本開示の一態様に係る符号化装置は、処理回路と、メモリとを備え、前記処理回路は、前記メモリを用いて、予測対象ブロックの左または上に配列された複数の画素のそれぞれを参照サンプルとして参照し、複数の前記参照サンプルのうちの処理対象参照サンプルの画素値に対して、複数の前記参照サンプルの画素値を用いたフィルタリングを行い、フィルタリングされた前記処理対象参照サンプルの画素値を用いたイントラ予測によって、前記予測対象ブロックの予測画像を生成し、前記予測対象ブロックと前記予測画像との差分を算出し、前記フィルタリングでは、複数の前記参照サンプルのそれぞれについて、当該参照サンプルと前記処理対象参照サンプルとの間の距離と、画素値の差とに基づいて、当該参照サンプルの重みを決定し、複数の前記参照サンプルのそれぞれの画素値と、決定された重みとを用いた重み付け加算によって、前記処理対象参照サンプルの画素値に対してフィルタリングを行う。例えば、前記画素値の差は、輝度値の差であってもよい。
これにより、参照サンプルと処理対象参照サンプルとの間の距離だけでなく、これらの参照サンプルの間の画素値の差にも基づいて、参照サンプルの重みが決定される。したがって、複数の参照サンプルに含まれるエッジを残しつつ、その複数の参照サンプルにある符号化アーチファクトのスムージングを行うことができる。なお、複数の参照サンプルは、予測対象ブロックの左隣または上隣にある既に再構成された周辺ブロックに属している。
また、前記処理回路は、前記参照サンプルの重みの決定では、前記距離が長いほど、前記参照サンプルに対して小さい重みを決定してもよい。
これにより、処理対象参照サンプルから離れた参照サンプルに対して小さい重みが決定され、処理対象参照サンプルに近い参照サンプルに対して大きい重みが決定される。したがって、処理対象参照サンプルに対して空間的に適切なフィルタリングを行うことができる。
また、前記処理回路は、前記参照サンプルの重みの決定では、前記画素値の差が大きいほど、前記参照サンプルに対して小さい重みを決定してもよい。
これにより、複数の参照サンプルに含まれるエッジを適切に残すことができる。
また、前記処理回路は、前記参照サンプルの重みの決定では、前記予測対象ブロックのブロックサイズに基づく第1パラメータに対する、前記距離の割合が大きいほど、前記参照サンプルに対して小さい重みを決定してもよい。例えば、前記第1パラメータは、前記予測対象ブロックのブロックサイズが大きいほど大きい値を示してもよい。
これにより、ブロックサイズが小さいほど、第1パラメータに対する距離の割合は大きくなり、参照サンプルに対して小さい重みが決定される。したがって、複数の参照サンプルによって示される画像の細かい表現が、フィルタリングによって消えてしまうことを抑えることができる。
また、前記処理回路は、前記参照サンプルの重みの決定では、複数の前記参照サンプルのコントラストに基づく第2パラメータに対する、前記画素値の差の割合が大きいほど、前記参照サンプルに対して小さい重みを決定してもよい。例えば、前記第2パラメータは、複数の前記参照サンプルのコントラストが低いほど、小さい値を示してもよい。
これにより、コントラストが低いほど、第2パラメータに対する画素値の差の割合は大きくなり、参照サンプルに対して小さい重みが決定される。したがって、複数の参照サンプルによって示される画像の細かい表現が、フィルタリングによって消えてしまうことを抑えることができる。
また、前記処理対象参照サンプルおよび前記参照サンプルのそれぞれの直交座標系における位置を、(i,j)および(k,l)として示し、前記処理対象参照サンプルおよび前記参照サンプルのそれぞれの画素値を、I(i,j)およびI(k,l)として示し、第1パラメータおよび第2パラメータのそれぞれを、σdおよびσγとして示す場合、前記処理回路は、前記参照サンプルの重みの決定では、前記参照サンプルの重みω(i,j,k,l)を、
によって決定してもよい。
これにより、参照サンプルに対してより適切な重みを決定することができる。
本開示の一態様に係る復号装置は、処理回路と、メモリとを備え、前記処理回路は、前記メモリを用いて、符号化された予測対象ブロックの左または上に配列された複数の画素のそれぞれを参照サンプルとして参照し、複数の前記参照サンプルのうちの処理対象参照サンプルの画素値に対して、複数の前記参照サンプルの画素値を用いたフィルタリングを行い、フィルタリングされた前記処理対象参照サンプルの画素値を用いたイントラ予測によって、前記予測対象ブロックの予測画像を生成し、ビットストリームから得られる予測誤差に前記予測画像を加算し、前記フィルタリングでは、複数の前記参照サンプルのそれぞれについて、当該参照サンプルと前記処理対象参照サンプルとの間の距離と、画素値の差とに基づいて、当該参照サンプルの重みを決定し、複数の前記参照サンプルのそれぞれの画素値と、決定された重みとを用いた重み付け加算によって、前記処理対象参照サンプルの画素値に対してフィルタリングを行う。例えば、前記画素値の差は、輝度値の差であってもよい。
これにより、参照サンプルと処理対象参照サンプルとの間の距離だけでなく、これらの参照サンプルの間の画素値の差にも基づいて、参照サンプルの重みが決定される。したがって、複数の参照サンプルに含まれるエッジを残しつつ、その複数の参照サンプルにある符号化アーチファクトのスムージングを行うことができる。
また、前記処理回路は、前記参照サンプルの重みの決定では、前記距離が長いほど、前記参照サンプルに対して小さい重みを決定してもよい。
これにより、処理対象参照サンプルから離れた参照サンプルに対して小さい重みが決定され、処理対象参照サンプルに近い参照サンプルに対して大きい重みが決定される。したがって、処理対象参照サンプルに対して空間的に適切なフィルタリングを行うことができる。
また、前記処理回路は、前記参照サンプルの重みの決定では、前記画素値の差が大きいほど、前記参照サンプルに対して小さい重みを決定してもよい。
これにより、複数の参照サンプルに含まれるエッジを適切に残すことができる。
また、前記処理回路は、前記参照サンプルの重みの決定では、前記予測対象ブロックのブロックサイズに基づく第1パラメータに対する、前記距離の割合が大きいほど、前記参照サンプルに対して小さい重みを決定してもよい。例えば、前記第1パラメータは、前記予測対象ブロックのブロックサイズが大きいほど大きい値を示してもよい。
これにより、ブロックサイズが小さいほど、第1パラメータに対する距離の割合は大きくなり、参照サンプルに対して小さい重みが決定される。したがって、複数の参照サンプルによって示される画像の細かい表現が、フィルタリングによって消えてしまうことを抑えることができる。
また、前記処理回路は、前記参照サンプルの重みの決定では、複数の前記参照サンプルのコントラストに基づく第2パラメータに対する、前記画素値の差の割合が大きいほど、前記参照サンプルに対して小さい重みを決定してもよい。例えば、前記第2パラメータは、複数の前記参照サンプルのコントラストが低いほど、小さい値を示してもよい。
これにより、コントラストが低いほど、第2パラメータに対する画素値の差の割合は大きくなり、参照サンプルに対して小さい重みが決定される。したがって、複数の参照サンプルによって示される画像の細かい表現が、フィルタリングによって消えてしまうことを抑えることができる。
また、前記処理対象参照サンプルおよび前記参照サンプルのそれぞれの直交座標系における位置を、(i,j)および(k,l)として示し、前記処理対象参照サンプルおよび前記参照サンプルのそれぞれの画素値を、I(i,j)およびI(k,l)として示し、第1パラメータおよび第2パラメータのそれぞれを、σdおよびσγとして示す場合、前記処理回路は、前記参照サンプルの重みの決定では、前記参照サンプルの重みω(i,j,k,l)を、
によって決定してもよい。
これにより、参照サンプルに対してより適切な重みを決定することができる。
なお、これらの包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なCD-ROMなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
以下、実施の形態について図面を参照しながら具体的に説明する。
なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、請求の範囲を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
(実施の形態1)
まず、後述する本開示の各態様で説明する処理および/または構成を適用可能な符号化装置および復号化装置の一例として、実施の形態1の概要を説明する。ただし、実施の形態1は、本開示の各態様で説明する処理および/または構成を適用可能な符号化装置および復号化装置の一例にすぎず、本開示の各態様で説明する処理および/または構成は、実施の形態1とは異なる符号化装置および復号化装置においても実施可能である。
実施の形態1に対して本開示の各態様で説明する処理および/または構成を適用する場合、例えば以下のいずれかを行ってもよい。
(1)実施の形態1の符号化装置または復号化装置に対して、当該符号化装置または復号化装置を構成する複数の構成要素のうち、本開示の各態様で説明する構成要素に対応する構成要素を、本開示の各態様で説明する構成要素に置き換えること
(2)実施の形態1の符号化装置または復号化装置に対して、当該符号化装置または復号化装置を構成する複数の構成要素のうち一部の構成要素について機能または実施する処理の追加、置き換え、削除などの任意の変更を施した上で、本開示の各態様で説明する構成要素に対応する構成要素を、本開示の各態様で説明する構成要素に置き換えること
(3)実施の形態1の符号化装置または復号化装置が実施する方法に対して、処理の追加、および/または当該方法に含まれる複数の処理のうちの一部の処理について置き換え、削除などの任意の変更を施した上で、本開示の各態様で説明する処理に対応する処理を、本開示の各態様で説明する処理に置き換えること
(4)実施の形態1の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素を、本開示の各態様で説明する構成要素、本開示の各態様で説明する構成要素が備える機能の一部を備える構成要素、または本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせて実施すること
(5)実施の形態1の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素が備える機能の一部を備える構成要素、または実施の形態1の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素が実施する処理の一部を実施する構成要素を、本開示の各態様で説明する構成要素、本開示の各態様で説明する構成要素が備える機能の一部を備える構成要素、または本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせて実施すること
(6)実施の形態1の符号化装置または復号化装置が実施する方法に対して、当該方法に含まれる複数の処理のうち、本開示の各態様で説明する処理に対応する処理を、本開示の各態様で説明する処理に置き換えること
(7)実施の形態1の符号化装置または復号化装置が実施する方法に含まれる複数の処理のうちの一部の処理を、本開示の各態様で説明する処理と組み合わせて実施すること
なお、本開示の各態様で説明する処理および/または構成の実施の仕方は、上記の例に限定されるものではない。例えば、実施の形態1において開示する動画像/画像符号化装置または動画像/画像復号化装置とは異なる目的で利用される装置において実施されてもよいし、各態様において説明した処理および/または構成を単独で実施してもよい。また、異なる態様において説明した処理および/または構成を組み合わせて実施してもよい。
[符号化装置の概要]
まず、実施の形態1に係る符号化装置の概要を説明する。図1は、実施の形態1に係る符号化装置100の機能構成を示すブロック図である。符号化装置100は、動画像/画像をブロック単位で符号化する動画像/画像符号化装置である。
図1に示すように、符号化装置100は、画像をブロック単位で符号化する装置であって、分割部102と、減算部104と、変換部106と、量子化部108と、エントロピー符号化部110と、逆量子化部112と、逆変換部114と、加算部116と、ブロックメモリ118と、ループフィルタ部120と、フレームメモリ122と、イントラ予測部124と、インター予測部126と、予測制御部128と、を備える。
符号化装置100は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、分割部102、減算部104、変換部106、量子化部108、エントロピー符号化部110、逆量子化部112、逆変換部114、加算部116、ループフィルタ部120、イントラ予測部124、インター予測部126及び予測制御部128として機能する。また、符号化装置100は、分割部102、減算部104、変換部106、量子化部108、エントロピー符号化部110、逆量子化部112、逆変換部114、加算部116、ループフィルタ部120、イントラ予測部124、インター予測部126及び予測制御部128に対応する専用の1以上の電子回路として実現されてもよい。
以下に、符号化装置100に含まれる各構成要素について説明する。
[分割部]
分割部102は、入力動画像に含まれる各ピクチャを複数のブロックに分割し、各ブロックを減算部104に出力する。例えば、分割部102は、まず、ピクチャを固定サイズ(例えば128x128)のブロックに分割する。この固定サイズのブロックは、符号化ツリーユニット(CTU)と呼ばれることがある。そして、分割部102は、再帰的な四分木(quadtree)及び/又は二分木(binary tree)ブロック分割に基づいて、固定サイズのブロックの各々を可変サイズ(例えば64x64以下)のブロックに分割する。この可変サイズのブロックは、符号化ユニット(CU)、予測ユニット(PU)あるいは変換ユニット(TU)と呼ばれることがある。なお、本実施の形態では、CU、PU及びTUは区別される必要はなく、ピクチャ内の一部又はすべてのブロックがCU、PU、TUの処理単位となってもよい。
図2は、実施の形態1におけるブロック分割の一例を示す図である。図2において、実線は四分木ブロック分割によるブロック境界を表し、破線は二分木ブロック分割によるブロック境界を表す。
ここでは、ブロック10は、128x128画素の正方形ブロック(128x128ブロック)である。この128x128ブロック10は、まず、4つの正方形の64x64ブロックに分割される(四分木ブロック分割)。
左上の64x64ブロックは、さらに2つの矩形の32x64ブロックに垂直に分割され、左の32x64ブロックはさらに2つの矩形の16x64ブロックに垂直に分割される(二分木ブロック分割)。その結果、左上の64x64ブロックは、2つの16x64ブロック11、12と、32x64ブロック13とに分割される。
右上の64x64ブロックは、2つの矩形の64x32ブロック14、15に水平に分割される(二分木ブロック分割)。
左下の64x64ブロックは、4つの正方形の32x32ブロックに分割される(四分木ブロック分割)。4つの32x32ブロックのうち左上のブロック及び右下のブロックはさらに分割される。左上の32x32ブロックは、2つの矩形の16x32ブロックに垂直に分割され、右の16x32ブロックはさらに2つの16x16ブロックに水平に分割される(二分木ブロック分割)。右下の32x32ブロックは、2つの32x16ブロックに水平に分割される(二分木ブロック分割)。その結果、左下の64x64ブロックは、16x32ブロック16と、2つの16x16ブロック17、18と、2つの32x32ブロック19、20と、2つの32x16ブロック21、22とに分割される。
右下の64x64ブロック23は分割されない。
以上のように、図2では、ブロック10は、再帰的な四分木及び二分木ブロック分割に基づいて、13個の可変サイズのブロック11~23に分割される。このような分割は、QTBT(quad-tree plus binary tree)分割と呼ばれることがある。
なお、図2では、1つのブロックが4つ又は2つのブロックに分割されていたが(四分木又は二分木ブロック分割)、分割はこれに限定されない。例えば、1つのブロックが3つのブロックに分割されてもよい(三分木ブロック分割)。このような三分木ブロック分割を含む分割は、MBT(multi type tree)分割と呼ばれることがある。
[減算部]
減算部104は、分割部102によって分割されたブロック単位で原信号(原サンプル)から予測信号(予測サンプル)を減算する。つまり、減算部104は、符号化対象ブロック(以下、カレントブロックという)の予測誤差(残差ともいう)を算出する。そして、減算部104は、算出された予測誤差を変換部106に出力する。
原信号は、符号化装置100の入力信号であり、動画像を構成する各ピクチャの画像を表す信号(例えば輝度(luma)信号及び2つの色差(chroma)信号)である。以下において、画像を表す信号をサンプルともいうこともある。
[変換部]
変換部106は、空間領域の予測誤差を周波数領域の変換係数に変換し、変換係数を量子化部108に出力する。具体的には、変換部106は、例えば空間領域の予測誤差に対して予め定められた離散コサイン変換(DCT)又は離散サイン変換(DST)を行う。
なお、変換部106は、複数の変換タイプの中から適応的に変換タイプを選択し、選択された変換タイプに対応する変換基底関数(transform basis function)を用いて、予測誤差を変換係数に変換してもよい。このような変換は、EMT(explicit multiple core transform)又はAMT(adaptive multiple transform)と呼ばれることがある。
複数の変換タイプは、例えば、DCT-II、DCT-V、DCT-VIII、DST-I及びDST-VIIを含む。図3は、各変換タイプに対応する変換基底関数を示す表である。図3においてNは入力画素の数を示す。これらの複数の変換タイプの中からの変換タイプの選択は、例えば、予測の種類(イントラ予測及びインター予測)に依存してもよいし、イントラ予測モードに依存してもよい。
このようなEMT又はAMTを適用するか否かを示す情報(例えばAMTフラグと呼ばれる)及び選択された変換タイプを示す情報は、CUレベルで信号化される。なお、これらの情報の信号化は、CUレベルに限定される必要はなく、他のレベル(例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はCTUレベル)であってもよい。
また、変換部106は、変換係数(変換結果)を再変換してもよい。このような再変換は、AST(adaptive secondary transform)又はNSST(non-separable secondary transform)と呼ばれることがある。例えば、変換部106は、イントラ予測誤差に対応する変換係数のブロックに含まれるサブブロック(例えば4x4サブブロック)ごとに再変換を行う。NSSTを適用するか否かを示す情報及びNSSTに用いられる変換行列に関する情報は、CUレベルで信号化される。なお、これらの情報の信号化は、CUレベルに限定される必要はなく、他のレベル(例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はCTUレベル)であってもよい。
ここで、Separableな変換とは、入力の次元の数だけ方向ごとに分離して複数回変換を行う方式であり、Non-Separableな変換とは、入力が多次元であった際に2つ以上の次元をまとめて1次元とみなして、まとめて変換を行う方式である。
例えば、Non-Separableな変換の1例として、入力が4×4のブロックであった場合にはそれを16個の要素を持ったひとつの配列とみなし、その配列に対して16×16の変換行列で変換処理を行うようなものが挙げられる。
また、同様に4×4の入力ブロックを16個の要素を持ったひとつの配列とみなした後に、その配列に対してGivens回転を複数回行うようなもの(Hypercube Givens Transform)もNon-Separableな変換の例である。
[量子化部]
量子化部108は、変換部106から出力された変換係数を量子化する。具体的には、量子化部108は、カレントブロックの変換係数を所定の走査順序で走査し、走査された変換係数に対応する量子化パラメータ(QP)に基づいて当該変換係数を量子化する。そして、量子化部108は、カレントブロックの量子化された変換係数(以下、量子化係数という)をエントロピー符号化部110及び逆量子化部112に出力する。
所定の順序は、変換係数の量子化/逆量子化のための順序である。例えば、所定の走査順序は、周波数の昇順(低周波から高周波の順)又は降順(高周波から低周波の順)で定義される。
量子化パラメータとは、量子化ステップ(量子化幅)を定義するパラメータである。例えば、量子化パラメータの値が増加すれば量子化ステップも増加する。つまり、量子化パラメータの値が増加すれば量子化誤差が増大する。
[エントロピー符号化部]
エントロピー符号化部110は、量子化部108から入力である量子化係数を可変長符号化することにより符号化信号(符号化ビットストリーム)を生成する。具体的には、エントロピー符号化部110は、例えば、量子化係数を二値化し、二値信号を算術符号化する。
[逆量子化部]
逆量子化部112は、量子化部108からの入力である量子化係数を逆量子化する。具体的には、逆量子化部112は、カレントブロックの量子化係数を所定の走査順序で逆量子化する。そして、逆量子化部112は、カレントブロックの逆量子化された変換係数を逆変換部114に出力する。
[逆変換部]
逆変換部114は、逆量子化部112からの入力である変換係数を逆変換することにより予測誤差を復元する。具体的には、逆変換部114は、変換係数に対して、変換部106による変換に対応する逆変換を行うことにより、カレントブロックの予測誤差を復元する。そして、逆変換部114は、復元された予測誤差を加算部116に出力する。
なお、復元された予測誤差は、量子化により情報が失われているので、減算部104が算出した予測誤差と一致しない。すなわち、復元された予測誤差には、量子化誤差が含まれている。
[加算部]
加算部116は、逆変換部114からの入力である予測誤差と予測制御部128からの入力である予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部116は、再構成されたブロックをブロックメモリ118及びループフィルタ部120に出力する。再構成ブロックは、ローカル復号ブロックと呼ばれることもある。
[ブロックメモリ]
ブロックメモリ118は、イントラ予測で参照されるブロックであって符号化対象ピクチャ(以下、カレントピクチャという)内のブロックを格納するための記憶部である。具体的には、ブロックメモリ118は、加算部116から出力された再構成ブロックを格納する。
[ループフィルタ部]
ループフィルタ部120は、加算部116によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ122に出力する。ループフィルタとは、符号化ループ内で用いられるフィルタ(インループフィルタ)であり、例えば、デブロッキング・フィルタ(DF)、サンプルアダプティブオフセット(SAO)及びアダプティブループフィルタ(ALF)などを含む。
ALFでは、符号化歪みを除去するための最小二乗誤差フィルタが適用され、例えばカレントブロック内の2x2サブブロックごとに、局所的な勾配(gradient)の方向及び活性度(activity)に基づいて複数のフィルタの中から選択された1つのフィルタが適用される。
具体的には、まず、サブブロック(例えば2x2サブブロック)が複数のクラス(例えば15又は25クラス)に分類される。サブブロックの分類は、勾配の方向及び活性度に基づいて行われる。例えば、勾配の方向値D(例えば0~2又は0~4)と勾配の活性値A(例えば0~4)とを用いて分類値C(例えばC=5D+A)が算出される。そして、分類値Cに基づいて、サブブロックが複数のクラス(例えば15又は25クラス)に分類される。
勾配の方向値Dは、例えば、複数の方向(例えば水平、垂直及び2つの対角方向)の勾配を比較することにより導出される。また、勾配の活性値Aは、例えば、複数の方向の勾配を加算し、加算結果を量子化することにより導出される。
このような分類の結果に基づいて、複数のフィルタの中からサブブロックのためのフィルタが決定される。
ALFで用いられるフィルタの形状としては例えば円対称形状が利用される。図4A~図4Cは、ALFで用いられるフィルタの形状の複数の例を示す図である。図4Aは、5x5ダイヤモンド形状フィルタを示し、図4Bは、7x7ダイヤモンド形状フィルタを示し、図4Cは、9x9ダイヤモンド形状フィルタを示す。フィルタの形状を示す情報は、ピクチャレベルで信号化される。なお、フィルタの形状を示す情報の信号化は、ピクチャレベルに限定される必要はなく、他のレベル(例えば、シーケンスレベル、スライスレベル、タイルレベル、CTUレベル又はCUレベル)であってもよい。
ALFのオン/オフは、例えば、ピクチャレベル又はCUレベルで決定される。例えば、輝度についてはCUレベルでALFを適用するか否かが決定され、色差についてはピクチャレベルでALFを適用するか否かが決定される。ALFのオン/オフを示す情報は、ピクチャレベル又はCUレベルで信号化される。なお、ALFのオン/オフを示す情報の信号化は、ピクチャレベル又はCUレベルに限定される必要はなく、他のレベル(例えば、シーケンスレベル、スライスレベル、タイルレベル又はCTUレベル)であってもよい。
選択可能な複数のフィルタ(例えば15又は25までのフィルタ)の係数セットは、ピクチャレベルで信号化される。なお、係数セットの信号化は、ピクチャレベルに限定される必要はなく、他のレベル(例えば、シーケンスレベル、スライスレベル、タイルレベル、CTUレベル、CUレベル又はサブブロックレベル)であってもよい。
[フレームメモリ]
フレームメモリ122は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ122は、ループフィルタ部120によってフィルタされた再構成ブロックを格納する。
[イントラ予測部]
イントラ予測部124は、ブロックメモリ118に格納されたカレントピクチャ内のブロックを参照してカレントブロックのイントラ予測(画面内予測ともいう)を行うことで、予測信号(イントラ予測信号)を生成する。具体的には、イントラ予測部124は、カレントブロックに隣接するブロックのサンプル(例えば輝度値、色差値)を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部128に出力する。
例えば、イントラ予測部124は、予め規定された複数のイントラ予測モードのうちの1つを用いてイントラ予測を行う。複数のイントラ予測モードは、1以上の非方向性予測モードと、複数の方向性予測モードと、を含む。
1以上の非方向性予測モードは、例えばH.265/HEVC(High-Efficiency Video Coding)規格(非特許文献1)で規定されたPlanar予測モード及びDC予測モードを含む。
複数の方向性予測モードは、例えばH.265/HEVC規格で規定された33方向の予測モードを含む。なお、複数の方向性予測モードは、33方向に加えてさらに32方向の予測モード(合計で65個の方向性予測モード)を含んでもよい。図5Aは、イントラ予測における67個のイントラ予測モード(2個の非方向性予測モード及び65個の方向性予測モード)を示す図である。実線矢印は、H.265/HEVC規格で規定された33方向を表し、破線矢印は、追加された32方向を表す。
なお、色差ブロックのイントラ予測において、輝度ブロックが参照されてもよい。つまり、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分が予測されてもよい。このようなイントラ予測は、CCLM(cross-component linear model)予測と呼ばれることがある。このような輝度ブロックを参照する色差ブロックのイントラ予測モード(例えばCCLMモードと呼ばれる)は、色差ブロックのイントラ予測モードの1つとして加えられてもよい。
イントラ予測部124は、水平/垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正してもよい。このような補正をともなうイントラ予測は、PDPC(position dependent intra prediction combination)と呼ばれることがある。PDPCの適用の有無を示す情報(例えばPDPCフラグと呼ばれる)は、例えばCUレベルで信号化される。なお、この情報の信号化は、CUレベルに限定される必要はなく、他のレベル(例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はCTUレベル)であってもよい。
[インター予測部]
インター予測部126は、フレームメモリ122に格納された参照ピクチャであってカレントピクチャとは異なる参照ピクチャを参照してカレントブロックのインター予測(画面間予測ともいう)を行うことで、予測信号(インター予測信号)を生成する。インター予測は、カレントブロック又はカレントブロック内のサブブロック(例えば4x4ブロック)の単位で行われる。例えば、インター予測部126は、カレントブロック又はサブブロックについて参照ピクチャ内で動き探索(motion estimation)を行う。そして、インター予測部126は、動き探索により得られた動き情報(例えば動きベクトル)を用いて動き補償を行うことでカレントブロック又はサブブロックのインター予測信号を生成する。そして、インター予測部126は、生成されたインター予測信号を予測制御部128に出力する。
動き補償に用いられた動き情報は信号化される。動きベクトルの信号化には、予測動きベクトル(motion vector predictor)が用いられてもよい。つまり、動きベクトルと予測動きベクトルとの間の差分が信号化されてもよい。
なお、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号が生成されてもよい。具体的には、動き探索により得られた動き情報に基づく予測信号と、隣接ブロックの動き情報に基づく予測信号と、を重み付け加算することにより、カレントブロック内のサブブロック単位でインター予測信号が生成されてもよい。このようなインター予測(動き補償)は、OBMC(overlapped block motion compensation)と呼ばれることがある。
このようなOBMCモードでは、OBMCのためのサブブロックのサイズを示す情報(例えばOBMCブロックサイズと呼ばれる)は、シーケンスレベルで信号化される。また、OBMCモードを適用するか否かを示す情報(例えばOBMCフラグと呼ばれる)は、CUレベルで信号化される。なお、これらの情報の信号化のレベルは、シーケンスレベル及びCUレベルに限定される必要はなく、他のレベル(例えばピクチャレベル、スライスレベル、タイルレベル、CTUレベル又はサブブロックレベル)であってもよい。
OBMCモードについて、より具体的に説明する。図5B及び図5Cは、OBMC処理による予測画像補正処理の概要を説明するためのフローチャート及び概念図である。
まず、符号化対象ブロックに割り当てられた動きベクトル(MV)を用いて通常の動き補償による予測画像(Pred)を取得する。
次に、符号化済みの左隣接ブロックの動きベクトル(MV_L)を符号化対象ブロックに適用して予測画像(Pred_L)を取得し、前記予測画像とPred_Lとを重みを付けて重ね合わせることで予測画像の1回目の補正を行う。
同様に、符号化済みの上隣接ブロックの動きベクトル(MV_U)を符号化対象ブロックに適用して予測画像(Pred_U)を取得し、前記1回目の補正を行った予測画像とPred_Uとを重みを付けて重ね合わせることで予測画像の2回目の補正を行い、それを最終的な予測画像とする。
なお、ここでは左隣接ブロックと上隣接ブロックを用いた2段階の補正の方法を説明したが、右隣接ブロックや下隣接ブロックを用いて2段階よりも多い回数の補正を行う構成とすることも可能である。
なお、重ね合わせを行う領域はブロック全体の画素領域ではなく、ブロック境界近傍の一部の領域のみであってもよい。
なお、ここでは1枚の参照ピクチャからの予測画像補正処理について説明したが、複数枚の参照ピクチャから予測画像を補正する場合も同様であり、各々の参照ピクチャから補正した予測画像を取得した後に、得られた予測画像をさらに重ね合わせることで最終的な予測画像とする。
なお、前記処理対象ブロックは、予測ブロック単位であっても、予測ブロックをさらに分割したサブブロック単位であってもよい。
OBMC処理を適用するかどうかの判定の方法として、例えば、OBMC処理を適用するかどうかを示す信号であるobmc_flagを用いる方法がある。具体的な一例としては、符号化装置において、符号化対象ブロックが動きの複雑な領域に属しているかどうかを判定し、動きの複雑な領域に属している場合はobmc_flagとして値1を設定してOBMC処理を適用して符号化を行い、動きの複雑な領域に属していない場合はobmc_flagとして値0を設定してOBMC処理を適用せずに符号化を行う。一方、復号化装置では、ストリームに記述されたobmc_flagを復号化するとことで、その値に応じてOBMC処理を適用するかどうかを切替えて復号化を行う。
なお、動き情報は信号化されずに、復号装置側で導出されてもよい。例えば、H.265/HEVC規格で規定されたマージモードが用いられてもよい。また例えば、復号装置側で動き探索を行うことにより動き情報が導出されてもよい。この場合、カレントブロックの画素値を用いずに動き探索が行われる。
ここで、復号装置側で動き探索を行うモードについて説明する。この復号装置側で動き探索を行うモードは、PMMVD(pattern matched motion vector derivation)モード又はFRUC(frame rate up-conversion)モードと呼ばれることがある。
FRUC処理の一例を図5Dに示す。まず、カレントブロックに空間的又は時間的に隣接する符号化済みブロックの動きベクトルを参照して、各々が予測動きベクトルを有する複数の候補のリスト(マージリストと共通であってもよい)が生成される。次に、候補リストに登録されている複数の候補MVの中からベスト候補MVを選択する。例えば、候補リストに含まれる各候補の評価値が算出され、評価値に基づいて1つの候補が選択される。
そして、選択された候補の動きベクトルに基づいて、カレントブロックのための動きベクトルが導出される。具体的には、例えば、選択された候補の動きベクトル(ベスト候補MV)がそのままカレントブロックのための動きベクトルとして導出される。また例えば、選択された候補の動きベクトルに対応する参照ピクチャ内の位置の周辺領域において、パターンマッチングを行うことにより、カレントブロックのための動きベクトルが導出されてもよい。すなわち、ベスト候補MVの周辺の領域に対して同様の方法で探索を行い、さらに評価値が良い値となるMVがあった場合は、ベスト候補MVを前記MVに更新して、それをカレントブロックの最終的なMVとしてもよい。なお、当該処理を実施しない構成とすることも可能である。
サブブロック単位で処理を行う場合も全く同様の処理としてもよい。
なお、評価値は、動きベクトルに対応する参照ピクチャ内の領域と、所定の領域との間のパターンマッチングによって再構成画像の差分値を求めることにより算出される。なお、差分値に加えてそれ以外の情報を用いて評価値を算出してもよい。
パターンマッチングとしては、第1パターンマッチング又は第2パターンマッチングが用いられる。第1パターンマッチング及び第2パターンマッチングは、それぞれ、バイラテラルマッチング(bilateral matching)及びテンプレートマッチング(template matching)と呼ばれることがある。
第1パターンマッチングでは、異なる2つの参照ピクチャ内の2つのブロックであってカレントブロックの動き軌道(motion trajectory)に沿う2つのブロックの間でパターンマッチングが行われる。したがって、第1パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントブロックの動き軌道に沿う他の参照ピクチャ内の領域が用いられる。
図6は、動き軌道に沿う2つのブロック間でのパターンマッチング(バイラテラルマッチング)の一例を説明するための図である。図6に示すように、第1パターンマッチングでは、カレントブロック(Cur block)の動き軌道に沿う2つのブロックであって異なる2つの参照ピクチャ(Ref0、Ref1)内の2つのブロックのペアの中で最もマッチするペアを探索することにより2つの動きベクトル(MV0、MV1)が導出される。具体的には、カレントブロックに対して、候補MVで指定された第1の符号化済み参照ピクチャ(Ref0)内の指定位置における再構成画像と、前記候補MVを表示時間間隔でスケーリングした対称MVで指定された第2の符号化済み参照ピクチャ(Ref1)内の指定位置における再構成画像との差分を導出し、得られた差分値を用いて評価値を算出する。複数の候補MVの中で最も評価値が良い値となる候補MVを最終MVとして選択するとよい。
連続的な動き軌道の仮定の下では、2つの参照ブロックを指し示す動きベクトル(MV0、MV1)は、カレントピクチャ(Cur Pic)と2つの参照ピクチャ(Ref0、Ref1)との間の時間的な距離(TD0、TD1)に対して比例する。例えば、カレントピクチャが時間的に2つの参照ピクチャの間に位置し、カレントピクチャから2つの参照ピクチャへの時間的な距離が等しい場合、第1パターンマッチングでは、鏡映対称な双方向の動きベクトルが導出される。
第2パターンマッチングでは、カレントピクチャ内のテンプレート(カレントピクチャ内でカレントブロックに隣接するブロック(例えば上及び/又は左隣接ブロック))と参照ピクチャ内のブロックとの間でパターンマッチングが行われる。したがって、第2パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントピクチャ内のカレントブロックに隣接するブロックが用いられる。
図7は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング(テンプレートマッチング)の一例を説明するための図である。図7に示すように、第2パターンマッチングでは、カレントピクチャ(Cur Pic)内でカレントブロック(Cur block)に隣接するブロックと最もマッチするブロックを参照ピクチャ(Ref0)内で探索することによりカレントブロックの動きベクトルが導出される。具体的には、カレントブロックに対して、左隣接および上隣接の両方もしくはどちらか一方の符号化済み領域の再構成画像と、候補MVで指定された符号化済み参照ピクチャ(Ref0)内の同等位置における再構成画像との差分を導出し、得られた差分値を用いて評価値を算出し、複数の候補MVの中で最も評価値が良い値となる候補MVをベスト候補MVとして選択するとよい。
このようなFRUCモードを適用するか否かを示す情報(例えばFRUCフラグと呼ばれる)は、CUレベルで信号化される。また、FRUCモードが適用される場合(例えばFRUCフラグが真の場合)、パターンマッチングの方法(第1パターンマッチング又は第2パターンマッチング)を示す情報(例えばFRUCモードフラグと呼ばれる)がCUレベルで信号化される。なお、これらの情報の信号化は、CUレベルに限定される必要はなく、他のレベル(例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、CTUレベル又はサブブロックレベル)であってもよい。
ここで、等速直線運動を仮定したモデルに基づいて動きベクトルを導出するモードについて説明する。このモードは、BIO(bi-directional optical flow)モードと呼ばれることがある。
図8は、等速直線運動を仮定したモデルを説明するための図である。図8において、(vx,vy)は、速度ベクトルを示し、τ0、τ1は、それぞれ、カレントピクチャ(Cur Pic)と2つの参照ピクチャ(Ref0,Ref1)との間の時間的な距離を示す。(MVx0,MVy0)は、参照ピクチャRef0に対応する動きベクトルを示し、(MVx1、MVy1)は、参照ピクチャRef1に対応する動きベクトルを示す。
このとき速度ベクトル(vx,vy)の等速直線運動の仮定の下では、(MVx0,MVy0)及び(MVx1,MVy1)は、それぞれ、(vxτ0,vyτ0)及び(-vxτ1,-vyτ1)と表され、以下のオプティカルフロー等式(1)が成り立つ。
ここで、I(k)は、動き補償後の参照画像k(k=0,1)の輝度値を示す。このオプティカルフロー等式は、(i)輝度値の時間微分と、(ii)水平方向の速度及び参照画像の空間勾配の水平成分の積と、(iii)垂直方向の速度及び参照画像の空間勾配の垂直成分の積と、の和が、ゼロと等しいことを示す。このオプティカルフロー等式とエルミート補間(Hermite interpolation)との組み合わせに基づいて、マージリスト等から得られるブロック単位の動きベクトルが画素単位で補正される。
なお、等速直線運動を仮定したモデルに基づく動きベクトルの導出とは異なる方法で、復号装置側で動きベクトルが導出されてもよい。例えば、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルが導出されてもよい。
ここで、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出するモードについて説明する。このモードは、アフィン動き補償予測(affine motion compensation prediction)モードと呼ばれることがある。
図9Aは、複数の隣接ブロックの動きベクトルに基づくサブブロック単位の動きベクトルの導出を説明するための図である。図9Aにおいて、カレントブロックは、16の4x4サブブロックを含む。ここでは、隣接ブロックの動きベクトルに基づいてカレントブロックの左上角制御ポイントの動きベクトルv0が導出され、隣接サブブロックの動きベクトルに基づいてカレントブロックの右上角制御ポイントの動きベクトルv1が導出される。そして、2つの動きベクトルv0及びv1を用いて、以下の式(2)により、カレントブロック内の各サブブロックの動きベクトル(vx,vy)が導出される。
ここで、x及びyは、それぞれ、サブブロックの水平位置及び垂直位置を示し、wは、予め定められた重み係数を示す。
このようなアフィン動き補償予測モードでは、左上及び右上角制御ポイントの動きベクトルの導出方法が異なるいくつかのモードを含んでもよい。このようなアフィン動き補償予測モードを示す情報(例えばアフィンフラグと呼ばれる)は、CUレベルで信号化される。なお、このアフィン動き補償予測モードを示す情報の信号化は、CUレベルに限定される必要はなく、他のレベル(例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、CTUレベル又はサブブロックレベル)であってもよい。
[予測制御部]
予測制御部128は、イントラ予測信号及びインター予測信号のいずれかを選択し、選択した信号を予測信号として減算部104及び加算部116に出力する。
ここで、マージモードにより符号化対象ピクチャの動きベクトルを導出する例を説明する。図9Bは、マージモードによる動きベクトル導出処理の概要を説明するための図である。
まず、予測MVの候補を登録した予測MVリストを生成する。予測MVの候補としては、符号化対象ブロックの空間的に周辺に位置する複数の符号化済みブロックが持つMVである空間隣接予測MV、符号化済み参照ピクチャにおける符号化対象ブロックの位置を投影した近辺のブロックが持つMVである時間隣接予測MV、空間隣接予測MVと時間隣接予測MVのMV値を組合わせて生成したMVである結合予測MV、および値がゼロのMVであるゼロ予測MV等がある。
次に、予測MVリストに登録されている複数の予測MVの中から1つの予測MVを選択することで、符号化対象ブロックのMVとして決定する。
さらに可変長符号化部では、どの予測MVを選択したかを示す信号であるmerge_idxをストリームに記述して符号化する。
なお、図9Bで説明した予測MVリストに登録する予測MVは一例であり、図中の個数とは異なる個数であったり、図中の予測MVの一部の種類を含まない構成であったり、図中の予測MVの種類以外の予測MVを追加した構成であったりしてもよい。
なお、マージモードにより導出した符号化対象ブロックのMVを用いて、後述するDMVR処理を行うことによって最終的なMVを決定してもよい。
ここで、DMVR処理を用いてMVを決定する例について説明する。
図9Cは、DMVR処理の概要を説明するための概念図である。
まず、処理対象ブロックに設定された最適MVPを候補MVとして、前記候補MVに従って、L0方向の処理済みピクチャである第1参照ピクチャ、およびL1方向の処理済みピクチャである第2参照ピクチャから参照画素をそれぞれ取得し、各参照画素の平均をとることでテンプレートを生成する。
次に、前記テンプレートを用いて、第1参照ピクチャおよび第2参照ピクチャの候補MVの周辺領域をそれぞれ探索し、最もコストが最小となるMVを最終的なMVとして決定する。なお、コスト値はテンプレートの各画素値と探索領域の各画素値との差分値およびMV値等を用いて算出する。
なお、符号化装置および復号化装置では、ここで説明した処理の概要は基本的に共通である。
なお、ここで説明した処理そのものでなくても、候補MVの周辺を探索して最終的なMVを導出することができる処理であれば、他の処理を用いてもよい。
ここで、LIC処理を用いて予測画像を生成するモードについて説明する。
図9Dは、LIC処理による輝度補正処理を用いた予測画像生成方法の概要を説明するための図である。
まず、符号化済みピクチャである参照ピクチャから符号化対象ブロックに対応する参照画像を取得するためのMVを導出する。
次に、符号化対象ブロックに対して、左隣接および上隣接の符号化済み周辺参照領域の輝度画素値と、MVで指定された参照ピクチャ内の同等位置における輝度画素値とを用いて、参照ピクチャと符号化対象ピクチャとで輝度値がどのように変化したかを示す情報を抽出して輝度補正パラメータを算出する。
MVで指定された参照ピクチャ内の参照画像に対して前記輝度補正パラメータを用いて輝度補正処理を行うことで、符号化対象ブロックに対する予測画像を生成する。
なお、図9Dにおける前記周辺参照領域の形状は一例であり、これ以外の形状を用いてもよい。
また、ここでは1枚の参照ピクチャから予測画像を生成する処理について説明したが、複数枚の参照ピクチャから予測画像を生成する場合も同様であり、各々の参照ピクチャから取得した参照画像に同様の方法で輝度補正処理を行ってから予測画像を生成する。
LIC処理を適用するかどうかの判定の方法として、例えば、LIC処理を適用するかどうかを示す信号であるlic_flagを用いる方法がある。具体的な一例としては、符号化装置において、符号化対象ブロックが輝度変化が発生している領域に属しているかどうかを判定し、輝度変化が発生している領域に属している場合はlic_flagとして値1を設定してLIC処理を適用して符号化を行い、輝度変化が発生している領域に属していない場合はlic_flagとして値0を設定してLIC処理を適用せずに符号化を行う。一方、復号化装置では、ストリームに記述されたlic_flagを復号化するとことで、その値に応じてLIC処理を適用するかどうかを切替えて復号化を行う。
LIC処理を適用するかどうかの判定の別の方法として、例えば、周辺ブロックでLIC処理を適用したかどうかに従って判定する方法もある。具体的な一例としては、符号化対象ブロックがマージモードであった場合、マージモード処理におけるMVの導出の際に選択した周辺の符号化済みブロックがLIC処理を適用して符号化したかどうかを判定し、その結果に応じてLIC処理を適用するかどうかを切替えて符号化を行う。なお、この例の場合、復号化における処理も全く同様となる。
[復号装置の概要]
次に、上記の符号化装置100から出力された符号化信号(符号化ビットストリーム)を復号可能な復号装置の概要について説明する。図10は、実施の形態1に係る復号装置200の機能構成を示すブロック図である。復号装置200は、動画像/画像をブロック単位で復号する動画像/画像復号装置である。
図10に示すように、復号装置200は、エントロピー復号部202と、逆量子化部204と、逆変換部206と、加算部208と、ブロックメモリ210と、ループフィルタ部212と、フレームメモリ214と、イントラ予測部216と、インター予測部218と、予測制御部220と、を備える。
復号装置200は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、エントロピー復号部202、逆量子化部204、逆変換部206、加算部208、ループフィルタ部212、イントラ予測部216、インター予測部218及び予測制御部220として機能する。また、復号装置200は、エントロピー復号部202、逆量子化部204、逆変換部206、加算部208、ループフィルタ部212、イントラ予測部216、インター予測部218及び予測制御部220に対応する専用の1以上の電子回路として実現されてもよい。
以下に、復号装置200に含まれる各構成要素について説明する。
[エントロピー復号部]
エントロピー復号部202は、符号化ビットストリームをエントロピー復号する。具体的には、エントロピー復号部202は、例えば、符号化ビットストリームから二値信号に算術復号する。そして、エントロピー復号部202は、二値信号を多値化(debinarize)する。これにより、エントロピー復号部202は、ブロック単位で量子化係数を逆量子化部204に出力する。
[逆量子化部]
逆量子化部204は、エントロピー復号部202からの入力である復号対象ブロック(以下、カレントブロックという)の量子化係数を逆量子化する。具体的には、逆量子化部204は、カレントブロックの量子化係数の各々について、当該量子化係数に対応する量子化パラメータに基づいて当該量子化係数を逆量子化する。そして、逆量子化部204は、カレントブロックの逆量子化された量子化係数(つまり変換係数)を逆変換部206に出力する。
[逆変換部]
逆変換部206は、逆量子化部204からの入力である変換係数を逆変換することにより予測誤差を復元する。
例えば符号化ビットストリームから読み解かれた情報がEMT又はAMTを適用することを示す場合(例えばAMTフラグが真)、逆変換部206は、読み解かれた変換タイプを示す情報に基づいてカレントブロックの変換係数を逆変換する。
また例えば、符号化ビットストリームから読み解かれた情報がNSSTを適用することを示す場合、逆変換部206は、変換係数に逆再変換を適用する。
[加算部]
加算部208は、逆変換部206からの入力である予測誤差と予測制御部220からの入力である予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部208は、再構成されたブロックをブロックメモリ210及びループフィルタ部212に出力する。
[ブロックメモリ]
ブロックメモリ210は、イントラ予測で参照されるブロックであって復号対象ピクチャ(以下、カレントピクチャという)内のブロックを格納するための記憶部である。具体的には、ブロックメモリ210は、加算部208から出力された再構成ブロックを格納する。
[ループフィルタ部]
ループフィルタ部212は、加算部208によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ214及び表示装置等に出力する。
符号化ビットストリームから読み解かれたALFのオン/オフを示す情報がALFのオンを示す場合、局所的な勾配の方向及び活性度に基づいて複数のフィルタの中から1つのフィルタが選択され、選択されたフィルタが再構成ブロックに適用される。
[フレームメモリ]
フレームメモリ214は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ214は、ループフィルタ部212によってフィルタされた再構成ブロックを格納する。
[イントラ予測部]
イントラ予測部216は、符号化ビットストリームから読み解かれたイントラ予測モードに基づいて、ブロックメモリ210に格納されたカレントピクチャ内のブロックを参照してイントラ予測を行うことで、予測信号(イントラ予測信号)を生成する。具体的には、イントラ予測部216は、カレントブロックに隣接するブロックのサンプル(例えば輝度値、色差値)を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部220に出力する。
なお、色差ブロックのイントラ予測において輝度ブロックを参照するイントラ予測モードが選択されている場合は、イントラ予測部216は、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分を予測してもよい。
また、符号化ビットストリームから読み解かれた情報がPDPCの適用を示す場合、イントラ予測部216は、水平/垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正する。
[インター予測部]
インター予測部218は、フレームメモリ214に格納された参照ピクチャを参照して、カレントブロックを予測する。予測は、カレントブロック又はカレントブロック内のサブブロック(例えば4x4ブロック)の単位で行われる。例えば、インター予測部218は、符号化ビットストリームから読み解かれた動き情報(例えば動きベクトル)を用いて動き補償を行うことでカレントブロック又はサブブロックのインター予測信号を生成し、インター予測信号を予測制御部220に出力する。
なお、符号化ビットストリームから読み解かれた情報がOBMCモードを適用することを示す場合、インター予測部218は、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号を生成する。
また、符号化ビットストリームから読み解かれた情報がFRUCモードを適用することを示す場合、インター予測部218は、符号化ストリームから読み解かれたパターンマッチングの方法(バイラテラルマッチング又はテンプレートマッチング)に従って動き探索を行うことにより動き情報を導出する。そして、インター予測部218は、導出された動き情報を用いて動き補償を行う。
また、インター予測部218は、BIOモードが適用される場合に、等速直線運動を仮定したモデルに基づいて動きベクトルを導出する。また、符号化ビットストリームから読み解かれた情報がアフィン動き補償予測モードを適用することを示す場合には、インター予測部218は、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出する。
[予測制御部]
予測制御部220は、イントラ予測信号及びインター予測信号のいずれかを選択し、選択した信号を予測信号として加算部208に出力する。
(実施の形態2)
本実施の形態における符号化装置および復号装置は、イントラ予測を行うときには、事前に、予測対象ブロックの周辺にあって、その予測に用いられる画素である参照サンプルに対してフィルタリングを行う。なお、本実施の形態における符号化装置は、実施の形態1における符号化装置100の全ての構成および機能を備えていてもよく、一部の構成および機能のみを備えていてもよい。同様に、本実施の形態における復号装置は、実施の形態1における復号装置200の全ての構成および機能を備えていてもよく、一部の構成および機能のみを備えていてもよい。
図11は、本実施の形態における符号化装置の機能構成を示すブロック図である。
本実施の形態における符号化装置100Aは、例えば、実施の形態1の符号化装置100と同様の構成要素を備えるとともに、さらに、バイラテラルフィルタ部131を備える。
バイラテラルフィルタ部131は、予測対象ブロックの左または上に配列された複数の画素のそれぞれを参照サンプルとして参照する。そして、バイラテラルフィルタ部131は、複数の参照サンプルのうちの処理対象参照サンプルの画素値に対して、その複数の参照サンプルの画素値を用いたフィルタリングを行う。なお、予測対象ブロックは、イントラ予測部124によってイントラ予測されるブロックである。
図12は、予測対象ブロックと参照サンプルとを示す図である。
バイラテラルフィルタ部131は、イントラ予測部124によるイントラ予測が行われる前に、そのイントラ予測に用いられる参照サンプルに対してフィルタリングを行う。つまり、参照サンプルに対してスムージングが行われる。このようにフィルタリングまたはスムージングが行われる参照サンプルを、処理対象参照サンプルという。このスムージングには、処理対象参照サンプルを含む複数の参照サンプルが用いられる。複数の参照サンプルは、予測対象ブロックの左または上にある既に再構成されたブロック(周辺ブロックともいう)に含まれる画素である。例えば、複数の参照サンプルは、予測対象ブロックの右または上に、一列または一行に配列され、処理対象参照サンプルは、その複数の参照サンプルの中央に配置されている。
ここで、参照サンプル(具体的には処理対象参照サンプル)に対するスムージングは、符号化アーチファクトを低減することができるが、予測に有用なエッジを消してしまうかもしれない。つまり、強いエッジを有するブロックに対しては強いスムージングをかけない方がよい場合がある。
そこで、本実施の形態におけるバイラテラルフィルタ部131は、参照サンプルに対してバイラテラルフィルタによるフィルタリングを行う。つまり、バイラテラルフィルタ部131は、予測対象ブロックの左または上に配列された複数の画素のそれぞれを参照サンプルとして参照する。そして、バイラテラルフィルタ部131は、複数の参照サンプルのうちの処理対象参照サンプルの画素値に対して、その複数の参照サンプルの画素値を用いたフィルタリングを行う。これにより、イントラ予測部124は、フィルタリングされた処理対象参照サンプルの画素値を用いたイントラ予測によって、予測対象ブロックの予測画像を生成する。なお、予測画像は、上述の予測信号に相当する。そして、減算部104は、予測対象ブロックと予測画像との差分を算出する。
また、バイラテラルフィルタ部131は、上述のフィルタリングでは、複数の参照サンプルのそれぞれについて、当該参照サンプルと処理対象参照サンプルとの間の距離と、画素値の差とに基づいて、当該参照サンプルの重みを決定する。そして、バイラテラルフィルタ部131は、その複数の参照サンプルのそれぞれの画素値と、決定された重みとを用いた重み付け加算によって、処理対象参照サンプルの画素値に対してフィルタリングを行う。また、画素値の差は、例えば輝度値の差である。このように、バイラテラルフィルタ部131は、参照サンプルと処理対象参照サンプルとの間の距離と、画素値の差とを用いたフィルタ、すなわちバイラテラルフィルタによるフィルタリングを行う。
なお、処理対象参照サンプルは、上述のようにフィルタリングの対象とされる画素であって、複数の参照サンプルは、処理対象参照サンプルのフィルタリングのために用いられる画素である。この複数の参照サンプルには、処理対象参照サンプルも含まれる。例えば、処理対象参照サンプルは、予測対象ブロックの左に一列に配列されたN個(Nは正の奇数)の参照サンプルのうちの中央の参照サンプルである。あるいは、処理対象参照サンプルは、例えば予測対象ブロックの上に一行に配列されたN個の参照サンプルのうちの中央の参照サンプルである。また、重みは、フィルタ係数である。
これにより、本実施の形態における符号化装置100Aでは、バイラテラルフィルタによるフィルタリングを行うことによって、予測に必要な有用なエッジを残しながら、符号化アーチファクトのスムージングを行うことができる。つまり、予測のために必要となる、再構成された周辺ブロックのエッジを残しつつ、その周辺ブロック内の複数の参照サンプルにある符号化アーチファクトのスムージングを行うことができる。その結果、符号化アーチファクトが低減された予測画像であって、周辺ブロックのエッジが反映された予測画像を生成することができる。
なお、バイラテラルフィルタは、イントラ予測の前に、固定されたスムージングフィルタに代わって、参照サンプルに対して適用される。バイラテラルフィルタは、イントラ予測のために参照サンプルに対して適用される。したがって、このバイラテラルフィルタが適用された参照サンプルは、最終的な復号画像に含まれていなくてもよい。
また、バイラテラルフィルタ部131は、参照サンプルに対してフィルタリングを行うか否かを示すフラグ(Filtering flag)をエントロピー符号化部110に出力してもよい。これにより、エントロピー符号化部110は、ビットストリーム(上述の符号化ストリーム)にそのフラグを含める。その結果、フラグを含むビットストリームが復号装置に送信される。つまり、フラグが復号装置に送信される。ここで、エントロピー符号化部110は、そのフラグをビットストリームに含めるときには、そのフラグを隠蔽してもよい。例えば、エントロピー符号化部110は、フラグの値に応じて、ブロックに含まれる複数の係数(変換係数または量子化係数)のうち、高周波数成分の変換係数または量子化係数に対して1を加算または減算する。これにより、フラグの値(0または1)に応じて、ブロック内の全ての係数の総和は、奇数または偶数に設定される。つまり、フラグがフィルタリングを行うことを示す場合には、その総和は例えば奇数に設定され、フラグがフィルタリングを行わないことを示す場合には、その総和は例えば偶数に設定される。これにより、ビットストリームにはフラグは明示的に含まれず、隠蔽される。なお、フラグが隠蔽される上述のブロックは、予測対象ブロックであってもよく、参照サンプルが属するブロック(すなわち周辺ブロック)であってもよい。
また、バイラテラルフィルタ部131は、参照サンプルに対してフィルタリングを行うか否かを、予測対象ブロックのブロックサイズとイントラ予測モードとに基づいて決定してもよい。
図13は、本実施の形態における復号装置の機能構成を示すブロック図である。
本実施の形態における復号装置200Aは、例えば、実施の形態1の復号装置200と同様の構成要素を備えるとともに、さらに、バイラテラルフィルタ部231を備える。
復号装置200Aにおけるバイラテラルフィルタ部231は、符号化装置100Aにおけるバイラテラルフィルタ部131と同様に、参照サンプルに対してバイラテラルフィルタを適用する。
つまり、バイラテラルフィルタ部231は、符号化された予測対象ブロックの左または上に配列された複数の画素のそれぞれを参照サンプルとして参照する。そして、バイラテラルフィルタ部231は、複数の参照サンプルのうちの処理対象参照サンプルの画素値に対して、その複数の参照サンプルの画素値を用いたフィルタリングを行う。これにより、イントラ予測部216は、フィルタリングされた処理対象参照サンプルの画素値を用いたイントラ予測によって、予測対象ブロックの予測画像を生成する。そして、加算部208は、ビットストリームから得られる予測誤差にその予測画像を加算する。
また、バイラテラルフィルタ部231は、上述のフィルタリングでは、その複数の参照サンプルのそれぞれについて、当該参照サンプルと処理対象参照サンプルとの間の距離と、画素値の差とを用いて、当該参照サンプルの重みを決定する。そして、バイラテラルフィルタ部231は、その複数の参照サンプルのそれぞれの画素値と、決定された重みとを用いた重み付け加算によって、処理対象参照サンプルの画素値に対してフィルタリングを行う。また、画素値の差は、例えば輝度値の差である。このように、バイラテラルフィルタ部231は、参照サンプルと処理対象参照サンプルとの間の距離と、画素値の差とを用いたフィルタ、すなわちバイラテラルフィルタによるフィルタリングを行う。
これにより、本実施の形態における復号装置200Aでは、バイラテラルフィルタによるフィルタリングを行うことによって、予測に必要な有用なエッジを残しながら、符号化アーチファクトのスムージングを行うことができる。つまり、予測のために必要となる、再構成された周辺ブロックのエッジを残しつつ、その周辺ブロック内の複数の参照サンプルにある符号化アーチファクトのスムージングを行うことができる。
また、バイラテラルフィルタ部231は、参照サンプルに対してフィルタリングを行うか否かを示すフラグ(Filtering flag)をビットストリームから読み出してもよい。つまり、バイラテラルフィルタ部231は、エントロピー復号部202を介して、ビットストリームからフラグを取得してもよい。そして、バイラテラルフィルタ部231は、そのフラグによって示される値(0または1)に応じて、参照サンプルに対してバイラテラルフィルタによるフィルタリングを行うか否かを切り替える。
ここで、ビットストリームには、上述のように、そのフラグが隠蔽されていてもよい。この場合、バイラテラルフィルタ部231は、ブロックに含まれる全ての係数の総和が奇数であるか偶数であるかを判定し、その判定結果に応じて、隠蔽されているフラグの値を特定する。例えば、バイラテラルフィルタ部231は、係数の総和が奇数であれば、フラグは1を示すと判定し、バイラテラルフィルタによるフィルタリングを行う。一方、バイラテラルフィルタ部231は、係数の総和が偶数であれば、フラグは0を示すと判定し、バイラテラルフィルタによるフィルタリングを行わない。
また、バイラテラルフィルタ部231は、参照サンプルに対してフィルタリングを行うか否かを、予測対象ブロックのブロックサイズとイントラ予測モードとに基づいて決定してもよい。
図14は、本実施の形態における符号化装置100Aのバイラテラルフィルタ部131による処理動作の第1の例を示すフローチャートである。
バイラテラルフィルタ部131は、予測対象ブロックのブロックサイズとイントラ予測モードとを特定する(ステップS101)。
次に、バイラテラルフィルタ部131は、特定されたブロックサイズとイントラ予測モードにおいて、参照サンプルに対してフィルタリングを行うか否かを判定する(ステップS102)。例えば、参照サンプルに対してフィルタリングが行われるブロックサイズとイントラ予測モードは、予め定められている。この場合、バイラテラルフィルタ部131は、ステップS101で特定されたブロックサイズおよびイントラ予測モードの何れか一方が、その予め定められたブロックサイズまたはイントラ予測モードに一致する場合に、フィルタリングを行うと判定してもよい。あるいは、バイラテラルフィルタ部131は、ステップS101で特定されたブロックサイズおよびイントラ予測モードの両方が、その予め定められたブロックサイズおよびイントラ予測モードに一致する場合に、フィルタリングを行うと判定してもよい。具体的には、バイラテラルフィルタ部131は、予測対象ブロックのブロックサイズが小さい場合には、フィルタリングを行うと判定してもよい。また、バイラテラルフィルタ部131は、予測対象ブロックのイントラ予測モードがプラナー予測モードまたはDC予測モードである場合には、フィルタリングを行わないと判定し、イントラ予測モードが方向性予測モードである場合には、フィルタリングを行うと判定してもよい。
ここで、フィルタリングを行うと判定すると(ステップS102のyes)、バイラテラルフィルタ部131は、参照サンプルに対してバイラテラルフィルタを適用する(ステップS103)。一方、フィルタリングを行わないと判定すると(ステップS102のno)、バイラテラルフィルタ部131は、参照サンプルに対してフィルタリングを行わない(ステップS104)。
本実施の形態における復号装置200Aのバイラテラルフィルタ部231も、図14に示すフローチャートにしたがって動作してもよい。
図15Aは、本実施の形態における符号化装置100Aのバイラテラルフィルタ部131による処理動作の第2の例を示すフローチャートである。
バイラテラルフィルタ部131は、予測対象ブロックに対するブロックサイズとイントラ予測モードとを特定する(ステップS111)。
次に、バイラテラルフィルタ部131は、特定されたブロックサイズとイントラ予測モードにおいて、参照サンプルに対してフィルタリングを行うか否かを判定する(ステップS112)。
ここで、フィルタリングを行うと判定すると(ステップS112のyes)、バイラテラルフィルタ部131は、ビットストリームにフラグを含めるための処理を行う(ステップS113)。つまり、バイラテラルフィルタ部131は、フラグをエントロピー符号化部110に出力することによって、エントロピー符号化部110に対して、そのフラグをビットストリームに含めさせる。そして、バイラテラルフィルタ部131は、そのフラグ(Filtering flag)が1を示すか否かを判定し(ステップS114)、1を示すと判定すると(ステップS114のyes)、参照サンプルに対してバイラテラルフィルタを適用する(ステップS115)。
一方、ステップS112においてフィルタリングを行わないと判定すると(ステップS112のno)、バイラテラルフィルタ部131は、参照サンプルに対してフィルタリングを行わない(ステップS116)。あるいは、ステップS114において上述のフラグが0を示すと判定するときにも(ステップS114のno)、バイラテラルフィルタ部131は、参照サンプルに対してフィルタリングを行わない(ステップS116)。
図15Bは、本実施の形態における復号装置200Bのバイラテラルフィルタ部231による処理動作の第2の例を示すフローチャートである。
バイラテラルフィルタ部231は、予測対象ブロックに対するブロックサイズとイントラ予測モードとを特定する(ステップS211)。
次に、バイラテラルフィルタ部131は、特定されたブロックサイズとイントラ予測モードにおいて、参照サンプルに対してフィルタリングを行うか否かを判定する(ステップS212)。
ここで、フィルタリングを行うと判定すると(ステップS212のyes)、バイラテラルフィルタ部231は、ビットストリームからフラグを読み出すための処理を行う(ステップS213)。つまり、バイラテラルフィルタ部231は、エントロピー復号部202を介して、ビットストリームからフラグを取得する。そして、バイラテラルフィルタ部231は、そのフラグ(Filtering flag)が1を示すか否かを判定し(ステップS214)、1を示すと判定すると(ステップS214のyes)、参照サンプルに対してバイラテラルフィルタを適用する(ステップS215)。
一方、ステップS212においてフィルタリングを行わないと判定すると(ステップS212のno)、バイラテラルフィルタ部231は、参照サンプルに対してフィルタリングを行わない(ステップS216)。あるいは、ステップS214において上述のフラグが0を示すと判定するときにも(ステップS214のno)、バイラテラルフィルタ部231は、参照サンプルに対してフィルタリングを行わない(ステップS216)。
図16Aは、本実施の形態における符号化装置100Aのバイラテラルフィルタ部131による処理動作の第3の例を示すフローチャートである。
バイラテラルフィルタ部131は、予測対象ブロックに対するブロックサイズとイントラ予測モードとを特定する(ステップS121)。
次に、バイラテラルフィルタ部131は、特定されたブロックサイズとイントラ予測モードにおいて、参照サンプルに対してフィルタリングを行うか否かを判定する(ステップS122)。
ここで、フィルタリングを行うと判定すると(ステップS122のyes)、バイラテラルフィルタ部131は、さらに、ブロック内の複数の係数にフラグを隠蔽することが可能か否かを判定する(ステップS123)。そして、隠蔽することが可能であると判定すると(ステップS123のyes)、バイラテラルフィルタ部131は、ビットストリームにフラグを隠蔽するための処理を行う(ステップS124)。つまり、バイラテラルフィルタ部131は、エントロピー符号化部110に対して、ブロック内の全ての係数の総和が、フラグの値に応じて奇数または偶数になるように、何れかの係数に対して1を加算または減算させる。そして、バイラテラルフィルタ部131は、そのフラグ(Filtering flag)が1を示すか否かを判定し(ステップS125)、1を示すと判定すると(ステップS125のyes)、参照サンプルに対してバイラテラルフィルタを適用する(ステップS126)。
一方、ステップS122においてフィルタリングを行わないと判定すると(ステップS122のno)、バイラテラルフィルタ部131は、参照サンプルに対してフィルタリングを行わない(ステップS127)。あるいは、ステップS123において上述のフラグを隠蔽することができないと判定するときにも(ステップS123のno)、バイラテラルフィルタ部131は、参照サンプルに対してフィルタリングを行わない(ステップS127)。また、ステップS125において上述のフラグが0を示すと判定するときにも(ステップS125のno)、バイラテラルフィルタ部131は、参照サンプルに対してフィルタリングを行わない(ステップS127)。
図16Bは、本実施の形態における復号装置200Aのバイラテラルフィルタ部231による処理動作の第3の例を示すフローチャートである。
バイラテラルフィルタ部231は、予測対象ブロックに対するブロックサイズとイントラ予測モードとを特定する(ステップS221)。
次に、バイラテラルフィルタ部231は、特定されたブロックサイズとイントラ予測モードにおいて、参照サンプルに対してフィルタリングを行うか否かを判定する(ステップS222)。
ここで、フィルタリングを行うと判定すると(ステップS222のyes)、バイラテラルフィルタ部231は、さらに、ブロック内の複数の係数にフラグを隠蔽することが可能か否かを判定する(ステップS223)。そして、隠蔽することが可能であると判定すると(ステップS223のyes)、バイラテラルフィルタ部231は、ビットストリームから隠蔽されたフラグを読み出すための処理を行う(ステップS224)。つまり、バイラテラルフィルタ部231は、ビットストリームに含まれるブロック内の全ての係数の総和が奇数であるか偶数であるかを判定し、その判定結果に応じて、隠蔽されているフラグの値を特定する。そして、バイラテラルフィルタ部231は、そのフラグ(Filtering flag)が1を示すか否かを判定し(ステップS225)、1を示すと判定すると(ステップS225のyes)、参照サンプルに対してバイラテラルフィルタを適用する(ステップS226)。
一方、ステップS222においてフィルタリングを行わないと判定すると(ステップS222のno)、バイラテラルフィルタ部231は、参照サンプルに対してフィルタリングを行わない(ステップS227)。あるいは、ステップS223において上述のフラグを隠蔽することができないと判定するときにも(ステップS223のno)、バイラテラルフィルタ部231は、参照サンプルに対してフィルタリングを行わない(ステップS227)。また、ステップS225において上述のフラグが0を示すと判定するときにも(ステップS225のno)、バイラテラルフィルタ部231は、参照サンプルに対してフィルタリングを行わない(ステップS227)。
[バイラテラルフィルタのサイズ]
バイラテラルフィルタは、一次元のフィルタである。これは、それぞれ参照サンプルとして用いられる複数の画素が、予測対象ブロックの左に1列に配列された複数の画素、または、予測対象ブロックの上に1行に配列された複数の画素だけだからである。
一次元のバイラテラルフィルタのサイズsは、例えば、全てのブロックサイズに対して、3タップまたは5タップである。
または、一次元のバイラテラルフィルタのサイズsは、ブロックサイズが小さいほど、小さく、ブロックサイズが大きいほど、大きい。例えば、ブロックサイズが4×4または8×4である場合には、バイラテラルフィルタのサイズsは、3タップである。また、ブロックサイズが8×8、16×8、8×16またはそれら以上である場合には、バイラテラルフィルタのサイズsは、5タップである。
なお、バイラテラルフィルタのサイズsの決定に用いられるブロックサイズは、参照サンプルが属する周辺ブロックのサイズではなく、予測対象ブロックのサイズである。
また、バイラテラルフィルタは、二次元のフィルタであってもよい。この場合には、予測対象ブロックの左に複数列に配列された複数の画素、または、予測対象ブロックの上に複数行に配列された複数の画素がそれぞれ、参照サンプルとして用いられる。
[バイラテラルフィルタの重み]
バイラテラルフィルタに用いられる重みωは、例えば、空間パラメータσdおよびレンジパラメータσγを用いて算出される。
空間パラメータσdは、フィルタの空間的なサイズを制御する。イントラ予測のための従来のスムージングと同様、中央画素(すなわち処理対象参照サンプル)までの距離だけが考慮される。
レンジパラメータσγは、中央画素との間の画素値の差を用いて、画素のフィルタリングの強度を制御する。
バイラテラルフィルタでは、参照サンプルr(k,l)の重みω(i,j,k,l)は、参照サンプルr(k,l)と、フィルタリングされる中央画素r(i,j)との間における、距離と画素値の差との両方に基づいて決定される。
ここで、処理対象参照サンプルおよび参照サンプルのそれぞれの直交座標系における位置を、(i,j)および(k,l)として示す。さらに、処理対象参照サンプルおよび参照サンプルのそれぞれの画素値を、I(i,j)およびI(k,l)として示す。さらに、第1パラメータおよび第2パラメータ、すなわち空間パラメータおよびレンジパラメータのそれぞれを、σdおよびσγとして示す。このような場合、バイラテラルフィルタ部131は、参照サンプルの重みω(i,j,k,l)を、以下の(式3)によって決定する。バイラテラルフィルタ部231も、同様に、参照サンプルの重みω(i,j,k,l)を、以下の(式3)によって決定する。
なお、処理対象参照サンプルr(i,j)は、参照サンプルr(k,l)として用いられてもよい。つまり、この場合には、k=iおよびl=jの関係が成り立つ。したがって、処理対象参照サンプルr(i,j)に対しては、1を示す重みωが決定される。
例えば、バイラテラルフィルタのサイズsが3タップの場合、バイラテラルフィルタ部131および231は、ω(i,j,i-1,j)×I(i-1,j)と、ω(i,j,i,j)×I(i,j)と、ω(i,j,i+1,j)×I(i+1,j)との和を、各重みの積算値で除算することによって、処理対象参照サンプルr(i,j)をフィルタリングする。
空間パラメータσdは、予測対象ブロックのサイズが大きいほど大きい値を示す。また、空間パラメータσdは、ブロック境界の隣の画素の位置に依存してもよい。つまり、ブロック境界に近い参照サンプルに適用されるバイラテラルフィルタの空間パラメータσdは、ブロック境界から遠い参照サンプルに適用されるバイラテラルフィルタの空間パラメータσdよりも大きくてもよい。これにより、ブロック境界に近い参照サンプルをより強くスムージングすることができる。なお、このブロック境界は、参照サンプルが属する既に再構成されたブロック間の境界である。
空間パラメータσdは、ピクチャパラメータセットおよびスライスヘッダの少なくとも一方に含めて送信されてもよい。また、空間パラメータσdは、ピクチャの全体に対して固定されていてもよい。
レンジパラメータσγは、QP(量子化パラメータ)に依存していてもよい。例えば、参照サンプルが属するブロックのQPが小さいほど、その参照サンプルに対するレンジパラメータσγは大きい値を示す。また、レンジパラメータσγは、ピクチャパラメータセットおよびスライスヘッダの少なくとも一方に含めて送信されてもよい。また、レンジパラメータσγは、ピクチャまたはスライスのコントラストに応じて符号化装置100Aによって算出されてもよい。
本実施の形態では、上記(式3)に示すように、バイラテラルフィルタ部131は、参照サンプルr(k,l)の重みωの決定では、距離が長いほど、参照サンプルr(k,l)に対して小さい重みを決定する。具体的には、距離は、上述の中央画素である処理対象参照サンプルr(i,j)と、参照サンプルr(k,l)との間の距離である。
これにより、処理対象参照サンプルから離れた参照サンプルに対して小さい重みが決定され、処理対象参照サンプルに近い参照サンプルに対して大きい重みが決定される。したがって、処理対象参照サンプルに対して空間的に適切なフィルタリングを行うことができる。
また、本実施の形態では、上記(式3)に示すように、バイラテラルフィルタ部131は、参照サンプルr(k,l)の重みの算出では、画素値の差が大きいほど、参照サンプルr(k,l)に対して小さい重みを決定する。具体的には、画素値の差は、処理対象参照サンプルr(i,j)の画素値I(i,j)と、参照サンプルr(k,l)の画素値I(k,l)との差である。画素値I(i,j)およびI(k,l)は、具体的には輝度値である。
これにより、複数の参照サンプルに含まれるエッジを適切に残すことができる。
[空間パラメータσd]
図17は、空間パラメータσdを説明するための図である。
例えば、予測対象ブロックのサイズは、幅Wp×高さHpである。このような予測対象ブロックのイントラ予測に、予測対象ブロックの上にある参照サンプルが用いられる場合、その参照サンプルに対しては、幅Wpに基づく空間パラメータσdを用いたバイラテラルフィルタが適用される。また、予測対象ブロックのイントラ予測に、予測対象ブロックの左にある参照サンプルが用いられる場合、その参照サンプルに対しては、高さHpに基づく空間パラメータσdを用いたバイラテラルフィルタが適用される。例えば、幅Wpまたは高さHpが大きいほど、大きい値を示す空間パラメータσdがバイラテラルフィルタに用いられる。
さらに、上述のように、ブロック境界の隣にある画素(すなわち処理対象参照サンプル)に適用されるバイラテラルフィルタでは、よりスムージングを行うために、大きい値を示す空間パラメータσdが用いられてもよい。そのブロック境界は、例えば図17に示す、ブロックaとブロックdとの間のブロック境界、ブロックdとブロックeとの間のブロック境界、または、ブロックhとブロックiとの間のブロック境界などである。これらのブロック境界に近い参照サンプルに適用されるバイラテラルフィルタの空間パラメータσdは、ブロック境界から遠い参照サンプルに適用されるバイラテラルフィルタの空間パラメータσdよりも大きくてもよい。
なお、空間パラメータσdは、上述の幅Wpまたは高さHpと、ブロック境界からの距離とを変数として有する関数によって導出されてもよく、テーブルから導出されてもよい。テーブルは、例えば、上述の幅Wpまたは高さHpと、ブロック境界からの距離とを含む組ごとに、その組に対応する空間パラメータσdを示す。
このように、本実施の形態では、バイラテラルフィルタ部131は、参照サンプルの重みの決定では、予測対象ブロックのブロックサイズに基づく第1パラメータに対する、上述の距離の割合が大きいほど、参照サンプルに対して小さい重みを決定する。第1パラメータは、空間パラメータσdである。また、第1パラメータは、予測対象ブロックのブロックサイズが大きいほど大きい値を示す。
これにより、ブロックサイズが小さいほど、第1パラメータに対する距離の割合は大きくなり、参照サンプルに対して小さい重みが決定される。したがって、複数の参照サンプルによって示される画像の細かい表現が、フィルタリングによって消えてしまうことを抑えることができる。
[レンジパラメータσγ]
レンジパラメータσγは、符号化装置100Aにおいて画像のコントラストに応じた適切な値として導出され、例えばピクチャパラメータセットに含めて送信される。
レンジパラメータσγは、複数の参照サンプル間の明度の違いが小さいときには、重みが0になるように、小さい値を有する。逆に、レンジパラメータσγは、複数の参照サンプル間の明度の違いが大きいときには、重みが大きくなるように、すなわちより強くスムージングが行われるように、大きい値を有する。
または、レンジパラメータσγは、既に再構成されたブロックとQPとを用いて決定されてもよい。さらに、空間パラメータσdと同様に、ブロック境界に近い参照サンプルに適用されるバイラテラルフィルタのレンジパラメータσγは、大きい値を示してもよい。
なお、空間パラメータσdは、上述のコントラストと、QPと、ブロック境界からの距離とを変数として有する関数によって導出されてもよく、テーブルから導出されてもよい。テーブルは、例えば、上述のコントラストと、QPと、ブロック境界からの距離とを含む組ごとに、その組に対応するレンジパラメータσγを示す。
このように、本実施の形態では、バイラテラルフィルタ部131は、参照サンプルの重みの決定では、複数の参照サンプルのコントラストに基づく第2パラメータに対する、画素値の差の割合が大きいほど、参照サンプルに対して小さい重みを決定する。第2パラメータは、レンジパラメータσγである。また、第2パラメータは、複数の参照サンプルのコントラストが低いほど、小さい値を示す。
これにより、コントラストが低いほど、第2パラメータに対する画素値の差の割合は大きくなり、参照サンプルに対して小さい重みが決定される。したがって、複数の参照サンプルによって示される画像の細かい表現が、フィルタリングによって消えてしまうことを抑えることができる。
図18は、バイラテラルフィルタ部131によるバイラテラルフィルタの処理を示すフローチャートである。
バイラテラルフィルタ部131は、まず、イントラ予測に使用される参照サンプルr(k)を処理対象参照サンプルとして選択する(ステップS131)。
次に、バイラテラルフィルタ部131は、参照サンプルr(k)が予測対象ブロックの上にあるか、左にあるかを判定する(ステップS132)。
ここで、バイラテラルフィルタ部131は、予測対象ブロックの左にあると判定すると(ステップS132の左)、ブロックサイズを予測対象ブロックの高さHpに設定する(ステップS133)。一方、バイラテラルフィルタ部131は、予測対象ブロックの上にあると判定すると(ステップS132の上)、ブロックサイズを予測対象ブロックの幅Wpに設定する(ステップS134)。
次に、バイラテラルフィルタ部131は、ステップS133およびS134において設定されたブロックサイズに基づいて、参照サンプルr(k)に適用されるバイラテラルフィルタのサイズsを決定する(ステップS135)。サイズsは、例えば3タップまたは5タップなどである。
次に、バイラテラルフィルタ部131は、サイズsに応じた複数の参照サンプルr(k-s)、・・・、r(k+s)のそれぞれに対して、処理対象参照サンプルr(k)との間の距離と画素値の差とに基づいて、重みを決定する(ステップS136)。
なお、複数の参照サンプルr(k-s)、・・・、r(k+s)には、上述の参照サンプルr(k)が含まれる。また、重みの決定のために、バイラテラルフィルタ部131は、上述のように設定されたブロックサイズに対応する空間パラメータσdと、複数の参照サンプルr(k-s)、・・・、r(k+s)のコントラストに対応するレンジパラメータσγとを決定してもよい。また、空間パラメータσdは、上述のように、参照サンプルr(k)がブロック境界に近いほど、大きい値であってもよい。また、レンジパラメータσγを決定するためのコントラストは、その複数の参照サンプルの輝度値のうちの最大値と最小値の差であってもよい。また、コントラストは、その複数の参照サンプルを含むブロック、スライスまたはピクチャにおける、輝度値の最大値と最小値の差であってもよい。
また、重みの決定には、ルックアップテーブルが用いられてもよい。また、ルックアップテーブルは、符号化および復号の前に、レンジパラメータσγに応じて、ピクチャに対して決定されてもよい。ルックアップテーブルは、空間パラメータσdと、レンジパラメータσγと、参照サンプル間の距離と、参照サンプル間の画素値の差とを含む組ごとに、その組に対応する重みを示していてもよい。
次に、バイラテラルフィルタ部131は、参照サンプルr(k)に対して、ステップS136において各参照サンプルに対して決定された重みを用いたバイラテラルフィルタを適用する(ステップS137)。
そして、バイラテラルフィルタ部131は、次の処理対象参照サンプルがあるか否かを判定する(ステップS138)。ここで、バイラテラルフィルタ部131は、次の処理対象参照サンプルがあると判定すると(ステップS138のyes)、ステップS131からの処理を繰り返し実行する。一方、バイラテラルフィルタ部131は、次の参照サンプルがないと判定すると(ステップS138のno)、バイラテラルフィルタの処理を終了する。
本実施の形態における復号装置200Aのバイラテラルフィルタ部231も、図18に示すフローチャートにしたがって動作してもよい。
[適応的参照サンプルスムージング]
ここで、本実施の形態におけるバイラテラルフィルタは、適応的参照サンプルスムージングの代わりに用いられてもよい。
適応的参照サンプルスムージングは、バイラテラルフィルタと同様、イントラ予測のために参照サンプルに対して適用される。
各ブロックは、周辺ブロックの再構成された複数の画素(参照サンプル)の画素値を用いて予測される。各参照サンプルは、予測の前に、2つのスムージングフィルタのうちの何れか1つを用いてスムージングされる。第1のスムージングフィルタは、3タップのフィルタであって、3つの参照サンプルに対して[1,2,1]/4の重みが用いられる。つまり、1/4、2/4、および1/4の重みが用いられる。第2のスムージングフィルタは、5タップのフィルタであって、5つの参照サンプルに対して[2,3,6,3,2]/16の重みが用いられる。つまり、2/16、3/16、6/16、3/16、および2/16の重みが用いられる。
参照サンプルがスムージングされるか否かを示すフラグは、復号装置に送信される。このフラグは隠蔽されてもよい。スムージングフィルタは、ブロックサイズと、ブロックの予測モードとに基づいて選択される。4×4、8×4および4×8の小さいブロックに対しては、フラグは送信されない。これは、これらのブロックサイズに対しては、スムージングは必ず適用されないからである。また、ブロックのイントラ予測モードがDC予測モードである場合には、フラグは送信されない。これは、DC予測とともにスムージングが適用されることはないからである。
図19は、適応的参照サンプルスムージングに関するフローチャートである。
まず、符号化装置は、HEVC/H.265の規則にしたがって、指定されたイントラ予測モード番号において参照サンプルをフィルタリングすべきか否かを判定する(ステップS301)。ここで、符号化装置は、フィルタリングすべきでないと判定すると(ステップS301のno)、さらに、フラグ(Filtering Flag)が1を示すか否かを判定する(ステップS302)。ここで、符号化装置は、フラグが1を示さないと判定すると(ステップS302のno)、さらに、フラグを隠蔽することが可能か否かを判定する(ステップS303)。ここで、符号化装置は、フラグを隠蔽することができると判定すると(ステップS303のyes)、参照サンプルをフィルタリングしない(ステップS304)。一方、符号化装置は、フラグを隠蔽することができないと判定すると(ステップS303のno)、HEVC/H.265の規則にしたがって参照サンプルをフィルタリングする(ステップS305)。
また、符号装置は、ステップS302において、フラグが1を示すと判定したときにも(ステップS302のyes)、フラグを隠蔽することが可能か否かを判定する(ステップS306)。ここで、符号化装置は、フラグを隠蔽することができないと判定すると(ステップS306のno)、HEVC/H.265の規則にしたがって参照サンプルをフィルタリングする(ステップS305)。一方、符号化装置は、フラグを隠蔽することができると判定すると(ステップS306のyes)、フラグを隠蔽し、[1,2,1]/4の3タップのフィルタを用いて、参照サンプルをフィルタリングする(ステップS307)。
また、符号化装置は、ステップS301において、フィルタリングすべきと判定すると(ステップS301のyes)、さらに、フラグ(Filtering Flag)が1を示すか否かを判定する(ステップS308)。ここで、符号化装置は、フラグが1を示さないと判定すると(ステップS308のno)、さらに、フラグを隠蔽することが可能か否かを判定する(ステップS309)。ここで、符号化装置は、フラグを隠蔽することができると判定すると(ステップS309のyes)、上述のステップS307の処理を行い、フラグを隠蔽することができないと判定すると(ステップS309のno)、上述のステップS305の処理を行う。
また、符号化装置は、ステップS308において、フラグが1を示すと判定すると(ステップS308のyes)、さらに、フラグを隠蔽することが可能か否かを判定する(ステップS310)。ここで、符号化装置は、フラグを隠蔽することができると判定すると(ステップS310のyes)、フラグを隠蔽し、[2,3,6,3,2]/16の5タップのフィルタを用いて、参照サンプルをフィルタリングする(ステップS311)。一方、符号化装置は、フラグを隠蔽することができないと判定すると(ステップS310のno)、上述のステップS305の処理を行う。
このような適応的参照サンプルスムージングをバイラテラルフィルタに置き換えてもよい。さらに、参照サンプルにバイラテラルフィルタによるスムージングをかけるか、かけないかを切り替えてもよい。例えば、4×4、4×8、および8×4などの小さいサイズのブロックに対しても、スムージングをかけるか、かけないかを切り替えてもよい。
バイラテラルフィルタをかけるか否かは、予測対象ブロックに対して選択されたイントラ予測モードに応じて決定されてもよい。例えば、最も用いられるイントラ予測モード(例えば、プラナーモード)に対してのみ、バイラテラルフィルタが適用されてもよい。または、全ての第2予測方向に対してバイラテラルフィルタを適用し、残りの予測方向に対してはバイラテラルフィルタを適用しなくてもよい。第2予測方向は、例えば、奇数および偶数のうちの何れか一方のイントラ予測モード番号の方向であり、残りの予測方向は、例えば、他方のイントラ予測モード番号の方向である。
[実装例]
図20Aは、上記各実施の形態に係る符号化装置の実装例を示すブロック図である。符号化装置は、処理回路160及びメモリ162を備える。例えば、図1または図11に示された符号化装置の複数の構成要素は、図20Aに示された処理回路160及びメモリ162によって実装される。
処理回路160は、情報処理を行う回路であり、メモリ162にアクセス可能な回路である。例えば、処理回路160は、動画像を符号化する専用又は汎用の電子回路である。処理回路160は、CPUのようなプロセッサであってもよい。また、処理回路160は、複数の電子回路の集合体であってもよい。また、例えば、処理回路160は、図1または図11に示された符号化装置の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
メモリ162は、処理回路160が動画像を符号化するための情報が記憶される汎用又は専用のメモリである。メモリ162は、電子回路であってもよく、処理回路160に接続されていてもよい。また、メモリ162は、処理回路160に含まれていてもよい。また、メモリ162は、複数の電子回路の集合体であってもよい。また、メモリ162は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリ162は、不揮発性メモリでもよいし、揮発性メモリでもよい。
例えば、メモリ162には、符号化される動画像が記憶されてもよいし、符号化された動画像に対応するビット列が記憶されてもよい。また、メモリ162には、処理回路160が動画像を符号化するためのプログラムが記憶されていてもよい。
また、例えば、メモリ162は、図1または図11に示された符号化装置の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリ162は、図1または図11に示されたブロックメモリ118及びフレームメモリ122の役割を果たしてもよい。より具体的には、メモリ162には、処理済みサブブロック、処理済みブロック及び処理済みピクチャ等が記憶されてもよい。
なお、符号化装置において、図1または図11に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図1または図11に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。
図20Bは、処理回路160およびメモリ162を備えた符号化装置の処理動作を示すフローチャートである。
処理回路160は、メモリ162を用いて、まず、予測対象ブロックの左または上に配列された複数の画素のそれぞれを参照サンプルとして参照する(ステップS10)。次に、処理回路160は、複数の参照サンプルのうちの処理対象参照サンプルの画素値に対して、その複数の参照サンプルの画素値を用いたフィルタリングを行う(ステップS11)。次に、処理回路160は、フィルタリングされた処理対象参照サンプルの画素値を用いたイントラ予測によって、予測対象ブロックの予測画像を生成する(ステップS12)。そして、処理回路160は、予測対象ブロックと予測画像との差分を算出する(ステップS13)。
ステップS11におけるフィルタリングでは、処理回路160は、その複数の参照サンプルのそれぞれについて、当該参照サンプルと処理対象参照サンプルとの間の距離と、画素値の差とに基づいて、当該参照サンプルの重みを決定する(ステップS11a)。次に、処理回路160は、その複数の参照サンプルのそれぞれの画素値と、決定された重みとを用いた重み付け加算によって、処理対象参照サンプルの画素値に対してフィルタリングを行う(ステップS11b)。
図21Aは、上記各実施の形態に係る復号装置の実装例を示すブロック図である。復号装置は、処理回路260及びメモリ262を備える。例えば、図10または図13に示された復号装置の複数の構成要素は、図21Aに示された処理回路260及びメモリ262によって実装される。
処理回路260は、情報処理を行う回路であり、メモリ262にアクセス可能な回路である。例えば、処理回路260は、動画像を復号する汎用又は専用の電子回路である。処理回路260は、CPUのようなプロセッサであってもよい。また、処理回路260は、複数の電子回路の集合体であってもよい。また、例えば、処理回路260は、図10または図13に示された復号装置の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
メモリ262は、処理回路260が動画像を復号するための情報が記憶される汎用又は専用のメモリである。メモリ262は、電子回路であってもよく、処理回路260に接続されていてもよい。また、メモリ262は、処理回路260に含まれていてもよい。また、メモリ262は、複数の電子回路の集合体であってもよい。また、メモリ262は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリ262は、不揮発性メモリでもよいし、揮発性メモリでもよい。
例えば、メモリ262には、符号化された動画像に対応するビット列が記憶されてもよいし、復号されたビット列に対応する動画像が記憶されてもよい。また、メモリ262には、処理回路260が動画像を復号するためのプログラムが記憶されていてもよい。
また、例えば、メモリ262は、図10または図13に示された復号装置の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリ262は、図10または図13に示されたブロックメモリ210及びフレームメモリ214の役割を果たしてもよい。より具体的には、メモリ262には、処理済みサブブロック、処理済みブロック及び処理済みピクチャ等が記憶されてもよい。
なお、復号装置において、図10または図13に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図10または図13に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。
図21Bは、処理回路260およびメモリ262を備えた復号装置の処理動作を示すフローチャートである。
処理回路260は、メモリ262を用いて、まず、符号化された予測対象ブロックの左または上に配列された複数の画素のそれぞれを参照サンプルとして参照する(ステップS20)。次に、処理回路260は、複数の参照サンプルのうちの処理対象参照サンプルの画素値に対して、その複数の参照サンプルの画素値を用いたフィルタリングを行う(ステップS21)。次に、処理回路260は、フィルタリングされた処理対象参照サンプルの画素値を用いたイントラ予測によって、予測対象ブロックの予測画像を生成する(ステップS22)。そして、処理回路160は、ビットストリームから得られる予測誤差に予測画像を加算する(ステップS23)。
ステップS21におけるフィルタリングでは、処理回路260は、その複数の参照サンプルのそれぞれについて、当該参照サンプルと処理対象参照サンプルとの間の距離と、画素値の差とに基づいて、当該参照サンプルの重みを決定する(ステップS21a)。次に、処理回路160は、その複数の参照サンプルのそれぞれの画素値と、決定された重みとを用いた重み付け加算によって、処理対象参照サンプルの画素値に対してフィルタリングを行う(ステップS21b)。
[補足]
上記各実施の形態における符号化装置及び復号装置は、それぞれ、画像符号化装置及び画像復号装置として利用されてもよいし、動画像符号化装置及び動画像復号装置として利用されてもよい。
また、上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、CPU又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
具体的には、符号化装置及び復号装置のそれぞれは、処理回路(Processing Circuitry)と、当該処理回路に電気的に接続された、当該処理回路からアクセス可能な記憶装置(Storage)とを備えていてもよい。
処理回路は、専用のハードウェア及びプログラム実行部の少なくとも一方を含み、記憶装置を用いて処理を実行する。また、記憶装置は、処理回路がプログラム実行部を含む場合には、当該プログラム実行部により実行されるソフトウェアプログラムを記憶する。
ここで、上記各実施の形態の符号化装置又は復号装置などを実現するソフトウェアは、次のようなプログラムである。
すなわち、このプログラムは、コンピュータに、図5B、図5D、図14~図16B、図18、図19、図20B、および図21Bのうちの何れかに示すフローチャートにしたがった処理を実行させる。
また、各構成要素は、上述の通り、回路であってもよい。これらの回路は、全体として1つの回路を構成してもよいし、それぞれ別々の回路であってもよい。また、各構成要素は、汎用的なプロセッサで実現されてもよいし、専用のプロセッサで実現されてもよい。
また、特定の構成要素が実行する処理を別の構成要素が実行してもよい。また、処理を実行する順番が変更されてもよいし、複数の処理が並行して実行されてもよい。また、符号化復号装置が、符号化装置及び復号装置を備えていてもよい。
説明に用いられた第1及び第2等の序数は、適宜、付け替えられてもよい。また、構成要素などに対して、序数が新たに与えられてもよいし、取り除かれてもよい。
以上、符号化装置及び復号装置の態様について、各実施の形態に基づいて説明したが、符号化装置及び復号装置の態様は、これらの実施の形態に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、符号化装置及び復号装置の態様の範囲内に含まれてもよい。
(実施の形態3)
以上の各実施の形態において、機能ブロックの各々は、通常、MPU及びメモリ等によって実現可能である。また、機能ブロックの各々による処理は、通常、プロセッサなどのプログラム実行部が、ROM等の記録媒体に記録されたソフトウェア(プログラム)を読み出して実行することで実現される。当該ソフトウェアはダウンロード等により配布されてもよいし、半導体メモリなどの記録媒体に記録して配布されてもよい。なお、各機能ブロックをハードウェア(専用回路)によって実現することも、当然、可能である。
また、各実施の形態において説明した処理は、単一の装置(システム)を用いて集中処理することによって実現してもよく、又は、複数の装置を用いて分散処理することによって実現してもよい。また、上記プログラムを実行するプロセッサは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、又は分散処理を行ってもよい。
本開示の態様は、以上の実施例に限定されることなく、種々の変更が可能であり、それらも本開示の態様の範囲内に包含される。
さらにここで、上記各実施の形態で示した動画像符号化方法(画像符号化方法)又は動画像復号化方法(画像復号方法)の応用例とそれを用いたシステムを説明する。当該システムは、画像符号化方法を用いた画像符号化装置、画像復号方法を用いた画像復号装置、及び両方を備える画像符号化復号装置を有することを特徴とする。システムにおける他の構成について、場合に応じて適切に変更することができる。
[使用例]
図22は、コンテンツ配信サービスを実現するコンテンツ供給システムex100の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ固定無線局である基地局ex106、ex107、ex108、ex109、ex110が設置されている。
このコンテンツ供給システムex100では、インターネットex101に、インターネットサービスプロバイダex102又は通信網ex104、及び基地局ex106~ex110を介して、コンピュータex111、ゲーム機ex112、カメラex113、家電ex114、及びスマートフォンex115などの各機器が接続される。当該コンテンツ供給システムex100は、上記のいずれかの要素を組合せて接続するようにしてもよい。固定無線局である基地局ex106~ex110を介さずに、各機器が電話網又は近距離無線等を介して直接的又は間接的に相互に接続されていてもよい。また、ストリーミングサーバex103は、インターネットex101等を介して、コンピュータex111、ゲーム機ex112、カメラex113、家電ex114、及びスマートフォンex115などの各機器と接続される。また、ストリーミングサーバex103は、衛星ex116を介して、飛行機ex117内のホットスポット内の端末等と接続される。
なお、基地局ex106~ex110の代わりに、無線アクセスポイント又はホットスポット等が用いられてもよい。また、ストリーミングサーバex103は、インターネットex101又はインターネットサービスプロバイダex102を介さずに直接通信網ex104と接続されてもよいし、衛星ex116を介さず直接飛行機ex117と接続されてもよい。
カメラex113はデジタルカメラ等の静止画撮影、及び動画撮影が可能な機器である。また、スマートフォンex115は、一般に2G、3G、3.9G、4G、そして今後は5Gと呼ばれる移動通信システムの方式に対応したスマートフォン機、携帯電話機、又はPHS(Personal Handyphone System)等である。
家電ex118は、冷蔵庫、又は家庭用燃料電池コージェネレーションシステムに含まれる機器等である。
コンテンツ供給システムex100では、撮影機能を有する端末が基地局ex106等を通じてストリーミングサーバex103に接続されることで、ライブ配信等が可能になる。ライブ配信では、端末(コンピュータex111、ゲーム機ex112、カメラex113、家電ex114、スマートフォンex115、及び飛行機ex117内の端末等)は、ユーザが当該端末を用いて撮影した静止画又は動画コンテンツに対して上記各実施の形態で説明した符号化処理を行い、符号化により得られた映像データと、映像に対応する音を符号化した音データと多重化し、得られたデータをストリーミングサーバex103に送信する。即ち、各端末は、本開示の一態様に係る画像符号化装置として機能する。
一方、ストリーミングサーバex103は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントは、上記符号化処理されたデータを復号化することが可能な、コンピュータex111、ゲーム機ex112、カメラex113、家電ex114、スマートフォンex115、又は飛行機ex117内の端末等である。配信されたデータを受信した各機器は、受信したデータを復号化処理して再生する。即ち、各機器は、本開示の一態様に係る画像復号装置として機能する。
[分散処理]
また、ストリーミングサーバex103は複数のサーバ又は複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。例えば、ストリーミングサーバex103は、CDN(Contents Delivery Network)により実現され、世界中に分散された多数のエッジサーバとエッジサーバ間をつなぐネットワークによりコンテンツ配信が実現されていてもよい。CDNでは、クライアントに応じて物理的に近いエッジサーバが動的に割り当てられる。そして、当該エッジサーバにコンテンツがキャッシュ及び配信されることで遅延を減らすことができる。また、何らかのエラーが発生した場合又はトラフィックの増加などにより通信状態が変わる場合に複数のエッジサーバで処理を分散したり、他のエッジサーバに配信主体を切り替えたり、障害が生じたネットワークの部分を迂回して配信を続けることができるので、高速かつ安定した配信が実現できる。
また、配信自体の分散処理にとどまらず、撮影したデータの符号化処理を各端末で行ってもよいし、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、一般に符号化処理では、処理ループが2度行われる。1度目のループでフレーム又はシーン単位での画像の複雑さ、又は、符号量が検出される。また、2度目のループでは画質を維持して符号化効率を向上させる処理が行われる。例えば、端末が1度目の符号化処理を行い、コンテンツを受け取ったサーバ側が2度目の符号化処理を行うことで、各端末での処理負荷を減らしつつもコンテンツの質と効率を向上させることができる。この場合、ほぼリアルタイムで受信して復号する要求があれば、端末が行った一度目の符号化済みデータを他の端末で受信して再生することもできるので、より柔軟なリアルタイム配信も可能になる。
他の例として、カメラex113等は、画像から特徴量抽出を行い、特徴量に関するデータをメタデータとして圧縮してサーバに送信する。サーバは、例えば特徴量からオブジェクトの重要性を判断して量子化精度を切り替えるなど、画像の意味に応じた圧縮を行う。特徴量データはサーバでの再度の圧縮時の動きベクトル予測の精度及び効率向上に特に有効である。また、端末でVLC(可変長符号化)などの簡易的な符号化を行い、サーバでCABAC(コンテキスト適応型二値算術符号化方式)など処理負荷の大きな符号化を行ってもよい。
さらに他の例として、スタジアム、ショッピングモール、又は工場などにおいては、複数の端末によりほぼ同一のシーンが撮影された複数の映像データが存在する場合がある。この場合には、撮影を行った複数の端末と、必要に応じて撮影をしていない他の端末及びサーバを用いて、例えばGOP(Group of Picture)単位、ピクチャ単位、又はピクチャを分割したタイル単位などで符号化処理をそれぞれ割り当てて分散処理を行う。これにより、遅延を減らし、よりリアルタイム性を実現できる。
また、複数の映像データはほぼ同一シーンであるため、各端末で撮影された映像データを互いに参照し合えるように、サーバで管理及び/又は指示をしてもよい。または、各端末からの符号化済みデータを、サーバが受信し複数のデータ間で参照関係を変更、又はピクチャ自体を補正或いは差し替えて符号化しなおしてもよい。これにより、一つ一つのデータの質と効率を高めたストリームを生成できる。
また、サーバは、映像データの符号化方式を変更するトランスコードを行ったうえで映像データを配信してもよい。例えば、サーバは、MPEG系の符号化方式をVP系に変換してもよいし、H.264をH.265に変換してもよい。
このように、符号化処理は、端末、又は1以上のサーバにより行うことが可能である。よって、以下では、処理を行う主体として「サーバ」又は「端末」等の記載を用いるが、サーバで行われる処理の一部又は全てが端末で行われてもよいし、端末で行われる処理の一部又は全てがサーバで行われてもよい。また、これらに関しては、復号処理についても同様である。
[3D、マルチアングル]
近年では、互いにほぼ同期した複数のカメラex113及び/又はスマートフォンex115などの端末により撮影された異なるシーン、又は、同一シーンを異なるアングルから撮影した画像或いは映像を統合して利用することも増えてきている。各端末で撮影した映像は、別途取得した端末間の相対的な位置関係、又は、映像に含まれる特徴点が一致する領域などに基づいて統合される。
サーバは、2次元の動画像を符号化するだけでなく、動画像のシーン解析などに基づいて自動的に、又は、ユーザが指定した時刻において、静止画を符号化し、受信端末に送信してもよい。サーバは、さらに、撮影端末間の相対的な位置関係を取得できる場合には、2次元の動画像だけでなく、同一シーンが異なるアングルから撮影された映像に基づき、当該シーンの3次元形状を生成できる。なお、サーバは、ポイントクラウドなどにより生成した3次元のデータを別途符号化してもよいし、3次元データを用いて人物又はオブジェクトを認識或いは追跡した結果に基づいて、受信端末に送信する映像を、複数の端末で撮影した映像から選択、又は、再構成して生成してもよい。
このようにして、ユーザは、各撮影端末に対応する各映像を任意に選択してシーンを楽しむこともできるし、複数画像又は映像を用いて再構成された3次元データから任意視点の映像を切り出したコンテンツを楽しむこともできる。さらに、映像と同様に音も複数の相異なるアングルから収音され、サーバは、映像に合わせて特定のアングル又は空間からの音を映像と多重化して送信してもよい。
また、近年ではVirtual Reality(VR)及びAugmented Reality(AR)など、現実世界と仮想世界とを対応付けたコンテンツも普及してきている。VRの画像の場合、サーバは、右目用及び左目用の視点画像をそれぞれ作成し、Multi-View Coding(MVC)などにより各視点映像間で参照を許容する符号化を行ってもよいし、互いに参照せずに別ストリームとして符号化してもよい。別ストリームの復号時には、ユーザの視点に応じて仮想的な3次元空間が再現されるように互いに同期させて再生するとよい。
ARの画像の場合には、サーバは、現実空間のカメラ情報に、仮想空間上の仮想物体情報を、3次元的位置又はユーザの視点の動きに基づいて重畳する。復号装置は、仮想物体情報及び3次元データを取得又は保持し、ユーザの視点の動きに応じて2次元画像を生成し、スムーズにつなげることで重畳データを作成してもよい。または、復号装置は仮想物体情報の依頼に加えてユーザの視点の動きをサーバに送信し、サーバは、サーバに保持される3次元データから受信した視点の動きに合わせて重畳データを作成し、重畳データを符号化して復号装置に配信してもよい。なお、重畳データは、RGB以外に透過度を示すα値を有し、サーバは、3次元データから作成されたオブジェクト以外の部分のα値が0などに設定し、当該部分が透過する状態で、符号化してもよい。もしくは、サーバは、クロマキーのように所定の値のRGB値を背景に設定し、オブジェクト以外の部分は背景色にしたデータを生成してもよい。
同様に配信されたデータの復号処理はクライアントである各端末で行っても、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、ある端末が、一旦サーバに受信リクエストを送り、そのリクエストに応じたコンテンツを他の端末で受信し復号処理を行い、ディスプレイを有する装置に復号済みの信号が送信されてもよい。通信可能な端末自体の性能によらず処理を分散して適切なコンテンツを選択することで画質のよいデータを再生することができる。また、他の例として大きなサイズの画像データをTV等で受信しつつ、鑑賞者の個人端末にピクチャが分割されたタイルなど一部の領域が復号されて表示されてもよい。これにより、全体像を共有化しつつ、自身の担当分野又はより詳細に確認したい領域を手元で確認することができる。
また今後は、屋内外にかかわらず近距離、中距離、又は長距離の無線通信が複数使用可能な状況下で、MPEG-DASHなどの配信システム規格を利用して、接続中の通信に対して適切なデータを切り替えながらシームレスにコンテンツを受信することが予想される。これにより、ユーザは、自身の端末のみならず屋内外に設置されたディスプレイなどの復号装置又は表示装置を自由に選択しながらリアルタイムで切り替えられる。また、自身の位置情報などに基づいて、復号する端末及び表示する端末を切り替えながら復号を行うことができる。これにより、目的地への移動中に、表示可能なデバイスが埋め込まれた隣の建物の壁面又は地面の一部に地図情報を表示させながら移動することも可能になる。また、符号化データが受信端末から短時間でアクセスできるサーバにキャッシュされている、又は、コンテンツ・デリバリー・サービスにおけるエッジサーバにコピーされている、などの、ネットワーク上での符号化データへのアクセス容易性に基づいて、受信データのビットレートを切り替えることも可能である。
[スケーラブル符号化]
コンテンツの切り替えに関して、図23に示す、上記各実施の形態で示した動画像符号化方法を応用して圧縮符号化されたスケーラブルなストリームを用いて説明する。サーバは、個別のストリームとして内容は同じで質の異なるストリームを複数有していても構わないが、図示するようにレイヤに分けて符号化を行うことで実現される時間的/空間的スケーラブルなストリームの特徴を活かして、コンテンツを切り替える構成であってもよい。つまり、復号側が性能という内的要因と通信帯域の状態などの外的要因とに応じてどのレイヤまで復号するかを決定することで、復号側は、低解像度のコンテンツと高解像度のコンテンツとを自由に切り替えて復号できる。例えば移動中にスマートフォンex115で視聴していた映像の続きを、帰宅後にインターネットTV等の機器で視聴したい場合には、当該機器は、同じストリームを異なるレイヤまで復号すればよいので、サーバ側の負担を軽減できる。
さらに、上記のように、レイヤ毎にピクチャが符号化されており、ベースレイヤの上位にエンハンスメントレイヤが存在するスケーラビリティを実現する構成以外に、エンハンスメントレイヤが画像の統計情報などに基づくメタ情報を含み、復号側が、メタ情報に基づきベースレイヤのピクチャを超解像することで高画質化したコンテンツを生成してもよい。超解像とは、同一解像度におけるSN比の向上、及び、解像度の拡大のいずれであってもよい。メタ情報は、超解像処理に用いる線形或いは非線形のフィルタ係数を特定するため情報、又は、超解像処理に用いるフィルタ処理、機械学習或いは最小2乗演算におけるパラメータ値を特定する情報などを含む。
または、画像内のオブジェクトなどの意味合いに応じてピクチャがタイル等に分割されており、復号側が、復号するタイルを選択することで一部の領域だけを復号する構成であってもよい。また、オブジェクトの属性(人物、車、ボールなど)と映像内の位置(同一画像における座標位置など)とをメタ情報として格納することで、復号側は、メタ情報に基づいて所望のオブジェクトの位置を特定し、そのオブジェクトを含むタイルを決定できる。例えば、図24に示すように、メタ情報は、HEVCにおけるSEIメッセージなど画素データとは異なるデータ格納構造を用いて格納される。このメタ情報は、例えば、メインオブジェクトの位置、サイズ、又は色彩などを示す。
また、ストリーム、シーケンス又はランダムアクセス単位など、複数のピクチャから構成される単位でメタ情報が格納されてもよい。これにより、復号側は、特定人物が映像内に出現する時刻などが取得でき、ピクチャ単位の情報と合わせることで、オブジェクトが存在するピクチャ、及び、ピクチャ内でのオブジェクトの位置を特定できる。
[Webページの最適化]
図25は、コンピュータex111等におけるwebページの表示画面例を示す図である。図26は、スマートフォンex115等におけるwebページの表示画面例を示す図である。図25及び図26に示すようにwebページが、画像コンテンツへのリンクであるリンク画像を複数含む場合があり、閲覧するデバイスによってその見え方は異なる。画面上に複数のリンク画像が見える場合には、ユーザが明示的にリンク画像を選択するまで、又は画面の中央付近にリンク画像が近付く或いはリンク画像の全体が画面内に入るまでは、表示装置(復号装置)は、リンク画像として各コンテンツが有する静止画又はIピクチャを表示したり、複数の静止画又はIピクチャ等でgifアニメのような映像を表示したり、ベースレイヤのみ受信して映像を復号及び表示したりする。
ユーザによりリンク画像が選択された場合、表示装置は、ベースレイヤを最優先にして復号する。なお、webページを構成するHTMLにスケーラブルなコンテンツであることを示す情報があれば、表示装置は、エンハンスメントレイヤまで復号してもよい。また、リアルタイム性を担保するために、選択される前又は通信帯域が非常に厳しい場合には、表示装置は、前方参照のピクチャ(Iピクチャ、Pピクチャ、前方参照のみのBピクチャ)のみを復号及び表示することで、先頭ピクチャの復号時刻と表示時刻との間の遅延(コンテンツの復号開始から表示開始までの遅延)を低減できる。また、表示装置は、ピクチャの参照関係を敢えて無視して全てのBピクチャ及びPピクチャを前方参照にして粗く復号し、時間が経ち受信したピクチャが増えるにつれて正常の復号を行ってもよい。
[自動走行]
また、車の自動走行又は走行支援のため2次元又は3次元の地図情報などの静止画又は映像データを送受信する場合、受信端末は、1以上のレイヤに属する画像データに加えて、メタ情報として天候又は工事の情報なども受信し、これらを対応付けて復号してもよい。なお、メタ情報は、レイヤに属してもよいし、単に画像データと多重化されてもよい。
この場合、受信端末を含む車、ドローン又は飛行機などが移動するため、受信端末は、当該受信端末の位置情報を受信要求時に送信することで、基地局ex106~ex110を切り替えながらシームレスな受信及び復号を実現できる。また、受信端末は、ユーザの選択、ユーザの状況又は通信帯域の状態に応じて、メタ情報をどの程度受信するか、又は地図情報をどの程度更新していくかを動的に切り替えることが可能になる。
以上のようにして、コンテンツ供給システムex100では、ユーザが送信した符号化された情報をリアルタイムでクライアントが受信して復号し、再生することができる。
[個人コンテンツの配信]
また、コンテンツ供給システムex100では、映像配信業者による高画質で長時間のコンテンツのみならず、個人による低画質で短時間のコンテンツのユニキャスト、又はマルチキャスト配信が可能である。また、このような個人のコンテンツは今後も増加していくと考えられる。個人コンテンツをより優れたコンテンツにするために、サーバは、編集処理を行ってから符号化処理を行ってもよい。これは例えば、以下のような構成で実現できる。
撮影時にリアルタイム又は蓄積して撮影後に、サーバは、原画又は符号化済みデータから撮影エラー、シーン探索、意味の解析、及びオブジェクト検出などの認識処理を行う。そして、サーバは、認識結果に基いて手動又は自動で、ピントずれ又は手ブレなどを補正したり、明度が他のピクチャに比べて低い又は焦点が合っていないシーンなどの重要性の低いシーンを削除したり、オブジェクトのエッジを強調したり、色合いを変化させるなどの編集を行う。サーバは、編集結果に基いて編集後のデータを符号化する。また撮影時刻が長すぎると視聴率が下がることも知られており、サーバは、撮影時間に応じて特定の時間範囲内のコンテンツになるように上記のように重要性が低いシーンのみならず動きが少ないシーンなどを、画像処理結果に基き自動でクリップしてもよい。または、サーバは、シーンの意味解析の結果に基づいてダイジェストを生成して符号化してもよい。
なお、個人コンテンツには、そのままでは著作権、著作者人格権、又は肖像権等の侵害となるものが写り込んでいるケースもあり、共有する範囲が意図した範囲を超えてしまうなど個人にとって不都合な場合もある。よって、例えば、サーバは、画面の周辺部の人の顔、又は家の中などを敢えて焦点が合わない画像に変更して符号化してもよい。また、サーバは、符号化対象画像内に、予め登録した人物とは異なる人物の顔が映っているかどうかを認識し、映っている場合には、顔の部分にモザイクをかけるなどの処理を行ってもよい。または、符号化の前処理又は後処理として、著作権などの観点からユーザが画像を加工したい人物又は背景領域を指定し、サーバは、指定された領域を別の映像に置き換える、又は焦点をぼかすなどの処理を行うことも可能である。人物であれば、動画像において人物をトラッキングしながら、顔の部分の映像を置き換えることができる。
また、データ量の小さい個人コンテンツの視聴はリアルタイム性の要求が強いため、帯域幅にもよるが、復号装置は、まずベースレイヤを最優先で受信して復号及び再生を行う。復号装置は、この間にエンハンスメントレイヤを受信し、再生がループされる場合など2回以上再生される場合に、エンハンスメントレイヤも含めて高画質の映像を再生してもよい。このようにスケーラブルな符号化が行われているストリームであれば、未選択時又は見始めた段階では粗い動画だが、徐々にストリームがスマートになり画像がよくなるような体験を提供することができる。スケーラブル符号化以外にも、1回目に再生される粗いストリームと、1回目の動画を参照して符号化される2回目のストリームとが1つのストリームとして構成されていても同様の体験を提供できる。
[その他の使用例]
また、これらの符号化又は復号処理は、一般的に各端末が有するLSIex500において処理される。LSIex500は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化又は復号用のソフトウェアをコンピュータex111等で読み取り可能な何らかの記録メディア(CD-ROM、フレキシブルディスク、又はハードディスクなど)に組み込み、そのソフトウェアを用いて符号化又は復号処理を行ってもよい。さらに、スマートフォンex115がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データはスマートフォンex115が有するLSIex500で符号化処理されたデータである。
なお、LSIex500は、アプリケーションソフトをダウンロードしてアクティベートする構成であってもよい。この場合、端末は、まず、当該端末がコンテンツの符号化方式に対応しているか、又は、特定サービスの実行能力を有するかを判定する。端末がコンテンツの符号化方式に対応していない場合、又は、特定サービスの実行能力を有さない場合、端末は、コーデック又はアプリケーションソフトをダウンロードし、その後、コンテンツ取得及び再生する。
また、インターネットex101を介したコンテンツ供給システムex100に限らず、デジタル放送用システムにも上記各実施の形態の少なくとも動画像符号化装置(画像符号化装置)又は動画像復号化装置(画像復号装置)のいずれかを組み込むことができる。衛星などを利用して放送用の電波に映像と音が多重化された多重化データを載せて送受信するため、コンテンツ供給システムex100のユニキャストがし易い構成に対してマルチキャスト向きであるという違いがあるが符号化処理及び復号処理に関しては同様の応用が可能である。
[ハードウェア構成]
図27は、スマートフォンex115を示す図である。また、図28は、スマートフォンex115の構成例を示す図である。スマートフォンex115は、基地局ex110との間で電波を送受信するためのアンテナex450と、映像及び静止画を撮ることが可能なカメラ部ex465と、カメラ部ex465で撮像した映像、及びアンテナex450で受信した映像等が復号されたデータを表示する表示部ex458とを備える。スマートフォンex115は、さらに、タッチパネル等である操作部ex466と、音声又は音響を出力するためのスピーカ等である音声出力部ex457と、音声を入力するためのマイク等である音声入力部ex456と、撮影した映像或いは静止画、録音した音声、受信した映像或いは静止画、メール等の符号化されたデータ、又は、復号化されたデータを保存可能なメモリ部ex467と、ユーザを特定し、ネットワークをはじめ各種データへのアクセスの認証をするためのSIMex468とのインタフェース部であるスロット部ex464とを備える。なお、メモリ部ex467の代わりに外付けメモリが用いられてもよい。
また、表示部ex458及び操作部ex466等を統括的に制御する主制御部ex460と、電源回路部ex461、操作入力制御部ex462、映像信号処理部ex455、カメラインタフェース部ex463、ディスプレイ制御部ex459、変調/復調部ex452、多重/分離部ex453、音声信号処理部ex454、スロット部ex464、及びメモリ部ex467とがバスex470を介して接続されている。
電源回路部ex461は、ユーザの操作により電源キーがオン状態にされると、バッテリパックから各部に対して電力を供給することによりスマートフォンex115を動作可能な状態に起動する。
スマートフォンex115は、CPU、ROM及びRAM等を有する主制御部ex460の制御に基づいて、通話及データ通信等の処理を行う。通話時は、音声入力部ex456で収音した音声信号を音声信号処理部ex454でデジタル音声信号に変換し、これを変調/復調部ex452でスペクトラム拡散処理し、送信/受信部ex451でデジタルアナログ変換処理及び周波数変換処理を施した後にアンテナex450を介して送信する。また受信データを増幅して周波数変換処理及びアナログデジタル変換処理を施し、変調/復調部ex452でスペクトラム逆拡散処理し、音声信号処理部ex454でアナログ音声信号に変換した後、これを音声出力部ex457から出力する。データ通信モード時は、本体部の操作部ex466等の操作によってテキスト、静止画、又は映像データが操作入力制御部ex462を介して主制御部ex460に送出され、同様に送受信処理が行われる。データ通信モード時に映像、静止画、又は映像と音声を送信する場合、映像信号処理部ex455は、メモリ部ex467に保存されている映像信号又はカメラ部ex465から入力された映像信号を上記各実施の形態で示した動画像符号化方法によって圧縮符号化し、符号化された映像データを多重/分離部ex453に送出する。また、音声信号処理部ex454は、映像又は静止画等をカメラ部ex465で撮像中に音声入力部ex456で収音した音声信号を符号化し、符号化された音声データを多重/分離部ex453に送出する。多重/分離部ex453は、符号化済み映像データと符号化済み音声データを所定の方式で多重化し、変調/復調部(変調/復調回路部)ex452、及び送信/受信部ex451で変調処理及び変換処理を施してアンテナex450を介して送信する。
電子メール又はチャットに添付された映像、又はウェブページ等にリンクされた映像を受信した場合、アンテナex450を介して受信された多重化データを復号するために、多重/分離部ex453は、多重化データを分離することにより、多重化データを映像データのビットストリームと音声データのビットストリームとに分け、同期バスex470を介して符号化された映像データを映像信号処理部ex455に供給するとともに、符号化された音声データを音声信号処理部ex454に供給する。映像信号処理部ex455は、上記各実施の形態で示した動画像符号化方法に対応した動画像復号化方法によって映像信号を復号し、ディスプレイ制御部ex459を介して表示部ex458から、リンクされた動画像ファイルに含まれる映像又は静止画が表示される。また音声信号処理部ex454は、音声信号を復号し、音声出力部ex457から音声が出力される。なおリアルタイムストリーミングが普及しているため、ユーザの状況によっては音声の再生が社会的にふさわしくない場も起こりえる。そのため、初期値としては、音声信号は再生せず映像データのみを再生する構成の方が望ましい。ユーザが映像データをクリックするなど操作を行った場合にのみ音声を同期して再生してもよい。
またここではスマートフォンex115を例に説明したが、端末としては符号化器及び復号化器を両方持つ送受信型端末の他に、符号化器のみを有する送信端末、及び、復号化器のみを有する受信端末という3通りの実装形式が考えられる。さらに、デジタル放送用システムにおいて、映像データに音声データなどが多重化された多重化データを受信又は送信するとして説明したが、多重化データには、音声データ以外に映像に関連する文字データなどが多重化されてもよいし、多重化データではなく映像データ自体が受信又は送信されてもよい。
なお、CPUを含む主制御部ex460が符号化又は復号処理を制御するとして説明したが、端末はGPUを備えることも多い。よって、CPUとGPUで共通化されたメモリ、又は共通に使用できるようにアドレスが管理されているメモリにより、GPUの性能を活かして広い領域を一括して処理する構成でもよい。これにより符号化時間を短縮でき、リアルタイム性を確保し、低遅延を実現できる。特に動き探索、デブロックフィルタ、SAO(Sample Adaptive Offset)、及び変換・量子化の処理を、CPUではなく、GPUでピクチャなどの単位で一括して行うと効率的である。