KR20220165274A

KR20220165274A - 비디오 코딩을 위한 방법 및 장치

Info

Publication number: KR20220165274A
Application number: KR1020227039078A
Authority: KR
Inventors: 샨 리우; 샤오종 수; 웬 가오
Original assignee: 텐센트 아메리카 엘엘씨
Priority date: 2021-01-08
Filing date: 2021-09-01
Publication date: 2022-12-14
Also published as: JP7467675B2; WO2022150066A1; EP4107693A4; CN115380306A; US11831920B2; US20220224943A1; US20240048773A1; EP4107693A1; JP2023521047A

Abstract

본 개시의 측면은 비디오 인코딩/디코딩을 위한 방법, 장치 및 비일시적 컴퓨터 판독 가능 저장 매체를 포함한다. 장치는 코딩된 비디오 비트스트림과 연관된 메타데이터를 수신하는 처리 회로를 포함한다. 메타데이터는 코딩된 비디오 비트스트림에서 코딩된 제1 픽처에서 검출된 하나 이상의 객체들의 라벨링 정보를 포함한다. 이 처리 회로는 코딩된 비디오 비트스트림에서 코딩된 제1 픽처의 하나 이상의 객체들의 라벨링 정보를 디코딩한다. 이 처리 회로는 라벨링 정보를 제1 픽처의 하나 이상의 객체들에 적용한다.

Description

비디오 코딩을 위한 방법 및 장치

본 출원은 2021년 1월 8일에 출원된 미국 가출원 제63/135,530호 ('기계 작업을 위한 객체의 시그널링')에 대한 우선권의 이익을 주장하는, 2021년 8월 27일에 출원된 미국 특허 출원 제17/459,753호 ('비디오 코딩을 위한 방법 및 장치')에 대한 우선권의 이익을 주장한다. 선행 출원의 전체 개시는 그 전체가 참조로서 본 명세서에 포함된다.

본 개시는 일반적으로 비디오 코딩과 관련된 실시예를 설명한다.

본 명세서에서 제공된 배경 설명은 본 개시의 맥락을 일반적으로 제시하기 위한 것이다. 현재 명명된 발명자의 작업은 출원 당시 선행 기술로 인정되지 않을 수 있는 설명의 측면은 물론 이러한 배경 섹션에서 설명된 한도 내에서 본 개시에 대해 명시적 또는 암시적으로 선행 기술로서 인정되지 않는다.

비디오 코딩 및 디코딩은 모션 보상과 함께 픽처 간 예측을 사용하여 수행될 수 있다. 압축되지 않은 디지털 비디오는 일련의 픽처를 포함할 수 있으며, 각각의 픽처는 예를 들어 1920 x 1080 휘도 샘플 및 연관된 색차 샘플의 공간 차원을 갖는다. 일련의 픽처는 예를 들어 초당 60개의 픽처 또는 60 Hz의 고정 또는 가변 픽처 속도(비공식적으로는 프레임 속도라고도 함)를 가질 수 있다. 압축되지 않은 비디오는 중요한 비트레이트 요구사항을 갖는다. 예를 들어, 샘플당 8비트의 1080p60 4:2:0 비디오(60Hz 프레임 속도에서 1920x1080 휘도 샘플 해상도)은 1.5Gbit/s에 가까운 대역폭을 필요로 한다. 이러한 1시간의 비디오는 600GB 이상의 저장 공간을 필요로 한다.

비디오 코딩 및 디코딩의 한 가지 목적은 압축을 통해 입력 비디오 신호의 중복성을 감소시키는 것일 수 있다. 압축은 앞서 언급된 대역폭 또는 저장 공간 요구사항을 경우에 따라 2배 이상으로 감소시키는 데 도움이 될 수 있다. 무손실 및 손실 압축 둘다, 그리고 이들의 조합이 모두 사용될 수 있다. 무손실 압축은 압축된 원래 신호에서 원래 신호의 정확한 복사본이 재구성될 수 있는 기술을 지칭한다. 손실 압축을 사용하는 경우, 재구성된 신호는 원래 신호와 동일하지 않을 수 있지만, 원래 신호와 재구성된 신호 사이의 왜곡은 재구성된 신호가 의도된 애플리케이션에 유용할 만큼 충분히 작다. 비디오의 경우, 손실 압축이 널리 사용된다. 허용되는 왜곡의 수량은 애플리케이션에 따라 다르며, 예를 들어, 특정 소비자 스트리밍 애플리케이션의 사용자는 텔레비전 배포 애플리케이션의 사용자보다 더 높은 왜곡을 허용할 수 있다. 달성 가능한 압축 비율은 허용 가능한/참을 수 있는 왜곡이 높을수록 압축 비율이 더 높아질 수 있음을 반영할 수 있다.

비디오 인코더 및 디코더는 예를 들어 모션 보상, 변환, 양자화, 및 엔트로피 코딩을 포함하는 여러 광범위한 카테고리로부터의 기술을 이용할 수 있다.

비디오 코덱 기술은 인트라 코딩으로 알려진 기술을 포함할 수 있다. 인트라 코딩에서, 샘플 값은 이전에 재구성된 참조 픽처로부터의 샘플 또는 다른 데이터에 대한 참조 없이 표현된다. 일부 비디오 코덱에서, 픽처는 공간적으로 샘플 블록으로 세분화된다. 샘플의 모든 블록이 인트라 모드에서 코딩되는 경우, 그 픽처는 인트라 픽처일 수 있다. 인트라 픽처 및 독립 디코더 리프레시 픽처와 같은 파생물은 디코더 상태를 재설정하는 데 사용될 수 있으므로, 코딩된 비디오 비트스트림 및 비디오 세션의 제1 픽처 또는 정지 이미지로 사용될 수 있다. 인트라 블록의 샘플은 변환에 노출될 수 있고, 변환 계수는 엔트로피 코딩 전에 양자화될 수 있다. 인트라 예측은 사전 변환 도메인에서 샘플 값을 최소화하는 기술일 수 있다. 일부 경우에, 변환 후의 DC 값이 더 작고, AC 계수가 더 작을수록 엔트로피 코딩 후 블록을 나타내기 위해 주어진 양자화 단계 크기에서 필요한 비트가 더 적다.

예를 들어 MPEG-2 생성 코딩 기술로부터 알려진 것과 같은 전통적인 인트라 코딩은 인트라 예측을 사용하지 않는다. 그러나, 일부 새로운 비디오 압축 기술은, 예를 들어, 주변의 샘플 데이터 및/또는 공간적으로 이웃하고 디코딩 순서에서 앞선 데이터 블록의 인코딩 및/또는 디코딩 동안 획득된 메타데이터로부터 시도하는 기술을 포함한다. 이러한 기술은 이후 "인트라 예측" 기술이라고 한다. 적어도 일부 경우에, 인트라 예측은 참조 픽처가 아닌 재구성 중인 현재 픽처의 참조 데이터만을 사용한다는 점에 유의한다.

인트라 예측에는 많은 상이한 형태가 있을 수 있다. 주어진 비디오 코딩 기술에서 이러한 기술 중 하나 이상이 사용될 수 있는 경우, 사용 중인 기술은 인트라 예측 모드에서 코딩될 수 있다. 특정 경우에, 모드는 서브 모드 및/또는 파라미터를 가질 수 있으며, 이들은 개별적으로 코딩되거나 또는 모드 코드워드에 포함될 수 있다. 주어진 모드, 서브모드 및/또는 파라미터 조합에 사용할 코드워드는 인트라 예측을 통해 코딩 효율 이득에 영향을 미칠 수 있으며, 코드워드를 비트스트림으로 변환하는 데 사용되는 엔트로피 코딩 기술도 마찬가지이다.

인트라 예측의 특정 모드는 H.264에 도입되었고, H.265에서 개선되었으며, 공동 탐사 모델(Joint Explosion Model, JEM), 다목적 비디오 코딩(versatile video coding, VVC) 및 벤치마크 세트(benchmark set, BMS)와 같은 새로운 코딩 기술에서 더욱 개선되었다. 예측기 블록은 이미 사용 가능한 샘플에 속하는 이웃 샘플 값을 사용하여 형성될 수 있다. 이웃 샘플의 샘플 값은 방향에 따라 예측기 블록으로 복사된다. 사용 방향에 대한 참조는 비트스트림에서 코딩되거나 자체적으로 예측될 수 있다.

도 1a를 참조하면, 우측 하부에 묘사된 것은 H.265의 33개의 가능한 예측기 방향(35개 인트라 모드의 알려진 33개 각도 모드에 대응함)으로부터 알려진 9개의 예측기 방향의 서브 세트이다. 화살표가 수렴하는 지점(101)은 예측 중인 샘플을 나타낸다. 화살표는 샘플이 예측되는 방향을 나타낸다. 예를 들어, 화살표(102)는 샘플(101)이 수평에서 45도 각도로 우측 상부에 있는 샘플 또는 샘플들로부터 예측됨을 지시한다. 마찬가지로, 화살표(103)는 샘플(101)이 수평으로부터 22.5도 각도로 샘플(101)의 좌측 하부에 있는 샘플 또는 샘플들로부터 예측됨을 지시한다.

여전히 도 1a를 참조하면, 좌측 상단에는 4 x 4 샘플의 정사각형 블록(104)이 도시되어 있다(대시 형태의 볼드체 선으로 지시됨). 정사각형 블록(104)은 각각 "S"로 라벨링되며, Y 차원에서의 위치(예를 들어, 행 인덱스) 및 X 차원에서의 위치(예를 들어, 열 인덱스)의 16개의 샘플을 포함한다. 예를 들어, 샘플 S21은 Y 차원에서 두 번째 샘플(상단으로부터)이고 X 차원에서 첫 번째(좌측으로부터) 샘플이다. 유사하게, 샘플 S44는 Y 및 X 차원 모두에서 블록(104)의 네 번째 샘플이다. 블록 크기가 4 x 4 샘플이므로, S44는 우측 하단에 있다. 유사한 번호 매기기 방식을 따르는 참조 샘플이 추가로 표시된다. 참조 샘플은 블록(104)에 대해 R로 라벨링로 되며, Y 위치(예를 들어, 행 인덱스) 및 X 위치(열 인덱스)이다. H.264 및 H.265 모두에서, 예측 샘플은 재구성 중인 블록에 이웃한다. 따라서, 음수 값이 사용될 필요가 없다.

인트라 픽처 예측은 시그널링된 예측 방향에 의해 적절한 이웃 샘플로부터 참조 샘플 값을 복사함으로써 작동할 수 있다. 예를 들어, 코딩된 비디오 비트스트림이 이러한 블록에 대해 화살표(102)와 일치하는 예측 방향을 지시하는 시그널링을 포함한다고 가정한다. 즉, 샘플은 수평으로부터 45도 각도로 우측 상부에 있는 예측 샘플 또는 샘플들로부터 예측된다. 이 경우에, 샘플 S41, S32, S23, S14는 동일한 참조 샘플 R05로부터 예측된다. 그런 다음, 샘플 S44는 참조 샘플 R08로부터 예측된다.

특정 경우에, 다수의 참조 샘플의 값은 참조 샘플을 계산하기 위해, 특히 방향이 45도로 균등하게 나누어지지 않는 경우에, 예를 들어 보간을 통해 결합될 수 있다.

비디오 코딩 기술이 발달함에 따라 가능한 방향의 개수가 증가하고 있다. H.264(2003년)에서, 9개의 상이한 방향이 표현될 수 있다. H.265(2013년)에서는 33개로 증가했고, 공개 당시 JEM/VVC/BMS는 최대 65개 방향을 지원할 수 있다. 가장 가능성이 높은 방향을 식별하기 위한 실험이 수행되었으며, 엔트로피 코딩의 특정 기술은 가능성이 적은 방향에 대해 특정 페널티를 허용하는 소수의 비트에서 이러한 가능성 있는 방향을 나타내는 데 사용된다. 또한, 방향 자체는 때때로 이미 디코딩된 이웃 블록에서 사용되는 이웃 방향으로부터 예측될 수 있다.

도 1b는 시간에 따른 예측 방향의 증가하는 개수를 도시하기 위해 JEM에 따른 65개의 인트라 예측 방향을 묘사하는 개략도(105)를 도시한다.

방향을 나타내는 코딩된 비디오 비트스트림의 인트라 예측 방향 비트의 매핑은 비디오 코딩 기술에 따라 상이할 수 있으며, 예를 들어, 예측 방향의 단순한 직접 매핑에서 인트라 예측 모드, 코드워드, 가장 가능성 있는 모드를 포함하는 복잡한 적응 방식 및 유사한 기술에 이르기까지 다양할 수 있다. 그러나, 모든 경우에, 통계적으로 다른 특정 방향보다 비디오 컨텐츠에서 발생할 가능성이 적은 특정 방향이 있을 수 있다. 비디오 압축의 목표는 중복성을 줄이는 것이므로, 잘 작동하는 비디오 코딩 기술에서 가능성이 적은 방향은 가능성이 더 높은 방향보다 더 많은 비트 개수로 표시된다.

모션 보상은 손실 압축 기술일 수 있고 이전에 재구성된 픽처 또는 그 일부(참조 픽처)로부터의 샘플 데이터 블록이 모션 벡터(이후 MV)에 의해 지시된 방향으로 공간적으로 천이된 후에, 새로 재구성된 픽처 또는 픽처 부분의 예측에 사용된다. 일부 경우에, 참조 픽처는 현재 재구성 중인 픽처와 동일할 수 있다. MV는 X와 Y의 2차원 또는 3차원을 가질 수 있으며, 세 번째는 사용 중인 참조 픽처의 지시이다(후자는 간접적으로 시간 차원이 될 수 있음).

일부 비디오 압축 기술에서, 샘플 데이터의 특정 영역에 적용 가능한 MV는 다른 MV로부터, 예를 들어 재구성 중인 영역에 공간적으로 인접하고 디코딩 순서에서 MV에 선행하는 샘플 데이터의 다른 영역과 관련된 것들로부터 예측될 수 있다. 그렇게 하면, MV를 코딩하는 데 필요한 데이터의 양을 상당히 줄일 수 있으므로, 중복성을 제거하고 압축을 증가시킬 수 있다. 예를 들어, 카메라에서 파생된 입력 비디오 신호(자연 비디오라고 함)를 코딩하는 경우 단일 MV가 적용 가능한 영역보다 큰 영역이 유사한 방향으로 이동하고, 따라서 일부 경우에 이웃 영역의 MV에서 파생된 유사한 MV를 사용하여 예측할 수 있는 통계적 가능성이 있기 때문에, MV 예측은 효과적으로 작동할 수 있다. 그 결과, 주어진 영역에 대해 발견된 MV가 주변 MV로부터 예측된 MV와 유사하거나 동일하게 되며, 엔트로피 코딩 후에 MV를 직접 코딩하는 경우 사용되는 것보다 적은 개수의 비트로 나타낼 수 있다. 일부 경우에, MV 예측은 원래 신호(즉, 샘플 스트림)에서 파생된 신호(즉, MV)의 무손실 압축의 예가 될 수 있다. 다른 경우에, MV 예측 자체는 예를 들어 주변의 여러 MV로부터 예측기를 계산하는 경우 반올림 오류로 인해 손실될 수 있다.

다양한 MV 예측 메커니즘이 H.265/HEVC(ITU-T Rec. H.265, "고효율 비디오 코딩", 2016년 12월)에서 설명된다. H.265가 제공하는 많은 MV 예측 메커니즘 중에서, 여기에서 설명된 기술은 이후 "공간적 병합(spatial merge)"으로 지칭되는 기술이다.

도 1c를 참조하면, 현재 블록(111)은 공간적으로 천이된 동일한 크기의 이전 블록으로부터 예측 가능한 것으로 모션 검색 프로세스 동안 인코더에 의해 발견된 샘플을 포함할 수 있다. 해당 MV를 직접 코딩하는 대신, MV는 예를 들어, A0, A1, 및 B0, B1, B2(각각 112 내지 116)으로 표시된 5개의 주변 샘플 중 하나와 연관된 MV를 사용하여 가장 최근의(디코딩 순서에서) 참조 픽처로부터 하나 이상의 참조 픽처와 연관된 메타데이터로부터 유도될 수 있다. H.265에서, MV 예측은 이웃 블록이 사용하고 있는 동일한 참조 픽처의 예측기를 사용할 수 있다.

본 개시의 측면은 비디오 인코딩/디코딩을 위한 장치를 제공한다. 장치는 코딩된 비디오 비트스트림과 연관된 메타데이터를 수신하는 처리 회로를 포함한다. 이 메타데이터는 코딩된 비디오 비트스트림에서 코딩된 제1 픽처에서 검출된 하나 이상의 객체들의 라벨링(labeling) 정보를 포함한다. 이 처리 회로는 코딩된 비디오 비트스트림에서 코딩된 제1 픽처의 하나 이상의 객체들의 라벨링 정보를 디코딩한다. 이 처리 회로는 라벨링 정보를 제1 픽처의 하나 이상의 객체들에 적용한다.

일 실시예에서, 메타데이터는 코딩된 비디오 비트스트림의 보충 향상 정보(supplementary enhancement information, SEI) 메시지에 포함된다.

일 실시예에서, 메타데이터는 코딩된 비디오 비트스트림과 별개인 파일에 포함된다.

일 실시예에서, 라벨링 정보는 제1 픽처의 바운딩 박스(bounding box)들의 총 개수를 지시하고 각각의 바운딩 박스의 위치 정보 및 크기 정보를 포함하며, 각각의 바운딩 박스는 제1 픽처의 하나 이상의 객체들 중 하나와 연관된다.

일 실시예에서, 라벨링 정보는 하나 이상의 객체들 각각에 대한 카테고리를 지시하는 카테고리 정보를 포함한다.

일 실시예에서, 라벨링 정보는 비디오 시퀀스에서 하나 이상의 객체들 각각을 식별하는 식별 정보를 포함한다.

일 실시예에서, 바운딩 박스들 중 하나의 위치 정보는 비디오 비트스트림에서 코딩된 제1 픽처와 제2 픽처 사이의 바운딩 박스들 중 하나의 위치 오프셋을 포함한다.

일 실시예에서, 바운딩 박스들 중 하나의 위치 정보는 제1 픽처에 존재하지 않는 바운딩 박스들 중 하나와 연관된 객체에 기초하여 바운딩 박스들 중 하나에 대한 제1 픽처 외부의 위치를 지시한다.

일 실시예에서, 처리 회로는 코딩된 비디오 비트스트림과 연관된 메타데이터를 수신하기 위한 요청을 전송한다.

본 개시의 측면은 비디오 인코딩/디코딩을 위한 방법을 제공한다. 이 방법은 비디오 인코딩/디코딩을 위한 장치에 의해 수행되는 프로세스들 중 임의의 하나 또는 조합을 수행할 수 있다. 이 방법에서, 코딩된 비디오 비트스트림과 연관된 메타데이터가 수신된다. 이 메타데이터는 코딩된 비디오 비트스트림에서 코딩된 제1 픽처에서 검출된 하나 이상의 객체들의 라벨링 정보를 포함한다. 코딩된 비디오 비트스트림에서 코딩된 제1 픽처의 하나 이상의 객체들의 라벨링 정보가 디코딩된다. 라벨링 정보는 제1 픽처의 하나 이상의 객체들에 적용된다.

본 개시의 측면은 또한 적어도 하나의 프로세서에 의해 실행될 때 적어도 하나의 프로세서로 하여금 비디오 인코딩/디코딩을 위한 방법들 중 임의의 하나 또는 조합을 수행하게 하는 명령어를 저장하는 비일시적 컴퓨터 판독 가능 매체를 제공한다.

개시된 주제의 추가 특징, 성질 및 다양한 이점은 다음의 상세한 설명 및 첨부 도면으로부터 더욱 명백해질 것이다.
도 1a는 인트라 예측 모드의 예시적인 서브세트의 개략도이다.
도 1b는 예시적인 인트라 예측 방향의 도면이다.
도 1c는 일 예에서 현재 블록 및 그 주변 공간 병합 후보의 개략도이다.
도 2는 실시예에 따른 통신 시스템의 간략화된 블록도의 개략도이다.
도 3은 실시예에 따른 통신 시스템의 간략화된 블록도의 개략도이다.
도 4는 실시예에 따른 디코더의 간략화된 블록도의 개략도이다.
도 5는 실시예에 따른 인코더의 간략화된 블록도의 개략도이다.
도 6은 다른 실시예에 따른 인코더의 블록도를 도시한다.
도 7은 다른 실시예에 따른 디코더의 블록도를 도시한다.
도 8은 실시예에 따른 기계용 비디오 코딩(VCM)에서 사용되는 예시적인 아키텍처를 도시한다.
도 9는 실시예에 따른 다목적 비디오 코딩(VVC)에서 사용되는 예시적인 인코더를 도시한다.
도 10은 실시예에 따른 예시적인 흐름도를 도시한다.
도 11은 실시예에 따른 컴퓨터 시스템의 개략도이다.

I. 비디오 디코더 및 인코더 시스템

도 2는 본 개시의 실시예에 따른 통신 시스템(200)의 간략화된 블록도를 예시한다. 통신 시스템(200)은 예를 들어 네트워크(250)를 통해 서로 통신할 수 있는 복수의 단말 장치를 포함한다. 예를 들어, 통신 시스템(200)은 네트워크(250)를 통해 상호 연결된 제1 쌍의 단말 장치(210, 220)를 포함한다. 도 3의 예에서, 제1 쌍의 단말 장치(210, 220)는 데이터의 단방향 전송을 수행한다. 예를 들어, 단말 장치(210)는 네트워크(250)를 통해 다른 단말 장치(220)로의 전송을 위해 비디오 데이터(예를 들어, 단말 장치(210)에 의해 캡처된 비디오 픽처의 스트림)를 코딩할 수 있다. 인코딩된 비디오 데이터는 하나 이상의 코딩된 비디오 비트스트림의 형태로 전송될 수 있다. 단말 장치(220)는 네트워크(250)로부터 코딩된 비디오 데이터를 수신하고, 코딩된 비디오 데이터를 디코딩하여 비디오 픽처를 복원하며, 복원된 비디오 데이터에 따라 비디오 픽처를 디스플레이할 수 있다. 단방향 데이터 전송은 매체 서빙 애플리케이션 등에서 일반적일 수 있다.

다른 예에서, 통신 시스템(200)은 예를 들어 화상 회의 동안 발생할 수 있는 코딩된 비디오 데이터의 양방향 전송을 수행하는 제2 쌍의 단말 장치(230, 240)를 포함한다. 데이터의 양방향 전송을 위해, 예에서, 단말 장치(230, 240)의 각각의 단말 장치는 네트워크(250)를 통해 단말 장치(230, 240)의 다른 단말 장치로의 전송을 위해 비디오 데이터(예를 들어, 단말 장치에 의해 캡처된 비디오 픽처의 스트림)를 코딩할 수 있다. 단말 장치(230, 240)의 각각의 단말 장치는 또한 단말 장치(230, 240)의 다른 단말 장치에 의해 전송된 코딩된 비디오 데이터를 수신할 수 있고, 비디오 픽처를 복원하기 위해 코딩된 비디오 데이터를 디코딩할 수 있으며 복원된 비디오 데이터에 따라 액세스 가능한 디스플레이 장치에서 비디오 픽처를 디스플레이할 수 있다.

도 2에서, 단말 장치(210, 220, 230,2340)는 서버, 개인용 컴퓨터 및 스마트 폰으로 예시될 수 있지만, 본 개시의 원리는 이에 제한되지 않을 수 있다. 본 개시의 실시예는 랩탑 컴퓨터, 태블릿 컴퓨터, 매체 플레이어 및/또는 전용 화상 회의 장비를 사용한 애플리케이션을 발견한다. 네트워크(250)는 예를 들어 유선 및/또는 무선 통신 네트워크를 포함하여 단말 장치(210, 220, 230, 240) 사이에서 코딩된 비디오 데이터를 전달하는 임의의 개수의 네트워크를 나타낸다. 통신 네트워크(250)는 회선 교환 및/또는 패킷 교환 채널에서 데이터를 교환할 수 있다. 대표적인 네트워크는 통신 네트워크, 근거리 통신망, 광역 통신망 및/또는 인터넷을 포함한다. 본 논의의 목적을 위해, 네트워크(250)의 아키텍처 및 토폴로지는 이하에서 설명되지 않는 한 본 개시의 작동에 중요하지 않을 수 있다.

도 3은 개시된 주제에 대한 애플리케이션에 대한 예로서, 스트리밍 환경에서 비디오 인코더 및 비디오 디코더의 배치를 도시한다. 개시된 주제는 예를 들어 화상 회의, 디지털 TV, CD, DVD, 메모리 스틱 등을 포함하는 디지털 매체에 압축된 비디오 저장 등을 포함하는 다른 비디오 가능 애플리케이션에 동일하게 적용될 수 있다.

스트리밍 시스템은 비디오 소스(301), 예를 들어 압축되지 않은 비디오 픽처(302)의 스트림을 생성하는 디지털 카메라를 포함할 수 있는 캡처 서브시스템(313)을 포함할 수 있다. 예에서, 비디오 픽처의 스트림(302)은 디지털 카메라에 의해 촬영된 샘플을 포함한다. 인코딩된 비디오 데이터(304)(또는 코딩된 비디오 비트스트림)와 비교되는 경우 높은 데이터 볼륨을 강조하기 위해 굵은 선으로 표시된 비디오 픽처(302)의 스트림은 비디오 소스(301)와 결합된 비디오 인코더(303)를 포함하는 전자 장치(320)에 의해 처리될 수 있다. 비디오 인코더(303)는 아래에서 더 상세히 설명되는 바와 같이 개시된 주제의 측면을 가능하게 하거나 구현하기 위해 하드웨어, 소프트웨어, 또는 이들의 조합을 포함할 수 있다. 비디오 픽처의 스트림(302)과 비교되는 경우 더 낮은 데이터 볼륨을 강조하기 위해 가는 선으로 묘사된 인코딩된 비디오 데이터(304)(또는 인코딩된 비디오 비트스트림(304))는 향후 사용을 위해 스트리밍 서버(305)에 저장될 수 있다. 도 3의 클라이언트 서브시스템(306, 308)과 같은 하나 이상의 스트리밍 클라이언트 서브시스템은 인코딩된 비디오 데이터(304)의 사본(307, 309)을 검색하기 위해 스트리밍 서버(305)에 액세스할 수 있다. 클라이언트 서브시스템(306)은 예를 들어 전자 장치(330)에 비디오 디코더(410)를 포함할 수 있다. 비디오 디코더(310)는 인코딩된 비디오 데이터의 인입 사본(307)을 디코딩하고 디스플레이(312)(예를 들어, 디스플레이 스크린) 또는 다른 렌더링 장치(도시되지 않음) 상에서 렌더링될 수 있는 비디오 픽처(311)의 인출 스트림을 생성한다. 일부 스트리밍 시스템에서, 인코딩된 비디오 데이터(304, 307, 309)(예를 들어, 비디오 비트스트림)은 특정 비디오 코딩/압축 표준에 따라 인코딩될 수 있다. 이러한 표준의 예는 ITU-T 권고 H.265를 포함한다. 일 예에서, 개발 중인 비디오 코딩 표준은 비공식적으로 다목적 비디오 코딩(Versatile Video Coding, VVC)으로 알려져 있다. 개시된 주제는 VVC의 맥락에서 사용될 수 있다.

전자 장치(320, 330)는 다른 컴포넌트(도시되지 않음)를 포함할 수 있음에 유의한다. 예를 들어, 전자 장치(320)는 비디오 디코더(미도시)를 포함할 수 있고, 전자 장치(330)는 비디오 인코더(도시되지 않음)도 포함할 수 있다.

도 4는 본 개시의 실시예에 따른 비디오 디코더(410)의 블록도를 도시한다. 비디오 디코더(410)는 전자 장치(430)에 포함될 수 있다. 전자 장치(430)는 수신기(431)(예를 들어, 수신 회로)를 포함할 수 있다. 비디오 디코더(410)는 도 3 예에서 비디오 디코더(310) 대신에 사용될 수 있다.

수신기(431)는 비디오 디코더(410)에 의해 디코딩될 하나 이상의 코딩된 비디오 시퀀스를 수신할 수 있고, 동일하거나 다른 실시예에서, 한 번에 하나의 코딩된 비디오 시퀀스를 수신할 수 있으며, 여기서 각각의 코딩된 비디오 시퀀스의 디코딩은 다른 코딩된 비디오 시퀀스와 독립적이다. 코딩된 비디오 시퀀스는 인코딩된 비디오 데이터를 저장하는 저장 장치에 대한 하드웨어/소프트웨어 링크일 수 있는 채널(401)로부터 수신될 수 있다. 수신기(431)는 인코딩된 비디오 데이터를 다른 데이터, 예를 들어 코딩된 오디오 데이터 및/또는 보조 데이터 스트림과 함께 수신할 수 있으며, 이는 엔티티(도시되지 않음)를 사용하여 각각에 전달될 수 있다. 수신기(431)는 코딩된 비디오 시퀀스를 다른 데이터로부터 분리할 수 있다. 네트워크 지터(jitter)를 방지하기 위해, 버퍼 메모리(415)는 수신기(431)와 엔트로피 디코더/파서(420)(이하 "파서(420)") 사이에 연결될 수 있다. 특정 애플리케이션에서, 버퍼 메모리(415)는 비디오 디코더(410)의 일부이다. 다른 경우, 비디오 디코더(410)(도시되지 않음) 외부에 있을 수 있다. 또 다른 경우에, 예를 들어 네트워크 지터를 방지하기 위해 비디오 디코더(410) 외부에 버퍼 메모리(도시되지 않음)가 있을 수 있고, 또한 예를 들어 재생 타이밍을 처리하기 위해 비디오 디코더(410) 내부에 또 다른 버퍼 메모리(415)가 있을 수 있다. 수신기(431)가 충분한 대역폭과 제어 가능성의 저장/전달 장치 또는 등시성 네트워크로부터 데이터를 수신하는 경우, 버퍼 메모리(415)는 필요하지 않거나 작을 수 있다. 인터넷과 같은 최선의 패킷 네트워크 상에서의 사용을 위해, 버퍼 메모리(415)가 필요할 수 있고, 비교적 클 수 있으며 유리하게는 적응 크기를 가질 수 있고, 운영 체제 또는 비디오 디코더(410) 외부의 유사한 요소(도시되지 않음)에서 적어도 부분적으로 구현될 수 있다.

비디오 디코더(410)는 코딩된 비디오 시퀀스로부터 심볼(421)을 재구성하기 위해 파서(420)를 포함할 수 있다. 이러한 심볼의 카테고리는 비디오 디코더(410)의 작동을 관리하는 데 사용되는 정보와 전자 장치의 필수 부분이 아니지만 도 4에 도시된 바와 같이 전자 장치(430)에 연결될 수 있는 렌더링 장치(412)(예를 들어, 디스플레이 스크린)와 같은 렌더링 장치를 제어하기 위한 정보를 포함한다. 렌더링 장치(들)에 대한 제어 정보는 보충 향상 정보(Supplemental Enhancement Information, SEI 메시지) 또는 비디오 사용가능성 정보(Video Usability Information, VUI) 파라미터 세트 조각(도시되지 않음)의 형태일 수 있다. 파서(420)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, 상황 감도가 있거나 없는 산술 코딩 등을 포함하는 다양한 원리를 따를 수 있다. 파서(420)는 그룹에 대응하는 적어도 하나의 파라미터에 기초하여, 비디오 디코더의 픽셀들의 서브그룹들 중 적어도 하나에 대한 서브그룹 파라미터의 세트를 코딩된 비디오 시퀀스로부터 추출할 수 있다. 서브그룹은 픽처 그룹(Group of Picture, GOP), 픽처, 타일, 슬라이스, 매크로블록, 코딩 유닛(Coding Unit, CU), 블록, 변환 유닛(Transform Unit, TU), 예측 유닛(Prediction Unit, PU) 등을 포함할 수 있다. 파서(420)는 또한 변환 계수, 양자화기 파라미터 값, MV 등과 같은 코딩된 비디오 시퀀스 정보로부터 추출할 수 있다.

파서(420)는 버퍼 메모리(45)로부터 수신된 비디오 시퀀스에 대해 엔트로피 디코딩/파싱 작동을 수행하여 심볼(421)을 생성할 수 있다.

심볼(421)의 재구성은 코딩된 비디오 픽처의 유형 또는 그 일부(예: 인터 및 인트라 픽처, 인터 및 인트라 블록), 및 기타 인자에 따라 다수의 상이한 유닛을 포함할 수 있다. 어떤 유닛이 포함되고, 어떻게 포함되는지는 파서(420)에 의해 코딩된 비디오 시퀀스로부터 파싱되는 서브그룹 제어 정보에 의해 제어될 수 있다. 파서(420)와 아래의 다수의 유닛 사이의 이러한 서브그룹 제어 정보의 흐름은 명확성을 위해 도시되지 않는다.

이미 언급된 기능 블록 외에, 비디오 디코더(410)는 개념적으로 아래에서 설명되는 바와 같이 다수의 기능 유닛으로 세분될 수 있다. 상업적 제약 조건에서 작동하는 실제 구현에서, 이러한 유닛 중 많은 것이 서로 밀접하게 상호작용하고, 적어도 부분적으로 서로 통합될 수 있다. 그러나, 개시된 주제를 설명하기 위해 아래의 기능 유닛으로의 개념적 세분화는 적절하다.

제1 유닛은 스케일러/역변환 유닛(451)일 수 있다. 스케일러/역변환 유닛(451)은 파서(420)로부터의 심볼(들)(421)로서 블록 크기, 양자화 인자, 양자화 스케일링 행렬 등을 사용하기 위한 변환을 포함하는 제어 정보 뿐만 아니라 양자화된 변환 계수를 수신할한다. 스케일러/역변환 유닛(451)은 애그리게이터(455)에 입력될 수 있는 샘플 값을 포함하는 블록을 출력할 수 있다.

일부 경우에, 스케일러/역변환(451)의 출력 샘플은 인트라 코딩된 블록, 즉, 이전에 재구성된 픽처로부터 예측 정보를 사용하지 않지만 현재 픽처의 이전에 재구성된 부분으로부터 예측 정보를 사용할 수 있는 블록에 속할 수 있다. 이러한 예측 정보는 인트라 픽처 예측 유닛(452)에 의해 제공될 수 있다. 일부 경우에, 인트라 픽처 예측 유닛(452)은 현재 픽처 버퍼(558)로부터 현재 (부분적으로 재구성된) 픽처로부터 페치된 주변의 이미 재구성된 정보를 사용하여 재구성 중인 블록과 동일한 크기 및 형상의 블록을 생성한다. 현재 픽처 버퍼(458)는 예를 들어 부분적으로 재구성된 현재 픽처 및/또는 완전히 재구성된 현재 픽처를 버퍼링한다. 애그리게이터(455)는, 일부 경우에, 샘플 단위로 인트라 예측 유닛(452)이 생성한 예측 정보를 스케일러/역변환 유닛(451)에 의해 제공되는 출력 샘플 정보에 추가한다.

다른 경우에, 스케일러/역변환 유닛(451)의 출력 샘플은 인터 코딩되고 잠재적으로 모션 보상된 블록에 속할 수 있다. 그러한 경우에, 모션 보상 예측 유닛(453)은 예측에 사용되는 샘플들을 페치하기 위해 참조 픽처 메모리(457)에 액세스할 수 있다. 블록에 속하는 심볼(421)에 따라 페치된 샘플을 모션 보상한 후, 이러한 샘플은 애그리게이터(455)에 의해 스케일러/역변환 유닛(451)의 출력(이 경우 잔차 샘플 또는 잔차 신호)에 추가될 수 있어서 출력 샘플 정보를 생성할 수 있다. 모션 보상 예측 유닛(453)이 예측 샘플을 페치하는 참조 픽처 메모리(457) 내의 주소는 예를 들어, X, Y 및 참조 픽처 성분을 가질 수 있는 심볼(421)의 형태로 모션 보상 예측 유닛(453)에서 이용가능할 수 있는 모션 벡터에 의해 제어될 수 있다. 모션 보상은 또한 정확한 서브 샘플 MV가 사용 중일 때 참조 픽처 메모리(457)로부터 페치된 샘플 값의 보간, MV 예측 메커니즘 등을 포함할 수 있다.

애그리게이터(455)의 출력 샘플은 루프 필터 유닛(456)에서 다양한 루프 필터링 기술의 대상이 될 수 있다. 비디오 압축 기술은 코딩된 비디오 시퀀스(또한 코딩된 비디오 비트스트림으로 지칭됨)에 포함된 파라미터에 의해 제어되고 파서(420)로부터의 심볼(421)로서 루프 필터 유닛(456)에 이용가능하게 되는 인루프 필터 기술을 포함할 수 있지만, 이전에 재구성되고 루프 필터링된 샘플 값에 대응할 뿐만 아니라 코딩된 픽처 또는 코딩된 비디오 시퀀스의 이전(디코딩 순서에서) 부분을 디코딩하는 동안 획득된 메타 정보에 대응할 수도 있다.

루프 필터 유닛(456)의 출력은 렌더 장치(412)로 출력될 수 있을 뿐만 아니라 미래의 픽처 간 예측에 사용하기 위해 참조 픽처 메모리(457)에 저장될 수 있는 샘플 스트림일 수 있다.

완전히 재구성된 특정 코딩된 픽처는 미래 예측을 위한 참조 픽처로서 사용될 수 있다. 예를 들어, 현재 픽처에 대응하는 코딩된 픽처가 완전히 재구성되고 코딩된 픽처가 (예를 들어, 파서(420)에 의해) 참조 픽처로서 식별되면, 현재 픽처 버퍼(458)는 참조 픽처 메모리(457)의 일부가 될 수 있고, 신선한 현재 픽처 버퍼는 다음 코딩된 픽처의 재구성을 시작하기 전에 재할당될 수 있다.

비디오 디코더(410)는 ITU-T Rec. H.265와 같은 표준에서 미리 결정된 비디오 압축 기술에 따라 디코딩 작동을 수행할 수 있다. 코딩된 비디오 시퀀스가 비디오 압축 기술 또는 표준의 신택스와 비디오 압축 기술 또는 표준에서 문서화된 프로파일 모두를 준수한다는 의미에서, 코딩된 비디오 시퀀스는 사용 중인 비디오 압축 기술 또는 표준에 의해 지정된 신택스를 따를 수 있다. 구체적으로, 프로파일은 비디오 압축 기술 또는 표준에서 사용할 수 있는 모든 도구로부터의 해당 프로파일 하에서의 사용을 위해 사용 가능한 유일한 도구로서 특정 도구를 선택할 수 있다. 또한, 규정 준수를 위해 필요한 것은 코딩된 비디오 시퀀스의 복잡성이 비디오 압축 기술 또는 표준의 수준에 의해 정의된 범위 내에 있어야 한다는 것일 수 있다. 일부 경우에, 레벨이 최대 픽처 크기, 최대 프레임 속도, 최대 재구성 샘플 속도(예를 들어, 초당 메가샘플로 측정됨), 최대 참조 픽처 크기 등을 제한한다. 레벨에 의해 설정된 제한은 경우에 따라 코딩된 비디오 시퀀스에서 시그널링되는 가상 참조 디코더(Hypothetical Reference Decoder, HRD) 사양 및 HRD 버퍼 관리를 위한 메타데이터를 통해 추가로 제한될 수 있다.

실시예에서, 수신기(431)는 인코딩된 비디오와 함께 추가(중복) 데이터를 수신할 수 있다. 추가 데이터는 코딩된 비디오 시퀀스(들)의 일부로 포함될 수 있다. 추가 데이터는 비디오 디코더(410)에 의해 데이터를 적절하게 디코딩하고 및/또는 원래의 비디오 데이터를 더 정확하게 재구성하기 위해 사용될 수 있다. 추가 데이터는 예를 들어 시간, 공간 또는 신호 잡음 비율(signal noise ration, SNR) 향상 계층, 중복 슬라이스, 중복 픽처, 순방향 오류 정정 코드 등의 형태일 수 있다.

도 5는 본 개시의 실시예에 따른 비디오 인코더(503)의 블록도를 도시한다. 비디오 인코더(503)는 전자 장치(520)에 포함된다. 전자 장치(520)는 전송기(540)(예를 들어, 전송 회로)를 포함한다. 비디오 인코더(503)는 도 3 예의 비디오 인코더(303) 대신에 사용될 수 있다.

비디오 인코더(503)는 비디오 인코더(503)에 의해 코딩될 비디오 이미지(들)를 캡처할 수 있는 비디오 소스(501)(도 5의 예에서 전자 장치(520)의 일부가 아님)로부터 비디오 샘플을 수신할 수 있다. 다른 예에서, 비디오 소스(501)는 전자 장치(520)의 일부이다.

비디오 소스(501)는 임의의 적절한 비트 깊이(예를 들어, 8 비트, 10 비트, 12 비트, ...), 임의의 색상 공간(예를 들어, BT.601 Y CrCB, RGB, ...) 및 임의의 적절한 샘플링 구조(예를 들어, Y CrCb 4:2:0, Y CrCb 4:4:4)일 수 있는 디지털 비디오 샘플 스트림의 형태로 비디오 인코더(503)에 의해 코딩될 소스 비디오 시퀀스를 제공할 수 있다. 매체 서빙 시스템에서, 비디오 소스(501)는 미리 준비된 비디오를 저장하는 저장 장치일 수 있다. 픽처 회의 시스템에서, 비디오 소스(501)는 비디오 시퀀스로서 로컬 이미지 정보를 캡처하는 카메라일 수 있다. 비디오 데이터는 순서대로 볼 때 모션을 부여하는 복수의 개별 픽처로서 제공될 수 있다. 픽처 자체는 픽셀의 공간 어레이로 구성될 수 있으며, 여기서 각각의 픽셀은 사용 중인 샘플링 구조, 색 공간 등에 따라 하나 이상의 샘플을 포함할 수 있다. 당업자는 픽셀과 샘플 사이의 관계를 쉽게 이해할 수 있다. 아래 설명은 샘플에 중점을 둔다.

실시예에 따르면, 비디오 인코더(503)는 실시간으로 또는 애플리케이션에 의해 요구되는 임의의 다른 시간 제약 하에서 소스 비디오 시퀀스의 픽처를 코딩된 비디오 시퀀스(543)로 코딩하고 압축할 수 있다. 적절한 코딩 속도를 강화하는 것은 제어기(550)의 기능 중 하나이다. 일부 실시예에서, 제어기(550)는 후술하는 바와 같이 다른 기능 유닛을 제어하고 다른 기능 유닛에 기능적으로 결합된다. 결합은 명확성을 위해 표시되지 않는다. 제어기(550)에 의해 설정되는 파라미터는 레이트 제어 관련 파라미터(픽처 스킵(picture skip), 양자화기, 레이트 왜곡 최적화(rate-distortion optimization) 기술의 람다 값, ...), 픽처 크기, 픽처 그룹(GOP) 레이아웃, 최대 모션 벡터 검색 범위 등을 포함할 수 있다. 제어기(550)는 특정 시스템 설계에 최적화된 비디오 인코더(503)에 속하는 다른 적절한 기능을 갖도록 구성될 수 있다.

일부 실시예에서, 비디오 인코더(503)는 코딩 루프에서 작동하도록 구성된다. 과도하게 단순화된 설명으로서, 예에서, 코딩 루프는 소스 코더(530)(예를 들어, 코딩될 입력 픽처에 기초하여 심볼 스트림과 같은 심볼을 생성하는 역할을 하며, 참조 픽처(들)임) 및 비디오 인코더(503)에 내장된 (로컬) 디코더(533)를 포함할 수 있다. 디코더(533)는 (원격) 디코더가 생성하는 것과 유사한 방식으로 샘플 데이터를 생성하기 위해 심볼을 재구성한다(개시된 주제에서 고려되는 비디오 압축 기술에서 심볼과 코딩된 비디오 비트스트림 사이의 임의의 압축이 무손실이기 때문임). 재구성된 샘플 스트림(샘플 데이터)은 참조 픽처 메모리(534)에 입력될 수 있다. 심볼 스트림의 디코딩이 디코더 위치(로컬 또는 원격)에 관계없이 정확한 비트 결과를 가져오기 때문에, 참조 픽처 메모리(534)내의 컨텐츠는 또한 로컬 인코더와 원격 인코더 사이에서 정확한 비트이다. 다시 말해서, 인코더의 예측 부분은 디코딩 동안 예측을 사용할 때 디코더가 "보는(see)" 것과 정확히 동일한 샘플 값을 참조 픽처 샘플로 "본다(see)". 참조 픽처 동기화(예를 들어, 채널 오류로 인해 동기화가 유지될 수 없는 경우 결과적인 드리프트)의 이러한 기본 원리는 일부 관련 기술에서도 사용된다.

"로컬" 디코더(533)의 작동은 비디오 디코더(410)와 같은 "원격" 디코더의 작동과 동일할 수 있으며, 이는 도 4와 관련하여 위에서 이미 상세하게 설명되었다. 그러나, 또한 도 5를 간단히 참조하면, 심볼이 이용 가능하고 엔트로피 코더(545) 및 파서(420)에 의한 코딩된 비디오 시퀀스에 대한 심볼의 인코딩/디코딩이 무손실일 수 있기 때문에, 버퍼 메모리(415) 및 파서(420)를 포함하는 비디오 디코더(410)의 엔트로피 디코딩 부분은 로컬 디코더(533)에서 완전히 구현되지 않을 수 있다.

이 시점에서 행해질 수 있는 관찰은 디코더에 존재하는 파싱/엔트로피 디코딩을 제외한 임의의 디코더 기술이 또한 대응하는 인코더에 실질적으로 동일한 기능 형태로 존재할 필요가 있을 수 있다는 것이다. 이러한 이유로, 개시된 주제는 디코더 작동에 초점을 맞춘다. 인코더 기술에 대한 설명은 포괄적으로 설명된 디코더 기술의 반대이므로 축약될 수 있다. 특정 영역에서만 더 자세한 설명이 필요하며 아래에서 제공된다.

작동 중에, 일부 예에서, 소스 코더(530)는 "참조 픽처"로 지정된 비디오 시퀀스로부터의 하나 이상의 이전에 코딩된 픽처를 참조하여 예측적으로 입력 픽처를 코딩하는 모션 보상된 예측 코딩을 수행할 수 있다. 이러한 방식으로, 코딩 엔진(532)은 입력 픽처의 픽셀 블록과 입력 픽처에 대한 예측 참조(들)로서 선택될 수 있는 참조 픽처(들)의 픽셀 블록 사이의 차이를 코딩한다.

로컬 비디오 디코더(533)는 소스 코더(530)에 의해 생성된 심볼에 기초하여 참조 픽처로 지정될 수 있는 픽처의 코딩된 비디오 데이터를 디코딩할 수 있다. 코딩 엔진(532)의 작동은 유리하게는 손실 프로세스일 수 있다. 코딩된 비디오 데이터가 비디오 디코더(도 5에 도시되지 않음)에서 디코딩될 수 있는 경우, 재구성된 비디오 시퀀스는 일반적으로 일부 오류가 있는 소스 비디오 시퀀스의 복제일 수 있다. 로컬 비디오 디코더(533)는 참조 픽처에 대해 비디오 디코더에 의해 수행될 수 있는 디코딩 프로세스를 복제하고 재구성된 참조 픽처로 하여금 참조 픽처 캐시(534)에 저장되도록 할 수 있다. 이러한 방식으로, 비디오 인코더(503)는 원단 비디오 디코더(전송 오류 없음)에 의해 획득될 재구성된 참조 픽처로서 공통 컨텐츠를 갖는 재구성된 참조 픽처의 복사를 로컬에서 저장할 수 있다.

예측기(535)는 코딩 엔진(532)에 대한 예측 검색을 수행할 수 있다. 즉, 코딩될 새로운 픽처에 대해, 예측기(535)는 샘플 데이터(후보 참조 픽셀 블록으로서) 또는 새로운 픽처에 대한 적절한 예측 참조 역할을 할 수 있는, 참조 픽처 MV, 블록 형상 등과 같은 특정 메타데이터에 대해 참조 픽처 메모리(534)를 검색할 수 있다. 예측기(535)는 적절한 예측 참조를 찾기 위해 샘플 블록 기반으로 작동할 수 있다. 일부 경우에, 예측기(535)에 의해 획득된 검색 결과에 의해 결정된 바와 같이, 입력 픽처는 참조 픽처 메모리(534)에 저장된 다수의 참조 픽처로부터 도출된 예측 참조를 가질 수 있다.

제어기(550)는 예를 들어 비디오 데이터를 인코딩하는데 사용되는 파라미터 및 서브그룹 파라미터의 설정을 포함하는 소스 코더(530)의 코딩 작동을 관리할 수 있다.

전술한 모든 기능 유닛의 출력은 엔트로피 코더(545)에서 엔트로피 코딩될 수 있다. 엔트로피 코더(545)는 허프만 코딩, 가변 길이 코딩, 산술 코딩 등과 같은 기술에 따라 심볼을 무손실 압축함으로써 다양한 기능 유닛에 의해 생성된 심볼을 코딩된 비디오 시퀀스로 변환한다.

전송기(540)는 인코딩된 비디오 데이터를 저장할 수 있는 저장 장치에 대한 하드웨어/소프트웨어 링크일 수 있는 통신 채널(560)을 통한 전송을 준비하기 위해 엔트로피 코더(545)에 의해 생성된 코딩된 비디오 시퀀스(들)를 버퍼링할 수 있다. 전송기(540)는 비디오 코더(603)로부터의 코딩된 비디오 데이터를 전송될 다른 데이터, 예를 들어 코딩된 오디오 데이터 및/또는 보조 데이터 스트림(소스는 도시되지 않음)과 병합할 수 있다.

제어기(550)는 비디오 인코더(503)의 작동을 관리할 수 있다. 코딩 동안, 제어기(550)는 각각의 픽처에 적용될 수 있는 코딩 기술에 영향을 미칠 수 있는 특정 코딩된 픽처 유형을 각각의 코딩된 픽처에 할당할 수 있다. 예를 들어, 픽처는 종종 다음의 픽처 유형들 중 하나로서 할당될 수 있다:

인트라 픽처(I 픽처)는 예측 소스로서 시퀀스의 다른 픽처를 사용하지 않고 코딩되고 디코딩될 수 있는 것일 수 있다. 일부 비디오 코덱은 예를 들어 독립 디코더 리프레시(Independent Decoder Refresh, IDR) 픽처를 포함하는 다양한 유형의 인트라 픽처를 허용한다. 당업자는 I 픽처의 이러한 변형 및 각각의 애플리케이션 및 특징을 알고 있다.

예측 픽처(P 픽처)는 각각의 블록의 샘플 값을 예측하기 위해 최대 하나의 MV 및 참조 인덱스를 사용하는 인트라 예측 또는 인터 예측을 사용하여 코딩되고 디코딩될 수 있는 것일 수 있다.

양방향 예측 픽처(B 픽처)는 각각의 블록의 샘플 값을 예측하기 위해 최대 2개의 MV 및 참조 인덱스를 사용하는 인트라 예측 또는 인터 예측을 사용하여 코딩되고 디코딩될 수 있는 것일 수 있다. 유사하게, 다수의 예측 픽처는 단일 블록의 재구성을 위해 2개 이상의 참조 픽처 및 연관된 메타데이터를 사용할 수 있다.

소스 픽처는 일반적으로 복수의 샘플 블록(예를 들어, 각각 4x4, 8x8, 4x8 또는 16x16 샘플의 블록)으로 공간적으로 세분되고 블록 기반으로 코딩될 수 있다. 블록은 블록의 각각의 픽처에 적용된 코딩 할당에 의해 결정된 바와 같이 다른(이미 코딩된) 블록을 참조하여 예측적으로 코딩될 수 있다. 예를 들어, I 픽처의 블록은 비예측적으로 코딩될 수 있거나 또는 그들은 동일한 픽처의 이미 코딩된 블록을 참조하여 예측적으로 코딩될 수 있다(공간 예측 또는 인트라 예측). P 픽처의 픽셀 블록은 하나의 이전에 코딩된 참조 픽처를 참조하여 공간적 예측을 통해 또는 시간적 예측을 통해 예측적으로 코딩될 수 있다. B 픽처의 블록은 하나 또는 2개의 이전에 코딩된 참조 픽처를 참조하여 공간적 예측을 통해 또는 시간적 예측을 통해 예측적으로 코딩될 수 있다.

비디오 인코더(503)는 ITU-T Rec. H265와 같은 미리 결정된 비디오 코딩 기술 또는 표준에 따라 코딩 작동을 수행할 수 있다. 그 작동에서, 비디오 인코더(503)는 입력 비디오 시퀀스에서 시간적 및 공간적 중복성을 이용하는 예측 코딩 작동을 포함하는 다양한 압축 작동을 수행할 수 있다. 따라서, 코딩된 비디오 데이터는 사용되는 비디오 코딩 기술 또는 표준에 의해 지정된 신택스를 따를 수 있다.

실시예에서, 전송기(540)는 인코딩된 비디오와 함께 추가 데이터를 전송할 수 있다. 소스 코더(530)는 코딩된 비디오 시퀀스의 일부로서 그러한 데이터를 포함할 수 있다. 추가 데이터는 시간/공간/SNR 향상 계층, 중복 픽처 및 슬라이스, SEI 메시지, VUI 파라미터 세트 단편 등과 같은 다른 형태의 중복 데이터를 포함할 수 있다.

비디오는 시간적 시퀀스에서 복수의 소스 픽처(비디오 픽처)로 캡처될 수 있다. 인트라 픽처 예측(종종 인트라 예측으로 축약됨)은 주어진 픽처에서 공간적 상관을 사용하고, 픽처 간 예측은 픽처 사이의 (시간적 또는 다른) 상관을 사용한다. 예에서, 현재 픽처로 지칭되는 인코딩/디코딩 중인 특정 픽처는 블록으로 분할된다. 현재 픽처의 블록이 비디오의 이전에 코딩되고 여전히 버퍼링된 참조 픽처의 참조 블록과 유사한 경우, 현재 픽처의 블록은 MV로 지칭되는 벡터에 의해 코딩될 수 있다. MV는 참조 픽처의 참조 블록을 가리키며, 여러 참조 픽처가 사용 중인 경우 참조 픽처를 식별하는 3차원을 가질 수 있다.

일부 실시예에서, 양방향 예측 기술이 픽처 간 예측에서 사용될 수 있다. 양방향 예측 기술에 따르면, 비디오의 현재 픽처에 대해 디코딩 순서가 모두 앞선(그러나, 각각 디스플레이 순서에서 과거 및 미래일 수 있음) 제1 참조 픽처 및 제2 참조 픽처와 같은 두 개의 참조 픽처가 사용된다. 현재 픽처의 블록은 제1 참조 픽처의 제1 참조 블록을 가리키는 제1 MV 및 제2 참조 픽처의 제2 참조 블록을 가리키는 제2 MV에 의해 코딩될 수 있다. 블록은 제1 참조 블록과 제2 참조 블록의 조합에 의해 예측될 수 있다.

또한, 코딩 효율을 향상시키기 위해 픽처 간 예측에 병합 모드 기술이 사용될 수 있다.

본 개시의 일부 실시예에 따르면, 픽처 간 예측 및 픽처 내 예측과 같은 예측은 블록 단위로 수행된다. 예를 들어, HEVC 표준에 따르면, 비디오 픽처 시퀀스의 픽처는 압축을 위해 코딩 트리 유닛(coding tree unit)으로 분할되며, 픽처의 CTU는 64x64 픽셀, 32x32 픽셀 또는 16x16 픽셀과 같은 동일한 크기를 갖는다. 일반적으로, CTU는 1개의 루마(luma) CTB와 2개의 크로마(chroma) CTB인 3개의 코딩 트리 블록(coding tree block, CTB)을 포함한다. 각각의 CTU는 재귀적으로 쿼드트리를 하나 또는 여러 개의 코딩 유닛(coding unit, CU)으로 분할될 수 있다. 예를 들어, 64x64 픽셀의 CTU는 64x64 픽셀의 하나의 CU, 32x32 픽셀의 4개의 CU 또는 16x16 픽셀의 16개의 CU로 분할될 수 있다. 예에서, 각각의 CU는 인터 예측 유형 또는 인트라 예측 유형과 같은 CU에 대한 예측 유형을 결정하기 위해 분석된다. CU는 시간 및/또는 공간 예측 가능성에 따라 하나 이상의 예측 유닛(prediction unit, PU)으로 분할된다. 일반적으로, 각각의 PU는 루마 예측 블록(PB)과 2개의 크로마 PB를 포함한다. 실시예에서, 코딩(인코딩/디코딩)에서의 예측 작동은 예측 블록 단위로 수행된다. 예측 블록의 예로서 루마 예측 블록을 사용하면, 예측 블록은 8x8 픽셀, 16x16 픽셀, 8x16 픽셀, 16x8 픽셀 등과 같은 픽셀에 대한 값(예를 들어, 루마 값)의 행렬을 포함한다.

도 6은 본 개시의 다른 실시예에 따른 비디오 인코더(603)의 도면을 도시한다. 비디오 인코더(603)는 비디오 픽처의 시퀀스에서 현재 비디오 픽처 내의 샘플 값의 처리 블록(예를 들어, 예측 블록)을 수신하고, 처리 블록을 코딩된 비디오 시퀀스의 일부인 코딩된 픽처로 인코딩하도록 구성된다. 예에서, 비디오 인코더(603)는 도 3 예의 비디오 인코더(303) 대신에 사용된다.

HEVC 예에서, 비디오 인코더(603)는 8x8 샘플의 예측 블록 등과 같은 처리 블록에 대한 샘플 값의 행렬을 수신한다. 비디오 인코더(603)는 처리 블록이 예를 들어 레이트 왜곡 최적화(rate-distortion optimization)를 사용하여 인트라 모드, 인터 모드 또는 이중 예측 모드를 사용하여 최상으로 코딩되는지 여부를 결정한다. 처리 블록이 인트라 모드에서 코딩되는 경우, 비디오 인코더(603)는 처리 블록을 코딩된 픽처로 인코딩하기 위해 인트라 예측 기술을 사용할 수 있고, 처리 블록이 인터 모드 또는 이중 예측 모드에서 코딩되어야 하는 경우, 비디오 인코더(603)는 처리 블록을 코딩된 픽처로 인코딩하기 위해 인터 예측 또는 이중 예측 기술을 각각 사용할 수 있다. 특정 비디오 코딩 기술에서, 병합 모드는 MV가 예측기 외부의 코딩된 MV 성분의 이점 없이 하나 이상의 모션 벡터 예측기로부터 유도되는 인터 픽처 예측 서브 모드일 수 있다. 특정 다른 비디오 코딩 기술에서, 대상 블록에 적용 가능한 MV 성분이 존재할 수 있다. 예에서, 비디오 인코더(603)는 처리 블록의 모드를 결정하기 위한 모드 결정 모듈(도시되지 않음)과 같은 다른 컴포넌트를 포함한다.

도 6에서, 비디오 인코더(603)는 인터 인코더(630), 인트라 인코더(622), 잔차 계산기(623), 스위치(626), 잔차 인코더(624), 일반 제어기(621) 및 도 6에 도시된 바와 같이 함께 결합된 엔트로피 인코더(625)를 포함한다.

인터 인코더(630)는 현재 블록(예를 들어, 처리 블록)의 샘플을 수신하고, 블록을 참조 픽처(예를 들어, 이전 픽처 및 이후 픽처의 블록)의 하나 이상의 참조 블록과 비교하며, 인터 예측 정보(예를 들어, 인터 인코딩 기술에 따른 중복 정보의 설명, MV, 병합 모드 정보)를 생성하고, 임의의 적절한 기술을 사용하여 인터 예측 정보에 기초하여 인터 예측 결과(예를 들어, 예측 블록)를 계산하도록 구성된다. 일부 예에서, 참조 픽처는 인코딩된 비디오 정보에 기초하여 디코딩된 디코딩된 참조 픽처이다.

인트라 인코더(622)는 현재 블록(예를 들어, 처리 블록)의 샘플을 수신하고, 일부 경우에 블록을 동일한 픽처에서 이미 코딩된 블록과 비교하며, 변환 후에 양자화된 계수 및 일부 경우에 또한 인트라 예측 정보(예를 들어, 하나 이상의 인트라 인코딩 기술에 따른 인트라 예측 방향 정보)를 생성하도록 구성된다. 예에서, 인트라 인코더(622)는 또한 동일한 픽처의 인트라 예측 정보 및 참조 블록에 기초하여 인트라 예측 결과(예를 들어, 예측 블록)를 계산한다.

일반 제어기(621)는 일반 제어 데이터를 결정하고 일반 제어 데이터에 기초하여 비디오 인코더(603)의 다른 컴포넌트를 제어하도록 구성된다. 예에서, 일반 제어기(621)는 블록의 모드를 결정하고, 그 모드에 기초하여 스위치(626)에게 제어 신호를 제공한다. 예를 들어, 모드가 인트라 모드인 경우, 일반 제어기(621)는 잔차 계산기(623)에 의해 사용할 인트라 모드 결과를 선택하기 위해 스위치(626)를 제어하고, 인트라 예측 정보를 선택하고 비트스트림에 인트라 예측 정보를 포함시키기 위해 엔트로피 인코더(625)를 제어하며, 모드가 인터 모드인 경우, 일반 제어기(621)는 잔차 계산기(623)에 의해 사용할 인터 예측 결과를 선택하기 위해 스위치(626)를 제어하고, 인터 예측 정보를 선택하고 비트스트림에 인터 예측 정보를 포함시키기 위해 엔트로피 인코더(625)를 제어한다.

잔차 계산기(623)는 수신된 블록과 인트라 인코더(622) 또는 인터 인코더(630)로부터 선택된 예측 결과 사이의 차이(잔차 데이터)를 계산하도록 구성된다. 잔차 인코더(624)는 변환 계수를 생성하기 위해 잔차 데이터를 인코딩하도록 잔차 데이터에 기초하여 작동하도록 구성된다. 예에서, 잔차 인코더(624)는 잔차 데이터를 공간 도메인에서 주파수 도메인으로 변환하고, 변환 계수를 생성하도록 구성된다. 그 다음, 변환 계수는 양자화된 변환 계수를 획득하기 위해 양자화 처리된다. 다양한 실시예에서, 비디오 인코더(603)는 또한 잔차 디코더(628)를 포함한다. 잔차 디코더(628)는 역변환을 수행하고, 디코딩된 잔차 데이터를 생성하도록 구성된다. 디코딩된 잔차 데이터는 인트라 인코더(622) 및 인터 인코더(630)에 의해 적절하게 사용될 수 있다. 예를 들어, 인터 인코더(630)는 디코딩된 잔차 데이터 및 인터 예측 정보에 기초하여 디코딩된 블록을 생성할 수 있고, 인트라 인코더(622)는 디코딩된 잔차 데이터 및 인트라 예측 정보에 기초하여 디코딩된 블록을 생성할 수 있다. 디코딩된 블록은 디코딩된 픽처를 생성하도록 적절하게 처리되고 디코딩된 픽처는 메모리 회로(도시되지 않음)에 버퍼링될 수 있으며 일부 예에서 참조 픽처로서 사용될 수 있다.

엔트로피 인코더(625)는 인코딩된 블록을 포함하기 위해 비트스트림을 포맷하도록 구성된다. 엔트로피 인코더(625)는 HEVC와 같은 적절한 표준에 따라 다양한 정보를 포함하도록 구성된다. 예에서, 엔트로피 인코더(625)는 비트스트림에 일반 제어 데이터, 선택된 예측 정보(예를 들어, 인트라 예측 정보 또는 인터 예측 정보), 잔차 정보 및 다른 적절한 정보를 포함하도록 구성된다. 개시된 주제에 따르면, 인터 모드 또는 이중 예측 모드의 병합 서브모드에서 블록을 코딩하는 경우, 잔차 정보가 없음에 유의한다.

도 7은 본 개시의 다른 실시예에 따른 비디오 디코더(710)의 도면을 도시한다. 비디오 디코더(710)는 코딩된 비디오 시퀀스의 일부인 코딩된 픽처를 수신하고, 재구성된 픽처를 생성하기 위해 코딩된 픽처를 디코딩하도록 구성된다. 예에서, 비디오 디코더(710)는 도 3 예의 비디오 디코더(310) 대신에 사용된다.

도 7에서, 비디오 디코더(710)는 엔트로피 디코더(771), 인터 디코더(780), 잔차 디코더(773), 재구성 모듈(774) 및 도 7에 도시된 바와 같이 함께 결합된 인트라 디코더(772)를 포함한다.

엔트로피 디코더(771)는 코딩된 픽처를 구성하는 신택스 요소를 나타내는 특정 심볼을 코딩된 픽처로부터 재구성하도록 구성될 수 있다. 그러한 심볼은 예를 들어, 블록이 코딩되는 모드(예를 들어, 인트라 모드, 인터 모드, 이중 예측 모드, 병합 서브모드 또는 다른 서브모드에서의 후자의 2개), 인트라 디코더(772) 또는 인터 디코더(780) 각각에 의한 예측을 위해 사용되는 특정 샘플 또는 메타데이터를 식별할 수 있는 예측 정보(예를 들어, 인트라 예측 정보 또는 인터 예측 정보), 예를 들어 양자화된 변환 계수의 형태의 잔차 정보 등을 포함할 수 있다. 예에서, 예측 모드가 인터 또는 이중 예측 모드인 경우, 인터 예측 정보는 인터 디코더(780)에게 제공되고, 예측 유형이 인트라 예측 유형인 경우, 인트라 예측 정보는 인트라 디코더(772)에게 제공된다. 잔차 정보는 역양자화될 수 있고 잔차 디코더(773)에게 제공된다.

인터 디코더(780)는 인터 예측 정보를 수신하고, 인터 예측 정보에 기초하여 인터 예측 결과를 생성하도록 구성된다.

인트라 디코더(772)는 인트라 예측 정보를 수신하고, 인트라 예측 정보에 기초하여 예측 결과를 생성하도록 구성된다.

잔차 디코더(773)는 역양자화된 변환 계수를 추출하기 위해 역양자화를 수행하고, 잔차를 주파수 도메인에서 공간 도메인으로 변환하기 위해 역양자화된 변환 계수를 처리하도록 구성된다. 잔차 디코더(773)는 또한 (양자화기 파라미터(Quantizer Parameter, QP)를 포함하기 위해) 특정 제어 정보를 요구할 수 있고, 해당 정보는 엔트로피 디코더(771)에 의해 제공될 수 있다(데이터 경로는 낮은 볼륨 제어 정보일 수 있기 때문에 도시되지 않음).

재구성 모듈(774)은 재구성된 비디오의 일부일 수 있는 재구성된 픽처의 일부일 수 있는 재구성된 블록을 형성하기 위해 공간 도메인에서 찬차 디코더(773)에 의해 출력된 잔차와 예측 결과(경우에 따라 인터 또는 인트라 예측 모듈에 의해 출력됨)를 결합하도록 구성된다. 디블록킹(deblocking) 작동과 같은 다른 적절한 작동이 시각적 품질을 향상시키기 위해 수행될 수 있음에 유의한다.

비디오 인코더(303, 503, 603) 및 비디오 디코더(310, 410, 710)는 임의의 적절한 기술을 사용하여 구현될 수 있음에 유의한다. 실시예에서, 비디오 인코더(303, 503, 603) 및 비디오 디코더(310, 410, 710)는 하나 이상의 집적 회로를 사용하여 구현될 수 있다. 다른 실시예에서, 비디오 인코더(303, 503, 603) 및 비디오 디코더(310, 410, 710)는 소프트웨어 명령어를 실행하는 하나 이상의 프로세서를 사용하여 구현될 수 있다.

Ⅱ. 기계용 비디오 코딩

비디오나 이미지는 오락, 교육 등과 같이 다양한 용도로 인간이 소비할 수 있다. 따라서, 비디오 코딩 또는 이미지 코딩은 종종 우수한 주관적 품질을 유지하면서 더 나은 압축 효율을 위해 인간 시각 시스템의 특성을 활용한다.

최근 몇 년 동안, 기계 학습 애플리케이션의 증가와 함께 센서가 풍부해짐에 따라, 많은 지능형 플랫폼에서 객체 검출, 분할 또는 추적과 같은 기계 시각 작업에 비디오 또는 이미지를 활용하였다. 기계 시각 작업을 위해 비디오 또는 이미지를 인코딩하는 방법은 흥미롭고 어려운 문제가 될 수 있다. 이것은 기계용 비디오 코딩(VCM)의 도입으로 이어졌다. 이러한 목표를 달성하기 위해, 국제 표준 그룹인 MPEG은 서로 다른 장치 간에 더 나은 상호 운용성을 위해 관련 기술을 표준화하기 위해 Ad-Hoc 그룹인 "기계용 비디오 코딩(Video coding for machine, VCM)"을 생성하였다.

도 8은 본 개시의 실시예에 따른 예시적인 VCM 아키텍처를 도시한다. 도 8의 비디오 디코딩 모듈의 출력은 주로 기계 소비, 즉 기계 시각을 위한 것이다. 그러나, 경우에 따라, 비디오 디코딩 모듈의 출력은 도 8에서 나타낸 바와 같이, 인간의 시각에도 사용될 수 있다. 또한, 예시적인 VCM 아키텍처에는 신경망(neural network, NN) 모듈을 위한 인터페이스가 포함될 수 있다.

클라이언트(또는 디코더) 측에서, 기계 시스템을 위한 비디오 코딩은 일반적으로 먼저 샘플 도메인에서 비디오 시퀀스를 획득하기 위해 비디오 디코딩을 수행할 수 있다. 그런 다음, 비디오 시퀀스의 비디오 컨텐츠를 이해하기 위해 하나 이상의 기계 작업이 수행될 수 있다. 일부 경우에, 하나 이상의 기계 작업의 출력은 예를 들어 디코딩된 이미지 또는 비디오 시퀀스 내부의 직사각형 경계 박스의 형태로 대상 객체(들)의 레이블링 정보일 수 있다.

III. 다목적 비디오 코딩

VVC는 최근 두 개의 국제 표준 기구, 즉 ITU와 ISO/IEC에 의해 공동으로 개발되었다. VVC의 한 버전은 2020년 7월에 완료되었으며 최첨단 비디오 코딩 표준 중 하나이다.

도 9는 본 개시의 실시예에 따른 예시적인 VVC 인코더를 도시한다. VVC 인코더는 변환 및 양자화(TR+Q) 모듈, 엔트로피 코딩 모듈, 모션 추정(motion estimation, ME) 모듈 및 디코더를 포함한다. 디코더는 역변환 및 역양자화(iTR+iQ) 모듈, 인트라 예측 모듈, 인터 예측 모듈, 결합 예측 모듈, 디블로킹 필터(deblocking filter, Deblk) 모듈, 샘플 적응 오프셋 필터(sample adaptive offset filter, SAO) 모듈, 적응 루프 필터(adaptive loop filter, ALF) 모듈 및 버퍼를 포함한다. 인코더는 입력 픽처의 코딩 블록(CB)을 수신하여 코딩된 비트스트림과 재구성된 픽처를 출력한다. 변환 및 양자화 모듈과 역변환 및 역양자화 모듈은 모두 변환 블록(TB)을 처리한다. 인트라 예측 모듈과 인트라 예측 모듈은 모두 PB를 처리한다. 결합 예측 모듈은 인터 예측과 인트라 예측을 결합한다.

인트라 예측을 위해, 예를 들어, 교차 컴포넌트 선형 모드(cross-component linear mode, CCLM), 다중 참조 라인 예측(multiple reference line prediction, MRLP), 인트라 서브파티셔닝(intra sub-partitioning, ISP), 매트릭스 기반 인트라 예측(matrix based intra prediction, MIP)과 같은 다양한 코딩 도구가 포함될 수 있다.

인터 예측을 위해, 예를 들어, 아핀 모션 모델(affine motion model, AFFINE), 서브블록 기반 시간 병합 후보(subblock-based temporal merging candidate, SbTMC), 적응 모션 벡터 해상도(adaptive motion vector resolution, AMVR), 기하 파티션 모드(geometric partition mode, GPM), 결합된 인트라/인터 예측(combined intra/inter prediction, CIIP), 모션 벡터 차이를 사용한 병합 모드(merge mode with motion vector difference, MMVD), CU 가중치를 사용한 양방향 예측(bi-predictive with CU weights, BCW), 디코더 모션 벡터 정제(decoder motion vector refinement, DMVR), 양방향 광학 플로우(bi-directional optical flow, BDOF), 광학 흐름을 사용한 예측 정제(prediction refinement using optical flow, PROF)가 코딩 도구의 세트에 포함될 수 있다.

예를 들어, 종속 양자화(dependent quantization, DQ), 다중 변환 세트(multiple transform set, MTS), 저주파수 비분리 변환(low frequency non-separable transform, LFNST), 루마 매핑 및 크로마 스케일링(luma mapping and chroma scaling, LMCS), 교차 컴포넌트 적응 루프 필터(cross-component adaptive loop filter, CCALF), 적응 루프 필터(ALF), 샘플 적응 오프셋 필터(SAO), 디블로킹 필터(Deblk) 등이 변환, 양자화 및 인루프 필터와 같은 다른 도구에 포함될 수 있다.

비디오 코딩 시스템에서, 비디오 비트스트림을 정확하게 디코딩하는 데 필요하지 않은 일부 유용한 정보는, 하나 이상의 보충 향상 정보(SEI) 메시지에 의해 전달될 수 있다. 예를 들어, 디코더는 그러한 정보를 무시할 수 있다. 다르게는, 디코더는 비디오 시퀀스를 디코딩한 후 사용을 위해 SEI 메시지를 디코딩할 수 있다. 일 예로, 가상 현실(VR) 360도 비디오 스트리밍에서, 전방향 비디오는 압축 및 전송을 위해 2D 전통 비디오로 패킹(pack)될 수 있다. 2-D 비디오를 디코딩한 후, 시스템은 비디오가 3-D 포맷으로 시청될 수 있기 전에, 여러 처리 단계에서 패킹된 2-D 비디오를 처리해야 할 수 있다. 예를 들어, 패킹된 2-D 비디오를 정방형 투영(equi-rectangular projection, ERP), 큐브 맵 투영(cube-map projection, CMP) 등과 같은 패킹 포맷에 따라 구형 도메인으로 다시 변환하여 비디오 컨텐츠의 가장 관련성이 높은 정보를 포함하는 중앙 뷰로 구형 신호를 디스플레이한다. 이들 단계는 비디오 자체를 정확하게 디코딩하는 것과 관련이 없지만 비디오 컨텐츠를 디스플레이하는 데 유용하다. 패킹 방법(ERP, CMP 등)과 같은 정보, 또는 360도 비디오의 제안된 뷰 센터의 정보는 SEI 메시지를 통해 전송될 수 있다. 정보를 수신함으로써, VR 클라이언트 시스템은 디코딩된 비디오 컨텐츠를 보다 효율적으로 처리할 수 있다.

IV. 객체의 라벨링 정보의 시그널링

H.264, HEVC 또는 최근에 완료된 VVC 표준과 같은 일부 관련 비디오 코딩 표준에서, 입력 비디오 신호(또는 시퀀스)는 얼마나 많은 사람 또는 객체가 비디오에 있고 그들이 주위를 어떻게 움직이는지 등과 같은 비디오 컨텐츠 의미에 대한 이해 없이 파형으로 처리된다. 반면에, 객체 검출, 분할 또는 추적과 같은 기계 시각 작업은 비디오 시퀀스로부터의 이러한 유형의 정보를 이해하도록 설계될 수 있다. 비디오 시퀀스를 디코딩한 후, 클라이언트(또는 디코더) 측은 이미지 또는 비디오 시퀀스에서 대상 객체(들)의 라벨링 정보를 획득하기 위해 기계 작업을 수행할 수 있다.

클라이언트(또는 디코더) 측에서 기계 작업을 수행하는 것은 계산의 소비뿐만 아니라 기계 작업의 결과를 획득하기 위한 시간의 소비를 초래할 수 있다. 일부 시스템에서, 이러한 비용(예를 들어, 계산 및 시간 소모)은 바람직하지 않다.

본 개시는 라벨링 결과와 같은 검출 또는 인식 정보를 클라이언트(또는 디코더) 측으로 전송하는 방법을 포함한다. 본 개시에 포함된 방법은 VVC 표준으로 제한되지 않는다. 방법의 원리는 또한 오픈 미디어 연합(Alliance for Open Media)에서 개발된 H.264, HEVC 또는 AV1과 같은 다른 비디오 코딩 표준에도 적용될 수 있다.

본 개시의 측면에 따르면, 기계 시각 대상들에 대한 하나 이상의 바운딩 박스, 클래스, 및/또는 객체들의 인덱스와 같은 라벨링 정보는 디코더 측에서 코딩된 비디오 비트스트림을 디코딩한 후에 결정되기 보다는 인코더 측에서 결정될 수 있다. 결정된 라벨링 정보는 코딩되어 다양한 방식으로 디코더 및/또는 클라이언트 측에 전송될 수 있다. 라벨링 정보를 디코딩한 후, 라벨링 결과는 비디오 컨텐츠를 이해하기 위한 기계 작업을 더 이상 수행하지 않고 디코딩된 이미지 또는 비디오 시퀀스에 직접 적용될 수 있다. 예에서, 하나 이상의 바운딩 박스 각각은 디코딩된 이미지의 상이한 대상 객체에 적용될 수 있다. 다른 예에서, 각각의 대상 객체의 클래스 및/또는 인덱스가 디코딩된 이미지에 디스플레이될 수 있다. 이러한 방식으로, 기계 작업은 픽처(들)의 해상도와 무관하게 수행될 수 있다.

실시예에서, 인코더 시스템은 관련 라벨링 정보를 획득하거나 또는 다른 라벨링 정보를 사용하기 위해 도 9에 예시된 모듈과 같은 유사한 기계 시각 작업 모듈을 적용할 수 있다. 예를 들어, 기계 시각 작업의 출력은 각각의 픽처에 대한 일련의 바운딩 상자 형태일 수 있다. 각각의 바운딩 박스는 각각의 바운딩 박스의 위치 및 크기 정보로 표현될 수 있다.

본 개시의 측면에 따르면, 각각의 픽처에 있는 객체들의 바운딩 박스의 정보와 같은 라벨링 정보는 코딩된 비디오 비트스트림에서 일부 부가 정보 메시지에 의해 전달될 수 있다. 예를 들어, 라벨링 정보는 코딩된 비디오 비트스트림에서 SEI 메시지를 통해 전송될 수 있다. 다른 실시예에서, 라벨링 정보는 또한 별도의 파일 또는 코딩된 비디오 비트스트림과 연관된 플러그인 파일에서와 같이 별도로 제공될 수 있다.

일부 실시예에서, 라벨링 정보는 각각의 픽처에서 하나 이상의 바운딩 박스의 위치 정보를 포함한다. 다양한 참조 포인트 및/또는 크기 정보는 바운딩 박스의 위치를 지시하는 데 사용될 수 있다. 실시예에서, 바운딩 박스의 위치 정보는 바운딩 박스의 상단 좌측 위치 및 바운딩 박스의 크기를 포함할 수 있다.

[표 1]은 현재 픽처에서 바운딩 박스의 위치 정보를 포함하는 라벨링 정보를 시그널링하기 위해 사용될 수 있는 예시적인 신택스 표를 나타낸다.

[표 1]에서, 신택스 요소 num_boxes는 현재 픽처 내의 바운딩 박스 총 개수를 지시한다. 신택스 요소 box_loc_x[i]는 루마 샘플에서 현재 픽처의 좌측 상단 코너에 대한 i번째 바운딩 박스의 좌측 상단 코너의 수평 위치를 지시한다. 신택스 요소 box_loc_y[i]는 루마 샘플에서 현재 픽처의 좌측 상단 코너에 대한 i번째 바운딩 박스의 좌측 상단 코나의 수직 위치를 지시한다. 신택스 요소 box_width[i]는 루마 샘플에서 i번째 바운딩 박스의 폭을 지시한다. 신택스 요소 box_height[i]는 루마 샘플에서 i번째 바운딩 박스의 높이를 지시한다.

바운딩 박스의 표현은 위의 포맷(좌측 상단 위치 + 크기)으로 제한되지 않을 수 있다. 예를 들어, 좌측 상단 위치 + 우측 하단 위치가 또한 바운딩 박스를 설명할 수 있다.

또한, 바운딩 박스의 위치는 박스의 고정된 위치로 표현될 수 있다. 좌측 상단 코너는 하나의 예이며, 다른 위치가 또한 활용될 수 있다. 예를 들어, 바운딩 박스의 중심 위치와 바운딩 박스의 폭 및 높이가 바운딩 박스를 표현하는 데 사용될 수 있다.

일 실시예에서, 라벨링 정보는 현재 픽처의 각각의 객체의 카테고리 정보를 포함할 수 있다. 카테고리 정보는 바운딩 박스 내의 객체가 속한 카테고리를 지시한다. 예를 들어, 카테고리는 사람, 자동차, 비행기 등이 될 수 있다. [표 2]는 현재 픽처에 있는 바운딩 박스의 위치 정보 및 현재 픽처에 있는 객체의 카테고리 정보를 포함하는 라벨링 정보를 시그널링하는데 사용될 수 있는 예시적인 신택스 표를 나타낸다.

[표 2]에서, 신택스 요소 num_boxes는 현재 픽처 내의 바운딩 박스의 총 개수를 지시한다. 신택스 요소 category_id는 i번째 바운딩의 객체가 속하는 카테고리를 지시한다. 신택스 요소 box_loc_x[i]는 루마 샘플에서 현재 픽처의 좌측 상단 코너에 대한 i번째 바운딩 박스의 좌측 상단 코너의 수평 위치를 지시한다. 신택스 요소 box_loc_y[i]는 루마 샘플에서 현재 픽처의 좌측 상단 코너에 대한 i번째 바운딩 박스의 좌측 상단 코너의 수직 위치를 지시한다. 신택스 요소 box_width[i]는 루마 샘플에서 i번째 바운딩 박스의 폭을 지시한다. 신택스 요소 box_height[i]는 루마 샘플에서 i번째 바운딩 박스의 높이를 지시한다.

일 실시예에서, 카테고리 정보 외에, 라벨링 정보는 현재 픽처에 있는 하나 이상의 객체의 식별 정보를 포함할 수 있다. 일 예에서, 라벨링 정보는 현재 픽처의 각각의 객체에 대한 식별 정보를 포함할 수 있다. 식별 정보는 비디오 시퀀스에서 객체를 식별하는 데 사용될 수 있다. 예를 들어, 객체 추적에서, 식별 정보는 비디오 시퀀스에서 동일한 객체를 나타내는 데 사용될 수 있다. [표 3]은 현재 픽처의 바운딩 박스의 위치 정보와 현재 픽처의 객체의 카테고리 정보 및 식별 정보를 포함하는 라벨링 정보를 시그널링하기 위해 사용되는 신택스 표를 나타낸다.

[표 3]에서, 신택스 요소 num_boxes는 현재 픽처 내의 바운딩 박스의 총 개수를 지시한다. 신택스 요소 category_id는 i번째 바운딩의 객체가 속하는 카테고리를 지시한다. 신택스 요소 instance_id는 i번째 바운딩의 객체에 대한 식별 번호를 지시한다. 신택스 요소 box_loc_x[i]는 루마 샘플에서 현재 픽처의 좌측 상단 코너에 대한 i번째 바운딩 박스의 좌측 상단 코너의 수평 위치를 지시한다. 신택스 요소 box_loc_y[i]는 루마 샘플에서 현재 픽처의 좌측 상단 코너에 대한 i번째 바운딩 박스의 좌측 상단 코너의 수직 위치를 지시한다. 신택스 요소 box_width[i]는 루마 샘플에서 i번째 바운딩 박스의 폭을 지시한다. 신택스 요소 box_height[i]는 루마 샘플에서 i번째 바운딩 박스의 높이를 지시한다.

객체 추적 관련 작업과 같은 일부 기계 시각 작업에서, 각각의 객체는 상이한 픽처에 나타날 수 있다. 상이한 픽처에서 동일한 바운딩 박스의 시그널링을 용이하게 하기 위해, 동일한 바운딩 박스 id가 동일한 객체를 나타내는 데 사용될 수 있다. 후속 픽처(들)에서, 바운딩 박스의 절대 위치 및 크기가 시그널링될 수 있다. 다른 실시예에서, 이전 픽처의 이전 값에 대한 상대적인 변화가 대신 사용될 수 있다. [표 4]는 현재 픽처에서 바운딩 박스의 위치 오프셋 정보를 포함하는 라벨링 정보를 시그널링하는 데 사용될 수 있는 예시적인 신택스 표를 나타낸다. [표 4]에서, 현재 픽처의 바운딩 박스는 바운딩 박스의 좌측 상단 코너 위치와 우측 하단 코너 위치를 시그널링함으로써 기술되고 있다.

[표 4에서], 신택스 요소 num_boxes는 현재 픽처 내의 바운딩 박스의 총 개수를 지시한다. 신택스 요소 sign_tl_x[i]는 루마 샘플에서 이전 픽처의 동일한 바운딩 박스에 대한 i번째 바운딩 박스의 수평 좌측 상단 코너 위치 차이의 부호를 지시한다. 신택스 요소 sign_tl_y[i]는 루마 샘플에서 이전 픽처의 동일한 바운딩 박스에 대한 i번째 바운딩 박스의 수직 좌측 상단 코너 위치 차이의 부호를 지시한다. 신택스 요소 sign_br_x[i]는 루마 샘플에서 이전 픽처의 동일한 바운딩 박스에 대한 i번째 바운딩 박스의 수평 우측 하단 코너 위치 차이의 부호를 지시한다. 신택스 요소 sign_br_y[i]는 루마 샘플에서 이전 픽처의 동일한 바운딩 박스에 대한 i번째 바운딩 박스의 수직 우측 하단 코너 위치 차이의 부호를 지시한다. 신택스 요소 delta_box_tl_loc_x[i]는 루마 샘플에서 이전 픽처의 동일한 바운딩 박스에 대한 i번째 바운딩 박스의 수평 좌측 상단 코너 위치 차이의 절대값을 지시한다. 신택스 요소 delta_box_tl_loc_y[i]는 루마 샘플에서 이전 픽처의 동일한 바운딩 박스에 대한 i번째 바운딩 박스의 수직 좌측 상단 코너 위치 차이의 절대값을 지시한다. 신택스 요소 delta_box_br_loc_x[i]는 루마 샘플에서 이전 픽처의 동일한 바운딩 박스에 대한 i번째 바운딩 박스의 수평 우측 하단 위치 차이의 절대값을 지시한다. 신택스 요소 delta_box_br_loc_y[i]는 루마 샘플에서 이전 픽처의 동일한 바운딩 박스에 대한 i번째 바운딩 박스의 수직 우측 하단 코너 위치 차이의 절대값을 지시한다.

신택스 요소 sign_tl_x[i], sign_tl_y[i], sign_br_x[i], sign_br_y[i]는 현재 픽처 이전에 이전 픽처가 없을 때 0과 동일하게 설정될 수 있다. 다르게는, 이러한 신택스 요소는 디코딩 순서 또는 디스플레이 순서에서 현재 픽처에 대한 이전 픽처가 있는 경우에만 조건부로 시그널링될 수 있다. 시그널링되지 않는 경우, 이러한 신택스 요소는 0으로 유추될 수 있다.

변수 PrevTopLeftBoxX[i]는 디코딩 순서 또는 디스플레이 순서에서 현재 픽처 이전의 이전 픽처에서 i번째 바운딩 박스의 수평 좌측 상단 코너 위치를 지시한다. 변수 TopLeftBoxX[i]는 현재 픽처에서 i번째 바운딩 박스의 수평 좌측 상단 코너 위치를 지시한다.

TopLeftBoxX[i] = PrevTopLeftBoxX[i] + sign_tl_x[i] * delta_box_tl_loc_x[i].

변수 PrevTopLeftBoxY[i]는 디코딩 순서 또는 디스플레이 순서에서 현재 픽처 이전 이전 픽처에서 i번째 바운딩 박스의 수직 좌측 상단 코너 위치를 지시한다. 변수 TopLeftBoxY[i]는 현재 픽처에서 i번째 바운딩 박스의 수직 좌측 상단 코너 위치를 지시한다.

TopLeftBoxY[i] = PrevTopLeftBoxY[i] + sign_tl_y[i] * delta_box_tl_loc_y[i].

변수 PrevBotRightBoxX[i]는 디코딩 순서 또는 디스플레이 순서에서 현재 픽처 이전의 이전 픽처에서 i번째 바운딩 박스의 수평 우측 하단 코너 위치를 지시한다. 변수 BotRightBoxX[i]는 현재 픽처에서 i번째 바운딩 박스의 수평 우측 하단 코너 위치를 지시한다.

BotRightBoxX[i] = PrevBotRightBoxX[i] + sign_br_x[i] * delta_box_br_loc_x[i].

변수 PrevBotRightBoxY[i]는 디코딩 순서 또는 디스플레이 순서에서 현재 픽처 이전의 이전 픽처에서 i번째 바운딩 박스의 수직 우측 하단 코너 위치를 지시한다. 변수 BotRightBoxY[i]는 현재 픽처에서 i번째 바운딩 박스의 수직 우측 하단 코너 위치를 지시한다.

BotRightBoxY[i] = PrevBotRightBoxY[i] + sign_br_y[i] * delta_box_br_loc_y[i].

변수 PrevTopLeftBoxX[i], PrevTopLeftBoxY[i], PrevBotRightBoxX[i], PrevBotRightBoxY[i]는 현재 픽처 이전에 이전 픽처가 없을 때 0으로 초기화될 수 있다.

변수 PrevTopLeftBoxX[i], PrevTopLeftBoxY[i], PrevBotRightBoxX[i], PrevBotRightBoxY[i]는 각각 현재 픽처의 디코딩 또는 디스플레이 완료 후에 TopLeftBoxX[i], TopLeftBoxY[i], BotRightBoxX[i], BotRightBoxY[i]에 동일하게 설정될 수 있다.

실시예에서, 시그널링된 신택스 구조는 위의 신택스 표와 유사하지만, 현재 픽처의 바운딩 박스는 그것의 상단 좌측 코너 위치 더하기 그것의 폭 및 높이를 시그널링함으로써 기술될 수 있다. 이 경우, 시그널링되는 델타(delta) 값은 i번째 바운딩 박스의 좌측 상단 코너 위치의 델타 값, i번째 바운딩 박스의 폭 및 높이의 델타 값, 및 각각의 부호 값일 수 있다.

실시예에서, 객체의 카테고리 정보(예를 들어, category_id) 및/또는 식별 정보(예를 들어, instance_id)는 [표 4]에 포함될 수 있다.

본 개시의 측면에 따르면, 바운딩 박스의 좌측 상단 및 우측 하단 위치는 현재 픽처 내에 배치될 수 있다. 그러나, 일부 경우에, 객체가 더 이상 현재 픽처에서 나타나지 않는 경우, 바운딩 박스는 현재 픽처에 더 이상 디스플레이되지 않아야 한다. 일 실시예에서, 현재 픽처에서 나타나지 않는 i번째 바운딩 박스의 경우, 픽처 경계 외부의 위치 값과 같은 미리 결정된 위치 값이 사용될 수 있다. 예를 들어, 픽처 크기가 1920x1080인 경우, 바운딩 박스의 좌측 상단 위치 및 우측 하단 위치는 객체가 현재 픽처에 존재하지 않고 객체의 바운딩 박스가 디스플레이될 필요가 없음을 지시하기 위해 2000(픽처 폭 및 높이보다 큼)으로 설정될 수 있다.

본 개시의 측면에 따르면, 코딩된 비디오 비트스트림의 메타데이터 정보(예를 들어, SEI 메시지)에 포함되는 것외에, 라벨링 정보는 코딩된 비디오로부터 분리된 메타데이터 파일(예를 들어, 플러그인 파일)에 포함될 수 있다. 라벨링 정보는 메타데이터 정보로 간주될 수 있으며 실시간 전송 프로토콜(real-time transport protocol, RTP), ISO 기반 미디어 포맷 파일 및 하이퍼텍스트 전송 프로토콜을 통한 동적 적응 스트리밍(dynamic adaptive streaming over hypertext transport protocol, DASH)과 같은 시스템 계층 접근방식을 통해 디코더 및/또는 클라이언트 측에 전달될 수 있다.

클라이언트(또는 디코더) 측은, 필요할 때, 디코딩된 픽처(들)에서 라벨링 정보를 활성화하기 위해 시스템 계층으로부터 이러한 정보를 요청할 수 있다.

실시예에서, 클라이언트(또는 디코더) 측은 시스템 계층으로부터 라벨링 정보를 요청하기 위해 인코더 측에게 요청 메시지를 전송할 수 있다.

실시예에서, 클라이언트(또는 디코더) 측은 요청 메시지를 전송하지 않고 인코더 측으로부터 라벨링 정보를 수신할 수 있다.

실시예에서, 클라이언트는 디코딩된 픽처(들)에서 라벨링 정보를 활성화하기 위해 디코더에게 요청 메시지를 전송할 수 있다.

실시예에서, 디코더는 클라이언트로부터 요청 메시지를 수신하지 않고 디코더 픽처(들)에서 라벨링 정보를 활성화할 수 있다.

V. 흐름도

도 10은 본 개시의 실시예에 따른 예시적인 프로세스(1000)의 개략적인 흐름도를 도시한다. 다양한 실시예에서, 프로세스(1000)는 단말 장치(210, 220, 230, 240)의 처리 회로, 비디오 인코더(303)의 기능을 수행하는 처리 회로, 비디오 디코더(310)의 기능을 수행하는 처리 회로, 비디오 디코더(410)의 기능을 수행하는 처리 회로, 인트라 예측 모듈(452)의 기능을 수행하는 처리 회로, 비디오 인코더(503)의 기능을 수행하는 처리 회로, 예측기(535)의 기능을 수행하는 처리 회로(535), 인트라 인코더(622)의 기능을 수행하는 처리 회로, 인트라 디코더(772)의 기능을 수행하는 처리 회로 등과 같은 처리 회로에 의해 실행된다. 일부 실시예에서, 프로세스(1000)는 소프트웨어 명령어로 구현되므로, 처리 회로가 소프트웨어 명령어를 실행할 때, 처리 회로는 프로세스(1000)를 수행한다.

프로세스(1000)는 일반적으로 단계 (S1010)에서 시작할 수 있으며, 여기서 프로세스(1000)는 코딩된 비디오 비트스트림과 연관된 메타데이터를 수신한다. 메타데이터는 코딩된 비디오 비트스트림에서 코딩된 제1 픽처에서 검출된 하나 이상의 객체의 라벨링 정보를 포함한다. 그 다음, 프로세스(1000)는 단계 (S1020)로 진행한다.

단계 (S1020)에서, 프로세스(1000)는 코딩된 비디오 비트스트림에서 코딩된 제1 픽처 내의 하나 이상의 객체의 라벨링 정보를 디코딩한다. 그 후, 프로세스(1000)는 단계 (S1030)로 진행한다.

단계 (S1030)에서, 프로세스(1000)는 제1 픽처의 하나 이상의 객체에 라벨링 정보를 적용한다. 그 후, 프로세스(1000)는 종료된다.

예에서, 바운딩 박스는 제1 픽처에서 검출된 객체에 적용될 수 있다. 다른 예로, 검출된 객체가 속한 카테고리가 제1 픽처에서 디스플레이될 수 있다. 다른 예에서, 검출된 객체의 식별 번호는 제1 픽처에 디스플레이될 수 있다.

일 실시예에서, 메타데이터는 코딩된 비디오 비트스트림의 SEI 메시지에 포함된다.

일 실시예에서, 라벨링 정보는 제1 픽처 내의 바운딩 박스의 총 개수를 지시하고 각각의 바운딩 박스의 위치 정보 및 크기 정보를 포함하며, 각각의 바운딩 박스는 제1 픽처 내의 하나 이상의 객체들 중 하나와 연관된다.

일 실시예에서, 라벨링 정보는 하나 이상의 객체 각각에 대한 카테고리를 지시하는 카테고리 정보를 포함한다.

일 실시예에서, 라벨링 정보는 비디오 시퀀스에서 하나 이상의 객체 각각을 식별하는 식별 정보를 포함한다.

일 실시예에서, 프로세스(1000)는 코딩된 비디오 비트스트림과 연관된 메타데이터를 수신하기 위한 요청을 전송한다.

VI. 컴퓨터 시스템

위에서 설명된 본 기술은 컴퓨터 판독 가능 명령어를 사용하여 컴퓨터 소프트웨어로서 구현될 수 있고 하나 이상의 컴퓨터 판독 가능 매체에 물리적으로 저장될 수 있다. 예를 들어, 도 11은 개시된 주제의 특정 실시예를 구현하기에 적합한 컴퓨터 시스템(1100)을 도시한다.

컴퓨터 소프트웨어는 하나 이상의 컴퓨터 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(GPU) 등에 의한 어셈블리, 컴파일, 링크 또는 유사한 메커니즘을 통해 직접 실행될 수 있는 명령어를 포함하는 코드를 생성할 수 있는 임의의 적절한 기계 코드 또는 컴퓨터 언어를 사용하여 코딩될 수 있다.

명령어는 예를 들어 개인용 컴퓨터, 태블릿 컴퓨터, 서버, 스마트폰, 게임 장치, 사물 인터넷 장치 등을 포함하는 다양한 유형의 컴퓨터 또는 그 컴포넌트에서 실행될 수 있다.

컴퓨터 시스템(1100)에 대해 도 11에 도시된 컴포넌트는 본질적으로 예시적이며 본 개시의 실시예를 구현하는 컴퓨터 소프트웨어의 사용 또는 기능의 범위에 대한 어떠한 제한도 제안하려는 것이 아니다. 컴포넌트의 구성은 컴퓨터 시스템(1100)의 예시적인 실시예에 도시된 컴포넌트의 임의의 하나 또는 조합과 관련된 임의의 종속성 또는 요구사항을 갖는 것으로 해석되어서는 안된다.

컴퓨터 시스템(1100)은 특정 휴먼 인터페이스 입력 장치를 포함할 수 있다. 이러한 휴먼 인터페이스 입력 장치는 예를 들어, 촉각 입력(예: 키 입력, 스와이프, 데이터 장갑 모션), 오디오 입력(예: 음성, 박수), 시각적 입력(예: 제스처), 후각 입력(도시되지 않음)을 통해 한 명 이상의 인간 사용자에 의한 입력에 응답할 수 있다. 휴먼 인터페이스 장치는 또한 오디오(예: 음성, 음악, 주변 소리), 이미지(예: 스캔된 이미지, 정지 이미지 카메라로부터 획득하는 픽처 이미지), 비디오(예: 2차원 비디오, 입체 비디오를 포함한 3차원 비디오)와 같이 인간에 의한 의식적 입력과 직접 관련이 없는 특정 매체를 캡처하는 데 사용될 수 있다.

입력 휴먼 인터페이스 장치는 키보드(1101), 마우스(1102), 트랙 패드(1103), 터치 스크린(1110), 데이터 글로브(도시되지 않음), 조이스틱(1105), 마이크(1106), 스캐너(1107) 및 카메라(1108) 중 하나 이상(각각 도시된 것 중 하나만)을 포함할 수 있다.

컴퓨터 시스템(1100)은 또한 특정 휴먼 인터페이스 출력 장치를 포함할 수 있다. 이러한 후먼 인터페이스 출력 장치는 예를 들어 촉각 출력, 소리, 빛 및 냄새/맛을 통해 한 명 이상의 인간 사용자의 감각을 자극할 수 있다. 이러한 휴먼 인터페이스 출력 장치는, 촉각 출력 장치(예를 들어, 터치 스크린(1110), 데이터 글로브(도시되지 않음), 또는 조이스틱(1105)에 의한 촉각 피드백을 포함하지만, 입력 장치로서 기능하지 않는 촉각 피드백 장치일 수도 있음), 오디오 출력 장치(예: 스피커(1109), 헤드폰(도시되지 않음)), 시각 출력 장치(예: CRT 스크린, LCD 스크린, 플라즈마 스크린, OLED 스크린, 터치 스크린 입력 능력을 갖거나 갖지 않는 각각, 촉각 피드백 능력을 갖거나 또는 갖지 않는 각각을 포함하는 스크린(1110)과 같음 ― 그 중 일부는 입체 출력, 가상 현실 안경(도시되지 않음), 홀로그래픽 디스플레이 및 스모크 탱크(smoke tank, 도시되지 않음))와 같은 수단을 통해 2차원 시각적 출력 또는 3차원 이상의 출력을 출력할 수 있음) ― 및 프린터(도시되지 않음)를 포함할 수 있다. 이러한 시각적 출력 장치(예: 스크린(1110))는 그래픽 어댑터(1150)를 통해 시스템 버스(1148)에 연결될 수 있다.

컴퓨터 시스템(1100)은 또한 인간이 액세스 가능한 저장 장치 및 CD/DVD를 갖는 CD/DVD ROM/RW(1120)를 포함하는 광학 매체 또는 유사 매체(1121), 썸 드라이브(thumb-drive)(1122), 탈착식 하드 드라이브 또는 솔리드 스테이트 드라이브(1123), 테이프 및 플로피 디스크와 같은 레거시 자기 매체(도시되지 않음), 보안 동글과 같은 특수 ROM/ASIC/PLD 기반 장치(도시되지 않음) 등과 같은 이와 연관된 매체를 포함할 수 있다.

통상의 기술자는 또한 현재 개시된 주제와 관련하여 사용되는 "컴퓨터 판독 가능 매체"라는 용어가 전송 매체, 반송파 또는 다른 일시적 신호를 포함하지 않는다는 것을 이해해야 한다.

컴퓨터 시스템(1100)은 또한 하나 이상의 통신 네트워크(1155)에 대한 네트워크 인터페이스(1154)를 포함할 수 있다. 하나 이상의 통신 네트워크(1155)는 예를 들어 무선, 유선, 광일 수 있다. 하나 이상의 통신 네트워크(1155)는 또한 로컬, 광역, 대도시, 차량 및 산업, 실시간, 지연 허용 등일 수 있다. 하나 이상의 통신 네트워크(1155)의 예로는 이더넷과 같은 근거리 통신망, 무선 LAN, GSM, 3G, 4G, 5G, LTE 등을 포함하는 셀룰러 네트워크, 케이블 TV, 위성 TV 및 지상파 방송 TV를 포함하는 TV 유선 또는 무선 광역 디지털 네트워크, CANBus를 포함하는 차량 및 산업용 등을 포함한다. 특정 네트워크에는 일반적으로 특정 범용 데이터 포트 또는 주변 장치 버스(1149)(예를 들어, 컴퓨터 시스템(1100)의 USB 포트와 같음)에 부착된 외부 네트워크 인터페이스 어댑터가 필요하다. 다른 것들은 일반적으로 아래에 설명된 바와 같이 시스템 버스에 대한 부착에 의해 컴퓨터 시스템(1100)의 코어에 통합된다(예를 들어, PC 컴퓨터 시스템에 대한 이더넷 인터페이스 또는 스마트 폰 컴퓨터 시스템에 대한 셀룰러 네트워크 인터페이스). 이러한 네트워크 중 하나를 사용하여, 컴퓨터 시스템(1100)은 다른 엔티티와 통신할 수 있다. 이러한 통신은 단방향, 수신 전용(예를 들어, 방송 TV), 단방향 전송 전용(예를 들어, 특정 CANbus 장치에 대한 CANbus) 또는 양방향, 예를 들어, 로컬 또는 광역 디지털 네트워크를 사용하는 다른 컴퓨터 시스템일 수 있다. 특정 프로토콜 및 프로토콜 스택은 상기한 바와 같이 각각의 네트워크 및 네트워크 인터페이스에서 사용될 수 있다.

전술한 휴먼 인터페이스 장치, 인간 액세스 가능 저장 장치 및 네트워크 인터페이스는 컴퓨터 시스템(1100)의 코어(1140)에 부착될 수 있다.

코어(1140)는 하나 이상의 중앙 처리 장치(CPU)(1141), 그래픽 처리 장치(Graphics Processing Unit, GPU)(1142), FPGA(Field Programmable Gate Area)(1143) 형태의 특수 프로그램 가능 처리 유닛, 특정 태스크에 대한 하드웨어 가속기(1144), 그래픽 어댑터(1150) 등을 포함할 수 있다. 읽기 전용 메모리(Read-only memory, ROM)(1145), 랜덤 액세스 메모리(Random-access memory, 1146), 내부 비 사용자 액세스 가능 하드 드라이브, SSD 등과 같은 내부 대용량 저장소(1147)와 함께 이러한 장치는 시스템 버스(1148)를 통해 연결될 수 있다. 일부 컴퓨터 시스템에서, 시스템 버스(1148)는 추가 CPU, GPU 등에 의한 확장을 가능하게 하기 위해 하나 이상의 물리적 플러그의 형태로 액세스될 수 있다. 주변 장치는 코어의 시스템 버스(1148)에 직접 부착되거나, 또는 주변 장치 버스(1149)를 통해 부착될 수 있다. 예에서, 스크린(1110)은 그래픽 어댑터(1150)에 연결될 수 있다. 주변 장치 버스의 아키텍처에는 PCI, USB 등이 포함된다.

CPU(1141), GPU(1142), FPGA(1143) 및 가속기(1144)는 조합하여 전술한 컴퓨터 코드를 구성할 수 있는 특정 명령어를 실행할 수 있다. 이 컴퓨터 코드는 ROM(1145) 또는 RAM(1146)에 저장될 수 있다. 과도기 데이터는 RAM(1146)에 저장될 수도 있지만, 영구 데이터는 예를 들어 내부 대용량 저장소(1147)에 저장될 수 있다. 하나 이상의 CPU(1141), GPU(1142), 대용량 저장소(1147), ROM(1145), RAM(1146) 등과 밀접하게 연관될 수 있는 캐시 메모리의 사용을 통해 모든 메모리 장치에 대한 빠른 저장 및 검색이 가능해질 수 있다.

컴퓨터 판독 가능 매체는 다양한 컴퓨터 구현 작동을 수행하기 위한 컴퓨터 코드를 가질 수 있다. 매체 및 컴퓨터 코드는 본 개시의 목적을 위해 특별히 설계되고 구성된 것일 수 있거나, 또는 컴퓨터 소프트웨어 분야의 당업자에게 잘 알려져 있고 이용 가능한 종류일 수 있다.

예로서 그리고 제한없이, 아키텍처를 갖는 컴퓨터 시스템(1100), 특히 코어(1140)는 하나 이상의 유형의 컴퓨터 판독 가능 매체에 구현된 소프트웨어를 실행하는 프로세서(들)(CPU, GPU, FPGA, 가속기 등을 포함함)의 결과로서 기능을 제공할 수 있다. 이러한 컴퓨터 판독 가능 매체는 위에서 소개한 바와 같이 사용자 액세스 가능 대용량 저장소와 연관된 매체일 수 있으며, 코어 내부 대용량 저장소(1147) 또는 ROM(1145)과 같은 비 일시적 특성을 가진 코어(1140)의 특정 저장소일 수 있다. 본 개시의 다양한 실시예를 구현하는 소프트웨어는 이러한 장치에 저장되고 코어(1140)에 의해 실행될 수 있다. 컴퓨터 판독 가능 매체는 특정 필요에 따라 하나 이상의 메모리 장치 또는 칩을 포함할 수 있다. 소프트웨어는 코어(1140) 및 특히 그 안의 프로세서(CPU, GPU, FPGA 등을 포함함)가 RAM(1146)에 저장된 데이터 구조를 정의하는 것과 소프트웨어에서 정의된 프로세스에 따라 이러한 데이터 구조를 수정하는 것을 포함하여 여기에서 설명된 특정 프로세스 또는 특정 프로세스의 특정 부분을 실행하도록 할 수 있다. 추가로 또는 다르게는, 컴퓨터 시스템은 여기에서 설명된 특정 프로세스나 특정 프로세스의 특정 부분을 실행하기 위해 소프트웨어 대신 또는 소프트웨어와 함께 작동할 수 있는 회로(예를 들어, 가속기(1144)에 고정되거나 다른 방식으로 구현된 로직의 결과로서 기능을 제공할 수 있다. 소프트웨어에 대한 참조는 로직을 포함할 수 있으며, 적절한 경우에 그 반대도 마찬가지이다. 컴퓨터 판독 가능 매체에 대한 참조는 실행을 위한 소프트웨어를 저장하는 회로(집적 회로(integrated circuit, IC)와 같음), 실행을 위한 로직을 구현하는 회로, 또는 적절한 경우 둘 다를 포함할 수 있다. 본 개시는 하드웨어 및 소프트웨어의 임의의 적절한 조합을 포함한다.

본 개시는 몇몇 예시적인 실시예를 설명하였지만, 개시의 범위 내에 속하는 변경, 순열 및 다양한 대체 등가물이 있다. 따라서, 당업자는 본 명세서에서 명시적으로 도시되거나 설명되지는 않았지만 본 개시의 원리를 구현하고 따라서 본 발명의 사상 및 범위 내에 있는 수많은 시스템 및 방법을 고안할 수 있음을 이해할 것이다.

ALF(Adaptive Loop Filter): 적응 루프 필터
AMVP(Advanced Motion Vector Prediction): 고급 모션 벡터 예측
APS(Adaptation Parameter Set): 적응 파라미터 세트
ASIC(Application-Specific Integrated Circuit): 주문형 집적 회로
ATMVP(Alternative/Advanced Temporal Motion Vector Prediction): 대체/고급 시간 모션 벡터 예측
AV1(AOMedia Video 1): AOMedia 비디오 1
AV2(AOMedia Video 2): AOMedia 비디오 2
BMS(Benchmark Set): 벤치마크 세트
BV(Block Vector): 블록 벡터
CANBus(Controller Area Network Bus): 제어기 영역 네트워크 버스
CB(Coding Block): 코딩 블록
CC-ALF(Cross-Component Adaptive Loop Filter): 교차 성분 적응 루프 필터
CD(Compact Disc): 컴팩트 디스크
CDEF(Constrained Directional Enhancement Filter): 제한된 방향 향상 필터
CPR(Current Picture Referencing): 현재 픽처 참조
CPU(Central Processing Unit): 중앙 처리 장치
CRT(Cathode Ray Tube): 음극선관
CTB(Coding Tree Block): 코딩 트리 블록
CTU(Coding Tree Unit): 코딩 트리 유닛
CU(Coding Unit): 코딩 유닛
DPB(Decoder Picture Buffer): 디코더 픽처 버퍼
DPCM(Differential Pulse-Code Modulation): 차동 펄스 코드 변조
DPS(Decoding Parameter Set): 디코딩 파라미터 세트
DVD(Digital Video Disc): 디지털 비디오 디스크
FPGA(Field Programmable Gate Area): 필드 프로그램 가능 게이트 영역
JCCR(Joint CbCr Residual Coding): 공동 CbCr 잔차 코딩
JVET(Joint Video Exploration Team): 공동 비디오 탐색 팀
GOP(Groups of Pictures): 픽처 그룹
GPU(Graphics Processing Unit): 그래픽 처리 장치
GSM(Global System for Mobile communications): 모바일 통신을 위한 글로벌 시스템
HDR(High Dynamic Range): 하이 다이내믹 레인지
HEVC(High Efficiency Video Coding): 고효율 비디오 코딩
HRD(Hypothetical Reference Decoder): 가상 참조 디코더
IBC(Intra Block Copy): 인트라 블록 복사
IC(Integrated Circuit): 집적 회로
ISP(Intra Sub-Partitions): 인트라 서브 파티션
JEM(Joint Exploration Model): 공동 탐사 모델
LAN(Local Area Network): 근거리 통신망
LCD(Liquid-Crystal Display): 액정 디스플레이
LR(Loop Restoration Filter): 루프 복원 필터
LRU(Loop Restoration Unit): 루프 복원 유닛
LTE(Long-Term Evolution): 롱텀 에볼루션
MPM(Most Probable Mode): 가장 가능성 있는 모드
MV(Motion Vector): 모션 벡터
OLED(Organic Light-Emitting Diode): 유기 발광 다이오드
PB(Prediction Block): 예측 블록
PCI(Peripheral Component Interconnect): 주변장치 컴포넌트 상호 연결
PDPC(Position Dependent Prediction Combination): 위치 종속 예측 조합
PLD(Programmable Logic Device): 프로그램 가능 논리 장치
PPS(Picture Parameter Set): 픽처 파라미터 세트
PU(Prediction Unit): 예측 유닛
RAM(Random Access Memory): 랜덤 액세스 메모리
ROM(Read-Only Memory): 읽기 전용 메모리
SAO(Sample Adaptive Offset): 샘플 적응 오프셋
SCC(Screen Content Coding): 스크린 컨텐츠 코딩
SDR(Standard Dynamic Range): 표준 동적 범위
SEI(Supplementary Enhancement Information): 보충 향상 정보
SNR(Signal Noise Ratio): 신호 잡음 비율
SPS(Sequence Parameter Set): 시퀀스 파라미터 세트
SSD(Solid-state Drive): 솔리드 스테이트 드라이브
TU(Transform Unit): 변환 유닛
USB(Universal Serial Bus): 범용 직렬 버스
VPS(Video Parameter Set): 비디오 파라미터 세트
VUI(Video Usability Information): 비디오 사용성 정보
VVC(Versatile Video Coding ): 다목적 비디오 코딩
WAIP(Wide-Angle Intra Prediction): 광각 인트라 예측

Claims

디코더에서의 비디오 코딩 방법으로서,
코딩된 비디오 비트스트림과 연관된 메타데이터를 수신하는 단계 ― 상기 메타데이터는 상기 코딩된 비디오 비트스트림에서 코딩된 제1 픽처에서 검출되는 하나 이상의 객체들의 라벨링(labeling) 정보를 포함함 ―;
상기 코딩된 비디오 비트스트림에서 코딩된 제1 픽처의 하나 이상의 객체들의 라벨링 정보를 디코딩하는 단계; 및
상기 라벨링 정보를 상기 제1 픽처의 하나 이상의 객체들에 적용하는 단계
를 포함하는 비디오 코딩 방법.
제1항에 있어서,
상기 메타데이터는 상기 코딩된 비디오 비트스트림의 보충 향상 정보(supplementary enhancement information, SEI) 메시지에 포함되는,
비디오 코딩 방법.
제1항에 있어서,
상기 메타데이터는 상기 코딩된 비디오 비트스트림과 별개인 파일에 포함되는,
비디오 코딩 방법.
제1항에 있어서,
상기 라벨링 정보는 상기 제1 픽처의 바운딩 박스(bounding box)들의 총 개수를 지시하고 각각의 바운딩 박스의 위치 정보 및 크기 정보를 포함하며, 각각의 바운딩 박스는 상기 제1 픽처의 하나 이상의 객체들 중 하나와 연관되는,
비디오 코딩 방법.
제1항에 있어서,
상기 라벨링 정보는 상기 하나 이상의 객체들 각각에 대한 카테고리를 지시하는 카테고리 정보를 포함하는,
비디오 코딩 방법.
제1항에 있어서,
상기 라벨링 정보는 비디오 시퀀스에서 하나 이상의 객체들 각각을 식별하는 식별 정보를 포함하는,
비디오 코딩 방법.
제4항에 있어서,
상기 바운딩 박스들 중 하나의 위치 정보는 상기 비디오 비트스트림에서 코딩된 제1 픽처와 제2 픽처 사이의 바운딩 박스들 중 하나의 위치 오프셋을 포함하는,
비디오 코딩 방법.
제4항에 있어서,
상기 바운딩 박스들 중 하나의 위치 정보는 상기 제1 픽처에 존재하지 않는 바운딩 박스들 중 하나와 연관된 객체에 기초하여 상기 바운딩 박스들 중 하나에 대한 상기 제1 픽처 외부의 위치를 지시하는,
비디오 코딩 방법.
제1항에 있어서,
상기 코딩된 비디오 비트스트림과 연관된 메타데이터를 수신하기 위한 요청을 전송하는 단계
를 더 포함하는 비디오 코딩 방법.
장치로서,
처리 회로를 포함하며,
상기 처리 회로는,
코딩된 비디오 비트스트림과 연관된 메타데이터를 수신하고 ― 상기 메타데이터는 상기 코딩된 비디오 비트스트림에서 코딩된 제1 픽처에서 검출되는 하나 이상의 객체들의 라벨링 정보를 포함함 ―,
상기 코딩된 비디오 비트스트림에서 코딩된 제1 픽처의 하나 이상의 객체들의 라벨링 정보를 디코딩하며,
상기 라벨링 정보를 상기 제1 픽처의 하나 이상의 객체들에 적용하도록
구성되는, 장치.
제1항에 있어서,
상기 메타데이터는 상기 코딩된 비디오 비트스트림의 보충 향상 정보(SEI) 메시지에 포함되는,
장치.
제1항에 있어서,
상기 메타데이터는 상기 코딩된 비디오 비트스트림과 별개인 파일에 포함되는,
장치.
제1항에 있어서,
상기 라벨링 정보는 상기 제1 픽처의 바운딩 박스들의 총 개수를 지시하고 각각의 바운딩 박스의 위치 정보 및 크기 정보를 포함하며, 각각의 바운딩 박스는 상기 제1 픽처의 하나 이상의 객체들 중 하나와 연관되는,
장치.
제1항에 있어서,
상기 라벨링 정보는 상기 하나 이상의 객체들 각각에 대한 카테고리를 지시하는 카테고리 정보를 포함하는,
장치.
제1항에 있어서,
상기 라벨링 정보는 비디오 시퀀스에서 하나 이상의 객체들 각각을 식별하는 식별 정보를 포함하는,
장치.
제4항에 있어서,
상기 바운딩 박스들 중 하나의 위치 정보는 상기 비디오 비트스트림에서 코딩된 제1 픽처와 제2 픽처 사이의 바운딩 박스들 중 하나의 위치 오프셋을 포함하는,
장치.
제4항에 있어서,
상기 바운딩 박스들 중 하나의 위치 정보는 상기 제1 픽처에 존재하지 않는 바운딩 박스들 중 하나와 연관된 객체에 기초하여 상기 바운딩 박스들 중 하나에 대한 상기 제1 픽처 외부의 위치를 지시하는,
장치.
제1항에 있어서,
상기 처리 회로는,
상기 코딩된 비디오 비트스트림과 연관된 메타데이터를 수신하기 위한 요청을 전송하도록
추가로 구성되는, 장치.
비일시적 컴퓨터 판독 가능 저장 매체로서,
명령어를 저장하며,
상기 명령어는 적어도 하나의 프로세서에 의해 실행될 때 상기 적어도 하나의 프로세서로 하여금,
코딩된 비디오 비트스트림과 연관된 메타데이터를 수신하는 단계 ― 상기 메타데이터는 상기 코딩된 비디오 비트스트림에서 코딩된 제1 픽처에서 검출되는 하나 이상의 객체들의 라벨링 정보를 포함함 ―;
상기 코딩된 비디오 비트스트림에서 코딩된 제1 픽처의 하나 이상의 객체들의 라벨링 정보를 디코딩하는 단계; 및
상기 라벨링 정보를 상기 제1 픽처의 하나 이상의 객체들에 적용하는 단계
를 수행하게 하는, 비일시적 컴퓨터 판독 가능 저장 매체.
제19항에 있어서,
상기 메타데이터는 상기 코딩된 비디오 비트스트림의 보충 향상 정보(SEI) 메시지에 포함되는,
비일시적 컴퓨터 판독 가능 저장 매체.