WO2018225595A1 - 符号化装置、復号装置、符号化方法及び復号方法 - Google Patents

符号化装置、復号装置、符号化方法及び復号方法 Download PDF

Info

Publication number
WO2018225595A1
WO2018225595A1 PCT/JP2018/020660 JP2018020660W WO2018225595A1 WO 2018225595 A1 WO2018225595 A1 WO 2018225595A1 JP 2018020660 W JP2018020660 W JP 2018020660W WO 2018225595 A1 WO2018225595 A1 WO 2018225595A1
Authority
WO
WIPO (PCT)
Prior art keywords
motion vector
pair
vector candidates
mode
pairs
Prior art date
Application number
PCT/JP2018/020660
Other languages
English (en)
French (fr)
Inventor
遠間　正真
西　孝啓
安倍　清史
龍一 加納
橋本　隆
Original Assignee
パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ filed Critical パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Publication of WO2018225595A1 publication Critical patent/WO2018225595A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors

Definitions

  • the present disclosure relates to an encoding device that encodes a moving image.
  • H.264 265 exists.
  • H. H.265 is also called HEVC (High Efficiency Video Coding).
  • the present disclosure provides an encoding device and the like that can appropriately derive a pair of motion vectors for bi-prediction.
  • An encoding apparatus is an encoding apparatus that encodes a moving image, and includes a memory and a circuit that can access the memory, and the circuit that can access the memory includes: A pair of motion vectors of a processing target block included in the processing target picture among a plurality of pictures constituting a moving image is derived, and the processing target block is determined by bi-prediction using the pair of motion vectors of the processing target block.
  • a specific pair of motion vector candidates is selected by referring to only a plurality of processed pictures from among the plurality of pictures, (iii)
  • a pair of motion vectors of the processing target block is derived from a predetermined pair of motion vector candidates, and are located around the processing target block spatially or temporally in the generation of the plurality of pairs of motion vector candidates.
  • the pair of motion vectors of the processed block is A pair of motion vector candidates composed of two motion vector candidates respectively derived from the two motion vectors constituting the same is generated as a pair of the plurality of pairs of motion vector candidates.
  • the encoding apparatus and the like can appropriately derive a pair of motion vectors for bi-prediction.
  • FIG. 1 is a block diagram showing a functional configuration of the encoding apparatus according to Embodiment 1.
  • FIG. 2 is a diagram illustrating an example of block division in the first embodiment.
  • FIG. 3 is a table showing conversion basis functions corresponding to each conversion type.
  • FIG. 4A is a diagram illustrating an example of the shape of a filter used in ALF.
  • FIG. 4B is a diagram illustrating another example of the shape of a filter used in ALF.
  • FIG. 4C is a diagram illustrating another example of the shape of a filter used in ALF.
  • FIG. 5A is a diagram illustrating 67 intra prediction modes in intra prediction.
  • FIG. 5B is a flowchart for explaining the outline of the predicted image correction process by the OBMC process.
  • FIG. 5A is a diagram illustrating 67 intra prediction modes in intra prediction.
  • FIG. 5B is a flowchart for explaining the outline of the predicted image correction process by the OBMC process.
  • FIG. 5A is a
  • FIG. 5C is a conceptual diagram for explaining the outline of the predicted image correction process by the OBMC process.
  • FIG. 5D is a diagram illustrating an example of FRUC.
  • FIG. 6 is a diagram for explaining pattern matching (bilateral matching) between two blocks along the motion trajectory.
  • FIG. 7 is a diagram for explaining pattern matching (template matching) between a template in the current picture and a block in the reference picture.
  • FIG. 8 is a diagram for explaining a model assuming constant velocity linear motion.
  • FIG. 9A is a diagram for explaining derivation of a motion vector in units of sub-blocks based on motion vectors of a plurality of adjacent blocks.
  • FIG. 9B is a diagram for explaining the outline of the motion vector deriving process in the merge mode.
  • FIG. 9A is a diagram for explaining derivation of a motion vector in units of sub-blocks based on motion vectors of a plurality of adjacent blocks.
  • FIG. 9B is a diagram for explaining the outline of
  • FIG. 9C is a conceptual diagram for explaining an outline of DMVR processing.
  • FIG. 9D is a diagram for describing an overview of a predicted image generation method using luminance correction processing by LIC processing.
  • FIG. 10 is a block diagram showing a functional configuration of the decoding apparatus according to the first embodiment.
  • FIG. 11 is a block diagram for explaining processing related to inter-screen prediction performed by the encoding apparatus according to Embodiment 1.
  • FIG. 12 is a block diagram for explaining processing related to inter-screen prediction performed by the decoding apparatus according to Embodiment 1.
  • FIG. 13 is a flowchart illustrating processing related to inter-screen prediction according to the first embodiment.
  • FIG. 14 is a flowchart showing a first specific example of processing for deriving a motion vector by the bilateral FRUC method according to the first embodiment.
  • FIG. 15 is a conceptual diagram for explaining an example of the Uni mode evaluation value calculation method according to the first embodiment.
  • FIG. 16 is a conceptual diagram for explaining an example of the Bi mode evaluation value calculation method according to the first embodiment.
  • FIG. 17 is a conceptual diagram illustrating an example of peripheral blocks for generating a motion vector candidate list according to Embodiment 1.
  • FIG. 18 is a data table diagram illustrating an example of a motion vector candidate list according to Embodiment 1.
  • FIG. 19 is a flowchart showing a second specific example of the process of deriving a motion vector by the bilateral FRUC method according to the first embodiment.
  • FIG. 15 is a conceptual diagram for explaining an example of the Uni mode evaluation value calculation method according to the first embodiment.
  • FIG. 16 is a conceptual diagram for explaining an example of the Bi mode evaluation value calculation method according to the first embodiment.
  • FIG. 20 is a flowchart showing a third specific example of the process of deriving the motion vector by the bilateral FRUC method according to the first embodiment.
  • FIG. 21 is a block diagram illustrating an implementation example of the coding apparatus according to Embodiment 1.
  • FIG. 22 is a flowchart showing an operation example of the coding apparatus according to Embodiment 1.
  • FIG. 23 is a flowchart showing a motion vector derivation process in the operation example of the coding apparatus according to Embodiment 1.
  • FIG. 24 is a flowchart showing an additional operation to the operation example of the encoding apparatus according to the first embodiment.
  • FIG. 25 is a block diagram illustrating an implementation example of the decoding apparatus according to the first embodiment.
  • FIG. 26 is a flowchart illustrating an operation example of the decoding apparatus according to the first embodiment.
  • FIG. 27 is a flowchart showing a motion vector derivation process in the operation example of the decoding apparatus according to the first embodiment.
  • FIG. 28 is a flowchart showing an additional operation to the operation example of the decoding apparatus according to the first embodiment.
  • FIG. 29 is an overall configuration diagram of a content supply system that implements a content distribution service.
  • FIG. 30 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 31 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 32 shows an example of a web page display screen.
  • FIG. 33 shows an example of a web page display screen.
  • FIG. 34 is a diagram illustrating an example of a smartphone.
  • FIG. 35 is a block diagram illustrating a configuration example of a smartphone.
  • the encoding device encodes a moving image for each block.
  • the encoding device may use inter-screen prediction or intra-screen prediction.
  • the encoding device detects a motion vector of the processing target block, and generates a predicted image of the processing target block using the detected motion vector. Then, the encoding device reduces the code amount by encoding a difference image between the predicted image of the processing target block and the original image of the processing target block.
  • the encoding device encodes motion vector information indicating a motion vector, and the decoding device decodes the motion vector information. Further, the decoding device decodes the difference image. Then, the decoding device generates a predicted image of the processing target block using the motion vector indicated by the decoded motion vector information, and adds the predicted image and the difference image to re-create the original image of the processing target block. Constitute. Thereby, the decoding device can decode the processing target block.
  • the decoding device When the encoding device encodes the motion vector information and the decoding device decodes the motion vector information, the decoding device appropriately generates a predicted image of the processing target block using the motion vector used in the encoding device. can do. On the other hand, since the motion vector information is encoded, the amount of codes may increase.
  • the encoding device and the decoding device may use a technique called FRUC (Frame Rate Up-Conversion) in order to reduce such a code amount.
  • FRUC Full Rate Up-Conversion
  • the encoding device and the decoding device derive motion vectors by the same method in the encoding device and the decoding device without encoding and decoding motion vector information.
  • the encoding device and the decoding device derive a pair of motion vectors of the processing target block with reference to only the processed picture.
  • the encoding device and the decoding device each include a plurality of pairs of motion vector candidates from a plurality of motion vectors of a plurality of processed blocks that are spatially or temporally positioned around the processing target block. Is derived. Then, the encoding device and the decoding device refer to a plurality of pairs of corresponding images derived from a plurality of processed pictures by a plurality of pairs of motion vector candidates, and a pair of motion vectors from the plurality of pairs of motion vector candidates Select a candidate.
  • the encoding device and the decoding device derive a pair of motion vectors of the processing target block from the selected pair of motion vector candidates. Accordingly, the encoding device and the decoding device can derive the motion vector by the same method in the encoding device and the decoding device without encoding and decoding the motion vector information.
  • the encoding device and the decoding device appropriately derive a pair of motion vectors for bi-prediction if an appropriate pair is not included in a plurality of pairs of motion vector candidates. Is difficult.
  • an encoding device that encodes a moving image, and includes a memory and a circuit that can access the memory, and the memory that can access the memory.
  • the circuit derives a pair of motion vectors of the processing target block included in the processing target picture among the plurality of pictures constituting the moving image, and performs the bi-prediction by using the pair of motion vectors of the processing target block.
  • the encoding apparatus can generate a pair of motion vector candidates composed of two motion vector candidates respectively derived from the two motion vectors constituting the pair of motion vectors of the processed block. .
  • Such a pair of motion vector candidates is expected to be appropriate as a pair of motion vectors for bi-prediction of the processing target block.
  • the encoding apparatus can appropriately derive a pair of motion vectors for bi-prediction using such a pair of motion vector candidates.
  • the circuit performs bi-prediction for each of the plurality of processed blocks using the pair of motion vectors of the processed block.
  • a pair of motion vector candidates composed of two motion vector candidates respectively derived from two motion vectors constituting a pair of motion vectors of the processed block
  • a pair of motion vector candidates composed of two motion vector candidates derived from one of the two motion vectors constituting the pair of motion vectors of the processed block
  • a pair of motion vector candidates composed of candidates is generated as three pairs of said pairs of motion vector candidates.
  • the encoding apparatus can generate three pairs of motion vector candidates from the pair of motion vectors of the processed block. Therefore, the encoding apparatus can increase the number of pairs in a plurality of pairs of motion vector candidates. Therefore, the encoding device can more appropriately derive a pair of motion vectors for bi-prediction.
  • the plurality of pairs of motion vector candidates are each derived from one motion vector of a processed block encoded by uni-prediction or bi-prediction among the plurality of processed blocks 2.
  • One or more first mode motion vector candidates that are a pair of motion vector candidates composed of two motion vector candidates, and (ii) each of which is encoded by bi-prediction among the plurality of processed blocks
  • One or more second mode motion vector candidates that are a pair of motion vector candidates each composed of two motion vector candidates derived from two motion vectors constituting a pair of motion vectors of a completed block.
  • a first mode evaluation value is calculated according to a difference between two first mode-compatible images derived from the plurality of processed pictures by the pair of first mode motion vector candidates, and the one or more pairs of second mode motions are calculated.
  • Each of the vector candidates is derived from each of the two second mode corresponding images derived from the plurality of processed pictures by the pair of second mode motion vector candidates and the two second mode corresponding images.
  • a second mode evaluation value is calculated according to a difference from one predicted image candidate, and a specific pair of first mode motion vector candidates having the best first mode evaluation value among the one or more pairs of first mode motion vector candidates Or a specific pair of second mode motion vector candidates having the best second mode evaluation value among the one or more pairs of second mode motion vector candidates. Serial selecting a particular pair of motion vector candidates.
  • the encoding device derives a pair of motion vectors from a plurality of pairs of motion vector candidates including one or more pairs of first mode motion vector candidates and one or more pairs of second mode motion vector candidates. Can do. At that time, the encoding apparatus determines a specific pair of first mode motion vector candidates having the best first mode evaluation value or a specific pair of second mode motion vector candidates having the best second mode evaluation value. It can be selected and used. Therefore, the encoding apparatus can appropriately derive a pair of motion vectors.
  • the circuit may include the specific pair of first mode motion vector candidates and Evaluation is performed from each of the specific pair of first mode motion vector candidates and the specific pair of second mode motion vector candidates according to a common calculation method between the specific pair of second mode motion vector candidates. A value is calculated, and a pair of motion vector candidates having a better evaluation value is selected from the specific pair of first mode motion vector candidates and the specific pair of second mode motion vector candidates. Select as a motion vector candidate.
  • the encoding device can appropriately select a specific pair of first mode motion vector candidates or a specific pair of second mode motion vector candidates according to an evaluation value based on a common calculation method. it can.
  • the circuit may select the specific pair of first mode motion vector candidates in the selection of the specific pair of first mode motion vector candidates or the specific pair of second mode motion vector candidates.
  • the specific 1 A pair of first mode motion vector candidates is selected.
  • the encoding apparatus can determine a specific pair of first mode motion vector candidates or a specific pair of second mode motion vector candidates according to the comparison result between the first mode evaluation value and the comparison target evaluation value. Can be selected appropriately.
  • the circuit selects the specific pair of second mode motion vector candidates in the selection of the specific pair of first mode motion vector candidates or the specific pair of second mode motion vector candidates.
  • the specific 1 A pair of second mode motion vector candidates is selected.
  • the encoding apparatus can perform a specific pair of first mode motion vector candidates or a specific pair of second mode motion vector candidates according to the result of the comparison between the second mode evaluation value and the comparison target evaluation value. Can be selected appropriately.
  • the plurality of pairs of motion vector candidates are each derived from one motion vector of a processed block encoded by uni-prediction or bi-prediction among the plurality of processed blocks 2.
  • One or more first mode motion vector candidates that are a pair of motion vector candidates composed of two motion vector candidates, and (ii) each of which is encoded by bi-prediction among the plurality of processed blocks
  • One or more second mode motion vector candidates that are a pair of motion vector candidates each composed of two motion vector candidates derived from two motion vectors constituting a pair of motion vectors of a completed block.
  • the circuit selects a specific pair of motion vector candidates according to a common calculation method between the plurality of pairs of motion vector candidates. Calculating an evaluation value from each of the plurality of pairs of motion vector candidates, select the best pair of candidate motion vectors evaluation value among the plurality of pairs of motion vector candidates as the motion vector candidates of the specified pair.
  • the encoding device derives a pair of motion vectors from a plurality of pairs of motion vector candidates including one or more pairs of first mode motion vector candidates and one or more pairs of second mode motion vector candidates. Can do.
  • the encoding apparatus can select and use a specific pair of motion vector candidates from a plurality of pairs of motion vector candidates according to an evaluation value based on a common calculation method. Therefore, the encoding apparatus can appropriately derive a pair of motion vectors.
  • the circuit derives from (i) one motion vector of a processed block encoded by uni-prediction or bi-prediction among the plurality of processed blocks.
  • a pair of first mode motion vector candidates that are a pair of motion vector candidates composed of two motion vector candidates to be processed; and (ii) processed by bi-prediction among the plurality of processed blocks Among a pair of second mode motion vector candidates that are a pair of motion vector candidates each composed of two motion vector candidates derived from two motion vectors constituting a pair of motion vectors of a block,
  • the plurality of pairs of motion vector candidates including only a pair of second mode motion vector candidates are generated.
  • the encoding apparatus appropriately selects a pair of motion vectors from a plurality of pairs of motion vector candidates each composed of two motion vector candidates respectively derived from the two motion vectors used for bi-prediction. Can be derived.
  • the circuit includes (i) two motion vector candidates derived from one motion vector of a processed block encoded by uni-prediction or bi-prediction among the plurality of processed blocks. Whether or not it is effective to generate a pair of first mode motion vector candidates that are a pair of motion vector candidates as a pair of the plurality of pairs of motion vector candidates; and (ii) the plurality of processed A pair of motion vector candidates each composed of two motion vector candidates derived from two motion vectors constituting a pair of motion vectors of a processed block encoded by bi-prediction among blocks.
  • Encoding information indicating whether it is effective to generate the second mode motion vector candidates of the second mode motion vector candidates as a pair of the plurality of pairs of motion vector candidates When it is effective to generate a pair of first mode motion vector candidates as one of the plurality of pairs of motion vector candidates, the pair of first mode motion vector candidates is converted to the plurality of pairs of motion vector candidates. And generating the pair of second mode motion vector candidates as one of the plurality of pairs of motion vector candidates, it is effective to generate the pair of second mode motion vector candidates as the pair of second mode motion vectors.
  • a vector candidate is generated as a pair of the plurality of pairs of motion vector candidates.
  • the encoding apparatus can adaptively switch the method of generating a plurality of pairs of motion vector candidates.
  • a decoding device that decodes a moving image, and includes a memory and a circuit that can access the memory, and the circuit that can access the memory includes: A pair of motion vectors of a processing target block included in a processing target picture among a plurality of pictures constituting the moving image is derived, and the processing target block is subjected to bi-prediction using a pair of motion vectors of the processing target block.
  • a plurality of pairs of motion vector candidates for the pair of motion vectors of the processing target block are generated, and (ii) the plurality of pairs of motions From the vector candidates, a specific pair of motion vector candidates is selected with reference to only a plurality of processed pictures of the plurality of pictures, and (iii) A pair of motion vectors of the processing target block is derived from the specific pair of motion vector candidates, and the generation of the plurality of pairs of motion vector candidates is spatially or temporally positioned around the processing target block.
  • the pair of motion vectors of the processed block is A pair of motion vector candidates composed of two motion vector candidates respectively derived from the two motion vectors constituting the same is generated as a pair of the plurality of pairs of motion vector candidates.
  • the decoding apparatus can generate a pair of motion vector candidates composed of two motion vector candidates respectively derived from two motion vectors constituting a pair of motion vectors of a processed block.
  • Such a pair of motion vector candidates is expected to be appropriate as a pair of motion vectors for bi-prediction of the processing target block.
  • the decoding apparatus can appropriately derive a pair of motion vectors for bi-prediction using such a pair of motion vector candidates.
  • the circuit performs bi-prediction for each of the plurality of processed blocks using the pair of motion vectors of the processed block. If it is a decoded block, (i) a pair of motion vector candidates each composed of two motion vector candidates derived from two motion vectors constituting the pair of motion vectors of the processed block; (Ii) a pair of motion vector candidates composed of two motion vector candidates derived from one of two motion vectors constituting a pair of motion vectors of the processed block; and (iii) the process Two motion vectors derived from the other of the two motion vectors constituting a pair of motion vectors of a finished block A pair consisting of the complement of the motion vector candidate is generated as three pairs of said pairs of motion vector candidates.
  • the decoding apparatus can generate three pairs of motion vector candidates from the pair of motion vectors of the processed block. Therefore, the decoding apparatus can increase the number of pairs in a plurality of pairs of motion vector candidates. Therefore, the decoding apparatus can more appropriately derive a pair of motion vectors for bi-prediction.
  • the plurality of pairs of motion vector candidates may be obtained by: (i) each of two motion vectors derived from one motion vector of a processed block decoded by uni-prediction or bi-prediction among the plurality of processed blocks.
  • One or more pairs of first mode motion vector candidates that are a pair of motion vector candidates composed of motion vector candidates, and (ii) each processed block decoded by bi-prediction among the plurality of processed blocks
  • a pair of second mode motion vector candidates that are one pair of motion vector candidates each composed of two motion vector candidates derived from two motion vectors constituting one pair of motion vectors, In the selection of the specific pair of motion vector candidates, the circuit performs the processing for each of the one or more pairs of first mode motion vector candidates.
  • a first mode evaluation value is calculated according to a difference between two first mode-compatible images derived from the plurality of processed pictures by a pair of first mode motion vector candidates, and the one or more pairs of second mode motion vector candidates For each of the two second mode corresponding images derived from the plurality of processed pictures by the pair of second mode motion vector candidates and one of the two second mode corresponding images.
  • a second mode evaluation value is calculated according to a difference from the predicted image candidate, and a specific pair of first mode motion vector candidates having the best first mode evaluation value in the one or more pairs of first mode motion vector candidates, or A specific pair of second mode motion vector candidates having the best second mode evaluation value among the one or more pairs of second mode motion vector candidates. Selecting a pair of motion vector candidates of the constant.
  • the decoding device can derive a pair of motion vectors from a plurality of pairs of motion vector candidates including one or more pairs of first mode motion vector candidates and one or more pairs of second mode motion vector candidates. It can. At that time, the decoding apparatus selects a specific pair of first mode motion vector candidates having the best first mode evaluation value or a specific pair of second mode motion vector candidates having the best second mode evaluation value. Can be used. Therefore, the decoding apparatus can appropriately derive a pair of motion vectors.
  • the circuit may include the specific pair of first mode motion vector candidates and Evaluation is performed from each of the specific pair of first mode motion vector candidates and the specific pair of second mode motion vector candidates according to a common calculation method between the specific pair of second mode motion vector candidates. A value is calculated, and a pair of motion vector candidates having a better evaluation value is selected from the specific pair of first mode motion vector candidates and the specific pair of second mode motion vector candidates. Select as a motion vector candidate.
  • the decoding apparatus can appropriately select a specific pair of first mode motion vector candidates or a specific pair of second mode motion vector candidates according to an evaluation value based on a common calculation method. .
  • the circuit may select the specific pair of first mode motion vector candidates in the selection of the specific pair of first mode motion vector candidates or the specific pair of second mode motion vector candidates.
  • the specific 1 A pair of first mode motion vector candidates is selected.
  • the decoding apparatus determines a specific pair of first mode motion vector candidates or a specific pair of second mode motion vector candidates according to the comparison result between the first mode evaluation value and the comparison target evaluation value. You can choose appropriately.
  • the circuit selects the specific pair of second mode motion vector candidates in the selection of the specific pair of first mode motion vector candidates or the specific pair of second mode motion vector candidates.
  • the specific 1 A pair of second mode motion vector candidates is selected.
  • the decoding apparatus determines a specific pair of first mode motion vector candidates or a specific pair of second mode motion vector candidates according to the comparison result between the second mode evaluation value and the comparison target evaluation value. You can choose appropriately.
  • the plurality of pairs of motion vector candidates may be obtained by: (i) each of two motion vectors derived from one motion vector of a processed block decoded by uni-prediction or bi-prediction among the plurality of processed blocks.
  • One or more pairs of first mode motion vector candidates that are a pair of motion vector candidates composed of motion vector candidates, and (ii) each processed block decoded by bi-prediction among the plurality of processed blocks
  • a pair of second mode motion vector candidates that are one pair of motion vector candidates each composed of two motion vector candidates derived from two motion vectors constituting one pair of motion vectors.
  • the circuit selects the specific pair of motion vector candidates according to a common calculation method between the plurality of pairs of motion vector candidates. Calculating an evaluation value from each pair of motion vector candidates, select the best pair of candidate motion vectors evaluation value among the plurality of pairs of motion vector candidates as the motion vector candidates of the specified pair.
  • the decoding device can derive a pair of motion vectors from a plurality of pairs of motion vector candidates including one or more pairs of first mode motion vector candidates and one or more pairs of second mode motion vector candidates. It can. At that time, the decoding apparatus can select and use a specific pair of motion vector candidates from a plurality of pairs of motion vector candidates according to an evaluation value based on a common calculation method. Therefore, the decoding apparatus can appropriately derive a pair of motion vectors.
  • the circuit is derived from one motion vector of a processed block decoded by uni-prediction or bi-prediction among the plurality of processed blocks.
  • the decoding apparatus appropriately derives a pair of motion vectors from a plurality of pairs of motion vector candidates each composed of two motion vector candidates respectively derived from the two motion vectors used for bi-prediction. can do.
  • the circuit includes (i) two motion vector candidates derived from one motion vector of a processed block decoded by uni-prediction or bi-prediction among the plurality of processed blocks 1 Whether or not it is effective to generate a pair of first mode motion vector candidates as a pair of motion vector candidates as a pair of motion vector candidates, and (ii) the plurality of processed blocks A pair of motion vector candidates each consisting of two motion vector candidates each derived from two motion vectors constituting a pair of motion vectors of a processed block decoded by bi-prediction.
  • the pair of first mode motion vector candidates is selected from the plurality of pairs of motion vector candidates.
  • the pair of second mode motion vector candidates is A pair of motion vector candidates is generated as a pair.
  • the decoding apparatus can adaptively switch the method of generating a plurality of pairs of motion vector candidates.
  • an encoding method for encoding a moving image, in which a processing target block included in a processing target picture among a plurality of pictures constituting the moving image.
  • deriving a pair of motion vectors by deriving a pair of motion vectors encoding the processing target block by bi-prediction using the pair of motion vectors of the processing target block, and (i) Generating a plurality of pairs of motion vector candidates for a pair of motion vectors of the processing target block; and (ii) referencing only a plurality of processed pictures of the plurality of pictures from the plurality of pairs of motion vector candidates.
  • a specific pair of motion vector candidates, and (iii) a pair of motion vectors of the block to be processed from the specific pair of motion vector candidates In the generation of the plurality of pairs of motion vector candidates, for each of a plurality of processed blocks that are spatially or temporally located around the processing target block, the processed block is a pair of the processed blocks. 1 is composed of two motion vector candidates respectively derived from two motion vectors constituting a pair of motion vectors of the processed block. A pair of motion vector candidates is generated as a pair of the plurality of pairs of motion vector candidates.
  • a decoding method is a decoding method for decoding a moving image, and a pair of processing target blocks included in a processing target picture among a plurality of pictures constituting the moving image.
  • these comprehensive or specific aspects may be realized by a system, an apparatus, a method, an integrated circuit, a computer program, or a non-transitory recording medium such as a computer-readable CD-ROM.
  • the present invention may be realized by any combination of an apparatus, a method, an integrated circuit, a computer program, and a recording medium.
  • an outline of the first embodiment will be described as an example of an encoding device and a decoding device to which the processing and / or configuration described in each aspect of the present disclosure to be described later can be applied.
  • the first embodiment is merely an example of an encoding device and a decoding device to which the processing and / or configuration described in each aspect of the present disclosure can be applied, and the processing and / or processing described in each aspect of the present disclosure.
  • the configuration can also be implemented in an encoding device and a decoding device different from those in the first embodiment.
  • the encoding apparatus or decoding apparatus according to the first embodiment corresponds to the constituent elements described in each aspect of the present disclosure among a plurality of constituent elements constituting the encoding apparatus or decoding apparatus. Replacing the constituent elements with constituent elements described in each aspect of the present disclosure (2) A plurality of constituent elements constituting the encoding apparatus or decoding apparatus with respect to the encoding apparatus or decoding apparatus of the first embodiment The constituent elements corresponding to the constituent elements described in each aspect of the present disclosure are added to the present disclosure after arbitrary changes such as addition, replacement, and deletion of functions or processes to be performed on some constituent elements among the constituent elements.
  • a component that performs a part of processing performed by a component is a component that is described in each aspect of the present disclosure, a component that includes a part of a function included in the component described in each aspect of the present disclosure, (6)
  • a method performed by the encoding device or the decoding device according to Embodiment 1 is performed in combination with a component that performs a part of processing performed by the component described in each aspect of the disclosure.
  • the process corresponding to the process described in each aspect of the present disclosure is replaced with the process described in each aspect of the present disclosure.
  • the encoding apparatus according to the first embodiment or A part of the plurality of processes included in the method performed by the decoding device is performed in combination with the processes described in each aspect of the present disclosure
  • the processes and / or configurations described in each aspect of the present disclosure are not limited to the above examples.
  • the present invention may be implemented in an apparatus used for a different purpose from the moving picture / picture encoding apparatus or moving picture / picture decoding apparatus disclosed in the first embodiment, and the processing and / or described in each aspect.
  • the configuration may be implemented alone.
  • you may implement combining the process and / or structure which were demonstrated in the different aspect.
  • FIG. 1 is a block diagram showing a functional configuration of encoding apparatus 100 according to Embodiment 1.
  • the encoding device 100 is a moving image / image encoding device that encodes moving images / images in units of blocks.
  • an encoding apparatus 100 is an apparatus that encodes an image in units of blocks, and includes a dividing unit 102, a subtracting unit 104, a transforming unit 106, a quantizing unit 108, and entropy encoding.
  • Unit 110 inverse quantization unit 112, inverse transform unit 114, addition unit 116, block memory 118, loop filter unit 120, frame memory 122, intra prediction unit 124, inter prediction unit 126, A prediction control unit 128.
  • the encoding device 100 is realized by, for example, a general-purpose processor and a memory.
  • the processor when the software program stored in the memory is executed by the processor, the processor performs the division unit 102, the subtraction unit 104, the conversion unit 106, the quantization unit 108, the entropy encoding unit 110, and the inverse quantization unit 112.
  • the encoding apparatus 100 includes a dividing unit 102, a subtracting unit 104, a transforming unit 106, a quantizing unit 108, an entropy coding unit 110, an inverse quantizing unit 112, an inverse transforming unit 114, an adding unit 116, and a loop filter unit 120.
  • the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 may be implemented as one or more dedicated electronic circuits.
  • the dividing unit 102 divides each picture included in the input moving image into a plurality of blocks, and outputs each block to the subtracting unit 104.
  • the dividing unit 102 first divides a picture into blocks of a fixed size (for example, 128 ⁇ 128).
  • This fixed size block may be referred to as a coding tree unit (CTU).
  • the dividing unit 102 divides each of the fixed size blocks into blocks of a variable size (for example, 64 ⁇ 64 or less) based on recursive quadtree and / or binary tree block division.
  • This variable size block may be referred to as a coding unit (CU), a prediction unit (PU) or a transform unit (TU).
  • CU, PU, and TU do not need to be distinguished, and some or all blocks in a picture may be processing units of CU, PU, and TU.
  • FIG. 2 is a diagram showing an example of block division in the first embodiment.
  • a solid line represents a block boundary by quadtree block division
  • a broken line represents a block boundary by binary tree block division.
  • the block 10 is a 128 ⁇ 128 pixel square block (128 ⁇ 128 block).
  • the 128 ⁇ 128 block 10 is first divided into four square 64 ⁇ 64 blocks (quadtree block division).
  • the upper left 64 ⁇ 64 block is further divided vertically into two rectangular 32 ⁇ 64 blocks, and the left 32 ⁇ 64 block is further divided vertically into two rectangular 16 ⁇ 64 blocks (binary tree block division). As a result, the upper left 64 ⁇ 64 block is divided into two 16 ⁇ 64 blocks 11 and 12 and a 32 ⁇ 64 block 13.
  • the upper right 64 ⁇ 64 block is horizontally divided into two rectangular 64 ⁇ 32 blocks 14 and 15 (binary tree block division).
  • the lower left 64x64 block is divided into four square 32x32 blocks (quadrant block division). Of the four 32 ⁇ 32 blocks, the upper left block and the lower right block are further divided.
  • the upper left 32 ⁇ 32 block is vertically divided into two rectangular 16 ⁇ 32 blocks, and the right 16 ⁇ 32 block is further divided horizontally into two 16 ⁇ 16 blocks (binary tree block division).
  • the lower right 32 ⁇ 32 block is horizontally divided into two 32 ⁇ 16 blocks (binary tree block division).
  • the lower left 64 ⁇ 64 block is divided into a 16 ⁇ 32 block 16, two 16 ⁇ 16 blocks 17 and 18, two 32 ⁇ 32 blocks 19 and 20, and two 32 ⁇ 16 blocks 21 and 22.
  • the lower right 64x64 block 23 is not divided.
  • the block 10 is divided into 13 variable-size blocks 11 to 23 based on the recursive quadtree and binary tree block division.
  • Such division may be called QTBT (quad-tree plus binary tree) division.
  • one block is divided into four or two blocks (quadrature tree or binary tree block division), but the division is not limited to this.
  • one block may be divided into three blocks (triple tree block division).
  • Such a division including a tri-tree block division may be called an MBT (multi type tree) division.
  • the subtraction unit 104 subtracts the prediction signal (prediction sample) from the original signal (original sample) in units of blocks divided by the division unit 102. That is, the subtraction unit 104 calculates a prediction error (also referred to as a residual) of a coding target block (hereinafter referred to as a current block). Then, the subtraction unit 104 outputs the calculated prediction error to the conversion unit 106.
  • a prediction error also referred to as a residual of a coding target block (hereinafter referred to as a current block).
  • the original signal is an input signal of the encoding device 100, and is a signal (for example, a luminance (luma) signal and two color difference (chroma) signals) representing an image of each picture constituting the moving image.
  • a signal representing an image may be referred to as a sample.
  • the transform unit 106 transforms the prediction error in the spatial domain into a transform factor in the frequency domain, and outputs the transform coefficient to the quantization unit 108. Specifically, the transform unit 106 performs, for example, a predetermined discrete cosine transform (DCT) or discrete sine transform (DST) on a prediction error in the spatial domain.
  • DCT discrete cosine transform
  • DST discrete sine transform
  • the conversion unit 106 adaptively selects a conversion type from a plurality of conversion types, and converts a prediction error into a conversion coefficient using a conversion basis function corresponding to the selected conversion type. May be. Such a conversion may be referred to as EMT (explicit multiple core transform) or AMT (adaptive multiple transform).
  • the plurality of conversion types include, for example, DCT-II, DCT-V, DCT-VIII, DST-I and DST-VII.
  • FIG. 3 is a table showing conversion basis functions corresponding to each conversion type. In FIG. 3, N indicates the number of input pixels. Selection of a conversion type from among these multiple conversion types may depend on, for example, the type of prediction (intra prediction and inter prediction), or may depend on an intra prediction mode.
  • Information indicating whether or not to apply such EMT or AMT (for example, called an AMT flag) and information indicating the selected conversion type are signaled at the CU level.
  • AMT flag information indicating whether or not to apply such EMT or AMT
  • the signalization of these pieces of information need not be limited to the CU level, but may be other levels (for example, a sequence level, a picture level, a slice level, a tile level, or a CTU level).
  • the conversion unit 106 may reconvert the conversion coefficient (conversion result). Such reconversion is sometimes referred to as AST (adaptive secondary transform) or NSST (non-separable secondary transform). For example, the conversion unit 106 performs re-conversion for each sub-block (for example, 4 ⁇ 4 sub-block) included in the block of the conversion coefficient corresponding to the intra prediction error. Information indicating whether or not NSST is applied and information related to the transformation matrix used for NSST are signaled at the CU level. Note that the signalization of these pieces of information need not be limited to the CU level, but may be other levels (for example, a sequence level, a picture level, a slice level, a tile level, or a CTU level).
  • the separable conversion is a method of performing the conversion a plurality of times by separating the number of dimensions of the input for each direction, and the non-separable conversion is two or more when the input is multidimensional.
  • the dimensions are collectively regarded as one dimension, and conversion is performed collectively.
  • non-separable conversion if an input is a 4 ⁇ 4 block, it is regarded as one array having 16 elements, and 16 ⁇ 16 conversion is performed on the array. The thing which performs the conversion process with a matrix is mentioned.
  • a 4 ⁇ 4 input block is regarded as a single array having 16 elements, and then the Givens rotation is performed multiple times on the array (Hypercube Givens Transform) is also a non-separable. It is an example of conversion.
  • the quantization unit 108 quantizes the transform coefficient output from the transform unit 106. Specifically, the quantization unit 108 scans the transform coefficients of the current block in a predetermined scanning order, and quantizes the transform coefficients based on the quantization parameter (QP) corresponding to the scanned transform coefficients. Then, the quantization unit 108 outputs the quantized transform coefficient (hereinafter referred to as a quantization coefficient) of the current block to the entropy encoding unit 110 and the inverse quantization unit 112.
  • QP quantization parameter
  • the predetermined order is an order for quantization / inverse quantization of transform coefficients.
  • the predetermined scanning order is defined in ascending order of frequency (order from low frequency to high frequency) or descending order (order from high frequency to low frequency).
  • the quantization parameter is a parameter that defines a quantization step (quantization width). For example, if the value of the quantization parameter increases, the quantization step also increases. That is, if the value of the quantization parameter increases, the quantization error increases.
  • the entropy encoding unit 110 generates an encoded signal (encoded bit stream) by performing variable length encoding on the quantization coefficient that is input from the quantization unit 108. Specifically, the entropy encoding unit 110 binarizes the quantization coefficient, for example, and arithmetically encodes the binary signal.
  • the inverse quantization unit 112 inversely quantizes the quantization coefficient that is an input from the quantization unit 108. Specifically, the inverse quantization unit 112 inversely quantizes the quantization coefficient of the current block in a predetermined scanning order. Then, the inverse quantization unit 112 outputs the inverse-quantized transform coefficient of the current block to the inverse transform unit 114.
  • the inverse transform unit 114 restores the prediction error by inverse transforming the transform coefficient that is an input from the inverse quantization unit 112. Specifically, the inverse transform unit 114 restores the prediction error of the current block by performing an inverse transform corresponding to the transform by the transform unit 106 on the transform coefficient. Then, the inverse transformation unit 114 outputs the restored prediction error to the addition unit 116.
  • the restored prediction error does not match the prediction error calculated by the subtraction unit 104 because information is lost due to quantization. That is, the restored prediction error includes a quantization error.
  • the adder 116 reconstructs the current block by adding the prediction error input from the inverse transform unit 114 and the prediction sample input from the prediction control unit 128. Then, the adding unit 116 outputs the reconfigured block to the block memory 118 and the loop filter unit 120.
  • the reconstructed block is sometimes referred to as a local decoding block.
  • the block memory 118 is a storage unit for storing blocks in an encoding target picture (hereinafter referred to as current picture) that are referred to in intra prediction. Specifically, the block memory 118 stores the reconstructed block output from the adding unit 116.
  • the loop filter unit 120 applies a loop filter to the block reconstructed by the adding unit 116 and outputs the filtered reconstructed block to the frame memory 122.
  • the loop filter is a filter (in-loop filter) used in the encoding loop, and includes, for example, a deblocking filter (DF), a sample adaptive offset (SAO), an adaptive loop filter (ALF), and the like.
  • a least square error filter is applied to remove coding distortion. For example, for each 2 ⁇ 2 sub-block in the current block, a plurality of multiples based on the direction of the local gradient and the activity are provided. One filter selected from the filters is applied.
  • sub-blocks for example, 2 ⁇ 2 sub-blocks
  • a plurality of classes for example, 15 or 25 classes.
  • the direction value D of the gradient is derived, for example, by comparing gradients in a plurality of directions (for example, horizontal, vertical, and two diagonal directions).
  • the gradient activation value A is derived, for example, by adding gradients in a plurality of directions and quantizing the addition result.
  • a filter for a sub-block is determined from among a plurality of filters.
  • FIG. 4A to 4C are diagrams showing a plurality of examples of filter shapes used in ALF.
  • 4A shows a 5 ⁇ 5 diamond shape filter
  • FIG. 4B shows a 7 ⁇ 7 diamond shape filter
  • FIG. 4C shows a 9 ⁇ 9 diamond shape filter.
  • Information indicating the shape of the filter is signalized at the picture level. It should be noted that the signalization of the information indicating the filter shape need not be limited to the picture level, but may be another level (for example, a sequence level, a slice level, a tile level, a CTU level, or a CU level).
  • ON / OFF of ALF is determined at the picture level or the CU level, for example. For example, for luminance, it is determined whether to apply ALF at the CU level, and for color difference, it is determined whether to apply ALF at the picture level.
  • Information indicating ALF on / off is signaled at the picture level or the CU level. Signaling of information indicating ALF on / off need not be limited to the picture level or the CU level, and may be performed at other levels (for example, a sequence level, a slice level, a tile level, or a CTU level). Good.
  • a coefficient set of a plurality of selectable filters (for example, up to 15 or 25 filters) is signalized at the picture level.
  • the signalization of the coefficient set need not be limited to the picture level, but may be another level (for example, sequence level, slice level, tile level, CTU level, CU level, or sub-block level).
  • the frame memory 122 is a storage unit for storing a reference picture used for inter prediction, and is sometimes called a frame buffer. Specifically, the frame memory 122 stores the reconstructed block filtered by the loop filter unit 120.
  • the intra prediction unit 124 generates a prediction signal (intra prediction signal) by referring to the block in the current picture stored in the block memory 118 and performing intra prediction (also referred to as intra-screen prediction) of the current block. Specifically, the intra prediction unit 124 generates an intra prediction signal by performing intra prediction with reference to a sample (for example, luminance value and color difference value) of a block adjacent to the current block, and performs prediction control on the intra prediction signal. To the unit 128.
  • the intra prediction unit 124 performs intra prediction using one of a plurality of predefined intra prediction modes.
  • the plurality of intra prediction modes include one or more non-directional prediction modes and a plurality of directional prediction modes.
  • One or more non-directional prediction modes are for example H.264. It includes Planar prediction mode and DC prediction mode defined by H.265 / HEVC (High-Efficiency Video Coding) standard (Non-patent Document 1).
  • the multiple directionality prediction modes are for example H.264. It includes 33-direction prediction modes defined in the H.265 / HEVC standard. In addition to the 33 directions, the plurality of directionality prediction modes may further include 32 direction prediction modes (a total of 65 directionality prediction modes).
  • FIG. 5A is a diagram illustrating 67 intra prediction modes (two non-directional prediction modes and 65 directional prediction modes) in intra prediction. The solid line arrows The 33 directions defined in the H.265 / HEVC standard are represented, and the dashed arrow represents the added 32 directions.
  • the luminance block may be referred to in the intra prediction of the color difference block. That is, the color difference component of the current block may be predicted based on the luminance component of the current block.
  • Such intra prediction is sometimes called CCLM (cross-component linear model) prediction.
  • the intra prediction mode (for example, called CCLM mode) of the color difference block which refers to such a luminance block may be added as one of the intra prediction modes of the color difference block.
  • the intra prediction unit 124 may correct the pixel value after intra prediction based on the gradient of the reference pixel in the horizontal / vertical direction. Intra prediction with such correction may be called PDPC (position dependent intra prediction combination). Information indicating whether or not PDPC is applied (for example, referred to as a PDPC flag) is signaled, for example, at the CU level.
  • the signalization of this information need not be limited to the CU level, but may be another level (for example, a sequence level, a picture level, a slice level, a tile level, or a CTU level).
  • the inter prediction unit 126 refers to a reference picture stored in the frame memory 122 and is different from the current picture, and performs inter prediction (also referred to as inter-screen prediction) of the current block, thereby generating a prediction signal (inter prediction signal). Prediction signal). Inter prediction is performed in units of a current block or a sub-block (for example, 4 ⁇ 4 block) in the current block. For example, the inter prediction unit 126 performs motion estimation in the reference picture for the current block or sub-block. Then, the inter prediction unit 126 generates an inter prediction signal of the current block or sub-block by performing motion compensation using motion information (for example, a motion vector) obtained by motion search. Then, the inter prediction unit 126 outputs the generated inter prediction signal to the prediction control unit 128.
  • inter prediction also referred to as inter-screen prediction
  • a motion vector predictor may be used for signalizing the motion vector. That is, the difference between the motion vector and the predicted motion vector may be signaled.
  • an inter prediction signal may be generated using not only the motion information of the current block obtained by motion search but also the motion information of adjacent blocks. Specifically, the inter prediction signal is generated in units of sub-blocks in the current block by weighted addition of the prediction signal based on the motion information obtained by motion search and the prediction signal based on the motion information of adjacent blocks. May be.
  • Such inter prediction motion compensation
  • OBMC overlapped block motion compensation
  • OBMC block size information indicating the size of a sub-block for OBMC
  • OBMC flag information indicating whether or not to apply the OBMC mode
  • the level of signalization of these information does not need to be limited to the sequence level and the CU level, and may be other levels (for example, a picture level, a slice level, a tile level, a CTU level, or a sub-block level). Good.
  • FIG. 5B and FIG. 5C are a flowchart and a conceptual diagram for explaining the outline of the predicted image correction process by the OBMC process.
  • a prediction image (Pred) by normal motion compensation is acquired using a motion vector (MV) assigned to an encoding target block.
  • MV motion vector
  • a prediction image (Pred_L) is obtained by applying the motion vector (MV_L) of the encoded left adjacent block to the encoding target block, and prediction is performed by superimposing the prediction image and Pred_L with weights. Perform the first correction of the image.
  • the motion vector (MV_U) of the encoded upper adjacent block is applied to the block to be encoded to obtain a prediction image (Pred_U), and the prediction image and Pred_U that have been subjected to the first correction are weighted. Then, the second correction of the predicted image is performed by superimposing and making it the final predicted image.
  • the two-step correction method using the left adjacent block and the upper adjacent block has been described here, the correction may be performed more times than the two steps using the right adjacent block and the lower adjacent block. Is possible.
  • the area to be overlapped may not be the pixel area of the entire block, but only a part of the area near the block boundary.
  • the processing target block may be a prediction block unit or a sub-block unit obtained by further dividing the prediction block.
  • obmc_flag is a signal indicating whether or not to apply the OBMC process.
  • the encoding apparatus it is determined whether or not the encoding target block belongs to a complex motion region, and if it belongs to a complex motion region, a value 1 is set as obmc_flag. Encoding is performed by applying the OBMC process, and if it does not belong to a complex region of motion, the value 0 is set as obmc_flag and the encoding is performed without applying the OBMC process.
  • the decoding apparatus by decoding the obmc_flag described in the stream, decoding is performed by switching whether to apply the OBMC process according to the value.
  • the motion information may be derived on the decoding device side without being converted into a signal.
  • H.M. A merge mode defined in the H.265 / HEVC standard may be used.
  • the motion information may be derived by performing motion search on the decoding device side. In this case, motion search is performed without using the pixel value of the current block.
  • the mode in which motion search is performed on the decoding device side is sometimes called a PMMVD (patterned motion vector derivation) mode or an FRUC (frame rate up-conversion) mode.
  • PMMVD patterned motion vector derivation
  • FRUC frame rate up-conversion
  • FIG. 5D An example of FRUC processing is shown in FIG. 5D.
  • a list of a plurality of candidates each having a predicted motion vector (may be common with the merge list) is generated Is done.
  • the best candidate MV is selected from a plurality of candidate MVs registered in the candidate list. For example, the evaluation value of each candidate included in the candidate list is calculated, and one candidate is selected based on the evaluation value.
  • a motion vector for the current block is derived based on the selected candidate motion vector.
  • the selected candidate motion vector (best candidate MV) is directly derived as a motion vector for the current block.
  • the motion vector for the current block may be derived by performing pattern matching in the peripheral region at the position in the reference picture corresponding to the selected candidate motion vector. That is, the same method is used to search the area around the best candidate MV, and if there is an MV with a good evaluation value, the best candidate MV is updated to the MV, and the current block is updated. The final MV may be used. It is also possible to adopt a configuration in which the processing is not performed.
  • the same processing may be performed when processing is performed in units of sub-blocks.
  • the evaluation value is calculated by obtaining a difference value of the reconstructed image by pattern matching between a region in the reference picture corresponding to the motion vector and a predetermined region. Note that the evaluation value may be calculated using information other than the difference value.
  • the first pattern matching and the second pattern matching may be referred to as bilateral matching and template matching, respectively.
  • pattern matching is performed between two blocks in two different reference pictures that follow the motion trajectory of the current block. Therefore, in the first pattern matching, a region in another reference picture along the motion trajectory of the current block is used as the predetermined region for calculating the candidate evaluation value described above.
  • FIG. 6 is a diagram for explaining an example of pattern matching (bilateral matching) between two blocks along a motion trajectory.
  • first pattern matching two blocks along the motion trajectory of the current block (Cur block) and two blocks in two different reference pictures (Ref0, Ref1) are used.
  • two motion vectors MV0, MV1 are derived.
  • MV0, MV1 a reconstructed image at a designated position in the first encoded reference picture (Ref0) designated by the candidate MV, and a symmetric MV obtained by scaling the candidate MV at a display time interval.
  • the difference from the reconstructed image at the designated position in the second encoded reference picture (Ref1) designated in (2) is derived, and the evaluation value is calculated using the obtained difference value.
  • the candidate MV having the best evaluation value among the plurality of candidate MVs may be selected as the final MV.
  • the motion vectors (MV0, MV1) pointing to the two reference blocks are temporal distances between the current picture (Cur Pic) and the two reference pictures (Ref0, Ref1). It is proportional to (TD0, TD1).
  • the first pattern matching uses a mirror-symmetric bi-directional motion vector Is derived.
  • pattern matching is performed between a template in the current picture (a block adjacent to the current block in the current picture (for example, an upper and / or left adjacent block)) and a block in the reference picture. Therefore, in the second pattern matching, a block adjacent to the current block in the current picture is used as the predetermined region for calculating the candidate evaluation value described above.
  • FIG. 7 is a diagram for explaining an example of pattern matching (template matching) between a template in the current picture and a block in the reference picture.
  • the current block is searched by searching the reference picture (Ref0) for the block that most closely matches the block adjacent to the current block (Cur block) in the current picture (Cur Pic).
  • Ref0 the reference picture
  • the reconstructed image of the encoded region of the left adjacent area and / or the upper adjacent area, and the equivalent in the encoded reference picture (Ref0) designated by the candidate MV When a difference from the reconstructed image at the position is derived, an evaluation value is calculated using the obtained difference value, and a candidate MV having the best evaluation value among a plurality of candidate MVs is selected as the best candidate MV. Good.
  • FRUC flag Information indicating whether or not to apply such FRUC mode
  • FRUC flag information indicating whether or not to apply such FRUC mode
  • the FRUC mode is applied (for example, when the FRUC flag is true)
  • information indicating the pattern matching method (first pattern matching or second pattern matching) (for example, called the FRUC mode flag) is signaled at the CU level. It becomes. Note that the signalization of these pieces of information need not be limited to the CU level, but may be other levels (for example, sequence level, picture level, slice level, tile level, CTU level, or sub-block level). .
  • BIO bi-directional optical flow
  • FIG. 8 is a diagram for explaining a model assuming constant velocity linear motion.
  • (v x , v y ) indicates a velocity vector
  • ⁇ 0 and ⁇ 1 are the time between the current picture (Cur Pic) and two reference pictures (Ref 0 , Ref 1 ), respectively.
  • the distance. (MVx 0 , MVy 0 ) indicates a motion vector corresponding to the reference picture Ref 0
  • (MVx 1 , MVy 1 ) indicates a motion vector corresponding to the reference picture Ref 1 .
  • This optical flow equation consists of (i) the product of the time derivative of the luminance value, (ii) the horizontal component of the horizontal velocity and the spatial gradient of the reference image, and (iii) the vertical velocity and the spatial gradient of the reference image. Indicates that the sum of the products of the vertical components of is equal to zero. Based on a combination of this optical flow equation and Hermite interpolation, a block-based motion vector obtained from a merge list or the like is corrected in pixel units.
  • the motion vector may be derived on the decoding device side by a method different from the derivation of the motion vector based on the model assuming constant velocity linear motion.
  • a motion vector may be derived for each subblock based on the motion vectors of a plurality of adjacent blocks.
  • This mode may be referred to as an affine motion compensation prediction mode.
  • FIG. 9A is a diagram for explaining derivation of a motion vector in units of sub-blocks based on motion vectors of a plurality of adjacent blocks.
  • the current block includes 16 4 ⁇ 4 sub-blocks.
  • the motion vector v 0 of the upper left corner control point of the current block is derived based on the motion vector of the adjacent block
  • the motion vector v 1 of the upper right corner control point of the current block is derived based on the motion vector of the adjacent sub block. Is done.
  • the motion vector (v x , v y ) of each sub-block in the current block is derived by the following equation (2).
  • x and y indicate the horizontal position and vertical position of the sub-block, respectively, and w indicates a predetermined weight coefficient.
  • Such an affine motion compensation prediction mode may include several modes in which the motion vector derivation methods of the upper left and upper right corner control points are different.
  • Information indicating such an affine motion compensation prediction mode (for example, called an affine flag) is signaled at the CU level. Note that the information indicating the affine motion compensation prediction mode need not be limited to the CU level, but other levels (for example, sequence level, picture level, slice level, tile level, CTU level, or sub-block level). ).
  • the prediction control unit 128 selects either the intra prediction signal or the inter prediction signal, and outputs the selected signal to the subtraction unit 104 and the addition unit 116 as a prediction signal.
  • FIG. 9B is a diagram for explaining the outline of the motion vector deriving process in the merge mode.
  • a prediction MV list in which prediction MV candidates are registered is generated.
  • prediction MV candidates spatial adjacent prediction MVs that are MVs of a plurality of encoded blocks located spatially around the encoding target block, and the position of the encoding target block in the encoded reference picture are projected.
  • Temporal adjacent prediction MV that is MV of neighboring blocks combined prediction MV that is MV generated by combining MV values of spatial adjacent prediction MV and temporal adjacent prediction MV, zero prediction MV that is MV having a value of zero, and the like There is.
  • variable length encoding unit describes and encodes merge_idx which is a signal indicating which prediction MV is selected in the stream.
  • the prediction MV registered in the prediction MV list described with reference to FIG. 9B is an example, and the number of prediction MVs may be different from the number in the figure, or may not include some types of prediction MVs in the figure. It may be the composition which added prediction MV other than the kind of prediction MV in a figure.
  • the final MV may be determined by performing DMVR processing, which will be described later, using the MV of the encoding target block derived by the merge mode.
  • FIG. 9C is a conceptual diagram for explaining an outline of DMVR processing.
  • the optimal MVP set in the processing target block is set as a candidate MV, and reference pixels from a first reference picture that is a processed picture in the L0 direction and a second reference picture that is a processed picture in the L1 direction are set according to the candidate MV. Are obtained, and a template is generated by taking the average of each reference pixel.
  • the peripheral areas of the candidate MVs of the first reference picture and the second reference picture are searched, respectively, and the MV with the lowest cost is determined as the final MV.
  • the cost value is calculated using a difference value between each pixel value of the template and each pixel value of the search area, an MV value, and the like.
  • FIG. 9D is a diagram for explaining an outline of a predicted image generation method using luminance correction processing by LIC processing.
  • an MV for obtaining a reference image corresponding to a block to be encoded is derived from a reference picture that is an encoded picture.
  • the predicted image for the encoding target block is generated by performing the brightness correction process using the brightness correction parameter for the reference image in the reference picture specified by MV.
  • the shape of the peripheral reference region in FIG. 9D is an example, and other shapes may be used.
  • the process of generating a predicted image from one reference picture has been described, but the same applies to the case of generating a predicted image from a plurality of reference pictures, and the same applies to reference images acquired from each reference picture.
  • the predicted image is generated after performing the luminance correction processing by the method.
  • lic_flag is a signal indicating whether to apply LIC processing.
  • the encoding device it is determined whether or not the encoding target block belongs to an area where the luminance change occurs, and if it belongs to the area where the luminance change occurs, lic_flag is set. Encode by applying LIC processing with a value of 1 set, and if not belonging to an area where a luminance change has occurred, set 0 as lic_flag and perform encoding without applying the LIC processing .
  • the decoding device by decoding lic_flag described in the stream, decoding is performed by switching whether to apply the LIC processing according to the value.
  • a method for determining whether or not to apply LIC processing for example, there is a method for determining whether or not LIC processing has been applied to peripheral blocks.
  • the encoding target block is in the merge mode
  • whether or not the surrounding encoded blocks selected in the derivation of the MV in the merge mode processing are encoded by applying the LIC processing. Judgment is performed, and encoding is performed by switching whether to apply the LIC processing according to the result.
  • the decoding process is exactly the same.
  • FIG. 10 is a block diagram showing a functional configuration of decoding apparatus 200 according to Embodiment 1.
  • the decoding device 200 is a moving image / image decoding device that decodes moving images / images in units of blocks.
  • the decoding device 200 includes an entropy decoding unit 202, an inverse quantization unit 204, an inverse transformation unit 206, an addition unit 208, a block memory 210, a loop filter unit 212, and a frame memory 214. And an intra prediction unit 216, an inter prediction unit 218, and a prediction control unit 220.
  • the decoding device 200 is realized by, for example, a general-purpose processor and a memory.
  • the processor executes the entropy decoding unit 202, the inverse quantization unit 204, the inverse transformation unit 206, the addition unit 208, the loop filter unit 212, and the intra prediction unit. 216, the inter prediction unit 218, and the prediction control unit 220.
  • the decoding apparatus 200 is dedicated to the entropy decoding unit 202, the inverse quantization unit 204, the inverse transformation unit 206, the addition unit 208, the loop filter unit 212, the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220. It may be realized as one or more electronic circuits.
  • the entropy decoding unit 202 performs entropy decoding on the encoded bit stream. Specifically, the entropy decoding unit 202 performs arithmetic decoding from a coded bitstream to a binary signal, for example. Then, the entropy decoding unit 202 debinarizes the binary signal. As a result, the entropy decoding unit 202 outputs the quantized coefficient to the inverse quantization unit 204 in units of blocks.
  • the inverse quantization unit 204 inversely quantizes the quantization coefficient of a decoding target block (hereinafter referred to as a current block) that is an input from the entropy decoding unit 202. Specifically, the inverse quantization unit 204 inversely quantizes each quantization coefficient of the current block based on the quantization parameter corresponding to the quantization coefficient. Then, the inverse quantization unit 204 outputs the quantization coefficient (that is, the transform coefficient) obtained by inverse quantization of the current block to the inverse transform unit 206.
  • a decoding target block hereinafter referred to as a current block
  • the inverse quantization unit 204 inversely quantizes each quantization coefficient of the current block based on the quantization parameter corresponding to the quantization coefficient. Then, the inverse quantization unit 204 outputs the quantization coefficient (that is, the transform coefficient) obtained by inverse quantization of the current block to the inverse transform unit 206.
  • the inverse transform unit 206 restores the prediction error by inverse transforming the transform coefficient that is an input from the inverse quantization unit 204.
  • the inverse conversion unit 206 determines the current block based on the information indicating the read conversion type. Inverts the conversion coefficient of.
  • the inverse transform unit 206 applies inverse retransformation to the transform coefficient.
  • the adder 208 reconstructs the current block by adding the prediction error input from the inverse converter 206 and the prediction sample input from the prediction controller 220. Then, the adding unit 208 outputs the reconfigured block to the block memory 210 and the loop filter unit 212.
  • the block memory 210 is a storage unit for storing a block that is referred to in intra prediction and that is within a decoding target picture (hereinafter referred to as a current picture). Specifically, the block memory 210 stores the reconstructed block output from the adding unit 208.
  • the loop filter unit 212 applies a loop filter to the block reconstructed by the adding unit 208, and outputs the filtered reconstructed block to the frame memory 214, the display device, and the like.
  • one filter is selected from the plurality of filters based on the local gradient direction and activity, The selected filter is applied to the reconstruction block.
  • the frame memory 214 is a storage unit for storing a reference picture used for inter prediction, and is sometimes called a frame buffer. Specifically, the frame memory 214 stores the reconstructed block filtered by the loop filter unit 212.
  • the intra prediction unit 216 performs intra prediction with reference to the block in the current picture stored in the block memory 210 based on the intra prediction mode read from the encoded bitstream, so that a prediction signal (intra prediction Signal). Specifically, the intra prediction unit 216 generates an intra prediction signal by performing intra prediction with reference to a sample (for example, luminance value and color difference value) of a block adjacent to the current block, and performs prediction control on the intra prediction signal. Output to the unit 220.
  • a prediction signal for example, luminance value and color difference value
  • the intra prediction unit 216 may predict the color difference component of the current block based on the luminance component of the current block.
  • the intra prediction unit 216 corrects the pixel value after intra prediction based on the gradient of the reference pixel in the horizontal / vertical direction.
  • the inter prediction unit 218 refers to the reference picture stored in the frame memory 214 and predicts the current block. Prediction is performed in units of a current block or a sub-block (for example, 4 ⁇ 4 block) in the current block. For example, the inter prediction unit 218 generates an inter prediction signal of the current block or sub-block by performing motion compensation using motion information (for example, a motion vector) read from the encoded bitstream, and generates the inter prediction signal. The result is output to the prediction control unit 220.
  • motion information for example, a motion vector
  • the inter prediction unit 218 When the information read from the encoded bitstream indicates that the OBMC mode is to be applied, the inter prediction unit 218 includes not only the motion information of the current block obtained by motion search but also the motion information of adjacent blocks. To generate an inter prediction signal.
  • the inter prediction unit 218 follows the pattern matching method (bilateral matching or template matching) read from the encoded stream. Motion information is derived by performing motion search. Then, the inter prediction unit 218 performs motion compensation using the derived motion information.
  • the inter prediction unit 218 derives a motion vector based on a model assuming constant velocity linear motion. Also, when the information read from the encoded bitstream indicates that the affine motion compensated prediction mode is applied, the inter prediction unit 218 determines the motion vector in units of subblocks based on the motion vectors of a plurality of adjacent blocks. Is derived.
  • the prediction control unit 220 selects either the intra prediction signal or the inter prediction signal, and outputs the selected signal to the adding unit 208 as a prediction signal.
  • FIG. 11 is a block diagram for explaining processing related to inter-screen prediction performed by the encoding device 100 shown in FIG. For example, the input image is divided into blocks by the dividing unit 102 shown in FIG. Then, processing is performed for each block.
  • the subtraction unit 104 generates a difference image by acquiring a difference between the input image in block units and a prediction image generated by intra prediction or inter prediction. Then, the conversion unit 106 and the quantization unit 108 generate a coefficient signal by performing conversion and quantization on the difference image.
  • the entropy encoding unit 110 generates an encoded stream (encoded bit stream) by performing entropy encoding on the generated coefficient signal and other encoded signals.
  • the inverse quantization unit 112 and the inverse transform unit 114 restore the difference image by performing inverse quantization and inverse transform on the generated coefficient signal.
  • the intra prediction unit (intra prediction unit) 124 generates a prediction image by intra prediction
  • the inter prediction unit (inter prediction unit) 126 generates a prediction image by inter prediction.
  • the adding unit 116 generates a reconstructed image by adding one of the predicted image generated by the intra-screen prediction and the predicted image generated by the inter-screen prediction and the restored difference image.
  • the intra prediction unit 124 uses the reconstructed image of the processed block for intra prediction of another block to be processed later.
  • the loop filter unit 120 applies a loop filter to the reconstructed image of the processed block, and stores the reconstructed image to which the loop filter is applied in the frame memory 122.
  • the inter-screen prediction unit 126 uses the reconstructed image stored in the frame memory 122 for inter-screen prediction of another block in another picture to be processed later.
  • the inter-screen prediction unit 126 performs inter-screen prediction according to the inter-screen prediction control signal set from the outside.
  • FRUC control information, effective mode information, and the like are used as the inter-screen prediction control signal.
  • the entropy encoding unit 110 encodes FRUC control information, effective mode information, and the like into a stream as an inter-screen prediction control signal.
  • the above FRUC control information is information indicating a method for deriving a motion vector used in inter-screen prediction.
  • FRUC control information indicates one of a plurality of methods for deriving a motion vector.
  • the FRUC control information corresponds to information indicating whether or not to apply the FRUC mode and information indicating a pattern matching method as described above.
  • the valid mode information described above indicates a valid mode among the Uni mode and the Bi mode.
  • These modes are derivation modes used in deriving a plurality of pairs of motion vector candidates for a pair of motion vectors of a processing target block when a pair of motion vectors of the processing target block is derived by the bilateral FRUC method. .
  • the Uni mode is a mode in which two motion vector candidates are derived from one motion vector of a processed block, and a pair of motion vector candidates composed of the two derived motion vector candidates is generated. is there.
  • the Bi mode two motion vector candidates are derived from two motion vectors constituting a pair of motion vectors of a processed block, respectively, and a pair of motion vector candidates composed of the derived two motion vector candidates is obtained. This is the mode to generate.
  • the FRUC control information may be encoded into the header layer of the processing target block, may be encoded into the header layer of the processing target slice, or encoded into the header layer of the processing target picture. Alternatively, it may be encoded into the header layer of the stream to be processed.
  • the valid mode information may be encoded into the header layer of the processing target block, may be encoded into the header layer of the processing target slice, or may be encoded into the header layer of the processing target picture. Alternatively, it may be encoded into the header layer of the processing target stream.
  • the inter-screen prediction control signal may be set from the outside of the encoding device 100.
  • the inter-screen prediction control signal may be determined according to processing performance.
  • an inter-screen prediction control signal may not be used. In this case, the inter-screen prediction control signal may not be encoded.
  • the inter-screen prediction control signal is not limited to being set from the outside of the encoding apparatus 100, and may be set inside the encoding apparatus 100.
  • the inter-screen prediction unit 126 may set an inter-screen prediction control signal. Specifically, the inter-screen prediction unit 126 may evaluate the inter-screen prediction control signal setting candidates according to the degree of matching between the predicted image generated according to the inter-screen prediction control signal setting candidates and the input image. Then, the inter-screen prediction unit 126 may set an inter-screen prediction control signal according to the evaluation result.
  • the degree of matching between the predicted image and the input image can be evaluated by the difference between the predicted image and the input image.
  • the degree of matching between other images described in this embodiment and the like can be similarly evaluated based on the difference between images.
  • FIG. 12 is a block diagram for explaining processing related to inter-screen prediction performed by the decoding device 200 shown in FIG.
  • the entropy decoding unit 202 performs entropy decoding on the input stream that is the encoded stream, thereby acquiring information in units of blocks. Then, processing is performed for each block.
  • the inverse quantization unit 204 and the inverse transform unit 206 restore the difference image by performing inverse quantization and inverse transform on the coefficient signal decoded for each block.
  • the intra prediction unit (intra prediction unit) 216 generates a prediction image by intra prediction
  • the inter prediction unit (inter prediction unit) 218 generates a prediction image by inter prediction
  • the adding unit 208 generates a reconstructed image by adding one of the predicted image generated by the intra-screen prediction and the predicted image generated by the inter-screen prediction and the restored difference image.
  • the intra-screen prediction unit 216 uses the reconstructed image of the processed block for intra-screen prediction of another block to be processed later. Further, the loop filter unit 212 applies a loop filter to the reconstructed image of the processed block, and stores the reconstructed image to which the loop filter is applied in the frame memory 214. The inter-screen prediction unit 218 uses the reconstructed image stored in the frame memory 214 for inter-screen prediction of another block in another picture to be processed later.
  • the inter-screen prediction unit 218 performs inter-screen prediction according to the inter-screen prediction control signal acquired from the input stream by entropy decoding.
  • FRUC control information, effective mode information, and the like are used as the inter-screen prediction control signal. That is, the entropy decoding unit 202 decodes FRUC control information, effective mode information, and the like from the stream as inter-screen prediction control signals.
  • the FRUC control information may be decoded from the header layer of the processing target block, may be decoded from the header layer of the processing target slice, may be decoded from the header layer of the processing target picture, It may be decoded from the header layer of the target stream.
  • the valid mode information may be decoded from the header layer of the processing target block, may be decoded from the header layer of the processing target slice, may be decoded from the header layer of the processing target picture, It may be decoded from the header layer of the processing target stream.
  • the inter-screen prediction control signal set in the encoding device 100 may be set from the outside of the decoding device 200.
  • the inter-screen prediction control signal may not be used. In this case, the inter-screen prediction control signal may not be decoded.
  • the processed picture can be referred to as a reference picture in the inter-screen prediction of the processing target block.
  • each of the plurality of processed pictures is included as a reference picture in one or both of two reference picture lists called L0 and L1.
  • the reference picture included in the reference picture list L0, the reference picture included in the reference picture list L1, or both of these can be referred to.
  • Inter-frame prediction in which both a reference picture included in the reference picture list L0 and a reference picture included in the reference picture list L1 are referenced for one block is called bi-prediction.
  • inter-screen prediction in which one of these is referred to is called single prediction.
  • inter-screen prediction in which a reference picture included in the reference picture list L0 is referred to is referred to as L0 prediction.
  • Inter-screen prediction in which a reference picture included in the reference picture list L1 is referred to is referred to as L1 prediction.
  • a plurality of processed pictures before the processing target picture in the display order are included in the reference picture list L0, and a plurality of processed pictures after the processing target picture in the display order are included in the reference picture list L1.
  • the reference picture list L0 corresponds to the front
  • the reference picture list L1 corresponds to the rear.
  • both of the two reference picture lists L0 and L1 may include a plurality of processed pictures preceding the display target picture in display order. In this case, both reference picture lists L0 and L1 correspond to the front.
  • both of the two reference picture lists L0 and L1 may include a plurality of processed pictures subsequent to the processing target picture in display order. In this case, both reference picture lists L0 and L1 correspond to the rear.
  • the reference picture list L0 may include a plurality of processed pictures preceding the processing target picture in the display order and a plurality of processed pictures subsequent to the processing target picture in the display order.
  • the reference picture list L1 may include a plurality of processed pictures preceding the processing target picture in the display order and a plurality of processed pictures subsequent to the processing target picture in the display order.
  • a motion vector corresponding to the reference picture list L0 is used.
  • the motion vector corresponding to the reference picture list L0 may be referred to as an L0 motion vector.
  • reference pictures included in the reference picture list L0 may be referred to as L0 reference pictures.
  • the L0 motion vector indicates an area in the L0 reference picture.
  • a motion vector corresponding to the reference picture list L1 is used.
  • the motion vector corresponding to the reference picture list L1 may be referred to as an L1 motion vector.
  • a reference picture included in the reference picture list L1 may be referred to as an L1 reference picture.
  • the L1 motion vector indicates an area in the L1 reference picture.
  • a motion vector corresponding to a reference picture forward in display order and indicating a region in the reference picture forward in display order may be referred to as a forward motion vector.
  • a motion vector corresponding to a reference picture behind in the display order and indicating a region in the reference picture behind in the display order may be referred to as a back motion vector.
  • inter-screen prediction is also called inter-picture prediction, inter-frame prediction, or inter prediction.
  • Intra-screen prediction is also called intra-picture prediction, intra-frame prediction, or intra prediction.
  • the operation of the encoding device 100 is mainly shown, but the operation of the decoding device 200 is basically the same.
  • the inter-screen prediction unit 218 of the decoding device 200 operates in the same manner as the inter-screen prediction unit 126 of the encoding device 100.
  • the encoding apparatus 100 encodes FRUC control information, effective mode information, and the like used for inter-screen prediction into a stream.
  • FRUC control information, valid mode information, and the like may be preset from the outside, or may be preset by the encoding apparatus 100 itself.
  • the decoding device 200 decodes FRUC control information, valid mode information, and the like used for inter-screen prediction from the stream.
  • the encoding device 100 may encode information related to inter-screen prediction, and the decoding device 200 may decode information related to inter-screen prediction.
  • the encoding device 100 may encode motion vector information for inter-screen prediction, and the decoding device 200 may decode motion vector information for inter-screen prediction. .
  • the above motion vector information is information related to the motion vector and directly or indirectly indicates the motion vector.
  • the motion vector information may indicate the motion vector itself, or may indicate a differential motion vector that is a difference between the motion vector and the predicted motion vector, and an identifier of the predicted motion vector.
  • This block is also referred to as a prediction block.
  • the block may be an image data unit to be encoded and decoded, or may be an image data unit to be reconstructed.
  • the block in the following description may be a finer image data unit or an image data unit called a sub-block.
  • the motion vector of a block is a motion vector assigned to the block, and is a motion vector for encoding or decoding the block.
  • a pair of motion vectors of a block is a pair of motion vectors assigned to the block, and is a motion vector for encoding or decoding the block by bi-prediction.
  • a block when a block is encoded by bi-prediction, two images are referred to by two motion vectors constituting a pair of motion vectors of the block, and a prediction image is generated by weighted average of these two images or the like.
  • a block is encoded by single prediction, one image is referred to by one motion vector of the block, and a predicted image is generated. Then, by encoding or decoding the difference between the predicted image and the original image, the block is encoded or decoded.
  • the processing corresponding to the processing target block and the processed picture is, for example, encoding or decoding processing, which may include prediction processing, or reconstruction. Processing may be included.
  • FIG. 13 is a flowchart showing processing related to inter-screen prediction performed by the encoding device 100. Mainly, the inter-screen prediction unit 126 in the encoding apparatus 100 performs the processing shown in FIG.
  • the inter-screen prediction unit 126 performs processing for each block. For example, when the FRUC control information indicates 0 (0 in S101), the inter-screen prediction unit 126 derives a motion vector (MV) of the processing target block according to the normal inter-screen prediction method (S102).
  • MV motion vector
  • the inter-screen prediction unit 126 derives a motion vector of the processing target block according to the template FRUC method (S103). If the FRUC control information indicates 2 (2 in S101), the inter-screen prediction unit 126 derives a motion vector of the processing target block according to the bilateral FRUC method (S104).
  • the inter-screen prediction unit 126 acquires an inter-screen prediction image of the processing target block using the motion vector of the processing target block (S105). Thereafter, the entropy encoding unit 110 encodes a difference image that is a difference between the original image of the processing target block and the inter-screen prediction image of the processing target block, thereby encoding the processing target block.
  • the FRUC control information in the above description indicates the normal inter-screen prediction method as 0, the template FRUC method as 1, and the bilateral FRUC method as 2.
  • these numbers and classifications are examples, and numbers and classifications different from these numbers and classifications may be used.
  • the template FRUC method may not be used, and the normal inter-screen prediction method may not be used.
  • the normal inter-screen prediction method may not be used.
  • only the bilateral FRUC method may be used.
  • only the normal inter-screen prediction method and the bilateral FRUC method may be used.
  • FIG. 14 is a flowchart illustrating a first specific example of a process in which the encoding apparatus 100 derives a motion vector using the bilateral FRUC method.
  • the inter-screen prediction unit 126 in the encoding apparatus 100 performs the processing shown in FIG.
  • the bilateral FRUC method does not encode the motion vector information of the block to be processed into a stream, refers to only a plurality of processed pictures, and is a common method between moving image encoding processing and decoding processing. This is a method for deriving a motion vector.
  • the inter-screen prediction unit 126 is a plurality of blocks that are a plurality of blocks that are temporally or spatially positioned around the processing target block and that are a plurality of blocks that are encoded by inter-screen prediction.
  • a motion vector candidate list is generated with reference to the motion vectors.
  • the motion vector candidate list includes a plurality of pairs of motion vector candidates for a pair of motion vectors of the processing target block.
  • a pair of motion vector candidates constituting a plurality of pairs of motion vector candidates is composed of two motion vector candidates for the two motion vectors of the processing target block. That is, the pair of motion vector candidates is configured by an L0 motion vector candidate that is a motion vector candidate for the L0 motion vector of the processing target block and an L1 motion vector candidate that is a motion vector candidate for the L1 motion vector of the processing target block.
  • the inter-screen prediction unit 126 performs the following processing for each of the plurality of peripheral blocks when generating the motion vector candidate list.
  • the inter-screen prediction unit 126 determines whether or not the neighboring block is a block encoded by bi-prediction (S201).
  • the inter-screen prediction unit 126 When the peripheral block is not a block encoded by bi-prediction (No in S201), that is, when the peripheral block is a block encoded by uni-prediction, the inter-screen prediction unit 126 performs a pair of motions in the Uni mode. Generate vector candidates. In other words, in this case, the inter-screen prediction unit 126 generates a pair of motion vector candidates composed of two motion vector candidates derived from one motion vector of the peripheral block (S202).
  • the inter-screen prediction unit 126 inverts one motion vector of the peripheral block. Thereby, the inter-screen prediction unit 126 derives an L1 motion vector corresponding to the rear from one motion vector of the peripheral block.
  • the inter-screen prediction unit 126 inverts one motion vector of the peripheral block. Thereby, the inter-screen prediction unit 126 derives the L0 motion vector corresponding to the front from one motion vector of the peripheral block.
  • the inter-screen prediction unit 126 derives the L0 motion vector corresponding to the front and the L1 motion vector corresponding to the rear as two motion vector candidates from one motion vector of the peripheral block.
  • the inter-screen prediction unit 126 may derive two motion vector candidates by scaling each of the L0 motion vector corresponding to the front and the L1 motion vector corresponding to the rear. Then, the inter-screen prediction unit 126 generates a pair of motion vector candidates including two motion vector candidates.
  • the inter-screen prediction unit 126 When the peripheral block is a block encoded by bi-prediction (Yes in S201), the inter-screen prediction unit 126 generates a pair of motion vector candidates in the Bi mode. In other words, in this case, the inter-screen prediction unit 126 generates a pair of motion vector candidates each composed of two motion vector candidates respectively derived from the two motion vectors constituting the pair of motion vectors of the peripheral blocks. (S203).
  • the inter-screen prediction unit 126 derives the L0 motion vector corresponding to the front among the two motion vectors of the peripheral blocks as the L0 motion vector candidate corresponding to the front. In addition, the inter-screen prediction unit 126 derives the L1 motion vector corresponding to the rear of the two motion vectors of the peripheral blocks as the L1 motion vector candidate corresponding to the rear.
  • the inter-screen prediction unit 126 may derive two motion vector candidates by scaling each of the L0 motion vector corresponding to the front and the L1 motion vector corresponding to the back among the two motion vectors of the peripheral blocks. . Then, the inter-screen prediction unit 126 generates a pair of motion vector candidates including two motion vector candidates.
  • the inter-screen prediction unit 126 generates a motion vector candidate list including a plurality of pairs of motion vector candidates by performing the above processing for each of a plurality of peripheral blocks.
  • the inter-screen prediction unit 126 selects a pair of motion vector candidates from a plurality of pairs of motion vector candidates constituting the motion vector candidate list (S204). At this time, for example, the inter-screen prediction unit 126 calculates an evaluation value for each of a plurality of pairs of motion vector candidates, and selects a pair of motion vector candidates having the best evaluation value.
  • a good evaluation value corresponds to a good evaluation, that is, a high evaluation.
  • the smaller the evaluation value the better the evaluation value.
  • the evaluation value may be better as the evaluation value is larger.
  • the pair of motion vector candidates having the best evaluation value can be expressed as the best candidate.
  • the inter-screen prediction unit 126 searches for a pair of motion vector candidates having a better evaluation value from the vicinity of the selected pair of motion vector candidates (S205).
  • the vicinity of a pair of motion vector candidates means a predetermined range close to the pair of motion vector candidates.
  • the vicinity of a pair of motion vector candidates may be a vector range indicating a position within a predetermined range from the position indicated by the motion vector candidate for each of the two motion vector candidates of the pair of motion vector candidates. Good.
  • the inter-screen prediction unit 126 derives a pair of motion vector candidates with better evaluation values as a pair of motion vector candidates for the processing target block.
  • the inter-screen prediction unit 126 in the encoding device 100 can derive a motion vector based on the bilateral FRUC method by the above operation.
  • the plurality of blocks located around the processing target block temporally or spatially may be a plurality of blocks located within a predetermined range from the processing target block temporally or spatially.
  • the plurality of blocks located around the processing target block temporally or spatially may be a plurality of blocks adjacent to the processing target block temporally or spatially.
  • a block that is temporally adjacent to the processing target block may be a block called a co-located block. That is, a block that is temporally adjacent to the processing target block may be a block whose position corresponds to the processing target block in the processed picture immediately before or after the processing target picture in the display order.
  • the scaling of the motion vector is performed according to, for example, the ratio of the temporal distance from the processing target block to the reference destination picture to the temporal distance from the peripheral block to the reference destination picture.
  • the temporal distance from the peripheral block to the reference destination picture is an interval from the display time of the picture including the peripheral block to the display time of the picture referenced from the peripheral block.
  • the temporal distance from the processing target block to the reference destination picture is an interval from the display time of the picture including the processing target block to the display time of the picture referenced from the processing target block.
  • the inter-screen prediction unit 126 may generate a pair of motion vector candidates in the Bi mode. .
  • the inter-screen prediction unit 126 may generate a pair of motion vector candidates in the Uni mode using one of the two motion vectors constituting the pair of motion vectors of the peripheral blocks. Good.
  • the inter-screen prediction unit 126 selects one of the peripheral blocks.
  • the motion vector candidate may be derived without inverting the motion vector.
  • the inter-screen prediction unit 126 scales one motion vector of a neighboring block according to a temporal distance from the processing target block to each processed picture referred to without inverting the two motion vectors. Candidates may be derived.
  • the peripheral search process (S205) may not be performed.
  • the inter-screen prediction unit 126 derives a pair of motion vector candidates selected from a plurality of pairs of motion vector candidates as a pair of motion vector candidates for the processing target block.
  • the inter-screen prediction unit 126 selects a pair of motion vector candidates derived in the Uni mode and a pair of motion vector candidates derived in the Bi mode in the selection of the pair of motion vector candidates (S204). Are compared on the same rating scale. That is, a pair of motion vector candidates derived in the Uni mode and a pair of motion vector candidates derived in the Bi mode are compared with their corresponding evaluation values. Then, the inter-screen prediction unit 126 selects a pair of motion vector candidates according to the comparison result.
  • the inter-screen prediction unit 126 includes a plurality of pairs of Uni mode motion vector candidates derived in the Uni mode and a plurality of pairs of Bi mode motion vector candidates derived in the Bi mode. Motion vector candidates are generated (S201 to S203).
  • the inter-screen prediction unit 126 calculates a Uni mode evaluation value for each of a plurality of pairs of Uni mode motion vector candidates according to a Uni mode evaluation value calculation method. Then, the inter-screen prediction unit 126 selects a pair of Uni mode motion vector candidates having the best Uni mode evaluation value from a plurality of pairs of Uni mode motion vector candidates. This pair of Uni mode motion vector candidates can also be expressed as Uni best candidates or MV_uni_best.
  • the inter-screen prediction unit 126 calculates a Bi mode evaluation value for each of a plurality of pairs of Uni mode motion vector candidates according to the Bi mode evaluation value calculation method. Basically, the Bi mode evaluation value calculation method is different from the Uni mode evaluation value calculation method. Then, the inter-screen prediction unit 126 selects a pair of Bi mode motion vector candidates having the best Bi mode evaluation value from a plurality of pairs of Bi mode motion vector candidates. This pair of Bi-mode motion vector candidates can also be expressed as Bi best candidates or MV_bi_best.
  • the inter-screen prediction unit 126 determines a pair of Uni mode motion vector candidates with the best Uni mode evaluation value and a pair of Bi mode motion vector candidates with the best Bi mode evaluation value as evaluation values corresponding to each other. Compare with.
  • evaluation values calculated by a common calculation method from the pair of Uni mode motion vector candidates and the pair of Bi mode motion vector candidates are used as evaluation values corresponding to each other. May be.
  • the Uni mode evaluation value of the pair of Uni mode motion vector candidates (Uni best candidate) and the comparison target evaluation value calculated from the pair of Bi mode motion vector candidates (Bi best candidate) are used. May be.
  • the comparison target evaluation value is calculated from the pair of Bi mode motion vector candidates (Bi best candidates) by a calculation method different from the Bi mode evaluation value calculation method.
  • the comparison target evaluation value calculated from the pair of Uni mode motion vector candidates (Uni best candidate) and the Bi mode evaluation value of the pair of Bi mode motion vector candidates (Bi best candidate) are used. May be.
  • the comparison target evaluation value is calculated from the pair of Uni mode motion vector candidates (Uni best candidates) by a calculation method different from the Uni mode evaluation value calculation method.
  • the inter-screen prediction unit 126 selects one of the pair of Uni mode motion vector candidates with the best Uni mode evaluation value and the pair of Bi mode motion vector candidates with the best Bi mode evaluation value according to the comparison result. Select. With the above operation, the inter-screen prediction unit 126 selects a pair of motion vector candidates from a plurality of pairs of motion vector candidates including a plurality of pairs of Uni mode motion vector candidates and a plurality of pairs of Bi mode motion vector candidates. You can choose.
  • the inter-screen prediction unit 126 may select a plurality of pairs of motion vector candidates including a plurality of pairs of Uni-mode motion vector candidates and a plurality of pairs of Bi-mode motion vector candidates according to their corresponding evaluation values.
  • a pair of motion vector candidates may be selected.
  • evaluation values corresponding to each other evaluation values calculated by a common calculation method from a plurality of pairs of motion vector candidates may be used. Thereby, a plurality of pairs of motion vector candidates are evaluated with the same evaluation scale.
  • FIG. 15 is a conceptual diagram for explaining an example of the Uni mode evaluation value calculation method used in the inter-screen prediction unit 126 of the encoding device 100.
  • the inter-screen prediction unit 126 calculates a Uni mode evaluation value from a pair of Uni mode motion vector candidates configured by the L0 motion vector mvL0 and the L1 motion vector-mvL0.
  • the L1 motion vector-mvL0 is obtained by scaling the L0 motion vector mvL0.
  • the L1 motion vector ⁇ mvL0 is obtained by inverting the L0 motion vector mvL0 by scaling.
  • the L1 motion vector-mvL0 can also be expressed as a symmetric motion vector of the L0 motion vector mvL0.
  • the inter-screen prediction unit 126 derives a difference between the reconstructed image of the L0 corresponding region and the reconstructed image of the L1 corresponding region.
  • the L0 corresponding region is a region indicated in the L0 reference picture by the L0 motion vector mvL0 from the processing target block.
  • the L1 corresponding area is an area indicated in the L1 reference picture by the L1 motion vector-mvL0 from the processing target block.
  • the inter-screen prediction unit 126 calculates a Uni mode evaluation value using the derived difference. Specifically, the inter-screen prediction unit 126 calculates an evaluation value indicating higher evaluation as the Uni mode evaluation value as the difference is smaller. In other words, the inter-screen prediction unit 126 calculates a better Uni mode evaluation value as the difference is smaller.
  • the Uni mode evaluation value may be a derived difference.
  • the inter-screen prediction unit 126 may calculate the Uni mode evaluation value using other information in addition to the difference information between the reconstructed image of the L0 corresponding region and the reconstructed image of the L1 corresponding region.
  • FIG. 16 is a conceptual diagram for explaining an example of the Bi mode evaluation value calculation method used in the inter-screen prediction unit 126 of the encoding device 100.
  • the inter-screen prediction unit 126 calculates a Bi mode evaluation value from a pair of Bi mode motion vector candidates composed of the L0 motion vector mvL0 and the L1 motion vector mvL1.
  • the L0 motion vector mvL0 and the L1 motion vector mvL1 are two motion vector candidates respectively derived from two motion vectors constituting a pair of motion vectors of the peripheral blocks.
  • the inter-frame prediction unit 126 performs the motion compensation using the L0 motion vector mvL0, the L1 motion vector mvL1, the L0 reference picture, and the L1 reference picture, thereby obtaining the reference template. Generate. At this time, the inter-screen prediction unit 126 may perform weighting of the L0 reference picture and the L1 reference picture according to the display interval from the processing target picture to the L0 reference picture and the display interval from the processing target picture to the L1 reference picture. Good.
  • the reference template can also be expressed as a predicted image candidate.
  • the reference template may be an average of the reconstructed image of the L0 corresponding area and the reconstructed image of the L1 corresponding area, or may be a weighted average of these.
  • the L0 corresponding region is a region indicated in the L0 reference picture by the L0 motion vector mvL0 from the processing target block.
  • the L1 corresponding region is a region indicated in the L1 reference picture by the L1 motion vector mvL1 from the processing target block.
  • the inter-screen prediction unit 126 derives a difference between the reference template and the reconstructed image of the L0 corresponding area, and a difference between the reference template and the reconstructed image of the L1 corresponding area.
  • the inter-screen prediction unit 126 calculates a Bi mode evaluation value using the total value of the two derived differences. Specifically, the inter-screen prediction unit 126 calculates an evaluation value indicating higher evaluation as a Bi mode evaluation value as the total value of the two differences is smaller. In other words, the inter-screen prediction unit 126 calculates a better Bi mode evaluation value as the total value of the two differences is smaller.
  • the Bi mode evaluation value may be a total value of two derived differences.
  • the inter-screen prediction unit 126 may calculate the Bi mode evaluation value using other information in addition to the derived two difference information.
  • the Uni mode evaluation value calculation method constant velocity motion is assumed, and the higher the degree of matching between the reconstructed image in the L0 corresponding region and the reconstructed image in the L1 corresponding region, the better the Uni mode evaluation value.
  • the Bi mode evaluation value calculation method it is assumed that the reconstructed image of the L0 corresponding region and the reconstructed image of the L1 corresponding region are different, and are predicted image candidates that are assumed to be close to the image of the processing target block. The closer to the reference template, the better the Bi mode evaluation value.
  • the Uni mode evaluation value calculation method shown in FIG. 15 is different from the Bi mode evaluation value calculation method shown in FIG. Therefore, the evaluation scale may be different between the Uni mode evaluation value and the Bi mode evaluation value, and it may be difficult to compare them. Therefore, in order to evaluate a pair of Uni mode motion vector candidates and a pair of Bi mode motion vector candidates with the same evaluation scale, the following method is used.
  • a Bi mode evaluation value calculation method may be used for calculating the evaluation value of a pair of Uni mode motion vector candidates.
  • the inter-screen prediction unit 126 performs the motion compensation using the L0 motion vector mvL0, the L1 motion vector-mvL0, the L0 reference picture, and the L1 reference picture, thereby performing the reference Generate a template. Then, the inter-screen prediction unit 126 derives a difference between the reference template and the reconstructed image of the L0 corresponding area, and a difference between the reference template and the reconstructed image of the L1 corresponding area.
  • the inter-screen prediction unit 126 calculates an evaluation value using the total value of the two derived differences. This evaluation value is compared with the Bi mode evaluation value derived in the example of FIG.
  • the difference between the reference template and the reconstructed image of the L0 corresponding region, and the reconstructed image of the reference template and the L1 corresponding region may be used.
  • the inter-screen prediction unit 126 derives the difference between the reference template and the reconstructed image of the L0 corresponding area and the average of the difference between the reference template and the reconstructed image of the L1 corresponding area as the evaluation value. May be.
  • the inter-screen prediction unit 126 may weight the L0 reference picture and the L1 reference picture when deriving the average of these.
  • weighting may be performed according to the display interval from the processing target picture to the L0 reference picture and the display interval from the processing target picture to the L1 reference picture. Further, weighting may be performed according to the quantization parameter of the L0 reference picture and the quantization parameter of the L1 reference picture. Further, weighting may be performed according to the respective layers (Temporal Layer) of the L0 reference picture and the L1 reference picture in the hierarchical coding.
  • the comparison target region in the L1 reference picture may be a region in which the difference of the reconstructed image is the smallest in the L1 reference picture with respect to the L0 corresponding region.
  • the comparison target region may be a region indicated in the L1 reference picture from the processing target block by the L1 motion vector-mvL0 which is a symmetric motion vector of the L0 motion vector mvL0.
  • the inter-screen prediction unit 126 searches the comparison target area in the L1 reference picture, and calculates the difference between the reconstructed image in the L0 corresponding area and the reconstructed image in the comparison target area as an evaluation value. This evaluation value is compared with the Uni mode evaluation value derived in the example of FIG.
  • L0 and L1 may be interchanged. That is, even when the difference between the reconstructed image of the L1 corresponding region and the reconstructed image of the comparison target region in the L0 reference picture is used for calculating the evaluation value of the pair of Bi mode motion vector candidates in the example of FIG. Good. Then, the difference between the reconstructed image in the L1 corresponding area and the reconstructed image in the comparison target area may be compared with the Uni mode evaluation value as an evaluation value.
  • the Uni mode evaluation value calculation method may be used instead of the Bi mode evaluation value calculation method for calculating the evaluation value of the pair of Bi mode motion vector candidates.
  • the inter-screen prediction unit 126 derives a difference between the reconstructed image of the L0 corresponding area and the reconstructed image of the L1 corresponding area. Then, the inter-screen prediction unit 126 calculates an evaluation value indicating a higher evaluation as the difference is smaller, using the derived difference. This evaluation value is compared with the Uni mode evaluation value derived in the example of FIG.
  • a pair of Uni mode motion vector candidates and a pair of Bi mode motion vector candidates are evaluated on the same evaluation scale. Further, using the above-described method, all of a plurality of pairs of motion vector candidates including a plurality of pairs of Uni-mode motion vector candidates and a plurality of pairs of Bi-mode motion vector candidates are respectively evaluated on the same evaluation scale. Also good.
  • FIG. 17 is a conceptual diagram illustrating an example of peripheral blocks for the encoding apparatus 100 to generate a motion vector candidate list.
  • the inter-screen prediction unit 126 of the encoding device 100 performs a motion vector based on a plurality of motion vectors of adjacent blocks A, B, C, and D that are four blocks spatially adjacent to the processing target block. Generate a candidate list.
  • the adjacent block A is a block encoded by bi-prediction using a pair of motion vectors composed of the L0 motion vector mvL0a corresponding to the front and the L1 motion vector mvL1a corresponding to the rear.
  • the adjacent block B is a block encoded by single prediction, more specifically, a block encoded by L0 prediction using the L0 motion vector mvL0b corresponding to the front.
  • the adjacent block C is a block encoded by bi-prediction using a pair of motion vectors composed of the L0 motion vector mvL0c corresponding to the front and the L1 motion vector mvL1c corresponding to the rear.
  • the adjacent block D is a block encoded by bi-prediction using a pair of motion vectors composed of the L0 motion vector mvL0d corresponding to the front and the L1 motion vector mvL1d corresponding to the rear.
  • the L0 reference picture used for inter-screen prediction of each of adjacent blocks A, B, C, and D is the same as the L0 reference picture used for inter-screen prediction of the processing target block.
  • the L1 reference picture used for the inter-screen prediction of each of the adjacent blocks A, C, and D is the same as the L1 reference picture used for the inter-screen prediction of the processing target block. Therefore, the magnitude of the motion vector need not be changed by scaling.
  • the inter-frame prediction unit 126 in the encoding device 100 derives the L0 motion vector mvL0a as the L0 motion vector candidate and the L1 motion vector mvL1a as the L1 motion vector candidate for the adjacent block A. Further, the inter-screen prediction unit 126 derives the L0 motion vector mvL0b as the L0 motion vector candidate for the adjacent block B, and derives the L1 motion vector-mvL0b as the L1 motion vector candidate by inverting the L0 motion vector mvL0b. .
  • the inter-screen prediction unit 126 derives the L0 motion vector mvL0c as the L0 motion vector candidate and the L1 motion vector mvL1c as the L1 motion vector candidate for the adjacent block C. In addition, for the adjacent block D, the inter-screen prediction unit 126 derives the L0 motion vector mvL0d as an L0 motion vector candidate and derives the L1 motion vector mvL1d as an L1 motion vector candidate.
  • FIG. 18 is a data table diagram illustrating an example of a motion vector candidate list generated by the encoding apparatus 100. Specifically, FIG. 18 shows a motion vector candidate list generated according to the example of FIG. 17 by the inter-screen prediction unit 126 in the encoding device 100.
  • the inter-screen prediction unit 126 derives a pair of motion vector candidates from a pair of motion vectors of the adjacent block A.
  • the inter-screen prediction unit 126 may derive three pairs of motion vector candidates from the pair of motion vectors of the adjacent block A.
  • the inter-screen prediction unit 126 further derives the L0 motion vector mvL0a as an L0 motion vector candidate and inverts the L0 motion vector mvL0a to thereby set the L1 motion vector ⁇ mvL0a as an L1 motion vector candidate. It may be derived. Further, the inter-screen prediction unit 126 derives the L0 motion vector-mvL1a as an L0 motion vector candidate by inverting the L1 motion vector mvL1a, and derives the L1 motion vector mvL1a as an L1 motion vector candidate. Also good.
  • the inter-screen prediction unit 126 may generate three pairs of motion vector candidates expressed by (mvL0a, mvL1a), (mvL0a, -mvL0a) and (-mvL1a, mvL1a) for the adjacent block A.
  • the inter-screen prediction unit 126 may generate three pairs of motion vector candidates for each of the adjacent blocks C and D as well as the adjacent block A.
  • the inter-screen prediction unit 126 may derive other motion vector candidates by scaling the motion vector. Then, the inter-screen prediction unit 126 may generate four or more pairs of motion vector candidates from a pair of motion vectors.
  • FIG. 19 is a flowchart showing a second specific example of the process of deriving a motion vector by the bilateral FRUC method according to the first embodiment.
  • This specific example is the same as the first specific example shown in FIG. 14, but when the peripheral block is not a block encoded by bi-prediction (No in S201), candidate generation processing is not performed. In other words, if the neighboring block is a block encoded by single prediction, no candidate is generated from one motion vector of the neighboring block.
  • the Uni mode is invalid and the Bi mode is valid. Therefore, a pair of motion vector candidates is not generated from one motion vector of a peripheral block, but is generated from a pair of motion vectors of a peripheral block. Also, the pair of motion vector candidates is not generated from one of the two motion vectors constituting the pair of motion vectors of the peripheral block, but from both of the two motion vectors constituting the pair of motion vectors of the peripheral block. Generated.
  • the inter-screen prediction unit 126 performs a plurality of pairs of motions according to the Bi mode evaluation value calculated using the Bi mode evaluation value calculation method shown in FIG. A pair of motion vector candidates is selected from the vector candidates.
  • the inter-screen prediction unit 126 may not calculate the Uni mode evaluation value.
  • FIG. 20 is a flowchart showing a third specific example of the process of deriving a motion vector by the bilateral FRUC method according to the first embodiment. This example is similar to the first example shown in FIG.
  • the entropy encoding unit 110 of the encoding device 100 encodes effective mode information indicating an effective mode among the Uni mode and the Bi mode (S206).
  • the valid mode information may indicate that the Uni mode is valid and the Bi mode is invalid, may indicate that the Bi mode is valid, and the Uni mode is invalid. It may indicate that both the mode and the Bi mode are valid.
  • the valid mode information is encoded after the pair of motion vectors of the processing target block is derived.
  • the effective mode information is encoded. Information may be encoded.
  • the entropy decoding unit 202 of the decoding device 200 decodes the valid mode information. Then, similar to the encoding device 100, the candidate generation process is controlled according to whether the Uni mode is valid and whether the Bi mode is valid.
  • FIG. 21 is a block diagram illustrating an implementation example of the encoding device 100 according to Embodiment 1.
  • the encoding device 100 includes a circuit 160 and a memory 162.
  • a plurality of components of the encoding device 100 shown in FIGS. 1 and 11 are implemented by the circuit 160 and the memory 162 shown in FIG.
  • the circuit 160 is a circuit that performs information processing and is a circuit that can access the memory 162.
  • the circuit 160 is a dedicated or general-purpose electronic circuit that encodes a moving image.
  • the circuit 160 may be a processor such as a CPU.
  • the circuit 160 may be an aggregate of a plurality of electronic circuits. Further, for example, the circuit 160 may serve as a plurality of constituent elements excluding a constituent element for storing information among a plurality of constituent elements of the encoding device 100 illustrated in FIG. 1 and the like.
  • the memory 162 is a dedicated or general-purpose memory in which information for the circuit 160 to encode a moving image is stored.
  • the memory 162 may be an electronic circuit or may be connected to the circuit 160. In addition, the memory 162 may be included in the circuit 160.
  • the memory 162 may be an aggregate of a plurality of electronic circuits. Further, the memory 162 may be a magnetic disk or an optical disk, or may be expressed as a storage or a recording medium.
  • the memory 162 may be a non-volatile memory or a volatile memory.
  • a moving image to be encoded may be stored, or a bit string corresponding to the encoded moving image may be stored.
  • the memory 162 may store a program for the circuit 160 to encode a moving image.
  • the memory 162 may serve as a component for storing information among a plurality of components of the encoding device 100 illustrated in FIG. Specifically, the memory 162 may serve as the block memory 118 and the frame memory 122 shown in FIG. More specifically, the memory 162 may store a reconstructed block (processed block), a reconstructed picture (processed picture), and the like.
  • not all of the plurality of components shown in FIG. 1 or the like may be mounted, or all of the plurality of processes described above may not be performed. Some of the plurality of components shown in FIG. 1 and the like may be included in another device, and some of the plurality of processes described above may be executed by another device. In the encoding device 100, a part of the plurality of components shown in FIG. 1 or the like is mounted, and a part of the plurality of processes described above is performed, so that one pair for bi-prediction Are efficiently derived.
  • FIG. 22 is a flowchart showing an operation example of the encoding apparatus 100 shown in FIG.
  • the encoding device 100 illustrated in FIG. 21 performs the operation illustrated in FIG. 22 when encoding a moving image.
  • the circuit 160 of the encoding device 100 derives a pair of motion vectors of the processing target block included in the processing target picture among a plurality of pictures constituting the moving image (S301). Then, the circuit 160 encodes the processing target block by bi-prediction using the pair of motion vectors of the processing target block (S302).
  • FIG. 23 is a flowchart showing a motion vector derivation process (S301) in the operation example shown in FIG.
  • the encoding apparatus 100 shown in FIG. 21 performs the operation shown in FIG. 23 in the motion vector derivation process (S301).
  • the circuit 160 of the encoding device 100 generates a plurality of pairs of motion vector candidates for the pair of motion vectors of the processing target block (S311). Then, the circuit 160 selects a specific pair of motion vector candidates by referring to only a plurality of processed pictures from among a plurality of pairs of motion vector candidates (S312). Then, the circuit 160 derives a pair of motion vectors of the processing target block from the specific pair of motion vector candidates (S313).
  • the circuit 160 encodes each of the plurality of processed blocks by bi-prediction using a pair of motion vectors of the processed blocks. It is determined whether it is a block.
  • each of the plurality of processed blocks is a processed block located around the processing target block spatially or temporally.
  • the circuit 160 selects a pair of motion vector candidates from the pair of motion vectors of the processed block. Is generated. At that time, the circuit 160 determines a plurality of pairs of motion vector candidates as a pair of motion vector candidates composed of two motion vector candidates respectively derived from two motion vectors constituting a pair of motion vectors of the processed block. As a pair.
  • the encoding apparatus 100 can generate a pair of motion vector candidates composed of two motion vector candidates respectively derived from the two motion vectors constituting the pair of motion vectors of the processed block. it can. Such a pair of motion vector candidates is expected to be appropriate as a pair of motion vectors for bi-prediction of the processing target block. The encoding apparatus 100 can appropriately derive a pair of motion vectors for bi-prediction using such a pair of motion vector candidates.
  • the circuit 160 when the processed block is a block encoded by bi-prediction using the pair of motion vectors of the processed block, the pair of motions of the processed block Three pairs of motion vector candidates may be generated from the vectors.
  • One pair of the three pairs of motion vector candidates is composed of two motion vector candidates respectively derived from two motion vectors constituting one pair of motion vectors of the processed block.
  • one of the three pairs of motion vector candidates is composed of two motion vector candidates derived from one of the two motion vectors constituting one pair of motion vectors of the processed block.
  • one of the three pairs of motion vector candidates is composed of two motion vector candidates derived from the other of the two motion vectors constituting the pair of motion vectors of the processed block.
  • the encoding apparatus 100 can generate three pairs of motion vector candidates from the pair of motion vectors of the processed block. Therefore, encoding apparatus 100 can increase the number of pairs in a plurality of pairs of motion vector candidates. Therefore, the encoding apparatus 100 can more appropriately derive a pair of motion vectors for bi-prediction.
  • the plurality of pairs of motion vector candidates may include one or more pairs of first mode motion vector candidates and one or more pairs of second mode motion vector candidates.
  • each of the one or more pairs of first mode motion vector candidates is a pair composed of two motion vector candidates derived from one motion vector of a processed block encoded by uni-prediction or bi-prediction.
  • Motion vector candidates are two motion vector candidates respectively derived from two motion vectors constituting a pair of motion vectors of a processed block encoded by bi-prediction. It is a pair of motion vector candidates.
  • the circuit 160 may calculate the first mode evaluation value according to the difference between the two first mode compatible images derived from the plurality of processed pictures by the pair of first mode motion vector candidates. Then, the circuit 160 includes each of two second mode-compatible images derived from a plurality of processed pictures by a pair of second mode motion vector candidates, and predicted image candidates derived from the two second mode-compatible images. The second mode evaluation value may be calculated according to the difference between.
  • the circuit 160 specifies a specific pair of first mode motion vector candidates having the best first mode evaluation value or a specific pair of second mode motion vector candidates having the best second mode evaluation value. It may be selected as a pair of motion vector candidates.
  • the encoding apparatus 100 derives a pair of motion vectors from a plurality of pairs of motion vector candidates including one or more pairs of first mode motion vector candidates and one or more pairs of second mode motion vector candidates. be able to.
  • the encoding apparatus 100 may be a specific pair of first mode motion vector candidates having the best first mode evaluation value or a specific pair of second mode motion vector candidates having the best second mode evaluation value. Can be selected and used. Therefore, the encoding apparatus 100 can appropriately derive a pair of motion vectors.
  • the circuit 160 may calculate the evaluation value from each of the specific pair of first mode motion vector candidates and the specific pair of second mode motion vector candidates according to a common calculation method.
  • This common calculation method is a common calculation method between a specific pair of first mode motion vector candidates and a specific pair of second mode motion vector candidates.
  • the circuit 160 selects a pair of motion vector candidates having a better evaluation value from the specific pair of first mode motion vector candidates and the specific pair of second mode motion vector candidates. You may select as a candidate.
  • encoding apparatus 100 appropriately selects a specific pair of first mode motion vector candidates or a specific pair of second mode motion vector candidates according to an evaluation value based on a common calculation method. Can do.
  • the circuit 160 selects the specific pair of first mode motion vector candidates.
  • the comparison target evaluation value is an evaluation value calculated from a specific pair of second mode motion vector candidates according to a calculation method different from the calculation method of the second mode evaluation value.
  • the encoding apparatus 100 determines a specific pair of first mode motion vector candidates or a specific pair of second mode motion vectors according to the result of the comparison between the first mode evaluation value and the comparison target evaluation value. Candidates can be selected appropriately.
  • the circuit 160 selects the specific pair of second mode motion vector candidates.
  • the comparison target evaluation value is an evaluation value calculated from a specific pair of first mode motion vector candidates according to a calculation method different from the calculation method of the first mode evaluation value.
  • the encoding apparatus 100 determines a specific pair of first mode motion vector candidates or a specific pair of second mode motion vectors according to the comparison result between the second mode evaluation value and the comparison target evaluation value. Candidates can be selected appropriately.
  • the circuit 160 may perform multiple pairs according to a common calculation method between multiple pairs of motion vector candidates including one or more pairs of first mode motion vector candidates and one or more pairs of second mode motion vector candidates.
  • the evaluation value may be calculated from each of the motion vector candidates.
  • the circuit 160 may select a pair of motion vector candidates having the best evaluation value among a plurality of pairs of motion vector candidates as a specific pair of motion vector candidates.
  • the encoding apparatus 100 derives a pair of motion vectors from a plurality of pairs of motion vector candidates including one or more pairs of first mode motion vector candidates and one or more pairs of second mode motion vector candidates. be able to. In that case, the encoding apparatus 100 can select and use a specific pair of motion vector candidates from a plurality of pairs of motion vector candidates according to an evaluation value based on a common calculation method. Therefore, the encoding apparatus 100 can appropriately derive a pair of motion vectors.
  • the circuit 160 may include a plurality of pairs of motion vector candidates configured by only a pair of second mode motion vector candidates out of a pair of first mode motion vector candidates and a pair of second mode motion vector candidates. May be generated.
  • the pair of first mode motion vector candidates is a pair of motion vectors composed of two motion vector candidates derived from one motion vector of a processed block encoded by uni-prediction or bi-prediction. Is a candidate.
  • a pair of second mode motion vector candidates is composed of two motion vector candidates respectively derived from two motion vectors constituting a pair of motion vectors of a processed block encoded by bi-prediction. A pair of motion vector candidates.
  • the encoding apparatus 100 appropriately selects a pair of motion vectors from a plurality of pairs of motion vector candidates each composed of two motion vector candidates respectively derived from the two motion vectors used for bi-prediction. Can be derived.
  • FIG. 24 is a flowchart showing an additional operation of the operation example shown in FIG.
  • the encoding apparatus 100 shown in FIG. 21 may perform the operation shown in FIG. 24 in addition to the operation example shown in FIG.
  • the circuit 160 of the encoding device 100 determines whether it is effective to generate a pair of first mode motion vector candidates and generates a pair of second mode motion vector candidates.
  • Information indicating whether or not is valid may be encoded (S321).
  • the information encoded by the circuit 160 indicates whether it is effective to generate a pair of first mode motion vector candidates as a pair of motion vector candidates. This information further indicates whether it is effective to generate a pair of second mode motion vector candidates as a pair of a plurality of pairs of motion vector candidates.
  • the pair of first mode motion vector candidates is a pair of motion vectors composed of two motion vector candidates derived from one motion vector of a processed block encoded by uni-prediction or bi-prediction. Is a candidate.
  • a pair of second mode motion vector candidates is composed of two motion vector candidates respectively derived from two motion vectors constituting a pair of motion vectors of a processed block encoded by bi-prediction. A pair of motion vector candidates.
  • the circuit 160 when it is effective to generate a pair of first mode motion vector candidates as a pair of motion vector candidates, the circuit 160 generates a pair of first mode motion vector candidates as a plurality of pairs. It may be generated as a pair of motion vector candidates. In addition, when it is effective to generate a pair of second mode motion vector candidates as a pair of a plurality of motion vector candidates, the circuit 160 generates a pair of second mode motion vector candidates as a plurality of pairs. It may be generated as a pair of motion vector candidates.
  • the encoding apparatus 100 can adaptively switch the method of generating a plurality of pairs of motion vector candidates.
  • process (S321) in FIG. 24 may be performed before the derivation process (S301) in FIG. 22, or may be performed between the derivation process (S301) and the encoding process (S302). However, it may be performed after the encoding process (S302). Also, the process (S321) of FIG. 24 may be performed in parallel with the derivation process (S301) or the encoding process (S302) in FIG.
  • the process (S321) of FIG. 24 may be performed for each block, for each slice, for each picture, or for each sequence.
  • Information indicating whether it is effective to generate a pair of first mode motion vector candidates and information indicating whether it is effective to generate a pair of second mode motion vector candidates And may be separated. And only one of these may be encoded.
  • the first mode corresponds to the Uni mode
  • the second mode corresponds to the Bi mode
  • the encoded information corresponds to the valid mode information.
  • the smaller the evaluation value (specifically, the evaluation value, the first mode evaluation value, the second mode evaluation value, and the comparison target evaluation value) is better.
  • the larger the evaluation value the better.
  • the evaluation value or the like it is better that the evaluation value or the like is smaller.
  • the evaluation value or the like it can be read that the evaluation value or the like is larger.
  • FIG. 25 is a block diagram illustrating an implementation example of the decoding device 200 according to the first embodiment.
  • the decoding device 200 includes a circuit 260 and a memory 262.
  • a plurality of components of the decoding device 200 shown in FIGS. 10 and 12 are implemented by the circuit 260 and the memory 262 shown in FIG.
  • the circuit 260 is a circuit that performs information processing and is a circuit that can access the memory 262.
  • the circuit 260 is a dedicated or general-purpose electronic circuit that decodes a moving image.
  • the circuit 260 may be a processor such as a CPU.
  • the circuit 260 may be an aggregate of a plurality of electronic circuits. Further, for example, the circuit 260 may serve as a plurality of constituent elements excluding the constituent elements for storing information among the plurality of constituent elements of the decoding device 200 illustrated in FIG. 10 and the like.
  • the memory 262 is a dedicated or general-purpose memory in which information for the circuit 260 to decode a moving image is stored.
  • the memory 262 may be an electronic circuit or may be connected to the circuit 260. Further, the memory 262 may be included in the circuit 260.
  • the memory 262 may be an aggregate of a plurality of electronic circuits.
  • the memory 262 may be a magnetic disk or an optical disk, or may be expressed as a storage or a recording medium. Further, the memory 262 may be a nonvolatile memory or a volatile memory.
  • the memory 262 may store a bit sequence corresponding to the encoded moving image, or may store a moving image corresponding to the decoded bit sequence.
  • the memory 262 may store a program for the circuit 260 to decode a moving image.
  • the memory 262 may serve as a component for storing information among a plurality of components of the decoding device 200 illustrated in FIG. 10 and the like. Specifically, the memory 262 may serve as the block memory 210 and the frame memory 214 shown in FIG. More specifically, the memory 262 may store a reconstructed block (processed block), a reconstructed picture (processed picture), and the like.
  • the decoding device 200 not all of the plurality of components shown in FIG. 10 and the like may be implemented, or all of the plurality of processes described above may not be performed. Some of the plurality of components shown in FIG. 10 and the like may be included in another device, and some of the plurality of processes described above may be executed by another device. Then, in the decoding device 200, a part of the plurality of components shown in FIG. 10 and the like are mounted, and a part of the plurality of processes described above is performed, so that a pair of bi-prediction Motion vectors are efficiently derived.
  • FIG. 26 is a flowchart showing an operation example of the decoding device 200 shown in FIG.
  • the decoding device 200 shown in FIG. 21 performs the operation shown in FIG. 26 when decoding a moving image.
  • the circuit 260 of the decoding device 200 derives a pair of motion vectors of the processing target block included in the processing target picture among a plurality of pictures constituting the moving image (S401). Then, the circuit 260 decodes the processing target block by bi-prediction using the pair of motion vectors of the processing target block (S402).
  • FIG. 27 is a flowchart showing the motion vector derivation process (S401) in the operation example shown in FIG.
  • the decoding device 200 shown in FIG. 21 performs the operation shown in FIG. 27 in the motion vector derivation process (S401).
  • the circuit 260 of the decoding device 200 generates a plurality of pairs of motion vector candidates for the pair of motion vectors of the processing target block (S411). Then, the circuit 260 selects a specific pair of motion vector candidates by referring to only a plurality of processed pictures from among a plurality of pairs of motion vector candidates (S412). Then, the circuit 260 derives a pair of motion vectors of the processing target block from the specific pair of motion vector candidates (S413).
  • the circuit 260 decodes the processed block by bi-prediction using the pair of motion vectors of the processed block for each of the plurality of processed blocks. It is determined whether it is a block.
  • each of the plurality of processed blocks is a processed block located around the processing target block spatially or temporally.
  • the circuit 260 determines a pair of motion vector candidates from the pair of motion vectors of the processed block. Generate. At that time, the circuit 260 determines a plurality of pairs of motion vector candidates as a pair of motion vector candidates composed of two motion vector candidates respectively derived from two motion vectors constituting a pair of motion vectors of the processed block. As a pair.
  • the decoding apparatus 200 can generate a pair of motion vector candidates composed of two motion vector candidates respectively derived from the two motion vectors constituting the pair of motion vectors of the processed block. .
  • Such a pair of motion vector candidates is expected to be appropriate as a pair of motion vectors for bi-prediction of the processing target block.
  • the decoding apparatus 200 can appropriately derive a pair of motion vectors for bi-prediction using such a pair of motion vector candidates.
  • the circuit 260 sets a pair of motion vectors of the processed block.
  • Three pairs of motion vector candidates may be generated.
  • One pair of the three pairs of motion vector candidates is composed of two motion vector candidates respectively derived from two motion vectors constituting one pair of motion vectors of the processed block.
  • one of the three pairs of motion vector candidates is composed of two motion vector candidates derived from one of the two motion vectors constituting one pair of motion vectors of the processed block.
  • one of the three pairs of motion vector candidates is composed of two motion vector candidates derived from the other of the two motion vectors constituting the pair of motion vectors of the processed block.
  • the decoding apparatus 200 can generate three pairs of motion vector candidates from the pair of motion vectors of the processed block. Therefore, the decoding apparatus 200 can increase the number of pairs in a plurality of pairs of motion vector candidates. Therefore, the decoding device 200 can more appropriately derive a pair of motion vectors for bi-prediction.
  • the plurality of pairs of motion vector candidates may include one or more pairs of first mode motion vector candidates and one or more pairs of second mode motion vector candidates.
  • each of the one or more pairs of first mode motion vector candidates is a pair of motion vector candidates derived from one motion vector of a processed block decoded by uni-prediction or bi-prediction. It is a motion vector candidate.
  • Each of the one or more pairs of second mode motion vector candidates is composed of two motion vector candidates respectively derived from two motion vectors constituting one pair of motion vectors of a processed block decoded by bi-prediction. A pair of motion vector candidates.
  • the circuit 260 may calculate the first mode evaluation value according to the difference between the two first mode compatible images derived from the plurality of processed pictures by the pair of first mode motion vector candidates. Then, the circuit 260 includes each of two second mode-compatible images derived from a plurality of processed pictures by a pair of second mode motion vector candidates, and predicted image candidates derived from the two second mode-compatible images. The second mode evaluation value may be calculated according to the difference between.
  • the circuit 260 identifies a specific pair of first mode motion vector candidates having the best first mode evaluation value or a specific pair of second mode motion vector candidates having the best second mode evaluation value. It may be selected as a pair of motion vector candidates.
  • the decoding apparatus 200 derives a pair of motion vectors from a plurality of pairs of motion vector candidates including one or more pairs of first mode motion vector candidates and one or more pairs of second mode motion vector candidates. Can do. At that time, the decoding apparatus 200 determines a specific pair of first mode motion vector candidates having the best first mode evaluation value or a specific pair of second mode motion vector candidates having the best second mode evaluation value. It can be selected and used. Therefore, the decoding apparatus 200 can appropriately derive a pair of motion vectors.
  • the circuit 260 may calculate the evaluation value from each of the specific pair of first mode motion vector candidates and the specific pair of second mode motion vector candidates according to a common calculation method.
  • This common calculation method is a common calculation method between a specific pair of first mode motion vector candidates and a specific pair of second mode motion vector candidates.
  • the circuit 260 selects a pair of motion vector candidates having a better evaluation value from the specific pair of first mode motion vector candidates and the specific pair of second mode motion vector candidates. You may select as a candidate.
  • the decoding apparatus 200 can appropriately select a specific pair of first mode motion vector candidates or a specific pair of second mode motion vector candidates according to an evaluation value based on a common calculation method. it can.
  • the circuit 260 selects the specific pair of first mode motion vector candidates.
  • the comparison target evaluation value is an evaluation value calculated from a specific pair of second mode motion vector candidates according to a calculation method different from the calculation method of the second mode evaluation value.
  • the decoding apparatus 200 determines a specific pair of first mode motion vector candidates or a specific pair of second mode motion vector candidates according to the comparison result between the first mode evaluation value and the comparison target evaluation value. Can be selected appropriately.
  • the circuit 260 selects a specific pair of second mode motion vector candidates when the second mode evaluation value of the specific pair of second mode motion vector candidates is better than the comparison target evaluation value.
  • the comparison target evaluation value is an evaluation value calculated from a specific pair of first mode motion vector candidates according to a calculation method different from the calculation method of the first mode evaluation value.
  • the decoding apparatus 200 determines a specific pair of first mode motion vector candidates or a specific pair of second mode motion vector candidates according to the comparison result between the second mode evaluation value and the comparison target evaluation value. Can be selected appropriately.
  • the circuit 260 may perform multiple pairs according to a common calculation method between a plurality of pairs of motion vector candidates including one or more pairs of first mode motion vector candidates and one or more pairs of second mode motion vector candidates.
  • the evaluation value may be calculated from each of the motion vector candidates.
  • the circuit 260 may select a pair of motion vector candidates having the best evaluation value among a plurality of pairs of motion vector candidates as a specific pair of motion vector candidates.
  • the decoding apparatus 200 derives a pair of motion vectors from a plurality of pairs of motion vector candidates including one or more pairs of first mode motion vector candidates and one or more pairs of second mode motion vector candidates. Can do. In that case, the decoding apparatus 200 can select and use a specific pair of motion vector candidates from a plurality of pairs of motion vector candidates according to an evaluation value based on a common calculation method. Therefore, the decoding apparatus 200 can appropriately derive a pair of motion vectors.
  • the circuit 260 may include a plurality of pairs of motion vector candidates configured by only one pair of second mode motion vector candidates out of a pair of first mode motion vector candidates and a pair of second mode motion vector candidates. May be generated.
  • the pair of first mode motion vector candidates is a pair of motion vector candidates composed of two motion vector candidates derived from one motion vector of a processed block decoded by uni-prediction or bi-prediction. It is.
  • the pair of second mode motion vector candidates is composed of two motion vector candidates respectively derived from two motion vectors constituting a pair of motion vectors of a processed block decoded by bi-prediction. It is a pair of motion vector candidates.
  • the decoding apparatus 200 appropriately selects a pair of motion vectors from a plurality of pairs of motion vector candidates each composed of two motion vector candidates respectively derived from the two motion vectors used for bi-prediction. Can be derived.
  • FIG. 28 is a flowchart showing an additional operation of the operation example shown in FIG.
  • the decoding device 200 shown in FIG. 21 may perform the operation shown in FIG. 28 in addition to the operation example shown in FIG.
  • the circuit 260 of the decoding device 200 can generate whether or not it is effective to generate a pair of first mode motion vector candidates, and generate a pair of second mode motion vector candidates.
  • Information indicating whether or not it is valid may be decoded (S421).
  • the information decoded by the circuit 260 indicates whether it is effective to generate a pair of first mode motion vector candidates as a pair of motion vector candidates. This information further indicates whether it is effective to generate a pair of second mode motion vector candidates as a pair of a plurality of pairs of motion vector candidates.
  • the pair of first mode motion vector candidates is a pair of motion vector candidates composed of two motion vector candidates derived from one motion vector of a processed block decoded by uni-prediction or bi-prediction. It is.
  • the pair of second mode motion vector candidates is composed of two motion vector candidates respectively derived from two motion vectors constituting a pair of motion vectors of a processed block decoded by bi-prediction. It is a pair of motion vector candidates.
  • the circuit 260 when it is effective to generate a pair of first mode motion vector candidates as a pair of motion vector candidates, the circuit 260 generates a pair of first mode motion vector candidates. It may be generated as a pair of motion vector candidates. Further, when it is effective to generate a pair of second mode motion vector candidates as a pair of a plurality of motion vector candidates, the circuit 260 generates a pair of second mode motion vector candidates as a plurality of pairs. It may be generated as a pair of motion vector candidates.
  • the decoding apparatus 200 can adaptively switch the method of generating a plurality of pairs of motion vector candidates.
  • the process (S421) in FIG. 28 is basically performed before the derivation process (S401) in FIG.
  • the circuit 260 determines whether it is effective to generate a pair of first mode motion vector candidates and whether to generate a pair of second mode motion vector candidates. Decode the indicated information. Then, the circuit 260 generates a plurality of pairs of motion vector candidates according to the decoded information.
  • S421 may be performed for each block, may be performed for each slice, may be performed for each picture, or may be performed for each sequence.
  • Information indicating whether it is effective to generate a pair of first mode motion vector candidates and information indicating whether it is effective to generate a pair of second mode motion vector candidates And may be separated. And only one of these may be decoded.
  • the first mode corresponds to the Uni mode
  • the second mode corresponds to the Bi mode
  • information to be decoded corresponds to valid mode information.
  • the smaller the evaluation value (specifically, the evaluation value, the first mode evaluation value, the second mode evaluation value, and the comparison target evaluation value) is better.
  • the larger the evaluation value the better.
  • the evaluation value or the like it is better that the evaluation value or the like is smaller.
  • the evaluation value or the like it can be read that the evaluation value or the like is larger.
  • the encoding device 100 and the decoding device 200 in the present embodiment may be used as an image encoding device and an image decoding device, respectively, or may be used as a moving image encoding device and a moving image decoding device, respectively. Good.
  • the encoding device 100 and the decoding device 200 can each be used as an inter prediction device (inter-screen prediction device).
  • the encoding device 100 and the decoding device 200 may correspond to only the inter prediction unit (inter-screen prediction unit) 126 and the inter prediction unit (inter-screen prediction unit) 218, respectively.
  • Other components such as the conversion unit 106 and the inverse conversion unit 206 may be included in other devices.
  • At least a part of the present embodiment may be used as an encoding method, may be used as a decoding method, may be used as an inter-screen prediction method, or may be used as another method. May be.
  • each component may be configured by dedicated hardware or may be realized by executing a software program suitable for each component.
  • Each component may be realized by a program execution unit such as a CPU or a processor reading and executing a software program recorded on a recording medium such as a hard disk or a semiconductor memory.
  • each of the encoding device 100 and the decoding device 200 includes a processing circuit (Processing Circuit) and a storage device (Storage) electrically connected to the processing circuit and accessible from the processing circuit. You may have.
  • the processing circuit corresponds to the circuit 160 or 260
  • the storage device corresponds to the memory 162 or 262.
  • the processing circuit includes at least one of dedicated hardware and a program execution unit, and executes processing using a storage device. Further, when the processing circuit includes a program execution unit, the storage device stores a software program executed by the program execution unit.
  • the software that realizes the encoding apparatus 100 or the decoding apparatus 200 of the present embodiment is the following program.
  • this program is an encoding method for encoding a moving image to a computer, and derives a pair of motion vectors of a processing target block included in the processing target picture among a plurality of pictures constituting the moving image.
  • the processing target block is encoded by bi-prediction using the pair of motion vectors of the processing target block, and in the derivation of the pair of motion vectors of the processing target block, (i) A pair of motion vector candidates for a plurality of motion vectors, and (ii) referencing only a plurality of processed pictures of the plurality of pictures from the plurality of pairs of motion vector candidates, and A motion vector candidate is selected, and (iii) a pair of motion vectors of the processing target block is derived from the specific pair of motion vector candidates.
  • the processed block is a pair of the processed blocks.
  • a pair composed of two motion vector candidates respectively derived from two motion vectors constituting a pair of motion vectors of the processed block An encoding method for generating the motion vector candidates as a pair of the plurality of pairs of motion vector candidates may be executed.
  • this program is a decoding method for decoding a moving image to a computer, and derives a pair of motion vectors of a processing target block included in the processing target picture among a plurality of pictures constituting the moving image,
  • a pair of motions of the processing target block Generating a plurality of pairs of motion vector candidates for a vector, and (ii) referring to only a plurality of processed pictures from among the plurality of pairs of motion vector candidates, Selecting a candidate;
  • the processed block is a pair of motion vectors of the processed block.
  • a pair of motion vectors for each of a plurality of processed blocks spatially or temporally located around the processing target block, the processed block is a pair of motion vectors of the processed block.
  • Each component may be a circuit as described above. These circuits may constitute one circuit as a whole, or may be separate circuits. Each component may be realized by a general-purpose processor or a dedicated processor.
  • the encoding / decoding device may include the encoding device 100 and the decoding device 200.
  • the first and second ordinal numbers used in the description may be replaced as appropriate.
  • an ordinal number may be newly given to a component or the like, or may be removed.
  • the aspect of the encoding apparatus 100 and the decoding apparatus 200 was demonstrated based on embodiment, the aspect of the encoding apparatus 100 and decoding apparatus 200 is not limited to this embodiment. As long as it does not deviate from the gist of the present disclosure, the encoding device 100 and the decoding device 200 may be configured in which various modifications conceived by those skilled in the art have been made in the present embodiment, or in a form constructed by combining components in different embodiments. It may be included within the scope of the embodiment.
  • This aspect may be implemented in combination with at least a part of other aspects in the present disclosure.
  • a part of the processing, a part of the configuration of the apparatus, a part of the syntax, and the like described in the flowchart of this aspect may be combined with another aspect.
  • each of the functional blocks can usually be realized by an MPU, a memory, and the like. Further, the processing by each functional block is usually realized by a program execution unit such as a processor reading and executing software (program) recorded on a recording medium such as a ROM. The software may be distributed by downloading or the like, or may be distributed by being recorded on a recording medium such as a semiconductor memory. Naturally, each functional block can be realized by hardware (dedicated circuit).
  • each embodiment may be realized by centralized processing using a single device (system), or may be realized by distributed processing using a plurality of devices. Good.
  • the number of processors that execute the program may be one or more. That is, centralized processing may be performed, or distributed processing may be performed.
  • the system includes an image encoding device using an image encoding method, an image decoding device using an image decoding method, and an image encoding / decoding device including both.
  • Other configurations in the system can be appropriately changed according to circumstances.
  • FIG. 29 is a diagram showing an overall configuration of a content supply system ex100 that implements a content distribution service.
  • the communication service providing area is divided into desired sizes, and base stations ex106, ex107, ex108, ex109, and ex110, which are fixed wireless stations, are installed in each cell.
  • devices such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 via the Internet ex101, the Internet service provider ex102 or the communication network ex104, and the base stations ex106 to ex110.
  • the content supply system ex100 may be connected by combining any of the above elements.
  • Each device may be directly or indirectly connected to each other via a telephone network or a short-range wireless communication without using the base stations ex106 to ex110 which are fixed wireless stations.
  • the streaming server ex103 is connected to each device such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 via the Internet ex101.
  • the streaming server ex103 is connected to a terminal in a hot spot in the airplane ex117 via the satellite ex116.
  • the streaming server ex103 may be directly connected to the communication network ex104 without going through the Internet ex101 or the Internet service provider ex102, or may be directly connected to the airplane ex117 without going through the satellite ex116.
  • the camera ex113 is a device that can shoot still images and moving images such as a digital camera.
  • the smartphone ex115 is a smartphone, a cellular phone, or a PHS (Personal Handyphone System) that is compatible with a mobile communication system generally called 2G, 3G, 3.9G, 4G, and 5G in the future.
  • a mobile communication system generally called 2G, 3G, 3.9G, 4G, and 5G in the future.
  • the home appliance ex118 is a device included in a refrigerator or a household fuel cell cogeneration system.
  • a terminal having a photographing function is connected to the streaming server ex103 through the base station ex106 or the like, thereby enabling live distribution or the like.
  • the terminal (computer ex111, game machine ex112, camera ex113, home appliance ex114, smartphone ex115, terminal in airplane ex117, etc.) is used for the still image or video content captured by the user using the terminal.
  • the encoding process described in each embodiment is performed, and the video data obtained by the encoding and the sound data obtained by encoding the sound corresponding to the video are multiplexed, and the obtained data is transmitted to the streaming server ex103. That is, each terminal functions as an image encoding device according to an aspect of the present disclosure.
  • the streaming server ex103 streams the content data transmitted to the requested client.
  • the client is a computer or the like in the computer ex111, the game machine ex112, the camera ex113, the home appliance ex114, the smart phone ex115, or the airplane ex117 that can decode the encoded data.
  • Each device that has received the distributed data decrypts and reproduces the received data. That is, each device functions as an image decoding device according to an aspect of the present disclosure.
  • the streaming server ex103 may be a plurality of servers or a plurality of computers, and may process, record, and distribute data in a distributed manner.
  • the streaming server ex103 may be realized by a CDN (Contents Delivery Network), and content distribution may be realized by a network connecting a large number of edge servers and edge servers distributed all over the world.
  • CDN Contents Delivery Network
  • edge servers that are physically close to each other are dynamically allocated according to clients. Then, the content can be cached and distributed to the edge server, thereby reducing the delay.
  • the processing is distributed among multiple edge servers, the distribution subject is switched to another edge server, or the part of the network where the failure has occurred Since detouring can be continued, high-speed and stable distribution can be realized.
  • the captured data may be encoded at each terminal, may be performed on the server side, or may be shared with each other.
  • a processing loop is performed twice.
  • the first loop the complexity of the image or the code amount in units of frames or scenes is detected.
  • the second loop processing for maintaining the image quality and improving the coding efficiency is performed.
  • the terminal performs the first encoding process
  • the server receiving the content performs the second encoding process, thereby improving the quality and efficiency of the content while reducing the processing load on each terminal. it can.
  • the encoded data of the first time performed by the terminal can be received and reproduced by another terminal, enabling more flexible real-time distribution.
  • the camera ex113 or the like extracts a feature amount from an image, compresses data relating to the feature amount as metadata, and transmits the metadata to the server.
  • the server performs compression according to the meaning of the image, for example, by determining the importance of the object from the feature amount and switching the quantization accuracy.
  • the feature data is particularly effective for improving the accuracy and efficiency of motion vector prediction at the time of re-compression on the server.
  • simple coding such as VLC (variable length coding) may be performed at the terminal, and coding with a large processing load such as CABAC (context adaptive binary arithmetic coding) may be performed at the server.
  • a plurality of video data in which almost the same scene is captured by a plurality of terminals.
  • a GOP Group of Picture
  • a picture unit or a tile obtained by dividing a picture using a plurality of terminals that have performed shooting and other terminals and servers that have not performed shooting as necessary.
  • Distributed processing is performed by assigning encoding processing in units or the like. Thereby, delay can be reduced and real-time property can be realized.
  • the server may manage and / or instruct the video data captured by each terminal to refer to each other.
  • the encoded data from each terminal may be received by the server and the reference relationship may be changed among a plurality of data, or the picture itself may be corrected or replaced to be encoded again. This makes it possible to generate a stream with improved quality and efficiency of each piece of data.
  • the server may distribute the video data after performing transcoding to change the encoding method of the video data.
  • the server may convert the MPEG encoding system to the VP encoding. 264. It may be converted into H.265.
  • the encoding process can be performed by a terminal or one or more servers. Therefore, in the following, description such as “server” or “terminal” is used as the subject performing processing, but part or all of processing performed by the server may be performed by the terminal, or processing performed by the terminal may be performed. Some or all may be performed at the server. The same applies to the decoding process.
  • the server not only encodes a two-dimensional moving image, but also encodes a still image automatically based on a scene analysis of the moving image or at a time specified by the user and transmits it to the receiving terminal. Also good.
  • the server can acquire the relative positional relationship between the photographing terminals, the server obtains the three-dimensional shape of the scene based on not only the two-dimensional moving image but also the video obtained by photographing the same scene from different angles. Can be generated.
  • the server may separately encode the three-dimensional data generated by the point cloud or the like, and the video to be transmitted to the receiving terminal based on the result of recognizing or tracking the person or the object using the three-dimensional data.
  • the images may be selected or reconstructed from videos captured by a plurality of terminals.
  • the user can arbitrarily select each video corresponding to each photographing terminal and enjoy a scene, or can display a video of an arbitrary viewpoint from three-dimensional data reconstructed using a plurality of images or videos. You can also enjoy the clipped content.
  • sound is collected from a plurality of different angles, and the server may multiplex and transmit sound from a specific angle or space according to the video.
  • the server may create viewpoint images for the right eye and the left eye, respectively, and perform encoding that allows reference between each viewpoint video by Multi-View Coding (MVC) or the like. You may encode as another stream, without referring. At the time of decoding another stream, it is preferable to reproduce in synchronization with each other so that a virtual three-dimensional space is reproduced according to the viewpoint of the user.
  • MVC Multi-View Coding
  • the server superimposes virtual object information in the virtual space on the camera information in the real space based on the three-dimensional position or the movement of the user's viewpoint.
  • the decoding device may acquire or hold virtual object information and three-dimensional data, generate a two-dimensional image according to the movement of the user's viewpoint, and create superimposition data by connecting them smoothly.
  • the decoding device transmits the movement of the user's viewpoint to the server in addition to the request for the virtual object information, and the server creates superimposition data according to the movement of the viewpoint received from the three-dimensional data held in the server,
  • the superimposed data may be encoded and distributed to the decoding device.
  • the superimposed data has an ⁇ value indicating transparency in addition to RGB
  • the server sets the ⁇ value of a portion other than the object created from the three-dimensional data to 0 or the like, and the portion is transparent. May be encoded.
  • the server may generate data in which a RGB value of a predetermined value is set as the background, such as a chroma key, and the portion other than the object is set to the background color.
  • the decryption processing of the distributed data may be performed at each terminal as a client, may be performed on the server side, or may be performed in a shared manner.
  • a terminal may once send a reception request to the server, receive content corresponding to the request at another terminal, perform a decoding process, and transmit a decoded signal to a device having a display.
  • a part of a region such as a tile in which a picture is divided may be decoded and displayed on a viewer's personal terminal while receiving large-size image data on a TV or the like. Accordingly, it is possible to confirm at hand the area in which the person is responsible or the area to be confirmed in more detail while sharing the whole image.
  • access to encoded data on the network such as when the encoded data is cached in a server that can be accessed from the receiving terminal in a short time, or copied to the edge server in the content delivery service. It is also possible to switch the bit rate of received data based on ease.
  • the server may have a plurality of streams of the same content and different quality as individual streams, but the temporal / spatial scalable implementation realized by dividing into layers as shown in the figure.
  • the configuration may be such that the content is switched by utilizing the characteristics of the stream.
  • the decoding side decides which layer to decode according to internal factors such as performance and external factors such as the state of communication bandwidth, so that the decoding side can combine low-resolution content and high-resolution content. You can switch freely and decrypt. For example, when the user wants to continue watching the video that was viewed on the smartphone ex115 while moving on a device such as an Internet TV after returning home, the device only has to decode the same stream to a different layer, so the load on the server side Can be reduced.
  • the enhancement layer includes meta information based on image statistical information, etc., in addition to the configuration in which the picture is encoded for each layer and the enhancement layer exists above the base layer.
  • the decoding side may generate content with high image quality by super-resolution of the base layer picture based on the meta information.
  • Super-resolution may be either improvement of the SN ratio at the same resolution or enlargement of the resolution.
  • the meta information includes information for specifying a linear or non-linear filter coefficient used for super-resolution processing, or information for specifying a parameter value in filter processing, machine learning, or least square calculation used for super-resolution processing. .
  • the picture may be divided into tiles or the like according to the meaning of the object in the image, and the decoding side may select only a part of the region by selecting the tile to be decoded.
  • the decoding side can determine the position of the desired object based on the meta information. Can be identified and the tile containing the object can be determined.
  • the meta information is stored using a data storage structure different from the pixel data such as the SEI message in HEVC. This meta information indicates, for example, the position, size, or color of the main object.
  • meta information may be stored in units composed of a plurality of pictures, such as streams, sequences, or random access units.
  • the decoding side can acquire the time when the specific person appears in the video, etc., and can match the picture in which the object exists and the position of the object in the picture by combining with the information in units of pictures.
  • FIG. 32 is a diagram showing an example of a web page display screen on the computer ex111 or the like.
  • FIG. 33 is a diagram illustrating a display screen example of a web page on the smartphone ex115 or the like.
  • the web page may include a plurality of link images that are links to the image content, and the appearance differs depending on the browsing device.
  • the display device when a plurality of link images are visible on the screen, the display device until the user explicitly selects the link image, or until the link image approaches the center of the screen or the entire link image enters the screen.
  • the (decoding device) displays a still image or an I picture included in each content as a link image, displays a video like a gif animation with a plurality of still images or I pictures, or receives only a base layer to receive a video. Are decoded and displayed.
  • the display device When the link image is selected by the user, the display device decodes the base layer with the highest priority. If there is information indicating that the HTML constituting the web page is scalable content, the display device may decode up to the enhancement layer. Also, in order to ensure real-time properties, the display device only decodes forward reference pictures (I picture, P picture, forward reference only B picture) before being selected or when the communication band is very strict. In addition, the delay between the decoding time of the first picture and the display time (delay from the start of content decoding to the start of display) can be reduced by displaying. Further, the display device may intentionally ignore the reference relationship of pictures and roughly decode all B pictures and P pictures with forward reference, and perform normal decoding as the number of received pictures increases over time.
  • forward reference pictures I picture, P picture, forward reference only B picture
  • the receiving terminal when transmitting and receiving still image or video data such as two-dimensional or three-dimensional map information for automatic driving or driving support of a car, the receiving terminal adds meta data to image data belonging to one or more layers. Weather or construction information may also be received and decoded in association with each other. The meta information may belong to a layer or may be simply multiplexed with image data.
  • the receiving terminal since the car, drone, airplane, or the like including the receiving terminal moves, the receiving terminal transmits the position information of the receiving terminal at the time of the reception request, thereby seamless reception and decoding while switching the base stations ex106 to ex110. Can be realized.
  • the receiving terminal can dynamically switch how much meta-information is received or how much map information is updated according to the user's selection, the user's situation, or the communication band state. become.
  • the encoded information transmitted by the user can be received, decoded and reproduced in real time by the client.
  • the content supply system ex100 can perform not only high-quality and long-time content by a video distributor but also unicast or multicast distribution of low-quality and short-time content by an individual. Moreover, such personal contents are expected to increase in the future.
  • the server may perform the encoding process after performing the editing process. This can be realized, for example, with the following configuration.
  • the server After shooting, the server performs recognition processing such as shooting error, scene search, semantic analysis, and object detection from the original image or encoded data. Then, the server manually or automatically corrects out-of-focus or camera shake based on the recognition result, or selects a less important scene such as a scene whose brightness is lower than that of other pictures or is out of focus. Edit such as deleting, emphasizing the edge of an object, and changing the hue.
  • the server encodes the edited data based on the editing result. It is also known that if the shooting time is too long, the audience rating will decrease, and the server will move not only in the less important scenes as described above, but also in motion according to the shooting time. A scene with few images may be automatically clipped based on the image processing result. Alternatively, the server may generate and encode a digest based on the result of the semantic analysis of the scene.
  • the server may change and encode the face of the person in the periphery of the screen or the inside of the house into an unfocused image.
  • the server recognizes whether or not a face of a person different from the person registered in advance is shown in the encoding target image, and if so, performs processing such as applying a mosaic to the face part. May be.
  • the user designates a person or background area that the user wants to process an image from the viewpoint of copyright, etc., and the server replaces the designated area with another video or blurs the focus. It is also possible to perform such processing. If it is a person, the face image can be replaced while tracking the person in the moving image.
  • the decoding device first receives the base layer with the highest priority and performs decoding and reproduction, depending on the bandwidth.
  • the decoding device may receive the enhancement layer during this time, and may play back high-quality video including the enhancement layer when played back twice or more, such as when playback is looped.
  • a stream that is scalable in this way can provide an experience in which the stream becomes smarter and the image is improved gradually, although it is a rough moving picture when it is not selected or at the beginning of viewing.
  • the same experience can be provided even if the coarse stream played back the first time and the second stream coded with reference to the first video are configured as one stream. .
  • these encoding or decoding processes are generally processed in the LSI ex500 included in each terminal.
  • the LSI ex500 may be configured as a single chip or a plurality of chips.
  • moving image encoding or decoding software is incorporated into some recording medium (CD-ROM, flexible disk, hard disk, etc.) that can be read by the computer ex111 and the like, and encoding or decoding processing is performed using the software. Also good.
  • moving image data acquired by the camera may be transmitted. The moving image data at this time is data encoded by the LSI ex500 included in the smartphone ex115.
  • the LSI ex500 may be configured to download and activate application software.
  • the terminal first determines whether the terminal is compatible with the content encoding method or has a specific service execution capability. If the terminal does not support the content encoding method or does not have the capability to execute a specific service, the terminal downloads a codec or application software, and then acquires and reproduces the content.
  • the content supply system ex100 via the Internet ex101, but also a digital broadcasting system, at least the moving image encoding device (image encoding device) or the moving image decoding device (image decoding device) of the above embodiments. Any of these can be incorporated.
  • the unicasting of the content supply system ex100 is suitable for multicasting because it uses a satellite or the like to transmit and receive multiplexed data in which video and sound are multiplexed on broadcasting radio waves.
  • the same application is possible for the encoding process and the decoding process.
  • FIG. 34 is a diagram showing the smartphone ex115.
  • FIG. 35 is a diagram illustrating a configuration example of the smartphone ex115.
  • the smartphone ex115 receives the antenna ex450 for transmitting / receiving radio waves to / from the base station ex110, the camera unit ex465 capable of taking video and still images, the video captured by the camera unit ex465, and the antenna ex450.
  • a display unit ex458 for displaying data obtained by decoding the video or the like.
  • the smartphone ex115 further includes an operation unit ex466 that is a touch panel or the like, a voice output unit ex457 that is a speaker or the like for outputting voice or sound, a voice input unit ex456 that is a microphone or the like for inputting voice, and photographing.
  • Memory unit ex467 that can store encoded video or still image, recorded audio, received video or still image, encoded data such as mail, or decoded data, and a user, and network
  • An external memory may be used instead of the memory unit ex467.
  • a main control unit ex460 that comprehensively controls the display unit ex458, the operation unit ex466, and the like, a power supply circuit unit ex461, an operation input control unit ex462, a video signal processing unit ex455, a camera interface unit ex463, a display control unit ex459, a modulation / Demodulation unit ex452, multiplexing / demultiplexing unit ex453, audio signal processing unit ex454, slot unit ex464, and memory unit ex467 are connected via bus ex470.
  • the power supply circuit unit ex461 starts up the smartphone ex115 in an operable state by supplying power from the battery pack to each unit.
  • the smartphone ex115 performs processing such as calling and data communication based on the control of the main control unit ex460 having a CPU, a ROM, a RAM, and the like.
  • the voice signal picked up by the voice input unit ex456 is converted into a digital voice signal by the voice signal processing unit ex454, spread spectrum processing is performed by the modulation / demodulation unit ex452, and digital / analog conversion is performed by the transmission / reception unit ex451.
  • the data is transmitted via the antenna ex450.
  • the received data is amplified and subjected to frequency conversion processing and analog-digital conversion processing, spectrum despreading processing is performed by the modulation / demodulation unit ex452, and converted to analog audio signal by the audio signal processing unit ex454, and then this is output to the audio output unit ex457.
  • text, still image, or video data is sent to the main control unit ex460 via the operation input control unit ex462 by the operation of the operation unit ex466 of the main body unit, and transmission / reception processing is performed similarly.
  • the video signal processing unit ex455 uses the video signal stored in the memory unit ex467 or the video signal input from the camera unit ex465 as described above.
  • the video data is compressed and encoded by the moving image encoding method shown in the form, and the encoded video data is sent to the multiplexing / demultiplexing unit ex453.
  • the audio signal processing unit ex454 encodes the audio signal picked up by the audio input unit ex456 while the camera unit ex465 captures a video or a still image, and sends the encoded audio data to the multiplexing / separating unit ex453. To do.
  • the multiplexing / demultiplexing unit ex453 multiplexes the encoded video data and the encoded audio data by a predetermined method, and the modulation / demodulation unit (modulation / demodulation circuit unit) ex452 and the modulation / demodulation unit ex451 perform modulation processing and conversion.
  • the data is processed and transmitted via the antenna ex450.
  • the multiplexing / demultiplexing unit ex453 performs multiplexing By separating the data, the multiplexed data is divided into a bit stream of video data and a bit stream of audio data, and the encoded video data is supplied to the video signal processing unit ex455 via the synchronization bus ex470. The converted audio data is supplied to the audio signal processing unit ex454.
  • the video signal processing unit ex455 decodes the video signal by the video decoding method corresponding to the video encoding method shown in each of the above embodiments, and is linked from the display unit ex458 via the display control unit ex459.
  • a video or still image included in the moving image file is displayed.
  • the audio signal processing unit ex454 decodes the audio signal, and the audio is output from the audio output unit ex457. Since real-time streaming is widespread, depending on the user's situation, there may be occasions where audio playback is not socially appropriate. Therefore, it is desirable that the initial value is a configuration in which only the video data is reproduced without reproducing the audio signal. Audio may be synchronized and played back only when the user performs an operation such as clicking on video data.
  • the smartphone ex115 has been described here as an example, in addition to a transmission / reception terminal having both an encoder and a decoder as a terminal, a transmission terminal having only an encoder and a reception having only a decoder There are three possible mounting formats: terminals.
  • terminals In the digital broadcasting system, it has been described as receiving or transmitting multiplexed data in which audio data or the like is multiplexed with video data.
  • multiplexed data includes character data related to video in addition to audio data. Multiplexing may be performed, and video data itself may be received or transmitted instead of multiplexed data.
  • the terminal often includes a GPU. Therefore, a configuration may be adopted in which a wide area is processed in a lump by utilizing the performance of the GPU by using a memory shared by the CPU and the GPU or a memory whose addresses are managed so as to be used in common. As a result, the encoding time can be shortened, real-time performance can be ensured, and low delay can be realized. In particular, it is efficient to perform motion search, deblocking filter, SAO (Sample Adaptive Offset), and transformation / quantization processing in batches in units of pictures or the like instead of the CPU.
  • SAO Sample Adaptive Offset
  • the present disclosure can be used for, for example, a television receiver, a digital video recorder, a car navigation, a mobile phone, a digital camera, a digital video camera, a video conference system, or an electronic mirror.

Landscapes

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

Abstract

符号化装置（１００）は、メモリ（１６２）と、回路（１６０）とを備え、回路（１６０）は、処理対象ブロックの１対の動きベクトルを導出し、処理対象ブロックの１対の動きベクトルを用いて処理対象ブロックを符号化し、処理対象ブロックの１対の動きベクトルの導出において、複数対の動きベクトル候補を生成し、複数の処理済みピクチャのみを参照して、特定の１対の動きベクトル候補を選択し、処理対象ブロックの１対の動きベクトルを導出し、複数対の動きベクトル候補の生成において、処理済みブロックが処理済みブロックの１対の動きベクトルを用いて符号化されたブロックである場合、処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を生成する。

Description

符号化装置、復号装置、符号化方法及び復号方法
　本開示は、動画像を符号化する符号化装置等に関する。
　従来、動画像を符号化するための規格として、Ｈ．２６５が存在する。Ｈ．２６５は、ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）とも呼ばれる。
Ｈ．２６５（ＩＳＯ／ＩＥＣ　２３００８－２　ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ））
　しかしながら、動画像の符号化及び復号において、双予測のための１対の動きベクトルを導出することが困難な場合がある。
　そこで、本開示は、双予測のための１対の動きベクトルを適切に導出することができる符号化装置等を提供する。
　本開示の一態様に係る符号化装置は、動画像を符号化する符号化装置であって、メモリと、前記メモリにアクセス可能な回路とを備え、前記メモリにアクセス可能な前記回路は、前記動画像を構成する複数のピクチャのうち処理対象ピクチャに含まれる処理対象ブロックの１対の動きベクトルを導出し、前記処理対象ブロックの１対の動きベクトルを用いて双予測で前記処理対象ブロックを符号化し、前記処理対象ブロックの１対の動きベクトルの導出において、（ｉ）前記処理対象ブロックの１対の動きベクトルに対する複数対の動きベクトル候補を生成し、（ｉｉ）前記複数対の動きベクトル候補の中から、前記複数のピクチャのうち複数の処理済みピクチャのみを参照して、特定の１対の動きベクトル候補を選択し、（ｉｉｉ）前記特定の１対の動きベクトル候補から、前記処理対象ブロックの１対の動きベクトルを導出し、前記複数対の動きベクトル候補の生成において、空間的又は時間的に前記処理対象ブロックの周辺に位置する複数の処理済みブロックのそれぞれについて、当該処理済みブロックが当該処理済みブロックの１対の動きベクトルを用いて双予測で符号化されたブロックである場合、当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成する。
　なお、これらの包括的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム、又は、コンピュータ読み取り可能なＣＤ－ＲＯＭなどの非一時的な記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラム、及び、記録媒体の任意な組み合わせで実現されてもよい。
　本開示の一態様に係る符号化装置等は、双予測のための１対の動きベクトルを適切に導出することができる。
図１は、実施の形態１に係る符号化装置の機能構成を示すブロック図である。 図２は、実施の形態１におけるブロック分割の一例を示す図である。 図３は、各変換タイプに対応する変換基底関数を示す表である。 図４Ａは、ＡＬＦで用いられるフィルタの形状の一例を示す図である。 図４Ｂは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図４Ｃは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図５Ａは、イントラ予測における６７個のイントラ予測モードを示す図である。 図５Ｂは、ＯＢＭＣ処理による予測画像補正処理の概要を説明するためのフローチャートである。 図５Ｃは、ＯＢＭＣ処理による予測画像補正処理の概要を説明するための概念図である。 図５Ｄは、ＦＲＵＣの一例を示す図である。 図６は、動き軌道に沿う２つのブロック間でのパターンマッチング（バイラテラルマッチング）を説明するための図である。 図７は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）を説明するための図である。 図８は、等速直線運動を仮定したモデルを説明するための図である。 図９Ａは、複数の隣接ブロックの動きベクトルに基づくサブブロック単位の動きベクトルの導出を説明するための図である。 図９Ｂは、マージモードによる動きベクトル導出処理の概要を説明するための図である。 図９Ｃは、ＤＭＶＲ処理の概要を説明するための概念図である。 図９Ｄは、ＬＩＣ処理による輝度補正処理を用いた予測画像生成方法の概要を説明するための図である。 図１０は、実施の形態１に係る復号装置の機能構成を示すブロック図である。 図１１は、実施の形態１に係る符号化装置によって行われる画面間予測に関連する処理を説明するためのブロック図である。 図１２は、実施の形態１に係る復号装置によって行われる画面間予測に関連する処理を説明するためのブロック図である。 図１３は、実施の形態１に係る画面間予測に関連する処理を示すフローチャートである。 図１４は、実施の形態１に係るバイラテラルＦＲＵＣ方式で動きベクトルを導出する処理の第１具体例を示すフローチャートである。 図１５は、実施の形態１に係るＵｎｉモード評価値算出方法の例を説明するための概念図である。 図１６は、実施の形態１に係るＢｉモード評価値算出方法の例を説明するための概念図である。 図１７は、実施の形態１に係る動きベクトル候補リストを生成するための周辺ブロックの例を示す概念図である。 図１８は、実施の形態１に係る動きベクトル候補リストの例を示すデータテーブル図である。 図１９は、実施の形態１に係るバイラテラルＦＲＵＣ方式で動きベクトルを導出する処理の第２具体例を示すフローチャートである。 図２０は、実施の形態１に係るバイラテラルＦＲＵＣ方式で動きベクトルを導出する処理の第３具体例を示すフローチャートである。 図２１は、実施の形態１に係る符号化装置の実装例を示すブロック図である。 図２２は、実施の形態１に係る符号化装置の動作例を示すフローチャートである。 図２３は、実施の形態１に係る符号化装置の動作例における動きベクトルの導出処理を示すフローチャートである。 図２４は、実施の形態１に係る符号化装置の動作例に対する追加動作を示すフローチャートである。 図２５は、実施の形態１に係る復号装置の実装例を示すブロック図である。 図２６は、実施の形態１に係る復号装置の動作例を示すフローチャートである。 図２７は、実施の形態１に係る復号装置の動作例における動きベクトルの導出処理を示すフローチャートである。 図２８は、実施の形態１に係る復号装置の動作例に対する追加動作を示すフローチャートである。 図２９は、コンテンツ配信サービスを実現するコンテンツ供給システムの全体構成図である。 図３０は、スケーラブル符号化時の符号化構造の一例を示す図である。 図３１は、スケーラブル符号化時の符号化構造の一例を示す図である。 図３２は、ｗｅｂページの表示画面例を示す図である。 図３３は、ｗｅｂページの表示画面例を示す図である。 図３４は、スマートフォンの一例を示す図である。 図３５は、スマートフォンの構成例を示すブロック図である。
　（本開示の基礎となった知見）
　例えば、符号化装置は、動画像をブロック毎に符号化する。符号化装置は、動画像をブロック毎に符号化する際、画面間予測を用いてもよいし、画面内予測を用いてもよい。符号化装置は、処理対象ブロックの符号化に画面間予測を用いる場合、処理対象ブロックの動きベクトルを検出し、検出された動きベクトルを用いて処理対象ブロックの予測画像を生成する。そして、符号化装置は、処理対象ブロックの予測画像と、処理対象ブロックの原画像との差分画像を符号化することにより、符号量を削減する。
　また、符号化装置は、動きベクトルを示す動きベクトル情報を符号化し、復号装置は、動きベクトル情報を復号する。さらに、復号装置は、差分画像を復号する。そして、復号装置は、復号された動きベクトル情報によって示される動きベクトルを用いて処理対象ブロックの予測画像を生成し、予測画像と差分画像とを加算することにより、処理対象ブロックの原画像を再構成する。これにより、復号装置は、処理対象ブロックを復号することができる。
　符号化装置が動きベクトル情報を符号化し、復号装置が動きベクトル情報を復号することにより、復号装置は、符号化装置で用いられた動きベクトルを用いて、適切に処理対象ブロックの予測画像を生成することができる。一方で、動きベクトル情報が符号化されることにより、符号量が増加する可能性がある。
　符号化装置及び復号装置は、このような符号量を削減するため、ＦＲＵＣ（Ｆｒａｍｅ　Ｒａｔｅ　Ｕｐ－Ｃｏｎｖｅｒｓｉｏｎ）と呼ばれる技術を用いてもよい。ＦＲＵＣでは、符号化装置及び復号装置は、動きベクトル情報の符号化及び復号を行わずに、符号化装置及び復号装置において同じ方法で動きベクトルを導出する。例えば、バイラテラルＦＲＵＣ方式において、符号化装置及び復号装置は、処理済みピクチャのみを参照して処理対象ブロックの１対の動きベクトルを導出する。
　具体的には、バイラテラルＦＲＵＣ方式において、符号化装置及び復号装置は、空間的又は時間的に処理対象ブロックの周辺に位置する複数の処理済みブロックの複数の動きベクトルから複数対の動きベクトル候補を導出する。そして、符号化装置及び復号装置は、複数の処理済みピクチャから複数対の動きベクトル候補によって導出される複数対の対応画像を参照して、複数対の動きベクトル候補の中から１対の動きベクトル候補を選択する。
　そして、符号化装置及び復号装置は、選択された１対の動きベクトル候補から処理対象ブロックの１対の動きベクトルを導出する。これにより、符号化装置及び復号装置は、動きベクトル情報の符号化及び復号を行わずに、符号化装置及び復号装置において同じ方法で動きベクトルを導出することができる。
　しかしながら、バイラテラルＦＲＵＣ方式において、符号化装置及び復号装置は、複数対の動きベクトル候補に、適切な対が含まれていなければ、双予測のための１対の動きベクトルを適切に導出することが困難である。
　そこで、例えば、本開示の一態様に係る符号化装置は、動画像を符号化する符号化装置であって、メモリと、前記メモリにアクセス可能な回路とを備え、前記メモリにアクセス可能な前記回路は、前記動画像を構成する複数のピクチャのうち処理対象ピクチャに含まれる処理対象ブロックの１対の動きベクトルを導出し、前記処理対象ブロックの１対の動きベクトルを用いて双予測で前記処理対象ブロックを符号化し、前記処理対象ブロックの１対の動きベクトルの導出において、（ｉ）前記処理対象ブロックの１対の動きベクトルに対する複数対の動きベクトル候補を生成し、（ｉｉ）前記複数対の動きベクトル候補の中から、前記複数のピクチャのうち複数の処理済みピクチャのみを参照して、特定の１対の動きベクトル候補を選択し、（ｉｉｉ）前記特定の１対の動きベクトル候補から、前記処理対象ブロックの１対の動きベクトルを導出し、前記複数対の動きベクトル候補の生成において、空間的又は時間的に前記処理対象ブロックの周辺に位置する複数の処理済みブロックのそれぞれについて、当該処理済みブロックが当該処理済みブロックの１対の動きベクトルを用いて双予測で符号化されたブロックである場合、当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成する。
　これにより、符号化装置は、処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を生成することができる。このような１対の動きベクトル候補は、処理対象ブロックの双予測のための１対の動きベクトルとして適切であることが期待される。符号化装置は、このような１対の動きベクトル候補を用いて、双予測のための１対の動きベクトルを適切に導出することができる。
　また、例えば、前記回路は、前記複数対の動きベクトル候補の生成において、前記複数の処理済みブロックのそれぞれについて、当該処理済みブロックが当該処理済みブロックの１対の動きベクトルを用いて双予測で符号化されたブロックである場合、（ｉ）当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補と、（ｉｉ）当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルのうちの一方から導出される２つの動きベクトル候補で構成される１対の動きベクトル候補と、（ｉｉｉ）当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルのうちの他方から導出される２つの動きベクトル候補で構成される１対の動きベクトル候補とを前記複数対の動きベクトル候補のうちの３対として生成する。
　これにより、符号化装置は、処理済みブロックの１対の動きベクトルから３対の動きベクトル候補を生成することができる。したがって、符号化装置は、複数対の動きベクトル候補における対（ペア）の数を増やすことができる。よって、符号化装置は、双予測のための１対の動きベクトルをより適切に導出することができる。
　また、例えば、前記複数対の動きベクトル候補は、（ｉ）それぞれが、前記複数の処理済みブロックのうち単予測又は双予測で符号化された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対以上の第１モード動きベクトル候補と、（ｉｉ）それぞれが、前記複数の処理済みブロックのうち双予測で符号化された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対以上の第２モード動きベクトル候補とを含み、前記回路は、前記特定の１対の動きベクトル候補の選択において、前記１対以上の第１モード動きベクトル候補のそれぞれについて、当該１対の第１モード動きベクトル候補によって前記複数の処理済みピクチャから導出される２つの第１モード対応画像の差に従って、第１モード評価値を算出し、前記１対以上の第２モード動きベクトル候補のそれぞれについて、当該１対の第２モード動きベクトル候補によって前記複数の処理済みピクチャから導出される２つの第２モード対応画像のそれぞれと、前記２つの第２モード対応画像から導出される１つの予測画像候補との差に従って、第２モード評価値を算出し、前記１対以上の第１モード動きベクトル候補において第１モード評価値が最も良い特定の１対の第１モード動きベクトル候補、又は、前記１対以上の第２モード動きベクトル候補において第２モード評価値が最も良い特定の１対の第２モード動きベクトル候補を前記特定の１対の動きベクトル候補として選択する。
　これにより、符号化装置は、１対以上の第１モード動きベクトル候補、及び、１対以上の第２モード動きベクトル候補を含む複数対の動きベクトル候補から、１対の動きベクトルを導出することができる。その際、符号化装置は、第１モード評価値が最も良い特定の１対の第１モード動きベクトル候補、又は、第２モード評価値が最も良い特定の１対の第２モード動きベクトル候補を選択して用いることができる。したがって、符号化装置は、１対の動きベクトルを適切に導出することができる。
　また、例えば、前記回路は、前記特定の１対の第１モード動きベクトル候補又は前記特定の１対の第２モード動きベクトル候補の選択において、前記特定の１対の第１モード動きベクトル候補及び前記特定の１対の第２モード動きベクトル候補の間で共通の算出方法に従って、前記特定の１対の第１モード動きベクトル候補及び前記特定の１対の第２モード動きベクトル候補のそれぞれから評価値を算出し、前記特定の１対の第１モード動きベクトル候補及び前記特定の１対の第２モード動きベクトル候補のうち評価値がより良い１対の動きベクトル候補を前記特定の１対の動きベクトル候補として選択する。
　これにより、符号化装置は、共通の算出方法に基づく評価値に従って、特定の１対の第１モード動きベクトル候補、又は、特定の１対の第２モード動きベクトル候補を適切に選択することができる。
　また、例えば、前記回路は、前記特定の１対の第１モード動きベクトル候補又は前記特定の１対の第２モード動きベクトル候補の選択において、前記特定の１対の第１モード動きベクトル候補の第１モード評価値が、前記特定の１対の第２モード動きベクトル候補から第２モード評価値の算出方法とは異なる算出方法に従って算出される比較対象評価値よりも良い場合、前記特定の１対の第１モード動きベクトル候補を選択する。
　これにより、符号化装置は、第１モード評価値と比較対象評価値との比較の結果に従って、特定の１対の第１モード動きベクトル候補、又は、特定の１対の第２モード動きベクトル候補を適切に選択することができる。
　また、例えば、前記回路は、前記特定の１対の第１モード動きベクトル候補又は前記特定の１対の第２モード動きベクトル候補の選択において、前記特定の１対の第２モード動きベクトル候補の第２モード評価値が、前記特定の１対の第１モード動きベクトル候補から第１モード評価値の算出方法とは異なる算出方法に従って算出される比較対象評価値よりも良い場合、前記特定の１対の第２モード動きベクトル候補を選択する。
　これにより、符号化装置は、第２モード評価値と比較対象評価値との比較の結果に従って、特定の１対の第１モード動きベクトル候補、又は、特定の１対の第２モード動きベクトル候補を適切に選択することができる。
　また、例えば、前記複数対の動きベクトル候補は、（ｉ）それぞれが、前記複数の処理済みブロックのうち単予測又は双予測で符号化された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対以上の第１モード動きベクトル候補と、（ｉｉ）それぞれが、前記複数の処理済みブロックのうち双予測で符号化された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対以上の第２モード動きベクトル候補とを含み、前記回路は、前記特定の１対の動きベクトル候補の選択において、前記複数対の動きベクトル候補の間で共通の算出方法に従って、前記複数対の動きベクトル候補のそれぞれから評価値を算出し、前記複数対の動きベクトル候補のうち評価値が最も良い１対の動きベクトル候補を前記特定の１対の動きベクトル候補として選択する。
　これにより、符号化装置は、１対以上の第１モード動きベクトル候補、及び、１対以上の第２モード動きベクトル候補を含む複数対の動きベクトル候補から、１対の動きベクトルを導出することができる。その際、符号化装置は、共通の算出方法に基づく評価値に従って複数対の動きベクトル候補から特定の１対の動きベクトル候補を選択して用いることができる。したがって、符号化装置は、１対の動きベクトルを適切に導出することができる。
　また、例えば、前記回路は、前記複数対の動きベクトル候補の生成において、（ｉ）前記複数の処理済みブロックのうち単予測又は双予測で符号化された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対の第１モード動きベクトル候補と、（ｉｉ）前記複数の処理済みブロックのうち双予測で符号化された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対の第２モード動きベクトル候補とのうち、前記１対の第２モード動きベクトル候補のみで構成される前記複数対の動きベクトル候補を生成する。
　これにより、符号化装置は、双予測に用いられた２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補でそれぞれが構成される複数対の動きベクトル候補から、１対の動きベクトルを適切に導出することができる。
　また、例えば、前記回路は、（ｉ）前記複数の処理済みブロックのうち単予測又は双予測で符号化された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対の第１モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成することが有効であるか否かと、（ｉｉ）前記複数の処理済みブロックのうち双予測で符号化された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対の第２モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成することが有効であるか否かとを示す情報を符号化し、前記１対の第１モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成することが有効である場合、前記１対の第１モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成し、前記１対の第２モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成することが有効である場合、前記１対の第２モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成する。
　これにより、符号化装置は、複数対の動きベクトル候補の生成方法を適応的に切り替えることができる。
　また、例えば、本開示の一態様に係る復号装置は、動画像を復号する復号装置であって、メモリと、前記メモリにアクセス可能な回路とを備え、前記メモリにアクセス可能な前記回路は、前記動画像を構成する複数のピクチャのうち処理対象ピクチャに含まれる処理対象ブロックの１対の動きベクトルを導出し、前記処理対象ブロックの１対の動きベクトルを用いて双予測で前記処理対象ブロックを復号し、前記処理対象ブロックの１対の動きベクトルの導出において、（ｉ）前記処理対象ブロックの１対の動きベクトルに対する複数対の動きベクトル候補を生成し、（ｉｉ）前記複数対の動きベクトル候補の中から、前記複数のピクチャのうち複数の処理済みピクチャのみを参照して、特定の１対の動きベクトル候補を選択し、（ｉｉｉ）前記特定の１対の動きベクトル候補から、前記処理対象ブロックの１対の動きベクトルを導出し、前記複数対の動きベクトル候補の生成において、空間的又は時間的に前記処理対象ブロックの周辺に位置する複数の処理済みブロックのそれぞれについて、当該処理済みブロックが当該処理済みブロックの１対の動きベクトルを用いて双予測で復号されたブロックである場合、当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成する。
　これにより、復号装置は、処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を生成することができる。このような１対の動きベクトル候補は、処理対象ブロックの双予測のための１対の動きベクトルとして適切であることが期待される。復号装置は、このような１対の動きベクトル候補を用いて、双予測のための１対の動きベクトルを適切に導出することができる。
　また、例えば、前記回路は、前記複数対の動きベクトル候補の生成において、前記複数の処理済みブロックのそれぞれについて、当該処理済みブロックが当該処理済みブロックの１対の動きベクトルを用いて双予測で復号されたブロックである場合、（ｉ）当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補と、（ｉｉ）当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルのうちの一方から導出される２つの動きベクトル候補で構成される１対の動きベクトル候補と、（ｉｉｉ）当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルのうちの他方から導出される２つの動きベクトル候補で構成される１対の動きベクトル候補とを前記複数対の動きベクトル候補のうちの３対として生成する。
　これにより、復号装置は、処理済みブロックの１対の動きベクトルから３対の動きベクトル候補を生成することができる。したがって、復号装置は、複数対の動きベクトル候補における対（ペア）の数を増やすことができる。よって、復号装置は、双予測のための１対の動きベクトルをより適切に導出することができる。
　また、例えば、前記複数対の動きベクトル候補は、（ｉ）それぞれが、前記複数の処理済みブロックのうち単予測又は双予測で復号された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対以上の第１モード動きベクトル候補と、（ｉｉ）それぞれが、前記複数の処理済みブロックのうち双予測で復号された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対以上の第２モード動きベクトル候補とを含み、前記回路は、前記特定の１対の動きベクトル候補の選択において、前記１対以上の第１モード動きベクトル候補のそれぞれについて、当該１対の第１モード動きベクトル候補によって前記複数の処理済みピクチャから導出される２つの第１モード対応画像の差に従って、第１モード評価値を算出し、前記１対以上の第２モード動きベクトル候補のそれぞれについて、当該１対の第２モード動きベクトル候補によって前記複数の処理済みピクチャから導出される２つの第２モード対応画像のそれぞれと、前記２つの第２モード対応画像から導出される１つの予測画像候補との差に従って、第２モード評価値を算出し、前記１対以上の第１モード動きベクトル候補において第１モード評価値が最も良い特定の１対の第１モード動きベクトル候補、又は、前記１対以上の第２モード動きベクトル候補において第２モード評価値が最も良い特定の１対の第２モード動きベクトル候補を前記特定の１対の動きベクトル候補として選択する。
　これにより、復号装置は、１対以上の第１モード動きベクトル候補、及び、１対以上の第２モード動きベクトル候補を含む複数対の動きベクトル候補から、１対の動きベクトルを導出することができる。その際、復号装置は、第１モード評価値が最も良い特定の１対の第１モード動きベクトル候補、又は、第２モード評価値が最も良い特定の１対の第２モード動きベクトル候補を選択して用いることができる。したがって、復号装置は、１対の動きベクトルを適切に導出することができる。
　また、例えば、前記回路は、前記特定の１対の第１モード動きベクトル候補又は前記特定の１対の第２モード動きベクトル候補の選択において、前記特定の１対の第１モード動きベクトル候補及び前記特定の１対の第２モード動きベクトル候補の間で共通の算出方法に従って、前記特定の１対の第１モード動きベクトル候補及び前記特定の１対の第２モード動きベクトル候補のそれぞれから評価値を算出し、前記特定の１対の第１モード動きベクトル候補及び前記特定の１対の第２モード動きベクトル候補のうち評価値がより良い１対の動きベクトル候補を前記特定の１対の動きベクトル候補として選択する。
　これにより、復号装置は、共通の算出方法に基づく評価値に従って、特定の１対の第１モード動きベクトル候補、又は、特定の１対の第２モード動きベクトル候補を適切に選択することができる。
　また、例えば、前記回路は、前記特定の１対の第１モード動きベクトル候補又は前記特定の１対の第２モード動きベクトル候補の選択において、前記特定の１対の第１モード動きベクトル候補の第１モード評価値が、前記特定の１対の第２モード動きベクトル候補から第２モード評価値の算出方法とは異なる算出方法に従って算出される比較対象評価値よりも良い場合、前記特定の１対の第１モード動きベクトル候補を選択する。
　これにより、復号装置は、第１モード評価値と比較対象評価値との比較の結果に従って、特定の１対の第１モード動きベクトル候補、又は、特定の１対の第２モード動きベクトル候補を適切に選択することができる。
　また、例えば、前記回路は、前記特定の１対の第１モード動きベクトル候補又は前記特定の１対の第２モード動きベクトル候補の選択において、前記特定の１対の第２モード動きベクトル候補の第２モード評価値が、前記特定の１対の第１モード動きベクトル候補から第１モード評価値の算出方法とは異なる算出方法に従って算出される比較対象評価値よりも良い場合、前記特定の１対の第２モード動きベクトル候補を選択する。
　これにより、復号装置は、第２モード評価値と比較対象評価値との比較の結果に従って、特定の１対の第１モード動きベクトル候補、又は、特定の１対の第２モード動きベクトル候補を適切に選択することができる。
　また、例えば、前記複数対の動きベクトル候補は、（ｉ）それぞれが、前記複数の処理済みブロックのうち単予測又は双予測で復号された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対以上の第１モード動きベクトル候補と、（ｉｉ）それぞれが、前記複数の処理済みブロックのうち双予測で復号された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対以上の第２モード動きベクトル候補とを含み、前記回路は、前記特定の１対の動きベクトル候補の選択において、前記複数対の動きベクトル候補の間で共通の算出方法に従って、前記複数対の動きベクトル候補のそれぞれから評価値を算出し、前記複数対の動きベクトル候補のうち評価値が最も良い１対の動きベクトル候補を前記特定の１対の動きベクトル候補として選択する。
　これにより、復号装置は、１対以上の第１モード動きベクトル候補、及び、１対以上の第２モード動きベクトル候補を含む複数対の動きベクトル候補から、１対の動きベクトルを導出することができる。その際、復号装置は、共通の算出方法に基づく評価値に従って複数対の動きベクトル候補から特定の１対の動きベクトル候補を選択して用いることができる。したがって、復号装置は、１対の動きベクトルを適切に導出することができる。
　また、例えば、前記回路は、前記複数対の動きベクトル候補の生成において、（ｉ）前記複数の処理済みブロックのうち単予測又は双予測で復号された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対の第１モード動きベクトル候補と、（ｉｉ）前記複数の処理済みブロックのうち双予測で復号された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対の第２モード動きベクトル候補とのうち、前記１対の第２モード動きベクトル候補のみで構成される前記複数対の動きベクトル候補を生成する。
　これにより、復号装置は、双予測に用いられた２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補でそれぞれが構成される複数対の動きベクトル候補から、１対の動きベクトルを適切に導出することができる。
　また、例えば、前記回路は、（ｉ）前記複数の処理済みブロックのうち単予測又は双予測で復号された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対の第１モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成することが有効であるか否かと、（ｉｉ）前記複数の処理済みブロックのうち双予測で復号された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対の第２モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成することが有効であるか否かとを示す情報を復号し、前記１対の第１モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成することが有効である場合、前記１対の第１モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成し、前記１対の第２モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成することが有効である場合、前記１対の第２モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成する。
　これにより、復号装置は、複数対の動きベクトル候補の生成方法を適応的に切り替えることができる。
　また、例えば、本開示の一態様に係る符号化方法は、動画像を符号化する符号化方法であって、前記動画像を構成する複数のピクチャのうち処理対象ピクチャに含まれる処理対象ブロックの１対の動きベクトルを導出し、前記処理対象ブロックの１対の動きベクトルを用いて双予測で前記処理対象ブロックを符号化し、前記処理対象ブロックの１対の動きベクトルの導出において、（ｉ）前記処理対象ブロックの１対の動きベクトルに対する複数対の動きベクトル候補を生成し、（ｉｉ）前記複数対の動きベクトル候補の中から、前記複数のピクチャのうち複数の処理済みピクチャのみを参照して、特定の１対の動きベクトル候補を選択し、（ｉｉｉ）前記特定の１対の動きベクトル候補から、前記処理対象ブロックの１対の動きベクトルを導出し、前記複数対の動きベクトル候補の生成において、空間的又は時間的に前記処理対象ブロックの周辺に位置する複数の処理済みブロックのそれぞれについて、当該処理済みブロックが当該処理済みブロックの１対の動きベクトルを用いて双予測で符号化されたブロックである場合、当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成する。
　これにより、処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を生成することが可能になる。このような１対の動きベクトル候補は、処理対象ブロックの双予測のための１対の動きベクトルとして適切であることが期待される。したがって、このような１対の動きベクトル候補を用いて、双予測のための１対の動きベクトルを適切に導出することが可能になる。
　また、例えば、本開示の一態様に係る復号方法は、動画像を復号する復号方法であって、前記動画像を構成する複数のピクチャのうち処理対象ピクチャに含まれる処理対象ブロックの１対の動きベクトルを導出し、前記処理対象ブロックの１対の動きベクトルを用いて双予測で前記処理対象ブロックを復号し、前記処理対象ブロックの１対の動きベクトルの導出において、（ｉ）前記処理対象ブロックの１対の動きベクトルに対する複数対の動きベクトル候補を生成し、（ｉｉ）前記複数対の動きベクトル候補の中から、前記複数のピクチャのうち複数の処理済みピクチャのみを参照して、特定の１対の動きベクトル候補を選択し、（ｉｉｉ）前記特定の１対の動きベクトル候補から、前記処理対象ブロックの１対の動きベクトルを導出し、前記複数対の動きベクトル候補の生成において、空間的又は時間的に前記処理対象ブロックの周辺に位置する複数の処理済みブロックのそれぞれについて、当該処理済みブロックが当該処理済みブロックの１対の動きベクトルを用いて双予測で復号されたブロックである場合、当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成する。
　これにより、処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を生成することが可能になる。このような１対の動きベクトル候補は、処理対象ブロックの双予測のための１対の動きベクトルとして適切であることが期待される。したがって、このような１対の動きベクトル候補を用いて、双予測のための１対の動きベクトルを適切に導出することが可能になる。
　さらに、これらの包括的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム、又は、コンピュータ読み取り可能なＣＤ－ＲＯＭなどの非一時的な記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラム、及び、記録媒体の任意な組み合わせで実現されてもよい。
　以下、実施の形態について図面を参照しながら具体的に説明する。
　なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、請求の範囲を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
　（実施の形態１）
　まず、後述する本開示の各態様で説明する処理および／または構成を適用可能な符号化装置および復号化装置の一例として、実施の形態１の概要を説明する。ただし、実施の形態１は、本開示の各態様で説明する処理および／または構成を適用可能な符号化装置および復号化装置の一例にすぎず、本開示の各態様で説明する処理および／または構成は、実施の形態１とは異なる符号化装置および復号化装置においても実施可能である。
　実施の形態１に対して本開示の各態様で説明する処理および／または構成を適用する場合、例えば以下のいずれかを行ってもよい。
　（１）実施の形態１の符号化装置または復号化装置に対して、当該符号化装置または復号化装置を構成する複数の構成要素のうち、本開示の各態様で説明する構成要素に対応する構成要素を、本開示の各態様で説明する構成要素に置き換えること
　（２）実施の形態１の符号化装置または復号化装置に対して、当該符号化装置または復号化装置を構成する複数の構成要素のうち一部の構成要素について機能または実施する処理の追加、置き換え、削除などの任意の変更を施した上で、本開示の各態様で説明する構成要素に対応する構成要素を、本開示の各態様で説明する構成要素に置き換えること
　（３）実施の形態１の符号化装置または復号化装置が実施する方法に対して、処理の追加、および／または当該方法に含まれる複数の処理のうちの一部の処理について置き換え、削除などの任意の変更を施した上で、本開示の各態様で説明する処理に対応する処理を、本開示の各態様で説明する処理に置き換えること
　（４）実施の形態１の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素を、本開示の各態様で説明する構成要素、本開示の各態様で説明する構成要素が備える機能の一部を備える構成要素、または本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせて実施すること
　（５）実施の形態１の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素が備える機能の一部を備える構成要素、または実施の形態１の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素が実施する処理の一部を実施する構成要素を、本開示の各態様で説明する構成要素、本開示の各態様で説明する構成要素が備える機能の一部を備える構成要素、または本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせて実施すること
　（６）実施の形態１の符号化装置または復号化装置が実施する方法に対して、当該方法に含まれる複数の処理のうち、本開示の各態様で説明する処理に対応する処理を、本開示の各態様で説明する処理に置き換えること
　（７）実施の形態１の符号化装置または復号化装置が実施する方法に含まれる複数の処理のうちの一部の処理を、本開示の各態様で説明する処理と組み合わせて実施すること
　なお、本開示の各態様で説明する処理および／または構成の実施の仕方は、上記の例に限定されるものではない。例えば、実施の形態１において開示する動画像／画像符号化装置または動画像／画像復号化装置とは異なる目的で利用される装置において実施されてもよいし、各態様において説明した処理および／または構成を単独で実施してもよい。また、異なる態様において説明した処理および／または構成を組み合わせて実施してもよい。
　［符号化装置の概要］
　まず、実施の形態１に係る符号化装置の概要を説明する。図１は、実施の形態１に係る符号化装置１００の機能構成を示すブロック図である。符号化装置１００は、動画像／画像をブロック単位で符号化する動画像／画像符号化装置である。
　図１に示すように、符号化装置１００は、画像をブロック単位で符号化する装置であって、分割部１０２と、減算部１０４と、変換部１０６と、量子化部１０８と、エントロピー符号化部１１０と、逆量子化部１１２と、逆変換部１１４と、加算部１１６と、ブロックメモリ１１８と、ループフィルタ部１２０と、フレームメモリ１２２と、イントラ予測部１２４と、インター予測部１２６と、予測制御部１２８と、を備える。
　符号化装置１００は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、分割部１０２、減算部１０４、変換部１０６、量子化部１０８、エントロピー符号化部１１０、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、イントラ予測部１２４、インター予測部１２６及び予測制御部１２８として機能する。また、符号化装置１００は、分割部１０２、減算部１０４、変換部１０６、量子化部１０８、エントロピー符号化部１１０、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、イントラ予測部１２４、インター予測部１２６及び予測制御部１２８に対応する専用の１以上の電子回路として実現されてもよい。
　以下に、符号化装置１００に含まれる各構成要素について説明する。
　［分割部］
　分割部１０２は、入力動画像に含まれる各ピクチャを複数のブロックに分割し、各ブロックを減算部１０４に出力する。例えば、分割部１０２は、まず、ピクチャを固定サイズ（例えば１２８ｘ１２８）のブロックに分割する。この固定サイズのブロックは、符号化ツリーユニット（ＣＴＵ）と呼ばれることがある。そして、分割部１０２は、再帰的な四分木（ｑｕａｄｔｒｅｅ）及び／又は二分木（ｂｉｎａｒｙ　ｔｒｅｅ）ブロック分割に基づいて、固定サイズのブロックの各々を可変サイズ（例えば６４ｘ６４以下）のブロックに分割する。この可変サイズのブロックは、符号化ユニット（ＣＵ）、予測ユニット（ＰＵ）あるいは変換ユニット（ＴＵ）と呼ばれることがある。なお、本実施の形態では、ＣＵ、ＰＵ及びＴＵは区別される必要はなく、ピクチャ内の一部又はすべてのブロックがＣＵ、ＰＵ、ＴＵの処理単位となってもよい。
　図２は、実施の形態１におけるブロック分割の一例を示す図である。図２において、実線は四分木ブロック分割によるブロック境界を表し、破線は二分木ブロック分割によるブロック境界を表す。
　ここでは、ブロック１０は、１２８ｘ１２８画素の正方形ブロック（１２８ｘ１２８ブロック）である。この１２８ｘ１２８ブロック１０は、まず、４つの正方形の６４ｘ６４ブロックに分割される（四分木ブロック分割）。
　左上の６４ｘ６４ブロックは、さらに２つの矩形の３２ｘ６４ブロックに垂直に分割され、左の３２ｘ６４ブロックはさらに２つの矩形の１６ｘ６４ブロックに垂直に分割される（二分木ブロック分割）。その結果、左上の６４ｘ６４ブロックは、２つの１６ｘ６４ブロック１１、１２と、３２ｘ６４ブロック１３とに分割される。
　右上の６４ｘ６４ブロックは、２つの矩形の６４ｘ３２ブロック１４、１５に水平に分割される（二分木ブロック分割）。
　左下の６４ｘ６４ブロックは、４つの正方形の３２ｘ３２ブロックに分割される（四分木ブロック分割）。４つの３２ｘ３２ブロックのうち左上のブロック及び右下のブロックはさらに分割される。左上の３２ｘ３２ブロックは、２つの矩形の１６ｘ３２ブロックに垂直に分割され、右の１６ｘ３２ブロックはさらに２つの１６ｘ１６ブロックに水平に分割される（二分木ブロック分割）。右下の３２ｘ３２ブロックは、２つの３２ｘ１６ブロックに水平に分割される（二分木ブロック分割）。その結果、左下の６４ｘ６４ブロックは、１６ｘ３２ブロック１６と、２つの１６ｘ１６ブロック１７、１８と、２つの３２ｘ３２ブロック１９、２０と、２つの３２ｘ１６ブロック２１、２２とに分割される。
　右下の６４ｘ６４ブロック２３は分割されない。
　以上のように、図２では、ブロック１０は、再帰的な四分木及び二分木ブロック分割に基づいて、１３個の可変サイズのブロック１１～２３に分割される。このような分割は、ＱＴＢＴ（ｑｕａｄ－ｔｒｅｅ　ｐｌｕｓ　ｂｉｎａｒｙ　ｔｒｅｅ）分割と呼ばれることがある。
　なお、図２では、１つのブロックが４つ又は２つのブロックに分割されていたが（四分木又は二分木ブロック分割）、分割はこれに限定されない。例えば、１つのブロックが３つのブロックに分割されてもよい（三分木ブロック分割）。このような三分木ブロック分割を含む分割は、ＭＢＴ（ｍｕｌｔｉ　ｔｙｐｅ　ｔｒｅｅ）分割と呼ばれることがある。
　［減算部］
　減算部１０４は、分割部１０２によって分割されたブロック単位で原信号（原サンプル）から予測信号（予測サンプル）を減算する。つまり、減算部１０４は、符号化対象ブロック（以下、カレントブロックという）の予測誤差（残差ともいう）を算出する。そして、減算部１０４は、算出された予測誤差を変換部１０６に出力する。
　原信号は、符号化装置１００の入力信号であり、動画像を構成する各ピクチャの画像を表す信号（例えば輝度（ｌｕｍａ）信号及び２つの色差（ｃｈｒｏｍａ）信号）である。以下において、画像を表す信号をサンプルともいうこともある。
　［変換部］
　変換部１０６は、空間領域の予測誤差を周波数領域の変換係数に変換し、変換係数を量子化部１０８に出力する。具体的には、変換部１０６は、例えば空間領域の予測誤差に対して予め定められた離散コサイン変換（ＤＣＴ）又は離散サイン変換（ＤＳＴ）を行う。
　なお、変換部１０６は、複数の変換タイプの中から適応的に変換タイプを選択し、選択された変換タイプに対応する変換基底関数（ｔｒａｎｓｆｏｒｍ　ｂａｓｉｓ　ｆｕｎｃｔｉｏｎ）を用いて、予測誤差を変換係数に変換してもよい。このような変換は、ＥＭＴ（ｅｘｐｌｉｃｉｔ　ｍｕｌｔｉｐｌｅ　ｃｏｒｅ　ｔｒａｎｓｆｏｒｍ）又はＡＭＴ（ａｄａｐｔｉｖｅ　ｍｕｌｔｉｐｌｅ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。
　複数の変換タイプは、例えば、ＤＣＴ－ＩＩ、ＤＣＴ－Ｖ、ＤＣＴ－ＶＩＩＩ、ＤＳＴ－Ｉ及びＤＳＴ－ＶＩＩを含む。図３は、各変換タイプに対応する変換基底関数を示す表である。図３においてＮは入力画素の数を示す。これらの複数の変換タイプの中からの変換タイプの選択は、例えば、予測の種類（イントラ予測及びインター予測）に依存してもよいし、イントラ予測モードに依存してもよい。
　このようなＥＭＴ又はＡＭＴを適用するか否かを示す情報（例えばＡＭＴフラグと呼ばれる）及び選択された変換タイプを示す情報は、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　また、変換部１０６は、変換係数（変換結果）を再変換してもよい。このような再変換は、ＡＳＴ（ａｄａｐｔｉｖｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）又はＮＳＳＴ（ｎｏｎ－ｓｅｐａｒａｂｌｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。例えば、変換部１０６は、イントラ予測誤差に対応する変換係数のブロックに含まれるサブブロック（例えば４ｘ４サブブロック）ごとに再変換を行う。ＮＳＳＴを適用するか否かを示す情報及びＮＳＳＴに用いられる変換行列に関する情報は、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　ここで、Ｓｅｐａｒａｂｌｅな変換とは、入力の次元の数だけ方向ごとに分離して複数回変換を行う方式であり、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とは、入力が多次元であった際に２つ以上の次元をまとめて１次元とみなして、まとめて変換を行う方式である。
　例えば、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換の１例として、入力が４×４のブロックであった場合にはそれを１６個の要素を持ったひとつの配列とみなし、その配列に対して１６×１６の変換行列で変換処理を行うようなものが挙げられる。
　また、同様に４×４の入力ブロックを１６個の要素を持ったひとつの配列とみなした後に、その配列に対してＧｉｖｅｎｓ回転を複数回行うようなもの（Ｈｙｐｅｒｃｕｂｅ　Ｇｉｖｅｎｓ　Ｔｒａｎｓｆｏｒｍ）もＮｏｎ－Ｓｅｐａｒａｂｌｅな変換の例である。
　［量子化部］
　量子化部１０８は、変換部１０６から出力された変換係数を量子化する。具体的には、量子化部１０８は、カレントブロックの変換係数を所定の走査順序で走査し、走査された変換係数に対応する量子化パラメータ（ＱＰ）に基づいて当該変換係数を量子化する。そして、量子化部１０８は、カレントブロックの量子化された変換係数（以下、量子化係数という）をエントロピー符号化部１１０及び逆量子化部１１２に出力する。
　所定の順序は、変換係数の量子化／逆量子化のための順序である。例えば、所定の走査順序は、周波数の昇順（低周波から高周波の順）又は降順（高周波から低周波の順）で定義される。
　量子化パラメータとは、量子化ステップ（量子化幅）を定義するパラメータである。例えば、量子化パラメータの値が増加すれば量子化ステップも増加する。つまり、量子化パラメータの値が増加すれば量子化誤差が増大する。
　［エントロピー符号化部］
　エントロピー符号化部１１０は、量子化部１０８から入力である量子化係数を可変長符号化することにより符号化信号（符号化ビットストリーム）を生成する。具体的には、エントロピー符号化部１１０は、例えば、量子化係数を二値化し、二値信号を算術符号化する。
　［逆量子化部］
　逆量子化部１１２は、量子化部１０８からの入力である量子化係数を逆量子化する。具体的には、逆量子化部１１２は、カレントブロックの量子化係数を所定の走査順序で逆量子化する。そして、逆量子化部１１２は、カレントブロックの逆量子化された変換係数を逆変換部１１４に出力する。
　［逆変換部］
　逆変換部１１４は、逆量子化部１１２からの入力である変換係数を逆変換することにより予測誤差を復元する。具体的には、逆変換部１１４は、変換係数に対して、変換部１０６による変換に対応する逆変換を行うことにより、カレントブロックの予測誤差を復元する。そして、逆変換部１１４は、復元された予測誤差を加算部１１６に出力する。
　なお、復元された予測誤差は、量子化により情報が失われているので、減算部１０４が算出した予測誤差と一致しない。すなわち、復元された予測誤差には、量子化誤差が含まれている。
　［加算部］
　加算部１１６は、逆変換部１１４からの入力である予測誤差と予測制御部１２８からの入力である予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部１１６は、再構成されたブロックをブロックメモリ１１８及びループフィルタ部１２０に出力する。再構成ブロックは、ローカル復号ブロックと呼ばれることもある。
　［ブロックメモリ］
　ブロックメモリ１１８は、イントラ予測で参照されるブロックであって符号化対象ピクチャ（以下、カレントピクチャという）内のブロックを格納するための記憶部である。具体的には、ブロックメモリ１１８は、加算部１１６から出力された再構成ブロックを格納する。
　［ループフィルタ部］
　ループフィルタ部１２０は、加算部１１６によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ１２２に出力する。ループフィルタとは、符号化ループ内で用いられるフィルタ（インループフィルタ）であり、例えば、デブロッキング・フィルタ（ＤＦ）、サンプルアダプティブオフセット（ＳＡＯ）及びアダプティブループフィルタ（ＡＬＦ）などを含む。
　ＡＬＦでは、符号化歪みを除去するための最小二乗誤差フィルタが適用され、例えばカレントブロック内の２ｘ２サブブロックごとに、局所的な勾配（ｇｒａｄｉｅｎｔ）の方向及び活性度（ａｃｔｉｖｉｔｙ）に基づいて複数のフィルタの中から選択された１つのフィルタが適用される。
　具体的には、まず、サブブロック（例えば２ｘ２サブブロック）が複数のクラス（例えば１５又は２５クラス）に分類される。サブブロックの分類は、勾配の方向及び活性度に基づいて行われる。例えば、勾配の方向値Ｄ（例えば０～２又は０～４）と勾配の活性値Ａ（例えば０～４）とを用いて分類値Ｃ（例えばＣ＝５Ｄ＋Ａ）が算出される。そして、分類値Ｃに基づいて、サブブロックが複数のクラス（例えば１５又は２５クラス）に分類される。
　勾配の方向値Ｄは、例えば、複数の方向（例えば水平、垂直及び２つの対角方向）の勾配を比較することにより導出される。また、勾配の活性値Ａは、例えば、複数の方向の勾配を加算し、加算結果を量子化することにより導出される。
　このような分類の結果に基づいて、複数のフィルタの中からサブブロックのためのフィルタが決定される。
　ＡＬＦで用いられるフィルタの形状としては例えば円対称形状が利用される。図４Ａ～図４Ｃは、ＡＬＦで用いられるフィルタの形状の複数の例を示す図である。図４Ａは、５ｘ５ダイヤモンド形状フィルタを示し、図４Ｂは、７ｘ７ダイヤモンド形状フィルタを示し、図４Ｃは、９ｘ９ダイヤモンド形状フィルタを示す。フィルタの形状を示す情報は、ピクチャレベルで信号化される。なお、フィルタの形状を示す情報の信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はＣＵレベル）であってもよい。
　ＡＬＦのオン／オフは、例えば、ピクチャレベル又はＣＵレベルで決定される。例えば、輝度についてはＣＵレベルでＡＬＦを適用するか否かが決定され、色差についてはピクチャレベルでＡＬＦを適用するか否かが決定される。ＡＬＦのオン／オフを示す情報は、ピクチャレベル又はＣＵレベルで信号化される。なお、ＡＬＦのオン／オフを示す情報の信号化は、ピクチャレベル又はＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　選択可能な複数のフィルタ（例えば１５又は２５までのフィルタ）の係数セットは、ピクチャレベルで信号化される。なお、係数セットの信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル、ＣＴＵレベル、ＣＵレベル又はサブブロックレベル）であってもよい。
　［フレームメモリ］
　フレームメモリ１２２は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ１２２は、ループフィルタ部１２０によってフィルタされた再構成ブロックを格納する。
　［イントラ予測部］
　イントラ予測部１２４は、ブロックメモリ１１８に格納されたカレントピクチャ内のブロックを参照してカレントブロックのイントラ予測（画面内予測ともいう）を行うことで、予測信号（イントラ予測信号）を生成する。具体的には、イントラ予測部１２４は、カレントブロックに隣接するブロックのサンプル（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部１２８に出力する。
　例えば、イントラ予測部１２４は、予め規定された複数のイントラ予測モードのうちの１つを用いてイントラ予測を行う。複数のイントラ予測モードは、１以上の非方向性予測モードと、複数の方向性予測モードと、を含む。
　１以上の非方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ（Ｈｉｇｈ－Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）規格（非特許文献１）で規定されたＰｌａｎａｒ予測モード及びＤＣ予測モードを含む。
　複数の方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定された３３方向の予測モードを含む。なお、複数の方向性予測モードは、３３方向に加えてさらに３２方向の予測モード（合計で６５個の方向性予測モード）を含んでもよい。図５Ａは、イントラ予測における６７個のイントラ予測モード（２個の非方向性予測モード及び６５個の方向性予測モード）を示す図である。実線矢印は、Ｈ．２６５／ＨＥＶＣ規格で規定された３３方向を表し、破線矢印は、追加された３２方向を表す。
　なお、色差ブロックのイントラ予測において、輝度ブロックが参照されてもよい。つまり、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分が予測されてもよい。このようなイントラ予測は、ＣＣＬＭ（ｃｒｏｓｓ－ｃｏｍｐｏｎｅｎｔ　ｌｉｎｅａｒ　ｍｏｄｅｌ）予測と呼ばれることがある。このような輝度ブロックを参照する色差ブロックのイントラ予測モード（例えばＣＣＬＭモードと呼ばれる）は、色差ブロックのイントラ予測モードの１つとして加えられてもよい。
　イントラ予測部１２４は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正してもよい。このような補正をともなうイントラ予測は、ＰＤＰＣ（ｐｏｓｉｔｉｏｎ　ｄｅｐｅｎｄｅｎｔ　ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ　ｃｏｍｂｉｎａｔｉｏｎ）と呼ばれることがある。ＰＤＰＣの適用の有無を示す情報（例えばＰＤＰＣフラグと呼ばれる）は、例えばＣＵレベルで信号化される。なお、この情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　［インター予測部］
　インター予測部１２６は、フレームメモリ１２２に格納された参照ピクチャであってカレントピクチャとは異なる参照ピクチャを参照してカレントブロックのインター予測（画面間予測ともいう）を行うことで、予測信号（インター予測信号）を生成する。インター予測は、カレントブロック又はカレントブロック内のサブブロック（例えば４ｘ４ブロック）の単位で行われる。例えば、インター予測部１２６は、カレントブロック又はサブブロックについて参照ピクチャ内で動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）を行う。そして、インター予測部１２６は、動き探索により得られた動き情報（例えば動きベクトル）を用いて動き補償を行うことでカレントブロック又はサブブロックのインター予測信号を生成する。そして、インター予測部１２６は、生成されたインター予測信号を予測制御部１２８に出力する。
　動き補償に用いられた動き情報は信号化される。動きベクトルの信号化には、予測動きベクトル（ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｐｒｅｄｉｃｔｏｒ）が用いられてもよい。つまり、動きベクトルと予測動きベクトルとの間の差分が信号化されてもよい。
　なお、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号が生成されてもよい。具体的には、動き探索により得られた動き情報に基づく予測信号と、隣接ブロックの動き情報に基づく予測信号と、を重み付け加算することにより、カレントブロック内のサブブロック単位でインター予測信号が生成されてもよい。このようなインター予測（動き補償）は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）と呼ばれることがある。
　このようなＯＢＭＣモードでは、ＯＢＭＣのためのサブブロックのサイズを示す情報（例えばＯＢＭＣブロックサイズと呼ばれる）は、シーケンスレベルで信号化される。また、ＯＢＭＣモードを適用するか否かを示す情報（例えばＯＢＭＣフラグと呼ばれる）は、ＣＵレベルで信号化される。なお、これらの情報の信号化のレベルは、シーケンスレベル及びＣＵレベルに限定される必要はなく、他のレベル（例えばピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　ＯＢＭＣモードについて、より具体的に説明する。図５Ｂ及び図５Ｃは、ＯＢＭＣ処理による予測画像補正処理の概要を説明するためのフローチャート及び概念図である。
　まず、符号化対象ブロックに割り当てられた動きベクトル（ＭＶ）を用いて通常の動き補償による予測画像（Ｐｒｅｄ）を取得する。
　次に、符号化済みの左隣接ブロックの動きベクトル（ＭＶ＿Ｌ）を符号化対象ブロックに適用して予測画像（Ｐｒｅｄ＿Ｌ）を取得し、前記予測画像とＰｒｅｄ＿Ｌとを重みを付けて重ね合わせることで予測画像の１回目の補正を行う。
　同様に、符号化済みの上隣接ブロックの動きベクトル（ＭＶ＿Ｕ）を符号化対象ブロックに適用して予測画像（Ｐｒｅｄ＿Ｕ）を取得し、前記１回目の補正を行った予測画像とＰｒｅｄ＿Ｕとを重みを付けて重ね合わせることで予測画像の２回目の補正を行い、それを最終的な予測画像とする。
　なお、ここでは左隣接ブロックと上隣接ブロックを用いた２段階の補正の方法を説明したが、右隣接ブロックや下隣接ブロックを用いて２段階よりも多い回数の補正を行う構成とすることも可能である。
　なお、重ね合わせを行う領域はブロック全体の画素領域ではなく、ブロック境界近傍の一部の領域のみであってもよい。
　なお、ここでは１枚の参照ピクチャからの予測画像補正処理について説明したが、複数枚の参照ピクチャから予測画像を補正する場合も同様であり、各々の参照ピクチャから補正した予測画像を取得した後に、得られた予測画像をさらに重ね合わせることで最終的な予測画像とする。
　なお、前記処理対象ブロックは、予測ブロック単位であっても、予測ブロックをさらに分割したサブブロック単位であってもよい。
　ＯＢＭＣ処理を適用するかどうかの判定の方法として、例えば、ＯＢＭＣ処理を適用するかどうかを示す信号であるｏｂｍｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置において、符号化対象ブロックが動きの複雑な領域に属しているかどうかを判定し、動きの複雑な領域に属している場合はｏｂｍｃ＿ｆｌａｇとして値１を設定してＯＢＭＣ処理を適用して符号化を行い、動きの複雑な領域に属していない場合はｏｂｍｃ＿ｆｌａｇとして値０を設定してＯＢＭＣ処理を適用せずに符号化を行う。一方、復号化装置では、ストリームに記述されたｏｂｍｃ＿ｆｌａｇを復号化するとことで、その値に応じてＯＢＭＣ処理を適用するかどうかを切替えて復号化を行う。
　なお、動き情報は信号化されずに、復号装置側で導出されてもよい。例えば、Ｈ．２６５／ＨＥＶＣ規格で規定されたマージモードが用いられてもよい。また例えば、復号装置側で動き探索を行うことにより動き情報が導出されてもよい。この場合、カレントブロックの画素値を用いずに動き探索が行われる。
　ここで、復号装置側で動き探索を行うモードについて説明する。この復号装置側で動き探索を行うモードは、ＰＭＭＶＤ（ｐａｔｔｅｒｎ　ｍａｔｃｈｅｄ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｄｅｒｉｖａｔｉｏｎ）モード又はＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）モードと呼ばれることがある。
　ＦＲＵＣ処理の一例を図５Ｄに示す。まず、カレントブロックに空間的又は時間的に隣接する符号化済みブロックの動きベクトルを参照して、各々が予測動きベクトルを有する複数の候補のリスト（マージリストと共通であってもよい）が生成される。次に、候補リストに登録されている複数の候補ＭＶの中からベスト候補ＭＶを選択する。例えば、候補リストに含まれる各候補の評価値が算出され、評価値に基づいて１つの候補が選択される。
　そして、選択された候補の動きベクトルに基づいて、カレントブロックのための動きベクトルが導出される。具体的には、例えば、選択された候補の動きベクトル（ベスト候補ＭＶ）がそのままカレントブロックのための動きベクトルとして導出される。また例えば、選択された候補の動きベクトルに対応する参照ピクチャ内の位置の周辺領域において、パターンマッチングを行うことにより、カレントブロックのための動きベクトルが導出されてもよい。すなわち、ベスト候補ＭＶの周辺の領域に対して同様の方法で探索を行い、さらに評価値が良い値となるＭＶがあった場合は、ベスト候補ＭＶを前記ＭＶに更新して、それをカレントブロックの最終的なＭＶとしてもよい。なお、当該処理を実施しない構成とすることも可能である。
　サブブロック単位で処理を行う場合も全く同様の処理としてもよい。
　なお、評価値は、動きベクトルに対応する参照ピクチャ内の領域と、所定の領域との間のパターンマッチングによって再構成画像の差分値を求めることにより算出される。なお、差分値に加えてそれ以外の情報を用いて評価値を算出してもよい。
　パターンマッチングとしては、第１パターンマッチング又は第２パターンマッチングが用いられる。第１パターンマッチング及び第２パターンマッチングは、それぞれ、バイラテラルマッチング（ｂｉｌａｔｅｒａｌ　ｍａｔｃｈｉｎｇ）及びテンプレートマッチング（ｔｅｍｐｌａｔｅ　ｍａｔｃｈｉｎｇ）と呼ばれることがある。
　第１パターンマッチングでは、異なる２つの参照ピクチャ内の２つのブロックであってカレントブロックの動き軌道（ｍｏｔｉｏｎ　ｔｒａｊｅｃｔｏｒｙ）に沿う２つのブロックの間でパターンマッチングが行われる。したがって、第１パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントブロックの動き軌道に沿う他の参照ピクチャ内の領域が用いられる。
　図６は、動き軌道に沿う２つのブロック間でのパターンマッチング（バイラテラルマッチング）の一例を説明するための図である。図６に示すように、第１パターンマッチングでは、カレントブロック（Ｃｕｒ　ｂｌｏｃｋ）の動き軌道に沿う２つのブロックであって異なる２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）内の２つのブロックのペアの中で最もマッチするペアを探索することにより２つの動きベクトル（ＭＶ０、ＭＶ１）が導出される。具体的には、カレントブロックに対して、候補ＭＶで指定された第１の符号化済み参照ピクチャ（Ｒｅｆ０）内の指定位置における再構成画像と、前記候補ＭＶを表示時間間隔でスケーリングした対称ＭＶで指定された第２の符号化済み参照ピクチャ（Ｒｅｆ１）内の指定位置における再構成画像との差分を導出し、得られた差分値を用いて評価値を算出する。複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶを最終ＭＶとして選択するとよい。
　連続的な動き軌道の仮定の下では、２つの参照ブロックを指し示す動きベクトル（ＭＶ０、ＭＶ１）は、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）との間の時間的な距離（ＴＤ０、ＴＤ１）に対して比例する。例えば、カレントピクチャが時間的に２つの参照ピクチャの間に位置し、カレントピクチャから２つの参照ピクチャへの時間的な距離が等しい場合、第１パターンマッチングでは、鏡映対称な双方向の動きベクトルが導出される。
　第２パターンマッチングでは、カレントピクチャ内のテンプレート（カレントピクチャ内でカレントブロックに隣接するブロック（例えば上及び／又は左隣接ブロック））と参照ピクチャ内のブロックとの間でパターンマッチングが行われる。したがって、第２パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントピクチャ内のカレントブロックに隣接するブロックが用いられる。
　図７は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）の一例を説明するための図である。図７に示すように、第２パターンマッチングでは、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）内でカレントブロック（Ｃｕｒ　ｂｌｏｃｋ）に隣接するブロックと最もマッチするブロックを参照ピクチャ（Ｒｅｆ０）内で探索することによりカレントブロックの動きベクトルが導出される。具体的には、カレントブロックに対して、左隣接および上隣接の両方もしくはどちらか一方の符号化済み領域の再構成画像と、候補ＭＶで指定された符号化済み参照ピクチャ（Ｒｅｆ０）内の同等位置における再構成画像との差分を導出し、得られた差分値を用いて評価値を算出し、複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶをベスト候補ＭＶとして選択するとよい。
　このようなＦＲＵＣモードを適用するか否かを示す情報（例えばＦＲＵＣフラグと呼ばれる）は、ＣＵレベルで信号化される。また、ＦＲＵＣモードが適用される場合（例えばＦＲＵＣフラグが真の場合）、パターンマッチングの方法（第１パターンマッチング又は第２パターンマッチング）を示す情報（例えばＦＲＵＣモードフラグと呼ばれる）がＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　ここで、等速直線運動を仮定したモデルに基づいて動きベクトルを導出するモードについて説明する。このモードは、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）モードと呼ばれることがある。
　図８は、等速直線運動を仮定したモデルを説明するための図である。図８において、（ｖｘ，ｖｙ）は、速度ベクトルを示し、τ０、τ１は、それぞれ、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）との間の時間的な距離を示す。（ＭＶｘ０，ＭＶｙ０）は、参照ピクチャＲｅｆ０に対応する動きベクトルを示し、（ＭＶｘ１、ＭＶｙ１）は、参照ピクチャＲｅｆ１に対応する動きベクトルを示す。
　このとき速度ベクトル（ｖｘ，ｖｙ）の等速直線運動の仮定の下では、（ＭＶｘ０，ＭＶｙ０）及び（ＭＶｘ１，ＭＶｙ１）は、それぞれ、（ｖｘτ０，ｖｙτ０）及び（－ｖｘτ１，－ｖｙτ１）と表され、以下のオプティカルフロー等式（１）が成り立つ。
Figure JPOXMLDOC01-appb-M000001
　ここで、Ｉ（ｋ）は、動き補償後の参照画像ｋ（ｋ＝０，１）の輝度値を示す。このオプティカルフロー等式は、（i）輝度値の時間微分と、（ii）水平方向の速度及び参照画像の空間勾配の水平成分の積と、（iii）垂直方向の速度及び参照画像の空間勾配の垂直成分の積と、の和が、ゼロと等しいことを示す。このオプティカルフロー等式とエルミート補間（Ｈｅｒｍｉｔｅ　ｉｎｔｅｒｐｏｌａｔｉｏｎ）との組み合わせに基づいて、マージリスト等から得られるブロック単位の動きベクトルが画素単位で補正される。
　なお、等速直線運動を仮定したモデルに基づく動きベクトルの導出とは異なる方法で、復号装置側で動きベクトルが導出されてもよい。例えば、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルが導出されてもよい。
　ここで、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出するモードについて説明する。このモードは、アフィン動き補償予測（ａｆｆｉｎｅ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ　ｐｒｅｄｉｃｔｉｏｎ）モードと呼ばれることがある。
　図９Ａは、複数の隣接ブロックの動きベクトルに基づくサブブロック単位の動きベクトルの導出を説明するための図である。図９Ａにおいて、カレントブロックは、１６の４ｘ４サブブロックを含む。ここでは、隣接ブロックの動きベクトルに基づいてカレントブロックの左上角制御ポイントの動きベクトルｖ０が導出され、隣接サブブロックの動きベクトルに基づいてカレントブロックの右上角制御ポイントの動きベクトルｖ１が導出される。そして、２つの動きベクトルｖ０及びｖ１を用いて、以下の式（２）により、カレントブロック内の各サブブロックの動きベクトル（ｖｘ，ｖｙ）が導出される。
Figure JPOXMLDOC01-appb-M000002
　ここで、ｘ及びｙは、それぞれ、サブブロックの水平位置及び垂直位置を示し、ｗは、予め定められた重み係数を示す。
　このようなアフィン動き補償予測モードでは、左上及び右上角制御ポイントの動きベクトルの導出方法が異なるいくつかのモードを含んでもよい。このようなアフィン動き補償予測モードを示す情報（例えばアフィンフラグと呼ばれる）は、ＣＵレベルで信号化される。なお、このアフィン動き補償予測モードを示す情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　［予測制御部］
　予測制御部１２８は、イントラ予測信号及びインター予測信号のいずれかを選択し、選択した信号を予測信号として減算部１０４及び加算部１１６に出力する。
　ここで、マージモードにより符号化対象ピクチャの動きベクトルを導出する例を説明する。図９Ｂは、マージモードによる動きベクトル導出処理の概要を説明するための図である。
　まず、予測ＭＶの候補を登録した予測ＭＶリストを生成する。予測ＭＶの候補としては、符号化対象ブロックの空間的に周辺に位置する複数の符号化済みブロックが持つＭＶである空間隣接予測ＭＶ、符号化済み参照ピクチャにおける符号化対象ブロックの位置を投影した近辺のブロックが持つＭＶである時間隣接予測ＭＶ、空間隣接予測ＭＶと時間隣接予測ＭＶのＭＶ値を組合わせて生成したＭＶである結合予測ＭＶ、および値がゼロのＭＶであるゼロ予測ＭＶ等がある。
　次に、予測ＭＶリストに登録されている複数の予測ＭＶの中から１つの予測ＭＶを選択することで、符号化対象ブロックのＭＶとして決定する。
　さらに可変長符号化部では、どの予測ＭＶを選択したかを示す信号であるｍｅｒｇｅ＿ｉｄｘをストリームに記述して符号化する。
　なお、図９Ｂで説明した予測ＭＶリストに登録する予測ＭＶは一例であり、図中の個数とは異なる個数であったり、図中の予測ＭＶの一部の種類を含まない構成であったり、図中の予測ＭＶの種類以外の予測ＭＶを追加した構成であったりしてもよい。
　なお、マージモードにより導出した符号化対象ブロックのＭＶを用いて、後述するＤＭＶＲ処理を行うことによって最終的なＭＶを決定してもよい。
　ここで、ＤＭＶＲ処理を用いてＭＶを決定する例について説明する。
　図９Ｃは、ＤＭＶＲ処理の概要を説明するための概念図である。
　まず、処理対象ブロックに設定された最適ＭＶＰを候補ＭＶとして、前記候補ＭＶに従って、Ｌ０方向の処理済みピクチャである第１参照ピクチャ、およびＬ１方向の処理済みピクチャである第２参照ピクチャから参照画素をそれぞれ取得し、各参照画素の平均をとることでテンプレートを生成する。
　次に、前記テンプレートを用いて、第１参照ピクチャおよび第２参照ピクチャの候補ＭＶの周辺領域をそれぞれ探索し、最もコストが最小となるＭＶを最終的なＭＶとして決定する。なお、コスト値はテンプレートの各画素値と探索領域の各画素値との差分値およびＭＶ値等を用いて算出する。
　なお、符号化装置および復号化装置では、ここで説明した処理の概要は基本的に共通である。
　なお、ここで説明した処理そのものでなくても、候補ＭＶの周辺を探索して最終的なＭＶを導出することができる処理であれば、他の処理を用いてもよい。
　ここで、ＬＩＣ処理を用いて予測画像を生成するモードについて説明する。
　図９Ｄは、ＬＩＣ処理による輝度補正処理を用いた予測画像生成方法の概要を説明するための図である。
　まず、符号化済みピクチャである参照ピクチャから符号化対象ブロックに対応する参照画像を取得するためのＭＶを導出する。
　次に、符号化対象ブロックに対して、左隣接および上隣接の符号化済み周辺参照領域の輝度画素値と、ＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とを用いて、参照ピクチャと符号化対象ピクチャとで輝度値がどのように変化したかを示す情報を抽出して輝度補正パラメータを算出する。
　ＭＶで指定された参照ピクチャ内の参照画像に対して前記輝度補正パラメータを用いて輝度補正処理を行うことで、符号化対象ブロックに対する予測画像を生成する。
　なお、図９Ｄにおける前記周辺参照領域の形状は一例であり、これ以外の形状を用いてもよい。
　また、ここでは１枚の参照ピクチャから予測画像を生成する処理について説明したが、複数枚の参照ピクチャから予測画像を生成する場合も同様であり、各々の参照ピクチャから取得した参照画像に同様の方法で輝度補正処理を行ってから予測画像を生成する。
　ＬＩＣ処理を適用するかどうかの判定の方法として、例えば、ＬＩＣ処理を適用するかどうかを示す信号であるｌｉｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置において、符号化対象ブロックが輝度変化が発生している領域に属しているかどうかを判定し、輝度変化が発生している領域に属している場合はｌｉｃ＿ｆｌａｇとして値１を設定してＬＩＣ処理を適用して符号化を行い、輝度変化が発生している領域に属していない場合はｌｉｃ＿ｆｌａｇとして値０を設定してＬＩＣ処理を適用せずに符号化を行う。一方、復号化装置では、ストリームに記述されたｌｉｃ＿ｆｌａｇを復号化するとことで、その値に応じてＬＩＣ処理を適用するかどうかを切替えて復号化を行う。
　ＬＩＣ処理を適用するかどうかの判定の別の方法として、例えば、周辺ブロックでＬＩＣ処理を適用したかどうかに従って判定する方法もある。具体的な一例としては、符号化対象ブロックがマージモードであった場合、マージモード処理におけるＭＶの導出の際に選択した周辺の符号化済みブロックがＬＩＣ処理を適用して符号化したかどうかを判定し、その結果に応じてＬＩＣ処理を適用するかどうかを切替えて符号化を行う。なお、この例の場合、復号化における処理も全く同様となる。
　［復号装置の概要］
　次に、上記の符号化装置１００から出力された符号化信号（符号化ビットストリーム）を復号可能な復号装置の概要について説明する。図１０は、実施の形態１に係る復号装置２００の機能構成を示すブロック図である。復号装置２００は、動画像／画像をブロック単位で復号する動画像／画像復号装置である。
　図１０に示すように、復号装置２００は、エントロピー復号部２０２と、逆量子化部２０４と、逆変換部２０６と、加算部２０８と、ブロックメモリ２１０と、ループフィルタ部２１２と、フレームメモリ２１４と、イントラ予測部２１６と、インター予測部２１８と、予測制御部２２０と、を備える。
　復号装置２００は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、エントロピー復号部２０２、逆量子化部２０４、逆変換部２０６、加算部２０８、ループフィルタ部２１２、イントラ予測部２１６、インター予測部２１８及び予測制御部２２０として機能する。また、復号装置２００は、エントロピー復号部２０２、逆量子化部２０４、逆変換部２０６、加算部２０８、ループフィルタ部２１２、イントラ予測部２１６、インター予測部２１８及び予測制御部２２０に対応する専用の１以上の電子回路として実現されてもよい。
　以下に、復号装置２００に含まれる各構成要素について説明する。
　［エントロピー復号部］
　エントロピー復号部２０２は、符号化ビットストリームをエントロピー復号する。具体的には、エントロピー復号部２０２は、例えば、符号化ビットストリームから二値信号に算術復号する。そして、エントロピー復号部２０２は、二値信号を多値化（ｄｅｂｉｎａｒｉｚｅ）する。これにより、エントロピー復号部２０２は、ブロック単位で量子化係数を逆量子化部２０４に出力する。
　［逆量子化部］
　逆量子化部２０４は、エントロピー復号部２０２からの入力である復号対象ブロック（以下、カレントブロックという）の量子化係数を逆量子化する。具体的には、逆量子化部２０４は、カレントブロックの量子化係数の各々について、当該量子化係数に対応する量子化パラメータに基づいて当該量子化係数を逆量子化する。そして、逆量子化部２０４は、カレントブロックの逆量子化された量子化係数（つまり変換係数）を逆変換部２０６に出力する。
　［逆変換部］
　逆変換部２０６は、逆量子化部２０４からの入力である変換係数を逆変換することにより予測誤差を復元する。
　例えば符号化ビットストリームから読み解かれた情報がＥＭＴ又はＡＭＴを適用することを示す場合（例えばＡＭＴフラグが真）、逆変換部２０６は、読み解かれた変換タイプを示す情報に基づいてカレントブロックの変換係数を逆変換する。
　また例えば、符号化ビットストリームから読み解かれた情報がＮＳＳＴを適用することを示す場合、逆変換部２０６は、変換係数に逆再変換を適用する。
　［加算部］
　加算部２０８は、逆変換部２０６からの入力である予測誤差と予測制御部２２０からの入力である予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部２０８は、再構成されたブロックをブロックメモリ２１０及びループフィルタ部２１２に出力する。
　［ブロックメモリ］
　ブロックメモリ２１０は、イントラ予測で参照されるブロックであって復号対象ピクチャ（以下、カレントピクチャという）内のブロックを格納するための記憶部である。具体的には、ブロックメモリ２１０は、加算部２０８から出力された再構成ブロックを格納する。
　［ループフィルタ部］
　ループフィルタ部２１２は、加算部２０８によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ２１４及び表示装置等に出力する。
　符号化ビットストリームから読み解かれたＡＬＦのオン／オフを示す情報がＡＬＦのオンを示す場合、局所的な勾配の方向及び活性度に基づいて複数のフィルタの中から１つのフィルタが選択され、選択されたフィルタが再構成ブロックに適用される。
　［フレームメモリ］
　フレームメモリ２１４は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ２１４は、ループフィルタ部２１２によってフィルタされた再構成ブロックを格納する。
　［イントラ予測部］
　イントラ予測部２１６は、符号化ビットストリームから読み解かれたイントラ予測モードに基づいて、ブロックメモリ２１０に格納されたカレントピクチャ内のブロックを参照してイントラ予測を行うことで、予測信号（イントラ予測信号）を生成する。具体的には、イントラ予測部２１６は、カレントブロックに隣接するブロックのサンプル（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部２２０に出力する。
　なお、色差ブロックのイントラ予測において輝度ブロックを参照するイントラ予測モードが選択されている場合は、イントラ予測部２１６は、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分を予測してもよい。
　また、符号化ビットストリームから読み解かれた情報がＰＤＰＣの適用を示す場合、イントラ予測部２１６は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正する。
　［インター予測部］
　インター予測部２１８は、フレームメモリ２１４に格納された参照ピクチャを参照して、カレントブロックを予測する。予測は、カレントブロック又はカレントブロック内のサブブロック（例えば４ｘ４ブロック）の単位で行われる。例えば、インター予測部２１８は、符号化ビットストリームから読み解かれた動き情報（例えば動きベクトル）を用いて動き補償を行うことでカレントブロック又はサブブロックのインター予測信号を生成し、インター予測信号を予測制御部２２０に出力する。
　なお、符号化ビットストリームから読み解かれた情報がＯＢＭＣモードを適用することを示す場合、インター予測部２１８は、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号を生成する。
　また、符号化ビットストリームから読み解かれた情報がＦＲＵＣモードを適用することを示す場合、インター予測部２１８は、符号化ストリームから読み解かれたパターンマッチングの方法（バイラテラルマッチング又はテンプレートマッチング）に従って動き探索を行うことにより動き情報を導出する。そして、インター予測部２１８は、導出された動き情報を用いて動き補償を行う。
　また、インター予測部２１８は、ＢＩＯモードが適用される場合に、等速直線運動を仮定したモデルに基づいて動きベクトルを導出する。また、符号化ビットストリームから読み解かれた情報がアフィン動き補償予測モードを適用することを示す場合には、インター予測部２１８は、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出する。
　［予測制御部］
　予測制御部２２０は、イントラ予測信号及びインター予測信号のいずれかを選択し、選択した信号を予測信号として加算部２０８に出力する。
　［符号化装置及び復号装置によって行われる画面間予測］
　図１１は、図１に示された符号化装置１００によって行われる画面間予測に関連する処理を説明するためのブロック図である。例えば、図１に示された分割部１０２によって入力画像はブロック単位で分割される。そして、ブロック毎に処理が行われる。
　減算部１０４は、ブロック単位の入力画像と、画面内予測又は画面間予測によって生成された予測画像との差分を取得することにより、差分画像を生成する。そして、変換部１０６及び量子化部１０８は、差分画像に対して変換及び量子化を行うことにより、係数信号を生成する。エントロピー符号化部１１０は、生成された係数信号、及び、その他の符号化信号に対してエントロピー符号化を行うことにより、符号化ストリーム（符号化ビットストリーム）を生成する。
　一方、逆量子化部１１２及び逆変換部１１４は、生成された係数信号に対して逆量子化及び逆変換を行うことにより、差分画像を復元する。画面内予測部（イントラ予測部）１２４は、画面内予測によって予測画像を生成し、画面間予測部（インター予測部）１２６は、画面間予測によって予測画像を生成する。加算部１１６は、画面内予測によって生成された予測画像、及び、画面間予測によって生成された予測画像のうち一方と、復元された差分画像とを加算することにより、再構成画像を生成する。
　また、画面内予測部１２４は、処理されたブロックの再構成画像を後に処理される別のブロックの画面内予測に用いる。また、ループフィルタ部１２０は、処理されたブロックの再構成画像に対してループフィルタを適用して、ループフィルタが適用された再構成画像をフレームメモリ１２２に格納する。そして、画面間予測部１２６は、後に処理される別のピクチャにおける別のブロックの画面間予測に、フレームメモリ１２２に格納された再構成画像を用いる。
　また、画面間予測部１２６は、外部から設定された画面間予測制御信号に従って画面間予測を行う。ここでは、画面間予測制御信号として、ＦＲＵＣ制御情報及び有効モード情報等が用いられる。そして、エントロピー符号化部１１０は、ＦＲＵＣ制御情報及び有効モード情報等を画面間予測制御信号としてストリームへ符号化する。
　上記のＦＲＵＣ制御情報は、画面間予測において用いられる動きベクトルを導出する方式を示す情報である。例えば、ＦＲＵＣ制御情報は、動きベクトルを導出する複数の方式のうちのいずれかを示す。また、ＦＲＵＣ制御情報は、上述されたような、ＦＲＵＣモードを適用するか否かを示す情報、及び、パターンマッチングの方法を示す情報に対応する。
　また、上記の有効モード情報は、Ｕｎｉモード及びＢｉモードのうち有効なモードを示す。これらのモードは、処理対象ブロックの１対の動きベクトルをバイラテラルＦＲＵＣ方式で導出する際に、処理対象ブロックの１対の動きベクトルに対する複数対の動きベクトル候補の導出において用いられる導出モードである。
　具体的には、Ｕｎｉモードは、処理済みブロックの１つの動きベクトルから２つの動きベクトル候補を導出し、導出された２つの動きベクトル候補で構成される１対の動きベクトル候補を生成するモードである。Ｂｉモードは、処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ２つの動きベクトル候補を導出し、導出された２つの動きベクトル候補で構成される１対の動きベクトル候補を生成するモードである。
　また、例えば、ＦＲＵＣ制御情報は、処理対象ブロックのヘッダ層へ符号化されてもよいし、処理対象スライスのヘッダ層へ符号化されてもよいし、処理対象ピクチャのヘッダ層へ符号化されてもよいし、処理対象ストリームのヘッダ層へ符号化されてもよい。同様に、有効モード情報は、処理対象ブロックのヘッダ層へ符号化されてもよいし、処理対象スライスのヘッダ層へ符号化されてもよいし、処理対象ピクチャのヘッダ層へ符号化されてもよいし、処理対象ストリームのヘッダ層へ符号化されてもよい。
　また、画面間予測制御信号は、符号化装置１００の外部から設定されてもよい。例えば、画面間予測制御信号は、処理性能に従って定められてもよい。また、ＦＲＵＣ制御情報及び有効モード情報等が予め定められている場合、画面間予測制御信号が用いられなくてもよい。そして、この場合、画面間予測制御信号が符号化されなくてもよい。
　また、画面間予測制御信号は、符号化装置１００の外部から設定されることに限られず、符号化装置１００の内部で設定されてもよい。例えば、画面間予測部１２６が画面間予測制御信号を設定してもよい。具体的には、画面間予測部１２６は、画面間予測制御信号の設定候補に従って生成される予測画像と入力画像との適合度合いに従って、画面間予測制御信号の設定候補を評価してもよい。そして、画面間予測部１２６は、評価結果に従って、画面間予測制御信号を設定してもよい。
　なお、予測画像と入力画像との間の適合度合いは、予測画像と入力画像との間の差によって評価され得る。本実施の形態等で説明されるその他の画像間の適合度合いも同様に画像間の差によって評価され得る。
　図１２は、図１０に示された復号装置２００によって行われる画面間予測に関連する処理を説明するためのブロック図である。エントロピー復号部２０２によって、符号化ストリームである入力ストリームに対してエントロピー復号が行われることにより、ブロック単位で情報が取得される。そして、ブロック毎に処理が行われる。
　逆量子化部２０４及び逆変換部２０６は、ブロック毎に復号された係数信号に対して逆量子化及び逆変換を行うことにより、差分画像を復元する。
　画面内予測部（イントラ予測部）２１６は、画面内予測によって予測画像を生成し、画面間予測部（インター予測部）２１８は、画面間予測によって予測画像を生成する。加算部２０８は、画面内予測によって生成された予測画像、及び、画面間予測によって生成された予測画像のうち一方と、復元された差分画像とを加算することにより、再構成画像を生成する。
　また、画面内予測部２１６は、処理されたブロックの再構成画像を後に処理される別のブロックの画面内予測に用いる。また、ループフィルタ部２１２は、処理されたブロックの再構成画像に対してループフィルタを適用して、ループフィルタが適用された再構成画像をフレームメモリ２１４に格納する。そして、画面間予測部２１８は、後に処理される別のピクチャにおける別のブロックの画面間予測に、フレームメモリ２１４に格納された再構成画像を用いる。
　また、画面間予測部２１８は、エントロピー復号によって入力ストリームから取得された画面間予測制御信号に従って画面間予測を行う。ここでは、画面間予測制御信号として、ＦＲＵＣ制御情報及び有効モード情報等が用いられる。つまり、エントロピー復号部２０２は、ストリームからＦＲＵＣ制御情報及び有効モード情報等を画面間予測制御信号として復号する。
　また、ＦＲＵＣ制御情報は、処理対象ブロックのヘッダ層から復号されてもよいし、処理対象スライスのヘッダ層から復号されてもよいし、処理対象ピクチャのヘッダ層から復号されてもよいし、処理対象ストリームのヘッダ層から復号されてもよい。同様に、有効モード情報は、処理対象ブロックのヘッダ層から復号されてもよいし、処理対象スライスのヘッダ層から復号されてもよいし、処理対象ピクチャのヘッダ層から復号されてもよいし、処理対象ストリームのヘッダ層から復号されてもよい。
　また、符号化装置１００に設定された画面間予測制御信号が、復号装置２００の外部から設定されてもよい。また、ＦＲＵＣ制御情報及び有効モード情報等が、符号化装置１００と復号装置２００とで同じように、予め定められている場合、画面間予測制御信号が用いられなくてもよい。そして、この場合、画面間予測制御信号が復号されなくてもよい。
　符号化装置１００及び復号装置２００のそれぞれにおいて、処理対象ブロックの画面間予測において処理済みピクチャが参照ピクチャとして参照され得る。具体的には、複数の処理済みピクチャのそれぞれが、Ｌ０及びＬ１と呼ばれる２つの参照ピクチャリストの一方又は両方に参照ピクチャとして含められる。そして、処理対象ブロックの画面間予測において、参照ピクチャリストＬ０に含まれる参照ピクチャ、参照ピクチャリストＬ１に含まれる参照ピクチャ、又は、これらの両方が参照され得る。
　１つのブロックに対して参照ピクチャリストＬ０に含まれる参照ピクチャと、参照ピクチャリストＬ１に含まれる参照ピクチャとの両方が参照される画面間予測は双予測と呼ばれる。また、これらの一方が参照される画面間予測は単予測と呼ばれる。具体的には、参照ピクチャリストＬ０に含まれる参照ピクチャが参照される画面間予測はＬ０予測と呼ばれる。参照ピクチャリストＬ１に含まれる参照ピクチャが参照される画面間予測はＬ１予測と呼ばれる。
　例えば、処理対象ピクチャよりも表示順で前の複数の処理済みピクチャが参照ピクチャリストＬ０に含められ、処理対象ピクチャよりも表示順で後の複数の処理済みピクチャが参照ピクチャリストＬ１に含められる。この場合、参照ピクチャリストＬ０が、前方に対応し、参照ピクチャリストＬ１が後方に対応する。ここでは、基本的に、この関係に従って説明が行われる。
　ただし、上記の関係は、反対であってもよい。また、２つの参照ピクチャリストＬ０、Ｌ１の両方が、処理対象ピクチャよりも表示順で前の複数の処理済みピクチャを含んでいてもよい。この場合、参照ピクチャリストＬ０、Ｌ１の両方が前方に対応する。あるいは、２つの参照ピクチャリストＬ０、Ｌ１の両方が、処理対象ピクチャよりも表示順で後の複数の処理済みピクチャを含んでいてもよい。この場合、参照ピクチャリストＬ０、Ｌ１の両方が後方に対応する。
　さらに、参照ピクチャリストＬ０は、処理対象ピクチャよりも表示順で前の複数の処理済みピクチャ、及び、処理対象ピクチャよりも表示順で後の複数の処理済みピクチャを含んでいてもよい。同様に、参照ピクチャリストＬ１は、処理対象ピクチャよりも表示順で前の複数の処理済みピクチャ、及び、処理対象ピクチャよりも表示順で後の複数の処理済みピクチャを含んでいてもよい。
　また、参照ピクチャリストＬ０に含まれる参照ピクチャが参照される際に、参照ピクチャリストＬ０に対応する動きベクトルが用いられる。ここでは、参照ピクチャリストＬ０に対応する動きベクトルをＬ０動きベクトルと呼ぶ場合がある。また、参照ピクチャリストＬ０に含まれる参照ピクチャをＬ０参照ピクチャと呼ぶ場合がある。Ｌ０動きベクトルは、Ｌ０参照ピクチャおける領域を指し示す。
　同様に、参照ピクチャリストＬ１に含まれる参照ピクチャが参照される際に、参照ピクチャリストＬ１に対応する動きベクトルが用いられる。ここでは、参照ピクチャリストＬ１に対応する動きベクトルをＬ１動きベクトルと呼ぶ場合がある。また、参照ピクチャリストＬ１に含まれる参照ピクチャをＬ１参照ピクチャと呼ぶ場合がある。Ｌ１動きベクトルは、Ｌ１参照ピクチャおける領域を指し示す。
　また、表示順で前方の参照ピクチャに対応する動きベクトルであって、表示順で前方の参照ピクチャおける領域を指し示す動きベクトルを前方動きベクトルと呼ぶ場合がある。同様に、表示順で後方の参照ピクチャに対応する動きベクトルであって、表示順で後方の参照ピクチャおける領域を指し示す動きベクトルを後方動きベクトルと呼ぶ場合がある。
　また、画面間予測は、ピクチャ間予測、フレーム間予測又はインター予測とも呼ばれる。画面内予測は、ピクチャ内予測、フレーム内予測又はイントラ予測とも呼ばれる。
　以下の図１３～図２０等では、主に符号化装置１００の動作が示されているが、復号装置２００の動作も基本的に同じである。特に、復号装置２００の画面間予測部２１８は、符号化装置１００の画面間予測部１２６と同様に動作する。
　ただし、符号化装置１００は、画面間予測に用いられるＦＲＵＣ制御情報及び有効モード情報等をストリームに符号化する。ＦＲＵＣ制御情報及び有効モード情報等は、外部から予め設定されていてもよいし、符号化装置１００自身によって予め設定されてもよい。一方、復号装置２００は、画面間予測に用いられるＦＲＵＣ制御情報及び有効モード情報等をストリームから復号する。
　また、符号化装置１００が、画面間予測に関する情報を符号化し、復号装置２００が、画面間予測に関する情報を復号する場合がある。例えば、通常画面間予測方式において、符号化装置１００は、画面間予測のための動きベクトルの情報を符号化し、復号装置２００は、画面間予測のための動きベクトルの情報を復号してもよい。
　上記の動きベクトルの情報は、動きベクトルに関連する情報であって、直接的又は間接的に動きベクトルを示す。例えば、動きベクトルの情報は、動きベクトル自体を示してもよいし、動きベクトル及び予測動きベクトルの間の差である差分動きベクトルと、予測動きベクトルの識別子とを示してもよい。
　また、図１３～図２０等では、ブロック毎に行われる処理が示されている。このブロックは、予測ブロックとも称される。ブロックは、符号化及び復号が行われる画像データ単位であってもよいし、再構成が行われる画像データ単位であってもよい。あるいは、以下の説明におけるブロックは、より細かい画像データ単位であってもよく、サブブロックと呼ばれる画像データ単位であってもよい。
　また、図１３～図２０等の説明において、ブロックの動きベクトルは、そのブロックに割り当てられた動きベクトルであって、そのブロックを符号化又は復号するための動きベクトルである。ブロックの１対の動きベクトルは、そのブロックに割り当てられた１対の動きベクトルであって、そのブロックを双予測で符号化又は復号するための動きベクトルである。
　例えば、ブロックが双予測で符号化される場合、ブロックの１対の動きベクトルを構成する２つの動きベクトルによって２つの画像が参照され、これらの２つの画像の重み付け平均等によって予測画像が生成される。また、ブロックが単予測で符号化される場合、ブロックの１つの動きベクトルによって１つの画像が参照され、予測画像が生成される。そして、予測画像と原画像との差分の符号化又は復号が行われることで、ブロックの符号化又は復号が行われる。
　また、図１３～図２０等の説明において、処理対象ブロック及び処理済みピクチャ等に対応する処理は、例えば、符号化又は復号の処理であって、予測処理を含んでいてもよいし、再構成処理を含んでいてもよい。
　図１３は、符号化装置１００によって行われる画面間予測に関連する処理を示すフローチャートである。主に、符号化装置１００における画面間予測部１２６が図１３に示された処理を行う。
　具体的には、図１３のように、画面間予測部１２６は、ブロック毎に処理を行う。例えば、ＦＲＵＣ制御情報が０を示す場合（Ｓ１０１で０）、画面間予測部１２６は、通常画面間予測方式に従って処理対象ブロックの動きベクトル（ＭＶ）を導出する（Ｓ１０２）。
　また、ＦＲＵＣ制御情報が１を示す場合（Ｓ１０１で１）、画面間予測部１２６は、テンプレートＦＲＵＣ方式に従って処理対象ブロックの動きベクトルを導出する（Ｓ１０３）。また、ＦＲＵＣ制御情報が２を示す場合（Ｓ１０１で２）、画面間予測部１２６は、バイラテラルＦＲＵＣ方式に従って処理対象ブロックの動きベクトルを導出する（Ｓ１０４）。
　そして、画面間予測部１２６は、処理対象ブロックの動きベクトルを用いて処理対象ブロックの画面間予測画像を取得する（Ｓ１０５）。その後、エントロピー符号化部１１０によって、処理対象ブロックの原画像と、処理対象ブロックの画面間予測画像との差分である差分画像が符号化されることにより、処理対象ブロックが符号化される。
　なお、上記の説明におけるＦＲＵＣ制御情報は、通常画面間予測方式を０として示し、テンプレートＦＲＵＣ方式を１として示し、バイラテラルＦＲＵＣ方式を２として示す。ただし、これらの番号及び分類は一例であり、これらの番号及び分類とは異なる番号及び分類が用いられてもよい。
　また、本実施の形態では、テンプレートＦＲＵＣ方式が用いられなくてもよいし、通常画面間予測方式が用いられなくてもよい。例えば、バイラテラルＦＲＵＣ方式のみが用いられてもよい。あるいは、通常画面間予測方式及びバイラテラルＦＲＵＣ方式のみが用いられてもよい。
　図１４は、符号化装置１００がバイラテラルＦＲＵＣ方式で動きベクトルを導出する処理の第１具体例を示すフローチャートである。主に、符号化装置１００における画面間予測部１２６が図１４に示された処理を行う。特に、バイラテラルＦＲＵＣ方式は、処理対象ブロックの動きベクトルに関する情報をストリームに符号化せず、複数の処理済みピクチャのみを参照し、動画像の符号化処理及び復号処理の間で共通の方法で、動きベクトルを導出する方式である。
　具体的には、画面間予測部１２６は、時間的又は空間的に処理対象ブロックの周辺に位置する複数のブロックであり画面間予測で符号化された複数のブロックである複数の周辺ブロックの複数の動きベクトルを参照して、動きベクトル候補リストを生成する。ここで、動きベクトル候補リストは、処理対象ブロックの１対の動きベクトルに対する複数対の動きベクトル候補で構成される。
　また、複数対の動きベクトル候補を構成する１対の動きベクトル候補は、処理対象ブロックの２つの動きベクトルに対する２つの動きベクトル候補で構成される。すなわち、１対の動きベクトル候補は、処理対象ブロックのＬ０動きベクトルに対する動きベクトル候補であるＬ０動きベクトル候補と、処理対象ブロックのＬ１動きベクトルに対する動きベクトル候補であるＬ１動きベクトル候補とで構成される。
　画面間予測部１２６は、動きベクトル候補リストを生成する際、複数の周辺ブロックのそれぞれについて、以下の処理を行う。
　まず、画面間予測部１２６は、周辺ブロックが双予測で符号化されたブロックであるか否かを判定する（Ｓ２０１）。
　周辺ブロックが双予測で符号化されたブロックでない場合（Ｓ２０１でＮｏ）、すなわち、周辺ブロックが単予測で符号化されたブロックである場合、画面間予測部１２６は、Ｕｎｉモードで１対の動きベクトル候補を生成する。すなわち、この場合、画面間予測部１２６は、周辺ブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を生成する（Ｓ２０２）。
　例えば、周辺ブロックの１つの動きベクトルが、前方に対応するＬ０動きベクトルである場合、画面間予測部１２６は、周辺ブロックの１つの動きベクトルを反転させる。これにより、画面間予測部１２６は、周辺ブロックの１つの動きベクトルから、後方に対応するＬ１動きベクトルを導出する。
　また、例えば、周辺ブロックの１つの動きベクトルが、後方に対応するＬ１動きベクトルである場合、画面間予測部１２６は、周辺ブロックの１つの動きベクトルを反転させる。これにより、画面間予測部１２６は、周辺ブロックの１つの動きベクトルから前方に対応するＬ０動きベクトルを導出する。
　これにより、画面間予測部１２６は、周辺ブロックの１つの動きベクトルから、前方に対応するＬ０動きベクトルと、後方に対応するＬ１動きベクトルとを２つの動きベクトル候補として導出する。画面間予測部１２６は、前方に対応するＬ０動きベクトルと、後方に対応するＬ１動きベクトルとのそれぞれをスケーリングして、２つの動きベクトル候補を導出してもよい。そして、画面間予測部１２６は、２つの動きベクトル候補で構成される１対の動きベクトル候補を生成する。
　周辺ブロックが双予測で符号化されたブロックである場合（Ｓ２０１でＹｅｓ）、画面間予測部１２６は、Ｂｉモードで１対の動きベクトル候補を生成する。すなわち、この場合、画面間予測部１２６は、周辺ブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を生成する（Ｓ２０３）。
　例えば、画面間予測部１２６は、周辺ブロックの２つの動きベクトルのうち前方に対応するＬ０動きベクトルを前方に対応するＬ０動きベクトル候補として導出する。また、画面間予測部１２６は、周辺ブロックの２つの動きベクトルのうち後方に対応するＬ１動きベクトルを後方に対応するＬ１動きベクトル候補として導出する。
　画面間予測部１２６は、周辺ブロックの２つの動きベクトルのうち前方に対応するＬ０動きベクトルと後方に対応するＬ１動きベクトルとのそれぞれをスケーリングして、２つの動きベクトル候補を導出してもよい。そして、画面間予測部１２６は、２つの動きベクトル候補で構成される１対の動きベクトル候補を生成する。
　画面間予測部１２６は、複数の周辺ブロックのそれぞれについて上記の処理を行うことにより、複数対の動きベクトル候補で構成される動きベクトル候補リストを生成する。
　そして、画面間予測部１２６は、動きベクトル候補リストを構成する複数対の動きベクトル候補の中から、１対の動きベクトル候補を選択する（Ｓ２０４）。その際、例えば、画面間予測部１２６は、複数対の動きベクトル候補のそれぞれについて、評価値を算出し、評価値が最も良い１対の動きベクトル候補を選択する。
　ここで、評価値が良いことは、評価が良いこと、すなわち評価が高いことに対応する。評価値がより小さいほど、評価値がより良くてもよい。あるいは、評価値がより大きいほど、評価値がより良くてもよい。また、評価値が最も良い１対の動きベクトル候補は、ベスト候補とも表現され得る。
　さらに、画面間予測部１２６は、選択された１対の動きベクトル候補の周辺から、評価値がより良い１対の動きベクトル候補を探索する（Ｓ２０５）。１対の動きベクトル候補の周辺は、１対の動きベクトル候補に近い所定の範囲を意味する。例えば、１対の動きベクトル候補の周辺は、１対の動きベクトル候補の２つの動きベクトル候補のそれぞれについて、動きベクトル候補が示す位置から所定の範囲内の位置を示すベクトルの範囲であってもよい。
　そして、画面間予測部１２６は、評価値がより良い１対の動きベクトル候補を処理対象ブロックの１対の動きベクトル候補として導出する。
　符号化装置１００における画面間予測部１２６は、上記の動作によって、バイラテラルＦＲＵＣ方式に基づく動きベクトルを導出することができる。
　上記の説明において、時間的又は空間的に処理対象ブロックの周辺に位置する複数のブロックは、時間的又は空間的に処理対象ブロックから所定範囲に位置する複数のブロックであってもよい。あるいは、時間的又は空間的に処理対象ブロックの周辺に位置する複数のブロックは、時間的又は空間的に処理対象ブロックに隣接する複数のブロックであってもよい。
　また、時間的に処理対象ブロックに隣接するブロックは、ｃｏ－ｌｏｃａｔｅｄブロックと呼ばれるブロックであってもよい。すなわち、時間的に処理対象ブロックに隣接するブロックは、表示順で処理対象ピクチャの直前又は直後の処理済みピクチャにおいて、処理対象ブロックに位置が対応するブロックであってもよい。
　また、動きベクトルのスケーリングは、例えば、周辺ブロックからその参照先のピクチャまでの時間的距離に対する、処理対象ブロックからその参照先のピクチャまでの時間的距離の比に従って行われる。
　ここで、周辺ブロックからその参照先のピクチャまでの時間的距離は、周辺ブロックを含むピクチャの表示時刻から、周辺ブロックから参照されるピクチャの表示時刻までの間隔である。処理対象ブロックからその参照先のピクチャまでの時間的距離は、処理対象ブロックを含みピクチャの表示時刻から、処理対象ブロックから参照されるピクチャの表示時刻までの間隔である。
　また、前方及び後方のうち１方向のみに対応する双予測で周辺ブロックが符号化されたブロックである場合、画面間予測部１２６は、Ｂｉモードで１対の動きベクトル候補を生成してもよい。あるいは、この場合、画面間予測部１２６は、周辺ブロックの１対の動きベクトルを構成する２つの動きベクトルのうちの１つを用いて、Ｕｎｉモードで１対の動きベクトル候補を生成してもよい。
　また、１方向のみに対応する双予測で処理対象ブロックが符号化される場合であって、周辺ブロックの１つの動きベクトルも同じ方向に対応する場合、画面間予測部１２６は周辺ブロックの１つの動きベクトルを反転せずに動きベクトル候補を導出してもよい。例えば、この場合、画面間予測部１２６は、処理対象ブロックから参照される各処理済みピクチャまでの時間的距離に従って周辺ブロックの１つの動きベクトルを反転せずにスケーリングすることによって、２つの動きベクトル候補を導出してもよい。
　また、周辺の探索処理（Ｓ２０５）は、行われなくてもよい。この場合、画面間予測部１２６は、複数対の動きベクトル候補の中から選択された１対の動きベクトル候補を処理対象ブロックの１対の動きベクトル候補として導出する。
　また、例えば、画面間予測部１２６は、１対の動きベクトル候補の選択（Ｓ２０４）において、Ｕｎｉモードで導出される１対の動きベクトル候補と、Ｂｉモードで導出される１対の動きベクトル候補とを同一の評価尺度で比較する。すなわち、Ｕｎｉモードで導出される１対の動きベクトル候補と、Ｂｉモードで導出される１対の動きベクトル候補とをそれらの互いに対応する評価値で比較する。そして、画面間予測部１２６は、比較の結果に従って、１対の動きベクトル候補を選択する。
　具体的には、例えば、画面間予測部１２６は、Ｕｎｉモードで導出される複数対のＵｎｉモード動きベクトル候補と、Ｂｉモードで導出される複数対のＢｉモード動きベクトル候補とを含む複数対の動きベクトル候補を生成する（Ｓ２０１～Ｓ２０３）。
　そして、１対の動きベクトル候補の選択（Ｓ２０４）において、画面間予測部１２６は、複数対のＵｎｉモード動きベクトル候補のそれぞれについて、Ｕｎｉモード評価値算出方法に従って、Ｕｎｉモード評価値を算出する。そして、画面間予測部１２６は、複数対のＵｎｉモード動きベクトル候補の中から、Ｕｎｉモード評価値が最も良い１対のＵｎｉモード動きベクトル候補を選択する。この１対のＵｎｉモード動きベクトル候補は、Ｕｎｉベスト候補又はＭＶ＿ｕｎｉ＿ｂｅｓｔとも表現され得る。
　また、画面間予測部１２６は、複数対のＵｎｉモード動きベクトル候補のそれぞれについて、Ｂｉモード評価値算出方法に従って、Ｂｉモード評価値を算出する。基本的には、Ｂｉモード評価値算出方法は、Ｕｎｉモード評価値算出方法とは異なる。そして、画面間予測部１２６は、複数対のＢｉモード動きベクトル候補の中から、Ｂｉモード評価値が最も良い１対のＢｉモード動きベクトル候補を選択する。この１対のＢｉモード動きベクトル候補は、Ｂｉベスト候補又はＭＶ＿ｂｉ＿ｂｅｓｔとも表現され得る。
　その後、画面間予測部１２６は、Ｕｎｉモード評価値が最も良い１対のＵｎｉモード動きベクトル候補と、Ｂｉモード評価値が最も良い１対のＢｉモード動きベクトル候補とをそれらの互いに対応する評価値で比較する。ここで、例えば、互いに対応する評価値として、この１対のＵｎｉモード動きベクトル候補、及び、この１対のＢｉモード動きベクトル候補から、それぞれ、共通の算出方法で算出される評価値が用いられてもよい。
　あるいは、上記の１対のＵｎｉモード動きベクトル候補（Ｕｎｉベスト候補）のＵｎｉモード評価値、及び、上記の１対のＢｉモード動きベクトル候補（Ｂｉベスト候補）から算出される比較対象評価値が用いられてもよい。例えば、この比較対象評価値は、上記の１対のＢｉモード動きベクトル候補（Ｂｉベスト候補）からＢｉモード評価値算出方法とは異なる算出方法で算出される。
　あるいは、上記の１対のＵｎｉモード動きベクトル候補（Ｕｎｉベスト候補）から算出される比較対象評価値、及び、上記の１対のＢｉモード動きベクトル候補（Ｂｉベスト候補）のＢｉモード評価値が用いられてもよい。例えば、この比較対象評価値は、上記の１対のＵｎｉモード動きベクトル候補（Ｕｎｉベスト候補）からＵｎｉモード評価値算出方法とは異なる算出方法で算出される。
　そして、画面間予測部１２６は、比較の結果に従って、Ｕｎｉモード評価値が最も良い１対のＵｎｉモード動きベクトル候補と、Ｂｉモード評価値が最も良い１対のＢｉモード動きベクトル候補とのうち一方を選択する。上記の動作により、画面間予測部１２６は、複数対のＵｎｉモード動きベクトル候補と、複数対のＢｉモード動きベクトル候補とを含む複数対の動きベクトル候補の中から、１対の動きベクトル候補を選択することができる。
　あるいは、画面間予測部１２６は、複数対のＵｎｉモード動きベクトル候補と、複数対のＢｉモード動きベクトル候補とを含む複数対の動きベクトル候補の全体の中から、それらの互いに対応する評価値に従って、１対の動きベクトル候補を選択してもよい。ここで、互いに対応する評価値として、複数対の動きベクトル候補から、それぞれ、共通の算出方法で算出される評価値が用いられてもよい。これにより、複数対の動きベクトル候補が、同一の評価尺度で評価される。
　図１５は、符号化装置１００の画面間予測部１２６において用いられるＵｎｉモード評価値算出方法の例を説明するための概念図である。
　この例において、画面間予測部１２６は、Ｌ０動きベクトルｍｖＬ０とＬ１動きベクトル－ｍｖＬ０とで構成される１対のＵｎｉモード動きベクトル候補から、Ｕｎｉモード評価値を算出する。Ｌ１動きベクトル－ｍｖＬ０は、Ｌ０動きベクトルｍｖＬ０をスケーリングすることで得られる。例えば、Ｌ１動きベクトル－ｍｖＬ０は、Ｌ０動きベクトルｍｖＬ０をスケーリングによって反転することで得られる。Ｌ１動きベクトル－ｍｖＬ０は、Ｌ０動きベクトルｍｖＬ０の対称動きベクトルとも表現され得る。
　Ｕｎｉモード評価値の算出において、画面間予測部１２６は、Ｌ０対応領域の再構成画像と、Ｌ１対応領域の再構成画像との差分を導出する。ここで、Ｌ０対応領域は、処理対象ブロックからＬ０動きベクトルｍｖＬ０によってＬ０参照ピクチャにおいて指し示される領域である。また、Ｌ１対応領域は、処理対象ブロックからＬ１動きベクトル－ｍｖＬ０によってＬ１参照ピクチャにおいて指し示される領域である。
　そして、画面間予測部１２６は、導出された差分を用いて、Ｕｎｉモード評価値を算出する。具体的には、画面間予測部１２６は、差分が小さいほど、より高い評価を示す評価値をＵｎｉモード評価値として算出する。言い換えれば、画面間予測部１２６は、差分が小さいほど良いＵｎｉモード評価値を算出する。Ｕｎｉモード評価値は、導出された差分であってもよい。
　画面間予測部１２６は、Ｌ０対応領域の再構成画像と、Ｌ１対応領域の再構成画像との差分の情報に加えて、その他の情報を用いて、Ｕｎｉモード評価値を算出してもよい。
　図１６は、符号化装置１００の画面間予測部１２６において用いられるＢｉモード評価値算出方法の例を説明するための概念図である。
　この例において、画面間予測部１２６は、Ｌ０動きベクトルｍｖＬ０とＬ１動きベクトルｍｖＬ１とで構成される１対のＢｉモード動きベクトル候補から、Ｂｉモード評価値を算出する。Ｌ０動きベクトルｍｖＬ０とＬ１動きベクトルｍｖＬ１とは、周辺ブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補である。
　Ｂｉモード評価値の算出において、画面間予測部１２６は、Ｌ０動きベクトルｍｖＬ０と、Ｌ１動きベクトルｍｖＬ１と、Ｌ０参照ピクチャ、及び、Ｌ１参照ピクチャを用いて、動き補償を行うことにより、基準テンプレートを生成する。その際、画面間予測部１２６は、処理対象ピクチャからＬ０参照ピクチャまでの表示間隔、及び、処理対象ピクチャからＬ１参照ピクチャまでの表示間隔に従って、Ｌ０参照ピクチャ及びＬ１参照ピクチャの重み付けを行ってもよい。基準テンプレートは、予測画像候補とも表現され得る。
　基準テンプレートは、Ｌ０対応領域の再構成画像と、Ｌ１対応領域の再構成画像との平均であってもよいし、これらの重み付け平均であってもよい。ここで、Ｌ０対応領域は、処理対象ブロックからＬ０動きベクトルｍｖＬ０によってＬ０参照ピクチャにおいて指し示される領域である。また、Ｌ１対応領域は、処理対象ブロックからＬ１動きベクトルｍｖＬ１によってＬ１参照ピクチャにおいて指し示される領域である。
　そして、画面間予測部１２６は、基準テンプレートと、Ｌ０対応領域の再構成画像との差分、及び、基準テンプレートと、Ｌ１対応領域の再構成画像との差分を導出する。
　そして、例えば、画面間予測部１２６は、導出された２つの差分の合計値を用いて、Ｂｉモード評価値を算出する。具体的には、画面間予測部１２６は、２つの差分の合計値が小さいほど、より高い評価を示す評価値をＢｉモード評価値として算出する。言い換えれば、画面間予測部１２６は、２つの差分の合計値が小さいほど良いＢｉモード評価値を算出する。Ｂｉモード評価値は、導出された２つの差分の合計値であってもよい。
　画面間予測部１２６は、導出された２つの差分の情報に加えて、その他の情報を用いて、Ｂｉモード評価値を算出してもよい。
　Ｕｎｉモード評価値算出方法では、等速運動が想定されており、Ｌ０対応領域の再構成画像と、Ｌ１対応領域の再構成画像との適合度合いが高いほど、Ｕｎｉモード評価値が良い。Ｂｉモード評価値算出方法では、Ｌ０対応領域の再構成画像と、Ｌ１対応領域の再構成画像とが異なることが想定されており、処理対象ブロックの画像に近いと想定される予測画像候補である基準テンプレートに近いほど、Ｂｉモード評価値が良い。
　したがって、図１５に示されたＵｎｉモード評価値算出方法と、図１６に示されたＢｉモード評価値算出方法とは異なっている。よって、Ｕｎｉモード評価値と、Ｂｉモード評価値とにおいて、評価尺度が異なる場合があり、これらの比較が困難な場合がある。そこで、１対のＵｎｉモード動きベクトル候補と、１対のＢｉモード動きベクトル候補とを同一の評価尺度で評価するため、次のような方法が用いられる。
　例えば、１対のＵｎｉモード動きベクトル候補の評価値の算出に、Ｕｎｉモード評価値算出方法に代えて、Ｂｉモード評価値算出方法が用いられてもよい。
　この場合、図１５の例において、画面間予測部１２６は、Ｌ０動きベクトルｍｖＬ０と、Ｌ１動きベクトル－ｍｖＬ０と、Ｌ０参照ピクチャ、及び、Ｌ１参照ピクチャを用いて、動き補償を行うことにより、基準テンプレートを生成する。そして、画面間予測部１２６は、基準テンプレートと、Ｌ０対応領域の再構成画像との差分、及び、基準テンプレートと、Ｌ１対応領域の再構成画像との差分を導出する。
　そして、例えば、画面間予測部１２６は、導出された２つの差分の合計値を用いて、評価値を算出する。この評価値が、図１６の例において導出されるＢｉモード評価値と比較される。
　あるいは、図１６の例における１対のＢｉモード動きベクトル候補の評価値の算出に、基準テンプレートと、Ｌ０対応領域の再構成画像との差分、及び、基準テンプレートと、Ｌ１対応領域の再構成画像との差分の平均が用いられてもよい。具体的には、画面間予測部１２６は、基準テンプレートと、Ｌ０対応領域の再構成画像との差分、及び、基準テンプレートと、Ｌ１対応領域の再構成画像との差分の平均を評価値として導出してもよい。
　この評価値が、図１５の例において導出されるＵｎｉモード評価値と比較される。また、画面間予測部１２６は、これらの平均を導出する際に、Ｌ０参照ピクチャ及びＬ１参照ピクチャの重み付けを行ってもよい。
　具体的には、処理対象ピクチャからＬ０参照ピクチャまでの表示間隔、及び、処理対象ピクチャからＬ１参照ピクチャまでの表示間隔に従って、重み付けが行われてもよい。また、Ｌ０参照ピクチャの量子化パラメータ、及び、Ｌ１参照ピクチャの量子化パラメータに従って、重み付けが行われてもよい。また、階層符号化におけるＬ０参照ピクチャ及びＬ１参照ピクチャのそれぞれの階層（Ｔｅｍｐｏｒａｌ　Ｌａｙｅｒ）に従って、重み付けが行われてもよい。
　あるいは、図１６の例における１対のＢｉモード動きベクトル候補の評価値の算出に、Ｌ０対応領域の再構成画像と、Ｌ１参照ピクチャにおける比較対象領域の再構成画像との差分が用いられてもよい。
　ここで、Ｌ１参照ピクチャにおける比較対象領域は、Ｌ１参照ピクチャにおいて、Ｌ０対応領域に対し、再構成画像の差分が最も小さい領域であってもよい。あるいは、比較対象領域は、Ｌ０動きベクトルｍｖＬ０の対称動きベクトルであるＬ１動きベクトル－ｍｖＬ０によって処理対象ブロックからＬ１参照ピクチャにおいて指し示される領域であってもよい。
　具体的には、画面間予測部１２６は、Ｌ１参照ピクチャにおいて比較対象領域を探索し、Ｌ０対応領域の再構成画像と、比較対象領域の再構成画像との差分を評価値として算出する。この評価値が、図１５の例において導出されるＵｎｉモード評価値と比較される。
　上記において、Ｌ０とＬ１とが入れ替えられてもよい。すなわち、図１６の例における１対のＢｉモード動きベクトル候補の評価値の算出に、Ｌ１対応領域の再構成画像と、Ｌ０参照ピクチャにおける比較対象領域の再構成画像との差分が用いられてもよい。そして、Ｌ１対応領域の再構成画像と、比較対象領域の再構成画像との差分が評価値としてＵｎｉモード評価値と比較されてもよい。
　あるいは、１対のＢｉモード動きベクトル候補の評価値の算出に、Ｂｉモード評価値算出方法に代えて、Ｕｎｉモード評価値算出方法が用いられてもよい。この場合、図１６の例において、画面間予測部１２６は、Ｌ０対応領域の再構成画像と、Ｌ１対応領域の再構成画像との差分を導出する。そして、画面間予測部１２６は、導出された差分を用いて、差分が小さいほどより高い評価を示す評価値を算出する。この評価値が、図１５の例において導出されるＵｎｉモード評価値と比較される。
　上記のような方法によって、１対のＵｎｉモード動きベクトル候補と、１対のＢｉモード動きベクトル候補とが、同一の評価尺度で評価される。また、上記のような方法を用いて、複数対のＵｎｉモード動きベクトル候補と、複数対のＢｉモード動きベクトル候補とを含む複数対の動きベクトル候補の全てが同一の評価尺度でそれぞれ評価されてもよい。
　図１７は、符号化装置１００が動きベクトル候補リストを生成するための周辺ブロックの例を示す概念図である。例えば、符号化装置１００の画面間予測部１２６は、処理対象ブロックに対して空間的に隣接する４つのブロックである隣接ブロックＡ、Ｂ、Ｃ及びＤの複数の動きベクトルに基づいて、動きベクトル候補リストを生成する。
　また、隣接ブロックＡは、前方に対応するＬ０動きベクトルｍｖＬ０ａ、及び、後方に対応するＬ１動きベクトルｍｖＬ１ａで構成される１対の動きベクトルを用いて双予測で符号化されたブロックである。また、隣接ブロックＢは、単予測で符号化されたブロックであって、より具体的には、前方に対応するＬ０動きベクトルｍｖＬ０ｂを用いて、Ｌ０予測で符号化されたブロックである。
　また、隣接ブロックＣは、前方に対応するＬ０動きベクトルｍｖＬ０ｃ、及び、後方に対応するＬ１動きベクトルｍｖＬ１ｃで構成される１対の動きベクトルを用いて双予測で符号化されたブロックである。また、隣接ブロックＤは、前方に対応するＬ０動きベクトルｍｖＬ０ｄ、及び、後方に対応するＬ１動きベクトルｍｖＬ１ｄで構成される１対の動きベクトルを用いて双予測で符号化されたブロックである。
　また、この例の前提として、隣接ブロックＡ、Ｂ、Ｃ及びＤのそれぞれの画面間予測に用いられたＬ０参照ピクチャは、処理対象ブロックの画面間予測に用いられるＬ０参照ピクチャと同じである。また、隣接ブロックＡ、Ｃ及びＤのそれぞれの画面間予測に用いられたＬ１参照ピクチャは、処理対象ブロックの画面間予測に用いられるＬ１参照ピクチャと同じである。したがって、動きベクトルの大きさがスケーリングによって変更されなくてもよい。
　この場合、符号化装置１００における画面間予測部１２６は、隣接ブロックＡについて、Ｌ０動きベクトルｍｖＬ０ａをＬ０動きベクトル候補として導出し、Ｌ１動きベクトルｍｖＬ１ａをＬ１動きベクトル候補として導出する。また、画面間予測部１２６は、隣接ブロックＢについて、Ｌ０動きベクトルｍｖＬ０ｂをＬ０動きベクトル候補として導出し、Ｌ０動きベクトルｍｖＬ０ｂを反転することにより、Ｌ１動きベクトル－ｍｖＬ０ｂをＬ１動きベクトル候補として導出する。
　また、画面間予測部１２６は、隣接ブロックＣについて、Ｌ０動きベクトルｍｖＬ０ｃをＬ０動きベクトル候補として導出し、Ｌ１動きベクトルｍｖＬ１ｃをＬ１動きベクトル候補として導出する。また、画面間予測部１２６は、隣接ブロックＤについて、Ｌ０動きベクトルｍｖＬ０ｄをＬ０動きベクトル候補として導出し、Ｌ１動きベクトルｍｖＬ１ｄをＬ１動きベクトル候補として導出する。
　図１８は、符号化装置１００が生成する動きベクトル候補リストの例を示すデータテーブル図である。具体的には、図１８において、符号化装置１００における画面間予測部１２６によって図１７の例に従って生成された動きベクトル候補リストが示されている。
　この例において、画面間予測部１２６は、隣接ブロックＡの１対の動きベクトルから、１対の動きベクトル候補を導出している。しかし、画面間予測部１２６は、隣接ブロックＡの１対の動きベクトルから、３対の動きベクトル候補を導出してもよい。
　具体的には、画面間予測部１２６は、さらに、Ｌ０動きベクトルｍｖＬ０ａをＬ０動きベクトル候補として導出し、かつ、Ｌ０動きベクトルｍｖＬ０ａを反転することにより、Ｌ１動きベクトル－ｍｖＬ０ａをＬ１動きベクトル候補として導出してもよい。また、画面間予測部１２６は、さらに、Ｌ１動きベクトルｍｖＬ１ａを反転することにより、Ｌ０動きベクトル－ｍｖＬ１ａをＬ０動きベクトル候補として導出し、かつ、Ｌ１動きベクトルｍｖＬ１ａをＬ１動きベクトル候補として導出してもよい。
　すなわち、画面間予測部１２６は、隣接ブロックＡについて、（ｍｖＬ０ａ、ｍｖＬ１ａ）、（ｍｖＬ０ａ、－ｍｖＬ０ａ）及び（－ｍｖＬ１ａ、ｍｖＬ１ａ）で表現される３対の動きベクトル候補を生成してもよい。画面間予測部１２６は、隣接ブロックＣ及びＤのそれぞれについても、隣接ブロックＡと同様に、３対の動きベクトル候補を生成してもよい。
　また、画面間予測部１２６は、動きベクトルをスケーリングすることにより、他の動きベクトル候補を導出してもよい。そして、画面間予測部１２６は、１対の動きベクトルから、４対以上の動きベクトル候補を生成してもよい。
　図１９は、実施の形態１に係るバイラテラルＦＲＵＣ方式で動きベクトルを導出する処理の第２具体例を示すフローチャートである。本具体例は、図１４に示された第１具体例と同様であるが、周辺ブロックが双予測で符号化されたブロックでない場合（Ｓ２０１でＮｏ）、候補の生成処理が行われない。言い換えれば、周辺ブロックが単予測で符号化されたブロックである場合、周辺ブロックの１つの動きベクトルから候補が生成されない。
　また、本具体例では、Ｕｎｉモードが無効であって、Ｂｉモードが有効である。そのため、１対の動きベクトル候補は、周辺ブロックの１つの動きベクトルから生成されず、周辺ブロックの１対の動きベクトルから生成される。また、１対の動きベクトル候補は、周辺ブロックの１対の動きベクトルを構成する２つの動きベクトルの一方から生成されず、周辺ブロックの１対の動きベクトルを構成する２つの動きベクトルの両方から生成される。
　そして、１対の動きベクトル候補の選択（Ｓ２０４）において、画面間予測部１２６は、図１６に示されたＢｉモード評価値算出方法を用いて算出されるＢｉモード評価値に従って、複数対の動きベクトル候補の中から１対の動きベクトル候補を選択する。画面間予測部１２６は、Ｕｎｉモード評価値を算出しなくてもよい。
　図２０は、実施の形態１に係るバイラテラルＦＲＵＣ方式で動きベクトルを導出する処理の第３具体例を示すフローチャートである。本具体例は、図１４に示された第１具体例と同様である。
　ただし、Ｕｎｉモードが有効である場合に、Ｕｎｉモードで候補が生成され、Ｕｎｉモードが無効である場合に、Ｕｎｉモードで候補が生成されない（Ｓ２１２）。また、Ｂｉモードが有効である場合に、Ｂｉモードで候補が生成され、Ｂｉモードが無効である場合に、Ｂｉモードで候補が生成されない（Ｓ２１３）。
　また、符号化装置１００のエントロピー符号化部１１０は、Ｕｎｉモード及びＢｉモードのうち有効なモードを示す有効モード情報を符号化する（Ｓ２０６）。例えば、有効モード情報は、Ｕｎｉモードが有効であり、Ｂｉモードが無効であることを示してもよいし、Ｂｉモードが有効であり、Ｕｎｉモードが無効であることを示してもよいし、Ｕｎｉモード及びＢｉモードの両方が有効であることを示してもよい。
　図２０の例では、処理対象ブロックの１対の動きベクトルが導出された後に、有効モード情報が符号化されているが、処理対象ブロックの１対の動きベクトルが導出される前に、有効モード情報が符号化されてもよい。
　また、復号装置２００のエントロピー復号部２０２は、有効モード情報を復号する。そして、符号化装置１００と同様に、Ｕｎｉモードが有効であるか否か、及び、Ｂｉモードが有効であるか否かに従って、候補の生成処理が制御される。
　［符号化装置の実装例］
　図２１は、実施の形態１に係る符号化装置１００の実装例を示すブロック図である。符号化装置１００は、回路１６０及びメモリ１６２を備える。例えば、図１及び図１１に示された符号化装置１００の複数の構成要素は、図２１に示された回路１６０及びメモリ１６２によって実装される。
　回路１６０は、情報処理を行う回路であり、メモリ１６２にアクセス可能な回路である。例えば、回路１６０は、動画像を符号化する専用又は汎用の電子回路である。回路１６０は、ＣＰＵのようなプロセッサであってもよい。また、回路１６０は、複数の電子回路の集合体であってもよい。また、例えば、回路１６０は、図１等に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリ１６２は、回路１６０が動画像を符号化するための情報が記憶される専用又は汎用のメモリである。メモリ１６２は、電子回路であってもよく、回路１６０に接続されていてもよい。また、メモリ１６２は、回路１６０に含まれていてもよい。また、メモリ１６２は、複数の電子回路の集合体であってもよい。また、メモリ１６２は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリ１６２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリ１６２には、符号化される動画像が記憶されてもよいし、符号化された動画像に対応するビット列が記憶されてもよい。また、メモリ１６２には、回路１６０が動画像を符号化するためのプログラムが記憶されていてもよい。
　また、例えば、メモリ１６２は、図１等に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリ１６２は、図１に示されたブロックメモリ１１８及びフレームメモリ１２２の役割を果たしてもよい。より具体的には、メモリ１６２には、再構成済みブロック（処理済みブロック）及び再構成済みピクチャ（処理済みピクチャ）等が記憶されてもよい。
　なお、符号化装置１００において、図１等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図１等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。そして、符号化装置１００において、図１等に示された複数の構成要素のうちの一部が実装され、上述された複数の処理の一部が行われることによって、双予測のための１対の動きベクトルが効率的に導出される。
　図２２は、図２１に示された符号化装置１００の動作例を示すフローチャートである。例えば、図２１に示された符号化装置１００は、動画像を符号化する際、図２２に示された動作を行う。具体的には、符号化装置１００の回路１６０は、動画像を構成する複数のピクチャのうち処理対象ピクチャに含まれる処理対象ブロックの１対の動きベクトルを導出する（Ｓ３０１）。そして、回路１６０は、処理対象ブロックの１対の動きベクトルを用いて双予測で処理対象ブロックを符号化する（Ｓ３０２）。
　図２３は、図２２に示された動作例における動きベクトル導出処理（Ｓ３０１）を示すフローチャートである。例えば、図２１に示された符号化装置１００は、動きベクトル導出処理（Ｓ３０１）において、図２３に示された動作を行う。
　具体的には、符号化装置１００の回路１６０は、処理対象ブロックの１対の動きベクトルに対する複数対の動きベクトル候補を生成する（Ｓ３１１）。そして、回路１６０は、複数対の動きベクトル候補の中から、複数のピクチャのうち複数の処理済みピクチャのみを参照して、特定の１対の動きベクトル候補を選択する（Ｓ３１２）。そして、回路１６０は、特定の１対の動きベクトル候補から、処理対象ブロックの１対の動きベクトルを導出する（Ｓ３１３）。
　また、回路１６０は、複数対の動きベクトル候補の生成（Ｓ３１１）において、複数の処理済みブロックのそれぞれについて、処理済みブロックが処理済みブロックの１対の動きベクトルを用いて双予測で符号化されたブロックであるか否かを判定する。ここで、複数の処理済みブロックのそれぞれは、空間的又は時間的に処理対象ブロックの周辺に位置する処理済みブロックである。
　そして、回路１６０は、処理済みブロックが処理済みブロックの１対の動きベクトルを用いて双予測で符号化されたブロックである場合、処理済みブロックの１対の動きベクトルから１対の動きベクトル候補を生成する。その際、回路１６０は、処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を複数対の動きベクトル候補のうちの１対として生成する。
　これにより、符号化装置１００は、処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を生成することができる。このような１対の動きベクトル候補は、処理対象ブロックの双予測のための１対の動きベクトルとして適切であることが期待される。符号化装置１００は、このような１対の動きベクトル候補を用いて、双予測のための１対の動きベクトルを適切に導出することができる。
　また、例えば、回路１６０は、各処理済みブロックについて、処理済みブロックが処理済みブロックの１対の動きベクトルを用いて双予測で符号化されたブロックである場合、処理済みブロックの１対の動きベクトルから３対の動きベクトル候補を生成してもよい。３対の動きベクトル候補のうちの１対は、処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される。
　また、３対の動きベクトル候補のうちの１対は、処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルのうちの一方から導出される２つの動きベクトル候補で構成される。また、３対の動きベクトル候補のうちの１対は、処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルのうちの他方から導出される２つの動きベクトル候補で構成される。
　これにより、符号化装置１００は、処理済みブロックの１対の動きベクトルから３対の動きベクトル候補を生成することができる。したがって、符号化装置１００は、複数対の動きベクトル候補における対（ペア）の数を増やすことができる。よって、符号化装置１００は、双予測のための１対の動きベクトルをより適切に導出することができる。
　また、例えば、複数対の動きベクトル候補は、１対以上の第１モード動きベクトル候補と、１対以上の第２モード動きベクトル候補とを含んでいてもよい。
　ここで、１対以上の第１モード動きベクトル候補のそれぞれは、単予測又は双予測で符号化された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である。また、１対以上の第２モード動きベクトル候補のそれぞれは、双予測で符号化された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である。
　そして、回路１６０は、１対の第１モード動きベクトル候補によって複数の処理済みピクチャから導出される２つの第１モード対応画像の差に従って、第１モード評価値を算出してもよい。そして、回路１６０は、１対の第２モード動きベクトル候補によって複数の処理済みピクチャから導出される２つの第２モード対応画像のそれぞれと、２つの第２モード対応画像から導出される予測画像候補との差に従って、第２モード評価値を算出してもよい。
　そして、回路１６０は、第１モード評価値が最も良い特定の１対の第１モード動きベクトル候補、又は、第２モード評価値が最も良い特定の１対の第２モード動きベクトル候補を特定の１対の動きベクトル候補として選択してもよい。
　これにより、符号化装置１００は、１対以上の第１モード動きベクトル候補、及び、１対以上の第２モード動きベクトル候補を含む複数対の動きベクトル候補から、１対の動きベクトルを導出することができる。その際、符号化装置１００は、第１モード評価値が最も良い特定の１対の第１モード動きベクトル候補、又は、第２モード評価値が最も良い特定の１対の第２モード動きベクトル候補を選択して用いることができる。したがって、符号化装置１００は、１対の動きベクトルを適切に導出することができる。
　また、例えば、回路１６０は、共通の算出方法に従って、特定の１対の第１モード動きベクトル候補及び特定の１対の第２モード動きベクトル候補のそれぞれから評価値を算出してもよい。この共通の算出方法は、特定の１対の第１モード動きベクトル候補及び特定の１対の第２モード動きベクトル候補の間で共通の算出方法である。
　そして、回路１６０は、特定の１対の第１モード動きベクトル候補及び特定の１対の第２モード動きベクトル候補のうち評価値がより良い１対の動きベクトル候補を特定の１対の動きベクトル候補として選択してもよい。
　これにより、符号化装置１００は、共通の算出方法に基づく評価値に従って、特定の１対の第１モード動きベクトル候補、又は、特定の１対の第２モード動きベクトル候補を適切に選択することができる。
　また、例えば、回路１６０は、特定の１対の第１モード動きベクトル候補の第１モード評価値が、比較対象評価値よりも良い場合、特定の１対の第１モード動きベクトル候補を選択してもよい。ここでの比較対象評価値は、特定の１対の第２モード動きベクトル候補から第２モード評価値の算出方法とは異なる算出方法に従って算出される評価値である。
　これにより、符号化装置１００は、第１モード評価値と比較対象評価値との比較の結果に従って、特定の１対の第１モード動きベクトル候補、又は、特定の１対の第２モード動きベクトル候補を適切に選択することができる。
　また、例えば、回路１６０は、特定の１対の第２モード動きベクトル候補の第２モード評価値が、比較対象評価値よりも良い場合、特定の１対の第２モード動きベクトル候補を選択してもよい。ここでの比較対象評価値は、特定の１対の第１モード動きベクトル候補から第１モード評価値の算出方法とは異なる算出方法に従って算出される評価値である。
　これにより、符号化装置１００は、第２モード評価値と比較対象評価値との比較の結果に従って、特定の１対の第１モード動きベクトル候補、又は、特定の１対の第２モード動きベクトル候補を適切に選択することができる。
　また、例えば、回路１６０は、１対以上の第１モード動きベクトル候補と、１対以上の第２モード動きベクトル候補とを含む複数対の動きベクトル候補の間で共通の算出方法に従って、複数対の動きベクトル候補のそれぞれから評価値を算出してもよい。そして、回路１６０は、複数対の動きベクトル候補のうち評価値が最も良い１対の動きベクトル候補を特定の１対の動きベクトル候補として選択してもよい。
　これにより、符号化装置１００は、１対以上の第１モード動きベクトル候補、及び、１対以上の第２モード動きベクトル候補を含む複数対の動きベクトル候補から、１対の動きベクトルを導出することができる。その際、符号化装置１００は、共通の算出方法に基づく評価値に従って複数対の動きベクトル候補から特定の１対の動きベクトル候補を選択して用いることができる。したがって、符号化装置１００は、１対の動きベクトルを適切に導出することができる。
　また、例えば、回路１６０は、１対の第１モード動きベクトル候補と１対の第２モード動きベクトル候補とのうち１対の第２モード動きベクトル候補のみで構成される複数対の動きベクトル候補を生成してもよい。
　ここで、１対の第１モード動きベクトル候補は、単予測又は双予測で符号化された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である。また、１対の第２モード動きベクトル候補は、双予測で符号化された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である。
　これにより、符号化装置１００は、双予測に用いられた２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補でそれぞれが構成される複数対の動きベクトル候補から、１対の動きベクトルを適切に導出することができる。
　図２４は、図２２等に示された動作例の追加動作を示すフローチャートである。例えば、図２１に示された符号化装置１００は、図２２等に示された動作例に加えて、図２４に示された動作を行ってもよい。具体的には、符号化装置１００の回路１６０は、１対の第１モード動きベクトル候補を生成することが有効であるか否か、及び、１対の第２モード動きベクトル候補を生成することが有効であるか否かを示す情報を符号化してもよい（Ｓ３２１）。
　つまり、回路１６０によって符号化される情報は、１対の第１モード動きベクトル候補を複数対の動きベクトル候補のうちの１対として生成することが有効であるか否かを示す。また、この情報は、さらに、１対の第２モード動きベクトル候補を複数対の動きベクトル候補のうちの１対として生成することが有効であるか否かを示す。
　ここで、１対の第１モード動きベクトル候補は、単予測又は双予測で符号化された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である。また、１対の第２モード動きベクトル候補は、双予測で符号化された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である。
　そして、回路１６０は、１対の第１モード動きベクトル候補を複数対の動きベクトル候補のうちの１対として生成することが有効である場合、１対の第１モード動きベクトル候補を複数対の動きベクトル候補のうちの１対として生成してもよい。また、回路１６０は、１対の第２モード動きベクトル候補を複数対の動きベクトル候補のうちの１対として生成することが有効である場合、１対の第２モード動きベクトル候補を複数対の動きベクトル候補のうちの１対として生成してもよい。
　これにより、符号化装置１００は、複数対の動きベクトル候補の生成方法を適応的に切り替えることができる。
　なお、図２４の処理（Ｓ３２１）は、図２２において、導出処理（Ｓ３０１）の前に行われてもよいし、導出処理（Ｓ３０１）及び符号化処理（Ｓ３０２）の間に行われてもよいし、符号化処理（Ｓ３０２）の後に行われてもよい。また、図２４の処理（Ｓ３２１）は、図２２において、導出処理（Ｓ３０１）又は符号化処理（Ｓ３０２）と並行して行われてもよい。
　また、図２４の処理（Ｓ３２１）が、ブロック毎に行われてもよいし、スライス毎に行われてもよいし、ピクチャ毎に行われてもよいし、シーケンス毎に行われてもよい。また、１対の第１モード動きベクトル候補を生成することが有効であるか否かを示す情報と、１対の第２モード動きベクトル候補を生成することが有効であるか否かを示す情報とが分けられていてもよい。そして、これらのうち一方のみが符号化されてもよい。
　また、図２２、図２３及び図２４の説明において、第１モードはＵｎｉモードに対応し、第２モードはＢｉモードに対応する。また、図２４の説明において、符号化される情報は、有効モード情報に対応する。
　また、図２２、図２３及び図２４の説明において、評価値等（具体的には、評価値、第１モード評価値、第２モード評価値、及び、比較対象評価値）は小さいほど良い。あるいは、評価値等は大きいほど良い。評価値等が小さいほど良い場合、評価値等が良いことは評価値等が小さいことに読み替えられ得る。評価値等が大きいほど良い場合、評価値等が良いことは評価値等が大きいことに読み替えられ得る。
　［復号装置の実装例］
　図２５は、実施の形態１に係る復号装置２００の実装例を示すブロック図である。復号装置２００は、回路２６０及びメモリ２６２を備える。例えば、図１０及び図１２に示された復号装置２００の複数の構成要素は、図２５に示された回路２６０及びメモリ２６２によって実装される。
　回路２６０は、情報処理を行う回路であり、メモリ２６２にアクセス可能な回路である。例えば、回路２６０は、動画像を復号する専用又は汎用の電子回路である。回路２６０は、ＣＰＵのようなプロセッサであってもよい。また、回路２６０は、複数の電子回路の集合体であってもよい。また、例えば、回路２６０は、図１０等に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリ２６２は、回路２６０が動画像を復号するための情報が記憶される専用又は汎用のメモリである。メモリ２６２は、電子回路であってもよく、回路２６０に接続されていてもよい。また、メモリ２６２は、回路２６０に含まれていてもよい。また、メモリ２６２は、複数の電子回路の集合体であってもよい。また、メモリ２６２は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリ２６２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリ２６２には、符号化された動画像に対応するビット列が記憶されてもよいし、復号されたビット列に対応する動画像が記憶されてもよい。また、メモリ２６２には、回路２６０が動画像を復号するためのプログラムが記憶されていてもよい。
　また、例えば、メモリ２６２は、図１０等に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリ２６２は、図１０に示されたブロックメモリ２１０及びフレームメモリ２１４の役割を果たしてもよい。より具体的には、メモリ２６２には、再構成済みブロック（処理済みブロック）及び再構成済みピクチャ（処理済みピクチャ）等が記憶されてもよい。
　なお、復号装置２００において、図１０等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図１０等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。そして、復号装置２００において、図１０等に示された複数の構成要素のうちの一部が実装され、上述された複数の処理の一部が行われることによって、双予測のための１対の動きベクトルが効率的に導出される。
　図２６は、図２１に示された復号装置２００の動作例を示すフローチャートである。例えば、図２１に示された復号装置２００は、動画像を復号する際、図２６に示された動作を行う。具体的には、復号装置２００の回路２６０は、動画像を構成する複数のピクチャのうち処理対象ピクチャに含まれる処理対象ブロックの１対の動きベクトルを導出する（Ｓ４０１）。そして、回路２６０は、処理対象ブロックの１対の動きベクトルを用いて双予測で処理対象ブロックを復号する（Ｓ４０２）。
　図２７は、図２６に示された動作例における動きベクトル導出処理（Ｓ４０１）を示すフローチャートである。例えば、図２１に示された復号装置２００は、動きベクトル導出処理（Ｓ４０１）において、図２７に示された動作を行う。
　具体的には、復号装置２００の回路２６０は、処理対象ブロックの１対の動きベクトルに対する複数対の動きベクトル候補を生成する（Ｓ４１１）。そして、回路２６０は、複数対の動きベクトル候補の中から、複数のピクチャのうち複数の処理済みピクチャのみを参照して、特定の１対の動きベクトル候補を選択する（Ｓ４１２）。そして、回路２６０は、特定の１対の動きベクトル候補から、処理対象ブロックの１対の動きベクトルを導出する（Ｓ４１３）。
　また、回路２６０は、複数対の動きベクトル候補の生成（Ｓ４１１）において、複数の処理済みブロックのそれぞれについて、処理済みブロックが処理済みブロックの１対の動きベクトルを用いて双予測で復号されたブロックであるか否かを判定する。ここで、複数の処理済みブロックのそれぞれは、空間的又は時間的に処理対象ブロックの周辺に位置する処理済みブロックである。
　そして、回路２６０は、処理済みブロックが処理済みブロックの１対の動きベクトルを用いて双予測で復号されたブロックである場合、処理済みブロックの１対の動きベクトルから１対の動きベクトル候補を生成する。その際、回路２６０は、処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を複数対の動きベクトル候補のうちの１対として生成する。
　これにより、復号装置２００は、処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を生成することができる。このような１対の動きベクトル候補は、処理対象ブロックの双予測のための１対の動きベクトルとして適切であることが期待される。復号装置２００は、このような１対の動きベクトル候補を用いて、双予測のための１対の動きベクトルを適切に導出することができる。
　また、例えば、回路２６０は、各処理済みブロックについて、処理済みブロックが処理済みブロックの１対の動きベクトルを用いて双予測で復号されたブロックである場合、処理済みブロックの１対の動きベクトルから３対の動きベクトル候補を生成してもよい。３対の動きベクトル候補のうちの１対は、処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される。
　また、３対の動きベクトル候補のうちの１対は、処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルのうちの一方から導出される２つの動きベクトル候補で構成される。また、３対の動きベクトル候補のうちの１対は、処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルのうちの他方から導出される２つの動きベクトル候補で構成される。
　これにより、復号装置２００は、処理済みブロックの１対の動きベクトルから３対の動きベクトル候補を生成することができる。したがって、復号装置２００は、複数対の動きベクトル候補における対（ペア）の数を増やすことができる。よって、復号装置２００は、双予測のための１対の動きベクトルをより適切に導出することができる。
　また、例えば、複数対の動きベクトル候補は、１対以上の第１モード動きベクトル候補と、１対以上の第２モード動きベクトル候補とを含んでいてもよい。
　ここで、１対以上の第１モード動きベクトル候補のそれぞれは、単予測又は双予測で復号された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である。また、１対以上の第２モード動きベクトル候補のそれぞれは、双予測で復号された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である。
　そして、回路２６０は、１対の第１モード動きベクトル候補によって複数の処理済みピクチャから導出される２つの第１モード対応画像の差に従って、第１モード評価値を算出してもよい。そして、回路２６０は、１対の第２モード動きベクトル候補によって複数の処理済みピクチャから導出される２つの第２モード対応画像のそれぞれと、２つの第２モード対応画像から導出される予測画像候補との差に従って、第２モード評価値を算出してもよい。
　そして、回路２６０は、第１モード評価値が最も良い特定の１対の第１モード動きベクトル候補、又は、第２モード評価値が最も良い特定の１対の第２モード動きベクトル候補を特定の１対の動きベクトル候補として選択してもよい。
　これにより、復号装置２００は、１対以上の第１モード動きベクトル候補、及び、１対以上の第２モード動きベクトル候補を含む複数対の動きベクトル候補から、１対の動きベクトルを導出することができる。その際、復号装置２００は、第１モード評価値が最も良い特定の１対の第１モード動きベクトル候補、又は、第２モード評価値が最も良い特定の１対の第２モード動きベクトル候補を選択して用いることができる。したがって、復号装置２００は、１対の動きベクトルを適切に導出することができる。
　また、例えば、回路２６０は、共通の算出方法に従って、特定の１対の第１モード動きベクトル候補及び特定の１対の第２モード動きベクトル候補のそれぞれから評価値を算出してもよい。この共通の算出方法は、特定の１対の第１モード動きベクトル候補及び特定の１対の第２モード動きベクトル候補の間で共通の算出方法である。
　そして、回路２６０は、特定の１対の第１モード動きベクトル候補及び特定の１対の第２モード動きベクトル候補のうち評価値がより良い１対の動きベクトル候補を特定の１対の動きベクトル候補として選択してもよい。
　これにより、復号装置２００は、共通の算出方法に基づく評価値に従って、特定の１対の第１モード動きベクトル候補、又は、特定の１対の第２モード動きベクトル候補を適切に選択することができる。
　また、例えば、回路２６０は、特定の１対の第１モード動きベクトル候補の第１モード評価値が、比較対象評価値よりも良い場合、特定の１対の第１モード動きベクトル候補を選択してもよい。ここでの比較対象評価値は、特定の１対の第２モード動きベクトル候補から第２モード評価値の算出方法とは異なる算出方法に従って算出される評価値である。
　これにより、復号装置２００は、第１モード評価値と比較対象評価値との比較の結果に従って、特定の１対の第１モード動きベクトル候補、又は、特定の１対の第２モード動きベクトル候補を適切に選択することができる。
　また、例えば、回路２６０は、特定の１対の第２モード動きベクトル候補の第２モード評価値が、比較対象評価値よりも良い場合、特定の１対の第２モード動きベクトル候補を選択してもよい。ここでの比較対象評価値は、特定の１対の第１モード動きベクトル候補から第１モード評価値の算出方法とは異なる算出方法に従って算出される評価値である。
　これにより、復号装置２００は、第２モード評価値と比較対象評価値との比較の結果に従って、特定の１対の第１モード動きベクトル候補、又は、特定の１対の第２モード動きベクトル候補を適切に選択することができる。
　また、例えば、回路２６０は、１対以上の第１モード動きベクトル候補と、１対以上の第２モード動きベクトル候補とを含む複数対の動きベクトル候補の間で共通の算出方法に従って、複数対の動きベクトル候補のそれぞれから評価値を算出してもよい。そして、回路２６０は、複数対の動きベクトル候補のうち評価値が最も良い１対の動きベクトル候補を特定の１対の動きベクトル候補として選択してもよい。
　これにより、復号装置２００は、１対以上の第１モード動きベクトル候補、及び、１対以上の第２モード動きベクトル候補を含む複数対の動きベクトル候補から、１対の動きベクトルを導出することができる。その際、復号装置２００は、共通の算出方法に基づく評価値に従って複数対の動きベクトル候補から特定の１対の動きベクトル候補を選択して用いることができる。したがって、復号装置２００は、１対の動きベクトルを適切に導出することができる。
　また、例えば、回路２６０は、１対の第１モード動きベクトル候補と１対の第２モード動きベクトル候補とのうち１対の第２モード動きベクトル候補のみで構成される複数対の動きベクトル候補を生成してもよい。
　ここで、１対の第１モード動きベクトル候補は、単予測又は双予測で復号された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である。また、１対の第２モード動きベクトル候補は、双予測で復号された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である。
　これにより、復号装置２００は、双予測に用いられた２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補でそれぞれが構成される複数対の動きベクトル候補から、１対の動きベクトルを適切に導出することができる。
　図２８は、図２６等に示された動作例の追加動作を示すフローチャートである。例えば、図２１に示された復号装置２００は、図２６等に示された動作例に加えて、図２８に示された動作を行ってもよい。具体的には、復号装置２００の回路２６０は、１対の第１モード動きベクトル候補を生成することが有効であるか否か、及び、１対の第２モード動きベクトル候補を生成することが有効であるか否かを示す情報を復号してもよい（Ｓ４２１）。
　つまり、回路２６０によって復号される情報は、１対の第１モード動きベクトル候補を複数対の動きベクトル候補のうちの１対として生成することが有効であるか否かを示す。また、この情報は、さらに、１対の第２モード動きベクトル候補を複数対の動きベクトル候補のうちの１対として生成することが有効であるか否かを示す。
　ここで、１対の第１モード動きベクトル候補は、単予測又は双予測で復号された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である。また、１対の第２モード動きベクトル候補は、双予測で復号された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である。
　そして、回路２６０は、１対の第１モード動きベクトル候補を複数対の動きベクトル候補のうちの１対として生成することが有効である場合、１対の第１モード動きベクトル候補を複数対の動きベクトル候補のうちの１対として生成してもよい。また、回路２６０は、１対の第２モード動きベクトル候補を複数対の動きベクトル候補のうちの１対として生成することが有効である場合、１対の第２モード動きベクトル候補を複数対の動きベクトル候補のうちの１対として生成してもよい。
　これにより、復号装置２００は、複数対の動きベクトル候補の生成方法を適応的に切り替えることができる。
　なお、図２８の処理（Ｓ４２１）は、図２６において、基本的に、導出処理（Ｓ４０１）の前に行われる。例えば、回路２６０は、１対の第１モード動きベクトル候補を生成することが有効であるか否か、及び、１対の第２モード動きベクトル候補を生成することが有効であるか否かを示す情報を復号する。そして、回路２６０は、復号された情報に従って、複数対の動きベクトル候補を生成する。
　また、図２８の処理（Ｓ４２１）が、ブロック毎に行われてもよいし、スライス毎に行われてもよいし、ピクチャ毎に行われてもよいし、シーケンス毎に行われてもよい。また、１対の第１モード動きベクトル候補を生成することが有効であるか否かを示す情報と、１対の第２モード動きベクトル候補を生成することが有効であるか否かを示す情報とが分けられていてもよい。そして、これらのうち一方のみが復号されてもよい。
　また、図２６、図２７及び図２８の説明において、第１モードはＵｎｉモードに対応し、第２モードはＢｉモードに対応する。また、図２８の説明において、復号される情報は、有効モード情報に対応する。
　また、図２６、図２７及び図２８の説明において、評価値等（具体的には、評価値、第１モード評価値、第２モード評価値、及び、比較対象評価値）は小さいほど良い。あるいは、評価値等は大きいほど良い。評価値等が小さいほど良い場合、評価値等が良いことは評価値等が小さいことに読み替えられ得る。評価値等が大きいほど良い場合、評価値等が良いことは評価値等が大きいことに読み替えられ得る。
　［補足］
　また、本実施の形態における符号化装置１００及び復号装置２００は、それぞれ、画像符号化装置及び画像復号装置として利用されてもよいし、動画像符号化装置及び動画像復号装置として利用されてもよい。あるいは、符号化装置１００及び復号装置２００は、それぞれ、インター予測装置（画面間予測装置）として利用され得る。
　すなわち、符号化装置１００及び復号装置２００は、それぞれ、インター予測部（画面間予測部）１２６及びインター予測部（画面間予測部）２１８のみに対応していてもよい。そして、変換部１０６及び逆変換部２０６等の他の構成要素は、他の装置に含まれていてもよい。
　また、本実施の形態の少なくとも一部が、符号化方法として利用されてもよいし、復号方法として利用されてもよいし、画面間予測方法として利用されてもよいし、その他の方法として利用されてもよい。
　また、本実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
　具体的には、符号化装置１００及び復号装置２００のそれぞれは、処理回路（Ｐｒｏｃｅｓｓｉｎｇ　Ｃｉｒｃｕｉｔｒｙ）と、当該処理回路に電気的に接続された、当該処理回路からアクセス可能な記憶装置（Ｓｔｏｒａｇｅ）とを備えていてもよい。例えば、処理回路は回路１６０又は２６０に対応し、記憶装置はメモリ１６２又は２６２に対応する。
　処理回路は、専用のハードウェア及びプログラム実行部の少なくとも一方を含み、記憶装置を用いて処理を実行する。また、記憶装置は、処理回路がプログラム実行部を含む場合には、当該プログラム実行部により実行されるソフトウェアプログラムを記憶する。
　ここで、本実施の形態の符号化装置１００又は復号装置２００などを実現するソフトウェアは、次のようなプログラムである。
　すなわち、このプログラムは、コンピュータに、動画像を符号化する符号化方法であって、前記動画像を構成する複数のピクチャのうち処理対象ピクチャに含まれる処理対象ブロックの１対の動きベクトルを導出し、前記処理対象ブロックの１対の動きベクトルを用いて双予測で前記処理対象ブロックを符号化し、前記処理対象ブロックの１対の動きベクトルの導出において、（ｉ）前記処理対象ブロックの１対の動きベクトルに対する複数対の動きベクトル候補を生成し、（ｉｉ）前記複数対の動きベクトル候補の中から、前記複数のピクチャのうち複数の処理済みピクチャのみを参照して、特定の１対の動きベクトル候補を選択し、（ｉｉｉ）前記特定の１対の動きベクトル候補から、前記処理対象ブロックの１対の動きベクトルを導出し、前記複数対の動きベクトル候補の生成において、空間的又は時間的に前記処理対象ブロックの周辺に位置する複数の処理済みブロックのそれぞれについて、当該処理済みブロックが当該処理済みブロックの１対の動きベクトルを用いて双予測で符号化されたブロックである場合、当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成する符号化方法を実行させてもよい。
　あるいは、このプログラムは、コンピュータに、動画像を復号する復号方法であって、前記動画像を構成する複数のピクチャのうち処理対象ピクチャに含まれる処理対象ブロックの１対の動きベクトルを導出し、前記処理対象ブロックの１対の動きベクトルを用いて双予測で前記処理対象ブロックを復号し、前記処理対象ブロックの１対の動きベクトルの導出において、（ｉ）前記処理対象ブロックの１対の動きベクトルに対する複数対の動きベクトル候補を生成し、（ｉｉ）前記複数対の動きベクトル候補の中から、前記複数のピクチャのうち複数の処理済みピクチャのみを参照して、特定の１対の動きベクトル候補を選択し、（ｉｉｉ）前記特定の１対の動きベクトル候補から、前記処理対象ブロックの１対の動きベクトルを導出し、前記複数対の動きベクトル候補の生成において、空間的又は時間的に前記処理対象ブロックの周辺に位置する複数の処理済みブロックのそれぞれについて、当該処理済みブロックが当該処理済みブロックの１対の動きベクトルを用いて双予測で復号されたブロックである場合、当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成する復号方法を実行させてもよい。
　また、各構成要素は、上述の通り、回路であってもよい。これらの回路は、全体として１つの回路を構成してもよいし、それぞれ別々の回路であってもよい。また、各構成要素は、汎用的なプロセッサで実現されてもよいし、専用のプロセッサで実現されてもよい。
　また、特定の構成要素が実行する処理を別の構成要素が実行してもよい。また、処理を実行する順番が変更されてもよいし、複数の処理が並行して実行されてもよい。また、符号化復号装置が、符号化装置１００及び復号装置２００を備えていてもよい。
　説明に用いられた第１及び第２等の序数は、適宜、付け替えられてもよい。また、構成要素などに対して、序数が新たに与えられてもよいし、取り除かれてもよい。
　以上、符号化装置１００及び復号装置２００の態様について、実施の形態に基づいて説明したが、符号化装置１００及び復号装置２００の態様は、この実施の形態に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、符号化装置１００及び復号装置２００の態様の範囲内に含まれてもよい。
　本態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、本態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
　（実施の形態２）
　以上の各実施の形態において、機能ブロックの各々は、通常、ＭＰＵ及びメモリ等によって実現可能である。また、機能ブロックの各々による処理は、通常、プロセッサなどのプログラム実行部が、ＲＯＭ等の記録媒体に記録されたソフトウェア（プログラム）を読み出して実行することで実現される。当該ソフトウェアはダウンロード等により配布されてもよいし、半導体メモリなどの記録媒体に記録して配布されてもよい。なお、各機能ブロックをハードウェア（専用回路）によって実現することも、当然、可能である。
　また、各実施の形態において説明した処理は、単一の装置（システム）を用いて集中処理することによって実現してもよく、又は、複数の装置を用いて分散処理することによって実現してもよい。また、上記プログラムを実行するプロセッサは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、又は分散処理を行ってもよい。
　本開示の態様は、以上の実施例に限定されることなく、種々の変更が可能であり、それらも本開示の態様の範囲内に包含される。
　さらにここで、上記各実施の形態で示した動画像符号化方法（画像符号化方法）又は動画像復号化方法（画像復号方法）の応用例とそれを用いたシステムを説明する。当該システムは、画像符号化方法を用いた画像符号化装置、画像復号方法を用いた画像復号装置、及び両方を備える画像符号化復号装置を有することを特徴とする。システムにおける他の構成について、場合に応じて適切に変更することができる。
　［使用例］
　図２９は、コンテンツ配信サービスを実現するコンテンツ供給システムｅｘ１００の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ固定無線局である基地局ｅｘ１０６、ｅｘ１０７、ｅｘ１０８、ｅｘ１０９、ｅｘ１１０が設置されている。
　このコンテンツ供給システムｅｘ１００では、インターネットｅｘ１０１に、インターネットサービスプロバイダｅｘ１０２又は通信網ｅｘ１０４、及び基地局ｅｘ１０６～ｅｘ１１０を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器が接続される。当該コンテンツ供給システムｅｘ１００は、上記のいずれかの要素を組合せて接続するようにしてもよい。固定無線局である基地局ｅｘ１０６～ｅｘ１１０を介さずに、各機器が電話網又は近距離無線等を介して直接的又は間接的に相互に接続されていてもよい。また、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１等を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器と接続される。また、ストリーミングサーバｅｘ１０３は、衛星ｅｘ１１６を介して、飛行機ｅｘ１１７内のホットスポット内の端末等と接続される。
　なお、基地局ｅｘ１０６～ｅｘ１１０の代わりに、無線アクセスポイント又はホットスポット等が用いられてもよい。また、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１又はインターネットサービスプロバイダｅｘ１０２を介さずに直接通信網ｅｘ１０４と接続されてもよいし、衛星ｅｘ１１６を介さず直接飛行機ｅｘ１１７と接続されてもよい。
　カメラｅｘ１１３はデジタルカメラ等の静止画撮影、及び動画撮影が可能な機器である。また、スマートフォンｅｘ１１５は、一般に２Ｇ、３Ｇ、３．９Ｇ、４Ｇ、そして今後は５Ｇと呼ばれる移動通信システムの方式に対応したスマートフォン機、携帯電話機、又はＰＨＳ（Ｐｅｒｓｏｎａｌ　Ｈａｎｄｙｐｈｏｎｅ　Ｓｙｓｔｅｍ）等である。
　家電ｅｘ１１８は、冷蔵庫、又は家庭用燃料電池コージェネレーションシステムに含まれる機器等である。
　コンテンツ供給システムｅｘ１００では、撮影機能を有する端末が基地局ｅｘ１０６等を通じてストリーミングサーバｅｘ１０３に接続されることで、ライブ配信等が可能になる。ライブ配信では、端末（コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、及び飛行機ｅｘ１１７内の端末等）は、ユーザが当該端末を用いて撮影した静止画又は動画コンテンツに対して上記各実施の形態で説明した符号化処理を行い、符号化により得られた映像データと、映像に対応する音を符号化した音データと多重化し、得られたデータをストリーミングサーバｅｘ１０３に送信する。即ち、各端末は、本開示の一態様に係る画像符号化装置として機能する。
　一方、ストリーミングサーバｅｘ１０３は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントは、上記符号化処理されたデータを復号化することが可能な、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、又は飛行機ｅｘ１１７内の端末等である。配信されたデータを受信した各機器は、受信したデータを復号化処理して再生する。即ち、各機器は、本開示の一態様に係る画像復号装置として機能する。
　［分散処理］
　また、ストリーミングサーバｅｘ１０３は複数のサーバ又は複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。例えば、ストリーミングサーバｅｘ１０３は、ＣＤＮ（Ｃｏｎｔｅｎｔｓ　Ｄｅｌｉｖｅｒｙ　Ｎｅｔｗｏｒｋ）により実現され、世界中に分散された多数のエッジサーバとエッジサーバ間をつなぐネットワークによりコンテンツ配信が実現されていてもよい。ＣＤＮでは、クライアントに応じて物理的に近いエッジサーバが動的に割り当てられる。そして、当該エッジサーバにコンテンツがキャッシュ及び配信されることで遅延を減らすことができる。また、何らかのエラーが発生した場合又はトラフィックの増加などにより通信状態が変わる場合に複数のエッジサーバで処理を分散したり、他のエッジサーバに配信主体を切り替えたり、障害が生じたネットワークの部分を迂回して配信を続けることができるので、高速かつ安定した配信が実現できる。
　また、配信自体の分散処理にとどまらず、撮影したデータの符号化処理を各端末で行ってもよいし、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、一般に符号化処理では、処理ループが２度行われる。１度目のループでフレーム又はシーン単位での画像の複雑さ、又は、符号量が検出される。また、２度目のループでは画質を維持して符号化効率を向上させる処理が行われる。例えば、端末が１度目の符号化処理を行い、コンテンツを受け取ったサーバ側が２度目の符号化処理を行うことで、各端末での処理負荷を減らしつつもコンテンツの質と効率を向上させることができる。この場合、ほぼリアルタイムで受信して復号する要求があれば、端末が行った一度目の符号化済みデータを他の端末で受信して再生することもできるので、より柔軟なリアルタイム配信も可能になる。
　他の例として、カメラｅｘ１１３等は、画像から特徴量抽出を行い、特徴量に関するデータをメタデータとして圧縮してサーバに送信する。サーバは、例えば特徴量からオブジェクトの重要性を判断して量子化精度を切り替えるなど、画像の意味に応じた圧縮を行う。特徴量データはサーバでの再度の圧縮時の動きベクトル予測の精度及び効率向上に特に有効である。また、端末でＶＬＣ（可変長符号化）などの簡易的な符号化を行い、サーバでＣＡＢＡＣ（コンテキスト適応型二値算術符号化方式）など処理負荷の大きな符号化を行ってもよい。
　さらに他の例として、スタジアム、ショッピングモール、又は工場などにおいては、複数の端末によりほぼ同一のシーンが撮影された複数の映像データが存在する場合がある。この場合には、撮影を行った複数の端末と、必要に応じて撮影をしていない他の端末及びサーバを用いて、例えばＧＯＰ（Ｇｒｏｕｐ　ｏｆ　Ｐｉｃｔｕｒｅ）単位、ピクチャ単位、又はピクチャを分割したタイル単位などで符号化処理をそれぞれ割り当てて分散処理を行う。これにより、遅延を減らし、よりリアルタイム性を実現できる。
　また、複数の映像データはほぼ同一シーンであるため、各端末で撮影された映像データを互いに参照し合えるように、サーバで管理及び／又は指示をしてもよい。または、各端末からの符号化済みデータを、サーバが受信し複数のデータ間で参照関係を変更、又はピクチャ自体を補正或いは差し替えて符号化しなおしてもよい。これにより、一つ一つのデータの質と効率を高めたストリームを生成できる。
　また、サーバは、映像データの符号化方式を変更するトランスコードを行ったうえで映像データを配信してもよい。例えば、サーバは、ＭＰＥＧ系の符号化方式をＶＰ系に変換してもよいし、Ｈ．２６４をＨ．２６５に変換してもよい。
　このように、符号化処理は、端末、又は１以上のサーバにより行うことが可能である。よって、以下では、処理を行う主体として「サーバ」又は「端末」等の記載を用いるが、サーバで行われる処理の一部又は全てが端末で行われてもよいし、端末で行われる処理の一部又は全てがサーバで行われてもよい。また、これらに関しては、復号処理についても同様である。
　［３Ｄ、マルチアングル］
　近年では、互いにほぼ同期した複数のカメラｅｘ１１３及び／又はスマートフォンｅｘ１１５などの端末により撮影された異なるシーン、又は、同一シーンを異なるアングルから撮影した画像或いは映像を統合して利用することも増えてきている。各端末で撮影した映像は、別途取得した端末間の相対的な位置関係、又は、映像に含まれる特徴点が一致する領域などに基づいて統合される。
　サーバは、２次元の動画像を符号化するだけでなく、動画像のシーン解析などに基づいて自動的に、又は、ユーザが指定した時刻において、静止画を符号化し、受信端末に送信してもよい。サーバは、さらに、撮影端末間の相対的な位置関係を取得できる場合には、２次元の動画像だけでなく、同一シーンが異なるアングルから撮影された映像に基づき、当該シーンの３次元形状を生成できる。なお、サーバは、ポイントクラウドなどにより生成した３次元のデータを別途符号化してもよいし、３次元データを用いて人物又はオブジェクトを認識或いは追跡した結果に基づいて、受信端末に送信する映像を、複数の端末で撮影した映像から選択、又は、再構成して生成してもよい。
　このようにして、ユーザは、各撮影端末に対応する各映像を任意に選択してシーンを楽しむこともできるし、複数画像又は映像を用いて再構成された３次元データから任意視点の映像を切り出したコンテンツを楽しむこともできる。さらに、映像と同様に音も複数の相異なるアングルから収音され、サーバは、映像に合わせて特定のアングル又は空間からの音を映像と多重化して送信してもよい。
　また、近年ではＶｉｒｔｕａｌ　Ｒｅａｌｉｔｙ（ＶＲ）及びＡｕｇｍｅｎｔｅｄ　Ｒｅａｌｉｔｙ（ＡＲ）など、現実世界と仮想世界とを対応付けたコンテンツも普及してきている。ＶＲの画像の場合、サーバは、右目用及び左目用の視点画像をそれぞれ作成し、Ｍｕｌｔｉ－Ｖｉｅｗ　Ｃｏｄｉｎｇ（ＭＶＣ）などにより各視点映像間で参照を許容する符号化を行ってもよいし、互いに参照せずに別ストリームとして符号化してもよい。別ストリームの復号時には、ユーザの視点に応じて仮想的な３次元空間が再現されるように互いに同期させて再生するとよい。
　ＡＲの画像の場合には、サーバは、現実空間のカメラ情報に、仮想空間上の仮想物体情報を、３次元的位置又はユーザの視点の動きに基づいて重畳する。復号装置は、仮想物体情報及び３次元データを取得又は保持し、ユーザの視点の動きに応じて２次元画像を生成し、スムーズにつなげることで重畳データを作成してもよい。または、復号装置は仮想物体情報の依頼に加えてユーザの視点の動きをサーバに送信し、サーバは、サーバに保持される３次元データから受信した視点の動きに合わせて重畳データを作成し、重畳データを符号化して復号装置に配信してもよい。なお、重畳データは、ＲＧＢ以外に透過度を示すα値を有し、サーバは、３次元データから作成されたオブジェクト以外の部分のα値が０などに設定し、当該部分が透過する状態で、符号化してもよい。もしくは、サーバは、クロマキーのように所定の値のＲＧＢ値を背景に設定し、オブジェクト以外の部分は背景色にしたデータを生成してもよい。
　同様に配信されたデータの復号処理はクライアントである各端末で行っても、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、ある端末が、一旦サーバに受信リクエストを送り、そのリクエストに応じたコンテンツを他の端末で受信し復号処理を行い、ディスプレイを有する装置に復号済みの信号が送信されてもよい。通信可能な端末自体の性能によらず処理を分散して適切なコンテンツを選択することで画質のよいデータを再生することができる。また、他の例として大きなサイズの画像データをＴＶ等で受信しつつ、鑑賞者の個人端末にピクチャが分割されたタイルなど一部の領域が復号されて表示されてもよい。これにより、全体像を共有化しつつ、自身の担当分野又はより詳細に確認したい領域を手元で確認することができる。
　また今後は、屋内外にかかわらず近距離、中距離、又は長距離の無線通信が複数使用可能な状況下で、ＭＰＥＧ－ＤＡＳＨなどの配信システム規格を利用して、接続中の通信に対して適切なデータを切り替えながらシームレスにコンテンツを受信することが予想される。これにより、ユーザは、自身の端末のみならず屋内外に設置されたディスプレイなどの復号装置又は表示装置を自由に選択しながらリアルタイムで切り替えられる。また、自身の位置情報などに基づいて、復号する端末及び表示する端末を切り替えながら復号を行うことができる。これにより、目的地への移動中に、表示可能なデバイスが埋め込まれた隣の建物の壁面又は地面の一部に地図情報を表示させながら移動することも可能になる。また、符号化データが受信端末から短時間でアクセスできるサーバにキャッシュされている、又は、コンテンツ・デリバリー・サービスにおけるエッジサーバにコピーされている、などの、ネットワーク上での符号化データへのアクセス容易性に基づいて、受信データのビットレートを切り替えることも可能である。
　［スケーラブル符号化］
　コンテンツの切り替えに関して、図３０に示す、上記各実施の形態で示した動画像符号化方法を応用して圧縮符号化されたスケーラブルなストリームを用いて説明する。サーバは、個別のストリームとして内容は同じで質の異なるストリームを複数有していても構わないが、図示するようにレイヤに分けて符号化を行うことで実現される時間的／空間的スケーラブルなストリームの特徴を活かして、コンテンツを切り替える構成であってもよい。つまり、復号側が性能という内的要因と通信帯域の状態などの外的要因とに応じてどのレイヤまで復号するかを決定することで、復号側は、低解像度のコンテンツと高解像度のコンテンツとを自由に切り替えて復号できる。例えば移動中にスマートフォンｅｘ１１５で視聴していた映像の続きを、帰宅後にインターネットＴＶ等の機器で視聴したい場合には、当該機器は、同じストリームを異なるレイヤまで復号すればよいので、サーバ側の負担を軽減できる。
　さらに、上記のように、レイヤ毎にピクチャが符号化されており、ベースレイヤの上位にエンハンスメントレイヤが存在するスケーラビリティを実現する構成以外に、エンハンスメントレイヤが画像の統計情報などに基づくメタ情報を含み、復号側が、メタ情報に基づきベースレイヤのピクチャを超解像することで高画質化したコンテンツを生成してもよい。超解像とは、同一解像度におけるＳＮ比の向上、及び、解像度の拡大のいずれであってもよい。メタ情報は、超解像処理に用いる線形或いは非線形のフィルタ係数を特定するため情報、又は、超解像処理に用いるフィルタ処理、機械学習或いは最小２乗演算におけるパラメータ値を特定する情報などを含む。
　または、画像内のオブジェクトなどの意味合いに応じてピクチャがタイル等に分割されており、復号側が、復号するタイルを選択することで一部の領域だけを復号する構成であってもよい。また、オブジェクトの属性（人物、車、ボールなど）と映像内の位置（同一画像における座標位置など）とをメタ情報として格納することで、復号側は、メタ情報に基づいて所望のオブジェクトの位置を特定し、そのオブジェクトを含むタイルを決定できる。例えば、図３１に示すように、メタ情報は、ＨＥＶＣにおけるＳＥＩメッセージなど画素データとは異なるデータ格納構造を用いて格納される。このメタ情報は、例えば、メインオブジェクトの位置、サイズ、又は色彩などを示す。
　また、ストリーム、シーケンス又はランダムアクセス単位など、複数のピクチャから構成される単位でメタ情報が格納されてもよい。これにより、復号側は、特定人物が映像内に出現する時刻などが取得でき、ピクチャ単位の情報と合わせることで、オブジェクトが存在するピクチャ、及び、ピクチャ内でのオブジェクトの位置を特定できる。
　［Ｗｅｂページの最適化］
　図３２は、コンピュータｅｘ１１１等におけるｗｅｂページの表示画面例を示す図である。図３３は、スマートフォンｅｘ１１５等におけるｗｅｂページの表示画面例を示す図である。図３２及び図３３に示すようにｗｅｂページが、画像コンテンツへのリンクであるリンク画像を複数含む場合があり、閲覧するデバイスによってその見え方は異なる。画面上に複数のリンク画像が見える場合には、ユーザが明示的にリンク画像を選択するまで、又は画面の中央付近にリンク画像が近付く或いはリンク画像の全体が画面内に入るまでは、表示装置（復号装置）は、リンク画像として各コンテンツが有する静止画又はＩピクチャを表示したり、複数の静止画又はＩピクチャ等でｇｉｆアニメのような映像を表示したり、ベースレイヤのみ受信して映像を復号及び表示したりする。
　ユーザによりリンク画像が選択された場合、表示装置は、ベースレイヤを最優先にして復号する。なお、ｗｅｂページを構成するＨＴＭＬにスケーラブルなコンテンツであることを示す情報があれば、表示装置は、エンハンスメントレイヤまで復号してもよい。また、リアルタイム性を担保するために、選択される前又は通信帯域が非常に厳しい場合には、表示装置は、前方参照のピクチャ（Ｉピクチャ、Ｐピクチャ、前方参照のみのＢピクチャ）のみを復号及び表示することで、先頭ピクチャの復号時刻と表示時刻との間の遅延（コンテンツの復号開始から表示開始までの遅延）を低減できる。また、表示装置は、ピクチャの参照関係を敢えて無視して全てのＢピクチャ及びＰピクチャを前方参照にして粗く復号し、時間が経ち受信したピクチャが増えるにつれて正常の復号を行ってもよい。
　［自動走行］
　また、車の自動走行又は走行支援のため２次元又は３次元の地図情報などの静止画又は映像データを送受信する場合、受信端末は、１以上のレイヤに属する画像データに加えて、メタ情報として天候又は工事の情報なども受信し、これらを対応付けて復号してもよい。なお、メタ情報は、レイヤに属してもよいし、単に画像データと多重化されてもよい。
　この場合、受信端末を含む車、ドローン又は飛行機などが移動するため、受信端末は、当該受信端末の位置情報を受信要求時に送信することで、基地局ｅｘ１０６～ｅｘ１１０を切り替えながらシームレスな受信及び復号を実現できる。また、受信端末は、ユーザの選択、ユーザの状況又は通信帯域の状態に応じて、メタ情報をどの程度受信するか、又は地図情報をどの程度更新していくかを動的に切り替えることが可能になる。
　以上のようにして、コンテンツ供給システムｅｘ１００では、ユーザが送信した符号化された情報をリアルタイムでクライアントが受信して復号し、再生することができる。
　［個人コンテンツの配信］
　また、コンテンツ供給システムｅｘ１００では、映像配信業者による高画質で長時間のコンテンツのみならず、個人による低画質で短時間のコンテンツのユニキャスト、又はマルチキャスト配信が可能である。また、このような個人のコンテンツは今後も増加していくと考えられる。個人コンテンツをより優れたコンテンツにするために、サーバは、編集処理を行ってから符号化処理を行ってもよい。これは例えば、以下のような構成で実現できる。
　撮影時にリアルタイム又は蓄積して撮影後に、サーバは、原画又は符号化済みデータから撮影エラー、シーン探索、意味の解析、及びオブジェクト検出などの認識処理を行う。そして、サーバは、認識結果に基いて手動又は自動で、ピントずれ又は手ブレなどを補正したり、明度が他のピクチャに比べて低い又は焦点が合っていないシーンなどの重要性の低いシーンを削除したり、オブジェクトのエッジを強調したり、色合いを変化させるなどの編集を行う。サーバは、編集結果に基いて編集後のデータを符号化する。また撮影時刻が長すぎると視聴率が下がることも知られており、サーバは、撮影時間に応じて特定の時間範囲内のコンテンツになるように上記のように重要性が低いシーンのみならず動きが少ないシーンなどを、画像処理結果に基き自動でクリップしてもよい。または、サーバは、シーンの意味解析の結果に基づいてダイジェストを生成して符号化してもよい。
　なお、個人コンテンツには、そのままでは著作権、著作者人格権、又は肖像権等の侵害となるものが写り込んでいるケースもあり、共有する範囲が意図した範囲を超えてしまうなど個人にとって不都合な場合もある。よって、例えば、サーバは、画面の周辺部の人の顔、又は家の中などを敢えて焦点が合わない画像に変更して符号化してもよい。また、サーバは、符号化対象画像内に、予め登録した人物とは異なる人物の顔が映っているかどうかを認識し、映っている場合には、顔の部分にモザイクをかけるなどの処理を行ってもよい。または、符号化の前処理又は後処理として、著作権などの観点からユーザが画像を加工したい人物又は背景領域を指定し、サーバは、指定された領域を別の映像に置き換える、又は焦点をぼかすなどの処理を行うことも可能である。人物であれば、動画像において人物をトラッキングしながら、顔の部分の映像を置き換えることができる。
　また、データ量の小さい個人コンテンツの視聴はリアルタイム性の要求が強いため、帯域幅にもよるが、復号装置は、まずベースレイヤを最優先で受信して復号及び再生を行う。復号装置は、この間にエンハンスメントレイヤを受信し、再生がループされる場合など２回以上再生される場合に、エンハンスメントレイヤも含めて高画質の映像を再生してもよい。このようにスケーラブルな符号化が行われているストリームであれば、未選択時又は見始めた段階では粗い動画だが、徐々にストリームがスマートになり画像がよくなるような体験を提供することができる。スケーラブル符号化以外にも、１回目に再生される粗いストリームと、１回目の動画を参照して符号化される２回目のストリームとが１つのストリームとして構成されていても同様の体験を提供できる。
　［その他の使用例］
　また、これらの符号化又は復号処理は、一般的に各端末が有するＬＳＩｅｘ５００において処理される。ＬＳＩｅｘ５００は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化又は復号用のソフトウェアをコンピュータｅｘ１１１等で読み取り可能な何らかの記録メディア（ＣＤ－ＲＯＭ、フレキシブルディスク、又はハードディスクなど）に組み込み、そのソフトウェアを用いて符号化又は復号処理を行ってもよい。さらに、スマートフォンｅｘ１１５がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データはスマートフォンｅｘ１１５が有するＬＳＩｅｘ５００で符号化処理されたデータである。
　なお、ＬＳＩｅｘ５００は、アプリケーションソフトをダウンロードしてアクティベートする構成であってもよい。この場合、端末は、まず、当該端末がコンテンツの符号化方式に対応しているか、又は、特定サービスの実行能力を有するかを判定する。端末がコンテンツの符号化方式に対応していない場合、又は、特定サービスの実行能力を有さない場合、端末は、コーデック又はアプリケーションソフトをダウンロードし、その後、コンテンツ取得及び再生する。
　また、インターネットｅｘ１０１を介したコンテンツ供給システムｅｘ１００に限らず、デジタル放送用システムにも上記各実施の形態の少なくとも動画像符号化装置（画像符号化装置）又は動画像復号化装置（画像復号装置）のいずれかを組み込むことができる。衛星などを利用して放送用の電波に映像と音が多重化された多重化データを載せて送受信するため、コンテンツ供給システムｅｘ１００のユニキャストがし易い構成に対してマルチキャスト向きであるという違いがあるが符号化処理及び復号処理に関しては同様の応用が可能である。
　［ハードウェア構成］
　図３４は、スマートフォンｅｘ１１５を示す図である。また、図３５は、スマートフォンｅｘ１１５の構成例を示す図である。スマートフォンｅｘ１１５は、基地局ｅｘ１１０との間で電波を送受信するためのアンテナｅｘ４５０と、映像及び静止画を撮ることが可能なカメラ部ｅｘ４６５と、カメラ部ｅｘ４６５で撮像した映像、及びアンテナｅｘ４５０で受信した映像等が復号されたデータを表示する表示部ｅｘ４５８とを備える。スマートフォンｅｘ１１５は、さらに、タッチパネル等である操作部ｅｘ４６６と、音声又は音響を出力するためのスピーカ等である音声出力部ｅｘ４５７と、音声を入力するためのマイク等である音声入力部ｅｘ４５６と、撮影した映像或いは静止画、録音した音声、受信した映像或いは静止画、メール等の符号化されたデータ、又は、復号化されたデータを保存可能なメモリ部ｅｘ４６７と、ユーザを特定し、ネットワークをはじめ各種データへのアクセスの認証をするためのＳＩＭｅｘ４６８とのインタフェース部であるスロット部ｅｘ４６４とを備える。なお、メモリ部ｅｘ４６７の代わりに外付けメモリが用いられてもよい。
　また、表示部ｅｘ４５８及び操作部ｅｘ４６６等を統括的に制御する主制御部ｅｘ４６０と、電源回路部ｅｘ４６１、操作入力制御部ｅｘ４６２、映像信号処理部ｅｘ４５５、カメラインタフェース部ｅｘ４６３、ディスプレイ制御部ｅｘ４５９、変調／復調部ｅｘ４５２、多重／分離部ｅｘ４５３、音声信号処理部ｅｘ４５４、スロット部ｅｘ４６４、及びメモリ部ｅｘ４６７とがバスｅｘ４７０を介して接続されている。
　電源回路部ｅｘ４６１は、ユーザの操作により電源キーがオン状態にされると、バッテリパックから各部に対して電力を供給することによりスマートフォンｅｘ１１５を動作可能な状態に起動する。
　スマートフォンｅｘ１１５は、ＣＰＵ、ＲＯＭ及びＲＡＭ等を有する主制御部ｅｘ４６０の制御に基づいて、通話及データ通信等の処理を行う。通話時は、音声入力部ｅｘ４５６で収音した音声信号を音声信号処理部ｅｘ４５４でデジタル音声信号に変換し、これを変調／復調部ｅｘ４５２でスペクトラム拡散処理し、送信／受信部ｅｘ４５１でデジタルアナログ変換処理及び周波数変換処理を施した後にアンテナｅｘ４５０を介して送信する。また受信データを増幅して周波数変換処理及びアナログデジタル変換処理を施し、変調／復調部ｅｘ４５２でスペクトラム逆拡散処理し、音声信号処理部ｅｘ４５４でアナログ音声信号に変換した後、これを音声出力部ｅｘ４５７から出力する。データ通信モード時は、本体部の操作部ｅｘ４６６等の操作によってテキスト、静止画、又は映像データが操作入力制御部ｅｘ４６２を介して主制御部ｅｘ４６０に送出され、同様に送受信処理が行われる。データ通信モード時に映像、静止画、又は映像と音声を送信する場合、映像信号処理部ｅｘ４５５は、メモリ部ｅｘ４６７に保存されている映像信号又はカメラ部ｅｘ４６５から入力された映像信号を上記各実施の形態で示した動画像符号化方法によって圧縮符号化し、符号化された映像データを多重／分離部ｅｘ４５３に送出する。また、音声信号処理部ｅｘ４５４は、映像又は静止画等をカメラ部ｅｘ４６５で撮像中に音声入力部ｅｘ４５６で収音した音声信号を符号化し、符号化された音声データを多重／分離部ｅｘ４５３に送出する。多重／分離部ｅｘ４５３は、符号化済み映像データと符号化済み音声データを所定の方式で多重化し、変調／復調部（変調／復調回路部）ｅｘ４５２、及び送信／受信部ｅｘ４５１で変調処理及び変換処理を施してアンテナｅｘ４５０を介して送信する。
　電子メール又はチャットに添付された映像、又はウェブページ等にリンクされた映像を受信した場合、アンテナｅｘ４５０を介して受信された多重化データを復号するために、多重／分離部ｅｘ４５３は、多重化データを分離することにより、多重化データを映像データのビットストリームと音声データのビットストリームとに分け、同期バスｅｘ４７０を介して符号化された映像データを映像信号処理部ｅｘ４５５に供給するとともに、符号化された音声データを音声信号処理部ｅｘ４５４に供給する。映像信号処理部ｅｘ４５５は、上記各実施の形態で示した動画像符号化方法に対応した動画像復号化方法によって映像信号を復号し、ディスプレイ制御部ｅｘ４５９を介して表示部ｅｘ４５８から、リンクされた動画像ファイルに含まれる映像又は静止画が表示される。また音声信号処理部ｅｘ４５４は、音声信号を復号し、音声出力部ｅｘ４５７から音声が出力される。なおリアルタイムストリーミングが普及しているため、ユーザの状況によっては音声の再生が社会的にふさわしくない場も起こりえる。そのため、初期値としては、音声信号は再生せず映像データのみを再生する構成の方が望ましい。ユーザが映像データをクリックするなど操作を行った場合にのみ音声を同期して再生してもよい。
　またここではスマートフォンｅｘ１１５を例に説明したが、端末としては符号化器及び復号化器を両方持つ送受信型端末の他に、符号化器のみを有する送信端末、及び、復号化器のみを有する受信端末という３通りの実装形式が考えられる。さらに、デジタル放送用システムにおいて、映像データに音声データなどが多重化された多重化データを受信又は送信するとして説明したが、多重化データには、音声データ以外に映像に関連する文字データなどが多重化されてもよいし、多重化データではなく映像データ自体が受信又は送信されてもよい。
　なお、ＣＰＵを含む主制御部ｅｘ４６０が符号化又は復号処理を制御するとして説明したが、端末はＧＰＵを備えることも多い。よって、ＣＰＵとＧＰＵで共通化されたメモリ、又は共通に使用できるようにアドレスが管理されているメモリにより、ＧＰＵの性能を活かして広い領域を一括して処理する構成でもよい。これにより符号化時間を短縮でき、リアルタイム性を確保し、低遅延を実現できる。特に動き探索、デブロックフィルタ、ＳＡＯ（Ｓａｍｐｌｅ　Ａｄａｐｔｉｖｅ　Ｏｆｆｓｅｔ）、及び変換・量子化の処理を、ＣＰＵではなく、ＧＰＵでピクチャなどの単位で一括して行うと効率的である。
　本開示は、例えば、テレビジョン受像機、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、デジタルビデオカメラ、テレビ会議システム、又は、電子ミラー等に利用可能である。
　　１００　符号化装置
　　１０２　分割部
　　１０４　減算部
　　１０６　変換部
　　１０８　量子化部
　　１１０　エントロピー符号化部
　　１１２、２０４　逆量子化部
　　１１４、２０６　逆変換部
　　１１６、２０８　加算部
　　１１８、２１０　ブロックメモリ
　　１２０、２１２　ループフィルタ部
　　１２２、２１４　フレームメモリ
　　１２４、２１６　イントラ予測部（画面内予測部）
　　１２６、２１８　インター予測部（画面間予測部）
　　１２８、２２０　予測制御部
　　１６０、２６０　回路
　　１６２、２６２　メモリ
　　２００　復号装置
　　２０２　エントロピー復号部

Claims (20)

  1. 　動画像を符号化する符号化装置であって、
    　メモリと、
    　前記メモリにアクセス可能な回路とを備え、
    　前記メモリにアクセス可能な前記回路は、
    　前記動画像を構成する複数のピクチャのうち処理対象ピクチャに含まれる処理対象ブロックの１対の動きベクトルを導出し、
    　前記処理対象ブロックの１対の動きベクトルを用いて双予測で前記処理対象ブロックを符号化し、
    　前記処理対象ブロックの１対の動きベクトルの導出において、
    　（ｉ）前記処理対象ブロックの１対の動きベクトルに対する複数対の動きベクトル候補を生成し、
    　（ｉｉ）前記複数対の動きベクトル候補の中から、前記複数のピクチャのうち複数の処理済みピクチャのみを参照して、特定の１対の動きベクトル候補を選択し、
    　（ｉｉｉ）前記特定の１対の動きベクトル候補から、前記処理対象ブロックの１対の動きベクトルを導出し、
    　前記複数対の動きベクトル候補の生成において、空間的又は時間的に前記処理対象ブロックの周辺に位置する複数の処理済みブロックのそれぞれについて、当該処理済みブロックが当該処理済みブロックの１対の動きベクトルを用いて双予測で符号化されたブロックである場合、当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成する
    　符号化装置。
  2. 　前記回路は、前記複数対の動きベクトル候補の生成において、前記複数の処理済みブロックのそれぞれについて、当該処理済みブロックが当該処理済みブロックの１対の動きベクトルを用いて双予測で符号化されたブロックである場合、
    　（ｉ）当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補と、
    　（ｉｉ）当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルのうちの一方から導出される２つの動きベクトル候補で構成される１対の動きベクトル候補と、
    　（ｉｉｉ）当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルのうちの他方から導出される２つの動きベクトル候補で構成される１対の動きベクトル候補とを
    　前記複数対の動きベクトル候補のうちの３対として生成する
    　請求項１に記載の符号化装置。
  3. 　前記複数対の動きベクトル候補は、
    　（ｉ）それぞれが、前記複数の処理済みブロックのうち単予測又は双予測で符号化された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対以上の第１モード動きベクトル候補と、
    　（ｉｉ）それぞれが、前記複数の処理済みブロックのうち双予測で符号化された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対以上の第２モード動きベクトル候補とを含み、
    　前記回路は、前記特定の１対の動きベクトル候補の選択において、
    　前記１対以上の第１モード動きベクトル候補のそれぞれについて、当該１対の第１モード動きベクトル候補によって前記複数の処理済みピクチャから導出される２つの第１モード対応画像の差に従って、第１モード評価値を算出し、
    　前記１対以上の第２モード動きベクトル候補のそれぞれについて、当該１対の第２モード動きベクトル候補によって前記複数の処理済みピクチャから導出される２つの第２モード対応画像のそれぞれと、前記２つの第２モード対応画像から導出される１つの予測画像候補との差に従って、第２モード評価値を算出し、
    　前記１対以上の第１モード動きベクトル候補において第１モード評価値が最も良い特定の１対の第１モード動きベクトル候補、又は、前記１対以上の第２モード動きベクトル候補において第２モード評価値が最も良い特定の１対の第２モード動きベクトル候補を前記特定の１対の動きベクトル候補として選択する
    　請求項１又は２に記載の符号化装置。
  4. 　前記回路は、前記特定の１対の第１モード動きベクトル候補又は前記特定の１対の第２モード動きベクトル候補の選択において、
    　前記特定の１対の第１モード動きベクトル候補及び前記特定の１対の第２モード動きベクトル候補の間で共通の算出方法に従って、前記特定の１対の第１モード動きベクトル候補及び前記特定の１対の第２モード動きベクトル候補のそれぞれから評価値を算出し、
    　前記特定の１対の第１モード動きベクトル候補及び前記特定の１対の第２モード動きベクトル候補のうち評価値がより良い１対の動きベクトル候補を前記特定の１対の動きベクトル候補として選択する
    　請求項３に記載の符号化装置。
  5. 　前記回路は、前記特定の１対の第１モード動きベクトル候補又は前記特定の１対の第２モード動きベクトル候補の選択において、
    　前記特定の１対の第１モード動きベクトル候補の第１モード評価値が、前記特定の１対の第２モード動きベクトル候補から第２モード評価値の算出方法とは異なる算出方法に従って算出される比較対象評価値よりも良い場合、前記特定の１対の第１モード動きベクトル候補を選択する
    　請求項３に記載の符号化装置。
  6. 　前記回路は、前記特定の１対の第１モード動きベクトル候補又は前記特定の１対の第２モード動きベクトル候補の選択において、
    　前記特定の１対の第２モード動きベクトル候補の第２モード評価値が、前記特定の１対の第１モード動きベクトル候補から第１モード評価値の算出方法とは異なる算出方法に従って算出される比較対象評価値よりも良い場合、前記特定の１対の第２モード動きベクトル候補を選択する
    　請求項３に記載の符号化装置。
  7. 　前記複数対の動きベクトル候補は、
    　（ｉ）それぞれが、前記複数の処理済みブロックのうち単予測又は双予測で符号化された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対以上の第１モード動きベクトル候補と、
    　（ｉｉ）それぞれが、前記複数の処理済みブロックのうち双予測で符号化された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対以上の第２モード動きベクトル候補とを含み、
    　前記回路は、前記特定の１対の動きベクトル候補の選択において、
    　前記複数対の動きベクトル候補の間で共通の算出方法に従って、前記複数対の動きベクトル候補のそれぞれから評価値を算出し、
    　前記複数対の動きベクトル候補のうち評価値が最も良い１対の動きベクトル候補を前記特定の１対の動きベクトル候補として選択する
    　請求項１又は２に記載の符号化装置。
  8. 　前記回路は、前記複数対の動きベクトル候補の生成において、
    　（ｉ）前記複数の処理済みブロックのうち単予測又は双予測で符号化された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対の第１モード動きベクトル候補と、
    　（ｉｉ）前記複数の処理済みブロックのうち双予測で符号化された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対の第２モード動きベクトル候補とのうち、
    　前記１対の第２モード動きベクトル候補のみで構成される前記複数対の動きベクトル候補を生成する
    　請求項１に記載の符号化装置。
  9. 　前記回路は、
    　（ｉ）前記複数の処理済みブロックのうち単予測又は双予測で符号化された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対の第１モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成することが有効であるか否かと、
    　（ｉｉ）前記複数の処理済みブロックのうち双予測で符号化された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対の第２モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成することが有効であるか否かとを示す情報を符号化し、
    　前記１対の第１モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成することが有効である場合、前記１対の第１モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成し、
    　前記１対の第２モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成することが有効である場合、前記１対の第２モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成する
    　請求項１～８のいずれか１項に記載の符号化装置。
  10. 　動画像を復号する復号装置であって、
    　メモリと、
    　前記メモリにアクセス可能な回路とを備え、
    　前記メモリにアクセス可能な前記回路は、
    　前記動画像を構成する複数のピクチャのうち処理対象ピクチャに含まれる処理対象ブロックの１対の動きベクトルを導出し、
    　前記処理対象ブロックの１対の動きベクトルを用いて双予測で前記処理対象ブロックを復号し、
    　前記処理対象ブロックの１対の動きベクトルの導出において、
    　（ｉ）前記処理対象ブロックの１対の動きベクトルに対する複数対の動きベクトル候補を生成し、
    　（ｉｉ）前記複数対の動きベクトル候補の中から、前記複数のピクチャのうち複数の処理済みピクチャのみを参照して、特定の１対の動きベクトル候補を選択し、
    　（ｉｉｉ）前記特定の１対の動きベクトル候補から、前記処理対象ブロックの１対の動きベクトルを導出し、
    　前記複数対の動きベクトル候補の生成において、空間的又は時間的に前記処理対象ブロックの周辺に位置する複数の処理済みブロックのそれぞれについて、当該処理済みブロックが当該処理済みブロックの１対の動きベクトルを用いて双予測で復号されたブロックである場合、当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成する
    　復号装置。
  11. 　前記回路は、前記複数対の動きベクトル候補の生成において、前記複数の処理済みブロックのそれぞれについて、当該処理済みブロックが当該処理済みブロックの１対の動きベクトルを用いて双予測で復号されたブロックである場合、
    　（ｉ）当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補と、
    　（ｉｉ）当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルのうちの一方から導出される２つの動きベクトル候補で構成される１対の動きベクトル候補と、
    　（ｉｉｉ）当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルのうちの他方から導出される２つの動きベクトル候補で構成される１対の動きベクトル候補とを
    　前記複数対の動きベクトル候補のうちの３対として生成する
    　請求項１０に記載の復号装置。
  12. 　前記複数対の動きベクトル候補は、
    　（ｉ）それぞれが、前記複数の処理済みブロックのうち単予測又は双予測で復号された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対以上の第１モード動きベクトル候補と、
    　（ｉｉ）それぞれが、前記複数の処理済みブロックのうち双予測で復号された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対以上の第２モード動きベクトル候補とを含み、
    　前記回路は、前記特定の１対の動きベクトル候補の選択において、
    　前記１対以上の第１モード動きベクトル候補のそれぞれについて、当該１対の第１モード動きベクトル候補によって前記複数の処理済みピクチャから導出される２つの第１モード対応画像の差に従って、第１モード評価値を算出し、
    　前記１対以上の第２モード動きベクトル候補のそれぞれについて、当該１対の第２モード動きベクトル候補によって前記複数の処理済みピクチャから導出される２つの第２モード対応画像のそれぞれと、前記２つの第２モード対応画像から導出される１つの予測画像候補との差に従って、第２モード評価値を算出し、
    　前記１対以上の第１モード動きベクトル候補において第１モード評価値が最も良い特定の１対の第１モード動きベクトル候補、又は、前記１対以上の第２モード動きベクトル候補において第２モード評価値が最も良い特定の１対の第２モード動きベクトル候補を前記特定の１対の動きベクトル候補として選択する
    　請求項１０又は１１に記載の復号装置。
  13. 　前記回路は、前記特定の１対の第１モード動きベクトル候補又は前記特定の１対の第２モード動きベクトル候補の選択において、
    　前記特定の１対の第１モード動きベクトル候補及び前記特定の１対の第２モード動きベクトル候補の間で共通の算出方法に従って、前記特定の１対の第１モード動きベクトル候補及び前記特定の１対の第２モード動きベクトル候補のそれぞれから評価値を算出し、
    　前記特定の１対の第１モード動きベクトル候補及び前記特定の１対の第２モード動きベクトル候補のうち評価値がより良い１対の動きベクトル候補を前記特定の１対の動きベクトル候補として選択する
    　請求項１２に記載の復号装置。
  14. 　前記回路は、前記特定の１対の第１モード動きベクトル候補又は前記特定の１対の第２モード動きベクトル候補の選択において、
    　前記特定の１対の第１モード動きベクトル候補の第１モード評価値が、前記特定の１対の第２モード動きベクトル候補から第２モード評価値の算出方法とは異なる算出方法に従って算出される比較対象評価値よりも良い場合、前記特定の１対の第１モード動きベクトル候補を選択する
    　請求項１２に記載の復号装置。
  15. 　前記回路は、前記特定の１対の第１モード動きベクトル候補又は前記特定の１対の第２モード動きベクトル候補の選択において、
    　前記特定の１対の第２モード動きベクトル候補の第２モード評価値が、前記特定の１対の第１モード動きベクトル候補から第１モード評価値の算出方法とは異なる算出方法に従って算出される比較対象評価値よりも良い場合、前記特定の１対の第２モード動きベクトル候補を選択する
    　請求項１２に記載の復号装置。
  16. 　前記複数対の動きベクトル候補は、
    　（ｉ）それぞれが、前記複数の処理済みブロックのうち単予測又は双予測で復号された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対以上の第１モード動きベクトル候補と、
    　（ｉｉ）それぞれが、前記複数の処理済みブロックのうち双予測で復号された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対以上の第２モード動きベクトル候補とを含み、
    　前記回路は、前記特定の１対の動きベクトル候補の選択において、
    　前記複数対の動きベクトル候補の間で共通の算出方法に従って、前記複数対の動きベクトル候補のそれぞれから評価値を算出し、
    　前記複数対の動きベクトル候補のうち評価値が最も良い１対の動きベクトル候補を前記特定の１対の動きベクトル候補として選択する
    　請求項１０又は１１に記載の復号装置。
  17. 　前記回路は、前記複数対の動きベクトル候補の生成において、
    　（ｉ）前記複数の処理済みブロックのうち単予測又は双予測で復号された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対の第１モード動きベクトル候補と、
    　（ｉｉ）前記複数の処理済みブロックのうち双予測で復号された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対の第２モード動きベクトル候補とのうち、
    　前記１対の第２モード動きベクトル候補のみで構成される前記複数対の動きベクトル候補を生成する
    　請求項１０に記載の復号装置。
  18. 　前記回路は、
    　（ｉ）前記複数の処理済みブロックのうち単予測又は双予測で復号された処理済みブロックの１つの動きベクトルから導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対の第１モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成することが有効であるか否かと、
    　（ｉｉ）前記複数の処理済みブロックのうち双予測で復号された処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補である１対の第２モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成することが有効であるか否かとを示す情報を復号し、
    　前記１対の第１モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成することが有効である場合、前記１対の第１モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成し、
    　前記１対の第２モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成することが有効である場合、前記１対の第２モード動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成する
    　請求項１０～１７のいずれか１項に記載の復号装置。
  19. 　動画像を符号化する符号化方法であって、
    　前記動画像を構成する複数のピクチャのうち処理対象ピクチャに含まれる処理対象ブロックの１対の動きベクトルを導出し、
    　前記処理対象ブロックの１対の動きベクトルを用いて双予測で前記処理対象ブロックを符号化し、
    　前記処理対象ブロックの１対の動きベクトルの導出において、
    　（ｉ）前記処理対象ブロックの１対の動きベクトルに対する複数対の動きベクトル候補を生成し、
    　（ｉｉ）前記複数対の動きベクトル候補の中から、前記複数のピクチャのうち複数の処理済みピクチャのみを参照して、特定の１対の動きベクトル候補を選択し、
    　（ｉｉｉ）前記特定の１対の動きベクトル候補から、前記処理対象ブロックの１対の動きベクトルを導出し、
    　前記複数対の動きベクトル候補の生成において、空間的又は時間的に前記処理対象ブロックの周辺に位置する複数の処理済みブロックのそれぞれについて、当該処理済みブロックが当該処理済みブロックの１対の動きベクトルを用いて双予測で符号化されたブロックである場合、当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成する
    　符号化方法。
  20. 　動画像を復号する復号方法であって、
    　前記動画像を構成する複数のピクチャのうち処理対象ピクチャに含まれる処理対象ブロックの１対の動きベクトルを導出し、
    　前記処理対象ブロックの１対の動きベクトルを用いて双予測で前記処理対象ブロックを復号し、
    　前記処理対象ブロックの１対の動きベクトルの導出において、
    　（ｉ）前記処理対象ブロックの１対の動きベクトルに対する複数対の動きベクトル候補を生成し、
    　（ｉｉ）前記複数対の動きベクトル候補の中から、前記複数のピクチャのうち複数の処理済みピクチャのみを参照して、特定の１対の動きベクトル候補を選択し、
    　（ｉｉｉ）前記特定の１対の動きベクトル候補から、前記処理対象ブロックの１対の動きベクトルを導出し、
    　前記複数対の動きベクトル候補の生成において、空間的又は時間的に前記処理対象ブロックの周辺に位置する複数の処理済みブロックのそれぞれについて、当該処理済みブロックが当該処理済みブロックの１対の動きベクトルを用いて双予測で復号されたブロックである場合、当該処理済みブロックの１対の動きベクトルを構成する２つの動きベクトルからそれぞれ導出される２つの動きベクトル候補で構成される１対の動きベクトル候補を前記複数対の動きベクトル候補のうちの１対として生成する
    　復号方法。
PCT/JP2018/020660 2017-06-06 2018-05-30 符号化装置、復号装置、符号化方法及び復号方法 WO2018225595A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201762515757P 2017-06-06 2017-06-06
US62/515,757 2017-06-06

Publications (1)

Publication Number Publication Date
WO2018225595A1 true WO2018225595A1 (ja) 2018-12-13

Family

ID=64567363

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/020660 WO2018225595A1 (ja) 2017-06-06 2018-05-30 符号化装置、復号装置、符号化方法及び復号方法

Country Status (1)

Country Link
WO (1) WO2018225595A1 (ja)

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A. ROBERT ET AL.: "High precision FRUC with additional candidates", JVET-D JVET-D0046, 5 October 2016 (2016-10-05), 75 Avenue des Champs Blancs 35576 Cesson-Sevigne, FRANCE, XP030150274, Retrieved from the Internet <URL:http://phenix.it-sudparis.eu/jvet/doc_end_user/documents/4_Chengdu/wgll/JVET-D0046-vl.zip> *
A. ROBERT ET AL.: "Response to the EE 3-D0046", JVET-E JVET- E0060, 4 January 2017 (2017-01-04), 75 Avenue des Champs Blancs 35576 Cesson-Sevigne, FRANCE, XP030150539, Retrieved from the Internet <URL:http://phenix.it-sudparis.eu/jvet/doc_end_user/documents/5_Geneva/wg11/JVET-E0060-v1.zip> *
CHEN, JIANLE ET AL.: "Algorithm Description of Joint Exploration Test Model 5", JVET- E1001, OF ITU-TSG 16 WP3, 9 February 2017 (2017-02-09), Geneva, CH, pages 21, 22, XP055540446 *

Similar Documents

Publication Publication Date Title
JP6765520B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP6946419B2 (ja) 復号装置、復号方法及びプログラム
WO2018199051A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2019151279A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7339890B2 (ja) 符号化装置及び復号装置
WO2018221631A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2018190207A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019208372A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019189346A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018193968A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018212111A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018199050A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2018225593A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2019221103A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7535642B2 (ja) 符号化装置、及び、符号化方法
JP2021002891A (ja) 符号化装置及び符号化方法
JP2020198655A (ja) 復号装置及び復号方法
WO2018105579A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019189344A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019163794A1 (ja) 符号化装置及び符号化方法
JP2023016992A (ja) 符号化装置及び復号装置
WO2018097078A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019021803A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019239790A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2019163795A1 (ja) 符号化装置及び符号化方法

Legal Events

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

Ref document number: 18813776

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: 18813776

Country of ref document: EP

Kind code of ref document: A1