ・シーケンス（単数または複数）の一部として含まれていてもよい。追加データは、データを適正にデコードするため、および／またはもとのビデオ・データをより正確に再構成するために、ビデオ・デコーダ（410）によって使用されてもよい。追加データは、たとえば、時間的、空間的、または信号対雑音比（SNR）の向上層、冗長スライス、冗長ピクチャー、前方誤り訂正符号などの形でありうる。

図5は、本開示のある実施形態によるビデオ・エンコーダ（503）のブロック図を示している。ビデオ・エンコーダ（503）は、電子装置（520）に含まれる。電子装置（520）は、送信器（540）（たとえば、送信回路）を含む。ビデオ・エンコーダ（503）は、図3の例におけるビデオ・エンコーダ（303）の代わりに使用できる。

ビデオ・エンコーダ（503）は、ビデオ・エンコーダ（503）によって符号化されるべきビデオ画像を捕捉することができるビデオ源（501）（これは図5の例では電子装置（520）の一部ではない）からビデオ・サンプルを受領することができる。別の例では、ビデオ源（501）は、電子装置（520）の一部である。

ビデオ源（501）は、任意の好適なビット深さ（たとえば、8ビット、10ビット、12ビット、…）、任意の色空間（たとえば、BT.601 YCrCB、RGB、…）および任意の好適なサンプリング構造（たとえば、YCrCb 4:2:0、YCrCb 4:4:4）でありうるデジタル・ビデオ・サンプル・ストリームの形で、ビデオ・エンコーダ（503）によって符号化されるべき源ビデオ・シーケンスを提供することができる。メディア・サービス・システムにおいては、ビデオ源（501）は、事前に準備されたビデオを記憶している記憶装置であってもよい。ビデオ会議システムにおいては、ビデオ源（501）は、ローカルでの画像情報をビデオ・シーケンスとして捕捉するカメラであってもよい。ビデオ・データは、シーケンスで見たときに動きを付与する複数の個々のピクチャーとして提供されてもよい。ピクチャー自体は、ピクセルの空間的アレイとして編成されてもよく、各ピクセルは、使用中のサンプリング構造、色空間などに依存して、一つまたは複数のサンプルを含むことができる。当業者は、ピクセルとサンプルとの間の関係を容易に理解することができる。下記の説明は、サンプルに焦点を当てる。

ある実施形態によれば、ビデオ・エンコーダ（503）は、源ビデオ・シーケンスのピクチャーを、リアルタイムで、またはアプリケーションによって要求される任意の他の時間的制約の下で、符号化および圧縮して、符号化ビデオ・シーケンス（543）にすることができる。適切な符号化速度を施行することは、コントローラ（550）の一つの機能である。いくつかの実施形態では、コントローラ（550）は、以下に記載されるような他の機能ユニットを制御し、該他の機能ユニットに機能的に結合される。かかる結合は、明確のために描かれていない。コントローラ（550）によって設定されるパラメータは、レート制御に関連するパラメータ（ピクチャー・スキップ、量子化器、レート‐歪み最適化技法のラムダ値、…）、ピクチャー・サイズ、ピクチャーグループ（GOP）レイアウト、最大動きベクトル許容参照領域などを含むことができる。コントローラ（550）は、ある種のシステム設計のために最適化されたビデオ・エンコーダ（503）に関する他の好適な機能を有するように構成できる。

いくつかの実施形態では、ビデオ・エンコーダ（503）は、符号化ループにおいて動作するように構成される。思い切って単純化した説明として、一例では、符号化ループは、源符号化器（530）（たとえば、符号化されるべき入力ピクチャーと参照ピクチャー（算数または複数）に基づいてシンボル・ストリームのようなシンボルを生成することを受け持つ）と、ビデオ・エンコーダ（503）に埋め込まれた（ローカル）デコーダ（533）とを含むことができる。デコーダ（533）は、（リモートの）デコーダも生成するであろうのと同様の仕方でサンプル・データを生成するよう前記シンボルを再構成する（開示される主題において考慮されるビデオ圧縮技術では、シンボルと符号化ビデオ・ビットストリームとの間のどの圧縮も無損失である）。再構成されたサンプル・ストリーム（サンプル・データ）は、参照ピクチャー・メモリ（534）に入力される。シンボル・ストリームのデコードは、デコーダ位置（ローカルかリモートか）によらずビット正確な結果をもたらすので、参照ピクチャー・メモリ（534）の内容もローカル・エンコーダとリモート・エンコーダの間でビット正確である。言い換えると、エンコーダの予測部は、デコーダがデコード中に予測を使用するときに「見る」のとまったく同じサンプル値を参照ピクチャー・サンプルとして「見る」。参照ピクチャー同期性のこの基本原理（および、たとえば、チャネルエラーのために同期性が維持できない場合の結果として生じるドリフト）は、いくつかの関連技術においても使用される。

「ローカル」デコーダ（533）の動作は、図4との関連ですでに上記で詳細に述べた「リモート」デコーダ、たとえばビデオ・デコーダ（410）の動作と同じであってよい。しかしながら、暫時図4も参照すると、シンボルが利用可能であり、エントロピー符号化器（545）およびパーサー（420）による、シンボルの符号化ビデオ・シーケンスへのエンコード／デコードが可逆でありうるので、バッファメモリ（415）およびパーサー（420）を含むビデオ・デコーダ（410）のエントロピー復号部は、ローカル・デコーダ（533）においては完全には実装されなくてもよい。

この時点で行なうことができる観察は、デコーダ内に存在するパース／エントロピー復号を除くどのデコーダ技術も、対応するエンコーダ内で実質的に同一の機能的形態で存在する必要があることである。このため、開示される主題はデコーダ動作に焦点を当てる。エンコーダ技術の記述は、包括的に記述されるデコーダ技術の逆であるため、短縮することができる。ある種の領域においてのみ、より詳細な説明が必要であり、以下に提供される。

動作中、いくつかの例では、源符号化器（530）は、「参照ピクチャー」として指定された、ビデオ・シーケンスからの一つまたは複数の以前に符号化されたピクチャーを参照して、入力ピクチャーを予測的に符号化する、動き補償された予測符号化を実行することができる。このようにして、符号化エンジン（532）は、入力ピクチャーのピクセル・ブロックと、入力ピクチャーに対する予測参照として選択されうる参照ピクチャー（単数または複数）のピクセル・ブロックとの間の差分を符号化する。

ローカル・ビデオ・デコーダ（533）は、源符号化器（530）によって生成されたシンボルに基づいて、参照ピクチャーとして指定されうるピクチャーの符号化されたビデオ・データをデコードすることができる。符号化エンジン（532）の動作は、有利には、損失のあるプロセスでありうる。符号化されたビデオ・データがビデオ・デコーダ（図5には示さず）でデコードされうるとき、再構成されたビデオ・シーケンスは、典型的には、いくつかのエラーを伴う源ビデオ・シーケンスの複製でありうる。ローカル・ビデオ・デコーダ（533）は、ビデオ・デコーダによって参照ピクチャーに対して実行されうるデコード・プロセスを複製し、再構成された参照ピクチャーを参照ピクチャー・キャッシュ（534）に格納させることができる。このようにして、ビデオ・エンコーダ（503）は、遠端のビデオ・デコーダによって得られるであろう再構成された参照ピクチャーとしての共通の内容を（伝送エラーがなければ）有する再構成された参照ピクチャーのコピーを、ローカルに記憶することができる。

予測器（535）は、符号化エンジン（532）について予測探索を実行することができる。すなわち、符号化されるべき新しいピクチャーについて、予測器（535）は、新しいピクチャーのための適切な予測参照のはたらきをしうるサンプル・データ（候補参照ピクセル・ブロックとして）またはある種のメタデータ、たとえば参照ピクチャー動きベクトル、ブロック形状などを求めて、参照ピクチャー・メモリ（534）を探索することができる。予測器（535）は、適切な予測参照を見出すために、サンプル・ブロック／ピクセル・ブロック毎に（on a sample block-by-pixel block basis）動作しうる。場合によっては、予測器（535）によって得られた検索結果によって決定されるところにより、入力ピクチャーは、参照ピクチャー・メモリ（534）に記憶された複数の参照ピクチャーから引き出された予測参照を有することができる。

コントローラ（550）は、たとえば、ビデオ・データをエンコードするために使用されるパラメータおよびサブグループ・パラメータの設定を含め、源符号化器（530）の符号化動作を管理してもよい。

上記の機能ユニットすべての出力は、エントロピー符号化器（545）におけるエントロピー符号化を受けることができる。エントロピー符号化器（545）は、ハフマン符号化、可変長符号化、算術符号化などといった技術に従ってシンボルを無損失圧縮することによって、さまざまな機能ユニットによって生成されたシンボルを符号化ビデオ・シーケンスに変換する。

送信器（540）は、エントロピー符号化器（545）によって生成される符号化ビデオ・シーケンスをバッファに入れて、通信チャネル（560）を介した送信のために準備することができる。通信チャネル（560）は、エンコードされたビデオ・データを記憶する記憶装置へのハードウェア／ソフトウェア・リンクであってもよい。送信器（540）は、ビデオ符号化器（530）からの符号化されたビデオ・データを、送信されるべき他のデータ、たとえば符号化されたオーディオ・データおよび／または補助データ・ストリーム（源は図示せず）とマージすることができる。

コントローラ（550）は、ビデオ・エンコーダ（503）の動作を管理してもよい。符号化の間、コントローラ（550）は、それぞれの符号化されたピクチャーに、ある符号化ピクチャー・タイプを割り当てることができる。符号化ピクチャー・タイプは、それぞれのピクチャーに適用されうる符号化技術に影響しうる。たとえば、ピクチャーはしばしば、以下のピクチャー・タイプのうちの1つとして割り当てられることがある。

イントラピクチャー（Iピクチャー）は、予測の源としてシーケンス内の他のピクチャーを使用せずに、符号化され、デコードされうるものでありうる。いくつかのビデオ・コーデックは、たとえば、独立デコーダ・リフレッシュ（Independent Decoder Refresh、「IDR」）・ピクチャーを含む、異なるタイプのイントラ・ピクチャーを許容する。当業者は、Iピクチャーのこれらの変形、ならびにそれらのそれぞれの用途および特徴を認識する。

予測ピクチャー（Pピクチャー）は、各ブロックのサンプル値を予測するために、最大で1つの動きベクトルおよび参照インデックスを用いるイントラ予測またはインター予測を用いて符号化およびデコードされうるものでありうる。

双方向予測ピクチャー（Bピクチャー）は、各ブロックのサンプル値を予測するために、最大で2つの動きベクトルおよび参照インデックスを用いるイントラ予測またはインター予測を用いて符号化およびデコードされうるものでありうる。同様に、マルチ予測ピクチャーは、単一のブロックの再構成のために、3つ以上の参照ピクチャーおよび関連するメタデータを使用することができる。

源ピクチャーは、普通、空間的に複数のサンプル・ブロック（たとえば、それぞれ4×4、8×8、4×8、または16×16サンプルのブロック）に分割され、ブロック毎に符号化されうる。ブロックは、ブロックのそれぞれのピクチャーに適用される符号化割り当てによって決定されるところにより、他の（すでに符号化された）ブロックを参照して予測的に符号化されうる。たとえば、Iピクチャーのブロックは、非予測的に符号化されてもよく、または、同じピクチャーのすでに符号化されたブロックを参照して予測的に符号化されてもよい（空間的予測またはイントラ予測）。Pピクチャーのピクセル・ブロックは、以前に符号化された一つの参照ピクチャーを参照して、空間的予測を介してまたは時間的予測を介して予測的に符号化されてもよい。Bピクチャーのブロックは、1つまたは2つの以前に符号化された参照ピクチャーを参照して、空間的予測を介して、または時間的予測を介して予測的に符号化されてもよい。

ビデオ・エンコーダ（503）は、ITU-T勧告H.265などの所定のビデオ符号化技術または標準に従って符号化動作を実行することができる。その動作において、ビデオ・エンコーダ（503）は、入力ビデオ・シーケンスにおける時間的および空間的冗長性を活用する予測符号化動作を含む、さまざまな圧縮動作を実行することができる。よって、符号化されたビデオ・データは、使用されるビデオ符号化技術または標準によって指定されるシンタックスに準拠しうる。

ある実施形態において、送信器（540）は、エンコードされたビデオと一緒に追加データを送信してもよい。源符号化器（530）は、符号化ビデオ・シーケンスの一部としてそのようなデータを含めてもよい。追加データは、時間的／空間的／SNR向上層、冗長ピクチャーおよびスライスのような他の形の冗長データ、SEIメッセージ、VUIパラメータ・セット・フラグメントなどを含んでいてもよい。

ビデオは、時間的シーケンスにおいて複数の源ピクチャー（ビデオ・ピクチャー）として捕捉されてもよい。ピクチャー内予測（しばしば、イントラ予測と略される）は、所与のピクチャーにおける空間的相関を利用し、ピクチャー間予測は、ピクチャー間の（時間的または他の）相関を利用する。一例では、現在ピクチャーと呼ばれるエンコード／デコード対象の特定のピクチャーは、ブロックに分割される。現在ピクチャー内のブロックが、ビデオにおける、前に符号化され、かつ、まだバッファに入れられている参照ピクチャー内の参照ブロックに類似する場合、現在ピクチャー内のそのブロックは、動きベクトルと呼ばれるベクトルによって符号化できる。動きベクトルは、参照ピクチャー内の参照ブロックをポイントし、複数の参照ピクチャーが使用される場合には、参照ピクチャーを同定する第3の次元を有することができる。

いくつかの実施形態において、ピクチャー間予測において双予測技術が使用できる。双予測技術によれば、いずれもビデオにおいて現在ピクチャーよりデコード順で先行する（ただし、表示順では、それぞれ過去および将来であってもよい）第1の参照ピクチャーおよび第2の参照ピクチャーのような2つの参照ピクチャーが使用される。現在ピクチャー内のブロックは、第1の参照ピクチャー内の第1の参照ブロックをポイントする第1動きベクトルと、第2の参照ピクチャー内の第2の参照ブロックをポイントする第2動きベクトルとによって符号化できる。ブロックは、第1の参照ブロックと第2の参照ブロックの組み合わせによって予測できる。

さらに、符号化効率を改善するために、ピクチャー間予測においてマージモード技法が使用できる。

本開示のいくつかの実施形態によれば、ピクチャー間予測およびピクチャー内予測などの予測は、ブロックの単位で実行される。たとえば、HEVC規格によれば、ビデオ・ピクチャーのシーケンスにおけるピクチャーは、圧縮のために符号化ツリー単位（CTU）に分割され、ピクチャーにおけるそれらのCTUは、64×64ピクセル、32×32ピクセル、または16×16ピクセルなどの同じサイズを有する。一般に、CTUは、1つのルーマCTBおよび2つのクロマCTBである3つの符号化ツリーブロック（CTB）を含む。各CTUは、再帰的に、一つまたは複数の符号化単位（CU）に四分木分割されていくことができる。たとえば、64×64ピクセルのCTUは、64×64ピクセルの1つのCU、または32×32ピクセルの4つのCU、または16×16ピクセルの16個のCUに分割されることができる。一例では、各CUは、インター予測タイプまたはイントラ予測タイプのような、そのCUについての予測タイプを決定するために解析される。CUは時間的および／または空間的予測可能性に依存して、一つまたは複数の予測単位（PU）に分割される。一般に、各PUはルーマ予測ブロック（PB）および2つのクロマPBを含む。ある実施形態では、符号化（エンコード／デコード）における予測動作は、予測ブロックの単位で実行される。予測ブロックの例としてルーマ予測ブロックを用いると、予測ブロックは、8×8ピクセル、16×16ピクセル、8×16ピクセル、16×8ピクセルなど、ピクセルについての値（たとえば、ルーマ値）の行列を含む。

図6は、本開示の別の実施形態によるビデオ・エンコーダ（603）の図を示す。ビデオ・エンコーダ（603）は、ビデオ・ピクチャーのシーケンス内の現在ビデオ・ピクチャー内のサンプル値の処理ブロック（たとえば、予測ブロック）を受領し、処理ブロックを、符号化ビデオ・シーケンスの一部である符号化されたピクチャーにエンコードするように構成される。一例では、ビデオ・エンコーダ（603）は、図3の例におけるビデオ・エンコーダ（303）の代わりに使用される。

HEVCの例では、ビデオ・エンコーダ（603）は、8×8サンプルなどの予測ブロックのような処理ブロックについてサンプル値の行列を受領する。ビデオ・エンコーダ（603）は、処理ブロックが、イントラモード、インターモード、または双予測モードのどれを使用して、最もよく符号化されるかを、たとえばレート‐歪み最適化を使用して、判別する。処理ブロックがイントラモードで符号化される場合、ビデオ・エンコーダ（603）は、処理ブロックを符号化されたピクチャーにエンコードするためにイントラ予測技法を使用してもよく；処理ブロックがインターモードまたは双予測モードで符号化される場合、ビデオ・エンコーダ（603）は、処理ブロックを符号化されたピクチャーにエンコードするために、それぞれ、インター予測技法または双予測技法を使用してもよい。ある種のビデオ符号化技術では、マージモード（merge mode）は、動きベクトルが一つまたは複数の動きベクトル予測子から導出されるが前記予測子の外の符号化された動きベクトル成分の利益のない、ピクチャー間予測サブモードでありうる。ある種の他のビデオ符号化技術では、対象ブロックに適用可能な動きベクトル成分が存在してもよい。一例では、ビデオ・エンコーダ（603）は、処理ブロックのモードを決定するためのモード決定モジュール（図示せず）などの他のコンポーネントを含む。

図6の例では、ビデオ・エンコーダ（603）は、インター・エンコーダ（630）、イントラ・エンコーダ（622）、残差計算器（623）、スイッチ（626）、残差エンコーダ（624）、全般コントローラ（621）、およびエントロピー符号化器（625）を、図6に示されるように一緒に結合されて含む。

インター・エンコーダ（630）は、現在ブロック（たとえば、処理ブロック）のサンプルを受領し、該ブロックを参照ピクチャー内の一つまたは複数の参照ブロック（たとえば、以前のピクチャーおよび後のピクチャー内のブロック）と比較し、インター予測情報（たとえば、インター・エンコード技術による冗長情報の記述、動きベクトル、マージモード情報）を生成し、該インター予測情報に基づいて、任意の好適な技法を使用してインター予測結果（たとえば、予測されたブロック）を計算するように構成される。いくつかの例では、前記参照ピクチャーは、エンコードされたビデオ情報に基づいてデコードされた、デコードされた参照ピクチャーである。

イントラ・エンコーダ（622）は、現在ブロック（たとえば、処理ブロック）のサンプルを受領し、場合によっては、該ブロックを、同じピクチャー内ですでに符号化されているブロックと比較し、変換後に量子化された係数を生成し、場合によっては、イントラ予測情報（たとえば、一つまたは複数のイントラ・エンコード技法によるイントラ予測方向情報）も生成するように構成される。一例では、イントラ・エンコーダ（622）はまた、該イントラ予測情報および同じピクチャー内の参照ブロックに基づいて、イントラ予測結果（たとえば、予測されたブロック）を計算する。

全般コントローラ（621）は、全般制御データを決定し、全般制御データに基づいてビデオ・エンコーダ（603）の他のコンポーネントを制御するように構成される。一例では、全般コントローラ（621）は、ブロックのモードを決定し、そのモードに基づいて制御信号をスイッチ（626）に提供する。たとえば、モードがイントラモードである場合、全般コントローラ（621）は、残差計算器（623）による使用のためにイントラモードの結果を選択するようスイッチ（626）を制御し、イントラ予測情報を選択し、イントラ予測情報をビットストリームに含めるようエントロピー・エンコーダ（625）を制御する；モードがインターモードである場合、全般コントローラ（621）は、残差計算器（623）による使用のためにインター予測の結果を選択するようスイッチ（626）を制御し、インター予測情報を選択し、インター予測情報をビットストリームに含めるようエントロピー・エンコーダ（625）を制御する。

残差計算器（623）は、受領されたブロックと、イントラ・エンコーダ（622）またはインター・エンコーダ（630）から選択された予測結果との差（残差データ）を計算するように構成される。残差エンコーダ（624）は、残差データに基づいて、残差データをエンコードして変換係数を生成するように構成される。一例では、残差エンコーダ（624）は、残差データを空間領域から周波数領域に変換し、変換係数を生成するように構成される。次いで、変換係数は、量子化処理にかけられ、量子化された変換係数を得る。さまざまな実施形態において、ビデオ・エンコーダ（603）は、残差デコーダ（628）をも含む。残差デコーダ（628）は、逆変換を実行して、デコードされた残差データを生成するように構成される。デコードされた残差データは、イントラ・エンコーダ（622）およびインター・エンコーダ（630）によって好適に使用されることができる。たとえば、インター・エンコーダ（630）は、デコードされた残差データおよびインター予測情報に基づいて、デコードされたブロックを生成することができ、イントラ・エンコーダ（622）は、デコードされた残差データおよびイントラ予測情報に基づいて、デコードされたブロックを生成することができる。デコードされたブロックは、デコードされたピクチャーを生成するために好適に処理され、デコードされたピクチャーは、メモリ回路（図示せず）内でバッファリングされ、いくつかの例では参照ピクチャーとして使用されることができる。

エントロピー・エンコーダ（625）は、エンコードされたブロックを含むようにビットストリームをフォーマットするように構成される。エントロピー・エンコーダ（625）は、HEVC標準のような好適な標準に従ってさまざまな情報を含めるように構成される。一例では、エントロピー・エンコーダ（625）は、全般制御データ、選択された予測情報（たとえば、イントラ予測情報またはインター予測情報）、残差情報、および他の好適な情報をビットストリーム内に含めるように構成される。開示される主題によれば、インターモードまたは双予測モードのいずれかのマージ・サブモードにおいてブロックを符号化する場合は、残差情報は存在しないことを注意しておく。

図7は、本開示の別の実施形態によるビデオ・デコーダ（710）の図を示す。ビデオ・デコーダ（710）は、符号化されたビデオ・シーケンスの一部である符号化されたピクチャーを受領し、符号化されたピクチャーをデコードして、再構成されたピクチャーを生成するように構成される。一例では、ビデオ・デコーダ（710）は、図3の例におけるビデオ・デコーダ（310）の代わりに使用される。

図7の例では、ビデオ・デコーダ（710）は、エントロピー・デコーダ（771）、インター・デコーダ（780）、残差デコーダ（773）、再構成モジュール（774）、およびイントラ・デコーダ（772）が図7に示されるように一緒に結合されたものを含む。

エントロピー・デコーダ（771）は、符号化されたピクチャーから、その符号化されたピクチャーが構成されるシンタックス要素を表わすある種のシンボルを再構成するように構成されることができる。そのようなシンボルは、たとえば、ブロックが符号化されるモード（たとえば、イントラモード、インターモード、双予測モード、マージ・サブモードまたは別のサブモードにおける後者の2つ）、イントラ・デコーダ（772）またはインター・デコーダ（780）によってそれぞれ予測のために使用されるある種のサンプルまたはメタデータを同定することができる予測情報（たとえば、イントラ予測情報またはインター予測情報など）、たとえば量子化された変換係数の形の残差情報などを含むことができる。一例では、予測モードがインターまたは双予測モードである場合、インター予測情報がインター・デコーダ（780）に提供され；予測タイプがイントラ予測タイプである場合には、イントラ予測情報がイントラ・デコーダ（772）に提供される。残差情報は、逆量子化を受けることができ、残差デコーダ（773）に提供される。

インター・デコーダ（780）は、インター予測情報を受領し、該インター予測情報に基づいてインター予測結果を生成するように構成される。

イントラ・デコーダ（772）は、イントラ予測情報を受領し、該イントラ予測情報に基づいて予測結果を生成するように構成される。

残差デコーダ（773）は、逆量子化を実行して量子化解除された変換係数を抽出し、量子化解除された変換係数を処理して、残差を周波数領域から空間領域に変換するように構成される。残差デコーダ（773）はまた、ある種の制御情報（量子化器パラメータ（QP）を含む）をも必要とすることがあり、その情報は、エントロピー・デコーダ（771）によって提供されてもよい（これは、低ボリュームの制御情報のみであるため、データ経路は描かれていない）。

再構成モジュール（774）は、空間領域において、残差デコーダ（773）によって出力される残差と、予測結果（場合に応じてイントラまたはインター予測モジュールによって出力される）とを組み合わせて、再構成されたブロックを形成するように構成され、該再構成されたブロックは再構成されたピクチャーの一部であってもよく、該再構成されたピクチャーは再構成されたビデオの一部であってもよい。視覚的品質を改善するためにブロッキング解除動作などの他の好適な動作が実行されることができることを注意しておく。

なお、ビデオ・エンコーダ（303）、（503）、（603）、およびビデオ・デコーダ（310）、（410）、（710）は、任意の好適な技法を用いて実装できる。ある実施形態では、ビデオ・エンコーダ（303）、（503）、（603）およびビデオ・デコーダ（310）、（410）、（710）は、一つまたは複数の集積回路を使用して実装できる。別の実施形態では、ビデオ・エンコーダ（303）、（503）、（603）、およびビデオ・デコーダ（310）、（410）、（710）は、ソフトウェア命令を実行する一つまたは複数のプロセッサを使用して実装できる。

II. 機械のためのビデオ符号化

ビデオまたは画像は、娯楽、教育等の多様な用途のために人間によって消費されうる。よって、ビデオ符号化または画像符号化は、良好な主観的品質を維持しながら、よりよい圧縮効率を得るために、しばしば人間の視覚系の特性を利用する。

近年、豊富なセンサーを伴う機械学習アプリケーションの登場により、多くのインテリジェント・プラットフォームが、オブジェクト検出、セグメンテーション、または追跡のような機械視覚タスクのためにビデオまたは画像を利用してきた。機械視覚タスクの消費のためにビデオまたは画像をいかにしてエンコードするかは、興味深く、困難な問題となる。これは、機械のためのビデオ符号化（video coding for machines、VCM）研究の導入につながる。この目標を達成するために、国際標準グループMPEGは、異なる機器間の相互運用性を向上させるために関連する技術を標準化するために、アドホック・グループ「機械のためのビデオ符号化（video coding for machine、VCM）」を作り出した。

図8は、本開示のある実施形態による例示的なVCMアーキテクチャーを示す。図8のビデオ・デコード・モジュールの出力は、主に機械消費、すなわち、機械視覚のためのものであることに留意されたい。しかしながら、場合によっては、図8に示されるように、ビデオ・デコード・モジュールの出力が人間の視覚のために使用されることもできる。さらに、ニューラルネットワーク（NN）モジュールのためのインターフェースが、例示的なVCMアーキテクチャーに含まれることができる。

III. 多用途ビデオ符号化

VVCは最近、2つの国際標準機関、すなわちITUとISO/IECによって共同開発された。VVCの一つのバージョンは2020年7月に完成し、最先端のビデオ符号化規格の一つである。

図9は、本開示のある実施形態による例示的なVVCエンコーダを示す。VVCエンコーダは、変換および量子化（TR+Q）モジュール、エントロピー符号化モジュール、運き推定（ME）モジュール、およびデコーダを含む。デコーダは、逆変換および逆量子化（iTR+iQ）モジュール、イントラ予測モジュール、インター予測モジュール、複合予測モジュール、ブロッキング解除フィルタ（Deblk）モジュール、サンプル適応オフセットフィルタ（SAO）モジュール、適応ループ・フィルタ（ALF）モジュールおよびバッファを含む。エンコーダは入力ピクチャーの符号化ブロック（coding block、CB）を受領し、符号化されたビットストリームと再構成されたピクチャーを出力する。変換および量子化モジュールと逆変換および逆量子化モジュールの両方は、変換ブロック（TB）を処理する。イントラ予測モジュールとイントラ予測モジュール処理の両方はPBを処理する。複合予測モジュールは、インター予測とイントラ予測を組み合わせる。

イントラ予測については、たとえば、成分横断線形モード（cross-component linear mode、CCLM）、複数参照線予測（multiple reference line prediction、MRLP）、イントラサブパーティション（intra sub-partitioning、ISP）、行列ベースのイントラ予測（matrix based intra prediction、MIP）などの多様な符号化ツールを含めることができる。

インター予測については、一組の符号化ツールを含めることができ、たとえば、アフィン動きモデル（affine motion model、AFFINE）、サブブロックベースの時間的マージ候補（subblock-based temporal merging candidates、SbTMC）、適応動きベクトル解像度（adaptive motion vector resolution、AMVR）、幾何学的パーティションモード（geometric partition mode、GPM）、複合イントラ／インター予測（combined intra/inter prediction、CIIP）、動きベクトル差分を伴うマージモード（merge mode with motion vector difference、MMVD）、CU重みを伴う双予測（bi-predictive with CU weights、BCW）、デコーダ動きベクトル洗練（decoder motion vector refinement、DMVR）、双方向オプティカルフロー（bi-directional optical flow、BDOF）、オプティカルフローを用いる予測洗練（prediction refinement using optical flow、PROF）などが含まれる。

変換、量子化、およびループ内フィルタのような他のツールは、たとえば、従属量子化（dependent quantization、DQ）、複数変換セット（multiple transform set、MTS）、低周波分離不能変換（low frequency non-separable transform、LFNST）、ルーママッピングおよびクロマスケーリング（luma mapping and chroma scaling、LMCS）、成分横断適応ループ・フィルタ（cross-component adaptive loop filter、CCALF）、適応ループ・フィルタ（adaptive loop filter、ALF）、サンプル適応オフセットフィルタ（sample adaptive offset filter、SAO）、ブロック化解除フィルタ（Deblk）などを含むことができる。

H.264またはHEVCのような他のビデオ符号化標準は、バリエーションを有する上述の符号化ツールのサブセットを使用してもよいことに留意されたい。たとえば、HEVCは、SAO、Deblk、イントラ予測およびインター予測、複数変換セットなどを利用する。しかしながら、SAOフィルタを除いて、Deblkフィルタ、イントラ予測およびインター予測、複数変換セットのような他の符号化ツールは、設計原理が同じであっても、VVCで採用されているものと同じではない。

IV. 機械視覚のための符号化ツール選択

いくつかの関連例において、H.264、HEVC、またはVVCのようなビデオ符号化標準は、人間の消費のために設計され、人間の視覚系（HVS）のために最適化された一組の符号化ツールを使用する。しかしながら、これらの符号化ツールは、ビデオ信号の異なる特性を利用する可能性のある機械視覚には適していない可能性がある。

本開示の諸側面は、機械のためのビデオ符号化を含む。本開示では、VVCを例として用いて、機械視覚〔マシン・ビジョン〕のためのビデオ符号化標準における符号化ツールのサブセットを選択する方法が含まれる。

本開示に含まれる方法はVVC標準に限定されないことに留意されたい。これらの方法の原理は、H.264、HEVC、またはアライアンスフォーオープンメディア（Alliance for Open Media）によって開発されたAV1のような他のビデオ符号化規格にも適用できる。

いくつかの関連例において、VVCのような符号化標準における符号化ツールは、主観的性能、ビットレート、および実装の複雑さのような要因の間のトレードオフに基づいて選択される。

機械視覚については、選択基準は、機械視覚性能、ビットレート、および実装の複雑さの間のような要因のトレードオフを反映するように修正できる。機械視覚性能とは、オブジェクト検出およびセグメンテーションのための平均アベレージ精度（mean average precision、mAP）、オブジェクト追跡のための複数オブジェクト追跡精度（multiple objects tracking accuracy、MOTA）などの多様な機械タスクのための性能を指す。

よって、VVCのようなビデオ符号化標準における符号化ツールは、いくつかのカテゴリーに分類できる。たとえば、カテゴリー1の符号化ツールは、主に人間の視覚に有益であり、機械視覚に対してはわずかな悪影響を与える。カテゴリー2の符号化ツールは、主に人間の視覚に有益であり、機械視覚に対してはわずかなプラスの影響を与える。カテゴリー3の符号化ツールは、主に人間の視覚に有益であり、機械視覚に対しては有意な悪影響を与える。カテゴリー4の符号化ツールは、人間の視覚と機械の視覚の両方に有益である。

VVC規格のような例では、SAOおよびISPはカテゴリー1に属することができ、ALFとMIPはカテゴリー2に属することができ、LFNSTはカテゴリー3に属することができ、MTS、LMCS、Deblkはカテゴリー4に属することができる。これらの符号化ツールの中で、Deblkは人間の視覚と機械視覚の両方にとって重要なツールである。実験によれば、Deblkがオフにされると、オブジェクト検出のためのmAP BDレート性能が10%より大きく低下することがあることが示されている。

本開示の諸側面によれば、一つまたは複数のカテゴリーはオンにされることができ、一つまたは複数の他のカテゴリーはオフにされることができる。たとえば、VCMの場合、カテゴリー1およびカテゴリー3の符号化ツールをオフにすることができ、カテゴリー2およびカテゴリー4の符号化ツールをオンにすることができる。よって、VVCのようなビデオ符号化標準における符号化ツールの新しいサブセットは、機械視覚のための新しいコーデックを形成することができる。

本開示の諸側面によれば、カテゴリー2の符号化ツールは、さらに、MIPのような比較的低い複雑さの符号化ツールと、ALFのような比較的高い複雑さの符号化ツールの2つのサブクラスに分類できる。よって、ある実施形態では、カテゴリー1および3の符号化ツールをオフにすることができ、カテゴリー4の符号化ツールをオンにすることができ、相対的に複雑さの低いカテゴリー2の符号化ツールをオンにすることができ、相対的に複雑さの高いカテゴリー2の符号化ツールをオフにすることができる。この実施形態では、複雑さは機械視覚のわずかな性能損失でトレードオフされる。

V. 符号化ツール間の相互作用

いくつかの関連例では、人間の視覚のための関連した符号化標準において、符号化ツールは互いに相互作用する。本開示の諸側面によれば、実験において、機械視覚についても同様の相互作用を示すことができる。

ある実施形態では、オブジェクト検出のためのある実験は、ALFおよびDeblkを別々にオフにすると、mAP BDレート性能がそれぞれ0.8%および14.8%低下することがあることを示す。しかしながら、ALFとDeblkの両方をオフにすると、mAP BDレート性能の低下は41%を超えることがある。

ある実施形態では、オブジェクト検出のためのある実験は、MTSをオフにするとmAP BDレート性能が1.8%低下することがあり、LFNSTをオフにするとmAP BDレート性能が2.5%改善されることがあることを示している。しかしながら、MTSとLFNSTの両方をオフにすると、全体的な効果はマイナスになる。つまり、mAP BDレート性能は7%低下することがある。この場合、全体的なエンコード時間は42%より大きく減少する可能性がある。

ある実施形態では、オブジェクト検出のためのある実験は、MIPをオフにすると、mAP BDレート性能が0.4%低下することがあるが、ISPをオフにすると、mAP BDレート性能が0.8%改善されることがあることを示している。しかしながら、ISPとMIPの両方をオフにすると、全体的なmAP BDレート性能は2.4%改善できる。この場合、全体的なエンコード時間は25%より大きく減少する可能性がある。

よって、たとえば、上記の観察に基づいて、機械視覚のための符号化ツールのサブセットを選択する際に、符号化ツール間の相互作用を考慮することができる。一例では、MTSとLFNSTの組み合わせなど、組み合わされた符号化ツールが全体的な機械視覚性能を改善できる場合、かかる符号化ツールの組み合わせをオンにすることができる。別の例では、ISPとMIPの組み合わせなど、組み合わされた符号化ツールが全体的な機械視覚性能を劣化させることがある場合には、かかる符号化ツールの組み合わせはオフにすることができる。

ある実施形態では、実装の複雑さと機械視覚性能との間のトレードオフを考慮することができる。たとえば、符号化ツールの組み合わせをオフにすることにより複雑さを有意に低減できる限り、たとえ組み合わされた符号化ツールをオフにすることにより有意な機械視覚性能損失がもたらされることがあったとしても、かかる符号化ツールの組み合わせをオフにすることができる。たとえば、MTSとLFNSTの組み合わせは、実装の複雑さを減らすためにオフにすることができる。

VI. 機械視覚のための構文変更

本開示の諸側面によれば、機械視覚について、第1の組の符号化ツールを有効にし、および／または第2の組の符号化ツールを無効にするために、ビデオ・ビットストリームの予測情報における構文要素を使用することができる。いくつかの実施形態では、機械視覚のための符号化ツールのセットを選択するために、フラグ（たとえば、sps_vcm_enable_flag）などの構文要素が、VVC仕様の構文テーブルに挿入されることができる。たとえば、シーケンスパラメータセット（SPS）についての構文テーブルが、表1に示されるように修正されることができる。

表1において、構文要素sps_vcm_enable_flagは、機械視覚のために、第1のセットの符号化ツールを有効にし、および／または第2のセットの符号化ツールを無効にするために使用される。いくつかの実施形態では、sps_vcm_enable_flag=1は、機械視覚について、第1のセットの符号化ツールが有効にされること、および／または第2のセットの符号化ツールが無効にされることを示す。さらに、構文要素sps_mts_enabled_flag、sps_lfnst_enabled_flag、sps_alf_enabled_flag、sps_sao_enabled_flag、sps_isp_enabled_flag、およびsps_mip_enabled_flagは、それぞれMTS、LFNST、ALF、SAO、ISP、およびMIP符号化ツールを有効、無効にするために使用される。いくつかの実施形態では、これらの構文要素のそれぞれについて、1の値を設定することは、対応する符号化ツールを有効にするものであり、0の値を設定することは、対応する符号化ツールを無効にする。たとえば、sps_mts_enabled_flag=1はMTS符号化ツールが有効にされることを示し、sps_mts_enabled_flag=0はMTS符号化ツールが無効にされることを示す。

ブロッキング解除フィルタをオン、オフすることは、表1に示されていない構文要素によって示すことができる。いくつかの実施形態では、ブロッキング解除フィルタをオンおよびオフにする構文要素は、ピクチャーパラメータセット（PPS）フラグ（たとえば、pps_deblocking_filter_disabled_flag）でありうる。pps_deblocking_filter_disabled_flag=0の場合、ブロッキング解除フィルタはオンにされる。pps_deblocking_filter_disabled_flag=1の場合、ブロッキング解除フィルタはオフにされる。

ある実施形態では、sps_vcm_enable_flagが1に設定されるとき、機械視覚のためにオンにされる第1のセットの符号化ツールは、MTS、LFNST、ALF、およびブロッキング解除フィルタを含み、機械視覚のためにオフにされる第2のセットの符号化ツールは、SAO、ISP、およびMIPを含む。よって、ビデオ・ビットストリームについてのビットストリーム準拠では、sps_mts_enabled_flag=1、sps_lfst_enabled_flag=1、sps_alf_enabled_flag=1、sps_sao_enabled_flag=0、sps_isp_enabled_flag=0、sps_mip_enabled_flag=0、およびpps_deblocking_filter_disabled=0となる。

ある実施形態では、ALFは、機械視覚のためにオフにされる。よって、sps_vcm_enable_flagが1に設定されると、機械視覚のためにオンにされる第1のセットの符号化ツールは、MTS、LFNST、およびブロッキング解除フィルタを含み、機械視覚のためにオフにされる第2のセットの符号化ツールは、ALF、SAO、ISP、およびMIPを含む。ビデオ・ビットストリームについてのビットストリーム準拠では、sps_mts_enabled_flag=1、sps_lfst_enabled_flag=1、sps_alf_enabled_flag=0、sps_sao_enabled_flag=0、sps_isp_enabled_flag=0、sps_mip_enabled_flag=0、pps_deblocking_filter_disabled_flag=0となる。

いくつかの実施形態では、関連するフラグは、上述の諸方法に基づいて、機械視覚に対する性能上の影響および実装の複雑さをトレードオフするために、他の構成で設定されることができることに留意されたい。

VII. 機械視覚のためのプロファイル

本開示の諸側面によれば、機械視覚タスクのための符号化ツールのセットを選択するために、プロファイルを使用することができる。いくつかの実施形態では、プロファイルは、メイン10 VCMプロファイル（Main 10 VCM profile）またはメイン10 VCM静止ピクチャー・プロファイル（Main 10 VCM still picture profile）と称されることができる。たとえば、圧縮および処理効率を改善するために、プロファイルの使用は、信号伝達のために必要とされ、処理されるべきビット数を減少させることができる。

ある実施形態では、メイン10 VCMプロファイルおよび／またはメイン10 VCM静止ピクチャー・プロファイルに準拠するビデオ・ビットストリームは、以下のような制約条件に従うことができる。

（1）参照されたSPSは、0に等しいptl_multilayer_enabled_flagをもつ。

（2）メイン10 VCM静止ピクチャー・プロファイルに準拠するビットストリームでは、ビットストリームは1つのピクチャーのみを含む。

（3）参照されたSPSは、0または1に等しいsps_chroma_format_idcをもつ。

（4）参照されたSPSは、0ないし2（両端含む）の範囲内のsps_bitdepth_minus8をもつ。

（5）参照されたSPSは、0に等しいsps_palette_enabled_flagをもつ。

（6）参照されたSPSは、1に等しいsps_mts_enabled_flagをもつ。

（7）参照されたSPSは、1に等しいsps_lfnst_enabled_flagをもつ。

（8）参照されたSPSは0に等しいsps_sao_enabled_flagをもつ。

（9）参照されたSPSは、1に等しいsps_alf_enabled_flagをもつ。

（10）参照されたSPSは、0に等しいsps_isp_enabled_flagをもつ。

（11）参照されたSPSは、0に等しいsps_mip_enabled_flagをもつ。

（12）参照されたPPSは、0に等しいpps_deblocking_filter_disabled_flagをもつ。

（13）メイン10 VCMプロファイルに準拠するビットストリームでは、一般レベル番号general_level_idcと副層レベル番号sublayer_level_idcは、参照されたビデオパラメータセット（VPS）（もし利用可能であれば）および参照されたSPSにおけるiのすべての値について、255（これは指定されたレベル（たとえば、レベル15.5）を示す）に等しくない。

（14）VVC仕様の階層およびレベルのセクション（たとえば、VVCドラフト10の項A.4）におけるメイン10 VCMプロファイルまたはメイン10 VCM静止ピクチャー・プロファイルについて指定された階層およびレベルの制約条件が満たされる。

開示の諸側面によれば、ビデオ・ビットストリームのプロファイルへの準拠は、プロファイル番号（たとえば、general_profile_idc）によって示すことができる。たとえば、メイン10 VCMプロファイルまたはメイン10 VCM静止ピクチャー・プロファイルは、プロファイル番号によって示すことができる。

ある実施形態では、ビデオ・ビットストリームのメイン10 VCMプロファイルへの準拠は、第1のプロファイル番号（たとえば、general_profile_idc=2）によって示すことができる。

ある実施形態では、ビデオ・ビットストリームのメイン10 VCM静止ピクチャー・プロファイルへの準拠は、第2のプロファイル番号（たとえば、general_profile_idc=66）によって示すことができる。

なお、ビデオ・ビットストリームのメイン10 VCM静止ピクチャー・プロファイルへの準拠が第2のプロファイル番号（たとえば、general_profile_idc=66）によって示され、示されたレベルが指定されたレベル（たとえば、レベル15.5）でない場合、ビデオ・ビットストリームのメイン10 VCMプロファイルへの準拠の指示のための条件も満たされる。

ある実施形態では、特定の階層の特定のレベルでメイン10 VCMプロファイルに準拠するデコーダは、以下の条件のすべてが適用されるすべてのビットストリームをデコードすることができる。

（1）ビットストリームは、メイン10 VCMプロファイルまたはメイン10 VCM静止ピクチャー・プロファイルに準拠すると示されている。

（2）ビットストリームは、指定された階層以下の階層に準拠すると示されている。

（3）ビットストリームは、レベル15.5でなく、前記指定されたレベル以下であるレベルに準拠すると示されている。

ある実施形態では、特定の階層の特定のレベルでメイン10 VCM静止ピクチャー・プロファイルに準拠するデコーダは、以下の条件のすべてが適用されるすべてのビットストリームをデコードすることができる。

（1）ビットストリームは、メイン10 VCM静止ピクチャー・プロファイルに準拠すると示されている。

（2）ビットストリームは、前記指定された階層以下の階層に準拠すると示されている。

（3）ビットストリームは、レベル15.5でなく、前記指定されたレベル以下であるレベルに準拠するように示されている。

ある実施形態では、特定の階層の特定のレベルでメイン10 VCM静止ピクチャー・プロファイルに準拠するデコーダは、以下の条件の両方が適用される場合にビットストリームの最初のピクチャーをデコードすることも可能である。

（1）ビットストリームは、メイン10 VCMプロファイルに準拠し、前記指定された階層以下の階層に準拠し、レベル15.5ではなく、前記指定されたレベル以下であるレベルに準拠すると示されている。

（2）最初のピクチャーは、イントラ・ランダム・アクセス・ピクチャー（IRAP）または漸進デコードリフレッシュ（GDR）ピクチャーであり、出力層においてph_recovery_poc_cntが0に等しく、1に等しいph_pic_output_flagをもつ。

上記の実施形態において、構文要素ph_recovery_poc_cntは、デコードされたピクチャーのリカバリー・ポイントを出力順序で指定する。現在のピクチャーがGDRピクチャーであり、ph_recovery_poc_cntが0に等しい場合、現在のピクチャー自体がリカバリーポイント・ピクチャーと呼ばれる。構文要素ph_pic_output_flagは、デコードされたピクチャー出力および除去プロセスに影響する。ph_pic_output_flagが存在しない場合、1に等しいと推定される。ビットストリームが、出力層にあるpic_output_flagが1に等しい少なくとも1つのピクチャーを含むことが、ビットストリーム準拠性の要件である。

出力層という用語は、出力のターゲットとされる層を指すことに留意されたい。一例では、出力のターゲットとされない層も、たとえば、層間（または、ビュー間）予測のために使用される場合に、デコードされうる。

ある実施形態では、参照されるSPSは、上述したメイン10 VCMプロファイルまたはメイン10 VCM静止ピクチャー・プロファイルにおいて、0に等しいsps_alf_enabled_flagを有することができる。その他の制約条件は、上述したメイン10 VCMプロファイルまたはメイン10 VCM静止ピクチャー・プロファイルと同じであってもよい。

メイン10 VCMプロファイルおよびメイン10 VCM静止ピクチャー・プロファイルについてのプロファイル番号の値（たとえば、general_profile_idc）は、単に、本開示における例であることに留意されたい。プロファイル番号の値は、それらの値が関連する標準仕様によって使用されておらず、標準仕様の対応する規則に従っている限り、異なることができる。

さらに、いくつかの実施形態では、関連するフラグは、上述の諸方法に基づいて、機械視覚に対する性能上の影響および実装の複雑さをトレードオフするために、他の構成で設定されることができる。

VIII. フローチャート

図10は、本開示のある実施形態による例示的なプロセス（1000）の概略を示すフローチャートを示す。さまざまな実施形態において、プロセス（1000）は、端末装置（210）、（220）、（230）および（240）内の処理回路、ビデオエンコーダ（303）の機能を実行する処理回路、ビデオデコーダ（310）の機能を実行する処理回路、ビデオデコーダ（410）の機能を実行する処理回路、イントラ予測モジュール（452）の機能を実行する処理回路、ビデオエンコーダ（503）の機能を実行する処理回路、予測器（535）の機能を実行する処理回路、イントラエンコーダ（622）の機能を実行する処理回路、イントラ・デコーダ（772）の機能を実行する処理回路などの処理回路などによって実行される。いくつかの実施形態では、プロセス（1000）は、ソフトウェア命令で実装され、よって、処理回路がソフトウェア命令を実行すると、処理回路は、プロセス（1000）を実行する。

プロセス（1000）は、一般に、ステップ（S1010）で開始されてもよく、ここで、プロセス（1000）は、ビデオ・ビットストリームの一部である現在のピクチャー内の現在ブロックの予測情報をデコードする。次いで、プロセス（1000）は、ステップ（S1020）に進む。

ステップ（S1020）において、プロセス（1000）は、ビデオ・ビットストリームに含まれる構文要素に基づいて、現在のブロックについて、第1の複数の符号化ツールが有効にされており、第2の複数の符号化ツールが無効にされていると判断する。第1の複数の符号化ツールは、ブロッキング解除フィルタ符号化ツールを含み、第2の複数の符号化ツールは、SAO符号化ツール、ISP符号化ツール、およびMIP符号化ツールのうちの少なくとも1つを含む。次いで、プロセス（1000）は、ステップ（S1030）に進む。

ステップ（S1030）において、プロセス（1000）は、第1の複数の符号化ツールが有効化されており、第2の複数の符号化ツールが無効化されていることに基づいて、現在のブロックを再構成する。MTS符号化ツールおよびLFNST符号化ツールの両方が、第1の複数の符号化ツールおよび第2の複数の符号化ツールのうちの1つに含まれる。

次いで、プロセス（1000）は終了する。

ある実施形態では、ALF符号化ツールは、第1の複数の符号化ツールおよび第2の複数の符号化ツールのうちの1つに含まれる。

ある実施形態では、前記構文要素は、VCMが現在のブロックについて有効にされていることを示すSPSフラグである。

ある実施形態では、前記構文要素は、ビデオ・ビットストリームがメイン10 VCMプロファイルおよびメイン10 VCM静止ピクチャー・プロファイルのうちの1つに準拠することを示すプロファイル番号を含む。

ある実施形態では、プロファイル番号が第1の値（たとえば、2）であることは、ビデオ・ビットストリームがメイン10 VCMプロファイルに準拠することを示し、プロファイル番号が第2の値（たとえば、66）であることは、ビデオ・ビットストリームがメイン10 VCM静止ピクチャー・プロファイルに準拠することを示す。

ある実施形態では、処理回路に関連するデコーダは、メイン10 VCM静止ピクチャー・プロファイルに準拠し、プロファイル番号は、ビデオ・ビットストリームがメイン10 VCMプロファイルに準拠することを示し、現在のピクチャーは、ビデオ・ビットストリーム内の最初のピクチャーであり、IRAPおよびGDRピクチャーの一方である。

ある実施形態では、ビデオ・ビットストリームが準拠するプロファイルの階層番号およびレベル番号は、それぞれデコーダが準拠するプロファイルの階層番号およびレベル番号以下である。

IX. コンピュータ・システム

上述の技法は、コンピュータ読み取り可能な命令を用いてコンピュータ・ソフトウェアとして実装することができ、一つまたは複数のコンピュータ読み取り可能な媒体に物理的に記憶されることができる。たとえば、図11は、開示された主題のある種の実施形態を実施するのに好適なコンピュータ・システム（1100）を示す。

コンピュータ・ソフトウェアは、任意の好適な機械コードまたはコンピュータ言語を用いてコーディングされることができ、アセンブリ、コンパイル、リンク、または同様の機構の対象とされて、一つまたは複数のコンピュータ中央処理ユニット（CPU）、グラフィックス処理ユニット（GPU）などによって、直接的に、またはインタープリット、マイクロコード実行などを通じて実行可能な命令を含むコードを作成することができる。

命令は、たとえば、パーソナルコンピュータ、タブレット・コンピュータ、サーバー、スマートフォン、ゲーム装置、モノのインターネット装置等を含むさまざまなタイプのコンピュータまたはそのコンポーネント上で実行されることができる。

コンピュータ・システム（1100）について図11に示されるコンポーネントは、例としての性質であり、本開示の実施形態を実装するコンピュータ・ソフトウェアの使用または機能の範囲に関する制限を示唆することを意図したものではない。コンポーネントの構成も、コンピュータ・システム（1100）の例示的実施形態において示されているコンポーネントの任意の1つまたは組み合わせに関する何らかの依存性または要件を有するものとして解釈されるべきではない。

コンピュータ・システム（1100）は、ある種のヒューマン・インターフェース入力装置を含むことができる。そのようなヒューマン・インターフェース入力装置は、たとえば、触覚入力（たとえば、キーストローク、スワイプ、データグローブの動き）、音声入力（たとえば、声、拍手）、視覚入力（たとえば、ジェスチャー）、嗅覚入力（図示せず）を通じた一または複数の人間ユーザーによる入力に応答することができる。また、ヒューマン・インターフェース装置は、音声（たとえば、発話、音楽、周囲の音）、画像（たとえば、スキャンされた画像、スチール画像カメラから得られる写真画像）、ビデオ（たとえば、2次元ビデオ、立体視ビデオを含む3次元ビデオ）のような、人間による意識的入力に必ずしも直接関係しないある種のメディアを捕捉するために使用できる。

入力ヒューマン・インターフェース装置は、キーボード（1101）、マウス（1102）、トラックパッド（1103）、タッチスクリーン（1111）、データグローブ（図示せず）、ジョイスティック（1105）、マイクロフォン（1106）、スキャナ（1107）、カメラ（1108）の一つまたは複数（それぞれの一つしか図示していない）を含んでいてもよい。

コンピュータ・システム（1100）はまた、ある種のヒューマン・インターフェース出力装置を含んでいてもよい。そのようなヒューマン・インターフェース出力装置は、たとえば、触覚出力、音、光、および臭い／味を通じて、一または複数の人間ユーザーの感覚を刺激するものであってもよい。そのようなヒューマン・インターフェース出力装置は、触覚出力装置（たとえば、タッチスクリーン（1110）、データグローブ（図示せず）、またはジョイスティック（1105）による触覚フィードバック；ただし、入力装置のはたらきをしない触覚フィードバック装置もありうる）、音声出力装置（たとえば、スピーカー（1109）、ヘッドフォン（図示せず））、視覚出力装置（たとえば、CRT画面、LCD画面、プラズマスクリーン、OLED画面を含む画面（1110）；それぞれはタッチスクリーン入力機能があってもなくてもよく、それぞれは触覚フィードバック機能があってもなくてもよく、そのうちのいくつかは、2次元の視覚出力または立体視出力のような手段を通じた3次元より高い出力を出力することができる；仮想現実感眼鏡（図示せず）、ホログラフィーディスプレイおよび煙タンク（図示せず））、およびプリンタ（図示せず）を含んでいてもよい。これらの出力装置（画面（1110）など）は、グラフィック・アダプター（1150）を通じてシステム・バス（1148）に接続されることができる。

コンピュータ・システム（1100）はまた、人間がアクセス可能な記憶装置および関連する媒体、たとえば、CD/DVDまたは類似の媒体（1121）とともにCD/DVD ROM/RW（1120）を含む光学式媒体、サムドライブ（1122）、取り外し可能なハードドライブまたはソリッドステートドライブ（1123）、テープおよびフロッピーディスクといったレガシー磁気媒体（図示せず）、セキュリティ・ドングルのような特化したROM/ASIC/PLDベースの装置（図示せず）などを含むことができる。

当業者はまた、現在開示されている主題に関連して使用される用語「コンピュータ読み取り可能な媒体」は、伝送媒体、搬送波、または他の一時的な信号を包含しないことを理解すべきである。

コンピュータ・システム（1100）はまた、一つまたは複数の通信ネットワーク（1155）へのネットワーク・インターフェース（1154）を含むことができる。該一つまたは複数の通信ネットワーク（1155）は、たとえば、無線、有線、光学式でありうる。該一つまたは複数の通信ネットワーク（1155）は、さらに、ローカル、広域、都市圏、車載および工業用、リアルタイム、遅延耐性などでありうる。該一つまたは複数の通信ネットワーク（1155）の例は、イーサネット〔登録商標〕、無線LAN、GSM、3G、4G、5G、LTEなどを含むセルラー・ネットワーク、ケーブルテレビ、衛星テレビ、地上放送テレビを含むTV有線または無線の広域デジタルネットワーク、CANBusを含む車載および工業用などを含む。ある種のネットワークは、普通、ある種の汎用データ・ポートまたは周辺バス（1149）（たとえば、コンピュータ・システム（1100）のUSBポートなど）に取り付けられる外部ネットワーク・インターフェース・アダプターを必要とする。他は、普通、後述するようなシステム・バスへの取り付けによって、コンピュータ・システム（1100）のコアに統合される（たとえば、PCコンピュータ・システムへのイーサネット・インターフェースまたはスマートフォン・コンピュータ・システムへのセルラー・ネットワーク・インターフェース）。これらのネットワークのいずれかを使用して、コンピュータ・システム（1100）は、他のエンティティと通信することができる。そのような通信は、一方向性、受信のみ（たとえば、放送テレビ）、一方向性送信専用（たとえば、ある種のCANbus装置へのCANbus）、または、たとえば、ローカルまたは広域デジタルネットワークを使用する他のコンピュータ・システムへの双方向性であってもよい。上述のようなそれらのネットワークおよびネットワークインターフェースのそれぞれで、ある種のプロトコルおよびプロトコルスタックが使用できる。

前述のヒューマン・インターフェース装置、人間がアクセス可能な記憶装置、およびネットワークインターフェースは、コンピュータ・システム（1100）のコア（1140）に取り付けることができる。

コア（1140）は、一つまたは複数の中央処理装置（CPU）（1141）、グラフィックス処理装置（GPU）（1142）、フィールドプログラマブルゲートアレイ（FPGA）（1143）の形の特化したプログラマブル処理装置、ある種のタスクのためのハードウェアアクセラレータ（1144）、グラフィックアダプター（1150）などを含むことができる。これらの装置は、読み出し専用メモリ（ROM）（1145）、ランダムアクセスメモリ（1146）、内部のユーザー・アクセス可能でないハードドライブ、ソリッドステートドライブ（SSD）などの内部大容量記憶装置（1147）とともに、システム・バス（1148）を通じて接続されうる。いくつかのコンピュータ・システムでは、追加のCPU、GPUなどによる拡張を可能にするために、システム・バス（1148）は、一つまたは複数の物理プラグの形でアクセス可能であってもよい。周辺装置は、コアのシステム・バス（1148）に直接取り付けられることも、周辺バス（1149）を通じて取り付けられることもできる。一例では、画面（1110）は、グラフィックアダプター（1150）に接続されることができる。周辺バスのためのアーキテクチャーは、PCI、USBなどを含む。

CPU（1141）、GPU（1142）、FPGA（1143）、およびアクセラレータ（1144）は、組み合わせて上述のコンピュータコードを構成することができるある種の命令を、実行することができる。そのコンピュータコードは、ROM（1145）またはRAM（1146）に記憶できる。一時的データも、RAM（1146）に記憶されることができ、一方、持続的データは、たとえば、内部大容量記憶装置（1147）に記憶されることができる。一つまたは複数のCPU（1141）、GPU（1142）、大容量記憶装置（1147）、ROM（1145）、RAM（1146）などと密接に関連付けることができるキャッシュメモリを使用することを通じて、メモリデバイスのいずれかへの高速な記憶および取り出しを可能にすることができる。

コンピュータ読み取り可能な媒体は、さまざまなコンピュータ実装された動作を実行するためのコンピュータコードをその上に有することができる。媒体およびコンピュータコードは、本開示の目的のために特別に設計および構築されたものであってもよく、または、コンピュータ・ソフトウェア分野の技術を有する者に周知であり利用可能な種類のものであってもよい。

限定ではなく一例として、アーキテクチャー（1100）、具体的にはコア（1140）を有するコンピュータ・システムは、プロセッサ（CPU、GPU、FPGA、アクセラレータ等を含む）が一つまたは複数の有形のコンピュータ可読媒体に具現化されたソフトウェアを実行することの結果として、機能性を提供することができる。そのようなコンピュータ読み取り可能媒体は、上記で紹介したようなユーザー・アクセス可能な大容量記憶ならびにコア内部の大容量記憶装置（1147）またはROM（1145）のような非一時的な性質のコア（1140）のある種の記憶に関連する媒体であることができる。本開示のさまざまな実施形態を実装するソフトウェアは、そのような装置に記憶され、コア（1140）によって実行されることができる。コンピュータ読み取り可能媒体は、特定のニーズに応じて、一つまたは複数のメモリデバイスまたはチップを含むことができる。ソフトウェアは、RAM（1146）に記憶されたデータ構造を定義し、ソフトウェアによって定義されたプロセスに従ってそのようなデータ構造を修正することを含む、本明細書に記載された特定のプロセスまたは特定の特定部分を、コア（1140）および具体的にはその中のプロセッサ（CPU、GPU、FPGAなどを含む）に実行させることができる。追加的または代替的に、コンピュータ・システムは、回路（たとえば、アクセラレータ（1144））内に配線された、または他の仕方で具現された論理の結果として機能性を提供することができ、これは、本明細書に記載される特定のプロセスまたは特定のプロセスの特定部分を実行するためのソフトウェアの代わりに、またはそれと一緒に動作することができる。ソフトウェアへの言及は、論理を含み、適宜その逆も可能である。コンピュータ読み取り可能媒体への言及は、適宜、実行のためのソフトウェアを記憶する回路（たとえば集積回路（IC））、実行のための論理を具現する回路、またはその両方を包含することができる。本開示は、ハードウェアおよびソフトウェアの任意の好適な組み合わせを包含する。

本開示は、いくつかの例示的実施形態を記載してきたが、変更、置換、およびさまざまな代替等価物があり、それらは本開示の範囲内にはいる。よって、当業者は、本明細書に明示的に示されていないかまたは記載されていないが、本開示の原理を具現し、よって、本開示の精神および範囲内にある多くのシステムおよび方法を考案することができることが理解されるであろう。

付録A：頭字語
ALF：Adaptive Loop Filter（適応ループ・フィルタ）
AMVP：Advanced Motion Vector Prediction（先進動きベクトル予測）
APS：Adaptation Parameter Set（適応パラメータセット）
ASIC：Application-Specific Integrated Circuit（特定用途向け集積回路）
ATMVP：Alternative/Advanced Temporal Motion Vector Prediction（代替／先進時間的動きベクトル予測）
AV1：AOMedia Video 1（AOメディア・ビデオ１）
AV2：AOMedia Video 2（AOメディア・ビデオ２）
BMS：Benchmark Set（ベンチマークセット）
BV：Block Vector（ブロックベクトル）
CANBus：Controller Area Network Bus（コントローラエリアネットワークバス）
CB：Coding Block（符号化ブロック）
CC-ALF：Cross-Component Adaptive Loop Filter（成分横断適応ループ・フィルタ）
CD：Compact Disc（コンパクトディスク）
CDEF：Constrained Directional Enhancement Filter（制約された方向性向上フィルタ）
CPR：Current Picture Referencing（現在ピクチャー参照）
CPU：Central Processing Unit（中央処理装置）
CRT：Cathode Ray Tube（陰極線管）
CTB：Coding Tree Block（符号化ツリーブロック）
CTU：Coding Tree Unit（符号化ツリー単位）
CU：Coding Unit（符号化単位）
DPB：Decoder Picture Buffer（デコーダ・ピクチャー・バッファ）
DPCM：Differential Pulse-Code Modulation（差分パルス符号変調）
DPS：Decoding Parameter Set（デコードパラメータセット）
DVD：Digital Video Disc（デジタルビデオディスク）
FPGA：Field Programmable Gate Area（フィールド・プログラマブル・ゲートエリア）
JCCR：Joint CbCr Residual Coding（合同CbCr残差符号化）
JVET：Joint Video Exploration Team（合同ビデオ探査チーム）
GOP：Group of Pictures（ピクチャーグループ）
GPU：Graphics Processing Unit（グラフィックス処理ユニット）
GSM：Global System for Mobile communications（グローバル移動通信システム）
HDR：High Dynamic Range（高ダイナミックレンジ）
HEVC：High Efficiency Video Coding（高効率ビデオ符号化）
HRD：Hypothetical Reference Decoder（仮説参照デコーダ）
IBC：Intra Block Copy（イントラブロックコピー）
IC：Integrated Circuit（集積回路）
ISP：Intra Sub-Partitions（イントラサブパーティション）
JEM：Joint Exploration Model（共同探査モデル）
LAN：Local Area Network（ローカルエリアネットワーク）
LCD：Liquid-Crystal Display（液晶ディスプレイ）
LR：Loop Restoration Filter（ループ復元フィルタ）
LRU：Loop Restoration Unit（ループ復元ユニット）
LTE：Long-Term Evolution（ロングタームエボリューション）
MPM：Most Probable Mode（最確モード）
MV：Motion Vector（動きベクトル）
OLED：Organic Light-Emitting Diode（有機発光ダイオード）
PB：Prediction Block（予測ブロック）
PCI：Peripheral Component Interconnect（周辺コンポーネント相互接続）
PDPC：Position Dependent Prediction Combination（位置依存予測結合）
PLD：Programmable Logic Device（プログラマブルロジックデバイス）
PPS：Picture Parameter Set（ピクチャーパラメータセット）
PU：Prediction Unit（予測単位）
RAM：Random Access Memory（ランダムアクセスメモリ）
ROM：Read-Only Memory（読み出し専用メモリ）
SAO：Sample Adaptive Offset（サンプル適応オフセット）
SCC：Screen Content Coding（スクリーンコンテンツ符号化）
SDR：Standard Dynamic Range（標準ダイナミックレンジ）
SEI：Supplementary Enhancement Information（補足向上情報）
SNR：Signal Noise Ratio（信号対雑音比）
SPS：Sequence Parameter Set（シーケンスパラメータセット）
SSD：Solid-state Drive（ソリッドステートドライブ）
TU：Transform Unit（変換単位）
USB：Universal Serial Bus（ユニバーサルシリアルバス）
VPS：Video Parameter Set（ビデオパラメータセット）
VUI：Video Usability Information（ビデオユーザビリティ情報）
VVC：Versatile Video Coding（多用途ビデオ符号化）
WAIP：Wide-Angle Intra Prediction（広角イントラ予測）

Claims (9)

1. デコーダにおけるビデオ・コーディングの方法であって：
   ビデオ・ビットストリームの一部である現在のピクチャー内の現在ブロックの予測情報をデコードする段階と；
   前記ビデオ・ビットストリームに含まれる構文要素に基づいて、現在ブロックについて、第1の複数の符号化ツールが有効にされており、第2の複数の符号化ツールが無効にされていることを判別する段階であって、前記第1の複数の符号化ツールは、ブロッキング解除フィルタ符号化ツールを含み、前記第2の複数の符号化ツールは、サンプル適応オフセットフィルタ（SAO）符号化ツール、イントラサブパーティション（ISP）符号化ツール、および行列ベースのイントラ予測（MIP）符号化ツールのうちの少なくとも1つを含む、段階と；
   前記第1の複数の符号化ツールが有効にされており、前記第2の複数の符号化ツールが無効にされていることに基づいて、現在ブロックを再構成する段階とを含み、
   複数変換セット（MTS）符号化ツールおよび低周波分離不能変換（LFNST）符号化ツールの両方が、前記第1の複数の符号化ツールおよび前記第2の複数の符号化ツールのうちの1つに含まれる、
   方法。
2. 適応ループ・フィルタ（ALF）符号化ツールが、前記第1の複数の符号化ツールおよび前記第2の複数の符号化ツールのうちの1つに含まれる、請求項１に記載の方法。
3. 前記構文要素は、機械のためのビデオ符号化（VCM）が現在ブロックについて有効にされていることを示すシーケンスパラメータセット（SPS）フラグである、請求項１または２に記載の方法。
4. 前記構文要素は、プロファイル番号を含み、該プロファイル番号は、前記ビデオ・ビットストリームが、メイン10 VCMプロファイルおよびメイン10 VCM静止ピクチャー・プロファイルのうちの1つに準拠することを示す、請求項１ないし３のうちいずれか一項に記載の方法。
5. 前記プロファイル番号が第1の値であることは、前記ビデオ・ビットストリームがメイン10 VCMプロファイルに準拠することを示し、
   前記プロファイル番号が第2の値であることは、前記ビデオ・ビットストリームがメイン10 VCM静止ピクチャー・プロファイルに準拠することを示す、
   請求項４に記載の方法。
6. 前記デコーダは、メイン10 VCM静止ピクチャー・プロファイルに準拠し、
   前記プロファイル番号は、前記ビデオ・ビットストリームがメイン10 VCMプロファイルに準拠することを示し、
   現在のピクチャーは、前記ビデオ・ビットストリームにおける最初のピクチャーであり、イントラランダムアクセスピクチャー（IRAP）および漸進デコードリフレッシュ（GDR）ピクチャーの1つである、
   請求項４に記載の方法。
7. 前記ビデオ・ビットストリームが準拠するプロファイルの階層番号およびレベル番号は、それぞれ前記デコーダが準拠するプロファイルの階層番号およびレベル番号以下である、請求項４に記載の方法。
8. 処理回路を有する装置であって、
   前記処理回路は請求項１ないし７のうちいずれか一項に記載の方法を実行するように構成されている、
   装置。
9. プロセッサに請求項１ないし７のうちいずれか一項に記載の方法を実行させるためのコンピュータ・プログラム。
   

Images