JP7455869B2 - イントラ予測を用いた符号化 - Google Patents
イントラ予測を用いた符号化 Download PDFInfo
- Publication number
- JP7455869B2 JP7455869B2 JP2021574164A JP2021574164A JP7455869B2 JP 7455869 B2 JP7455869 B2 JP 7455869B2 JP 2021574164 A JP2021574164 A JP 2021574164A JP 2021574164 A JP2021574164 A JP 2021574164A JP 7455869 B2 JP7455869 B2 JP 7455869B2
- Authority
- JP
- Japan
- Prior art keywords
- intra
- prediction
- block
- matrix
- vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000013598 vector Substances 0.000 claims description 328
- 239000011159 matrix material Substances 0.000 claims description 251
- 239000000523 sample Substances 0.000 claims description 177
- 238000000034 method Methods 0.000 claims description 100
- 230000009466 transformation Effects 0.000 claims description 86
- 230000002829 reductive effect Effects 0.000 claims description 75
- 230000002441 reversible effect Effects 0.000 claims description 34
- 238000012935 Averaging Methods 0.000 claims description 32
- 238000000844 transformation Methods 0.000 claims description 23
- 238000013507 mapping Methods 0.000 claims description 21
- 230000011664 signaling Effects 0.000 claims description 20
- 241000023320 Luma <angiosperm> Species 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 claims description 12
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 10
- 239000013074 reference sample Substances 0.000 claims description 10
- 238000007667 floating Methods 0.000 claims description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 56
- 230000000875 corresponding effect Effects 0.000 description 43
- 238000007792 addition Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 13
- 230000009467 reduction Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 238000009795 derivation Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000005755 formation reaction Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000013139 quantization Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000004615 ingredient Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 108010076504 Protein Sorting Signals Proteins 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010348 incorporation Methods 0.000 description 2
- 230000002427 irreversible effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- GPAAEXYTRXIWHR-UHFFFAOYSA-N (1-methylpiperidin-1-ium-1-yl)methanesulfonate Chemical compound [O-]S(=O)(=O)C[N+]1(C)CCCCC1 GPAAEXYTRXIWHR-UHFFFAOYSA-N 0.000 description 1
- IESVDEZGAHUQJU-ZLBXKVHBSA-N 1-hexadecanoyl-2-(4Z,7Z,10Z,13Z,16Z,19Z-docosahexaenoyl)-sn-glycero-3-phosphocholine Chemical compound CCCCCCCCCCCCCCCC(=O)OC[C@H](COP([O-])(=O)OCC[N+](C)(C)C)OC(=O)CC\C=C/C\C=C/C\C=C/C\C=C/C\C=C/C\C=C/CC IESVDEZGAHUQJU-ZLBXKVHBSA-N 0.000 description 1
- 101150039623 Clip1 gene Proteins 0.000 description 1
- 241000613118 Gryllus integer Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/103—Selection of coding mode or of prediction mode
- H04N19/11—Selection of coding mode or of prediction mode among a plurality of spatial predictive coding modes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/146—Data rate or code amount at the encoder output
- H04N19/147—Data rate or code amount at the encoder output according to rate distortion criteria
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
- H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/46—Embedding additional information in the video signal during the compression process
- H04N19/463—Embedding additional information in the video signal during the compression process by compressing encoding parameters before transmission
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Description
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。
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。
1 序論
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。
2 符号化器、復号器
3 ALWIP(アフィン線形重み付けイントラ予測器)
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。
3.1 予測子は、他の予測子と相補的であり得る。
3.2 2つ以上の提案された予測モード
4 いくつかの態様
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}
}.
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。
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
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。
・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
5.3 実験結果
CTUに記憶されるよりもメモリが少ない。
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。
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。
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*Pred乗算の代わりにQred*Pred乗算(Qred*Pred<Q*Pred<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。
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。
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。
Pred=Nred+Mred、
および/または
Mred<Mおよび/またはNred<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Pred×1を有し、Pred<P乗算のみを意味する(Pred=Mred+NredおよびP=M+N)。
Pred×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。
、
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-Qred値のサポート値としてQredサンプルを使用する補間によって取得される。
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S0、S1、S2(3つのセットS0、S1、S2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。
以下を参照されたい)の値は、特定の選択されたALWIP行列(Ak)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:Pred=Mred+Nred=2+2=4、
Pred=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、
Pred*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、Pred*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!
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、
Pred=Mred+Nred=4+4=境界内の8サンプル、Pred<P
Pred=予測される4×4縮小ブロックのQred=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)、
Pred*Qred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、Pred*Qred/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。
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、
Pred=M+Nred=4+4=境界内の8サンプル、Pred<P
Pred=予測対象の縮小ブロックのQred=16個の値のそれぞれについての8回の乗算
Qred*Pred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、Pred*Qred/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。
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、
Pred=Mred+Nred=4+4=境界内の8サンプル、Pred<P
Pred=予測対象の縮小ブロックのQred=64個の値のそれぞれについて8回の乗算
Qred*Pred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、Pred*Qred/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。
6.1 方法および装置の説明
(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。
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。
、
から取得され得る。
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、...、n0-1}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、...、n0-1}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Pred=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Pred=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。
集合は、(例えば、以下からなる)n1(例えば、
=8または
=18または別の数)個の行列
{0、...、n1-1}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、...、n1-1}とを有することができる。このセットS1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。
集合は、(例えば、以下からなる)n2(例えば、
=6または
=18または別の数)個の行列
{0、...、n2-1}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、...、n2-1}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。
(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、
、
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。
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(Pred=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(Pred=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。
のような式の代わりに、行列S0、S1、S2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、S0は16個の行列を有し、S1は8個の行列を有し、S2は6個の行列を有してもよい)を有してもよい。
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。
(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。
.
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。
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、Wred=4およびHred=4であるS1(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S2ではなくS1に割り当てられる。
のような式の代わりに、行列S0、S1、S2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、S0は16個の行列を有し、S1は8個の行列を有し、S2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。
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。
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。
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、
および
である。後者のプロセスは、2k
Hred=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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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、第3の幅/高さ対Wp、Hpをさらに含むことができ、WpはHpに等しく、Hp>Hq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。
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。
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。
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。
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。
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。
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、2bitdepth-1に等しい。この場合、さらなるベクトル402は、i>0の場合、y0=2bitdepth-1およびyi=xi-x0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、2bitdepth-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。
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i0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、i0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。
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
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。
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。
、
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、1つまたは複数のスケーリング係数、例えば値scalei、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offseti、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。
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。
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;
}
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)
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)
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。
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。
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i0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。
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。
-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。
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]
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
-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。
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
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。
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。
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、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、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。
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。
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。
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。
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。
[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。
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、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。
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)
- 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)。 - 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)。 - 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)。 - 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)。 - 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)。 - 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)。
- 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)。 - 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)。 - 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)。 - 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)。 - 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)。 - 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)。 - 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)。 - 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)。 - 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)。 - 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)。
- 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)。 - 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)。
- 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)。
- 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)。
- 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)。
- 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)。
- 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)。 - 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)。 - 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)。 - 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)。 - 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)。 - 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)。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2024039409A JP2024069438A (ja) | 2019-06-14 | 2024-03-13 | イントラ予測を用いた符号化 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19180383.2 | 2019-06-14 | ||
EP19180383 | 2019-06-14 | ||
PCT/EP2020/066124 WO2020249633A1 (en) | 2019-06-14 | 2020-06-10 | Coding of intra-prediction modes |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2024039409A Division JP2024069438A (ja) | 2019-06-14 | 2024-03-13 | イントラ予測を用いた符号化 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022536181A JP2022536181A (ja) | 2022-08-12 |
JP7455869B2 true JP7455869B2 (ja) | 2024-03-26 |
Family
ID=66912587
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021574164A Active JP7455869B2 (ja) | 2019-06-14 | 2020-06-10 | イントラ予測を用いた符号化 |
JP2024039409A Pending JP2024069438A (ja) | 2019-06-14 | 2024-03-13 | イントラ予測を用いた符号化 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2024039409A Pending JP2024069438A (ja) | 2019-06-14 | 2024-03-13 | イントラ予測を用いた符号化 |
Country Status (9)
Country | Link |
---|---|
US (1) | US20220103813A1 (ja) |
EP (2) | EP3984217B1 (ja) |
JP (2) | JP7455869B2 (ja) |
KR (1) | KR20220020339A (ja) |
CN (1) | CN114128269A (ja) |
BR (1) | BR112021025335A2 (ja) |
MX (1) | MX2021015462A (ja) |
TW (2) | TWI833073B (ja) |
WO (1) | WO2020249633A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11589065B2 (en) * | 2019-06-24 | 2023-02-21 | Hyundai Motor Company | Method and apparatus for intra-prediction coding of video data |
SG11202102562WA (en) * | 2019-06-25 | 2021-04-29 | Guangdong Oppo Mobile Telecommunications Corp Ltd | Image encoding method, image decoding method, encoder, decoder and storage medium |
JP2022539937A (ja) | 2019-07-10 | 2022-09-14 | オッポ広東移動通信有限公司 | 画像成分予測方法、符号化器、復号化器、並びに記憶媒体 |
JP7431847B2 (ja) | 2019-09-24 | 2024-02-15 | オッポ広東移動通信有限公司 | 予測値の確定方法、エンコーダー、デコーダー及びコンピューター記憶媒体 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020251330A1 (ko) | 2019-06-13 | 2020-12-17 | 엘지전자 주식회사 | 단순화된 mpm 리스트 생성 방법을 활용하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9654785B2 (en) * | 2011-06-09 | 2017-05-16 | Qualcomm Incorporated | Enhanced intra-prediction mode signaling for video coding using neighboring mode |
US9866859B2 (en) * | 2011-06-14 | 2018-01-09 | Texas Instruments Incorporated | Inter-prediction candidate index coding independent of inter-prediction candidate list construction in video coding |
US20140064359A1 (en) * | 2012-08-31 | 2014-03-06 | Qualcomm Incorporated | Intra prediction most probable mode order improvement for scalable video coding |
ES2688624R1 (es) * | 2016-04-06 | 2018-12-04 | Kt Corporation | Método y aparato para procesar señales de vídeo |
US10547854B2 (en) * | 2016-05-13 | 2020-01-28 | Qualcomm Incorporated | Neighbor based signaling of intra prediction modes |
US20190089952A1 (en) * | 2017-09-19 | 2019-03-21 | Futurewei Technologies, Inc. | Bidirectional Weighted Intra Prediction |
US11509891B2 (en) * | 2018-11-04 | 2022-11-22 | Lg Electronics Inc. | Intra prediction method and apparatus in image coding system |
KR20210116668A (ko) * | 2019-02-21 | 2021-09-27 | 엘지전자 주식회사 | 인트라 예측을 위한 비디오 신호의 처리 방법 및 장치 |
CN113475065A (zh) * | 2019-02-26 | 2021-10-01 | Lg 电子株式会社 | 使用统一mpm列表的基于帧内预测的图像编译方法和设备 |
-
2020
- 2020-06-10 WO PCT/EP2020/066124 patent/WO2020249633A1/en active Application Filing
- 2020-06-10 JP JP2021574164A patent/JP7455869B2/ja active Active
- 2020-06-10 CN CN202080050899.1A patent/CN114128269A/zh active Pending
- 2020-06-10 EP EP20731478.2A patent/EP3984217B1/en active Active
- 2020-06-10 KR KR1020227000599A patent/KR20220020339A/ko active Search and Examination
- 2020-06-10 MX MX2021015462A patent/MX2021015462A/es unknown
- 2020-06-10 EP EP23211632.7A patent/EP4376407A1/en active Pending
- 2020-06-10 BR BR112021025335A patent/BR112021025335A2/pt unknown
- 2020-06-12 TW TW110112119A patent/TWI833073B/zh active
- 2020-06-12 TW TW109119957A patent/TWI727826B/zh active
-
2021
- 2021-12-13 US US17/549,376 patent/US20220103813A1/en active Pending
-
2024
- 2024-03-13 JP JP2024039409A patent/JP2024069438A/ja active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020251330A1 (ko) | 2019-06-13 | 2020-12-17 | 엘지전자 주식회사 | 단순화된 mpm 리스트 생성 방법을 활용하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법 |
Non-Patent Citations (3)
Title |
---|
Benjamin Bross, Jianle Chen, and Shan Liu,Versatile Video Coding (Draft 5),Joint Video Experts Team (JVET) of ITU-T SG 16 WP 3 and ISO/IEC JTC 1/SC 29/WG 11,JVET-N1001 (version 8),14th Meeting: Geneva, CH,2019年06月11日,pp.53-57,109-114,127-142 |
High efficiency video coding,Recommendation ITU-T H.265,H.265 (04/2013),ITU-T,2013年04月,pp.101-104 |
Jonathan Pfaff, et al.,CE3: Affine linear weighted intra prediction (CE3-4.1, CE3-4.2),Joint Video Experts Team (JVET) of ITU-T SG 16 WP 3 and ISO/IEC JTC 1/SC 29/WG 11,JVET-N0217,14th Meeting: Geneva, CH,2019年03月,pp.1-17 |
Also Published As
Publication number | Publication date |
---|---|
EP3984217B1 (en) | 2023-12-27 |
EP4376407A1 (en) | 2024-05-29 |
JP2024069438A (ja) | 2024-05-21 |
US20220103813A1 (en) | 2022-03-31 |
CN114128269A (zh) | 2022-03-01 |
KR20220020339A (ko) | 2022-02-18 |
TWI727826B (zh) | 2021-05-11 |
TW202143730A (zh) | 2021-11-16 |
JP2022536181A (ja) | 2022-08-12 |
BR112021025335A2 (pt) | 2022-02-01 |
TWI833073B (zh) | 2024-02-21 |
TW202107893A (zh) | 2021-02-16 |
MX2021015462A (es) | 2022-03-11 |
EP3984217A1 (en) | 2022-04-20 |
WO2020249633A1 (en) | 2020-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI815272B (zh) | 使用具有鄰近取樣縮減的線性或仿射變換的內預測 | |
JP7325540B2 (ja) | ブロックベース予測 | |
JP7477538B2 (ja) | 行列ベースのイントラ予測および二次変換を使用したコーディング | |
JP7455869B2 (ja) | イントラ予測を用いた符号化 | |
JP2023519945A (ja) | 4:4:4のクロマフォーマット及びシングルツリーの場合のすべてのチャネルに対するmip |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220213 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220213 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20220520 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230309 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230322 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230614 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230922 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231024 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240123 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240213 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240313 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7455869 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |