WO2019031369A1 - 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
WO2019031369A1
WO2019031369A1 PCT/JP2018/028946 JP2018028946W WO2019031369A1 WO 2019031369 A1 WO2019031369 A1 WO 2019031369A1 JP 2018028946 W JP2018028946 W JP 2018028946W WO 2019031369 A1 WO2019031369 A1 WO 2019031369A1
Authority
WO
WIPO (PCT)
Prior art keywords
processing
fruc
block
unit
decoding
Prior art date
Application number
PCT/JP2018/028946
Other languages
English (en)
French (fr)
Inventor
安倍　清史
西　孝啓
遠間　正真
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 WO2019031369A1 publication Critical patent/WO2019031369A1/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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/156—Availability of hardware or computational resources, e.g. encoding based on power-saving criteria
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock

Definitions

  • the present disclosure relates to an encoding device, a decoding device, an encoding method, and a decoding method.
  • H. H.264 ITU-T International Telecommunication Union Telecommunication Standardization Division
  • ISO / IEC ISO / IEC standard
  • MPEG-4 AVC MPEG-4 AVC
  • An object of the present disclosure is to provide a decoding device, an encoding device, a decoding method, or an encoding method capable of suppressing processing delay.
  • An encoding apparatus includes a circuit and a memory, and the circuit uses the memory to generate a FRUC (frame rate up-based on first information related to processing time at the time of decoding). conversion) It is determined whether or not to prohibit processing, and when it is determined to inhibit the FRUC processing, one prediction mode is selected from a plurality of prediction modes not including the FRUC processing, and the code is not used without using the FRUC processing. If it is determined that the FRUC process is not prohibited, one prediction mode is selected from a plurality of prediction modes including the FRUC process, and it is determined whether the selected prediction mode is a mode for performing the FRUC process. Coding is performed using the FRUC process or not using the FRUC process to indicate whether the FRUC process is used or not Generating a coded bit stream including the second information.
  • FRUC frame rate up-based on first information related to processing time at the time of decoding). conversion
  • a decoding device is a decoding device that decodes the coded bit stream generated by the coding device, and includes a circuit and a memory, and the circuit uses the memory. According to the second information included in the coded bit stream, decoding is performed using the FRUC process or without using the FRUC process.
  • the present disclosure can provide a decoding device, an encoding device, a decoding method, or an encoding method that can suppress processing delay.
  • FIG. 1 is a block diagram showing a functional configuration of the coding apparatus according to the first embodiment.
  • FIG. 2 is a diagram showing an example of block division in the first embodiment.
  • FIG. 3 is a table showing transform basis functions corresponding to each transform type.
  • FIG. 4A is a view showing an example of the shape of a filter used in ALF.
  • FIG. 4B is a view showing another example of the shape of a filter used in ALF.
  • FIG. 4C is a view showing 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 describing an outline of predicted image correction processing by OBMC processing.
  • FIG. 5A is a diagram illustrating 67 intra prediction modes in intra prediction.
  • FIG. 5B is a flowchart for describing an outline of predicted image correction processing by OBMC processing.
  • FIG. 5C is a conceptual diagram for describing an outline of predicted image correction processing by OBMC processing.
  • FIG. 5D is a diagram illustrating an example of FRUC.
  • FIG. 6 is a diagram for describing pattern matching (bilateral matching) between two blocks along a motion trajectory.
  • FIG. 7 is a diagram for describing pattern matching (template matching) between a template in a current picture and a block in a reference picture.
  • FIG. 8 is a diagram for explaining a model assuming uniform linear motion.
  • FIG. 9A is a diagram for describing 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 describing an overview of motion vector derivation processing in the merge mode.
  • FIG. 9A is a diagram for describing 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 describing an
  • FIG. 9C is a conceptual diagram for describing an overview of DMVR processing.
  • FIG. 9D is a diagram for describing an outline 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 schematic view showing an example of the first pipeline structure.
  • FIG. 12 is a schematic view showing an example of block division used for describing pipeline processing.
  • FIG. 13 is a time chart showing an example of processing timing in the first pipeline structure example.
  • FIG. 14 is a schematic diagram showing an example of a second pipeline structure.
  • FIG. 15 is a time chart showing an example of processing timing in the second example of the pipeline structure.
  • FIG. 16 is a schematic diagram showing an example of a third pipeline structure.
  • FIG. 17 is a time chart showing an example of processing timing in the third pipeline structural example.
  • FIG. 18 is a flowchart of the encoding process by the encoding device.
  • FIG. 19 is a flowchart of a first example of the encoding process.
  • FIG. 20 is a flowchart of the decoding process by the decoding device.
  • FIG. 21 is a flowchart of a second example of the encoding process.
  • FIG. 22 is a flowchart of a third example of the encoding process.
  • FIG. 23 is a flowchart of a fourth example of the encoding process.
  • FIG. 24 is a block diagram showing an implementation example of the coding apparatus according to Embodiment 1.
  • FIG. 24 is a block diagram showing an implementation example of the coding apparatus according to Embodiment 1.
  • FIG. 25 is a block diagram showing an implementation example of the decoding apparatus according to Embodiment 1.
  • FIG. 26 is an overall configuration diagram of a content supply system for realizing content distribution service.
  • FIG. 27 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 28 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 29 is a view showing an example of a display screen of a web page.
  • FIG. 30 is a diagram showing an example of a display screen of a web page.
  • FIG. 31 is a diagram illustrating an example of a smartphone.
  • FIG. 32 is a block diagram showing a configuration example of a smartphone.
  • the encoding apparatus encodes an image block by block.
  • the encoding apparatus may use inter-frame prediction or intra-frame prediction when encoding an image block by block.
  • inter-screen prediction is used to encode the current block
  • the encoding device detects a motion vector of the current block, and generates a predicted image of the current block using the detected motion vector. Then, the coding apparatus reduces the code amount by coding a difference image between the predicted image of the current block and the original image of the current block.
  • the encoding apparatus encodes motion vector information indicating a motion vector, and the decoding apparatus decodes the motion vector information. Furthermore, the decoding device decodes the difference image. Then, the decoding apparatus generates a predicted image of the current block using the motion vector indicated by the decoded motion vector information, and reconstructs the original image by adding the predicted image and the difference image. Thereby, the decoding device can decode the image.
  • the encoding device encodes the motion vector information, and the decoding device decodes the motion vector information, whereby the decoding device appropriately generates a predicted image of the current block using the motion vector used by the encoding device. be able to.
  • coding of motion vector information may increase the code amount.
  • the encoding device and the decoding device may use a technique called Frame Rate Up-Conversion (FRUC) to reduce such code amount.
  • FRUC Frame Rate Up-Conversion
  • the encoding device and the decoding device derive motion vectors in the same manner in the encoding device and the decoding device without encoding and decoding motion vector information.
  • the encoding device and the decoding device derive the motion vector of the current block using a template configured with a reconstructed image around the current block, without using the current block.
  • the encoding device and the decoding device can derive the motion vector in the same manner in the encoding device and the decoding device without encoding and decoding the motion vector information. Therefore, the code amount is reduced.
  • the encoding device and the decoding device can not use a template composed of reconstructed images around the current block until reconstructed images around the current block are generated. Therefore, in the process of deriving a motion vector by the template FRUC method, a delay may occur.
  • An encoding apparatus includes a circuit and a memory, and the circuit uses the memory to generate a FRUC (frame rate up-based on first information related to processing time at the time of decoding). conversion) It is determined whether or not to prohibit processing, and when it is determined to inhibit the FRUC processing, one prediction mode is selected from a plurality of prediction modes not including the FRUC processing, and the code is not used without using the FRUC processing. If it is determined that the FRUC process is not prohibited, one prediction mode is selected from a plurality of prediction modes including the FRUC process, and it is determined whether the selected prediction mode is a mode for performing the FRUC process. Coding is performed using the FRUC process or not using the FRUC process to indicate whether the FRUC process is used or not Generating a coded bit stream including the second information.
  • FRUC frame rate up-based on first information related to processing time at the time of decoding). conversion
  • the processing time at the time of decoding can be appropriately reduced, for example, the waiting time in pipeline control at the time of decoding can be reduced.
  • the first information is a size of a block to be processed, and the determination as to whether or not to inhibit the FRUC process prohibits the FRUC process when the size is larger than a predetermined threshold. You may decide.
  • the first information is the size of the block to be processed and the size of the block immediately before the block to be processed, and in the determination of whether or not to inhibit the FRUC process, the first information If the size is larger than the size of the immediately preceding block, it may be determined to inhibit the FRUC process.
  • the processing time can be reduced at the timing when the possibility of the waiting time is high, the waiting time can be efficiently reduced.
  • the first information is the number of blocks encoded using the FRUC process among a plurality of blocks, and the number of blocks is previously determined in the determination as to whether or not the FRUC process is inhibited. If it is larger than the threshold, it may be determined to prohibit the FRU processing.
  • the processing time can be reduced at the timing when the waiting time becomes long, the waiting time can be efficiently reduced. In addition, it is possible to suppress unnecessary prohibition of the FRCU processing.
  • the first information is a ratio of blocks encoded using the FRUC processing among a plurality of blocks, and the ratio of the blocks is predetermined in the determination of whether or not to inhibit the FRUC processing. If it is larger than the threshold, it may be determined to prohibit the FRU processing.
  • the processing time can be reduced at the timing when the waiting time becomes long, the waiting time can be efficiently reduced. In addition, it is possible to suppress unnecessary prohibition of the FRCU processing.
  • the plurality of blocks may be a plurality of blocks included in a coding tree unit (CTU) to which a block to be processed belongs and one or more coding tree units processed immediately before.
  • CTU coding tree unit
  • the plurality of blocks may be a plurality of blocks included in a slice or a picture to which a block to be processed belongs.
  • the first information is the number of consecutive blocks encoded using the FRUC process immediately before the block to be processed, and in the determination of whether to inhibit the FRUC process, the block It may be determined that the FRUC process is to be prohibited if the consecutive number is greater than a predetermined threshold.
  • the processing time can be reduced at the timing when the waiting time becomes long, the waiting time can be efficiently reduced. In addition, it is possible to suppress unnecessary prohibition of the FRCU processing.
  • the first information is a waiting time in pipeline control at the time of decoding, and in the determination of whether to inhibit the FRUC process, the waiting time is estimated, and the estimated waiting time is determined in advance. If it is larger than the threshold, it may be determined to prohibit the FRU processing.
  • the processing time can be reduced at the timing when the waiting time becomes long, the waiting time can be efficiently reduced. In addition, it is possible to suppress unnecessary prohibition of the FRCU processing.
  • the circuit uses the memory, and further, a parameter related to the determination as to whether or not to inhibit the FRUC process is included in the encoded bit stream, a sequence header area, a picture header area, a slice header area Or may be encoded in the side information area.
  • the circuit may switch, using the memory, a parameter related to the determination as to whether or not the FRUC process is to be prohibited, according to the size of the picture to be processed.
  • the circuit may switch, using the memory, a parameter related to the determination as to whether or not to inhibit the FRU processing according to the processing capability of the decoding device.
  • the circuit may switch, using the memory, a parameter related to the determination as to whether or not to inhibit the FRUC process according to a profile or a level assigned to the encoded bit stream.
  • a decoding device is a decoding device that decodes the coded bit stream generated by the coding device, and includes a circuit and a memory, and the circuit uses the memory. According to the second information included in the coded bit stream, decoding is performed using the FRUC process or without using the FRUC process.
  • the processing time at the time of decoding can be appropriately reduced, for example, the waiting time in pipeline control at the time of decoding can be reduced.
  • the encoding method determines whether or not to prohibit frame rate up-conversion (FRUC) processing based on first information related to processing time at the time of decoding, and prohibits the FRUC processing. If it is determined, one prediction mode is selected from a plurality of prediction modes not including the FRUC processing, encoding is performed without using the FRUC processing, and it is determined that the FRUC processing is not inhibited, the FRUC processing is performed.
  • FRUC frame rate up-conversion
  • one prediction mode is selected from a plurality of prediction modes including and the selected prediction mode is a mode for performing a FRUC process, using the above-mentioned FRUC process or without using the above-mentioned FRUC process Encoding is performed to generate an encoded bit stream including second information indicating whether the FRUC process is to be used.
  • the processing time at the time of decoding can be appropriately reduced, for example, the waiting time in pipeline control at the time of decoding can be reduced.
  • the decoding method is a decoding method for decoding the coded bit stream generated by the coding method, according to the second information included in the coded bit stream. Decryption is performed using or without the FRUC process.
  • the processing time at the time of decoding can be appropriately reduced, for example, the waiting time in pipeline control at the time of decoding can be reduced.
  • these general 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, and the system
  • the present invention may be realized as any combination of an apparatus, a method, an integrated circuit, a computer program, and a storage medium.
  • Embodiment 1 First, an outline of the first embodiment will be described as an example of an encoding apparatus and a decoding apparatus to which the process and / or the configuration described in each aspect of the present disclosure described later can be applied.
  • Embodiment 1 is merely an example of an encoding apparatus and a decoding apparatus to which the process and / or the configuration described in each aspect of the present disclosure can be applied, and the processing and / or the process described in each aspect of the present disclosure
  • the configuration can also be implemented in a coding apparatus and a decoding apparatus that are different from the first embodiment.
  • the encoding apparatus or the 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 that configure the encoding apparatus or the decoding apparatus.
  • Replacing a component with a component described in each aspect of the present disclosure (2) A plurality of configurations constituting the encoding device or the decoding device with respect to the encoding device or the decoding device of the first embodiment
  • Addition of processing to the method performed by the encoding apparatus or the decoding apparatus of the first embodiment, and / or a plurality of processes included in the method home Replacing a process corresponding to the process described in each aspect of the present disclosure with the process described in each aspect of the present disclosure after replacing some of the processes and arbitrary changes such as deletion.
  • the component described in each aspect of the present disclosure is a component of a part of the plurality of components constituting the encoding apparatus or the decoding apparatus of the first aspect Implementing in combination with a component having a part of the functions to be provided or a component performing a part of the process performed by the component described in each aspect of the present disclosure (5)
  • the encoding apparatus according to the first embodiment Or a component having a part of functions provided by a part of a plurality of components constituting the decoding apparatus, or a plurality of components constituting the coding apparatus or the decoding apparatus of the first embodiment
  • Part of A component performing a part of the process performed by the component is a component described in each aspect of the present disclosure, a component provided with a part of the function of the component described in each aspect of the present disclosure, or the present Implementing in combination with a component that performs part of the processing performed by the components described in each aspect of the disclosure (6)
  • the manner of implementation of the processing and / or configuration described in each aspect of the present disclosure is not limited to the above example.
  • it may be implemented in an apparatus used for a purpose different from the moving picture / image coding apparatus or the moving picture / image decoding apparatus disclosed in the first embodiment, or the process and / or the process described in each aspect.
  • the configuration may be implemented alone.
  • the processes and / or configurations described in the different embodiments may be implemented in combination.
  • FIG. 1 is a block diagram showing a functional configuration of coding apparatus 100 according to the first embodiment.
  • the encoding device 100 is a moving image / image coding device that encodes a moving image / image in units of blocks.
  • the encoding apparatus 100 is an apparatus for encoding an image in units of blocks, and includes a dividing unit 102, a subtracting unit 104, a converting unit 106, a quantizing unit 108, and entropy coding.
  • Unit 110 inverse quantization unit 112, inverse transformation unit 114, addition unit 116, block memory 118, loop filter unit 120, frame memory 122, intra prediction unit 124, inter prediction unit 126, And a prediction control unit 128.
  • the encoding device 100 is realized by, for example, a general-purpose processor and a memory.
  • the processor controls the division unit 102, the subtraction unit 104, the conversion unit 106, the quantization unit 108, the entropy coding unit 110, and the dequantization unit 112.
  • the inverse transform unit 114, the addition unit 116, the loop filter unit 120, the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 function.
  • coding apparatus 100 includes division section 102, subtraction section 104, conversion section 106, quantization section 108, entropy coding section 110, inverse quantization section 112, inverse conversion section 114, addition section 116, and loop filter section 120. , And may be realized as one or more dedicated electronic circuits corresponding to the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • 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 division 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 fixed size blocks into blocks of variable size (for example, 64 ⁇ 64 or less) based on recursive quadtree and / or binary tree block division.
  • This variable sized block may be referred to as a coding unit (CU), a prediction unit (PU) or a transform unit (TU).
  • CUs, PUs, and TUs need not be distinguished, and some or all of the blocks in a picture may be processing units of CUs, PUs, and TUs.
  • FIG. 2 is a diagram showing an example of block division in the first embodiment.
  • solid lines represent block boundaries by quadtree block division
  • broken lines represent block boundaries by binary tree block division.
  • the block 10 is a square block (128 ⁇ 128 block) of 128 ⁇ 128 pixels.
  • the 128x128 block 10 is first divided into four square 64x64 blocks (quadtree block division).
  • the upper left 64x64 block is further vertically divided into two rectangular 32x64 blocks, and the left 32x64 block is further vertically divided into two rectangular 16x64 blocks (binary block division). As a result, the upper left 64x64 block is divided into two 16x64 blocks 11, 12 and a 32x64 block 13.
  • the upper right 64x64 block is divided horizontally into two rectangular 64x32 blocks 14 and 15 (binary block division).
  • the lower left 64x64 block is divided into four square 32x32 blocks (quadtree block division). Of the four 32x32 blocks, the upper left block and the lower right block are further divided.
  • the upper left 32x32 block is vertically divided into two rectangular 16x32 blocks, and the right 16x32 block is further horizontally split into two 16x16 blocks (binary block division).
  • the lower right 32x32 block is divided horizontally into two 32x16 blocks (binary block division).
  • the lower left 64x64 block is divided into a 16x32 block 16, two 16x16 blocks 17, 18, two 32x32 blocks 19, 20, and two 32x16 blocks 21, 22.
  • the lower right 64x64 block 23 is not divided.
  • the block 10 is divided into thirteen variable sized blocks 11 to 23 based on recursive quadtree and binary tree block division. Such division is sometimes called quad-tree plus binary tree (QTBT) division.
  • QTBT quad-tree plus binary tree
  • one block is divided into four or two blocks (quadtree or binary tree block division) in FIG. 2, the division is not limited to this.
  • one block may be divided into three blocks (tri-tree block division).
  • a partition including such a ternary tree block partition may be referred to as a multi type tree (MBT) partition.
  • MBT multi type tree
  • the subtracting unit 104 subtracts a prediction signal (prediction sample) from an original signal (original sample) in block units divided by the dividing unit 102. That is, the subtraction unit 104 calculates a prediction error (also referred to as a residual) of the encoding target block (hereinafter, referred to as a current block). Then, the subtracting unit 104 outputs the calculated prediction error to the converting unit 106.
  • the original signal is an input signal of the coding apparatus 100, and is a signal (for example, a luminance (luma) signal and two color difference (chroma) signals) representing an image of each picture constituting a moving image.
  • a signal representing an image may also be referred to as a sample.
  • Transform section 106 transforms the prediction error in the spatial domain into a transform coefficient in the frequency domain, and outputs the transform coefficient to quantization section 108.
  • the transform unit 106 performs, for example, discrete cosine transform (DCT) or discrete sine transform (DST) determined in advance on the prediction error in the spatial domain.
  • DCT discrete cosine transform
  • DST discrete sine transform
  • Transform section 106 adaptively selects a transform type from among a plurality of transform types, and transforms the prediction error into transform coefficients using a transform basis function corresponding to the selected transform type. You may Such transformation may be referred to as explicit multiple core transform (EMT) or adaptive multiple transform (AMT).
  • EMT explicit multiple core transform
  • AMT adaptive multiple transform
  • the plurality of transformation types include, for example, DCT-II, DCT-V, DCT-VIII, DST-I and DST-VII.
  • FIG. 3 is a table showing transform basis functions corresponding to each transform type. In FIG. 3, N indicates the number of input pixels. The choice of transform type from among these multiple transform types may depend, for example, on the type of prediction (intra-prediction and inter-prediction) or depending on the intra-prediction mode.
  • Information indicating whether to apply such EMT or AMT (for example, called an AMT flag) and information indicating the selected conversion type are signaled at CU level. Note that the signaling of these pieces of information need not be limited to the CU level, but may be at other levels (eg, sequence level, picture level, slice level, tile level or CTU level).
  • the conversion unit 106 may re-convert the conversion coefficient (conversion result). Such reconversion may be referred to as adaptive secondary transform (AST) or non-separable secondary transform (NSST). For example, the conversion unit 106 performs reconversion for each sub block (for example, 4 ⁇ 4 sub blocks) included in the block of transform coefficients corresponding to the intra prediction error.
  • the information indicating whether to apply the NSST and the information on the transformation matrix used for the NSST are signaled at the CU level. Note that the signaling of these pieces of information need not be limited to the CU level, but may be at other levels (eg, sequence level, picture level, slice level, tile level or CTU level).
  • Separable conversion is a method in which conversion is performed multiple times by separating in each direction as many as the number of dimensions of the input, and Non-Separable conversion is two or more when the input is multidimensional. This is a method of collectively converting the dimensions of 1 and 2 into one dimension.
  • Non-Separable conversion if the input is a 4 ⁇ 4 block, it is regarded as one array having 16 elements, and 16 ⁇ 16 conversion is performed on the array There is one that performs transformation processing with a matrix.
  • the quantization unit 108 quantizes the transform coefficient output from the transform unit 106. Specifically, the quantization unit 108 scans the transform coefficient of the current block in a predetermined scan order, and quantizes the transform coefficient based on the quantization parameter (QP) corresponding to the scanned transform coefficient. Then, the quantization unit 108 outputs the quantized transform coefficient of the current block (hereinafter, referred to as a quantization coefficient) to the entropy coding 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 scan order is defined in ascending order (low frequency to high frequency) or descending order (high frequency to low frequency) of the 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, as the value of the quantization parameter increases, the quantization error increases.
  • the entropy coding unit 110 generates a coded signal (coded bit stream) by subjecting the quantization coefficient input from the quantization unit 108 to variable-length coding. Specifically, for example, the entropy coding unit 110 binarizes the quantization coefficient and performs arithmetic coding on the binary signal.
  • the inverse quantization unit 112 inversely quantizes the quantization coefficient which is the input from the quantization unit 108. Specifically, the inverse quantization unit 112 inversely quantizes the quantization coefficient of the current block in a predetermined scan 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 inversely transforming the transform coefficient which is the input from the inverse quantization unit 112. Specifically, the inverse transform unit 114 restores the prediction error of the current block by performing inverse transform corresponding to the transform by the transform unit 106 on the transform coefficient. Then, the inverse conversion 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 subtracting unit 104 because the information is lost due to quantization. That is, the restored prediction error includes the quantization error.
  • the addition unit 116 reconstructs the current block by adding the prediction error, which is the input from the inverse conversion unit 114, and the prediction sample, which is the input from the prediction control unit 128. Then, the addition unit 116 outputs the reconstructed block to the block memory 118 and the loop filter unit 120. Reconstruction blocks may also be referred to as local decoding blocks.
  • the block memory 118 is a storage unit for storing a block in an encoding target picture (hereinafter referred to as a current picture) which is a block 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 coding loop, and includes, for example, a deblocking filter (DF), a sample adaptive offset (SAO), an adaptive loop filter (ALF) and the like.
  • a least squares error filter is applied to remove coding distortion, for example, multiple 2x2 subblocks in the current block, based on local gradient direction and activity.
  • One filter selected from the filters is applied.
  • subblocks for example, 2x2 subblocks
  • 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 the subblock is determined among the plurality of filters.
  • FIGS. 4A to 4C are diagrams showing a plurality of examples of filter shapes used in ALF.
  • FIG. 4A shows a 5 ⁇ 5 diamond shaped filter
  • FIG. 4B shows a 7 ⁇ 7 diamond shaped filter
  • FIG. 4C shows a 9 ⁇ 9 diamond shaped filter.
  • Information indicating the shape of the filter is signaled at the picture level. Note that the signaling of the information indicating the shape of the filter does not have to be limited to the picture level, and may be another level (for example, sequence level, slice level, tile level, CTU level or CU level).
  • the on / off of the ALF is determined, for example, at the picture level or the CU level. For example, as to luminance, it is determined whether to apply ALF at the CU level, and as to color difference, it is determined whether to apply ALF at the picture level.
  • Information indicating on / off of ALF is signaled at picture level or CU level. Note that the signaling of the information indicating ALF on / off need not be limited to the picture level or CU level, and may be other levels (eg, sequence level, slice level, tile level or CTU level) Good.
  • the set of coefficients of the plurality of selectable filters (eg, up to 15 or 25 filters) is signaled at the picture level.
  • the signaling of the coefficient set need not be limited to the picture level, but may be other levels (eg, 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 may be referred to as 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 performing intra prediction (also referred to as in-screen prediction) of the current block with reference to a block in the current picture stored in the block memory 118. Specifically, the intra prediction unit 124 generates an intra prediction signal by performing intra prediction with reference to samples (for example, luminance value, color difference value) of a block adjacent to the current block, and performs prediction control on the intra prediction signal. Output to the part 128.
  • intra prediction signal intra prediction signal
  • intra prediction also referred to as in-screen prediction
  • 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.
  • Non-Patent Document 1 One or more non-directional prediction modes are described, for example, in It includes Planar prediction mode and DC prediction mode defined in H.265 / High-Efficiency Video Coding (HEVC) standard (Non-Patent Document 1).
  • Planar prediction mode and DC prediction mode defined in H.265 / High-Efficiency Video Coding (HEVC) standard (Non-Patent Document 1).
  • HEVC High-Efficiency Video Coding
  • the plurality of directionality prediction modes are, for example, H. It includes 33 directional prediction modes defined by 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 showing 67 intra prediction modes (2 non-directional prediction modes and 65 directional prediction modes) in intra prediction. Solid arrows indicate H. A broken line arrow represents the added 32 directions, which represents the 33 directions defined in the H.265 / HEVC standard.
  • a luminance block may be referred to in intra prediction of a chrominance block. That is, the chrominance component of the current block may be predicted based on the luminance component of the current block.
  • Such intra prediction may be referred to as cross-component linear model (CCLM) prediction.
  • the intra prediction mode (for example, referred to as a CCLM mode) of a chrominance block referencing such a luminance block may be added as one of the intra prediction modes of the chrominance 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 directions. Intra prediction with such correction is sometimes called position dependent intra prediction combination (PDPC). Information indicating the presence or absence of application of PDPC (for example, called a PDPC flag) is signaled, for example, at CU level. Note that the signaling of this information need not be limited to the CU level, but may be at other levels (eg, sequence level, picture level, slice level, tile level or CTU level).
  • the inter prediction unit 126 performs inter prediction (also referred to as inter-frame prediction) of a current block with reference to a reference picture that is a reference picture stored in the frame memory 122 and that is different from the current picture. Generate a prediction signal). Inter prediction is performed in units of a current block or sub blocks (for example, 4 ⁇ 4 blocks) in the current block. For example, the inter prediction unit 126 performs motion estimation on the current block or sub block in the reference picture. 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 the 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-frame prediction
  • a motion vector predictor may be used to signal the motion vector. That is, the difference between the motion vector and the predicted motion vector may be signaled.
  • the inter prediction signal may be generated using not only the motion information of the current block obtained by the motion search but also the motion information of the adjacent block. Specifically, the inter prediction signal is generated in units of sub blocks in the current block by weighting and adding a prediction signal based on motion information obtained by motion search and a prediction signal based on motion information of an adjacent block. It may be done.
  • Such inter prediction (motion compensation) may be called OBMC (overlapped block motion compensation).
  • OBMC block size information indicating the size of the sub-block for the OBMC
  • OBMC flag information indicating whether or not to apply the OBMC mode
  • the level of signaling of these pieces of information need not be limited to the sequence level and the CU level, and may be other levels (eg, picture level, slice level, tile level, CTU level or subblock level) Good.
  • FIG. 5B and FIG. 5C are a flowchart and a conceptual diagram for explaining an outline of predicted image correction processing by OBMC processing.
  • a predicted image (Pred) by normal motion compensation is acquired using the motion vector (MV) assigned to the encoding target block.
  • the motion vector (MV_L) of the encoded left adjacent block is applied to the current block to obtain a predicted image (Pred_L), and the predicted image and Pred_L are weighted and superimposed. Perform the first correction of the image.
  • the motion vector (MV_U) of the encoded upper adjacent block is applied to the coding target block to obtain a predicted image (Pred_U), and the predicted image subjected to the first correction and the Pred_U are weighted.
  • a second correction of the predicted image is performed by adding and superposing, and this is made a final predicted image.
  • the right adjacent block and the lower adjacent block may be used to perform correction more than two steps. It is possible.
  • the area to be superimposed may not be the pixel area of the entire block, but only a partial 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 to apply the OBMC process.
  • the encoding apparatus it is determined whether the encoding target block belongs to a complex area of motion, and if it belongs to a complex area of motion, the value 1 is set as obmc_flag. The encoding is performed by applying the OBMC processing, and when not belonging to the complex region of motion, the value 0 is set as the obmc_flag and the encoding is performed without applying the OBMC processing.
  • the decoding apparatus decodes the obmc_flag described in the stream, and switches whether to apply the OBMC process according to the value to perform decoding.
  • the motion information may be derived on the decoding device side without being signalized.
  • the merge mode defined in the H.265 / HEVC standard may be used.
  • 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 estimation is performed on the side of the decoding apparatus may be referred to as a pattern matched motion vector derivation (PMMVD) mode or a frame rate up-conversion (FRUC) mode.
  • PMMVD pattern matched motion vector derivation
  • FRUC frame rate up-conversion
  • FIG. 5D An example of the FRUC process is shown in FIG. 5D.
  • a plurality of candidate lists (which may be common to the merge list) each having a predicted motion vector are generated Be done.
  • the best candidate MV is selected from among the plurality of candidate MVs registered in the candidate list. For example, an 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 derived as it is as the motion vector for the current block.
  • a motion vector for the current block may be derived by performing pattern matching in a peripheral region of a position in the reference picture corresponding to the selected candidate motion vector. That is, the search is performed on the area around the best candidate MV by the same method, and if there is an MV for which the evaluation value is good, the best candidate MV is updated to the MV and the current block is updated. It may be used as the final MV. In addition, it is also possible to set it as the structure which does not implement the said process.
  • the evaluation value is calculated by calculating the difference value of the reconstructed image by pattern matching between the area in the reference picture corresponding to the motion vector and the predetermined area. Note that the evaluation value may be calculated using information other than the difference value.
  • first pattern matching or second pattern matching is used as pattern matching.
  • 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, which are along 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 calculation of the evaluation value of the candidate 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 among pairs of two blocks in two reference pictures (Ref0, Ref1) which are two blocks along the motion trajectory of the current block (Cur block), Two motion vectors (MV0, MV1) are derived by searching for the most matching pair. Specifically, for the current block, a reconstructed image at a designated position in the first encoded reference picture (Ref 0) designated by the candidate MV, and a symmetric MV obtained by scaling the candidate MV at a display time interval.
  • the difference with the reconstructed image at the specified position in the second coded reference picture (Ref 1) specified in step is derived, and the evaluation value is calculated using the obtained difference value.
  • the candidate MV with the best evaluation value among the plurality of candidate MVs may be selected as the final MV.
  • motion vectors (MV0, MV1) pointing to two reference blocks are the temporal distance between the current picture (Cur Pic) and the two reference pictures (Ref0, Ref1) It is proportional to (TD0, TD1).
  • the mirror symmetric bi-directional motion vector Is derived when the current picture is temporally located between two reference pictures, and the temporal distances from the current picture to the two reference pictures are equal, in the first pattern matching, the 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 (eg, upper and / or left adjacent blocks)) 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 area for calculating the evaluation value of the candidate described above.
  • FIG. 7 is a diagram for explaining an example of pattern matching (template matching) between a template in a current picture and a block in a reference picture.
  • the current block (Cur Pic) is searched for in the reference picture (Ref 0) for a block that most closely matches a block adjacent to the current block (Cur block).
  • Motion vectors are derived.
  • the reconstructed image of the left adjacent region and / or the upper adjacent encoded region and the encoded reference picture (Ref 0) specified by the candidate MV are equivalent to each other.
  • the evaluation value is calculated using the obtained difference value, and the candidate MV having the best evaluation value among the plurality of candidate MVs is selected as the best candidate MV Good.
  • a FRUC flag Information indicating whether to apply such a FRUC mode (for example, called a FRUC flag) is signaled at the CU level.
  • a signal for example, called a FRUC mode flag
  • a method of pattern matching for example, first pattern matching or second pattern matching
  • the signaling of these pieces of information need not be limited to the CU level, but may be at other levels (eg, sequence level, picture level, slice level, tile level, CTU level or subblock level) .
  • This mode is sometimes referred to as a bi-directional optical flow (BIO) mode.
  • BIO bi-directional optical flow
  • FIG. 8 is a diagram for explaining a model assuming uniform linear motion.
  • (v x , v y ) indicate velocity vectors
  • ⁇ 0 and ⁇ 1 indicate the time between the current picture (Cur Pic) and two reference pictures (Ref 0 and Ref 1 ), respectively.
  • (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 .
  • the optical flow equation is: (i) the time derivative of the luminance value, (ii) the product of the horizontal velocity and the horizontal component of the spatial gradient of the reference image, and (iii) the vertical velocity and the spatial gradient of the reference image The product of the vertical components of and the sum of is equal to zero.
  • a motion vector in units of blocks obtained from a merge list or the like is corrected in units of pixels.
  • the motion vector may be derived on the decoding device side by a method different from the derivation of the motion vector based on a model assuming uniform linear motion.
  • motion vectors may be derived on a subblock basis based on motion vectors of a plurality of adjacent blocks.
  • This mode is sometimes referred to as affine motion compensation prediction mode.
  • FIG. 9A is a diagram for describing derivation of a motion vector in units of sub blocks based on motion vectors of a plurality of adjacent blocks.
  • the current block includes sixteen 4 ⁇ 4 subblocks.
  • 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 subblock Be done.
  • the motion vector (v x , v y ) of each sub block in the current block is derived according to the following equation (2).
  • x and y indicate the horizontal position and the vertical position of the sub block, respectively, and w indicates a predetermined weighting factor.
  • the derivation method of the motion vector of the upper left and upper right control points may include several different modes.
  • Information indicating such an affine motion compensation prediction mode (for example, called an affine flag) is signaled at the CU level. Note that the signaling of the information indicating this affine motion compensation prediction mode need not be limited to the CU level, and other levels (eg, sequence level, picture level, slice level, tile level, CTU level or subblock level) ) May be.
  • the prediction control unit 128 selects one of the intra prediction signal and the inter prediction signal, and outputs the selected signal as a prediction signal to the subtraction unit 104 and the addition unit 116.
  • FIG. 9B is a diagram for describing an overview of motion vector derivation processing in the merge mode.
  • a predicted MV list in which candidates for predicted MV are registered is generated.
  • the prediction MV candidate the position of the coding target block in the coded reference picture, which is the MV of the plurality of coded blocks located in the spatial periphery of the coding target block, is projected
  • Temporally adjacent prediction MV which is an MV possessed by a nearby block
  • joint prediction MV which is an MV generated by combining spatially adjacent prediction MV and MVs of temporally adjacent prediction MV, and zero prediction MV whose value is MV, etc.
  • one prediction MV is selected from among the plurality of prediction MVs registered in the prediction MV list, and it is determined as the MV of the current block.
  • merge_idx which is a signal indicating which prediction MV has been selected, is described in the stream and encoded.
  • the prediction MVs registered in the prediction MV list described in FIG. 9B are an example, and the number is different from the number in the drawing, or the configuration does not include some types of the prediction MV in the drawing, It may have a configuration in which prediction MVs other than the type of prediction MV in the drawing are added.
  • the final MV may be determined by performing the DMVR process described later using the MV of the coding target block derived in the merge mode.
  • FIG. 9C is a conceptual diagram for describing an overview of DMVR processing.
  • a first reference picture which is a processed picture in the L0 direction and a second reference picture which is a processed picture in the L1 direction To generate a template by averaging each reference pixel.
  • the regions around candidate MVs of the first reference picture and the second reference picture are respectively searched, and the MV with the lowest cost is determined as the final MV.
  • the cost value is calculated using the difference value between each pixel value of the template and each pixel value of the search area, the MV value, and the like.
  • the outline of the process described here is basically common to the encoding apparatus and the decoding apparatus.
  • FIG. 9D is a diagram for describing 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 current block to be coded is derived from a reference picture which is a coded picture.
  • a predicted image for a block to be encoded is generated.
  • the shape of the peripheral reference area in FIG. 9D is an example, and other shapes may be used.
  • a predicted image is generated from a plurality of reference pictures, and is similar to the reference image acquired from each reference picture. After performing luminance correction processing by a method, a predicted image is generated.
  • lic_flag is a signal indicating whether to apply the LIC process.
  • the encoding apparatus it is determined whether or not the encoding target block belongs to the area in which the luminance change occurs, and when it belongs to the area in which the luminance change occurs, as lic_flag A value of 1 is set and encoding is performed by applying LIC processing, and when not belonging to an area where a luminance change occurs, a value of 0 is set as lic_flag and encoding is performed without applying the LIC processing.
  • the decoding apparatus decodes lic_flag described in the stream to switch whether to apply the LIC processing according to the value and performs decoding.
  • determining whether to apply the LIC process for example, there is also a method of determining according to whether or not the LIC process is applied to the peripheral block.
  • a method of determining according to whether or not the LIC process is applied to the peripheral block For example, when the encoding target block is in merge mode, whether or not the surrounding encoded blocks selected in the derivation of the MV in merge mode processing are encoded by applying LIC processing According to the result, whether to apply the LIC process is switched to perform encoding. In the case of this example, the processing in the decoding is completely 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 a moving image / image in units of blocks.
  • the decoding apparatus 200 includes an entropy decoding unit 202, an inverse quantization unit 204, an inverse conversion unit 206, an addition unit 208, a block memory 210, a loop filter unit 212, and a frame memory 214. , 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. In this case, when the processor executes the software program stored in the memory, the processor determines whether the entropy decoding unit 202, the inverse quantization unit 204, the inverse conversion unit 206, the addition unit 208, the loop filter unit 212, the intra prediction unit 216 functions as an inter prediction unit 218 and a prediction control unit 220.
  • the decoding apparatus 200 is a dedicated unit corresponding to the entropy decoding unit 202, the inverse quantization unit 204, the inverse conversion 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. And one or more electronic circuits.
  • the entropy decoding unit 202 entropy decodes the coded bit stream. Specifically, the entropy decoding unit 202 performs arithmetic decoding, for example, from a coded bit stream to a binary signal. Then, the entropy decoding unit 202 debinarizes the binary signal. Thereby, the entropy decoding unit 202 outputs the quantization coefficient to the dequantization unit 204 in block units.
  • the inverse quantization unit 204 inversely quantizes the quantization coefficient of the block to be decoded (hereinafter referred to as a current block), which is an input from the entropy decoding unit 202. Specifically, the dequantization part 204 dequantizes the said quantization coefficient about each of the quantization coefficient of a current block based on the quantization parameter corresponding to the said quantization coefficient. Then, the dequantization unit 204 outputs the dequantized quantization coefficient (that is, transform coefficient) of the current block to the inverse transformation unit 206.
  • a current block which is an input from the entropy decoding unit 202.
  • the dequantization part 204 dequantizes the said quantization coefficient about each of the quantization coefficient of a current block based on the quantization parameter corresponding to the said quantization coefficient. Then, the dequantization unit 204 outputs the dequantized quantization coefficient (that is, transform coefficient) of the current block to the inverse transformation unit 206.
  • the inverse transform unit 206 restores the prediction error by inversely transforming the transform coefficient that is the input from the inverse quantization unit 204.
  • the inverse transform unit 206 determines the current block based on the deciphered transformation type information. Inverse transform coefficients of
  • the inverse transform unit 206 applies inverse retransformation to the transform coefficients.
  • the addition unit 208 adds the prediction error, which is the input from the inverse conversion unit 206, and the prediction sample, which is the input from the prediction control unit 220, to reconstruct the current block. Then, the adding unit 208 outputs the reconstructed block to the block memory 210 and the loop filter unit 212.
  • the block memory 210 is a storage unit for storing a block within a picture to be decoded (hereinafter referred to as a current picture) which is a block referred to in intra prediction. 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 and a display device or 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 may be referred to as a frame buffer. Specifically, the frame memory 214 stores the reconstructed block filtered by the loop filter unit 212.
  • the intra prediction unit 216 refers to a block in the current picture stored in the block memory 210 to perform intra prediction based on the intra prediction mode read from the coded bit stream, thereby generating a prediction signal (intra prediction Signal). Specifically, the intra prediction unit 216 generates an intra prediction signal by performing intra prediction with reference to samples (for example, luminance value, color difference value) of a block adjacent to the current block, and performs prediction control on the intra prediction signal. Output to unit 220.
  • the intra prediction unit 216 may predict the chrominance 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 reference pixels in the horizontal / vertical directions.
  • the inter prediction unit 218 predicts the current block with reference to the reference picture stored in the frame memory 214.
  • the prediction is performed in units of the current block or subblocks (for example, 4 ⁇ 4 blocks) in the current block.
  • 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 coded bit stream, and generates an inter prediction signal. It is output to the prediction control unit 220.
  • the inter prediction unit 218 determines not only the motion information of the current block obtained by the motion search but also the motion information of the adjacent block. Use to generate an inter prediction signal.
  • the inter prediction unit 218 is configured to follow the method of pattern matching deciphered from the coded stream (bilateral matching or template matching). 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 uniform linear motion. Also, in the case where the information deciphered from the coded bit stream indicates that the affine motion compensation prediction mode is applied, the inter prediction unit 218 performs motion vectors in units of sub blocks based on motion vectors of a plurality of adjacent blocks. Derive
  • the prediction control unit 220 selects one of the intra prediction signal and the inter prediction signal, and outputs the selected signal to the addition unit 208 as a prediction signal.
  • FIG. 11 is a schematic view showing an example of the first pipeline structure.
  • the first pipeline structure example illustrated in FIG. 11 is a pipeline structure example for decoding an image, and may be used by the decoding device 200.
  • the first pipeline structure example includes three stages of a first stage, a second stage, and a third stage. Also, the first stage includes entropy decoding (S101).
  • the second stage includes MVP calculation (S102), FRUC (S103), MC / BIO (S104), OBMC (S105), intra prediction (S106), switching (S107), inverse quantization inverse transform (S108), and , Addition (S109).
  • the third stage includes a loop filter (S110).
  • variable-length decoding is performed on the input stream.
  • quantization coefficients and the like can be obtained.
  • MVP calculation a predicted motion vector (MVP) is calculated.
  • MVP predicted motion vector
  • FRUC a motion vector of the current coding unit is derived using pixel values of an area different from that of the current coding unit which is a processing target coding unit.
  • a prediction image is generated by motion compensation (MC). Also, deformation may be applied to the predicted image by BIO.
  • OBMC S105
  • the current picture is encoded by mixing the predicted picture of the current coding unit, which is the processing target coding unit, and the predicted picture of the adjacent coding unit, which is the coding unit adjacent to the current coding unit. The predicted image of the unit is updated.
  • intra prediction a predicted image of the current coding unit is generated with reference to the coding unit in the current picture which is a processing target picture.
  • switching a predicted image obtained by inter-screen prediction such as MVP calculation (S102), FRUC (S103), MC / BIO (S104), and OBMC (S105), and intra-screen prediction (S106) And the predicted image to be displayed.
  • the loop filter (S110) applies a filter to the reconstructed image. Thereby, for example, distortion between coding units is suppressed. Then, the reconstructed image to which the filter is applied is output.
  • the reconstructed image reproduced in the second stage is fed back to FRUC (S103) and intra prediction (S106) because it is referred to in the processing of the peripheral coding unit.
  • FRUC FRUC
  • S106 intra prediction
  • the immediately preceding code in processing order It is possible to refer to the reconstruction image of the standardization unit.
  • the second stage includes many processes. Therefore, the processing time of the second stage is long.
  • the first pipeline structure example is an example of a pipeline structure, and processing may be partially removed, processing may be partially added, and the division method of the stage is changed. It may be done. Also, the processing time corresponds to the processing amount or the number of processing cycles.
  • FIG. 12 is a schematic view showing an example of block division used for describing pipeline processing.
  • Two coding tree units are shown in the block division example shown in FIG.
  • One coding tree unit includes two coding units CU0 and CU1, and the other coding tree unit includes three coding units CU2, CU3 and CU4.
  • the coding units CU0, CU1 and CU4 are of the same size as one another.
  • the coding units CU2 and CU3 are of the same size as one another.
  • the size of each of the coding units CU0, CU1 and CU4 is twice the size of each of the coding units CU2 and CU3.
  • FIG. 13 is a time chart showing an example of processing timing in the first pipeline structure example.
  • FIG. 13 shows processing timings of the five coding units CU0 to CU4 shown in FIG. Further, S1 to S3 in FIG. 13 indicate processing times of the first to third stages in FIG.
  • each of coding units CU0, CU1 and CU4 is twice the size of each of coding units CU2 and CU3
  • the processing time of each stage is also doubled for coding units CU0, CU1 and CU4. is there.
  • the processing time of the second stage is twice that of the other stages. Also, in each stage, after the processing of the same stage for the immediately preceding coding unit is finished, the processing of the same stage for the next coding unit is started.
  • the process of the second stage for the coding unit CU1 is started from time t6 when the process of the second stage for the coding unit CU0 is finished. Since the processing time of the second stage is twice that of the other stages, for the encoding unit CU1, the waiting time is from time t4 when processing of the first stage is finished to time t6 when processing of the first stage starts It has occurred.
  • a waiting time always occurs at the start of the second stage processing. Then, the waiting time is accumulated for each of the coding units CU1, CU2, CU3 and CU4. Then, for the coding unit CU4, a waiting time occurs from time t8 when the processing of the first stage is finished to time t14 when the processing of the second stage starts.
  • the processing time including the waiting time increases to about twice the original processing time excluding the waiting time, and the processing can not be completed within the time allocated to one picture. There is sex.
  • FIG. 14 is a schematic diagram showing an example of a second pipeline structure.
  • the second stage of the first pipeline structure example of FIG. 11 is divided into two stages. That is, the second pipeline structure example includes four stages of a first stage, a second stage, a third stage, and a fourth stage.
  • the first stage includes entropy decoding (S101).
  • the second stage includes MVP calculation (S102) and FRUC (S103).
  • the third stage includes MC / BIO (S104), OBMC (S105), intra prediction (S106), switching (S107), inverse quantization inverse transform (S108), and addition (S109).
  • the fourth stage includes a loop filter (S110).
  • the FRUC (S103) referring to the reconstructed image and the addition (S109) generating the reconstructed image are performed in two different stages by feedback delay control.
  • the processing time of each of the second stage and the third stage in the second pipeline structure example becomes about half of the processing time of the second stage in the first pipeline structure example.
  • the feedback delay control is, for example, control for delaying the reconstructed image generated in the third stage to be able to be referred to in the second stage of FRUC (S103).
  • the first pipeline structure example is an example of a pipeline structure, and processing may be partially removed, processing may be partially added, and the division method of the stage is changed. It may be done.
  • intra prediction (S106) for referring to the reconstructed image and addition (S109) for generating the reconstructed image are performed in the same stage. This makes it possible to refer to the reconstructed image of the immediately preceding encoding unit in intra prediction (S106).
  • Intra-screen prediction is performed with a smaller processing amount than inter-screen prediction such as MVP calculation (S102), FRUC (S103), MC / BIO (S104), and OBMC (S105). Therefore, even if intra-frame prediction (S106) and addition (S109) are performed in the same stage, the waiting time is less likely to be longer than inter-frame prediction.
  • inter-screen prediction such as MVP calculation (S102), FRUC (S103), MC / BIO (S104), and OBMC (S105). Therefore, even if intra-frame prediction (S106) and addition (S109) are performed in the same stage, the waiting time is less likely to be longer than inter-frame prediction.
  • intra prediction (S106) for referring to the reconstructed image and addition (S109) for generating the reconstructed image are performed at the same stage.
  • feedback delay control may be performed in two different stages: intra prediction (S106) that refers to a reconstructed image and addition (S109) that generates a reconstructed image.
  • the entropy decoding unit 202 performs entropy decoding (S101). Further, the inter prediction unit 218 performs MVP calculation (S102), FRUC (S103), MC / BIO (S104), and OBMC (S105).
  • S101 entropy decoding
  • inter prediction unit 218 performs MVP calculation (S102), FRUC (S103), MC / BIO (S104), and OBMC (S105).
  • the intra prediction unit 216 performs intra prediction (S106). Further, the prediction control unit 220 performs switching (S107). Also, the inverse quantization unit 204 and the inverse transform unit 206 perform inverse quantization inverse transform (S108). Further, the adding unit 208 performs addition (S109). Also, the loop filter unit 212 performs a loop filter (S110).
  • the reconstructed image generated by the adding unit 208 is stored in the block memory 210.
  • the inter prediction unit 218 performs FRUC (S103) with reference to the reconstructed image stored in the block memory 210.
  • the reconstructed image of the immediately preceding encoding unit is stored in the block memory 210 during processing of FRUC (S103) of the processing target encoding unit, and the immediately preceding encoding is performed.
  • the reconstructed image of the unit is referenced.
  • the reconstructed image of the immediately preceding encoding unit is not stored in the block memory 210 at the time of processing of the FRUC (S103) of the processing target encoding unit, and the immediately preceding encoding is performed.
  • the unit's reconstructed image is not referenced.
  • the encoding apparatus 100 also performs feedback delay control similarly to the decoding apparatus 200.
  • the plurality of components of the decoding device 200 and the decoding device 200 in the description herein may be replaced with the coding device 100 and a plurality of components of the coding device 100.
  • FIG. 15 is a time chart showing an example of processing timing in the second example of the pipeline structure.
  • FIG. 15 shows processing timings of the five coding units CU0 to CU4 shown in FIG. Further, S1 to S4 in FIG. 15 indicate processing times of the first to fourth stages in FIG.
  • each of coding units CU0, CU1, and CU4 is twice that of each of coding units CU2 and CU3
  • each of coding units CU0, CU1, and CU4 Stage processing time is also doubled.
  • the processing time of each stage is equal to the processing time of the other stages.
  • the amount of delay for delaying the reconstructed image in feedback delay control is one encoding unit. That is, in FRUC (S103) for each coding unit, reference to the immediately preceding coding unit is prohibited in the processing order. Reference to two or more previous coding units is not prohibited in the processing order.
  • the second stage of coding unit CU4 does not wait for the end of the third stage for coding unit CU3. Processing is started. On the other hand, since the reference to the coding unit CU2 is not prohibited, the processing of the second stage for the coding unit CU4 is started after the end of the third stage for the coding unit CU2.
  • a waiting time occurs from time t8 when the process of the first stage is finished to time t9 when the process of the second stage starts.
  • the waiting time is significantly reduced.
  • the processing time including the waiting time is prevented from significantly increasing more than the original processing time excluding the waiting time, and the processing is completed within the time allocated to one picture. The chance of being able to
  • FIG. 16 is a schematic diagram showing an example of a third pipeline structure.
  • the difference between the third pipeline configuration example shown in FIG. 16 and the second pipeline configuration example shown in FIG. 14 is that in the second stage, a path that enables the use of FRUC processing and a path that disables use of the FRUC processing Can be dynamically switched.
  • the processing amount (processing time) of the second stage will be the same as in the second example, but if you select a path that disables the use of FRUC processing, The processing amount (processing time) of the two stages is significantly smaller than that of the second example.
  • FIG. 17 is a time chart showing an example of processing timing in the third pipeline structure example shown in FIG. The difference from the example described in FIG. 15 is that a path for which the use of the FRUC process is prohibited is selected in the second stage of CU4. As a result, the processing time of the second stage of CU 4, which was t 2 in FIG. 15, is reduced to t 1.
  • a waiting time of t1 time occurs from the end of the processing of the first stage to the start of the processing of the second stage, but in FIG. Since the processing time is t1 time, the process ends at time t10. This reduces the waiting time of t1 which has occurred.
  • FIG. 18 is a flowchart of the coding process by the moving picture coding apparatus according to the present embodiment.
  • the encoding apparatus determines whether to prohibit the FRUC processing based on the first information related to the processing time at the time of decoding (S201).
  • the first information is information related to the waiting time in pipeline control at the time of decoding. The details of the first information will be described later.
  • the encoding apparatus selects one of the prediction modes including the FRUC processing. Is selected (S202). For example, the coding apparatus calculates costs for a plurality of candidate prediction modes, and selects the mode with the lowest cost. For example, the cost is calculated using the amount of encoded data when the mode is used, the residual (difference between the original image and the decoded image), and the like. That is, the smaller the amount of encoded data and the smaller the residual, the lower the cost.
  • the encoding apparatus performs the encoding using the FRUC process (S205). If the selected mode is not the mode for performing the FRUC process (No in S204), the encoding apparatus performs the encoding without using the FRUC process (S206). Specifically, the coding apparatus performs coding using an inter prediction process that does not include the FRUC process, an intra prediction process, or the like.
  • the encoding apparatus encodes the second information indicating whether or not the FRUC mode is used according to the determination result into a stream (S207). That is, the coding apparatus generates a coded bit stream including second information indicating whether or not the FRUC process is used.
  • FIG. 19 is a flowchart of a first example of determining prohibition of the FRU processing. 19 differs from FIG. 18 in that step S201 is replaced with S201A.
  • the encoding apparatus determines whether the size of the processing target CU is equal to or greater than the first threshold (S201A). For example, as the first threshold, any size may be used as long as it can be selected as a CU such as 64 ⁇ 64, 64 ⁇ 32, or 32 ⁇ 32.
  • the encoding apparatus selects one mode from a plurality of prediction modes not including the FRUC processing (S203), and performs the FRUC processing Encoding is performed without using (S206).
  • the encoding apparatus selects one mode from a plurality of prediction modes including the FRUC processing (S202), and the result is In response, encoding is performed using the FRUC processing (S205) or without using the FRUC processing (S206).
  • the encoding apparatus determines to inhibit the FRU processing when the size of the block to be processed (for example, CU) is larger than a predetermined threshold.
  • the coding apparatus includes a sequence header area, a picture header area, a slice header area, and the like, which are included in the coded bit stream, information related to the determination process of step S201A (parameters related to determination of whether to inhibit the FRUC process) Alternatively, it may be encoded in the auxiliary information area or the like.
  • the information related to the determination process is, for example, information indicating the first threshold. Further, the information may include information indicating whether or not the determination process of step S201A has been performed.
  • the encoding apparatus may adaptively switch information related to the determination process (the first threshold or whether or not to perform the determination process) according to the size of the picture to be processed.
  • the coding device may switch between them adaptively depending on the processing capability of the coding device or the decoding device.
  • the encoding device may switch between them according to a predefined profile or level. That is, the encoding apparatus may switch between them depending on the profile or level assigned to the encoded bit stream.
  • the encoding apparatus sets the first threshold to a large first value when the size of the picture is larger than a predetermined size, and sets the first threshold when the size of the picture is smaller than a predetermined size. , A second value smaller than the first value is set. In this way, it is possible to realize control suitable for how to select the size of a CU that varies depending on the size of the picture.
  • the encoding apparatus may determine to prohibit the FRUC process for all CU sizes. As a result, processing time can be shortened in a large-sized picture that does not have enough processing time.
  • the encoding apparatus may determine not to prohibit the FRUC process for all CU sizes. As a result, it is possible to suppress a decrease in coding efficiency in a small-sized picture with ample processing time.
  • the encoding apparatus can use the FRUC processing with more CUs by setting the first threshold to a large first value if the processing capability of the encoding apparatus or the decoding apparatus is higher than a predetermined reference. As a reduction in coding efficiency.
  • the coding apparatus sets the first threshold to a second value smaller than the first value if the processing capability of the coding apparatus or the decoding apparatus is lower than a predetermined reference, thereby allowing more CUs.
  • the processing time can be shortened by disabling the use of FRUC processing.
  • generated encoding bit stream is decided beforehand, the encoding apparatus is grasping
  • a profile is defined for a stream of images and indicates a set of available technical elements.
  • a level is defined for a stream of images and indicates a set of available parameter ranges. Profiles and levels may be predetermined. The inter prediction units 126 and 218 may switch whether to perform the first threshold or the determination process according to such a profile or level.
  • FIG. 20 is a flowchart of a decoding process in a moving picture decoding apparatus that decodes a coded bit stream generated by such a coding apparatus.
  • the decoding apparatus decodes second information indicating whether or not the FRUC process is used from the encoded bit stream (S211).
  • the decoding apparatus performs the decoding process using the FRUC process (S213).
  • the decoding apparatus performs the decoding processing without using the FRUC processing (S214).
  • the decoding apparatus performs the decoding using or not using the FRUC process according to the second information included in the coded bit stream. This makes it possible to repeat the waiting time of pipeline control as described in FIG.
  • the decoding device does not necessarily have to perform the process using the information, but the decoding device By referring to the information, for example, it can be determined whether the encoded bit stream has a format that can be decoded by the decoding device.
  • FIG. 21 is a flowchart of a second example for determining prohibition of the FRU processing. 21 differs from FIG. 19 in that step S201A is replaced with S201B.
  • the encoding apparatus determines whether the size of the processing target CU is larger than the size of the CU processed immediately before (S201B).
  • the encoding apparatus may determine whether the size of the processing target CU is larger than the size of the CU processed immediately before by a second threshold value or more.
  • the second threshold is, for example, 2 times or 4 times.
  • the encoding apparatus selects one of a plurality of prediction modes not including the FRUC processing (S203) Encoding is performed without using the FRUC process (S206). If it is determined that the size of the processing target CU is equal to or less than the size of the CU processed immediately before (No in S201B), the encoding apparatus selects one of a plurality of prediction modes including the FRU processing (S202) Depending on the result, encoding is performed using the FRUC processing (S205) or without using the FRUC processing (S206).
  • the coding apparatus determines to inhibit the FRU processing when the size of the block to be processed is larger than the size of the immediately preceding block.
  • the latency in pipeline control is generated by processing of a CU of a large size and processing of a CU of a smaller size. Therefore, as in CU4 of FIG. 17, the processing time of the second stage is shortened without performing the FRUC processing at the timing when the size of the processing target CU becomes larger than the size of the CU processed immediately before. As a result, it is possible to efficiently delay the generated waiting time and to complete processing within the time allocated to one picture.
  • the encoding apparatus includes, in the encoded bit stream, a sequence header area including information related to the determination process of step S201B (a parameter related to determination as to whether or not to inhibit the FRUC process). It may be encoded in a picture header area, a slice header area, a side information area, or the like.
  • the information related to the determination process is, for example, information indicating the second threshold. Further, the information may include information indicating whether or not the determination process of step S201B has been performed.
  • the coding apparatus determines whether or not to perform the second threshold or the determination process, (1) the size of a picture, and (2) the process of the coding apparatus or the decoding apparatus. Depending on the capabilities or (3) predefined profiles or levels may be switched.
  • the processing of the decoding device is the same as in the first example.
  • FIG. 22 is a flowchart of a third example of determining prohibition of the FRU processing. 22 differs from FIG. 19 in that step S201A is replaced with S201C.
  • the encoding apparatus determines whether or not a CU using FRUC has occurred at the third threshold or more by the time of processing the processing target CU (S201C).
  • the encoding apparatus selects one of a plurality of prediction modes not including the FRUC processing (S203), and performs the FRUC processing Encoding is performed without using (S206). If it is determined that the CU using FRUC is less than the third threshold (No in S201C), the encoding apparatus selects one mode from a plurality of prediction modes including the FRUC processing (S202), In response, encoding is performed using the FRUC processing (S205) or without using the FRUC processing (S206).
  • the encoding apparatus determines whether or not a CU using FRUC has generated a third threshold or more, any one of the following methods, a method combining a plurality of the following methods, or the following method and other methods The determination is made using a method combined with information.
  • the encoding apparatus determines whether the number of CUs subjected to the FRUC process in a predetermined period is equal to or more than a third threshold. That is, the encoding apparatus performs the FRUC processing when the number of blocks encoded using the FRUC processing among the plurality of blocks included in the predetermined range immediately before the processing target CU is larger than a predetermined threshold value. Decide to ban.
  • the encoding apparatus determines whether or not the proportion of CUs subjected to the FRUC processing within a predetermined period is equal to or greater than a threshold. That is, the encoding apparatus performs the FRUC processing when the ratio of blocks encoded using the FRUC processing among the plurality of blocks included in the predetermined range immediately before the processing target CU is larger than a predetermined threshold value. Decide to ban.
  • the ratio may be a value calculated from the number of CUs included in the predetermined period and the number of CUs subjected to the FRUC process, or the total of the area of CUs included in the predetermined period and the FRUC process It may be a value calculated from the sum of the areas of the CUs performed.
  • the predetermined period in the above (1) and (2) is, for example, a processing period of a constant CTU immediately before the processing target CU, or a processing period of the entire slice or the entire picture to which the processing target CU belongs.
  • the plurality of blocks included in the predetermined range are the coding tree unit (CTU) to which the block to be processed belongs and the plurality of blocks included in one or more coding tree units processed immediately before, or the processing target It is a plurality of blocks included in a slice or picture to which the block belongs.
  • the encoding apparatus determines whether the number of CUs subjected to the FRUC processing consecutively immediately before the processing target CU is equal to or more than a threshold. That is, the encoding apparatus determines to inhibit the FRUC processing when the number of consecutive blocks encoded using the FRUC processing immediately before the block to be processed is larger than a predetermined threshold.
  • the latency in pipeline control is accumulated and lengthened as processing of the CU progresses. Therefore, as in CU4 of FIG. 17, the processing time of the second stage is shortened without performing the FRUC processing at a specific frequency. As a result, the generated waiting time is delayed, and the possibility of completing the process in the time allocated to one picture is increased.
  • the processing time of the second stage is shortened without performing the FRUC processing at a specific frequency.
  • the generated waiting time is delayed, and the possibility of completing the process in the time allocated to one picture is increased.
  • a large number of CUs for which the FRUC mode has not been selected by the normal mode determination process are generated, it is possible to suppress an increase in the number of CUs that can not use the FRUC process more than necessary. There is a high possibility of doing it.
  • the encoding apparatus includes, in the encoded bit stream, a sequence header area including information related to the determination process of step S201C (a parameter related to determination as to whether or not to inhibit the FRUC process). It may be encoded in a picture header area, a slice header area, a side information area, or the like.
  • the information related to the determination process is, for example, information indicating the third threshold. Further, the information may include information indicating whether or not the determination process of step S201C has been performed.
  • the encoding apparatus determines whether the third threshold or the determination process is performed, (1) the size of the picture, and (2) the process of the encoding apparatus or the decoding apparatus. Depending on the capabilities or (3) predefined profiles or levels may be switched.
  • the processing of the decoding device is the same as in the first example.
  • FIG. 23 is a flowchart of a fourth example for determining prohibition of the FRU processing. 23 differs from FIG. 19 in that step S201A is replaced with S201D.
  • the encoding apparatus determines whether the estimated waiting time in pipeline control has become equal to or greater than the fourth threshold when processing the processing target CU (S201D).
  • the encoding apparatus selects one of a plurality of prediction modes not including the FRUC processing (S203), and uses the FRUC processing The encoding is performed without (S206). If it is determined that the estimated waiting time is less than the fourth threshold (No in S201D), the encoding apparatus selects one of a plurality of prediction modes including the FRUC processing (S202), and according to the result. The encoding is performed using the FRUC process (S205) or without using the FRUC process (S206).
  • the encoding device estimates the latency in pipeline control at the time of decoding, and determines to prohibit the FRUC process if the estimated latency is greater than a predetermined threshold.
  • the encoding apparatus estimates whether or not the waiting time has reached by simulating the processing timing of the stage processing of each CU in the pipeline configuration at the time of decoding as shown in FIG. .
  • the coding device compares the estimated waiting time with the fourth threshold.
  • the coding apparatus determines the size of the CU as to how much waiting time occurs between the start of the second stage performing the FRUC processing and the end of the first stage which is the previous stage, The estimation is performed using information such as the position of the CU and the reference availability of the neighboring CUs.
  • the latency in pipeline control is accumulated and lengthened as processing of the CU progresses. Therefore, as indicated by CU4 in FIG. 17, the processing time of the second stage is shortened without performing the FRUC processing when the estimated waiting time becomes equal to or greater than the fourth threshold. As a result, the generated waiting time is delayed, and the possibility of completing the process in the time allocated to one picture is increased. In addition, when a large number of CUs for which the FRUC mode has not been selected by the normal mode determination process are generated, it is possible to suppress an increase in CUs that can not use the FRUC process more than necessary. The possibility is high.
  • the encoding device includes, in the encoded bit stream, a sequence header area in which information related to the determination processing in step S201D (parameter related to determination as to whether or not to inhibit the FRUC processing) is included. It may be encoded in a picture header area, a slice header area, a side information area, or the like.
  • the information related to the determination process is, for example, information indicating the fourth threshold. Further, the information may include information indicating whether or not the determination process of step S201D has been performed.
  • the coding apparatus determines whether or not the fourth threshold or the determination process is performed, (1) the size of a picture, and (2) the process of the coding apparatus or the decoding apparatus. Depending on the capabilities or (3) predefined profiles or levels may be switched.
  • the processing of the decoding device is the same as in the first example.
  • the encoding apparatus may prohibit the FRU processing when it is determined as Yes in any of the steps S201A to S201D.
  • FIG. 24 is a block diagram showing an implementation example of the coding apparatus 100 according to Embodiment 1.
  • the coding apparatus 100 includes a circuit 160 and a memory 162.
  • the components of the coding apparatus 100 shown in FIG. 1 are implemented by the circuit 160 and the memory 162 shown in FIG.
  • the circuit 160 is a circuit that performs information processing and can access the memory 162.
  • the circuit 160 is a dedicated or general-purpose electronic circuit that encodes image information.
  • the circuit 160 may be a processor such as a CPU.
  • the circuit 160 may also be an assembly of a plurality of electronic circuits. Also, for example, the circuit 160 may play a role of a plurality of components excluding the component for storing information among the plurality of components of the encoding device 100 illustrated in FIG. 1.
  • the memory 162 is a general-purpose or dedicated memory in which information for the circuit 160 to encode image information is stored.
  • the memory 162 may be an electronic circuit or may be connected to the circuit 160.
  • the memory 162 may also be included in the circuit 160.
  • the memory 162 may be a collection of a plurality of electronic circuits.
  • 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.
  • image information to be encoded may be stored, or a bit string corresponding to the encoded image information may be stored.
  • the memory 162 may also store a program for the circuit 160 to encode image information.
  • the circuit 160 may play a role of a component for storing information among the plurality of components of the encoding device 100 illustrated in FIG. 1.
  • the memory 162 may play the role of the block memory 118 and the frame memory 122 shown in FIG.
  • all of the plurality of components shown in FIG. 1 and the like may not 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 performed by another device. Then, in the encoding apparatus 100, a part of the plurality of components shown in FIG. 1 and the like may be implemented, and a part of the plurality of processes described above may be performed to suppress processing delay. .
  • FIG. 25 is a block diagram showing an implementation example of the decoding device 200 according to Embodiment 1.
  • the decoding device 200 includes a circuit 260 and a memory 262.
  • the plurality of components of the decoding apparatus 200 shown in FIG. 10 are implemented by the circuit 260 and the memory 262 shown in FIG.
  • the circuit 260 is a circuit that performs information processing and can access the memory 262.
  • circuit 260 is a general purpose or dedicated electronic circuit that decodes image information.
  • the circuit 260 may be a processor such as a CPU.
  • the circuit 260 may be a collection of a plurality of electronic circuits.
  • the circuit 260 may play a role of a plurality of components excluding the component for storing information among the plurality of components of the decoding device 200 illustrated in FIG.
  • the memory 262 is a general-purpose or dedicated memory in which information for the circuit 260 to decode image information is stored.
  • the memory 262 may be an electronic circuit or may be connected to the circuit 260. Also, the memory 262 may be included in the circuit 260. Further, the memory 262 may be a collection of a plurality of electronic circuits. Also, the memory 262 may be a magnetic disk or an optical disk, or may be expressed as a storage or a recording medium.
  • the memory 262 may be either a non-volatile memory or a volatile memory.
  • a bit string corresponding to encoded image information may be stored, or image information corresponding to a decoded bit string may be stored.
  • the memory 262 may also store a program for the circuit 260 to decode image information.
  • the circuit 260 may play a role of a component for storing information among the plurality of components of the decoding device 200 illustrated in FIG.
  • the memory 262 may play the role of the block memory 210 and the frame memory 214 shown in FIG.
  • all of the plurality of components shown in FIG. 10 and the like may not be mounted, 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 performed by another device. Then, in the decoding apparatus 200, a part of the plurality of components shown in FIG. 10 and the like may be implemented, and a part of the plurality of processes described above may be performed to suppress processing delay.
  • each processing unit included in the encoding apparatus and the decoding apparatus according to the above-described embodiment is typically implemented as an LSI which is an integrated circuit. These may be individually made into one chip, or may be made into one chip so as to include some or all.
  • circuit integration is not limited to LSI's, and implementation using dedicated circuitry or general purpose processors is also possible.
  • a field programmable gate array (FPGA) that can be programmed after LSI fabrication, or a reconfigurable processor that can reconfigure connection and setting of circuit cells inside the LSI may be used.
  • each component may be configured by dedicated hardware or implemented 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.
  • the encoding device and the decoding device include processing circuitry and storage electrically connected to the processing circuitry (accessible from the processing circuitry).
  • the processing circuit includes at least one of dedicated hardware and a program execution unit.
  • the storage device stores a software program executed by the program execution unit. The processing circuit executes the encoding method or the decoding method in the above embodiment using a storage device.
  • the present disclosure may be the above-described software program, or may be a non-transitory computer-readable recording medium in which the above-described program is recorded. Further, it goes without saying that the program can be distributed via a transmission medium such as the Internet.
  • division of functional blocks in the block diagram is an example, and a plurality of functional blocks may be realized as one functional block, one functional block may be divided into a plurality of parts, or some functions may be transferred to another function block. May be Also, a single piece of hardware or software may process the functions of a plurality of functional blocks having similar functions in parallel or in time division.
  • the order in which the steps included in the above encoding method or decoding method are performed is for illustrating the present disclosure specifically, and may be an order other than the above. Also, some of the above steps may be performed simultaneously (in parallel) with other steps.
  • the encoding apparatus, the decoding apparatus, the encoding method, and the decoding method according to one or more aspects of the present disclosure have been described above based on the embodiments, but the present disclosure is limited to the embodiments. It is not a thing. Without departing from the spirit of the present disclosure, various modifications that may occur to those skilled in the art may be applied to the present embodiment, or a configuration constructed by combining components in different embodiments may be one or more of the present disclosure. It may be included within the scope of the embodiments.
  • This aspect may be practiced in combination with at least some of the other aspects in the present disclosure.
  • part of the processing described in the flowchart of this aspect part of the configuration of the apparatus, part of the syntax, and the like may be implemented in combination with other aspects.
  • each of the functional blocks can usually be realized by an MPU, a memory, and the like. Further, the processing by each of the functional blocks is usually realized by a program execution unit such as a processor reading and executing software (program) recorded in a recording medium such as a ROM.
  • the software may be distributed by downloading or the like, or may be distributed by being recorded in a recording medium such as a semiconductor memory.
  • 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 processor that executes the program may be singular or plural. That is, centralized processing may be performed, or distributed processing may be performed.
  • the system is characterized by having an image coding apparatus using an image coding method, an image decoding apparatus using an image decoding method, and an image coding / decoding apparatus provided with both.
  • Other configurations in the system can be suitably modified as the case may be.
  • FIG. 26 is a diagram showing an overall configuration of a content supply system ex100 for realizing content distribution service.
  • the area for providing communication service is divided into desired sizes, and base stations ex106, ex107, ex108, ex109 and ex110, which are fixed wireless stations, are installed in each cell.
  • 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 service provider ex102 or the communication network ex104 and the base stations ex106 to ex110 on the Internet ex101 Is connected.
  • the content supply system ex100 may connect any of the above-described elements in combination.
  • the respective devices may be connected to each other directly or indirectly via a telephone network, near-field radio, etc., not via the base stations ex106 to ex110 which are fixed wireless stations.
  • the streaming server ex103 is connected to each device such as the computer ex111, the game machine ex112, the camera ex113, the home appliance ex114, and the smartphone ex115 via the Internet ex101 or the like.
  • the streaming server ex103 is connected to a terminal or the like in a hotspot in the aircraft ex117 via the satellite ex116.
  • a radio access point or a hotspot may be used instead of base stations ex106 to ex110.
  • the streaming server ex103 may be directly connected to the communication network ex104 without the internet ex101 or the internet service provider ex102, or may be directly connected with the airplane ex117 without the satellite ex116.
  • the camera ex113 is a device capable of shooting a still image such as a digital camera and shooting a moving image.
  • the smartphone ex115 is a smartphone, a mobile phone, a PHS (Personal Handyphone System), or the like compatible with a mobile communication system generally called 2G, 3G, 3.9G, 4G, and 5G in the future.
  • the home appliance ex118 is a refrigerator or a device included in a home fuel cell cogeneration system.
  • a terminal having a photographing function when a terminal having a photographing function is connected to the streaming server ex103 through the base station ex106 or the like, live distribution and the like become possible.
  • a terminal (a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, a smartphone ex115, a terminal in an airplane ex117, etc.) transmits the still image or moving image content captured by the user using the terminal.
  • the encoding process described in each embodiment is performed, and video data obtained by the encoding and sound data obtained by encoding a 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 coding apparatus according to an aspect of the present disclosure.
  • the streaming server ex 103 streams the content data transmitted to the requested client.
  • the client is a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, a smartphone ex115, a terminal in the airplane ex117, or the like capable of decoding the above-described encoded data.
  • Each device that receives 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, or distribute data in a distributed manner.
  • the streaming server ex103 may be realized by a CDN (Contents Delivery Network), and content delivery may be realized by a network connecting a large number of edge servers distributed around the world and the edge servers.
  • CDN Content Delivery Network
  • content delivery may be realized by a network connecting a large number of edge servers distributed around the world and the edge servers.
  • physically close edge servers are dynamically assigned according to clients. The delay can be reduced by caching and distributing the content to the edge server.
  • processing is distributed among multiple edge servers, or the distribution subject is switched to another edge server, or a portion of the network where a failure has occurred. Since the delivery can be continued bypassing, high-speed and stable delivery can be realized.
  • each terminal may perform encoding processing of captured data, or may perform processing on the server side, or may share processing with each other.
  • a processing loop is performed twice.
  • the first loop the complexity or code amount of the image in frame or scene units is detected.
  • the second loop processing is performed to maintain the image quality and improve the coding efficiency.
  • the terminal performs a first encoding process
  • the server receiving the content performs a second encoding process, thereby improving the quality and efficiency of the content while reducing the processing load on each terminal. it can.
  • the first encoded data made by the terminal can also be received and reproduced by another terminal, enabling more flexible real time delivery Become.
  • the camera ex 113 or the like extracts a feature amount from an image, compresses data relating to the feature amount as metadata, and transmits the data to the server.
  • the server performs compression according to the meaning of the image, for example, determining the importance of the object from the feature amount and switching the quantization accuracy.
  • Feature amount data is particularly effective in improving the accuracy and efficiency of motion vector prediction at the time of second compression in the server.
  • the terminal may perform simple coding such as VLC (variable length coding) and the server may perform coding with a large processing load such as CABAC (context adaptive binary arithmetic coding method).
  • a plurality of video data in which substantially the same scenes are shot by a plurality of terminals.
  • a unit of GOP Group of Picture
  • a unit of picture or a tile into which a picture is divided, using a plurality of terminals for which photographing was performed and other terminals and servers which are not photographing as necessary.
  • the encoding process is allocated in units, etc., and distributed processing is performed. This reduces delay and can realize more real time performance.
  • the server may manage and / or instruct the video data captured by each terminal to be mutually referred to.
  • the server may receive the encoded data from each terminal and change the reference relationship among a plurality of data, or may correct or replace the picture itself and re-encode it. This makes it possible to generate streams with enhanced quality and efficiency of each piece of data.
  • the server may deliver the video data after performing transcoding for changing the coding method of the video data.
  • the server may convert the encoding system of the MPEG system into the VP system, or the H.264 system. H.264. It may be converted to 265.
  • the encoding process can be performed by the terminal or one or more servers. Therefore, in the following, although the description such as “server” or “terminal” is used as the subject of processing, part or all of the processing performed by the server may be performed by the terminal, or the processing performed by the terminal Some or all may be performed on the server. In addition, with regard to these, the same applies to the decoding process.
  • the server not only encodes a two-dimensional moving image, but also automatically encodes a still image based on scene analysis of the moving image or at a time designated by the user and transmits it to the receiving terminal. It is also good. Furthermore, if the server can acquire relative positional relationship between the imaging terminals, the three-dimensional shape of the scene is not only determined based on the two-dimensional moving image but also the video of the same scene captured from different angles. Can be generated. Note that the server may separately encode three-dimensional data generated by a point cloud or the like, or an image to be transmitted to the receiving terminal based on a result of recognizing or tracking a person or an object using the three-dimensional data. Alternatively, it may be generated by selecting or reconfiguring from videos taken by a plurality of terminals.
  • the user can enjoy the scene by arbitrarily selecting each video corresponding to each photographing terminal, or from the three-dimensional data reconstructed using a plurality of images or videos, the video of the arbitrary viewpoint You can also enjoy the extracted content.
  • the sound may be picked up from a plurality of different angles as well as the video, and the server may multiplex the sound from a specific angle or space with the video and transmit it according to the video.
  • the server may create viewpoint images for the right eye and for the left eye, respectively, and may perform coding to allow reference between each viewpoint video using Multi-View Coding (MVC) or the like. It may be encoded as another stream without reference. At the time of decoding of another stream, reproduction may be performed 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 camera information in the real space based on the three-dimensional position or the movement of the user's viewpoint.
  • the decoding apparatus 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 superimposed data by smoothly connecting.
  • the decoding device transmits the motion of the user's viewpoint to the server in addition to the request for virtual object information, and the server creates superimposed data in accordance with the motion 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 as well as RGB
  • the server sets the ⁇ value of a portion other than the object created from the three-dimensional data to 0 etc., and the portion is transparent , May be encoded.
  • the server may set RGB values of predetermined values as a background, such as chroma key, and generate data in which the portion other than the object has a background color.
  • the decryption processing of the distributed data may be performed by each terminal which is a client, may be performed by the server side, or may be performed sharing each other.
  • one terminal may send a reception request to the server once, the content corresponding to the request may be received by another terminal and decoded, and the decoded signal may be transmitted to a device having a display. Data of high image quality can be reproduced by distributing processing and selecting appropriate content regardless of the performance of the communicable terminal itself.
  • a viewer's personal terminal may decode and display a partial area such as a tile in which a picture is divided. Thereby, it is possible to confirm at hand the area in which the user is in charge or the area to be checked in more detail while sharing the whole image.
  • encoded data over the network such as encoded data being cached on a server that can be accessed in a short time from a receiving terminal, or copied to an edge server in a content delivery service, etc. It is also possible to switch the bit rate of the received data based on ease.
  • the server may have a plurality of streams with the same content but different qualities as individual streams, but is temporally / spatial scalable which is realized by coding into layers as shown in the figure.
  • the configuration may be such that the content is switched using the feature of the stream. That is, the decoding side determines low-resolution content and high-resolution content by determining which layer to decode depending on the internal factor of performance and external factors such as the state of the communication band. It can be switched freely and decoded. For example, when it is desired to view the continuation of the video being watched by the smartphone ex115 while moving on a device such as the Internet TV after returning home, the device only has to decode the same stream to different layers, so the burden on the server side Can be reduced.
  • the picture is encoded for each layer, and the enhancement layer includes meta information based on statistical information of the image, etc., in addition to the configuration for realizing the scalability in which the enhancement layer exists above the base layer.
  • the decoding side may generate high-quality content by super-resolving a picture of the base layer based on the meta information.
  • the super resolution may be either an improvement in the SN ratio at the same resolution or an expansion of the resolution.
  • Meta information includes information for identifying linear or non-linear filter coefficients used for super-resolution processing, or information for identifying parameter values in filter processing used for super-resolution processing, machine learning or least squares operation, etc. .
  • the picture may be divided into tiles or the like according to the meaning of an object or the like in the image, and the decoding side may be configured to decode only a part of the area by selecting the tile to be decoded.
  • the decoding side can position the desired object based on the meta information And determine the tile that contains the object. For example, as shown in FIG. 28, meta information is stored using a data storage structure different from pixel data, such as an 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 of a plurality of pictures, such as streams, sequences, or random access units.
  • the decoding side can acquire the time when a specific person appears in the video and the like, and can identify the picture in which the object exists and the position of the object in the picture by combining the information with the picture unit.
  • FIG. 29 is a diagram showing an example of a display screen of a web page in the computer ex111 and the like.
  • FIG. 30 is a diagram showing an example of a display screen of a web page in the smartphone ex115 and the like.
  • the web page may include a plurality of link images which are links to image content, and the appearance differs depending on the browsing device.
  • the display device When multiple link images are visible on the screen, the display device until the user explicitly selects the link image, or until the link image approaches near the center of the screen or the entire link image falls within the screen
  • the (decoding device) displays still images or I pictures of each content as link images, displays images such as gif animation with a plurality of still images or I pictures, etc., receives only the base layer Decode and display.
  • the display device decodes the base layer with the highest priority.
  • the display device may decode up to the enhancement layer if there is information indicating that the content is scalable in the HTML configuring the web page.
  • the display device decodes only forward referenced pictures (I picture, P picture, forward referenced only B picture) before the selection or when the communication band is very strict. And, by displaying, it is possible to reduce the delay between the decoding time of the leading picture and the display time (delay from the start of decoding of content to the start of display).
  • the display device may roughly ignore the reference relationship of pictures and roughly decode all B pictures and P pictures with forward reference, and may perform normal decoding as time passes and the number of received pictures increases.
  • the receiving terminal when transmitting or receiving still image or video data such as two-dimensional or three-dimensional map information for automatic traveling or driving assistance of a car, the receiving terminal is added as image information belonging to one or more layers as meta information Information on weather or construction may also be received, and these may be correlated and decoded.
  • the meta information may belong to the layer or may be simply multiplexed with the image data.
  • the receiving terminal since a car including a receiving terminal, a drone or an airplane moves, the receiving terminal transmits the position information of the receiving terminal at the time of reception request to seamlessly receive and decode 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 state of the communication band. become.
  • the client can receive, decode, and reproduce the encoded information transmitted by the user in real time.
  • the server may perform the encoding process after performing the editing process. This can be realized, for example, with the following configuration.
  • the server performs recognition processing such as shooting error, scene search, meaning analysis, and object detection from the original image or encoded data after shooting in real time or by accumulation. Then, the server manually or automatically corrects out-of-focus or camera shake, etc. based on the recognition result, or a scene with low importance such as a scene whose brightness is low or out of focus compared with other pictures. Make edits such as deleting, emphasizing the edge of an object, or changing the color. The server encodes the edited data based on the edited result. It is also known that the audience rating drops when the shooting time is too long, and the server works not only with scenes with low importance as described above, but also moves as content becomes within a specific time range according to the shooting time. Scenes with a small amount of motion may be clipped automatically based on the image processing result. Alternatively, the server may generate and encode a digest based on the result of semantic analysis of the scene.
  • recognition processing such as shooting error, scene search, meaning analysis, and object detection from the original image or encoded data after shooting in real
  • the server may change and encode the face of a person at the periphery of the screen, or the inside of a house, etc. into an image out of focus.
  • the server recognizes whether or not the face of a person different from the person registered in advance appears in the image to be encoded, and if so, performs processing such as mosaicing the face portion. May be Alternatively, the user designates a person or background area desired to process an image from the viewpoint of copyright etc.
  • preprocessing or post-processing of encoding replaces the designated area with another video or blurs the focus. It is also possible to perform such processing. If it is a person, it is possible to replace the image of the face part while tracking the person in the moving image.
  • the decoding apparatus first receives the base layer with the highest priority, and performs decoding and reproduction, although it depends on the bandwidth.
  • the decoding device may receive the enhancement layer during this period, and may play back high-quality video including the enhancement layer if it is played back more than once, such as when playback is looped.
  • scalable coding it is possible to provide an experience in which the stream gradually becomes smart and the image becomes better although it is a rough moving image when it is not selected or when it starts watching.
  • the same experience can be provided even if the coarse stream played back first and the second stream coded with reference to the first moving image are configured as one stream .
  • these encoding or decoding processes are generally processed in an LSI ex 500 that each terminal has.
  • the LSI ex 500 may be a single chip or a plurality of chips.
  • Software for moving image encoding or decoding is incorporated in any recording medium (CD-ROM, flexible disk, hard disk, etc.) readable by computer ex111 or the like, and encoding or decoding is performed using the software. It is 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 ex 500 included in the smartphone ex 115.
  • the LSI ex 500 may be configured to download and activate application software.
  • the terminal first determines whether the terminal corresponds to the content coding scheme or has the ability to execute a specific service. If the terminal does not support the content encoding method or does not have the ability to execute a specific service, the terminal downloads the codec or application software, and then acquires and reproduces the content.
  • the present invention is not limited to the content supply system ex100 via the Internet ex101, but also to a system for digital broadcasting at least a moving picture coding apparatus (image coding apparatus) or a moving picture decoding apparatus (image decoding apparatus) of the above embodiments. Can be incorporated. There is a difference in that it is multicast-oriented with respect to the configuration in which the content supply system ex100 can be easily unicasted, since multiplexed data in which video and sound are multiplexed is transmitted on broadcast radio waves using satellites etc. Similar applications are possible for the encoding process and the decoding process.
  • FIG. 31 is a diagram showing the smartphone ex115.
  • FIG. 32 is a diagram showing an example configuration of the smartphone ex115.
  • the smartphone ex115 receives an antenna ex450 for transmitting and receiving radio waves to and from the base station ex110, a camera unit ex465 capable of taking video and still images, a video taken by the camera unit ex465, and the antenna ex450 And a display unit ex ⁇ b> 458 for displaying data obtained by decoding an image 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, Identify the user, the memory unit ex 467 capable of storing encoded video or still image, recorded voice, received video or still image, encoded data such as mail, or decoded data, and specify a network, etc. And a slot unit ex464 that is an interface unit with the SIM ex 468 for authenticating access to various data. Note that an external memory may be used instead of the memory unit ex467.
  • a main control unit ex460 that integrally controls the display unit ex458 and the operation unit ex466, 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, / Demodulation unit ex452, multiplexing / demultiplexing unit ex453, audio signal processing unit ex454, slot unit ex464, and memory unit ex467 are connected via a bus ex470.
  • the power supply circuit unit ex461 activates the smartphone ex115 to an operable state by supplying power from the battery pack to each unit.
  • the smartphone ex115 performs processing such as call and data communication based on control of the main control unit ex460 having a CPU, a ROM, a RAM, and the like.
  • the audio signal collected by the audio input unit ex456 is converted to a digital audio signal by the audio 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.
  • transmission is performed via the antenna ex450.
  • the received data is amplified and subjected to frequency conversion processing and analog-to-digital conversion processing, subjected to spectrum despreading processing by modulation / demodulation unit ex452, and converted to an analog sound signal by sound signal processing unit ex454.
  • Output from In the data communication mode text, still images, or video data are sent to the main control unit ex460 via the operation input control unit ex462 by the operation of the operation unit ex466 or the like of the main unit, and transmission and reception processing is similarly performed.
  • the video signal processing unit ex 455 executes the video signal stored in the memory unit ex 467 or the video signal input from the camera unit ex 465 as described above.
  • the video data is compressed and encoded by the moving picture 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 an audio signal collected by the audio input unit ex456 while capturing a video or a still image with the camera unit ex465, and sends the encoded audio data to the multiplexing / demultiplexing unit ex453.
  • the multiplexing / demultiplexing unit ex453 multiplexes the encoded video data and the encoded audio data according to a predetermined method, and performs modulation processing and conversion by the modulation / demodulation unit (modulation / demodulation circuit unit) ex452 and the transmission / reception unit ex451. It processes and transmits via antenna ex450.
  • the multiplexing / demultiplexing unit ex453 multiplexes in order to decode multiplexed data received via the antenna ex450.
  • 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, and The converted audio data is supplied to the audio signal processing unit ex 454.
  • the video signal processing unit ex 455 decodes the video signal by the moving picture decoding method corresponding to the moving picture coding method described in each of the above embodiments, and is linked from the display unit ex 458 via the display control unit ex 459. An image or a still image included in the moving image file is displayed.
  • the audio signal processing unit ex 454 decodes the audio signal, and the audio output unit ex 457 outputs the audio. Furthermore, since real-time streaming is widespread, depending on the user's situation, it may happen that sound reproduction is not socially appropriate. Therefore, as an initial value, it is preferable to be configured to reproduce only the video data 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 as an example, in addition to a transceiving terminal having both an encoder and a decoder as a terminal, a transmitting terminal having only the encoder and a receiver having only the decoder There are three possible implementation forms: terminals. Furthermore, in the digital broadcasting system, it has been described that multiplexed data in which audio data is multiplexed with video data is received or transmitted, but in multiplexed data, character data related to video other than audio data is also described. It may be multiplexed, or video data itself may be received or transmitted, not multiplexed data.
  • the terminal often includes a GPU. Therefore, a configuration in which a large area is collectively processed using the performance of the GPU may be performed using a memory shared by the CPU and the GPU, or a memory whose address is managed so as to be commonly used. As a result, coding time can be shortened, real time property can be secured, and low delay can be realized. In particular, it is efficient to perform processing of motion search, deblock filter, sample adaptive offset (SAO), and transform / quantization collectively in units of pictures or the like on the GPU instead of the CPU.
  • SAO sample adaptive offset
  • This aspect may be practiced in combination with at least some of the other aspects in the present disclosure.
  • part of the processing described in the flowchart of this aspect part of the configuration of the apparatus, part of the syntax, and the like may be implemented in combination with other aspects.
  • the present disclosure is applicable to an image decoding device and an image coding device. Specifically, the present disclosure is applicable to a television, a recorder, a personal computer, a digital still camera, a digital video camera, a smartphone, and the like.

Landscapes

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

Abstract

符号化装置（１００）は、回路（１６０）と、メモリ（１６２）とを備え、回路（１６０）は、メモリ（１６２）を用いて、復号時の処理時間に関連する第１情報に基づき、ＦＲＵＣ処理を禁止するか否かを決定し（Ｓ２０１）、ＦＲＵＣ処理を禁止すると決定した場合（Ｓ２０１でＹｅｓ）、ＦＲＵＣ処理を含まない複数の予測モードから１つの予測モードを選択し（Ｓ２０３）、ＦＲＵＣ処理を用いずに符号化を行い（Ｓ２０６）、ＦＲＵＣ処理を禁止しないと決定した場合（Ｓ２０１でＮｏ）、ＦＲＵＣ処理を含む複数の予測モードから１つの予測モードを選択し（Ｓ２０２）、ＦＲＵＣ処理を用いて（Ｓ２０５）、又は、ＦＲＵＣ処理を用いずに符号化を行い（Ｓ２０６）、ＦＲＵＣ処理が用いられるか否かを示す第２情報を含む符号化ビットストリームを生成する（Ｓ２０７）。

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、符号化装置、復号装置、符号化方法及び復号方法に関する。
　最新の動画像符号化標準規格であるＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）規格では、符号化効率を向上させるために様々な検討がされている（例えば、非特許文献１参照）。この方式は、Ｈ．２６ｘで示されるＩＴＵ－Ｔ（国際電気通信連合電気通信標準化部門）規格、及び、ＭＰＥＧ－ｘで示されるＩＳＯ／ＩＥＣ規格であり、Ｈ．２６４／ＡＶＣ、又はＭＰＥＧ－４　ＡＶＣで示される規格の次の映像符号化規格として検討された。
ＩＴＵ－Ｔ　Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ　Ｈ．２６５　「Ｈｉｇｈ　ｅｆｆｉｃｉｅｎｃｙ　ｖｉｄｅｏ　ｃｏｄｉｎｇ」、２０１５年４月
　このような、符号化方法及び復号方法では、処理の遅延を抑制できることが望まれている。
　本開示は、処理の遅延を抑制できる復号装置、符号化装置、復号方法又は符号化方法を提供することを目的とする。
　本開示の一態様に係る符号化装置は、回路と、メモリとを備え、前記回路は、前記メモリを用いて、復号時の処理時間に関連する第１情報に基づき、ＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）処理を禁止するか否かを決定し、前記ＦＲＵＣ処理を禁止すると決定した場合、前記ＦＲＵＣ処理を含まない複数の予測モードから１つの予測モードを選択し、前記ＦＲＵＣ処理を用いずに符号化を行い、前記ＦＲＵＣ処理を禁止しないと決定した場合、ＦＲＵＣ処理を含む複数の予測モードから１つの予測モードを選択し、選択された予測モードがＦＲＵＣ処理を行うモードであるか否かに応じて、前記ＦＲＵＣ処理を用いて、又は、前記ＦＲＵＣ処理を用いずに符号化を行い、前記ＦＲＵＣ処理が用いられるか否かを示す第２情報を含む符号化ビットストリームを生成する。
　本開示の一態様に係る復号装置は、前記符号化装置により生成された前記符号化ビットストリームを復号する復号装置であって、回路と、メモリとを備え、前記回路は、前記メモリを用いて、前記符号化ビットストリームに含まれる前記第２情報に応じて、前記ＦＲＵＣ処理を用いて、又は、前記ＦＲＵＣ処理を用いずに、復号を行う。
　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。
　本開示は、処理の遅延を抑制できる復号装置、符号化装置、復号方法又は符号化方法を提供できる。
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、第１パイプライン構造例を示す概略図である。 図１２は、パイプライン処理の説明に用いられるブロック分割例を示す模式図である。 図１３は、第１パイプライン構造例における処理タイミングの一例を示すタイムチャートである。 図１４は、第２パイプライン構造例を示す概略図である。 図１５は、第２パイプライン構造例における処理タイミングの一例を示すタイムチャートである。 図１６は、第３パイプライン構造例を示す概略図である。 図１７は、第３パイプライン構造例における処理タイミングの一例を示すタイムチャートである。 図１８は、符号化装置による符号化処理のフローチャートである。 図１９は、符号化処理の第１の例のフローチャートである。 図２０は、復号装置による復号処理のフローチャートである。 図２１は、符号化処理の第２の例のフローチャートである。 図２２は、符号化処理の第３の例のフローチャートである。 図２３は、符号化処理の第４の例の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実装例を示すブロック図である。 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、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２７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２８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２９は、ｗｅｂページの表示画面例を示す図である。 図３０は、ｗｅｂページの表示画面例を示す図である。 図３１は、スマートフォンの一例を示す図である。 図３２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、画像をブロック毎に符号化する。符号化装置は、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、カレントブロックの符号化に画面間予測を用いる場合、カレント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カレントブロックの予測画像を生成する。そして、符号化装置は、カレントブロックの予測画像と、カレント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カレント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、原画像を再構成する。これにより、復号装置は、画像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、適切にカレント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、テンプレートＦＲＵＣ方式において、符号化装置及び復号装置は、カレントブロックを用いずに、カレントブロックの周辺の再構成画像で構成されるテンプレートを用いてカレントブロックの動きベクトルを導出する。これにより、符号化装置及び復号装置は、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。したがって、符号量が削減される。
　しかしながら、テンプレートＦＲＵＣ方式において、符号化装置及び復号装置は、カレントブロックの周辺の再構成画像が生成されるまで、カレントブロックの周辺の再構成画像で構成されるテンプレートを利用することができない。したがって、テンプレートＦＲＵＣ方式で動きベクトルを導出する処理において、遅延が発生する可能性がある。
　本開示の一態様に係る符号化装置は、回路と、メモリとを備え、前記回路は、前記メモリを用いて、復号時の処理時間に関連する第１情報に基づき、ＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）処理を禁止するか否かを決定し、前記ＦＲＵＣ処理を禁止すると決定した場合、前記ＦＲＵＣ処理を含まない複数の予測モードから１つの予測モードを選択し、前記ＦＲＵＣ処理を用いずに符号化を行い、前記ＦＲＵＣ処理を禁止しないと決定した場合、ＦＲＵＣ処理を含む複数の予測モードから１つの予測モードを選択し、選択された予測モードがＦＲＵＣ処理を行うモードであるか否かに応じて、前記ＦＲＵＣ処理を用いて、又は、前記ＦＲＵＣ処理を用いずに符号化を行い、前記ＦＲＵＣ処理が用いられるか否かを示す第２情報を含む符号化ビットストリームを生成する。
　これによれば、復号時の処理時間を適切に削減できるので、例えば、復号時のパイプライン制御における待ち時間を低減できる。
　例えば、前記第１情報は、処理対象のブロックのサイズであり、前記ＦＲＵＣ処理を禁止するか否かの前記決定では、前記サイズが予め定められた閾値より大きい場合に、前記ＦＲＵＣ処理を禁止すると決定してもよい。
　これによれば、処理時間が長くなるサイズの大きいブロックの処理時間を削減できるので、効率良く待ち時間を低減できる。
　例えば、前記第１情報は、処理対象のブロック及び処理順が前記処理対象のブロックの直前のブロックのサイズであり、前記ＦＲＵＣ処理を禁止するか否かの前記決定では、前記処理対象のブロックのサイズが、前記直前のブロックのサイズより大きい場合に、前記ＦＲＵＣ処理を禁止すると決定してもよい。
　これによれば、待ち時間が発生する可能性が高いタイミングで処理時間を低減できるので、効率良く待ち時間を低減できる。
　例えば、前記第１情報は、複数のブロックのうち前記ＦＲＵＣ処理を用いて符号化されたブロックの数であり、前記ＦＲＵＣ処理を禁止するか否かの前記決定では、前記ブロックの数が予め定められた閾値より大きい場合に、前記ＦＲＵＣ処理を禁止すると決定してもよい。
　これによれば、待ち時間が長くなったタイミングで処理時間を低減できるので、効率良く待ち時間を低減できる。また、不必要にＦＲＣＵ処理が禁止されることを抑制できる。
　例えば、前記第１情報は、複数のブロックのうち前記ＦＲＵＣ処理を用いて符号化されたブロックの割合であり、前記ＦＲＵＣ処理を禁止するか否かの前記決定では、前記ブロックの割合が予め定められた閾値より大きい場合に、前記ＦＲＵＣ処理を禁止すると決定してもよい。
　これによれば、待ち時間が長くなったタイミングで処理時間を低減できるので、効率良く待ち時間を低減できる。また、不必要にＦＲＣＵ処理が禁止されることを抑制できる。
　例えば、前記複数のブロックは、処理対象のブロックが属する符号化ツリーユニット（ＣＴＵ）及び直前に処理した１つ以上の符号化ツリーユニットに含まれる複数のブロックであってもよい。
　例えば、前記複数のブロックは、処理対象のブロックが属するスライス又はピクチャに含まれる複数のブロックであってもよい。
　例えば、前記第１情報は、処理対象のブロックの直前に前記ＦＲＵＣ処理を用いて符号化されたブロックが連続する数であり、前記ＦＲＵＣ処理を禁止するか否かの前記決定では、前記ブロックが連続する数が予め定められた閾値より大きい場合に、前記ＦＲＵＣ処理を禁止すると決定してもよい。
　これによれば、待ち時間が長くなったタイミングで処理時間を低減できるので、効率良く待ち時間を低減できる。また、不必要にＦＲＣＵ処理が禁止されることを抑制できる。
　例えば、前記第１情報は、復号時のパイプライン制御における待ち時間であり、前記ＦＲＵＣ処理を禁止するか否かの前記決定では、前記待ち時間を推定し、推定した前記待ち時間が、予め定められた閾値より大きい場合に、前記ＦＲＵＣ処理を禁止すると決定してもよい。
　これによれば、待ち時間が長くなったタイミングで処理時間を低減できるので、効率良く待ち時間を低減できる。また、不必要にＦＲＣＵ処理が禁止されることを抑制できる。
　例えば、前記回路は、前記メモリを用いて、さらに、前記ＦＲＵＣ処理を禁止するか否かの前記決定に関するパラメータを、前記符号化ビットストリームに含まれる、シーケンスヘッダ領域、ピクチャヘッダ領域、スライスヘッダ領域、又は補助情報領域に符号化してもよい。
　例えば、前記回路は、前記メモリを用いて、さらに、処理対象のピクチャの大きさに応じて、前記ＦＲＵＣ処理を禁止するか否かの前記決定に関するパラメータを切り替えてもよい。
　これによれば、ピクチャの大きさに応じて適切にＦＲＣＵ処理を禁止できる。
　例えば、前記回路は、前記メモリを用いて、さらに、復号装置の処理能力に応じて、前記ＦＲＵＣ処理を禁止するか否かの前記決定に関するパラメータを切り替えてもよい。
　これによれば、復号装置の処理能力に応じて適切にＦＲＣＵ処理を禁止できる。
　例えば、前記回路は、前記メモリを用いて、さらに、前記符号化ビットストリームに割り当てられたプロファイル又はレベルに応じて、前記ＦＲＵＣ処理を禁止するか否かの前記決定に関するパラメータを切り替えてもよい。
　これによれば、プロファイル又はレベルに応じて適切にＦＲＣＵ処理を禁止できる。
　本開示の一態様に係る復号装置は、前記符号化装置により生成された前記符号化ビットストリームを復号する復号装置であって、回路と、メモリとを備え、前記回路は、前記メモリを用いて、前記符号化ビットストリームに含まれる前記第２情報に応じて、前記ＦＲＵＣ処理を用いて、又は、前記ＦＲＵＣ処理を用いずに、復号を行う。
　これによれば、復号時の処理時間を適切に削減できるので、例えば、復号時のパイプライン制御における待ち時間を低減できる。
　本開示の一態様に係る符号化方法は、復号時の処理時間に関連する第１情報に基づき、ＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）処理を禁止するか否かを決定し、前記ＦＲＵＣ処理を禁止すると決定した場合、前記ＦＲＵＣ処理を含まない複数の予測モードから１つの予測モードを選択し、前記ＦＲＵＣ処理を用いずに符号化を行い、前記ＦＲＵＣ処理を禁止しないと決定した場合、ＦＲＵＣ処理を含む複数の予測モードから１つの予測モードを選択し、選択された予測モードがＦＲＵＣ処理を行うモードであるか否かに応じて、前記ＦＲＵＣ処理を用いて、又は、前記ＦＲＵＣ処理を用いずに符号化を行い、前記ＦＲＵＣ処理が用いられるか否かを示す第２情報を含む符号化ビットストリームを生成する。
　これによれば、復号時の処理時間を適切に削減できるので、例えば、復号時のパイプライン制御における待ち時間を低減できる。
　本開示の一態様に係る復号方法は、前記符号化方法により生成された前記符号化ビットストリームを復号する復号方法であって、前記符号化ビットストリームに含まれる前記第２情報に応じて、前記ＦＲＵＣ処理を用いて、又は、前記ＦＲＵＣ処理を用いずに、復号を行う。
　これによれば、復号時の処理時間を適切に削減できるので、例えば、復号時のパイプライン制御における待ち時間を低減できる。
　さらに、これらの包括的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム、又は、コンピュータ読み取り可能なＣＤ－ＲＯＭなどの非一時的な記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラム、及び、記録媒体の任意な組み合わせで実現されてもよい。
　以下、実施の形態について図面を参照しながら具体的に説明する。
　なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、請求の範囲を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
　（実施の形態１）
　まず、後述する本開示の各態様で説明する処理および／または構成を適用可能な符号化装置および復号化装置の一例として、実施の形態１の概要を説明する。ただし、実施の形態１は、本開示の各態様で説明する処理および／または構成を適用可能な符号化装置および復号化装置の一例にすぎず、本開示の各態様で説明する処理および／または構成は、実施の形態１とは異なる符号化装置および復号化装置においても実施可能である。
　実施の形態１に対して本開示の各態様で説明する処理および／または構成を適用する場合、例えば以下のいずれかを行ってもよい。
　（１）実施の形態１の符号化装置または復号化装置に対して、当該符号化装置または復号化装置を構成する複数の構成要素のうち、本開示の各態様で説明する構成要素に対応する構成要素を、本開示の各態様で説明する構成要素に置き換えること
　（２）実施の形態１の符号化装置または復号化装置に対して、当該符号化装置または復号化装置を構成する複数の構成要素のうち一部の構成要素について機能または実施する処理の追加、置き換え、削除などの任意の変更を施した上で、本開示の各態様で説明する構成要素に対応する構成要素を、本開示の各態様で説明する構成要素に置き換えること
　（３）実施の形態１の符号化装置または復号化装置が実施する方法に対して、処理の追加、および／または当該方法に含まれる複数の処理のうちの一部の処理について置き換え、削除などの任意の変更を施した上で、本開示の各態様で説明する処理に対応する処理を、本開示の各態様で説明する処理に置き換えること
　（４）実施の形態１の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素を、本開示の各態様で説明する構成要素、本開示の各態様で説明する構成要素が備える機能の一部を備える構成要素、または本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせて実施すること
　（５）実施の形態１の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素が備える機能の一部を備える構成要素、または実施の形態１の符号化装置または復号化装置を構成する複数の構成要素のうちの一部の構成要素が実施する処理の一部を実施する構成要素を、本開示の各態様で説明する構成要素、本開示の各態様で説明する構成要素が備える機能の一部を備える構成要素、または本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせて実施すること
　（６）実施の形態１の符号化装置または復号化装置が実施する方法に対して、当該方法に含まれる複数の処理のうち、本開示の各態様で説明する処理に対応する処理を、本開示の各態様で説明する処理に置き換えること
　（７）実施の形態１の符号化装置または復号化装置が実施する方法に含まれる複数の処理のうちの一部の処理を、本開示の各態様で説明する処理と組み合わせて実施すること
　なお、本開示の各態様で説明する処理および／または構成の実施の仕方は、上記の例に限定されるものではない。例えば、実施の形態１において開示する動画像／画像符号化装置または動画像／画像復号化装置とは異なる目的で利用される装置において実施されてもよいし、各態様において説明した処理および／または構成を単独で実施してもよい。また、異なる態様において説明した処理および／または構成を組み合わせて実施してもよい。
　［符号化装置の概要］
　まず、実施の形態１に係る符号化装置の概要を説明する。図１は、実施の形態１に係る符号化装置１００の機能構成を示すブロック図である。符号化装置１００は、動画像／画像をブロック単位で符号化する動画像／画像符号化装置である。
　図１に示すように、符号化装置１００は、画像をブロック単位で符号化する装置であって、分割部１０２と、減算部１０４と、変換部１０６と、量子化部１０８と、エントロピー符号化部１１０と、逆量子化部１１２と、逆変換部１１４と、加算部１１６と、ブロックメモリ１１８と、ループフィルタ部１２０と、フレームメモリ１２２と、イントラ予測部１２４と、インター予測部１２６と、予測制御部１２８と、を備える。
　符号化装置１００は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、分割部１０２、減算部１０４、変換部１０６、量子化部１０８、エントロピー符号化部１１０、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、イントラ予測部１２４、インター予測部１２６及び予測制御部１２８として機能する。また、符号化装置１００は、分割部１０２、減算部１０４、変換部１０６、量子化部１０８、エントロピー符号化部１１０、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、イントラ予測部１２４、インター予測部１２６及び予測制御部１２８に対応する専用の１以上の電子回路として実現されてもよい。
　以下に、符号化装置１００に含まれる各構成要素について説明する。
　［分割部］
　分割部１０２は、入力動画像に含まれる各ピクチャを複数のブロックに分割し、各ブロックを減算部１０４に出力する。例えば、分割部１０２は、まず、ピクチャを固定サイズ（例えば１２８ｘ１２８）のブロックに分割する。この固定サイズのブロックは、符号化ツリーユニット（ＣＴＵ）と呼ばれることがある。そして、分割部１０２は、再帰的な四分木（ｑｕａｄｔｒｅｅ）及び／又は二分木（ｂｉｎａｒｙ　ｔｒｅｅ）ブロック分割に基づいて、固定サイズのブロックの各々を可変サイズ（例えば６４ｘ６４以下）のブロックに分割する。この可変サイズのブロックは、符号化ユニット（ＣＵ）、予測ユニット（ＰＵ）あるいは変換ユニット（ＴＵ）と呼ばれることがある。なお、本実施の形態では、ＣＵ、ＰＵ及びＴＵは区別される必要はなく、ピクチャ内の一部又はすべてのブロックがＣＵ、ＰＵ、ＴＵの処理単位となってもよい。
　図２は、実施の形態１におけるブロック分割の一例を示す図である。図２において、実線は四分木ブロック分割によるブロック境界を表し、破線は二分木ブロック分割によるブロック境界を表す。
　ここでは、ブロック１０は、１２８ｘ１２８画素の正方形ブロック（１２８ｘ１２８ブロック）である。この１２８ｘ１２８ブロック１０は、まず、４つの正方形の６４ｘ６４ブロックに分割される（四分木ブロック分割）。
　左上の６４ｘ６４ブロックは、さらに２つの矩形の３２ｘ６４ブロックに垂直に分割され、左の３２ｘ６４ブロックはさらに２つの矩形の１６ｘ６４ブロックに垂直に分割される（二分木ブロック分割）。その結果、左上の６４ｘ６４ブロックは、２つの１６ｘ６４ブロック１１、１２と、３２ｘ６４ブロック１３とに分割される。
　右上の６４ｘ６４ブロックは、２つの矩形の６４ｘ３２ブロック１４、１５に水平に分割される（二分木ブロック分割）。
　左下の６４ｘ６４ブロックは、４つの正方形の３２ｘ３２ブロックに分割される（四分木ブロック分割）。４つの３２ｘ３２ブロックのうち左上のブロック及び右下のブロックはさらに分割される。左上の３２ｘ３２ブロックは、２つの矩形の１６ｘ３２ブロックに垂直に分割され、右の１６ｘ３２ブロックはさらに２つの１６ｘ１６ブロックに水平に分割される（二分木ブロック分割）。右下の３２ｘ３２ブロックは、２つの３２ｘ１６ブロックに水平に分割される（二分木ブロック分割）。その結果、左下の６４ｘ６４ブロックは、１６ｘ３２ブロック１６と、２つの１６ｘ１６ブロック１７、１８と、２つの３２ｘ３２ブロック１９、２０と、２つの３２ｘ１６ブロック２１、２２とに分割される。
　右下の６４ｘ６４ブロック２３は分割されない。
　以上のように、図２では、ブロック１０は、再帰的な四分木及び二分木ブロック分割に基づいて、１３個の可変サイズのブロック１１～２３に分割される。このような分割は、ＱＴＢＴ（ｑｕａｄ－ｔｒｅｅ　ｐｌｕｓ　ｂｉｎａｒｙ　ｔｒｅｅ）分割と呼ばれることがある。
　なお、図２では、１つのブロックが４つ又は２つのブロックに分割されていたが（四分木又は二分木ブロック分割）、分割はこれに限定されない。例えば、１つのブロックが３つのブロックに分割されてもよい（三分木ブロック分割）。このような三分木ブロック分割を含む分割は、ＭＢＴ（ｍｕｌｔｉ　ｔｙｐｅ　ｔｒｅｅ）分割と呼ばれることがある。
　［減算部］
　減算部１０４は、分割部１０２によって分割されたブロック単位で原信号（原サンプル）から予測信号（予測サンプル）を減算する。つまり、減算部１０４は、符号化対象ブロック（以下、カレントブロックという）の予測誤差（残差ともいう）を算出する。そして、減算部１０４は、算出された予測誤差を変換部１０６に出力する。
　原信号は、符号化装置１００の入力信号であり、動画像を構成する各ピクチャの画像を表す信号（例えば輝度（ｌｕｍａ）信号及び２つの色差（ｃｈｒｏｍａ）信号）である。以下において、画像を表す信号をサンプルともいうこともある。
　［変換部］
　変換部１０６は、空間領域の予測誤差を周波数領域の変換係数に変換し、変換係数を量子化部１０８に出力する。具体的には、変換部１０６は、例えば空間領域の予測誤差に対して予め定められた離散コサイン変換（ＤＣＴ）又は離散サイン変換（ＤＳＴ）を行う。
　なお、変換部１０６は、複数の変換タイプの中から適応的に変換タイプを選択し、選択された変換タイプに対応する変換基底関数（ｔｒａｎｓｆｏｒｍ　ｂａｓｉｓ　ｆｕｎｃｔｉｏｎ）を用いて、予測誤差を変換係数に変換してもよい。このような変換は、ＥＭＴ（ｅｘｐｌｉｃｉｔ　ｍｕｌｔｉｐｌｅ　ｃｏｒｅ　ｔｒａｎｓｆｏｒｍ）又はＡＭＴ（ａｄａｐｔｉｖｅ　ｍｕｌｔｉｐｌｅ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。
　複数の変換タイプは、例えば、ＤＣＴ－ＩＩ、ＤＣＴ－Ｖ、ＤＣＴ－ＶＩＩＩ、ＤＳＴ－Ｉ及びＤＳＴ－ＶＩＩを含む。図３は、各変換タイプに対応する変換基底関数を示す表である。図３においてＮは入力画素の数を示す。これらの複数の変換タイプの中からの変換タイプの選択は、例えば、予測の種類（イントラ予測及びインター予測）に依存してもよいし、イントラ予測モードに依存してもよい。
　このようなＥＭＴ又はＡＭＴを適用するか否かを示す情報（例えばＡＭＴフラグと呼ばれる）及び選択された変換タイプを示す情報は、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　また、変換部１０６は、変換係数（変換結果）を再変換してもよい。このような再変換は、ＡＳＴ（ａｄａｐｔｉｖｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）又はＮＳＳＴ（ｎｏｎ－ｓｅｐａｒａｂｌｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。例えば、変換部１０６は、イントラ予測誤差に対応する変換係数のブロックに含まれるサブブロック（例えば４ｘ４サブブロック）ごとに再変換を行う。ＮＳＳＴを適用するか否かを示す情報及びＮＳＳＴに用いられる変換行列に関する情報は、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　ここで、Ｓｅｐａｒａｂｌｅな変換とは、入力の次元の数だけ方向ごとに分離して複数回変換を行う方式であり、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とは、入力が多次元であった際に２つ以上の次元をまとめて１次元とみなして、まとめて変換を行う方式である。
　例えば、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換の１例として、入力が４×４のブロックであった場合にはそれを１６個の要素を持ったひとつの配列とみなし、その配列に対して１６×１６の変換行列で変換処理を行うようなものが挙げられる。
　また、同様に４×４の入力ブロックを１６個の要素を持ったひとつの配列とみなした後に、その配列に対してＧｉｖｅｎｓ回転を複数回行うようなもの（Ｈｙｐｅｒｃｕｂｅ　Ｇｉｖｅｎｓ　Ｔｒａｎｓｆｏｒｍ）もＮｏｎ－Ｓｅｐａｒａｂｌｅな変換の例である。
　［量子化部］
　量子化部１０８は、変換部１０６から出力された変換係数を量子化する。具体的には、量子化部１０８は、カレントブロックの変換係数を所定の走査順序で走査し、走査された変換係数に対応する量子化パラメータ（ＱＰ）に基づいて当該変換係数を量子化する。そして、量子化部１０８は、カレントブロックの量子化された変換係数（以下、量子化係数という）をエントロピー符号化部１１０及び逆量子化部１１２に出力する。
　所定の順序は、変換係数の量子化／逆量子化のための順序である。例えば、所定の走査順序は、周波数の昇順（低周波から高周波の順）又は降順（高周波から低周波の順）で定義される。
　量子化パラメータとは、量子化ステップ（量子化幅）を定義するパラメータである。例えば、量子化パラメータの値が増加すれば量子化ステップも増加する。つまり、量子化パラメータの値が増加すれば量子化誤差が増大する。
　［エントロピー符号化部］
　エントロピー符号化部１１０は、量子化部１０８から入力である量子化係数を可変長符号化することにより符号化信号（符号化ビットストリーム）を生成する。具体的には、エントロピー符号化部１１０は、例えば、量子化係数を二値化し、二値信号を算術符号化する。
　［逆量子化部］
　逆量子化部１１２は、量子化部１０８からの入力である量子化係数を逆量子化する。具体的には、逆量子化部１１２は、カレントブロックの量子化係数を所定の走査順序で逆量子化する。そして、逆量子化部１１２は、カレントブロックの逆量子化された変換係数を逆変換部１１４に出力する。
　［逆変換部］
　逆変換部１１４は、逆量子化部１１２からの入力である変換係数を逆変換することにより予測誤差を復元する。具体的には、逆変換部１１４は、変換係数に対して、変換部１０６による変換に対応する逆変換を行うことにより、カレントブロックの予測誤差を復元する。そして、逆変換部１１４は、復元された予測誤差を加算部１１６に出力する。
　なお、復元された予測誤差は、量子化により情報が失われているので、減算部１０４が算出した予測誤差と一致しない。すなわち、復元された予測誤差には、量子化誤差が含まれている。
　［加算部］
　加算部１１６は、逆変換部１１４からの入力である予測誤差と予測制御部１２８からの入力である予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部１１６は、再構成されたブロックをブロックメモリ１１８及びループフィルタ部１２０に出力する。再構成ブロックは、ローカル復号ブロックと呼ばれることもある。
　［ブロックメモリ］
　ブロックメモリ１１８は、イントラ予測で参照されるブロックであって符号化対象ピクチャ（以下、カレントピクチャという）内のブロックを格納するための記憶部である。具体的には、ブロックメモリ１１８は、加算部１１６から出力された再構成ブロックを格納する。
　［ループフィルタ部］
　ループフィルタ部１２０は、加算部１１６によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ１２２に出力する。ループフィルタとは、符号化ループ内で用いられるフィルタ（インループフィルタ）であり、例えば、デブロッキング・フィルタ（ＤＦ）、サンプルアダプティブオフセット（ＳＡＯ）及びアダプティブループフィルタ（ＡＬＦ）などを含む。
　ＡＬＦでは、符号化歪みを除去するための最小二乗誤差フィルタが適用され、例えばカレントブロック内の２ｘ２サブブロックごとに、局所的な勾配（ｇｒａｄｉｅｎｔ）の方向及び活性度（ａｃｔｉｖｉｔｙ）に基づいて複数のフィルタの中から選択された１つのフィルタが適用される。
　具体的には、まず、サブブロック（例えば２ｘ２サブブロック）が複数のクラス（例えば１５又は２５クラス）に分類される。サブブロックの分類は、勾配の方向及び活性度に基づいて行われる。例えば、勾配の方向値Ｄ（例えば０～２又は０～４）と勾配の活性値Ａ（例えば０～４）とを用いて分類値Ｃ（例えばＣ＝５Ｄ＋Ａ）が算出される。そして、分類値Ｃに基づいて、サブブロックが複数のクラス（例えば１５又は２５クラス）に分類される。
　勾配の方向値Ｄは、例えば、複数の方向（例えば水平、垂直及び２つの対角方向）の勾配を比較することにより導出される。また、勾配の活性値Ａは、例えば、複数の方向の勾配を加算し、加算結果を量子化することにより導出される。
　このような分類の結果に基づいて、複数のフィルタの中からサブブロックのためのフィルタが決定される。
　ＡＬＦで用いられるフィルタの形状としては例えば円対称形状が利用される。図４Ａ～図４Ｃは、ＡＬＦで用いられるフィルタの形状の複数の例を示す図である。図４Ａは、５ｘ５ダイヤモンド形状フィルタを示し、図４Ｂは、７ｘ７ダイヤモンド形状フィルタを示し、図４Ｃは、９ｘ９ダイヤモンド形状フィルタを示す。フィルタの形状を示す情報は、ピクチャレベルで信号化される。なお、フィルタの形状を示す情報の信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はＣＵレベル）であってもよい。
　ＡＬＦのオン／オフは、例えば、ピクチャレベル又はＣＵレベルで決定される。例えば、輝度についてはＣＵレベルでＡＬＦを適用するか否かが決定され、色差についてはピクチャレベルでＡＬＦを適用するか否かが決定される。ＡＬＦのオン／オフを示す情報は、ピクチャレベル又はＣＵレベルで信号化される。なお、ＡＬＦのオン／オフを示す情報の信号化は、ピクチャレベル又はＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　選択可能な複数のフィルタ（例えば１５又は２５までのフィルタ）の係数セットは、ピクチャレベルで信号化される。なお、係数セットの信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル、ＣＴＵレベル、ＣＵレベル又はサブブロックレベル）であってもよい。
　［フレームメモリ］
　フレームメモリ１２２は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ１２２は、ループフィルタ部１２０によってフィルタされた再構成ブロックを格納する。
　［イントラ予測部］
　イントラ予測部１２４は、ブロックメモリ１１８に格納されたカレントピクチャ内のブロックを参照してカレントブロックのイントラ予測（画面内予測ともいう）を行うことで、予測信号（イントラ予測信号）を生成する。具体的には、イントラ予測部１２４は、カレントブロックに隣接するブロックのサンプル（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部１２８に出力する。
　例えば、イントラ予測部１２４は、予め規定された複数のイントラ予測モードのうちの１つを用いてイントラ予測を行う。複数のイントラ予測モードは、１以上の非方向性予測モードと、複数の方向性予測モードと、を含む。
　１以上の非方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ（Ｈｉｇｈ－Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）規格（非特許文献１）で規定されたＰｌａｎａｒ予測モード及びＤＣ予測モードを含む。
　複数の方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定された３３方向の予測モードを含む。なお、複数の方向性予測モードは、３３方向に加えてさらに３２方向の予測モード（合計で６５個の方向性予測モード）を含んでもよい。図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。
　［第１パイプライン構造例］
　図１１は、第１パイプライン構造例を示す概略図である。図１１に示された第１パイプライン構造例は、画像を復号するためのパイプライン構造例であって、復号装置２００によって用いられてもよい。
　第１パイプライン構造例は、第１ステージ、第２ステージ及び第３ステージの３つのステージを含む。また、第１ステージは、エントロピー復号（Ｓ１０１）を含む。第２ステージは、ＭＶＰ算出（Ｓ１０２）、ＦＲＵＣ（Ｓ１０３）、ＭＣ／ＢＩＯ（Ｓ１０４）、ＯＢＭＣ（Ｓ１０５）、画面内予測（Ｓ１０６）、切り替え（Ｓ１０７）、逆量子化逆変換（Ｓ１０８）、及び、加算（Ｓ１０９）を含む。第３ステージは、ループフィルタ（Ｓ１１０）を含む。
　エントロピー復号（Ｓ１０１）では、例えば、入力ストリームに対する可変長復号が行われる。これにより、量子化係数等が得られる。
　ＭＶＰ算出（Ｓ１０２）では、予測動きベクトル（ＭＶＰ）が算出される。例えば、動きベクトルの複数の候補が、それぞれ、予測動きベクトルとして算出される。ＦＲＵＣ（Ｓ１０３）では、例えば、処理対象符号化ユニットであるカレント符号化ユニットとは異なる領域の画素値を用いて、カレント符号化ユニットの動きベクトルが導出される。
　ＭＣ／ＢＩＯ（Ｓ１０４）では、例えば、動き補償（ＭＣ）によって予測画像が生成される。また、ＢＩＯによって予測画像に変形が加えられてもよい。ＯＢＭＣ（Ｓ１０５）では、処理対象符号化ユニットであるカレント符号化ユニットの予測画像と、カレント符号化ユニットに隣接する符号化ユニットである隣接符号化ユニットの予測画像とが混ぜ合わされて、カレント符号化ユニットの予測画像が更新される。
　画面内予測（Ｓ１０６）では、処理対象ピクチャであるカレントピクチャ内の符号化ユニットを参照してカレント符号化ユニットの予測画像が生成される。切り替え（Ｓ１０７）では、ＭＶＰ算出（Ｓ１０２）、ＦＲＵＣ（Ｓ１０３）、ＭＣ／ＢＩＯ（Ｓ１０４）、及び、ＯＢＭＣ（Ｓ１０５）等の画面間予測によって得られる予測画像と、画面内予測（Ｓ１０６）によって得られる予測画像とが切り替えられる。
　逆量子化逆変換（Ｓ１０８）では、量子化係数の逆量子化及び逆変換が行われる。これにより、原画像と、予測画像との予測誤差である差分画像が復元される。加算（Ｓ１０９）では、差分画像と予測画像とが加算されることにより、原画像が再構成される。
　ループフィルタ（Ｓ１１０）では、再構成画像に対してフィルタが適用される。これにより、例えば、符号化ユニット間の歪が抑制される。そして、フィルタが適用された再構成画像が出力される。
　第２ステージで再生された再構成画像は、周辺の符号化ユニットの処理で参照されるため、ＦＲＵＣ（Ｓ１０３）、及び、画面内予測（Ｓ１０６）に、フィードバックされる。第１パイプライン構造例では、フィードバックが複数のステージを跨がずに第２ステージ内に含まれているため、ＦＲＵＣ（Ｓ１０３）、及び、画面内予測（Ｓ１０６）において、処理順で直前の符号化ユニットの再構成画像を参照することが可能である。
　一方、第１パイプライン構造例では、第２ステージが、多くの処理を含んでいる。したがって、第２ステージの処理時間は長い。なお、第１パイプライン構造例は、パイプライン構造の一例であって、処理が部分的に除かれていてもよいし、処理が部分的に追加されてもよいし、ステージの分割方法が変更されてもよい。また、処理時間は、処理量又は処理サイクル数に対応する。
　図１２は、パイプライン処理の説明に用いられるブロック分割例を示す模式図である。図１２に示されたブロック分割例には、２つの符号化ツリーユニットが示されている。一方の符号化ツリーユニットは、２つの符号化ユニットＣＵ０及びＣＵ１を含み、他方の符号化ツリーユニットは、３つの符号化ユニットＣＵ２、ＣＵ３及びＣＵ４を含む。
　符号化ユニットＣＵ０、ＣＵ１及びＣＵ４は、互いに同じサイズである。符号化ユニットＣＵ２及びＣＵ３は、互いに同じサイズである。符号化ユニットＣＵ０、ＣＵ１及びＣＵ４のそれぞれのサイズは、符号化ユニットＣＵ２及びＣＵ３のそれぞれのサイズの２倍である。
　図１３は、第１パイプライン構造例における処理タイミングの一例を示すタイムチャートである。図１３には、図１２で示された５つの符号化ユニットＣＵ０～ＣＵ４の処理タイミングが示されている。また、図１３のＳ１～Ｓ３は、図１１の第１ステージ～第３ステージの処理時間を示している。
　符号化ユニットＣＵ０、ＣＵ１及びＣＵ４のそれぞれのサイズは、符号化ユニットＣＵ２及びＣＵ３のそれぞれのサイズの２倍であるため、符号化ユニットＣＵ０、ＣＵ１及びＣＵ４について、各ステージの処理時間も２倍である。また、第２ステージは多くの処理を含むため、第２ステージの処理時間は他のステージの処理時間の２倍である。また、各ステージにおいて、直前の符号化ユニットに対する同じステージの処理が終了してから、次の符号化ユニットに対する同じステージの処理が開始される。
　例えば、符号化ユニットＣＵ１に対する第２ステージの処理は、符号化ユニットＣＵ０に対する第２ステージの処理が終了した時間ｔ６から開始される。第２ステージの処理時間が他のステージの２倍であるため、符号化ユニットＣＵ１について、第１ステージの処理が終了した時間ｔ４から、第１ステージの処理が開始する時間ｔ６まで、待ち時間が発生している。
　符号化ユニットＣＵ１以降について、第２ステージの処理の開始において、常に待ち時間が発生する。そして、符号化ユニットＣＵ１、ＣＵ２、ＣＵ３及びＣＵ４のそれぞれについて、待ち時間が蓄積される。そして、符号化ユニットＣＵ４について、第１ステージの処理が終了した時間ｔ８から、第２ステージの処理が開始する時間ｔ１４まで、待ち時間が発生している。
　その結果、１ピクチャの処理において、待ち時間を含む処理時間が、待ち時間を除く本来の処理時間の約２倍まで増加し、１ピクチャに割り当てられた時間内に処理を完了させることができない可能性がある。
　［第２パイプライン構造例］
　図１４は、第２パイプライン構造例を示す概略図である。図１４の第２パイプライン構造例では、図１１の第１パイプライン構造例の第２ステージが、２つのステージに分割されている。つまり、第２パイプライン構造例には、第１ステージ、第２ステージ、第３ステージ及び第４ステージの４つのステージが含まれる。
　第２パイプライン構造例において、第１ステージは、エントロピー復号（Ｓ１０１）を含む。第２ステージは、ＭＶＰ算出（Ｓ１０２）、及び、ＦＲＵＣ（Ｓ１０３）を含む。第３ステージは、ＭＣ／ＢＩＯ（Ｓ１０４）、ＯＢＭＣ（Ｓ１０５）、画面内予測（Ｓ１０６）、切り替え（Ｓ１０７）、逆量子化逆変換（Ｓ１０８）、及び、加算（Ｓ１０９）を含む。第４ステージは、ループフィルタ（Ｓ１１０）を含む。
　また、第２パイプライン構造例では、フィードバック遅延制御によって、再構成画像を参照するＦＲＵＣ（Ｓ１０３）と、再構成画像を生成する加算（Ｓ１０９）とが異なる２つのステージで行われる。これにより、第２パイプライン構造例における第２ステージ及び第３ステージのそれぞれの処理時間は、第１パイプライン構造例における第２ステージの処理時間の約半分になる。
　なお、フィードバック遅延制御は、例えば、第２ステージのＦＲＵＣ（Ｓ１０３）において、第３ステージで生成された再構成画像を遅延させて参照可能にする制御である。また、第１パイプライン構造例は、パイプライン構造の一例であって、処理が部分的に除かれていてもよいし、処理が部分的に追加されてもよいし、ステージの分割方法が変更されてもよい。
　また、第２パイプライン構造例では、再構成画像を参照する画面内予測（Ｓ１０６）と、再構成画像を生成する加算（Ｓ１０９）とが同じステージで行われる。これにより、画面内予測（Ｓ１０６）で、直前の符号化ユニットの再構成画像を参照することが可能である。
　画面内予測（Ｓ１０６）は、ＭＶＰ算出（Ｓ１０２）、ＦＲＵＣ（Ｓ１０３）、ＭＣ／ＢＩＯ（Ｓ１０４）、及び、ＯＢＭＣ（Ｓ１０５）等の画面間予測に比べて、少ない処理量で行われる。したがって、画面内予測（Ｓ１０６）と加算（Ｓ１０９）とが同じステージで行われても、画面間予測に比べて、待ち時間が長くなりにくい。
　よって、上記の通り、第２パイプライン構造例では、再構成画像を参照する画面内予測（Ｓ１０６）と、再構成画像を生成する加算（Ｓ１０９）とが同じステージで行われる。しかしながら、フィードバック遅延制御によって、再構成画像を参照する画面内予測（Ｓ１０６）と、再構成画像を生成する加算（Ｓ１０９）とが異なる２つのステージで行われてもよい。
　例えば、復号装置２００において、エントロピー復号部２０２は、エントロピー復号（Ｓ１０１）を行う。また、インター予測部２１８は、ＭＶＰ算出（Ｓ１０２）、ＦＲＵＣ（Ｓ１０３）、ＭＣ／ＢＩＯ（Ｓ１０４）、及び、ＯＢＭＣ（Ｓ１０５）を行う。
　また、イントラ予測部２１６は、画面内予測（Ｓ１０６）を行う。また、予測制御部２２０は、切り替え（Ｓ１０７）を行う。また、逆量子化部２０４及び逆変換部２０６は、逆量子化逆変換（Ｓ１０８）を行う。また、加算部２０８は、加算（Ｓ１０９）を行う。また、ループフィルタ部２１２は、ループフィルタ（Ｓ１１０）を行う。
　加算部２０８で生成された再構成画像は、ブロックメモリ２１０に格納される。インター予測部２１８は、ブロックメモリ２１０に格納された再構成画像を参照して、ＦＲＵＣ（Ｓ１０３）を行う。
　図１１に示された通常のフィードバック制御では、処理対象符号化ユニットのＦＲＵＣ（Ｓ１０３）の処理時において、直前の符号化ユニットの再構成画像がブロックメモリ２１０に格納されており、直前の符号化ユニットの再構成画像が参照される。図１４に示されたフィードバック遅延制御では、処理対象符号化ユニットのＦＲＵＣ（Ｓ１０３）の処理時において、直前の符号化ユニットの再構成画像がブロックメモリ２１０に格納されておらず、直前の符号化ユニットの再構成画像が参照されない。
　ここでは、復号装置２００の例が示されているが、符号化装置１００も復号装置２００と同様にフィードバック遅延制御を行う。例えば、ここでの説明における復号装置２００、及び、復号装置２００の複数の構成要素は、符号化装置１００、及び、符号化装置１００の複数の構成要素に置き換えられてもよい。
　図１５は、第２パイプライン構造例における処理タイミングの一例を示すタイムチャートである。図１５には、図１２で示された５つの符号化ユニットＣＵ０～ＣＵ４の処理タイミングが示されている。また、図１５のＳ１～Ｓ４は、図１４の第１ステージ～第４ステージの処理時間を示している。
　図１３の例と同様に、符号化ユニットＣＵ０、ＣＵ１及びＣＵ４のそれぞれのサイズは、符号化ユニットＣＵ２及びＣＵ３のそれぞれのサイズの２倍であるため、符号化ユニットＣＵ０、ＣＵ１及びＣＵ４について、各ステージの処理時間も２倍である。一方で、図１３の例の第２ステージは２つのステージに分割されたため、各ステージの処理時間は他のステージの処理時間と同等である。
　また、この例では、フィードバック遅延制御で再構成画像を遅延させる遅延量は、符号化ユニット１つ分である。つまり、各符号化ユニットに対するＦＲＵＣ（Ｓ１０３）では、処理順で、直前の符号化ユニットの参照は禁止される。処理順で、２つ以上前の符号化ユニットの参照は禁止されない。
　例えば、符号化ユニットＣＵ４に対する第２ステージの処理では、符号化ユニットＣＵ３の参照が禁止されるため、符号化ユニットＣＵ３に対する第３ステージの終了を待たずに、符号化ユニットＣＵ４に対する第２ステージの処理が開始される。一方で、符号化ユニットＣＵ２の参照が禁止されないため、符号化ユニットＣＵ２に対する第３ステージの終了を待って、符号化ユニットＣＵ４に対する第２ステージの処理が開始される。
　したがって、符号化ユニットＣＵ４について、第１ステージの処理が終了した時間ｔ８から、第２ステージの処理が開始する時間ｔ９まで、待ち時間が発生している。しかしながら、図１３の例に比べて、待ち時間が大幅に削減されている。
　その結果、１ピクチャの処理において、待ち時間を含む処理時間が、待ち時間を除く本来の処理時間よりも、大幅に増加することを抑制し、１ピクチャに割り当てられた時間内に処理を完了させることができる可能性が高くなる。
　［第３パイプライン構造例］
　図１６は、第３パイプライン構造例を示す概略図である。図１６に示す第３パイプライン構成例と、図１４に示す第２パイプライン構成例との違いは、第２ステージにおいて、ＦＲＵＣ処理を使用可能とするパスと、ＦＲＵＣ処理を使用禁止とするパスを動的に切替可能となっていることである。
　ＦＲＵＣ処理を使用可能とするパスを選択した場合は、第２ステージの処理量（処理時間）は第２の例と同じになるが、ＦＲＵＣ処理を使用禁止とするパスを選択した場合は、第２ステージの処理量（処理時間）は第２の例よりも大幅に少なくなる。
　なお、このパイプライン構成は一例であり、記載されている処理の一部を除いたり、記載されていない処理を追加したり、ステージの区切り方を変えたりしてもよい。
　図１７は、図１６に示す第３パイプライン構造例における処理タイミングの一例を示すタイムチャートである。図１５で説明した例との違いは、ＣＵ４の第２ステージにおいてＦＲＵＣ処理を使用禁止とするパスが選択される点である。これにより、図１５ではｔ２時間であったＣＵ４の第２ステージの処理時間がｔ１時間に短縮される。
　図１５で説明した例と同様に、ＣＵ４では第１ステージの処理が終わってから第２ステージの処理を開始できるまでｔ１時間の待ち時間が発生しているが、図１７では、第２ステージの処理時間がｔ１時間であるため時刻ｔ１０の時点で処理が終了する。これにより、発生していたｔ１時間の待ち時間が削減される。
　その結果、１ピクチャの処理を完了させるために必要となる待ち時間を含めた処理時間が、待ち時間を除く本来必要な処理時間よりも大幅に増加してしまうことを、さらに抑制することが可能となる。これにより、１ピクチャに割り当てられた時間内に処理を完了させられる可能性が高くなる。
　なお、ここではパイプライン構成の概略の第２の例の変形例である第３の例を説明したが、第１の例の変形例として同様の制御を加えることも可能である。つまり、第１の例によって発生したパイプラインの待ち時間に対しても同様の効果を得ることが可能である。
　［符号化処理］
　図１８は、本実施の形態に係る動画像符号化装置による符号化処理のフローチャートである。まず、符号化装置は、復号時の処理時間に関連する第１情報に基づき、ＦＲＵＣ処理を禁止するか否かを決定する（Ｓ２０１）。具体的には、第１情報は、復号時のパイプライン制御における待ち時間に関連する情報である。なお、第１情報の詳細については後述する。
　ＦＲＵＣ処理を禁止しないと決定した場合（Ｓ２０１でＮｏ）、つまり、図１６においてＦＲＵＣ処理を使用可能とするパスを選択した場合、符号化装置は、ＦＲＵＣ処理を含む複数の予測モードから１つのモードを選択する（Ｓ２０２）。例えば、符号化装置は、候補となる複数の予測モードについてコストを算出し、最もコストが低いモードを選択する。例えば、コストは、そのモードを用いた場合の符号化データ量、及び残差（原画像と復号画像との差）等を用いて算出される。つまり、符号化データ量が少ないほど、また、残差が少ないほどコストが低くなる。
　選択されたモードがＦＲＵＣ処理を行うモードであった場合（Ｓ２０４でＹｅｓ）、符号化装置は、ＦＲＵＣ処理を用いた符号化を行う（Ｓ２０５）。また、選択されたモードがＦＲＵＣ処理を行うモードでなかった場合（Ｓ２０４でＮｏ）、符号化装置は、ＦＲＵＣ処理を用いずに符号化を行う（Ｓ２０６）。具体的には、符号化装置は、ＦＲＵＣ処理を含まないインター予測処理、又はイントラ予測処理等を用いて符号化を行う。
　一方、ＦＲＵＣ処理を禁止すると決定した場合（Ｓ２０１でＹｅｓ）、つまり、図１６においてＦＲＵＣ処理を使用禁止とするパスを選択した場合、符号化装置は、ＦＲＵＣ処理を含まない複数の予測モードから１つのモードを選択し（Ｓ２０３）、ＦＲＵＣ処理を用いずに符号化を行う（Ｓ２０６）。
　最後に、符号化装置は、判定結果に応じてＦＲＵＣモードが用いられるか否かを示す第２情報をストリームに符号化する（Ｓ２０７）。つまり、符号化装置は、ＦＲＵＣ処理が用いられるか否かを示す第２情報を含む符号化ビットストリームを生成する。
　［判定処理の第１の例］
　以下、ＦＲＵＣ処理の禁止を判定する具体例を説明する。図１９は、ＦＲＵＣ処理の禁止を判定する第１の例のフローチャートである。なお、図１９は、図１８に対してステップＳ２０１がＳ２０１Ａに置き換わっている点が異なる。
　符号化装置は、処理対象ＣＵのサイズが第１閾値以上であるか否かを判定する（Ｓ２０１Ａ）。例えば、第１閾値として、６４×６４、６４×３２、又は３２×３２等のＣＵとして選択可能なサイズであれば任意のサイズを用いてもよい。
　処理対象ＣＵのサイズが第１閾値以上であると判定された場合（Ｓ２０１ＡでＹｅｓ）、符号化装置は、ＦＲＵＣ処理を含まない複数の予測モードから１つのモードを選択し（Ｓ２０３）、ＦＲＵＣ処理を用いずに符号化を行う（Ｓ２０６）。処理対象ＣＵのサイズが第１閾値未満であると判定された場合（Ｓ２０１ＡでＮｏ）、符号化装置は、ＦＲＵＣ処理を含む複数の予測モードから１つのモードを選択し（Ｓ２０２）、その結果に応じて、ＦＲＵＣ処理を用いて（Ｓ２０５）、又は、ＦＲＵＣ処理を用いずに符号化を行う（Ｓ２０６）。
　以上のように、符号化装置は、処理対象のブロック（例えばＣＵ）のサイズが予め定められた閾値より大きい場合に、ＦＲＵＣ処理を禁止すると決定する。
　これにより、図１７で説明したＣＵ４のように、ＦＲＵＣ処理を行う第２ステージの処理時間の長いサイズが大きいＣＵにおいて、第２ステージの処理時間を大幅に短縮することが可能となる。よって、パイプライン制御によって発生した待ち時間を効率良く挽回し、１ピクチャに割り当てられた時間内に処理を完了させられる可能性が高くなる。
　なお、符号化装置は、ステップＳ２０１Ａの判定処理に関する情報（ＦＲＵＣ処理を禁止するか否かの決定に関するパラメータ）を、符号化ビットストリームに含まれる、シーケンスヘッダ領域、ピクチャヘッダ領域、スライスヘッダ領域、又は補助情報領域等に符号化してもよい。ここで、判定処理に関する情報とは、例えば、上記第１閾値を示す情報である。また、当該情報は、ステップＳ２０１Ａの判定処理を行ったか否かを示す情報を含んでもよい。
　また、符号化装置は、上記判定処理に関する情報（上記第１閾値、又は、上記判定処理を行うか否か）を、処理対象のピクチャのサイズに応じて適応的に切り替えてもよい。または、符号化装置は、当該符号化装置又は復号装置の処理能力に応じて、これらを適応的に切り替えてもよい。または、符号化装置は、予め定義されたプロファイル又はレベルに従って、これらを切り替えてもよい。つまり、符号化装置は、符号化ビットストリームに割り当てられたプロファイル又はレベルに応じて、これらを切り替えてもよい。
　例えば、符号化装置は、ピクチャのサイズが予め定められたサイズより大きな場合は第１閾値を大きい第１の値に設定し、ピクチャのサイズが予め定められたサイズより小さい場合は第１閾値を、上記第１の値より小さい第２の値を設定する。これにより、ピクチャのサイズによって異なるＣＵのサイズの選ばれ方に適した制御を実現できる。
　また、符号化装置は、ピクチャのサイズが予め定められたサイズより大きな場合は、全てのＣＵサイズに対してＦＲＵＣ処理を禁止すると判定してもよい。これにより、処理時間に余裕のない大きなサイズのピクチャにおいて処理時間の短縮を実現できる。一方、符号化装置は、ピクチャのサイズが予め定められたサイズより小さい場合は、全てのＣＵサイズに対してＦＲＵＣ処理を禁止しないと判定してもよい。これにより、処理時間に余裕のある小さなサイズのピクチャにおいて符号化効率の低下を抑制できる。
　また、符号化装置は、符号化装置又は復号装置の処理能力が予め定められた基準より高ければ第１閾値を大きい第１の値に設定することで、より多くのＣＵでＦＲＵＣ処理を使用可能として符号化効率の低下を抑制する。また、符号化装置は、符号化装置又は復号装置の処理能力が予め定められた基準より低ければ第１閾値を第１の値より小さい第２の値に設定することで、より多くのＣＵでＦＲＵＣ処理を使用禁止として処理時間の短縮を可能とする。なお、生成された符号化ビットストリームを復号する復号装置が予め決まっている場合には、符号化装置は、例えば、当該復号装置の処理能力を事前に把握している。なお、符号化装置は、符号化ビットストリームに送信先の復号装置に当該復号装置の処理能力を問い合わせてもよい。
　また、プロファイルは、画像のストリームに対して定められ、利用可能な複数の技術要素の集合を示す。レベルは、画像のストリームに対して定められ、利用可能な複数のパラメータ範囲の集合を示す。プロファイル及びレベルは、予め定められていてもよい。インター予測部１２６及び２１８は、このようなプロファイル又はレベルに従って、上記第１閾値、又は、上記判定処理を行うか否かを、切り替えてもよい。
　［復号処理］
　図２０は、このような符号化装置により生成された符号化ビットストリームを復号する動画像復号装置における復号処理のフローチャートである。
　まず、復号装置は、符号化ビットストリームから、ＦＲＵＣ処理が用いられるか否かを示す第２情報を復号する（Ｓ２１１）。第２情報により、ＦＲＵＣ処理が用いられることが示される場合（Ｓ２１２でＹｅｓ）、復号装置は、ＦＲＵＣ処理を用いた復号処理を行う（Ｓ２１３）。一方、第２情報により、ＦＲＵＣ処理が用いられないことが示される場合（Ｓ２１２でＮｏ）、復号装置は、ＦＲＵＣ処理を用いず復号処理を行う（Ｓ２１４）。このように、復号装置は、符号化ビットストリームに含まれる第２情報に応じて、ＦＲＵＣ処理を用いて、又は、前記ＦＲＵＣ処理を用いずに、復号を行う。これにより、図１７で説明したようなパイプライン制御の待ち時間の挽回処理が可能となる。
　なお、判定処理に関する情報（第１閾値を示す情報等）が符号化ビットストリームに含まれる場合であっても、復号装置は、必ずしも当該情報を用いた処理を行う必要はないが、復号装置は、当該情報を参照することで、例えば、当該符号化ビットストリームが当該復号装置で復号可能な形式であるかを判定することができる。
　［判定処理の第２の例］
　次に、ＦＲＵＣ処理の禁止を判定する第２の例を説明する。図２１は、ＦＲＵＣ処理の禁止を判定する第２の例のフローチャートである。なお、図２１は、図１９に対してステップＳ２０１ＡがＳ２０１Ｂに置き換わっている点が異なる。
　符号化装置は、処理対象ＣＵのサイズが直前に処理したＣＵのサイズより大きいかどうかを判定する（Ｓ２０１Ｂ）。なお、符号化装置は、処理対象ＣＵのサイズが直前に処理したＣＵのサイズより第２閾値以上大きいかどうかを判定してもよい。例えば、第２閾値は、２倍、又は４倍等である。
　処理対象ＣＵのサイズが直前に処理したＣＵのサイズより大きいと判定された場合（Ｓ２０１ＢでＹｅｓ）、符号化装置は、ＦＲＵＣ処理を含まない複数の予測モードから１つのモードを選択し（Ｓ２０３）、ＦＲＵＣ処理を用いずに符号化を行う（Ｓ２０６）。処理対象ＣＵのサイズが直前に処理したＣＵのサイズ以下であると判定された場合（Ｓ２０１ＢでＮｏ）、符号化装置は、ＦＲＵＣ処理を含む複数の予測モードから１つのモードを選択し（Ｓ２０２）、その結果に応じて、ＦＲＵＣ処理を用いて（Ｓ２０５）、又は、ＦＲＵＣ処理を用いずに符号化を行う（Ｓ２０６）。
　このように、符号化装置は、処理対象のブロックのサイズが、直前のブロックのサイズより大きい場合に、ＦＲＵＣ処理を禁止すると決定する。
　ここで、パイプライン制御における待ち時間は、大きなサイズのＣＵの処理の後にそれよりも小さなサイズのＣＵを処理することが切っ掛けとなって発生する。そこで、図１７のＣＵ４のように、処理対象ＣＵのサイズが直前に処理したＣＵのサイズより大きくなったタイミングで、ＦＲＵＣ処理を行わずに第２ステージの処理時間を短縮する。これにより、発生した待ち時間を効率良く挽回し、１ピクチャに割り当てられた時間内に処理を完了させられる可能性が高くなる。
　なお、第１の例と同様に、符号化装置は、ステップＳ２０１Ｂの判定処理に関する情報（ＦＲＵＣ処理を禁止するか否かの決定に関するパラメータ）を、符号化ビットストリームに含まれる、シーケンスヘッダ領域、ピクチャヘッダ領域、スライスヘッダ領域、又は補助情報領域等に符号化してもよい。ここで、判定処理に関する情報とは、例えば、上記第２閾値を示す情報である。また、当該情報は、ステップＳ２０１Ｂの判定処理を行ったか否かを示す情報を含んでもよい。
　また、第１の例と同様に、符号化装置は、上記第２閾値、又は、上記判定処理を行うか否かを、（１）ピクチャのサイズ、（２）符号化装置或いは復号装置の処理能力、又は（３）予め定義されたプロファイル或いはレベルに応じて切り替えてもよい。
　また、復号装置の処理は、第１の例と同様である。
　［判定処理の第３の例］
　次に、ＦＲＵＣ処理の禁止を判定する第３の例を説明する。図２２は、ＦＲＵＣ処理の禁止を判定する第３の例のフローチャートである。なお、図２２は、図１９に対してステップＳ２０１ＡがＳ２０１Ｃに置き換わっている点が異なる。
　符号化装置は、処理対象ＣＵの処理を行う時点までにＦＲＵＣを使用したＣＵが第３閾値以上発生したかどうかを判定する（Ｓ２０１Ｃ）。
　ＦＲＵＣを使用したＣＵが第３閾値以上発生したと判定された場合（Ｓ２０１ＣでＹｅｓ）、符号化装置は、ＦＲＵＣ処理を含まない複数の予測モードから１つのモードを選択し（Ｓ２０３）、ＦＲＵＣ処理を用いずに符号化を行う（Ｓ２０６）。ＦＲＵＣを使用したＣＵが第３閾値未満であると判定された場合（Ｓ２０１ＣでＮｏ）、符号化装置は、ＦＲＵＣ処理を含む複数の予測モードから１つのモードを選択し（Ｓ２０２）、その結果に応じて、ＦＲＵＣ処理を用いて（Ｓ２０５）、又は、ＦＲＵＣ処理を用いずに符号化を行う（Ｓ２０６）。
　具体的には、符号化装置は、ＦＲＵＣを使用したＣＵが第３閾値以上発生したかどうかを、下記のいずれか方法、以下の方法のうち複数を組み合わせた方法、又は以下の方法と他の情報とを組み合わせた方法を用いて判定する。
　（１）符号化装置は、一定期間内にＦＲＵＣ処理を行ったＣＵの個数が第３閾値以上であるかを判定する。つまり、符号化装置は、処理対象のＣＵの直前の所定範囲に含まれる複数のブロックのうちＦＲＵＣ処理を用いて符号化されたブロックの数が予め定められた閾値より大きい場合に、ＦＲＵＣ処理を禁止すると決定する。
　（２）符号化装置は、一定期間内にＦＲＵＣ処理を行ったＣＵの割合が閾値以上であるかを判定する。つまり、符号化装置は、処理対象のＣＵの直前の所定範囲に含まれる複数のブロックのうちＦＲＵＣ処理を用いて符号化されたブロックの割合が予め定められた閾値より大きい場合に、ＦＲＵＣ処理を禁止すると決定する。なお、ここでの割合とは、前記一定期間の含まれるＣＵの個数とＦＲＵＣ処理を行ったＣＵの個数から算出した値でもよいし、前記一定期間の含まれるＣＵの面積の総和とＦＲＵＣ処理を行ったＣＵの面積の総和から算出した値でもよい。
　ここで、上記（１）、（２）における、一定期間とは、例えば、処理対象ＣＵの直前の一定数のＣＴＵの処理期間、又は処理対象ＣＵの属するスライス全体或いはピクチャ全体の処理期間である。つまり、所定範囲に含まれる複数のブロックは、処理対象のブロックが属する符号化ツリーユニット（ＣＴＵ）及び直前に処理した１つ以上の符号化ツリーユニットに含まれる複数のブロック、又は、処理対象のブロックが属するスライス又はピクチャに含まれる複数のブロックである。
　（３）符号化装置は、処理対象ＣＵの直前に連続してＦＲＵＣ処理を行ったＣＵの個数が閾値以上であるかを判定する。つまり、符号化装置は、処理対象のブロックの直前に前記ＦＲＵＣ処理を用いて符号化されたブロックが連続する数が予め定められた閾値より大きい場合に、ＦＲＵＣ処理を禁止すると決定する。
　ここで、パイプライン制御における待ち時間は、ＣＵの処理が進むにつれて蓄積されて長くなっていく。そこで、図１７のＣＵ４のように、特定の頻度でＦＲＵＣ処理を行わずに第２ステージの処理時間を短縮する。これにより、発生した待ち時間を挽回し、１ピクチャに割り当てられた時間内に処理を完了させられる可能性が高くなる。また、通常のモード判定処理によってＦＲＵＣモードが選択されなかったＣＵが多く発生していた場合には、必要以上にＦＲＵＣ処理を使用できないＣＵが増えることを抑制できるため、符号化効率の低下を抑制できる可能性が高くなる。
　なお、第１の例と同様に、符号化装置は、ステップＳ２０１Ｃの判定処理に関する情報（ＦＲＵＣ処理を禁止するか否かの決定に関するパラメータ）を、符号化ビットストリームに含まれる、シーケンスヘッダ領域、ピクチャヘッダ領域、スライスヘッダ領域、又は補助情報領域等に符号化してもよい。ここで、判定処理に関する情報とは、例えば、上記第３閾値を示す情報である。また、当該情報は、ステップＳ２０１Ｃの判定処理を行ったか否かを示す情報を含んでもよい。
　また、第１の例と同様に、符号化装置は、上記第３閾値、又は、上記判定処理を行うか否かを、（１）ピクチャのサイズ、（２）符号化装置或いは復号装置の処理能力、又は（３）予め定義されたプロファイル或いはレベルに応じて切り替えてもよい。
　また、復号装置の処理は、第１の例と同様である。
　［判定処理の第４の例］
　次に、ＦＲＵＣ処理の禁止を判定する第４の例を説明する。図２３は、ＦＲＵＣ処理の禁止を判定する第４の例のフローチャートである。なお、図２３は、図１９に対してステップＳ２０１ＡがＳ２０１Ｄに置き換わっている点が異なる。
　符号化装置は、処理対象ＣＵの処理を行う時点でパイプライン制御における推定待ち時間が第４閾値以上になったかどうかを判定する（Ｓ２０１Ｄ）。
　推定待ち時間が第４閾値以上になったと判定された場合（Ｓ２０１ＤでＹｅｓ）、符号化装置は、ＦＲＵＣ処理を含まない複数の予測モードから１つのモードを選択し（Ｓ２０３）、ＦＲＵＣ処理を用いずに符号化を行う（Ｓ２０６）。推定待ち時間が第４閾値未満であると判定された場合（Ｓ２０１ＤでＮｏ）、符号化装置は、ＦＲＵＣ処理を含む複数の予測モードから１つのモードを選択し（Ｓ２０２）、その結果に応じて、ＦＲＵＣ処理を用いて（Ｓ２０５）、又は、ＦＲＵＣ処理を用いずに符号化を行う（Ｓ２０６）。
　このように、符号化装置は、復号時のパイプライン制御における待ち時間を推定し、推定した待ち時間が、予め定められた閾値より大きい場合に、ＦＲＵＣ処理を禁止すると決定する。
　具体的には、符号化装置は、図１７に示すような復号時のパイプライン構成における各ＣＵのステージ処理の処理タイミングのシミュレーションを行うことで、待ち時間がどの程度になったかどうかを推定する。符号化装置は、推定した待ち時間と第４閾値とを比較する。具体的には、符号化装置は、ＦＲＵＣ処理を行う第２ステージの開始と、前のステージである第１ステージの終了との間にどの程度の待ち時間が発生するかを、ＣＵのサイズ、ＣＵの位置、及び周辺ＣＵの参照可否等の情報を用いて推定する。
　パイプライン制御における待ち時間は、ＣＵの処理が進むにつれて蓄積されて長くなっていく。そこで、図１７のＣＵ４のように、推定される待ち時間が第４閾値以上になった時点でＦＲＵＣ処理を行わずに第２ステージの処理時間を短縮する。これにより、発生した待ち時間を挽回し、１ピクチャに割り当てられた時間内に処理を完了させられる可能性が高くなる。また、通常のモード判定処理によってＦＲＵＣモードが選択されなかったＣＵが多く発生していた場合は、必要以上にＦＲＵＣ処理を使用できないＣＵが増えることを抑制できるため、符号化効率の低下を抑制できる可能性が高くなる。
　なお、第１の例と同様に、符号化装置は、ステップＳ２０１Ｄの判定処理に関する情報（ＦＲＵＣ処理を禁止するか否かの決定に関するパラメータ）を、符号化ビットストリームに含まれる、シーケンスヘッダ領域、ピクチャヘッダ領域、スライスヘッダ領域、又は補助情報領域等に符号化してもよい。ここで、判定処理に関する情報とは、例えば、上記第４閾値を示す情報である。また、当該情報は、ステップＳ２０１Ｄの判定処理を行ったか否かを示す情報を含んでもよい。
　また、第１の例と同様に、符号化装置は、上記第４閾値、又は、上記判定処理を行うか否かを、（１）ピクチャのサイズ、（２）符号化装置或いは復号装置の処理能力、又は（３）予め定義されたプロファイル或いはレベルに応じて切り替えてもよい。
　また、復号装置の処理は、第１の例と同様である。
　なお、上記では、第１の例～第４の例を個別に説明したが、これらを組み合わせてもよい。例えば、符号化装置は、上記ステップＳ２０１Ａ～Ｓ２０１ＤのいずれかにおいてＹｅｓと判定された場合に、ＦＲＵＣ処理を禁止してもよい。
　［符号化装置の実装例］
　図２４は、実施の形態１に係る符号化装置１００の実装例を示すブロック図である。符号化装置１００は、回路１６０及びメモリ１６２を備える。例えば、図１に示された符号化装置１００の複数の構成要素は、図２３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、画像情報を符号化する専用又は汎用の電子回路である。回路１６０は、ＣＰＵのようなプロセッサであってもよい。また、回路１６０は、複数の電子回路の集合体であってもよい。また、例えば、回路１６０は、図１に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリ１６２は、回路１６０が画像情報を符号化するための情報が記憶される汎用又は専用のメモリである。メモリ１６２は、電子回路であってもよく、回路１６０に接続されていてもよい。また、メモリ１６２は、回路１６０に含まれていてもよい。また、メモリ１６２は、複数の電子回路の集合体であってもよい。また、メモリ１６２は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリ１６２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリ１６２には、符号化される画像情報が記憶されてもよいし、符号化された画像情報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が画像情報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、回路１６０は、図１に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素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。
　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、処理の遅延が抑制され得る。
　［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に示された復号装置２００の複数の構成要素は、図２４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、画像情報を復号する汎用又は専用の電子回路である。回路２６０は、ＣＰＵのようなプロセッサであってもよい。また、回路２６０は、複数の電子回路の集合体であってもよい。また、例えば、回路２６０は、図１０に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリ２６２は、回路２６０が画像情報を復号するための情報が記憶される汎用又は専用のメモリである。メモリ２６２は、電子回路であってもよく、回路２６０に接続されていてもよい。また、メモリ２６２は、回路２６０に含まれていてもよい。また、メモリ２６２は、複数の電子回路の集合体であってもよい。また、メモリ２６２は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリ２６２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリ２６２には、符号化された画像情報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画像情報が記憶されてもよい。また、メモリ２６２には、回路２６０が画像情報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、回路２６０は、図１０に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素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。
　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、処理の遅延が抑制され得る。
　以上、本実施の形態に係る符号化装置に及び復号装置ついて説明したが、本開示は、この実施の形態に限定されるものではない。
　また、上記実施の形態に係る符号化装置及び復号装置に含まれる各処理部は典型的には集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されてもよいし、一部又は全てを含むように１チップ化されてもよい。
　また、集積回路化はＬＳＩに限るものではなく、専用回路又は汎用プロセッサで実現してもよい。ＬＳＩ製造後にプログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、又はＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。
　上記各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。
　言い換えると、符号化装置及び復号装置は、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む。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。処理回路は、記憶装置を用いて、上記実施の形態に符号化方法又は復号方法を実行する。
　さらに、本開示は上記ソフトウェアプログラムであってもよいし、上記プログラムが記録された非一時的なコンピュータ読み取り可能な記録媒体であってもよい。また、上記プログラムは、インターネット等の伝送媒体を介して流通させることができるのは言うまでもない。
　また、上記で用いた数字は、全て本開示を具体的に説明するために例示するものであり、本開示は例示された数字に制限されない。
　また、ブロック図における機能ブロックの分割は一例であり、複数の機能ブロックを一つの機能ブロックとして実現したり、一つの機能ブロックを複数に分割したり、一部の機能を他の機能ブロックに移してもよい。また、類似する機能を有する複数の機能ブロックの機能を単一のハードウェア又はソフトウェアが並列又は時分割に処理してもよい。
　また、上記の符号化方法又は復号方法に含まれるステップが実行される順序は、本開示を具体的に説明するために例示するためのものであり、上記以外の順序であってもよい。また、上記ステップの一部が、他のステップと同時（並列）に実行されてもよい。
　以上、本開示の一つ又は複数の態様に係る符号化装置、復号装置、符号化方法及び復号方法について、実施の形態に基づいて説明したが、本開示は、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、本開示の一つ又は複数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２６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２７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２８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２９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３０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２９及び図３０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３１は、スマートフォンｅｘ１１５を示す図である。また、図３２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。
　本開示は、画像復号装置及び画像符号化装置に適用可能である。具体的には、テレビ、レコーダ、パーソナルコンピュータ、デジタルスチルカメラ、デジタルビデオカメラ、及びスマートフォンなどに、本開示は適用可能である。
　１００　符号化装置
　１０２　分割部
　１０４　減算部
　１０６　変換部
　１０８　量子化部
　１１０　エントロピー符号化部
　１１２、２０４　逆量子化部
　１１４、２０６　逆変換部
　１１６、２０８　加算部
　１１８、２１０　ブロックメモリ
　１２０、２１２　ループフィルタ部
　１２２、２１４　フレームメモリ
　１２４、２１６　イントラ予測部
　１２６、２１８　インター予測部
　１２８、２２０　予測制御部
　１６０、２６０　回路
　１６２、２６２　メモリ
　２００　復号装置
　２０２　エントロピー復号部

Claims (16)

  1. 　回路と、
    　メモリとを備え、
    　前記回路は、前記メモリを用いて、
    　復号時の処理時間に関連する第１情報に基づき、ＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）処理を禁止するか否かを決定し、
    　前記ＦＲＵＣ処理を禁止すると決定した場合、前記ＦＲＵＣ処理を含まない複数の予測モードから１つの予測モードを選択し、前記ＦＲＵＣ処理を用いずに符号化を行い、
    　前記ＦＲＵＣ処理を禁止しないと決定した場合、ＦＲＵＣ処理を含む複数の予測モードから１つの予測モードを選択し、選択された予測モードがＦＲＵＣ処理を行うモードであるか否かに応じて、前記ＦＲＵＣ処理を用いて、又は、前記ＦＲＵＣ処理を用いずに符号化を行い、
    　前記ＦＲＵＣ処理が用いられるか否かを示す第２情報を含む符号化ビットストリームを生成する
    　符号化装置。
  2. 　前記第１情報は、処理対象のブロックのサイズであり、
    　前記ＦＲＵＣ処理を禁止するか否かの前記決定では、前記サイズが予め定められた閾値より大きい場合に、前記ＦＲＵＣ処理を禁止すると決定する
    　請求項１記載の符号化装置。
  3. 　前記第１情報は、処理対象のブロック及び処理順が前記処理対象のブロックの直前のブロックのサイズであり、
    　前記ＦＲＵＣ処理を禁止するか否かの前記決定では、前記処理対象のブロックのサイズが、前記直前のブロックのサイズより大きい場合に、前記ＦＲＵＣ処理を禁止すると決定する
    　請求項１記載の符号化装置。
  4. 　前記第１情報は、複数のブロックのうち前記ＦＲＵＣ処理を用いて符号化されたブロックの数であり、
    　前記ＦＲＵＣ処理を禁止するか否かの前記決定では、前記ブロックの数が予め定められた閾値より大きい場合に、前記ＦＲＵＣ処理を禁止すると決定する
    　請求項１記載の符号化装置。
  5. 　前記第１情報は、複数のブロックのうち前記ＦＲＵＣ処理を用いて符号化されたブロックの割合であり、
    　前記ＦＲＵＣ処理を禁止するか否かの前記決定では、前記ブロックの割合が予め定められた閾値より大きい場合に、前記ＦＲＵＣ処理を禁止すると決定する
    　請求項１記載の符号化装置。
  6. 　前記複数のブロックは、処理対象のブロックが属する符号化ツリーユニット（ＣＴＵ）及び直前に処理した１つ以上の符号化ツリーユニットに含まれる複数のブロックである
    　請求項４又は５記載の符号化装置。
  7. 　前記複数のブロックは、処理対象のブロックが属するスライス又はピクチャに含まれる複数のブロックである
    　請求項４又は５記載の符号化装置。
  8. 　前記第１情報は、処理対象のブロックの直前に前記ＦＲＵＣ処理を用いて符号化されたブロックが連続する数であり、
    　前記ＦＲＵＣ処理を禁止するか否かの前記決定では、前記ブロックが連続する数が予め定められた閾値より大きい場合に、前記ＦＲＵＣ処理を禁止すると決定する
    　請求項１記載の符号化装置。
  9. 　前記第１情報は、復号時のパイプライン制御における待ち時間であり、
    　前記ＦＲＵＣ処理を禁止するか否かの前記決定では、前記待ち時間を推定し、推定した前記待ち時間が、予め定められた閾値より大きい場合に、前記ＦＲＵＣ処理を禁止すると決定する
    　請求項１記載の符号化装置。
  10. 　前記回路は、前記メモリを用いて、さらに、
    　前記ＦＲＵＣ処理を禁止するか否かの前記決定に関するパラメータを、前記符号化ビットストリームに含まれる、シーケンスヘッダ領域、ピクチャヘッダ領域、スライスヘッダ領域、又は補助情報領域に符号化する
    　請求項２～９のいずれか１項に記載の符号化装置。
  11. 　前記回路は、前記メモリを用いて、さらに、
    　処理対象のピクチャの大きさに応じて、前記ＦＲＵＣ処理を禁止するか否かの前記決定に関するパラメータを切り替える
    　請求項２～１０のいずれか１項に記載の符号化装置。
  12. 　前記回路は、前記メモリを用いて、さらに、
    　復号装置の処理能力に応じて、前記ＦＲＵＣ処理を禁止するか否かの前記決定に関するパラメータを切り替える
    　請求項２～１０のいずれか１項に記載の符号化装置。
  13. 　前記回路は、前記メモリを用いて、さらに、
    　前記符号化ビットストリームに割り当てられたプロファイル又はレベルに応じて、前記ＦＲＵＣ処理を禁止するか否かの前記決定に関するパラメータを切り替える
    　請求項２～１０のいずれか１項に記載の符号化装置。
  14. 　請求項１～１３のいずれか１項に記載の符号化装置により生成された前記符号化ビットストリームを復号する復号装置であって、
    　回路と、
    　メモリとを備え、
    　前記回路は、前記メモリを用いて、
    　前記符号化ビットストリームに含まれる前記第２情報に応じて、前記ＦＲＵＣ処理を用いて、又は、前記ＦＲＵＣ処理を用いずに、復号を行う
    　復号装置。
  15. 　復号時の処理時間に関連する第１情報に基づき、ＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）処理を禁止するか否かを決定し、
    　前記ＦＲＵＣ処理を禁止すると決定した場合、前記ＦＲＵＣ処理を含まない複数の予測モードから１つの予測モードを選択し、前記ＦＲＵＣ処理を用いずに符号化を行い、
    　前記ＦＲＵＣ処理を禁止しないと決定した場合、ＦＲＵＣ処理を含む複数の予測モードから１つの予測モードを選択し、選択された予測モードがＦＲＵＣ処理を行うモードであるか否かに応じて、前記ＦＲＵＣ処理を用いて、又は、前記ＦＲＵＣ処理を用いずに符号化を行い、
    　前記ＦＲＵＣ処理が用いられるか否かを示す第２情報を含む符号化ビットストリームを生成する
    　符号化方法。
  16. 　請求項１５記載の符号化方法により生成された前記符号化ビットストリームを復号する復号方法であって、
    　前記符号化ビットストリームに含まれる前記第２情報に応じて、前記ＦＲＵＣ処理を用いて、又は、前記ＦＲＵＣ処理を用いずに、復号を行う
    　復号方法。
PCT/JP2018/028946 2017-08-07 2018-08-01 符号化装置、復号装置、符号化方法及び復号方法 WO2019031369A1 (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201762541898P 2017-08-07 2017-08-07
US62/541,898 2017-08-07
JP2017-167800 2017-08-31
JP2017167800 2017-08-31

Publications (1)

Publication Number Publication Date
WO2019031369A1 true WO2019031369A1 (ja) 2019-02-14

Family

ID=65271562

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/028946 WO2019031369A1 (ja) 2017-08-07 2018-08-01 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) WO2019031369A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112801959A (zh) * 2021-01-18 2021-05-14 华南理工大学 一种基于视觉特征识别的辅助装配系统
CN113841413A (zh) * 2019-05-21 2021-12-24 松下电器（美国）知识产权公司 编码装置、解码装置、编码方法和解码方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
CHEN, JIANLE ET AL.: "Algorithm Description of Joint Exploration Test Model 5", JOINT VIDEO EXPLORATION TEAM(JVET) OF ITU-T SG 16 WP3, no. JVET-E1001-v2, 20 January 2017 (2017-01-20), Geneva, CH, pages 15 - 27, XP030150648 *
CHEN, JIANLE ET AL.: "Further improvements to HMKTA-1.0", ITU-TELECOMMUNICATIONS STANDARDIZATION SECTOR STUDY GROUP 16 QUESTION 6 VIDEO CODING EXPERTS GROUP (VCEG) 52ND MEETING, no. VCEG-AZ07_V2, 26 June 2015 (2015-06-26), Warsaw, Poland, pages 1 - 8, XP055555095 *
LIN, YONGBING ET AL.: "EE 3: Enhanced FRUC Template Matching Mode", JOINT VIDEO EXPLORATION TEAM(JVET) OF ITU-T SG 16 WP3, no. JVET-F0032, 23 March 2017 (2017-03-23), Hobart, AU, pages 1 - 4, XP030150684 *
LIN, YONGBING ET AL.: "Enhanced Template Matching in FRUC Mode", JOINT VIDEO EXPLORATION TEAM(JVET) OF ITU-T SG 16 WP3, no. JVET-E0035, 3 January 2017 (2017-01-03), Geneva, CH, pages 1 - 4, XP030150502 *
SEO, JUNG-DONG ET AL.: "Simplification and improvements on FRUC", JOINT VIDEO EXPLORATION TEAM(JVET) OF ITU-T SG 16 WP3, no. JVET-G0065, 6 July 2017 (2017-07-06), Torino, IT, pages 1 - 6, XP030150852 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113841413A (zh) * 2019-05-21 2021-12-24 松下电器（美国）知识产权公司 编码装置、解码装置、编码方法和解码方法
CN112801959A (zh) * 2021-01-18 2021-05-14 华南理工大学 一种基于视觉特征识别的辅助装配系统
CN112801959B (zh) * 2021-01-18 2023-08-22 华南理工大学 一种基于视觉特征识别的辅助装配系统

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
JP7260685B2 (ja) 符号化装置及び符号化方法
JP7422811B2 (ja) 非一時的記憶媒体
JP7339890B2 (ja) 符号化装置及び復号装置
WO2019022099A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2022008413A (ja) 復号装置、符号化装置及び記録媒体
WO2019009129A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019138998A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019013235A1 (ja) 符号化装置、符号化方法、復号装置及び復号方法
JP6770192B2 (ja) 符号化装置、符号化方法、復号装置及び復号方法
JP2024015159A (ja) 符号化装置、復号装置、符号化方法、及び復号方法
WO2019013236A1 (ja) 符号化装置、符号化方法、復号装置及び復号方法
WO2019098152A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2023126387A (ja) 符号化装置及び符号化方法
JP7371055B2 (ja) 符号化装置、及び復号装置
WO2019009314A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
JP6910461B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019031369A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019065329A1 (ja) 符号化装置、復号装置、符号化方法、及び復号方法
WO2019059107A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019069902A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2019021803A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019244809A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019098092A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法

Legal Events

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

Ref document number: 18844345

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: 18844345

Country of ref document: EP

Kind code of ref document: A1