WO2018097077A1 - 符号化装置、復号装置、符号化方法及び復号方法 - Google Patents

符号化装置、復号装置、符号化方法及び復号方法 Download PDF

Info

Publication number
WO2018097077A1
WO2018097077A1 PCT/JP2017/041595 JP2017041595W WO2018097077A1 WO 2018097077 A1 WO2018097077 A1 WO 2018097077A1 JP 2017041595 W JP2017041595 W JP 2017041595W WO 2018097077 A1 WO2018097077 A1 WO 2018097077A1
Authority
WO
WIPO (PCT)
Prior art keywords
motion vector
block
sub
candidate
processing target
Prior art date
Application number
PCT/JP2017/041595
Other languages
English (en)
French (fr)
Inventor
安倍　清史
西　孝啓
遠間　正真
橋本　隆
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
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
Publication of WO2018097077A1 publication Critical patent/WO2018097077A1/ja

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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H04N19/517—Processing of motion vectors by encoding
    • H04N19/52—Processing of motion vectors by encoding by predictive encoding

Definitions

  • the present disclosure relates to an encoding device that encodes a moving image including a plurality of pictures.
  • H.264 265 exists.
  • H. H.265 is also called HEVC (High Efficiency Video Coding).
  • the present disclosure provides an encoding apparatus and the like that can appropriately process a moving image with a small code amount.
  • An encoding apparatus is an encoding apparatus that encodes a moving image including a plurality of pictures, and includes a memory and a circuit that can access the memory, and accesses the memory.
  • the possible circuit is used for motion compensation of a processed block in which a predicted motion vector of a processing target block of a plurality of blocks in the plurality of pictures is specified according to a position of the processing target block of the plurality of blocks.
  • a representative motion vector of the processing target block is derived by referring to the processing target block and a processed picture of the plurality of pictures, and the predicted motion vector and the representative motion vector A plurality of sub-blocks constituting the processing target block.
  • a plurality of candidate motion vectors including the representative motion vector are derived by motion vectors, and (ii) a processed image region included in the plurality of blocks and a processing target image region included in the processing target block,
  • a final motion vector may be selected from the plurality of candidate motion vectors with reference to only the processed image region, and (iii) motion compensation of the sub-block may be performed using the final motion vector.
  • the encoding device or the like can appropriately process a moving image with a small amount of codes.
  • 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 showing processing related to motion compensation performed in units of sub-blocks in encoding.
  • FIG. 12 is a flowchart showing processing related to motion compensation performed in units of sub-blocks in decoding.
  • FIG. 11 is a flowchart showing processing related to motion compensation performed in units of sub-blocks in encoding.
  • FIG. 12 is a flowchart showing processing related to motion compensation performed in units of sub-blocks in decoding.
  • FIG. 13 is a flowchart showing processing related to motion compensation performed in units of blocks in encoding.
  • FIG. 14 is a flowchart showing processing related to motion compensation performed in units of blocks in decoding.
  • FIG. 15A is an explanatory diagram illustrating a method of selecting a final motion vector by a template matching method.
  • FIG. 15B is a conceptual diagram illustrating an evaluable sub-block and an unevaluable sub-block.
  • FIG. 16 is an explanatory diagram showing a method of selecting a final motion vector by the bilateral matching method.
  • FIG. 17 is a flowchart showing switching between the two motion compensation modes.
  • FIG. 18 is a flowchart showing switching between two motion compensation modes and switching between two evaluation modes.
  • FIG. 15A is an explanatory diagram illustrating a method of selecting a final motion vector by a template matching method.
  • FIG. 15B is a conceptual diagram illustrating an evaluable sub-block and an unevaluable sub-block.
  • FIG. 16 is an ex
  • FIG. 19 is an explanatory diagram showing a method for deriving a representative motion vector.
  • FIG. 20A is a conceptual diagram showing an evaluation area defined by an area excluding the left end and the upper end in a block including 4 ⁇ 4 sub-blocks.
  • FIG. 20B is a conceptual diagram illustrating an evaluation area defined by an area excluding the left end and the upper end in a block including 2 ⁇ 4 sub-blocks.
  • FIG. 20C is a conceptual diagram illustrating an evaluation area defined by an area excluding the left end and the upper end in a block including 4 ⁇ 2 sub-blocks.
  • FIG. 20D is a conceptual diagram illustrating an evaluation area defined by an area excluding the left end and the upper end in a block including 2 ⁇ 2 sub-blocks.
  • FIG. 20A is a conceptual diagram showing an evaluation area defined by an area excluding the left end and the upper end in a block including 4 ⁇ 4 sub-blocks.
  • FIG. 20B is a conceptual diagram illustrating an evaluation area defined by
  • FIG. 21A is a conceptual diagram showing an evaluation area defined by a right half area and a lower half area in a block including 4 ⁇ 4 sub-blocks.
  • FIG. 21B is a conceptual diagram showing an evaluation region defined by right and lower half regions in a block including 2 ⁇ 4 sub-blocks.
  • FIG. 21C is a conceptual diagram showing an evaluation area defined by right and lower half areas in a block including 4 ⁇ 2 sub-blocks.
  • FIG. 21D is a conceptual diagram illustrating an evaluation region defined by a right half region and a lower half region in a block including 2 ⁇ 2 sub-blocks.
  • FIG. 22 is a block diagram illustrating an implementation example of the coding apparatus according to Embodiment 1.
  • FIG. 22 is a block diagram illustrating an implementation example of the coding apparatus according to Embodiment 1.
  • FIG. 23 is a block diagram illustrating an implementation example of the decoding apparatus according to Embodiment 1.
  • FIG. 24 is an overall configuration diagram of a content supply system that realizes a content distribution service.
  • FIG. 25 is a diagram illustrating an example of an encoding structure at the time of scalable encoding.
  • FIG. 26 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 27 shows an example of a web page display screen.
  • FIG. 28 shows an example of a web page display screen.
  • FIG. 29 is a diagram illustrating an example of a smartphone.
  • FIG. 30 is a block diagram illustrating a configuration example of a smartphone.
  • An encoding apparatus that encodes a moving image including a plurality of pictures may use inter-screen prediction in encoding each block in the moving image. Inter-screen prediction is also called motion compensation.
  • the encoding device searches a corresponding picture that matches the processing target block in the processed picture and derives a motion vector of the processing target block. .
  • This motion vector points to the corresponding area from the processing target block.
  • the operation of deriving a motion vector by such a search is also called motion search or motion detection.
  • the encoding device derives a predicted image of the processing target block from the corresponding region indicated by the motion vector of the processing target block. Then, the encoding device encodes a difference image between the image of the processing target block and the predicted image.
  • the encoding device derives a predicted motion vector from the motion vector of a block adjacent to the processing target block. Then, the encoding apparatus encodes a difference motion vector between the motion vector of the processing target block and the predicted motion vector.
  • the decoding device decodes the difference image and the difference motion vector.
  • the decoding device derives a predicted motion vector from a motion vector of a block adjacent to the processing target block. Then, the decoding device derives the motion vector of the processing target block by adding the difference motion vector and the predicted motion vector.
  • the decoding device derives a predicted image of the processing target block from the corresponding region indicated by the motion vector of the processing target block. Then, the decoding device derives a reconstructed image of the processing target block by adding the difference image and the predicted image.
  • the encoding device can derive a predicted image using an appropriate motion vector, and can encode an image using the predicted image.
  • the encoding device can reduce the amount of codes.
  • the decoding apparatus can derive a predicted image and a reconstructed image using an appropriate motion vector.
  • the encoding device and the decoding device may derive a plurality of predicted images in a unit smaller than the unit of encoding and bring each predicted image closer to the original image. Thereby, the code amount of these difference images may decrease.
  • the total number of motion vectors increases, and thus the code amount of these differential motion vectors may increase.
  • the encoding device and the decoding device may use a technique called FRUC (Frame Rate Up-Conversion) in order to reduce the code amount of the differential motion vector.
  • FRUC Full Rate Up-Conversion
  • the encoding device and the decoding device do not encode and decode the differential motion vector, and the encoding device and the decoding device derive the motion vector of the processing target block by the same method.
  • the encoding apparatus derives the motion vector of the processing target block using the reconstructed image around the processing target block without using the image of the processing target block.
  • the decoding apparatus also derives the motion vector of the processing target block using the reconstructed image around the processing target block. Accordingly, the encoding device and the decoding device can derive the motion vector of the processing target block in the same method in the encoding device and the decoding device without encoding and decoding the differential motion vector. Therefore, the code amount of the difference motion vector is reduced.
  • the prediction accuracy of the image predicted without using the processing target block may be lower than the prediction accuracy of the image predicted using the processing target block. Therefore, the code amount of the difference image may increase.
  • an encoding device that encodes a moving image including a plurality of pictures, and includes a memory and a circuit that can access the memory.
  • the circuit capable of accessing to the motion compensation of the processed block identified according to the position of the processing target block of the plurality of blocks, based on the predicted motion vector of the processing target block of the plurality of blocks in the plurality of pictures
  • a representative motion vector of the processing target block is derived by referring to the processing target block and a processed picture of the plurality of pictures, and the predicted motion vector and the representative
  • a differential motion vector, which is a difference from the motion vector, is encoded, and a plurality of supports constituting the processing target block are encoded.
  • the encoding apparatus can perform motion compensation for each sub-block that is finer than the processing target block in which the differential motion vector is encoded. Also, the encoding apparatus can use the representative motion vector derived with reference to the processing target block as a final motion vector candidate used for motion compensation of the sub-block. Therefore, the encoding device can increase the prediction accuracy while suppressing an increase in the total number of differential motion vectors to be encoded. That is, the encoding device can appropriately process a moving image with a small code amount.
  • the circuit may compensate for motion of a processed block or a processed sub-block that is spatially or temporally adjacent to the sub-block among the plurality of blocks and the plurality of sub-blocks.
  • a candidate motion vector may be derived as one of the plurality of candidate motion vectors based on the motion vector used in the above.
  • the encoding apparatus can use the processed block adjacent to the processing target sub-block or the motion vector of the processed sub-block as the final motion vector candidate of the processing target sub-block. It is assumed that the characteristics regarding the motion of the processing target sub-block are similar to the characteristics regarding the motion of the processed block and the processed sub-block adjacent to the processing target sub-block. Therefore, the motion vector of the processed block or processed sub-block is valid as a candidate.
  • the circuit when the sub-block is located at the left end or the upper end of the processing target block, the circuit includes an adjacent region adjacent to the left or top of the sub-block, Each of the plurality of candidate areas indicated by the plurality of candidate motion vectors from the adjacent area is referred to as the processed image area, and the plurality of candidate areas are selected from the plurality of candidate motion vectors.
  • the representative motion vector is used as the final motion vector. You may choose.
  • the encoding device can appropriately select the final motion vector of the sub-block using the adjacent area of the sub-block.
  • the encoding device uses the representative motion vector of the processing target block as the final motion vector of the sub-block, thereby suppressing a decrease in prediction accuracy. be able to.
  • the circuit derives the scaled candidate motion vectors as a plurality of symmetrical motion vectors by scaling the plurality of candidate motion vectors for each of the plurality of sub-blocks.
  • Each of a plurality of candidate regions pointed to by a plurality of candidate motion vectors from a block and a plurality of symmetric regions pointed to by the plurality of symmetric motion vectors from the sub-block are referred to as the processed image region,
  • a candidate motion vector from which a candidate region and a symmetric region that match each other among the plurality of candidate regions and the plurality of symmetric regions can be obtained from the plurality of candidate motion vectors may be selected as the final motion vector.
  • the encoding apparatus can appropriately select the final motion vector of the sub block regardless of whether or not the adjacent area of the sub block can be referred to.
  • the circuit further includes a first motion compensation mode for performing motion compensation of the sub-block using the final motion vector for each of the plurality of sub-blocks, and the processing using the representative motion vector.
  • motion compensation mode information indicating one of the second motion compensation modes for performing motion compensation of the target block is encoded for each block, and the motion compensation mode information of the processing target block indicates the first motion compensation mode, Deriving the plurality of candidate motion vectors for each of the plurality of sub-blocks, selecting the final motion vector from the plurality of candidate motion vectors, and performing motion compensation for the sub-block using the final motion vector
  • the motion compensation mode information encoded for the processing target block is the second motion compensation.
  • the encoding apparatus can adaptively switch between motion compensation performed for the entire processing target block and motion compensation performed for each sub-block for each block.
  • the circuit further encodes selection method information indicating one of a plurality of selection methods for selecting the final motion vector from the plurality of candidate motion vectors for each block, and
  • the final motion vector may be selected from among the plurality of candidate motion vectors using one selection method indicated by the selection method information of the processing target block.
  • the encoding apparatus can adaptively switch a plurality of selection methods related to the final motion vector of each sub-block for each block.
  • the circuit may encode the motion compensation mode information and the selection method information as one common parameter or two different parameters.
  • the encoding apparatus can encode the motion compensation mode information and the selection method information as a single common parameter.
  • the encoding device can simply encode the motion compensation mode information and the selection method information as two separate parameters.
  • the circuit searches the processed picture for a corresponding area that matches a evaluation area that is a part of the processing target block and includes a lower right pixel located at a right end and a lower end of the processing target block. Then, a motion vector pointing to the corresponding region from the evaluation region may be derived as the representative motion vector.
  • the encoding apparatus can derive the representative motion vector based on the evaluation region including the lower right pixel in the processing target block. Therefore, the encoding apparatus cannot determine the representative motion vector suitable for the lower right sub-block as the final motion vector even when the representative motion vector is selected because the adjacent area of the lower right sub block in the processing target block cannot be referred to. Can be selected. Also, the encoding apparatus can suppress the deterioration in prediction accuracy from the upper left sub-block to the lower right sub-block.
  • the evaluation area excludes one or more subblocks located at the left end of the processing target block from the plurality of subblocks, and one or more subblocks located at the upper end of the processing target block It may be an area of one or more remaining sub-blocks excluding.
  • the encoding apparatus selects a representative motion vector suitable for the sub-block in the evaluation region as the final motion vector even when the representative motion vector is selected because the adjacent region of the sub-block in the evaluation region cannot be referred to. be able to.
  • the evaluation area may be an area where a right half area of the processing target block and a lower half area of the processing target block overlap.
  • the encoding apparatus can suppress the deterioration of the prediction accuracy from the upper left sub-block to the lower right sub-block.
  • the encoding device can derive an evaluation region defined by the right half and the lower half of the processing target block by a simple process. Therefore, the encoding device can suppress an increase in the processing amount for deriving the evaluation region.
  • a decoding device is a decoding device that decodes a moving image including a plurality of pictures, and includes a memory and a circuit that can access the memory, and the memory can be accessed.
  • the circuit is used for motion compensation of a processed block in which a predicted motion vector of a processing target block among a plurality of blocks in the plurality of pictures is specified according to a position of the processing target block among the plurality of blocks.
  • Deriving by a motion vector decoding a differential motion vector that is a difference between the predicted motion vector and the representative motion vector of the processing target block, and adding the predicted motion vector and the differential motion vector, thereby representing the representative motion
  • a vector is derived, and each of a plurality of sub-blocks constituting the processing target block is determined.
  • a plurality of candidate motion vectors including the representative motion vector are derived, and (ii) among the processed image regions included in the plurality of blocks and the processed image regions included in the processing target block It may be a decoding device that refers to only an image region, selects a final motion vector from among the plurality of candidate motion vectors, and (iii) performs motion compensation of the sub-block using the final motion vector.
  • the decoding apparatus can perform motion compensation for each sub-block that is finer than the processing target block in which the differential motion vector is decoded. Also, the decoding apparatus can use a representative motion vector appropriate for a block as a final motion vector candidate used for motion compensation of a sub-block. Therefore, the decoding apparatus can increase the prediction accuracy while suppressing an increase in the total number of differential motion vectors to be decoded. That is, the decoding apparatus can appropriately process a moving image with a small code amount.
  • the circuit may compensate for motion of a processed block or a processed sub-block that is spatially or temporally adjacent to the sub-block among the plurality of blocks and the plurality of sub-blocks.
  • a candidate motion vector may be derived as one of the plurality of candidate motion vectors based on the motion vector used in the above.
  • the decoding apparatus can use the processed block adjacent to the processing target sub-block or the motion vector of the processed sub-block as the final motion vector candidate of the processing target sub-block. It is assumed that the characteristics regarding the motion of the processing target sub-block are similar to the characteristics regarding the motion of the processed block and the processed sub-block adjacent to the processing target sub-block. Therefore, the motion vector of the processed block or processed sub-block is valid as a candidate.
  • the circuit when the sub-block is located at the left end or the upper end of the processing target block, the circuit includes an adjacent region adjacent to the left or top of the sub-block, Each of the plurality of candidate areas indicated by the plurality of candidate motion vectors from the adjacent area is referred to as the processed image area, and the plurality of candidate areas are selected from the plurality of candidate motion vectors.
  • the representative motion vector is used as the final motion vector. You may choose.
  • the decoding apparatus can appropriately select the final motion vector of the sub-block using the adjacent area of the sub-block. Further, when the adjacent area of the sub-block is not reconstructed and cannot be referred to, the decoding apparatus uses the representative motion vector of the processing target block as the final motion vector of the sub-block, thereby suppressing a decrease in prediction accuracy. Can do.
  • the circuit derives the scaled candidate motion vectors as a plurality of symmetrical motion vectors by scaling the plurality of candidate motion vectors for each of the plurality of sub-blocks.
  • Each of a plurality of candidate regions pointed to by a plurality of candidate motion vectors from a block and a plurality of symmetric regions pointed to by the plurality of symmetric motion vectors from the sub-block are referred to as the processed image region,
  • a candidate motion vector from which a candidate region and a symmetric region that match each other among the plurality of candidate regions and the plurality of symmetric regions can be obtained from the plurality of candidate motion vectors may be selected as the final motion vector.
  • the decoding apparatus can appropriately select the final motion vector of the sub block regardless of whether or not the adjacent area of the sub block can be referred to.
  • the circuit further includes a first motion compensation mode for performing motion compensation of the sub-block using the final motion vector for each of the plurality of sub-blocks, and the processing using the representative motion vector.
  • the motion compensation mode information indicating one of the second motion compensation modes for performing motion compensation of the target block is decoded for each block, and the motion compensation mode information of the processing target block indicates the first motion compensation mode, Deriving the plurality of candidate motion vectors for each of the plurality of sub-blocks, selecting the final motion vector from the plurality of candidate motion vectors, and performing motion compensation for the sub-block using the final motion vector
  • the motion compensation mode information decoded for the processing target block is the second motion compensation mode.
  • the motion compensation mode information decoded for the processing target block is the second motion compensation mode.
  • the decoding apparatus can adaptively switch between motion compensation performed for the entire processing target block and motion compensation performed for each sub-block for each block.
  • the circuit further decodes selection method information indicating one of a plurality of selection methods for selecting the final motion vector from the plurality of candidate motion vectors for each block, and The final motion vector may be selected from among the plurality of candidate motion vectors using one selection method indicated by the selection method information of the processing target block.
  • the decoding apparatus can adaptively switch a plurality of selection methods related to the final motion vector of each sub-block for each block.
  • the circuit may decode the motion compensation mode information and the selection method information as one common parameter or two different parameters.
  • the decoding apparatus can decode the motion compensation mode information and the selection method information as a single common parameter.
  • the decoding device can simply decode the motion compensation mode information and the selection method information as two separate parameters.
  • An encoding method is an encoding method for encoding a moving image including a plurality of pictures, and predicts a processing target block among a plurality of blocks in the plurality of pictures.
  • a motion vector is derived from a motion vector used for motion compensation of a processed block identified according to a position of the processing target block among the plurality of blocks, and processing among the processing target block and the plurality of pictures
  • a reference motion picture is referred to, a representative motion vector of the processing target block is derived, a differential motion vector that is a difference between the predicted motion vector and the representative motion vector is encoded, and a plurality of sub-frames constituting the processing target block are encoded
  • a plurality of candidate motion vectors including the representative motion vector are derived from the motion vector used for motion compensation of the processed block or the processed sub-block specified according to the position of the sub-block and the representative motion vector; ) Of the plurality of
  • a device or the like using this encoding method can perform motion compensation for each sub-block that is finer than the processing target block on which the differential motion vector is encoded.
  • An apparatus using this encoding method can use a representative motion vector derived by referring to a processing target block as a candidate for a final motion vector used for motion compensation of a sub-block. Therefore, an apparatus or the like using this encoding method can increase the prediction accuracy while suppressing an increase in the total number of differential motion vectors to be encoded.
  • a device using this encoding method can appropriately process a moving image with a small code amount.
  • a decoding method is a decoding method for decoding a moving image including a plurality of pictures, and a prediction motion vector of a processing target block among a plurality of blocks in the plurality of pictures. The difference between the predicted motion vector and the representative motion vector of the processing target block, derived from the motion vector used for motion compensation of the processed block specified according to the position of the processing target block among the plurality of blocks.
  • the representative motion vector is derived by decoding the difference motion vector and adding the prediction motion vector and the difference motion vector, and for each of the plurality of sub-blocks constituting the processing target block, (i) According to the position of the sub-block among the plurality of blocks and the plurality of sub-blocks Deriving a plurality of candidate motion vectors including the representative motion vector based on the motion vector used for motion compensation of the specified processed block or processed sub-block and the representative motion vector; (ii) Of the plurality of candidate motion vectors, a final motion vector is selected by referring to only the processed image region of the processed image region included in the block and the processing target image region included in the processing target block. (Iii) A decoding method that performs motion compensation of the sub-block using the final motion vector may be used.
  • a device or the like using this decoding method can perform motion compensation for each sub-block that is finer than the processing target block on which the differential motion vector is decoded.
  • An apparatus using this decoding method can use a representative motion vector appropriate for a block as a final motion vector candidate used for motion compensation of a sub-block. Therefore, an apparatus or the like using this decoding method can increase the prediction accuracy while suppressing an increase in the total number of differential motion vectors to be decoded.
  • an apparatus using this decoding method can appropriately process a moving image with a small code amount.
  • these comprehensive or specific aspects may be realized by a system, an apparatus, a method, an integrated circuit, a computer program, or a non-transitory recording medium such as a computer-readable CD-ROM.
  • the present invention may be realized by any combination of an apparatus, a method, an integrated circuit, a computer program, and a recording medium.
  • an outline of the first embodiment will be described as an example of an encoding device and a decoding device to which the processing and / or configuration described in each aspect of the present disclosure to be described later can be applied.
  • the first embodiment is merely an example of an encoding device and a decoding device to which the processing and / or configuration described in each aspect of the present disclosure can be applied, and the processing and / or processing described in each aspect of the present disclosure.
  • the configuration can also be implemented in an encoding device and a decoding device different from those in the first embodiment.
  • the encoding apparatus or decoding apparatus according to the first embodiment corresponds to the constituent elements described in each aspect of the present disclosure among a plurality of constituent elements constituting the encoding apparatus or decoding apparatus. Replacing components with components described in each aspect of the disclosure
  • the constituent elements that perform part of the processing performed by some constituent elements of the plurality of constituent elements constituting the decoding device are the constituent elements described in each aspect of the present disclosure, and the respective aspects of the present disclosure.
  • the processes and / or configurations described in each aspect of the present disclosure are not limited to the above examples.
  • the present invention may be implemented in an apparatus used for a different purpose from the moving picture / picture encoding apparatus or moving picture / picture decoding apparatus disclosed in the first embodiment, and the processing and / or described in each aspect.
  • the configuration may be implemented alone.
  • you may implement combining the process and / or structure which were demonstrated in the different aspect.
  • 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 separable conversion is a method of performing the conversion a plurality of times by separating the number of dimensions of the input for each direction, and the non-separable conversion is two or more when the input is multidimensional.
  • the dimensions are collectively regarded as one dimension, and conversion is performed collectively.
  • non-separable conversion if an input is a 4 ⁇ 4 block, it is regarded as one array having 16 elements, and 16 ⁇ 16 conversion is performed on the array. The thing which performs the conversion process with a matrix is mentioned.
  • a 4 ⁇ 4 input block is regarded as a single array having 16 elements, and then the Givens rotation is performed multiple times on the array (Hypercube Givens Transform) is also a non-separable. It is an example of conversion.
  • 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 sample 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 for example H.264. 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 motion search is performed on the decoding device side is sometimes called 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
  • a list of a plurality of candidates each having a predicted motion vector is generated Is done. Then, the evaluation value of each candidate included in the candidate list is calculated, and one candidate is selected based on the evaluation value.
  • a motion vector for the current block is derived based on the selected candidate motion vector.
  • the selected candidate motion vector is directly derived as a motion vector for the current block.
  • the motion vector for the current block may be derived by performing pattern matching in the peripheral region at the position in the reference picture corresponding to the selected candidate motion vector.
  • the evaluation value is calculated by pattern matching between an area in the reference picture corresponding to the motion vector and a predetermined area.
  • 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. Therefore, in the first pattern matching, a region in another reference picture along the motion trajectory of the current block is used as the predetermined region for calculating the candidate evaluation value described above.
  • 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. Therefore, in the second pattern matching, a block adjacent to the current block in the current picture is used as the predetermined region for calculating the candidate evaluation value described above.
  • 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 bit stream 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 transform unit 206 applies inverse retransformation to the transform coefficient.
  • the adder 208 reconstructs the current block by adding the prediction error input from the inverse converter 206 and the prediction sample input from the prediction controller 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 218 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 220.
  • 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.
  • FIG. 11 is a flowchart showing processing related to motion compensation performed in units of sub-blocks in encoding.
  • the inter prediction unit 126 and the like of the encoding apparatus 100 execute the processing illustrated in FIG.
  • the inter prediction unit 126 derives a motion vector predictor for each block (S101).
  • the block may be an image area called an encoding unit, a prediction unit, or a prediction block.
  • the inter prediction unit 126 derives a predicted motion vector of the current block that is the processing target block from the motion vector of the processed block.
  • the inter prediction unit 126 derives the predicted motion vector of the current block from the motion vector used for motion compensation of the processed block.
  • the inter prediction unit 126 may derive a motion vector used for motion compensation of the processed block as a predicted motion vector of the current block.
  • the inter prediction unit 126 may scale the motion vector used for motion compensation of the processed block at a predetermined ratio, and derive the scaled motion vector as the predicted motion vector of the current block.
  • the processed block is a block preceding the current block in the processing order, and can also be expressed as a preceding block.
  • the processing order corresponds to the encoding order.
  • the processed block may be a block on which motion compensation has been performed, an encoded block, or a reconstructed block. Further, the processed block may be included in the current picture including the current block, or may be included in the processed picture preceding the current picture in the processing order.
  • the processed picture is a picture preceding the current picture including the current block in the processing order, and can also be expressed as a preceding picture.
  • a processed picture is basically a picture that has been encoded and reconstructed and used as a reference picture.
  • the processed block for deriving the predicted motion vector of the current block may be a processed sub-block. That is, the motion vector used for motion compensation of the processed block may actually be the motion vector used for motion compensation of the sub-block of the processed block.
  • the processed block for deriving the predicted motion vector of the current block is specified by the position of the current block.
  • the processed block for deriving the predicted motion vector of the current block may be a processed block that is spatially or temporally adjacent to the current block.
  • a motion vector of a sub-block that is spatially or temporally adjacent to the current block among a plurality of sub-blocks of the processed block may be used to derive a predicted motion vector of the current block.
  • the inter prediction unit 126 may derive a predicted motion vector of the current block from a plurality of motion vectors of a plurality of processed blocks. That is, the inter prediction unit 126 may derive a predicted motion vector of the current block by combining a plurality of motion vectors of a plurality of processed blocks.
  • the inter prediction unit 126 may derive a plurality of predicted motion vectors of the current block from a plurality of motion vectors of a plurality of processed blocks. And the inter prediction part 126 may encode the identifier which shows the prediction motion vector used for derivation
  • FIG. 1 shows the prediction motion vector used for derivation
  • the inter prediction unit 126 may select a predicted motion vector used for derivation of a differential motion vector from the plurality of predicted motion vectors. Then, the entropy encoding unit 110 may encode an identifier indicating the predicted motion vector selected by the inter prediction unit 126.
  • the inter prediction unit 126 derives a representative motion vector representing the representative motion of the block in units of blocks (S102).
  • the inter prediction unit 126 refers to the current block and the processed picture, and searches the processed picture for a corresponding area that matches the current block. At that time, the inter prediction unit 126 may search for a corresponding region that is most suitable within a predetermined range from the current block. Then, the inter prediction unit 126 derives a motion vector indicating the corresponding region from the current block as a representative motion vector of the current block.
  • the inter prediction unit 126 encodes the differential motion vector in units of blocks via the entropy encoding unit 110.
  • the difference motion vector is a difference between the predicted motion vector and the representative motion vector.
  • the inter prediction unit 126 derives a difference between the predicted motion vector and the representative motion vector as a difference motion vector.
  • the entropy encoding unit 110 encodes the differential motion vector derived by the inter prediction unit 126.
  • the inter prediction unit 126 derives a plurality of candidate motion vectors for each subblock (S103). That is, the inter prediction unit 126 derives a plurality of candidate motion vectors for the subblock for each subblock included in the current block.
  • Each sub-block candidate motion vector is a sub-block motion vector candidate, and specifically, a final motion vector candidate used for sub-block motion compensation.
  • the inter prediction unit 126 derives a candidate motion vector of the current sub-block that is the processing target sub-block from the motion vector of the processed block or the processed sub-block. Specifically, the inter prediction unit 126 derives a candidate motion vector of the current sub-block from the motion vector used for motion compensation of the processed block or the processed sub-block.
  • the inter prediction unit 126 may derive a motion vector used for motion compensation of the processed block or the processed subblock as a candidate motion vector of the subblock. Further, the inter prediction unit 126 may scale the motion vector used for motion compensation of the processed block or the processed sub-block at a predetermined ratio, and derive the scaled motion vector as a sub-block candidate motion vector. Good.
  • the processed sub-block is a sub-block processed before the current sub-block is processed, and may be expressed as a preceding sub-block.
  • the processed sub-block may be a sub-block for which motion compensation has been performed.
  • the current block including the current sub-block is not yet encoded and reconstructed when the current sub-block is processed. For this reason, the processed sub-blocks included in the current sub-block are not yet encoded and reconstructed when the current sub-block is processed.
  • the motion vector used for motion compensation of the processed block may actually be a motion vector used for motion compensation of the sub-block of the processed block.
  • the processed block and the processed subblock for deriving the candidate motion vector of the current subblock are specified by the position of the current subblock.
  • the processed block for deriving the candidate motion vector of the current sub-block may be a processed block that is spatially or temporally adjacent to the current sub-block.
  • a motion vector of a subblock spatially or temporally adjacent to the current subblock among a plurality of subblocks of the processed block may be used for deriving a candidate motion vector of the current subblock.
  • the processed subblock for deriving the candidate motion vector of the current subblock may be a processed subblock that is spatially adjacent to the current subblock among a plurality of subblocks of the current block.
  • the inter prediction unit 126 may derive a candidate motion vector of the current sub-block from a plurality of motion vectors such as a plurality of processed blocks and a plurality of processed sub-blocks. That is, the inter prediction unit 126 may derive a candidate motion vector for the current sub-block by combining a plurality of motion vectors such as a plurality of processed blocks and a plurality of processed sub-blocks.
  • the inter prediction unit 126 may derive a plurality of candidate motion vectors for the current sub-block from a plurality of motion vectors such as a plurality of processed blocks and a plurality of processed sub-blocks.
  • the inter prediction unit 126 includes the representative motion vector of the current block in a plurality of candidate motion vectors of the current subblock. That is, the inter prediction unit 126 derives a plurality of candidate motion vectors including the representative motion vector of the current block.
  • the inter prediction unit 126 selects a final motion vector from a plurality of candidate motion vectors in units of sub-blocks (S104). That is, the inter prediction unit 126 selects one candidate motion vector from among a plurality of candidate motion vectors as a final motion vector used for motion compensation of the current subblock.
  • the inter prediction unit 126 refers only to the processed region among the processing target region and the processed region in selecting the final motion vector of the current sub-block. That is, the inter prediction unit 126 refers to the reconstructed image of the processed area in the plurality of processed blocks without referring to the image of the processing target area in the current block, and selects the final motion vector of the current sub-block. .
  • the inter prediction unit 126 calculates an evaluation value for each candidate motion vector with reference to reconstructed images of a plurality of candidate areas indicated by the plurality of candidate motion vectors of the current sub-block. Then, the inter prediction unit 126 selects the candidate motion vector having the highest evaluation value among the plurality of candidate motion vectors of the current subblock as the final motion vector of the current subblock. This evaluation method will be described later with reference to FIGS. 15A and 16.
  • the inter prediction unit 126 performs motion compensation in units of sub blocks (S105). That is, the inter prediction unit 126 performs motion compensation for the current sub-block using the final motion vector. Specifically, the inter prediction unit 126 derives a reconstructed image of an area indicated in the processed picture from the current subblock by the final motion vector as a predicted image of the current subblock.
  • the inter prediction unit 126 performs derivation of candidate motion vectors (S103), selection of final motion vectors (S104), and motion compensation (S105) for each sub-block of the current block. Then, the inter prediction unit 126 derives a motion vector predictor (S101), derives a representative motion vector (S102), and processes a plurality of sub-blocks (S103) for each block on which inter-screen prediction is performed. To S105). Thereby, the inter prediction unit 126 derives a prediction image of the current block.
  • the inter prediction unit 126 derives a prediction image of the current block. Thereafter, the subtracting unit 104 derives a difference image of the current block by subtracting the predicted image of the current block from the original image of the current block.
  • the conversion unit 106 and the quantization unit 108 perform frequency conversion and quantization on the difference image of the current block.
  • the entropy encoding unit 110 encodes the difference image that has been subjected to frequency conversion and quantization.
  • the inverse quantization unit 112 and the inverse transform unit 114 restore the difference image of the current block by performing inverse quantization and inverse frequency transform on the difference image subjected to frequency transformation and quantization. Then, the adding unit 116 derives a reconstructed image of the current block by adding the restored difference image and the predicted image of the current block. Thereby, the encoding apparatus 100 encodes the image of the current block and derives a reconstructed image of the current block.
  • the encoding apparatus 100 can perform motion compensation for each subblock finer than the current block in which the differential motion vector is encoded by the above-described operation. Also, the encoding apparatus 100 can use the representative motion vector derived with reference to the current block as a final motion vector candidate used for motion compensation of the sub-block. Therefore, the encoding apparatus 100 can increase the prediction accuracy while suppressing an increase in the total number of differential motion vectors to be encoded.
  • the inter prediction unit 126 may calculate an evaluation value of a motion vector indicating the periphery of the region indicated by the selected final motion vector, and correct the final motion vector to a motion vector having a higher evaluation value. Then, the inter prediction unit 126 may perform motion compensation of the current sub-block using the corrected final motion vector.
  • the plurality of sub-blocks included in the block may have the same shape or the same size.
  • each of the plurality of sub-blocks may be composed of 16 pixels of 4 ⁇ 4.
  • the plurality of blocks and the plurality of sub-blocks are basically processed sequentially from the upper left to the lower right.
  • the plurality of sub-blocks included in the block may be processed in the raster scan order or may be processed in the zigzag scan order.
  • each motion vector such as the predicted motion vector, representative motion vector, differential motion vector, candidate motion vector, and final motion vector described above is a motion vector set including two motion vectors for bi-prediction. Also good.
  • FIG. 12 is a flowchart showing processing related to motion compensation performed in units of sub-blocks in decoding.
  • the inter prediction unit 218 derives a motion vector predictor for each block (S201).
  • the block may be an image area called an encoding unit, a prediction unit, or a prediction block.
  • the inter prediction unit 218 derives a predicted motion vector of the current block that is the processing target block from the motion vector of the processed block.
  • the inter prediction unit 218 derives a predicted motion vector of the current block from the motion vector used for motion compensation of the processed block.
  • the inter prediction unit 218 may derive a motion vector used for motion compensation of the processed block as a predicted motion vector of the current block.
  • the inter prediction unit 218 may scale the motion vector used for motion compensation of the processed block by a predetermined ratio, and derive the scaled motion vector as the predicted motion vector of the current block.
  • the processed block is the previous block in the processing order from the current block.
  • the processing order corresponds to the decoding order.
  • the processed block may be a block on which motion compensation has been performed, a decoded block, or a reconstructed block. Further, the processed block may be included in the current picture including the current block, or may be included in the processed picture preceding the current picture in the processing order.
  • the processed picture is a picture preceding the current picture including the current block in the processing order.
  • a processed picture is basically a picture reconstructed by decoding and used as a reference picture.
  • the processed block for deriving the predicted motion vector of the current block may be a processed sub-block. That is, the motion vector used for motion compensation of the processed block may actually be the motion vector used for motion compensation of the sub-block of the processed block.
  • the processed block for deriving the predicted motion vector of the current block is specified by the position of the current block.
  • the processed block for deriving the predicted motion vector of the current block may be a processed block that is spatially or temporally adjacent to the current block.
  • a motion vector of a sub-block that is spatially or temporally adjacent to the current block among a plurality of sub-blocks of the processed block may be used to derive a predicted motion vector of the current block.
  • the inter prediction unit 218 may derive a predicted motion vector of the current block from a plurality of motion vectors of a plurality of processed blocks. That is, the inter prediction unit 218 may derive a predicted motion vector of the current block by combining a plurality of motion vectors of a plurality of processed blocks.
  • the inter prediction unit 218 may derive a plurality of predicted motion vectors of the current block from a plurality of motion vectors of a plurality of processed blocks. Then, the inter prediction unit 218 may decode an identifier indicating a prediction motion vector used for derivation of the representative motion vector later from among the plurality of prediction motion vectors via the entropy decoding unit 202.
  • the entropy decoding unit 202 decodes an identifier indicating a predicted motion vector used for derivation of a representative motion vector among a plurality of predicted motion vectors. Then, the inter prediction unit 218 selects a predicted motion vector indicated by the identifier from a plurality of predicted motion vectors. Thereby, the inter prediction unit 218 finally derives one prediction motion vector.
  • the inter prediction unit 218 derives a representative motion vector for each block (S202). For example, the inter prediction unit 218 derives the representative motion vector of the current block by adding the differential motion vector decoded via the entropy decoding unit 202 and the prediction motion vector of the current block.
  • the difference motion vector is a difference between the predicted motion vector and the representative motion vector.
  • the entropy decoding unit 202 decodes the differential motion vector of the current block in units of blocks. Then, the inter prediction unit 218 adds the difference motion vector decoded as the difference motion vector of the current block by the entropy decoding unit 202 and the prediction motion vector derived as the prediction motion vector of the current block by the inter prediction unit 218. . Thereby, the inter prediction unit 218 derives a representative motion vector of the current block.
  • the inter prediction unit 218 derives a plurality of candidate motion vectors in subblock units (S203). That is, the inter prediction unit 218 derives a plurality of candidate motion vectors for the subblock for each subblock included in the current block.
  • Each sub-block candidate motion vector is a sub-block motion vector candidate, and specifically, a final motion vector candidate used for sub-block motion compensation.
  • the inter prediction unit 218 derives a candidate motion vector of the current sub-block that is the processing target sub-block from the motion vector of the processed block or the processed sub-block. Specifically, the inter prediction unit 218 derives a candidate motion vector of the current sub-block from the motion vector used for motion compensation of the processed block or the processed sub-block.
  • the inter prediction unit 218 may derive the motion vector used for motion compensation of the processed block or the processed subblock as a candidate motion vector of the subblock. Also, the inter prediction unit 218 may scale the motion vector used for motion compensation of the processed block or the processed sub-block at a predetermined ratio, and derive the scaled motion vector as a sub-block candidate motion vector. Good.
  • the processed sub-block is a sub-block processed before the current sub-block is processed.
  • the processed sub-block may be a sub-block for which motion compensation has been performed. Note that the current block including the current subblock has not yet been decoded and reconstructed during the processing of the current subblock. For this reason, the processed sub-blocks included in the current sub-block are not yet decoded and reconfigured when the current sub-block is processed.
  • the motion vector used for motion compensation of the processed block may actually be a motion vector used for motion compensation of the sub-block of the processed block.
  • the processed block and the processed subblock for deriving the candidate motion vector of the current subblock are specified by the position of the current subblock.
  • the processed block for deriving the candidate motion vector of the current sub-block may be a processed block that is spatially or temporally adjacent to the current sub-block.
  • a motion vector of a subblock spatially or temporally adjacent to the current subblock among a plurality of subblocks of the processed block may be used for deriving a candidate motion vector of the current subblock.
  • the processed subblock for deriving the candidate motion vector of the current subblock may be a processed subblock that is spatially adjacent to the current subblock among a plurality of subblocks of the current block.
  • the inter prediction unit 218 may derive a candidate motion vector of the current sub-block from a plurality of motion vectors such as a plurality of processed blocks and a plurality of processed sub-blocks. That is, the inter prediction unit 218 may derive a candidate motion vector for the current sub-block by combining a plurality of motion vectors such as a plurality of processed blocks and a plurality of processed sub-blocks.
  • the inter prediction unit 218 may derive a plurality of candidate motion vectors for the current sub-block from a plurality of motion vectors such as a plurality of processed blocks and a plurality of processed sub-blocks.
  • the inter prediction unit 218 includes the representative motion vector of the current block in a plurality of candidate motion vectors of the current subblock. That is, the inter prediction unit 218 derives a plurality of candidate motion vectors including the representative motion vector of the current block.
  • the inter prediction unit 218 selects a final motion vector from a plurality of candidate motion vectors in units of sub-blocks (S204). That is, the inter prediction unit 218 selects one candidate motion vector as a final motion vector used for motion compensation of the current sub-block from among a plurality of candidate motion vectors.
  • the inter prediction unit 218 refers to only the processed region of the processing target region and the processed region in selecting the final motion vector of the current sub-block. That is, the inter prediction unit 218 selects the final motion vector of the current sub-block by referring to the reconstructed image of the processed area in the plurality of processed blocks without referring to the image of the processing target area in the current block. .
  • the inter prediction unit 218 refers to a reconstructed image of a plurality of candidate areas indicated by a plurality of candidate motion vectors of the current sub-block, and calculates an evaluation value for each candidate motion vector. Then, the inter prediction unit 218 selects a candidate motion vector having the highest evaluation value among a plurality of candidate motion vectors of the current subblock as the final motion vector of the current subblock. This evaluation method will be described later with reference to FIGS. 15A and 16.
  • the inter prediction unit 218 performs motion compensation in units of sub blocks (S205). That is, the inter prediction unit 218 performs motion compensation for the current sub-block using the final motion vector. Specifically, the inter prediction unit 218 derives a reconstructed image of a region indicated in the processed picture from the current subblock by the final motion vector as a predicted image of the current subblock.
  • the inter prediction unit 218 performs candidate motion vector derivation (S203), final motion vector selection (S204), and motion compensation (S205) for each sub-block of the current block. Then, the inter prediction unit 218 derives a predicted motion vector (S201), derives a representative motion vector (S202), and processes a plurality of sub-blocks (S203) for each block on which inter-screen prediction is performed. To S205). Thereby, the inter prediction unit 218 derives a prediction image of the current block.
  • the inter prediction unit 218 derives a prediction image of the current block.
  • the entropy decoding unit 202 decodes the difference image that has been subjected to frequency conversion and quantization.
  • the inverse quantization unit 204 and the inverse transform unit 206 restore the current block difference image by performing inverse quantization and inverse frequency transform on the difference image subjected to frequency transformation and quantization.
  • the adding unit 208 derives a reconstructed image of the current block by adding the restored difference image and the predicted image of the current block.
  • the decoding apparatus 200 decodes the image of the current block and derives a reconstructed image of the current block.
  • the decoding apparatus 200 can perform motion compensation for each subblock finer than the current block in which the differential motion vector is decoded by the above operation. Also, the decoding apparatus 200 can use the representative motion vector obtained from the decoded differential motion vector as a final motion vector candidate used for motion compensation of the sub-block. Therefore, the decoding apparatus 200 can increase the prediction accuracy while suppressing an increase in the total number of differential motion vectors to be decoded.
  • the inter prediction unit 218 may calculate an evaluation value of a motion vector indicating the periphery of the region indicated by the selected final motion vector, and correct the final motion vector to a motion vector having a higher evaluation value. Then, the inter prediction unit 218 may perform motion compensation of the current sub-block using the corrected final motion vector.
  • the plurality of sub-blocks included in the block may have the same shape or the same size.
  • each of the plurality of sub-blocks may be composed of 16 pixels of 4 ⁇ 4.
  • the plurality of blocks and the plurality of sub-blocks are basically processed sequentially from the upper left to the lower right.
  • the plurality of sub-blocks included in the block may be processed in the raster scan order or may be processed in the zigzag scan order.
  • each motion vector such as the predicted motion vector, representative motion vector, differential motion vector, candidate motion vector, and final motion vector described above is a motion vector set including two motion vectors for bi-prediction. Also good.
  • FIG. 13 is a flowchart showing processing related to motion compensation performed in units of blocks in encoding.
  • the inter prediction unit 126 or the like of the encoding device 100 may execute the processing illustrated in FIG. In this example, motion compensation is not performed in units of sub-blocks, but motion compensation is performed in units of blocks.
  • the inter prediction unit 126 derives a motion vector predictor for each block (S301). This process is the same as the prediction motion vector derivation (S101) shown in FIG.
  • the inter prediction unit 126 derives a representative motion vector in units of blocks (S302). This process is also the same as the representative motion vector derivation (S102) shown in FIG. In addition, after deriving the representative motion vector of the current block, the inter prediction unit 126 encodes the differential motion vector in units of blocks via the entropy encoding unit 110. This process is also the same as the process shown in FIG.
  • the inter prediction unit 126 performs motion compensation in units of blocks (S303). That is, the inter prediction unit 126 performs motion compensation of the current block using the representative motion vector. Specifically, the inter prediction unit 126 derives a reconstructed image of an area indicated in the processed picture from the current block by the representative motion vector as a predicted image of the current block.
  • the inter prediction unit 126 performs prediction motion vector derivation (S301), representative motion vector derivation (S302), and motion compensation (S303) for each block on which inter-screen prediction is performed. Thereby, the inter prediction unit 126 can simply derive the prediction image of the current block. Thereafter, the current block image is encoded using the predicted image of the current block, and a reconstructed image of the current block is derived.
  • S301 prediction motion vector derivation
  • S302 representative motion vector derivation
  • S303 motion compensation
  • FIG. 14 is a flowchart showing processing related to motion compensation performed in units of blocks in decoding.
  • the inter prediction unit 218 or the like of the decoding device 200 may execute the processing illustrated in FIG. In this example, motion compensation is not performed in units of sub-blocks, but motion compensation is performed in units of blocks.
  • the inter prediction unit 218 derives a motion vector predictor for each block (S401). This process is the same as the prediction motion vector derivation (S201) shown in FIG.
  • the inter prediction unit 218 derives a representative motion vector in units of blocks (S402). This process is also the same as the representative motion vector derivation (S202) shown in FIG. Further, the inter prediction unit 218 derives the representative motion vector of the current block, and then decodes the differential motion vector in block units via the entropy decoding unit 202. This process is also the same as the process shown in FIG.
  • the inter prediction unit 218 performs motion compensation in units of blocks (S403). That is, the inter prediction unit 218 performs motion compensation of the current block using the representative motion vector. Specifically, the inter prediction unit 218 derives a reconstructed image of an area indicated in the processed picture from the current block by the representative motion vector as a predicted image of the current block.
  • the inter prediction unit 218 performs prediction motion vector derivation (S401), representative motion vector derivation (S402), and motion compensation (S403) for each block on which inter-screen prediction is performed. Thereby, the inter prediction part 218 can derive
  • S401 prediction motion vector derivation
  • S402 representative motion vector derivation
  • S403 motion compensation
  • processing shown in FIG. 12 and the processing shown in FIG. 14 may be switched and selectively executed. Such switching will be described later with reference to FIG.
  • the encoding device 100 and the decoding device 200 select a final motion vector for each sub-block by a method called FRUC. That is, the encoding device 100 and the decoding device 200 evaluate a plurality of candidate motion vectors using a reconstructed image of a region different from the current sub-block, and the final evaluation value having the highest evaluation value from the plurality of candidate motion vectors. Select a motion vector.
  • a template matching method or a bilateral method may be used as a method for selecting a final motion vector by evaluating a plurality of candidate motion vectors using a reconstructed image of a region different from the current sub-block. Also good.
  • FIG. 15A is an explanatory diagram showing a method of selecting a final motion vector by the template matching method.
  • the inter prediction unit 126 selects a final motion vector by a template matching method from a plurality of candidate motion vectors after deriving a plurality of candidate motion vectors.
  • the inter prediction unit 126 identifies an adjacent region of the current sub block according to the position of the current sub block.
  • the adjacent area of the current sub-block is an area adjacent to the left or top of the current sub-block. More specifically, the adjacent region of the current sub-block may be a region adjacent to the left, a region adjacent to the top, a region adjacent to the left, and a region adjacent to the top. A combination of these may be used.
  • the adjacent region may have a width of one pixel in a direction away from the current sub-block, may have a width of two pixels, or may have another width. .
  • the adjacent region may have a non-uniform width.
  • the inter prediction unit 126 specifies a candidate area indicated in the reference picture from the adjacent area by the candidate motion vector.
  • the candidate area can also be expressed as an area adjacent to the area indicated in the reference picture from the current sub-block by the candidate motion vector.
  • the shape and size of the adjacent region and the shape and size of the candidate region are basically the same.
  • the inter prediction unit 126 refers to the reconstructed image of the adjacent region and the reconstructed image of the candidate region, and calculates the difference between the reconstructed image of the adjacent region and the reconstructed image of the candidate region as a difference absolute value sum ( SAD) or the sum of squared differences (SSD) or the like. Then, the inter prediction unit 126 calculates a higher evaluation value as the difference is smaller.
  • SAD difference absolute value sum
  • SSD sum of squared differences
  • the inter prediction unit 126 calculates an evaluation value for each of a plurality of candidate motion vectors of the current sub-block. Then, the inter prediction unit 126 selects a candidate motion vector having the highest evaluation value as a final motion vector of the current sub-block among a plurality of candidate motion vectors of the current sub-block.
  • the inter prediction unit 126 selects, as a final motion vector of the current sub-block, a candidate motion vector that indicates a candidate region that most closely matches the adjacent region among a plurality of candidate motion vectors of the current sub-block.
  • the inter prediction unit 126 may calculate the evaluation value using other information, not limited to the difference between the reconstructed image of the adjacent region and the reconstructed image of the candidate region. That is, the inter prediction unit 126 may calculate the evaluation value using the difference between the reconstructed image of the adjacent region and the reconstructed image of the candidate region, and other information.
  • the inter prediction unit 126 may select a candidate motion vector having an evaluation value higher than a threshold value from among a plurality of candidate motion vectors of the current subblock as a final motion vector of the current subblock according to a predetermined priority. Accordingly, the inter prediction unit 126 can select a candidate motion vector indicating a candidate region that matches the adjacent region among the plurality of candidate motion vectors of the current subblock as the final motion vector of the current subblock.
  • FIG. 15B is a conceptual diagram showing an evaluable sub-block and an unevaluable sub-block in the block. That is, FIG. 15B shows sub-blocks in which the candidate motion vector can be evaluated by the template matching method and sub-blocks in which the candidate motion vector cannot be evaluated by the template matching method.
  • the inter prediction unit 126 refers to a reconstructed image of an adjacent region adjacent to the left or top of the current subblock in order to evaluate a plurality of candidate motion vectors of the current subblock. Therefore, if the image of the region adjacent to the left of the current sub-block is not reconstructed and the image of the region adjacent to the current sub-block is not reconstructed, a plurality of candidate motion vectors of the current sub-block Evaluation is impossible.
  • the current block in the current block is being processed, the current block is not reconstructed, and the plurality of sub blocks in the current block are not reconstructed. Therefore, when the current sub block is not located at the left end of the current block, the image of the area adjacent to the left of the current sub block is not reconstructed. In addition, when the current sub block is not located at the upper end of the current block, the image of the adjacent region on the current sub block is not reconstructed.
  • the image of the region adjacent to the left of the current sub-block is also the region adjacent to the current sub-block.
  • the image has not been reconstructed either. Therefore, the candidate motion vector cannot be evaluated for sub-blocks that are not positioned at the left end or the upper end of the current block.
  • the candidate motion vector can be evaluated for the sub-block located at the left end or the upper end of the current block.
  • the inter prediction unit 126 evaluates a plurality of candidate motion vectors for the evaluable sub-block, and selects a candidate motion vector having the highest evaluation value as a final motion vector from among the plurality of candidate motion vectors. On the other hand, the inter prediction unit 126 selects the representative motion vector of the current block as the final motion vector from among the plurality of candidate motion vectors without evaluating the plurality of candidate motion vectors for the non-evaluable sub-block.
  • the evaluable sub-block and the non-evaluable sub-block are examples. For example, when the current block is located at the left end of the picture, it may be determined that the sub-block located at the left end of the current block cannot be evaluated. Similarly, when the current block is located at the upper end of the picture, it may be determined that the sub-block located at the upper end of the current block cannot be evaluated.
  • the candidate sub-motion vector of the current sub-block can be evaluated with reference to the area adjacent to the current block. May be.
  • FIG. 16 is an explanatory diagram showing a method of selecting the final motion vector by the bilateral matching method.
  • the inter prediction unit 126 selects a final motion vector by a bilateral matching method from a plurality of candidate motion vectors after deriving a plurality of candidate motion vectors.
  • the inter prediction unit 126 identifies a candidate area indicated in the first reference picture from the current sub-block by the candidate motion vector.
  • the shape and size of the current sub-block and the shape and size of the candidate area are basically the same.
  • the inter prediction unit 126 derives the scaled candidate motion vector as a symmetric motion vector by scaling the candidate motion vector by a predetermined ratio.
  • the inter prediction unit 126 may invert the candidate motion vector by scaling the candidate motion vector, and derive the inverted candidate motion vector as a symmetric motion vector.
  • the predetermined ratio is a value obtained by subtracting the display order of the second reference picture from the display order of the current picture, relative to the value obtained by subtracting the display order of the first reference picture from the display order of the current picture. It may be a ratio.
  • the display order can be expressed by POC (Picture Order Count).
  • the first reference picture is a reference picture including a candidate area pointed to by a candidate motion vector
  • the second reference picture is a reference picture including a symmetric area pointed to by a symmetric motion vector.
  • the inter prediction unit 126 specifies a symmetric region pointed to in the second reference picture from the current sub-block by the symmetric motion vector.
  • the shape and size of the current sub-block and the shape and size of the symmetric region are basically the same.
  • the inter prediction unit 126 refers to the reconstructed image of the candidate area and the reconstructed image of the symmetric area, and calculates the difference between the difference between the reconstructed image of the candidate area and the reconstructed image of the symmetric area as the difference absolute value sum ( SAD) or the sum of squared differences (SSD) or the like. Then, the inter prediction unit 126 calculates a higher evaluation value as the difference is smaller.
  • SAD difference absolute value sum
  • SSD sum of squared differences
  • the inter prediction unit 126 calculates an evaluation value for each of a plurality of candidate motion vectors of the current sub-block. Then, the inter prediction unit 126 selects a candidate motion vector having the highest evaluation value as a final motion vector of the current sub-block among a plurality of candidate motion vectors of the current sub-block.
  • the inter prediction unit 126 selects, as a final motion vector of the current sub-block, a candidate motion vector from which a candidate region and a symmetric region that best match each other are obtained from among a plurality of candidate motion vectors of the current sub-block.
  • the inter prediction unit 126 may calculate the evaluation value using other information, not limited to the difference between the reconstructed image of the candidate region and the reconstructed image of the symmetric region. That is, the inter prediction unit 126 may calculate the evaluation value using the difference between the reconstructed image of the candidate area and the reconstructed image of the symmetric area and other information.
  • the inter prediction unit 126 may select a candidate motion vector having an evaluation value higher than a threshold value from among a plurality of candidate motion vectors of the current subblock as a final motion vector of the current subblock according to a predetermined priority. As a result, the inter prediction unit 126 can select a candidate motion vector from which a candidate region and a symmetric region that match each other from among a plurality of candidate motion vectors of the current sub-block as the final motion vector of the current sub-block.
  • FIG. 17 is a flowchart showing switching between the two motion compensation modes.
  • the entropy encoding unit 110 of the encoding device 100 encodes motion compensation mode information indicating one of the two motion compensation modes for each block.
  • the entropy decoding part 202 of the decoding apparatus 200 decodes the motion compensation mode information which shows either of two motion compensation modes for every block.
  • the first motion compensation mode of the two motion compensation modes corresponds to the processing shown in FIGS. 11 and 12, and is a motion compensation mode that performs motion compensation of each sub-block using the final motion vector.
  • the second motion compensation mode of the two motion compensation modes corresponds to the processing shown in FIGS. 13 and 14 and is a motion compensation mode in which motion compensation of the current block is performed using the representative motion vector.
  • the first motion compensation mode is represented by 1 and the second motion compensation mode is represented by 0. That is, when the motion compensation mode information indicates 1, the motion compensation mode information indicates the first motion compensation mode. When the motion compensation mode information indicates 0, the motion compensation mode information indicates the second motion compensation mode.
  • the inter prediction unit 126 of the encoding device 100 performs motion compensation using the representative motion vector in units of blocks (S502). That is, the encoding apparatus 100 performs the process shown in FIG.
  • the inter prediction unit 126 of the encoding device 100 uses a template matching method, a bilateral matching method, or the like in units of sub blocks.
  • a final motion vector is selected from the selected motion vectors, and motion compensation is performed using the selected final motion vector (S503). That is, the encoding apparatus 100 performs the processing shown in FIG.
  • the inter prediction unit 218 of the decoding device 200 performs motion compensation using the representative motion vector in units of blocks (S502). That is, the decoding device 200 performs the process shown in FIG.
  • the inter prediction unit 218 of the decoding apparatus 200 uses a template matching method, a bilateral matching method, or the like for each subblock. A final motion vector is selected from among them, and motion compensation is performed using the selected final motion vector (S503). That is, the decoding device 200 performs the processing shown in FIG.
  • the encoding device 100 and the decoding device 200 can switch between two motion compensation modes for each block.
  • 0 or 1 indicated by the motion compensation mode information is an example, and the value indicated by the motion compensation mode information is not limited to the above example. A value other than 0 or 1 may be used as the value indicated by the motion compensation mode information. Also, the motion compensation mode information may be shared with other information.
  • FIG. 18 is a flowchart showing switching between two motion compensation modes and switching between two evaluation modes.
  • the entropy encoding unit 110 of the encoding device 100 encodes motion compensation mode information indicating one of the two motion compensation modes for each block.
  • the entropy decoding part 202 of the decoding apparatus 200 decodes the motion compensation mode information which shows either of two motion compensation modes for every block.
  • the entropy encoding unit 110 of the encoding device 100 encodes evaluation mode information indicating one of the two evaluation modes for each block. And the entropy decoding part 202 of the decoding apparatus 200 decodes the evaluation mode information which shows either of two evaluation modes for every block.
  • a plurality of candidate motion vectors are evaluated by the template matching method shown in FIGS. 15A and 15B, and a final motion vector is selected from the plurality of candidate motion vectors.
  • the evaluation mode to select.
  • a plurality of candidate motion vectors are evaluated by the bilateral matching method shown in FIG. 16, and a final motion vector is selected from the plurality of candidate motion vectors. Evaluation mode.
  • the evaluation mode information represents the first evaluation mode by 0 and the second evaluation mode by 1. That is, when the evaluation mode information indicates 0, the evaluation mode information indicates the first evaluation mode. And when evaluation mode information shows 1, evaluation mode information shows the 2nd evaluation mode.
  • the inter prediction unit 126 of the encoding device 100 performs motion compensation using the representative motion vector in units of blocks (S603). This operation is the same as the example of FIG.
  • the inter prediction unit 126 of the encoding device 100 includes a plurality of candidate motion vectors in subblock units.
  • the final motion vector is selected from At that time, the inter prediction unit 126 selects a final motion vector from a plurality of candidate motion vectors by the template matching method shown in FIGS. 15A and 15B. Then, the inter prediction unit 126 performs motion compensation using the selected final motion vector (S604).
  • the inter prediction unit 126 of the encoding device 100 includes a plurality of candidate motion vectors in subblock units.
  • the final motion vector is selected from At that time, the inter prediction unit 126 selects a final motion vector from among a plurality of candidate motion vectors by the bilateral method shown in FIG. Then, the inter prediction unit 126 performs motion compensation using the selected final motion vector (S605).
  • the inter prediction unit 218 of the decoding device 200 performs motion compensation using the representative motion vector in units of blocks (S603). This operation is the same as the example of FIG.
  • the inter prediction unit 218 of the decoding device 200 includes a plurality of candidate motion vectors for each subblock. Select the final motion vector. At that time, the inter prediction unit 218 selects a final motion vector from a plurality of candidate motion vectors by the template matching method shown in FIGS. 15A and 15B. Then, the inter prediction unit 218 performs motion compensation using the selected final motion vector (S604).
  • the inter prediction unit 218 of the decoding device 200 includes a plurality of candidate motion vectors for each subblock. Select the final motion vector. At that time, the inter prediction unit 218 selects a final motion vector from among a plurality of candidate motion vectors by the bilateral method shown in FIG. Then, the inter prediction unit 218 performs motion compensation using the selected final motion vector (S605).
  • the encoding apparatus 100 and the decoding apparatus 200 can switch between two motion compensation modes for each block, and can switch between two evaluation modes for each block.
  • 0 or 1 indicated by the evaluation mode information is an example, and the value indicated by the evaluation mode information is not limited to the above example. A value other than 0 or 1 may be used as the value indicated by the evaluation mode information.
  • the evaluation mode information may be shared with other information.
  • the motion compensation mode information and the evaluation mode information may be integrated into one parameter.
  • the motion compensation mode information and the evaluation mode information may be encoded and decoded as one common parameter.
  • the one parameter may be a parameter indicating one of the first motion compensation mode and the first evaluation mode, the first motion compensation mode and the second evaluation mode, and the second motion compensation mode. . That is, this one parameter may be a parameter indicating one of three values.
  • the motion compensation mode information and the evaluation mode information may be encoded and decoded as two separate parameters.
  • the inter prediction unit 126 calculates an evaluation value such as a code amount for each of the first motion compensation mode and the second motion compensation mode, and the code amount or the like from the first motion compensation mode and the second motion compensation mode.
  • a motion compensation mode having a high evaluation value may be selected.
  • the inter prediction unit 126 may select a motion compensation mode with a small code amount from the first motion compensation mode and the second motion compensation mode. Then, the inter prediction unit 126 may encode motion compensation mode information indicating the selected motion compensation mode.
  • the inter prediction unit 126 calculates an evaluation value such as a code amount for each of the first evaluation mode and the second evaluation mode, and evaluates an evaluation value such as the code amount from the first evaluation mode and the second evaluation mode.
  • a high evaluation mode may be selected.
  • the inter prediction unit 126 may select an evaluation mode with a small code amount from the first evaluation mode and the second evaluation mode. Then, the inter prediction unit 126 may encode evaluation mode information indicating the selected evaluation mode.
  • the evaluation mode information may be information indicating one of three or more evaluation modes.
  • the evaluation mode and the evaluation mode information are expressed, but these expressions are a selection method for selecting a final motion vector and a selection indicating one of a plurality of selection methods, respectively. It can be replaced with method information.
  • FIG. 19 is an explanatory diagram showing a method for deriving a representative motion vector.
  • the inter prediction unit 126 of the encoding device 100 derives a representative motion vector for each block.
  • the inter prediction unit 126 derives a representative motion vector of the current block with reference to the current block and the reference picture. At this time, the inter prediction unit 126 may search the reference picture for a corresponding region that matches the evaluation region that is a partial region of the current block. Then, the inter prediction unit 126 may derive a motion vector indicating the corresponding region from the evaluation region as a representative motion vector.
  • the evaluation area is not an entire area of the current block but a partial area including the lower right pixel located at the right end and the lower end in the current block.
  • the corresponding area that matches the evaluation area is more specifically an area having the same shape and the same size as the evaluation area, has a reconstructed image that approximates the reconstructed image of the evaluation area, and serves as a reference picture. included.
  • the inter prediction unit 126 calculates a difference between a plurality of pixel values included in the reconstructed image of the region and a plurality of pixel values included in the reconstructed image of the evaluation region. It is derived by sum of values (SAD) or sum of squared differences (SSD) or the like.
  • the plurality of regions of the reference picture may partially overlap, or may be a plurality of regions within a predetermined range specified according to the position of the evaluation region.
  • the inter prediction unit 126 searches for a region having the smallest derived difference as a corresponding region among the plurality of regions. Then, the inter prediction unit 126 derives a motion vector indicating the corresponding region from the evaluation region as a representative motion vector.
  • the inter prediction unit 126 can derive a representative motion vector for generating an appropriate prediction image for the lower right evaluation region in the current block. Then, the inter prediction unit 126 can include a representative motion vector for generating an appropriate prediction image for the lower right evaluation region in the current block in a plurality of candidate motion vectors of each sub-block of the current block.
  • an appropriate motion vector used for motion compensation of a processed block adjacent to the left or top of the current block is included in the plurality of candidate motion vectors of the leftmost or uppermost subblock in the current block.
  • the plurality of candidate motion vectors in the lower right sub-block cannot include an appropriate motion vector used for motion compensation of the processed block adjacent to the left or upper side of the current block.
  • an appropriate representative motion vector for the lower right sub-block is used as a candidate motion vector.
  • an appropriate motion vector is included in the plurality of candidate motion vectors of each sub-block of the current block.
  • FIGS. 21A to 21D show examples of evaluation areas.
  • Each of FIGS. 20A to 20D shows an evaluation area defined by an area excluding the left end and the upper end.
  • FIG. 21A to FIG. 21D shows an evaluation area defined by a right half area and a lower half area.
  • FIG. 20A shows an evaluation area defined by an area excluding the left end and the upper end in a block including 4 ⁇ 4 sub-blocks.
  • FIG. 20B shows an evaluation area defined by an area excluding the left end and the upper end in a block including 2 ⁇ 4 sub-blocks.
  • FIG. 20C shows an evaluation area defined by an area excluding the left end and the upper end in a block including 4 ⁇ 2 sub-blocks.
  • FIG. 20D shows an evaluation area defined by an area excluding the left end and the upper end in a block including 2 ⁇ 2 sub-blocks.
  • FIG. 21A shows an evaluation area defined by the right and lower half areas in a block including 4 ⁇ 4 sub-blocks.
  • FIG. 21B shows an evaluation area defined by a right half area and a lower half area in a block including 2 ⁇ 4 sub-blocks.
  • FIG. 21C shows an evaluation area defined by a right half area and a lower half area in a block including 4 ⁇ 2 sub-blocks.
  • FIG. 21D shows an evaluation area defined by a right half area and a lower half area in a block including 2 ⁇ 2 sub-blocks.
  • the evaluation areas in the examples of FIGS. 20A to 20D are areas corresponding to the non-evaluable sub-block areas shown in FIG. 15B, and are composed of sub-blocks in which the candidate motion vectors cannot be evaluated by the template matching method.
  • the motion compensation of the sub-blocks in this evaluation area is not a representative motion vector that is appropriate for the entire current block, but a representative motion vector that is appropriate for this evaluation area.
  • a predicted image of the block is appropriately derived.
  • candidate motion vectors that are highly evaluated by the template matching method can be used for motion compensation of the sub-block located at the left end or the upper end, so that a predicted image of the sub-block located at the left end or the upper end can be appropriately derived.
  • the inter prediction unit 126 appropriately performs motion compensation on each sub-block of the current block using the representative motion vector derived according to the evaluation region in FIG. 20A or the like or the candidate motion vector selected by the template matching method. It can be performed.
  • a motion vector used for motion compensation of each sub-block of the current block is evaluated according to a bilateral matching method corresponding to one motion compensation mode and one evaluation mode. It is determined. That is, in this case, the motion vector used for motion compensation of each sub-block of the current block is determined by being evaluated according to only one motion compensation mode and one evaluation mode among the plurality of motion compensation modes and the plurality of evaluation modes.
  • the motion vector determined for one subblock may be used as a candidate motion vector for the right or lower subblock of the one subblock. And since the candidate motion vector of the right or lower sub-block is evaluated by one motion compensation mode and one evaluation mode, the reliability further decreases.
  • the reliability of the motion vector evaluated and determined by one motion compensation mode and one evaluation mode decreases in the lower right direction.
  • the reliability of the candidate motion vector is assumed to decrease in the lower right direction. That is, it is assumed that the reliability of the sub-block candidate motion vector is lower as the position of the sub-block is closer to the lower right corner of the current block.
  • the evaluation areas in the examples of FIGS. 21A to 21D are defined by the right half area and the lower half area. That is, an area where the right half area and the lower half area overlap is defined as the evaluation area.
  • the representative motion vector derived according to the lower right evaluation area as described above is an appropriate motion vector for the lower right evaluation area. Then, a representative motion vector appropriate for the lower right evaluation area is included in the plurality of candidate motion vectors of each sub-block. Thereby, it is suppressed that the reliability of a candidate motion vector falls toward the lower right direction.
  • the evaluation areas in the examples of FIGS. 21A to 21D are defined by the right half and the lower half. Therefore, the inter prediction unit 126 can easily specify the evaluation region without performing a complicated calculation.
  • FIGS. 21A to 21D show typical examples of the shape and size of the block and the shape and size of the evaluation region.
  • the shape and size of the block are shown.
  • the shape and size of the evaluation region are not limited to such an example.
  • the evaluation region defined by the region excluding the left end and the upper end, and the evaluation region defined by the right half and the lower half region as shown in FIGS. 21A to 21D,
  • Each is an example of an evaluation area.
  • the evaluation area is not limited to such an example.
  • the evaluation area is an area including the lower right pixel, and may be an area different from the examples in FIGS. 20A to 20D and FIGS. 21A to 21D. Further, the evaluation area may be determined regardless of the boundary of the sub block.
  • FIG. 22 is a block diagram illustrating an implementation example of the encoding apparatus 100 according to Embodiment 1.
  • the encoding device 100 includes a circuit 160 and a memory 162.
  • a plurality of components of the encoding device 100 shown in FIG. 1 are implemented by the circuit 160 and the memory 162 shown in FIG.
  • the circuit 160 is a circuit that performs information processing and is a circuit that can access the memory 162.
  • the circuit 160 is a dedicated or general-purpose electronic circuit that encodes a moving image.
  • the circuit 160 may be a processor such as a CPU.
  • the circuit 160 may be an aggregate of a plurality of electronic circuits. Further, for example, the circuit 160 may serve as a plurality of constituent elements excluding the constituent elements for storing information among the plurality of constituent elements of the encoding device 100 illustrated in FIG. 1.
  • the memory 162 is a general purpose or dedicated memory in which information for the circuit 160 to encode a moving image is stored.
  • the memory 162 may be an electronic circuit or may be connected to the circuit 160. In addition, the memory 162 may be included in the circuit 160.
  • the memory 162 may be an aggregate of a plurality of electronic circuits. Further, the memory 162 may be a magnetic disk or an optical disk, or may be expressed as a storage or a recording medium.
  • the memory 162 may be a non-volatile memory or a volatile memory.
  • a moving image to be encoded may be stored, or a bit string corresponding to the encoded moving image may be stored.
  • the memory 162 may store a program for the circuit 160 to encode a moving image.
  • the memory 162 may serve as a component for storing information among a plurality of components of the encoding device 100 shown in FIG. Specifically, the memory 162 may serve as the block memory 118 and the frame memory 122 shown in FIG. More specifically, the memory 162 may store processed sub-blocks, processed blocks, processed pictures, and the like.
  • not all of the plurality of components shown in FIG. 1 or the like may be mounted, or all of the plurality of processes described above may not be performed. Some of the plurality of components shown in FIG. 1 and the like may be included in another device, and some of the plurality of processes described above may be executed by another device.
  • a part of the plurality of components shown in FIG. 1 and the like are mounted, and a part of the plurality of processes described above is performed, so that a moving image can be generated with a small code amount. Can be handled appropriately.
  • the above encoding apparatus 100 encodes a moving image composed of a plurality of pictures.
  • the circuit 160 uses a motion vector used for motion compensation of a processed block identified according to the position of the processing target block of the plurality of blocks, based on the predicted motion vector of the processing target block of the plurality of blocks in the plurality of pictures.
  • the circuit 160 derives a representative motion vector of the processing target block with reference to the processing target block and the processed picture of the plurality of pictures. Then, the circuit 160 encodes a differential motion vector that is a difference between the predicted motion vector and the representative motion vector.
  • the circuit 160 derives a plurality of candidate motion vectors for each of the plurality of sub-blocks constituting the processing target block.
  • the circuit 160 may use a plurality of candidate motions including a representative motion vector based on the motion vector used for motion compensation of the processed block or the processed sub-block specified according to the position of each sub-block, and the representative motion vector. Derive a vector.
  • the circuit 160 selects a final motion vector from among a plurality of candidate motion vectors for each of the plurality of sub-blocks. At that time, the circuit 160 selects a final motion vector with reference to only the processed image area among the processed image areas included in the plurality of blocks and the processing target image areas included in the processing target block. Then, the circuit 160 performs motion compensation for each of the plurality of sub-blocks using the final motion vector.
  • the encoding apparatus 100 can perform motion compensation for each sub-block that is finer than the processing target block on which the differential motion vector is encoded. Also, the encoding apparatus 100 can use the representative motion vector derived with reference to the processing target block as a final motion vector candidate used for sub-block motion compensation. Therefore, the encoding apparatus 100 can increase the prediction accuracy while suppressing an increase in the total number of differential motion vectors to be encoded.
  • the circuit 160 determines candidate motion vectors for each of the plurality of sub-blocks according to the motion vector used for motion compensation of the processed block or the processed sub-block that is spatially or temporally adjacent to the sub-block. It may be derived.
  • the circuit 160 refers to the processed image area and, when the sub-block is located at the left end or the upper end of the processing target block, From this, the final motion vector may be selected.
  • the circuit 160 processes each of the adjacent region adjacent to the left or above the sub-block and the plurality of candidate regions indicated by the plurality of candidate motion vectors from the adjacent region. You may refer to as Then, the circuit 160 may select, as a final motion vector, a candidate motion vector that indicates a candidate region that matches an adjacent region from among the plurality of candidate motion vectors.
  • the circuit 160 may select the representative motion vector as the final motion vector when the sub-block is not located at the left end or the upper end of the processing target block.
  • the circuit 160 may derive a plurality of scaled candidate motion vectors as a plurality of symmetric motion vectors by scaling a plurality of candidate motion vectors for each of a plurality of sub-blocks.
  • the circuit 160 processes each of the plurality of candidate areas indicated by the plurality of candidate motion vectors from the subblock and the plurality of symmetric areas indicated by the plurality of symmetric motion vectors from the subblock. You may refer to as Then, the circuit 160 may select, from among the plurality of candidate motion vectors, a candidate motion vector that can obtain a candidate region and a symmetric region that match each other out of the plurality of candidate regions and the plurality of symmetric regions as a final motion vector. .
  • the circuit 160 may further encode motion compensation mode information indicating one of the first motion compensation mode and the second motion compensation mode for each block.
  • the first motion compensation mode is a motion compensation mode in which the motion compensation of each sub-block is performed using the final motion vector for each of the plurality of sub-blocks.
  • the second motion compensation mode is a motion compensation mode in which motion compensation of the processing target block is performed using the representative motion vector.
  • the circuit 160 may derive a plurality of candidate motion vectors for each of the plurality of sub-blocks when the motion compensation mode information of the processing target block indicates the first motion compensation mode. Then, the circuit 160 may select a final motion vector from among a plurality of candidate motion vectors, and may perform motion compensation for the sub-block using the final motion vector.
  • the circuit 160 may perform motion compensation of the processing target block using the representative motion vector.
  • the circuit 160 may further encode selection method information indicating one of a plurality of selection methods for selecting a final motion vector from a plurality of candidate motion vectors for each block. Then, the circuit 160 may select a final motion vector from a plurality of candidate motion vectors using one selection method indicated by the selection method information of the processing target block.
  • the circuit 160 may encode the motion compensation mode information and the selection method information as one common parameter or two different parameters.
  • the circuit 160 may search the processed picture for a corresponding area that matches a evaluation area that is a part of the processing target block and includes the lower right pixel located at the right end and the lower end of the processing target block. Good. Then, the circuit 160 may derive a motion vector indicating the corresponding region from the evaluation region as a representative motion vector.
  • the evaluation area is the remaining of the plurality of sub-blocks excluding one or more sub-blocks positioned at the left end of the processing target block and excluding one or more sub-blocks positioned at the upper end of the processing target block It may be an area of one or more sub-blocks.
  • the evaluation area may be an area where the right half area of the processing target block and the lower half area of the processing target block overlap.
  • the processed block may be an encoded and reconstructed block.
  • the processed sub-block may be a sub-block for which motion compensation has been performed.
  • the processed picture may be a picture that has been encoded and reconstructed.
  • a processed picture may also be expressed as a reference picture.
  • the processing target block is specifically an encoding target block and can also be expressed as a current block.
  • FIG. 23 is a block diagram illustrating an implementation example of the decoding apparatus 200 according to the first embodiment.
  • the decoding device 200 includes a circuit 260 and a memory 262.
  • a plurality of components of the decoding device 200 illustrated in FIG. 10 are implemented by the circuit 260 and the memory 262 illustrated in FIG.
  • the circuit 260 is a circuit that performs information processing and is a circuit that can access the memory 262.
  • the circuit 260 is a general-purpose or dedicated electronic circuit that decodes a moving image.
  • the circuit 260 may be a processor such as a CPU.
  • the circuit 260 may be an aggregate of a plurality of electronic circuits. Further, for example, the circuit 260 may serve as a plurality of constituent elements excluding the constituent elements for storing information among the plurality of constituent elements of the decoding device 200 illustrated in FIG. 10.
  • the memory 262 is a general purpose or dedicated memory in which information for the circuit 260 to decode a moving image is stored.
  • the memory 262 may be an electronic circuit or may be connected to the circuit 260. Further, the memory 262 may be included in the circuit 260.
  • the memory 262 may be an aggregate of a plurality of electronic circuits.
  • the memory 262 may be a magnetic disk or an optical disk, or may be expressed as a storage or a recording medium. Further, the memory 262 may be a nonvolatile memory or a volatile memory.
  • the memory 262 may store a bit sequence corresponding to the encoded moving image, or may store a moving image corresponding to the decoded bit sequence.
  • the memory 262 may store a program for the circuit 260 to decode a moving image.
  • the memory 262 may serve as a component for storing information among a plurality of components of the decoding device 200 illustrated in FIG. Specifically, the memory 262 may serve as the block memory 210 and the frame memory 214 shown in FIG. More specifically, the memory 262 may store processed sub-blocks, processed blocks, processed pictures, and the like.
  • the decoding device 200 not all of the plurality of components shown in FIG. 10 and the like may be implemented, or all of the plurality of processes described above may not be performed. Some of the plurality of components shown in FIG. 10 and the like may be included in another device, and some of the plurality of processes described above may be executed by another device. Then, in the decoding device 200, a part of the plurality of components shown in FIG. 10 and the like are mounted, and a part of the plurality of processes described above is performed, so that a moving image is appropriately generated with a small code amount. Can be processed.
  • the decoding device 200 described above decodes a moving image composed of a plurality of pictures.
  • the circuit 260 uses a motion vector used for motion compensation of a processed block identified according to a position of a processing target block among a plurality of blocks, as a predicted motion vector of the processing target block among a plurality of blocks in a plurality of pictures.
  • the circuit 260 decodes a differential motion vector that is a difference between the predicted motion vector and the representative motion vector of the processing target block. Then, the circuit 260 derives a representative motion vector by adding the predicted motion vector and the difference motion vector.
  • the circuit 260 derives a plurality of candidate motion vectors for each of the plurality of sub-blocks constituting the processing target block.
  • the circuit 260 may include a plurality of candidate motions including a representative motion vector according to the motion vector used for motion compensation of the processed block or the processed sub-block specified according to the position of each sub-block, and the representative motion vector. Derive a vector.
  • the circuit 260 selects a final motion vector from among a plurality of candidate motion vectors for each of the plurality of sub-blocks. At that time, the circuit 260 selects a final motion vector with reference to only the processed image area among the processed image areas included in the plurality of blocks and the processing target image areas included in the processing target block. Then, the circuit 260 performs motion compensation for each of the plurality of sub-blocks using the final motion vector.
  • the decoding apparatus 200 can perform motion compensation for each sub-block that is finer than the processing target block in which the differential motion vector is decoded. Also, the decoding apparatus 200 can use a representative motion vector appropriate for a block as a final motion vector candidate used for motion compensation of a sub-block. Therefore, the decoding apparatus 200 can increase the prediction accuracy while suppressing an increase in the total number of differential motion vectors to be decoded.
  • the circuit 260 determines a candidate motion vector for each of a plurality of sub-blocks based on a motion block used for motion compensation of a processed block or a processed sub-block spatially or temporally adjacent to the sub-block. It may be derived.
  • the circuit 260 refers to the processed image area and selects a plurality of candidate motion vectors when the sub-block is located at the left end or the upper end of the processing target block. From this, the final motion vector may be selected.
  • the circuit 260 processes each of the adjacent area adjacent to the left or top of the sub-block and the plurality of candidate areas indicated by the plurality of candidate motion vectors from the adjacent area. You may refer to as Then, the circuit 260 may select, as a final motion vector, a candidate motion vector that indicates a candidate region that matches an adjacent region from among the plurality of candidate motion vectors.
  • the circuit 260 may select the representative motion vector as the final motion vector when the sub-block is not located at the left end or the upper end of the processing target block.
  • the circuit 260 may derive a plurality of scaled candidate motion vectors as a plurality of symmetric motion vectors by scaling the plurality of candidate motion vectors for each of the plurality of sub-blocks.
  • the circuit 260 processes each of the plurality of candidate areas indicated by the plurality of candidate motion vectors from the subblock and the plurality of symmetric areas indicated by the plurality of symmetric motion vectors from the subblock. You may refer to as Then, the circuit 260 may select a candidate motion vector from which a candidate region and a symmetric region that match each other from among a plurality of candidate regions and a plurality of symmetric regions from among a plurality of candidate motion vectors as a final motion vector. .
  • the circuit 260 may further decode motion compensation mode information indicating one of the first motion compensation mode and the second motion compensation mode for each block.
  • the first motion compensation mode is a motion compensation mode in which the motion compensation of each sub-block is performed using the final motion vector for each of the plurality of sub-blocks.
  • the second motion compensation mode is a motion compensation mode in which motion compensation of the processing target block is performed using the representative motion vector.
  • the circuit 260 may derive a plurality of candidate motion vectors for each of the plurality of sub-blocks when the motion compensation mode information of the processing target block indicates the first motion compensation mode. Then, the circuit 260 may select a final motion vector from among a plurality of candidate motion vectors, and may perform motion compensation for the sub-block using the final motion vector.
  • the circuit 260 may perform motion compensation of the processing target block using the representative motion vector.
  • the circuit 260 may further decode selection method information indicating one of a plurality of selection methods for selecting a final motion vector from a plurality of candidate motion vectors for each block. Then, the circuit 260 may select a final motion vector from among a plurality of candidate motion vectors using one selection method indicated by the selection method information of the processing target block.
  • the circuit 260 may decode the motion compensation mode information and the selection method information as one common parameter or two separate parameters.
  • the processed block may be a block reconstructed by decoding.
  • the processed sub-block may be a sub-block for which motion compensation has been performed.
  • the processed picture may be a picture reconstructed by decoding.
  • a processed picture may also be expressed as a reference picture.
  • the processing target block is specifically a decoding target block and can also be expressed as a current block.
  • the encoding device 100 and the decoding device 200 in the present embodiment may be used as an image encoding device and an image decoding device, respectively, or may be used as a moving image encoding device and a moving image decoding device, respectively.
  • the encoding device 100 and the decoding device 200 can each be used as an inter prediction device. That is, the encoding apparatus 100 and the decoding apparatus 200 may support only the inter prediction unit 126 and the inter prediction unit 218, respectively.
  • each component may be configured by dedicated hardware or may be realized by executing a software program suitable for each component.
  • Each component may be realized by a program execution unit such as a CPU or a processor reading and executing a software program recorded on a recording medium such as a hard disk or a semiconductor memory.
  • each of the encoding device 100 and the decoding device 200 includes a processing circuit (Processing Circuit) and a storage device (Storage) electrically connected to the processing circuit and accessible from the processing circuit. You may have.
  • the processing circuit corresponds to the circuit 160 or 260
  • the storage device corresponds to the memory 162 or 262.
  • the processing circuit includes at least one of dedicated hardware and a program execution unit, and executes processing using a storage device. Further, when the processing circuit includes a program execution unit, the storage device stores a software program executed by the program execution unit.
  • the software that realizes the encoding apparatus 100 or the decoding apparatus 200 of the present embodiment is the following program.
  • this program is an encoding method for encoding a moving image composed of a plurality of pictures to a computer, and the prediction motion vector of a processing target block among a plurality of blocks in the plurality of pictures Derived from the motion vector used for motion compensation of the processed block specified according to the position of the processing target block, and the processing target block and the processed picture of the plurality of pictures are referred to Deriving a representative motion vector of the processing target block, encoding a differential motion vector that is a difference between the predicted motion vector and the representative motion vector, and for each of a plurality of sub-blocks constituting the processing target block, (I) Of the plurality of blocks and the plurality of sub-blocks Deriving a plurality of candidate motion vectors including the representative motion vector based on the motion vector used for motion compensation of the processed block or the processed sub-block specified according to the position of the sub-block, and the representative motion vector; (Ii) Among the plurality of candidate motion vectors, with reference to only the processed image area among
  • the program is a decoding method for decoding a moving image composed of a plurality of pictures to a computer, and the prediction motion vector of a processing target block among the plurality of blocks in the plurality of pictures is set to the plurality of blocks.
  • a differential motion vector that is a difference between the predicted motion vector and the representative motion vector of the processing target block is Decoding and adding the predicted motion vector and the difference motion vector to derive the representative motion vector, and for each of a plurality of sub-blocks constituting the processing target block, (i) the plurality of blocks and Position of the sub-block among the plurality of sub-blocks
  • a plurality of candidate motion vectors including the representative motion vector are derived from the motion vector used for motion compensation of the specified processed block or processed sub-block and the representative motion vector, and (ii) the plurality Among the plurality of candidate motion vectors, a final motion vector is obtained by referring to
  • Each component may be a circuit as described above. These circuits may constitute one circuit as a whole, or may be separate circuits. Each component may be realized by a general-purpose processor or a dedicated processor.
  • the encoding / decoding device may include the encoding device 100 and the decoding device 200.
  • the first and second ordinal numbers used in the description may be replaced as appropriate.
  • an ordinal number may be newly given to a component or the like, or may be removed.
  • the aspect of the encoding apparatus 100 and the decoding apparatus 200 was demonstrated based on embodiment, the aspect of the encoding apparatus 100 and decoding apparatus 200 is not limited to this embodiment. As long as it does not deviate from the gist of the present disclosure, the encoding device 100 and the decoding device 200 may be configured in which various modifications conceived by those skilled in the art have been made in the present embodiment, or in a form constructed by combining components in different embodiments. It may be included within the scope of the embodiment.
  • 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. 24 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 mobile phone, a PHS (Personal Handyphone System), or the like that corresponds to a mobile communication system generally called 2G, 3G, 3.9G, 4G, and 5G in the future.
  • PHS Personal Handyphone System
  • 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 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. H.264 in H.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. 27 is a diagram showing an example of a web page display screen on the computer ex111 or the like.
  • FIG. 28 is a diagram illustrating a display screen example of a web page on 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. 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 an 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 a base layer to receive a video. Are decoded and displayed.
  • 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. 29 is a diagram illustrating the smartphone ex115.
  • FIG. 30 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 processed by the modulation / demodulation unit ex452, and digital / analog converted 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 audio 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 can be used for, for example, a television receiver, a digital video recorder, a car navigation, a mobile phone, a digital camera, a digital video camera, a video conference system, or an electronic mirror.

Landscapes

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

Abstract

符号化装置（１００）は、メモリ（１６２）と、メモリ（１６２）にアクセス可能な回路（１６０）とを備え、メモリ（１６２）にアクセス可能な回路（１６０）は、処理対象ブロックの予測動きベクトルを導出し、処理対象ブロックの代表動きベクトルを導出し、差分動きベクトルを符号化し、処理対象ブロックを構成する複数のサブブロックのそれぞれについて、代表動きベクトルを含む複数の候補動きベクトルを導出し、処理済み画像領域を参照して、複数の候補動きベクトルの中から最終動きベクトルを選択し、最終動きベクトルを用いてサブブロックの動き補償を行う。

Description

符号化装置、復号装置、符号化方法及び復号方法
　本開示は、複数のピクチャで構成される動画像を符号化する符号化装置等に関する。
　従来、動画像を符号化するための規格として、Ｈ．２６５が存在する。Ｈ．２６５は、ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）とも呼ばれる。
Ｈ．２６５（ＩＳＯ／ＩＥＣ　２３００８－２　ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ））
　しかしながら、動画像の符号量が多いほど、動画像の伝送遅延がより大きくなり、動画像の記憶容量もより大きくなる。その結果、資源及びエネルギー等の消費量が多くなる。
　そこで、本開示は、少ない符号量で、動画像を適切に処理することができる符号化装置等を提供する。
　本開示の一態様に係る符号化装置は、複数のピクチャで構成される動画像を符号化する符号化装置であって、メモリと、前記メモリにアクセス可能な回路とを備え、前記メモリにアクセス可能な前記回路は、前記複数のピクチャにおける複数のブロックのうちの処理対象ブロックの予測動きベクトルを前記複数のブロックのうち前記処理対象ブロックの位置に従って特定される処理済みブロックの動き補償に用いられた動きベクトルによって導出し、前記処理対象ブロック、及び、前記複数のピクチャのうちの処理済みピクチャを参照して、前記処理対象ブロックの代表動きベクトルを導出し、前記予測動きベクトルと前記代表動きベクトルとの差分である差分動きベクトルを符号化し、前記処理対象ブロックを構成する複数のサブブロックのそれぞれについて、（ｉ）前記複数のブロック及び前記複数のサブブロックのうち当該サブブロックの位置に従って特定される処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトル、及び、前記代表動きベクトルによって、前記代表動きベクトルを含む複数の候補動きベクトルを導出し、（ｉｉ）前記複数のブロックに含まれる処理済み画像領域と、前記処理対象ブロックに含まれる処理対象画像領域とのうち、前記処理済み画像領域のみを参照して、前記複数の候補動きベクトルの中から最終動きベクトルを選択し、（ｉｉｉ）前記最終動きベクトルを用いて当該サブブロックの動き補償を行ってもよい。
　なお、これらの包括的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム、又は、コンピュータ読み取り可能なＣＤ－ＲＯＭなどの非一時的な記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラム、及び、記録媒体の任意な組み合わせで実現されてもよい。
　本開示の一態様に係る符号化装置等は、少ない符号量で、動画像を適切に処理することができる。
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、符号化においてサブブロック単位で行われる動き補償に関連する処理を示すフローチャートである。 図１２は、復号においてサブブロック単位で行われる動き補償に関連する処理を示すフローチャートである。 図１３は、符号化においてブロック単位で行われる動き補償に関連する処理を示すフローチャートである。 図１４は、復号においてブロック単位で行われる動き補償に関連する処理を示すフローチャートである。 図１５Ａは、テンプレートマッチング方式で最終動きベクトルを選択する方法を示す説明図である。 図１５Ｂは、評価可能サブブロック及び評価不可サブブロックを示す概念図である。 図１６は、バイラテラルマッチング方式で最終動きベクトルを選択する方法を示す説明図である。 図１７は、２つの動き補償モードの切り替えを示すフローチャートである。 図１８は、２つの動き補償モードの切り替え、及び、２つの評価モードの切り替えを示すフローチャートである。 図１９は、代表動きベクトルを導出する方法を示す説明図である。 図２０Ａは、４×４個のサブブロックを含むブロックにおいて左端及び上端を除く領域で規定される評価領域を示す概念図である。 図２０Ｂは、２×４個のサブブロックを含むブロックにおいて左端及び上端を除く領域で規定される評価領域を示す概念図である。 図２０Ｃは、４×２個のサブブロックを含むブロックにおいて左端及び上端を除く領域で規定される評価領域を示す概念図である。 図２０Ｄは、２×２個のサブブロックを含むブロックにおいて左端及び上端を除く領域で規定される評価領域を示す概念図である。 図２１Ａは、４×４個のサブブロックを含むブロックにおいて右半分及び下半分の領域で規定される評価領域を示す概念図である。 図２１Ｂは、２×４個のサブブロックを含むブロックにおいて右半分及び下半分の領域で規定される評価領域を示す概念図である。 図２１Ｃは、４×２個のサブブロックを含むブロックにおいて右半分及び下半分の領域で規定される評価領域を示す概念図である。 図２１Ｄは、２×２個のサブブロックを含むブロックにおいて右半分及び下半分の領域で規定される評価領域を示す概念図である。 図２２は、実施の形態１に係る符号化装置の実装例を示すブロック図である。 図２３は、実施の形態１に係る復号装置の実装例を示すブロック図である。 図２４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２５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２６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２７は、ｗｅｂページの表示画面例を示す図である。 図２８は、ｗｅｂページの表示画面例を示す図である。 図２９は、スマートフォンの一例を示す図である。 図３０は、スマートフォンの構成例を示すブロック図である。
　（本開示の基礎となった知見）
　複数のピクチャで構成される動画像を符号化する符号化装置は、動画像における各ブロックの符号化において、画面間予測を用いる場合がある。画面間予測は、動き補償とも呼ばれる。
　具体的には、符号化装置は、処理対象ブロックの符号化に画面間予測を用いる場合、処理対象ブロックに適合する対応領域を処理済みピクチャにおいて探索して、処理対象ブロックの動きベクトルを導出する。この動きベクトルは、処理対象ブロックから対応領域を指し示す。このような探索によって動きベクトルを導出する動作は、動き探索又は動き検出とも呼ばれる。
　そして、符号化装置は、処理対象ブロックの動きベクトルによって指し示される対応領域から、処理対象ブロックの予測画像を導出する。そして、符号化装置は、処理対象ブロックの画像と予測画像との差分画像を符号化する。
　また、符号化装置は、処理対象ブロックに隣接するブロックの動きベクトル等から、予測動きベクトルを導出する。そして、符号化装置は、処理対象ブロックの動きベクトルと予測動きベクトルとの差分動きベクトルを符号化する。
　また、復号装置は、差分画像及び差分動きベクトルを復号する。また、復号装置は、処理対象ブロックに隣接するブロックの動きベクトル等から、予測動きベクトルを導出する。そして、復号装置は、差分動きベクトルと予測動きベクトルとを加算することにより、処理対象ブロックの動きベクトルを導出する。
　そして、復号装置は、処理対象ブロックの動きベクトルによって指し示される対応領域から、処理対象ブロックの予測画像を導出する。そして、復号装置は、差分画像と予測画像とを加算することにより、処理対象ブロックの再構成画像を導出する。
　上記の動作に従って、符号化装置は、適切な動きベクトルを用いて、予測画像を導出し、予測画像を用いて、画像を符号化することができる。そして、これにより、符号化装置は、符号量を削減することができる。また、復号装置は、適切な動きベクトルを用いて、予測画像を導出し、再構成画像を導出することができる。
　また、符号化装置及び復号装置は、符号化の単位よりも細かい単位で複数の予測画像を導出し、各予測画像を原画像に近づけてもよい。これにより、これらの差分画像の符号量が減少する可能性がある。一方で、符号化の単位よりも細かい単位で多くの予測画像を導出する方法では、動きベクトルの総数が増加するため、これらの差分動きベクトルの符号量が増加する可能性がある。
　符号化装置及び復号装置は、差分動きベクトルの符号量を削減するため、ＦＲＵＣ（Ｆｒａｍｅ　Ｒａｔｅ　Ｕｐ－Ｃｏｎｖｅｒｓｉｏｎ）と呼ばれる技術を用いてもよい。ＦＲＵＣでは、符号化装置及び復号装置が差分動きベクトルの符号化及び復号を行わずに、符号化装置及び復号装置が同じ方法で処理対象ブロックの動きベクトルを導出する。
　例えば、符号化装置は、処理対象ブロックの画像を用いずに、処理対象ブロックの周辺の再構成画像を用いて、処理対象ブロックの動きベクトルを導出する。復号装置も、処理対象ブロックの周辺の再構成画像を用いて、処理対象ブロックの動きベクトルを導出する。これにより、符号化装置及び復号装置は、差分動きベクトルの符号化及び復号を行わずに、符号化装置及び復号装置において同じ方法で処理対象ブロックの動きベクトルを導出することができる。したがって、差分動きベクトルの符号量が削減される。
　しかしながら、処理対象ブロックを用いずに予測された画像の予測精度は、処理対象ブロックを用いて予測された画像の予測精度よりも低い可能性がある。そのため、差分画像の符号量が増加する可能性がある。
　そこで、本開示の一態様に係る符号化装置は、複数のピクチャで構成される動画像を符号化する符号化装置であって、メモリと、前記メモリにアクセス可能な回路とを備え、前記メモリにアクセス可能な前記回路は、前記複数のピクチャにおける複数のブロックのうちの処理対象ブロックの予測動きベクトルを前記複数のブロックのうち前記処理対象ブロックの位置に従って特定される処理済みブロックの動き補償に用いられた動きベクトルによって導出し、前記処理対象ブロック、及び、前記複数のピクチャのうちの処理済みピクチャを参照して、前記処理対象ブロックの代表動きベクトルを導出し、前記予測動きベクトルと前記代表動きベクトルとの差分である差分動きベクトルを符号化し、前記処理対象ブロックを構成する複数のサブブロックのそれぞれについて、（ｉ）前記複数のブロック及び前記複数のサブブロックのうち当該サブブロックの位置に従って特定される処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトル、及び、前記代表動きベクトルによって、前記代表動きベクトルを含む複数の候補動きベクトルを導出し、（ｉｉ）前記複数のブロックに含まれる処理済み画像領域と、前記処理対象ブロックに含まれる処理対象画像領域とのうち、前記処理済み画像領域のみを参照して、前記複数の候補動きベクトルの中から最終動きベクトルを選択し、（ｉｉｉ）前記最終動きベクトルを用いて当該サブブロックの動き補償を行う。
　これにより、符号化装置は、差分動きベクトルの符号化が行われる処理対象ブロックよりも細かいサブブロック毎に動き補償を行うことができる。また、符号化装置は、処理対象ブロックを参照して導出された代表動きベクトルをサブブロックの動き補償に用いられる最終動きベクトルの候補として用いることができる。したがって、符号化装置は、符号化される差分動きベクトルの総数の増加を抑制しつつ、予測精度を高くすることができる。すなわち、符号化装置は、少ない符号量で、動画像を適切に処理することができる。
　例えば、前記回路は、前記複数のサブブロックのそれぞれについて、前記複数のブロック及び前記複数のサブブロックのうち当該サブブロックに空間的又は時間的に隣接する処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトルによって候補動きベクトルを前記複数の候補動きベクトルのうちの１つとして導出してもよい。
　これにより、符号化装置は、処理対象サブブロックに隣接する処理済みブロック又は処理済みサブブロックの動きベクトルを処理対象サブブロックの最終動きベクトルの候補として用いることができる。処理対象サブブロックの動きに関する特性は、処理対象サブブロックに隣接する処理済みブロック及び処理済みサブブロックの動きに関する特性に類似すると想定される。したがって、処理済みブロック又は処理済みサブブロックの動きベクトルは候補として有効である。
　また、例えば、前記回路は、前記複数のサブブロックのそれぞれについて、当該サブブロックが前記処理対象ブロックの左端又は上端に位置している場合、当該サブブロックの左又は上に隣接する隣接領域と、前記隣接領域から前記複数の候補動きベクトルによって指し示される複数の候補領域とのそれぞれを前記処理済み画像領域として参照して、前記複数の候補動きベクトルの中から、前記複数の候補領域のうち前記隣接領域に適合する候補領域を指し示す候補動きベクトルを前記最終動きベクトルとして選択し、当該サブブロックが前記処理対象ブロックの左端又は上端に位置していない場合、前記代表動きベクトルを前記最終動きベクトルとして選択してもよい。
　これにより、符号化装置は、サブブロックの隣接領域が再構成され参照可能である場合、サブブロックの隣接領域を用いて、サブブロックの最終動きベクトルを適切に選択することができる。また、符号化装置は、サブブロックの隣接領域が再構成されておらず参照可能でない場合、処理対象ブロックの代表動きベクトルをサブブロックの最終動きベクトルとして用いることにより、予測精度の低下を抑制することができる。
　また、例えば、前記回路は、前記複数のサブブロックのそれぞれについて、前記複数の候補動きベクトルをスケーリングすることにより、スケーリングされた前記複数の候補動きベクトルを複数の対称動きベクトルとして導出し、当該サブブロックから前記複数の候補動きベクトルによって指し示される複数の候補領域と、当該サブブロックから前記複数の対称動きベクトルによって指し示される複数の対称領域とのそれぞれを前記処理済み画像領域として参照して、前記複数の候補動きベクトルの中から、前記複数の候補領域及び前記複数の対称領域のうち互いに適合する候補領域及び対称領域が得られる候補動きベクトルを前記最終動きベクトルとして選択してもよい。
　これにより、符号化装置は、サブブロックの隣接領域の参照可否等によらず、サブブロックの最終動きベクトルを適切に選択することができる。
　また、例えば、前記回路は、さらに、前記複数のサブブロックのそれぞれについて前記最終動きベクトルを用いて当該サブブロックの動き補償を行う第１動き補償モード、及び、前記代表動きベクトルを用いて前記処理対象ブロックの動き補償を行う第２動き補償モードのうち一方を示す動き補償モード情報をブロック毎に符号化し、前記処理対象ブロックの前記動き補償モード情報が前記第１動き補償モードを示す場合、前記複数のサブブロックのそれぞれについて、前記複数の候補動きベクトルを導出し、前記複数の候補動きベクトルの中から前記最終動きベクトルを選択し、前記最終動きベクトルを用いて当該サブブロックの動き補償を行い、前記処理対象ブロックに対して符号化される前記動き補償モード情報が前記第２動き補償モードを示す場合、前記代表動きベクトルを用いて前記処理対象ブロックの動き補償を行ってもよい。
　これにより、符号化装置は、処理対象ブロック全体に対して行われる動き補償と、サブブロック毎に行われる動き補償とをブロック毎に適応的に切り替えることができる。
　また、例えば、前記回路は、さらに、前記複数の候補動きベクトルの中から前記最終動きベクトルを選択するための複数の選択方法のうちの１つを示す選択方法情報をブロック毎に符号化し、前記処理対象ブロックの前記選択方法情報によって示される１つの選択方法を用いて、前記複数の候補動きベクトルの中から前記最終動きベクトルを選択してもよい。
　これにより、符号化装置は、各サブブロックの最終動きベクトルに関する複数の選択方法をブロック毎に適応的に切り替えることができる。
　また、例えば、前記回路は、前記動き補償モード情報及び前記選択方法情報を共通の１つのパラメータ又はそれぞれ別々の２つのパラメータとして符号化してもよい。
　これにより、符号化装置は、動き補償モード情報及び選択方法情報を共通の１つのパラメータとして一元的に符号化することができる。あるいは、符号化装置は、動き補償モード情報及び選択方法情報をそれぞれ別々の２つのパラメータとしてシンプルに符号化することができる。
　また、例えば、前記回路は、前記処理対象ブロックの一部であり前記処理対象ブロックにおいて右端かつ下端に位置する右下画素を含む領域である評価領域に適合する対応領域を前記処理済みピクチャにおいて探索し、前記評価領域から前記対応領域を指し示す動きベクトルを前記代表動きベクトルとして導出してもよい。
　これにより、符号化装置は、処理対象ブロックにおける右下画素を含む評価領域に基づいて代表動きベクトルを導出することができる。したがって、符号化装置は、処理対象ブロックにおける右下のサブブロックの隣接領域が参照不可であるため代表動きベクトルが選択される場合でも、右下のサブブロックに適した代表動きベクトルを最終動きベクトルとして選択することができる。また、符号化装置は、左上のサブブロックから右下のサブブロックへ予測精度の劣化が伝搬することを抑制するこができる。
　また、例えば、前記評価領域は、前記複数のサブブロックのうち、前記処理対象ブロックの左端に位置する１以上のサブブロックを除き、かつ、前記処理対象ブロックの上端に位置する１以上のサブブロックを除く、残りの１以上のサブブロックの領域であってもよい。
　これにより、符号化装置は、評価領域におけるサブブロックの隣接領域が参照不可であるため代表動きベクトルが選択される場合でも、評価領域におけるサブブロックに適した代表動きベクトルを最終動きベクトルとして選択することができる。
　また、例えば、前記評価領域は、前記処理対象ブロックの右半分の領域と前記処理対象ブロックの下半分の領域とが重なる領域であってもよい。
　これにより、符号化装置は、左上のサブブロックから右下のサブブロックへ予測精度の劣化が伝搬することを抑制するこができる。また、符号化装置は、処理対象ブロックの右半分及び下半分で規定される評価領域をシンプルな処理で導出することができる。したがって、符号化装置は、評価領域を導出するための処理量の増加を抑制することができる。
　また、本開示の一態様に係る復号装置は、複数のピクチャで構成される動画像を復号する復号装置であって、メモリと、前記メモリにアクセス可能な回路とを備え、前記メモリにアクセス可能な前記回路は、前記複数のピクチャにおける複数のブロックのうちの処理対象ブロックの予測動きベクトルを前記複数のブロックのうち前記処理対象ブロックの位置に従って特定される処理済みブロックの動き補償に用いられた動きベクトルによって導出し、前記予測動きベクトルと前記処理対象ブロックの代表動きベクトルとの差分である差分動きベクトルを復号し、前記予測動きベクトルと前記差分動きベクトルとを加算することにより、前記代表動きベクトルを導出し、前記処理対象ブロックを構成する複数のサブブロックのそれぞれについて、（ｉ）前記複数のブロック及び前記複数のサブブロックのうち当該サブブロックの位置に従って特定される処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトル、及び、前記代表動きベクトルによって、前記代表動きベクトルを含む複数の候補動きベクトルを導出し、（ｉｉ）前記複数のブロックに含まれる処理済み画像領域と、前記処理対象ブロックに含まれる処理対象画像領域とのうち、前記処理済み画像領域のみを参照して、前記複数の候補動きベクトルの中から最終動きベクトルを選択し、（ｉｉｉ）前記最終動きベクトルを用いて当該サブブロックの動き補償を行う復号装置であってもよい。
　これにより、復号装置は、差分動きベクトルの復号が行われる処理対象ブロックよりも細かいサブブロック毎に動き補償を行うことができる。また、復号装置は、ブロックに対して適切な代表動きベクトルをサブブロックの動き補償に用いられる最終動きベクトルの候補として用いることができる。したがって、復号装置は、復号される差分動きベクトルの総数の増加を抑制しつつ、予測精度を高くすることができる。すなわち、復号装置は、少ない符号量で、動画像を適切に処理することができる。
　例えば、前記回路は、前記複数のサブブロックのそれぞれについて、前記複数のブロック及び前記複数のサブブロックのうち当該サブブロックに空間的又は時間的に隣接する処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトルによって候補動きベクトルを前記複数の候補動きベクトルのうちの１つとして導出してもよい。
　これにより、復号装置は、処理対象サブブロックに隣接する処理済みブロック又は処理済みサブブロックの動きベクトルを処理対象サブブロックの最終動きベクトルの候補として用いることができる。処理対象サブブロックの動きに関する特性は、処理対象サブブロックに隣接する処理済みブロック及び処理済みサブブロックの動きに関する特性に類似すると想定される。したがって、処理済みブロック又は処理済みサブブロックの動きベクトルは候補として有効である。
　また、例えば、前記回路は、前記複数のサブブロックのそれぞれについて、当該サブブロックが前記処理対象ブロックの左端又は上端に位置している場合、当該サブブロックの左又は上に隣接する隣接領域と、前記隣接領域から前記複数の候補動きベクトルによって指し示される複数の候補領域とのそれぞれを前記処理済み画像領域として参照して、前記複数の候補動きベクトルの中から、前記複数の候補領域のうち前記隣接領域に適合する候補領域を指し示す候補動きベクトルを前記最終動きベクトルとして選択し、当該サブブロックが前記処理対象ブロックの左端又は上端に位置していない場合、前記代表動きベクトルを前記最終動きベクトルとして選択してもよい。
　これにより、復号装置は、サブブロックの隣接領域が再構成され参照可能である場合、サブブロックの隣接領域を用いて、サブブロックの最終動きベクトルを適切に選択することができる。また、復号装置は、サブブロックの隣接領域が再構成されておらず参照可能でない場合、処理対象ブロックの代表動きベクトルをサブブロックの最終動きベクトルとして用いることにより、予測精度の低下を抑制することができる。
　また、例えば、前記回路は、前記複数のサブブロックのそれぞれについて、前記複数の候補動きベクトルをスケーリングすることにより、スケーリングされた前記複数の候補動きベクトルを複数の対称動きベクトルとして導出し、当該サブブロックから前記複数の候補動きベクトルによって指し示される複数の候補領域と、当該サブブロックから前記複数の対称動きベクトルによって指し示される複数の対称領域とのそれぞれを前記処理済み画像領域として参照して、前記複数の候補動きベクトルの中から、前記複数の候補領域及び前記複数の対称領域のうち互いに適合する候補領域及び対称領域が得られる候補動きベクトルを前記最終動きベクトルとして選択してもよい。
　これにより、復号装置は、サブブロックの隣接領域の参照可否等によらず、サブブロックの最終動きベクトルを適切に選択することができる。
　また、例えば、前記回路は、さらに、前記複数のサブブロックのそれぞれについて前記最終動きベクトルを用いて当該サブブロックの動き補償を行う第１動き補償モード、及び、前記代表動きベクトルを用いて前記処理対象ブロックの動き補償を行う第２動き補償モードのうち一方を示す動き補償モード情報をブロック毎に復号し、前記処理対象ブロックの前記動き補償モード情報が前記第１動き補償モードを示す場合、前記複数のサブブロックのそれぞれについて、前記複数の候補動きベクトルを導出し、前記複数の候補動きベクトルの中から前記最終動きベクトルを選択し、前記最終動きベクトルを用いて当該サブブロックの動き補償を行い、前記処理対象ブロックに対して復号された前記動き補償モード情報が前記第２動き補償モードを示す場合、前記代表動きベクトルを用いて前記処理対象ブロックの動き補償を行ってもよい。
　これにより、復号装置は、処理対象ブロック全体に対して行われる動き補償と、サブブロック毎に行われる動き補償とをブロック毎に適応的に切り替えることができる。
　また、例えば、前記回路は、さらに、前記複数の候補動きベクトルの中から前記最終動きベクトルを選択するための複数の選択方法のうちの１つを示す選択方法情報をブロック毎に復号し、前記処理対象ブロックの前記選択方法情報によって示される１つの選択方法を用いて、前記複数の候補動きベクトルの中から前記最終動きベクトルを選択してもよい。
　これにより、復号装置は、各サブブロックの最終動きベクトルに関する複数の選択方法をブロック毎に適応的に切り替えることができる。
　また、例えば、前記回路は、前記動き補償モード情報及び前記選択方法情報を共通の１つのパラメータ又はそれぞれ別々の２つのパラメータとして復号してもよい。
　これにより、復号装置は、動き補償モード情報及び選択方法情報を共通の１つのパラメータとして一元的に復号することができる。あるいは、復号装置は、動き補償モード情報及び選択方法情報をそれぞれ別々の２つのパラメータとしてシンプルに復号することができる。
　また、本開示の一態様に係る符号化方法は、複数のピクチャで構成される動画像を符号化する符号化方法であって、前記複数のピクチャにおける複数のブロックのうちの処理対象ブロックの予測動きベクトルを前記複数のブロックのうち前記処理対象ブロックの位置に従って特定される処理済みブロックの動き補償に用いられた動きベクトルによって導出し、前記処理対象ブロック、及び、前記複数のピクチャのうちの処理済みピクチャを参照して、前記処理対象ブロックの代表動きベクトルを導出し、前記予測動きベクトルと前記代表動きベクトルとの差分である差分動きベクトルを符号化し、前記処理対象ブロックを構成する複数のサブブロックのそれぞれについて、（ｉ）前記複数のブロック及び前記複数のサブブロックのうち当該サブブロックの位置に従って特定される処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトル、及び、前記代表動きベクトルによって、前記代表動きベクトルを含む複数の候補動きベクトルを導出し、（ｉｉ）前記複数のブロックに含まれる処理済み画像領域と、前記処理対象ブロックに含まれる処理対象画像領域とのうち、前記処理済み画像領域のみを参照して、前記複数の候補動きベクトルの中から最終動きベクトルを選択し、（ｉｉｉ）前記最終動きベクトルを用いて当該サブブロックの動き補償を行う符号化方法であってもよい。
　これにより、この符号化方法を用いる装置等は、差分動きベクトルの符号化が行われる処理対象ブロックよりも細かいサブブロック毎に動き補償を行うことができる。また、この符号化方法を用いる装置等は、処理対象ブロックを参照して導出された代表動きベクトルをサブブロックの動き補償に用いられる最終動きベクトルの候補として用いることができる。したがって、この符号化方法を用いる装置等は、符号化される差分動きベクトルの総数の増加を抑制しつつ、予測精度を高くすることができる。
　すなわち、この符号化方法を用いる装置等は、少ない符号量で、動画像を適切に処理することができる。
　また、本開示の一態様に係る復号方法は、複数のピクチャで構成される動画像を復号する復号方法であって、前記複数のピクチャにおける複数のブロックのうちの処理対象ブロックの予測動きベクトルを前記複数のブロックのうち前記処理対象ブロックの位置に従って特定される処理済みブロックの動き補償に用いられた動きベクトルによって導出し、前記予測動きベクトルと前記処理対象ブロックの代表動きベクトルとの差分である差分動きベクトルを復号し、前記予測動きベクトルと前記差分動きベクトルとを加算することにより、前記代表動きベクトルを導出し、前記処理対象ブロックを構成する複数のサブブロックのそれぞれについて、（ｉ）前記複数のブロック及び前記複数のサブブロックのうち当該サブブロックの位置に従って特定される処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトル、及び、前記代表動きベクトルによって、前記代表動きベクトルを含む複数の候補動きベクトルを導出し、（ｉｉ）前記複数のブロックに含まれる処理済み画像領域と、前記処理対象ブロックに含まれる処理対象画像領域とのうち、前記処理済み画像領域のみを参照して、前記複数の候補動きベクトルの中から最終動きベクトルを選択し、（ｉｉｉ）前記最終動きベクトルを用いて当該サブブロックの動き補償を行う復号方法であってもよい。
　これにより、この復号方法を用いる装置等は、差分動きベクトルの復号が行われる処理対象ブロックよりも細かいサブブロック毎に動き補償を行うことができる。また、この復号方法を用いる装置等は、ブロックに対して適切な代表動きベクトルをサブブロックの動き補償に用いられる最終動きベクトルの候補として用いることができる。したがって、この復号方法を用いる装置等は、復号される差分動きベクトルの総数の増加を抑制しつつ、予測精度を高くすることができる。
　すなわち、この復号方法を用いる装置等は、少ない符号量で、動画像を適切に処理することができる。
　さらに、これらの包括的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム、又は、コンピュータ読み取り可能なＣＤ－ＲＯＭなどの非一時的な記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラム、及び、記録媒体の任意な組み合わせで実現されてもよい。
　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）
　まず、後述する本開示の各態様で説明する処理および／または構成を適用可能な符号化装置および復号化装置の一例として、実施の形態１の概要を説明する。ただし、実施の形態１は、本開示の各態様で説明する処理および／または構成を適用可能な符号化装置および復号化装置の一例にすぎず、本開示の各態様で説明する処理および／または構成は、実施の形態１とは異なる符号化装置および復号化装置においても実施可能である。
　実施の形態１に対して本開示の各態様で説明する処理および／または構成を適用する場合、例えば以下のいずれかを行ってもよい。
　（１）実施の形態１の符号化装置または復号化装置に対して、当該符号化装置または復号化装置を構成する複数の構成要素のうち、本開示の各態様で説明する構成要素に対応する構成要素を、本開示の各態様で説明する構成要素に置き換えること
　（２）実施の形態１の符号化装置または復号化装置に対して、当該符号化装置または復号化装置を構成する複数の構成要素のうち一部の構成要素について機能または実施する処理の追加、置き換え、削除などの任意の変更を施した上で、本開示の各態様で説明する構成要素に対応する構成要素を、本開示の各態様で説明する構成要素に置き換えること
　（３）実施の形態１の符号化装置または復号化装置が実施する方法に対して、処理の追加、および／または当該方法に含まれる複数の処理のうちの一部の処理について置き換え、削除などの任意の変更を施した上で、本開示の各態様で説明する処理に対応する処理を、本開示の各態様で説明する処理に置き換えること
　（４）実施の形態１の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素を、本開示の各態様で説明する構成要素、本開示の各態様で説明する構成要素が備える機能の一部を備える構成要素、または本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせて実施すること
　（５）実施の形態１の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素が備える機能の一部を備える構成要素、または実施の形態１の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素が実施する処理の一部を実施する構成要素を、本開示の各態様で説明する構成要素、本開示の各態様で説明する構成要素が備える機能の一部を備える構成要素、または本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせて実施すること
　（６）実施の形態１の符号化装置または復号化装置が実施する方法に対して、当該方法に含まれる複数の処理のうち、本開示の各態様で説明する処理に対応する処理を、本開示の各態様で説明する処理に置き換えること
　（７）実施の形態１の符号化装置または復号化装置が実施する方法に含まれる複数の処理のうちの一部の処理を、本開示の各態様で説明する処理と組み合わせて実施すること
　なお、本開示の各態様で説明する処理および／または構成の実施の仕方は、上記の例に限定されるものではない。例えば、実施の形態１において開示する動画像／画像符号化装置または動画像／画像復号化装置とは異なる目的で利用される装置において実施されてもよいし、各態様において説明した処理および／または構成を単独で実施してもよい。また、異なる態様において説明した処理および／または構成を組み合わせて実施してもよい。
　［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。
　ここで、Ｓｅｐａｒａｂｌｅな変換とは、入力の次元の数だけ方向ごとに分離して複数回変換を行う方式であり、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とは、入力が多次元であった際に２つ以上の次元をまとめて１次元とみなして、まとめて変換を行う方式である。
　例えば、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換の１例として、入力が４×４のブロックであった場合にはそれを１６個の要素を持ったひとつの配列とみなし、その配列に対して１６×１６の変換行列で変換処理を行うようなものが挙げられる。
　また、同様に４×４の入力ブロックを１６個の要素を持ったひとつの配列とみなした後に、その配列に対してＧｉｖｅｎｓ回転を複数回行うようなもの（Ｈｙｐｅｒｃｕｂｅ　Ｇｉｖｅｎｓ　Ｔｒａｎｓｆｏｒｍ）もＮｏｎ－Ｓｅｐａｒａｂｌｅな変換の例である。
　［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サンプル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（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）モードと呼ばれることがある。
　まず、カレントブロックに空間的又は時間的に隣接する符号化済みブロックの動きベクトルを参照して、各々が予測動きベクトルを有する複数の候補のリスト（マージリストと共通であってもよい）が生成される。そして、候補リストに含まれる各候補の評価値が算出され、評価値に基づいて１つの候補が選択される。
　そして、選択された候補の動きベクトルに基づいて、カレントブロックのための動きベクトルが導出される。具体的には、例えば、選択された候補の動きベクトルがそのままカレントブロックのための動きベクトルとして導出される。また例えば、選択された候補の動きベクトルに対応する参照ピクチャ内の位置の周辺領域において、パターンマッチングを行うことにより、カレントブロックのための動きベクトルが導出されてもよい。
　なお、評価値は、動きベクトルに対応する参照ピクチャ内の領域と、所定の領域との間のパターンマッチングによって算出される。
　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。したがって、第１パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントブロックの動き軌道に沿う他の参照ピクチャ内の領域が用いられる。
　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。したがって、第２パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントピクチャ内のカレントブロックに隣接するブロックが用いられる。
　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、変換係数に逆再変換を適用する。
　［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サンプル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２１８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２２０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。
　［動き補償］
　図１１は、符号化においてサブブロック単位で行われる動き補償に関連する処理を示すフローチャートである。図１に示された符号化装置１００が、複数のピクチャで構成される動画像を符号化する際、符号化装置１００のインター予測部１２６等が、図１１に示された処理を実行する。
　まず、インター予測部１２６は、ブロック単位で、予測動きベクトルを導出する（Ｓ１０１）。ここで、ブロックは、符号化ユニット、予測ユニット又は予測ブロックと呼ばれる画像領域であってもよい。具体的には、インター予測部１２６は、処理済みブロックの動きベクトルから、処理対象ブロックであるカレントブロックの予測動きベクトルを導出する。
　より具体的には、インター予測部１２６は、処理済みブロックの動き補償に用いられた動きベクトルから、カレントブロックの予測動きベクトルを導出する。例えば、インター予測部１２６は、処理済みブロックの動き補償に用いられた動きベクトルをカレントブロックの予測動きベクトルとして導出してもよい。
　また、インター予測部１２６は、処理済みブロックの動き補償に用いられた動きベクトルを所定の比率でスケーリングし、スケーリングされた動きベクトルをカレントブロックの予測動きベクトルとして導出してもよい。
　ここで、処理済みブロックは、カレントブロックよりも処理順で前のブロックであって、先行ブロックとも表現され得る。処理順は、符号化順に対応する。処理済みブロックは、動き補償が行われたブロックであってもよいし、符号化済みブロックであってもよいし、再構成済みブロックであってもよい。また、処理済みブロックは、カレントブロックを含むカレントピクチャに含まれていてもよいし、カレントピクチャよりも処理順で前の処理済みピクチャに含まれていてもよい。
　処理済みピクチャは、カレントブロックを含むカレントピクチャよりも処理順で前のピクチャであって、先行ピクチャとも表現され得る。処理済みピクチャは、基本的に、符号化され再構成されたピクチャであって、参照ピクチャとして用いられるピクチャである。
　また、カレントブロックの予測動きベクトルを導出するための処理済みブロックは、処理済みサブブロックであってもよい。つまり、処理済みブロックの動き補償に用いられた動きベクトルは、実際には、処理済みブロックのサブブロックの動き補償に用いられた動きベクトルであってもよい。
　また、例えば、カレントブロックの予測動きベクトルを導出するための処理済みブロックは、カレントブロックの位置によって特定される。具体的には、カレントブロックの予測動きベクトルを導出するための処理済みブロックは、カレントブロックに空間的又は時間的に隣接する処理済みブロックであってもよい。また、処理済みブロックの複数のサブブロックのうち、カレントブロックに空間的又は時間的に隣接するサブブロックの動きベクトルが、カレントブロックの予測動きベクトルの導出に用いられてもよい。
　また、インター予測部１２６は、複数の処理済みブロックの複数の動きベクトルからカレントブロックの予測動きベクトルを導出してもよい。すなわち、インター予測部１２６は、複数の処理済みブロックの複数の動きベクトルを組み合わせることにより、カレントブロックの予測動きベクトルを導出してもよい。
　また、インター予測部１２６は、複数の処理済みブロックの複数の動きベクトルからカレントブロックの複数の予測動きベクトルを導出してもよい。そして、インター予測部１２６は、エントロピー符号化部１１０を介して、複数の予測動きベクトルのうち、後述する差分動きベクトルの導出に用いられる予測動きベクトルを示す識別子を符号化してもよい。
　具体的には、複数の予測動きベクトルが導出された場合、インター予測部１２６は、複数の予測動きベクトルの中から、差分動きベクトルの導出に用いられる予測動きベクトルを選択してもよい。そして、エントロピー符号化部１１０は、インター予測部１２６で選択された予測動きベクトルを示す識別子を符号化してもよい。
　次に、インター予測部１２６は、ブロック単位で、ブロックの代表的な動きを表す代表動きベクトルを導出する（Ｓ１０２）。
　例えば、インター予測部１２６は、カレントブロック及び処理済みピクチャを参照して、カレントブロックに適合する対応領域を処理済みピクチャにおいて探索する。その際、インター予測部１２６は、カレントブロックから所定の範囲内で最も適合する対応領域を探索してもよい。そして、インター予測部１２６は、カレントブロックから対応領域を指し示す動きベクトルをカレントブロックの代表動きベクトルとして導出する。
　また、インター予測部１２６は、カレントブロックの代表動きベクトルを導出した後、エントロピー符号化部１１０を介して、ブロック単位で、差分動きベクトルを符号化する。ここで、差分動きベクトルは、予測動きベクトルと代表動きベクトルとの差分である。例えば、インター予測部１２６は、予測動きベクトルと代表動きベクトルとの差分を差分動きベクトルとして導出する。そして、エントロピー符号化部１１０は、インター予測部１２６で導出された差分動きベクトルを符号化する。
　次に、インター予測部１２６は、サブブロック単位で、複数の候補動きベクトルを導出する（Ｓ１０３）。すなわち、インター予測部１２６は、カレントブロックに含まれるサブブロック毎に、サブブロックの複数の候補動きベクトルを導出する。サブブロックの各候補動きベクトルは、サブブロックの動きベクトルの候補であり、具体的には、サブブロックの動き補償に用いられる最終動きベクトルの候補である。
　例えば、インター予測部１２６は、処理済みブロック又は処理済みサブブロックの動きベクトルから、処理対象サブブロックであるカレントサブブロックの候補動きベクトルを導出する。具体的には、インター予測部１２６は、処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトルから、カレントサブブロックの候補動きベクトルを導出する。
　より具体的には、インター予測部１２６は、処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトルをサブブロックの候補動きベクトルとして導出してもよい。また、インター予測部１２６は、処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトルを所定の比率でスケーリングし、スケーリングされた動きベクトルをサブブロックの候補動きベクトルとして導出してもよい。
　ここで、処理済みサブブロックは、カレントサブブロックが処理されるよりも前に処理されたサブブロックであって、先行サブブロックとも表現され得る。例えば、処理済みサブブロックは、動き補償が行われたサブブロックであってもよい。
　なお、カレントサブブロックを含むカレントブロックは、カレントサブブロックの処理の際に、未だ符号化されておらず再構成されていない。そのため、カレントサブブロックに含まれる上記の処理済みサブブロックも、カレントサブブロックの処理の際に、未だ符号化されておらず再構成されていない。
　また、処理済みブロックの動き補償に用いられた動きベクトルは、実際には、処理済みブロックのサブブロックの動き補償に用いられた動きベクトルであってもよい。また、例えば、カレントサブブロックの候補動きベクトルを導出するための処理済みブロック及び処理済みサブブロックは、カレントサブブロックの位置によって特定される。
　具体的には、カレントサブブロックの候補動きベクトルを導出するための処理済みブロックは、カレントサブブロックに空間的又は時間的に隣接する処理済みブロックであってもよい。そして、処理済みブロックの複数のサブブロックのうち、カレントサブブロックに空間的又は時間的に隣接するサブブロックの動きベクトルが、カレントサブブロックの候補動きベクトルの導出に用いられてもよい。
　また、カレントサブブロックの候補動きベクトルを導出するための処理済みサブブロックは、カレントブロックの複数のサブブロックのうち、カレントサブブロックに空間的に隣接する処理済みサブブロックであってもよい。
　また、インター予測部１２６は、複数の処理済みブロック及び複数の処理済みサブブロック等の複数の動きベクトルからカレントサブブロックの候補動きベクトルを導出してもよい。すなわち、インター予測部１２６は、複数の処理済みブロック及び複数の処理済みサブブロック等の複数の動きベクトルを組み合わせることにより、カレントサブブロックの候補動きベクトルを導出してもよい。
　また、インター予測部１２６は、複数の処理済みブロック及び複数の処理済みサブブロック等の複数の動きベクトルからカレントサブブロックの複数の候補動きベクトルを導出してもよい。
　さらに、インター予測部１２６は、カレントブロックの代表動きベクトルをカレントサブブロックの複数の候補動きベクトルに含める。つまり、インター予測部１２６は、カレントブロックの代表動きベクトルを含む複数の候補動きベクトルを導出する。
　次に、インター予測部１２６は、サブブロック単位で、複数の候補動きベクトルの中から最終動きベクトルを選択する（Ｓ１０４）。つまり、インター予測部１２６は、複数の候補動きベクトルの中から１つの候補動きベクトルをカレントサブブロックの動き補償に用いられる最終動きベクトルとして選択する。
　インター予測部１２６は、カレントサブブロックの最終動きベクトルの選択において、処理対象領域と処理済み領域とのうち処理済み領域のみを参照する。すなわち、インター予測部１２６は、カレントブロックにおける処理対象領域の画像を参照せずに、複数の処理済みブロックにおける処理済み領域の再構成画像を参照して、カレントサブブロックの最終動きベクトルを選択する。
　具体的には、インター予測部１２６は、カレントサブブロックの複数の候補動きベクトルによって指し示される複数の候補領域の再構成画像等を参照して、候補動きベクトル毎に評価値を算出する。そして、インター予測部１２６は、カレントサブブロックの複数の候補動きベクトルのうち最も評価値が高い候補動きベクトルをカレントサブブロックの最終動きベクトルとして選択する。この評価方法は、図１５Ａ及び図１６等を用いて、後述する。
　次に、インター予測部１２６は、サブブロック単位で、動き補償を行う（Ｓ１０５）。すなわち、インター予測部１２６は、最終動きベクトルを用いて、カレントサブブロックの動き補償を行う。具体的には、インター予測部１２６は、最終動きベクトルによってカレントサブブロックから処理済みピクチャにおいて指し示される領域の再構成画像をカレントサブブロックの予測画像として導出する。
　インター予測部１２６は、カレントブロックの各サブブロックに対して、候補動きベクトルの導出（Ｓ１０３）、最終動きベクトルの選択（Ｓ１０４）、及び、動き補償（Ｓ１０５）を行う。そして、インター予測部１２６は、画面間予測が行われる各ブロックに対して、予測動きベクトルの導出（Ｓ１０１）、及び、代表動きベクトルの導出（Ｓ１０２）、及び、複数のサブブロックの処理（Ｓ１０３～Ｓ１０５）を行う。これにより、インター予測部１２６は、カレントブロックの予測画像を導出する。
　上記の動作によって、インター予測部１２６は、カレントブロックの予測画像を導出する。その後、減算部１０４は、カレントブロックの原画像からカレントブロックの予測画像を減算することにより、カレントブロックの差分画像を導出する。変換部１０６及び量子化部１０８は、カレントブロックの差分画像に対して周波数変換及び量子化を行う。エントロピー符号化部１１０は、周波数変換及び量子化が行われた差分画像を符号化する。
　また、逆量子化部１１２及び逆変換部１１４は、周波数変換及び量子化が行われた差分画像に対して、逆量子化及び逆周波数変換を行うことにより、カレントブロックの差分画像を復元する。そして、加算部１１６は、復元された差分画像と、カレントブロックの予測画像とを加算することにより、カレントブロックの再構成画像を導出する。これにより、符号化装置１００は、カレントブロックの画像を符号化し、カレントブロックの再構成画像を導出する。
　そして、符号化装置１００は、上記の動作によって、差分動きベクトルの符号化が行われるカレントブロックよりも細かいサブブロック毎に動き補償を行うことができる。また、符号化装置１００は、カレントブロックを参照して導出された代表動きベクトルをサブブロックの動き補償に用いられる最終動きベクトルの候補として用いることができる。したがって、符号化装置１００は、符号化される差分動きベクトルの総数の増加を抑制しつつ、予測精度を高くすることができる。
　なお、インター予測部１２６は、選択された最終動きベクトルによって指し示される領域の周辺を指し示す動きベクトルの評価値を算出し、評価値がより高い動きベクトルに最終動きベクトルを補正してもよい。そして、インター予測部１２６は、補正された最終動きベクトルを用いてカレントサブブロックの動き補償を行ってもよい。
　また、ブロックに含まれる複数のサブブロックは、互いに同じ形状を有していてもよいし、同じサイズを有してもよい。例えば、複数のサブブロックのそれぞれは、４ｘ４の１６個の画素で構成されてもよい。また、複数のブロック及び複数のサブブロックは、基本的に、左上から右下へ順次処理される。例えば、ブロックに含まれる複数のサブブロックは、ラスタスキャン順で処理されてもよいし、ジグザグスキャン順で処理されてもよい。
　また、上記に説明された予測動きベクトル、代表動きベクトル、差分動きベクトル、候補動きベクトル及び最終動きベクトル等の各動きベクトルは、双予測のための２つの動きベクトルを含む動きベクトルセットであってもよい。
　図１２は、復号においてサブブロック単位で行われる動き補償に関連する処理を示すフローチャートである。図１０に示された復号装置２００が、複数のピクチャで構成される動画像を復号する際、復号装置２００のインター予測部２１８等が、図１２に示された処理を実行する。
　まず、インター予測部２１８は、ブロック単位で、予測動きベクトルを導出する（Ｓ２０１）。ここで、ブロックは、符号化ユニット、予測ユニット又は予測ブロックと呼ばれる画像領域であってもよい。具体的には、インター予測部２１８は、処理済みブロックの動きベクトルから、処理対象ブロックであるカレントブロックの予測動きベクトルを導出する。
　より具体的には、インター予測部２１８は、処理済みブロックの動き補償に用いられた動きベクトルから、カレントブロックの予測動きベクトルを導出する。例えば、インター予測部２１８は、処理済みブロックの動き補償に用いられた動きベクトルをカレントブロックの予測動きベクトルとして導出してもよい。
　また、インター予測部２１８は、処理済みブロックの動き補償に用いられた動きベクトルを所定の比率でスケーリングし、スケーリングされた動きベクトルをカレントブロックの予測動きベクトルとして導出してもよい。
　ここで、処理済みブロックは、カレントブロックよりも処理順で前のブロックである。処理順は、復号順に対応する。処理済みブロックは、動き補償が行われたブロックであってもよいし、復号済みブロックであってもよいし、再構成済みブロックであってもよい。また、処理済みブロックは、カレントブロックを含むカレントピクチャに含まれていてもよいし、カレントピクチャよりも処理順で前の処理済みピクチャに含まれていてもよい。
　処理済みピクチャは、カレントブロックを含むカレントピクチャよりも処理順で前のピクチャである。処理済みピクチャは、基本的に、復号されることで再構成されたピクチャであって、参照ピクチャとして用いられるピクチャである。
　また、カレントブロックの予測動きベクトルを導出するための処理済みブロックは、処理済みサブブロックであってもよい。つまり、処理済みブロックの動き補償に用いられた動きベクトルは、実際には、処理済みブロックのサブブロックの動き補償に用いられた動きベクトルであってもよい。
　また、例えば、カレントブロックの予測動きベクトルを導出するための処理済みブロックは、カレントブロックの位置によって特定される。具体的には、カレントブロックの予測動きベクトルを導出するための処理済みブロックは、カレントブロックに空間的又は時間的に隣接する処理済みブロックであってもよい。また、処理済みブロックの複数のサブブロックのうち、カレントブロックに空間的又は時間的に隣接するサブブロックの動きベクトルが、カレントブロックの予測動きベクトルの導出に用いられてもよい。
　また、インター予測部２１８は、複数の処理済みブロックの複数の動きベクトルからカレントブロックの予測動きベクトルを導出してもよい。すなわち、インター予測部２１８は、複数の処理済みブロックの複数の動きベクトルを組み合わせることにより、カレントブロックの予測動きベクトルを導出してもよい。
　また、インター予測部２１８は、複数の処理済みブロックの複数の動きベクトルからカレントブロックの複数の予測動きベクトルを導出してもよい。そして、インター予測部２１８は、エントロピー復号部２０２を介して、複数の予測動きベクトルのうち、後で代表動きベクトルの導出に用いられる予測動きベクトルを示す識別子を復号してもよい。
　具体的には、例えば、エントロピー復号部２０２は、複数の予測動きベクトルのうち、代表動きベクトルの導出に用いられる予測動きベクトルを示す識別子を復号する。そして、インター予測部２１８は、複数の予測動きベクトルの中から、識別子によって示される予測動きベクトルを選択する。これにより、インター予測部２１８は、最終的に１つの予測動きベクトルを導出する。
　次に、インター予測部２１８は、ブロック単位で、代表動きベクトルを導出する（Ｓ２０２）。例えば、インター予測部２１８は、エントロピー復号部２０２を介して復号される差分動きベクトルと、カレントブロックの予測動きベクトルとを加算することにより、カレントブロックの代表動きベクトルを導出する。ここで、差分動きベクトルは、予測動きベクトルと代表動きベクトルとの差分である。
　具体的には、エントロピー復号部２０２は、ブロック単位で、カレントブロックの差分動きベクトルを復号する。そして、インター予測部２１８は、エントロピー復号部２０２でカレントブロックの差分動きベクトルとして復号された差分動きベクトルと、インター予測部２１８でカレントブロックの予測動きベクトルとして導出された予測動きベクトルとを加算する。これにより、インター予測部２１８は、カレントブロックの代表動きベクトルを導出する。
　次に、インター予測部２１８は、サブブロック単位で、複数の候補動きベクトルを導出する（Ｓ２０３）。すなわち、インター予測部２１８は、カレントブロックに含まれるサブブロック毎に、サブブロックの複数の候補動きベクトルを導出する。サブブロックの各候補動きベクトルは、サブブロックの動きベクトルの候補であり、具体的には、サブブロックの動き補償に用いられる最終動きベクトルの候補である。
　例えば、インター予測部２１８は、処理済みブロック又は処理済みサブブロックの動きベクトルから、処理対象サブブロックであるカレントサブブロックの候補動きベクトルを導出する。具体的には、インター予測部２１８は、処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトルから、カレントサブブロックの候補動きベクトルを導出する。
　より具体的には、インター予測部２１８は、処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトルをサブブロックの候補動きベクトルとして導出してもよい。また、インター予測部２１８は、処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトルを所定の比率でスケーリングし、スケーリングされた動きベクトルをサブブロックの候補動きベクトルとして導出してもよい。
　ここで、処理済みサブブロックは、カレントサブブロックが処理されるよりも前に処理されたサブブロックである。例えば、処理済みサブブロックは、動き補償が行われたサブブロックであってもよい。なお、カレントサブブロックを含むカレントブロックは、カレントサブブロックの処理の際に、未だ復号されておらず再構成されていない。そのため、カレントサブブロックに含まれる上記の処理済みサブブロックも、カレントサブブロックの処理の際に、未だ復号されておらず再構成されていない。
　また、処理済みブロックの動き補償に用いられた動きベクトルは、実際には、処理済みブロックのサブブロックの動き補償に用いられた動きベクトルであってもよい。また、例えば、カレントサブブロックの候補動きベクトルを導出するための処理済みブロック及び処理済みサブブロックは、カレントサブブロックの位置によって特定される。
　具体的には、カレントサブブロックの候補動きベクトルを導出するための処理済みブロックは、カレントサブブロックに空間的又は時間的に隣接する処理済みブロックであってもよい。そして、処理済みブロックの複数のサブブロックのうち、カレントサブブロックに空間的又は時間的に隣接するサブブロックの動きベクトルが、カレントサブブロックの候補動きベクトルの導出に用いられてもよい。
　また、カレントサブブロックの候補動きベクトルを導出するための処理済みサブブロックは、カレントブロックの複数のサブブロックのうち、カレントサブブロックに空間的に隣接する処理済みサブブロックであってもよい。
　また、インター予測部２１８は、複数の処理済みブロック及び複数の処理済みサブブロック等の複数の動きベクトルからカレントサブブロックの候補動きベクトルを導出してもよい。すなわち、インター予測部２１８は、複数の処理済みブロック及び複数の処理済みサブブロック等の複数の動きベクトルを組み合わせることにより、カレントサブブロックの候補動きベクトルを導出してもよい。
　また、インター予測部２１８は、複数の処理済みブロック及び複数の処理済みサブブロック等の複数の動きベクトルからカレントサブブロックの複数の候補動きベクトルを導出してもよい。
　さらに、インター予測部２１８は、カレントブロックの代表動きベクトルをカレントサブブロックの複数の候補動きベクトルに含める。つまり、インター予測部２１８は、カレントブロックの代表動きベクトルを含む複数の候補動きベクトルを導出する。
　次に、インター予測部２１８は、サブブロック単位で、複数の候補動きベクトルの中から最終動きベクトルを選択する（Ｓ２０４）。つまり、インター予測部２１８は、複数の候補動きベクトルの中から１つの候補動きベクトルをカレントサブブロックの動き補償に用いられる最終動きベクトルとして選択する。
　インター予測部２１８は、カレントサブブロックの最終動きベクトルの選択において、処理対象領域と処理済み領域とのうち処理済み領域のみを参照する。すなわち、インター予測部２１８は、カレントブロックにおける処理対象領域の画像を参照せずに、複数の処理済みブロックにおける処理済み領域の再構成画像を参照して、カレントサブブロックの最終動きベクトルを選択する。
　具体的には、インター予測部２１８は、カレントサブブロックの複数の候補動きベクトルによって指し示される複数の候補領域の再構成画像等を参照して、候補動きベクトル毎に評価値を算出する。そして、インター予測部２１８は、カレントサブブロックの複数の候補動きベクトルのうち最も評価値が高い候補動きベクトルをカレントサブブロックの最終動きベクトルとして選択する。この評価方法は、図１５Ａ及び図１６等を用いて、後述する。
　次に、インター予測部２１８は、サブブロック単位で、動き補償を行う（Ｓ２０５）。すなわち、インター予測部２１８は、最終動きベクトルを用いて、カレントサブブロックの動き補償を行う。具体的には、インター予測部２１８は、最終動きベクトルによってカレントサブブロックから処理済みピクチャにおいて指し示される領域の再構成画像をカレントサブブロックの予測画像として導出する。
　インター予測部２１８は、カレントブロックの各サブブロックに対して、候補動きベクトルの導出（Ｓ２０３）、最終動きベクトルの選択（Ｓ２０４）、及び、動き補償（Ｓ２０５）を行う。そして、インター予測部２１８は、画面間予測が行われる各ブロックに対して、予測動きベクトルの導出（Ｓ２０１）、及び、代表動きベクトルの導出（Ｓ２０２）、及び、複数のサブブロックの処理（Ｓ２０３～Ｓ２０５）を行う。これにより、インター予測部２１８は、カレントブロックの予測画像を導出する。
　上記の動作によって、インター予測部２１８は、カレントブロックの予測画像を導出する。また、エントロピー復号部２０２は、周波数変換及び量子化が行われた差分画像を復号する。そして、逆量子化部２０４及び逆変換部２０６は、周波数変換及び量子化が行われた差分画像に対して、逆量子化及び逆周波数変換を行うことにより、カレントブロックの差分画像を復元する。そして、加算部２０８は、復元された差分画像と、カレントブロックの予測画像とを加算することにより、カレントブロックの再構成画像を導出する。これにより、復号装置２００は、カレントブロックの画像を復号し、カレントブロックの再構成画像を導出する。
　そして、復号装置２００は、上記の動作によって、差分動きベクトルの復号が行われるカレントブロックよりも細かいサブブロック毎に動き補償を行うことができる。また、復号装置２００は、復号された差分動きベクトルから得られる代表動きベクトルをサブブロックの動き補償に用いられる最終動きベクトルの候補として用いることができる。したがって、復号装置２００は、復号される差分動きベクトルの総数の増加を抑制しつつ、予測精度を高くすることができる。
　なお、インター予測部２１８は、選択された最終動きベクトルによって指し示される領域の周辺を指し示す動きベクトルの評価値を算出し、評価値がより高い動きベクトルに最終動きベクトルを補正してもよい。そして、インター予測部２１８は、補正された最終動きベクトルを用いてカレントサブブロックの動き補償を行ってもよい。
　また、ブロックに含まれる複数のサブブロックは、互いに同じ形状を有していてもよいし、同じサイズを有してもよい。例えば、複数のサブブロックのそれぞれは、４ｘ４の１６個の画素で構成されてもよい。また、複数のブロック及び複数のサブブロックは、基本的に、左上から右下へ順次処理される。例えば、ブロックに含まれる複数のサブブロックは、ラスタスキャン順で処理されてもよいし、ジグザグスキャン順で処理されてもよい。
　また、上記に説明された予測動きベクトル、代表動きベクトル、差分動きベクトル、候補動きベクトル及び最終動きベクトル等の各動きベクトルは、双予測のための２つの動きベクトルを含む動きベクトルセットであってもよい。
　図１３は、符号化においてブロック単位で行われる動き補償に関連する処理を示すフローチャートである。図１に示された符号化装置１００が、動画像を符号化する際、符号化装置１００のインター予測部１２６等が、図１３に示された処理を実行してもよい。この例では、サブブロック単位で動き補償が行われず、ブロック単位で動き補償が行われる。
　まず、インター予測部１２６は、ブロック単位で、予測動きベクトルを導出する（Ｓ３０１）。この処理は、図１１に示された予測動きベクトルの導出（Ｓ１０１）と同様である。
　次に、インター予測部１２６は、ブロック単位で、代表動きベクトルを導出する（Ｓ３０２）。この処理も、図１１に示された代表動きベクトルの導出（Ｓ１０２）と同様である。また、インター予測部１２６は、カレントブロックの代表動きベクトルを導出した後、エントロピー符号化部１１０を介して、ブロック単位で、差分動きベクトルを符号化する。この処理も、図１１に示された処理と同様である。
　次に、インター予測部１２６は、ブロック単位で、動き補償を行う（Ｓ３０３）。すなわち、インター予測部１２６は、代表動きベクトルを用いて、カレントブロックの動き補償を行う。具体的には、インター予測部１２６は、代表動きベクトルによってカレントブロックから処理済みピクチャにおいて指し示される領域の再構成画像をカレントブロックの予測画像として導出する。
　インター予測部１２６は、画面間予測が行われる各ブロックに対して、予測動きベクトルの導出（Ｓ３０１）、及び、代表動きベクトルの導出（Ｓ３０２）、及び、動き補償（Ｓ３０３）を行う。これにより、インター予測部１２６は、カレントブロックの予測画像をシンプルに導出することができる。その後、カレントブロックの予測画像を用いてカレントブロックの画像が符号化され、カレントブロックの再構成画像が導出される。
　なお、図１１に示された処理と、図１３に示された処理とが、切り替えられて、選択的に実行されてもよい。このような切り替えは、図１７等を用いて、後述する。
　図１４は、復号においてブロック単位で行われる動き補償に関連する処理を示すフローチャートである。図１０に示された復号装置２００が、動画像を復号する際、復号装置２００のインター予測部２１８等が、図１４に示された処理を実行してもよい。この例では、サブブロック単位で動き補償が行われず、ブロック単位で動き補償が行われる。
　まず、インター予測部２１８は、ブロック単位で、予測動きベクトルを導出する（Ｓ４０１）。この処理は、図１２に示された予測動きベクトルの導出（Ｓ２０１）と同様である。
　次に、インター予測部２１８は、ブロック単位で、代表動きベクトルを導出する（Ｓ４０２）。この処理も、図１２に示された代表動きベクトルの導出（Ｓ２０２）と同様である。また、インター予測部２１８は、カレントブロックの代表動きベクトルを導出した後、エントロピー復号部２０２を介して、ブロック単位で、差分動きベクトルを復号する。この処理も、図１２に示された処理と同様である。
　次に、インター予測部２１８は、ブロック単位で、動き補償を行う（Ｓ４０３）。すなわち、インター予測部２１８は、代表動きベクトルを用いて、カレントブロックの動き補償を行う。具体的には、インター予測部２１８は、代表動きベクトルによってカレントブロックから処理済みピクチャにおいて指し示される領域の再構成画像をカレントブロックの予測画像として導出する。
　インター予測部２１８は、画面間予測が行われる各ブロックに対して、予測動きベクトルの導出（Ｓ４０１）、及び、代表動きベクトルの導出（Ｓ４０２）、及び、動き補償（Ｓ４０３）を行う。これにより、インター予測部２１８は、カレントブロックの予測画像をシンプルに導出することができる。その後、カレントブロックの予測画像を用いてカレントブロックの画像が復号され、カレントブロックの再構成画像が導出される。
　なお、図１２に示された処理と、図１４に示された処理とが、切り替えられて、選択的に実行されてもよい。このような切り替えは、図１７等を用いて、後述する。
　［ＦＲＵＣ］
　符号化装置１００及び復号装置２００は、ＦＲＵＣと呼ばれる方法で、サブブロック毎に最終動きベクトルを選択する。つまり、符号化装置１００及び復号装置２００は、カレントサブブロックとは異なる領域の再構成画像を用いて複数の候補動きベクトルを評価し、複数の候補動きベクトルの中から、評価値が最も高い最終動きベクトルを選択する。
　また、ＦＲＵＣの主な方式として、テンプレートマッチング方式及びバイラテラル方式がある。カレントサブブロックとは異なる領域の再構成画像を用いて複数の候補動きベクトルを評価して最終動きベクトルを選択する方式として、テンプレートマッチング方式が用いられてもよいし、バイラテラル方式が用いられてもよい。
　以下の説明において、符号化装置１００のインター予測部１２６が最終動きベクトルを選択する方法が示されるが、復号装置２００のインター予測部２１８が最終動きベクトルを選択する方法も同様である。
　図１５Ａは、テンプレートマッチング方式で最終動きベクトルを選択する方法を示す説明図である。ここで、具体的には、インター予測部１２６が、複数の候補動きベクトルを導出した後、複数の候補動きベクトルの中から、テンプレートマッチング方式で最終動きベクトルを選択する方法が説明される。
　インター予測部１２６は、カレントサブブロックの位置に従って、カレントサブブロックの隣接領域を特定する。カレントサブブロックの隣接領域は、カレントサブブロックの左又は上に隣接する領域である。より具体的には、カレントサブブロックの隣接領域は、左に隣接する領域であってもよいし、上に隣接する領域であってもよいし、左に隣接する領域と上に隣接する領域との組み合わせであってもよい。
　隣接領域は、カレントサブブロックから遠ざかる方向へ、１画素分の幅を有していてもよいし、２画素分の幅を有していてもよいし、その他の幅を有していてもよい。また、隣接領域は、非均一な幅を有していてもよい。
　そして、インター予測部１２６は、候補動きベクトルによって隣接領域から参照ピクチャにおいて指し示される候補領域を特定する。候補領域は、候補動きベクトルによってカレントサブブロックから参照ピクチャにおいて指し示される領域に隣接する領域とも表現され得る。隣接領域の形状及び大きさと、候補領域の形状及び大きさとは、基本的に同じである。
　そして、インター予測部１２６は、隣接領域の再構成画像と、候補領域の再構成画像とを参照し、隣接領域の再構成画像と、候補領域の再構成画像との差分を差分絶対値和（ＳＡＤ）又は差分二乗和（ＳＳＤ）等によって導出する。そして、インター予測部１２６は、差分が小さいほど、より高い評価値を算出する。
　インター予測部１２６は、カレントサブブロックの複数の候補動きベクトルのそれぞれについて、評価値を算出する。そして、インター予測部１２６は、カレントサブブロックの複数の候補動きベクトルのうち、評価値が最も高い候補動きベクトルをカレントサブブロックの最終動きベクトルとして選択する。
　これにより、インター予測部１２６は、カレントサブブロックの複数の候補動きベクトルのうち、隣接領域に最も適合する候補領域を指し示す候補動きベクトルをカレントサブブロックの最終動きベクトルとして選択する。
　なお、上記の処理は、一例である。例えば、評価に用いられる領域の位置、形状及び大きさは、上記の例に限られない。また、インター予測部１２６は、隣接領域の再構成画像と、候補領域の再構成画像との差分に限らず、その他の情報を用いて、評価値を算出してもよい。つまり、インター予測部１２６は、隣接領域の再構成画像と、候補領域の再構成画像との差分、及び、その他の情報を用いて、評価値を算出してもよい。
　また、インター予測部１２６は、カレントサブブロックの複数の候補動きベクトルのうち、評価値が閾値よりも高い候補動きベクトルを所定の優先順位に従ってカレントサブブロックの最終動きベクトルとして選択してもよい。これにより、インター予測部１２６は、カレントサブブロックの複数の候補動きベクトルのうち、隣接領域に適合する候補領域を指し示す候補動きベクトルをカレントサブブロックの最終動きベクトルとして選択することができる。
　図１５Ｂは、ブロックにおける評価可能サブブロック及び評価不可サブブロックを示す概念図である。すなわち、図１５Ｂは、テンプレートマッチング方式で候補動きベクトルの評価が可能であるサブブロックと、テンプレートマッチング方式で候補動きベクトルの評価が不可であるサブブロックとを示している。
　インター予測部１２６は、カレントサブブロックの複数の候補動きベクトルを評価するため、カレントサブブロックの左又は上に隣接する隣接領域の再構成画像を参照する。したがって、カレントサブブロックの左に隣接する領域の画像が再構成されておらず、カレントサブブロックの上に隣接する領域の画像が再構成されていない場合、カレントサブブロックの複数の候補動きベクトルの評価が不可である。
　カレントブロックにおけるカレントサブブロックが処理されている際に、カレントブロックは再構成されておらず、カレントブロックにおける複数のサブブロックは再構成されていない。したがって、カレントサブブロックがカレントブロックの左端に位置していない場合、カレントサブブロックの左に隣接する領域の画像が再構成されていない。また、カレントサブブロックがカレントブロックの上端に位置していない場合、カレントサブブロックの上に隣接する領域の画像が再構成されていない。
　よって、カレントサブブロックが、カレントブロックの左端に位置せず、カレントブロックの上端に位置していない場合、カレントサブブロックの左に隣接する領域の画像も、カレントサブブロックの上に隣接する領域の画像も再構成されていない。したがって、カレントブロックの左端にも上端にも位置していないサブブロックは、候補動きベクトルの評価が不可である。
　一方で、サブブロックが、カレントブロックの左端又は上端に位置している場合、そのサブブロックの左又は上に隣接する再構成済みブロックの再構成画像が参照可能である。したがって、カレントブロックの左端又は上端に位置しているサブブロックは、候補動きベクトルの評価が可能である。
　インター予測部１２６は、評価可能サブブロックに対して、複数の候補動きベクトルを評価して、複数の候補動きベクトルの中から、評価値が最も高い候補動きベクトルを最終動きベクトルとして選択する。一方、インター予測部１２６は、評価不可サブブロックに対して、複数の候補動きベクトルを評価せずに、複数の候補動きベクトルの中から、カレントブロックの代表動きベクトルを最終動きベクトルとして選択する。
　なお、上記の評価可能サブブロックと評価不可サブブロックは、一例である。例えば、カレントブロックがピクチャの左端に位置している場合、カレントブロックの左端に位置しているサブブロックが評価不可と定められてもよい。同様に、カレントブロックがピクチャの上端に位置している場合、カレントブロックの上端に位置しているサブブロックが評価不可と定められてもよい。
　また、カレントサブブロックがカレントブロックの左端又は上端から所定の範囲に位置している場合、カレントブロックに隣接する領域を参照してカレントサブブロックの候補動きベクトルを評価することが可能であると定められてもよい。
　図１６は、バイラテラルマッチング方式で最終動きベクトルを選択する方法を示す説明図である。ここで、具体的には、インター予測部１２６が、複数の候補動きベクトルを導出した後、複数の候補動きベクトルの中から、バイラテラルマッチング方式で最終動きベクトルを選択する方法が説明される。
　インター予測部１２６は、候補動きベクトルによってカレントサブブロックから第１参照ピクチャにおいて指し示される候補領域を特定する。カレントサブブロックの形状及び大きさと、候補領域の形状及び大きさとは、基本的に同じである。
　そして、インター予測部１２６は、候補動きベクトルを所定の比率でスケーリングすることにより、スケーリングされた候補動きベクトルを対称動きベクトルとして導出する。インター予測部１２６は、候補動きベクトルをスケーリングすることにより、候補動きベクトルを反転し、反転された候補動きベクトルを対称動きベクトルとして導出してもよい。
　また、所定の比率は、カレントピクチャの表示順から第１参照ピクチャの表示順を引くことで得られる値に対する、カレントピクチャの表示順から第２参照ピクチャの表示順を引くことで得られる値の比率であってもよい。表示順は、ＰＯＣ（Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）によって表現され得る。第１参照ピクチャは、候補動きベクトルによって指し示される候補領域を含む参照ピクチャであり、第２参照ピクチャは、対称動きベクトルによって指し示される対称領域を含む参照ピクチャである。
　そして、インター予測部１２６は、対称動きベクトルによってカレントサブブロックから第２参照ピクチャにおいて指し示される対称領域を特定する。カレントサブブロックの形状及び大きさと、対称領域の形状及び大きさとは、基本的に同じである。
　そして、インター予測部１２６は、候補領域の再構成画像と、対称領域の再構成画像とを参照し、候補領域の再構成画像と、対称領域の再構成画像との差分を差分絶対値和（ＳＡＤ）又は差分二乗和（ＳＳＤ）等によって導出する。そして、インター予測部１２６は、差分が小さいほど、より高い評価値を算出する。
　インター予測部１２６は、カレントサブブロックの複数の候補動きベクトルのそれぞれについて、評価値を算出する。そして、インター予測部１２６は、カレントサブブロックの複数の候補動きベクトルのうち、評価値が最も高い候補動きベクトルをカレントサブブロックの最終動きベクトルとして選択する。
　これにより、インター予測部１２６は、カレントサブブロックの複数の候補動きベクトルのうち、互いに最も適合する候補領域及び対称領域が得られる候補動きベクトルをカレントサブブロックの最終動きベクトルとして選択する。
　なお、上記の処理は、一例である。例えば、インター予測部１２６は、候補領域の再構成画像と、対称領域の再構成画像との差分に限らず、その他の情報を用いて、評価値を算出してもよい。つまり、インター予測部１２６は、候補領域の再構成画像と、対称領域の再構成画像との差分、及び、その他の情報を用いて、評価値を算出してもよい。
　また、インター予測部１２６は、カレントサブブロックの複数の候補動きベクトルのうち、評価値が閾値よりも高い候補動きベクトルを所定の優先順位に従ってカレントサブブロックの最終動きベクトルとして選択してもよい。これにより、インター予測部１２６は、カレントサブブロックの複数の候補動きベクトルのうち、互いに適合する候補領域及び対称領域が得られる候補動きベクトルをカレントサブブロックの最終動きベクトルとして選択することができる。
　［モードの切り替え］
　図１７は、２つの動き補償モードの切り替えを示すフローチャートである。符号化装置１００のエントロピー符号化部１１０は、２つの動き補償モードのいずれかを示す動き補償モード情報をブロック毎に符号化する。そして、復号装置２００のエントロピー復号部２０２は、２つの動き補償モードのいずれかを示す動き補償モード情報をブロック毎に復号する。
　例えば、２つの動き補償モードのうちの第１動き補償モードは、図１１及び図１２に示された処理に対応し、最終動きベクトルを用いて各サブブロックの動き補償を行う動き補償モードである。そして、２つの動き補償モードのうちの第２動き補償モードは、図１３及び図１４に示された処理に対応し、代表動きベクトルを用いてカレントブロックの動き補償を行う動き補償モードである。
　また、例えば、動き補償モード情報は、第１動き補償モードを１で表し、第２動き補償モードを０で表す。つまり、動き補償モード情報が１を示す場合、動き補償モード情報は第１動き補償モードを示す。そして、動き補償モード情報が０を示す場合、動き補償モード情報は第２動き補償モードを示す。
　具体的には、動き補償モード情報が０を示す場合（Ｓ５０１で０）、符号化装置１００のインター予測部１２６は、ブロック単位で代表動きベクトルを用いて動き補償を行う（Ｓ５０２）。つまり、符号化装置１００は、図１３に示された処理を行う。
　一方、動き補償モード情報が１を示す場合（Ｓ５０１で１）、符号化装置１００のインター予測部１２６は、サブブロック単位で、テンプレートマッチング方式又はバイラテラルマッチング方式等を用いて複数の候補動きベクトルの中から最終動きベクトルを選択し、選択された最終動きベクトルを用いて動き補償を行う（Ｓ５０３）。つまり、符号化装置１００は、図１１に示されて処理を行う。
　上記では、符号化装置１００の処理が示されているが、復号装置２００の処理も同様である。
　具体的には、動き補償モード情報が０を示す場合（Ｓ５０１で０）、復号装置２００のインター予測部２１８は、ブロック単位で代表動きベクトルを用いて動き補償を行う（Ｓ５０２）。つまり、復号装置２００は、図１４に示された処理を行う。
　一方、動き補償モード情報が１を示す場合（Ｓ５０１で１）、復号装置２００のインター予測部２１８は、サブブロック単位で、テンプレートマッチング方式又はバイラテラルマッチング方式等を用いて複数の候補動きベクトルの中から最終動きベクトルを選択し、選択された最終動きベクトルを用いて動き補償を行う（Ｓ５０３）。つまり、復号装置２００は、図１２に示されて処理を行う。
　これにより、符号化装置１００及び復号装置２００は、ブロック毎に２つの動き補償モードを切り替えることができる。なお、動き補償モード情報が示す０又は１は、一例であって、動き補償モード情報が示す値は、上記の例に限られない。動き補償モード情報が示す値として、０又は１以外の値が用いられてもよい。また、動き補償モード情報は、他の情報と共有化されてもよい。
　図１８は、２つの動き補償モードの切り替え、及び、２つの評価モードの切り替えを示すフローチャートである。図１８の例では、図１７の例と同様に、符号化装置１００のエントロピー符号化部１１０は、２つの動き補償モードのいずれかを示す動き補償モード情報をブロック毎に符号化する。そして、復号装置２００のエントロピー復号部２０２は、２つの動き補償モードのいずれかを示す動き補償モード情報をブロック毎に復号する。
　さらに、図１８の例では、符号化装置１００のエントロピー符号化部１１０は、２つの評価モードのいずれかを示す評価モード情報をブロック毎に符号化する。そして、復号装置２００のエントロピー復号部２０２は、２つの評価モードのいずれかを示す評価モード情報をブロック毎に復号する。
　例えば、２つの評価モードのうちの第１評価モードは、図１５Ａ及び図１５Ｂに示されたテンプレートマッチング方式で、複数の候補動きベクトルを評価し、複数の候補動きベクトルの中から最終動きベクトルを選択する評価モードである。そして、２つの評価モードのうちの第２評価モードは、図１６に示されたバイラテラルマッチング方式で、複数の候補動きベクトルを評価し、複数の候補動きベクトルの中から最終動きベクトルを選択する評価モードである。
　また、例えば、評価モード情報は、第１評価モードを０で表し、第２評価モードを１で表す。つまり、評価モード情報が０を示す場合、評価モード情報は第１評価モードを示す。そして、評価モード情報が１を示す場合、評価モード情報は第２評価モードを示す。
　具体的には、動き補償モード情報が０を示す場合（Ｓ６０１で０）、符号化装置１００のインター予測部１２６は、ブロック単位で代表動きベクトルを用いて動き補償を行う（Ｓ６０３）。この動作は、図１７の例と同じである。
　そして、動き補償モード情報が１を示し、評価モード情報が０を示す場合（Ｓ６０１で１かつＳ６０２で０）、符号化装置１００のインター予測部１２６は、サブブロック単位で、複数の候補動きベクトルの中から最終動きベクトルを選択する。その際、インター予測部１２６は、図１５Ａ及び図１５Ｂに示されたテンプレートマッチング方式で、複数の候補動きベクトルの中から最終動きベクトルを選択する。そして、インター予測部１２６は、選択された最終動きベクトルを用いて動き補償を行う（Ｓ６０４）。
　また、動き補償モード情報が１を示し、評価モード情報が１を示す場合（Ｓ６０１で１かつＳ６０２で１）、符号化装置１００のインター予測部１２６は、サブブロック単位で、複数の候補動きベクトルの中から最終動きベクトルを選択する。その際、インター予測部１２６は、図１６に示されたバイラテラル方式で、複数の候補動きベクトルの中から最終動きベクトルを選択する。そして、インター予測部１２６は、選択された最終動きベクトルを用いて動き補償を行う（Ｓ６０５）。
　上記では、符号化装置１００の処理が示されているが、復号装置２００の処理も同様である。
　具体的には、動き補償モード情報が０を示す場合（Ｓ６０１で０）、復号装置２００のインター予測部２１８は、ブロック単位で代表動きベクトルを用いて動き補償を行う（Ｓ６０３）。この動作は、図１７の例と同じである。
　そして、動き補償モード情報が１を示し、評価モード情報が０を示す場合（Ｓ６０１で１かつＳ６０２で０）、復号装置２００のインター予測部２１８は、サブブロック単位で、複数の候補動きベクトルの中から最終動きベクトルを選択する。その際、インター予測部２１８は、図１５Ａ及び図１５Ｂに示されたテンプレートマッチング方式で、複数の候補動きベクトルの中から最終動きベクトルを選択する。そして、インター予測部２１８は、選択された最終動きベクトルを用いて動き補償を行う（Ｓ６０４）。
　また、動き補償モード情報が１を示し、評価モード情報が１を示す場合（Ｓ６０１で１かつＳ６０２で１）、復号装置２００のインター予測部２１８は、サブブロック単位で、複数の候補動きベクトルの中から最終動きベクトルを選択する。その際、インター予測部２１８は、図１６に示されたバイラテラル方式で、複数の候補動きベクトルの中から最終動きベクトルを選択する。そして、インター予測部２１８は、選択された最終動きベクトルを用いて動き補償を行う（Ｓ６０５）。
　これにより、符号化装置１００及び復号装置２００は、ブロック毎に２つの動き補償モードを切り替えることができ、かつ、ブロック毎に２つの評価モードを切り替えることができる。なお、評価モード情報が示す０又は１は、一例であって、評価モード情報が示す値は、上記の例に限られない。評価モード情報が示す値として、０又は１以外の値が用いられてもよい。また、評価モード情報は、他の情報と共有化されてもよい。
　また、動き補償モード情報と、評価モード情報とは、１つのパラメータに統合されてもよい。動き補償モード情報と、評価モード情報とが、共通の１つのパラメータとして、符号化され、復号されてもよい。例えば、この１つのパラメータは、第１動き補償モードかつ第１評価モード、第１動き補償モードかつ第２評価モード、及び、第２動き補償モードのうちの１つを示すパラメータであってもよい。つまり、この１つのパラメータは、３値のうちの１つを示すパラメータであってもよい。
　あるいは、動き補償モード情報と、評価モード情報とは、別々の２つのパラメータとして、符号化され、復号されてもよい。
　また、インター予測部１２６は、第１動き補償モード及び第２動き補償モードのそれぞれについて、符号量等の評価値を算出し、第１動き補償モード及び第２動き補償モードの中から符号量等の評価値が高い動き補償モードを選択してもよい。具体的には、インター予測部１２６は、第１動き補償モード及び第２動き補償モードの中から符号量が少ない動き補償モードを選択してもよい。そして、インター予測部１２６は、選択された動き補償モードを示す動き補償モード情報を符号化してもよい。
　同様に、インター予測部１２６は、第１評価モード及び第２評価モードのそれぞれについて、符号量等の評価値を算出し、第１評価モード及び第２評価モードの中から符号量等の評価値が高い評価モードを選択してもよい。具体的には、インター予測部１２６は、第１評価モード及び第２評価モードの中から符号量が少ない評価モードを選択してもよい。そして、インター予測部１２６は、選択された評価モードを示す評価モード情報を符号化してもよい。
　また、上記において、テンプレートマッチング方式及びバイラテラルマッチング方式の２つの評価モードが示されているが、その他の評価モードが用いられてもよい。そして、評価モード情報は、３つ以上の評価モードのうちの１つを示す情報であってもよい。
　また、上記において、評価モード及び評価モード情報と表現されているが、これらの表現は、それぞれ、最終動きベクトルを選択するための選択方法、及び、複数の選択方法のうちの１つを示す選択方法情報に置き換えられ得る。
　［動き探索］
　図１９は、代表動きベクトルを導出する方法を示す説明図である。符号化装置１００のインター予測部１２６は、ブロック毎に、代表動きベクトルを導出する。
　例えば、インター予測部１２６は、カレントブロック及び参照ピクチャを参照して、カレントブロックの代表動きベクトルを導出する。その際、インター予測部１２６は、カレントブロックの一部の領域である評価領域に適合する対応領域を参照ピクチャにおいて探索してもよい。そして、インター予測部１２６は、評価領域から対応領域を指し示す動きベクトルを代表動きベクトルとして導出してもよい。
　ここで、評価領域は、カレントブロックの全体の領域ではなく、カレントブロックにおいて右端かつ下端に位置する右下画素を含む一部の領域である。そして、評価領域に適合する対応領域は、より具体的には、評価領域と同じ形状及び同じ大きさの領域であり、評価領域の再構成画像に近似する再構成画像を有し、参照ピクチャに含まれる。
　例えば、インター予測部１２６は、参照ピクチャの複数の領域のそれぞれについて、その領域の再構成画像が有する複数の画素値と、評価領域の再構成画像が有する複数の画素値との差を差分絶対値和（ＳＡＤ）又は差分二乗和（ＳＳＤ）等によって導出する。ここで、参照ピクチャの複数の領域は、部分的に重複していてもよく、評価領域の位置に従って特定される所定の範囲内の複数の領域であってもよい。
　そして、インター予測部１２６は、複数の領域のうち、導出された差が最も小さい領域を対応領域として探索する。そして、インター予測部１２６は、評価領域から対応領域を指し示す動きベクトルを代表動きベクトルとして導出する。
　これにより、インター予測部１２６は、カレントブロックにおける右下の評価領域に対して適切な予測画像を生成するための代表動きベクトルを導出することができる。そして、インター予測部１２６は、カレントブロックにおける右下の評価領域に対して適切な予測画像を生成するための代表動きベクトルをカレントブロックの各サブブロックの複数の候補動きベクトルに含めることができる。
　例えば、カレントブロックにおける左端又は上端のサブブロックの複数の候補動きベクトルには、カレントブロックの左又は上に隣接する処理済みブロックの動き補償に用いられた適切な動きベクトルが含められる。一方で、右下のサブブロックの複数の候補動きベクトルには、カレントブロックの左又は上に隣接する処理済みブロックの動き補償に用いられた適切な動きベクトルが含められない。
　そこで、右下のサブブロックに対して適切な代表動きベクトルが候補動きベクトルとして用いられる。これにより、カレントブロックの各サブブロックの複数の候補動きベクトルに適切な動きベクトルが含められる。
　図２０Ａ～図２０Ｄ及び図２１Ａ～図２１Ｄのそれぞれは、評価領域の例を示す。図２０Ａ～図２０Ｄのそれぞれは、左端及び上端を除く領域で規定される評価領域を示す。図２１Ａ～図２１Ｄのそれぞれは、右半分及び下半分の領域で規定される評価領域を示す。
　具体的には、図２０Ａは、４×４個のサブブロックを含むブロックにおいて左端及び上端を除く領域で規定される評価領域を示す。図２０Ｂは、２×４個のサブブロックを含むブロックにおいて左端及び上端を除く領域で規定される評価領域を示す。図２０Ｃは、４×２個のサブブロックを含むブロックにおいて左端及び上端を除く領域で規定される評価領域を示す。図２０Ｄは、２×２個のサブブロックを含むブロックにおいて左端及び上端を除く領域で規定される評価領域を示す。
　また、図２１Ａは、４×４個のサブブロックを含むブロックにおいて右半分及び下半分の領域で規定される評価領域を示す。図２１Ｂは、２×４個のサブブロックを含むブロックにおいて右半分及び下半分の領域で規定される評価領域を示す。図２１Ｃは、４×２個のサブブロックを含むブロックにおいて右半分及び下半分の領域で規定される評価領域を示す。図２１Ｄは、２×２個のサブブロックを含むブロックにおいて右半分及び下半分の領域で規定される評価領域を示す。
　図２０Ａ～図２０Ｄの例における評価領域は、図１５Ｂに示された評価不可サブブロックの領域に対応する領域であって、テンプレートマッチング方式で候補動きベクトルの評価が不可であるサブブロックで構成される。例えば、この評価領域のサブブロックでは、テンプレートマッチング方式で候補動きベクトルの評価が不可であるため、代表動きベクトルが動き補償に用いられる。
　したがって、この評価領域のサブブロックの動き補償に、カレントブロックの全体に対して適切な代表動きベクトルではなく、この評価領域に対して適切な代表動きベクトルが用いられることで、この評価領域のサブブロックの予測画像が適切に導出される。また、左端又は上端に位置するサブブロックの動き補償には、テンプレートマッチング方式で評価が高い候補動きベクトルが用いられ得るため、左端又は上端に位置するサブブロックの予測画像も適切に導出され得る。
　よって、インター予測部１２６は、カレントブロックの各サブブロックについて、図２０Ａ等の評価領域に従って導出された代表動きベクトル、又は、テンプレートマッチング方式で選択された候補動きベクトルを用いて、適切に動き補償を行うことができる。
　また、カレントブロックの左又は上に隣接する処理済みブロックでは、複数の動き補償モード及び複数の評価モードに従って評価されて決定された動きベクトルが動き補償に用いられていると想定される。したがって、カレントブロックの左又は上に隣接する処理済みブロックの動き補償に用いられた動きベクトルの信頼度は高いと想定される。
　一方、例えば、バイラテラルマッチング方式が用いられる場合、カレントブロックの各サブブロックの動き補償に用いられる動きベクトルは、１つの動き補償モード及び１つの評価モードに対応するバイラテラルマッチング方式に従って評価されて決定される。つまり、この場合、カレントブロックの各サブブロックの動き補償に用いられる動きベクトルは、複数の動き補償モード及び複数の評価モードのうち１つの動き補償モード及び１つの評価モードのみに従って評価されて決定される。
　そして、上記のように１つの動き補償モード及び１つの評価モードに従って評価されて決定された動きベクトルの信頼度は相対的に低いと想定される。そして、１つのサブブロックに対して決定された動きベクトルが、その１つのサブブロックの右又は下のサブブロックの候補動きベクトルに用いられる可能性がある。そして、右又は下のサブブロックの候補動きベクトルが１つの動き補償モード及び１つの評価モードによって評価されるため、信頼度はさらに低下する。
　これにより、右下の方向へ向かって、１つの動き補償モード及び１つの評価モードによって評価されて決定された動きベクトルの信頼度は低下すると想定される。そして、これにより、右下の方向へ向かって、候補動きベクトルの信頼度は低下すると想定される。つまり、サブブロックの位置がカレントブロックにおける右下の隅に近いほど、サブブロックの候補動きベクトルの信頼度は低いと想定される。
　そこで、図２１Ａ～図２１Ｄの例における評価領域は、右半分及び下半分の領域で規定される。つまり、右半分の領域と下半分の領域とが重複する領域が評価領域として規定される。
　上記のような右下の評価領域に従って導出される代表動きベクトルは、右下の評価領域に適切な動きベクトルである。そして、右下の評価領域に適切な代表動きベクトルが、各サブブロックの複数の候補動きベクトルに含められる。これにより、右下の方向へ向かって、候補動きベクトルの信頼度が低下することが抑制される。
　また、図２１Ａ～図２１Ｄの例における評価領域は、右半分及び下半分の領域で規定される。したがって、インター予測部１２６は、複雑な演算を行わずに、簡便に評価領域を特定することができる。
　なお、図２０Ａ～図２０Ｄ及び図２１Ａ～図２１Ｄには、ブロックの形状及び大きさ、並びに、評価領域の形状及び大きさについて、代表的な例が示されているが、ブロックの形状及び大きさ、並びに、評価領域の形状及び大きさは、このような例に限られない。
　また、図２０Ａ～図２０Ｄのような、左端及び上端を除く領域で規定される評価領域、並びに、図２１Ａ～図２１Ｄのような、右半分及び下半分の領域で規定される評価領域は、それぞれ、評価領域の例である。評価領域は、このような例に限られない。例えば、評価領域は、右下画素を含む領域であって、図２０Ａ～図２０Ｄ及び図２１Ａ～図２１Ｄ等の例とは異なる領域であってもよい。また、評価領域は、サブブロックの境界とは無関係に定められてもよい。
　［実装例］
　図２２は、実施の形態１に係る符号化装置１００の実装例を示すブロック図である。符号化装置１００は、回路１６０及びメモリ１６２を備える。例えば、図１に示された符号化装置１００の複数の構成要素は、図２２に示された回路１６０及びメモリ１６２によって実装される。
　回路１６０は、情報処理を行う回路であり、メモリ１６２にアクセス可能な回路である。例えば、回路１６０は、動画像を符号化する専用又は汎用の電子回路である。回路１６０は、ＣＰＵのようなプロセッサであってもよい。また、回路１６０は、複数の電子回路の集合体であってもよい。また、例えば、回路１６０は、図１に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリ１６２は、回路１６０が動画像を符号化するための情報が記憶される汎用又は専用のメモリである。メモリ１６２は、電子回路であってもよく、回路１６０に接続されていてもよい。また、メモリ１６２は、回路１６０に含まれていてもよい。また、メモリ１６２は、複数の電子回路の集合体であってもよい。また、メモリ１６２は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリ１６２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリ１６２には、符号化される動画像が記憶されてもよいし、符号化された動画像に対応するビット列が記憶されてもよい。また、メモリ１６２には、回路１６０が動画像を符号化するためのプログラムが記憶されていてもよい。
　また、例えば、メモリ１６２は、図１に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリ１６２は、図１に示されたブロックメモリ１１８及びフレームメモリ１２２の役割を果たしてもよい。より具体的には、メモリ１６２には、処理済みサブブロック、処理済みブロック及び処理済みピクチャ等が記憶されてもよい。
　なお、符号化装置１００において、図１等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図１等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。そして、符号化装置１００において、図１等に示された複数の構成要素のうちの一部が実装され、上述された複数の処理の一部が行われることによって、少ない符号量で動画像が適切に処理され得る。
　上記の符号化装置１００は、複数のピクチャで構成される動画像を符号化する。例えば、回路１６０は、複数のピクチャにおける複数のブロックのうちの処理対象ブロックの予測動きベクトルを複数のブロックのうち処理対象ブロックの位置に従って特定される処理済みブロックの動き補償に用いられた動きベクトルによって導出する。
　そして、回路１６０は、処理対象ブロック、及び、複数のピクチャのうちの処理済みピクチャを参照して、処理対象ブロックの代表動きベクトルを導出する。そして、回路１６０は、予測動きベクトルと代表動きベクトルとの差分である差分動きベクトルを符号化する。
　そして、回路１６０は、処理対象ブロックを構成する複数のサブブロックのそれぞれについて、複数の候補動きベクトルを導出する。その際、回路１６０は、各サブブロックの位置に従って特定される処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトル、及び、代表動きベクトルによって、代表動きベクトルを含む複数の候補動きベクトルを導出する。
　そして、回路１６０は、複数のサブブロックのそれぞれについて、複数の候補動きベクトルの中から最終動きベクトルを選択する。その際、回路１６０は、複数のブロックに含まれる処理済み画像領域と、処理対象ブロックに含まれる処理対象画像領域とのうち、処理済み画像領域のみを参照して、最終動きベクトルを選択する。そして、回路１６０は、複数のサブブロックのそれぞれについて、最終動きベクトルを用いて当該サブブロックの動き補償を行う。
　これにより、符号化装置１００は、差分動きベクトルの符号化が行われる処理対象ブロックよりも細かいサブブロック毎に動き補償を行うことができる。また、符号化装置１００は、処理対象ブロックを参照して導出された代表動きベクトルをサブブロックの動き補償に用いられる最終動きベクトルの候補として用いることができる。したがって、符号化装置１００は、符号化される差分動きベクトルの総数の増加を抑制しつつ、予測精度を高くすることができる。
　また、例えば、回路１６０は、複数のサブブロックのそれぞれについて、当該サブブロックに空間的又は時間的に隣接する処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトルによって候補動きベクトルを導出してもよい。
　また、例えば、回路１６０は、複数のサブブロックのそれぞれについて、当該サブブロックが処理対象ブロックの左端又は上端に位置している場合、処理済み画像領域を参照して、複数の候補動きベクトルの中から最終動きベクトルを選択してもよい。
　具体的には、回路１６０は、この場合、当該サブブロックの左又は上に隣接する隣接領域と、隣接領域から複数の候補動きベクトルによって指し示される複数の候補領域とのそれぞれを処理済み画像領域として参照してもよい。そして、回路１６０は、複数の候補動きベクトルの中から、複数の候補領域のうち隣接領域に適合する候補領域を指し示す候補動きベクトルを最終動きベクトルとして選択してもよい。
　そして、回路１６０は、当該サブブロックが処理対象ブロックの左端又は上端に位置していない場合、代表動きベクトルを最終動きベクトルとして選択してもよい。
　また、例えば、回路１６０は、複数のサブブロックのそれぞれについて、複数の候補動きベクトルをスケーリングすることにより、スケーリングされた複数の候補動きベクトルを複数の対称動きベクトルとして導出してもよい。
　そして、回路１６０は、当該サブブロックから複数の候補動きベクトルによって指し示される複数の候補領域と、当該サブブロックから複数の対称動きベクトルによって指し示される複数の対称領域とのそれぞれを処理済み画像領域として参照してもよい。そして、回路１６０は、複数の候補動きベクトルの中から、複数の候補領域及び複数の対称領域のうち互いに適合する候補領域及び対称領域が得られる候補動きベクトルを最終動きベクトルとして選択してもよい。
　また、例えば、回路１６０は、さらに、第１動き補償モード及び第２動き補償モードのうち一方を示す動き補償モード情報をブロック毎に符号化してもよい。ここで、第１動き補償モードは、複数のサブブロックのそれぞれについて最終動きベクトルを用いて当該サブブロックの動き補償を行う動き補償モードである。また、第２動き補償モードは、代表動きベクトルを用いて処理対象ブロックの動き補償を行う動き補償モードである。
　そして、回路１６０は、処理対象ブロックの動き補償モード情報が第１動き補償モードを示す場合、複数のサブブロックのそれぞれについて、複数の候補動きベクトルを導出してもよい。そして、回路１６０は、複数の候補動きベクトルの中から最終動きベクトルを選択し、最終動きベクトルを用いて当該サブブロックの動き補償を行ってもよい。
　そして、回路１６０は、処理対象ブロックに対して符号化される動き補償モード情報が第２動き補償モードを示す場合、代表動きベクトルを用いて処理対象ブロックの動き補償を行ってもよい。
　また、例えば、回路１６０は、さらに、複数の候補動きベクトルの中から最終動きベクトルを選択するための複数の選択方法のうちの１つを示す選択方法情報をブロック毎に符号化してもよい。そして、回路１６０は、処理対象ブロックの選択方法情報によって示される１つの選択方法を用いて、複数の候補動きベクトルの中から最終動きベクトルを選択してもよい。
　また、例えば、回路１６０は、動き補償モード情報及び選択方法情報を共通の１つのパラメータ又はそれぞれ別々の２つのパラメータとして符号化してもよい。
　また、例えば、回路１６０は、処理対象ブロックの一部であり処理対象ブロックにおいて右端かつ下端に位置する右下画素を含む領域である評価領域に適合する対応領域を処理済みピクチャにおいて探索してもよい。そして、回路１６０は、評価領域から対応領域を指し示す動きベクトルを代表動きベクトルとして導出してもよい。
　また、例えば、評価領域は、複数のサブブロックのうち、処理対象ブロックの左端に位置する１以上のサブブロックを除き、かつ、処理対象ブロックの上端に位置する１以上のサブブロックを除く、残りの１以上のサブブロックの領域であってもよい。
　また、例えば、評価領域は、処理対象ブロックの右半分の領域と処理対象ブロックの下半分の領域とが重なる領域であってもよい。
　また、上記の説明において、処理済みブロックは、符号化され再構成されたブロックであってもよい。また、処理済みサブブロックは、動き補償が行われたサブブロックであってもよい。また、処理済みピクチャは、符号化され再構成されたピクチャであってもよい。処理済みピクチャは、参照ピクチャとも表現され得る。処理対象ブロックは、具体的には符号化対象ブロックであって、カレントブロックとも表現され得る。
　図２３は、実施の形態１に係る復号装置２００の実装例を示すブロック図である。復号装置２００は、回路２６０及びメモリ２６２を備える。例えば、図１０に示された復号装置２００の複数の構成要素は、図２３に示された回路２６０及びメモリ２６２によって実装される。
　回路２６０は、情報処理を行う回路であり、メモリ２６２にアクセス可能な回路である。例えば、回路２６０は、動画像を復号する汎用又は専用の電子回路である。回路２６０は、ＣＰＵのようなプロセッサであってもよい。また、回路２６０は、複数の電子回路の集合体であってもよい。また、例えば、回路２６０は、図１０に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリ２６２は、回路２６０が動画像を復号するための情報が記憶される汎用又は専用のメモリである。メモリ２６２は、電子回路であってもよく、回路２６０に接続されていてもよい。また、メモリ２６２は、回路２６０に含まれていてもよい。また、メモリ２６２は、複数の電子回路の集合体であってもよい。また、メモリ２６２は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリ２６２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリ２６２には、符号化された動画像に対応するビット列が記憶されてもよいし、復号されたビット列に対応する動画像が記憶されてもよい。また、メモリ２６２には、回路２６０が動画像を復号するためのプログラムが記憶されていてもよい。
　また、例えば、メモリ２６２は、図１０に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリ２６２は、図１０に示されたブロックメモリ２１０及びフレームメモリ２１４の役割を果たしてもよい。より具体的には、メモリ２６２には、処理済みサブブロック、処理済みブロック及び処理済みピクチャ等が記憶されてもよい。
　なお、復号装置２００において、図１０等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図１０等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。そして、復号装置２００において、図１０等に示された複数の構成要素のうちの一部が実装され、上述された複数の処理の一部が行われることによって、少ない符号量で動画像が適切に処理され得る。
　上記の復号装置２００は、複数のピクチャで構成される動画像を復号する。例えば、回路２６０は、複数のピクチャにおける複数のブロックのうちの処理対象ブロックの予測動きベクトルを複数のブロックのうち処理対象ブロックの位置に従って特定される処理済みブロックの動き補償に用いられた動きベクトルによって導出する。
　そして、回路２６０は、予測動きベクトルと処理対象ブロックの代表動きベクトルとの差分である差分動きベクトルを復号する。そして、回路２６０は、予測動きベクトルと差分動きベクトルとを加算することにより、代表動きベクトルを導出する。
　そして、回路２６０は、処理対象ブロックを構成する複数のサブブロックのそれぞれについて、複数の候補動きベクトルを導出する。その際、回路２６０は、各サブブロックの位置に従って特定される処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトル、及び、代表動きベクトルによって、代表動きベクトルを含む複数の候補動きベクトルを導出する。
　そして、回路２６０は、複数のサブブロックのそれぞれについて、複数の候補動きベクトルの中から最終動きベクトルを選択する。その際、回路２６０は、複数のブロックに含まれる処理済み画像領域と、処理対象ブロックに含まれる処理対象画像領域とのうち、処理済み画像領域のみを参照して、最終動きベクトルを選択する。そして、回路２６０は、複数のサブブロックのそれぞれについて、最終動きベクトルを用いて当該サブブロックの動き補償を行う。
　これにより、復号装置２００は、差分動きベクトルの復号が行われる処理対象ブロックよりも細かいサブブロック毎に動き補償を行うことができる。また、復号装置２００は、ブロックに対して適切な代表動きベクトルをサブブロックの動き補償に用いられる最終動きベクトルの候補として用いることができる。したがって、復号装置２００は、復号される差分動きベクトルの総数の増加を抑制しつつ、予測精度を高くすることができる。
　また、例えば、回路２６０は、複数のサブブロックのそれぞれについて、当該サブブロックに空間的又は時間的に隣接する処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトルによって候補動きベクトルを導出してもよい。
　また、例えば、回路２６０は、複数のサブブロックのそれぞれについて、当該サブブロックが処理対象ブロックの左端又は上端に位置している場合、処理済み画像領域を参照して、複数の候補動きベクトルの中から最終動きベクトルを選択してもよい。
　具体的には、回路２６０は、この場合、当該サブブロックの左又は上に隣接する隣接領域と、隣接領域から複数の候補動きベクトルによって指し示される複数の候補領域とのそれぞれを処理済み画像領域として参照してもよい。そして、回路２６０は、複数の候補動きベクトルの中から、複数の候補領域のうち隣接領域に適合する候補領域を指し示す候補動きベクトルを最終動きベクトルとして選択してもよい。
　そして、回路２６０は、当該サブブロックが処理対象ブロックの左端又は上端に位置していない場合、代表動きベクトルを最終動きベクトルとして選択してもよい。
　また、例えば、回路２６０は、複数のサブブロックのそれぞれについて、複数の候補動きベクトルをスケーリングすることにより、スケーリングされた複数の候補動きベクトルを複数の対称動きベクトルとして導出してもよい。
　そして、回路２６０は、当該サブブロックから複数の候補動きベクトルによって指し示される複数の候補領域と、当該サブブロックから複数の対称動きベクトルによって指し示される複数の対称領域とのそれぞれを処理済み画像領域として参照してもよい。そして、回路２６０は、複数の候補動きベクトルの中から、複数の候補領域及び複数の対称領域のうち互いに適合する候補領域及び対称領域が得られる候補動きベクトルを最終動きベクトルとして選択してもよい。
　また、例えば、回路２６０は、さらに、第１動き補償モード及び第２動き補償モードのうち一方を示す動き補償モード情報をブロック毎に復号してもよい。ここで、第１動き補償モードは、複数のサブブロックのそれぞれについて最終動きベクトルを用いて当該サブブロックの動き補償を行う動き補償モードである。また、第２動き補償モードは、代表動きベクトルを用いて処理対象ブロックの動き補償を行う動き補償モードである。
　そして、回路２６０は、処理対象ブロックの動き補償モード情報が第１動き補償モードを示す場合、複数のサブブロックのそれぞれについて、複数の候補動きベクトルを導出してもよい。そして、回路２６０は、複数の候補動きベクトルの中から最終動きベクトルを選択し、最終動きベクトルを用いて当該サブブロックの動き補償を行ってもよい。
　そして、回路２６０は、処理対象ブロックに対して復号された動き補償モード情報が第２動き補償モードを示す場合、代表動きベクトルを用いて処理対象ブロックの動き補償を行ってもよい。
　また、例えば、回路２６０は、さらに、複数の候補動きベクトルの中から最終動きベクトルを選択するための複数の選択方法のうちの１つを示す選択方法情報をブロック毎に復号してもよい。そして、回路２６０は、処理対象ブロックの選択方法情報によって示される１つの選択方法を用いて、複数の候補動きベクトルの中から最終動きベクトルを選択してもよい。
　また、例えば、回路２６０は、動き補償モード情報及び選択方法情報を共通の１つのパラメータ又はそれぞれ別々の２つのパラメータとして復号してもよい。
　また、上記の説明において、処理済みブロックは、復号されることで再構成されたブロックであってもよい。また、処理済みサブブロックは、動き補償が行われたサブブロックであってもよい。また、処理済みピクチャは、復号されることで再構成されたピクチャであってもよい。処理済みピクチャは、参照ピクチャとも表現され得る。処理対象ブロックは、具体的には復号対象ブロックであって、カレントブロックとも表現され得る。
　［補足］
　本実施の形態における符号化装置１００及び復号装置２００は、それぞれ、画像符号化装置及び画像復号装置として利用されてもよいし、動画像符号化装置及び動画像復号装置として利用されてもよい。あるいは、符号化装置１００及び復号装置２００は、それぞれ、インター予測装置として利用され得る。すなわち、符号化装置１００及び復号装置２００は、それぞれ、インター予測部１２６及びインター予測部２１８のみに対応していてもよい。
　また、本実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなど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によって実現されてもよい。
　具体的には、符号化装置１００及び復号装置２００のそれぞれは、処理回路（Ｐｒｏｃｅｓｓｉｎｇ　Ｃｉｒｃｕｉｔｒｙ）と、当該処理回路に電気的に接続された、当該処理回路からアクセス可能な記憶装置（Ｓｔｏｒａｇｅ）とを備えていてもよい。例えば、処理回路は回路１６０又は２６０に対応し、記憶装置はメモリ１６２又は２６２に対応する。
　処理回路は、専用のハードウェア及びプログラム実行部の少なくとも一方を含み、記憶装置を用いて処理を実行する。また、記憶装置は、処理回路がプログラム実行部を含む場合には、当該プログラム実行部により実行されるソフトウェアプログラムを記憶する。
　ここで、本実施の形態の符号化装置１００又は復号装置２００などを実現するソフトウェアは、次のようなプログラムである。
　すなわち、このプログラムは、コンピュータに、複数のピクチャで構成される動画像を符号化する符号化方法であって、前記複数のピクチャにおける複数のブロックのうちの処理対象ブロックの予測動きベクトルを前記複数のブロックのうち前記処理対象ブロックの位置に従って特定される処理済みブロックの動き補償に用いられた動きベクトルによって導出し、前記処理対象ブロック、及び、前記複数のピクチャのうちの処理済みピクチャを参照して、前記処理対象ブロックの代表動きベクトルを導出し、前記予測動きベクトルと前記代表動きベクトルとの差分である差分動きベクトルを符号化し、前記処理対象ブロックを構成する複数のサブブロックのそれぞれについて、（ｉ）前記複数のブロック及び前記複数のサブブロックのうち当該サブブロックの位置に従って特定される処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトル、及び、前記代表動きベクトルによって、前記代表動きベクトルを含む複数の候補動きベクトルを導出し、（ｉｉ）前記複数のブロックに含まれる処理済み画像領域と、前記処理対象ブロックに含まれる処理対象画像領域とのうち、前記処理済み画像領域のみを参照して、前記複数の候補動きベクトルの中から最終動きベクトルを選択し、（ｉｉｉ）前記最終動きベクトルを用いて当該サブブロックの動き補償を行う符号化方法を実行させる。
　あるいは、このプログラムは、コンピュータに、複数のピクチャで構成される動画像を復号する復号方法であって、前記複数のピクチャにおける複数のブロックのうちの処理対象ブロックの予測動きベクトルを前記複数のブロックのうち前記処理対象ブロックの位置に従って特定される処理済みブロックの動き補償に用いられた動きベクトルによって導出し、前記予測動きベクトルと前記処理対象ブロックの代表動きベクトルとの差分である差分動きベクトルを復号し、前記予測動きベクトルと前記差分動きベクトルとを加算することにより、前記代表動きベクトルを導出し、前記処理対象ブロックを構成する複数のサブブロックのそれぞれについて、（ｉ）前記複数のブロック及び前記複数のサブブロックのうち当該サブブロックの位置に従って特定される処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトル、及び、前記代表動きベクトルによって、前記代表動きベクトルを含む複数の候補動きベクトルを導出し、（ｉｉ）前記複数のブロックに含まれる処理済み画像領域と、前記処理対象ブロックに含まれる処理対象画像領域とのうち、前記処理済み画像領域のみを参照して、前記複数の候補動きベクトルの中から最終動きベクトルを選択し、（ｉｉｉ）前記最終動きベクトルを用いて当該サブブロックの動き補償を行う復号方法を実行させてもよい。
　また、各構成要素は、上述の通り、回路であってもよい。これらの回路は、全体として１つの回路を構成してもよいし、それぞれ別々の回路であってもよい。また、各構成要素は、汎用的なプロセッサで実現されてもよいし、専用のプロセッサで実現されてもよい。
　また、特定の構成要素が実行する処理を別の構成要素が実行してもよい。また、処理を実行する順番が変更されてもよいし、複数の処理が並行して実行されてもよい。また、符号化復号装置が、符号化装置１００及び復号装置２００を備えていてもよい。
　説明に用いられた第１及び第２等の序数は、適宜、付け替えられてもよい。また、構成要素などに対して、序数が新たに与えられてもよいし、取り除かれてもよい。
　以上、符号化装置１００及び復号装置２００の態様について、実施の形態に基づいて説明したが、符号化装置１００及び復号装置２００の態様は、この実施の形態に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、符号化装置１００及び復号装置２００の態様の範囲内に含まれてもよい。
　（実施の形態２）
　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２４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することができる。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２５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２６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２７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２８は、スマートフォンｅｘ１１５等におけるｗｅｂページの表示画面例を示す図である。図２７及び図２８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２９は、スマートフォンｅｘ１１５を示す図である。また、図３０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、映像データに音声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、テレビジョン受像機、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、デジタルビデオカメラ、テレビ会議システム、又は、電子ミラー等に利用可能である。
　　１００　符号化装置
　　１０２　分割部
　　１０４　減算部
　　１０６　変換部
　　１０８　量子化部
　　１１０　エントロピー符号化部
　　１１２、２０４　逆量子化部
　　１１４、２０６　逆変換部
　　１１６、２０８　加算部
　　１１８、２１０　ブロックメモリ
　　１２０、２１２　ループフィルタ部
　　１２２、２１４　フレームメモリ
　　１２４、２１６　イントラ予測部
　　１２６、２１８　インター予測部
　　１２８、２２０　予測制御部
　　１６０、２６０　回路
　　１６２、２６２　メモリ
　　２００　復号装置
　　２０２　エントロピー復号部

Claims (19)

  1. 　複数のピクチャで構成される動画像を符号化する符号化装置であって、
    　メモリと、
    　前記メモリにアクセス可能な回路とを備え、
    　前記メモリにアクセス可能な前記回路は、
    　前記複数のピクチャにおける複数のブロックのうちの処理対象ブロックの予測動きベクトルを前記複数のブロックのうち前記処理対象ブロックの位置に従って特定される処理済みブロックの動き補償に用いられた動きベクトルによって導出し、
    　前記処理対象ブロック、及び、前記複数のピクチャのうちの処理済みピクチャを参照して、前記処理対象ブロックの代表動きベクトルを導出し、
    　前記予測動きベクトルと前記代表動きベクトルとの差分である差分動きベクトルを符号化し、
    　前記処理対象ブロックを構成する複数のサブブロックのそれぞれについて、
    　（ｉ）前記複数のブロック及び前記複数のサブブロックのうち当該サブブロックの位置に従って特定される処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトル、及び、前記代表動きベクトルによって、前記代表動きベクトルを含む複数の候補動きベクトルを導出し、
    　（ｉｉ）前記複数のブロックに含まれる処理済み画像領域と、前記処理対象ブロックに含まれる処理対象画像領域とのうち、前記処理済み画像領域のみを参照して、前記複数の候補動きベクトルの中から最終動きベクトルを選択し、
    　（ｉｉｉ）前記最終動きベクトルを用いて当該サブブロックの動き補償を行う
    　符号化装置。
  2. 　前記回路は、前記複数のサブブロックのそれぞれについて、前記複数のブロック及び前記複数のサブブロックのうち当該サブブロックに空間的又は時間的に隣接する処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトルによって候補動きベクトルを前記複数の候補動きベクトルのうちの１つとして導出する
    　請求項１に記載の符号化装置。
  3. 　前記回路は、前記複数のサブブロックのそれぞれについて、
    　当該サブブロックが前記処理対象ブロックの左端又は上端に位置している場合、当該サブブロックの左又は上に隣接する隣接領域と、前記隣接領域から前記複数の候補動きベクトルによって指し示される複数の候補領域とのそれぞれを前記処理済み画像領域として参照して、前記複数の候補動きベクトルの中から、前記複数の候補領域のうち前記隣接領域に適合する候補領域を指し示す候補動きベクトルを前記最終動きベクトルとして選択し、
    　当該サブブロックが前記処理対象ブロックの左端又は上端に位置していない場合、前記代表動きベクトルを前記最終動きベクトルとして選択する
    　請求項１又は２に記載の符号化装置。
  4. 　前記回路は、前記複数のサブブロックのそれぞれについて、
    　前記複数の候補動きベクトルをスケーリングすることにより、スケーリングされた前記複数の候補動きベクトルを複数の対称動きベクトルとして導出し、
    　当該サブブロックから前記複数の候補動きベクトルによって指し示される複数の候補領域と、当該サブブロックから前記複数の対称動きベクトルによって指し示される複数の対称領域とのそれぞれを前記処理済み画像領域として参照して、前記複数の候補動きベクトルの中から、前記複数の候補領域及び前記複数の対称領域のうち互いに適合する候補領域及び対称領域が得られる候補動きベクトルを前記最終動きベクトルとして選択する
    　請求項１又は２に記載の符号化装置。
  5. 　前記回路は、さらに、
    　前記複数のサブブロックのそれぞれについて前記最終動きベクトルを用いて当該サブブロックの動き補償を行う第１動き補償モード、及び、前記代表動きベクトルを用いて前記処理対象ブロックの動き補償を行う第２動き補償モードのうち一方を示す動き補償モード情報をブロック毎に符号化し、
    　前記処理対象ブロックの前記動き補償モード情報が前記第１動き補償モードを示す場合、前記複数のサブブロックのそれぞれについて、前記複数の候補動きベクトルを導出し、前記複数の候補動きベクトルの中から前記最終動きベクトルを選択し、前記最終動きベクトルを用いて当該サブブロックの動き補償を行い、
    　前記処理対象ブロックに対して符号化される前記動き補償モード情報が前記第２動き補償モードを示す場合、前記代表動きベクトルを用いて前記処理対象ブロックの動き補償を行う
    　請求項１～４のいずれか１項に記載の符号化装置。
  6. 　前記回路は、さらに、
    　前記複数の候補動きベクトルの中から前記最終動きベクトルを選択するための複数の選択方法のうちの１つを示す選択方法情報をブロック毎に符号化し、
    　前記処理対象ブロックの前記選択方法情報によって示される１つの選択方法を用いて、前記複数の候補動きベクトルの中から前記最終動きベクトルを選択する
    　請求項５に記載の符号化装置。
  7. 　前記回路は、前記動き補償モード情報及び前記選択方法情報を共通の１つのパラメータ又はそれぞれ別々の２つのパラメータとして符号化する
    　請求項６に記載の符号化装置。
  8. 　前記回路は、前記処理対象ブロックの一部であり前記処理対象ブロックにおいて右端かつ下端に位置する右下画素を含む領域である評価領域に適合する対応領域を前記処理済みピクチャにおいて探索し、前記評価領域から前記対応領域を指し示す動きベクトルを前記代表動きベクトルとして導出する
    　請求項１～７のいずれか１項に記載の符号化装置。
  9. 　前記評価領域は、前記複数のサブブロックのうち、前記処理対象ブロックの左端に位置する１以上のサブブロックを除き、かつ、前記処理対象ブロックの上端に位置する１以上のサブブロックを除く、残りの１以上のサブブロックの領域である
    　請求項８に記載の符号化装置。
  10. 　前記評価領域は、前記処理対象ブロックの右半分の領域と前記処理対象ブロックの下半分の領域とが重なる領域である
    　請求項８に記載の符号化装置。
  11. 　複数のピクチャで構成される動画像を復号する復号装置であって、
    　メモリと、
    　前記メモリにアクセス可能な回路とを備え、
    　前記メモリにアクセス可能な前記回路は、
    　前記複数のピクチャにおける複数のブロックのうちの処理対象ブロックの予測動きベクトルを前記複数のブロックのうち前記処理対象ブロックの位置に従って特定される処理済みブロックの動き補償に用いられた動きベクトルによって導出し、
    　前記予測動きベクトルと前記処理対象ブロックの代表動きベクトルとの差分である差分動きベクトルを復号し、
    　前記予測動きベクトルと前記差分動きベクトルとを加算することにより、前記代表動きベクトルを導出し、
    　前記処理対象ブロックを構成する複数のサブブロックのそれぞれについて、
    　（ｉ）前記複数のブロック及び前記複数のサブブロックのうち当該サブブロックの位置に従って特定される処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトル、及び、前記代表動きベクトルによって、前記代表動きベクトルを含む複数の候補動きベクトルを導出し、
    　（ｉｉ）前記複数のブロックに含まれる処理済み画像領域と、前記処理対象ブロックに含まれる処理対象画像領域とのうち、前記処理済み画像領域のみを参照して、前記複数の候補動きベクトルの中から最終動きベクトルを選択し、
    　（ｉｉｉ）前記最終動きベクトルを用いて当該サブブロックの動き補償を行う
    　復号装置。
  12. 　前記回路は、前記複数のサブブロックのそれぞれについて、前記複数のブロック及び前記複数のサブブロックのうち当該サブブロックに空間的又は時間的に隣接する処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトルによって候補動きベクトルを前記複数の候補動きベクトルのうちの１つとして導出する
    　請求項１１に記載の復号装置。
  13. 　前記回路は、前記複数のサブブロックのそれぞれについて、
    　当該サブブロックが前記処理対象ブロックの左端又は上端に位置している場合、当該サブブロックの左又は上に隣接する隣接領域と、前記隣接領域から前記複数の候補動きベクトルによって指し示される複数の候補領域とのそれぞれを前記処理済み画像領域として参照して、前記複数の候補動きベクトルの中から、前記複数の候補領域のうち前記隣接領域に適合する候補領域を指し示す候補動きベクトルを前記最終動きベクトルとして選択し、
    　当該サブブロックが前記処理対象ブロックの左端又は上端に位置していない場合、前記代表動きベクトルを前記最終動きベクトルとして選択する
    　請求項１１又は１２に記載の復号装置。
  14. 　前記回路は、前記複数のサブブロックのそれぞれについて、
    　前記複数の候補動きベクトルをスケーリングすることにより、スケーリングされた前記複数の候補動きベクトルを複数の対称動きベクトルとして導出し、
    　当該サブブロックから前記複数の候補動きベクトルによって指し示される複数の候補領域と、当該サブブロックから前記複数の対称動きベクトルによって指し示される複数の対称領域とのそれぞれを前記処理済み画像領域として参照して、前記複数の候補動きベクトルの中から、前記複数の候補領域及び前記複数の対称領域のうち互いに適合する候補領域及び対称領域が得られる候補動きベクトルを前記最終動きベクトルとして選択する
    　請求項１１又は１２に記載の復号装置。
  15. 　前記回路は、さらに、
    　前記複数のサブブロックのそれぞれについて前記最終動きベクトルを用いて当該サブブロックの動き補償を行う第１動き補償モード、及び、前記代表動きベクトルを用いて前記処理対象ブロックの動き補償を行う第２動き補償モードのうち一方を示す動き補償モード情報をブロック毎に復号し、
    　前記処理対象ブロックの前記動き補償モード情報が前記第１動き補償モードを示す場合、前記複数のサブブロックのそれぞれについて、前記複数の候補動きベクトルを導出し、前記複数の候補動きベクトルの中から前記最終動きベクトルを選択し、前記最終動きベクトルを用いて当該サブブロックの動き補償を行い、
    　前記処理対象ブロックに対して復号された前記動き補償モード情報が前記第２動き補償モードを示す場合、前記代表動きベクトルを用いて前記処理対象ブロックの動き補償を行う
    　請求項１１～１４のいずれか１項に記載の復号装置。
  16. 　前記回路は、さらに、
    　前記複数の候補動きベクトルの中から前記最終動きベクトルを選択するための複数の選択方法のうちの１つを示す選択方法情報をブロック毎に復号し、
    　前記処理対象ブロックの前記選択方法情報によって示される１つの選択方法を用いて、前記複数の候補動きベクトルの中から前記最終動きベクトルを選択する
    　請求項１５に記載の復号装置。
  17. 　前記回路は、前記動き補償モード情報及び前記選択方法情報を共通の１つのパラメータ又はそれぞれ別々の２つのパラメータとして復号する
    　請求項１６に記載の復号装置。
  18. 　複数のピクチャで構成される動画像を符号化する符号化方法であって、
    　前記複数のピクチャにおける複数のブロックのうちの処理対象ブロックの予測動きベクトルを前記複数のブロックのうち前記処理対象ブロックの位置に従って特定される処理済みブロックの動き補償に用いられた動きベクトルによって導出し、
    　前記処理対象ブロック、及び、前記複数のピクチャのうちの処理済みピクチャを参照して、前記処理対象ブロックの代表動きベクトルを導出し、
    　前記予測動きベクトルと前記代表動きベクトルとの差分である差分動きベクトルを符号化し、
    　前記処理対象ブロックを構成する複数のサブブロックのそれぞれについて、
    　（ｉ）前記複数のブロック及び前記複数のサブブロックのうち当該サブブロックの位置に従って特定される処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトル、及び、前記代表動きベクトルによって、前記代表動きベクトルを含む複数の候補動きベクトルを導出し、
    　（ｉｉ）前記複数のブロックに含まれる処理済み画像領域と、前記処理対象ブロックに含まれる処理対象画像領域とのうち、前記処理済み画像領域のみを参照して、前記複数の候補動きベクトルの中から最終動きベクトルを選択し、
    　（ｉｉｉ）前記最終動きベクトルを用いて当該サブブロックの動き補償を行う
    　符号化方法。
  19. 　複数のピクチャで構成される動画像を復号する復号方法であって、
    　前記複数のピクチャにおける複数のブロックのうちの処理対象ブロックの予測動きベクトルを前記複数のブロックのうち前記処理対象ブロックの位置に従って特定される処理済みブロックの動き補償に用いられた動きベクトルによって導出し、
    　前記予測動きベクトルと前記処理対象ブロックの代表動きベクトルとの差分である差分動きベクトルを復号し、
    　前記予測動きベクトルと前記差分動きベクトルとを加算することにより、前記代表動きベクトルを導出し、
    　前記処理対象ブロックを構成する複数のサブブロックのそれぞれについて、
    　（ｉ）前記複数のブロック及び前記複数のサブブロックのうち当該サブブロックの位置に従って特定される処理済みブロック又は処理済みサブブロックの動き補償に用いられた動きベクトル、及び、前記代表動きベクトルによって、前記代表動きベクトルを含む複数の候補動きベクトルを導出し、
    　（ｉｉ）前記複数のブロックに含まれる処理済み画像領域と、前記処理対象ブロックに含まれる処理対象画像領域とのうち、前記処理済み画像領域のみを参照して、前記複数の候補動きベクトルの中から最終動きベクトルを選択し、
    　（ｉｉｉ）前記最終動きベクトルを用いて当該サブブロックの動き補償を行う
    　復号方法。
PCT/JP2017/041595 2016-11-22 2017-11-20 符号化装置、復号装置、符号化方法及び復号方法 WO2018097077A1 (ja)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
US201662425306P 2016-11-22 2016-11-22
US201662425205P 2016-11-22 2016-11-22
US201662425195P 2016-11-22 2016-11-22
US62/425195 2016-11-22
US62/425205 2016-11-22
US62/425306 2016-11-22

Publications (1)

Publication Number Publication Date
WO2018097077A1 true WO2018097077A1 (ja) 2018-05-31

Family

ID=62195098

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/041595 WO2018097077A1 (ja) 2016-11-22 2017-11-20 符号化装置、復号装置、符号化方法及び復号方法

Country Status (1)

Country Link
WO (1) WO2018097077A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112640469A (zh) * 2018-09-05 2021-04-09 松下电器（美国）知识产权公司 编码装置、解码装置、编码方法和解码方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007043651A (ja) * 2005-07-05 2007-02-15 Ntt Docomo Inc 動画像符号化装置、動画像符号化方法、動画像符号化プログラム、動画像復号装置、動画像復号方法及び動画像復号プログラム
JP2010268259A (ja) * 2009-05-15 2010-11-25 Sony Corp 画像処理装置および方法、並びにプログラム
JP2013513333A (ja) * 2009-12-08 2013-04-18 トムソン ライセンシング ビデオ符号化および復号化のためのテンプレート・マッチング予測の適応型残差更新のための方法および装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007043651A (ja) * 2005-07-05 2007-02-15 Ntt Docomo Inc 動画像符号化装置、動画像符号化方法、動画像符号化プログラム、動画像復号装置、動画像復号方法及び動画像復号プログラム
JP2010268259A (ja) * 2009-05-15 2010-11-25 Sony Corp 画像処理装置および方法、並びにプログラム
JP2013513333A (ja) * 2009-12-08 2013-04-18 トムソン ライセンシング ビデオ符号化および復号化のためのテンプレート・マッチング予測の適応型残差更新のための方法および装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHEN, J. L. ET AL.: "Algorithm description of joint exploration test model 4", JOINT VIDEO EXPLORATION TEAM (JVET) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG 11 4TH MEETING, 19 November 2016 (2016-11-19), Chengdu , CN, XP030150460, Retrieved from the Internet <URL:http://phenix.int-evry.fr/jvet/,> *
ROBERT, A. ET AL.: "High precision FRUC with additional candidates", JOINT VIDEO EXPLORATION TEAM (JVET) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG 11 4TH MEETING, 12 October 2016 (2016-10-12), Chengdu, CN, XP030150275, Retrieved from the Internet <URL:http://phenix.int-evry.fr/jvet/,> *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112640469A (zh) * 2018-09-05 2021-04-09 松下电器（美国）知识产权公司 编码装置、解码装置、编码方法和解码方法

Similar Documents

Publication Publication Date Title
WO2018212110A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018199051A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
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
WO2019151279A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
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
WO2019155971A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018101288A1 (ja) 符号化装置、符号化方法、復号装置および復号方法
WO2018190207A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018105582A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2020184808A (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
WO2019189346A1 (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
WO2018193968A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019151284A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018097115A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018199050A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018225593A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2019221103A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2021002891A (ja) 符号化装置及び符号化方法
JP6770192B2 (ja) 符号化装置、符号化方法、復号装置及び復号方法
WO2019189344A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018221553A1 (ja) 符号化装置、符号化方法、復号装置及び復号方法

Legal Events

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

Ref document number: 17874550

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17874550

Country of ref document: EP

Kind code of ref document: A1