KR101767976B1 - 디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법 - Google Patents

디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법 Download PDF

Info

Publication number
KR101767976B1
KR101767976B1 KR1020127012557A KR20127012557A KR101767976B1 KR 101767976 B1 KR101767976 B1 KR 101767976B1 KR 1020127012557 A KR1020127012557 A KR 1020127012557A KR 20127012557 A KR20127012557 A KR 20127012557A KR 101767976 B1 KR101767976 B1 KR 101767976B1
Authority
KR
South Korea
Prior art keywords
encoding
symbols
decoding
probability models
sequence
Prior art date
Application number
KR1020127012557A
Other languages
English (en)
Other versions
KR20120087943A (ko
Inventor
페터 아몬
Original Assignee
지멘스 악티엔게젤샤프트
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 지멘스 악티엔게젤샤프트 filed Critical 지멘스 악티엔게젤샤프트
Publication of KR20120087943A publication Critical patent/KR20120087943A/ko
Application granted granted Critical
Publication of KR101767976B1 publication Critical patent/KR101767976B1/ko

Links

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
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • 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
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • 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
    • H04N19/174—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 slice, e.g. a line of blocks or a group of blocks
    • 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
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H04N19/436—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation using parallelised computational arrangements
    • 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
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/91—Entropy coding, e.g. variable length coding [VLC] or arithmetic coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

본 발명은 디지털화된 이미지들(I)의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법에 관한 것이고, 상기 이미지들(I)은 이미지 영역들(MB)로 분할되고, 특정 이미지 영역(MB)의 심벌들(S)은 하나 또는 그 초과의 확률 모델들에 기초하는, 엔트로피 인코딩에 의해 인코딩되고, 확률 모델(들)은 이미지 영역들(MB)에서 발생하는 심벌들(S)의 빈도들을 고려한다. 본 발명에 따른 방법에서 이미지 영역들(MB)은 인코딩 사이클(CC, CC1, CC2,...,CC5) 동안, 엔트로피 인코딩 프로세스가 복수의 병렬 인코딩 브랜치들(1, 2, 3)에서 수행되도록 인코딩 사이클들(CC, CC1, CC2, ..., CC5)에서 프로세싱되고, 각 인코딩 브랜치(1, 2, 3)에서 이미지 영역(MB)은 확률 모델들의 세트에 기초하여 인코딩되고, 이미지 영역의 인코딩 동안 확률 모델들의 세트에 대한 빈도들이 이미지 영역(MB)에서 발생하는 심벌들(S)에 기초하여 적응된다. 인코딩하기 위해 각 인코딩 브랜치(1, 2, 3)에서 사용되는 확률 모델들의 세트는 모든 인코딩 브랜치들(1, 2, 3)의 이미지 영역들(MB)에서 심벌들(S)의 빈도들을 고려하는 모든 인코딩 브랜치들(1, 2, 3)에 대하여 유효한 확률 모델들의 공통 세트에 기초한다. 확률 모델들의 공통 세트는 적어도 하나의 시간적으로 앞서는 인코딩 사이클(CC, CC1, CC2, ..., CC5)에서 적응된 빈도들에 기초하여 미리 결정된 시간 인터벌들에서 업데이트된다.

Description

디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법{METHOD FOR ENCODING SYMBOLS FROM A SEQUENCE OF DIGITIZED IMAGES}
본 발명은 대응하는 디코딩(decoding) 방법과 함께 디지털화된(digitized) 이미지(image)들의 시퀀스(sequence)로부터 심벌(symbol)들을 인코딩(encoding)하기 위한 방법에 관한 것이다. 이에 덧붙여, 본 발명은 개별적으로 인코딩 또는 디코딩 방법을 실행하기 위한 인코딩 디바이스(device) 및 디코딩 디바이스에 관한 것이다.
비디오(video) 인코딩 방법들은 일반적으로 두 개의 프로세싱(processing) 단계들로 수행된다. 먼저, 비디오 스트림(stream)에서 이미지들은 예측 및 변환에 의해, 적합한 방법으로 상관해제된다. 상관해제 단계의 결과는 변환 계수들, 움직임 벡터(vector)들, 추가의 인코딩 데이터(data) 등의 형태의 심벌들이다. 이 다음에, 종종 압축 효율을 증가시키는, 발생된 심벌들의 양자화가 차례로 후속된다. 제 2 조작 프로세스(process)에서, 발생된 심벌들은 발생된 심벌들에 여전히 존재하는 리던던시(redundancy), 즉, 자신들의 발생 확률들 및 자신들의 상호 통계 의존이 데이터 스트림에 대한 가장 짧은 가능한 전체 길이를 이용하여 가장 짧은 가능한 코드 워드(code word)들을 심벌들로부터 발생시키기 위해 이용되는 무손실 엔트로피(entropy) 인코딩을 겪는다.
종래의 기술로부터, 엔트로피 인코딩에 대하여 다양한 방법들이 알려진다. VLC 인코딩의 경우에서(VLC; Variable Length Coding = 가변 길이 코딩), 발생된 각 심벌은 코드 워드에 전단사적으로(bijectively) 맵핑된다(mapped). 심벌 및 대응하는 코드 워드 사이의 관계는 그 다음에 예컨대, 룩-업 테이블(look-up table)과 같은, 코드 테이블에 의해 제시된다.
엔트로피 인코딩의 다른 공통 방법은 산술 인코딩이다. 심벌이 코드 워드로 변환되는 VLC 인코딩과 달리, 산술 인코딩의 경우, 하나의 단일 코드 워드는 여러 심벌들로부터 발생된다. 산술 인코딩을 이용하여, 심벌들은, 연속적인 심벌들의 이진 표현이 획득되도록 자신들의 빈도들에 기초하여 이진 숫자들에 맵핑된다.
일반적으로, 엔트로피 인코딩 방법들은 짧은 코드 워드들이 발생되는, 즉, 엔트로피 인코딩에 의해 발생된 코드 워드들이 더 낮은 빈도를 가진 심벌들 또는 심벌 시퀀스들보다 높은 빈도를 가지는 심벌들 또는 심벌 시퀀스들에 대하여 더 짧은 하나 또는 그 초과의 확률 모델(model)들을, 발생하는 심벌들의 빈도들로부터 유도하는 원리에 기초한다. 일반적으로, 엔트로피 인코딩 방법들은 컨텍스트(context)-기초이다, 즉, 상이한 타입(type)들의 심벌들이 구분되고, 이들은 데이터의 상이한 아이템(item)들을 나타낸다. 이러한 상이한 타입들의 심벌들에 대하여, 발생하는 심벌들의 빈도들은 특정 컨텍스트에서 별도로, 그러므로 특정 확률 모델에 기초하여 프로세싱된다. 비디오 인코딩 방법들에서, 컨텍스트는 필요한 경우 또한 다른 기준에 의존할 수 있고, 예컨대 이미지 영역의 인코딩은 이미지에서 이웃 이미지 영역들에 대한 인코딩 결정들에 의존할 수 있다. 또한, 엔트로피 인코딩 방법들은 종종 적응성으로 구성된다, 즉, 인코딩 동안, 확률 모델들은 발생하는 심벌들의 변화하는 빈도들에 기초하여 적절하게 적응된다.
엔트로피 인코딩 방법들의 인코딩 속도를 증가시키기 위해, 다양한 방법들이 종래의 기술로부터 알려진다. H.264/AVC 비디오 인코딩 표준에서, 비디오 스트림의 이미지들은 소위 슬라이스(slice)들로 분할되고, 여기서 각 슬라이스는 다른 부분들과 완전히 독립하여 인코딩될 수 있는 이미지의 부분을 나타낸다. 즉, 본래 심벌들의 발생 그리고 또한 엔트로피 인코딩에 기초한 코드 워드의 후속 발생 둘 다에서, 상이한 슬라이스들 사이에 상호의존들이 존재하지 않는다. 그러므로, 적용가능한 확률 모델들 또는 컨텍스트들은 슬라이스들에 걸쳐 매칭되지 않는다. 이는 더 낮은 압축 효율을 야기한다.
또한, 비디오 이미지들의 소위 엔트로피 슬라이스들로의 세분화가 종래의 기술로부터 알려진다(문헌 [2] 참조). 상기 설명된 종래의 슬라이스들과 달리, 엔트로피 슬라이스들은 예컨대, 인트라예측(intraprediction)과 같은 심벌들 사이의 의존을 허용한다. 오직 엔트로피 인코딩에 기초한 코드 워드들의 발생만이 개별적인 엔트로피 슬라이스들 사이에 독립적이다. 엔트로피 슬라이스들의 사용에 의해, 압축 효율은 종래의 슬라이스들과 비교하여 증가된다. 이에도 불구하고, 상이한 엔트로피에서 심벌들에 대하여 상이한 통계들이 사용되는 단점이 남아있고, 이는 엔트로피 인코딩의 효율을 감소시킨다.
문헌 [1]은 상기 설명된 엔트로피 슬라이스들의 특성들을 개선시키는, 소위 순서화된 엔트로피 슬라이스들의 개념을 설명한다. 이 경우에서, 엔트로피 인코딩에 대한 컨텍스트의 형성은 다수의 엔트로피 슬라이스들에 걸쳐 허용된다. 엔트로피 슬라이스들 사이의 통계적 의존성들은, 그러므로 인코딩 효율이 개선되도록 고려된다. 이에 덧붙여, 이미지에서 개별적인 매크로블록(macroblock)들은 인코딩 동안 라인 단위(line-by-line)가 아닌 지그재그 패턴(zigzag pattern)으로 판독된다. 이는 도 1a 내지 1c에서 명확화된다. 이러한 도면들은 매크로블록들의 판독의, 문헌 [1]에 일치하는, 상이한 변형들을 도시하고, 여기서 개별적인 매크로블록들은 직사각형들의 시퀀스에 의해 표시되고, 명확화를 위해, 오직 이들 중 일부만이 참조 마크(reference mark)(MB)가 라벨링된다(labeled). 도 1a는 수직 라인(L1)에 의해 지시되는, 매크로블록들의 라인 단위 판독을 도시한다. 매크로블록의 인코딩을 위해 이용가능할 좌측, 상부 좌측, 상부 및 상부 우측상의 이웃 매크로블록들을 요구하는 컨텍스트를 고려하면, 이 변형으로 병렬로 매크로블록들의 여러 라인들을 프로세싱하는 것이 가능하지 않다는 문제가 존재한다. 이에 대조적으로 도 1b에 도시된 라인(L2)에 기초한 매크로블록 프로세싱의 지그재그 패턴은, 제 3 라인에서 이후의 엔트로피 슬라이스의 제 1 매크로블록의 인코딩이 라인들의 제 1 쌍의 제 5 매클로블록이 판독되자마자 시작할 수 있기 때문에, 각 경우에서 두 개의 라인들의 병렬 프로세싱을 허용한다. 도 1c는 라인(L3)에 의해 도시된 바와 같이, 순서화된 엔트로피 슬라이스 당 세 개의 라인들의 프로세싱을 이제 가능하게 하는, 매크로블록들의 지그재그 패턴 판독의 다른 변형을 도시한다.
엔트로피 슬라이스들의 추가의 변형은 문헌 [4]에 기술된, 소위 인터리빙된(interleaved) 엔트로피 슬라이스들이다. 이 경우에서, 슬라이스들은 연속적인 라인들을 나타내지 않고, 오히려 개별적인 슬라이스들의 라인들이 서로 내에 끼워진다. 이는 도 2a 및 2b에서 다시 명확화된다. 이와 관련하여, 도 2a는 두 개의 종래의 엔트로피 슬라이스들(SL1 및 SL2)로 이미지(I)의 세분화를 도시하고, 여기서 이미지의 상부 절반은 매크로블록들(MB1)을 가진 연속적인 슬라이스(SL1)를 형성하고 이미지의 하부 부분(SL2)은 적절한 매크로블록들(MB2)(해칭되는(hatched) 것으로 도시됨)을 가진 연속적인 슬라이스(SL2)를 형성한다. 이들 종래의 슬라이스들과 달리, 인터리빙된 엔트로피 슬라이스들의 예시는 도 2b에 도시된다. 여기서, 각 관련된 슬라이스(SL1' 또는 SL2')는 서로에 대하여 하나의 라인만큼 오프셋(offset)되는 매크로블록들의 라인들에 의해 형성된다. 도 2b에서 슬라이스(SL1')는 명암이 없는 매크로블록들(MB1')에 의해 식별되고 제 1, 제 3, 제 5 등의 라인에 의해 형성된다. 다른 한편, 슬라이스(SL2')는 해칭된 매크로블록들(MB2')에 의해 식별되고 제 2, 제 4, 제 6 등의 라인에 의해 형성된다. 인터리빙된 엔트로피 슬라이스들은 다수의 엔트로피 슬라이스들에 걸쳐 컨텍스트들의 형성을 허용한다. 하지만, 엔트로피 인코딩에 대하여 사용되는 확률 모델에 대하여 공통 통계가 발생된다.
비디오 인코딩 방법들에서 압축 효율을 개선하는 목적을 위해, 문헌 [4]은 또한 신택스 엘리먼트 파티셔닝(syntax element pratitioning)을 설명한다 이를 이용하여, 여러 코드 워드들은 예컨대, 모드(mode) 데이터, 움직임 벡터들, 변환 계수들과 같은, 상이한 그룹들의 신택스 엘리먼트들에 대하여 발생된다. 개별적인 그룹들이 상이한 컨텍스트들을 가지기 때문에, 컨텍스트 형성은 또한 개별적으로 수행된다. 상이한 그룹들의 상대적인 빈도들이 상이하기 때문에, 인코딩하기 위한 병렬 인코딩 브랜치(branch)들을 사용할 때 컴퓨팅(computing) 부하는 개별적인 인코딩 브랜치들 사이에서 언밸런싱된다(unbalanced).
문서 [3]은 두 개의 이진 심벌들이 인코딩 동안 병렬로 프로세싱되는, 산술 인코딩의 특정 변형을 설명한다. 이 방식에서, 둘 대신에 하나의 인코딩 사이클(cycle)에서 네 개의 상태들을 인코딩하는 것이 가능하다. 하지만, 이 타입의 인코딩을 이용하면, 컨텍스트 정보가 복잡하고, 더 많은 동작들이 인코딩 사이클마다 요구된다.
[1] X. Guo, "Ordered Entropy Slices for Parallel CABAC", ITU-T SG 16/Q.6, Doc. VCEG-AK25, Yokohama, Japan, April 2009. [2] A. Segall and J. Zhao, "Entropy slices for parallel entropy decoding" ITU-T SG 16/Q.6, Doc. COM16-C405, Geneva, Switzerland, April 2008. [3] V. Sze and M. Budagavi, "Parallel CABAC" ITU-T SG 16/Q.6, Doc. COM16-C334, Geneva, Switzerland, April 2008. [4] V.Sze, M.Budagavi, A.P. Chandrakasan, "Massively Parallel CABAC" ITU-T ITU-T SG 16/Q.6, Doc. VCEG-AL21, London, UK/Geneva, Switzerland, July 2009.
더 높은 인코딩 효율과 결합된 여러 이미지 영역들의 병렬 프로세싱을 가능하게 하도록 하는 방식에서 디지털화된 이미지들의 시퀀스에서 심벌들의 엔트로피 인코딩을 개선하는 것이 본 발명의 목적이다.
이 목적은 각 경우에 적용가능한, 청구항 제 1 항에 따른 인코딩 방법 또는 청구항 제 14 항에 따른 디코딩 방법 또는 청구항 제 16 항에 따른 인코딩 디바이스 또는 청구항 제 18 항에 따른 디코딩 디바이스에 의해 달성된다. 본 발명의 개선들은 종속항들에서 정의된다.
디지털화된 이미지들의 시퀀스로부터 심벌들을 인코딩하기 위한 본 발명의 방법에서, 상기 이미지들은 이미지 영역들로 분할되고 각 특정 이미지 영역에서 상기 심벌들은 엔트로피 인코딩에 의해 인코딩되고, 이에 따라 엔트로피 인코딩은 하나 또는 그 초과의 확률 모델들에 기초한다. 용어 이미지 영역은 여기 및 이후에서 넓게 이해되고, 임의의 임의적인 형상의 이미지의 섹션(section)들을 지칭할 수 있다. 하지만, 일 선호되는 변형에서, 이미지 영역은 예컨대, 비디오 인코딩으로부터 알려진 매크로블록과 같은 이미지 블록을 나타낸다. 이러한 확률 모델들은 그 다음에 이미지 영역들에서 심벌들의 발생의 빈도들을 고려한다. 그러므로, 대응하는 심벌들의 확률들은 적당한 발생 빈도들을 통해 확률 모델에 의해 모델링되고(modeled), 이에 따라 여러 확률 모델들은 상이한 통계를 이용하여 상이한 타입들의 심벌들이 이용되면 이용될 수 있다.
본 발명에 따라, 상기 이미지 영역들은 하나의 인코딩 사이클에서 상기 엔트로피 인코딩이 여러 병렬 인코딩 브랜치들에서 달성되는 방식으로 인코딩 사이클들에서 프로세싱될 것이다. 용어 병렬 인코딩 브랜치들은 여기서 적용가능하면, 시간적으로 겹치거나 또는 동시인 이미지 영역들의 엔트로피 인코딩을 수행하는 인코딩 브랜치들로서 이해될 것이다. 이에 의해, 급속 엔트로피 인코딩이 각 인코딩 브랜치에 대하여 병렬로 작동하는 엔트로피 인코더(encoder)들의 사용에 의해 달성된다. 본 발명에 따라, 임의의 특정 인코딩 브랜치는 그 다음에 확률 모델들의 세트(set)에 기초하여 이미지 영역을 인코딩되고, 여기서 확률 모델들의 세트는 하나 또는 그 초과의 확률 모델들을 포함할 수 있다. 이미지 영역이 임의의 특정 인코딩 브랜치에서 인코딩될 때, 확률 모델들의 세트에 대한 빈도들은 그 다음에 이미지 영역에서 발생하는 심벌들에 기초하여 적응된다.
본 발명의 방법은 각 인코딩 브랜치에서 인코딩을 위해 사용되는 확률 모델들의 세트가 모든 인코딩 브랜치들에 대하여 적용가능한 확률 모델들의 공통 세트에 기초하고, 여기서 이 공통 세트가 모든 인코딩 브랜치들의 이미지 영역들에서 심벌들의 빈도들을 고려한다는 사실에 의해 구별된다. 이 확률 모델들의 공통 세트는 이 경우에서 적어도 하나의 시간적으로 앞서는 인코딩 사이클에서 조정되는 빈도들에 기초하여 시간의 미리 정의된 인터벌(interval)들에서 업데이트(update)된다. 용어 "시간적으로 앞서는 인코딩 사이클"은 여기서 확률 모델들의 공통 세트의 업데이트 전에(시간적으로 가깝거나 또는 더 전에) 실행된 인코딩 사이클로서 이해될 것이다.
본 발명의 방법은 한편으로, 심벌들의 급속 인코딩이 병렬 인코딩 브랜치들의 사용에 의해 성취되고, 다른 한편으로, 확률 모델들의 공통 세트에서 모든 인코딩 브랜치들에 대한 통계를 고려하는 것은 높은 인코딩 효율을 보장하는 이점을 가진다.
확률 모델들의 공통 세트의 업데이트는 본 발명에 따라 다양한 방식들로 달성될 수 있다. 일 변형에서, 확률 모델들의 공통 세트의 업데이트는 시간적으로 서로 후속하는 업데이트들에 대하여 상이한 인코딩 브랜치들로부터 적응된 빈도들이 고려되는 방식으로 순차적으로 수행된다. 대안적으로 또는 부가적으로, 상기 확률 모델들의 공통 세트의 업데이트는 적어도 때때로 상기 확률 모델들의 공통 세트가 적어도 하나의 앞서는 인코딩 사이클에서 상기 모든 인코딩 브랜치들로부터 적응된 빈도들에 기초하여 업데이트되는, 미리 정의된 동기화 시간 포인트(point)들에서 달성될 수 있다.
본 발명의 일 변형에서, 상기 확률 모델들의 공통 세트는 시간적으로 즉시 앞서는 인코딩 사이클에서 적응된 빈도들에 기초하여 업데이트될 수 있다. 서로 상호간에 블록킹(blocking)하는 인코딩 브랜치들을 회피하기 위해, 확률 모델들의 공통 세트의 업데이트가 시간적으로 바로 앞서지 않는 인코딩 사이클에서 적응된 빈도들에 기초하여 실행되는 부가적인 확률이 존재한다. 이 방식에서, 업데이트는 하나 또는 그 초과의 인코딩 사이클들에 의해 지연된다.
본 방법의 다른 변형에서 특정 인코딩 브랜치에서 이미지 영역의 인코딩 후에, 적응된 빈도들은 관련된 인코딩 브랜치와 연관된 확률 모델들의 중간 세트에 일시적으로 저장되고, 이에 의해 상기 확률 모델들의 공통 세트가 업데이트될 때까지, 확률 모델들의 하나 또는 그 초과의 일시적으로 저장된 중간 세트들은 관련된 인코딩 브랜치에서 엔트로피 인코딩의 목적을 위해 확률 모델들의 공통 세트와 결합하여 사용된다. 적응된 빈도들의 일시적인 저장에 의해, 간단한 방식으로 본 발명의 인코딩의 다양한 변형들을 구현하는 것이 가능하다.
본 발명의 방법에서, 임의의 특정 이미지 영역의 엔트로피 인코딩은 종래의 기술로부터 알려진 임의의 원하는 엔트로피 인코딩 방법에 기초하여 실행될 수 있다. 특히, 도입부에서 이미 언급된, VLC 인코딩 및/또는 산술 인코딩이 이용될 수 있다. 예컨대, H.264/AVC 비디오 인코딩 표준으로부터 알려진, CAVLC 인코딩(CAVLC; Context-based Adaptive Variable Length Coding = 컨텍스트-기초 적응 변수 길이 코딩) 또는 CABAC 인코딩(CABAC; Context-based Adaptive Binary Arithmetic Coding = 컨텍스트-기초 적응 이진 산술 코딩)이 사용될 수 있다.
인코딩 브랜치들로의 이미지 영역들의 배열은 본 발명의 방법에 따라 다양한 방식들로 실행될 수 있다. 특히, 인코딩 브랜치들은 인코딩 사이클이 이미지들에서 이미지 영역들의 라인 단위 또는 컬럼(column) 단위로서 서로 뒤따르는 이미지 영역들에 의해 형성되는 방식으로 구성될 수 있다. 인코딩 브랜치들은 인코딩 사이클이 상기 이미지들에서 이미지 영역들의 지그재그 시퀀스로서 서로 뒤따르는 이미지 영역들에 의해 형성되는 방식으로 구성됨이 똑같이 가능하다. 최종 언급된 변형을 사용하여, 특히, 이웃 이미지 영역들의 컨텍스트를 고려하는 인코딩을 달성하는 것이 또한 가능하다.
본 발명의 방법은 또한 적합한 방식으로 이미지들이 분리되어 엔트로피 인코딩되는 이미지 섹션들로 세분화되는 알려진 인코딩 변형들과 결합될 수 있다. 상기 이미지 섹션들은 여기서 적어도 때때로 이미지 섹션들 사이의 의존성들을 고려하여 그리고/또는 상기 이미지 섹션들 사이에서 의존성들을 고려하지 않으면서 적어도 때때로 인코딩될 수 있다. 의존성들이 고려되지 않는 인코딩의 실시예의 일 형태는 도입부에서 언급된 슬라이스들에 기초한 파티셔닝에 의해 제시된다. 의존성들을 고려하는 인코딩의 일 변형은 도입부에서 언급된 엔트로피 슬라이스들에 기초하여 이미지들의 파티셔닝에 의해 제시된다.
엔트로피 인코딩을 위한 본 발명의 방법은 종래의 기술로부터 알려진 임의의 원하는 비디오 인코딩 방법들과 결합될 수 있다. 특히, 심벌들은 H.264 표준에 기초하여 디지털화된 이미지들의 시퀀스로부터 발생될 수 있다. 심벌들은 바람직하게, 종래의 기술로부터 잘 알려진 변환, 예컨대, DCT 변환 및 종래의 기술로부터 또한 알려진 이미지 영역들의 양자화에 의해 디지털화된 이미지들의 시퀀스로부터 생성될 것이다.
상기 설명된 인코딩 방법 외에, 본 발명은 또한 디지털화된 이미지들의 시퀀스로부터 창의적으로 인코딩되는 심벌들이 디코딩되는 디코딩 방법을 포함한다. 여기서, 인코딩 방법과 유사한 방식으로, 인코딩된 이미지 영역들은 디코딩 사이클에서, 엔트로피 디코딩이 여러 병렬 디코딩 브랜치들에서 실행되는 방식으로 디코딩 사이클들에서 프로세싱되고, 이에 의해 임의의 특정 디코딩 브랜치에서, 인코딩된 이미지 영역이 확률 모델들의 세트에 기초하여 디코딩되고, 확률 모델들의 세트에 대한 빈도들은 디코딩된 이미지 영역에서 발생하는 심벌들에 기초하여 인코딩된 이미지 영역의 디코딩 동안 적응된다.
각 디코딩 브랜치에서 사용되는 확률 모델들의 세트는 여기서 모든 디코딩 브랜치들의 디코딩된 이미지 영역들에서 심벌들의 빈도들을 고려하는, 모든 디코딩 브랜치들에 적용되는 확률 모델들의 공통 세트에 기초한다. 확률 모델들의 공통 세트는 적어도 하나의 시간적으로 앞서는 디코딩 사이클에 적응되는 빈도들에 기초하여 시간의 미리 결정된 인터벌들에서 업데이트된다.
본 발명은 이에 덧붙여, 디지털화된 이미지들의 시퀀스를 인코딩 및 디코딩하기 위한 방법에 관한 것이고, 여기서 디지털화된 이미지들의 시퀀스로부터 심벌들이 상기 설명된 인코딩 방법을 사용하여 인코딩되고, 그 다음에 예컨대, 전송 링크(link)를 통해 전송된 후, 상기 설명된 본 발명의 디코딩 방법을 사용하여 디코딩된다.
이에 덧붙여, 본 발명은 디지털화된 이미지들의 시퀀스로부터 심벌들을 인코딩하기 위한 디바이스에 관한 것이고, 상기 이미지들은 이미지 영역들로 세분화되고, 임의의 특정 이미지 영역의 심벌들은 하나 또는 그 초과의 확률 모델들에 기초하는 엔트로피 인코딩에 의해 상기 디바이스에 의해 인코딩될 수 있고, 상기 확률 모델/들은 이미지 영역들에서 발생하는 상기 심벌들의 빈도들을 고려하고, 상기 디바이스는:
- 인코딩 사이클에서 엔트로피 인코딩은 여러 병렬 인코딩 브랜치들에서 실행되는 방식으로 인코딩 사이클들로 상기 이미지 영역들을 분할하기 위한 설비;
- 복수의 인코딩 설비들,
― 각 인코딩 설비는, 임의의 특정 인코딩 브랜치에서 이미지 영역이 확률 모델들의 세트에 기초하여 인코딩되는 방식으로 특정 인코딩 브랜치에서 엔트로피 인코딩에 대하여 기능하고,
각 인코딩 설비는:
- 상기 이미지 영역에서 발생하는 상기 심벌들에 기초하여 상기 이미지 영역의 인코딩 동안, 상기 확률 모델들의 세트에 대한 빈도들을 적응시키기 위한 적응 설비,
- 임의의 특정 인코딩 브랜치에서 인코딩의 목적을 위해 사용된 확률 모델들의 세트가 모든 상기 인코딩 브랜치들에 대하여 적용되고 모든 상기 인코딩 브랜치들의 이미지 영역들에서 심벌들의 빈도들을 고려하는, 상기 확률 모델들의 공통 세트에 기초하는 방식으로 공통 확률 모델을 프로세싱하기 위한 설비
를 통합함 ―;
- 적어도 하나의 시간적으로 앞서는 인코딩 사이클에서 적응된 빈도들에 기초하여 시간의 미리 정의된 인터벌들에서 상기 확률 모델들의 공통 세트를 업데이트하기 위한 설비를 포함하는 프로세싱 유닛을 통합한다.
본 발명의 인코딩 디바이스는 그러므로 창의적인 방법에 기초하여 디지털화된 이미지들의 시퀀스로부터 심벌들을 인코딩하기에 적합하고, 특히, 상기 설명된 본 발명의 방법의 실시예의 형태들 중 하나 또는 그 초과는 인코딩 디바이스에서 적절한 추가의 설비들을 사용하여 구현될 수 있다.
인코딩 디바이스 외에, 본 발명은 또한 디지털화된 이미지들의 시퀀스로부터 인코딩된 심벌들을 디코딩하기 위한 대응하는 디코딩 디바이스를 포함하고, 상기 이미지들은 이미지 영역들로 세분화되고, 임의의 특정 이미지 영역에서 심벌들은 본 발명의 인코딩 방법에 기초한 엔트로피 인코딩에 의해 인코딩되고, 상기 엔트로피 디코딩은 하나 또는 그 초과의 확률 모델들에 기초하고, 상기 확률 모델/들은 디코딩된 이미지 영역들에서 발생하는 상기 심벌들의 빈도들을 고려한다. 여기서, 상기 디바이스는:
- 디코딩 사이클에서 엔트로피 디코딩이 여러 병렬 디코딩 브랜치들에서 실행되는 방식으로 디코딩 사이클들로 상기 인코딩된 이미지 영역들을 분할하기 위한 설비;
- 복수의 디코딩 설비들,
― 각 디코딩 설비는, 관련된 상기 디코딩 브랜치에서 인코딩된 이미지 영역이 확률 모델들의 세트에 기초하여 디코딩되는 방식으로 특정 디코딩 브랜치의 엔트로피 디코딩에 대하여 기능하고,
각 디코딩 설비는:
- 상기 디코딩된 이미지 영역에서 발생하는 심벌들에 기초하여 상기 인코딩된 이미지 영역의 디코딩 동안, 상기 확률 모델들의 세트에 대한 빈도들을 적응시키기 위한 적응 설비,
- 특정 디코딩 브랜치에서 디코딩의 목적을 위해 사용된 확률 모델들의 세트가 모든 상기 디코딩 브랜치들에 대하여 적용되고 모든 상기 디코딩 브랜치들의 디코딩된 이미지 영역들에서 심벌들의 빈도들을 고려하는, 상기 확률 모델들의 공통 세트에 기초하는 방식으로 공통 확률 모델을 프로세싱하기 위한 설비
를 통합함 ―;
- 적어도 하나의 시간적으로 앞서는 디코딩 사이클에서 적응된 빈도들에 기초하여 시간의 미리 정의된 인터벌들에서 상기 확률 모델들의 공통 세트를 업데이트하기 위한 설비
를 포함하는 프로세싱 유닛을 통합한다.
상기 설명된 인코딩 디바이스 및 상기 설명된 디코딩 디바이스 외에, 본 발명은 적용가능하면, 디지털화된 이미지들의 시퀀스로부터 심벌들의 인코딩 및 디코딩을 위한 코덱(codec) 또는 시스템을 또한 포함하고, 코덱은 본 발명의 인코딩 디바이스 및 본 발명의 디코딩 디바이스 둘 다를 통합한다.
본 발명의 예시적인 실시예들은 첨부된 도면들을 참조하여 아래에 상세히 설명된다.
도 1a 내지 1c 및 도 2a 및 2b는 종래의 기술로부터 알려진 다양한 인코딩 기술들이고,
도 3은 본 발명의 엔트로피 인코딩 또는 엔트로피 디코딩이 사용될 수 있는 비디오 인코딩 및 비디오 디코딩을 위한 방법의 원리의 도면이고,
도 4a 및 4b는 본 발명의 방법에 기초하여 매크로블록들의 병렬 프로세싱에서 두 개의 변형들이고,
도 5 내지 도 8은 공통 확률 모델의 상이한 업데이팅을 이용한 본 발명의 인코딩 방법의 상이한 변형들이고,
도 9는 도 5에 도시된 방법의 변형을 사용하여 인코딩된 심벌들의 디코딩이고, 그리고
도 10은 본 발명에 따른 인코딩 및 디코딩 시스템의 실시예의 형태의 개략도이다.
도 1a 내지 1c 및 도 2a 및 2b에 도시된 종래의 기술로부터 알려진 인코딩 변형들은 이미 설명되었고, 따라서 이러한 도면들의 추가 설명은 생략된다.
아래에 설명된, 본 발명의 엔트로피 인코딩 및 엔트로피 디코딩 방법의 실시예의 형태들은 여러 이미지 영역들이 상이한 인코딩 브랜치들에서 병렬로 프로세싱되지만, 개별적인 인코딩 브랜치들이 모든 인코딩 브랜치들에서 심벌들의 빈도 분포들을 고려하는 공통 확률 모델에 액세스(access)한다는 사실에 의해 구분된다. 이 확률 모델은 적용가능하면 인코딩 또는 디코딩될 변화하는 빈도들의 심벌들에 기초하여, 규칙적인 인터벌들에서 업데이트된다. 심벌들은 여기서 비디오 인코딩 방법의 컨텍스트에서 발생되고, 이러한 방법은 도 3에 개략적으로 도시된다.
도 3의 좌측 부분은 적절한 인코더(COD)를 도시하고, 도 3의 우측 부분은 디코딩의 목적을 위해 사용되는 디코더(DEC)를 도시한다. 도 3에 도시된 바와 같이, 디지털화된 이미지들(I)의 비디오 스트림은 인코딩되고, 이에 의해 입력 신호(I) 및 이전 이미지의 움직임-보상된 재구성 사이의 차이에 의해 주어지는, 예측 에러(error) 신호가 압축된다. 도 3에서 판독된 이미지 및 예측된 이미지 사이의 차이로서 덧셈기(A)에서 결정된 예측 에러는 변환(T), 특히 DCT 변환(DCT; Discrete Cosine Transformation = 이산 코사인 변환)된다. 이로부터 획득된 변환 계수는 그 다음에 양자화기(Q)에서 적절한 방식으로 양자화된다. 이 방식에서, 매크로블록들의 형태의 적절한 이미지 영역들에 대하여, 심벌(S)들은 각 경우에서 획득되고, 이들 심벌들은 다른 인코딩 파라미터(parameter)들과 함께, 예측의 목적을 위해 사용되는 움직임 벡터들 및 특히, 변환 계수들의 형태의 이미지 영역으로부터 인코딩된 이미지 데이터를 나타낸다. 인코딩의 컨텍스트에서 결정된 움직임 벡터들은 여기서 MV에 의해 식별되고, 이러한 움직임 벡터들은 또한 수직 점선 라인에 의해 도 3에서 지시된 바와 같이, 디코딩 동안 요구된다. 인코딩 효율을 추가로 증가시키기 위해, 심벌들(S)은 다시 엔트로피 인코더(EC)에서 손실 없이 엔트로피 인코딩되고, 본 발명에 따라, 엔트로피 인코딩의 특별 변형이 사용된다.
도 2에 도시된 바와 같이, 양자화된 심벌들(S)은 또한 인코딩의 부분으로서 역 변환(IT) 및 역 양자화(IQ)된다. 이에 의해 발생된 신호는 이미지 저장소(SP)로 최종적으로 전달되고, 상기 이미지 저장소(SP)로부터의 출력부는 한편으로 덧셈기(A')를 통해 다시 자신의 입력부로 피드백되고, 또한 음의 출력부는 덧셈기(A)를 통해 변환(T)의 입력부에 전달된다. 이에 의해, 이미지 저장소는 움직임 추정기(ME)를 제어하고, 상기 움직임 추정기(ME)는 차례로 자신의 입력 측에 비디오 입력 데이터를 적용하고, 인코더(COD)에서 이미지 저장소(SP)를 작동시키기 위해 상기 이미 언급된, 움직임 벡터들(MV)을 제공한다. 이미 설명된 바와 같이, 이러한 움직임 벡터들은 또한 디코더(DEC)에 전송되고, 이에 의해 움직임 벡터들은 또한 이 목적을 위해 엔트로피 인코딩되고, 이는 도 1로부터 명백하지 않다. 엔트로피 인코더에 의해 발생된 코드 워드들(S')은 그 다음에 최종적으로 디코더(DEC)에 전송되고 거기서 상기 코드 워드들(S')은 처음에 그래서 자신들이 초기에 본 발명에 따라 적합한 엔트로피 디코딩된다. 이에 의해, 인코더 측상에서 발생된 심벌들(S)은 다시 재구성되고, 그 다음에 역 양자화(IQ) 및 역 변환(IT)된다. 따라서 결정된 디코딩된 비디오 데이터는 그 다음에 디코더 측(DEC)에서 적절한 이미지 저장소(SP)로부터의 데이터에 덧셈되고 디코더로부터 출력을 나타낸다. 이 합산 신호는 디코더 측에서 이미지 저장소(SP)에 더하여 공급되고, 상기 이미지 저장소(SP)로부터의 출력은 덧셈기(A')에 입력으로 피드백된다.
대응하는 비디오 이미지들에서 매크로블록의 관련 심벌들에 기초하여 본 발명의 엔트로피 인코딩 및 엔트로피 디코딩의 실시예의 형태들은 아래에 설명된다. 본 명세서에 제시된 변형들에서, 세 개의 인코딩 브랜치들은 적절한 인코딩 사이클에서 인코딩되고, 하나의 매크로블록은 인코딩 사이클의 각 인코딩 브랜치에서 엔트로피 인코딩된다. 따라서 개별적인 인코딩 브랜치들은 실시예의 형태에 따라 이미지의 상이한 컴포넌트들인 매크로블록들의 상이한 그룹들을 나타낸다.
도 4a는 세 개의 인코딩 브랜치들로 매크로블록들(MB)의 그룹핑(grouping)의 제 1 변형을 도시한다. 제 1 인코딩 브랜치의 매크로블록들은 여기서 참조 기호(1)에 의해 지시되고, 제 2 인코딩 브랜치의 매크로블록들은 참조 기호(2)에 의해 지시되고, 제 3 인코딩 브랜치의 매크로블록들은 참조 기호(3)에 의해 지시된다. 이러한 참조 기호들은 또한 대응하는 인코딩 브랜치들을 식별하는데 사용된다. 도 4a에서 도시된 실시예의 형태에서, 하나의 인코딩 사이클(CC)은 세 개의 연속적인 매크로블록들(1, 2, 및 3)에 의해 형성된다. 인코딩의 목적을 위해, 이미지는 그러므로 도 4a에서 라인(L)에 의해 지시된 바와 같이, 라인 단위로 판독된다. 도 4a에 도시된 그룹핑은 그러므로 어떠한 이웃 매크로블록들로부터의 데이터도 컨텍스트를 모델링하기 위해 사용되지 않는, 엔트로피 인코딩에 대하여 적합하다.
이에 대조적으로, 도 4b는 이웃 매클로블록들로부터의 데이터의 아이템들에 기초하여 컨텍스트 모델링을 허용하는, 인코딩 브랜치들의 형성의 추가의 변형을 도시한다. 인코딩 브랜치들은 여기에서의 각 경우에서 이미지(I)의 이웃 라인들에 의해 형성되어 도 4b에서 제 1 라인은 제 1 인코딩 브랜치(1)를 형성하고, 제 2 라인은 제 2 인코딩 브랜치(2)를 형성하고, 제 3 라인은 제 3 인코딩 브랜치(3)를 형성한다. 개별적인 인코딩 브랜치들의 프로세싱은 오버랩을 이용하여 달성되고, 이에 의해 하나의 인코딩 브랜치에서 인코딩은 다음 라인의 인코딩 브랜치에 관하여 두 개의 매크로블록들만큼 시간적으로 오프셋되고, 이는 라인(L')에 의해 지시된다. 도 4b는 여기서 일부 매크로블록들이 이미 인코딩된 하나의 시나리오를 도시하고, 이러한 매크로블록들은 여기서 괄호들 속의 적절한 참조 기호들에 의해 지시된다.
차례로, 인코딩은 병렬 인코딩 브랜치들에서 실행되고, 인코딩 사이클은 이제 서로에 관하여 두 개의 매크로블록들만큼 오프셋되는, 관련된 인코딩 브랜치들로부터 매크로블록들을 프로세싱한다. 연속적인 인코딩 브랜치들은 그러므로 이미지의 매크로블록들을 통해 지그재그 패턴에 따라 형성된다. 예컨대, 도 4a에 대응하는 하나의 인코딩 사이클(CC)은 이미지(I)의 제 3 라인에서 제 1 매크로블록(3)과 함께 이미지(I)의 제 1 라인에서 제 5 매크로블록(1), 이미지(I)의 제 2 라인에서 제 3 매크로블록(2)에 의해 도 4b에서 형성된다.
이미 언급된 바와 같이, 이웃 매크로블록들에 기초하여 컨텍스트의 모델링을 달성하는 것이 도 4b에 도시된 실시예의 형태로 가능하다. 그럼에도 불구하고, 이 실시예의 형태는 또한 컨텍스트 모델링 없이 인코딩하기 위한 방법으로 사용될 수 있다. 도 4a 및 4b에 도시된, 병렬로 프로세싱된 인코딩 브랜치들에서 매크로블록들의 그룹핑들을 제외하고, 다른 그룹핑들이 필요한 경우 생각 가능하다. 본 발명의 컨텍스트에서 오직 중요한 팩터는 모든 인코딩 브랜치들이 아래에 더 상세히 설명될 바와 같이, 엔트로피 인코딩을 수행 시 확률 모델들의 공통 세트에 액세스한다는 것이다.
도 5 내지 도 8은 확률 모델들의 공통 세트의 상이한 타입들의 업데이팅을 갖는 본 발명의 엔트로피 인코딩의 상이한 변형들을 도시한다. 일반성의 상실 없이, 개별적인 인코딩 브랜치들은 여기서 도 4a에서와 같이, 매크로블록들의 라인 단위 프로세싱에 기초하여 형성된다. 매크로블록의 엔트로피 인코딩의 일부로서, 심벌들의 빈도들이 확률 모델들의 세트에 기초하여 여기서 고려되고, 여기서 세트는 하나 또는 그 초과의 확률 모델(들)을 포함할 수 있다. 여기서, 각 확률 모델은 컨텍스트(즉, 이미 인코딩된 블록들에 대한 심벌들의 적절한 타입 및/또는 인코딩 결정들)를 고려한다. 예컨대, 상이한 확률 모델들은 예컨대, 변환 계수들, 움직임 벡터들 및 인코딩 모드 데이터의 아이템들 같은, 인코딩될 상이한 데이터에 대하여 사용될 수 있다.
개별적인 인코딩 브랜치에서 매크로블록의 엔트로피 인코딩은 공통-사용된 엔트로피 인코딩 방법 예컨대, 적절히 도입부에서 언급된 VLC 인코딩, 또는 산술 인코딩에 기초하여 수행된다. 특히, 종래의 기술로부터 알려진, 적절한 CABAC 또는 CAVLC 인코딩 방법들이 이용될 수 있다. 개별적인 인코딩 브랜치에서 엔트로피 인코딩은 그러므로 알려진 방법들에 기초하여 수행되지만, 이 엔트로피 인코딩은 모든 병렬 인코딩 브랜치들로부터의 심벌들의 빈도들이 고려되는, 확률 모델들의 공통 세트를 적절한 방식으로 사용할 수 있다.
아래에 설명된 도 5 내지 8 각각에서, 적절한 화살표들은 확률 모델들의 어떤 세트가 인코딩되고 있는 동안 매크로블록에 의해 액세스되고 있는지를 지시한다. 이 프로세스에서, 개별적인 매크로블록들의 엔트로피 인코딩의 부분으로서, 엔트로피 인코딩에 대하여 각 경우에서 사용되는 확률 모델들의 세트는 확률 모델들의 중간 세트에 적응되고 저장되고, 여기서 확률 모델들의 중간 세트들은 이미 상기 언급된, 확률 모델들의 공통 세트의 업데이트 후에 방법 동안 다시 폐기된다. 아래에서, 확률 모델들의 중간 세트들은 쉐도우(shadow) 세트들로 지칭된다.
도 5는 확률 모델들의 공통 세트가 개별적인 인코딩 브랜치들의 적응된 빈도들에 의해 순차적으로 조정되는, 본 발명의 엔트로피 인코딩의 변형을 도시한다. 여기서, 도 5 및 또한 모든 이후의 도면들 6 내지 9에서 화살표의 시작은 관련된 화살표의 포인트가 배치된 (현재 인코딩되는) 매크로블록에 대하여 액세스 되고 있는 확률 모델들의 세트를 도시한다. 도 5의 실시예의 형태에서, 인코딩 브랜치들(1 내지 3)의 각각에서 매크로블록에 대한 심벌들은 인코딩 사이클(CC1)에서 먼저 인코딩된다. 이를 수행할 때, 독립적인 적응 엔트로피 인코더들은 브랜치들의 각각에 대하여 사용된다. 인코딩되고 있는 매크로블록이 각 인코딩 브랜치에서 첫째이기 때문에, 동일한 초기 표준 통계(즉, 확률 모델들)가 모든 인코딩 브랜치들에 대한 인코딩시 사용된다. 각 인코딩 브랜치의 인코딩의 부분으로서, 확률 모델들의 원래의 세트는 각 인코딩 브랜치에 대하여, 확률 모델들의 제 1 쉐도우 세트가 발생되도록 심벌들의 적절한 빈도들에 기초하여 각 인코딩 브랜치에서 조정된다. 이것을 수행할 때, 확률 모델들의 이러한 쉐도우 세트들은 오직 적절한 심벌 타입들에 대하여 수정된 확률 모델들만을 포함할 필요가 있다. 수정되지 않은 확률 모델들은 저장될 필요가 없다. 원래의 표준 통계는 그 다음에 인코딩 중에 업데이트될 것인 확률 모델들의 공통 세트의 제 1 버전을 나타낸다.
도 5의 실시예의 형태에서, 제 1 인코딩 사이클(CC1)에서 매크로블록(1)의 인코딩에 후속하는 인코딩 사이클(CC2)에서 매크로블록(1)의 인코딩은 심지어 인코딩 사이클(CC1)에서 매크로블록들(2 및 3)의 인코딩이 종료하기를 대기할 필요가 없이 실행된다. 이것을 수행할 때, 제 2 인코딩 사이클(CC2)에서 매크로블록(1)의 인코딩의 부분으로서, 확률 모델들의 제 1 쉐도우 세트에 비교되는 변경을 저장하는 확률 모델들의 제 2 쉐도우 세트가 발생된다. 인코딩 결정들은 확률 모델들의 제 1 및 제 2 쉐도우 세트들과 함께 확률 모델들의 원래의 공통 세트에 기초하여 이루어진다.
제 1 인코딩 사이클(CC1)에서 매크로블록들(2 및 3)의 인코딩의 완료 후, 확률 모델들의 공통 세트는 인코딩 사이클(CC1)에서 매크로블록(1)의 인코딩 동안 발생되는 확률 모델들의 제 1 쉐도우 세트를 사용하여 업데이트된다. 확률 모델들의 이런 제 1 쉐도우 세트는 그 다음에 폐기될 수 있다. 최종적으로, 매크로블록(2)은 제 2 인코딩 사이클(CC2)에서 인코딩되고, 이에 의해 지금부터, 이는 액세스되는 확률 모델들의 업데이트된 공통 세트이다. 여기서, 매크로블록의 인코딩시, 제 1 인코딩 사이클(CC1)에서 대응하는 매크로블록(2)의 인코딩 동안 발생된 확률 모델들의 이전에 발생된 제 1 쉐도우 세트가 차례로 고려된다. 제 2 인코딩 브랜치(CC2)에서 매크로블록(1)과 유사한 방식으로, 제 2 인코딩 사이클(CC2)에서 매크로블록(2)의 인코딩시, 확률 모델들의 추가의 제 2 쉐도우 세트가 이제 발생되고, 인코딩 사이클(CC2)에서 매크로블록(2)의 인코딩은 확률 모델들의 제 1 및 제 2 쉐도우 세트들과 함께 확률 모델들의 업데이트된 공통 세트에 기초한다.
매크로블록(1)이 제 2 인코딩 사이클(CC2)에서 인코딩되자마자, 확률 모델들의 공통 세트는 제 1 인코딩 사이클(CC1)에서의 매크로블록(2)의 인코딩으로부터의 제 1 쉐도우 세트를 이용하여 업데이트될 수 있다. 유사한 방식으로, 제 2 인코딩 사이클(CC2)에서 매크로블록(2)의 인코딩 후, 확률 모델들의 공통 세트는 제 1 인코딩 사이클(CC1)에서 매크로블록(3)의 인코딩으로부터 확률 모델들의 제 1 쉐도우 세트를 사용하여 업데이트된다. 상기 방법은 모든 매크로블록들이 인코딩될 때까지 이런 방식으로 계속된다.
도 5에서 예시적인 실시예의 상기 설명에 의해 암시되는 바와 같이, 인코딩 브랜치(CC2)에서 매크로블록(2)의 인코딩은 확률 모델들의 공통 세트가 인코딩 사이클(CC1)에서 매크로블록(1)의 인코딩으로부터 확률 모델들의 제 1 쉐도우 세트를 사용하여 업데이트될 때만 시작할 수 있다. 하지만, 이 업데이트는 오직 매크로블록(3)이 제 1 인코딩 사이클(CC1)에서 완전히 인코딩될 때만 수행될 수 있는데, 이는 그렇지 않으면 인코딩 브랜치(3)가 부정확한 통계를 사용할 것이기 때문이다.
이런 이유 때문에, 상기 방법의 개발시, 특정 인코딩 브랜치들에 특정인, 발생되는 확률 모델들의 쉐도우 세트들뿐만 아니라 확률 모델들의 공통 세트에 대하여 확률 모델들의 임시 세트들이 또한 확률 모델들의 이미 인코딩된 쉐도우 세트들 중 하나 또는 그 초과를 고려하여 발생된다. 이 방식에서, 인코딩이 앞서는 인코딩 사이클의 인코딩 브랜치에서 여전히 실행되고 있는 경우에도 확률 모델들의 적절한 임시 세트에 기초하여 새로운 인코딩 사이클의 인코딩 브랜치에서 인코딩을 수행하는 것이 가능하다. 앞서는 인코딩 사이클의 인코딩 브랜치들에서 인코딩 동작들이 완료되고, 확률 모델들의 공통 세트가 업데이트되자마자, 확률 모델들의 대응하는 임시 세트는 더 이상 요구되지 않는다. 발생되는 확률 모델들의 임시 세트들은 그러므로 전부 생성될 필요가 있는 것이 아니고, 심벌들의 빈도들이 변경된 확률 모델만들을 계산하는 것은 충분하다.
확률 모델들의 공통 세트의 순차적 업데이트에 대하여, 상기 설명된 변형은 또한, 지연된 업데이팅에 대하여 적합한 방식으로 개발될 수 있고, 이에 의해 확률 모델들의 공통 세트는 앞서는 사이클로부터의 확률 모델들의 대응하는 쉐도우 세트들을 이용하여 업데이트되는 것이 아니고, 더 앞에 놓인 사이클로부터의 세트들을 이용하여 업데이트된다. 본 발명의 이런 변형은 도 6에 도시된다. 표준 확률 모델들의 시작 세트가 제 1 및 제 2 인코딩 사이클들(CC1 및 CC2)에 대하여 먼저 사용되고, 제 1 인코딩 사이클(CC1)의 인코딩 동안 발생되는 확률 모델들의 쉐도우 세트들을 사용하여 수행되는 확률 모델들의 공통 세트의 대응하는 업데이트가 오직 제 3 인코딩 사이클에서만 존재한다는 것이 여기서 보여질 것이다. 동일한 방식으로, 확률 모델들의 공통 세트는 제 2 인코딩 사이클(CC2)로부터의 확률 모델들의 쉐도우 세트들을 사용하여 제 4 인코딩 사이클(CC4)에서 업데이트되고, 확률 모델들의 공통 세트는 제 3 인코딩 사이클(CC3)로부터 확률 모델들의 쉐도우 세트들을 사용하여 제 5 인코딩 사이클(CC5)에서 업데이트된다. 도 6에서 변형의 이점은 일반적으로, 인코딩 브랜치들이 서로 상호간에 블록하지 않는다는 것이다. 추가로, 도 6에 지시된 바와 같이, 업데이트가 하나의 인코딩 사이클에 의해 지연되는 경우 확률 모델들의 오직 두 개의 쉐도우 세트들만이 요구되는 것은 또한 일반적이다. 지연이 하나보다 많은 수의 인코딩 사이클에 달하는 경우, 확률 모델들의 부가적인 쉐도우 세트들이 요구된다. 업데이트에서 지연이 커질수록, 서로 상호 간에 블록하는 인코딩 브랜치들 없이 인코딩 브랜치들의 속도에 관용될 수 있는 편차가 더 크다. 하지만, 통계의 지연되는 업데이트 때문에, 인코딩 효율은 다소 저하된다.
도 7은 확률 모델들의 공통 세트의 업데이트의 제 3 변형을 도시한다. 이 변형에서, 개별적인 인코딩 동작들이 각 인코딩 사이클에서 완료된 후, 확률 모델들의 공통 세트는 각 인코딩 브랜치에 대하여 발생되는, 확률 모델들의 모든 쉐도우 세트들을 사용하여 고정된 동기화 시간 포인트에서 업데이트된다. 이는 인코딩 브랜치 마다 확률 모델들의 여러 쉐도우 세트들의 발생을 회피한다. 하지만, 임의의 인코딩 사이클의 인코딩 속도는 가장 느린 인코딩 브랜치에 의해 결정된다. 여기서, 동기화 시간 포인트들은 각 인코딩 사이클의 종료에 후속하도록 설정될 필요가 없다. 오히려, 업데이트가 미리 정의된 수의 인코딩 사이클들 후에 실행되는 가능성이 또한 존재한다. 이 변형은 확률 모델들의 공통 세트가 더 이상 그렇게 자주 업데이트될 필요가 없고, 인코딩 브랜치들의 인코딩 속도에서 더 큰 편차가 관용되는 이점을 가진다. 도 8은 업데이트가 각 경우에서 오직 두 개의 인코딩 사이클들 후에 실행되는, 인코딩 브랜치들의 업데이트의 이러한 변형을 도시한다. 도 8에서, 특히, 인코딩 사이클들(CC1 및 CC2)의 각각에 대하여, 확률 모델들의 동일한 공통 세트가 인코딩 사이클(CC3)의 시작에서 실행되는 제 1 인코딩 사이클(CC1)로부터의 쉐도우 세트들을 고려하여 확률 모델들의 이 공통 세트의 업데이트와 함께 사용됨이 보여질 것이다.
상기 설명된 방법을 사용하여 인코딩되는 심벌들의 디코딩은 인코딩과 유사한 방식으로 진행한다. 즉, 디코딩은 병렬 디코딩 브랜치들에서 수행되고, 수행시 확률 모델들의 공통 세트는 디코딩된 심벌들의 빈도들에 기초하여 차례로 업데이트 된다. 도 5에 도시된 인코딩 프로세스를 사용하여 발생되는 인코딩된 심벌들에 기초하는 디코딩 프로세스는 예시로서 아래에 설명된다. 이 디코딩 프로세스는 도 9에 제시되고, 적절한 화살표들은 다시 확률 모델들의 어떤 세트가 디코딩되고 있는 동안 매크로블록들에 의해 액세스되는지를 다시 지시한다. 디코딩은 대응하는 디코딩 브랜치들(1', 2' 및 3')이 이제 적절하게 인코딩된 매크로블록들을 디코딩하기 위해 병렬로 실행되는 대응하는 디코딩 사이클들(DC1, DC2, DC3 등)에서 실행된다. 그러므로 디코딩 브랜치들(1', 2' 및 3')의 각각은 별개의 디코딩 프로세스에서 디코딩된다. 이를 수행할 때, 제 1 디코딩 사이클(DC1)에서 매크로블록들은 표준 확률 모델들의 적합한 초기 세트를 사용하여 먼저 디코딩된다. 디코딩 동안 유도되는 디코딩된 심벌들에 대한 빈도들의 업데이트들은 다시 확률 모델들의 개별적인 쉐도우 세트들에 저장된다.
제 1 디코딩 사이클(DC1)에서 매크로블록(1')의 디코딩 후에, 매크로블록(1')의 디코딩은 확률 모델들의 제 2 쉐도우 세트를 사용하여 제 2 디코딩 사이클(DC2)에서 실행된다. 매크로블록들(2' 및 3')에 대한 엔트로피 디코딩이 제 1 디코딩 사이클(DC1)에서 완료될 때, 확률 모델들의 공통 세트는, 디코딩 사이클(DC1)에서 매크로블록(1')에 대한 확률 모델들의 제 1 쉐도우 세트를 사용하여 인코딩에 대하여와 유사하게 업데이트된다.
마지막으로, 제 2 인코딩 사이클(DC2)에서 매크로블록(2')의 디코딩이 실행되고, 이 목적을 위해, 확률 모델들의 업데이트된 공통 세트가 이제 사용된다. 대안적으로, 확률 모델들의 임시 세트가 매크로블록(1')에 대한 확률 모델들의 제 1 쉐도우 세트 및 확률 모델들의 공통 세트로부터 디코딩 사이클(DC1)에서 발생되는 경우, 업데이트의 수행을 시작하기 전에도 디코딩 사이클(DC2)에서 매크로블록(2')의 엔트로피 인코딩을 시작하는 것이 또한 가능하다. 유사한 방식으로, 디코딩 브랜치(3')는 확률 모델들의 공통 세트가 매크로블록(2)으로부터 확률 모델들의 제 1 쉐도우 세트를 사용하여 제 1 디코딩 사이클(DC1)에서 업데이트되는 경우 디코딩을 시작한다. 대안적으로, 확률 모델들의 임시 세트는 제 1 디코딩 사이클(DC1)에서 매크로블록들(1' 및 2')의 디코딩이 완료되는 경우 제 2 디코딩 사이클(DC2)에서 매크로블록(3')의 디코딩에 대하여 사용될 수 있다. 인코딩은 모든 매크로블록들이 디코딩될 때까지 적절한 업데이트들과 함께, 모든 이후의 인코딩 사이클들 동안 상기 단계들에 기초하여 계속된다.
상기 설명된 방법의 애플리케이션에서 디코더에 시그널링(signaling)되어야만 하는 주 파라미터들은 한 편으로, 병렬 인코딩 브랜치들의 수(N)이고, 이 수는 도 3 또는 도 8의 실시예들에서 각각 N=3이다. N=1인 경우에 대하여, 방법은 예컨대, H.264/AVC 표준에서 사용되는 바와 같이, 종래의 엔트로피 인코딩에 대응한다. 전송되어야만 하는 추가의 파라미터는 확률 모델들의 공통 세트의 업데이트에서의 지연(D)이다. 도 5 및 도 7의 실시예의 형태들에서, 이 파라미터는 D=0 인코딩 사이클들이다. 도 6 및 도 8의 실시예의 형태들에 대하여, D=1이다. 통신되어야만 하는 다른 파라미터는 미리 정의된 동기화 시간 포인트들에서 동기화된 업데이트가 수행되는지이다. 도 7 및 도 8의 실시예의 형태들에서, 동기화된 업데이트가 시그널링되는 반면, 도 5 및 도 6의 실시예의 형태들에서, 어떠한 동기화된 업데이트도 수행되지 않음이 시그널링된다.
상기 설명된 본 발명의 방법의 변형들은 적절히 상기 설명된 엔트로피 슬라이스들 또는 순서화된 엔트로피 슬라이스들 또는 인터리빙된 엔트로피 슬라이스들 같은 컨텍스들의 모델링을 위해 적절한 방법들과 결합될 수 있다. 본 발명의 방법은 또한 상기 설명된 신택스 엘리먼트 파티셔닝 또는 문헌들 [3] 및 [4]에 따른 여러 이진 심벌들의 병렬 프로세싱을 이용하여 결합될 수 있다.
일반적으로, 확률 모델들의 공통 세트의 업데이트는 개별적인 인코딩 브랜치들에서 엔트로피 인코딩에 일시정지가 있을 때마다 수행되어야 한다. 하지만, 필요한 경우 또한 "원자(atomic)" 방식으로 확률 모델들의 공통 세트에서 개별적인 확률 모델들을 업데이트하는 확률이 존재한다. 이 경우에서, 개별적인 인코딩 브랜치들은 방해 없이 자신들의 인코딩을 계속할 수 있다. 여기서, 원자 업데이트는 확률 모델의 업데이트에서, 인코딩 브랜치에 의한 이 모델에 대한 판독 액세스가 억제되고, 확률 모델의 업데이트 후에, 대응하는 확률 모델이 확률 모델들의 인코딩 브랜치의 쉐도우 세트로부터 삭제된다는 것을 의미한다.
상기 설명된 본 발명의 방법의 실시예의 형태들은 개별적인 매크로블록들의 인코딩에 기초하여 설명된다. 하지만, 방법은 인코딩될 것이고 매크로블록들로 제한되지 않는 이미지들의 시퀀스를 이용하여 임의의 다른 임의 이미지 영역들에 적용될 수 있다.
본 발명의 방법은 일련의 이점들을 가진다. 특히, 높은 압축 효율은 인코딩 브랜치들로부터 적응된 통계를 사용하여 정규 인터벌에서 업데이트되는, 확률 모델들의 하나의 공통 세트가 모든 인코딩 브랜치들에 대하여 사용되기 때문에 실행된다. 이에 의해, 확률 모델들의 공통 세트에서 통계는 확률 모델들의 별도의 독립적인 세트들이 사용되는 경우보다 실제 확률들에 더 나은 근사치이다. 또한, 각각, 여러 인코딩 또는 디코딩 브랜치들에 의해 적용가능한 병렬 인코딩 또는 디코딩은 지연을 거의 갖지 않고 급속 인코딩 및 디코딩을 실행한다. 이에 덧붙여, 본 발명의 방법은 또한 컨텍스트-기초 적응 엔트로피 인코딩의 목적을 위해 다른 병렬 프로세싱 방법들과 적합한 방식으로 또한 결합될 수 있다.
도 10은 본 발명에 따른 디코딩 디바이스 및 본 발명에 따른 인코딩 디바이스를 포함하는 시스템의 구체적 실시예의 개략적인 표현을 도시한다. 인코딩 디바이스는 도 3에서와 같이, 디지털화된 이미지들의 시퀀스의 엔트로피 인코딩을 위해 사용되고, EC가 라벨링 된다. 디코딩 디바이스는 도 3에서와 같이, 디바이스(EC)로 엔트로피 인코딩된 디지털화된 이미지들의 시퀀스를 디코딩하기 위해 사용되고, ED가 라벨링 된다. 디바이스(EC) 및 디바이스(ED) 각각은 예컨대, 컴퓨터 내의 하드웨어 컴포넌트(hardware component)들과 같은, 개별적인 하드웨어 컴포넌트들의 형태를 취할 수 있는 복수의 컴포넌트들을 포함한다. 동일한 방식으로, 디바이스(ED)는 또한 예컨대, 컴퓨터 내의 하드웨어 컴포넌트들과 같은, 개별적인 하드웨어 컴포넌트들의 형태를 취할 수 있는, 복수의 컴포넌트들을 포함한다.
도 10에 도시된 컴포넌트들 외에, 디바이스(EC)는 필요한 경우, 부가적인 컴포넌트들로서 적합한 덧셈기들(A 및 A')과 함께 변환 유닛(T), 양자화기(Q), 역 양자화기(IQ), 역 변환 유닛(IT), 이미지 저장소(SP), 움직임 추정기(ME)의 형태로 도 3에 도시된 컴포넌트들을 포함할 수 있다. 이러한 컴포넌트들 모두는 차례로 개별적인 하드웨어 컴포넌트들로서 구현될 수 있다.
도 10의 실시예에서, 디바이스(EC)는 프로세싱되는 이미지들에서 이미지 영역들을 인코딩 사이클들로 분할하기 위한 설비(100)를 포함한다. 이 경우에서, 임의의 하나의 인코딩 사이클에서, 엔트로피 인코딩은 여러 병렬 인코딩 브랜치들에서 수행된다. 관련된 인코딩 브랜치에서 인코딩을 수행하기 위한 목적을 위해, 디바이스(EC)는 예컨대, 세 개의 인코딩 설비들(101, 102 및 103)을 포함하고, 각 인코딩 설비는 관련된 인코딩 브랜치에서 인코딩을 위해 제공된다. 디바이스를 사용하여 3개보다 많은 수의 인코딩 브랜치들을 인코딩하는 것이 가능할 경우, 대응하여 더 많은 수의 인코딩 설비들이 제공된다. 각 인코딩 설비는 확률 모델들의 세트에 기초하여 엔트로피 인코딩을 수행한다.
인코딩 설비(101)는 서브-컴포넌트(sub-component)들로서, 공통 확률 모델을 프로세싱하기 위한 설비(101b)와 함께 적응 설비(101a)를 포함한다. 유사한 방식으로, 인코딩 설비들(102 및 103)은 또한 각각 대응하는 적응 설비들(102a 또는 103a)을 포함하고, 공통 확률 모델을 프로세싱하기 위해 각각 대응하는 설비들(102b 또는 103b)을 포함한다. 관련된 인코딩 브랜치에서 적응 설비는 여기서 이미지 영역에서 발생하는 심벌들에 기초하여 확률 모델들의 세트에 대하여 빈도들을 적응시키기 위한 이미지 영역의 인코딩 동안 사용된다. 공통 확률 모델의 프로세싱을 위해 각 인코딩 브랜치에서 제공되는 설비는, 관련된 인코딩 브랜치에서 인코딩을 위해 사용되는 확률 모델들의 세트가 모든 인코딩 브랜치들의 이미지 영역들에서 심벌들의 빈도들을 고려하는 모든 인코딩 브랜치들에 대하여 적용가능한 확률 모델들의 공통 세트에 기초하는 방식으로 프로세싱을 수행한다. 또한 적어도 하나의 시간적으로 앞서는 인코딩 사이클에서 적응된 빈도들에 기초하여 시간의 미리 정의된 인터벌들에서 확률 모델들의 공통 세트를 업데이트하기 위한 설비(104)가 디바이스(EC)에서 제공된다.
도 10에 도시된 인코딩 디바이스(EC)는 임의의 원하는 전송 링크를 통해 디코딩 디바이스(ED)에 전송될 수 있는, 디지털화된 이미지들의 인코딩된 시퀀스를 공급한다. 전송 링크를 통한 전송은 여기서 화살표(P)에 의해 도 10에서 여기서 지시된다. 디코딩 디바이스(ED)는 인코딩된 이미지 스트림을 수신하고 대응하는 엔트로피 디코딩을 수행하고, 이에 의해 디바이스가 이 목적을 위해 복수의 컴포넌트들을 포함한다. 특히, 디바이스(ED)는 임의의 하나의 디코딩 사이클에서 엔트로피 디코딩이 여러 병렬 디코딩 브랜치들에서 달성되는 방식으로 디지털화된 이미지들의 인코딩된 시퀀스에서 인코딩된 이미지 영역들을 디코더 사이클들로 분할하기 위한 설비를 통합한다. 여기서, 대응하는 디코딩 설비(201 또는 202 또는 203)는 각 디코딩 브랜치에 대하여 제공되고, 3개보다 많은 수의 디코딩 브랜치들이 존재하는 경우, 추가의 대응하는 디코딩 설비들이 디바이스(ED)로 통합된다. 각 디코딩 설비는 확률 모델들의 세트에 기초하여 엔트로피 디코딩을 수행한다.
디코딩 설비(201)는 디코딩되는 이미지 영역에서 발생하는 심벌들에 기초하여, 인코딩된 이미지 영역의 디코딩 동안, 확률 모델들의 세트에 대하여 빈도들을 적응시키기 위한 적응 설비(201a)를 통합한다. 이에 덧붙여, 설비(201b)는 디코딩의 목적을 위해 관련된 디코딩 브랜치에서 사용되는 확률 모델들의 세트가 모든 디코딩 브랜치들의 디코딩된 이미지 영역들에서 심벌들의 빈도들을 고려하고 모든 디코딩 브랜치들에 대하여 적용가능한, 확률 모델들의 세트에 기초하는 방식으로 공통 확률 모델을 프로세싱하기 위해 제공된다. 디코딩 설비(201)와 유사한 방식으로, 디코딩 설비들(202 및 203)은 빈도들을 적응시키기 위해 각각 대응하는 적응 설비들(202a 또는 203a) 및 공통 확률 모델을 프로세싱하기 위해 각각 대응하는 설비(202b 또는 203b)를 더 통합한다. 또한, 도 10에서 디코딩 디바이스(ED)에 통합되는 추가의 컴포넌트는 적어도 하나의 시간적으로 앞서는 디코딩 사이클에 적응된 빈도들에 기초하여 시간의 미리 정의된 인터벌들에서 확률 모델들의 공통 세트를 업데이트하기 위한 설비(204)이다.
디코딩 디바이스(ED)를 사용하여, 디지털화된 이미지들의 디코딩된 시퀀스가 획득된다. 여기서, 디코딩 디바이스는 필요한 경우, 저장소(SP) 및 덧셈기(A")와 함께 역 양자화기(IQ) 및 역 변환 유닛(IT)의 형태로 도 3에 도시된 부가적인 컴포넌트들을 또한 포함할 수 있다. 이러한 부가적인 컴포넌트들은 여기서 예컨대, 컴퓨터의 하드웨어 컴포넌트들과 같은, 개별적인 하드웨어 컴포넌트들의 형태일 수 있다.

Claims (20)

  1. 디지털화된 이미지(digitized image)들(I)의 시퀀스(sequence)로부터의 심벌(symbol)들을 인코딩(encoding)하기 위한 방법으로서,
    상기 이미지들(I)은 이미지 영역들(MB)로 분할되고 임의의 특정 이미지 영역(MB)에서 상기 심벌들(S)은 하나 또는 그 초과의 확률 모델(model)들에 기초하여 엔트로피(entropy) 인코딩에 의해 인코딩될 수 있고,
    상기 하나 또는 그 초과의 확률 모델들은 이미지 영역들(MB)에서 발생하는 심벌들(S)의 빈도들을 고려하고,
    상기 이미지 영역들(MB)은, 인코딩 사이클(cycle)(CC, CC1, CC2,..., CC5)에서 상기 엔트로피 인코딩이 여러 병렬 인코딩 브랜치(branch)들(1, 2, 3)에서 실행되는 방식으로 인코딩 사이클들(CC, CC1, CC2,..., CC5)에서 프로세싱(processing)되고, 이에 의해 임의의 특정 인코딩 브랜치(1, 2, 3)에서 이미지 영역(MB)은 확률 모델들의 세트(set)에 기초하여 인코딩되고, 이에 의해 상기 확률 모델들의 세트에 대한 빈도들은 상기 이미지 영역(MB)에서 발생하는 심벌들(S)에 기초하여 상기 이미지 영역의 인코딩 동안 적응되고;
    각 인코딩 브랜치(1, 2, 3)에서 인코딩의 목적을 위해 사용되는 확률 모델들의 세트는, 모든 인코딩 브랜치들(1, 2, 3)에 대하여 적용되고 상기 모든 인코딩 브랜치들(1, 2, 3)의 이미지 영역들(MB)에서 상기 심벌들(S)의 빈도들을 고려하는 확률 모델들의 공통 세트에 기초하고;
    상기 확률 모델들의 공통 세트는 적어도 하나의 시간적으로 앞서는 인코딩 사이클(CC, CC1, CC2, ..., CC5)에서 적응되는 빈도들에 기초하여 시간의 미리 정의된 인터벌(interval)들에서 업데이트(update)되는,
    디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법.
  2. 제 1 항에 있어서,
    상기 확률 모델들의 공통 세트의 업데이트는, 시간적으로 연속적인 업데이트들을 위하여 상이한 인코딩 브랜치들(1, 2, 3)의 적응된 빈도들이 고려되는 방식으로 순차적으로 실행되는,
    디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법.
  3. 제 1 항 또는 제 2 항에 있어서,
    상기 확률 모델들의 공통 세트의 업데이트는, 상기 확률 모델들의 공통 세트가 적어도 하나의 앞서는 인코딩 사이클(CC, CC1, CC2, ..., CC5)에서 상기 모든 인코딩 브랜치들(1, 2, 3)로부터 적응된 빈도들에 기초하여 업데이트되는, 미리 정의된 동기화 시간 포인트(point)들(T1, T2, T3)에서 실행되는,
    디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법.
  4. 제 1 항 또는 제 2 항에 있어서,
    상기 확률 모델들의 공통 세트의 업데이트는 시간적으로 바로 앞서는 인코딩 사이클(CC, CC1, CC2,...CC5)에서 적응되는 빈도들에 기초하여 실행되는,
    디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법.
  5. 제 1 항 또는 제 2 항에 있어서,
    상기 확률 모델들의 공통 세트의 업데이트는, 시간적으로 바로 앞서지 않는 인코딩 사이클(CC, CC1, CC2, ..., CC5)에서 적응되는 빈도들에 기초하여 실행되는,
    디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법.
  6. 제 1 항 또는 제 2 항에 있어서,
    특정 인코딩 브랜치(1, 2, 3)에서 이미지 영역(MB)의 인코딩 후에, 상기 적응된 빈도들은 관련된 인코딩 브랜치(1, 2, 3)와 연관된 확률 모델들의 중간 세트에 일시적으로 저장되고, 이에 의해 상기 확률 모델들의 공통 세트가 업데이트될 때까지, 확률 모델들의 하나 또는 그 초과의 일시적으로 저장된 중간 세트들은 상기 관련된 인코딩 브랜치(1, 2, 3)에서 엔트로피 인코딩의 목적을 위해 상기 확률 모델들의 공통 세트와 결합하여 사용되는,
    디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법.
  7. 제 1 항 또는 제 2 항에 있어서,
    임의의 특정 이미지 영역(MB)의 엔트로피 인코딩은 VLC 인코딩 및/또는 산술 인코딩인,
    디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법.
  8. 제 1 항 또는 제 2 항에 있어서,
    상기 인코딩 브랜치들(1, 2, 3)은, 인코딩 사이클(CC, CC1, CC2, ..., CC5)이 상기 이미지들(I)에서 이미지 영역들(MB)의 라인(line) 단위 또는 컬럼(column) 단위 시퀀스로서 서로 뒤따르는 이미지 영역들(MB)에 의해 형성되는 방식으로 구성되는,
    디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법.
  9. 제 1 항 또는 제 2 항에 있어서,
    상기 인코딩 브랜치들(1, 2, 3)은, 인코딩 사이클(CC, CC1, CC2, ..., CC5)이 상기 이미지들(I)에서 이미지 영역들(MB)의 지그재그(zigzag) 시퀀스로서 서로 뒤따르는 이미지 영역들(MB)에 의해 형성되는 방식으로 구성되는,
    디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법.
  10. 제 1 항 또는 제 2 항에 있어서,
    상기 이미지들(I)은 별도로 엔트로피 인코딩되는 이미지 섹션(section)들로 세분화(subdivide)되는,
    디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법.
  11. 제 10 항에 있어서,
    상기 이미지 섹션들은, 상기 이미지 섹션들 사이의 의존성들을 고려하여 그리고/또는 상기 이미지 섹션들 사이의 의존성들을 고려하지 않으면서 인코딩되는,
    디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법.
  12. 제 1 항 또는 제 2 항에 있어서,
    상기 심벌들(S)은 이미지 영역들(MB)의 변환 및 양자화에 의해 디지털화된 이미지들의 시퀀스로부터 생성되는,
    디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법.
  13. 제 1 항 또는 제 2 항에 있어서,
    상기 심벌들은 H.264 표준에 기초하여 디지털화된 이미지들의 시퀀스들로부터 생성되는,
    디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법.
  14. 제 1 항에 따른 방법을 사용하여 디지털화된 이미지들(I)의 시퀀스로부터 인코딩되는 심벌들(S')의 디코딩(decoding)의 방법으로서,
    상기 이미지들(I)은 이미지 영역들(MB)로 세분화되고, 임의의 특정 이미지 영역(MB)에서 심벌들(S)은 제 1 항에 따른 엔트로피 인코딩에 의해 인코딩되고,
    상기 엔트로피 인코딩은 하나 또는 그 초과의 확률 모델들에 기초하고,
    상기 하나 또는 그 초과의 확률 모델들은 이미지 영역들(MB)에서 발생하는 심벌들(S)의 빈도들을 고려하고,
    상기 인코딩된 이미지 영역들(MB')은, 디코딩 사이클(DC1, DC2, DC3)에서 엔트로피 디코딩이 여러 병렬 디코딩 브랜치들(1', 2', 3')에서 실행되는 방식으로 디코딩 사이클들(DC1, DC2, DC3)에서 프로세싱되고, 임의의 특정 디코딩 브랜치(1', 2', 3')에서 인코딩된 이미지 영역(MB')은 확률 모델들의 세트에 기초하여 디코딩되고, 상기 확률 모델들의 세트에 대한 빈도들이 상기 디코딩된 이미지 영역(MB')에서 발생하는 심벌들(S)에 기초하여 상기 인코딩된 이미지 영역(MB')의 디코딩 동안 적응되고;
    각 디코딩 브랜치(1', 2', 3')에서 디코딩의 목적을 위해 사용되는 확률 모델들의 세트는, 모든 디코딩 브랜치들(1', 2', 3')의 디코딩된 이미지 영역들에서 심벌들(S)의 빈도들을 고려하는, 모든 디코딩 브랜치들에 대하여 적용되는 확률 모델들의 공통 세트에 기초하고;
    상기 확률 모델들의 공통 세트는 적어도 하나의 시간적으로 앞서는 디코딩 사이클(DC1, DC2, DC3)에서 적응되는 빈도들에 기초하여 시간의 미리 정의된 인터벌들에서 업데이트되는,
    심벌들의 디코딩의 방법.
  15. 디지털화된 이미지들의 시퀀스를 인코딩 및 디코딩하기 위한 방법으로서,
    상기 디지털화된 이미지들의 시퀀스로부터의 심벌들(S)은 제 1 항에 따른 방법을 사용하여 인코딩되고;
    상기 인코딩된 심벌들(S')은 제 14 항에 따른 방법을 사용하여 디코딩되는,
    디지털화된 이미지들의 시퀀스를 인코딩 및 디코딩하기 위한 방법.
  16. 디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 디바이스(device)로서,
    상기 이미지들(I)은 이미지 영역들(MB)로 세분화되고, 임의의 특정 이미지 영역(MB)의 심벌들(S)은 하나 또는 그 초과의 확률 모델들에 기초하는 엔트로피 인코딩에 의해 상기 디바이스에 의해 인코딩될 수 있고, 상기 하나 또는 그 초과의 확률 모델들은 이미지 영역들(MB)에서 발생하는 상기 심벌들(S)의 빈도들을 고려하고, 상기 디바이스는:
    인코딩 사이클(CC, CC1, CC2, ..., CC5) 내에서 엔트로피 인코딩이 여러 병렬 인코딩 브랜치들(1, 2, 3)에서 실행되는 방식으로 상기 이미지 영역들(MB)을 인코딩 사이클들(CC, CC1, CC2, ..., CC5)로 분배하기 위한 설비(100);
    복수의 인코딩 설비들,
    ― 각 인코딩 설비(101, 102, 103)는, 관련된 상기 인코딩 브랜치(1, 2, 3)에서 이미지 영역(MB)이 확률 모델들의 세트에 기초하여 인코딩되는 방식으로 특정 인코딩 브랜치(1, 2, 3)의 엔트로피 인코딩에 대하여 사용되고,
    상기 각 인코딩 설비(101, 102, 103)는:
    상기 이미지 영역에서 발생하는 상기 심벌들(S)에 기초하여 상기 이미지 영역의 인코딩 동안, 상기 확률 모델들의 세트에 대한 빈도들을 적응시키기 위한 적응 설비(101a, 102a, 103a),
    관련된 상기 인코딩 브랜치(1, 2, 3)에서 인코딩하기 위해 사용된 확률 모델들의 세트가, 모든 상기 인코딩 브랜치들(1, 2, 3)에 적용되고 모든 상기 인코딩 브랜치들(1, 2, 3)의 이미지 영역들(MB)에서 심벌들(S)의 빈도들을 고려하는, 상기 확률 모델들의 공통 세트에 기초하는 방식으로 공통 확률 모델을 프로세싱하기 위한 설비(101b, 102b, 103b)
    를 통합함 ―;
    적어도 하나의 시간적으로 앞서는 인코딩 사이클(CC, CC1, CC2, ..., CC5)에서 적응되는 빈도들에 기초하여 시간의 미리 정의된 인터벌들에서 상기 확률 모델들의 공통 세트를 업데이트하기 위한 설비(104)
    를 포함하는 프로세싱 유닛(EC)을 통합하는,
    디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 디바이스.
  17. 제 16 항에 있어서,
    상기 디바이스(COD)는 제 2 항에 따른 방법을 수행하기 위해 하나 또는 그 초과의 추가 설비들을 통합하는,
    디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 디바이스.
  18. 디지털화된 이미지들(I)의 시퀀스로부터의 인코딩된 심벌들(S')을 디코딩하기 위한 디바이스로서,
    상기 이미지들(I)은 이미지 영역들(MB)로 세분화되고, 임의의 특정 이미지 영역(MB)에서 심벌들(S)은 제 1 항 또는 제 2 항에 따른 엔트로피 인코딩에 의해 인코딩되고, 엔트로피 디코딩(ED)은 하나 또는 그 초과의 확률 모델들에 기초하고, 상기 하나 또는 그 초과의 확률 모델들은 디코딩된 이미지 영역들(MB)에서 발생하는 상기 심벌들(S)의 빈도들을 고려하고, 상기 디바이스는:
    디코딩 사이클(DC1, DC2, DC3) 내에서 엔트로피 디코딩이 여러 병렬 디코딩 브랜치들(1', 2', 3')에서 달성되는 방식으로 상기 인코딩된 이미지 영역들(MB')을 디코딩 사이클들(DC1, DC2, DC3)로 분배하기 위한 설비(200);
    복수의 디코딩 설비들;
    ― 각 디코딩 설비(201, 202, 203)는, 관련된 상기 디코딩 브랜치(1', 2', 3')에서 인코딩된 이미지 영역(MB')이 확률 모델들의 세트에 기초하여 디코딩되는 방식으로 특정 디코딩 브랜치(1', 2', 3')의 엔트로피 디코딩에 대하여 사용되고,
    상기 각 디코딩 설비(201, 202, 203)는:
    상기 디코딩된 이미지 영역(MB')에서 발생하는 상기 심벌들(S)에 기초하여 상기 인코딩된 이미지 영역(MB')의 디코딩 동안, 상기 확률 모델들의 세트에 대한 빈도들을 적응시키기 위한 적응 설비(201a, 202a, 203a),
    관련된 상기 디코딩 브랜치(1', 2', 3')에서 디코딩하기 위해 사용된 확률 모델들의 세트가, 모든 상기 디코딩 브랜치들에 적용되고 모든 상기 디코딩 브랜치들(1', 2', 3')의 디코딩된 이미지 영역들(MB')에서 심벌들(S)의 빈도들을 고려하는, 상기 확률 모델들의 공통 세트에 기초하는 방식으로 공통 확률 모델을 프로세싱하기 위한 설비(201b, 202b, 203b)
    를 통합함 ―;
    적어도 하나의 시간적으로 앞서는 디코딩 사이클(DC1, DC2, DC3)에서 적응되는 빈도들에 기초하여 시간의 미리 정의된 인터벌들에서 상기 확률 모델들의 공통 세트를 업데이트하기 위한 설비(204)
    를 포함하는 프로세싱 유닛(ED)을 통합하는,
    디지털화된 이미지들의 시퀀스로부터의 인코딩된 심벌들을 디코딩하기 위한 디바이스.
  19. 디지털화된 이미지들(I)의 시퀀스로부터의 심벌들(S)을 인코딩 및 디코딩하기 위한 코덱(codec)으로서,
    상기 코덱은 제 16 항에 따른 인코딩하기 위한 디바이스(COD) 및 제 18 항에 따른 디코딩하기 위한 디바이스(DEC)를 통합하는,
    코덱.
  20. 제 1 항 또는 제 2 항에 있어서,
    임의의 특정 이미지 영역(MB)의 엔트로피 코딩은 CAVLC 및/또는 CABAC 인코딩인,
    디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법.
KR1020127012557A 2009-10-15 2010-10-13 디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법 KR101767976B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
EP09013060.0 2009-10-15
EP09013060 2009-10-15
EP10000484A EP2312854A1 (de) 2009-10-15 2010-01-19 Verfahren zur Codierung von Symbolen aus einer Folge digitalisierter Bilder
EP10000484.5 2010-01-19
PCT/EP2010/065335 WO2011045339A1 (de) 2009-10-15 2010-10-13 Verfahren zur codierung von symbolen aus einer folge digitalisierter bilder

Publications (2)

Publication Number Publication Date
KR20120087943A KR20120087943A (ko) 2012-08-07
KR101767976B1 true KR101767976B1 (ko) 2017-08-14

Family

ID=43070402

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020127012557A KR101767976B1 (ko) 2009-10-15 2010-10-13 디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법

Country Status (6)

Country Link
US (1) US9338469B2 (ko)
EP (2) EP2312854A1 (ko)
JP (1) JP5535326B2 (ko)
KR (1) KR101767976B1 (ko)
CN (1) CN102550028B (ko)
WO (1) WO2011045339A1 (ko)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2312854A1 (de) 2009-10-15 2011-04-20 Siemens Aktiengesellschaft Verfahren zur Codierung von Symbolen aus einer Folge digitalisierter Bilder
FR2972588A1 (fr) 2011-03-07 2012-09-14 France Telecom Procede de codage et decodage d'images, dispositif de codage et decodage et programmes d'ordinateur correspondants
US9379736B2 (en) 2011-06-03 2016-06-28 Qualcomm Incorporated Context-adaptive coding video data
FR2977111A1 (fr) * 2011-06-24 2012-12-28 France Telecom Procede de codage et decodage d'images, dispositif de codage et decodage et programmes d'ordinateur correspondants
US9584819B2 (en) 2011-10-24 2017-02-28 Qualcomm Incorporated Grouping of tiles for video coding
US20130114667A1 (en) * 2011-11-08 2013-05-09 Sony Corporation Binarisation of last position for higher throughput
US10785545B2 (en) * 2012-04-20 2020-09-22 The Board Of Regents Of The University Of Texas System Systems and methods for simultaneous compression and encryption
EP2952003B1 (en) * 2013-01-30 2019-07-17 Intel Corporation Content adaptive partitioning for prediction and coding for next generation video
US9432688B2 (en) * 2013-08-26 2016-08-30 Broadcom Corporation Parallel symbol decoding
US20160360236A1 (en) * 2015-06-04 2016-12-08 Mediatek Inc. Method and Apparatus for Entropy Transcoding
EP3264763A1 (en) * 2016-06-29 2018-01-03 Thomson Licensing Method and apparatus for improved significance flag coding using simple local predictor
US10541785B2 (en) 2016-07-18 2020-01-21 Samsung Electronics Co., Ltd. Carrier aggregation with variable transmission durations
CN108024075B (zh) * 2016-10-28 2019-10-11 原相科技股份有限公司 全局快门高动态范围像素及影像传感器
KR102414164B1 (ko) * 2017-03-31 2022-06-29 한국전자통신연구원 향상된 산술부호화를 제공하는 영상 처리 방법, 그를 이용한 영상 복호화, 부호화 방법 및 그 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009268064A (ja) 2008-04-28 2009-11-12 Mitsubishi Electric Research Laboratories Inc Ｓａｒデータを圧縮する方法、およびｓａｒデータを符号化するための装置

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5583500A (en) * 1993-02-10 1996-12-10 Ricoh Corporation Method and apparatus for parallel encoding and decoding of data
JP2840589B2 (ja) * 1996-02-09 1998-12-24 富士通株式会社 データ圧縮装置及びデータ復元装置
JP3108404B2 (ja) * 1998-06-18 2000-11-13 富士通株式会社 データ圧縮装置及びデータ復元装置
US6856701B2 (en) * 2001-09-14 2005-02-15 Nokia Corporation Method and system for context-based adaptive binary arithmetic coding
JP2003319391A (ja) * 2002-04-26 2003-11-07 Sony Corp 符号化装置および方法、復号装置および方法、記録媒体、並びにプログラム
ITMI20031079A1 (it) * 2003-05-29 2004-11-30 St Microelectronics Srl Metodo ed apparato per dedificare immagini digitali
EP1642235A1 (en) * 2003-06-30 2006-04-05 Koninklijke Philips Electronics N.V. Method of encoding a signal into a bit stream
US7286710B2 (en) * 2003-10-01 2007-10-23 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Coding of a syntax element contained in a pre-coded video signal
JP2005130099A (ja) * 2003-10-22 2005-05-19 Matsushita Electric Ind Co Ltd 算術復号装置、算術符号化装置、算術符号化・復号装置、携帯端末装置、動画像撮影装置、及び、動画像記録・再生装置
US7599435B2 (en) * 2004-01-30 2009-10-06 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Video frame encoding and decoding
KR100644713B1 (ko) * 2005-10-31 2006-11-10 삼성전자주식회사 컨텍스트 기반 적응적 이진 산술 코딩 복호기에서 원소구문을 복호화하는 방법 및 이를 위한 복호화 장치
KR100873636B1 (ko) * 2005-11-14 2008-12-12 삼성전자주식회사 단일 부호화 모드를 이용하는 영상 부호화/복호화 방법 및장치
KR100717055B1 (ko) * 2005-11-18 2007-05-10 삼성전자주식회사 Ｃａｂａｃ 복호기에서 복수의 이진 값들을 파이프라인방식에 의하여 복호화하는 방법 및 이를 위한 복호화 장치
JP4095664B2 (ja) * 2006-04-17 2008-06-04 俊宏 南 動画像符号化装置
JP4660433B2 (ja) 2006-06-29 2011-03-30 株式会社東芝 符号化回路、復号回路、エンコーダ回路、デコーダ回路、ｃａｂａｃ処理方法
US7443318B2 (en) * 2007-03-30 2008-10-28 Hong Kong Applied Science And Technology Research Institute Co. Ltd. High speed context memory implementation for H.264
US7710296B2 (en) * 2007-09-19 2010-05-04 Texas Instruments Incorporated N-bin arithmetic coding for context adaptive binary arithmetic coding
US8542748B2 (en) * 2008-03-28 2013-09-24 Sharp Laboratories Of America, Inc. Methods and systems for parallel video encoding and decoding
US7982641B1 (en) * 2008-11-06 2011-07-19 Marvell International Ltd. Context-based adaptive binary arithmetic coding engine
FR2944391B1 (fr) 2008-11-18 2013-03-22 Valeo Sys Controle Moteur Sas Procede et dispositif electrique combine d'alimentation et de charge a moyens de compensation
WO2010063184A1 (en) * 2008-12-03 2010-06-10 Mediatek Inc. Method for performing parallel cabac processing with ordered entropy slices, and associated apparatus
US9467699B2 (en) * 2008-12-03 2016-10-11 Hfi Innovation Inc. Method for performing parallel coding with ordered entropy slices, and associated apparatus
US8660193B2 (en) * 2009-01-12 2014-02-25 Maxim Integrated Products, Inc. Parallel, pipelined, integrated-circuit implementation of a computational engine
WO2011002914A1 (en) * 2009-06-30 2011-01-06 Massachusetts Institute Of Technology System and method for providing high throughput entropy coding using syntax element partitioning
JP5518069B2 (ja) 2009-07-06 2014-06-11 パナソニック株式会社 画像復号装置、画像符号化装置、画像復号方法、画像符号化方法、プログラムおよび集積回路
EP2312854A1 (de) 2009-10-15 2011-04-20 Siemens Aktiengesellschaft Verfahren zur Codierung von Symbolen aus einer Folge digitalisierter Bilder

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009268064A (ja) 2008-04-28 2009-11-12 Mitsubishi Electric Research Laboratories Inc Ｓａｒデータを圧縮する方法、およびｓａｒデータを符号化するための装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A. Segall, et al. Entropy slices for parallel entropy decoding. ITU-T SG.16 Q.6 COM16-C405. Apr. 2008, pp.1-9
V. Sze, et al. Parallel CABAC. ITU-T SG.16 Q.6 COM16-C334. Apr. 2008, pp.1-10
X. Guo, et al. Ordered Entropy Slices for Parallel CABAC. ITU-T SG.16 Q.6 VCEG. VCEG-AK25. May. 2, 2009, pp.1-8

Also Published As

Publication number Publication date
CN102550028B (zh) 2015-08-26
US20120207213A1 (en) 2012-08-16
WO2011045339A1 (de) 2011-04-21
EP2489187A1 (de) 2012-08-22
EP2489187B1 (de) 2013-09-18
KR20120087943A (ko) 2012-08-07
CN102550028A (zh) 2012-07-04
JP5535326B2 (ja) 2014-07-02
US9338469B2 (en) 2016-05-10
JP2013507871A (ja) 2013-03-04
EP2312854A1 (de) 2011-04-20

Similar Documents

Publication Publication Date Title
KR101767976B1 (ko) 디지털화된 이미지들의 시퀀스로부터의 심벌들을 인코딩하기 위한 방법
AU2022202573B2 (en) Sample array coding for low-delay
JP7245341B2 (ja) 統合変換タイプ通知および変換タイプ依存変換係数レベルコーディング
KR101571618B1 (ko) 마지막 유효 계수의 위치를 코딩 및 디코딩하는 방법 및 장치
EP2362657B1 (en) Parallel entropy coding and decoding methods and devices
KR101360313B1 (ko) 산술 디코딩 방법 및 디바이스
US20140286417A1 (en) Data encoding and decoding
KR101739603B1 (ko) 2진 세트들을 인코딩 및 디코딩하기 위해 트리 구조들을 재이용하는 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant