WO2018173895A1 - Predicted-image generation device, video decoding device, and video coding device - Google Patents

Predicted-image generation device, video decoding device, and video coding device Download PDF

Info

Publication number
WO2018173895A1
WO2018173895A1 PCT/JP2018/010058 JP2018010058W WO2018173895A1 WO 2018173895 A1 WO2018173895 A1 WO 2018173895A1 JP 2018010058 W JP2018010058 W JP 2018010058W WO 2018173895 A1 WO2018173895 A1 WO 2018173895A1
Authority
WO
WIPO (PCT)
Prior art keywords
prediction
unit
image
matching
template
Prior art date
Application number
PCT/JP2018/010058
Other languages
French (fr)
Japanese (ja)
Inventor
知宏 猪飼
友子 青野
Original Assignee
シャープ株式会社
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 シャープ株式会社 filed Critical シャープ株式会社
Publication of WO2018173895A1 publication Critical patent/WO2018173895A1/en

Links

Images

Definitions

  • Embodiments described herein relate generally to a predicted image generation device, a moving image decoding device, and a moving image encoding device.
  • a moving image encoding device that generates encoded data by encoding the moving image, and a moving image that generates a decoded image by decoding the encoded data
  • An image decoding device is used.
  • the moving image encoding method include a method proposed in H.264 / AVC and HEVC (High-Efficiency Video Coding).
  • an image (picture) constituting a moving image is a slice obtained by dividing the image, a coding unit obtained by dividing the slice (coding unit (Coding Unit : CU)), and a hierarchical structure consisting of a prediction unit (PU) and a transform unit (TU) that are obtained by dividing a coding unit. Decrypted.
  • a predicted image is usually generated based on a local decoded image obtained by encoding / decoding an input image, and the predicted image is generated from the input image (original image).
  • a prediction residual obtained by subtraction (sometimes referred to as “difference image” or “residual image”) is encoded. Examples of the method for generating a predicted image include inter-screen prediction (inter prediction) and intra-screen prediction (intra prediction).
  • Non-Patent Document 1 using matching motion deriving technology (template matching (TM) and bilateral matching (BM)) for deriving a motion vector on the decoder side can be cited as a moving image encoding and decoding technology in recent years.
  • Non-Patent Document 2 bilateral template matching (BTM) that corrects a motion vector by matching is described in the name of Decoder-side motion vector refinement (DMVR) as a similar technique to the matching motion derivation technology. .
  • BTM bilateral template matching
  • Non-Patent Documents 1 and 2 above show a configuration that effectively uses the matching cost of prediction image candidates (motion compensated images and interpolated images) derived in bilateral template matching or template matching. Absent.
  • the present invention is to provide a predicted image generation device, a moving image decoding device, and a moving image encoding device that can effectively use the matching cost of the predicted image candidate (motion compensation image).
  • a predicted image generation apparatus is a predicted image generation apparatus that generates a predicted image used for encoding or decoding of a moving image, and includes a bilateral template matching (BTM ) Or template matching (TM) is used to perform matching processing, a matching processing unit for deriving the cost of the predicted image candidate derived from the template in a plurality of reference pictures and the template, and prediction for each reference picture
  • BTM bilateral template matching
  • TM template matching
  • a prediction unit for deriving a prediction image from a plurality of prediction image candidates.
  • the prediction unit sets a weighting coefficient for each prediction image candidate according to the cost of the template and the prediction image candidate. Then, the predicted image is derived using the weighted predicted image candidates.
  • a predicted image generation apparatus is a predicted image generation apparatus that generates a predicted image used for encoding or decoding of a moving image, and includes a bilateral template matching (BTM ) And a matching processing unit for deriving the cost of predicted image candidates predicted from templates in a plurality of reference pictures and the template, and a gradient correction term for bilateral template matching (BTM)
  • BTM bilateral template matching
  • a motion compensation unit that performs motion compensation by bi-predictive gradient change (BIO) prediction that performs motion compensation by applying the motion compensation unit, and the motion compensation unit predicts the predicted image candidate predicted from a template in a plurality of reference pictures. ON / OFF of BIO prediction is controlled according to the ratio of the cost to the template.
  • the bilateral template matching or the matching cost of the predicted image candidate derived in the template matching can be effectively used for deriving the predicted image.
  • FIG. 1 It is a figure which shows the hierarchical structure of the data of the encoding stream which concerns on this embodiment. It is a figure which shows the pattern of PU division
  • (A) to (h) respectively show the partition shapes when the PU partitioning modes are 2Nx2N, 2NxN, 2NxnU, 2NxnD, Nx2N, nLx2N, nRx2N, and NxN.
  • (A) And (b) is a conceptual diagram which shows an example of a reference picture and a reference picture list. It is a block diagram which shows the structure of the image coding apparatus which concerns on this embodiment. It is the schematic which shows the structure of the image decoding apparatus which concerns on this embodiment.
  • (A), (b) is a figure which shows the outline
  • (A), (b) is a figure which shows the outline
  • (A) to (b) is a diagram for explaining a motion vector deriving process in the matching motion deriving mode. It is a block diagram which shows an example of the principal part structure of the inter estimated image generation part in other embodiment of this invention. It is a figure which shows the example of the weight which the weight estimation part in other embodiment of this invention derives.
  • FIG. 1 It is a block diagram which shows another example of the principal part structure of the inter estimated image generation part in other embodiment of this invention. It is a figure which shows an example of the pseudo code which shows the process of the motion compensation part in other embodiment of this invention. It is the figure shown about the structure of the transmitter which mounts the image coding apparatus which concerns on this embodiment, and the receiver which mounts an image decoding apparatus.
  • (A) shows a transmission device equipped with an image encoding device, and (b) shows a reception device equipped with an image decoding device. It is the figure shown about the structure of the recording device carrying the image coding apparatus which concerns on this embodiment, and the reproducing
  • (A) shows a recording device equipped with an image encoding device, and (b) shows a playback device equipped with an image decoding device. It is the schematic which shows the structure of the image transmission system which concerns on this embodiment.
  • FIG. 28 is a schematic diagram showing the configuration of the image transmission system 1 according to the present embodiment.
  • the image transmission system 1 is a system that transmits a code obtained by encoding an encoding target image, decodes the transmitted code, and displays an image.
  • the image transmission system 1 includes an image encoding device (moving image encoding device) 11, a network 21, an image decoding device (moving image decoding device) 31, and an image display device 41.
  • the image encoding device 11 receives an image T indicating a single layer image or a plurality of layers.
  • a layer is a concept used to distinguish a plurality of pictures when there are one or more pictures constituting a certain time. For example, when the same picture is encoded with a plurality of layers having different image quality and resolution, scalable encoding is performed, and when a picture of a different viewpoint is encoded with a plurality of layers, view scalable encoding is performed.
  • inter-layer prediction, inter-view prediction When prediction is performed between pictures of a plurality of layers (inter-layer prediction, inter-view prediction), encoding efficiency is greatly improved. Further, even when prediction is not performed (simultaneous casting), encoded data can be collected.
  • the network 21 transmits the encoded stream Te generated by the image encoding device 11 to the image decoding device 31.
  • the network 21 is the Internet, a wide area network (WAN: Wide Area Network), a small network (LAN: Local Area Network), or a combination thereof.
  • the network 21 is not necessarily limited to a bidirectional communication network, and may be a unidirectional communication network that transmits broadcast waves such as terrestrial digital broadcasting and satellite broadcasting.
  • the network 21 may be replaced with a storage medium that records an encoded stream Te such as a DVD (Digital Versatile Disc) or a BD (Blue-ray Disc).
  • the image decoding device 31 decodes each of the encoded streams Te transmitted by the network 21, and generates one or a plurality of decoded images Td decoded.
  • the image display device 41 displays all or part of one or more decoded images Td generated by the image decoding device 31.
  • the image display device 41 includes, for example, a display device such as a liquid crystal display or an organic EL (Electro-luminescence) display.
  • a display device such as a liquid crystal display or an organic EL (Electro-luminescence) display.
  • a high-quality enhancement layer image is displayed and only a lower processing capability is provided. Displays a base layer image that does not require higher processing capability and display capability as an extension layer.
  • X? Y: z is a ternary operator that takes y when x is true (non-zero) and takes z when x is false (0).
  • FIG. 1 is a diagram showing a hierarchical structure of data in the encoded stream Te.
  • the encoded stream Te illustratively includes a sequence and a plurality of pictures constituting the sequence.
  • (A) to (f) of FIG. 1 respectively show an encoded video sequence defining a sequence SEQ, an encoded picture defining a picture PICT, an encoded slice defining a slice S, and an encoded slice defining a slice data
  • the encoded video sequence In the encoded video sequence, a set of data referred to by the image decoding device 31 for decoding the sequence SEQ to be processed is defined. As shown in FIG. 1A, the sequence SEQ includes a video parameter set (Video Parameter Set), a sequence parameter set SPS (Sequence Parameter Set), a picture parameter set PPS (Picture Parameter Set), a picture PICT, and an addition. Includes SEI (Supplemental Enhancement Information). Here, the value indicated after # indicates the layer ID.
  • FIG. 1 shows an example in which encoded data of # 0 and # 1, that is, layer 0 and layer 1, exists, the type of layer and the number of layers are not dependent on this.
  • the video parameter set VPS is a set of encoding parameters common to a plurality of moving images, a plurality of layers included in the moving image, and encoding parameters related to individual layers in a moving image composed of a plurality of layers.
  • a set is defined.
  • the sequence parameter set SPS defines a set of encoding parameters that the image decoding device 31 refers to in order to decode the target sequence. For example, the width and height of the picture are defined. A plurality of SPSs may exist. In that case, one of a plurality of SPSs is selected from the PPS.
  • a set of encoding parameters referred to by the image decoding device 31 in order to decode each picture in the target sequence is defined.
  • a quantization width reference value (pic_init_qp_minus26) used for picture decoding and a flag (weighted_pred_flag) indicating application of weighted prediction are included.
  • the picture PICT includes slices S0 to S NS-1 (NS is the total number of slices included in the picture PICT).
  • the coded slice In the coded slice, a set of data referred to by the image decoding device 31 for decoding the slice S to be processed is defined. As shown in FIG. 1C, the slice S includes a slice header SH and slice data SDATA.
  • the slice header SH includes an encoding parameter group that is referred to by the image decoding device 31 in order to determine a decoding method of the target slice.
  • Slice type designation information (slice_type) for designating a slice type is an example of an encoding parameter included in the slice header SH.
  • I slice using only intra prediction at the time of encoding (2) P slice using unidirectional prediction or intra prediction at the time of encoding, (3) B-slice using unidirectional prediction, bidirectional prediction, or intra prediction at the time of encoding may be used.
  • the slice header SH may include a reference (pic_parameter_set_id) to the picture parameter set PPS included in the encoded video sequence.
  • the slice data SDATA includes a coding tree unit (CTU) as shown in FIG.
  • a CTU is a block of a fixed size (for example, 64x64) that constitutes a slice, and is sometimes called a maximum coding unit (LCU: Large Coding Unit).
  • Encoding tree unit As shown in (e) of FIG. 1, a set of data referred to by the image decoding device 31 in order to decode the encoding tree unit to be processed is defined.
  • the coding tree unit is divided by recursive quadtree division.
  • a tree-structured node obtained by recursive quadtree partitioning is referred to as a coding node (CN).
  • An intermediate node of the quadtree is an encoding node, and the encoding tree unit itself is defined as the highest encoding node.
  • the CTU includes a split flag (cu_split_flag), and when cu_split_flag is 1, it is split into four coding nodes CN.
  • the coding node CN is not divided and has one coding unit (CU: Coding Unit) as a node.
  • CU Coding Unit
  • the encoding unit CU is a terminal node of the encoding node and is not further divided.
  • the encoding unit CU is a basic unit of the encoding process.
  • the size of the coding tree unit CTU is 64 ⁇ 64 pixels
  • the size of the coding unit can be any of 64 ⁇ 64 pixels, 32 ⁇ 32 pixels, 16 ⁇ 16 pixels, and 8 ⁇ 8 pixels.
  • the encoding unit As shown in (f) of FIG. 1, a set of data referred to by the image decoding device 31 in order to decode an encoding unit to be processed is defined.
  • the encoding unit includes a prediction tree, a conversion tree, and a CU header CUH.
  • the CU header defines a prediction mode, a division method (PU division mode), and the like.
  • prediction information (a reference picture index, a motion vector, etc.) of each prediction unit (PU) obtained by dividing the coding unit into one or a plurality is defined.
  • the prediction unit is one or a plurality of non-overlapping areas constituting the encoding unit.
  • the prediction tree includes one or a plurality of prediction units obtained by the above-described division.
  • a prediction unit obtained by further dividing the prediction unit is referred to as a “sub-block”.
  • the sub block is composed of a plurality of pixels.
  • the number of sub-blocks in the prediction unit is one.
  • the prediction unit is larger than the size of the sub-block, the prediction unit is divided into sub-blocks. For example, when the prediction unit is 8 ⁇ 8 and the sub-block is 4 ⁇ 4, the prediction unit is divided into four sub-blocks that are divided into two horizontally and two vertically.
  • the prediction process may be performed for each prediction unit (sub block).
  • Intra prediction is prediction within the same picture
  • inter prediction refers to prediction processing performed between different pictures (for example, between display times and between layer images).
  • the division method is encoded by the PU division mode (part_mode) of encoded data, 2Nx2N (same size as the encoding unit), 2NxN, 2NxnU, 2NxnD, Nx2N, nLx2N, nRx2N, and NxN etc.
  • 2NxN and Nx2N indicate 1: 1 symmetrical division, 2NxnU, 2NxnD and nLx2N, nRx2N show a 1: 3, 3: 1 asymmetric partitioning.
  • the PUs included in the CU are expressed as PU0, PU1, PU2, and PU3 in this order.
  • FIG. 2 specifically illustrate the shape of the partition (the position of the boundary of the PU partition) in each PU partition mode.
  • 2A shows a 2Nx2N partition
  • FIGS. 2B, 2C, and 2D show 2NxN, 2NxnU, and 2NxnD partitions (horizontal partitions), respectively.
  • E), (f), and (g) show partitions (vertical partitions) in the case of Nx2N, nLx2N, and nRx2N, respectively, and (h) shows an NxN partition.
  • the horizontal partition and the vertical partition are collectively referred to as a rectangular partition
  • 2Nx2N and NxN are collectively referred to as a square partition.
  • the encoding unit is divided into one or a plurality of conversion units, and the position and size of each conversion unit are defined.
  • a transform unit is one or more non-overlapping areas that make up a coding unit.
  • the conversion tree includes one or a plurality of conversion units obtained by the above division.
  • the division in the conversion tree includes a case where an area having the same size as that of the encoding unit is assigned as a conversion unit, and a case where recursive quadtree division is used, as in the case of the CU division described above.
  • Conversion processing is performed for each conversion unit.
  • the prediction parameter includes prediction list use flags predFlagL0 and predFlagL1, reference picture indexes refIdxL0 and refIdxL1, and motion vectors mvL0 and mvL1.
  • the prediction list use flags predFlagL0 and predFlagL1 are flags indicating whether or not reference picture lists called L0 list and L1 list are used, respectively, and a reference picture list corresponding to a value of 1 is used.
  • flag indicating whether or not it is XX when “flag indicating whether or not it is XX” is described, when the flag is not 0 (for example, 1) is XX, 0 is not XX, and logical negation, logical product, etc. 1 is treated as true and 0 is treated as false (the same applies hereinafter).
  • flag when the flag is not 0 (for example, 1) is XX, 0 is not XX, and logical negation, logical product, etc. 1 is treated as true and 0 is treated as false (the same applies hereinafter).
  • other values can be used as true values and false values in an actual apparatus or method.
  • Syntax elements for deriving inter prediction parameters included in the encoded data include, for example, PU partition mode part_mode, merge flag merge_flag, merge index merge_idx, inter prediction identifier inter_pred_idc, reference picture index refIdxLX, prediction vector index mvp_LX_idx, There is a difference vector mvdLX.
  • the reference picture list is a list including reference pictures stored in the reference picture memory 306.
  • FIG. 3 is a conceptual diagram illustrating an example of a reference picture and a reference picture list.
  • a rectangle is a picture
  • an arrow is a picture reference relationship
  • a horizontal axis is time
  • I, P, and B in the rectangle are intra pictures
  • uni-predictive pictures bi-predictive pictures
  • numbers in the rectangles are decoded. Indicates the order.
  • the decoding order of pictures is I0, P1, B2, B3, and B4
  • the display order is I0, B3, B2, B4, and P1.
  • FIG. 3B shows an example of the reference picture list.
  • the reference picture list is a list representing candidate reference pictures, and one picture (slice) may have one or more reference picture lists.
  • the target picture B3 has two reference picture lists, an L0 list RefPicList0 and an L1 list RefPicList1.
  • the reference pictures are I0, P1, and B2, and the reference picture has these pictures as elements.
  • refIdxLX the reference picture index
  • the figure shows an example in which reference pictures P1 and B2 are referenced by refIdxL0 and refIdxL1.
  • the prediction parameter decoding (encoding) method includes a merge prediction (merge) mode and an AMVP (Adaptive Motion Vector Prediction) mode.
  • the merge flag merge_flag is a flag for identifying these.
  • the merge prediction mode is a mode that uses prediction parameters of already processed neighboring PUs without including the prediction list use flag predFlagLX (or inter prediction identifier inter_pred_idc), reference picture index refIdxLX, and motion vector mvLX in the encoded data.
  • the mode is a mode in which the inter prediction identifier inter_pred_idc, the reference picture index refIdxLX, and the motion vector mvLX are included in the encoded data.
  • the motion vector mvLX is encoded as a prediction vector index mvp_LX_idx for identifying the prediction vector mvpLX and a difference vector mvdLX.
  • the inter prediction identifier inter_pred_idc is a value indicating the type and number of reference pictures, and takes one of PRED_L0, PRED_L1, and PRED_BI.
  • PRED_L0 and PRED_L1 indicate that reference pictures managed by the reference picture lists of the L0 list and the L1 list are used, respectively, and that one reference picture is used (single prediction).
  • PRED_BI indicates that two reference pictures are used (bi-prediction BiPred), and reference pictures managed by the L0 list and the L1 list are used.
  • the prediction vector index mvp_LX_idx is an index indicating a prediction vector
  • the reference picture index refIdxLX is an index indicating a reference picture managed in the reference picture list.
  • LX is a description method used when L0 prediction and L1 prediction are not distinguished from each other. By replacing LX with L0 and L1, parameters for the L0 list and parameters for the L1 list are distinguished.
  • the merge index merge_idx is an index that indicates whether one of the prediction parameter candidates (merge candidates) derived from the processed PU is used as the prediction parameter of the decoding target PU.
  • the motion vector mvLX indicates a shift amount between blocks on two different pictures.
  • a prediction vector and a difference vector related to the motion vector mvLX are referred to as a prediction vector mvpLX and a difference vector mvdLX, respectively.
  • Inter prediction identifier inter_pred_idc and prediction list use flag predFlagLX The relationship between the inter prediction identifier inter_pred_idc and the prediction list use flags predFlagL0 and predFlagL1 is as follows and can be converted into each other.
  • the flag biPred as to whether it is a bi-prediction BiPred can be derived depending on whether the two prediction list use flags are both 1. For example, it can be derived by the following formula.
  • the flag biPred can also be derived depending on whether or not the inter prediction identifier is a value indicating that two prediction lists (reference pictures) are used. For example, it can be derived by the following formula.
  • FIG. 5 is a schematic diagram illustrating a configuration of the image decoding device 31 according to the present embodiment.
  • the image decoding device 31 includes an entropy decoding unit 301, a prediction parameter decoding unit (prediction image decoding device) 302, a loop filter 305, a reference picture memory 306, a prediction parameter memory 307, a prediction image generation unit (prediction image generation device) 308, and inversely.
  • a quantization / inverse transform unit 311 and an adder 312 are included.
  • the prediction parameter decoding unit 302 includes an inter prediction parameter decoding unit 303 and an intra prediction parameter decoding unit 304.
  • the predicted image generation unit 308 includes an inter predicted image generation unit 309 and an intra predicted image generation unit 310.
  • the entropy decoding unit 301 performs entropy decoding on the coded stream Te input from the outside, and separates and decodes individual codes (syntax elements).
  • the separated codes include prediction information for generating a prediction image and residual information for generating a difference image.
  • the entropy decoding unit 301 outputs a part of the separated code to the prediction parameter decoding unit 302.
  • Some of the separated codes are, for example, a prediction mode predMode, a PU partition mode part_mode, a merge flag merge_flag, a merge index merge_idx, an inter prediction identifier inter_pred_idc, a reference picture index refIdxLX, a prediction vector index mvp_LX_idx, and a difference vector mvdLX.
  • Control of which code is decoded is performed based on an instruction from the prediction parameter decoding unit 302.
  • the entropy decoding unit 301 outputs the quantized coefficient to the inverse quantization / inverse transform unit 311. This quantized coefficient is a coefficient obtained by performing transform (Discrete Cosine Transform, discrete cosine transform) on the residual signal and quantizing in the encoding process.
  • the inter prediction parameter decoding unit 303 decodes the inter prediction parameter with reference to the prediction parameter stored in the prediction parameter memory 307 based on the code input from the entropy decoding unit 301.
  • the inter prediction parameter decoding unit 303 outputs the decoded inter prediction parameter to the prediction image generation unit 308 and stores it in the prediction parameter memory 307. Details of the inter prediction parameter decoding unit 303 will be described later.
  • the intra prediction parameter decoding unit 304 refers to the prediction parameter stored in the prediction parameter memory 307 on the basis of the code input from the entropy decoding unit 301 and decodes the intra prediction parameter.
  • the intra prediction parameter is a parameter used in a process of predicting a CU within one picture, for example, an intra prediction mode IntraPredMode.
  • the intra prediction parameter decoding unit 304 outputs the decoded intra prediction parameter to the prediction image generation unit 308 and stores it in the prediction parameter memory 307.
  • the intra prediction parameter decoding unit 304 may derive different intra prediction modes depending on luminance and color difference.
  • the intra prediction parameter decoding unit 304 decodes the luminance prediction mode IntraPredModeY as the luminance prediction parameter and the color difference prediction mode IntraPredModeC as the color difference prediction parameter.
  • the luminance prediction mode IntraPredModeY is a 35 mode, and corresponds to planar prediction (0), DC prediction (1), and direction prediction (2 to 34).
  • the color difference prediction mode IntraPredModeC uses one of the planar prediction (0), the DC prediction (1), the direction prediction (2 to 34), and the LM mode (35).
  • the intra prediction parameter decoding unit 304 decodes a flag indicating whether IntraPredModeC is the same mode as the luminance mode. If the flag indicates that the mode is the same as the luminance mode, IntraPredModeC is assigned to IntraPredModeC, and the flag is luminance. If the mode is different from the mode, planar prediction (0), DC prediction (1), direction prediction (2 to 34), and LM mode (35) may be decoded as IntraPredModeC.
  • the loop filter 305 applies filters such as a deblocking filter, a sample adaptive offset (SAO), and an adaptive loop filter (ALF) to the decoded image of the CU generated by the adding unit 312.
  • filters such as a deblocking filter, a sample adaptive offset (SAO), and an adaptive loop filter (ALF) to the decoded image of the CU generated by the adding unit 312.
  • the reference picture memory 306 stores the decoded image of the CU generated by the loop filter 305 at a predetermined position for each decoding target picture and CU.
  • the prediction parameter memory 307 stores the prediction parameter in a predetermined position for each decoding target picture and prediction unit (or sub-block, fixed-size block, pixel). Specifically, the prediction parameter memory 307 stores the inter prediction parameter decoded by the inter prediction parameter decoding unit 303, the intra prediction parameter decoded by the intra prediction parameter decoding unit 304, and the prediction mode predMode separated by the entropy decoding unit 301. .
  • the stored inter prediction parameters include, for example, a prediction list utilization flag predFlagLX (inter prediction identifier inter_pred_idc), a reference picture index refIdxLX, and a motion vector mvLX.
  • the prediction image generation unit 308 receives the prediction mode predMode input from the entropy decoding unit 301 and the prediction parameter from the prediction parameter decoding unit 302. Further, the predicted image generation unit 308 reads a reference picture from the reference picture memory 306. The prediction image generation unit 308 generates a prediction image of the PU using the input prediction parameter and the read reference picture in the prediction mode indicated by the prediction mode predMode.
  • the inter prediction image generation unit 309 uses the inter prediction parameter input from the inter prediction parameter decoding unit 303 and the read reference picture to perform prediction of the PU by inter prediction. Is generated.
  • the inter prediction image generation unit 309 performs a motion vector on the basis of the decoding target PU from the reference picture indicated by the reference picture index refIdxLX for a reference picture list (L0 list or L1 list) having a prediction list use flag predFlagLX of 1.
  • the reference picture block at the position indicated by mvLX is read from the reference picture memory 306.
  • the inter prediction image generation unit 309 performs prediction based on the read reference picture block to generate a prediction image of the PU.
  • the inter prediction image generation unit 309 outputs the generated prediction image of the PU to the addition unit 312.
  • the intra predicted image generation unit 310 When the prediction mode predMode indicates the intra prediction mode, the intra predicted image generation unit 310 performs intra prediction using the intra prediction parameter input from the intra prediction parameter decoding unit 304 and the read reference picture. Specifically, the intra predicted image generation unit 310 reads, from the reference picture memory 306, neighboring PUs that are pictures to be decoded and are in a predetermined range from the decoding target PUs among the PUs that have already been decoded.
  • the predetermined range is, for example, one of the left, upper left, upper, and upper right adjacent PUs when the decoding target PU sequentially moves in the so-called raster scan order, and differs depending on the intra prediction mode.
  • the raster scan order is an order in which each row is sequentially moved from the left end to the right end in each picture from the upper end to the lower end.
  • the intra predicted image generation unit 310 performs prediction in the prediction mode indicated by the intra prediction mode IntraPredMode for the read adjacent PU, and generates a predicted image of the PU.
  • the intra predicted image generation unit 310 outputs the generated predicted image of the PU to the adding unit 312.
  • the intra prediction image generation unit 310 performs planar prediction (0), DC prediction (1), direction according to the luminance prediction mode IntraPredModeY.
  • Prediction image of luminance PU is generated by any of prediction (2 to 34), and planar prediction (0), DC prediction (1), direction prediction (2 to 34), LM mode according to color difference prediction mode IntraPredModeC
  • a predicted image of the color difference PU is generated by any of (35).
  • the inverse quantization / inverse transform unit 311 inversely quantizes the quantized coefficient input from the entropy decoding unit 301 to obtain a transform coefficient.
  • the inverse quantization / inverse transform unit 311 performs inverse transform (Inverse Discrete Cosine Transform) on the obtained transform coefficient to calculate a residual signal.
  • the inverse quantization / inverse transform unit 311 outputs the calculated residual signal to the adder 312.
  • the addition unit 312 adds the prediction image of the PU input from the inter prediction image generation unit 309 or the intra prediction image generation unit 310 and the residual signal input from the inverse quantization / inverse conversion unit 311 for each pixel, Generate a decoded PU image.
  • the loop filter 305 stores the generated decoded image of the PU in the reference picture memory 306, and outputs a decoded image Td obtained by integrating the generated decoded image of the PU for each picture to the outside.
  • FIG. 12 is a schematic diagram illustrating a configuration of the inter prediction parameter decoding unit 303 according to the present embodiment.
  • the inter prediction parameter decoding unit 303 includes an inter prediction parameter decoding control unit 3031, an AMVP prediction parameter derivation unit 3032, an addition unit 3035, a merge prediction parameter derivation unit 3036, a sub-block prediction parameter derivation unit 3037, and a BTM processing unit 3038. Composed.
  • the inter prediction parameter decoding control unit 3031 instructs the entropy decoding unit 301 to decode a code (syntax element) related to inter prediction, and a code (syntax element) included in the encoded data, for example, PU partition mode part_mode , Merge flag merge_flag, merge index merge_idx, inter prediction identifier inter_pred_idc, reference picture index refIdxLX, prediction vector index mvp_LX_idx, and difference vector mvdLX are extracted.
  • the inter prediction parameter decoding control unit 3031 first extracts a merge flag merge_flag.
  • the inter prediction parameter decoding control unit 3031 expresses that a certain syntax element is to be extracted, it means that the entropy decoding unit 301 is instructed to decode a certain syntax element, and the corresponding syntax element is read from the encoded data. To do.
  • the inter prediction parameter decoding control unit 3031 uses the entropy decoding unit 301 to extract the AMVP prediction parameter from the encoded data.
  • AMVP prediction parameters include an inter prediction identifier inter_pred_idc, a reference picture index refIdxLX, a prediction vector index mvp_LX_idx, and a difference vector mvdLX.
  • the AMVP prediction parameter derivation unit 3032 derives a prediction vector mvpLX from the prediction vector index mvp_LX_idx. Details will be described later.
  • the inter prediction parameter decoding control unit 3031 outputs the difference vector mvdLX to the addition unit 3035.
  • the adding unit 3035 adds the prediction vector mvpLX and the difference vector mvdLX to derive a motion vector.
  • the inter prediction parameter decoding control unit 3031 extracts the merge index merge_idx as a prediction parameter related to merge prediction.
  • the inter prediction parameter decoding control unit 3031 outputs the extracted merge index merge_idx to the merge prediction parameter derivation unit 3036 (details will be described later), and outputs the sub-block prediction mode flag subPbMotionFlag to the sub-block prediction parameter derivation unit 3037.
  • the subblock prediction parameter deriving unit 3037 divides the PU into a plurality of subblocks according to the value of the subblock prediction mode flag subPbMotionFlag, and derives a motion vector in units of subblocks.
  • the prediction block is predicted in units of blocks as small as 4x4 or 8x8.
  • a sub-block prediction mode is used for a method in which a CU is divided into a plurality of partitions (PUs such as 2NxN, Nx2N, and NxN) and the syntax of prediction parameters is encoded in units of partitions. Since a plurality of sub-blocks are grouped into a set and the syntax of the prediction parameter is encoded for each set, motion information of a large number of sub-blocks can be encoded with a small amount of code.
  • the sub-block prediction parameter derivation unit 3037 performs at least one of a spatio-temporal sub-block prediction unit 30371, an affine prediction unit 30372, and a matching motion derivation unit 30373 that perform sub-block prediction in the sub-block prediction mode. Prepare.
  • Subblock prediction mode flag a method for deriving a sub-block prediction mode flag subPbMotionFlag indicating whether or not a prediction mode of a certain PU is a sub-block prediction mode in the image encoding device 11 (details will be described later) will be described.
  • the image encoding device 11 derives a sub-block prediction mode flag subPbMotionFlag based on which of later-described spatial sub-block prediction SSUB, temporal sub-block prediction TSUB, affine prediction AFFINE, and matching motion derivation MAT is used. For example, when the prediction mode selected by a certain PU is N (for example, N is a label indicating the selected merge candidate), the sub-block prediction mode flag subPbMotionFlag may be derived by the following equation.
  • the above equation may be appropriately changed according to the type of sub-block prediction mode performed by the image encoding device 11. That is, when the image encoding device 11 is configured to perform spatial subblock prediction SSUB and affine prediction AFFINE, the subblock prediction mode flag subPbMotionFlag may be derived as follows.
  • the subPbMotionFlag may be set to 1.
  • the sub-block prediction mode subPbMotionFlag may be derived as follows.
  • means that subPbMotionFlag may be derived by a sum operation (OR) with another condition. That is, subPbMotionFlag may be derived by the sum operation of determination of prediction mode N and small PU size determination as follows (the same applies hereinafter).
  • CU size is 8x8
  • the division type is NxN
  • subPbMotionFlag may be derived as follows.
  • a case where the PU width or height is 4 may be included as a case of determining sub-block prediction. That is, the sub-block prediction mode flag subPbMotionFlag may be derived as follows.
  • the sub-block prediction parameter deriving unit 3037 of the image decoding device 31 derives a sub-block prediction mode from the subPbMotionFlag by a method reverse to that described above.
  • the spatio-temporal sub-block prediction unit 30371 calculates the target PU from the motion vector of the PU on the reference image temporally adjacent to the target PU (for example, the immediately preceding picture) or the motion vector of the PU spatially adjacent to the target PU.
  • the motion vector of the sub-block obtained by dividing is derived.
  • (xPb, yPb) is the upper left coordinate of the target PU
  • nPbW, nPbH are the size of the target PU
  • nSbW, nSbH are the sizes of the sub-blocks.
  • the above-described temporal sub-block prediction candidate TSUB and spatial sub-block prediction candidate SSUB are selected as one mode (merge candidate) of the merge mode.
  • the affine prediction unit 30372 derives the affine prediction parameters of the target PU.
  • motion vectors (mv0_x, mv0_y) (mv1_x, mv1_y) of two control points (V0, V1) of the target PU are derived as affine prediction parameters.
  • the motion vector of each control point may be derived by prediction from the motion vector of the adjacent PU of the target PU, and further, the prediction vector and the encoded data derived as the motion vector of the control point
  • the motion vector of each control point may be derived from the sum of the difference vectors derived from.
  • FIG. 13 shows an example of deriving the motion vector spMvLX of each sub-block constituting the target PU (nPbW ⁇ nPbH) from the motion vector (mv0_x, mv0_y) of the control point V0 and the motion vector (mv1_x, mv1_y) of V1.
  • the motion vector spMvLX of each subblock is derived as a motion vector for each point located at the center of each subblock, as shown in FIG.
  • xPb and yPb are the upper left coordinates of the target PU
  • nPbW and nPbH are the width and height of the target PU
  • nSbW and nSbH are the width and height of the sub-block.
  • the matching motion deriving unit 30373 derives a motion vector spMvLX of the sub-blocks constituting the PU by performing either bilateral matching or template matching.
  • FIG. 14 is a diagram for explaining (a) bilateral matching and (b) template matching.
  • the matching motion derivation mode is selected as one merge candidate (matching candidate) in the merge mode.
  • the matching motion deriving unit 30373 derives a motion vector by matching regions in a plurality of reference images, assuming that the object moves at a constant velocity.
  • bilateral matching it is assumed that a certain object passes through a certain region of the reference image A, a target PU of the target picture Cur_Pic, and a certain region of the reference image B with constant velocity motion, and matching between the reference images A and B To derive the motion vector of the target PU.
  • a motion vector is derived by matching the adjacent region Temp_Cur of the target PU with the adjacent region Temp_L0 of the reference block on the reference picture.
  • (MV0_x, MV0_y) is determined so that the matching cost between Block_A and Block_B is minimized.
  • the (MV0_x, MV0_y) derived in this way is a motion vector assigned to the sub-block.
  • (b) of FIG. 14 is a figure for demonstrating a template matching (Template
  • one reference picture is referred to at a time in order to derive a motion vector of the sub-block Cur_block in the target picture Cur_Pic. That is, processing is performed for each reference picture.
  • the reference block Block_A having the upper left coordinates (xPos, yPos) specified by is specified.
  • (xCur, yCur) is the upper left coordinate of the sub-block Cur_block.
  • a template region Temp_Cur adjacent to the sub-block Cur_block in the target picture Cur_Pic and a template region Temp_L0 adjacent to the Block_A in the reference picture A are set.
  • the template region Temp_Cur is composed of a region adjacent to the upper side of the sub-block Cur_block and a region adjacent to the left side of the sub-block Cur_block.
  • the template area Temp_L0 is composed of an area adjacent to the upper side of Block_A and an area adjacent to the left side of Block_A.
  • the matching motion deriving unit 30373 may perform the same processing as the reference image Ref0 on the reference image Ref1 different from the reference image Ref0.
  • the reference block Block_A having the upper left coordinates (xPos, yPos) specified by is specified.
  • a template area Temp_L1 adjacent to Block_A in the reference picture A is set.
  • (MV1_x, MV1_y) that minimizes the matching cost between Temp_Cur and TempL1 is determined, and (MV1_x, MV1_y) becomes the motion vector spMvL1 assigned to the sub-block.
  • the matching motion derivation unit 30373 may process the two reference images Ref0 and Ref1 in the template matching. In this case, the matching motion deriving unit 30373 sequentially performs the matching of one reference image Ref0 and the matching of one reference image Ref1 described above.
  • FIG. 7 is a schematic diagram illustrating the configuration of the merge prediction parameter deriving unit 3036 according to the present embodiment.
  • the merge prediction parameter derivation unit 3036 includes a merge candidate derivation unit 30361, a merge candidate selection unit 30362, and a merge candidate storage unit 30363.
  • the merge candidate storage unit 30363 stores the merge candidates input from the merge candidate derivation unit 30361.
  • the merge candidate includes a prediction list use flag predFlagLX, a motion vector mvLX, and a reference picture index refIdxLX.
  • an index is assigned to the stored merge candidate according to a predetermined rule.
  • the merge candidate derivation unit 30361 derives a merge candidate using the motion vector of the adjacent PU that has already been decoded and the reference picture index refIdxLX as they are.
  • merge candidates may be derived using affine prediction. This method is described in detail below.
  • the merge candidate derivation unit 30361 may use affine prediction for a spatial merge candidate derivation process, a temporal merge candidate derivation process, a combined merge candidate derivation process, and a zero merge candidate derivation process described later. Affine prediction is performed in units of sub-blocks, and prediction parameters are stored in the prediction parameter memory 307 for each sub-block. Alternatively, the affine prediction may be performed on a pixel basis.
  • the merge candidate derivation unit 30361 reads and reads the prediction parameters (prediction list use flag predFlagLX, motion vector mvLX, reference picture index refIdxLX) stored in the prediction parameter memory 307 according to a predetermined rule.
  • the predicted parameters are derived as merge candidates.
  • the prediction parameter to be read is a prediction parameter related to each of the PUs within a predetermined range from the decoding target PU (for example, all or part of the PUs in contact with the lower left end, the upper left end, and the upper right end of the decoding target PU, respectively). is there.
  • the merge candidates derived by the merge candidate deriving unit 30361 are stored in the merge candidate storage unit 30363.
  • the merge candidate derivation unit 30361 reads the prediction parameter of the PU in the reference image including the lower right coordinate of the decoding target PU from the prediction parameter memory 307 and sets it as a merge candidate.
  • the reference picture designation method may be, for example, the reference picture index refIdxLX designated in the slice header, or may be designated using the smallest reference picture index refIdxLX of the PU adjacent to the decoding target PU.
  • the merge candidates derived by the merge candidate deriving unit 30361 are stored in the merge candidate storage unit 30363.
  • the merge candidate derivation unit 30361 uses two different derived merge candidate motion vectors and reference picture indexes already derived and stored in the merge candidate storage unit 30363 as the motion vectors of L0 and L1, respectively. Combined merge candidates are derived by combining them. The merge candidates derived by the merge candidate deriving unit 30361 are stored in the merge candidate storage unit 30363.
  • the merge candidate derivation unit 30361 derives a merge candidate in which the reference picture index refIdxLX is 0 and both the X component and the Y component of the motion vector mvLX are 0.
  • the merge candidates derived by the merge candidate deriving unit 30361 are stored in the merge candidate storage unit 30363.
  • the merge candidate selection unit 30362 selects, from the merge candidates stored in the merge candidate storage unit 30363, a merge candidate to which an index corresponding to the merge index merge_idx input from the inter prediction parameter decoding control unit 3031 is assigned. As an inter prediction parameter.
  • the merge candidate selection unit 30362 stores the selected merge candidate in the prediction parameter memory 307 and outputs it to the prediction image generation unit 308.
  • FIG. 8 is a schematic diagram showing the configuration of the AMVP prediction parameter derivation unit 3032 according to this embodiment.
  • the AMVP prediction parameter derivation unit 3032 includes a vector candidate derivation unit 3033, a vector candidate selection unit 3034, and a vector candidate storage unit 3039.
  • the vector candidate derivation unit 3033 reads the already processed PU motion vector mvLX stored in the prediction parameter memory 307 based on the reference picture index refIdx, derives a prediction vector candidate, and sends the prediction vector candidate to the vector candidate storage unit 3039. Store in candidate list mvpListLX [].
  • the vector candidate selection unit 3034 selects the motion vector mvpListLX [mvp_LX_idx] indicated by the prediction vector index mvp_LX_idx from the prediction vector candidates in the prediction vector candidate list mvpListLX [] as the prediction vector mvpLX.
  • the vector candidate selection unit 3034 outputs the selected prediction vector mvpLX to the addition unit 3035.
  • a prediction vector candidate is a PU for which decoding processing has been completed, and is derived by scaling a motion vector of a PU (for example, an adjacent PU) within a predetermined range from the decoding target PU.
  • the adjacent PU includes a PU that is spatially adjacent to the decoding target PU, for example, the left PU and the upper PU, and an area that is temporally adjacent to the decoding target PU, for example, the same position as the decoding target PU. It includes areas obtained from prediction parameters of PUs with different times.
  • the addition unit 3035 adds the prediction vector mvpLX input from the AMVP prediction parameter derivation unit 3032 and the difference vector mvdLX input from the inter prediction parameter decoding control unit 3031 to calculate a motion vector mvLX.
  • the adding unit 3035 outputs the calculated motion vector mvLX to the predicted image generation unit 308 and the prediction parameter memory 307.
  • the motion vector derived by the merge prediction parameter deriving unit 3036 or the motion vector derived by the matching motion deriving unit 30373 is not directly output to the inter-predicted image generation unit 309 but is output via the BTM processing unit 3038. May be.
  • the BTM processing unit 3038 uses the predicted image generated using the motion vector derived by the merge prediction parameter deriving unit 3036 or the matching motion deriving unit 30373 as a template, and executes bilateral template matching (BTM) processing.
  • BTM bilateral template matching
  • a highly accurate motion vector is derived. Details of the BTM processing will be described later.
  • BTM is also called Decoder-side motion vector refinement (DMVR).
  • FIG. 11 is a schematic diagram illustrating a configuration of an inter predicted image generation unit 309 included in the predicted image generation unit 308 according to the present embodiment.
  • the inter prediction image generation unit 309 includes a motion compensation unit (prediction image generation device) 3091 and a weight prediction unit 3094.
  • the motion compensation unit 3091 receives the reference picture index refIdxLX from the reference picture memory 306 based on the inter prediction parameters (prediction list use flag predFlagLX, reference picture index refIdxLX, motion vector mvLX) input from the inter prediction parameter decoding unit 303.
  • an interpolation image motion compensated image, predicted image candidate
  • predSamplesLX is generated by reading out a block at a position shifted by the motion vector mvLX starting from the position of the decoding target PU.
  • a motion compensation image is generated by applying a filter for generating a pixel at a decimal position called a motion compensation filter.
  • the weight prediction unit 3094 generates a predicted image of the PU by multiplying the input motion compensated image (interpolated image, predicted image candidate) predSamplesLX by a weight coefficient.
  • the input motion compensated image predSamplesLX (LX is L0 or L1) is represented by the number of pixel bits bitDepth The following equation is processed to match
  • predSamples [x] [y] Clip3 (0, (1 ⁇ bitDepth)-1, (predSamplesLX [x] [y] + offset1) >> shift1)
  • shift1 14 ⁇ bitDepth
  • offset1 1 ⁇ (shift1-1).
  • predSamples [x] [y] Clip3 (0, (1 ⁇ bitDepth)-1, (predSamplesL0 [x] [y] + predSamplesL1 [x] [y] + offset2) >> shift2)
  • shift2 15-bitDepth
  • offset2 1 ⁇ (shift2-1).
  • the weight prediction unit 3094 when performing weight prediction, derives the weight prediction coefficient w0 and the offset o0 from the encoded data, and performs the processing of the following equation.
  • predSamples [x] [y] Clip3 (0, (1 ⁇ bitDepth)-1, ((predSamplesLX [x] [y] * w0 + 2 ⁇ (log2WD-1)) >> log2WD) + o0)
  • log2WD is a variable indicating a predetermined shift amount.
  • the weight prediction unit 3094 when performing weight prediction, derives weight prediction coefficients w0, w1, o0, o1 from the encoded data, and performs the processing of the following equation.
  • predSamples [x] [y] Clip3 (0, (1 ⁇ bitDepth)-1, (predSamplesL0 [x] [y] * w0 + predSamplesL1 [x] [y] * w1 + ((o0 + o1 + 1) ⁇ log2WD)) >> (log2WD + 1)) ⁇ Motion vector decoding process> Below, with reference to FIG. 9, the motion vector decoding process which concerns on this embodiment is demonstrated concretely.
  • the motion vector decoding process includes a process of decoding syntax elements related to inter prediction (also referred to as motion syntax decoding process) and a process of deriving a motion vector ( Motion vector derivation process).
  • FIG. 9 is a flowchart illustrating a flow of inter prediction syntax decoding processing performed by the inter prediction parameter decoding control unit 3031. In the following description of FIG. 9, each process is performed by the inter prediction parameter decoding control unit 3031 unless otherwise specified.
  • merge_flag! 0 is true (Y in S102)
  • merge index merge_idx is decoded in S103, and the motion vector derivation process (S111) in the merge mode is executed.
  • inter_pred_idc is other than PRED_L1 (PRED_L0 or PRED_BI)
  • the reference picture index refIdxL0, the difference vector parameter mvdL0, and the prediction vector index mvp_L0_idx are decoded in S105, S106, and S107, respectively.
  • inter_pred_idc is other than PRED_L0 (PRED_L1 or PRED_BI)
  • the reference picture index refIdxL1 is decoded in S108, S109, and S110.
  • a motion vector derivation process (S112) in the AMVP mode is executed.
  • FIG. 15 is a flowchart showing an outline of the motion prediction mode determination flow.
  • the motion prediction mode determination flow is executed by the inter prediction parameter decoding unit 303.
  • the motion prediction mode is a mode for determining a method for deriving a motion vector used for motion compensation prediction.
  • TM template matching
  • the BTM processing unit 3038 determines whether or not to perform bilateral template matching (BTM) processing (S1413), and determines that BTM processing is performed (YES in S1413). , BTM processing is executed (S1414).
  • BTM bilateral template matching
  • Whether or not to perform BTM processing is determined to perform BTM processing if a motion vector is derived by bi-directional prediction in the merge mode, and is determined not to perform BTM processing unless bi-directional prediction is performed. .
  • the BTM process is not performed even in bidirectional prediction.
  • FIG. 16A is a diagram showing a relationship between a reference image and a template in BTM processing
  • FIG. 16B is a diagram showing a processing flow
  • FIG. 17 is a diagram for explaining the details of the template in the BTM processing.
  • the BTM processing unit 3038 first generates a prediction block of the target block Cur ⁇ ⁇ ⁇ ⁇ block from a plurality of reference images Ref0 and Ref1 derived by the merge prediction parameter deriving unit 3036. This is used as a template.
  • the processing is the same as the processing of the weight prediction unit 3094, the motion compensated image predSamplesL0 [] [] derived from the reference image Ref0 and the motion vector mvL0, and the motion derived from the reference image Ref1 and the motion vector mvL1.
  • the weight prediction image predSamples [] [] derived from the compensation image predSamplesL1 [] [] is defined as a template predBTM [] [].
  • predBTM [x] [y] Clip3 (0, (1 ⁇ bitDepth)-1, (predSamplesL0 [x] [y] + predSamplesL1 [x] [y] + offset2) >> shift2)
  • the coefficients of predSamplesL0 [x] [y] and predSamplesL1 [x] [y] are 1. That is, it can be said that the template predBTM [x] [y] is derived from the average value of predSamplesL0 [x] [y] and predSamplesL1 [x] [y].
  • the BTM processing unit 3038 sets motion vector candidates in a range centered on mvL0 or mvL1 (initial vector) for each of the reference image Ref0 and the reference image Ref1, Deriving the matching cost with the template. Then, the motion vectors mvL0 and mvL1 are updated to the vectors mvL0 ′ and mvL1 ′ that minimize the matching cost.
  • the BTM processing unit 3038 first derives a template (S501).
  • the template is a prediction block derived from a plurality of motion vectors (for example, mvL0 and mvL1) derived by the merge prediction parameter deriving unit 3036.
  • the BTM processing unit 3038 performs a local search (S502).
  • the local search is performed in the order of the L0 search process (S503) for the reference image Ref0 and the L1 search process (S504) for the reference image Ref1.
  • an optimum vector bestMV that minimizes the matching cost is searched.
  • the matching cost for the optimal vector the matching cost for the reference image Ref0 is called costL0, and the matching cost for the reference image Ref1 is called costL1.
  • the matching cost for the reference image RefX is also expressed as costLX.
  • the inter prediction image generation unit 309 obtains the motion compensated image predSamplesL0 [x] [y] derived using the motion vector mvL0 obtained from the L0 search processing by the BTM processing unit 3038 and the L1 search processing by the BTM processing unit 3038.
  • the final predicted image predSamples [x] [y] is derived from the motion compensated image predSamplesL1 [x] [y] derived using the motion vector mvL1 obtained.
  • the method described above may be used. The method described may be used.
  • FIG. 18A and 18B are diagrams showing an outline of template matching.
  • the L0 matching process (S801) related to the reference image Ref0 and the L1 matching process (S802) related to the reference image Ref1 are sequentially performed.
  • a block search (S811, S821) and a sub-block search (S812, S822) are performed.
  • the matching motion derivation unit 30373 searches for the optimum vector bestMV that minimizes the matching cost.
  • costL0 the matching cost for the reference image Ref0 when it is an optimal vector
  • costL1 the matching cost for the reference image Ref1
  • the motion vector correction or derivation in the reference image RefX is called “LX search processing” and TM is “LX matching processing”, but both use a template for the reference image RefX. Matching process. That is, except for the fact that the matching area (template) and the initial vector are different between BTM and TM, these are almost the same processing.
  • the inter prediction image generation unit 309 performs the motion compensated image predSamplesL0 [x] [y] based on the motion vector mvL0 obtained from the L0 matching process and the motion compensated image predSamplesL1 based on the motion vector mvL1 obtained from the L1 matching process.
  • the final predicted image predSamples [x] [y] is derived from [x] [y].
  • the method described above may be used. The method described may be used.
  • FIG. 19B In bilateral matching, L0 / L1 matching processing (S901) is performed. In the L0 / L1 matching process, a block search (S911) and a sub-block search (S912) are performed.
  • FIG. 20 is a flowchart showing the flow of motion vector derivation processing in the matching motion derivation mode (template matching, bilateral matching).
  • FIG. 21 is a diagram for explaining motion vector derivation processing in the matching motion derivation mode.
  • steps S1051 to S1054 are block searches executed at the block level. That is, as shown in (a) of FIG. 21, a motion vector in a target block (CU or PU) unit is derived.
  • steps S1055 to S1060 are a sub-block search executed at the sub-block level. That is, as shown in (b) of FIG. 21, a motion vector is derived in units of subblocks constituting the target block. Note that the size of the sub-block is 1/8 both vertically and horizontally with respect to the target block. However, the minimum size of the sub-block is 4 ⁇ 4 pixels.
  • FRUC_MODE is a variable indicating the type of matching motion derivation mode, and corresponds to the fruc_mode_idx already described.
  • the process proceeds to step S1053.
  • step S1053 a block-level initial vector in the target block is derived (initial vector search).
  • the initial vector is a motion vector that serves as a base for the search.
  • a limited motion vector candidate spatial merge candidate, temporal merge candidate, combined merge candidate, zero vector, ATMVP vector of the target block, etc.
  • the vector that minimizes is derived as the initial vector.
  • the initial vector candidate is a motion vector derived based on the motion vector of the processed reference point.
  • the ATMVP vector is a vector derived from the average (or weighted average, median) of the motion vector around the target block and the motion vector of the reference image.
  • the initial vector search does not include a step search that repeats the search recursively according to the searched result and a raster search that searches a continuous region. These searches are called local searches.
  • step S1054 a block level local search (local search) in the target block is performed.
  • a local region centered on the initial vector derived in step S1051 is further searched to search for a vector having a minimum matching cost, and set as a final vector.
  • the local search may be a step search, raster search, or spiral search. Details of the local search will be described later.
  • an initial vector of a sub-block in the target block is derived (initial vector search).
  • vector candidates target block selection vector, zero vector, center collocation vector of the subblock, lower right collocation vector of the subblock, ATMVP vector of the subblock, upper adjacent vector of the subblock, the sub
  • the vector having the smallest matching cost among the left adjacent vectors of the block is set as the initial vector of the sub-block.
  • the vector candidates used for the initial vector search of the sub-block are not limited to the vectors described above.
  • step S1059 a local search centering on the initial vector of the sub-block selected in S1058 is performed. Then, the matching cost of vector candidates near the initial vector of the sub-block is derived, and the minimum vector is derived as the sub-block motion vector.
  • FIG. 4 is a block diagram illustrating a configuration of the image encoding device 11 according to the present embodiment.
  • the image encoding device 11 includes a predicted image generation unit 101, a subtraction unit 102, a transform / quantization unit 103, an entropy encoding unit 104, an inverse quantization / inverse transform unit 105, an addition unit 106, a loop filter 107, and a prediction parameter memory.
  • the prediction parameter encoding unit 111 includes an inter prediction parameter encoding unit 112 and an intra prediction parameter encoding unit 113.
  • the predicted image generation unit 101 generates, for each picture of the image T, a predicted image P of the prediction unit PU for each encoding unit CU that is an area obtained by dividing the picture.
  • the predicted image generation unit 101 reads a decoded block from the reference picture memory 109 based on the prediction parameter input from the prediction parameter encoding unit 111.
  • the prediction parameter input from the prediction parameter encoding unit 111 is, for example, a motion vector in the case of inter prediction.
  • the predicted image generation unit 101 reads a block at a position on the reference image indicated by the motion vector with the target PU as a starting point.
  • the prediction parameter is, for example, an intra prediction mode.
  • a pixel value of an adjacent PU used in the intra prediction mode is read from the reference picture memory 109, and a predicted image P of the PU is generated.
  • the predicted image generation unit 101 generates a predicted image P of the PU using one prediction method among a plurality of prediction methods for the read reference picture block.
  • the predicted image generation unit 101 outputs the generated predicted image P of the PU to the subtraction unit 102.
  • FIG. 6 is a schematic diagram illustrating a configuration of an inter predicted image generation unit 1011 included in the predicted image generation unit 101.
  • the inter prediction image generation unit 1011 includes a motion compensation unit 10111 and a weight prediction unit 10112. Since the motion compensation unit 10111 and the weight prediction unit 10112 have the same configurations as the motion compensation unit 3091 and the weight prediction unit 3094 described above, description thereof is omitted here. Further, the configuration of the inter predicted image generation unit 1011 may include the same configuration as the inter predicted image generation unit 309 described in the second and third embodiments described later. In this case, the configuration of the inter prediction parameter encoding unit 112 may include the same configuration as that of the inter prediction parameter decoding unit 303.
  • the prediction image generation unit 101 generates a prediction image P of the PU based on the pixel value of the reference block read from the reference picture memory, using the parameter input from the prediction parameter encoding unit.
  • the predicted image generated by the predicted image generation unit 101 is output to the subtraction unit 102 and the addition unit 106.
  • the subtraction unit 102 subtracts the signal value of the predicted image P of the PU input from the predicted image generation unit 101 from the pixel value of the corresponding PU of the image T, and generates a residual signal.
  • the subtraction unit 102 outputs the generated residual signal to the transform / quantization unit 103.
  • the transformation / quantization unit 103 performs transformation on the residual signal input from the subtraction unit 102 and calculates a transformation coefficient.
  • the transform / quantization unit 103 quantizes the calculated transform coefficient to obtain a quantized coefficient.
  • the transform / quantization unit 103 outputs the obtained quantization coefficient to the entropy coding unit 104 and the inverse quantization / inverse transform unit 105.
  • the entropy encoding unit 104 receives the quantization coefficient from the transform / quantization unit 103 and receives the encoding parameter from the prediction parameter encoding unit 111.
  • Examples of input encoding parameters include codes such as a reference picture index refIdxLX, a prediction vector index mvp_LX_idx, a difference vector mvdLX, a prediction mode predMode, and a merge index merge_idx.
  • the entropy encoding unit 104 generates an encoded stream Te by entropy encoding the input quantization coefficient and encoding parameter, and outputs the generated encoded stream Te to the outside.
  • the inverse quantization / inverse transform unit 105 inversely quantizes the quantization coefficient input from the transform / quantization unit 103 to obtain a transform coefficient.
  • the inverse quantization / inverse transform unit 105 performs inverse transform on the obtained transform coefficient to calculate a residual signal.
  • the inverse quantization / inverse transform unit 105 outputs the calculated residual signal to the addition unit 106.
  • the addition unit 106 adds the signal value of the prediction image P of the PU input from the prediction image generation unit 101 and the signal value of the residual signal input from the inverse quantization / inverse conversion unit 105 for each pixel, and performs decoding. Generate an image.
  • the adding unit 106 stores the generated decoded image in the reference picture memory 109.
  • the loop filter 107 performs a deblocking filter, a sample adaptive offset (SAO), and an adaptive loop filter (ALF) on the decoded image generated by the adding unit 106.
  • SAO sample adaptive offset
  • ALF adaptive loop filter
  • the prediction parameter memory 108 stores the prediction parameter generated by the encoding parameter determination unit 110 at a predetermined position for each encoding target picture and CU.
  • the reference picture memory 109 stores the decoded image generated by the loop filter 107 at a predetermined position for each picture to be encoded and each CU.
  • the encoding parameter determination unit 110 selects one set from among a plurality of sets of encoding parameters.
  • the encoding parameter is a parameter to be encoded that is generated in association with the above-described prediction parameter or the prediction parameter.
  • the predicted image generation unit 101 generates a predicted image P of the PU using each of these encoding parameter sets.
  • the encoding parameter determination unit 110 calculates a cost value indicating the amount of information and the encoding error for each of a plurality of sets.
  • the cost value is, for example, the sum of a code amount and a square error multiplied by a coefficient ⁇ .
  • the code amount is the information amount of the encoded stream Te obtained by entropy encoding the quantization error and the encoding parameter.
  • the square error is the sum between pixels regarding the square value of the residual value of the residual signal calculated by the subtracting unit 102.
  • the coefficient ⁇ is a real number larger than a preset zero.
  • the encoding parameter determination unit 110 selects a set of encoding parameters that minimizes the calculated cost value.
  • the entropy encoding unit 104 outputs the selected set of encoding parameters to the outside as the encoded stream Te, and does not output the set of unselected encoding parameters.
  • the encoding parameter determination unit 110 stores the determined encoding parameter in the prediction parameter memory 108.
  • the prediction parameter encoding unit 111 derives a format for encoding from the parameters input from the encoding parameter determination unit 110 and outputs the format to the entropy encoding unit 104. Deriving the format for encoding is, for example, deriving a difference vector from a motion vector and a prediction vector. Also, the prediction parameter encoding unit 111 derives parameters necessary for generating a prediction image from the parameters input from the encoding parameter determination unit 110 and outputs the parameters to the prediction image generation unit 101.
  • the parameter necessary for generating the predicted image is, for example, a motion vector in units of sub-blocks.
  • the inter prediction parameter encoding unit 112 derives an inter prediction parameter such as a difference vector based on the prediction parameter input from the encoding parameter determination unit 110.
  • the inter prediction parameter encoding unit 112 derives parameters necessary for generating a prediction image to be output to the prediction image generating unit 101, and an inter prediction parameter decoding unit 303 (see FIG. 5 and the like) derives inter prediction parameters.
  • Some of the configurations are the same as the configuration to be performed. The configuration of the inter prediction parameter encoding unit 112 will be described later.
  • the intra prediction parameter encoding unit 113 derives a format (for example, MPM_idx, rem_intra_luma_pred_mode) for encoding from the intra prediction mode IntraPredMode input from the encoding parameter determination unit 110.
  • a format for example, MPM_idx, rem_intra_luma_pred_mode
  • the inter prediction parameter encoding unit 112 is a unit corresponding to the inter prediction parameter decoding unit 303 in FIG. 12, and the configuration is shown in FIG.
  • the inter prediction parameter encoding unit 112 includes an inter prediction parameter encoding control unit 1121, an AMVP prediction parameter derivation unit 1122, a subtraction unit 1123, a sub-block prediction parameter derivation unit 1125, and a partition mode derivation unit and a merge flag derivation unit (not shown).
  • An inter prediction identifier deriving unit, a reference picture index deriving unit, a vector difference deriving unit, etc., and a split mode deriving unit, a merge flag deriving unit, an inter prediction identifier deriving unit, a reference picture index deriving unit, and a vector difference deriving unit Respectively derive a PU partition mode part_mode, a merge flag merge_flag, an inter prediction identifier inter_pred_idc, a reference picture index refIdxLX, and a difference vector mvdLX.
  • the inter prediction parameter encoding unit 112 outputs the motion vector (mvLX, subMvLX), the reference picture index refIdxLX, the PU partition mode part_mode, the inter prediction identifier inter_pred_idc, or information indicating these to the prediction image generating unit 101. Also, the inter prediction parameter encoding unit 112 entropy PU partition mode part_mode, merge flag merge_flag, merge index merge_idx, inter prediction identifier inter_pred_idc, reference picture index refIdxLX, prediction vector index mvp_LX_idx, difference vector mvdLX, sub-block prediction mode flag subPbMotionFlag. The data is output to the encoding unit 104.
  • the inter prediction parameter encoding control unit 1121 includes a merge index deriving unit 11211 and a vector candidate index deriving unit 11212.
  • the merge index derivation unit 11211 compares the motion vector and reference picture index input from the encoding parameter determination unit 110 with the motion vector and reference picture index of the merge candidate PU read from the prediction parameter memory 108, and performs merge An index merge_idx is derived and output to the entropy encoding unit 104.
  • a merge candidate is a reference PU (for example, a reference PU that touches the lower left end, upper left end, and upper right end of the encoding target block) within a predetermined range from the encoding target CU to be encoded.
  • the PU has been processed.
  • the vector candidate index deriving unit 11212 derives a prediction vector index mvp_LX_idx.
  • the sub-block prediction parameter derivation unit 1125 When the encoding parameter determination unit 110 determines to use the sub-block prediction mode, the sub-block prediction parameter derivation unit 1125 performs spatial sub-block prediction, temporal sub-block prediction, affine prediction, and matching motion derivation according to the value of subPbMotionFlag.
  • a motion vector and a reference picture index for any sub-block prediction are derived. As described in the description of the image decoding apparatus, the motion vector and the reference picture index are derived by reading out the motion vector and the reference picture index such as the adjacent PU and the reference picture block from the prediction parameter memory 108.
  • the AMVP prediction parameter derivation unit 1122 has the same configuration as the AMVP prediction parameter derivation unit 3032 (see FIG. 12).
  • the motion vector mvLX is input from the encoding parameter determination unit 110 to the AMVP prediction parameter derivation unit 1122.
  • the AMVP prediction parameter derivation unit 1122 derives a prediction vector mvpLX based on the input motion vector mvLX.
  • the AMVP prediction parameter derivation unit 1122 outputs the derived prediction vector mvpLX to the subtraction unit 1123. Note that the reference picture index refIdx and the prediction vector index mvp_LX_idx are output to the entropy encoding unit 104.
  • the subtraction unit 1123 subtracts the prediction vector mvpLX input from the AMVP prediction parameter derivation unit 1122 from the motion vector mvLX input from the coding parameter determination unit 110 to generate a difference vector mvdLX.
  • the difference vector mvdLX is output to the entropy encoding unit 104.
  • a part of the image encoding device 11 and the image decoding device 31 in the above-described embodiment for example, the entropy decoding unit 301, the prediction parameter decoding unit 302, the loop filter 305, the predicted image generation unit 308, the inverse quantization / inverse transformation.
  • the prediction parameter encoding unit 111 may be realized by a computer.
  • the program for realizing the control function may be recorded on a computer-readable recording medium, and the program recorded on the recording medium may be read by a computer system and executed.
  • the “computer system” is a computer system built in either the image encoding device 11 or the image decoding device 31 and includes hardware such as an OS and peripheral devices.
  • the “computer-readable recording medium” refers to a storage device such as a portable medium such as a flexible disk, a magneto-optical disk, a ROM, a CD-ROM, or a hard disk built in a computer system.
  • the “computer-readable recording medium” is a medium that dynamically holds a program for a short time, such as a communication line when transmitting a program via a network such as the Internet or a communication line such as a telephone line,
  • a volatile memory inside a computer system serving as a server or a client may be included and a program that holds a program for a certain period of time.
  • the program may be a program for realizing a part of the functions described above, and may be a program capable of realizing the functions described above in combination with a program already recorded in a computer system.
  • Template matching for deriving a motion vector by matching a surrounding template of a target block with a motion compensated image derived from a reference image.
  • BM Bilateral matching
  • BTM Bilateral template matching
  • TM when the matching motion deriving unit 30373 selects an optimal motion vector candidate, matching between a template and a motion compensated image derived from the reference image (Ref0, Ref1) is performed. Cost (costL0, costL1) is calculated. Similarly for the BTM, the BTM processing unit 3038 derives a matching cost (costL0, costL1) between the template and the motion compensated image derived from the reference images (Ref0, Ref1). The matching cost is a cost corresponding to the goodness of matching (error amount, difference). In BM, the matching cost for each of the motion compensated images derived from the two reference images is not derived.
  • the matching motion deriving unit 30373 derives costL0 and costL1 by the following expressions.
  • costL0
  • on template image [x] [y] -Ref0 costL1
  • is an operation that takes the sum of x and y in the above range.
  • the sum of the costs in each template may be used as the matching cost (costL0 of the reference image Ref0 of the motion compensated image predSamplesL0 [x] [y]) , CostL1 of the reference image Ref1 of the motion compensated image predSamplesL1 [x] [y]).
  • the template image and the motion compensated images Ref0 and Ref1 may be stored once in a one-dimensional temporal buffer and then compared. In this case, the above summation is performed not on the subscripts x and y but on a one-dimensional buffer position (for example, i).
  • costL0 and costL1 are derived in BTM. Since the BTM template image is predBTM [] [] described above, the BTM processing unit 3038 derives costL0 and costL1 according to the following equations.
  • costL0
  • on template image predBTM [x] [y] -Ref0 costL1
  • is an operation that takes the sum of x and y in the above range.
  • square error sum SSD (Sum of Square Differenec) or SATD (Sum of Absolute Transformed Differences) may be used in addition to SAD.
  • SAD Sum of Absolute Difference
  • SATD Sud of Absolute Transformed Differences
  • costLX
  • ) w is a predetermined constant.
  • w 4 is appropriate, but another value may be used.
  • the weight prediction unit 3094 converts the weight prediction image predSamples [x] [y], the motion compensation image predSamplesL0 [x] [y], and the motion compensation image predSamplesL1 [ Derived from the average value of x] [y].
  • the weight prediction unit 3094 derives a weight prediction image without considering the matching cost of each motion compensation image.
  • the weight prediction unit 3094 derives weight prediction images predSamples [x] [y] in TM and BTM in consideration of the matching cost of each motion compensation image.
  • the weight prediction unit 3094 can derive weight prediction images predSamples [x] [y] with high accuracy reflecting the matching cost of each motion compensation image.
  • the BTM processing unit (matching processing unit) 3038 and the matching motion derivation unit (matching processing unit) 30373 perform matching processing using bilateral template matching (BTM) or template matching (TM), and A difference (matching cost) between a predicted image candidate (motion compensation image and interpolation image) derived from a reference picture and a template is derived.
  • the weight prediction unit 3094 derives a predicted image from a plurality of predicted image candidates predicted for each reference picture.
  • the weight prediction unit 3094 sets a weighting coefficient (weight) for each prediction image candidate according to the difference between the template and the prediction image candidate, and derives the prediction image using the weighted prediction image candidate. To do.
  • the matching cost of the predicted image candidate derived in bilateral template matching or template matching can be effectively used for deriving the predicted image.
  • FIG. 22 is a block diagram illustrating an example of a main configuration of the inter predicted image generation unit 309 according to the present embodiment.
  • the inter predicted image generation unit 309 includes a motion compensation unit 3091 and a weight prediction unit 3094. Since the motion compensation unit 3091 has the same configuration as that described in the first embodiment, detailed description thereof is omitted here.
  • the weight prediction unit 3094 receives the matching cost (costL0, costL1) derived in the BTM from the BTM processing unit 3038.
  • the weight prediction unit 3094 weights the motion compensated images (predSamplesL0 [x] [y], predSamplesL1 [x] [y]) according to the matching costs (costL0, costL1).
  • the weight prediction unit 3094 derives the weight prediction image predSamples [x] [y] using the weighted motion compensation images (predSamplesL0 [x] [y], predSamplesL1 [x] [y]).
  • Weight derivation example and prediction image generation Here, an example of the weight (weight) derived by the weight prediction unit 3094 will be described.
  • the weight prediction unit 3094 compares costL0 and costL1.
  • the weight prediction unit 3094 uses the weight w0 of predSamplesL0 [x] [y] from the weight w1 of predSamplesL1 [x] [y] Also make it bigger.
  • the weight prediction unit 3094 uses the weight w1 of predSamplesL1 [x] [y] as the weight of predSamplesL0 [x] [y]. Make it larger than w0.
  • the weight prediction unit 3094 sets a larger value of the weighting coefficient to the motion compensation image having a smaller difference from the template than the motion compensation image having a larger difference (matching cost) from the template.
  • the predicted image generation device can derive a predicted image with high accuracy.
  • the weight prediction unit 3094 sets the weight w1 of predSamplesL1 [x] [y] and the weight w0 of predSamplesL0 [x] [y] to the same size.
  • the weight prediction unit 3094 weights the motion compensated image using the derived weight and derives the weight predicted image predSamples [X] [Y].
  • predSamples [x] [y] Clip3 (0, (1 ⁇ bitDepth)-1, (predSamplesL0 [x] [y] * w0 + predSamplesL1 [x] [y] * w1 + ((o0 + o1 + 1) ⁇ log2WD)) >> (log2WD + 1)) (Other examples of weights) Another example of the weight (weight) derived by the weight prediction unit 3094 will be described.
  • the weight prediction unit 3094 sets a weighting coefficient for the motion compensation image according to the ratio of the matching cost of the motion compensation image.
  • the inter prediction image generation unit 309 (prediction image generation device) can derive a prediction image with high accuracy.
  • the weight prediction unit 3094 derives a weight from the cost ratio between costL0 and costL1.
  • the details of the weight derivation example using the cost ratio are shown below.
  • the weight prediction unit 3094 derives a weight according to the cost ratio as shown in the following equation. For example, the weight prediction unit 3094 derives the weight so that the weight of the reference image with the smaller cost out of the costL0 of the reference image Ref0 and the costL1 of the reference image Ref1 is larger than the weight of the reference image with the larger cost. To do. That is, when costL0 is smaller than costL1, weights w0 and w1 are derived so that weight w0 ⁇ weight w1. For example, the ratio of costL0 to total costL0 and costL1 is used.
  • Example 2 Similar to Example 1, the weight prediction unit 3094 derives a weight according to the cost ratio as shown in the following equation. However, the division of “(costL0 / (costL0 + costL1)” in Example 1 is a table division.
  • the weight prediction unit 3094 adds a constant C to the numerator and denominator in “costL0 * InvTbl [(costL0 + costL1)]” in Example 2 rather than weight derivation according to the cost ratio. Determine the weight ratio at a moderate rate.
  • the weight prediction unit 3094 derives the ratio K between the numerator and the denominator of “costL0 * InvTbl [(costL0 + costL1)]” in Example 3, and then performs weighting by table subtraction (mapping) from K. Determine the ratio.
  • FIG. 23 is a pseudo code showing an example of a weight derivation process by the weight prediction unit 3094.
  • the weight prediction unit 3094 sets the weighting coefficient set to the motion compensation image to a constant value when the sum of the matching costs of the motion compensation image is smaller than a predetermined value.
  • the inter prediction image generation unit 309 can derive a prediction image with high accuracy.
  • the weight prediction unit 3094 may always set the weight ratio between w0 and w1 to 1: 1.
  • FIG. 24 is a block diagram illustrating an example of a main configuration of the inter predicted image generation unit 309 according to the present embodiment.
  • the inter predicted image generation unit 309 includes a motion compensation unit 3091 and a weight prediction unit 3094. Since the motion compensation unit 3091 has the same configuration as that described in the first embodiment, detailed description thereof is omitted here.
  • the weight prediction unit 3094 receives the matching cost (costL0, costL1) derived in the TM from the matching motion derivation unit 30373.
  • the weight prediction unit 3094 weights the motion compensated images (predSamplesL0 [x] [y], predSamplesL1 [x] [y]) according to the matching costs (costL0, costL1).
  • the weight prediction unit 3094 derives the weight prediction image predSamples [x] [y] using the weighted motion compensation images (predSamplesL0 [x] [y], predSamplesL1 [x] [y]) as shown in the following equation. .
  • predSamples [x] [y] (w0 * predSamplesL0 [x] [y] + w1 + predSamplesL1 [x] [y] + roundoffset) >> shift Note that the derivation example described in the above “derivation of weight prediction image using matching cost in BTM” can be applied to the weight derivation performed by the weight prediction unit 3094. Omitted.
  • the motion compensation unit 3091 performs motion compensation using Bi-directional optical flow (bi-predictive gradient change: BIO) prediction that performs motion correction by applying a gradient correction term to bi-prediction (BiPred). It has a mode to do.
  • Bi-directional optical flow bi-predictive gradient change: BIO
  • the motion compensation unit 3091 performs BIO prediction ON / OFF control according to the matching cost in BTM. For example, the motion compensation unit 3091 receives the matching cost (costL0, costL1) from the BTM processing unit 3038. The motion compensation unit 3091 controls ON / OF of BIO prediction according to the cost ratio between costL0 and costL1.
  • the BTM processing unit 3038 performs a matching process using bilateral template matching (BTM), and derives a difference (matching cost) between the motion compensated image predicted from the template in a plurality of reference pictures and the template. .
  • BTM bilateral template matching
  • the motion compensation unit 3091 performs motion compensation by bi-predictive gradient change (BIO) prediction that performs motion compensation by applying a gradient correction term to bilateral template matching (BTM).
  • BIO bi-predictive gradient change
  • BTM bilateral template matching
  • the motion compensation unit 3091 controls ON / OFF of BIO prediction according to a ratio of a difference (matching cost) between a motion compensated image predicted from a template in a plurality of reference pictures and the template.
  • the matching cost of the motion compensated image derived in the bilateral template matching can be effectively used for deriving the predicted image. Then, ON / OFF of the BIO prediction can be controlled according to the matching cost ratio of the motion compensation image.
  • FIG. 25 is a diagram illustrating an example of pseudo code indicating processing of the motion compensation unit 3091.
  • the motion compensation unit 3091 turns off BIO prediction when the cost ratio is large, and turns on BIO prediction in other cases.
  • the determination of the cost ratio may be performed, for example, by comparing costL0 and costL1 as shown in the following equation.
  • the motion compensation unit 3091 controls the BIO prediction to be OFF when the matching cost ratio is larger than a predetermined value.
  • BIO prediction is inappropriate.
  • the BIO prediction when the matching cost ratio is larger than a predetermined value, the BIO prediction can be controlled to be OFF.
  • the motion compensation unit 3091 may turn on the BIO even if the cost ratio is large.
  • the following formula may be used for determining that the cost is large, using the block width and height as blkW and blkH.
  • the motion compensation unit 3091 controls BIO prediction to be ON when the sum of matching costs is smaller than a predetermined value.
  • BIO prediction is preferred.
  • the BIO prediction when the sum of the matching costs is smaller than a predetermined value, the BIO prediction can be controlled to be ON.
  • the image coding apparatus 11 may implement
  • LSI Large Scale Integration
  • Each functional block of the image encoding device 11 and the image decoding device 31 may be individually made into a processor, or a part or all of them may be integrated into a processor.
  • the method of circuit integration is not limited to LSI, and may be realized by a dedicated circuit or a general-purpose processor. Further, in the case where an integrated circuit technology that replaces LSI appears due to progress in semiconductor technology, an integrated circuit based on the technology may be used.
  • the image encoding device 11 and the image decoding device 31 described above can be used by being mounted on various devices that perform transmission, reception, recording, and reproduction of moving images.
  • the moving image may be a natural moving image captured by a camera or the like, or an artificial moving image (including CG and GUI) generated by a computer or the like.
  • the image encoding device 11 and the image decoding device 31 described above can be used for transmission and reception of moving images.
  • FIG. 26 is a block diagram showing a configuration of a transmission device PROD_A in which the image encoding device 11 is mounted.
  • the transmission apparatus PROD_A modulates a carrier wave with an encoding unit PROD_A1 that obtains encoded data by encoding a moving image, and with the encoded data obtained by the encoding unit PROD_A1.
  • a modulation unit PROD_A2 that obtains a modulation signal and a transmission unit PROD_A3 that transmits the modulation signal obtained by the modulation unit PROD_A2 are provided.
  • the above-described image encoding device 11 is used as the encoding unit PROD_A1.
  • Transmission device PROD_A as a source of moving images to be input to the encoding unit PROD_A1, a camera PROD_A4 that captures moving images, a recording medium PROD_A5 that records moving images, an input terminal PROD_A6 for inputting moving images from the outside, and An image processing unit A7 that generates or processes an image may be further provided.
  • FIG. 26A illustrates a configuration in which the transmission apparatus PROD_A includes all of these, but some of them may be omitted.
  • the recording medium PROD_A5 may be a recording of a non-encoded moving image, or a recording of a moving image encoded by a recording encoding scheme different from the transmission encoding scheme. It may be a thing. In the latter case, a decoding unit (not shown) for decoding the encoded data read from the recording medium PROD_A5 in accordance with the recording encoding method may be interposed between the recording medium PROD_A5 and the encoding unit PROD_A1.
  • FIG. 26 is a block diagram illustrating a configuration of the receiving device PROD_B in which the image decoding device 31 is mounted.
  • the receiving device PROD_B includes a receiving unit PROD_B1 that receives a modulated signal, a demodulating unit PROD_B2 that obtains encoded data by demodulating the modulated signal received by the receiving unit PROD_B1, and a demodulator.
  • a decoding unit PROD_B3 that obtains a moving image by decoding the encoded data obtained by the unit PROD_B2.
  • the above-described image decoding device 31 is used as the decoding unit PROD_B3.
  • the receiving device PROD_B is a display destination PROD_B4 for displaying a moving image, a recording medium PROD_B5 for recording a moving image, and an output terminal for outputting the moving image to the outside as a supply destination of the moving image output by the decoding unit PROD_B3 PROD_B6 may be further provided.
  • FIG. 26B illustrates a configuration in which the reception apparatus PROD_B includes all of these, but a part of the configuration may be omitted.
  • the recording medium PROD_B5 may be used for recording a non-encoded moving image, or is encoded using a recording encoding method different from the transmission encoding method. May be. In the latter case, an encoding unit (not shown) for encoding the moving image acquired from the decoding unit PROD_B3 according to the recording encoding method may be interposed between the decoding unit PROD_B3 and the recording medium PROD_B5.
  • the transmission medium for transmitting the modulation signal may be wireless or wired.
  • the transmission mode for transmitting the modulated signal may be broadcasting (here, a transmission mode in which the transmission destination is not specified in advance) or communication (here, transmission in which the transmission destination is specified in advance). Refers to the embodiment). That is, the transmission of the modulation signal may be realized by any of wireless broadcasting, wired broadcasting, wireless communication, and wired communication.
  • a terrestrial digital broadcast broadcasting station (broadcasting equipment, etc.) / Receiving station (such as a television receiver) is an example of a transmitting device PROD_A / receiving device PROD_B that transmits and receives a modulated signal by wireless broadcasting.
  • a broadcasting station (such as broadcasting equipment) / receiving station (such as a television receiver) of cable television broadcasting is an example of a transmitting device PROD_A / receiving device PROD_B that transmits and receives a modulated signal by cable broadcasting.
  • a server workstation, etc.
  • Client television receiver, personal computer, smartphone, etc.
  • VOD Video On Demand
  • video sharing service using the Internet is a transmission device that transmits and receives modulated signals via communication.
  • PROD_A / receiving device PROD_B normally, either a wireless or wired transmission medium is used in a LAN, and a wired transmission medium is used in a WAN.
  • the personal computer includes a desktop PC, a laptop PC, and a tablet PC.
  • the smartphone also includes a multi-function mobile phone terminal.
  • the video sharing service client has a function of encoding a moving image captured by the camera and uploading it to the server. That is, the client of the video sharing service functions as both the transmission device PROD_A and the reception device PROD_B.
  • FIG. 27A is a block diagram showing a configuration of a recording apparatus PROD_C in which the above-described image encoding device 11 is mounted.
  • the recording apparatus PROD_C includes an encoding unit PROD_C1 that obtains encoded data by encoding a moving image, and the encoded data obtained by the encoding unit PROD_C1 on a recording medium PROD_M.
  • the above-described image encoding device 11 is used as the encoding unit PROD_C1.
  • the recording medium PROD_M may be of a type built into the recording device PROD_C, such as (1) HDD (Hard Disk Drive) or SSD (Solid State Drive), or (2) SD memory. It may be of the type connected to the recording device PROD_C, such as a card or USB (Universal Serial Bus) flash memory, or (3) DVD (Digital Versatile Disc) or BD (Blu-ray Disc: registration) Or a drive device (not shown) built in the recording device PROD_C.
  • HDD Hard Disk Drive
  • SSD Solid State Drive
  • SD memory such as a card or USB (Universal Serial Bus) flash memory, or (3) DVD (Digital Versatile Disc) or BD (Blu-ray Disc: registration) Or a drive device (not shown) built in the recording device PROD_C.
  • the recording device PROD_C is a camera PROD_C3 that captures moving images as a source of moving images to be input to the encoding unit PROD_C1, an input terminal PROD_C4 for inputting moving images from the outside, and a reception for receiving moving images
  • a unit PROD_C5 and an image processing unit PROD_C6 for generating or processing an image may be further provided.
  • FIG. 27A illustrates a configuration in which the recording apparatus PROD_C includes all of these, but some of them may be omitted.
  • the receiving unit PROD_C5 may receive a non-encoded moving image, or may receive encoded data encoded by a transmission encoding scheme different from the recording encoding scheme. You may do. In the latter case, a transmission decoding unit (not shown) that decodes encoded data encoded by the transmission encoding method may be interposed between the reception unit PROD_C5 and the encoding unit PROD_C1.
  • Examples of such a recording device PROD_C include a DVD recorder, a BD recorder, an HDD (Hard Disk Drive) recorder, and the like (in this case, the input terminal PROD_C4 or the receiver PROD_C5 is a main source of moving images). .
  • a camcorder in this case, the camera PROD_C3 is a main source of moving images
  • a personal computer in this case, the receiving unit PROD_C5 or the image processing unit C6 is a main source of moving images
  • a smartphone this In this case, the camera PROD_C3 or the reception unit PROD_C5 is a main source of moving images
  • the like is also an example of such a recording apparatus PROD_C.
  • FIG. 27 is a block diagram showing a configuration of a playback device PROD_D equipped with the image decoding device 31 described above.
  • the playback device PROD_D reads a moving image by decoding a read unit PROD_D1 that reads encoded data written on the recording medium PROD_M and a read unit PROD_D1 that reads the encoded data. And a decoding unit PROD_D2 to obtain.
  • the above-described image decoding device 31 is used as the decoding unit PROD_D2.
  • the recording medium PROD_M may be of the type built into the playback device PROD_D, such as (1) HDD or SSD, or (2) such as an SD memory card or USB flash memory. It may be of the type connected to the playback device PROD_D, or (3) may be loaded into a drive device (not shown) built in the playback device PROD_D, such as a DVD or BD. Good.
  • the playback device PROD_D has a display unit PROD_D3 that displays a moving image as a supply destination of the moving image output by the decoding unit PROD_D2, an output terminal PROD_D4 that outputs the moving image to the outside, and a transmission unit that transmits the moving image.
  • PROD_D5 may be further provided.
  • FIG. 27B illustrates a configuration in which the playback apparatus PROD_D includes all of these, but some of them may be omitted.
  • the transmission unit PROD_D5 may transmit a non-encoded moving image, or transmits encoded data encoded by a transmission encoding scheme different from the recording encoding scheme. You may do. In the latter case, it is preferable to interpose an encoding unit (not shown) that encodes a moving image using a transmission encoding method between the decoding unit PROD_D2 and the transmission unit PROD_D5.
  • Examples of such a playback device PROD_D include a DVD player, a BD player, and an HDD player (in this case, an output terminal PROD_D4 to which a television receiver or the like is connected is a main moving image supply destination). .
  • a television receiver in this case, the display PROD_D3 is a main supply destination of moving images
  • a digital signage also referred to as an electronic signboard or an electronic bulletin board
  • the display PROD_D3 or the transmission unit PROD_D5 is the main supply of moving images
  • Desktop PC in this case, output terminal PROD_D4 or transmission unit PROD_D5 is the main video source
  • laptop or tablet PC in this case, display PROD_D3 or transmission unit PROD_D5 is video
  • a smartphone which is a main image supply destination
  • a smartphone in this case, the display PROD_D3 or the transmission unit PROD_D5 is a main moving image supply destination
  • the like are also examples of such a playback device PROD_D.
  • Each block of the image decoding device 31 and the image encoding device 11 described above may be realized in hardware by a logic circuit formed on an integrated circuit (IC chip), or may be a CPU (Central Processing Unit). You may implement
  • IC chip integrated circuit
  • CPU Central Processing Unit
  • each of the above devices includes a CPU that executes instructions of a program that realizes each function, a ROM (Read Memory) that stores the program, a RAM (RandomAccess Memory) that develops the program, the program, and various data.
  • a storage device such as a memory for storing the.
  • the object of the embodiment of the present invention is a record in which the program code (execution format program, intermediate code program, source program) of the control program for each of the above devices, which is software that realizes the above-described functions, is recorded in a computer-readable manner This can also be achieved by supplying a medium to each of the above devices, and reading and executing the program code recorded on the recording medium by the computer (or CPU or MPU).
  • Examples of the recording medium include tapes such as magnetic tapes and cassette tapes, magnetic disks such as floppy (registered trademark) disks / hard disks, CD-ROMs (Compact Disc Read-Only Memory) / MO discs (Magneto-Optical discs).
  • tapes such as magnetic tapes and cassette tapes
  • magnetic disks such as floppy (registered trademark) disks / hard disks
  • CD-ROMs Compact Disc Read-Only Memory
  • MO discs Magnetic-Optical discs
  • IC cards including memory cards
  • Cards such as optical cards
  • Semiconductor memories such as flash ROM, or PLD (Programmable logic device ) Or FPGA (Field Programmable Gate Gate Array) or the like.
  • each of the above devices may be configured to be connectable to a communication network, and the program code may be supplied via the communication network.
  • the communication network is not particularly limited as long as it can transmit the program code.
  • Internet intranet, extranet, LAN (Local Area Network), ISDN (Integrated Services Digital Network), VAN (Value-Added Network), CATV (Community Area Antenna / television / Cable Television), Virtual Private Network (Virtual Private Network) Network), telephone line network, mobile communication network, satellite communication network, and the like.
  • the transmission medium constituting the communication network may be any medium that can transmit the program code, and is not limited to a specific configuration or type.
  • IEEE Institute of Electrical and Electronic Engineers 1394, USB, power line carrier, cable TV line, telephone line, ADSL (Asymmetric Digital Subscriber Line) line, etc. wired such as IrDA (Infrared Data Association) or remote control , BlueTooth (registered trademark), IEEE802.11 wireless, HDR (High Data Rate), NFC (Near Field Communication), DLNA (Digital Living Network Alliance: registered trademark), mobile phone network, satellite line, terrestrial digital broadcasting network, etc. It can also be used wirelessly.
  • the embodiment of the present invention can also be realized in the form of a computer data signal embedded in a carrier wave in which the program code is embodied by electronic transmission.

Landscapes

  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

The purpose of the present invention is to effectively utilize the matching cost of a motion-compensated image. An inter prediction parameter decoding unit (303) is provided with: a BTM processing unit (3038) which performs matching using BTM or TM and derives a matching cost of a motion-compensated image; and a weight prediction unit (3094) which sets a weighting coefficient for each of motion-compensated images in accordance with the matching cost, and derives the predicted image using the weighted motion-compensated images.

Description

予測画像生成装置、動画像復号装置、および動画像符号化装置Predicted image generation device, moving image decoding device, and moving image encoding device
 本発明の実施形態は、予測画像生成装置、動画像復号装置、および動画像符号化装置に関する。 Embodiments described herein relate generally to a predicted image generation device, a moving image decoding device, and a moving image encoding device.
 動画像を効率的に伝送または記録するために、動画像を符号化することによって符号化データを生成する動画像符号化装置、および、当該符号化データを復号することによって復号画像を生成する動画像復号装置が用いられている。 In order to efficiently transmit or record a moving image, a moving image encoding device that generates encoded data by encoding the moving image, and a moving image that generates a decoded image by decoding the encoded data An image decoding device is used.
 具体的な動画像符号化方式としては、例えば、H.264/AVCやHEVC(High-Efficiency Video Coding)にて提案されている方式などが挙げられる。 Specific examples of the moving image encoding method include a method proposed in H.264 / AVC and HEVC (High-Efficiency Video Coding).
 このような動画像符号化方式においては、動画像を構成する画像(ピクチャ)は、画像を分割することにより得られるスライス、スライスを分割することにより得られる符号化単位(符号化ユニット(Coding Unit:CU)と呼ばれることもある)、及び、符号化単位を分割することより得られるブロックである予測ユニット(PU)、変換ユニット(TU)からなる階層構造により管理され、CUごとに符号化/復号される。 In such a moving image coding system, an image (picture) constituting a moving image is a slice obtained by dividing the image, a coding unit obtained by dividing the slice (coding unit (Coding Unit : CU)), and a hierarchical structure consisting of a prediction unit (PU) and a transform unit (TU) that are obtained by dividing a coding unit. Decrypted.
 また、このような動画像符号化方式においては、通常、入力画像を符号化/復号することによって得られる局所復号画像に基づいて予測画像が生成され、当該予測画像を入力画像(原画像)から減算して得られる予測残差(「差分画像」または「残差画像」と呼ぶこともある)が符号化される。予測画像の生成方法としては、画面間予測(インター予測)、および、画面内予測(イントラ予測)が挙げられる。 In such a moving image coding method, a predicted image is usually generated based on a local decoded image obtained by encoding / decoding an input image, and the predicted image is generated from the input image (original image). A prediction residual obtained by subtraction (sometimes referred to as “difference image” or “residual image”) is encoded. Examples of the method for generating a predicted image include inter-screen prediction (inter prediction) and intra-screen prediction (intra prediction).
 また、近年の動画像符号化及び復号の技術として動きベクトルをデコーダ側で導出するマッチング動き導出技術(テンプレートマッチング(TM)およびバイラテラルマッチング(BM))を用いた非特許文献1が挙げられる。 Further, Non-Patent Document 1 using matching motion deriving technology (template matching (TM) and bilateral matching (BM)) for deriving a motion vector on the decoder side can be cited as a moving image encoding and decoding technology in recent years.
 また、非特許文献2には、マッチング動き導出技術の類似技術として、マッチングで動きベクトルの補正を行うバイラテラルテンプレートマッチング(BTM)がDecoder-side motion vector refinement(DMVR)の名称で記載されている。 In Non-Patent Document 2, bilateral template matching (BTM) that corrects a motion vector by matching is described in the name of Decoder-side motion vector refinement (DMVR) as a similar technique to the matching motion derivation technology. .
 上記の非特許文献1および2に開示されている構成では、バイラテラルテンプレートマッチングまたはテンプレートマッチングにおいて導出される予測画像候補(動き補償画像、補間画像)のマッチングコストを有効利用する構成が示されていない。 The configurations disclosed in Non-Patent Documents 1 and 2 above show a configuration that effectively uses the matching cost of prediction image candidates (motion compensated images and interpolated images) derived in bilateral template matching or template matching. Absent.
 本発明は、上記の予測画像候補(動き補償画像)のマッチングコストを有効利用することができる予測画像生成装置、動画像復号装置、および動画像符号化装置を提供することである。 The present invention is to provide a predicted image generation device, a moving image decoding device, and a moving image encoding device that can effectively use the matching cost of the predicted image candidate (motion compensation image).
 上記課題を解決するために、本発明の一態様に係る予測画像生成装置は、動画像の符号化または復号に用いられる予測画像を生成する予測画像生成装置であって、バイラテラルテンプレートマッチング(BTM)またはテンプレートマッチング(TM)を用いてマッチング処理を実行し、複数の参照ピクチャにおけるテンプレートから導出される予測画像候補と上記テンプレートとのコストを導出するマッチング処理部と、上記参照ピクチャ毎に予測される複数の予測画像候補から予測画像を導出する予測部とを備えており、上記予測部は、上記テンプレートと上記予測画像候補との上記コストに応じて、各予測画像候補に重み付け係数を設定し、上記重み付けされた予測画像候補を用いて上記予測画像を導出する。 In order to solve the above problem, a predicted image generation apparatus according to an aspect of the present invention is a predicted image generation apparatus that generates a predicted image used for encoding or decoding of a moving image, and includes a bilateral template matching (BTM ) Or template matching (TM) is used to perform matching processing, a matching processing unit for deriving the cost of the predicted image candidate derived from the template in a plurality of reference pictures and the template, and prediction for each reference picture A prediction unit for deriving a prediction image from a plurality of prediction image candidates. The prediction unit sets a weighting coefficient for each prediction image candidate according to the cost of the template and the prediction image candidate. Then, the predicted image is derived using the weighted predicted image candidates.
 上記課題を解決するために、本発明の一態様に係る予測画像生成装置は、動画像の符号化または復号に用いられる予測画像を生成する予測画像生成装置であって、バイラテラルテンプレートマッチング(BTM)を用いてマッチング処理を実行し、複数の参照ピクチャにおけるテンプレートから予測される予測画像候補と上記テンプレートとのコストを導出するマッチング処理部と、バイラテラルテンプレートマッチング(BTM)に対して勾配補正項を適用して動き補償を行う双予測勾配変化(BIO)予測による動き補償を行う動き補償部とを備えており、上記動き補償部は、複数の参照ピクチャにおけるテンプレートから予測される上記予測画像候補と上記テンプレートとのコストの比に応じて、BIO予測のON/OFFを制御する。 In order to solve the above problem, a predicted image generation apparatus according to an aspect of the present invention is a predicted image generation apparatus that generates a predicted image used for encoding or decoding of a moving image, and includes a bilateral template matching (BTM ) And a matching processing unit for deriving the cost of predicted image candidates predicted from templates in a plurality of reference pictures and the template, and a gradient correction term for bilateral template matching (BTM) A motion compensation unit that performs motion compensation by bi-predictive gradient change (BIO) prediction that performs motion compensation by applying the motion compensation unit, and the motion compensation unit predicts the predicted image candidate predicted from a template in a plurality of reference pictures. ON / OFF of BIO prediction is controlled according to the ratio of the cost to the template.
 以上の構成によれば、バイラテラルテンプレートマッチングまたはテンプレートマッチングにおいて導出される予測画像候補のマッチングコストを予測画像の導出に有効利用することができる。 According to the above configuration, the bilateral template matching or the matching cost of the predicted image candidate derived in the template matching can be effectively used for deriving the predicted image.
本実施形態に係る符号化ストリームのデータの階層構造を示す図である。It is a figure which shows the hierarchical structure of the data of the encoding stream which concerns on this embodiment. PU分割モードのパターンを示す図である。(a)~(h)は、それぞれ、PU分割モードが、2Nx2N、2NxN、2NxnU、2NxnD、Nx2N、nLx2N、nRx2N、および、NxNの場合のパーティション形状について示している。It is a figure which shows the pattern of PU division | segmentation mode. (A) to (h) respectively show the partition shapes when the PU partitioning modes are 2Nx2N, 2NxN, 2NxnU, 2NxnD, Nx2N, nLx2N, nRx2N, and NxN. (a)および(b)は、参照ピクチャおよび参照ピクチャリストの一例を示す概念図である。(A) And (b) is a conceptual diagram which shows an example of a reference picture and a reference picture list. 本実施形態に係る画像符号化装置の構成を示すブロック図である。It is a block diagram which shows the structure of the image coding apparatus which concerns on this embodiment. 本実施形態に係る画像復号装置の構成を示す概略図である。It is the schematic which shows the structure of the image decoding apparatus which concerns on this embodiment. 本実施形態に係る画像符号化装置のインター予測画像生成部の構成を示す概略図である。It is the schematic which shows the structure of the inter estimated image generation part of the image coding apparatus which concerns on this embodiment. 本実施形態に係るマージ予測パラメータ導出部の構成を示す概略図である。It is the schematic which shows the structure of the merge prediction parameter derivation | leading-out part which concerns on this embodiment. 本実施形態に係るAMVP予測パラメータ導出部の構成を示す概略図である。It is the schematic which shows the structure of the AMVP prediction parameter derivation | leading-out part which concerns on this embodiment. 本実施形態に係る画像復号装置の動きベクトル復号処理の動作を示すフローチャートである。It is a flowchart which shows the operation | movement of the motion vector decoding process of the image decoding apparatus which concerns on this embodiment. 本実施形態に係る画像符号化装置のインター予測パラメータ符号化部の構成を示す概略図である。It is the schematic which shows the structure of the inter prediction parameter encoding part of the image coding apparatus which concerns on this embodiment. 本実施形態に係るインター予測画像生成部の構成を示す概略図である。It is the schematic which shows the structure of the inter estimated image generation part which concerns on this embodiment. 本実施形態に係るインター予測パラメータ復号部の構成を示す概略図である。It is the schematic which shows the structure of the inter prediction parameter decoding part which concerns on this embodiment. 動きベクトルを予測する対象であるPU(横幅nPbW)を構成する各サブブロックの動きベクトルspMvLX[xi][yi]を導出する例を示す図である。It is a figure which shows the example which derives | leads-out the motion vector spMvLX [xi] [yi] of each subblock which comprises PU (horizontal width nPbW) which is the object which estimates a motion vector. (a)は、バイラテラルマッチング(Bilateral matching)について説明するための図である。(b)は、テンプレートマッチング(Template matching)について説明するための図である。(A) is a figure for demonstrating bilateral matching (Bilateral (matching) matching). (B) is a figure for demonstrating template matching (Template | matching). 動き予測モード決定フローの概要を示すフローチャート図である。It is a flowchart figure which shows the outline | summary of a motion prediction mode determination flow. (a)はBTM処理における参照画像とテンプレートとの関係を示す図であり、(b)は処理の流れを示す図である。(A) is a figure which shows the relationship between the reference image in a BTM process, and a template, (b) is a figure which shows the flow of a process. BTM処理におけるテンプレートの詳細を説明するための図である。It is a figure for demonstrating the detail of the template in a BTM process. (a)、(b)は、テンプレートマッチングの概要を示す図である。(A), (b) is a figure which shows the outline | summary of template matching. (a)、(b)は、バイラテラルマッチングの概要を示す図である。(A), (b) is a figure which shows the outline | summary of bilateral matching. マッチング動き導出モード(テンプレートマッチング、バイラテラルマッチング)における動きベクトル導出処理の流れを示すフローチャート図である。It is a flowchart figure which shows the flow of the motion vector derivation | leading-out process in matching motion derivation mode (template matching, bilateral matching). (a)から(b)は、マッチング動き導出モードにおける動きベクトル導出処理を説明するための図である。(A) to (b) is a diagram for explaining a motion vector deriving process in the matching motion deriving mode. 本発明の他の実施形態におけるインター予測画像生成部の要部構成の一例を示すブロック図である。It is a block diagram which shows an example of the principal part structure of the inter estimated image generation part in other embodiment of this invention. 本発明の他の実施形態における重み予測部が導出するウエイトの例を示す図である。It is a figure which shows the example of the weight which the weight estimation part in other embodiment of this invention derives. 本発明の他の実施形態におけるインター予測画像生成部の要部構成の他の一例を示すブロック図である。It is a block diagram which shows another example of the principal part structure of the inter estimated image generation part in other embodiment of this invention. 本発明の他の実施形態における動き補償部の処理を示す疑似コードの一例を示す図である。It is a figure which shows an example of the pseudo code which shows the process of the motion compensation part in other embodiment of this invention. 本実施形態に係る画像符号化装置を搭載した送信装置、および、画像復号装置を搭載した受信装置の構成について示した図である。(a)は、画像符号化装置を搭載した送信装置を示しており、(b)は、画像復号装置を搭載した受信装置を示している。It is the figure shown about the structure of the transmitter which mounts the image coding apparatus which concerns on this embodiment, and the receiver which mounts an image decoding apparatus. (A) shows a transmission device equipped with an image encoding device, and (b) shows a reception device equipped with an image decoding device. 本実施形態に係る画像符号化装置を搭載した記録装置、および、画像復号装置を搭載した再生装置の構成について示した図である。(a)は、画像符号化装置を搭載した記録装置を示しており、(b)は、画像復号装置を搭載した再生装置を示している。It is the figure shown about the structure of the recording device carrying the image coding apparatus which concerns on this embodiment, and the reproducing | regenerating apparatus carrying an image decoding apparatus. (A) shows a recording device equipped with an image encoding device, and (b) shows a playback device equipped with an image decoding device. 本実施形態に係る画像伝送システムの構成を示す概略図である。It is the schematic which shows the structure of the image transmission system which concerns on this embodiment.
 〔実施形態1〕
 以下、図面を参照しながら本発明の実施形態について説明する。
Embodiment 1
Hereinafter, embodiments of the present invention will be described with reference to the drawings.
 図28は、本実施形態に係る画像伝送システム1の構成を示す概略図である。 FIG. 28 is a schematic diagram showing the configuration of the image transmission system 1 according to the present embodiment.
 画像伝送システム1は、符号化対象画像を符号化した符号を伝送し、伝送された符号を復号し画像を表示するシステムである。画像伝送システム1は、画像符号化装置(動画像符号化装置)11、ネットワーク21、画像復号装置(動画像復号装置)31及び画像表示装置41を含んで構成される。 The image transmission system 1 is a system that transmits a code obtained by encoding an encoding target image, decodes the transmitted code, and displays an image. The image transmission system 1 includes an image encoding device (moving image encoding device) 11, a network 21, an image decoding device (moving image decoding device) 31, and an image display device 41.
 画像符号化装置11には、単一レイヤもしくは複数レイヤの画像を示す画像Tが入力される。レイヤとは、ある時間を構成するピクチャが1つ以上ある場合に、複数のピクチャを区別するために用いられる概念である。たとえば、同一ピクチャを、画質や解像度の異なる複数のレイヤで符号化するとスケーラブル符号化になり、異なる視点のピクチャを複数のレイヤで符号化するとビュースケーラブル符号化となる。複数のレイヤのピクチャ間で予測(インターレイヤ予測、インタービュー予測)を行う場合には、符号化効率が大きく向上する。また予測を行わない場合(サイマルキャスト)の場合にも、符号化データをまとめることができる。 The image encoding device 11 receives an image T indicating a single layer image or a plurality of layers. A layer is a concept used to distinguish a plurality of pictures when there are one or more pictures constituting a certain time. For example, when the same picture is encoded with a plurality of layers having different image quality and resolution, scalable encoding is performed, and when a picture of a different viewpoint is encoded with a plurality of layers, view scalable encoding is performed. When prediction is performed between pictures of a plurality of layers (inter-layer prediction, inter-view prediction), encoding efficiency is greatly improved. Further, even when prediction is not performed (simultaneous casting), encoded data can be collected.
 ネットワーク21は、画像符号化装置11が生成した符号化ストリームTeを画像復号装置31に伝送する。ネットワーク21は、インターネット(internet)、広域ネットワーク(WAN:Wide Area Network)、小規模ネットワーク(LAN:Local Area Network)またはこれらの組み合わせである。ネットワーク21は、必ずしも双方向の通信網に限らず、地上デジタル放送、衛星放送等の放送波を伝送する一方向の通信網であっても良い。また、ネットワーク21は、DVD(Digital Versatile Disc)、BD(Blue-ray Disc)等の符号化ストリームTeを記録した記憶媒体で代替されても良い。 The network 21 transmits the encoded stream Te generated by the image encoding device 11 to the image decoding device 31. The network 21 is the Internet, a wide area network (WAN: Wide Area Network), a small network (LAN: Local Area Network), or a combination thereof. The network 21 is not necessarily limited to a bidirectional communication network, and may be a unidirectional communication network that transmits broadcast waves such as terrestrial digital broadcasting and satellite broadcasting. The network 21 may be replaced with a storage medium that records an encoded stream Te such as a DVD (Digital Versatile Disc) or a BD (Blue-ray Disc).
 画像復号装置31は、ネットワーク21が伝送した符号化ストリームTeのそれぞれを復号し、それぞれ復号した1または複数の復号画像Tdを生成する。 The image decoding device 31 decodes each of the encoded streams Te transmitted by the network 21, and generates one or a plurality of decoded images Td decoded.
 画像表示装置41は、画像復号装置31が生成した1または複数の復号画像Tdの全部または一部を表示する。画像表示装置41は、例えば、液晶ディスプレイ、有機EL(Electro-luminescence)ディスプレイ等の表示デバイスを備える。また、空間スケーラブル符号化、SNRスケーラブル符号化では、画像復号装置31、画像表示装置41が高い処理能力を有する場合には、画質の高い拡張レイヤ画像を表示し、より低い処理能力しか有しない場合には、拡張レイヤほど高い処理能力、表示能力を必要としないベースレイヤ画像を表示する。 The image display device 41 displays all or part of one or more decoded images Td generated by the image decoding device 31. The image display device 41 includes, for example, a display device such as a liquid crystal display or an organic EL (Electro-luminescence) display. In addition, in the spatial scalable coding and SNR scalable coding, when the image decoding device 31 and the image display device 41 have a high processing capability, a high-quality enhancement layer image is displayed and only a lower processing capability is provided. Displays a base layer image that does not require higher processing capability and display capability as an extension layer.
 <演算子>
 本明細書で用いる演算子を以下に記載する。
<Operator>
The operators used in this specification are described below.
 >>は右ビットシフト、<<は左ビットシフト、&はビットワイズAND、|はビットワイズOR、|=は別の条件との和演算(OR)である。 >> is right bit shift, << is left bit shift, & is bitwise AND, | is bitwise OR, | = is sum operation (OR) with another condition.
 x ? y : zは、xが真(0以外)の場合にy、xが偽(0)の場合にzをとる3項演算子である。 X? Y: z is a ternary operator that takes y when x is true (non-zero) and takes z when x is false (0).
 Clip3(a, b, c) は、cをa以上b以下の値にクリップする関数であり、c<aの場合にはaを返し、c>bの場合にはbを返し、その他の場合にはcを返す関数である(ただし、a<=b)。 Clip3 (a, b, c) is a function that clips c to a value between a and b, but returns a if c <a, returns b if c> b, otherwise Is a function that returns c (where a <= b).
  <符号化ストリームTeの構造>
 本実施形態に係る画像符号化装置11および画像復号装置31の詳細な説明に先立って、画像符号化装置11によって生成され、画像復号装置31によって復号される符号化ストリームTeのデータ構造について説明する。
<Structure of encoded stream Te>
Prior to detailed description of the image encoding device 11 and the image decoding device 31 according to the present embodiment, a data structure of an encoded stream Te generated by the image encoding device 11 and decoded by the image decoding device 31 will be described. .
 図1は、符号化ストリームTeにおけるデータの階層構造を示す図である。符号化ストリームTeは、例示的に、シーケンス、およびシーケンスを構成する複数のピクチャを含む。図1の(a)~(f)は、それぞれ、シーケンスSEQを既定する符号化ビデオシーケンス、ピクチャPICTを規定する符号化ピクチャ、スライスSを規定する符号化スライス、スライスデータを規定する符号化スライスデータ、符号化スライスデータに含まれる符号化ツリーユニット、符号化ツリーユニットに含まれる符号化ユニット(Coding Unit;CU)を示す図である。 FIG. 1 is a diagram showing a hierarchical structure of data in the encoded stream Te. The encoded stream Te illustratively includes a sequence and a plurality of pictures constituting the sequence. (A) to (f) of FIG. 1 respectively show an encoded video sequence defining a sequence SEQ, an encoded picture defining a picture PICT, an encoded slice defining a slice S, and an encoded slice defining a slice data It is a figure which shows the coding unit (Coding | unit: CU) contained in the coding tree unit contained in data and coding slice data, and a coding tree unit.
  (符号化ビデオシーケンス)
 符号化ビデオシーケンスでは、処理対象のシーケンスSEQを復号するために画像復号装置31が参照するデータの集合が規定されている。シーケンスSEQは、図1の(a)に示すように、ビデオパラメータセット(Video Parameter Set)、シーケンスパラメータセットSPS(Sequence Parameter Set)、ピクチャパラメータセットPPS(Picture Parameter Set)、ピクチャPICT、及び、付加拡張情報SEI(Supplemental Enhancement Information)を含んでいる。ここで#の後に示される値はレイヤIDを示す。図1では、#0と#1すなわちレイヤ0とレイヤ1の符号化データが存在する例を示すが、レイヤの種類およびレイヤの数はこれによらない。
(Encoded video sequence)
In the encoded video sequence, a set of data referred to by the image decoding device 31 for decoding the sequence SEQ to be processed is defined. As shown in FIG. 1A, the sequence SEQ includes a video parameter set (Video Parameter Set), a sequence parameter set SPS (Sequence Parameter Set), a picture parameter set PPS (Picture Parameter Set), a picture PICT, and an addition. Includes SEI (Supplemental Enhancement Information). Here, the value indicated after # indicates the layer ID. Although FIG. 1 shows an example in which encoded data of # 0 and # 1, that is, layer 0 and layer 1, exists, the type of layer and the number of layers are not dependent on this.
 ビデオパラメータセットVPSは、複数のレイヤから構成されている動画像において、複数の動画像に共通する符号化パラメータの集合および動画像に含まれる複数のレイヤおよび個々のレイヤに関連する符号化パラメータの集合が規定されている。 The video parameter set VPS is a set of encoding parameters common to a plurality of moving images, a plurality of layers included in the moving image, and encoding parameters related to individual layers in a moving image composed of a plurality of layers. A set is defined.
 シーケンスパラメータセットSPSでは、対象シーケンスを復号するために画像復号装置31が参照する符号化パラメータの集合が規定されている。例えば、ピクチャの幅や高さが規定される。なお、SPSは複数存在してもよい。その場合、PPSから複数のSPSの何れかを選択する。 The sequence parameter set SPS defines a set of encoding parameters that the image decoding device 31 refers to in order to decode the target sequence. For example, the width and height of the picture are defined. A plurality of SPSs may exist. In that case, one of a plurality of SPSs is selected from the PPS.
 ピクチャパラメータセットPPSでは、対象シーケンス内の各ピクチャを復号するために画像復号装置31が参照する符号化パラメータの集合が規定されている。例えば、ピクチャの復号に用いられる量子化幅の基準値(pic_init_qp_minus26)や重み付き予測の適用を示すフラグ(weighted_pred_flag)が含まれる。なお、PPSは複数存在してもよい。その場合、対象シーケンス内の各ピクチャから複数のPPSの何れかを選択する。 In the picture parameter set PPS, a set of encoding parameters referred to by the image decoding device 31 in order to decode each picture in the target sequence is defined. For example, a quantization width reference value (pic_init_qp_minus26) used for picture decoding and a flag (weighted_pred_flag) indicating application of weighted prediction are included. There may be a plurality of PPSs. In that case, one of a plurality of PPSs is selected from each picture in the target sequence.
  (符号化ピクチャ)
 符号化ピクチャでは、処理対象のピクチャPICTを復号するために画像復号装置31が参照するデータの集合が規定されている。ピクチャPICTは、図1の(b)に示すように、スライスS0~SNS-1を含んでいる(NSはピクチャPICTに含まれるスライスの総数)。
(Encoded picture)
In the coded picture, a set of data referred to by the image decoding device 31 in order to decode the picture PICT to be processed is defined. As shown in FIG. 1B, the picture PICT includes slices S0 to S NS-1 (NS is the total number of slices included in the picture PICT).
 なお、以下、スライスS0~SNS-1のそれぞれを区別する必要が無い場合、符号の添え字を省略して記述することがある。また、以下に説明する符号化ストリームTeに含まれるデータであって、添え字を付している他のデータについても同様である。 In the following description, if it is not necessary to distinguish each of the slices S0 to SNS-1 , the subscripts may be omitted. The same applies to data included in an encoded stream Te described below and to which other subscripts are attached.
  (符号化スライス)
 符号化スライスでは、処理対象のスライスSを復号するために画像復号装置31が参照するデータの集合が規定されている。スライスSは、図1の(c)に示すように、スライスヘッダSH、および、スライスデータSDATAを含んでいる。
(Encoded slice)
In the coded slice, a set of data referred to by the image decoding device 31 for decoding the slice S to be processed is defined. As shown in FIG. 1C, the slice S includes a slice header SH and slice data SDATA.
 スライスヘッダSHには、対象スライスの復号方法を決定するために画像復号装置31が参照する符号化パラメータ群が含まれる。スライスタイプを指定するスライスタイプ指定情報(slice_type)は、スライスヘッダSHに含まれる符号化パラメータの一例である。 The slice header SH includes an encoding parameter group that is referred to by the image decoding device 31 in order to determine a decoding method of the target slice. Slice type designation information (slice_type) for designating a slice type is an example of an encoding parameter included in the slice header SH.
 スライスタイプ指定情報により指定可能なスライスタイプとしては、(1)符号化の際にイントラ予測のみを用いるIスライス、(2)符号化の際に単方向予測、または、イントラ予測を用いるPスライス、(3)符号化の際に単方向予測、双方向予測、または、イントラ予測を用いるBスライスなどが挙げられる。 As slice types that can be specified by the slice type specification information, (1) I slice using only intra prediction at the time of encoding, (2) P slice using unidirectional prediction or intra prediction at the time of encoding, (3) B-slice using unidirectional prediction, bidirectional prediction, or intra prediction at the time of encoding may be used.
 なお、スライスヘッダSHには、上記符号化ビデオシーケンスに含まれる、ピクチャパラメータセットPPSへの参照(pic_parameter_set_id)を含んでいても良い。 Note that the slice header SH may include a reference (pic_parameter_set_id) to the picture parameter set PPS included in the encoded video sequence.
  (符号化スライスデータ)
 符号化スライスデータでは、処理対象のスライスデータSDATAを復号するために画像復号装置31が参照するデータの集合が規定されている。スライスデータSDATAは、図1の(d)に示すように、符号化ツリーユニット(CTU:Coding Tree Unit)を含んでいる。CTUは、スライスを構成する固定サイズ(例えば64x64)のブロックであり、最大符号化単位(LCU:Largest Coding Unit)と呼ぶこともある。
(Encoded slice data)
In the encoded slice data, a set of data referred to by the image decoding device 31 for decoding the slice data SDATA to be processed is defined. The slice data SDATA includes a coding tree unit (CTU) as shown in FIG. A CTU is a block of a fixed size (for example, 64x64) that constitutes a slice, and is sometimes called a maximum coding unit (LCU: Large Coding Unit).
  (符号化ツリーユニット)
 図1の(e)に示すように、処理対象の符号化ツリーユニットを復号するために画像復号装置31が参照するデータの集合が規定されている。符号化ツリーユニットは、再帰的な4分木分割により分割される。再帰的な4分木分割により得られる木構造のノードのことを符号化ノード(CN:Coding Node)と称する。4分木の中間ノードは、符号化ノードであり、符号化ツリーユニット自身も最上位の符号化ノードとして規定される。CTUは、分割フラグ(cu_split_flag)を含み、cu_split_flagが1の場合には、4つの符号化ノードCNに分割される。cu_split_flagが0の場合には、符号化ノードCNは分割されず、1つの符号化ユニット(CU:Coding Unit)をノードとして持つ。符号化ユニットCUは符号化ノードの末端ノードであり、これ以上分割されない。符号化ユニットCUは、符号化処理の基本的な単位となる。
(Encoding tree unit)
As shown in (e) of FIG. 1, a set of data referred to by the image decoding device 31 in order to decode the encoding tree unit to be processed is defined. The coding tree unit is divided by recursive quadtree division. A tree-structured node obtained by recursive quadtree partitioning is referred to as a coding node (CN). An intermediate node of the quadtree is an encoding node, and the encoding tree unit itself is defined as the highest encoding node. The CTU includes a split flag (cu_split_flag), and when cu_split_flag is 1, it is split into four coding nodes CN. When cu_split_flag is 0, the coding node CN is not divided and has one coding unit (CU: Coding Unit) as a node. The encoding unit CU is a terminal node of the encoding node and is not further divided. The encoding unit CU is a basic unit of the encoding process.
 また、符号化ツリーユニットCTUのサイズが64x64画素の場合には、符号化ユニットのサイズは、64x64画素、32x32画素、16x16画素、および、8x8画素の何れかをとり得る。 In addition, when the size of the coding tree unit CTU is 64 × 64 pixels, the size of the coding unit can be any of 64 × 64 pixels, 32 × 32 pixels, 16 × 16 pixels, and 8 × 8 pixels.
  (符号化ユニット)
 図1の(f)に示すように、処理対象の符号化ユニットを復号するために画像復号装置31が参照するデータの集合が規定されている。具体的には、符号化ユニットは、予測ツリー、変換ツリー、CUヘッダCUHから構成される。CUヘッダでは予測モード、分割方法(PU分割モード)等が規定される。
(Encoding unit)
As shown in (f) of FIG. 1, a set of data referred to by the image decoding device 31 in order to decode an encoding unit to be processed is defined. Specifically, the encoding unit includes a prediction tree, a conversion tree, and a CU header CUH. The CU header defines a prediction mode, a division method (PU division mode), and the like.
 予測ツリーでは、符号化ユニットを1または複数に分割した各予測ユニット(PU)の予測情報(参照ピクチャインデックス、動きベクトル等)が規定される。別の表現でいえば、予測ユニットは、符号化ユニットを構成する1または複数の重複しない領域である。また、予測ツリーは、上述の分割により得られた1または複数の予測ユニットを含む。なお、以下では、予測ユニットをさらに分割した予測単位を「サブブロック」と呼ぶ。サブブロックは、複数の画素によって構成されている。予測ユニットとサブブロックのサイズが等しい場合には、予測ユニット中のサブブロックは1つである。予測ユニットがサブブロックのサイズよりも大きい場合には、予測ユニットは、サブブロックに分割される。たとえば予測ユニットが8x8、サブブロックが4x4の場合には、予測ユニットは水平に2分割、垂直に2分割からなる、4つのサブブロックに分割される。 In the prediction tree, prediction information (a reference picture index, a motion vector, etc.) of each prediction unit (PU) obtained by dividing the coding unit into one or a plurality is defined. In other words, the prediction unit is one or a plurality of non-overlapping areas constituting the encoding unit. The prediction tree includes one or a plurality of prediction units obtained by the above-described division. Hereinafter, a prediction unit obtained by further dividing the prediction unit is referred to as a “sub-block”. The sub block is composed of a plurality of pixels. When the sizes of the prediction unit and the sub-block are equal, the number of sub-blocks in the prediction unit is one. If the prediction unit is larger than the size of the sub-block, the prediction unit is divided into sub-blocks. For example, when the prediction unit is 8 × 8 and the sub-block is 4 × 4, the prediction unit is divided into four sub-blocks that are divided into two horizontally and two vertically.
 予測処理は、この予測ユニット(サブブロック)ごとに行ってもよい。 The prediction process may be performed for each prediction unit (sub block).
 予測ツリーにおける分割の種類は、大まかにいえば、イントラ予測の場合と、インター予測の場合との2つがある。イントラ予測とは、同一ピクチャ内の予測であり、インター予測とは、互いに異なるピクチャ間(例えば、表示時刻間、レイヤ画像間)で行われる予測処理を指す。 There are roughly two types of division in the prediction tree: intra prediction and inter prediction. Intra prediction is prediction within the same picture, and inter prediction refers to prediction processing performed between different pictures (for example, between display times and between layer images).
 イントラ予測の場合、分割方法は、2Nx2N(符号化ユニットと同一サイズ)と、NxNとがある。 In the case of intra prediction, there are 2Nx2N (the same size as the encoding unit) and NxN division methods.
 また、インター予測の場合、分割方法は、符号化データのPU分割モード(part_mode)により符号化され、2Nx2N(符号化ユニットと同一サイズ)、2NxN、2NxnU、2NxnD、Nx2N、nLx2N、nRx2N、および、NxNなどがある。なお、2NxN、Nx2Nは1:1の対称分割を示し、
2NxnU、2NxnDおよびnLx2N、nRx2Nは、1:3、3:1の非対称分割を示す。CUに含まれるPUを順にPU0、PU1、PU2、PU3と表現する。
Also, in the case of inter prediction, the division method is encoded by the PU division mode (part_mode) of encoded data, 2Nx2N (same size as the encoding unit), 2NxN, 2NxnU, 2NxnD, Nx2N, nLx2N, nRx2N, and NxN etc. 2NxN and Nx2N indicate 1: 1 symmetrical division,
2NxnU, 2NxnD and nLx2N, nRx2N show a 1: 3, 3: 1 asymmetric partitioning. The PUs included in the CU are expressed as PU0, PU1, PU2, and PU3 in this order.
 図2の(a)~(h)に、それぞれのPU分割モードにおけるパーティションの形状(PU分割の境界の位置)を具体的に図示している。図2の(a)は、2Nx2Nのパーティションを示し、(b)、(c)、(d)は、それぞれ、2NxN、2NxnU、および、2NxnDのパーティション(横長パーティション)を示す。(e)、(f)、(g)は、それぞれ、Nx2N、nLx2N、nRx2Nである場合のパーティション(縦長パーティション)を示し、(h)は、NxNのパーティションを示す。なお、横長パーティションと縦長パーティションを総称して長方形パーティション、2Nx2N、NxNを総称して正方形パーティションと呼ぶ。 (A) to (h) of FIG. 2 specifically illustrate the shape of the partition (the position of the boundary of the PU partition) in each PU partition mode. 2A shows a 2Nx2N partition, and FIGS. 2B, 2C, and 2D show 2NxN, 2NxnU, and 2NxnD partitions (horizontal partitions), respectively. (E), (f), and (g) show partitions (vertical partitions) in the case of Nx2N, nLx2N, and nRx2N, respectively, and (h) shows an NxN partition. The horizontal partition and the vertical partition are collectively referred to as a rectangular partition, and 2Nx2N and NxN are collectively referred to as a square partition.
 また、変換ツリーにおいては、符号化ユニットが1または複数の変換ユニットに分割され、各変換ユニットの位置とサイズとが規定される。別の表現でいえば、変換ユニットは、符号化ユニットを構成する1または複数の重複しない領域のことである。また、変換ツリーは、上述の分割より得られた1または複数の変換ユニットを含む。 Also, in the conversion tree, the encoding unit is divided into one or a plurality of conversion units, and the position and size of each conversion unit are defined. In other words, a transform unit is one or more non-overlapping areas that make up a coding unit. The conversion tree includes one or a plurality of conversion units obtained by the above division.
 変換ツリーにおける分割には、符号化ユニットと同一のサイズの領域を変換ユニットとして割り付けるものと、上述したCUの分割と同様、再帰的な4分木分割によるものがある。 The division in the conversion tree includes a case where an area having the same size as that of the encoding unit is assigned as a conversion unit, and a case where recursive quadtree division is used, as in the case of the CU division described above.
 変換処理は、この変換ユニットごとに行われる。 Conversion processing is performed for each conversion unit.
  (予測パラメータ)
 予測ユニット(PU:Prediction Unit)の予測画像は、PUに付随する予測パラメータによって導出される。予測パラメータには、イントラ予測の予測パラメータもしくはインター予測の予測パラメータがある。以下、インター予測の予測パラメータ(インター予測パラメータ)について説明する。インター予測パラメータは、予測リスト利用フラグpredFlagL0、predFlagL1と、参照ピクチャインデックスrefIdxL0、refIdxL1と、動きベクトルmvL0、mvL1から構成される。予測リスト利用フラグpredFlagL0、predFlagL1は、各々L0リスト、L1リストと呼ばれる参照ピクチャリストが用いられるか否かを示すフラグであり、値が1の場合に対応する参照ピクチャリストが用いられる。なお、本明細書中「XXであるか否かを示すフラグ」と記す場合、フラグが0以外(たとえば1)をXXである場合、0をXXではない場合とし、論理否定、論理積などでは1を真、0を偽と扱う(以下同様)。但し、実際の装置や方法では真値、偽値として他の値を用いることもできる。
(Prediction parameter)
A prediction image of a prediction unit (PU: Prediction Unit) is derived from a prediction parameter associated with the PU. The prediction parameters include a prediction parameter for intra prediction or a prediction parameter for inter prediction. Hereinafter, prediction parameters for inter prediction (inter prediction parameters) will be described. The inter prediction parameter includes prediction list use flags predFlagL0 and predFlagL1, reference picture indexes refIdxL0 and refIdxL1, and motion vectors mvL0 and mvL1. The prediction list use flags predFlagL0 and predFlagL1 are flags indicating whether or not reference picture lists called L0 list and L1 list are used, respectively, and a reference picture list corresponding to a value of 1 is used. In this specification, when “flag indicating whether or not it is XX” is described, when the flag is not 0 (for example, 1) is XX, 0 is not XX, and logical negation, logical product, etc. 1 is treated as true and 0 is treated as false (the same applies hereinafter). However, other values can be used as true values and false values in an actual apparatus or method.
 符号化データに含まれるインター予測パラメータを導出するためのシンタックス要素には、例えば、PU分割モードpart_mode、マージフラグmerge_flag、マージインデックスmerge_idx、インター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLXがある。 Syntax elements for deriving inter prediction parameters included in the encoded data include, for example, PU partition mode part_mode, merge flag merge_flag, merge index merge_idx, inter prediction identifier inter_pred_idc, reference picture index refIdxLX, prediction vector index mvp_LX_idx, There is a difference vector mvdLX.
  (参照ピクチャリスト)
 参照ピクチャリストは、参照ピクチャメモリ306に記憶された参照ピクチャからなるリストである。図3は、参照ピクチャおよび参照ピクチャリストの一例を示す概念図である。図3(a)において、矩形はピクチャ、矢印はピクチャの参照関係、横軸は時間、矩形中のI、P、Bは各々イントラピクチャ、単予測ピクチャ、双予測ピクチャ、矩形中の数字は復号順を示す。図に示すように、ピクチャの復号順は、I0、P1、B2、B3、B4であり、表示順は、I0、B3、B2、B4、P1である。図3(b)に、参照ピクチャリストの例を示す。参照ピクチャリストは、参照ピクチャの候補を表すリストであり、1つのピクチャ(スライス)が1つ以上の参照ピクチャリストを有してもよい。図の例では、対象ピクチャB3は、L0リストRefPicList0およびL1リストRefPicList1の2つの参照ピクチャリストを持つ。対象ピクチャがB3の場合の参照ピクチャは、I0、P1、B2であり、参照ピクチャはこれらのピクチャを要素として持つ。個々の予測ユニットでは、参照ピクチャリストRefPicListX中のどのピクチャを実際に参照するかを参照ピクチャインデックスrefIdxLXで指定する。図では、refIdxL0およびrefIdxL1により参照ピクチャP1とB2が参照される例を示す。
(Reference picture list)
The reference picture list is a list including reference pictures stored in the reference picture memory 306. FIG. 3 is a conceptual diagram illustrating an example of a reference picture and a reference picture list. In FIG. 3A, a rectangle is a picture, an arrow is a picture reference relationship, a horizontal axis is time, I, P, and B in the rectangle are intra pictures, uni-predictive pictures, bi-predictive pictures, and numbers in the rectangles are decoded. Indicates the order. As shown in the figure, the decoding order of pictures is I0, P1, B2, B3, and B4, and the display order is I0, B3, B2, B4, and P1. FIG. 3B shows an example of the reference picture list. The reference picture list is a list representing candidate reference pictures, and one picture (slice) may have one or more reference picture lists. In the illustrated example, the target picture B3 has two reference picture lists, an L0 list RefPicList0 and an L1 list RefPicList1. When the target picture is B3, the reference pictures are I0, P1, and B2, and the reference picture has these pictures as elements. In each prediction unit, which picture in the reference picture list RefPicListX is actually referred to is specified by the reference picture index refIdxLX. The figure shows an example in which reference pictures P1 and B2 are referenced by refIdxL0 and refIdxL1.
  (マージ予測とAMVP予測)
 予測パラメータの復号(符号化)方法には、マージ予測(merge)モードとAMVP(Adaptive Motion Vector Prediction、適応動きベクトル予測)モードがある、マージフラグmerge_flagは、これらを識別するためのフラグである。マージ予測モードは、予測リスト利用フラグpredFlagLX(またはインター予測識別子inter_pred_idc)、参照ピクチャインデックスrefIdxLX、動きベクトルmvLXを符号化データに含めずに、既に処理した近傍PUの予測パラメータを用いるモードであり、AMVPモードは、インター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、動きベクトルmvLXを符号化データに含めるモードである。なお、動きベクトルmvLXは、予測ベクトルmvpLXを識別する予測ベクトルインデックスmvp_LX_idxと差分ベクトルmvdLXとして符号化される。
(Merge prediction and AMVP prediction)
The prediction parameter decoding (encoding) method includes a merge prediction (merge) mode and an AMVP (Adaptive Motion Vector Prediction) mode. The merge flag merge_flag is a flag for identifying these. The merge prediction mode is a mode that uses prediction parameters of already processed neighboring PUs without including the prediction list use flag predFlagLX (or inter prediction identifier inter_pred_idc), reference picture index refIdxLX, and motion vector mvLX in the encoded data. The mode is a mode in which the inter prediction identifier inter_pred_idc, the reference picture index refIdxLX, and the motion vector mvLX are included in the encoded data. The motion vector mvLX is encoded as a prediction vector index mvp_LX_idx for identifying the prediction vector mvpLX and a difference vector mvdLX.
 インター予測識別子inter_pred_idcは、参照ピクチャの種類および数を示す値であり、PRED_L0、PRED_L1、PRED_BIの何れかの値をとる。PRED_L0、PRED_L1は、各々L0リスト、L1リストの参照ピクチャリストで管理された参照ピクチャを用いることを示し、1枚の参照ピクチャを用いること(単予測)を示す。PRED_BIは2枚の参照ピクチャを用いること(双予測BiPred)を示し、L0リストとL1リストで管理された参照ピクチャを用いる。予測ベクトルインデックスmvp_LX_idxは予測ベクトルを示すインデックスであり、参照ピクチャインデックスrefIdxLXは、参照ピクチャリストで管理された参照ピクチャを示すインデックスである。なお、LXは、L0予測とL1予測を区別しない場合に用いられる記述方法であり、LXをL0、L1に置き換えることでL0リストに対するパラメータとL1リストに対するパラメータを区別する。 The inter prediction identifier inter_pred_idc is a value indicating the type and number of reference pictures, and takes one of PRED_L0, PRED_L1, and PRED_BI. PRED_L0 and PRED_L1 indicate that reference pictures managed by the reference picture lists of the L0 list and the L1 list are used, respectively, and that one reference picture is used (single prediction). PRED_BI indicates that two reference pictures are used (bi-prediction BiPred), and reference pictures managed by the L0 list and the L1 list are used. The prediction vector index mvp_LX_idx is an index indicating a prediction vector, and the reference picture index refIdxLX is an index indicating a reference picture managed in the reference picture list. Note that LX is a description method used when L0 prediction and L1 prediction are not distinguished from each other. By replacing LX with L0 and L1, parameters for the L0 list and parameters for the L1 list are distinguished.
 マージインデックスmerge_idxは、処理が完了したPUから導出される予測パラメータ候補(マージ候補)のうち、いずれかの予測パラメータを復号対象PUの予測パラメータとして用いるかを示すインデックスである。 The merge index merge_idx is an index that indicates whether one of the prediction parameter candidates (merge candidates) derived from the processed PU is used as the prediction parameter of the decoding target PU.
  (動きベクトル)
 動きベクトルmvLXは、異なる2つのピクチャ上のブロック間のずれ量を示す。動きベクトルmvLXに関する予測ベクトル、差分ベクトルを、それぞれ予測ベクトルmvpLX、差分ベクトルmvdLXと呼ぶ。
(Motion vector)
The motion vector mvLX indicates a shift amount between blocks on two different pictures. A prediction vector and a difference vector related to the motion vector mvLX are referred to as a prediction vector mvpLX and a difference vector mvdLX, respectively.
 (インター予測識別子inter_pred_idcと予測リスト利用フラグpredFlagLX)
 インター予測識別子inter_pred_idcと、予測リスト利用フラグpredFlagL0、predFlagL1の関係は以下のとおりであり、相互に変換可能である。
(Inter prediction identifier inter_pred_idc and prediction list use flag predFlagLX)
The relationship between the inter prediction identifier inter_pred_idc and the prediction list use flags predFlagL0 and predFlagL1 is as follows and can be converted into each other.
 inter_pred_idc = (predFlagL1<<1) + predFlagL0
 predFlagL0 = inter_pred_idc & 1
 predFlagL1 = inter_pred_idc >> 1
 なお、インター予測パラメータは、予測リスト利用フラグを用いても良いし、インター予測識別子を用いてもよい。また、予測リスト利用フラグを用いた判定は、インター予測識別子を用いた判定に置き替えてもよい。逆に、インター予測識別子を用いた判定は、予測リスト利用フラグを用いた判定に置き替えてもよい。
inter_pred_idc = (predFlagL1 << 1) + predFlagL0
predFlagL0 = inter_pred_idc & 1
predFlagL1 = inter_pred_idc >> 1
Note that a prediction list use flag or an inter prediction identifier may be used as the inter prediction parameter. Further, the determination using the prediction list use flag may be replaced with the determination using the inter prediction identifier. Conversely, the determination using the inter prediction identifier may be replaced with the determination using the prediction list use flag.
 (双予測biPredの判定)
 双予測BiPredであるかのフラグbiPredは、2つの予測リスト利用フラグがともに1であるかによって導出できる。たとえば以下の式で導出できる。
(Determination of bi-prediction biPred)
The flag biPred as to whether it is a bi-prediction BiPred can be derived depending on whether the two prediction list use flags are both 1. For example, it can be derived by the following formula.
 biPred = (predFlagL0 == 1 && predFlagL1 == 1)
 フラグbiPredは、インター予測識別子が2つの予測リスト(参照ピクチャ)を使うことを示す値であるか否かによっても導出できる。たとえば以下の式で導出できる。
biPred = (predFlagL0 == 1 && predFlagL1 == 1)
The flag biPred can also be derived depending on whether or not the inter prediction identifier is a value indicating that two prediction lists (reference pictures) are used. For example, it can be derived by the following formula.
 biPred = (inter_pred_idc == PRED_BI) ? 1 : 0
上記式は、以下の式でも表現できる。
biPred = (inter_pred_idc == PRED_BI)? 1: 0
The above formula can also be expressed by the following formula.
 biPred = (inter_pred_idc == PRED_BI)
 なお、PRED_BIはたとえば3の値を用いることができる。
biPred = (inter_pred_idc == PRED_BI)
For example, a value of 3 can be used for PRED_BI.
  (画像復号装置の構成)
 次に、本実施形態に係る画像復号装置31の構成について説明する。図5は、本実施形態に係る画像復号装置31の構成を示す概略図である。画像復号装置31は、エントロピー復号部301、予測パラメータ復号部(予測画像復号装置)302、ループフィルタ305、参照ピクチャメモリ306、予測パラメータメモリ307、予測画像生成部(予測画像生成装置)308、逆量子化・逆変換部311、及び加算部312を含んで構成される。
(Configuration of image decoding device)
Next, the configuration of the image decoding device 31 according to the present embodiment will be described. FIG. 5 is a schematic diagram illustrating a configuration of the image decoding device 31 according to the present embodiment. The image decoding device 31 includes an entropy decoding unit 301, a prediction parameter decoding unit (prediction image decoding device) 302, a loop filter 305, a reference picture memory 306, a prediction parameter memory 307, a prediction image generation unit (prediction image generation device) 308, and inversely. A quantization / inverse transform unit 311 and an adder 312 are included.
 また、予測パラメータ復号部302は、インター予測パラメータ復号部303及びイントラ予測パラメータ復号部304を含んで構成される。予測画像生成部308は、インター予測画像生成部309及びイントラ予測画像生成部310を含んで構成される。 The prediction parameter decoding unit 302 includes an inter prediction parameter decoding unit 303 and an intra prediction parameter decoding unit 304. The predicted image generation unit 308 includes an inter predicted image generation unit 309 and an intra predicted image generation unit 310.
 エントロピー復号部301は、外部から入力された符号化ストリームTeに対してエントロピー復号を行って、個々の符号(シンタックス要素)を分離し復号する。分離された符号には、予測画像を生成するための予測情報および、差分画像を生成するための残差情報などがある。 The entropy decoding unit 301 performs entropy decoding on the coded stream Te input from the outside, and separates and decodes individual codes (syntax elements). The separated codes include prediction information for generating a prediction image and residual information for generating a difference image.
 エントロピー復号部301は、分離した符号の一部を予測パラメータ復号部302に出力する。分離した符号の一部とは、例えば、予測モードpredMode、PU分割モードpart_mode、マージフラグmerge_flag、マージインデックスmerge_idx、インター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLXである。どの符号を復号するかの制御は、予測パラメータ復号部302の指示に基づいて行われる。エントロピー復号部301は、量子化係数を逆量子化・逆変換部311に出力する。この量子化係数は、符号化処理において、残差信号に対して変換(Discrete Cosine Transform、離散コサイン変換)を行い量子化して得られる係数である。 The entropy decoding unit 301 outputs a part of the separated code to the prediction parameter decoding unit 302. Some of the separated codes are, for example, a prediction mode predMode, a PU partition mode part_mode, a merge flag merge_flag, a merge index merge_idx, an inter prediction identifier inter_pred_idc, a reference picture index refIdxLX, a prediction vector index mvp_LX_idx, and a difference vector mvdLX. Control of which code is decoded is performed based on an instruction from the prediction parameter decoding unit 302. The entropy decoding unit 301 outputs the quantized coefficient to the inverse quantization / inverse transform unit 311. This quantized coefficient is a coefficient obtained by performing transform (Discrete Cosine Transform, discrete cosine transform) on the residual signal and quantizing in the encoding process.
 インター予測パラメータ復号部303は、エントロピー復号部301から入力された符号に基づいて、予測パラメータメモリ307に記憶された予測パラメータを参照してインター予測パラメータを復号する。 The inter prediction parameter decoding unit 303 decodes the inter prediction parameter with reference to the prediction parameter stored in the prediction parameter memory 307 based on the code input from the entropy decoding unit 301.
 インター予測パラメータ復号部303は、復号したインター予測パラメータを予測画像生成部308に出力し、また予測パラメータメモリ307に記憶する。インター予測パラメータ復号部303の詳細については後述する。 The inter prediction parameter decoding unit 303 outputs the decoded inter prediction parameter to the prediction image generation unit 308 and stores it in the prediction parameter memory 307. Details of the inter prediction parameter decoding unit 303 will be described later.
 イントラ予測パラメータ復号部304は、エントロピー復号部301から入力された符号に基づいて、予測パラメータメモリ307に記憶された予測パラメータを参照してイントラ予測パラメータを復号する。イントラ予測パラメータとは、CUを1つのピクチャ内で予測する処理で用いるパラメータ、例えば、イントラ予測モードIntraPredModeである。イントラ予測パラメータ復号部304は、復号したイントラ予測パラメータを予測画像生成部308に出力し、また予測パラメータメモリ307に記憶する。 The intra prediction parameter decoding unit 304 refers to the prediction parameter stored in the prediction parameter memory 307 on the basis of the code input from the entropy decoding unit 301 and decodes the intra prediction parameter. The intra prediction parameter is a parameter used in a process of predicting a CU within one picture, for example, an intra prediction mode IntraPredMode. The intra prediction parameter decoding unit 304 outputs the decoded intra prediction parameter to the prediction image generation unit 308 and stores it in the prediction parameter memory 307.
 イントラ予測パラメータ復号部304は、輝度と色差で異なるイントラ予測モードを導出しても良い。この場合、イントラ予測パラメータ復号部304は、輝度の予測パラメータとして輝度予測モードIntraPredModeY、色差の予測パラメータとして、色差予測モードIntraPredModeCを復号する。輝度予測モードIntraPredModeYは、35モードであり、プレーナ予測(0)、DC予測(1)、方向予測(2~34)が対応する。色差予測モードIntraPredModeCは、プレーナ予測(0)、DC予測(1)、方向予測(2~34)、LMモード(35)の何れかを用いるものである。イントラ予測パラメータ復号部304は、IntraPredModeCは輝度モードと同じモードであるか否かを示すフラグを復号し、フラグが輝度モードと同じモードであることを示せば、IntraPredModeCにIntraPredModeYを割り当て、フラグが輝度モードと異なるモードであることを示せば、IntraPredModeCとして、プレーナ予測(0)、DC予測(1)、方向予測(2~34)、LMモード(35)を復号しても良い。 The intra prediction parameter decoding unit 304 may derive different intra prediction modes depending on luminance and color difference. In this case, the intra prediction parameter decoding unit 304 decodes the luminance prediction mode IntraPredModeY as the luminance prediction parameter and the color difference prediction mode IntraPredModeC as the color difference prediction parameter. The luminance prediction mode IntraPredModeY is a 35 mode, and corresponds to planar prediction (0), DC prediction (1), and direction prediction (2 to 34). The color difference prediction mode IntraPredModeC uses one of the planar prediction (0), the DC prediction (1), the direction prediction (2 to 34), and the LM mode (35). The intra prediction parameter decoding unit 304 decodes a flag indicating whether IntraPredModeC is the same mode as the luminance mode. If the flag indicates that the mode is the same as the luminance mode, IntraPredModeC is assigned to IntraPredModeC, and the flag is luminance. If the mode is different from the mode, planar prediction (0), DC prediction (1), direction prediction (2 to 34), and LM mode (35) may be decoded as IntraPredModeC.
 ループフィルタ305は、加算部312が生成したCUの復号画像に対し、デブロッキングフィルタ、サンプル適応オフセット(SAO)、適応ループフィルタ(ALF)等のフィルタを施す。 The loop filter 305 applies filters such as a deblocking filter, a sample adaptive offset (SAO), and an adaptive loop filter (ALF) to the decoded image of the CU generated by the adding unit 312.
 参照ピクチャメモリ306は、ループフィルタ305が生成したCUの復号画像を、復号対象のピクチャ及びCU毎に予め定めた位置に記憶する。 The reference picture memory 306 stores the decoded image of the CU generated by the loop filter 305 at a predetermined position for each decoding target picture and CU.
 予測パラメータメモリ307は、予測パラメータを、復号対象のピクチャ及び予測ユニット(もしくはサブブロック、固定サイズブロック、ピクセル)毎に予め定めた位置に記憶する。具体的には、予測パラメータメモリ307は、インター予測パラメータ復号部303が復号したインター予測パラメータ、イントラ予測パラメータ復号部304が復号したイントラ予測パラメータ及びエントロピー復号部301が分離した予測モードpredModeを記憶する。記憶されるインター予測パラメータには、例えば、予測リスト利用フラグpredFlagLX(インター予測識別子inter_pred_idc)、参照ピクチャインデックスrefIdxLX、動きベクトルmvLXがある。 The prediction parameter memory 307 stores the prediction parameter in a predetermined position for each decoding target picture and prediction unit (or sub-block, fixed-size block, pixel). Specifically, the prediction parameter memory 307 stores the inter prediction parameter decoded by the inter prediction parameter decoding unit 303, the intra prediction parameter decoded by the intra prediction parameter decoding unit 304, and the prediction mode predMode separated by the entropy decoding unit 301. . The stored inter prediction parameters include, for example, a prediction list utilization flag predFlagLX (inter prediction identifier inter_pred_idc), a reference picture index refIdxLX, and a motion vector mvLX.
 予測画像生成部308には、エントロピー復号部301から入力された予測モードpredModeが入力され、また予測パラメータ復号部302から予測パラメータが入力される。また、予測画像生成部308は、参照ピクチャメモリ306から参照ピクチャを読み出す。予測画像生成部308は、予測モードpredModeが示す予測モードで、入力された予測パラメータと読み出した参照ピクチャを用いてPUの予測画像を生成する。 The prediction image generation unit 308 receives the prediction mode predMode input from the entropy decoding unit 301 and the prediction parameter from the prediction parameter decoding unit 302. Further, the predicted image generation unit 308 reads a reference picture from the reference picture memory 306. The prediction image generation unit 308 generates a prediction image of the PU using the input prediction parameter and the read reference picture in the prediction mode indicated by the prediction mode predMode.
 ここで、予測モードpredModeがインター予測モードを示す場合、インター予測画像生成部309は、インター予測パラメータ復号部303から入力されたインター予測パラメータと読み出した参照ピクチャを用いてインター予測によりPUの予測画像を生成する。 Here, when the prediction mode predMode indicates the inter prediction mode, the inter prediction image generation unit 309 uses the inter prediction parameter input from the inter prediction parameter decoding unit 303 and the read reference picture to perform prediction of the PU by inter prediction. Is generated.
 インター予測画像生成部309は、予測リスト利用フラグpredFlagLXが1である参照ピクチャリスト(L0リスト、もしくはL1リスト)に対し、参照ピクチャインデックスrefIdxLXで示される参照ピクチャから、復号対象PUを基準として動きベクトルmvLXが示す位置にある参照ピクチャブロックを参照ピクチャメモリ306から読み出す。インター予測画像生成部309は、読み出した参照ピクチャブロックをもとに予測を行ってPUの予測画像を生成する。インター予測画像生成部309は、生成したPUの予測画像を加算部312に出力する。 The inter prediction image generation unit 309 performs a motion vector on the basis of the decoding target PU from the reference picture indicated by the reference picture index refIdxLX for a reference picture list (L0 list or L1 list) having a prediction list use flag predFlagLX of 1. The reference picture block at the position indicated by mvLX is read from the reference picture memory 306. The inter prediction image generation unit 309 performs prediction based on the read reference picture block to generate a prediction image of the PU. The inter prediction image generation unit 309 outputs the generated prediction image of the PU to the addition unit 312.
 予測モードpredModeがイントラ予測モードを示す場合、イントラ予測画像生成部310は、イントラ予測パラメータ復号部304から入力されたイントラ予測パラメータと読み出した参照ピクチャを用いてイントラ予測を行う。具体的には、イントラ予測画像生成部310は、復号対象のピクチャであって、既に復号されたPUのうち、復号対象PUから予め定めた範囲にある隣接PUを参照ピクチャメモリ306から読み出す。予め定めた範囲とは、復号対象PUがいわゆるラスタースキャンの順序で順次移動する場合、例えば、左、左上、上、右上の隣接PUのうちのいずれかであり、イントラ予測モードによって異なる。ラスタースキャンの順序とは、各ピクチャにおいて、上端から下端まで各行について、順次左端から右端まで移動させる順序である。 When the prediction mode predMode indicates the intra prediction mode, the intra predicted image generation unit 310 performs intra prediction using the intra prediction parameter input from the intra prediction parameter decoding unit 304 and the read reference picture. Specifically, the intra predicted image generation unit 310 reads, from the reference picture memory 306, neighboring PUs that are pictures to be decoded and are in a predetermined range from the decoding target PUs among the PUs that have already been decoded. The predetermined range is, for example, one of the left, upper left, upper, and upper right adjacent PUs when the decoding target PU sequentially moves in the so-called raster scan order, and differs depending on the intra prediction mode. The raster scan order is an order in which each row is sequentially moved from the left end to the right end in each picture from the upper end to the lower end.
 イントラ予測画像生成部310は、読み出した隣接PUについてイントラ予測モードIntraPredModeが示す予測モードで予測を行ってPUの予測画像を生成する。イントラ予測画像生成部310は、生成したPUの予測画像を加算部312に出力する。 The intra predicted image generation unit 310 performs prediction in the prediction mode indicated by the intra prediction mode IntraPredMode for the read adjacent PU, and generates a predicted image of the PU. The intra predicted image generation unit 310 outputs the generated predicted image of the PU to the adding unit 312.
 イントラ予測パラメータ復号部304において、輝度と色差で異なるイントラ予測モードを導出する場合、イントラ予測画像生成部310は、輝度予測モードIntraPredModeYに応じて、プレーナ予測(0)、DC予測(1)、方向予測(2~34)の何れかによって輝度のPUの予測画像を生成し、色差予測モードIntraPredModeCに応じて、プレーナ予測(0)、DC予測(1)、方向予測(2~34)、LMモード(35)の何れかによって色差のPUの予測画像を生成する。 When the intra prediction parameter decoding unit 304 derives an intra prediction mode different in luminance and color difference, the intra prediction image generation unit 310 performs planar prediction (0), DC prediction (1), direction according to the luminance prediction mode IntraPredModeY. Prediction image of luminance PU is generated by any of prediction (2 to 34), and planar prediction (0), DC prediction (1), direction prediction (2 to 34), LM mode according to color difference prediction mode IntraPredModeC A predicted image of the color difference PU is generated by any of (35).
 逆量子化・逆変換部311は、エントロピー復号部301から入力された量子化係数を逆量子化して変換係数を求める。逆量子化・逆変換部311は、求めた変換係数について逆変換(Inverse Discrete Cosine Transform、逆離散コサイン変換)を行い、残差信号を算出する。逆量子化・逆変換部311は、算出した残差信号を加算部312に出力する。 The inverse quantization / inverse transform unit 311 inversely quantizes the quantized coefficient input from the entropy decoding unit 301 to obtain a transform coefficient. The inverse quantization / inverse transform unit 311 performs inverse transform (Inverse Discrete Cosine Transform) on the obtained transform coefficient to calculate a residual signal. The inverse quantization / inverse transform unit 311 outputs the calculated residual signal to the adder 312.
 加算部312は、インター予測画像生成部309またはイントラ予測画像生成部310から入力されたPUの予測画像と逆量子化・逆変換部311から入力された残差信号を画素毎に加算して、PUの復号画像を生成する。ループフィルタ305は、生成したPUの復号画像を参照ピクチャメモリ306に記憶し、生成したPUの復号画像をピクチャ毎に統合した復号画像Tdを外部に出力する。 The addition unit 312 adds the prediction image of the PU input from the inter prediction image generation unit 309 or the intra prediction image generation unit 310 and the residual signal input from the inverse quantization / inverse conversion unit 311 for each pixel, Generate a decoded PU image. The loop filter 305 stores the generated decoded image of the PU in the reference picture memory 306, and outputs a decoded image Td obtained by integrating the generated decoded image of the PU for each picture to the outside.
  (インター予測パラメータ復号部の構成)
 次に、インター予測パラメータ復号部303の構成について説明する。
(Configuration of inter prediction parameter decoding unit)
Next, the configuration of the inter prediction parameter decoding unit 303 will be described.
 図12は、本実施形態に係るインター予測パラメータ復号部303の構成を示す概略図である。インター予測パラメータ復号部303は、インター予測パラメータ復号制御部3031、AMVP予測パラメータ導出部3032、加算部3035、マージ予測パラメータ導出部3036、サブブロック予測パラメータ導出部3037、およびBTM処理部3038を含んで構成される。 FIG. 12 is a schematic diagram illustrating a configuration of the inter prediction parameter decoding unit 303 according to the present embodiment. The inter prediction parameter decoding unit 303 includes an inter prediction parameter decoding control unit 3031, an AMVP prediction parameter derivation unit 3032, an addition unit 3035, a merge prediction parameter derivation unit 3036, a sub-block prediction parameter derivation unit 3037, and a BTM processing unit 3038. Composed.
 インター予測パラメータ復号制御部3031は、インター予測に関連する符号(シンタックス要素)の復号をエントロピー復号部301に指示し、符号化データに含まれる符号(シンタックス要素)、例えば、PU分割モードpart_mode、マージフラグmerge_flag、マージインデックスmerge_idx、インター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLXを抽出する。 The inter prediction parameter decoding control unit 3031 instructs the entropy decoding unit 301 to decode a code (syntax element) related to inter prediction, and a code (syntax element) included in the encoded data, for example, PU partition mode part_mode , Merge flag merge_flag, merge index merge_idx, inter prediction identifier inter_pred_idc, reference picture index refIdxLX, prediction vector index mvp_LX_idx, and difference vector mvdLX are extracted.
 インター予測パラメータ復号制御部3031は、まず、マージフラグmerge_flagを抽出する。インター予測パラメータ復号制御部3031が、あるシンタックス要素を抽出すると表現する場合は、あるシンタックス要素の復号をエントロピー復号部301に指示し、該当のシンタックス要素を符号化データから読み出すことを意味する。 The inter prediction parameter decoding control unit 3031 first extracts a merge flag merge_flag. When the inter prediction parameter decoding control unit 3031 expresses that a certain syntax element is to be extracted, it means that the entropy decoding unit 301 is instructed to decode a certain syntax element, and the corresponding syntax element is read from the encoded data. To do.
 マージフラグmerge_flagが0、すなわち、AMVP予測モードを示す場合、インター予測パラメータ復号制御部3031は、エントロピー復号部301を用いて符号化データからAMVP予測パラメータを抽出する。AMVP予測パラメータとして、例えば、インター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLXがある。AMVP予測パラメータ導出部3032は予測ベクトルインデックスmvp_LX_idxから予測ベクトルmvpLXを導出する。詳細は後述する。インター予測パラメータ復号制御部3031は、差分ベクトルmvdLXを加算部3035に出力する。加算部3035では、予測ベクトルmvpLXと差分ベクトルmvdLXを加算し、動きベクトルを導出する。 When the merge flag merge_flag is 0, that is, indicates the AMVP prediction mode, the inter prediction parameter decoding control unit 3031 uses the entropy decoding unit 301 to extract the AMVP prediction parameter from the encoded data. Examples of AMVP prediction parameters include an inter prediction identifier inter_pred_idc, a reference picture index refIdxLX, a prediction vector index mvp_LX_idx, and a difference vector mvdLX. The AMVP prediction parameter derivation unit 3032 derives a prediction vector mvpLX from the prediction vector index mvp_LX_idx. Details will be described later. The inter prediction parameter decoding control unit 3031 outputs the difference vector mvdLX to the addition unit 3035. The adding unit 3035 adds the prediction vector mvpLX and the difference vector mvdLX to derive a motion vector.
 マージフラグmerge_flagが1、すなわち、マージ予測モードを示す場合、インター予測パラメータ復号制御部3031は、マージ予測に係る予測パラメータとして、マージインデックスmerge_idxを抽出する。インター予測パラメータ復号制御部3031は、抽出したマージインデックスmerge_idxをマージ予測パラメータ導出部3036(詳細は後述する)に出力し、サブブロック予測モードフラグsubPbMotionFlagをサブブロック予測パラメータ導出部3037に出力する。サブブロック予測パラメータ導出部3037は、サブブロック予測モードフラグsubPbMotionFlagの値に応じて、PUを複数のサブブロックに分割し、サブブロック単位で動きベクトルを導出する。すなわち、サブブロック予測モードでは、予測ブロックは4x4もしくは8x8という小さいブロック単位で予測される。後述の画像符号化装置11においては、CUを複数のパーティション(2NxN、Nx2N、NxNなどのPU)に分割し、パーティション単位で予測パラメータのシンタックスを符号化する方法に対して、サブブロック予測モードでは複数のサブブロックを集合(セット)にまとめ、当該集合毎に予測パラメータのシンタックスを符号化するため、少ない符号量で多くのサブブロックの動き情報を符号化することができる。 When the merge flag merge_flag is 1, that is, indicates the merge prediction mode, the inter prediction parameter decoding control unit 3031 extracts the merge index merge_idx as a prediction parameter related to merge prediction. The inter prediction parameter decoding control unit 3031 outputs the extracted merge index merge_idx to the merge prediction parameter derivation unit 3036 (details will be described later), and outputs the sub-block prediction mode flag subPbMotionFlag to the sub-block prediction parameter derivation unit 3037. The subblock prediction parameter deriving unit 3037 divides the PU into a plurality of subblocks according to the value of the subblock prediction mode flag subPbMotionFlag, and derives a motion vector in units of subblocks. That is, in the sub-block prediction mode, the prediction block is predicted in units of blocks as small as 4x4 or 8x8. In the image encoding device 11 to be described later, a sub-block prediction mode is used for a method in which a CU is divided into a plurality of partitions (PUs such as 2NxN, Nx2N, and NxN) and the syntax of prediction parameters is encoded in units of partitions. Since a plurality of sub-blocks are grouped into a set and the syntax of the prediction parameter is encoded for each set, motion information of a large number of sub-blocks can be encoded with a small amount of code.
 詳細に説明すると、サブブロック予測パラメータ導出部3037は、サブブロック予測モードにてサブブロック予測を行う、時空間サブブロック予測部30371、アフィン予測部30372、マッチング動き導出部30373、の少なくとも一つを備える。 More specifically, the sub-block prediction parameter derivation unit 3037 performs at least one of a spatio-temporal sub-block prediction unit 30371, an affine prediction unit 30372, and a matching motion derivation unit 30373 that perform sub-block prediction in the sub-block prediction mode. Prepare.
 (サブブロック予測モードフラグ)
 ここで、画像符号化装置11(詳細は後述する)における、あるPUの予測モードがサブブロック予測モードであるか否かを示すサブブロック予測モードフラグsubPbMotionFlagの導出方法について説明する。画像符号化装置11は、後述する空間サブブロック予測SSUB、時間サブブロック予測TSUB、アフィン予測AFFINE、マッチング動き導出MATのいずれを用いたかに基づいて、サブブロック予測モードフラグsubPbMotionFlagを導出する。たとえば、あるPUで選択された予測モードをN(たとえばNは選択されたマージ候補を示すラベル)とした場合には、以下の式によりサブブロック予測モードフラグsubPbMotionFlagを導出してもよい。
(Subblock prediction mode flag)
Here, a method for deriving a sub-block prediction mode flag subPbMotionFlag indicating whether or not a prediction mode of a certain PU is a sub-block prediction mode in the image encoding device 11 (details will be described later) will be described. The image encoding device 11 derives a sub-block prediction mode flag subPbMotionFlag based on which of later-described spatial sub-block prediction SSUB, temporal sub-block prediction TSUB, affine prediction AFFINE, and matching motion derivation MAT is used. For example, when the prediction mode selected by a certain PU is N (for example, N is a label indicating the selected merge candidate), the sub-block prediction mode flag subPbMotionFlag may be derived by the following equation.
 subPbMotionFlag = (N == TSUB) || (N == SSUB) || (N == AFFINE) || (N == MAT)
 ここで||は、論理和を示す(以下同様)。
subPbMotionFlag = (N == TSUB) || (N == SSUB) || (N == AFFINE) || (N == MAT)
Here, || represents a logical sum (the same applies hereinafter).
 また、以下のように、画像符号化装置11が行うサブブロック予測のモードの種類に応じて、上記式を、適宜、変更してもよい。すなわち、画像符号化装置11が空間サブブロック予測SSUB、アフィン予測AFFINEを行う構成である場合には、以下のようにサブブロック予測モードフラグsubPbMotionFlagを導出してもよい。 Further, as described below, the above equation may be appropriately changed according to the type of sub-block prediction mode performed by the image encoding device 11. That is, when the image encoding device 11 is configured to perform spatial subblock prediction SSUB and affine prediction AFFINE, the subblock prediction mode flag subPbMotionFlag may be derived as follows.
 subPbMotionFlag = (N == SSUB)|| (N == AFFINE)
 また、サブブロック予測に含まれる各予測モード(たとえば、時空間サブブロック予測、アフィン予測、マッチング動き導出)によって予測が行われる際に、各サブブロック予測に対応する予測モードの処理の中で、subPbMotionFlagを1に設定する構成としてもよい。
subPbMotionFlag = (N == SSUB) || (N == AFFINE)
In addition, when prediction is performed by each prediction mode (for example, spatio-temporal sub-block prediction, affine prediction, matching motion derivation) included in the sub-block prediction, in the prediction mode processing corresponding to each sub-block prediction, The subPbMotionFlag may be set to 1.
 また、たとえば、CUサイズが8x8(対数CUサイズlog2CbSize == 3)であり、かつ、分割タイプが2Nx2N以外のようなPUが小さいサイズの場合はPUを分割数1のサブブロックとすることができる。この場合、以下のようにサブブロック予測モードsubPbMotionFlagを導出してもよい。 Also, for example, when the CU size is 8x8 (logarithmic CU size log2CbSize == 3) and the PU is a small size such as a division type other than 2Nx2N, the PU can be a sub-block with a division number of 1. . In this case, the sub-block prediction mode subPbMotionFlag may be derived as follows.
 subPbMotionFlag |= (log2CbSize == 3 && PartMode != 2Nx2N)
 なお|=は、別の条件との和演算(OR)でsubPbMotionFlagが導出されてもよいことを意味する。すなわち、subPbMotionFlagは、次のように、予測モードNの判定と小PUサイズ判定との和演算で導出してもよい(以下同様)。
subPbMotionFlag | = (log2CbSize == 3 && PartMode! = 2Nx2N)
Note that | = means that subPbMotionFlag may be derived by a sum operation (OR) with another condition. That is, subPbMotionFlag may be derived by the sum operation of determination of prediction mode N and small PU size determination as follows (the same applies hereinafter).
 subPbMotionFlag = (N == TSUB) || (N == SSUB) || (N == AFFINE) || (N == MAT)|| (log2CbSize == 3 && PartMode != 2Nx2N)
 さらに、たとえば、CUサイズが8x8(log2CbSize == 3)で分割タイプが2NxN、Nx2N、NxNである場合をサブブロック予測に含めてもよい。すなわち、subPbMotionFlagは、次のように導出してもよい。
subPbMotionFlag = (N == TSUB) || (N == SSUB) || (N == AFFINE) || (N == MAT) || (log2CbSize == 3 && PartMode! = 2Nx2N)
Further, for example, a case where the CU size is 8 × 8 (log2CbSize == 3) and the division type is 2NxN, Nx2N, or NxN may be included in the sub-block prediction. That is, subPbMotionFlag may be derived as follows.
 subPbMotionFlag |= (log2CbSize == 3 && (PartMode == 2NxN || PartMode == Nx2N || PartMode == NxN))
 さらに、たとえば、CUサイズが8x8(log2CbSize == 3)で分割タイプがNxNである場合をサブブロック予測に含めてもよい。すなわち、subPbMotionFlagは、次のように導出してもよい。
subPbMotionFlag | = (log2CbSize == 3 && (PartMode == 2NxN || PartMode == Nx2N || PartMode == NxN))
Further, for example, a case where the CU size is 8x8 (log2CbSize == 3) and the division type is NxN may be included in the sub-block prediction. That is, subPbMotionFlag may be derived as follows.
 subPbMotionFlag |= (log2CbSize == 3 && PartMode == NxN)
 また、サブブロック予測と判定する場合として、PUの幅もしくは高さが4である場合を含めてもよい。すなわち、サブブロック予測モードフラグsubPbMotionFlagは、次のように導出してもよい。
subPbMotionFlag | = (log2CbSize == 3 && PartMode == NxN)
In addition, a case where the PU width or height is 4 may be included as a case of determining sub-block prediction. That is, the sub-block prediction mode flag subPbMotionFlag may be derived as follows.
 subPbMotionFlag |= (nPbW == 4 || nPbH == 4)
 画像復号装置31のサブブロック予測パラメータ導出部3037では、上述と逆の方法でsubPbMotionFlagからサブブロックの予測モードを導出する。
subPbMotionFlag | = (nPbW == 4 || nPbH == 4)
The sub-block prediction parameter deriving unit 3037 of the image decoding device 31 derives a sub-block prediction mode from the subPbMotionFlag by a method reverse to that described above.
 (サブブロック予測部)
 次に、サブブロック予測部について説明する。
(Sub-block prediction unit)
Next, the sub-block prediction unit will be described.
 (時空間サブブロック予測部30371)
 時空間サブブロック予測部30371は、時間的に対象PUに隣接する参照画像上(たとえば直前のピクチャ)のPUの動きベクトル、もしくは、空間的に対象PUに隣接するPUの動きベクトルから、対象PUを分割して得られるサブブロックの動きベクトルを導出する。具体的には、参照画像上のPUの動きベクトルを対象PUが参照する参照ピクチャに合わせてスケーリングすることにより、対象PU中の各サブブロックの動きベクトルspMvLX[xi][yi] (xi = xPb + nSbW * i, yj = yPb + nSbH * j, i=0, 1, 2,・・・,nPbW / nSbW - 1、j=0, 1, 2,・・・,nPbH / nSbH - 1)を導出する(時間サブブロック予測)。ここで、(xPb, yPb)は対象PUの左上座標、nPbW, nPbHは対象PUのサイズ、nSbW, nSbHはサブブロックのサイズである。
(Spatio-temporal sub-block prediction unit 30371)
The spatio-temporal sub-block prediction unit 30371 calculates the target PU from the motion vector of the PU on the reference image temporally adjacent to the target PU (for example, the immediately preceding picture) or the motion vector of the PU spatially adjacent to the target PU. The motion vector of the sub-block obtained by dividing is derived. Specifically, the motion vector spMvLX [xi] [yi] (xi = xPb) of each sub-block in the target PU is scaled by matching the motion vector of the PU on the reference image with the reference picture referenced by the target PU. + nSbW * i, yj = yPb + nSbH * j, i = 0, 1, 2, ..., nPbW / nSbW-1, j = 0, 1, 2, ..., nPbH / nSbH-1) Derived (temporal sub-block prediction). Here, (xPb, yPb) is the upper left coordinate of the target PU, nPbW, nPbH are the size of the target PU, and nSbW, nSbH are the sizes of the sub-blocks.
 また、対象PUに隣接するPUの動きベクトルと、対象PUを分割して得られるサブブロックとの距離に応じて、加重平均を計算することで、対象PU中の各サブブロックの動きベクトルspMvLX[xi][yi] (xi = xPb + nSbW * i, yj = yPb + nSbH * j, i=0, 1, 2,・・・,nPbW / nSbW - 1、j=0, 1, 2,・・・,nPbH / nSbH - 1)を導出してもよい(空間サブブロック予測)。 Also, by calculating a weighted average according to the distance between the motion vector of the PU adjacent to the target PU and the sub-block obtained by dividing the target PU, the motion vector spMvLX [ xi] [yi] (xi = xPb + nSbW * i, yj = yPb + nSbH * j, i = 0, 1, 2, ..., nPbW / nSbW-1, j = 0, 1, 2, ...・, NPbH / nSbH-1) may be derived (spatial sub-block prediction).
 上記、時間サブブロック予測の候補TSUB、空間サブブロック予測の候補SSUBを、マージモードの一つのモード(マージ候補)として選択する。 The above-described temporal sub-block prediction candidate TSUB and spatial sub-block prediction candidate SSUB are selected as one mode (merge candidate) of the merge mode.
 (アフィン予測部)
 アフィン予測部30372は、対象PUのアフィン予測パラメータを導出する。本実施形態では、アフィン予測パラメータとして、対象PUの2つの制御点(V0、V1)の動きベクトル(mv0_x, mv0_y)(mv1_x, mv1_y)を導出する。具体的には、対象PUの隣接PUの動きベクトルから予測することにより、各制御点の動きベクトルを導出してもよいし、さらに、制御点の動きベクトルとして導出された予測ベクトルと符号化データから導出される差分ベクトルの和により、各制御点の動きベクトルを導出してもよい。
(Affine prediction unit)
The affine prediction unit 30372 derives the affine prediction parameters of the target PU. In the present embodiment, motion vectors (mv0_x, mv0_y) (mv1_x, mv1_y) of two control points (V0, V1) of the target PU are derived as affine prediction parameters. Specifically, the motion vector of each control point may be derived by prediction from the motion vector of the adjacent PU of the target PU, and further, the prediction vector and the encoded data derived as the motion vector of the control point The motion vector of each control point may be derived from the sum of the difference vectors derived from.
 図13は、対象PU(nPbW×nPbH)を構成する各サブブロックの動きベクトルspMvLXを、制御点V0の動きベクトル(mv0_x, mv0_y)およびV1の動きベクトル(mv1_x, mv1_y)から導出する例を示す図である。各サブブロックの動きベクトルspMvLXは、図13に示すように、各サブブロックの中心に位置する点毎の動きベクトルとして導出する。 FIG. 13 shows an example of deriving the motion vector spMvLX of each sub-block constituting the target PU (nPbW × nPbH) from the motion vector (mv0_x, mv0_y) of the control point V0 and the motion vector (mv1_x, mv1_y) of V1. FIG. The motion vector spMvLX of each subblock is derived as a motion vector for each point located at the center of each subblock, as shown in FIG.
 アフィン予測部30372は対象PUのアフィン予測パラメータに基づいて、対象PU中の各サブブロックの動きベクトルspMvLX[xi][yi] (xi = xPb + nSbW * i, yj = yPb + nSbH* j, i=0, 1, 2,・・・,nPbW / nSbW - 1、j=0, 1, 2,・・・,nPbH / nSbH - 1)を下記の式を用いて、導出する。 The affine prediction unit 30372, based on the affine prediction parameters of the target PU, the motion vector spMvLX [xi] [yi] (xi = xPb + nSbW * i, yj = yPb + nSbH * j, i in the target PU = 0, 1, 2, ..., nPbW / nSbW-1, j = 0, 1, 2, ..., nPbH / nSbH-1) are derived using the following equations.
 spMvLX[xi][yi][0]=mv0_x + (mv1_x - mv0_x) / nPbW * (xi + nSbW/2) - (mv1_y - mv0_y) / nPbH * (yi + nSbH/2)
 spMvLX[xi][yi][1]=mv0_y + (mv1_y - mv0_y) / nPbW * (xi + nSbW/2) + (mv1_x - mv0_x) / nPbH * (yi + nSbH/2)
 ここで、xPb, yPbは、対象PUの左上座標、nPbW, nPbHは、対象PUの幅と高さ、nSbW, nSbHはサブブロックの幅と高さである。
spMvLX [xi] [yi] [0] = mv0_x + (mv1_x-mv0_x) / nPbW * (xi + nSbW / 2)-(mv1_y-mv0_y) / nPbH * (yi + nSbH / 2)
spMvLX [xi] [yi] [1] = mv0_y + (mv1_y-mv0_y) / nPbW * (xi + nSbW / 2) + (mv1_x-mv0_x) / nPbH * (yi + nSbH / 2)
Here, xPb and yPb are the upper left coordinates of the target PU, nPbW and nPbH are the width and height of the target PU, and nSbW and nSbH are the width and height of the sub-block.
 (マッチング動き導出部30373)
 マッチング動き導出部30373は、バイラテラルマッチングまたはテンプレートマッチングの何れかのマッチング処理を行うことにより、PUを構成するサブブロックの動きベクトルspMvLXを導出する。図14は、(a)バイラテラルマッチング(Bilateral matching)、(b)テンプレートマッチング(Template matching)を説明するための図である。マッチング動き導出モードは、マージモードの一つのマージ候補(マッチング候補)として選択される。
(Matching motion deriving unit 30373)
The matching motion deriving unit 30373 derives a motion vector spMvLX of the sub-blocks constituting the PU by performing either bilateral matching or template matching. FIG. 14 is a diagram for explaining (a) bilateral matching and (b) template matching. The matching motion derivation mode is selected as one merge candidate (matching candidate) in the merge mode.
 マッチング動き導出部30373は、物体が等速運動をすると仮定して、複数の参照画像における領域のマッチングにより動きベクトルを導出する。バイラテラルマッチングでは、ある物体が、参照画像Aのある領域、対象ピクチャCur_Picの対象PU、参照画像Bのある領域を等速運動で通過するものと仮定して、参照画像A、B間のマッチングにより対象PUの動きベクトルを導出する。テンプレートマッチングでは、対象PUの隣接領域と対象PUの動きベクトルが等しいと仮定して、対象PUの隣接領域Temp_Curと参照ピクチャ上の参照ブロックの隣接領域Temp_L0のマッチングにより動きベクトルを導出する。マッチング動き導出部30373では、対象PUを複数のサブブロックに分割し、分割したサブブロック単位で後述のバイラテラルマッチングもしくはテンプレートマッチングを行うことにより、サブブロックの動きベクトルspMvLX[xi][yi] (xi = xPb + nSbW * i, yj = yPb + nSbH * j, i=0, 1, 2,・・・,nPbW / nSbW - 1、j=0, 1, 2,・・・,nPbH / nSbH - 1)を導出する。 The matching motion deriving unit 30373 derives a motion vector by matching regions in a plurality of reference images, assuming that the object moves at a constant velocity. In bilateral matching, it is assumed that a certain object passes through a certain region of the reference image A, a target PU of the target picture Cur_Pic, and a certain region of the reference image B with constant velocity motion, and matching between the reference images A and B To derive the motion vector of the target PU. In the template matching, assuming that the adjacent vector of the target PU and the motion vector of the target PU are equal, a motion vector is derived by matching the adjacent region Temp_Cur of the target PU with the adjacent region Temp_L0 of the reference block on the reference picture. The matching motion deriving unit 30373 divides the target PU into a plurality of sub-blocks, and performs bilateral matching or template matching (to be described later) in units of the divided sub-blocks, thereby sub-block motion vectors spMvLX [xi] [yi] ( xi = xPb + nSbW * i, yj = yPb + nSbH * j, i = 0, 1, 2, ..., nPbW / nSbW-1, j = 0, 1, 2, ..., nPbH / nSbH- Derive 1).
 図14の(a)に示すように、バイラテラルマッチングでは、対象ピクチャCur_PicにおけるサブブロックCur_blockの動きベクトルを導出するために、2枚の参照画像が参照される。より具体的には、まず、サブブロックCur_blockの座標を(xCur,yCur)と表現したとき、参照ピクチャインデックスrefIdxL0によって指定される参照画像Ref0(参照ピクチャAと呼ぶ)内の領域であって、
  (xPos0,yPos0)=(xCur + MV0_x, yCur + MV0_y)
によって特定される左上座標(xPos0,yPos0)を有するBlock_Aと、参照ピクチャインデックスrefIdxL1によって指定される参照画像Ref1(参照ピクチャBと呼ぶ)内の領域であって、
  (xPos1,yPos1)=(xCur + MV1_x, xCur + MV1_y)=(xCur - MV0_x * TD1/TD0, yCur - MV0_y * TD1/TD0)
によって特定される左上座標(xPos1,yPos1)を有するBlock_Bとが設定される。ここで、TD0、及びTD1は、図14の(a)に示すように、それぞれ、対象ピクチャCur_Picと参照ピクチャAとのピクチャ間距離、及び対象ピクチャCur_Picと参照ピクチャBとのピクチャ間距離を表している。
As shown in FIG. 14A, in bilateral matching, two reference images are referred to in order to derive a motion vector of the sub-block Cur_block in the current picture Cur_Pic. More specifically, first, when the coordinates of the sub-block Cur_block are expressed as (xCur, yCur), an area in the reference image Ref0 (referred to as reference picture A) specified by the reference picture index refIdxL0,
(XPos0, yPos0) = (xCur + MV0_x, yCur + MV0_y)
Block_A having the upper left coordinates (xPos0, yPos0) specified by, and a reference image Ref1 (referred to as reference picture B) specified by the reference picture index refIdxL1,
(XPos1, yPos1) = (xCur + MV1_x, xCur + MV1_y) = (xCur-MV0_x * TD1 / TD0, yCur-MV0_y * TD1 / TD0)
Block_B having the upper left coordinates (xPos1, yPos1) specified by is set. Here, TD0 and TD1 represent the inter-picture distance between the target picture Cur_Pic and the reference picture A, and the inter-picture distance between the target picture Cur_Pic and the reference picture B, respectively, as shown in FIG. ing.
 次に、Block_AとBlock_Bとのマッチングコストが最小となるように、(MV0_x,MV0_y)が決定される。このようにして導出された(MV0_x,MV0_y)が、サブブロックに付与される動きベクトルとなる。 Next, (MV0_x, MV0_y) is determined so that the matching cost between Block_A and Block_B is minimized. The (MV0_x, MV0_y) derived in this way is a motion vector assigned to the sub-block.
 一方、図14の(b)は、上記マッチング処理のうち、テンプレートマッチング(Template matching)について説明するための図である。 On the other hand, (b) of FIG. 14 is a figure for demonstrating a template matching (Template | matching) among the said matching processes.
 図14の(b)に示すように、テンプレートマッチングでは、対象ピクチャCur_PicにおけるサブブロックCur_blockの動きベクトルを導出するために、一度に1枚の参照ピクチャが参照される。すなわち参照ピクチャごとに処理がなされる。 As shown in FIG. 14B, in template matching, one reference picture is referred to at a time in order to derive a motion vector of the sub-block Cur_block in the target picture Cur_Pic. That is, processing is performed for each reference picture.
 より具体的には、まず、参照ピクチャインデックスrefIdxL0によって指定される参照画像Ref0(参照ピクチャAと呼ぶ)内の領域であって、
  (xPos,yPos)=(xCur + MV0_x, yCur + MV0_y)
によって特定される左上座標(xPos, yPos)を有する参照ブロックBlock_Aが特定される。ここで、(xCur, yCur)は、サブブロックCur_blockの左上座標である。
More specifically, first, an area in a reference image Ref0 (referred to as reference picture A) designated by a reference picture index refIdxL0,
(XPos, yPos) = (xCur + MV0_x, yCur + MV0_y)
The reference block Block_A having the upper left coordinates (xPos, yPos) specified by is specified. Here, (xCur, yCur) is the upper left coordinate of the sub-block Cur_block.
 次に、対象ピクチャCur_PicにおいてサブブロックCur_blockに隣接したテンプレート領域Temp_Curと、参照ピクチャAにおいてBlock_Aに隣接したテンプレート領域Temp_L0とが設定される。図14の(b)に示す例において、テンプレート領域Temp_Curは、サブブロックCur_blockの上側に隣接する領域及びサブブロックCur_blockの左側に隣接する領域とから構成されている。また、テンプレート領域Temp_L0は、Block_Aの上側に隣接する領域及びBlock_Aの左側に隣接する領域とから構成されている。 Next, a template region Temp_Cur adjacent to the sub-block Cur_block in the target picture Cur_Pic and a template region Temp_L0 adjacent to the Block_A in the reference picture A are set. In the example shown in FIG. 14B, the template region Temp_Cur is composed of a region adjacent to the upper side of the sub-block Cur_block and a region adjacent to the left side of the sub-block Cur_block. The template area Temp_L0 is composed of an area adjacent to the upper side of Block_A and an area adjacent to the left side of Block_A.
 次にTemp_CurとTempL0とのマッチングコストが最小になる(MV0_x,MV0_y)が決定され、サブブロックに付与される動きベクトルspMvL0となる。 Next, it is determined that the matching cost between Temp_Cur and TempL0 is minimum (MV0_x, MV0_y), and the motion vector is given to the sub-block spMvL0.
 なお、テンプレートマッチングにおいては、マッチング動き導出部30373は参照画像Ref0とは異なる参照画像Ref1に対して、参照画像Ref0と同様の処理を行ってもよい。この場合、参照ピクチャインデックスrefIdxL1によって指定される参照画像Ref1(参照ピクチャAと呼ぶ)内の領域であって、
  (xPos,yPos)=(xCur + MV1_x, yCur + MV1_y)
によって特定される左上座標(xPos, yPos)を有する参照ブロックBlock_Aが特定される。そして、参照ピクチャAにおいてBlock_Aに隣接したテンプレート領域Temp_L1とが設定される。
In template matching, the matching motion deriving unit 30373 may perform the same processing as the reference image Ref0 on the reference image Ref1 different from the reference image Ref0. In this case, an area in the reference image Ref1 (referred to as reference picture A) designated by the reference picture index refIdxL1,
(XPos, yPos) = (xCur + MV1_x, yCur + MV1_y)
The reference block Block_A having the upper left coordinates (xPos, yPos) specified by is specified. Then, a template area Temp_L1 adjacent to Block_A in the reference picture A is set.
 最終的にTemp_CurとTempL1とのマッチングコストが最小になる(MV1_x,MV1_y)が決定され、(MV1_x,MV1_y)がサブブロックに付与される動きベクトルspMvL1となる。 Finally, (MV1_x, MV1_y) that minimizes the matching cost between Temp_Cur and TempL1 is determined, and (MV1_x, MV1_y) becomes the motion vector spMvL1 assigned to the sub-block.
 また、マッチング動き導出部30373は、テンプレートマッチングにおいても、2枚の参照画像Ref0、Ref1に対して処理してもよい。この場合、マッチング動き導出部30373は、上記に説明した1枚の参照画像Ref0のマッチングと、1枚の参照画像Ref1のマッチングとを順に行う。 Also, the matching motion derivation unit 30373 may process the two reference images Ref0 and Ref1 in the template matching. In this case, the matching motion deriving unit 30373 sequentially performs the matching of one reference image Ref0 and the matching of one reference image Ref1 described above.
 図7は、本実施形態に係るマージ予測パラメータ導出部3036の構成を示す概略図である。マージ予測パラメータ導出部3036は、マージ候補導出部30361とマージ候補選択部30362、マージ候補格納部30363を備える。マージ候補格納部30363は、マージ候補導出部30361から入力されたマージ候補を格納する。なお、マージ候補は、予測リスト利用フラグpredFlagLX、動きベクトルmvLX、参照ピクチャインデックスrefIdxLXを含んで構成されている。マージ候補格納部30363において、格納されたマージ候補には、所定の規則に従ってインデックスが割り当てられる。 FIG. 7 is a schematic diagram illustrating the configuration of the merge prediction parameter deriving unit 3036 according to the present embodiment. The merge prediction parameter derivation unit 3036 includes a merge candidate derivation unit 30361, a merge candidate selection unit 30362, and a merge candidate storage unit 30363. The merge candidate storage unit 30363 stores the merge candidates input from the merge candidate derivation unit 30361. The merge candidate includes a prediction list use flag predFlagLX, a motion vector mvLX, and a reference picture index refIdxLX. In the merge candidate storage unit 30363, an index is assigned to the stored merge candidate according to a predetermined rule.
 マージ候補導出部30361は、すでに復号処理が行われた隣接PUの動きベクトルと参照ピクチャインデックスrefIdxLXをそのまま用いてマージ候補を導出する。それ以外にアフィン予測を用いてマージ候補を導出してもよい。この方法を以下で詳細に説明する。マージ候補導出部30361は、アフィン予測を、後述する空間マージ候補導出処理、時間マージ候補導出処理、結合マージ候補導出処理、およびゼロマージ候補導出処理に用いてもよい。なお、アフィン予測はサブブロック単位で行われ、予測パラメータはサブブロック毎に予測パラメータメモリ307に格納されている。あるいは、アフィン予測は画素単位で行われてもよい。 The merge candidate derivation unit 30361 derives a merge candidate using the motion vector of the adjacent PU that has already been decoded and the reference picture index refIdxLX as they are. In addition, merge candidates may be derived using affine prediction. This method is described in detail below. The merge candidate derivation unit 30361 may use affine prediction for a spatial merge candidate derivation process, a temporal merge candidate derivation process, a combined merge candidate derivation process, and a zero merge candidate derivation process described later. Affine prediction is performed in units of sub-blocks, and prediction parameters are stored in the prediction parameter memory 307 for each sub-block. Alternatively, the affine prediction may be performed on a pixel basis.
  (空間マージ候補導出処理)
 空間マージ候補導出処理として、マージ候補導出部30361は、所定の規則に従って、予測パラメータメモリ307が記憶している予測パラメータ(予測リスト利用フラグpredFlagLX、動きベクトルmvLX、参照ピクチャインデックスrefIdxLX)を読み出し、読み出した予測パラメータをマージ候補として導出する。読み出される予測パラメータは、復号対象PUから予め定めた範囲内にあるPU(例えば、復号対象PUの左下端、左上端、右上端にそれぞれ接するPUの全部または一部)のそれぞれに係る予測パラメータである。マージ候補導出部30361によって導出されたマージ候補はマージ候補格納部30363に格納される。
(Spatial merge candidate derivation process)
As the spatial merge candidate derivation process, the merge candidate derivation unit 30361 reads and reads the prediction parameters (prediction list use flag predFlagLX, motion vector mvLX, reference picture index refIdxLX) stored in the prediction parameter memory 307 according to a predetermined rule. The predicted parameters are derived as merge candidates. The prediction parameter to be read is a prediction parameter related to each of the PUs within a predetermined range from the decoding target PU (for example, all or part of the PUs in contact with the lower left end, the upper left end, and the upper right end of the decoding target PU, respectively). is there. The merge candidates derived by the merge candidate deriving unit 30361 are stored in the merge candidate storage unit 30363.
  (時間マージ候補導出処理)
 時間マージ導出処理として、マージ候補導出部30361は、復号対象PUの右下の座標を含む参照画像中のPUの予測パラメータを予測パラメータメモリ307から読みだしマージ候補とする。参照画像の指定方法は、例えば、スライスヘッダにおいて指定された参照ピクチャインデックスrefIdxLXでも良いし、復号対象PUに隣接するPUの参照ピクチャインデックスrefIdxLXのうち最小のものを用いて指定しても良い。マージ候補導出部30361によって導出されたマージ候補はマージ候補格納部30363に格納される。
(Time merge candidate derivation process)
As the temporal merge derivation process, the merge candidate derivation unit 30361 reads the prediction parameter of the PU in the reference image including the lower right coordinate of the decoding target PU from the prediction parameter memory 307 and sets it as a merge candidate. The reference picture designation method may be, for example, the reference picture index refIdxLX designated in the slice header, or may be designated using the smallest reference picture index refIdxLX of the PU adjacent to the decoding target PU. The merge candidates derived by the merge candidate deriving unit 30361 are stored in the merge candidate storage unit 30363.
  (結合マージ候補導出処理)
 結合マージ導出処理として、マージ候補導出部30361は、既に導出され、マージ候補格納部30363に格納された2つの異なる導出済マージ候補の動きベクトルと参照ピクチャインデックスを、それぞれL0、L1の動きベクトルとして組み合わせることで結合マージ候補を導出する。マージ候補導出部30361によって導出されたマージ候補はマージ候補格納部30363に格納される。
(Join merge candidate derivation process)
As the merge merge derivation process, the merge candidate derivation unit 30361 uses two different derived merge candidate motion vectors and reference picture indexes already derived and stored in the merge candidate storage unit 30363 as the motion vectors of L0 and L1, respectively. Combined merge candidates are derived by combining them. The merge candidates derived by the merge candidate deriving unit 30361 are stored in the merge candidate storage unit 30363.
  (ゼロマージ候補導出処理)
 ゼロマージ候補導出処理として、マージ候補導出部30361は、参照ピクチャインデックスrefIdxLXが0であり、動きベクトルmvLXのX成分、Y成分が共に0であるマージ候補を導出する。マージ候補導出部30361によって導出されたマージ候補はマージ候補格納部30363に格納される。
(Zero merge candidate derivation process)
As the zero merge candidate derivation process, the merge candidate derivation unit 30361 derives a merge candidate in which the reference picture index refIdxLX is 0 and both the X component and the Y component of the motion vector mvLX are 0. The merge candidates derived by the merge candidate deriving unit 30361 are stored in the merge candidate storage unit 30363.
 マージ候補選択部30362は、マージ候補格納部30363に格納されているマージ候補のうち、インター予測パラメータ復号制御部3031から入力されたマージインデックスmerge_idxに対応するインデックスが割り当てられたマージ候補を、対象PUのインター予測パラメータとして選択する。マージ候補選択部30362は選択したマージ候補を予測パラメータメモリ307に記憶するとともに、予測画像生成部308に出力する。 The merge candidate selection unit 30362 selects, from the merge candidates stored in the merge candidate storage unit 30363, a merge candidate to which an index corresponding to the merge index merge_idx input from the inter prediction parameter decoding control unit 3031 is assigned. As an inter prediction parameter. The merge candidate selection unit 30362 stores the selected merge candidate in the prediction parameter memory 307 and outputs it to the prediction image generation unit 308.
 図8は、本実施形態に係るAMVP予測パラメータ導出部3032の構成を示す概略図である。AMVP予測パラメータ導出部3032は、ベクトル候補導出部3033とベクトル候補選択部3034、およびベクトル候補格納部3039を備える。ベクトル候補導出部3033は、参照ピクチャインデックスrefIdxに基づいて予測パラメータメモリ307が記憶する既に処理済みのPUの動きベクトルmvLXを読み出し、予測ベクトル候補を導出し、ベクトル候補格納部3039に対し、予測ベクトル候補リストmvpListLX[]に格納する。 FIG. 8 is a schematic diagram showing the configuration of the AMVP prediction parameter derivation unit 3032 according to this embodiment. The AMVP prediction parameter derivation unit 3032 includes a vector candidate derivation unit 3033, a vector candidate selection unit 3034, and a vector candidate storage unit 3039. The vector candidate derivation unit 3033 reads the already processed PU motion vector mvLX stored in the prediction parameter memory 307 based on the reference picture index refIdx, derives a prediction vector candidate, and sends the prediction vector candidate to the vector candidate storage unit 3039. Store in candidate list mvpListLX [].
 ベクトル候補選択部3034は、予測ベクトル候補リストmvpListLX[]の予測ベクトル候補のうち予測ベクトルインデックスmvp_LX_idxが示す動きベクトルmvpListLX[mvp_LX_idx]を予測ベクトルmvpLXとして選択する。ベクトル候補選択部3034は、選択した予測ベクトルmvpLXを加算部3035に出力する。 The vector candidate selection unit 3034 selects the motion vector mvpListLX [mvp_LX_idx] indicated by the prediction vector index mvp_LX_idx from the prediction vector candidates in the prediction vector candidate list mvpListLX [] as the prediction vector mvpLX. The vector candidate selection unit 3034 outputs the selected prediction vector mvpLX to the addition unit 3035.
 なお、予測ベクトル候補は、復号処理が完了したPUであって、復号対象PUから予め定めた範囲のPU(例えば、隣接PU)の動きベクトルをスケーリングすることで導出する。なお、隣接PUは、復号対象PUに空間的に隣接するPU、例えば、左PU、上PUの他、復号対象PUに時間的に隣接する領域、例えば、復号対象PUと同じ位置を含み、表示時刻が異なるPUの予測パラメータから得られた領域を含む。 Note that a prediction vector candidate is a PU for which decoding processing has been completed, and is derived by scaling a motion vector of a PU (for example, an adjacent PU) within a predetermined range from the decoding target PU. The adjacent PU includes a PU that is spatially adjacent to the decoding target PU, for example, the left PU and the upper PU, and an area that is temporally adjacent to the decoding target PU, for example, the same position as the decoding target PU. It includes areas obtained from prediction parameters of PUs with different times.
 加算部3035は、AMVP予測パラメータ導出部3032から入力された予測ベクトルmvpLXとインター予測パラメータ復号制御部3031から入力された差分ベクトルmvdLXを加算して動きベクトルmvLXを算出する。加算部3035は、算出した動きベクトルmvLXを予測画像生成部308および予測パラメータメモリ307に出力する。 The addition unit 3035 adds the prediction vector mvpLX input from the AMVP prediction parameter derivation unit 3032 and the difference vector mvdLX input from the inter prediction parameter decoding control unit 3031 to calculate a motion vector mvLX. The adding unit 3035 outputs the calculated motion vector mvLX to the predicted image generation unit 308 and the prediction parameter memory 307.
 なお、マージ予測パラメータ導出部3036において導出された動きベクトル、またはマッチング動き導出部30373において導出された動きベクトルをそのままインター予測画像生成部309に出力するのではなく、BTM処理部3038を介して出力してもよい。 Note that the motion vector derived by the merge prediction parameter deriving unit 3036 or the motion vector derived by the matching motion deriving unit 30373 is not directly output to the inter-predicted image generation unit 309 but is output via the BTM processing unit 3038. May be.
 BTM処理部3038は、マージ予測パラメータ導出部3036またはマッチング動き導出部30373により導出された動きベクトルを用いて生成された予測画像をテンプレートととし、バイラテラルテンプレートマッチング(BTM)処理を実行することにより、精度の高い動きベクトルを導出する。BTM処理の詳細については後述する。BTMは、Decoder-side motion vector refinement(DMVR)とも呼ばれる。 The BTM processing unit 3038 uses the predicted image generated using the motion vector derived by the merge prediction parameter deriving unit 3036 or the matching motion deriving unit 30373 as a template, and executes bilateral template matching (BTM) processing. A highly accurate motion vector is derived. Details of the BTM processing will be described later. BTM is also called Decoder-side motion vector refinement (DMVR).
  (インター予測画像生成部309)
 図11は、本実施形態に係る予測画像生成部308に含まれるインター予測画像生成部309の構成を示す概略図である。インター予測画像生成部309は、動き補償部(予測画像生成装置)3091、重み予測部3094を含んで構成される。
(Inter prediction image generation unit 309)
FIG. 11 is a schematic diagram illustrating a configuration of an inter predicted image generation unit 309 included in the predicted image generation unit 308 according to the present embodiment. The inter prediction image generation unit 309 includes a motion compensation unit (prediction image generation device) 3091 and a weight prediction unit 3094.
  (動き補償)
 動き補償部3091は、インター予測パラメータ復号部303から入力された、インター予測パラメータ(予測リスト利用フラグpredFlagLX、参照ピクチャインデックスrefIdxLX、動きベクトルmvLX)に基づいて、参照ピクチャメモリ306から、参照ピクチャインデックスrefIdxLXで指定された参照ピクチャにおいて、復号対象PUの位置を起点として、動きベクトルmvLXだけずれた位置にあるブロックを読み出すことによって補間画像(動き補償画像、予測画像候補)predSamplesLXを生成する。ここで、動きベクトルmvLXの精度が整数精度でない場合には、動き補償フィルタと呼ばれる小数位置の画素を生成するためのフィルタを施して、動き補償画像を生成する。
(Motion compensation)
The motion compensation unit 3091 receives the reference picture index refIdxLX from the reference picture memory 306 based on the inter prediction parameters (prediction list use flag predFlagLX, reference picture index refIdxLX, motion vector mvLX) input from the inter prediction parameter decoding unit 303. In the reference picture specified in (2), an interpolation image (motion compensated image, predicted image candidate) predSamplesLX is generated by reading out a block at a position shifted by the motion vector mvLX starting from the position of the decoding target PU. Here, when the accuracy of the motion vector mvLX is not integer accuracy, a motion compensation image is generated by applying a filter for generating a pixel at a decimal position called a motion compensation filter.
  (重み予測)
 重み予測部3094は、入力される動き補償画像(補間画像、予測画像候補)predSamplesLXに重み係数を乗算することによりPUの予測画像を生成する。予測リスト利用フラグの一方(predFlagL0もしくはpredFlagL1)が1の場合(単予測の場合)で、重み予測を用いない場合には入力された動き補償画像predSamplesLX(LXはL0もしくはL1)を画素ビット数bitDepthに合わせる以下の式の処理を行う。
(Weight prediction)
The weight prediction unit 3094 generates a predicted image of the PU by multiplying the input motion compensated image (interpolated image, predicted image candidate) predSamplesLX by a weight coefficient. When one of the prediction list use flags (predFlagL0 or predFlagL1) is 1 (in the case of single prediction) and the weight prediction is not used, the input motion compensated image predSamplesLX (LX is L0 or L1) is represented by the number of pixel bits bitDepth The following equation is processed to match
predSamples[x][y] = Clip3( 0, ( 1 << bitDepth ) - 1, ( predSamplesLX[x][y] + offset1 ) >> shift1 )
 ここで、shift1 = 14 - bitDepth、offset1=1<<(shift1-1)である。
また、参照リスト利用フラグの両者(predFlagL0とpredFlagL1)が1の場合(双予測BiPredの場合)で、重み予測を用いない場合には、入力された動き補償画像predSamplesL0、predSamplesL1を平均し画素ビット数に合わせる以下の式の処理を行う。
predSamples [x] [y] = Clip3 (0, (1 << bitDepth)-1, (predSamplesLX [x] [y] + offset1) >> shift1)
Here, shift1 = 14−bitDepth, offset1 = 1 << (shift1-1).
When both of the reference list use flags (predFlagL0 and predFlagL1) are 1 (in the case of bi-prediction BiPred) and weight prediction is not used, the input motion compensation images predSamplesL0 and predSamplesL1 are averaged and the number of pixel bits The following equation is processed to match
predSamples[x][y] = Clip3( 0, ( 1 << bitDepth ) - 1, ( predSamplesL0[x][y] + predSamplesL1[x][y] + offset2 ) >> shift2 )
ここで、shift2=15-bitDepth、offset2=1<<(shift2-1)である。
predSamples [x] [y] = Clip3 (0, (1 << bitDepth)-1, (predSamplesL0 [x] [y] + predSamplesL1 [x] [y] + offset2) >> shift2)
Here, shift2 = 15-bitDepth, offset2 = 1 << (shift2-1).
 さらに、単予測の場合で、重み予測を行う場合には、重み予測部3094は、重み予測係数w0とオフセットo0を符号化データから導出し、以下の式の処理を行う。 Furthermore, in the case of single prediction, when performing weight prediction, the weight prediction unit 3094 derives the weight prediction coefficient w0 and the offset o0 from the encoded data, and performs the processing of the following equation.
predSamples[x][y] = Clip3( 0, ( 1 << bitDepth ) - 1, ( (predSamplesLX[x][y] * w0 + 2^(log2WD - 1)) >> log2WD ) + o0 )
 ここで、log2WDは所定のシフト量を示す変数である。
predSamples [x] [y] = Clip3 (0, (1 << bitDepth)-1, ((predSamplesLX [x] [y] * w0 + 2 ^ (log2WD-1)) >> log2WD) + o0)
Here, log2WD is a variable indicating a predetermined shift amount.
 さらに、双予測BiPredの場合で、重み予測を行う場合には、重み予測部3094は、重み予測係数w0、w1、o0、o1を符号化データから導出し、以下の式の処理を行う。 Furthermore, in the case of bi-prediction BiPred, when performing weight prediction, the weight prediction unit 3094 derives weight prediction coefficients w0, w1, o0, o1 from the encoded data, and performs the processing of the following equation.
predSamples[x][y] = Clip3( 0, ( 1 << bitDepth ) - 1, ( predSamplesL0 [x][y] * w0 + predSamplesL1[x][y] * w1 + ((o0 + o1 + 1) << log2WD) ) >> (log2WD + 1) )
 <動きベクトル復号処理>
 以下では、図9を参照して、本実施形態に係る動きベクトル復号処理について具体的に説明する。
predSamples [x] [y] = Clip3 (0, (1 << bitDepth)-1, (predSamplesL0 [x] [y] * w0 + predSamplesL1 [x] [y] * w1 + ((o0 + o1 + 1) << log2WD)) >> (log2WD + 1))
<Motion vector decoding process>
Below, with reference to FIG. 9, the motion vector decoding process which concerns on this embodiment is demonstrated concretely.
 上述の説明から明らかなように、本実施形態に係る動きベクトル復号処理は、インター予測に関連するシンタックス要素を復号する処理(動きシンタックス復号処理とも呼ぶ)と、動きベクトルを導出する処理(動きベクトル導出処理)とを含んでいる。 As is clear from the above description, the motion vector decoding process according to the present embodiment includes a process of decoding syntax elements related to inter prediction (also referred to as motion syntax decoding process) and a process of deriving a motion vector ( Motion vector derivation process).
  (動きシンタックス復号処理)
 図9は、インター予測パラメータ復号制御部3031によって行われるインター予測シンタックス復号処理の流れを示すフローチャートである。図9の説明における以下の説明において、特に明示のない場合、各処理はインター予測パラメータ復号制御部3031によって行われる。
(Motion syntax decoding process)
FIG. 9 is a flowchart illustrating a flow of inter prediction syntax decoding processing performed by the inter prediction parameter decoding control unit 3031. In the following description of FIG. 9, each process is performed by the inter prediction parameter decoding control unit 3031 unless otherwise specified.
 まず、ステップS101において、マージフラグmerge_flagが復号され、ステップS102において、
 merge_flag != 0(merge_flagが0でないか)
が判断される。
First, in step S101, the merge flag merge_flag is decoded, and in step S102,
merge_flag! = 0 (whether merge_flag is not 0)
Is judged.
 merge_flag !=0 が真(S102でY)の場合、S103においてマージインデックスmerge_idxが復号され、マージモードにおける動きベクトル導出処理(S111)を実行する。 When merge_flag! = 0 is true (Y in S102), the merge index merge_idx is decoded in S103, and the motion vector derivation process (S111) in the merge mode is executed.
 merge_flag!=0 が偽(S102でN)の場合、S104においてインター予測識別子inter_pred_idcを復号する。 When merge_flag! = 0 is false (N in S102), the inter prediction identifier inter_pred_idc is decoded in S104.
 inter_pred_idcがPRED_L1以外(PRED_L0もしくはPRED_BI)の場合、S105、S106、S107において、参照ピクチャインデックスrefIdxL0、差分ベクトルのパラメータmvdL0、予測ベクトルインデックスmvp_L0_idxが各々復号される。 When inter_pred_idc is other than PRED_L1 (PRED_L0 or PRED_BI), the reference picture index refIdxL0, the difference vector parameter mvdL0, and the prediction vector index mvp_L0_idx are decoded in S105, S106, and S107, respectively.
 inter_pred_idcがPRED_L0以外(PRED_L1もしくはPRED_BI)の場合、S108、S109、S110において、参照ピクチャインデックスrefIdxL1、差分ベクトルのパラメータmvdL1、予測ベクトルインデックスmvp_L1_idxが復号される。続いて、AMVPモードにおける動きベクトル導出処理(S112)を実行する。 When inter_pred_idc is other than PRED_L0 (PRED_L1 or PRED_BI), the reference picture index refIdxL1, the difference vector parameter mvdL1, and the prediction vector index mvp_L1_idx are decoded in S108, S109, and S110. Subsequently, a motion vector derivation process (S112) in the AMVP mode is executed.
  (動きベクトル導出処理の例)
 動きベクトルの導出処理は、以下のように導出することができる。図15は、動き予測モード決定フローの概要を示すフローチャート図である。動き予測モード決定フローは、インター予測パラメータ復号部303により実行される。動き予測モードとは、動き補償予測に用いる動きベクトルの導出方法を決定するモードである。
(Example of motion vector derivation processing)
The motion vector deriving process can be derived as follows. FIG. 15 is a flowchart showing an outline of the motion prediction mode determination flow. The motion prediction mode determination flow is executed by the inter prediction parameter decoding unit 303. The motion prediction mode is a mode for determining a method for deriving a motion vector used for motion compensation prediction.
 図15に示すように、動き予測モード決定フローでは、まず、インター予測パラメータ復号制御部3031によって、マージフラグmerge_flagが復号され(S1400)、マージモードか否かが判断される(S1401)。詳細には、インター予測パラメータ復号制御部3031によって、マージフラグmerge_flagが復号され、merge_flag==1が判断されることによって、マージモードか否かが判断される。 As shown in FIG. 15, in the motion prediction mode determination flow, first, the inter prediction parameter decoding control unit 3031 decodes the merge flag merge_flag (S1400), and determines whether the mode is the merge mode (S1401). Specifically, the inter prediction parameter decoding control unit 3031 decodes the merge flag merge_flag and determines merge_flag == 1, thereby determining whether or not the mode is the merge mode.
 マージモードでないと判断された場合(S1401でNO)、AMVPモードとなる。詳細には、merge_flag==1が偽の場合、AMVPモード(S1411)が選択される。この場合、インター予測パラメータ復号制御部3031によって、差分ベクトルmvdLXが復号され、予測ベクトルインデックスmvp_LX_idxが復号される。更に、AMVP予測パラメータ導出部3032は予測ベクトルmvpLXを導出し、動きベクトルmvLXを次式により導出する。 If it is determined that the mode is not the merge mode (NO in S1401), the AMVP mode is set. Specifically, when merge_flag == 1 is false, the AMVP mode (S1411) is selected. In this case, the inter prediction parameter decoding control unit 3031 decodes the difference vector mvdLX and decodes the prediction vector index mvp_LX_idx. Further, the AMVP prediction parameter deriving unit 3032 derives a prediction vector mvpLX and derives a motion vector mvLX by the following equation.
  mvLX = pmvCand[mvp_LX_idx] + mvdLX
 なお、mvpLX = pmvCand[mvp_LX_idx]。
mvLX = pmvCand [mvp_LX_idx] + mvdLX
Note that mvpLX = pmvCand [mvp_LX_idx].
 一方、マージモードであると判断された場合(S1401でYES)、インター予測パラメータ復号制御部3031はフラック(FRUC: Frame Rate Up Conversion)モードインデックスを復号し(S1402)、マッチング動き導出モードであるか否かを判断する(S1403)。詳細には、merge_flag==1が真の場合、フラックモードインデックスfruc_mode_idxが復号され、fruc_mode_idx!=0が判断される。 On the other hand, if it is determined that the mode is the merge mode (YES in S1401), the inter prediction parameter decoding control unit 3031 decodes the FLUC (FRUC: Frame Rate Up Conversion) mode index (S1402), and is the matching motion derivation mode? It is determined whether or not (S1403). Specifically, when merge_flag == 1 is true, the flack mode index fruc_mode_idx is decoded, and fruc_mode_idx! = 0 is determined.
 そして、マッチング動き導出モードであると判断された場合(S1403でYES)、マッチング動き導出モードとなる(S1404)。詳細には、fruc_mode_idx!=0が真の場合、動きベクトル導出方法としてマッチング動き導出モードが選択される。そして、マッチング動き導出部30373によって、テンプレートマッチング(TM)を行うか否かが判断される(S1404a)。テンプレートマッチングを行う場合(S1404aでYES)、マッチング動き導出部30373はテンプレートマッチングを行い(S1404b)、テンプレートマッチングを行わない場合(S1404aでNO)、マッチング動き導出部30373はバイラテラルマッチング(BM)を行う(S1404c)。ステップS1404では、マッチング動き導出部30373によって、fruc_mode_idxがMODE_BM(例えば1)の場合、バイラテラルマッチングによりパターンマッチベクトルが導出され、fruc_mode_idxがMODE_TM(例えば2)の場合、テンプレートマッチングによりパターンマッチベクトルが導出される。 If it is determined that the mode is the matching motion derivation mode (YES in S1403), the matching motion derivation mode is set (S1404). Specifically, when fruc_mode_idx! = 0 is true, the matching motion derivation mode is selected as the motion vector derivation method. Then, the matching motion deriving unit 30373 determines whether to perform template matching (TM) (S1404a). When performing template matching (YES in S1404a), the matching motion deriving unit 30373 performs template matching (S1404b), and when not performing template matching (NO in S1404a), the matching motion deriving unit 30373 performs bilateral matching (BM). This is performed (S1404c). In step S1404, when the fruc_mode_idx is MODE_BM (for example, 1), the pattern matching vector is derived by bilateral matching when the fruc_mode_idx is MODE_BM (for example, 1). Is done.
 また、ステップ1403において、マッチング動き導出モードではないと判断された場合(S1403でNO)、マージモードとなる(S1412)。詳細には、fruc_mode_idx!=0が偽の場合、インター予測パラメータ復号制御部3031によって、マージインデックスmerge_idxを復号する。続いて、マージ予測パラメータ導出部3036はマージ候補mergeCandを導出し、動きベクトルmvLXを次式により導出する。 In step 1403, if it is determined that the mode is not the matching motion derivation mode (NO in S1403), the merge mode is set (S1412). Specifically, when fruc_mode_idx! = 0 is false, the inter prediction parameter decoding control unit 3031 decodes the merge index merge_idx. Subsequently, the merge prediction parameter deriving unit 3036 derives merge candidates mergeCand and derives a motion vector mvLX by the following equation.
  mvLX = mergeCand[merge_idx]
 そして、マージモードにおいて導出した動きベクトルに関し、BTM処理部3038は、バイラテラルテンプレートマッチング(BTM)処理を行うか否かを判定し(S1413)、BTM処理を行うと判定した場合(S1413でYES)、BTM処理を実行する(S1414)。
mvLX = mergeCand [merge_idx]
Then, regarding the motion vector derived in the merge mode, the BTM processing unit 3038 determines whether or not to perform bilateral template matching (BTM) processing (S1413), and determines that BTM processing is performed (YES in S1413). , BTM processing is executed (S1414).
 BTM処理を行うか否かの判定は、マージモードにおいて双方向予測により動きベクトルが導出されていれば、BTM処理を行うと判定し、双方向予測でなければ、BTM処理は行わないと判定する。また、輝度補償の予測パラメータ、およびアフィン予測パラメータの場合、双方向予測であってもBTM処理は行わない。 Whether or not to perform BTM processing is determined to perform BTM processing if a motion vector is derived by bi-directional prediction in the merge mode, and is determined not to perform BTM processing unless bi-directional prediction is performed. . In addition, in the case of the prediction parameter for luminance compensation and the affine prediction parameter, the BTM process is not performed even in bidirectional prediction.
  (BTM(バイラテラルテンプレートマッチング)処理)
 次に、図16および図17を参照してバイラテラルテンプレートマッチング(BTM)処理の詳細について説明する。図16の(a)はBTM処理における参照画像とテンプレートとの関係を示す図であり、(b)は処理の流れを示す図である。また、図17は、BTM処理におけるテンプレートの詳細を説明するための図である。
(BTM (bilateral template matching) processing)
Next, details of the bilateral template matching (BTM) process will be described with reference to FIGS. 16 and 17. FIG. 16A is a diagram showing a relationship between a reference image and a template in BTM processing, and FIG. 16B is a diagram showing a processing flow. FIG. 17 is a diagram for explaining the details of the template in the BTM processing.
 図16の(a)、および図17に示すように、BTM処理部3038は、まず、マージ予測パラメータ導出部3036で導出された複数の参照画像Ref0、Ref1から対象ブロックCur blockの予測ブロックを生成し、これをテンプレートとする。 As shown in FIG. 16A and FIG. 17, the BTM processing unit 3038 first generates a prediction block of the target block Cur ブ ロ ッ ク block from a plurality of reference images Ref0 and Ref1 derived by the merge prediction parameter deriving unit 3036. This is used as a template.
 具体的には、重み予測部3094の処理と同じ処理であり、参照画像Ref0と動きベクトルmvL0により導出された動き補償画像predSamplesL0[][]と、参照画像Ref1と動きベクトルmvL1により導出された動き補償画像predSamplesL1[][]から導出される重み予測画像predSamples[][]をテンプレートpredBTM[][]とする。
predBTM[x][y] = Clip3( 0, ( 1 << bitDepth ) - 1, ( predSamplesL0[x][y] + predSamplesL1[x][y] + offset2 ) >> shift2 )
 上記式を参照すると、predSamplesL0[x][y]およびpredSamplesL1[x][y]の係数は1となっている。すなわち、テンプレートpredBTM[x][y]は、predSamplesL0[x][y]とpredSamplesL1[x][y]との平均値から導出されるといえる。
Specifically, the processing is the same as the processing of the weight prediction unit 3094, the motion compensated image predSamplesL0 [] [] derived from the reference image Ref0 and the motion vector mvL0, and the motion derived from the reference image Ref1 and the motion vector mvL1. The weight prediction image predSamples [] [] derived from the compensation image predSamplesL1 [] [] is defined as a template predBTM [] [].
predBTM [x] [y] = Clip3 (0, (1 << bitDepth)-1, (predSamplesL0 [x] [y] + predSamplesL1 [x] [y] + offset2) >> shift2)
Referring to the above equation, the coefficients of predSamplesL0 [x] [y] and predSamplesL1 [x] [y] are 1. That is, it can be said that the template predBTM [x] [y] is derived from the average value of predSamplesL0 [x] [y] and predSamplesL1 [x] [y].
 次に、BTM処理部3038は、参照画像Ref0、参照画像Ref1のそれぞれについて、mvL0またはmvL1を中心(初期ベクトル)とする範囲で、動きベクトルの候補を設定し、動きベクトル候補における動き補償画像と、テンプレートとのマッチングコストを導出する。そして、マッチングコストが最小となるベクトルmvL0’、mvL1’に動きベクトルmvL0, mvL1を更新する。 Next, the BTM processing unit 3038 sets motion vector candidates in a range centered on mvL0 or mvL1 (initial vector) for each of the reference image Ref0 and the reference image Ref1, Deriving the matching cost with the template. Then, the motion vectors mvL0 and mvL1 are updated to the vectors mvL0 ′ and mvL1 ′ that minimize the matching cost.
 次に、図16の(b)を参照して、BTM処理の流れを説明する。図16の(b)に示すように、BTM処理部3038は、まずテンプレートを導出する(S501)。テンプレートは上述した通り、マージ予測パラメータ導出部3036で導出された複数の動きベクトル(例えば、mvL0およびmvL1)から導出された予測ブロックである。次に、BTM処理部3038は、ローカルサーチを行う(S502)。図16の(b)に示すように、ローカルサーチは、参照画像Ref0に関するL0サーチ処理(S503)、参照画像Ref1に関するL1サーチ処理(S504)の順に行う。L0サーチ処理およびL1サーチ処理においては、マッチングコストが最小となる最適ベクトルbestMVの探索を行う。すなわち、BTM処理部3038は、X=0..1の参照画像RefXの動きベクトル候補に対して、テンプレートpredBTM[][]と動き補償画像predSamplesLX[][]のマッチングコストを導出し、マッチングコストが最小となる動きベクトル候補を最適ベクトルbestMVとする。最適ベクトルとなる場合のマッチングコストとして、参照画像Ref0に関するマッチングコストをcostL0、参照画像Ref1に関するマッチングコストをcostL1と呼ぶ。以下、参照画像RefXに関するマッチングコストをcostLXとも表記する。 Next, the flow of BTM processing will be described with reference to FIG. As shown in FIG. 16B, the BTM processing unit 3038 first derives a template (S501). As described above, the template is a prediction block derived from a plurality of motion vectors (for example, mvL0 and mvL1) derived by the merge prediction parameter deriving unit 3036. Next, the BTM processing unit 3038 performs a local search (S502). As shown in FIG. 16B, the local search is performed in the order of the L0 search process (S503) for the reference image Ref0 and the L1 search process (S504) for the reference image Ref1. In the L0 search process and the L1 search process, an optimum vector bestMV that minimizes the matching cost is searched. That is, the BTM processing unit 3038 derives a matching cost between the template predBTM [] [] and the motion compensated image predSamplesLX [] [] for the motion vector candidate of the reference image RefX with X = 0..1, and the matching cost Let the motion vector candidate that minimizes be the optimal vector bestMV. As matching costs for the optimal vector, the matching cost for the reference image Ref0 is called costL0, and the matching cost for the reference image Ref1 is called costL1. Hereinafter, the matching cost for the reference image RefX is also expressed as costLX.
 インター予測画像生成部309は、BTM処理部3038によるL0サーチ処理から得られる動きベクトルmvL0を用いて導出された動き補償画像predSamplesL0[x][y]と、BTM処理部3038によるL1サーチ処理から得られる動きベクトルmvL1を用いて導出された動き補償画像predSamplesL1[x][y]とから最終的な予測画像predSamples[x][y]を導出する。2つの動き補償画像predSamplesL1[x][y]、predSamplesL1[x][y]から予測画像predSamples[x][y]を導出する処理は既に説明した方法を用いても良いし、実施形態2で説明する方法を用いてもよい。 The inter prediction image generation unit 309 obtains the motion compensated image predSamplesL0 [x] [y] derived using the motion vector mvL0 obtained from the L0 search processing by the BTM processing unit 3038 and the L1 search processing by the BTM processing unit 3038. The final predicted image predSamples [x] [y] is derived from the motion compensated image predSamplesL1 [x] [y] derived using the motion vector mvL1 obtained. For the process of deriving the predicted image predSamples [x] [y] from the two motion compensated images predSamplesL1 [x] [y] and predSamplesL1 [x] [y], the method described above may be used. The method described may be used.
  (TM(テンプレートマッチング)処理)
 次に、図18を参照して、テンプレートマッチング(TM)の概要について説明する。図18の(a)、(b)は、テンプレートマッチングの概要を示す図である。図18の(b)に示すように、テンプレートマッチングでは、参照画像Ref0に関するL0マッチング処理(S801)、および参照画像Ref1に関するL1マッチング処理(S802)を順に行う。また、L0マッチング処理およびL1マッチング処理のそれぞれにおいて、ブロックサーチ(S811、S821)、およびサブブロックサーチ(S812、S822)を行う。L0マッチング処理およびL1マッチング処理において、マッチング動き導出部30373は、マッチングコストが最小となる最適ベクトルbestMVの探索を行う。BTMの場合と同様、最適ベクトルとなる場合の参照画像Ref0に関するマッチングコストをcostL0、参照画像Ref1に関するマッチングコストをcostL1と呼ぶ。
(TM (template matching) processing)
Next, an overview of template matching (TM) will be described with reference to FIG. 18A and 18B are diagrams showing an outline of template matching. As shown in FIG. 18B, in the template matching, the L0 matching process (S801) related to the reference image Ref0 and the L1 matching process (S802) related to the reference image Ref1 are sequentially performed. In each of the L0 matching process and the L1 matching process, a block search (S811, S821) and a sub-block search (S812, S822) are performed. In the L0 matching process and the L1 matching process, the matching motion derivation unit 30373 searches for the optimum vector bestMV that minimizes the matching cost. As in the case of BTM, the matching cost for the reference image Ref0 when it is an optimal vector is called costL0, and the matching cost for the reference image Ref1 is called costL1.
 なお、本明細書では、参照画像RefXでの動きベクトルの補正もしくは導出を、BTMは「LXサーチ処理」、TMは「LXマッチング処理」と呼んでいるが、どちらも参照画像RefXに対するテンプレートを用いたマッチング処理である。つまり、BTMとTMとの間で、マッチングする領域(テンプレート)と初期ベクトルが異なることを除くと、これらはほぼ同じ処理である。 In this specification, the motion vector correction or derivation in the reference image RefX is called “LX search processing” and TM is “LX matching processing”, but both use a template for the reference image RefX. Matching process. That is, except for the fact that the matching area (template) and the initial vector are different between BTM and TM, these are almost the same processing.
 BTMの場合と同様、インター予測画像生成部309は、L0マッチング処理から得られる動きベクトルmvL0による動き補償画像predSamplesL0[x][y]と、L1マッチング処理から得られる動きベクトルmvL1による動き補償画像predSamplesL1[x][y]とから最終的な予測画像predSamples[x][y]を導出する。2つの動き補償画像predSamplesL1[x][y]、predSamplesL1[x][y]から予測画像predSamples[x][y]を導出する処理は既に説明した方法を用いても良いし、実施形態2で説明する方法を用いてもよい。 As in the case of BTM, the inter prediction image generation unit 309 performs the motion compensated image predSamplesL0 [x] [y] based on the motion vector mvL0 obtained from the L0 matching process and the motion compensated image predSamplesL1 based on the motion vector mvL1 obtained from the L1 matching process. The final predicted image predSamples [x] [y] is derived from [x] [y]. For the process of deriving the predicted image predSamples [x] [y] from the two motion compensated images predSamplesL1 [x] [y] and predSamplesL1 [x] [y], the method described above may be used. The method described may be used.
  (BM(バイラテラルマッチング)処理)
 次に、図19を参照して、バイラテラルマッチング(BM)の概要について説明する。図19の(a)、(b)は、バイラテラルマッチングの概要を示す図である。図19の(b)に示すように、バイラテラルマッチングでは、L0/L1マッチング処理(S901)を行う。また、L0/L1マッチング処理において、ブロックサーチ(S911)、およびサブブロックサーチ(S912)を行う。
(BM (bilateral matching) processing)
Next, an outline of bilateral matching (BM) will be described with reference to FIG. (A) and (b) of FIG. 19 are diagrams showing an outline of bilateral matching. As shown in FIG. 19B, in bilateral matching, L0 / L1 matching processing (S901) is performed. In the L0 / L1 matching process, a block search (S911) and a sub-block search (S912) are performed.
  (TMとBMの詳細)
 次に、図20および図21を参照して、テンプレートマッチングおよびバイラテラルマッチングの詳細について説明する。図20は、マッチング動き導出モード(テンプレートマッチング、バイラテラルマッチング)における動きベクトル導出処理の流れを示すフローチャート図である。図21は、マッチング動き導出モードにおける動きベクトル導出処理を説明するための図である。
(Details of TM and BM)
Next, details of template matching and bilateral matching will be described with reference to FIGS. 20 and 21. FIG. FIG. 20 is a flowchart showing the flow of motion vector derivation processing in the matching motion derivation mode (template matching, bilateral matching). FIG. 21 is a diagram for explaining motion vector derivation processing in the matching motion derivation mode.
 図20に示す処理は、マッチング動き導出部30373により実行される。 20 is executed by the matching motion deriving unit 30373.
 なお、図20に示す各ステップのうち、ステップS1051~S1054は、ブロックレベルで実行されるブロックサーチである。すなわち、図21の(a)に示すように、対象ブロック(CU、またはPU)単位の動きベクトルを導出する。 Of steps shown in FIG. 20, steps S1051 to S1054 are block searches executed at the block level. That is, as shown in (a) of FIG. 21, a motion vector in a target block (CU or PU) unit is derived.
 また、ステップS1055~S1060は、サブブロックレベルで実行されるサブブロックサーチである。すなわち、図21の(b)に示すように、対象ブロックを構成するサブブロック単位で動きベクトルを導出する。なお、サブブロックのサイズは、対象ブロックに対し、縦横それぞれ1/8である。ただし、サブブロックの最小サイズは、4×4画素である。図20においてFRUC_MODEは、マッチング動き導出モードの種類を示す変数であり、すでに説明したfruc_mode_idxに対応する。 Also, steps S1055 to S1060 are a sub-block search executed at the sub-block level. That is, as shown in (b) of FIG. 21, a motion vector is derived in units of subblocks constituting the target block. Note that the size of the sub-block is 1/8 both vertically and horizontally with respect to the target block. However, the minimum size of the sub-block is 4 × 4 pixels. In FIG. 20, FRUC_MODE is a variable indicating the type of matching motion derivation mode, and corresponds to the fruc_mode_idx already described.
 まず、ステップS1051において、FRUC_MODE==MODE_TMが判断される。FRUC_MODE==MODE_TM が真(S1051でYES)の場合、ステップS1052において、テンプレートマッチングを行うためのテンプレートを導出する。より詳細には、テンプレートマッチング用のテンプレートをブロックの周辺領域から導出する。具体的には、図21の(c)に示すように、対象ブロックの上隣接領域と左隣接領域とからテンプレートを導出する。具体的には、対象ブロックの上隣接領域と左隣接領域との画素をコピーしてテンプレート画像とする。なお、対象ブロックの上隣接領域と左隣接領域とは、それらの隣接が利用可能な場合のみに利用する。一方の領域が利用できない場合には、対象ブロックの上隣接領域もしくは左隣接領域の画素をコピーしてテンプレート画像とする。 First, in step S1051, FRUC_MODE == MODE_TM is determined. If FRUC_MODE == MODE_TM is true (YES in S1051), a template for template matching is derived in step S1052. More specifically, a template for template matching is derived from the peripheral area of the block. Specifically, as shown in FIG. 21C, a template is derived from the upper adjacent area and the left adjacent area of the target block. Specifically, the pixels of the upper adjacent area and the left adjacent area of the target block are copied to form a template image. Note that the upper adjacent area and the left adjacent area of the target block are used only when their adjacency is available. When one of the areas cannot be used, a pixel image is copied from the upper adjacent area or the left adjacent area of the target block.
 なお、隣接領域からコピーする画素の幅(テンプレートのサイズ)は4画素などが適当である。そして、ステップS1053に進む。 It should be noted that the pixel width (template size) copied from the adjacent area is suitably 4 pixels. Then, the process proceeds to step S1053.
 また、FRUC_MODE==MODE_TM が偽(S1051でNO)の場合もステップS1053に進む。ステップS1053において、対象ブロックにおけるブロックレベルの初期ベクトルを導出(初期ベクトルサーチ)する。なお、初期ベクトルとは、探索のベースとなる動きベクトルであり、限られた動きベクトル候補(空間マージ候補、時間マージ候補、結合マージ候補、ゼロベクトル、対象ブロックのATMVPベクトル等)から、マッチングコストが最小となるベクトルを導出し、初期ベクトルとしている。上述のように、初期ベクトル候補は、処理済みの参照点の動きベクトルに基づいて導出される動きベクトルである。つまり、各種マージ候補のように、すでに処理された点の動きベクトル(処理済み動きベクトル)、処理済み動きベクトルをスケールしたもの、もしくは、ATMVPベクトルのように複数の処理済み動きベクトルから導出される代表値を用いる。なお、ATMVPベクトルとは、対象ブロックの周囲の動きベクトルと、参照画像の動きベクトルとの平均(もしくは加重平均、メジアン)により、導出されるベクトルである。初期ベクトルサーチは、探索された結果に応じて再帰的に探索を繰り返すステップサーチや、連続領域をサーチするラスタサーチを含まない。これらのサーチはローカルサーチと呼ぶ。 Also, if FRUC_MODE == MODE_TM is false (NO in S1051), the process proceeds to step S1053. In step S1053, a block-level initial vector in the target block is derived (initial vector search). Note that the initial vector is a motion vector that serves as a base for the search. From a limited motion vector candidate (spatial merge candidate, temporal merge candidate, combined merge candidate, zero vector, ATMVP vector of the target block, etc.), a matching cost is determined. The vector that minimizes is derived as the initial vector. As described above, the initial vector candidate is a motion vector derived based on the motion vector of the processed reference point. That is, it is derived from motion vectors of already processed points (processed motion vectors) like various merge candidates, a scaled version of a processed motion vector, or a plurality of processed motion vectors such as ATMVP vectors. Use representative values. The ATMVP vector is a vector derived from the average (or weighted average, median) of the motion vector around the target block and the motion vector of the reference image. The initial vector search does not include a step search that repeats the search recursively according to the searched result and a raster search that searches a continuous region. These searches are called local searches.
 ステップS1054において、対象ブロックにおけるブロックレベルのローカルサーチ(局所的探索)を行う。ローカルサーチでは、ステップS1051で導出された初期ベクトルを中心とする局所領域をさらにサーチし、マッチングコストが最小となるベクトルを探索し、最終的なベクトルとする。なお、ローカルサーチは、ステップサーチやラスタサーチ、スパイラルサーチでもよい。ローカルサーチの詳細については後述する。 In step S1054, a block level local search (local search) in the target block is performed. In the local search, a local region centered on the initial vector derived in step S1051 is further searched to search for a vector having a minimum matching cost, and set as a final vector. The local search may be a step search, raster search, or spiral search. Details of the local search will be described later.
 続いて、対象ブロックに含まれる各サブブロックについて、以下の処理を行う(ステップS1055~S1060)。 Subsequently, the following processing is performed for each sub-block included in the target block (steps S1055 to S1060).
 まず、ステップS1056において、FRUC_MODE==MODE_TMが判断される。FRUC_MODE==MODE_TMが真(S1056でYES)の場合、ステップS1057において、テンプレートマッチングを行うためのテンプレートを取得する。より詳細には、テンプレートマッチング用のテンプレートをサブブロックの周辺領域から取得する。具体的には、図21の(c)に示すように、対象サブブロックの上隣接領域または左隣接領域からテンプレートを取得する。そして、ステップS1058に進む。また、FRUC_MODE==MODE_TMが偽(S1056でNO)の場合もステップS1058に進む。 First, in step S1056, FRUC_MODE == MODE_TM is determined. If FRUC_MODE == MODE_TM is true (YES in S1056), a template for performing template matching is acquired in step S1057. More specifically, a template for template matching is acquired from the peripheral area of the sub-block. Specifically, as shown in FIG. 21C, a template is acquired from the upper adjacent region or the left adjacent region of the target sub block. Then, the process proceeds to step S1058. Also, if FRUC_MODE == MODE_TM is false (NO in S1056), the process proceeds to step S1058.
 ステップS1058において、対象ブロックにおけるサブブロックの初期ベクトルを導出(初期ベクトルサーチ)する。詳細には、ベクトル候補(対象ブロックの選択ベクトル、ゼロベクトル、当該サブブロックの中心コロケートベクトル、当該サブブロックの右下コロケートベクトル、当該サブブロックのATMVPベクトル、当該サブブロックの上隣接ベクトル、当該サブブロックの左隣接ベクトル等)のうち、マッチングコストが最小となるベクトルを当該サブブロックの初期ベクトルとする。なお、サブブロックの初期ベクトル探索に利用するベクトル候補は上述のベクトルに限定されない。 In step S1058, an initial vector of a sub-block in the target block is derived (initial vector search). In detail, vector candidates (target block selection vector, zero vector, center collocation vector of the subblock, lower right collocation vector of the subblock, ATMVP vector of the subblock, upper adjacent vector of the subblock, the sub The vector having the smallest matching cost among the left adjacent vectors of the block is set as the initial vector of the sub-block. Note that the vector candidates used for the initial vector search of the sub-block are not limited to the vectors described above.
 次に、ステップS1059において、S1058で選択されたサブブロックの初期ベクトルを中心とするローカルサーチを行う。そして、サブブロックの初期ベクトル付近のベクトル候補のマッチングコストを導出し、最小となるベクトルをサブブロックの動きベクトルとして導出する。 Next, in step S1059, a local search centering on the initial vector of the sub-block selected in S1058 is performed. Then, the matching cost of vector candidates near the initial vector of the sub-block is derived, and the minimum vector is derived as the sub-block motion vector.
 そして、対象ブロックに含まれる全てのサブブロックについて処理が完了すると、パターンマッチベクトル導出処理が終了する。 Then, when the process is completed for all the sub-blocks included in the target block, the pattern match vector derivation process ends.
 なお、初期ベクトルサーチ、ローカルサーチともに、FRUC_MODE==MODE_TMでない場合は、バイラテラルマッチングによってマッチングコストを導出する。また、FRUC_MODE==MODE_TMの場合は、テンプレートマッチングによってマッチングコストを導出する。 Note that, for both initial vector search and local search, if FRUC_MODE == MODE_TM, the matching cost is derived by bilateral matching. If FRUC_MODE == MODE_TM, the matching cost is derived by template matching.
  (画像符号化装置の構成)
 次に、本実施形態に係る画像符号化装置11の構成について説明する。図4は、本実施形態に係る画像符号化装置11の構成を示すブロック図である。画像符号化装置11は、予測画像生成部101、減算部102、変換・量子化部103、エントロピー符号化部104、逆量子化・逆変換部105、加算部106、ループフィルタ107、予測パラメータメモリ(予測パラメータ記憶部、フレームメモリ)108、参照ピクチャメモリ(参照画像記憶部、フレームメモリ)109、符号化パラメータ決定部110、予測パラメータ符号化部111を含んで構成される。予測パラメータ符号化部111は、インター予測パラメータ符号化部112及びイントラ予測パラメータ符号化部113を含んで構成される。
(Configuration of image encoding device)
Next, the configuration of the image encoding device 11 according to the present embodiment will be described. FIG. 4 is a block diagram illustrating a configuration of the image encoding device 11 according to the present embodiment. The image encoding device 11 includes a predicted image generation unit 101, a subtraction unit 102, a transform / quantization unit 103, an entropy encoding unit 104, an inverse quantization / inverse transform unit 105, an addition unit 106, a loop filter 107, and a prediction parameter memory. (Prediction parameter storage unit, frame memory) 108, reference picture memory (reference image storage unit, frame memory) 109, encoding parameter determination unit 110, and prediction parameter encoding unit 111. The prediction parameter encoding unit 111 includes an inter prediction parameter encoding unit 112 and an intra prediction parameter encoding unit 113.
 予測画像生成部101は画像Tの各ピクチャについて、そのピクチャを分割した領域である符号化ユニットCU毎に予測ユニットPUの予測画像Pを生成する。ここで、予測画像生成部101は、予測パラメータ符号化部111から入力された予測パラメータに基づいて参照ピクチャメモリ109から復号済のブロックを読み出す。予測パラメータ符号化部111から入力された予測パラメータとは、例えばインター予測の場合、動きベクトルである。予測画像生成部101は、対象PUを起点として動きベクトルが示す参照画像上の位置にあるブロックを読み出す。またイントラ予測の場合、予測パラメータとは例えばイントラ予測モードである。イントラ予測モードで使用する隣接PUの画素値を参照ピクチャメモリ109から読み出し、PUの予測画像Pを生成する。予測画像生成部101は、読み出した参照ピクチャブロックについて複数の予測方式のうちの1つの予測方式を用いてPUの予測画像Pを生成する。予測画像生成部101は、生成したPUの予測画像Pを減算部102に出力する。 The predicted image generation unit 101 generates, for each picture of the image T, a predicted image P of the prediction unit PU for each encoding unit CU that is an area obtained by dividing the picture. Here, the predicted image generation unit 101 reads a decoded block from the reference picture memory 109 based on the prediction parameter input from the prediction parameter encoding unit 111. The prediction parameter input from the prediction parameter encoding unit 111 is, for example, a motion vector in the case of inter prediction. The predicted image generation unit 101 reads a block at a position on the reference image indicated by the motion vector with the target PU as a starting point. In the case of intra prediction, the prediction parameter is, for example, an intra prediction mode. A pixel value of an adjacent PU used in the intra prediction mode is read from the reference picture memory 109, and a predicted image P of the PU is generated. The predicted image generation unit 101 generates a predicted image P of the PU using one prediction method among a plurality of prediction methods for the read reference picture block. The predicted image generation unit 101 outputs the generated predicted image P of the PU to the subtraction unit 102.
 なお、予測画像生成部101は、既に説明した予測画像生成部308と同じ動作である。例えば、図6は、予測画像生成部101に含まれるインター予測画像生成部1011の構成を示す概略図である。インター予測画像生成部1011は、動き補償部10111、重み予測部10112を含んで構成される。動き補償部10111および重み予測部10112については、上述の動き補償部3091、重み予測部3094のそれぞれと同様の構成であるためここでの説明を省略する。また、インター予測画像生成部1011の構成が、後述の実施形態2および実施形態3に記載のインター予測画像生成部309と同様の構成を含んでいてもよい。この場合、インター予測パラメータ符号化部112の構成は、インター予測パラメータ復号部303と同様の構成を含んでいてもよい。 Note that the predicted image generation unit 101 performs the same operation as the predicted image generation unit 308 already described. For example, FIG. 6 is a schematic diagram illustrating a configuration of an inter predicted image generation unit 1011 included in the predicted image generation unit 101. The inter prediction image generation unit 1011 includes a motion compensation unit 10111 and a weight prediction unit 10112. Since the motion compensation unit 10111 and the weight prediction unit 10112 have the same configurations as the motion compensation unit 3091 and the weight prediction unit 3094 described above, description thereof is omitted here. Further, the configuration of the inter predicted image generation unit 1011 may include the same configuration as the inter predicted image generation unit 309 described in the second and third embodiments described later. In this case, the configuration of the inter prediction parameter encoding unit 112 may include the same configuration as that of the inter prediction parameter decoding unit 303.
 予測画像生成部101は、予測パラメータ符号化部から入力されたパラメータを用いて、参照ピクチャメモリから読み出した参照ブロックの画素値をもとにPUの予測画像Pを生成する。予測画像生成部101で生成した予測画像は減算部102、加算部106に出力される。 The prediction image generation unit 101 generates a prediction image P of the PU based on the pixel value of the reference block read from the reference picture memory, using the parameter input from the prediction parameter encoding unit. The predicted image generated by the predicted image generation unit 101 is output to the subtraction unit 102 and the addition unit 106.
 減算部102は、予測画像生成部101から入力されたPUの予測画像Pの信号値を、画像Tの対応するPUの画素値から減算して、残差信号を生成する。減算部102は、生成した残差信号を変換・量子化部103に出力する。 The subtraction unit 102 subtracts the signal value of the predicted image P of the PU input from the predicted image generation unit 101 from the pixel value of the corresponding PU of the image T, and generates a residual signal. The subtraction unit 102 outputs the generated residual signal to the transform / quantization unit 103.
 変換・量子化部103は、減算部102から入力された残差信号について変換を行い、変換係数を算出する。変換・量子化部103は、算出した変換係数を量子化して量子化係数を求める。変換・量子化部103は、求めた量子化係数をエントロピー符号化部104及び逆量子化・逆変換部105に出力する。 The transformation / quantization unit 103 performs transformation on the residual signal input from the subtraction unit 102 and calculates a transformation coefficient. The transform / quantization unit 103 quantizes the calculated transform coefficient to obtain a quantized coefficient. The transform / quantization unit 103 outputs the obtained quantization coefficient to the entropy coding unit 104 and the inverse quantization / inverse transform unit 105.
 エントロピー符号化部104には、変換・量子化部103から量子化係数が入力され、予測パラメータ符号化部111から符号化パラメータが入力される。入力される符号化パラメータには、例えば、参照ピクチャインデックスrefIdxLX、予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLX、予測モードpredMode、及びマージインデックスmerge_idx等の符号がある。 The entropy encoding unit 104 receives the quantization coefficient from the transform / quantization unit 103 and receives the encoding parameter from the prediction parameter encoding unit 111. Examples of input encoding parameters include codes such as a reference picture index refIdxLX, a prediction vector index mvp_LX_idx, a difference vector mvdLX, a prediction mode predMode, and a merge index merge_idx.
 エントロピー符号化部104は、入力された量子化係数と符号化パラメータをエントロピー符号化して符号化ストリームTeを生成し、生成した符号化ストリームTeを外部に出力する。 The entropy encoding unit 104 generates an encoded stream Te by entropy encoding the input quantization coefficient and encoding parameter, and outputs the generated encoded stream Te to the outside.
 逆量子化・逆変換部105は、変換・量子化部103から入力された量子化係数を逆量子化して変換係数を求める。逆量子化・逆変換部105は、求めた変換係数について逆変換を行い、残差信号を算出する。逆量子化・逆変換部105は、算出した残差信号を加算部106に出力する。 The inverse quantization / inverse transform unit 105 inversely quantizes the quantization coefficient input from the transform / quantization unit 103 to obtain a transform coefficient. The inverse quantization / inverse transform unit 105 performs inverse transform on the obtained transform coefficient to calculate a residual signal. The inverse quantization / inverse transform unit 105 outputs the calculated residual signal to the addition unit 106.
 加算部106は、予測画像生成部101から入力されたPUの予測画像Pの信号値と逆量子化・逆変換部105から入力された残差信号の信号値を画素毎に加算して、復号画像を生成する。加算部106は、生成した復号画像を参照ピクチャメモリ109に記憶する。 The addition unit 106 adds the signal value of the prediction image P of the PU input from the prediction image generation unit 101 and the signal value of the residual signal input from the inverse quantization / inverse conversion unit 105 for each pixel, and performs decoding. Generate an image. The adding unit 106 stores the generated decoded image in the reference picture memory 109.
 ループフィルタ107は加算部106が生成した復号画像に対し、デブロッキングフィルタ、サンプル適応オフセット(SAO)、適応ループフィルタ(ALF)を施す。 The loop filter 107 performs a deblocking filter, a sample adaptive offset (SAO), and an adaptive loop filter (ALF) on the decoded image generated by the adding unit 106.
 予測パラメータメモリ108は、符号化パラメータ決定部110が生成した予測パラメータを、符号化対象のピクチャ及びCU毎に予め定めた位置に記憶する。 The prediction parameter memory 108 stores the prediction parameter generated by the encoding parameter determination unit 110 at a predetermined position for each encoding target picture and CU.
 参照ピクチャメモリ109は、ループフィルタ107が生成した復号画像を、符号化対象のピクチャ及びCU毎に予め定めた位置に記憶する。 The reference picture memory 109 stores the decoded image generated by the loop filter 107 at a predetermined position for each picture to be encoded and each CU.
 符号化パラメータ決定部110は、符号化パラメータの複数のセットのうち、1つのセットを選択する。符号化パラメータとは、上述した予測パラメータやこの予測パラメータに関連して生成される符号化の対象となるパラメータである。予測画像生成部101は、これらの符号化パラメータのセットの各々を用いてPUの予測画像Pを生成する。 The encoding parameter determination unit 110 selects one set from among a plurality of sets of encoding parameters. The encoding parameter is a parameter to be encoded that is generated in association with the above-described prediction parameter or the prediction parameter. The predicted image generation unit 101 generates a predicted image P of the PU using each of these encoding parameter sets.
 符号化パラメータ決定部110は、複数のセットの各々について情報量の大きさと符号化誤差を示すコスト値を算出する。コスト値は、例えば、符号量と二乗誤差に係数λを乗じた値との和である。符号量は、量子化誤差と符号化パラメータをエントロピー符号化して得られる符号化ストリームTeの情報量である。二乗誤差は、減算部102において算出された残差信号の残差値の二乗値についての画素間の総和である。係数λは、予め設定されたゼロよりも大きい実数である。符号化パラメータ決定部110は、算出したコスト値が最小となる符号化パラメータのセットを選択する。これにより、エントロピー符号化部104は、選択した符号化パラメータのセットを符号化ストリームTeとして外部に出力し、選択されなかった符号化パラメータのセットを出力しない。符号化パラメータ決定部110は決定した符号化パラメータを予測パラメータメモリ108に記憶する。 The encoding parameter determination unit 110 calculates a cost value indicating the amount of information and the encoding error for each of a plurality of sets. The cost value is, for example, the sum of a code amount and a square error multiplied by a coefficient λ. The code amount is the information amount of the encoded stream Te obtained by entropy encoding the quantization error and the encoding parameter. The square error is the sum between pixels regarding the square value of the residual value of the residual signal calculated by the subtracting unit 102. The coefficient λ is a real number larger than a preset zero. The encoding parameter determination unit 110 selects a set of encoding parameters that minimizes the calculated cost value. As a result, the entropy encoding unit 104 outputs the selected set of encoding parameters to the outside as the encoded stream Te, and does not output the set of unselected encoding parameters. The encoding parameter determination unit 110 stores the determined encoding parameter in the prediction parameter memory 108.
 予測パラメータ符号化部111は、符号化パラメータ決定部110から入力されたパラメータから、符号化するための形式を導出し、エントロピー符号化部104に出力する。符号化するための形式の導出とは、例えば動きベクトルと予測ベクトルから差分ベクトルを導出することである。また予測パラメータ符号化部111は、符号化パラメータ決定部110から入力されたパラメータから予測画像を生成するために必要なパラメータを導出し、予測画像生成部101に出力する。予測画像を生成するために必要なパラメータとは、例えばサブブロック単位の動きベクトルである。 The prediction parameter encoding unit 111 derives a format for encoding from the parameters input from the encoding parameter determination unit 110 and outputs the format to the entropy encoding unit 104. Deriving the format for encoding is, for example, deriving a difference vector from a motion vector and a prediction vector. Also, the prediction parameter encoding unit 111 derives parameters necessary for generating a prediction image from the parameters input from the encoding parameter determination unit 110 and outputs the parameters to the prediction image generation unit 101. The parameter necessary for generating the predicted image is, for example, a motion vector in units of sub-blocks.
 インター予測パラメータ符号化部112は、符号化パラメータ決定部110から入力された予測パラメータに基づいて、差分ベクトルのようなインター予測パラメータを導出する。インター予測パラメータ符号化部112は、予測画像生成部101に出力する予測画像の生成に必要なパラメータを導出する構成として、インター予測パラメータ復号部303(図5等、参照)がインター予測パラメータを導出する構成と一部同一の構成を含む。インター予測パラメータ符号化部112の構成については、後述する。 The inter prediction parameter encoding unit 112 derives an inter prediction parameter such as a difference vector based on the prediction parameter input from the encoding parameter determination unit 110. The inter prediction parameter encoding unit 112 derives parameters necessary for generating a prediction image to be output to the prediction image generating unit 101, and an inter prediction parameter decoding unit 303 (see FIG. 5 and the like) derives inter prediction parameters. Some of the configurations are the same as the configuration to be performed. The configuration of the inter prediction parameter encoding unit 112 will be described later.
 イントラ予測パラメータ符号化部113は、符号化パラメータ決定部110から入力されたイントラ予測モードIntraPredModeから、符号化するための形式(例えばMPM_idx、rem_intra_luma_pred_mode等)を導出する。 The intra prediction parameter encoding unit 113 derives a format (for example, MPM_idx, rem_intra_luma_pred_mode) for encoding from the intra prediction mode IntraPredMode input from the encoding parameter determination unit 110.
  (インター予測パラメータ符号化部の構成)
 次に、インター予測パラメータ符号化部112の構成について説明する。インター予測パラメータ符号化部112は、図12のインター予測パラメータ復号部303に対応する手段であり、図10に構成を示す。
(Configuration of inter prediction parameter encoding unit)
Next, the configuration of the inter prediction parameter encoding unit 112 will be described. The inter prediction parameter encoding unit 112 is a unit corresponding to the inter prediction parameter decoding unit 303 in FIG. 12, and the configuration is shown in FIG.
 インター予測パラメータ符号化部112は、インター予測パラメータ符号化制御部1121、AMVP予測パラメータ導出部1122、減算部1123、サブブロック予測パラメータ導出部1125、及び図示しない、分割モード導出部、マージフラグ導出部、インター予測識別子導出部、参照ピクチャインデックス導出部、ベクトル差分導出部などを含んで構成され、分割モード導出部、マージフラグ導出部、インター予測識別子導出部、参照ピクチャインデックス導出部、ベクトル差分導出部は各々、PU分割モードpart_mode、マージフラグmerge_flag、インター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、差分ベクトルmvdLXを導出する。インター予測パラメータ符号化部112は、動きベクトル(mvLX、subMvLX)と参照ピクチャインデックスrefIdxLX、PU分割モードpart_mode、インター予測識別子inter_pred_idc、あるいはこれらを示す情報を予測画像生成部101に出力する。またインター予測パラメータ符号化部112は、PU分割モードpart_mode、マージフラグmerge_flag、マージインデックスmerge_idx、インター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLX、サブブロック予測モードフラグsubPbMotionFlagをエントロピー符号化部104に出力する。 The inter prediction parameter encoding unit 112 includes an inter prediction parameter encoding control unit 1121, an AMVP prediction parameter derivation unit 1122, a subtraction unit 1123, a sub-block prediction parameter derivation unit 1125, and a partition mode derivation unit and a merge flag derivation unit (not shown). , An inter prediction identifier deriving unit, a reference picture index deriving unit, a vector difference deriving unit, etc., and a split mode deriving unit, a merge flag deriving unit, an inter prediction identifier deriving unit, a reference picture index deriving unit, and a vector difference deriving unit Respectively derive a PU partition mode part_mode, a merge flag merge_flag, an inter prediction identifier inter_pred_idc, a reference picture index refIdxLX, and a difference vector mvdLX. The inter prediction parameter encoding unit 112 outputs the motion vector (mvLX, subMvLX), the reference picture index refIdxLX, the PU partition mode part_mode, the inter prediction identifier inter_pred_idc, or information indicating these to the prediction image generating unit 101. Also, the inter prediction parameter encoding unit 112 entropy PU partition mode part_mode, merge flag merge_flag, merge index merge_idx, inter prediction identifier inter_pred_idc, reference picture index refIdxLX, prediction vector index mvp_LX_idx, difference vector mvdLX, sub-block prediction mode flag subPbMotionFlag. The data is output to the encoding unit 104.
 インター予測パラメータ符号化制御部1121は、マージインデックス導出部11211とベクトル候補インデックス導出部11212を含む。マージインデックス導出部11211は、符号化パラメータ決定部110から入力された動きベクトルと参照ピクチャインデックスを、予測パラメータメモリ108から読み出したマージ候補のPUが持つ動きベクトルと参照ピクチャインデックスと比較して、マージインデックスmerge_idxを導出し、エントロピー符号化部104に出力する。マージ候補とは、符号化対象となる符号化対象CUから予め定めた範囲にある参照PU(例えば、符号化対象ブロックの左下端、左上端、右上端に接する参照PU)であって、符号化処理が完了したPUである。ベクトル候補インデックス導出部11212は予測ベクトルインデックスmvp_LX_idxを導出する。 The inter prediction parameter encoding control unit 1121 includes a merge index deriving unit 11211 and a vector candidate index deriving unit 11212. The merge index derivation unit 11211 compares the motion vector and reference picture index input from the encoding parameter determination unit 110 with the motion vector and reference picture index of the merge candidate PU read from the prediction parameter memory 108, and performs merge An index merge_idx is derived and output to the entropy encoding unit 104. A merge candidate is a reference PU (for example, a reference PU that touches the lower left end, upper left end, and upper right end of the encoding target block) within a predetermined range from the encoding target CU to be encoded. The PU has been processed. The vector candidate index deriving unit 11212 derives a prediction vector index mvp_LX_idx.
 サブブロック予測パラメータ導出部1125には、符号化パラメータ決定部110がサブブロック予測モードの使用を決定した場合、subPbMotionFlagの値に従って、空間サブブロック予測、時間サブブロック予測、アフィン予測、マッチング動き導出のいずれかのサブブロック予測の動きベクトルと参照ピクチャインデックスを導出する。動きベクトルと参照ピクチャインデックスは、画像復号装置の説明で述べたように、隣接PU、参照ピクチャブロック等の動きベクトルや参照ピクチャインデックスを予測パラメータメモリ108から読み出し、導出する。 When the encoding parameter determination unit 110 determines to use the sub-block prediction mode, the sub-block prediction parameter derivation unit 1125 performs spatial sub-block prediction, temporal sub-block prediction, affine prediction, and matching motion derivation according to the value of subPbMotionFlag. A motion vector and a reference picture index for any sub-block prediction are derived. As described in the description of the image decoding apparatus, the motion vector and the reference picture index are derived by reading out the motion vector and the reference picture index such as the adjacent PU and the reference picture block from the prediction parameter memory 108.
 AMVP予測パラメータ導出部1122は、上述のAMVP予測パラメータ導出部3032(図12参照)と同様な構成を有する。 The AMVP prediction parameter derivation unit 1122 has the same configuration as the AMVP prediction parameter derivation unit 3032 (see FIG. 12).
 すなわち、予測モードpredModeがインター予測モードを示す場合、AMVP予測パラメータ導出部1122には符号化パラメータ決定部110から動きベクトルmvLXが入力される。AMVP予測パラメータ導出部1122は、入力された動きベクトルmvLXに基づいて予測ベクトルmvpLXを導出する。AMVP予測パラメータ導出部1122は、導出した予測ベクトルmvpLXを減算部1123に出力する。なお、参照ピクチャインデックスrefIdx及び予測ベクトルインデックスmvp_LX_idxは、エントロピー符号化部104に出力される。 That is, when the prediction mode predMode indicates the inter prediction mode, the motion vector mvLX is input from the encoding parameter determination unit 110 to the AMVP prediction parameter derivation unit 1122. The AMVP prediction parameter derivation unit 1122 derives a prediction vector mvpLX based on the input motion vector mvLX. The AMVP prediction parameter derivation unit 1122 outputs the derived prediction vector mvpLX to the subtraction unit 1123. Note that the reference picture index refIdx and the prediction vector index mvp_LX_idx are output to the entropy encoding unit 104.
 減算部1123は、符号化パラメータ決定部110から入力された動きベクトルmvLXから、AMVP予測パラメータ導出部1122から入力された予測ベクトルmvpLXを減算して差分ベクトルmvdLXを生成する。差分ベクトルmvdLXはエントロピー符号化部104に出力される。 The subtraction unit 1123 subtracts the prediction vector mvpLX input from the AMVP prediction parameter derivation unit 1122 from the motion vector mvLX input from the coding parameter determination unit 110 to generate a difference vector mvdLX. The difference vector mvdLX is output to the entropy encoding unit 104.
 なお、上述した実施形態における画像符号化装置11、画像復号装置31の一部、例えば、エントロピー復号部301、予測パラメータ復号部302、ループフィルタ305、予測画像生成部308、逆量子化・逆変換部311、加算部312、予測画像生成部101、減算部102、変換・量子化部103、エントロピー符号化部104、逆量子化・逆変換部105、ループフィルタ107、符号化パラメータ決定部110、予測パラメータ符号化部111をコンピュータで実現するようにしても良い。その場合、この制御機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現しても良い。なお、ここでいう「コンピュータシステム」とは、画像符号化装置11、画像復号装置31のいずれかに内蔵されたコンピュータシステムであって、OSや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD-ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでも良い。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。 In addition, a part of the image encoding device 11 and the image decoding device 31 in the above-described embodiment, for example, the entropy decoding unit 301, the prediction parameter decoding unit 302, the loop filter 305, the predicted image generation unit 308, the inverse quantization / inverse transformation. Unit 311, addition unit 312, predicted image generation unit 101, subtraction unit 102, transform / quantization unit 103, entropy encoding unit 104, inverse quantization / inverse transform unit 105, loop filter 107, encoding parameter determination unit 110, The prediction parameter encoding unit 111 may be realized by a computer. In that case, the program for realizing the control function may be recorded on a computer-readable recording medium, and the program recorded on the recording medium may be read by a computer system and executed. Here, the “computer system” is a computer system built in either the image encoding device 11 or the image decoding device 31 and includes hardware such as an OS and peripheral devices. The “computer-readable recording medium” refers to a storage device such as a portable medium such as a flexible disk, a magneto-optical disk, a ROM, a CD-ROM, or a hard disk built in a computer system. Furthermore, the “computer-readable recording medium” is a medium that dynamically holds a program for a short time, such as a communication line when transmitting a program via a network such as the Internet or a communication line such as a telephone line, In such a case, a volatile memory inside a computer system serving as a server or a client may be included and a program that holds a program for a certain period of time. The program may be a program for realizing a part of the functions described above, and may be a program capable of realizing the functions described above in combination with a program already recorded in a computer system.
 〔実施形態2〕
 (マッチング動き導出におけるマッチングコスト)
 実施形態1にて説明したように、マッチング動き導出とBTMでは、例えば、下記の3つの動きベクトル導出方法がある。
[Embodiment 2]
(Matching cost in derivation of matching motion)
As described in the first embodiment, for example, there are the following three motion vector derivation methods in the matching motion derivation and BTM.
 1.対象ブロックの周囲テンプレートと、参照画像から導出される動き補償画像とのマッチングにより動きベクトルを導出するテンプレートマッチング(TM)。 1. Template matching (TM) for deriving a motion vector by matching a surrounding template of a target block with a motion compensated image derived from a reference image.
 2.2つの参照画像から導出される動き補償画像のマッチングにより動きベクトルを導出するバイラテラルマッチング(BM)。 2. Bilateral matching (BM) for deriving motion vectors by matching motion compensated images derived from two reference images.
 3.2つの参照画像から導出される動き補償画像から導出されたテンプレートと、参照画像から導出される動き補償画像とのマッチングにより動きベクトルを更新するバイラテラルテンプレートマッチング(BTM)。 3. Bilateral template matching (BTM) in which a motion vector is updated by matching a template derived from a motion compensated image derived from two reference images and a motion compensated image derived from the reference image.
 また、実施形態1にて説明したように、TMでは、マッチング動き導出部30373が最適な動きベクトル候補を選択する際、テンプレートと参照画像(Ref0、Ref1)から導出される動き補償画像とのマッチングコスト(costL0、costL1)を算出する。BTMも同様に、BTM処理部3038はテンプレートと参照画像(Ref0、Ref1)から導出される動き補償画像とのマッチングコスト(costL0、costL1)を導出する。マッチングコストはマッチングの良さ(誤差量、差分)に応じたコストである。なお、BMにおいては、2つの参照画像から導出される動き補償画像の各々に対するマッチングコストは導出されない。 Also, as described in the first embodiment, in TM, when the matching motion deriving unit 30373 selects an optimal motion vector candidate, matching between a template and a motion compensated image derived from the reference image (Ref0, Ref1) is performed. Cost (costL0, costL1) is calculated. Similarly for the BTM, the BTM processing unit 3038 derives a matching cost (costL0, costL1) between the template and the motion compensated image derived from the reference images (Ref0, Ref1). The matching cost is a cost corresponding to the goodness of matching (error amount, difference). In BM, the matching cost for each of the motion compensated images derived from the two reference images is not derived.
 例えば、TMにおいて、マッチング動き導出部30373は、下記に示す式によりcostL0およびcostL1を導出する。 For example, in TM, the matching motion deriving unit 30373 derives costL0 and costL1 by the following expressions.
 costL0=Σ|テンプレート画像[x][y]-Ref0上の動き補償画像[x][y]|
 costL1=Σ|テンプレート画像[x][y]-Ref1上の動き補償画像[x][y]|
 なお、x,yはテンプレート内座標でありテンプレートの幅と高さとがblkW, blkHの場合、x=0.. blkW -1、y = 0.. blkH -1の値をとる。Σは、上記範囲のx, yに対して総和をとる演算である。テンプレートとして複数領域が利用可能な場合(例えば左側領域と上側領域)には、各テンプレートでのコストの和をマッチングコストとしてもよい(動き補償画像predSamplesL0[x][y]の参照画像Ref0のcostL0、動き補償画像predSamplesL1[x][y]の参照画像Ref1のcostL1)。なお、テンプレート画像およびRef0、Ref1の各動き補償画像を一度1次元のテンポラルバッファに格納してから比較してもよい。この場合、上記総和は添え字x,yに対してではなく、1次元のバッファ内位置(例えばi)に対して行う。
costL0 = Σ | motion compensation image [x] [y] | on template image [x] [y] -Ref0
costL1 = Σ | motion compensation image [x] [y] | on template image [x] [y] -Ref1
Note that x and y are coordinates in the template, and when the width and height of the template are blkW and blkH, x = 0..blkW −1 and y = 0..blkH −1 are taken. Σ is an operation that takes the sum of x and y in the above range. When multiple regions are available as templates (for example, the left region and the upper region), the sum of the costs in each template may be used as the matching cost (costL0 of the reference image Ref0 of the motion compensated image predSamplesL0 [x] [y]) , CostL1 of the reference image Ref1 of the motion compensated image predSamplesL1 [x] [y]). Note that the template image and the motion compensated images Ref0 and Ref1 may be stored once in a one-dimensional temporal buffer and then compared. In this case, the above summation is performed not on the subscripts x and y but on a one-dimensional buffer position (for example, i).
 例えば、BTMにおいてもcostL0およびcostL1を導出する。BTMのテンプレート画像は先に説明したpredBTM[][]であるから、BTM処理部3038は、下記に示す式によりcostL0およびcostL1を導出する。 For example, costL0 and costL1 are derived in BTM. Since the BTM template image is predBTM [] [] described above, the BTM processing unit 3038 derives costL0 and costL1 according to the following equations.
 costL0=Σ|テンプレート画像predBTM[x][y]-Ref0上の動き補償画像[x][y]|
 costL1=Σ|テンプレート画像predBTM[x][y]-Ref1上の動き補償画像[x][y]|
 なお、x,yはブロック内座標でありブロックの幅と高さとがblkW, blkHの場合、x=0.. blkW -1、y = 0.. blkH -1の値をとる。Σは、上記範囲のx, yに対して総和をとる演算である。
costL0 = Σ | motion compensation image [x] [y] | on template image predBTM [x] [y] -Ref0
costL1 = Σ | motion compensation image [x] [y] | on template image predBTM [x] [y] -Ref1
X and y are the coordinates in the block, and when the block width and height are blkW and blkH, x = 0..blkW −1 and y = 0..blkH −1 are taken. Σ is an operation that takes the sum of x and y in the above range.
 上記では、TMおよびBTMにおける参照画像RefX(X=0または1)ごとのマッチングコストcostLXの算出にテンプレートの画素値と参照画像の画素値との絶対値差分和SAD(Sum of Absolute Difference)を用いる例を説明したがSAD以外に2乗誤差和SSD (Sum of Square Differenec)やSATD (Sum of Absolute Transformed Differences)を用いてもよい。参照画像RefXに対するコストcostLXに相当するSADの導出式は、すでに説明したように、
  costLX = SAD = Σ|テンプレート画像[x][y]-RefX上の動き補償画像[x][y]|
である。
In the above, the sum of absolute differences SAD (Sum of Absolute Difference) between the pixel value of the template and the pixel value of the reference image is used to calculate the matching cost costLX for each reference image RefX (X = 0 or 1) in TM and BTM As an example, square error sum SSD (Sum of Square Differenec) or SATD (Sum of Absolute Transformed Differences) may be used in addition to SAD. The derivation formula of SAD corresponding to the cost costLX for the reference image RefX is as described above.
costLX = SAD = Σ | Motion compensated image [x] [y] | on template image [x] [y] -RefX
It is.
 また、以下の式で示すように、TMおよびBTMにおける参照画像RefX(X=0または1)ごとのマッチングコストcostLXを、上記のSADに初期ベクトル(IniMVx, IniMVy)と動きベクトル候補(MVx, MVy)との差を加えて導出してもよい。 Also, as shown in the following equation, the matching cost costLX for each reference image RefX (X = 0 or 1) in TM and BTM is set to the above SAD as an initial vector (IniMVx, IniMVy) and a motion vector candidate (MVx, MVy) ) May be derived by adding the difference to.
 costLX =Σ|テンプレート画像[x][y]-RefX上の動き補償画像[x][y]| 
     + w・(|MVx - IniMVx| + |MVy - IniMVy|)
wは所定の定数である。動きベクトルの精度が1/4画素精度の場合には、例えばw=4などが適当であるが、別の値でもよい。
costLX = Σ | motion compensated image [x] [y] | on template image [x] [y] -RefX
+ w ・ (| MVx-IniMVx | + | MVy-IniMVy |)
w is a predetermined constant. When the accuracy of the motion vector is 1/4 pixel accuracy, for example, w = 4 is appropriate, but another value may be used.
  (本実施形態の概要)
 例えば、実施形態1にて説明した構成では、TMおよびBTMにおいて、重み予測部3094は重み予測画像predSamples[x][y]を、動き補償画像predSamplesL0[x][y]と動き補償画像predSamplesL1[x][y]との平均値から導出する。
(Outline of this embodiment)
For example, in the configuration described in the first embodiment, in TM and BTM, the weight prediction unit 3094 converts the weight prediction image predSamples [x] [y], the motion compensation image predSamplesL0 [x] [y], and the motion compensation image predSamplesL1 [ Derived from the average value of x] [y].
 すなわち、実施形態1において例示した構成では、重み予測部3094は、各動き補償画像のマッチングコストを配慮せずに重み予測画像を導出する。 That is, in the configuration illustrated in the first embodiment, the weight prediction unit 3094 derives a weight prediction image without considering the matching cost of each motion compensation image.
 本実施形態に係る重み予測部3094はTMおよびBTMにおいて、各動き補償画像のマッチングコストを考慮して重み予測画像predSamples[x][y]を導出する。 The weight prediction unit 3094 according to the present embodiment derives weight prediction images predSamples [x] [y] in TM and BTM in consideration of the matching cost of each motion compensation image.
 このような構成によれば、重み予測部3094は各動き補償画像のマッチングコストを反映した精度の高い重み予測画像predSamples[x][y]を導出することができる。 According to such a configuration, the weight prediction unit 3094 can derive weight prediction images predSamples [x] [y] with high accuracy reflecting the matching cost of each motion compensation image.
 詳細には、BTM処理部(マッチング処理部)3038およびマッチング動き導出部(マッチング処理部)30373は、バイラテラルテンプレートマッチング(BTM)またはテンプレートマッチング(TM)を用いてマッチング処理を実行し、複数の参照ピクチャにおける導出される予測画像候補(動き補償画像、補間画像)とテンプレートとの差分(マッチングコスト)を導出する。また、重み予測部3094は、参照ピクチャ毎に予測される複数の予測画像候補から予測画像を導出する。重み予測部3094は、上記テンプレートと上記予測画像候補との上記差分に応じて、各予測画像候補に重み付け係数(ウエイト)を設定し、上記重み付けされた予測画像候補を用いて上記予測画像を導出する。 Specifically, the BTM processing unit (matching processing unit) 3038 and the matching motion derivation unit (matching processing unit) 30373 perform matching processing using bilateral template matching (BTM) or template matching (TM), and A difference (matching cost) between a predicted image candidate (motion compensation image and interpolation image) derived from a reference picture and a template is derived. The weight prediction unit 3094 derives a predicted image from a plurality of predicted image candidates predicted for each reference picture. The weight prediction unit 3094 sets a weighting coefficient (weight) for each prediction image candidate according to the difference between the template and the prediction image candidate, and derives the prediction image using the weighted prediction image candidate. To do.
 上記の構成によれば、バイラテラルテンプレートマッチングまたはテンプレートマッチングにおいて導出される予測画像候補のマッチングコストを、予測画像の導出に有効利用することができる。 According to the above configuration, the matching cost of the predicted image candidate derived in bilateral template matching or template matching can be effectively used for deriving the predicted image.
 (BTMにおけるマッチングコストを用いた重み予測画像の導出)
  (インター予測画像生成部309)
 次に、本実施形態に係るインター予測画像生成部309について、図22を用いて説明する。図22は本実施形態に係るインター予測画像生成部309の要部構成の一例を示すブロック図である。図22に示すように、インター予測画像生成部309は、動き補償部3091および重み予測部3094を備えている。動き補償部3091については、実施形態1にて説明した構成と同様であるため、ここでの詳細な説明を省略する。
(Derivation of weight prediction image using matching cost in BTM)
(Inter prediction image generation unit 309)
Next, the inter prediction image generation unit 309 according to the present embodiment will be described with reference to FIG. FIG. 22 is a block diagram illustrating an example of a main configuration of the inter predicted image generation unit 309 according to the present embodiment. As illustrated in FIG. 22, the inter predicted image generation unit 309 includes a motion compensation unit 3091 and a weight prediction unit 3094. Since the motion compensation unit 3091 has the same configuration as that described in the first embodiment, detailed description thereof is omitted here.
   (重み予測部3094)
 重み予測部3094はBTMにおいて導出されたマッチングコスト(costL0、costL1)を、BTM処理部3038から受信する。重み予測部3094は、マッチングコスト(costL0、costL1)に応じて、動き補償画像(predSamplesL0[x][y]、predSamplesL1[x][y])に重み付けを行う。重み予測部3094は重み付けした動き補償画像(predSamplesL0[x][y]、predSamplesL1[x][y])を用いて重み予測画像predSamples[x][y]を導出する。
(Weight predictor 3094)
The weight prediction unit 3094 receives the matching cost (costL0, costL1) derived in the BTM from the BTM processing unit 3038. The weight prediction unit 3094 weights the motion compensated images (predSamplesL0 [x] [y], predSamplesL1 [x] [y]) according to the matching costs (costL0, costL1). The weight prediction unit 3094 derives the weight prediction image predSamples [x] [y] using the weighted motion compensation images (predSamplesL0 [x] [y], predSamplesL1 [x] [y]).
   (ウエイトの導出例および予測画像生成)
 ここで、重み予測部3094が導出する該重み(ウエイト)の一例について説明する。
(Weight derivation example and prediction image generation)
Here, an example of the weight (weight) derived by the weight prediction unit 3094 will be described.
 重み予測部3094はcostL0とcostL1とを比較する。 The weight prediction unit 3094 compares costL0 and costL1.
 costL0がcostL1と比較して所定の程度より小さい場合(例えば、costL0*2 < costL1)、重み予測部3094はpredSamplesL0[x][y]のウエイトw0をpredSamplesL1[x][y]のウエイトw1よりも大きくする。 When costL0 is smaller than a predetermined level compared to costL1 (for example, costL0 * 2 <costL1), the weight prediction unit 3094 uses the weight w0 of predSamplesL0 [x] [y] from the weight w1 of predSamplesL1 [x] [y] Also make it bigger.
 また、costL1がcostL0と比較して所定の程度より小さい場合(例えば、costL1*2 < costL0)、重み予測部3094はpredSamplesL1[x][y]のウエイトw1をpredSamplesL0[x][y]のウエイトw0よりも大きくする。 Further, when costL1 is smaller than a predetermined level compared with costL0 (for example, costL1 * 2 <costL0), the weight prediction unit 3094 uses the weight w1 of predSamplesL1 [x] [y] as the weight of predSamplesL0 [x] [y]. Make it larger than w0.
 換言すると、重み予測部3094は、テンプレートとの差分(マッチングコスト)が大きい動き補償画像よりもテンプレートとの差分が小さい動き補償画像に、より大きい値の重み付け係数を設定する。 In other words, the weight prediction unit 3094 sets a larger value of the weighting coefficient to the motion compensation image having a smaller difference from the template than the motion compensation image having a larger difference (matching cost) from the template.
 上記の構成によれば、テンプレートとの誤差量が少ない動き補償画像に大きい値の重みが付される。そのため、予測画像生成装置は、精度の高い予測画像を導出することができる。 According to the above configuration, a large weight is attached to a motion compensated image with a small amount of error from the template. Therefore, the predicted image generation device can derive a predicted image with high accuracy.
 上記以外の場合、重み予測部3094はpredSamplesL1[x][y]のウエイトw1とpredSamplesL0[x][y]のウエイトw0とを同じ大きさにする。 In other cases, the weight prediction unit 3094 sets the weight w1 of predSamplesL1 [x] [y] and the weight w0 of predSamplesL0 [x] [y] to the same size.
 上記のウエイトの導出例は以下の式で示すことができる。 The above derivation example of the weight can be expressed by the following equation.
 w0 = w1 = Winit
 if (costL0*2 < costL1) w0 = Wh; w1 = 16 - w0
 else if (costL1*2 < costL0) w0 = Wl; w1 = 16 - w0
例えば、Winit=4、Wh=12、Wl=4と設定することができる。
w0 = w1 = Winit
if (costL0 * 2 <costL1) w0 = Wh; w1 = 16-w0
else if (costL1 * 2 <costL0) w0 = Wl; w1 = 16-w0
For example, Winit = 4, Wh = 12, and Wl = 4 can be set.
 次に、以下の式に示すように、重み予測部3094は導出した上記ウエイトを用いて動き補償画像を重み付けし、重み予測画像predSamples[X][Y]を導出する。 Next, as shown in the following equation, the weight prediction unit 3094 weights the motion compensated image using the derived weight and derives the weight predicted image predSamples [X] [Y].
 predSamples[x][y] = (w0 * predSamplesL0[x][y] + w1 + predSamplesL1[x][y] + roundoffset) >> shift
 roundoffset = 1<<(shift-1)
 shift = log2(w0+w1)
 なお、以下のようにオフセットを加える処理や、クリップ処理をさらに加えてもよい。
predSamples [x] [y] = (w0 * predSamplesL0 [x] [y] + w1 + predSamplesL1 [x] [y] + roundoffset) >> shift
roundoffset = 1 << (shift-1)
shift = log2 (w0 + w1)
Note that an offset addition process or a clip process may be further added as described below.
 predSamples[x][y] = Clip3( 0, ( 1 << bitDepth ) - 1, ( predSamplesL0 [x][y] * w0 + predSamplesL1[x][y] * w1 + ((o0 + o1 + 1) << log2WD) ) >> (log2WD + 1) )
  (ウエイトの他の導出例)
 重み予測部3094が導出する該重み(ウエイト)の他の例について説明する。
predSamples [x] [y] = Clip3 (0, (1 << bitDepth)-1, (predSamplesL0 [x] [y] * w0 + predSamplesL1 [x] [y] * w1 + ((o0 + o1 + 1) << log2WD)) >> (log2WD + 1))
(Other examples of weights)
Another example of the weight (weight) derived by the weight prediction unit 3094 will be described.
 重み予測部3094は、動き補償画像のマッチングコストの比に応じて、動き補償画像に重み付け係数を設定する。 The weight prediction unit 3094 sets a weighting coefficient for the motion compensation image according to the ratio of the matching cost of the motion compensation image.
 上記の構成によれば、テンプレートとの誤差量が少ない動き補償画像に大きい値を重み付けする。そのため、インター予測画像生成部309(予測画像生成装置)は、精度の高い予測画像を導出することができる。 According to the above configuration, a large value is weighted to a motion compensated image with a small amount of error from the template. Therefore, the inter prediction image generation unit 309 (prediction image generation device) can derive a prediction image with high accuracy.
 本例においては、重み予測部3094はcostL0とcostL1とのコスト比から、ウエイトを導出する。以下にコスト比を用いたウエイトの導出例の詳細を示す。 In this example, the weight prediction unit 3094 derives a weight from the cost ratio between costL0 and costL1. The details of the weight derivation example using the cost ratio are shown below.
  (例1)
 重み予測部3094は、以下の式に示すようにコスト比に応じたウエイトを導出する。例えば、重み予測部3094は参照画像Ref0のcostL0と参照画像Ref1のcostL1のうち、コストの小さい方の参照画像のウエイトが、コストが大きい方の参照画像のウエイトよりも大きくなるようにウエイトを導出する。すなわち、costL0がcostL1よりも小さい場合、ウエイトw0≧ウエイトw1となるようにウエイトw0,w1を導出する。例えばコストの合計costL0とcostL1に対するcostL0の比率を用いる。
(Example 1)
The weight prediction unit 3094 derives a weight according to the cost ratio as shown in the following equation. For example, the weight prediction unit 3094 derives the weight so that the weight of the reference image with the smaller cost out of the costL0 of the reference image Ref0 and the costL1 of the reference image Ref1 is larger than the weight of the reference image with the larger cost. To do. That is, when costL0 is smaller than costL1, weights w0 and w1 are derived so that weight w0 ≧ weight w1. For example, the ratio of costL0 to total costL0 and costL1 is used.
 w1 = (1<<shift) * (costL0 / (costL0 + costL1))
 w0 = (1<<shift) - w1
 なお、w1, w0の順に導出するのではくw0, w1の順に導出しても良い(同じ結果が得られる)。
w1 = (1 << shift) * (costL0 / (costL0 + costL1))
w0 = (1 << shift)-w1
In addition, you may derive | lead-out in order of w0, w1 instead of deriving in order of w1, w0 (the same result is obtained).
 w0 = (1<<shift) * (costL1 / (costL0 + costL1))
 w1 = (1<<shift) - w0
  (例2)
 例1と同様に、重み予測部3094は、以下の式に示すようにコスト比に応じたウエイトを導出する。但し、例1における「(costL0 / (costL0 + costL1)」の除算をテーブル除算とする。
w0 = (1 << shift) * (costL1 / (costL0 + costL1))
w1 = (1 << shift)-w0
(Example 2)
Similar to Example 1, the weight prediction unit 3094 derives a weight according to the cost ratio as shown in the following equation. However, the division of “(costL0 / (costL0 + costL1)” in Example 1 is a table division.
 w1 = (1<<shift) * (costL0 * InvTbl[(costL0 + costL1)]>>invTblShift)
 w0 = (1<<shift) - w1
 逆数テーブルInvTbl [x] = (1<<invTblShift + x/2) / x
 ここでx=0..(1<< invTblShift)-1。
w1 = (1 << shift) * (costL0 * InvTbl [(costL0 + costL1)] >> invTblShift)
w0 = (1 << shift)-w1
Reciprocal table InvTbl [x] = (1 << invTblShift + x / 2) / x
Where x = 0 .. (1 << invTblShift) -1.
 逆数テーブルとしては、例えばinvTblShift=15、としてx=0..32767の32768要素のテーブルを持つことなどが適当である。 As the reciprocal table, for example, it is appropriate to have a 32768 element table with invTblShift = 15 and x = 0..32767.
 当然、以下の式でも同じ結果が得られる。 Of course, the same result can be obtained by the following equation.
 w0 = (1<<shift) * (costL1 * InvTbl[(costL0 + costL1)]>>invTblShift)
 w1 = (1<<shift) - w0
 以下の例3~例5では、このような自明な変形例の説明は省略する。
w0 = (1 << shift) * (costL1 * InvTbl [(costL0 + costL1)] >> invTblShift)
w1 = (1 << shift)-w0
In the following Examples 3 to 5, description of such obvious modifications will be omitted.
  (例3)
 以下の式に示すように、重み予測部3094は、例2の「costL0 * InvTbl[(costL0 + costL1)]」における分子および分母に定数Cを加えることによって、コスト比に応じたウエイト導出よりも緩やかな割合でウエイト比を決定する。
(Example 3)
As shown in the following equation, the weight prediction unit 3094 adds a constant C to the numerator and denominator in “costL0 * InvTbl [(costL0 + costL1)]” in Example 2 rather than weight derivation according to the cost ratio. Determine the weight ratio at a moderate rate.
 w1 = (1<<shift) * ( (costL0 + C) * InvTbl[(costL0 + costL1 + C)]>>invTblShift)
 w0 = (1<<shift) - w1
 逆数テーブルIInvTbl [x] = (1<<invTblShift + x/2) / x
  (例4)
 以下の式に示すように、重み予測部3094は、例3の「costL0 * InvTbl[(costL0 + costL1)]」の分子と分母との比Kを導出後、Kからテーブル引き(マッピング)でウエイト比を決定する。
w1 = (1 << shift) * ((costL0 + C) * InvTbl [(costL0 + costL1 + C)] >> invTblShift)
w0 = (1 << shift)-w1
Reciprocal table IInvTbl [x] = (1 << invTblShift + x / 2) / x
(Example 4)
As shown in the following equation, the weight prediction unit 3094 derives the ratio K between the numerator and the denominator of “costL0 * InvTbl [(costL0 + costL1)]” in Example 3, and then performs weighting by table subtraction (mapping) from K. Determine the ratio.
 K = (1<<shiftK) * ( (costL0 + C) * InvTbl[(costL0 + costL1 + C)]>>invTblShift)
 w1 = weightTbl[K]
 w0 = (1<<shift) - w1
 逆数テーブルIInvTbl [x] = (1<<invTblShift + x/2) / x
例えば、一例として
 ウエイトマッピングテーブルweightTbl[] = {2, 2, 3, 3, 3, 3, 4, 4, 4, 4, 4, 5, 5, 5, 5, 6}
 shiftK = 4(この場合、K の範囲は、K= 0.. 1<<shiftK-1、つまりK=0..7になる。)
 shift = 3
とすることができる。
K = (1 << shiftK) * ((costL0 + C) * InvTbl [(costL0 + costL1 + C)] >> invTblShift)
w1 = weightTbl [K]
w0 = (1 << shift)-w1
Reciprocal table IInvTbl [x] = (1 << invTblShift + x / 2) / x
For example, the weight mapping table weightTbl [] = {2, 2, 3, 3, 3, 3, 4, 4, 4, 4, 4, 5, 5, 5, 5, 6}
shiftK = 4 (in this case, the range of K is K = 0 .. 1 << shiftK-1, that is, K = 0..7)
shift = 3
It can be.
  (例5)
 また、他のウエイトの導出例を、図23を用いて説明する。図23は重み予測部3094によるウエイト導出処理の例を示す疑似コードである。
(Example 5)
Another example of derivation of weights will be described with reference to FIG. FIG. 23 is a pseudo code showing an example of a weight derivation process by the weight prediction unit 3094.
 重み予測部3094は、動き補償画像のマッチングコストの和が所定の値よりも小さい場合、動き補償画像に設定する重み付け係数を一定の値とする。 The weight prediction unit 3094 sets the weighting coefficient set to the motion compensation image to a constant value when the sum of the matching costs of the motion compensation image is smaller than a predetermined value.
 上記の構成によれば、テンプレートとの誤差量が少ない動き補償画像に大きい値が重み付される。そのため、インター予測画像生成部309は、精度の高い予測画像を導出することができる。 According to the above configuration, a large value is weighted to the motion compensated image with a small amount of error from the template. Therefore, the inter prediction image generation unit 309 can derive a prediction image with high accuracy.
 詳細には、図23の式が示すように、costL0とcostL1との和が閾値TH_Kより小さい場合に、重み予測部3094は、w0とw1とのウエイト比を常に1:1としてもよい。 Specifically, as shown in the equation of FIG. 23, when the sum of costL0 and costL1 is smaller than the threshold TH_K, the weight prediction unit 3094 may always set the weight ratio between w0 and w1 to 1: 1.
 また、costL0とcostL1とが、costL0*2 < costL1を満たす場合、w0 = 12; w1 = 16 - w0に設定してもよい。 Also, if costL0 and costL1 satisfy costL0 * 2 <costL1, w0 = 12; w1 = 16-w0 may be set.
 また、costL0とcostL1とが、costL1*2 < costL0を満たす場合、w0 = 4; w1 = 16 - w0に設定してもよい。 Also, if costL0 and costL1 satisfy costL1 * 2 <costL0, w0 = 4; w1 = 16-w0 may be set.
 なお、図23が示す式においては、width, heightは対象ブロック(=予測ブロック)の幅と高さとを示し、TH_KはcostL0とcostL1との和の閾値となる定数を示している。例えば、TH_K =2などとしてもよい。 In the equation shown in FIG. 23, width and height indicate the width and height of the target block (= predicted block), and TH_K indicates a constant serving as a threshold value of the sum of costL0 and costL1. For example, TH_K = 2 may be set.
 (TMにおけるマッチングコストを用いた重み予測画像の導出)
  (インター予測画像生成部309)
 次に、本実施形態に係るインター予測画像生成部309について、図24を用いて説明する。図24は本実施形態に係るインター予測画像生成部309の要部構成の一例を示すブロック図である。図24に示すように、インター予測画像生成部309は、動き補償部3091および重み予測部3094を備えている。動き補償部3091については、実施形態1にて説明した構成と同様であるため、ここでの詳細な説明を省略する。
(Derivation of weight prediction image using matching cost in TM)
(Inter prediction image generation unit 309)
Next, the inter prediction image generation unit 309 according to the present embodiment will be described with reference to FIG. FIG. 24 is a block diagram illustrating an example of a main configuration of the inter predicted image generation unit 309 according to the present embodiment. As illustrated in FIG. 24, the inter predicted image generation unit 309 includes a motion compensation unit 3091 and a weight prediction unit 3094. Since the motion compensation unit 3091 has the same configuration as that described in the first embodiment, detailed description thereof is omitted here.
   (重み予測部3094)
 重み予測部3094はTMにおいて導出されたマッチングコスト(costL0、costL1)を、マッチング動き導出部30373から受信する。重み予測部3094は、マッチングコスト(costL0、costL1)に応じて、動き補償画像(predSamplesL0[x][y]、predSamplesL1[x][y])に重み付けを行う。重み予測部3094は重み付けした動き補償画像(predSamplesL0[x][y]、predSamplesL1[x][y])を用いて重み予測画像predSamples[x][y]を以下の式に示すように導出する。
(Weight predictor 3094)
The weight prediction unit 3094 receives the matching cost (costL0, costL1) derived in the TM from the matching motion derivation unit 30373. The weight prediction unit 3094 weights the motion compensated images (predSamplesL0 [x] [y], predSamplesL1 [x] [y]) according to the matching costs (costL0, costL1). The weight prediction unit 3094 derives the weight prediction image predSamples [x] [y] using the weighted motion compensation images (predSamplesL0 [x] [y], predSamplesL1 [x] [y]) as shown in the following equation. .
 predSamples[x][y] = (w0 * predSamplesL0[x][y] + w1 + predSamplesL1[x][y] + roundoffset) >> shift
 なお、重み予測部3094が行うウエイトの導出については、上記「BTMにおけるマッチングコストを用いた重み予測画像の導出」にて説明した導出例を適用することができるため、ここでの詳細な説明は省略する。
predSamples [x] [y] = (w0 * predSamplesL0 [x] [y] + w1 + predSamplesL1 [x] [y] + roundoffset) >> shift
Note that the derivation example described in the above “derivation of weight prediction image using matching cost in BTM” can be applied to the weight derivation performed by the weight prediction unit 3094. Omitted.
 〔実施形態3〕
  (コストを用いたBIOのON/OFF制御)
 本実施形態に係る動き補償部3091は、双予測(BiPred)に対して勾配補正項を適用して動き補正を行うBi-directional optical flow(双予測勾配変化:BIO)予測を適用した動き補償を行うモードを備えている。
[Embodiment 3]
(BIO ON / OFF control using cost)
The motion compensation unit 3091 according to the present embodiment performs motion compensation using Bi-directional optical flow (bi-predictive gradient change: BIO) prediction that performs motion correction by applying a gradient correction term to bi-prediction (BiPred). It has a mode to do.
 動き補償部3091はBTMにおけるマッチングコストに応じて、BIO予測のON/OFF制御を行う。例えば、動き補償部3091はBTM処理部3038からマッチングコスト(costL0、costL1)を受信する。動き補償部3091はcostL0とcostL1とのコスト比に応じて、BIO予測のON/OFを制御する。 The motion compensation unit 3091 performs BIO prediction ON / OFF control according to the matching cost in BTM. For example, the motion compensation unit 3091 receives the matching cost (costL0, costL1) from the BTM processing unit 3038. The motion compensation unit 3091 controls ON / OF of BIO prediction according to the cost ratio between costL0 and costL1.
 換言すると、BTM処理部3038は、バイラテラルテンプレートマッチング(BTM)を用いてマッチング処理を実行し、複数の参照ピクチャにおけるテンプレートから予測される動き補償画像とテンプレートとの差分(マッチングコスト)を導出する。 In other words, the BTM processing unit 3038 performs a matching process using bilateral template matching (BTM), and derives a difference (matching cost) between the motion compensated image predicted from the template in a plurality of reference pictures and the template. .
 動き補償部3091は、バイラテラルテンプレートマッチング(BTM)に対して勾配補正項を適用して動き補償を行う双予測勾配変化(BIO)予測による動き補償を行う。動き補償部3091は、複数の参照ピクチャにおけるテンプレートから予測される動き補償画像とテンプレートとの差分(マッチングコスト)の比に応じて、BIO予測のON/OFFを制御する。 The motion compensation unit 3091 performs motion compensation by bi-predictive gradient change (BIO) prediction that performs motion compensation by applying a gradient correction term to bilateral template matching (BTM). The motion compensation unit 3091 controls ON / OFF of BIO prediction according to a ratio of a difference (matching cost) between a motion compensated image predicted from a template in a plurality of reference pictures and the template.
 上記の構成によれば、バイラテラルテンプレートマッチングにおいて導出される動き補償画像のマッチングコストを、予測画像の導出に有効利用することができる。そして、動き補償画像のマッチングコスト比に応じて、BIO予測のON/OFFを制御することができる。 According to the above configuration, the matching cost of the motion compensated image derived in the bilateral template matching can be effectively used for deriving the predicted image. Then, ON / OFF of the BIO prediction can be controlled according to the matching cost ratio of the motion compensation image.
 図25を用いて、BIO予測のON/OFFを制御について詳細に説明する。図25は、動き補償部3091の処理を示す疑似コードの一例を示す図である。図25に示すように、動き補償部3091はコスト比が大きい場合にBIO予測をOFFにし、その他の場合にBIO予測をONにする。コスト比の判定は、下記の式に示すように、例えば、costL0とcostL1との比較によって行ってもよい。 Referring to FIG. 25, the control of BIO prediction ON / OFF will be described in detail. FIG. 25 is a diagram illustrating an example of pseudo code indicating processing of the motion compensation unit 3091. As shown in FIG. 25, the motion compensation unit 3091 turns off BIO prediction when the cost ratio is large, and turns on BIO prediction in other cases. The determination of the cost ratio may be performed, for example, by comparing costL0 and costL1 as shown in the following equation.
 コスト比が大きいとする判定値=costL0 > costL1*BIO_TH || costL1 > costL0*BIO_TH
 BIO_THは例えば4としてもよい。
Judgment value with large cost ratio = costL0> costL1 * BIO_TH || costL1> costL0 * BIO_TH
BIO_TH may be 4, for example.
 換言すると、動き補償部3091は、マッチングコストの比が所定の値よりも大きい場合、BIO予測をOFFに制御する。 In other words, the motion compensation unit 3091 controls the BIO prediction to be OFF when the matching cost ratio is larger than a predetermined value.
 例えば、マッチングコストの比が所定の値よりも大きい場合は、物体が局所領域では変形せず平行移動のみを行うのみであるとのBIOの仮説に反する(平行移動のみを行う場合にはマッチングコストの大きさは参照画像によって大きく変化しない)。したがって、BIO予測は不適である。 For example, if the ratio of matching costs is larger than a predetermined value, it is contrary to the BIO hypothesis that the object does not deform in the local region and only performs translation (matching cost when only translation is performed). Does not change significantly depending on the reference image). Therefore, BIO prediction is inappropriate.
 上記の構成によれば、マッチングコストの比が所定の値よりも大きい場合、BIO予測をOFFに制御することができる。 According to the above configuration, when the matching cost ratio is larger than a predetermined value, the BIO prediction can be controlled to be OFF.
 また、図25に示すように、コスト(costL0、costL1)が小さい場合には、コスト比が大きくても、動き補償部3091はBIOをONとしてもよい。 As shown in FIG. 25, when the cost (costL0, costL1) is small, the motion compensation unit 3091 may turn on the BIO even if the cost ratio is large.
 例えば、コストが大きいとの判定をブロックの幅と高さとがblkW, blkHを用いて、以下の式を用いてもよい。 For example, the following formula may be used for determining that the cost is large, using the block width and height as blkW and blkH.
 コストが大きい=costL0 + costL1 > blkW * blkH *TH_K (例えば、TH_K = 8など)
 換言すると、上記動き補償部3091は、マッチングコストの和が所定の値よりも小さい場合、BIO予測をONに制御する。
Cost is high = costL0 + costL1> blkW * blkH * TH_K (for example, TH_K = 8)
In other words, the motion compensation unit 3091 controls BIO prediction to be ON when the sum of matching costs is smaller than a predetermined value.
 例えば、マッチングコストの和が所定の値よりも小さい場合は、物体が局所領域では変形せず平行移動のみを行うのみであるとのBIOの仮説に合致する(平行移動のみを行う場合にはマッチングコストの大きさは小さくなる)。したがって、BIO予測は好適である。 For example, when the sum of the matching costs is smaller than a predetermined value, it matches the BIO hypothesis that the object does not deform in the local region and only performs translation (matching is performed when only translation is performed). The cost is small). Therefore, BIO prediction is preferred.
 上記の構成によれば、マッチングコストの和が所定の値よりも小さい場合、BIO予測をONに制御することができる。 According to the above configuration, when the sum of the matching costs is smaller than a predetermined value, the BIO prediction can be controlled to be ON.
 〔付記事項〕
 また、上述した実施形態における画像符号化装置11、画像復号装置31の一部、または全部を、LSI(Large Scale Integration)等の集積回路として実現しても良い。画像符号化装置11、画像復号装置31の各機能ブロックは個別にプロセッサ化しても良いし、一部、または全部を集積してプロセッサ化しても良い。また、集積回路化の手法はLSIに限らず専用回路、または汎用プロセッサで実現しても良い。また、半導体技術の進歩によりLSIに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いても良い。
[Additional Notes]
Moreover, you may implement | achieve part or all of the image coding apparatus 11 in the embodiment mentioned above, and the image decoding apparatus 31 as integrated circuits, such as LSI (Large Scale Integration). Each functional block of the image encoding device 11 and the image decoding device 31 may be individually made into a processor, or a part or all of them may be integrated into a processor. Further, the method of circuit integration is not limited to LSI, and may be realized by a dedicated circuit or a general-purpose processor. Further, in the case where an integrated circuit technology that replaces LSI appears due to progress in semiconductor technology, an integrated circuit based on the technology may be used.
 以上、図面を参照してこの発明の一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。 As described above, the embodiment of the present invention has been described in detail with reference to the drawings. However, the specific configuration is not limited to the above, and various design changes and the like can be made without departing from the scope of the present invention. It is possible to
 〔応用例〕
 上述した画像符号化装置11及び画像復号装置31は、動画像の送信、受信、記録、再生を行う各種装置に搭載して利用することができる。なお、動画像は、カメラ等により撮像された自然動画像であってもよいし、コンピュータ等により生成された人工動画像(CGおよびGUIを含む)であってもよい。
[Application example]
The image encoding device 11 and the image decoding device 31 described above can be used by being mounted on various devices that perform transmission, reception, recording, and reproduction of moving images. The moving image may be a natural moving image captured by a camera or the like, or an artificial moving image (including CG and GUI) generated by a computer or the like.
 まず、上述した画像符号化装置11及び画像復号装置31を、動画像の送信及び受信に利用できることを、図26を参照して説明する。 First, it will be described with reference to FIG. 26 that the image encoding device 11 and the image decoding device 31 described above can be used for transmission and reception of moving images.
 図26の(a)は、画像符号化装置11を搭載した送信装置PROD_Aの構成を示したブロック図である。図26の(a)に示すように、送信装置PROD_Aは、動画像を符号化することによって符号化データを得る符号化部PROD_A1と、符号化部PROD_A1が得た符号化データで搬送波を変調することによって変調信号を得る変調部PROD_A2と、変調部PROD_A2が得た変調信号を送信する送信部PROD_A3と、を備えている。上述した画像符号化装置11は、この符号化部PROD_A1として利用される。 (A) of FIG. 26 is a block diagram showing a configuration of a transmission device PROD_A in which the image encoding device 11 is mounted. As illustrated in (a) of FIG. 26, the transmission apparatus PROD_A modulates a carrier wave with an encoding unit PROD_A1 that obtains encoded data by encoding a moving image, and with the encoded data obtained by the encoding unit PROD_A1. Thus, a modulation unit PROD_A2 that obtains a modulation signal and a transmission unit PROD_A3 that transmits the modulation signal obtained by the modulation unit PROD_A2 are provided. The above-described image encoding device 11 is used as the encoding unit PROD_A1.
 送信装置PROD_Aは、符号化部PROD_A1に入力する動画像の供給源として、動画像を撮像するカメラPROD_A4、動画像を記録した記録媒体PROD_A5、動画像を外部から入力するための入力端子PROD_A6、及び、画像を生成または加工する画像処理部A7を更に備えていてもよい。図26の(a)においては、これら全てを送信装置PROD_Aが備えた構成を例示しているが、一部を省略しても構わない。 Transmission device PROD_A, as a source of moving images to be input to the encoding unit PROD_A1, a camera PROD_A4 that captures moving images, a recording medium PROD_A5 that records moving images, an input terminal PROD_A6 for inputting moving images from the outside, and An image processing unit A7 that generates or processes an image may be further provided. FIG. 26A illustrates a configuration in which the transmission apparatus PROD_A includes all of these, but some of them may be omitted.
 なお、記録媒体PROD_A5は、符号化されていない動画像を記録したものであってもよいし、伝送用の符号化方式とは異なる記録用の符号化方式で符号化された動画像を記録したものであってもよい。後者の場合、記録媒体PROD_A5と符号化部PROD_A1との間に、記録媒体PROD_A5から読み出した符号化データを記録用の符号化方式に従って復号する復号部(不図示)を介在させるとよい。 Note that the recording medium PROD_A5 may be a recording of a non-encoded moving image, or a recording of a moving image encoded by a recording encoding scheme different from the transmission encoding scheme. It may be a thing. In the latter case, a decoding unit (not shown) for decoding the encoded data read from the recording medium PROD_A5 in accordance with the recording encoding method may be interposed between the recording medium PROD_A5 and the encoding unit PROD_A1.
 図26の(b)は、画像復号装置31を搭載した受信装置PROD_Bの構成を示したブロック図である。図26の(b)に示すように、受信装置PROD_Bは、変調信号を受信する受信部PROD_B1と、受信部PROD_B1が受信した変調信号を復調することによって符号化データを得る復調部PROD_B2と、復調部PROD_B2が得た符号化データを復号することによって動画像を得る復号部PROD_B3と、を備えている。上述した画像復号装置31は、この復号部PROD_B3として利用される。 (B) of FIG. 26 is a block diagram illustrating a configuration of the receiving device PROD_B in which the image decoding device 31 is mounted. As shown in FIG. 26B, the receiving device PROD_B includes a receiving unit PROD_B1 that receives a modulated signal, a demodulating unit PROD_B2 that obtains encoded data by demodulating the modulated signal received by the receiving unit PROD_B1, and a demodulator. A decoding unit PROD_B3 that obtains a moving image by decoding the encoded data obtained by the unit PROD_B2. The above-described image decoding device 31 is used as the decoding unit PROD_B3.
 受信装置PROD_Bは、復号部PROD_B3が出力する動画像の供給先として、動画像を表示するディスプレイPROD_B4、動画像を記録するための記録媒体PROD_B5、及び、動画像を外部に出力するための出力端子PROD_B6を更に備えていてもよい。図26の(b)においては、これら全てを受信装置PROD_Bが備えた構成を例示しているが、一部を省略しても構わない。 The receiving device PROD_B is a display destination PROD_B4 for displaying a moving image, a recording medium PROD_B5 for recording a moving image, and an output terminal for outputting the moving image to the outside as a supply destination of the moving image output by the decoding unit PROD_B3 PROD_B6 may be further provided. FIG. 26B illustrates a configuration in which the reception apparatus PROD_B includes all of these, but a part of the configuration may be omitted.
 なお、記録媒体PROD_B5は、符号化されていない動画像を記録するためのものであってもよいし、伝送用の符号化方式とは異なる記録用の符号化方式で符号化されたものであってもよい。後者の場合、復号部PROD_B3と記録媒体PROD_B5との間に、復号部PROD_B3から取得した動画像を記録用の符号化方式に従って符号化する符号化部(不図示)を介在させるとよい。 Note that the recording medium PROD_B5 may be used for recording a non-encoded moving image, or is encoded using a recording encoding method different from the transmission encoding method. May be. In the latter case, an encoding unit (not shown) for encoding the moving image acquired from the decoding unit PROD_B3 according to the recording encoding method may be interposed between the decoding unit PROD_B3 and the recording medium PROD_B5.
 なお、変調信号を伝送する伝送媒体は、無線であってもよいし、有線であってもよい。また、変調信号を伝送する伝送態様は、放送(ここでは、送信先が予め特定されていない送信態様を指す)であってもよいし、通信(ここでは、送信先が予め特定されている送信態様を指す)であってもよい。すなわち、変調信号の伝送は、無線放送、有線放送、無線通信、及び有線通信の何れによって実現してもよい。 Note that the transmission medium for transmitting the modulation signal may be wireless or wired. Further, the transmission mode for transmitting the modulated signal may be broadcasting (here, a transmission mode in which the transmission destination is not specified in advance) or communication (here, transmission in which the transmission destination is specified in advance). Refers to the embodiment). That is, the transmission of the modulation signal may be realized by any of wireless broadcasting, wired broadcasting, wireless communication, and wired communication.
 例えば、地上デジタル放送の放送局(放送設備など)/受信局(テレビジョン受像機など)は、変調信号を無線放送で送受信する送信装置PROD_A/受信装置PROD_Bの一例である。また、ケーブルテレビ放送の放送局(放送設備など)/受信局(テレビジョン受像機など)は、変調信号を有線放送で送受信する送信装置PROD_A/受信装置PROD_Bの一例である。 For example, a terrestrial digital broadcast broadcasting station (broadcasting equipment, etc.) / Receiving station (such as a television receiver) is an example of a transmitting device PROD_A / receiving device PROD_B that transmits and receives a modulated signal by wireless broadcasting. A broadcasting station (such as broadcasting equipment) / receiving station (such as a television receiver) of cable television broadcasting is an example of a transmitting device PROD_A / receiving device PROD_B that transmits and receives a modulated signal by cable broadcasting.
 また、インターネットを用いたVOD(Video On Demand)サービスや動画共有サービスなどのサーバ(ワークステーションなど)/クライアント(テレビジョン受像機、パーソナルコンピュータ、スマートフォンなど)は、変調信号を通信で送受信する送信装置PROD_A/受信装置PROD_Bの一例である(通常、LANにおいては伝送媒体として無線または有線の何れかが用いられ、WANにおいては伝送媒体として有線が用いられる)。ここで、パーソナルコンピュータには、デスクトップ型PC、ラップトップ型PC、及びタブレット型PCが含まれる。また、スマートフォンには、多機能携帯電話端末も含まれる。 In addition, a server (workstation, etc.) / Client (television receiver, personal computer, smartphone, etc.) such as a VOD (Video On Demand) service or a video sharing service using the Internet is a transmission device that transmits and receives modulated signals via communication. This is an example of PROD_A / receiving device PROD_B (normally, either a wireless or wired transmission medium is used in a LAN, and a wired transmission medium is used in a WAN). Here, the personal computer includes a desktop PC, a laptop PC, and a tablet PC. The smartphone also includes a multi-function mobile phone terminal.
 なお、動画共有サービスのクライアントは、サーバからダウンロードした符号化データを復号してディスプレイに表示する機能に加え、カメラで撮像した動画像を符号化してサーバにアップロードする機能を有している。すなわち、動画共有サービスのクライアントは、送信装置PROD_A及び受信装置PROD_Bの双方として機能する。 In addition to the function of decoding the encoded data downloaded from the server and displaying it on the display, the video sharing service client has a function of encoding a moving image captured by the camera and uploading it to the server. That is, the client of the video sharing service functions as both the transmission device PROD_A and the reception device PROD_B.
 次に、上述した画像符号化装置11及び画像復号装置31を、動画像の記録及び再生に利用できることを、図27を参照して説明する。 Next, the fact that the above-described image encoding device 11 and image decoding device 31 can be used for recording and reproduction of moving images will be described with reference to FIG.
 図27の(a)は、上述した画像符号化装置11を搭載した記録装置PROD_Cの構成を示したブロック図である。図27の(a)に示すように、記録装置PROD_Cは、動画像を符号化することによって符号化データを得る符号化部PROD_C1と、符号化部PROD_C1が得た符号化データを記録媒体PROD_Mに書き込む書込部PROD_C2と、を備えている。上述した画像符号化装置11は、この符号化部PROD_C1として利用される。 FIG. 27A is a block diagram showing a configuration of a recording apparatus PROD_C in which the above-described image encoding device 11 is mounted. As shown in (a) of FIG. 27, the recording apparatus PROD_C includes an encoding unit PROD_C1 that obtains encoded data by encoding a moving image, and the encoded data obtained by the encoding unit PROD_C1 on a recording medium PROD_M. A writing unit PROD_C2 for writing. The above-described image encoding device 11 is used as the encoding unit PROD_C1.
 なお、記録媒体PROD_Mは、(1)HDD(Hard Disk Drive)やSSD(Solid State Drive)などのように、記録装置PROD_Cに内蔵されるタイプのものであってもよいし、(2)SDメモリカードやUSB(Universal Serial Bus)フラッシュメモリなどのように、記録装置PROD_Cに接続されるタイプのものであってもよいし、(3)DVD(Digital Versatile Disc)やBD(Blu-ray Disc:登録商標)などのように、記録装置PROD_Cに内蔵されたドライブ装置(不図示)に装填されるものであってもよい。 The recording medium PROD_M may be of a type built into the recording device PROD_C, such as (1) HDD (Hard Disk Drive) or SSD (Solid State Drive), or (2) SD memory. It may be of the type connected to the recording device PROD_C, such as a card or USB (Universal Serial Bus) flash memory, or (3) DVD (Digital Versatile Disc) or BD (Blu-ray Disc: registration) Or a drive device (not shown) built in the recording device PROD_C.
 また、記録装置PROD_Cは、符号化部PROD_C1に入力する動画像の供給源として、動画像を撮像するカメラPROD_C3、動画像を外部から入力するための入力端子PROD_C4、動画像を受信するための受信部PROD_C5、及び、画像を生成または加工する画像処理部PROD_C6を更に備えていてもよい。図27の(a)においては、これら全てを記録装置PROD_Cが備えた構成を例示しているが、一部を省略しても構わない。 In addition, the recording device PROD_C is a camera PROD_C3 that captures moving images as a source of moving images to be input to the encoding unit PROD_C1, an input terminal PROD_C4 for inputting moving images from the outside, and a reception for receiving moving images A unit PROD_C5 and an image processing unit PROD_C6 for generating or processing an image may be further provided. FIG. 27A illustrates a configuration in which the recording apparatus PROD_C includes all of these, but some of them may be omitted.
 なお、受信部PROD_C5は、符号化されていない動画像を受信するものであってもよいし、記録用の符号化方式とは異なる伝送用の符号化方式で符号化された符号化データを受信するものであってもよい。後者の場合、受信部PROD_C5と符号化部PROD_C1との間に、伝送用の符号化方式で符号化された符号化データを復号する伝送用復号部(不図示)を介在させるとよい。 The receiving unit PROD_C5 may receive a non-encoded moving image, or may receive encoded data encoded by a transmission encoding scheme different from the recording encoding scheme. You may do. In the latter case, a transmission decoding unit (not shown) that decodes encoded data encoded by the transmission encoding method may be interposed between the reception unit PROD_C5 and the encoding unit PROD_C1.
 このような記録装置PROD_Cとしては、例えば、DVDレコーダ、BDレコーダ、HDD(Hard Disk Drive)レコーダなどが挙げられる(この場合、入力端子PROD_C4または受信部PROD_C5が動画像の主な供給源となる)。また、カムコーダ(この場合、カメラPROD_C3が動画像の主な供給源となる)、パーソナルコンピュータ(この場合、受信部PROD_C5または画像処理部C6が動画像の主な供給源となる)、スマートフォン(この場合、カメラPROD_C3または受信部PROD_C5が動画像の主な供給源となる)なども、このような記録装置PROD_Cの一例である。 Examples of such a recording device PROD_C include a DVD recorder, a BD recorder, an HDD (Hard Disk Drive) recorder, and the like (in this case, the input terminal PROD_C4 or the receiver PROD_C5 is a main source of moving images). . In addition, a camcorder (in this case, the camera PROD_C3 is a main source of moving images), a personal computer (in this case, the receiving unit PROD_C5 or the image processing unit C6 is a main source of moving images), a smartphone (this In this case, the camera PROD_C3 or the reception unit PROD_C5 is a main source of moving images), and the like is also an example of such a recording apparatus PROD_C.
 図27の(b)は、上述した画像復号装置31を搭載した再生装置PROD_Dの構成を示したブロック図である。図27の(b)に示すように、再生装置PROD_Dは、記録媒体PROD_Mに書き込まれた符号化データを読み出す読出部PROD_D1と、読出部PROD_D1が読み出した符号化データを復号することによって動画像を得る復号部PROD_D2と、を備えている。上述した画像復号装置31は、この復号部PROD_D2として利用される。 (B) of FIG. 27 is a block diagram showing a configuration of a playback device PROD_D equipped with the image decoding device 31 described above. As shown in (b) of FIG. 27, the playback device PROD_D reads a moving image by decoding a read unit PROD_D1 that reads encoded data written on the recording medium PROD_M and a read unit PROD_D1 that reads the encoded data. And a decoding unit PROD_D2 to obtain. The above-described image decoding device 31 is used as the decoding unit PROD_D2.
 なお、記録媒体PROD_Mは、(1)HDDやSSDなどのように、再生装置PROD_Dに内蔵されるタイプのものであってもよいし、(2)SDメモリカードやUSBフラッシュメモリなどのように、再生装置PROD_Dに接続されるタイプのものであってもよいし、(3)DVDやBDなどのように、再生装置PROD_Dに内蔵されたドライブ装置(不図示)に装填されるものであってもよい。 The recording medium PROD_M may be of the type built into the playback device PROD_D, such as (1) HDD or SSD, or (2) such as an SD memory card or USB flash memory. It may be of the type connected to the playback device PROD_D, or (3) may be loaded into a drive device (not shown) built in the playback device PROD_D, such as a DVD or BD. Good.
 また、再生装置PROD_Dは、復号部PROD_D2が出力する動画像の供給先として、動画像を表示するディスプレイPROD_D3、動画像を外部に出力するための出力端子PROD_D4、及び、動画像を送信する送信部PROD_D5を更に備えていてもよい。図27の(b)においては、これら全てを再生装置PROD_Dが備えた構成を例示しているが、一部を省略しても構わない。 In addition, the playback device PROD_D has a display unit PROD_D3 that displays a moving image as a supply destination of the moving image output by the decoding unit PROD_D2, an output terminal PROD_D4 that outputs the moving image to the outside, and a transmission unit that transmits the moving image. PROD_D5 may be further provided. FIG. 27B illustrates a configuration in which the playback apparatus PROD_D includes all of these, but some of them may be omitted.
 なお、送信部PROD_D5は、符号化されていない動画像を送信するものであってもよいし、記録用の符号化方式とは異なる伝送用の符号化方式で符号化された符号化データを送信するものであってもよい。後者の場合、復号部PROD_D2と送信部PROD_D5との間に、動画像を伝送用の符号化方式で符号化する符号化部(不図示)を介在させるとよい。 The transmission unit PROD_D5 may transmit a non-encoded moving image, or transmits encoded data encoded by a transmission encoding scheme different from the recording encoding scheme. You may do. In the latter case, it is preferable to interpose an encoding unit (not shown) that encodes a moving image using a transmission encoding method between the decoding unit PROD_D2 and the transmission unit PROD_D5.
 このような再生装置PROD_Dとしては、例えば、DVDプレイヤ、BDプレイヤ、HDDプレイヤなどが挙げられる(この場合、テレビジョン受像機等が接続される出力端子PROD_D4が動画像の主な供給先となる)。また、テレビジョン受像機(この場合、ディスプレイPROD_D3が動画像の主な供給先となる)、デジタルサイネージ(電子看板や電子掲示板等とも称され、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる)、デスクトップ型PC(この場合、出力端子PROD_D4または送信部PROD_D5が動画像の主な供給先となる)、ラップトップ型またはタブレット型PC(この場合、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる)、スマートフォン(この場合、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる)なども、このような再生装置PROD_Dの一例である。 Examples of such a playback device PROD_D include a DVD player, a BD player, and an HDD player (in this case, an output terminal PROD_D4 to which a television receiver or the like is connected is a main moving image supply destination). . In addition, a television receiver (in this case, the display PROD_D3 is a main supply destination of moving images), a digital signage (also referred to as an electronic signboard or an electronic bulletin board), and the display PROD_D3 or the transmission unit PROD_D5 is the main supply of moving images Desktop PC (in this case, output terminal PROD_D4 or transmission unit PROD_D5 is the main video source), laptop or tablet PC (in this case, display PROD_D3 or transmission unit PROD_D5 is video) A smartphone (which is a main image supply destination), a smartphone (in this case, the display PROD_D3 or the transmission unit PROD_D5 is a main moving image supply destination), and the like are also examples of such a playback device PROD_D.
  (ハードウェア的実現およびソフトウェア的実現)
 また、上述した画像復号装置31および画像符号化装置11の各ブロックは、集積回路(ICチップ)上に形成された論理回路によってハードウェア的に実現してもよいし、CPU(Central Processing Unit)を用いてソフトウェア的に実現してもよい。
(Hardware implementation and software implementation)
Each block of the image decoding device 31 and the image encoding device 11 described above may be realized in hardware by a logic circuit formed on an integrated circuit (IC chip), or may be a CPU (Central Processing Unit). You may implement | achieve by software using.
 後者の場合、上記各装置は、各機能を実現するプログラムの命令を実行するCPU、上記プログラムを格納したROM(Read Only Memory)、上記プログラムを展開するRAM(RandomAccess Memory)、上記プログラムおよび各種データを格納するメモリ等の記憶装置(記録媒体)などを備えている。そして、本発明の実施形態の目的は、上述した機能を実現するソフトウェアである上記各装置の制御プログラムのプログラムコード(実行形式プログラム、中間コードプログラム、ソースプログラム)をコンピュータで読み取り可能に記録した記録媒体を、上記各装置に供給し、そのコンピュータ(またはCPUやMPU)が記録媒体に記録されているプログラムコードを読み出し実行することによっても、達成可能である。 In the latter case, each of the above devices includes a CPU that executes instructions of a program that realizes each function, a ROM (Read Memory) that stores the program, a RAM (RandomAccess Memory) that develops the program, the program, and various data. A storage device (recording medium) such as a memory for storing the. The object of the embodiment of the present invention is a record in which the program code (execution format program, intermediate code program, source program) of the control program for each of the above devices, which is software that realizes the above-described functions, is recorded in a computer-readable manner This can also be achieved by supplying a medium to each of the above devices, and reading and executing the program code recorded on the recording medium by the computer (or CPU or MPU).
 上記記録媒体としては、例えば、磁気テープやカセットテープ等のテープ類、フロッピー(登録商標)ディスク/ハードディスク等の磁気ディスクやCD-ROM(Compact Disc Read-Only Memory)/MOディスク(Magneto-Optical disc)/MD(Mini Disc)/DVD(Digital Versatile Disc)/CD-R(CD Recordable)/ブルーレイディスク(Blu-ray Disc:登録商標)等の光ディスクを含むディスク類、ICカード(メモリカードを含む)/光カード等のカード類、マスクROM/EPROM(Erasable Programmable Read-Only Memory)/EEPROM(Electrically Erasable and Programmable Read-Only Memory:登録商標)/フラッシュROM等の半導体メモリ類、あるいはPLD(Programmable logic device)やFPGA(Field Programmable Gate Array)等の論理回路類などを用いることができる。 Examples of the recording medium include tapes such as magnetic tapes and cassette tapes, magnetic disks such as floppy (registered trademark) disks / hard disks, CD-ROMs (Compact Disc Read-Only Memory) / MO discs (Magneto-Optical discs). ) / MD (Mini Disc) / DVD (Digital Versatile Disc) / CD-R (CD Recordable) / Blu-ray Disc (Blu-ray Disc: registered trademark) and other optical disks, IC cards (including memory cards) / Cards such as optical cards, Mask ROM / EPROM (Erasable Programmable Read-Only Memory) / EEPROM (Electrically Erasable and Programmable Read-Only Memory: registered trademark) / Semiconductor memories such as flash ROM, or PLD (Programmable logic device ) Or FPGA (Field Programmable Gate Gate Array) or the like.
 また、上記各装置を通信ネットワークと接続可能に構成し、上記プログラムコードを通信ネットワークを介して供給してもよい。この通信ネットワークは、プログラムコードを伝送可能であればよく、特に限定されない。例えば、インターネット、イントラネット、エキストラネット、LAN(Local Area Network)、ISDN(Integrated Services Digital Network)、VAN(Value-Added Network)、CATV(Community Antenna television/Cable Television)通信網、仮想専用網(Virtual Private Network)、電話回線網、移動体通信網、衛星通信網等が利用可能である。また、この通信ネットワークを構成する伝送媒体も、プログラムコードを伝送可能な媒体であればよく、特定の構成または種類のものに限定されない。例えば、IEEE(Institute of Electrical and Electronic Engineers)1394、USB、電力線搬送、ケーブルTV回線、電話線、ADSL(Asymmetric Digital Subscriber Line)回線等の有線でも、IrDA(Infrared Data Association)やリモコンのような赤外線、BlueTooth(登録商標)、IEEE802.11無線、HDR(High Data Rate)、NFC(Near Field Communication)、DLNA(Digital Living Network Alliance:登録商標)、携帯電話網、衛星回線、地上デジタル放送網等の無線でも利用可能である。なお、本発明の実施形態は、上記プログラムコードが電子的な伝送で具現化された、搬送波に埋め込まれたコンピュータデータ信号の形態でも実現され得る。 Further, each of the above devices may be configured to be connectable to a communication network, and the program code may be supplied via the communication network. The communication network is not particularly limited as long as it can transmit the program code. For example, Internet, intranet, extranet, LAN (Local Area Network), ISDN (Integrated Services Digital Network), VAN (Value-Added Network), CATV (Community Area Antenna / television / Cable Television), Virtual Private Network (Virtual Private Network) Network), telephone line network, mobile communication network, satellite communication network, and the like. The transmission medium constituting the communication network may be any medium that can transmit the program code, and is not limited to a specific configuration or type. For example, IEEE (Institute of Electrical and Electronic Engineers) 1394, USB, power line carrier, cable TV line, telephone line, ADSL (Asymmetric Digital Subscriber Line) line, etc. wired such as IrDA (Infrared Data Association) or remote control , BlueTooth (registered trademark), IEEE802.11 wireless, HDR (High Data Rate), NFC (Near Field Communication), DLNA (Digital Living Network Alliance: registered trademark), mobile phone network, satellite line, terrestrial digital broadcasting network, etc. It can also be used wirelessly. The embodiment of the present invention can also be realized in the form of a computer data signal embedded in a carrier wave in which the program code is embodied by electronic transmission.
 本発明の実施形態は上述した実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。すなわち、請求項に示した範囲で適宜変更した技術的手段を組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。 The embodiments of the present invention are not limited to the above-described embodiments, and various modifications are possible within the scope of the claims. That is, embodiments obtained by combining technical means appropriately modified within the scope of the claims are also included in the technical scope of the present invention.
 (関連出願の相互参照)
 本出願は、2017年3月21日に出願された日本国特許出願:特願2017-055101に対して優先権の利益を主張するものであり、それを参照することにより、その内容の全てが本書に含まれる。
(Cross-reference of related applications)
This application claims the benefit of priority over the Japanese patent application filed on March 21, 2017: Japanese Patent Application No. 2017-055101. Included in this document.
 303   インター予測パラメータ復号部(予測画像生成装置)
 30373 マッチング動き導出部(マッチング処理部)
 3038  BTM処理部(マッチング処理部)
 309   インター予測画像生成部(予測画像生成装置)
 3091  動き補償部
 3094  重み予測部(予測部)
 31    画像復号装置
 11    画像符号化装置
303 Inter prediction parameter decoding unit (predicted image generation device)
30373 Matching motion deriving unit (matching processing unit)
3038 BTM processing unit (matching processing unit)
309 inter prediction image generation unit (prediction image generation device)
3091 Motion compensation unit 3094 Weight prediction unit (prediction unit)
31 Image decoding apparatus 11 Image encoding apparatus

Claims (11)

  1.  動画像の符号化または復号に用いられる予測画像を生成する予測画像生成装置であって、
     バイラテラルテンプレートマッチング(BTM)またはテンプレートマッチング(TM)を用いてマッチング処理を実行し、複数の参照ピクチャにおけるテンプレートから導出される予測画像候補と上記テンプレートとのコストを導出するマッチング処理部と、
     上記参照ピクチャ毎に予測される複数の予測画像候補から予測画像を導出する予測部とを備えており、
     上記予測部は、上記テンプレートと上記予測画像候補との上記コストに応じて、各予測画像候補に重み付け係数を設定し、重み付けされた上記予測画像候補を用いて上記予測画像を導出することを特徴とする予測画像生成装置。
    A prediction image generation device that generates a prediction image used for encoding or decoding a moving image,
    A matching processing unit that performs bilateral template matching (BTM) or template matching (TM) to perform a matching process, and derives a cost of the predicted image candidate derived from the template in a plurality of reference pictures and the template,
    A prediction unit for deriving a predicted image from a plurality of predicted image candidates predicted for each reference picture,
    The prediction unit sets a weighting coefficient for each prediction image candidate according to the cost of the template and the prediction image candidate, and derives the prediction image using the weighted prediction image candidate. A predicted image generation apparatus.
  2.  上記予測部は、上記テンプレートとの上記コストが大きい上記予測画像候補よりも上記テンプレートとの上記コストが小さい上記予測画像候補に、より大きい値の上記重み付け係数を設定することを特徴とする請求項1に記載の予測画像生成装置。 The said prediction part sets the said weighting coefficient of a larger value to the said prediction image candidate with the said cost with the said template smaller than the said prediction image candidate with the said large cost with the said template, It is characterized by the above-mentioned. The predicted image generation device according to 1.
  3.  上記予測部は、上記予測画像候補の上記コストの比に応じて、上記予測画像候補に重み付け係数を設定することを特徴とする請求項1に記載の予測画像生成装置。 2. The predicted image generation apparatus according to claim 1, wherein the prediction unit sets a weighting coefficient for the predicted image candidate in accordance with the cost ratio of the predicted image candidate.
  4.  上記予測部は、上記予測画像候補の上記コストの和が所定の値よりも小さい場合、上記予測画像候補に設定する重み付け係数を一定の値とすることを特徴とする請求項1から3の何れか1項に記載の予測画像生成装置。 4. The prediction unit according to claim 1, wherein when the sum of the costs of the prediction image candidates is smaller than a predetermined value, the prediction unit sets a weighting coefficient to be set to the prediction image candidate as a constant value. 5. The predicted image generation device according to claim 1.
  5.  動画像の符号化または復号に用いられる予測画像を生成する予測画像生成装置であって、
     バイラテラルテンプレートマッチング(BTM)を用いてマッチング処理を実行し、複数の参照ピクチャにおけるテンプレートから予測される予測画像候補と上記テンプレートとのコストを導出するマッチング処理部と、
     バイラテラルテンプレートマッチングに対して勾配補正項を適用して動き補償を行う双予測勾配変化(BIO)予測による動き補償を行う動き補償部とを備えており、
     上記動き補償部は、複数の参照ピクチャにおけるテンプレートから予測される上記予測画像候補と上記テンプレートとのコストの比に応じて、BIO予測のON/OFFを制御することを特徴とする予測画像生成装置。
    A prediction image generation device that generates a prediction image used for encoding or decoding a moving image,
    A matching processing unit that performs a matching process using bilateral template matching (BTM) and derives a cost of the predicted image candidate predicted from the template in a plurality of reference pictures and the template;
    A motion compensation unit that performs motion compensation by bi-predictive gradient change (BIO) prediction that performs motion compensation by applying a gradient correction term to bilateral template matching,
    The motion compensation unit controls ON / OFF of BIO prediction according to a cost ratio between the predicted image candidate predicted from a template in a plurality of reference pictures and the template. .
  6.  上記動き補償部は、上記コストの比が所定の値よりも大きい場合、BIO予測をOFFに制御することを特徴とする請求項5に記載の予測画像生成装置。 The predicted image generation apparatus according to claim 5, wherein the motion compensation unit controls the BIO prediction to be OFF when the cost ratio is larger than a predetermined value.
  7.  上記動き補償部は、上記コストの和が所定の値よりも小さい場合、BIO予測をONに制御することを特徴とする請求項5または6に記載の予測画像生成装置。 The predicted image generation apparatus according to claim 5 or 6, wherein the motion compensation unit controls BIO prediction to be ON when the sum of the costs is smaller than a predetermined value.
  8.  上記コストは、テンプレートと予測画像候補の絶対差分和であることを特徴とする請求項1から7に記載の予測画像生成装置。 8. The predicted image generation apparatus according to claim 1, wherein the cost is a sum of absolute differences between a template and a predicted image candidate.
  9.  上記コストは、テンプレートと予測画像候補の絶対差分和、および、テンプレートと予測画像候補の初期ベクトルと最終的な動きベクトルの差の関数で表現されることを特徴とする請求項1から7に記載の予測画像生成装置。 The said cost is represented by the function of the absolute difference sum of a template and a prediction image candidate, and the difference of the initial vector of a template and a prediction image candidate, and a final motion vector, It is characterized by the above-mentioned. Prediction image generation apparatus.
  10.  請求項1から9の何れか1項に記載の予測画像生成装置を備えていることを特徴とする動画像復号装置。 A moving picture decoding apparatus comprising the predicted image generation apparatus according to any one of claims 1 to 9.
  11.  請求項1から9の何れか1項に記載の予測画像生成装置を備えていることを特徴とする動画像符号化装置。 A moving picture encoding apparatus comprising the predicted image generation apparatus according to any one of claims 1 to 9.
PCT/JP2018/010058 2017-03-21 2018-03-14 Predicted-image generation device, video decoding device, and video coding device WO2018173895A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-055101 2017-03-21
JP2017055101 2017-03-21

Publications (1)

Publication Number Publication Date
WO2018173895A1 true WO2018173895A1 (en) 2018-09-27

Family

ID=63584566

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/010058 WO2018173895A1 (en) 2017-03-21 2018-03-14 Predicted-image generation device, video decoding device, and video coding device

Country Status (1)

Country Link
WO (1) WO2018173895A1 (en)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020137643A1 (en) * 2018-12-28 2020-07-02 ソニー株式会社 Image processing device and method
JPWO2019151284A1 (en) * 2018-01-30 2021-01-28 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Panasonic Intellectual Property Corporation of America Encoding device, decoding device, coding method and decoding method
CN113170190A (en) * 2018-12-12 2021-07-23 夏普株式会社 Predictive image generation device, moving image decoding device, moving image encoding device, and predictive image generation method
CN113692743A (en) * 2019-03-13 2021-11-23 Lg 电子株式会社 Inter-frame prediction method and device based on DMVR (digital video VR)
JP2022502924A (en) * 2018-09-26 2022-01-11 ヴィド スケール インコーポレイテッド Bi-prediction for video coding
JP2022521748A (en) * 2019-02-22 2022-04-12 ホアウェイ・テクノロジーズ・カンパニー・リミテッド Early termination of optical flow improvement

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160286229A1 (en) * 2015-03-27 2016-09-29 Qualcomm Incorporated Motion vector derivation in video coding

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160286229A1 (en) * 2015-03-27 2016-09-29 Qualcomm Incorporated Motion vector derivation in video coding

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHEN, JIANLE ET AL.: "Algorithm Description of Joint Exploration Test Model 5", JOINT VIDEO EXPLORATION TEAM(JVET) OF ITU-T SG 16 WP 3 AND ISO/IEC JTC 1/SC 29/WG11 5TH MEETING, 20 January 2017 (2017-01-20), Geneva, CH, pages 21 - 27 *
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/WG11 4TH MEETING, 21 October 2016 (2016-10-21), Chengdu, CN, pages 1 - 7 *

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7315480B2 (en) 2018-01-30 2023-07-26 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 Encoding device, decoding device, encoding method and decoding method
JPWO2019151284A1 (en) * 2018-01-30 2021-01-28 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Panasonic Intellectual Property Corporation of America Encoding device, decoding device, coding method and decoding method
US11889103B2 (en) 2018-01-30 2024-01-30 Panasonic Intellectual Property Corporation Of America Encoder, decoder, encoding method, and decoding method
US11889105B2 (en) 2018-01-30 2024-01-30 Panasonic Intellectual Property Corporation Of America Encoder, decoder, encoding method, and decoding method
US11889104B2 (en) 2018-01-30 2024-01-30 Panasonic Intellectual Property Corporation Of America Encoder, decoder, encoding method, and decoding method
US11895323B2 (en) 2018-01-30 2024-02-06 Panasonic Intellectual Property Corporation Of America Encoder, decoder, encoding method, and decoding method
US11895322B2 (en) 2018-01-30 2024-02-06 Panasonic Intellectual Property Corporation Of America Encoder, decoder, encoding method, and decoding method
JP2022502924A (en) * 2018-09-26 2022-01-11 ヴィド スケール インコーポレイテッド Bi-prediction for video coding
JP7398442B2 (en) 2018-09-26 2023-12-14 ヴィド スケール インコーポレイテッド Bi-prediction for video coding
CN113170190A (en) * 2018-12-12 2021-07-23 夏普株式会社 Predictive image generation device, moving image decoding device, moving image encoding device, and predictive image generation method
JPWO2020137643A1 (en) * 2018-12-28 2021-11-11 ソニーグループ株式会社 Image processing equipment and methods
JP7563562B2 (en) 2018-12-28 2024-10-08 ソニーグループ株式会社 Image encoding device and method
JP7414008B2 (en) 2018-12-28 2024-01-16 ソニーグループ株式会社 Image processing device and method
WO2020137643A1 (en) * 2018-12-28 2020-07-02 ソニー株式会社 Image processing device and method
JP7563563B2 (en) 2018-12-28 2024-10-08 ソニーグループ株式会社 Image decoding device and method
JP2022521748A (en) * 2019-02-22 2022-04-12 ホアウェイ・テクノロジーズ・カンパニー・リミテッド Early termination of optical flow improvement
CN114845102B (en) * 2019-02-22 2023-07-07 华为技术有限公司 Early termination of optical flow correction
JP7271697B2 (en) 2019-02-22 2023-05-11 ホアウェイ・テクノロジーズ・カンパニー・リミテッド Early termination of optical flow improvement
US11985320B2 (en) 2019-02-22 2024-05-14 Huawei Technologies Co., Ltd. Early termination for optical flow refinement
JP7508642B2 (en) 2019-02-22 2024-07-01 ホアウェイ・テクノロジーズ・カンパニー・リミテッド Early termination of optical flow improvements
CN114845102A (en) * 2019-02-22 2022-08-02 华为技术有限公司 Early termination of optical flow modification
CN113692743B (en) * 2019-03-13 2024-02-23 Lg 电子株式会社 Inter-frame prediction method and device based on DMVR
US12081791B2 (en) 2019-03-13 2024-09-03 Lg Electronics Inc. DMVR-based inter-prediction method and device
CN113692743A (en) * 2019-03-13 2021-11-23 Lg 电子株式会社 Inter-frame prediction method and device based on DMVR (digital video VR)

Similar Documents

Publication Publication Date Title
JP7421586B2 (en) Decoding device and encoding device
JP7026049B2 (en) Affine motion vector derivation device, predictive image generator, motion image decoding device, and motion image coding device
WO2018110203A1 (en) Moving image decoding apparatus and moving image encoding apparatus
WO2017195554A1 (en) Predicted image generation device, video decoding device and video encoding device
WO2018199001A1 (en) Image decoding device and image coding device
US11722690B2 (en) Motion vector generation device, a prediction image generation device, a video decoding device and a video coding device
WO2018230493A1 (en) Video decoding device, video encoding device, prediction image generation device and motion vector derivation device
WO2018173895A1 (en) Predicted-image generation device, video decoding device, and video coding device
WO2020116456A1 (en) Moving image decoding device
WO2017195608A1 (en) Moving image decoding device
WO2019139013A1 (en) Motion vector derivation device, moving image decoding device, and moving image encoding device
JP7555328B2 (en) Video decoding device, video encoding device, and video decoding method
WO2018110180A1 (en) Motion-vector generating device, predicted-image generating device, moving-image decoding device, and moving-image coding device
WO2020059877A1 (en) Image decoding device and image encoding device
WO2017135151A1 (en) Prediction image generation device, moving image decoding device, and moving image encoding device
WO2018173432A1 (en) Prediction image generation device, moving image decoding device, and moving image encoding device
JP2019201254A (en) Image decoding apparatus and image encoding apparatus
JP2020043500A (en) Video encoding device and video decoding device
WO2018037919A1 (en) Image decoding device, image coding device, image decoding method, and image coding method
JP2020036101A (en) Image decoder, and image encoder
JP2020108012A (en) Image decoding device and image encoding device
JP2020145650A (en) Image decoding device and image coding device
JP2020088660A (en) Moving picture coding apparatus and moving picture decoding apparatus
WO2018061550A1 (en) Image decoding device and image coding device
JP2020096279A (en) Prediction image generation device, moving image decoding device, and moving image encoding device

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: 18771988

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: 18771988

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP