KR20230003566A - 포스트 필터링에 의한 신경 이미지 압축에서의 블록별 컨텐츠-적응적 온라인 훈련 - Google Patents
포스트 필터링에 의한 신경 이미지 압축에서의 블록별 컨텐츠-적응적 온라인 훈련 Download PDFInfo
- Publication number
- KR20230003566A KR20230003566A KR1020227041708A KR20227041708A KR20230003566A KR 20230003566 A KR20230003566 A KR 20230003566A KR 1020227041708 A KR1020227041708 A KR 1020227041708A KR 20227041708 A KR20227041708 A KR 20227041708A KR 20230003566 A KR20230003566 A KR 20230003566A
- Authority
- KR
- South Korea
- Prior art keywords
- boundary
- regions
- deblocking
- border
- block
- Prior art date
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/103—Selection of coding mode or of prediction mode
- H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
- H04N19/86—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving reduction of coding artifacts, e.g. of blockiness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/002—Image coding using neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/117—Filters, e.g. for pre-processing or post-processing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/136—Incoming video signal characteristics or properties
- H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
- H04N19/139—Analysis of motion vectors, e.g. their magnitude, direction, variance or reliability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
- H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
- H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/186—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a colour or a chrominance component
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/46—Embedding additional information in the video signal during the compression process
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
개시내용의 측면은 비디오 디코딩을 위한 방법, 장치, 및 비-일시적 컴퓨터-판독가능 저장 매체를 제공한다. 장치는 프로세싱 회로부를 포함할 수 있다. 프로세싱 회로부는 코딩된 비디오 비트스트림으로부터 이미지의 블록을 재구성하도록 구성된다. 프로세싱 회로부는 적어도 하나의 포스트-프로세싱 신경망(NN)으로 재구성된 블록의 첫 번째 2개의 이웃하는 재구성된 블록의 복수의 영역 중의 하나에 대해 포스트-프로세싱을 수행할 수 있다. 첫 번째 2개의 이웃하는 재구성된 블록은 제1 공유된 경계를 가지고, 제1 공유된 경계의 양쪽 측부 상에서 샘플을 가지는 경계 영역을 포함한다. 첫 번째 2개의 이웃하는 재구성된 블록의 복수의 영역은 경계 영역, 및 경계 영역의 외부에 있는 비-경계 영역을 포함한다. 복수의 영역 중의 하나는 첫 번째 2개의 이웃하는 재구성된 블록의 복수의 영역 중의 포스트-프로세싱된 영역으로 대체된다.
Description
참조에 의한 통합
이러한 본 출원은, 2021년 4월 30일자로 출원된 미국 가출원 제63/182,506호, "Block-wise Content-Adaptive Online Training in Neural Image Compression with post filtering(포스트 필터링에 의한 신경 이미지 압축에서의 블록별 컨텐츠-적응적 온라인 훈련)"에 대한 우선권의 이익을 주장하는, 2022년 4월 26일자로 출원된 미국 특허 출원 제17/730,040호, "BLOCK-WISE CONTENT-ADAPTIVE ONLINE TRAINING IN NEURAL IMAGE COMPRESSION WITH POST FILTERING(포스트 필터링에 의한 신경 이미지 압축에서의 블록별 컨텐츠-적응적 온라인 훈련)"에 대한 우선권의 이익을 주장한다. 선행 출원의 개시내용은 이로써 그 전체적으로 참조로 통합된다.
본 개시내용은 비디오 코딩에 일반적으로 관련된 실시예를 설명한다.
본 명세서에서 제공된 배경 설명은 개시내용의 맥락을 일반적으로 제시하는 목적을 위한 것이다. 작업이 배경 섹션에서 설명되는 한도까지의, 현재 거명된 발명자의 작업뿐만 아니라, 출원 시에 종래 기술로서 달리 자격부여하지 않을 수 있는 설명의 양태는 본 개시내용에 대하여 종래 기술로서 명시적으로도 또는 묵시적으로도 인정되지 않는다.
이미지 및/또는 비디오 코딩 및 디코딩은 모션 보상(motion compensation)을 갖는 인터-픽처 예측(inter-picture prediction)을 이용하여 수행될 수 있다. 비압축된 디지털 이미지 및/또는 비디오는 일련의 픽처(picture)를 포함할 수 있고, 각각의 픽처는 예를 들어, 1920 x 1080 루미넌스(luminance) 샘플 및 연관된 크로미넌스(chrominance) 샘플의 공간적 차원(spatial dimension)을 가질 수 있다. 일련의 픽처는 예를 들어, 초(second) 당 60 픽처 또는 60 Hz의 고정된 또는 가변적인 픽처 레이트(비공식적으로, 프레임 레이트로서 또한 공지됨)를 가질 수 있다. 비압축된 이미지 및/또는 비디오는 구체적인 비트레이트(bitrate) 요건을 가진다. 예를 들어, 8 샘플 당 비트(bit per sample)에서의 1080p60 4:2:0 비디오(60 Hz 프레임 레이트에서의 1920x1080 루미넌스 샘플 해상도)는 1.5 Gbit/s 대역폭에 근접할 것을 요구한다. 이러한 비디오의 1 시간은 600 GByte 초과의 저장 공간을 요구한다.
이미지/비디오 인코딩 및 디코딩의 하나의 목적은 압축을 통한, 입력 이미지 및/또는 비디오 신호에서의 중복성(redundancy)의 감소일 수 있다. 압축은 일부 경우에는 2 자릿수 이상만큼 전술한 대역폭 및/또는 저장 공간 요건을 감소시키는 것을 도울 수 있다. 본 명세서에서의 설명은 비디오 인코딩/디코딩을 예시적인 예로서 이용하지만, 동일한 기법은 본 개시내용의 사상으로부터 이탈하지 않으면서 유사한 기법으로 이미지 인코딩/디코딩에 적용될 수 있다. 무손실 압축(lossless compression) 및 손실 압축(lossy compression)의 둘 모두 뿐만 아니라 그 조합이 채용될 수 있다. 무손실 압축은 원래의 신호의 정확한 복사본이 압축된 원래의 신호로부터 재구성될 수 있는 기법을 지칭한다. 손실 압축을 이용할 때, 재구성된 신호는 원래의 신호와 동일하지 않을 수 있지만, 원래 및 재구성된 신호 사이의 왜곡은 재구성된 신호가 의도된 애플리케이션을 위하여 유용하게 하기에 충분히 작다. 비디오의 경우에, 손실 압축은 폭넓게 채용된다. 용인된 왜곡의 양은 애플리케이션에 종속되고; 예를 들어, 어떤 소비자 스트리밍 애플리케이션의 사용자는 텔레비전 분배 애플리케이션의 사용자보다 높은 왜곡을 용인할 수 있다. 달성가능한 압축 비율은 더 높은 허용가능한/용인가능한 왜곡이 더 높은 압축 비율을 산출할 수 있다는 것을 반영할 수 있다.
비디오 인코더 및 디코더는 예를 들어, 모션 보상(motion compensation), 변환(transform), 양자화(quantization), 및 엔트로피 코딩(entropy coding)을 포함하는, 몇몇 넓은 카테고리로부터의 기법을 사용할 수 있다.
비디오 코덱 기술은 인트라 코딩(intra coding)으로서 공지된 기법을 포함할 수 있다. 인트라 코딩에서, 샘플 값은 이전에 재구성된 참조 픽처로부터의 샘플 또는 다른 데이터를 참조하지 않으면서 표현된다. 일부 비디오 코덱에서, 픽처는 샘플의 블록으로 공간적으로 하위분할된다. 샘플의 모든 블록이 인트라 모드에서 코딩될 때, 그 픽처는 인트라 픽처(intra picture)일 수 있다. 인트라 픽처, 및 독립적 디코더 리프레시 픽처(independent decoder refresh picture)와 같은 그 도출물은 디코더 상태를 재설정하기 위하여 이용될 수 있고, 그러므로, 코딩된 비디오 비트스트림 및 비디오 세션 내의 첫 번째 픽처로서, 또는 스틸 이미지(still image)로서 이용될 수 있다. 인트라 블록의 샘플은 변환에 노출될 수 있고, 변환 계수(transform coefficient)는 엔트로피 코딩 전에 양자화될 수 있다. 인트라 예측은 사전-변환 도메인에서 샘플 값을 최소화하는 기법일 수 있다. 일부 경우에는, 변환 후의 DC 값이 더 작고, AC 계수가 더 작을수록, 엔트로피 코딩 후의 블록을 나타내기 위하여 주어진 양자화 스텝 크기(step size)에서 요구되는 비트가 더 적다.
예를 들어, MPEG-2 세대 코딩 기술로부터 공지된 것과 같은 전통적인 인트라 코딩은 인트라 예측을 이용하지 않는다. 그러나, 일부 더 새로운 비디오 압축 기술은, 공간적으로 이웃하고 디코딩 순서에서 선행하는 데이터의 블록의 인코딩 및/또는 디코딩 동안에 획득된, 예를 들어, 포위하는 샘플 데이터 및/또는 메타데이터로부터 시도하는 기법을 포함한다. 이러한 기법은 "인트라 예측(intra prediction)" 기법으로 이하 칭해진다. 적어도 일부 경우에는, 인트라 예측이 참조 픽처로부터가 아니라, 재구성 중인 오직 현재 픽처로부터의 참조 데이터를 이용하고 있다는 것에 주목한다.
많은 상이한 형태의 인트라 예측이 있을 수 있다. 하나 초과의 이러한 기법이 주어진 비디오 코딩 기술에서 이용가능할 때, 이용 중인 기법은 인트라 예측 모드에서 코딩될 수 있다. 어떤 경우에는, 모드가 서브모드 및/또는 파라미터를 가질 수 있고, 그들은 개별적으로 코딩될 수 있거나 모드 코드워드(mode codeword) 내에 포함될 수 있다. 주어진 모드, 서브모드, 및/또는 파라미터 조합에 대하여 어느 코드워드를 이용할 것인지는 인트라 예측을 통한 코딩 효율 이득에 있어서 영향을 가질 수 있고, 코드워드를 비트스트림으로 변환하기 위하여 이용된 엔트로피 코딩 기술도 그러할 수 있다.
어떤 인트라 예측의 모드는 H.264로 도입되었고, H.265에서 정제되었고, 공동 탐구 모델(JEM : joint exploration model), 다용도 비디오 코딩(VVC : versatile video coding), 및 벤치마크 세트(BMS : benchmark set)와 같은 더 새로운 코딩 기술에서 추가로 정제되었다. 예측자 블록(predictor block)은 이미 이용가능한 샘플에 속하는 이웃하는 샘플 값을 이용하여 형성될 수 있다. 이웃하는 샘플의 샘플 값은 방향에 따라 예측자 블록으로 복사된다. 이용 중인 방향에 대한 참조는 비트스트림에서 코딩될 수 있거나, 스스로 예측될 수 있다.
도 1a를 참조하면, 하부 우측에서 도시된 것은 (35개의 인트라 모드의 33개의 각도 모드에 대응하는) H.265의 33개의 가능한 예측자 방향으로부터 알려진 9개의 예측자 방향들의 서브세트이다. 화살표가 수렴하는 포인트(101)는 예측되고 있는 샘플을 나타낸다. 화살표는 샘플이 그로부터 예측되는 방향을 나타낸다. 예를 들어, 화살표(102)는 샘플(101)이 수평으로부터 45도 각도에서, 상부 우측의 샘플 또는 샘플들로부터 예측된다는 것을 지시한다. 유사하게, 화살표(103)는 샘플(101)이 수평으로부터 22.5도 각도에서, 샘플(101)의 하부 좌측 샘플 또는 샘플들로부터 예측된다는 것을 지시한다.
도 1a를 여전히 참조하면, 상부 좌측 상에는, (파선된 굵은 글씨 라인에 의해 지시된) 4 x 4 샘플의 정사각형 블록(104)이 도시되어 있다. 정사각형 블록(104)은 16개의 샘플을 포함하고, 샘플의 각각에는 "S", Y 차원에서의 그 포지션(예컨대, 행 인덱스(row index)), 및 X 차원에서의 그 포지션(예컨대, 열 인덱스(column index))으로 라벨이 붙여진다. 예를 들어, 샘플 S21은 (상부로부터) Y 차원에서의 제2 샘플 및 X 차원에서의 (좌측으로부터) 제1 샘플이다. 유사하게, 샘플 S44는 Y 및 X 차원의 둘 모두에서의 블록(104) 내의 제4 샘플이다. 블록은 크기에 있어서 4 x 4 샘플이므로, S44는 하부 우측에 있다. 추가로 도시된 것은 유사한 번호부여 방식을 따르는 참조 샘플이다. 참조 샘플에는 R, 블록(104)에 대한 그 Y 포지션(예컨대, 행 인덱스) 및 X 포지션(열 인덱스)으로 라벨이 붙여진다. H.264 및 H.265의 둘 모두에서, 예측 샘플은 재구성 중인 블록에 이웃하고; 그러므로, 음수 값이 이용될 필요가 없다.
인트라 픽처 예측은 시그널링된 예측 방향에 의해 적절하게 된 바와 같이 이웃하는 샘플로부터 참조 샘플 값을 복사함으로써 작동할 수 있다. 예를 들어, 코딩된 비디오 비트스트림은, 이 블록에 대하여, 화살표(102)와 일치하는 예측 방향, 즉, 샘플이 수평으로부터 45도 각도에서, 예측 샘플 또는 상부 우측의 샘플로부터 예측된다는 것을 지시하는 시그널링(signaling)을 포함하는 것으로 가정한다. 그러한 경우에, 샘플 S41, S32, S23, 및 S14는 동일한 참조 샘플 R05로부터 예측된다. 샘플 S44는 그 다음으로, 참조 샘플 R08로부터 예측된다.
어떤 경우에는, 참조 샘플을 계산하기 위하여; 특히, 방향이 45도에 의해 균등하게 분할가능하지 않을 때, 다수의 참조 샘플의 값이 예를 들어, 보간(interpolation)을 통해 조합될 수 있다.
비디오 코딩 기술이 개발됨에 따라, 가능한 방향의 수가 증가하였다. H.264(2003년)에서는, 9개의 상이한 방향이 표현될 수 있다. 그것은 H.265(2013년)에서 33으로 증가하였고, JEM/VVC/BMS는 개시의 시점에 최대 65개의 방향을 지원할 수 있다. 실험을 가장 가능성 있는 방향을 식별하도록 행해졌고, 엔트로피 코딩에서의 어떤 기법은 작은 비트 수로 그 가능성 있는 방향을 나타내기 위하여 이용되어, 덜 가능성 있는 방향에 대한 어떤 벌칙을 수락한다. 또한, 방향 자체는 이웃하는 이미 디코딩된 블록에서 이용된 이웃하는 방향으로부터 때때로 예측될 수 있다.
도 1b는 시간 경과에 따라 증가하는 수의 예측 방향을 예시하기 위하여 JEM에 따른 65개의 인트라 예측 방향을 도시하는 개략도(110)를 도시한다.
방향을 나타내는 코딩된 비디오 비트스트림 내의 인트라 예측 방향의 맵핑은 비디오 코딩 기술마다 상이할 수 있고; 예를 들어, 인트라 예측 모드로의 예측 방향의 단순한 직접적인 맵핑으로부터, 가장 고확률 모드(most probable mode)를 수반하는 복잡한 적응적 방식 및 유사한 기법까지의 범위일 수 있다. 그러나, 모든 경우에는, 어떤 다른 방향보다 비디오 컨텐츠에서 발생할 가능성이 통계적으로 더 적은 어떤 방향이 있을 수 있다. 비디오 압축의 목표는 중복성의 감소이므로, 그 가능성이 적은 방향은 양호하게 작동하는 비디오 코딩 기술에서, 더 가능성이 큰 방향보다 큰 비트 수에 의해 표현될 것이다.
모션 보상은 손실 압축 기법일 수 있고, 이전에 재구성된 픽처 또는 그 일부(참조 픽처)로부터의 샘플 데이터의 블록은 모션 벡터(motion vector)(이하 MV)에 의해 지시된 방향으로 공간적으로 시프트된 후에, 새롭게 재구성된 픽처 또는 픽처 파트의 예측을 위하여 이용된다. 일부 경우에는, 참조 픽처가 현재 재구성 중인 픽처와 동일할 수 있다. MV는 2개의 차원 X 및 Y, 또는 3개의 차원을 가질 수 있고, 세 번째는 이용 중인 참조 픽처의 지시일 수 있다(후자는 간접적으로, 시간 차원일 수 있음).
일부 비디오 압축 기법에서, 샘플 데이터의 어떤 영역에 적용가능한 MB는 다른 MB로부터, 예를 들어, 재구성 중인 영역에 공간적으로 인접하고 디코딩 순서에서 그 MB를 선행하는 샘플 데이터의 또 다른 영역에 관련된 다른 MV로부터 예측될 수 있다. 그렇게 행하는 것은 MV를 코딩하기 위하여 요구된 데이터의 양을 실질적으로 감소시킬 수 있고, 이에 의해, 중복성을 감소시킬 수 있고 압축을 증가시킬 수 있다. MV 예측은 효과적으로 작동할 수 있는데, 예를 들어, 그 이유는 (자연 비디오(natural video)로서 공지된) 카메라로부터 도출된 입력 비디오 신호를 코딩할 때, 단일 MV가 적용가능한 영역보다 큰 영역이 유사한 방향으로 이동하고, 그러므로, 일부 경우에는, 이웃하는 영역의 MV로부터 도출된 유사한 모션 벡터를 이용하여 예측될 수 있을 통계적 가능성이 있기 때문이다. 그것은 주어진 영역에 대해 구해진 MV가 포위하는 MV로부터 예측된 MV와 유사하거나 동일한 것으로 귀착되고, 그것은 궁극적으로, 엔트로피 코딩 후에, MV를 직접적으로 코딩할 경우에 이용되는 것보다 작은 비트 수로 표현될 수 있다. 일부 경우에는, MV 예측이 원래의 신호(즉: 샘플 스트림)로부터 도출된 신호(즉: MV)의 무손실 압축의 예일 수 있다. 다른 경우에는, MV 예측 자체는 예를 들어, 몇몇 포위하는 MV로부터 예측자(predictor)를 계산할 때에 라운딩 에러(rounding error) 때문에 손실성일 수 있다.
다양한 MV 예측 메커니즘은 H.265/HEVC(ITU-T Rec. H.265, "High Efficiency Video Coding(고효율 비디오 코딩)", 2016년 12월)에서 설명되어 있다. H.265가 제공하는 많은 MV 예측 메커니즘 중에서, 여기에서 설명된 것은 "공간적 병합(spatial merge)"으로서 이하에서 지칭된 기법이다.
도 2를 참조하면, 현재 블록(201)은 모션 검색 프로세스 동안에 인코더에 의해, 공간적으로 시프트되었던 동일 크기의 이전 블록으로부터 예측가능한 것으로 밝혀진 샘플을 포함한다. 그 MV를 직접적으로 코딩하는 대신에, MV는 A0, A1, 및 B0, B1, B2(각각 202 내지 206)로 나타낸 5개의 포위하는 샘플 중의 어느 하나와 연관된 MV를 이용하여, 하나 이상의 참조 픽처와 연관된 메타데이터로부터, 예를 들어, (디코딩 순서에서) 가장 최근 참조 픽처로부터 도출될 수 있다. H.265에서, MV 예측은 이웃하는 블록이 이용하고 있는 동일한 참조 픽처로부터의 예측자를 이용할 수 있다.
개시내용의 측면은 비디오 인코딩 및 디코딩을 위한 방법 및 장치를 제공한다. 일부 예에서, 비디오 디코딩을 위한 장치는 프로세싱 회로부를 포함한다. 프로세싱 회로부는 코딩된 비디오 비트스트림으로부터 이미지의 블록을 재구성하도록 구성된다. 프로세싱 회로부는 적어도 하나의 포스트-프로세싱 신경망(NN : neural network)으로 재구성된 블록의 첫 번째 2개의 이웃하는 재구성된 블록의 복수의 영역 중의 하나에 대해 포스트-프로세싱(post-processing)을 수행하도록 구성된다. 첫 번째 2개의 이웃하는 재구성된 블록은 제1 공유된 경계를 가질 수 있고, 제1 공유된 경계의 양쪽 측부 상에서 샘플을 가지는 경계 영역(boundary region)을 포함할 수 있다. 첫 번째 2개의 이웃하는 재구성된 블록의 복수의 영역은 경계 영역, 및 경계 영역의 외부에 있는 비-경계 영역(non-boundary region)을 포함한다. 프로세싱 회로부는 복수의 영역 중의 하나를 첫 번째 2개의 이웃하는 재구성된 블록의 복수의 영역 중의 포스트-프로세싱된 영역으로 대체할 수 있다.
실시예에서, 복수의 영역 중의 하나는 경계 영역이고, 적어도 하나의 포스트-프로세싱 NN은 적어도 하나의 디블록킹(deblocking) NN을 포함한다. 프로세싱 회로부는 적어도 하나의 디블록킹 NN으로 경계 영역에 대해 디블록킹을 수행하고, 경계 영역을 디블록킹된 경계 영역으로 대체하도록 구성된다.
실시예에서, 경계 영역은 재구성된 블록의 두 번째 2개의 이웃하는 재구성된 블록 사이의 제2 공유된 경계의 양쪽 측부 상에서 샘플을 더 포함하고, 첫 번째 2개의 이웃하는 재구성된 블록은 두 번째 2개의 이웃하는 재구성된 블록과 상이하다.
실시예에서, 적어도 하나의 디블록킹 NN은 각각 다수의 디블록킹 모델에 기초한다. 프로세싱 회로부는 다수의 디블록킹 모델 중의 어느 것을 경계 영역에 적용할 것인지를 결정하고, 결정된 디블록킹 모델로 경계 영역에 대해 디블록킹을 수행하도록 구성된다.
실시예에서, 다수의 디블록킹 모델 중의 어느 것을 적용할 것인지를 결정하는 것은 분류 NN에 의해 수행된다.
실시예에서, 적어도 하나의 포스트-프로세싱 NN은 적어도 하나의 강화(enhancement) NN을 포함한다. 프로세싱 회로부는 적어도 하나의 강화 NN으로 비-경계 영역 중의 하나를 강화하고, 비-경계 영역 중의 하나를 비-경계 영역 중의 강화된 비-경계 영역으로 대체하도록 구성된다.
실시예에서, 적어도 하나의 강화 NN은 각각 다수의 강화 모델에 기초한다. 프로세싱 회로부는 다수의 강화 모델 중의 어느 것을 비-경계 영역 중의 하나에 적용할 것인지를 결정하고, 결정된 강화 모델로 비-경계 영역 중의 하나를 강화하도록 구성된다.
실시예에서, 프로세싱 회로부는 경계 영역에 대해 디블록킹을 수행하고, 비-경계 영역을 강화하도록 구성된다. 프로세싱 회로부는 경계 영역을 디블록킹된 경계 영역으로 대체할 수 있고, 비-경계 영역을 강화된 비-경계 영역으로 각각 대체할 수 있다.
실시예에서, 공유된 샘플은 경계 영역, 및 비-경계 영역 중의 하나 내에 위치되고, 적어도 하나의 포스트-프로세싱 NN은 적어도 하나의 강화 NN을 더 포함한다. 프로세싱 회로부는 적어도 하나의 강화 NN으로 비-경계 영역 중의 하나를 강화하도록 구성된다. 프로세싱 회로부는 비-경계 영역 중의 하나를 비-경계 영역 중의 강화된 비-경계 영역으로 대체할 수 있다. 공유된 샘플의 값은 디블록킹된 경계 영역 내의 공유된 샘플의 값 및 비-경계 영역 중의 강화된 비-경계 영역 내의 공유된 샘플의 값의 가중화된 평균으로 대체될 수 있다.
실시예에서, 프로세싱 회로부는 코딩된 비디오 비트스트림 내의 신경망 업데이트 정보를 디코딩하도록 구성되고, 여기서, 신경망 업데이트 정보는 블록 중의 하나에 대응하고, 비디오 디코더 내의 신경망에서의 사전훈련된 파라미터에 대응하는 대체 파라미터를 지시한다. 프로세싱 회로부는 대체 파라미터로 업데이트된 신경망에 기초하여 블록 중의 하나를 재구성할 수 있다.
개시내용의 측면은 또한, 비디오 디코딩을 위한 방법을 수행하기 위하여 적어도 하나의 프로세서에 의해 실행가능한 프로그램을 저장하는 비-일시적 컴퓨터-판독가능 저장 매체를 제공한다.
개시된 발명 요지의 추가의 특징, 본질, 및 다양한 장점은 다음의 상세한 설명 및 첨부 도면으로부터 더 분명할 것이다:
도 1a는 인트라 예측 모드들의 예시적인 서브세트의 개략적인 예시도이다.
도 1b는 예시적인 인트라 예측 방향의 예시도이다.
도 2는 실시예에 따른, 현재 블록(201) 및 포위하는 샘플을 도시한다.
도 3은 실시예에 따른 통신 시스템(300)의 단순화된 블록도의 개략적인 예시도이다.
도 4는 실시예에 따른 통신 시스템(400)의 단순화된 블록도의 개략적인 예시도이다.
도 5는 실시예에 따른 디코더의 단순화된 블록도의 개략적인 예시도이다.
도 6은 실시예에 따른 인코더의 단순화된 블록도의 개략적인 예시도이다.
도 7은 또 다른 실시예에 따른 인코더의 블록도를 도시한다.
도 8은 또 다른 실시예에 따른 디코더의 블록도를 도시한다.
도 9a는 개시내용의 실시예에 따른 블록별 이미지 코딩의 예를 도시한다.
도 9b는 개시내용의 실시예에 따른 예시적인 NIC 프레임워크를 도시한다.
도 10은 개시내용의 실시예에 따른 주 인코더 네트워크의 예시적인 컨볼루션 신경망(CNN : convolution neural network)을 도시한다.
도 11은 개시내용의 실시예에 따른 주 디코더 네트워크의 예시적인 CNN을 도시한다.
도 12는 개시내용의 실시예에 따른 하이퍼 인코더(hyper encoder)의 예시적인 CNN을 도시한다.
도 13은 개시내용의 실시예에 따른 하이퍼 디코더(hyper decoder)의 예시적인 CNN을 도시한다.
도 14는 개시내용의 실시예에 따른 컨텍스트 모델 네트워크(context model network)의 예시적인 CNN을 도시한다.
도 15는 개시내용의 실시예에 따른 엔트로피 파라미터 네트워크의 예시적인 CNN을 도시한다.
도 16a는 개시내용의 실시예에 따른 예시적인 비디오 인코더를 도시한다.
도 16b는 개시내용의 실시예에 따른 예시적인 비디오 디코더를 도시한다.
도 17은 개시내용의 실시예에 따른 예시적인 비디오 인코더를 도시한다.
도 18은 개시내용의 실시예에 따른 예시적인 비디오 디코더를 도시한다.
도 19는 개시내용의 실시예에 따른, 경계 강도 값을 결정하기 위한 예시적인 프로세스의 흐름도를 도시한다.
도 20은 개시내용의 실시예에 따른, 경계 강도 값을 결정하기 위한 예시적인 샘플 포지션을 도시한다.
도 21a 내지 도 21c는 개시내용의 실시예에 따른 예시적인 디블록킹 프로세스를 도시한다.
도 22는 개시내용의 실시예에 따른, 2개 초과의 블록의 샘플을 포함하는 경계 영역의 예를 도시한다.
도 23은 개시내용의 실시예에 따른, 다수의 디블록킹 모델에 기초한 예시적인 디블록킹 프로세스를 도시한다.
도 24는 개시내용의 실시예에 따른 예시적인 강화 프로세스를 도시한다.
도 25는 개시내용의 실시예에 따른 예시적인 강화 프로세스를 도시한다.
도 26은 개시내용의 실시예에 따른 예시적인 이미지-레벨 강화 프로세스를 도시한다.
도 27은 개시내용의 실시예에 따른 공유된 샘플의 예를 도시한다.
도 28은 개시내용의 실시예에 따른 프로세스의 개요를 기술하는 흐름도를 도시한다.
도 29는 실시예에 따른 컴퓨터 시스템의 개략적인 예시도이다.
도 1a는 인트라 예측 모드들의 예시적인 서브세트의 개략적인 예시도이다.
도 1b는 예시적인 인트라 예측 방향의 예시도이다.
도 2는 실시예에 따른, 현재 블록(201) 및 포위하는 샘플을 도시한다.
도 3은 실시예에 따른 통신 시스템(300)의 단순화된 블록도의 개략적인 예시도이다.
도 4는 실시예에 따른 통신 시스템(400)의 단순화된 블록도의 개략적인 예시도이다.
도 5는 실시예에 따른 디코더의 단순화된 블록도의 개략적인 예시도이다.
도 6은 실시예에 따른 인코더의 단순화된 블록도의 개략적인 예시도이다.
도 7은 또 다른 실시예에 따른 인코더의 블록도를 도시한다.
도 8은 또 다른 실시예에 따른 디코더의 블록도를 도시한다.
도 9a는 개시내용의 실시예에 따른 블록별 이미지 코딩의 예를 도시한다.
도 9b는 개시내용의 실시예에 따른 예시적인 NIC 프레임워크를 도시한다.
도 10은 개시내용의 실시예에 따른 주 인코더 네트워크의 예시적인 컨볼루션 신경망(CNN : convolution neural network)을 도시한다.
도 11은 개시내용의 실시예에 따른 주 디코더 네트워크의 예시적인 CNN을 도시한다.
도 12는 개시내용의 실시예에 따른 하이퍼 인코더(hyper encoder)의 예시적인 CNN을 도시한다.
도 13은 개시내용의 실시예에 따른 하이퍼 디코더(hyper decoder)의 예시적인 CNN을 도시한다.
도 14는 개시내용의 실시예에 따른 컨텍스트 모델 네트워크(context model network)의 예시적인 CNN을 도시한다.
도 15는 개시내용의 실시예에 따른 엔트로피 파라미터 네트워크의 예시적인 CNN을 도시한다.
도 16a는 개시내용의 실시예에 따른 예시적인 비디오 인코더를 도시한다.
도 16b는 개시내용의 실시예에 따른 예시적인 비디오 디코더를 도시한다.
도 17은 개시내용의 실시예에 따른 예시적인 비디오 인코더를 도시한다.
도 18은 개시내용의 실시예에 따른 예시적인 비디오 디코더를 도시한다.
도 19는 개시내용의 실시예에 따른, 경계 강도 값을 결정하기 위한 예시적인 프로세스의 흐름도를 도시한다.
도 20은 개시내용의 실시예에 따른, 경계 강도 값을 결정하기 위한 예시적인 샘플 포지션을 도시한다.
도 21a 내지 도 21c는 개시내용의 실시예에 따른 예시적인 디블록킹 프로세스를 도시한다.
도 22는 개시내용의 실시예에 따른, 2개 초과의 블록의 샘플을 포함하는 경계 영역의 예를 도시한다.
도 23은 개시내용의 실시예에 따른, 다수의 디블록킹 모델에 기초한 예시적인 디블록킹 프로세스를 도시한다.
도 24는 개시내용의 실시예에 따른 예시적인 강화 프로세스를 도시한다.
도 25는 개시내용의 실시예에 따른 예시적인 강화 프로세스를 도시한다.
도 26은 개시내용의 실시예에 따른 예시적인 이미지-레벨 강화 프로세스를 도시한다.
도 27은 개시내용의 실시예에 따른 공유된 샘플의 예를 도시한다.
도 28은 개시내용의 실시예에 따른 프로세스의 개요를 기술하는 흐름도를 도시한다.
도 29는 실시예에 따른 컴퓨터 시스템의 개략적인 예시도이다.
도 3은 본 개시내용의 실시예에 따른 통신 시스템(300)의 단순화된 블록도를 예시한다. 통신 시스템(300)은 예를 들어, 네트워크(350)를 통해 서로 통신할 수 있는 복수의 단말 디바이스를 포함한다. 예를 들어, 통신 시스템(300)은 네트워크(350)를 통해 상호접속된 제1 쌍의 단말 디바이스(310 및 320)를 포함한다. 도 3의 예에서, 제1 쌍의 단말 디바이스(310 및 320)는 데이터의 단방향성 송신을 수행한다. 예를 들어, 단말 디바이스(310)는 네트워크(350)를 통한 다른 단말 디바이스(320)로의 송신을 위하여 비디오 데이터(예컨대, 단말 디바이스(310)에 의해 캡처되는 비디오 픽처의 스트림)를 코딩할 수 있다. 인코딩된 비디오 데이터는 하나 이상의 코딩된 비디오 비트스트림의 형태로 송신될 수 있다. 단말 디바이스(320)는 네트워크(350)로부터 코딩된 비디오 데이터를 수신할 수 있고, 비디오 픽처를 복원하기 위하여 코딩된 비디오 데이터를 디코딩할 수 있고, 복원된 비디오 데이터에 따라 비디오 픽처를 디스플레이할 수 있다. 단방향 데이터 송신은 미디어 서빙 애플리케이션(media serving application) 등에서 보편적일 수 있다.
또 다른 예에서, 통신 시스템(300)은 예를 들어, 비디오회의(videoconferencing) 동안에 발생할 수 있는 코딩된 비디오 데이터의 양방향성 송신을 수행하는 제2 쌍의 단말 디바이스(330 및 340)를 포함한다. 데이터의 양방향성 송신을 위하여, 예에서, 단말 디바이스(330 및 340)의 각각의 단말 디바이스는 네트워크(350)를 통한 단말 디바이스(330 및 340)의 다른 단말 디바이스로의 송신을 위하여 비디오 데이터(예컨대, 단말 디바이스에 의해 캡처되는 비디오 픽처의 스트림)를 코딩할 수 있다. 단말 디바이스(330 및 340)의 각각의 단말 디바이스는 또한, 단말 디바이스(330 및 340)의 다른 단말 디바이스에 의해 송신된 코딩된 비디오 데이터를 수신할 수 있고, 비디오 픽처를 복원하기 위하여 코딩된 비디오 데이터를 디코딩할 수 있고, 복원된 비디오 데이터에 따라 액세스가능한 디스플레이 디바이스에서 비디오 픽처를 디스플레이할 수 있다.
도 3의 예에서, 단말 디바이스(310, 320, 330, 및 340)는 서버, 개인용 컴퓨터, 및 스마트 폰으로서 예시될 수 있지만, 본 개시내용의 원리는 그렇게 제한되지 않을 수 있다. 본 개시내용의 실시예는 랩톱 컴퓨터, 태블릿 컴퓨터, 미디어 플레이어, 및/또는 전용 비디오 회의 장비에 있어서 애플리케이션을 발견한다. 네트워크(350)는 예를 들어, 유선(wired) 및/또는 무선(wireless) 통신 네트워크를 포함하는, 단말 디바이스(310, 320, 330, 및 340) 사이에서 코딩된 비디오 데이터를 전달하는 임의의 수의 네트워크를 나타낸다. 통신 네트워크(350)는 회선-교환 및/또는 패킷-교환 채널에서 데이터를 교환할 수 있다. 대표적인 네트워크는 전기통신 네트워크, 로컬 영역 네트워크, 광역 네트워크, 및/또는 인터넷을 포함한다. 본 개시내용의 목적을 위하여, 네트워크(350)의 아키텍처 및 토폴로지(topology)는 이하의 본 명세서에서 설명되지 않으면, 본 개시내용의 동작에 중요하지 않을 수 있다.
도 4는 개시된 발명 요지를 위한 애플리케이션에 대한 예로서, 스트리밍 환경에서 비디오 인코더 및 비디오 디코더의 배치를 예시한다. 개시된 발명 요지는 예를 들어, 비디오 회의, 디지털 TV, CD, DVD, 메모리 스틱 등을 포함하는 디지털 매체 상의 압축된 비디오의 저장 등을 포함하는 다른 비디오 가능형 애플리케이션에 동일하게 적용가능할 수 있다.
스트리밍 시스템은 비압축되는 비디오 픽처의 스트림(402)을 생성하는 비디오 소스(401), 예를 들어, 디지털 카메라를 포함할 수 있는 캡처 서브시스템(413)을 포함할 수 있다. 예에서, 비디오 픽처의 스트림(402)은 디지털 카메라에 의해 촬영되는 샘플을 포함한다. 인코딩된 비디오 데이터(404)(또는 코딩된 비디오 비트스트림)와 비교할 때에 높은 데이터 용량(data volume)을 강조하기 위하여 굵은 라인으로서 도시된 비디오 픽처의 스트림(402)은 비디오 소스(401)에 결합된 비디오 인코더(403)를 포함하는 전자 디바이스(420)에 의해 프로세싱될 수 있다. 비디오 인코더(403)는 이하에서 더 상세하게 설명된 바와 같은 개시된 발명 요지의 양태를 가능하게 하거나 구현하기 위한 하드웨어, 소프트웨어, 또는 그 조합을 포함할 수 있다. 비디오 픽처의 스트림(402)과 비교할 때에 더 낮은 데이터 용량을 강조하기 위하여 얇은 라인으로서 도시된 인코딩된 비디오 데이터(404)(또는 인코딩된 비디오 비트스트림(404))는 미래의 이용을 위하여 스트리밍 서버(405) 상에서 저장될 수 있다. 도 4에서의 클라이언트 서브시스템(406 및 408)과 같은 하나 이상의 스트리밍 클라이언트 서브시스템은 인코딩된 비디오 데이터(404)의 복사본(407 및 409)을 인출(retrieve)하기 위하여 스트리밍 서버(405)를 액세스할 수 있다. 클라이언트 서브시스템(406)은 예를 들어, 전자 디바이스(430) 내의 비디오 디코더(410)를 포함할 수 있다. 비디오 디코더(410)는 인코딩된 비디오 데이터의 유입하는(incoming) 복사본(407)을 디코딩하고, 디스플레이(412)(예컨대, 디스플레이 스크린) 또는 다른 렌더링 디바이스(도시되지 않음) 상에서 렌더링(render)될 수 있는 비디오 픽처의 유출하는(outgoing) 스트림(411)을 생성한다. 일부 스트리밍 시스템에서, 인코딩된 비디오 데이터(404, 407, 및 409)(예컨대, 비디오 비트스트림)는 어떤 비디오 코딩/압축 표준에 따라 인코딩될 수 있다. 그 표준의 예는 ITU-T 추천안 H.265를 포함한다. 예에서, 개발 중인 비디오 코딩 표준은 다용도 비디오 코딩(VVC : Versatile Video Coding)으로서 비공식적으로 공지된다. 개시된 발명 요지는 VVC의 맥락에서 이용될 수 있다.
전자 디바이스(420 및 430)는 다른 컴포넌트(도시되지 않음)를 포함할 수 있다는 것이 주목된다. 예를 들어, 전자 디바이스(420)는 비디오 디코더(도시되지 않음)를 포함할 수 있고, 전자 디바이스(430)는 비디오 인코더(도시되지 않음)를 마찬가지로 포함할 수 있다.
도 5는 본 개시내용의 실시예에 따른 비디오 디코더(510)의 블록도를 도시한다. 비디오 디코더(510)는 전자 디바이스(530) 내에 포함될 수 있다. 전자 디바이스(530)는 수신기(531)(예컨대, 수신 회로부)를 포함할 수 있다. 비디오 디코더(510)는 도 4의 예에서 비디오 디코더(410) 대신에 이용될 수 있다.
수신기(531)는 비디오 디코더(510)에 의해 디코딩되어야 할 하나 이상의 코딩된 비디오 시퀀스를; 동일한 또는 또 다른 실시예에서는, 한 번에 하나의 코딩된 비디오 시퀀스를 수신할 수 있고, 여기서, 각각의 코딩된 비디오 시퀀스의 디코딩은 다른 코딩된 비디오 시퀀스로부터 독립적이다. 코딩된 비디오 시퀀스는 인코딩된 비디오 데이터를 저장하는 저장 디바이스에 대한 하드웨어/소프트웨어 링크일 수 있는 채널(501)로부터 수신될 수 있다. 수신기(531)는 그 개개의 이용하는 엔티티(도시되지 않음)로 포워딩될 수 있는, 다른 데이터, 예를 들어, 코딩된 오디오 데이터 및/또는 부수적인 데이터 스트림과 함께 인코딩된 비디오 데이터를 수신할 수 있다. 수신기(531)는 다른 데이터로부터 코딩된 비디오 시퀀스를 분리시킬 수 있다. 네트워크 지터(network jitter)를 방지하기 위하여, 버퍼 메모리(515)는 수신기(531)와 엔트로피 디코더/파서(parser)(520)(이하 "파서(520)") 사이에서 결합될 수 있다. 어떤 애플리케이션에서, 버퍼 메모리(515)는 비디오 디코더(510)의 일부이다. 다른 것에서는, 그것이 비디오 디코더(510)(도시되지 않음)의 외부에 있을 수 있다. 여전히 다른 것에서는, 예를 들어, 네트워크 지터를 방지하기 위하여 비디오 디코더(510)의 외부에 버퍼 메모리(도시되지 않음)가 있을 수 있고, 추가적으로, 예를 들어, 재생 타이밍(playout timing)을 처리하기 위하여 비디오 디코더(510)의 내부에 또 다른 버퍼 메모리(515)가 있을 수 있다. 수신기(531)가 충분한 대역폭 및 제어가능성의 저장/포워딩 디바이스로부터, 또는 비동기식 네트워크로부터 데이터를 수신하고 있을 때, 버퍼 메모리(515)는 필요하지 않을 수 있거나 작을 수 있다. 인터넷(Internet)과 같은 최선형(best effort) 패킷 네트워크 상에서의 이용을 위하여, 버퍼 메모리(515)가 요구될 수 있고, 비교적 클 수 있고, 유리하게도 적응적 크기일 수 있고, 비디오 디코더(510) 외부의 오퍼레이팅 시스템(operating system) 또는 유사한 엘리먼트(도시되지 않음)에서 적어도 부분적으로 구현될 수 있다.
비디오 디코더(510)는 코딩된 비디오 시퀀스로부터 심볼(symbol)(521)을 재구성하기 위한 파서(520)를 포함할 수 있다. 이러한 심볼의 카테고리는 비디오 디코더(510)의 동작을 관리하기 위하여 이용된 정보, 및 잠재적으로, 전자 디바이스(530)의 일체부가 아니라, 도 5에서 도시된 바와 같이, 전자 디바이스(530)에 결합될 수 있는 렌더 디바이스(512)(예컨대, 디스플레이 스크린)와 같은 렌더링 디바이스를 제어하기 위한 정보를 포함한다. 렌더링 디바이스(들)를 위한 제어 정보는 보충적 강화 정보(Supplemental Enhancement Information)(SEI 메시지) 또는 비디오 이용가능성 정보(VUI : Video Usability Information) 파라미터 세트 프래그먼트(fragment)(도시되지 않음)의 형태일 수 있다. 파서(520)는 수신되는 코딩된 비디오 시퀀스를 파싱/엔트로피-디코딩(entropy-decode)할 수 있다. 코딩된 비디오 시퀀스의 코딩은 비디오 코딩 기술 또는 표준에 따른 것일 수 있고, 가변 길이 코딩(variable length coding), 허프만 코딩(Huffman coding), 컨텍스트 감도(context sensitivity)를 갖거나 갖지 않는 산술 코딩 등을 포함하는 다양한 원리를 따를 수 있다. 파서(520)는 그룹에 대응하는 적어도 하나의 파라미터에 기초하여, 코딩된 비디오 시퀀스로부터, 비디오 디코더에서의 픽셀들의 서브그룹(subgroup) 중의 적어도 하나에 대한 서브그룹 파라미터들의 세트를 추출할 수 있다. 서브그룹은 픽처들의 그룹(GOP : Group of Pictures), 픽처, 타일(tile), 슬라이스(slice), 매크로블록(macroblock), 코딩 유닛(CU : Coding Unit), 블록, 변환 유닛(TU : Transform Unit), 예측 유닛(PU : Prediction Unit) 등을 포함할 수 있다. 파서(520)는 또한, 코딩된 비디오 시퀀스로부터, 변환 계수, 양자화기 파라미터 값, 모션 벡터 등과 같은 정보를 추출할 수 있다.
파서(520)는 심볼(521)을 생성하기 위하여, 버퍼 메모리(515)로부터 수신된 비디오 시퀀스에 대해 엔트로피 디코딩/파싱 동작을 수행할 수 있다.
심볼(521)의 재구성은 (인터 및 인트라 픽처, 인터 및 인트라 블록과 같은) 코딩된 비디오 픽처 또는 그 부분의 유형 및 다른 인자들에 따라, 다수의 상이한 유닛을 수반할 수 있다. 어느 유닛이 그리고 어떻게 수반되는지는 파서(520)에 의해 코딩된 비디오 시퀀스로부터 파싱되었던 서브그룹 제어 정보에 의해 제어될 수 있다. 파서(520)와 이하의 다수의 유닛 사이의 이러한 서브그룹 제어 정보의 흐름은 명확함을 위하여 도시되지 않는다.
이미 언급된 기능적 블록 이외에, 비디오 디코더(510)는 이하에서 설명된 바와 같은 다수의 기능적 유닛으로 개념적으로 하위분할될 수 있다. 상업적인 제약 하에서의 실제적인 구현 동작에서, 이 유닛 중의 많은 것은 서로 밀접하게 상호작용하고, 적어도 부분적으로 서로에 통합될 수 있다. 그러나, 개시된 발명 요지를 설명하는 목적을 위하여, 이하의 기능적 유닛으로의 개념적인 하위분할이 적절하다.
제1 유닛은 스케일러(sacler)/역 변환 유닛(551)이다. 스케일러/역 변환 유닛(551)은 파서(520)로부터 심볼(들)(521)로서, 양자화된 변환 계수 뿐만 아니라, 어느 변환을 이용할 것인지, 블록 크기, 양자화 인자, 양자화 스케일링 행렬(quantization scaling matrix) 등을 포함하는 제어 정보를 수신한다. 스케일러/역 변환 유닛(551)은 어그리게이터(aggregator)(555)로 입력될 수 있는 샘플 값을 포함하는 블록을 출력할 수 있다.
일부 경우에는, 스케일러/역 변환(551)의 출력 샘플은 인트라 코딩된 블록; 즉, 이전에 재구성된 픽처로부터의 예측 정보를 이용하는 것이 아니라, 현재 픽처의 이전에 재구성된 부분으로부터의 예측 정보를 이용할 수 있는 블록에 속할 수 있다. 이러한 예측 정보는 인트라 픽처 예측 유닛(552)에 의해 제공될 수 있다. 일부 경우에는, 인트라 픽처 예측 유닛(552)이 현재 픽처 버퍼(558)로부터 페치된(fetched) 포위하는 이미 재구성된 정보를 이용하여, 재구성 중인 블록의 동일한 크기 및 형상의 블록을 생성한다. 현재 픽처 버퍼(558)는 예를 들어, 부분적으로 재구성된 현재 픽처 및/또는 완전히 재구성된 현재 픽처를 버퍼링한다. 어그리게이터(555)는 일부 경우에, 샘플마다에 기초하여, 인트라 예측 유닛(552)이 생성한 예측 정보를, 스케일러/역 변환 유닛(551)에 의해 제공된 바와 같은 출력 샘플 정보에 추가한다.
다른 경우에는, 스케일러/역 변환 유닛(551)의 출력 샘플은 인터 코딩된 그리고 잠재적으로 모션 보상된 블록에 속할 수 있다. 이러한 경우에, 모션 보상 예측 유닛(motion compensation prediction unit)(553)은 예측을 위하여 이용된 샘플을 페치(fetch)하기 위하여 참조 픽처 메모리(557)를 액세스할 수 있다. 블록에 속하는 심볼(521)에 따라 페치된 샘플을 모션 보상한 후에, 출력 샘플 정보를 생성하기 위하여, 이 샘플은 어그리게이터(555)에 의해 스케일러/역 변환 유닛(551)의 출력(이 경우에, 잔차 샘플(residual sample) 또는 잔차 신호)에 추가될 수 있다. 모션 보상 예측 유닛(553)이 예측 샘플을 페치하는 참조 픽처 메모리(557) 내의 어드레스는 예를 들어, X, Y, 및 참조 픽처 컴포넌트를 가질 수 있는 심볼(521)의 형태로 모션 보상 예측 유닛(553)에 의해 이용가능한 모션 벡터(motion vector)에 의해 제어될 수 있다. 모션 보상은 또한, 서브-샘플 정확한 모션 벡터, 모션 벡터 예측 메커니즘 등이 이용 중일 때, 참조 픽처 메모리(557)로부터 페치된 바와 같은 샘플 값의 보간(interpolation)을 포함할 수 있다.
어그리게이터(555)의 출력 샘플은 루프 필터 유닛(556)에서의 다양한 루프 필터링 기법의 대상이 될 수 있다. 비디오 압축 기술은, 코딩된 비디오 시퀀스(또한, 코딩된 비디오 비트스트림으로서 지칭됨) 내에 포함되고 파서(520)로부터의 심볼(521)로서 루프 필터 유닛(556)에 의해 이용가능하게 된 파라미터에 의해 제어되지만, 또한, 코딩된 픽처 또는 코딩된 비디오 시퀀스의 (디코딩 순서에서의) 이전 부분의 디코딩 동안에 획득된 메타-정보에 응답할 수 있을 뿐만 아니라, 이전에 재구성되고 루프-필터링된 샘플 값에 응답할 수 있는 인-루프 필터(in-loop filter) 기술을 포함할 수 있다.
루프 필터 유닛(556)의 출력은, 렌더 디바이스(512)로 출력될 수 있을 뿐만 아니라, 미래의 인터-픽처 예측에서의 이용을 위하여 참조 픽처 메모리(557) 내에 저장될 수 있는 샘플 스트림일 수 있다.
어떤 코딩된 픽처는, 일단 완전히 재구성되면, 미래의 예측을 위한 참조 픽처로서 이용될 수 있다. 예를 들어, 일단 현재 픽처에 대응하는 코딩된 픽처가 완전히 재구성되고 코딩된 픽처가 (예를 들어, 파서(520)에 의해) 참조 픽처로서 식별되었으면, 현재 픽처 버퍼(558)는 참조 픽처 메모리(557)의 일부가 될 수 있고, 신선한 현재 픽처 버퍼는 후행하는 코딩된 픽처의 재구성을 시작하기 전에 재할당될 수 있다.
비디오 디코더(510)는 ITU-T Rec. H.265와 같은 표준에서의 미리 결정된 비디오 압축 기술에 따라 디코딩 동작을 수행할 수 있다. 코딩된 비디오 시퀀스가 비디오 압축 기술 또는 표준의 신택스, 및 비디오 압축 기술 또는 표준에서 문서화된 바와 같은 프로파일의 둘 모두를 고수한다는 의미에서, 코딩된 비디오 시퀀스는 이용되고 있는 비디오 압축 기술 또는 표준에 의해 특정된 신택스를 준수할 수 있다. 구체적으로, 프로파일은 비디오 압축 기술 또는 표준에서 이용가능한 모든 툴(tool)로부터 그 프로파일 하에서의 이용을 위하여 이용가능한 툴만으로서 어떤 툴을 선택할 수 있다. 또한, 코딩된 비디오 시퀀스의 복잡성이 비디오 압축 기술 또는 표준의 레벨에 의해 정의된 바와 같은 경계 내에 있다는 것은 준수성(compliance)을 위하여 필요할 수 있다. 일부 경우에는, 레벨이 최대 픽처 크기, 최대 프레임 레이트, (예를 들어, 초 당 메가샘플(megasample)로 측정된) 최대 재구성 샘플 레이트, 최대 참조 픽처 크기 등을 한정한다. 레벨에 의해 설정된 제한은 일부 경우에는, 코딩된 비디오 시퀀스에서 시그널링된 가상적 참조 디코더(HRD : Hypothetical Reference Decoder) 버퍼 관리를 위한 가상적 참조 디코더(HRD) 사양 및 메타데이터를 통해 추가로 한정될 수 있다.
실시예에서, 수신기(531)는 인코딩된 비디오와 함께 추가적인(중복적인) 데이터를 수신할 수 있다. 추가적인 데이터는 코딩된 비디오 시퀀스(들)의 일부로서 포함될 수 있다. 추가적인 데이터는 데이터를 적절하게 디코딩하고 및/또는 원래의 비디오 데이터를 더 정확하게 재구성하기 위하여 비디오 디코더(510)에 의해 이용될 수 있다. 추가적인 데이터는 예를 들어, 시간적, 공간적, 또는 신호 잡음 비율(SNR : signal noise ratio) 강화 계층, 중복적인 슬라이스, 중복적인 픽처, 순방향 에러 정정 코드(forward error correction code) 등의 형태일 수 있다.
도 6은 본 개시내용의 실시예에 따른 비디오 인코더(603)의 블록도를 도시한다. 비디오 인코더(603)는 전자 디바이스(620) 내에 포함된다. 전자 디바이스(620)는 송신기(640)(예컨대, 송신 회로부)를 포함한다. 비디오 인코더(603)는 도 4의 예에서 비디오 인코더(403) 대신에 이용될 수 있다.
비디오 인코더(603)는 비디오 인코더(603)에 의해 코딩되어야 할 비디오 이미지(들)를 캡처할 수 있는 (도 6의 예에서 전자 디바이스(620)의 일부가 아닌) 비디오 소스(601)로부터 비디오 샘플을 수신할 수 있다. 또 다른 예에서, 비디오 소스(601)는 전자 디바이스(620)의 일부이다.
비디오 소스((601)는, 임의의 적당한 비트 심도(예를 들어: 8 비트, 10 비트, 12 비트 ...), 임의의 컬러공간(예를 들어, BT.601 Y CrCB, RGB, ...), 및 임의의 적당한 샘플링 구조(예를 들어, Y CrCb 4:2:0, Y CrCb 4:4:4)일 수 있는 디지털 비디오 샘플 스트림의 형태로 비디오 인코더(603)에 의해 코딩되어야 할 소스 비디오 시퀀스를 제공할 수 있다. 미디어 서빙 시스템에서, 비디오 소스(601)는 이전에 준비된 비디오를 저장하는 저장 디바이스일 수 있다. 비디오회의 시스템에서, 비디오 소스(601)는 로컬 이미지 정보를 비디오 시퀀스로서 캡처하는 카메라일 수 있다. 비디오 데이터는 순서대로 관측될 때에 모션을 부여하는 복수의 개별적인 픽처로서 제공될 수 있다. 픽처 자체는 픽셀의 공간적 어레이로서 편성될 수 있고, 여기서, 각각의 픽셀은 이용 중인 샘플링 구조, 컬러 공간 등에 따라 하나 이상의 샘플을 포함할 수 있다. 본 기술분야에서의 통상의 기술자는 픽셀과 샘플 사이의 관계를 용이하게 이해할 수 있다. 이하의 설명은 샘플에 초점을 맞춘다.
실시예에 따르면, 비디오 인코더(603)는 실시간으로 또는 애플리케이션에 의해 요구된 바와 같은 임의의 다른 시간 제약 하에서, 소스 비디오 시퀀스의 픽처를 코딩된 비디오 시퀀스(643)로 코딩할 수 있고 압축할 수 있다. 적절한 코딩 속력을 강제하는 것은 제어기(650)의 하나의 기능이다. 일부 실시예에서, 제어기(650)는 이하에서 설명된 바와 같은 다른 기능적 유닛을 제어하고, 다른 기능적 유닛에 기능적으로 결합된다. 결합은 명확함을 위하여 도시되지 않는다. 제어기(650)에 의해 설정된 파라미터는 레이트 제어 관련된 파라미터(픽처 스킵(picture skip), 양자화기, 레이트-왜곡 최적화 기법의 람다 값(lambda value), ...), 픽처 크기, 픽처들의 그룹(GOP) 레이아웃, 최대 모션 벡터 검색 범위 등을 포함할 수 있다. 제어기(650)는 어떤 시스템 설계를 위하여 최적화된 비디오 인코더(603)에 속하는 다른 적당한 기능을 가지도록 구성될 수 있다.
일부 실시예에서, 비디오 인코더(603)는 코딩 루프에서 동작하도록 구성된다. 과다단순화된 설명으로서, 예에서, 코딩 루프는 (예컨대, 코딩되어야 할 입력 픽처, 및 참조 픽처(들)에 기초하여 심볼 스트림과 같은 심볼을 생성하는 것을 담당하는) 소스 코더(630), 및 비디오 인코더(603) 내에 내장된 (로컬) 디코더(633)를 포함할 수 있다. (심볼과 코딩된 비트 스트림 사이의 임의의 압축이 개시된 발명 요지에서 고려된 비디오 압축 기술에서 무손실이므로) 디코더(633)는 (원격) 디코더가 또한 생성하는 것과 유사한 방식으로 샘플 데이터를 생성하기 위하여 심볼을 재구성한다. 재구성된 샘플 스트림(샘플 데이터)은 참조 픽처 메모리(634)로 입력된다. 심볼 스트림의 디코딩은 디코더 위치(로컬 또는 원격)에 독립적인 비트-정확한 결과를 초래하므로, 참조 픽처 메모리(634) 내의 내용은 또한, 로컬 인코더와 원격 인코더 사이에서 비트 정확하다. 다시 말해서, 인코더의 예측 부분은 디코딩 동안에 예측을 이용할 때에 디코더가 "간주하는(see)" 것과 정확하게 동일한 샘플 값을 참조 픽처 샘플로서 "간주한다". 참조 픽처 동기성(synchronicity)(및 예를 들어, 채널 에러로 인해, 동기성이 유지될 수 없을 경우의 결과적인 드리프트(drift)))의 이러한 기본적인 원리는 일부 관련된 기술에서 마찬가지로 이용된다.
"로컬" 디코더(633)의 동작은 도 5와 함께 위에서 상세하게 이미 설명된 비디오 디코더(510)와 같은 "원격" 디코더의 것과 동일할 수 있다. 그러나, 도 5를 또한 간략하게 참조하면, 심볼이 이용가능하고, 엔트로피 코더(645) 및 파서(520)에 의한 코딩된 비디오 시퀀스로의 심볼의 인코딩/디코딩은 무손실일 수 있으므로, 버퍼 메모리(515) 및 파서(520)를 포함하는 비디오 디코더(510)의 엔트로피 디코딩 부분은 로컬 디코더(633)에서 완전히 구현되지 않을 수 있다.
실시예에서, 디코더에서 존재하는 파싱/엔트로피 디코딩을 제외한 디코더 기술은 대응하는 인코더에서 동일한 또는 실질적으로 동일한 기능적 형태로 존재한다. 따라서, 개시된 발명 요지는 디코더 동작에 초점을 맞춘다. 인코더 기술의 설명은 인코더 기술이 철저하게 설명된 디코더 기술의 역(inverse)이기 때문에 축약될 수 있다. 어떤 영역에서는, 더 상세한 설명이 이하에서 제공된다.
일부 예에서, 동작 동안에, 소스 코더(630)는 "참조 픽처"로서 지정되었던 비디오 시퀀스로부터의 하나 이상의 이전에 코딩된 픽처를 참조하여 입력 픽처를 예측적으로 코딩하는 모션 보상된 예측 코딩을 수행할 수 있다. 이러한 방식으로, 코딩 엔진(632)은 입력 픽처의 픽셀 블록과, 입력 픽처에 대한 예측 참조(들)로서 선택될 수 있는 참조 픽처(들)의 픽셀 블록과의 사이의 차이를 코딩한다.
로컬 비디오 디코더(633)는 소스 코더(630)에 의해 생성된 심볼에 기초하여, 참조 픽처로서 지정될 수 있는 픽처의 코딩된 비디오 데이터를 디코딩할 수 있다. 코딩 엔진(632)의 동작은 유리하게도 손실 프로세스일 수 있다. 코딩된 비디오 데이터가 비디오 디코더(도 6에서 도시되지 않음)에서 디코딩될 수 있을 때, 재구성된 비디오 시퀀스는 전형적으로, 일부 에러를 갖는 소스 비디오 시퀀스의 복제본(replica)일 수 있다. 로컬 비디오 디코더(633)는 참조 픽처에 대해 비디오 디코더에 의해 수행될 수 있고 재구성된 참조 픽처가 참조 픽처 캐시(634) 내에 저장되게 할 수 있는 디코딩 프로세스를 복제한다. 이러한 방식으로, 비디오 인코더(603)는 원단(far-end) 비디오 디코더(송신 에러가 없음)에 의해 획득될 재구성된 참조 픽처로서 공통적인 내용을 가지는 재구성된 참조 픽처의 복사본을 로컬 방식으로 저장할 수 있다.
예측기(635)는 코딩 엔진(632)에 대한 예측 검색을 수행할 수 있다. 즉, 코딩되어야 할 새로운 픽처에 대하여, 예측기(635)는 (후보 참조 픽셀 블록으로서) 샘플 데이터, 또는 새로운 픽처에 대한 적절한 예측 참조로서 역할을 할 수 있는 참조 픽처 모션 벡터, 블록 형상 등과 같은 어떤 메타데이터를 위하여 참조 픽처 메모리(634)를 검색할 수 있다. 예측기(635)는 적절한 예측 참조를 구하기 위하여 샘플 블록-대-픽셀 블록(sample block-by-pixel block)에 기초하여 동작할 수 있다. 일부 경우에는, 예측기(635)에 의해 획득된 검색 결과에 의해 결정된 바와 같이, 입력 픽처는 참조 픽처 메모리(634) 내에 저장된 다수의 참조 픽처로부터 유인된 예측 참조를 가질 수 있다.
제어기(650)는 예를 들어, 비디오 데이터를 인코딩하기 위하여 이용된 파라미터 및 서브그룹 파라미터의 설정을 포함하는, 소스 코더(630)의 코딩 동작을 관리할 수 있다.
모든 전술한 기능적 유닛의 출력은 엔트로피 코더(645)에서 엔트로피 코딩의 대상이 될 수 있다. 엔트로피 코더(645)는 허프만 코딩, 가변 길이 코딩, 산술 코딩 등과 같은 기술에 따라 심볼을 무손실 압축함으로써, 다양한 기능적 유닛에 의해 생성된 바와 같은 심볼을 코딩된 비디오 시퀀스로 변환한다.
송신기(640)는 인코딩된 비디오 데이터를 저장할 저장 디바이스에 대한 하드웨어/소프트웨어 링크일 수 있는 통신 채널(660)을 통한 송신을 준비하기 위하여, 엔트로피 코더(645)에 의해 생성된 바와 같은 코딩된 비디오 시퀀스(들)를 버퍼링할 수 있다. 송신기(640)는 비디오 코더(603)로부터의 코딩된 비디오 데이터를, 송신되어야 할 다른 데이터, 예를 들어, 코딩된 오디오 데이터 및/또는 부수적인 데이터 스트림(소스가 도시되지 않음)과 병합할 수 있다.
제어기(650)는 비디오 인코더(603)의 동작을 관리할 수 있다. 코딩 동안에, 제어기(650)는 개개의 픽처에 적용될 수 있는 코딩 기법에 영향을 줄 수 있는 어떤 코딩된 픽처 유형을 각각의 코딩된 픽처에 배정할 수 있다. 예를 들어, 픽처는 종종 다음의 픽처 유형 중의 하나로서 배정될 수 있다.
인트라 픽처(I 픽처)는 예측의 소스로서 시퀀스에서의 임의의 다른 픽처를 이용하지 않으면서 코딩될 수 있고 디코딩될 수 있는 것일 수 있다. 일부 비디오 코덱은 예를 들어, 독립적 디코더 리프레시(Independent Decoder Refresh)("IDR") 픽처를 포함하는 상이한 유형의 인트라 픽처를 허용한다. 본 기술분야에서의 통상의 기술자는 I 픽처의 그 변형 및 그 개개의 애플리케이션 및 특징을 인지한다.
예측 픽처(P 픽처)는 각각의 블록의 샘플 값을 예측하기 위하여 최대한 하나의 모션 벡터 및 참조 인덱스를 이용하는 인트라 예측 또는 인터 예측을 이용하여 코딩될 수 있고 디코딩될 수 있는 것일 수 있다.
양방향 예측 픽처(B 픽처)는 각각의 블록의 샘플 값을 예측하기 위하여 최대한 2개의 모션 벡터 및 참조 인덱스를 이용하는 인트라 예측 또는 인터 예측을 이용하여 코딩될 수 있고 디코딩될 수 있는 것일 수 있다. 유사하게, 다수-예측 픽처는 단일 블록의 재구성을 위하여 2개 초과의 참조 픽처 및 연관된 메타데이터를 이용할 수 있다.
소스 픽처는 통상적으로, 복수의 샘플 블록(예를 들어, 각각 4x4, 8x8, 4x8, 또는 16x16 샘플의 블록)으로 공간적으로 하위분할될 수 있고, 블록-대-블록(block-by-block)에 기초하여 코딩될 수 있다. 블록은 블록의 개개의 픽처에 적용된 코딩 배정에 의해 결정된 바와 같은 다른(이미 코딩된) 블록을 참조하여 예측적으로 코딩될 수 있다. 예를 들어, I 픽처의 블록은 비-예측적으로 코딩될 수 있거나, 이들은 동일한 픽처의 이미 코딩된 블록을 참조하여 예측적으로 코딩될 수 있다(공간적 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 1개 또는 2개의 이전에 코딩된 참조 픽처를 참조하여 공간적 예측을 통해 또는 시간적 예측을 통해 예측적으로 코딩될 수 있다.
비디오 인코더(603)는 ITU-T Rec. H.265와 같은 미리 결정된 비디오 코딩 기술 또는 표준에 따라 코딩 동작을 수행할 수 있다. 그 동작 시에, 비디오 인코더(603)는 입력 비디오 시퀀스에서의 시간적 및 공간적 중복성을 활용하는 예측 코딩 동작을 포함하는 다양한 압축 동작을 수행할 수 있다. 그러므로, 코딩된 비디오 데이터는 이용되고 있는 비디오 코딩 기술 또는 표준에 의해 특정된 신택스를 준수할 수 있다.
실시예에서, 송신기(640)는 인코딩된 비디오와 함께 추가적인 데이터를 송신할 수 있다. 소스 코더(630)는 이러한 데이터를 코딩된 비디오 시퀀스의 일부로서 포함할 수 있다. 추가적인 데이터는 시간적/공간적/SNR 강화 계층, 중복적인 픽처 및 슬라이스와 같은 다른 형태의 중복적인 데이터, SEI 메시지, VUI 파라미터 세트 프래그먼트 등을 포함할 수 있다.
비디오는 시간적 시퀀스에서의 복수의 소스 픽처(비디오 픽처)로서 캡처될 수 있다. 인트라-픽처 예측(종종 인트라 예측으로 축약됨)은 주어진 픽처에서의 공간적 상관(correlation)을 이용하고, 인터-픽처 예측은 픽처 사이의 (시간적 또는 다른) 상관을 이용한다. 예에서, 현재 픽처로서 지칭되는, 인코딩/디코딩 중인 구체적인 픽처는 블록으로 파티셔닝된다. 현재 픽처 내의 블록이, 비디오에서의 이전에 코딩되고 여전히 버퍼링된 참조 픽처 내의 참조 블록과 유사할 때, 현재 픽처 내의 블록은 모션 벡터로서 지칭되는 벡터에 의해 코딩될 수 있다. 모션 벡터는 참조 픽처 내의 참조 블록을 가리키고, 다수의 참조 픽처가 이용 중일 경우에, 참조 픽처를 식별하는 제3 차원을 가질 수 있다.
일부 실시예에서, 양방향-예측 기법은 인터-픽처 예측에서 이용될 수 있다. 양방향-예측 기법에 따르면, 디코딩 순서에서 비디오에서의 현재 픽처 이전에 둘 모두 있는(그러나, 각각 디스플레이 순서에서 과거 및 미래에 있을 수 있음) 제1 참조 픽처 및 제2 참조 픽처와 같은 2개의 참조 픽처가 이용된다. 현재 픽처 내의 블록은 제1 참조 픽처 내의 제1 참조 블록을 가리키는 제1 모션 벡터, 및 제2 참조 픽처 내의 제2 참조 블록을 가리키는 제2 모션 벡터에 의해 코딩될 수 있다. 블록은 제1 참조 블록 및 제2 참조 블록의 조합에 의해 예측될 수 있다.
또한, 병합 모드 기법은 코딩 효율을 개선시키기 위하여 인터-픽처 예측에서 이용될 수 있다.
개시내용의 일부 실시예에 따르면, 인터-픽처 예측 및 인트라-픽처 예측과 같은 예측은 블록의 단위로 수행된다. 예를 들어, HEVC 표준에 따르면, 비디오 픽처의 시퀀스 내의 픽처는 압축을 위하여 코딩 트리 유닛(CTU : coding tree unit)으로 파티셔닝되고, 픽처 내의 CTU는 64x64 픽셀, 32x32 픽셀, 또는 16x16 픽셀과 같은 동일한 크기를 가진다. 일반적으로, CTU는 1개의 루마(luma) CTB 및 2개의 크로마(chroma) CTB인 3개의 코딩 트리 블록(coding tree block)CTB)을 포함한다. 각각의 CTU는 하나 또는 다수의 코딩 유닛(CU)으로 재귀적으로 쿼드트리 분할(recursively quadtree split)될 수 있다. 예를 들어, 64x64 픽셀의 CTU는 64x64 픽셀의 하나의 CU, 또는 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 위하여 분석될 수 있다. CU는 시간적 및/또는 공간적 예측가능성에 따라 하나 이상의 예측 유닛(PU)으로 분할된다. 일반적으로, 각각의 PU는 루마(luma) 예측 블록(PB : prediction block) 및 2개의 크로마(chroma) PB를 포함한다. 실시예에서, 코딩(인코딩/디코딩)에서의 예측 동작은 예측 블록의 단위로 수행된다. 루마 예측 블록을 예측 블록의 예로서 이용하면, 예측 블록은 8x8 픽셀, 16x16 픽셀, 8x16 픽셀, 16x8 픽셀 등과 같은 픽셀에 대한 값(예컨대, 루마 값)의 행렬을 포함한다.
도 7은 개시내용의 또 다른 실시예에 따른 비디오 인코더(703)의 도면을 도시한다. 비디오 인코더(703)는 비디오 픽처의 시퀀스 내의 현재 비디오 픽처 내에서의 샘플 값의 프로세싱 블록(예컨대, 예측 블록)을 수신하고, 프로세싱 블록을, 코딩된 비디오 시퀀스의 일부인 코딩된 픽처로 인코딩하도록 구성된다. 예에서, 비디오 인코더(703)는 도 4의 예에서 비디오 인코더(403) 대신에 이용된다.
HEVC의 예에서, 비디오 인코더(703)는 8x8 샘플의 예측 블록 등과 같은 프로세싱 블록에 대한 샘플 값의 행렬을 수신한다. 비디오 인코더(703)는 인트라 모드, 인터 모드, 또는 예를 들어, 레이트-왜곡 최적화를 이용하는 양방향-예측 모드를 이용하여 프로세싱 블록이 최상으로 코딩되는지 여부를 결정한다. 프로세싱 블록이 인트라 모드에서 코딩되어야 할 때, 비디오 인코더(703)는 프로세싱 블록을 코딩된 픽처로 인코딩하기 위하여 인트라 예측 기법을 이용할 수 있고; 프로세싱 블록이 인터 모드 또는 양방향-예측 모드에서 코딩되어야 할 때, 비디오 인코더(703)는 프로세싱 블록을 코딩된 픽처로 인코딩하기 위하여 인터 예측 또는 양방향-예측 기법을 각각 이용할 수 있다. 어떤 비디오 코딩 기술에서, 병합 모드는 예측자 외부의 코딩된 모션 벡터 컴포넌트의 이익 없이, 모션 벡터가 하나 이상의 모션 벡터 예측자로부터 도출되는 인터 픽처 예측 서브모드(submode)일 수 있다. 어떤 다른 비디오 코딩 기술에서는, 대상 블록에 적용가능한 모션 벡터 컴포넌트가 존재할 수 있다. 예에서, 비디오 인코더(703)는 프로세싱 블록의 모드를 결정하기 위한 모드 판정 모듈(도시되지 않음)과 같은 다른 컴포넌트를 포함한다.
도 7의 예에서, 비디오 인코더(703)는 도 7에서 도시된 바와 같이 함께 결합된 인터 인코더(730), 인트라 인코더(722), 잔차 계산기(723), 스위치(726), 잔차 인코더(724), 일반 제어기(721), 및 엔트로피 인코더(725)를 포함한다.
인터 인코더(730)는 현재 블록(예컨대, 프로세싱 블록)의 샘플을 수신하고, 블록을 참조 픽처 내의 하나 이상의 참조 블록(예컨대, 이전 픽처 및 더 이후의 픽처 내의 블록)과 비교하고, 인터 예측 정보(예컨대, 인터 인코딩 기법, 모션 벡터, 병합 모드 정보에 따른 중복적인 정보의 설명)를 생성하고, 임의의 적당한 기법을 이용하여 인터 예측 정보에 기초하여 인터 예측 결과(예컨대, 예측된 블록)를 계산하도록 구성된다. 일부 예에서, 참조 픽처는 인코딩된 비디오 정보에 기초하여 디코딩되는 디코딩된 참조 픽처이다.
인트라 인코더(722)는 현재 블록(예컨대, 프로세싱 블록)의 샘플을 수신하고, 일부 경우에는, 블록을 동일한 픽처에서 이미 코딩된 블록과 비교하고, 변환 후의 양자화된 계수, 및 일부 경우에는, 또한, 인트라 예측 정보(예컨대, 하나 이상의 인트라 인코딩 기법에 따른 인트라 예측 방향 정보)를 생성하도록 구성된다. 예에서, 인트라 인코더(722)는 또한, 인트라 예측 정보 및 동일한 픽처 내의 참조 블록에 기초하여 인트라 예측 결과(예컨대, 예측된 블록)를 계산한다.
일반 제어기(721)는 일반 제어 데이터를 결정하고 일반 제어 데이터에 기초하여 비디오 인코더(703)의 다른 컴포넌트를 제어하도록 구성된다. 예에서, 일반 제어기(721)는 블록의 예측 모드를 결정하고, 그 모드에 기초하여 제어 신호를 스위치(726)에 제공한다. 예를 들어, 모드가 인트라 모드일 때, 일반 제어기(721)는 잔차 계산기(723)에 의한 이용을 위한 인트라 모드 결과를 선택하도록 스위치(726)를 제어하고, 인트라 예측 정보를 선택하고 인트라 예측 정보를 비트스트림 내에 포함하도록 엔트로피 인코더(725)를 제어하고; 모드가 인터 모드일 때, 일반 제어기(721)는 잔차 계산기(723)에 의한 이용을 위한 인터 예측 결과를 선택하도록 스위치(726)를 제어하고, 인터 예측 정보를 선택하고 인터 예측 정보를 비트스트림 내에 포함하도록 엔트로피 인코더(725)를 제어한다.
잔차 계산기(723)는 수신된 블록과, 인트라 인코더(722) 또는 인터 인코더(730)로부터 선택된 예측 결과와의 사이의 차이(잔차 데이터)를 계산하도록 구성된다. 잔차 인코더(724)는 잔차 데이터를 인코딩하여 변환 계수를 생성하기 위하여 잔차 데이터에 기초하여 동작하도록 구성된다. 예에서, 잔차 인코더(724)는 잔차 데이터를 공간적 도메인으로부터 주파수 도메인으로 변환하고 변환 계수를 생성하도록 구성된다. 변환 계수는 그 다음으로, 양자화된 변환 계수를 획득하기 위하여 양자화 프로세싱의 대상이 된다. 다양한 실시예에서, 비디오 인코더(703)는 또한, 잔차 디코더(728)를 포함한다. 잔차 디코더(728)는 역 변환을 수행하고, 디코딩된 잔차 데이터를 생성하도록 구성된다. 디코딩된 잔차 데이터는 인트라 인코더(722) 및 인터 인코더(730)에 의해 적당하게 이용될 수 있다. 예를 들어, 인터 인코더(730)는 디코딩된 잔차 데이터 및 인터 예측 정보에 기초하여 디코딩된 블록을 생성할 수 있고, 인트라 인코더(722)는 디코딩된 잔차 데이터 및 인트라 예측 정보에 기초하여 디코딩된 블록을 생성할 수 있다. 디코딩된 블록은 디코딩된 픽처를 생성하기 위하여 적당하게 프로세싱되고, 디코딩된 픽처는 메모리 회로(도시되지 않음) 내에 버퍼링될 수 있고 일부 예에서 참조 픽처로서 이용될 수 있다.
엔트로피 인코더(725)는 인코딩된 블록을 포함하기 위하여 비트스트림을 포맷(format)하도록 구성된다. 엔트로피 인코더(725)는 HEVC 표준과 같은 적당한 표준에 따라 다양한 정보를 포함하도록 구성된다. 예에서, 엔트로피 인코더(725)는 일반 제어 데이터, 선택된 예측 정보(예컨대, 인트라 예측 정보 또는 인터 예측 정보), 잔차 정보, 및 다른 적당한 정보를 비트스트림 내에 포함하도록 구성된다. 개시된 발명 요지에 따르면, 인터 모드 또는 양방향-예측 모드의 어느 하나의 병합 서브모드에서 블록을 코딩할 때, 잔차 정보가 없다는 것을 주목한다.
도 8은 개시내용의 또 다른 실시예에 따른 비디오 디코더(810)의 도면을 도시한다. 비디오 디코더(810)는 코딩된 비디오 시퀀스의 일부인 코딩된 픽처를 수신하고, 재구성된 픽처를 생성하기 위하여 코딩된 픽처를 디코딩하도록 구성된다. 예에서, 비디오 디코더(810)는 도 4의 예에서 비디오 디코더(410) 대신에 이용된다.
도 8의 예에서, 비디오 디코더(810)는 도 8에서 도시된 바와 같이 함께 결합된 엔트로피 디코더(871), 인터 디코더(880), 잔차 디코더(873), 재구성 모듈(874), 및 인트라 디코더(872)를 포함한다.
엔트로피 디코더(871)는 코딩된 픽처로부터, 코딩된 픽처가 이루어지는 신택스 엘리먼트를 나타내는 어떤 심볼을 재구성하도록 구성될 수 있다. 이러한 심볼은 예를 들어, (예를 들어, 인트라 모드, 인터 모드, 양방향-예측된 모드, 병합 서브모드 또는 또 다른 서브모드에서의 후자의 2개와 같은) 블록이 코딩되는 모드, 각각 인트라 디코더(872) 또는 인터 디코더(880)에 의한 예측을 위하여 이용되는 어떤 샘플 또는 메타데이터를 식별할 수 있는 (예를 들어, 인트라 예측 정보 또는 인터 예측 정보와 같은) 예측 정보, 예를 들어, 양자화된 변환 계수의 형태인 잔차 정보 등을 포함할 수 있다. 예에서, 예측 보드가 인터 또는 양방향-예측된 모드일 때, 인터 예측 정보는 인터 디코더(880)에 제공되고; 예측 유형이 인트라 예측 유형일 때, 인트라 예측 정보는 인트라 디코더(872)에 제공된다. 잔차 정보는 역 양자화의 대상이 될 수 있고, 잔차 디코더(873)에 제공된다.
인터 디코더(880)는 인터 예측 정보를 수신하고, 인터 예측 정보에 기초하여 인터 예측 결과를 생성하도록 구성된다.
인트라 디코더(872)는 인트라 예측 정보를 수신하고, 인트라 예측 정보에 기초하여 예측 결과를 생성하도록 구성된다.
잔차 디코더(873)는 탈-양자화된(de-quantized) 변환 계수를 추출하기 위하여 역 양자화(inverse quantization)를 수행하고, 잔차를 주파수 도메인으로부터 공간적 도메인으로 변환하기 위하여 탈-양자화된 변환 계수를 프로세싱하도록 구성된다. 잔차 디코더(873)는 또한, (양자화기 파라미터(QP : Quantizer Parameter)를 포함하기 위한) 어떤 제어 정보를 요구할 수 있고, 그 정보는 엔트로피 디코더(871)에 의해 제공될 수 있다(이것은 오직 낮은 용량 제어 정보일 수 있으므로, 데이터 경로가 도시되지 않음).
재구성 모듈(874)은 궁극적으로 재구성된 비디오의 일부일 수 있는 재구성된 픽처의 일부일 수 있는 재구성된 블록을 형성하기 위하여, 공간적 도메인에서, 잔차 디코더(873)에 의해 출력된 바와 같은 잔차 및 (경우에 따라 인터 또는 인트라 예측 모듈에 의해 출력된 바와 같은) 예측 결과를 조합하도록 구성된다. 디블록킹 동작 등과 같은 다른 적당한 동작은 시각적 품질을 개선시키기 위하여 수행될 수 있다는 것이 주목된다.
비디오 인코더(403, 603, 및 703) 및 비디오 디코더(410, 510, 및 810)는 임의의 적당한 기법을 이용하여 구현될 수 있다는 것이 주목된다. 실시예에서, 비디오 인코더(403, 603, 및 703) 및 비디오 디코더(410, 510, 및 810)는 하나 이상의 집적 회로를 이용하여 구현될 수 있다. 또 다른 실시예에서, 비디오 인코더(403, 603, 및 603) 및 비디오 디코더(410, 510, 및 810)는 소프트웨어 명령을 실행하는 하나 이상의 프로세서를 이용하여 구현될 수 있다.
이 개시내용은 인공 지능(AI : artificial intelligence) 기반 신경 이미지 압축(NIC)과 같은, 신경 이미지 압축 기술 및/또는 신경 비디오 압축 기술에 관련된 비디오 코딩 기술을 설명한다. 개시내용의 측면은 신경망에 기초한 종단-대-종단(E2E : end-to-end) 최적화된 이미지 코딩 프레임워크에 대한 포스트 필터링에 의한 블록별 컨텐츠-적응적 온라인 훈련 NIC 방법과 같은, NIC에서의 컨텐츠-적응적 온라인 훈련을 포함한다. 신경망(NN)은 심층 신경망(DNN : deep neural network), 컨볼루션 신경망(CNN) 등과 같은 인공 신경망(ANN : artificial neural network)을 포함할 수 있다.
실시예에서, 관련된 하이브리드 비디오 코덱(hybrid video codec)은 전체적으로 최적화되기가 어렵다. 예를 들어, 하이브리드 비디오 코덱 내의 단일 모듈(예컨대, 인코더)의 개선은 전체적인 성능에서의 코딩 이득으로 귀착되지 않을 수 있다. NN-기반 비디오 코딩 프레임워크에서는, 학습 프로세스 또는 훈련 프로세스(예컨대, 머신 학습 프로세스)를 수행함으로써, 그리고 이에 따라, E2E 최적화된 NIC로 귀착됨으로써, 최종적인 목적(예컨대, 개시내용에서 설명된 레이트-왜곡 손실 L과 같은 레이트-왜곡 성능)을 개선시키기 위하여, 상이한 모듈이 입력으로부터 출력까지 공동으로 최적화될 수 있다.
예시적인 NIC 프레임워크 또는 시스템은 다음과 같이 설명될 수 있다. NIC 프레임워크는 예를 들어, 저장 및 송신 목적을 위하여 간결할 수 있는 압축된 표현(예컨대, 압축 표현) 
를 연산하기 위하여 신경망 인코더(예컨대, DNN과 같은 신경망에 기초한 인코더)에 대한 입력으로서 입력 블록 x를 이용할 수 있다. 신경망 디코더(예컨대, DNN과 같은 신경망에 기초한 디코더)는 출력 블록(또한, 재구성된 블록으로서 지칭됨) 
를 재구성하기 위하여 압축된 표현 
를 입력으로서 이용할 수 있다. 다양한 실시예에서, 입력 블록 x 및 재구성된 블록 
는 공간적 도메인 내에 있고, 압축된 표현 
는 공간적 도메인과는 상이한 도메인 내에 있다. 일부 예에서, 압축된 표현 
는 양자화되고 엔트로피 코딩된다.
일부 예에서, NIC 프레임워크는 변이형 오토인코더(VAE : variational autoencoder) 구조를 이용할 수 있다. VAE 구조에서, 신경망 인코더는 전체적인 입력 블록 x를 신경망 인코더에 대한 입력으로서 직접적으로 이용할 수 있다. 전체적인 입력 블록 x는 압축된 표현 
를 연산하기 위한 블랙 박스(black box)로서 작동하는 신경망 계층들의 세트를 통과할 수 있다. 압축된 표현 
는 신경망 인코더의 출력이다. 신경망 디코더는 전체 압축된 표현 
를 입력으로서 취할 수 있다. 압축된 표현 
는 재구성된 블록 
를 연산하기 위한 또 다른 블랙 박스로서 작동하는 신경망 계층들의 또 다른 세트를 통과할 수 있다. 레이트-왜곡(R-D : rate-distortion) 손실 
은 절충 하이퍼파라미터(trade-off hyperparameter) 
로 재구성된 블록 
의 왜곡 손실 
와 압축 표현 
의 비트 소비 R 사이의 절충(trade-off)을 달성하도록 최적화될 수 있다.
신경망(예컨대, ANN)은 태스크-특정적 프로그래밍(task-specific programming) 없이, 예로부터의 태스크를 수행하도록 학습할 수 있다. ANN은 접속된 노드 또는 인공 신경(artificial neuron)으로 구성될 수 있다. 노드 사이의 접속은 신호를 제1 노드로부터 제2 노드(예컨대, 수신 노드)로 송신할 수 있고, 신호는 접속을 위한 가중 계수(weight coefficient)에 의해 지시될 수 있는 가중치에 의해 수정될 수 있다. 수신 노드는, 신호(들)를 수신 노드로 송신하고, 그 다음으로, 함수(function)를 입력 신호에 적용함으로써 출력 신호를 생성하는 노드(들)로부터의 신호(들)(즉, 수신 노드에 대한 입력 신호(들))를 프로세싱할 수 있다. 함수는 선형 함수(linear function)일 수 있다. 예에서, 출력 신호는 입력 신호(들)의 가중화된 합산(weighted summation)이다. 예에서, 출력 신호는 바이어스 항(bias term)에 의해 지시될 수 있는 바이어스에 의해 추가로 수정되고, 이에 따라, 출력 신호는 바이어스, 및 입력 신호(들)의 가중화된 합산의 합(sum)이다. 함수는 예를 들어, 바이어스, 및 입력 신호(들)의 가중화된 합산의 가중화된 합 또는 합에 대한 비선형 연산을 포함할 수 있다. 출력 신호는 수신 노드에 접속된 노드(들)(다운스트림 노드(들))로 전송될 수 있다. ANN은 파라미터(예컨대, 접속의 가중치 및/또는 바이어스)에 의해 표현되거나 구성될 수 있다. 가중치 및/또는 바이어스는 가중치 및/또는 바이어스가 반복적으로 조절될 수 있는 예로 ANN을 훈련시킴으로써 획득될 수 있다. 결정된 가중치 및/또는 결정된 바이어스로 구성되는 훈련된 ANN은 태스크를 수행하기 위하여 이용될 수 있다.
ANN 내의 노드는 임의의 적당한 아키텍처로 편성될 수 있다. 다양한 실시예에서, ANN 내의 노드는, ANN에 대한 입력 신호(들)를 수신하는 입력 계층, 및 ANN으로부터의 출력 신호(들)를 출력하는 출력 계층을 포함하는 계층으로 편성된다. 실시예에서, ANN은 입력 계층과 출력 계층 사이의 은닉된 계층(hidden layer)(들)과 같은 계층(들)을 더 포함한다. 상이한 계층은 상이한 계층의 개개의 입력에 대한 상이한 종류의 변환을 수행할 수 있다. 신호는 입력 계층으로부터 출력 계층으로 통행할 수 있다.
입력 계층과 출력 계층 사이에서 다수의 계층을 갖는 ANN은 DNN으로서 지칭될 수 있다. 실시예에서, DNN은 데이터가 루프백(loop back)하지 않으면서 입력 계층으로부터 출력 계층으로 유동하는 피드포워드 네트워크(feedforward network)이다. 예에서, DNN은 하나의 계층 내의 각각의 노드가 다음 계층 내의 모든 노드에 접속되는 완전히 접속된 네트워크이다. 실시예에서, DNN은 데이터가 임의의 방향으로 유동할 수 있는 순환 신경망(RNN : recurrent neural network)이다. 실시예에서, DNN은 CNN이다.
CNN은 입력 계층, 출력 계층, 및 입력 계층과 출력 계층 사이의 은닉된 계층(들)을 포함할 수 있다. 은닉된 계층(들)은 2-차원(2D : two-dimensional) 컨볼루션과 같은 컨볼루션을 수행하는 (예컨대, 인코더에서 이용된) 컨볼루션 계층(들)을 포함할 수 있다. 실시예에서, 컨볼루션 계층에서 수행된 2D 컨볼루션은 컨볼루션 커널(convolution kernel)(또한, 5 x 5 행렬과 같은 필터 또는 채널로서 지칭됨)과 컨볼루션 계층에 대한 입력 신호(예컨대, 2D 블록 256 x 256 행렬과 같은 2D 행렬) 사이에 있다. 다양한 예에서, 컨볼루션 커널의 차원(예컨대, 5 x 5)은 입력 신호의 차원(예컨대, 256 x 256)보다 작다. 따라서, 컨볼루션 커널에 의해 커버(cover)되는 입력 신호(예컨대, 256 x 256 행렬) 내의 부분(예컨대, 5 x 5 영역)은 입력 신호의 영역(예컨대, 256 x 256 영역)보다 작고, 이에 따라, 다음 계층 내의 개개의 노드에서의 수용 필드(receptive field)로서 지칭될 수 있다.
컨볼루션 동안에, 컨볼루션 커널 및 입력 신호 내의 대응하는 수용 필드의 내적(dot product)이 계산된다. 따라서, 컨볼루션 커널의 각각의 엘리먼트는 수용 필드 내의 대응하는 샘플에 적용되는 가중치이고, 이에 따라, 컨볼루션 커널은 가중치를 포함한다. 예를 들어, 5 x 5 행렬에 의해 표현된 컨볼루션 커널은 25개의 가중치를 가진다. 일부 예에서, 바이어스(bias)는 컨볼루션 계층의 출력 신호에 적용되고, 출력 신호는 내적 및 바이어스의 합에 기초한다.
컨볼루션 커널은 입력 신호(예컨대, 2D 행렬)를 따라 스트라이드(stride)로서 지칭된 크기만큼 시프트할 수 있고, 이에 따라, 컨볼루션 연산은, CNN 내의 다음 계층의 입력에 궁극적으로 기여하는 특징 맵(feature map) 또는 활성화 맵(activation map)(예컨대, 또 다른 2D 행렬)을 생성한다. 예를 들어, 입력 신호는 256 x 256 샘플을 가지는 2D 블록이고, 스트라이드는 2개의 샘플(예컨대, 2의 스트라이드)이다. 2의 스트라이드에 대하여, 컨볼루션 커널은 X 방향(예컨대, 수평 방향) 및/또는 Y 방향(예컨대, 수직 방향)을 따라 2개의 샘플만큼 시프트한다.
다수의 컨볼루션 커널은 각각 다수의 특징 맵을 생성하기 위하여 동일한 컨볼루션 계층에서 입력 신호에 적용될 수 있고, 여기서, 각각의 특징 맵은 입력 신호의 특정 특징을 나타낼 수 있다. 일반적으로, 각각의 컨볼루션 커널이 M x M 샘플 및 스트라이드 S를 가지는 N개의 채널(즉, N개의 컨볼루션 커널)을 갖는 컨볼루션 계층은 Conv: MxM cN sS로서 특정될 수 있다. 예를 들어, 각각의 컨볼루션 커널이 5 x 5 샘플 및 2의 스트라이드를 가지는 192개의 채널을 갖는 컨볼루션 계층은 Conv: 5x5 c192 s2로서 특정된다. 은닉된 계층(들)은 2D 디컨볼루션과 같은 디컨볼루션을 수행하는 (예컨대, 디코더에서 이용된) 디컨볼루션 계층(들)을 포함할 수 있다. 디컨볼루션(deconvolution)은 컨볼루션의 역이다. 각각의 디컨볼루션 커널이 5 x 5 샘플 및 2의 스트라이드를 가지는 192개의 채널을 갖는 디컨볼루션 계층은 DeConv: 5x5 c192 s2로서 특정된다.
다양한 실시예에서, CNN은 다음의 이점을 가진다. CNN에서의 학습가능한 파라미터(즉, 훈련되어야 할 파라미터)의 수는 피드포워드 DNN과 같은 DNN에서의 학습가능한 파라미터의 수보다 상당히 작을 수 있다. CNN에서, 상대적으로 큰 수의 노드는 동일한 필터(예컨대, 동일한 가중치) 및 동일한 바이어스(바이어스가 이용될 경우)를 공유할 수 있고, 이에 따라, 단일 바이어스 및 가중치의 단일 벡터가 동일한 필터를 공유하는 모든 수용 필드를 가로질러서 이용될 수 있으므로, 메모리 풋프린트(memory footprint)가 감소될 수 있다. 예를 들어, 100 x 100 샘플을 가지는 입력 신호에 대하여, 5 x 5 샘플을 가지는 컨볼루션 커널을 갖는 컨볼루션 계층은 25개의 학습가능한 파라미터(예컨대, 가중치)를 가진다. 바이어스가 이용될 경우에, 하나의 채널은 26개의 학습가능한 파라미터(예컨대, 25개의 가중치 및 하나의 바이어스)를 이용한다. 컨볼루션 계층이 N개의 채널을 가질 경우에, 총 학습가능한 파라미터는 26 x N이다. 다른 한편으로, DNN에서의 완전히 접속된 계층에 대하여, 100 x 100(즉, 10000) 가중치는 다음 계층 내의 각각의 노드에 대하여 이용된다. 다음 계층이 L개의 노드를 가질 경우에, 총 학습가능한 파라미터는 10000 x L이다.
CNN은 풀링 계층(pooling layer)(들), 하나의 계층 내의 모든 노드를 또 다른 계층 내의 모든 노드에 접속할 수 있는 완전히 접속된 계층(들), 정규화 계층(normalization layer)(들), 및/또는 등과 같은 하나 이상의 다른 계층(들)을 더 포함할 수 있다. CNN 내의 계층은 임의의 적당한 순서로 그리고 임의의 적당한 아키텍처(예컨대, 피드-포워드 아키텍처, 순환 아키텍처)로 배열될 수 있다. 예에서, 컨볼루션 계층은 풀링 계층(들), 완전히 접속된 계층(들), 정규화 계층(들), 및/또는 등과 같은 다른 계층(들)에 선행한다.
풀링 계층은 하나의 계층에서의 복수의 노드로부터의 출력을 다음 계층 내의 단일 노드로 조합함으로써 데이터의 차원을 감소시키기 위하여 이용될 수 있다. 특징 맵을 입력으로서 가지는 풀링 계층에 대한 풀링 동작이 이하에서 설명된다. 설명은 다른 입력 신호에 적당하게 적응될 수 있다. 특징 맵은 서브-영역(예컨대, 직사각형 서브-영역)으로 분할될 수 있고, 개개의 서브-영역 내의 특징은 예를 들어, 평균 풀링(average pooling)에서 평균 값을, 또는 최대 풀링(max pooling)에서 최대 값을 취함으로써, 단일 값으로 독립적으로 다운-샘플링(또는 풀링)될 수 있다.
풀링 계층은 로컬 풀링(local pooling), 글로벌 풀링(global pooling), 최대 풀링, 평균 풀링, 및/또는 등과 같은 풀링을 수행할 수 있다. 풀링은 비선형 다운-샘플링(down-sampling)의 형태이다. 로컬 풀링은 특징 맵 내의 작은 수의 노드(예컨대, 2 x 2 노드와 같은 노드의 로컬 클러스터(local cluster))를 조합한다. 글로벌 풀링은 예를 들어, 특징 맵의 모든 노드를 조합할 수 있다.
풀링 계층은 표현의 크기를 감소시킬 수 있고, 이에 따라, CNN에서 파라미터의 수, 메모리 풋프린트, 및 연산의 양을 감소시킬 수 있다. 예에서, 풀링 계층은 CNN 내의 연속적인 컨볼루션 계층 사이에 삽입된다. 예에서, 풀링 계층은 정류된 선형 유닛(ReLU : rectified linear unit) 계층과 같은 활성화 함수(activation function)에 선행한다. 예에서, 풀링 계층은 CNN 내의 연속적인 컨볼루션 계층 사이에서 생략된다.
정규화 계층은 ReLU, 누설 ReLU(leaky ReLU), 일반화된 분할 정규화(GDN : generalized divisive normalization), 역 GDN(IGDN : inverse GDN) 등일 수 있다. ReLU는 음수 값을 제로로 설정함으로써, 특징 맵과 같은 입력 신호로부터 음수 값을 제거하기 위하여 비-포화 활성화 함수(non-saturating activation function)를 적용할 수 있다. 누설 ReLU는 평탄한 기울기(예컨대, 0) 대신에, 음수 값에 대한 작은 기울기(예컨대, 0.01)를 가질 수 있다. 따라서, 값 x가 0보다 클 경우에, 누설 ReLU로부터의 출력은 x이다. 이와 다를 경우에, 누설 ReLU로부터의 출력은 작은 기울기(예컨대, 0.01)에 의해 승산된 값 x이다. 예에서, 기울기는 훈련하기 전에 결정되고, 이에 따라, 훈련하는 동안에 학습되지 않는다.
DNN-기반 또는 CNN-기반 이미지 압축 방법과 같은 NN-기반 이미지 압축 방법에서는, 전체 이미지를 직접적으로 인코딩하는 대신에, 블록-기반 또는 블록별 코딩 메커니즘은 FVC와 같은 DNN-기반 비디오 코딩 표준에서 이미지를 압축하기 위하여 효과적일 수 있다. 전체 이미지는 동일한(또는 다양한) 크기의 블록으로 파티셔닝될 수 있고, 블록은 개별적으로 압축될 수 있다. 실시예에서, 이미지는 동일한 크기 또는 비-동일한 크기를 갖는 블록으로 분할될 수 있다. 이미지 대신에, 분할된 블록이 압축될 수 있다. 도 9a는 개시내용의 실시예에 따른 블록별 이미지 코딩의 예를 도시한다. 이미지(980)는 블록, 예컨대, 블록(981 내지 996)으로 파티셔닝될 수 있다. 블록(981 내지 996)은 예를 들어, 스캐닝 순서에 따라 압축될 수 있다. 도 9a에서 도시된 예에서, 블록(981 내지 989)은 이미 압축되어 있고, 블록(990 내지 996)은 압축되어야 한다.
이미지는 블록으로서 취급될 수 있다. 실시예에서, 이미지는 블록으로 분할되지 않으면서 압축된다. 전체 이미지는 E2E NIC 프레임워크의 입력일 수 있다.
도 9b는 개시내용의 실시예에 따른 예시적인 NIC 프레임워크(900)(예컨대, NIC 시스템)를 도시한다. NIC 프레임워크(900)는 DNN 및/또는 CNN과 같은 신경망에 기초할 수 있다. NIC 프레임워크(900)는 블록을 압축(예컨대, 인코딩)하고 압축된 블록(예컨대, 인코딩된 블록)을 압축해제(예컨대, 디코딩 또는 재구성)하기 위하여 이용될 수 있다. NIC 프레임워크(900)는 2개의 서브-신경망(sub-neural network), 즉, 신경망을 이용하여 구현되는 제1 서브-NN(951) 및 제2 서브-NN(952)을 포함할 수 있다.
제1 서브-NN(951)은 오토인코더(autoencoder)와 유사할 수 있고, 입력 블록 x의 압축된 블록 
를 생성하고 압축된 블록 
를 압축해제하여 재구성된 블록 
를 획득하도록 훈련될 수 있다. 제1 서브-NN(951)은 주 인코더 신경망(또는 주 인코더 네트워크)(911), 양자화기(912), 엔트로피 인코더(913), 엔트로피 디코더(914), 및 주 디코더 신경망(또는 주 인코더 네트워크)(915)과 같은 복수의 컴포넌트(또는 모듈)를 포함할 수 있다. 도 9를 참조하면, 주 인코더 네트워크(911)는 입력 블록 x(예컨대, 압축되거나 인코딩되어야 할 블록)로부터 잠재성분(latent) 또는 잠재 표현(latent representation) y를 생성할 수 있다. 예에서, 주 인코더 네트워크(911)는 CNN을 이용하여 구현된다. 잠재 표현 y와 입력 블록 x 사이의 관계는 수학식 2를 이용하여 설명될 수 있다.
여기서, 파라미터 
는 주 인코더 네트워크(911)에서의 컨볼루션 커널에서 이용된 가중치 및 바이어스(바이어스가 주 인코더 네트워크(911)에서 이용될 경우)와 같은 파라미터를 나타낸다.
잠재 표현 y는 양자화된 잠재성분 
를 생성하기 위하여 양자화기(912)를 이용하여 양자화될 수 있다. 양자화된 잠재성분 
는 입력 블록 x의 압축된 표현 
인 압축된 블록(예컨대, 인코딩된 블록) 
(931)를 생성하기 위하여 엔트로피 인코더(913)에 의해, 예를 들어, 무손실 압축을 이용하여 압축될 수 있다. 엔트로피 인코더(913)는 허프만 코딩(Huffman coding), 산술 코딩(arithmetic coding) 등과 같은 엔트로피 코딩 기법을 이용할 수 있다. 예에서, 엔트로피 인코더(913)는 산술 인코딩(arithmetic encoding)을 이용하고, 산술 인코더(arithmetic encoder)이다. 예에서, 인코딩된 블록(931)은 코딩된 비트스트림에서 송신된다.
인코딩된 블록(931)은 출력을 생성하기 위하여 엔트로피 디코더(914)에 의해 압축해제(예컨대, 엔트로피 디코딩)될 수 있다. 엔트로피 디코더(914)는 엔트로피 인코더(913)에서 이용된 엔트로피 인코딩 기법에 대응하는 허프만 코딩, 산술 코딩 등과 같은 엔트로피 코딩 기법을 이용할 수 있다. 예에서, 엔트로피 디코더(914)는 산술 디코딩(arithmetic decoding)을 이용하고, 산술 디코더(arithmetic decoder)이다. 예에서, 무손실 압축은 엔트로피 인코더(913)에서 이용되고, 무손실 압축해제는 엔트로피 디코더(914)에서 이용되고, 인코딩된 블록(931)의 송신으로 인한 것과 같은 잡음은 생략가능하고, 엔트로피 디코더(914)로부터의 출력은 양자화된 잠재성분 
이다.
주 디코더 네트워크(915)는 재구성된 블록 
를 생성하기 위하여 양자화된 잠재성분 
를 디코딩할 수 있다. 예에서, 주 디코더 네트워크(915)는 CNN을 이용하여 구현된다. 재구성된 블록 
(즉, 주 디코더 네트워크(915)의 출력)와 양자화된 잠재성분 
(즉, 주 디코더 네트워크(915)의 입력) 사이의 관계는 수학식 3을 이용하여 설명될 수 있다.
여기서, 파라미터 
는 주 디코더 네트워크(915)에서의 컨볼루션 커널에서 이용된 가중치 및 바이어스(바이어스가 주 디코더 네트워크(915)에서 이용될 경우)와 같은 파라미터를 나타낸다. 따라서, 제1 서브-NN(951)은 인코딩된 블록(931)을 획득하기 위하여 입력 블록 x를 압축(예컨대, 인코딩)할 수 있고, 재구성된 블록 
를 획득하기 위하여 인코딩된 블록(931)을 압축해제(예컨대, 디코딩)할 수 있다. 재구성된 블록 
는 양자화기(912)에 의해 도입된 양자화 손실로 인해 입력 블록 x와 상이할 수 있다.
제2 서브-NN(952)은 엔트로피 코딩을 위하여 이용된 양자화된 잠재성분 
에 대한 엔트로피 모델(예컨대, 이전 확률 모델)을 학습할 수 있다. 따라서, 엔트로피 모델은 조건부 엔트로피 모델(conditioned entropy model), 예컨대, 가우시안 혼합 모델(GMM : Gaussian mixture model), 즉, 입력 블록 x에 종속적인 가우시안 스케일 모델(GSM : Gaussian scale model)일 수 있다. 제2 서브-NN(952)은 컨텍스트 모델(context model) NN(916), 엔트로피 파라미터(entropy parameter) NN(917), 하이퍼 인코더(hyper encoder)(921), 양자화기(quantizer)(922), 엔트로피 인코더(entropy encoder)(923), 엔트로피 디코더(entropy decoder)(924), 및 하이퍼 디코더(hyper decoder)(925)를 포함할 수 있다. 컨텍스트 모델 NN(916)에서 이용된 엔트로피 모델은 잠재성분(예컨대, 양자화된 잠재성분 
)에 대한 자동회귀 모델(autoregressive model)일 수 있다. 예에서, 하이퍼 인코더(921), 양자화기(922), 엔트로피 인코더(923), 엔트로피 디코더(924), 하이퍼 디코더(925)는 하이퍼 신경망(hyper neural network)(예컨대, 하이퍼프라이어(hyperprior) NN)을 형성한다. 하이퍼 신경망은 컨텍스트-기반 예측을 정정하기 위하여 유용한 정보를 나타낼 수 있다. 컨텍스트 모델 NN(916) 및 하이퍼 신경망으로부터의 데이터는 엔트로피 파라미터 NN(917)에 의해 조합될 수 있다. 엔트로피 파라미터 NN(917)은 조건적 가우시안 엔트로피 모델(conditional Gaussian entropy model)(예컨대, GMM)과 같은 엔트로피 모델에 대한 평균 및 스케일 파라미터(mean and scale parameter)와 같은 파라미터를 생성할 수 있다.
도 9b를 참조하면, 인코더 측에서, 양자화기(912)로부터의 양자화된 잠재성분 
는 컨텍스트 모델 NN(916)으로 이송된다. 디코더 측에서, 엔트로피 디코더(914)로부터의 양자화된 잠재성분 
는 컨텍스트 모델 NN(916)으로 이송된다. 컨텍스트 모델 NN(916)은 CNN과 같은 신경망을 이용하여 구현될 수 있다. 컨텍스트 모델 NN(916)은 컨텍스트 모델 NN(916)이 이용가능한 양자화된 잠재성분 
인 컨텍스트 
에 기초하여 출력 
을 생성할 수 있다. 컨텍스트 
는 인코더 측에서의 이전에 양자화된 잠재성분, 또는 디코더 측에서의 이전에 엔트로피 디코딩된 양자화된 잠재성분을 포함할 수 있다. 컨텍스트 모델 NN(916)의 출력 
과 입력(예컨대, 
) 사이의 관계는 수학식 4를 이용하여 설명될 수 있다.
여기서, 파라미터 
는 컨텍스트 모델 NN(916)에서의 컨볼루션 커널에서 이용된 가중치 및 바이어스(바이어스가 컨텍스트 모델 NN(916)에서 이용될 경우)와 같은 파라미터를 나타낸다.
컨텍스트 모델 NN(916)으로부터의 출력 
및 하이퍼 디코더(925)로부터의 출력 
은 출력 
을 생성하기 위하여 엔트로피 파라미터 NN(917)으로 이송된다. 엔트로피 파라미터 NN(917)은 CNN과 같은 신경망을 이용하여 구현될 수 있다. 엔트로피 파라미터 NN(917)의 출력 
과 입력(예컨대, 
및 
) 사이의 관계는 수학식 5를 이용하여 설명될 수 있다.
여기서, 파라미터 
는 엔트로피 파라미터 NN(917)에서의 컨볼루션 커널에서 이용된 가중치 및 바이어스(바이어스가 엔트로피 파라미터 NN(917)에서 이용될 경우)와 같은 파라미터를 나타낸다. 엔트로피 파라미터 NN(917)의 출력은 엔트로피 모델을 결정(예컨대, 조절)할 시에 이용될 수 있고, 이에 따라, 조절된 엔트로피 모델은 예를 들어, 하이퍼 디코더(925)로부터의 출력 
을 통해, 입력 블록 x에 종속적일 수 있다. 예에서, 출력 
은 엔트로피 모델(예컨대, GMM)을 조절하기 위하여 이용된 평균 및 스케일 파라미터와 같은 파라미터를 포함한다. 도 9b를 참조하면, 엔트로피 모델(예컨대, 조절된 엔트로피 모델)은 각각 엔트로피 코딩 및 엔트로피 디코딩에서 엔트로피 인코더(913) 및 엔트로피 디코더(914)에 의해 채용될 수 있다.
제2 서브-NN(952)은 이하에서 설명될 수 있다. 잠재성분 y는 하이퍼 잠재성분 z를 생성하기 위하여 하이퍼 인코더(921)로 이송될 수 있다. 예에서, 하이퍼 인코더(921)는 CNN과 같은 신경망을 이용하여 구현된다. 하이퍼 잠재성분 z 및 잠재성분 y 사이의 관계는 수학식 6을 이용하여 설명될 수 있다.
여기서, 파라미터 
는 하이퍼 인코더(921)에서의 컨볼루션 커널에서 이용된 가중치 및 바이어스(바이어스가 하이퍼 인코더(921)에서 이용될 경우)와 같은 파라미터를 나타낸다.
하이퍼 잠재성분 z는 양자화된 잠재성분 
을 생성하기 위하여 양자화기(922)에 의해 양자화된다. 양자화된 잠재성분 
는 하이퍼 신경망으로부터의 인코딩된 비트(932)와 같은 부가 정보(side information)를 생성하기 위하여 엔트로피 인코더(923)에 의해, 예를 들어, 무손실 압축을 이용하여 압축될 수 있다. 엔트로피 인코더(923)는 허프만 코딩, 산술 코딩 등과 같은 엔트로피 코딩 기법을 이용할 수 있다. 예에서, 엔트로피 인코더(923)는 산술 인코딩을 이용하고, 산술 인코더이다. 예에서, 인코딩된 비트(932)와 같은 부가 정보는 예를 들어, 인코딩된 블록(931)과 함께, 코딩된 비트스트림에서 송신될 수 있다.
인코딩된 비트(932)와 같은 부가 정보는 출력을 생성하기 위하여 엔트로피 디코더(924)에 의해 압축해제(예컨대, 엔트로피 디코딩)될 수 있다. 엔트로피 디코더(924)는 허프만 코딩, 산술 코딩 등과 같은 엔트로피 코딩 기법을 이용할 수 있다. 예에서, 엔트로피 디코더(924)는 산술 디코딩을 이용하고, 산술 디코더이다. 예에서, 무손실 압축은 엔트로피 인코더(923)에서 이용되고, 무손실 압축해제는 엔트로피 디코더(924)에서 이용되고, 부가 정보의 송신으로 인한 것과 같은 잡음은 생략가능하고, 엔트로피 디코더(924)로부터의 출력은 양자화된 잠재성분 
일 수 있다. 하이퍼 디코더(925)는 출력 
을 생성하기 위하여 양자화된 잠재성분 
를 디코딩할 수 있다. 출력 
및 양자화된 잠재성분 
사이의 관계는 수학식 7을 이용하여 설명될 수 있다.
여기서, 파라미터 
는 하이퍼 디코더(925)에서의 컨볼루션 커널에서 이용된 가중치 및 바이어스(바이어스가 하이퍼 디코더(925)에서 이용될 경우)와 같은 파라미터를 나타낸다.
위에서 설명된 바와 같이, 압축된 또는 인코딩된 비트(932)는 부가 정보로서 코딩된 비트스트림에 추가될 수 있고, 이것은 엔트로피 디코더(914)가 조건적 엔트로피 모델을 이용하는 것을 가능하게 한다. 따라서, 엔트로피 모델은 블록-종속적 및 공간적으로 적응적일 수 있고, 이에 따라, 고정된 엔트로피 모델보다 더 정확할 수 있다.
NIC 프레임워크(900)는 예를 들어, 도 9에서 도시된 하나 이상의 컴포넌트를 생략하고, 도 9에서 도시된 하나 이상의 컴포넌트를 수정하고, 및/또는 도 9에서 도시된 하나 이상의 컴포넌트를 포함하도록 적당하게 적응될 수 있다. 예에서, 고정된 엔트로피 모델을 이용하는 NIC 프레임워크는 제1 서브-NN(51)을 포함하고, 제2 서브-NN(952)을 포함하지 않는다. 예에서, NIC 프레임워크는 엔트로피 인코더(923) 및 엔트로피 디코더(924)를 제외한, NIC 프레임워크(900) 내의 컴포넌트를 포함한다.
실시예에서, 도 9에서 도시된 NIC 프레임워크(900) 내의 하나 이상의 컴포넌트는 CNN(들)과 같은 신경망(들)을 이용하여 구현된다. NIC 프레임워크(예컨대, NIC 프레임워크(900)) 내의 각각의 NN-기반 컴포넌트(예컨대, 주 인코더 네트워크(911), 주 디코더 네트워크(915), 컨텍스트 모델 NN(916), 엔트로피 파라미터 NN(917), 하이퍼 인코더(921), 또는 하이퍼 디코더(925))는 임의의 적당한 아키텍처(예컨대, 계층의 임의의 적당한 조합을 가짐)를 포함할 수 있고, 임의의 적당한 유형의 파라미터(예컨대, 가중치, 바이어스, 가중치 및 바이어스의 조합, 및/또는 등)를 포함할 수 있고, 임의의 적당한 수의 파라미터를 포함할 수 있다.
실시예에서, 주 인코더 네트워크(911), 주 디코더 네트워크(915), 컨텍스트 모델 NN(916), 엔트로피 파라미터 NN(917), 하이퍼 인코더(921), 및 하이퍼 디코더(925)는 개개의 CNN을 이용하여 구현된다.
도 10은 개시내용의 실시예에 따른 주 디코더 네트워크(911)의 예시적인 CNN을 도시한다. 예를 들어, 주 인코더 네트워크(911)는 계층들의 4개의 세트를 포함하고, 여기서, 계층들의 각각의 세트는 컨볼루션 계층(convolution layer) 5x5 c192 s2 및 이에 후행하는 GDN 계층을 포함한다. 도 10에서 도시된 하나 이상의 계층은 수정되고 및/또는 생략될 수 있다. 추가적인 계층(들)은 주 인코더 네트워크(911)에 추가될 수 있다.
도 11은 개시내용의 실시예에 따른 주 디코더 네트워크(915)의 예시적인 CNN을 도시한다. 예를 들어, 주 디코더 네트워크(915)는 계층들의 3개의 세트를 포함하고, 여기서, 계층들의 각각의 세트는 디컨볼루션 계층(deconvolution layer) 5x5 c192 s2 및 이에 후행하는 IGDN 계층을 포함한다. 추가적으로, 계층들의 3개의 세트는 디컨볼루션 계층 5x5 c3 s2 및 이에 후행하는 IGDN 계층에 선행한다. 도 11에서 도시된 하나 이상의 계층은 수정되고 및/또는 생략될 수 있다. 추가적인 계층(들)은 주 디코더 네트워크(915)에 추가될 수 있다.
도 12는 개시내용의 실시예에 따른 하이퍼 인코더(921)의 예시적인 CNN을 도시한다. 예를 들어, 하이퍼 인코더(921)는 컨볼루션 계층 3x3 c192 s1 및 이에 후행하는 누설 ReLU, 컨볼루션 계층 5x5 c192 s2 및 이에 후행하는 누설 ReLU, 및 컨볼루션 계층 5x5 c192 s2를 포함한다. 도 12에서 도시된 하나 이상의 계층은 수정되고 및/또는 생략될 수 있다. 추가적인 계층(들)은 하이퍼 인코더(921)에 추가될 수 있다.
도 13은 개시내용의 실시예에 따른 하이퍼 디코더(925)의 예시적인 CNN을 도시한다. 예를 들어, 하이퍼 디코더(925)는 디컨볼루션 계층 5x5 c192 s2 및 이에 후행하는 누설 ReLU, 디컨볼루션 계층 5x5 c288 s2 및 이에 후행하는 누설 ReLU, 및 디컨볼루션 계층 3x3 c384 s1을 포함한다. 도 13에서 도시된 하나 이상의 계층은 수정되고 및/또는 생략될 수 있다. 추가적인 계층(들)은 하이퍼 인코더(925)에 추가될 수 있다.
도 14는 개시내용의 실시예에 따른 컨텍스트 모델 네트워크(context model network)의 예시적인 CNN을 도시한다. 예를 들어, 컨텍스트 모델 NN(916)은 컨텍스트 예측을 위한 마스킹된 컨볼루션 5x5 c384 s1을 포함하고, 이에 따라, 수학식 4에서의 컨텍스트 
는 제한된 컨텍스트(예컨대, 5x5 컨볼루션 커널)를 포함한다. 도 14에서의 컨볼루션 계층은 수정될 수 있다. 추가적인 계층(들)은 컨텍스트 모델 NN(916)에 추가될 수 있다.
도 15는 개시내용의 실시예에 따른 엔트로피 파라미터 NN(917)의 예시적인 CNN을 도시한다. 예를 들어, 엔트로피 파라미터 NN(917)은 컨볼루션 계층 1x1 c640 s1 및 이에 후행하는 누설 ReLU, 컨볼루션 계층 1x1 c512 s1 및 이에 후행하는 누설 ReLU, 및 컨볼루션 계층 1x1 c384 s1을 포함한다. 도 15에서 도시된 하나 이상의 계층은 수정되고 및/또는 생략될 수 있다. 추가적인 계층(들)은 엔트로피 파라미터 NN(917)에 추가될 수 있다.
NIC 프레임워크(900)는 도 10 내지 도 15를 참조하여 설명된 바와 같이, CNN을 이용하여 구현될 수 있다. NIC 프레임워크(900)는 NIC 프레임워크(900) 내의 하나 이상의 컴포넌트(예컨대, 911, 915, 916, 917, 921, 및/또는 925)가 임의의 적당한 유형의 신경망(예컨대, CNN 또는 비-CNN 기반 신경망)을 이용하여 구현되도록 적당하게 적응될 수 있다. NIC 프레임워크(900) 내의 하나 이상의 다른 컴포넌트는 신경망(들)을 이용하여 구현될 수 있다.
신경망(예컨대, CNN)을 포함하는 NIC 프레임워크(900)는 신경망에서 이용된 파라미터를 학습하도록 훈련될 수 있다. 예를 들어, CNN이 이용될 때, 주 인코더 네트워크(911)에서의 컨볼루션 커널에서 이용된 가중치 및 바이어스(바이어스가 주 인코더 네트워크(911)에서 이용될 경우), 주 디코더 네트워크(915)에서의 컨볼루션 커널에서 이용된 가중치 및 바이어스(바이어스가 주 디코더 네트워크(915)에서 이용될 경우), 하이퍼 디코더(925)에서의 컨볼루션 커널에서 이용된 가중치 및 바이어스(바이어스가 하이퍼 디코더(925)에서 이용될 경우), 컨텍스트 모델 NN(916)에서의 컨볼루션 커널(들)에서 이용된 가중치 및 바이어스(바이어스가 컨텍스트 모델 NN(916)에서 이용될 경우), 및 엔트로피 파라미터 NN(917)에서의 컨볼루션 커널에서 이용된 가중치 및 바이어스(바이어스가 엔트로피 파라미터 NN(917)에서 이용될 경우)와 같은, 
에 의해 표현된 파라미터는 훈련 프로세스에서 각각 학습될 수 있다.
예에서, 도 10을 참조하면, 주 인코더 네트워크(911)는 4개의 컨볼루션 계층을 포함하고, 여기서, 각각의 컨볼루션 계층은 5x5의 컨볼루션 커널 및 192개의 채널을 가진다. 따라서, 주 인코더 네트워크(911)에서의 컨볼루션 커널에서 이용된 가중치의 수는 19200(즉, 4x5x5x192)이다. 주 인코더 네트워크(911)에서 이용된 파라미터는 19200개의 가중치 및 임의적인 바이어스를 포함한다. 추가적인 파라미터(들)는 바이어스 및/또는 추가적인 NN(들)이 주 인코더 네트워크(911)에서 이용될 때에 포함될 수 있다.
도 9b를 참조하면, NIC 프레임워크(900)는 신경망(들) 상에서 구축된 적어도 하나의 컴포넌트 또는 모듈을 포함한다. 적어도 하나의 컴포넌트는 주 인코더 네트워크(911), 주 디코더 네트워크(915), 하이퍼 인코더(921), 하이퍼 디코더(925), 컨텍스트 모델 NN(916), 및 엔트로피 파라미터 NN(917) 중의 하나 이상을 포함할 수 있다. 적어도 하나의 컴포넌트는 개별적으로 훈련될 수 있다. 예에서, 훈련 프로세스는 각각의 컴포넌트에 대한 파라미터를 별도로 학습시키기 위하여 이용된다. 적어도 하나의 컴포넌트는 그룹으로서 공동으로 훈련될 수 있다. 예에서, 훈련 프로세스는 적어도 하나의 컴포넌트의 서브세트에 대한 파라미터를 공동으로 학습시키기 위하여 이용된다. 예에서, 훈련 프로세스는 적어도 하나의 컴포넌트의 전부에 대한 파라미터를 학습시키기 위하여 이용되고, 따라서, E2E 최적화로서 지칭된다.
NIC 프레임워크(900) 내의 하나 이상의 파라미터에 대한 훈련 프로세스에서, 하나 이상의 컴포넌트의 가중치(또는 가중 계수)는 초기화될 수 있다. 예에서, 가중치는 사전-훈련된 대응하는 신경망 모델(들)(예컨대, DNN 모델, CNN 모델)에 기초하여 초기화된다. 예에서는, 가중치를 난수(random number)로 설정함으로써 가중치가 초기화된다.
훈련 블록들의 세트는 예를 들어, 가중치가 초기화된 후에, 하나 이상의 컴포넌트를 훈련시키기 위하여 채용될 수 있다. 훈련 블록들의 세트는 임의의 적당한 크기(들)를 가지는 임의의 적당한 블록을 포함할 수 있다. 일부 예에서, 훈련 블록들의 세트는 공간적 도메인 내에 있는 수신할 원시 이미지, 자연 이미지, 컴퓨터-생성된 이미지, 및/또는 등으로부터의 블록을 포함한다. 일부 예에서, 훈련 블록들의 세트는 공간적 도메인에서 잔차 데이터를 가지는 잔차 블록 또는 잔차 이미지로부터의 블록을 포함한다. 잔차 데이터는 잔차 계산기(예컨대, 잔차 계산기(723))에 의해 계산될 수 있다. 일부 예에서, 원시 이미지 및/또는 잔차 데이터를 포함하는 잔차 이미지는 NIC 프레임워크에서의 신경망을 훈련시키기 위하여 직접적으로 이용될 수 있다. 따라서, 원시 이미지, 잔차 이미지, 원시 이미지로부터의 블록, 및/또는 잔차 이미지로부터의 블록은 NIC 프레임워크에서의 신경망을 훈련시키기 위하여 이용될 수 있다.
간결함을 위하여, 이하의 훈련 프로세스는 훈련 블록을 예로서 이용하여 설명된다. 설명은 훈련 이미지에 적당하게 적응될 수 있다. 훈련 블록들의 세트의 훈련 블록 t는 압축된 표현(예컨대, 비트스트림으로의, 예를 들어, 인코딩된 정보)을 생성하기 위하여 도 9b에서의 인코딩 프로세스를 통과하게 될 수 있다. 인코딩된 정보는 재구성된 블록 
를 연산하고 재구성하기 위하여 도 9b에서 설명된 디코딩 프로세스를 통과하게 될 수 있다.
NIC 프레임워크(900)에 대하여, 2개의 경합하는 타깃, 예컨대, 재구성 품질 및 비트 소비가 균형이 잡힌다. 품질 손실 함수(예컨대, 왜곡 또는 왜곡 손실) 
는 재구성(예컨대, 재구성된 블록 
)과 원래의 블록(예컨대, 훈련 블록 t) 사이의 차이와 같은 재구성 품질을 지시하기 위하여 이용될 수 있다. 레이트(또는 레이트 손실) R은 압축된 표현의 비트 소비를 지시하기 위하여 이용될 수 있다. 예에서, 레이트 손실 R은 예를 들어, 컨텍스트 모델을 결정할 시에 이용된 부가 정보를 더 포함한다.
자연 이미지 압축을 위하여, 양자화의 구별가능한 근사화는 E2E 최적화에서 이용될 수 있다. 다양한 예에서, 신경망-기반 이미지 압축의 훈련 프로세스에서는, 잡음 주입이 양자화를 시뮬레이팅하기 위하여 이용되고, 따라서, 양자화는 양자화기(예컨대, 양자화기(912))에 의해 수행되는 대신에, 잡음 주입에 의해 시뮬레이팅된다. 따라서, 잡음 주입에 의한 훈련은 양자화 에러를 변분식으로(variationally) 근사화할 수 있다. 픽셀 당 비트(BPP : bits per pixel) 추정기는 엔트로피 코더를 시뮬레이팅하기 위하여 이용될 수 있고, 따라서, 엔트로피 코딩은 엔트로피 인코더(예컨대, 913) 및 엔트로피 디코더(예컨대, 914)에 의해 수행되는 대신에, BPP 추정기에 의해 시뮬레이팅된다. 그러므로, 훈련 프로세스 동안에 수학식 1에서 도시된 손실 함수 L에서의 레이트 손실 R은 예를 들어, 잡음 주입 및 BPP 추정기에 기초하여 추정될 수 있다. 일반적으로, 더 높은 레이트 R은 더 낮은 왜곡 D를 허용할 수 있고, 더 낮은 레이트 R은 더 높은 왜곡 D를 초래할 수 있다. 따라서, 수학식 1에서의 절충 하이퍼파라미터 
는 공동 R-D 손실 L을 최적화하기 위하여 이용될 수 있고, 여기서, 
및 R의 합산으로서의 L은 최적화될 수 있다. 훈련 프로세스는 공동 R-D 손실 L이 최소화되거나 최적화되도록, NIC 프레임워크(900)에서의 하나 이상의 파라미터(예컨대, 911, 915)의 파라미터를 조절하기 위하여 이용될 수 있다.
다양한 모델은 왜곡 손실 D 및 레이트 손실 R을 결정하고, 따라서, 수학식 1에서의 공동 R-D 손실 L을 결정하기 위하여 이용될 수 있다. 예에서, 왜곡 손실 
은 평균 제곱 오차(mean squared error), 멀티스케일 구조적 유사도(MS-SSIM : multiscale structural similarity) 품질 인덱스, PSNR 및 MS-SSIM의 가중화된 조합 등에 기초한 메트릭(metric)인 피크 신호-대-잡음 비율(PSNR : peak signal-to-noise ratio)로서 표현된다.
예에서, 훈련 프로세스의 타깃은 인코더 측 상에서 이용되어야 할 비디오 인코더와 같은 인코딩 신경망(예컨대, 인코딩 DNN), 및 디코더 측 상에서 이용되어야 할 비디오 디코더와 같은 디코딩 신경망(예컨대, 디코딩 DNN)을 훈련시키기 위한 것이다. 예에서, 도 9b를 참조하면, 인코딩 신경망은 주 인코더 네트워크(911), 하이퍼 인코더(921), 하이퍼 디코더(925), 컨텍스트 모델 NN(916), 및 엔트로피 파라미터 NN(917)을 포함할 수 있다. 디코딩 신경망은 주 디코더 네트워크(915), 하이퍼 디코더(925), 컨텍스트 모델 NN(916), 및 엔트로피 파라미터 NN(917)을 포함할 수 있다. 비디오 인코더 및/또는 비디오 디코더는 NN(들)에 기초하고 및/또는 NN(들)에 기초하지 않는 다른 컴포넌트(들)를 포함할 수 있다.
NIC 프레임워크(예컨대, NIC 프레임워크(900))는 E2E 방식으로 훈련될 수 있다. 예에서, 인코딩 신경망 및 디코딩 신경망은 E2E 방식으로 역전파된 경도(backpropagated gradient)에 기초하여 훈련 프로세스에서 업데이트된다.
NIC 프레임워크(900)에서의 신경망의 파라미터가 훈련된 후에, NIC 프레임워크(900)에서의 하나 이상의 컴포넌트는 블록을 인코딩하고 및/또는 디코딩하기 위하여 이용될 수 있다. 실시예에서, 인코더 측 상에서는, 비디오 인코더가 입력 블록 x를 비트스트림에서 송신되어야 할 인코딩된 블록(931)으로 인코딩하도록 구성된다. 비디오 인코더는 NIC 프레임워크(900)에서의 다수의 컴포넌트를 포함할 수 있다. 실시예에서, 디코더 측 상에서는, 대응하는 비디오 디코더가 비트스트림 내의 인코딩된 블록(931)을 재구성된 블록 
로 디코딩하도록 구성된다. 비디오 디코더는 NIC 프레임워크(900)에서의 다수의 컴포넌트를 포함할 수 있다.
예에서, 비디오 인코더는 예를 들어, 컨텐츠-적응적 온라인 훈련이 채용될 때, NIC 프레임워크(900)에서의 모든 컴포넌트를 포함한다.
도 16a는 개시내용의 실시예에 따른 예시적인 비디오 인코더(1600A)를 도시한다. 비디오 인코더(1600A)는 도 9b를 참조하여 설명되는 주 인코더 네트워크(911), 양자화기(912), 엔트로피 인코더(913), 및 제2 서브-NN(952)을 포함하고, 상세한 설명은 간결함을 위하여 생략된다. 도 16b는 개시내용의 실시예에 따른 예시적인 비디오 디코더(1600B)를 도시한다. 비디오 디코더(1600B)는 비디오 인코더(1600A)에 대응할 수 있다. 비디오 디코더(1600B)는 주 디코더 네트워크(915), 엔트로피 디코더(914), 컨텍스트 모델 NN(916), 엔트로피 파라미터 NN(917), 엔트로피 디코더(924), 및 하이퍼 디코더(925)를 포함할 수 있다. 도 16a 내지 도 16b를 참조하면, 인코더 측 상에서, 비디오 인코더(1600A)는 비트스트림에서 송신되어야 할 인코딩된 블록(931) 및 인코딩된 비트(932)를 생성할 수 있다. 디코더 측 상에서는, 비디오 디코더(1600B)는 인코딩된 블록(931) 및 인코딩된 비트(932)를 수신하고 디코딩할 수 있다.
도 17 내지 도 18은 개시내용의 실시예에 따른 예시적인 비디오 인코더(1700) 및 대응하는 비디오 디코더(1800)를 각각 도시한다. 도 17을 참조하면, 인코더(1700)는 주 인코더 네트워크(911), 양자화기(912), 및 엔트로피 인코더(913)를 포함한다. 주 인코더 네트워크(911), 양자화기(912), 및 엔트로피 인코더(913)의 예는 도 9b를 참조하여 설명된다. 도 18을 참조하면, 비디오 디코더(1800)는 주 디코더 네트워크(915) 및 엔트로피 디코더(914)를 포함한다. 주 디코더 네트워크(915) 및 엔트로피 디코더(914)의 예는 도 9b를 참조하여 설명된다. 도 17 및 도 18을 참조하면, 비디오 인코더(1700)는 비트스트림에서 송신되어야 할 인코딩된 블록(931)을 생성할 수 있다. 비디오 디코더(1800)는 인코딩된 블록(931)을 수신하고 디코딩할 수 있다.
위에서 설명된 바와 같이, 비디오 인코더 및 비디오 디코더를 포함하는 NIC 프레임워크(900)는 훈련 이미지들의 세트 내의 이미지 및/또는 블록에 기초하여 훈련될 수 있다. 일부 예에서, 압축(예컨대, 인코딩)되고 및/또는 송신되어야 할 하나 이상의 블록은 훈련 블록들의 세트와 상당히 상이한 성질을 가진다. 따라서, 훈련 블록들의 세트에 기초하여 각각 훈련된 비디오 인코더 및 비디오 디코더를 이용하여 하나 이상의 블록을 인코딩하고 디코딩하는 것은, 상대적으로 열악한 R-D 손실 L(예컨대, 상대적으로 큰 왜곡 및/또는 상대적으로 큰 비트 레이트)을 초래할 수 있다. 그러므로, 개시내용의 측면은 NIC를 위한 블록별 컨텐츠-적응적 온라인 훈련과 같은, NIC를 위한 컨텐츠-적응적 온라인 훈련 방법을 설명한다.
블록별 컨텐츠-적응적 온라인 훈련 방법에서, 입력 이미지는 블록으로 분할될 수 있고, 블록 중의 하나 이상은 레이트-왜곡 성능을 최적화함으로써 하나 이상의 대체 파라미터가 되도록 사전훈련된 NIC 프레임워크에서의 하나 이상의 파라미터를 업데이트하기 위하여 이용될 수 있다. 하나 이상의 대체 파라미터 또는 하나 이상의 대체 파라미터들의 서브세트를 지시하는 신경망 업데이트 정보는 블록 중의 인코딩된 하나 이상과 함께, 비트스트림으로 인코딩될 수 있다. 디코더 측에서, 비디오 디코더는 블록 중의 인코딩된 하나 이상을 디코딩할 수 있고, 하나 이상의 대체 파라미터 또는 하나 이상의 대체 파라미터들의 서브세트를 이용함으로써 더 양호한 압축 성능을 달성할 수 있다. 블록별 컨텐츠-적응적 온라인 훈련 방법은 사전훈련된 E2E NIC 압축 방법의 압축 성능을 신장시키기 위한 프리프로세싱(preprocessing) 단계(예컨대, 사전-인코딩 단계)로서 이용될 수 있다.
훈련 블록들의 세트에 기초한 훈련 프로세스 및 압축(예컨대, 인코딩)되고 및/또는 송신되어야 할 하나 이상의 블록에 기초한 컨텐츠-적응적 온라인 훈련 프로세스를 구별하기 위하여, 훈련 블록들의 세트에 의해 훈련되는 NIC 프레임워크(900), 비디오 인코더, 및 비디오 디코더는 각각 사전훈련된 NIC 프레임워크(900), 사전훈련된 비디오 인코더, 및 사전훈련된 비디오 디코더로서 지칭된다. 사전훈련된 NIC 프레임워크(900), 사전훈련된 비디오 인코더, 또는 사전훈련된 비디오 디코더에서의 파라미터는 각각 NIC 사전훈련된 파라미터, 인코더 사전훈련된 파라미터, 및 디코더 사전훈련된 파라미터로서 지칭된다. 예에서, NIC 사전훈련된 파라미터는 인코더 사전훈련된 파라미터 및 디코더 사전훈련된 파라미터를 포함한다. 예에서, 인코더 사전훈련된 파라미터 및 디코더 사전훈련된 파라미터는 중첩되지 않고, 여기서, 인코더 사전훈련된 파라미터의 어느 것도 디코더 사전훈련된 파라미터 내에 포함되지 않는다. 예를 들어, 1700에서의 인코더 사전훈련된 파라미터(예컨대, 주 인코더 네트워크(911)에서의 사전훈련된 파라미터) 및 1800에서의 디코더 사전훈련된 파라미터(예컨대, 주 디코더 네트워크(915)에서의 사전훈련된 파라미터)는 중첩하지 않는다. 예에서, 인코더 사전훈련된 파라미터 및 디코더 사전훈련된 파라미터는 중첩하고, 여기서, 인코더 사전훈련된 파라미터 중의 적어도 하나는 디코더 사전훈련된 파라미터 내에 포함된다. 예를 들어, 1600A에서의 인코더 사전훈련된 파라미터(예컨대, 컨텍스트 모델 NN(916)에서의 사전훈련된 파라미터) 및 1600B에서의 디코더 사전훈련된 파라미터(예컨대, 컨텍스트 모델 NN(916)에서의 사전훈련된 파라미터)는 중첩한다. NIC 사전훈련된 파라미터는 훈련 블록들의 세트 내의 블록 및/또는 이미지에 기초하여 획득될 수 있다.
컨텐츠-적응적 온라인 훈련 프로세스는 미세튜닝 프로세스(finetuning process)로서 지칭될 수 있고, 이하에서 설명된다. 사전훈련된 NIC 프레임워크(900)에서의 NIC 사전훈련된 파라미터 중 하나 이상의 사전훈련된 파라미터는 인코딩되고 및/또는 송신되어야 할 하나 이상의 블록에 기초하여 추가로 훈련(예컨대, 미세튜닝)될 수 있고, 여기서, 하나 이상의 블록은 훈련 블록들의 세트와 상이할 수 있다. NIC 사전훈련된 파라미터에서 이용된 하나 이상의 사전훈련된 파라미터는 하나 이상의 블록에 기초하여 공동 R-D 손실 L을 최적화함으로써 미세튜닝될 수 있다. 하나 이상의 블록에 의해 미세튜닝되었던 하나 이상의 사전훈련된 파라미터는 하나 이상의 대체 파라미터 또는 하나 이상의 미세튜닝된 파라미터로서 지칭된다. 실시예에서, NIC 사전훈련된 파라미터 중 하나 이상의 사전훈련된 파라미터가 하나 이상의 대체 파라미터에 의해 미세튜닝(예컨대, 대체)된 후에, 신경망 업데이트 정보는 비트스트림으로 인코딩되어, 하나 이상의 대체 파라미터 또는 하나 이상의 대체 파라미터들의 서브세트를 지시한다. 예에서, NIC 프레임워크(900)는 업데이트(또는 미세튜닝)되고, 여기서, 하나 이상의 사전훈련된 파라미터는 각각 하나 이상의 대체 파라미터에 의해 대체된다.
제1 시나리오에서, 하나 이상의 사전훈련된 파라미터는 하나 이상의 사전훈련된 파라미터들의 제1 서브세트, 및 하나 이상의 사전훈련된 파라미터들의 제2 서브세트를 포함한다. 하나 이상의 대체 파라미터는 하나 이상의 대체 파라미터들의 제1 서브세트, 및 하나 이상의 대체 파라미터들의 제2 서브세트를 포함한다.
하나 이상의 사전훈련된 파라미터들의 제1 서브세트는 사전훈련된 비디오 인코더에서 이용되고, 예를 들어, 훈련 프로세스에서 하나 이상의 대체 파라미터들의 제1 서브세트에 의해 대체된다. 따라서, 사전훈련된 비디오 인코더는 훈련 프로세스에 의해 업데이트된 비디오 인코더로 업데이트된다. 신경망 업데이트 정보는 하나 이상의 대체 파라미터들의 제2 서브세트를 대체하기 위한 하나 이상의 대체 파라미터들의 제2 서브세트를 지시할 수 있다. 하나 이상의 블록은 업데이트된 비디오 인코더를 이용하여 인코딩될 수 있고, 신경망 업데이트 정보와 함께 비트스트림에서 송신될 수 있다.
디코더 측 상에서, 하나 이상의 사전훈련된 파라미터들의 제2 서브세트는 사전훈련된 비디오 디코더에서 이용된다. 실시예에서, 사전훈련된 비디오 디코더는 하나 이상의 대체 파라미터들의 제2 서브세트를 결정하기 위하여 신경망 업데이트 정보를 수신하고 디코딩한다. 사전훈련된 비디오 디코더에서의 하나 이상의 사전훈련된 파라미터들의 제2 서브세트가 하나 이상의 대체 파라미터들의 제2 서브세트에 의해 대체될 때, 사전훈련된 비디오 디코더는 업데이트된 비디오 디코더로 업데이트된다. 하나 이상의 인코딩된 블록은 업데이트된 비디오 디코더를 이용하여 디코딩될 수 있다.
도 16a 내지 도 16b는 제1 시나리오의 예를 도시한다. 예를 들어, 하나 이상의 사전훈련된 파라미터는 사전훈련된 컨텍스트 모델 NN(916)에서의 N1 개의 사전훈련된 파라미터, 및 사전훈련된 주 디코더 네트워크(915)에서의 N2 개의 사전훈련된 파라미터를 포함한다. 따라서, 하나 이상의 사전훈련된 파라미터들의 제1 서브세트는 N1 개의 사전훈련된 파라미터를 포함하고, 하나 이상의 사전훈련된 파라미터의 제2 서브세트는 하나 이상의 사전훈련된 파라미터와 동일하다. 따라서, 사전훈련된 컨텍스트 모델 NN(916)에서의 N1 개의 사전훈련된 파라미터는 N1 개의 대응하는 대체 파라미터에 의해 대체될 수 있어서, 사전훈련된 비디오 인코더(1600A)는 업데이트된 비디오 인코더(1600A)로 업데이트될 수 있다. 사전훈련된 컨텍스트 모델 NN(916)은 또한, 업데이트된 컨텍스트 모델 NN(916)이 되도록 업데이트된다. 디코더 측 상에서, N1 개의 사전훈련된 파라미터는 N1 개의 대응하는 대체 파라미터에 의해 대체될 수 있고, N2 개의 사전훈련된 파라미터는 N2 개의 대응하는 대체 파라미터에 의해 대체될 수 있어서, 사전훈련된 컨텍스트 모델 NN(916)이 업데이트된 컨텍스트 모델 NN(916)인 것으로 업데이트하고, 사전훈련된 주 디코더 네트워크(915)를 업데이트된 주 디코더 네트워크(915)인 것으로 업데이트한다. 따라서, 사전훈련된 비디오 디코더(1600B)는 업데이트된 비디오 디코더(1600B)로 업데이트될 수 있다.
제2 시나리오에서, 하나 이상의 사전훈련된 파라미터의 어느 것도 인코더 측 상에서의 사전훈련된 비디오 인코더에서 이용되지 않는다. 오히려, 하나 이상의 사전훈련된 파라미터는 디코더 측 상의 사전훈련된 비디오 디코더에서 이용된다. 따라서, 사전훈련된 비디오 인코더는 업데이트되지 않고, 훈련 프로세스 후에 사전훈련된 비디오 인코더인 것으로 계속된다. 실시예에서, 신경망 업데이트 정보는 하나 이상의 대체 파라미터를 지시한다. 하나 이상의 블록은 사전훈련된 비디오 인코더를 이용하여 인코딩될 수 있고, 신경망 업데이트 정보와 함께 비트스트림에서 송신될 수 있다.
디코더 측 상에서, 사전훈련된 비디오 디코더는 하나 이상의 대체 파라미터를 결정하기 위하여 신경망 업데이트 정보를 수신하고 디코딩할 수 있다. 사전훈련된 비디오 디코더에서의 하나 이상의 사전훈련된 파라미터가 하나 이상의 대체 파라미터에 의해 대체될 때, 사전훈련된 비디오 디코더는 업데이트된 비디오 디코더로 업데이트된다. 하나 이상의 인코딩된 블록은 업데이트된 비디오 디코더를 이용하여 디코딩될 수 있다.
도 16a 내지 도 16b는 제2 시나리오의 예를 도시한다. 예를 들어, 하나 이상의 사전훈련된 파라미터는 사전훈련된 주 디코더 네트워크(915)에서의 N2 사전훈련된 파라미터를 포함한다. 따라서, 하나 이상의 사전훈련된 파라미터의 어느 것도 인코더 측 상의 사전훈련된 비디오 인코더(예컨대, 사전훈련된 비디오 인코더(1600A))에서 이용되지 않는다. 따라서, 사전훈련된 비디오 인코더(1600A)는 훈련 프로세스 후에 사전훈련된 비디오 인코더인 것으로 계속된다. 디코더 측 상에서, N2 개의 사전훈련된 파라미터는, 사전훈련된 주 디코더 네트워크(915)를 업데이트된 주 디코더 네트워크(915)로 업데이트하는 N2 개의 대응하는 대체 파라미터에 의해 대체될 수 있다. 따라서, 사전훈련된 비디오 디코더(1600B)는 업데이트된 비디오 디코더(1600B)로 업데이트될 수 있다.
제3 시나리오에서, 하나 이상의 사전훈련된 파라미터는 사전훈련된 비디오 인코더에서 이용되고, 예를 들어, 훈련 프로세스에서 하나 이상의 대체 파라미터에 의해 대체된다. 따라서, 사전훈련된 비디오 인코더는 훈련 프로세스에 의해 업데이트된 비디오 인코더로 업데이트된다. 하나 이상의 블록은 업데이트된 비디오 인코더를 이용하여 인코딩될 수 있고, 비트스트림에서 송신될 수 있다. 신경망 업데이트 정보는 비트스트림에서 인코딩되지 않는다. 디코더 측 상에서, 사전훈련된 비디오 디코더는 업데이트되지 않고, 사전훈련된 비디오 디코더인 것으로 유지된다. 하나 이상의 인코딩된 블록은 사전훈련된 비디오 디코더를 이용하여 디코딩될 수 있다.
도 16a 내지 도 16b는 제3 시나리오의 예를 도시한다. 예를 들어, 하나 이상의 사전훈련된 파라미터는 사전훈련된 주 인코더 네트워크(911) 내에 있다. 따라서, 사전훈련된 주 인코더 네트워크(911)에서의 하나 이상의 사전훈련된 파라미터는 하나 이상의 대체 파라미터에 의해 대체될 수 있어서, 사전훈련된 비디오 인코더(1600A)는 업데이트된 비디오 인코더(1600A)인 것으로 업데이트될 수 있다. 사전훈련된 주 인코더 네트워크(911)는 또한, 업데이트된 주 인코더 네트워크(911)인 것으로 업데이트된다. 디코더 측 상에서, 사전훈련된 비디오 디코더(1600B)는 업데이트되지 않는다.
제1, 제2, 및 제3 시나리오에서 설명된 것과 같은 다양한 예에서, 비디오 디코딩은 사전훈련된 파라미터를 업데이트하기 위한 능력을 갖거나 갖지 않는 디코더를 포함하는, 상이한 능력을 가지는 사전훈련된 디코더에 의해 수행될 수 있다.
예에서, 사전훈련된 비디오 인코더 및 사전훈련된 비디오 디코더로 하나 이상의 블록을 코딩하는 것과 비교하여, 압축 성능은 업데이트된 비디오 인코더 및/또는 업데이트된 비디오 디코더로 하나 이상의 블록을 코딩함으로써 증가될 수 있다. 그러므로, 컨텐츠-적응적 온라인 훈련 방법은 사전훈련된 NIC 프레임워크(예컨대, 사전훈련된 NIC 프레임워크(900))를 타깃 블록 컨텐츠(예컨대, 송신되어야 할 하나 이상의 블록)에 적응시키기 위하여 이용될 수 있고, 이에 따라, 사전훈련된 NIC 프레임워크를 미세튜닝할 수 있다. 따라서, 인코더 측 상의 비디오 인코더 및/또는 디코더 측 상의 비디오 디코더가 업데이트될 수 있다.
컨텐츠-적응적 온라인 훈련 방법은 사전훈련된 E2E NIC 압축 방법의 압축 성능을 신장시키기 위한 프리프로세싱 단계(예컨대, 사전-인코딩 단계)로서 이용될 수 있다.
실시예에서, 하나 이상의 블록은 단일 입력 블록을 포함하고, 미세튜닝 프로세스는 단일 입력 블록으로 수행된다. NIC 프레임워크(900)는 단일 입력 블록에 기초하여 훈련되고 업데이트(예컨대, 미세튜닝)된다. 인코더 측 상의 업데이트된 비디오 인코더 및/또는 디코더 측 상의 업데이트된 비디오 디코더는 단일 입력 블록 및 임의적으로 다른 입력 블록을 코딩하기 위하여 이용될 수 있다. 신경망 업데이트 정보는 인코딩된 단일 입력 블록과 함께, 비트스트림으로 인코딩될 수 있다.
실시예에서, 하나 이상의 블록은 다수의 입력 블록을 포함하고, 미세튜닝 프로세스는 다수의 입력 블록으로 수행된다. NIC 프레임워크(900)는 다수의 입력 블록에 기초하여 훈련되고 업데이트(예컨대, 미세튜닝)된다. 인코더 측 상의 업데이트된 비디오 인코더 및/또는 디코더 측 상의 업데이트된 디코더는 다수의 입력 블록 및 임의적으로 다른 입력 블록을 코딩하기 위하여 이용될 수 있다. 신경망 업데이트 정보는 인코딩된 다수의 입력 블록과 함께, 비트스트림으로 인코딩될 수 있다.
레이트 손실 R은 비트스트림에서의 신경망 업데이트 정보의 시그널링과 함께 증가할 수 있다. 하나 이상의 블록이 단일 입력 블록을 포함할 때, 신경망 업데이트 정보는 각각의 인코딩된 블록에 대하여 시그널링되고, 레이트 손실 R까지의 제1 증가는 블록마다의 신경망 업데이트 정보의 시그널링으로 인한 레이트 손실 R까지의 증가를 지시하기 위하여 이용된다. 하나 이상의 블록이 다수의 입력 블록을 포함할 때, 신경망 업데이트 정보는 다수의 입력 블록에 대하여 시그널링되고 다수의 입력 블록에 의해 공유되고, 레이트 손실 R까지의 제2 증가는 블록마다의 신경망 업데이트 정보의 시그널링으로 인한 레이트 손실 R까지의 증가를 지시하기 위하여 이용된다. 신경망 업데이트 정보는 다수의 입력 블록에 의해 공유되므로, 레이트 손실 R까지의 제2 증가는 레이트 손실 R까지의 제1 증가 미만일 수 있다. 따라서, 일부 예에서, 다수의 입력 블록을 이용하여 NIC 프레임워크를 미세튜닝하는 것이 유리할 수 있다.
실시예에서, 업데이트되어야 할 하나 이상의 사전훈련된 파라미터는 사전훈련된 NIC 프레임워크(900)의 하나의 컴포넌트 내에 있다. 따라서, 사전훈련된 NIC 프레임워크(900)의 하나의 컴포넌트는 하나 이상의 대체 파라미터에 기초하여 업데이트되고, 사전훈련된 NIC 프레임워크(900)의 다른 컴포넌트는 업데이트되지 않는다.
하나의 컴포넌트는 사전훈련된 컨텍스트 모델 NN(916), 사전훈련된 엔트로피 파라미터 NN(917), 사전훈련된 주 인코더 네트워크(911), 사전훈련된 주 디코더 네트워크(915), 사전훈련된 하이퍼 인코더(921), 또는 사전훈련된 하이퍼 디코더(925)일 수 있다. 사전훈련된 비디오 인코더 및/또는 사전훈련된 비디오 디코더는 사전훈련된 NIC 프레임워크(900) 내의 어느 컴포넌트가 업데이트되는지에 따라 업데이트될 수 있다.
예에서, 업데이트되어야 할 하나 이상의 사전훈련된 파라미터는 사전훈련된 컨텍스트 모델 NN(916) 내에 있고, 따라서, 사전훈련된 컨텍스트 모델 NN(916)은 업데이트되고, 나머지 컴포넌트(911, 915, 921, 917, 및 925)는 업데이트되지 않는다. 예에서, 인코더 측 상의 사전훈련된 비디오 인코더 및 디코더 측 상의 사전훈련된 비디오 디코더는 사전훈련된 컨텍스트 모델 NN(916)을 포함하고, 따라서, 사전훈련된 비디오 인코더 및 사전훈련된 비디오 디코더의 둘 모두가 업데이트된다.
예에서, 업데이트되어야 할 하나 이상의 사전훈련된 파라미터는 사전훈련된 하이퍼 디코더(925) 내에 있고, 따라서, 사전훈련된 하이퍼 디코더(925)는 업데이트되고, 나머지 컴포넌트(911, 915, 916, 917, 및 921)는 업데이트되지 않는다. 따라서, 사전훈련된 비디오 인코더는 업데이트되지 않고, 사전훈련된 비디오 디코더는 업데이트된다.
실시예에서, 업데이트되어야 할 하나 이상의 사전훈련된 파라미터는 사전훈련된 NIC 프레임워크(900)의 다수의 컴포넌트 내에 있다. 따라서, 사전훈련된 NIC 프레임워크(900)의 다수의 컴포넌트는 하나 이상의 대체 파라미터에 기초하여 업데이트된다. 예에서, 사전훈련된 NIC 프레임워크(900)의 다수의 컴포넌트는 신경망(예컨대, DNN, CNN)으로 구성된 모든 컴포넌트를 포함한다. 예에서, 사전훈련된 NIC 프레임워크(900)의 다수의 컴포넌트는 CNN-기반 컴포넌트: 사전훈련된 주 인코더 네트워크(911), 사전훈련된 주 디코더 네트워크(915), 사전훈련된 컨텍스트 모델 NN(916), 사전훈련된 엔트로피 파라미터 NN(917), 사전훈련된 하이퍼 인코더(921), 및 사전훈련된 하이퍼 디코더(925)를 포함한다.
위에서 설명된 바와 같이, 업데이트되어야 할 하나 이상의 사전훈련된 파라미터는 사전훈련된 NIC 프레임워크(900)의 사전훈련된 비디오 인코더 내에 있다. 예에서, 업데이트되어야 할 하나 이상의 사전훈련된 파라미터는 NIC 프레임워크(900)의 사전훈련된 비디오 디코더 내에 있다. 예에서, 업데이트되어야 할 하나 이상의 사전훈련된 파라미터는 사전훈련된 NIC 프레임워크(900)의 사전훈련된 비디오 인코더 및 사전훈련된 비디오 디코더 내에 있다.
NIC 프레임워크(900)는 신경망에 기초할 수 있고, 예를 들어, NIC 프레임워크(900) 내의 하나 이상의 컴포넌트는 CNN, DNN, 및/또는 등과 같은 신경망을 포함할 수 있다. 위에서 설명된 바와 같이, 신경망은 가중치, 바이어스 등과 같은 상이한 유형의 파라미터에 의해 특정될 수 있다. NIC 프레임워크(900) 내의 각각의 신경망-기반 컴포넌트(예컨대, 컨텍스트 모델 NN(916), 엔트로피 파라미터 NN(917), 주 인코더 네트워크(911), 주 디코더 네트워크(915), 하이퍼 인코더(921), 또는 하이퍼 디코더(925))는 개개의 가중치, 바이어스, 또는 가중치 및 바이어스의 조합과 같은 적당한 파라미터로 구성될 수 있다. CNN(들)이 이용될 때, 가중치는 컨볼루션 커널에서의 엘리먼트를 포함할 수 있다. 하나 이상의 유형의 파라미터는 신경망을 특정하기 위하여 이용될 수 있다. 실시예에서, 업데이트되어야 할 하나 이상의 사전훈련된 파라미터는 바이어스 항(들)이고, 바이어스 항(들)만이 하나 이상의 대체 파라미터에 의해 대체된다. 실시예에서, 업데이트되어야 할 하나 이상의 사전훈련된 파라미터는 가중치이고, 가중치만이 하나 이상의 대체 파라미터에 의해 대체된다. 실시예에서, 업데이트되어야 할 하나 이상의 사전훈련된 파라미터는 가중치 및 바이어스 항(들)을 포함하고, 가중치 및 바이어스 항(들)을 포함하는 모든 사전훈련된 파라미터는 하나 이상의 대체 파라미터에 의해 대체된다. 실시예에서, 다른 파라미터는 신경망을 특정하기 위하여 이용될 수 있고, 다른 파라미터는 미세튜닝될 수 있다.
미세튜닝 프로세스는 다수의 에포크(epoch)(예컨대, 반복)를 포함할 수 있고, 여기서, 하나 이상의 사전훈련된 파라미터는 반복적 미세튜닝 프로세스에서 업데이트된다. 미세튜닝 프로세스는 훈련 손실이 평탄화되었거나 평탄화되기 시작할 때에 정지될 수 있다. 예에서, 미세튜닝 프로세스는 훈련 손실(예컨대, R-D 손실 L)이 제1 임계치 미만일 때에 정지된다. 예에서, 미세튜닝 프로세스는 2개의 연속적인 훈련 손실 사이의 차이가 제2 임계치 미만일 때에 정지된다.
2개의 하이퍼파라미터(예컨대, 스텝 크기 및 스텝의 최대 수)는 손실 함수(예컨대, R-D 손실 L)와 함께 미세튜닝 프로세스에서 이용될 수 있다. 반복의 최대 수는 미세튜닝 프로세스를 종결시키기 위한 반복의 최대 수의 임계치로서 이용될 수 있다. 예에서, 미세튜닝 프로세스는 반복의 수가 반복의 최대 수에 도달할 때에 정지된다.
스텝 크기는 온라인 훈련 프로세스(예컨대, 온라인 미세튜닝 프로세스)의 학습 레이트를 지시할 수 있다. 스텝 크기는 경도 하강 알고리즘(gradient descent algorithm), 또는 미세튜닝 프로세스에서 수행된 역전파 계산(backpropagation calculation)에서 이용될 수 있다. 스텝 크기는 임의의 적당한 방법을 이용하여 결정될 수 있다.
이미지 내의 각각의 블록에 대한 스텝 크기는 상이할 수 있다. 실시예에서는, 더 양호한 압축 결과(예컨대, 더 양호한 R-D 손실 L)를 달성하기 위하여, 상이한 스텝 크기가 이미지에 대하여 배정될 수 있다.
일부 예에서, NIC 프레임워크(예컨대, NIC 프레임워크(900))에 기초한 비디오 인코더 및 비디오 디코더는 이미지를 직접적으로 인코딩하고 디코딩할 수 있다. 따라서, 블록별 컨텐츠-적응적 온라인 훈련 방법은 하나 이상의 이미지를 직접적으로 이용함으로써, NIC 프레임워크 및 이에 따라, 비디오 인코더 및/또는 비디오 디코더에서의 어떤 파라미터를 업데이트하도록 적응될 수 있다. 상이한 이미지는 최적화된 압축 결과를 달성하기 위하여 상이한 스텝 크기를 가질 수 있다.
실시예에서는, 상이한 스텝 크기는 최적의 결과를 달성하기 위하여 상이한 유형의 컨텐츠를 갖는 블록에 대하여 이용된다. 상이한 유형은 상이한 분산(variance)을 지칭할 수 있다. 예에서, 스텝 크기는 NIC 프레임워크를 업데이트하기 위하여 이용된 블록의 분산에 기초하여 결정된다. 예를 들어, 높은 분산을 가지는 블록의 스텝 크기는 낮은 분산을 가지는 이미지의 스텝 크기보다 크고, 여기서, 높은 분산은 낮은 분산보다 크다.
실시예에서, 스텝 크기는 블록의 RGB 분산과 같은, 블록 또는 이미지의 특성에 기초하여 선택된다. 실시예에서, 스텝 크기는 블록의 RD 성능(예컨대, R-D 손실 L)에 기초하여 선택된다. 대체 파라미터(들)의 다수의 세트는 상이한 스텝 크기에 기초하여 생성될 수 있고, 더 양호한 압축 성능(예컨대, 더 작은 R-D 손실)을 갖는 세트가 선택될 수 있다.
실시예에서, 제1 스텝 크기는 어떤 수(예컨대, 100)의 반복을 작동시키기 위하여 이용될 수 있다. 그 다음으로, 제2 스텝 크기(예컨대, 제1 스텝 크기 플러스(plus) 또는 마이너스(minus) 크기 증분)는 어떤 수의 반복을 작동시키기 위하여 이용될 수 있다. 제1 스텝 크기 및 제2 스텝 크기로부터의 결과는 이용되어야 할 스텝 크기를 결정하기 위하여 비교될 수 있다. 2개 초과의 스텝 크기는 최적 스텝 크기를 결정하기 위하여 테스트될 수 있다.
스텝 크기는 미세튜닝 프로세스 동안에 변동될 수 있다. 스텝 크기는 미세튜닝 프로세스의 착수 시에 초기 값을 가질 수 있고, 초기 값은 미세튜닝 프로세스의 더 이후의 스테이지에서, 예를 들어, 더 미세한 튜닝을 달성하기 위한 어떤 수의 반복 후에 감소(예컨대, 절반으로 됨)될 수 있다. 스텝 크기 또는 학습 레이트는 반복적 온라인 훈련 동안에 스케줄러(scheduler)에 의해 변동될 수 있다. 스케줄러는 스텝 크기를 조절하기 위하여 이용된 파라미터 조절 방법을 포함할 수 있다. 스케줄러는 스텝 크기에 대한 값을 결정할 수 있어서, 스텝 크기는 다수의 간격으로 증가하거나, 감소하거나, 일정하게 유지될 수 있다. 예에서, 학습 레이트는 스케줄러에 의해 각각의 스텝으로 변경된다. 단일 스케줄러 또는 다수의 상이한 스케줄러는 상이한 블록에 대하여 이용될 수 있다. 따라서, 대체 파라미터(들)의 다수의 세트는 다수의 스케줄러에 기초하여 생성될 수 있고, 더 양호한 압축 성능(예컨대, 더 작은 R-D 손실)을 갖는 대체 파라미터(들)의 다수의 세트 중의 하나가 선택될 수 있다.
실시예에서, 다수의 학습 레이트 스케줄은 더 양호한 압축 결과를 달성하기 위하여 상이한 블록에 대하여 배정된다. 실시예에서, 이미지 내의 모든 블록은 동일한 학습 레이트 스케줄을 공유한다. 실시예에서, 학습 레이트 스케줄의 선택은 블록의 RGB 분산과 같은, 블록의 특성에 기초한다. 실시예에서, 학습 레이트 스케줄의 선택은 블록의 RD 성능에 기초한다.
실시예에서, 상이한 블록은 NIC 프레임워크 내의 상이한 컴포넌트(예컨대, 컨텍스트 모델 NN(916) 또는 하이퍼 디코더(925))에서의 상이한 파라미터를 업데이트하기 위하여 이용될 수 있다. 예를 들어, 제1 블록은 컨텍스트 모델 NN(916)에서의 파라미터를 업데이트하기 위하여 이용되고, 제2 블록은 하이퍼 디코더(925)에서의 파라미터를 업데이트하기 위하여 이용된다.
실시예에서, 상이한 블록은 NIC 프레임워크에서의 상이한 유형의 파라미터(예컨대, 바이어스 또는 가중치)를 업데이트하기 위하여 이용될 수 있다. 예를 들어, 제1 블록은 NIC 프레임워크 내의 하나 이상의 신경망에서의 적어도 하나의 바이어스를 업데이트하기 위하여 이용되고, 제2 블록은 NIC 프레임워크 내의 하나 이상의 신경망에서의 적어도 하나의 가중치를 업데이트하기 위하여 이용된다.
실시예에서, 이미지 내의 다수의 블록(예컨대, 모든 블록)은 동일한 하나 이상의 파라미터를 업데이트한다.
실시예에서, 업데이트되어야 할 하나 이상의 파라미터는 블록의 RGB 분산과 같은, 블록의 특성에 기초하여 선택된다. 실시예에서, 업데이트되어야 할 하나 이상의 파라미터는 블록의 RD 성능에 기초하여 선택된다.
미세튜닝 프로세스의 종료 시에, 하나 이상의 업데이트된 파라미터는 개개의 하나 이상의 대체 파라미터에 대하여 연산될 수 있다. 실시예에서, 하나 이상의 업데이트된 파라미터는 하나 이상의 대체 파라미터와 대응하는 하나 이상의 사전훈련된 파라미터 사이의 차이로서 계산된다. 실시예에서, 하나 이상의 업데이트된 파라미터는 각각 하나 이상의 대체 파라미터이다.
실시예에서, 하나 이상의 업데이트된 파라미터는 예를 들어, 어떤 선형 또는 비선형 변환을 이용하여 하나 이상의 대체 파라미터로부터 생성될 수 있고, 하나 이상의 업데이트된 파라미터는 하나 이상의 대체 파라미터에 기초하여 생성된 대표적인 파라미터(들)이다. 하나 이상의 대체 파라미터는 더 양호한 압축을 위하여 하나 이상의 업데이트된 파라미터로 변환된다.
하나 이상의 업데이트된 파라미터들의 제1 서브세트는 하나 이상의 대체 파라미터들의 제1 서브세트에 대응하고, 하나 이상의 업데이트된 파라미터들의 제2 서브세트는 하나 이상의 대체 파라미터들의 제2 서브세트에 대응한다.
실시예에서, 상이한 블록은 하나 이상의 업데이트된 파라미터와 하나 이상의 대체 파라미터 사이의 상이한 관계를 가진다. 예를 들어, 제1 블록에 대하여, 하나 이상의 업데이트된 파라미터는 하나 이상의 대체 파라미터와 대응하는 하나 이상의 사전훈련된 파라미터 사이의 차이로서 계산된다. 제2 블록에 대하여, 하나 이상의 업데이트된 파라미터는 각각 하나 이상의 대체 파라미터이다.
실시예에서, 이미지 내의 다수의 블록(예컨대, 모든 블록)은 하나 이상의 업데이트된 파라미터와 하나 이상의 대체 파라미터 사이의 동일한 관계를 가진다.
실시예에서, 하나 이상의 업데이트된 파라미터와 하나 이상의 대체 파라미터 사이의 관계는 블록의 RGB 분산과 같은, 블록의 특성에 기초하여 선택된다. 실시예에서, 하나 이상의 업데이트된 파라미터와 하나 이상의 대체 파라미터 사이의 관계는 블록의 RD 성능에 기초하여 선택된다.
예에서, 하나 이상의 업데이트된 파라미터는 예를 들어, Lempel-Ziv-Markov 체인 알고리즘(LZMA : Lempel-Ziv-Markov chain algorithm), bzip2 알고리즘 등의 변형인 LZMA2를 이용하여 압축될 수 있다. 예에서, 압축은 하나 이상의 업데이트된 파라미터에 대하여 생략된다. 일부 실시예에서, 하나 이상의 업데이트된 파라미터 및 하나 이상의 업데이트된 파라미터들의 제2 서브세트는 신경망 업데이트 정보로서 비트스트림으로 인코딩될 수 있고, 여기서, 신경망 업데이트 정보는 하나 이상의 대체 파라미터, 또는 하나 이상의 대체 파라미터들의 제2 서브세트를 지시한다.
실시예에서, 하나 이상의 업데이트된 파라미터를 위한 압축 방법은 상이한 블록에 대하여 상이하다. 예를 들어, 제1 블록에 대하여, LZMA2는 하나 이상의 업데이트된 파라미터를 압축하기 위하여 이용되고, 제2 블록에 대하여, bzip2는 하나 이상의 업데이트된 파라미터를 압축하기 위하여 이용된다. 실시예에서, 동일한 압축 방법은 이미지 내의 다수의 블록(예컨대, 모든 블록)에 대한 하나 이상의 업데이트된 파라미터를 압축하기 위하여 이용된다. 실시예에서, 압축 방법은 블록의 RGB 분산과 같은, 블록의 특성에 기초하여 선택된다. 실시예에서, 압축 방법은 블록의 RD 성능에 기초하여 선택된다.
미세튜닝 프로세스 후에, 일부 예에서, 인코더 측 상의 사전훈련된 비디오 인코더는 (i) 하나 이상의 대체 파라미터들의 제1 서브세트, 또는 (ii) 하나 이상의 대체 파라미터에 기초하여 업데이트되거나 미세튜닝될 수 있다. 입력 블록(예컨대, 미세튜닝 프로세스에서 이용된 하나 이상의 블록 중의 하나)는 업데이트된 비디오 인코더를 이용하여 비트스트림으로 인코딩될 수 있다. 따라서, 비트스트림은 인코딩된 블록 및 신경망 업데이트 정보의 둘 모두를 포함한다.
적용가능할 경우에, 예에서, 신경망 업데이트 정보는 사전훈련된 비디오 디코더에 의해 디코딩(예컨대, 압축해제)되어, 하나 이상의 업데이트된 파라미터 또는 하나 이상의 업데이트된 파라미터들의 제2 서브세트가 획득된다. 예에서, 하나 이상의 대체 파라미터 또는 하나 이상의 대체 파라미터들의 제2 서브세트는 위에서 설명된 하나 이상의 업데이트 파라미터와 하나 이상의 대체 파라미터 사이의 관계에 기초하여 획득될 수 있다. 사전훈련된 비디오 디코더는 미세튜닝될 수 있고, 업데이트된 비디오 디코더는 위에서 설명된 바와 같이, 인코딩된 블록을 디코딩하기 위하여 이용될 수 있다.
NIC 프레임워크는 임의의 유형의 신경망을 포함할 수 있고, 컨텍스트-하이퍼프라이어 인코더-디코더 프레임워크(예컨대, 도 9b에서 도시된 NIC 프레임워크), 스케일-하이퍼프라이어 인코더-디코더 프레임워크, 가우시안 혼합 우도 프레임워크 및 가우시안 혼합 우도 프레임워크의 변형, RNN-기반 재귀적 압축 방법 등과 같은 임의의 신경망-기반 이미지 압축 방법을 이용할 수 있다.
관련된 E2E 이미지 압축 방법과 비교하여, 개시내용에서의 컨텐츠-적응적 온라인 훈련 방법 및 장치는 다음의 장점을 가질 수 있다. 적응적 온라인 훈련 메커니즘은 NIC 코딩 효율을 개선시키기 위하여 활용된다. 신축적이고 일반적인 프레임워크의 이용은 다양한 유형의 사전훈련된 프레임워크 및 품질 메트릭을 수용할 수 있다. 예를 들어, 다양한 유형의 사전훈련된 프레임워크에서의 어떤 사전훈련된 파라미터는 온라인 훈련을 이용함으로써 인코딩되고 송신되어야 할 블록으로 대체될 수 있다.
비디오 코딩 기술은 재구성된 샘플에 대해 수행되는 필터링 동작을 포함할 수 있어서, 이로써 양자화에 의한 것과 같은 손실 압축으로부터 기인하는 아티팩트(artifact)가 감소될 수 있다. 디블록킹 필터 프로세스는 하나의 이러한 필터링 동작에서 이용되고, 여기서, 2개의 인접한 블록 사이의 블록 경계(예컨대, 경계 영역)가 필터링될 수 있어서, 이로써 하나의 블록으로부터 다른 블록으로의 샘플 값의 더 평활한 전이가 달성될 수 있다.
일부 관련된 예(예컨대, HEVC)에서, 디블록킹 필터 프로세스는 블록 경계에 인접한 샘플에 적용될 수 있다. 디블록킹 필터 프로세스는 디코딩 프로세스와 동일한 순서로 각각의 CU에 대해 수행될 수 있다. 예를 들어, 디블록킹 필터 프로세스는 먼저, 이미지를 위한 수직 경계에 대한 수평 필터링에 의해, 그 다음으로, 이미지를 위한 수평 경계에 대한 수직 필터링에 의해 수행될 수 있다. 필터링은 루마 및 크로마 컴포넌트의 둘 모두에 대하여, 필터링되는 것으로 결정되는 8x8 블록 경계에 적용될 수 있다. 예에서, 4×4 블록 경계는 복잡성을 감소시키기 위하여 프로세싱되지 않는다.
경계 강도(BS : boundary strength)는 디블록킹 필터 프로세스의 정도 또는 강도를 지시하기 위하여 이용될 수 있다. 실시예에서, BS에 대한 2의 값은 강한 필터링을 지시하고, 1은 약한 필터링을 지시하고, 0은 디블록킹 필터링 없음을 지시한다.
도 19는 개시내용의 실시예에 따른, BS 값을 결정하기 위한 프로세스(1900)의 흐름도를 도시한다. 다른 실시예에서, 도 19에서의 단계의 순서는 재순서화될 수 있거나, 하나 이상의 단계가 생략되거나 대체될 수 있다.
도 19에서, P 및 Q는 그 사이에 경계를 갖는 2개의 인접한 블록이다. 수직 경계의 경우에, P는 경계의 좌측에 위치된 블록을 나타낼 수 있고, Q는 경계의 우측에 위치된 블록을 나타낼 수 있다. 수평 경계의 경우에, P는 경계의 상부에 위치된 블록을 나타낼 수 있고, Q는 경계의 하부에 위치된 블록을 나타낼 수 있다.
도 19에서, BS 값은 예측 모드(예컨대, 인트라 코딩 모드), 비-제로 변환 계수(또는 비-제로 변환 계수의 공존), 참조 픽처, 모션 벡터의 수, 및/또는 모션 벡터 차이에 기초하여 결정될 수 있다.
단계(S1910)에서, 프로세스(1900)는 P 또는 Q가 인트라 예측 모드에서 코딩되는지 여부를 결정한다. P 및 Q 중의 적어도 하나가 인트라 예측 모드에서 코딩되는 것으로 결정될 때, 프로세스(1900)는 BS에 대한 제1 값(예컨대, 2)을 결정한다. 이와 다를 경우에, 프로세스(1900)는 단계(S1920)로 진행한다.
단계(S1920)에서, 프로세스(1900)는 P 또는 Q가 비-제로 변환 계수를 가지는지 여부를 결정한다. P 및 Q 중의 적어도 하나가 비-제로 변환 계수를 가지는 것으로 결정될 때, 프로세스(1900)는 BS에 대한 제2 값(예컨대, 1)을 결정한다. 이와 다를 경우에, 프로세스(1900)는 단계(S1930)로 진행한다.
단계(S1930)에서, 프로세스(1900)는 P 및 Q가 상이한 참조 픽처를 가지는지 여부를 결정한다. P 및 Q가 상이한 참조 픽처를 가지는 것으로 결정될 때, 프로세스(1900)는 BS에 대한 제3 값(예컨대, 1)을 결정한다. 이와 다를 경우에, 프로세스(1900)는 단계(S1940)로 진행한다.
단계(S1940)에서, 프로세스(1900)는 P 및 Q가 상이한 수의 모션 벡터를 가지는지 여부를 결정한다. P 및 Q가 상이한 수의 모션 벡터를 가지는 것으로 결정될 때, 프로세스(1900)는 BS에 대한 제4 값(예컨대, 1)을 결정한다. 이와 다를 경우에, 프로세스(1900)는 단계(S1950)로 진행한다.
단계(S1950)에서, 프로세스(1900)는 P 및 Q 사이의 모션 벡터 차이가 임계치 T 이상인지 여부를 결정한다. P 및 Q 사이의 모션 벡터 차이가 임계치 T 이상인 것으로 결정될 때, 프로세스(1900)는 BS에 대한 제5 값(예컨대, 1)을 결정한다. 이와 다를 경우에, 프로세스(1900)는 BS에 대한 제6 값(예컨대, 0)을 결정한다. 실시예에서, 임계치 T는 1 픽셀로 설정된다. 도 19의 예에서, MV 정밀도는 1/4 픽셀이고, 따라서, MV 차이 임계치의 값은 4로 설정될 수 있다. 또 다른 예에서, MV 정밀도가 1/16 픽셀일 경우에, MV 차이의 값은 16으로 설정될 수 있다.
도 19의 예에서, 제2 내지 제5 값은 1로서 설정된다. 그러나, 다른 예에서, 제2 내지 제5 값의 일부 또는 전부가 상이한 값으로서 설정될 수 있다.
일부 실시예에서, BS는 4x4 블록에 기초하여 계산될 수 있고, BS는 8x8 그리드(grid)로 리맵핑(re-map)될 수 있다. 예를 들어, 4x4 그리드에서의 라인으로 구성되는 8개의 픽셀에 대응하는 BS의 2개의 값들의 최대치는 8x8 그리드에서의 경계에 대한 BS로서 선택된다.
VVC 테스트 모델 5(VTM5 : VVC Test model 5)와 같은 일부 관련된 예에서, 디블록킹 필터 프로세스는 HEVC에서 이용된 것에 기초할 수 있고, 일부 수정을 포함할 수 있다. 예를 들어, 디블록킹 필터의 필터 강도는 재구성된 샘플의 평균화된 루마 레벨에 종속적일 수 있고, 디블록킹 tC 테이블은 확장될 수 있고, 더 강한 디블록킹 필터가 루마 및 크로마 컴포넌트에 대하여 이용될 수 있고, 루마 디블록킹 필터는 4x5 샘플 그리드 상에서 적용될 수 있고, 크로마 디블록킹 필터는 8x8 샘플 그리드 상에서 적용될 수 있다.
HEVC와 같은 일부 관련된 예에서, 디블록킹 필터의 필터 강도는 평균화된 양자화 파라미터 qPL로부터 도출되는 변수 
및 tC에 의해 제어될 수 있다. VTM5와 같은 일부 관련된 예에서, 디블록킹 필터는 재구성된 샘플의 루마 레벨에 따라 오프셋을 평균 양자화 파라미터 qPL에 추가함으로써 필터 강도를 제어할 수 있다. 재구성된 루마 레벨 LL은 다음으로서 도출될 수 있고,
여기서, i = 0..3 및 k = 0 및 3인 샘플 값 pi,k 및 qi,k는 도 20에서 도시된 바와 같이 도출된다. 도 20은 실시예에 따라, 경계 강도 값을 결정하기 위한 예시적인 샘플 포지션을 도시한다.
변수 qPL은 다음으로서 도출될 수 있고,
여기서, QpQ 및 QpP는 각각 샘플 q0,0 및 p0,0을 포함하는 코딩 유닛의 양자화 파라미터를 나타낸다. 오프셋 qpOffset은 전달 함수 및 재구성된 루마 레벨 LL에 종속적이다. qpOffset 및 루마 레벨의 맵핑 함수는 시퀀스 파라미터 세트(SPS : sequence parameter set)에서 시그널링될 수 있고 컨텐츠의 전달 특성에 따라 도출될 수 있는데, 이것은 전달 함수가 비디오 포맷 사이에서 변동될 수 있기 때문이다.
VTM5와 같은 일부 관련된 예에서, 최대 QP는 63인 것으로 확장될 수 있다. 블록 QP에 기초하여 디블록킹 파라미터의 값을 도출하는 디블록킹 테이블(deblocking table)에 대한 대응하는 변경을 반영하기 위하여, tC 테이블은 QP 범위의 확장을 tC = [ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 5, 5, 6, 6, 7, 8, 9, 10, 11, 13, 14, 16, 18, 20, 22, 25, 28, 31, 35, 39, 44, 50, 56, 63, 70, 79, 88, 99 ]로서 수용할 수 있다.
일부 관련된 예에서, 강한 디블록킹 필터(예컨대, 양선형 필터(bilinear filter))는 경계의 어느 하나의 측부에서의 샘플이 큰 블록에 속할 때에 이용될 수 있다. 큰 블록은 블록의 폭이 수직 에지에 대하여 32 이상일 때, 그리고 블록의 높이가 수평 에지에 대하여 32 이상일 때로서 정의될 수 있다. 블록 경계 샘플 i=0 내지 Sp-1에 대한 pi 및 j=0 내지 Sq-1에 대한 qi는 그 다음으로, 다음과 같이 선형 보간에 의해 대체된다:
여기서, 파라미터 
및 
는 포지션 종속적 클립핑 파라미터이고, 
및 
은 표 1에서 주어진다.
일부 실시예에서, 더 강한 루마 필터는 condition1, condition2, 및 condition3의 전부가 참(TRUE)일 경우에만 이용될 수 있다. condition1은 큰 블록 조건으로서 지칭된다. 이 조건은 P-측 및 Q-측에서의 샘플이 큰 블록에 속하는지 여부를 검출한다. condition2 및 condition3은 다음과 같이 결정된다:
여기서, d, dpq, sp, 및 sq는 필터링에 의해 세부사항을 제거하는 것을 회피하기 위하여, QP 종속적 코딩 잡음 임계치인, 
에 기초한 임계치와 비교하여 세부사항의 양을 결정하기 위한 경도 계산의 크기이다. 유사하게, 경계를 가로지르는 경도의 크기가 QP 종속적 디블록킹 강도 임계치인, tC에 기초한 임계치 미만인 것이 또한 체크된다.
일부 실시예에서, 크로마에 대한 강한 디블록킹 필터는 다음과 같이 정의될 수 있다:
실시예에서, 크로마에 대한 강한 디블록킹 필터는 8x8 크로마 샘플 그리드에 대해 디블록킹을 수행할 수 있다. 크로마 강한 필터는 블록 경계의 양쪽 측부에서의 샘플 상에서 이용될 수 있다. 예를 들어, 크로마 강한 필터는 블록 경계의 양쪽 측부가 (크로마 샘플의 단위로) 8 이상이고 다음의 3개의 판정이 만족될 때에 선택될 수 있다. 제1 판정은 블록 경계에 의해 분리된 2개의 블록의 어느 하나가 큰 블록인 것으로 결정하기 위한 것이다. 제2 및 제3 판정은 HEVC와 같은 일부 관련된 예에서의 것과 동일할 수 있는, 각각 디블록킹 필터 온/오프 판정 및 강한 필터 판정이다. 제1 판정에서, BS는 표 2에서 도시된 바와 같이 크로마 필터링을 위하여 수정될 수 있다. 표 2에서의 조건은 순차적으로 체크된다. 조건이 만족될 경우에, 더 낮은 우선순위를 갖는 나머지 조건은 스킵된다.
실시예에서, 크로마 디블록킹은 BS가 2일 때, 또는 BS가 1이고 큰 블록 경계가 검출될 때에 수행될 수 있다. 이러한 경우에, 제2 및 제3 판정은 기본적으로, HEVC 루마 강한 필터 판정과 동일하다.
VVC와 같은 일부 관련된 예에서, 디블록킹 필터는 루마에 대한 4x4 그리고 및 크로마에 대한 8x8 그리드 상에서 이네이블된다. 디블록킹 필터 프로세스는 CU 경계 및 서브-블록 경계에 적용될 수 있다. 서브-블록 경계는 서브-블록-기반 시간적 모션 벡터 예측(SbTMVP : sub-block-based temporal motion vector prediction) 및 아핀 모드(affine mode)에 의해 도입된 예측 유닛 경계, 및 서브-블록 변환(SBT : sub-block transform) 및 인트라 서브-파티션(ISP : intra sub-partition) 모드에 의해 도입된 변환 유닛 경계를 포함할 수 있다.
SBT 및 ISP 서브-블록에 대하여, HEVC에서의 TU에 대하여 이용된 디블록킹 필터가 적용될 수 있다. 예를 들어, 디블록킹 필터는 경계에 의해 분리된 서브-블록의 어느 하나에서 비-제로 계수가 있을 때에 TU 경계에 적용될 수 있다.
4x4 그리드 상의 SbTMVP 및 아핀 서브-블록에 대하여, HEVC에서의 PU에 대하여 이용된 디블록킹 필터가 적용될 수 있다. 예를 들어, PU 경계에 대한 디블록킹 필터는 모션 벡터와 이웃하는 서브-블록의 참조 픽처 사이의 차이를 고려하여 적용될 수 있다.
이미지의 블록은 개시내용에서의 실시예와 같은 임의의 적당한 방법을 이용하여 코딩된 비디오 비트스트림으로부터 재구성될 수 있다. 예를 들어, 블록은 위에서 설명된 블록별 컨텐츠-적응적 온라인 훈련 프로세스에 기초하여 결정되는 하나 이상의 개개의 대체 파라미터에 의해 대체된 하나 이상의 사전훈련된 파라미터를 가지는 신경망(예컨대, CNN(들))을 포함하는 비디오 디코더(예컨대, 1600B 또는 1800)를 이용하여 재구성될 수 있다. 개시내용의 일부 실시예에 따르면, 포스트-프로세싱(post-processing)은 적어도 하나의 포스트-프로세싱 NN으로 재구성된 블록의 첫 번째 2개의 이웃하는 재구성된 블록의 복수의 영역 중의 하나에 대해 수행될 수 있다. 첫 번째 2개의 이웃하는 재구성된 블록은 제1 공유된 경계를 가질 수 있고, 제1 공유된 경계의 양쪽 측부 상에서 샘플을 가지는 경계 영역을 포함할 수 있다. 첫 번째 2개의 이웃하는 재구성된 블록의 복수의 영역은 경계 영역, 및 경계 영역의 외부에 있는 비-경계 영역을 포함할 수 있다. 복수의 영역 중의 하나는 첫 번째 2개의 이웃하는 재구성된 블록의 복수의 영역 중의 포스트-프로세싱된 영역으로 대체될 수 있다. 수행되는 포스트-프로세싱은 경계 영역을 디블록킹하는 것, 비-경계 영역 중의 하나 이상을 강화하는 것, 디블록킹 및 강화의 조합, 및/또는 등일 수 있다.
하나 이상의 디블록킹 방법은 블록(예컨대, 이미지 내의 재구성된 블록) 사이의 아티팩트를 감소시키기 위하여 이용될 수 있다. 경계 영역에서의 아티팩트와 같은, 블록 사이의 아티팩트를 감소시키기 위하여, 하나 이상의 NN-기반 디블록킹 모델이 이용될 수 있다. NN-기반 디블록킹 모델은 DNN-기반 디블록킹 모델, CNN-기반 디블록킹 모델 등일 수 있다. NN-기반 디블록킹 모델은 DNN, CNN 등과 같은 NN을 이용하여 구현될 수 있다.
실시예에서, 복수의 영역 중의 하나는 경계 영역이다. 적어도 하나의 포스트-프로세싱 NN은 주 디코더 네트워크(915)와 같은 적어도 하나의 디블록킹 NN을 포함하고, 디블록킹은 적어도 하나의 디블록킹 NN으로 경계 영역에 대해 수행될 수 있다. 경계 영역은 디블록킹된 경계 영역으로 대체될 수 있다. 디블록킹의 예는 도 21a 내지 도 21c, 도 22, 도 23, 및 도 26에서 도시된다.
도 21a 내지 도 21c는 개시내용의 실시예에 따른 예시적인 디블록킹 프로세스(2100)를 도시한다. 도 21a를 참조하면, 이미지(2101)는 복수의 블록(2111 내지 2114)으로 파티셔닝될 수 있다. 간결함을 위하여, 4개의 동일-크기 블록(2111 내지 2114)이 도 21a에서 예시된다. 일반적으로, 이미지는 임의의 적당한 수의 블록으로 파티셔닝될 수 있고, 블록의 크기는 상이하거나 동일할 수 있고, 설명은 적당하게 적응될 수 있다. 일부 예에서, 예를 들어, 이미지를 블록으로 파티셔닝하는 것으로 인한 아티팩트를 포함하는 영역은 디블록킹에 의해 프로세싱될 수 있다.
예에서, 블록(2111 내지 2114)은 주 디코더 네트워크(915)로부터의 재구성된 블록이다. 재구성된 블록(2111 내지 2114)의 첫 번째 2개의 이웃하는 재구성된 블록은 제1 공유된 경계(2141)에 의해 분리된 블록(2111 및 2113)을 포함할 수 있다. 블록(2111 및 2113)은 제1 공유된 경계(2141)의 양쪽 측부 상에서 샘플을 가지는 경계 영역 A를 포함할 수 있다. 도 21a 내지 도 21b를 참조하면, 경계 영역 A는 블록(2111 및 2113)에서 각각 위치되는 서브-경계 영역 A1 및 A2를 포함할 수 있다.
재구성된 블록(2111 내지 2114)의 2개의 이웃하는 재구성된 블록은 제2 공유된 경계(2142)에 의해 분리된 블록(2112 및 2114)을 포함할 수 있다. 블록(2112 및 2114)은 제2 공유된 경계(2142)의 양쪽 측부 상에서 샘플을 가지는 경계 영역 B를 포함할 수 있다. 도 21a 내지 도 21b를 참조하면, 경계 영역 B는 블록(2112 및 2114)에서 각각 위치되는 서브-경계 영역 B1 및 B2를 포함할 수 있다.
재구성된 블록(2111 내지 2114)의 2개의 이웃하는 재구성된 블록은 공유된 경계(2143)에 의해 분리된 블록(2111 및 2112)을 포함할 수 있다. 블록(2111 및 2112)은 공유된 경계(2143)의 양쪽 측부 상에서 샘플을 가지는 경계 영역 C를 포함할 수 있다. 도 21a 내지 도 21b를 참조하면, 경계 영역 C는 블록(2111 및 2112)에서 각각 위치되는 서브-경계 영역 C1 및 C2를 포함할 수 있다.
재구성된 블록(2111 내지 2114)의 2개의 이웃하는 재구성된 블록은 공유된 경계(2144)에 의해 분리된 블록(2113 및 2114)을 포함할 수 있다. 블록(2113 및 2114)은 공유된 경계(2144)의 양쪽 측부 상에서 샘플을 가지는 경계 영역 D를 포함할 수 있다. 도 21a 내지 도 21b를 참조하면, 경계 영역 D는 블록(2113 및 2114)에서 각각 위치되는 서브-경계 영역 D1 및 D2를 포함할 수 있다.
서브-경계 영역 A1 내지 D1 및 A2 내지 D2(및 경계 영역 A 내지 D)는 임의의 적당한 크기(예컨대, 폭 및/또는 높이)를 가질 수 있다. 도 21a에서 도시된 실시예에서, 서브-경계 영역 A1, A2, B1, 및 B2는 m x n의 동일한 크기를 가지고, 여기서, n은 블록(2111 내지 2114)의 폭이고, m은 서브-경계 영역 A1, A2, B1, 및 B2의 높이이다. m 및 n의 둘 모두는 양의 정수이다. 예에서, m은 4개의 픽셀 또는 4개의 샘플이다. 따라서, 경계 영역 A 및 B는 2m x n의 동일한 크기를 가진다. 서브-경계 영역 C1, C2, D1, 및 D2는 n x m의 동일한 크기를 가지고, 여기서, n은 블록(2111 내지 2114)의 높이이고, m은 서브-경계 영역 C1, C2, D1, 및 D2의 폭이다. 따라서, 경계 영역 C 및 D는 n x 2m의 동일한 크기를 가진다. 위에서 설명된 바와 같이, 서브-경계 영역 및 경계 영역은 상이한 폭, 상이한 높이, 및/또는 등과 같은 상이한 크기를 가질 수 있다. 예를 들어, 서브-경계 영역 A1 및 A2는 상이한 높이를 가질 수 있다. 예에서, 서브-경계 영역 C1 및 C2는 상이한 폭을 가질 수 있다. 경계 영역 A 및 B는 상이한 폭을 가질 수 있다. 경계 영역 C 및 D는 상이한 높이를 가질 수 있다.
도 21a 내지 도 21b를 참조하면, 경계 영역 A는 제1 공유된 경계(2141)로부터의 블록(2111) 내의 샘플의 m개의 라인(예컨대, 샘플의 m개의 행(row)), 및 제1 공유된 경계(2141)로부터의 블록(2113) 내의 샘플의 m개의 라인(예컨대, 샘플의 m개의 행)을 포함한다. 경계 영역 C는 공유된 경계(2143)로부터의 블록(2111) 내의 샘플의 m개의 라인(예컨대, 샘플의 m개의 열(column)), 및 공유된 경계(2143)로부터의 블록(2112) 내의 샘플의 m개의 라인(예컨대, 샘플의 m개의 열)을 포함한다.
디블록킹은 DNN(들), CNN(들), 또는 임의의 적당한 NN(들)에 기초한 디블록킹 NN과 같은 적어도 하나의 디블록킹 NN으로 경계 영역 A 내지 D 중의 하나 이상에 대해 수행될 수 있다. 예에서, 적어도 하나의 디블록킹 NN은 디블록킹 NN(2130)을 포함한다. 예에서, 디블록킹 NN(2130)은 하나 이상의 컨볼루션 계층을 포함하는 CNN을 이용하여 구현된다. 디블록킹 NN(2130)은 풀링 계층(들), 완전히 접속된 계층(들), 정규화 계층(들), 및/또는 등과 같은, 개시내용에서 설명된 추가적인 계층(들)을 포함할 수 있다. 디블록킹 NN(2130) 내의 계층은 임의의 적당한 순서로 그리고 임의의 적당한 아키텍처(예컨대, 피드-포워드 아키텍처, 순환 아키텍처)로 배열될 수 있다. 예에서, 컨볼루션 계층은 풀링 계층(들), 완전히 접속된 계층(들), 정규화 계층(들), 및/또는 등과 같은 다른 계층(들)에 선행한다.
디블록킹은 디블록킹 NN(2130)으로 경계 영역 A 내지 D에 대해 수행될 수 있다. 경계 영역 A 내지 D 중의 하나 이상은 아티팩트를 포함한다. 아티팩트는 개개의 인접한 블록에 의해 유도될 수 있다. 경계 영역 A 내지 D 중의 하나 이상은 아티팩트를 감소시키기 위하여 디블록킹 NN(2130)으로 전송될 수 있다. 따라서, 디블록킹 NN(2130)에 대한 입력은 경계 영역 A 내지 D 중의 하나 이상을 포함하고, 디블록킹 NN(2130)으로부터의 출력은 디블록킹되는 경계 영역 A 내지 D 중의 하나 이상을 포함한다.
도 21b를 참조하면, 경계 영역 A 내지 D는 개개의 인접한 블록에 의해 유도된 아티팩트를 포함한다. 경계 영역 A 내지 D는 아티팩트를 감소시키기 위하여 디블록킹 NN(2130)으로 전송될 수 있다. 디블록킹 NN(2130)으로부터의 출력은 디블록킹된 경계 영역 A' 내지 D'을 포함한다. 예에서, 디블록킹된 경계 영역 A' 내지 D'에서의 아티팩트는 경계 영역 A 내지 D에서의 아티팩트에 비해 감소된다.
도 21b 및 도 21c를 참조하면, 이미지(2101) 내의 경계 영역 A 내지 D는 예를 들어, 디블록킹된 경계 영역 A' 내지 D'에 의해 대체됨으로써 업데이트된다. 따라서, 이미지(2150)가 생성되고, 디블록킹된 경계 영역 A' 내지 D' 및 비-경계 영역(2121 내지 2124)을 포함한다.
하나 이상의 샘플은 다수의 경계 영역 내에 있을 수 있다. 다수의 경계 영역이 대응하는 디블록킹된 경계 영역에 의해 대체될 때, 임의의 적당한 방법은 하나 이상의 공유된 샘플 중의 하나의 공유된 샘플의 값을 결정하기 위하여 이용될 수 있다.
도 21a를 참조하면, 샘플 S는 경계 영역 A 및 C 내에 있다. 경계 영역 A' 및 C'을 획득한 후에, 다음의 방법은 샘플 S의 값을 획득하기 위하여 이용될 수 있다. 예에서, 경계 영역 A는 디블록킹된 경계 영역 A'에 의해 대체되고, 추후에, 경계 영역 C는 디블록킹된 경계 영역 C'에 의해 대체된다. 따라서, 샘플 S의 값은 디블록킹된 경계 영역 C' 내의 샘플 S의 값에 의해 결정된다.
예에서, 경계 영역 C는 디블록킹된 경계 영역 C'에 의해 대체되고, 추후에, 경계 영역 A는 디블록킹된 경계 영역 A'에 의해 대체된다. 따라서, 샘플 S의 값은 디블록킹된 경계 영역 A' 내의 샘플 S의 값에 의해 결정된다.
예에서, 샘플 S의 값은 디블록킹된 경계 영역 A' 내의 샘플 S의 값 및 디블록킹된 경계 영역 C' 내의 샘플 S의 값의 평균(예컨대, 가중화된 평균)에 의해 결정된다.
경계 영역은 2개 초과의 블록의 샘플을 포함할 수 있다. 도 22는 개시내용의 실시예에 따른, 2개 초과의 블록의 샘플을 포함하는 경계 영역의 예를 도시한다. 단일 경계 영역 AB는 경계 영역 A 및 B를 포함할 수 있다. 경계 영역 AB는 2개의 이웃하는 재구성된 블록(2111 및 2113) 사이의 공유된 경계(2141)의 양쪽 측부 상에서 샘플을 포함할 수 있고, 2개의 이웃하는 재구성된 블록(2112 및 2114) 사이의 공유된 경계(2142)의 양쪽 측부 상에서 샘플을 포함할 수 있다. 단일 경계 영역 CD는 경계 영역 C 및 D를 포함할 수 있다. 경계 영역 CD는 2개의 이웃하는 재구성된 블록(2111 및 2112) 사이의 공유된 경계(2143)의 양쪽 측부 상에서 샘플을 포함할 수 있고, 2개의 이웃하는 재구성된 블록(2113 및 2114) 사이의 공유된 경계(2144)의 양쪽 측부 상에서 샘플을 포함할 수 있다.
디블록킹 NN(2130)과 같은 디블록킹 NN은 경계 영역의 하나 이상의 디블록킹된 경계 영역을 생성하기 위하여 경계 영역 AB 및 CD 중의 하나 이상에 대해 디블록킹을 수행할 수 있다. 도 22를 참조하면, 경계 영역 AB 및 CD는 디블록킹 NN(2130)으로 전송되고, 디블록킹된 경계 영역 AB' 및 CD'이 생성된다. 디블록킹된 경계 영역 AB' 및 CD'은 이미지(2101) 내의 경계 영역 AB 및 CD를 대체할 수 있고, 이에 따라, 이미지(2250)가 생성된다. 이미지(2250)는 디블록킹된 경계 영역 AB' 내지 CD' 및 비-경계 영역(2121 내지 2124)을 포함할 수 있다.
개시내용의 실시예에 따르면, 멀티-모델 디블록킹 방법(multi-model deblocking method)이 이용될 수 있다. 상이한 디블록킹 모델은 아티팩트를 제거하기 위하여, 상이한 유형 또는 카테고리의 경계 영역에 적용될 수 있다. 분류 모듈은 경계 영역을 상이한 카테고리로 분류하기 위하여 적용될 수 있다. 임의의 분류 모듈이 적용될 수 있다. 예에서, 분류 모듈은 NN에 기초한다. 예에서, 분류 모듈은 NN에 기초하지 않는다. 경계 영역은 개개의 카테고리에 따라 상이한 디블록킹 모델로 전송될 수 있다.
실시예에서, 적어도 하나의 디블록킹 NN은 상이한 디블록킹 모델에 기초하여 각각 구현된 다수의 디블록킹 NN을 포함한다. 다수의 디블록킹 NN 중의 어느 것을 경계 영역에 적용할 것인지가 결정될 수 있다. 디블록킹은 결정된 디블록킹 NN으로 경계 영역에 대해 수행될 수 있다. 예에서, 다수의 디블록킹 NN 중의 어느 것을 적용할 것인지는, DNN, CNN 등과 같은 NN(예컨대, 분류 NN으로서 또한 지칭됨)에 기초하는 분류 모듈에 의해 결정된다.
도 23은 개시내용의 실시예에 따른, 다수의 디블록킹 모델에 기초한 예시적인 디블록킹 프로세스(2300)를 도시한다. 분류 모듈(2310)은 경계 영역 A 내지 D를 하나 이상의 카테고리로 분류할 수 있다. 예를 들어, 경계 영역 C 내지 D는 제1 카테고리로 분류되고, 경계 영역 B는 제2 카테고리로 분류되고, 경계 영역 A는 제3 카테고리로 분류된다. 상이한 디블록킹 모델은 상이한 카테고리에서의 경계 영역에 적용될 수 있다. 도 23에서, 디블록킹 NN(2330)은 다수의 디블록킹 모델(예컨대, 디블록킹 모델 1 내지 L)에 기초한 멀티-모델 디블록킹과 같은 디블록킹을 수행하기 위하여 이용될 수 있다. L은 양의 정수이다. L이 1일 때, 디블록킹 NN(2330)은 단일 디블록킹 모델을 포함한다. L이 1 초과일 때, 디블록킹 NN(2330)은 다수의 디블록킹 모델을 포함한다.
예에서, 디블록킹 모델 1은 제1 카테고리에서의 경계 영역(들)(예컨대, C 및 D)에 적용되고, 디블록킹된 경계 영역(들)(예컨대, C" 및 D")이 생성된다. 디블록킹 모델 2는 제2 카테고리에서의 경계 영역(들)(예컨대, B)에 적용되고, 디블록킹된 경계 영역(들)(예컨대, B")이 생성된다. 디블록킹 모델 3은 제3 카테고리에서의 경계 영역(들)(예컨대, A)에 적용되고, 디블록킹된 경계 영역(들)(예컨대, A")이 생성된다. 디블록킹된 경계 영역 A" 내지 D"은 이미지(2101) 내의 대응하는 경계 영역 A 내지 D를 대체할 수 있고, 이에 따라, 이미지(2350)가 생성된다. 이미지(2350)는 디블록킹된 경계 영역 A" 내지 D" 및 비-경계 영역(2121 내지 2124)을 포함할 수 있다.
임의의 적당한 메트릭(metric)은 경계 영역을 분류하거나 카테고리화하기 위하여 적용될 수 있다. 예에서, 경계 영역은 경계 영역의 컨텐츠에 따라 분류된다. 예를 들어, 고주파수 컨텐츠(예컨대, 상대적으로 큰 분산을 갖는 컨텐츠)를 갖는 경계 영역 및 저주파수 컨텐츠(예컨대, 상대적으로 작은 분산을 갖는 컨텐츠)를 갖는 경계 영역은 상이한 디블록킹 모델에 대응하는 상이한 카테고리로 분류된다. 경계 영역에서의 아티팩트의 강도는 경계 영역을 분류하기 위하여 이용될 수 있다. 멀티-모델 디블록킹 방법은 2개 이상의 블록 사이의 경계 영역(예컨대, A, B, C, D, AB, 및/또는 CD)과 같은 임의의 적당한 경계 영역에 적용될 수 있다. 경계 영역의 주파수는 경계 영역 내의 샘플의 최대 차이에 기초하여 결정될 수 있다. 예에서는, 공유된 경계의 제1 측부에서의 제1 에지 근처의 샘플의 제1 차이가 결정된다. 예에서는, 공유된 경계의 제2 측부에서의 제2 에지 근처의 샘플의 제2 차이가 결정된다. 예에서는, 제1 차이 및 제2 차이가 결정된다.
디블록킹 NN(예컨대, 도 21b에서의 디블록킹 NN(2130) 또는 도 23에서의 디블록킹 NN(2330))은 블록 사이의 아티팩트를 제거하기 위하여 적용될 수 있다. 예에서, 공유된 경계에 근접한 샘플 또는 픽셀은 공유된 경계로부터 추가로 떨어져 있는 샘플(또는 픽셀)보다 더 많이 디블록킹될 수 있다. 도 21a를 다시 참조하면, 샘플 S는 샘플 F보다 공유된 경계(2141)에 더 근접하고, 이에 따라, 샘플 S는 샘플 F보다 더 많이 디블록킹될 수 있다.
디블록킹 NN(예컨대, 도 21b에서의 디블록킹 NN(2130) 또는 도 23에서의 디블록킹 NN(2330))에서의 디블록킹 모델은 하나 이상의 컨볼루션 계층을 포함할 수 있다. 예를 들어, CNN-기반 어텐션 메커니즘(attention mechanism)(예컨대, 비-로컬 어텐션(non-local attention), 스퀴즈-및-엑시테이션 네트워크(SENet : Squeeze-and-Excitation Network)), 잔차 신경망(ResNet : residual neural network)(예컨대, CNN들 또는 convnet들의 세트, 및 활성화 함수를 포함함), 및/또는 등이 이용될 수 있다. 예를 들어, 이미지 수퍼-해상도(super-resolution)에 의해 이용된 DNN은 예를 들어, 출력 크기를 입력 크기와 동일하도록 변경함으로써 이용될 수 있다. 이미지 수퍼-해상도에서, 이미지의 해상도는 저해상도로부터 고해상도로 강화될 수 있다.
NN 또는 다른 학습-기반 방법으로 경계 영역(들)에 대해 디블록킹을 어떻게 수행할 것인지가 위에서 설명된다. 일부 예에서, 비디오 인코더 및/또는 비디오 디코더는 NN에 기초한 디블록킹 방법 또는 NN에 기초하지 않은 디블록킹 방법 사이에서 선택할 수 있다. 선택은 슬라이스 레벨, 픽처들의 그룹에 대한 픽처 레벨, 시퀀스 레벨, 및/또는 등과 같은 다양한 레벨에 대해 행해질 수 있다. 선택은 플래그(flag)를 이용하여 시그널링될 수 있다. 선택은 경계 영역의 컨텐츠로부터 추론될 수 있다.
비디오 인코더 및/또는 비디오 디코더는 예를 들어, 픽셀 또는 샘플에 대한 NN 도출된 조절이 경계 강도(BS)의 디폴트 레벨에 있을 때, 개시내용에서 설명된 방법 및 실시예에 추가적으로, 다양한 레벨의 경계 강도를 적용할 수 있다. 경계 조건 및 블록 코딩 특징을 분석함으로써, 상이한 레벨의 BS는 디폴트 조절을 수정(예컨대, 확대하거나 축소함)하기 위하여 배정될 수 있다.
개시내용의 실시예에 따르면, 적어도 하나의 포스트-프로세싱 NN은 적어도 하나의 강화 NN을 포함할 수 있다. 이웃하는 재구성된 블록의 비-경계 영역 중의 하나 이상은 적어도 하나의 강화 NN으로 강화될 수 있다. 비-경계 영역 중의 하나 이상은 비-경계 영역의 강화된 하나 이상으로 대체될 수 있다.
재구성된 이미지(예컨대, 도 21c에서의 이미지(2101))는 강화된 이미지(예컨대, 최종적인 재구성된 이미지)를 생성하기 위하여 강화 모듈로 전송될 수 있다. 디블록킹이 수행되는 일부 실시예에서 디블록킹 NN을 이용함으로써 아티팩트를 감소시킨 후에, 재구성된 이미지가 강화 모듈로 전송될 수 있다. 이미지의 품질을 강화하기 위하여, NN-기반 포스트-강화 모델(NN-based post-enhancement model)(예컨대, DNN(들) 또는 CNN(들)에 기초한 포스트-강화 모델)은 도 24에서의 포스트-강화 NN(2430)과 같은 포스트-강화 모듈에서 이용될 수 있다.
도 24는 개시내용의 실시예에 따른 예시적인 강화 프로세스(2400)를 도시한다. 일부 예에서, 이미지(2101) 내의 비-경계 영역(2121 내지 2124)(예컨대, 경계 영역 A 내지 D 이외의 나머지 영역)은 디블록킹 모듈(예컨대, 디블록킹 NN(2130))로 전송되지 않는다. 예에서, 비-경계 영역(예컨대, 비-경계 영역(2121))은 이미지(예컨대, 2101) 내의 재구성된 블록(예컨대, 2111)으로부터의 것이고, 경계 영역의 크기는 (n-m)×(n-m)일 수 있다. 도 21a를 참조하여 설명된 바와 같이, n은 재구성된 블록(예컨대, 2111)의 측부 길이(예컨대, 폭 및/또는 높이)이고, m은 디블록킹을 위한 서브-경계 영역(예컨대, A1)의 측부 길이이다. 비-경계 영역(2121 내지 2124) 중의 하나 이상은 비-경계 영역(2121 내지 2124) 중의 하나 이상의 품질을 추가로 증가시키기 위하여 강화 모듈로 전송될 수 있다. 비-경계 영역 중의 강화된 하나 이상은 이미지 내의 비-경계 영역(2121 내지 2124) 중의 하나 이상을 대체할 수 있다. 도 24를 참조하면, 비-경계 영역(2121 내지 2124)은 강화된 비-경계 영역(2121' 내지 2124')을 생성하기 위하여 포스트-강화 NN(2430)으로 이송된다. 강화된 비-경계 영역(2121' 내지 2124')은 강화된 이미지(2450)를 생성하기 위하여 강화된 비-경계 영역(2121 내지 2124)을 대체할 수 있다.
예에서, 비-경계 영역은 경계 영역과 중첩하여, 비-경계 영역의 부분이 경계 영역 내에 있다. 예에서, 비-경계 영역은 전체 코딩 블록이다. 도 24를 참조하면, 블록(2111)은 비-경계 영역일 수 있고, 이에 따라, 비-경계 영역(2111)은 (2112 내지 2113)과 같은 다른 이웃하는 블록과 경계를 이룬다.
일부 실시예에서, 적어도 하나의 강화 NN은 각각 다수의 강화 모델(예컨대, 포스트-강화 모델)에 기초한다. 다수의 강화 모델 중의 어느 것을 비-경계 영역에 적용할 것인지는 예를 들어, 분류 모듈에 의해 결정될 수 있다. 비-경계 영역은 결정된 강화 모델로 강화될 수 있다. 예에서, 다수의 강화 모델 중의 어느 것을 적용할 것인지는, DNN, CNN 등과 같은 NN(예컨대, 분류 NN으로서 또한 지칭됨)에 기초하는 분류 모듈에 의해 결정된다. 포스트-강화 프로세스(예컨대, 2500)에서 이용된 분류 모듈(예컨대, 분류 모듈(2510))은 디블록킹 프로세스(예컨대, 2300)에서 이용된 분류 모듈(예컨대, 분류 모듈(2310))과 동일하거나 상이할 수 있다. 포스트-강화 프로세스에서 이용된 분류 모듈(예컨대, 분류 모듈(2510))은 NN(예컨대, DNN(들) 또는 CNN(들))을 포함할 수 있다. 예에서, 포스트-강화 프로세스에서 이용된 분류 모듈(예컨대, 분류 모듈(2510))은 NN을 포함하지 않는다.
도 25는 개시내용의 실시예에 따른 멀티-모델 포스트-강화 모듈과 같은, 예시적인 강화 프로세스(2500)를 도시한다.
분류 모듈(2510)은 비-경계 영역(2121 내지 2124)을 하나 이상의 카테고리로 분류할 수 있다. 예를 들어, 비-경계 영역(2122 내지 2123)은 제1 카테고리로 분류되고, 비-경계 영역(2121 및 2124)은 제2 카테고리로 분류된다. 상이한 강화 모델(예컨대, 포스트-강화 모델)은 상이한 카테고리에서의 비-경계 영역에 적용될 수 있다. 도 25에서, 강화 NN(2530)은 다수의 강화 모델(예컨대, 강화 모델 1 내지 J)에 기초한 멀티-모델 강화와 같은 강화를 수행하기 위하여 이용될 수 있다. J는 양의 정수이다. J가 1일 때, 강화 NN(2530)은 단일 강화 모델을 포함한다. J가 1 초과일 때, 강화 NN(2530)은 다수의 강화 모델을 포함한다.
예에서, 강화 모델 1은 제1 카테고리에서의 비-경계 영역(들)(예컨대, 2122 내지 2123)에 적용되고, 강화된 비-경계 영역(들)(예컨대, 2122" 내지 2123")이 생성된다. 강화 모델 2는 제2 카테고리에서의 비-경계 영역(들)(예컨대, 2121 및 2124)에 적용되고, 강화된 비-경계 영역(들)(예컨대, 2121" 및 2124")이 생성된다. 강화된 비-경계 영역(2121" 내지 2124")은 대응하는 비-경계 영역(2121 내지 2124)을 대체할 수 있고, 여기서, 강화된 이미지(2550)는 강화된 비-경계 영역(2121" 내지 2124") 및 경계 영역 A 내지 D를 포함한다.
임의의 적당한 메트릭은 비-경계 영역을 분류하거나 카테고리화하기 위하여 적용될 수 있다. 예에서, 비-경계 영역은 비-경계 영역의 컨텐츠에 따라 분류된다. 예를 들어, 고주파수 컨텐츠(예컨대, 상대적으로 큰 분산을 갖는 컨텐츠)를 갖는 비-경계 영역 및 저주파수 컨텐츠(예컨대, 상대적으로 작은 분산을 갖는 컨텐츠)를 갖는 비-경계 영역은 상이한 강화 모델에 대응하는 상이한 카테고리로 분류된다.
이미지는 도 21 내지 도 25를 참조하여 설명된 바와 같이, 블록-레벨에서 강화될 수 있다. 강화 모듈(예컨대, 포스트-강화 모델)은 전체 이미지를 강화할 수 있다. 도 26은 개시내용의 실시예에 따른, 전체 이미지를 강화하기 위한 예시적인 이미지-레벨 강화 프로세스(2600)를 도시한다. 이미지(2101)는 도 21a에서 설명된 바와 같이, 비-경계 영역(2121 내지 2124) 및 경계 영역 A 내지 D를 포함한다. 예에서, 이미지(2101)는 위에서 설명된 바와 같이, 재구성된 블록(2111 내지 2114)을 포함하는 재구성된 이미지이다. 경계 영역에서의 아티팩트는 감소될 수 있고, 비-경계 영역은 개선된 시각적 품질로 강화될 수 있다.
도 26을 참조하면, 경계 영역 A 내지 D 및 비-경계 영역(2121 내지 2124)을 포함하는 이미지(2101)는 강화 모듈(2630)로 이송될 수 있다. 강화 모듈(2630)은 예를 들어, 경계 영역 A 내지 D를 디블록킹함으로써, 경계 영역 A 내지 D에 각각 대응하는 강화된 경계 영역 E 내지 H를 생성할 수 있다. 강화 모듈(2630)은 비-경계 영역(2121 내지 2124)에 각각 대응하는 강화된 비-경계 영역(2621 내지 2624)을 생성할 수 있다. 강화된 경계 영역 E 내지 H는 경계 영역 A 내지 D를 각각 대체할 수 있고, 강화된 비-경계 영역(2621 내지 2624)은 비-경계 영역(2121 내지 2124)을 각각 대체할 수 있고, 이에 따라, 강화된 이미지(2650)는 재구성된 이미지(2101)에 기초하여 생성된다.
예에서, 이미지 기반 강화 모듈(2630)은 디블록킹 및 강화의 둘 모두를 수행할 수 있는 강화 NN을 포함한다. 예에서, 이미지 기반 강화 모듈(2630)은 강화를 수행할 수 있는 강화 NN, 및 디블록킹을 수행할 수 있는 디블록킹 NN을 포함한다.
도 24 내지 도 26을 참조하여 설명된 강화 모듈(예컨대, 2430, 2530, 및 2630)은 이미지의 품질을 강화할 수 있다. 강화 모듈(예컨대, 2430, 2530, 및 2630)은 하나 이상의 컨볼루션 계층을 포함할 수 있다. CNN-기반 어텐션 메커니즘(예컨대, 비-로컬 어텐션, SENet), ResNet(예컨대, CNN들 또는 convnet들의 세트, 및 활성화 함수를 포함함), 및/또는 등이 이용될 수 있다. 예를 들어, 이미지 수퍼-해상도에 의해 이용된 DNN은 예를 들어, 출력 크기를 입력 크기와 동일하도록 변경함으로써 이용될 수 있다.
이미지 내의 경계 영역 및 비-경계 영역은 순차적 또는 동시와 같은, 임의의 적당한 순서로 강화 NN 및 디블록킹 NN에 의해 프로세싱될 수 있다. 예에서, 경계 영역은 디블록킹 NN에 의해 디블록킹되고, 추후에, 비-경계 영역은 강화 NN에 의해 프로세싱된다. 예에서, 비-경계 영역은 강화 NN에 의해 프로세싱되고, 추후에, 경계 영역은 디블록킹 NN에 의해 디블록킹된다.
개시내용의 실시예에 따르면, 강화 NN(예컨대, 2430, 2530, 또는 2630), 디블록킹 NN(예컨대, 2130 또는 2330), 및/또는 분류 NN(예컨대, 2310 또는 2510)은 개시내용에서 설명된 바와 같이, 임의의 신경망 아키텍처를 포함할 수 있고, 임의의 수의 계층을 포함할 수 있고, 하나 이상의 서브-신경망을 포함할 수 있고, 임의의 적당한 훈련 이미지 또는 훈련 블록으로 훈련될 수 있다. 훈련 이미지는 원시 이미지, 또는 잔차 데이터를 포함하는 이미지를 포함할 수 있다. 훈련 블록은 원시 이미지, 또는 잔차 데이터를 포함하는 이미지로부터의 것일 수 있다.
컨텐츠-적응적 온라인 훈련은 개시내용에서 설명된 바와 같이, 강화 NN(예컨대, 2430, 2530, 또는 2630), 디블록킹 NN(예컨대, 2130 또는 2330), 및/또는 분류 NN(예컨대, 2310 또는 2510) 중의 하나에서의 하나 이상의 사전훈련된 파라미터를 업데이트하기 위하여 적용될 수 있다.
강화 NN(예컨대, 2430, 2530, 또는 2630), 디블록킹 NN(예컨대, 2130 또는 2330), 및/또는 분류 NN(예컨대, 2310 또는 2510)은 별도로 훈련될 수 있고, 예를 들어, 단일 디블록킹 NN은 디블록킹 NN에서의 사전훈련된 파라미터를 결정하도록 훈련된다. 강화 NN(예컨대, 2430, 2530, 또는 2630), 디블록킹 NN(예컨대, 2130 또는 2330), 및/또는 분류 NN(예컨대, 2310 또는 2510)은 NIC 프레임워크에서의 컴포넌트로서 훈련(예컨대, 사전훈련되거나 온라인으로 훈련됨)될 수 있다. 예를 들어, NIC 프레임워크(900), 및 강화 NN(예컨대, 2430, 2530, 또는 2630), 디블록킹 NN(예컨대, 2130 또는 2330), 및/또는 분류 NN(예컨대, 2310 또는 2510) 중의 적어도 하나는 공동으로 훈련될 수 있다.
강화 프로세스는 블록이 재구성된 후에 수행되므로, 강화 프로세스(예컨대, 2400, 2500, 또는 2600)는 예를 들어, 포스트-강화 프로세스로서 지칭될 수 있다. 동일한 이유로, 강화 모듈(예컨대, 2430, 2530, 또는 2630)은 포스트-강화 모듈 또는 포스트-강화 NN으로서 지칭될 수 있다.
일부 예에서, 재구성된 이미지(2101)는 잔차 데이터를 포함한다.
2개의 중첩된 영역 내의 공유된 샘플은 예를 들어, 강화 모듈 및 디블록킹 모듈에 의해 상이한 프로세스에서 수정될 수 있다. 도 27은 개시내용의 실시예에 따른 공유된 샘플의 예를 도시한다. 도 27은 이미지(2701)의 부분을 도시한다. 이미지(2701)는 비디오 디코더(예컨대, 1600B 또는 1800)에 의한 재구성된 이미지일 수 있다. 이미지(2701) 내의 영역(2710) 및 영역(2720)은 영역(2730)을 공유하여, 공유된 영역(2730)은 영역(2710) 및 영역(2720)과 중첩한다. 공유된 영역(2730) 내의 샘플은 영역(2710 및 2720)에 의해 공유된 샘플이다. 예에서, 영역(2710)은 디블록킹 모듈에 의해 수정되고, 영역(2720)은 강화 모듈에 의해 수정된다.
강화 모듈로부터의 공유된 샘플의 샘플 값은 Pi로서 나타내어지고, 여기서, i는 1, 2, ... 및 K일 수 있고, K는 공유된 영역(2730) 내의 공유된 샘플의 수이다. 디블록킹 모듈로부터의 공유된 샘플의 샘플 값은 Di로서 나타내어진다. 가중화된 평균은 공유된 샘플의 최종적인 샘플 값(Ai로서 나타내어짐)을 결정하기 위하여 적용될 수 있다. 프로세스는 경계 영역에서의 픽셀 배합(pixel blending)으로서 지칭된다. 예를 들어, Ai = wi*Pi + (1-wi)*Di이고, 여기서, wi는 공유된 영역(2730) 내의 샘플 포지션 i에 대하여 설계된 가중치 파라미터이다. 예에서, wi는 0.5인 것으로 설정되고, 상이한 샘플 포지션에 대하여 동일하다. 예에서, 상이한 포지션에 대하여, 가중치는 상이할 수 있다. wi는 2개의 영역(예컨대, 2710 및 2720) 내의 샘플의 포지션에 종속될 수 있다. 예를 들어, 샘플 S1은 영역(2710)의 에지에서 위치되고, 영역(2720)의 에지로부터 멀어지는 열에서 위치된다. 따라서, 샘플 S1은 영역(2710)의 중심보다 영역(2720)의 중심에 더 근접하게 위치된다. 샘플 S1에 대하여, 더 큰 가중치가 P1에 배정된다. 예를 들어, A1=5/8*P1+3/8*D1이다. 예를 들어, 샘플 S2는 영역(2720)의 에지에서 위치되고, 영역(2721)의 에지로부터 멀어지는 열에서 위치된다. 따라서, 샘플 S2는 영역(2720)의 중심보다 영역(2710)의 중심에 더 근접하게 위치된다. 샘플 S2에 대하여, 더 큰 가중치가 P2에 배정된다. 예를 들어, A2=3/8*P2+5/8*D2이다.
위의 설명은 2개 이상의 영역이 공유된 영역을 포함할 때에 적응되고 적용될 수 있다. 위의 설명은 다수의 영역이 디블록킹되는 경계 영역, 강화되는 비-경계 영역, 또는 디블록킹되는 경계 영역 및 강화되는 비-경계 영역의 조합을 포함할 때에 적응되고 적용될 수 있다.
공유된 샘플은 경계 영역의 중첩하는 부분에서 위치될 수 있거나, 경계 영역 및 비-경계 영역의 중첩하는 부분에서 위치될 수 있다. 위에서 설명된 바와 같이, 비-경계 영역은 강화 NN으로 강화될 수 있고, 경계 영역은 디블록킹될 수 있다. 공유된 샘플의 값은 중첩하는 부분의 값의 가중화된 평균으로 대체될 수 있다. 예를 들어, 공유된 샘플의 값은 디블록킹된 경계 영역 내의 공유된 샘플의 값 및 강화된 비-경계 영역 내의 공유된 샘플의 값의 가중화된 값으로 대체될 수 있다.
도 28은 개시내용의 실시예에 따른 프로세스(2800)의 개요를 기술하는 흐름도를 도시한다. 프로세스(2800)는 인코딩된 블록의 재구성에서 이용될 수 있다. 다양한 실시예에서, 프로세스(2800)는 단말 디바이스(310, 320, 330, 및 340) 내의 프로세싱 회로부, 비디오 디코더(1600B)의 기능을 수행하는 프로세싱 회로부, 비디오 디코더(1800)의 기능을 수행하는 프로세싱 회로부와 같은 프로세싱 회로부에 의해 실행된다. 예에서, 프로세싱 회로부는 (i) 비디오 디코더(410), 비디오 디코더(510), 및 비디오 디코더(810) 중의 하나, 및 (ii) 비디오 디코더(1600B) 또는 비디오 디코더(1800) 중의 하나의 기능의 조합을 수행한다. 일부 실시예에서, 프로세스(2800)는 소프트웨어 명령으로 구현되고, 이에 따라, 프로세싱 회로부가 소프트웨어 명령을 실행할 때, 프로세싱 회로부는 프로세스(2800)를 수행한다. 프로세스는 S2801에서 시작되고, S2010으로 진행한다.
S2810에서, 이미지의 블록은 임의의 적당한 방법을 이용하여 코딩된 비디오 비트스트림으로부터 재구성될 수 있다. 블록은 CNN과 같은 NN에 기초하여 비디오 디코더(예컨대, 1600B 또는 1800)에 의해 재구성될 수 있다. 예에서, 비디오 디코더에서의 사전훈련된 파라미터에 대한 대체 파라미터는 코딩된 비디오 비트스트림에서 시그널링될 수 있고, 비디오 디코더는 업데이트된다. 업데이트된 비디오 디코더는 이미지 내의 블록을 재구성할 수 있다.
S2820에서, 포스트-프로세싱은 적어도 하나의 포스트-프로세싱 NN으로 재구성된 블록의 첫 번째 2개의 이웃하는 재구성된 블록의 복수의 영역 중의 하나에 대해 수행될 수 있다. 첫 번째 2개의 이웃하는 재구성된 블록(예컨대, 도 21a에서의 2111 및 2113)은 제1 공유된 경계(예컨대, 2141)를 가질 수 있고, 제1 공유된 경계의 양쪽 측부 상에서 샘플을 가지는 경계 영역(예컨대, 경계 영역 A)을 포함할 수 있다. 첫 번째 2개의 이웃하는 재구성된 블록의 복수의 영역은 도 21a 내지 도 21c 및 도 22 내지 도 27을 참조하여 설명된 것과 같은, 경계 영역(예컨대, 경계 영역 A), 및 경계 영역 외부에 있는 비-경계 영역(예컨대, 2121 및 2123)을 포함할 수 있다.
예에서, 복수의 영역 중의 하나는 경계 영역이고, 적어도 하나의 포스트-프로세싱 NN은 적어도 하나의 디블록킹 NN을 포함하고, 디블록킹은 적어도 하나의 디블록킹 NN으로 경계 영역에 대해 수행될 수 있다. 경계 영역은 도 21a 내지 도 21c에서 설명된 것과 같은, 디블록킹된 경계 영역으로 대체될 수 있다.
예에서, 경계 영역(예컨대, 도 22에서의 경계 영역 AB)은 재구성된 블록의 두 번째 2개의 이웃하는 재구성된 블록(예컨대, 2112 및 2114) 사이의 제2 공유된 경계(예컨대, 2142)의 양쪽 측부 상에서 샘플을 더 포함하고, 첫 번째 2개의 이웃하는 재구성된 블록(예컨대, 2111 및 2113)은 도 22에서 설명된 바와 같이, 두 번째 2개의 이웃하는 재구성된 블록(예컨대, 2112 및 2114)과 상이하다.
예에서, 적어도 하나의 디블록킹 NN(예컨대, 2330)은 각각 다수의 디블록킹 모델에 기초한다. 다수의 디블록킹 모델 중의 어느 것을 경계 영역에 적용할 것인지가 결정될 수 있다. 디블록킹은 도 23에서 설명된 바와 같이, 결정된 디블록킹 모델로 경계 영역에 대해 수행될 수 있다.
예에서, 적어도 하나의 포스트-프로세싱 NN은 적어도 하나의 강화 NN(예컨대, 2430)을 포함한다. 비-경계 영역 중의 하나는 도 24 내지 도 25에서 설명된 바와 같이, 적어도 하나의 강화 NN으로 강화될 수 있다.
예에서, 디블록킹은 경계 영역에 대해 수행될 수 있고, 비-경계 영역은 도 26에서 설명된 바와 같이 강화된다.
S2030에서, 복수의 영역 중의 하나는 도 21a 내지 도 21c 및 도 22 내지 도 26을 참조하여 설명된 바와 같이, 첫 번째 2개의 이웃하는 재구성된 블록의 복수의 영역 중의 포스트-프로세싱된 영역으로 대체될 수 있다.
프로세스(2800)는 (S2899)로 진행하여 종결된다.
프로세스(2800)는 다양한 시나리오에 적당하게 적응될 수 있고, 프로세스(2800)에서의 단계는 이에 따라 조절될 수 있다. 프로세스(2800)에서의 단계들 중의 하나 이상은 적응되고, 생략되고, 반복되고, 및/또는 조합될 수 있다. 임의의 적당한 순서는 프로세스(2800)를 구현하기 위하여 이용될 수 있다. 추가적인 단계(들)가 추가될 수 있다.
개시내용에서의 실시예는 별도로 이용될 수 있거나 임의의 순서로 조합될 수 있다. 또한, 방법(또는 실시예)의 각각, 인코더, 및 디코더는 프로세싱 회로부(예컨대, 하나 이상의 프로세서 또는 하나 이상의 집적 회로)에 의해 구현될 수 있다. 하나의 예에서, 하나 이상의 프로세서는 비-일시적 컴퓨터-판독가능 매체 내에 저장되는 프로그램을 실행한다.
이 개시내용은 신경망 기반 인코더와 같은 인코더, 신경망 기반 디코더와 같은 디코더를 위하여 이용된 방법에 대해 임의의 한정을 두지 않는다. 인코더, 디코더, 및/또는 등에서 이용된 신경망(들)은 DNN, CNN 등과 같은 임의의 적당한 유형의 신경망(들)일 수 있다.
따라서, 이 개시내용의 컨텐츠-적응적 온라인 훈련 방법은 상이한 유형의 NIC 프레임워크, 예컨대, 상이한 유형의 인코딩 DNN, 디코딩 DNN, 인코딩 CNN, 디코딩 CNN, 및/또는 등을 수용할 수 있다.
위에서 설명된 기법은 컴퓨터-판독가능 명령을 이용하고 하나 이상의 컴퓨터-판독가능 매체 내에 물리적으로 저장된 컴퓨터 소프트웨어로서 구현될 수 있다. 예를 들어, 도 29는 개시된 발명 요지의 어떤 실시예를 구현하기 위하여 적당한 컴퓨터 시스템(2900)을 도시한다.
컴퓨터 소프트웨어는, 하나 이상의 컴퓨터 중앙 프로세싱 유닛(CPU : central processing unit), 그래픽 프로세싱 유닛(GPU : Graphics Processing Unit) 등에 의해 직접적으로, 또는 해독, 마이크로-코드 실행 등을 통해 실행될 수 있는 명령을 포함하는 코드를 생성하기 위하여 어셈블리(assembly), 컴파일링(compilation), 링크(linking) 등의 대상이 될 수 있는 임의의 적당한 머신 코드 또는 컴퓨터 언어를 이용하여 코딩될 수 있다.
명령은 예를 들어, 개인용 컴퓨터, 태블릿 컴퓨터, 서버, 스마트폰, 게이밍 디바이스, 사물 인터넷 디바이스 등을 포함하는 다양한 유형의 컴퓨터 또는 그 컴포넌트 상에서 실행될 수 있다.
컴퓨터 시스템(2900)을 위한 도 29에서 도시된 컴포넌트는 본질적으로 예시적이고, 본 개시내용의 실시예를 구현하는 컴퓨터 소프트웨어의 이용 또는 기능성의 범위에 대한 임의의 제한을 제안하도록 의도되지는 않는다. 컴포넌트의 구성은 컴퓨터 시스템(2900)의 예시적인 실시예에서 예시된 컴포넌트의 임의의 하나 또는 그 조합에 관련되는 임의의 종속성 또는 요건을 가지는 것으로서 해독되지 않아야 한다.
컴퓨터 시스템(2900)은 어떤 인간 인터페이스 입력 디바이스를 포함할 수 있다. 이러한 인간 인터페이스 입력 디바이스는 예를 들어, (키스트로크(keystroke), 스와이프(swipe), 데이터 글러브(data glove) 이동과 같은) 촉각적 입력, (보이스, 클랩핑(clapping)과 같은) 오디오 입력, (제스처(gesture)와 같은) 시각적 입력, 후각적 입력(도시되지 않음)을 통한 하나 이상의 인간 사용자에 의한 입력에 응답할 수 있다. 인간 인터페이스 디바이스는 또한, (음성, 음악, 주변 음과 같은) 오디오, (스캔된 이미지, 스틸 이미지 카메라로부터 획득된 사진 이미지와 같은) 이미지, (2 차원 비디오, 입체적 비디오를 포함하는 3 차원 비디오와 같은) 비디오와 같은, 인간에 의한 지각적 입력에 반드시 직접적으로 관련되지 않은 어떤 미디어를 캡처하기 위하여 이용될 수 있다.
입력 인간 인터페이스 디바이스는 키보드(2901), 마우스(2902), 트랙패드(2903), 터치 스크린(2910), 데이터-글러브(도시되지 않음), 조이스틱(2905), 마이크로폰(2906), 스캐너(2907), 카메라(2908) 중의 하나 이상(각각의 도시된 것의 오직 하나)을 포함할 수 있다.
컴퓨터 시스템(2900)은 또한, 어떤 인간 인터페이스 출력 디바이스를 포함할 수 있다. 이러한 인간 인터페이스 출력 디바이스는 예를 들어, 촉각적 출력, 음, 광, 및 냄새/맛을 통해 하나 이상의 인간 사용자의 감각을 자극하는 것일 수 있다. 이러한 인간 인터페이스 출력 디바이스는 촉각적 출력 디바이스(예를 들어, 터치-스크린(2910), 데이터-글로브(도시되지 않음), 또는 조이스틱(2905)에 의한 촉각적 피드백이지만, 입력 디바이스로서 역할을 하지 않는 촉각적 피드백 디바이스가 또한 있을 수 있음), (스피커(2909), 헤드폰(도시되지 않음)과 같은) 오디오 출력 디바이스, (각각이 터치-스크린 입력 능력을 갖거나 갖지 않고, 각각이 촉각적 피드백 능력을 갖거나 갖지 않고, 그 일부는 입체적 출력, 가상 현실 안경(도시되지 않음), 홀로그래픽 디스플레이, 및 연기 탱크(smoke tank)(도시되지 않음)와 같은 수단을 통해 2 차원 시각적 출력 또는 3 차원 초과 출력을 출력하는 것이 가능할 수 있는, CRT 스크린, LCD 스크린, 플라즈마 스크린, OLED 스크린을 포함하기 위한 스크린(2910)과 같은) 시각적 출력 디바이스, 및 프린터(도시되지 않음)를 포함할 수 있다.
컴퓨터 시스템(2900)은 또한, CD/DVD 또는 유사한 매체(2921)를 갖는 CD/DVD ROM/RW(2920)를 포함하는 광학 매체, 썸-드라이브(thumb-drive)(2922), 분리가능 하드 드라이브 또는 솔리드 스테이트 드라이브(2923), 테이프 및 플로피 디스크(도시되지 않음)와 같은 레거시 자기 매체, 보안 동글(security dongle)(도시되지 않음)과 같은 특화된 ROM/ASIC/PLD 기반 디바이스 등과 같은 인간 액세스가능한 저장 디바이스 및 그 연관된 매체를 포함할 수 있다.
본 기술분야에서의 통상의 기술자는 또한, 현재 개시된 발명 요지와 관련하여 이용된 바와 같은 용어 "컴퓨터 판독가능 매체"가 송신 매체, 반송파, 또는 다른 일시적 신호를 망라하지 않는다는 것을 이해해야 한다.
컴퓨터 시스템(2900)은 또한, 하나 이상의 통신 네트워크(2955)에 대한 인터페이스(2954)를 포함할 수 있다. 네트워크는 예를 들어, 무선, 유선, 광학일 수 있다. 네트워크는 추가로, 로컬, 광역, 대도시, 차량 및 산업, 실시간, 내지연성(delay-tolerant) 등일 수 있다. 네트워크들의 예들은 이더넷(Ethernet), 무선 LAN, GSM, 3G, 4G, 5G, LTE 등을 포함하기 위한 셀룰러 네트워크, 케이블 TV, 위성 TV, 및 지상 방송 TV를 포함하기 위한 TV 유선 또는 무선 광역 디지털 네트워크, CANBus를 포함하기 위한 차량 및 산업 등과 같은 로컬 영역 네트워크를 포함한다. 어떤 네트워크는 (예를 들어, 컴퓨터 시스템(2900)의 USB 포트와 같은) 어떤 범용 데이터 포트 또는 주변 버스(2949)에 연결된 외부 네트워크 인터페이스 어댑터를 통상적으로 요구하고; 다른 것은 통상적으로, 이하에서 설명된 바와 같은 시스템 버스로의 연결(예를 들어, PC 컴퓨터 시스템으로의 이더넷 인터페이스, 또는 스마트폰 컴퓨터 시스템으로의 셀룰러 네트워크 인터페이스)에 의해 컴퓨터 시스템(2900)의 코어로 통합된다. 이 네트워크 중의 임의의 것을 이용하여, 컴퓨터 시스템(2900)은 다른 엔티티와 통신할 수 있다. 이러한 통신은 단방향성 수신 단독(예를 들어, 방송 TV), 단방향성 전송-단독(예를 들어, 어떤 CANbus 디바이스로의 CANbus), 또는 예를 들어, 로컬 또는 광역 디지털 네트워크를 이용하는 다른 컴퓨터 시스템으로의 양방향성일 수 있다. 어떤 프로토콜 및 프로토콜 스택(protocol stack)은 위에서 설명된 바와 같은 그 네트워크 및 네트워크 인터페이스의 각각 상에서 이용될 수 있다.
전술한 인간 인터페이스 디바이스, 인간-액세스가능한 저장 디바이스, 및 네트워크 인터페이스는 컴퓨터 시스템(2900)의 코어(2940)에 연결될 수 있다.
코어(2940)는 하나 이상의 중앙 프로세싱 유닛(CPU)(2941), 그래픽 프로세싱 유닛(GPU)(2942), 필드 프로그래밍가능 게이트 어레이(FPGA)의 형태인 특화된 프로그래밍가능 프로세싱 유닛(2943), 어떤 태스크를 위한 하드웨어 가속기(2944), 그래픽 어댑터(2950) 등을 포함할 수 있다. 이 디바이스는 판독-전용 메모리(ROM : Read-only memory)(2945), 랜덤-액세스 메모리(2946), 내부 비-사용자 액세스가능한 하드 드라이브와 같은 내부 대용량 스토리지, SSD(2947) 등과 함께, 시스템 버스(2948)를 통해 접속될 수 있다. 일부 컴퓨터 시스템에서, 시스템 버스(2948)는 추가적인 CPU, GPU 등에 의한 확장을 가능하게 하기 위하여 하나 이상의 물리적 플러그의 형태로 액세스가능할 수 있다. 주변 디바이스는 직접적으로 코어의 시스템 버스(2948)에, 또는 주변 버스(2949)를 통해 연결될 수 있다. 예에서, 스크린(2910)은 그래픽 어댑터(2950)에 접속될 수 있다. 주변 버스를 위한 아키텍처는 PCI, USB 등을 포함한다.
CPU(2941), GPU(2942), FPGA(2943), 및 가속기(2944)는 전술한 컴퓨터 코드를 조합으로 구성할 수 있는 어떤 명령을 실행할 수 있다. 그 컴퓨터 코드는 ROM(2945) 또는 RAM(2946) 내에 저장될 수 있다. 과도적 데이터는 또한, RAM(2946) 내에 저장될 수 있는 반면, 영구적 데이터는 예를 들어, 내부 대용량 스토리지(2947) 내에 저장될 수 있다. 메모리 디바이스 중의 임의의 것에 대한 고속 저장 및 인출은 하나 이상의 CPU(2941), GPU(2942), 대용량 스토리지(2947), ROM(2945), RAM(2946) 등과 밀접하게 연관될 수 있는 캐시 메모리의 이용을 통해 가능하게 될 수 있다.
컴퓨터 판독가능 매체는 다양한 컴퓨터-구현된 동작을 수행하기 위하여 그 상에서 컴퓨터 코드를 가질 수 있다. 매체 및 컴퓨터 코드는 본 개시내용의 목적을 위하여 특수하게 설계되고 구성된 것일 수 있거나, 이들은 컴퓨터 소프트웨어 기술분야에서 통상의 기술자에게 널리 공지되고 이용가능한 종류일 수 있다.
제한이 아닌 예로서, 아키텍처(2900) 및 구체적으로 코어(2940)를 가지는 컴퓨터 시스템은 하나 이상의 유형의 컴퓨터-판독가능 매체들에서 구체화된 소프트웨어를 실행하는 (CPU들, GPU들, FPGA, 가속기들 등을 포함하는) 프로세서(들)의 결과로서의 기능성을 제공할 수 있다. 이러한 컴퓨터-판독가능 매체는 위에서 도입된 바와 같은 사용자-액세스가능한 대용량 스토리지 뿐만 아니라, 코어-내부 대용량 스토리지(2947) 또는 ROM(2945)과 같은, 비-일시적 본질인 코어(2940)의 어떤 스토리지와 연관된 매체일 수 있다. 본 개시내용의 다양한 실시예를 구현하는 소프트웨어는 이러한 디바이스 내에 저장될 수 있고 코어(2940)에 의해 실행될 수 있다. 컴퓨터-판독가능 매체는 특정한 필요성에 따라, 하나 이상의 메모리 디바이스 또는 칩을 포함할 수 있다. 소프트웨어는 코어(2940) 및 구체적으로, (CPU, GPU, FPGA 등을 포함하는) 그 안의 프로세서로 하여금, RAM(2946) 내에 저장된 데이터 구조를 정의하는 것, 및 소프트웨어에 의해 정의된 프로세스에 따라 이러한 데이터 구조를 수정하는 것을 포함하는, 본 명세서에서 설명된 특정한 프로세스 또는 특정한 프로세스의 특정한 부분을 실행하게 할 수 있다. 추가적으로 또는 대안으로서, 컴퓨터 시스템은 본 명세서에서 설명된 특정한 프로세스들 또는 특정한 프로세스들의 특정한 부분들을 실행하기 위하여 소프트웨어 대신에 또는 소프트웨어와 함께 동작할 수 있는, 회로(예를 들어, 가속기(2944))에서 와이어링되거나 또는 그렇지 않을 경우에 구체화된 로직의 결과로서의 기능성을 제공할 수 있다. 소프트웨어에 대한 참조는 로직을 망라할 수 있고, 적절할 경우에 그 반대도 마찬가지이다. 컴퓨터-판독가능 매체에 대한 참조는 실행을 위한 소프트웨어를 저장하는 (집적 회로(IC : integrated circuit)와 같은) 회로, 실행을 위한 로직을 구체화하는 회로, 또는 적절할 경우에 둘 모두를 망라할 수 있다. 본 개시내용은 하드웨어 및 소프트웨어의 임의의 적당한 조합을 망라한다.
부록 A: 두문자어
JEM: joint exploration model(공동 탐구 모델)
VVC: versatile video coding(다용도 비디오 코딩)
BMS: benchmark set(벤치마크 세트)
MV: Motion Vector(모션 벡터)
HEVC: High Efficiency Video Coding(고효율 비디오 코딩)
SEI: Supplementary Enhancement Information(보충적 강화 정보)
VUI: Video Usability Information(비디오 이용가능성 정보)
GOPs: Groups of Pictures(픽처들의 그룹)
TUs: Transform Units(변환 유닛)
PUs: Prediction Units(예측 유닛)
CTUs: Coding Tree Units(코딩 트리 유닛)
CTBs: Coding Tree Blocks(코딩 트리 블록)
PBs: Prediction Blocks(예측 블록)
HRD: Hypothetical Reference Decoder(가상적 참조 디코더)
SNR: Signal Noise Ratio(신호 잡음 비율)
CPUs: Central Processing Units(중앙 프로세싱 유닛)
GPUs: Graphics Processing Units(그래픽 프로세싱 유닛)
CRT: Cathode Ray Tube(음극선관)
LCD: Liquid-Crystal Display(액정 디스플레이)
OLED: Organic Light-Emitting Diode(유기 발광 다이오드)
CD: Compact Disc(컴팩트 디스크)
DVD: Digital Video Disc(디지털 비디오 디스크)
ROM: Read-Only Memory(판독-전용 메모리)
RAM: Random Access Memory(랜덤 액세스 메모리)
ASIC: Application-Specific Integrated Circuit(애플리케이션-특정 집적 회로)
PLD: Programmable Logic Device(프로그래밍가능 로직 디바이스)
LAN: Local Area Network(로컬 영역 네트워크)
GSM: Global System for Mobile communications(이동 통신을 위한 글로벌 시스템)
LTE: Long-Term Evolution(롱텀 에볼루션)
CANBus: Controller Area Network Bus(제어기 영역 네트워크 버스)
USB: Universal Serial Bus(유니버셜 직렬 버스)
PCI: Peripheral Component Interconnect(주변 컴포넌트 상호접속)
FPGA: Field Programmable Gate Areas(필드 프로그래밍가능 게이트 어레이)
SSD: solid-state drive(솔리드-스테이트 드라이브)
IC: Integrated Circuit(집적 회로)
CU: Coding Unit(코딩 유닛)
NIC: Neural Image Compression(신경 이미지 압축)
R-D: Rate-Distortion(레이트-왜곡)
E2E: End to End(종단 대 종단)
ANN: Artificial Neural Network(인공 신경망)
DNN: Deep Neural Network(심층 신경망)
CNN: Convolution Neural Network(컨볼루션 신경망)
이 개시내용은 몇몇 예시적인 실시예를 설명하였지만, 개시내용의 범위 내에 속하는 개조, 치환, 다양한 적당한 등가물이 있다. 본 기술분야에서의 통상의 기술자는, 본 명세서에서 명시적으로 도시되거나 설명되지 않았지만, 개시내용의 원리를 구체화하고, 이에 따라, 그 사상 및 범위 내에 있는 수많은 시스템 및 방법을 고안할 수 있을 것이라는 것이 이에 따라 인식될 것이다.
Claims (20)
- 비디오 디코더에서의 비디오 디코딩을 위한 방법으로서,
코딩된 비디오 비트스트림으로부터 이미지의 블록을 재구성하는 단계;
적어도 하나의 포스트-프로세싱(post-processng) 신경망(NN : neural network)으로 재구성된 블록의 첫 번째 2개의 이웃하는 재구성된 블록의 복수의 영역 중의 하나에 대해 포스트-프로세싱을 수행하는 단계 - 상기 첫 번째 2개의 이웃하는 재구성된 블록은 제1 공유된 경계를 가지고, 상기 제1 공유된 경계의 양쪽 측부 상에서 샘플을 가지는 경계 영역을 포함하고, 상기 첫 번째 2개의 이웃하는 재구성된 블록의 상기 복수의 영역은 상기 경계 영역, 및 상기 경계 영역의 외부에 있는 비-경계 영역을 포함함 -; 및
상기 복수의 영역 중의 하나를 상기 첫 번째 2개의 이웃하는 재구성된 블록의 상기 복수의 영역 중의 포스트-프로세싱된 영역으로 대체하는 단계
를 포함하는 방법. - 제1항에 있어서,
상기 복수의 영역 중의 하나는 상기 경계 영역이고,
상기 적어도 하나의 포스트-프로세싱 NN은 적어도 하나의 디블록킹(deblocking) NN을 포함하고,
상기 포스트-프로세싱을 수행하는 단계는 상기 적어도 하나의 디블록킹 NN으로 상기 경계 영역에 대해 디블록킹을 수행하는 단계를 포함하고,
상기 대체하는 단계는 상기 경계 영역을 상기 디블록킹된 경계 영역으로 대체하는 단계를 포함하는, 방법. - 제2항에 있어서,
상기 경계 영역은 상기 재구성된 블록의 두 번째 2개의 이웃하는 재구성된 블록 사이의 제2 공유된 경계의 양쪽 측부 상에서 샘플을 더 포함하고,
상기 첫 번째 2개의 재구성된 블록은 상기 두 번째 2개의 이웃하는 재구성된 블록과 상이한, 방법. - 제2항에 있어서,
상기 적어도 하나의 디블록킹 NN은 각각 다수의 디블록킹 모델에 기초하고,
상기 디블록킹을 수행하는 단계는,
상기 다수의 디블록킹 모델 중의 어느 것을 상기 경계 영역에 적용할 것인지를 결정하는 단계, 및
상기 결정된 디블록킹 모델로 상기 경계 영역에 대해 디블록킹을 수행하는 단계
를 더 포함하는, 방법. - 제4항에 있어서,
상기 다수의 디블록킹 모델 중의 어느 것을 적용할 것인지를 결정하는 단계는 분류 NN에 의해 수행되는, 방법. - 제1항에 있어서,
상기 적어도 하나의 포스트-프로세싱 NN은 적어도 하나의 강화(enhancement) NN을 포함하고,
상기 포스트-프로세싱을 수행하는 단계는 상기 적어도 하나의 강화 NN으로 상기 비-경계 영역 중의 하나를 강화하는 단계를 포함하고,
상기 대체하는 단계는 상기 비-경계 영역 중의 하나를 상기 비-경계 영역 중의 강화된 비-경계 영역으로 대체하는 단계를 포함하는, 방법. - 제6항에 있어서,
상기 적어도 하나의 강화 NN은 각각 다수의 강화 모델에 기초하고,
상기 강화하는 단계는,
상기 다수의 강화 모델 중의 어느 것을 상기 비-경계 영역 중의 하나에 적용할 것인지를 결정하는 단계, 및
상기 결정된 강화 모델로 상기 비-경계 영역 중의 하나를 강화하는 단계
를 더 포함하는, 방법. - 제1항에 있어서,
상기 수행하는 단계는,
상기 경계 영역에 대해 디블록킹을 수행하는 단계, 및
상기 비-경계 영역을 강화하는 단계
를 포함하고,
상기 대체하는 단계는,
상기 경계 영역을 상기 디블록킹된 경계 영역으로 대체하는 단계, 및
상기 비-경계 영역을 상기 강화된 비-경계 영역으로 각각 대체하는 단계
를 포함하는, 방법. - 제2항에 있어서,
공유된 샘플은 상기 경계 영역, 및 상기 비-경계 영역 중의 하나에서 위치되고,
상기 적어도 하나의 포스트-프로세싱 NN은 적어도 하나의 강화 NN을 더 포함하고,
상기 포스트-프로세싱을 수행하는 단계는 상기 적어도 하나의 강화 NN으로 상기 비-경계 영역 중의 하나를 강화하는 단계를 더 포함하고,
상기 대체하는 단계는 상기 비-경계 영역 중의 하나를 상기 비-경계 영역 중의 상기 강화된 비-경계 영역으로 대체하는 단계를 더 포함하고, 상기 공유된 샘플의 값은 상기 디블록킹된 경계 영역 내의 상기 공유된 샘플의 값 및 상기 비-경계 영역 중의 상기 강화된 비-경계 영역 내의 상기 공유된 샘플의 값의 가중화된 평균으로 대체되는, 방법. - 제1항에 있어서,
상기 방법은 상기 코딩된 비디오 비트스트림 내의 신경망 업데이트 정보를 디코딩하는 단계를 더 포함하고, 상기 신경망 업데이트 정보는 상기 블록 중의 하나에 대응하고, 상기 비디오 디코더 내의 신경망에서의 사전훈련된 파라미터에 대응하는 대체 파라미터를 지시하고,
상기 블록을 재구성하는 단계는 상기 대체 파라미터로 업데이트된 상기 신경망에 기초하여 상기 블록 중의 하나를 재구성하는 단계를 포함하는, 방법. - 비디오 디코딩을 위한 장치로서,
프로세싱 회로부
를 포함하고, 상기 프로세싱 회로부는,
코딩된 비디오 비트스트림으로부터 이미지의 블록을 재구성하고,
적어도 하나의 포스트-프로세싱 신경망(NN)으로 재구성된 블록의 첫 번째 2개의 이웃하는 재구성된 블록의 복수의 영역 중의 하나에 대해 포스트-프로세싱을 수행하고 - 상기 첫 번째 2개의 이웃하는 재구성된 블록은 제1 공유된 경계를 가지고, 상기 제1 공유된 경계의 양쪽 측부 상에서 샘플을 가지는 경계 영역을 포함하고, 상기 첫 번째 2개의 이웃하는 재구성된 블록의 상기 복수의 영역은 상기 경계 영역, 및 상기 경계 영역의 외부에 있는 비-경계 영역을 포함함 -,
상기 복수의 영역 중의 하나를 상기 첫 번째 2개의 이웃하는 재구성된 블록의 상기 복수의 영역 중의 포스트-프로세싱된 영역으로 대체하도록
구성된, 장치. - 제11항에 있어서,
상기 복수의 영역 중의 하나는 상기 경계 영역이고,
상기 적어도 하나의 포스트-프로세싱 NN은 적어도 하나의 디블록킹 NN을 포함하고,
상기 프로세싱 회로부는,
상기 적어도 하나의 디블록킹 NN으로 상기 경계 영역에 대해 디블록킹을 수행하고,
상기 경계 영역을 상기 디블록킹된 경계 영역으로 대체하도록
구성된, 장치. - 제12항에 있어서,
상기 경계 영역은 상기 재구성된 블록의 두 번째 2개의 이웃하는 재구성된 블록 사이의 제2 공유된 경계의 양쪽 측부 상에서 샘플을 더 포함하고,
상기 첫 번째 2개의 재구성된 블록은 상기 두 번째 2개의 이웃하는 재구성된 블록과 상이한, 장치. - 제12항에 있어서,
상기 적어도 하나의 디블록킹 NN은 각각 다수의 디블록킹 모델에 기초하고,
상기 프로세싱 회로부는,
상기 다수의 디블록킹 모델 중의 어느 것을 상기 경계 영역에 적용할 것인지를 결정하고,
상기 결정된 디블록킹 모델로 상기 경계 영역에 대해 디블록킹을 수행하도록
구성된, 장치. - 제11항에 있어서,
상기 적어도 하나의 포스트-프로세싱 NN은 적어도 하나의 강화 NN을 포함하고,
상기 프로세싱 회로부는,
상기 적어도 하나의 강화 NN으로 상기 비-경계 영역 중의 하나를 강화하고,
상기 비-경계 영역 중의 하나를 상기 비-경계 영역 중의 강화된 비-경계 영역으로 대체하도록
구성된, 장치. - 제15항에 있어서,
상기 적어도 하나의 강화 NN은 각각 다수의 강화 모델에 기초하고,
상기 프로세싱 회로부는,
상기 다수의 강화 모델 중의 어느 것을 상기 비-경계 영역 중의 하나에 적용할 것인지를 결정하고,
상기 결정된 강화 모델로 상기 비-경계 영역 중의 하나를 강화하도록
구성된, 장치. - 제11항에 있어서,
상기 프로세싱 회로부는,
상기 경계 영역에 대해 디블록킹을 수행하고,
상기 비-경계 영역을 강화하고,
상기 경계 영역을 상기 디블록킹된 경계 영역으로 대체하고,
상기 비-경계 영역을 상기 강화된 비-경계 영역으로 각각 대체하도록
구성된, 장치. - 제12항에 있어서,
공유된 샘플은 상기 경계 영역, 및 상기 비-경계 영역 중의 하나에서 위치되고,
상기 적어도 하나의 포스트-프로세싱 NN은 적어도 하나의 강화 NN을 더 포함하고,
상기 프로세싱 회로부는,
상기 적어도 하나의 강화 NN으로 상기 비-경계 영역 중의 하나를 강화하고,
상기 비-경계 영역 중의 하나를 상기 비-경계 영역 중의 상기 강화된 비-경계 영역으로 대체하도록 - 상기 공유된 샘플의 값은 상기 디블록킹된 경계 영역 내의 상기 공유된 샘플의 값 및 상기 비-경계 영역 중의 상기 강화된 비-경계 영역 내의 상기 공유된 샘플의 값의 가중화된 평균으로 대체됨 -
구성된, 장치. - 제11항에 있어서,
상기 프로세싱 회로부는,
상기 코딩된 비디오 비트스트림 내의 신경망 업데이트 정보를 디코딩하고 - 상기 신경망 업데이트 정보는 상기 블록 중의 하나에 대응하고, 상기 비디오 디코더 내의 신경망에서의 사전훈련된 파라미터에 대응하는 대체 파라미터를 지시함 -,
상기 대체 파라미터로 업데이트된 상기 신경망에 기초하여 상기 블록 중의 하나를 재구성하도록
구성된, 장치. - 프로그램을 저장하는 비-일시적 컴퓨터-판독가능 저장 매체로서,
상기 프로그램은 적어도 하나의 프로세서에 의해 실행가능하여,
코딩된 비디오 비트스트림으로부터 이미지의 블록을 재구성하는 것;
적어도 하나의 포스트-프로세싱 신경망(NN)으로 재구성된 블록의 첫 번째 2개의 이웃하는 재구성된 블록의 복수의 영역 중의 하나에 대해 포스트-프로세싱을 수행하는 것 - 상기 첫 번째 2개의 이웃하는 재구성된 블록은 제1 공유된 경계를 가지고, 상기 제1 공유된 경계의 양쪽 측부 상에서 샘플을 가지는 경계 영역을 포함하고, 상기 첫 번째 2개의 이웃하는 재구성된 블록의 상기 복수의 영역은 상기 경계 영역, 및 상기 경계 영역의 외부에 있는 비-경계 영역을 포함함 -; 및
상기 복수의 영역 중의 하나를 상기 첫 번째 2개의 이웃하는 재구성된 블록의 상기 복수의 영역 중의 포스트-프로세싱된 영역으로 대체하는 것
을 수행하는, 비-일시적 컴퓨터-판독가능 저장 매체.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202163182506P | 2021-04-30 | 2021-04-30 | |
| US63/182,506 | 2021-04-30 | ||
| US17/730,040 | 2022-04-26 | ||
| US17/730,040 US20220360770A1 (en) | 2021-04-30 | 2022-04-26 | Block-wise content-adaptive online training in neural image compression with post filtering |
| PCT/US2022/072029 WO2022232848A1 (en) | 2021-04-30 | 2022-04-29 | Block-wise content-adaptive online training in neural image compression with post filtering |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230003566A true KR20230003566A (ko) | 2023-01-06 |
Family
ID=83848782
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020227041708A KR20230003566A (ko) | 2021-04-30 | 2022-04-29 | 포스트 필터링에 의한 신경 이미지 압축에서의 블록별 컨텐츠-적응적 온라인 훈련 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20220360770A1 (ko) |
| JP (1) | JP2023528180A (ko) |
| KR (1) | KR20230003566A (ko) |
| CN (1) | CN115769576A (ko) |
| WO (1) | WO2022232848A1 (ko) |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7460596B2 (en) * | 2004-04-29 | 2008-12-02 | Mediatek Incorporation | Adaptive de-blocking filtering apparatus and method for MPEG video decoder |
| CA2638465A1 (en) * | 2007-08-01 | 2009-02-01 | Jean-Yves Chouinard | Learning filters for enhancing the quality of block coded still and video images |
| US8891905B2 (en) * | 2012-12-19 | 2014-11-18 | Hong Kong Applied Science And Technology Research Institute Co., Ltd. | Boundary-based high resolution depth mapping |
| EP3451293A1 (en) * | 2017-08-28 | 2019-03-06 | Thomson Licensing | Method and apparatus for filtering with multi-branch deep learning |
| KR102262554B1 (ko) * | 2017-12-14 | 2021-06-09 | 한국전자통신연구원 | 예측 네트워크를 사용하는 영상의 부호화 및 복호화를 위한 방법 및 장치 |
| WO2019194460A1 (ko) * | 2018-04-01 | 2019-10-10 | 엘지전자 주식회사 | 컨벌루션 뉴럴 네트워크를 이용한 영상 코딩 방법 및 그 장치 |
| US11716469B2 (en) * | 2020-12-10 | 2023-08-01 | Lemon Inc. | Model selection in neural network-based in-loop filter for video coding |
-
2022
- 2022-04-26 US US17/730,040 patent/US20220360770A1/en active Pending
- 2022-04-29 WO PCT/US2022/072029 patent/WO2022232848A1/en unknown
- 2022-04-29 KR KR1020227041708A patent/KR20230003566A/ko unknown
- 2022-04-29 CN CN202280003599.7A patent/CN115769576A/zh active Pending
- 2022-04-29 JP JP2022566709A patent/JP2023528180A/ja active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023528180A (ja) | 2023-07-04 |
| WO2022232848A1 (en) | 2022-11-03 |
| US20220360770A1 (en) | 2022-11-10 |
| CN115769576A (zh) | 2023-03-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7434604B2 (ja) | ニューラル画像圧縮における画像置換を用いたコンテンツ適応型オンライン訓練 | |
| US11979565B2 (en) | Content-adaptive online training method and apparatus for post-filtering | |
| US20220405979A1 (en) | Content-adaptive online training method and apparatus for deblocking in block-wise image compression | |
| JP7443564B2 (ja) | ビデオデコーディングの方法、装置、及びコンピュータプログラム、並びにビデオエンコーディングの方法 | |
| JP7368639B2 (ja) | ビデオ符号化のための方法、装置及びコンピュータプログラム | |
| JP7447311B2 (ja) | ビデオ復号のための方法、装置及びコンピュータプログラム | |
| KR20230003566A (ko) | 포스트 필터링에 의한 신경 이미지 압축에서의 블록별 컨텐츠-적응적 온라인 훈련 | |
| US20220353521A1 (en) | Method and apparatus for content-adaptive online training in neural image compression |