JP6193365B2 - パラメータセットにおけるスケーラビリティ情報のシグナリング - Google Patents

Description

本発明は、ビデオの符号化および復号に関する。

電子デバイスは、消費者のニーズを満たして携帯性および利便性を高めるために、小型化・強化されてきた。消費者は、電子デバイスに依存するようになり、機能性の増大を期待するようになっている。電子デバイスのいくつかの例としては、デスクトップコンピュータ、ラップトップコンピュータ、携帯電話、スマートフォン、メディアプレーヤ、集積回路などが挙げられる。

一部の電子デバイスは、デジタルメディアの処理および／または表示に使用される。例えば、携帯用電子デバイスは、現在では、消費者が存在しうるほぼすべての場所で、デジタルメディアの生成および／または消費を可能にする。さらに、一部の電子デバイスは、消費者により使用および享受されるデジタルメディアコンテンツのダウンロードまたはストリーミングを提供することができる。

デジタルビデオは、典型的には、一連の画像またはフレームとして表現され、そのそれぞれが画素の配列を含む。各画素は、輝度および／または色情報などの情報を含む。多くの場合、各画素は３色のセットとして表現される。一部のビデオ符号化方式は、複雑さの増大と引き換えに、符号化効率の向上をもたらす。ビデオ符号化方式に対する画像品質要件の増大および画像解像度要件の増大も、符号化の複雑さを増大させる。

デジタルメディアの人気が増すことで、いくつかの問題が生じた。例えば、高品質のデジタルメディアを記憶、伝送、および再生のために効率的に表現することは、いくつかの課題を提起する。デジタルメディアをより効率的に表現する方式は、有益である。

本発明によれば、ビデオビットストリームを復号する方法が提供され、本方法は、

相互に隣接し、符号化ツリーブロック、少なくとも１つのスライス、および少なくとも１つのタイルをグループで構成する符号化単位のグループを含む前記ビデオの複数のフレームを受信するステップを含み、符号化ツリーブロックのグループが、前記少なくとも１つのスライス内に含まれ、符号化ツリーブロックのグループが、前記少なくとも１つのタイル内に含まれ、前記少なくとも１つのスライスおよび前記少なくとも１つのタイルそれぞれは、すべてが相互に整列されてはおらず、前記少なくとも１つのタイルそれぞれは、タイルが、イントラ予測情報、動き情報を含め、他の前記少なくとも１つのタイルとは独立して復号されることを特徴とし、前記少なくとも１つのタイルそれぞれは、タイルが前記フレームの或る領域であり、前記復号のための符号化単位を有することを特徴とし、前記フレームの前記少なくとも１つのタイルは、前記フレームのラスタ走査順に集合的に配列される。

以下の本発明の詳細な説明を添付の図面とともに考慮することで、本発明の前述の目的ならびにその他の目的、特徴、および利点がより容易に理解される。

ＨＥＶＣ（Ｈｉｇｈ Ｅｆｆｉｃｉｅｎｃｙ Ｖｉｄｅｏ Ｃｏｄｉｎｇ：高効率ビデオ符号化）エンコーダを含む電子デバイスの一構成を示すブロック図である。 ＨＥＶＣデコーダを含む電子デバイスの一構成を示すブロック図である。 エンコーダおよびデコーダの一例を示すブロック図である。 電子デバイスにおいて利用されうる様々なコンポーネントを示す。 例示のスライス構造を示す。 別の例示のスライス構造を示す。 １つのスライスおよび９つのタイルを有するフレームを示す。 ３つのスライスおよび３つのタイルを有するフレームを示す。 様々なＮＡＬユニットヘッダシンタックスを示す。 様々なＮＡＬユニットヘッダシンタックスを示す。 様々なＮＡＬユニットヘッダシンタックスを示す。 一般的なＮＡＬユニットシンタックスを示す。 既存のビデオパラメータセットを示す。 既存のスケーラビリティタイプを示す。 例示のビデオパラメータセットを示す。 例示のスケーラビリティマップシンタックスを示す。 例示のビデオパラメータセットを示す。 既存のビデオパラメータセットを示す。 既存の次元タイプ、次元ｉｄシンタックスを示す。 例示のビデオパラメータセットを示す。 例示のスケーラビリティマップシンタックスを示す。 例示のビデオパラメータセットを示す。 例示のビデオパラメータセットを示す。 例示のビデオパラメータセットを示す。 例示のスケーラビリティマスクシンタックスを示す。 例示のビデオパラメータセット拡張シンタックスを示す。 例示のビデオパラメータセット拡張シンタックスを示す。 例示のビデオパラメータセット拡張シンタックスを示す。 例示のビデオパラメータセット拡張シンタックスを示す。 例示のビデオパラメータセット拡張シンタックスを示す。 例示のビデオパラメータセット拡張シンタックスを示す。

国際電気通信連合標準化部門（ＩＴＵ−Ｔ：Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ Ｕｎｉｏｎ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｔａｎｄａｒｄｉｚａｔｉｏｎ Ｓｅｃｔｏｒ）第１６研究委員会（ＳＧ１６：Ｓｔｕｄｙ Ｇｒｏｕｐ １６）第３作業部会（ＷＰ３：Ｗｏｒｋｉｎｇ Ｐａｒｔｙ ３）、および国際標準化機構／国際電気標準会議（ＩＳＯ／ＩＥＣ：Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｏｒｇａｎｉｚａｔｉｏｎ ｆｏｒ Ｓｔａｎｄａｒｄｉｚａｔｉｏｎ／Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｅｌｅｃｔｒｏｔｅｃｈｎｉｃａｌ Ｃｏｍｍｉｓｓｉｏｎ）第１合同専門委員会／第２９小委員会／第１１作業部会（ＪＴＣ１／ＳＣ２９／ＷＧ１１：Ｊｏｉｎｔ Ｔｅｃｈｎｉｃａｌ Ｃｏｍｍｉｔｔｅｅ １／Ｓｕｂｃｏｍｍｉｔｔｅｅ ２９／Ｗｏｒｋｉｎｇ Ｇｒｏｕｐ １１）のビデオ符号化に関する協同作業チーム（ＪＣＴ−ＶＣ：Ｊｏｉｎｔ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｔｅａｍ ｏｎ Ｖｉｄｅｏ Ｃｏｄｉｎｇ）は、高効率ビデオ符号化標準（ＨＥＶＣ）と呼ばれるビデオ符号化標準のための標準化作業を開始した。ＨＥＶＣは、ブロックベースの符号化を使用する。

ＨＥＶＣでは、変換および量子化された係数（ＴＱＣ：Ｔｒａｎｓｆｏｒｍｅｄ ａｎｄ Ｑｕａｎｔｉｚｅｄ Ｃｏｅｆｆｉｃｉｅｎｔ）を損失なしに圧縮するために、エントロピー符号化方式であるコンテキスト適応型２値算術符号化ＣＡＢＡＣ（Ｃｏｎｔｅｘｔ−Ａｄａｐｔｉｖｅ Ｂｉｎａｒｙ Ａｒｉｔｈｍｅｔｉｃ Ｃｏｄｉｎｇ）））が使用される。ＴＱＣは、変換サイズに応じて、様々なブロックサイズからとすればよい（例えば４×４、８×８、１６×１６、３２×３２）。

２次元（２Ｄ）ＴＱＣは、エントロピー符号化の前に１次元（１Ｄ）配列に変換されうる。一例では、４×４ブロックの２Ｄ配列ＴＱＣは、表（１）に示されているように配列されうる。

２Ｄ ＴＱＣを１Ｄ配列に変換するとき、ブロックは、斜めジグザグ式に走査されうる。引き続きこの例を用いる。表（１）に示された２Ｄ配列ＴＱＣは、第１行第１列、第１行第２列、第２行第１列、第３行第１列、第２行第２列、第１行第３列、第１行第４列、第２行第３列、第３行第２列、第４行第１列などと走査することにより、１Ｄ配列ＴＱＣ［４，０，３，−３，２，１，０，−１，０，…］に変換することができる。

例えば、ＨＥＶＣにおける符号化手順は以下のように進行しうる。１Ｄ配列のＴＱＣが、走査位置（ｓｃａｎｎｉｎｇ ｐｏｓｉｔｉｏｎ）に従って順序付けられる。最後の有意係数の走査位置および最後の係数レベルが判断される。最後の有意係数が符号化される。なお、係数は、典型的には走査と逆の順序で符号化される。ラン−レベル符号化が実行される。ラン−レベル符号化は、数値自体を符号化するのではなく、同一の数値および／またはビットのランについての情報を符号化する。この符号化は、最後の係数の符号化後、直ちに開始される。続いて、レベル符号化が実行される。有意係数という用語は、ゼロより大きい係数レベル値を有する係数をいう。係数レベル値とは、変換および量子化された係数（ＴＱＣ）値の大きさ（すなわち絶対値）の一意の指示をいう。

（１Ｄ配列ＴＱＣ［４，０，３，−３，２，１，０，−１，０，…］を用いる）上記の例の続きとして、この手順を表（２）に示すことができる。

表（２）では、例として、走査位置７にある係数レベル−１が、最後の非ゼロ係数であってもよい。よって、最終位置は走査位置７であり、最終係数レベルは−１である。ラン−レベル符号化が、走査位置６、５、および４にある係数０、１、および２に対して実行される（係数は、走査と逆の順序で符号化される）。続いて、係数レベル−３、３、０、および４に対してレベル符号化が実行される。

図１は、ビデオの符号化が行われうる電子デバイス１０２の一構成を示すブロック図である。なお、電子デバイス１０２内に含まれるものとして示される構成要素のうちの１つ以上は、ハードウェア、ソフトウェア、または両方の組み合わせに実装されうる。例えば、電子デバイス１０２はエンコーダ１０８を含むが、エンコーダ１０８は、ハードウェア、ソフトウェア、または両方の組み合わせに実装されうる。例えば、エンコーダ１０８は、回路、集積回路、特定用途向け集積回路（ＡＳＩＣ：ａｐｐｌｉｃａｔｉｏｎ−ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ）、実行可能命令を有するメモリと電子通信するプロセッサ、ファームウェア、フィールドプログラマブルゲートアレイ（ＦＰＧＡ：ｆｉｅｌｄ−ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）などとして、またはその組み合わせとして実装されうる。一部の構成では、エンコーダ１０８は、高効率ビデオ符号化（ＨＥＶＣ）コーダであってもよい。

電子デバイス１０２は、供給器１０４を含んでもよい。供給器１０４は、ピクチャまたは画像データ（例えばビデオ）を、情報源１０６としてエンコーダ１０８に供給することができる。供給器１０４の例としては、イメージセンサ、メモリ、通信インターフェース、ネットワークインターフェース、無線受信機、ポートなどが挙げられる。

情報源１０６は、フレーム内予測モジュールおよび再構築バッファ１１０に供給されてもよい。情報源１０６はさらに、動き推定・動き補償モジュール１３６に供給されて、減算モジュール１１６に供給されてもよい。

フレーム内予測モジュールおよび再構築バッファ１１０は、情報源１０６および再構築データ１５０に基づいて、イントラモード情報１２８およびイントラ信号１１２を発生させることができる。動き推定・動き補償モジュール１３６は、情報源１０６および参照ピクチャバッファ１６６信号１６８に基づいて、インターモード情報１３８およびインター信号１１４を発生させることができる。参照ピクチャバッファ１６６信号１６８は、参照ピクチャバッファ１６６に記憶された１つ以上の参照ピクチャからのデータを含むことができる。

エンコーダ１０８は、モードに従って、イントラ信号１１２とインター信号１１４とから選択を行うことができる。イントラ信号１１２は、イントラ符号化モードにおいて、ピクチャ内の空間的特徴を利用するために使用することができる。インター信号１１４は、インター符号化モードにおいて、ピクチャ間の時間的特徴を利用するために使用することができる。イントラ符号化モードの間は、イントラ信号１１２が減算モジュール１１６に供給されるとよく、イントラモード情報１２８がエントロピー符号化モジュール１３０に供給されるとよい。インター符号化モードの間は、インター信号１１４が減算モジュール１１６に供給されるとよく、インターモード情報１３８がエントロピー符号化モジュール１３０に供給されるとよい。

予測残差１１８を生成するために、（モードに応じて）イントラ信号１１２またはインター信号１１４のいずれかが、減算モジュール１１６にて情報源１０６から減算される。予測残差１１８は、変換モジュール１２０に供給される。変換モジュール１２０は、予測残差１１８を圧縮して変換信号１２２を生成することができ、変換信号１２２は、量子化モジュール１２４に供給される。量子化モジュール１２４は、変換信号１２２を量子化して、変換および量子化された係数（ＴＱＣ）１２６を生成する。

ＴＱＣ１２６は、エントロピー符号化モジュール１３０および逆量子化モジュール１４０に供給される。逆量子化モジュール１４０は、ＴＱＣ１２６に対して逆量子化を実行して逆量子化信号１４２を生成し、逆量子化信号１４２は、逆変換モジュール１４４に供給される。逆変換モジュール１４４は、逆量子化信号１４２を伸張して伸張信号１４６を生成し、伸張信号１４６は、再構築モジュール１４８に供給される。

再構築モジュール１４８は、伸張信号１４６に基づいて再構築データ１５０を生成することができる。例えば、再構築モジュール１４８は、（変更された）ピクチャを再構築することができる。再構築データ１５０は、デブロッキングフィルタ１５２と、イントラ予測モジュールおよび再構築バッファ１１０とに供給されてもよい。デブロッキングフィルタ１５２は、再構築データ１５０に基づいて、フィルタされた信号１５４を生成することができる。

フィルタされた信号１５４は、サンプル適応オフセット（ＳＡＯ：ｓａｍｐｌｅ ａｄａｐｔｉｖｅ ｏｆｆｓｅｔ）モジュール１５６に供給されてもよい。ＳＡＯモジュール１５６は、エントロピー符号化モジュール１３０に供給されるＳＡＯ情報１５８、および適応ループフィルタ（ＡＬＦ：ａｄａｐｔｉｖｅ ｌｏｏｐ ｆｉｌｔｅｒ）１６２に供給されるＳＡＯ信号１６０を生成することができる。ＡＬＦ１６２は、ＡＬＦ信号１６４を生成し、ＡＬＦ信号１６４は、参照ピクチャバッファ１６６に供給される。ＡＬＦ信号１６４は、参照ピクチャとして使用できる１つ以上のピクチャからのデータを含んでもよい。場合によっては、ＡＬＦ１６２は省かれてもよい。

エントロピー符号化モジュール１３０は、ＴＱＣ１２６を符号化してビットストリーム１３４を生成することができる。上記のように、ＴＱＣ１２６は、エントロピー符号化の前に１Ｄ配列に変換されてもよい。さらに、エントロピー符号化モジュール１３０は、ＣＡＶＬＣまたはＣＡＢＡＣを使用してＴＱＣ１２６を符号化することができる。具体的には、エントロピー符号化モジュール１３０は、イントラモード情報１２８、インターモード情報１３８、およびＳＡＯ情報１５８のうちの１つ以上に基づいてＴＱＣ１２６を符号化することができる。ビットストリーム１３４は、符号化されたピクチャデータを含むことができる。

ＨＥＶＣなどのビデオ圧縮に関わる量子化は、或る範囲の値を単一の量子値に圧縮することにより達成される、損失の多い圧縮方式である。量子化パラメータ（ＱＰ：ｑｕａｎｔｉｚａｔｉｏｎ ｐａｒａｍｅｔｅｒ）は、再構築されたビデオの品質および圧縮率の両方に基づいて量子化を実行するために使用される、事前定義されたスケーリング・パラメータである。ブロックタイプは、特定のブロックの特徴をブロックサイズおよびその色情報に基づいて表現するよう、ＨＥＶＣにおいて定義されている。エントロピー符号化の前に、ＱＰ、解像度情報、およびブロックタイプが判断されてもよい。例えば、電子デバイス１０２（例えばエンコーダ１０８）が、ＱＰ、解像度情報、およびブロックタイプを判断してもよく、これらがエントロピー符号化モジュール１３０に供給されてもよい。

エントロピー符号化モジュール１３０は、ＴＱＣ１２６のブロックに基づいてブロックサイズを求めてもよい。例えば、ブロックサイズは、ＴＱＣのブロックの１次元方向のＴＱＣ１２６の数であってもよい。すなわち、ＴＱＣのブロック内のＴＱＣ１２６の数は、ブロックサイズの２乗と等しくてもよい。さらに、ブロックは非正方形であってもよく、この場合、ＴＱＣ１２６の数は、ブロックの高さかける幅である。例として、ブロックサイズは、ＴＱＣのブロック内のＴＱＣ１２６の数の平方根として求められてもよい。解像度は、画素幅かける画素高さと定義されうる。解像度情報は、ピクチャの幅、ピクチャの高さ、または両方の画素数を含んでもよい。ブロックサイズは、ＴＱＣの２Ｄブロックの１次元方向のＴＱＣの数と定義されてもよい。

一部の構成では、ビットストリーム１３４は別の電子デバイスへ送信されてもよい。例えば、ビットストリーム１３４は、通信インターフェース、ネットワークインターフェース、無線送信機、ポートなどに供給されてもよい。例として、ビットストリーム１３４は、ローカルエリアネットワーク（ＬＡＮ：Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネット、携帯電話基地局などを介して別の電子デバイスへ送信されてもよい。さらに、または代わりに、ビットストリーム１３４は、電子デバイス１０２上のメモリに記憶されてもよい。

図２は、高効率ビデオ符号化（ＨＥＶＣ）デコーダとされてもよいデコーダ２７２を含む電子デバイス２７０の一構成を示すブロック図である。デコーダ２７２およびデコーダ２７２に含まれるものとして示されている構成要素のうちの１つ以上は、ハードウェア、ソフトウェア、または両方の組み合わせに実装されうる。デコーダ２７２は、復号されるビットストリーム２３４（例えばビットストリーム２３４に含まれる１つ以上の符号化ピクチャ）を受信するとよい。一部の構成では、受信されたビットストリーム２３４は、受信されたスライスヘッダ、受信されたピクチャパラメータセット（ＰＰＳ：ｐｉｃｔｕｒｅ ｐａｒａｍｅｔｅｒ ｓｅｔ）、受信されたバッファ記述情報、分類指示などの、受信されたオーバーヘッド情報を含んでもよい。

ビットストリーム２３４からの受信されたシンボル（例えば符号化されたＴＱＣ）は、エントロピー復号モジュール２７４によってエントロピー復号されうる。これにより、動き情報信号２９８ならびに復号済みの変換および量子化された係数（ＴＱＣ）２７８を生成することができる。

動き情報信号２９８は、動き補償モジュール２９４にてフレームメモリ２９０からの復号ピクチャ２９２の一部と組み合わされてもよく、これによりフレーム間予測信号２９６を生成することができる。復号済みの変換および量子化された係数（ＴＱＣ）２７８は、逆量子化・逆変換モジュール２８０によって逆量子化および逆変換されてもよく、それによって復号残差信号２８２が生成される。復号残差信号２８２は、加算モジュール２０７によって予測信号２０５に加算されて、結合信号２８４が生成されうる。予測信号２０５は、動き補償モジュール２９４によって生成されたフレーム間予測信号２９６、またはフレーム内予測モジュール２０１によって生成されたフレーム内予測信号２０３のいずれかから選択された信号とされうる。一部の構成では、この信号選択は、ビットストリーム２３４に基づいて（例えばそれにより制御されて）もよい。

フレーム内予測信号２０３は、（例えば現フレームにおいて）以前に復号された結合信号２８４からの情報から予測されうる。結合信号２８４はさらに、デブロッキングフィルタ２８６によってフィルタされてもよい。結果として生じるフィルタされた信号２８８は、サンプル適応オフセット（ＳＡＯ）モジュール２３１に供給されてもよい。ＳＡＯモジュール２３１は、フィルタされた信号２８８と、エントロピー復号モジュール２７４からの情報２３９とに基づいてＳＡＯ信号２３５を生成することができ、ＳＡＯ信号２３５は、適応ループフィルタ（ＡＬＦ）２３３に供給される。ＡＬＦ２３３は、ＡＬＦ信号２３７を生成し、ＡＬＦ信号２３７は、フレームメモリ２９０に供給される。ＡＬＦ信号２３７は、参照ピクチャとして使用できる１つ以上のピクチャからのデータを含んでもよい。ＡＬＦ信号２３７は、フレームメモリ２９０に書き込まれてもよい。結果として生じるＡＬＦ信号２３７は、復号ピクチャを含んでもよい。場合によっては、ＡＬＦ２３３は省かれてもよい。

フレームメモリ２９０は、復号ピクチャバッファ（ＤＰＢ：ｄｅｃｏｄｅｄ ｐｉｃｔｕｒｅ ｂｕｆｆｅｒ）を含んでもよい。フレームメモリ２９０はさらに、復号ピクチャに対応するオーバーヘッド情報を含んでもよい。例えば、フレームメモリ２９０は、スライスヘッダ、ピクチャパラメータセット（ＰＰＳ）情報、サイクルパラメータ、バッファ記述情報などを含んでもよい。これらの情報のうちの１つ以上は、コーダ（例えばエンコーダ１０８）からシグナリングされてもよい。

フレームメモリ２９０は、１つ以上の復号ピクチャ２９２を動き補償モジュール２９４に供給してもよい。さらに、フレームメモリ２９０は、デコーダ２７２から出力することができる１つ以上の復号ピクチャ２９２を供給してもよい。この１つ以上の復号ピクチャ２９２は、例えば、ディスプレイ上で提示されても、メモリに記憶されても、または別のデバイスへ送信されてもよい。

図３は、エコーダ３０８およびデコーダ３７２の一例を示すブロック図である。この例では、電子デバイスＡ３０２および電子デバイスＢ３７０が示されている。なお、一部の構成では、電子デバイスＡ３０２および電子デバイスＢ３７０に関して記載される特徴および機能性が、単一の電子デバイスに組み合わされてもよいことに留意されたい。

電子デバイスＡ３０２は、エンコーダ３０８を含む。エンコーダ３０８は、ハードウェア、ソフトウェア、または両方の組み合わせに実装されうる。一構成では、エンコーダ３０８は、高効率ビデオ符号化（ＨＥＶＣ）コーダであってもよい。他のコーダも同様に使用されうる。電子デバイスＡ３０２は、情報源３０６を取得することができる。一部の構成では、情報源３０６は、イメージセンサを使用して電子デバイスＡ３０２上で捕捉されても、メモリから読み出されても、または別の電子デバイスから受信されてもよい。

エンコーダ３０８は、情報源３０６を符号化してビットストリーム３３４を生成することができる。例えば、エンコーダ３０８は、情報源３０６中の一連のピクチャ（例えばビデオ）を符号化してもよい。エンコーダ３０８は、図１に関して上述したエンコーダ１０８と類似していてもよい。

ビットストリーム３３４は、情報源３０６に基づく符号化されたピクチャデータを含んでもよい。一部の構成では、ビットストリーム３３４はさらに、スライスヘッダ情報、ＰＰＳ情報などのオーバーヘッドデータを含んでもよい。情報源３０６中のさらなるピクチャが符号化されるのに伴い、ビットストリーム３３４は、１つ以上の符号化ピクチャを含むことができる。

ビットストリーム３３４は、デコーダ３７２に供給されてもよい。一例では、ビットストリーム３３４は、有線リンクまたは無線リンクを使用して電子デバイスＢ３７０へ送信されうる。場合によっては、この送信は、インターネットまたはローカルエリアネットワーク（ＬＡＮ）などのネットワーク上で行われてもよい。図３に示されているように、デコーダ３７２は、電子デバイスＡ３０２上のエンコーダ３０８とは別個に、電子デバイスＢ３７０上に実装されてもよい。なお、一部の構成ではエンコーダ３０８およびデコーダ３７２が同じ電子デバイス上に実装されうるということに留意されたい。例として、エンコーダ３０８およびデコーダ３７２が同じ電子デバイス上に実装される実装においては、ビットストリーム３３４は、バスを介してデコーダ３７２に供給されても、またはデコーダ３７２による読み出しのためにメモリに記憶されてもよい。

デコーダ３７２は、ハードウェア、ソフトウェア、または両方の組み合わせに実装されうる。一構成では、デコーダ３７２は、高効率ビデオ符号化（ＨＥＶＣ）デコーダであってもよい。他のデコーダも同様に使用されうる。デコーダ３７２は、図２に関して上述したデコーダ２７２と類似していてもよい。

図４は、電子デバイス４０９において利用されうる様々なコンポーネントを示す。電子デバイス４０９は、各電子デバイスのうちの１つ以上として実装されうる。例えば、電子デバイス４０９は、図１に関して上述した電子デバイス１０２として、または図２に関して上述した電子デバイス２７０として、または両方として実装されうる。

電子デバイス４０９は、電子デバイス４０９の動作を制御するプロセッサ４１７を含む。プロセッサ４１７は、ＣＰＵと呼ばれることもある。メモリ４１１は、読み取り専用メモリ（ＲＯＭ：ｒｅａｄ−ｏｎｌｙ ｍｅｍｏｒｙ）、ランダムアクセスメモリ（ＲＡＭ：ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）の両方、または情報を記憶できる任意のタイプのデバイスを含むことができ、命令４１３ａ（例えば実行可能命令）およびデータ４１５ａをプロセッサ４１７に供給する。メモリ４１１の一部はさらに、不揮発性ランダムアクセスメモリ（ＮＶＲＡＭ：ｎｏｎ−ｖｏｌａｔｉｌｅ ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）を含んでもよい。メモリ４１１は、プロセッサ４１７と電子通信することができる。

プロセッサ４１７にも命令４１３ｂおよびデータ４１５ｂが存在してもよい。プロセッサ４１７にロードされた命令４１３ｂおよび／またはデータ４１５ｂはさらに、プロセッサ４１７による実行または処理のためにロードされた、メモリ４１１からの命令４１３ａおよび／またはデータ４１５ａを含んでもよい。命令４１３ｂは、本願明細書に開示される１つ以上の技術を実装するためにプロセッサ４１７によって実行されてもよい。

電子デバイス４０９は、他の電子デバイスと通信するために、１つ以上の通信インターフェース４１９を含んでもよい。通信インターフェース４１９は、有線通信技術、無線通信技術、または両方に基づきうる。通信インターフェース４１９の例としては、シリアルポート、パラレルポート、ユニバーサルシリアルバス（ＵＳＢ：Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）、イーサネットアダプタ、ＩＥＥＥ１３９４バスインターフェース、小型コンピュータシステムインターフェース（ＳＣＳＩ：ｓｍａｌｌ ｃｏｍｐｕｔｅｒ ｓｙｓｔｅｍ ｉｎｔｅｒｆａｃｅ）バスインターフェース、赤外線（ＩＲ：ｉｎｆｒａｒｅｄ）通信ポート、Ｂｌｕｅｔｏｏｔｈ無線通信アダプタ、第３世代パートナーシッププロジェクト（３ＧＰＰ：３ｒｄ Ｇｅｎｅｒａｔｉｏｎ Ｐａｒｔｎｅｒｓｈｉｐ Ｐｒｏｊｅｃｔ）規格に従った無線送受信機などが挙げられる。

電子デバイス４０９は、１つ以上の出力デバイス４２３および１つ以上の入力デバイス４２１を含んでもよい。出力デバイス４２３の例としては、スピーカ、プリンタなどが挙げられる。電子デバイス４０９に含まれうる出力デバイスの１つのタイプは、ディスプレイデバイス４２５である。本願明細書に開示される構成とともに使用されるディスプレイデバイス４２５は、陰極線管（ＣＲＴ：ｃａｔｈｏｄｅ ｒａｙ ｔｕｂｅ）、液晶ディスプレイ（ＬＣＤ：ｌｉｑｕｉｄ ｃｒｙｓｔａｌ ｄｉｓｐｌａｙ）、発光ダイオード（ＬＥＤ：ｌｉｇｈｔ−ｅｍｉｔｔｉｎｇ ｄｉｏｄｅ）、ガスプラズマ、エレクトロルミネセンス、または同様のものなど、任意の適切な画像投影技術を利用しうる。メモリ４１１に記憶されたデータを、ディスプレイ４２５上に示されるテキスト、グラフィックス、および／または動画に（適宜）変換するために、ディスプレイコントローラ４２７が提供されてもよい。入力デバイス４２１の例としては、キーボード、マウス、マイクロホン、リモートコントロールデバイス、ボタン、ジョイスティック、トラックボール、タッチパッド、タッチスクリーン、ライトペンなどが挙げられる。

電子デバイス４０９の様々なコンポーネントは、バスシステム４２９によって結合される。バスシステム４２９は、データバスに加えて、電力バス、制御信号バス、およびステータス信号バスを含みうる。なお、明瞭にするために、この種々のバスが、図４ではバスシステム４２９として示されている。図４に示されている電子デバイス４０９は、特定のコンポーネントのリストではなく、機能ブロック図である。

「コンピュータ可読媒体」という用語は、コンピュータまたはプロセッサによりアクセスされうる利用可能な任意の媒体を指す。本願明細書で使用される「コンピュータ可読媒体」という用語は、非一時的かつ有形のコンピュータ可読媒体および／またはプロセッサ可読媒体を意味しうる。限定ではなく例として、コンピュータ可読媒体またはプロセッサ可読媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＣＤ−ＲＯＭ、もしくはその他の光ディスクストレージ、磁気ディスクストレージ、もしくは他の磁気ストレージデバイス、またはそのほか、コンピュータまたはプロセッサによってアクセスできる命令もしくはデータ構造の形態の所望のプログラムコードを搬送または記憶するために使用できる任意の媒体を含みうる。本願明細書で使用されるディスク（ｄｉｓｋ）およびディスク（ｄｉｓｃ）には、コンパクトディスク（ＣＤ：ｃｏｍｐａｃｔ ｄｉｓｃ）、レーザディスク（ｌａｓｅｒ ｄｉｓｃ）、光ディスク（ｏｐｔｉｃａｌ ｄｉｓｃ）、デジタルバーサタイルディスク（ＤＶＤ：ｄｉｇｉｔａｌ ｖｅｒｓａｔｉｌｅ ｄｉｓｃ）、フロッピーディスク（ｆｌｏｐｐｙ ｄｉｓｋ）およびＢｌｕ−ｒａｙ（登録商標）ディスク（ｄｉｓｃ）が含まれ、ディスク（ｄｉｓｋ）は、通常、磁気的にデータを再生し、ディスク（ｄｉｓｃ）は、レーザを用いて光学的にデータを再生する。デコーダおよび／またはエンコーダのためのコードは、コンピュータ可読媒体上に記憶されてもよい。

複数の符号化ツリーブロック（例えば本願明細書で概してブロックと呼ばれる）を含む入力ピクチャが、１つまたはいくつかのスライスへと分割されてもよい。エンコーダおよびデコーダにて使用される参照ピクチャが同一であり、デブロッキングフィルタリングがスライス境界を越える情報を使用しないという条件の下で、スライスが表現するピクチャの区域中のサンプルの値を、他のスライスからのデータを使用せずに適切に復号することができる。したがって、或るスライスに対するエントロピー復号およびブロック再構築は、他のスライスに依存しない。具体的には、エントロピー符号化の状態は、各スライスの開始時にリセットされうる。他のスライス中のデータは、エントロピー復号および再構築両方のための近傍利用可能性を定義する際に、利用不可能としてマークされうる。各スライスは、並列にエントロピー復号され、再構築されうる。好適には、イントラ予測および動きベクトル予測は、スライスの境界を越えることができない。これに対し、デブロッキングフィルタリングは、スライス境界を越える情報を使用することもできる。

図５は、水平方向に１１のブロックおよび垂直方向に９つのブロックを含む例示のビデオピクチャ５００を示す（９つの例示のブロックが５０１〜５０９と標示されている）。図５は、３つの例示のスライス、すなわち、「スライス＃０」と示された第１スライス５２０、「スライス＃１」と示された第２スライス５３０、および「スライス＃２」と示された第３スライス５４０を示す。デコーダは、３つのスライス５２０、５３０、５４０を並列に復号し、再構築することができる。各スライスは、逐次方式で走査線の順に送信されうる。各スライスに対する復号／再構築処理の開始時に、コンテキストモデルが初期化またはリセットされ、他のスライス中のブロックは、エントロピー復号およびブロック再構築の両方に対し利用不可能としてマークされる。コンテキストモデルは、一般に、エントロピーエンコーダおよび／またはエントロピーデコーダの状態を表現する。したがって、例えば５０３と標示されたブロックなどの「スライス＃１」中のブロックに対して、「スライス＃０」中のブロック（例えば５０１および５０２と標示されたブロック）をコンテキストモデル選択または再構築のために使用することはできない。一方、例えば５０５と標示されたブロックなどの「スライス＃１」中のブロックに対して、「スライス＃１」中の他のブロック（例えば５０３および５０４と標示されたブロック）をコンテキストモデル選択または再構築のために使用することはできる。したがって、エントロピー復号およびブロック再構築は、スライス内で順次進行する。スライスがフレキシブルブロック順序付け（ＦＭＯ：ｆｌｅｘｉｂｌｅ ｂｌｏｃｋ ｏｒｄｅｒｉｎｇ）を用いて定義されている場合を除いて、スライス内のブロックは、ラスタ走査の順に処理される。

図６は、「スライスグループ＃０」と示された第１スライスグループ５５０、「スライスグループ＃１」と示された第２スライスグループ５６０、および「スライスグループ＃２」と示された第３スライスグループ５７０の３つのスライスグループへの、例示のブロック割り当てを示す。これらのスライスグループ５５０、５６０、５７０は、それぞれピクチャ５８０中の２つの前景領域および１つの背景領域に関連しうる。

図５に示されたスライスの配列は、ラスタ走査またはラスタ走査順としても知られる画像走査順に、一対のブロック間に各スライスを定義することに限定されうる。この走査順のスライスの配列は、計算効率は良いが、高効率並列符号化および復号には適さない傾向がある。さらに、スライスをこのように走査順に定義すると、符号化の効率化に非常に適した共通特徴を有する可能性が高い、画像の中のより小さな局所領域がグループ化されない傾向もある。図６に示されたスライスの配列は、その配列においては極めて柔軟であるが、高効率並列符号化または復号には適さない傾向がある。さらに、この極めて柔軟なスライスの定義は、デコーダでの実装が計算的に複雑である。

図７を参照する。或るタイル方式によって、画像が矩形（正方形を含む）領域のセットに分割されている。各タイル内のブロック（あるいは、一部のシステムでは最大符号化単位または符号化ツリーブロックと呼ばれる）は、ラスタ走査順に符号化および復号される。タイルの配列も、同様にラスタ走査順に符号化および復号される。よって、任意の適切な数の列の境界が存在してよく（例えば０以上）、任意の適切な数の行の境界が存在してよい（例えば０以上）。よって、フレームは、図７に示された１つのスライスなど、１つ以上のスライスを定義することができる。いくつかの実施形態では、異なるタイルに位置するブロックは、隣接するブロックの情報に依存するイントラ予測、動き補償、エントロピー符号化コンテキスト選択、またはその他の処理に利用できない。

図８を参照する。このタイル方式によって、画像が３つの矩形列のセットへと分割されているのが示されている。各タイル内のブロック（あるいは、一部のシステムでは最大符号化単位または符号化ツリーブロックと呼ばれる）は、ラスタ走査順に符号化および復号される。タイルも、同様にラスタ走査順に符号化および復号される。１つ以上のスライスを、タイルの走査順に定義することができる。各スライスは、独立して復号可能である。例えば、スライス１は、ブロック１〜９を含むように定義されてもよく、スライス２は、ブロック１０〜２８を含むように定義されてもよく、スライス３は、３つのタイルにまたがるブロック２９〜１２６を含むように定義されてもよい。タイルを使用すると、より局所的なフレームの領域のデータを処理することにより符号化の効率化が促進される。

当然のことながら、場合によっては、ビデオ符号化は、任意選択でタイルを含まなくてもよいし、さらに任意選択でビデオのフレームに対する波面符号化／復号パターンの使用を含んでもよい。このようにして、ビデオの１つ以上のライン（１行以上のマクロブロック（あるいは符号化ツリーブロック）の複数のグループなどであって、該グループそれぞれが波面サブストリームを表す、が並列方式で符号化／復号されてもよい。概して、ビデオの分割は、任意の適切な方式で構成されればよい。

ビデオ符号化標準は、多くの場合、限定された周波数帯域幅および／または限定された記憶容量を有するチャネル上で送信するためにビデオデータを圧縮する。これらビデオ符号化標準は、フレームをより効果的に符号化および復号するために、イントラ予測、空間領域から周波数領域への変換、量子化、エントロピー符号化、動き推定、および動き補償などの複数の符号化段階を含むことができる。符号化および復号段階の多くは、計算が過度に複雑である。

様々なスケーラブルビデオ符号化方式が開発されてきた。スケーラブルビデオ符号化では、プライマリビットストリーム（一般的に基本レイヤビットストリームと呼ばれる）がデコーダによって受信される。さらに、デコーダは、１つ以上のセカンダリビットストリーム（単数または複数）（一般的に拡張レイヤ（単数または複数）と呼ばれる）を受信しうる。各拡張レイヤの機能は、基本レイヤビットストリームの品質改善、基本レイヤビットストリームのフレームレート向上、および／または基本レイヤビットストリームの画素解像度改善とすることもできる。品質スケーラビリティは、信号対雑音比（ＳＮＲ：Ｓｉｇｎａｌ−ｔｏ−Ｎｏｉｓｅ Ｒａｔｉｏ）スケーラビリティとも呼ばれる。フレームレートスケーラビリティは、時間スケーラビリティとも呼ばれる。解像度スケーラビリティは、空間スケーラビリティとも呼ばれる。

拡張レイヤ（単数または複数）は、基本レイヤビットストリームの他の特徴を変更しうる。例えば、拡張レイヤは、基本レイヤと異なるアスペクト比および／または視野角に関連しうる。拡張レイヤの別の側面は、基本レイヤおよび拡張レイヤが、別々のビデオ符号化標準に対応してもよいということである。例えば、基本レイヤは、ＭＰＥＧ−２（動画専門家集団２：Ｍｏｔｉｏｎ Ｐｉｃｔｕｒｅｓ Ｅｘｐｅｒｔｓ Ｇｒｏｕｐ２）であってもよく、拡張レイヤは、ＨＥＶＣ−Ｅｘｔ（高効率ビデオ符号化拡張）であってもよい。

拡張レイヤ（単数または複数）は、（基本レイヤに加えて）相互に依存関係にあってもよい。一例では、拡張レイヤ２は、拡張レイヤ１の少なくとも一部の構文解析および／または再構築が成功している場合（かつ基本レイヤの少なくとも一部の構文解析および／または再構築が成功している場合）に限り使用可能である。

符号化されたビデオのビットストリームは、一般にネットワーク抽象化レイヤ（ＮＡＬ：Ｎｅｔｗｏｒｋ Ａｂｓｔｒａｃｔｉｏｎ Ｌａｙｅｒ）ユニットと呼ばれる論理データパケットに入れられるシンタックス構造を含みうる。各ＮＡＬユニットは、関連するデータペイロードの目的を特定する、２バイトＮＡＬユニットヘッダ（例えば１６ビット）などのＮＡＬユニットヘッダを含む。例えば、各符号化スライス（および／またはピクチャ）は、１つ以上のスライス（および／またはピクチャ）ＮＡＬユニットに符号化されうる。他のＮＡＬユニットが、他のカテゴリのデータ、例えば、付加拡張情報、時間サブレイヤアクセス（ＴＳＡ：ｔｅｍｐｏｒａｌ ｓｕｂ−ｌａｙｅｒ ａｃｃｅｓｓ）ピクチャの符号化スライス、段階的時間サブレイヤアクセス（ＳＴＳＡ：ｓｔｅｐ−ｗｉｓｅ ｔｅｍｐｏｒａｌ ｓｕｂ−ｌａｙｅｒ ａｃｃｅｓｓ）ピクチャの符号化スライス、非ＴＳＡ、非ＳＴＳＡ後続（ｔｒａｉｌｉｎｇ）ピクチャの符号化スライス、ブロークンリンクアクセスピクチャの符号化スライス、瞬時復号更新ピクチャの符号化スライス、クリーンランダムアクセスピクチャの符号化スライス、復号可能なリーディングピクチャの符号化スライス、破棄標識付き（ｔａｇｇｅｄ ｆｏｒ ｄｉｓｃａｒｄ）ピクチャの符号化スライス、ビデオパラメータセット、シーケンスパラメータセット、ピクチャパラメータセット、アクセスユニットデリミタ、エンドオブシーケンス、エンドオブビットストリーム、フィラーデータ、および／またはシーケンス拡張情報メッセージなどのために含まれてもよい。必要に応じて、他のＮＡＬユニットタイプが含まれてもよい。

ランダムアクセスポイントピクチャ（ＲＡＰ：ｒａｎｄｏｍ ａｃｃｅｓｓ ｐｏｉｎｔ）ピクチャは、Ｉスライスのみを含み、ブロークンリンクアクセス（ＢＬＡ：ｂｒｏｋｅｎ ｌｉｎｋ ａｃｃｅｓｓ）ピクチャ、クリーンランダムアクセス（ＣＲＡ：ｃｌｅａｎ ｒａｎｄｏｍ ａｃｃｅｓｓ）ピクチャ、または瞬時復号更新（ＩＤＲ：ｉｎｓｔａｎｔａｎｅｏｕｓ ｄｅｃｏｄｉｎｇ ｒｅｆｒｅｓｈ）ピクチャとすることができる。ビットストリーム中の第１ピクチャは、ＲＡＰピクチャである。

ブロークンリンクアクセスピクチャ（ＢＬＡ）ピクチャは、ＲＡＰピクチャの一種である。ＢＬＡピクチャは、Ｉスライスのみを含み、復号順でビットストリーム中の第１ピクチャとすることも、またはビットストリーム中の後の方で出現することもできる。各ＢＬＡピクチャは、新たな符号化ビデオシーケンスを開始し、ＩＤＲピクチャと同じ効果を復号処理に対して有する。なお、ＢＬＡピクチャは、代わりにこれがＣＲＡピクチャであったとしたら空でない参照ピクチャセットを指定することになるシンタックス要素を含む。ビットストリーム中、ＢＬＡピクチャが検出されると、これらのシンタックス要素は無視され、代わりに参照ピクチャセットは、空のセットとして初期化される。

クリーンランダムアクセス（ＣＲＡ）ピクチャは、ＲＡＰピクチャの一種である。ＣＲＡピクチャは、Ｉスライスのみを含み、復号順でビットストリーム中の第１ピクチャとすることも、またはビットストリーム中の後の方で出現することもできる。ＣＲＡピクチャは、関連する復号可能なリーディングピクチャ（ＤＬＰ：ｄｅｃｏｄａｂｌｅ ｌｅａｄｉｎｇ ｐｉｃｔｕｒｅ）および破棄標識付き（ＴＦＤ：Ｔａｇｇｅｄ ｆｏｒ ｄｉｓｃａｒｄ）ピクチャを有することもある。

瞬時復号更新（ＩＤＲ）ピクチャは、ＲＡＰピクチャの一種である。ＩＤＲピクチャは、Ｉスライスのみを含み、復号順でビットストリーム中の第１ピクチャとすることも、またはビットストリーム中の後の方で出現することもできる。各ＩＤＲピクチャは、復号順で符号化ビデオシーケンスの第１ピクチャである。

復号可能なリーディングピクチャ（ＤＬＰ）は、リーディングピクチャである。ＤＬＰピクチャは、関連する同一ＲＡＰピクチャの後続ピクチャの復号処理のための参照ピクチャとしては使用されない。

破棄標識付き（ＴＦＤ）ピクチャは、関連するＢＬＡまたはＣＲＡピクチャのリーディングピクチャである。関連するＲＡＰピクチャがＢＬＡピクチャであるか、またはビットストリーム中の第１符号化ピクチャである場合、そのＴＦＤピクチャはビットストリーム中に存在しない参照ピクチャに対する参照を含むかもしれないため、このＴＦＤピクチャは出力されず、正しく復号可能でないこともある。

リーディングピクチャは、出力順で、関連するＲＡＰピクチャに先行するピクチャである。

後続ピクチャは、出力順で、関連するＲＡＰピクチャに後続するピクチャである。

ＮＡＬユニットは、ピクチャのコンテンツを表現するビデオ符号化レイヤ（ＶＣＬ：ｖｉｄｅｏ ｃｏｄｉｎｇ ｌａｙｅｒ）データを様々なトランスポートレイヤにマッピングする能力を提供する。ＮＡＬユニットは、符号化ピクチャを含むか、または他の関連データを含むかに応じて、それぞれＶＣＬ ＮＡＬユニットおよび非ＶＣＬ ＮＡＬユニットに分類されうる。Ｂ．ブロズ（Ｂｒｏｓ）、Ｗ−Ｊ．ハン（Ｈａｎ）、Ｊ−Ｒ．オーム（Ｏｈｍ）、Ｇ．Ｊ．サリバン（Ｓｕｌｌｉｖａｎ）、およびＴ−．ウィーガント（Ｗｉｅｇａｎｄ）著、「高効率ビデオ符号化（ＨＥＶＣ）テキスト規格第８案（Ｈｉｇｈ ｅｆｆｉｃｉｅｎｃｙ ｖｉｄｅｏ ｃｏｄｉｎｇ（ＨＥＶＣ）ｔｅｘｔ ｓｐｅｃｉｆｉｃａｔｉｏｎ ｄｒａｆｔ ８）」、ＪＣＴＶＣ−Ｊ１０００３、ストックホルム（Ｓｔｏｃｋｈｏｌｍ）、２０１２年７月、イエ−クイ・ワン（Ｙｅ−Ｋｕｉ Ｗａｎｇ）著、「拡張のための上位シンタックス計画に関する分科会（ＢｏＧ ｏｎ ｈｉｇｈ−ｌｅｖｅｌ ｓｙｎｔａｘ ｆｏｒ ｅｘｔｅｎｓｉｏｎ ｐｌａｎｎｉｎｇ）」、ＪＣＴＶＣ−Ｊ００５７４、２０１２年７月、およびイエ−クイ・ワン（Ｙｅ−Ｋｕｉ Ｗａｎｇ）著、「拡張のための上位シンタックス計画に関する分科会（ＢｏＧ ｏｎ ｈｉｇｈ−ｌｅｖｅｌ ｓｙｎｔａｘ ｆｏｒ ｅｘｔｅｎｓｉｏｎ ｐｌａｎｎｉｎｇ）」、ＪＣＴＶＣ−Ｊ００５７４ｒ１、２０１２年７月は、その内容全体を参照により本願明細書に引用したものとする。

図９Ａを参照する。ＮＡＬユニットヘッダシンタックスは、２バイトのデータ、すなわち１６ビットを含むことができる。第１ビットは、「ｆｏｒｂｉｄｄｅｎ＿ｚｅｒｏ＿ｂｉｔ」であり、このビットは常にＮＡＬユニットの先頭でゼロにセットされる。次の６ビットは、「ｎａｌ＿ｕｎｉｔ＿ｔｙｐｅ」であり、このビットは、ＮＡＬユニットに含まれるローバイトシーケンスペイロード（「ＲＢＳＰ：ｒａｗ ｂｙｔｅ ｓｅｑｕｅｎｃｅ ｐａｙｌｏａｄ」）データ構造のタイプを指定する。次の６ビットは、「ｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓ」である。ｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓは、標準の基本規格では０と等しくすることができる。必要に応じて、他の値のｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓが指定されうる。デコーダは、標準の基本規格に基づいてストリームを処理する場合、０と等しくないｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓの値を有するすべてのＮＡＬユニットを無視（すなわちビットストリームから除去して破棄）してよい。スケーラブルその他の拡張では、スケーラブルビデオ符号化および／またはシンタックス拡張をシグナリングするために、ｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓが他の値を指定してもよい。場合によっては、シンタックス要素ｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓが、ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓと呼ばれることもある。場合によっては、シンタックス要素ｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓが、図９Ｂおよび図９Ｃに示されているように、ｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１またはｌａｙｅｒ＿ｉｄと呼ばれることもある。この場合、要素ｌａｙｅｒ＿ｉｄは、ｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１マイナス１となる。この場合、この要素は、スケーラブル符号化ビデオのレイヤに関する情報をシグナリングするために使用されてもよい。次のシンタックス要素は、「ｎｕｈ＿ｔｅｍｐｏｒａｌ＿ｉｄ＿ｐｌｕｓ１」である。ｎｕｈ＿ｔｅｍｐｏｒａｌ＿ｉｄ＿ｐｌｕｓ１マイナス１は、ＮＡＬユニットの時間識別子を指定できる。可変の時間識別子ＴｅｍｐｏｒａｌＩｄは、ＴｅｍｐｏｒａｌＩｄ＝ｎｕｈ＿ｔｅｍｐｏｒａｌ＿ｉｄ＿ｐｌｕｓ１−１として指定されてもよい。

図１０を参照する。一般的なＮＡＬユニットシンタックス構造が示されている。図９のＮＡＬユニットヘッダ２バイトシンタックスは、図１０のｎａｌ＿ｕｎｉｔ＿ｈｅａｄｅｒ（）に対する参照に含まれている。ＮＡＬユニットシンタックスの残りの部分は、主としてＲＢＳＰに関係する。

「ｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓ」を使用する１つの既存方式は、別々のビットフィールドへと、すなわち、スケーラブル符号化ビデオの異なるレイヤの識別情報をそれぞれ参照する、依存ＩＤ、品質ＩＤ、ビューＩＤ、および深度フラグのうちの１つ以上へと、ｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓの６ビットを分割することにより、スケーラブルビデオ符号化情報をシグナリングすることである。したがって、この６ビットは、この特定のＮＡＬユニットが、スケーラブル符号化方式のどのレイヤに属するかを示す。続いて、図１１に示されているビデオパラメータセット（「ＶＰＳ：ｖｉｄｅｏ ｐａｒａｍｅｔｅｒ ｓｅｔ」）拡張シンタックス（「ｓｃａｌａｂｉｌｉｔｙ＿ｔｙｐｅ」）などのデータペイロードにおいて、レイヤについての情報が定義される。図１１のＶＰＳ拡張シンタックスは、符号化ビデオシーケンスにおいて使用されているスケーラビリティタイプおよびＮＡＬユニットヘッダにおいてｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１（またはｌａｙｅｒ＿ｉｄ）を用いてシグナリングされる次元を指定する、スケーラビリティタイプ（シンタックス要素ｓｃａｌａｂｉｌｉｔｙ＿ｔｙｐｅ）のための４ビットを含む。スケーラビリティタイプが０と等しい場合、符号化ビデオシーケンスは、基本規格に準拠し、よって、すべてのＮＡＬユニットのｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１は、０と等しく、拡張レイヤまたはビューに属するＮＡＬユニットは存在しない。スケーラビリティタイプのより大きな値は、図１２に示されるように解釈される。

ｌａｙｅｒ＿ｉｄ＿ｄｉｍ＿ｌｅｎ［ｉ］は、第ｉスケーラビリティ次元ＩＤのビット長を指定する。０〜７の範囲のすべてのｉ値に関する値ｌａｙｅｒ＿ｉｄ＿ｄｉｍ＿ｌｅｎ［ｉ］の合計は、６以下である。ｖｐｓ＿ｅｘｔｅｎｓｉｏｎ＿ｂｙｔｅ＿ａｌｉｇｎｍｅｎｔ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿ｂｉｔは、ゼロである。ｖｐｓ＿ｌａｙｅｒ＿ｉｄ［ｉ］は、後続のレイヤ依存情報が適用される第ｉレイヤのｌａｙｅｒ＿ｉｄの値を指定する。ｎｕｍ＿ｄｉｒｅｃｔ＿ｒｅｆ＿ｌａｙｅｒｓ［ｉ］は、第ｉレイヤが直接依存するレイヤの数を指定する。ｒｅｆ＿ｌａｙｅｒ＿ｉｄ［ｉ］［ｊ］は、第ｉレイヤが直接依存する第ｊレイヤを識別する。

このようにして、既存方式は、スケーラビリティ識別子をＮＡＬユニットおよびビデオパラメータセットにおいてシグナリングして、ビットを図１２に列挙されたスケーラビリティタイプに割り当てる。さらに、図１２は、各スケーラビリティタイプについていくつの次元がサポートされるかを定義する。例えば、スケーラビリティタイプ１は、２つの次元（すなわち空間および品質）を有する。この次元それぞれに関して、ｌａｙｅｒ＿ｉｄ＿ｄｉｍ＿ｌｅｎ［ｉ］は、これら２つの次元それぞれに割り当てられたビットの数を定義し、ｌａｙｅｒ＿ｉｄ＿ｄｉｍ＿ｌｅｎ［ｉ］のすべての値の総計は、６以下であり、６とは、ＮＡＬユニットヘッダのｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓ内のビットの数である。したがって、組み合わせると、この方式により、どのタイプのスケーラビリティが使用されているか、およびＮＡＬユニットの６ビットがどのようにスケーラビリティに割り当てられるかが特定される。

そのような、図１２に示されている種々のスケーラビリティ次元の固定された組み合わせは、多くの用途に適するが、望ましい組み合わせで含まれていないものがある。図１３を参照する。変更されたビデオパラメータセット拡張シンタックスは、ｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓ要素内の各ビットについてスケーラビリティタイプを指定する。ｖｐｓ＿ｅｘｔｅｎｓｉｏｎ＿ｂｙｔｅ＿ａｌｉｇｎｍｅｎｔ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿ｂｉｔは、０にセットされる。ｍａｘ＿ｎｕｍ＿ｌａｙｅｒｓ＿ｍｉｎｕｓ１＿ｂｉｔｓは、図９のＮＡＬユニットヘッダの最初の２バイト内のｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１またはｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓと呼ばれるシンタックス要素に使用されるビットの総数を示す。ｓｃａｌａｂｉｌｉｔｙ＿ｍａｐ［ｉ］は、ｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１シンタックス要素内の各ビットのスケーラビリティタイプを指定する。場合によっては、ｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１シンタックス要素は、代わりにｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓまたはｒｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓシンタックス要素と呼ばれることもある。シンタックス要素ｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１のビット全部に対するスケーラビリティマップは、その符号化ビデオシーケンスにおいて使用されるスケーラビリティを指定する。各スケーラビリティタイプの識別子の実際の値は、ＮＡＬユニットヘッダ内のｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１（ｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓ）フィールド内の対応する当該ビットを用いてシグナリングされる。ｓｃａｌａｂｉｌｉｔｙ＿ｍａｐ［ｉ］がすべてのｉの値について０と等しい場合、符号化ビデオシーケンスは、基本規格に準拠し、よって、ＮＡＬユニットのｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１値は、０と等しく、拡張レイヤまたはビューに属するＮＡＬユニットは存在しない。ｖｐｓ＿ｌａｙｅｒ＿ｉｄ［ｉ］は、後続のレイヤ依存情報が適用される第ｉレイヤのｌａｙｅｒ＿ｉｄの値を指定する。ｎｕｍ＿ｄｉｒｅｃｔ＿ｒｅｆ＿ｌａｙｅｒｓ［ｉ］は、第ｉレイヤが直接依存するレイヤの数を指定する。ｒｅｆ＿ｌａｙｅｒ＿ｉｄ［ｉ］［ｊ］は、第ｉレイヤが直接依存する第ｊレイヤを識別する。

ｓｃａｌａｂｉｌｉｔｙ＿ｍａｐ［ｉ］のより大きな値は、図１４に示されているように解釈される。ｓｃａｌａｂｉｌｉｔｙ ｍａｐ ［ｉ］は、（０）なし、（１）空間、（２）品質、（３）深度、（４）マルチビュー、（５）未指定、（６）予約、および（７）予約のスケーラビリティ次元を含む。

したがって、ＮＡＬユニットヘッダ内の各ビットは、スケーラビリティ次元が何であるか、ビデオパラメータセット内の３ビットに基づいて解釈される（例えば、なし、空間、品質、深度、マルチビュー、未指定、予約）。例として、ｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１内のすべてのビットが空間スケーラビリティに対応することをシグナリングするために、ＶＰＳ内のｓｃａｌａｂｉｌｉｔｙ＿ｍａｐ値が、ＮＡＬユニットヘッダの６ビットに対して００１ ００１ ００１ ００１ ００１ ００１として符号化されてもよい。さらに例として、ｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１内の３ビットが空間スケーラビリティに対応し、３ビットが品質スケーラビリティに対応することをシグナリングするために、ＶＰＳ内のｓｃａｌａｂｉｌｉｔｙ＿ｍａｐ値が、ＮＡＬユニットヘッダの６ビットに対して００１ ００１ ００１ ０１０ ０１０ ０１０として符号化されてもよい。

図１５を参照する。別の実施形態は、ｎｕｍ＿ｓｃａｌａｂｉｌｉｔｙ＿ｄｉｍｅｎｓｉｏｎｓ＿ｍｉｎｕｓ１を使用して、ＮＡＬユニットヘッダの６ビットにおけるスケーラビリティ次元の数をシグナリングするビデオパラメータセットを含む。ｎｕｍ＿ｓｃａｌａｂｉｌｉｔｙ＿ｄｉｍｅｎｓｉｏｎｓ＿ｍｉｎｕｓ１プラス１は、ｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１、ｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓ、および／またはｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓシンタックス要素を用いてシグナリングされるスケーラビリティ次元の数を示す。ｓｃａｌａｂｉｌｉｔｙ＿ｍａｐ［ｉ］は、図１３に関して上述したのと同じセマンティクスを有する。ｎｕｍ＿ｂｉｔｓ＿ｆｏｒ＿ｓｃａｌａｂｉｌｉｔｙ＿ｍａｐ［ｉ］は、第ｉスケーラビリティ次元のビット長を指定する。ｎｕｍ＿ｂｉｔｓ＿ｆｏｒ＿ｓｃａｌａｂｉｌｉｔｙ＿ｍａｐ［ｉ］、ｉ＝０，…ｎｕｍ＿ｓｃａｌａｂｉｌｉｔｙ＿ｄｉｍｅｎｓｉｏｎｓ＿ｍｉｎｕｓ１、のすべての合計は、６と等しい（あるいは、ｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１、ｖｐｓ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓ、ｍａｘ＿ｎｕｍ＿ｌａｙｅｒｓ＿ｍｉｎｕｓ１、ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓ、ｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓシンタックス要素に使用されるビットの数と等しい）。

図１３および図１５に関して、必要に応じて他の変形が使用されてもよい。例えば、一実施形態では、ｓｃａｌａｂｉｌｉｔｙ＿ｍａｐ［ｉ］は、ｕ（４）（またはｎ＞３もしくはｎ＜３であるｕ（ｎ））を用いてシグナリングされてもよい。この場合、ｓｃａｌａｂｉｌｉｔｙ＿ｍａｐ［ｉ］のより大きな値は、ビデオ方式の特定のプロファイルに適合するビットストリーム用に予約されたものとして指定されうる。例えば、スケーラビリティマップ値６…１５は、ｕ（４）を用いてｓｃａｌａｂｉｌｉｔｙ＿ｍａｐ［ｉ］をシグナリングする場合、「予約」と指定されてもよい。別の実施形態では、例えば、ｓｃａｌａｂｉｌｉｔｙ＿ｍａｐ［ｉ］は、ｕｅ（ｖ）またはその他何らかの符号化スキームを用いてシグナリングされてもよい。別の実施形態では、例えば、ｓｃａｌａｂｉｌｉｔｙ＿ｍａｐ［ｉ］値が単調非減少（または非増加）順に配列されるように、制約が指定されてもよい。これにより、ＮＡＬユニットヘッダ内のｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１フィールド内の個々のスケーラビリティ次元フィールドが連続的となる。

「ｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１」または「ｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓ」シンタックス要素を使用してスケーラブルビデオ符号化をシグナリングするもう１つの既存方式は、ビデオパラメータセット内で全体的なルックアップテーブルをシグナリングすることにより、ＮＡＬユニットヘッダ内のｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１をレイヤ識別情報にマッピングすることである。図１６を参照する。この既存方式は、ルックアップテーブルの第ｉレイヤの次元タイプおよび次元識別情報の数を指定するビデオパラメータセットを含む。具体的には、ｖｐｓ＿ｅｘｔｅｎｓｉｏｎ＿ｂｙｔｅ＿ａｌｉｇｎｍｅｎｔ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿ｂｉｔは、ゼロである。ｎｕｍ＿ｄｉｍｅｎｓｉｏｎｓ＿ｍｉｎｕｓ１［ｉ］プラス１は、第ｉレイヤの次元タイプ（ｄｉｍｅｎｓｉｏｎ＿ｔｙｐｅ［ｉ］［ｊ］）および次元識別子（ｄｉｍｅｎｓｉｏｎ＿ｉｄ［ｉ］［ｊ］）の数を指定する。図１７に規定されているように、ｄｉｍｅｎｓｉｏｎ＿ｔｙｐｅ［ｉ］［ｊ］は、第ｉレイヤの第ｊスケーラビリティ次元タイプを指定し、第ｉレイヤは、ｉと等しいｌａｙｅｒ＿ｉｄまたはｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１を有する。図１７に示されているように、識別される次元には、（０）ビューオーダｉｄｘ、（１）深度フラグ、（２）依存ＩＤ、（３）品質ＩＤ、（４）〜（１５）予約が含まれる。ｄｉｍｅｎｓｉｏｎ＿ｉｄ［ｉ］［ｊ］は、第ｉレイヤの第ｊスケーラビリティ次元タイプの識別子を指定し、存在しない場合は０と推定される。ｎｕｍ＿ｄｉｒｅｃｔ＿ｒｅｆ＿ｌａｙｅｒｓ［ｉ］は、第ｉレイヤが直接依存するレイヤの数を指定する。ｒｅｆ＿ｌａｙｅｒ＿ｉｄ［ｉ］［ｊ］は、第ｉレイヤが直接依存する第ｊレイヤを識別する。残念ながら、図１６に示した提案される実施形態は、実用的でないほど大きなルックアップテーブルをもたらす。

図１８を参照する。変更されたビデオパラメータセット拡張には、スケーラビリティ次元と組み合わせて使用されるスケーラビリティマスクが含まれる。ｓｃａｌａｂｉｌｉｔｙ＿ｍａｓｋ［ｉ］は、０および１のビットのパターンをシグナリングし、各ビットは、図１９のスケーラビリティマップシンタックスにより示される１つのスケーラビリティ次元に対応する。特定のスケーラビリティ次元に対する１の値は、当該レイヤ（第ｉレイヤ）において当該スケーラビリティ次元が存在することを示す。特定のスケーラビリティ次元に対する０の値は、当該レイヤ（第ｉレイヤ）において当該スケーラビリティ次元が存在しないことを示す。例えば、００１０００００のビットのセットは、品質スケーラビリティを指す。存在する特定のスケーラビリティ次元の実際の識別子の値は、シグナリングされるｓｃａｌａｂｉｌｉｔｙ＿ｉｄ［ｊ］値により示される。ｎｕｍ＿ｓｃａｌａｂｉｌｉｔｙ＿ｔｙｐｅｓ［ｉ］の値は、１の値を有するｓｃａｌａｂｉｌｉｔｙ＿ｍａｓｋ内のビットの数の合計と等しい。したがって、以下の通りとなる。

ｓｃａｌａｂｉｌｉｔｙ＿ｉｄ［ｊ］は、ｓｃａｌａｂｉｌｉｔｙ＿ｍａｓｋ値によってシグナリングされるスケーラビリティタイプ値の、第ｊスケーラビリティ次元の識別子の値を示す。

図１８の１つの変形である図２０を参照する。この変形には、ループ外でシグナリングされるスケーラビリティマスクが含まれる。これは、各レイヤ識別情報に対し１つの共通マスクをもたらす。図２１を参照する。この変形では、対応する例示のビデオパラメータセットは、スケラ−ビリティマスクが含まれていない状態で、スケーラブル識別情報を含むことができる。この場合、シンタックス要素ｓｃａｌａｂｉｌｉｔｙ＿ｉｄ［ｊ］は、図１８のシンタックス要素ｓｃａｌａｂｉｌｉｔｙ＿ｉｄ［ｊ］と同じ解釈である。

図２２を参照する。図１８の１つの変形には、ループ外でシグナリングされるスケーラビリティマスク（ｓｃａｌａｂｉｌｉｔｙ＿ｍａｓｋ）が含まれる。これは、各レイヤ識別情報に対し１つの共通マスクをもたらす。ｓｃａｌａｂｉｌｉｔｙ＿ｍａｓｋは、０および１のビットのパターンをシグナリングし、各ビットは、図２３のスケーラビリティマップシンタックスにより示される１つのスケーラビリティ次元に対応する。特定のスケーラビリティ次元に対する１の値は、当該レイヤ（第ｉレイヤ）において当該スケーラビリティ次元が存在することを示す。特定のスケーラビリティ次元に対する０の値は、当該レイヤ（第ｉレイヤ）において当該スケーラビリティ次元が存在しないことを示す。例えば、００１０００００のビットのセットは、品質スケーラビリティを指す。存在する特定のスケーラビリティ次元の実際の識別子の値は、シグナリングされるｓｃａｌａｂｉｌｉｔｙ＿ｉｄ［ｊ］値により示される。ｎｕｍ＿ｓｃａｌａｂｉｌｉｔｙ＿ｔｙｐｅｓ［ｉ］の値は、１の値を有するｓｃａｌａｂｉｌｉｔｙ＿ｍａｓｋ内のビットの数の合計と等しい。したがって、以下の通りとなる。

この場合、ｓｃａｌａｂｉｌｉｔｙ＿ｉｄ［ｊ］変数は、代わりにｄｉｍｅｎｓｉｏｎ＿ｉｄ［ｉ］［ｊ］変数と呼ばれてもよい。ｄｉｍｅｎｓｉｏｎ＿ｉｄ［ｉ］［ｊ］は、第ｉレイヤの第ｊスケーラビリティ次元のスケーラビリティ識別子を指定する。その結果、変数ＳｃａｌａｂｉｌｉｔｙＩｄ［ｉ］［ｊ］が、以下のように得られる。

ＳｃａｌａｂｉｌｉｔｙＩｄ［ｉ］［ｋ］は、対応するスケーラビリティタイプの次元ＩＤを次のようにシグナリングする。

ＳｃａｌａｂｉｌｉｔｙＩｄ［ｉ］［０］は、第ｉレイヤの空間スケーラビリティ次元の依存ＩＤであり、ＳｃａｌａｂｉｌｉｔｙＩｄ［ｉ］［１］は、第ｉレイヤの品質スケーラビリティ次元の品質ＩＤであり、ＳｃａｌａｂｉｌｉｔｙＩｄ［ｉ］［２］は、第ｉレイヤの深度スケーラビリティ次元の深度フラグ／深度ＩＤであり、ＳｃａｌａｂｉｌｉｔｙＩｄ［ｉ］［３］は、第ｉレイヤのマルチビュースケーラビリティ次元のビューＩＤである。

さらに、図２２において、１と等しいａｖｃ＿ｂａｓｅ＿ｃｏｄｅｃ＿ｆｌａｇは、基本レイヤがＲｅｃ．ＩＴＵ−Ｔ Ｈ．２６４｜ＩＳＯ／ＩＥＣ１４４９６−１０に準拠することを指定し、１と等しいａｖｃ＿ｂａｓｅ＿ｃｏｄｅｃ＿ｆｌａｇは、ＨＥＶＣに準拠することを指定する。ｖｐｓ＿ｎｕｈ＿ｌａｙｅｒ＿ｉｄ＿ｐｒｅｓｎｅｔ＿ｆｌａｇは、ＮＡＬユニットヘッダ内のｌａｙｅｒ＿ｉｄの値をシグナリングするｌａｙｅｒ＿ｉｄ＿ｉｎ＿ｎｕｈ［ｉ］変数がシグナリングされるかどうかを示す。

別の実施形態では、シンタックス要素ｓｃａｌａｂｉｌｉｔｙ＿ｍａｓｋ［ｉ］、ｓｃａｌａｂｉｌｉｔｙ＿ｍａｓｋ、ｓｃａｌａｂｉｌｉｔｙ＿ｉｄ［ｊ］のうちの１つ以上が、ｕ（８）以外のビット数を使用してシグナリングされてもよい。例えば、これらシンタックス要素は、ｕ（１６）（またはｎ＞８もしくはｎ＜８であるｕ（ｎ））を用いてシグナリングできるであろう。別の実施形態では、これらシンタックス要素のうちの１つ以上を、ｕｅ（ｖ）を用いてシグナリングできるであろう。別の実施形態では、ｓｃａｌａｂｉｌｉｔｙ＿ｍａｓｋは、ＮＡＬユニットヘッダ内で、ｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１、ｖｐｓ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓ、ｍａｘ＿ｎｕｍ＿ｌａｙｅｒｓ＿ｍｉｎｕｓ１、ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓ、および／またはｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓシンタックス要素においてシグナリングされうる。いくつかの実施形態では、システムは、このシグナリングを、ＶＰＳ ＮＡＬユニットのみ、または非ＶＰＳ ＮＡＬユニットのみ、またはすべてのＮＡＬユニットに対して行ってもよい。さらに別の実施形態では、ｓｃａｌａｂｉｌｉｔｙ＿ｍａｓｋは、ビットストリーム中の任意の位置で、ピクチャ毎にシグナリングされてもよい。例えば、ｓｃａｌａｂｉｌｉｔｙ＿ｍａｓｋは、スライスヘッダ、ピクチャパラメータセット、ビデオパラメータセット、またはその他任意のパラメータセット、またはそのほか、ビットストリームの任意の標準的な部分においてシグナリングされうる。

なお、図１３、図１５、図１８、図２０、図２１、図２２、図２３、および対応する記載は、６ビットに言及するが、これは、図９のＮＡＬユニットヘッダ内のシンタックス要素ｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓまたはｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１が６ビットを有するからである。しかしながら、当該シンタックス要素が６ビット以外のビット数を使用したとしても、上記の記載はすべて、適宜変更することができる。例えば、当該シンタックス要素（ｎｕｈ＿ｒｅｓｅｒｖｅｄ＿ｚｅｒｏ＿６ｂｉｔｓまたはｌａｙｅｒ＿ｉｄ＿ｐｌｕｓ１）が代わりに９ビットを使用したとすると、その結果、図１３において、ｍａｘ＿ｎｕｍ＿ｌａｙｅｒ＿ｍｉｎｕｓ１ビットの値は９になり、ｓｃａｌａｂｉｌｉｔｙ＿ｍａｐ［ｉ］は、６ビットではなく９ビットそれぞれに関してシグナリングされることになる。

図２４を参照する。図２２の１つの変形は、レイヤ依存情報をシグナリングするためのシンタックスを提供する。新たなシンタックス要素ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎが定義される。

ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎは、ｖｐｓ＿ｍａｘ＿ｌａｙｅｒｓ＿ｍｉｎｕｓ１と等しい長さの０および１のビットのパターンをシグナリングする。第ｉビットの０の値は、ｌａｙｅｒ＿ｉｄ（ｉ＋１）を有するレイヤが独立したレイヤであることを示す。第ｉビットの１の値は、ｌａｙｅｒ＿ｉｄ（ｉ＋１）を有するレイヤが他のレイヤの１つ以上に依存する依存レイヤであることを示す。

ＮｕｍＤｅｐＬａｙｅｒｓの値は、ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎの中で１の値を有するビットの数の合計と等しい。したがって、以下の通りとなる。

図２５を参照する。図２２の１つの変形は、レイヤ依存情報をシグナリングするためのシンタックスを提供する。新たなシンタックス要素ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｆｌａｇ［ｉ］が定義される。ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｆｌａｇ［ｉ］は、レイヤが他のレイヤに依存するかどうかをシグナリングする。このフラグの０の値は、ｌａｙｅｒ＿ｉｄ ｉを有するレイヤが独立したレイヤであることを示す。第ｉビットの１の値は、ｌａｙｅｒ＿ｉｄ ｉを有するレイヤが依存レイヤであることを示す。

図２６を参照する。図２２の１つの変形は、レイヤ依存情報をシグナリングするためのシンタックスを提供する。新たなシンタックス要素ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｍａｐ［ｉ］が定義される。ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｍａｐ［ｉ］は、ｖｐｓ＿ｍａｘ＿ｌａｙｅｒｓ＿ｍｉｎｕｓ１と等しい長さの０および１のビットのパターンをシグナリングする。ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｍａｐ［ｉ］の第ｋビットの０の値は、レイヤｉが、ｌａｙｅｒ＿ｉｄ（ｋ＋１）を有するレイヤに依存しないことを示す。ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｍａｐ［ｉ］の第ｋビットの１の値は、レイヤｉが、ｌａｙｅｒ＿ｉｄ（ｋ＋１）を有するレイヤに依存することを示す。

図２７を参照する。図２２の１つの変形は、レイヤ依存情報をシグナリングするためのシンタックスを提供する。新たなシンタックス要素ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎが定義される。ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎは、ｖｐｓ＿ｍａｘ＿ｌａｙｅｒｓ＿ｍｉｎｕｓ１と等しい長さの０および１のビットのパターンをシグナリングする。第ｉビットの０の値は、ｌａｙｅｒ＿ｉｄ（ｉ＋１）を有するレイヤが独立したレイヤであることを示す。第ｉビットの１の値は、ｌａｙｅｒ＿ｉｄ（ｉ＋１）を有するレイヤが他のレイヤの１つ以上に依存する依存レイヤであることを示す。ＮｕｍＤｅｐＬａｙｅｒｓの値は、ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎの中で１の値を有するビットの数の合計と等しい。したがって、以下の通りとなる。

ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｍａｐ［ｉ］は、ＮｕｍＤｅｐＬａｙｅｒｓと等しい長さの０および１のビットのパターンをシグナリングする。ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｍａｐ［ｉ］の第ｋビットの０の値は、レイヤｉが、ｌａｙｅｒ＿ｉｄ（ｋ＋１）を有するレイヤに依存しないことを示す。ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｍａｐ［ｉ］の第ｋビットの１の値は、レイヤｉが、ｌａｙｅｒ＿ｉｄ（ｋ＋１）を有するレイヤに依存することを示す。

図２８を参照する。図２２の１つの変形は、レイヤ依存情報をシグナリングするためのシンタックスを提供する。図２８は、図２２のシンタックスに基づく派生シンタックスである。新たなシンタックス要素ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎが定義される。

ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎは、ｖｐｓ＿ｍａｘ＿ｌａｙｅｒｓ＿ｍｉｎｕｓ１と等しい長さの０および１のビットのパターンをシグナリングする。第ｉビットの０の値は、ｌａｙｅｒ＿ｉｄ（ｉ＋１）を有するレイヤが独立したレイヤであることを示す。第ｉビットの１の値は、ｌａｙｅｒ＿ｉｄ（ｉ＋１）を有するレイヤが他のレイヤの１つ以上に依存する依存レイヤであることを示す。

ＮｕｍＤｅｐＬａｙｅｒｓの値は、ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎの中で１の値を有するビットの数の合計と等しい。したがって、以下の通りとなる。

シンタックス要素ｎｕｍ＿ｄｉｒｅｃｔ＿ｒｅｆ＿ｌａｙｅｒｓ［ｉ］およびｒｅｆ＿ｌａｙｅｒ＿ｉｄ［ｉ］［ｊ］は、ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎ（ｉ）が１の値を有するときのみシグナリングされる。ｌａｙｅｒ＿ｄｅｐｄｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎ（ｉ）は、シンタックス要素ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｐａｔｔｅｒｎの第ｉビットである。

図２９を参照する。図２２の１つの変形は、レイヤ依存情報をシグナリングするためのシンタックスを提供する。図２９は、図２２のシンタックスに基づく派生シンタックスである。新たなシンタックス要素ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎが定義される。

ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎは、ｖｐｓ＿ｍａｘ＿ｌａｙｅｒｓ＿ｍｉｎｕｓ１と等しい長さの０および１のビットのパターンをシグナリングする。第ｉビットの０の値は、ｌａｙｅｒ＿ｉｄ（ｉ＋１）を有するレイヤが独立したレイヤであることを示す。第ｉビットの１の値は、ｌａｙｅｒ＿ｉｄ（ｉ＋１）を有するレイヤが他のレイヤの１つ以上に依存する依存レイヤであることを示す。

ＮｕｍＤｅｐＬａｙｅｒｓの値は、ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎの中で１の値を有するビットの数の合計と等しい。したがって、以下の通りとなる。

ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｍａｐ［ｉ］は、ｖｐｓ＿ｍａｘ＿ｌａｙｅｒｓ＿ｍｉｎｕｓ１と等しい長さの０および１のビットのパターンをシグナリングする。ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｍａｐ［ｉ］の第ｋビットの０の値は、レイヤｉが、ｌａｙｅｒ＿ｉｄ（ｋ＋１）を有するレイヤに依存しないことを示す。ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｍａｐ［ｉ］の第ｋビットの１の値は、レイヤｉが、ｌａｙｅｒ＿ｉｄ（ｋ＋１）を有するレイヤに依存することを示す。シンタックス要素ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｍａｐ［ｉ］は、ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎ（ｉ）が１の値を有するときのみシグナリングされる。ｌａｙｅｒ＿ｄｅｐｄｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎ（ｉ）は、シンタックス要素ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｐａｔｔｅｒｎの第ｉビットである。

別の実施形態では、ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎシンタックス要素は、１ビットフラグ値のセットとしてシグナリングされてもよい。この場合、以下のように合計ｖｐｓ＿ｍａｘ＿ｌａｙｅｒｓ＿ｍｉｎｕｓ１の１ビット値がシグナリングされることになる。

別の実施形態では、ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｍａｐ［ｉ］シンタックス要素は、１ビットフラグ値のセットとしてシグナリングされてもよい。この場合、以下のように合計ｖｐｓ＿ｍａｘ＿ｌａｙｅｒｓ＿ｍｉｎｕｓ１の１ビット値がシグナリングされることになる。

別の実施形態では、シンタックス要素ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎ、ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｍａｐの１つ以上が、ｕ（ｖ）ではなく、既知の固定数のビットを使用してシグナリングされうる。例えば、これらのシンタックス要素を、ｕ（６４）を使用してシグナリングできるであろう。

別の実施形態では、シンタックス要素ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎ、ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｍａｐの１つ以上が、ｕｅ（ｖ）またはその他何らかの符号化スキームを用いてシグナリングされてもよい。

別の実施形態では、記載されたシンタックスおよびセマンティクスと比較して、ｐｌｕｓ１またはｐｌｕｓ２の加算、またはｍｉｎｕｓ１またはｍｉｎｕｓ２の減算によって、様々なシンタックス要素の名前およびセマンティクスが変更されてもよい。

さらに別の実施形態では、ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｉｎｆｏｒｍａｔｉｏｎ＿ｐａｔｔｅｒｎ、ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｍａｐ、ｌａｙｅｒ＿ｄｅｐｅｎｄｅｎｃｙ＿ｆｌａｇ［ｉ］などの様々なシンタックス要素が、ビットストリーム中の任意の位置で、ピクチャ毎にシグナリングされてもよい。例えば、これらシンタックス要素は、スライスヘッダ、ｐｐｓ／ｓｐｓ／ｖｐｓ／ａｐｓもしくはその他任意のパラメータセット、またはビットストリームの他の標準的な部分においてシグナリングされうる。

前述の明細書中で用いた用語および語句は、明細書において説明の用語として使用されており、限定するものではなく、かかる用語および語句を使用するにあたり、示され記載された特徴またはその一部の等価物を排除する意図はなく、当然のことながら、本発明の範囲は、添付の特許請求の範囲によってのみ定義および限定される。

Claims (1)

1. ビデオパラメータセットにおいてスケーラビリティ情報をシグナリングする方法、
   （ａ）前記ビデオパラメータセットを受信するステップ、
   （ｂ）前記ビデオパラメータセットに含まれたスケーラビリティマスク信号を識別するステップであって、前記スケーラビリティマスク信号は、０および１のビットのパターンで構成され、前記ビットのそれぞれは１つのスケーラビリティ次元に対応し、前記ビットの値が０または１であることは前記ビットに対応する前記スケーラビリティ次元が存在しないことまたは存在することを示し、前記スケーラビリティマスク信号における１の値を有するビットの数の合計はシグナリングされるスケーラビリティタイプの個数を示す、前記ステップ、
   （ｃ）前記スケーラビリティマスク信号に基づいて前記スケーラビリティタイプをシグナリングするステップ。

Images