KR20200040774A

KR20200040774A - 멀티-브랜치 딥 러닝을 갖는 필터링을 위한 방법 및 장치

Info

Publication number: KR20200040774A
Application number: KR1020207005430A
Authority: KR
Inventors: 프랑크 갈팡; 파비앙 라까프; 가브리엘 드 마르미에쓰
Original assignee: 인터디지털 브이씨 홀딩스 인코포레이티드
Priority date: 2017-08-28
Filing date: 2018-08-28
Publication date: 2020-04-20
Also published as: EP3676804A1; CN111164651A; WO2019046306A1; EP3451293A1; US20200244997A1

Abstract

아티팩트들을 감소시키기 위한 루프 내 필터링을 위해 비디오 압축에서 딥 러닝이 사용될 수 있다. 신경 네트워크들의 계산 복잡성을 감소시키기 위해, 일 실시예에서, 멀티-브랜치 CNN이 사용된다. 멀티-브랜치 CNN은 다수의 기본 CNN들 및 식별 필터를 포함할 수 있고, 각각의 기본 CNN 또는 아이덴티티 필터가 브랜치로 고려된다. 인코더 측에서, 최상의 브랜치는, 예를 들어, RDO에 기초하여 선택될 수 있다. 최상의 브랜치는 디코더 측에 표시될 수 있거나 디코더 측에서 유도될 수 있다. 유사한 필터링 성능을 위해, 멀티-브랜치 CNN 내의 각각의 기본 CNN은 필터가 단일 브랜치 CNN에 의해 수행되는 것보다 적은 계층들을 사용될 수 있다. 디코더 측에서는, 최상의 브랜치가 루프 내 필터링을 위해 사용된다. CNN을 사용하여 인코딩과 디코딩에서의 대칭성을 파괴함으로써, 디코더 측에서의 계산 복잡성이 감소될 수 있다.

Description

멀티-브랜치 딥 러닝을 갖는 필터링을 위한 방법 및 장치

본 실시예들은 일반적으로 비디오 인코딩 및 디코딩을 위한 방법 및 장치에 관한 것이고, 더 상세하게는 비디오 인코딩 및 디코딩에서 멀티-브랜치 신경 네트워크를 갖는 필터링을 위한 방법 및 장치에 관한 것이다.

높은 압축 효율을 달성하기 위해, 이미지 및 비디오 코딩 방식들은 통상적으로 비디오 콘텐츠에서 공간적 및 시간적 리던던시를 레버리지하기 위해 예측 및 변환을 이용한다. 일반적으로, 인트라 또는 인터 프레임 상관을 활용하기 위해 인트라 또는 인터 예측이 사용되며, 예측 에러들 또는 예측 잔차들로 종종 표시되는 원래의 이미지 블록과 예측된 이미지 블록 사이의 차이들은 변환, 양자화 및 엔트로피 코딩된다. 비디오를 재구성하기 위해, 압축된 데이터는 예측, 변환, 양자화 및 엔트로피 코딩에 대응하는 역 프로세스들에 의해 디코딩된다. 아티팩트들을 감소시키기 위해, 루프 내 필터링이 사용될 수 있다.

일반적인 양태에 따르면, 이미지 블록의 제1 재구성된 버전을 결정하는 단계; 및 상기 이미지 블록의 제2 재구성된 버전을 형성하기 위해, 복수의 브랜치들로부터의 브랜치에 따라, 상기 이미지 블록의 상기 제1 재구성된 버전을 프로세싱하는 단계를 포함하고, 상기 복수의 브랜치들 중 하나 이상은 개개의 신경 네트워크들에 기초하는, 비디오 인코딩을 위한 방법이 제시된다.

다른 일반적인 양태에 따르면, 이미지 블록의 제1 재구성된 버전을 결정하는 단계; 복수의 브랜치들로부터의 브랜치가 상기 이미지 블록의 상기 제1 재구성된 버전을 프로세싱하기 위해 사용될 것을 표시하는 정보에 액세스하는 단계 - 상기 복수의 브랜치들 중 하나 이상은 개개의 신경 네트워크들에 기초함 -; 및 상기 이미지 블록의 제2 재구성된 버전을 형성하기 위해 상기 표시된 브랜치에 따라, 상기 이미지 블록의 상기 제1 재구성된 버전을 프로세싱하는 단계를 포함하는 비디오 디코딩을 위한 방법이 제시된다.

다른 일반적인 양태에 따르면, 적어도 메모리 및 하나 이상의 프로세서들을 포함하는 비디오 인코딩을 위한 장치로서, 상기 하나 이상의 프로세서들은, 이미지 블록의 제1 재구성된 버전을 결정하고; 상기 이미지 블록의 제2 재구성된 버전을 형성하기 위해, 복수의 브랜치들로부터의 브랜치에 따라, 상기 이미지 블록의 상기 제1 재구성된 버전을 프로세싱하도록 구성되고, 상기 복수의 브랜치들 중 하나 이상은 개개의 신경 네트워크들에 기초한다.

다른 일반적인 양태에 따르면, 적어도 메모리 및 하나 이상의 프로세서들을 포함하는 비디오 디코딩을 위한 장치가 제시되고, 상기 하나 이상의 프로세서들은, 이미지 블록의 제1 재구성된 버전을 결정하고; 복수의 브랜치들로부터의 브랜치가 상기 이미지 블록의 상기 제1 재구성된 버전을 프로세싱하기 위해 사용될 것을 표시하는 정보에 액세스하고 - 상기 복수의 브랜치들 중 하나 이상은 개개의 신경 네트워크들에 기초함 -; 상기 이미지 블록의 제2 재구성된 버전을 형성하기 위해 상기 표시된 브랜치에 따라, 상기 이미지 블록의 상기 제1 재구성된 버전을 프로세싱하도록 구성된다.

상기 신경 네트워크들은 동일한 구조를 가질 수 있다. 상기 신경 네트워크들은 또한 상기 신경 네트워크들의 시작부 또는 종료부에 있는 하나 이상의 계층들을 공유할 수 있다. 상기 신경 네트워크들 각각은 상기 이미지 블록의 상기 제1 재구성된 버전을 독립적으로 필터링할 수 있다.

상기 이미지 블록의 상기 제1 재구성된 버전은 상기 이미지 블록의 예측 블록, 또는 상기 이미지 블록의 상기 예측 블록과 상기 이미지 블록에 대한 예측 잔차들의 합산에 대응할 수 있다. 상기 이미지 블록의 상기 제2 재구성된 버전은 인트라 또는 인터 예측을 위해 다른 이미지 블록을 예측하기 위해 사용될 수 있다.

인코딩 프로세스 동안, 인코더는 어느 브랜치가 선택되는지를 디코더에 명시적으로 시그널링(즉, 정보를 제공)할 수 있다. 대안적으로, 디코더는 예를 들어, 캐주얼 이웃 샘플들을 사용하여, 어느 브랜치가 선택되는지를 유도할 수 있다. 상기 선택된 브랜치는 유일한 루프 내 필터로서 사용될 수 있는데, 즉, 모든 다른 루프 내 필터들이 제거된다. 상기 선택된 브랜치는 또한 다른 루프 내 필터들과 함께, 또는 심지어 포스트-프로세싱 필터로서 사용될 수 있다.

하나의 예시적인 실시예에서, 상기 신경 네트워크들은 잔차 학습에 기초할 수 있는 콘벌루셔널 신경 네트워크들이다.

하나의 예시적인 실시예에서, 상기 복수의 브랜치들은 식별 브랜치를 포함할 수 있다.

인코딩 또는 디코딩할 때, 상기 이미지 블록은 코딩 유닛(CU), 코딩 블록(CB), 코딩 트리 유닛(CTU)에 대응한다.

상기 신경 네트워크들에 대한 파라미터들을 획득하기 위해, 상기 신경 네트워크들에 대한 트레이닝 프로세스는, 트레이닝 샘플들과 상기 개개의 신경 네트워크들로부터의 출력들 사이의 차이들의 가중된 합산에 기초하는 손실 함수에 기초할 수 있다. 트레이닝 프로세스는 하나의 브랜치가 다른 비-아이덴티티 브랜치들보다 작은 에러를 가질 때까지 그래디언트 감소를 수행하고; 이어서 상기 다른 비-아이덴티티 브랜치들의 그래디언트들을 1보다 작은 가중치 팩터만큼 스케일링할 수 있다.

다른 일반적인 양태에 따르면, 비디오 신호는, 이미지 블록과 상기 이미지 블록의 예측된 블록 사이의 예측 잔차들을 포함하도록 포맷되고, 복수의 브랜치들로부터의 브랜치가 상기 이미지 블록의 재구성된 버전을 프로세싱하기 위해 사용되고, 상기 복수의 브랜치들 중 하나 이상은 신경 네트워크들에 기초하고, 이미지 블록의 상기 재구성된 버전은 상기 예측된 블록 및 상기 예측 잔차들에 기초한다.

또한, 본 실시예들은 전술된 방법들에 따라 비디오 데이터를 인코딩 또는 디코딩하기 위한 명령어들이 저장된 컴퓨터 판독가능 저장 매체를 제공한다. 또한, 본 실시예들은 전술된 방법들에 따라 생성된 비트스트림이 저장된 컴퓨터 판독가능 저장 매체를 제공한다. 본 실시예들은 또한 앞서 설명된 방법들에 따라 생성된 비트스트림을 송신하기 위한 방법 및 장치를 제공한다.

도 1은 예시적인 HEVC(High Efficiency Video Coding) 비디오 인코더의 블록도를 예시한다.
도 2는 예시적인 HEVC 비디오 디코더의 블록도를 예시한다.
도 3은 JEM 6.0에서 사용되는 4개의 루프 내 필터들을 예시한다.
도 4는 예시적인 CNN(Convolutional Neural Network)을 예시한다.
도 5는 HEVC에 대한 포스트-프로세싱 필터로서 설계된 가변 필터 크기 잔차 학습 CNN(VRCNN)을 예시한다.
도 6a, 도 6b 및 도 6c는 루프 내 필터로서 CNN을 사용한 트레이닝 프로세스, 인코딩 프로세스 및 디코딩 프로세스를 각각 예시한다.
도 7a, 도 7b 및 도 7c는 일 실시예에 따라, 루프 내 필터로서 멀티-브랜치 CNN을 사용한 트레이닝 프로세스, 인코딩 프로세스 및 디코딩 프로세스를 각각 예시한다.
도 8은 일 실시예에 따른 다른 멀티-브랜치 CNN을 사용하는 트레이닝 프로세스를 예시한다.
도 9는 예시적인 실시예들의 다양한 양태들이 구현될 수 있는 예시적인 시스템의 블록도를 예시한다.

도 1은 예시적인 HEVC 인코더(100)를 예시한다. 하나 이상의 픽처들을 갖는 비디오 시퀀스를 인코딩하기 위해, 픽처는 하나 이상의 슬라이스들로 파티셔닝되고, 각각의 슬라이스는 하나 이상의 슬라이스 세그먼트들을 포함할 수 있다. 슬라이스 세그먼트는 코딩 유닛들, 예측 유닛들 및 변환 유닛들로 체계화된다.

본 출원에서, 용어들 "재구성된" 및 "디코딩된"은 상호교환가능하게 사용될 수 있고, 용어들 "이미지", "픽처" 및 "프레임"은 상호교환가능하게 사용될 수 있다. 필수적은 아니지만 통상적으로, 용어 "재구성된"은 인코더 측에서 사용되는 한편, "디코딩된"은 디코더 측에서 사용된다.

HEVC 규격은 "블록들"과 "유닛들" 사이를 구별하며, 여기서 "블록"은 샘플 어레이의 특정 영역(예를 들어, 루마, Y)을 처리하고, "유닛"은 모든 인코딩된 컬러 성분들(Y, Cb, Cr, 또는 단색)의 병치된 블록들, 및 블록들과 연관된 신택스 요소들 및 예측 데이터(예를 들어, 모션 벡터들)를 포함한다.

코딩의 경우, 픽처는 구성가능한 크기를 갖는 사각형 형상의 코딩 트리 블록들(CTB)로 파티셔닝되고, 코딩 트리 블록들의 연속적 세트는 슬라이스로 그룹화된다. 코딩 트리 유닛(CTU)은 인코딩된 컬러 성분들의 CTB들을 포함한다. CTB는 코딩 블록들(CB)로의 파티셔닝하는 쿼드트리(quadtree)의 루트이고, 코딩 블록은 하나 이상의 예측 블록들(PB)로 파티셔닝될 수 있고, 변환 블록들(TB들)로 파티셔닝하는 쿼드트리의 루트를 형성한다. 코딩 블록, 예측 블록 및 변환 블록에 대응하여, 코딩 유닛(CU)은 예측 유닛들(PU들) 및 변환 유닛들(TU들)의 트리-구조화된 세트를 포함하고, PU는 모든 컬러 성분들에 대한 예측 정보를 포함하고, TU는 각각의 컬러 성분에 대한 잔여 코딩 신택스 구조를 포함한다. 루마 성분의 CB, PB 및 TB의 크기는 대응하는 CU, PU 및 TU에 적용된다. 본 출원에서, 용어 "블록"은 CTU, CU, PU, TU, CB, PB 및 TB 중 임의의 것을 지칭하도록 사용될 수 있다. 또한, "블록"은 H.264/AVC 또는 다른 비디오 코딩 표준들에서 특정된 바와 같이 매크로블록 및 파티션을 지칭하기 위해, 그리고 더 일반적으로는 다양한 크기들의 데이터의 어레이를 지칭하기 위해 또한 사용될 수 있다.

예시적인 인코더(100)에서, 픽처는 아래에서 설명되는 바와 같이 인코더 요소들에 의해 인코딩된다. 인코딩될 픽처는 CU들의 단위들로 프로세싱된다. 각각의 CU는 인트라 또는 인터 모드를 사용하여 인코딩된다. CU가 인트라 모드에서 인코딩되는 경우, 인트라 예측(160)을 수행한다. 인터 모드에서, 모션 추정(175) 및 보상(170)이 수행된다. 인코더는, CU를 인코딩하기 위해 인트라 모드 또는 인터 모드 중 어느 것을 사용할지를 판정하고(105), 예측 모드 플래그에 의해 인트라/인터 판정을 표시한다. 예측 잔차들은 원래의 이미지 블록으로부터 예측된 블록을 감산(110)함으로써 계산된다.

공간 리던던시를 활용하기 위해, 인트라 모드의 CU들은 동일한 슬라이스 내의 재구성된 이웃 샘플들로부터 예측된다. 현재 CU의 인코딩/디코딩이 고려될 때 캐주얼 이웃 CU들은 이미 인코딩/디코딩되었다. 미스매치를 회피하기 위해, 인코더 및 디코더는 동일한 예측을 갖는다. 따라서, 인코더 및 디코더 둘 모두는 현재 CU에 대한 예측을 형성하기 위해 재구성된/디코딩된 이웃 캐주얼 CU들로부터의 정보를 사용한다.

35개의 인트라 예측 모드들의 세트는 평면형(0으로 인덱싱됨), DC(1로 인덱싱됨) 및 33개의 각도 예측 모드들(2 내지 34로 인덱싱됨)을 포함하는 HEVC에서 이용가능하다. 인트라 예측 기준은 현재 블록에 인접한 행 및 열로부터 재구성된다. 기준은 이전에 재구성된 블록들로부터 이용가능한 샘플들을 사용하여 수평 및 수직 방향에서 블록 크기 2배에 걸쳐 연장될 수 있다. 인트라 예측에 대해 각도 예측 모드가 사용되는 경우, 기준 샘플들은 각도 예측 모드에 의해 표시된 방향을 따라 카피될 수 있다.

인터 CU의 경우, 대응하는 코딩 블록은 하나 이상의 예측 블록들로 추가로 파티셔닝된다. 인터 예측은 PB 레벨에서 수행되고, 대응하는 PU는 인터 예측이 어떻게 수행되는지에 대한 정보를 포함한다. 모션 정보(즉, 모션 벡터 및 기준 픽처 인덱스)는 2개의 방법들, 즉, "병합 모드" 및 "진보된 모션 벡터 예측(AMVP)"에서 시그널링될 수 있다.

병합 모드에서, 비디오 인코더 또는 디코더는 이미 코딩된 블록들에 기초하여 후보 리스트를 어셈블하고, 비디오 인코더는 후보 리스트에서 후보들 중 하나에 대한 인덱스를 시그널링한다. 디코더 측에서, 모션 벡터(MV) 및 기준 픽처 인덱스는 시그널링된 후보에 기초하여 재구성된다.

AMVP에서, 비디오 인코더 또는 디코더는 이미 코딩된 블록들로부터 결정된 모션 벡터들에 기초하여 후보 리스트들을 어셈블한다. 이어서, 비디오 인코더는 모션 벡터 예측자(MVP)를 식별하고 모션 벡터 차이(MVD)를 시그널링하기 위해 후보 리스트로 인덱스를 시그널링한다. 디코더 측에서, 모션 벡터(MV)는 MVP+MVD로서 재구성된다. 적용가능한 기준 픽처 인덱스는 또한 AMVP에 대한 PU 신택스에서 명시적으로 코딩된다.

이어서, 예측 잔차들은 변환되고(125) 양자화된다(130). 양자화된 변환 계수들 뿐만 아니라 모션 벡터들 및 다른 신택스 요소들은 비트스트림을 출력하도록 엔트로피 코딩된다(145). 인코더는 또한 변환을 스킵하고, 4x4 TU 기반으로 비-변환된 잔여 신호에 직접 양자화를 적용할 수 있다. 인코더는 또한 변환 및 양자화 둘 모두를 우회할 수 있는데, 즉, 잔차는 변환 또는 양자화 프로세스의 적용 없이 직접 코딩된다. 직접 PCM 코딩에서, 어떠한 예측도 적용되지 않고, 코딩 유닛 샘플들은 비트스트림으로 직접 코딩된다.

인코더는 추가적 예측들을 위한 기준을 제공하기 위해 인코딩된 블록을 디코딩한다. 예측 잔차들을 디코딩하기 위해, 양자화된 변환 계수들은 역양자화되고(140) 역변환된다(150). 디코딩된 예측 잔차들 및 예측된 블록을 결합하면(155), 이미지 블록이 재구성된다. 루프 내 필터들(165)은, 예를 들어, 인코딩 아티팩트들을 감소시키기 위한 디블로킹/SAO(Sample Adaptive Offset) 필터링을 수행하기 위해, 재구성된 픽처에 적용된다. 필터링된 이미지는 기준 픽처 버퍼(180)에 저장된다.

도 2는 예시적인 HEVC 비디오 디코더(200)의 블록도를 예시한다. 예시적인 디코더(200)에서, 비트스트림은 아래에서 설명되는 바와 같이 디코더 요소들에 의해 디코딩된다. 비디오 디코더(200)는 일반적으로 도 1에 설명된 바와 같은 인코딩 패스(pass)에 대해 역인 디코딩 패스를 수행하며, 이는 인코딩 비디오 데이터의 일부로서 비디오 디코딩을 수행한다.

특히, 디코더의 입력은 비디오 인코더(100)에 의해 생성될 수 있는 비디오 비트스트림을 포함한다. 비트스트림은, 변환 계수들, 모션 벡터들 및 다른 코딩된 정보를 획득하기 위해 먼저 엔트로피 디코딩된다(230). 예측 잔차들을 디코딩하기 위해, 변환 계수들은 역양자화되고(240) 역변환된다(250). 디코딩된 예측 잔차들 및 예측된 블록을 결합하면(255), 이미지 블록이 재구성된다. 예측된 블록은 인트라 예측(260) 또는 모션-보상된 예측(즉, 인터 예측)(275)으로부터 획득될 수 있다(270). 앞서 설명된 바와 같이, AMVP 및 병합 모드 기술들은 모션 보상을 위한 모션 벡터들을 유도하기 위해 사용될 수 있고, 이는 기준 블록의 서브-정수 샘플들에 대한 보간된 값들을 계산하기 위해 보간 필터들을 사용할 수 있다. 루프 내 필터들(265)은 재구성된 이미지에 대해 적용된다. 필터링된 이미지는 기준 픽처 버퍼(280)에 저장된다.

HEVC에 대해 전술된 바와 같이, 디블로킹 및 SAO 필터들은 인코딩 아티팩트들을 감소시키기 위해 루프 내 필터들로서 사용된다. 비디오 압축에 대해 더 일반적으로, 루프 내 필터링을 위해 다른 필터들이 사용될 수 있다. 예를 들어, JVET(Joint Video Exploration Team)에 의해 개발된 현재 JEM 6.0(Joint Exploration Model 6.0)에 대한 도 3에 도시된 바와 같이, 4개의 필터들, 즉, 양방향 필터(BLF), 디블로킹 필터(DBF), SAO 및 ALF(Adaptive Loop Filter)가 연속적으로 적용된다. 이러한 상이한 필터들은 일반적으로, (1) 샘플 분석 및 픽셀 분류 및 (2) 클래스-의존적 필터링에 기초한다.

표기의 편의를 위해, 인코더에 대한 입력 이미지를 S 로, 루프 내 필터링에 대한 입력을

로, 그리고 루프 내 필터링의 출력을

로 지칭한다.

는 또한 이미지의 초기 재구성 또는 초기 재구성된 버전으로 지칭될 수 있다. 도 3에 도시된 바와 같이, 루프 내 필터링에 대한 입력은 예측된 샘플들과 디코딩된 예측 잔차들의 합산이다. 특정 블록들에 대해, 예측 잔차들이 제로이거나 존재하지 않을 때(예를 들어, 스킵 모드), 루프 내 필터링에 대한 입력은 직접적으로, 예측된 샘플들이다.

현재 JEM에서, 양방향 필터는 디블로킹 필터 이전에, 재구성된 샘플들

에 적용된다. BLF는 이웃 샘플들에 대한 거리 뿐만 아니라 이들의 값들을 필터 가중치들의 기초로 함으로써 작용한다. 초기 재구성된 픽처 내의 각각의 샘플은 그 자신의 가중된 평균 및 그의 이웃들로 대체된다. 가중치들은 중심 샘플로부터의 거리 뿐만 아니라 샘플 값들에서의 차이에 기초하여 계산된다. 필터가 작은 플러스 부호의 형상이기 때문에(즉, 필터는 4개의 이웃 샘플들을 사용함), 거리들 모두는 0 또는 1이다.

(i, j)에 위치된 샘플은 그의 이웃 샘플들을 사용하여 필터링될 것이다. 가중치 w(i, j, k, l)는 현재 샘플 (i, j)를 필터링하기 위해 이웃 샘플 (k, l)에 할당된 가중치이고, 다음과 같이 정의되며:

여기서 I(i, j) 및 I(k, l)는 각각 초기 재구성

에서 샘플들 (i, j) 및 (k, l)의 세기 값들이고,

는 공간 파라미터이고,

는 범위 파라미터이다. 양방향 필터의 속성들(또는 강도)는 파라미터들

및

에 의해 제어된다. JEM 6.0에서,

는 변환 유닛 크기 및 예측 모드에 의존하여 설정되고,

는 현재 블록에 대해 사용된 QP에 기초하여 설정된다.

출력 필터링된 샘플 값 I_F(i,j)는 다음과 같이 계산된다:

제안된 양방향 필터는, 각각의 CU에, 또는 CU가 인코더 및 디코더 둘 모두에서 16x16보다 큰 경우 최대 크기 16x16의 블록들에 적용된다. JEM 6.0에서, 양방향 필터는 인코더 측에서 RDO(Rate-Distortion Optimization) 루프 내부에서 수행된다. 따라서, 필터링된 블록들은 또한 후속 블록들을 예측하기 위해 사용될 수 있다(인트라 예측).

ALF는 기본적으로, L2 왜곡을 최소화하도록 선형 필터들(1D 또는 2D)을 설계하는 것, 즉, 필터링된 샘플들과 기준 샘플들(일반적으로 원래의 샘플들) 사이의 제곱 에러를 최소화하는 것을 목적으로 하는 위너 필터(Wiener filter)에 기초하여 설계된다. JEM에서, 블록 기반 필터 적응을 갖는 ALF가 적용된다. 루마 성분의 경우, 신호의 방향 및 활동에 기초하여 각각의 2x2 블록에 대해 25개의 필터들 중 하나가 선택된다.

최대 3개의 원형 대칭 필터 형상들이 루마 성분에 대해 지원된다. 픽처의 루마 성분에 대해 사용되는 필터 형상을 표시하기 위해 픽처 레벨에서 인덱스가 시그널링된다. 픽처 내의 크로마 성분들의 경우, 5x5 다이아몬드 형상 필터가 항상 사용된다.

블록 분류는 각각의 2x2 블록에 적용되고, 이는 로컬 신호 분석(그래디언트들, 방향성)에 기초하여 25개 클래스들 중 하나로 카테고리화된다. 픽처 내의 크로마 성분들 둘 모두에 대해, 어떠한 분류 방법도 적용되지 않는데, 즉, ALF 계수들의 단일 세트가 각각의 크로마 성분에 적용된다.

루마 성분의 필터링 프로세스는 CU 레벨에서 제어될 수 있다. ALF가 CU의 루마 성분에 적용되는지를 표시하기 위한 플래그가 시그널링된다. 크로마 성분의 경우, ALF가 적용되는지는 오직 픽처 레벨에서 표시된다. ALF 필터 파라미터들은 제1 CTU의 SAO 파라미터들 이전에 제1 CTU에서 시그널링된다. 루마 필터 계수들의 최대 25개 세트가 시그널링될 수 있다. 비트 오버헤드를 감소시키기 위해, 상이한 분류의 필터 계수들이 병합될 수 있다. 또한, 기준 픽처들의 ALF 계수들은 현재 픽처의 ALF 계수들로서 재사용될 수 있다.

루프 내 필터링을 수행하기 위해 딥 러닝을 사용할 때 몇몇 작업들이 또한 존재한다. 딥 러닝의 분야는 딥 신경 네트워크들의 사용에 관한 것이다. 신경 네트워크는 계층들로 지칭되는 그룹들에 의해 체계화된 뉴런들을 포함한다. 신경 네트워크에는 입력 계층, 출력 계층 및 은닉 계층(들)이 존재한다. 딥 신경 네트워크는 2개 이상의 은닉 계층들을 갖는다.

비디오 압축은 패턴 인식과 관련된 것으로 고려될 수 있는데, 이는, 압축이 리던던시들을 제거하기 위해 종종 반복 패턴들을 찾기 때문이다. 비디오 압축에서 아티팩트 제거 또는 아티팩트 감소는 원래의 이미지들을 인식하고 복구하는 것으로 고려될 수 있기 때문에, 아티팩트들을 감소시키기 위한 필터들로서 신경 네트워크들을 사용하는 것이 가능하다. 이러한 애플리케이션에서, 아티팩트 감소는 또한 이미지 복구로 지칭되고, 아티팩트들을 감소시키기 위한 신경 네트워크들은 또한 복구 필터들로 지칭될 수 있다.

도 4는 예시적인 M-계층 콘벌루셔널 신경 네트워크를 도시하고, 여기서 필터링 없는 비디오 코덱으로부터의 초기 재구성(

)은 CNN에 의해 컴퓨팅된 잔차 R을 추가함으로써

로서 복구된다. 수학적으로, 네트워크는 다음과 같이 표현될 수 있다:

여기서 W_i 및 B_i는 각각 계층 i에 대한 가중치들 및 바이어스 파라미터들이고, g()는 활성화 함수(예를 들어, S자형 또는 개선된 선형 유닛(ReLU) 함수)이고, *는 콘벌루션 연산을 나타낸다. CNN으로부터의 출력

는 후속 프레임들을 인코딩 또는 디코딩하기 위한 예측자로서 사용될 기준 픽처 버퍼(RPB)에 저장될 수 있다.

W_i 및 B_i, i = {1,..., M}를 포함하는 파라미터 세트 θ는 예를 들어, 다음과 같이, 복구된 이미지들과 원래의 이미지들 사이의 에러에 기초하여 정의되는 손실 함수를 최소화함으로써, K개의 트레이닝 샘플들 { S _k }, k = {1,..., K}로부터 트레이닝될 수 있다.

손실 함수는 또한 수렴을 안정화하거나 과도-피팅(fitting)을 회피하기 위해 다른 항들을 포함할 수 있음에 유의한다. 이러한 정규화 항들은 단순히 에러 함수에 추가될 수 있다.

압축 아티팩트들을 감소시키기 위해, International Conference on Multimedia Modeling, pp. 28-39, Springer, 2017, a CNN-based post-processing algorithm for HEVC에서 Yuanying Dai 등에 의해 "A convolutional neural network approach for post-processing in HEVC intra coding"으로 명명된 문헌에서, 성능을 개선하고 네트워크 트레이닝을 가속화하기 위해 가변 필터 크기 잔차 학습 CNN(VRCNN)이 설계되었다.

특히, 도 5에 도시된 바와 같이, VRCNN은 4-계층 완전 콘벌루셔널 신경 네트워크로서 구조화되고, 여기서 4개의 계층들은 특징부 추출, 특징부 향상, 맵핑 및 재구성에 각각 대응하도록 고려될 수 있다. HEVC에서 가변 크기 변환에 적응하기 위해, 제2 계층은 5x5 및 3x3 필터들(conv2, conv3)의 조합을 사용하고, 제3 계층은 3x3 and 1x1 필터들(conv4, conv5)의 조합을 사용한다. 또한, 아티팩트 감소에서 필터링 이전의 입력 및 필터링 이후의 출력은 통상적으로 유사하기 때문에, 이들 사이의 차이를 학습하는 것이 더 쉽고 더 견고할 수 있다. 따라서, VRCNN은 잔차 학습 기술들을 사용하고, 여기서 CNN은 출력을 직접 학습하기 보다는 출력과 입력 사이의 잔차들을 학습하도록 설계된다.

VRCNN에서 약 50,000개의 파라미터들이 필요하며, 이는 디코더에서 픽셀 당 많은 수의 동작들(즉, 약 50,000개의 곱셈들/가산들)을 초래한다는 점에 유의해야 한다. 즉, VRCNN은 하드웨어 및 전력 소비 측면에서 높은 복잡성을 의미한다.

CNN 계산 복잡성 및/또는 메모리 풋프린트를 감소시키기 위해, 상이한 방법들이 사용될 수 있다. 예를 들어, 파라미터들의 총 수는 감소될 수 있지만, 이것은 네트워크의 성능을 감소시킬 수 있다. 다른 예에서, 0이 아닌 파라미터들의 수는 예를 들어 네트워크 양자화/압축을 통해 감소될 수 있거나, 또는 상이한 가중치들의 수가 감소될 수 있다.

본 실시예들은 이미지 필터링을 위한 멀티-브랜치 CNN에 관한 것이다. 일 실시예에서, 다수의 CNN들이 인코더 측에서 사용되고, 하나의 브랜치만이 디코더 측에서 사용된다. 트레이닝/인코딩과 디코딩 사이의 대칭성을 파괴함으로써, 디코더 측에서의 복잡성이 감소될 수 있다. 본 실시예들은 다른 방법들, 예를 들어 전술한 것들과 함께 구현되어 복잡성을 추가로 감소시킬 수 있다.

도 6a는 CNN이 이미지들의 큰 데이터베이스에 대해 트레이닝되는 것을 도시하고, 여기서 네트워크는 원래의 이미지와의 에러를 최소화함으로써, 인코더에 의해 재구성된 이미지를 복구하려 시도한다. 도 6b는 재구성 이후 이미지들을 복구하기 위해 인코더에서 결과적 CNN이 사용되는 것을 도시한다. 이어서, 복구된 이미지들은 디스플레이되거나, 시퀀스 내의 다른 프레임들을 예측하기 위한 기준으로서 사용될 수 있다. 대칭적으로, 도 6c에 도시된 바와 같은 디코더는 비트스트림을 수신하고, 이미지들을 재구성하고, 동일한 CNN을 사용하여 이미지들을 복구한다.

일 실시예에서, 복잡성을 감소시키기 위해, 트레이닝/인코딩과 디코딩 사이의 대칭성을 파괴할 것을 제안한다. 트레이닝 동안, 다수의 기본 CNN들이 학습된다. 표기의 용이성을 위해, 각각의 기본 CNN은 또한 브랜치로 표기되고, 다수의 CNN들의 전체 세트는 멀티-브랜치 CNN으로 표기된다. 인코더 측에서, 인코더는 사용할 브랜치를 선택하고, 어느 브랜치가 실행될지가 디코더에 시그널링될 수 있다. 디코더 측에서, 오직 선택된 브랜치만이 실행되어, 복잡성을 감소시킬 것이다.

더 일반적으로, 브랜치들의 서브세트가 실행될 수 있다. 따라서, 학습 스테이지가 또한 조정될 수 있는데, 예를 들어, 트레이닝 프로세스는 먼저 몇몇 브랜치들을 획득하기 위해 일 유형의 잡음을 학습하고, 이어서 몇몇 다른 브랜치들을 획득하기 위해 다른 유형의 잡음을 학습할 수 있다. 대안적으로, 기본 CNN들로부터 B개(B>1)의 최상의 브랜치들이 선택될 수 있다.

도 7a는 일 실시예에 따라, 예시적인 멀티-브랜치 CNN에 대한 예시적인 트레이닝 프로세스(700A)를 도시한다. 도 6a에 도시된 것과 유사하게, 이미지들의 큰 데이터베이스(710)가 트레이닝 입력으로서 사용되고, 필터링 없는 인코더(720)로부터의 출력

가 상이한 브랜치들에 대한 입력으로서 사용된다. 여기서, 도 6a에 도시된 바와 같은 CNN이 기본 CNN, 즉, 멀티-브랜치 CNN의 브랜치로서 사용된다.

M개의 가중치들의 하나의 브랜치가 복구 필터를 학습하게 하는 것 대신에, 이제 유사한 성능을 위해 M'개의 가중치들의 N개(N > 1)의 브랜치들을 사용한다. 통상적으로, M'는 M보다 작지만 M/N보다 크다. 한편, M개의 계층들이 각각의 브랜치에 대해 사용되면, 멀티-브랜치 CNN의 성능은 단일 브랜치 CNN보다 양호할 것이다. 즉, 브랜치 당 동일한 복잡성(즉, 디코더 측에서 동일한 복잡성)으로, 멀티-브랜치 CNN을 사용함으로써 성능이 증가될 수 있다. 다른 이점은, 상당히 낮은 한정된 디코더 복잡성을 고려하면, 멀티-브랜치 CNN이 정확하게 트레이닝 및 수렴할 수 있는 반면, 단일 브랜치 CNN은 가중치들의 수가 너무 낮게 때문에 수렴할 수 없다는 점이다.

각각의 기본 CNN i는 원래의 이미지 S 와 필터링된 출력

의 차이에 기초하여 에러 함수(730, 735)를 사용할 수 있다. 트레이닝을 위해, 입력 이미지는 영역들로, 예를 들어 CU들, CTU들 또는 슬라이스들로 분할될 수 있고, 그 영역들에 대해 에러 함수 또는 손실 함수가 계산될 수 있다.

브랜치들 중 하나는 아이덴티티 함수에 대응할 수 있으며, 그 출력은 입력과 동일하고 어떠한 복구도 수행되지 않음에 유의한다. 이러한 브랜치는, 어떠한 브랜치도 만족스러운 복구를 수행하지 못할 때 인코더에 의해 선택될 수 있다.

트레이닝 프로세스 동안, 선택기(740)는 각각의 샘플에 대해, 최상의 브랜치를 선택할 수 있다. 트레이닝 부분 동안 부드럽고 미분가능한 손실 함수(739)를 유지하기 위해, 손실 함수는 각각의 브랜치의 모든 에러들의 가중된 합산(750, 755, 759)으로 구성되며, 최상의 브랜치는 더 큰 가중치 팩터를 갖고, 다른 것들은 더 작은 가중치를 갖는다. 이러한 가중치는 특히 손실 함수가 미분가능할 필요가 있는 역-전파 프로세스 동안 적용된다. 선택 후, 각각의 브랜치에 대한 가중치 팩터(α_i)가 도출된다.

트레이닝 동안, 각각의 브랜치가 특정 복구 문제에서 특화되어 브랜치 당 네트워크에서 필요한 가중치들의 수(W_i)를 감소시키는 것을 관찰하였다. 브랜치 특화는 트레이닝 동안 변경되는 각각의 브랜치에 적용된 가중치 팩터(α_i)를 통해 제어된다. 각각의 브랜치는 주어진 샘플에 적합할 때 더 강력하게 업데이트(특화)되지만, 다른 브랜치들은 또한 오버피팅을 회피하기 위해 약간 업데이트된다. 순방향 패스(pass) 동안 손실 함수가 미분가능할 필요가 없고 네트워크 성능들을 보다 정확하게 추정하는 손실 함수를 원하기 때문에, 역방향 및 순방향 전파 패스들은 비대칭일 수 있다. 이러한 경우, 순방향 패스 동안 가중치 팩터들은, 브랜치들을 배타적으로 선택하고(가중치들은 0 또는 1임) 역방향 패스 동안 비-배타적으로 선택하도록 설정된다.

다음으로, 3개의 CNN 브랜치들 및 하나의 아이덴티티 브랜치를 포함하는 멀티-브랜치 네트워크에 대해, 그래디언트 감소에 기초한 예시적인 트레이닝 프로세스를 설명한다. 평균 제곱 에러(MSE)가 손실 함수에서 사용된다. 각각의 트레이닝된 브랜치는 트레이닝 데이터세트의 특정 서브세트를 감독하며, 조합된 모든 브랜치들은 전체 데이터세트를 커버할 것이다.

멀티-브랜치 CNN을 트레이닝하기 위해, 먼저, 3개의 브랜치들이 아이덴티티 브랜치의 PSNR보다 상당히 높은 PSNR을 가질 때까지, 예를 들어, 그 절반이 DBF+SAO 필터들에 의해 달성될 때 또는 트레이닝 세트의 80%가 아이덴티티 브랜치보다 양호하게 수행할 때까지, 그래디언트는 3개의 CNN 브랜치들(아이덴티티 브랜치는 그래디언트를 가질 수 없음) 상으로 흐를 것이다. 이는 3개의 기본 CNN들이 일부 업데이트들을 얻는 것을 보장하기 위한 것이다. 이러한 단계가 수행하지 않았다면, 시작부에서, 아이덴티티 브랜치가 모든 샘플들에 대한 최상의 MSE를 갖기 때문에, 그래디언트는 거의 또는 전혀 다른 브랜치들로 이동하지 않아서 전혀 트레이닝되지 않은 네트워크를 초래할 것이다.

이어서 최상의 MSE를 가진 브랜치는 불변인 그래디언트를 얻고 다른 모든 브랜치들은 1 미만인 가중치 팩터가 곱해진 그래디언트를 얻는다. 이는, 그래디언트가 각각의 브랜치에서 전파되는 것(즉, α = 0을 갖지 않음)을 도와서, 트레이닝 세트의 오직 매우 적은 샘플들을 취함으로써 브랜치가 오버피팅되는 것을 방지하기 위한 것이다.

또한, 이는 네트워크가 잘 수행되지 않는 브랜치를 업데이트하는 것을 방지할 수 있다. 제3 브랜치에 대해 어떠한 샘플도 남기지 않고 2개의 브랜치들이 데이터세트에 매우 적합할 것을 가정할 수 있다. 가중치 팩터 a를 이용하여, 제3 브랜치는, 이러한 브랜치가 최상의 결과들을 얻는 샘플들이 존재할 때까지 전체 데이터세트에 대해 매우 느리게 업데이트할 것이다. 실험들로부터, α = 0.05의 값을 이용하여, 3개의 브랜치들 모두가 데이터세트의 상당한 부분을 처리함을 알 수 있다. 아이덴티티 브랜치는 데이터세트의 매우 작은 부분(약 2-3 %)을 얻고, 이는 아웃라이어들임을 가정할 수 있다.

예를 들어, 약 33000개의 파라미터들을 갖는 단일 브랜치 CNN의 경우, 트레이닝 이후, 4.41%의 BD-레이트(

델타 레이트) 감소를 획득한다. 멀티-브랜치 버전에 대해 동일한 CNN 구조 및 파라미터들을 이용하면, BD-레이트 감소는 4.54%이다. 단일 브랜치 CNN에 있어서, 약 98000개의 파라미터들 및 4.85%의 BD-레이트 감소를 갖는 동일한 조건을 사용하여 최대 성능에 도달한다. 멀티-브랜치 CNN을 사용하면, 약 90000개의 파라미터들 및 최대 4.91% BD-레이트 감소로 최대값에 도달되었다. 더 흥미롭게도, 브랜치 특화 때문에, 단일 브랜치 CNN가 트레이닝불가능한 지점까지, 가중치들의 수를 브랜치 당 약 6000개의 파라미터들로 감소시킬 수 있다.(또한 성능들을 3.55%의 BD-레이트로 감소시킬 수 있다).

도 7b는 일 실시예에 따라, 도 7a의 트레이닝된 CNN에 대응하는 멀티-브랜치 CNN을 사용하는 예시적인 인코딩 프로세스(700B)를 예시한다. 여기서 기본 CNN 브랜치는 코딩 유닛(CU) 레벨에서 선택되는 것으로 고려한다. 인코딩 동안, 특정 CU의 샘플들이 브랜치에서 카테고리화된다. 예를 들어, 레이트-왜곡(RD) 메트릭(760, 765)에 따른 최상의 브랜치(761, 762)가 선택되고(770), 브랜치 인덱스 i는 CU 당 비트스트림에서 인코딩된다(725). 인코더에서의 선택기(770)는 트레이닝 동안 사용된 선택기(740)와 동일하지 않을 수 있음에 유의해야 한다. 트레이닝 동안에는, 오직 MSE에만 기초하여 최상의 브랜치를 선택하지만, 인코딩 동안에는 RD 비용(예를 들어, MSE + 인덱스의 코딩 비용)을 사용할 수 있다.

이어서, 최상의 브랜치의 복구는 이러한 특정 CU에 대한 인코더에 의해 제1 기본 CNN의 출력(

)으로서 선택된다. 복구된 결과는 RPB에 저장되어 후속 프레임들에 대한 또는 블록 코딩 루프에서 적용되는 경우 다른 블록들에 대한 예측자로서 사용될 수 있다. 실험에서, 하나의 브랜치가 지배적, 즉, 다른 브랜치들보다 더 자주 선택되는데, 이는 가능하게는, 이러한 브랜치가 공통 아티팩트들에서 특화되기 때문이다.

대안적으로, 브랜치는 상이한 레벨, 예를 들어 코딩 블록(CB) 레벨(즉, 컴포넌트마다), 코딩 트리 유닛(CTU) 레벨, 슬라이스 레벨 또는 프레임 레벨에서 선택 및 시그널링될 수 있다. 다른 실시예에서, 인코더 또는 디코더 둘 모두는 이웃한 캐주얼 샘플들에 기초하여 명시적 시그널링없이 어느 브랜치를 사용할지를 판정할 수 있다. 예를 들어, CNN은 어느 브랜치를 사용할지를 판정하기 위해 사용될 수 있다.

도 7c는 일 실시예에 따라, 도 7a의 트레이닝된 CNN에 대응하는 멀티-브랜치 CNN을 사용하는 예시적인 디코딩 프로세스(700C)를 예시한다. 디코딩 동안, 주어진 CU(또는 CB, CTU, 슬라이스 또는 프레임)에 대해 브랜치 번호가 디코딩되고(780), 오직 이러한 브랜치(791, 792)만이 필터링 없이 디코딩된 이미지에 기초하여 복구를 수행하도록 선택된다(790). 복구된 결과는 RPB에 저장되어 후속 프레임들에 대한 또는 다른 블록들에 대한 예측자로서 사용될 수 있다.

도 7a, 도 7b 및 도 7c에서, 트레이닝 프로세스 및 대응하는 인코딩 및 디코딩 프로세스들은 예시적인 멀티-브랜치 CNN을 사용하여 예시된다. 이러한 예시적인 멀티-브랜치 CNN은 브랜치들의 수에 비례하는 트레이닝 시간을 가져서, 많은 수의 브랜치들, 예를 들어 16개 또는 32개의 브랜치들로 트레이닝하는 것을 값비싸게 한다. 트레이닝 시간을 감소시키기 위해, 오직 일부 계층들만을 브랜치마다 상이하게 할 수 있다.

도 8은 일 실시예에 따른 다른 예시적인 멀티-브랜치 CNN을 사용하는 다른 트레이닝 프로세스(800)를 예시한다. 이러한 예에서, 멀티-브랜치 CNN은 시작부에서, 브랜치들이 동일한 계층들을 공유하는 공통 부분(부분 P(825))을 포함한다. 모든 브랜치들에 의해 공유되는 공통 계층들은 또한 네트워크의 종료부(부분 P)에 있을 수 있다.

도 5에 도시된 VRCNN의 경우, 제2 및 제3 계층들은 각각 2개의 필터들, 즉 제2 계층의 경우 conv2 및 conv3, 그리고 제3 계층의 경우 conv4 및 conv5를 사용한다. 하나의 계층에 사용된 이러한 2개의 필터들은 전술한 바와 같이 기본 CNN 또는 브랜치의 개념과 상이함에 유의해야 한다. 멀티-브랜치 CNN에서, 각각의 기본 CNN은 단독으로 초기 재구성의 필터링 및 복구된 이미지의 출력을 독립적으로 수행할 수 있고, 디코더 측에서, 오직 하나의 브랜치(또는 브랜치들의 서브세트)가 구현된다. 그러나, 필터들 둘 모두(conv2 및 conv3 또는 conv4 및 conv5)은 VRCNN의 일부이며 이러한 필터들 중 단일 필터는 전체 루프 내 필터링 프로세스의 중간 단계만을 수행할 수 있다. 즉, 이러한 필터들은 루프 내 필터링을 수행하기 위해 종종 다른 필터들과 조합하여 함께 사용될 필요가 있다. 결과적으로, 디코더 측에서, conv2 및 conv3, 또는 conv4 및 conv5는 서로 배타적이지 않으며 각각의 샘플에 대해 수행될 필요가 있으므로, 제안된 방법으로서 디코더 복잡성을 감소시키지 않는다.

위에서, 복구된 이미지를 획득하기 위해 초기 재구성된 버전에 대해 필터링이 설명되었다. 필터링이 블록 레벨(즉, CB, CU 또는 CTU) 또는 슬라이스 레벨에서 수행될 때, 필터링은 복구된 블록 또는 슬라이스를 획득하기 위해 블록 또는 슬라이스에서 수행된다는 것을 이해해야 한다. 또한, 설명은 주로 루마 성분에 관한 것이지만, 본 실시예들은 크로마 성분들에 적용될 수 있다.

전술한 바와 같이 멀티-브랜치 CNN은 M' 계층들을 각각 갖는 N개의 브랜치들을 포함하고, M>M' 계층들을 갖는 단일 브랜치 CNN과 유사한 아티팩트 감소 성능을 가질 수 있다. 그러나, 단일 브랜치 CNN을 N개의 브랜치들로 분해함으로써, 네트워크 성능을 감소시키지 않고 디코더 복잡성이 감소될 수 있다. 예를 들어, 4개의 기본 CNN들이 있을 때, 유사한 성능을 얻기 위해, 각각의 브랜치는 0.75 * M개의 가중치들을 사용할 수 있으며 디코더 복잡성은 대응하는 단일 브랜치 CNN의 약 0.75이다. 더 짧은 기본 CNN들은 또한 트레이닝 프로세스를 수렴하기 더 쉽게 한다. 또한, 멀티-브랜치 CNN은 유연하고 확장가능한데, 이는, 브랜치들의 수가, 어느 정도 제한까지, 최대 허용가능한 디코더 복잡성에 따라 판정될 수 있기 때문이다.

위에서, 루프 내 필터링에 대한 멀티-브랜치 CNN을 설명한다. 본 실시예들은 또한, 렌더링 이전의 이미지 품질을 향상시키기 위해 코딩 루프 외부의 또는 필터링이 적용될 수 있는 다른 모듈들의 포스트-프로세싱에 적용될 수 있다.

위에서, 브랜치에 대한 기본 CNN으로서 VRCNN을 사용한다. 일반적으로, 멀티-브랜치 CNN 내의 기본 CNN들은 동일한 구조를 가질 수 있다. 다른 실시예들에서, 상이한 기본 CNN들은 상이한 수의 계층들 또는 심지어 상이한 구조를 가질 수 있다. 여기서, CNN의 구조는 계층들의 수, 연결들 및 계층들의 유형에 기초하여 정의될 수 있다. 일부 실시예에서, 일부 브랜치들은 비-콘벌루셔널 신경 네트워크들일 수 있다. 위에서, MSE는 예시적인 실시예들에서 손실 함수를 계산하기 위해 사용된다. 그러나, 개념적 미분가능 메트릭, 예를 들어, MS-SSEVI와 같은 다른 에러 함수들이 손실 함수에 대해 사용될 수 있다.

위에서, HEVC 비디오 인코더 또는 디코더 내의 루프 내 필터들(165, 265)과 같은 모든 루프 내 필터들은 멀티-브랜치 CNN으로 대체되는 것을 가정한다. 다른 실시예에서, 멀티-브랜치 CNN은 병렬로 또는 연속적으로 다른 루프 내 필터들과 함께 사용될 수 있다. 또한, 멀티-브랜치 접근법이 블록 레벨에서 적용될 때 블록 자체로부터의 정보를 사용하기 때문에, 멀티-브랜치 네트워크는, 양방향 필터가 RDO 판정에서 테스트되는 방법과 유사하게 RDO 판정에서 사용될 수 있다.

다양한 방법들이 앞서 설명되었고, 방법들 각각은 설명된 방법을 달성하기 위한 하나 이상의 단계들 또는 동작들을 포함한다. 방법의 적절한 동작을 위해 단계들 또는 동작들의 특정 순서가 요구되지 않으면, 특정 단계들 및/또는 동작들의 순서 및/또는 사용은 수정되거나 결합될 수 있다.

본 출원에서, 다양한 수치 값들, 예를 들어, 계층들의 수 또는 브랜치들의 수가 사용된다. 특정 값들은 예시적인 목적들이며, 본 실시예들은 이러한 특정 값들로 제한되지 않음을 유의해야 한다.

위에서, 다양한 실시예들이 JVET 및 HEVC 표준에 대해 설명된다. 그러나, 본 실시예들은 JVET 또는 HEVC로 제한되지 않으며 다른 표준들, 추천들 및 이들의 확장들에 적용될 수 있다. 앞서 설명된 다양한 실시예들은 개별적으로 또는 조합하여 사용될 수 있다.

도 9는 예시적인 실시예들의 다양한 양태들이 구현될 수 있는 예시적인 시스템의 블록도를 예시한다. 시스템(900)은 아래에서 설명되는 다양한 컴포넌트들을 포함하는 디바이스로서 구현될 수 있고, 앞서 설명된 프로세스들을 수행하도록 구성된다. 이러한 디바이스들의 예들은, 개인용 컴퓨터들, 랩탑 컴퓨터들, 스마트폰들, 태블릿 컴퓨터들, 디지털 멀티미디어 셋탑 박스들, 디지털 텔레비전 수신기들, 개인용 비디오 레코딩 시스템들, 연결된 가전 제품들 및 서버들을 포함하지만 이에 제한되는 것은 아니다. 시스템(900)은, 도 9에 도시되고 전술된 예시적인 비디오 시스템을 구현하기 위해 본 기술분야의 통상의 기술자들에게 공지된 바와 같이 통신 채널을 통해 다른 유사한 시스템들 및 디스플레이에 통신가능하게 결합될 수 있다.

시스템(900)은 앞서 논의된 바와 같이 다양한 프로세스들을 구현하기 위해 로딩된 명령어들을 실행하도록 구성되는 적어도 하나의 프로세서(910)를 포함할 수 있다. 프로세서(910)는 본 기술분야에 공지된 바와 같이 내장 메모리, 입력 출력 인터페이스 및 다양한 다른 회로들을 포함할 수 있다. 시스템(900)은 또한 적어도 하나의 메모리(920)(예를 들어, 휘발성 메모리 디바이스, 비휘발성 메모리 디바이스)를 포함할 수 있다. 시스템(900)은 추가적으로 EEPROM, ROM, PROM, RAM, DRAM, SRAM, 플래시, 자기 디스크 드라이브 및/또는 광 디스크 드라이브를 포함하지만 이에 제한되는 것은 아닌 비휘발성 메모리를 포함할 수 있는 저장 디바이스(920)를 포함할 수 있다. 저장 디바이스(940)는 비제한적 예들로서, 내부 저장 디바이스, 부착된 저장 디바이스 및/또는 네트워크 액세스가능한 저장 디바이스를 포함할 수 있다. 시스템(900)은 또한 인코딩된 비디오 또는 디코딩된 비디오를 제공하기 위해 데이터를 프로세싱하도록 구성된 인코더/디코더 모듈(930)을 포함할 수 있다.

인코더/디코더 모듈(930)은 인코딩 및/또는 디코딩 기능들을 수행하기 위해 디바이스에 포함될 수 있는 모듈(들)을 표현한다. 공지된 바와 같이, 디바이스는 인코딩 및 디코딩 모듈들 중 하나 또는 둘 모두를 포함할 수 있다. 추가적으로, 인코더/디코더 모듈(930)은 시스템(900)의 개별 요소로서 구현될 수 있거나 또는 본 기술분야의 통상의 기술자들에게 공지된 바와 같이 하드웨어 및 소프트웨어의 조합으로서 프로세서(910) 내에 통합될 수 있다.

앞서 설명된 다양한 프로세스들을 수행하기 위해 프로세서(910) 상에 로딩될 프로그램 코드는 저장 디바이스(940)에 저장될 수 있고, 후속적으로 프로세서(910)에 의한 실행을 위해 메모리(920) 상에 로딩될 수 있다. 예시적인 실시예들에 따르면, 프로세서(들)(910), 메모리(920), 저장 디바이스(940) 및 인코더/디코더 모듈(930) 중 하나 이상은 입력 비디오, 디코딩된 비디오, 비트스트림, 방정식들, 공식, 매트릭스들, 변수들, 동작들 및 연산 로직을 포함하지만 이에 제한되는 것은 아닌, 앞서 본원에 논의된 프로세스들의 수행 동안 다양한 아이템들 중 하나 이상을 저장할 수 있다.

시스템(900)은 또한 통신 채널(960)을 통해 다른 디바이스들과의 통신을 가능하게 하는 통신 인터페이스(950)를 포함할 수 있다. 통신 인터페이스(950)는 통신 채널(960)로부터 데이터를 송신 및 수신하도록 구성된 트랜시버를 포함할 수 있지만, 이에 제한되는 것은 아니다. 통신 인터페이스는 모뎀 또는 네트워크 카드를 포함할 수 있지만 이에 제한되는 것은 아니며, 통신 채널은 유선 및/또는 무선 매체 내에서 구현될 수 있다. 시스템(900)의 다양한 컴포넌트들은, 내부 버스들, 와이어들 및 인쇄 회로 기판들을 포함하지만 이에 제한되는 것은 아닌 다양한 적절한 연결들을 사용하여 함께 연결되거나 통신가능하게 결합될 수 있다.

예시적인 실시예들은 프로세서(910)에 의해 또는 하드웨어에 의해, 또는 하드웨어와 소프트웨어의 조합에 의해 구현되는 컴퓨터 소프트웨어에 의해 수행될 수 있다. 비제한적인 예로서, 예시적인 실시예들은 하나 이상의 집적 회로들에 의해 구현될 수 있다. 메모리(920)는 기술적인 환경에 적합한 임의의 유형일 수 있고, 임의의 적합한 데이터 저장 기술, 예를 들어, 비제한적인 예들로서, 광 메모리 디바이스들, 자기 메모리 디바이스들, 반도체 기반 메모리 디바이스들, 고정 메모리 및 착탈식 메모리를 사용하여 구현될 수 있다. 프로세서(910)는 기술적인 환경에 적합한 임의의 유형일 수 있고, 비제한적 예들로서 마이크로프로세서들, 범용 컴퓨터들, 특수 목적 컴퓨터들 및 멀티-코어 아키텍처에 기초한 프로세서들 중 하나 이상을 포함할 수 있다.

본원에서 설명되는 구현들은, 예를 들어, 방법 또는 프로세스, 장치, 소프트웨어 프로그램, 데이터 스트림 또는 신호에서 구현될 수 있다. 오직 단일 형태의 구현의 상황에서 논의되는(예를 들어, 오직 방법으로서만 논의되는) 경우에도, 논의되는 특징들의 구현은 또한 다른 형태들(예를 들어, 장치 또는 프로그램)로 구현될 수 있다. 장치는 예를 들어, 적절한 하드웨어, 소프트웨어 및 펌웨어로 구현될 수 있다. 예를 들어, 방법들은, 예를 들어, 컴퓨터, 마이크로프로세서, 집적 회로 또는 프로그래밍가능 로직 디바이스를 포함하는 일반적인 프로세싱 디바이스들을 지칭하는, 예를 들어, 프로세서와 같은 장치로 구현될 수 있다. 프로세서들은 또한, 예를 들어, 컴퓨터들, 셀 폰들, 휴대용/개인 휴대 정보 단말("PDA들"), 및 최종 사용자들 사이에서 정보의 통신을 용이하게 하는 다른 디바이스들과 같은 통신 디바이스들을 포함한다.

"일 실시예" 또는 "실시예" 또는 "일 구현" 또는 "구현" 뿐만 아니라 이들의 다른 변화예들에 대한 참조는, 실시예와 관련하여 설명되는 특정한 특징, 구조, 특성 등이 적어도 하나의 실시예에 포함되는 것을 의미한다. 따라서, 본 명세서 전반에 걸친 다양한 위치들에서 등장하는 어구 "일 실시예에서" 또는 "실시예에서" 또는 "일 구현에서" 또는 "구현에서" 뿐만 아니라 다른 변화예들은, 반드시 동일한 실시예 전부를 참조할 필요는 없다.

추가적으로, 본 출원 또는 본 출원의 청구항들은, 정보의 다양한 조각들을 "결정"하는 것을 참조할 수 있다. 정보를 결정하는 것은, 예를 들어, 정보를 추정하는 것, 정보를 계산하는 것, 정보를 예측하는 것 또는 메모리로부터 정보를 조회하는 것 중 하나 이상을 포함할 수 있다.

추가적으로, 본 출원 또는 본 출원의 청구항들은, 정보의 다양한 조각들에 "액세스"하는 것을 참조할 수 있다. 정보에 액세스하는 것은, 예를 들어, 정보를 수신하는 것, (예를 들어, 메모리로부터) 정보를 조회하는 것, 정보를 저장하는 것, 정보를 프로세싱하는 것, 정보를 송신하는 것, 정보를 이동시키는 것, 정보를 카피하는 것, 정보를 소거하는 것, 정보를 계산하는 것, 정보를 결정하는 것, 정보를 예측하는 것 또는 정보를 추정하는 것 중 하나 이상을 포함할 수 있다.

추가적으로, 본 출원 또는 본 출원의 청구항들은, 정보의 다양한 조각들을 "수신"하는 것을 참조할 수 있다. 수신하는 것은, "액세스하는 것"에서와 같이 광의의 용어로 의도된다. 정보를 수신하는 것은, 예를 들어, 정보에 액세스하는 것 또는 (예를 들어, 메모리로부터) 정보를 조회하는 것 중 하나 이상을 포함할 수 있다. 추가적으로, "수신하는 것"은 통상적으로, 예를 들어, 정보를 저장하는 것, 정보를 프로세싱하는 것, 정보를 송신하는 것, 정보를 이동시키는 것, 정보를 카피하는 것, 정보를 소거하는 것, 정보를 계산하는 것, 정보를 결정하는 것, 정보를 예측하는 것 또는 정보를 추정하는 것과 같은 동작들 동안 하나의 방식 또는 다른 방식으로 수반된다.

본 기술분야의 통상의 기술자에게 자명할 바와 같이, 구현들은, 예를 들어, 저장 또는 송신될 수 있는 정보를 반송하도록 포맷된 다양한 신호들을 생성할 수 있다. 정보는, 예를 들어, 방법을 수행하기 위한 명령어들, 또는 설명된 구현들 중 하나에 의해 생성되는 데이터를 포함할 수 있다. 예를 들어, 신호는, 설명된 실시예의 비트스트림을 반송하도록 포맷될 수 있다. 이러한 신호는, 예를 들어, (예를 들어, 스펙트럼의 무선 주파수 부분을 사용하는) 전자기 파로서 또는 기저대역 신호로서 포맷될 수 있다. 포맷은, 예를 들어, 데이터 스트림을 인코딩하는 것 및 인코딩된 데이터 스트림과 캐리어를 변조하는 것을 포함할 수 있다. 신호가 반송하는 정보는, 예를 들어, 아날로그 또는 디지털 정보일 수 있다. 신호는, 공지된 바와 같이, 다양한 상이한 유선 또는 무선 링크들을 통해 송신될 수 있다. 신호는 프로세서-판독가능 매체 상에 저장될 수 있다.

Claims

비디오 인코딩을 위한 방법으로서,
이미지 블록의 제1 재구성된 버전을 결정하는 단계; 및
상기 이미지 블록의 제2 재구성된 버전을 형성하기 위해, 복수의 브랜치들로부터의 브랜치를 사용하여, 상기 이미지 블록의 상기 제1 재구성된 버전을 필터링하는 단계
를 포함하고, 상기 복수의 브랜치들 중 하나 이상은 개개의 신경 네트워크들에 기초하는 방법.
비디오 디코딩을 위한 방법으로서,
이미지 블록의 제1 재구성된 버전을 획득하는 단계;
복수의 브랜치들로부터의 브랜치가 상기 이미지 블록의 상기 제1 재구성된 버전을 프로세싱하기 위해 사용될 것을 표시하는 정보에 액세스하는 단계 - 상기 복수의 브랜치들 중 둘 이상은 개개의 신경 네트워크들에 기초함 -; 및
상기 이미지 블록의 제2 재구성된 버전을 형성하기 위해 상기 표시된 브랜치를 사용하여, 상기 이미지 블록의 상기 제1 재구성된 버전을 필터링하는 단계
를 포함하는 방법.
비디오 인코딩을 위한 장치로서,
적어도 메모리 및 상기 적어도 메모리에 결합된 하나 이상의 프로세서들을 포함하고, 상기 하나 이상의 프로세서들은,
이미지 블록의 제1 재구성된 버전을 결정하고;
상기 이미지 블록의 제2 재구성된 버전을 형성하기 위해, 복수의 브랜치들로부터의 브랜치를 사용하여, 상기 이미지 블록의 상기 제1 재구성된 버전을 필터링하도록
구성되고, 상기 복수의 브랜치들 중 하나 이상은 개개의 신경 네트워크들에 기초하는 장치.
비디오 디코딩을 위한 장치로서,
적어도 메모리 및 상기 적어도 메모리에 결합된 하나 이상의 프로세서들을 포함하고, 상기 하나 이상의 프로세서들은,
이미지 블록의 제1 재구성된 버전을 획득하고;
복수의 브랜치들로부터의 브랜치가 상기 이미지 블록의 상기 제1 재구성된 버전을 프로세싱하기 위해 사용될 것을 표시하는 정보에 액세스하고 - 상기 복수의 브랜치들 중 하나 이상은 개개의 신경 네트워크들에 기초함 -;
상기 이미지 블록의 제2 재구성된 버전을 형성하기 위해 상기 표시된 브랜치를 사용하여, 상기 이미지 블록의 상기 제1 재구성된 버전을 필터링하도록
구성되는 장치.
제1항 또는 제2항의 방법 또는 제3항 또는 제4항의 장치로서,
상기 신경 네트워크들은 콘벌루셔널 신경 네트워크들인 방법 또는 장치.
제1항, 제2항, 및 제5항 중 어느 한 항의 방법 또는 제3항 내지 제5항 중 어느 한 항의 장치에 있어서,
상기 신경 네트워크들 각각은 단독으로 상기 이미지 블록의 상기 제1 재구성된 버전을 필터링할 수 있는 방법 또는 장치.
제1항, 제2항, 제5항 및 제6항 중 어느 한 항의 방법 또는 제3항 내지 제6항 중 어느 한 항의 장치에 있어서,
상기 복수의 브랜치들은 식별 브랜치를 포함하는 방법 또는 장치.
제1항, 제2항, 및 제5항 내지 제7항 중 어느 한 항의 방법 또는 제3항 내지 제7항 중 어느 한 항의 장치에 있어서,
상기 이미지 블록은 코딩 유닛(CU), 코딩 블록(CB) 또는 코딩 트리 유닛(CTU)에 대응하는 방법 또는 장치.
제1항, 제2항, 및 제5항 내지 제8항 중 어느 한 항의 방법 또는 제3항 내지 제8항 중 어느 한 항의 장치에 있어서,
상기 신경 네트워크들은 하나 이상의 계층들을 공유하는 방법 또는 장치.
제9항의 방법 또는 제9항의 장치로서,
상기 공유된 하나 이상의 계층들은 상기 신경 네트워크들의 시작부 또는 종료부에 있는 방법 또는 장치.
제1항, 제2항, 및 제5항 내지 제10항 중 어느 한 항의 방법 또는 제3항 내지 제10항 중 어느 한 항의 장치에 있어서,
상기 신경 네트워크들은 트레이닝 프로세스를 사용하여 공동으로 트레이닝되고, 상기 신경 네트워크들에 대한 상기 트레이닝 프로세스는 트레이닝 샘플들과 상기 개개의 신경 네트워크들로부터의 출력들 사이의 차이들의 가중된 합산에 기초하는 손실 함수에 기초하는 방법 또는 장치.
제1항, 제2항, 및 제5항 내지 제11항 중 어느 한 항의 방법 또는 제3항 내지 제11항 중 어느 한 항의 장치에 있어서,
하나의 브랜치가 다른 비-아이덴티티 브랜치들(non-identity branches)보다 작은 에러를 가질 때까지 그래디언트 감소를 수행하는 단계; 및
상기 다른 비-아이덴티티 브랜치들의 그래디언트들을 1보다 작은 가중치 팩터만큼 스케일링하는 단계
를 더 포함하거나, 또는 상기 하나 이상의 프로세서들은 상기 단계들을 동작시키도록 추가로 구성되는 방법 또는 장치.
제1항, 제2항, 및 제5항 내지 제12항 중 어느 한 항의 방법 또는 제3항 내지 제12항 중 어느 한 항의 장치에 있어서,
상기 신경 네트워크들은 동일한 구조를 갖는 방법 또는 장치.
비디오 신호로서,
이미지 블록과 상기 이미지 블록의 예측된 블록 사이의 예측 잔차들을 포함하도록 포맷되고;
복수의 브랜치들로부터의 브랜치는 상기 이미지 블록의 재구성된 버전을 필터링하기 위해 사용되고,
상기 복수의 브랜치들 중 하나 이상은 개개의 신경 네트워크들에 기초하고,
이미지 블록의 상기 재구성된 버전은 상기 예측된 블록 및 상기 예측 잔차들에 기초하는 비디오 신호.
컴퓨터 프로그램이 하나 이상의 프로세서들에 의해 실행되는 경우 제1항, 제2항, 및 제5항 내지 제13항 중 어느 한 항에 따른 방법을 수행하기 위한 소프트웨어 코드 명령어들을 포함하는 컴퓨터 프로그램.