JP7455869B2 - イントラ予測を用いた符号化 - Google Patents

Description

本出願は、イントラ予測の分野に関する。実施形態は、最も可能性の高いモードリストを生成するための有利な方法に関する。

今日、最も可能性の高いモードリストを生成する様々な方法が存在する。しかしながら、最終的に使用されるイントラ予測モードがこのリスト内にないので、追加のシンタックス要素が送信される必要がある状況の可能性は依然として高い。
したがって、最も可能性のあるモードリストの生成を最適化するため、および／または符号化効率を改善するための問題に直面している。
これは、本出願の独立請求項の主題によって達成される。
本発明によるさらなる実施形態は、本出願の従属請求項の主題によって定義される。

本発明の第１の態様によれば、本出願の発明者らは、最も可能性の高いイントラ予測モードのリストを形成するときに遭遇する１つの問題が、ありそうにない予測モードが符号化効率に悪影響を及ぼし、所定のブロックを予測するために最終的に使用されるイントラ予測モードがこのリスト内にない状況の可能性を増加させる貴重なリスト位置を引き継ぐことであることを認識した。本出願の第１の態様によれば、この困難さは、所定のブロックに隣接する既に予測された隣接ブロックに基づいて最も可能性の高いイントラ予測モードのリストを形成することによって克服される。したがって、ありそうにないイントラ予測モードを省略することができる。隣接ブロックのイントラ予測モードと同様の所定のブロックのイントラ予測モードの高い確率が期待できる。特に、隣接ブロックのうちの少なくとも１つが任意の角度イントラ予測モードによって予測される場合、リストにはＤＣイントラ予測モードがない。これは、リスト内にある所定のブロックのためにイントラ予測モードが使用される可能性を高める角度イントラ予測モードの多様性を有する最も可能性の高いイントラ予測モードのリストを可能にする。さらに、行列ベースのイントラ予測モードは、例えば、最も可能性の高いイントラ予測モードのリストについて考慮されず、したがって、最も可能性の高いイントラ予測モードのリスト内の位置についてイントラ予測モードの第１のセットのイントラ予測モードと競合しない、イントラ予測モードの別個の第２のセットを形成する。

したがって、本出願の第１の態様によれば、イントラ予測を使用して画像の所定のブロックを復号するための装置は、ＤＣイントラ予測モードおよび角度予測モードを含むイントラ予測モードの第１のセットのうちの１つを使用して所定のブロックが予測されるべきかどうかを示すセット選択的シンタックス要素をデータストリームから導出するように構成される。任意選択で、イントラ予測モードの第１のセットは、ＤＣイントラ予測モードに加えて、またはその代わりに、平面イントラ予測モードを含み得る。セット選択的シンタックス要素が、イントラ予測モードの第１のセットのうちの１つを使用して所定のブロックが予測されるべきであることを示す場合、装置は、所定のブロックに隣接する隣接ブロックが予測されるときを使用してイントラ予測モードに基づいて最も可能性の高いイントラ予測モードのリストを形成し、最も可能性の高いイントラ予測モードのリストを所定のイントラ予測モード上に向けるＭＰＭ（すなわち、最も可能性のあるモード）リストインデックスをデータストリームから導出し、所定のイントラ予測モードを使用して所定のブロックをイントラ予測するように構成される。言い換えれば、この場合、装置は、所定のブロックに隣接する隣接ブロックの予測に使用されるイントラ予測モードに基づいて、最も可能性の高いイントラ予測モードのリストを形成するように構成される。セット選択的シンタックス要素が、イントラ予測モードの第１のセットのうちの１つを使用して所定のブロックが予測されるべきではないことを示す場合、装置は、予測ベクトルを取得するために所定のブロックの近隣内の参照サンプルから導出されたベクトルと所定の行列ベースのイントラ予測モードに関連付けられた所定の予測行列との間の行列ベクトル積を計算し、予測ベクトルに基づいて所定のブロックのサンプルを予測することによって、行列ベースのイントラ予測モードの第２のセット、すなわち行列ベースのイントラ予測モードを含むイントラ予測モードの第２のセットのうちの所定の行列ベースのイントラ予測モードを示すさらなるインデックスをデータストリームから導出するように構成される。この場合、予測は、例えば、図５～図１１の実施形態に関して説明したＡＬＷＩＰ予測と同様または等しい。装置は、隣接ブロックが角度イントラ予測モードのいずれかによって予測されている場合、最も可能性の高いイントラ予測モードのリストがＤＣイントラ予測モードを含まないように、所定のブロックに隣接する隣接ブロックが予測されるときを使用して、イントラ予測モードに基づいて最も可能性の高いイントラ予測モードのリストの形成を実行するように構成される。換言すれば、装置は、隣接ブロックが角度イントラ予測モードのいずれかによって排他的に予測されている場合に、最も可能性の高いイントラ予測モードのリストがＤＣイントラ予測モードを含まないように、所定のブロックに隣接する隣接ブロックが予測されるときを使用して、イントラ予測モードに基づいて最も可能性の高いイントラ予測モードのリストの形成を実行するように構成される。したがって、ＤＣイントラ予測モードは、ＤＣイントラ予測モードが所定のブロックのために選択される可能性が小さい場合、最も可能性の高いイントラ予測モードのリスト内の位置を占有しない。

この装置により、所定のブロックのイントラ予測モードを決定するための有利かつ効率的な方法が導入される。特に、最も可能性の高いイントラ予測モードのリストを形成するための、所定のブロックに隣接する隣接ブロックの予測の有利な分析が提示され、隣接ブロックはすでに予測されている。

一実施形態によれば、装置は、隣接ブロックの各々について、ＤＣイントラ予測モードを含む第１のセットを有する少なくとも１つの非角度イントラ予測モードのいずれかを使用して予測されるか、またはブロックベースのイントラ予測モードの第２のセットから、最も可能性のあるイントラ予測モードのリストの形成に使用される第１のセット内のイントラ予測モードへのマッピングによって、少なくとも１つの非角度イントラ予測モードのいずれかにマッピングされるブロックベースのイントラ予測モードのいずれかを使用して予測される場合にのみ、最も可能性のあるイントラ予測モードのリストがＤＣイントラ予測モードで埋められるように、所定のブロックに隣接する隣接ブロックが予測されるときを使用して、イントラ予測モードに基づいて最も可能性のあるイントラ予測モードのリストの形成を実行するように構成される。言い換えれば、最も可能性の高いイントラ予測モードのリストは、イントラ予測モードの第１のセットの少なくとも１つの非角度イントラ予測モードのいずれかを使用して、すべての隣接ブロック、例えば両方の隣接ブロックの予測の場合のＤＣイントラ予測モードを含む。あるいは、最も可能性の高いイントラ予測モードのリストは、イントラ予測モードの第２のセットのブロックベースのイントラ予測モードのいずれかを使用して、すべての隣接ブロック、例えば両方の隣接ブロックの予測の場合のＤＣイントラ予測モードを含み、ブロックベースのイントラ予測モードは、ブロックベースのイントラ予測モードの第２のセットから第１のセット内の非角度イントラ予測モードにマッピングされる。一実施形態によれば、装置は、最も可能性の高いイントラ予測モードのリスト内の任意の角度イントラ予測モードの前にＤＣイントラ予測モードを位置決めするように構成される。これは、上記のケースでは、ＤＣイントラ予測モードが所定のブロックの最も可能性の高いモードであり、それによってこの位置決めが符号化効率を高めるという考えに基づく。

一実施形態によれば、装置は、イントラ予測モードの第１のセットの所定のイントラ予測モードが最も可能性の高いイントラ予測モードのリスト内にあることを示すＭＰＭシンタックス要素の場合にのみ、データストリームからＭＰＭシンタックス要素を導出し、最も可能性の高いイントラ予測モードのリストを形成するように構成される。この特徴により、最も可能性の高いイントラ予測モードのリストは、必要または有利な場合にのみ形成されるため、符号化効率が向上する。

所定のブロックがイントラ予測モードの第２のセットのうちの１つを使用して予測されるべきである場合、装置は、一実施形態によれば、最も可能性の高いブロックベースのイントラ予測モードのリストを形成するように構成される。この場合、装置は、例えば、最も可能性の高いブロックベースのイントラ予測モードのリストを所定の行列ベースのイントラ予測モード、すなわち所定のブロックベースのイントラ予測モードを指すデータストリームからさらなるＭＰＭリストインデックスを導出するように構成される。任意選択で、最も可能性の高いブロックベースのイントラ予測モードのこのリストは、データストリームから導出されたさらなるＭＰＭシンタックス要素が、所定のブロックベースのイントラ予測モードが最も可能性の高いブロックベースのイントラ予測モードのリスト内にあることを示す場合にのみ形成される。

したがって、装置は、例えば、イントラ予測モードの第１のセットおよびイントラ予測モードの第２のセットのための異なるＭＰＭリストを形成するように構成される。最も可能性の高いイントラ予測モードのリストは、例えば、イントラ予測モードの第１のセットのイントラ予測モードを備え、最も可能性の高いブロックベースのイントラ予測モードのリストは、例えば、イントラ予測モードの第２のセット、すなわちブロックベースのイントラ予測モードの第２のセットのイントラ予測モードを備える。これにより、ブロックベースのイントラ予測モードが、全体的なＭＰＭリスト内の位置に対して、イントラ予測モードの第１のセットのイントラ予測モード、例えばＤＣイントラ予測モードおよび角度予測モードと競合する必要がないことが可能になる。この分離により、所定のブロックのイントラ予測モードが実際にはそれぞれのＭＰＭリスト内にある可能性が高くなる。

一実施形態は、イントラ予測を使用して画像の所定のブロックを符号化するための装置であって、ＤＣイントラ予測モードおよび角度予測モードを含むイントラ予測モードの第１のセットのうちの１つを使用して所定のブロックが予測されるべきかどうかを示すデータストリーム内のセット選択的シンタックス要素をシグナリングするように構成される装置に関する。任意選択で、イントラ予測モードの第１のセットは、ＤＣイントラ予測モードに加えて、またはその代わりに、平面イントラ予測モードを含み得る。セット選択的シンタックス要素が、イントラ予測モードの第１のセットのうちの１つを使用して所定のブロックが予測されるべきであることを示す場合、装置は、所定のブロックに隣接する隣接ブロックが予測されるときを使用してイントラ予測モードに基づいて最も可能性の高いイントラ予測モードのリストを形成し、最も可能性の高いイントラ予測モードのリストを所定のイントラ予測モード上に指し示すデータストリーム内のＭＰＭリストインデックスをシグナリングし、所定のイントラ予測モードを使用して所定のブロックをイントラ予測するように構成される。言い換えれば、この場合、装置は、所定のブロックに隣接する隣接ブロックの予測に使用されるイントラ予測モードに基づいて、最も可能性の高いイントラ予測モードのリストを形成するように構成される。セット選択的シンタックス要素が、イントラ予測モードの第１のセットのうちの１つを使用して所定のブロックが予測されるべきではないことを示す場合、装置は、予測ベクトルを取得するために所定のブロックの近隣内の参照サンプルから導出されたベクトルと所定の行列ベースのイントラ予測モードに関連付けられた所定の予測行列との間の行列ベクトル積を計算し、予測ベクトルに基づいて所定のブロックのサンプルを予測することによって、行列ベースのイントラ予測モードの第２のセット、すなわち行列ベースのイントラ予測モードを含むイントラ予測モードの第２のセットのうちの所定の行列ベースのイントラ予測モードを示すデータストリーム内のさらなるインデックスをシグナリングするように構成される。この場合、予測は、例えば、図５～図１１の実施形態に関して説明したＡＬＷＩＰ予測と同様または等しい。最も可能性の高いイントラ予測モードのリストは、隣接ブロックが角度イントラ予測モードのいずれかによって予測されている場合に、最も可能性の高いイントラ予測モードのリストがＤＣイントラ予測モードを含まないように、所定のブロックに隣接する隣接ブロックが予測されるときを使用して、イントラ予測モードに基づいて形成される。換言すれば、最も可能性の高いイントラ予測モードのリストは、隣接するブロックが角度イントラ予測モードのいずれかによって排他的に予測されている場合に、最も可能性の高いイントラ予測モードのリストがＤＣイントラ予測モードを含まないように、所定のブロックに隣接する隣接ブロックが予測されるときに使用されるイントラ予測モードに基づいて形成される。

一実施形態は、イントラ予測を使用して画像の所定のブロックを復号するための方法であって、ＤＣイントラ予測モードおよび角度予測モードを含むイントラ予測モードの第１のセットのうちの１つを使用して所定のブロックが予測されるべきかどうかを示すセット選択的シンタックス要素をデータストリームから導出するステップを含む、方法に関する。セット選択的シンタックス要素が、イントラ予測モードの第１のセットのうちの１つを使用して所定のブロックが予測されるべきであることを示す場合、本方法は、所定のブロックに隣接する隣接ブロックが予測されるときを使用してイントラ予測モードに基づいて最も可能性の高いイントラ予測モードのリストを形成するステップと、最も可能性の高いイントラ予測モードのリストを所定のイントラ予測モード上に指し示すＭＰＭリストインデックスをデータストリームから導出するステップと、所定のイントラ予測モードを使用して所定のブロックをイントラ予測するステップとを含む。セット選択的シンタックス要素が、イントラ予測モードの第１のセットのうちの１つを使用して所定のブロックが予測されるべきではないことを示す場合、本方法は、予測ベクトルを取得するために、所定のブロックの近傍の参照サンプルから導出されたベクトルと所定の行列ベースのイントラ予測モードに関連付けられた所定の予測行列との間の行列ベクトル積を計算し、予測ベクトルに基づいて所定のブロックのサンプルを予測することによって、行列ベースのイントラ予測モードの第２のセットのうちの所定の行列ベースのイントラ予測モードを示すさらなるインデックスをデータストリームから導出するステップを含む。最も可能性の高いイントラ予測モードのリストは、隣接ブロックが角度イントラ予測モードのいずれかによって予測されている場合に、最も可能性の高いイントラ予測モードのリストがＤＣイントラ予測モードを含まないように、所定のブロックに隣接する隣接ブロックが予測されるときを使用して、イントラ予測モードに基づいて形成される。換言すれば、最も可能性の高いイントラ予測モードのリストは、隣接するブロックが角度イントラ予測モードのいずれかによって排他的に予測されている場合に、最も可能性の高いイントラ予測モードのリストがＤＣイントラ予測モードを含まないように、所定のブロックに隣接する隣接ブロックが予測されるときに使用されるイントラ予測モードに基づいて形成される。

一実施形態は、イントラ予測を使用して画像の所定のブロックを符号化するための方法であって、ＤＣイントラ予測モードおよび角度予測モードを含むイントラ予測モードの第１のセットのうちの１つを使用して所定のブロックが予測されるべきかどうかを示すデータストリーム内のセット選択的シンタックス要素をシグナリングするステップを含む、方法に関する。セット選択的シンタックス要素が、イントラ予測モードの第１のセットのうちの１つを使用して所定のブロックが予測されるべきであることを示す場合、方法は、所定のブロックに隣接する隣接ブロックが予測されるときを使用してイントラ予測モードに基づいて最も可能性の高いイントラ予測モードのリストを形成するステップと、最も可能性の高いイントラ予測モードのリストを所定のイントラ予測モード上に向けるデータストリーム内のＭＰＭリストインデックスをシグナリングするステップと、所定のイントラ予測モードを使用して所定のブロックをイントラ予測するステップとを含む。セット選択的シンタックス要素が、イントラ予測モードの第１のセットのうちの１つを使用して所定のブロックが予測されるべきでないことを示す場合、方法は、予測ベクトルを取得するために、所定のブロックの近傍の参照サンプルから導出されたベクトルと所定の行列ベースのイントラ予測モードに関連付けられた所定の予測行列との間の行列ベクトル積を計算するステップと、予測ベクトルに基づいて所定のブロックのサンプルを予測するステップとによって、第２のセットの行列ベースのイントラ予測モードのうちの所定の行列ベースのイントラ予測モードを示すデータストリーム内のさらなるインデックスをシグナリングするステップとを含む。最も可能性の高いイントラ予測モードのリストは、隣接ブロックが角度イントラ予測モードのいずれかによって予測されている場合に、最も可能性の高いイントラ予測モードのリストがＤＣイントラ予測モードを含まないように、所定のブロックに隣接する隣接ブロックが予測されるときを使用して、イントラ予測モードに基づいて形成される。換言すれば、最も可能性の高いイントラ予測モードのリストは、隣接するブロックが角度イントラ予測モードのいずれかによって排他的に予測されている場合に、最も可能性の高いイントラ予測モードのリストがＤＣイントラ予測モードを含まないように、所定のブロックに隣接する隣接ブロックが予測されるときに使用されるイントラ予測モードに基づいて形成される。
一実施形態は、本明細書に記載の符号化方法を使用して符号化された画像を有するデータストリームに関する。
一実施形態は、コンピュータ上で実行されると、本明細書に記載の方法を実行するためのプログラムコードを有するコンピュータプログラムに関する。

図面は、必ずしも縮尺通りではなく、代わりに一般に本発明の原理を説明することに重点が置かれている。以下の説明では、本発明の様々な実施形態が、以下の図面を参照して説明される。
データストリームへの符号化の一実施形態を示す図である。 符号化器の一実施形態を示す図である。 画像の再構成の一実施形態を示す図である。 復号器の一実施形態を示す図である。 一実施形態による、符号化および／または復号のためのブロックの予測の概略図である。 一実施形態による、符号化および／または復号のためのブロックの予測のための行列演算を示す図である。 一実施形態による、低減されたサンプル値ベクトルを有するブロックの予測を示す図である。 一実施形態によるサンプルの補間を使用したブロックの予測を示す図である。 一実施形態による、いくつかの境界サンプルのみが平均化される、サンプル値ベクトルが削減されたブロックの予測を示す図である。 一実施形態による、低減されたサンプル値ベクトルを有するブロックの予測を示し、４つの境界サンプルのグループが平均化される。 一実施形態による装置によって実行される行列演算を示す図である。 一実施形態による装置によって実行される詳細な行列演算を示す図である。 一実施形態による装置によって実行される詳細な行列演算を示す図である。 一実施形態による装置によって実行される詳細な行列演算を示す図である。 一実施形態による、オフセットおよびスケーリングパラメータを使用して装置によって実行される詳細な行列演算を示す図である。 異なる実施形態による、オフセットおよびスケーリングパラメータを使用して装置によって実行される詳細な行列演算を示す図である。 一実施形態による所定のブロックを復号するための装置の概略図である。 一実施形態による所定のブロックの復号および符号化の詳細を示す概略図である。 一実施形態による所定のブロックを符号化するための装置の概略図である。 一実施形態による所定のブロックを復号するための方法のブロック図である。 一実施形態による所定のブロックを符号化するための方法のブロック図を示す。

同じもしくは同等の要素、または同じもしくは同等の機能を有する要素は、異なる図で発生する場合であっても、以下の説明では同じまたは同等の参照番号で示される。

以下の説明では、本発明の実施形態のより全体的な説明を提供するために、複数の詳細が記載される。しかしながら、本発明の実施形態がこれらの具体的な詳細なしに実施され得ることは、当業者には明らかであろう。他の例では、本発明の実施形態を不明瞭にすることを避けるために、周知の構造およびデバイスが詳細ではなくブロック図形式で示されている。さらに、後に本明細書に記載される異なる実施形態の特徴は、特に明記しない限り、互いに組み合わせることができる。
１ 序論

以下では、異なる本発明の実施例、実施形態および態様を説明する。これらの例、実施形態、および態様の少なくともいくつかは、とりわけ、ビデオコーディングのための、および／または例えば隣接するサンプル低減を伴う線形もしくはアフィン変換を使用してイントラ予測を実行するための、および／または例えばビデオアプリケーションおよび／または仮想現実アプリケーションのためのビデオ配信（例えば、放送、ストリーミング、ファイル再生などである）を最適化するための方法および／または装置に関する。

さらに、例、実施形態、および態様は、高効率ビデオ符号化（ＨＥＶＣ）または後継を参照し得る。また、さらなる実施形態、例および態様は、添付の特許請求の範囲によって定義される。

特許請求の範囲によって定義される任意の実施形態、例および態様は、以下の章に記載される詳細（特徴および機能）のいずれかによって補足することができることに留意されたい。

また、以下の章に記載される実施形態、例、および態様は、個別に使用することができ、別の章の特徴のいずれか、または特許請求の範囲に含まれる任意の特徴によって補足することもできる。

また、本明細書に記載の個々の例、実施形態および態様は、個別にまたは組み合わせて使用することができることに留意されたい。したがって、詳細は、上記例、実施形態および態様のうちの別の１つに詳細を追加することなく、上記個々の態様の各々に追加することができる。
本開示は、復号および／または符号化システムおよび／または方法の特徴を明示的または暗黙的に説明することにも留意されたい。

さらに、方法に関連して本明細書に開示された特徴および機能を装置で使用することもできる。さらに、装置に関して本明細書に開示された任意の特徴および機能を、対応する方法で使用することもできる。言い換えれば、本明細書に開示された方法は、装置に関して説明された特徴および機能のいずれかによって補完することができる。

また、本明細書に記載されている特徴および機能のいずれも、「実装選択肢」のセクションで説明するように、ハードウェアもしくはソフトウェアで、またはハードウェアとソフトウェアの組み合わせを使用して実装することができる。

さらに、括弧内に記載された特徴のいずれか（「（．．．）」または「［．．．］」）は、いくつかの例、実施形態、または態様では任意選択であると見なされ得る。
２ 符号化器、復号器

以下では、ブロックベースの予測を使用する場合に、より効果的な圧縮を達成するのを支援することができる様々な例を説明する。いくつかの例は、イントラ予測モードのセットを費やすことによって高い圧縮効率を達成する。後者は、例えばヒューリスティックに設計された他のイントラ予測モードに追加されてもよく、または排他的に提供されてもよい。また、さらに他の例では、前述の専門分野の両方を利用している。しかしながら、これらの実施形態の振動として、イントラ予測は、代わりに別の画像内の参照サンプルを使用することによってインター予測に変換され得る。

本出願の以下の例の理解を容易にするために、説明は、続いて概説される本出願の例を構築することができる可能な符号化器およびそれに嵌合する復号器の提示から始まる。図１は、画像１０をデータストリーム１２にブロック単位で符号化するための装置を示す。装置は、参照符号１４を使用して示され、静止画符号化器またはビデオ符号化器であってもよい。言い換えれば、符号化器１４が画像１０を含むビデオ１６をデータストリーム１２に符号化するように構成されている場合、画像１０は、ビデオ１６のうちの現在の画像であってもよく、または符号化器１４は、画像１０をデータストリーム１２に排他的に符号化してもよい。

上述したように、符号化器１４は、ブロック単位またはブロックベースで符号化を実行する。これのために、符号化器１４は画像１０をブロックに細分し、ブロックの単位で符号化器１４は画像１０をデータストリーム１２に符号化する。画像１０のブロック１８への可能な細分化の例は、以下により詳細に記載される。一般に、細分化は、画像１０の画像エリア全体から、または画像１０の事前分割からツリーブロックのアレイへのマルチツリー細分化を開始する階層マルチツリー細分化の使用などによって、行および列に配置されたブロックのアレイなどの一定サイズのブロック１８、または異なるブロックサイズのブロック１８に終了することができ、これらの例は、画像１０をブロック１８に細分化する他の可能な方法を除外するものとして扱われない。

さらに、符号化器１４は、画像１０をデータストリーム１２に予測的に符号化するように構成された予測符号化器である。特定のブロック１８の場合、これは、符号化器１４がブロック１８の予測信号を決定し、予測残差、すなわち予測信号がブロック１８内の実際の画像コンテンツから逸脱する予測誤差をデータストリーム１２に符号化することを意味する。

符号化器１４は、あるブロック１８の予測信号を導出するために、異なる予測モードをサポートし得る。以下の例で重要である予測モードはイントラ予測モードであり、それに従ってブロック１８の内側が画像１０の隣接する既に符号化されたサンプルから空間的に予測される。画像１０のデータストリーム１２への符号化、したがって対応する復号手順は、ブロック１８間で定義された特定の符号化順序２０に基づくことができる。例えば、符号化順序２０は、例えば、各行を左から右にトラバースしながら、上から下へ行ごとなどのラスタスキャン順序でブロック１８をトラバースすることができる。階層的マルチツリーベースの細分化の場合、ラスタースキャン順序付けは各階層レベル内で適用されてもよく、深さ優先トラバーサル順序が適用されてもよく、すなわち、特定の階層レベルのブロック内のリーフノードは、符号化順序２０に従って同じ親ブロックを有する同じ階層レベルのブロックに先行してもよい。符号化順序２０に応じて、ブロック１８の隣接する既に符号化されたサンプルは、通常、ブロック１８の１つまたは複数の側に位置することができる。本明細書に提示される例の場合、例えば、ブロック１８の隣接する既に符号化されたサンプルは、ブロック１８の上部および左側に位置する。

イントラ予測モードは、符号化器１４によってサポートされている唯一のモードではない場合があり得る。例えば、符号化器１４がビデオ符号化器である場合、符号化器１４はまた、ビデオ１６の以前に符号化された画像から、ブロック１８が一時的に予測されるインター予測モードをサポートし得る。そのようなインター予測モードは、動き補償予測モードであってもよく、それに従って、ブロック１８の予測信号がコピーとして導出される部分の相対空間オフセットを示す動きベクトルがそのようなブロック１８に対してシグナリングされる。それに加えて、またはその代わりに、符号化器１４がマルチビュー符号化器である場合のインター予測モード、またはブロック１８の内部がそのまま、すなわち予測なしで符号化される非予測モードなどの他の非イントラ予測モードも利用可能であり得る。

本出願の説明をイントラ予測モードに集中することから始める前に、図２に関して説明したように、可能なブロックベースの符号化器、すなわち符号化器１４の可能な実装形態のより具体的な例を示し、次に、それぞれ図１および図２に適合する復号器の２つの対応する例を示す。

図２は、図１の符号化器１４の可能な実装形態、すなわち、符号化器が予測残差を符号化するために変換符号化を使用するように構成されているが、これはほぼ一例であり、本出願はその種の予測残差符号化に限定されない。図２によれば、符号化器１４は、インバウンド信号、すなわち画像１０、またはブロックベースで現在のブロック１８から対応する予測信号２４を減算して、予測残差符号化器２８によってデータストリーム１２に符号化される予測残差信号２６を取得するように構成された減算器２２を備える。予測残差符号化器２８は、非可逆符号化段階２８ａと可逆符号化段階２８ｂとから構成される。非可逆段２８ａは、予測残差信号２６を受け取り、予測残差信号２６のサンプルを量子化する量子化器３０を備える。既に上述したように、本例は、予測残差信号２６の変換符号化を使用し、したがって、損失性符号化段２８ａは、そのようなスペクトル分解された予測残差２６を変換するように減算器２２と量子化器３０との間に接続された変換段３２を備え、量子化器３０の量子化は、残差信号２６を提示する変換係数に対して行われる。変換は、ＤＣＴ、ＤＳＴ、ＦＦＴ、アダマール変換などであってもよい。次いで、変換され量子化された予測残差信号３４は、エントロピーコーダのエントロピー符号化量子化された予測残差信号３４である可逆符号化段２８ｂによって可逆符号化されてデータストリーム１２になる。符号化器１４は、変換および量子化された予測残差信号３４から復号器でも利用可能な方法で予測残差信号を再構成するように、量子化器３０の出力に接続された予測残差信号再構成段３６をさらに備え、すなわち符号化損失を量子化器３０で考慮する。この目的のために、予測残差再構成段３６は、量子化器３０の量子化の逆を実行する逆量子化器３８と、その後に続く、上述の特定の変換例のいずれかに対する逆などのスペクトル分解の逆など、変換器３２によって実行される変換に対して逆変換を実行する逆変換器４０とを備える。符号化器１４は、逆変換器４０によって出力された再構築された予測残差信号と予測信号２４とを加算して、再構築された信号、すなわち再構築されたサンプルを出力する加算器４２を備える。この出力は、符号化器１４の予測器４４に供給され、予測器４４は、予測信号２４をそれに基づいて決定する。これは、図１に関してすでに上述したすべての予測モードをサポートする予測器４４である。図２はまた、符号化器１４がビデオ符号化器である場合、符号化器１４が、フィルタリングされた後、インター予測ブロックに関する予測器４４のための参照画像を形成する、完全に再構成された画像をフィルタリングするインループフィルタ４６を備えてもよいことを示す。

既に上述したように、符号器１４はブロックベースで動作する。以下の説明のために、関心のあるブロックベースは、予測器４４または符号器１４によってそれぞれサポートされるセットまたは複数のイントラ予測モードからイントラ予測モードが選択され、選択されたイントラ予測モードが個別に実行されるブロックに、一個の細分化画像１０である。しかしながら、画像１０が細分される他の種類のブロックも存在し得る。例えば、画像１０がインター符号化されるかイントラ符号化されるかの上述の決定は、粒度で、またはブロック１８から逸脱するブロックの単位で行われ得る。例えば、インター／イントラモード決定は、画像１０が再分割され、各符号化ブロックが予測ブロックに再分割される符号化ブロックのレベルで実行されてもよい。イントラ予測が使用されると決定された符号化ブロックを有する予測ブロックは、それぞれイントラ予測モード決定に細分される。これに対して、これらの予測ブロックのそれぞれについて、それぞれの予測ブロックに対してどのサポートされるイントラ予測モードを使用すべきかが決定される。これらの予測ブロックは、ここで関心のあるブロック１８を形成する。インター予測に関連付けられた符号化ブロック内の予測ブロックは、予測器４４によって異なるように扱われる。それらは、動きベクトルを決定し、動きベクトルによって指し示される参照画像内の位置からこのブロックの予測信号をコピーすることによって、参照画像から相互予測される。別のブロック細分化は、変換器３２および逆変換器４０による変換が実行される単位での変換ブロックへの細分化に関する。変換されたブロックは、例えば、符号化ブロックをさらに細分化した結果であり得る。当然ながら、本明細書に記載の実施例は限定的であるとして扱われるべきではなく、他の実施例も存在する。完全を期すためだけに、符号化ブロックへの細分化は、例えば、マルチツリー細分化を使用してもよく、予測ブロックおよび／または変換ブロックは、マルチツリー細分化を使用して符号化ブロックをさらに細分化することによって取得されてもよいことに留意されたい。

図１の符号化器１４に適合するブロック単位の復号のための復号器５４または装置が図３に示されている。この復号器５４は、符号化器１４とは反対のことを行い、すなわち、データストリーム１２画像１０からブロック単位で復号し、この目的のために、複数のイントラ予測モードをサポートする。復号器５４は、例えば、残差プロバイダ１５６を備えることができる。図１に関して上述した他のすべての可能性は、復号器５４にも有効である。これに対して、復号器５４は、静止画復号器またはビデオ復号器であってもよく、すべての予測モードおよび予測可能性も復号器５４によってサポートされる。符号化器１４と復号器５４との違いは、主に、符号化器１４が、例えば、符号化レートおよび／または符号化歪みに依存し得る何らかのコスト関数を最小化するために、何らかの最適化に従って符号化決定を選択または選択するという事実にある。これらの符号化オプションまたは符号化パラメータのうちの１つは、利用可能またはサポートされるイントラ予測モードの中から、現在のブロック１８に使用されるイントラ予測モードの選択を含み得る。次いで、選択されたイントラ予測モードは、復号器５４がブロック１８のデータストリーム１２内のこのシグナリングを使用して選択を再実行することにより、データストリーム１２内の現在のブロック１８の符号化器１４によってシグナリングされ得る。同様に、画像１０のブロック１８への細分化は、符号化器１４内で最適化の対象とすることができ、対応する細分情報は、復号器５４が細分情報に基づいて画像１０の細分化をブロック１８に復元することによってデータストリーム１２内で伝達することができる。上記を要約すると、復号器５４は、ブロックベースで動作する予測復号器であってもよく、また、イントラ予測モードに加えて、復号器５４は、例えば復号器５４がビデオ復号器である場合には、インター予測モードなどの他の予測モードをサポートしてもよい。復号において、復号器５４はまた、図１に関して説明した符号化順序２０を使用することができ、この符号化順序２０は符号器１４と復号器５４の両方で遵守されるため、同じ隣接サンプルが符号器１４と復号器５４の両方で現在のブロック１８に利用可能である。したがって、不必要な繰り返しを回避するために、符号化器１４の動作モードの説明は、画像１０のブロックへの細分化に関する限り、例えば、予測に関する限り、および予測残差の符号化に関する限り、復号器５４にも適用されるものとする。違いは、符号化器１４が、最適化によって、いくつかの符号化オプションまたは符号化パラメータを選択し、予測、細分化などを再実行するために、データストリーム１２内に、その後、復号器５４によってデータストリーム１２から導出された符号化パラメータをシグナリングおよび挿入するという事実にある。

図４は、図３の復号器５４の可能な実装形態、すなわち、図２に示す図１の符号化器１４の実装形態に対する１つのフィッティングを示す。図４の符号化器５４の多くの要素は図２の対応する符号化器で生じるものと同じであるため、これらの要素を示すために、図４ではアポストロフィが付された同じ参照符号が使用されている。特に、加算器４２’、オプションのインループフィルタ４６’および予測器４４’は、図２の符号器と同じ方法で予測ループに接続される。加算器４２’に適用される再構成された、すなわち逆量子化され再変換された予測残差信号は、エントロピー符号化器２８ｂのエントロピー符号化を逆にするエントロピー復号器５６のシーケンスによって導出され、符号化側の場合と同様に、逆量子化器３８’および逆変換器４０’から構成される残差信号再構成段３６’が続く。復号器の出力は、画像１０の再構成である。画像１０の再構成は、加算器４２’の出力で直接利用可能であってもよく、あるいはインループフィルタ４６’の出力で利用可能であってもよい。画像品質を改善するために画像１０の再構成を何らかのポストフィルタリングにかけるために、復号器の出力にいくつかのポストフィルタを配置することができるが、このオプションは図４には示されていない。

ここでも、図４に関して、図２に関して上述した説明は、符号化器のみが最適化タスクおよびコーディングオプションに関する関連する決定を実行することを除いて、図４についても同様に有効である。しかしながら、ブロック細分化、予測、逆量子化、および再変換に関するすべての説明は、図４の復号器５４にも有効である。
３ ＡＬＷＩＰ（アフィン線形重み付けイントラ予測器）

ＡＬＷＩＰに関するいくつかの非限定的な例は、本明細書で説明される技術を具現化するのにＡＬＷＩＰが必ずしも必要ではない場合であっても、本明細書で説明される。

本出願は、とりわけ、ＨＥＶＣまたはＨＥＶＣの任意の後続のビデオコーデックで使用可能なようなブロック単位の画像符号化のための改善されたブロックベースの予測モード概念に関する。予測モードはイントラ予測モードであってもよいが、理論的には、本明細書に記載された概念は、参照サンプルが別の画像の一部であるインター予測モードにも移され得る。
ハードウェアフレンドリな実装などの効率的な実装を可能にするブロックベースの予測概念が求められている。
この目的は、本出願の独立請求項の主題によって達成される。

イントラ予測モードは、画像およびビデオ符号化において広く使用されている。ビデオ符号化では、イントラ予測モードは、動き補償予測モードなどのインター予測モードなどの他の予測モードと競合する。イントラ予測モードでは、現在のブロックは、隣接するサンプル、すなわち、符号器側に関する限り既に符号化されており、復号器側に関する限り既に復号されているサンプルに基づいて予測される。隣接するサンプル値は、現在のブロックの予測信号を形成するように現在のブロックに外挿され、予測残差は現在のブロックのデータストリームで送信される。予測信号が良好であるほど、予測残差は小さくなり、したがって、予測残差を符号化するために必要なビット数は少なくなる。

効果的であるためには、ブロックワイズ画像コーディング環境におけるイントラ予測のための効果的なフレームワークを形成するために、いくつかの態様が考慮されるべきである。例えば、コーデックによってサポートされるイントラ予測モードの数が多いほど、選択を復号器にシグナリングするためのサイド情報レート消費が大きくなる。一方、サポートされているイントラ予測モードのセットは、良好な予測信号、すなわち、低い予測残差をもたらす予測信号を提供することができなければならない。

以下では、比較実施形態または基礎例として、データストリームから画像をブロック単位で復号するための装置（符号化器または復号器）であって、画像の所定のサイズのブロックに対するイントラ予測信号が、現在のブロックに隣接するサンプルの第１のテンプレートを、結局はアフィン線形重み付けイントラ予測器（Ａｆｆｉｎｅ Ｌｉｎｅａｒ Ｗｅｉｇｈｔｅｄ Ｉｎｔｒａ Ｐｒｅｄｉｃｔｏｒ（ＡＬＷＩＰ））と呼ばれるアフィン線形予測器に適用することによって決定される、少なくとも１つのイントラ予測モードをサポートする装置が開示される。

装置は、以下の特性（同じことが、例えば、プロセッサによって実行されたときに、プロセッサに、方法を実施させ、かつ／または装置として動作させる命令を記憶する非一時的記憶ユニットに実装される、方法または別の技術に適用されてもよい）のうちの少なくとも１つを有し得る。
３．１ 予測子は、他の予測子と相補的であり得る。

以下でさらに説明される実施改善の主題を形成し得るイントラ予測モードは、コーデックの他のイントラ予測モードに対して相補的であり得る。したがって、それらは、ＨＥＶＣコーデックおよびＪＥＭ参照ソフトウェアにおいて定義されたＤＣ予測モード、平面予測モード、または角度予測モードを補完することができる。以降、後者の３種類のイントラ予測モードを従来のイントラ予測モードと呼ぶ。したがって、イントラモードの所与のブロックについて、装置によってサポートされるイントラ予測モードのうちの１つが使用されるべきか否かを示すフラグが復号器によって構文解析される必要がある。
３．２ ２つ以上の提案された予測モード

装置は、２つ以上のＡＬＷＩＰモードを含むことができる。したがって、装置によってサポートされるＡＬＷＩＰモードのうちの１つが使用されるべきであることを復号器が知っている場合、復号器は、装置によってサポートされるＡＬＷＩＰモードのうちのどれが使用されるべきかを示す追加情報を解析する必要がある。

サポートされるモードの信号伝達は、いくつかのＡＬＷＩＰモードの符号化が他のＡＬＷＩＰモードよりも少ないビンを必要とし得るという特性を有し得る。これらのモードのうちのどれがより少ないビンを必要とし、どのモードがより多くのビンを必要とするかは、既に復号されたビットストリームから抽出され得るか、または事前に固定され得る情報に依存し得る。
４ いくつかの態様

図２は、データストリーム１２から画像を復号するための復号器５４を示す。復号器５４は、画像の所定のブロック１８を復号するように構成され得る。特に、予測器４４は、線形またはアフィン線形変換［例えば、ＡＬＷＩＰ］を使用して所定のブロック１８に隣接するＰ個の隣接サンプルのセットを所定のブロックのサンプルのＱ個の予測値のセットにマッピングするように構成され得る。

図５に示すように、所定のブロック１８は、予測されるＱ個の値（これは、動作の終わりに、「予測値」となる）を含む。ブロック１８がＭ行Ｎ列を有する場合、Ｑ＝Ｍ・Ｎである。ブロック１８のＱ値は、空間領域（例えば、画素）または変換領域（例えば、ＤＣＴ、離散ウェーブレット変換など）にあり得る。ブロック１８のＱ値は、一般にブロック１８に隣接する隣接ブロック１７ａ～１７ｃから取得されたＰ値に基づいて予測することができる。隣接するブロック１７ａ～１７ｃのＰ値は、ブロック１８に最も近い位置（例えば、隣接する）にあってもよい。隣接ブロック１７ａ～１７ｃのＰ値は、既に処理および予測されている。Ｐ値は、それらをそれらが（いくつかの例では、１７’ｂは使用されない）の一部であるブロックと区別するために、部分１７’ａ～１７’ｃに値として示されている。

図６に示すように、予測を実行するために、Ｐ個のエントリを有する第１のベクトル１７Ｐ（各エントリは、隣接部分１７’ａ～１７’ｃの特定の位置に関連付けられている）、Ｑ個のエントリを有する第２のベクトル１８Ｑ（各エントリは、ブロック１８の特定の位置に関連付けられている）、およびマッピング行列１７Ｍ（各行は、ブロック１８内の特定の位置に関連付けられ、各列は、隣接する部分１７’ａ～１７’ｃ内の特定の位置に関連付けられる）で動作することが可能である。したがって、マッピング行列１７Ｍは、所定のモードに従って、隣接部分１７’ａ～１７’ｃのＰ値のブロック１８の値への予測を実行する。したがって、マッピング行列１７Ｍ内のエントリは、重み係数として理解することができる。以下の節では、１７’ａ～１７’ｃの代わりに符号１７ａ～１７ｃを使用して境界の隣接部分を参照する。

当該技術分野では、ＤＣモード、平面モード、および６５方向予測モードなどのいくつかの従来のモードが知られている。例えば、６７個のモードが知られている。

しかしながら、ここでは線形またはアフィン線形変換と呼ばれる異なるモードを利用することも可能であることに留意されたい。線形またはアフィン線形変換は、Ｐ・Ｑ個の重み係数を含み、そのうち少なくとも１／４ Ｐ・Ｑ個の重み係数は非ゼロの重み値であり、Ｑ個の予測値の各々について、それぞれの予測値に関する一連のＰ個の重み係数を含む。系列は、所定のブロックのサンプル間でラスタ走査順序に従って上下に配置されると、全方向的に非線形である包絡線を形成する。

隣接する値１７’ａ～１７’ｃ（テンプレート）のＰ個の位置、隣接するサンプル１７’ａ～１７’ｃのＱ個の位置、および行列１７ＭのＰ＊Ｑ個の重み係数の値をマッピングすることが可能である。平面は、ＤＣ変換のための系列の包絡線の一例である（ＤＣ変換のための平面である）。包絡線は明らかに平面であり、したがって線形またはアフィン線形変換（ＡＬＷＩＰ）の定義によって除外される。別の例は、角度モードのエミュレーションをもたらす行列であり、包絡線はＡＬＷＩＰ定義から除外され、平たく言えば、Ｐ／Ｑ平面内の方向に沿って上から下に斜めに進む丘のように見える。平面モードおよび６５方向予測モードは異なる包絡線を有するが、これは少なくとも一方向、すなわち、例えば例示されたＤＣのすべての方向、および例えば角度モードの丘方向において線形である。

逆に、線形またはアフィン変換の包絡線は、全方向的に線形ではない。そのような種類の変換は、状況によっては、ブロック１８の予測を実行するために最適であり得ることが理解されている。重み係数の少なくとも１／４が０と異なる（すなわち、Ｐ＊Ｑ重み係数の少なくとも２５％は０とは異なる）ことが好ましいことに留意されたい。

重み係数は、任意の規則的なマッピング規則に従って互いに無関係であってもよい。したがって、行列１７Ｍは、そのエントリの値が明らかな認識可能な関係を有さないようなものであってもよい。例えば、重み係数は、いかなる分析関数または微分関数によっても記述することができない。

例では、ＡＬＷＩＰ変換は、それぞれの予測値に関連する第１の系列の重み係数と、それぞれの予測値以外の予測値に関連する第２の系列の重み係数との間の相互相関の最大値の平均、または後者の系列の反転されたバージョンは、最大値がより高くなるにもかかわらず、所定の閾値（例えば、０．２または０．３または０．３５または０．１、例えば、０．０５と０．０３５との間の範囲内の閾値）よりも低くてもよい。例えば、ＡＬＷＩＰ行列１７Ｍの行の結合（ｉ_１、ｉ_２）毎に、ｉ_１行目のＰ値にｉ_２行目のＰ値を乗算することで相互相関を算出してもよい。得られた各相互相関について、最大値を得ることができる。したがって、行列１７Ｍ全体（すなわち、すべての組み合わせにおける相互相関の最大値が平均化される）について平均（平均）を得ることができる。その後、閾値は、例えば、０．２または０．３または０．３５または０．１、例えば、０．０５から０．０３５の間の範囲の閾値であってもよい。

ブロック１７ａ～１７ｃのＰ個の隣接サンプルは、所定のブロック１８の境界（例えば、１８ｃ、１８ａ）に沿って延びる一次元経路に沿って配置されてもよい。所定のブロック１８のＱ個の予測値のそれぞれについて、それぞれの予測値に関連する一連のＰ個の重み係数は、一次元経路を所定の方向（例えば、左から右、上から下など）に横断するように順序付けられてもよい。
例では、ＡＬＷＩＰ行列１７Ｍは、非対角または非ブロック対角であってもよい。
４つの既に予測された隣接するサンプルから４×４ブロック１８を予測するためのＡＬＷＩＰ行列１７Ｍの例は、以下であってもよい。
｛
｛ ３７，５９，７７，２８｝，
｛ ３２，９２，８５，２５｝，
｛ ３１，６９，１００，２４｝，
｛ ３３，３６，１０６，２９｝，
｛ ２４，４９，１０４，４８｝，
｛ ２４，２１，９４，５９｝，
｛ ２９，０，８０，７２｝，
｛ ３５，２，６６，８４｝，
｛ ３２，１３，３５，９９｝，
｛ ３９，１１，３４，１０３｝，
｛ ４５，２１，３４，１０６｝，
｛ ５１，２４，４０，１０５｝，
｛ ５０，２８，４３，１０１｝，
｛ ５６，３２，４９，１０１｝，
｛ ６１，３１，５３，１０２｝，
｛ ６１，３２，５４，１００｝
｝．

（ここで、｛３７、５９、７７、２８｝は行列１７Ｍの第１行であり、｛３２、９２、８５、２５｝は第２行であり、｛６１、３２、５４、１００｝は１６行目である）。行列１７Ｍは、次元１６×４を有し、（１６＊４＝６４の結果として）６４個の重み係数を含む。これは、行列１７Ｍが次元Ｑ×Ｐを有するためであり、ここで、Ｑ＝Ｍ＊Ｎは予測対象ブロック１８（ブロック１８は４×４ブロック）のサンプル数であり、Ｐは既に予測されたサンプルのサンプル数である。ここで、Ｍ＝４、Ｎ＝４、Ｑ＝１６（Ｍ＊Ｎ＝４＊４＝１６の結果として）、Ｐ＝４である。行列は、非対角および非ブロック対角であり、特定の規則によって記述されない。

見て分かるように、重み係数の１／４未満が０である（上記の行列の場合、６４のうちの１つの重み係数は０である）。これらの値によって形成される包絡線は、ラスタ走査順序に従って１つ下に配置されると、全方向的に非線形である包絡線を形成する。
上記の説明が主に復号器（例えば、復号器５４）を参照して説明されている場合でも、同じことが符号化器（例えば、符号化器１４）で実行されてもよい。

いくつかの例では、（ブロック・サイズのセットにおける）各ブロック・サイズについて、それぞれのブロック・サイズのためのイントラ予測モードの第２のセット内のイントラ予測モードのＡＬＷＩＰ変換は、相互に異なる。それに加えて、またはその代わりに、ブロック・サイズのセットにおけるブロック・サイズのためのイントラ予測モードの第２のセットのカーディナリティは、一致し得るが、異なるブロック・サイズのためのイントラ予測モードの第２のセット内のイントラ予測モードの関連付けられた線形変換またはアフィン線形変換は、スケールすることによって、互いに移転不可能であり得る。

いくつかの例では、ＡＬＷＩＰ変換は、従来の変換（例えば、ＡＬＷＩＰ変換は、上記のマッピングのうちの１つを介してマッピングされているにもかかわらず、対応する従来の変換と共有するための「何もない」を有することができる）と「共有するものがない」ように定義されてもよい。

例では、ＡＬＷＩＰモードはルマ成分とクロマ成分の両方に使用されるが、他の例では、ＡＬＷＩＰモードはルマ成分に使用されるが、クロマ成分には使用されない。
５ 符号器の高速化によるアフィン線形加重イントラ予測モード（例えば、試験ＣＥ３－１．２．１）
５．１ 方法または装置の説明

ＣＥ３－１．２．１で試験されたアフィン線形加重イントラ予測（ＡＬＷＩＰ）モードは、以下の変更を除いて、試験ＣＥ３－２．２．２の下でＪＶＥＴ－Ｌ０１９９で提案されたものと同じであり得る。

・多重基準線（ＭＲＬ）イントラ予測、特に符号化器推定およびシグナリングとの整合、すなわちＭＲＬはＡＬＷＩＰと組み合わされず、ＭＲＬインデックスの送信は非ＡＬＷＩＰブロックに制限される。

・サブサンプリングはすべてのブロックに必須Ｗ×Ｈ≧３２×３２（以前は３２×３２についてオプションであった）である。したがって、符号化器における追加のテストおよびサブサンプリングフラグの送信は除去されている。

・６４×ＮおよびＮ×６４ブロック（Ｎ≦３２）のＡＬＷＩＰは、それぞれ３２×ＮおよびＮ×３２にダウンサンプリングし、対応するＡＬＷＩＰモードを適用することによって追加されている。
さらに、テストＣＥ３－１．２．１は、ＡＬＷＩＰのための以下の符号化器最適化を含む。

・結合モード推定：従来のモードおよびＡＬＷＩＰモードは、フルＲＤ推定のために共有アダマール候補リストを使用する、すなわち、ＡＬＷＩＰモード候補は、アダマール費用に基づいて従来の（およびＭＲＬ）モード候補と同じリストに追加される。

・ＥＭＴイントラｆａｓｔおよびＰＢイントラｆａｓｔは、結合モードリストのためにサポートされ、フルＲＤチェックの数を減らすための追加の最適化がある。
・利用可能な左および上のブロックのＭＰＭのみが、従来のモードの場合と同じ手法に従って、ＡＬＷＩＰのフルＲＤ推定のためのリストに追加される。
５．２ 複雑性評価

離散コサイン変換を呼び出す計算を除いて、テストＣＥ３－１．２．１では、予測信号を生成するためにサンプルあたり最大１２回の乗算が必要であった。さらに、それぞれ１６ビットの合計１３６個の４９２個のパラメータが必要であった。これは、０．２７３メガバイトのメモリに相当する。
５．３ 実験結果

試験の評価は、ＶＴＭソフトウェアバージョン３．０．１を用いたイントラ専用（ＡＩ）およびランダムアクセス（ＲＡ）構成について、共通の試験条件ＪＶＥＴ－Ｊ１０１０［２］に従って実施した。対応するシミュレーションは、Ｌｉｎｕｘ（登録商標） ＯＳおよびＧＣＣ ７．２．１コンパイラを備えたＩｎｔｅｌ Ｘｅｏｎクラスタ（Ｅ５－２６９７Ａ ｖ４、ＡＶＸ２オン、ターボブーストオフ）上で実行された。

５．４ 複雑度低減を伴うアフィン線形重み付きイントラ予測（例えば、試験ＣＥ３－１．２．２）

ＣＥ２で試験された技法は、ＪＶＥＴ－Ｌ０１９９［１］に記載されている「アフィン線形イントラ予測」に関連しているが、メモリ要件および計算複雑性の点でそれを単純化する。

・すべてのブロック形状をカバーする予測行列（例えば、Ｓ_０、Ｓ_１、Ｓ_２、以下も参照されたい）およびバイアスベクトル（例えば、オフセット値を提供するために）の３つの異なるセットのみが存在し得る。結果として、パラメータの数は１４４００個の１０ビット値に減少し、これは

ＣＴＵに記憶されるよりもメモリが少ない。

・予測子の入力および出力サイズはさらに低減される。さらに、ＤＣＴを介して境界を変換する代わりに、平均化またはダウンサンプリングを境界サンプルに対して実行することができ、予測信号の生成は、逆ＤＣＴの代わりに線形補間を使用することができる。その結果、予測信号を生成するために、サンプルあたり最大４回の乗算が必要となり得る。
６ 実施例
ここでは、ＡＬＷＩＰ予測を用いていくつかの予測（例えば、図６に示すように）を実行する方法について説明する。

原則として、図６を参照すると、予測されるＭ×Ｎブロック１８のＱ＝Ｍ＊Ｎ値を取得するために、Ｑ×Ｐ ＡＬＷＩＰ予測行列１７ＭのＱ＊ＰサンプルとＰ×１隣接ベクトル１７ＰのＰサンプルとの乗算が実行されるべきである。したがって、一般に、予測対象のＭ×Ｎブロック１８のＱ＝Ｍ＊Ｎ個の値の各々を得るためには、少なくともＰ＝Ｍ＋Ｎ個の値の乗算が必要である。

これらの乗算は、極めて望ましくない効果を有する。境界ベクトル１７Ｐの次元Ｐは、一般に、予測されるべきＭ×Ｎブロック１８に隣接する（例えば、隣接する）境界サンプル（ビンまたは画素）１７ａ、１７ｃの数Ｍ＋Ｎに依存する。これは、予測対象のブロック１８のサイズが大きいと、それに応じて境界画素数Ｍ＋Ｎ（１７ａ、１７ｃ）が大きくなるため、Ｐ×１境界ベクトル１７Ｐの次元Ｐ＝Ｍ＋Ｎ、Ｑ×Ｐ ＡＬＷＩＰ予測行列１７Ｍの各行の長さ、ひいては必要な乗算回数（一般的に言えば、Ｑ＝Ｍ＊Ｎ＝Ｗ＊Ｈであり、式中、Ｗ（Ｗｉｄｔｈ）はＮの別の記号であり、Ｈ（Ｈｅｉｇｈｔ）はＭの別の記号であり、Ｐは、境界ベクトルがサンプルの１行および／または１列のみによって形成される場合、Ｐ＝Ｍ＋Ｎ＝Ｈ＋Ｗである）が大きくなることを意味する。

この問題は、一般に、マイクロプロセッサベースのシステム（または他のデジタル処理システム）では、乗算が一般に電力を消費する動作であるという事実によって悪化する。多数のブロックの非常に多数のサンプルに対して搬送される多数の乗算は、一般に望ましくない計算能力の浪費を引き起こすと推測され得る。
したがって、Ｍ×Ｎブロック１８を予測するために必要な乗算数Ｑ＊Ｐを低減することが好ましい。

乗算に代わる、処理がより容易な演算を知的に選択することによって、予測される各ブロック１８の各イントラ予測に必要な計算能力を何らかの形で低減することが可能であることが理解されている。

特に、図７．１～図７．４を参照すると、符号化器または復号器は、複数の隣接するサンプル（例えば、１７ａ、１７ｃ）を使用して、（例えば、ステップ８１１で）、（例えば、平均化またはダウンサンプリングによって）、複数の隣接するサンプル（例えば、１７ａ、１７ｃ）を減少させて、複数の隣接するサンプルと比較してより低いサンプル数の減少したサンプル値のセットを取得することによって、（例えば、ステップ８１２で）減少したサンプル値のセットを線形またはアフィン線形変換に供して、所定のブロックの所定のサンプルの予測値を取得することによって、画像の所定のブロック（例えば、１８）を予測し得ることが理解されてきた。

場合によっては、復号器または符号化器はまた、例えば補間によって、所定のサンプルおよび複数の隣接するサンプルの予測値に基づいて、所定のブロックのさらなるサンプルの予測値を導出することができる。したがって、アップサンプリング戦略を得ることができる。

例では、サンプル数が減少したサンプルの減少したセット１０２（図７．１～図７．４）に到達するように、境界１７のサンプルに対していくつかの平均を実行する（例えば、ステップ８１１において）ことが可能である（低減された数のサンプル１０２のサンプルの少なくとも一方は、元の境界サンプルの２つのサンプルの平均、または元の境界サンプルの選択であってもよい）。例えば、元の境界がＰ＝Ｍ＋Ｎ個のサンプルを有する場合、サンプルの削減されたセットは、Ｍ_ｒｅｄ＜ＭおよびＮ_ｒｅｄ＜Ｎのうちの少なくとも１つで、Ｐ_ｒｅｄ＜Ｐとなるように、Ｐ_ｒｅｄ＝Ｍ_ｒｅｄ＋Ｎ_ｒｅｄを有することができる。したがって、予測に実際に使用される境界ベクトル１７Ｐ（例えば、ステップ８１２ｂにおいて）は、Ｐ×１エントリを有さず、Ｐ_ｒｅｄ＜ＰでＰ_ｒｅｄ×１エントリを有する。同様に、予測のために選択されたＡＬＷＩＰ予測行列１７Ｍは、Ｑ×Ｐ次元を有さず、少なくともＰ_ｒｅｄ＜Ｐのために（Ｍ_ｒｅｄ＜ＭおよびＮ_ｒｅｄ＜Ｎのうちの少なくとも１つのために）行列の要素数が削減されたＱ×Ｐ_ｒｅｄ（またはＱ_ｒｅｄｘＰ_ｒｅｄ、以下を参照）を有する。

いくつかの例（例えば、図７．２、図７．３）では、（ステップ８１２で）ＡＬＷＩＰによって取得されたブロックが、

サイズ、

および／または

（すなわち、ＡＬＷＩＰによって直接予測されるサンプルの数は、実際に予測されるブロック１８のサンプルの数よりも少ない）を有する縮小されたブロックである場合、乗算の回数をさらに減らすことさえ可能である。したがって、

と設定すると、これにより、Ｑ＊Ｐ_ｒｅｄ乗算の代わりにＱ_ｒｅｄ＊Ｐ_ｒｅｄ乗算（Ｑ_ｒｅｄ＊Ｐ_ｒｅｄ＜Ｑ＊Ｐ_ｒｅｄ＜Ｑ＊Ｐ）を使用することによってＡＬＷＩＰ予測が得られる。この乗算は、

次元を有する縮小ブロックを予測する。それにもかかわらず、低減された

予測ブロックから最終的なＭ×Ｎ予測ブロックへのアップサンプリング（例えば、補間によって得られる）を実行する（例えば、後続のステップ８１３において）ことが可能である。

これらの技法は、行列乗算が低減された乗算数（Ｑ_ｒｅｄ＊Ｐ_ｒｅｄまたはＱ＊Ｐ_ｒｅｄ）を含む一方で、初期低減（例えば、平均化またはダウンサンプリング）および最終変換（例えば補間）の両方が乗算を低減（または回避）することによって実行され得るので、有利であり得る。例えば、加算およびシフトなどの非計算電力を必要とするバイナリ演算を採用することによって、ダウンサンプリング、平均化および／または補間を実行することができる（例えば、ステップ８１１および／または８１３において）。
また、追加は、多くの計算労力なしに容易に実行できる非常に簡単な操作である。

このシフト演算は、例えば、最終的な予測ブロックを得るために、２つの境界サンプルを平均化するために、および／または縮小された予測ブロックの（または境界から得られた）２つのサンプル（支持値）を補間するために使用され得る。（補間のために、２つのサンプル値が必要である。ブロック内では、常に２つの所定の値を有するが、ブロックの左および上の境界に沿ってサンプルを補間するために、図７．２のように、１つの所定の値のみを有し、したがって、補間のためのサポート値として境界サンプルを使用する）
以下の、
最初に２つのサンプルの値を合計するステップと、
次いで、和の値を半分にする（例えば、右シフトによって）ステップと、
のような２段階手順を使用することができる。
あるいは、以下の、
サンプルの各々を最初に半分にするステップ（例えば、左シフトによって）と、
次いで、２つの半分にされたサンプルの値を合計するステップと、
が可能である。

１つのサンプル量およびサンプルのグループ（例えば、互いに隣接するサンプル）を選択するだけでよいため、ダウンサンプリング（例えば、ステップ８１１において）時にさらに容易な動作を実行することができる。

したがって、ここで、実行されるべき乗算の数を低減するための技術（複数可）を定義することが可能である。これらの技術のいくつかは、とりわけ、以下の原理のうちの少なくとも１つに基づいてもよい。

実際に予測されるブロック１８のサイズがＭ×Ｎであっても、（二次元の少なくとも一方において）ブロックを縮小し、サイズが縮小されたＱ_ｒｅｄｘＰ_ｒｅｄ（ここで、

Ｐ_ｒｅｄ＝Ｎ_ｒｅｄ＋Ｍ_ｒｅｄ、

および／または

Ｍ_ｒｅｄ＜Ｍおよび／またはＮ_ｒｅｄ＜Ｎ）のＡＬＷＩＰ行列を適用してもよい。したがって、境界ベクトル１７ＰはサイズＰ_ｒｅｄ×１を有し、Ｐ_ｒｅｄ＜Ｐ乗算のみを意味する（Ｐ_ｒｅｄ＝Ｍ_ｒｅｄ＋Ｎ_ｒｅｄおよびＰ＝Ｍ＋Ｎ）。
Ｐ_ｒｅｄ×１境界ベクトル１７Ｐは、例えば、
ダウンサンプリングにより（例えば、境界のいくつかのサンプルのみを選択することによって）、および／または
境界の複数のサンプルを平均することによって（これは、乗算なしで加算およびシフトによって容易に得ることができる）、
元の境界１７から容易に取得することができる。

加えて、または代替的に、予測対象ブロック１８のすべてのＱ＝Ｍ＊Ｎ値を乗算によって予測する代わりに、次元が削減された削減ブロック（例えば

、

および／または

）のみを予測することが可能である。予測されるべきブロック１８の残りのサンプルは、例えば、予測されるべき残りのＱ－Ｑ_ｒｅｄ値のサポート値としてＱ_ｒｅｄサンプルを使用する補間によって取得される。

図７．１に示す例によれば、４×４ブロック１８（Ｍ＝４、Ｎ＝４、Ｑ＝Ｍ＊Ｎ＝１６）が予測されることになり、サンプル１７ａの近傍１７（４つの既に予測されたサンプルを有する垂直行列）および１７ｃ（４つの既に予測されたサンプルを有する水平行）は、前の反復で既に予測されている（近傍１７ａおよび１７ｃは、集合的に１７で示すことができる）。事前に、図６に示す式を使用することにより、予測行列１７ＭはＱ×Ｐ＝１６×８行列（Ｑ＝Ｍ＊Ｎ＝４＊４およびＰ＝Ｍ＋Ｎ＝４＋４＝８による）であるべきであり、境界ベクトル１７Ｐは８×１次元（Ｐ＝８による）を有するべきである。しかしながら、これは、予測対象の４×４ブロック１８の１６個のサンプルの各々について８回の乗算を実行する必要性につながり、したがって、合計で１６＊８＝１２８回の乗算を実行する必要性につながる。（サンプルあたりの平均乗算回数は、計算複雑度の良好な評価であることに留意されたい。従来のイントラ予測では、サンプルあたり４回の乗算が必要であり、これは関与する計算労力を増加させる。したがって、これをＡＬＷＩＰの上限として使用することが可能であり、複雑さが合理的であり、従来のイントラ予測の複雑さを超えないことが保証される。）

それにもかかわらず、本技術を使用することにより、ステップ８１１において、予測されるブロック１８に隣接するサンプル１７ａおよび１７ｃの数をＰからＰ_ｒｅｄ＜Ｐに減らすことが可能であることが理解されている。特に、２つの水平行および２つの垂直列を有する縮小境界１０２を得るために、互いに隣接する境界サンプル（１７ａ、１７ｃ）を平均（例えば、図７．１の１００において）することが可能であり、したがって、ブロック１８として動作することは、２×２ブロック（縮小境界は、平均値によって形成される）であったことが理解されている。あるいは、ダウンサンプリングを実行することが可能であり、したがって、行１７ｃに対して２つのサンプルを選択し、列１７ａに対して２つのサンプルを選択する。したがって、水平行１７ｃは、４つの元のサンプルを有する代わりに、２つのサンプル（例えば平均化されたサンプル）を有するものとして処理され、元々４つのサンプルを有する垂直列１７ａは、２つのサンプル（例えば平均化されたサンプル）を有するものとして処理される。行１７ｃおよび列１７ａをそれぞれ２つのサンプルのグループ１１０に細分化した後、単一のサンプルが維持される（例えば、グループ１１０のサンプルの平均またはグループ１１０のサンプル間の単純な選択）ことも理解することができる。したがって、セット１０２が４つのサンプル（Ｍ_ｒｅｄ＝２、Ｎ_ｒｅｄ＝２、Ｐ_ｒｅｄ＝Ｍ_ｒｅｄ＋Ｎ_ｒｅｄ＝４、Ｐ_ｒｅｄ＜Ｐ）のみを有することによって、サンプル値のいわゆる低減されたセット１０２が得られる。

プロセッサレベルで過度に多くの乗算を実行することなく（平均化またはダウンサンプリング１００などの）演算を実行することが可能であることが理解されている。つまり、ステップ８１１で実行される平均化またはダウンサンプリング１００は、加算およびシフトなどの単純で計算上非電力消費の演算によって簡単に得ることができる。

この時点で、低減されたサンプル値のセット１０２を線形またはアフィン線形（ＡＬＷＩＰ）変換１９（例えば、図６の行列１７Ｍなどの予測行列を使用する）にかけることが可能であることが理解されている。この場合、ＡＬＷＩＰ変換１９は、４つのサンプル１０２をブロック１８のサンプル値１０４に直接マッピングする。この場合、補間は不要である。

この場合、ＡＬＷＩＰ行列１７Ｍは、次元Ｑ×Ｐ_ｒｅｄ＝１６×４を有する。これは、予測されるべきブロック１８のすべてのＱ＝１６個のサンプルがＡＬＷＩＰ乗算によって直接得られる（補間は不要である）という事実に従う。

したがって、ステップ８１２ａにおいて、寸法Ｑ×Ｐ_ｒｅｄを有する適切なＡＬＷＩＰ行列１７Ｍが選択される。選択は、例えば、データストリーム１２からのシグナリングに少なくとも部分的に基づいてもよい。選択されたＡＬＷＩＰ行列１７Ｍはまた、Ａ_ｋで示されてもよく、ここで、ｋは、データストリーム１２（場合によっては、行列は以下

のようにも示される）でシグナリングされ得るインデックスとして理解され得る。選択は、以下のスキームに従って実行され得る。すなわち、各次元（例えば、予測されるブロック１８の高さ／幅の対）について、ＡＬＷＩＰ行列１７Ｍは、例えば、３セットの行列Ｓ_０、Ｓ_１、Ｓ_２（３つのセットＳ_０、Ｓ_１、Ｓ_２の各々は、同じ次元の複数のＡＬＷＩＰ行列１７Ｍをグループ化することができ、予測のために選択されるＡＬＷＩＰ行列はそれらのうちの１つになる）のうちの１つの中から選択される。

ステップ８１２ｂにおいて、選択されたＱ×Ｐ_ｒｅｄ ＡＬＷＩＰ行列１７Ｍ（Ａ_ｋとしても示される）とＰ_ｒｅｄ×１境界ベクトル１７Ｐとの乗算が実行される。

ステップ８１２ｃにおいて、オフセット値（例えば、ｂ_ｋ）を、例えば、ＡＬＷＩＰによって取得されたベクトル１８Ｑのすべての取得値１０４に加算することができる。オフセット（ｂ_ｋ、または場合によってはさらに

以下を参照されたい）の値は、特定の選択されたＡＬＷＩＰ行列（Ａ_ｋ）に関連付けられてもよく、インデックス（例えば、データストリーム１２でシグナリングされてもよい）に基づいてもよい。
したがって、本技術を使用することと本技術を使用しないこととの比較がここで再開される。
本技術を用いない場合：
寸法Ｍ＝４、Ｎ＝４の予測対象ブロック１８、
Ｑ＝Ｍ＊Ｎ＝４＊４＝１６予測される値、
Ｐ＝Ｍ＋Ｎ＝４＋４＝８境界サンプル
Ｐ＝予測されるＱ＝１６個の値の各々についての８回の乗算、
Ｐ＊Ｑの総数＝８＊１６＝１２８回、
本技術では、
寸法Ｍ＝４、Ｎ＝４の予測対象ブロック１８、
Ｑ＝Ｍ＊Ｎ＝４＊４＝最後に予測される１６個の値、
境界ベクトルの縮小次元：Ｐ_ｒｅｄ＝Ｍ_ｒｅｄ＋Ｎ_ｒｅｄ＝２＋２＝４、
Ｐ_ｒｅｄ＝ＡＬＷＩＰによって予測されるべきＱ＝１６個の値の各々について４回の乗算、
Ｐ_ｒｅｄ＊Ｑの総数＝４＊１６＝６４回（１２８の半分！）
乗算回数と取得される最終値の数との比は、Ｐ_ｒｅｄ＊Ｑ／Ｑ＝４であり、すなわち、予測される各サンプルについてＰ＝８の乗算の半分である！

理解され得るように、平均化（場合によっては、追加および／またはシフトおよび／またはダウンサンプリング）などの直接的かつ計算的に電力を必要としない動作に依存することによって、ステップ８１２において適切な値を得ることが可能である。

図７．２を参照すると、予測されるブロック１８は、ここでは６４サンプルの８×８ブロック（Ｍ＝８、Ｎ＝８）である。ここで、先験的に、予測行列１７Ｍは、サイズＱ×Ｐ＝６４×１６（Ｑ＝Ｍ＊Ｎ＝８＊８＝６４、Ｍ＝８およびＮ＝８によるＱ＝６４、ならびにＰ＝Ｍ＋Ｎ＝８＋８＝１６）を有するべきである。したがって、先験的に、予測される８×８ブロック１８のＱ＝６４個のサンプルの各々についてＰ＝１６個の乗算が必要とされ、８×８ブロック１８全体について６４＊１６＝１０２４個の乗算に達するであろう！

しかしながら、図７．２に見られるように、境界の１６個のサンプルすべてを使用する代わりに、８つの値（例えば、境界の元のサンプル間の水平境界行１７ｃの４および垂直境界列１７ａの４）のみが使用される方法８２０を提供することができる。境界列１７ｃからは、８個ではなく４個のサンプルを用いてもよい（例えば、それらは、２×２の平均および／または２つのうちの１つのサンプルの選択であってもよい）。したがって、境界ベクトルは、Ｐ×１＝１６×１ベクトルではなく、Ｐ_ｒｅｄ×１＝８×１ベクトルのみとなる（Ｐ_ｒｅｄ＝Ｍ_ｒｅｄ＋Ｎ_ｒｅｄ＝４＋４）。元のＰ＝１６個のサンプルの代わりに、Ｐ_ｒｅｄ＝８個の境界値のみを有するように、水平行１７ｃのサンプルおよび垂直列１７ａのサンプルを選択または平均（例えば、２×２）して、サンプル値の縮小されたセット１０２を形成することが可能であることが理解されている。この縮小セット１０２は、ブロック１８の縮小バージョンを取得することを可能にし、縮小バージョンは、（Ｑ＝Ｍ＊Ｎ＝８＊８＝６４の代わりに）Ｑ_ｒｅｄ＝Ｍ_ｒｅｄ＊Ｎ_ｒｅｄ＝４＊４＝１６サンプルを有する。サイズＭ_ｒｅｄｘＮ_ｒｅｄ＝４×４のブロックを予測するＡＬＷＩＰ行列を適用することができる。ブロック１８の縮小版は、図７．２のスキーム１０６において灰色で示されたサンプルを含み、灰色の四角で示されたサンプル（サンプル１１８’および１１８’’を含む）は、対象とするステップ８１２で得られたＱ_ｒｅｄ＝１６値を有する４×４縮小ブロックを形成する。４×４縮小ブロックは、対象ステップ８１２において線形変換１９を適用することによって得られたものである。４×４縮小ブロックの値を取得した後、例えば補間によって残りのサンプル（スキーム１０６において白色サンプルで示されているサンプル）の値を取得することが可能である。

図７．１の方法８１０に関して、この方法８２０は、予測されるＭ×Ｎ＝８×８ブロック１８の残りのＱ－Ｑ_ｒｅｄ＝６４～１６＝４８サンプル（白い正方形）の予測値を例えば補間によって導出するステップ８１３をさらに含むことができる。残りのＱ－Ｑ_ｒｅｄ＝６４～１６＝４８個のサンプルは、補間（補間はまた、例えば、境界サンプルの値を利用することができ）によって直接取得されたＱ_ｒｅｄ＝１６個のサンプルから取得することができる。図７．２に見られるように、サンプル１１８’および１１８’’は（灰色の四角で示すように）ステップ８１２で取得されているが、サンプル１０８’（サンプル１１８’および１１８’’の中間であり、白色の四角で示す）は、ステップ８１３でサンプル１１８’と１１８’’との間の補間によって取得される。補間はまた、シフトおよび加算などの平均化のためのものと同様の動作によって得ることができることが理解されている。したがって、図７．２では、値１０８’は、一般に、サンプル１１８’の値とサンプル１１８’’の値との中間の値として決定され得る（平均であり得る）。

補間を実行することによって、ステップ８１３において、１０４に示された複数のサンプル値に基づいてＭ×Ｎ＝８×８ブロック１８の最終バージョンに到達することも可能である。
したがって、本技術を使用することと使用しないこととを比較すると、
本技術を用いない場合：
予測対象ブロック１８内の寸法Ｍ＝８、Ｎ＝８、Ｑ＝Ｍ＊Ｎ＝８＊８＝６４サンプルの予測対象ブロック１８、
Ｐ＝Ｍ＋Ｎ＝８＋８＝境界１７内の１６サンプル、
Ｐ＝予測されるＱ＝６４個の値の各々についての１６回の乗算、
Ｐ＊Ｑの総数＝１６＊６４＝１０２８回の乗算
乗算回数と得られる最終値の数との比は、Ｐ＊Ｑ／Ｑ＝１６である。
本技術では、
寸法Ｍ＝８、Ｎ＝８を有する、予測されるべきブロック１８
Ｑ＝Ｍ＊Ｎ＝８＊８＝最後に予測される６４個の値、

ただし、使用されるＱ_ｒｅｄｘＰ_ｒｅｄ ＡＬＷＩＰ行列は、Ｐ_ｒｅｄ＝Ｍ_ｒｅｄ＋Ｎ_ｒｅｄ、Ｑ_ｒｅｄ＝Ｍ_ｒｅｄ＊Ｎ_ｒｅｄ、Ｍ_ｒｅｄ＝４、Ｎ_ｒｅｄ＝４であり、
Ｐ_ｒｅｄ＝Ｍ_ｒｅｄ＋Ｎ_ｒｅｄ＝４＋４＝境界内の８サンプル、Ｐ_ｒｅｄ＜Ｐ
Ｐ_ｒｅｄ＝予測される４×４縮小ブロックのＱ_ｒｅｄ＝１６個の値の各々について８回の乗算（スキーム１０６では灰色の正方形によって形成される）、
Ｐ_ｒｅｄ＊Ｑ_ｒｅｄの総数＝８＊１６＝１２８回（１０２４を大幅に下回る！）
乗算回数と求めるべき最終値の数との比は、Ｐ_ｒｅｄ＊Ｑ_ｒｅｄ／Ｑ＝１２８／６４＝２（本技術を用いずに得られた１６よりもはるかに少ない！）である。
したがって、本明細書に提示される技術は、前の技術よりも８倍電力要求が少ない。

図７．３は、（方法８２０に基づき得る）別の例を示し、予測されるブロック１８は、Ｑ＝４＊８＝３２個の予測されるサンプルを有する長方形の４×８ブロック（Ｍ＝８、Ｎ＝４）である。境界１７は、Ｎ＝８サンプルの横列１７ｃと、Ｍ＝４サンプルの縦列１７ａとで形成される。したがって、事前に、境界ベクトル１７Ｐは次元Ｐ×１＝１２×１を有するが、予測ＡＬＷＩＰ行列はＱ×Ｐ＝３２×１２行列であるべきであり、したがってＱ＊Ｐ＝３２＊１２＝３８４回の乗算が必要になる。

しかしながら、例えば、水平行１７ｃの少なくとも８つのサンプルを平均またはダウンサンプリングして、４つのサンプルのみ（例えば、平均化されたサンプル）の縮小された水平行を得ることが可能である。いくつかの例では、垂直柱１７ａはそのままである（例えば、平均化なし）。合計で、縮小された境界は、寸法Ｐ_ｒｅｄ＝８を有し、Ｐ_ｒｅｄ＜Ｐである。したがって、境界ベクトル１７Ｐは、寸法Ｐ_ｒｅｄ×１＝８×１を有する。ＡＬＷＩＰ予測行列１７Ｍは、次元Ｍ＊Ｎ_ｒｅｄ＊Ｐ_ｒｅｄ＝４＊４＊８＝６４を有する行列になる。対象ステップ８１２で直接取得された（スキーマ１０７の灰色の列によって形成された）４×４縮小ブロックは、サイズＱ_ｒｅｄ＝Ｍ＊Ｎ_ｒｅｄ＝４＊４＝１６サンプルを有する（予測される元の４×８ブロック１８のＱ＝４＊８＝３２の代わりに）。縮小された４×４ブロックがＡＬＷＩＰによって取得されると、オフセット値ｂ_ｋを加算し（ステップ８１２ｃ）、ステップ８１３において補間を実行することが可能である。図７．３のステップ８１３で分かるように、縮小された４×４ブロックは４×８ブロック１８に拡張され、ステップ８１２で取得されなかった値１０８’は、ステップ８１２で取得された値１１８’および１１８’’（灰色の正方形）を補間することによってステップ８１３で取得される。
したがって、本技術を使用することと使用しないこととを比較すると、
本技術を用いない場合：
寸法Ｍ＝４、Ｎ＝８の予測対象ブロック１８
Ｑ＝Ｍ＊Ｎ＝４＊８＝３２予測される値、
Ｐ＝Ｍ＋Ｎ＝４＋８＝境界における１２サンプル、
Ｐ＝予測されるＱ＝３２個の値の各々についての１２回の乗算、
Ｐ＊Ｑの総数＝１２＊３２＝３８４回の乗算
乗算回数と得られる最終値の数との比は、Ｐ＊Ｑ／Ｑ＝１２である。
本技術では、
寸法Ｍ＝４、Ｎ＝８の予測対象ブロック１８
Ｑ＝Ｍ＊Ｎ＝４＊８＝最後に予測される３２個の値、

ただし、Ｑ_ｒｅｄｘＰ_ｒｅｄ＝１６×８ ＡＬＷＩＰ行列を使用することができ、Ｍ＝４、Ｎ_ｒｅｄ＝４、Ｑ_ｒｅｄ＝Ｍ＊Ｎ_ｒｅｄ＝１６、Ｐ_ｒｅｄ＝Ｍ＋Ｎ_ｒｅｄ＝４＋４＝８であり、
Ｐ_ｒｅｄ＝Ｍ＋Ｎ_ｒｅｄ＝４＋４＝境界内の８サンプル、Ｐ_ｒｅｄ＜Ｐ
Ｐ_ｒｅｄ＝予測対象の縮小ブロックのＱ_ｒｅｄ＝１６個の値のそれぞれについての８回の乗算
Ｑ_ｒｅｄ＊Ｐ_ｒｅｄの総数＝１６＊８＝１２８回（３８４未満！）
乗算回数と求めるべき最終値の数との比は、Ｐ_ｒｅｄ＊Ｑ_ｒｅｄ／Ｑ＝１２８／３２＝４（本技術を用いずに得られた１２よりもはるかに少ない！）である。
したがって、本技術では、計算労力が１／３に低減される。

図７．４は、寸法Ｍ×Ｎ＝１６×１６で予測されるべきブロック１８の事例を示し、最終的に予測される値はＱ＝Ｍ＊Ｎ＝１６＊１６＝２５６であり、Ｐ＝Ｍ＋Ｎ＝１６＋１６＝３２個の境界サンプルである。これは、次元Ｑ×Ｐ＝２５６×３２を有する予測行列をもたらし、これは２５６＊３２＝８１９２の乗算を意味する！

しかしながら、方法８２０を適用することにより、ステップ８１１において、境界サンプルの数を、例えば３２から８に減らす（例えば、平均化またはダウンサンプリングによって）ことが可能であり、例えば、行１７ａの４つの連続サンプルのグループ１２０ごとに、単一のサンプル（例えば、４つのサンプルの中から選択されるか、またはサンプルの平均）が残る。また、カラム１７ｃの連続する４つのサンプルからなるグループごとに１つのサンプル（例えば、４つのサンプルの中から選択されるか、またはサンプルの平均）が残る。

ここで、ＡＬＷＩＰ行列１７Ｍは、Ｑ_ｒｅｄｘＰ_ｒｅｄ＝６４×８行列である。これは、それが（８つの平均化されたサンプルまたは３２個の境界から選択されたサンプルを使用することによって）Ｐ_ｒｅｄ＝８に選択されたという事実、およびステップ８１２で予測される縮小ブロックが８×８ブロック（スキーム１０９では、灰色の正方形は６４である）であるという事実に起因する。

したがって、ステップ８１２で縮小された８×８ブロックの６４個のサンプルが取得されると、ステップ８１３で、予測されるブロック１８の残りのＱ－Ｑ_ｒｅｄ＝２５６－６４＝１９２個の値１０４を導出することが可能である。

この場合、補間を実行するために、境界列１７ａのすべてのサンプルおよび境界行１７ｃの代替サンプルのみを使用することが選択されている。他の選択が行われてもよい。

本方法では、乗算回数と最終的に得られる値の数との間の比はＱ_ｒｅｄ＊Ｐ_ｒｅｄ／Ｑ＝８＊６４／２５６＝２であり、これは本技術を用いない各値の３２回の乗算よりもはるかに少ない！
本技術を使用することと使用しないこととの比較は、以下の通りである。
本技術を用いない場合：
寸法Ｍ＝１６、Ｎ＝１６の予測対象ブロック１８
Ｑ＝Ｍ＊Ｎ＝１６＊１６＝２５６予測される値、
Ｐ＝Ｍ＋Ｎ＝１６＊１６＝境界内の３２サンプル、
Ｐ＝予測されるＱ＝２５６個の値の各々についての３２回の乗算、
Ｐ＊Ｑの総数＝３２＊２５６＝８１９２回の乗算、
乗算回数と得られる最終値の数との比は、Ｐ＊Ｑ／Ｑ＝３２である。
本技術では、
寸法Ｍ＝１６、Ｎ＝１６の予測対象ブロック１８
Ｑ＝Ｍ＊Ｎ＝１６＊１６＝最後に予測される２５６個の値、

ただし、使用されるＱ_ｒｅｄｘＰ_ｒｅｄ＝６４×８ ＡＬＷＩＰ行列は、Ｍ_ｒｅｄ＝４、Ｎ_ｒｅｄ＝４、Ｑ_ｒｅｄ＝８＊８＝ＡＬＷＩＰによって予測される６４サンプル、Ｐ_ｒｅｄ＝Ｍ_ｒｅｄ＋Ｎ_ｒｅｄ＝４＋４＝８である。
Ｐ_ｒｅｄ＝Ｍ_ｒｅｄ＋Ｎ_ｒｅｄ＝４＋４＝境界内の８サンプル、Ｐ_ｒｅｄ＜Ｐ
Ｐ_ｒｅｄ＝予測対象の縮小ブロックのＱ_ｒｅｄ＝６４個の値のそれぞれについて８回の乗算
Ｑ_ｒｅｄ＊Ｐ_ｒｅｄの総数＝６４＊４＝２５６回（８１９２未満！）
乗算回数と得られる最終値の数との比は、Ｐ_ｒｅｄ＊Ｑ_ｒｅｄ／Ｑ＝８＊６４／２５６＝２（本技術を用いずに得られた３２よりもはるかに少ない！）である。
したがって、本技法によって必要とされる計算能力は、従来の技法よりも１６倍小さい！
したがって、

複数の隣接するサンプルを低減して（１００、８１３）、複数の隣接するサンプル（１７）と比較して、サンプル数がより少ない低減されたサンプル値のセット（１０２）を得るステップと、

低減されたサンプル値のセット（１０２）を線形またはアフィン線形変換（１９、１７Ｍ）に供して、所定のブロック（１８）の所定のサンプル（１０４、１１８’、１８８’’）の予測値を取得するステップ（８１２）と、により、
複数の隣接サンプル（１７）を使用して画像の所定のブロック（１８）を予測することができる。

特に、複数の隣接サンプルをダウンサンプリングして、複数の隣接サンプル（１７）と比較してサンプル数が少ないサンプル値の縮小されたセット（１０２）を取得することによって、縮小（１００、８１３）を実行することが可能である。

あるいは、複数の隣接サンプルを平均化して、複数の隣接サンプル（１７）と比較してサンプル数が少ないサンプル値の縮小されたセット（１０２）を取得することによって、縮小（１００、８１３）を実行することが可能である。

さらに、所定のサンプル（１０４、１１８’、１１８’’）および複数の隣接サンプル（１７）の予測値に基づいて、所定のブロック（１８）のさらなるサンプル（１０８、１０８’）の予測値を補間によって導出する（８１３）ことが可能である。

複数の隣接するサンプル（１７ａ、１７ｃ）は、所定のブロック（１８）の二辺（例えば、図７．１～図７．４の右および下に向かって）に沿って一次元に延在してもよい。所定のサンプル（例えば、ステップ８１２でＡＬＷＩＰによって得られたもの）はまた、行および列に配置されてもよく、行および列の少なくとも一方に沿って、所定のブロック１８の両側に隣接する所定のサンプル１１２のサンプル（１１２）からｎ番目ごとの位置に配置されてもよい。

複数の隣接サンプル（１７）に基づいて、行および列のうちの少なくとも一方のそれぞれに位置合わせされた複数の隣接位置のうちの一方（１１８）の支持値（１１８）を、行および列のうちの少なくとも一方のそれぞれについて決定することが可能である。所定のサンプル（１０８、１０８’）の予測値と、行および列のうちの少なくとも一方に整列された隣接サンプル（１１８）のサポート値とに基づいて、所定のブロック（１８）のさらなるサンプル（１０４、１１８’、１１８’’）の予測値１１８を補間によって導出することも可能である。

所定のサンプル（１０４）は、行に沿って所定のブロック１８の２つの側に隣接するサンプル（１１２）からｎ番目ごとの位置に配置されてもよく、所定のサンプルは、列に沿って所定のブロック（１８）の２つの側に隣接する（１１２）所定のサンプルのサンプル（１１２）からｍ番目ごとの位置に配置され、ｎ、ｍ＞１である。場合によっては、ｎ＝ｍ（例えば、図７．２および図７．３では、８１２でＡＬＷＩＰによって直接取得され、灰色の四角で示されているサンプル１０４、１１８’、１１８’’は、行および列に沿って、ステップ８１３で続いて取得されたサンプル１０８、１０８’に交互にされる）。

行（１７ｃ）および列（１７ａ）のうちの少なくとも一方に沿って、支持値ごとに、それぞれの支持値が決定される隣接サンプル（１１８）を含む複数の隣接サンプル内の隣接サンプルのグループ（１２０）をダウンサンプリングまたは平均化（１２２）することによって、支持値を決定するステップを実行することが可能であり得る。したがって、図７．４では、ステップ８１３において、（ステップ８１２で以前に取得された）所定のサンプル１１８’’’の値および隣接するサンプル１１８の値を支持値として使用することによってサンプル１１９の値を取得することが可能である。

複数の隣接するサンプルは、所定のブロック（１８）の二辺に沿って一次元に延在してもよい。複数の隣接サンプル（１７）を１つまたは複数の連続する隣接サンプルのグループ（１１０）にグループ化し、２つまたは３つ以上の隣接サンプルを有する１つまたは複数の隣接サンプルのグループ（１１０）の各々に対してダウンサンプリングまたは平均化を実行することによって、低減（８１１）を実行することが可能であり得る。

例では、線形またはアフィン線形変換は、Ｐ_ｒｅｄ＊Ｑ_ｒｅｄまたはＰ_ｒｅｄ＊Ｑ重み係数を含むことができ、Ｐ_ｒｅｄはサンプル値の減少したセット内のサンプル値の数（１０２）であり、Ｑ_ｒｅｄまたはＱは所定のブロック内の所定のサンプルの数（１８）である。少なくとも１／４のＰ_ｒｅｄ＊Ｑ_ｒｅｄまたは１／４のＰ_ｒｅｄ＊Ｑ重み係数は、非ゼロの重み値である。Ｐ_ｒｅｄ＊Ｑ_ｒｅｄまたはＰ_ｒｅｄ＊Ｑ重み係数は、Ｑ個またはＱ_ｒｅｄ個の所定のサンプルの各々について、それぞれの所定のサンプルに関する一連のＰ_ｒｅｄ重み係数を含むことができ、一連のＰ_ｒｅｄ重み係数は、所定のブロック（１８）の所定のサンプル間のラスタ走査順序に従って上下に配置されると、全方向的に非線形である包絡線を形成する。Ｐ_ｒｅｄ＊ＱまたはＰ_ｒｅｄ＊Ｑ_ｒｅｄ重み係数は、規則的なマッピング規則を介して互いに無関係であってもよい。それぞれの所定のサンプルに関連する第１の系列の重み係数と、それぞれの所定のサンプル以外の所定のサンプルに関連する第２の系列の重み係数との間の相互相関の最大値、または後者の系列の反転されたものは、最大値がより高くなるにもかかわらず、所定の閾値よりも低い。所定の閾値は、０．３［または場合によっては０．２または０．１］であってもよい。Ｐ_ｒｅｄ隣接サンプル（１７）は、所定のブロック（１８）の両側に沿って延びる一次元経路に沿って配置されてもよく、Ｑ個またはＱ_ｒｅｄ個の所定のサンプルの各々について、それぞれの所定のサンプルに関する一連のＰ_ｒｅｄ重み係数は、一次元経路を所定の方向に横断するように順序付けられる。
６．１ 方法および装置の説明

幅

（Ｎでも示される）および高さ

（Ｍでも示される）の長方形のブロックのサンプルを予測するために、アフィン線形重み付きイントラ予測（ＡＬＷＩＰ）は、ブロックの左のＨ個の再構築された隣接する境界サンプルの１つのラインおよびブロックの上の

再構築された隣接する境界サンプルの１つのラインを入力として取ることができる。再構築されたサンプルが利用できない場合、それらは従来のイントラ予測で行われるように生成され得る。
予測信号（例えば、完全なブロック１８の値）の生成は、以下の３つのステップのうちの少なくともいくつかに基づいてもよい。

１．境界サンプル１７のうち、サンプル１０２（例えば、Ｗ＝Ｈ＝４の場合には４つのサンプル、および／または他の場合には８つのサンプル）は、平均化またはダウンサンプリング（例えば、ステップ８１１）によって抽出することができる。

２．行列ベクトル乗算とそれに続くオフセットの加算は、平均化されたサンプル（またはダウンサンプリングから残っているサンプル）を入力として実行され得る。結果は、元のブロック内のサブサンプルされたサンプルのセット上の低減された予測信号（例えば、ステップ８１２）であり得る。

３．残りの位置の予測信号は、例えば、サブサンプリングされたセット上の予測信号から、例えば線形補間（例えば、ステップ８１３）によって、例えばアップサンプリングによって生成され得る。

ステップ１．（８１１）および／または３．（８１３）のおかげで、行列ベクトル積の計算に必要な乗算の総数は、それが常に

以下であるようにすることができる。さらに、境界に対する平均化演算および縮小予測信号の線形補間は、加算およびビットシフトのみを使用して実行される。換言すれば、実施例では、ＡＬＷＩＰモードには１サンプル当たり最大４回の乗算が必要である。

いくつかの例では、予測信号を生成するために必要な行列（例えば、１７Ｍ）およびオフセットベクトル（例えば、ｂ_ｋ）は、例えば、復号器および符号化器の記憶ユニットに記憶され得る行列のセット（例えば、３セット）、例えば

、

から取得され得る。

いくつかの例では、セット

は、図７．１による技術を実行するために、それぞれが１６行および４列と、それぞれがサイズ１６の１８個のオフセットベクトル

｛０、．．．、ｎ_０－１｝とを有し得る（例えば、以下からなる）

（例えば、

＝１６または

＝１８または別の数）行列

｛０、．．．、ｎ_０－１｝を含み得る。このセットの行列およびオフセットベクトルは、サイズ

のブロック１８に使用される。境界ベクトルがＰ_ｒｅｄ＝４ベクトル（図７．１のステップ８１１について）に縮小されると、縮小されたサンプルセット１０２のＰ_ｒｅｄ＝４サンプルを、予測される４×４ブロック１８のＱ＝１６サンプルに直接マッピングすることが可能である。

いくつかの例では、

集合は、（例えば、以下からなる）ｎ_１（例えば、

＝８または

＝１８または別の数）個の行列

｛０、．．．、ｎ_１－１｝を含むことができ、その各々は、図７．２または図７．３による技術を実行するために、

行および８列と、サイズ１６の各々の１８個のオフセットベクトル

｛０、．．．、ｎ_１－１｝とを有することができる。このセットＳ_１の行列およびオフセットベクトルは、サイズ

４×１６、４×３２、４×６４、１６×４、３２×４、６４×４、８

および８

のブロックに使用され得る。さらに、それはまた、

を有するサイズ

のブロック、すなわち４×１６または１６×４、４×３２または３２×４および４×６４または６４×４のサイズのブロックにも使用され得る。１６×８行列は、図７．２および図７．３で得られるように、４×４ブロックであるブロック１８の縮小版を指す。

これに加え、あるいはこれに代えて、

集合は、（例えば、以下からなる）ｎ_２（例えば、

＝６または

＝１８または別の数）個の行列

｛０、．．．、ｎ_２－１｝を含んでもよく、行列の各々は、６４行８列と、サイズ６４の１８個のオフセットベクトル

｛０、．．．、ｎ_２－１｝とを有してもよい。６４×８行列は、例えば図７．４で得られるような８×８ブロックであるブロック１８の縮小バージョンを指す。このセットの行列およびオフセットベクトルは、サイズ

のブロックに使用され得る。
これらの行列およびオフセットベクトルのセットまたは一部の行列およびオフセットベクトルは、他のすべてのブロック形状に使用されてもよい。
６．２ 境界の平均化またはダウンサンプリング
ここでは、ステップ８１１に関して特徴が提供される。

上記で説明したように、境界サンプル（１７ａ、１７ｃ）は、平均化および／またはダウンサンプル（例えば、ＰサンプルからＰ_ｒｅｄ＜Ｐサンプル）され得る。

第１のステップでは、入力境界

（例えば、１７ｃ）および

（例えば、１７ａ）は、より小さい境界

に縮小され、縮小された集合１０２に到達することができる。ここで、

および

は両方とも４×４ブロックの場合は２サンプルからなり、他の場合は両方とも４サンプルからなる。
４×４ブロックの場合、

、

同様に

と定義することができる。したがって

、

、

、

［１］は、例えばビットシフト演算を用いて得られた平均値であり、

他のすべての場合（例えば、４とは異なるウィザーの幅または高さのブロックについて）において、ブロック幅Ｗ

がＷ

として与えられる場合、

．
同様に

と定義する。

さらに他の場合では、境界（例えば、境界サンプルのグループから１つの特定の境界サンプルを選択することによって）をダウンサンプリングして、サンプル数を減らすことができる。例えば、

は

および

の中から選択されてもよく、

は

および

の中から選択されてもよい。同様に

と定義することも可能である。

２つの縮小された境界

および

は、縮小された境界ベクトル

（縮小されたセット１０２に関連付けられている）に連結されてもよく、これもまた１７Ｐで示される。したがって、縮小された境界ベクトル

は、

形状のブロック（図７．１の例）についてはサイズ４（Ｐ_ｒｅｄ＝４）であり、他のすべての形状のブロック（図７．２～７．４の例）についてはサイズ８（Ｐ_ｒｅｄ＝８）であり得る。
ここで、

（または行列の集合における行列の数）であれば、

の転置モード

に対応するのであれば、

と定義し得る。

したがって、特定の状態（

）によれば、出力ベクトルの予測値を異なる走査順序（例えば、１つの走査順序：

）に沿って分布させることが可能である。

他の戦略を実行してもよい。他の例では、モードインデックス「モード」は必ずしも０から３５の範囲内ではない（他の範囲が定義されてもよい）。さらに、３つのセットＳ_０、Ｓ_１、Ｓ_２の各々が１８個の行列（したがって、

のような式の代わりに、行列Ｓ_０、Ｓ_１、Ｓ_２の各セットの行列の数である

_０、

_１、

_２にそれぞれすることが可能である）を有する必要はない。また、各セットは、それぞれ異なる数の行列（例えば、Ｓ_０は１６個の行列を有し、Ｓ_１は８個の行列を有し、Ｓ_２は６個の行列を有してもよい）を有してもよい。

モードおよび転置情報は、必ずしも１つの結合されたモードインデックス「モード」として格納および／または送信されるわけではない。つまり、いくつかの例では、転置フラグおよび行列インデックス（Ｓ_０の場合は０～１５、Ｓ_１の場合は０～７、Ｓ_２の場合は０～５）として明示的にシグナリングする可能性がある。

場合によっては、転置フラグと行列インデックスの組み合わせは、セットインデックスとして解釈されてもよい。例えば、転置フラグとして動作する１ビットと、「セットインデックス」としてまとめて示される、行列インデックスを示すいくつかのビットとがあり得る。
６．３ 行列ベクトル乗算による縮小予測信号の生成
ここでは、ステップ８１２に関して特徴が提供される。

縮小された入力ベクトル

（境界ベクトル１７Ｐ）のうちの１つは、縮小された予測信号

を生成することができる。後者の信号は、幅

および高さ

のダウンサンプリングされたブロック上の信号であり得る。ここで、

および

は、以下のように定義され得る。

、

である場合

そうではない場合。
低減された予測信号

は、行列ベクトル積を計算し、オフセットを加えることによって計算することができる。

．

ここで、

は、他のすべての場合にＷ＝Ｈ＝４および８列である場合に

行および４列を有し得る行列（例えば、予測行列１７Ｍ）であり、

はサイズ

のベクトルであり得る。

の場合、Ａは４列１６行を有することができ、したがって、その場合には

計算するためにサンプルあたり４回の乗算が必要とされ得る。他のすべての場合において、Ａは８個の列を有することができ、これらの場合において、Ａが

を有すること、すなわちこれらの場合においても、１サンプル当たり最大４回の乗算が

計算に必要であることを検証することができる。

行列Ａおよびベクトル

は、以下のように、セット

の１つから取得され得る。

の場合は

、

の場合は

、およびその他すべての場合は

と設定することによってインデックス

を定義する。さらに、

の場合は

、その他の場合は

と置くことができる。次に、

または

および

の場合、

および

を置くことができる。

＝２、かつ

である場合、

はその各行

を除外することによって生じる行列であり、Ｗ＝４の場合、ダウンサンプルされたブロック内の奇数ｘ座標に対応し、またはＨ＝４の場合、ダウンサンプルされたブロック内の奇数ｙ座標に対応する。

の場合、縮小された予測信号をその転置された信号で置き換える。代替的な例では、異なる戦略を実行することができる。例えば、より大きな行列のサイズを縮小する（「除外する」）代わりに、Ｗ_ｒｅｄ＝４およびＨ_ｒｅｄ＝４であるＳ_１（ｉｄｘ＝１）のより小さな行列が使用される。すなわちこのようなブロックは、ここではＳ_２ではなくＳ_１に割り当てられる。

他の戦略を実行してもよい。他の例では、モードインデックス「モード」は必ずしも０から３５の範囲内ではない（他の範囲が定義されてもよい）。さらに、３つのセットＳ_０、Ｓ_１、Ｓ_２の各々が１８個の行列（したがって、

のような式の代わりに、行列Ｓ_０、Ｓ_１、Ｓ_２の各セットの行列の数である

_０、

_１、

_２にそれぞれすることが可能である）を有する必要はない。また、各セットは、それぞれ異なる数の行列（例えば、Ｓ_０は１６個の行列を有し、Ｓ_１は８個の行列を有し、Ｓ_２は６個の行列を有してもよい）を有してもよい。
６．４ 最終予測信号を生成するための線形補間
ここでは、ステップ８１２に関して特徴が提供される。

サブサンプルされた予測信号の補間、大きなブロックでは、平均化された境界の第２のバージョンが必要とされ得る。すなわち、

の場合、および

の場合には、Ｗ

を書き込み、

の場合には、

と定義する．

および

の場合も同様に

と定義される。

加えて、または代替として、「ハードダウンサンプリング」を有することが可能であり、

は

に等しい。

また、

も同様に定義することができる。

の生成において除外されたサンプル位置において、最終的な予測信号は、

（例えば、図７．２～図７．４の例のステップ８１３）からの線形補間によって生じ得る。いくつかの例では、

（例えば、図７．１の例）場合、この線形補間は不要であり得る。

線形補間は、以下のように与えられてもよい（他の例も可能である）。

と仮定する。次に、

の場合、

の垂直アップサンプリングが実行され得る。その場合、

は、以下のように上に１ライン分拡張されてもよい。

の場合、

は幅

を有することができ、例えば上記で定義されたように、平均化された境界信号

によって上部に拡張され得る。

の場合、

は幅

であり、例えば上記で定義したように、平均化された境界信号

によって上部に拡張される。第１のライン

に

を書き込むことができる。次に、幅

および高さ

のブロック上の信号

は次のように与えられ得る。

［ｘ］［２＊ｙ＋１］＝

［ｘ］［ｙ］、

［ｘ］［２＊ｙ］＝

［ｘ］［ｙ－１］＋

［ｘ］［ｙ］＋１）＞＞１、

ここで、

および

である。後者のプロセスは、２ｋ

Ｈ_ｒｅｄ＝Ｈになるまでｋ回実行することができる。したがって、Ｈ

またはＨ

の場合、最大で１回実行することができる。Ｈ

の場合、２回行ってもよい。Ｈ

であれば３回行ってもよい。次に、垂直アップサンプリングの結果に水平アップサンプリング動作を適用することができる。後者のアップサンプリング動作は、予測信号の全境界左を使用することができる。最後に、

の場合、最初に水平方向に（必要に応じて）アップサンプリングし、次に垂直方向にアップサンプリングすることによって同様に進めることができる。

これは、第１の補間（水平または垂直）に縮小された境界サンプルを使用し、第２の補間（垂直または水平）に元の境界サンプルを使用する補間の例である。ブロックサイズに応じて、第２の補間のみまたは補間なしが必要である。水平補間と垂直補間の両方が必要な場合、順序はブロックの幅と高さに依存する。
しかしながら、異なる技術が実装されてもよく、例えば、元の境界サンプルが第１および第２の補間の両方に使用されてもよく、順序は固定されてもよく、例えば、最初に水平、次いで垂直（他の場合には、最初に垂直、次いで水平）であってもよい。
したがって、補間順序（水平／垂直）および縮小／元の境界サンプルの使用を変更することができる。

６．５ ＡＬＷＩＰプロセス全体の例の説明
平均化、行列ベクトル乗算、および線形補間の全プロセスは、図７．１～図７．４の異なる形状について示されている。残りの形状は、図示された事例の１つのように扱われることに留意されたい。

１．

ブロックが与えられると、ＡＬＷＩＰは、図７．１の技法を使用して境界の各軸に沿って２つの平均をとることができる。得られた４つの入力サンプルは、行列ベクトル乗算に入る。行列は、セット

から取得される。オフセットを加えた後、これは１６個の最終予測サンプルをもたらし得る。予測信号の生成には、線形補間は不要である。したがって、１サンプルあたり合計（

乗算）が実行される。例えば、図７．１を参照されたい。

２．

ブロックが与えられると、ＡＬＷＩＰは、境界の各軸に沿って４つの平均を取ることができる。結果として得られる８つの入力サンプルは、図７．２の技法を使用して、行列ベクトル乗算に入る。行列は、セット

から取得される。これにより、予測ブロックの奇数位置に１６個のサンプルが得られる。したがって、１サンプルあたり合計（

乗算）が実行される。オフセットを追加した後、これらのサンプルは、例えば、上部境界を使用して垂直に、および例えば、左境界を使用して水平に補間され得る。例えば、図７．２を参照されたい。

３．

ブロックが与えられると、ＡＬＷＩＰは、図７．３の技法を使用することによって、境界の横軸に沿った４つの平均および左境界上の４つの元の境界値を取ることができる。得られた８つの入力サンプルは、行列ベクトル乗算に入る。行列は、セット

から取得される。これにより、予測ブロックの奇数水平位置および各垂直位置に１６個のサンプルが得られる。したがって、１サンプルあたり合計（

乗算）が実行される。オフセットを追加した後、これらのサンプルは、例えば左境界を使用して水平方向に補間される。例えば、図７．３を参照されたい。
転置された事例はそれに応じて処理される。

４．

ブロックが与えられると、ＡＬＷＩＰは境界の各軸に沿って４つの平均を取ることができる。結果として得られる８つの入力サンプルは、図７．２の技法を使用して行列ベクトル乗算に入る。行列は、セット

から取得される。これにより、予測ブロックの奇数位置に６４個のサンプルが得られる。したがって、１サンプルあたり合計（

乗算）が実行される。オフセットを追加した後、これらのサンプルは、例えば、上部境界を使用して垂直方向に補間され、左境界を使用して水平方向に補間される。例えば、図７．２を参照されたい。例えば、図７．４を参照されたい。
より大きな形状の場合、手順は本質的に同じであり得、サンプルあたりの乗算数が２未満であることを確認することは容易である。
Ｗ×８ブロックの場合、奇数水平および各垂直位置にサンプルが与えられるため、水平補間のみが必要である。したがって、これらの場合、せいぜい（サンプルあたりの乗算

が実行される。
最後に、Ｗ＞８のＷ×４ブロックについて、ダウンサンプルされたブロックの水平軸に沿った奇数エントリに対応する各行を除外することによって生じる行列を

とする。したがって、出力サイズは３２であってもよく、ここでも水平補間のみが実行されたままである。せいぜい（サンプルあたりの乗算

が実行され得る。
転置された症例は、それに応じて処置され得る。

６．６ 必要なパラメータの数および複雑さの評価
すべての可能な提案されたイントラ予測モードに必要なパラメータは、セット

、

に属する行列およびオフセットベクトルによって構成され得る。すべての行列係数およびオフセットベクトルは、１０ビット値として格納され得る。したがって、上記の説明によれば、各々が１０ビット精度の合計１４４００個のパラメータが、提案された方法に必要とされ得る。これは、０．０１８メガバイトのメモリに対応する。現在、標準４：２：０のクロマサブサンプリングにおけるサイズ

のＣＴＵは、それぞれ１０ビットの２４５７６個の値からなることが指摘される。したがって、提案されたイントラ予測ツールのメモリ要件は、最後の会議で採用された現在の画像参照ツールのメモリ要件を超えない。また、従来のイントラ予測モードは、部分角度位置を有する角度予測モードのためのＰＤＰＣツールまたは４タップ補間フィルタに起因して、サンプルごとに４回の乗算を必要とすることが指摘される。したがって、動作の複雑さに関して、提案された方法は従来のイントラ予測モードを超えない。

６．７ 提案されたイントラ予測モードのシグナリング
ルマブロックについては、例えば３５個のＡＬＷＩＰモードが提案されている（他の数のモードが使用されてもよい）。イントラ・モードの各符号化ユニット（ＣＵ）について、ＡＬＷＩＰモードが、対応する予測ユニット（ＰＵ）に適用されるべきであるか否かを示すフラグが、ビットストリームで送信される。後者の指標のシグナル伝達は、第１のＣＥ試験と同じ方法でＭＲＬと調和させることができる。ＡＬＷＩＰモードが適用される場合、ＡＬＷＩＰモードのインデックス

は、３ＭＰＭＳを有するＭＰＭリストを使用してシグナリングされ得る。

ここで、ＭＰＭの導出は、以下のように、上記および左のＰＵのイントラモードを用いて行われてもよい。各従来のイントラ予測モード

にＡＬＷＩＰモード

を割り当てることができるテーブル、例えば３つの固定テーブル

、

があってもよい。
幅

および高さ

の各ＰＵについて、
上記のセクション４のように、３つのセットのうちのどのセットからＡＬＷＩＰパラメータを取得するかを示すインデックス

を定義する。上記の予測ユニット

が利用可能であり、現在のＰＵと同じＣＴＵに属し、イントラモードにある場合、

であって、ＡＬＷＩＰがＡＬＷＩＰモード

で

に適用されている場合、

とする。
上記のＰＵが利用可能であり、現在のＰＵと同じＣＴＵに属しており、イントラモードにあり、従来のイントラ予測モード

が上記のＰＵに適用される場合、

とする。

他のすべての場合において、

とし、
これは、このモードが利用できないことを意味する。同じように、ただし、左ＰＵが現在のＰＵと同じＣＴＵに属する必要があるという制限なしに、モード

を導出する。
最後に、３つの固定デフォルトリスト

、

が提供され、その各々は３つの異なるＡＬＷＩＰモードを含む。デフォルトリスト

およびモード

およびモード

のうち、デフォルト値で－１を置換するとともに繰り返しを排除することによって、３つの異なるＭＰＭを構築する。

本明細書に記載の実施形態は、提案されたイントラ予測モードの上述の信号化によって限定されない。代替実施形態によれば、ＭＰＭおよび／またはマッピングテーブルは、ＭＩＰ（ＡＬＷＩＰ）に使用されない。

６．８ 従来のルマイントラ予測モードおよびクロマイントラ予測モードのための適応ＭＰＭリスト導出
提案されたＡＬＷＩＰモードは、以下のように従来のイントラ予測モードのＭＰＭベースの符号化と調和され得る。従来のイントラ予測モードのルマおよびクロマＭＰＭリスト導出プロセスは、固定テーブル

、

を使用し、所与のＰＵ上のＡＬＷＩＰモード

を従来のイントラ予測モード

のうちの１つにマッピングすることができる。
ルマＭＰＭリスト導出の場合、ＡＬＷＩＰモード

を使用する隣接ルマブロックに遭遇するときはいつでも、このブロックは従来のイントラ予測モード

を使用しているかのように扱われ得る。クロマＭＰＭリスト導出のために、現在のルマブロックがＬＷＩＰモードを使用するときはいつでも、同じマッピングを使用してＡＬＷＩＰモードを従来のイントラ予測モードに変換することができる。
ＡＬＷＩＰモードは、ＭＰＭおよび／またはマッピングテーブルを使用することなく、従来のイントラ予測モードと調和させることもできることは明らかである。例えば、クロマブロックについて、現在のルマブロックがＡＬＷＩＰモードを使用するときはいつでも、ＡＬＷＩＰモードが平面イントラ予測モードにマッピングされることが可能である。

７ 実施効率的な実施形態
以下に説明する実施形態をさらに拡張するための基礎を形成する可能性があるため、上記の例を簡単に要約する。
画像１０の所定のブロック１８を予測するために、複数の隣接サンプル１７ａ、１７ｃを使用することが使用される。
複数の隣接サンプルの平均化による削減１００は、複数の隣接サンプルと比較してサンプル数が少ない削減されたサンプル値のセット１０２を得るために行われている。この減少は、本明細書の実施形態では任意であり、以下で言及されるいわゆるサンプル値ベクトルをもたらす。サンプル値の低減されたセットは、所定のブロックの所定のサンプル１０４の予測値を取得するために線形またはアフィン線形変換１９を受ける。この変換は、後に、機械学習（ＭＬ）によって取得され、実装が効率的に実行されるべきである行列Ａおよびオフセットベクトルｂを使用して示される。

２補間により、所定のブロックのさらなるサンプル１０８の予測値が、所定のサンプルおよび複数の隣接するサンプルの予測値に基づいて導出される。理論的には、アフィン／線形変換の結果は、ブロック１８のすべてのサンプルが代替の実施形態による補間によって取得され得るように、ブロック１８の非フルペルサンプル位置に関連付けることができると言える。補間も全く必要ないかもしれない。

複数の隣接サンプルは、所定のブロックの二辺に沿って一次元に延びることができ、所定のサンプルは、行および列に、ならびに行および列のうちの少なくとも一方に沿って配置され、所定のサンプルは、所定のブロックの二辺に隣接する所定のサンプルのサンプル（１１２）からｎ番目ごとの位置に配置され得る。複数の隣接サンプルに基づいて、行および列のうちの少なくとも一方の各々について、複数の隣接位置のうちの一方（１１８）のサポート値が決定され得、これは、行および列のうちの少なくとも一方のそれぞれに整列され、補間によって、所定のブロックのさらなるサンプル１０８の予測値は、所定のサンプルの予測値および行および列のうちの少なくとも一方に整列された隣接サンプルのサポート値に基づいて導出され得る。所定のサンプルは、行に沿って所定のブロックの両側に隣接する所定のサンプルのサンプル１１２からｎ番目ごとの位置に配置されてもよく、所定のサンプルは、列に沿って所定のブロックの両側に隣接する所定のサンプルのサンプル１１２からｍ番目ごとの位置に配置されてもよく、ｎ、ｍ＞１である。ｎ＝ｍであってもよい。行および列の少なくとも一方に沿って、支持値の決定は、各支持値について、それぞれの支持値が決定される隣接サンプル１１８を含む複数の隣接サンプル内の隣接サンプルのグループ１２０を平均すること（１２２）によって行うことができる。複数の隣接サンプルは、所定のブロックの二辺に沿って一次元に延在してもよく、削減は、複数の隣接サンプルを１つまたは複数の連続する隣接サンプルのグループ１１０にグループ化し、３つ以上の隣接サンプルを有する１つまたは複数の隣接サンプルのグループの各々に対して平均化を実行することによって行われてもよい。

所定のブロックについて、予測残差がデータストリーム内で送信され得る。これは、復号器においてそこから導出されてもよく、所定のブロックは、所定のサンプルの予測残差および予測値を使用して再構成される。符号化器では、予測残差が符号化器でデータストリームに符号化される。
画像は、異なるブロック・サイズの複数のブロックに細分され得る。これら複数のブロックは、所定のブロックを備える。次に、ブロック１８の線形またはアフィン線形変換は、所定のブロックの幅Ｗおよび高さＨに応じて選択され、所定のブロックの幅Ｗおよび高さＨが幅／高さ対の第１のセット内にある限り、所定のブロックに対して選択された線形またはアフィン線形変換は、線形またはアフィン線形変換の第１のセットから選択され、所定のブロックの幅Ｗおよび高さＨが幅／高さ対の第１のセットとは異なる幅／高さ対の第２のセット内にある限り、線形またはアフィン線形変換の第２のセットは、選択される。再び、後に、アフィン／線形変換が他のパラメータ、すなわちＣの重み、ならびに任意選択的にオフセットおよびスケールパラメータによって表されることが明らかになる。

復号器および符号化器は、画像を、所定のブロックを含む異なるブロックサイズの複数のブロックに細分化し、所定のブロックに対して選択された線形またはアフィン線形変換が、
所定のブロックの幅Ｗおよび高さＨが幅／高さ対の第１のセット内にある限り、線形またはアフィン線形変換の第１のセットから選択され、
所定のブロックの幅Ｗおよび前記高さＨが、幅／高さ対の第１のセットに共通しない幅／高さ対の第２のセット内にある限り、線形またはアフィン線形変換の第２のセットから選択され、
所定のブロックの幅Ｗおよび高さＨが１つまたは複数の幅／高さ対の第３のセット内にあり、幅／高さ対の第１および第２のセットとは無関係である限り、線形またはアフィン線形変換の第３のセットから選択される、ように、所定のブロックの幅Ｗおよび高さＨに応じて線形またはアフィン線形変換を選択する、ように構成される。
１つまたは複数の幅／高さ対の第３のセットは、単に１つの幅／高さ対Ｗ’、Ｈ’を含み、線形またはアフィン線形変換の第１のセット内の各線形またはアフィン線形変換は、Ｎ’サンプル値を、サンプル位置のＷ’ｘＨ’アレイのＷ’＊Ｈ’予測値に変換するためのものである。

第１および第２のセットの幅／高さ対の各々は、Ｗ_ｐがＨ_ｐに等しくない第１の幅／高さ対Ｗ_ｐ、Ｈ_ｐと、Ｈ_ｑ＝Ｗ_ｐおよびＷｑ＝Ｈ_ｐである第２の幅／高さ対Ｗ_ｑ、Ｈ_ｑとを含むことができる。
第１および第２のセットの幅／高さ対の各々は、第３の幅／高さ対Ｗ_ｐ、Ｈ_ｐをさらに含むことができ、Ｗ_ｐはＨ_ｐに等しく、Ｈ_ｐ＞Ｈ_ｑである。
所定のブロックについて、線形またはアフィン線形変換の所定のセットのうちのどの線形またはアフィン線形変換がブロック１８に対して選択されるべきかを示すセットインデックスがデータストリーム内で送信され得る。

複数の隣接サンプルは、所定のブロックの二辺に沿って一次元に延在してもよく、削減は、所定のブロックの第１の辺に隣接する複数の隣接サンプルの第１のサブセットについて、第１のサブセットを、１つまたは複数の連続する隣接サンプルの第１のグループ１１０にグループ化し、所定のブロックの第２の辺に隣接する複数の隣接サンプルの第２のサブセットについて、第２のサブセットを、１つまたは複数の連続する隣接サンプルの第２のグループ１１０にグループ化し、第１のグループから第１のサンプル値および第２のグループの第２のサンプル値を取得するために、第２のサブセットを、２つまたは複数の隣接サンプルを有する１つまたは複数の隣接サンプルの第１のおよび第２のグループの各々に対して平均化を実行することによって行われてもよい。次いで、線形またはアフィン線形変換は、線形またはアフィン線形変換の所定のセットからのセットインデックスに応じて選択されてもよく、その結果、セットインデックスの２つの異なる状態が、線形またはアフィン線形変換の所定のセットの線形またはアフィン線形変換のうちの１つの選択になり、サンプル値の低減されたセットは、２つの異なる状態のうちの第１の状態を第１のベクトルの形式で仮定するセットインデックスの場合、所定の線形またはアフィン線形変換を受けて予測値の出力ベクトルを生成し、出力ベクトルの予測値を第１の走査順序に沿って所定のブロックの所定のサンプルに分配し、２つの異なる状態のうちの第２の状態を第２のベクトルの形式で仮定するセットインデックスの場合、第１および第２のベクトルは、第１のベクトルおよび第２のベクトルにおいて第１のサンプル値のサンプル値のうちの１のサンプル値が、第２のベクトルにおいて第２のサンプル値のベクトルにおいて第２のサンプル値の１のサンプル値の値の１の１の値、予測値の出力ベクトルを生成し、第１の走査順序に対して転置された所定のブロックの所定のサンプル上に第２の走査順序に沿って出力ベクトルの予測値を分配するように、第１のベクトル内の第２のサンプル値のうちの１つによってポピュレートされた成分が、第２のベクトル内の第１のサンプル値のうちの１つによってポピュレートされる。

線形またはアフィン線形変換の第１のセット内の各線形またはアフィン線形変換は、Ｎ_１サンプル値をサンプル位置のｗ_１×ｈ_１アレイについてのｗ_１＊ｈ_１予測値に変換するためのものであってもよく、線形またはアフィン線形変換の第２のセット内の各線形またはアフィン線形変換は、Ｎ_２サンプル値をサンプル位置のｗ_２×ｈ_２アレイについてのｗ_２＊ｈ_２予測値に変換するためのものであり、幅／高さ対の第１の所定の１つについて、ｗ_１は第１の所定の幅／高さ対の幅を超えることができ、またはｈ_１は第１の所定の幅／高さ対の高さを超えることができ、幅／高さ対の第１の第２の所定の１の１つについて、ｗ_１は第２の所定の幅／高さ対の幅を超えることができない。平均化することによって、サンプル値の低減されたセット（１０２）を得るために複数の隣接するサンプルを低減するステップ（１００）は、所定のブロックが第１の所定の幅／高さ対のものである場合、および所定のブロックが第２の所定の幅／高さ対のものである場合、低減されたサンプル値のセット１０２がＮ_１個のサンプル値を有するように行われてもよく、低減されたサンプル値のセットを選択された線形またはアフィン線形変換にかけることは、サンプル位置のｗ_１×ｈ_１配列のサブサンプリングに関連する選択された線形またはアフィン線形変換の最初のサブ部分のみを使用して実行されてもよく、ｗ_１が１つの幅／高さの対の幅を超える場合、幅の寸法に沿って、または、ｈ_１が１つの幅／高さのペアの高さを超える場合は高さ寸法に沿って、所定のブロックが第１の所定の幅／高さの対である場合、所定のブロックが第２の所定の幅／高さの対である場合、選択された線形またはアフィン線形変換は完全に行われる。

線形またはアフィン線形変換の第１のセット内の各線形またはアフィン線形変換は、ｗ_１＝ｈ_１であるサンプル位置のｗ_１×ｈ_１アレイについてＮ_１サンプル値をｗ_１＊ｈ_１予測値に変換するためのものであり得、線形またはアフィン線形変換の第２のセット内の各線形またはアフィン線形変換は、ｗ_２＝ｈ_２であるサンプル位置のｗ_２×ｈ２アレイについてＮ_２サンプル値をｗ_２＊ｈ_２予測値に変換するためのものである。
上記の実施形態はすべて、本明細書で以下に説明する実施形態の基礎を形成し得るという点で単なる例示である。すなわち、上記の概念および詳細は、以下の実施形態を理解するのに役立ち、本明細書で後述する実施形態の可能な拡張および修正のリザーバとして役立つ。特に、上記の詳細の多くは、隣接するサンプルの平均化、隣接するサンプルが参照サンプルとして使用されるという事実など、任意選択である。
より一般的には、本明細書に記載の実施形態は、矩形ブロック上のイントラ予測信号がブロックの左および上の隣接する既に再構成されたサンプルから生成されるなど、矩形ブロック上の予測信号が既に再構成されたサンプルから生成されると仮定する。予測信号の生成は、以下のステップに基づく。

１．しかしながら、説明を他の場所に配置された参照サンプルに転送する可能性を排除することなく、境界サンプルと呼ばれる参照サンプルから、サンプルは平均化によって抽出され得る。ここで、平均化は、ブロックの左および上の両方の境界サンプルに対して、または２つの側の一方の境界サンプルに対してのみ実行される。片側で平均化が行われない場合、その側のサンプルは変更されないままである。
２．行列ベクトル乗算が実行され、任意選択で、その後にオフセットが追加され、行列ベクトル乗算の入力ベクトルは、平均化が左側のみに適用された場合、ブロックの平均化された境界サンプルの左とブロックの上の元の境界サンプルとの連結、または平均化が上側のみに適用された場合、ブロックの元の境界サンプルの左とブロックの上の平均化された境界サンプルとの連結、または平均化がブロックの両側に適用された場合、ブロックの平均化された境界サンプルの左とブロックの上の平均化された境界サンプルとの連結のいずれかである。ここでも、平均化がまったく使用されていないものなどの代替物が存在する。

３．行列ベクトル乗算および任意選択のオフセット加算の結果は、任意選択的に、元のブロック内のサブサンプルされたサンプルのセット上の低減された予測信号であってもよい。残りの位置における予測信号は、線形補間によってサブサンプルされたセット上の予測信号から生成され得る。
ステップ２における行列ベクトル積の計算は、好ましくは整数演算で実行されるべきである。したがって、

が行列ベクトル積の入力を示す場合、すなわち

がブロックの左および上の（平均化された）境界サンプルの連結を示す場合、

から、ステップ２で計算された（低減された）予測信号は、ビットシフト、オフセットベクトルの加算、および整数との乗算のみを使用して計算されるべきである。理想的には、ステップ２の予測信号は、

のように与えられる。ここでは

は０であり得るオフセットベクトルであり、

はいくつかの機械学習ベースの訓練アルゴリズムによって導出される。しかしながら、そのような訓練アルゴリズムは、通常、浮動小数点精度で与えられる行列

のみをもたらす。したがって、式がこれらの整数演算

を使用して十分に近似されるように、前述の意味で整数演算を指定するという問題に直面する。ここで、これらの整数演算は、ベクトル

の均一な分布を仮定して式

を近似するように必ずしも選択されるのではなく、典型的には、式

が近似される入力ベクトル

が自然映像信号からの（平均化された）境界サンプルであり、

の成分

間のいくつかの相関を期待することができることを考慮することに言及することが重要である。

図８は、改善されたＡＬＷＩＰ予測を示す。所定のブロックのサンプルは、いくつかの機械学習ベースの訓練アルゴリズムによって導出された行列Ａ１１００とサンプル値ベクトル４００との間の第１の行列－ベクトル積に基づいて予測することができる。任意選択的に、オフセットｂ１１１０を追加することができる。この第１の行列ベクトル積の整数近似または固定点近似を達成するために、サンプル値ベクトルは、さらなるベクトル４０２を決定するために可逆線形変換４０３を受けることができる。さらなる行列Ｂ１２００とさらなるベクトル４０２との間の第２の行列－ベクトル積は、第１の行列－ベクトル積の結果に等しくなり得る。
さらなるベクトル４０２の特徴のために、第２の行列－ベクトル積は、所定の予測行列Ｃ４０５とさらなるベクトル４０２とさらなるオフセット４０８との間の行列－ベクトル積４０４によって整数近似することができる。さらなるベクトル４０２およびさらなるオフセット４０８は、整数値または固定小数点値からなることができる。さらなるオフセットのすべての成分は、例えば、同じである。所定の予測行列４０５は、量子化された行列であってもよいし、量子化される行列であってもよい。所定の予測行列４０５とさらなるベクトル４０２との間の行列－ベクトル積４０４の結果は、予測ベクトル４０６として理解することができる。

以下では、この整数近似に関するさらなる詳細が提供される。
例Ｉによる可能な解決策：平均値の減算および加算
上記のシナリオで使用可能な式

の整数近似の可能な組み込みの一例は、サンプル値ベクトル４００の第

の成分

、すなわち

の所定の成分１５００を、他のすべての成分の成分

の平均値

、すなわち所定の値１４００で置き換え、この平均値を他のすべての成分から減算することである。言い換えれば、可逆線形変換４０３は、図９ａに示すように、さらなるベクトル４０２の所定の成分１５００がａになり、所定の成分１５００を除くさらなるベクトル４０２の他の成分の各々が、サンプル値ベクトルの対応する成分からａを引いたものに等しくなるように定義され、ａは、例えば、サンプル値ベクトル４００の成分の算術平均または加重平均などの平均である所定の値１４００である。入力に対するこの操作は、特に

の次元

が２の累乗である場合、明らかな整数の実装を有する可逆変換

４０３によって与えられる。

であるため、入力

に対してそのような変換を行う場合、

および

である行列ベクトル積

の積分近似を見つける必要がある。行列ベクトル積

は、長方形のブロック、すなわち所定のブロック上の予測を表し、

はそのブロックの（例えば、平均）境界サンプルによって構成されるので、

のすべてのサンプル値が等しい場合、すなわち、すべての

について

である場合、予測信号

内の各サンプル値は、

に近いか、または

に正確に等しくなければならないことを期待すべきである。これは、第

番目の列、すなわち所定の成分

に対応する列が、１のみからなる列に非常に近いかまたは等しいことを期待すべきであることを意味する。したがって、

）、すなわち整数行列１３００が、その第

の列が１からなり、その他の列のすべてが０である行列である場合、

ｙを

と書き込むと、図９ｂに示すように、

の第

の列、すなわち所定の予測行列４０５は、かなり小さいエントリを有するか、または０であることを期待すべきである。さらに、

の成分は相関しているため、

それぞれについて、

のｉ番目の成分

はｘのｉ番目の成分よりも絶対値がはるかに小さいことが多いことが期待できる。行列

は整数行列であるため、

の整数近似が与えられる場合、

の整数近似が達成され、上記の引数により、

の各エントリを適切な方法で量子化することによって生じる量子化誤差は、

、

それぞれの結果として得られる量子化の誤差にわずかにしか影響しないことが期待できる。

所定値１４００は、必ずしも平均値

である必要はない。式

の本明細書に記載された整数近似はまた、所定値１４００の以下の代替的な定義を用いて達成することができる。
式

の整数近似の別の可能な組み込みでは、

の第

の成分

は変更されないままであり、同じ値

が他のすべての成分から減算される。すなわち、それぞれの

について

および

である。言い換えれば、所定値１４００は、所定成分１５００に対応するサンプル値ベクトル４００の成分とすることができる。
あるいは、所定値１４００は、デフォルト値、または画像が符号化されたデータストリームでシグナリングされる値である。
所定値１４００は、例えば、２^{ｂｉｔｄｅｐｔｈ－１}に等しい。この場合、さらなるベクトル４０２は、ｉ＞０の場合、ｙ_０＝２^{ｂｉｔｄｅｐｔｈ－１}およびｙ_ｉ＝ｘ_ｉ－ｘ_０によって定義することができる。
あるいは、所定成分１５００は、所定値１４００を減算した定数となる。定数は、例えば、２^{ｂｉｔｄｅｐｔｈ－１}に等しい。一実施形態によれば、さらなるベクトルｙ４０２の所定の成分

１５００は、２ビット深度－１から所定の成分

１５００に対応するサンプル値ベクトル４００の成分を引いたものに等しく、さらなるベクトル４０２の他のすべての成分は、サンプル値ベクトル４００の対応する成分から所定の成分１５００に対応するサンプル値ベクトル４００の成分を引いたものに等しい。
例えば、所定値１４００は、所定のブロックのサンプルの予測値との偏差が小さいと有利である。

一実施形態によれば、装置１０００は、複数の可逆線形変換４０３を含むように構成され、その各々はさらなるベクトル４０２の一成分に関連付けられる。また、この装置は、例えば、サンプル値ベクトル４００の成分のうちの所定の成分１５００を選択し、その所定の成分１５００に対応付けられている複数の可逆線形変換のうちの可逆線形変換４０３を、その所定の可逆線形変換として用いるように構成される。これは、例えば、ｉ_０番目の行、すなわち、さらなるベクトル内の所定の成分の位置に依存する、所定の成分に対応する可逆線形変換４０３の行の異なる位置に起因する。例えば、さらなるベクトル４０２の第１の成分、すなわちｙ１が所定の成分である場合、ｉ_０番目の行は可逆線形変換の第１の行を置き換える。

図９ｂに示すように、さらなるベクトル４０２の所定の成分１５００に対応する所定の予測行列４０５の列４１２、すなわちｉ_０番目の列内の所定の予測行列４０５の行列成分４１４は、例えば、すべて０である。この場合、装置は、例えば、図９ｃに示すように、列４１２を残すことによって所定の予測行列Ｃ４０５から結果として生じる縮小された予測行列Ｃ’４０５と、所定の成分１５００を残すことによってさらなるベクトル４０２から結果として生じるなおさらなるベクトル４１０との間の行列ベクトル積４０７を計算することによって乗算を実行することによって行列ベクトル積４０４を計算するように構成される。したがって、予測ベクトル４０６をより少ない乗算で計算することができる。

図８、図９ｂおよび図９ｃに示すように、装置１０００は、予測ベクトル４０６に基づいて所定のブロックのサンプルを予測する際に、予測ベクトル４０６の各成分について、それぞれの成分とａとの和、すなわち所定値１４００を計算するように構成することができる。この合計は、図８および図９ｃに示すように、予測ベクトル４０６とベクトル４０９との和によって表すことができ、ベクトル４０９のすべての成分は所定値１４００に等しい。あるいは、加算は、図９ｂに示すように、予測ベクトル４０６と、整数行列Ｍ１３００とさらなるベクトル４０２との間の行列ベクトル積１３１０との和によって表すことができ、整数行列１３００の行列成分は、さらなるベクトル４０２の所定の成分１５００に対応する整数行列１３００の列、すなわちｉ_０列内で１であり、他のすべての成分は、例えば０である。

所定の予測行列４０５と整数行列１３００との合計の結果は、例えば、図８に示すさらなる行列１２００に等しいかまたは近似する。
換言すれば、さらなるベクトル４０２の所定の成分１５００に対応する所定の予測行列４０５の列４１２、すなわちｉ_０番目の列内の所定の予測行列Ｃ４０５の各行列成分を、可逆線形変換４０３の（すなわち、行列Ｂ）倍と合計した行列、すなわちさらなる行列Ｂ１２００は、例えば、図８、図９ａおよび図９ｂに示すように、機械学習予測行列Ａ１１００の量子化バージョンに対応する。図９ｂに示すように、ｉ_０番目の列４１２内の所定の予測行列Ｃ４０５の各行列成分とを合計することは、所定の予測行列４０５と整数行列１３００との合計に対応することができる。図８に示すように、機械学習予測行列Ａ１１００は、さらなる行列の結果を可逆線形変換４０３の１２００倍に等しくすることができる。これは、

に起因する。所定の予測行列４０５は、例えば、量子化行列、整数行列および／または固定小数点行列であり、これにより、機械学習予測行列Ａ１１００の量子化バージョンを実現することができる。

整数演算のみを用いた行列乗算
低複雑度実装（スカラー値を加算および乗算する複雑さの観点、ならびにパーテイキング行列のエントリに必要な記憶装置の観点から）では、整数演算のみを使用して行列乗算４０４を実行することが望ましい。

の近似、すなわち、

を計算するために

一実施形態によれば、整数のみに対する演算を使用して、実数値

は整数値

にマッピングされなければならない。これは、例えば、一様スカラ量子化によって、または値

間の特定の相関を考慮することによって行うことができる。整数値は、例えば、各々が固定数のビットｎ＿ｂｉｔ、例えばｎ＿ｂｉｔ＝８で記憶され得る固定小数点数を表す。
サイズｍ×ｎの行列、すなわち所定の予測行列４０５を有する行列ベクトル積４０４は、この擬似コードに示すように実行することができ、ここで、＜＜、＞＞は算術バイナリ左シフト演算および右シフト演算であり、＋、－および＊は整数値のみで動作する。

（１）
ｆｉｎａｌ＿ｏｆｆｓｅｔ＝１ ＜＜（ｒｉｇｈｔ＿ｓｈｉｆｔ＿ｒｅｓｕｌｔ－１）；
ｆｏｒ ｉ ｉｎ ０…ｍ－１
｛
ａｃｃｕｍｕｌａｔｏｒ＝０
ｆｏｒ ｊ ｉｎ ０…ｎ－１
｛
ａｃｃｕｍｕｌａｔｏｒ：＝ａｃｃｕｍｕｌａｔｏｒ＋ｙ［ｊ］＊Ｃ［ｉ，ｊ］
｝
ｚ［ｉ］＝（ａｃｃｕｍｕｌａｔｏｒ＋ｆｉｎａｌ＿ｏｆｆｓｅｔ）＞＞ ｒｉｇｈｔ＿ｓｈｉｆｔ＿ｒｅｓｕｌｔ；
｝
ここで、配列Ｃ、すなわち所定の予測行列４０５は、固定小数点数を例えば整数として記憶する。ｆｉｎａｌ＿ｏｆｆｓｅｔの最後の加算およびｒｉｇｈｔ＿ｓｈｉｆｔ＿ｒｅｓｕｌｔによる右シフト演算は、出力で必要とされる固定小数点形式を得るために丸めによって精度を低下させる。

Ｃの整数によって表現可能な実数値の範囲の増加を可能にするために、図１０および図１１の実施形態に示すように、２つの追加の行列

、

を使用することができ、その結果、行列ベクトル積

における

の各係数

は、

によって与えられる。
値

および

は、それ自体が整数値である。例えば、これらの整数は、固定数のビット、例えば８ビット、または例えば値

を格納するために使用されるのと同じ数のビットｎ＿ｂｉｔでそれぞれ格納することができる固定小数点数を表すことができる。
言い換えれば、装置１０００は、予測パラメータ、例えば整数値

および値

、

を使用して所定の予測行列４０５を表し、さらなるベクトル４０２の成分および予測パラメータおよびそれから生じる中間結果に対して乗算および加算を実行することによって行列ベクトル積４０４を計算するように構成され、予測パラメータの絶対値は、ｎビットの固定小数点数表現によって表すことができ、ｎは１４以下、または１０、または８である。例えば、さらなるベクトル４０２の成分は、予測パラメータと乗算されて、中間結果として生成物を生成し、これは、合計の影響を受けるか、または加算を形成する。

一実施形態によれば、予測パラメータは、それぞれが予測行列の対応する行列成分に関連付けられた重みを含む。すなわち、所定の予測行列は、例えば、予測パラメータに置き換えられたり、予測パラメータによって表されたりする。重みは、例えば、整数および／または固定点値である。
一実施形態によれば、予測パラメータは、１つまたは複数のスケーリング係数、例えば値ｓｃａｌｅ_ｉ、_ｊをさらに含み、その各々は、所定の予測行列４０５の１つまたは複数の対応する行列成分に関連付けられた、重み、例えば整数値

をスケーリングするための所定の予測行列４０５の１つまたは複数の対応する行列成分に関連付けられる。追加的または代替的に、予測パラメータは、１つまたは複数のオフセット、例えば値ｏｆｆｓｅｔ_ｉ、ｊを含み、その各々は、所定の予測行列４０５の１つまたは複数の対応する行列成分に関連付けられた重み、例えば整数値

をオフセットするための所定の予測行列４０５の１つまたは複数の対応する行列成分に関連付けられる。

および

に必要な記憶量を低減するために、それらの値は、インデックスｉ、ｊの特定のセットに対して一定であるように選択することができる。例えば、図１０に示すように、それらのエントリは列ごとに一定であってもよいし、行ごとに一定であってもよいし、すべてのｉ、ｊについて一定であってもよい。

例えば、好ましい一実施形態では、

および

は、図１１に示すように、ある予測モードの行列のすべての値に対して一定である。したがって、ｋ＝０．．Ｋ－１のＫ個の予測モードがある場合、モードｋの予測を計算するために単一の値

および単一の値

のみが必要である。
一実施形態によれば、

および／または

は、すべての行列ベースのイントラ予測モードについて一定である、すなわち同一である。追加的または代替的に、

および／または

は、すべてのブロックサイズに対して一定である、すなわち同一であることが可能である。

オフセット表現

およびスケール表現

を用いて、（１）における計算は、以下のように修正することができる。
（２）
ｆｉｎａｌ＿ｏｆｆｓｅｔ＝０；
ｆｏｒ ｉ ｉｎ ０…ｎ－１
｛
ｆｉｎａｌ＿ｏｆｆｓｅｔ：＝ｆｉｎａｌ＿ｏｆｆｓｅｔ－ｙ［ｉ］；
｝
ｆｉｎａｌ＿ｏｆｆｓｅｔ ＊＝ｆｉｎａｌ＿ｏｆｆｓｅｔ ＊ ｏｆｆｓｅｔ ＊ ｓｃａｌｅ；
ｆｉｎａｌ＿ｏｆｆｓｅｔ＋＝１ ＜＜（ｒｉｇｈｔ＿ｓｈｉｆｔ＿ｒｅｓｕｌｔ－１）；
ｆｏｒ ｉ ｉｎ ０…ｍ－１
｛
ａｃｃｕｍｕｌａｔｏｒ＝０
ｆｏｒ ｊ ｉｎ ０…ｎ－１
｛
ａｃｃｕｍｕｌａｔｏｒ：＝ａｃｃｕｍｕｌａｔｏｒ＋ｙ［ｊ］＊Ｃ［ｉ，ｊ］
｝
ｚ［ｉ］＝（ａｃｃｕｍｕｌａｔｏｒ＊ｓｃａｌｅ＋ｆｉｎａｌ＿ｏｆｆｓｅｔ）＞＞ ｒｉｇｈｔ＿ｓｈｉｆｔ＿ｒｅｓｕｌｔ；
｝

その解決策から生じる広範な実施形態
上記の解決策は、以下の実施形態を意味する。
１．セクションＩに記載されているような予測方法であって、セクションＩのステップ２において、関与する行列ベクトル積の整数近似に対して以下が行われる、すなわち、（平均化された）境界サンプル

から、

である

で固定されている場合、ベクトル

が計算され、

であり、

であり、

であり、

は、

の平均値である。そして、ベクトル

は、セクションＩのステップ２からの（ダウンサンプリングされた）予測信号

が

のように与えられるように、行列ベクトル積

（の整数実現）の入力として機能する。この式において、

は、（ダウンサンプリングされた）予測信号の領域内の各サンプル位置について

に等しい信号を示す。（例えば、図９ｂを参照されたい）

２．セクションＩに記載されているような予測方法であって、セクションＩのステップ２において、関与する行列ベクトル積の整数近似に対して以下が行われる、すなわち、（平均化された）境界サンプル

から、

である

で固定されている場合、ベクトル

が計算され、

であり、

であり、

であり、

であり、

は

の平均値である。そして、ベクトル

は、セクションＩのステップ２からの（ダウンサンプリングされた）予測信号

が

のように与えられるように、行列ベクトル積

（の整数実現）の入力として機能する。この式において、

は、（ダウンサンプリングされた）予測信号の領域内の各サンプル位置について

に等しい信号を示す。（例えば、図９ｃを参照されたい）
３．行列ベクトル積

の整数実現が、行列ベクトル積

内の係数

を使用することによって与えられる、セクションＩに記載の予測方法。（例えば、図１０を参照されたい）

４．セクションＩに記載の予測方法であって、ステップ２は、複数の予測モードを計算することができるように、Ｋ個の行列のうちの１つを使用し、各々がｋ＝０の異なる行列

を使用する。ここで、行列ベクトル積

の整数実現は、行列ベクトル積

内の係数

を使用することによって与えられる。（例えば、図１１を参照されたい）
すなわち、本出願の実施形態によれば、符号化器および復号器は、図８を参照して、画像１０の所定のブロック１８を予測するために以下のように機能する。予測には、複数の参照サンプルが用いられる。上で概説したように、本出願の実施形態はイントラ符号化に限定されず、したがって、参照サンプルは隣接サンプル、すなわち画像１０隣接ブロック１８のサンプルに限定されない。特に、基準サンプルは、ブロックの外縁に当接するサンプルなど、ブロック１８の外縁に沿って配置されたものに限定されない。しかしながら、この状況は確かに本出願の一実施形態である。

予測を行うために、参照サンプル１７ａおよび１７ｃなどの参照サンプルからサンプル値ベクトル４００が形成される。可能な形成が上述された。形成は平均化を含むことができ、それによって形成に寄与する参照サンプル１７と比較してサンプル１０２の数またはベクトル４００の成分の数を減らすことができる。形成はまた、上述したように、ブロック１８の幅および高さなどのブロックの寸法またはサイズに何らかの形で依存し得る。
ブロック１８の予測を得るためにアフィンまたは線形変換を受けるべきはこのベクトル４００である。異なる命名法が上記で使用されている。最新のものを使用して、オフセットベクトルｂとの加算を実行する範囲内で、行列ベクトル積によって行列Ａにベクトル４００を適用することによって予測を実行することが目的である。オフセットベクトルｂは任意である。ＡまたはＡおよびｂによって決定されるアフィンまたは線形変換は、符号化器および復号器によって、またはより正確には、既に上述したようにブロック１８のサイズおよび寸法に基づいて予測のために決定され得る。

しかしながら、上記で概説した計算効率の改善を達成するために、または予測を実施に関してより効果的にするために、アフィンまたは線形変換が量子化されており、符号化器および復号器、またはその予測器は、アフィン変換の量子化バージョンを表す、上記の方法で適用されたＣおよびＴを用いて、線形またはアフィン変換を表し実行するために、上記のＣおよびＴを使用した。特に、ベクトル４００を行列Ａに直接適用する代わりに、符号化器および復号器の予測子は、サンプル値ベクトル４００から得られたベクトル４０２を、所定の可逆線形変換Ｔを介してマッピングに供することによって適用する。ここで使用される変換Ｔは、ベクトル４００が同じサイズを有する、すなわちブロックの寸法、すなわち幅および高さに依存しない限り同じであるか、または異なるアフィン／線形変換について少なくとも同じである。上記では、ベクトル４０２はｙで示されている。機械学習によって決定されたアフィン／線形変換を実行するための正確な行列はＢであった。しかしながら、正確にＢを実行する代わりに、符号化器および復号器における予測は、その近似または量子化バージョンによって行われる。特に、表現は、Ｃを上記で概説した方法で適切に表すことによって行われ、Ｃ＋ＭはＢの量子化バージョンを表す。

したがって、符号器および復号器における予測は、ベクトル４０２と、符号器および復号器において適切に表され記憶された所定の予測行列Ｃとの間の行列ベクトル積４０４を上記の方法で計算することによってさらに遂行される。次いで、この行列－ベクトル積から生じるベクトル４０６は、ブロック１８のサンプル１０４を予測するために使用される。上述したように、予測のために、ベクトル４０６の各成分は、Ｃの対応する定義を補償するために、４０８で示されるようにパラメータａとの総和を受ける可能性がある。オフセットベクトルｂとのベクトル４０６の任意選択の総和もまた、ベクトル４０６に基づくブロック１８の予測の導出に含まれ得る。上述したように、ベクトル４０６の各成分、したがって、ベクトル４０６の合計の各成分、４０８で示されたすべてのａのベクトル、および任意選択のベクトルｂは、ブロック１８のサンプル１０４に直接対応し、したがって、サンプルの予測値を示すことができる。ブロックのサンプル１０４のサブセットのみがそのように予測され、１０８などのブロック１８の残りのサンプルが補間によって導出されることも可能である。

上述したように、ａを設定するための異なる実施形態がある。例えば、ベクトル４００の成分の算術平均であってもよい。その場合については、図９を参照されたい。可逆線形変換Ｔは、図９に示すようになり得る。ｉ_０は、それぞれサンプル値ベクトルおよびベクトル４０２の所定の成分であり、ａで置き換えられる。しかしながら、上記でも示したように、他の可能性もある。しかしながら、Ｃの表現に関する限り、それは異なって具現化され得ることも上記で示されている。例えば、行列ベクトル積４０４は、その実際の計算において、より低い次元を有するより小さい行列ベクトル積の実際の計算になる可能性がある。特に、上記のように、Ｃの定義により、その第ｉ_０列４１２全体が０になるため、積４０４の実際の計算は、

成分の省略によるベクトル４０２から生じるベクトル４０２の縮小バージョンによって、すなわち、この縮小ベクトル４１０に、第ｉ_０列４１２を除外することによってＣから生じる縮小行列Ｃ’を乗算することによって行われ得る。
Ｃの重みまたはＣ’の重み、すなわちこの行列の成分は、固定小数点数表現で表現および格納することができる。しかしながら、これらの重み４１４はまた、上述したように、異なるスケールおよび／またはオフセットに関連する方法で記憶されてもよい。スケールおよびオフセットは、行列Ｃ全体に対して定義されてもよく、すなわち、行列Ｃまたは行列Ｃ’のすべての重み４１４に対して等しいか、または行列Ｃおよび行列Ｃ’の同じ行のすべての重み４１４または同じ列のすべての重み４１４に対してそれぞれ一定または等しくなるように定義されてもよい。これに関して、図１０は、行列ベクトル積の計算、すなわち積の結果が、実際にはわずかに異なって実行され得ること、すなわち、例えば、スケールとの乗算をベクトル４０２または４０４に向かってシフトすることによって実行され得、それにより、さらに実行されなければならない乗算の数が低減されることを示している。図１１は、上記の計算（２）で行われたように、ＣまたはＣ’のすべての重み４１４に対して１つのスケールおよび１つのオフセットを使用する場合を示す。

一実施形態によれば、画像の所定のブロックを予測するための本明細書に記載の装置は、以下の特徴を含む行列ベースのサンプル内予測を使用するように構成することができる。
装置は、複数の基準サンプル１７からサンプル値ベクトルｐＴｅｍｐ［ｘ］４００を形成するように構成される。ｐＴｅｍｐ［ｘ］が２＊ｂｏｕｎｄａｒｙＳｉｚｅであると仮定すると、ｐＴｅｍｐ［ｘ］は、例えば、直接コピーまたはサブサンプリングもしくはプール化によって、所定のブロックの最上部に位置する隣接サンプルｒｅｄＴ［ｘ］によって、ｘ＝０．．ｂｏｕｎｄａｒｙＳｉｚｅ－１でポピュレートされ、続いて所定のブロックの左側に位置する隣接サンプルｒｅｄＬ［ｘ］によって、ｘ＝０．．ｂｏｕｎｄａｒｙＳｉｚｅ－１でポピュレートされてもよく（例えば、ｉｓＴｒａｎｓｐｏｓｅｄ＝０の場合）、転置された処理（例えば、ｉｓＴｒａｎｓｐｏｓｅｄ＝１の場合）の場合はその逆であってもよい。

ｘ＝０．．ｉｎＳｉｚｅ－１の入力値ｐ［ｘ］が導出される、すなわち、装置は、以下のように、サンプル値ベクトルｐＴｅｍｐ［ｘ］から、サンプル値ベクトルｐＴｅｍｐ［ｘ］が所定の可逆線形変換によってマッピングされるさらなるベクトルｐ［ｘ］を導出するように、またはより具体的な所定の可逆アフィン線形変換であるように構成される。
－ｍｉｐＳｉｚｅＩｄが２に等しい場合、以下が適用される。
ｐ［ｘ］＝ｐＴｅｍｐ［ｘ＋１］－ｐＴｅｍｐ［０］
－そうでない場合（ｍｉｐＳｉｚｅＩｄが２未満）、以下が適用される。
ｐ［０］＝（１＜＜（ＢｉｔＤｅｐｔｈ－１））－ｐＴｅｍｐ［０］
ｐ［ｘ］＝ｐＴｅｍｐ［ｘ］－ｐＴｅｍｐ［０］（ｘ＝１の場合）・・・ｉｎＳｉｚｅ－１
ここで、変数ｍｉｐＳｉｚｅＩｄは、所定のブロックのサイズを示す。すなわち、本実施形態によれば、サンプル値ベクトルからさらなるベクトルを導出するための可逆変換は、所定のブロックのサイズに依存する。依存関係は、以下に従って与えられてもよい。

ｐｒｅｄＳｉｚｅは、所定のブロック内の予測されたサンプルの数を示し、２＊ｂｏｎｄａｒｙＳｉｚｅは、サンプル値ベクトルのサイズを示し、ｉｎＳｉｚｅ＝（２＊ｂｏｕｎｄａｒｙＳｉｚｅ）－（ｍｉｐＳｉｚｅＩｄ＝＝２）？１：０に従ってｉｎＳｉｚｅ、すなわちファーターベクトルのＳサイズに関連している。より正確には、ｉｎＳｉｚｅは、計算において実際に関与するさらなるベクトルのコンポーネントの数を示す。ｉｎＳｉｚｅは、小さいブロックサイズではサンプル値ベクトルのサイズと同じ大きさであり、大きいブロックサイズでは１つのコンポーネントがより小さい。前者の場合、１つの成分、すなわち、後に計算される行列ベクトル積のように、さらなるベクトルの所定の成分に対応する成分が分解されてもよく、対応するベクトル成分の寄与はいずれにせよ０になり、したがって実際に計算される必要はない。ブロックサイズへの依存性は、２つの代替案のうちの１つのみが必然的に使用される、すなわちブロックサイズに関係なく使用される代替的な実施形態の場合には除外され得る（ｍｉｐＳｉｚｅＩｄに対応するオプションが２未満であるか、またはｍｉｐＳｉｚｅＩｄに対応するオプションが２に等しい）。

言い換えれば、所定の可逆線形変換は、例えば、さらなるベクトルｐの所定の成分がａになり、他のすべての成分がサンプル値ベクトルからａを引いた成分に対応するように定義され、例えば、ａ＝ｐＴｅｍｐ［０］である。２に等しいｍｉｐＳｉｚｅＩｄに対応する第１のオプションの場合、これは容易に見え、さらなるベクトルの別個に形成された成分のみがさらに考慮される。すなわち、第１の選択肢の場合、さらなるベクトルは実際には｛ｐ［０．．．ｉｎＳｉｚｅ］、ｐ温度［０］｝であり、ここで、ｐＴｅｍｐ［０］はであり、行列ベクトル乗算の実際に計算された部分、すなわち乗算の結果は、行列が計算を必要としない０列を有するので、さらなるベクトルおよび行列の対応する列のｉｎＳｉｚｅ成分のみに制限される。他の場合には、２より小さいｍｉｐＳｉｚｅＩｄに対応して、ｐ［０］を除くさらなるベクトルのすべての成分、すなわち、所定の成分ｐ［０］を除くさらなるベクトルｐの他の成分ｐ［ｘ］（ｘ＝１の場合．．ｉｎＳｉｚｅ－１）の各々は、サンプル値ベクトルｐＴｅｍｐ［ｘ］の対応する成分－ａに等しいが、ｐ［０］は定数－ａであるようにａ＝ｐＴｅｍｐ［０］が選択される。次いで、行列ベクトル積が計算される。定数は、表現可能な値の平均、すなわち２^ｘ－１（すなわち、１＜＜（ビット深度－１））であり、ｘは使用される計算表現のビット深度を示す。ｐ［０］が代わりにｐＴｅｍｐ［０］であるように選択された場合、計算された積は、上記のようにｐ［０］を使用して計算された積（ｐ［０］＝（１＜＜（ＢｉｔＤｅｐｔｈ－１））－ｐＴｅｍｐ［０］）から、積、すなわち予測ベクトルに基づいてブロック内部を予測するときに考慮することができる定数ベクトルだけ逸脱することに留意されたい。したがって、値ａは所定の値、例えばｐＴｅｍｐ［０］である。所定値ｐＴｅｍｐ［０］は、この場合、例えば、所定成分ｐ［０］に対応するサンプル値ベクトルｐＴｅｍｐの成分である。それは、所定のブロックの左上隅に最も近い、所定のブロックの上または所定のブロックの左に隣接するサンプルであり得る。

例えばイントラ予測モードを指定するなど、ｐｒｅｄＭｏｄｅＩｎｔｒａによるサンプル内予測プロセスの場合、装置は、例えば、以下のステップを適用するように構成され、例えば、少なくとも第１のステップを実行する。
１．ｘ＝０．．ｐｒｅｄＳｉｚｅ－１、ｙ＝０．．ｐｒｅｄＳｉｚｅ－１である行列ベースのイントラ予測サンプルｐｒｅｄＭｉｐ［ｘ］［ｙ］は、以下のように導出される。
－変数ｍｏｄｅＩｄは、ｐｒｅｄＭｏｄｅＩｎｔｒａと等しく設定される。
－ｘ＝０．．ｉｎＳｉｚｅ－１、ｙ＝０．．ｐｒｅｄＳｉｚｅ＊ｐｒｅｄＳｉｚｅ－１の重み行列ｍＷｅｉｇｈｔ［ｘ］［ｙ］は、ｍｉｐＳｉｚｅＩｄとｍｏｄｅＩｄを入力としてＭＩＰ重み行列導出プロセスを呼び出すことによって導出される。
－ｘ＝０．．ｐｒｅｄＳｉｚｅ－１、ｙ＝０．．ｐｒｅｄＳｉｚｅ－１である行列ベースのイントラ予測サンプルｐｒｅｄＭｉｐ［ｘ］［ｙ］は、以下のように導出される。
ｏＷ＝３２－３２＊（

）
ｐｒｅｄＭｉｐ［ｘ］［ｙ］＝（（（

）＋
ｏＷ）＞＞６）＋ｐＴｅｍｐ［０］

言い換えれば、装置は、さらなるベクトルｐ［ｉ］の間の行列ベクトル積、またはｍｉｐＳｉｚｅＩｄが２に等しい場合、｛ｐ［ｉ］、ｐＴｅｍｐ［０］｝および所定の予測行列ｍＷｅｉｇｈｔ、またはｍｉｐＳｉｚｅＩｄが２より小さい場合、予測行列ｍＷｅｉｇｈｔは、ここでは、配列ｐｒｅｄＭｉｐ［ｘ］［ｙ］をもたらすように所定のブロックの内側に分布するブロック位置｛ｘ、ｙ｝の配列に既に割り当てられている予測ベクトルを得るために、ｐの省略された成分に対応する追加のゼロ重み線を有する。予測ベクトルは、ｐｒｅｄＭｉｐ［ｘ］［ｙ］の行またはｐｒｅｄＭｉｐ［ｘ］［ｙ］の列の連結にそれぞれ対応する。
一実施形態によれば、または異なる解釈によれば、成分（（

）＋ｏＷ）＞＞６）のみが予測ベクトルとして理解され、装置は、予測ベクトルに基づいて所定のブロックのサンプルを予測する際に、予測ベクトルの各成分について、それぞれの成分と、例えばｐＴｅｍｐ［０］との和を計算するように構成される。
装置は、任意選択的に、予測ベクトルに基づいて所定のブロックのサンプルを予測する際に以下のステップ、例えばｐｒｅｄＭｉｐまたは（（

）＋ｏＷ）＞＞６をさらに実行するように構成することができる。

２．ｘ＝０．．ｐｒｅｄＳｉｚｅ－１、ｙ＝０．．ｐｒｅｄＳｉｚｅ－１である行列ベースのイントラ予測サンプルｐｒｅｄＭｉｐ［ｘ］［ｙ］は、例えば、以下のようにクリップされる。
ｐｒｅｄＭｉｐ［ｘ］［ｙ］＝Ｃｌｉｐ１（ｐｒｅｄＭｉｐ［ｘ］［ｙ］）
３．ｉｓＴｒａｎｓｐｏｓｅｄがＴＲＵＥに等しい場合、ｘ＝０．．ｐｒｅｄＳｉｚｅ－１、ｙ＝０．．ｐｒｅｄＳｉｚｅ－１のｐｒｅｄＳｉｚｅ×ｐｒｅｄＳｉｚｅ配列ｐｒｅｄＭｉｐ［ｘ］［ｙ］は、例えば、以下のように転置される。
ｐｒｅｄＴｅｍｐ［ｙ］［ｘ］＝ｐｒｅｄＭｉｐ［ｘ］［ｙ］
ｐｒｅｄＭｉｐ＝ｐｒｅｄＴｅｍｐ
４．ｘ＝０．．ｎＴｂＷ－１、ｙ＝０．．ｎＴｂＨ－１である予測サンプルｐｒｅｄＳａｍｐｌｅｓ［ｘ］［ｙ］は、例えば、以下のように導出される。
－変換ブロック幅を指定するｎＴｂＷがｐｒｅｄＳｉｚｅよりも大きいか、変換ブロック高さを指定するｎＴｂＨがｐｒｅｄＳｉｚｅよりも大きい場合、ＭＩＰ予測アップサンプリング処理は、入力ブロックサイズｐｒｅｄＳｉｚｅ、ｘ＝０．．ｐｒｅｄＳｉｚｅ－１、ｙ＝０．．ｐｒｅｄＳｉｚｅ－１を有する行列ベースのイントラ予測サンプルｐｒｅｄＭｉｐ［ｘ］［ｙ］、変換ブロック幅ｎＴｂＷ、変換ブロック高さｎＴｂＨ、ｘ＝０．．ｎＴｂＷ－１を有する上位参照サンプルｒｅｆＴ［ｘ］、およびｙ＝０．．ｎＴｂＨ－１を有する左参照サンプルｒｅｆＬ［ｙ］を入力として呼び出され、出力は予測サンプルアレイｐｒｅｄＳａｍｐｌｅｓである。
－そうでない場合、ｘ＝０．．ｎＴｂＷ－１、ｙ＝０．．ｎＴｂＨ－１であるｐｒｅｄＳａｍｐｌｅｓ［ｘ］［ｙ］は、ｐｒｅｄＭｉｐ［ｘ］［ｙ］と等しく設定される。
言い換えれば、装置は、予測ベクトルｐｒｅｄＭｉｐに基づいて所定のブロックのサンプルｐｒｅｄＳａｍｐｌｅｓを予測するように構成される。

８ 他のイントラ予測モードとともにブロックベースのイントラ予測モードを使用する実施形態
上記のすべての説明は、ここで説明する実施形態の任意選択の実施の詳細と見なされるものとする。以下では、ブロックベースのイントラ予測という用語は、上記のＡＬＷＩＰによって示されたものと具体化され得るかまたはそれに等しくなり得るイントラ予測モードを示すために使用されることに留意されたい。

図１２は、イントラ予測を使用して画像１０の所定のブロック１８を復号するための装置３０００の一実施形態を示す。装置３０００は、ＤＣイントラ予測モード５０６および角度予測モード５００を含むイントラ予測モードの第１のセット５０８のうちの１つを使用して所定のブロック１８が予測されるべきかどうかを示すデータストリーム１２からセット選択的シンタックス要素５２２を導出するように構成される。データストリーム１２は、装置３０００の機能を示す異なるシンタックス要素および／またはインデックスを含むことができる。

セット選択的シンタックス要素５２２が、イントラ予測モードの第１のセット５０８のうちの１つを使用して所定のブロック１８が予測されるべきであることを示す場合、装置３０００は、所定のブロック１８に隣接する隣接ブロック５２４、５２６が予測されるときを使用して、イントラ予測モード３０５０に基づいて最も可能性の高いイントラ予測モードのリスト５２８を形成するように構成される。言い換えれば、イントラ予測モードの第１のセット５０８のイントラ予測モード５０６、５００は、隣接するブロック５２４および５２６の予測に使用されるイントラ予測モード３０５０に基づいて、最も可能性の高いイントラ予測モードのリスト５２８に位置決め／配置される。装置３０００は、例えば、既に予測されたブロックに使用される予測モードを保存し、保存された予測モードのうちの隣接ブロック５２４および５２６に使用される予測モード３０５０を取得するか、または隣接ブロック５２４および５２６を分析して、隣接ブロック５２４および５２６に使用される予測モード３０５０を取得するように構成される。一実施形態によれば、装置３０００は、イントラ予測モードの第１のセット５０８内の隣接ブロック５２４および５２６に使用される予測モード３０５０と等しいまたは類似のイントラ予測モードを探索し、この等しいまたは類似のイントラ予測モードのうちの最も可能性の高いイントラ予測モードのリスト５２８を形成するように構成される。

最も可能性の高いイントラ予測モードのリスト５２８は、隣接ブロック５２４および５２６が角度イントラ予測モード５０６のいずれかによって排他的に予測されている場合、最も可能性の高いイントラ予測モードのリスト５２８がＤＣイントラ予測モード５００を含まないように形成される。したがって、ＤＣイントラ予測モード５０６の可用性は、所定のブロック１８の隣接ブロック５２４および５２６のみに依存し、画像１０の他のブロックには依存しない。ＤＣイントラ予測モード５０６は、例えば、角度イントラ予測モード５００を使用して少なくとも１つの隣接ブロック５２４または５２６が予測される場合、最も可能性の高いイントラ予測モードのリスト５２８に配置／配置されない。最も可能性の高いイントラ予測モードのリスト５２８はまた、隣接するブロック５２４および５２６の両方が角度イントラ予測モード５００を使用して予測される場合、ＤＣイントラ予測モード５０６を含まなくてもよい。

さらに、この装置は、セット選択的シンタックス要素５２２が、イントラ予測モードの第１のセット５０８のうちの１つを用いて所定のブロック１８が予測されるべきであることを示す場合、データストリームからＭＰＭリストインデックス５３４を導出するように構成される。ＭＰＭリストインデックス５３４は、最も可能性の高いイントラ予測モードのリスト５２８を所定のイントラ予測モードに向ける。装置３０００は、所定のイントラ予測モード３１００を使用して所定のブロック１８をイントラ予測するように構成される。

セット選択的シンタックス要素５２２が、イントラ予測モードの第１のセット５０８のうちの１つを使用して所定のブロック１８が予測されるべきでないことを示す場合、装置３０００は、データストリーム１２から、行列ベースのイントラ予測モードの第２のセット５２０、すなわちブロックベースのイントラ予測モード５１０のうちの所定の行列ベースのイントラ予測モード、すなわち所定のブロックベースのイントラ予測モード３２００を示すさらなるインデックス５４０を導出するように構成される。言い換えれば、ブロックベースのイントラ予測モードの第２のセット５２０のうちの所定のブロックベースのイントラ予測モード３２００が、所定のブロック１８の予測のためにさらなるインデックス５４０に基づいて選択される。装置３０００は、予測ベクトル５１８を取得するために、所定のブロック１８の近傍の参照サンプル１７から導出されたベクトル５１４と所定の行列ベースのイントラ予測モード３２００に関連付けられた所定の予測行列５１６との間の行列ベクトル積５１２を計算し、設定選択的シンタックス要素５２２が、イントラ予測モードの第１のセット５０８のうちの１つを使用して所定のブロック１８が予測されないことを示す場合、予測ベクトル５１８に基づいて所定のブロック１８のサンプルを予測するように構成される。
データストリーム１２は、設定選択的シンタックス要素５２２に基づいて、ＭＰＭリストインデックス５３４またはさらなるインデックス５４０のいずれかを含む。
装置３０００は、図１３に関して説明したような特徴および／または機能を含むことができる。

これにより、図１３に関して以下で説明される実施形態は、異なるイントラ予測モードがサポートされる所定のブロック１８を復号／符号化するためのイントラ予測をサポートする復号器および符号化器に関する。所定のブロック１８のイントラ予測信号を取得するために、所定のブロック１８を満たすために所定のブロック１８に隣接する参照サンプル１７が使用される角度イントラ予測モード５００がある。特に、所定のブロック１８の上端および左端に沿ってなど、所定のブロック１８の境界に沿って配置される基準サンプル１７は、所定の方向５０２に沿って所定のブロック１８の内側に外挿される、またはコピーされる画像コンテンツを表す。外挿またはコピーの前に、隣接するサンプル１７によって表される画像コンテンツは、補間フィルタリングを受ける可能性があり、または異なる言い方が、補間フィルタリングの場合、隣接するサンプル１７から導出され得る。角度イントラ予測モード５００は、イントラ予測方向５０２が互いに異なる。各角度イントラ予測モード５００は、関連付けられたインデックスを有することができ、角度イントラ予測モード５００へのインデックスの関連付けは、方向５００が、関連付けられたモードインデックスに従って角度イントラ予測モード５００を順序付けるとき、時計回りまたは反時計回りに単調に回転するようなものであり得る。

非角度イントラ予測モードもあり得る。例えば５０４、図１３は、セット５０８に任意選択的に含まれる平面イントラ予測モードを示し、それに従って、水平勾配、垂直勾配、およびオフセットによって定義される二次元線形関数が隣接するサンプル１７に基づいて導出され、この線形関数は、所定のブロック１８の予測サンプル値を定義する。水平傾き、垂直傾き、およびオフセットは、隣接するサンプル１７に基づいて導出される。一実施形態によれば、イントラ予測モードの第１のセット５０８は平面イントラ予測モード５０４を含む。
セット５０８に含まれる特定の非角度イントラ予測モードであるＤＣモードが５０６に示されている。ここでは、近傍のサンプル１７に基づいて、擬似的にＤＣ値である１つの値が導出され、この１つのＤＣ値は、イントラ予測信号を得るために、所定のブロック１８のすべてのサンプルに起因する。非イントラ予測モードの２つの例が示されているが、ただ１つまたは３つ以上が存在してもよい。

イントラ予測モード５００、５０４および５０６は、符号器および復号器によってサポートされるイントラ予測モードのセット５０８を形成し、符号器および復号器は、レート／歪み最適化の意味に関して、参照符号５１０を使用して一般的に示されるブロックベースのイントラ予測モードと競合し、その例では、略語ＡＬＷＩＰを使用して上述した。上述したように、これらのブロックベースのイントラ予測モード５１０によれば、一方では隣接サンプル１７から導出されたベクトル５１４と、他方では所定の予測行列５１６との間で行列ベクトル積５２０が実行される。乗算５１２の結果は、所定のブロック１８のサンプルを予測するために使用される予測ベクトル５１８である。ブロックベースのイントラ予測モード５１０は、それぞれのモードに関連付けられた予測行列５１６において互いに異なる。
したがって、簡単に要約すると、本明細書に記載された実施形態による符号化器および復号器は、イントラ予測モードのセット５０８、すなわちイントラ予測モードの第１のセットと、ブロックベースのイントラ予測モードのセット５２０、すなわち行列ベースのイントラ予測モードの第２のセットとを備え、それらは互いに競合する。

本出願の実施形態によれば、所定のブロック１８は、以下の方法でイントラ予測を使用して符号化／復号される。特に、第１に、所定のブロック１８がイントラ予測モードのセット５０８のいずれか、またはブロックベースのイントラ予測モードのセット５２０のいずれかのモードを使用して予測されるかどうかのセット選択シンタックス要素５２２である。セット選択されたシンタックス要素が、セット５０８の任意のモード、すなわちイントラ予測モードの第１のセットを使用して所定のブロック１８が予測されるべきであることを示す場合、セット５０８からの最も可能性の高い候補のリスト５２８は、隣接ブロック１８、および５２４および５２６で例示的に示されている隣接ブロックがどのイントラ予測モードを使用して予測されたかに基づいて、復号器および符号化器において解釈／形成される。隣接するブロック５２４および５２６は、サンプルなどのブロック１８の特定の隣接するサンプルをブロック１８の左上のサンプルの上に重ね合わせる隣接するブロック、および上述のコーナーサンプルの左にサンプルを含むブロック５２６を決定することなどによって、所定の方法で所定のブロック１８の位置に対して決定することができる。当然、これは一例にすぎない。すべての実施形態について２つに限定されないモード予測に使用される隣接ブロックの数にも同じことが当てはまる。２つより多くてもよいし、１つだけでもよい。これらのブロック５２４および５２６のいずれかが欠落している場合、デフォルトのイントラ予測モードは、その欠落している隣接ブロックのイントラ予測モードの代わりとしてデフォルトで使用され得る。動き補償予測などによるインター予測モードを使用してブロック５２４および５２６のいずれかが符号化／復号された場合も同様であり得る。

セット５０８からのモードのリスト、すなわち最も可能性の高いイントラ予測モードのリスト５２８の構成は以下の通りである。リスト５２８のリスト長、すなわち、その中の最も可能性の高いモードの数は、デフォルトで固定され得る。長さは、図１３に示すように４であってもよいし、５または６など、それと異なっていてもよい。後者の場合は、以下に説明する具体例に当てはまる。後述するデータストリームにおけるインデックスは、所定のブロック１８に使用されるリスト５２８のうちの１つのモードを示してもよい。インデックス化は、リスト順序またはランキング５３０に沿って実行され、リストインデックスは、例えば、インデックスの長さが順序５３０に沿って単調に増加するように符号化された可変長である。したがって、最初に、セット５０８から最も可能性の高いモードのみをリスト５２８に追加し、順序５３０に沿って、ブロック１８に適している可能性がより低いモードと比較してより可能性の高いモードを上流に配置することは価値がある。リスト５２８のモードは、ブロック５２４および５２６、すなわち所定のブロック１８に隣接する隣接ブロックに使用されるモードに基づいて導出される。ブロック５２４および５２６のいずれかがセット５２０のうちのブロックベースのモード５１０を使用してイントラ予測された場合、そのような「ＡＬＷＩＰ」またはブロックベースのモード５１０からセット５０８内のモード、例えば非ＡＬＷＩＰモードへの前述のマッピングが使用される。後者のマッピングは、例えば、ブロックベースのモード５１０の大部分（すなわち、半分より多く）をＤＣモード５０６（またはＤＣ５０６もしくは平面モード５０４のいずれか）にマッピングすることができる。

一実施形態によれば、最も可能性の高いイントラ予測モードのリスト５２８は、近隣ブロックが予測されるときを使用して、イントラ予測モードから独立した方法で平面イントラ予測モード５０４で埋められる。したがって、例えば、ＤＣイントラ予測モード５０６および角度イントラ予測モード５００のみが、近隣ブロック５２４および５２６の予測に使用されるイントラ予測モードに依存してリスト５２８に取り込まれる。平面イントラ予測モード５０４は、例えば、隣接ブロック５２４および５２６が予測されるときを使用して、イントラ予測モードから独立した最も可能性の高いイントラ予測モードのリスト５２８の第１の位置に配置される。

以下により詳細に例示されるように、最も可能性の高いイントラ予測モードのリスト５２８のリスト構築は、近隣ブロック５２４および５２６が角度イントラ予測モード５０６によって排他的に予測されている場合、リスト５２８がＤＣイントラ予測モード５００を含まないように行われる。ＤＣイントラ予測モード５０６は、１つの隣接ブロック５２４または５２６が任意の角度イントラ予測モード５００によって予測される場合、および／または両方の隣接ブロック５２４および５２６が任意の角度イントラ予測モード５００によって予測される場合、最も可能性の高いイントラ予測モードのリスト５２８にはない。本明細書で以下に示される実施形態によれば、例えば、リスト５２８は、以下の状況がすべての隣接ブロック５２４および５２６に当てはまる場合にのみＤＣモード５０６で埋められる：いずれかが、非角度イントラ予測モード５０４および５０６のいずれかを使用して符号化されているか、またはいずれかが、ブロックベースのイントラ予測モード５１０を使用してイントラ予測されており、これは、ブロックベースのイントラ予測モード５１０からセット５０８内のモードへの前述のマッピングによって、非角度イントラ予測モード５０４および５０６のいずれかにマッピングされる。その場合にのみ、ＤＣイントラ予測モード５０６がリスト５２８に位置付けられる。その場合、後続の例から分かるように、順序５３０の任意の角度イントラ予測モード５００の前に配置され得る。
言い換えれば、最も可能性の高いイントラ予測モードのリスト５２８は、例えば、隣接ブロック５２４および５２６の各々について、ＤＣイントラ予測モード５０６を含む第１のセット５０８を有する少なくとも１つの非角度イントラ予測モード５０４および５０６のいずれかを使用して予測されるか、またはブロックベースのイントラ予測モード５１０の第２のセット５２０から、最も可能性の高いイントラ予測モードのリスト５２８の形成に使用される第１のセット５０６内のイントラ予測モードにマッピングすることによって、少なくとも１つの非角度イントラ予測モード５００のいずれかにマッピングされるブロックベースのイントラ予測モード５１０のいずれかを使用して予測されるそれぞれの隣接ブロックの場合にのみ、ＤＣイントラ予測モード５０８で埋められる。

したがって、所定のブロック１８がデータストリーム１２にどのように符号化されるかに関する説明を再開すると、データストリーム１２は、セット選択的シンタックス要素５２２が、所定のブロック１８が第１のセット５０８のうちのいずれかのモードによって符号化されるべきであることを示す場合、任意選択的に、所定のブロック１８に使用されるべきイントラ予測モードがリスト５２８内にあるか否かを示すＭＰＭシンタックス要素５３２を含み、そうである場合、データストリーム１２は、順序５３０に沿って同じものにインデックスを付けることによってリスト５２８のうちの所定のブロック１８に使用されるべきモード、すなわち所定のイントラ予測モードを示すリスト５２８内を指し示すＭＰＭリストインデックス５３４を含む。しかしながら、ＭＰＭシンタックス要素５３２によって示されるように、セット５０８からのモードがリスト５２８内にない場合、データストリーム１２は、ブロック１８に対して、どのモード、すなわち所定のイントラ予測モードがセット５０８からのブロック１８に使用されるべきかを示すさらなるシンタックス要素５３６を含む。さらなるシンタックス要素５３６は、リスト５２８に含まれていないセット５０８からのモードを単に区別することによってモードを示すことができる。
言い換えれば、装置３０００は、例えば、イントラ予測モードの第１のセット５０８の所定のイントラ予測モードが最も可能性の高いイントラ予測モードのリスト５２８内にあるか否かを示すＭＰＭシンタックス要素５３２をデータストリームから導出するように構成され、セット選択シンタックス要素５２２は、イントラ予測モードの第１のセット５０８のうちの１つを使用して所定のブロック１８が予測されることを示す。ＭＰＭシンタックス要素５３２が、イントラ予測モードの第１のセット５０８の所定のイントラ予測モードが最も可能性の高いイントラ予測モードのリスト５２８内にあることを示す場合、装置３０００は、例えば、所定のブロック１００に隣接する隣接ブロック５２４、５２６が予測されるときを使用してイントラ予測モードに基づいて最も可能性の高いイントラ予測モードのリスト５２８の形成を実行し、最も可能性の高いイントラ予測モードのリスト５２８の所定のイントラ予測モードを指し示すデータストリーム１２からＭＰＭリストインデックス５３４の導出を実行するように構成される。データストリーム１２からのＭＰＭシンタックス要素５３２が、イントラ予測モードの第１のセット５０８の所定のイントラ予測モードが最も可能性の高いイントラ予測モードのリスト５２８内にないことを示す場合、装置３０００は、イントラ予測モードの第１のセットのうちの所定のイントラ予測モードを示すデータストリームからさらなるリストインデックス５３６を導出するように構成される。したがって、ＭＰＭシンタックス要素５３２に基づいて、データストリーム１２は、所定のブロック１８の予測のためのＭＰＭリストインデックス５３４またはさらなるリストインデックス５３６のいずれかを含む。

リスト５２８がＤＣイントラ予測モード５０６を含む状況を除去することによって、以下の利点が達成される。特に、本出願の発明者らは、シンタックス要素５２２、すなわち、セット選択的シンタックス要素によって示されるセット５０８のイントラ予測モードのいずれかを使用するべきである所定のブロック１８を符号化／復号するために、セット５０８のうちのＤＣイントラ予測モード５０６を有するリスト５２８の貴重なリスト位置を「消費する」ことは、いずれにせよ、セット５０８のうちのそのようなＤＣイントラ予測モード５０６がブロックベースのイントラ予測モード５１０と競合するので、符号化効率に悪影響を及ぼすことを見出した。したがって、セット５０８からのそのようなＤＣイントラ予測モード５０６を用いてリスト５２８のリスト位置を「消費」することは、所定のブロック１８のために最終的に使用されるべきイントラ予測モード、すなわち所定のイントラ予測モードがリスト５２８内にない状況の可能性を高めることになり、その結果、シンタックス要素５３６、すなわちさらなるリストインデックスがデータストリーム１２内で送信される必要がある。
特に、シンタックス要素５２２は、ブロック１８に対して、セット５０８内のモードのいずれかまたはセット５２０のブロックベースのモード５１０のいずれかを使用して予測されるべきかどうかを既に示しているため、シンタックス要素５２２が、セット５０８内のモードがブロック１８に好ましいものであり、したがってブロックベースのモード５１０がブロック１８に使用されないことを示す場合、セット５０８のＤＣ予測モード５０６がブロック１８に適している可能性は非常に低いため、リスト５２８におけるその発生は、隣接するブロック５２４および５２６に使用されるモードの非常に限定されたコンスタレーションのセット、すなわち上記で設定されたコンスタレーションに制限されるべきである。

他方の場合、すなわち、セット選択的シンタックス要素５２２が、ブロックベースのイントラ予測モード５１０のいずれかを使用して所定のブロック１８が予測されることを示す場合、ブロック１８のデータストリーム１２への符号化およびそこからのこの復号は、上記の方法で行われ得る。この目的のために、インデックス付けを使用して、セット５２０のうちのブロックベースのイントラ予測モード５１０、すなわちブロックベースのイントラ予測モードの第２のセットのうちの選択されたものをインデックス付けするか、またはそれに関して示すことができる。さらなるＭＰＭシンタックス要素５３８は、インデックス付けがインデックス５４０によって、すなわち最も可能性の高いブロックベースのイントラ予測モード５１０のリスト５４２のうちのブロック１８に使用されるべきブロックベースのイントラ予測モード５１０を示すさらなるＭＰＭリストインデックスによって、すなわちリスト順序５４４に沿ってインデックス付けすることによって行われるかどうか、またはブロック１８に使用されるべきブロックベースのイントラ予測モード５１０がさらなるシンタックス要素５４６によって、すなわちセット５２０のうちのブロックベースのイントラ予測モード５１０を示すなおさらなるリストインデックスによって示されるかどうかを示すことができ、後者のシンタックス要素５４６は、例えば、リスト５４２内にまだ含まれていないセット５２０内のそれらのモード５１０間のみを区別することができる。リスト５４２のリスト構築は、ブロック５２４および５２６が予測されたモードに基づいて行うことができる。ブロック５２４および５２６のいずれかが、画像外であるか、またはインター予測されているために利用可能でない場合、セット５０８のうちの１つのようなデフォルトのイントラ予測モードが代わりに使用され得る。セット５２０ではなくセット５０８の外のモードを使用してイントラ予測された各ブロック５２４および５２６について、セット５０８のモードからセット５２０の外のモードへの前述のマッピングは、それぞれのブロック、すなわち所定のブロック１８のイントラ予測モード５１０、すなわち所定のブロックベースのイントラ予測モードを取得するために使用され、ブロック５２４および５２６の結果として得られるブロックベースのイントラ予測モードに基づいて、リスト５４２が解釈される。

一実施形態によれば、装置３０００は、セット選択的シンタックス要素５２２がイントラ予測モードの第１のセット５０８のうちの１つを使用して所定のブロック１８が予測されないことを示す場合、ブロックベースのイントラ予測モード５１０の第２のセット５２０の所定のブロックベースのイントラ予測モードが最も可能性の高いブロックベースのイントラ予測モードのリスト５４２内にあるか否かを示すさらなるＭＰＭシンタックス要素５３８をデータストリーム１２から導出するように構成される。さらなるＭＰＭシンタックス要素５３８が、ブロックベースのイントラ予測モード５１０の第２のセット５２０の所定のブロックベースのイントラ予測モードが最も可能性の高いブロックベースのイントラ予測モードのリスト５４２内にあることを示す場合、装置３０００は、例えば、所定のブロック１８に隣接する隣接ブロック５２４、５２６が予測されるときを使用してイントラ予測モードに基づいて最も可能性の高いブロックベースのイントラ予測モードのリスト５４２を形成し、最も可能性の高いブロックベースのイントラ予測モードのリスト５４２を所定のブロックベースのイントラ予測モード上に示すさらなるＭＰＭリストインデックス５４０をデータストリーム１２から導出するように構成される。さらなるＭＰＭシンタックス要素５３８が、ブロックベースのイントラ予測モードの第２のセット５２０の所定のブロックベースのイントラ予測モードが最も可能性の高いブロックベースのイントラ予測モードのリスト５４２内にないことを示す場合、装置３０００は、ブロックベースのイントラ予測モードの第２のセット５２０のうちの所定のブロックベースのイントラ予測モードを示すさらにさらなるリストインデックス５４６をデータストリーム１２から導出するように構成される。したがって、さらなるＭＰＭシンタックス要素５３８に基づいて、データストリーム１２は、所定のブロック１８の予測のためのさらなるＭＰＭリストインデックス５４０またはさらにさらなるリストインデックス５４６のいずれかを含む。

さらなるＭＰＭシンタックス要素５３８、さらなるＭＰＭリストインデックス５４０、およびなおさらなるリストインデックス５４６は、ＭＰＭシンタックス要素５３２、ＭＰＭリストインデックス５３４、およびさらなるリストインデックス５３６と並列であるものとして図１３のデータストリーム１２で表されているが、さらなるＭＰＭシンタックス要素５３８、およびさらなるＭＰＭシンタックス要素５３８に関連付けられたインデックス、例えばさらなるＭＰＭリストインデックス５４０またはなおさらなるリストインデックス５４６のいずれかが、データストリーム１２またはＭＰＭシンタックス要素５３２、およびＭＰＭシンタックス要素５３２に関連付けられたインデックス、例えばＭＰＭリストインデックス５３４またはさらなるリストインデックス５３６によって構成されることは明らかである。このシンタックス要素およびインデックスのいずれがデータストリーム１２に含まれるかは、例えば、セット選択的シンタックス要素５２２に依存する。
擬似コードとして書かれたデータストリーム１２のシンタックス要素部分の例は以下のように見え、参照符号は、どのシンタックス要素が前述のシンタックス要素に対応するかを示す。

リスト５２８のリスト構築は以下のように定義されてもよく、ここで、ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＡ／Ｂは、対応するブロック５２４または５２６がブロックベースのイントラ予測モード５１０のいずれかを使用してイントラ予測された場合、ブロック５２４のＡおよびブロック５２６のＢなど、ブロック５２４および５２６のいずれかが予測されたイントラ予測モード、またはセット５０８からイントラ予測モードがマッピングされるモードを示す。ＩＮＴＲＡ＿ＤＣは、モード５０６を示すために使用され、角度モード５００は、ＩＮＴＲＡ＿ＡＮＧＵＬＡＲ＃によって示され、上に例示的に示されたように、すなわち、角度方向５０２が数の増加と共に単調に減少または増加するように、角度モードを順序付けて番号付け（＃）する。セット５０８内のモード間の順序は、ＩＮＴＲＡ＿ＰＬＡＮＡＲがモード５０４を示す後続の表で定義される通りであってもよい。

上記の例では、インデックス５３４は、実際には、シンタックス要素５３４’および５３４’’上に分散されることに留意されたい。すなわち、前者５３４’は、この例によればＩＮＴＲＡ＿ＰＬＡＮＡＲモード５０４が必然的に位置付けられるリスト５２８の最初の、順序５３０の位置に固有である。後者５３４’’は、リスト５２８の後続の位置のいずれかを指し、説明したように、ＤＣモード５０６は、説明した特殊な状況にのみ含まれる。

さらに、上記の例では、セット５０８内のモードのいずれかが使用されることを示すシンタックス要素５２２の場合、さらなるシンタックス要素がデータストリーム１２に含まれ、このさらなるシンタックス要素は、何らかの形でセット５０８内のイントラ予測モードをパラメータ化する。例えば、シンタックス要素６００は、基準サンプル１７が配置される領域をパラメータ化または変化させ、それに基づいて、セット５０８内のモードは、ブロック１８の外周に向かう距離などに関して、ブロック１８の内側をイントラ予測する。これに加えて、またはこれに代えて、シンタックス要素６０２は、参照サンプル１７がセット５０８内のモードによって使用されてブロック１８の内部をグローバルにまたはブロック内でイントラ予測するかどうか、またはイントラ予測がブロック１８が細分された部分または部分で行われて順次イントラ予測されるかどうかをパラメータ化または変更し、その結果、ある部分についてデータストリーム１２に符号化された予測残差は、後続の部分をイントラ予測するために新しい参照サンプルを採用するのに役立ち得る。シンタックス要素によって制御される後者の符号化オプションは、シンタックス要素６００が、例えば、ブロック１８に隣接する参照サンプル１７が存在する領域に対応する所定の状態を有する場合にのみ利用可能であり得る（および対応するシンタックス要素がデータストリームにのみ存在し得る）。部分は、ブロックを水平方向に、それによってブロック１８と同じ高さの部分をもたらすか、または垂直方向に、それによってブロック１８と同じ幅の部分をもたらすかのいずれかのような所定の方向に沿って細分することによって画定され得る。分割がアクティブであるようにシグナリングされる場合、どの分割方向が使用されるかに関して制御するシンタックス要素６０４がデータストリーム内に存在し得る。見て分かるように、ＩＮＴＲＡ＿ＰＬＡＮＡＲモード用に予約されているリスト５２８内の位置は、シンタックス要素６００が、例えば、ブロック１８に隣接する参照サンプル１７が存在する領域に対応する所定の状態を有する場合、および／またはシンタックス要素６０２によって通知されるように部分ワイズイントラ予測モードがアクティブでない場合など、上述のパラメータ化シンタックス要素によるモードの特定のパラメータ化の場合にのみ利用可能である。

表に示され、具体的に上述されていないすべてのシンタックス要素はオプションであり、本明細書ではこれ以上説明しない。
－ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＢがｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＡに等しく、ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＡがＩＮＴＲＡ＿ＤＣより大きい場合、ｘ＝０．．４であるｃａｎｄＭｏｄｅＬｉｓｔ［ｘ］は以下のように導出される。
ｃａｎｄＭｏｄｅＬｉｓｔ［０］＝ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＡ
ｃａｎｄＭｏｄｅＬｉｓｔ［１］＝２＋（（ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＡ＋６１）％ ６４）
ｃａｎｄＭｏｄｅＬｉｓｔ［２］＝２＋（（ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＡ－１）％ ６４）
ｃａｎｄＭｏｄｅＬｉｓｔ［３］＝２＋（（ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＡ＋６０）％ ６４）
ｃａｎｄＭｏｄｅＬｉｓｔ［４］＝２＋（ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＡ ％ ６４）
－さもなければ、ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＢがｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＡと等しくなく、ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＡまたはｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＢがＩＮＴＲＡ＿ＤＣより大きい場合、以下が適用される。
－変数ｍｉｎＡＢおよびｍａｘＡＢは、以下のように導出される。

ｍｉｎＡＢ＝Ｍｉｎ（ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＡ，ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＢ）
ｍａｘＡＢ＝Ｍａｘ（ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＡ，ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＢ）
－ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＡとｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＢの両方がＩＮＴＲＡ＿ＤＣより大きい場合、ｘ＝０．．４であるｃａｎｄＭｏｄｅＬｉｓｔ［ｘ］は以下のように導出される。
ｃａｎｄＭｏｄｅＬｉｓｔ［０］＝ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＡ
ｃａｎｄＭｏｄｅＬｉｓｔ［１］＝ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＢ
－ｍａｘＡＢ－ｍｉｎＡＢが１に等しい場合、以下が適用される。
ｃａｎｄＭｏｄｅＬｉｓｔ［２］＝２＋（（ｍｉｎＡＢ＋６１）％ ６４）
ｃａｎｄＭｏｄｅＬｉｓｔ［３］＝２＋（（ｍａｘＡＢ－１）％ ６４）
ｃａｎｄＭｏｄｅＬｉｓｔ［４］＝２＋（（ｍｉｎＡＢ＋６０）％ ６４）
－そうではなく、ｍａｘＡＢ－ｍｉｎＡＢが６２以上である場合、以下が適用される。
ｃａｎｄＭｏｄｅＬｉｓｔ［２］＝２＋（（ｍｉｎＡＢ－１）％ ６４）
ｃａｎｄＭｏｄｅＬｉｓｔ［３］＝２＋（（ｍａｘＡＢ＋６１）％ ６４）
ｃａｎｄＭｏｄｅＬｉｓｔ［４］＝２＋（ｍｉｎＡＢ ％ ６４）
－そうではなく、ｍａｘＡＢ－ｍｉｎＡＢが２に等しい場合、以下が適用される。
ｃａｎｄＭｏｄｅＬｉｓｔ［２］＝２＋（（ｍｉｎＡＢ－１）％ ６４）
ｃａｎｄＭｏｄｅＬｉｓｔ［３］＝２＋（（ｍｉｎＡＢ＋６１）％ ６４）
ｃａｎｄＭｏｄｅＬｉｓｔ［４］＝２＋（（ｍａｘＡＢ－１）％ ６４）
－そうでなければ、以下が適用される。
ｃａｎｄＭｏｄｅＬｉｓｔ［２］＝２＋（（ｍｉｎＡＢ＋６１）％ ６４）
ｃａｎｄＭｏｄｅＬｉｓｔ［３］＝２＋（（ｍｉｎＡＢ－１）％ ６４）（８－３６）
ｃａｎｄＭｏｄｅＬｉｓｔ［４］＝２＋（（（ｍａｘＡＢ＋６１））％ ６４）
－そうでない場合（ｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＡまたはｃａｎｄＩｎｔｒａＰｒｅｄＭｏｄｅＢはＩＮＴＲＡ＿ＤＣより大きい）、ｘ＝０．．４であるｃａｎｄＭｏｄｅＬｉｓｔ［ｘ］は以下のように導出される。
ｃａｎｄＭｏｄｅＬｉｓｔ［０］＝ｍａｘＡＢ
ｃａｎｄＭｏｄｅＬｉｓｔ［１］＝２＋（（ｍａｘＡＢ＋６１）％ ６４）
ｃａｎｄＭｏｄｅＬｉｓｔ［２］＝２＋（（ｍａｘＡＢ－１）％ ６４）（８－４１）
ｃａｎｄＭｏｄｅＬｉｓｔ［３］＝２＋（（ｍａｘＡＢ＋６０）％ ６４）
ｃａｎｄＭｏｄｅＬｉｓｔ［４］＝２＋（ｍａｘＡＢ ％ ６４）
－そうでなければ、以下が適用される。
ｃａｎｄＭｏｄｅＬｉｓｔ［０］＝ＩＮＴＲＡ＿ＤＣ
ｃａｎｄＭｏｄｅＬｉｓｔ［１］＝ＩＮＴＲＡ＿ＡＮＧＵＬＡＲ５０（
ｃａｎｄＭｏｄｅＬｉｓｔ［２］＝ＩＮＴＲＡ＿ＡＮＧＵＬＡＲ１８
ｃａｎｄＭｏｄｅＬｉｓｔ［３］＝ＩＮＴＲＡ＿ＡＮＧＵＬＡＲ４６
ｃａｎｄＭｏｄｅＬｉｓｔ［４］＝ＩＮＴＲＡ＿ＡＮＧＵＬＡＲ５４

イントラ予測モードの第１のセット５０８のうちの１つを用いて所定のブロック１８が予測されるべきでないことを示すセット選択的シンタックス要素５２２の場合、所定のブロック１８を復号するための装置および／または所定のブロック１８を符号化するための装置は、以下の特徴のうちの１つ以上を含み得る。
一実施形態によれば、装置は、複数の基準サンプル１７からサンプル値ベクトル、例えば図６から図９の実施形態のうちの１つに関して説明したサンプル値ベクトル４００を形成し、サンプル値ベクトルが所定の可逆線形変換によってベクトル５１４にマッピングされるように、サンプル値ベクトルからベクトル５１４を導出するように構成される。この場合、ベクトル５１４はさらなるベクトルとして理解することができる。ベクトル５１４は、例えば、図８～図１１の実施形態のうちの１つに関してさらなるベクトル４０２について説明したように決定および／または定義される。

一実施形態によれば、装置は、サンプル値ベクトルの各成分について、複数の参照サンプルのうちの１つの参照サンプルをサンプル値ベクトルのそれぞれの成分として採用すること、および／またはサンプル値ベクトルの２つ以上の成分を平均化してサンプル値ベクトルのそれぞれの成分を取得することによって、複数の参照サンプル１７からサンプル値ベクトルを形成するように構成される。
複数の参照サンプル１７は、例えば、所定のブロック１８の外縁に沿って画像内に配置される。
可逆線形変換は、例えば、ベクトル５１４の所定の成分、例えばさらなるベクトルの所定の成分がａになり、所定の成分を除くベクトル５１４の他の成分の各々が、サンプル値ベクトルの対応する成分からａを引いたものに等しくなるように定義される。値ａは、例えば、所定の値である。

一実施形態によれば、所定の値は、サンプル値ベクトルの成分の算術平均または加重平均などの平均、デフォルト値、画像が符号化されるデータストリーム内でシグナリングされる値、および所定の成分に対応するサンプル値ベクトルの成分のうちの１つである。
可逆線形変換は、例えば、ベクトル５１４の所定の成分、例えばさらなるベクトルの所定の成分がａになり、所定の成分を除くベクトル５１４の他の成分の各々が、サンプル値ベクトルの対応する成分からａを引いたものに等しくなるように定義され、ａはサンプル値ベクトルの成分の算術平均である。
可逆線形変換は、例えば、ベクトル５１４の所定の成分、例えばさらなるベクトルの所定の成分がａになり、所定の成分を除くベクトル５１４の他の成分の各々が、サンプル値ベクトルの対応する成分からａを引いたものに等しくなるように定義され、ａは、所定の成分に対応するサンプル値ベクトルの成分である。この装置は、例えば、各々がベクトル５１４の一成分に関連付けられた複数の可逆線形変換を備え、サンプル値ベクトルの成分から所定の成分を選択し、所定の成分に関連付けられた複数の可逆線形変換からの可逆線形変換を所定の可逆線形変換として使用するように構成される。

一実施形態によれば、例えばさらなるベクトルのベクトル５１４の所定の成分に対応する予測行列５１６の列内の予測行列５１６の行列成分はすべてゼロである。装置は、列を除外することによって予測行列５１６から生じる縮小された予測行列と、所定の成分を除外することによってベクトル５１４から生じるさらに別のベクトルとの間の行列ベクトル積５１２を計算することによって乗算を実行することによって行列ベクトル積５１２を計算するように構成される。
一実施形態によれば、装置は、予測ベクトル５１８に基づいて所定のブロック１８のサンプルを予測する際に、予測ベクトル５１８の各成分について、それぞれの成分とａとの和を計算するように構成される。
ベクトル５１４の、例えばさらなるベクトルの所定の成分に対応する予測行列５１６の列内の予測行列５１６の各行列成分を、可逆線形変換の（すなわち、図８の行列Ｂ）倍と合計した行列は、例えば機械学習予測行列の量子化バージョンに対応する。

一実施形態によれば、装置は、固定小数点演算を使用して行列ベクトル積５１２を計算するように構成される。
一実施形態によれば、装置は、浮動小数点演算なしで行列ベクトル積５１２を計算するように構成される。
一実施形態によれば、装置は、予測行列５１６の固定小数点数表現を格納するように構成される。

一実施形態によれば、装置は、予測パラメータを使用して予測行列５１６を表し、例えばさらなるベクトルのベクトル５１４の成分、および予測パラメータおよびそれから生じる中間結果に対して乗算および加算を実行することによって行列ベクトル積５１２を計算するように構成され、予測パラメータの絶対値は、ｎビットの固定小数点数表現によって表すことができ、ｎは１４以下、または代替的に１０、または代替的に８である。これは、同様に、または図１０または図１１に記載されるように実行することができる。
予測パラメータは、例えば、それぞれが予測行列５１６の対応する行列成分に関連付けられた重みを含む。
予測パラメータは、例えば、それぞれが予測行列５１６の１つまたは複数の対応する行列成分に関連付けられた重みをスケーリングするための予測行列５１６の１つまたは複数の対応する行列成分に関連付けられた１つまたは複数のスケーリング係数、および／またはそれぞれが予測行列５１６の１つまたは複数の対応する行列成分に関連付けられた重みをオフセットするための予測行列５１６の１つまたは複数の対応する行列成分に関連付けられた１つまたは複数のオフセットをさらに含む。

一実施形態によれば、装置は、予測ベクトル５１８に基づいて所定のブロック１８のサンプルを予測する際に、各成分が所定のブロック１８内の対応する位置に関連付けられた予測ベクトル５１８に基づいて所定のブロック１８の少なくとも１つのサンプル位置を計算するために補間を使用するように構成される。

図１４は、イントラ予測を使用して画像１０の所定のブロック１８を符号化するための装置６０００を示し、この装置は、ＤＣイントラ予測モード５０６および角度予測モード５００を含むイントラ予測モードの第１のセット５０８のうちの１つを使用して所定のブロック１８が予測されるべきかどうかを示すデータストリーム１２内のセット選択的シンタックス要素５２２をシグナリングするように構成される。セット選択的シンタックス要素５２２が、イントラ予測モードの第１のセット５０８のうちの１つを使用して所定のブロック１８が予測されるべきであることを示す場合、装置６０００は、所定のブロック１８に隣接する隣接ブロック５２４、５２６が予測されるイントラ予測モードに基づいて最も可能性の高いイントラ予測モードのリスト５２８を形成し、最も可能性の高いイントラ予測モードのリスト５２８を所定のイントラ予測モード３１００上に指し示すデータストリーム１２内のＭＰＭリストインデックス５３４をシグナリングし、所定のイントラ予測モード３１００を使用して所定のブロック１８をイントラ予測するように構成される。セット選択的シンタックス要素５２２が、イントラ予測モードの第１のセット５０８のうちの１つを使用して所定のブロック１８が予測されるべきでないことを示す場合、装置６０００は、予測ベクトル５１８を取得するために、所定のブロック１８の近傍の参照サンプル１７から導出されたベクトル５１４と所定の行列ベースのイントラ予測モード３２００に関連付けられた所定の予測行列５１６との間の行列ベクトル積５１２を計算し、予測ベクトル５１８に基づいて所定のブロック１８のサンプルを予測することによって、行列ベースのイントラ予測モード５１０の第２のセット５２０のうちの所定の行列ベースのイントラ予測モード３２００を示すデータストリーム１２内のさらなるインデックス５４０をシグナリングするように構成される。

最も可能性の高いイントラ予測モードのリスト５２８は、隣接ブロック５２４、５２６のうちの少なくとも１つが角度イントラ予測モード５００のいずれかによって予測されている場合に、最も可能性の高いイントラ予測モードのリストがＤＣイントラ予測モード５０６を含まないように、所定のブロック１８に隣接する隣接ブロック５２４、５２６が使用されるイントラ予測モードに基づいて形成される。
イントラ予測モードの第１のセット５０８は、例えば、平面イントラ予測モード５０４をさらに含む。

一実施形態によれば、装置６０００は、図１２および／または図１３の装置３０００に関して説明したのと同様の特徴および／または機能を含むことができる。同様に、装置３０００は、図１４の装置６０００に関して説明したのと同様の特徴および／または機能を含むことができる。
セット選択的シンタックス要素５２２が、イントラ予測モードの第１のセット５０８のうちの１つを使用して所定のブロック１８が予測されるべきであることを示す場合、装置６０００は、例えば、イントラ予測モードの第１のセット５０８の所定のイントラ予測モード３１００が最も可能性の高いイントラ予測モードのリスト５２８内にあるか否かを示すデータストリーム１２内のＭＰＭシンタックス要素５３２をシグナリングするように構成される。ＭＰＭシンタックス要素５３２が、イントラ予測モードの第１のセット５０８の所定のイントラ予測モードが最も可能性の高いイントラ予測モードのリスト５２８内にあることを示す場合、装置６０００は、例えば、所定のブロック１８に隣接する隣接ブロック５２４、５２６が予測されるイントラ予測モードに基づいて最も可能性の高いイントラ予測モードのリスト５２８の形成を実行し、最も可能性の高いイントラ予測モードのリスト５２８の所定のイントラ予測モード３１００を指し示すデータストリーム１２内のＭＰＭリストインデックス５３４のシグナリングを実行するように構成される。データストリーム１２内のＭＰＭシンタックス要素５３２が、イントラ予測モードの第１のセット５０８の所定のイントラ予測モード３１００が最も可能性の高いイントラ予測モードのリスト５２８内にないことを示す場合、装置６０００は、例えば、イントラ予測モードの第１のセット５０８のうちの所定のイントラ予測モード３１００を示すデータストリーム１２内のさらなるリストインデックス５３６をシグナリングするように構成される。

セット選択的シンタックス要素５２２が、イントラ予測モードの第１のセット５０８のうちの１つを使用して所定のブロック１８が予測されるべきでないことを示す場合、装置６０００は、例えば、ブロックベースのイントラ予測モードの第２のセット５２０の所定のブロックベースのイントラ予測モード３２００が最も可能性の高いブロックベースのイントラ予測モードのリスト５４２内にあるかどうか、すなわち、最も可能性の高いブロックベースのイントラ予測モードの第２のリスト、例えば、ブロックベースのイントラ予測モードの第２のセット５２０の最も可能性の高いブロックベースのイントラ予測モードのリスト５４２内にあるかどうかを示すデータストリーム１２内のさらなるＭＰＭシンタックス要素５３８をシグナリングするように構成されている。さらなるＭＰＭシンタックス要素５３８が、ブロックベースのイントラ予測モードの第２のセット５２０の所定のブロックベースのイントラ予測モード３２００が最も可能性の高いブロックベースのイントラ予測モードのリスト５４２内にあることを示す場合、装置６０００は、例えば、所定のブロック１８に隣接する隣接ブロック５２４、５２６が予測されるイントラ予測モード３０５０に基づいて最も可能性の高いブロックベースのイントラ予測モードのリスト５４２を形成し、最も可能性の高いブロックベースのイントラ予測モードのリスト５４２を所定のブロックベースのイントラ予測モード３２００上に指し示すデータストリーム１２内のさらなるＭＰＭリストインデックス５４０をシグナリングするように構成される。さらなるＭＰＭシンタックス要素５３８が、ブロックベースのイントラ予測モードの第２のセット５２０の所定のブロックベースのイントラ予測モード３２００が最も可能性の高いブロックベースのイントラ予測モードのリスト５４２内にないことを示す場合、装置６０００は、例えば、ブロックベースのイントラ予測モードの第２のセット５２０のうちの所定のブロックベースのイントラ予測モード３２００を示すデータストリーム１２内のさらなるリストインデックス５４６をシグナリングするように構成される。

一実施形態によれば、装置６０００は、隣接ブロック５２４および５２６の各々について、ＤＣイントラ予測モード５０６を含む第１のセット５０８を有する少なくとも１つの非角度イントラ予測モード５０４および／または５０６のいずれかを使用して予測されたか、またはブロックベースのイントラ予測モードの第２のセット５２０から、最も可能性の高いイントラ予測モードのリスト５２８の形成に使用される第１のセット５０８内のイントラ予測モードにマッピングすることによって予測されたブロックベースのイントラ予測モード５１０のいずれかを使用して予測されたそれぞれの隣接ブロックがＤＣイントラ予測モード５０６を含む場合にのみ、リスト５２８にＤＣイントラ予測モード５２８が取り込まれるように、どちらの隣接ブロック５２４、５２６が所定のブロック１８に隣接するかを使用してイントラ予測モードの第１のセット５０８の最も可能性の高いイントラ予測モードのリスト５２８の形成を実行するように構成され、少なくとも１つの非角度イントラ予測モード５０４および／または５０６のいずれかにマッピングされる。

一実施形態によれば、装置６０００は、隣接ブロック５２４および５２６の各々について、ＤＣイントラ予測モード５０６を含む第１のセット５０８を有する少なくとも１つの非角度イントラ予測モード５０４および／または５０６のいずれかを使用して予測されるか、または最も可能性の高いイントラ予測モードのリスト５２８の形成に使用されるブロックベースのイントラ予測モードの第２のセット５２０から第１のセット５０８内のイントラ予測モードへのマッピングによって、少なくとも１つの非角度イントラ予測モード５０４および／または５０６のいずれかにマッピングされるブロックベースのイントラ予測モード５１０のいずれかを使用して予測されるそれぞれの隣接ブロックが、それを使用して所定のブロック１８に隣接する隣接ブロック５２４、５２６が予測されるイントラ予測モードに基づいて、最も可能性の高いイントラ予測モードのリスト５２８の形成を実行するように構成される。ＤＣイントラ予測モード５０６は、最も可能性の高いイントラ予測モードのリスト５２８内の任意の角度イントラ予測モード５００の前に配置される。

一実施形態によれば、装置６０００は、所定のブロック１８に隣接する隣接ブロック５２４、５２６が予測されるイントラ予測モードに基づいて最も可能性の高いイントラ予測モードのリスト５２８の形成を実行するように構成され、その結果、リスト５２８は、隣接ブロック５２４、５２６が予測されるイントラ予測モードとは独立した方法で平面イントラ予測モード５０４でポピュレートされる。
一実施形態によれば、装置６０００は、所定のブロック１８に隣接する隣接ブロック５２４、５２６が予測されるイントラ予測モードに基づいて、最も可能性の高いイントラ予測モードのリスト５２８の形成を実行するように構成され、それにより、平面イントラ予測モード５０４は、隣接ブロック５２４、５２６が予測されるイントラ予測モードから独立した最も可能性の高いイントラ予測モードのリスト５２８の第１の位置に配置される。

図１５は、イントラ予測を使用して画像の所定のブロック１８を復号するための方法４０００のブロック図を示し、ＤＣイントラ予測モードおよび角度予測モードを含むイントラ予測モードの第１のセットのうちの一方を使用して所定のブロックが予測されるべきかどうかを示すセット選択的シンタックス要素をデータストリームから導出するステップ４１００を含む。セット選択的シンタックス要素が、イントラ予測モードの第１のセットのうちの１つを使用して所定のブロックが予測されるべきであることを示す４１５０場合、方法４０００は、所定のブロックに隣接する隣接ブロックが予測されるイントラ予測モードに基づいて最も可能性の高いイントラ予測モードのリストを形成するステップ４２００と、最も可能性の高いイントラ予測モードのリストを所定のイントラ予測モードに向けるデータストリームからＭＰＭリストインデックスを導出するステップ４３００と、所定のイントラ予測モードを使用して所定のブロックをイントラ予測するステップ４４００とを含む。セット選択的シンタックス要素が、イントラ予測モードの第１のセットのうちの１つを使用して所定のブロックが予測されるべきでないことを示す４１５５場合、方法４０００は、予測ベクトルを取得するために、所定のブロックの近傍の参照サンプルから導出されたベクトルと所定の行列ベースのイントラ予測モードに関連付けられた所定の予測行列との間の行列ベクトル積を計算するステップ４３５０と、予測ベクトルに基づいて所定のブロックの４４５０個のサンプルを予測するステップとによって、行列ベースのイントラ予測モードの第２のセットのうちの所定の行列ベースのイントラ予測モードを示すさらなるインデックスをデータストリームから導出するステップ４２５０を含む。最も可能性の高いイントラ予測モードのリストは、隣接ブロックのうちの少なくとも１つが角度イントラ予測モードのいずれかによって予測されている場合に、最も可能性の高いイントラ予測モードのリストがＤＣイントラ予測モードを含まないように、所定のブロックに隣接する隣接ブロックが予測されるイントラ予測モードに基づいて形成される４２００。

図１６は、イントラ予測を使用して画像の所定のブロックを符号化するための方法５０００のブロック図を示し、ＤＣイントラ予測モードおよび角度予測モードを含むイントラ予測モードの第１のセットのうちの一方を使用して所定のブロックが予測されるべきかどうかを示すデータストリーム内のセット選択的シンタックス要素をシグナリング５１００することを含む。セット選択的シンタックス要素が、イントラ予測モードの第１のセットのうちの１つを使用して所定のブロックが予測されるべきであることを示す５１５０場合、方法５０００は、所定のブロックに隣接する隣接ブロックが予測されるイントラ予測モードに基づいて最も可能性の高いイントラ予測モードのリストを形成するステップ５２００と、最も可能性の高いイントラ予測モードのリストを所定のイントラ予測モードに向けるデータストリーム内のＭＰＭリストインデックスをシグナリングするステップ５３００と、所定のイントラ予測モードを使用して所定のブロックをイントラ予測するステップ５４００とを含む。セット選択的シンタックス要素が、イントラ予測モードの第１のセットのうちの１つを使用して所定のブロックが予測されるべきでないことを示す５１５５場合、方法５０００は、予測ベクトルを取得するために、所定のブロックの近傍の参照サンプルから導出されたベクトルと所定の行列ベースのイントラ予測モードに関連付けられた所定の予測行列との間の行列ベクトル積を計算するステップ５３５０と、予測ベクトルに基づいて所定のブロックのサンプルを予測するステップ５４５０とによって、行列ベースのイントラ予測モードの第２のセットのうちの所定の行列ベースのイントラ予測モードを示すデータストリーム内のさらなるインデックスをシグナリングするステップ５２５０を含む。最も可能性の高いイントラ予測モードのリストは、隣接ブロックのうちの少なくとも１つが角度イントラ予測モードのいずれかによって予測されている場合に、最も可能性の高いイントラ予測モードのリストがＤＣイントラ予測モードを含まないように、所定のブロックに隣接する隣接ブロックが予測されるイントラ予測モードに基づいて形成される５２００。

参考文献
［１］ Ｐ．Ｈｅｌｌｅら、「Ｎｏｎ－ｌｉｎｅａｒ ｗｅｉｇｈｔｅｄ ｉｎｔｒａ ｐｒｅｄｉｃｔｉｏｎ」、ＪＶＥＴ－Ｌ０１９９、マカオ、中国、２０１８年１０月。
［２］ Ｆ．Ｂｏｓｓｅｎ、Ｊ．Ｂｏｙｃｅ、Ｋ．Ｓｕｅｈｒｉｎｇ、Ｘ．Ｌｉ、Ｖ．Ｓｅｒｅｇｉｎ、「ＪＶＥＴ ｃｏｍｍｏｎ ｔｅｓｔ ｃｏｎｄｉｔｉｏｎｓ ａｎｄ ｓｏｆｔｗａｒｅ ｒｅｆｅｒｅｎｃｅ ｃｏｎｆｉｇｕｒａｔｉｏｎｓ ｆｏｒ ＳＤＲ ｖｉｄｅｏ」、ＪＶＥＴ－Ｋ １０１０、Ｌｊｕｂｌｊａｎａ、ＳＩ、２０１８年７月。

さらなる実施形態および実施例
一般に、例は、プログラム命令を有するコンピュータプログラム製品として実装されてもよく、プログラム命令は、コンピュータプログラム製品がコンピュータ上で実行されるときに方法のうちの１つを実行するように動作する。プログラム命令は、例えば、機械可読媒体に記憶されてもよい。
他の例は、機械可読キャリアに格納された、本明細書に記載の方法の１つを実行するためのコンピュータプログラムを含む。
言い換えれば、したがって、方法の一例は、コンピュータプログラムがコンピュータ上で実行されるときに、本明細書に記載の方法のうちの１つを実行するためのプログラム命令を有するコンピュータプログラムである。

したがって、方法のさらなる例は、本明細書に記載の方法の１つを実行するためのコンピュータプログラムを記録したデータキャリア媒体（またはデジタル記憶媒体、またはコンピュータ可読媒体）である。データキャリア媒体、デジタル記憶媒体、または記録媒体は、無形で一時的な信号ではなく、有形および／または非一時的である。
したがって、方法のさらなる例は、本明細書に記載の方法のうちの１つを実行するためのコンピュータプログラムを表すデータストリームまたは信号シーケンスである。データストリームまたは信号シーケンスは、例えば、データ通信接続を介して、例えばインターネットを介して転送されてもよい。

さらなる例は、処理手段、例えばコンピュータ、または本明細書に記載の方法のうちの１つを実行するプログラマブル論理デバイスを含む。
さらなる例は、本明細書に記載の方法のうちの１つを実行するためのコンピュータプログラムをインストールしたコンピュータを含む。
さらなる例は、本明細書に記載された方法のうちの１つを実行するためのコンピュータプログラムを受信機へ転送する（例えば、電子的または光学的に）装置またはシステムを備える。受信機は、例えば、コンピュータ、モバイルデバイス、メモリデバイスなどであってもよい。装置またはシステムは、例えば、コンピュータプログラムを受信機に転送するためのファイルサーバを備えることができる。

いくつかの例では、プログラマブル・ロジック・デバイス（例えば、フィールド・プログラマブル・ゲート・アレイ）を使用して、本明細書に記載の方法の機能の一部またはすべてを実行することができる。いくつかの例では、フィールド・プログラマブル・ゲート・アレイは、本明細書に記載の方法のうちの１つを実行するためにマイクロプロセッサと協働することができる。一般に、方法は、任意の適切なハードウェア装置によって実行されてもよい。

上述の例は、上述の原理の単なる例示である。本明細書に記載の構成および詳細の修正および変形は明らかであることが理解される。したがって、本明細書の実施例の説明および説明として提示される特定の詳細によってではなく、添付の特許請求の範囲によって限定されることが意図される。
同じもしくは同等の要素、または同じもしくは同等の機能を有する要素は、異なる図で発生する場合であっても、以下の説明では同じまたは同等の参照番号で示される。

Claims (29)

1. イントラ予測を使用して画像（１０）の所定のブロック（１８）を復号するための装置（３０００）であって、
   イントラ予測モードの第１のセット（５０８）であって、ＤＣイントラ予測モード（５０６）および角度イントラ予測モード（５００）を含む第１のセット（５０８）のうちのイントラ予測モードを使用して、ルマブロックである前記所定のブロック（１８）が予測されるべきかどうかを示すセット選択的シンタックス要素（５２２）をデータストリーム（１２）から復号し、
   前記セット選択的シンタックス要素（５２２）が、イントラ予測モードの前記第１のセット（５０８）のうちの一方を用いて前記所定のブロック（１８）が予測されるべきであることを指示する場合、
   前記所定のブロック（１８）の隣接ブロック（５２４、５２６）を予測するのに使用されるイントラ予測モード（３０５０）を備える最も可能性の高いイントラ予測モードのリスト（５２８）を形成し、前記隣接ブロック（５２４、５２６）の一方が前記角度イントラ予測モード（５００）のいずれかによって予測され、前記隣接ブロック（５２４、５２６）の他方が非角度イントラ予測モードによって予測される場合、前記リストは、前記ＤＣイントラ予測モード（５０６）を含まず、
   前記最も可能性の高いイントラ予測モードのリスト（５２８）を所定のイントラ予測モード（３１００）を指し示すＭＰＭリストインデックス（５３４）を前記データストリーム（１２）から導出し、
   前記所定のイントラ予測モード（３１００）を用いて前記所定のブロック（１８）をイントラ予測し、
   前記セット選択的シンタックス要素（５２２）が、前記所定のブロック（１８）がイントラ予測モードの前記第１のセット（５０８）のうちの一方を使用して予測されないことを指示する場合、
   前記データストリーム（１２）から、行列ベースのイントラ予測モード（３２００）の第２のセット（５２０）のうちの所定の行列ベースのイントラ予測モード（５１０）を示すさらなるインデックス（５４０、５４６）を導出し、
   予測ベクトル（５１８）を取得するために、前記所定のブロック（１８）の近傍の参照サンプル（１７）から導出されたベクトル（５１４、４００、４０２）と前記所定の行列ベースのイントラ予測モード（３２００）に関連付けられた所定の予測行列（５１６）との間の行列ベクトル積（５１２）を計算し、
   前記予測ベクトル（５１８）に基づいて前記所定のブロック（１８）のサンプルを予測する、装置（３０００）。
2. 請求項１に記載の装置（３０００）であって、
   前記セット選択的シンタックス要素（５２２）が、前記イントラ予測モードの前記第１のセット（５０８）のうちの一方を用いて前記所定のブロック（１８）が予測されるべきであることを指示する場合、
   前記イントラ予測モードの前記第１のセット（５０８）の前記所定のイントラ予測モード（３１００）が前記最も可能性の高いイントラ予測モードのリスト（５２８）内にあるか否かを示すＭＰＭシンタックス要素（５３２）を前記データストリーム（１２）から導出し、
   ＭＰＭシンタックス要素（５３２）が、イントラ予測モードの第１のセット（５０８）の所定のイントラ予測モード（３１００）が前記最も可能性の高いイントラ予測モードのリスト（５２８）内にあることを示す場合、
   前記所定のブロック（１８）に隣接する隣接ブロック（５２４、５２６）が予測されるイントラ予測モード（３０５０）に基づいて、前記最も可能性の高いイントラ予測モードのリスト（５２８）を形成するステップと、
   前記最も可能性の高いイントラ予測モードのリスト（５２８）の所定のイントラ予測モード（３１００）を指し示すデータストリーム（１２）からのＭＰＭリストインデックス（５３４）の導出するステップと、を実行し、
   前記データストリーム（１２）からの前記ＭＰＭシンタックス要素（５３２）が、イントラ予測モードの前記第１のセット（５０８）の前記所定のイントラ予測モード（３１００）が前記最も可能性の高いイントラ予測モードのリスト（５２８）内にないことを示す場合、
   前記イントラ予測モードの前記第１のセット（５０８）のうちの前記所定のイントラ予測モード（３１００）を示すさらなるリストインデックス（５３６）を前記データストリーム（１２）から導出する、ように構成されている、装置（３０００）。
3. 請求項１または２に記載の装置（３０００）であって、
   前記セット選択的シンタックス要素（５２２）が、前記所定のブロック（１８）がイントラ予測モードの前記第１のセット（５０８）のうちの一方を使用して予測されないことを指示する場合、
   ブロックベースのイントラ予測モード（５１０）の前記第２のセット（５２０）の所定のブロックベースのイントラ予測モード（３２００）が最も可能性の高いブロックベースのイントラ予測モード（５１０）のリスト（５４２）内にあるか否かを示すさらなるＭＰＭシンタックス要素（５３８）を前記データストリーム（１２）から導出し、
   さらなるＭＰＭシンタックス要素（５３８）が、ブロックベースのイントラ予測モード（５１０）の第２のセット（５２０）の所定のブロックベースのイントラ予測モード（３２００）が最も可能性の高いブロックベースのイントラ予測モード（５１０）のリスト（５４２）内にあることを示す場合、
   前記所定のブロック（１８）に隣接する隣接ブロック（５２４、５２６）が予測されるイントラ予測モード（３０５０）に基づいて、前記最も可能性の高いブロックベースのイントラ予測モード（５１０）のリスト（５４２）を形成し、
   前記データストリーム（１２）から、前記最も可能性の高いブロックベースのイントラ予測モード（５１０）のリスト（５４２）を所定のブロックベースのイントラ予測モード（３２００）上に指し示すさらなるＭＰＭリストインデックス（５４０）を導出し、
   前記さらなるＭＰＭシンタックス要素（５３８）が、ブロックベースのイントラ予測モード（５１０）の第２のセット（５２０）の所定のブロックベースのイントラ予測モード（３２００）が最も可能性の高いブロックベースのイントラ予測モード（５１０）のリスト（５４２）内にないことを示す場合、
   前記ブロックベースのイントラ予測モード（５１０）の前記第２のセット（５２０）の中の前記所定のブロックベースのイントラ予測モード（３２００）を示すさらに別のリストインデックス（５４６）を前記データストリーム（１２）から導出するように構成される、装置（３０００）。
4. 前記所定のブロック（１８）に隣接する隣接ブロック（５２４、５２６）が予測されるイントラ予測モード（３０５０）に基づいて、前記最も可能性の高いイントラ予測モードのリスト（５２８）の前記形成を実行し、
   前記リスト（５２８）は、前記隣接ブロック（５２４、５２６）の各々について、前記ＤＣイントラ予測モード（５０６）を含む前記第１のセット（５０８）を有する少なくとも１つの非角度イントラ予測モード（５０４、５０６）のいずれかを使用して予測されたか、またはブロックベースのイントラ予測モード（５１０）の前記第２のセット（５２０）から、前記最も可能性の高いイントラ予測モードのリスト（５２８）の形成に使用される前記第１のセット（５０８）内の前記イントラ予測モードへのマッピングによって、前記少なくとも１つの非角度イントラ予測モード（５０４、５０６）のいずれかにマッピングされるブロックベースのイントラ予測モード（５１０）のいずれかを使用して予測されたそれぞれの前記隣接ブロックの場合にのみ、前記ＤＣイントラ予測モード（５０６）でポピュレートされる、ように構成された、
   請求項１から３のいずれか一項に記載の装置（３０００）。
5. 前記隣接ブロック（５２４、５２６）の各々について、前記ＤＣイントラ予測モード（５０６）を含む前記第１のセット（５０８）を有する少なくとも１つの非角度イントラ予測モード（５０４、５０６）のいずれかを使用して予測されるか、またはブロックベースのイントラ予測モード（５１０）の前記第２のセット（５２０）から、前記最も可能性の高いイントラ予測モードのリスト（５２８）の前記形成に使用される前記第１のセット（５０８）内の前記イントラ予測モードへのマッピングによって、前記少なくとも１つの非角度イントラ予測モード（５０４、５０６）のいずれかにマッピングされるブロックベースのイントラ予測モード（５１０）のいずれかを使用して予測されるそれぞれの前記隣接ブロックが予測されるように、前記所定のブロック（１８）に隣接する前記隣接ブロック（５２４、５２６）が使用されるイントラ予測モード（３０５０）に基づいて前記最も可能性の高いイントラ予測モードのリスト（５２８）の前記形成を実行するように構成され、
   前記ＤＣイントラ予測モード（５０６）は、前記最も可能性の高いイントラ予測モードのリスト（５２８）内の任意の角度イントラ予測モード（５００）の前に位置付けられる、
   請求項１から４のいずれか一項に記載の装置（３０００）。
6. 前記イントラ予測モードの第１のセット（５０８）が、平面イントラ予測モード（５０４）をさらに備える、請求項１から５のいずれか一項に記載の装置（３０００）。
7. 前記所定のブロック（１８）の隣接ブロック（５２４、５２６）を予測するのに使用されるイントラ予測モード（３０５０）を備える前記最も可能性の高いイントラ予測モードのリスト（５２８）の前記形成を実行し、
   前記リスト（５２８）は、前記隣接ブロック（５２４、５２６）を予測するのに使用される前記イントラ予測モードとは独立した方法で、前記平面イントラ予測モード（５０４）でポピュレートされる、
   ように構成された、請求項６に記載の装置（３０００）。
8. 前記所定のブロック（１８）の隣接ブロック（５２４、５２６）を予測するのに使用されるイントラ予測モード（３０５０）を備える前記最も可能性の高いイントラ予測モードのリスト（５２８）の前記形成を実行し、
   前記平面イントラ予測モード（５０４）は、前記隣接ブロック（５２４、５２６）を予測するのに使用されるイントラ予測モードから独立した前記最も可能性の高いイントラ予測モードのリスト（５２８）の第１の位置に位置付けられる、
   請求項７に記載の装置（３０００）。
9. 複数の参照サンプル（１７）からサンプル値ベクトル（４００）を形成し、
   前記サンプル値ベクトル（４００）が所定の可逆線形変換（４０３）によって前記ベクトル（５１４）上にマッピングされるように、前記サンプル値ベクトル（４００）からさらなるベクトル（５１４，４０２）を導出するように構成された、
   請求項１から８のいずれか一項に記載の装置（３０００）。
10. 前記可逆線形変換（４０３）は、
    前記さらなるベクトル（５１４、４０２）の所定の成分はａとなり、
    前記所定の成分を除く前記さらなるベクトル（５１４、４０２）の他の成分の各々は、前記サンプル値ベクトル（４００）の対応する成分からａを引いたものに等しく、
    ａは、所定の値である、
    ように定義される、請求項９に記載の装置（３０００）。
11. 前記所定の値は、
    サンプル値ベクトル（４００）の成分の算術平均または加重平均などの平均、
    デフォルト値、
    前記画像（１０）が符号化されるデータストリーム（１２）内でシグナリングされる値、および
    前記サンプル値ベクトル（４００）の前記所定の成分に対応する成分、
    のうちの１つである、請求項１０に記載の装置（３０００）。
12. 前記可逆線形変換（４０３）は、
    前記さらなるベクトル（５１４、４０２）の所定の成分がａとなり、
    前記所定の成分を除く前記さらなるベクトル（５１４、４０２）の他の成分の各々が、前記サンプル値ベクトル（４００）の対応する成分からａを引いたものに等しく、
    ａが前記サンプル値ベクトル（４００）の成分の算術平均である、
    請求項９に記載の装置（３０００）。
13. 前記可逆線形変換（４０３）は、
    前記さらなるベクトル（５１４、４０２）の所定の成分がａとなり、
    前記所定の成分を除く前記さらなるベクトル（５１４、４０２）の他の成分の各々が、前記サンプル値ベクトル（４００）の対応する成分からａを引いたものに等しく、
    ａが、前記所定の成分に対応する前記サンプル値ベクトル（４００）の成分である、ように定義され、
    前記装置（３０００）は、
    各々が前記さらなるベクトル（５１４、４０２）の一方の成分に関連付けられた複数の可逆線形変換（４０３）を含み、
    前記サンプル値ベクトル（４００）の成分の中から前記所定の成分を選択し、
    前記所定の成分に対応付けられた前記複数の可逆線形変換（４０３）のうちの前記可逆線形変換（４０３）を前記所定の可逆線形変換（４０３）として用いる、
    ように構成される、請求項９に記載の装置（３０００）。
14. 前記さらなるベクトル（５１４、４０２）の前記所定の成分に対応する前記予測行列（５１６）の列内の前記予測行列（５１６）の行列成分はすべて０であり、前記装置（３０００）は、
    前記列を除外することによって前記予測行列（５１６）から結果として生じる縮小された予測行列と、前記所定の成分を除外することによって前記さらなるベクトル（５１４、４０２）から結果として生じるなおさらなるベクトルとの間の行列ベクトル積（５１２）を計算することによって乗算を実行することによって前記行列ベクトル積（５１２）を計算するようにさらに構成される、
    請求項１０から１３のいずれか一項に記載の装置（３０００）。
15. 前記予測ベクトル（５１８）に基づいて前記所定のブロックの前記サンプルを予測する際に、
    前記予測ベクトル（５１８）の各成分について、それぞれの前記成分とａとの和を計算する、ように構成された、
    請求項１０から１４のいずれか一項に記載の装置（３０００）。
16. 前記さらなるベクトル（５１４、４０２）の前記所定の成分に対応する前記予測行列（５１６）の列内の前記予測行列（５１６）の各行列成分を、前記可逆線形変換（４０３）の［すなわち、行列Ｂ］倍と合計した行列が、機械学習予測行列の量子化バージョンに対応する、請求項１０から１５のいずれか一項に記載の装置（３０００）。
17. 前記サンプル値ベクトル（４００）の各成分について、
    前記複数の参照サンプル（１７）のうちの一方の参照サンプルを前記サンプル値ベクトル（４００）のそれぞれの前記成分として採用し、および／または
    前記サンプル値ベクトル（４００）の２つ以上の成分を平均して、前記サンプル値ベクトル（４００）のそれぞれの成分を取得する、ことにより、複数の参照サンプル（１７）から前記サンプル値ベクトル（４００）を形成する（１００）、ように構成された、
    請求項９から１６のいずれか一項に記載の装置（３０００）。
18. 前記複数の参照サンプル（１７）は、前記所定のブロック（１８）の外縁に沿って前記画像（１０）内に配置される、請求項９から１７のいずれか一項に記載の装置（３０００）。
19. 固定小数点演算を使用して前記行列ベクトル積（５１２）を計算するように構成される、請求項１から１８のいずれか一項に記載の装置（３０００）。
20. 浮動小数点演算なしで前記行列ベクトル積（５１２）を計算するように構成される、請求項１から１９のいずれか一項に記載の装置（３０００）。
21. 前記予測行列（５１６）の固定小数点数表現を格納するように構成される、請求項１から２０のいずれか一項に記載の装置（３０００）。
22. 予測パラメータを使用して前記予測行列（５１６）を表し、前記さらなるベクトル（５１４、４０２）の成分および前記予測パラメータおよびそれから生じる中間結果に対して乗算および合計を実行することによって前記行列ベクトル積（５１２）を計算するように構成され、前記予測パラメータの絶対値は、ｎビットの固定小数点数表現によって表すことができ、ｎは１４以下、または１０以下、または８以下である、請求項１０から１８のいずれか一項に記載の装置（３０００）。
23. 前記予測パラメータは、
    それぞれが前記予測行列（５１６）の対応する行列成分に関連付けられた重みを含む、請求項２２に記載の装置（３０００）。
24. 前記予測パラメータは、
    それぞれが予測行列（５１６）の前記１つまたは複数の対応する行列成分に関連する前記重みをスケーリングするために前記予測行列（５１６）の前記１つまたは複数の対応する行列成分に関連する１つまたは複数のスケーリング係数、および／または
    前記予測行列（５１６）の前記１つまたは複数の対応する行列成分に関連付けられた前記重みをオフセットするために、それぞれが前記予測行列（５１６）の前記１つまたは複数の対応する行列成分に関連付けられた１つまたは複数のオフセット、を含む、
    請求項２３に記載の装置（３０００）。
25. 前記予測ベクトル（５１８）に基づいて前記所定のブロック（１８）の前記サンプルを予測する際に、
    各成分が前記所定のブロック（１８）内の対応する位置に関連付けられている前記予測ベクトル（５１８）に基づいて前記所定のブロック（１８）の少なくとも１つのサンプル位置を計算するために補間を使用するように構成される、
    請求項１から２４のいずれか一項に記載の装置（３０００）。
26. イントラ予測を使用して画像（１０）の所定のブロック（１８）を符号化するための装置（６０００）であって、
    イントラ予測モードの第１のセット（５０８）であって、ＤＣイントラ予測モード（５０６）および角度イントラ予測モード（５００）を含む第１のセット（５０８）のうちのイントラ予測モードを使用して、ルマブロックである前記所定のブロック（１８）が予測されるべきかどうかを示すデータストリーム（１２）内のセット選択的シンタックス要素（５２２）をシグナリングし、
    前記セット選択的シンタックス要素（５２２）が、前記イントラ予測モードの前記第１のセット（５０８）のうちの一方を用いて前記所定のブロック（１８）が予測されるべきであることを指示する場合、
    前記所定のブロック（１８）の隣接ブロック（５２４、５２６）を予測するのに使用されるイントラ予測モード（３０５０）を備える最も可能性の高いイントラ予測モードのリスト（５２８）を形成し、前記隣接ブロック（５２４、５２６）の一方が前記角度イントラ予測モード（５００）のいずれかによって予測され、前記隣接ブロック（５２４、５２６）の他方が非角度イントラ予測モードによって予測される場合、前記リストは、前記ＤＣイントラ予測モード（５０６）を含まず、
    前記最も可能性の高いイントラ予測モードのリスト（５２８）を所定のイントラ予測モード（３１００）を指し示すデータストリーム（１２）内のＭＰＭリストインデックス（５３４）をシグナリングし、
    前記所定のイントラ予測モード（３１００）を用いて前記所定のブロック（１８）をイントラ予測し、
    前記セット選択的シンタックス要素（５２２）が、前記所定のブロック（１８）がイントラ予測モードの前記第１のセット（５０８）のうちの一方を使用して予測されないことを指示する場合、
    前記データストリーム（１２）内の、行列ベースのイントラ予測モード（５１０）の第２のセット（５２０）のうちの所定の行列ベースのイントラ予測モード（３２００）を示すさらなるインデックス（５４０、５４６）をシグナリングし、
    予測ベクトル（５１８）を取得するために、前記所定のブロック（１８）の近傍の参照サンプル（１７）から導出されたベクトル（５１４、４００、４０２）と前記所定の行列ベースのイントラ予測モード（３２００）に関連付けられた所定の予測行列（５１６）との間の行列ベクトル積（５１２）を計算し、
    前記予測ベクトル（５１８）に基づいて前記所定のブロック（１８）のサンプルを予測する、
    装置（６０００）。
27. イントラ予測を使用して画像の所定のブロック（１８）を復号するための方法（４０００）であって、
    イントラ予測モードの第１のセット（５０８）であって、ＤＣイントラ予測モード（５０６）および角度イントラ予測モード（５００）を含む第１のセット（５０８）のうちのイントラ予測モードを使用して、ルマブロックである前記所定のブロックが予測されるべきかどうかを示すセット選択的シンタックス要素（５２２）をデータストリームから導出するステップ（４１００）と、
    前記セット選択的シンタックス要素（５２２）が、前記所定のブロックがイントラ予測モードの前記第１のセットのうちの１つを使用して予測されるべきであることを示す（４１５０）場合、
    前記所定のブロックの隣接ブロック（５２４、５２６）を予測するのに使用されるイントラ予測モードを備える最も可能性の高いイントラ予測モードのリスト（５２８）を形成するステップ（４２００）と、
    前記最も可能性の高いイントラ予測モードのリストを所定のイントラ予測モードを指し示す前記データストリームからＭＰＭリストインデックス（５３４）を導出するステップ（４３００）と、
    前記所定のイントラ予測モードを用いて前記所定のブロックをイントラ予測するステップ（４４００）であって、前記隣接ブロック（５２４、５２６）の一方が前記角度イントラ予測モード（５００）のいずれかによって予測され、前記隣接ブロック（５２４、５２６）の他方が非角度イントラ予測モードによって予測される場合、前記リストは、前記ＤＣイントラ予測モード（５０６）を含まず、イントラ予測するステップ（４４００）と、
    前記セット選択的シンタックス要素（５２２）が、前記所定のブロックがイントラ予測モードの前記第１のセットのうちの１つを使用して予測されないことを示す場合（４１５５）、
    行列ベースのイントラ予測モード（５１０）の第２のセット（５２０）のうちの所定の行列ベースのイントラ予測モードを示すさらなるインデックス（５４０、５４６）を前記データストリームから導出するステップ（４２５０）と、
    予測ベクトル（５１８）を取得するために、前記所定のブロックの近傍の参照サンプル（１７）から導出されたベクトル（５１４）と前記所定の行列ベースのイントラ予測モードに関連付けられた所定の予測行列（５１６）との間の行列ベクトル積（５１２）を計算するステップ（４３５０）と、
    前記予測ベクトルに基づいて前記所定のブロックのサンプルを予測するステップ（４４５０）と、を含む、
    方法（４０００）。
28. イントラ予測を使用して画像の所定のブロック（１８）を符号化するための方法（５０００）であって、
    イントラ予測モードの第１のセット（５０８）であって、ＤＣイントラ予測モード（５０６）および角度イントラ予測モード（５００）を含む第１のセット（５０８）のうちのイントラ予測モードを使用して、ルマブロックである前記所定のブロックが予測されるべきかどうかを示すデータストリーム内のセット選択的シンタックス要素（５２２）をシグナリングするステップ（５１００）と、
    前記セット選択的シンタックス要素（５２２）が、前記所定のブロックがイントラ予測モードの前記第１のセットのうちの１つを使用して予測されるべきであることを示す（５１５０）場合、
    前記所定のブロックの隣接ブロック（５２４、５２６）を予測するのに使用されるイントラ予測モードを備える最も可能性の高いイントラ予測モードのリスト（５２８）を形成するステップ（５２００）であって、前記隣接ブロック（５２４、５２６）の一方が前記角度イントラ予測モード（５００）のいずれかによって予測され、前記隣接ブロック（５２４、５２６）の他方が非角度イントラ予測モードによって予測される場合、前記リストは、前記ＤＣイントラ予測モード（５０６）を含まない、形成するステップ（５２００）と、
    前記最も可能性の高いイントラ予測モードのリストを所定のイントラ予測モードを指し示す前記データストリーム内のＭＰＭリストインデックス（５３４）をシグナリングするステップ（５３００）と、
    前記所定のイントラ予測モードを用いて前記所定のブロックをイントラ予測するステップ（５４００）と、
    前記セット選択的シンタックス要素（５２２）が、前記所定のブロックがイントラ予測モードの前記第１のセットのうちの１つを使用して予測されないことを示す場合（５１５５）、
    行列ベースのイントラ予測モード（５１０）の第２のセット（５２０）のうちの所定の行列ベースのイントラ予測モードを示す前記データストリーム内のさらなるインデックス（５４０、５４６）をシグナリングするステップ（５２５０）と、
    予測ベクトル（５１８）を取得するために、前記所定のブロックの近傍の参照サンプル（１７）から導出されたベクトル（５１４）と前記所定の行列ベースのイントラ予測モードに関連付けられた所定の予測行列（５１６）との間の行列ベクトル積（５１２）を計算するステップ（５３５０）と、
    前記予測ベクトルに基づいて前記所定のブロックのサンプルを予測するステップ（５４５０）と、を含む、
    方法（５０００）。
29. コンピュータ上で実行されると、請求項２７から２８のいずれか一項に記載の方法を実行するためのプログラムコードを有するコンピュータプログラム。

Images