JP5666602B2 - 算術符号化および算術復号のための方法および装置 - Google Patents

Description

本発明はマルチメディア・データの算術符号化および復号に関する。

算術符号化は、データの可逆圧縮の方法である。算術符号化は確率密度関数（PDF: probability density function）に基づく。圧縮効果を達成するために、符号化の基礎になる確率密度関数は、データが実際に従う実際の確率密度関数と同一であるか、少なくとも似ている必要がある。近ければ近いほどよい。

算術符号化が好適な確率密度関数に基づくならば、算術符号化は有意な圧縮を達成し、少なくともほとんど最適な符号を与えうる。したがって、算術符号化は、係数シーケンスの符号化および復号のために、オーディオ、スピーチまたはビデオの符号化において頻繁に使われる技法である。ここで、係数は、二進表現におけるビデオ・ピクセルまたはオーディオもしくはスピーチ信号サンプル値の量子化された時間周波数変換である。

圧縮を一層改善するために、算術符号化は、一組の確率密度関数に基づいていてもよい。現在の係数を符号化するために使われる確率密度関数は、前記現在の係数のコンテキストに依存する。すなわち、同じ量子化値の符号化のために、前記同じ量子化値をもつ係数が現れる環境に依存して、異なる確率密度関数が使用されうる。係数のコンテキストは、それぞれの係数の近隣の（neighbouring）一つまたは複数の近隣係数からなる近傍に含まれる諸係数、たとえば、シーケンスにおいて符号化されるべきまたは復号されるべきそれぞれの係数に隣接して先行する一つまたは複数のすでに符号化されたまたはすでに復号された係数のシーケンス、の量子化値によって定義される。近傍が取りうる異なる可能な出現のそれぞれが、異なる可能なコンテキストを定義し、各コンテキストは関連付けられた確率密度関数上にマッピングされる。

実際上は、前記圧縮改善は、近傍が十分大きい場合にのみ明白となる。これは、異なる可能なコンテキストの数の組み合わせ論的な爆発ならびに対応する膨大な数の可能な確率密度関数または対応する複雑なマッピングを伴う。

コンテキスト・ベースの算術符号化方式の例は、統合音声音響符号化（USAC: Unified Speech and Audio Coding）のための参照モデルを提案する非特許文献１に見出すことができる。この提案によれば、すでに復号された４項組がコンテキストのために考慮される。

USAC関連のコンテキスト・ベースの算術符号化のもう一つの例は非特許文献２に見出すことができる。

高次の条件付きエントロピー符号化における複雑さ削減については、特許文献１が条件付けするシンボルの非一様な量子化を提案している。

米国特許第5,298,896号

ISO/IEC JTC1/SC29/WG11 N10215、釜山、韓国、2008年10月 ISO/IEC JTC1/SC29/WG11 N10847、ロンドン、英国、2009年7月

扱うべき途方もない数のコンテキストに対応して、記憶され、取得され、扱われる必要のある途方もない数の確率密度関数があるか、少なくとも、コンテキストから確率密度関数への対応して複雑なマッピングがある。これは、符号化／復号レイテンシおよびメモリ容量要件の少なくとも一方を増大させる。当技術分野には、符号化／復号レイテンシおよびメモリ容量要件の少なくとも一方を減少させつつ、同様に良好な圧縮を達成することを許容する代替的な解決策が必要とされている。

この必要性に対処するため、本発明は、請求項１の特徴を有する符号化方法、請求項２の特徴を有する復号方法、請求項１３の特徴を有する算術符号化装置、請求項１４の特徴を有する算術復号装置および請求項１５に基づく記憶媒体を提案する。

さらなる提案される実施形態の特徴は従属請求項において指定される。

算術符号化または復号のための前記方法は、それぞれ、現在のスペクトル係数のそれぞれ算術符号化または復号のために先行するスペクトル係数を使う。ここで、前記先行するスペクトル係数はそれぞれすでに符号化または復号されている。前記先行するスペクトル係数および前記現在のスペクトル係数はいずれも、ビデオ、オーディオまたはスピーチ信号サンプル値の時間周波数変換を量子化することから帰結する一つまたは複数の量子化されたスペクトルに含まれる。前記方法はさらに、前記先行するスペクトル係数を処理し、処理された先行するスペクトル係数を使って、少なくとも二つの異なるコンテキスト・クラスのうちの一つであるコンテキスト・クラスを決定し、決定されたコンテキスト・クラスと、前記少なくとも二つの異なるコンテキスト・クラスから少なくとも二つの異なる確率密度関数へのマッピングとを使って、前記確率密度関数を決定し、決定された確率密度関数に基づいて現在のスペクトル係数をそれぞれ算術符号化または算術復号することを含む。先行するスペクトル係数を処理することが、先行するスペクトル係数の絶対値を非一様に量子化することを含むことが本方法の一つの特徴である。

確率密度関数を決定するためにコンテキストに対する代替としてコンテキスト・クラスを使うことにより、異なるが非常に似た確率密度関数につながる二つ以上の異なるコンテキストを、単一の確率密度関数上にマッピングされる単一のコンテキスト・クラスにグループ化することが許容される。グループ化は、コンテキスト・クラスを決定するための先行するスペクトル係数の非一様に量子化された絶対値を使うことによって達成される。

たとえば、ある実施形態では、先行するスペクトル係数を処理することが、コンテキスト・クラスを決定する際に使うために先行するスペクトル係数の量子化された絶対値の和を決定することを含む。同様に、算術符号化のための装置の対応する実施形態および算術復号のための装置の対応する実施形態では、処理手段は、コンテキスト・クラスの決定において使うために先行するスペクトル係数の量子化された絶対値の和を決定するよう適応される。

前記諸装置のさらなる実施形態では、先行するスペクトル係数を処理することがさらに、先行するスペクトル係数の絶対値が第一の量子化方式に従って量子化される第一量子化と、第一の量子化方式に従って量子化された先行するスペクトル係数の絶対値の分散が決定される分散決定と、決定された分散を使っての少なくとも二つの異なる非線形な第二の量子化方式の一つの選択と、第一の量子化方式に従って量子化された先行するスペクトル係数の絶対値が選択された非線形な第二の量子化方式に従ってさらに量子化される第二量子化とを含むよう、処理手段が適応される。前記諸方法のさらなる実施形態は、対応する段階を含む。

分散決定は、第一の量子化方式に従って量子化された先行するスペクトル係数の絶対値の和の決定と、決定された和と少なくとも一つの閾値との比較を含んでいてもよい。

さらなる実施形態では、前記諸装置のそれぞれの処理手段は、処理が、第一の結果または少なくとも異なる第二の結果につながるよう、適応されてもよい。その際、コンテキスト・クラスの決定はさらに、処理が第一の結果につながった先行するスペクトル係数の数の決定と、決定された数を使ってコンテキスト・クラスを決定することを含む。

前記諸装置のそれぞれは、モード切り換え信号およびリセット信号の少なくとも一つを受信する手段を有していていもよい。ここで、諸装置は、前記少なくとも一つの受信される信号を、コンテキスト・クラスの決定を制御するために使うよう適応される。

前記少なくとも二つの異なる確率密度関数は、前記少なくとも二つの異なる確率密度関数を決定するためにデータの代表的なセットを使ってあらかじめ決定されてもよい。前記マッピングは、ルックアップ・テーブルまたはハッシュ・テーブルを使って実現されてもよい。

本発明の例示的な実施形態は図面において例解され、以下の記述においてより詳細に説明される。例示的な実施形態は本発明をつまびらかにするためにのみ説明されているのであって、請求項において定義される本発明の範囲および精神を限定するためではない。
本発明のエンコーダのある実施形態を例示的に描く図である。 本発明のデコーダのある実施形態を例示的に描く図である。 コンテキスト・クラスを決定するためのコンテキスト分類器の第一の実施形態を例示的に描く図である。 コンテキスト・クラスを決定するためのコンテキスト分類器の第二の実施形態を例示的に描く図である。 ａは、周波数領域モードで、符号化されるべきまたは復号されるべき現在のスペクトル・ビンより前の先行するスペクトル・ビンの第一の近傍を例示的に描く図である。ｂは、重み付き線形予測変換モードで、符号化されるべきまたは復号されるべき現在のスペクトル・ビンより前の先行するスペクトル・ビンの第二の近傍を例示的に描く図である。 ａは、周波数領域モードで、符号化されるべきまたは復号されるべき現在の最低周波数スペクトル・ビンより前の先行するスペクトル・ビンの第三の近傍を例示的に描く図である。ｂは、周波数領域モードで、符号化されるべきまたは復号されるべき現在の二番目に低い周波数スペクトル・ビンより前の先行するスペクトル・ビンの第四の近傍を例示的に描く図である。 ａは、重み付き線形予測変換モードで、符号化されるべきまたは復号されるべき現在の最低周波数スペクトル・ビンより前の先行するスペクトル・ビンの第五の近傍を例示的に描く図である。ｂは、重み付き線形予測変換モードで、符号化されるべきまたは復号されるべき現在の二番目に低い周波数スペクトル・ビンより前の先行するスペクトル・ビンの第六の近傍を例示的に描く図である。ｃは、重み付き線形予測変換モードで、符号化されるべきまたは復号されるべき現在の三番目に低い周波数スペクトル・ビンより前の先行するスペクトル・ビンの第七の近傍を例示的に描く図である。ｄは、重み付き線形予測変換モードで、符号化されるべきまたは復号されるべき現在の三番目に低い周波数スペクトル・ビンより前の先行するスペクトル・ビンの第八の近傍を例示的に描く図である。 符号化されるべきまたは復号されるべき種々のスペクトル・ビンの近傍を例示的に描く図である。前記種々のスペクトル・ビンは、周波数領域モードにおいて、符号化／復号の開始後またはリセット信号の発生後、符号化されるべきまたは復号されるべき最初のスペクトルに含まれるものである。 重み付き線形予測変換モードで、符号化されるべきまたは復号されるべき種々のスペクトル・ビンのさらなる近傍を例示的に描く図である。前記種々のスペクトル・ビンは、重み付き線形予測変換モードにおいて、符号化／復号の開始後またはリセット信号の発生後、符号化されるべきまたは復号されるべき二番目のスペクトルに含まれるものである。

本発明は、対応して適応される処理装置を含む任意の電子装置上で実現されうる。たとえば、算術復号のための装置は、テレビジョン、携帯電話またはパーソナル・コンピュータ、mp3プレーヤー、ナビゲーション・システムまたはカー・オーディオ・システムにおいて実現されてもよい。算術符号化のための装置は、若干例を挙げれば、携帯電話、パーソナル・コンピュータ、アクティブ・カー・ナビゲーション・システム、デジタル・スチール・カメラ、デジタル・ビデオ・カメラまたはディクタフォン（Dictaphone）において実現されてもよい。

以下に記載される例示的な実施形態は、マルチメディア・サンプルの時間周波数変換の量子化から帰結する量子化されたスペクトル・ビンの符号化および復号に関する。

本発明は、すでに伝送された量子化されたスペクトル・ビン、たとえばシーケンス中の現在の量子化されたスペクトル・ビンBINより前の先行する量子化されたスペクトル・ビンが、現在の量子化されたスペクトル・ビンBINのそれぞれ算術符号化および復号のために使用されるべき確率密度関数PDFを決定するために使用される仕方に基づく。

算術符号化または算術復号のための方法および装置の記載される例示的な実施形態は、非一様な量子化のためのいくつかのそれぞれ段階または手段を有する。それぞれ段階または手段すべてが一緒になって最高の符号化効率を提供するが、それぞれ各段階または各手段が単独ですでに本発明の概念を実現し、符号化／復号レイテンシおよび／またはメモリ要件に関する利点を提供する。したがって、この詳細な説明は、記載されるそれぞれ段階または手段の一つのみを実現する例示的な実施形態を記載するととともに、記載される段階または手段の二つ以上の組み合わせを実現する例示的な実施形態を記載すると解釈されるものである。

本発明の例示的な実施形態に含まれてもよいが含まれる必要はない第一の段階は、どの一般的な変換モードが使用されるかが決定される切り換え段階である。たとえば、USAC無ノイズ符号化方式（Noiseless Coding Scheme）では、一般的な変換モードは周波数領域（FD: Frequency Domain）モードまたは重み付き線形予測変換（wLPT: weighted Linear Prediction Transform）モードのいずれかでありうる。各一般モードは、PDFの決定のために、異なる近傍を、すなわち、すでにそれぞれ符号化または復号されたスペクトル・ビンの異なる選択を、使ってもよい。

その後、現在のスペクトル・ビンBINのコンテキストがモジュール、コンテキスト生成COCLにおいて決定されてもよい。決定されたコンテキストから、該コンテキストを分類することによってコンテキスト・クラスが決定される。ここで、分類〔クラス分け〕に先立ち、該コンテキストは、該コンテキストの諸スペクトル・ビンの、必ずではないが好ましくは非一様な量子化NUQ1によって処理される。分類は、コンテキストの分散（variance）を推定し（VES）、その分散を少なくとも一つの閾値と比較することを含んでいてもよい。あるいはまた、分散推定値は、コンテキストから直接決定されてもよい。分散推定値は次いで、さらなる量子化NUQ2を制御するために使われる。さらなる量子化NUQ2は必ずではないが好ましくは非線形である。

図１に例示的に描かれる符号化プロセスでは、現在の量子化されたスペクトル・ビンBINを符号化するために好適な確率密度関数（PDF）が決定される。この目的のためには、デコーダ側でも既知である情報のみが使用できる。すなわち、先行する符号化または復号された量子化されたスペクトル・ビンだけが使用されることができる。これは、コンテキスト分類器ブロックCOCLにおいてなされる。そこで、選択された先行する諸スペクトル・ビンが、実際のコンテキスト・クラスを決定するために使われる近傍（neighbourhood）NBHを定義する。コンテキスト・クラスは、コンテキスト・クラス番号によって表されてもよい。コンテキスト・クラス番号は、マッピングMAPを介して、たとえばテーブル・ルックアップまたはハッシュ・テーブルを介してPDFメモリMEM1から対応するPDFを取り出すために使われる。コンテキスト・クラスの決定は、選択されたモードに依存して異なる近傍を使うことを許容する一般モード・スイッチ（general mode switch）GMSに依存してもよい。上述したように、USACについては、二つの一般モードがある（FDモードとwLPTモード）。一般モード・スイッチGMSがエンコーダ側で実現される場合、モード変更信号または現在の一般信号が、デコーダにおいても知られるよう、ビットストリームに含まれる必要がある。たとえば、非特許文献２によって提案される統合音声音響符号化（USAC）のための参照モデルでは、一般モードの伝送のために提案されているWDテーブル4.4のcore_modeおよびテーブル4.5のcore_mode0/1がある。

算術エンコーダ（arithmetic encoder）AECによる現在の量子化されたスペクトル・ビンBINの符号化のための好適なPDFの決定後、現在の量子化されたスペクトル・ビンBINは近傍メモリMEM2に供給される。すなわち、前記現在のビンBINが先行するビンになる。近傍メモリMEM2に含まれる先行するスペクトル・ビンは、ブロックCOCLによって、次のスペクトル・ビンBINを符号化するために使用されてもよい。現在のスペクトル・ビンBINを記憶する間、前または記憶した後、前記現在のビンBINは算術エンコーダAECによって算術符号化される。算術符号化AECの出力はビット・バッファBUFに格納されるか、ビットストリームに直接書き込まれる。

ビットストリームまたはバッファの内容は、たとえばケーブルまたは衛星を介して伝送またはブロードキャストされてもよい。あるいは、算術符号化されたスペクトル・ビンがDVD、ハードディスク、ブルーレイ・ディスクなどのような記憶媒体上に書き込まれてもよい。PDFメモリMEM1および近傍メモリMEM2は単一の物理的メモリにおいて実現されてもよい。

リセット・スイッチ（reset switch）RSは、先行するスペクトルの知識なしに符号化または復号が開始できる専用のフレームにおいて、随時符号化または復号をリスタートすることを許容しうる。該専用のフレームは復号エントリー点として知られる。リセット・スイッチRSがエンコーダ側で実現される場合、リセット信号は、デコーダにおいても知られるよう、ビットストリームに含められる必要がある。たとえば、非特許文献２によって提案される統合音声音響符号化（USAC）のための参照モデルでは、WDテーブル4.10およびテーブル4.14にarith_reset_flagがある。

対応する近傍ベースの復号方式は、図２に例示的に描かれている。これは符号化方式と同様のブロックを有する。算術復号のために使われるPDFの決定は、エンコーダおよびデコーダの両方において決定されるPDFが同じであることを保証するよう、符号化方式と同一である。算術復号は、ビットを、バッファBUFからまたはビットストリームから直接得て、決定されたPDFを、現在の量子化されたスペクトル・ビンBINを復号するのに使う。その後、復号された量子化されたスペクトル・ビンは、コンテキスト・クラス番号決定ブロックCOCLの近傍メモリMEM2に供給され、次のスペクトル・ビンを復号するために使用されうる。

図３は、コンテキスト・クラスを決定するためのコンテキスト分類器COCLの第一の実施形態を詳細に例示的に描いている。

スペクトル・メモリMEM2に現在の量子化されたスペクトル・ビンBINを記憶する前に、該BINはブロックNUQ1において非一様に量子化されてもよい。これには二つの利点がある：第一に、通例16ビット符号付き整数値である量子化されたビンのより効率的な記憶を許容する。第二に、各量子化されたビンがもちうる値の数が減らされる。これは、ブロックCLASSにおけるコンテキスト・クラス決定プロセスにおける可能なコンテキスト・クラスの大幅な削減を許容する。さらに、コンテキスト・クラス決定においては量子化されたビンの符号は破棄されてもよいので、絶対値の計算が非一様量子化ブロックNUQ1に含められてもよい。表１には、ブロックNUQ1によって実行されうる例示的な非一様量子化が示されている。この例では、非一様量子化後には、各ビンについて3つの異なる値が可能となっている。だが一般には、非一様量子化のための唯一の制約条件は、ビンが取り得る値の数を減らすということである。

非一様な量子化／マッピングされたスペクトル・ビンはスペクトル・メモリMEM2に記憶される。選択された一般モード選択（general mode selection）GMSに従って、符号化されるべき各ビンについてのコンテキスト・クラス決定CLASSのための、スペクトル・ビンの選択された近傍NBHが選択される。

図５のａは、符号化されるべきまたは復号されるべきスペクトル・ビンBINの第一の例示的な近傍NBHを例示的に描いている。

この例では、実際のまたは現在のスペクトル（フレーム）のスペクトル・ビンおよび一つの先行するスペクトル（フレーム）のスペクトル・ビンだけが近傍NBHを定義する。もちろん、近傍の部分として二つ以上の先行するスペクトルからのスペクトル・ビンを使うことも可能であり、それはより高い複雑さにつながるが、最終的にはより高い符号化効率をももたらしうる。実際のスペクトルのうち、すでに伝送されたビンだけが近傍NBHを定義するために使用されうることを注意しておく。デコーダにおいてアクセス可能である必要があるからである。ここで、以下の諸例でも同様であるが、スペクトル・ビンについての低周波数から高周波数という伝送順序が想定される。

次いで、選択された近傍NBHが、コンテキスト・クラス決定ブロックCOCLにおいて入力として使用される。以下では、特別な実現について述べる前に、まず、コンテキスト・クラス決定の背後にある一般的な発想と、簡略化されたバージョンについて説明する。

コンテキスト・クラス決定の背後にある一般的な発想は、符号化されるべきビンの分散の信頼できる推定を許容するということである。この予測された分散もまた、符号化されるべきビンのPDFの推定を得るために使用できる。分散推定のためには、近傍におけるビンの符号を評価することは必要ではない。したがって、符号は、スペクトル・メモリMEM2に記憶する前に、量子化ステップにおいてすでに破棄されることができる。非常に単純なコンテキスト・クラス決定は、次のような感じとなりうる：スペクトル・ビンBINの近傍NBHは図５のａのようになっていてもよく、７個のスペクトル・ビンからなる。例示的に、表に示される非一様量子化が使われるとすると、各ビンは3つの値をもつことができる。これは、3⁷＝2187通りの可能なコンテキスト・クラスにつながる。

可能なコンテキスト・クラスのこの数をさらに減らすため、近傍NBHにおける各ビンの相対位置が破棄されてもよい。したがって、それぞれ値0,1または2をもつビンの数だけが計数される。ここで、0のビンの数、1のビンの数および2のビンの数の和はもちろん、近傍内のビンの総数に等しい。それぞれ三つの異なる値のうちの一つを取り得るn個のビンを有する近傍NBHにおいては、0.5×(n²＋3×n＋2)個のコンテキスト・クラスがある。たとえば、７個のビンの近傍では、36個の可能なコンテキスト・クラスがあり、６個のビンの近傍では、28個の可能なコンテキスト・クラスがある。

より複雑だがそれでもごく簡単なコンテキスト・クラス決定は、同じ周波数における先行するスペクトルのスペクトル・ビン（図５のａ、ｂ、図６のａ、ｂ、図７のａ、ｂ、ｃ、図８および図９において網点のある円で描かれたスペクトル・ビン）が特別な重要性があるという研究結果を考慮に入れる。各図における横縞の円として描かれる近傍内の他のビンについては、相対位置はそれほど重要ではない。よって、先行するスペクトルにおいて同じ周波数にあるビンはコンテキスト・クラス決定において明示的に使用され、一方、他の６個のビンについては、0のビンの数、1のビンの数および2のビンの数だけが計数される。この結果、可能なコンテキスト・クラスは3×28＝84通りとなる。実験によれば、そのようなコンテキスト分類が、FDモードについて非常に効率的であることが示されている。

コンテキスト・クラス決定は、第二の非一様量子化NUQ2を制御する分散推定VESによって拡張されてもよい。これにより、コンテキスト・クラス生成COCLを、符号化されるべきビンの予測される分散のより高いダイナミックレンジによりよく適応させることができる。拡張されたコンテキスト・クラス決定の対応するブロック図は図４に例示的に示されている。

図４に示される例では、非一様量子化は、二つのステップに分離される。そのうち先行するステップはより細かい量子化（ブロックNUQ1）を与え、後続ステップはより粗い量子化（ブロックNUQ2）を与える。これは、量子化が、たとえば近傍の分散に適応できるようにする。近傍の分散は、分散推定ブロックVESにおいて推定され、分散推定は、ブロックNUQ1における近傍NBH中のビンの前記先行するより細かい量子化に基づく。分散の推定は、精密である必要はなく、非常に大雑把なものでよい。たとえば、USAC用途にとっては、前記より細かい量子化後の近傍NBH中のビンの絶対値の和が、ある分散閾値を満たすまたは分散閾値を超えるか否かを決定することが十分である。すなわち、高分散と低分散の間の切り換えで十分である。

この２ステップの非一様量子化は、表２に示されるようになりうる。この例では、低分散モードは、表２に示される１ステップの量子化に対応する。

ブロックCLASSにおける最終的なコンテキスト・クラス決定は、図３の簡略化されたバージョンと同じである。分散モードに応じて異なるコンテキスト・クラス決定を使うことが可能である。三つ以上の分散モードを使うことも可能であり、これはもちろん、コンテキスト・クラスの数の増大および複雑さの増大につながる。

あるスペクトル中の最初の諸ビンについては、図５のａまたはｂに示されるような近傍は適用可能ではない。これら最初のビンについては、より低い周波数ビンが全く存在しないか、全部は存在しないからである。これらの特別なケースのそれぞれについて、自己近傍（own neighbourhood）が定義されてもよい。あるさらなる実施形態では、既存でないビンは、あらかじめ定義された値を充填される。図５のａで与えられる例示的な近傍については、スペクトル中の伝送されるべき最初の諸ビンについての定義される諸近傍は、図６のａおよびｂに示される。その発想は、スペクトルの残りの部分と同じコンテキスト・クラス決定関数を使うために、近傍を、より高い周波数ビンに拡張するということである。これは、同じコンテキスト・クラスおよび最終的には同じPDFが使用できるということをも意味する。これは、近傍のサイズがただ縮小されるだけでは可能とはならない（もちろん、これもオプションではある）。

新しいスペクトルが符号化される前に通例はリセットが行われる。先述したように、これは、復号のための専用の開始点を許容するために必要である。たとえば、復号プロセスがあるフレーム／スペクトルから始まる必要がある場合、実際のところ、復号プロセスは、最後のリセットの点から出発して、所望される出発スペクトルまで先行するフレームを逐次復号しなければならない。これは、より多くのリセットが行われるほど、復号のためのより多くのエントリー点が存在するということを意味する。しかしながら、リセット後のスペクトルにおける符号化効率はより小さくなる。

リセットが行われたあとは、近傍定義のために利用可能な先行スペクトルはない。これは、その近傍において、その実際のスペクトルの先行するスペクトル・ビンのみが使用されうることを意味する。しかしながら、一般的な手順は、変更されなくてもよく、同じ「ツール」を使うことができる。ここでもまた、最初の諸ビンは、前節ですでに説明したように、異なる扱いをされる必要がある。

図８では、例示的なリセット近傍定義が示されている。この定義は、USACのFDモードにおけるリセットの場合に使用されてもよい。

（最終的に3通りの可能な量子化された値または量子化ステップ１後の値が使われる場合には6通りの値をもつ、表の量子化を使う）図８の例に示される追加的なコンテキスト・クラスの数は、次のようになる：いちばん最初のビンの処理が1つのコンテキスト・クラスを追加し、２番目のビンが6個（量子化ステップ１後の値が使われる）のコンテキスト・クラスを追加し、３番目のビンおよび４番目のビンが10個のコンテキスト・クラスを追加する。追加的に二つの（低および高）分散モードを考える場合、コンテキスト・クラスのこの数はほとんど倍になる（何の情報も利用可能でない最初のビンについておよび量子化ステップ１後のビンについての値が使用される２番目のビンについてのみ、倍にならない）。

これはこの例では、リセットの処理のために1＋6＋2×6＋2×10＝39個の追加的なコンテキスト・クラスを与える。

マッピング・ブロックMAPは、ブロックCOCLによって決定されるコンテキスト分類、たとえば決定されたコンテキスト・クラス番号を受け、PDFメモリMEMA1から対応するPDFを選択する。このステップにおいて、二つ以上のコンテキスト・クラスについて単一のPDFを使うことによって、必要なメモリ・サイズの量をさらに減らすことが可能である。すなわち、同様のPDFをもつコンテキスト・クラスは合同PDFを使ってもよい。これらのPDFは、十分大きな代表的なデータ・セットを使って、トレーニング・フェーズにおいて、あらかじめ定義されてもよい。このトレーニングは、同様のPDFに対応するコンテキスト・クラスが同定されて対応するPDFがマージされる最適化フェーズを含んでいてもよい。データの統計に依存して、これは、メモリに記憶される必要のある少なめのPDFにつながる。USACのためのある例示的な実験バージョンでは、822のコンテキスト・クラスから64のPDFへのマッピングが成功裏に適用された。

このマッピング関数MAPの実現は、コンテキスト・クラスの数があまり多くない場合には、単純なテーブル・ルックアップであってもよい。その数が多くなるにつれ、効率性の理由のため、ハッシュ・テーブル探索が適用されてもよい。

上述したように、一般モード・スイッチGMSは、周波数領域モード（FD）と重み付け線形予測変換モード（wLPT）との間の切り換えを許容する。モードに依存して、異なる近傍が使用されてもよい。図５のａ、図６のａおよびｂならびに図８に描かれた例示的な近傍は、実験において、FDモードにとって十分大きいと示された。だが、wLPTモードについては、図５のｂ、図７のａ、ｂ、ｃおよび図９に例示的に描かれるようなより大きな近傍が有利であることが見出された。

すなわち、wLPTモードにおける例示的なリセット処理が図９に描かれている。スペクトル中の最低のビン、２番目に低いビン、３番目に低いビンおよび４番目に低いビンについての、wLPTモードにおける例示的な近傍がそれぞれ図７のａ、ｂ、ｃ、ｄに描かれている。他のすべてのビンについてのwLPTモードにおける例示的な近傍は図５のｂに描かれている。

図５のｂに描かれる例示的な近傍から帰結するコンテキスト・クラスの数は、3×91＝273個のコンテキスト・クラスである。因子3は、現在符号化されるべきまたは現在復号されるべきビンと同じ周波数における一つのビンの特別な処理から帰結する。上で与えた公式によれば、近傍中の残りの12個のビンについて値2、1または0をもつビンの数の0.5×((12×12)＋3×12＋2)＝91通りの組み合わせがある。近傍の分散がある閾値を満たすまたは閾値を超えるかどうかに依存してコンテキスト・クラスを区別する実施形態では、これら273個のコンテキスト・クラスは倍になる。

図９に示される例示的なリセット処理も、いくつかのコンテキスト・クラスを追加しうる。

実験において良好な結果を与えた、試験されたある例示的な実施形態では、822個の可能なコンテキスト・クラスがあり、その内訳は次の表１のようになる。

試験された例示的な実施形態では、これら822通りの可能なコンテキスト・クラスは64個のPDF上にマッピングされる。上記したように、マッピングはトレーニング・フェーズにおいて決定される。

結果として得られる64個のPDFは、固定小数点算術符号化器のために、たとえば16ビット精度でROMテーブルに記憶される必要がある。ここで、提案される方式のもう一つの利源が明らかになる：背景技術の節で言及したUSAC標準化の現在の作業ドラフト・バージョンでは、四項組（quadruples）（4つのスペクトル・ビンを含むベクトル）が単一の符号語をもって合同して符号化される。これは、たとえベクトル中の各成分のダイナミックレンジが非常に小さくても、非常に大きなコードブックにつながる（たとえば、各成分は値[−4,…,3]をもちうる→8⁴＝4096通りの可能な異なるベクトル）。しかしながら、スカラーの符号化は、非常に小さなコードブックで、各ビンについて高いダイナミックレンジを許容する。試験された例示的な実施形態において使われたコードブックは、−15から＋15のビンについてのダイナミックレンジを提供する32のエントリーと、Esc符号語（ビンの値がこの範囲外にある場合のため）を有する。これは、ROMテーブル中に記憶される必要があるのが、64×32個の16ビット値だけであることを意味する。

上記では、先行するスペクトル係数を使って現在のスペクトル係数を算術符号化する方法を記載してきた。ここで、前記先行するスペクトル係数はすでに符号化されており、前記先行するスペクトル係数および前記現在のスペクトル係数はいずれも、ビデオ、オーディオまたはスピーチ信号サンプル値の時間周波数変換を量子化することから帰結する一つまたは複数の量子化されたスペクトルに含まれる。ある実施形態では、当該方法は、前記先行するスペクトル係数を処理し、処理された先行するスペクトル係数を使って、少なくとも二つの異なるコンテキスト・クラスのうちの一つであるコンテキスト・クラスを決定し、決定されたコンテキスト・クラスと、前記少なくとも二つの異なるコンテキスト・クラスから少なくとも二つの異なる確率密度関数へのマッピングとを使って、確率密度関数を決定し、決定された確率密度関数に基づいて現在のスペクトル係数を算術符号化することを含み、前記先行するスペクトル係数を処理することは、前記先行するスペクトル係数の絶対値を非一様に量子化することを含む。

もう一つの実施形態では、先行するすでに符号化されたスペクトル係数を使って現在のスペクトル係数を算術符号化する装置が、処理手段と、コンテキスト・クラスを決定する第一手段と、少なくとも二つの異なる確率密度関数を記憶するメモリと、確率密度を取得する第二手段と、算術符号化器とを有する。

その際、処理手段は、先行する、すでに符号化されたスペクトル係数を、非一様量子化することによって処理するよう適応され、前記第一手段は、その処理結果を使って、少なくとも二つのコンテキスト・クラスの一つであるとして前記コンテキスト・クラスを決定するよう適応される。前記メモリは少なくとも二つの確率密度関数と、前記少なくとも二つの異なるコンテキスト・クラスから前記少なくとも二つの異なる確率密度関数へのマッピングを記憶しており、これが、決定されたコンテキスト・クラスに対応する確率密度関数を取り出すことを許容する。前記第二手段は、前記メモリから、決定されたコンテキスト・クラスに対応する確率密度を取り出すよう適応されており、算術符号化器は、取り出された確率密度関数に基づいて現在のスペクトル係数の算術符号化を行うよう適応されている。

先行するすでに復号されたスペクトル係数を使って現在のスペクトル係数を算術復号する装置という、対応するもう一つの例示的な実施形態がある。これは、処理手段と、コンテキスト・クラスを決定する第一手段と、少なくとも二つの異なる確率密度関数を記憶するメモリと、確率密度を取得する第二手段と、算術復号器とを有する。

その際、処理手段は、先行する、すでに復号されたスペクトル係数を、非一様量子化することによって処理するよう適応され、前記第一手段は、その処理結果を使って、少なくとも二つのコンテキスト・クラスの一つであるとして前記コンテキスト・クラスを決定するよう適応される。前記メモリは少なくとも二つの確率密度関数と、前記少なくとも二つの異なるコンテキスト・クラスから前記少なくとも二つの異なる確率密度関数へのマッピングを記憶しており、これが、決定されたコンテキスト・クラスに対応する確率密度関数を取り出すことを許容する。前記第二手段は、前記メモリから、決定されたコンテキスト・クラスに対応する確率密度を取り出すよう適応されており、算術復号器は、取り出された確率密度関数に基づいて現在のスペクトル係数の算術復号を行うよう適応されている。

Claims (13)

1. 先行するスペクトル係数を使って現在のスペクトル係数を算術復号する方法であって、前記先行するスペクトル係数はすでに復号されており、前記先行するスペクトル係数および前記現在のスペクトル係数は時間周波数変換されたビデオ、オーディオまたはスピーチ信号サンプル値を量子化することから帰結する一つまたは複数の量子化されたスペクトルに含まれ、当該方法は、
   ・前記先行するスペクトル係数を処理する段階と、
   ・処理された先行するスペクトル係数を使って、少なくとも二つの異なるコンテキスト・クラスのうちからコンテキスト・クラスを決定する段階であって、前記先行するスペクトル係数の量子化された絶対値の和が、前記コンテキスト・クラスの決定に使われる、段階と、
   ・決定されたコンテキスト・クラスと、前記少なくとも二つの異なるコンテキスト・クラスから少なくとも二つの異なる確率密度関数へのマッピングとを使って、前記確率密度関数の一つを決定する段階と、
   ・決定された確率密度関数に基づいて現在のスペクトル係数を算術復号する段階とを含み、
   前記先行するスペクトル係数を処理する前記段階が、前記コンテキスト・クラスの決定において使うために前記先行するスペクトル係数の絶対値を非一様に量子化することを含む、
   方法。
2. 先行するスペクトル係数を使って現在のスペクトル係数を算術符号化する方法であって、前記先行するスペクトル係数はすでに符号化されており、前記先行するスペクトル係数および前記現在のスペクトル係数は時間周波数変換されたビデオ、オーディオまたはスピーチ信号サンプル値を量子化することから帰結する一つまたは複数の量子化されたスペクトルに含まれ、当該方法は、
   ・前記先行するスペクトル係数を処理する段階と、
   ・処理された先行するスペクトル係数を使って、少なくとも二つの異なるコンテキスト・クラスのうちからコンテキスト・クラスを決定する段階であって、前記先行するスペクトル係数の量子化された絶対値の和が、前記コンテキスト・クラスの決定に使われる、段階と、
   ・決定されたコンテキスト・クラスと、前記少なくとも二つの異なるコンテキスト・クラスから少なくとも二つの異なる確率密度関数へのマッピングとを使って、前記確率密度関数の一つを決定する段階と、
   ・決定された確率密度関数に基づいて現在のスペクトル係数を算術符号化する段階とを含み、
   前記先行するスペクトル係数を処理する前記段階が、前記コンテキスト・クラスの決定において使うために前記先行するスペクトル係数の絶対値を非一様に量子化することを含む、
   方法。
3. 前記先行するスペクトル係数を処理する前記段階が：
   ・前記先行するスペクトル係数の絶対値が第一の量子化方式に従って量子化される第一量子化ステップと、
   ・前記第一の量子化方式に従って量子化された前記先行するスペクトル係数の絶対値の分散を決定するステップと、
   ・決定された分散を使って少なくとも二つの異なる非線形な第二の量子化方式の一つを選択するステップと、
   ・前記第一の量子化方式に従って量子化された前記先行するスペクトル係数の絶対値が選択された非線形な第二の量子化方式に従ってさらに量子化される第二量子化ステップとを含む、
   請求項１または２記載の方法。
4. 前記第一の量子化方式に従って量子化された前記先行するスペクトル係数の絶対値の分散を決定する前記ステップが、前記第一の量子化方式に従って量子化された前記先行するスペクトル係数の絶対値の和を決定し、決定された和を少なくとも一つの閾値と比較することを含む、請求項３記載の方法。
5. 前記処理が第一の結果または少なくとも一つの異なる第二の結果を与え、前記コンテキスト・クラスの決定はさらに、
   ・非一様に量子化されて前記第一の結果になる先行するスペクトル係数の数を決定し、
   ・決定された数を使って前記コンテキスト・クラスを決定することを含む、
   請求項１ないし４のうちいずれか一項記載の方法。
6. 前のスペクトルにおけるスペクトル係数の前記非一様な量子化が前記現在のスペクトル係数についての前記コンテキスト・クラスを決定するために使われ、前記前のスペクトルにおける前記先行するスペクトル係数および前記現在のスペクトル係数はそれぞれのスペクトルにおいて同じ周波数に対応する、請求項５記載の方法。
7. 前記異なる現在のスペクトルはさらに、前記残りの先行するスペクトル係数のうち少なくとも一つのスペクトル係数を、前記同じ周波数より低い周波数において含む、請求項６記載の方法。
8. ・モード切り換え信号およびリセット信号の少なくとも一つを受信し、
   ・前記少なくとも一つの受信される信号を、前記コンテキスト・クラスを決定するステップを制御するために使うことをさらに含む、
   請求項１ないし７のうちいずれか一項記載の方法。
9. 当該方法がさらに、
   ・前記少なくとも二つの異なる確率密度関数を決定するためにデータの代表的なセットを使う、請求項１ないし８のうちいずれか一項記載の方法。
10. 前記マッピングが、ルックアップ・テーブルまたはハッシュ・テーブルを使って実現される、請求項１ないし９のうちいずれか一項記載の方法。
11. 先行するスペクトル係数を使って現在のスペクトル係数を算術符号化する装置であって、前記先行するスペクトル係数はすでに符号化されており、前記先行するスペクトル係数および前記現在のスペクトル係数は時間周波数変換されたビデオ、オーディオまたはスピーチ信号サンプル値を量子化することから帰結する一つまたは複数の量子化されたスペクトルに含まれ、当該装置は、
    ・前記先行するスペクトル係数を処理する処理手段と、
    ・少なくとも二つの異なるコンテキスト・クラスのうちからコンテキスト・クラスを決定する第一手段であって、前記第一手段は、処理された先行するスペクトル係数を使って前記コンテキスト・クラスを決定するよう適応されており、前記先行するスペクトル係数の量子化された絶対値の和が、前記コンテキスト・クラスの決定に使われる、第一手段と、
    ・確率密度関数を決定する第二手段であって、決定されたコンテキスト・クラスと、前記少なくとも二つの異なるコンテキスト・クラスから少なくとも二つの異なる確率密度関数へのマッピングとを使って、前記確率密度関数を決定するよう適応されている、第二手段と、
    ・決定された確率密度関数に基づいて現在のスペクトル係数を算術符号化する算術符号化器とを有し、
    前記処理手段は、前記コンテキスト・クラスの決定において使うために前記先行するスペクトル係数の絶対値を非一様に量子化するよう適応されている、
    装置。
12. 先行するスペクトル係数を使って現在のスペクトル係数を算術復号する装置であって、前記先行するスペクトル係数はすでに復号されており、前記先行するスペクトル係数および前記現在のスペクトル係数は時間周波数変換されたビデオ、オーディオまたはスピーチ信号サンプル値を量子化することから帰結する一つまたは複数の量子化されたスペクトルに含まれ、当該装置は、
    ・前記先行するスペクトル係数を処理する処理手段と、
    ・少なくとも二つの異なるコンテキスト・クラスのうちからコンテキスト・クラスを決定する第一手段であって、前記第一手段は、処理された先行するスペクトル係数を使って前記コンテキスト・クラスを決定するよう適応されており、前記先行するスペクトル係数の量子化された絶対値の和が、前記コンテキスト・クラスの決定に使われる、第一手段と、
    ・確率密度関数を決定する第二手段であって、決定されたコンテキスト・クラスと、前記少なくとも二つの異なるコンテキスト・クラスから少なくとも二つの異なる確率密度関数へのマッピングとを使って、前記確率密度関数を決定するよう適応されている、第二手段と、
    ・決定された確率密度関数に基づいて現在のスペクトル係数を算術復号する算術復号器とを有し、
    前記処理手段は、前記コンテキスト・クラスの決定において使うために前記先行するスペクトル係数の絶対値を非一様に量子化するよう適応されている、
    装置。
13. 請求項２記載の符号化する方法に基づいて算術符号化された、算術符号化スペクトル係数を担持する記憶媒体。

Images