WO2019031417A1 - 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
WO2019031417A1
WO2019031417A1 PCT/JP2018/029279 JP2018029279W WO2019031417A1 WO 2019031417 A1 WO2019031417 A1 WO 2019031417A1 JP 2018029279 W JP2018029279 W JP 2018029279W WO 2019031417 A1 WO2019031417 A1 WO 2019031417A1
Authority
WO
WIPO (PCT)
Prior art keywords
processing
block
unit
prediction
decoding
Prior art date
Application number
PCT/JP2018/029279
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 WO2019031417A1 publication Critical patent/WO2019031417A1/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
    • 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
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
    • 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.264 is used as a standard for coding a moving image.
  • H. H.265 is also referred to as HEVC (High Efficiency Video Coding).
  • the present disclosure aims to provide an encoding device, a decoding device, an encoding method, or a decoding method that can reduce the amount of processing.
  • An encoding apparatus includes a circuit and a memory, and the circuit uses the memory to perform a frame rate up-conversion (FRUC) process on a target block in an inter prediction process.
  • FRUC frame rate up-conversion
  • a predicted image is generated without performing part of processing involved in generating a predicted image using the motion vector.
  • a decoding device includes a circuit and a memory, and the circuit uses the memory to perform a frame rate up-conversion (FRUC) process on a target block in an inter prediction process.
  • FRUC frame rate up-conversion
  • the present disclosure can provide an encoding device, a decoding device, an encoding method, or a decoding method that can reduce the amount of processing.
  • 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 a first example of the pipeline structure according to the first embodiment.
  • FIG. 12 is a schematic diagram showing an example of block division used for describing pipeline processing according to the first embodiment.
  • FIG. 13 is a time chart showing an example of processing timing in the first example of the pipeline structure according to the first embodiment.
  • FIG. 14 is a flowchart of inter prediction processing in the first example of the pipeline configuration according to the first embodiment.
  • FIG. 15 is a schematic view showing a second example of the pipeline structure according to the first embodiment.
  • FIG. 16 is a time chart showing an example of process timing in the second example of the pipeline structure according to the first embodiment.
  • FIG. 17 is a flowchart of inter prediction processing in the second example of the pipeline configuration according to the first embodiment.
  • FIG. 18 is a flowchart of inter prediction processing in the third example of the pipeline configuration according to the first embodiment.
  • FIG. 19 is a block diagram showing an implementation example of a coding apparatus.
  • FIG. 20 is a block diagram showing an implementation example of the decoding device.
  • FIG. 21 is an overall configuration diagram of a content supply system for realizing content distribution service.
  • FIG. 22 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 23 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 24 is a diagram showing an example of a display screen of a web page.
  • FIG. 25 is a diagram showing an example of a display screen of a web page.
  • FIG. 26 is a diagram illustrating an example of a smartphone.
  • FIG. 27 is a block diagram showing a configuration example of a smartphone.
  • An encoding apparatus includes a circuit and a memory, and the circuit uses the memory to perform a frame rate up-conversion (FRUC) process on a target block in an inter prediction process.
  • FRUC frame rate up-conversion
  • a predicted image is generated without performing part of processing involved in generating a predicted image using the motion vector.
  • the coding apparatus can reduce the amount of processing when processing the target block using the FRUC mode.
  • the processing time of the pipeline stage including the FRU processing can be shortened, so that the waiting time of the stage in pipeline control can be reduced.
  • part of the process involved in the generation of the predicted image may be a bi-directional optical flow (BIO) process and an overlapped block motion compensation (OBMC) process.
  • BIO bi-directional optical flow
  • OBMC overlapped block motion compensation
  • a part of the process associated with the generation of the predicted image may be a BIO (bi-directional optical flow) process.
  • part of the process associated with the generation of the predicted image may be an overlapped block motion compensation (OBMC) process.
  • OBMC overlapped block motion compensation
  • the prediction image may be generated without performing part of the processing involved in.
  • the encoding apparatus can perform appropriate processing depending on whether or not to use the low delay mode.
  • the information indicating whether to encode the target block in the low delay mode may be encoded into a sequence header area, a picture header area, a slice header area, or a side information area.
  • whether or not to encode the target block in the low delay mode may be switched according to the size of the target picture including the target block.
  • whether to encode the target block in the low delay mode may be switched according to the processing capability of the decoding apparatus.
  • whether to encode the target block in the low delay mode may be switched according to the profile or level information assigned to the encoding target stream.
  • a decoding device includes a circuit and a memory, and the circuit uses the memory to perform a frame rate up-conversion (FRUC) process on a target block in an inter prediction process.
  • FRUC frame rate up-conversion
  • the said decoding apparatus can reduce the processing amount in the case of processing an object block using a FRUC mode.
  • the processing time of the pipeline stage including the FRU processing can be shortened, so that the waiting time of the stage in pipeline control can be reduced.
  • part of the process involved in the generation of the predicted image may be a bi-directional optical flow (BIO) process and an overlapped block motion compensation (OBMC) process.
  • BIO bi-directional optical flow
  • OBMC overlapped block motion compensation
  • a part of the process associated with the generation of the predicted image may be a BIO (bi-directional optical flow) process.
  • part of the process associated with the generation of the predicted image may be an overlapped block motion compensation (OBMC) process.
  • OBMC overlapped block motion compensation
  • the inter prediction process in the case of deriving a motion vector for the target block using FRUC processing and decoding the target block in a low delay mode, generation of a predicted image using the motion vector
  • the predicted image may be generated without performing part of the accompanying processing.
  • the decoding apparatus can perform appropriate processing depending on whether or not to use the low delay mode.
  • the information indicating whether to decode the target block in the low delay mode is decoded from the sequence header area, the picture header area, the slice header area, or the auxiliary information area of the decoding target stream, based on the information It may be determined whether to decode the target block in the low delay mode.
  • a prediction image using the motion vector is The predicted image is generated without performing part of the processing involved in the generation.
  • FRUC frame rate up-conversion
  • the said encoding method can reduce the processing amount in the case of processing an object block using a FRUC mode.
  • the processing time of the pipeline stage including the FRU processing can be shortened, so that the waiting time of the stage in pipeline control can be reduced.
  • FRUC frame rate up-conversion
  • the said decoding method can reduce the processing amount in the case of processing an object block using a FRUC mode.
  • the processing time of the pipeline stage including the FRU processing can be shortened, so that the waiting time of the stage in pipeline control 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 configuration may be implemented alone. Also, 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 diagram showing a first example of an outline of a pipeline configuration used in the decoding device 200. As shown in FIG. This pipeline configuration includes three stages, a first stage, a second stage, and a third stage.
  • the decoding apparatus 200 performs entropy decoding processing on an input stream to be decoded to obtain information necessary for decoding (S101).
  • the decoding apparatus 200 decodes the residual image by inverse quantization and inverse transformation using the information (S108). In addition, the decoding device 200 decodes a predicted image by intra prediction processing (S106) or inter prediction processing.
  • the inter prediction process includes MVP calculation / MV determination process (S102), FRUC process (S103), MC / BIO process (S104), and OBMC process (S105).
  • MVP calculation / MV determination process (S102) the decoding device 200 calculates a plurality of predicted motion vectors (MVPs) which are motion vector candidates.
  • Decoding apparatus 200 selects a motion vector (MV) from a plurality of predicted motion vectors.
  • FRUC S103
  • the decoding device 200 derives a motion vector by performing a FRUC process.
  • MC / BIO BIO
  • the decoding device 200 generates a predicted image by motion compensation (MC).
  • MC motion compensation
  • the decoding device 200 corrects the predicted image by the BIO process.
  • OBMC (S105) the decoding device 200 updates the predicted image by the OBMC process.
  • the decoding device 200 selects one of the predicted image generated by the intra prediction process and the predicted image by the inter prediction process (S107), and adds the residual image and the selected predicted image. To generate a reconstructed image (S109).
  • the decoding apparatus 200 In the third stage, the decoding apparatus 200 generates a decoded image by performing loop filter processing on the reconstructed image (S110).
  • the reconstructed image generated in the second stage is fed back as an input to the intra prediction process (S106) and the FRUC process (S103) because it is referred to as a surrounding reconstructed image in the decoding process of the subsequent block.
  • intra prediction processing and FRUC processing it is necessary to put this feedback processing in one stage in order to refer to a reconstructed image of a surrounding block belonging to the immediately preceding block in processing order.
  • the second stage is constituted by a great deal of processing, and the processing time is long.
  • 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 the same size.
  • the coding units CU2 and CU3 are the same size.
  • 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 diagram showing processing timing of stage processing of each block to be decoded in a time sequence in the first example of the outline of the pipeline configuration described in FIG.
  • FIG. 13 shows processing timings of five blocks to be decoded from the 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.
  • the processing time of the second stage is long, the processing time of the second stage is twice as long as that of the other stages.
  • Processing of each stage is started after waiting for the same stage of the immediately preceding block to finish in the processing order.
  • the processing of the second stage of the coding unit CU1 is started from time t6 when the second stage of the coding unit CU0 ends.
  • the time when the process of the second stage starts from the time t4 when the process of the first stage ends A waiting time has occurred up to t6.
  • a waiting time always occurs at the start of the second stage, and the waiting time is accumulated each time the processing of the decoding target block proceeds.
  • a waiting time is generated from time t8 when the process of the first stage ends to time t14 when the process of the second stage starts.
  • the processing time including the waiting time increases to about twice the original processing time. This may make it difficult to complete the processing of all the blocks within the processing time allocated to one picture.
  • FIG. 14 is a flowchart of the inter prediction process in the first example of the outline of the pipeline configuration described in FIG.
  • the processing illustrated in FIG. 14 is repeatedly performed in units of prediction blocks, which are processing units of inter-screen prediction processing. Also, the process illustrated in FIG. 14 is performed in the encoding device 100 and the decoding device 200.
  • the operation of the inter prediction unit 126 included in the coding apparatus 100 will be mainly described below, the operation of the inter prediction unit 218 included in the decoding apparatus 200 is also the same.
  • the inter prediction unit 126 selects, from a plurality of modes (normal inter mode, merge mode, FRUC mode, etc.), an inter prediction mode to be used for a target block which is a block to be encoded or to be decoded.
  • the inter prediction unit 126 derives a motion vector (MV) using the selected inter prediction mode.
  • MV motion vector
  • the inter prediction mode information indicates the inter prediction mode used for the target block.
  • the inter prediction unit 126 acquires a plurality of predicted motion vectors (MVPs) by referring to the motion vectors of neighboring processed blocks, and acquires a plurality of acquired MVPs. Create an MVP list for normal.
  • the inter prediction unit 126 designates one MVP out of the plurality of MVPs indicated by the created normal MVP list, and determines a motion vector by adding the differential motion vector (MVD) to the designated MVP (S202) ).
  • the encoding device 100 generates a differential motion vector from the motion vector and the MVP, and transmits the generated differential motion vector to the decoding device 200.
  • the decoding device 200 obtains a motion vector by adding the transmitted differential motion vector to the prediction motion vector.
  • the inter prediction unit 126 acquires one or more MVPs by referring to the motion vectors of neighboring processed blocks, and acquires the one or more acquired MVPs. Create a list The inter prediction unit 126 designates one MVP from the created MVP list for merge mode, and determines the designated MVP as it is as a motion vector (S203).
  • the inter prediction unit 126 When the FRUC mode is used (FRCU mode in S201), the inter prediction unit 126 first acquires a plurality of MVPs by referring to the motion vectors of neighboring processed blocks, and displays the acquired plurality of MVPs. A list is created (S204). Furthermore, the inter prediction unit 126 derives the best MVP with the smallest cost value from among the plurality of MVPs indicated by the FRUC MVP list, using the bilateral matching method or the template matching method (S205). The inter prediction unit 126 searches for a position at which the cost is minimized by the same processing with respect to the peripheral position of the derived best MVP, and determines a motion vector obtained by the search as a final motion vector (S206). In the case of using the template matching method, since the reconstructed image of the block adjacent to the target block is used, the feedback processing described in FIG. 11 is required.
  • the inter prediction unit 126 determines whether to apply the BIO process to the target block (S207). If it is determined that the BIO process is to be applied (Yes in S207), the inter prediction unit 126 generates a prediction image by performing motion compensation using the BIO process according to the motion vector determined in step S202, S203, or S206. (S208). If it is determined that the BIO process is not applied (No in S207), the inter prediction unit 126 performs normal motion compensation according to the motion vector determined in step S202, S203 or S026 to generate a predicted image (S209) . For example, the inter prediction unit 126 determines whether to apply the BIO process according to the conditions such as the prediction mode, the prediction direction, or the block size.
  • the same determination may be performed in decoding apparatus 200 as well.
  • the encoding apparatus 100 explicitly describes in the stream a signal indicating whether or not to apply the BIO process, and the decoding apparatus 200 determines whether to apply the BIO process based on the signal. It is also good.
  • the inter prediction unit 126 determines whether to apply the OBMC process to the target block (S210). If it is determined that the OBMC process is to be applied (Yes in S210), the inter prediction unit 126 generates a final predicted image by performing the correction process by the OBMC process on the predicted image generated in step S208 or S209. (S211). When it is determined that the OBMC process is not applied (No in S210), the inter prediction unit 126 determines the predicted image generated in step S208 or S209 as the final predicted image as it is. For example, the inter prediction unit 126 determines whether to apply the OBMC process according to conditions such as a prediction mode, a prediction direction, or a block size.
  • the same determination may be performed in decoding apparatus 200 as well.
  • the encoding device 100 explicitly describes in the stream a signal indicating whether or not the OBMC process is to be applied, and the decoding device 200 determines whether to apply the BIO process based on the signal. It is also good.
  • the processing flow described here is basically common except that the signal necessary for processing is encoded into a stream or decoded from the stream. .
  • FIG. 15 is a diagram showing a second example of the outline of the pipeline configuration used in the decoding device 200.
  • the decoding apparatus 200 performs the FRUC process (S103) in the inter prediction process, the process related to the generation of a prediction image Only the MC process (S111) is performed without performing the BIO process and the OBMC process.
  • the decoding apparatus 200 performs the MC / BIO processing (S104) and the OBMC processing (S105) as in the first example to generate a predicted image. Do.
  • the reconstructed image generated in the second stage is fed back as an input to the intra prediction processing and the FRUC processing, since it is referred to as a peripheral reconstructed image in the decoding processing of the subsequent block.
  • the amount of continuous processing related to the inter-prediction processing in the second stage is smaller, so even if feedback processing similar to the first example is performed, The processing time for the entire two stages is significantly reduced compared to the first example.
  • FIG. 16 is a diagram showing, in a time sequence, processing timing of stage processing of each block to be decoded in the second example of the outline of the pipeline configuration described in FIG. Similar to FIG. 13, FIG. 16 shows processing timings for five blocks to be decoded from the coding unit CU0 to the coding unit CU4 shown in the block division example shown in FIG.
  • the processing time of the second stage is shortened, and the processing time of the second stage is the same length as the other stages.
  • Processing of each stage is started after waiting for the same stage of the immediately preceding block to finish in the processing order.
  • the processing of the second stage of the coding unit CU1 is started from the time t4 when the second stage of the coding unit CU0 ends.
  • the processing time of the second stage of the coding unit CU0 is the same length as that of the other stages, the coding unit CU1 does not have to wait for the processing of the second stage after the processing of the first stage is completed. It is possible to start.
  • the coding unit CU2 since the coding unit CU2 has a block size smaller than that of the preceding coding unit CU1 in the processing order, a waiting time occurs between the first stage and the second stage, but this waiting time is accumulated No waiting time is lost at the time of the coding unit CU4.
  • the processing time including the waiting time becomes almost equal to the original processing time, and all blocks are completed within the processing time allocated to one picture. The chances of being able to
  • FIG. 17 is a flowchart of the inter prediction process in the second example of the outline of the pipeline configuration described in FIG.
  • the processing illustrated in FIG. 17 is repeatedly performed in units of prediction blocks, which are processing units of inter-screen prediction processing. Also, the process shown in FIG. 17 is performed in the encoding device 100 and the decoding device 200.
  • the operation of the inter prediction unit 126 included in the coding apparatus 100 will be mainly described below, the operation of the inter prediction unit 218 included in the decoding apparatus 200 is also the same.
  • the process shown in FIG. 17 is different from the first example described in FIG. 14 in the following point.
  • the inter prediction mode is the FRUC mode (FRUC mode in S201)
  • the inter prediction unit 126 performs BIO processing which is processing related to generation of a prediction image and Without performing the OBMC process, normal motion compensation is performed to generate a final predicted image (S212).
  • FIG. 17 illustrates an example in which the prediction image is generated without performing both the BIO process and the OBMC process when the inter prediction mode is the FRUC mode, only the BIO process or the OBMC process is not performed. May be configured to generate a predicted image. In that case, although the reduction effect of the processing amount and the processing time is reduced, since the prediction image with higher accuracy can be generated, the possibility of being able to improve the coding efficiency becomes high.
  • the processing flow described here is basically common except that the signal necessary for processing is encoded into a stream or decoded from the stream. .
  • FIG. 18 is a flowchart of inter prediction processing in a third example which is a modification of the inter prediction processing described in FIG.
  • the process illustrated in FIG. 18 is repeatedly performed in units of prediction blocks, which are processing units of inter-screen prediction processing. Also, the process illustrated in FIG. 18 is performed in the encoding device 100 and the decoding device 200.
  • the operation of the inter prediction unit 126 included in the coding apparatus 100 will be mainly described below, the operation of the inter prediction unit 218 included in the decoding apparatus 200 is also the same.
  • the process shown in FIG. 18 is different from the second example described in FIG. 17 in the following point.
  • the inter prediction mode is the FRUC mode (FRUC mode in S201)
  • the inter prediction unit 126 whether or not to process the target block in the low delay mode Is determined (S213).
  • the inter prediction unit 126 performs normal motion compensation without performing BIO processing and OBMC processing, which are processing related to generation of a predicted image, and finally The predicted image is generated (S212).
  • the inter prediction unit 126 When the target block is not processed in the low delay mode (No in S213), the inter prediction unit 126 generates a final predicted image using the BIO processing and the OBMC processing as in the case of the other modes (S207- S211).
  • the encoding apparatus 100 generates information indicating whether to process in the low delay mode, and encodes the generated information into a stream.
  • the decoding apparatus 200 decodes and acquires the information from the stream, and determines whether to process in the low delay mode based on the acquired information.
  • the information is described in the sequence header area, the picture header area, the slice header area, or the auxiliary information area of the processing target stream.
  • the coding apparatus 100 may switch whether to process in the low delay mode according to the size of the coding target picture. For example, when the picture size is small, the coding apparatus 100 does not set the low delay mode because the number of blocks to be processed is small and the processing time has a margin, and when the picture size is large, the number of blocks to be processed is large Set the low delay mode because there is not enough time.
  • the encoding apparatus 100 may switch whether or not to process in the low delay mode according to the processing capability of the decoding apparatus 200 at the transmission destination of the stream. For example, when the processing capability of the decoding device 200 is high, the encoding device 100 does not set the low delay mode because the decoding device 200 can perform many processes in a fixed processing time. On the other hand, when the processing capability of the decoding device 200 is low, the encoding device 100 sets the low delay mode because the decoding device 200 can not perform many processes in a fixed processing time.
  • the encoding apparatus 100 may switch whether or not to process in the low delay mode according to the profile or level information assigned to the encoding target stream. For example, the encoding apparatus 100 does not set the low delay mode when a profile and a level assuming sufficient processing capacity of the decoding apparatus are assigned to the stream. On the other hand, the encoding apparatus 100 sets the low delay mode when the profile and the level assuming the processing capacity of the decoding apparatus that is not sufficient are assigned to the stream.
  • the information indicating whether to process in the low delay mode does not have to be a signal of information directly indicating whether to process in the low delay mode and has other meanings. It may be encoded as a signal.
  • this information includes two signals, a signal indicating that BIO processing is forcibly prohibited in a block using FRUC mode, and a signal indicating that OBMC processing is forcibly prohibited in a block using FRUC mode. It may be encoded as a signal.
  • by directly associating information indicating whether or not processing is performed in the low delay mode with the profile and the level it is possible to determine whether or not processing in the low delay mode is performed using only the signal indicating the profile and the level. It is also good.
  • FIG. 18 illustrates an example of generating a predicted image without performing both BIO processing and OBMC processing when the inter prediction mode is the FRUC mode and the low delay mode
  • the BIO processing or The prediction image may be generated without performing only the OBMC process.
  • the reduction effect of the processing amount and the processing time is reduced, since the prediction image with higher accuracy can be generated, the possibility of being able to improve the coding efficiency becomes high.
  • the processing flow described here is basically common except that the signal necessary for processing is encoded into a stream or decoded from the stream. .
  • the coding apparatus 100 performs the FRUC process when the size of the coding target CU is larger than the specific value, the coding apparatus 100 performs a part of the process (for example, at least one of the BIO process and the OBMC process) involved in the generation of the predicted image.
  • the prediction image may be generated without being performed.
  • the coding apparatus 100 When the coding apparatus 100 performs the FRUC process when the size of the coding target CU is larger than the size of the CU coded immediately before, the coding apparatus 100 does not perform part of the process associated with the generation of the predicted image, and It may be generated.
  • the encoding apparatus 100 When the number of CUs subjected to the FRUC process in a predetermined period is larger than the specific value, the encoding apparatus 100 generates the predicted image without performing part of the process associated with the generation of the predicted image when performing the FRUC process. You may
  • the coding apparatus 100 When the coding apparatus 100 performs the FRUC processing when the proportion of CUs subjected to the FRUC processing in a fixed period is larger than the specific value, the coding apparatus 100 generates a predicted image without performing part of the processing associated with the generation of the predicted image. You may
  • the predetermined period may be a processing period of a certain number of CTUs immediately before a coding target CU.
  • the predetermined period may be a processing period of the entire slice or the entire picture to which the encoding target CU belongs.
  • the encoding apparatus 100 does not perform part of the process associated with generation of a predicted image when performing the FRUC process when the number of consecutive CUs subjected to the FRUC process immediately before the encoding target CU is larger than the specific value.
  • the prediction image may be generated on the
  • the encoding apparatus 100 performs simulation processing for estimating the waiting time in pipeline control, and performs prediction processing when performing the FRUC processing when the waiting time estimated at the processing start time of the coding target CU is larger than the specific value.
  • the prediction image may be generated without performing part of the process involved in the generation of.
  • FIG. 21 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 a moving image.
  • 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.
  • 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 and the like.
  • the memory 162 is a dedicated or general-purpose memory in which information for the circuit 160 to encode moving pictures 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.
  • the moving image to be encoded may be stored in the memory 162, or a bit string corresponding to the encoded moving image may be stored.
  • the memory 162 may also store a program for the circuit 160 to encode a moving image.
  • the memory 162 may play a role of a component for storing information among the plurality of components of the encoding device 100 illustrated in FIG. 1 and the like. Specifically, the memory 162 may play the role of the block memory 118 and the frame memory 122 shown in FIG. More specifically, the memory 162 may store reconstructed blocks, reconstructed pictures, and the like.
  • 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, part of the plurality of components shown in FIG. 1 and the like is implemented, and part of the plurality of processes described above is performed, whereby motion compensation is efficiently performed. It will be.
  • FIG. 22 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.
  • the circuit 260 is a dedicated or general-purpose electronic circuit that decodes a moving image.
  • the circuit 260 may be a processor such as a CPU.
  • the circuit 260 may be a collection of a plurality of electronic circuits.
  • the circuit 260 may play the 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. 10 and the like.
  • the memory 262 is a dedicated or general-purpose memory in which information for the circuit 260 to decode a moving image is stored.
  • the memory 262 may be an electronic circuit or may be connected to the circuit 260. 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 a coded moving image may be stored, or a moving image corresponding to a decoded bit string may be stored.
  • the memory 262 may store a program for the circuit 260 to decode a moving image.
  • the memory 262 may play the role of a component for storing information among the plurality of components of the decoding device 200 illustrated in FIG. 10 and the like. Specifically, the memory 262 may play the role of the block memory 210 and the frame memory 214 shown in FIG. More specifically, the memory 262 may store reconstructed blocks, reconstructed pictures, and the like.
  • 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 device 200, part of the plurality of components shown in FIG. 10 and the like is implemented, and part of the plurality of processes described above is performed, whereby motion compensation is efficiently performed. .
  • coding apparatus 100 and decoding apparatus 200 in the present embodiment may be used as an image coding apparatus and an image decoding apparatus, respectively, and may be used as a moving image coding apparatus and a moving image decoding apparatus. Good.
  • the encoding device 100 and the decoding device 200 may each be used as an inter prediction device (inter-screen prediction device).
  • encoding apparatus 100 and decoding apparatus 200 may correspond to only inter prediction unit (inter-screen prediction unit) 126 and inter prediction unit (inter-screen prediction unit) 218, respectively. Then, other components such as the conversion unit 106 and the inverse conversion unit 206 may be included in other devices.
  • 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.
  • each of the encoding device 100 and the decoding device 200 includes a processing circuit (Processing Circuitry) and a storage device (Storage) electrically connected to the processing circuit and accessible to the processing circuit. You may have.
  • processing circuitry may correspond to circuitry 160 or 260 and storage may correspond to memory 162 or 262.
  • the processing circuit includes at least one of dedicated hardware and a program execution unit, and executes processing using a storage device.
  • the storage device stores a software program executed by the program execution unit.
  • software for realizing the encoding apparatus 100 or the decoding apparatus 200 of the present embodiment is a program as follows.
  • each component may be a circuit as described above. These circuits may constitute one circuit as a whole or may be separate circuits. Each component may be realized by a general purpose processor or a dedicated processor.
  • another component may execute the processing that a particular component performs. Further, the order of executing the processing may be changed, or a plurality of processing may be executed in parallel. Further, the coding and decoding apparatus may include the coding apparatus 100 and the decoding apparatus 200.
  • the aspect of the encoding apparatus 100 and the decoding apparatus 200 was demonstrated based on embodiment, the aspect of the encoding apparatus 100 and the decoding apparatus 200 is not limited to this embodiment.
  • the encoding apparatus 100 and the decoding apparatus 200 may be configured by combining various modifications in the present embodiment that may occur to those skilled in the art without departing from the spirit of the present disclosure, or by combining components in different embodiments. It may be included within the scope of the aspect of.
  • 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. 21 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. 23, 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. 24 is a diagram showing an example of a display screen of a web page in the computer ex111 and the like.
  • FIG. 25 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. 26 is a diagram showing the smartphone ex115.
  • FIG. 27 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, for example, a television receiver, a digital video recorder, a car navigation system, a mobile phone, a digital camera, a digital video camera, a video conference system, an electronic mirror, 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、メモリ（１６２）と、回路（１６０）とを備え、回路（１６０）は、メモリ（１６２）を用いて、インター予測処理において、対象ブロックに対してＦＲＵＣ処理を用いて動きベクトルを導出する場合（Ｓ２０１でＦＲＵＣモード）、動きベクトルを用いた予測画像の生成に伴う処理の一部を行わずに予測画像を生成する（Ｓ２１２）。例えば、予測画像の生成に伴う処理の一部は、ＢＩＯ処理（Ｓ２０８）及びＯＢＭＣ処理（Ｓ２１１）であってもよい。

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。
　従来、動画像を符号化するための規格として、Ｈ．２６５が存在する。Ｈ．２６５は、ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）とも呼ばれる。
Ｈ．２６５（ＩＳＯ／ＩＥＣ　２３００８－２　ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ））
　このような、符号化方法及び復号方法では、処理量を低減できることが望まれている。
　本開示は、処理量を低減できる符号化装置、復号装置、符号化方法又は復号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、インター予測処理において、対象ブロックに対してＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）処理を用いて動きベクトルを導出する場合、前記動きベクトルを用いた予測画像の生成に伴う処理の一部を行わずに予測画像を生成する。
　本開示の一態様に係る復号装置は、回路と、メモリと、を備え、前記回路は、前記メモリを用いて、インター予測処理において、対象ブロックに対してＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）処理を用いて動きベクトルを導出する場合、前記動きベクトルを用いた予測画像の生成に伴う処理の一部を行わずに予測画像を生成する。
　なお、これらの包括的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム、又は、コンピュータ読み取り可能なＣＤ－ＲＯＭなどの非一時的な記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラム、及び、記録媒体の任意な組み合わせで実現されてもよい。
　本開示は、処理量を低減できる符号化装置、復号装置、符号化方法又は復号方法を提供できる。
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、実施の形態１に係るパイプライン構造の第１の例を示す概略図である。 図１２は、実施の形態１に係る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、実施の形態１に係るパイプライン構造の第１の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、実施の形態１に係るパイプライン構成の第１の例におけるインター予測処理のフローチャートである。 図１５は、実施の形態１に係るパイプライン構造の第２の例を示す概略図である。 図１６は、実施の形態１に係るパイプライン構造の第２の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１７は、実施の形態１に係るパイプライン構成の第２の例におけるインター予測処理のフローチャートである。 図１８は、実施の形態１に係るパイプライン構成の第３の例におけるインター予測処理のフローチャートである。 図１９は、符号化装置の実装例を示すブロック図である。 図２０は、復号装置の実装例を示すブロック図である。 図２１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２２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２３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２４は、ｗｅｂページの表示画面例を示す図である。 図２５は、ｗｅｂページの表示画面例を示す図である。 図２６は、スマートフォンの一例を示す図である。 図２７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、インター予測処理において、対象ブロックに対してＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）処理を用いて動きベクトルを導出する場合、前記動きベクトルを用いた予測画像の生成に伴う処理の一部を行わずに予測画像を生成する。
　これによれば、当該符号化装置は、対象ブロックをＦＲＵＣモードを用いて処理する場合の処理量を削減できる。これにより、ＦＲＵＣ処理を含むパイプラインステージの処理時間を短縮できるので、パイプライン制御におけるステージの待ち時間が削減できる。
　例えば、前記予測画像の生成に伴う処理の一部は、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）処理及びＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理であってもよい。
　例えば、前記予測画像の生成に伴う処理の一部は、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）処理であってもよい。
　例えば、前記予測画像の生成に伴う処理の一部は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理であってもよい。
　例えば、前記インター予測処理において、前記対象ブロックに対してＦＲＵＣ処理を用いて動きベクトルを導出し、かつ、低遅延モードで前記対象ブロックを符号化する場合、前記動きベクトルを用いた予測画像の生成に伴う処理の一部を行わずに予測画像を生成してもよい。
　これによれば、符号化装置は、低遅延モードを用いるか否かに応じて、適切な処理を行うことができる。
　例えば、前記低遅延モードで前記対象ブロックを符号化するか否かを示す情報を、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、前記対象ブロックを含む対象ピクチャの大きさに応じて、前記低遅延モードで前記対象ブロックを符号化するか否かを切替えてもよい。
　例えば、復号装置の処理能力に応じて、前記低遅延モードで前記対象ブロックを符号化するか否かを切替えてもよい。
　例えば、符号化対象ストリームに割り当てられたプロファイル又はレベル情報に応じて、前記低遅延モードで前記対象ブロックを符号化するか否かを切替えてもよい。
　本開示の一態様に係る復号装置は、回路と、メモリと、を備え、前記回路は、前記メモリを用いて、インター予測処理において、対象ブロックに対してＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）処理を用いて動きベクトルを導出する場合、前記動きベクトルを用いた予測画像の生成に伴う処理の一部を行わずに予測画像を生成する。
　これによれば、当該復号装置は、対象ブロックをＦＲＵＣモードを用いて処理する場合の処理量を削減できる。これにより、ＦＲＵＣ処理を含むパイプラインステージの処理時間を短縮できるので、パイプライン制御におけるステージの待ち時間が削減できる。
　例えば、前記予測画像の生成に伴う処理の一部は、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）処理及びＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理であってもよい。
　例えば、前記予測画像の生成に伴う処理の一部は、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）処理であってもよい。
　例えば、前記予測画像の生成に伴う処理の一部は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理であってもよい。
　例えば、前記インター予測処理において、前記対象ブロックに対してＦＲＵＣ処理を用いて動きベクトルを導出し、かつ、低遅延モードで前記対象ブロックを復号する場合、前記動きベクトルを用いた予測画像の生成に伴う処理の一部を行わずに予測画像を生成してもよい。
　これによれば、復号装置は、低遅延モードを用いるか否かに応じて、適切な処理を行うことができる。
　例えば、前記低遅延モードで前記対象ブロックを復号化するか否かを示す情報を、復号化対象ストリームの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から復号化し、前記情報に基づき、前記低遅延モードで前記対象ブロックを復号化するか否かを判定してもよい。
　本開示の一態様に係る符号化方法は、インター予測処理において、対象ブロックに対してＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）処理を用いて動きベクトルを導出する場合、前記動きベクトルを用いた予測画像の生成に伴う処理の一部を行わずに予測画像を生成する。
　これによれば、当該符号化方法は、対象ブロックをＦＲＵＣモードを用いて処理する場合の処理量を削減できる。これにより、ＦＲＵＣ処理を含むパイプラインステージの処理時間を短縮できるので、パイプライン制御におけるステージの待ち時間が削減できる。
　本開示の一態様に係る復号方法は、インター予測処理において、対象ブロックに対してＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）処理を用いて動きベクトルを導出する場合、前記動きベクトルを用いた予測画像の生成に伴う処理の一部を行わずに予測画像を生成する。
　これによれば、当該復号方法は、対象ブロックをＦＲＵＣモードを用いて処理する場合の処理量を削減できる。これにより、ＦＲＵＣ処理を含むパイプラインステージの処理時間を短縮できるので、パイプライン制御におけるステージの待ち時間が削減できる。
　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。
　［インター予測処理の第１の例］
　図１１は、復号装置２００で用いられるパイプライン構成の概略の第１の例を示す図である。このパイプライン構成は、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。
　第１ステージでは、復号装置２００は、復号化対象となる入力ストリームに対して、エントロピー復号化処理を行うことで復号化に必要な情報を取得する（Ｓ１０１）。
　第２ステージでは、復号装置２００は、前記情報を用いて、逆量子化及び逆変換処理によって残差画像を復号化する（Ｓ１０８）。また、復号装置２００は、イントラ予測処理（Ｓ１０６）又はインター予測処理によって予測画像を復号化する。
　インター予測処理は、ＭＶＰ算出／ＭＶ決定処理（Ｓ１０２）、ＦＲＵＣ処理（Ｓ１０３）、ＭＣ／ＢＩＯ処理（Ｓ１０４）、及びＯＢＭＣ処理（Ｓ１０５）を含む。ＭＶＰ算出／ＭＶ決定処理（Ｓ１０２）では、復号装置２００は、動きベクトルの候補である複数の予測動きベクトル（ＭＶＰ）を算出する。復号装置２００は、複数の予測動きベクトルから動きベクトル（ＭＶ）を選択する。ＦＲＵＣ（Ｓ１０３）では、復号装置２００は、ＦＲＵＣ処理を行うことで動きベクトルを導出する。ＭＣ／ＢＩＯ（Ｓ１０４）では、復号装置２００は、動き補償（ＭＣ）によって予測画像を生成する。また、復号装置２００は、ＢＩＯ処理によって予測画像を補正する。ＯＢＭＣ（Ｓ１０５）では、復号装置２００は、ＯＢＭＣ処理によって予測画像を更新する。
　次に、復号装置２００は、イントラ予測処理により生成された予測画像と、インター予測処理により予測画像との一方を選択し（Ｓ１０７）、残差画像と、選択された予測画像とを加算することで再構成画像を生成する（Ｓ１０９）。
　第３ステージでは、復号装置２００は、再構成画像に対して、ループフィルタ処理を行うことで復号画像を生成する（Ｓ１１０）。
　第２ステージで生成された再構成画像は、後続するブロックの復号化処理において周辺の再構成画像として参照されるため、イントラ予測処理（Ｓ１０６）及びＦＲＵＣ処理（Ｓ１０３）の入力としてフィードバックされる。イントラ予測処理及びＦＲＵＣ処理において、処理順で直前のブロックに属する周辺の再構成画像を参照するためには、このフィードバック処理を１つのステージ内に納める必要がある。その結果、図１１に示すように第２ステージが非常に多くの処理で構成され、処理時間が長いステージとなってしまっている。
　なお、このパイプライン構成の概略は一例であり、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は同じサイズである。符号化ユニットＣＵ２及びＣＵ３は同じサイズである。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、図１１で説明したパイプライン構成の概略の第１の例における、各復号化対象ブロックのステージ処理の処理タイミングを時間列に示した図である。図１３は、図１２に示す符号化ユニットＣＵ０からＣＵ４までの５つの復号化対象ブロックの処理タイミングを示す。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ＣＵ２及びＣＵ３に対して、符号化ユニットＣＵ０、ＣＵ１及びＣＵ４は２倍の大きさであるため各ステージの処理時間も２倍である。
　また、図１１で説明したように第２ステージは処理時間が長いため、第２ステージの処理時間は他のステージの２倍の長さである。
　各ステージの処理は、処理順で直前のブロックの同じステージが終了するのを待ってから開始される。例えば、符号化ユニットＣＵ１の第２ステージの処理は、符号化ユニットＣＵ０の第２ステージが終了した時刻ｔ６から開始されている。このとき、符号化ユニットＣＵ０の第２ステージの処理時間が２倍の長さであるため、符号化ユニットＣＵ１では第１ステージの処理が終了する時刻ｔ４から第２ステージの処理が開始される時刻ｔ６まで待ち時間が発生している。
　このように、第２ステージの開始時に常に待ち時間が発生し、復号化対象ブロックの処理が進む毎にその待ち時間が蓄積される。これにより、符号化ユニットＣＵ４では第１ステージの処理が終了する時刻ｔ８から第２ステージの処理が開始される時刻ｔ１４まで待ち時間が発生している。
　その結果、１ピクチャの復号化処理が完了する時点では、待ち時間を含めた処理時間が本来の処理時間の約２倍まで増加する。これにより、１ピクチャに割り当てられた処理時間内に全てのブロックの処理を完了させることが困難となってしまう可能性がある。
　図１４は、図１１で説明したパイプライン構成の概略の第１の例におけるインター予測処理のフローチャートである。図１４に示す処理は、画面間予測処理の処理単位である予測ブロック単位で繰り返し行われる。また、図１４に示す処理は、符号化装置１００及び復号装置２００において行われる。なお、以下では、符号化装置１００に含まれるインター予測部１２６の動作を主に説明するが、復号装置２００に含まれるインター予測部２１８の動作も同様である。
　インター予測部１２６は、複数のモード（ノーマルインターモード、マージモード、ＦＲＵＣモード等）から、符号化対象又は復号対象のブロックである対象ブロックに用いるインター予測モードを選択する。インター予測部１２６は、選択されたインター予測モードを用いて動きベクトル（ＭＶ）を導出する。具体的には、インター予測モード情報により、対象ブロックに用いるインター予測モードが示される。
　ノーマルインターモードが用いられる場合（Ｓ２０１でノーマルインターモード）、インター予測部１２６は、周辺の処理済みブロックの動きベクトルを参照して複数の予測動きベクトル（ＭＶＰ）を取得し、取得した複数のＭＶＰを示すノーマル用ＭＶＰリストを作成する。インター予測部１２６は、作成したノーマル用ＭＶＰリストで示される複数のＭＶＰの中から１つのＭＶＰを指定し、指定したＭＶＰに差分動きベクトル（ＭＶＤ）を加算することで動きベクトルを決定する（Ｓ２０２）。具体的には、符号化装置１００は、動きベクトルとＭＶＰとから差分動きベクトルを生成し、生成した差分動きベクトルを復号装置２００に伝送する。復号装置２００は、予測動きベクトルに、伝送された差分動きベクトルを加算することで動きベクトルを取得する。
　マージモードが用いられる場合（Ｓ２０１でマージモード）、インター予測部１２６は、周辺の処理済みブロックの動きベクトルを参照して１以上のＭＶＰを取得し、取得した１以上のＭＶＰを示すマージ用ＭＶＰリストを作成する。インター予測部１２６は、作成したマージモード用ＭＶＰリストの中から１つのＭＶＰを指定し、指定したＭＶＰをそのまま動きベクトルとして決定する（Ｓ２０３）。
　ＦＲＵＣモードが用いられる場合（Ｓ２０１でＦＲＣＵモード）、インター予測部１２６は、まず、周辺の処理済みブロックの動きベクトルを参照して複数のＭＶＰを取得し、取得した複数のＭＶＰを示すＦＲＵＣ用ＭＶＰリストを作成する（Ｓ２０４）。さらに、インター予測部１２６は、バイラテラルマッチング方式又はテンプレートマッチング方式を用いて、ＦＲＵＣ用ＭＶＰリストで示される複数のＭＶＰの中からコスト値が最小となるベストＭＶＰを導出する（Ｓ２０５）。インター予測部１２６は、導出したベストＭＶＰの周辺位置についてさらに同様の処理でコストが最小となる位置を探索し、探索により得られた動きベクトルを最終的な動きベクトルとして決定する（Ｓ２０６）。テンプレートマッチング方式を用いる場合は、対象ブロックに隣接するブロックの再構成画像を用いるため、図１１で説明したフィードバック処理が必要となる。
　次に、インター予測部１２６は、対象ブロックに対してＢＩＯ処理を適用するか否かを判定する（Ｓ２０７）。ＢＩＯ処理を適用すると判定された場合（Ｓ２０７でＹｅｓ）、インター予測部１２６は、ステップＳ２０２、Ｓ２０３又はＳ２０６で決定された動きベクトルに従ってＢＩＯ処理を用いた動き補償を行うことで予測画像を生成する（Ｓ２０８）。ＢＩＯ処理を適用しないと判定された場合（Ｓ２０７でＮｏ）、インター予測部１２６は、ステップＳ２０２、Ｓ２０３又はＳ０２６で決定された動きベクトルに従って通常の動き補償を行って予測画像を生成する（Ｓ２０９）。例えば、インター予測部１２６は、予測モード、予測方向又はブロックのサイズ等の条件に従って、ＢＩＯ処理を適用するか否かを判定する。この場合、復号装置２００においても同様の判定が行われてもよい。または、符号化装置１００は、ＢＩＯ処理を適用するか否かを示す信号をストリームに明示的に記述し、復号装置２００は、当該信号に基づき、ＢＩＯ処理を適用するか否かを判定してもよい。
　次に、インター予測部１２６は、対象ブロックに対してＯＢＭＣ処理を適用するか否かを判定する（Ｓ２１０）。ＯＢＭＣ処理を適用すると判定された場合（Ｓ２１０でＹｅｓ）、インター予測部１２６は、ステップＳ２０８又はＳ２０９で生成された予測画像に対してＯＢＭＣ処理による補正処理を行うことで最終的な予測画像を生成する（Ｓ２１１）。ＯＢＭＣ処理を適用しないと判定された場合（Ｓ２１０でＮｏ）、インター予測部１２６は、ステップＳ２０８又はＳ２０９で生成された予測画像をそのまま最終的な予測画像に決定する。例えば、インター予測部１２６は、予測モード、予測方向又はブロックのサイズ等の条件に従ってＯＢＭＣ処理を適用するか否かを判定する。この場合、復号装置２００においても同様の判定が行われてもよい。または、符号化装置１００は、ＯＢＭＣ処理を適用するか否かを示す信号をストリームに明示的に記述し、復号装置２００は、当該信号に基づき、ＢＩＯ処理を適用するか否かを判定してもよい。
　このように、対象ブロックをＦＲＵＣモードを用いて処理する場合、他のモードを用いた場合よりも非常に多く処理が必要となる。その結果、処理時間が長くなり、これが図１２で説明したパイプライン制御におけるステージの待ち時間の増加の原因になってしまう。
　なお、ここで示した処理フローは一例であり、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してもよい。
　また、符号化装置１００及び復号装置２００では、処理に必要となる信号をストリームに符号化するか、ストリームから復号化するかの違いのみで、ここで説明した処理フローは基本的に共通である。
　［インター予測処理の第２の例］
　図１５は、復号装置２００で用いられるパイプライン構成の概略の第２の例を示す図である。図１５に示す第２の例では、図１１で説明した第１の例とは異なり、復号装置２００は、インター予測処理おいてＦＲＵＣ処理（Ｓ１０３）を行う場合は、予測画像の生成に関わる処理であるＢＩＯ処理及びＯＢＭＣ処理を行わずにＭＣ処理（Ｓ１１１）のみを行う。一方、復号装置２００は、インター予測処理おいてＦＲＵＣ処理（Ｓ１０３）を行わない場合は、第１の例と同様にＭＣ／ＢＩＯ処理（Ｓ１０４）及びＯＢＭＣ処理（Ｓ１０５）を行って予測画像を生成する。
　第２ステージで生成した再構成画像は、後続するブロックの復号化処理において周辺の再構成画像として参照されるため、イントラ予測処理及びＦＲＵＣ処理の入力としてフィードバックされる。ここで、第２の例では、第１の例と比べて第２ステージのインター予測処理に関する連続した処理の量が少なくなっているため、第１の例と同様のフィードバック処理を行っても第２ステージ全体の処理時間は第１の例と比べて大幅に短縮されている。
　なお、このパイプライン構成の概略は一例であり、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１６は、図１５で説明したパイプライン構成の概略の第２の例における、各復号化対象ブロックのステージ処理の処理タイミングを時間列で示した図である。図１６は、図１３と同様に、図１２に示すブロック分割例に示した符号化ユニットＣＵ０から符号化ユニットＣＵ４までの５つの復号化対象ブロックについての処理タイミングを示す。第２の例では、第１の例とは異なり、第２ステージの処理時間が短くなり、第２ステージの処理時間は他のステージと同じ長さである。
　各ステージの処理は、処理順で直前のブロックの同じステージが終了するのを待ってから開始される。例えば、符号化ユニットＣＵ１の第２ステージの処理は、符号化ユニットＣＵ０の第２ステージが終了した時刻ｔ４から開始されている。このとき、符号化ユニットＣＵ０の第２ステージの処理時間が他のステージと同じ長さであるため、符号化ユニットＣＵ１では第１ステージの処理が終了してから待ち時間なく第２ステージの処理が開始可能である。
　一方、符号化ユニットＣＵ２は、処理順で直前の符号化ユニットＣＵ１よりもブロックサイズが小さいために、第１ステージと第２ステージの間に待ち時間が発生しているが、この待ち時間は蓄積されるものではなく、符号化ユニットＣＵ４の時点では待ち時間がなくなっている。
　その結果、１ピクチャの復号化処理の完了時点でも、待ち時間を含めた処理時間が本来の処理時間とほぼ同等となり、１ピクチャに割り当てられた処理時間内に全てのブロックの処理を完了させることができる可能性が高くなる。
　図１７は、図１５で説明したパイプライン構成の概略の第２の例におけるインター予測処理のフローチャートである。図１７に示す処理は、画面間予測処理の処理単位である予測ブロック単位で繰り返し行われる。また、図１７に示す処理は、符号化装置１００及び復号装置２００において行われる。なお、以下では、符号化装置１００に含まれるインター予測部１２６の動作を主に説明するが、復号装置２００に含まれるインター予測部２１８の動作も同様である。
　図１７に示す処理は、図１４で説明した第１の例と以下の点が異なる。インター予測モードがＦＲＵＣモードであった場合（Ｓ２０１でＦＲＵＣモード）、インター予測部１２６は、ＦＲＵＣモードにより動きベクトルを導出した後（Ｓ２０６の後）、予測画像の生成に関わる処理であるＢＩＯ処理及びＯＢＭＣ処理を行わずに、通常の動き補償を行って最終的な予測画像を生成する（Ｓ２１２）。
　これにより、対象ブロックをＦＲＵＣモードを用いて処理する場合の処理量が大幅に削減され、ＦＲＵＣモードを用いる場合の処理時間が他のモードを用いた場合の処理時間とほぼ同様となる。その結果、図１６で説明したようにパイプライン制御におけるステージの待ち時間を大幅に抑制できる可能性が高くなる。
　なお、図１７では、インター予測モードがＦＲＵＣモードであった場合、ＢＩＯ処理とＯＢＭＣ処理の両方を行わずに予測画像を生成する例を説明したが、ＢＩＯ処理のみ、又はＯＢＭＣ処理のみを行わずに予測画像を生成する構成としてもよい。その場合、処理量及び処理時間の削減効果は減少するが、より精度の高い予測画像を生成できるため、符号化効率を向上されられる可能性が高くなる。
　なお、この処理フローは一例であり、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してもよい。
　また、符号化装置１００及び復号装置２００では、処理に必要となる信号をストリームに符号化するか、ストリームから復号化するかの違いのみで、ここで説明した処理フローは基本的に共通である。
　［インター予測処理の第２の例の効果］
　図１５から図１７を用いて説明した構成により、対象ブロックをＦＲＵＣモードを用いて処理する場合の処理量が大幅に削減され、ＦＲＵＣ処理を含むパイプラインステージの処理時間を短縮することが可能となる。よって、第１の例で発生していたパイプライン制御におけるステージの待ち時間が削減される。これにより、処理性能の低い復号装置でも１ピクチャに割り当てられた処理時間内に全てのブロックの処理を完了させることができる可能性が高くなる。
　［インター予測処理の第３の例］
　図１８は、図１７で説明したインター予測処理の変形例である第３の例におけるインター予測処理のフローチャートである。図１８に示す処理は、画面間予測処理の処理単位である予測ブロック単位で繰り返し行われる。また、図１８に示す処理は、符号化装置１００及び復号装置２００において行われる。なお、以下では、符号化装置１００に含まれるインター予測部１２６の動作を主に説明するが、復号装置２００に含まれるインター予測部２１８の動作も同様である。
　図１８に示す処理は、図１７で説明した第２の例と以下の点が異なる。インター予測モードがＦＲＵＣモードであった場合（Ｓ２０１でＦＲＵＣモード）、インター予測部１２６は、ＦＲＵＣモードにより動きベクトルを導出した後（Ｓ２０６の後）、対象ブロックを低遅延モードで処理するか否かを判定する（Ｓ２１３）。インター予測部１２６は、対象ブロックを低遅延モードで処理する場合（Ｓ２１３でＹｅｓ）、予測画像の生成に関わる処理であるＢＩＯ処理及びＯＢＭＣ処理を行わずに、通常の動き補償を行って最終的な予測画像を生成する（Ｓ２１２）。インター予測部１２６は、対象ブロックを低遅延モードで処理しない場合（Ｓ２１３でＮｏ）、他のモードの場合と同様に、ＢＩＯ処理及びＯＢＭＣ処理を用いて最終的な予測画像を生成する（Ｓ２０７～Ｓ２１１）。
　これにより、低遅延モードが用いられる場合には、対象ブロックをＦＲＵＣモードを用いて処理する場合の処理量が大幅に削減され、図１６で説明したようにパイプライン制御におけるステージの待ち時間を大幅に抑制できる可能性が高くなる。一方、低遅延モードが用いられない場合には、対象ブロックをＦＲＵＣモードを用いて処理する場合の処理量を削減できず、図１３で説明したようなパイプライン制御におけるステージの待ち時間が発生するが、より精度の高い予測画像を生成できるため符号化効率を向上されられる可能性が高くなる。このように、処理モードに応じた適切な処理を実現できる。
　例えば、符号化装置１００は、低遅延モードで処理するか否かを示す情報を生成し、生成した情報をストリームに符号化する。復号装置２００は、当該情報をストリームから復号化して取得し、取得した情報に基づき低遅延モードで処理するか否かを判定する。なお、当該情報は、処理対象ストリームの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記述される。
　例えば、符号化装置１００は、符号化対象ピクチャのサイズに応じて、低遅延モードで処理するか否かを切替えてもよい。例えば、符号化装置１００は、ピクチャサイズが小さい場合は、処理するブロック数が少なく処理時間に余裕があるため低遅延モードに設定せず、ピクチャサイズが大きい場合は、処理するブロック数が多く処理時間に余裕がないため低遅延モードに設定する。
　また、符号化装置１００は、ストリームの送信先の復号装置２００の処理能力に応じて、低遅延モードで処理するか否かを切替えてもよい。例えば、符号化装置１００は、復号装置２００の処理能力が高い場合は、復号装置２００において一定の処理時間で多くの処理が可能であるため低遅延モードに設定しない。一方、符号化装置１００は、復号装置２００の処理能力が低い場合は、復号装置２００において一定の処理時間で多くの処理ができないため低遅延モードに設定する。
　また、符号化装置１００は、符号化対象ストリームに割り当てられたプロファイル又はレベル情報に応じて、低遅延モードで処理するか否かを切替えてもよい。例えば、符号化装置１００は、充分な復号装置の処理能力を想定したプロファイル及びレベルがストリームに割り当てられている場合には、低遅延モードに設定しない。一方、符号化装置１００は、充分でない復号装置の処理能力を想定したプロファイル及びレベルがストリームに割り当てられている場合には、低遅延モードに設定する。
　なお、ストリームに符号化する、低遅延モードで処理するか否かを示す情報は、直接的に低遅延モードで処理するか否かを示す情報の信号でなくてもよく、他の意味を持つ信号として符号化されてもよい。例えば、この情報は、ＦＲＵＣモードを使用するブロックで強制的にＢＩＯ処理を禁止することを示す信号と、ＦＲＵＣモードを使用するブロックで強制的にＯＢＭＣ処理を禁止することを示す信号の、２つの信号として符号化されてもよい。また別の例として、低遅延モードで処理するか否かを示す情報を、プロファイル及びレベルに直接対応付けることにより、プロファイル及びレベルを示す信号のみで低遅延モードで処理するか否かも判定できる構成としてもよい。
　なお、図１８では、インター予測モードがＦＲＵＣモードで、かつ低遅延モードであった場合、ＢＩＯ処理とＯＢＭＣ処理の両方を行わずに予測画像を生成する例を説明したが、ＢＩＯ処理のみ、又はＯＢＭＣ処理のみを行わずに予測画像を生成する構成としてもよい。その場合、処理量及び処理時間の削減効果は減少するが、より精度の高い予測画像を生成できるため、符号化効率を向上されられる可能性が高くなる。
　なお、この処理フローは一例であり、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してもよい。
　また、符号化装置１００及び復号装置２００では、処理に必要となる信号をストリームに符号化するか、ストリームから復号化するかの違いのみで、ここで説明した処理フローは基本的に共通である。
　［インター予測処理の第３の例の効果］
　図１８を用いて説明した構成により、低遅延モードで処理する場合には、対象ブロックをＦＲＵＣモードを用いて処理する場合の処理量が大幅に削減され、ＦＲＵＣ処理を含むパイプラインステージの処理時間を短縮することが可能となる。一方、低遅延モードで処理しない場合には、対象ブロックをＦＲＵＣモードを用いて処理する場合の処理量は削減されないが、より高い符号化効率を実現することが可能となる。これにより、符号化装置１００及び復号装置２００の処理能力又は符号化条件に応じて、最適な処理方法を選択することが可能となり、幅広い用途に本手法を使用できる可能性が高くなる。
　なお、上記各態様のインター予測処理において、下記を満たしてもよい。
　１．符号化装置１００は、符号化対象ＣＵのサイズが特定値よりも大きい場合においてＦＲＵＣ処理を行うときに、予測画像の生成に伴う処理の一部（例えば、ＢＩＯ処理及びＯＢＭＣ処理の少なくとも一方）を行わずに予測画像の生成を行ってもよい。
　２．符号化装置１００は、符号化対象ＣＵのサイズが直前に符号化したＣＵのサイズよりも大きい場合においてＦＲＵＣ処理を行うときに、予測画像の生成に伴う処理の一部を行わずに予測画像の生成を行ってもよい。
　３．符号化装置１００は、一定期間内にＦＲＵＣ処理を行ったＣＵの個数が特定値より大きい場合においてＦＲＵＣ処理を行うときに、予測画像の生成に伴う処理の一部を行わずに予測画像の生成を行ってもよい。
　４．符号化装置１００は、一定期間内にＦＲＵＣ処理を行ったＣＵの割合が特定値より大きい場合においてＦＲＵＣ処理を行うときに、予測画像の生成に伴う処理の一部を行わずに予測画像の生成を行ってもよい。
　５．前記一定期間とは、符号化対象ＣＵの直前の一定数のＣＴＵの処理期間であってもよい。
　６．前記一定期間とは、符号化対象ＣＵが属するスライス全体又はピクチャ全体の処理期間であってもよい。
　７．符号化装置１００は、符号化対象ＣＵの直前にＦＲＵＣ処理を行ったＣＵの連続した個数が特定値より大きい場合においてＦＲＵＣ処理を行うときに、予測画像の生成に伴う処理の一部を行わずに予測画像の生成を行ってもよい。
　８．符号化装置１００は、パイプライン制御における待ち時間を推定するシミュレーション処理を行い、符号化対象ＣＵの処理開始時点で推定された待ち時間が特定値より大きい場合においてＦＲＵＣ処理を行うときに、予測画像の生成に伴う処理の一部を行わずに予測画像の生成を行ってもよい。
　なお、ここでは符号化装置１００の動作として説明したが、復号装置２００において同様の処理を行ってもよい。
　［符号化装置の実装例］
　図２１は、実施の形態１に係る符号化装置１００の実装例を示すブロック図である。符号化装置１００は、回路１６０及びメモリ１６２を備える。例えば、図１に示された符号化装置１００の複数の構成要素は、図２１に示された回路１６０及びメモリ１６２によって実装される。
　回路１６０は、情報処理を行う回路であり、メモリ１６２にアクセス可能な回路である。例えば、回路１６０は、動画像を符号化する専用又は汎用の電子回路である。回路１６０は、ＣＰＵのようなプロセッサであってもよい。また、回路１６０は、複数の電子回路の集合体であってもよい。また、例えば、回路１６０は、図１等に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリ１６２は、回路１６０が動画像を符号化するための情報が記憶される専用又は汎用のメモリである。メモリ１６２は、電子回路であってもよく、回路１６０に接続されていてもよい。また、メモリ１６２は、回路１６０に含まれていてもよい。また、メモリ１６２は、複数の電子回路の集合体であってもよい。また、メモリ１６２は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリ１６２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリ１６２には、符号化される動画像が記憶されてもよいし、符号化された動画像に対応するビット列が記憶されてもよい。また、メモリ１６２には、回路１６０が動画像を符号化するためのプログラムが記憶されていてもよい。
　また、例えば、メモリ１６２は、図１等に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリ１６２は、図１に示されたブロックメモリ１１８及びフレームメモリ１２２の役割を果たしてもよい。より具体的には、メモリ１６２には、再構成済みブロック及び再構成済みピクチャ等が記憶されてもよい。
　なお、符号化装置１００において、図１等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図１等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。そして、符号化装置１００において、図１等に示された複数の構成要素のうちの一部が実装され、上述された複数の処理の一部が行われることによって、動き補償が効率的に行われる。
　［復号装置の実装例］
　図２２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２２に示された回路２６０及びメモリ２６２によって実装される。
　回路２６０は、情報処理を行う回路であり、メモリ２６２にアクセス可能な回路である。例えば、回路２６０は、動画像を復号する専用又は汎用の電子回路である。回路２６０は、ＣＰＵのようなプロセッサであってもよい。また、回路２６０は、複数の電子回路の集合体であってもよい。また、例えば、回路２６０は、図１０等に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリ２６２は、回路２６０が動画像を復号するための情報が記憶される専用又は汎用のメモリである。メモリ２６２は、電子回路であってもよく、回路２６０に接続されていてもよい。また、メモリ２６２は、回路２６０に含まれていてもよい。また、メモリ２６２は、複数の電子回路の集合体であってもよい。また、メモリ２６２は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリ２６２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリ２６２には、符号化された動画像に対応するビット列が記憶されてもよいし、復号されたビット列に対応する動画像が記憶されてもよい。また、メモリ２６２には、回路２６０が動画像を復号するためのプログラムが記憶されていてもよい。
　また、例えば、メモリ２６２は、図１０等に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリ２６２は、図１０に示されたブロックメモリ２１０及びフレームメモリ２１４の役割を果たしてもよい。より具体的には、メモリ２６２には、再構成済みブロック及び再構成済みピクチャ等が記憶されてもよい。
　なお、復号装置２００において、図１０等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図１０等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。そして、復号装置２００において、図１０等に示された複数の構成要素のうちの一部が実装され、上述された複数の処理の一部が行われることによって、動き補償が効率的に行われる。
　［補足］
　また、本実施の形態における符号化装置１００及び復号装置２００は、それぞれ、画像符号化装置及び画像復号装置として利用されてもよいし、動画像符号化装置及び動画像復号装置として利用されてもよい。あるいは、符号化装置１００及び復号装置２００は、それぞれ、インター予測装置（画面間予測装置）として利用され得る。
　すなわち、符号化装置１００及び復号装置２００は、それぞれ、インター予測部（画面間予測部）１２６及びインター予測部（画面間予測部）２１８のみに対応していてもよい。そして、変換部１０６及び逆変換部２０６等の他の構成要素は、他の装置に含まれていてもよい。
　また、本実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
　具体的には、符号化装置１００及び復号装置２００のそれぞれは、処理回路（Ｐｒｏｃｅｓｓｉｎｇ　Ｃｉｒｃｕｉｔｒｙ）と、当該処理回路に電気的に接続された、当該処理回路からアクセス可能な記憶装置（Ｓｔｏｒａｇｅ）とを備えていてもよい。例えば、処理回路は回路１６０又は２６０に対応し、記憶装置はメモリ１６２又は２６２に対応する。
　処理回路は、専用のハードウェア及びプログラム実行部の少なくとも一方を含み、記憶装置を用いて処理を実行する。また、記憶装置は、処理回路がプログラム実行部を含む場合には、当該プログラム実行部により実行されるソフトウェアプログラムを記憶する。
　ここで、本実施の形態の符号化装置１００又は復号装置２００などを実現するソフトウェアは、次のようなプログラムである。
　また、各構成要素は、上述の通り、回路であってもよい。これらの回路は、全体として１つの回路を構成してもよいし、それぞれ別々の回路であってもよい。また、各構成要素は、汎用的なプロセッサで実現されてもよいし、専用のプロセッサで実現されてもよい。
　また、特定の構成要素が実行する処理を別の構成要素が実行してもよい。また、処理を実行する順番が変更されてもよいし、複数の処理が並行して実行されてもよい。また、符号化復号装置が、符号化装置１００及び復号装置２００を備えていてもよい。
　以上、符号化装置１００及び復号装置２００の態様について、実施の形態に基づいて説明したが、符号化装置１００及び復号装置２００の態様は、この実施の形態に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、符号化装置１００及び復号装置２００の態様の範囲内に含まれてもよい。
　本態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、本態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
　（実施の形態２）
　以上の各実施の形態において、機能ブロックの各々は、通常、ＭＰＵ及びメモリ等によって実現可能である。また、機能ブロックの各々による処理は、通常、プロセッサなどのプログラム実行部が、ＲＯＭ等の記録媒体に記録されたソフトウェア（プログラム）を読み出して実行することで実現される。当該ソフトウェアはダウンロード等により配布されてもよいし、半導体メモリなどの記録媒体に記録して配布されてもよい。なお、各機能ブロックをハードウェア（専用回路）によって実現することも、当然、可能である。
　また、各実施の形態において説明した処理は、単一の装置（システム）を用いて集中処理することによって実現してもよく、又は、複数の装置を用いて分散処理することによって実現してもよい。また、上記プログラムを実行するプロセッサは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、又は分散処理を行ってもよい。
　本開示の態様は、以上の実施例に限定されることなく、種々の変更が可能であり、それらも本開示の態様の範囲内に包含される。
　さらにここで、上記各実施の形態で示した動画像符号化方法（画像符号化方法）又は動画像復号化方法（画像復号方法）の応用例とそれを用いたシステムを説明する。当該システムは、画像符号化方法を用いた画像符号化装置、画像復号方法を用いた画像復号装置、及び両方を備える画像符号化復号装置を有することを特徴とする。システムにおける他の構成について、場合に応じて適切に変更することができる。
　［使用例］
　図２１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２２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２３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２４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２５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２４及び図２５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２６は、スマートフォンｅｘ１１５を示す図である。また、図２７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、例えば、テレビジョン受像機、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、デジタルビデオカメラ、テレビ会議システム、又は、電子ミラー等に利用可能である。
　　１００　符号化装置
　　１０２　分割部
　　１０４　減算部
　　１０６　変換部
　　１０８　量子化部
　　１１０　エントロピー符号化部
　　１１２、２０４　逆量子化部
　　１１４、２０６　逆変換部
　　１１６、２０８　加算部
　　１１８、２１０　ブロックメモリ
　　１２０、２１２　ループフィルタ部
　　１２２、２１４　フレームメモリ
　　１２４、２１６　イントラ予測部
　　１２６、２１８　インター予測部
　　１２８、２２０　予測制御部
　　１６０、２６０　回路
　　１６２、２６２　メモリ
　　２００　復号装置
　　２０２　エントロピー復号部

Claims (17)

  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、
    　インター予測処理において、対象ブロックに対してＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）処理を用いて動きベクトルを導出する場合、前記動きベクトルを用いた予測画像の生成に伴う処理の一部を行わずに予測画像を生成する
    　符号化装置。
  2. 　前記予測画像の生成に伴う処理の一部は、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）処理及びＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理である
    　請求項１記載の符号化装置。
  3. 　前記予測画像の生成に伴う処理の一部は、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）処理である
    　請求項１記載の符号化装置。
  4. 　前記予測画像の生成に伴う処理の一部は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理である
    　請求項１記載の符号化装置。
  5. 　前記インター予測処理において、前記対象ブロックに対してＦＲＵＣ処理を用いて動きベクトルを導出し、かつ、低遅延モードで前記対象ブロックを符号化する場合、前記動きベクトルを用いた予測画像の生成に伴う処理の一部を行わずに予測画像を生成する
    　請求項１～４のいずれか１項に記載の符号化装置。
  6. 　前記低遅延モードで前記対象ブロックを符号化するか否かを示す情報を、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５記載の符号化装置。
  7. 　前記対象ブロックを含む対象ピクチャの大きさに応じて、前記低遅延モードで前記対象ブロックを符号化するか否かを切替える
    　請求項５又は６記載の符号化装置。
  8. 　復号装置の処理能力に応じて、前記低遅延モードで前記対象ブロックを符号化するか否かを切替える
    　請求項５又は６記載の符号化装置。
  9. 　符号化対象ストリームに割り当てられたプロファイル又はレベル情報に応じて、前記低遅延モードで前記対象ブロックを符号化するか否かを切替える
    　請求項５又は６記載の符号化装置。
  10. 　回路と、
    　メモリと、を備え、
    　前記回路は、前記メモリを用いて、
    　インター予測処理において、対象ブロックに対してＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）処理を用いて動きベクトルを導出する場合、前記動きベクトルを用いた予測画像の生成に伴う処理の一部を行わずに予測画像を生成する
    　復号装置。
  11. 　前記予測画像の生成に伴う処理の一部は、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）処理及びＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理である
    　請求項１０記載の復号装置。
  12. 　前記予測画像の生成に伴う処理の一部は、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）処理である
    　請求項１０記載の復号装置。
  13. 　前記予測画像の生成に伴う処理の一部は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理である
    　請求項１０記載の復号装置。
  14. 　前記インター予測処理において、前記対象ブロックに対してＦＲＵＣ処理を用いて動きベクトルを導出し、かつ、低遅延モードで前記対象ブロックを復号する場合、前記動きベクトルを用いた予測画像の生成に伴う処理の一部を行わずに予測画像を生成する
    　請求項１０～１３のいずれか１項に記載の復号装置。
  15. 　前記低遅延モードで前記対象ブロックを復号化するか否かを示す情報を、復号化対象ストリームの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から復号化し、前記情報に基づき、前記低遅延モードで前記対象ブロックを復号化するか否かを判定する
    　請求項１４に記載の復号装置。
  16. 　インター予測処理において、対象ブロックに対してＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）処理を用いて動きベクトルを導出する場合、前記動きベクトルを用いた予測画像の生成に伴う処理の一部を行わずに予測画像を生成する
    　符号化方法。
  17. 　インター予測処理において、対象ブロックに対してＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）処理を用いて動きベクトルを導出する場合、前記動きベクトルを用いた予測画像の生成に伴う処理の一部を行わずに予測画像を生成する
    　復号方法。
PCT/JP2018/029279 2017-08-09 2018-08-03 符号化装置、復号装置、符号化方法及び復号方法 WO2019031417A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201762543041P 2017-08-09 2017-08-09
US62/543,041 2017-08-09

Publications (1)

Publication Number Publication Date
WO2019031417A1 true WO2019031417A1 (ja) 2019-02-14

Family

ID=65271586

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/029279 WO2019031417A1 (ja) 2017-08-09 2018-08-03 符号化装置、復号装置、符号化方法及び復号方法

Country Status (2)

Country Link
TW (1) TW201921937A (ja)
WO (1) WO2019031417A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7410191B2 (ja) 2019-06-24 2024-01-09 華為技術有限公司 ビデオエンコーダ、ビデオデコーダ、及び対応する方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
JIANLE CHEN ET AL.: "Algorithm Description of Joint Exploration Test Model 5 (JEM 5)", JOINT VIDEO EXPLORATION TEAM(JVET) OF ITU-T SG 16 WP 3, no. JVET-E1001, 9 February 2017 (2017-02-09), Geneva, CH, pages 15 - 27, XP030150647 *
JIANLE CHEN ET AL.: "Further improvements to HMKTA-1. 0", ITU-TELECOMMUNICATIONS STANDARDIZATION SECTOR STUDY GROUP 16 QUESTION 6 VIDEO CODING EXPERTS GROUP (VCEG) 52ND MEETING, 26 June 2015 (2015-06-26), Warsaw, Poland, pages 1 - 8, XP055555095 *
JUNGDONG SEO ET AL.: "Simplification and improvements on FRUC", JOINT VIDEO EXPLORATION TEAM(JVET) OF ITU-T SG 16 WP 3, no. JVET-G0065, 6 July 2017 (2017-07-06), Torino, IT, pages 1 - 6, XP030150852 *
YONGBING LIN ET AL.: "EE3: Enhanced FRUC Template Matching Mode", JOINT VIDEO EXPLORATION TEAM(JVET) OF ITU-T SG 16 WP 3, no. JVET-F0032, 23 March 2017 (2017-03-23), pages 1 - 4, XP030150684 *
YONGBING LIN ET AL.: "Enhanced Template Matching in FRUC Mode", JOINT VIDEO EXPLORATION TEAM (JVET) OF ITU-T SG 16 WP 3, no. JVET-E0035, 3 January 2017 (2017-01-03), Geneva, CH, pages 1 - 4, XP030150502 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7410191B2 (ja) 2019-06-24 2024-01-09 華為技術有限公司 ビデオエンコーダ、ビデオデコーダ、及び対応する方法

Also Published As

Publication number Publication date
TW201921937A (zh) 2019-06-01

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
JP7014881B2 (ja) 符号化装置及び符号化方法
JP7087030B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
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
JPWO2019155971A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7001822B2 (ja) 復号装置及び復号方法
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
WO2019009129A1 (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
JP6770192B2 (ja) 符号化装置、符号化方法、復号装置及び復号方法
JP2022093625A (ja) 符号化装置、復号装置、符号化方法、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
JP6767579B2 (ja) 符号化装置、符号化方法、復号装置及び復号方法
JP2021180494A (ja) 復号装置、復号方法、及び、非一時的記憶媒体
WO2019009314A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2019131364A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019124191A1 (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
WO2019031369A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019021803A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019069902A1 (ja) 符号化装置、復号装置、符号化方法および復号方法

Legal Events

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

Ref document number: 18844596

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: 18844596

Country of ref document: EP

Kind code of ref document: A1