TW201937927A - 使用雙重分類用於線性分量樣本預測的方法以及裝置 - Google Patents

使用雙重分類用於線性分量樣本預測的方法以及裝置 Download PDF

Info

Publication number
TW201937927A
TW201937927A TW108103476A TW108103476A TW201937927A TW 201937927 A TW201937927 A TW 201937927A TW 108103476 A TW108103476 A TW 108103476A TW 108103476 A TW108103476 A TW 108103476A TW 201937927 A TW201937927 A TW 201937927A
Authority
TW
Taiwan
Prior art keywords
sample
block
basket
samples
group
Prior art date
Application number
TW108103476A
Other languages
English (en)
Inventor
克里斯托 吉克
吉羅姆 拉契
派翠斯 昂諾
喬納森 泰格特
Original Assignee
日商佳能股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日商佳能股份有限公司 filed Critical 日商佳能股份有限公司
Publication of TW201937927A publication Critical patent/TW201937927A/zh

Links

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
    • H04N19/169—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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques
    • 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
    • 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
    • H04N19/182—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 pixel
    • 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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

一種用於判定影像中區塊之樣本的改進方法，該方法包含：獲得第一及第二影像分量中之樣本對，該第一及第二影像分量位於區塊之鄰區中；至少根據樣本對之特性將樣本對與筐相關聯；將該筐與該區塊中樣本的群組相關聯；根據與該群組相關聯之該筐相關聯的該樣本對，對該區塊中樣本之各群組判定參數；以及基於針對該樣本所屬之該群組所判定出之該參數，從該第二影像分量中該區塊之樣本判定該第一影像分量中該區塊之樣本。

Description

使用雙重分類用於線性分量樣本預測的方法以及裝置
本發明相關於給定視訊分量區塊的編碼或解碼，更明確而言是相關於此類分量區塊之框內預測或獲得此類區塊之樣本。
視訊資料之預測編碼是基於將訊框劃分成像素區塊。針對各像素區塊，在可用資料中搜尋預測子(predictor)區塊。在INTER編碼模式中，預測子區塊可以是參考訊框中與當前區塊不同之區塊；或在INTRA編碼模式中，預測子區塊可以是從當前訊框中的相鄰像素所產生的。不同的編碼模式是根據判定預測子區塊之不同方法而被界定的。編碼之結果是發訊預測子區塊與殘餘區塊，該殘餘區塊被包括在將編碼區塊與預測子區塊之間的差值之內。
有關INTRA編碼模式，通常提出諸如直流(Direct Current，DC)模式、平面模式及角模式等各種模式。上述各者使用先前從空間相鄰區塊解碼之邊界樣本來預測區塊之樣本。
可針對形成該視訊資料之像素的各分量執行該編碼。雖然RGB(紅色－綠色－藍色)表示法是廣為人知的，但較佳使用YUV表示法用於該編碼以降低頻道間冗餘。根據此等編碼模式，像素區塊可被視為由些許，典型上為三個，分量區塊構成。RGB像素區塊是由包含該區塊之像素的R分量值之R分量區塊所構成，由包含此等像素的G分量值之G分量區塊所構成，以及由包含此等像素的B分量值之B分量區塊所構成。相似的，YUV像素區塊是由Y分量區塊(luma，亮度)、U分量區塊(chroma，色度)以及V分量區塊(chroma，色度)構成。另一實例是YCbCr，其中Cb與Cr亦已知是色度分量。然而，仍局部觀察分量間(亦已知為跨越分量(cross-component))相關性。
為了改進壓縮效率，在本技術領域之當前技術中已研究使用跨越分量預測(Cross-Component Prediction，CCP)。CCP之主要應用與亮度對色度預測相關。這表示已經從編碼資料編碼與重建(如解碼器運作)出亮度樣本，並且從亮度預測出色度。然而，變體使用CCP用於色度對色度預測或更一般地用於第一分量對第二分量預測(包括RGB)。
跨越分量預測可直接應用於色度像素之區塊或可應用於殘餘的色度區塊(代表色度區塊與色度區塊預測子之間的差值)。
線性模型(Linear Model，LM)模式使用線性模型以從亮度預測色度作為色度框內預測模式，其倚賴要判定出一或兩個參數，亦即斜率(α)與偏移(b)。色度框內預測子因此是使用具有該等參數之線性模型以從當前亮度區塊之重建亮度樣本所導出的。
該線性，亦即參數α及b，是從重建因果樣本所導出的，更明確地是從相鄰色度樣本集以及從相鄰亮度樣本集導出的，該相鄰色度樣本集包含與要預測之當前色度區塊相鄰之重建色度樣本，以及該相鄰亮度樣本集包含與當前亮度區塊相鄰之亮度樣本。
更明確地，針對N×N色度區塊，上行之N個相鄰者與左列之N個相鄰者被使用以形成相鄰色度樣本集以用於導出。
相鄰亮度樣本集亦由就在對應亮度區塊上方的N個相鄰樣本與亮度區塊左側的N個相鄰樣本所組成。
已瞭解的是透過次取樣(sub-sampling)該色度分量來降低要編碼之視訊資料的大小，其而無顯著劣化視覺演色。已知次取樣模式被標記為4:1:1、4:2:2、4:2:0。
在視訊色度資料被次取樣之情況下，對應N×N色度區塊之亮度區塊比N×N大。在該情況下，相鄰亮度樣本集被降取樣(down-sampled)以與色度解析度匹配。必需使用具有導出的一或多參數α與b之線性模型與當前亮度區塊之重建亮度樣本，來產生用以預測當前N×N色度區塊中的色度樣本之色度框內預測子，該當前亮度區塊是先前被降取樣以匹配色度解析度者。將重建亮度樣本降取樣到色度解析度使得擷取與色度樣本相同數量之樣本是可行的，以形成亮度樣本集與色度框內預測子兩者。
色度框內預測子因此自當前色度區塊減去，以獲得在編碼器處被編碼之殘餘色度區塊。相反的，在解碼器處，色度框內預測子被新增到接收的殘餘色度區塊，以為了取回色度區塊，亦已知為解碼區塊之重建。這亦可涉及截割超出樣本範圍的該新增之結果。
有時殘餘色度區塊是可忽略的，且因此在編碼期間不被考慮。在該情況下，上述的色度框內預測子如其色度區塊一般被使用。結果導致上述LM模式使得使用具有一或多參數之線性模型從相同訊框中另一分量之區塊的相關(即並置或相應的)重建樣本獲得給定分量的當前區塊之樣本是可行的。使用具有一或多導出的參數之線性模型與在其他分量之區塊中相關的重建樣本獲得該樣本。若有需求，則其他分量之區塊是由降取樣以與當前分量之區塊解析度匹配的樣本所組成。雖然當前分量之區塊典型上是色度區塊且其他分量之區塊是亮度區塊，情況可能並非如此。為了清晰度與簡潔性，本文給定之實例專注在從亮度區塊預測色度區塊，應瞭解所描述機制可以應用於從另一分量預測任何分量。
聯合視訊探索團隊(Joint Video Exploration Team，JVET)之聯合探索模型(Joint Exploration Model，JEM)將六個跨越分量(亮度對色度)線性模型模式新增到習知框內預測模式。所有此等模式彼此競爭以預測或產生色度區塊，對模式之選擇通常是基於在編碼器側之率失真準則而做出。
雖然其中一者使用傳統CCLM(跨越分量線性模型)方法，但已知為多模型線性模型(Multiple-Model Linear model，MMLM)之它者各透過應用到重建亮度樣本之降取樣濾波器而彼此不同。在此等五個MMLM模式中，樣本被組織成亮度與色度樣本之對，並接著與二或多個群組相關。該相關是基於降取樣亮度樣本之平均值。一旦各樣本對具有相關群組時，被CCLM採用以導出模型參數之手段被使用以對各群組導出一組此類模型參數。
就處理而言，JEM是複雜的。例如，就針對色度預測子區塊樣本之計算而言，其需要線性模型參數之複雜導出。該複雜性在稱作MMLM之框內跨越分量預測模式中進一步增加，因為其需要計算因果樣本之統計數據，接著使用此等統計數據並將該等樣本分類到群組中。框內預測的複雜性之一是處理(需要解碼的因果樣本)與緩衝之延遲與連續性(seriality)。針對脈動設計與各種硬體實作，MMLM進一步增加此等問題。儘管有此複雜性，當前MMLM方法提供可關注到之編碼效率改進，並且期望折衷(trade-off)。
已研發出本發明以解決上述一或多議題。其與一種方法相關，其為了硬體實作而被簡化，該方法用於估計用以從另一分量區塊之樣本預測分量區塊之樣本的線性模型。根據第一筐(bin)分類，將用於判定預測用之線性模型參數的當前區塊鄰區中的樣本對分類。要被預測的當前區塊內之樣本對示根據群組分類而被分類。以多對多關聯性方式將筐映射到群組。包含在與一群組相關之筐中的所有樣本對被用於判定預測該群組之樣本用之線性模型參數。
據此，透過使用筐而非使用樣本用於分類，得以移除對緩衝之需求並且可更加界定硬體複雜性。
根據本發明之態樣，提供一種用於判定影像中區塊之樣本的方法，該方法包含：
- 獲得第一及第二影像分量中之樣本對，該第一及第二影像分量位於區塊之鄰區中；
- 至少根據樣本對之特性將樣本對與筐相關聯；
- 將筐與區塊中樣本的群組相關聯；
- 基於與群組相關聯之筐相關聯的樣本對，對區塊中樣本之各群組判定參數；以及
- 基於針對該樣本所屬之群組所判定出之參數，從第二影像分量中區塊之樣本判定第一影像分量中區塊之樣本。
本發明實施例之可選特徵被界定在所附申請專利範圍中。此等特徵之若干者在下文中參考一方法而被描述，雖然其可被轉置到專用於裝置之系統特徵中。
在實施例中，特性取決於樣本對的樣本在它們所屬之區塊中之位置。
在實施例中，筐是基於樣本在區塊之鄰區中相對於該區塊的位置而被組織。
在實施例中，樣本對根據預定順序被儲存在一維緩衝區中，該筐是透過將該一維緩衝區劃分所獲得的。
在實施例中，特性取決於樣本對之一分量的樣本之值。
在實施例中，特性取決於第二影像分量的樣本之值。
在實施例中，第二分量之樣本的值範圍被劃分成帶(band)，以及其中筐與帶相關聯。
在實施例中，獲得筐中樣本對的同質分配。
在實施例中，該判定使用由至少一參數界定之一或多線性模型。
在實施例中，針對各群組界定線性模型。
在實施例中，該方法進一步包含：
- 針對各筐收集有關與該筐相關聯的樣本對之統計數據；以及
- 基於針對與該群組相關聯之筐所收集到的統計數據，判定對各群組所判定之至少一參數。
在實施例中，第一影像分量是色度分量以及第二影像分量是亮度分量。
根據本發明之另一態樣，提供一種用於編碼影像之方法，其中該方法包含用於根據本發明判定影像中區塊之樣本的步驟。
根據本發明之另一態樣，提供一種用於解碼影像之方法，其中該方法包含用於根據本發明判定影像中區塊之樣本的步驟。
根據本發明之另一態樣，提供一種用於判定影像中區塊之樣本的裝置，該裝置包含處理器，該處理器經組態以：
- 獲得第一及第二影像分量中之樣本對，該第一及第二影像分量位於區塊之鄰區中；
- 至少根據樣本對之特性將樣本對與筐相關聯；
- 將筐與區塊中樣本的群組相關聯；
- 基於與群組相關聯之筐相關聯的樣本對，對區塊中樣本之各群組判定參數；以及
- 基於針對該樣本所屬之群組所判定出之參數，從第二影像分量中區塊之樣本判定第一影像分量中區塊之樣本。
在實施例中，特性取決於樣本對的樣本在它們所屬之區塊中之位置。
在實施例中，筐是基於樣本在區塊之鄰區中相對於該區塊的位置而被組織。
在實施例中，樣本對根據預定順序被儲存在一維緩衝區中，該筐是透過將該一維緩衝區劃分所獲得的。
在實施例中，特性取決於樣本對之一分量的樣本之值。
在實施例中，特性取決於第二影像分量的樣本之值。
在實施例中，第二分量之樣本的值範圍被劃分成帶(band)，以及其中筐與帶相關聯。
在實施例中，其中獲得筐中樣本對的同質分配。
在實施例中，該判定使用由至少一參數界定之一或多線性模型。
在實施例中，針對各群組界定線性模型。
在實施例中，該處理器進一步組態用於：
- 針對各筐收集有關與該筐相關聯的樣本對之統計數據；以及
- 基於針對與該群組相關聯之筐所收集到的統計數據，判定對各群組所判定之至少一參數。
在實施例中，第一影像分量是色度分量以及第二影像分量是亮度分量。
根據本發明之另一態樣，提供一種用於根據本發明編碼影像之裝置。
根據本發明之另一態樣，提供一種用於根據本發明解碼影像之裝置。
根據本發明之另一態樣，提供一種用於可程式化裝置之電腦程式產品，該電腦程式產品包含一序列之指令，用於當被載入到該可程式化裝置中並被該可程式化裝置執行時實作根據本發明之方法。
根據本發明之另一態樣，提供一種電腦可讀取儲存媒體，其儲存有用於實作根據本發明之方法的電腦程式之指令。
根據本發明之另一態樣，提供一種電腦程式，當其被執行時導致本發明之方法被執行。
根據本發明之方法之至少部分可為電腦實作的。據此，本發明可採取完全硬體實施例、完全軟體實施例(包括韌體、常駐軟體、微碼等)、或結合軟體與硬體態樣之實施例的形式，其皆可在本文中被參照為「電路」、「模組」或「系統」。此外，本發明可採取被實現於任何有形媒體中的電腦程式產品之形式，用於表示在該媒體中實現電腦可使用程式碼。
由於本發明可實作於軟體中，故本發明可實作成電腦可讀取碼，用於在任何適當載體媒體上被提供給可程式化裝置。有形載體媒體可包含諸如硬碟驅動器、磁帶裝置或固態記憶裝置等儲存媒體。暫態載體媒體可包括諸如電性訊號、電子訊號、光學訊號、聲學訊號、磁性訊號或諸如微波或RF訊號的電磁訊號等訊號。
圖 1 說明視訊編碼器架構。在視訊編碼器中，原始序列101 被劃分成像素區塊102 ，稱作用於HEVC之編碼單元或編碼區塊。接著將編碼模式應用於各區塊。典型上用於視訊編碼中有兩類編碼模式：基於空間預測或「INTRA模式(框內模式)」103 之編碼模式與基於根據運動估計104 與運動補償105 的時間預測或「INTER模式(框間模式)」之編碼模式。
透過稱作INTRA預測之處理，INTRA編碼區塊通常是從在其因果邊界處的編碼像素所預測出。針對INTRA編碼區塊之各像素的預測子因此形成預測子區塊。取決於用於預測INTRA編碼區塊之像素，提出各種INTRA模式：例如DC模式、平面模式及角模式。
雖然圖 1 涉及視訊編碼器架構之通用描述，應注意像素在本處對應於影像之元素，其典型上由些許分量組成，例如紅色分量、綠色分量、及藍色分量。影像樣本是影像之元素，其僅包含一分量。
時間預測首先由運動估計步驟104 所構成，在先前或未來訊框(稱作參考訊框116 )中找尋最靠近編碼區塊之參考區域。此參考區域構成預測子區塊。接著在運動補償步驟105 中，使用預測子區塊預測編碼區塊以計算剩餘或殘餘區塊。
在空間及時間預測等兩情況中，透過從編碼區塊減去獲得的預測子區塊來計算剩餘或殘餘區塊。
在INTRA預測中，預測模式被編碼。
在時間預測中，將指示所使用的參考訊框之指標與指示該參考訊框中的參考區域之運動向量進行編碼。然而，為了進一步降低與運動向量編碼相關之位元率成本，運動向量並不會被直接編碼。當然，假設該運動是同質的，將運動向量編碼成此運動向量與其周圍運動向量(或運動向量預測子)之間的差值是特別有利的。例如在H.264/AVC編碼標準之情況下，運動向量是相對於中位數向量而被編碼的，該中位數向量是從與位於當前區塊上方與左側的三個區塊相關聯之運動向量所計算出的。僅將從中位數向量與當前區塊運動向量之間所計算出的差值(其亦稱作殘餘運動向量)編碼於位元流中。這是在「Mv預測與編碼」模組117 中被處理。各編碼向量之值被儲存在運動向量欄118 中。該預測用之相鄰運動向量是從運動向量欄118 中所擷取的。
HEVC標準使用三種不同INTER模式：Inter模式、Merge模式以及Merge Skip模式，其彼此差異處主要在於發訊位元流110 中的運動資訊(亦即，運動向量與透過其所謂參考訊框索引之相關聯參考訊框)。為了簡潔性，運動向量與運動資訊將在下文中被合二為一。有關運動向量預測，HEVC提供在率失真競爭期間評估的運動向量預測子之些許候選者，以為了個別針對Inter或Merge模式找尋最佳運動向量預測子或最佳運動資訊。對應於運動資訊之最佳預測子或最佳候選者之索引被插入位元流110 中。有鑒於此發訊，解碼器可導出相同集的預測子或候選者，並根據解碼索引使用最佳者。
運動向量預測子與候選者之導出的設計對實現最佳編碼效率而沒有對複雜性有大影響有所貢獻。在HEVC中提出兩種運動向量導出：一種用於Inter模式(已知為先進運動向量預測(Advanced Motion Vector Prediction，AMVP))以及一種用於Merge模式(已知為Merge導出處理)。
接著，將用於當前考慮之編碼區塊的率失真準則最佳化之編碼模式是在模組106 中所選出的。為了進一步降低在所獲得剩餘資料內之冗餘，在模組107 中對殘餘區塊應用典型上為DCT之轉換，以及在模組108 中對獲得的係數應用量化。接著在模組109 中將係數之量化區塊熵編碼，並且將該結果插入位元流110 中。
接著，為了模組111 至116 中的未來運動估計，編碼器執行訊框之各編碼區塊的解碼。此等步驟允許編碼器與解碼器以具有相同的參考訊框116 。為了重建該編碼之訊框，量化與轉換的殘餘區塊之各者在模組111 中被反向量化與在112 中被反向轉換，以為了提供像素域中對應的「重建」殘餘區塊。由於量化損失之問題，此「重建」殘餘區塊與在步驟106 獲得之原始殘餘區塊不同。
接著，根據106 處所選之編碼模式(INTER或INTRA)，此「重建」殘餘區塊被新增到INTER預測子區塊114 中或到INTRA預測子區塊113 ，以獲得「預重建」之區塊(編碼區塊)。
接著，該「預重建」區塊在模組115 中被一或些許類型之後濾波(post filtering)所濾波，以獲得「重建」區塊(編碼區塊)。相同的後濾波器被整合在編碼器(在解碼迴路中)處及在被相同方式使用之解碼器處，以為了在編碼器及解碼器端處獲得完全一樣之參考訊框。此後濾波之目標在於移除壓縮產出(artefact)。
圖 2 說明對應於圖1說明之視訊編碼器架構的視訊解碼器架構。
視訊流201 首先被熵解碼於模組202 中。各個獲得之殘餘區塊(編碼區塊)接著在模組203 中被反向量化以及在模組204 中被反向轉換，以獲得「重建」之殘餘區塊。這與編碼器端處之解碼迴路之起始相似。
接著，根據在位元流201 中指示之解碼模式(不論是INTRA類型解碼或INTER類型解碼)，建構預測子區塊。
在INTRA模式之情況下，基於在位元流201 中所指定之INTRA預測模式來判定205 INTRA預測子區塊。
在INTER模式之情況下，在熵解碼202 期間從位元流擷取出運動資訊。運動資訊，例如在HEVC及JVET中，是由參考訊框索引及運動向量殘餘所構成。
使用儲存在運動向量欄資料211中之已計算的運動向量，以與編碼器相同方式(從相鄰區塊)獲得運動向量預測子。其因此被新增210 到擷取的運動向量殘餘區塊，以獲得運動向量。此運動向量被新增到運動向量欄資料211 ，以用於預測下一個解碼之運動向量。
該運動向量亦用於定位參考訊框206 中之參考區域，該參考訊框206 是INTER預測子區塊。
接著，在204 獲得之「重建」殘餘區塊被新增到INTER預測子區塊206 中或到INTRA預測子區塊205 ，以與編碼器之解碼迴路相同方式獲得「預重建」之區塊(編碼區塊)。
接著，此「預重建」區塊在模組207 中被後濾波，如在編碼器端處所執行般(可從位元流201 擷取要使用之後濾波的發訊)。
因此，獲得「重建」區塊(編碼區塊)，其形成解壓縮視訊209 作為解碼器之輸出。
可將上述編碼/解碼處理應用於單色訊框。然而，大部分的常見訊框是通常由三陣列之色彩樣本所組成之色彩訊框，各陣列對應於「色彩分量」，例如R(紅色)、G(綠色)及B(藍色)。影像之像素包含三個並置/對應樣本，一個樣本用於各分量。
R、G、B分量之間通常具有高相關性。因此，在影像與視訊壓縮中極常見的是：在處理訊框之前，透過將分量轉換到另一色彩空間以將分量去相關。最常見格式是YUV(YCbCr)，其中Y是亮度(luma(或luminance))分量，以及U(Cb)及V(Cr)是色度(chroma(或chrominance))分量。
為了降低要處理之資料量，色彩訊框之若干色彩分量可以是次取樣的，導致針對三個色彩分量具有不同取樣比。次取樣方案通常被表示為三部分比率J:a:b，其以概念上2-pixel-high(兩像素高)區描述亮度與色度樣本之數量。「J」界定概念區之水平取樣參考(亦即，像素之寬度)，其通常為4。「a」界定在J像素之第一行中色度樣本(Cr, Cb)之數量，而「b」界定在J像素之第二行中(附加)色度樣本(Cr, Cb)之數量。
在次取樣方案中，色度樣本之數量相較於亮度樣本之數量而被降低。
4:4:4 YUV或RGB格式不提供次取樣並且對應於非次取樣的訊框，其中亮度與色度訊框具有相同大小W×H。
4:0:0 YUV或RGB格式僅具有一個色彩分量，並且因此對應於單色訊框。
例示性取樣格式為如下。
4:2:0 YUV格式在第一行中具有亮度樣本一半數量之色度樣本，並且在第二行中無色度樣本。兩色度訊框因此為W/2-像素寬與H/2-像素高，其中亮度訊框是W×H。
4:2:2 YUV格式在第一行中具有亮度樣本一半數量之色度樣本，並且在第二行中具有亮度樣本一半數量之色度樣本。兩色度訊框因此為W/2-像素寬與H-像素高，其中亮度訊框是W×H。
4:1:1 YUV格式在第一行中具有比亮度樣本少75%之色度樣本，並且在第二行中具有比亮度樣本少75%之色度樣本。兩色度訊框因此為W/4-像素寬與H-像素高，其中亮度訊框是W×H。
當次取樣時，訊框中色度樣本之位置相較於亮度樣本位置而被移位。
圖 3 說明針對4:2:0 YUV訊框之色度樣本(三角形)相對於亮度樣本(圓形)的例示性定位。
圖 1 之編碼處理可被應用於輸入訊框之各色彩分量訊框。
由於色彩分量之間的相關性(RGB之間或無視於RGB對YUV轉換之YUV之間剩餘相關性)，已研發出跨越分量預測(CCP)方法以利用此等(剩餘)相關性以為了改進編碼效率。CCP方法是框內預測，因為其僅倚賴相同訊框之分量。
可在編碼或解碼處理之不同階段，更明確而言在第一預測階段(用以預測當前色彩分量)或在第二預測階段(用以預測分量之當前殘餘區塊)，應用CCP方法。
一已知CCP方法是LM模式，其亦被參照為跨越分量線性模型預測(Cross-Component Linear Model prediction，CCLM)。其被用以從亮度Y，更明確而言從重建的亮度(在編碼器端或解碼器端處)，預測色度分量兩者Cb及Cr(或U及V)。針對各分量產生一預測子。該方法在(色度及亮度)區塊層級上操作，上述層級例如在CTU(編碼樹單元，coding tree unit)、CU(編碼單元，coding unit)層級、PU(預測單元，prediction unit)層級、次PU或TU(轉換單元，transform unit)層級。
圖 4 透過使用流程圖作為實例說明使用LM模式產生區塊預測子之通用步驟，其被編碼器(如下文引用所用般)或解碼器執行。圖 4 與圖 5a 及圖 5b 共同說明。
在以下說明中，例示性第一分量為色度而例示性第二分量為亮度。
圖 5a 說明用以編碼或解碼之當前色度區塊502 ，以及在相同訊框中其相關聯或對應的(代表「並置的」)亮度區塊505 (亦即，例如為相同CU的)。亮度區塊505 是由重建亮度樣本「L」所組成。該編碼器(或解碼器)在步驟401 接收相鄰亮度樣本集RecL以及在步驟402 接收相鄰色度樣本集RecC，該相鄰亮度樣本集RecL包含與當前亮度區塊相鄰之亮度樣本503 ，以及該相鄰色度樣本集RecC包含與當前色度區塊相鄰之色度樣本501 。應注意，針對若干色度取樣格式與色度相位，亮度樣本504 及503 並非直接相鄰於亮度區塊505 ，如圖 5a 所描繪般。例如在圖 5a 中，為獲得左行RecL’(503 )，只需要左邊第二行而無須左邊第一行。相同地，就上面的行504 而言，亦考慮第二上面的行用於亮度樣本之降取樣，如圖 5a 所描繪般。
澄清如圖 5a 及5b 顯示所使用之座標慣例亦是重要的，該座標慣例是典型且為在該技術領域中具有通常知識者所能清楚瞭解的。區塊層級的座標系統通常被界定為將原點(0, 0)定位在區塊之左上角。橫坐標軸接著朝右邊定向。因為資料是以光柵順序編碼，故縱坐標軸是朝底部定向：就高度H之區塊而言，其頂部行具有0之縱坐標，而底部行具有H-1之縱坐標。相似地，區塊之最左列具有0之橫坐標，且最右行具有W-1之橫坐標。在圖 5a 和5b 中由RecL、RecL’及RecC樣本集所表示的因果資料因此具有其縱坐標或其橫坐標嚴格為負的。
當使用色度取樣格式時(例如，4:2:0、4:2:2等)，在步驟403 ，相鄰亮度樣本集被降取樣成RecL’404 ，以匹配色度解析度(亦即，對應色度訊框/區塊之樣本解析度)。RecL’因此包含與降取樣的當前亮度區塊相鄰之重建亮度樣本504 。有鑒於降取樣，RecL’及RecC包含相同數量，典型上為2N，個樣本(色度區塊502為N×N)。惟，在先前技術中存在亮度邊界之特定降取樣，其需要較少量樣本以用於獲得RecL’。此外，即使RecL及RecC具有相同解析度，透過使用低通卷積濾波器，RecL’可被視為RecL之去噪版本。
在圖 5a 之實例中，相鄰亮度與色度樣本集是個別由降取樣上方及左側相鄰亮度樣本與由上方及左側相鄰色度樣本所組成。更精確地，兩樣本集之各者是由緊相鄰個別亮度區塊或色度區塊之左邊界之第一行與緊相鄰其上邊界之第一行所組成。由於降取樣(圖 5a 中的4:2:0)，相鄰亮度樣本RecL’之單一行是從非降取樣重建之亮度樣本RecL之兩行(左側或上部)所獲得。
被一或二參數(斜率α與偏移b)所界定之線性模型是由RecL’(若存在，否則為RecL)及RecC所導出。這是用以獲得參數406 之步驟405 。
使用基於最小均方的方法來獲得LM參數α及b，該方法使用以下方程式：


其中，M是取決於所考慮區塊大小之值。在如圖 5a及5b所示之方形區塊的通用情況下，M=2N。然而，基於LM之CCP可應用於任意區塊形狀，其中M舉例而言為區塊高度H加上區塊寬度W之總和(針對矩形區塊形狀)。
應注意，用作本方程式中權重的M之值可被調整以避免在編碼器與解碼器處之計算溢出。更精確而言，當以32位元或64位元帶符號架構使用算數時，該等計算之若干者有時可能會溢出並且因此造成未指明行為(其典型上在任何跨平台標準都是被嚴格禁止的)。為面對此情況，可評估給定輸入RecL’及RecC值之最大可能級度，以及M(以及上述之總和)可相應地縮放以確保沒有發生溢出。
參數之導出通常是來自圖 5a 所示之樣本集RecL’及RecC。
回到圖 4 之處理，使用具有一或多導出參數之線性模型406 ，可因此從505 表示的當前亮度區塊之重建亮度樣本407 獲得針對色度區塊502 之色度框內預測子413 。若再使用色度取樣格式時(例如，4:2:0、4:2:2等)，在步驟408 ，重建亮度樣本被降取樣成L’409 ，以匹配色度解析度(亦即，對應色度訊框/區塊之樣本解析度)。
可以使用與步驟403 相同的降取樣，或者使用另一種降取樣以針對行緩衝之緣故。舉例而言，可使用6分接濾波器(6-tap filter)以提供降取樣值作為環繞降取樣位置左上、上方、右上、左下、下方、及右下樣本之加權總和。當遺漏若干環繞樣本時，僅使用2分接濾波器以取代6分接濾波器。
應用到重建的亮度樣本L，如下所示獲得例示性6分接濾波器之輸出L’：

其中，(i,j)為降取樣區塊內樣本之座標以及＞＞為位元右側移位運算。
應注意，為了清晰性，此等L樣本之若干者實際上為RecL樣本。作為實例，在保持座標系統並採用樣本之命名系統同時，使用以下方程式用於最左側樣本：
。
亦可使用適應性亮度降取樣。僅使用亮度區塊之內容以用於判定針對該亮度區塊之各重建亮度樣本使用哪個降取樣濾波器。1分接濾波器為可用的。運用此方法之動機在於避免降取樣亮度區塊中邊緣之傳播(propagation)。
有鑒於降取樣步驟408 ，L’及C區塊(色度區塊502中色度樣本集)包含相同數量N2 個樣本(色度區塊502 為N×N)。
接著，色度框內預測子PredC413 之各樣本是使用遵循以下公式之迴路410-411-412 所計算出的：

其中，(i,j)為色度及亮度區塊內所有樣本之座標。
為避免乘法與除法，可使用基於查找表與移位運算等較不複雜方法實作該計算。舉例而言，實際色度框內預測子導出411 可如下執行：

其中，S是整數且A是使用先前提及查找表而從A1與A2(上文當計算α與b時所介紹的)導出的。其實際上對應於重縮放的α之值。運算(x＞＞S)對應於位元右側移位運算，其與對x除以2S 的整數除法(具有截斷)等效。
當降取樣亮度區塊之所有樣本已被剖析(412 )後，色度框內預測子413 可在編碼器端處用於從色度區塊502 之減法(用以獲得色度殘餘區塊)或者在解碼器端處用於對色度殘餘區塊之加法(用以獲得重建色度區塊)。
應注意，色度殘餘區塊可為不顯著的且因此被丟棄，在該情況下該獲得的色度框內預測子413 直接對應於預測的色度樣本(形成色度區塊502 )。
界定HEVC標準之兩標準群組ITU-T VCEG(Q6/16)及ISO/IEC MPEG(JTC 1/SC 29/WG 11)正透過已知為聯合視訊探索團隊(Joint Video Exploration Team，JVET)之聯合協作以研究用於HEVC後續的未來視訊編碼技術。聯合探索模型(Joint Exploration Model，JEM)包含HEVC工具以及透過此JVET群組所選之新增工具。更明確而言，此參考軟體包含若干CCP工具，如文件JVET-G1001所述般。
在JEM中，共有11種框內模式被允許用於色度編碼。該等模式包括五個傳統框內模式、以及六個跨越分量LM模式用以從Y預測Cb(位元流110 、201 中所發訊的)，和一個跨越分量LM模式用以從Cb預測Cr。
該六個Y-to-Cb CC LM模式之一是上述CCLM，其中相鄰亮度與色度樣本集RecL’及RecC之各者是由緊相鄰如圖 5a 所示個別亮度區塊或色度區塊之左邊界之第一行與緊相鄰其上邊界之第一行所組成。
另外五個Y-to-Cb CC LM模式是基於已知為多模型(Multiple Model，MM)等特定導出。此等模式被標記為MMLM。
相較於CCLM，MMLM模式使用兩個線性模型。來自RecL’集之相鄰重建亮度樣本與來自RecC集之相鄰色度樣本與兩群組之任意者相關聯，各群組被用以導出一線性模型之參數α及b，因此導致兩組線性模型參數(α1 ,β1 )及(α2 ,β2 )。
這被描繪於圖 6a 中。在本圖式中，左側與上方重建相鄰樣本所表示者個別是RecL樣本603 用於亮度區塊605 ，以及RecC樣本601 用於色度區塊602 。如先前所述般將RecL樣本降取樣成對應的RecL’樣本604 。接著，各RecC樣本與其對應並置之RecL’樣本相關聯，因此形成樣本對。各對接著被標記成屬於群組1或群組2。回到由604 與601 所指示之精確樣本，可看出(針對亮度)對604 被標記為群組2(且其並置的色度樣本亦是如此)，以及(針對色度)對601 被標記為群組1(且其並置的亮度樣本亦是如此)。
應瞭解這可延伸到任意樣本集RecL、RecL’及RecC與大多數對群組之定義。舉例而言，在圖 6b 中，在左邊界上之RecL及RecL’樣本是位於與亮度區塊之邊緣間隔一列處。此外，RecL’與RecC集是由其對應區塊之上方兩行與左側兩列所組成。最後，已任意界定出多於2個群組，如共出現4個群組，其定義可遵循不同規則。最後，透過使用兩分量與RecL’樣本而描述該方案：在該技術領域中具有通常知識者應能輕易瞭解在本文件之剩餘部份中，透過使用元組(tuple)以取代對(pair)而轉置成任意數量之樣本與分量。
例如，臨界值可被計算成是形成RecL’之相鄰重建的亮度樣本之平均值T 。接著，在具有樣本值RecL’[i,j]£T的座標(i,j)處之相鄰亮度樣本與群組1相關聯；而具有樣本值RecL’[i,j]＞T的相鄰亮度樣本與群組2相關聯。
接著，根據以下公式獲得色度框內預測子(或針對當前色度區塊602 之預測色度樣本)：

其中，參數集(α1 ,β1 )及(α2 ,β2 )是透過對先前描述之各群組執行典型CCLM最小均方迴歸而獲得的。
此外，相較於CCLM，MMLM模式使用相鄰亮度與色度樣本集RecL’及RecC，各由與如圖 6b 描繪之考慮的區塊的左邊界與上邊界緊相鄰與並行之兩行外部相鄰樣本所組成。圖 5b 中所示實例說明4:2:0取樣格式，針對該4:2:0取樣格式，從四行非降取樣重建亮度樣本(使用降取樣)獲得兩行相鄰亮度樣本。
五個MMLM模式彼此不同之處在於五種不同之降取樣濾波器，用以將重建亮度樣本降取樣以匹配色度解析度(以獲得RecL’及/或L’)。
第一MMLM模式倚賴與CCLM中所使用相同之6分接濾波器(請參見圖 7a 之參考編號701 中的六個黑點)。第二至第四MMLM模式倚賴2分接濾波器，其個別提供該降取樣之值作為下述者之加權總和：
環繞降取樣位置之六個樣本(被6分接濾波器所用)之右上與右下樣本(參見圖 7a 之702 ，濾波器1)：
(同樣適用於RecL)，
環繞降取樣位置之六個樣本(被6分接濾波器所用)之下方與右下樣本(參見圖 7a 之703 ，濾波器2)：
，以及
環繞降取樣位置之六個樣本(被6分接濾波器所用)之上方與右上樣本(參見圖 7a 之705 ，濾波器4)：
。
第五個MMLM模式倚賴4分接濾波器，其提供降取樣值作為環繞降取樣位置之六個樣本(被6分接濾波器所用)之上方、右上、下方與右下樣本之加權總和(參見圖 7a 之704 ，濾波器3)：
。
在JVET的當前狀態下MMLM模式的特定細節不應該是對本技術領域中具有通常知識者為限制性的，例如，對於次取樣濾波器，它們的細節對本發明的準則幾乎沒有影響。
如上述，必需在位元流110 或201 中發訊CCLM或MMLM模式。圖 7b 說明JEM之例示性LM模式發訊。第一個二進制旗標指示當前區塊是使用LM模式或其他框內模式(包括所謂DM模式)所預測出的。在LM模式之情況下，需要發訊六種可能的LM模式。發訊第一MMLM模式(使用6分接濾波器)，其具有一被設定到1之第二個二進制旗標。針對剩餘模式，此第二個二進制旗標被設定成0，在該情況下第三個二進制旗標被設定成1以發訊CCLM模式並且被設定成0以用於剩餘的MMLM模式。接著使用兩個附加二進制旗標以將四個剩餘MMLM模式之一者發訊。
針對各色度分量發訊一模式。
回到MMLM模式，針對屬於具有索引g 的群組G (其包含Mg 對此類對)的所有i對，透過以下針對群組Ｇ之方程式給出線性模型之參數可被撰寫成：
。
在JVET中已知之MMLM模式，g值是等於1或2，但明顯的是群組之數量(因此，g)可以為更高。若屬於具有索引g之群組G的對(pair)是由G[i]=g表示，則這對應於JVET之情況，以：
。
無關於群組定義，此等方程式可進一步被覆寫以令術語出現，參考稱為「筐(bin)」的構造，其可初始界定成該群組基於相同準則之進一步次劃分。針對在一組B筐中具有索引「b」之各個所謂筐，上述方程式變成：
。
這允許定義透過屬於具有索引「b」的筐的一組具有索引「i」之對(pair)所收集到的統計數據，每個筐中有Mb 對，並且該群組中有B個筐：
。
回到群組g之計算，以及如前述筐b般將任意次集合擷取，我們得到：
已經顯示考慮與一組筐相關聯的群組，每個筐由樣本對構成，透過根據上述方程式對各筐收集的統計數據求和來收集與各筐的樣本對的值相關的一些簡單統計數據，以允許計算與該群組相關聯的線性模型。
至少基於樣本對之給定特性，筐對應於第一分類。對筐之分類是與用以判定線性模型的參數之當前區塊的相鄰區塊中之樣本對相關。該線性模型用於基於另一分量之對應區塊之樣本來預測給定分量之區塊的樣本。
至少基於相同特性，群組對應於第二分類。群組分類是與用於實際預測之樣本相關，亦即其他分量與給定分量之當前區塊的樣本。
筐與群組之間的映射被界定，代表各筐與一或些許群組相關聯以及各群組與一或些許筐相關聯。沒有筐會與群組相關聯之情況會構成與典型CCLM模式類似之退化情況。
基於屬於該筐之當前區塊的鄰區中的樣本對，針對各筐收集統計數據。
基於針對與該群組相關聯之所有筐所收集到的統計數據，針對各群組判定界定線性模型之參數。
為了預測當前區塊中的給定樣本，判定其對應於哪個群組，然後使用針對該群組所判定的預測模型來預測該樣本。
用於當前區塊鄰區的樣本對的筐分類(bin classification)和用於預測當前區塊內的樣本的群組分類(group classification)兩者皆有利地基於相同特性，以確保筐與群組之間適當且一致之映射。可使用之該特性可具有不同本質。在第一實例中，該特性是樣本相關於該區塊之位置。圖 8 說明使用此特性之些許實例。另一可能特性是亮度樣本之值。圖 9 說明使用此特性之些許實例。
在先前技術中已知的CCLM模式中，當前區塊之鄰區中所有的樣本對被用以判定單一線性模型，用於預測該當前區塊中所有的樣本。
在先前技術中已知的MMLM模式中，做出群組中的單一分類。此分類適用於當前區塊之鄰區中的樣本對，用以針對各群組判定線性模型。接著相同分類被用於預測當前區塊內之樣本。
本發明介紹雙重分類，包括針對區塊鄰區中樣本對將筐分類與針對當前區塊內的樣本預測將群組分類。本發明亦介紹筐與群組之間的多對多關聯性。透過這樣做，本發明允許更簡單的計算模型參數之方式。實際上，先前技術中存在的解決方案需要預先知曉所有的樣本對以將其分類：如先前所述般，需要該等樣本對以計算要使用之臨界值。在本發明中，分類是隱含的，並且筐之數量提供對分類之固定限制，例如當考慮至少64對(以及在若干情況下為更多，其總是需要與區塊大小相依)32×32區塊以及較佳實施例之固定8或16個筐時。此外，本發明的此等態樣亦允許對區塊鄰區中之樣本對的更穩健選擇，該樣本對用於判定預測當前區塊內的一群組樣本中所使用的線性模型：現有技術可能導致極少的樣本對及潛在無效的參數，並且無法恢復。屬於給定筐之給定樣本對可對些許線性模型有所貢獻，一線性模型用於與筐相關聯之各群組。用於預測當前區塊中樣本之群組的線性模式可利用自些許筐對樣本對之貢獻。此對當前區塊之鄰區中之樣本對的更精細選擇，使得可以改進各線性模型的相關性，並且因此改進該預測，其中該樣本對對判定當前區塊內的各群組的線性模型有所貢獻。
圖 8 說明使用樣本位置作為將用於筐分類中的特性之若干實例。
已經界定了區塊鄰區中樣本對之座標。這等座標並定義於下文的x和y，如此，樣本對的值是RecL’[x, y]和RecC[x, y]。針對區塊890 之上邊界，y具有固定的值「頂部(top)」，典型上為-1，並且x從0到W-1，其中W是區塊之寬度。相似地，針對左邊界上之對，x具有固定的值「左側(left)」，典型上為-1，並且y從0到H-1。應注意在JVET中，H及W可有所不同。額外地，可使用多個行與列(line and column)，在該情況中，x或y亦可為-2，指示如圖 6b 所示遠離邊界一行或列之行或列。
在第一實例中，筐之分類是僅取決於該等座標。本例示性對應於圖 8 ，這由四個筐800 到803 所表示：該筐被經常組織於該區塊之邊緣上，以令針對位置(x,y)處之對的筐索引B可以根據下述方程式而被界定：
。
在基於由圖 6b 所說明之情況的另一實例中，倚賴位置提出另一筐分類。在本分類中，筐與各列與行相關聯，例如筐可界定為：
。
該等實施例兩者可以進一步結合，例如透過根據以下對筐之定義進一步同質第分割每個行與列：。
仍有另外實例對應於圖 8之實例的概括(generalization)。在本例示性中，2w 個筐被界定在上邊界上，以及2h 個筐被界定在左邊界上。圖 8 是本概括之簡化情況，其中w=h=1。該筐分類索引是由以下方程式所界定：
。
在若干實施例中，樣本對的位置與筐的定義之間的關係可以是更加隨意的。舉例而言，若干行或若干列可為不可用的，例如因為它們位於當前切片或影像外部。在該情況下，對應此等行或列之樣本對並沒有被用於定義線性模型參數。
在若干實施例中，考慮一維緩衝區。根據基於樣本位置之預定順序，將當前區塊之鄰區中的樣本對儲存在一維緩衝區中。可考慮任意預定順序。接著，一維緩衝區被劃分成筐。舉例而言，可基於一維緩衝區中的樣本對索引，從方程式計算出該筐指標。在一實例中，鄰區是由圖 8 所說明之兩行與兩列構成，一維緩衝區是由行H-1、接著行H-2、接著列W-1、以及最後是列W-2所填充。可使用任意其他順序。然後透過以下方程式從索引i給出筐索引，其中N是一維緩衝區的大小：
。
在上述許多情況下，例如對上面的N而言，除數理想地是2的次方，因此除法可以有利地利用右移位運算子實現，其取被除數的最高有效位元(MSB)。
通用目標是在筐中取得樣本對之平均分配。在圖 8 之範疇中，例如當樣本對之數量不是筐數量之倍數時，可能無法總能實現上述內容。一般而言，在索引計算中捨入的限制內獲得同質分配。這代表所有的筐包含相同數量加一或減一之樣本對。
圖 9 說明其他若干實例，其中筐分類是基於另一特性。
該其他特性是樣本對之樣本之一的值。較佳實施例是使用樣本對之亮度元素的實施例。
例如，亮度值之範圍擴充可被劃分成帶(band)。各帶對應於一筐。接著根據其亮度樣本值以及其所屬於之帶，將樣本對映射到筐。由表910 說明之。本表表示可能亮度值從0到最大值之完整範圍擴充。若對8位元編碼亮度值，則最大值是255；若對10位元編碼亮度值，則最大值是1023。判定帶之數量N ，其對應於筐之數量。完整範圍擴充被劃分成亮度樣本值之同質帶，各帶i 對應於中的亮度樣本值，其中Max 是亮度值之範圍擴充之大小以及N 是帶之數量，i 範圍為從0 到N-1 。當範圍擴充之大小Max 是之帶數量N 倍數時，各帶具有完全相同之大小。否則其具有同質大小，代表相同大小加一或減一。若N=2S ，則樣本值P之筐索引可單純是b=P＞＞S，亦即筐索引是由P的最高有效位元所給定。這亦構成了較佳的實施例，因為其實際上針對N=16展現極小的損失。
在由表920 所說明之若干實施例中，亮度值之整個範圍擴充是受限於實際最小值與實際最大值之間的實際範圍擴充。可如同對當前區塊所判定般方式，對樣本對集判定此等實際最小與最大值。亦可在切片層級或甚至在訊框層級上判定其。接著，該受限的擴充範圍被劃分成同質帶，類似於上文所述全範圍擴充之劃分。各帶對應於一筐。
在若干實施例中，由表930 說明者，對任意選擇之些許樣本對界定最小與最大值。此任意選擇可基於樣本對之位置。在一實例中，圖 8 中參照為L1 、L2 、T1 及T2 之位置被選定。等四個樣本對之亮度樣本值之最小值與最大值被判定並且被用以界定亮度值之完整範圍擴充中的帶。由於該最小值與最大值相較於當前區塊之鄰區中的完整組之樣本對並非絕對，故若干樣本對可能具有在該最小值以下之亮度樣本值或在該最大值以上之亮度樣本值。因此，將亮度值之完整範圍擴充劃分成三大區：該最小值以下之範圍931 、該最小值與最大值之間的範圍932 與該最大值以上之範圍933 。各範圍被劃分成帶。完整組的帶會構成筐。各範圍之劃分可為任意的。較佳的是，該三個範圍之各者的劃分是同質的；最小值與最大值之間的中間範圍932 可被劃分成比極值範圍931 與932 更細的帶，因為中間範圍較可能含有較多的樣本對。
在若干實施例中，由表940 所說明者，亮度值之完整範圍擴充被劃分成帶，並且帶之大小遵循將其與亮度樣本值連接之特定法則。該法則可基於算術級數、幾何級數、或如表940所示之對數級數。此等實施例之優勢在於反映亮度樣本值之直方圖經常聚集在中央值附近之事實。這使得將樣本對同質地分配到與此等帶相關聯之不同筐中是可行的。
現在說明將當前區塊之樣本對分類到群組中。
在第一實例中，由圖 8 所說明者，分類到群組中亦是基於樣本對之位置。舉例而言，該區塊被劃分成次區塊。該劃分可以是同質或也可以不是同質的。在該實例中，該區塊被劃分成四個相同大小之次區塊810 、811 、812 及813 。在該實例中，次區塊之邊界是對應於筐之邊界。此類實施例會簡化筐與區塊之間的映射，但此非強制。該映射之一例示性執行方法是將各筐與空間上與該筐對準的所有群組相關聯。相似的，各群組與空間上與該群組對準的所有筐相關聯。在該實例中，筐800 與群組810 及812 相關聯；筐801 與群組811 及813 相關聯；筐802 與群組810 及811 相關聯；以及筐803 與群組812 及813 相關聯。相似地，群組810 與筐800 及802 相關聯；群組811 與筐801 及802 相關聯；群組812 與筐800 及803 相關聯；以及群組813 與筐801 及803 相關聯。這代表用於預測包含在群組810 內的樣本之線性模型是對應於從對筐800 和802 所收集到的統計數據所判定的參數。同理可應用於其他群組。應注意，即使筐之邊界與群組之邊界無對應仍可應用透過對準之映射。舉例而言，與具有橫跨筐的邊界之兩個群組對準之筐是與該兩群組相關聯。
在由圖 9 所說明之實例中，用以界定筐分類之特性是樣本對中樣本之一，典型上是亮度，的值。在該情況下，典型上是使用相同特性來界定群組。這代表群組是根據亮度值之範圍擴充之劃分而被界定的，類似於針對筐分類所述之實施例。一般而言，群組分類並不對應於與針對筐所使用之範圍擴充劃分相同的範圍擴充劃分。然而，情況亦有可能是這樣。在一實施例中，用於MMLM模式中之群組分類可被使用，代表亮度樣本之範圍擴充是根據典型上對應於當前區塊鄰區中樣本對的亮度樣本值之平均值的臨界值而被劃分。
關於筐與群組之間的映射，一種簡單的方法是將對應於與群組的亮度值範圍相交的亮度值範圍的所有筐映射到該群組。這表示若筐之亮度值範圍延伸超過兩個不同的群組，對應於兩群組間的邊界位於筐中央，則此筐會被映射到該兩個群組。
在替代實施例中，若筐中樣本對之數量夠大，亦即高於預定臨界值，則該筐被分割成兩個筐。此等兩個筐之各者被映射到該等兩群組之一。
在仍另一實施例中，根據筐中樣本對之平均亮度值將筐映射。該筐被映射到包含此平均亮度值之群組。該樣本對之平均值可較輕易從針對該筐所收集到的統計數據而計算出。舉例而言，若Mb 是該筐中樣本對的數量，則平均值對應於Lb /Mb 。
圖 10 說明用於根據本發明實施例的色度區塊預測之方法的流程圖。
步驟1001 、1002 、1003 及1004 是與圖4之步驟401 、402 、403 及404 相似。此等步驟目標在於從當前區塊之鄰區判定出亮度樣本對與其相關聯之色度樣本，該色度樣本用作針對色度區塊預測之知識庫。此等步驟將相鄰RecL1001 中的亮度樣本與相鄰RecC1002 中的色度樣本作為輸入。當RecL與RecC不具有相同解析度時，使用可選步驟1003 以產生RecL’，其是RecL之降取樣版本。結果導致RecL’與RecC具有相同解析度。此外，即使RecL及RecC具有相同解析度，透過使用低通卷積濾波器，RecL’可被視為RecL之去噪版本。
針對由亮度樣本與相關聯色度樣本構成之各樣本對，用於線性模型參數計算中之統計數據被累積以用於該相關聯筐。在步驟1005 中，獲得亮度與色度樣本對(RecL’[k], RecC[k])。在步驟1006 中，透過使用先前揭示方法之一導出筐索引bin ，找出對筐之映射。在步驟1008 中，使用RecL’[k]及RecC[k]值的適當組合，更新對應的統計數據累加器Lbin 、Cbin 、LLbin 及LCbin 。對應計數器亦可增加，對應於先前描述之Mbin 元素。此處理在步驟1007 中重複，以考慮到所有的樣本對。
在此處理結束時，已完全判定出針對各筐之統計數據。在步驟1009 中，判定群組中之分類。接著，判定筐與群組之間的映射。
完成此後，對於各群組，可以在步驟1010 中收集到與筐相關聯的統計數據，並且如已經提出般進行正常線性模型參數計算。
使用當前亮度區塊L來判定對應的色度預測子區塊PredC。在步驟1011 中，獲得當前亮度區塊L。若有需求，則在步驟1012 中，將亮度區塊降取樣，以適配(fit)要判定的色度預測子區塊PredC之大小。導致結果是降取樣的亮度區塊L’1013 。此等步驟可與先前步驟並行進行。
在步驟1014 中，序列地考慮亮度區塊L’之所有樣本。在步驟1015 中，透過判定對應索引g，將亮度區塊樣本映射到該等群組之一。該映射函數可以是傳統MMLM者，亦即與臨界值的比較或如前所述的任何新的映射。在步驟1016 中，色度預測子區塊之對應樣本(代表並置樣本)被設定成色度預測子值，該值是透過使用群組參數αg 及βg 之線性模型所計算出。重複該步驟，直到在步驟1017 ，亮度區塊之所有的樣本已經處理以獲得完整色度預測子區塊1018 。
在較佳實施例中，使用帶，以及因此使用一般樣本範圍大小之筐。就10位元樣本而言，較佳實施例是使用16個此類帶，其提供在編碼效率與複雜性之間的最佳折衷。就8位元而言，可不適用相同數量之帶，但16個仍維持是有感興趣實施例。
大部分的所述實施例可被結合。雖然說明書專注在從亮度區塊預測色度區塊，但所描述方法可用於從另一分量區塊預測任何分量區塊。
圖 11 是用於實作本發明之一或多實施例的計算裝置1100 的示意性方塊圖。計算裝置1100 可以是諸如微電腦、工作站或輕便可攜式裝置等裝置。計算裝置1100 包含通訊匯流排，其連接到：
- 中央處理單元1101 ，諸如微處理器，表示為CPU；
- 隨機存取記憶體1102 ，表示為RAM，用於儲存本發明實施例之方法的可執行碼，以及適用於記錄實作根據本發明實施例對至少部分影像之編碼或解碼之方法所需的變數與參數之暫存器，可舉例而言透過連接到擴充埠之可選RAM來擴充其記憶體容量；
- 唯讀記憶體1103 ，表示為ROM，用於儲存電腦程式用於實作本發明實施例；
- 網路介面1104 ，其典型上連接到通訊網路，透過該網路可傳輸或接收要處理之數位資料。網路介面1104 可以是單一網路介面，或由一組不同網路介面(例如有線及無線介面，或不同類型之有線或無線介面)所構成。受在CPU1101 中執行的軟體應用程式之控制，資料封包被寫入網路介面以用於傳輸或從網路介面讀取以用於接收；
- 使用者介面1105 ，可被用於接收來自使用者之輸入或用以對使用者顯示資訊；
- 硬碟1106 ，表示為HD，可作為大容量裝置而被設置；
- I/O模組1107 ，可用於從/到外部裝置(諸如視訊源或顯示器)接收/傳送資料。
可執行碼可被儲存在唯讀記憶體1103 中、在硬碟1106 上或在諸如例如磁碟(disk)等可卸式數位媒體上。根據變體，經由網路介面1104 ，程式之可執行碼可以藉由通訊網路而被接收，以為了在執行之前被儲存在通訊裝置1100 之儲存機構之一，諸如硬碟1106 。
中央處理單元1101 適用於控制並且主導根據本發明實施例的程式之軟體碼的部分或是指令之執行，其指令被儲存在上述儲存機構之一者中。在通電後，在從例如程式ROM1103 或硬碟(HD)1106 載入指令後，CPU1101 能夠從與軟體應用程式相關之主要RAM記憶體1102 執行該等指令。此類軟體應用程式當被CPU1101 執行時，會導致執行根據本發明方法之步驟。
透過由諸如個人電腦(Personal Computer，PC)、數位訊號處理器(Digital Signal Processor，DSP)或微控制器等可程式化計算機器執行一組指令或程式，根據本發明方法之任何步驟可被實作在軟體中；或者透過諸如場可程式化閘極陣列(Field-Programmable Gate Array，FPGA)或特定應用積體電路(Application-Specific
Integrated Circuit，ASIC)等機器或專用組件可被實作在硬體中。
雖然本發明於上文中是參照特定實施例而被說明，但本發明並未受限於該特定實施例，且對在該技術領域中具有通常知識者為明顯的是對其修改亦是在本發明範疇內。
在參考前述說明性實施例時，在該技術領域中具有通常知識者將能思及許多進一步的修改和變化，這些說明性實施例僅作為實例而給出並且不旨在限制本發明的範圍，其僅由本發明的申請專利範圍而判定。更明確而言，來自不同實施例之不同特徵可在適當處互換。
在申請專利範圍中，用字「包含」並不會排除其他元素或步驟，且不定冠詞「a或an」並不排除複數個。在相互不同的附屬項中記載不同特徵之純粹事實並不表示不能有利地使用該等特徵的組合。
10‧‧‧視訊編碼器架構
101‧‧‧原始序列images{i}0-n
102‧‧‧步驟/模組
103‧‧‧步驟/模組
104‧‧‧步驟/模組
105‧‧‧步驟/模組
106‧‧‧步驟/模組
107‧‧‧步驟/模組
108‧‧‧步驟/模組
109‧‧‧步驟/模組
110‧‧‧位元流
111‧‧‧步驟/模組
112‧‧‧步驟/模組
113‧‧‧步驟/模組
114‧‧‧步驟/模組
115‧‧‧步驟/模組
116‧‧‧參考影像
117‧‧‧步驟/模組
118‧‧‧運動向量欄
201‧‧‧位元流
202‧‧‧步驟/模組
203‧‧‧步驟/模組
204‧‧‧步驟/模組
205‧‧‧步驟/模組
206‧‧‧步驟/模組
207‧‧‧步驟/模組
208‧‧‧參考影像
209‧‧‧視訊訊號
210‧‧‧步驟/模組
211‧‧‧運動向量欄
401‧‧‧亮度相鄰樣本RecL
402‧‧‧色度相鄰樣本RecC
403‧‧‧步驟/模組
404‧‧‧降取樣的亮度相鄰樣本RecL’
405‧‧‧步驟/模組
406‧‧‧線性模型參數(α, β)
407‧‧‧當前區塊的亮度樣本L
408‧‧‧步驟/模組
409‧‧‧降取樣的亮度樣本L’
410‧‧‧步驟/模組
411‧‧‧步驟/模組
412‧‧‧步驟/模組
413‧‧‧色度預測子PredC
501‧‧‧色度樣本
502‧‧‧色度區塊
503‧‧‧亮度樣本
504‧‧‧亮度樣本
505‧‧‧亮度區塊
601‧‧‧色度樣本
602‧‧‧色度區塊
603‧‧‧亮度樣本
604‧‧‧亮度樣本
605‧‧‧亮度區塊
701‧‧‧參考
702‧‧‧參考
703‧‧‧參考
704‧‧‧參考
705‧‧‧參考
800‧‧‧筐
801‧‧‧筐
802‧‧‧筐
803‧‧‧筐
810‧‧‧群組
811‧‧‧群組
812‧‧‧群組
813‧‧‧群組
890‧‧‧區塊
910‧‧‧表
920‧‧‧表
930‧‧‧表
931‧‧‧範圍
932‧‧‧範圍
933‧‧‧範圍
940‧‧‧表
1001‧‧‧亮度相鄰樣本RecL
1002‧‧‧色度相鄰樣本RecC
1003‧‧‧降取樣的亮度相鄰樣本RecL’
1004‧‧‧步驟/模組
1005‧‧‧步驟/模組
1006‧‧‧步驟/模組
1007‧‧‧步驟/模組
1008‧‧‧步驟/模組
1009‧‧‧步驟/模組
1010‧‧‧步驟/模組
1011‧‧‧當前區塊的亮度樣本L
1012‧‧‧步驟/模組
1013‧‧‧降取樣的亮度樣本L’
1014‧‧‧步驟/模組
1015‧‧‧步驟/模組
1016‧‧‧步驟/模組
1017‧‧‧步驟/模組
1018‧‧‧色度預測子PredC
1100‧‧‧計算裝置
1101‧‧‧中央處理單元
1102‧‧‧隨機存取記憶體
1103‧‧‧唯讀記憶體
1104‧‧‧網路介面
1105‧‧‧使用者介面
1106‧‧‧硬碟
1107‧‧‧I/O模組
僅透過例示性方式，現在將描述本發明之實施例，並且參考以下附圖，其中：
圖 1 說明視訊編碼器邏輯架構；
圖 2 說明對應於圖1說明之視訊編碼器邏輯架構的視訊解碼器邏輯架構；
圖 3 示意性說明針對4:2:0取樣的YUV取樣方案之實例；
圖 4 透過使用流程圖說明使用LM模式產生區塊預測子之通用步驟，其被編碼器或解碼器執行；
圖 5a 及5b 示意性說明色度區塊以及相關聯或並置之亮度區塊，具有降取樣的亮度樣本以及相鄰色度與亮度樣本，如在先前技術中已知者；
圖 6a 及6b 對應於圖 5a 及5b 並說明筐分配之實例；
圖 7a 說明在先前技術中已知之若干降取樣濾波器；
圖 7b 說明將旗標發訊到訊號LM模式之例示性編碼；
圖 8 說明使用樣本位置作為將用於筐分類中的特性之若干實例；
圖 9 說明基於另一特性的筐分類之若干實例；
圖 10 說明用於根據本發明實施例的色度區塊預測之方法的流程圖；以及
圖 11 是用於實作本發明之一或多實施例的計算裝置的示意性方塊圖。

Claims (31)

  1. 一種用於判定影像中區塊之樣本的方法，該方法包含： 獲得樣本對，即位於該區塊之鄰區中的第一影像分量中的一樣本及在第二影像分量中的一樣本； 至少根據該樣本對之特性將該樣本對與筐相關聯； 將該筐與該區塊中樣本的群組相關聯； 基於與該群組相關聯之該筐相關聯的該樣本對，對該區塊中樣本之各群組判定參數；以及 基於針對該樣本所屬之該群組所判定出之該參數，從該第二影像分量中該區塊之樣本判定該第一影像分量中該區塊之樣本。
  2. 如申請專利範圍第1項所述之方法，其中該特性取決於該樣本對的該樣本在它們所屬之該區塊中之位置。
  3. 如申請專利範圍第2項所述之方法，其中該筐是基於該樣本在該區塊之鄰區中相對於該區塊的位置而被組織。
  4. 如申請專利範圍第2項所述之方法，其中該樣本對根據預定順序被儲存在一維緩衝區中，該筐是透過將該一維緩衝區劃分所獲得的。
  5. 如申請專利範圍第1項所述之方法，其中該特性取決於該樣本對之一分量的該樣本之值。
  6. 如申請專利範圍第5項所述之方法，其中該特性取決於該第二影像分量的該樣本之值。
  7. 如申請專利範圍第6項所述之方法，其中該第二分量之該樣本的值範圍被劃分成帶(band)，以及其中該筐與帶相關聯。
  8. 如申請專利範圍第1項所述之方法，其中獲得該筐中該樣本對的同質分配。
  9. 如申請專利範圍第1項所述之方法，其中該判定使用由該參數界定之一或多線性模型。
  10. 如申請專利範圍第9項所述之方法，其中針對各群組界定線性模型。
  11. 如申請專利範圍第1項所述之方法，其中該方法進一步包含： 針對各筐收集有關與該筐相關聯的樣本對之統計數據；以及 基於針對與該群組相關聯之該筐所收集到的該統計數據，判定對各群組所判定之該參數。
  12. 如申請專利範圍第1項所述之方法，其中該第一影像分量是色度分量以及該第二影像分量是亮度分量。
  13. 一種用於編碼影像之方法，其中該方法包含用於根據申請專利範圍第1至12項中任一項判定影像中區塊之樣本的步驟。
  14. 一種用於解碼影像之方法，其中該方法包含用於根據申請專利範圍第1至12項中任一項判定影像中區塊之樣本的步驟。
  15. 一種用於判定影像中區塊之樣本的裝置，該裝置包含處理器，該處理器經組態以： 獲得樣本對，即位於該區塊之鄰區中的第一影像分量中的一樣本及在第二影像分量中的一樣本； 至少根據該樣本對之特性將該樣本對與筐相關聯； 將該筐與該區塊中樣本的群組相關聯； 基於與該群組相關聯之該筐相關聯的該樣本對，對該區塊中樣本之各群組判定參數；以及 基於針對該樣本所屬之該群組所判定出之該參數，從該第二影像分量中該區塊之樣本判定該第一影像分量中該區塊之樣本。
  16. 如申請專利範圍第15項所述之裝置，其中該特性取決於該樣本對的該樣本在它們所屬之該區塊中之位置。
  17. 如申請專利範圍第16項所述之裝置，其中該筐是基於該樣本在該區塊之鄰區中相對於該區塊的位置而被組織。
  18. 如申請專利範圍第16項所述之裝置，其中該樣本對根據預定順序被儲存在一維緩衝區中，該筐是透過將該一維緩衝區劃分所獲得的。
  19. 如申請專利範圍第15項所述之裝置，其中該特性取決於該樣本對之一分量的該樣本之值。
  20. 如申請專利範圍第19項所述之裝置，其中該特性取決於該第二影像分量的該樣本之值。
  21. 如申請專利範圍第20項所述之裝置，其中該第二分量之該樣本的值範圍被劃分成帶(band)，以及其中該筐與帶相關聯。
  22. 如申請專利範圍第15項所述之裝置，其中獲得該筐中該樣本對的同質分配。
  23. 如申請專利範圍第15項所述之裝置，其中該判定使用由該參數界定之一或多線性模型。
  24. 如申請專利範圍第23項所述之裝置，其中針對各群組界定線性模型。
  25. 如申請專利範圍第15項所述之裝置，其中該處理器進一步經組態以： 針對各筐收集有關與該筐相關聯的樣本對之統計數據；以及 基於針對與該群組相關聯之該筐所收集到的該統計數據，判定對各群組所判定之該參數。
  26. 如申請專利範圍第15項所述之裝置，其中該第一影像分量是色度分量以及該第二影像分量是亮度分量。
  27. 一種用於根據申請專利範圍第15至26項中任一項編碼影像之裝置。
  28. 一種用於根據申請專利範圍第15至26項中任一項解碼影像之裝置。
  29. 一種用於可程式化裝置之電腦程式產品，該電腦程式產品包含一序列之指令，用於當被載入到該可程式化裝置中並被該可程式化裝置執行時實作根據申請專利範圍第1至12項中任一項所述之方法。
  30. 一種電腦可讀取儲存媒體，其儲存有用於實作根據申請專利範圍第1至12項中任一項所述之方法的電腦程式之指令。
  31. 一種電腦程式，當其被執行時導致如申請專利範圍第1至12項中任一項所述之方法被執行。
TW108103476A 2018-02-23 2019-01-30 使用雙重分類用於線性分量樣本預測的方法以及裝置 TW201937927A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
GB1802973.6 2018-02-23
GB1802973.6A GB2571314A (en) 2018-02-23 2018-02-23 Methods and devices for linear component sample prediction using a double classification

Publications (1)

Publication Number Publication Date
TW201937927A true TW201937927A (zh) 2019-09-16

Family

ID=61903182

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108103476A TW201937927A (zh) 2018-02-23 2019-01-30 使用雙重分類用於線性分量樣本預測的方法以及裝置

Country Status (3)

Country Link
GB (1) GB2571314A (zh)
TW (1) TW201937927A (zh)
WO (1) WO2019162118A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021083376A1 (en) * 2019-11-01 2021-05-06 Beijing Bytedance Network Technology Co., Ltd. Derivation of linear parameter in cross-component video coding
CN114631313A (zh) * 2019-10-29 2022-06-14 北京字节跳动网络技术有限公司 使用亮度差值的跨分量自适应环路滤波器
US11902529B2 (en) 2020-04-18 2024-02-13 Beijing Bytedance Network Technology Co., Ltd. Syntax for signaling cross-component video coding

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113396591A (zh) * 2018-12-21 2021-09-14 Vid拓展公司 针对用于基于模板的视频译码的改进的线性模型估计的方法、架构、装置和系统
CN110912377A (zh) * 2019-10-29 2020-03-24 南京航空航天大学 一种新型数字pwm变换器低延迟电流采样方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10652575B2 (en) * 2016-09-15 2020-05-12 Qualcomm Incorporated Linear model chroma intra prediction for video coding

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114631313A (zh) * 2019-10-29 2022-06-14 北京字节跳动网络技术有限公司 使用亮度差值的跨分量自适应环路滤波器
WO2021083376A1 (en) * 2019-11-01 2021-05-06 Beijing Bytedance Network Technology Co., Ltd. Derivation of linear parameter in cross-component video coding
US11496751B2 (en) 2019-11-01 2022-11-08 Beijing Bytedance Network Technology Co., Ltd. Derivation of linear parameter in cross-component video coding
US11902529B2 (en) 2020-04-18 2024-02-13 Beijing Bytedance Network Technology Co., Ltd. Syntax for signaling cross-component video coding
US11936873B2 (en) 2020-04-18 2024-03-19 Beijing Bytedance Network Technology Co., Ltd. Cross-component coding of 4:2:0 or 4:2:2 video
US12120304B2 (en) 2020-04-18 2024-10-15 Beijing Bytedance Network Technology Co., Ltd. Use restrictions for cross-component prediction

Also Published As

Publication number Publication date
GB201802973D0 (en) 2018-04-11
GB2571314A (en) 2019-08-28
WO2019162118A1 (en) 2019-08-29

Similar Documents

Publication Publication Date Title
RU2767752C1 (ru) Новые наборы выборок и новые схемы понижающей дискретизации для предсказания выборки линейной компоненты
WO2020069655A1 (zh) 插值滤波器的训练方法、装置及视频图像编解码方法、编解码器
GB2567249A (en) New sample sets and new down-sampling schemes for linear component sample prediction
TW201937927A (zh) 使用雙重分類用於線性分量樣本預測的方法以及裝置
JP7508645B2 (ja) モードおよびサイズに依存したブロックレベル制限の方法および装置
JP7547557B2 (ja) ビデオピクチャの復号および符号化の方法ならびに装置
CN112400323B (zh) 图像编码器、图像解码器、以及对应方法
TW201937928A (zh) 用於線性組件樣本預測之新樣本集及新降低取樣方案
KR20130050900A (ko) 인트라 예측 방법 및 그 장치
TW201937924A (zh) 用於改進獲得線性分量樣本預測參數的方法以及裝置
KR102464520B1 (ko) 적응형 곱셈 계수를 이용한 이미지 필터링을 위한 방법 및 장치
US20230074457A1 (en) Method and apparatus of subsample interpolation filtering
CA3114816C (en) Video image component prediction method and apparatus, and computer storage medium
CN116114246B (zh) 帧内预测平滑滤波器系统及方法
US11877013B2 (en) Method and apparatus of interpolation filtering for predictive coding
RU2772313C2 (ru) Способ и устройство для фильтрации изображений с адаптивными коэффициентами множителя
WO2024007165A1 (zh) 编解码方法、装置、编码设备、解码设备以及存储介质
WO2020001566A1 (en) In-loop deblocking filter apparatus and method for video coding