WO2017204185A1 - 符号化装置、復号装置、符号化方法、および復号方法 - Google Patents

符号化装置、復号装置、符号化方法、および復号方法 Download PDF

Info

Publication number
WO2017204185A1
WO2017204185A1 PCT/JP2017/019113 JP2017019113W WO2017204185A1 WO 2017204185 A1 WO2017204185 A1 WO 2017204185A1 JP 2017019113 W JP2017019113 W JP 2017019113W WO 2017204185 A1 WO2017204185 A1 WO 2017204185A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
encoding
decoding
unit
block
Prior art date
Application number
PCT/JP2017/019113
Other languages
English (en)
French (fr)
Inventor
チョン スン リム
ハン ブン テオ
西　孝啓
遠間　正真
ル リン リャオ
スゴシュ パバン シャシドア
ハイ ウェイ スン
Original Assignee
パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
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
Priority to CN202210528648.0A priority Critical patent/CN114745547A/zh
Priority to CN202210526401.5A priority patent/CN114979647B/zh
Application filed by パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ filed Critical パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Priority to CN202210526617.1A priority patent/CN115150617A/zh
Priority to CN202210528629.8A priority patent/CN114979649A/zh
Priority to CN202210527871.3A priority patent/CN114866774A/zh
Priority to CN202210526402.XA priority patent/CN115037949A/zh
Priority to CN202210528627.9A priority patent/CN114679588B/zh
Priority to CN202210526631.1A priority patent/CN115150618A/zh
Priority to CN202210528665.4A priority patent/CN114979650B/zh
Priority to CN202210526598.2A priority patent/CN114979648B/zh
Priority to CN202210527875.1A priority patent/CN115150619B/zh
Priority to CN202210526618.6A priority patent/CN115150630B/zh
Priority to CN202210526613.3A priority patent/CN115037939B/zh
Priority to CN201780031614.8A priority patent/CN109155854B/zh
Priority to CN202210527891.0A priority patent/CN115150620A/zh
Priority to JP2018519545A priority patent/JPWO2017204185A1/ja
Priority to CN202210533740.6A priority patent/CN114866775A/zh
Priority to CN202210526384.5A priority patent/CN114979646A/zh
Publication of WO2017204185A1 publication Critical patent/WO2017204185A1/ja
Priority to US16/194,586 priority patent/US11134270B2/en
Priority to US17/373,106 priority patent/US11985350B2/en
Priority to US17/373,069 priority patent/US11962804B2/en
Priority to US17/373,066 priority patent/US11985349B2/en
Priority to JP2021179243A priority patent/JP2022033737A/ja
Priority to US18/242,846 priority patent/US20230421809A1/en
Priority to US18/242,747 priority patent/US20230412840A1/en

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
    • H04N19/134—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • 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
    • H04N19/46—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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
    • 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

Definitions

  • the present disclosure relates to an apparatus and method for encoding an image, and an apparatus and method for decoding an encoded image.
  • HEVC has been formulated as an image coding standard (see, for example, Non-Patent Document 1).
  • next-generation video for example, 360-degree moving image
  • encoding efficiency exceeding the current encoding performance.
  • image samples are manipulated to eliminate distortions so that the image to be processed is linear before encoding.
  • an image processing technique is generally used.
  • the conventional encoding device and decoding device have a problem that images to be encoded or decoded cannot be handled appropriately.
  • the present disclosure provides an encoding apparatus that can appropriately handle an image to be encoded or decoded.
  • An encoding apparatus includes a processing circuit and a memory connected to the processing circuit, and the processing circuit corrects distortion of an image captured by a wide-angle lens using the memory.
  • the processing circuit corrects distortion of an image captured by a wide-angle lens using the memory.
  • the encoding apparatus can appropriately handle an image to be encoded or decoded.
  • FIG. 1 is a block diagram showing a functional configuration of the encoding apparatus according to Embodiment 1.
  • FIG. 2 is a diagram illustrating an example of block division in the first embodiment.
  • FIG. 3 is a table showing conversion basis functions corresponding to each conversion type.
  • FIG. 4A is a diagram illustrating an example of the shape of a filter used in ALF.
  • FIG. 4B is a diagram illustrating another example of the shape of a filter used in ALF.
  • FIG. 4C is a diagram illustrating another example of the shape of a filter used in ALF.
  • FIG. 5 is a diagram illustrating 67 intra prediction modes in intra prediction.
  • FIG. 6 is a diagram for explaining pattern matching (bilateral matching) between two blocks along the motion trajectory.
  • FIG. 1 is a block diagram showing a functional configuration of the encoding apparatus according to Embodiment 1.
  • FIG. 2 is a diagram illustrating an example of block division in the first embodiment.
  • FIG. 3 is a table showing conversion basis functions
  • FIG. 7 is a diagram for explaining pattern matching (template matching) between a template in the current picture and a block in the reference picture.
  • FIG. 8 is a diagram for explaining a model assuming constant velocity linear motion.
  • FIG. 9 is a diagram for explaining the derivation of motion vectors in units of sub-blocks based on the motion vectors of a plurality of adjacent blocks.
  • FIG. 10 is a block diagram showing a functional configuration of the decoding apparatus according to the first embodiment.
  • FIG. 11 is a flowchart illustrating an example of a moving image encoding process according to the second embodiment.
  • FIG. 12 is a diagram illustrating possible positions of a header in which a parameter is written in the bitstream according to the second embodiment.
  • FIG. 13 is a diagram illustrating a captured image and a processed image that has been subjected to image correction processing according to the second embodiment.
  • FIG. 14 is a diagram illustrating a stitched image generated by stitching together a plurality of images by the stitching process according to the second embodiment.
  • FIG. 15 is a diagram illustrating an arrangement of a plurality of cameras and a stitched image including an empty area generated by stitching images captured by these cameras according to the second embodiment.
  • FIG. 16 is a flowchart showing inter-screen prediction processing or motion compensation in the second embodiment.
  • FIG. 17 is a diagram illustrating an example of a barrel distortion caused by a non-rectilinear lens or a fisheye lens in the second embodiment.
  • FIG. 18 is a flowchart illustrating a modified example of inter-screen prediction processing or motion compensation in the second embodiment.
  • FIG. 19 is a flowchart showing image reconstruction processing in the second embodiment.
  • FIG. 20 is a flowchart showing a modification of the image reconstruction process in the second embodiment.
  • FIG. 21 is a diagram illustrating an example of a partial encoding process or a partial decoding process on a joined image in the second embodiment.
  • FIG. 22 is a diagram illustrating another example of the partial encoding process or the partial decoding process on the joined image in the second embodiment.
  • FIG. 23 is a block diagram of an encoding apparatus according to the second embodiment.
  • FIG. 24 is a flowchart illustrating an example of a moving image decoding process according to the second embodiment.
  • FIG. 25 is a block diagram of the decoding apparatus according to the second embodiment.
  • FIG. 26 is a flowchart illustrating an example of a moving image encoding process according to the third embodiment.
  • FIG. 27 is a flowchart illustrating an example of a joining process in the third embodiment.
  • FIG. 28 is a block diagram of an encoding apparatus according to Embodiment 3.
  • FIG. 29 is a flowchart illustrating an example of a moving image decoding process according to the third embodiment.
  • FIG. 30 is a block diagram of the decoding apparatus according to the third embodiment.
  • FIG. 31 is a flowchart illustrating an example of a moving image encoding process according to the fourth embodiment.
  • FIG. 32 is a flowchart illustrating intra-screen prediction processing according to the fourth embodiment.
  • FIG. 33 is a flowchart showing motion vector prediction processing according to the fourth embodiment.
  • FIG. 34 is a block diagram of an encoding apparatus according to the fourth embodiment.
  • FIG. 35 is a flowchart illustrating an example of a moving image decoding process according to the fourth embodiment.
  • FIG. 36 is a block diagram of a decoding apparatus according to the fourth embodiment.
  • FIG. 37 is a block diagram of an encoding device according to an aspect of the present disclosure.
  • FIG. 38 is a block diagram of a decoding device according to an aspect of the present disclosure.
  • FIG. 39 is an overall configuration diagram of a content supply system that implements a content distribution service.
  • FIG. 40 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 40 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 41 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 42 shows an example of a web page display screen.
  • FIG. 43 is a diagram showing an example of a web page display screen.
  • FIG. 44 is a diagram illustrating an example of a smartphone.
  • FIG. 45 is a block diagram illustrating a configuration example of a smartphone.
  • FIG. 1 is a block diagram showing a functional configuration of encoding apparatus 100 according to Embodiment 1.
  • the encoding device 100 is a moving image / image encoding device that encodes moving images / images in units of blocks.
  • an encoding apparatus 100 is an apparatus that encodes an image in units of blocks, and includes a dividing unit 102, a subtracting unit 104, a transforming unit 106, a quantizing unit 108, and entropy encoding.
  • Unit 110 inverse quantization unit 112, inverse transform unit 114, addition unit 116, block memory 118, loop filter unit 120, frame memory 122, intra prediction unit 124, inter prediction unit 126, A prediction control unit 128.
  • the encoding device 100 is realized by, for example, a general-purpose processor and a memory.
  • the processor when the software program stored in the memory is executed by the processor, the processor performs the division unit 102, the subtraction unit 104, the conversion unit 106, the quantization unit 108, the entropy encoding unit 110, and the inverse quantization unit 112.
  • the encoding apparatus 100 includes a dividing unit 102, a subtracting unit 104, a transforming unit 106, a quantizing unit 108, an entropy coding unit 110, an inverse quantizing unit 112, an inverse transforming unit 114, an adding unit 116, and a loop filter unit 120.
  • the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 may be implemented as one or more dedicated electronic circuits.
  • the dividing unit 102 divides each picture included in the input moving image into a plurality of blocks, and outputs each block to the subtracting unit 104.
  • the dividing unit 102 first divides a picture into blocks of a fixed size (for example, 128 ⁇ 128).
  • This fixed size block may be referred to as a coding tree unit (CTU).
  • the dividing unit 102 divides each of the fixed size blocks into blocks of a variable size (for example, 64 ⁇ 64 or less) based on recursive quadtree and / or binary tree block division.
  • This variable size block may be referred to as a coding unit (CU), a prediction unit (PU) or a transform unit (TU).
  • CU, PU, and TU do not need to be distinguished, and some or all blocks in a picture may be processing units of CU, PU, and TU.
  • FIG. 2 is a diagram showing an example of block division in the first embodiment.
  • a solid line represents a block boundary by quadtree block division
  • a broken line represents a block boundary by binary tree block division.
  • the block 10 is a 128 ⁇ 128 pixel square block (128 ⁇ 128 block).
  • the 128 ⁇ 128 block 10 is first divided into four square 64 ⁇ 64 blocks (quadtree block division).
  • the upper left 64 ⁇ 64 block is further divided vertically into two rectangular 32 ⁇ 64 blocks, and the left 32 ⁇ 64 block is further divided vertically into two rectangular 16 ⁇ 64 blocks (binary tree block division). As a result, the upper left 64 ⁇ 64 block is divided into two 16 ⁇ 64 blocks 11 and 12 and a 32 ⁇ 64 block 13.
  • the upper right 64 ⁇ 64 block is horizontally divided into two rectangular 64 ⁇ 32 blocks 14 and 15 (binary tree block division).
  • the lower left 64x64 block is divided into four square 32x32 blocks (quadrant block division). Of the four 32 ⁇ 32 blocks, the upper left block and the lower right block are further divided.
  • the upper left 32 ⁇ 32 block is vertically divided into two rectangular 16 ⁇ 32 blocks, and the right 16 ⁇ 32 block is further divided horizontally into two 16 ⁇ 16 blocks (binary tree block division).
  • the lower right 32 ⁇ 32 block is horizontally divided into two 32 ⁇ 16 blocks (binary tree block division).
  • the lower left 64 ⁇ 64 block is divided into a 16 ⁇ 32 block 16, two 16 ⁇ 16 blocks 17 and 18, two 32 ⁇ 32 blocks 19 and 20, and two 32 ⁇ 16 blocks 21 and 22.
  • the lower right 64x64 block 23 is not divided.
  • the block 10 is divided into 13 variable-size blocks 11 to 23 based on the recursive quadtree and binary tree block division.
  • Such division may be called QTBT (quad-tree plus binary tree) division.
  • one block is divided into four or two blocks (quadrature tree or binary tree block division), but the division is not limited to this.
  • one block may be divided into three blocks (triple tree block division).
  • Such a division including a tri-tree block division may be called an MBT (multi type tree) division.
  • the subtraction unit 104 subtracts the prediction signal (prediction sample) from the original signal (original sample) in units of blocks divided by the division unit 102. That is, the subtraction unit 104 calculates a prediction error (also referred to as a residual) of a coding target block (hereinafter referred to as a current block). Then, the subtraction unit 104 outputs the calculated prediction error to the conversion unit 106.
  • a prediction error also referred to as a residual of a coding target block (hereinafter referred to as a current block).
  • the original signal is an input signal of the encoding device 100, and is a signal (for example, a luminance (luma) signal and two color difference (chroma) signals) representing an image of each picture constituting the moving image.
  • a signal representing an image may be referred to as a sample.
  • the transform unit 106 transforms the prediction error in the spatial domain into a transform factor in the frequency domain, and outputs the transform coefficient to the quantization unit 108. Specifically, the transform unit 106 performs, for example, a predetermined discrete cosine transform (DCT) or discrete sine transform (DST) on a prediction error in the spatial domain.
  • DCT discrete cosine transform
  • DST discrete sine transform
  • the conversion unit 106 adaptively selects a conversion type from a plurality of conversion types, and converts a prediction error into a conversion coefficient using a conversion basis function corresponding to the selected conversion type. May be. Such a conversion may be referred to as EMT (explicit multiple core transform) or AMT (adaptive multiple transform).
  • the plurality of conversion types include, for example, DCT-II, DCT-V, DCT-VIII, DST-I and DST-VII.
  • FIG. 3 is a table showing conversion basis functions corresponding to each conversion type. In FIG. 3, N indicates the number of input pixels. Selection of a conversion type from among these multiple conversion types may depend on, for example, the type of prediction (intra prediction and inter prediction), or may depend on an intra prediction mode.
  • Information indicating whether or not to apply such EMT or AMT (for example, called an AMT flag) and information indicating the selected conversion type are signaled at the CU level.
  • AMT flag information indicating whether or not to apply such EMT or AMT
  • the signalization of these pieces of information need not be limited to the CU level, but may be other levels (for example, a sequence level, a picture level, a slice level, a tile level, or a CTU level).
  • the conversion unit 106 may reconvert the conversion coefficient (conversion result). Such reconversion is sometimes referred to as AST (adaptive secondary transform) or NSST (non-separable secondary transform). For example, the conversion unit 106 performs re-conversion for each sub-block (for example, 4 ⁇ 4 sub-block) included in the block of the conversion coefficient corresponding to the intra prediction error. Information indicating whether or not NSST is applied and information related to the transformation matrix used for NSST are signaled at the CU level. Note that the signalization of these pieces of information need not be limited to the CU level, but may be other levels (for example, a sequence level, a picture level, a slice level, a tile level, or a CTU level).
  • the quantization unit 108 quantizes the transform coefficient output from the transform unit 106. Specifically, the quantization unit 108 scans the transform coefficients of the current block in a predetermined scanning order, and quantizes the transform coefficients based on the quantization parameter (QP) corresponding to the scanned transform coefficients. Then, the quantization unit 108 outputs the quantized transform coefficient (hereinafter referred to as a quantization coefficient) of the current block to the entropy encoding unit 110 and the inverse quantization unit 112.
  • QP quantization parameter
  • the predetermined order is an order for quantization / inverse quantization of transform coefficients.
  • the predetermined scanning order is defined in ascending order of frequency (order from low frequency to high frequency) or descending order (order from high frequency to low frequency).
  • the quantization parameter is a parameter that defines a quantization step (quantization width). For example, if the value of the quantization parameter increases, the quantization step also increases. That is, if the value of the quantization parameter increases, the quantization error increases.
  • the entropy encoding unit 110 generates an encoded signal (encoded bit stream) by performing variable length encoding on the quantization coefficient that is input from the quantization unit 108. Specifically, the entropy encoding unit 110 binarizes the quantization coefficient, for example, and arithmetically encodes the binary signal.
  • the inverse quantization unit 112 inversely quantizes the quantization coefficient that is an input from the quantization unit 108. Specifically, the inverse quantization unit 112 inversely quantizes the quantization coefficient of the current block in a predetermined scanning order. Then, the inverse quantization unit 112 outputs the inverse-quantized transform coefficient of the current block to the inverse transform unit 114.
  • the inverse transform unit 114 restores the prediction error by inverse transforming the transform coefficient that is an input from the inverse quantization unit 112. Specifically, the inverse transform unit 114 restores the prediction error of the current block by performing an inverse transform corresponding to the transform by the transform unit 106 on the transform coefficient. Then, the inverse transformation unit 114 outputs the restored prediction error to the addition unit 116.
  • the restored prediction error does not match the prediction error calculated by the subtraction unit 104 because information is lost due to quantization. That is, the restored prediction error includes a quantization error.
  • the adder 116 reconstructs the current block by adding the prediction error input from the inverse transform unit 114 and the prediction signal input from the prediction control unit 128. Then, the adding unit 116 outputs the reconfigured block to the block memory 118 and the loop filter unit 120.
  • the reconstructed block is sometimes referred to as a local decoding block.
  • the block memory 118 is a storage unit for storing blocks in an encoding target picture (hereinafter referred to as current picture) that are referred to in intra prediction. Specifically, the block memory 118 stores the reconstructed block output from the adding unit 116.
  • the loop filter unit 120 applies a loop filter to the block reconstructed by the adding unit 116 and outputs the filtered reconstructed block to the frame memory 122.
  • the loop filter is a filter (in-loop filter) used in the encoding loop, and includes, for example, a deblocking filter (DF), a sample adaptive offset (SAO), an adaptive loop filter (ALF), and the like.
  • a least square error filter is applied to remove coding distortion. For example, for each 2 ⁇ 2 sub-block in the current block, a plurality of multiples based on the direction of the local gradient and the activity are provided. One filter selected from the filters is applied.
  • sub-blocks for example, 2 ⁇ 2 sub-blocks
  • a plurality of classes for example, 15 or 25 classes.
  • the direction value D of the gradient is derived, for example, by comparing gradients in a plurality of directions (for example, horizontal, vertical, and two diagonal directions).
  • the gradient activation value A is derived, for example, by adding gradients in a plurality of directions and quantizing the addition result.
  • a filter for a sub-block is determined from among a plurality of filters.
  • FIG. 4A to 4C are diagrams showing a plurality of examples of filter shapes used in ALF.
  • 4A shows a 5 ⁇ 5 diamond shape filter
  • FIG. 4B shows a 7 ⁇ 7 diamond shape filter
  • FIG. 4C shows a 9 ⁇ 9 diamond shape filter.
  • Information indicating the shape of the filter is signalized at the picture level. It should be noted that the signalization of the information indicating the filter shape need not be limited to the picture level, but may be another level (for example, a sequence level, a slice level, a tile level, a CTU level, or a CU level).
  • ON / OFF of ALF is determined at the picture level or the CU level, for example. For example, for luminance, it is determined whether to apply ALF at the CU level, and for color difference, it is determined whether to apply ALF at the picture level.
  • Information indicating ALF on / off is signaled at the picture level or the CU level. Signaling of information indicating ALF on / off need not be limited to the picture level or the CU level, and may be performed at other levels (for example, a sequence level, a slice level, a tile level, or a CTU level). Good.
  • a coefficient set of a plurality of selectable filters (for example, up to 15 or 25 filters) is signalized at the picture level.
  • the signalization of the coefficient set need not be limited to the picture level, but may be another level (for example, sequence level, slice level, tile level, CTU level, CU level, or sub-block level).
  • the frame memory 122 is a storage unit for storing a reference picture used for inter prediction, and is sometimes called a frame buffer. Specifically, the frame memory 122 stores the reconstructed block filtered by the loop filter unit 120.
  • the intra prediction unit 124 generates a prediction signal (intra prediction signal) by referring to the block in the current picture stored in the block memory 118 and performing intra prediction (also referred to as intra-screen prediction) of the current block. Specifically, the intra prediction unit 124 generates an intra prediction signal by performing intra prediction with reference to a sample (for example, luminance value and color difference value) of a block adjacent to the current block, and performs prediction control on the intra prediction signal. To the unit 128.
  • the intra prediction unit 124 performs intra prediction using one of a plurality of predefined intra prediction modes.
  • the plurality of intra prediction modes include one or more non-directional prediction modes and a plurality of directional prediction modes.
  • One or more non-directional prediction modes are for example H.264. It includes Planar prediction mode and DC prediction mode defined by H.265 / HEVC (High-Efficiency Video Coding) standard (Non-patent Document 1).
  • the multiple directionality prediction modes are H. It includes 33-direction prediction modes defined in the H.265 / HEVC standard. In addition to the 33 directions, the plurality of directionality prediction modes may further include 32 direction prediction modes (a total of 65 directionality prediction modes).
  • FIG. 5 is a diagram illustrating 67 intra prediction modes (two non-directional prediction modes and 65 directional prediction modes) in intra prediction. The solid line arrows The 33 directions defined in the H.265 / HEVC standard are represented, and the dashed arrow represents the added 32 directions.
  • the luminance block may be referred to in the intra prediction of the color difference block. That is, the color difference component of the current block may be predicted based on the luminance component of the current block.
  • Such intra prediction is sometimes called CCLM (cross-component linear model) prediction.
  • the intra prediction mode (for example, called CCLM mode) of the color difference block which refers to such a luminance block may be added as one of the intra prediction modes of the color difference block.
  • the intra prediction unit 124 may correct the pixel value after intra prediction based on the gradient of the reference pixel in the horizontal / vertical direction. Intra prediction with such correction may be called PDPC (position dependent intra prediction combination). Information indicating whether or not PDPC is applied (for example, referred to as a PDPC flag) is signaled, for example, at the CU level.
  • the signalization of this information need not be limited to the CU level, but may be another level (for example, a sequence level, a picture level, a slice level, a tile level, or a CTU level).
  • the inter prediction unit 126 refers to a reference picture stored in the frame memory 122 and is different from the current picture, and performs inter prediction (also referred to as inter-screen prediction) of the current block, thereby generating a prediction signal (inter prediction signal). Prediction signal). Inter prediction is performed in units of a current block or a sub-block (for example, 4 ⁇ 4 block) in the current block. For example, the inter prediction unit 126 performs motion estimation in the reference picture for the current block or sub-block. Then, the inter prediction unit 126 generates an inter prediction signal of the current block or sub-block by performing motion compensation using motion information (for example, a motion vector) obtained by motion search. Then, the inter prediction unit 126 outputs the generated inter prediction signal to the prediction control unit 128.
  • inter prediction also referred to as inter-screen prediction
  • a motion vector predictor may be used for signalizing the motion vector. That is, the difference between the motion vector and the predicted motion vector may be signaled.
  • an inter prediction signal may be generated using not only the motion information of the current block obtained by motion search but also the motion information of adjacent blocks. Specifically, the inter prediction signal is generated in units of sub-blocks in the current block by weighted addition of the prediction signal based on the motion information obtained by motion search and the prediction signal based on the motion information of adjacent blocks. May be.
  • Such inter prediction motion compensation
  • OBMC overlapped block motion compensation
  • OBMC block size information indicating the size of a sub-block for OBMC
  • OBMC flag information indicating whether or not to apply the OBMC mode
  • the level of signalization of these information does not need to be limited to the sequence level and the CU level, and may be other levels (for example, a picture level, a slice level, a tile level, a CTU level, or a sub-block level). Good.
  • the motion information may be derived on the decoding device side without being converted into a signal.
  • H.M. A merge mode defined in the H.265 / HEVC standard may be used.
  • the motion information may be derived by performing motion search on the decoding device side. In this case, motion search is performed without using the pixel value of the current block.
  • the mode in which the motion search is performed on the decoding device side is sometimes referred to as a PMMVD (patterned motion vector derivation) mode or an FRUC (frame rate up-conversion) mode.
  • PMMVD patterned motion vector derivation
  • FRUC frame rate up-conversion
  • one of the candidates included in the merge list is selected as a search start position by pattern matching.
  • the pattern matching the first pattern matching or the second pattern matching is used.
  • the first pattern matching and the second pattern matching may be referred to as bilateral matching and template matching, respectively.
  • pattern matching is performed between two blocks in two different reference pictures that follow the motion trajectory of the current block.
  • FIG. 6 is a diagram for explaining pattern matching (bilateral matching) between two blocks along a motion trajectory.
  • pattern matching bilateral matching
  • two blocks along the motion trajectory of the current block (Cur block) and two blocks in two different reference pictures (Ref0, Ref1) are used.
  • Ref0, Ref1 two blocks in two different reference pictures
  • the motion vectors (MV0, MV1) pointing to the two reference blocks are temporal distances between the current picture (Cur Pic) and the two reference pictures (Ref0, Ref1). It is proportional to (TD0, TD1).
  • the first pattern matching uses a mirror-symmetric bi-directional motion vector Is derived.
  • pattern matching is performed between a template in the current picture (a block adjacent to the current block in the current picture (for example, an upper and / or left adjacent block)) and a block in the reference picture.
  • FIG. 7 is a diagram for explaining pattern matching (template matching) between a template in the current picture and a block in the reference picture.
  • the current block is searched by searching the reference picture (Ref0) for the block that most closely matches the block adjacent to the current block (Cur block) in the current picture (Cur Pic).
  • Ref0 the reference picture
  • FRUC flag Information indicating whether or not to apply such FRUC mode
  • FRUC flag information indicating whether or not to apply such FRUC mode
  • the FRUC mode is applied (for example, when the FRUC flag is true)
  • information indicating the pattern matching method (first pattern matching or second pattern matching) (for example, called the FRUC mode flag) is signaled at the CU level. It becomes. Note that the signalization of these pieces of information need not be limited to the CU level, but may be other levels (for example, sequence level, picture level, slice level, tile level, CTU level, or sub-block level). .
  • motion information may be derived on the decoding device side by a method different from motion search.
  • the motion vector correction amount may be calculated using a peripheral pixel value for each pixel based on a model assuming constant velocity linear motion.
  • BIO bi-directional optical flow
  • FIG. 8 is a diagram for explaining a model assuming constant velocity linear motion.
  • (v x , v y ) indicates a velocity vector
  • ⁇ 0 and ⁇ 1 are the time between the current picture (Cur Pic) and two reference pictures (Ref 0 , Ref 1 ), respectively.
  • the distance. (MVx 0 , MVy 0 ) indicates a motion vector corresponding to the reference picture Ref 0
  • (MVx 1 , MVy 1 ) indicates a motion vector corresponding to the reference picture Ref 1 .
  • This optical flow equation consists of (i) the product of the time derivative of the luminance value, (ii) the horizontal component of the horizontal velocity and the spatial gradient of the reference image, and (iii) the vertical velocity and the spatial gradient of the reference image. Indicates that the sum of the products of the vertical components of is equal to zero. Based on a combination of this optical flow equation and Hermite interpolation, a block-based motion vector obtained from a merge list or the like is corrected in pixel units.
  • the motion vector may be derived on the decoding device side by a method different from the derivation of the motion vector based on the model assuming constant velocity linear motion.
  • a motion vector may be derived for each subblock based on the motion vectors of a plurality of adjacent blocks.
  • This mode may be referred to as an affine motion compensation prediction mode.
  • FIG. 9 is a diagram for explaining the derivation of motion vectors in units of sub-blocks based on the motion vectors of a plurality of adjacent blocks.
  • the current block includes 16 4 ⁇ 4 sub-blocks.
  • the motion vector v 0 of the upper left corner control point of the current block is derived based on the motion vector of the adjacent block
  • the motion vector v 1 of the upper right corner control point of the current block is derived based on the motion vector of the adjacent sub block. Is done.
  • the motion vector (v x , v y ) of each sub-block in the current block is derived by the following equation (2).
  • x and y indicate the horizontal position and vertical position of the sub-block, respectively, and w indicates a predetermined weight coefficient.
  • Such an affine motion compensation prediction mode may include several modes in which the motion vector derivation methods of the upper left and upper right corner control points are different.
  • Information indicating such an affine motion compensation prediction mode (for example, called an affine flag) is signaled at the CU level. Note that the information indicating the affine motion compensation prediction mode need not be limited to the CU level, but other levels (for example, sequence level, picture level, slice level, tile level, CTU level, or sub-block level). ).
  • the prediction control unit 128 selects either the intra prediction signal or the inter prediction signal, and outputs the selected signal to the subtraction unit 104 and the addition unit 116 as a prediction signal.
  • FIG. 10 is a block diagram showing a functional configuration of decoding apparatus 200 according to Embodiment 1.
  • the decoding device 200 is a moving image / image decoding device that decodes moving images / images in units of blocks.
  • the decoding device 200 includes an entropy decoding unit 202, an inverse quantization unit 204, an inverse transformation unit 206, an addition unit 208, a block memory 210, a loop filter unit 212, and a frame memory 214. And an intra prediction unit 216, an inter prediction unit 218, and a prediction control unit 220.
  • the decoding device 200 is realized by, for example, a general-purpose processor and a memory.
  • the processor executes the entropy decoding unit 202, the inverse quantization unit 204, the inverse transformation unit 206, the addition unit 208, the loop filter unit 212, and the intra prediction unit. 216, the inter prediction unit 218, and the prediction control unit 220.
  • the decoding apparatus 200 is dedicated to the entropy decoding unit 202, the inverse quantization unit 204, the inverse transformation unit 206, the addition unit 208, the loop filter unit 212, the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220. It may be realized as one or more electronic circuits.
  • the entropy decoding unit 202 performs entropy decoding on the encoded bit stream. Specifically, the entropy decoding unit 202 performs arithmetic decoding from a coded bitstream to a binary signal, for example. Then, the entropy decoding unit 202 debinarizes the binary signal. As a result, the entropy decoding unit 202 outputs the quantized coefficient to the inverse quantization unit 204 in units of blocks.
  • the inverse quantization unit 204 inversely quantizes the quantization coefficient of a decoding target block (hereinafter referred to as a current block) that is an input from the entropy decoding unit 202. Specifically, the inverse quantization unit 204 inversely quantizes each quantization coefficient of the current block based on the quantization parameter corresponding to the quantization coefficient. Then, the inverse quantization unit 204 outputs the quantization coefficient (that is, the transform coefficient) obtained by inverse quantization of the current block to the inverse transform unit 206.
  • a decoding target block hereinafter referred to as a current block
  • the inverse quantization unit 204 inversely quantizes each quantization coefficient of the current block based on the quantization parameter corresponding to the quantization coefficient. Then, the inverse quantization unit 204 outputs the quantization coefficient (that is, the transform coefficient) obtained by inverse quantization of the current block to the inverse transform unit 206.
  • the inverse transform unit 206 restores the prediction error by inverse transforming the transform coefficient that is an input from the inverse quantization unit 204.
  • the inverse conversion unit 206 determines the current block based on the information indicating the read conversion type. Inversely transform the conversion coefficient of.
  • the inverse conversion unit 206 reconverts the converted conversion coefficient (conversion result).
  • the adder 208 reconstructs the current block by adding the prediction error input from the inverse transform unit 206 and the prediction signal input from the prediction control unit 220. Then, the adding unit 208 outputs the reconfigured block to the block memory 210 and the loop filter unit 212.
  • the block memory 210 is a storage unit for storing a block that is referred to in intra prediction and that is within a decoding target picture (hereinafter referred to as a current picture). Specifically, the block memory 210 stores the reconstructed block output from the adding unit 208.
  • the loop filter unit 212 applies a loop filter to the block reconstructed by the adding unit 208, and outputs the filtered reconstructed block to the frame memory 214, the display device, and the like.
  • one filter is selected from the plurality of filters based on the local gradient direction and activity, The selected filter is applied to the reconstruction block.
  • the frame memory 214 is a storage unit for storing a reference picture used for inter prediction, and is sometimes called a frame buffer. Specifically, the frame memory 214 stores the reconstructed block filtered by the loop filter unit 212.
  • the intra prediction unit 216 performs intra prediction with reference to the block in the current picture stored in the block memory 210 based on the intra prediction mode read from the encoded bitstream, so that a prediction signal (intra prediction Signal). Specifically, the intra prediction unit 216 generates an intra prediction signal by performing intra prediction with reference to a sample (for example, luminance value and color difference value) of a block adjacent to the current block, and performs prediction control on the intra prediction signal. Output to the unit 220.
  • a prediction signal for example, luminance value and color difference value
  • the intra prediction unit 216 may predict the color difference component of the current block based on the luminance component of the current block.
  • the intra prediction unit 216 corrects the pixel value after intra prediction based on the gradient of the reference pixel in the horizontal / vertical direction.
  • the inter prediction unit 218 refers to the reference picture stored in the frame memory 214 and predicts the current block. Prediction is performed in units of a current block or a sub-block (for example, 4 ⁇ 4 block) in the current block. For example, the inter prediction unit 126 generates an inter prediction signal of the current block or sub-block by performing motion compensation using motion information (for example, a motion vector) read from the encoded bitstream, and generates the inter prediction signal. The result is output to the prediction control unit 128.
  • motion information for example, a motion vector
  • the inter prediction unit 218 When the information read from the encoded bitstream indicates that the OBMC mode is to be applied, the inter prediction unit 218 includes not only the motion information of the current block obtained by motion search but also the motion information of adjacent blocks. To generate an inter prediction signal.
  • the inter prediction unit 218 follows the pattern matching method (bilateral matching or template matching) read from the encoded stream. Motion information is derived by performing motion search. Then, the inter prediction unit 218 performs motion compensation using the derived motion information.
  • the inter prediction unit 218 derives a motion vector based on a model assuming constant velocity linear motion. Also, when the information read from the encoded bitstream indicates that the affine motion compensated prediction mode is applied, the inter prediction unit 218 determines the motion vector in units of subblocks based on the motion vectors of a plurality of adjacent blocks. Is derived.
  • the prediction control unit 220 selects either the intra prediction signal or the inter prediction signal, and outputs the selected signal to the adding unit 208 as a prediction signal.
  • the encoding device, the decoding device, and the like in this embodiment can be used for encoding and decoding arbitrary multimedia data, and more specifically, captured by a non-rectilinear (eg, fisheye) camera. It can be used in the encoding and decoding of images.
  • a non-rectilinear camera e.g, fisheye
  • images are captured by a plurality of cameras, and images captured by the plurality of cameras are connected to create a large image as a 360-degree image.
  • an image conversion process including “correcting the distortion of the fisheye lens” or image correction for making it linear is performed.
  • an image conversion process including “correcting the distortion of the fisheye lens” or image correction for making it linear is performed.
  • an image conversion process since an image sample is usually interpolated, an overlap portion is generated in information held in the image.
  • an empty area may be formed in the image by the joining process and the image conversion process, and this is normally filled with a default pixel value (for example, a black pixel).
  • a default pixel value for example, a black pixel
  • an adaptive video encoding tool and an adaptive video decoding tool are used as customized video encoding tools and video decoding tools.
  • this adaptive video coding tool can be adapted to image conversion processing or image stitching processing used to process images prior to the encoder.
  • the present disclosure can reduce any duplication caused by these processes by adapting the adaptive video coding tool to such processes during the encoding process.
  • the adaptive video decoding tool is the same as the adaptive video coding tool.
  • the moving image encoding tool and the moving image decoding tool are adapted using the information of the image conversion process or / and the image joining process. Therefore, the moving image encoding tool and the moving image decoding tool can be applied to different types of processed images. Therefore, in this embodiment, compression efficiency can be improved.
  • FIG. 11 is a flowchart showing an example of a moving image encoding process in the present embodiment.
  • step S101 the encoding apparatus writes a set of parameters in the header.
  • FIG. 12 shows possible positions of the header in the compressed video bit stream.
  • the written parameters include one or more parameters related to the image correction process. For example, such parameters are written to a video parameter set, sequence parameter set, picture parameter set, slice header, or video system setup parameter set, as shown in FIG. That is, the parameter written in the present embodiment may be written in any header of the bitstream, and may be written in SEI (Supplemental / Enhancement / Information).
  • SEI Supplemental / Enhancement / Information
  • the captured image may be distorted due to the characteristics of the lens used during image capture.
  • an image correction process is used to linearly correct the captured image.
  • a rectangular image is generated by linearly correcting the captured image.
  • the written parameters include parameters for identifying or describing the used image correction process.
  • the parameters used in the image correction process include, for example, parameters constituting a mapping table for mapping pixels of the input image to output pixel values intended for the image correction process. These parameters may include one or more weighting parameters for interpolation processing, and / or positional parameters that specify the positions of the input and output pixels of the picture.
  • a mapping table for image correction processing may be used for all pixels in the corrected image.
  • parameters used to describe the image correction process include a selection parameter for selecting one of a plurality of predefined correction algorithms and one of a plurality of predetermined directions of the correction algorithm. , Direction parameters and / or calibration parameters to calibrate or fine tune the correction algorithm. For example, if there are multiple predefined correction algorithms (eg, when different algorithms are used for different types of lenses), the selection parameter is used to select one of these predefined algorithms. Used. For example, if there are two or more directions to which the correction algorithm can be applied (for example, if the image correction process can be performed in the horizontal direction, the vertical direction, or both directions), the direction parameters are defined in advance Select one of the specified directions. If the image correction process can be calibrated, the calibration parameters can adjust the image correction process to suit different types of lenses.
  • the written parameters may further include one or more parameters related to the stitching process.
  • the image input to the encoding device may be obtained as a result of a splicing process that combines a plurality of images from different cameras.
  • the written parameters include, for example, parameters that provide information regarding the stitching process, such as the number of cameras, the center of distortion or the main axis of each camera, and the distortion level.
  • Another example of a parameter describing the stitching process includes a parameter specifying the position of the stitched image generated by overlapping pixels from a plurality of images. Each of these images may include pixels that may appear in other images because there may be regions that overlap the camera angle. In the joining process, these overlapping pixels are processed and reduced to generate a joined image.
  • the parameters describing the stitching process includes a parameter for specifying the layout of the stitched images.
  • the arrangement of images in the stitched images varies depending on the format of the 360 degree image, such as equirectangular projection, cubic 3x2 layout, and cubic 4x3 layout.
  • the 3 ⁇ 2 layout is a layout of 6 images arranged in 3 columns and 2 rows
  • the 4 ⁇ 3 layout is a layout of 12 images arranged in 4 columns and 3 rows.
  • the placement parameter which is the above parameter, is used to specify the continuity of the image in a certain direction based on the placement of the image.
  • pixels from other images or views can be used for the inter-screen prediction process, and these images or views are identified by the placement parameters. Some images or pixels in an image may also need to be rotated to ensure continuity.
  • parameters include camera and lens parameters (for example, focal length, principal point, scale factor, image sensor format, etc. used in the camera). Still other examples of parameters include physical information about camera placement (eg, camera position, camera angle, etc.).
  • step S102 the encoding apparatus encodes the image using an adaptive video encoding tool based on the written parameters.
  • the adaptive video coding tool includes an inter-screen prediction process.
  • the set of adaptive video coding tools may further include image reconstruction processing.
  • FIG. 16 illustrates when an image is identified as being captured using a non-rectilinear lens, or when an image is identified as being processed linearly, or when an image is joined from one or more images. It is a flowchart which shows the inter-screen prediction process applied when it is specified that it was put together.
  • the encoding apparatus determines that a certain position in the image is the distortion center or principal point based on the parameter written in the header.
  • FIG. 17 shows an example of distortion caused by the fisheye lens. Note that the fisheye lens is an example of a wide-angle lens. As the distance from the center of distortion increases, the magnification decreases along the focal axis.
  • step S1902 the encoding apparatus corrects distortion by wrapping pixels in the image in order to make the image linear based on the distortion center, or restores the correction performed. be able to. That is, the encoding device performs image correction processing (that is, wrapping processing) on a distorted image block to be encoded. Finally, the encoding apparatus can perform block prediction that derives a block of prediction samples in step S1903 based on the pixels of the lapped image.
  • the wrapping process or wrapping in this embodiment is a process of arranging or rearranging pixels, blocks, or images.
  • the encoding device may return a predicted block, which is a predicted block, to the original distorted state before the image correction processing is performed, and use the distorted predicted block as a predicted image of the distorted processing target block. Good.
  • the predicted image and the processing target block correspond to the predicted signal and the current block of the first embodiment.
  • adapted inter-screen prediction processing includes adapted motion vector processing.
  • the resolution of the motion vector is lower in the image block far from the distortion center than in the image block near the distortion center.
  • an image block far from the distortion center may have motion vector accuracy up to half-pixel accuracy.
  • an image block close to the distortion center may have a high motion vector accuracy of up to 1/8 pixel accuracy. Since there is a difference in the adapted motion vector accuracy based on the image block position, the accuracy of the motion vector encoded in the bitstream can be adapted according to the end position and / or start position of the motion vector. Also good. That is, the encoding apparatus may vary the accuracy of the motion vector according to the position of the block using the parameter.
  • an adaptive inter-screen prediction process includes an adaptive motion compensation process that predicts image samples from the target view based on the placement parameters written in the header.
  • pixels from different views may be used.
  • the arrangement of the images in the joined image differs depending on the 360 degree image format such as equirectangular projection, cubic 3 ⁇ 2 layout, cubic 4 ⁇ 3 layout, and the like.
  • the placement parameter is used to specify the continuity of the image in a certain direction based on the placement of the image.
  • pixels from other images or other views can be used for the inter-screen prediction process, and these images or views are identified by the placement parameters. Some images or pixels in an image may also need to be rotated to ensure continuity.
  • the encoding apparatus may perform processing for ensuring continuity.
  • the encoding device may perform a wrapping process based on the parameters.
  • the top view is a 180 degree image
  • images A to D are 90 degree images. Therefore, the space shown in the top view is continuous with the space shown in each of the images A to D, and the space shown in the image A and the space shown in the image B are continuous. ing.
  • the top view is not continuous with the images A, C, and D, and the image A is not continuous with the image B.
  • the encoding device performs the above-described wrapping process in order to improve the encoding efficiency. That is, the encoding device rearranges each image included in the stitched image. For example, the encoding device rearranges each image so that the image A and the image B are continuous. Thereby, the objects that are separated and projected into the image A and the image B are continuous, and the encoding efficiency can be improved.
  • the wrapping process which is a process for rearranging or arranging each image, is also referred to as frame packing.
  • FIG. 18 illustrates when an image is identified as being captured using a non-rectilinear lens, or when the image is identified as being processed linearly, or from two or more images. It is a flowchart which shows the modification of the inter-screen prediction process applied when it identifies that it was connected.
  • the encoding apparatus specifies that the image area is a free area in step S2001 based on the parameter written in the header. These empty areas are areas of the image that do not include the pixels of the captured image, and are generally replaced with predetermined pixel values (for example, black pixels).
  • FIG. 13 is a diagram showing an example of these areas in the image.
  • FIG. 13 is a diagram showing an example of these areas in the image.
  • step S2002 of FIG. 18 the encoding device performs padding processing on the pixels in the identified regions with values of other regions that are not free regions of the image while performing motion compensation processing.
  • the padded value may be a value from the nearest pixel or a value from the nearest pixel in an area that is not an empty area, depending on the physical three-dimensional space.
  • step S2003 the encoding apparatus performs block prediction in order to generate a block of prediction samples based on the padded value.
  • FIG. 19 illustrates when an image is identified as being captured using a non-rectilinear lens, or when the image is identified as being processed linearly, or from two or more images. It is a flowchart which shows the image reconstruction process applied when it is specified that it was connected. As illustrated in FIG. 19, the encoding apparatus determines a position in the image as a distortion center or a principal point in step S1801 based on the parameter written in the header.
  • FIG. 17 shows an example of distortion caused by the fisheye lens. As the focal axis moves away from the center of distortion, the magnification decreases along the focal axis.
  • step S1802 the encoding device corrects the distortion or reverts the correction performed to make the image linear based on the distortion center for the reconstructed pixels in the image. Therefore, a wrapping process may be performed.
  • the encoding device generates a reconstructed image by adding a prediction error image generated by inverse transform and a prediction image.
  • the encoding apparatus performs a wrapping process to make each of the prediction error image and the prediction image linear.
  • step S1803 the encoding apparatus stores the block of the image reconstructed based on the pixel of the image that has been subjected to the wrapping process in the memory.
  • FIG. 20 illustrates when an image is identified as being captured using a non-rectilinear lens, or when the image is identified to be processed linearly, or from one or more images.
  • a modified example of image reconstruction processing that is applied when it is specified that the images have been joined together will be described.
  • the encoding apparatus based on the parameters written in the header, in step S2101, specifies an image area as an empty area. These empty areas do not include the pixels of the captured image and are generally areas of the image that are replaced with predetermined pixel values (for example, black pixels).
  • FIG. 13 is a diagram illustrating an example of these areas in an image.
  • FIG. 15 is a diagram illustrating another example of these areas when a plurality of images are connected.
  • the encoding apparatus reconstructs a block of image samples.
  • step S2103 the encoding apparatus replaces the reconstructed pixels in these specified areas with predetermined pixel values.
  • the image encoding process may be omitted. That is, the encoding apparatus may omit the image encoding process based on the parameters written regarding the layout arrangement of the image and the information about the active view area based on the line of sight or the head direction of the user's eyes. Good. That is, the encoding device performs a partial encoding process.
  • FIG. 21 shows an example of the viewing angle or head orientation of the user's line of sight regarding different views captured by different cameras.
  • the viewing angle of the user is in an image taken by the camera from only the view 1.
  • images from other views need not be encoded because they are outside the user's viewing angle. Therefore, in order to reduce the complexity of encoding or reduce the transmission bit rate of compressed images, the encoding process or the transmission process for these images can be omitted.
  • view 5 and view 2 are physically close to the active view 1, so that the image from view 5 and the image from view 2 are also encoded and transmitted. Is done. These images are not currently displayed to the viewer or user, but are displayed to the viewer or user when the viewer changes its head orientation. These images are used to improve the user's viewing experience when the viewer changes its head direction.
  • FIG. 22 shows another example of the line-of-sight angle or head orientation for different views captured by different cameras of the user.
  • the active line-of-sight region is in the image from view 2. Therefore, the image from view 2 is encoded and displayed to the user.
  • the encoding apparatus predicts a range in which the viewer's head is estimated to move soon, and defines a wider area as a range that may become a line-of-sight area of a future frame.
  • the encoding device also encodes images from views (other than view 2) that are in the wider future line-of-sight area rather than in the target active line-of-sight area so that the viewer can render the view faster. Send.
  • FIG. 23 is a block diagram illustrating a configuration of an encoding apparatus that encodes a moving image according to the present embodiment.
  • the encoding apparatus 900 is an apparatus for encoding an input moving image for each block in order to generate an output bit stream, and corresponds to the encoding apparatus 100 of the first embodiment.
  • the encoding apparatus 900 includes a transform unit 901, a quantization unit 902, an inverse quantization unit 903, an inverse transform unit 904, a block memory 905, a frame memory 906, an intra prediction unit 907, and an inter prediction unit 908.
  • the image of the input moving image (that is, the processing target block) is input to the subtraction unit 921, and the subtracted value is output to the conversion unit 901. That is, the subtraction unit 921 calculates a prediction error by subtracting the predicted image from the processing target block.
  • the conversion unit 901 converts the subtracted value (ie, prediction error) into a frequency coefficient, and outputs the obtained frequency coefficient to the quantization unit 902.
  • the quantization unit 902 quantizes the input frequency coefficient, and outputs the obtained quantized value to the inverse quantization unit 903 and the entropy coding unit 909.
  • the inverse quantization unit 903 inversely quantizes the sample value (that is, the quantization value) output from the quantization unit 902 and outputs a frequency coefficient to the inverse transform unit 904.
  • the inverse transform unit 904 performs inverse frequency transform to convert the frequency coefficient into a sample value of an image, that is, a pixel value, and outputs the obtained sample value to the adder 922.
  • the parameter deriving unit 910 derives a parameter related to the image correction process, a parameter related to the camera, or a parameter related to the stitching process from the image, and outputs them to the inter prediction unit 908, the addition unit 922, and the entropy coding unit 909.
  • these parameters may be included in the input moving image.
  • the parameter deriving unit 910 extracts and outputs the parameters included in the moving image.
  • the input moving image may include parameters serving as a base for deriving these parameters.
  • the parameter deriving unit 910 extracts base parameters included in the moving image, converts the extracted base parameters into the above-described parameters, and outputs the converted parameters.
  • the addition unit 922 adds the sample value output from the inverse conversion unit 904 to the pixel value of the predicted image output from the intra prediction unit 907 or the inter prediction unit 908. That is, the addition unit 922 performs image reconstruction processing for generating a reconstructed image. The addition unit 922 outputs the obtained addition value to the block memory 905 or the frame memory 906 in order to perform further prediction.
  • the intra prediction unit 907 performs in-screen prediction. That is, the intra prediction unit 907 estimates the image of the processing target block using the reconstructed image stored in the block memory 905 and included in the same picture as the picture of the processing target block.
  • the inter prediction unit 908 performs inter-screen prediction. That is, the inter prediction unit 908 estimates the image of the processing target block using the reconstructed image stored in the frame memory 906 and included in a picture different from the picture of the processing target block.
  • the inter prediction unit 908 and the addition unit 922 adapt the processing based on the parameter derived by the parameter deriving unit 910. That is, the inter prediction unit 908 and the addition unit 922 perform processing according to the flowcharts shown in FIGS. 16, 18, 19, and 20 as processing by the above-described adaptive video encoding tool.
  • the entropy encoding unit 909 encodes the quantized value output from the quantization unit 902 and the parameter derived by the parameter deriving unit 910, and outputs a bit stream. That is, the entropy encoding unit 909 writes the parameter in the bitstream header.
  • FIG. 24 is a flowchart illustrating an example of a moving image decoding process according to the present embodiment.
  • step S201 the decryption apparatus reads the parameter set from the header.
  • FIG. 12 shows possible positions of the header in the compressed video bit stream.
  • the read parameters include one or more parameters related to the image correction process.
  • the captured image may be distorted due to the characteristics of the lens used during image capture.
  • an image correction process is used to linearly correct the captured image.
  • the read parameters include parameters for identifying the used image correction process or describing the used image correction process.
  • parameters used in the image correction process include parameters that configure a mapping table for mapping pixels of the input image to output pixel values intended for the image correction process. These parameters may include one or more weighting parameters for interpolation processing, and / or positional parameters that specify the positions of the input and output pixels of the picture.
  • the mapping table for the image correction process may be used for all pixels in the corrected image.
  • parameters used to describe the image correction processing include a selection parameter for selecting one of a plurality of predefined correction algorithms and one of a plurality of correction algorithms in a predetermined direction.
  • the selection parameter is for selecting one of these predefined algorithms Used for.
  • the direction parameter is defined in advance. Select one of these directions.
  • the calibration parameter can be used to adjust the image correction process to suit different types of lenses.
  • the read parameters may further include one or more parameters related to the stitching process.
  • the encoded image input to the decoding device may be obtained as a result of a splicing process that combines a plurality of images from different cameras.
  • the interpreted parameters include, for example, parameters that provide information about the stitching process, such as the number of cameras, the center of distortion, or the main axis of each camera, and the distortion level.
  • parameters describing the stitching process includes a parameter for specifying the layout of the stitched images.
  • the arrangement of images in the stitched images varies depending on the format of the 360 degree image, such as equirectangular projection, cubic 3x2 layout, or cubic 4x3 layout.
  • the placement parameter which is the above parameter, is used to specify the continuity of the image in a certain direction based on the placement of the image.
  • pixels from other images or views can be used for the inter-screen prediction process, and these images or views are identified by the placement parameters. Some images or pixels in an image may also need to be rotated to ensure continuity.
  • parameters include camera and lens parameters (for example, focal length, principal point, scale factor, image sensor format, etc. used in the camera). Still other examples of parameters include physical information about camera placement (eg, camera position, camera angle, etc.).
  • step S202 the decoding apparatus decodes the image using an adaptive moving image decoding tool based on these read parameters.
  • the adaptive video decoding tool includes an inter-screen prediction process.
  • the set of adaptive video decoding tools may include image reconstruction processing.
  • the moving image decoding tool or the adaptive moving image decoding tool is the same as or corresponding to the above-described moving image encoding tool or adaptive moving image encoding tool.
  • FIG. 16 illustrates when an image is identified as being captured using a non-rectilinear lens, or when an image is identified as being processed linearly, or when an image is joined from one or more images. It is a flowchart which shows the inter-screen prediction process applied when it is specified that it was put together.
  • the decoding apparatus determines that a certain position in the image is the distortion center or principal point based on the parameter written in the header.
  • FIG. 17 shows an example of distortion caused by the fisheye lens. As the focal axis moves away from the center of distortion, the magnification decreases along the focal axis.
  • the decoding device wraps pixels in the image to correct distortion based on the distortion center or to reverse the correction made to make the image linear. Processing may be performed. That is, the decoding apparatus performs image correction processing (that is, wrapping processing) on a distorted image block to be decoded.
  • the decoding apparatus can perform block prediction for deriving a block of prediction samples based on the pixels of the image on which the wrapping process has been performed. In addition, the decoding apparatus may return the predicted block, which is a predicted block, to the original distorted state before the image correction processing is performed, and use the distorted predicted block as a distorted processing target block predicted image. .
  • adapted inter-screen prediction processing includes adapted motion vector processing.
  • the resolution of the motion vector is lower in the image block far from the distortion center than in the image block near the distortion center.
  • an image block far from the distortion center may have motion vector accuracy up to half-pixel accuracy.
  • an image block close to the distortion center may have a high motion vector accuracy of up to 1/8 pixel accuracy. Since there is a difference in the adaptive motion vector accuracy based on the image block position, the motion vector accuracy encoded in the bitstream may be adaptive depending on the end position and / or start position of the motion vector. Good. That is, the decoding apparatus may vary the accuracy of the motion vector according to the position of the block using the parameter.
  • an adaptive inter-screen prediction process includes an adaptive motion compensation process that predicts image samples from the target view based on the placement parameters written in the header.
  • pixels from different views may be used.
  • the arrangement of the images in the stitched image varies depending on the format of the 360 degree image, such as equirectangular projection, a 3 ⁇ 2 layout of a cube, and a 4 ⁇ 3 layout of a cube.
  • the placement parameter is used to specify the continuity of the image in a certain direction based on the placement of the image.
  • pixels from other images or other views can be used for the inter-screen prediction process, and these images or views are identified by the placement parameters. Some images or pixels in an image may also need to be rotated to ensure continuity.
  • the decoding apparatus may perform processing for ensuring continuity.
  • the decoding device may perform the wrapping process based on the parameters when the joined image shown in FIG. 15 is encoded. Specifically, the decoding device rearranges each image so that the image A and the image B are continuous, as in the above-described encoding device. Thereby, the objects that are separated and projected into the image A and the image B are continuous, and the encoding efficiency can be improved.
  • FIG. 18 illustrates when an image is identified as being captured using a non-rectilinear lens, or when the image is identified as being processed linearly, or from two or more images. It is a flowchart which shows the modification of the inter-screen prediction process applied when it identifies that it was connected.
  • the decoding device specifies that the image area is a free area in step S2001 based on the parameters read from the header. These empty areas do not include the pixels of the captured image and are generally image areas that are replaced with predetermined pixel values (for example, black pixels).
  • FIG. 13 shows an example of these areas in the image.
  • FIG. 15 is a diagram illustrating another example of these areas when a plurality of images are connected.
  • step S2002 of FIG. 18 the decoding apparatus performs padding processing on pixels in these specified regions with values of other regions that are not other free regions of the image during the motion compensation processing.
  • the padded value may be a closest pixel in an area that is not an empty area, or a value from the closest pixel, depending on a physical three-dimensional space.
  • step S2003 the decoding apparatus performs block prediction in order to generate a block of prediction samples based on the padded value.
  • FIG. 19 illustrates when an image is identified as being captured using a non-rectilinear lens, or when the image is identified as being processed linearly, or from two or more images. It is a flowchart which shows the image reconstruction process applied when it is specified that it was connected. As illustrated in FIG. 19, the decoding device determines the position in the image as the distortion center or principal point in step S1801 based on the parameters read from the header.
  • FIG. 17 shows an example of distortion caused by the fisheye lens. As the focal axis moves away from the center of distortion, the magnification decreases along the focal axis.
  • the decoding apparatus corrects the distortion for the reconstructed pixels in the image based on the distortion center, or reverses the correction performed to make the image linear.
  • a wrapping process may be performed.
  • the decoding device generates a reconstructed image by adding a prediction error image generated by inverse transform and a predicted image.
  • the decoding apparatus performs a wrapping process to make each of the prediction error image and the prediction image linear.
  • step S1803 the decoding apparatus stores the reconstructed image block in the memory based on the pixel of the image that has been subjected to the wrapping process.
  • FIG. 20 illustrates when an image is identified as being captured using a non-rectilinear lens, or when the image is identified to be processed linearly, or from one or more images.
  • image reconstruction processing that is applied when it is specified that the images have been joined together will be described.
  • the decoding apparatus based on the parameters read from the header, in step S2001, specifies an image area as an empty area. These empty areas do not include the pixels of the captured image and are generally areas of the image that are replaced with predetermined pixel values (for example, black pixels).
  • FIG. 13 shows examples of these regions in the image.
  • FIG. 15 is a diagram illustrating another example of these areas when a plurality of images are connected.
  • step S2102 the decoding apparatus reconstructs a block of image samples.
  • step S2103 the decoding apparatus replaces the reconstructed pixels in these specified areas with predetermined pixel values.
  • the image decoding process may be omitted in step S202 of FIG.
  • the decoding device may omit the image decoding process based on the parameters read regarding the layout arrangement of the image and the information about the active view area based on the line of sight or the head direction of the user's eyes. . That is, the decoding device performs partial decoding processing.
  • FIG. 21 shows an example of the viewing angle or head orientation of the user's line of sight regarding different views captured by different cameras.
  • the viewing angle of the user is in an image taken by the camera from only the view 1.
  • images from other views are outside the user's viewing angle and need not be decoded. Therefore, in order to reduce decoding complexity or reduce the transmission bit rate of compressed images, decoding processing or display processing for these images can be omitted.
  • view 5 and view 2 are physically close to the active view 1, so that the image from view 5 and the image from view 2 are also decoded.
  • These images are not currently displayed to the viewer or user, but are displayed to the viewer or user when the viewer changes its head orientation. By reducing the time to decode and display the view according to the movement of the user's head, these images are made as fast as possible to improve the user's viewing experience when the user changes the head orientation. Is displayed.
  • FIG. 22 shows another example of the line-of-sight angle or head orientation for different views captured by different cameras of the user.
  • the active line-of-sight region is in the image from view 2. Therefore, the image from view 2 is decoded and displayed to the user.
  • the decoding apparatus predicts a range where the viewer's head is estimated to move soon, and defines a wider area as a range that may become the line-of-sight area of a future frame.
  • the decoding device also decodes images from views (other than view 2) that are in the wider future line-of-sight area, not in the target active line-of-sight area.
  • FIG. 25 is a block diagram illustrating a configuration of a decoding device that decodes a moving image according to the present embodiment.
  • the decoding apparatus 1000 is an apparatus for decoding an input encoded moving picture (that is, an input bitstream) for each block in order to generate a decoded moving picture.
  • the decoding apparatus 1000 includes the decoding apparatus 200 according to the first embodiment. Equivalent to. As illustrated in FIG. 25, the decoding apparatus 1000 includes an entropy decoding unit 1001, an inverse quantization unit 1002, an inverse transformation unit 1003, a block memory 1004, a frame memory 1005, an addition unit 1022, an intra prediction unit 1006, and an inter prediction unit 1007. Is provided.
  • the input bit stream is input to the entropy decoding unit 1001. Thereafter, the entropy decoding unit 1001 performs entropy decoding on the input bitstream, and outputs a value (that is, a quantized value) obtained by the entropy decoding to the inverse quantization unit 1002. The entropy decoding unit 1001 further reads and interprets the parameter from the input bitstream and outputs the parameter to the inter prediction unit 1007 and the addition unit 1022.
  • the inverse quantization unit 1002 inversely quantizes the value obtained by entropy decoding, and outputs a frequency coefficient to the inverse transform unit 1003.
  • the inverse conversion unit 1003 performs inverse frequency conversion on the frequency coefficient to convert the frequency coefficient into a sample value (that is, a pixel value), and outputs the obtained pixel value to the addition unit 1022.
  • the adding unit 1022 adds the obtained pixel value to the pixel value of the predicted image output from the intra prediction unit 1006 or the inter prediction unit 1007. That is, the addition unit 1022 performs image reconstruction processing for generating a reconstructed image.
  • the adding unit 1022 outputs a value (that is, a decoded image) obtained by the addition to the display, and outputs the obtained value to the block memory 1004 or the frame memory 1005 for further prediction.
  • the intra prediction unit 1006 performs in-screen prediction. That is, the intra prediction unit 1006 estimates the image of the processing target block using the reconstructed image included in the same picture as the processing target block stored in the block memory 1004.
  • the inter prediction unit 1007 performs inter-screen prediction. That is, the inter prediction unit 1007 estimates an image of the processing target block using a reconstructed image stored in the frame memory 1005 and included in a picture different from the picture of the processing target block.
  • the inter prediction unit 1007 and the addition unit 1022 adapt the processing based on the read parameters. That is, the inter prediction unit 1007 and the addition unit 1022 perform processing according to the flowcharts shown in FIGS. 16, 18, 19, and 20 as processing by the above-described adaptive video decoding tool.
  • FIG. 26 is a flowchart illustrating an example of a moving image encoding process according to the present embodiment.
  • step S301 the encoding apparatus writes a set of parameters in the header.
  • FIG. 12 shows possible positions of the header in the compressed video bit stream.
  • the written parameters include one or more parameters related to the camera position.
  • the written parameters may further include one or more parameters relating to camera angles or instructions relating to a method for joining a plurality of images.
  • parameters include camera and lens parameters (eg, focal length, principal point, scale factor, image sensor type, etc. used in the camera). Further examples of parameters include physical information regarding camera placement (eg, camera position, camera angle, etc.).
  • each parameter written in the header is also referred to as a camera parameter or a connection parameter.
  • FIG. 15 shows an example of a method for joining images from two or more cameras.
  • FIG. 14 shows another example of a method for stitching together images from two or more cameras.
  • step S302 the encoding device encodes the image.
  • an encoding process may be applied based on the joined images.
  • the encoding device refers to a larger connected image as a reference image instead of an image having the same size as the decoded image (that is, an unconnected image). Also good.
  • step S303 the encoding device joins the first image, which is the image encoded and reconstructed in step S302, with the second image based on the written parameters, thereby obtaining a larger image.
  • FIG. 27 is a flowchart showing a splicing process in which the parameters written in the header are used.
  • the encoding apparatus determines camera parameters or stitching parameters from parameters written for the target image.
  • the encoding apparatus determines camera parameters or stitching parameters of other images from parameters written for the other images.
  • the encoding device stitches the images using these determined parameters to create a larger image. These determined parameters are written to the header.
  • the encoding apparatus may perform a wrapping process or frame packing that arranges or rearranges a plurality of images so that the encoding efficiency is further improved.
  • FIG. 28 is a block diagram illustrating a configuration of an encoding apparatus that encodes a moving image according to the present embodiment.
  • the encoding apparatus 1100 is an apparatus for encoding an input moving image for each block in order to generate an output bit stream, and corresponds to the encoding apparatus 100 of the first embodiment.
  • the encoding device 1100 includes a transform unit 1101, a quantization unit 1102, an inverse quantization unit 1103, an inverse transform unit 1104, a block memory 1105, a frame memory 1106, an intra prediction unit 1107, and an inter prediction unit 1108.
  • the image of the input moving image (that is, the processing target block) is input to the subtraction unit 1121, and the subtracted value is output to the conversion unit 1101. That is, the subtraction unit 1121 calculates a prediction error by subtracting the predicted image from the processing target block.
  • the conversion unit 1101 converts the subtracted value (that is, prediction error) into a frequency coefficient, and outputs the obtained frequency coefficient to the quantization unit 1102.
  • the quantization unit 1102 quantizes the input frequency coefficient, and outputs the obtained quantized value to the inverse quantization unit 1103 and the entropy encoding unit 1109.
  • the inverse quantization unit 1103 inversely quantizes the sample value (that is, the quantized ground) output from the quantization unit 1102 and outputs a frequency coefficient to the inverse transform unit 1104.
  • the inverse transform unit 1104 converts the frequency coefficient into an image sample value, that is, a pixel value by performing inverse frequency transform on the frequency coefficient, and outputs the sample value obtained as a result to the adder 1122.
  • the addition unit 1122 adds the sample value output from the inverse conversion unit 1104 to the pixel value of the predicted image output from the intra prediction unit 1107 or the inter prediction unit 1108.
  • the addition unit 1122 outputs the obtained addition value to the block memory 1105 or the frame memory 1106 for further prediction.
  • the parameter deriving unit 1110 derives a parameter relating to the image joining process or a parameter relating to the camera from the image, and outputs the parameter to the image joining unit 1111 and the entropy encoding unit 1109. That is, the parameter deriving unit 1110 executes the processes of steps S2401 and S2402 shown in FIG. For example, these parameters may be included in the input moving image. In this case, the parameter deriving unit 1110 extracts and outputs the parameters included in the moving image. Alternatively, the input moving image may include parameters serving as a base for deriving these parameters. In this case, the parameter deriving unit 1110 extracts base parameters included in the moving image, converts the extracted base parameters into the above-described parameters, and outputs them.
  • the image joining unit 1111 joins the reconstructed target image to another image using parameters. Thereafter, the image joining unit 1111 outputs the joined images to the frame memory 1106.
  • the intra prediction unit 1107 performs intra-screen prediction. That is, the intra prediction unit 1107 estimates an image of the processing target block using a reconstructed image stored in the block memory 1105 and included in the same picture as the picture of the processing target block.
  • the inter prediction unit 1108 performs inter-screen prediction. That is, the inter prediction unit 1108 estimates an image of the processing target block using a reconstructed image stored in the frame memory 1106 and included in a picture different from the picture of the processing target block.
  • the inter prediction unit 1108 may refer to a large image stored in the frame memory 1106 and obtained by joining a plurality of images by the image joining unit 1111 as a reference image.
  • the entropy encoding unit 1109 encodes the quantized value output from the quantizing unit 1102, acquires parameters from the parameter deriving unit 1110, and outputs a bit stream. That is, the entropy encoding unit 1109 performs entropy encoding on the quantized value and the parameter, and writes the parameter in the header of the bitstream.
  • FIG. 29 is a flowchart illustrating an example of a moving image decoding process according to the present embodiment.
  • the decryption device reads and interprets the set of parameters from the header.
  • FIG. 12 shows the possible positions of the header in the compressed video bitstream.
  • the read parameters include one or more parameters related to the position of the camera.
  • the read parameters may further include one or more parameters relating to the camera angle or instructions relating to a method for joining a plurality of images.
  • Other examples of parameters include camera and lens parameters (eg, focal length, principal point, scale factor, image sensor type, etc. used in the camera). Further examples of parameters include physical information regarding camera placement (eg, camera position, camera angle, etc.).
  • FIG. 15 shows an example of a method for joining images from two or more cameras.
  • FIG. 14 shows another example of a method for stitching images from two or more cameras.
  • step S402 the decoding device decodes the image.
  • the decoding process in step S402 may also be adapted based on the joined images.
  • the decoding apparatus can refer to a larger connected image as a reference image instead of an image having the same size as the decoded image (that is, an image not connected).
  • step S403 the decoding apparatus joins the first image, which is the image reconstructed in step S402, with the second image based on the read parameters, thereby obtaining a larger image. create. Images obtained by stitching may be used for prediction of future images (ie, inter-screen prediction or motion compensation).
  • FIG. 27 is a flowchart showing a splicing process using the read parameters.
  • the decoding apparatus determines camera parameters or stitching parameters by reading the header for the target image.
  • the decoding device determines camera parameters or stitching parameters by reading the headers for other images.
  • the decoding apparatus joins the images using these read parameters to create a larger image.
  • FIG. 30 is a block diagram illustrating a configuration of a decoding device that decodes a moving image according to the present embodiment.
  • the decoding device 1200 is a device that decodes an input encoded moving image (that is, an input bitstream) for each block and outputs a decoded moving image, and corresponds to the decoding device 200 of the first embodiment. As illustrated in FIG. 30, the decoding device 1200 includes an entropy decoding unit 1201, an inverse quantization unit 1202, an inverse transform unit 1203, a block memory 1204, a frame memory 1205, an adder 1222, an intra prediction unit 1206, and an inter prediction unit 1207. , And an image stitching unit 1208.
  • the input bit stream is input to the entropy decoding unit 1201. Thereafter, the entropy decoding unit 1201 performs entropy decoding on the input bitstream, and outputs a value (that is, a quantized value) obtained by the entropy decoding to the inverse quantization unit 1202. The entropy decoding unit 1201 further reads and interprets the parameters from the input bitstream and outputs the parameters to the image stitching unit 1208.
  • the image joining unit 1208 joins the reconstructed target image to another image using the parameters. Thereafter, the image joining unit 1208 outputs the image obtained by the joining to the frame memory 1205.
  • the inverse quantization unit 1202 inversely quantizes the value obtained by entropy decoding and outputs a frequency coefficient to the inverse transform unit 1203.
  • the inverse conversion unit 1203 performs inverse frequency conversion on the frequency coefficient, converts the frequency coefficient into a sample value (that is, a pixel value), and outputs the pixel value obtained as a result to the addition unit 1222.
  • the adding unit 1222 adds the pixel value obtained as a result to the pixel value of the predicted image output from the intra prediction unit 1206 or the inter prediction unit 1207.
  • the adder 1222 outputs the value obtained by the addition (that is, the decoded image) to the display, and outputs the obtained value to the block memory 1204 or the frame memory 1205 for further prediction.
  • the intra prediction unit 1206 performs intra-screen prediction. That is, the intra prediction unit 1206 estimates an image of the processing target block using a reconstructed image stored in the block memory 1204 and included in the same picture as the picture of the processing target block.
  • the inter prediction unit 1207 performs inter-screen prediction. That is, the inter prediction unit 1207 estimates the image of the processing target block using the reconstructed image stored in the frame memory 1205 and included in a picture different from the picture of the processing target block.
  • FIG. 31 is a flowchart showing an example of a moving image encoding process according to the present embodiment.
  • step S501 the encoding apparatus writes a set of parameters in the header.
  • FIG. 12 shows possible positions of the header in the compressed video bitstream.
  • the written parameters include one or more parameters related to an identifier indicating whether an image is captured with a non-rectilinear lens. As shown in FIG. 13, the captured image may be distorted due to the characteristics of the lens used during image capture.
  • An example of the written parameter is a parameter indicating the position of the center of the distortion or the main axis.
  • the encoding apparatus encodes an image using an adaptive video encoding tool based on the written parameters.
  • the adaptive video coding tool includes a motion vector prediction process.
  • the set of adaptive video encoding tools may include intra-screen prediction processing.
  • FIG. 32 is a flowchart showing an intra-screen prediction process adapted based on the written parameters.
  • the encoding apparatus determines a certain position in the image as a distortion center or a principal point based on the written parameter.
  • the encoding apparatus predicts one sample group using spatially neighboring pixel values.
  • the sample group is a pixel group such as a processing target block.
  • step S2203 the encoding apparatus performs a wrapping process on the predicted sample group using the determined distortion center or principal point to generate a block of predicted samples.
  • the encoding apparatus may distort the image of the block of the prediction sample and use the distorted image as the prediction image.
  • FIG. 33 is a flowchart showing a motion vector prediction process to be applied based on the written parameters.
  • the encoding apparatus determines a position in the image as a distortion center or principal point based on the written parameters.
  • the encoding apparatus predicts a motion vector from spatially or temporally adjacent motion vectors.
  • step S2303 the encoding apparatus corrects the direction of the predicted motion vector using the determined distortion center or principal point.
  • FIG. 34 is a block diagram illustrating a configuration of an encoding apparatus that encodes a moving image in the present embodiment.
  • the encoding apparatus 1300 is an apparatus for encoding an input moving image for each block in order to generate an output bit stream, and corresponds to the encoding apparatus 100 of the first embodiment.
  • the encoding device 1300 includes a transform unit 1301, a quantization unit 1302, an inverse quantization unit 1303, an inverse transform unit 1304, a block memory 1305, a frame memory 1306, an intra prediction unit 1307, and an inter prediction unit 1308.
  • the image of the input moving image (that is, the processing target block) is input to the subtraction unit 1321, and the subtracted value is output to the conversion unit 1301. That is, the subtraction unit 1321 calculates the prediction error by subtracting the prediction image from the processing target block.
  • the conversion unit 1301 converts the subtracted value (that is, the prediction error) into a frequency coefficient, and outputs the frequency coefficient obtained as a result to the quantization unit 1302.
  • the quantization unit 1302 quantizes the input frequency coefficient, and outputs the quantized value obtained as a result to the inverse quantization unit 1303 and the entropy coding unit 1309.
  • the inverse quantization unit 1303 inversely quantizes the sample value (that is, the quantized value) output from the quantization unit 1302 and outputs a frequency coefficient to the inverse transform unit 1304.
  • the inverse conversion unit 1304 performs inverse frequency conversion on the frequency coefficient, converts the frequency coefficient into a sample value of the image, that is, a pixel value, and outputs the sample value obtained as a result to the addition unit 1322.
  • the parameter deriving unit 1310 includes one or more parameters (specifically, distortion center or principal point) regarding an identifier indicating whether or not the image is captured by a non-rectilinear lens. Is derived). Then, the parameter deriving unit 1310 outputs the derived parameters to the intra prediction unit 1307, the inter prediction unit 1308, and the entropy coding unit 1309. For example, these parameters may be included in the input moving image. In this case, the parameter deriving unit 1310 extracts and outputs the parameters included in the moving image. Alternatively, the input moving image may include parameters serving as a base for deriving these parameters. In this case, the parameter deriving unit 1310 extracts a base parameter included in the moving image, converts the extracted base parameter into each of the parameters described above, and outputs the converted parameter.
  • these parameters may be included in the input moving image.
  • the parameter deriving unit 1310 extracts and outputs the parameters included in the moving image.
  • the input moving image may include parameters serving as a base for deriv
  • the addition unit 1322 adds the sample value of the image output from the inverse conversion unit 1304 to the pixel value of the prediction image output from the intra prediction unit 1307 or the inter prediction unit 1308.
  • the addition unit 922 outputs the obtained addition value to the block memory 1305 or the frame memory 1306 in order to perform further prediction.
  • the intra prediction unit 1307 performs intra-screen prediction. That is, the intra prediction unit 1307 estimates an image of the processing target block using a reconstructed image stored in the block memory 1305 and included in the same picture as the picture of the processing target block.
  • the inter prediction unit 1308 performs inter-screen prediction. That is, the inter prediction unit 1308 estimates the image of the processing target block using the reconstructed image included in the picture different from the picture of the processing target block in the frame memory 1306.
  • the intra prediction unit 1307 and the inter prediction unit 1308 perform processing based on the parameters derived by the parameter deriving unit 1310. That is, the intra prediction unit 1307 and the inter prediction unit 1308 perform processing according to the flowcharts shown in FIGS. 32 and 33, respectively.
  • the entropy encoding unit 1309 encodes the quantization value output from the quantization unit 1302 and the parameter derived by the parameter deriving unit 1310, and outputs a bit stream. That is, the entropy encoding unit 1309 writes the parameter in the bitstream header.
  • FIG. 35 is a flowchart illustrating an example of a moving image decoding process according to the present embodiment.
  • the decoding device reads the parameter set from the header.
  • FIG. 12 shows possible positions of the header in the compressed video bitstream.
  • the read parameters include one or more parameters related to an identifier indicating whether an image is captured by a non-rectilinear lens. As shown in FIG. 13, the captured image may be distorted due to the characteristics of the lens used during image capture.
  • An example of the read parameter is a parameter indicating the center of the distortion or the position of the principal axis.
  • the decoding device decodes the image by the adaptive moving image decoding tool based on these read parameters.
  • the adaptive video decoding tool includes a motion vector prediction process.
  • the adaptive video decoding tool may also include an intra-screen prediction process.
  • the moving image decoding tool or the adaptive moving image decoding tool is the same as or corresponding to the above-described moving image encoding tool or adaptive moving image encoding tool.
  • FIG. 32 is a flowchart showing an intra-screen prediction process that is adapted based on the read parameters.
  • the decoding apparatus determines a position in the image as a distortion center or principal point based on the read parameters.
  • the decoding apparatus predicts one sample group using spatially neighboring pixel values.
  • the decoding apparatus performs a wrapping process on the predicted sample group using the determined distortion center or principal point to generate a block of predicted samples. For example, the decoding apparatus may distort the image of the block of the prediction sample and use the distorted image as the prediction image.
  • FIG. 33 is a flowchart showing a motion vector prediction process applied based on the read parameters.
  • the decoding apparatus determines a certain position in the image as the distortion center or principal point based on the read-out parameters.
  • the decoding apparatus predicts a motion vector from spatially or temporally adjacent motion vectors.
  • the decoding apparatus corrects the direction of the motion vector using the determined distortion center or principal point.
  • FIG. 36 is a block diagram illustrating a configuration of a decoding device that decodes a moving image according to the present embodiment.
  • the decoding device 1400 is a device for decoding an input encoded moving image (that is, an input bitstream) for each block and outputting a decoded moving image, and corresponds to the decoding device 200 of the first embodiment. As illustrated in FIG. 36, the decoding device 1400 includes an entropy decoding unit 1401, an inverse quantization unit 1402, an inverse transformation unit 1403, a block memory 1404, a frame memory 1405, an addition unit 1422, an intra prediction unit 1406, and an inter prediction unit 1407. Is provided.
  • the input bit stream is input to the entropy decoding unit 1401. Thereafter, the entropy decoding unit 1401 performs entropy decoding on the input bitstream, and outputs a value (that is, a quantized value) obtained by the entropy decoding to the inverse quantization unit 1402. The entropy decoding unit 1401 further reads and interprets the parameter from the input bitstream, and outputs the parameter to the inter prediction unit 1407 and the intra prediction unit 1406.
  • the inverse quantization unit 1402 inversely quantizes the value obtained by entropy decoding and outputs a frequency coefficient to the inverse transform unit 1403.
  • the inverse conversion unit 1403 performs inverse frequency conversion on the frequency coefficient, converts the frequency coefficient into a sample value (that is, a pixel value), and outputs the pixel value obtained as a result to the addition unit 1422.
  • the adding unit 1422 adds the pixel value obtained as a result to the pixel value of the predicted image output from the intra prediction unit 1406 or the inter prediction unit 1407.
  • the adding unit 1422 outputs a value (that is, a decoded image) obtained by the addition to the display, and outputs the obtained value to the block memory 1404 or the frame memory 1405 for further prediction.
  • the intra prediction unit 1406 performs intra-screen prediction. That is, the intra prediction unit 1406 predicts the image of the processing target block using the reconstructed image that is stored in the block memory 1404 and included in the same picture as the picture of the processing target block.
  • the inter prediction unit 1407 performs inter-screen prediction. That is, the inter prediction unit 1407 estimates the image of the processing target block using the reconstructed image stored in the frame memory 1405 and included in a picture different from the picture of the processing target block.
  • the inter prediction unit 1407 and the intra prediction unit 1406 adapt the processing based on the read parameters. That is, the inter prediction unit 1407 and the intra prediction unit 1406 perform processing according to the flowcharts shown in FIGS. 32 and 33 as processing by the adaptive video decoding tool.
  • the encoding device encodes a moving image using parameters relating to image distortion or parameters relating to image joining, and the decoding device performs encoding using these parameters.
  • the decoded moving image is decoded.
  • the encoding device and the decoding device according to one aspect of the present disclosure may not perform encoding or decoding using those parameters. That is, the process using the adaptive video encoding tool and the adaptive video decoding tool in the above embodiment may not be performed.
  • FIG. 37 is a block diagram of an encoding device according to an aspect of the present disclosure.
  • Encoding apparatus 1500 is an apparatus corresponding to encoding apparatus 100 of Embodiment 1, and includes transform section 1501, quantization section 1502, and inverse quantization section as shown in FIG. 1503, an inverse transform unit 1504, a block memory 1505, a frame memory 1506, an intra prediction unit 1507, an inter prediction unit 1508, a subtraction unit 1521, an addition unit 1522, and an entropy coding unit 1509. Note that the encoding apparatus 1500 does not include the parameter deriving units 910, 1110, and 1310.
  • Each component included in the encoding device 1500 performs the same processing as in the first to fourth embodiments, but does not perform processing using an adaptive video encoding tool. That is, adder 1522, intra-prediction unit 1507, and inter-prediction unit 1508 do not use parameters derived by parameter derivation units 910, 1110, and 1310 of Embodiments 2 to 4, respectively, for encoding. Process.
  • the encoding device 1500 acquires a moving image and parameters related to the moving image, generates a bit stream by encoding the moving image without using the parameter, and adds the above parameters to the bit stream.
  • the entropy encoding unit 1509 writes the parameter to the bit stream.
  • the position of the parameter written in the bit stream may be any position.
  • each image (that is, a picture) included in the above-described moving image input to the encoding device 1500 may be an image in which distortion is corrected, or by connecting images from a plurality of views. It may be a stitched image obtained.
  • the image whose distortion is corrected is a rectangular image obtained by correcting distortion of an image captured by a wide-angle lens such as a non-rectilinear lens.
  • Such an encoding apparatus 1500 encodes a moving image including an image whose distortion has been corrected or a spliced image.
  • the quantization unit 1502, the inverse quantization unit 1503, the inverse transformation unit 1504, the intra prediction unit 1507, the inter prediction unit 1508, the subtraction unit 1521, the addition unit 1522, and the entropy coding unit 1509 are configured as, for example, a processing circuit. Is done. Further, the block memory 1505 and the frame memory 1506 are configured as memories.
  • the encoding device 1500 includes a processing circuit and a memory connected to the processing circuit.
  • This processing circuit uses a memory to obtain a parameter related to at least one of a first process for correcting distortion of an image captured by a wide-angle lens and a second process for joining a plurality of images. Then, an encoded image is generated by encoding the image to be processed based on the image or the plurality of images, and a parameter is written in a bit stream including the encoded image.
  • the parameter when writing the parameter, the parameter may be written to the header in the bit stream.
  • the block in encoding of an image to be processed, the block may be encoded by applying an encoding process based on a parameter to the block for each block included in the image to be processed.
  • the encoding process may include at least one of an inter-screen prediction process and an image reconstruction process.
  • inter-screen prediction processing and image reconstruction processing as an adaptive moving image encoding tool, for example, a processing target that is a distorted image or a spliced image is obtained.
  • the image can be encoded appropriately. As a result, it is possible to improve the encoding efficiency for the processing target image.
  • the parameter related to the second process described above is written in the header in the bitstream, and in the encoding of the processing target image, it is included in the processing target image obtained by the second process.
  • the encoding process for the block may be omitted based on the parameter.
  • At least one of the position and the camera angle of each of the plurality of cameras may be written in the header in the bitstream as the parameter related to the second process.
  • the processing target image that is one of the plurality of above-described images is encoded, and the processing target image is converted into the above-described plurality of images using parameters written in the header thereof. You may connect with other images among the images.
  • a large image obtained by joining can be used for inter-screen prediction or motion compensation, and the encoding efficiency can be improved.
  • the parameter writing at least one of a parameter indicating whether an image is captured by a wide-angle lens and a parameter regarding distortion caused by the wide-angle lens is used as the parameter related to the first process.
  • the encoding process based on the parameter written in the header is applied to the block.
  • the block may be encoded.
  • the encoding process may include at least one of a motion vector prediction process and an in-screen prediction process.
  • an image to be processed which is a distorted image
  • an image to be processed which is a distorted image
  • the encoding process includes one of an inter-screen prediction process and an intra-screen prediction process
  • the prediction process is a process for performing arrangement or rearrangement of a plurality of pixels included in an image. May be included.
  • the distortion of the image to be processed can be corrected, and the inter-screen prediction process can be appropriately performed based on the corrected image.
  • intra prediction processing can be performed on a distorted image, and the predicted image obtained by the processing can be appropriately distorted according to the distorted processing target image. .
  • the encoding process includes an inter-screen prediction process
  • the inter-screen prediction process is a process for a curved, oblique, or angular image boundary, and uses the parameters written in the header described above.
  • the padding process may be included.
  • inter-screen prediction processing can be appropriately performed, and encoding efficiency can be improved.
  • the encoding process includes an inter-screen prediction process and an image reconstruction process.
  • the inter-screen prediction process and the image reconstruction process each replace the pixel value with a predetermined value based on the parameters written in the header described above. Processing may also be included.
  • inter-screen prediction processing and image reconstruction processing can be appropriately performed, and encoding efficiency can be improved.
  • the encoded processing target image is reconstructed, and an image obtained by joining the reconstructed processing target image and the other image described above is displayed between the screens.
  • a large image obtained by joining can be used for inter-screen prediction or motion compensation, and the encoding efficiency can be improved.
  • the encoding apparatuses according to Embodiments 2 to 4 encode a moving image including a distorted image, a moving image including a spliced image, or a moving image including unconnected images from a plurality of views.
  • the encoding apparatus of the present disclosure may correct distortion of an image included in the moving image or may not correct distortion for encoding the moving image.
  • the encoding device acquires a moving image including an image whose distortion has been corrected in advance by another device, and encodes the moving image.
  • the encoding device of the present disclosure may or may not connect images from a plurality of views included in the moving image in order to encode the moving image.
  • the encoding device acquires a moving image including an image in which images from a plurality of views are connected in advance by another device, and encodes the moving image. Further, the encoding device of the present disclosure may perform all of the distortion correction or may perform only a part. Furthermore, the encoding apparatus according to the present disclosure may perform all of the joining of images from a plurality of views, or may perform only a part thereof.
  • FIG. 38 is a block diagram of a decoding device according to an aspect of the present disclosure.
  • a decoding apparatus 1600 is an apparatus corresponding to the decoding apparatus 200 of Embodiment 1, and includes an entropy decoding unit 1601, an inverse quantization unit 1602, and an inverse transform unit 1603 as illustrated in FIG. , A block memory 1604, a frame memory 1605, an intra prediction unit 1606, an inter prediction unit 1607, and an addition unit 1622.
  • Each component included in the decoding apparatus 1600 performs the same processing as in the first to fourth embodiments, but does not perform processing using an adaptive video decoding tool. That is, the addition unit 1622, the intra prediction unit 1606, and the inter prediction unit 1607 perform a decoding process without using the above-described parameters included in the bitstream.
  • the decoding device 1600 acquires a bit stream, extracts an encoded moving image and parameters from the bit stream, and decodes the encoded moving image without using the parameters.
  • the entropy decoding unit 1601 reads and interprets the parameter from the bit stream.
  • the position of the parameter written in the bit stream may be any position.
  • each image (that is, an encoded picture) included in the bit stream input to the decoding apparatus 1600 may be an image with corrected distortion, or images from a plurality of views are joined together. May be a stitched image obtained by.
  • the image whose distortion is corrected is a rectangular image obtained by correcting distortion of an image captured by a wide-angle lens such as a non-rectilinear lens.
  • Such a decoding device 1600 decodes a moving image including an image whose distortion has been corrected or a stitched image.
  • the entropy decoding unit 1601, the inverse quantization unit 1602, the inverse transformation unit 1603, the intra prediction unit 1606, the inter prediction unit 1607, and the addition unit 1622 are configured as a processing circuit, for example.
  • the block memory 1604 and the frame memory 1605 are configured as memories.
  • the decoding device 1600 includes a processing circuit and a memory connected to the processing circuit.
  • the processing circuit uses a memory to acquire a bit stream including an encoded image, correct a distortion of an image captured by a wide-angle lens, and a second process for joining a plurality of images. Are read from the bitstream, and the encoded image is decoded.
  • the parameter may be interpreted from the header in the bit stream.
  • the block may be decoded by applying a decoding process based on parameters to the block for each block included in the encoded image.
  • the decoding process may include at least one of an inter-screen prediction process and an image reconstruction process.
  • inter-frame prediction processing and image reconstruction processing as an adaptive moving image decoding tool, for example, a distorted image or an encoded image that is a spliced image can be obtained. It can be decoded properly.
  • the parameters related to the second process described above are interpreted from the header in the bitstream, and in the decoding of the encoded image, the code generated by encoding the image obtained by the second process For each block included in the converted image, the decoding process for the block may be omitted based on the parameter.
  • each block included in the image that is not watched by the user in the near future Can be omitted.
  • the processing load can be reduced.
  • At least one of the position and the camera angle of each of the plurality of cameras may be interpreted from the header in the bitstream as the parameter relating to the second process.
  • decoding of the encoded image the encoded image generated by encoding one of the plurality of images described above is decoded, and the decoded encoded image is read using the parameters read from the header. Then, it may be connected to other images among the plurality of images described above.
  • a large image obtained by joining can be used for inter-screen prediction or motion compensation, and a bitstream with improved coding efficiency can be appropriately decoded.
  • At least one of the parameter indicating whether the image is captured by the wide-angle lens and the parameter regarding the distortion aberration generated by the wide-angle lens is used as the parameter related to the first process. It may be read from the header in the bitstream.
  • a decoding process based on the parameters read from the header is applied to the block. By doing so, the block may be decoded.
  • the decoding process may include at least one of a motion vector prediction process and an in-screen prediction process.
  • the motion vector prediction process and the intra-screen prediction process as an adaptive moving picture decoding tool, it is possible to appropriately decode, for example, a distorted encoded image. .
  • the decoding process includes one of an inter-screen prediction process and an intra-screen prediction process, and the prediction process includes a wrapping process that is a process for arranging or rearranging a plurality of pixels included in an image. May be included.
  • the distortion of the encoded image can be corrected, and the inter-screen prediction process can be appropriately performed based on the corrected image.
  • intra-frame prediction processing is performed on a distorted encoded image, and the predicted image obtained as a result can be appropriately distorted according to the distorted encoded image. .
  • an encoded image that is a distorted image can be appropriately predicted.
  • the decoding process includes an inter-screen prediction process
  • the inter-screen prediction process is a process for a curved, oblique, or angular image boundary, and uses the parameters read from the header described above.
  • An image padding process may be included.
  • the inter-screen prediction process can be appropriately performed as in the second embodiment.
  • the decoding process includes an inter-screen prediction process and an image reconstruction process, and the inter-screen prediction process and the image reconstruction process each set the pixel value to a predetermined value based on the parameters read from the header described above. Processing for replacement may be included.
  • the inter-screen prediction process and the image reconstruction process can be appropriately performed as in the second embodiment.
  • the encoded image is decoded, and an image obtained by joining the decoded encoded image and the other image described above is used as a reference frame used for inter-screen prediction processing. It may be stored in a memory.
  • a large image obtained by joining can be used for inter-screen prediction or motion compensation.
  • the decoding apparatuses according to Embodiments 2 to 4 decode a bit stream including a distorted image, a bit stream including a spliced image, or a bit stream including unconnected images from a plurality of views.
  • the decoding device according to the present disclosure may correct distortion of an image included in the bitstream or may not correct distortion for decoding the bitstream.
  • the decoding apparatus acquires a bit stream including an image whose distortion has been corrected in advance by another apparatus, and decodes the bit stream.
  • the decoding device of the present disclosure may or may not connect images from a plurality of views included in the bitstream for decoding the bitstream.
  • the decoding device When not joining, acquires a bitstream including a large image generated by joining images from a plurality of views in advance by another device, and decodes the bitstream. Further, the decoding device of the present disclosure may perform all of the distortion correction or may perform only a part. Furthermore, the decoding device according to the present disclosure may perform all or a part of the joining of images from a plurality of views.
  • each of the functional blocks can usually be realized by an MPU, a memory, and the like. Further, the processing by each functional block is usually realized by a program execution unit such as a processor reading and executing software (program) recorded on a recording medium such as a ROM. The software may be distributed by downloading or the like, or may be distributed by being recorded on a recording medium such as a semiconductor memory. Naturally, each functional block can be realized by hardware (dedicated circuit).
  • each embodiment may be realized by centralized processing using a single device (system), or may be realized by distributed processing using a plurality of devices. Good.
  • the number of processors that execute the program may be one or more. That is, centralized processing may be performed, or distributed processing may be performed.
  • the system includes an image encoding device using an image encoding method, an image decoding device using an image decoding method, and an image encoding / decoding device including both.
  • Other configurations in the system can be appropriately changed according to circumstances.
  • FIG. 39 is a diagram showing an overall configuration of a content supply system ex100 that implements a content distribution service.
  • the communication service providing area is divided into desired sizes, and base stations ex106, ex107, ex108, ex109, and ex110, which are fixed wireless stations, are installed in each cell.
  • devices such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 via the Internet ex101, the Internet service provider ex102 or the communication network ex104, and the base stations ex106 to ex110.
  • the content supply system ex100 may be connected by combining any of the above elements.
  • Each device may be directly or indirectly connected to each other via a telephone network or a short-range wireless communication without using the base stations ex106 to ex110 which are fixed wireless stations.
  • the streaming server ex103 is connected to each device such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 via the Internet ex101.
  • the streaming server ex103 is connected to a terminal in a hot spot in the airplane ex117 via the satellite ex116.
  • the streaming server ex103 may be directly connected to the communication network ex104 without going through the Internet ex101 or the Internet service provider ex102, or may be directly connected to the airplane ex117 without going through the satellite ex116.
  • the camera ex113 is a device that can shoot still images and moving images such as a digital camera.
  • the smartphone ex115 is a smartphone, a cellular phone, or a PHS (Personal Handyphone System) that is compatible with a mobile communication system generally called 2G, 3G, 3.9G, 4G, and 5G in the future.
  • a mobile communication system generally called 2G, 3G, 3.9G, 4G, and 5G in the future.
  • the home appliance ex118 is a device included in a refrigerator or a household fuel cell cogeneration system.
  • a terminal having a photographing function is connected to the streaming server ex103 through the base station ex106 or the like, thereby enabling live distribution or the like.
  • the terminal (computer ex111, game machine ex112, camera ex113, home appliance ex114, smartphone ex115, terminal in airplane ex117, etc.) is used for the above-described still image or video content captured by the user using the terminal.
  • the encoding process described in each embodiment is performed, and the video data obtained by the encoding and the sound data obtained by encoding the sound corresponding to the video are multiplexed, and the obtained data is transmitted to the streaming server ex103. That is, each terminal functions as an image encoding device according to an aspect of the present invention.
  • the streaming server ex103 streams the content data transmitted to the requested client.
  • the client is a computer or the like in the computer ex111, the game machine ex112, the camera ex113, the home appliance ex114, the smart phone ex115, or the airplane ex117 that can decode the encoded data.
  • Each device that has received the distributed data decrypts and reproduces the received data. That is, each device functions as an image decoding device according to an aspect of the present invention.
  • the streaming server ex103 may be a plurality of servers or a plurality of computers, and may process, record, and distribute data in a distributed manner.
  • the streaming server ex103 may be realized by a CDN (Contents Delivery Network), and content distribution may be realized by a network connecting a large number of edge servers and edge servers distributed all over the world.
  • CDN Contents Delivery Network
  • edge servers that are physically close to each other are dynamically allocated according to clients. Then, the content can be cached and distributed to the edge server, thereby reducing the delay.
  • the processing is distributed among multiple edge servers, the distribution subject is switched to another edge server, or the part of the network where the failure has occurred Since detouring can be continued, high-speed and stable distribution can be realized.
  • the captured data may be encoded at each terminal, may be performed on the server side, or may be shared with each other.
  • a processing loop is performed twice.
  • the first loop the complexity of the image or the code amount in units of frames or scenes is detected.
  • the second loop processing for maintaining the image quality and improving the coding efficiency is performed.
  • the terminal performs the first encoding process
  • the server receiving the content performs the second encoding process, thereby improving the quality and efficiency of the content while reducing the processing load on each terminal. it can.
  • the encoded data of the first time performed by the terminal can be received and reproduced by another terminal, enabling more flexible real-time distribution.
  • the camera ex113 or the like extracts a feature amount from an image, compresses data relating to the feature amount as metadata, and transmits the metadata to the server.
  • the server performs compression according to the meaning of the image, for example, by determining the importance of the object from the feature amount and switching the quantization accuracy.
  • the feature data is particularly effective for improving the accuracy and efficiency of motion vector prediction at the time of re-compression on the server.
  • simple coding such as VLC (variable length coding) may be performed at the terminal, and coding with a large processing load such as CABAC (context adaptive binary arithmetic coding) may be performed at the server.
  • a plurality of video data in which almost the same scene is captured by a plurality of terminals.
  • a GOP Group of Picture
  • a picture unit or a tile obtained by dividing a picture using a plurality of terminals that have performed shooting and other terminals and servers that have not performed shooting as necessary.
  • Distributed processing is performed by assigning encoding processing in units or the like. Thereby, delay can be reduced and real-time property can be realized.
  • the server may manage and / or instruct the video data captured by each terminal to refer to each other.
  • the encoded data from each terminal may be received by the server and the reference relationship may be changed among a plurality of data, or the picture itself may be corrected or replaced to be encoded again. This makes it possible to generate a stream with improved quality and efficiency of each piece of data.
  • the server may distribute the video data after performing transcoding to change the encoding method of the video data.
  • the server may convert the MPEG encoding system to the VP encoding. 264. It may be converted into H.265.
  • the encoding process can be performed by a terminal or one or more servers. Therefore, in the following, description such as “server” or “terminal” is used as the subject performing processing, but part or all of processing performed by the server may be performed by the terminal, or processing performed by the terminal may be performed. Some or all may be performed at the server. The same applies to the decoding process.
  • the server not only encodes a two-dimensional moving image, but also encodes a still image automatically based on a scene analysis of the moving image or at a time specified by the user and transmits it to the receiving terminal. Also good.
  • the server can acquire the relative positional relationship between the photographing terminals, the server obtains the three-dimensional shape of the scene based on not only the two-dimensional moving image but also the video obtained by photographing the same scene from different angles. Can be generated.
  • the server may separately encode the three-dimensional data generated by the point cloud or the like, and the video to be transmitted to the receiving terminal based on the result of recognizing or tracking the person or the object using the three-dimensional data.
  • the images may be selected or reconstructed from videos captured by a plurality of terminals.
  • the user can arbitrarily select each video corresponding to each photographing terminal and enjoy a scene, or can display a video of an arbitrary viewpoint from three-dimensional data reconstructed using a plurality of images or videos. You can also enjoy the clipped content.
  • sound is collected from a plurality of different angles, and the server may multiplex and transmit sound from a specific angle or space according to the video.
  • the server may create viewpoint images for the right eye and the left eye, respectively, and perform encoding that allows reference between each viewpoint video by Multi-View Coding (MVC) or the like. You may encode as another stream, without referring. At the time of decoding another stream, it is preferable to reproduce in synchronization with each other so that a virtual three-dimensional space is reproduced according to the viewpoint of the user.
  • MVC Multi-View Coding
  • the server superimposes virtual object information in the virtual space on the camera information in the real space based on the three-dimensional position or the movement of the user's viewpoint.
  • the decoding device may acquire or hold virtual object information and three-dimensional data, generate a two-dimensional image according to the movement of the user's viewpoint, and create superimposition data by connecting them smoothly.
  • the decoding device transmits the movement of the user's viewpoint to the server in addition to the request for the virtual object information, and the server creates superimposition data according to the movement of the viewpoint received from the three-dimensional data held in the server,
  • the superimposed data may be encoded and distributed to the decoding device.
  • the superimposed data has an ⁇ value indicating transparency in addition to RGB
  • the server sets the ⁇ value of a portion other than the object created from the three-dimensional data to 0 or the like, and the portion is transparent. May be encoded.
  • the server may generate data in which a RGB value of a predetermined value is set as the background, such as a chroma key, and the portion other than the object is set to the background color.
  • the decryption processing of the distributed data may be performed at each terminal as a client, may be performed on the server side, or may be performed in a shared manner.
  • a terminal may once send a reception request to the server, receive content corresponding to the request at another terminal, perform a decoding process, and transmit a decoded signal to a device having a display.
  • a part of a region such as a tile in which a picture is divided may be decoded and displayed on a viewer's personal terminal while receiving large-size image data on a TV or the like. Accordingly, it is possible to confirm at hand the area in which the person is responsible or the area to be confirmed in more detail while sharing the whole image.
  • access to encoded data on the network such as when the encoded data is cached in a server that can be accessed from the receiving terminal in a short time, or copied to the edge server in the content delivery service. It is also possible to switch the bit rate of received data based on ease.
  • the content switching will be described using a scalable stream that is compression-encoded by applying the moving image encoding method shown in each of the above embodiments shown in FIG.
  • the server may have a plurality of streams of the same content and different quality as individual streams, but the temporal / spatial scalable implementation realized by dividing into layers as shown in the figure.
  • the configuration may be such that the content is switched by utilizing the characteristics of the stream.
  • the decoding side decides which layer to decode according to internal factors such as performance and external factors such as the state of communication bandwidth, so that the decoding side can combine low-resolution content and high-resolution content. You can switch freely and decrypt. For example, when the user wants to continue watching the video that was viewed on the smartphone ex115 while moving on a device such as an Internet TV after returning home, the device only has to decode the same stream to a different layer, so the load on the server side Can be reduced.
  • the enhancement layer includes meta information based on image statistical information, etc., in addition to the configuration in which the picture is encoded for each layer and the enhancement layer exists above the base layer.
  • the decoding side may generate content with high image quality by super-resolution of the base layer picture based on the meta information.
  • Super-resolution may be either improvement of the SN ratio at the same resolution or enlargement of the resolution.
  • the meta information includes information for specifying a linear or non-linear filter coefficient used for super-resolution processing, or information for specifying a parameter value in filter processing, machine learning, or least square calculation used for super-resolution processing. .
  • the picture may be divided into tiles or the like according to the meaning of the object in the image, and the decoding side may select only a part of the region by selecting the tile to be decoded.
  • the decoding side can determine the position of the desired object based on the meta information. Can be identified and the tile containing the object can be determined.
  • the meta information is stored using a data storage structure different from the pixel data such as the SEI message in HEVC. This meta information indicates, for example, the position, size, or color of the main object.
  • meta information may be stored in units composed of a plurality of pictures, such as streams, sequences, or random access units.
  • the decoding side can acquire the time when the specific person appears in the video, etc., and can match the picture in which the object exists and the position of the object in the picture by combining with the information in units of pictures.
  • FIG. 42 is a diagram showing an example of a web page display screen on the computer ex111 or the like.
  • FIG. 43 is a diagram illustrating a display screen example of a web page in the smartphone ex115 or the like.
  • the web page may include a plurality of link images that are links to the image content, and the appearance differs depending on the browsing device.
  • the display device when a plurality of link images are visible on the screen, the display device until the user explicitly selects the link image, or until the link image approaches the center of the screen or the entire link image enters the screen.
  • the (decoding device) displays a still image or I picture included in each content as a link image, displays a video like a gif animation with a plurality of still images or I pictures, or receives only the base layer. Decode and display video.
  • the display device When the link image is selected by the user, the display device decodes the base layer with the highest priority. If there is information indicating that the HTML constituting the web page is scalable content, the display device may decode up to the enhancement layer. Also, in order to ensure real-time properties, the display device only decodes forward reference pictures (I picture, P picture, forward reference only B picture) before being selected or when the communication band is very strict. In addition, the delay between the decoding time of the first picture and the display time (delay from the start of content decoding to the start of display) can be reduced by displaying. Further, the display device may intentionally ignore the reference relationship of pictures and roughly decode all B pictures and P pictures with forward reference, and perform normal decoding as the number of received pictures increases over time.
  • forward reference pictures I picture, P picture, forward reference only B picture
  • the receiving terminal when transmitting and receiving still image or video data such as two-dimensional or three-dimensional map information for automatic driving or driving support of a car, the receiving terminal adds meta data to image data belonging to one or more layers. Weather or construction information may also be received and decoded in association with each other. The meta information may belong to a layer or may be simply multiplexed with image data.
  • the receiving terminal since the car, drone, airplane, or the like including the receiving terminal moves, the receiving terminal transmits the position information of the receiving terminal at the time of the reception request, thereby seamless reception and decoding while switching the base stations ex106 to ex110. Can be realized.
  • the receiving terminal can dynamically switch how much meta-information is received or how much map information is updated according to the user's selection, the user's situation, or the communication band state. become.
  • the encoded information transmitted by the user can be received, decoded and reproduced in real time by the client.
  • the content supply system ex100 can perform not only high-quality and long-time content by a video distributor but also unicast or multicast distribution of low-quality and short-time content by an individual. Moreover, such personal contents are expected to increase in the future.
  • the server may perform the encoding process after performing the editing process. This can be realized, for example, with the following configuration.
  • the server After shooting, the server performs recognition processing such as shooting error, scene search, semantic analysis, and object detection from the original image or encoded data. Then, the server manually or automatically corrects out-of-focus or camera shake based on the recognition result, or selects a less important scene such as a scene whose brightness is lower than that of other pictures or is out of focus. Edit such as deleting, emphasizing the edge of an object, and changing the hue.
  • the server encodes the edited data based on the editing result. It is also known that if the shooting time is too long, the audience rating will decrease, and the server will move not only in the less important scenes as described above, but also in motion according to the shooting time. A scene with few images may be automatically clipped based on the image processing result. Alternatively, the server may generate and encode a digest based on the result of the semantic analysis of the scene.
  • the server may change and encode the face of the person in the periphery of the screen or the inside of the house into an unfocused image.
  • the server recognizes whether or not a face of a person different from the person registered in advance is shown in the encoding target image, and if so, performs processing such as applying a mosaic to the face part. May be.
  • the user designates a person or background area that the user wants to process an image from the viewpoint of copyright, etc., and the server replaces the designated area with another video or blurs the focus. It is also possible to perform such processing. If it is a person, the face image can be replaced while tracking the person in the moving image.
  • the decoding device first receives the base layer with the highest priority and performs decoding and reproduction, depending on the bandwidth.
  • the decoding device may receive the enhancement layer during this time, and may play back high-quality video including the enhancement layer when played back twice or more, such as when playback is looped.
  • a stream that is scalable in this way can provide an experience in which the stream becomes smarter and the image is improved gradually, although it is a rough moving picture when it is not selected or at the beginning of viewing.
  • the same experience can be provided even if the coarse stream played back the first time and the second stream coded with reference to the first video are configured as one stream. .
  • these encoding or decoding processes are generally processed in the LSI ex500 included in each terminal.
  • the LSI ex500 may be configured as a single chip or a plurality of chips.
  • moving image encoding or decoding software is incorporated into some recording medium (CD-ROM, flexible disk, hard disk, etc.) that can be read by the computer ex111 and the like, and encoding or decoding processing is performed using the software. Also good.
  • moving image data acquired by the camera may be transmitted. The moving image data at this time is data encoded by the LSI ex500 included in the smartphone ex115.
  • the LSI ex500 may be configured to download and activate application software.
  • the terminal first determines whether the terminal is compatible with the content encoding method or has a specific service execution capability. If the terminal does not support the content encoding method or does not have the capability to execute a specific service, the terminal downloads a codec or application software, and then acquires and reproduces the content.
  • the content supply system ex100 via the Internet ex101, but also a digital broadcasting system, at least the moving image encoding device (image encoding device) or the moving image decoding device (image decoding device) of the above embodiments. Any of these can be incorporated.
  • the unicasting of the content supply system ex100 is suitable for multicasting because it uses a satellite or the like to transmit and receive multiplexed data in which video and sound are multiplexed on broadcasting radio waves.
  • the same application is possible for the encoding process and the decoding process.
  • FIG. 44 is a diagram illustrating the smartphone ex115.
  • FIG. 45 is a diagram illustrating a configuration example of the smartphone ex115.
  • the smartphone ex115 receives the antenna ex450 for transmitting / receiving radio waves to / from the base station ex110, the camera unit ex465 capable of taking video and still images, the video captured by the camera unit ex465, and the antenna ex450.
  • a display unit ex458 for displaying data obtained by decoding the video or the like.
  • the smartphone ex115 further includes an operation unit ex466 that is a touch panel or the like, a voice output unit ex457 that is a speaker or the like for outputting voice or sound, a voice input unit ex456 that is a microphone or the like for inputting voice, and photographing.
  • Memory unit ex467 that can store encoded video or still image, recorded audio, received video or still image, encoded data such as mail, or decoded data, and a user, and network
  • An external memory may be used instead of the memory unit ex467.
  • a main control unit ex460 that comprehensively controls the display unit ex458, the operation unit ex466, and the like, a power supply circuit unit ex461, an operation input control unit ex462, a video signal processing unit ex455, a camera interface unit ex463, a display control unit ex459, a modulation / Demodulation unit ex452, multiplexing / demultiplexing unit ex453, audio signal processing unit ex454, slot unit ex464, and memory unit ex467 are connected via bus ex470.
  • the power supply circuit unit ex461 starts up the smartphone ex115 in an operable state by supplying power from the battery pack to each unit.
  • the smartphone ex115 performs processing such as calling and data communication based on the control of the main control unit ex460 having a CPU, a ROM, a RAM, and the like.
  • the voice signal picked up by the voice input unit ex456 is converted into a digital voice signal by the voice signal processing unit ex454, spread spectrum processing is performed by the modulation / demodulation unit ex452, and digital / analog conversion is performed by the transmission / reception unit ex451.
  • the data is transmitted via the antenna ex450.
  • the received data is amplified and subjected to frequency conversion processing and analog-digital conversion processing, spectrum despreading processing is performed by the modulation / demodulation unit ex452, and converted to analog audio signal by the audio signal processing unit ex454, and then this is output to the audio output unit ex457.
  • text, still image, or video data is sent to the main control unit ex460 via the operation input control unit ex462 by the operation of the operation unit ex466 of the main body unit, and transmission / reception processing is performed similarly.
  • the video signal processing unit ex455 uses the video signal stored in the memory unit ex467 or the video signal input from the camera unit ex465 as described above.
  • the video data is compressed and encoded by the moving image encoding method shown in the form, and the encoded video data is sent to the multiplexing / demultiplexing unit ex453.
  • the audio signal processing unit ex454 encodes the audio signal picked up by the audio input unit ex456 while the camera unit ex465 captures a video or a still image, and sends the encoded audio data to the multiplexing / separating unit ex453. To do.
  • the multiplexing / demultiplexing unit ex453 multiplexes the encoded video data and the encoded audio data by a predetermined method, and the modulation / demodulation unit (modulation / demodulation circuit unit) ex452 and the modulation / demodulation unit ex451 perform modulation processing and conversion.
  • the data is processed and transmitted via the antenna ex450.
  • the multiplexing / demultiplexing unit ex453 performs multiplexing By separating the data, the multiplexed data is divided into a bit stream of video data and a bit stream of audio data, and the encoded video data is supplied to the video signal processing unit ex455 via the synchronization bus ex470. The converted audio data is supplied to the audio signal processing unit ex454.
  • the video signal processing unit ex455 decodes the video signal by the video decoding method corresponding to the video encoding method shown in each of the above embodiments, and is linked from the display unit ex458 via the display control unit ex459.
  • a video or still image included in the moving image file is displayed.
  • the audio signal processing unit ex454 decodes the audio signal, and the audio is output from the audio output unit ex457. Since real-time streaming is widespread, depending on the user's situation, there may be occasions where audio playback is not socially appropriate. Therefore, it is desirable that the initial value is a configuration in which only the video data is reproduced without reproducing the audio signal. Audio may be synchronized and played back only when the user performs an operation such as clicking on video data.
  • the smartphone ex115 has been described here as an example, in addition to a transmission / reception terminal having both an encoder and a decoder as a terminal, a transmission terminal having only an encoder and a reception having only a decoder There are three possible mounting formats: terminals.
  • terminals In the digital broadcasting system, it has been described as receiving or transmitting multiplexed data in which music data or the like is multiplexed with video data.
  • multiplexed data includes character data related to video in addition to audio data. Multiplexing may be performed, and video data itself may be received or transmitted instead of multiplexed data.
  • the terminal often includes a GPU. Therefore, a configuration may be adopted in which a wide area is processed in a lump by utilizing the performance of the GPU by using a memory shared by the CPU and the GPU or a memory whose addresses are managed so as to be used in common. As a result, the encoding time can be shortened, real-time performance can be ensured, and low delay can be realized. In particular, it is efficient to perform motion search, deblocking filter, SAO (Sample Adaptive Offset), and transformation / quantization processing in batches in units of pictures or the like instead of the CPU.
  • SAO Sample Adaptive Offset
  • the present disclosure is, for example, a device such as a television, a digital video recorder, a car navigation, a mobile phone, a digital camera, or a digital video camera, and an encoding device that encodes an image or decodes an encoded image It can be applied to a decoding device or the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Geometry (AREA)

Abstract

符号化または復号される画像を適切に扱うことができる符号化装置（１５００）は、処理回路と、その処理回路に接続されたブロックメモリ（１５０５）およびフレームメモリ（１５０６）とを備え、処理回路は、ブロックメモリ（１５０５）およびフレームメモリ（１５０６）を用いて、広角レンズによって撮像された画像の歪みを補正する第１の処理と、複数の画像を繋ぎ合せる第２の処理とのうちの少なくとも１つの処理に関するパラメータを取得し、上述の画像または複数の画像に基づく処理対象の画像を符号化することによって符号化画像を生成し、その符号化画像を含むビットストリームに上述のパラメータを書き込む。

Description

符号化装置、復号装置、符号化方法、および復号方法
　本開示は、画像を符号化する装置および方法と、符号化された画像を復号する装置および方法とに関する。
　現在、画像符号化の規格としてＨＥＶＣが策定されている（例えば、非特許文献１参照）。しかし、次世代ビデオ（例えば３６０度動画）の送信および格納には、現在の符号化性能をも超える符号化効率を要する。また、ノンレクティリニア・レンズなどの広角レンズによって撮像された動画像の圧縮に関連する研究および実験は、これまでいくつか行なわれていた。これらの研究などでは、画像サンプルを操作して歪曲収差を排除することにより、処理対象の画像を符号化する前に直線的にする。このために、一般的には画像処理技術が使用されている。
H.265(ISO/IEC 23008-2 HEVC(High Efficiency Video Coding))
　しかしながら、従来の符号化装置および復号装置では、符号化または復号される画像を適切に扱うことができないという問題がある。
　そこで、本開示は、符号化または復号される画像を適切に扱うことができる符号化装置などを提供する。
　本開示の一態様に係る符号化装置は、処理回路と、前記処理回路に接続されたメモリとを備え、前記処理回路は、前記メモリを用いて、広角レンズによって撮像された画像の歪みを補正する第１の処理と、複数の画像を繋ぎ合せる第２の処理とのうちの少なくとも１つの処理に関するパラメータを取得し、前記画像または前記複数の画像に基づく処理対象の画像を符号化することによって符号化画像を生成し、前記符号化画像を含むビットストリームに前記パラメータを書き込む。
　なお、これらの包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。
　本開示の符号化装置は、符号化または復号される画像を適切に扱うことができる。
図１は、実施の形態１に係る符号化装置の機能構成を示すブロック図である。 図２は、実施の形態１におけるブロック分割の一例を示す図である。 図３は、各変換タイプに対応する変換基底関数を示す表である。 図４Ａは、ＡＬＦで用いられるフィルタの形状の一例を示す図である。 図４Ｂは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図４Ｃは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図５は、イントラ予測における６７個のイントラ予測モードを示す図である。 図６は、動き軌道に沿う２つのブロック間でのパターンマッチング（バイラテラルマッチング）を説明するための図である。 図７は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）を説明するための図である。 図８は、等速直線運動を仮定したモデルを説明するための図である。 図９は、複数の隣接ブロックの動きベクトルに基づくサブブロック単位の動きベクトルの導出を説明するための図である。 図１０は、実施の形態１に係る復号装置の機能構成を示すブロック図である。 図１１は、実施の形態２における動画像符号化処理の一例を示すフローチャートである。 図１２は、実施の形態２におけるビットストリーム中の、パラメータが書き込まれるヘッダの可能な位置を示す図である。 図１３は、実施の形態２における撮像画像と、画像補正処理された処理済み画像とを示す図である。 図１４は、実施の形態２における繋ぎ合わせ処理によって複数の画像が繋ぎ合わされて生成された繋ぎ合わせ画像を示す図である。 図１５は、実施の形態２における、複数のカメラの配置と、それらのカメラによって撮像された画像が繋ぎ合わされて生成された空き領域を含む繋ぎ合わせ画像とを示す図である。 図１６は、実施の形態２における画面間予測処理または動き補償を示すフローチャートである。 図１７は、実施の形態２における、ノンレクティリニア・レンズまたは魚眼レンズによって生じるたる形歪曲の一例を示す図である。 図１８は、実施の形態２における画面間予測処理または動き補償の変形例を示すフローチャートである。 図１９は、実施の形態２における画像再構成処理を示すフローチャートである。 図２０は、実施の形態２における画像再構成処理の変形例を示すフローチャートである。 図２１は、実施の形態２における、繋ぎ合わせ画像に対する部分符号化処理または部分復号処理の一例を示す図である。 図２２は、実施の形態２における、繋ぎ合わせ画像に対する部分符号化処理または部分復号処理の他の例を示す図である。 図２３は、実施の形態２における符号化装置のブロック図である。 図２４は、実施の形態２における動画像復号処理の一例を示すフローチャートである。 図２５は、実施の形態２における復号装置のブロック図である。 図２６は、実施の形態３における動画像符号化処理の一例を示すフローチャートである。 図２７は、実施の形態３における繋ぎ合わせ処理の一例を示すフローチャートである。 図２８は、実施の形態３における符号化装置のブロック図である。 図２９は、実施の形態３における動画像復号処理の一例を示すフローチャートである。 図３０は、実施の形態３における復号装置のブロック図である。 図３１は、実施の形態４における動画像符号化処理の一例を示すフローチャートである。 図３２は、実施の形態４における画面内予測処理を示すフローチャートである。 図３３は、実施の形態４における動きベクトル予測処理を示すフローチャートである。 図３４は、実施の形態４における符号化装置のブロック図である。 図３５は、実施の形態４における動画像復号処理の一例を示すフローチャートである。 図３６は、実施の形態４における復号装置のブロック図である。 図３７は、本開示の一態様に係る符号化装置のブロック図である。 図３８は、本開示の一態様に係る復号装置のブロック図である。 図３９は、コンテンツ配信サービスを実現するコンテンツ供給システムの全体構成図である。 図４０は、スケーラブル符号化時の符号化構造の一例を示す図である。 図４１は、スケーラブル符号化時の符号化構造の一例を示す図である。 図４２は、ｗｅｂページの表示画面例を示す図である。 図４３は、ｗｅｂページの表示画面例を示す図である。 図４４は、スマートフォンの一例を示す図である。 図４５は、スマートフォンの構成例を示すブロック図である。
　以下、実施の形態について図面を参照しながら具体的に説明する。
　なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、請求の範囲を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
　（実施の形態１）
　［符号化装置の概要］
　まず、実施の形態１に係る符号化装置の概要を説明する。図１は、実施の形態１に係る符号化装置１００の機能構成を示すブロック図である。符号化装置１００は、動画像／画像をブロック単位で符号化する動画像／画像符号化装置である。
　図１に示すように、符号化装置１００は、画像をブロック単位で符号化する装置であって、分割部１０２と、減算部１０４と、変換部１０６と、量子化部１０８と、エントロピー符号化部１１０と、逆量子化部１１２と、逆変換部１１４と、加算部１１６と、ブロックメモリ１１８と、ループフィルタ部１２０と、フレームメモリ１２２と、イントラ予測部１２４と、インター予測部１２６と、予測制御部１２８と、を備える。
　符号化装置１００は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、分割部１０２、減算部１０４、変換部１０６、量子化部１０８、エントロピー符号化部１１０、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、イントラ予測部１２４、インター予測部１２６及び予測制御部１２８として機能する。また、符号化装置１００は、分割部１０２、減算部１０４、変換部１０６、量子化部１０８、エントロピー符号化部１１０、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、イントラ予測部１２４、インター予測部１２６及び予測制御部１２８に対応する専用の１以上の電子回路として実現されてもよい。
　以下に、符号化装置１００に含まれる各構成要素について説明する。
　［分割部］
　分割部１０２は、入力動画像に含まれる各ピクチャを複数のブロックに分割し、各ブロックを減算部１０４に出力する。例えば、分割部１０２は、まず、ピクチャを固定サイズ（例えば１２８ｘ１２８）のブロックに分割する。この固定サイズのブロックは、符号化ツリーユニット（ＣＴＵ）と呼ばれることがある。そして、分割部１０２は、再帰的な四分木（ｑｕａｄｔｒｅｅ）及び／又は二分木（ｂｉｎａｒｙ　ｔｒｅｅ）ブロック分割に基づいて、固定サイズのブロックの各々を可変サイズ（例えば６４ｘ６４以下）のブロックに分割する。この可変サイズのブロックは、符号化ユニット（ＣＵ）、予測ユニット（ＰＵ）あるいは変換ユニット（ＴＵ）と呼ばれることがある。なお、本実施の形態では、ＣＵ、ＰＵ及びＴＵは区別される必要はなく、ピクチャ内の一部又はすべてのブロックがＣＵ、ＰＵ、ＴＵの処理単位となってもよい。
　図２は、実施の形態１におけるブロック分割の一例を示す図である。図２において、実線は四分木ブロック分割によるブロック境界を表し、破線は二分木ブロック分割によるブロック境界を表す。
　ここでは、ブロック１０は、１２８ｘ１２８画素の正方形ブロック（１２８ｘ１２８ブロック）である。この１２８ｘ１２８ブロック１０は、まず、４つの正方形の６４ｘ６４ブロックに分割される（四分木ブロック分割）。
　左上の６４ｘ６４ブロックは、さらに２つの矩形の３２ｘ６４ブロックに垂直に分割され、左の３２ｘ６４ブロックはさらに２つの矩形の１６ｘ６４ブロックに垂直に分割される（二分木ブロック分割）。その結果、左上の６４ｘ６４ブロックは、２つの１６ｘ６４ブロック１１、１２と、３２ｘ６４ブロック１３とに分割される。
　右上の６４ｘ６４ブロックは、２つの矩形の６４ｘ３２ブロック１４、１５に水平に分割される（二分木ブロック分割）。
　左下の６４ｘ６４ブロックは、４つの正方形の３２ｘ３２ブロックに分割される（四分木ブロック分割）。４つの３２ｘ３２ブロックのうち左上のブロック及び右下のブロックはさらに分割される。左上の３２ｘ３２ブロックは、２つの矩形の１６ｘ３２ブロックに垂直に分割され、右の１６ｘ３２ブロックはさらに２つの１６ｘ１６ブロックに水平に分割される（二分木ブロック分割）。右下の３２ｘ３２ブロックは、２つの３２ｘ１６ブロックに水平に分割される（二分木ブロック分割）。その結果、左下の６４ｘ６４ブロックは、１６ｘ３２ブロック１６と、２つの１６ｘ１６ブロック１７、１８と、２つの３２ｘ３２ブロック１９、２０と、２つの３２ｘ１６ブロック２１、２２とに分割される。
　右下の６４ｘ６４ブロック２３は分割されない。
　以上のように、図２では、ブロック１０は、再帰的な四分木及び二分木ブロック分割に基づいて、１３個の可変サイズのブロック１１～２３に分割される。このような分割は、ＱＴＢＴ（ｑｕａｄ－ｔｒｅｅ　ｐｌｕｓ　ｂｉｎａｒｙ　ｔｒｅｅ）分割と呼ばれることがある。
　なお、図２では、１つのブロックが４つ又は２つのブロックに分割されていたが（四分木又は二分木ブロック分割）、分割はこれに限定されない。例えば、１つのブロックが３つのブロックに分割されてもよい（三分木ブロック分割）。このような三分木ブロック分割を含む分割は、ＭＢＴ（ｍｕｌｔｉ　ｔｙｐｅ　ｔｒｅｅ）分割と呼ばれることがある。
　［減算部］
　減算部１０４は、分割部１０２によって分割されたブロック単位で原信号（原サンプル）から予測信号（予測サンプル）を減算する。つまり、減算部１０４は、符号化対象ブロック（以下、カレントブロックという）の予測誤差（残差ともいう）を算出する。そして、減算部１０４は、算出された予測誤差を変換部１０６に出力する。
　原信号は、符号化装置１００の入力信号であり、動画像を構成する各ピクチャの画像を表す信号（例えば輝度（ｌｕｍａ）信号及び２つの色差（ｃｈｒｏｍａ）信号）である。以下において、画像を表す信号をサンプルともいうこともある。
　［変換部］
　変換部１０６は、空間領域の予測誤差を周波数領域の変換係数に変換し、変換係数を量子化部１０８に出力する。具体的には、変換部１０６は、例えば空間領域の予測誤差に対して予め定められた離散コサイン変換（ＤＣＴ）又は離散サイン変換（ＤＳＴ）を行う。
　なお、変換部１０６は、複数の変換タイプの中から適応的に変換タイプを選択し、選択された変換タイプに対応する変換基底関数（ｔｒａｎｓｆｏｒｍ　ｂａｓｉｓ　ｆｕｎｃｔｉｏｎ）を用いて、予測誤差を変換係数に変換してもよい。このような変換は、ＥＭＴ（ｅｘｐｌｉｃｉｔ　ｍｕｌｔｉｐｌｅ　ｃｏｒｅ　ｔｒａｎｓｆｏｒｍ）又はＡＭＴ（ａｄａｐｔｉｖｅ　ｍｕｌｔｉｐｌｅ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。
　複数の変換タイプは、例えば、ＤＣＴ－ＩＩ、ＤＣＴ－Ｖ、ＤＣＴ－ＶＩＩＩ、ＤＳＴ－Ｉ及びＤＳＴ－ＶＩＩを含む。図３は、各変換タイプに対応する変換基底関数を示す表である。図３においてＮは入力画素の数を示す。これらの複数の変換タイプの中からの変換タイプの選択は、例えば、予測の種類（イントラ予測及びインター予測）に依存してもよいし、イントラ予測モードに依存してもよい。
　このようなＥＭＴ又はＡＭＴを適用するか否かを示す情報（例えばＡＭＴフラグと呼ばれる）及び選択された変換タイプを示す情報は、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　また、変換部１０６は、変換係数（変換結果）を再変換してもよい。このような再変換は、ＡＳＴ（ａｄａｐｔｉｖｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）又はＮＳＳＴ（ｎｏｎ－ｓｅｐａｒａｂｌｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。例えば、変換部１０６は、イントラ予測誤差に対応する変換係数のブロックに含まれるサブブロック（例えば４ｘ４サブブロック）ごとに再変換を行う。ＮＳＳＴを適用するか否かを示す情報及びＮＳＳＴに用いられる変換行列に関する情報は、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　［量子化部］
　量子化部１０８は、変換部１０６から出力された変換係数を量子化する。具体的には、量子化部１０８は、カレントブロックの変換係数を所定の走査順序で走査し、走査された変換係数に対応する量子化パラメータ（ＱＰ）に基づいて当該変換係数を量子化する。そして、量子化部１０８は、カレントブロックの量子化された変換係数（以下、量子化係数という）をエントロピー符号化部１１０及び逆量子化部１１２に出力する。
　所定の順序は、変換係数の量子化／逆量子化のための順序である。例えば、所定の走査順序は、周波数の昇順（低周波から高周波の順）又は降順（高周波から低周波の順）で定義される。
　量子化パラメータとは、量子化ステップ（量子化幅）を定義するパラメータである。例えば、量子化パラメータの値が増加すれば量子化ステップも増加する。つまり、量子化パラメータの値が増加すれば量子化誤差が増大する。
　［エントロピー符号化部］
　エントロピー符号化部１１０は、量子化部１０８から入力である量子化係数を可変長符号化することにより符号化信号（符号化ビットストリーム）を生成する。具体的には、エントロピー符号化部１１０は、例えば、量子化係数を二値化し、二値信号を算術符号化する。
　［逆量子化部］
　逆量子化部１１２は、量子化部１０８からの入力である量子化係数を逆量子化する。具体的には、逆量子化部１１２は、カレントブロックの量子化係数を所定の走査順序で逆量子化する。そして、逆量子化部１１２は、カレントブロックの逆量子化された変換係数を逆変換部１１４に出力する。
　［逆変換部］
　逆変換部１１４は、逆量子化部１１２からの入力である変換係数を逆変換することにより予測誤差を復元する。具体的には、逆変換部１１４は、変換係数に対して、変換部１０６による変換に対応する逆変換を行うことにより、カレントブロックの予測誤差を復元する。そして、逆変換部１１４は、復元された予測誤差を加算部１１６に出力する。
　なお、復元された予測誤差は、量子化により情報が失われているので、減算部１０４が算出した予測誤差と一致しない。すなわち、復元された予測誤差には、量子化誤差が含まれている。
　［加算部］
　加算部１１６は、逆変換部１１４からの入力である予測誤差と予測制御部１２８からの入力である予測信号とを加算することによりカレントブロックを再構成する。そして、加算部１１６は、再構成されたブロックをブロックメモリ１１８及びループフィルタ部１２０に出力する。再構成ブロックは、ローカル復号ブロックと呼ばれることもある。
　［ブロックメモリ］
　ブロックメモリ１１８は、イントラ予測で参照されるブロックであって符号化対象ピクチャ（以下、カレントピクチャという）内のブロックを格納するための記憶部である。具体的には、ブロックメモリ１１８は、加算部１１６から出力された再構成ブロックを格納する。
　［ループフィルタ部］
　ループフィルタ部１２０は、加算部１１６によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ１２２に出力する。ループフィルタとは、符号化ループ内で用いられるフィルタ（インループフィルタ）であり、例えば、デブロッキング・フィルタ（ＤＦ）、サンプルアダプティブオフセット（ＳＡＯ）及びアダプティブループフィルタ（ＡＬＦ）などを含む。
　ＡＬＦでは、符号化歪みを除去するための最小二乗誤差フィルタが適用され、例えばカレントブロック内の２ｘ２サブブロックごとに、局所的な勾配（ｇｒａｄｉｅｎｔ）の方向及び活性度（ａｃｔｉｖｉｔｙ）に基づいて複数のフィルタの中から選択された１つのフィルタが適用される。
　具体的には、まず、サブブロック（例えば２ｘ２サブブロック）が複数のクラス（例えば１５又は２５クラス）に分類される。サブブロックの分類は、勾配の方向及び活性度に基づいて行われる。例えば、勾配の方向値Ｄ（例えば０～２又は０～４）と勾配の活性値Ａ（例えば０～４）とを用いて分類値Ｃ（例えばＣ＝５Ｄ＋Ａ）が算出される。そして、分類値Ｃに基づいて、サブブロックが複数のクラス（例えば１５又は２５クラス）に分類される。
　勾配の方向値Ｄは、例えば、複数の方向（例えば水平、垂直及び２つの対角方向）の勾配を比較することにより導出される。また、勾配の活性値Ａは、例えば、複数の方向の勾配を加算し、加算結果を量子化することにより導出される。
　このような分類の結果に基づいて、複数のフィルタの中からサブブロックのためのフィルタが決定される。
　ＡＬＦで用いられるフィルタの形状としては例えば円対称形状が利用される。図４Ａ～図４Ｃは、ＡＬＦで用いられるフィルタの形状の複数の例を示す図である。図４Ａは、５ｘ５ダイヤモンド形状フィルタを示し、図４Ｂは、７ｘ７ダイヤモンド形状フィルタを示し、図４Ｃは、９ｘ９ダイヤモンド形状フィルタを示す。フィルタの形状を示す情報は、ピクチャレベルで信号化される。なお、フィルタの形状を示す情報の信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はＣＵレベル）であってもよい。
　ＡＬＦのオン／オフは、例えば、ピクチャレベル又はＣＵレベルで決定される。例えば、輝度についてはＣＵレベルでＡＬＦを適用するか否かが決定され、色差についてはピクチャレベルでＡＬＦを適用するか否かが決定される。ＡＬＦのオン／オフを示す情報は、ピクチャレベル又はＣＵレベルで信号化される。なお、ＡＬＦのオン／オフを示す情報の信号化は、ピクチャレベル又はＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　選択可能な複数のフィルタ（例えば１５又は２５までのフィルタ）の係数セットは、ピクチャレベルで信号化される。なお、係数セットの信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル、ＣＴＵレベル、ＣＵレベル又はサブブロックレベル）であってもよい。
　［フレームメモリ］
　フレームメモリ１２２は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ１２２は、ループフィルタ部１２０によってフィルタされた再構成ブロックを格納する。
　［イントラ予測部］
　イントラ予測部１２４は、ブロックメモリ１１８に格納されたカレントピクチャ内のブロックを参照してカレントブロックのイントラ予測（画面内予測ともいう）を行うことで、予測信号（イントラ予測信号）を生成する。具体的には、イントラ予測部１２４は、カレントブロックに隣接するブロックのサンプル（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部１２８に出力する。
　例えば、イントラ予測部１２４は、予め規定された複数のイントラ予測モードのうちの１つを用いてイントラ予測を行う。複数のイントラ予測モードは、１以上の非方向性予測モードと、複数の方向性予測モードと、を含む。
　１以上の非方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ（Ｈｉｇｈ－Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）規格（非特許文献１）で規定されたＰｌａｎａｒ予測モード及びＤＣ予測モードを含む。
　複数の方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定された３３方向の予測モードを含む。なお、複数の方向性予測モードは、３３方向に加えてさらに３２方向の予測モード（合計で６５個の方向性予測モード）を含んでもよい。図５は、イントラ予測における６７個のイントラ予測モード（２個の非方向性予測モード及び６５個の方向性予測モード）を示す図である。実線矢印は、Ｈ．２６５／ＨＥＶＣ規格で規定された３３方向を表し、破線矢印は、追加された３２方向を表す。
　なお、色差ブロックのイントラ予測において、輝度ブロックが参照されてもよい。つまり、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分が予測されてもよい。このようなイントラ予測は、ＣＣＬＭ（ｃｒｏｓｓ－ｃｏｍｐｏｎｅｎｔ　ｌｉｎｅａｒ　ｍｏｄｅｌ）予測と呼ばれることがある。このような輝度ブロックを参照する色差ブロックのイントラ予測モード（例えばＣＣＬＭモードと呼ばれる）は、色差ブロックのイントラ予測モードの１つとして加えられてもよい。
　イントラ予測部１２４は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正してもよい。このような補正をともなうイントラ予測は、ＰＤＰＣ（ｐｏｓｉｔｉｏｎ　ｄｅｐｅｎｄｅｎｔ　ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ　ｃｏｍｂｉｎａｔｉｏｎ）と呼ばれることがある。ＰＤＰＣの適用の有無を示す情報（例えばＰＤＰＣフラグと呼ばれる）は、例えばＣＵレベルで信号化される。なお、この情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　［インター予測部］
　インター予測部１２６は、フレームメモリ１２２に格納された参照ピクチャであってカレントピクチャとは異なる参照ピクチャを参照してカレントブロックのインター予測（画面間予測ともいう）を行うことで、予測信号（インター予測信号）を生成する。インター予測は、カレントブロック又はカレントブロック内のサブブロック（例えば４ｘ４ブロック）の単位で行われる。例えば、インター予測部１２６は、カレントブロック又はサブブロックについて参照ピクチャ内で動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）を行う。そして、インター予測部１２６は、動き探索により得られた動き情報（例えば動きベクトル）を用いて動き補償を行うことでカレントブロック又はサブブロックのインター予測信号を生成する。そして、インター予測部１２６は、生成されたインター予測信号を予測制御部１２８に出力する。
　動き補償に用いられた動き情報は信号化される。動きベクトルの信号化には、予測動きベクトル（ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｐｒｅｄｉｃｔｏｒ）が用いられてもよい。つまり、動きベクトルと予測動きベクトルとの間の差分が信号化されてもよい。
　なお、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号が生成されてもよい。具体的には、動き探索により得られた動き情報に基づく予測信号と、隣接ブロックの動き情報に基づく予測信号と、を重み付け加算することにより、カレントブロック内のサブブロック単位でインター予測信号が生成されてもよい。このようなインター予測（動き補償）は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）と呼ばれることがある。
　このようなＯＢＭＣモードでは、ＯＢＭＣのためのサブブロックのサイズを示す情報（例えばＯＢＭＣブロックサイズと呼ばれる）は、シーケンスレベルで信号化される。また、ＯＢＭＣモードを適用するか否かを示す情報（例えばＯＢＭＣフラグと呼ばれる）は、ＣＵレベルで信号化される。なお、これらの情報の信号化のレベルは、シーケンスレベル及びＣＵレベルに限定される必要はなく、他のレベル（例えばピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　なお、動き情報は信号化されずに、復号装置側で導出されてもよい。例えば、Ｈ．２６５／ＨＥＶＣ規格で規定されたマージモードが用いられてもよい。また例えば、復号装置側で動き探索を行うことにより動き情報が導出されてもよい。この場合、カレントブロックの画素値を用いずに動き探索が行われる。
　ここで、復号装置側で動き探索を行うモードについて説明する。この復号装置側で動き探索を行うモードは、ＰＭＭＶＤ（ｐａｔｔｅｒｎ　ｍａｔｃｈｅｄ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｄｅｒｉｖａｔｉｏｎ）モード又はＦＲＵＣ（ｆｌａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）モードと呼ばれることがある。
　まず、マージリストに含まれる候補の１つがパターンマッチングによる探索の開始位置として選択される。パターンマッチングとしては、第１パターンマッチング又は第２パターンマッチングが用いられる。第１パターンマッチング及び第２パターンマッチングは、それぞれ、バイラテラルマッチング（ｂｉｌａｔｅｒａｌ　ｍａｔｃｈｉｎｇ）及びテンプレートマッチング（ｔｅｍｐｌａｔｅ　ｍａｔｃｈｉｎｇ）と呼ばれることがある。
　第１パターンマッチングでは、異なる２つの参照ピクチャ内の２つのブロックであってカレントブロックの動き軌道（ｍｏｔｉｏｎ　ｔｒａｊｅｃｔｏｒｙ）に沿う２つのブロックの間でパターンマッチングが行われる。
　図６は、動き軌道に沿う２つのブロック間でのパターンマッチング（バイラテラルマッチング）を説明するための図である。図６に示すように、第１パターンマッチングでは、カレントブロック（Ｃｕｒ　ｂｌｏｃｋ）の動き軌道に沿う２つのブロックであって異なる２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）内の２つのブロックのペアの中で最もマッチするペアを探索することにより２つの動きベクトル（ＭＶ０、ＭＶ１）が導出される。
　連続的な動き軌道の仮定の下では、２つの参照ブロックを指し示す動きベクトル（ＭＶ０、ＭＶ１）は、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）との間の時間的な距離（ＴＤ０、ＴＤ１）に対して比例する。例えば、カレントピクチャが時間的に２つの参照ピクチャの間に位置し、カレントピクチャから２つの参照ピクチャへの時間的な距離が等しい場合、第１パターンマッチングでは、鏡映対称な双方向の動きベクトルが導出される。
　第２パターンマッチングでは、カレントピクチャ内のテンプレート（カレントピクチャ内でカレントブロックに隣接するブロック（例えば上及び／又は左隣接ブロック））と参照ピクチャ内のブロックとの間でパターンマッチングが行われる。
　図７は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）を説明するための図である。図７に示すように、第２パターンマッチングでは、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）内でカレントブロック（Ｃｕｒ　ｂｌｏｃｋ）に隣接するブロックと最もマッチするブロックを参照ピクチャ（Ｒｅｆ０）内で探索することによりカレントブロックの動きベクトルが導出される。
　このようなＦＲＵＣモードを適用するか否かを示す情報（例えばＦＲＵＣフラグと呼ばれる）は、ＣＵレベルで信号化される。また、ＦＲＵＣモードが適用される場合（例えばＦＲＵＣフラグが真の場合）、パターンマッチングの方法（第１パターンマッチング又は第２パターンマッチング）を示す情報（例えばＦＲＵＣモードフラグと呼ばれる）がＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　なお、動き探索とは異なる方法で、復号装置側で動き情報が導出されてもよい。例えば、等速直線運動を仮定したモデルに基づき、画素単位で周辺画素値を用いて動きベクトルの補正量が算出されてもよい。
　ここで、等速直線運動を仮定したモデルに基づいて動きベクトルを導出するモードについて説明する。このモードは、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）モードと呼ばれることがある。
　図８は、等速直線運動を仮定したモデルを説明するための図である。図８において、（ｖｘ，ｖｙ）は、速度ベクトルを示し、τ０、τ１は、それぞれ、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）との間の時間的な距離を示す。（ＭＶｘ０，ＭＶｙ０）は、参照ピクチャＲｅｆ０に対応する動きベクトルを示し、（ＭＶｘ１、ＭＶｙ１）は、参照ピクチャＲｅｆ１に対応する動きベクトルを示す。
　このとき速度ベクトル（ｖｘ，ｖｙ）の等速直線運動の仮定の下では、（ＭＶｘ０，ＭＶｙ０）及び（ＭＶｘ１，ＭＶｙ１）は、それぞれ、（ｖｘτ０，ｖｙτ０）及び（－ｖｘτ１，－ｖｙτ１）と表され、以下のオプティカルフロー等式（１）が成り立つ。
Figure JPOXMLDOC01-appb-M000001
　ここで、Ｉ（ｋ）は、動き補償後の参照画像ｋ（ｋ＝０，１）の輝度値を示す。このオプティカルフロー等式は、（i）輝度値の時間微分と、（ii）水平方向の速度及び参照画像の空間勾配の水平成分の積と、（iii）垂直方向の速度及び参照画像の空間勾配の垂直成分の積と、の和が、ゼロと等しいことを示す。このオプティカルフロー等式とエルミート補間（Ｈｅｒｍｉｔｅ　ｉｎｔｅｒｐｏｌａｔｉｏｎ）との組み合わせに基づいて、マージリスト等から得られるブロック単位の動きベクトルが画素単位で補正される。
　なお、等速直線運動を仮定したモデルに基づく動きベクトルの導出とは異なる方法で、復号装置側で動きベクトルが導出されてもよい。例えば、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルが導出されてもよい。
　ここで、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出するモードについて説明する。このモードは、アフィン動き補償予測（ａｆｆｉｎｅ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ　ｐｒｅｄｉｃｔｉｏｎ）モードと呼ばれることがある。
　図９は、複数の隣接ブロックの動きベクトルに基づくサブブロック単位の動きベクトルの導出を説明するための図である。図９において、カレントブロックは、１６の４ｘ４サブブロックを含む。ここでは、隣接ブロックの動きベクトルに基づいてカレントブロックの左上角制御ポイントの動きベクトルｖ０が導出され、隣接サブブロックの動きベクトルに基づいてカレントブロックの右上角制御ポイントの動きベクトルｖ１が導出される。そして、２つの動きベクトルｖ０及びｖ１を用いて、以下の式（２）により、カレントブロック内の各サブブロックの動きベクトル（ｖｘ，ｖｙ）が導出される。
Figure JPOXMLDOC01-appb-M000002
　ここで、ｘ及びｙは、それぞれ、サブブロックの水平位置及び垂直位置を示し、ｗは、予め定められた重み係数を示す。
　このようなアフィン動き補償予測モードでは、左上及び右上角制御ポイントの動きベクトルの導出方法が異なるいくつかのモードを含んでもよい。このようなアフィン動き補償予測モードを示す情報（例えばアフィンフラグと呼ばれる）は、ＣＵレベルで信号化される。なお、このアフィン動き補償予測モードを示す情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　［予測制御部］
　予測制御部１２８は、イントラ予測信号及びインター予測信号のいずれかを選択し、選択した信号を予測信号として減算部１０４及び加算部１１６に出力する。
　［復号装置の概要］
　次に、上記の符号化装置１００から出力された符号化信号（符号化ビットストリーム）を復号可能な復号装置の概要について説明する。図１０は、実施の形態１に係る復号装置２００の機能構成を示すブロック図である。復号装置２００は、動画像／画像をブロック単位で復号する動画像／画像復号装置である。
　図１０に示すように、復号装置２００は、エントロピー復号部２０２と、逆量子化部２０４と、逆変換部２０６と、加算部２０８と、ブロックメモリ２１０と、ループフィルタ部２１２と、フレームメモリ２１４と、イントラ予測部２１６と、インター予測部２１８と、予測制御部２２０と、を備える。
　復号装置２００は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、エントロピー復号部２０２、逆量子化部２０４、逆変換部２０６、加算部２０８、ループフィルタ部２１２、イントラ予測部２１６、インター予測部２１８及び予測制御部２２０として機能する。また、復号装置２００は、エントロピー復号部２０２、逆量子化部２０４、逆変換部２０６、加算部２０８、ループフィルタ部２１２、イントラ予測部２１６、インター予測部２１８及び予測制御部２２０に対応する専用の１以上の電子回路として実現されてもよい。
　以下に、復号装置２００に含まれる各構成要素について説明する。
　［エントロピー復号部］
　エントロピー復号部２０２は、符号化ビットストリームをエントロピー復号する。具体的には、エントロピー復号部２０２は、例えば、符号化ビットストリームから二値信号に算術復号する。そして、エントロピー復号部２０２は、二値信号を多値化（ｄｅｂｉｎａｒｉｚｅ）する。これにより、エントロピー復号部２０２は、ブロック単位で量子化係数を逆量子化部２０４に出力する。
　［逆量子化部］
　逆量子化部２０４は、エントロピー復号部２０２からの入力である復号対象ブロック（以下、カレントブロックという）の量子化係数を逆量子化する。具体的には、逆量子化部２０４は、カレントブロックの量子化係数の各々について、当該量子化係数に対応する量子化パラメータに基づいて当該量子化係数を逆量子化する。そして、逆量子化部２０４は、カレントブロックの逆量子化された量子化係数（つまり変換係数）を逆変換部２０６に出力する。
　［逆変換部］
　逆変換部２０６は、逆量子化部２０４からの入力である変換係数を逆変換することにより予測誤差を復元する。
　例えば符号化ビットストリームから読み解かれた情報がＥＭＴ又はＡＭＴを適用することを示す場合（例えばＡＭＴフラグが真）、逆変換部２０６は、読み解かれた変換タイプを示す情報に基づいてカレントブロックの変換係数を逆変換する。
　また例えば、符号化ビットストリームから読み解かれた情報がＮＳＳＴを適用することを示す場合、逆変換部２０６は、変換された変換係数（変換結果）を再変換する。
　［加算部］
　加算部２０８は、逆変換部２０６からの入力である予測誤差と予測制御部２２０からの入力である予測信号とを加算することによりカレントブロックを再構成する。そして、加算部２０８は、再構成されたブロックをブロックメモリ２１０及びループフィルタ部２１２に出力する。
　［ブロックメモリ］
　ブロックメモリ２１０は、イントラ予測で参照されるブロックであって復号対象ピクチャ（以下、カレントピクチャという）内のブロックを格納するための記憶部である。具体的には、ブロックメモリ２１０は、加算部２０８から出力された再構成ブロックを格納する。
　［ループフィルタ部］
　ループフィルタ部２１２は、加算部２０８によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ２１４及び表示装置等に出力する。
　符号化ビットストリームから読み解かれたＡＬＦのオン／オフを示す情報がＡＬＦのオンを示す場合、局所的な勾配の方向及び活性度に基づいて複数のフィルタの中から１つのフィルタが選択され、選択されたフィルタが再構成ブロックに適用される。
　［フレームメモリ］
　フレームメモリ２１４は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ２１４は、ループフィルタ部２１２によってフィルタされた再構成ブロックを格納する。
　［イントラ予測部］
　イントラ予測部２１６は、符号化ビットストリームから読み解かれたイントラ予測モードに基づいて、ブロックメモリ２１０に格納されたカレントピクチャ内のブロックを参照してイントラ予測を行うことで、予測信号（イントラ予測信号）を生成する。具体的には、イントラ予測部２１６は、カレントブロックに隣接するブロックのサンプル（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部２２０に出力する。
　なお、色差ブロックのイントラ予測において輝度ブロックを参照するイントラ予測モードが選択されている場合は、イントラ予測部２１６は、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分を予測してもよい。
　また、符号化ビットストリームから読み解かれた情報がＰＤＰＣの適用を示す場合、イントラ予測部２１６は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正する。
　［インター予測部］
　インター予測部２１８は、フレームメモリ２１４に格納された参照ピクチャを参照して、カレントブロックを予測する。予測は、カレントブロック又はカレントブロック内のサブブロック（例えば４ｘ４ブロック）の単位で行われる。例えば、インター予測部１２６は、符号化ビットストリームから読み解かれた動き情報（例えば動きベクトル）を用いて動き補償を行うことでカレントブロック又はサブブロックのインター予測信号を生成し、インター予測信号を予測制御部１２８に出力する。
　なお、符号化ビットストリームから読み解かれた情報がＯＢＭＣモードを適用することを示す場合、インター予測部２１８は、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号を生成する。
　また、符号化ビットストリームから読み解かれた情報がＦＲＵＣモードを適用することを示す場合、インター予測部２１８は、符号化ストリームから読み解かれたパターンマッチングの方法（バイラテラルマッチング又はテンプレートマッチング）に従って動き探索を行うことにより動き情報を導出する。そして、インター予測部２１８は、導出された動き情報を用いて動き補償を行う。
　また、インター予測部２１８は、ＢＩＯモードが適用される場合に、等速直線運動を仮定したモデルに基づいて動きベクトルを導出する。また、符号化ビットストリームから読み解かれた情報がアフィン動き補償予測モードを適用することを示す場合には、インター予測部２１８は、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出する。
　［予測制御部］
　予測制御部２２０は、イントラ予測信号及びインター予測信号のいずれかを選択し、選択した信号を予測信号として加算部２０８に出力する。
　（実施の形態２）
　次に、以上のように構成された符号化装置１００及び復号装置２００において行われる一部の処理について図面を参照しながら具体的に説明する。なお、本開示の利益をさらに拡大するために、後述の各実施の形態を組み合わせてもよいことは、当業者には明らかであろう。
　本実施の形態における符号化装置および復号装置などは、任意のマルチメディアデータの符号化および復号に使用することができ、より具体的には、ノンレクティリニアの（例えばフィッシュアイ）カメラに撮像された画像の符号化および復号において使用することができる。
　ここで、上述の先行技術では、処理された画像およびレクティリニア・レンズによって直接撮像された画像の圧縮には、これまでと同じ動画像符号化ツールが使用される。この種の処理画像を異なる方法で圧縮するために特別に、カスタマイズされた動画像符号化ツールは先行技術には存在しない。
　一般的には、はじめに複数のカメラによって撮像され、複数のカメラによって撮像された画像が繋ぎ合わせられて大きな画像が、３６０度画像として作成される。平面状のディスプレイでより快適に画像を表示することができるように、または、機械学習技術を用いて画像中の対象物をより容易に検出可能にするために、画像の符号化を行う前に「魚眼レンズの歪みを補正（ｄｅｆｉｓｈ）する」こと、または直線的にするための画像補正を含む画像変換処理を行う場合がある。しかしながら、この画像変換処理では、通常、画像サンプルを補間するため、画像内に保持される情報に重複部分が生じる。また、繋ぎ合わせ処理および画像変換処理により、画像内に空き領域が形成される場合があり、これは通常はデフォルトの画素値（例えば黒色画素）で埋められる。繋ぎ合わせ処理と画像変換処理によって生じたこのような問題は、符号化処理の符号化効率を低減させる要因となる。
　これらの問題を解決するために、本実施の形態では、カスタマイズされた動画像符号化ツールおよび動画像復号ツールとして適応的動画像符号化ツールおよび適応的動画像復号ツールを用いる。符号化効率を向上させるために、この適応的動画像符号化ツールは、エンコーダに先立って画像を処理するために用いられる画像変換処理または画像繋ぎ合わせ処理に適応できる。本開示は、符号化処理中に適応的動画像符号化ツールを上述のような処理に適応することによって、これらの処理で生じたあらゆる重複を低減することができる。適応的動画像復号ツールについても、適応的動画像符号化ツールと同様である。
　本実施の形態では、画像変換処理または／および画像繋ぎ合わせ処理の情報を使用して動画像符号化ツールおよび動画像復号ツールを適応させる。そのため、動画像符号化ツールおよび動画像復号ツールは異なる種類の処理済み画像に適用可能である。したがって、本実施の形態では、圧縮効率を向上させることができる。
　［符号化処理］
　図１１に示す本開示の実施の形態２による、ノンレクティリニア・レンズを使用して撮像された画像に動画像符号化を行う方法について説明する。なお、ノンレクティリニア・レンズは、広角レンズまたはその一例である。
　図１１は、本実施の形態における動画像符号化処理の一例を示すフローチャートである。
　ステップＳ１０１では、符号化装置はパラメータ一式をヘッダに書き込む。図１２は、圧縮された動画像ビットストリームにおいて上記ヘッダの可能な位置を示す。書き込まれたパラメータ（すなわち図１２中のカメラ画像パラメータ）は、画像補正処理に関する１以上のパラメータを含む。例えば、このようなパラメータは、図１２に示すように、ビデオパラメータセット、シーケンスパラメータセット、ピクチャパラメータセット、スライスヘッダ、またはビデオシステムセットアップパラメータセットに書き込まれる。つまり、本実施の形態において書き込まれるパラメータは、ビットストリームの何れのヘッダに書き込まれてもよく、ＳＥＩ（Supplemental Enhancement Information）に書き込まれてもよい。なお、画像補正処理は、上述の画像変換処理に相当する。
　＜画像補正処理のパラメータの例＞
　図１３に示すように、撮像された画像は、画像の撮像中に使用されるレンズの特性により歪んでいてもよい。また、撮像された画像を直線的に補正するために画像補正処理を使用した。なお、撮像された画像を直線的に補正することによって、矩形の画像が生成される。書き込まれたパラメータは、使用された画像補正処理を特定するため、または記述するためのパラメータを含む。画像補正処理で使用されるパラメータは、一例として、入力画像の画素を、画像補正処理の意図した出力画素値にマッピングするためのマッピングテーブルを構成するパラメータを含む。これらのパラメータは、１以上の補間処理用の重みパラメータ、または／およびピクチャの入力画素および出力画素の位置を特定する位置パラメータを含んでもよい。画像補正処理の可能な実施例の一つとして、画像補正処理用のマッピングテーブルを、補正された画像内のすべての画素に使用してもよい。
　画像補正処理を記述するために用いられるパラメータの他の例としては、複数の予め定義された補正アルゴリズムから一つを選択する選択パラメータと、補正アルゴリズムの複数の所定の方向から一つを選択する、方向パラメータと、または／および補正アルゴリズムを較正するか、微調整するキャリブレーションパラメータとが含まれる。例えば、複数の予め定義された補正アルゴリズムがある場合（例えば、異なるアルゴリズムが異なる種類のレンズに用いられる場合）、選択パラメータは、これらの予め定義されたアルゴリズムのうちから１つを選択するために用いられる。例えば、補正アルゴリズムを適用することができる２以上の方向がある場合（例えば、水平方向、垂直方向、またはどちらの方向でも画像補正処理を行うことができる場合）、方向パラメータは、これらの予め定義された方向のうちの１つを選択する。画像補正処理を較正することができる場合、キャリブレーションパラメータにより、異なる種類のレンズに適合するように画像補正処理を調整することができる。
　＜繋ぎ合わせ処理のパラメータの例＞
　書き込まれたパラメータは、さらに繋ぎ合わせ処理に関する１以上のパラメータを含んでもよい。図１４および図１５に示されるように、符号化装置に入力される画像は、異なるカメラからの複数の画像を組み合わせる繋ぎ合わせ処理の結果、得られたものでもよい。書き込まれたパラメータは、例えば、カメラの数、歪み中心または各カメラの主軸、および歪みレベルなどの繋ぎ合わせ処理に関する情報を提供するパラメータを含む。繋ぎ合わせ処理について記述するパラメータの別の例では、複数の画像からの重複する画素によって生成される、繋ぎ合わせられた画像の位置を特定するパラメータを含む。これらの画像の各々は、カメラの角度に重複する領域が存在することがあるため、他の画像に現れてもよい画素を含んでいてもよい。繋ぎ合わせ処理において、これらの重複する画素を処理して減らし、繋ぎ合わせられた画像を生成する。
　繋ぎ合わせ処理について記述するパラメータの別の例としては、繋ぎ合わせられた画像のレイアウトを特定するパラメータを含む。例えば、正距円筒図法、立方体の３ｘ２レイアウトおよび立方体の４ｘ３レイアウトなどの３６０度画像の形式によって、繋ぎ合わせられた画像内の画像の配置は異なる。なお、３×２レイアウトは、３列２行に配置された６個の画像のレイアウトであり、４×３レイアウトは、４列３行に配置された１２個の画像のレイアウトである。上記パラメータである配置パラメータは、画像の配置に基づいて、ある方向での画像の連続性を特定するために使用される。動き補償処理中に、他の画像またはビューからの画素を画面間予測処理に使用することができ、これらの画像またはビューは配置パラメータによって特定される。いくつかの画像または画像中の画素も連続性を確保するために回転する必要がある場合がある。
　パラメータの他の例としては、カメラおよびレンズのパラメータが挙げられる（例えば、カメラにおいて使用される焦点距離、主点、スケール係数、イメージセンサの形式など）。パラメータのさらに他の例としては、カメラの配置に関する物理的情報（例えば、カメラの位置、カメラの角度など）がある。
　次に、ステップＳ１０２において、符号化装置は、書き込まれたこれらのパラメータに基づく適応的動画像符号化ツールによって画像を符号化する。適応的動画像符号化ツールには、画面間予測処理が含まれる。適応的動画像符号化ツールの一式には、さらに画像再構成処理が含まれてもよい。
　＜画面間予測での歪み補正＞
　図１６は、画像がノンレクティリニア・レンズを使用して撮像されると特定される場合、または、画像が直線的に処理されると特定される場合、または、画像が１以上の画像から繋ぎ合わせられたと特定される場合に、適応される画面間予測処理を示すフローチャートである。図１６に示すように、ステップＳ１９０１において、符号化装置は、ヘッダに書き込まれたパラメータに基づき、画像内のある位置が歪み中心または主点であると判定する。図１７は、魚眼レンズによって生じた歪曲収差の一例を示す。なお、魚眼レンズは広角レンズの一例である。歪み中心から遠くなるにつれて、拡大は焦点軸に沿って減少する。したがって、ステップＳ１９０２では、符号化装置は、歪み中心に基づいて、画像を直線的にするために、画像内の画素をラッピング処理して歪みを補正するか、または行われた補正を元に戻すことができる。つまり、符号化装置は、符号化の処理の対象とされる歪んだ画像のブロックに対して画像補正処理（すなわちラッピング処理）を行う。最後に、符号化装置は、ラッピング処理された画像の画素に基づいて、ステップＳ１９０３において、予測サンプルのブロックを導き出すブロック予測を行うことができる。なお、本実施の形態におけるラッピング処理またはラッピングは、画素、ブロックまたは画像を、配置または再配置する処理である。また、符号化装置は、予測されたブロックである予測ブロックを画像補正処理が行われる前の元の歪んだ状態に戻し、歪んだ状態の予想ブロックを歪んだ処理対象ブロックの予測画像として用いもよい。なお、予測画像および処理対象ブロックは、実施の形態１の予測信号およびカレントブロックに相当する。
　適応された画面間予測処理の別の例には、適応された動きベクトル処理が含まれる。動きベクトルの解像度は、歪み中心から近い画像ブロックよりも、歪み中心から遠い画像ブロックの方が低い。例えば、歪み中心から遠い画像ブロックは、半画素精度までの動きベクトルの精度を有してもよい。一方、歪み中心に近い画像ブロックは、１／８画素精度までという高い動きベクトル精度を有してもよい。適応した動きベクトル精度には、画像ブロック位置に基づき差が生じるため、ビットストリームにおいて符号化された動きベクトルの精度は、動きベクトルの終了位置および／または開始位置に応じて、適応可能であってもよい。つまり、符号化装置は、パラメータを用いて、動きベクトルの精度をブロックの位置に応じて異ならせてもよい。
　適応した画面間予測処理の別の例には、適応した動き補償処理が含まれ、この動き補償処理においては、ヘッダにおいて書き込まれた配置パラメータに基づいた対象のビューからの画像サンプルを予測するために、異なるビューからの画素を使用してもよい。例えば、正距円筒図法、立方体の３ｘ２のレイアウト、立方体の４ｘ３のレイアウトなどの３６０度の画像形式によって、繋ぎ合わせられた画像内の画像の配置は異なる。配置パラメータは、画像の配置に基づき、一定方向での画像の連続性を特定するために使用される。動き補償処理中に、他の画像または他のビューからの画素を画面間予測処理に使用することができ、これらの画像またはビューは配置パラメータによって特定される。いくつかの画像または画像中の画素も連続性を確保するために回転する必要がある場合がある。
　つまり、符号化装置は、連続性を確保する処理を行ってもよい。例えば、符号化装置は、図１５に示す繋ぎ合わせ画像を符号化する場合、そのパラメータに基づいてラッピング処理を行ってもよい。具体的には、繋ぎ合わせ画像に含まれる５つの画像（すなわち画像Ａ～Ｄとトップビュー）のうち、トップビューは、１８０度画像であり、画像Ａ～Ｄは９０度画像である。したがって、トップビューに映し出されている空間は、画像Ａ～Ｄのそれぞれに映し出されている空間と連続し、画像Ａに映し出されている空間と、画像Ｂに映し出されている空間とは連続している。しかし、繋ぎ合わせ画像では、トップビューは、画像Ａ，ＣおよびＤと連続しておらず、画像Ａは画像Ｂと連続していない。そこで、符号化装置は、符号化効率を向上するために、上述のラッピング処理を行う。つまり、符号化装置は、繋ぎ合わせ画像に含まれる各画像を再配置する。例えば、符号化装置は、画像Ａと画像Ｂとが連続するように各画像を再配置する。これにより、画像Ａおよび画像Ｂに分離されて映し出されているオブジェクトが連続し、符号化効率を向上することができる。なお、このような各画像を再配置または配置する処理であるラッピング処理は、フレームパッキングともいう。
　＜画面間予測でのパディング＞
　図１８は、画像がノンレクティリニア・レンズを使用して撮像されていると特定される場合、または画像が直線的に処理されると特定される場合、または、画像が２つ以上の画像から繋ぎ合わせられたと特定される場合に、適応される画面間予測処理の変形例を示すフローチャートである。図１８に示すように、符号化装置は、ヘッダに書き込まれたパラメータに基づいて、画像の領域がステップＳ２００１において空き領域であると特定する。これらの空き領域は、撮像された画像の画素を含んでいない画像の領域であり、一般的には、所定の画素値（例えば、黒色画素）で置換される。図１３は、画像内のこれらの領域の一例を示す図である。図１５は、複数の画像を繋ぎ合わせる場合における、これらの領域の別の例を示す図である。次に、符号化装置は、図１８のステップＳ２００２において、特定されたこれらの領域内の画素を、動き補償処理を行っている間に、画像の空き領域ではない他の領域の値でパディング処理する。パディング処理された値は、物理的な３次元の空間に応じて、空き領域ではない領域における最も近い画素からの値、または最も近い画素からの値であってもよい。最後に、ステップＳ２００３において、符号化装置は、パディング処理された値に基づいて予測サンプルのブロックを生成するためにブロック予測を行う。
　＜画像再構成での歪み補正＞
　図１９は、画像がノンレクティリニア・レンズを使用して撮像されていると特定される場合、または、画像が直線的に処理されると特定される場合、または、画像が２以上の画像から繋ぎ合わせらされたと特定される場合に、適応される画像再構成処理を示すフローチャートである。図１９に示すように、符号化装置は、ヘッダに書き込まれたパラメータに基づいて、画像内の位置を、ステップＳ１８０１において歪み中心または主点として判定する。図１７は、魚眼レンズによって生じた歪曲収差の一例を示す。焦点の軸芯が歪み中心から離れるにつれて、拡大は焦点の軸芯に沿って減少する。したがって、ステップＳ１８０２では、符号化装置は、歪み中心に基づいて、画像内の再構成画素に対して、歪みを補正するか、または画像を直線的にするために行われた補正を元に戻すために、ラッピング処理を行ってもよい。例えば、符号化装置は、逆変換によって生成される予測誤差の画像と、予測画像とを加算することによって、再構成画像を生成する。このとき、符号化装置は、予測誤差の画像および予測画像のそれぞれを直線的にするためにラッピング処理を行う。
　最後に、ステップＳ１８０３において、符号化装置は、ラッピング処理が行われた画像の画素に基づいて再構成された画像のブロックを、メモリに格納する。
　＜画像再構成での画素値の置き換え＞
　図２０は、画像がノンレクティリニア・レンズを使用して撮像されていると特定される場合、または、画像が直線的に処理されると特定される場合、または、画像が１以上の画像から繋ぎ合わせらされたと特定される場合に、適応される画像再構成処理の変形例を示す。図２０に示すように、ヘッダに書き込まれたパラメータに基づいて、ステップＳ２１０１において、符号化装置は、画像の領域を空き領域として特定する。これらの空き領域は、撮像された画像の画素を含んでおらず、一般的に所定の画素値（例えば黒色画素）と置換される画像の領域である。図１３は、画像においてこれらの領域の一例を示す図である。図１５は、複数の画像を繋ぎ合わせる場合における、これらの領域の別の例を示す図である。次に、ステップＳ２１０２において、符号化装置は、画像サンプルのブロックを再構成する。
　また、ステップＳ２１０３において、符号化装置は、これらの特定された領域内の再構成された画素を、所定の画素値と置き換える。
　＜符号化処理の省略＞
　図１１のステップＳ１０２において、適応的動画像符号化ツールについて可能な別の変形例では、画像の符号化処理を省略してもよい。つまり、画像のレイアウト配置に関して書き込まれたパラメータ、およびユーザの目の視線または頭の方向に基づくアクティブなビュー領域についての情報に基づいて、符号化装置は、画像の符号化処理を省略してもよい。すなわち、符号化装置は部分符号化処理を行う。
　図２１は、異なるカメラによって撮像された異なるビューに関する、ユーザの視線の視角または頭の向きの一例を示す。同図に示すように、ユーザの視角はビュー１のみからのカメラによって撮像された画像内にある。この例においては、他のビューからの画像は、ユーザの視角外にあるため符号化する必要はない。そのため、符号化の複雑さを低減させるため、または圧縮画像の送信ビットレートを低減させるために、これらの画像に対する符号化処理または送信処理を省略することができる。図示している別の可能な一例において、ビュー５およびビュー２はアクティブなビュー１に物理的に近接しているため、ビュー５からの画像、およびビュー２からの画像も、符号化されて送信される。これらの画像は、現時点ではビューアまたはユーザに表示されないが、ビューアが自身の頭の向きを変える時に、ビューアまたはユーザに表示される。これらの画像は、ビューアが自身の頭の方向を変える時に、ユーザの視聴体感を向上させるために使用される。
　図２２は、ユーザの異なるカメラによって撮像された異なるビューに対する視線の角度または頭の向きの別の一例を示す。ここでは、アクティブな視線領域は、ビュー２からの画像内にある。したがって、ビュー２からの画像が符号化されてユーザに表示される。ここでは、符号化装置は、ビューアの頭が近々動くと推定される範囲を予測して、今後のフレームの視線領域になる可能性がある範囲として、より広い領域を定義する。符号化装置は、対象のアクティブな視線領域内ではなく、より広い今後の視線領域内にある（ビュー２以外の）ビューからの画像も符号化し、ビューアの方でビューをより速く描画できるように送信する。つまり、ビュー２からの画像だけでなく、図２２に示す可能視線領域に少なくとも一部が重複する、トップビューおよびビュー１からの画像も符号化されて送信される。残りのビュー（ビュー３、ビュー４、およびボトムビュー）からの画像は符号化されず、これらの画像の符号化処理は省略される。
　［符号化装置］
　図２３は、本実施の形態における動画像を符号化する符号化装置の構成を示すブロック図である。
　符号化装置９００は、出力ビットストリームを生成するために、ブロックごとに入力動画像を符号化するための装置であって、実施の形態１の符号化装置１００に相当する。図２３に示すように、符号化装置９００は、変換部９０１、量子化部９０２、逆量子化部９０３、逆変換部９０４、ブロックメモリ９０５、フレームメモリ９０６、イントラ予測部９０７、インター予測部９０８、減算部９２１、加算部９２２、エントロピー符号化部９０９、およびパラメータ導出部９１０を備える。
　入力動画像の画像（すなわち処理対象ブロック）は、減算部９２１へ入力され、減算された値は変換部９０１に出力される。つまり、減算部９２１は、処理対象ブロックから予測画像を減算することによって、予測誤差を算出する。変換部９０１は、減算された値（すなわち予測誤差）を周波数係数に変換し、得られた周波数係数を量子化部９０２に出力する。量子化部９０２は、入力された周波数係数を量子化し、逆量子化部９０３およびエントロピー符号化部９０９に、得られた量子化値を出力する。
　逆量子化部９０３は、量子化部９０２から出力されたサンプル値（すなわち量子化値）を逆量子化し、逆変換部９０４に周波数係数を出力する。逆変換部９０４は、周波数係数を画像のサンプル値、すなわち画素値に変換するために逆周波数変換を行い、得られたサンプル値を加算部９２２に出力する。
　パラメータ導出部９１０は、画像補正処理に関するパラメータ、またはカメラに関するパラメータ、または繋ぎ合わせ処理に関するパラメータを画像から導出し、インター予測部９０８と、加算部９２２と、エントロピー符号化部９０９とに出力する。例えば、入力動画像には、これらのパラメータが含まれていてもよく、この場合には、パラメータ導出部９１０は、動画像に含まれるパラメータを抽出して出力する。または、入力動画像には、これらのパラメータを導出するためのベースとなるパラメータが含まれていてもよい。この場合には、パラメータ導出部９１０は、動画像に含まれるベースのパラメータを抽出して、その抽出されたベースのパラメータを、上述の各パラメータに変換して出力する。
　加算部９２２は、逆変換部９０４から出力されたサンプル値を、イントラ予測部９０７またはインター予測部９０８から出力された予測画像の画素値に加算する。つまり、加算部９２２は、再構成画像を生成する画像再構成処理を行う。加算部９２２は、さらなる予測を行うために、ブロックメモリ９０５またはフレームメモリ９０６に、得られた加算値を出力する。
　イントラ予測部９０７は、画面内予測を行う。つまり、イントラ予測部９０７は、ブロックメモリ９０５に格納された、処理対象ブロックのピクチャと同じピクチャに含まれる再構成画像を用いて、処理対象ブロックの画像を推定する。インター予測部９０８は、画面間予測を行う。つまり、インター予測部９０８は、フレームメモリ９０６に格納された、処理対象ブロックのピクチャと異なるピクチャに含まれる再構成画像を用いて、処理対象ブロックの画像を推定する。
　ここで、本実施の形態では、インター予測部９０８および加算部９２２は、パラメータ導出部９１０によって導出されたパラメータに基づいて処理を適応させる。つまり、インター予測部９０８および加算部９２２は、上述の適応的動画像符号化ツールによる処理として、図１６、図１８、図１９および図２０に示すフローチャートにしたがった処理を行う。
　エントロピー符号化部９０９は、量子化部９０２から出力された量子化値と、パラメータ導出部９１０によって導出されたパラメータとを符号化し、ビットストリームを出力する。つまり、エントロピー符号化部９０９は、そのパラメータをビットストリームのヘッダに書き込む。
　［復号処理］
　図２４は、本実施の形態における動画像復号処理の一例を示すフローチャートである。
　ステップＳ２０１では、復号装置は、パラメータ一式をヘッダから読み解く。図１２は、圧縮された動画像ビットストリームにおいて上記ヘッダの可能な位置を示す。読み解かれたパラメータは、画像補正処理に関する１以上のパラメータを含む。
　＜画像補正処理のパラメータの例＞
　図１３に示すように、撮像された画像は、画像の撮像中に使用されるレンズの特性により歪んでいてもよい。また、撮像された画像を直線的に補正するために画像補正処理を使用した。読み解かれたパラメータは、使用された画像補正処理を特定する、または使用された画像補正処理を記載するためのパラメータを含む。画像補正処理において使用されるパラメータの例には、画像補正処理の意図した出力画素値に入力画像の画素をマッピングするためのマッピングテーブルを構成するパラメータを含む。これらのパラメータは、１以上の補間処理用の重みパラメータ、または／およびピクチャの入力画素および出力画素の位置を特定する位置パラメータを含んでもよい。画像補正処理の可能な一実施例において、画像補正処理用のマッピングテーブルは、補正された画像内のすべての画素に使用されてもよい。
　画像補正処理を記載するために用いられるパラメータの他の例としては、予め定義された複数の補正アルゴリズムから一つを選択するための選択パラメータと、補正アルゴリズムの複数の所定の方向からの一つを選択するための方向パラメータと、または／および補正アルゴリズムを較正、または微調整するためのキャリブレーションパラメータとが含まれる。例えば、予め定義された複数の補正アルゴリズムがある場合（例えば、異なるアルゴリズムが異なる種類のレンズに使用される場合）、選択パラメータは、予め定義されたこれらのアルゴリズムのうちの１つを選択するために使用される。例えば、補正アルゴリズムを適用することができる方向が２つ以上ある場合（例えば、水平方向、垂直方向、またはどちらの方向でも画像補正処理を行うことが可能な場合）、方向パラメータは、予め定義されたこれらの方向のうちの１つを選択する。例えば、画像補正処理を較正することができる場合、キャリブレーションパラメータにより、異なる種類のレンズに適合するように画像補正処理を調整することができる。
　＜繋ぎ合わせ処理のパラメータの例＞
　読み解かれたパラメータは、さらに繋ぎ合わせ処理に関する１以上のパラメータを含んでもよい。図１４および図１５に示すように、復号装置に入力される符号化された画像は、異なるカメラからの複数の画像を組み合わせる繋ぎ合わせ処理の結果、得られたものでもよい。読み解かれたパラメータは、例えば、カメラの数、歪み中心、または各カメラの主軸、および歪みレベルなどの繋ぎ合わせ処理に関する情報を提供するパラメータを含む。繋ぎ合わせ処理について記載するパラメータの別の例としては、複数の画像からの重複する画素から生成される、繋ぎ合わせられた画像の位置を特定するパラメータがある。これらの画像の各々は、カメラの角度に重複する領域が存在することがあるため、他の画像に現れてもよい画素を含んでいてもよい。この繋ぎ合わせ処理において、これらの重複する画素を処理して減らし、繋ぎ合わせられた画像を生成する。
　繋ぎ合わせ処理について記述するパラメータの別の例としては、繋ぎ合わせられた画像のレイアウトを特定するパラメータを含む。例えば、正距円筒図法、立方体の３ｘ２のレイアウトまたは立方体の４ｘ３のレイアウトなどの３６０度画像の形式によって、繋ぎ合わせられた画像内の画像の配置は異なる。上記パラメータである配置パラメータは、画像の配置に基づいて、ある方向での画像の連続性を特定するために使用される。動き補償処理中に、他の画像またはビューからの画素を画面間予測処理に使用することができ、これらの画像またはビューは配置パラメータによって特定される。いくつかの画像または画像中の画素も連続性を確保するために回転する必要がある場合がある。
　パラメータの他の例としては、カメラおよびレンズのパラメータが挙げられる（例えば、カメラにおいて使用される焦点距離、主点、スケール係数、イメージセンサの形式など）。パラメータのさらに他の例としては、カメラの配置に関する物理的情報（例えば、カメラの位置、カメラの角度など）がある。
　次に、ステップＳ２０２において、復号装置は、読み解かれたこれらのパラメータに基づく適応的動画像復号ツールによって画像を復号する。適応的動画像復号ツールには、画面間予測処理が含まれる。適応的動画像復号ツールの一式には、画像再構成処理が含まれてもよい。なお、動画像復号ツールまたは適応的動画像復号ツールは、上述の動画像符号化ツールまたは適応的動画像符号化ツールと同一またはそれに対応するツールである。
　＜画面間予測での歪み補正＞
　図１６は、画像がノンレクティリニア・レンズを使用して撮像されると特定される場合、または、画像が直線的に処理されると特定される場合、または、画像が１以上の画像から繋ぎ合わせられたと特定される場合に、適応される画面間予測処理を示すフローチャートである。図１６に示すように、ステップＳ１９０１において、復号装置は、ヘッダに書き込まれたパラメータに基づき、画像内のある位置が歪み中心または主点であると判定する。図１７は、魚眼レンズによって生じた歪曲収差の一例を示す。焦点軸が歪み中心から離れるにつれて、拡大は焦点軸に沿って減少する。したがって、ステップＳ１９０２では、復号装置は、歪み中心に基づいて、歪みを補正するか、または画像を直線的にするために行われた補正を元に戻すために、画像内の画素に対してラッピング処理を行ってもよい。つまり、復号装置は、復号の処理の対象とされる歪んだ画像のブロックに対して画像補正処理（すなわちラッピング処理）を行う。最後に、復号装置は、ステップＳ１９０３において、ラッピング処理が行われた画像の画素に基づいて、予測サンプルのブロックを導き出すブロック予測を行うことができる。また、復号装置は、予測されたブロックである予測ブロックを画像補正処理が行われる前の元の歪んだ状態に戻し、歪んだ状態の予想ブロックを歪んだ処理対象ブロックの予測画像として用いもよい。
　適応された画面間予測処理の別の例には、適応された動きベクトル処理が含まれる。動きベクトルの解像度は、歪み中心から近い画像ブロックよりも、歪み中心から遠い画像ブロックの方が低い。例えば、歪み中心から遠い画像ブロックは、半画素精度までの動きベクトル精度を有してもよい。一方、歪み中心に近い画像ブロックは、１／８画素精度までという高い動きベクトル精度を有してもよい。適応した動きベクトル精度には、画像ブロック位置に基づき差が生じるため、ビットストリームにおいて符号化された動きベクトル精度は、動きベクトルの終了位置および／または開始位置に応じて、適応的であってもよい。つまり、復号装置は、パラメータを用いて、動きベクトルの精度をブロックの位置に応じて異ならせてもよい。
　適応した画面間予測処理の別の例には、適応した動き補償処理が含まれ、この動き補償処理においては、ヘッダにおいて書き込まれた配置パラメータに基づいた対象のビューからの画像サンプルを予測するために、異なるビューからの画素を使用してもよい。例えば、正距円筒図法、立方体の３ｘ２のレイアウト、立方体の４ｘ３のレイアウトなどの３６０度画像の形式によって、繋ぎ合わせられた画像内の画像の配置は異なる。配置パラメータは、画像の配置に基づき、一定方向での画像の連続性を特定するために使用される。動き補償処理中に、他の画像または他のビューからの画素を画面間予測処理に使用することができ、これらの画像またはビューは配置パラメータによって特定される。いくつかの画像または画像中の画素も連続性を確保するために回転する必要がある場合がある。
　つまり、復号装置は、連続性を確保する処理を行ってもよい。例えば、復号装置は、図１５に示す繋ぎ合わせ画像を符号化する場合、そのパラメータに基づいてラッピング処理を行ってもよい。具体的には、復号装置は、上述の符号化装置と同様に、画像Ａと画像Ｂとが連続するように各画像を再配置する。これにより、画像Ａおよび画像Ｂに分離されて映し出されているオブジェクトが連続し、符号化効率を向上することができる。
　＜画面間予測でのパディング＞
　図１８は、画像がノンレクティリニア・レンズを使用して撮像されていると特定される場合、または画像が直線的に処理されると特定される場合、または、画像が２つ以上の画像から繋ぎ合わせられたと特定される場合に、適応される画面間予測処理の変形例を示すフローチャートである。図１８に示されるように、復号装置は、ヘッダから読み解かれたパラメータに基づいて、画像の領域がステップＳ２００１において空き領域であると特定する。これらの空き領域は、撮像された画像の画素を含んでおらず、一般的に所定の画素値（例えば、黒色画素）と置き換えられる画像の領域である。図１３は、画像内におけるこれらの領域の例を示す。図１５は、複数の画像を繋ぎ合わせる場合における、これらの領域の別の例を示す図である。次に、復号装置は、図１８のステップＳ２００２において、これらの特定された領域内の画素を、動き補償処理中に、画像の他の空き領域ではない他の領域の値でパディング処理する。パディング処理された値は、物理的な３次元の空間に応じて、空き領域ではない領域における最も近い画素、または最も近い画素からの値であってもよい。最後に、ステップＳ２００３において、復号装置は、パディング処理された値に基づいて予測サンプルのブロックを生成するためにブロック予測を行う。
　＜画像再構成での歪み補正＞
　図１９は、画像がノンレクティリニア・レンズを使用して撮像されていると特定される場合、または、画像が直線的に処理されると特定される場合、または、画像が２以上の画像から繋ぎ合わせられたと特定される場合に、適応される画像再構成処理を示すフローチャートである。図１９に示すように、復号装置は、ヘッダから読み解かれたパラメータに基づいて、画像内の位置を、ステップＳ１８０１において歪み中心または主点として判定する。図１７は、魚眼レンズによって生じた歪曲収差の一例を示す。焦点の軸芯が歪み中心から離れるにつれて、拡大は焦点の軸芯に沿って減少する。したがって、ステップＳ１８０２では、復号装置は、歪み中心に基づいて、画像内の再構成画素に対して、歪みを補正するか、または画像を直線的にするために行われた補正を元に戻すために、ラッピング処理を行ってもよい。例えば、復号装置は、逆変換によって生成される予測誤差の画像と、予測画像とを加算することによって、再構成画像を生成する。このとき、復号装置は、予測誤差の画像および予測画像のそれぞれを直線的にするためにラッピング処理を行う。
　最後に、ステップＳ１８０３において、復号装置は、ラッピング処理が行われた画像の画素に基づいて、再構成された画像のブロックを、メモリに格納する。
　＜画像再構成での画素値の置き換え＞
　図２０は、画像がノンレクティリニア・レンズを使用して撮像されていると特定される場合、または、画像が直線的に処理されると特定される場合、または、画像が１以上の画像から繋ぎ合わせらされたと特定される場合に、適応される画像再構成処理の変形例を示す。図２０に示すように、ヘッダから読み解かれたパラメータに基づいて、ステップＳ２００１において、復号装置は、画像の領域を空き領域として特定する。これらの空き領域は、撮像された画像の画素を含んでおらず、一般的に所定の画素値（例えば黒色画素）と置換される画像の領域である。図１３は、画像におけるこれらの領域の例を示す。図１５は、複数の画像を繋ぎ合わせる場合における、これらの領域の別の例を示す図である。次に、ステップＳ２１０２において、復号装置は、画像サンプルのブロックを再構成する。
　また、ステップＳ２１０３において、復号装置は、これらの特定された領域内の再構成された画素を、所定の画素値と置き換える。
　＜復号処理の省略＞
　図２４のステップＳ２０２において、画像の適応的動画像復号ツールの別の可能な変形例では、画像の復号処理を省略してもよい。つまり、画像のレイアウト配置に関して読み解かれたパラメータ、およびユーザの目の視線または頭の方向に基づくアクティブなビュー領域についての情報に基づいて、復号装置は、画像の復号処理を省略してもよい。すなわち、復号装置は部分復号処理を行う。
　図２１は、異なるカメラによって撮像された異なるビューに関する、ユーザの視線の視角または頭の向きの一例を示す。同図に示すように、ユーザの視角はビュー１のみからのカメラによって撮像された画像内にある。この例においては、他のビューからの画像は、ユーザの視角外にあるため復号する必要はない。そのため、復号の複雑さを低減させるため、または圧縮画像の送信ビットレートを低減させるために、これらの画像に対する復号処理または表示処理を省略することができる。図示している別の可能な一例において、ビュー５およびビュー２はアクティブなビュー１に物理的に近接しているため、ビュー５からの画像、およびビュー２からの画像も、復号される。これらの画像は、現時点ではビューアまたはユーザに表示されないが、ビューアが自身の頭の向きを変える時に、ビューアまたはユーザに表示される。ユーザの頭の動きに応じてビューを復号して表示する時間を低減させることにより、ユーザが頭の向きを変更する時に、ユーザの視聴体感を向上させるために、これらの画像が可能な限り早く表示される。
　図２２は、ユーザの異なるカメラによって撮像された異なるビューに対する視線の角度または頭の向きの別の一例を示す。ここでは、アクティブな視線領域は、ビュー２からの画像内にある。したがって、ビュー２からの画像が復号されてユーザに表示される。ここでは、復号装置は、ビューアの頭が近々動くと推定される範囲を予測して、今後のフレームの視線領域になる可能性がある範囲として、より広い領域を定義する。復号装置は、対象のアクティブな視線領域内ではなく、より広い今後の視線領域内にある（ビュー２以外の）ビューからの画像も復号する。つまり、ビュー２からの画像だけでなく、図２２に示す可能視線領域に少なくとも一部が重複する、トップビューおよびビュー１からの画像も復号される。これにより、ビューアの方でビューをより速く描画できるように画像が表示される。残りのビュー（ビュー３、ビュー４、および下のビュー）からの画像は復号されず、これらの画像の復号処理は省略される。
　［復号装置］
　図２５は、本実施の形態における動画像を復号する復号装置の構成を示すブロック図である。
　復号装置１０００は、復号動画像を生成するために、ブロックごとに、入力された符号化動画像（すなわち入力ビットストリーム）を復号するための装置であって、実施の形態１の復号装置２００に相当する。図２５に示すように、復号装置１０００は、エントロピー復号部１００１、逆量子化部１００２、逆変換部１００３、ブロックメモリ１００４、フレームメモリ１００５、加算部１０２２、イントラ予測部１００６、およびインター予測部１００７を備える。
　入力ビットストリームは、エントロピー復号部１００１に入力される。その後、エントロピー復号部１００１は、入力ビットストリームに対してエントロピー復号を行い、そのエントロピー復号によって得られた値（すなわち量子化値）を、逆量子化部１００２に出力する。エントロピー復号部１００１は、さらに、入力ビットストリームからパラメータを読み解き、インター予測部１００７および加算部１０２２にそのパラメータを出力する。
　逆量子化部１００２は、エントロピー復号によって得られた値を逆量子化し、逆変換部１００３に周波数係数を出力する。逆変換部１００３は、周波数係数に対して逆周波数変換を行って周波数係数をサンプル値（すなわち画素値）に変換し、得られた画素値を加算部１０２２に出力する。加算部１０２２は、得られた画素値を、イントラ予測部１００６またはインター予測部１００７から出力された予測画像の画素値に加算する。つまり、加算部１０２２は、再構成画像を生成する画像再構成処理を行う。加算部１０２２は、加算によって得られた値（すなわち復号画像）をディスプレイに出力し、さらなる予測を行うために、ブロックメモリ１００４またはフレームメモリ１００５に、その得られた値を出力する。
　イントラ予測部１００６は、画面内予測を行う。つまり、イントラ予測部１００６は、ブロックメモリ１００４に格納された、処理対象ブロックのピクチャと同じピクチャに含まれる再構成画像を用いて、処理対象ブロックの画像を推定する。インター予測部１００７は、画面間予測を行う。つまり、インター予測部１００７は、フレームメモリ１００５に格納された、処理対象ブロックのピクチャと異なるピクチャに含まれる再構成画像を用いて、処理対象ブロックの画像を推定する。
　ここで、本実施の形態では、インター予測部１００７および加算部１０２２は、読み解かれたパラメータに基づいた処理を適応させる。つまり、インター予測部１００７および加算部１０２２は、上述の適応的動画像復号ツールによる処理として、図１６、図１８、図１９および図２０に示すフローチャートにしたがった処理を行う。
　（実施の形態３）
　［符号化処理］
　図２６に示す本開示の実施の形態３による、ノンレクティリニア・レンズを使用して撮像された画像に対して動画像符号化処理を行う方法について説明する。
　図２６は、本実施の形態における動画像符号化処理の一例を示すフローチャートである。
　ステップＳ３０１では、符号化装置はパラメータ一式をヘッダに書き込む。図１２は、圧縮した動画像ビットストリームにおいて上記ヘッダの可能な位置を示す。書き込まれたパラメータには、カメラの位置に関する１以上のパラメータが含まれる。書き込まれたパラメータには、さらにカメラアングルに関するパラメータ、または複数の画像を繋ぎ合わせる方法についての指示に関するパラメータが１以上含まれてもよい。
　パラメータの他の例としては、カメラおよびレンズのパラメータ（例えば、カメラにおいて使用される焦点距離、主点、スケール係数、イメージセンサの形式など）が含まれる。パラメータのさらなる例としては、カメラの配置に関する物理的情報（例えば、カメラの位置、カメラの角度など）が含まれる。
　本実施の形態においてヘッダに書き込まれる上記各パラメータは、カメラパラメータまたは繋ぎ合わせパラメータともいう。
　図１５は、２台以上のカメラからの画像を繋ぎ合わせる方法の一例を示す。図１４は、２台以上のカメラからの画像を繋ぎ合わせる方法の別の例を示す。
　次に、ステップＳ３０２において、符号化装置は画像を符号化する。ステップＳ３０２において、繋ぎ合わせられた画像に基づいて符号化処理が適応されてもよい。例えば、符号化装置は、動き補償処理において、復号された画像と同じ大きさの画像（すなわち、繋ぎ合わされていない画像）の代わりに、より大きな繋ぎ合わせられた画像を、参照画像として参照してもよい。
　最後に、ステップＳ３０３において、符号化装置は、ステップＳ３０２で符号化されて再構成された画像である第１の画像を、書き込まれたパラメータに基づき、第２の画像と繋ぎ合わせて、より大きな画像を作成する。繋ぎ合わせによって得られた画像は未来のフレームの予測（すなわち画面間予測または動き補償）に使用されてもよい。
　図２７は、ヘッダに書き込まれたパラメータが使用される繋ぎ合わせ処理を示すフローチャートである。ステップＳ２４０１において、符号化装置は、カメラパラメータまたは繋ぎ合わせパラメータを、対象の画像に対して書き込まれたパラメータから決定する。同様に、ステップＳ２４０２において、符号化装置は、他の画像のカメラパラメータまたは繋ぎ合わせパラメータを、他の画像に対して書き込まれたパラメータから決定する。最後に、ステップＳ２４０３において、符号化装置は、これらの決定されたパラメータを使用して画像を繋ぎ合わせ、より大きな画像を作成する。これらの決定されたパラメータが、ヘッダに書き込まれる。なお、符号化装置は、符号化効率がより向上されるように複数の画像を配置または再配置するラッピング処理またはフレームパッキングを行ってもよい。
　［符号化装置］
　図２８は、本実施の形態における動画像を符号化する符号化装置の構成を示すブロック図である。
　符号化装置１１００は、出力ビットストリームを生成するために、ブロックごとに入力動画像を符号化するための装置であって、実施の形態１の符号化装置１００に相当する。図２８に示すように、符号化装置１１００は、変換部１１０１、量子化部１１０２、逆量子化部１１０３、逆変換部１１０４、ブロックメモリ１１０５、フレームメモリ１１０６、イントラ予測部１１０７、インター予測部１１０８、減算部１１２１、加算部１１２２、エントロピー符号化部１１０９、パラメータ導出部１１１０、および画像繋ぎ合わせ部１１１１を備える。
　入力動画像の画像（すなわち処理対象ブロック）は、減算部１１２１に入力され、減算された値は変換部１１０１に出力される。つまり、減算部１１２１は、処理対象ブロックから予測画像を減算することによって、予測誤差を算出する。変換部１１０１は、減算された値（すなわち予測誤差）を周波数係数に変換し、得られた周波数係数を量子化部１１０２に出力する。量子化部１１０２は入力された周波数係数を量子化し、逆量子化部１１０３およびエントロピー符号化部１１０９に、得られた量子化値を出力する。
　逆量子化部１１０３は、量子化部１１０２から出力されたサンプル値（すなわち量子化地）を逆量子化し、逆変換部１１０４に周波数係数を出力する。逆変換部１１０４は、逆周波数変換を周波数係数に対して行うことによって、その周波数係数を画像のサンプル値、すなわち画素値に変換し、その結果得られたサンプル値を加算部１１２２に出力する。
　加算部１１２２は、逆変換部１１０４から出力されたサンプル値を、イントラ予測部１１０７またはインター予測部１１０８から出力された予測画像の画素値に加算する。加算部１１２２は、さらなる予測を行うために、ブロックメモリ１１０５またはフレームメモリ１１０６に、得られた加算値を出力する。
　パラメータ導出部１１１０は、実施の形態１と同様に、画像の繋ぎ合わせ処理に関するパラメータ、またはカメラに関するパラメータを画像から導出して、画像繋ぎ合わせ部１１１１およびエントロピー符号化部１１０９に出力する。つまり、このパラメータ導出部１１１０は、図２７に示すステップＳ２４０１およびＳ２４０２の処理を実行する。例えば、入力動画像には、これらのパラメータが含まれていてもよく、この場合には、パラメータ導出部１１１０は、動画像に含まれるパラメータを抽出して出力する。または、入力動画像には、これらのパラメータを導出するためのベースとなるパラメータが含まれていてもよい。この場合には、パラメータ導出部１１１０は、動画像に含まれるベースのパラメータを抽出して、その抽出されたベースのパラメータを、上述の各パラメータに変換して出力する。
　画像繋ぎ合わせ部１１１１は、図２６のステップＳ３０３および図２７のステップＳ２４０３に示すように、パラメータを用いて、再構成された対象画像を他の画像に繋ぎ合わせる。その後、画像繋ぎ合わせ部１１１１は、繋ぎ合わせられた画像をフレームメモリ１１０６に出力する。
　イントラ予測部１１０７は、画面内予測を行う。つまり、イントラ予測部１１０７は、ブロックメモリ１１０５に格納された、処理対象ブロックのピクチャと同じピクチャに含まれる再構成画像を用いて、処理対象ブロックの画像を推定する。インター予測部１１０８は、画面間予測を行う。つまり、インター予測部１１０８は、フレームメモリ１１０６に格納された、処理対象ブロックの画像のピクチャと異なるピクチャに含まれる再構成画像を用いて、処理対象ブロックの画像を推定する。このとき、インター予測部１１０８は、フレームメモリ１１０６に格納されている、画像繋ぎ合わせ部１１１１によって複数の画像が繋ぎ合わされて得られた大きな画像を、参照画像として参照してもよい。
　エントロピー符号化部１１０９は、量子化部１１０２から出力された量子化値を符号化し、パラメータ導出部１１１０からパラメータを取得し、ビットストリームを出力する。つまり、エントロピー符号化部１１０９は、量子化値およびパラメータに対してエントロピー符号化を行い、そのパラメータをビットストリームのヘッダに書き込む。
　［復号処理］
　図２９は、本実施の形態における動画像復号処理の一例を示すフローチャートである。
　ステップＳ４０１では、復号装置は、ヘッダからパラメータ一式を読み解く。図１２は、圧縮したビデオビットストリームにおける上記ヘッダの可能な位置を示す。読み解かれたパラメータは、カメラの位置に関する１以上のパラメータを含む。読み解かれたパラメータは、さらにカメラアングルに関するパラメータ、または複数の画像を繋ぎ合わせる方法についての指示に関するパラメータが１以上含まれてもよい。パラメータの他の例としては、カメラとレンズのパラメータ（例えばカメラにおいて使用される焦点距離、主点、スケール係数、イメージセンサの形式など）が含まれる。パラメータのさらなる例としては、カメラの配置に関する物理的情報（例えば、カメラの位置、カメラの角度など）が含まれる。
　図１５は、２台以上のカメラからの画像を繋ぎ合わせられる方法の一例を示す。図１４は、２台以上のカメラからの画像を繋ぎ合わせられる方法の別の例を示す。
　次に、ステップＳ４０２において、復号装置は画像を復号する。ステップＳ４０２における復号処理も、繋ぎ合わせられた画像に基づいて適応させてもよい。例えば、復号装置は、動き補償処理において、復号画像と同じ大きさの画像（すなわち、繋ぎ合わされていない画像）の代わりに、繋ぎ合わせられたより大きな画像を、参照画像として参照することができる。
　また、最後に、ステップＳ４０３において、復号装置は、ステップＳ４０２において再構成された画像である第１の画像を、読み解かれたパラメータに基づき、第２の画像と繋ぎ合わせて、より大きな画像を作成する。繋ぎ合わせによって得られた画像は、未来の画像の予測（すなわち画面間予測または動き補償）に使用されてもよい。
　図２７は、読み解かれたパラメータを使用する繋ぎ合わせ処理を示すフローチャートである。ステップＳ２４０１において、復号装置は、カメラパラメータまたは繋ぎ合わせパラメータを、対象画像に対するヘッダを読み解くことによって決定する。同様に、復号装置は、ステップＳ２４０２において、カメラパラメータまたは繋ぎ合わせパラメータを、他の画像に対するヘッダを読み解くことによって決定される。最後に、ステップＳ２４０３において、復号装置は、これらの読み解かれたパラメータを使用して画像を繋ぎ合わせ、より大きな画像を作成する。
　［復号装置］
　図３０は、本実施の形態における動画像を復号する復号装置の構成を示すブロック図である。
　復号装置１２００は、入力された符号化動画像（すなわち入力ビットストリーム）をブロックごとに復号して復号動画像を出力する装置であって、実施の形態１の復号装置２００に相当する。図３０に示されるように、復号装置１２００は、エントロピー復号部１２０１、逆量子化部１２０２、逆変換部１２０３、ブロックメモリ１２０４、フレームメモリ１２０５、加算部１２２２、イントラ予測部１２０６、インター予測部１２０７、および画像繋ぎ合わせ部１２０８を備える。
　入力ビットストリームは、エントロピー復号部１２０１に入力される。その後、エントロピー復号部１２０１は、入力ビットストリームに対してエントロピー復号を行い、そのエントロピー復号によって得られた値（すなわち量子化値）を、逆量子化部１２０２に出力する。エントロピー復号部１２０１は、さらに、入力ビットストリームからパラメータを読み解き、そのパラメータを画像繋ぎ合わせ部１２０８に出力する。
　画像繋ぎ合わせ部１２０８は、パラメータを用いて、再構成された対象画像を他の画像に繋ぎ合わせる。その後、画像繋ぎ合わせ部１２０８は、繋ぎ合わせによって得られた画像をフレームメモリ１２０５に出力する。
　逆量子化部１２０２は、エントロピー復号によって得られた値を逆量子化し、逆変換部１２０３に周波数係数を出力する。逆変換部１２０３は、周波数係数に対して逆周波数変換を行い、周波数係数をサンプル値（すなわち画素値）に変換し、その結果得られた画素値を加算部１２２２に出力する。加算部１２２２は、その結果得られた画素値を、イントラ予測部１２０６またはインター予測部１２０７から出力された予測画像の画素値に加算する。加算部１２２２は、加算によって得られた値（すなわち復号画像）をディスプレイに出力し、さらなる予測のために、ブロックメモリ１２０４またはフレームメモリ１２０５に、その得られた値を出力する。
　イントラ予測部１２０６は、画面内予測を行う。つまり、イントラ予測部１２０６は、ブロックメモリ１２０４に格納された、処理対象ブロックのピクチャと同じピクチャに含まれる再構成画像を用いて、処理対象ブロックの画像を推定する。インター予測部１２０７は、画面間予測を行う。つまり、インター予測部１２０７は、フレームメモリ１２０５に格納された、処理対象ブロックのピクチャと異なるピクチャに含まれる再構成画像を用いて、処理対象ブロックの画像を推定する。
　（実施の形態４）
　［符号化処理］
　図３１に示す本開示の実施の形態４による、ノンレクティリニア・レンズを使用して撮像された画像に対して、動画像符号化処理を行う方法について説明する。
　図３１は、本実施の形態における動画像符号化処理の一例を示すフローチャートである。
　ステップＳ５０１では、符号化装置はパラメータ一式をヘッダに書き込む。図１２は、圧縮された動画像ビットストリームにおける上記ヘッダの可能な位置を示す。書き込まれたパラメータには、画像がノンレクティリニア・レンズで撮像されているかどうかを示す識別子に関する１以上のパラメータが含まれる。図１３に示すように、撮像された画像は、画像の撮像中に使用されるレンズの特性により歪んでいてもよい。書き込まれたパラメータの一例としては、歪みの中心または主軸の位置を示すパラメータである。
　次に、ステップＳ５０２において、符号化装置は、書き込まれたパラメータに基づく適応的動画像符号化ツールによって画像を符号化する。適応的動画像符号化ツールには、動きベクトル予測処理が含まれる。適応的動画像符号化ツールの一式には、画面内予測処理が含まれてもよい。
　＜画面内予測処理＞
　図３２は、書き込まれたパラメータに基づいて適応される画面内予測処理を示すフローチャートである。図３２に示すように、符号化装置は、ステップＳ２２０１において、書き込まれたパラメータに基づいて、画像内のある位置を歪み中心または主点として判定する。次に、ステップＳ２２０２において、符号化装置は、空間的に近隣の画素値を用いて一つのサンプルグループを予測する。サンプルグループは、例えば処理対象ブロックなどの画素群である。
　最後に、ステップＳ２２０３において、符号化装置は、予測されたサンプルグループに対して、判定された歪み中心または主点を用いてラッピング処理を行い、予測サンプルのブロックを生成する。例えば、符号化装置は、その予測サンプルのブロックの画像を歪ませ、その歪んだ画像を予測画像として用いてもよい。
　＜動きベクトル予測＞
　図３３は、書き込まれたパラメータに基づいて適応される動きベクトル予測処理を示すフローチャートである。図３３に示すように、符号化装置は、ステップＳ２３０１において、書き込まれたパラメータに基づいて、画像内のある位置を歪み中心または主点として判定する。次に、ステップＳ２３０２において、符号化装置は、空間的か時間的に隣接する動きベクトルから動きベクトルを予測する。
　最後に、ステップＳ２３０３において、符号化装置は、判定された歪み中心または主点を用いて、予測された動きベクトルの方向を補正する。
　［符号化装置］
　図３４は、本実施の形態において動画像を符号化する符号化装置の構成を示すブロック図である。
　符号化装置１３００は、出力ビットストリームを生成するために、ブロックごとに入力動画像を符号化するための装置であって、実施の形態１の符号化装置１００に相当する。図３４に示すように、符号化装置１３００は、変換部１３０１、量子化部１３０２、逆量子化部１３０３、逆変換部１３０４、ブロックメモリ１３０５、フレームメモリ１３０６、イントラ予測部１３０７、インター予測部１３０８、減算部１３２１、加算部１３２２、エントロピー符号化部１３０９、およびパラメータ導出部１３１０を備える。
　入力動画像の画像（すなわち処理対象ブロック）は、減算部１３２１へ入力され、減算された値は変換部１３０１に出力される。つまり、減算部１３２１は、処理対象ブロックから予測画像を減算することによって、予測誤差を算出する。変換部１３０１は、減算された値（すなわち予測誤差）を周波数係数に変換し、その結果得られた周波数係数を量子化部１３０２に出力する。量子化部１３０２は、入力された周波数係数を量子化し、逆量子化部１３０３およびエントロピー符号化部１３０９に、その結果得られた量子化値を出力する。
　逆量子化部１３０３は、量子化部１３０２から出力されたサンプル値（すなわち量子化値）を逆量子化し、逆変換部１３０４に周波数係数を出力する。逆変換部１３０４は、周波数係数に対して逆周波数変換を行い、周波数係数を画像のサンプル値、すなわち画素値に変換し、その結果得られたサンプル値を加算部１３２２に出力する。
　パラメータ導出部１３１０は、実施の形態１と同様に、画像から、その画像がノンレクティリニア・レンズで撮像されているかどうかを示す識別子に関する１以上のパラメータ（具体的には、歪み中心または主点を示すパラメータ）を導出する。そして、パラメータ導出部１３１０は、導出されたパラメータを、イントラ予測部１３０７、インター予測部１３０８、およびエントロピー符号化部１３０９に出力する。例えば、入力動画像には、これらのパラメータが含まれていてもよく、この場合には、パラメータ導出部１３１０は、動画像に含まれるパラメータを抽出して出力する。または、入力動画像には、これらのパラメータを導出するためのベースとなるパラメータが含まれていてもよい。この場合には、パラメータ導出部１３１０は、動画像に含まれるベースのパラメータを抽出して、その抽出されたベースのパラメータを、上述の各パラメータに変換して出力する。
　加算部１３２２は、逆変換部１３０４から出力された画像のサンプル値を、イントラ予測部１３０７またはインター予測部１３０８から出力された予測画像の画素値に加算する。加算部９２２は、さらなる予測を行うために、得られた加算値をブロックメモリ１３０５またはフレームメモリ１３０６に出力する。
　イントラ予測部１３０７は、画面内予測を行う。つまり、イントラ予測部１３０７は、ブロックメモリ１３０５に格納された、処理対象ブロックのピクチャと同じピクチャに含まれる再構成画像を用いて、処理対象ブロックの画像を推定する。インター予測部１３０８は、画面間予測を行う。つまり、インター予測部１３０８は、フレームメモリ１３０６内の、処理対象ブロックのピクチャと異なるピクチャに含まれる再構成画像を用いて、処理対象ブロックの画像を推定する。
　ここで、本実施の形態では、イントラ予測部１３０７およびインター予測部１３０８は、パラメータ導出部１３１０によって導出されたパラメータに基づいた処理を行う。つまり、イントラ予測部１３０７およびインター予測部１３０８はそれぞれ、図３２および図３３に示すフローチャートにしたがった処理を行う。
　エントロピー符号化部１３０９は、量子化部１３０２から出力された量子化値と、パラメータ導出部１３１０によって導出されたパラメータとを符号化し、ビットストリームを出力する。つまり、エントロピー符号化部１３０９は、そのパラメータをビットストリームのヘッダに書き込む。
　［復号処理］
　図３５は、本実施の形態における動画像復号処理の一例を示すフローチャートである。
　ステップＳ６０１では、復号装置は、パラメータ一式をヘッダから読み解く。図１２は、圧縮された動画像ビットストリームにおける上記ヘッダの可能な位置を示す。読み解かれたパラメータには、画像がノンレクティリニア・レンズで撮像されているかどうかを示す識別子に関する１以上のパラメータが含まれる。図１３に示すように、撮像された画像は、画像の撮像中に使用されるレンズの特性により歪んでいてもよい。読み解かれたパラメータの一例としては、歪みの中心または主軸の位置を示すパラメータである。
　次に、ステップＳ６０２において、復号装置は、これらの読み解かれたパラメータに基づいて、適応的動画像復号化ツールによって画像を復号する。適応的動画像復号ツールは、動きベクトル予測処理を含む。適応的動画像復号ツールは、画面内予測処理も含んでもよい。なお、動画像復号ツールまたは適応的動画像復号ツールは、上述の動画像符号化ツールまたは適応的動画像符号化ツールと同一またはそれに対応するツールである。
　＜画面内予測処理＞
　図３２は、読み解かれたパラメータに基づいて適応される画面内予測処理を示すフローチャートである。図３２に示されるように、復号装置は、ステップＳ２２０１において、読み解かれたパラメータに基づいて、画像内のある位置を歪み中心または主点として判定する。次に、ステップＳ２２０２において、復号装置は、空間的に近隣の画素値を用いて、一つのサンプルグループを予測する。最後に、ステップＳ２２０３において、復号装置は、予測されたサンプルグループに対して、判定された歪み中心または主点を用いてラッピング処理を行い、予測サンプルのブロックを生成する。例えば、復号装置は、その予測サンプルのブロックの画像を歪ませ、その歪んだ画像を予測画像として用いてもよい。
　＜動きベクトル予測＞
　図３３は、読み解かれたパラメータに基づいて適応される動きベクトル予測処理を示すフローチャートである。図３３に示すように、復号装置は、ステップＳ２３０１において、読み解かれたパラメータに基づいて、画像内のある位置を歪み中心または主点として判定する。次に、ステップＳ２３０２において、復号装置は、空間的か時間的に隣接する動きベクトルから動きベクトルを予測する。最後に、ステップＳ２３０３において、復号装置は、判定された歪み中心または主点を用いて、動きベクトルの方向を補正する。
　［復号装置］
　図３６は、本実施の形態における、動画像を復号する復号装置の構成を示すブロック図である。
　復号装置１４００は、入力された符号化動画像（すなわち入力ビットストリーム）をブロックごとに復号し、復号動画像を出力するための装置であって、実施の形態１の復号装置２００に相当する。図３６に示すように、復号装置１４００は、エントロピー復号部１４０１、逆量子化部１４０２、逆変換部１４０３、ブロックメモリ１４０４、フレームメモリ１４０５、加算部１４２２、イントラ予測部１４０６、およびインター予測部１４０７を備える。
　入力ビットストリームは、エントロピー復号部１４０１に入力される。その後、エントロピー復号部１４０１は、入力ビットストリームに対してエントロピー復号を行い、そのエントロピー復号によって得られた値（すなわち量子化値）を、逆量子化部１４０２に出力する。エントロピー復号部１４０１は、さらに、入力ビットストリームからパラメータを読み解き、インター予測部１４０７およびイントラ予測部１４０６にそのパラメータを出力する。
　逆量子化部１４０２は、エントロピー復号によって得られた値を逆量子化し、逆変換部１４０３に周波数係数を出力する。逆変換部１４０３は、周波数係数に対して逆周波数変換を行って、周波数係数をサンプル値（すなわち画素値）に変換し、その結果得られた画素値を加算部１４２２に出力する。加算部１４２２は、その結果得られた画素値を、イントラ予測部１４０６またはインター予測部１４０７から出力された予測画像の画素値に加算する。加算部１４２２は、加算によって得られた値（すなわち復号画像）をディスプレイに出力し、さらなる予測のために、ブロックメモリ１４０４またはフレームメモリ１４０５に、その得られた値を出力する。
　イントラ予測部１４０６は、画面内予測を行う。つまり、イントラ予測部１４０６は、ブロックメモリ１４０４に格納された、処理対象ブロックのピクチャと同じピクチャに含まれる再構成画像を用いて、処理対象ブロックの画像を予測する。インター予測部１４０７は、画面間予測を行う。つまり、インター予測部１４０７は、フレームメモリ１４０５に格納された、処理対象ブロックのピクチャと異なるピクチャに含まれる再構成画像を用いて、処理対象ブロックの画像を推定する。
　ここで、本実施の形態では、インター予測部１４０７およびイントラ予測部１４０６は、読み解かれたパラメータに基づいて処理を適応させる。つまり、インター予測部１４０７およびイントラ予測部１４０６は、適応的動画像復号ツールによる処理として、図３２および図３３に示すフローチャートにしたがった処理を行う。
　（まとめ）
　以上、本開示の符号化装置および復号装置の一例について各実施の形態を用いて説明したが、本開示の一態様に係る符号化装置および復号装置は、これらの実施の形態に限定されるものではない。
　例えば、上記各実施の形態では、符号化装置は、画像の歪みに関するパラメータ、または画像の繋ぎ合わせに関するパラメータを用いて、動画像を符号化し、復号装置は、それらのパラメータを用いて、符号化された動画像を復号する。しかし、本開示の一態様に係る符号化装置および復号装置は、それらのパラメータを用いた符号化または復号を行わなくてもよい。つまり、上記実施の形態における適応的動画像符号化ツールおよび適応的動画像復号ツールを用いた処理を行わなくてもよい。
　図３７は、本開示の一態様に係る符号化装置のブロック図である。
　本開示の一態様に係る符号化装置１５００は、実施の形態１の符号化装置１００に相当する装置であって、図３７に示すように、変換部１５０１、量子化部１５０２、逆量子化部１５０３、逆変換部１５０４、ブロックメモリ１５０５、フレームメモリ１５０６、イントラ予測部１５０７、インター予測部１５０８、減算部１５２１、加算部１５２２、およびエントロピー符号化部１５０９を備える。なお、符号化装置１５００は、パラメータ導出部９１０、１１１０および１３１０を備えていない。
　符号化装置１５００に含まれる上記各構成要素は、上記実施の形態１～４と同様の処理を実行するが、適応的動画像符号化ツールを用いた処理を行わない。つまり、加算部１５２２、イントラ予測部１５０７およびインター予測部１５０８は、実施の形態２～４のパラメータ導出部９１０、１１１０および１３１０のそれぞによって導出されるパラメータを用いずに、符号化のための処理を行う。
　また、符号化装置１５００は、動画像と、その動画像に関するパラメータとを取得し、そのパラメータを使わずに動画像を符号化することによってビットストリームを生成し、そのビットストリームに上述のパラメータを書き込む。具体的には、エントロピー符号化部１５０９が、パラメータをビットストリームに書き込む。なお、ビットストリームに書き込まれるパラメータの位置はどのような位置であってもよい。
　また、符号化装置１５００に入力される上述の動画像に含まれる各画像（すなわちピクチャ）は、歪みが補正された画像であってもよく、または、複数のビューからの画像を繋ぎ合わせることによって得られる繋ぎ合わせ画像であってもよい。歪みが補正された画像は、ノンレクティリニア・レンズのような広角レンズによって撮像された画像の歪みを補正することによって得られる矩形の画像である。このような符号化装置１５００は、その歪みが補正された画像または繋ぎ合わせ画像を含む動画像を符号化する。
　ここで、量子化部１５０２、逆量子化部１５０３、逆変換部１５０４、イントラ予測部１５０７、インター予測部１５０８、減算部１５２１、加算部１５２２、およびエントロピー符号化部１５０９は、例えば処理回路として構成される。さらに、ブロックメモリ１５０５およびフレームメモリ１５０６は、メモリとして構成される。
　つまり、符号化装置１５００は、処理回路と、その処理回路に接続されたメモリとを備える。この処理回路は、メモリを用いて、広角レンズによって撮像された画像の歪みを補正する第１の処理と、複数の画像を繋ぎ合せる第２の処理とのうちの少なくとも１つの処理に関するパラメータを取得し、上記画像または上記複数の画像に基づく処理対象の画像を符号化することによって符号化画像を生成し、その符号化画像を含むビットストリームにパラメータを書き込む。
　これにより、ビットストリームには上述のパラメータが書き込まれているため、そのパラメータを用いることによって、符号化または復号される画像を適切に扱うことができる。
　ここで、そのパラメータの書き込みでは、パラメータをビットストリーム中のヘッダに書き込んでもよい。また、処理対象の画像の符号化では、その処理対象の画像に含まれるブロックごとに、パラメータに基づく符号化処理を当該ブロックに適応することによって、当該ブロックを符号化してもよい。ここで、その符号化処理は、画面間予測処理および画像再構成処理のうちの少なくとも１つを含んでもよい。
　これにより、例えば、実施の形態２のように、画面間予測処理および画像再構成処理を適応的動画像符号化ツールとして用いることによって、例えば歪んだ画像、または、繋ぎ合わせ画像である処理対象の画像を適切に符号化することができる。その結果、その処理対象の画像に対する符号化効率を向上することができる。
　また、パラメータの書き込みでは、上述の第２の処理に関するパラメータを、ビットストリーム中のヘッダに書き込み、処理対象の画像の符号化では、その第２の処理によって得られた処理対象の画像に含まれるブロックごとに、そのパラメータに基づいて、当該ブロックに対する符号化処理を省略してもよい。
　これにより、例えば、実施の形態２における図２１および図２２に示すように、繋ぎ合わせ画像に含まれる複数の画像のうち、ユーザによって近い将来に注視されない画像に含まれる各ブロックの符号化を省略することができる。その結果、処理負担の軽減、および符号量の削減を図ることができる。
　また、パラメータの書き込みでは、上述の第２の処理に関するパラメータとして、複数のカメラのそれぞれの、位置およびカメラアングルのうちの少なくとも１つをビットストリーム中のヘッダに書き込んでもよい。また、処理対象の画像の符号化では、上述の複数の画像のうちの１つである処理対象の画像を符号化し、処理対象の画像を、そのヘッダに書き込まれるパラメータを用いて、上述の複数の画像のうちの他の画像と繋ぎ合わせてもよい。
　これにより、例えば、実施の形態３のように、繋ぎ合わせによって得られる大きな画像を画面間予測または動き補償に用いることができ、符号化効率を向上することができる。
　また、パラメータの書き込みでは、上述の第１の処理に関するパラメータとして、画像が広角レンズで撮像されているか否かを示すパラメータ、および、広角レンズによって生じた歪曲収差に関するパラメータのうちの少なくとも１つを、ビットストリーム中のヘッダに書き込んでもよい。また、処理対象の画像の符号化では、広角レンズによって撮像された画像である処理対象の画像に含まれるブロックごとに、そのヘッダに書き込まれるパラメータに基づく符号化処理を当該ブロックに適応することによって、当該ブロックを符号化してもよい。ここで、その符号化処理は、動きベクトル予測処理および画面内予測処理のうちの少なくとも１つを含んでもよい。
　これにより、例えば実施の形態４のように、動きベクトル予測処理および画面内予測処理を適応的動画像符号化ツールとして用いることによって、例えば歪んだ画像である処理対象の画像を適切に符号化することができる。その結果、歪んだ画像の符号化効率の向上を図ることができる。
　また、符号化処理は、画面間予測処理および画面内予測処理のうちの一方の予測処理を含み、その予測処理は、画像に含まれる複数の画素の配置または再配置を行う処理であるラッピング処理を含んでもよい。
　これにより、例えば実施の形態２のように、処理対象の画像の歪みを補正して、補正された画像に基づいて適切に画面間予測処理を行うことができる。また、例えば実施の形態４のように、歪んだ画像に対して画面内予測処理を行って、その処理によって得られる予測画像を、歪んだ処理対象の画像にあわせて適切に歪ませることができる。その結果、歪んだ画像の符号化効率の向上を図ることができる。
　また、符号化処理は、画面間予測処理を含み、その画面間予測処理は、湾曲した、斜めの、または角のある画像境界に対する処理であって、上述のヘッダに書き込まれるパラメータを用いた画像のパディング処理を含んでもよい。
　これにより、例えば実施の形態２のように、画面間予測処理を適切に行うことができ、符号化効率を向上することができる。
　また、符号化処理は、画面間予測処理および画像再構成処理を含み、その画面間予測処理および画像再構成処理はそれぞれ、上述のヘッダに書き込まれるパラメータに基づいて画素値を所定の値に置き換えるための処理を含んでもよい。
　これにより、例えば実施の形態２のように、画面間予測処理および画像再構成処理を適切に行うことができ、符号化効率を向上することができる。
　また、処理対象の画像の符号化では、符号化された処理対象の画像を再構成し、再構成された処理対象の画像と上述の他の画像との繋ぎ合わせによって得られる画像を、画面間予測処理に使用される参照フレームとしてメモリに格納してもよい。
　これにより、例えば、実施の形態３のように、繋ぎ合わせによって得られる大きな画像を画面間予測または動き補償に用いることができ、符号化効率を向上することができる。
　なお、上記実施の形態２～４の符号化装置は、歪んだ画像を含む動画像、繋ぎ合わせ画像を含む動画像、または、複数のビューからの繋ぎ合わされていない画像を含む動画像を符号化する。しかし、本開示の符号化装置は、動画像の符号化のために、その動画像に含まれる画像の歪みを補正してもよく、歪みを補正しなくてもよい。歪みを補正しない場合には、符号化装置は、予め他の装置によってその歪みが補正された画像を含む動画像を取得して、その動画像を符号化する。同様に、本開示の符号化装置は、動画像の符号化のために、その動画像に含まれる複数のビューからの画像を繋ぎ合わせてもよく、繋ぎ合わせをしなくてもよい。繋ぎ合わせをしない場合には、符号化装置は、予め他の装置によって複数のビューからの画像が繋ぎ合わされた画像を含む動画像を取得して、その動画像を符号化する。また、本開示の符号化装置は、歪みの補正の全てを行ってもよく、一部のみを行ってもよい。さらに、本開示の符号化装置は、複数のビューからの画像の繋ぎ合わせの全てを行ってもよく、一部のみを行ってもよい。
　図３８は、本開示の一態様に係る復号装置のブロック図である。
　本開示の一態様に係る復号装置１６００は、実施の形態１の復号装置２００に相当する装置であって、図３８に示すように、エントロピー復号部１６０１、逆量子化部１６０２、逆変換部１６０３、ブロックメモリ１６０４、フレームメモリ１６０５、イントラ予測部１６０６、インター予測部１６０７、および加算部１６２２を備える。
　復号装置１６００に含まれる上記各構成要素は、上記実施の形態１～４と同様の処理を実行するが、適応的動画像復号ツールを用いた処理を行わない。つまり、加算部１６２２、イントラ予測部１６０６およびインター予測部１６０７は、ビットストリームに含まれる上述のパラメータを用いずに、復号のための処理を行う。
　また、復号装置１６００は、ビットストリームを取得し、そのビットストリームから、符号化された動画像およびパラメータを抽出し、符号化された動画像をそのパラメータを使わずに復号する。具体的には、エントロピー復号部１６０１が、パラメータをビットストリームから読み解く。なお、ビットストリームに書き込まれているパラメータの位置はどのような位置であってもよい。
　また、復号装置１６００に入力されるビットストリームに含まれる各画像（すなわち符号化されたピクチャ）は、歪みが補正された画像であってもよく、または、複数のビューからの画像を繋ぎ合わせることによって得られる繋ぎ合わせ画像であってもよい。歪みが補正された画像は、ノンレクティリニア・レンズのような広角レンズによって撮像された画像の歪みを補正することによって得られる矩形の画像である。このような復号装置１６００は、その歪みが補正された画像または繋ぎ合わせ画像を含む動画像を復号する。
　ここで、エントロピー復号部１６０１、逆量子化部１６０２、逆変換部１６０３、イントラ予測部１６０６、インター予測部１６０７、および加算部１６２２は、例えば処理回路として構成される。さらに、ブロックメモリ１６０４およびフレームメモリ１６０５は、メモリとして構成される。
　つまり、復号装置１６００は、処理回路と、その処理回路に接続されたメモリとを備える。この処理回路は、メモリを用いて、符号化画像を含むビットストリームを取得し、広角レンズによって撮像された画像の歪みを補正する第１の処理と、複数の画像を繋ぎ合せる第２の処理とのうちの少なくとも１つの処理に関するパラメータを、そのビットストリームから読み解き、その符号化画像を復号する。
　これにより、ビットストリームから読み解かれた上述のパラメータを用いることによって、符号化または復号される画像を適切に扱うことができる。
　ここで、そのパラメータの読み解きでは、パラメータをビットストリーム中のヘッダから読み解いてもよい。また、符号化画像の復号では、その符号化画像に含まれるブロックごとに、パラメータに基づく復号処理を当該ブロックに適応することによって、当該ブロックを復号してもよい。ここで、その復号処理は、画面間予測処理および画像再構成処理のうちの少なくとも１つを含んでもよい。
　これにより、例えば、実施の形態２のように、画面間予測処理および画像再構成処理を適応的動画像復号ツールとして用いることによって、例えば歪んだ画像、または、繋ぎ合わせ画像である符号化画像を適切に復号することができる。
　また、パラメータの読み解きでは、上述の第２の処理に関するパラメータを、ビットストリーム中のヘッダから読み解き、符号化画像の復号では、その第２の処理によって得られた画像の符号化によって生成された符号化画像に含まれるブロックごとに、そのパラメータに基づいて、当該ブロックに対する復号処理を省略してもよい。
　これにより、例えば、実施の形態２における図２１および図２２に示すように、符号化画像である繋ぎ合わせ画像に含まれる複数の画像のうち、ユーザによって近い将来に注視されない画像に含まれる各ブロックの復号を省略することができる。その結果、処理負担の軽減を図ることができる。
　また、パラメータの読み解きでは、上述の第２の処理に関するパラメータとして、複数のカメラのそれぞれの、位置およびカメラアングルのうちの少なくとも１つをビットストリーム中のヘッダから読み解いてもよい。また、符号化画像の復号では、上述の複数の画像のうちの１つの符号化によって生成された符号化画像を復号し、復号された符号化画像を、そのヘッダから読み解かれたパラメータを用いて、上述の複数の画像のうちの他の画像と繋ぎ合わせてもよい。
　これにより、例えば、実施の形態３のように、繋ぎ合わせによって得られる大きな画像を画面間予測または動き補償に用いることができ、符号化効率が向上されたビットストリームを適切に復号することができる。
　また、パラメータの読み解きでは、上述の第１の処理に関するパラメータとして、画像が広角レンズで撮像されているか否かを示すパラメータ、および、広角レンズによって生じた歪曲収差に関するパラメータのうちの少なくとも１つを、ビットストリーム中のヘッダから読み解いてもよい。また、符号化画像の復号では、広角レンズによって撮像された画像の符号化によって生成された符号化画像に含まれるブロックごとに、そのヘッダから読み解かれたパラメータに基づく復号処理を当該ブロックに適応することによって、当該ブロックを復号してもよい。ここで、その復号処理は、動きベクトル予測処理および画面内予測処理のうちの少なくとも１つを含んでもよい。
　これにより、例えば実施の形態４のように、動きベクトル予測処理および画面内予測処理を適応的動画像復号ツールとして用いることによって、例えば歪んだ画像である符号化画像を適切に復号することができる。
　また、復号処理は、画面間予測処理および画面内予測処理のうちの一方の予測処理を含み、その予測処理は、画像に含まれる複数の画素の配置または再配置を行う処理であるラッピング処理を含んでもよい。
　これにより、例えば実施の形態２のように、符号化画像の歪みを補正して、補正された画像に基づいて適切に画面間予測処理を行うことができる。また、例えば実施の形態４のように、歪んだ符号化画像に対して画面内予測処理を行い、その結果得られる予測画像を、その歪んだ符号化画像にあわせて適切に歪ませることができる。その結果、歪んだ画像である符号化画像を適切に予測することができる。
　また、復号処理は、画面間予測処理を含み、その画面間予測処理は、湾曲した、斜めの、または角のある画像境界に対する処理であって、上述のヘッダから読み解かれたパラメータを用いた画像のパディング処理を含んでもよい。
　これにより、例えば実施の形態２のように、画面間予測処理を適切に行うことができる。
　また、復号処理は、画面間予測処理および画像再構成処理を含み、その画面間予測処理および画像再構成処理はそれぞれ、上述のヘッダから読み解かれたパラメータに基づいて画素値を所定の値に置き換えるための処理を含んでもよい。
　これにより、例えば実施の形態２のように、画面間予測処理および画像再構成処理を適切に行うことができる。
　また、符号化画像の復号では、その符号化画像を復号し、復号された符号化画像と上述の他の画像との繋ぎ合わせによって得られる画像を、画面間予測処理に使用される参照フレームとしてメモリに格納してもよい。
　これにより、例えば、実施の形態３のように、繋ぎ合わせによって得られる大きな画像を画面間予測または動き補償に用いることができる。
　なお、上記実施の形態２～４の復号装置は、歪んだ画像を含むビットストリーム、繋ぎ合わせ画像を含むビットストリーム、または、複数のビューからの繋ぎ合わされていない画像を含むビットストリームを復号する。しかし、本開示の復号装置は、ビットストリームの復号のために、そのビットストリームに含まれる画像の歪みを補正してもよく、歪みを補正しなくてもよい。歪みを補正しない場合には、復号装置は、予め他の装置によってその歪みが補正された画像を含むビットストリームを取得して、そのビットストリームを復号する。同様に、本開示の復号装置は、ビットストリームの復号のために、そのビットストリームに含まれる複数のビューからの画像を繋ぎ合わせてもよく、繋ぎ合わせをしなくてもよい。繋ぎ合わせをしない場合には、復号装置は、予め他の装置によって複数のビューからの画像が繋ぎ合わされて生成された大きな画像を含むビットストリームを取得して、そのビットストリームを復号する。また、本開示の復号装置は、歪みの補正の全てを行ってもよく、一部のみを行ってもよい。さらに、本開示の復号装置は、複数のビューからの画像の繋ぎ合わせの全てを行ってもよく、一部のみを行ってもよい。
　（その他の実施の形態）
　以上の各実施の形態において、機能ブロックの各々は、通常、ＭＰＵ及びメモリ等によって実現可能である。また、機能ブロックの各々による処理は、通常、プロセッサなどのプログラム実行部が、ＲＯＭ等の記録媒体に記録されたソフトウェア（プログラム）を読み出して実行することで実現される。当該ソフトウェアはダウンロード等により配布されてもよいし、半導体メモリなどの記録媒体に記録して配布されてもよい。なお、各機能ブロックをハードウェア（専用回路）によって実現することも、当然、可能である。
　また、各実施の形態において説明した処理は、単一の装置（システム）を用いて集中処理することによって実現してもよく、又は、複数の装置を用いて分散処理することによって実現してもよい。また、上記プログラムを実行するプロセッサは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、又は分散処理を行ってもよい。
　本発明は、以上の実施例に限定されることなく、種々の変更が可能であり、それらも本発明の範囲内に包含される。
　さらにここで、上記各実施の形態で示した動画像符号化方法（画像符号化方法）又は動画像復号化方法（画像復号方法）の応用例とそれを用いたシステムを説明する。当該システムは、画像符号化方法を用いた画像符号化装置、画像復号方法を用いた画像復号装置、及び両方を備える画像符号化復号装置を有することを特徴とする。システムにおける他の構成について、場合に応じて適切に変更することができる。
　［使用例］
　図３９は、コンテンツ配信サービスを実現するコンテンツ供給システムｅｘ１００の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ固定無線局である基地局ｅｘ１０６、ｅｘ１０７、ｅｘ１０８、ｅｘ１０９、ｅｘ１１０が設置されている。
　このコンテンツ供給システムｅｘ１００では、インターネットｅｘ１０１に、インターネットサービスプロバイダｅｘ１０２又は通信網ｅｘ１０４、及び基地局ｅｘ１０６～ｅｘ１１０を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器が接続される。当該コンテンツ供給システムｅｘ１００は、上記のいずれかの要素を組合せて接続するようにしてもよい。固定無線局である基地局ｅｘ１０６～ｅｘ１１０を介さずに、各機器が電話網又は近距離無線等を介して直接的又は間接的に相互に接続されていてもよい。また、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１等を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器と接続される。また、ストリーミングサーバｅｘ１０３は、衛星ｅｘ１１６を介して、飛行機ｅｘ１１７内のホットスポット内の端末等と接続される。
　なお、基地局ｅｘ１０６～ｅｘ１１０の代わりに、無線アクセスポイント又はホットスポット等が用いられてもよい。また、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１又はインターネットサービスプロバイダｅｘ１０２を介さずに直接通信網ｅｘ１０４と接続されてもよいし、衛星ｅｘ１１６を介さず直接飛行機ｅｘ１１７と接続されてもよい。
　カメラｅｘ１１３はデジタルカメラ等の静止画撮影、及び動画撮影が可能な機器である。また、スマートフォンｅｘ１１５は、一般に２Ｇ、３Ｇ、３．９Ｇ、４Ｇ、そして今後は５Ｇと呼ばれる移動通信システムの方式に対応したスマートフォン機、携帯電話機、又はＰＨＳ（Ｐｅｒｓｏｎａｌ　Ｈａｎｄｙｐｈｏｎｅ　Ｓｙｓｔｅｍ）等である。
　家電ｅｘ１１８は、冷蔵庫、又は家庭用燃料電池コージェネレーションシステムに含まれる機器等である。
　コンテンツ供給システムｅｘ１００では、撮影機能を有する端末が基地局ｅｘ１０６等を通じてストリーミングサーバｅｘ１０３に接続されることで、ライブ配信等が可能になる。ライブ配信では、端末（コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、及び飛行機ｅｘ１１７内の端末等）は、ユーザが当該端末を用いて撮影した静止画又は動画コンテンツに対して上記各実施の形態で説明した符号化処理を行い、符号化により得られた映像データと、映像に対応する音を符号化した音データと多重化し、得られたデータをストリーミングサーバｅｘ１０３に送信する。即ち、各端末は、本発明の一態様に係る画像符号化装置として機能する。
　一方、ストリーミングサーバｅｘ１０３は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントは、上記符号化処理されたデータを復号化することが可能な、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、又は飛行機ｅｘ１１７内の端末等である。配信されたデータを受信した各機器は、受信したデータを復号化処理して再生する。即ち、各機器は、本発明の一態様に係る画像復号装置として機能する。
　［分散処理］
　また、ストリーミングサーバｅｘ１０３は複数のサーバ又は複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。例えば、ストリーミングサーバｅｘ１０３は、ＣＤＮ（Ｃｏｎｔｅｎｔｓ　Ｄｅｌｉｖｅｒｙ　Ｎｅｔｗｏｒｋ）により実現され、世界中に分散された多数のエッジサーバとエッジサーバ間をつなぐネットワークによりコンテンツ配信が実現されていてもよい。ＣＤＮでは、クライアントに応じて物理的に近いエッジサーバが動的に割り当てられる。そして、当該エッジサーバにコンテンツがキャッシュ及び配信されることで遅延を減らすことができる。また、何らかのエラーが発生した場合又はトラフィックの増加などにより通信状態が変わる場合に複数のエッジサーバで処理を分散したり、他のエッジサーバに配信主体を切り替えたり、障害が生じたネットワークの部分を迂回して配信を続けることができるので、高速かつ安定した配信が実現できる。
　また、配信自体の分散処理にとどまらず、撮影したデータの符号化処理を各端末で行ってもよいし、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、一般に符号化処理では、処理ループが２度行われる。１度目のループでフレーム又はシーン単位での画像の複雑さ、又は、符号量が検出される。また、２度目のループでは画質を維持して符号化効率を向上させる処理が行われる。例えば、端末が１度目の符号化処理を行い、コンテンツを受け取ったサーバ側が２度目の符号化処理を行うことで、各端末での処理負荷を減らしつつもコンテンツの質と効率を向上させることができる。この場合、ほぼリアルタイムで受信して復号する要求があれば、端末が行った一度目の符号化済みデータを他の端末で受信して再生することもできるので、より柔軟なリアルタイム配信も可能になる。
　他の例として、カメラｅｘ１１３等は、画像から特徴量抽出を行い、特徴量に関するデータをメタデータとして圧縮してサーバに送信する。サーバは、例えば特徴量からオブジェクトの重要性を判断して量子化精度を切り替えるなど、画像の意味に応じた圧縮を行う。特徴量データはサーバでの再度の圧縮時の動きベクトル予測の精度及び効率向上に特に有効である。また、端末でＶＬＣ（可変長符号化）などの簡易的な符号化を行い、サーバでＣＡＢＡＣ（コンテキスト適応型二値算術符号化方式）など処理負荷の大きな符号化を行ってもよい。
　さらに他の例として、スタジアム、ショッピングモール、又は工場などにおいては、複数の端末によりほぼ同一のシーンが撮影された複数の映像データが存在する場合がある。この場合には、撮影を行った複数の端末と、必要に応じて撮影をしていない他の端末及びサーバを用いて、例えばＧＯＰ（Ｇｒｏｕｐ　ｏｆ　Ｐｉｃｔｕｒｅ）単位、ピクチャ単位、又はピクチャを分割したタイル単位などで符号化処理をそれぞれ割り当てて分散処理を行う。これにより、遅延を減らし、よりリアルタイム性を実現できる。
　また、複数の映像データはほぼ同一シーンであるため、各端末で撮影された映像データを互いに参照し合えるように、サーバで管理及び／又は指示をしてもよい。または、各端末からの符号化済みデータを、サーバが受信し複数のデータ間で参照関係を変更、又はピクチャ自体を補正或いは差し替えて符号化しなおしてもよい。これにより、一つ一つのデータの質と効率を高めたストリームを生成できる。
　また、サーバは、映像データの符号化方式を変更するトランスコードを行ったうえで映像データを配信してもよい。例えば、サーバは、ＭＰＥＧ系の符号化方式をＶＰ系に変換してもよいし、Ｈ．２６４をＨ．２６５に変換してもよい。
　このように、符号化処理は、端末、又は１以上のサーバにより行うことが可能である。よって、以下では、処理を行う主体として「サーバ」又は「端末」等の記載を用いるが、サーバで行われる処理の一部又は全てが端末で行われてもよいし、端末で行われる処理の一部又は全てがサーバで行われてもよい。また、これらに関しては、復号処理についても同様である。
　［３Ｄ、マルチアングル］
　近年では、互いにほぼ同期した複数のカメラｅｘ１１３及び／又はスマートフォンｅｘ１１５などの端末により撮影された異なるシーン、又は、同一シーンを異なるアングルから撮影した画像或いは映像を統合して利用することも増えてきている。各端末で撮影した映像は、別途取得した端末間の相対的な位置関係、又は、映像に含まれる特徴点が一致する領域などに基づいて統合される。
　サーバは、２次元の動画像を符号化するだけでなく、動画像のシーン解析などに基づいて自動的に、又は、ユーザが指定した時刻において、静止画を符号化し、受信端末に送信してもよい。サーバは、さらに、撮影端末間の相対的な位置関係を取得できる場合には、２次元の動画像だけでなく、同一シーンが異なるアングルから撮影された映像に基づき、当該シーンの３次元形状を生成できる。なお、サーバは、ポイントクラウドなどにより生成した３次元のデータを別途符号化してもよいし、３次元データを用いて人物又はオブジェクトを認識或いは追跡した結果に基づいて、受信端末に送信する映像を、複数の端末で撮影した映像から選択、又は、再構成して生成してもよい。
　このようにして、ユーザは、各撮影端末に対応する各映像を任意に選択してシーンを楽しむこともできるし、複数画像又は映像を用いて再構成された３次元データから任意視点の映像を切り出したコンテンツを楽しむこともできる。さらに、映像と同様に音も複数の相異なるアングルから収音され、サーバは、映像に合わせて特定のアングル又は空間からの音を映像と多重化して送信してもよい。
　また、近年ではＶｉｒｔｕａｌ　Ｒｅａｌｉｔｙ（ＶＲ）及びＡｕｇｍｅｎｔｅｄ　Ｒｅａｌｉｔｙ（ＡＲ）など、現実世界と仮想世界とを対応付けたコンテンツも普及してきている。ＶＲの画像の場合、サーバは、右目用及び左目用の視点画像をそれぞれ作成し、Ｍｕｌｔｉ－Ｖｉｅｗ　Ｃｏｄｉｎｇ（ＭＶＣ）などにより各視点映像間で参照を許容する符号化を行ってもよいし、互いに参照せずに別ストリームとして符号化してもよい。別ストリームの復号時には、ユーザの視点に応じて仮想的な３次元空間が再現されるように互いに同期させて再生するとよい。
　ＡＲの画像の場合には、サーバは、現実空間のカメラ情報に、仮想空間上の仮想物体情報を、３次元的位置又はユーザの視点の動きに基づいて重畳する。復号装置は、仮想物体情報及び３次元データを取得又は保持し、ユーザの視点の動きに応じて２次元画像を生成し、スムーズにつなげることで重畳データを作成してもよい。または、復号装置は仮想物体情報の依頼に加えてユーザの視点の動きをサーバに送信し、サーバは、サーバに保持される３次元データから受信した視点の動きに合わせて重畳データを作成し、重畳データを符号化して復号装置に配信してもよい。なお、重畳データは、ＲＧＢ以外に透過度を示すα値を有し、サーバは、３次元データから作成されたオブジェクト以外の部分のα値が０などに設定し、当該部分が透過する状態で、符号化してもよい。もしくは、サーバは、クロマキーのように所定の値のＲＧＢ値を背景に設定し、オブジェクト以外の部分は背景色にしたデータを生成してもよい。
　同様に配信されたデータの復号処理はクライアントである各端末で行っても、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、ある端末が、一旦サーバに受信リクエストを送り、そのリクエストに応じたコンテンツを他の端末で受信し復号処理を行い、ディスプレイを有する装置に復号済みの信号が送信されてもよい。通信可能な端末自体の性能によらず処理を分散して適切なコンテンツを選択することで画質のよいデータを再生ことができる。また、他の例として大きなサイズの画像データをＴＶ等で受信しつつ、鑑賞者の個人端末にピクチャが分割されたタイルなど一部の領域が復号されて表示されてもよい。これにより、全体像を共有化しつつ、自身の担当分野又はより詳細に確認したい領域を手元で確認することができる。
　また今後は、屋内外にかかわらず近距離、中距離、又は長距離の無線通信が複数使用可能な状況下で、ＭＰＥＧ－ＤＡＳＨなどの配信システム規格を利用して、接続中の通信に対して適切なデータを切り替えながらシームレスにコンテンツを受信することが予想される。これにより、ユーザは、自身の端末のみならず屋内外に設置されたディスプレイなどの復号装置又は表示装置を自由に選択しながらリアルタイムで切り替えられる。また、自身の位置情報などに基づいて、復号する端末及び表示する端末を切り替えながら復号を行うことができる。これにより、目的地への移動中に、表示可能なデバイスが埋め込まれた隣の建物の壁面又は地面の一部に地図情報を表示させながら移動することも可能になる。また、符号化データが受信端末から短時間でアクセスできるサーバにキャッシュされている、又は、コンテンツ・デリバリー・サービスにおけるエッジサーバにコピーされている、などの、ネットワーク上での符号化データへのアクセス容易性に基づいて、受信データのビットレートを切り替えることも可能である。
　［スケーラブル符号化］
　コンテンツの切り替えに関して、図４０に示す、上記各実施の形態で示した動画像符号化方法を応用して圧縮符号化されたスケーラブルなストリームを用いて説明する。サーバは、個別のストリームとして内容は同じで質の異なるストリームを複数有していても構わないが、図示するようにレイヤに分けて符号化を行うことで実現される時間的／空間的スケーラブルなストリームの特徴を活かして、コンテンツを切り替える構成であってもよい。つまり、復号側が性能という内的要因と通信帯域の状態などの外的要因とに応じてどのレイヤまで復号するかを決定することで、復号側は、低解像度のコンテンツと高解像度のコンテンツとを自由に切り替えて復号できる。例えば移動中にスマートフォンｅｘ１１５で視聴していた映像の続きを、帰宅後にインターネットＴＶ等の機器で視聴したい場合には、当該機器は、同じストリームを異なるレイヤまで復号すればよいので、サーバ側の負担を軽減できる。
　さらに、上記のように、レイヤ毎にピクチャが符号化されており、ベースレイヤの上位にエンハンスメントレイヤが存在するスケーラビリティを実現する構成以外に、エンハンスメントレイヤが画像の統計情報などに基づくメタ情報を含み、復号側が、メタ情報に基づきベースレイヤのピクチャを超解像することで高画質化したコンテンツを生成してもよい。超解像とは、同一解像度におけるＳＮ比の向上、及び、解像度の拡大のいずれであってもよい。メタ情報は、超解像処理に用いる線形或いは非線形のフィルタ係数を特定するため情報、又は、超解像処理に用いるフィルタ処理、機械学習或いは最小２乗演算におけるパラメータ値を特定する情報などを含む。
　または、画像内のオブジェクトなどの意味合いに応じてピクチャがタイル等に分割されており、復号側が、復号するタイルを選択することで一部の領域だけを復号する構成であってもよい。また、オブジェクトの属性（人物、車、ボールなど）と映像内の位置（同一画像における座標位置など）とをメタ情報として格納することで、復号側は、メタ情報に基づいて所望のオブジェクトの位置を特定し、そのオブジェクトを含むタイルを決定できる。例えば、図４１に示すように、メタ情報は、ＨＥＶＣにおけるＳＥＩメッセージなど画素データとは異なるデータ格納構造を用いて格納される。このメタ情報は、例えば、メインオブジェクトの位置、サイズ、又は色彩などを示す。
　また、ストリーム、シーケンス又はランダムアクセス単位など、複数のピクチャから構成される単位でメタ情報が格納されてもよい。これにより、復号側は、特定人物が映像内に出現する時刻などが取得でき、ピクチャ単位の情報と合わせることで、オブジェクトが存在するピクチャ、及び、ピクチャ内でのオブジェクトの位置を特定できる。
　［Ｗｅｂページの最適化］
　図４２は、コンピュータｅｘ１１１等におけるｗｅｂページの表示画面例を示す図である。図４３は、スマートフォンｅｘ１１５等おけるｗｅｂページの表示画面例を示す図である。図４２及び図４３に示すようにｗｅｂページが、画像コンテンツへのリンクであるリンク画像を複数含む場合があり、閲覧するデバイスによってその見え方は異なる。画面上に複数のリンク画像が見える場合には、ユーザが明示的にリンク画像を選択するまで、又は画面の中央付近にリンク画像が近付く或いはリンク画像の全体が画面内に入るまでは、表示装置（復号装置）は、リンク画像として各コンテンツが有する静止画又はＩピクチャを表示したり、複数の静止画又はＩピクチャ等でｇｉｆアニメのような映像を表示をしたり、ベースレイヤのみ受信して映像を復号及び表示したりする。
　ユーザによりリンク画像が選択された場合、表示装置は、ベースレイヤを最優先にして復号する。なお、ｗｅｂページを構成するＨＴＭＬにスケーラブルなコンテンツであることを示す情報があれば、表示装置は、エンハンスメントレイヤまで復号してもよい。また、リアルタイム性を担保するために、選択される前又は通信帯域が非常に厳しい場合には、表示装置は、前方参照のピクチャ（Ｉピクチャ、Ｐピクチャ、前方参照のみのＢピクチャ）のみを復号及び表示することで、先頭ピクチャの復号時刻と表示時刻との間の遅延（コンテンツの復号開始から表示開始までの遅延）を低減できる。また、表示装置は、ピクチャの参照関係を敢えて無視して全てのＢピクチャ及びＰピクチャを前方参照にして粗く復号し、時間が経ち受信したピクチャが増えるにつれて正常の復号を行ってもよい。
　［自動走行］
　また、車の自動走行又は走行支援のため２次元又は３次元の地図情報などの静止画又は映像データを送受信する場合、受信端末は、１以上のレイヤに属する画像データに加えて、メタ情報として天候又は工事の情報なども受信し、これらを対応付けて復号してもよい。なお、メタ情報は、レイヤに属してもよいし、単に画像データと多重化されてもよい。
　この場合、受信端末を含む車、ドローン又は飛行機などが移動するため、受信端末は、当該受信端末の位置情報を受信要求時に送信することで、基地局ｅｘ１０６～ｅｘ１１０を切り替えながらシームレスな受信及び復号を実現できる。また、受信端末は、ユーザの選択、ユーザの状況又は通信帯域の状態に応じて、メタ情報をどの程度受信するか、又は地図情報をどの程度更新していくかを動的に切り替えることが可能になる。
　以上のようにして、コンテンツ供給システムｅｘ１００では、ユーザが送信した符号化された情報をリアルタイムでクライアントが受信して復号し、再生することができる。
　［個人コンテンツの配信］
　また、コンテンツ供給システムｅｘ１００では、映像配信業者による高画質で長時間のコンテンツのみならず、個人による低画質で短時間のコンテンツのユニキャスト、又はマルチキャスト配信が可能である。また、このような個人のコンテンツは今後も増加していくと考えられる。個人コンテンツをより優れたコンテンツにするために、サーバは、編集処理を行ってから符号化処理を行ってもよい。これは例えば、以下のような構成で実現できる。
　撮影時にリアルタイム又は蓄積して撮影後に、サーバは、原画又は符号化済みデータから撮影エラー、シーン探索、意味の解析、及びオブジェクト検出などの認識処理を行う。そして、サーバは、認識結果に基いて手動又は自動で、ピントずれ又は手ブレなどを補正したり、明度が他のピクチャに比べて低い又は焦点が合っていないシーンなどの重要性の低いシーンを削除したり、オブジェクトのエッジを強調したり、色合いを変化させるなどの編集を行う。サーバは、編集結果に基いて編集後のデータを符号化する。また撮影時刻が長すぎると視聴率が下がることも知られており、サーバは、撮影時間に応じて特定の時間範囲内のコンテンツになるように上記のように重要性が低いシーンのみならず動きが少ないシーンなどを、画像処理結果に基き自動でクリップしてもよい。または、サーバは、シーンの意味解析の結果に基づいてダイジェストを生成して符号化してもよい。
　なお、個人コンテンツには、そのままでは著作権、著作者人格権、又は肖像権等の侵害となるものが写り込んでいるケースもあり、共有する範囲が意図した範囲を超えてしまうなど個人にとって不都合な場合もある。よって、例えば、サーバは、画面の周辺部の人の顔、又は家の中などを敢えて焦点が合わない画像に変更して符号化してもよい。また、サーバは、符号化対象画像内に、予め登録した人物とは異なる人物の顔が映っているかどうかを認識し、映っている場合には、顔の部分にモザイクをかけるなどの処理を行ってもよい。または、符号化の前処理又は後処理として、著作権などの観点からユーザが画像を加工したい人物又は背景領域を指定し、サーバは、指定された領域を別の映像に置き換える、又は焦点をぼかすなどの処理を行うことも可能である。人物であれば、動画像において人物をトラッキングしながら、顔の部分の映像を置き換えることができる。
　また、データ量の小さい個人コンテンツの視聴はリアルタイム性の要求が強いため、帯域幅にもよるが、復号装置は、まずベースレイヤを最優先で受信して復号及び再生を行う。復号装置は、この間にエンハンスメントレイヤを受信し、再生がループされる場合など２回以上再生される場合に、エンハンスメントレイヤも含めて高画質の映像を再生してもよい。このようにスケーラブルな符号化が行われているストリームであれば、未選択時又は見始めた段階では粗い動画だが、徐々にストリームがスマートになり画像がよくなるような体験を提供することができる。スケーラブル符号化以外にも、１回目に再生される粗いストリームと、１回目の動画を参照して符号化される２回目のストリームとが１つのストリームとして構成されていても同様の体験を提供できる。
　［その他の使用例］
　また、これらの符号化又は復号処理は、一般的に各端末が有するＬＳＩｅｘ５００において処理される。ＬＳＩｅｘ５００は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化又は復号用のソフトウェアをコンピュータｅｘ１１１等で読み取り可能な何らかの記録メディア（ＣＤ－ＲＯＭ、フレキシブルディスク、又はハードディスクなど）に組み込み、そのソフトウェアを用いて符号化又は復号処理を行ってもよい。さらに、スマートフォンｅｘ１１５がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データはスマートフォンｅｘ１１５が有するＬＳＩｅｘ５００で符号化処理されたデータである。
　なお、ＬＳＩｅｘ５００は、アプリケーションソフトをダウンロードしてアクティベートする構成であってもよい。この場合、端末は、まず、当該端末がコンテンツの符号化方式に対応しているか、又は、特定サービスの実行能力を有するかを判定する。端末がコンテンツの符号化方式に対応していない場合、又は、特定サービスの実行能力を有さない場合、端末は、コーデック又はアプリケーションソフトをダウンロードし、その後、コンテンツ取得及び再生する。
　また、インターネットｅｘ１０１を介したコンテンツ供給システムｅｘ１００に限らず、デジタル放送用システムにも上記各実施の形態の少なくとも動画像符号化装置（画像符号化装置）又は動画像復号化装置（画像復号装置）のいずれかを組み込むことができる。衛星などを利用して放送用の電波に映像と音が多重化された多重化データを載せて送受信するため、コンテンツ供給システムｅｘ１００のユニキャストがし易い構成に対してマルチキャスト向きであるという違いがあるが符号化処理及び復号処理に関しては同様の応用が可能である。
　［ハードウェア構成］
　図４４は、スマートフォンｅｘ１１５を示す図である。また、図４５は、スマートフォンｅｘ１１５の構成例を示す図である。スマートフォンｅｘ１１５は、基地局ｅｘ１１０との間で電波を送受信するためのアンテナｅｘ４５０と、映像及び静止画を撮ることが可能なカメラ部ｅｘ４６５と、カメラ部ｅｘ４６５で撮像した映像、及びアンテナｅｘ４５０で受信した映像等が復号されたデータを表示する表示部ｅｘ４５８とを備える。スマートフォンｅｘ１１５は、さらに、タッチパネル等である操作部ｅｘ４６６と、音声又は音響を出力するためのスピーカ等である音声出力部ｅｘ４５７と、音声を入力するためのマイク等である音声入力部ｅｘ４５６と、撮影した映像或いは静止画、録音した音声、受信した映像或いは静止画、メール等の符号化されたデータ、又は、復号化されたデータを保存可能なメモリ部ｅｘ４６７と、ユーザを特定し、ネットワークをはじめ各種データへのアクセスの認証をするためのＳＩＭｅｘ４６８とのインタフェース部であるスロット部ｅｘ４６４とを備える。なお、メモリ部ｅｘ４６７の代わりに外付けメモリが用いられてもよい。
　また、表示部ｅｘ４５８及び操作部ｅｘ４６６等を統括的に制御する主制御部ｅｘ４６０と、電源回路部ｅｘ４６１、操作入力制御部ｅｘ４６２、映像信号処理部ｅｘ４５５、カメラインタフェース部ｅｘ４６３、ディスプレイ制御部ｅｘ４５９、変調／復調部ｅｘ４５２、多重／分離部ｅｘ４５３、音声信号処理部ｅｘ４５４、スロット部ｅｘ４６４、及びメモリ部ｅｘ４６７とがバスｅｘ４７０を介して接続されている。
　電源回路部ｅｘ４６１は、ユーザの操作により電源キーがオン状態にされると、バッテリパックから各部に対して電力を供給することによりスマートフォンｅｘ１１５を動作可能な状態に起動する。
　スマートフォンｅｘ１１５は、ＣＰＵ、ＲＯＭ及びＲＡＭ等を有する主制御部ｅｘ４６０の制御に基づいて、通話及データ通信等の処理を行う。通話時は、音声入力部ｅｘ４５６で収音した音声信号を音声信号処理部ｅｘ４５４でデジタル音声信号に変換し、これを変調／復調部ｅｘ４５２でスペクトラム拡散処理し、送信／受信部ｅｘ４５１でデジタルアナログ変換処理及び周波数変換処理を施した後にアンテナｅｘ４５０を介して送信する。また受信データを増幅して周波数変換処理及びアナログデジタル変換処理を施し、変調／復調部ｅｘ４５２でスペクトラム逆拡散処理し、音声信号処理部ｅｘ４５４でアナログ音声信号に変換した後、これを音声出力部ｅｘ４５７から出力する。データ通信モード時は、本体部の操作部ｅｘ４６６等の操作によってテキスト、静止画、又は映像データが操作入力制御部ｅｘ４６２を介して主制御部ｅｘ４６０に送出され、同様に送受信処理が行われる。データ通信モード時に映像、静止画、又は映像と音声を送信する場合、映像信号処理部ｅｘ４５５は、メモリ部ｅｘ４６７に保存されている映像信号又はカメラ部ｅｘ４６５から入力された映像信号を上記各実施の形態で示した動画像符号化方法によって圧縮符号化し、符号化された映像データを多重／分離部ｅｘ４５３に送出する。また、音声信号処理部ｅｘ４５４は、映像又は静止画等をカメラ部ｅｘ４６５で撮像中に音声入力部ｅｘ４５６で収音した音声信号を符号化し、符号化された音声データを多重／分離部ｅｘ４５３に送出する。多重／分離部ｅｘ４５３は、符号化済み映像データと符号化済み音声データを所定の方式で多重化し、変調／復調部（変調／復調回路部）ｅｘ４５２、及び送信／受信部ｅｘ４５１で変調処理及び変換処理を施してアンテナｅｘ４５０を介して送信する。
　電子メール又はチャットに添付された映像、又はウェブページ等にリンクされた映像を受信した場合、アンテナｅｘ４５０を介して受信された多重化データを復号するために、多重／分離部ｅｘ４５３は、多重化データを分離することにより、多重化データを映像データのビットストリームと音声データのビットストリームとに分け、同期バスｅｘ４７０を介して符号化された映像データを映像信号処理部ｅｘ４５５に供給するとともに、符号化された音声データを音声信号処理部ｅｘ４５４に供給する。映像信号処理部ｅｘ４５５は、上記各実施の形態で示した動画像符号化方法に対応した動画像復号化方法によって映像信号を復号し、ディスプレイ制御部ｅｘ４５９を介して表示部ｅｘ４５８から、リンクされた動画像ファイルに含まれる映像又は静止画が表示される。また音声信号処理部ｅｘ４５４は、音声信号を復号し、音声出力部ｅｘ４５７から音声が出力される。なおリアルタイムストリーミングが普及しているため、ユーザの状況によっては音声の再生が社会的にふさわしくない場も起こりえる。そのため、初期値としては、音声信号は再生せず映像データのみを再生する構成の方が望ましい。ユーザが映像データをクリックするなど操作を行った場合にのみ音声を同期して再生してもよい。
　またここではスマートフォンｅｘ１１５を例に説明したが、端末としては符号化器及び復号化器を両方持つ送受信型端末の他に、符号化器のみを有する送信端末、及び、復号化器のみを有する受信端末という３通りの実装形式が考えられる。さらに、デジタル放送用システムにおいて、映像データに音楽データなどが多重化された多重化データを受信又は送信するとして説明したが、多重化データには、音声データ以外に映像に関連する文字データなどが多重化されてもよいし、多重化データではなく映像データ自体が受信又は送信されてもよい。
　なお、ＣＰＵを含む主制御部ｅｘ４６０が符号化又は復号処理を制御するとして説明したが、端末はＧＰＵを備えることも多い。よって、ＣＰＵとＧＰＵで共通化されたメモリ、又は共通に使用できるようにアドレスが管理されているメモリにより、ＧＰＵの性能を活かして広い領域を一括して処理する構成でもよい。これにより符号化時間を短縮でき、リアルタイム性を確保し、低遅延を実現できる。特に動き探索、デブロックフィルタ、ＳＡＯ（Ｓａｍｐｌｅ　Ａｄａｐｔｉｖｅ　Ｏｆｆｓｅｔ）、及び変換・量子化の処理を、ＣＰＵではなく、ＧＰＵでピクチャなどの単位で一括して行うと効率的である。
　本開示は、例えば、テレビ、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、またはデジタルビデオカメラ等の装置であって、画像を符号化する符号化装置、または符号化された画像を復号する復号装置などに適用することができる。
　１５００　　符号化装置
　１５０１　　変換部
　１５０２　　量子化部
　１５０３　　逆量子化部
　１５０４　　逆変換部
　１５０５　　ブロックメモリ
　１５０６　　フレームメモリ
　１５０７　　イントラ予測部
　１５０８　　インター予測部
　１５０９　　エントロピー符号化部
　１５２１　　減算部
　１５２２　　加算部
　１６００　　復号装置
　１６０１　　エントロピー復号部
　１６０２　　逆量子化部
　１６０３　　逆変換部
　１６０４　　ブロックメモリ
　１６０５　　フレームメモリ
　１６０６　　イントラ予測部
　１６０７　　インター予測部
　１６２２　　加算部

Claims (20)

  1. 　処理回路と、前記処理回路に接続されたメモリとを備え、
    　前記処理回路は、前記メモリを用いて、
    　広角レンズによって撮像された画像の歪みを補正する第１の処理と、複数の画像を繋ぎ合せる第２の処理とのうちの少なくとも１つの処理に関するパラメータを取得し、
    　前記画像または前記複数の画像に基づく処理対象の画像を符号化することによって符号化画像を生成し、
    　前記符号化画像を含むビットストリームに前記パラメータを書き込む
    　符号化装置。
  2. 　前記パラメータの書き込みでは、
    　前記パラメータを前記ビットストリーム中のヘッダに書き込み、
    　前記処理対象の画像の符号化では、
    　前記処理対象の画像に含まれるブロックごとに、前記パラメータに基づく符号化処理を当該ブロックに適応することによって、当該ブロックを符号化し、
    　前記符号化処理は、画面間予測処理および画像再構成処理のうちの少なくとも１つを含む
    　請求項１に記載の符号化装置。
  3. 　前記パラメータの書き込みでは、
    　前記第２の処理に関する前記パラメータを、前記ビットストリーム中のヘッダに書き込み、
    　前記処理対象の画像の符号化では、
    　前記第２の処理によって得られた前記処理対象の画像に含まれるブロックごとに、前記パラメータに基づいて、当該ブロックに対する符号化処理を省略する
    　請求項１に記載の符号化装置。
  4. 　前記パラメータの書き込みでは、
    　前記第２の処理に関する前記パラメータとして、複数のカメラのそれぞれの、位置およびカメラアングルのうちの少なくとも１つを前記ビットストリーム中のヘッダに書き込み、
    　前記処理対象の画像の符号化では、
    　前記複数の画像のうちの１つである前記処理対象の画像を符号化し、
    　前記処理対象の画像を、前記ヘッダに書き込まれるパラメータを用いて、前記複数の画像のうちの他の画像と繋ぎ合わせる
    　請求項１に記載の符号化装置。
  5. 　前記パラメータの書き込みでは、
    　前記第１の処理に関するパラメータとして、画像が広角レンズで撮像されているか否かを示すパラメータ、および、広角レンズによって生じた歪曲収差に関するパラメータのうちの少なくとも１つを、前記ビットストリーム中のヘッダに書き込み、
    　前記処理対象の画像の符号化では、
    　広角レンズによって撮像された画像である前記処理対象の画像に含まれるブロックごとに、前記ヘッダに書き込まれるパラメータに基づく符号化処理を当該ブロックに適応することによって、当該ブロックを符号化し、
    　前記符号化処理は、動きベクトル予測処理および画面内予測処理のうちの少なくとも１つを含む
    　請求項１に記載の符号化装置。
  6. 　前記符号化処理は、画面間予測処理および画面内予測処理のうちの一方の予測処理を含み、
    　前記予測処理は、画像に含まれる複数の画素の配置または再配置を行う処理であるラッピング処理を含む
    　請求項２または５に記載の符号化装置。
  7. 　前記符号化処理は、画面間予測処理を含み、
    　前記画面間予測処理は、
    　湾曲した、斜めの、または角のある画像境界に対する処理であって、前記ヘッダに書き込まれるパラメータを用いた画像のパディング処理を含む、
    　請求項２または５に記載の符号化装置。
  8. 　前記符号化処理は、画面間予測処理および画像再構成処理を含み、
    　前記画面間予測処理および前記画像再構成処理はそれぞれ、前記ヘッダに書き込まれるパラメータに基づいて画素値を所定の値に置き換えるための処理を含む
    　請求項２または５に記載の符号化装置。
  9. 　前記処理対象の画像の符号化では、
    　符号化された前記処理対象の画像を再構成し、
    　再構成された前記処理対象の画像と前記他の画像との繋ぎ合わせによって得られる画像を、画面間予測処理に使用される参照フレームとして前記メモリに格納する
    　請求項４に記載の符号化装置。
  10. 　処理回路と、前記処理回路に接続されたメモリとを備え、
    　前記処理回路は、前記メモリを用いて、
    　符号化画像を含むビットストリームを取得し、
    　広角レンズによって撮像された画像の歪みを補正する第１の処理と、複数の画像を繋ぎ合せる第２の処理とのうちの少なくとも１つの処理に関するパラメータを、前記ビットストリームから読み解き、
    　前記符号化画像を復号する、
    　復号装置。
  11. 　前記パラメータの読み解きでは、
    　前記パラメータを前記ビットストリーム中のヘッダから読み解き、
    　前記符号化画像の復号では、
    　前記符号化画像に含まれるブロックごとに、前記パラメータに基づく復号処理を当該ブロックに適応することによって、当該ブロックを復号し、
    　前記復号処理は、画面間予測処理および画像再構成処理のうちの少なくとも１つを含む
    　請求項１０に記載の復号装置。
  12. 　前記パラメータの読み解きでは、
    　前記第２の処理に関する前記パラメータを、前記ビットストリーム中のヘッダから読み解き、
    　前記符号化画像の復号では、
    　前記第２の処理によって得られた画像の符号化によって生成された前記符号化画像に含まれるブロックごとに、前記パラメータに基づいて、当該ブロックに対する復号処理を省略する
    　請求項１０に記載の復号装置。
  13. 　前記パラメータの読み解きでは、
    　前記第２の処理に関する前記パラメータとして、複数のカメラのそれぞれの、位置およびカメラアングルのうちの少なくとも１つを前記ビットストリーム中のヘッダから読み解き、
    　前記符号化画像の復号では、
    　前記複数の画像のうちの１つの符号化によって生成された前記符号化画像を復号し、
    　復号された前記符号化画像を、前記ヘッダから読み解かれたパラメータを用いて、前記複数の画像のうちの他の画像と繋ぎ合わせる
    　請求項１０に記載の復号装置。
  14. 　前記パラメータの読み解きでは、
    　前記第１の処理に関するパラメータとして、画像が広角レンズで撮像されているか否かを示すパラメータ、および、広角レンズによって生じた歪曲収差に関するパラメータのうちの少なくとも１つを、前記ビットストリーム中のヘッダから読み解き、
    　前記符号化画像の復号では、
    　広角レンズによって撮像された画像の符号化によって生成された前記符号化画像に含まれるブロックごとに、前記ヘッダから読み解かれたパラメータに基づく復号処理を当該ブロックに適応することによって、当該ブロックを復号し、
    　前記復号処理は、動きベクトル予測処理および画面内予測処理のうちの少なくとも１つを含む
    　請求項１０に記載の復号装置。
  15. 　前記復号処理は、画面間予測処理および画面内予測処理のうちの一方の予測処理を含み、
    　前記予測処理は、画像に含まれる複数の画素の配置または再配置を行う処理であるラッピング処理を含む
    　請求項１１または１４に記載の復号装置。
  16. 　前記復号処理は、画面間予測処理を含み、
    　前記画面間予測処理は、
    　湾曲した、斜めの、または角のある画像境界に対する処理であって、前記ヘッダから読み解かれたパラメータを用いた画像のパディング処理を含む、
    　請求項１１または１４に記載の復号装置。
  17. 　前記復号処理は、画面間予測処理および画像再構成処理を含み、
    　前記画面間予測処理および前記画像再構成処理はそれぞれ、前記ヘッダから読み解かれたパラメータに基づいて画素値を所定の値に置き換えるための処理を含む
    　請求項１１または１４に記載の復号装置。
  18. 　前記符号化画像の復号では、
    　前記符号化画像を復号し、
    　復号された前記符号化画像と前記他の画像との繋ぎ合わせによって得られる画像を、画面間予測処理に使用される参照フレームとして前記メモリに格納する
    　請求項１３に記載の復号装置。
  19. 　広角レンズによって撮像された画像の歪みを補正する第１の処理と、複数の画像を繋ぎ合せる第２の処理とのうちの少なくとも１つの処理に関するパラメータを取得し、
    　前記画像または前記複数の画像に基づく処理対象の画像を符号化することによって符号化画像を生成し、
    　前記符号化画像を含むビットストリームに前記パラメータを書き込む
    　符号化方法。
  20. 　符号化画像を含むビットストリームを取得し、
    　広角レンズによって撮像された画像の歪みを補正する第１の処理と、複数の画像を繋ぎ合せる第２の処理とのうちの少なくとも１つの処理に関するパラメータを、前記ビットストリームから読み解き、
    　前記符号化画像を復号する、
    　復号方法。
PCT/JP2017/019113 2016-05-27 2017-05-23 符号化装置、復号装置、符号化方法、および復号方法 WO2017204185A1 (ja)

Priority Applications (25)

Application Number Priority Date Filing Date Title
CN202210526613.3A CN115037939B (zh) 2016-05-27 2017-05-23 编码装置及解码装置
CN202210526618.6A CN115150630B (zh) 2016-05-27 2017-05-23 编码装置及解码装置
CN202210526617.1A CN115150617A (zh) 2016-05-27 2017-05-23 编码方法及解码方法
CN202210528629.8A CN114979649A (zh) 2016-05-27 2017-05-23 编码方法及解码方法
CN202210527871.3A CN114866774A (zh) 2016-05-27 2017-05-23 编码装置及解码装置
CN202210526402.XA CN115037949A (zh) 2016-05-27 2017-05-23 编码方法、解码方法、及编码和解码方法
CN202210528627.9A CN114679588B (zh) 2016-05-27 2017-05-23 编码方法及解码方法
CN202210526631.1A CN115150618A (zh) 2016-05-27 2017-05-23 解码装置及系统
CN202210526401.5A CN114979647B (zh) 2016-05-27 2017-05-23 编码装置及解码装置
CN202210526598.2A CN114979648B (zh) 2016-05-27 2017-05-23 编码方法、解码方法、及编码和解码方法
CN202210527875.1A CN115150619B (zh) 2016-05-27 2017-05-23 编码装置及解码装置
CN202210528648.0A CN114745547A (zh) 2016-05-27 2017-05-23 编码装置及解码装置
CN201780031614.8A CN109155854B (zh) 2016-05-27 2017-05-23 编码装置、解码装置、编码方法及解码方法
CN202210528665.4A CN114979650B (zh) 2016-05-27 2017-05-23 编码装置及解码装置
CN202210527891.0A CN115150620A (zh) 2016-05-27 2017-05-23 编码方法及解码方法
JP2018519545A JPWO2017204185A1 (ja) 2016-05-27 2017-05-23 符号化装置、復号装置、符号化方法、および復号方法
CN202210533740.6A CN114866775A (zh) 2016-05-27 2017-05-23 编码方法及解码方法
CN202210526384.5A CN114979646A (zh) 2016-05-27 2017-05-23 编码方法及解码方法
US16/194,586 US11134270B2 (en) 2016-05-27 2018-11-19 Encoder, decoder, encoding method, and decoding method
US17/373,106 US11985350B2 (en) 2016-05-27 2021-07-12 Encoder, decoder, encoding method, and decoding method
US17/373,066 US11985349B2 (en) 2016-05-27 2021-07-12 Encoder, decoder, encoding method, and decoding method
US17/373,069 US11962804B2 (en) 2016-05-27 2021-07-12 Encoder, decoder, encoding method, and decoding method
JP2021179243A JP2022033737A (ja) 2016-05-27 2021-11-02 復号装置
US18/242,846 US20230421809A1 (en) 2016-05-27 2023-09-06 Encoder, decoder, encoding method, and decoding method
US18/242,747 US20230412840A1 (en) 2016-05-27 2023-09-06 Encoder, decoder, encoding method, and decoding method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201662342517P 2016-05-27 2016-05-27
US62/342,517 2016-05-27

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/194,586 Continuation US11134270B2 (en) 2016-05-27 2018-11-19 Encoder, decoder, encoding method, and decoding method

Publications (1)

Publication Number Publication Date
WO2017204185A1 true WO2017204185A1 (ja) 2017-11-30

Family

ID=60412304

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/019113 WO2017204185A1 (ja) 2016-05-27 2017-05-23 符号化装置、復号装置、符号化方法、および復号方法

Country Status (5)

Country Link
US (6) US11134270B2 (ja)
JP (5) JPWO2017204185A1 (ja)
CN (17) CN115150618A (ja)
TW (2) TWI754644B (ja)
WO (1) WO2017204185A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019181101A1 (ja) * 2018-03-19 2019-09-26 ソニー株式会社 画像処理装置と画像処理方法
WO2019244439A1 (ja) * 2018-06-21 2019-12-26 ソニー株式会社 画像処理装置と画像処理方法
KR20190142928A (ko) * 2018-06-19 2019-12-30 삼성전자주식회사 영상 압축을 수행하는 전자 장치 및 전자 장치의 동작 방법
CN113302663A (zh) * 2019-01-14 2021-08-24 华为技术有限公司 点云译码中的有效patch旋转

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11563938B2 (en) 2016-02-15 2023-01-24 Qualcomm Incorporated Geometric transforms for filters for video coding
US10965955B2 (en) * 2016-12-22 2021-03-30 Mediatek Inc. Method and apparatus of motion refinement for video coding
FR3064145A1 (fr) * 2017-03-16 2018-09-21 Orange Procede de codage et decodage d'images, dispositif de codage et decodage et programmes d'ordinateur correspondants
US10778974B2 (en) * 2017-07-05 2020-09-15 Qualcomm Incorporated Adaptive loop filter with enhanced classification methods
US11310517B2 (en) * 2017-12-07 2022-04-19 Electronics And Telecommunications Research Institute Method and apparatus for encoding and decoding using selective information sharing between channels
GB2589221B (en) 2018-06-19 2023-03-22 Beijing Bytedance Network Tech Co Ltd Mode dependent MVD precision set
WO2020058886A1 (en) 2018-09-19 2020-03-26 Beijing Bytedance Network Technology Co., Ltd. Fast algorithms for adaptive motion vector resolution in affine mode
WO2020094067A1 (en) 2018-11-06 2020-05-14 Beijing Bytedance Network Technology Co., Ltd. Simplified parameter derivation for intra prediction
CN113170122B (zh) 2018-12-01 2023-06-27 北京字节跳动网络技术有限公司 帧内预测的参数推导
JP7317965B2 (ja) 2018-12-07 2023-07-31 北京字節跳動網絡技術有限公司 コンテキストベースのイントラ予測
CN113412623A (zh) * 2019-01-31 2021-09-17 北京字节跳动网络技术有限公司 记录仿射模式自适应运动矢量分辨率的上下文
CN113439437B (zh) * 2019-02-22 2023-11-24 北京字节跳动网络技术有限公司 用于帧内预测的邻近样点选择
BR112021015017B1 (pt) 2019-02-24 2022-07-26 Bytedance Inc. Método e aparelho para codificar dados de vídeo, e, mídia de armazenamento
CN110662031B (zh) * 2019-03-11 2021-03-23 杭州海康威视数字技术股份有限公司 解码方法及装置
CN113767631B (zh) 2019-03-24 2023-12-15 北京字节跳动网络技术有限公司 用于帧内预测的参数推导中的条件
CN110246106B (zh) * 2019-06-22 2021-09-28 福州大学 基于量子和声搜索模糊集的nsst域浮选泡沫图像增强及去噪方法
JP6899053B2 (ja) * 2019-06-24 2021-07-07 Kddi株式会社 画像復号装置、画像復号方法及びプログラム
US11375238B2 (en) 2019-09-20 2022-06-28 Tencent America LLC Method for padding processing with sub-region partitions in video stream
CN112868234A (zh) * 2019-09-24 2021-05-28 深圳市大疆创新科技有限公司 运动估计方法、系统和存储介质
JP2022184139A (ja) * 2021-05-31 2022-12-13 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
WO2023092373A1 (en) * 2021-11-25 2023-06-01 Intel Corporation Methods and apparatus for tile-based stitching and encoding of images
WO2023163809A1 (en) * 2022-02-24 2023-08-31 Tencent America LLC Enhancement process for video coding for machines
CN115460415B (zh) * 2022-08-26 2024-07-23 同济大学 一种面向人机混合视觉的视频压缩方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004004363A1 (ja) * 2002-06-28 2004-01-08 Sharp Kabushiki Kaisha 画像符号化装置、画像送信装置および画像撮影装置
JP2008034892A (ja) * 2006-03-28 2008-02-14 Victor Co Of Japan Ltd 多視点画像符号化装置
JP2010524398A (ja) * 2007-04-12 2010-07-15 トムソン ライセンシング ビデオ符号化及び復号化におけるタイリング
JP2010239221A (ja) * 2009-03-30 2010-10-21 Panasonic Corp 画像通信システム
WO2011129163A1 (ja) * 2010-04-16 2011-10-20 コニカミノルタホールディングス株式会社 イントラ予測処理方法、及びイントラ予測処理プログラム
US20160142697A1 (en) * 2014-11-14 2016-05-19 Samsung Electronics Co., Ltd. Coding of 360 degree videos using region adaptive smoothing

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1110414A1 (en) * 1998-08-28 2001-06-27 Sarnoff Corporation Method and apparatus for synthesizing high-resolution imagery using one high-resolution camera and a lower resolution camera
JP4000928B2 (ja) * 2002-07-04 2007-10-31 ソニー株式会社 動き補償装置
JP4100146B2 (ja) * 2002-11-27 2008-06-11 ソニー株式会社 双方向コミュニケーションシステム，映像通信装置
JP2004207862A (ja) * 2002-12-24 2004-07-22 Nippon Telegr & Teleph Corp <Ntt> 映像符号化装置及び映像復号化装置及びその方法並びにそのプログラム
US8130827B2 (en) * 2004-08-13 2012-03-06 Samsung Electronics Co., Ltd. Method and apparatus for interpolating a reference pixel in an annular image and encoding/decoding an annular image
KR100688382B1 (ko) * 2004-08-13 2007-03-02 경희대학교 산학협력단 환형 영상의 참조 화소 보간 방법, 그 장치, 환형 영상부호화 방법, 그 장치 및 환형 영상 복호화 방법 및 그장치
KR100763194B1 (ko) * 2005-10-14 2007-10-04 삼성전자주식회사 단일 루프 디코딩 조건을 만족하는 인트라 베이스 예측방법, 상기 방법을 이용한 비디오 코딩 방법 및 장치
JP2007295215A (ja) * 2006-04-25 2007-11-08 Victor Co Of Japan Ltd パディング処理回路
SG150414A1 (en) * 2007-09-05 2009-03-30 Creative Tech Ltd Methods for processing a composite video image with feature indication
US8355041B2 (en) * 2008-02-14 2013-01-15 Cisco Technology, Inc. Telepresence system for 360 degree video conferencing
KR101446773B1 (ko) * 2008-02-20 2014-10-02 삼성전자주식회사 영상 복구를 이용한 인터 예측 부호화, 복호화 방법 및장치
RU2543954C2 (ru) * 2009-01-26 2015-03-10 Томсон Лайсенсинг Упаковка кадров для кодирования видео
CN105516723B (zh) * 2010-09-30 2018-07-27 三菱电机株式会社 运动图像编码装置及方法、运动图像解码装置及方法
CN103297778B (zh) * 2013-05-27 2017-04-19 华为技术有限公司 一种对图像进行编、解码的方法及设备
JP6494294B2 (ja) * 2014-05-15 2019-04-03 キヤノン株式会社 画像処理装置、及び撮像システム
US10204658B2 (en) 2014-07-14 2019-02-12 Sony Interactive Entertainment Inc. System and method for use in playing back panorama video content
CN105306837A (zh) * 2015-10-27 2016-02-03 浙江宇视科技有限公司 多图像拼接方法及装置
US10282814B2 (en) * 2016-01-07 2019-05-07 Mediatek Inc. Method and apparatus of image formation and compression of cubic images for 360 degree panorama display
CN105554506B (zh) * 2016-01-19 2018-05-29 北京大学深圳研究生院 基于多方式边界填充的全景视频编码、解码方法和装置
US10681326B2 (en) * 2016-05-19 2020-06-09 AVAGO TECHNOLOGlES INTERNATIONAL SALES PTE. LIMITED 360 degree video system with coordinate compression
WO2018191224A1 (en) 2017-04-11 2018-10-18 Vid Scale, Inc. 360-degree video coding using face continuities
KR102025735B1 (ko) * 2017-11-23 2019-09-26 전자부품연구원 복수의 촬영 영상을 이용한 360 vr 영상 변환 시스템 및 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004004363A1 (ja) * 2002-06-28 2004-01-08 Sharp Kabushiki Kaisha 画像符号化装置、画像送信装置および画像撮影装置
JP2008034892A (ja) * 2006-03-28 2008-02-14 Victor Co Of Japan Ltd 多視点画像符号化装置
JP2010524398A (ja) * 2007-04-12 2010-07-15 トムソン ライセンシング ビデオ符号化及び復号化におけるタイリング
JP2010239221A (ja) * 2009-03-30 2010-10-21 Panasonic Corp 画像通信システム
WO2011129163A1 (ja) * 2010-04-16 2011-10-20 コニカミノルタホールディングス株式会社 イントラ予測処理方法、及びイントラ予測処理プログラム
US20160142697A1 (en) * 2014-11-14 2016-05-19 Samsung Electronics Co., Ltd. Coding of 360 degree videos using region adaptive smoothing

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
EICHENSEER, ANDREA ET AL.: "Coding of distortion-corrected fisheye video sequences using H.265/HEVC", IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING (ICIP, 27 October 2014 (2014-10-27), pages 4132 - 4136, XP032967407 *
JIN, GUOXIN ET AL.: "Motion estimation and compensation for fisheye warped video", IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING (ICIP, 27 September 2015 (2015-09-27), pages 2751 - 2755, XP032826972 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019181101A1 (ja) * 2018-03-19 2019-09-26 ソニー株式会社 画像処理装置と画像処理方法
US11317114B2 (en) 2018-03-19 2022-04-26 Sony Corporation Image processing apparatus and image processing method to increase encoding efficiency of two-dimensional image
KR20190142928A (ko) * 2018-06-19 2019-12-30 삼성전자주식회사 영상 압축을 수행하는 전자 장치 및 전자 장치의 동작 방법
KR102664681B1 (ko) * 2018-06-19 2024-05-09 삼성전자 주식회사 영상 압축을 수행하는 전자 장치 및 전자 장치의 동작 방법
WO2019244439A1 (ja) * 2018-06-21 2019-12-26 ソニー株式会社 画像処理装置と画像処理方法
JPWO2019244439A1 (ja) * 2018-06-21 2021-07-08 ソニーグループ株式会社 画像処理装置と画像処理方法
JP7215480B2 (ja) 2018-06-21 2023-01-31 ソニーグループ株式会社 画像処理装置と画像処理方法
US11818339B2 (en) 2018-06-21 2023-11-14 Sony Corporation Image processing apparatus and image processing method
CN113302663A (zh) * 2019-01-14 2021-08-24 华为技术有限公司 点云译码中的有效patch旋转
US11973987B2 (en) 2019-01-14 2024-04-30 Huawei Technologies Co., Ltd. Efficient patch rotation in point cloud coding

Also Published As

Publication number Publication date
CN109155854B (zh) 2022-06-07
CN115037939A (zh) 2022-09-09
CN115150618A (zh) 2022-10-04
CN114979646A (zh) 2022-08-30
CN114979648B (zh) 2024-02-13
CN114979647B (zh) 2024-02-13
US20210344957A1 (en) 2021-11-04
CN114979650B (zh) 2024-02-13
JP2022033737A (ja) 2022-03-02
TW202218427A (zh) 2022-05-01
TW201803354A (zh) 2018-01-16
CN114679588A (zh) 2022-06-28
JP2021145379A (ja) 2021-09-24
US20190110076A1 (en) 2019-04-11
TWI754644B (zh) 2022-02-11
CN114979650A (zh) 2022-08-30
US20210344956A1 (en) 2021-11-04
CN115150630B (zh) 2024-02-20
CN115150619B (zh) 2024-02-13
CN115037939B (zh) 2024-02-13
JP7340563B2 (ja) 2023-09-07
US20230421809A1 (en) 2023-12-28
CN109155854A (zh) 2019-01-04
CN115150630A (zh) 2022-10-04
CN115150619A (zh) 2022-10-04
US11962804B2 (en) 2024-04-16
CN114866774A (zh) 2022-08-05
CN114979647A (zh) 2022-08-30
US11985349B2 (en) 2024-05-14
TWI772244B (zh) 2022-07-21
CN114979648A (zh) 2022-08-30
JP2021145378A (ja) 2021-09-24
CN114866775A (zh) 2022-08-05
US20210344958A1 (en) 2021-11-04
TW202243474A (zh) 2022-11-01
CN114745547A (zh) 2022-07-12
CN114979649A (zh) 2022-08-30
CN114679588B (zh) 2024-07-02
JPWO2017204185A1 (ja) 2019-03-22
CN115037949A (zh) 2022-09-09
US20230412840A1 (en) 2023-12-21
CN115150620A (zh) 2022-10-04
US11985350B2 (en) 2024-05-14
CN115150617A (zh) 2022-10-04
US11134270B2 (en) 2021-09-28
JP2023063398A (ja) 2023-05-09

Similar Documents

Publication Publication Date Title
JP7340563B2 (ja) 符号化装置
WO2018212110A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018181448A1 (ja) 画像符号化装置、画像復号装置、画像符号化方法及び画像復号方法
WO2019208677A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
JP7339890B2 (ja) 符号化装置及び復号装置
WO2018021374A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2019017066A (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018221631A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2018101288A1 (ja) 符号化装置、符号化方法、復号装置および復号方法
JP7299386B2 (ja) 符号化装置及び復号装置
WO2018190207A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019189346A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019208372A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018212111A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7161636B2 (ja) 符号化装置及び符号化方法
WO2018225593A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2018199050A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019221103A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7149995B2 (ja) 復号装置及び復号方法
WO2018225594A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7086176B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018021373A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019163794A1 (ja) 符号化装置及び符号化方法
JP2023016992A (ja) 符号化装置及び復号装置
WO2019151408A1 (ja) 符号化装置、復号装置、符号化方法および復号方法

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2018519545

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17802771

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 17802771

Country of ref document: EP

Kind code of ref document: A1