KR100746022B1

KR100746022B1 - 서브픽셀 움직임 추정시 모델 스위칭을 통한 압축 효율을증가시키는 인코딩 방법 및 장치

Info

Publication number: KR100746022B1
Application number: KR1020060035906A
Authority: KR
Inventors: 권녕규; 백현기
Original assignee: 삼성전자주식회사
Priority date: 2005-06-14
Filing date: 2006-04-20
Publication date: 2007-08-06
Also published as: US20060280252A1; DE602006011537D1; JP2006352863A; EP1734769B1; CN1882085A; EP1734769A1; JP4467541B2; KR20060130488A

Abstract

본 발명의 일 실시예에 따른 서브픽셀 움직임 추정시 모델 스위칭을 통한 압축 효율을 증가시키는 인코딩 방법은 블록에 존재하는 픽셀의 움직임 벡터를 산출하는 단계, 상기 움직임 벡터의 값을 사용하여 제 1 모델 및 제 2 모델을 생성하는 단계, 상기 제 1 모델이 생성하는 예측 오차와 제 2 모델이 생성하는 예측 오차를 비교하는 단계, 및 상기 예측 오차가 작은 모델을 선택하고, 상기 선택한 모델에 따라 서브픽셀에 대한 움직임 예측을 수행하는 단계를 포함한다.

서브 픽셀, 정수 픽셀, 모델 스위칭, 움직임 추정(motion estimation)

Description

서브픽셀 움직임 추정시 모델 스위칭을 통한 압축 효율을 증가시키는 인코딩 방법 및 장치{Method and apparatus for encoding video signal with improved compression efficiency using model switching of sub pixel's motion estimation}

도 1은 종래 정수 픽셀과 하프 픽셀을 나타낸 도면이다.

도 2a와 2b는 정수픽셀을 사용하여 하프픽셀 또는 쿼터픽셀의 움직임을 예측하는데 사용되는 모델의 예이다.

도 3은 본 발명의 일 실시예에 따른 서브픽셀의 움직임 벡터를 예측 모델을 사용하여 계산하는 과정을 보여주는 도면이다.

도 4는 본 발명의 일 실시예에 따른 예측 작업을 수행하는 비디오 인코더의 구성이다.

도 5는 본 발명의 일 실시예에 따른 정수 픽셀의 모션 벡터를 구한 경우 산출되는 LIN 모델과 QUAD 모델을 보여주는 도면이다.

도 6은 본 발명의 일 실시예에 따른 비트율의 관점에서 성능 향상을 비교하는 도면이다.

<도면의 주요 부분에 대한 부호의 설명>

400: 비디오 인코더

410: 정수픽셀 계산부

421, 422,..., 429 : 모델 계산부

430: 모델 선택부

450: 움직임 예측 수행부

본 발명은 비디오 신호를 인코딩하는 방법 및 장치에 관한 것으로, 보다 상세하게는 서브픽셀 움직임 추정시 모델 스위칭을 통한 압축 효율을 증가시키는 인코딩 방법 및 장치에 관한 것이다.

비디오 압축 과정중 각 프레임간의 시간적 유사성을 이용하여 현재 프레임의 매크로블록을 압축하기 위해 이전 프레임 중 가장 유사한 영역을 찾는 과정을 움직임 예측(Motion Estimation)이라 한다. 또한, 위의 과정을 통해 계산된 이전 프레임 중 영역을 가르키는 것을 움직임 벡터(Motion Vector)라고 한다. 이때 현재 프레임의 매크로 블록과 이전 프레임의 매크로 블록 크기의 영역에 대한 유사성을 측정하기 위해 영역간 차이를 측정한다. 이러한 차이를 블록 매칭 에러라고 한다. 이러한 블록 매칭 에러를 측정하기 위해 각 블록의 원소들의 차이의 절대값을 측정하는 SAD(Sum of Absolute Difference), 각 원소의 차이의 평균을 측정하는 MAD(Mean of Absolute Difference), 각 원소의 차이의 제곱의 평균을 측정하는 MSE(Mean of Square Error)등이 사용되며, 이러한 수치가 작을수록 유사한 블록으로 간주된다.

한편, 비디오 압축에서는 압축 효율을 높이기 위해 정수단위의 움직임 벡터가 아닌 하프픽셀(Half-pixel) 혹은 쿼터픽셀(Quarter-pixel) 같은 서브픽셀(Sub-pixel) 단위의 움직임 벡터를 사용하고 있다. 도 1은 각 정수 픽셀에 대한 하프픽셀(Half-pixel)의 계산방법을 나타내고 있다.

도 1은 종래 정수 픽셀과 하프 픽셀을 나타낸 도면이다. 정수픽셀(A, B, C, D)를 사용하여 수학식 1과 같이 하프픽셀(e, f, g, h)를 구할 수 있다.

e = A

f = (A+B+1)/2

g = (A+C+1)/2

h = (A+B+C+D+2)/4

하프픽셀이 가지는 값은 주변의 정수 픽셀이 가지는 값을 통해 예측할 수 있다. 그리고 쿼터 픽셀은 그 주변의 하프 픽셀 또는 정수 픽셀의 값을 사용하여 예측할 수 있다. 하프픽셀 혹은 쿼터픽셀 등 움직임 벡터의 정확도를 높일수록 움직임 예측에 소요되는 탐색점이 많아지게 되며, 이로인해 연산량이 급격하게 높아지게 된다.

이를 극복하기 위해 서브픽셀 벡터에 해당하는 블록 오차를 계산하지 않고, 정수 단위 벡터에 해당하는 블록들의 움직임 벡터에서 모델링을 하여 서브픽셀 벡터에 해당하는 지점의 오차를 계산하는 모델 기반 서브픽셀 움직임 예측 방법들이 사용되고 있다.

그러나 이러한 모델 기반 예측 방법은 압축되는 비디오에 따라 정확도가 다르므로, 압축의 효율을 높이기 위해서는 적절한 모델의 적용이 필요하게 된다. 그런데, 각 모델의 오차는 영상에 따라 달라지므로, 하나의 모델만을 사용하는 것은 한계가 있다. 따라서 보다 정확도가 높은 모델을 사용하여 압축의 효율을 높이는 것이 필요하다.

본 발명은 상기한 문제점을 개선하기 위해 안출된 것으로, 본 발명은 서브픽셀의 움직임 벡터 값을 예측시 적용할 수 있는 다수의 모델에서 하나의 모델을 선택하여 비디오 신호를 인코딩하는데 목적이 있다.

본 발명의 또다른 목적은 비디오 신호가 가지는 특성에 따라 적응적으로 모델을 선택하여 비트 효율을 높이는 것이다.

본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

본 발명의 일 실시예에 따른 서브픽셀 움직임 추정시 모델 스위칭을 통한 압축 효율을 증가시키는 인코더는 블록에 존재하는 픽셀의 움직임 벡터를 산출하는 픽셀 계산부, 상기 픽셀 계산부의 움직임 벡터의 값을 사용하여 모델을 계산하는 모델 계산부, 상기 모델 계산부에서 계산된 제 1 모델 및 제 2 모델이 각각 생성하는 예측 오차를 비교하여, 상기 예측 오차가 작은 모델을 선택하는 모델 선택부, 및 상기 선택한 모델에 따라 서브픽셀에 대한 움직임 예측을 수행하는 움직임 예측 수행부를 포함한다.

기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다

이하, 본 발명의 실시예들에 의하여 서브픽셀 움직임 추정시 모델 스위칭을 통한 압축 효율을 증가시키는 인코딩 방법 및 장치를 설명하기 위한 블록도 또는 처리 흐름도에 대한 도면들을 참고하여 본 발명에 대해 설명하도록 한다. 이 때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑제되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.

또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행예들에서는 블록들에서 언급된 기능들이 순서를 벗어나 서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.

도 2a의 LIN 모델은 각 정수벡터에 대하여 수학식 2과 같은 선형(Linear) 수식 모델 이용하여 서브픽셀의 오차를 추측하는 방법이다.

ε(x) = a|x-b|+ c, a > 0, |b| < 0.5, c > 0

한편 도 2b의 QUAD 모델은 수학식 3과 같은 2차(quadratic) 수식 모델을 이용하여 서브픽셀의 오차를 추측하는 방법이다.

ε (x) = ax²+ bx + c, (a > 0)

도 2a 또는 도 2b와 같은 모델 기반 예측 방법은 압축되는 비디오에 따라 정확도가 다르므로, 압축의 효율을 높이기 위해서는 적절한 모델의 적용이 필요하게 된다. 예를 들어 도 2a 에서는 움직임 벡터 또는 모션 벡터(Motion Vector) 1.5에 대하여 최적값으로 예측한 반면, 도 2b에서는 움직임 벡터 1.0을 최적값으로 예측하였다. 이때, 각 모델의 오차값을 판단할 수 있다면, 정확도가 높은 모델을 사용하여 압축의 효율을 높일 수 있을 것이다.

하프픽셀의 움직임 벡터를 계산하기 위해서, 하프픽셀에서의 에러 기준 값(error criterion values)이 풀픽셀(정수픽셀, full pixel)의 에러 기준값에 대해 보간을 통해 측정될 수 있다. 통상 움직임 벡터는 가로와 세로로 존재하므로 각각에 대해 추정을 수행할 수 있다.

도 2a 및 2b에서 예시로 한 선형 보간 모델 또는 2차 추정 모델을 적용할 수 있다. 이러한 추정 모델은 수학적으로 추적 가능하지만 코딩 환경에 따라 압축 효율이 달라질 수 있다. 도 2a, 도 2b 에서 0, 1, 2에서의 값을 토대로 측정 모델을 구현하였으며, 이에 따라 0.5와 1.5의 벡터 값을 추측할 수 있고, 이 값을 인코딩하여 디코더 측에 보낼 수 있다.

그런데, 하프픽셀 또는 쿼터 픽셀과 같은 서브픽셀의 값을 상기 모델을 통해 계산할 경우에, 어떤 모델을 적용하느냐에 따라 정확도가 달라질 수 있다. 또한, 이런 정확도 역시, 입력된 데이터에 따라 정확도가 달라지므로 모델의 선택이 중요하다.

따라서, 도 3의 순서도에서 제시한 바와 같이, 서브픽셀의 움직임 벡터를 찾기 위해 모델을 스위칭 하여, 정확도가 높은 모델에서 산출된 서브픽셀의 움직임 벡터를 인코딩하는 것이 필요하다.

먼저 기준이 되는 픽셀의 움직임 벡터를 산출한다(S310). 예를 들어, 하프 픽셀의 움직임 벡터를 산출하는 경우, 주변의 기준이 되는 정수 픽셀의 움직임 벡 터를 산출할 수 있다. 한편, 쿼터 픽셀의 움직임 벡터를 산출하는 경우, 주변의 하프 픽셀 또는 정수 픽셀의 움직임 벡터를 산출할 수 있다. 움직임 벡터는 x와 y 방향 성분으로 표현되므로, x, y 각각에 도 3의 과정을 적용할 수 있다.

기준이 되는 픽셀들의 움직임 벡터를 산출한 결과인 x 및 y 값으로 예측 모델을 생성한다(S320). 예측 모델의 실시예는 도 2에서 제시한 LIN 모델 또는 QUAD 모델이 될 수 있다. 예측 모델을 생성하기 위해서는 참조할 수 있는 정수 픽셀의 x 및 y 벡터의 값을 사용하여, 각 모델에서 사용하는 방정식을 적용할 수 있다.

예측 모델은 다양하게 적용 가능하며, 둘 이상의 예측 모델을 생성하면 된다. 한편, 하나의 예측 모델이라도, 둘 이상의 파라메터 설정에 따라 조금씩 다른 모델을 생성하는 경우에는, 각각 두 개의 모델로 본다.

둘 이상의 모델을 생성한 후, 모델에서 구하고자 하는 서브픽셀의 움직임 벡터를 추측한다. 도 2a, 도 2b의 그래프에서 0, 1, 2라는 정수 픽셀의 움직임 벡터를 사용하여 0.5와 1.5의 움직임 벡터의 오차를 계산할 수 있다. 계산한 값과 서브픽셀과의 오차를 비교한다(S330). S340 단계에서 두 모델 중 제 1 모델에서 예측한 값의 오차가 제 2 모델에서 예측한 값의 오차보다 작은 경우, 제 1 모델이 더 정확하므로 제 1 모델을 적용하여 서브픽셀의 움직임 예측을 수행한다(S350).

한편, 제 1 모델에서 예측한 값의 오차가 제 2 모델에서 예측한 값의 오차보다 큰 경우, 제 2 모델이 더 정확하므로 제 2 모델을 적용하여 서브픽셀의 움직임 예측을 수행한다(S360).

상기 모델 선택의 판단은 서브픽셀마다 행해질 수 있으며, 매크로블록 또는 서브블록 단위로도 행해질 수 있다. 다만, 판단을 자주하게 될 경우 계산량이 늘어나는 문제가 있는 반면, 정확도는 향상되므로 계산량과 정확도 사이에서 인코딩 환경에 따라 여러 방식으로 선택할 수 있다.

도 3에서 모델을 생성하는 일 실시예를 살펴보면 다음과 같다. 모델을 구한다는 것은 수학식 2와 3의 파라메터를 구하여, 주어진 x값에 대한 결과를 산출하는 수식을 산출하는 것을 일 실시예로 한다.

먼저, LIN 모델을 구현하기 위해, 수학식 2를 적용할 수 있다. 수학식 2의 x는 0, 1, -1의 값으로 하며, 정수 위치에서의 MAD 에러 값(ε(-1), ε(0), ε(1))을 구하면 수학식 4와 같다.

상기 a, b, c를 계산하기 위해 필요한 벡터 E, X, A는 수학식 5와 같이 정의된다. 벡터 E는 x의 위치가 -1, 0, 1인 경우의 MAD 에러값으로 구성된 벡터이며, X는 수학식 4에서 a, ab, c라는 파라메터의 값을 행렬로 나타낸 것이다. 행렬의 관계는 E = XA이다.

상기 수학식 2를 이끌어내기 위해, 백터 행렬은 수학식 6과 같이 구성된다.

그리고 모델 파라메터는 수학식 7과 같이 산출할 수 있다.

상기 a, b, c의 값은 수학식 7에서 계산 가능하므로 LIN 모델을 생성할 수 있다. LIN 모델에 의해 다른 위치의 에러값, 예를 들어, ε(-2)와 ε(2)는 수학식 8과 같이 계산할 수 있다.

한편, QUAD 모델 역시 상기의 과정과 유사하게 산출할 수 있다. 수학식 3에 x의 값 -1, 0, 1을 적용하면 수학식 9와 같이 정수 픽셀의 위치에서 에러 값을 산출할 수 있다.

그리고 수학식 5와 같은 벡터 E, X, A는 수학식 10과 같이 정의된다.

상기 수학식 3을 이끌어내기 위해, 백터 행렬은 수학식 11과 같이 구성된다. 행렬의 관계는 E = XA이다.

그리고 모델 파라메터는 수학식 12과 같이 산출할 수 있다.

산출된 a, b, c는 수학식 3의 QUAD 모델을 산출하는데 적용되며, QUAD 모델에 의해 다른 위치의 에러값, 예를 들어, ε(-2)와 ε(2)는 수학식 13과 같이 계산할 수 있다.

전술한 과정은 LIN 모델과 QUAD 모델을 산출하는 일 실시예이며, 모델에 따라 산출하는 과정은 달라질 수 있다.

도 4의 비디오 인코더(400)는 비디오 신호에 대해 인코딩 및 양자화를 수행하는 구성은 생략한다. 구성은 블록에 존재하는 픽셀의 움직임 벡터를 산출하는 픽셀 계산부의 일 실시예인 정수 픽셀 계산부(410), 그리고 정수 픽셀 계산부의 움직임 벡터의 값을 사용하여 모델을 계산하는 다수의 모델 계산부(421, 422, ..., 429), 모델 계산부에서 계산된 여러 모델 중에서 각 모델의 예측 오차를 비교하여, 예측 오차가 작은 값을 생성하는 모델을 선택하는 모델 선택부(430)과 선택한 모델 에 따라 움직임 예측을 수행하는 움직임 예측 수행부(450)를 포함한다.

정수 픽셀 계산부(410)는 입력된 비디오 신호에서 픽셀의 움직임 벡터를 계산한다. 정수 픽셀이 가지는 움직임 벡터는 이후, 서브 픽셀의 움직임 벡터를 예측하는 자료가 된다. 물론, 서브 픽셀의 종류에 따라 정수 픽셀 계산부(410)는 하프픽셀의 움직임 벡터를 계산하여 쿼터 픽셀의 움직임 벡터를 예측하는 자료를 제공할 수 있다. 즉 정수 픽셀 계산부(410)는 보다 작은 단위의 서브픽셀의 움직임 벡터를 예측하는데 필요한 자료를 제공하는 픽셀 계산부의 일 실시예이다.

제 1 모델 계산부(421), 제 2 모델 계산부(422), 제 N 모델 계산부(429)는 정수 픽셀 계산부(410)에서 계산한 결과를 사용하여 예측 모델을 생성한다. 그리고 예측 모델에 의해 산출될 하프픽셀의 움직임 벡터의 오차를 계산한다. 인코더 내에는 모델 계산부가 모델 별로 독자적으로 구현될 수 있으며, 또는 여러 모델을 계산할 수 있는 하나의 모델 계산부가 존재하여, 입력된 정수 픽셀의 정보를 사용하여 다수의 모델을 산출할 수 있다.

모델 선택부(430)는 여러 모델에서 산출한 움직임 벡터의 오차를 비교하여 가장 오차가 작은 값을 선택한다. 가장 작은 오차를 가지는 모델을 선택하여 하프 픽셀 또는 쿼터 픽셀의 움직임 벡터를 인코딩 하기 위함이다.

움직임 예측 수행부(450)는 선택된 모델에 따라 하프 픽셀 또는 쿼터 픽셀과 같은 서브 픽셀의 움직임 벡터를 예측한다. 움직임 예측 수행부(450)는 프레임별로, 또는 매크로 블록, 서브 블록 별로 달리 선택된 모델에 따라 움직임 예측을 수행할 수 있다.

도 5는 본 발명의 일 실시예에 따른 정수 픽셀의 모션 벡터를 구한 경우 산출되는 LIN 모델과 QUAD 모델을 보여주는 도면이다. 본 발명의 일 실시예에 따라 두 모델 중에서 오차가 적은 것을 선택할 수 있다. d _m 은 모델로부터 예측된 값과 실제 정수 픽셀 서치에서 계산된 값의 차이를 보여준다. 그리고 m은 각 모델을 나타내는 것으로, m ∈ {1 = LIN, 2=QUAD}을 만족한다.

차이인 d _m , d _m- , d _m+ 은 도 5와 같이 나타나며, 수학식 14와 같이 표현될 수 있다.

모델 스위칭은 수학식 15와 같이 나타날 수 있다.

현 위치에서 가장 작은 차이를 가지는 모델을 선택하여 예측 과정을 수행할 수 있다.

둘 이상의 모델이므로, LIN, QUAD 이외에도 여러 모델을 적용하여 그 중에서 가장 작은 차이를 가지는 모델을 선택할 수 있다. 또한, 프로세싱 시간에 따라, 프레임별로 또는 매크로 블록이나 서브 블록 별로 수행할 수 있다.

도 6은 본 발명의 일 실시예에 따른 비트율의 관점에서 성능 향상을 비교하는 도면이다. 도 6에는 네 가지의 비디오 예가 있으며, 각 비디오 예에 따라 LIN 모델과 QUAD 모델의 비트율이 다른 것을 알 수 있다. 예를 들어, Foreman 또는 Carephone 비디오의 경우에는 LIN 모델을 사용한 경우의 비트율이 QUAD 모델을 사용한 경우의 비트율보다 높고, Mobile, Container 비디오의 경우에는 반대로 LIN 모델을 사용한 경우의 비트율이 QUAD 모델을 사용한 경우의 비트율보다 낮다. 따라서, 어느 하나의 모델만을 사용할 경우 보다 본 발명의 구현에 따를 경우, 비트율이 일정 수준을 유지할 수 있다.

본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

본 발명을 구현함으로써 서브픽셀의 움직임 벡터 값을 예측시 적용할 수 있는 다수의 모델에서 하나의 모델을 선택하여 비디오 신호를 인코딩할 수 있다.

본 발명을 구현함으로써 비디오 신호가 가지는 특성에 따라 적응적으로 모델을 선택하여 비트 효율을 높일 수 있다.

Claims

블록에 존재하는 픽셀의 움직임 벡터를 산출하는 단계;

상기 움직임 벡터의 값을 사용하여 제 1 모델 및 제 2 모델을 생성하는 단계;

상기 제 1 모델이 생성하는 예측 오차와 제 2 모델이 생성하는 예측 오차를 비교하는 단계; 및

상기 예측 오차가 작은 모델을 선택하고, 상기 선택한 모델에 따라 서브픽셀에 대한 움직임 예측을 수행하는 단계를 포함하는, 서브픽셀 움직임 추정시 모델 스위칭을 통한 압축 효율을 증가시키는 인코딩 방법.
제 1항에 있어서,

상기 블록은 매크로 블록 또는 서브 매크로 블록인, 서브픽셀 움직임 추정시 모델 스위칭을 통한 압축 효율을 증가시키는 인코딩 방법.
제 1항에 있어서,

상기 제 1 모델 또는 상기 제 2 모델은 LIN 모델 또는 QUAD 모델중 하나인, 서브픽셀 움직임 추정시 모델 스위칭을 통한 압축 효율을 증가시키는 인코딩 방법.
제 1항에 있어서,

상기 픽셀이 정수 픽셀인 경우, 상기 서브 픽셀은 하프픽셀 또는 쿼터 픽셀인, 서브픽셀 움직임 추정시 모델 스위칭을 통한 압축 효율을 증가시키는 인코딩 방법.
제 1항에 있어서,

상기 픽셀이 하프 픽셀인 경우, 상기 서브 픽셀은 쿼터 픽셀인, 서브픽셀 움직임 추정시 모델 스위칭을 통한 압축 효율을 증가시키는 인코딩 방법.
블록에 존재하는 픽셀의 움직임 벡터를 산출하는 픽셀 계산부;

상기 픽셀 계산부의 움직임 벡터의 값을 사용하여 모델을 계산하는 모델 계산부;

상기 모델 계산부에서 계산된 제 1 모델 및 제 2 모델이 각각 생성하는 예측 오차를 비교하여, 상기 예측 오차가 작은 모델을 선택하는 모델 선택부; 및

상기 선택한 모델에 따라 서브픽셀에 대한 움직임 예측을 수행하는 움직임 예측 수행부를 포함하는, 서브픽셀 움직임 추정시 모델 스위칭을 통한 압축 효율을 증가시키는 인코더.
제 6항에 있어서,

상기 블록은 매크로 블록 또는 서브 매크로 블록인, 서브픽셀 움직임 추정시 모델 스위칭을 통한 압축 효율을 증가시키는 인코더.
제 6항에 있어서,

상기 제 1 모델 또는 상기 제 2 모델은 LIN 모델 또는 QUAD 모델중 하나인, 서브픽셀 움직임 추정시 모델 스위칭을 통한 압축 효율을 증가시키는 인코더.
제 6항에 있어서,

상기 픽셀이 정수 픽셀인 경우, 상기 서브 픽셀은 하프픽셀 또는 쿼터 픽셀인, 서브픽셀 움직임 추정시 모델 스위칭을 통한 압축 효율을 증가시키는 인코더.
제 6항에 있어서,

상기 픽셀이 하프 픽셀인 경우, 상기 서브 픽셀은 쿼터 픽셀인, 서브픽셀 움직임 추정시 모델 스위칭을 통한 압축 효율을 증가시키는 인코더.