KR20220155360A

KR20220155360A - 비디오 스트림에서 신경망 토폴로지, 파라미터들, 및 처리 정보를 시그널링하기 위한 기법

Info

Publication number: KR20220155360A
Application number: KR1020227036050A
Authority: KR
Inventors: 병두 최; 쩌창 리; 웨이 왕; 웨이 장; 스테판 웽어; 산 류
Original assignee: 텐센트 아메리카 엘엘씨
Priority date: 2021-04-12
Filing date: 2021-10-13
Publication date: 2022-11-22
Also published as: JP2023527144A; US20220337857A1; EP4118821A4; CN115668914A; EP4118821A1; US11647216B2; WO2022220866A1

Abstract

비디오 코딩을 위한 방법 및 장치로서, 적어도 하나의 프로세서로 하여금 입력 비디오 스트림을 획득하는 것, 신경망을 사용하여 입력 비디오 스트림에 기초하여 코딩된 비디오 비트스트림을 생성하는 것 - 코딩된 비디오 비트스트림은 복수의 SEI(supplemental enhancement information) 메시지 및 블록을 포함함 -, 신경망과 연관된 복수의 신경망 토폴로지 정보 피스를 결정하는 것, 및 결정된 복수의 신경망 토폴로지 정보 피스를 코딩된 비디오 비트스트림과 연관된 복수의 신택스 요소에서 시그널링하는 것을 수행하게 야기하도록 구성된 컴퓨터 코드를 포함한다.

Description

비디오 스트림에서 신경망 토폴로지, 파라미터들, 및 처리 정보를 시그널링하기 위한 기법

[관련 출원의 상호 참조]

본 출원은 미국 특허상표청에서 2021년 4월 12일자로 출원된 미국 가특허 출원 제63/173,925호 및 2021년 10월 12일자로 출원된 미국 특허 출원 제17/499,007호에 기초하고 이들로부터 우선권을 주장하며, 이들 출원의 내용은 그 전체가 본 명세서에 참고로 포함된다.

ITU-T VCEG(Q6/16) 및 ISO/IEC MPEG(JTC1/SC29/WG11)은 2013(버전 1) 2014(버전 2) 2015(버전 3) 및 2016(버전 4)에서 H.265/HEVC(High Efficiency Video Coding) 표준을 발표하였다. 그 이후로, 이들은 HEVC 표준(그 확장들을 포함함)의 것을 상당히 초과하는 압축 능력을 갖는 미래의 비디오 코딩 기술의 표준화에 대한 잠재적인 필요성을 연구해 왔다. 2017년 10월에, 이들은 HEVC를 넘어서는 능력을 갖는 비디오 압축에 대한 공동 CfP(Call for Proposals)을 발행했다. 2018년 2월 15일에, SDR(standard dynamic range)에 대한 총 22개의 CfP 응답, HDR(high dynamic range)에 대한 12개의 CfP 응답, 및 360개의 비디오 카테고리에 대한 12개의 CfP 응답이 제각기 제출되었다. 2018년 4월에, 모든 수신된 CfP 응답들이 122 MPEG/10번째 JVET(Joint Video Exploration Team-Joint Video Expert Team) 회의에서 평가되었다. 주의 깊은 평가에 의해, JVET는 HEVC를 넘어서는 차세대 비디오 코딩의 표준화, 즉 소위 VVC(Versatile Video Coding)를 공식적으로 론칭하였다. 한편, 중국의 AVS(Audio Video coding Standard)도 진행 중에 있다.

적어도 신경망 기반 코딩의 복잡성으로 인해, 정상 코덱은 신경망이 수반되는 경우 필터링 프로세스들을 잘 수행하지 못할 수 있다. 이와 같이, 압축성, 정확성의 결여, 및 그렇지 않으면 신경망들에 관련된 정보의 불필요한 폐기를 포함하는 기술적 결점들이 존재한다.

예시적인 실시예들에 따르면, 비디오 코딩을 위한 방법이 적어도 하나의 프로세서에 의해 수행되고, 입력 비디오 스트림을 획득하는 단계, 신경망을 사용하여 입력 비디오 스트림에 기초하여 코딩된 비디오 비트스트림을 생성하는 단계 - 코딩된 비디오 비트스트림은 복수의 SEI(supplemental enhancement information) 메시지 및 블록을 포함함 -, 신경망과 연관된 복수의 신경망 토폴로지 정보 피스를 결정하는 단계, 및 결정된 복수의 신경망 토폴로지 정보 피스를 코딩된 비디오 비트스트림과 연관된 복수의 신택스 요소에서 시그널링하는 단계를 포함한다.

예시적인 실시예들에 따르면, 비디오 코딩을 위한 장치로서, 이 장치는: 프로그램 코드를 저장하도록 구성된 적어도 하나의 메모리, 및 프로그램 코드를 판독하고 프로그램 코드에 의해 지시된 대로 동작하도록 구성된 적어도 하나의 프로세서를 포함한다. 프로그램 코드는, 적어도 하나의 프로세서로 하여금 입력 비디오 스트림을 획득하게 야기하도록 구성되는 획득 코드, 적어도 하나의 프로세서로 하여금 신경망을 사용하여 입력 비디오 스트림에 기초하여 코딩된 비디오 비트스트림을 생성하게 야기하도록 구성되는 코딩 코드 - 코딩된 비디오 비트스트림은 복수의 SEI(supplemental enhancement information) 메시지 및 블록을 포함함 -, 적어도 하나의 프로세서로 하여금 신경망과 연관된 복수의 신경망 토폴로지 정보 피스를 결정하게 야기하도록 구성되는 결정 코드, 및 적어도 하나의 프로세서로 하여금 결정된 복수의 신경망 토폴로지 정보 피스를 코딩된 비디오 비트스트림과 연관된 복수의 신택스 요소에서 시그널링하게 야기하도록 구성되는 시그널링 코드를 포함한다.

명령어들을 저장하는 비일시적 컴퓨터 판독가능 매체로서, 명령어들은, 적어도 하나의 프로세서에 의해 실행될 때, 적어도 하나의 프로세서로 하여금, 입력 비디오 스트림을 획득하게 야기하고, 신경망을 사용하여 입력 비디오 스트림에 기초하여 코딩된 비디오 비트스트림을 생성하게 야기하고 - 코딩된 비디오 비트스트림은 복수의 SEI(supplemental enhancement information) 메시지 및 블록을 포함함 -, 신경망과 연관된 복수의 신경망 토폴로지 정보 피스를 결정하게 야기하고, 및 결정된 복수 피스의 신경망 토폴로지 정보를 코딩된 비디오 비트스트림과 연관된 복수의 신택스 요소에서 시그널링하게 야기한다.

도 1은 실시예들에 따른 개략도의 단순화된 예시이다.
도 2는 실시예들에 따른 개략도의 단순화된 예시이다.
도 3은 실시예들에 따른 개략도의 단순화된 예시이다.
도 4는 실시예들에 따른 개략도의 단순화된 예시이다.
도 5는 실시예들에 따른 도면의 단순화된 예시이다.
도 6은 실시예들에 따른 도면의 단순화된 예시이다.
도 7은 실시예들에 따른 도면의 단순화된 예시이다.
도 8은 실시예들에 따른 도면의 단순화된 예시이다.
도 9a는 실시예들에 따른 도면의 단순화된 예시이다.
도 9b는 실시예들에 따른 도면의 단순화된 예시이다.
도 10은 실시예들에 따른 네트워크 구조의 예시이다.
도 11은 컨볼루션 신경망에 대한 선형 계산 그래프의 예시적인 예시이다.
도 12는 NN-추론 출력들의 블록 레벨 선택의 예이다.
도 13은 픽처/블록 레벨 모델에서 RDO(rate-distortion optimization)에 기초한 모델 판정 프로세스의 흐름도이다.
도 14는 실시예들에 따른 NN 프로세스의 장치의 도면이다.
도 15a는 2개의 NN 추론 프로세스의 비교를 예시하는 도면이다.
도 15b는 도 15a의 2개의 NN 추론 프로세스에 의해 사용되는 네트워크 모델의 블록도이다.
도 16은 실시예들에 따른 흐름도의 단순화된 예시이다.
도 17은 실시예들에 따른 흐름도의 단순화된 예시이다.
도 18은 실시예들에 따른 흐름도의 단순화된 예시이다.
도 19는 실시예들에 따른 흐름도의 단순화된 예시이다.
도 20은 실시예들에 따른 흐름도의 단순화된 예시이다.
도 21은 실시예들에 따른 흐름도의 단순화된 예시이다.
도 22는 실시예들에 따른 흐름도의 단순화된 예시이다.
도 23은 실시예들에 따른 개략도의 단순화된 예시이다.

본 개시내용의 실시예들은 HEVC(High Efficiency Video Coding), VVC(Versatile Video Coding), 중국의 AV1&2 또는 AVS(Audio Video coding Standard)와 같은 비디오 코딩 기술들의 하이 레벨 신택스 설계에 관련될 수 있다. 본 개시내용은 신경망 모델들에 의한 사후 필터링을 위해 활용되는 파라미터들 및 신경망 토폴로지의 운반을 위한 하이 레벨 신택스 설계를 제안한다. 2개의 SEI 메시지, 즉 1) 토폴로지 정보 및 압축된 네트워크 파라미터들의 서술(description)의 내부 및 외부 운반, 및 2) 모델들의 픽처 및/또는 블록 레벨 적응적 선택이 본 명세서에서 설명된다. 제안된 신택스 구조의 설계는 코덱-애그노스틱(codec-agnostic) 접근법으로서 SEI에서 특정되는 것을 목표로 하지만, 잠재적으로 유사한 신택스 요소들이 VVC/HEVC/AV1&2/AVS-확장들, 파일 포맷의 메타데이터 트랙 또는 임의의 다른 페이로드 포맷을 목표로 하는 파라미터 세트들에서 특정될 수 있다.

이하에서 논의되는 특징들은 개별적으로 사용되거나 임의의 순서로 조합될 수 있다. 또한, 실시예들은 처리 회로(예를 들어, 하나 이상의 프로세서 또는 하나 이상의 집적 회로)에 의해 구현될 수 있다. 일 예에서, 하나 이상의 프로세서는 비일시적 컴퓨터 판독가능 매체에 저장되는 프로그램을 실행한다.

VVC 및 AVS3에서, 신경망 기반 방법들 및 장치들, 특히 신경망 기반 필터가 제안된다. 신경망 기반 필터의 구조의 예들 중 하나가 이하에 있다.

도 1은 본 개시내용의 실시예에 따른 통신 시스템(100)의 단순화된 블록도를 예시한다. 통신 시스템(100)은 네트워크(105)를 통해 상호접속된 적어도 2개의 단말기(102 및 103)를 포함할 수 있다. 데이터의 단방향 송신을 위해, 제1 단말기(103)는 네트워크(105)를 통해 다른 단말기(102)로 송신하기 위해 비디오 데이터를 로컬 위치에서 코딩할 수 있다. 제2 단말기(102)는 네트워크(105)로부터 다른 단말기의 코딩된 비디오 데이터를 수신할 수 있고, 코딩된 데이터를 디코딩할 수 있고, 복구된 비디오 데이터를 디스플레이할 수 있다. 단방향 데이터 송신은 미디어 서빙 애플리케이션들 등에서 흔한 것일 수 있다.

도 1은, 예를 들어, 영상 회의 동안 발생할 수 있는 코딩된 비디오의 양방향 송신을 지원하기 위해 제공되는 제2 쌍의 단말기들(101 및 104)을 예시한다. 데이터의 양방향 송신을 위해, 각각의 단말기(101 및/또는 104)는 네트워크(105)를 통해 다른 단말기로 송신하기 위해 로컬 위치에서 캡처된 비디오 데이터를 코딩할 수 있다. 각각의 단말기(101 및/또는 104)는 또한 다른 단말기에 의해 송신된 코딩된 비디오 데이터를 수신할 수 있고, 코딩된 데이터를 디코딩할 수 있고, 복구된 비디오 데이터를 로컬 디스플레이 디바이스에서 디스플레이할 수 있다.

도 1에서, 단말기들(101, 102, 103 및/또는 104)은 서버들, 개인용 컴퓨터들 및 스마트폰들로서 예시될 수 있지만, 본 개시내용의 원리들은 그렇게만 제한되지는 않는다. 본 개시내용의 실시예들은 랩톱 컴퓨터들, 태블릿 컴퓨터들, 미디어 플레이어들 및/또는 전용 영상 회의 장비를 이용한 응용 분야를 갖는다. 네트워크(105)는, 예를 들어, 유선 및/또는 무선 통신 네트워크들을 포함하는, 단말기들(101, 102, 103 및 104) 사이에서 코딩된 비디오 데이터를 운반하는 임의 수의 네트워크들을 나타낸다. 통신 네트워크(105)는 회선 교환형(circuit-switched) 및/또는 패킷 교환형(packet-switched) 채널들로 데이터를 교환할 수 있다. 대표적인 네트워크들은 전기통신(telecommunications) 네트워크들, 로컬 영역 네트워크들, 광역 네트워크들 및/또는 인터넷을 포함한다. 본 논의의 목적을 위해, 네트워크(105)의 아키텍처 및 토폴로지는 이하의 본 명세서에서 설명되지 않는 한 본 개시내용의 동작에 중요하지 않을 수 있다.

도 2는, 개시된 주제를 위한 애플리케이션에 대한 예로서, 스트리밍 환경에서 비디오 인코더 및 디코더를 배치하는 것을 예시한다. 개시된 주제는, 예를 들어, 영상 회의, 디지털 TV, CD, DVD, 메모리 스틱 등을 포함하는 디지털 미디어상의 압축 비디오의 저장 등을 포함하는 다른 비디오 인에이블 응용들에 동등하게 적용가능할 수 있다.

스트리밍 시스템은, 예를 들어, 압축되지 않은 비디오 샘플 스트림(213)을 생성하는 비디오 소스(201), 예를 들어, 디지털 카메라를 포함할 수 있는 캡처 서브시스템(203)을 포함할 수 있다. 그 샘플 스트림(213)은 인코딩된 비디오 비트스트림들과 비교할 때 큰 데이터 볼륨으로서 강조될 수 있고, 카메라(201)에 결합된 인코더(202)에 의해 처리될 수 있다. 인코더(202)는 이하에서 더 상세히 설명되는 바와 같이 개시된 주제의 양태들을 가능하게 하거나 구현하기 위한 하드웨어, 소프트웨어, 또는 이들의 조합을 포함할 수 있다. 샘플 스트림과 비교할 때 적은 데이터 볼륨으로서 강조될 수 있는 인코딩된 비디오 비트스트림(204)은 미래의 사용을 위해 스트리밍 서버(205) 상에 저장될 수 있다. 하나 이상의 스트리밍 클라이언트(212 및 207)는 스트리밍 서버(205)에 액세스하여 인코딩된 비디오 비트스트림(204)의 사본들(208 및 206)을 검색할 수 있다. 클라이언트(212)는 인코딩된 비디오 비트스트림(208)의 착신(incoming) 사본을 디코딩하고 디스플레이(209) 또는 다른 렌더링 디바이스 상에 렌더링될 수 있는 발신(outgoing) 비디오 샘플 스트림(210)을 생성하는 비디오 디코더(211)를 포함할 수 있다. 일부 스트리밍 시스템들에서, 비디오 비트스트림들(204, 206 및/또는 208)은 특정 비디오 코딩 표준들 및/또는 비디오 압축 표준들에 따라 인코딩될 수 있다.

도 3은 실시예에 따른 비디오 디코더(300)의 기능 블록도일 수 있다.

수신기(302)는 디코더(300)에 의해 디코딩될 하나 이상의 코덱 비디오 시퀀스를 수신할 수 있다; 동일한 또는 또 다른 실시예에서, 한 번에 하나의 코딩된 비디오 시퀀스 - 각각의 코딩된 비디오 시퀀스의 디코딩은 다른 코딩된 비디오 시퀀스들과 독립적이다. 코딩된 비디오 시퀀스는 인코딩된 비디오 데이터를 저장하는 저장 디바이스에 대한 하드웨어/소프트웨어 링크일 수 있는 채널(301)로부터 수신될 수 있다. 수신기(302)는 인코딩된 비디오 데이터를 다른 데이터, 예를 들어, 코딩된 오디오 데이터 및/또는 보조 데이터 스트림들과 함께 수신할 수 있고, 이들은 그들 각자의 사용 엔티티들에 포워딩될 수 있다. 수신기(302)는 코딩된 비디오 시퀀스를 다른 데이터로부터 분리할 수 있다. 네트워크 지터를 방지하기 위해, 버퍼 메모리(303)가 수신기(302)와 엔트로피 디코더/파서(304)(이후로 "파서(parser)") 사이에 결합될 수 있다. 수신기(302)가 충분한 대역폭 및 제어가능성의 저장/포워드 디바이스로부터 또는 등시 동기 네트워크(isosychronous network)로부터 데이터를 수신할 때, 버퍼(303)는 필요하지 않을 수 있거나 작을 수 있다. 인터넷과 같은 베스트 에포트 패킷 네트워크들 상에서 사용하기 위해, 버퍼(303)가 사용될 수 있고, 비교적 클 수 있고, 유리하게는 적응적 크기를 가질 수 있다.

비디오 디코더(300)는 엔트로피 코딩된 비디오 시퀀스로부터 심벌들(313)을 재구성하기 위한 파서(304)를 포함할 수 있다. 이들 심벌들의 카테고리들은 디코더(300)의 동작을 관리하기 위해 사용되는 정보, 및 디코더의 일체 부분(integral part)은 아니지만 그에 결합될 수 있는 디스플레이(312)와 같은 렌더링 디바이스를 제어하기 위한 잠재적인 정보를 포함한다. 렌더링 디바이스(들)에 대한 제어 정보는 SEI 메시지들(Supplementary Enhancement Information) 또는 비디오 사용성 정보 파라미터 세트 프래그먼트들의 형태일 수 있다. 파서(304)는 수신된 코딩된 비디오 시퀀스를 파싱/엔트로피 디코딩할 수 있다. 코딩된 비디오 시퀀스의 코딩은 비디오 코딩 기술 또는 표준에 따를 수 있고, 가변 길이 코딩, 허프만 코딩, 맥락 민감성(context sensitivity)을 갖거나 갖지 않는 산술 코딩 등을 포함하는 통상의 기술자에게 잘 알려진 원리들을 따를 수 있다. 파서(304)는, 코딩된 비디오 시퀀스로부터, 그룹에 대응하는 적어도 하나의 파라미터에 기초하여, 비디오 디코더에서의 픽셀들의 서브그룹들 중 적어도 하나에 대한 서브그룹 파라미터들의 세트를 추출할 수 있다. 서브그룹들은 픽처 그룹들(Groups of Pictures, GOP들), 픽처들, 타일들, 슬라이스들, 매크로블록들, 코딩 유닛들(CU들), 블록들, 변환 유닛들(TU들), 예측 유닛들(PU들) 등을 포함할 수 있다. 엔트로피 디코더/파서는 또한 코딩된 비디오 시퀀스로부터 변환 계수들, 양자화기 파라미터 값들, 모션 벡터들 등과 같은 정보를 추출할 수 있다.

파서(304)는 버퍼(303)로부터 수신된 비디오 시퀀스에 대해 엔트로피 디코딩/파싱 동작을 수행하여, 심벌들(313)을 생성할 수 있다. 파서(304)는 인코딩된 데이터를 수신하고, 특정 심벌들(313)을 선택적으로 디코딩할 수 있다. 또한, 파서(304)는 특정 심벌들(313)이 모션 보상 예측 유닛(306), 스케일러 및/또는 역 변환 유닛(305), 인트라 예측 유닛(307), 또는 루프 필터(311)에 제공될 것인지를 결정할 수 있다.

심벌들(313)의 재구성은 코딩된 비디오 픽처 또는 그의 부분들(예를 들어, 인터 및 인트라 픽처, 인터 및 인트라 블록), 및 다른 인자들의 타입에 의존하여 다중의 상이한 유닛을 수반할 수 있다. 어느 유닛들이 수반되는지, 및 어떻게 수반되는지는 파서(304)에 의해 코딩된 비디오 시퀀스로부터 파싱된 서브그룹 제어 정보에 의해 제어될 수 있다. 파서(304)와 이하의 다중 유닛 사이의 이러한 서브그룹 제어 정보의 흐름은 명료성을 위해 묘사되지 않는다.

이미 언급된 기능 블록들 이외에, 디코더(300)는 이하에 설명되는 바와 같이 다수의 기능 유닛으로 개념적으로 세분될 수 있다. 상업적 제약 하에서 동작하는 실제 구현에서, 이러한 유닛들 중 다수는 서로 밀접하게 상호작용하고, 적어도 부분적으로 서로 통합될 수 있다. 그러나, 개시된 주제를 설명하기 위해, 이하의 기능 유닛들로의 개념적 세분이 적절하다.

제1 유닛은 스케일러/역 변환 유닛(305)이다. 스케일러/역 변환 유닛(305)은, 파서(304)로부터의 심벌(들)(313)로서, 어느 변환을 사용할지, 블록 크기, 양자화 인자, 양자화 스케일링 행렬들 등을 포함하여, 제어 정보뿐만 아니라 양자화된 변환 계수를 수신한다. 그것은 애그리게이터(aggregator)(310)에 입력될 수 있는 샘플 값들을 포함하는 블록들을 출력할 수 있다.

일부 경우들에서, 스케일러/역변환(305)의 출력 샘플들은 인트라 코딩된 블록에 관련될 수 있다; 즉: 이전에 재구성된 픽처들로부터의 예측 정보를 이용하는 것이 아니라, 현재 픽처의 이전에 재구성된 부분들로부터의 예측 정보를 이용할 수 있는 블록. 이러한 예측 정보는 인트라 픽처 예측 유닛(307)에 의해 제공될 수 있다. 일부 경우들에서, 인트라 픽처 예측 유닛(307)은 현재 (부분적으로 재구성된) 픽처(309)로부터 페치된 주위의 이미 재구성된 정보를 이용하여, 재구성 하에 있는 블록의 동일한 크기 및 형상의 블록을 생성한다. 애그리게이터(310)는, 일부 경우들에서, 샘플당 기준으로, 인트라 예측 유닛(307)이 생성한 예측 정보를 스케일러/역 변환 유닛(305)에 의해 제공된 출력 샘플 정보에 추가한다.

다른 경우들에서, 스케일러/역 변환 유닛(305)의 출력 샘플들은 인터 코딩된 및 잠재적으로 모션 보상된 블록에 관한 것일 수 있다. 이러한 경우에, 모션 보상 예측 유닛(306)은 참조 픽처 메모리(308)에 액세스하여 예측을 위해 사용되는 샘플들을 페치할 수 있다. 블록에 관련된 심벌들(313)에 따라 페치된 샘플들을 모션 보상한 후에, 이들 샘플은 애그리게이터(310)에 의해 스케일러/역 변환 유닛의 출력(이 경우 잔차 샘플들 또는 잔차 신호라고 불림)에 추가되어 출력 샘플 정보를 생성할 수 있다. 모션 보상 유닛이 그로부터 예측 샘플들을 페치하는 참조 픽처 메모리 내의 어드레스들은, 예를 들어 X, Y, 및 참조 픽처 컴포넌트들을 가질 수 있는 심벌들(313)의 형식으로 모션 보상 예측 유닛에 이용가능한 모션 벡터들에 의해 제어될 수 있다. 모션 보상은 또한 서브샘플 정확한 모션 벡터들이 사용 중일 때 참조 픽처 메모리로부터 페치된 샘플 값들의 보간, 모션 벡터 예측 메커니즘, 및 등등을 포함할 수 있다.

애그리게이터(310)의 출력 샘플들은 루프 필터 유닛(311)에서의 다양한 루프 필터링 기법들을 겪을 수 있다. 비디오 압축 기술들은 코딩된 비디오 비트스트림에 포함된 파라미터들에 의해 제어되고 파서(304)로부터의 심벌들(313)로서 루프 필터 유닛(311)에 이용가능하게 되는 인-루프 필터(in-loop filter) 기술들을 포함할 수 있지만, 코딩된 픽처 또는 코딩된 비디오 시퀀스의 이전(디코딩 순서로) 부분들의 디코딩 동안 획득된 메타-정보에 응답할 뿐만 아니라, 이전에 재구성된 및 루프-필터링된 샘플 값들에 응답할 수도 있다.

루프 필터 유닛(311)의 출력은 렌더링 디바이스(312)에 출력될 뿐만 아니라 미래의 인터-픽처 예측에서 사용하기 위해 참조 픽처 메모리(557)에 저장될 수도 있는 샘플 스트림일 수 있다.

특정 코딩된 픽처들은, 완전히 재구성되면, 미래 예측을 위한 참조 픽처들로서 사용될 수 있다. 일단 코딩된 픽처가 완전히 재구성되고 코딩된 픽처가 참조 픽처로서 식별되면(예를 들어, 파서(304)에 의해), 현재 참조 픽처(309)는 참조 픽처 버퍼(308)의 일부가 될 수 있고, 다음의 코딩된 픽처의 재구성을 개시하기 전에 새로운 현재 픽처 메모리가 재할당될 수 있다.

비디오 디코더(300)는 ITU-T Rec. H.265와 같은 표준에 문서화될 수 있는 미리 결정된 비디오 압축 기술에 따라 디코딩 동작들을 수행할 수 있다. 코딩된 비디오 시퀀스는, 이것이 비디오 압축 기술 문서 또는 표준 및 구체적으로 그 가운데 프로필 문서에 특정된 대로 비디오 압축 기술 또는 표준의 신택스(syntax)를 고수한다는 점에서, 사용되는 비디오 압축 기술 또는 표준에 의해 특정된 신택스를 준수할 수 있다. 또한 준수를 위해 필요한 것은 코딩된 비디오 시퀀스의 복잡성이 비디오 압축 기술 또는 표준의 레벨에 의해 정의된 경계 내에 있는 것일 수 있다. 일부 경우들에서, 레벨들은 최대 픽처 크기, 최대 프레임 레이트, 최대 재구성 샘플 레이트(예를 들어, 초당 메가샘플수로 측정됨), 최대 참조 픽처 크기 등을 제한한다. 레벨들에 의해 설정된 한계들은, 일부 경우들에서, HRD(Hypothetical Reference Decoder) 사양들 및 코딩된 비디오 시퀀스에서 시그널링된 HRD 버퍼 관리를 위한 메타데이터를 통해 추가로 제한될 수 있다.

실시예에서, 수신기(302)는 인코딩된 비디오와 함께 추가적인 (중복) 데이터를 수신할 수 있다. 추가적인 데이터는 코딩된 비디오 시퀀스(들)의 일부로서 포함될 수 있다. 이 추가적인 데이터는 데이터를 적절히 디코딩하고 및/또는 원래의 비디오 데이터를 더 정확하게 재구성하기 위해 비디오 디코더(300)에 의해 사용될 수 있다. 추가적인 데이터는 예를 들어, 시간, 공간, 또는 신호 대 잡음 비(SNR) 향상 계층들, 중복 슬라이스들, 중복 픽처들, 순방향 오류 정정 코드들, 및 등등의 형식일 수 있다.

도 4는 본 개시내용의 실시예에 따른 비디오 인코더(400)의 기능 블록도이다.

인코더(400)는 인코더(400)에 의해 코딩될 비디오 이미지(들)를 캡처할 수 있는 비디오 소스(401)(인코더의 일부가 아님)로부터 비디오 샘플들을 수신할 수 있다.

비디오 소스(401)는, 임의의 적합한 비트 심도(예를 들어: 8 비트, 10 비트, 12 비트,...), 임의의 컬러 공간(예를 들어, BT.601 Y CrCB, RGB,...), 및 임의의 적합한 샘플링 구조(예를 들어, Y CrCb 4:2:0, Y CrCb 4:4:4)의 것일 수 있는 디지털 비디오 샘플 스트림의 형태로 인코더(303)에 의해 코딩될 소스 비디오 시퀀스를 제공할 수 있다. 미디어 서빙 시스템에서, 비디오 소스(401)는 이전에 준비된 비디오를 저장하는 저장 디바이스일 수 있다. 영상 회의 시스템에서, 비디오 소스(401)는 비디오 시퀀스로서 로컬 이미지 정보를 캡처하는 카메라일 수 있다. 비디오 데이터는 순차적으로 볼 때 모션을 부여하는 복수의 개별 픽처로서 제공될 수 있다. 픽처들 자체는 픽셀들의 공간 어레이로서 조직될 수 있고, 여기서 각각의 픽셀은 사용 중인 샘플링 구조, 컬러 공간 등에 의존하여 하나 이상의 샘플을 포함할 수 있다. 본 기술분야의 통상의 기술자는 픽셀들과 샘플들 사이의 관계를 쉽게 이해할 수 있다. 이하의 설명은 샘플들에 초점을 맞춘다.

실시예에 따르면, 인코더(400)는 소스 비디오 시퀀스의 픽처들을 실시간으로 또는 원하는 대로 임의의 다른 시간 제약들 하에서 코딩된 비디오 시퀀스(410)로 코딩 및 압축할 수 있다. 적절한 코딩 속도를 시행하는 것은 컨트롤러(402)의 하나의 기능이다. 컨트롤러는 후술하는 바와 같이 다른 기능 유닛들을 제어하고, 이들 유닛들에 기능적으로 결합된다. 결합은 명료성을 위해 묘사되지 않는다. 컨트롤러에 의해 설정된 파라미터들은 레이트 제어 관련 파라미터들(픽처 스킵, 양자화기, 레이트-왜곡 최적화 기법들의 람다 값들,...), 픽처 크기, GOP(group of pictures) 레이아웃, 최대 모션 벡터 검색 범위, 및 등등을 포함할 수 있다. 본 기술분야의 통상의 기술자는 컨트롤러(402)의 다른 기능들을 용이하게 식별할 수 있는데, 그 이유는 이들이 특정 시스템 설계를 위해 최적화된 비디오 인코더(400)에 관련될 수 있기 때문이다.

일부 비디오 인코더들은 본 기술분야의 통상의 기술자가 "코딩 루프"로서 용이하게 인식하는 것에서 동작한다. 과도하게 단순화된 설명으로서, 코딩 루프는 인코더(402)(이후 "소스 코더")(코딩될 입력 픽처, 및 참조 픽처(들)에 기초하여 심벌들을 생성하는 것을 담당함)의 인코딩 부분, 및 (심벌들과 코딩된 비디오 비트스트림 사이의 임의의 압축이 개시된 주제에서 고려되는 비디오 압축 기술들에서 무손실이므로) (원격) 디코더가 또한 생성할 샘플 데이터를 생성하기 위해 심벌들을 재구성하는 인코더(400)에 임베드된 (로컬) 디코더(406)로 구성될 수 있다. 재구성된 샘플 스트림은 참조 픽처 메모리(405)에 입력된다. 심벌 스트림의 디코딩이 디코더 위치(로컬 또는 원격)와는 독립적으로 비트 정확한(bit-exact) 결과들을 야기하기 때문에, 참조 픽처 버퍼 콘텐츠는 또한 로컬 인코더와 원격 인코더 사이에서 비트 정확하다. 다시 말해서, 인코더의 예측 부분은 디코딩 동안 예측을 사용할 때 디코더가 "보는" 것과 정확히 동일한 샘플 값들을 참조 픽처 샘플들로서 "본다". 참조 픽처 동기성의 이 기본적인 원리(그리고, 예를 들어, 채널 오류들 때문에 동기성이 유지될 수 없는 경우, 결과적인 드리프트)는 본 기술분야의 통상의 기술자에게 잘 알려져 있다.

"로컬" 디코더(406)의 동작은 도 3과 연계하여 위에서 이미 상세히 설명된 "원격" 디코더(300)와 동일할 수 있다. 그러나, 또한 도 4를 잠시 참조하면, 심벌들이 이용가능하고 엔트로피 코더(408) 및 파서(304)에 의한 코딩된 비디오 시퀀스로의 심벌들의 인코딩/디코딩이 무손실일 수 있기 때문에, 채널(301), 수신기(302), 버퍼(303), 및 파서(304)를 포함하는, 디코더(300)의 엔트로피 디코딩 부분들은 로컬 디코더(406)에서 완전히 구현되지 않을 수 있다.

이 시점에서 이루어질 수 있는 관찰은, 디코더에 존재하는 파싱/엔트로피 디코딩을 제외한 임의의 디코더 기술이 또한 필연적으로, 대응하는 인코더에서, 실질적으로 동일한 기능 형식으로 존재할 필요가 있다는 점이다. 인코더 기술들의 설명은 포괄적으로 설명된 디코더 기술들의 역이기 때문에 축약될 수 있다. 특정 영역들에서만 더 상세한 설명이 이하에 제공된다.

그 동작의 일부로서, 소스 코더(403)는 "참조 프레임들"로서 지정된 비디오 시퀀스로부터의 하나 이상의 이전에 코딩된 프레임을 참조하여 예측적으로 입력 프레임을 코딩하는 모션 보상 예측 코딩을 수행할 수 있다. 이러한 방식으로, 코딩 엔진(407)은 입력 프레임의 픽셀 블록들과 입력 프레임에 대한 예측 참조(들)로서 선택될 수 있는 참조 프레임(들)의 픽셀 블록들 사이의 차이들을 코딩한다.

로컬 비디오 디코더(406)는 소스 코더(403)에 의해 생성된 심벌들에 기초하여 참조 프레임들로서 지정될 수 있는 프레임들의 코딩된 비디오 데이터를 디코딩할 수 있다. 코딩 엔진(407)의 동작들은 유리하게는 손실 프로세스들일 수 있다. 코딩된 비디오 데이터가 비디오 디코더(도 4에 도시되지 않음)에서 디코딩될 수 있는 경우, 재구성된 비디오 시퀀스는 전형적으로 일부 오류들을 갖는 소스 비디오 시퀀스의 복제본일 수 있다. 로컬 비디오 디코더(406)는 참조 프레임들에 대해 비디오 디코더에 의해 수행될 수 있는 디코딩 프로세스들을 복제하고, 재구성된 참조 프레임들이 참조 픽처 캐시(405)에 저장되게 야기할 수 있다. 이러한 방식으로, 인코더(400)는 (송신 오류들 없이) 원단(far-end) 비디오 디코더에 의해 획득될 재구성된 참조 프레임들로서 공통 콘텐츠를 갖는 재구성된 참조 프레임들의 사본들을 국소적으로 저장할 수 있다.

예측기(404)는 코딩 엔진(407)을 위한 예측 검색들을 수행할 수 있다. 즉, 코딩될 새로운 프레임에 대해, 예측기(404)는 새로운 픽처들에 대한 적절한 예측 참조로서 역할할 수 있는 참조 픽처 모션 벡터들, 블록 형상들, 및 등등과 같은 특정 메타데이터 또는 샘플 데이터(후보 참조 픽셀 블록들로서)에 대해 참조 픽처 메모리(405)를 검색할 수 있다. 예측기(404)는 적절한 예측 참조들을 찾기 위해 샘플 블록 바이 픽셀 블록(sample block-by-pixel block) 기준으로 동작할 수 있다. 일부 경우들에서, 예측기(404)에 의해 획득된 검색 결과들에 의해 결정된 바와 같이, 입력 픽처는 참조 픽처 메모리(405)에 저장된 다중의 참조 픽처로부터 인출된 예측 참조들을 가질 수 있다.

컨트롤러(402)는, 예를 들어, 비디오 데이터를 인코딩하기 위해 사용되는 파라미터들 및 서브그룹 파라미터들의 설정을 포함하여, 비디오 코더(403)의 코딩 동작들을 관리할 수 있다.

전술한 모든 기능 유닛의 출력은 엔트로피 코더(408)에서 엔트로피 코딩을 겪을 수 있다. 엔트로피 코더는, 예를 들어, 허프만 코딩, 가변 길이 코딩, 산술 코딩, 및 등등으로서 본 기술분야의 통상의 기술자에게 공지된 기술들에 따라 심벌들을 무손실 압축함으로써 다양한 기능 유닛들에 의해 생성된 심벌들을 코딩된 비디오 시퀀스로 변환한다.

송신기(409)는, 인코딩된 비디오 데이터를 저장할 저장 디바이스에 대한 하드웨어/소프트웨어 링크일 수 있는, 통신 채널(411)을 통한 송신을 준비하기 위해 엔트로피 코더(408)에 의해 생성된 코딩된 비디오 시퀀스(들)를 버퍼링할 수 있다. 송신기(409)는 비디오 코더(403)로부터의 코딩된 비디오 데이터를 송신될 다른 데이터, 예를 들어, 코딩된 오디오 데이터 및/또는 보조 데이터 스트림(소스들이 도시되지 않음)과 병합할 수 있다.

컨트롤러(402)는 인코더(400)의 동작을 관리할 수 있다. 코딩 동안, 컨트롤러(405)는 특정 코딩된 픽처 타입을 각각의 코딩된 픽처에 할당할 수 있는데, 이는 제각기 픽처에 적용될 수 있는 코딩 기법들에 영향을 미칠 수 있다. 예를 들어, 픽처들은 종종 이하의 프레임 타입들 중 하나로서 할당될 수 있다:

인트라 픽처(I 픽처)는 예측 소스로서 시퀀스에서의 임의의 다른 프레임을 사용하지 않고 코딩되고 디코딩될 수 있는 것일 수 있다. 일부 비디오 코덱들은, 예를 들어, 독립적인 디코더 리프레시(Independent Decoder Refresh) 픽처들을 포함하는, 상이한 타입들의 인트라 픽처들을 허용한다. 본 기술분야의 통상의 기술자는 I 픽처들의 이러한 변형들 및 그들 각자의 응용들 및 특징들을 인식한다.

예측 픽처(P 픽처)는 각각의 블록의 샘플 값들을 예측하기 위해 많아야 하나의 모션 벡터 및 참조 인덱스를 이용하여 인트라 예측 또는 인터 예측을 이용하여 코딩되고 디코딩될 수 있는 것일 수 있다.

양방향 예측 픽처(B 픽처)는 각각의 블록의 샘플 값들을 예측하기 위해 많아야 2개의 모션 벡터 및 참조 인덱스를 이용하여 인트라 예측 또는 인터 예측을 이용하여 코딩되고 디코딩될 수 있는 것일 수 있다. 유사하게, 다중-예측 픽처들은 단일 블록의 재구성을 위해 2개보다 많은 참조 픽처 및 연관된 메타데이터를 사용할 수 있다.

소스 픽처들은 일반적으로 복수의 샘플 블록(예를 들어, 각각 4x4, 8x8, 4x8, 또는 16x16 샘플들의 블록들)으로 공간적으로 세분될 수 있고 블록 바이 블록(block-by-block) 기준으로 코딩될 수 있다. 블록들은 블록들의 제각기 픽처들에 적용되는 코딩 할당에 의해 결정된 다른 (이미 코딩된) 블록들을 참조하여 예측적으로 코딩될 수 있다. 예를 들어, I 픽처들의 블록들은 비예측적으로 코딩될 수 있거나, 또는 이들은 동일한 픽처의 이미 코딩된 블록들을 참조하여 예측적으로 코딩될 수 있다(공간 예측 또는 인트라 예측). P 픽처들의 픽셀 블록들은, 하나의 이전에 코딩된 참조 픽처를 참조하여, 공간 예측을 통해 또는 시간 예측을 통해 비예측적으로 코딩될 수 있다. B 픽처들의 블록들은, 하나 또는 2개의 이전에 코딩된 참조 픽처를 참조하여 공간 예측을 통해 또는 시간 예측을 통해, 비예측적으로 코딩될 수 있다.

비디오 코더(400)는 ITU-T Rec. H.265와 같은 표준 또는 미리 결정된 비디오 코딩 기술에 따라 코딩 동작들을 수행할 수 있다. 그 동작에서, 비디오 코더(400)는 입력 비디오 시퀀스에서 시간 및 공간 중복성을 이용하는 예측 코딩 동작들을 포함하여, 다양한 압축 동작들을 수행할 수 있다. 따라서, 코딩된 비디오 데이터는 사용 중인 비디오 코딩 기술 또는 표준에 의해 지정된 신택스를 준수할 수 있다.

실시예에서, 송신기(409)는 추가적인 데이터를 인코딩된 비디오와 함께 송신할 수 있다. 소스 코더(403)는 코딩된 비디오 시퀀스의 일부로서 이러한 데이터를 포함할 수 있다. 추가적인 데이터는 시간/공간/SNR 향상 계층들, 중복 픽처들 및 슬라이스들과 같은 다른 형식의 중복 데이터, SEI(Supplementary Enhancement Information) 메시지들, VUI(Visual Usability Information) 파라미터 세트 프래그먼트들, 및 등등을 포함할 수 있다.

도 5는 HEVC 및 JEM에서 사용되는 인트라 예측 모드들을 예시한다. 내추럴 비디오(natural video)에서 제시된 임의의 에지 방향들을 캡처하기 위해, 방향성 인트라 모드들의 수는, HEVC에서 사용되는 바와 같이, 33에서 65로 확장된다. HEVC 위의 JEM에서의 추가적인 방향성 모드들은 도 1에서 점선 화살표들로서 묘사되고, 평면 및 DC 모드들은 동일하게 유지된다. 이러한 더 조밀한 방향성 인트라 예측 모드들은 모든 블록 크기들에 대해 그리고 루마 및 크로마 인트라 예측들 둘 다에 대해 적용된다. 도 5에 도시된 바와 같이, 홀수 인트라 예측 모드 인덱스와 연관된, 점선 화살표들에 의해 식별되는 방향성 인트라 예측 모드들은 홀수 인트라 예측 모드들로 불린다. 짝수 인트라 예측 모드 인덱스와 연관된, 실선 화살표들에 의해 식별된 방향성 인트라 예측 모드들은 짝수 인트라 예측 모드들로 불린다. 본 문서에서, 도 5에서 실선 또는 점선 화살표들로 표시된 바와 같은 방향성 인트라 예측 모드들은 각도 모드들로도 지칭된다.

JEM에서, 총 67개의 인트라 예측 모드가 루마 인트라 예측을 위해 사용된다. 인트라 모드를 코딩하기 위해, 크기 6의 MPM(most probable mode) 리스트가 이웃 블록들의 인트라 모드들에 기초하여 구축된다. 인트라 모드가 MPM 리스트로부터 없는 경우, 인트라 모드가 선택된 모드들에 속하는지를 표시하기 위해 플래그가 시그널링된다. JEM-3.0에서, 16개의 선택된 모드가 존재하며, 이것들은 매 4번째 각도 모드로서 균일하게 선택된다. JVET-D0114 및 JVET-G0060에서, 16개의 2차 MPM이 균일하게 선택된 모드들을 대체하기 위해 도출된다.

도 6은 인트라 방향성 모드를 위해 이용되는 N개의 참조 티어(tier)를 나타낸다. 블록 유닛(611), 세그먼트 A(601), 세그먼트 B(602), 세그먼트 C(603), 세그먼트 D(604), 세그먼트 E(605), 세그먼트 F(606), 제1 참조 티어(610), 제2 참조 티어(609), 제3 참조 티어(608), 및 제4 참조 티어(607)가 있다.

HEVC 및 JEM 둘 다뿐만 아니라 H.264/AVC와 같은 일부 다른 표준들에서, 현재 블록을 예측하기 위해 사용되는 참조 샘플들은 가장 가까운 참조 라인(행 또는 열)으로 제한된다. 다중의 참조 라인 인트라 예측의 방법에서, 후보 참조 라인들(행 또는 열들)의 수는 인트라 방향성 모드들에 대해 하나(즉, 가장 가까운 것)로부터 N까지 증가되고, 여기서 N은 1보다 크거나 같은 정수이다. 도 2는 다중 라인 인트라 방향성 예측 방법의 개념을 보여주기 위해 예로서 4x4 PU(prediction unit)를 취한다. 인트라 방향성 모드는 예측자들을 생성하기 위해 N개의 참조 티어 중 하나를 임의로 선택할 수 있다. 다시 말해서, 예측기 p(x,y)는 참조 샘플들 S1, S2,..., 및 SN 중 하나로부터 생성된다. 플래그는 어느 참조 티어가 인트라 방향성 모드에 대해 선택되는지를 표시하기 위해 시그널링된다. N이 1에 설정되면, 인트라 방향성 예측 방법은 JEM 2.0에서의 전통적인 방법과 동일하다. 도 6에서, 참조 라인들(610, 609, 608 및 607)은 상단 좌측 참조 샘플과 함께 6개의 세그먼트(601, 602, 603, 604, 605 및 606)로 구성된다. 본 문서에서, 참조 티어(reference tier)는 참조 라인이라고도 불린다. 현재 블록 유닛 내의 상단 좌측 픽셀의 좌표는 (0, 0)이고, 제1 참조 라인에서의 상단 좌측 픽셀은 (-1,-1)이다.

JEM에서, 루마 성분에 대해, 인트라 예측 샘플 생성을 위해 사용되는 이웃 샘플들은 생성 프로세스 전에 필터링된다. 필터링은 주어진 인트라 예측 모드 및 변환 블록 크기에 의해 제어된다. 인트라 예측 모드가 DC이거나 또는 변환 블록 크기가 4x4와 동일하다면, 이웃 샘플들은 필터링되지 않는다. 주어진 인트라 예측 모드와 수직 모드(또는 수평 모드) 사이의 거리가 미리 정의된 임계값보다 큰 경우, 필터링 프로세스가 인에이블된다. 이웃 샘플 필터링에 대해, [1, 2, 1] 필터 및 이중 선형 필터들이 사용된다.

위치 종속적 인트라 예측 조합(position dependent intra prediction combination, PDPC) 방법은 필터링되지 않은 경계 참조 샘플들 및 필터링된 경계 참조 샘플들에 의한 HEVC 스타일 인트라 예측의 조합을 호출하는 인트라 예측 방법이다. (x, y)에 위치된 각각의 예측 샘플 pred[x][y]는 다음과 같이 계산된다:

여기서,

,

은 제각기 현재 샘플 (x, y)의 상단 및 좌측에 위치되는 필터링되지 않은 참조 샘플들을 나타내고,

은 현재 블록의 상단 좌측 코너에 위치되는 필터링되지 않은 참조 샘플을 나타낸다. 가중치들은 다음과 같이 계산된다:

도 7은 (0, 0) 및 (1, 0)에 대한 DC 모드 PDPC 가중치들(wL, wT, wTL)이 하나의 4x4 블록 내부에 위치하는 도면(700)을 예시한다. PDPC가 DC, 평면, 수평, 및 수직 인트라 모드들에 적용되는 경우, HEVC DC 모드 경계 필터 또는 수평/수직 모드 에지 필터들과 같은 추가적인 경계 필터들이 필요하지 않다. 도 7은 상단 우측 대각선 모드에 적용되는 PDPC에 대한 참조 샘플들 Rx,-1, R-1, y 및 R-1,-1의 정의를 예시한다. 예측 샘플 pred(x', y')는 예측 블록 내의 (x', y')에 위치된다. 참조 샘플 Rx,-1의 좌표 x는 x = x'+ y'+ 1에 의해 주어지고, 참조 샘플 R-1,y의 좌표 y는 유사하게 y = x'+ y'+ 1에 의해 주어진다.

도 8은 로컬 조명 보상(Local Illumination Compensation, LIC) 도면(800)을 예시하고, 스케일링 인자 a 및 오프셋 b를 사용하여 조명 변화들에 대한 선형 모델에 기초한다. 그리고, 이것은 각각의 인터 모드 코딩된 CU(coding unit)에 대해 적응적으로 인에이블되거나 디스에이블된다.

LIC가 CU에 대해 적용되는 경우, 현재 CU의 이웃 샘플들 및 그들의 대응하는 참조 샘플들을 사용하여 파라미터들 a 및 b를 도출하기 위해 최소 제곱 오차 방법(least square error method)이 이용된다. 더 구체적으로, 도 8에 예시된 바와 같이, CU의 서브샘플링된 (2:1 서브샘플링) 이웃 샘플들 및 참조 픽처에서의 대응하는 샘플들(현재 CU 또는 서브-CU의 모션 정보에 의해 식별됨)이 사용된다. IC 파라미터들은 각각의 예측 방향에 대해 개별적으로 도출되고 적용된다.

CU가 병합 모드로 코딩될 때, LIC 플래그는 병합 모드에서의 모션 정보 복사와 유사한 방식으로, 이웃 블록들로부터 복사된다; 그렇지 않으면, LIC가 적용되는지 여부를 표시하기 위해 CU에 대해 LIC 플래그가 시그널링된다.

도 9a는 HEVC에서 사용되는 인트라 예측 모드들(900)을 예시한다. HEVC에서, 총 35개의 인트라 예측 모드가 있고, 그 중에서 모드 10은 수평 모드이고, 모드 26은 수직 모드이고, 모드 2, 모드 18 및 모드 34는 대각선 모드이다. 인트라 예측 모드들은 3개의 MPM(most probable mode) 및 32개의 나머지 모드에 의해 시그널링된다.

도 9b는, VVC의 실시예들에서, 모드 18이 수평 모드이고 모드 50이 수직 모드이고 모드 2, 모드 34 및 모드 66이 대각선 모드인 총 87개의 인트라 예측 모드를 예시한다. 모드들 -1 ~ -10 및 모드들 67 ~ 76은 WAIP(Wide-Angle Intra Prediction) 모드로 불린다.

위치 (x, y)에 위치된 예측 샘플 pred(x, y)는 PDPC 표현에 따라 참조 샘플들의 선형 조합 및 인트라 예측 모드(DC, 평면, 각도)를 이용하여 예측된다:

여기서, Rx,-1, R-1,y은 제각기 현재 샘플 (x, y)의 상단 및 좌측에 위치되는 참조 샘플들을 나타내고, R-1,-1은 현재 블록의 상단 좌측 코너에 위치되는 참조 샘플을 나타낸다.

DC 모드에 대해 가중치들은 폭 및 높이 치수를 갖는 블록에 대해 다음과 같이 계산된다:

nScale=(log2(폭) - 2 + log2(높이) -2 + 2) >> 2이고, 여기서 wT는 동일한 수평 좌표를 갖는 상기 참조 라인에 위치된 참조 샘플들에 대한 가중 인자를 나타내고, wL은 동일한 수직 좌표를 갖는 좌측 참조 라인에 위치된 참조 샘플에 대한 가중 인자를 나타내고, wTL은 현재 블록의 좌측 상단 참조 샘플에 대한 가중 인자를 나타내고, nScale은 얼마나 빨리 가중 인자들이 축을 따라 감소하는지를 지정하고(wL은 좌측에서 우측으로 감소하거나 또는 wT는 상단에서 하단으로 감소함), 즉 가중 인자 감분 레이트를 나타내고, 그것은 현재 설계에서 (좌측에서 우측으로) x-축 및 (상단에서 하단으로) y-축을 따라 동일하다. 그리고 32는 이웃 샘플들에 대한 초기 가중 인자들을 나타내고, 초기 가중 인자는 또한 현재 CB에서의 좌측 상단 샘플에 할당된 상단(좌측 또는 상단 좌측) 가중치들이고, PDPC 프로세스에서의 이웃 샘플들의 가중 인자들은 이 초기 가중 인자와 동일하거나 그보다 작아야 한다.

평면 모드에 대해 wTL = 0인 한편, 수평 모드에 대해 wTL = wT이고 수직 모드에 대해 wTL = wL이다. PDPC 가중치들은 가산 및 시프트로만 계산될 수 있다. pred(x,y)의 값은 수학식 1을 사용하여 단일 단계에서 계산될 수 있다.

여기서, 제안된 방법들은 개별적으로 사용되거나 임의의 순서로 조합될 수 있다. 또한, 방법들(또는 실시예들), 인코더, 및 디코더 각각은 처리 회로(예를 들어, 하나 이상의 프로세서 또는 하나 이상의 집적 회로)에 의해 구현될 수 있다. 일 예에서, 하나 이상의 프로세서는 비일시적 컴퓨터 판독가능 매체에 저장되는 프로그램을 실행한다. 실시예들에 따르면, 용어 블록은 예측 블록, 코딩 블록, 또는 코딩 유닛, 즉 CU로서 해석될 수 있다.

도 10은 실시예들에 따른 네트워크 구조(1000)의 예시이다.

신경망 기반 코딩의 맥락에서, 예를 들어, VVC 및 AVS3에서의 네트워크 구조(1000)는 다양한 신경망 기반 방법들, 특히 예를 들어 신경망 기반 필터를 수반한다. 네트워크 구조(1000)는 여러 개의 컨볼루션 계층을 포함하는 신경망 기반 필터를 나타낸다. 예를 들어, 커널 크기는 3*3*M인데, 이는 각각의 채널에 대해, 컨볼루션 커널 크기는 3*3일 수 있고, 출력 계층 수는 M이라는 것을 의미한다.

네트워크 구조(1000)에서와 같이, 컨볼루션 계층과 비선형 활성화 함수(예를 들어, ReLU)를 조합하는 것은 전체 프로세스가 재구성을 위한 비선형 필터로 보이게 허용할 수 있고, 필터링 프로세스 후에 품질이 개선될 수 있다.

네트워크 구조(1000)는 실시예들에 따라 단순화된 블록 예시일 수 있고, 신경망 기반 코딩 방법들의 복잡성을 고려하면, 정상 코덱은 필터링 프로세스를 수행하지 못할 수 있다; 따라서, 본 명세서의 예시적인 실시예들에 따라 현재 CVS가 신경망 기반 도구들을 사용하는지 여부를 나타내기 위해 SEI 내의 여러 식별자가 추가될 수 있다. 게다가, 네트워크 세부사항들이 또한 표시될 수 있다. 그리고 이와 같이, 디코더가 신경망 기반 필터를 처리할 수 없는 경우, 신경망에 관련된 정보는 폐기될 수 있고, 프로세스는 그렇지 않으면 스킵될 수 있다.

이하에서 더 논의되는 바와 같이, 예시적인 실시예들은 신경망 모델 정보의 시그널링의 면에서 적어도 2개의 메커니즘을 제공한다. 제1 메커니즘은 하나 이상의 토폴로지 정보 피스뿐만이 아니라 VSEI에 정의된 특정 신택스 요소들로 훈련되는 대응하는 파라미터들을 명시적으로 시그널링하는 것이다. 제2 메커니즘은 대응하는 토폴로지 정보 피스 및 네트워크 파라미터들이 존재하는 곳을 나타내는 외부 링크 정보를 제공하는 것이다.

네트워크 토폴로지들 및 파라미터들을 시그널링하기 위해, 네트워크의 표현을 위해 개발된 기존의 포맷들을 참조하는 것이 예시적인 실시예들에 따라 채택될 수 있다. 그 예는 크로노스(Khronos)에 의해 개발된 일반화된 신경망 교환 포맷인 NNEF(Neural Network Exchange Format)를 수반할 수 있다. 다른 가능한 예들은 신경망의 코딩된 표현에 대한 포맷들인 ONNX(Open Neural Network Exchange) 및 MPEG NNR을 수반하는 것과 같은 실시예들을 포함한다.

이상적으로, 임의의 신경망 모델은 NNEF 및 다른 포맷들로 내보내질 수 있고, 네트워크 가속기 및 라이브러리들은 임의의 네트워크 프레임워크와의 호환성 문제 없이 포맷들로 데이터를 소비할 수 있다. 실제 방법으로서, 실시예들은 URI 정보를 갖는 외부 파일(outside file)들 또는 비트스트림들을 직접 참조할 수 있다. 그렇지만, 새로운 신경망 기반 비디오 코딩 도구들을 사용하여 VVC 또는 HEVC 확장을 위한 비디오 코딩 특정적 네트워크들을 표현하는 경량 신택스 설계를 갖는 것이 또한 요망되는데, 그 이유는 네트워크 모델의 일반적 표현이 압축된 비디오 포맷에 대해 사용되기에는 부피가 클 수 있기 때문이다. 비디오 압축을 위해 사용되는 대부분의 네트워크 모델들이 CNN(convolutional neural network)에 기초하기 때문에, SEI 메시지에서 CNN의 콤팩트 표현을 갖는 것은 예시적인 실시예들에 따라 총 비트레이트를 감소시킬 뿐만 아니라 네트워크 모델 데이터에 대한 용이한 액세스를 가능하게 하는 데 도움이 될 것으로 예상된다.

본 명세서의 실시예들은 신경망 모델이 다중의 노드를 갖는 유향 그래프인 계산 그래프에 의해 표현될 수 있음을 나타낼 수 있다. 노드들은 연산 노드들 및 데이터, 예컨대 텐서로 구성된다. 애플리케이션들에 따르면, 다양한 네트워크 토폴로지들이 설계되고 사용된다. 그러나, 비디오 처리를 위한 포스트-루프/인-루프(post-loop/in-loop) 필터링을 위해, CNN 기반 단순 모델들이 대중적으로 채택된다. 이 경우, CNN과 같은 단순한 다층 피드포워드 네트워크가 입력 데이터로부터 시작하는 선형 그래프에 의해 표현될 수 있으며, 여기서 계층 내의 각각의 연산 노드는 중간 처리된 데이터를 생성한다. 마지막으로, 출력 데이터는 다중의 계층을 통해 생성된다.

도 11은 CNN에 대한 선형 계산 그래프(1100)의 예시적인 도면이다.

도 11에 예시된 바와 같이, 입력 텐서 데이터가 연산 노드 내에 공급될 때, 연산 노드는 미리 훈련된 상수들 및/또는 변수로 입력 텐서 데이터를 처리하고 중간 텐서 데이터(도 11에서 텐서로서 표시됨)를 출력한다. 연산 노드들이 실행될 때, 실제 데이터가 이 연산 노드에 의해 소비된다. 보통은 CNN에 대해, 훈련된 상수들 및/또는 업데이트된 변수들을 갖는 입력 데이터의 가중된 합산이 각각의 연산 노드의 출력이다.

일단 특정 연산 노드가 단일 단계로서 특정되면, 동일한 연산 노드가 반복적으로 사용될 수 있다. 그러한 단순한 네트워크 토폴로지들이 SEI 메시지 내의 몇몇 잘 설계된 신택스 요소들에 의해 기술될 수 있다. 보다 복잡한 모델 설계들이 요망되는 경우에, NNEF 또는 ONNX와 같은 외부 포맷들이 사용될 수 있다.

네트워크 파라미터들을 전달하기 위해, 보통은 훈련된 네트워크 파라미터들의 데이터 크기는 너무 커서 SEI 메시지 내에 포함될 수 없다. 데이터 크기를 줄이기 위해, MPEG-NNR 포맷이 파라미터들을 압축하는데 이용될 수 있고 복수의 데이터 청크가 되도록 파티셔닝될 수 있다. 압축된 파라미터들의 각각의 청크는 SEI 메시지 또는 별도의 데이터 파일에 포함될 수 있으며, 이것은 잠재적으로 동일한 비트스트림으로 전달되거나 또는 원격 서버에 별도로 저장된다. 디코딩될 때, SEI 메시지들 내의 데이터의 모든 연접된 청크들은, 신경망의 표현을 위해, 예시적인 실시예들에 따라 신경망 라이브러리 또는 디코더들에 의해 스플라이싱되고 소비된다.

예시적인 실시예에서, 비트스트림은 다중의 NN 토폴로지 및 그들의 파라미터를 운반할 필요가 있을 수 있고, 여기서 비트스트림은 NN 정보를 활용하는 다중의 애플리케이션을 갖거나, 애플리케이션은 다중의 NN을 활용한다. 예를 들어, JVET-U0087은 애플리케이션에 대해 3개의 NN 모델을 사용한다. 3개의 NN 모델에 대처하기 위해, 비트스트림이 NN 토폴로지 및 그들의 파라미터를 운반하는 다중의 SEI 메시지를 포함하는 것이 허용된다. NN 토폴로지들 및 파라미터들의 세트가 대역 내에 포함될 수 있는 한편, 다른 NN 토폴로지들 및 파라미터들은 대역 밖에서 송신된다. NN 식별자들이 각각의 애플리케이션에 대한 연관된 NN들의 표시를 위해 사용될 수 있다. NN 추론 프로세스가 다중의 NN을 활용할 때, 각각의 픽처 또는 블록은 상이한 NN 토폴로지 및 그 파라미터들을 이용할 수 있다. 이러한 경우에, 각각의 픽처 또는 블록은 그 자신의 NN 식별자 및 온/오프 플래그를 갖는다.

도 12는 NN 추론 출력들의 블록 레벨 선택의 예를 나타낸다. 도 12는 각각의 블록에 적용되는 상이한 NN 추론 프로세스를 예시한다. 실시예들에 따르면, NN 프로세스의 입력 픽처(1200)는 상이한 NN 추론 프로세스들을 통해 처리될 수 있다. 예를 들어, 3개의 상이한 NN 추론 프로세스의 출력 픽처들(1201, 1202, 및 1203)이 도 12에 도시되어 있다. 실시예들은 더 많거나 더 적은 NN 추론 프로세스들을 포함할 수 있다. 각각의 블록에 적용되는 상이한 NN 추론 프로세스들에 대처하기 위해, 실시예들은 다중의 NN의 픽처/블록 레벨 적응 정보의 운반을 위해 또 다른 SEI 메시지를 사용하는 것을 제안한다. 그 결과, 상이한 추론 프로세스들로부터의 출력 픽처들(1201, 1202, 1203)로부터의 블록 레벨 선택을 갖는 출력 픽처(1204)가 생성된다. 실시예들에 따른, 블록 레벨 선택 판정 수행 프로세스의 예시적인 모델이 이제 설명될 것이다.

도 13은 픽처/블록 레벨 모델에서 RDO(rate-distortion optimization)에 기초한 모델 판정 프로세스의 흐름도이다.

도 13의 모델 판정 프로세스는 픽처/블록 레벨 모델 판정 모듈(1300), 블록 크기 판정(1310), 픽처 레벨 모델 판정(1320), 블록 레벨 모델 판정(1330), 픽처/블록 크기 판정(1340), 블록 레벨 온/오프 판정(650), 및 픽처 레벨 온/오프 판정(1360)을 포함한다.

모든 RDO 판정 프로세스들은 더 높은 레벨로부터 더 낮은 레벨로 프로세스들을 재귀적으로 호출함으로써 수행된다. 예를 들어, 최고 레벨(즉, 픽처/블록 레벨 모델 판정 모듈(1300))에서, 최상의 모드는 픽처 레벨 모델 판정(1320) 또는 블록 레벨 모델 판정(1330) 사이에서 선택된다. 블록 레벨 모델 판정(1330) 또는 픽처 레벨 모델 판정(1320) 사이에서 어느 모드가 최상인지를 결정하기 위해, 더 낮은 레벨 프로세스들이 호출된다. 블록 레벨 모델 판정(1330)에 대해, 블록 크기 판정(1310)은 다양한 블록 크기들을 비교한다. 최상의 블록 크기를 선택하기 위해, RD(Rate-Distortion) 비용에 기초하여, 다중의 블록 레벨 모델이 서로 비교된다. 일단 최상의 블록 레벨 모델이 선택되면, 블록 크기당 블록 레벨 모델들의 최소 비용이 계산될 수 있다. 그 후, 다양한 블록 크기들의 최소 비용들을 비교함으로써, 블록 레벨 모델 모드의 최소 비용이 계산될 수 있다. 유사하게, 픽처 레벨 모델 모드의 최소 비용은 프로세스들을 재귀적으로 그리고 계층적으로 호출함으로써 계산될 수 있다; 픽처/블록을 다양한 크기들로 파티셔닝하는 픽처/블록 크기 판정(1340), 블록 레벨 온/오프 판정(1350), 및 픽처 레벨 온/오프 판정(1360).

본 개시내용의 실시예들은, 출력 및 디스플레이를 위해 사용되는 재구성된 픽처가 모션 보상 예측을 위해 사용되는 것과 상이할 수 있다는 것을 제안한다. (NN 기반 필터링을 포함하는) 제1 필터링 세트가 재구성된 픽처에 적용되어 출력을 위한 버전을 생성할 수 있다. 모션 보상이 수행될 때, 참조 픽처는 DPB(decoded picture buffer)에 저장된 픽처에 제2 필터링 세트(NN 기반 필터링을 포함함)를 적용함으로써 생성된다.

신경망들을 이용한 시간적 필터링을 위한 프레임워크의 방법 및 장치가 이제 설명될 것이다.

도 14는 실시예들에 따른 NN 프로세스의 장치의 도면이다.

도 14에 도시된 바와 같이, 장치는 디코딩 CTU 모듈(1400), 디블로킹 필터링 모듈(1410), NN 기반 제1 필터링 모듈(1420), DPB(decoded picture buffer)(1330), NN 기반 제2 필터링 모듈(1440), 및 모션 보상 모듈(1450)을 포함한다.

실시예들의 NN 기반 시간적 처리는 2개의 스테이지, 즉 NN 기반 재구성 처리 및 NN 기반 예측 처리로 구성된다. 코덱 비트스트림이 입력으로서 주어지면, 코덱 비트스트림은 디코딩 CTU 모듈(1400)에서 디코딩된다. 제1 NN 기반 재구성 필터는 디블로킹 필터링 모듈(1410)에서의 디블로킹 프로세스 직후에 NN 기반 제1 필터링 모듈(1420)에 의해 처리되어 출력 픽처에 대한 디코딩된 픽처의 세부사항들을 더 나은 시각적 품질로 향상시킨다. 순방향 참조 픽처 및 역방향 참조 픽처가 네트워크 추론 프로세스를 위해 활용된다. 디코딩된 픽처가 DPB(decoded picture buffer)(1430)에 저장된 후에, NN 기반 제2 필터링 모듈(1340)이 디코딩된 픽처를 디코딩 순서에서 후속 픽처들의 더 나은 예측을 위해 참조 픽셀 값들로 수정한다. 모션 보상이 수행될 때, 모션 보상 모듈(1450)에서 모션 보상 예측 처리가 수행된다. 모션 보상 모듈(1450)의 출력은 디코딩 CTU 모듈(1400)의 디코딩된 출력과 결합되어 디블로킹 필터링 모듈(1410)에 전송된다. 여기서부터 계속될 수 있는 프로세스가 설명된다.

도 15a는 2개의 NN 추론 프로세스의 비교를 나타낸다; NN 기반 재구성 처리(1510) 및 NN 기반 예측 처리(1520). NN 기반 재구성 처리 및 예측 처리 둘 다는 동일한 네트워크 모델(1500)을 채택하지만, 상이하게 훈련된 파라미터들을 갖는다.

도 15b는 네트워크 모델(1500)의 블록도이다. 네트워크 모델은 공간적 및 시간 최적화를 위한 PCD(Pyramid, Cascading and Deformable) 정렬 모듈(1530) 및 후속 복원을 위한 중요한 특징들을 강조하기 위해 주의를 적용하기 위한 TSA(Temporal and Spatial Attention) 융합 모듈(1540)을 포함한다.

NN 기반 재구성 처리(1510)는 재구성 픽셀 값들과 현재 픽처의 원래 픽셀 값들 사이의 오차를 최소화함으로써 훈련된 NN 기반 재구성 필터이다. 현재 디코딩된 픽처 및 DPB(decoded picture buffer)(1430)에 저장된 2개의 참조 픽처(하나는 순방향 참조 및 하나는 역방향 참조)에 기초하여 출력 픽처가 생성된다. 출력 픽처는 융합된 시간적 특징들을 갖는 강화된 픽처이다. 출력 픽처(재구성된 픽처)는 디코딩된 픽처 버퍼에 저장되고 참조 픽처들 중 하나로서 이용되어 다음 강화된 출력 픽처를 생성한다. NN 기반 예측 처리(1520)는 참조 픽셀 값들과 디코딩 순서에서 다음 픽처들의 픽셀 값들 사이의 오차를 최소화하도록 훈련된 예측 필터이다. 참조 픽처들은 참조 픽처들을 업데이트하기 위해 NN 기반 예측 처리를 통해 필터링된다. 업데이트된 참조 픽처들은 디코딩된 픽처 버퍼에 저장된다.

실시예들에 따른 NN 정보의 운반을 위한 SEI 메시지들의 예들이 이제 설명될 것이다. 예들은 신택스 요소들 및 파라미터들이 하나 이상의 SEI 메시지들에서 시그널링되는 것으로 가정하지만, 임의의 파라미터 세트(예컨대, SPS, PPS, APS), 파일 포맷의 임의의 메타데이터 트랙, 또는 임의의 페이로드 타입은 동일하거나 약간 수정된 신택스 요소들 및 파라미터들을 운반할 수 있다.

실시예들에 따른 NN(neural network) 토폴로지 및 파라미터 SEI 메시지 신택스의 예가 이제 설명될 것이다. 도 16은 NN 토폴로지 및 파라미터 SEI 메시지 및 그 신택스의 양태들에 관한 예시적인 흐름도(1600)를 나타낸다.

실시예들에 따른 이러한 신택스는 아래의 표 1에서 표현될 수 있다:

[표 1]

nn_id는 신경망에 대한 식별자를 제공한다.

0과 동일한 nn_partition_flag는 네트워크 토폴로지 및 훈련된 파라미터들을 표현하기 위한 모든 데이터가 SEI 메시지에 포함되는 것을 특정하고, 1과 동일한 nn_partition_flag는 네트워크 토폴로지 및 훈련된 파라미터들을 표현하기 위한 데이터가 다중의 SEI 메시지가 되도록 파티셔닝되는 것을 특정한다.

0과 동일한 nn_output_pic_format_present_flag는 출력 픽처 포맷을 나타내는 신택스요소들이 SEI 메시지에 존재하지 않고 신경망 추론 프로세스의 출력 픽처 포맷이 디코더의 출력 픽처 포맷과 동일하다는 것을 특정하고, 1과 동일한 nn_output_pic_format_present_flag는 출력 픽처 포맷을 나타내는 신택스 요소들이 SEI 메시지에 존재한다는 것을 특정한다.

nn_postfilter_type_idc는 아래의 표 2(NN 사후 필터 타입)에 의해 특정되는 바와 같이, SEI 메시지에 의해 표현되는 신경망의 사후 필터 타입을 특정한다.

[표 2]

num_nn_input_ref_pic는 입력 참조 픽처들의 수를 특정한다. 0과 동일한 num_nn_input_ref_pic는 디코더의 현재 출력 픽처가 신경망의 유일한 입력 데이터임을 특정하고, 0보다 더 큰 num_nn_input_ref_pic는 신경망의 입력 데이터로서 사용되는 참조 픽처들의 수가 num_nn_input_ref_pic - 1임을 특정한다.

num_partitioned_nn_sei_messages는 대응하는 파라미터들을 갖는 전체 신경망 토폴로지를 표현하기 위해 신경망 기반 사후 필터링 SEI 메시지들의 수를 특정하고, 존재하지 않을 때, num_partitioned_nn_sei_messages의 값은 1과 동일한 것으로 추론된다.

nn_sei_message_idx는 SEI 메시지에서 운반되는 부분적 신경망 데이터의 인덱스를 특정하고, 존재하지 않을 때, nn_sei_message_idx의 값은 0과 동일한 것으로 추론된다.

앞서 살펴본 해당 신택스를 고려하여, 흐름도(1600)는, (S1601)에서 사후 필터의 초기화 및 데이터의 생성 또는 획득이 있을 수 있고(S1602), 따라서 (S1103)에서 network_topology_info_external_present_flag와 같은 정보 플래그가 있는지가 그 후 결정될 수 있고, 따라서, 그러한 경우, (S1604)에서 external_nn_topology_info_format_idc를, (S1605)에서 num_bytes_external_network_topology_uri_info를, (S1606)에서 external_nn_topology_uri_info를 포함하는 데이터가 획득될 수 있고 또는 그렇지 않으면 (S1607)에서 network_topology_info(input)를 수신하기 위한 체크가 있을 수 있다.

즉, 예시적인 실시예들에 따르면, 0과 동일한 nn_topology_info_external_present_flag는 신경망 토폴로지 표현의 데이터가 SEI 메시지에 포함되는 것을 특정하는 반면, 1과 동일한 nn_topology_info_external_present_flag는 신경망 토폴로지 표현의 데이터가 외부에 존재할 수 있고 SEI 메시지가 외부 연결 정보만을 포함하는 것을 특정한다.

(S1604)에서와 같은 external_nn_topology_info_format_idc는 아래의 표 3(외부 NN 토폴로지 정보 포맷 식별자)에 의해 지정된 바와 같은 신경망 토폴로지 표현의 외부 저장 포맷을 지정할 수 있다.

[표 3]

(S1605)에서와 같은 num_bytes_external_network_topology_uri_info는 신택스 요소 external_network_topology_uri_info의 바이트 수를 지정한다.

(S1606)에서와 같은 external_nn_topology_uri_info는 외부 신경망 토폴로지 정보의 URI 정보를 지정한다. 신택스 요소의 길이는 Ceil(Log2(num_bytes_external_nn_topology_uri_info)) 바이트일 수 있다.

(S1607)에서와 같은 network_topology_info(input)는 아래의 표 4에 따른 프로세스들을 수반할 수 있다.

[표 4]

예를 들어, (S1702)에서 nn_topology_storage_format_idc, (S1703)에서 nn_topology_compression_format_idc, (S1704)에서 num_bytes_topology_data의 생성 또는 획득, 및 (S1705)에서 nn_top_format_idc > 0인지에 관한 결정 중 하나 이상으로 진행할 수 있는, network_topology_info(input)에 따른 처리가 있을 것이라는 결정이 (S1701)에서 존재하는 도 17의 예시적인 흐름도(1700)를 참조한다. (S1705)에서 예라고 결정되는 경우, (S1706)에서 nn_topology_data_byte[ I ]가 (S1706)에서 획득된다.

(S1702)에서와 같은 nn_topology_storage_format_idc는 아래의 표 5(NN 토폴로지 저장 포맷 식별자들)에 의해 특정된 바와 같이, 신경망 토폴로지 표현의 저장 포맷을 특정한다:

[표 3]

(S1703)에서와 같은 nn_topology_compression_format_idc는 아래의 표 6(NN 토폴로지 압축 포맷 식별자)에 의해 지정되는 바와 같이 신경망 토폴로지의 압축 포맷을 지정한다.

[표 4]

(S1704)에서와 같은 num_bytes_topology_data는 이 SEI 메시지에 포함되는 신경망 토폴로지 페이로드의 바이트 수를 지정한다.

(S1706)에서와 같은 nn_topology_data_byte[ I ]는 신경망 토폴로지 페이로드의 i번째 바이트를 지정한다.

(S1708)에서와 같은 num_variables는 이 SEI 메시지에 의해 특정된 신경망 내의 연산 노드들의 실행을 위해 사용될 수 있는 변수들의 수를 지정한다.

(S1709)에서와 같은 num_node_types는 이 SEI 메시지에 의해 특정된 신경망 내의 연산 노드들의 실행을 위해 사용될 수 있는 연산 노드 타입들의 수를 지정한다.

(S1710)에서와 같은 num_operation_node_executions는 이 SEI 메시지에 의해 특정된 신경망에 의한 입력 변수들을 갖는 연산 노드 실행들의 수를 지정한다.

도 16의 흐름도(1610)로 돌아가면, (S1608)에서, network_parameter_info_external_present_flag가 존재하는지가 결정될 수 있고, 만약 그렇다면, (S1609)에서 external_network_parameter_info_format_idc가, (S1610)에서 num_bytes_external_network_parameter_uri_info가, 그리고 (S1611)에서 external_nn_parameter_uri_info가 생성되거나 획득될 수 있다; 그렇지 않으면, (S1612)에서, network_parameter_info(input)가 획득되거나 발생될 수 있다.

0과 동일한 (S1608)에서와 같은 network_parameter_info_external_present_flag는 신경망 파라미터들의 데이터가 SEI 메시지에 포함되는 것을 특정하고, 1과 동일한 이러한 network_parameter_info_external_present_flag는 신경망 파라미터들의 데이터가 외부에 존재할 수 있고 SEI 메시지가 외부 링크 정보만을 포함하는 것을 특정한다.

(S1609)에서의 external_network_parameter_info_format_idc는 아래의 표 7(외부 NN 파라미터 저장 포맷 식별자)에 의해 특정된 바와 같이, 신경망 파라미터들의 외부 저장 포맷을 지정한다:

[표 5]

(S1610)에서의 num_bytes_external_network_parameter_uri_info는 신택스 요소 external_network_parameter_uri_info의 바이트 수를 지정한다.

(S1611)에서의 external_nn_parameter_uri_info는 외부 신경망 파라미터들의 URI 정보를 지정한다. 신택스 요소의 길이는 Ceil(Log2(num_bytes_external_network_parameteruri_info) 바이트이다.

(S1612)에서와 같은 network_parameter_info(input)는 표 8의 다음의 프로세스들을 나타낸다:

[표 6]

도 18의 흐름도(1800)에서와 같이, 도 16의 (S1612)를 또한 나타내는 (S1801)에서와 같이 network_parameter_info(input)를 결정하는 것은, (S1802에서) nn_parameter_type_idc를, (S1803)에서 nn_parameter_storage_format_idc를, (S1804)에서 nn_parameter_compression_format_idc를, (S1805)에서 num_bytes_parameter_data를, 그리고 (S1806)에서 nn_parameter_data_byte를 획득하거나 다른 경우에는 생성하는 것을 수반한다.

(S1802)에서와 같은 nn_parameter_type_idc는 아래의 표 9(NN 파라미터 페이로드 타입들)에 의해 특정된 바와 같이, 신경망 파라미터들의 데이터 페이로드 타입을 지정한다:

[표 7]

(S1703)에서와 같은 nn_parameter_storage_format_idc는 아래의 표 10(NN 파라미터 저장 포맷 식별자)에 의해 특정된 바와 같이, 신경망 파라미터들의 저장 포맷을 특정한다:

[표 8]

(S1804)에서와 같은 nn_parameter_compression_format_idc는 아래의 표 11(NN 토폴로지 압축 포맷 식별자)에 의해 특정된 바와 같이, 신경망 파라미터들의 압축 포맷을 지정한다:

[표 9]

(S1805)에서와 같은 num_bytes_parameter_data는 이 SEI 메시지에 포함되는 신경망 파라미터 페이로드의 바이트 수를 지정한다.

(S1806)에서와 같은 nn_parameter_data_byte는 신경망 파라미터 페이로드의 i번째 바이트를 지정한다.

도 16으로 돌아가서, S1613에서, 프로세스는 도 19의 흐름도(1900)의 (S1901)과 같은 것으로 진행할 수 있고, 여기서 network_input_pic_format_present_flag가 존재하는지가 결정될 수 있고, 존재할 때, 거기에서 (S1902)에서 nn_input_chroma_format_idc, (S1903)에서 nn_input_bitdepth_minus8, (1904)에서 nn_input_pic_width, (S1905)에서nn_input_pic_height의 생성 또는 획득, 그리고 (S1906)에서 nn_patch_size_present_flag가 존재하는지에 대한 결정이 있을 수 있고, 그리고 존재한다면 (S1907)에서 nn_input_patch_width, (S1908)에서 nn_input_patch_height, 및 (S1909)에서 nn_boundary_padding_idc의 획득 또는 생성이 있을 수 있다.

0과 동일한 (S1901)에서와 같은 network_input_pic_format_present_flag는 입력 픽처 포맷을 나타내는 신택스 요소들이 SEI 메시지에 존재하지 않고 신경망 추론 프로세스의 입력 픽처 포맷이 디코더의 출력 픽처 포맷과 동일하다는 것을 특정한다. 1과 동일한 nn_input_pic_format_present_flag는 입력 픽처 포맷을 나타내는 신택스 요소들이 SEI 메시지에 존재함을 특정한다.

(S1902)에서의 nn_input_chroma_format_idc는 아래의 표 12(크로마 포맷 식별자)에 따라 루마 샘플링에 대한 크로마 샘플링을 특정할 수 있다:

[표 10]

S1903에서와 같은 nn_input_bitdepth_minus8(or plus 8)은 신경망의 입력 픽처 내의 루마 및 크로마 샘플들의 비트 깊이를 특정한다.

(1904)에서와 같은 nn_input_pic_width는 입력 픽처의 폭을 특정한다.

(S1905)에서와 같은 nn_input_pic_height는 입력 픽처의 높이를 특정한다.

0과 동일한 (S1906)에서와 같은 nn_patch_size_present_flag는 패치 크기가 입력 픽처 크기와 동일하다는 것을 특정한다. 1과 동일한 nn_patch_size_present_flag는 패치 크기가 명시적으로 시그널링되는 것을 특정한다.

(S1907)에서와 같은 nn_input_patch_width는 신경망 추론 프로세스에 대한 패치의 폭을 특정한다.

(S1908)에서와 같은 nn_input_patch_height는 신경망 추론 프로세스에 대한 패치의 높이를 특정한다.

(S1909)에서와 같은 nn_boundary_padding_idc는 패치 크기가 예를 들어 이하의 표 13(경계 패딩 식별자)에 따라 입력 픽처 크기와 상이할 때, 패치의 경계에 적용되는 패딩 방법을 특정한다.

[표 11]

도 16으로 돌아가면, (S1613)에서, 프로세스는 또한 도 19의 흐름도(1900) 및 도 20의 흐름도(2000)에 병렬로 또는 직렬로 진행할 수 있고, 여기서 (S2001)에서 num_network_input_ref_pic > 0이 존재하는지가 결정될 수 있다. 만약 그렇다면, (S2002)에서 num_fwd_ref_pics_as_input의 획득 또는 생성, (S2003)에서 NumFwdRefPics > 0의 표시가 있는지에 관한 결정, 및 (S2006)에서 NumBwdRefPics > 0의 표시가 있는지에 관한 결정이 있을 수 있다. 또한, (S2003)에서 만약 그렇다면, (S2004)에서 nearest_fwd_ref_pics_as_input 및 (S2005)에서 poc_dist_fwd_ref_pic[ i ]에 대한 결정이 있을 수 있다. 또한, (S2003)에서 만약 그렇다면, (S2007)에서 nearest_bwd_ref_pics_as_input 및 (S2008)에서 poc_dist_bwd_ref_pic[ i ]에 대한 결정이 있을 수 있다.

(S2002)에서와 같은 num_fwd_ref_pics_as_input은 신경망의 입력 데이터로서 사용되는 포워드 참조 픽처들의 수를 특정하는데, 예를 들어, (num_nn_input_ref_pic > 0)인 경우 (NumFwdRefPics = num_fwd_ref_pics_as_input)이고 그렇지 않으면(NumFwdRefPics = 0)이다.

(S2004)에서와 같은 nearest_fwd_ref_pics_as_input은 현재 픽처로부터 가장 작은 픽처 순서 카운트 거리를 갖는 가장 가까운 순방향 참조 픽처들이 신경망의 입력 데이터로서 사용되는 것을 특정한다.

(S2005)에서와 같은 poc_dist_fwd_ref_pic[ i ]는 신경망의 입력 데이터로서 사용되는 i번째 포워드 참조 픽처의 픽처 순서 카운트 값을 특정한다. i번째 포워드 참조 픽처의 픽처 순서 카운트 값은 현재 픽처의 픽처 순서 카운트 값 마이너스 poc_dist_fwd_ref_pic[ i ]와 동일하다.

(S2007)에서와 같은 nearest_bwd_ref_pics_as_input는, (num_nn_input_ref_pic > 0)인 경우 (NumBwdRefPics = num_bwd_ref_pics_as_input) 그렇지 않으면 (NumBwdRefPics = 0)이 되도록 신경망의 입력 데이터로서 사용되는 역방향 참조 픽처들의 수를 특정한다.

(S2008)에서와 같은 poc_dist_bwd_ref_pic[ i ]는 신경망의 입력 데이터로서 사용되는 i번째 역방향 참조 픽처의 픽처 순서 카운트 값을 특정한다. i번째 역방향 참조 픽처의 픽처 순서 카운트 값은 현재 픽처의 픽처 순서 카운트 값 플러스 poc_dist_bwd_ref_pic[ i ]와 동일하다.

또한, 유의할 점은, 상기 표 1에서와 같은 nearest_bwd_ref_pics_used_flag가, 현재 픽처로부터 가장 작은 픽처 순서 카운트 거리를 갖는 가장 가까운 역방향 참조 픽처들이 신경망의 입력 데이터로서 사용되는 것을 특정한다는 것이다.

(S2102)에서 nn_operation_class_idc[ i ]를, 그리고 (S2103)에서 nn_operation_function_idc[ i ]를, (S2104)에서 num_input_variables[ i ]를, 그리고 (S2105)에서 num_output_variables[ i ]를 반복적으로 정의하는 연산들이 존재할, (S2101)에서의 define_operation_node( i )가 존재하는, 도 21의 흐름도(2100)에서와 같은 추가적인 연산들이 구현될 수 있다.

(S2102)에서와 같은 nn_operation_class_idc[ i ]는 아래의 표 14(NN 연산 함수)에 의해 특정된 바와 같이, i번째 연산 노드의 클래스를 특정한다:

[표 12]

(S2103)에서와 같은 nn_operation_function_idc[ i ]는 아래의 표 15(NN 연산 함수, 7과 동일한 nn_operation_class_idc의 예시적인 표 15(활성화 함수))에 의해 특정된 바와 같이, i번째 연산 노드의 함수를 특정한다:

[표 13]

(S2104)에서와 같은 num_input_variables[ i ]는 i번째 연산 노드의 입력 변수들의 수를 특정한다.

(S2105)에서와 같은 num_output_variables[ i ]는 i번째 연산 노드의 출력 변수들의 수를 특정한다.

도 15에 관한 신택스는 이하의 표 16에 의해 표현될 수 있다:

[표 14]

(S2202)에서 nn_op_node_idx[ i ]를, 그리고 (S2203)에서 nn_input_variable_idx[ i ][ j ]를, (S2204)에서 nn_output_variable_idx[ i ][ j ]를 반복적으로 정의하는 연산들이 있을 (S2201)에서의 operation_node_execution( i )이 있는 도 22의 흐름도(2200)에 의한 것과 같은 추가적인 연산들이 구현될 수 있다.

(S2202)에서와 같은 nn_op_node_idx[ i ]는 i번째 연산 노드 실행을 위한 연산 노드의 인덱스를 특정한다. 이 실행을 위해 nn_op_node_idx[ i ] 번째 연산 노드가 사용된다.

(S2203)에서와 같은 nn_input_variable_idx[ i ][ j ]는 i번째 연산 노드 실행의 j번째 입력 변수의 변수 인덱스를 특정한다.

(S2204)에서와 같은 nn_output_variable_idx[ i ][ j ]는 i번째 연산 노드 실행의 j번째 출력 변수의 변수 인덱스를 특정한다.

도 22에 관한 신택스는 이하의 표 17에 의해 표현될 수 있다:

[표 15]

추가적인 프로세스들이, 도 21에서와 같이, 예를 들어, 표 18의 후속하는 신택스에 따라 변수(i)를 반복적으로 정의하는 것을 수반할 수 있다:

[표 16]

표 16을 보면, nn_variable_class_idc[ i ]는 아래의 표 19에 의해 특정된 바와 같이 신경망 내의 i번째 변수의 변수 클래스를 특정한다(NN 변수 클래스들):

[표 17]

예시적인 실시예들에 따르면, nn_variable_class_idc가 1과 동일할 때, 변수가 신경망의 입력 데이터인 것이 결정될 수 있다; nn_variable_class_idc가 2와 동일할 때, 변수는 신경망의 출력 데이터이고; nn_variable_class_idc가 3과 동일할 때, 변수는 연산 노드 사이의 중간 데이터이고; 및 nn_variable_class_idc가 4와 동일할 때, 변수는 미리 훈련되거나 미리 정의된 상수 데이터이다.

또한, 표 16을 보면, nn_variable_type_idc[ I ]는 아래의 표 20(NN 변수 타입들)에 의해 특정된 바와 같이, 신경망에서 i번째 변수의 변수 타입을 특정한다:

[표 18]

예시적인 실시예들에 따르면, 표 16의 nn_variable_dimensions[ I ]는 i번째 변수의 차원들의 수를 특정하고, 또한 Nn_variable_dimension_size[ I ][ j ]는 i번째 변수의 j번째 차원의 크기를 특정한다. 주목할 점은, 예시적인 실시예들에 따라, i번째 변수가 그 컬러 성분의 수, 폭 및 높이가 제각기 3, 1920 및 1080인 입력 데이터일 때, 제각기 nn_variable_class_idc[ i ]는 1과 동일하고, nn_variable_dimensions[ I ]는 3과 동일하고, nn_variable_dimension_size[ I ][ 0 ]는 3과 동일하고, nn_variable_dimension_size[ I ][ 1 ]는 1920과 동일하고, nn_variable_dimension_size[ I ][ 2 ]는 1080과 동일하다는 점이다.

실시예들에 따른, 신경망 추론 프로세스 SEI 메시지 신택스의 예가 이제 설명될 것이다.

실시예들에 따른 이러한 신택스는 아래의 표 21에서 표현될 수 있다:

[표 21]

num_nn_models_minus1 plus 1은 픽처에 대해 사용되는 신경망 모델들의 수를 특정한다.

nn_used_id[i]는 픽처에 대해 사용되는 i번째 신경망 모델의 식별자를 나타낸다.

nn_pic_width_in_luma_samples는 이 SEI 메시지와 연관된 각각의 디코딩된 픽처의 폭을 루마 샘플들의 단위로 지정하고, nn_pic_height_in_luma_samples는 이 SEI 메시지와 연관된 각각의 디코딩된 픽처의 높이를 루마 샘플들의 단위로 지정한다.

nn_num_block_rows_minus1 plus 1은 블록 행 높이의 수를 특정한다. 실시예들에서, nn_num_block_rows_minus1의 값은 0 내지 nn_pic_height_in_luma_samples - 1(양끝 포함)의 범위에 있을 수 있다. nn_num_block_columns_minus1 plus 1은 블록 열 폭들의 수를 특정한다. 실시예들에서, nn_num_block_columns_minus1의 값은 0 내지 nn_pic_width_in_luma_samples - 1(양끝 포함)의 범위에 있을 수 있다.

nn_block_column_width_minus1[ i ] plus 1은 i번째 블록의 폭을 루마 샘플들의 단위로 특정한다. 실시예들에서, nn_block_column_width_minus1[ i ]의 값은 0 내지 nn_pic_width_in_luma_samples - 1(양끝 포함)의 범위에 있을 수 있다. nn_block_row_height_minus1[ i ] plus 1은 i번째 블록의 높이를 루마 샘플들의 단위로 특정한다. 실시예들에서, nn_block_row_height_minus1[ i ]의 값은 0 내지 nn_pic_height_in_luma_samples - 1(양끝 포함)의 범위에 있을 수 있다.

전술한 기법들은 컴퓨터 판독가능 명령어들을 사용하는 컴퓨터 소프트웨어로서 구현될 수 있고, 하나 이상의 컴퓨터 판독가능 매체에 또는 구체적으로 구성된 하나 이상의 하드웨어 프로세서에 의해 물리적으로 저장될 수 있다. 예를 들어, 도 23은 개시된 주제의 특정 실시예들을 구현하기에 적합한 컴퓨터 시스템(2300)을 도시한다.

컴퓨터 소프트웨어는, 컴퓨터 중앙 처리 유닛(CPU), 그래픽 처리 유닛(GPU) 등에 의해, 직접적으로, 또는 인터프리테이션, 마이크로코드 실행 등을 통해 실행될 수 있는 명령어들을 포함하는 코드를 생성하기 위해, 어셈블리, 컴파일, 링킹, 또는 유사한 메커니즘을 겪을 수 있는 임의의 적절한 머신 코드 또는 컴퓨터 언어를 사용하여 코딩될 수 있다.

명령어들은, 예를 들어, 개인용 컴퓨터, 태블릿 컴퓨터, 서버, 스마트폰, 게이밍 디바이스, 사물 인터넷 디바이스 등을 포함하는 다양한 타입의 컴퓨터 또는 그의 컴포넌트 상에서 실행될 수 있다.

컴퓨터 시스템(2300)에 대한 도 23에 도시된 컴포넌트들은 본질적으로 예시적인 것이며, 본 개시내용의 실시예들을 구현하는 컴퓨터 소프트웨어의 사용 또는 기능성의 범위에 관한 어떠한 제한도 시사하도록 의도되지 않는다. 또한 컴포넌트들의 구성이 컴퓨터 시스템(2300)의 예시적 실시예에 예시된 컴포넌트들의 임의의 하나 또는 그 조합과 관련된 임의의 종속성 또는 요건을 갖는 것으로 해석해서도 안된다.

컴퓨터 시스템(2300)은 특정 휴먼 인터페이스 입력 디바이스들을 포함할 수 있다. 그러한 휴먼 인터페이스 입력 디바이스는, 예를 들어, 촉각 입력(예컨대: 키스트로크들, 스와이프들, 데이터 글러브 움직임들), 오디오 입력(예컨대: 음성, 박수), 시각적 입력(예컨대: 제스처들), 후각 입력을 통한 하나 이상의 인간 사용자에 의한 입력에 응답할 수 있다. 휴먼 인터페이스 디바이스들은 또한 오디오(예컨대, 음성, 음악, 주변 사운드), 이미지들(예컨대, 스캐닝된 이미지들, 정지 이미지 카메라로부터 획득된 사진 이미지들), 비디오(예컨대, 2차원 비디오, 입체 비디오를 포함하는 3차원 비디오)와 같은, 인간에 의한 의식적 입력과 반드시 직접적으로 관련되지는 않은 특정 미디어를 캡처하기 위해 사용될 수 있다.

입력 휴먼 인터페이스 디바이스들은: 키보드(2301), 마우스(2302), 트랙패드(2303), 터치 스크린(2310), 조이스틱(2305), 마이크로폰(2306), 스캐너(2308), 카메라(2307) 중 하나 이상(각각의 하나만이 묘사됨)을 포함할 수 있다.

컴퓨터 시스템(2300)은 또한 특정 휴먼 인터페이스 출력 디바이스들을 포함할 수 있다. 이러한 휴먼 인터페이스 출력 디바이스들은, 예를 들어, 촉각 출력, 사운드, 광, 및 냄새/미각을 통해 하나 이상의 인간 사용자의 감각들을 자극하고 있을 수 있다. 그러한 휴먼 인터페이스 출력 디바이스들은 촉각 출력 디바이스들(예를 들어, 터치스크린(2310) 또는 조이스틱(2305)에 의한 촉각 피드백이지만, 입력 디바이스들로서 역할하지 않는 촉각 피드백 디바이스들도 있을 수 있음), 오디오 출력 디바이스들(예컨대: 스피커들(2309), 헤드폰들), 시각적 출력 디바이스들(예컨대 CRT 스크린들, LCD 스크린들, 플라즈마 스크린들, OLED 스크린들을 포함하는 스크린들(2310), 각각은 터치스크린 입력 능력이 있거나 없고, 각각은 촉각 피드백 능력이 있거나 없고 - 이들 중 일부는 예를 들어, 스테레오그래픽 출력을 이용하여 2차원 시각적 출력 또는 3개보다 많은 차원의 출력을 출력할 수 있음; 가상 현실 안경, 홀로그래픽 디스플레이 및 연기 탱크), 및 프린터들을 포함할 수 있다.

컴퓨터 시스템(2300)은 인간 액세스 가능한 저장 디바이스들 및 그것들과 연관된 매체들, 예컨대 CD/DVD(2311) 등의 매체를 갖는 CD/DVD ROM/RW(2320)를 포함하는 광학 매체, 썸-드라이브(2322), 이동식 하드 드라이브 또는 솔리드 스테이트 드라이브(2323), 테이프 및 플로피 디스크와 같은 레거시 자기 매체, 보안 동글들과 같은 특수화된 ROM/ASIC/PLD 기반 디바이스들, 및 그와 유사한 것을 또한 포함할 수 있다.

본 기술분야의 통상의 기술자들은 또한, 현재 개시된 주제와 관련하여 사용되는 용어 "컴퓨터 판독가능 매체"가 송신 매체, 반송파들, 또는 다른 일시적 신호들을 포함하지 않는다는 것을 이해해야 한다.

컴퓨터 시스템(2300)은 또한 하나 이상의 통신 네트워크(2398)에 대한 인터페이스(2399)를 포함할 수 있다. 네트워크들(1898)은 예를 들어, 무선, 유선, 광학일 수 있다. 네트워크들(2398)은 추가로 로컬, 광역, 대도시, 차량 및 산업, 실시간, 지연 허용(delay-tolerant) 및 등등일 수 있다. 네트워크들(2398)의 예들은 로컬 영역 네트워크들, 예컨대 이더넷, 무선 LAN들, GSM, 3G, 4G, 5G, LTE 등을 포함하는 셀룰러 네트워크들, 케이블 TV, 위성 TV 및 지상파 브로드캐스트 TV를 포함하는 TV 와이어라인 또는 무선 광역 디지털 네트워크들, CANBus를 포함하는 차량 및 산업, 및 등등을 포함한다. 특정 네트워크들(2398)은 흔히 특정 범용 데이터 포트들 또는 주변 버스들(2350 및 2351)(예컨대, 예를 들어, 컴퓨터 시스템(2300)의 USB 포트들)에 부착된 외부 네트워크 인터페이스 어댑터들을 사용한다; 다른 것들은 흔히 아래에 설명되는 바와 같은 시스템 버스로의 부착에 의해 컴퓨터 시스템(2300)의 코어에 통합된다(예를 들어, PC 컴퓨터 시스템으로의 이더넷 인터페이스 또는 스마트폰 컴퓨터 시스템으로의 셀룰러 네트워크 인터페이스). 이 네트워크들(2398) 중 임의의 것을 사용하여, 컴퓨터 시스템(2300)은 다른 엔티티들과 통신할 수 있다. 그러한 통신은 단방향성 수신 전용(예를 들어, 브로드캐스트 TV), 단방향성 송신 전용(예를 들어, CANbus 대 특정 CANbus 디바이스들), 또는 예를 들어 로컬 또는 광역 디지털 네트워크들을 사용하는 다른 컴퓨터 시스템들과의 양방향성일 수 있다. 위에서 설명된 바와 같은 네트워크들 및 네트워크 인터페이스들 각각에 대해 특정 프로토콜들 및 프로토콜 스택들이 사용될 수 있다.

전술한 휴먼 인터페이스 디바이스들, 인간 액세스가능 저장 디바이스들, 및 네트워크 인터페이스들은 컴퓨터 시스템(2300)의 코어(2340)에 부착될 수 있다.

코어(2340)는 하나 이상의 중앙 처리 유닛(CPU)(2341), 그래픽 처리 유닛(GPU)(2342), 그래픽 어댑터(1817), 필드 프로그래머블 게이트 영역(FPGA)(2343)의 형식으로 특수화된 프로그래머블 처리 유닛들, 특정 태스크들에 대한 하드웨어 가속기들(2344), 및 등등을 포함할 수 있다. 이 디바이스들은 판독 전용 메모리(ROM)(2345), 랜덤 액세스 메모리(2346), 내부 비-사용자 액세스가능 하드 드라이브들, SSD들, 및 그와 유사한 것과 같은 내부 대용량 저장소(2347)와 함께, 시스템 버스(2348)를 통해 접속될 수 있다. 일부 컴퓨터 시스템에서, 시스템 버스(2348)는 추가적인 CPU, GPU 등에 의한 확장을 가능하게 하기 위해 하나 이상의 물리적 플러그의 형태로 액세스가능할 수 있다. 주변 디바이스들은 코어의 시스템 버스(2348)에 직접적으로, 또는 주변 버스(2351)를 통해 부착될 수 있다. 주변 버스를 위한 아키텍처들은 PCI, USB 등을 포함한다.

CPU들(2341), GPU들(2342), FPGA들(2343), 및 가속기들(2344)은, 조합되어, 전술한 컴퓨터 코드를 구성할 수 있는 특정 명령어들을 실행할 수 있다. 그 컴퓨터 코드는 ROM(2345) 또는 RAM(2346)에 저장될 수 있다. 과도적인 데이터가 또한 RAM(2346)에 저장될 수 있는 반면, 영구 데이터는 예를 들어 내부 대용량 저장소(2347)에 저장될 수 있다. 메모리 디바이스들 중 임의의 것에 대한 고속 저장 및 검색은 하나 이상의 CPU(2341), GPU(2342), 대용량 저장소(2347), ROM(2345), RAM(2346) 등과 밀접하게 연관될 수 있는 캐시 메모리의 사용을 통해 가능하게 될 수 있다.

컴퓨터 판독가능 매체는 다양한 컴퓨터 구현 동작들을 수행하기 위한 컴퓨터 코드를 그 상에 가질 수 있다. 매체 및 컴퓨터 코드는 본 개시내용의 목적을 위해 특별히 설계되고 구성된 것들일 수 있거나, 또는 그것들은 컴퓨터 소프트웨어 기술분야의 통상의 기술자들에게 잘 알려져 있고 이용가능한 종류의 것일 수 있다.

제한이 아니라 예로서, 아키텍처를 갖는 컴퓨터 시스템(2300), 및 구체적으로 코어(2340)는 프로세서(들)(CPU들, GPU들, FPGA, 가속기들 등을 포함함)가 하나 이상의 유형의(tangible) 컴퓨터 판독가능 매체에 구채화된 소프트웨어를 실행하는 결과로서 기능성을 제공할 수 있다. 그러한 컴퓨터 판독가능 매체는 위에 소개된 바와 같은 사용자 액세스가능 대용량 저장소뿐만 아니라, 코어 내부 대용량 저장소(2347) 또는 ROM(2345)과 같은 비일시적인 본질의 것인 코어(2340)의 특정 저장소와 연관된 매체일 수 있다. 본 개시내용의 다양한 실시예들을 구현하는 소프트웨어는 이러한 디바이스들에 저장되고 코어(2340)에 의해 실행될 수 있다. 컴퓨터 판독가능 매체는 특정 필요에 따라 하나 이상의 메모리 디바이스 또는 칩을 포함할 수 있다. 소프트웨어는 코어(2340) 및 구체적으로 그 내부의 프로세서들(CPU, GPU, FPGA 등을 포함함)로 하여금, RAM(2346)에 저장된 데이터 구조들을 정의하는 것 및 소프트웨어에 의해 정의된 프로세스들에 따라 그러한 데이터 구조들을 수정하는 것을 포함하여, 본 명세서에 설명된 특정 프로세스들 또는 특정 프로세스들의 특정 부분들을 실행하게 야기할 수 있다. 추가로 또는 대안으로서, 컴퓨터 시스템은, 본 명세서에 설명된 특정 프로세스들 또는 특정 프로세스들의 특정 부분들을 실행하기 위해 소프트웨어 대신에 또는 그와 함께 동작할 수 있는, 회로(예를 들어: 가속기(2344))에 하드와이어링되거나 다른 방식으로 구체화된 로직의 결과로서 기능성을 제공할 수 있다. 소프트웨어에 대한 참조는, 적절한 경우, 로직을 포괄할 수 있고, 그 반대도 가능하다. 컴퓨터 판독가능 매체에 대한 참조는, 적절한 경우, 실행을 위한 소프트웨어를 저장하는 회로(예컨대 집적 회로(IC)), 또는 실행을 위한 로직을 구체화하는 회로, 또는 둘 다를 포괄할 수 있다. 본 개시내용은 하드웨어 및 소프트웨어의 임의의 적합한 조합을 포괄한다.

본 개시내용이 여러 예시적인 실시예들을 설명하였지만, 본 개시내용의 범위 내에 속하는 변경들, 치환들, 및 다양한 대체 균등물들이 존재한다. 따라서, 본 기술분야의 통상의 기술자들은, 비록 본 명세서에 명시적으로 도시되거나 설명되지는 않았지만, 본 개시내용의 원리들을 구체화하고 따라서 그것의 사상 및 범위 내에 있는, 수많은 시스템들 및 방법들을 고안할 수 있을 것이라는 점을 알 것이다.

Claims

적어도 하나의 프로세서에 의해 수행되는 비디오 코딩을 위한 방법으로서:
입력 비디오 스트림을 획득하는 단계;
신경망을 이용하여 상기 입력 비디오 스트림에 기초하여 코딩된 비디오 비트스트림을 생성하는 단계 - 상기 코딩된 비디오 비트스트림은 복수의 SEI(supplemental enhancement information) 메시지 및 블록을 포함함 -;
상기 신경망과 연관된 복수의 신경망 토폴로지 정보 피스를 결정하는 단계; 및
상기 결정된 복수의 신경망 토폴로지 정보 피스를 상기 코딩된 비디오 비트스트림과 연관된 복수의 신택스 요소에서 시그널링하는 단계를 포함하는 방법.
제1항에 있어서,
상기 복수의 SEI 메시지 각각은 상기 결정된 복수의 신경망 토폴로지 정보 피스 중 하나를 운반하고;
제2 복수의 SEI 메시지가 상기 복수의 신경망 토폴로지 정보 피스에 대한 픽처 및 블록 레벨 적응 정보를 저장하는 방법.
제1항에 있어서, 상기 복수의 신택스 요소는 상기 복수의 SEI(supplemental enhancement information) 메시지, 파라미터 세트, 및 메타데이터 컨테이너 박스 중 하나 이상을 통해 시그널링되는 방법.
제3항에 있어서,
상기 신경망은 복수의 연산 노드를 포함하고,
상기 코딩된 비디오 비트스트림을 생성하는 단계는:
상기 입력 비디오 스트림에 대응하는 입력 텐서 데이터를 상기 연산 노드들 중 제1 연산 노드에 공급하는 단계;
미리 훈련된 상수들 및 변수들 중 임의의 것으로 상기 입력 텐서 데이터를 처리하는 단계; 및
중간 텐서 데이터를 출력하는 단계를 포함하고,
상기 중간 텐서 데이터는 상기 입력 텐서 데이터와 훈련된 상수들 및 업데이트된 변수들 중 임의의 것의 가중 합을 포함하는 방법.
제1항에 있어서, 상기 SEI 메시지 내의 식별자를 사용하여 상기 코딩된 비디오 비트스트림의 각각의 블록에 대한 상기 복수의 신경망 토폴로지 정보 피스 중 연관된 피스를 식별하는 단계를 추가로 포함하고,
상기 각각의 블록은 상기 복수의 신경망 토폴로지 정보 피스의 상이한 피스를 사용하고, 상기 각각의 블록은 상기 식별자 및 온/오프 플래그를 포함하는 방법.
제1항에 있어서, 상기 결정된 복수의 토폴로지 정보 피스의 시그널링은 픽처 레벨 모델 또는 블록 레벨 모델 중 하나의 것의 적응적 선택을 포함하는 방법.
제6항에 있어서,
상기 픽처 레벨 모델의 적응적 선택은:
픽처를 다양한 크기를 갖는 파티셔닝된 픽처들이 되도록 파티셔닝하는 것;
상기 파티셔닝된 픽처들 각각에 대한 상기 픽처 레벨 모델의 최소 비용을 계산하는 것; 및
최소의 제1 RD(rate-distortion) 비용을 갖는 픽처 레벨 모델을 선택하는 것을 포함하고,
상기 블록 레벨 모델의 적응적 선택은:
상기 블록의 왜곡 레이트에 기초하여, 블록 크기들과 하나 이상의 블록 레벨 모델을 비교하는 것;
각각의 블록 크기에 대한 블록 레벨 모델의 최소 비용을 계산하는 것;
최소의 제2 RD(rate-distortion) 비용을 갖는 상기 블록 레벨 모델을 선택하는 것을 포함하고,
상기 방법은 상기 제1 RD 비용 및 상기 제2 RD 비용에 기초하여 상기 선택된 블록 레벨 모델에 대한 온/오프 플래그의 상태 및 상기 선택된 픽처 레벨 모델에 대한 온/오프 플래그의 상태를 선택하는 단계를 추가로 포함하는 방법.
제1항에 있어서, 상기 복수의 신경망 토폴로지 정보 피스는, NNEF(neural network exchange format), ONNX(open neural network exchange) 포맷, 및 MPEG 신경망 압축 표준(NNR) 포맷 중 적어도 하나에 의해 명시적으로 시그널링되는 방법.
제8항에 있어서, 상기 신경망은:
디블로킹 필터를 이용하여 상기 코딩된 비디오 비트스트림의 디블로킹을 수행하고;
신경망 기반 재구성 필터를 사용하여 재구성된 출력을 생성하고, 상기 재구성된 출력을 버퍼에 저장하고; 및
순방향 참조 픽처 및 역방향 참조 픽처에 기초하여 신경망 기반 예측 필터를 사용하여 상기 재구성된 출력의 참조 픽셀 값들을 업데이트함으로써 훈련되고;
상기 신경망 기반 재구성 필터 및 상기 신경망 기반 예측 필터는 상이한 훈련된 파라미터들을 갖는 동일한 네트워크 모델을 채택하는 방법.
제9항에 있어서,
상기 신경망 기반 재구성 필터는 상기 재구성된 출력의 참조 픽셀 값들과 현재 픽처의 픽셀 값들 사이의 오차를 최소화함으로써 훈련되고; 및
상기 신경망 기반 예측 필터는 상기 재구성된 출력의 참조 픽셀 값들과 디코딩 순서의 다음 픽처의 픽셀 값들 사이의 오차를 최소화함으로써 훈련되는 방법.
비디오 코딩을 위한 장치로서:
프로그램 코드를 저장하도록 구성된 적어도 하나의 메모리; 및
상기 프로그램 코드를 판독하고 상기 프로그램 코드에 의해 지시된 대로 동작하도록 구성된 적어도 하나의 프로세서를 포함하고, 상기 프로그램 코드는:
상기 적어도 하나의 프로세서로 하여금 입력 비디오 스트림을 획득하게 야기하도록 구성된 획득 코드;
상기 적어도 하나의 프로세서로 하여금 신경망을 사용하여 상기 입력 비디오 스트림에 기초하여 코딩된 비디오 비트스트림을 생성하게 야기하도록 구성된 코딩 코드 - 상기 코딩된 비디오 비트스트림은 복수의 SEI(supplemental enhancement information) 메시지 및 블록을 포함함 -;
상기 적어도 하나의 프로세서로 하여금 상기 신경망과 연관된 복수의 신경망 토폴로지 정보 피스를 결정하게 야기하도록 구성된 결정 코드; 및
상기 적어도 하나의 프로세서로 하여금 상기 결정된 복수의 신경망 토폴로지 정보 피스를 상기 코딩된 비디오 비트스트림과 연관된 복수의 신택스 요소에서 시그널링하게 야기하도록 구성된 시그널링 코드를 포함하는 장치.
제11항에 있어서,
상기 복수의 SEI 메시지 각각은 상기 결정된 복수의 신경망 토폴로지 정보 피스 중 하나를 운반하고; 및
제2 복수의 SEI 메시지는 상기 복수의 신경망 토폴로지 정보 피스에 대한 픽처 및 블록 레벨 적응 정보를 저장하는 장치.
제11항에 있어서, 상기 복수의 신택스 요소는 상기 복수의 SEI(supplemental enhancement information) 메시지, 파라미터 세트, 및 메타데이터 컨테이너 박스 중 하나 이상을 통해 시그널링되는 장치.
제13항에 있어서,
상기 신경망은 복수의 연산 노드를 포함하고,
상기 코딩된 비디오 비트스트림을 생성하는 것은:
상기 입력 비디오 스트림에 대응하는 입력 텐서 데이터를 상기 연산 노드들 중 제1 연산 노드에 공급하는 것;
미리 훈련된 상수들 및 변수들 중 임의의 것으로 상기 입력 텐서 데이터를 처리하는 것; 및
중간 텐서 데이터를 출력하는 것을 포함하고,
상기 중간 텐서 데이터는 상기 입력 텐서 데이터와 훈련된 상수들 및 업데이트된 변수들 중 임의의 것의 가중 합을 포함하는 장치.
제11항에 있어서, 상기 프로그램 코드는 상기 적어도 하나의 프로세서로 하여금 상기 SEI 메시지 내의 식별자를 사용하여 상기 코딩된 비디오 비트스트림의 각각의 블록에 대한 상기 복수의 신경망 토폴로지 정보 피스 중 연관된 피스들을 식별하게 야기하도록 구성된 식별 코드를 추가로 포함하고,
상기 각각의 블록은 상기 복수의 신경망 토폴로지 정보 피스의 상이한 피스를 사용하고, 상기 각각의 블록은 상기 식별자 및 온/오프 플래그를 포함하는 장치.
제11항에 있어서, 상기 결정된 복수의 토폴로지 정보 피스의 시그널링은 픽처 레벨 모델 또는 블록 레벨 모델 중 하나의 것의 적응적 선택을 포함하고;
상기 픽처 레벨 모델의 적응적 선택은:
상기 적어도 하나의 프로세서로 하여금 픽처를 다양한 크기를 갖는 파티셔닝된 픽처들이 되도록 파티셔닝하게 야기하도록 구성된 파티셔닝 코드;
상기 적어도 하나의 프로세서로 하여금 상기 파티셔닝된 픽처들 각각에 대한 상기 픽처 레벨 모델의 최소 비용을 계산하게 야기하도록 구성된 제1 컴퓨팅 코드; 및
상기 적어도 하나의 프로세서로 하여금 최소의 제1 RD(rate-distortion) 비용을 갖는 픽처 레벨 모델을 선택하게 야기하도록 구성된 픽처 레벨 선택 코드를 포함하고;
상기 블록 레벨 모델의 적응적 선택은:
상기 적어도 하나의 프로세서로 하여금 상기 블록의 왜곡 레이트에 기초하여 블록 크기들과 하나 이상의 블록 레벨 모델을 비교하게 야기하도록 구성된 비교 코드;
상기 적어도 하나의 프로세서로 하여금 각각의 블록 크기에 대한 블록 레벨 모델의 최소 비용을 계산하게 야기하도록 구성된 제2 계산;
상기 적어도 하나의 프로세서로 하여금 최소의 제2 RD(rate-distortion) 비용을 갖는 상기 블록 레벨 모델을 선택하게 야기하도록 구성된 블록 레벨 선택 코드; 및
상기 적어도 하나의 프로세서로 하여금, 상기 제1 RD 비용 및 상기 제2 RD 비용에 기초하여 상기 선택된 블록 레벨 모델에 대한 온/오프 플래그의 상태 및 상기 선택된 픽처 레벨 모델에 대한 온/오프 플래그의 상태를 선택하게 야기하도록 구성된 선택 코드를 포함하는 장치.
제11항에 있어서,
상기 복수의 신경망 토폴로지 정보 피스는, NNEF(neural network exchange format), ONNX(open neural network exchange) 포맷, 및 MPEG 신경망 압축 표준(NNR) 포맷 중 적어도 하나에 의해 명시적으로 시그널링되는 장치.
제17항에 있어서,
상기 신경망은:
디블로킹 필터를 이용하여 상기 코딩된 비디오 비트스트림의 디블로킹을 수행하고;
신경망 기반 재구성 필터를 사용하여 재구성된 출력을 생성하고, 상기 재구성된 출력을 버퍼에 저장하고; 및
순방향 참조 픽처 및 역방향 참조 픽처에 기초하여 신경망 기반 예측 필터를 사용하여 상기 재구성된 출력의 참조 픽셀 값들을 업데이트함으로써 훈련되고;
상기 신경망 기반 재구성 필터 및 상기 신경망 기반 예측 필터는 상이한 훈련된 파라미터들을 갖는 동일한 네트워크 모델을 채택하는 장치.
제18항에 있어서,
상기 신경망 기반 재구성 필터는 상기 재구성된 출력의 참조 픽셀 값들과 현재 픽처의 픽셀 값들 사이의 오차를 최소화함으로써 훈련되고; 및
상기 신경망 기반 예측 필터는 상기 재구성된 출력의 참조 픽셀 값들과 디코딩 순서의 다음 픽처의 픽셀 값들 사이의 오차를 최소화함으로써 훈련되는 장치.
명령어들을 저장하는 비일시적 컴퓨터 판독가능 매체로서, 상기 명령어들은 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금:
입력 비디오 스트림을 획득하고;
신경망을 이용하여 상기 입력 비디오 스트림에 기초하여 코딩된 비디오 비트스트림을 생성하고 - 상기 코딩된 비디오 비트스트림은 복수의 SEI(supplemental enhancement information) 메시지 및 블록을 포함함 -;
상기 신경망과 연관된 복수의 신경망 토폴로지 정보 피스를 결정하고; 및
상기 결정된 복수의 신경망 토폴로지 정보 피스를 상기 코딩된 비디오 비트스트림과 연관된 복수의 신택스 요소에서 시그널링하도록 야기하는 비일시적 컴퓨터 판독가능 매체.