WO2019087878A1 - 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
WO2019087878A1
WO2019087878A1 PCT/JP2018/039421 JP2018039421W WO2019087878A1 WO 2019087878 A1 WO2019087878 A1 WO 2019087878A1 JP 2018039421 W JP2018039421 W JP 2018039421W WO 2019087878 A1 WO2019087878 A1 WO 2019087878A1
Authority
WO
WIPO (PCT)
Prior art keywords
unit
motion
block
motion vector
motion search
Prior art date
Application number
PCT/JP2018/039421
Other languages
English (en)
French (fr)
Inventor
橋本　隆
安倍　清史
遠間　正真
西　孝啓
龍一 加納
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 WO2019087878A1 publication Critical patent/WO2019087878A1/ja
Priority to US16/860,367 priority Critical patent/US11134260B2/en
Priority to US17/403,456 priority patent/US11812047B2/en
Priority to US18/478,519 priority patent/US20240031591A1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • 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
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H04N19/43—Hardware specially adapted for motion estimation or compensation
    • H04N19/433—Hardware specially adapted for motion estimation or compensation characterised by techniques for memory access

Definitions

  • the present disclosure relates to an encoding device, a decoding device, an encoding method, and a decoding method.
  • HEVC High-Efficiency Video Coding
  • JCT-VC Joint Collaborative Team on Video Coding
  • the present disclosure aims to provide an encoding device, a decoding device, an encoding method, or a decoding method that can realize further improvement.
  • An encoding apparatus is an encoding apparatus that encodes a block to be encoded using a motion vector, and includes a circuit and a memory, and the circuit uses the memory. And estimating a motion vector of the encoding target block without using the image of the encoding target block by referring to a first region in the reference picture, and performing motion compensation using the estimated motion vector To identify a second region in the reference picture to be referred to in the correction process for correcting the estimated motion vector or the predicted image of the encoding target block obtained by the motion compensation, and the second region Are permitted to be included in the first area, and the correction process is permitted if the second area is not included in the first area.
  • a decoding device is a decoding device that decodes a block to be decoded using a motion vector, and includes a circuit and a memory, and the circuit uses the memory to generate a reference picture.
  • the motion vector of the current block is estimated without using the image of the current block, and motion compensation is performed using the estimated motion vector by referring to the first region of A second area in the reference picture to be referred to in the process of correcting the motion vector or the predicted image of the coding target block obtained by the motion compensation is specified, and the second area is included in the first area. If the second area is not included in the first area, the decoding target block is permitted to correct the predicted image of the current block. Prohibiting processing for correcting the prediction image.
  • the present disclosure can provide a coding device, a decoding device, a coding method or a decoding method that can realize further improvement.
  • 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 block diagram showing an internal configuration of an inter prediction unit of the coding apparatus according to Embodiment 1.
  • FIG. 12 is a diagram showing an example of the position of motion search range information in the bitstream in Embodiment 1.
  • FIG. 13 is a flowchart showing processing of the inter prediction unit of the coding / decoding apparatus according to Embodiment 1.
  • FIG. 14 is a diagram showing an example of the candidate list in the first embodiment.
  • FIG. 14 is a diagram showing an example of the candidate list in the first embodiment.
  • FIG. 15 is a diagram showing an example of a reference picture list in the first embodiment.
  • FIG. 16 is a diagram showing an example of a motion search range in the first embodiment.
  • FIG. 17 is a diagram showing an example of the peripheral area in the first embodiment.
  • FIG. 18 is a block diagram showing an internal configuration of an inter prediction unit of the decoding apparatus according to Embodiment 1.
  • FIG. 19 is a diagram showing an example of a motion search range in the second modification of the first embodiment.
  • FIG. 20 is a diagram showing an example of a motion search range in the fourth modification of the first embodiment.
  • FIG. 21 is a diagram showing an example of a motion search range in the fifth modification of the first embodiment.
  • FIG. 22 is a diagram showing an example of a motion search range in the sixth modification of the first embodiment.
  • FIG. 23 is a block diagram showing a functional configuration of a coding and decoding system according to a seventh modification of the first embodiment.
  • FIG. 24 is a diagram showing a motion search range in the ninth modification of the first embodiment.
  • FIG. 25 is a block diagram showing an internal configuration of an inter prediction unit of the encoding / decoding apparatus according to Variation 10 of Embodiment 1.
  • FIG. 26 is a flowchart showing processing of the inter prediction unit of the encoding / decoding device according to Variation 10 of Embodiment 1.
  • FIG. 27 is an overall configuration diagram of a content supply system for realizing content distribution service.
  • FIG. 28 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 29 is a diagram illustrating an example of a coding structure at the time of scalable coding.
  • FIG. 30 is a diagram showing an example of a display screen of a web page.
  • FIG. 31 is a view showing an example of a display screen of a web page.
  • FIG. 32 is a diagram illustrating an example of a smartphone.
  • FIG. 33 is a block diagram showing a configuration example of a smartphone.
  • next-generation video compression standard in order to reduce the code amount of motion information for motion compensation, a mode in which motion estimation is performed on the decoding device side is considered.
  • the decoding device derives a motion vector for the current block by searching for a region in the reference picture (motion search) similar to a decoded block different from the current block.
  • motion search a region in the reference picture
  • a technique for suppressing the increase in processing load and memory bandwidth is required. It is done.
  • a mode for correcting the motion vector or motion compensated image searched in this way is also considered. Even in such a mode, a technique for suppressing the increase in processing load and memory bandwidth is required.
  • an encoding apparatus is an encoding apparatus that encodes a block to be encoded using a motion vector, and includes a circuit and a memory, and the circuit includes the memory.
  • the motion vector of the encoding target block is estimated without using the image of the encoding target block by referring to the first region in the reference picture, and using the estimated motion vector.
  • An encoding method is an encoding method for encoding a block to be encoded using a motion vector, wherein the block to be encoded is referred to by referring to a first region in a reference picture.
  • the motion vector of the target block to be encoded is estimated without using an image of the image, and motion compensation is performed using the estimated motion vector, and the estimated motion vector or the code obtained by the motion compensation is estimated.
  • a second area in the reference picture to be referred to in the process of correcting the prediction image of the coding target block is specified, and the prediction image of the coding target block is identified when the second area is included in the first region. Is permitted, and when the second area is not included in the first area, the process of correcting the predicted image of the encoding target block is prohibited.
  • a decoding device is a decoding device that decodes a block to be decoded using a motion vector, and includes a circuit and a memory, and the circuit uses the memory to generate a reference picture.
  • the motion vector of the current block is estimated without using the image of the current block, and motion compensation is performed using the estimated motion vector by referring to the first region of A second area in the reference picture to be referred to in the process of correcting the motion vector or the predicted image of the coding target block obtained by the motion compensation is specified, and the second area is included in the first area. If the second area is not included in the first area, the decoding target block is permitted to correct the predicted image of the current block. Prohibiting processing for correcting the prediction image.
  • a decoding method is a decoding method for decoding a decoding target block using a motion vector, and does not use an image of the decoding target block by referring to a first region in a reference picture.
  • Estimate the motion vector of the decoding target block, and perform motion compensation using the estimated motion vector, and the estimated image of the coding target block obtained by the estimated motion vector or the motion compensation Specify a second area in the reference picture to be referred to in the correction process, and allow the process of correcting the predicted image of the block to be decoded if the second area is included in the first area When the second region is not included in the first region, the process of correcting the predicted image of the decoding target block is prohibited.
  • 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 processing and / or configuration described in each aspect of the present disclosure can be applied, and the processing and / or configuration described in each aspect of the present disclosure Can also be implemented in an encoding apparatus and a decoding apparatus different from those in the first embodiment.
  • the manner of implementation of the processing and / or configuration described in each aspect of the present disclosure is not limited to the above example.
  • the process may be implemented in an apparatus used for a purpose different from that of the moving picture / image coding apparatus or the moving picture / image decoding apparatus disclosed in the first embodiment, or the processing and / or configuration described in each aspect. 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).
  • AST adaptive secondary transform
  • NSST non-separable secondary transform
  • the transform unit 106 performs retransformation 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-directional prediction modes are described in, for example, H.264. 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.264. 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 sub-blocks for OBMC
  • OBMC flag information indicating whether or not to apply the OBMC mode
  • 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 to switch whether to apply the OBMC process according to the value and performs 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 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 Indicates that 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 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.
  • 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 block diagram showing an internal configuration of the inter prediction unit 126 of the coding apparatus 100 according to Embodiment 1.
  • the inter prediction unit 126 includes a candidate derivation unit 1261, a range determination unit 1262, a motion search unit 1263 and a motion compensation unit 1264.
  • the candidate derivation unit 1261 derives a plurality of candidates each having at least one motion vector.
  • This candidate may be called a motion vector predictor candidate.
  • motion vectors included in the candidates may be referred to as predicted motion vectors.
  • the candidate derivation unit 1261 derives a plurality of candidates based on motion vectors of encoded blocks (hereinafter referred to as adjacent blocks) spatially or temporally adjacent to the current block.
  • the motion vector of the adjacent block is a motion vector used in motion compensation of the adjacent block.
  • the candidate derivation unit 1261 calculates two reference picture indexes and two reference pictures based on two motion vectors corresponding to the two reference pictures. Deriving one candidate including one motion vector. Also, for example, when one reference picture is referred to in inter prediction of one adjacent block, the candidate derivation unit 1261 selects one reference picture index and one reference picture index based on one motion vector corresponding to the one reference picture. Derivate one candidate including one motion vector.
  • the plurality of candidates derived from the plurality of adjacent blocks are registered in the candidate list. At this time, duplicate candidates may be deleted from the candidate list.
  • a candidate having a fixed value motion vector for example, a zero motion vector
  • this candidate list may be common to the merge list used in the merge mode.
  • the spatially adjacent block is a block included in the current picture and means a block adjacent to the current block.
  • the spatially adjacent blocks are, for example, the left, upper left, upper or upper right blocks of the current block.
  • Motion vectors derived from spatially adjacent blocks may be referred to as spatial motion vectors.
  • the temporally adjacent block means a block included in an encoded / decoded picture different from the current picture.
  • the position in the coded / decoded picture of the temporally adjacent block corresponds to the position in the current picture of the current block.
  • the temporally adjacent blocks may be called co-located blocks.
  • motion vectors derived from temporally adjacent blocks may be referred to as temporal motion vectors.
  • Range determination unit 1262 determines a motion search range in the reference picture.
  • the motion search range means a partial region in a reference picture for which motion search is permitted.
  • the size of the motion search range is determined based on, for example, memory bandwidth and processing power. Memory bandwidth and processing power can be obtained, for example, from levels defined in the standardization standard. Also, memory bandwidth and processing power may be obtained from the decoding device.
  • the size of the motion search range means the size of a partial region in a picture, and can be represented by, for example, the number of horizontal pixels and the number of vertical pixels indicating the distance from the center of the motion search range to the vertical side and the horizontal side.
  • the position of the motion search range is determined based on, for example, a statistical representative vector of a plurality of motion vectors included in a plurality of candidates in the candidate list.
  • an average motion vector is used as a statistical representative vector.
  • the average motion vector is a motion vector consisting of an average of horizontal values and an average of vertical values of a plurality of motion vectors.
  • motion search range information Information on the determined motion search range (hereinafter referred to as motion search range information) is encoded in a bitstream.
  • the motion search range information includes at least one of information indicating the size of the motion search range and information indicating the position of the motion search range, and in the present embodiment, includes only information indicating the size of the motion search range.
  • the position in the bitstream of motion search range information is not particularly limited.
  • motion search range information is (i) video parameter set (VPS), (ii) sequence parameter set (SPS), (iii) picture parameter set (PPS), (iv) slice header Or (v) may be written to video system configuration parameters.
  • the motion search range information may or may not be entropy coded.
  • the motion search unit 1263 performs motion search within the motion search range of the reference picture. That is, the motion search unit 1263 performs the motion search by limiting to the motion search range among the reference pictures. Specifically, the motion search unit 1263 performs a motion search as follows.
  • the motion search unit 1263 reads from the frame memory 122 a reconstructed image of the motion search range in the reference picture. For example, the motion search unit 1263 reads out only the reconstructed image of the motion search range among the reference pictures. Then, the motion search unit 1263 excludes a candidate having a motion vector corresponding to a position outside the motion search range of the reference picture from the plurality of candidates derived by the candidate derivation unit 1261. That is, the motion search unit 1263 deletes, from the candidate list, a candidate having a motion vector pointing to a position outside the motion search range.
  • the motion search unit 1263 selects a candidate from the remaining candidates. That is, the motion search unit 1263 selects a candidate from the candidate list from which the candidate having the motion vector corresponding to the position outside the motion search range is deleted.
  • the selection of the candidate is performed based on the evaluation value of each candidate. For example, when the first pattern matching (bilateral matching) described above is applied, the evaluation value of each candidate corresponds to the reconstructed image of the region in the reference picture corresponding to the motion vector of the candidate and the motion of the current block. It is calculated based on the difference value between the image and the reconstructed image of the area in another reference picture along the trajectory. Further, for example, when the second pattern matching (template matching) is applied, the evaluation value of each candidate is the reconstructed image of the region in the reference picture corresponding to the motion vector of each candidate and the current block in the current picture It is calculated based on the difference value between the reconstructed image of the encoded block adjacent to.
  • the evaluation value of each candidate corresponds to the reconstructed image of the region in the reference picture corresponding to the motion vector of the candidate and the motion of the current block. It is calculated based on the difference value between the reconstructed image of the encoded block adjacent to.
  • the motion search unit 1263 determines a motion vector for the current block based on the selected candidate. Specifically, the motion search unit 1263 performs pattern matching, for example, in the peripheral area of the position in the reference picture corresponding to the motion vector included in the selected candidate, and searches for the most matching area in the peripheral area. Then, the motion search unit 1263 determines a motion vector for the current block based on the most matching area in the surrounding area. Also, for example, the motion search unit 1263 may determine the motion vector included in the selected candidate as the motion vector for the current block.
  • the motion compensation unit 1264 performs motion compensation using the motion vector determined by the motion search unit 1263 to generate an inter prediction signal of the current block.
  • FIG. 13 is a flowchart showing processing of the inter prediction unit of the coding / decoding apparatus according to Embodiment 1.
  • reference numerals in parentheses indicate processing of the inter prediction unit of the decoding device.
  • the candidate derivation unit 1261 derives a plurality of candidates from the adjacent block to generate a candidate list (S101).
  • FIG. 14 is a diagram showing an example of the candidate list in the first embodiment.
  • each candidate has a candidate index, a reference picture index, and a motion vector.
  • the range determining unit 1262 selects a reference picture from the reference picture list (S102). For example, the range determining unit 1262 selects reference pictures in ascending order of the reference picture index. For example, in the reference picture list of FIG. 15, the range determining unit 1262 first selects a reference picture whose reference picture index is “0”.
  • the range determining unit 1262 determines a motion search range in the reference picture (S103). Here, the determination of the motion search range will be described with reference to FIG.
  • FIG. 16 is a diagram showing an example of the motion search range 1022 in the first embodiment.
  • the current block 1000 and the adjacent blocks 1001 to 1004 in the current picture are shown at corresponding positions in the reference picture.
  • the range determining unit 1262 acquires motion vectors 1011 to 1014 of the plurality of adjacent blocks 1001 to 1004 from the candidate list. Then, range determination unit 1262 scales motion vectors 1011 to 1014 as necessary, and calculates an average motion vector 1020 of motion vectors 1011 to 1014.
  • the range determination unit 1262 determines the representative position 1021 of the motion search range based on the average motion vector 1020.
  • the central position is adopted as the representative position 1021.
  • the representative position 1021 is not limited to the center position, and any one of the vertex positions of the motion search range (for example, the upper left vertex position) may be used.
  • the range determination unit 1262 determines the size of the motion search range based on the memory bandwidth and the processing capability. For example, the range determination unit 1262 determines the number of horizontal pixels and the number of vertical pixels that represent the size of the motion search range.
  • the range determination unit 1262 determines a motion search range 1022 based on the representative position 1021 and the size of the motion search range determined in this manner.
  • the motion search unit 1263 excludes a candidate having a motion vector corresponding to a position outside the motion search range from the candidate list (S104). For example, in FIG. 16, the motion search unit 1263 excludes, from the candidate list, a candidate having motion vectors 1012, 1013 pointing to a position outside the motion search range.
  • the motion search unit 1263 calculates the evaluation value of the candidate remaining in the candidate list (S105). For example, the motion search unit 1263 calculates, as an evaluation value, the difference value between the reconstructed image (template) of the adjacent block in the current picture and the reconstructed image of the area in the reference picture corresponding to the candidate motion vector. Yes (template matching).
  • the area in the reference picture corresponding to the candidate motion vector is the area of the adjacent block motion compensated in the reference picture using the candidate motion vector.
  • the evaluation value may be the reciprocal of the difference value. In this case, the evaluation becomes higher as the evaluation value increases.
  • the motion search unit 1263 selects a candidate from the candidate list based on the evaluation value (S106). For example, the motion search unit 1263 selects the candidate having the smallest evaluation value.
  • the motion search unit 1263 determines the peripheral area of the area corresponding to the motion vector of the selected candidate (S107). For example, when the motion vector 1014 in FIG. 16 is selected, the motion search unit 1263 determines the peripheral region 1023 of the region of the current block motion-compensated using the motion vector 1014 in the reference picture, as shown in FIG. Do.
  • the size of the peripheral area 1023 may be predefined, for example, in a standard. Specifically, as the size of the peripheral region 1023, a fixed size such as 8x8 pixels, 16x16 pixels or 32x32 pixels may be defined in advance. Also, the size of the peripheral area 1023 may be determined based on the processing capacity. In this case, information on the size of the peripheral area 1023 may be written to the bitstream. In consideration of the size of the peripheral area 1023, the number of horizontal pixels and the number of vertical pixels representing the size of the motion search area may be determined and written into the bit stream.
  • the motion search unit 1263 determines whether the determined peripheral region is included in the motion search range (S108). That is, the motion search unit 1263 determines whether the entire peripheral region is included in the motion search range.
  • the motion search unit 1263 performs pattern matching in the peripheral area (S109). As a result, the motion search unit 1263 obtains the evaluation value of the area in the reference picture that most closely matches the reconstructed image of the adjacent block in the peripheral area.
  • the motion search unit 1263 performs pattern matching in a partial area included in the motion search range in the peripheral area (S110). That is, the motion search unit 1263 does not perform pattern matching on partial regions of the peripheral region that are not included in the motion search range.
  • the range determining unit 1262 determines whether there is an unselected reference picture in the reference picture (S111). Here, when there is an unselected reference picture (Yes in S111), the process returns to the selection of the reference picture (S102).
  • the motion search unit 1263 determines a motion vector for the current picture based on the evaluation value (S112). That is, the motion search unit 1263 determines the motion vector of the candidate with the highest evaluation in the plurality of reference pictures as the motion vector for the current picture.
  • inter prediction unit of decoding apparatus an internal configuration of the inter prediction unit 218 of the decoding device 200 will be described. Specifically, a functional configuration of the inter prediction unit 218 of the decoding device 200 for realizing a mode (FRUC mode) in which the decoding device side performs motion search will be described.
  • FRUC mode a mode in which the decoding device side performs motion search
  • FIG. 18 is a block diagram showing an internal configuration of the inter prediction unit 218 of the decoding device 200 according to Embodiment 1.
  • the inter prediction unit 218 includes a candidate derivation unit 2181, a range determination unit 2182, a motion search unit 2183, and a motion compensation unit 2184.
  • the candidate derivation unit 2181 derives a plurality of candidates each having at least one motion vector. Specifically, the candidate derivation unit 2181 derives a plurality of candidates based on spatial and / or temporal motion vectors of adjacent blocks.
  • Range determination unit 2182 determines a motion search range in the reference picture. Specifically, the range determination unit 2182 first acquires motion search range information deciphered from the bit stream. Then, the range determination unit 2182 determines the size of the motion search range based on the motion search range information. Further, similarly to the range determination unit 1262 of the encoding device 100, the range determination unit 2182 determines the position of the motion search range. Thereby, the motion search range in the reference picture is determined.
  • the motion search unit 2183 performs a motion search within the motion search range of the reference picture. Specifically, the motion search unit 2183 first reads a reconstructed image of the motion search range in the reference picture from the frame memory 214. For example, the motion search unit 2183 reads out only the reconstructed image of the motion search range among the reference pictures. Then, similarly to the motion search unit 1263 of the encoding device 100, the motion search unit 2183 performs a motion search within the motion search range to determine a motion vector for the current block.
  • the motion compensation unit 2184 generates an inter prediction signal of the current block by performing motion compensation using the motion vector determined by the motion search unit 2183.
  • step S203 will be described.
  • Range determination unit 2182 determines a motion search range in the reference picture (S203). At this time, the range determination unit 2182 determines the size of the motion search range based on the motion search range information deciphered from the bit stream. Further, similarly to the range determination unit 1262 of the encoding device 100, the range determination unit 2182 determines the position of the motion search range based on the plurality of candidates included in the candidate list.
  • the candidate having the motion vector corresponding to the position outside the motion search range is excluded. After that, candidates can be selected. Therefore, the processing load for candidate selection can be reduced. Furthermore, since it is not necessary to read a reconstructed image out of the motion search range from the frame memory, the memory bandwidth for motion search can be reduced.
  • the encoding apparatus 100 and the decoding apparatus 200 it is possible to write information on the motion search range in the bit stream and read out information on the motion search range from the bit stream. Therefore, the same motion search range as the motion search range used by the encoding device 100 can be used by the decoding device 200 as well. Furthermore, the processing load for determining the motion search range in the decoding device 200 can be reduced.
  • the encoding apparatus 100 and the decoding apparatus 200 according to the present embodiment, information indicating the size of the motion search range can be included in the bit stream. Therefore, the motion search range having the same size as the size of the motion search range used in the encoding device 100 can be used in the decoding device 200 as well. Furthermore, the processing load for determining the size of the motion search range in the decoding apparatus 200 can be reduced.
  • the average motion obtained from a plurality of candidates derived from a plurality of blocks adjacent to the current block The position of the motion search range can be determined based on the vector. Therefore, an area suitable for searching for a motion vector for the current block can be determined as the motion search range, and the accuracy of the motion vector can be improved.
  • the current block of the current block is Motion vectors can be determined. Therefore, the accuracy of the motion vector can be further improved.
  • the motion search range of the surrounding area Pattern matching can be performed in the partial region in the inside. Therefore, motion search outside the motion search range can be avoided, and processing load and memory bandwidth requirements can be reduced.
  • the position of the motion search range is determined based on the average motion vector of the plurality of motion vectors included in the plurality of candidates in the candidate list, but in the present modification, the position in the candidate list It is determined based on a central motion vector of a plurality of motion vectors included in a plurality of candidates.
  • Range determination units 1262 and 2182 refer to the candidate list to obtain a plurality of motion vectors included in the plurality of candidates. Then, the range determination units 1262 and 2182 calculate center motion vectors of the plurality of acquired motion vectors.
  • the central motion vector is a motion vector consisting of a median of horizontal values and medians of vertical values of a plurality of motion vectors.
  • the range determination units 1262 and 2182 determine the representative position of the motion search range based on the calculated central motion vector.
  • the position of the motion search range is determined based on the central motion vector obtained from the plurality of candidates derived from the plurality of blocks adjacent to the current block. It can be decided. Therefore, an area suitable for searching for a motion vector for the current block can be determined as the motion search range, and the accuracy of the motion vector can be improved.
  • Range determination units 1262 and 2182 refer to the candidate list to obtain a plurality of motion vectors included in the plurality of candidates. Then, the range determination units 1262 and 2182 select a motion vector (that is, a minimum motion vector) having the smallest magnitude from among the acquired plurality of motion vectors.
  • range determining sections 1262 and 2182 select the motion vector (0, 0 having the smallest magnitude) included in the candidate having candidate index “2” among the plurality of motion vectors. Select 8).
  • the range determination units 1262 and 2182 determine the representative position of the motion search range based on the selected minimum motion vector.
  • FIG. 19 is a diagram showing an example of a motion search range in the second modification of the first embodiment.
  • the range determination units 1262 and 2182 select the motion vector 1013 having the smallest magnitude among the motion vectors 1011 to 1014 of the adjacent block as the minimum motion vector 1030. Subsequently, the range determination units 1262 and 2182 determine the representative position 1031 of the motion search range based on the minimum motion vector 1030. Then, the range determination units 1262 and 2182 determine the motion search range 1032 based on the determined representative position 1031.
  • the position of the motion search range is determined based on the minimum motion vector obtained from the plurality of candidates derived from the plurality of blocks adjacent to the current block. It can be decided. Therefore, an area close to the current block can be determined as the motion search range, and the accuracy of the motion vector can be improved.
  • Range determining sections 1262 and 2182 refer to the reference picture list to select a reference picture which is an encoded / decoded picture different from the current picture.
  • the range determining units 1262 and 2182 select the reference picture having the smallest reference picture index. Further, for example, the range determination units 1262 and 2182 may select the reference picture closest to the current picture in the output order.
  • the range determining units 1262 and 2182 obtain a plurality of motion vectors used in encoding / decoding of a plurality of blocks included in the selected reference picture. Then, the range determining units 1262 and 2182 calculate an average motion vector of the plurality of acquired motion vectors.
  • the range determining units 1262 and 2182 determine the representative position of the motion search range based on the calculated average motion vector.
  • the motion vector of the coded / decoded picture does not change even if the current block in the current picture changes, so every time the current block changes. It is not necessary to determine the motion search range from the motion vector of the adjacent block. That is, the processing load for determining the motion search range can be reduced.
  • the representative position of the motion search range is determined based on the average motion vector of the selected reference picture
  • the present invention is not limited to this.
  • a central motion vector may be used.
  • a motion vector of a co-located block may be used.
  • Modification 4 of Embodiment 1 a fourth modification of the first embodiment will be described.
  • the reference picture is divided into a plurality of areas, and a plurality of motion vectors included in the plurality of candidates are grouped based on the divided areas.
  • the position of the motion search range is determined based on the group including the largest number of motion vectors.
  • FIG. 20 is a diagram showing an example of a motion search range in the fourth modification of the first embodiment.
  • Range determination units 1262 and 2182 perform region division on the reference picture. For example, as shown in FIG. 20, the range determining units 1262 and 2182 divide the reference picture into four areas (first to fourth areas) based on the position of the current picture.
  • Range determination sections 1262 and 2182 group a plurality of motion vectors of adjacent blocks based on a plurality of regions. For example, in FIG. 20, the range determining units 1262 and 2182 select a plurality of motion vectors 1011 to 1014, a first group including a motion vector 1013 corresponding to a first area, and a motion vector 1011 and 1012 corresponding to a second area. Group it into a second group including 1014.
  • the range determination units 1262 and 2182 determine the position of the motion search range based on the group including the largest number of motion vectors. For example, in FIG. 20, the range determination units 1262 and 2182 determine the representative position 1041 of the motion search range based on the average motion vector 1040 of the motion vectors 1011, 1012, and 1014 included in the second group. Note that, instead of the average motion vector, a central motion vector or a minimum motion vector may be used.
  • a region suitable for searching for a motion vector for the current block can be determined as the motion search range, and the accuracy of the motion vector is improved. It can be done.
  • FIG. 21 is a diagram showing an example of a motion search range in the fifth modification of the first embodiment.
  • Range determination units 1262 and 2182 correct the position of the motion search range determined based on, for example, the average motion vector. Specifically, the range determination units 1262 and 2182 first temporarily determine the motion search range based on the average motion vector of the plurality of motion vectors included in the plurality of candidates. For example, the range determination units 1262 and 2182 temporarily determine the motion search range 1050 as shown in FIG.
  • the range determination units 1262 and 2182 determine whether or not the position corresponding to the zero motion vector is included in the temporarily determined motion search range. That is, the range determination units 1262 and 2182 determine whether or not the reference position (for example, the upper left corner) of the current block in the reference picture is included in the temporarily determined motion search range 1050. For example, in FIG. 21, the range determination units 1262 and 2182 determine whether or not the temporarily determined motion search range 1050 includes the position 1051 corresponding to the zero motion vector.
  • the range determining units 1262 and 2182 tentatively determine that the motion search range includes the position corresponding to the zero motion vector. Correct the position of the specified motion search range. For example, in FIG. 21, since the temporarily determined motion search range 1050 does not include the position 1051 corresponding to the zero motion vector, the range determination units 1262 and 2182 correct the motion search range 1050 to the motion search range 1052. As a result, the corrected motion search range 1052 includes the position 1051 corresponding to the zero motion vector.
  • the range determining units 1262 and 2182 directly determine the temporarily determined motion search range as the motion search range. That is, the range determination units 1262 and 2182 do not correct the position of the motion search range.
  • a region suitable for searching for a motion vector for the current block can be determined as the motion search range, and the accuracy of the motion vector is improved. It can be done.
  • the position of the motion search range is corrected to include the position corresponding to the zero motion vector, but in the present modification, it corresponds to the motion vector of one of the plurality of adjacent blocks.
  • the position of the motion search range is corrected to include the position of
  • FIG. 22 is a diagram showing an example of a motion search range in the sixth modification of the first embodiment.
  • the range determining units 1262 and 2182 temporarily determine a motion search range based on, for example, an average motion vector, as in the fifth modification.
  • the range determination units 1262 and 2182 temporarily determine the motion search range 1050 as shown in FIG.
  • the range determination units 1262 and 2182 determine whether or not the position corresponding to the motion vector of one of the plurality of adjacent blocks is included in the temporarily determined motion search range. For example, in FIG. 22, the range determination units 1262 and 2182 determine whether or not the temporarily determined motion search range 1050 includes the position 1053 corresponding to the motion vector 1011 of the adjacent block 1001.
  • a predetermined adjacent block may be used as one adjacent block among the plurality of adjacent blocks, and for example, a left adjacent block or an upper adjacent block may be used.
  • the range determination unit 1262 or 2182 determines that the motion search range is the motion vector
  • the position of the temporarily determined motion search range is corrected to include the position corresponding to. For example, in FIG. 22, since the temporarily determined motion search range 1050 does not include the position 1053 corresponding to the motion vector 1011 of the adjacent block 1001, the range determination unit 1262 or 2182 puts the motion search range 1050 into the motion search range 1054. to correct. As a result, the corrected motion search range 1054 includes the position 1053.
  • the range determining units 1262 and 2182 leave the temporarily determined motion search range as it is. Determine the motion search range. That is, the range determination units 1262 and 2182 do not correct the position of the motion search range.
  • a region suitable for searching for a motion vector for the current block can be determined as the motion search range, and the accuracy of the motion vector is improved. It can be done.
  • Modification 7 of Embodiment 1 A seventh modification of the first embodiment will now be described.
  • the present modification differs from the first embodiment in that the bit stream does not include information on the motion search range.
  • the present modification will be described with reference to FIG. 23, focusing on differences from the first embodiment.
  • FIG. 23 is a block diagram showing a functional configuration of a coding and decoding system 300 according to Variation 7 of Embodiment 1. As shown in FIG. 23, the coding and decoding system 300 includes a coding system 310 and a decoding system 320.
  • the encoding system 310 encodes an input moving image and outputs a bit stream.
  • the coding system 310 comprises a communication device 311, a coding device 312 and an output buffer 313.
  • the communication device 311 exchanges capability information with the decoding system 320 via a communication network (not shown) or the like, and generates motion search range information based on the capability information. Specifically, the communication device 311 transmits the coding capability information to the decoding system 320 and receives the decoding capability information from the decoding system 320.
  • the coding capability information includes information such as processing power and memory bandwidth for motion search in the coding system 310.
  • the decoding capability information includes information such as processing capability and memory bandwidth for motion search in the decoding system 320.
  • the encoding unit 312 encodes the input moving image and outputs a bit stream to the output buffer 313. At this time, the coding apparatus 312 performs substantially the same processing as the coding apparatus 100 according to the first embodiment except that the size of the motion search range is determined based on the motion search range information acquired from the communication device 311. I do.
  • the output buffer 313 is a so-called buffer memory, temporarily stores the bit stream input from the encoding device 312, and outputs the stored bit stream to the decoding system 320 via a communication network or the like.
  • the decoding system 320 decodes the bit stream input from the encoding system 310 and outputs an output moving image to a display (not shown) or the like.
  • the decoding system 320 includes a communication device 321, a decoding device 322, and an input buffer 323.
  • the communication device 321 exchanges capability information with the coding system 310 via a communication network or the like, similarly to the communication device 311 of the coding system 310, and generates motion search range information based on the capability information. Specifically, the communication device 311 transmits the decoding capability information to the coding system 310 and receives the coding capability information from the coding system 310.
  • the decoding device 322 decodes the bit stream input from the input buffer 323, and outputs an output moving image to a display or the like. At this time, the decoding device 322 performs substantially the same processing as the decoding device 200 according to Embodiment 1 except that the motion search range is determined based on the motion search range information acquired from the communication device 321. If the motion search range determined based on the motion search range information acquired from the communication device 321 exceeds the motion search range that can be processed by the decoding device 322, a message indicating that decoding is not possible is transmitted to the communication device 321. You may
  • the input buffer 323 is a so-called buffer memory, temporarily stores the bit stream input from the coding system 310, and outputs the stored bit stream to the decoding device 322.
  • the encoding / decoding system 300 As described above, according to the encoding / decoding system 300 according to the present modification, even if the information regarding the motion search range is not included in the bit stream, the same motion search range is used in the encoding device 312 and the decoding device 322. Motion search can be performed. Therefore, the amount of code for the motion search range can be reduced. Further, the processing amount can be reduced because it is not necessary to perform processing of determining the number of horizontal pixels and the number of vertical pixels representing the size of the motion search range in the range determination unit 1262.
  • Modification 8 of Embodiment 1 In the first embodiment, all of the plurality of reference pictures included in the reference picture list are selected in order, but not all reference pictures may be selected. In this modification, an example in which the number of reference pictures to be selected is limited will be described.
  • Range determining section 1262 of encoding apparatus 100 is, as with the size of the motion search range, based on the memory bandwidth and processing power, etc., for reference pictures permitted to be used for motion search in FRUC mode.
  • the number (hereinafter referred to as the reference picture allowance number) is determined.
  • Information on the determined reference picture allowance number (hereinafter referred to as reference picture allowance number information) is written to the bitstream.
  • the range determining unit 2182 of the decoding device 200 determines the number of permitted reference pictures based on the number of permitted reference picture information deciphered from the bit stream.
  • the position in the bit stream to which the reference picture permission number information is written is not particularly limited.
  • the reference picture permission number information may be written to the VPS, the SPS, the PPS, the slice header or the video system setting parameter, as in the motion search range information shown in FIG.
  • the number of reference pictures used in the FRUC mode is limited. Specifically, for example, in step S111 of FIG. 13, the range determination units 1262 and 2182 determine whether or not there is an unselected reference picture and the number of selected reference pictures is less than the reference picture permission number. judge. Here, if there is no unselected reference picture, or if the number of selected reference pictures is equal to or larger than the reference picture permission number (Yes in S111), the process proceeds to step S112. As a result, the selection of the number of reference pictures exceeding the reference picture permission number is prohibited from the reference picture list.
  • the range determination units 1262 and 2182 may select reference pictures in ascending order of reference picture index values or in order close in time to the current picture, for example.
  • a reference picture having a small reference picture index value or a reference picture temporally close to the current picture is preferentially selected from the reference picture list.
  • the temporal distance between the current picture and the reference picture may be determined based on POC (Picture Order Count).
  • the number of reference pictures used in motion search can be limited to the number of permitted reference pictures or less. Therefore, the processing load for motion search can be reduced.
  • range determining sections 1262 and 2182 set the number of reference pictures included in the layer lower than the layer of the current picture indicated by the time identifier as the reference picture permission number. You may limit based on.
  • the size of the motion search range may depend on the memory bandwidth and processing power as well as the number of reference pictures referenced in inter prediction.
  • the range determination units 1262 and 2182 first determine the total size of a plurality of motion search ranges in a plurality of reference pictures referenced in inter prediction based on the memory bandwidth and the processing capability. Then, the range determining units 1262 and 2182 determine the size of the motion search range of each reference picture based on the number of the plurality of reference pictures and the determined total size. That is, the range determination unit 1262 causes the sum of the sizes of the plurality of motion search ranges in the plurality of reference pictures to match the total size of the plurality of motion search ranges determined based on the memory bandwidth and the processing capability. , Determine the size of the motion search range in each reference picture.
  • FIG. 24 is a diagram showing a motion search range in the ninth modification of the first embodiment.
  • (A) of FIG. 24 illustrates an example of a motion search range in prediction (bi-prediction) in which two reference pictures are referred to, and (b) in FIG. 24 illustrates motion search in prediction in which four reference pictures are referred to An example of the range is shown.
  • motion search ranges F20 and B20 are determined for the forward reference picture 0 and the backward reference picture 0, respectively.
  • Pattern matching template matching or bilateral matching is performed in the motion search range F20 and the motion search range B20.
  • motion search ranges F40, F41, B40, and B41 are determined for the forward reference picture 0, the forward reference picture 1, the backward reference picture 0, and the backward reference picture 1, respectively. Therefore, pattern matching is performed in the motion search ranges F40, F41, B40, and B41.
  • the sum of the sizes of the motion search ranges F20 and B20 substantially matches the sum of the sizes of the motion search ranges F40, F41, B40, and B41. That is, the size of the motion search range in each reference picture is determined based on the number of reference pictures referenced in inter prediction.
  • the size of the motion search range in each reference picture can be determined based on the number of reference pictures referenced in inter prediction. Therefore, it is possible to control the total size of the region in which the motion search is performed, and to reduce the processing load and the required amount of memory bandwidth more efficiently.
  • FRUC processing motion compensation prediction by bi-directional optical flow (BIO) is performed as required following motion search and motion compensation (hereinafter referred to as FRUC processing) in the FRUC mode of the first embodiment and each of the above-mentioned modifications.
  • OBMC overlapping block motion compensation prediction
  • the FRUC mode is a mode in which a motion vector can be determined without describing information on a motion vector in a stream by performing cost evaluation using a decoded picture or a decoded block on the decoding device side.
  • the motion vector of the coding / decoding target block is estimated without using the image of the coding / decoding target block.
  • Each of the BIO process and the OBMC process is an example of a correction process for correcting a motion vector or a motion compensated image obtained in the FRUC mode.
  • FIG. 25 is a block diagram showing an internal configuration of the inter prediction unit 400 of the coding apparatus / decoding apparatus according to the tenth modification of the first embodiment.
  • the inter prediction unit 400 according to the present variation performs motion compensation prediction of each of FRUC, BIO, and OBMC.
  • the inter prediction unit 400 includes a range determination unit 401, an acquired reference image management unit 402, a motion compensation prediction unit 403 for FRUC, a motion compensation prediction unit 404 for BIO, and a motion compensation prediction for OBMC. And a unit 405.
  • Range determining section 401 determines a motion search range as in the first embodiment or any of the variations. Furthermore, the range determination unit 401 may determine the range in the reference image used for motion compensation as the motion compensation range.
  • the acquisition reference image management unit 402 holds the information on the motion search range and / or the motion compensation range determined by the range determination unit 401 as information on the area of the reference image.
  • the motion compensation prediction unit for FRUC 403 acquires a reference image from a frame memory outside the encoding device / decoding device, and performs a motion search using the reference image and an input image (current image). In addition, the motion compensation prediction unit for FRUC 403 acquires a reference image from a frame memory provided outside the encoding device / decoding device, and performs motion compensation using the reference image. At this time, the motion search range and motion compensation range in the FRUC mode are limited by the memory bandwidth between the encoder / decoder and the frame memory, and the processing capability of motion search or motion compensation of the motion compensation prediction unit 403 for FRUC. Be done.
  • the motion search range and motion compensation range (that is, the first region) in the FRUC mode are limited to the motion search range and motion compensation range determined by the range determination unit 401.
  • the BIO motion compensation prediction unit 404 determines whether to perform the BIO process.
  • the OBMC motion compensation prediction unit 405 determines whether to perform the OBMC process based on the information on the area of the reference image obtained from the acquired reference image management unit 402.
  • the inter prediction unit 400 may not include the range determination unit 401.
  • the acquisition reference image management unit 402 may hold information on the regions of all the reference images acquired by the motion compensation prediction unit 403 for FRUC.
  • the BIO motion compensation prediction unit 404 and the OBMC motion compensation prediction unit 405 may determine whether to perform the BIO processing and the OBMC processing based on the information on the areas of all the reference images.
  • FIG. 26 is a flowchart showing processing of the inter prediction unit 400 of the coding apparatus / decoding apparatus according to Variation 10 of Embodiment 1.
  • processing is performed in order of FRUC processing (S400), BIO processing (S500), and OBMC processing (S600).
  • the FRUC process is the same as that of the first embodiment or any of its modifications.
  • the range determination unit 401 acquires information for limiting the motion search range (S401). That is, the range determination unit 401 determines a partial region in the reference picture for which motion search is permitted as the motion search range.
  • the motion compensation prediction unit for FRUC 403 performs loop processing in units of blocks (S402 to S408).
  • the motion compensation prediction unit for FRUC 403 first generates a candidate MV list (S403).
  • the motion compensation prediction unit for FRUC 403 excludes a candidate having a motion vector corresponding to a position outside the limited motion search range from the candidates in the candidate MV list (S404).
  • the motion compensation prediction unit for FRUC 403 evaluates the cost of the remaining candidates (S405), and selects the candidate of the minimum cost (S406).
  • the motion compensation prediction unit for FRUC 403 searches for the periphery of the position in the reference picture corresponding to the motion vector of the selected candidate (S407).
  • BIO processing (S500) is performed.
  • the BIO motion compensation prediction unit 404 specifies a reference region required for the BIO (S501). That is, the area in the reference picture referenced by BIO is specified as the reference area.
  • the reference area identified here is an example of the second area.
  • the BIO motion compensation prediction unit 404 determines whether the identified reference area (that is, the second area) is included in the reference image (that is, the first area) acquired in the FRUC processing (S502). For example, it is determined whether the entire area of the identified reference area is included in the motion search range determined in step S401.
  • an OBMC process (S600) is performed.
  • loop processing (S601 to S605) in units of subblocks is performed.
  • the motion compensation / prediction unit for OBMC 405 first specifies a reference region required for the OBMC (S602). That is, the area in the reference picture referenced by the OBMC is specified as the reference area.
  • the reference area identified here is an example of the second area.
  • the OBMC motion compensation prediction unit 405 determines whether the identified reference area (that is, the second area) is included in the reference image (that is, the first area) acquired in the FRUC processing (S603). For example, it is determined whether the entire area of the identified reference area is included in the motion search range determined in step S401.
  • the motion compensation prediction processing by the OBMC is performed (S604).
  • the specified reference area is not included in the reference image acquired by the FRUC processing (No in S603), the loop processing in units of subblocks is exited, and the OBMC processing is ended.
  • BIO processing and OBMC processing are performed following the FRUC processing.
  • the BIO process or the OBMC process referring to the pixel area is It is excluded from candidates for BIO processing or OBMC processing.
  • the BIO processing of the current block and / or the OBMC processing of the current sub-block may be prohibited.
  • BIO processing only one of the BIO processing and the OBMC processing may be prohibited based on the reference area.
  • the inter-screen Motion compensation prediction can be prohibited. That is, if the second area referred to in the BIO process or the OBMC process is included in the first area referred to by the FRUC, the BIO process or the OBMC process is permitted, otherwise the BIO process or the OBMC process is prohibited. . This makes it possible to suppress an increase in external memory access accompanying BIO processing and OBMC processing.
  • the encoded stream restricted so as not to refer to the area beyond the reference image range acquired in the FRUC processing may be decoded.
  • the motion search range is limited in the FRUC processing, but is not limited to this.
  • the motion search range may not be limited in the FRUC processing.
  • inter-frame motion compensation prediction processing for example, BIO, OBMC, etc.
  • motion search in the FRUC mode is performed in variable size block units called a coding unit (CU), a prediction unit (PU), or a transform unit (TU).
  • the motion search in the FRUC mode may be performed in units of subblocks obtained by further dividing a block of variable size.
  • a vector for example, an average vector, a center vector, etc.
  • determining the position of the motion search range may be performed on a picture basis, a block basis, or a sub block basis.
  • the size of the motion search range is determined based on the processing capacity, the memory bandwidth, and the like, but is not limited to this.
  • the size of the motion search range may be determined based on the type of reference picture.
  • the range determination unit 1262 determines the size of the motion search range to be the first size when the reference picture is a B picture, and the size of the motion search range to be the first size when the reference picture is a P picture.
  • the second size may be determined to be larger than the second size.
  • the candidate when the position corresponding to the motion vector included in the candidate is not included in the motion search range, the candidate is excluded from the candidate list, but I can not.
  • the candidate in the case where a part or all of the peripheral area of the position corresponding to the motion vector included in the candidate is not included in the motion search range, the candidate may be excluded from the candidate list.
  • pattern matching is performed in the peripheral region of the position corresponding to the motion vector included in the selected candidate, but the present invention is not limited to this.
  • pattern matching of the peripheral region may not be performed.
  • the motion vector included in the candidate may be determined as the motion vector for the current block as it is.
  • the candidate excluded from the candidate list has a motion vector corresponding to a position outside the motion search range, but is not limited to this.
  • the candidate may be excluded from the candidate list. That is, it may be determined whether the candidate is excluded based on the position of the pixel used for the interpolation for the decimal pixel.
  • candidates in which pixels outside the motion search range are used in BIO or OBMC may be excluded from the candidate list.
  • other candidates may be excluded while leaving the candidate having the smallest reference picture index among the plurality of candidates.
  • the mode for limiting the motion search range is always applied to the reference picture, but the present invention is not limited to this.
  • application / non-application of the mode may be selected on a video, sequence, picture, slice or block basis.
  • flag information indicating whether to apply the mode may be included in the bitstream.
  • the position in the bit stream of the flag information need not be particularly limited.
  • the flag information may be included at the same position as the motion search range information shown in FIG.
  • the motion vector of each candidate may be scaled based on a reference picture serving as a reference.
  • the motion vector of each candidate may be scaled based on a reference picture different from the reference picture index of the encoding and decoding results.
  • a reference picture having a reference picture index of “0” may be used as a reference picture to be a reference.
  • a reference picture closest to the current picture in output order may be used as a reference picture to be a reference.
  • the same block as the current block is referenced by referring to an area at a position shifted above or to the left of the current block in the current picture.
  • the motion search range may be limited as in the above embodiment and each modification.
  • the size of the motion search range corresponding to the feature amount or type of the current block or current picture may be determined.
  • the size (number of pixels) or the like may be used as the feature amount
  • the prediction mode for example, uni-prediction, bi-prediction, etc.
  • the limited motion search range in the FRUC process is determined in consideration of peripheral pixels to be referred to in inter-screen motion compensation prediction (for example, BIO, OBMC, etc.) following the FRUC process.
  • the motion search range of the FRUC processing may be determined so as to include the reference region referred to in the inter-screen motion compensation prediction processing performed after the FRUC processing.
  • a motion search range determined based on a motion vector, and a region that may be referred to in inter-screen motion compensation prediction following FRUC processing May be determined to include a limited motion search range.
  • the motion search range may be determined to include a reference region to be referenced in the LIC process.
  • 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. 27 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, or a terminal in an airplane ex117 that can decode the 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. 29, 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. 30 is a diagram showing an example of a display screen of a web page in the computer ex111 and the like.
  • FIG. 31 is a diagram illustrating an example of a display screen of a web page in the smartphone ex115 or 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 the 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. 32 is a diagram showing the smartphone ex115. Further, FIG. 33 is a diagram illustrating a configuration example 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, Specify a user, a memory unit ex467 capable of storing encoded video or still image, recorded voice, received video or still image, encoded data such as mail, or decoded data, and various networks and networks And a slot unit ex464 that is an interface unit with the SIM ex 468 for authenticating access to 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 the moving picture linked from the display unit ex 458 via the display control unit ex 459 An image or a still image included in the 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 have a configuration in which only the video data is reproduced without reproducing the audio signal. Audio may be synchronized and played back only when the user performs an operation such as clicking on video data.
  • the smartphone ex115 is described as an example, in addition to a transmission / reception terminal having both an encoder and a decoder as a terminal, it is referred to as a transmitting terminal having only the encoder and a receiving terminal having only the decoder.
  • a transmitting terminal having only the encoder
  • a receiving terminal having only the decoder.
  • 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
  • the present disclosure is applicable to, for example, television receivers, digital video recorders, car navigation systems, mobile phones, digital cameras, digital video cameras, and the like.

Landscapes

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

Abstract

動きベクトルを用いて符号化対象ブロックを符号化する符号化装置（１００）は、回路と、メモリと、を備え、回路は、メモリを用いて、参照ピクチャ内の第１領域を参照することにより、符号化対象ブロックの画像を用いずに符号化対象ブロックの動きベクトルを推定し、かつ、推定された動きベクトルを用いて動き補償を行い、推定された動きベクトル又は動き補償によって得られた符号化対象ブロックの予測画像を補正する補正処理において参照される参照ピクチャ内の第２領域を特定し、第２領域が第１領域に包含される場合に補正処理を許可し、第２領域が第１領域に包含されない場合に補正処理を禁止する。

Description

符号化装置、復号装置、符号化方法及び復号方法
　本開示は、符号化装置、復号装置、符号化方法及び復号方法に関する。
　ＨＥＶＣ（Ｈｉｇｈ－Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）と称される映像符号化標準規格が、ＪＣＴ－ＶＣ（Ｊｏｉｎｔ　Ｃｏｌｌａｂｏｒａｔｉｖｅ　Ｔｅａｍ　ｏｎ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）により標準化されている。
Ｈ．２６５（ＩＳＯ／ＩＥＣ　２３００８－２　ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ））
　このような符号化及び復号技術では、さらなる改善が求められている。
　そこで、本開示は、さらなる改善を実現できる符号化装置、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、動きベクトルを用いて符号化対象ブロックを符号化する符号化装置であって、回路と、メモリと、を備え、前記回路は、前記メモリを用いて、参照ピクチャ内の第１領域を参照することにより、前記符号化対象ブロックの画像を用いずに前記符号化対象ブロックの動きベクトルを推定し、かつ、推定された前記動きベクトルを用いて動き補償を行い、推定された前記動きベクトル又は前記動き補償によって得られた前記符号化対象ブロックの予測画像を補正する補正処理において参照される前記参照ピクチャ内の第２領域を特定し、前記第２領域が前記第１領域に包含される場合に前記補正処理を許可し、前記第２領域が前記第１領域に包含されない場合に前記補正処理を禁止する。
　本開示の一態様に係る復号装置は、動きベクトルを用いて復号対象ブロックを復号する復号装置であって、回路と、メモリと、を備え、前記回路は、前記メモリを用いて、参照ピクチャ内の第１領域を参照することにより、前記復号対象ブロックの画像を用いずに前記復号対象ブロックの動きベクトルを推定し、かつ、推定された前記動きベクトルを用いて動き補償を行い、推定された前記動きベクトル又は前記動き補償によって得られた前記符号化対象ブロックの予測画像を補正する処理において参照される前記参照ピクチャ内の第２領域を特定し、前記第２領域が前記第１領域に包含される場合に、前記復号対象ブロックの予測画像を補正する処理を許可し、前記第２領域が前記第１領域に包含されない場合に、前記復号対象ブロックの予測画像を補正する処理を禁止する。
　なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、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、さらなる改善を実現できる符号化装置、復号装置、符号化方法又は復号方法を提供することができる。
図１は、実施の形態１に係る符号化装置の機能構成を示すブロック図である。 図２は、実施の形態１におけるブロック分割の一例を示す図である。 図３は、各変換タイプに対応する変換基底関数を示す表である。 図４Ａは、ＡＬＦで用いられるフィルタの形状の一例を示す図である。 図４Ｂは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図４Ｃは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図５Ａは、イントラ予測における６７個のイントラ予測モードを示す図である。 図５Ｂは、ＯＢＭＣ処理による予測画像補正処理の概要を説明するためのフローチャートである。 図５Ｃは、ＯＢＭＣ処理による予測画像補正処理の概要を説明するための概念図である。 図５Ｄは、ＦＲＵＣの一例を示す図である。 図６は、動き軌道に沿う２つのブロック間でのパターンマッチング（バイラテラルマッチング）を説明するための図である。 図７は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）を説明するための図である。 図８は、等速直線運動を仮定したモデルを説明するための図である。 図９Ａは、複数の隣接ブロックの動きベクトルに基づくサブブロック単位の動きベクトルの導出を説明するための図である。 図９Ｂは、マージモードによる動きベクトル導出処理の概要を説明するための図である。 図９Ｃは、ＤＭＶＲ処理の概要を説明するための概念図である。 図９Ｄは、ＬＩＣ処理による輝度補正処理を用いた予測画像生成方法の概要を説明するための図である。 図１０は、実施の形態１に係る復号装置の機能構成を示すブロック図である。 図１１は、実施の形態１に係る符号化装置のインター予測部の内部構成を示すブロック図である。 図１２は、実施の形態１におけるビットストリーム内の動き探索範囲情報の位置の例を示す図である。 図１３は、実施の形態１に係る符号化／復号装置のインター予測部の処理を示すフローチャートである。 図１４は、実施の形態１における候補リストの一例を示す図である。 図１５は、実施の形態１における参照ピクチャリストの一例を示す図である。 図１６は、実施の形態１における動き探索範囲の一例を示す図である。 図１７は、実施の形態１における周辺領域の一例を示す図である。 図１８は、実施の形態１に係る復号装置のインター予測部の内部構成を示すブロック図である。 図１９は、実施の形態１の変形例２における動き探索範囲の一例を示す図である。 図２０は、実施の形態１の変形例４における動き探索範囲の一例を示す図である。 図２１は、実施の形態１の変形例５における動き探索範囲の一例を示す図である。 図２２は、実施の形態１の変形例６における動き探索範囲の一例を示す図である。 図２３は、実施の形態１の変形例７に係る符号化復号システムの機能構成を示すブロック図である。 図２４は、実施の形態１の変形例９における動き探索範囲を示す図である。 図２５は、実施の形態１の変形例１０に係る符号化／復号装置のインター予測部の内部構成を示すブロック図である。 図２６は、実施の形態１の変形例１０に係る符号化／復号装置のインター予測部の処理を示すフローチャートである。 図２７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２８は、スケーラブル符号化時の符号化構造の一例を示す図である。 図２９は、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３０は、ｗｅｂページの表示画面例を示す図である。 図３１は、ｗｅｂページの表示画面例を示す図である。 図３２は、スマートフォンの一例を示す図である。 図３３は、スマートフォンの構成例を示すブロック図である。
　（本開示の基礎となった知見）
　次世代の動画像圧縮規格では、動き補償のための動き情報の符号量を削減するために、復号装置側で動き探索を行うモードが検討されている。このようなモードでは、復号装置は、復号対象ブロックとは異なる復号済みブロックに類似する参照ピクチャ内の領域を探索（動き探索）することにより、復号対象ブロックのための動きベクトルを導出する。このとき、動き探索による復号装置の処理負荷、及び参照ピクチャのデータ転送による復号装置に要求されるメモリバンド幅の増加が予想されるため、処理負荷及びメモリバンド幅の増加を抑制する技術が求められている。
　さらに、次世代の動画像圧縮規格では、このように探索される動きベクトル又は動き補償画像を補正するモードも検討されている。このようなモードでも、処理負荷及びメモリバンド幅の増加を抑制する技術が求められている。
　そこで、本開示の一態様に係る符号化装置は、動きベクトルを用いて符号化対象ブロックを符号化する符号化装置であって、回路と、メモリと、を備え、前記回路は、前記メモリを用いて、参照ピクチャ内の第１領域を参照することにより、前記符号化対象ブロックの画像を用いずに前記符号化対象ブロックの動きベクトルを推定し、かつ、推定された前記動きベクトルを用いて動き補償を行い、推定された前記動きベクトル又は前記動き補償によって得られた前記符号化対象ブロックの予測画像を補正する補正処理において参照される前記参照ピクチャ内の第２領域を特定し、前記第２領域が前記第１領域に包含される場合に前記補正処理を許可し、前記第２領域が前記第１領域に包含されない場合に前記補正処理を禁止する。
　これによれば、補正処理に伴って新たな領域を参照する必要がないので、新たに参照画像をフレームメモリから読み込まなくてもよく、補正処理のためのメモリバンド幅の要求量を低減させることができる。
　本開示の一態様に係る符号化方法は、動きベクトルを用いて符号化対象ブロックを符号化する符号化方法であって、参照ピクチャ内の第１領域を参照することにより、前記符号化対象ブロックの画像を用いずに前記符号化対象ブロックの動きベクトルを推定し、かつ、推定された前記動きベクトルを用いて動き補償を行い、推定された前記動きベクトル又は前記動き補償によって得られた前記符号化対象ブロックの予測画像を補正する処理において参照される前記参照ピクチャ内の第２領域を特定し、前記第２領域が前記第１領域に包含される場合に、前記符号化対象ブロックの予測画像を補正する処理を許可し、前記第２領域が前記第１領域に包含されない場合に、前記符号化対象ブロックの予測画像を補正する処理を禁止する。
　これによれば、上記符号化装置と同様の効果を奏することができる。
　本開示の一態様に係る復号装置は、動きベクトルを用いて復号対象ブロックを復号する復号装置であって、回路と、メモリと、を備え、前記回路は、前記メモリを用いて、参照ピクチャ内の第１領域を参照することにより、前記復号対象ブロックの画像を用いずに前記復号対象ブロックの動きベクトルを推定し、かつ、推定された前記動きベクトルを用いて動き補償を行い、推定された前記動きベクトル又は前記動き補償によって得られた前記符号化対象ブロックの予測画像を補正する処理において参照される前記参照ピクチャ内の第２領域を特定し、前記第２領域が前記第１領域に包含される場合に、前記復号対象ブロックの予測画像を補正する処理を許可し、前記第２領域が前記第１領域に包含されない場合に、前記復号対象ブロックの予測画像を補正する処理を禁止する。
　これによれば、補正処理に伴って新たな領域を参照する必要がないので、新たに参照画像をフレームメモリから読み込まなくてもよく、補正処理のためのメモリバンド幅の要求量を低減させることができる。
　本開示の一態様に係る復号方法は、動きベクトルを用いて復号対象ブロックを復号する復号方法であって、参照ピクチャ内の第１領域を参照することにより、前記復号対象ブロックの画像を用いずに前記復号対象ブロックの動きベクトルを推定し、かつ、推定された前記動きベクトルを用いて動き補償を行い、推定された前記動きベクトル又は前記動き補償によって得られた前記符号化対象ブロックの予測画像を補正する処理において参照される前記参照ピクチャ内の第２領域を特定し、前記第２領域が前記第１領域に包含される場合に、前記復号対象ブロックの予測画像を補正する処理を許可し、前記第２領域が前記第１領域に包含されない場合に、前記復号対象ブロックの予測画像を補正する処理を禁止する。
　これによれば、上記復号装置と同様の効果を奏することができる。
　なお、これらの全般的または具体的な態様は、システム、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などの記録媒体で実現されてもよく、システム、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及び／または構成を適用可能な符号化装置及び復号装置の一例として、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及び／または構成を適用可能な符号化装置及び復号装置の一例にすぎず、本開示の各態様で説明する処理及び／または構成は、実施の形態１とは異なる符号化装置及び復号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及び／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装置に対して、当該符号化装置または復号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装置に対して、当該符号化装置または復号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装置が実施する方法に対して、処理の追加、及び／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及び／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及び／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及び／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、復号装置では、ストリームに記述されたｏｂｍｃ＿ｆｌａｇを復号することで、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、左隣接及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、及び値がゼロの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、及び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１参照ピクチャ及び第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及びＭＶ値等を用いて算出する。
　なお、符号化装置及び復号装置では、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、左隣接及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、復号装置では、ストリームに記述されたｌｉｃ＿ｆｌａｇを復号することで、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、復号における処理も全く同様となる。
　［復号装置の概要］
　次に、上記の符号化装置１００から出力された符号化信号（符号化ビットストリーム）を復号可能な復号装置の概要について説明する。図１０は、実施の形態１に係る復号装置２００の機能構成を示すブロック図である。復号装置２００は、動画像／画像をブロック単位で復号する動画像／画像復号装置である。
　図１０に示すように、復号装置２００は、エントロピー復号部２０２と、逆量子化部２０４と、逆変換部２０６と、加算部２０８と、ブロックメモリ２１０と、ループフィルタ部２１２と、フレームメモリ２１４と、イントラ予測部２１６と、インター予測部２１８と、予測制御部２２０と、を備える。
　復号装置２００は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、エントロピー復号部２０２、逆量子化部２０４、逆変換部２０６、加算部２０８、ループフィルタ部２１２、イントラ予測部２１６、インター予測部２１８及び予測制御部２２０として機能する。また、復号装置２００は、エントロピー復号部２０２、逆量子化部２０４、逆変換部２０６、加算部２０８、ループフィルタ部２１２、イントラ予測部２１６、インター予測部２１８及び予測制御部２２０に対応する専用の１以上の電子回路として実現されてもよい。
　以下に、復号装置２００に含まれる各構成要素について説明する。
　［エントロピー復号部］
　エントロピー復号部２０２は、符号化ビットストリームをエントロピー復号する。具体的には、エントロピー復号部２０２は、例えば、符号化ビットストリームから二値信号に算術復号する。そして、エントロピー復号部２０２は、二値信号を多値化（ｄｅｂｉｎａｒｉｚｅ）する。これにより、エントロピー復号部２０２は、ブロック単位で量子化係数を逆量子化部２０４に出力する。
　［逆量子化部］
　逆量子化部２０４は、エントロピー復号部２０２からの入力である復号対象ブロック（以下、カレントブロックという）の量子化係数を逆量子化する。具体的には、逆量子化部２０４は、カレントブロックの量子化係数の各々について、当該量子化係数に対応する量子化パラメータに基づいて当該量子化係数を逆量子化する。そして、逆量子化部２０４は、カレントブロックの逆量子化された量子化係数（つまり変換係数）を逆変換部２０６に出力する。
　［逆変換部］
　逆変換部２０６は、逆量子化部２０４からの入力である変換係数を逆変換することにより予測誤差を復元する。
　例えば符号化ビットストリームから読み解かれた情報がＥＭＴ又はＡＭＴを適用することを示す場合（例えばＡＭＴフラグが真）、逆変換部２０６は、読み解かれた変換タイプを示す情報に基づいてカレントブロックの変換係数を逆変換する。
　また例えば、符号化ビットストリームから読み解かれた情報がＮＳＳＴを適用することを示す場合、逆変換部２０６は、変換係数に逆再変換を適用する。
　［加算部］
　加算部２０８は、逆変換部２０６からの入力である予測誤差と予測制御部２２０からの入力である予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部２０８は、再構成されたブロックをブロックメモリ２１０及びループフィルタ部２１２に出力する。
　［ブロックメモリ］
　ブロックメモリ２１０は、イントラ予測で参照されるブロックであって復号対象ピクチャ（以下、カレントピクチャという）内のブロックを格納するための記憶部である。具体的には、ブロックメモリ２１０は、加算部２０８から出力された再構成ブロックを格納する。
　［ループフィルタ部］
　ループフィルタ部２１２は、加算部２０８によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ２１４及び表示装置等に出力する。
　符号化ビットストリームから読み解かれたＡＬＦのオン／オフを示す情報がＡＬＦのオンを示す場合、局所的な勾配の方向及び活性度に基づいて複数のフィルタの中から１つのフィルタが選択され、選択されたフィルタが再構成ブロックに適用される。
　［フレームメモリ］
　フレームメモリ２１４は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ２１４は、ループフィルタ部２１２によってフィルタされた再構成ブロックを格納する。
　［イントラ予測部］
　イントラ予測部２１６は、符号化ビットストリームから読み解かれたイントラ予測モードに基づいて、ブロックメモリ２１０に格納されたカレントピクチャ内のブロックを参照してイントラ予測を行うことで、予測信号（イントラ予測信号）を生成する。具体的には、イントラ予測部２１６は、カレントブロックに隣接するブロックのサンプル（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部２２０に出力する。
　なお、色差ブロックのイントラ予測において輝度ブロックを参照するイントラ予測モードが選択されている場合は、イントラ予測部２１６は、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分を予測してもよい。
　また、符号化ビットストリームから読み解かれた情報がＰＤＰＣの適用を示す場合、イントラ予測部２１６は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正する。
　［インター予測部］
　インター予測部２１８は、フレームメモリ２１４に格納された参照ピクチャを参照して、カレントブロックを予測する。予測は、カレントブロック又はカレントブロック内のサブブロック（例えば４ｘ４ブロック）の単位で行われる。例えば、インター予測部２１８は、符号化ビットストリームから読み解かれた動き情報（例えば動きベクトル）を用いて動き補償を行うことでカレントブロック又はサブブロックのインター予測信号を生成し、インター予測信号を予測制御部２２０に出力する。
　なお、符号化ビットストリームから読み解かれた情報がＯＢＭＣモードを適用することを示す場合、インター予測部２１８は、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号を生成する。
　また、符号化ビットストリームから読み解かれた情報がＦＲＵＣモードを適用することを示す場合、インター予測部２１８は、符号化ストリームから読み解かれたパターンマッチングの方法（バイラテラルマッチング又はテンプレートマッチング）に従って動き探索を行うことにより動き情報を導出する。そして、インター予測部２１８は、導出された動き情報を用いて動き補償を行う。
　また、インター予測部２１８は、ＢＩＯモードが適用される場合に、等速直線運動を仮定したモデルに基づいて動きベクトルを導出する。また、符号化ビットストリームから読み解かれた情報がアフィン動き補償予測モードを適用することを示す場合には、インター予測部２１８は、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出する。
　［予測制御部］
　予測制御部２２０は、イントラ予測信号及びインター予測信号のいずれかを選択し、選択した信号を予測信号として加算部２０８に出力する。
　［符号化装置のインター予測部の内部構成］
　次に、符号化装置１００のインター予測部１２６の内部構成について説明する。具体的には、復号装置側で動き探索を行うモード（ＦＲＵＣモード）を実現するための、符号化装置１００のインター予測部１２６の機能構成について説明する。
　図１１は、実施の形態１に係る符号化装置１００のインター予測部１２６の内部構成を示すブロック図である。インター予測部１２６は、候補導出部１２６１と、範囲決定部１２６２と、動き探索部１２６３と、動き補償部１２６４と、を備える。
　候補導出部１２６１は、各々が少なくとも１つの動きベクトルを有する複数の候補を導出する。この候補は、予測動きベクトル候補と呼ばれる場合がある。また、候補に含まれる動きベクトルは、予測動きベクトルと呼ばれる場合がある。
　具体的には、候補導出部１２６１は、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（以下、隣接ブロックという）の動きベクトルに基づいて、複数の候補を導出する。隣接ブロックの動きベクトルとは、隣接ブロックの動き補償で用いられた動きベクトルである。
　例えば、１つの隣接ブロックのインター予測で２つの参照ピクチャが参照されていた場合、候補導出部１２６１は、その２つの参照ピクチャに対応する２つの動きベクトルに基づいて、２つの参照ピクチャインデックス及び２つの動きベクトルを含む１つの候補を導出する。また例えば、１つの隣接ブロックのインター予測で１つの参照ピクチャが参照されていた場合、候補導出部１２６１は、その１つの参照ピクチャに対応する１つの動きベクトルに基づいて、１つの参照ピクチャインデックス及び１つの動きベクトルを含む１つの候補を導出する。
　複数の隣接ブロックから導出された複数の候補は候補リストに登録される。このとき、候補リストから重複候補が削除されてもよい。また、候補リストに空きがある場合、固定値の動きベクトル（例えばゼロ動きベクトル）を有する候補が登録されてもよい。なお、この候補リストは、マージモードで用いられるマージリストと共通であってもよい。
　空間的に隣接するブロックとは、カレントピクチャに含まれるブロックであって、カレントブロックに隣接するブロックを意味する。空間的に隣接するブロックは、例えばカレントブロックの左、左上、上又は右上のブロックである。空間的に隣接するブロックから導出された動きベクトルは、空間動きベクトルと呼ばれる場合がある。
　時間的に隣接するブロックとは、カレントピクチャと異なる符号化／復号済みピクチャに含まれるブロックを意味する。時間的に隣接するブロックの符号化／復号済みピクチャ内の位置は、カレントブロックのカレントピクチャ内の位置に対応する。時間的に隣接するブロックは、ｃｏ－ｌｏｃａｔｅｄブロックと呼ばれる場合もある。また、時間的に隣接するブロックから導出された動きベクトルは、時間動きベクトルと呼ばれる場合がある。
　範囲決定部１２６２は、参照ピクチャにおける動き探索範囲を決定する。動き探索範囲とは、動き探索が許可される参照ピクチャ内の部分領域を意味する。
　動き探索範囲のサイズは、例えば、メモリバンド幅及び処理能力等に基づいて決定される。メモリバンド幅及び処理能力は、例えば標準化規格で定義されるレベルから得ることができる。また、メモリバンド幅及び処理能力は、復号装置から取得されてもよい。動き探索範囲のサイズとは、ピクチャ内の部分領域の大きさを意味し、例えば動き探索範囲の中心から垂直辺及び水平辺までの距離を示す水平画素数及び垂直画素数によって表すことができる。
　動き探索範囲の位置は、例えば、候補リスト内の複数の候補に含まれる複数の動きベクトルの統計的な代表ベクトルに基づいて決定される。本実施の形態では、統計的な代表ベクトルとして平均動きベクトルを用いる。平均動きベクトルは、複数の動きベクトルの水平値の平均値及び垂直値の平均値からなる動きベクトルである。
　決定された動き探索範囲に関する情報（以下、動き探索範囲情報という）は、ビットストリーム内に符号化される。動き探索範囲情報は、動き探索範囲のサイズを示す情報及び動き探索範囲の位置を示す情報の少なくとも一方を含み、本実施の形態では、動き探索範囲のサイズを示す情報のみを含む。動き探索範囲情報のビットストリーム内の位置は特に限定されない。例えば、動き探索範囲情報は、図１２に示すように、（i）ビデオパラメータセット（ＶＰＳ）、（ii）シーケンスパラメータセット（ＳＰＳ）、（iii）ピクチャパラメータセット（ＰＰＳ）、（iv）スライスヘッダ、又は（v）ビデオシステム設定パラメータに書き込まれてもよい。なお、動き探索範囲情報は、エントロピー符号化されてもされなくてもよい。
　動き探索部１２６３は、参照ピクチャの動き探索範囲内で動き探索を行う。つまり、動き探索部１２６３は、参照ピクチャのうち動き探索範囲に限定して動き探索を行う。具体的には、動き探索部１２６３は、以下のように動き探索を行う。
　まず、動き探索部１２６３は、フレームメモリ１２２から、参照ピクチャ内の動き探索範囲の再構成画像を読み出す。例えば、動き探索部１２６３は、参照ピクチャのうち動き探索範囲の再構成画像のみを読み出す。そして、動き探索部１２６３は、候補導出部１２６１によって導出された複数の候補から、参照ピクチャの動き探索範囲外の位置に対応する動きベクトルを有する候補を除外する。つまり、動き探索部１２６３は、候補リストから、動き探索範囲外の位置を指し示す動きベクトルを有する候補を削除する。
　次に、動き探索部１２６３は、残りの候補の中から候補を選択する。つまり、動き探索部１２６３は、動き探索範囲外の位置に対応する動きベクトルを有する候補が削除された候補リストから候補を選択する。
　この候補の選択は、各候補の評価値に基づいて行われる。例えば上述した第１パターンマッチング（バイラテラルマッチング）が適用される場合には、各候補の評価値は、当該候補の動きベクトルに対応する参照ピクチャ内の領域の再構成画像と、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の再構成画像と、の差分値に基づいて算出される。また例えば第２パターンマッチング（テンプレートマッチング）が適用される場合には、各候補の評価値は、各候補の動きベクトルに対応する参照ピクチャ内の領域の再構成画像と、カレントピクチャ内のカレントブロックに隣接する符号化済みブロックの再構成画像と、の差分値に基づいて算出される。
　最後に、動き探索部１２６３は、選択された候補に基づいて、カレントブロックのための動きベクトルを決定する。具体的には、動き探索部１２６３は、例えば、選択された候補に含まれる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って周辺領域内で最もマッチする領域を探し出す。そして、動き探索部１２６３は、周辺領域内の最もマッチする領域に基づいて、カレントブロックのための動きベクトルを決定する。また例えば、動き探索部１２６３は、選択された候補に含まれる動きベクトルを、カレントブロックのための動きベクトルと決定してもよい。
　動き補償部１２６４は、動き探索部１２６３によって決定された動きベクトルを用いて動き補償を行うことにより、カレントブロックのインター予測信号を生成する。
　［符号化装置のインター予測部の動作］
　次に、以上のように構成されたインター予測部１２６の動作について、図１３～図１７を参照しながら具体的に説明する。以下では、単一の参照ピクチャを参照してインター予測を行う場合について説明する。
　図１３は、実施の形態１に係る符号化／復号装置のインター予測部の処理を示すフローチャートである。図１３において、括弧内の符号は、復号装置のインター予測部の処理を表す。
　まず、候補導出部１２６１は、隣接ブロックから複数の候補を導出して、候補リストを生成する（Ｓ１０１）。図１４は、実施の形態１における候補リストの一例を示す図である。ここでは、各候補は、候補インデックス、参照ピクチャインデックス及び動きベクトルを有する。
　次に、範囲決定部１２６２は、参照ピクチャリストから参照ピクチャを選択する（Ｓ１０２）。例えば、範囲決定部１２６２は、参照ピクチャインデックスの昇順で参照ピクチャを選択する。例えば、図１５の参照ピクチャリストにおいて、範囲決定部１２６２は、最初に参照ピクチャインデックスが「０」の参照ピクチャを選択する。
　範囲決定部１２６２は、参照ピクチャにおいて動き探索範囲を決定する（Ｓ１０３）。ここでは、図１６を参照しながら動き探索範囲の決定について説明する。
　図１６は、実施の形態１における動き探索範囲１０２２の一例を示す図である。図１６において、参照ピクチャ内の対応する位置に、カレントピクチャ内のカレントブロック１０００及び隣接ブロック１００１～１００４が表されている。
　まず、範囲決定部１２６２は、候補リストから、複数の隣接ブロック１００１～１００４の動きベクトル１０１１～１０１４を取得する。そして、範囲決定部１２６２は、必要に応じて動きベクトル１０１１～１０１４をスケーリングし、動きベクトル１０１１～１０１４の平均動きベクトル１０２０を算出する。
　例えば、範囲決定部１２６２は、図１４の候補リストを参照して、複数の動きベクトルの水平値の平均値「－２５（＝（（－４８）＋（－３２）＋０＋（－２０））／４）」と、垂直値の平均値「６（＝（０＋９＋１２＋３）／４）」とを算出することにより、平均動きベクトル（－２６，６）を算出する。
　続いて、範囲決定部１２６２は、平均動きベクトル１０２０に基づいて、動き探索範囲の代表位置１０２１を決定する。代表位置１０２１としては、ここでは中心位置が採用されている。なお、代表位置１０２１は、中心位置に限られず、動き探索範囲の頂点位置のいずれか（例えば左上頂点位置）が用いられてもよい。
　さらに、範囲決定部１２６２は、メモリバンド幅及び処理能力等に基づいて動き探索範囲のサイズを決定する。例えば、範囲決定部１２６２は、動き探索範囲のサイズを表す水平画素数及び垂直画素数を決定する。
　このように決定された動き探索範囲の代表位置１０２１及びサイズに基づいて、範囲決定部１２６２は、動き探索範囲１０２２を決定する。
　ここで、図１３のフローチャートの説明に戻る。動き探索部１２６３は、候補リストから、動き探索範囲外の位置に対応する動きベクトルを有する候補を除外する（Ｓ１０４）。例えば、図１６では、動き探索部１２６３は、動き探索範囲外の位置を指し示す動きベクトル１０１２、１０１３を有する候補を候補リストから除外する。
　動き探索部１２６３は、候補リストに残っている候補の評価値を算出する（Ｓ１０５）。例えば、動き探索部１２６３は、カレントピクチャ内の隣接ブロックの再構成画像（テンプレート）と、候補の動きベクトルに対応する参照ピクチャ内の領域の再構成画像との間の差分値を評価値として算出する（テンプレートマッチング）。この場合、候補の動きベクトルに対応する参照ピクチャ内の領域は、参照ピクチャ内において候補の動きベクトルを用いて動き補償された隣接ブロックの領域である。このように算出された評価値では、値が減少するほど評価が高くなることを意味する。なお、評価値は、差分値の逆数であってもよい。この場合、評価値が増加するほど評価が高くなる。
　動き探索部１２６３は、評価値に基づいて候補リストの中から候補を選択する（Ｓ１０６）。例えば、動き探索部１２６３は、最も小さい評価値を有する候補を選択する。
　動き探索部１２６３は、選択された候補が有する動きベクトルに対応する領域の周辺領域を決定する（Ｓ１０７）。例えば、図１６の動きベクトル１０１４が選択された場合、動き探索部１２６３は、図１７に示すように、参照ピクチャにおいて動きベクトル１０１４を用いて動き補償されたカレントブロックの領域の周辺領域１０２３を決定する。
　周辺領域１０２３のサイズは、例えば標準規格で予め定義されてもよい。具体的には、周辺領域１０２３のサイズとして、例えば８ｘ８画素、１６ｘ１６画素又は３２ｘ３２画素などの固定サイズが予め定義されてもよい。また、周辺領域１０２３のサイズは、処理能力に基づいて決定されてもよい。この場合、周辺領域１０２３のサイズに関する情報は、ビットストリームに書き込まれてもよい。周辺領域１０２３のサイズを考慮して、動き動き探索範囲のサイズを表す水平画素数及び垂直画素数を決定し、ビットストリームに書き込まれてもよい。
　動き探索部１２６３は、決定された周辺領域が動き探索範囲に包含されているか否かを判定する（Ｓ１０８）。つまり、動き探索部１２６３は、周辺領域の全体が動き探索範囲に含まれているか否かを判定する。
　ここで、周辺領域が動き探索範囲に包含されている場合（Ｓ１０８のＹｅｓ）、動き探索部１２６３は、周辺領域内でパターンマッチングを行う（Ｓ１０９）。その結果、動き探索部１２６３は、周辺領域内で隣接ブロックの再構成画像と最もマッチする参照ピクチャ内の領域の評価値を取得する。
　一方、周辺領域が動き探索範囲に包含されない場合（Ｓ１０８のＮｏ）、動き探索部１２６３は、周辺領域のうち動き探索範囲に含まれる部分領域においてパターンマッチングを行う（Ｓ１１０）。つまり、動き探索部１２６３は、周辺領域のうち動き探索範囲に含まれない部分領域ではパターンマッチングを行わない。
　範囲決定部１２６２は、参照ピクチャ内に未選択の参照ピクチャがあるか否かを判定する（Ｓ１１１）。ここで、未選択の参照ピクチャがある場合（Ｓ１１１のＹｅｓ）、参照ピクチャの選択に戻る（Ｓ１０２）。
　一方、未選択の参照ピクチャがない場合（Ｓ１１１のＮｏ）、動き探索部１２６３は、評価値に基づいて、カレントピクチャのための動きベクトルを決定する（Ｓ１１２）。つまり、動き探索部１２６３は、複数の参照ピクチャにおいて最も評価が高い候補の動きベクトルをカレントピクチャのための動きベクトルと決定する。
　［復号装置のインター予測部の内部構成］
　次に、復号装置２００のインター予測部２１８の内部構成について説明する。具体的には、復号装置側で動き探索を行うモード（ＦＲＵＣモード）を実現するための、復号装置２００のインター予測部２１８の機能構成について説明する。
　図１８は、実施の形態１に係る復号装置２００のインター予測部２１８の内部構成を示すブロック図である。インター予測部２１８は、候補導出部２１８１と、範囲決定部２１８２と、動き探索部２１８３と、動き補償部２１８４と、を備える。
　候補導出部２１８１は、符号化装置１００の候補導出部１２６１と同様に、各々が少なくとも１つの動きベクトルを有する複数の候補を導出する。具体的には、候補導出部２１８１は、空間的及び／又は時間的な隣接ブロックの動きベクトルに基づいて、複数の候補を導出する。
　範囲決定部２１８２は、参照ピクチャにおける動き探索範囲を決定する。具体的には、範囲決定部２１８２は、まず、ビットストリームから読み解かれた動き探索範囲情報を取得する。そして、範囲決定部２１８２は、動き探索範囲情報に基づいて、動き探索範囲のサイズを決定する。さらに、範囲決定部２１８２は、符号化装置１００の範囲決定部１２６２と同様に、動き探索範囲の位置を決定する。これにより、参照ピクチャにおける動き探索範囲が決定される。
　動き探索部２１８３は、参照ピクチャの動き探索範囲内で動き探索を行う。具体的には、動き探索部２１８３は、まず、フレームメモリ２１４から、参照ピクチャ内の動き探索範囲の再構成画像を読み出す。例えば、動き探索部２１８３は、参照ピクチャのうち動き探索範囲の再構成画像のみを読み出す。そして、動き探索部２１８３は、符号化装置１００の動き探索部１２６３と同様に、動き探索範囲内で動き探索を行って、カレントブロックのための動きベクトルを決定する。
　動き補償部２１８４は、動き探索部２１８３によって決定された動きベクトルを用いて動き補償を行うことにより、カレントブロックのインター予測信号を生成する。
　［復号装置のインター予測部の動作］
　次に、以上のように構成されたインター予測部２１８の動作について、図１３を参照しながら説明する。インター予測部２１８の処理は、ステップＳ１０３がステップＳ２０３に代わる点を除いて、符号化装置１００のインター予測部１２６の処理と同じである。以下に、ステップＳ２０３について説明する。
　範囲決定部２１８２は、参照ピクチャにおいて動き探索範囲を決定する（Ｓ２０３）。このとき、範囲決定部２１８２は、ビットストリームから読み解かれた動き探索範囲情報に基づいて、動き探索範囲のサイズを決定する。また、範囲決定部２１８２は、符号化装置１００の範囲決定部１２６２と同様に、候補リストに含まれる複数の候補に基づいて、動き探索範囲の位置を決定する。
　［効果等］
　以上のように、本実施の形態に係る符号化装置１００のインター予測部１２６及び復号装置２００のインター予測部２１８によれば、動き探索範囲外の位置に対応する動きベクトルを有する候補を除外してから候補の選択を行うことができる。したがって、候補の選択のための処理負荷を低減することができる。さらに、動き探索範囲外の再構成画像をフレームメモリから読み込まなくてもよいので、動き探索のためのメモリバンド幅を低減させることができる。
　また、本実施の形態に係る符号化装置１００及び復号装置２００によれば、ビットストリームに動き探索範囲に関する情報を書き込み、ビットストリームから動き探索範囲に関する情報を読み解くことができる。したがって、符号化装置１００で用いられた動き探索範囲と同じ動き探索範囲を復号装置２００でも用いることができる。さらに、復号装置２００における動き探索範囲の決定のための処理負荷を低減することができる。
　また、本実施の形態に係る符号化装置１００及び復号装置２００によれば、ビットストリームに動き探索範囲のサイズを示す情報を含めることができる。したがって、符号化装置１００で用いられた動き探索範囲のサイズと同じサイズを有する動き探索範囲を復号装置２００でも用いることができる。さらに、復号装置２００における動き探索範囲のサイズの決定のための処理負荷を低減することができる。
　また、本実施の形態に係る符号化装置１００のインター予測部１２６及び復号装置２００のインター予測部２１８によれば、カレントブロックに隣接する複数のブロックから導出された複数の候補から得られる平均動きベクトルに基づいて動き探索範囲の位置を決定することができる。したがって、カレントブロックのための動きベクトルの探索に適した領域を動き探索範囲に決定することができ、動きベクトルの精度を向上させることができる。
　また、本実施の形態に係る符号化装置１００のインター予測部１２６及び復号装置２００のインター予測部２１８によれば、候補の動きベクトルに加えて、周辺領域におけるパターンマッチングに基づいて、カレントブロックのための動きベクトルを決定することができる。したがって、さらに動きベクトルの精度を向上させることができる。
　また、本実施の形態に係る符号化装置１００のインター予測部１２６及び復号装置２００のインター予測部２１８によれば、周辺領域が動き探索範囲に包含されない場合に、周辺領域のうちの動き探索範囲内の部分領域においてパターンマッチングを行うことができる。したがって、動き探索範囲外での動き探索を回避することができ、処理負荷及びメモリバンド幅の要求量を低減することができる。
　（実施の形態１の変形例１）
　上記実施の形態１では、動き探索範囲の位置は、候補リスト内の複数の候補に含まれる複数の動きベクトルの平均動きベクトルに基づいて決定されていたが、本変形例では、候補リスト内の複数の候補に含まれる複数の動きベクトルの中央動きベクトルに基づいて決定される。
　本変形例に係る範囲決定部１２６２、２１８２は、候補リストを参照して、複数の候補に含まれる複数の動きベクトルを取得する。そして、範囲決定部１２６２、２１８２は、取得した複数の動きベクトルの中央動きベクトルを算出する。中央動きベクトルは、複数の動きベクトルの水平値の中央値及び垂直値の中央値からなる動きベクトルである。
　範囲決定部１２６２、２１８２は、例えば図１４の候補リストを参照して、複数の動きベクトルの水平値の中央値「－２６（＝（（－３２）＋（－２０））／２）」と、垂直値の中央値「６（＝（９＋３）／２）」を算出することにより、中央動きベクトル（－２６，６）を算出する。
　続いて、範囲決定部１２６２、２１８２は、算出された中央動きベクトルに基づいて、動き探索範囲の代表位置を決定する。
　以上のように、本変形例に係る範囲決定部１２６２、２１８２によれば、カレントブロックに隣接する複数のブロックから導出された複数の候補から得られる中央動きベクトルに基づいて動き探索範囲の位置を決定することができる。したがって、カレントブロックのための動きベクトルの探索に適した領域を動き探索範囲に決定することができ、動きベクトルの精度を向上させることができる。
　（実施の形態１の変形例２）
　次に、実施の形態１の変形例２について説明する。本変形例では、平均動きベクトルの代わりに、最小動きベクトルに基づいて、動き探索範囲の位置を決定する。以下に、上記実施の形態１と異なる点を中心に本変形例について説明する。
　本変形例に係る範囲決定部１２６２、２１８２は、候補リストを参照して、複数の候補に含まれる複数の動きベクトルを取得する。そして、範囲決定部１２６２、２１８２は、取得した複数の動きベクトルの中から、最も小さい大きさを有する動きベクトル（つまり、最小動きベクトル）を選択する。
　範囲決定部１２６２、２１８２は、例えば図１４の候補リストを参照して、複数の動きベクトルの中から、候補インデックス「２」を有する候補に含まれる、最も小さい大きさを有する動きベクトル（０，８）を選択する。
　続いて、範囲決定部１２６２、２１８２は、選択された最小動きベクトルに基づいて、動き探索範囲の代表位置を決定する。
　図１９は、実施の形態１の変形例２における動き探索範囲の一例を示す図である。図１９では、範囲決定部１２６２、２１８２は、隣接ブロックの動きベクトル１０１１～１０１４の中で最も小さい大きさを有する動きベクトル１０１３を最小動きベクトル１０３０として選択する。続いて、範囲決定部１２６２、２１８２は、最小動きベクトル１０３０に基づいて、動き探索範囲の代表位置１０３１を決定する。そして、範囲決定部１２６２、２１８２は、決定された代表位置１０３１に基づいて動き探索範囲１０３２を決定する。
　以上のように、本変形例に係る範囲決定部１２６２、２１８２によれば、カレントブロックに隣接する複数のブロックから導出された複数の候補から得られる最小動きベクトルに基づいて動き探索範囲の位置を決定することができる。したがって、カレントブロックに近い領域を動き探索範囲に決定することができ、動きベクトルの精度を向上させることができる。
　（実施の形態１の変形例３）
　次に、実施の形態１の変形例３について説明する。本変形例では、平均動きベクトルの代わりに、カレントピクチャとは異なる符号化／復号済みピクチャの動きベクトルに基づいて動き探索範囲の位置を決定する。以下に、上記実施の形態１と異なる点を中心に本変形例について説明する。
　本変形例に係る範囲決定部１２６２、２１８２は、参照ピクチャリストを参照して、カレントピクチャとは異なる符号化／復号済みピクチャである参照ピクチャを選択する。例えば、範囲決定部１２６２、２１８２は、最も小さい値の参照ピクチャインデックスを有する参照ピクチャを選択する。また例えば、範囲決定部１２６２、２１８２は、出力順でカレントピクチャに最も近い参照ピクチャを選択してもよい。
　続いて、範囲決定部１２６２、２１８２は、選択された参照ピクチャに含まれる複数のブロックの符号化／復号で用いられた複数の動きベクトルを取得する。そして、範囲決定部１２６２、２１８２は、取得した複数の動きベクトルの平均動きベクトルを算出する。
　そして、範囲決定部１２６２、２１８２は、算出された平均動きベクトルに基づいて、動き探索範囲の代表位置を決定する。
　以上のように、本変形例に係る範囲決定部１２６２、２１８２によれば、カレントピクチャ内のカレントブロックが変わっても符号化／復号済みピクチャの動きベクトルは変わらないので、カレントブロックが変わるたびに隣接ブロックの動きベクトルから動き探索範囲に決定する必要がなくなる。つまり、動き探索範囲の決定のための処理負荷を低減させることができる。
　なお、ここでは、選択された参照ピクチャの平均動きベクトルに基づいて、動き探索範囲の代表位置が決定されたが、これに限られない。例えば、平均動きベクトルの代わりに、中央動きベクトルが用いられてもよい。また例えば、平均動きベクトルの代わりに、ｃｏ－ｌｏｃａｔｅｄブロックの動きベクトルが用いられてもよい。
　（実施の形態１の変形例４）
　次に、実施の形態１の変形例４について説明する。本変形例では、参照ピクチャを複数の領域に分割し、分割された領域に基づいて複数の候補に含まれる複数の動きベクトルをグルーピングする。このとき、最も多くの動きベクトルを含むグループに基づいて、動き探索範囲の位置を決定する。
　以下に、上記実施の形態１と異なる点を中心に本変形例について図２０を参照しながら説明する。図２０は、実施の形態１の変形例４における動き探索範囲の一例を示す図である。
　本変形例に係る範囲決定部１２６２、２１８２は、参照ピクチャに対して領域分割を行う。例えば図２０に示すように、範囲決定部１２６２、２１８２は、カレントピクチャの位置に基づいて参照ピクチャを４つの領域（第１～第４領域）に分割する。
　範囲決定部１２６２、２１８２は、複数の領域に基づいて、隣接ブロックの複数の動きベクトルをグルーピングする。例えば図２０において、範囲決定部１２６２、２１８２は、複数の動きベクトル１０１１～１０１４を、第１領域に対応する動きベクトル１０１３を含む第１グループと、第２領域に対応する動きベクトル１０１１、１０１２、１０１４を含む第２グループとにグルーピングする。
　範囲決定部１２６２、２１８２は、最も多くの動きベクトルを含むグループに基づいて、動き探索範囲の位置を決定する。例えば図２０では、範囲決定部１２６２、２１８２は、第２グループに含まれる動きベクトル１０１１、１０１２、１０１４の平均動きベクトル１０４０に基づいて動き探索範囲の代表位置１０４１を決定する。なお、平均動きベクトルの代わりに、中央動きベクトル又は最小動きベクトルが用いられてもよい。
　以上のように、本変形例に係る範囲決定部１２６２、２１８２によれば、カレントブロックのための動きベクトルの探索に適した領域を動き探索範囲に決定することができ、動きベクトルの精度を向上させることができる。
　（実施の形態１の変形例５）
　次に、実施の形態１の変形例５について説明する。本変形例では、動き探索範囲の位置の補正を行う点が上記実施の形態１と異なる。以下に、上記実施の形態１と異なる点を中心に本変形例について図２１を参照しながら説明する。図２１は、実施の形態１の変形例５における動き探索範囲の一例を示す図である。
　本変形例に係る範囲決定部１２６２、２１８２は、例えば平均動きベクトルに基づいて決定された動き探索範囲の位置を補正する。具体的には、範囲決定部１２６２、２１８２は、まず、複数の候補に含まれる複数の動きベクトルの平均動きベクトルに基づいて、動き探索範囲を仮決定する。例えば、範囲決定部１２６２、２１８２は、図２１に示すように動き探索範囲１０５０を仮決定する。
　ここで、範囲決定部１２６２、２１８２は、ゼロ動きベクトルに対応する位置が仮決定された動き探索範囲に含まれるか否かを判定する。つまり、範囲決定部１２６２、２１８２は、参照ピクチャにおけるカレントブロックの基準位置（例えば左上角）が仮決定された動き探索範囲１０５０に含まれるか否かを判定する。例えば、図２１では、範囲決定部１２６２、２１８２は、仮決定された動き探索範囲１０５０がゼロ動きベクトルに対応する位置１０５１を含むか否かを判定する。
　ここで、ゼロ動きベクトルに対応する位置が仮決定された動き探索範囲に含まれない場合、範囲決定部１２６２、２１８２は、動き探索範囲がゼロ動きベクトルに対応する位置を含むように、仮決定された動き探索範囲の位置を補正する。例えば、図２１では、仮決定された動き探索範囲１０５０がゼロ動きベクトルに対応する位置１０５１を含まないので、範囲決定部１２６２、２１８２は、動き探索範囲１０５０を動き探索範囲１０５２に補正する。その結果、補正された動き探索範囲１０５２には、ゼロ動きベクトルに対応する位置１０５１が含まれる。
　一方、ゼロ動きベクトルに対応する位置が仮決定された動き探索範囲に含まれる場合、範囲決定部１２６２、２１８２は、仮決定された動き探索範囲をそのまま動き探索範囲に決定する。つまり、範囲決定部１２６２、２１８２は動き探索範囲の位置を補正しない。
　以上のように、本変形例に係る範囲決定部１２６２、２１８２によれば、カレントブロックのための動きベクトルの探索に適した領域を動き探索範囲に決定することができ、動きベクトルの精度を向上させることができる。
　（実施の形態１の変形例６）
　次に、実施の形態１の変形例６について説明する。上記変形例５では、ゼロ動きベクトルに対応する位置を含むように動き探索範囲の位置を補正していたが、本変形例では、複数の隣接ブロックのうちの１つの隣接ブロックの動きベクトルに対応する位置を含むように動き探索範囲の位置を補正する。
　以下に、本変形例について図２２を参照しながら説明する。図２２は、実施の形態１の変形例６における動き探索範囲の一例を示す図である。
　まず、範囲決定部１２６２、２１８２は、変形例５と同様に、例えば平均動きベクトルに基づいて動き探索範囲を仮決定する。例えば、範囲決定部１２６２、２１８２は、図２２に示すように動き探索範囲１０５０を仮決定する。
　ここで、範囲決定部１２６２、２１８２は、複数の隣接ブロックのうちの１つの隣接ブロックの動きベクトルに対応する位置が仮決定された動き探索範囲に含まれるか否かを判定する。例えば、図２２では、範囲決定部１２６２、２１８２は、仮決定された動き探索範囲１０５０が隣接ブロック１００１の動きベクトル１０１１に対応する位置１０５３を含むか否かを判定する。複数の隣接ブロックのうちの１つの隣接ブロックとしては、予め定められた隣接ブロックが用いられればよく、例えば左隣接ブロックあるいは上隣接ブロックが用いられればよい。
　ここで、複数の隣接ブロックのうちの１つの隣接ブロックの動きベクトルに対応する位置が仮決定された動き探索範囲に含まれない場合、範囲決定部１２６２、２１８２は、動き探索範囲が当該動きベクトルに対応する位置を含むように、仮決定された動き探索範囲の位置を補正する。例えば、図２２では、仮決定された動き探索範囲１０５０が隣接ブロック１００１の動きベクトル１０１１に対応する位置１０５３を含まないので、範囲決定部１２６２、２１８２は、動き探索範囲１０５０を動き探索範囲１０５４に補正する。その結果、補正された動き探索範囲１０５４には、位置１０５３が含まれる。
　一方、複数の隣接ブロックのうちの１つの隣接ブロックの動きベクトルに対応する位置が仮決定された動き探索範囲に含まれる場合、範囲決定部１２６２、２１８２は、仮決定された動き探索範囲をそのまま動き探索範囲に決定する。つまり、範囲決定部１２６２、２１８２は動き探索範囲の位置を補正しない。
　以上のように、本変形例に係る範囲決定部１２６２、２１８２によれば、カレントブロックのための動きベクトルの探索に適した領域を動き探索範囲に決定することができ、動きベクトルの精度を向上させることができる。
　（実施の形態１の変形例７）
　次に、実施の形態１の変形例７について説明する。本変形例では、ビットストリームに動き探索範囲に関する情報が含まれていない点が、上記実施の形態１と異なる。以下に、本変形例について上記実施の形態１と異なる点を中心に図２３を参照しながら説明する。
　図２３は、実施の形態１の変形例７に係る符号化復号システム３００の機能構成を示すブロック図である。図２３に示すように、符号化復号システム３００は、符号化システム３１０と、復号システム３２０と、を備える。
　符号化システム３１０は、入力動画像を符号化して、ビットストリームを出力する。符号化システム３１０は、通信装置３１１と、符号化装置３１２と、出力バッファ３１３と、を備える。
　通信装置３１１は、通信ネットワーク（図示せず）等を介して復号システム３２０と能力情報を交換し、その能力情報に基づいて動き探索範囲情報を生成する。具体的には、通信装置３１１は、復号システム３２０に符号化能力情報を送信し、復号システム３２０から復号能力情報を受信する。符号化能力情報は、符号化システム３１０における動き探索のための処理能力及びメモリバンド幅などの情報を含む。復号能力情報は、復号システム３２０における動き探索のための処理能力及びメモリバンド幅などの情報を含む。
　符号化装置３１２は、入力動画像を符号化して、ビットストリームを出力バッファ３１３に出力する。このとき、符号化装置３１２は、通信装置３１１から取得した動き探索範囲情報に基づいて動き探索範囲のサイズを決定する点を除いて、実施の形態１に係る符号化装置１００と略同一の処理を行う。
　出力バッファ３１３は、いわゆるバッファメモリであり、符号化装置３１２から入力されたビットストリームを一時的に格納し、格納されたビットストリームを通信ネットワーク等を介して復号システム３２０に出力する。
　復号システム３２０は、符号化システム３１０から入力されたビットストリームを復号して、出力動画像をディスプレイ（図示せず）等に出力する。復号システム３２０は、通信装置３２１と、復号装置３２２と、入力バッファ３２３と、を備える。
　通信装置３２１は、符号化システム３１０の通信装置３１１と同様に、通信ネットワーク等を介して符号化システム３１０と能力情報を交換し、その能力情報に基づいて動き探索範囲情報を生成する。具体的には、通信装置３１１は、符号化システム３１０に復号能力情報を送信し、符号化システム３１０から符号化能力情報を受信する。
　復号装置３２２は、入力バッファ３２３から入力されたビットストリームを復号して、出力動画像をディスプレイ等に出力する。このとき、復号装置３２２は、通信装置３２１から取得した動き探索範囲情報に基づいて動き探索範囲を決定する点を除いて、実施の形態１に係る復号装置２００と略同一の処理を行う。なお、通信装置３２１から取得した動き探索範囲情報に基づいて決定された動き探索範囲が、復号装置３２２が処理可能な動き探索範囲を超える場合は、復号不可能を示すメッセージを通信装置３２１に送信してもよい。
　入力バッファ３２３は、いわゆるバッファメモリであり、符号化システム３１０から入力されたビットストリームを一時的に格納し、格納されたビットストリームを復号装置３２２に出力する。
　以上のように、本変形例に係る符号化復号システム３００によれば、ビットストリームに動き探索範囲に関する情報が含まれなくても、符号化装置３１２及び復号装置３２２で同じ動き探索範囲を用いて動き探索を行うことができる。したがって、動き探索範囲のための符号量を削減することができる。また、範囲決定部１２６２での動き探索範囲のサイズを表す水平画素数及び垂直画素数を決定する処理を行う必要がないため、処理量を削減することができる。
　（実施の形態１の変形例８）
　なお、上記実施の形態１では、参照ピクチャリストに含まれる複数の参照ピクチャのすべてが順に選択されていたが、必ずしもすべての参照ピクチャが選択されなくてもよい。本変形例では、選択される参照ピクチャの数が制限される例について説明する。
　本変形例に係る符号化装置１００の範囲決定部１２６２は、動き探索範囲のサイズと同様に、メモリバンド幅及び処理能力等に基づいて、ＦＲＵＣモードにおける動き探索で使用が許可される参照ピクチャの数（以下、参照ピクチャ許可数という）を決定する。決定された参照ピクチャ許可数に関する情報（以下、参照ピクチャ許可数情報という）は、ビットストリームに書き込まれる。
　また、本変形例に係る復号装置２００の範囲決定部２１８２は、ビットストリームから読み解かれた参照ピクチャ許可数情報に基づいて参照ピクチャ許可数を決定する。
　なお、参照ピクチャ許可数情報が書き込まれるビットストリーム内の位置は特に限定されない。例えば、参照ピクチャ許可数情報は、図１２に示す動き探索範囲情報と同様に、ＶＰＳ、ＳＰＳ、ＰＰＳ、スライスヘッダ又はビデオシステム設定パラメータに書き込まれてもよい。
　このように決定された参照ピクチャ許可数に基づいて、ＦＲＵＣモードで使用される参照ピクチャの数が制限される。具体的には、範囲決定部１２６２、２１８２は、例えば図１３のステップＳ１１１において、未選択の参照ピクチャがあり、かつ、選択された参照ピクチャの数が参照ピクチャ許可数未満であるか否かを判定する。ここで、未選択の参照ピクチャがない場合、又は、選択された参照ピクチャの数が参照ピクチャ許可数以上である場合に（Ｓ１１１のＹｅｓ）、ステップＳ１１２に進む。これにより、参照ピクチャリストから、参照ピクチャ許可数を超える数の参照ピクチャの選択が禁止される。
　この場合、図１３のステップＳ１１１において、範囲決定部１２６２、２１８２は、例えば参照ピクチャインデックス値の昇順又はカレントピクチャに時間的に近い順で参照ピクチャを選択してもよい。この場合、参照ピクチャリストから、参照ピクチャインデックス値が小さい参照ピクチャ又はカレントピクチャに時間的に近い参照ピクチャが優先的に選択される。なお、カレントピクチャと参照ピクチャとの時間的な距離は、ＰＯＣ（Ｐｉｃｔｕｒｅ　Ｏｒｄｅｒ　Ｃｏｕｎｔ）に基づいて定められればよい。
　以上のように、本変形例に係る範囲決定部１２６２、２１８２によれば、動き探索で使用される参照ピクチャの数を参照ピクチャ許可数以下に限定することができる。したがって、動き探索のための処理負荷を低減することができる。
　なお、例えば時間スケーラブル符号化／復号が行われる場合には、範囲決定部１２６２、２１８２は、時間識別子で示されるカレントピクチャの階層より下位の階層に含まれる参照ピクチャの数を参照ピクチャ許可数に基づいて制限してもよい。
　（実施の形態１の変形例９）
　次に、実施の形態１の変形例９について説明する。本変形例では、インター予測において複数の参照ピクチャが参照される場合の動き探索範囲のサイズの決定方法について説明する。
　インター予測において複数の参照ピクチャが参照される場合、動き探索範囲のサイズは、メモリバンド幅及び処理能力に加えてインター予測で参照される参照ピクチャの数に依存してもよい。具体的には、範囲決定部１２６２、２１８２は、まず、メモリバンド幅及び処理能力に基づいて、インター予測で参照される複数の参照ピクチャにおける複数の動き探索範囲の合計サイズを決定する。そして、範囲決定部１２６２、２１８２は、複数の参照ピクチャの数及び決定された合計サイズに基づいて、各参照ピクチャの動き探索範囲のサイズを決定する。つまり、範囲決定部１２６２は、複数の参照ピクチャ内の複数の動き探索範囲のサイズの合計が、メモリバンド幅及び処理能力に基づいて決定される複数の動き探索範囲の合計サイズと一致するように、各参照ピクチャにおける動き探索範囲のサイズを決定する。
　このように決定される各参照ピクチャにおける動き探索範囲について、図２４を参照しながら具体的に説明する。図２４は、実施の形態１の変形例９における動き探索範囲を示す図である。図２４の（ａ）は、２つの参照ピクチャが参照される予測（双予測）における動き探索範囲の例を示し、図２４の（ｂ）は、４つの参照ピクチャが参照される予測における動き探索範囲の例を示す。
　図２４の（ａ）では、前方参照ピクチャ０及び後方参照ピクチャ０に対して、それぞれ、動き探索範囲Ｆ２０、Ｂ２０が決定されている。この動き探索範囲Ｆ２０及び動き探索範囲Ｂ２０において、パターンマッチング（テンプレートマッチング又はバイラテラルマッチング）が行われる。
　図２４の（ｂ）では、前方参照ピクチャ０、前方参照ピクチャ１、後方参照ピクチャ０、及び後方参照ピクチャ１に対して、それぞれ、動き探索範囲Ｆ４０、Ｆ４１、Ｂ４０、Ｂ４１が決定されている。したがって、この動き探索範囲Ｆ４０、Ｆ４１、Ｂ４０、Ｂ４１において、パターンマッチングが行われる。
　ここで、動き探索範囲Ｆ２０、Ｂ２０のサイズの合計は、動き探索範囲Ｆ４０、Ｆ４１、Ｂ４０、Ｂ４１のサイズの合計と略一致する。つまり、各参照ピクチャにおける動き探索範囲のサイズは、インター予測で参照される参照ピクチャの数に基づいて決定される。
　以上のように、本変形例に係る範囲決定部１２６２、２１８２によれば、インター予測で参照される参照ピクチャの数に基づいて各参照ピクチャにおける動き探索範囲のサイズを決定することができる。したがって、動き探索が行われる領域の総サイズを制御することができ、より効率的に処理負荷及びメモリバンド幅の要求量の低減を図ることができる。
　（実施の形態１の変形例１０）
　次に、実施の形態１の変形例１０について説明する。本変形例では、上記実施の形態１及び上記各変形例のＦＲＵＣモードにおける動き探索及び動き補償（以下、ＦＲＵＣ処理という）に続いて、必要に応じて双方向オプティカルフロー（ＢＩＯ）による動き補償予測及び／又はオーバラップブロック動き補償予測（ＯＢＭＣ）が行われる場合について図２５及び図２６を参照しながら具体的に説明する。ＦＲＵＣモードとは、復号装置側で復号化済みピクチャ又は復号済みブロックを用いてコスト評価を行うことで、動きベクトルに関する情報をストリームに記述することなく動きベクトルを決定することができるモードである。つまり、ＦＲＵＣモードでは、符号化／復号対象ブロックの画像を用いずに符号化／復号対象ブロックの動きベクトルが推定される。ＢＩＯ処理及びＯＢＭＣ処理の各々は、ＦＲＵＣモードで得られた動きベクトル又は動き補償画像を補正する補正処理の一例である。
　図２５は、実施の形態１の変形例１０に係る符号化装置／復号装置のインター予測部４００の内部構成を示すブロック図である。本変形例に係るインター予測部４００は、ＦＲＵＣ、ＢＩＯ、及びＯＢＭＣそれぞれの動き補償予測を行う。図２５に示すように、インター予測部４００は、範囲決定部４０１と、取得参照画像管理部４０２と、ＦＲＵＣ用動き補償予測部４０３と、ＢＩＯ用動き補償予測部４０４と、ＯＢＭＣ用動き補償予測部４０５と、を備える。
　範囲決定部４０１は、上記実施の形態１又はいずれかの変形例と同様に、動き探索範囲を決定する。さらに、範囲決定部４０１は、動き補償に用いる参照画像内の範囲を動き補償範囲として決定してもよい。
　取得参照画像管理部４０２は、範囲決定部４０１により決定された動き探索範囲及び／又は動き補償範囲に関する情報を参照画像の領域に関する情報として保持する。
　ＦＲＵＣ用動き補償予測部４０３は、は、符号化装置／復号装置の外部にあるフレームメモリから参照画像を取得して、当該参照画像と入力画像（現画像）とを用いて動き探索を行う。また、ＦＲＵＣ用動き補償予測部４０３は、符号化装置／復号装置の外部にあるフレームメモリから参照画像を取得して、当該参照画像を用いて動き補償を行う。このとき、符号化装置／復号装置とフレームメモリとの間のメモリバンド幅、ＦＲＵＣ用動き補償予測部４０３の動き探索あるいは動き補償の処理能力によって、ＦＲＵＣモードにおける動き探索範囲及び動き補償範囲が制限される。ここでは、ＦＲＵＣモードにおける動き探索範囲及び動き補償範囲（つまり第１領域）は、範囲決定部４０１によって決定された動き探索範囲及び動き補償範囲内に制限される。
　ＢＩＯ用動き補償予測部４０４は、取得参照画像管理部４０２から得られる参照画像の領域に関する情報に基づいて、ＢＩＯ処理を行うか否かを判定する。同様に、ＯＢＭＣ動き補償予測部４０５は、取得参照画像管理部４０２から得られる参照画像の領域に関する情報に基づいて、ＯＢＭＣ処理を行うか否かを判定する。
　なお、ＦＲＵＣモードにおいて動き探索範囲及び／又は動き補償範囲が限定されない場合は、インター予測部４００は、範囲決定部４０１を備えなくてもよい。このとき、取得参照画像管理部４０２は、ＦＲＵＣ用動き補償予測部４０３において取得した全ての参照画像の領域に関する情報を保持してもよい。そして、ＢＩＯ用動き補償予測部４０４及びＯＢＭＣ動き補償予測部４０５は、全ての参照画像の領域に関する情報に基づいて、ＢＩＯ処理及びＯＢＭＣ処理を行うか否かを判定してもよい。
　次に、このような本変形例に係るインター予測部４００の処理について図２６を参照しながら説明する。図２６は、実施の形態１の変形例１０に係る符号化装置／復号装置のインター予測部４００の処理を示すフローチャートである。
　図２６では、ＦＲＵＣ処理（Ｓ４００）、ＢＩＯ処理（Ｓ５００）及びＯＢＭＣ処理（Ｓ６００）の順に処理が行われる。ＦＲＵＣ処理については、上記実施の形態１又はその変形例のいずれかと同様である。
　ＦＲＵＣ処理では、まず、範囲決定部４０１は、動き探索範囲を限定する情報を取得する（Ｓ４０１）。つまり、範囲決定部４０１は、動き探索が許可される参照ピクチャ内の部分領域を動き探索範囲として決定する。
　続いて、ＦＲＵＣ用動き補償予測部４０３は、ブロック単位のループ処理を行う（Ｓ４０２～Ｓ４０８）。ブロック単位のループ処理では、ＦＲＵＣ用動き補償予測部４０３は、まず、候補ＭＶリストを生成する（Ｓ４０３）。そして、ＦＲＵＣ用動き補償予測部４０３は、候補ＭＶリスト内の候補から、限定された動き探索範囲外の位置に対応する動きベクトルを有する候補を除外する（Ｓ４０４）。ＦＲＵＣ用動き補償予測部４０３は、残りの候補のコスト評価を行い（Ｓ４０５）、最小コストの候補を選択する（Ｓ４０６）。最後に、ＦＲＵＣ用動き補償予測部４０３は、選択された候補が有する動きベクトルに対応する参照ピクチャ内の位置の周辺を探索する（Ｓ４０７）。
　ＦＲＵＣ処理（Ｓ４００）の後には、ＢＩＯ処理（Ｓ５００）が行われる。ＢＩＯ処理では、まず、ＢＩＯ用動き補償予測部４０４は、ＢＩＯに必要な参照領域を特定する（Ｓ５０１）。つまり、ＢＩＯで参照される参照ピクチャ内の領域が参照領域として特定される。ここで特定された参照領域は、第２領域の一例である。
　ＢＩＯ用動き補償予測部４０４は、特定された参照領域（つまり第２領域）が、ＦＲＵＣ処理において取得された参照画像（つまり第１領域）に包含されるか否かを判定する（Ｓ５０２）。例えば、特定された参照領域の全域がステップＳ４０１で決定された動き探索範囲内に含まれるか否かが判定される。
　ここで、特定された参照領域がＦＲＵＣ処理で取得された参照画像に包含される場合（Ｓ５０２のＹｅｓ）、サブブロック単位のループ処理が行われる（Ｓ５０３～Ｓ５０５）。サブブロック単位のループ処理では、ＢＩＯによる動き補償予測処理が行われる（Ｓ５０４）。一方、特定された参照領域がＦＲＵＣ処理で取得された参照画像に包含されない場合（Ｓ５０２のＮｏ）、サブブロック単位のループ処理がスキップされる。
　ＢＩＯ処理（Ｓ５００）の後には、ＯＢＭＣ処理（Ｓ６００）が行われる。ＯＢＭＣ処理では、サブブロック単位のループ処理（Ｓ６０１～Ｓ６０５）が行われる。サブブロック単位のループ処理では、ＯＢＭＣ用動き補償予測部４０５は、まず、ＯＢＭＣに必要な参照領域を特定する（Ｓ６０２）。つまり、ＯＢＭＣで参照される参照ピクチャ内の領域が参照領域として特定される。ここで特定された参照領域は、第２領域の一例である。
　ＯＢＭＣ用動き補償予測部４０５は、特定された参照領域（つまり第２領域）が、ＦＲＵＣ処理において取得された参照画像（つまり第１領域）に包含されるか否かを判定する（Ｓ６０３）。例えば、特定された参照領域の全域がステップＳ４０１で決定された動き探索範囲内に含まれるか否かが判定される。
　ここで、特定された参照領域がＦＲＵＣ処理で取得された参照画像に包含される場合（Ｓ６０３のＹｅｓ）、ＯＢＭＣによる動き補償予測処理が行われる（Ｓ６０４）。一方、特定された参照領域がＦＲＵＣ処理で取得された参照画像に包含されない場合（Ｓ６０３のＮｏ）、サブブロック単位のループ処理を抜けてＯＢＭＣ処理を終了する。
　このように、本図の例ではＦＲＵＣ処理に続いて、ＢＩＯ処理と、ＯＢＭＣ処理とが行われている。そのとき、ＢＩＯ処理又はＯＢＭＣ処理において参照する画素領域のうちの少なくとも一部が、ＦＲＵＣ処理で取得した参照画像の範囲外にある場合には、当該画素領域を参照するＢＩＯ処理又はＯＢＭＣ処理は、ＢＩＯ処理又はＯＢＭＣ処理を行う候補から除外される。
　また、カレントブロックのＢＩＯ処理及びカレントサブブロックのＯＢＭＣ処理の各々において必要となる参照領域が特定された時点で、特定された参照領域のうちの少なくとも一部がＦＲＵＣ処理で取得した参照画像の範囲外となると判断された場合には、当該カレントブロックのＢＩＯ処理及び／又は当該カレントサブブロックのＯＢＭＣ処理を禁止してもよい。
　なお、ＢＩＯ処理及びＯＢＭＣ処理のいずれか一方のみについて、参照領域に基づいて当該処理が禁止されてもよい。
　以上のように、本変形例によれば、ＦＲＵＣ処理に続く画面間動き補償予測（例えばＢＩＯ、ＯＢＭＣなど）において、ＦＲＵＣ処理において取得した参照画像範囲を超える領域を参照する場合は、当該画面間動き補償予測を禁止することができる。つまり、ＢＩＯ処理又はＯＢＭＣ処理で参照される第２領域がＦＲＵＣで参照される第１領域に包含されればＢＩＯ処理又はＯＢＭＣ処理が許可され、そうでなければＢＩＯ処理又はＯＢＭＣ処理が禁止される。これにより、ＢＩＯ処理及びＯＢＭＣ処理に伴う外部メモリアクセスの増加を抑えることができる。
　なお、ＦＲＵＣ処理において取得した参照画像範囲を超える領域を参照しないように制限された符号化ストリームが復号されてもよい。
　なお、本変形例では、ＦＲＵＣ処理において、動き探索範囲が限定されていたが、これに限定されない。例えば、ＦＲＵＣ処理において動き探索範囲が限定されなくてもよい。この場合は、ＦＲＵＣ処理に続く画面間動き補償予測処理（例えばＢＩＯ、ＯＢＭＣなど）において新たに参照画像を取得する必要が無いので、ＦＲＵＣ処理に続く画面間動き補償予測に伴う外部メモリアクセスを抑えることができる。
　（実施の形態１の他の変形例）
　以上、本開示の１つまたは複数の態様に係る符号化装置及び復号装置について、実施の形態及び変形例に基づいて説明したが、本開示は、この実施の形態及び変形例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又は本変形例に施したものや、異なる変形例における構成要素を組み合わせて構築される形態も、本開示の１つまたは複数の態様の範囲内に含まれてもよい。
　例えば、上記実施の形態及び各変形例では、ＦＲＵＣモードにおける動き探索は、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）と呼ばれる可変サイズのブロック単位で行われていたが、これに限定されない。ＦＲＵＣモードにおける動き探索は、可変サイズのブロックをさらに分割して得られるサブブロック単位で行われてもよい。この場合、動き探索範囲の位置を決定するためのベクトル（例えば平均ベクトル、中央ベクトル等）は、ピクチャ単位、ブロック単位あるいはサブブロック単位で行われてもよい。
　また例えば、上記実施の形態及び各変形例では、動き探索範囲のサイズは、処理能力及びメモリバンド幅などに基づいて決定されていたが、これに限らない。例えば、動き探索範囲のサイズは、参照ピクチャの種類に基づいて決定されてもよい。例えば、範囲決定部１２６２は、参照ピクチャがＢピクチャである場合に、動き探索範囲のサイズを第１サイズに決定し、参照ピクチャがＰピクチャである場合に、動き探索範囲のサイズを第１サイズよりも大きい第２サイズに決定してもよい。
　また例えば、上記実施の形態及び各変形例では、候補に含まれる動きベクトルに対応する位置が動き探索範囲に含まれない場合に、当該候補は、候補リストから除外されていたが、これに限られない。例えば、候補に含まれる動きベクトルに対応する位置の周辺領域の一部又は全部が動き探索範囲に含まれない場合に、当該候補が候補リストから除外されてもよい。
　また例えば、上記実施の形態及び各変形例では、選択された候補に含まれる動きベクトルに対応する位置の周辺領域でパターンマッチングが行われていたが、これに限られない。例えば、周辺領域のパターンマッチングは行われなくてもよい。この場合、候補に含まれる動きベクトルが、そのままカレントブロックのための動きベクトルと決定されてもよい。
　また例えば、上記実施の形態及び各変形例において、候補リストから除外される候補は、動き探索範囲外の位置に対応する動きベクトルを有していたが、これに限られない。例えば、候補に含まれる動きベクトルを用いて小数画素精度で動き補償が行われるときに補間に用いられる画素が動き探索範囲に含まれない場合に、当該候補が候補リストから除外されてもよい。つまり、小数画素のための補間に用いる画素の位置に基づいて、候補が除外されるか否かが判定されてもよい。また例えば、ＢＩＯ又はＯＢＭＣが適用される場合に、ＢＩＯ又はＯＢＭＣで動き探索範囲外の画素が利用される候補が候補リストから除外されてもよい。また例えば、複数の候補の中で最も小さい参照ピクチャインデックスを有する候補を残して他の候補が除外されてもよい。
　また例えば、上記実施の形態及び各変形例では、常に、参照ピクチャにおいて動き探索範囲を限定するモードが適用される場合について説明していたが、これに限られない。例えば、ビデオ、シーケンス、ピクチャ、スライス又はブロック単位で当該モードの適用／非適用が選択されてもよい。この場合、当該モードを適用するか否かを示すフラグ情報がビットストリームに含まれてもよい。このフラグ情報のビットストリーム内の位置は特に限定される必要はない。例えば、フラグ情報は、図１２に示す動き探索範囲情報と同じ位置に含まれてもよい。
　また例えば、上記実施の形態及び各変形例では、動きベクトルのスケーリングについて詳しくは説明していなかったが、例えば、基準となる参照ピクチャに基づいて各候補の動きベクトルがスケーリングされてもよい。具体的には、符号化、復号結果の参照ピクチャインデックスと異なる参照ピクチャを基準として各候補の動きベクトルがスケーリングされてもよい。基準となる参照ピクチャとしては、例えば、参照ピクチャインデックスが「０」の参照ピクチャが用いられればよい。また例えば、基準となる参照ピクチャとして、カレントピクチャに出力順で最も近い参照ピクチャが用いられてもよい。
　なお、上記実施の形態及び各変形例のような画面間予測の場合とは異なり、カレントピクチャ内でカレントブロックの上や左にずれた位置にある領域を参照し、カレントブロックと同一のブロックを探索する場合（例えばイントラブロックコピーの場合）においても、上記実施の形態及び各変形例と同様に動き探索範囲を限定してもよい。
　なお、上記実施の形態及び各変形例において、カレントブロック又はカレントピクチャの特徴量又は種類と複数の動き探索範囲のサイズとの対応関係が定義された情報を予め定めておき、当該情報を参照して、カレントブロック又はカレントピクチャの特徴量又は種類に対応する動き探索範囲のサイズが決定されてもよい。特徴量としては、例えばサイズ（画素数）等が用いられればよく、種類としては、例えば予測モード（例えば単予測、双予測等）が用いられればよい。
　なお、上記実施の形態及び各変形例において、ＦＲＵＣ処理における限定された動き探索範囲は、ＦＲＵＣ処理に続く画面間動き補償予測（例えばＢＩＯ、ＯＢＭＣなど）で参照する周辺画素を加味して決定されてもよい。例えば、ＦＲＵＣ処理の後に行われる画面間動き補償予測処理において参照される参照領域を含むように、ＦＲＵＣ処理の動き探索範囲が決定されてもよい。具体的には、上記実施の形態又は変形例のいずれかと同様に、動きベクトルに基づいて決定される動き探索範囲と、ＦＲＵＣ処理に続く画面間動き補償予測において参照される可能性のある領域と、が含まれるように限定された動き探索範囲が決定されてもよい。
　なお、動き探索範囲は、ＬＩＣ処理において参照される参照領域を含むように決定されてもよい。
　（実施の形態２）
　以上の各実施の形態において、機能ブロックの各々は、通常、ＭＰＵ及びメモリ等によって実現可能である。また、機能ブロックの各々による処理は、通常、プロセッサなどのプログラム実行部が、ＲＯＭ等の記録媒体に記録されたソフトウェア（プログラム）を読み出して実行することで実現される。当該ソフトウェアはダウンロード等により配布されてもよいし、半導体メモリなどの記録媒体に記録して配布されてもよい。なお、各機能ブロックをハードウェア（専用回路）によって実現することも、当然、可能である。
　また、各実施の形態において説明した処理は、単一の装置（システム）を用いて集中処理することによって実現してもよく、又は、複数の装置を用いて分散処理することによって実現してもよい。また、上記プログラムを実行するプロセッサは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、又は分散処理を行ってもよい。
　本開示の態様は、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２７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２８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２９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３０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３１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３０及び図３１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３２は、スマートフォンｅｘ１１５を示す図である。また、図３３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、復号器のみを有する受信端末という３通りの実装形式が考えられる。さらに、デジタル放送用システムにおいて、映像データに音声データなどが多重化された多重化データを受信又は送信するとして説明したが、多重化データには、音声データ以外に映像に関連する文字データなどが多重化されてもよいし、多重化データではなく映像データ自体が受信又は送信されてもよい。
　なお、ＣＰＵを含む主制御部ｅｘ４６０が符号化又は復号処理を制御するとして説明したが、端末はＧＰＵを備えることも多い。よって、ＣＰＵとＧＰＵで共通化されたメモリ、又は共通に使用できるようにアドレスが管理されているメモリにより、ＧＰＵの性能を活かして広い領域を一括して処理する構成でもよい。これにより符号化時間を短縮でき、リアルタイム性を確保し、低遅延を実現できる。特に動き探索、デブロックフィルタ、ＳＡＯ（Ｓａｍｐｌｅ　Ａｄａｐｔｉｖｅ　Ｏｆｆｓｅｔ）、及び変換・量子化の処理を、ＣＰＵではなく、ＧＰＵでピクチャなどの単位で一括して行うと効率的である。
　本開示は、例えば、テレビジョン受像機、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、または、デジタルビデオカメラ等に利用可能である。
　１００、３１２　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、４００　イントラ予測部
　１２６、２１８　インター予測部
　１２８、２２０　予測制御部
　２００、３２２　復号装置
　２０２　エントロピー復号部
　３００　符号化復号システム
　３１０　符号化システム
　３１１、３２１　通信装置
　３１３　出力バッファ
　３２０　復号システム
　３２３　入力バッファ
　４０１、１２６２、２１８２　範囲決定部
　４０２　取得参照画像管理部
　４０３　ＦＲＵＣ用動き補償予測部
　４０４　ＢＩＯ用動き補償予測部
　４０５　ＯＢＭＣ用動き補償予測部
　１２６１、２１８１　候補導出部
　１２６３、２１８３　動き探索部
　１２６４、２１８４　動き補償部

Claims (4)

  1. 　動きベクトルを用いて符号化対象ブロックを符号化する符号化装置であって、
    　回路と、
    　メモリと、を備え、
    　前記回路は、前記メモリを用いて、
    　参照ピクチャ内の第１領域を参照することにより、前記符号化対象ブロックの画像を用いずに前記符号化対象ブロックの動きベクトルを推定し、かつ、推定された前記動きベクトルを用いて動き補償を行い、
    　推定された前記動きベクトル又は前記動き補償によって得られた前記符号化対象ブロックの予測画像を補正する補正処理において参照される前記参照ピクチャ内の第２領域を特定し、
    　前記第２領域が前記第１領域に包含される場合に前記補正処理を許可し、前記第２領域が前記第１領域に包含されない場合に前記補正処理を禁止する、
    　符号化装置。
  2. 　動きベクトルを用いて符号化対象ブロックを符号化する符号化方法であって、
    　参照ピクチャ内の第１領域を参照することにより、前記符号化対象ブロックの画像を用いずに前記符号化対象ブロックの動きベクトルを推定し、かつ、推定された前記動きベクトルを用いて動き補償を行い、
    　推定された前記動きベクトル又は前記動き補償によって得られた前記符号化対象ブロックの予測画像を補正する処理において参照される前記参照ピクチャ内の第２領域を特定し、
    　前記第２領域が前記第１領域に包含される場合に、前記符号化対象ブロックの予測画像を補正する処理を許可し、前記第２領域が前記第１領域に包含されない場合に、前記符号化対象ブロックの予測画像を補正する処理を禁止する、
    　符号化方法。
  3. 　動きベクトルを用いて復号対象ブロックを復号する復号装置であって、
    　回路と、
    　メモリと、を備え、
    　前記回路は、前記メモリを用いて、
    　参照ピクチャ内の第１領域を参照することにより、前記復号対象ブロックの画像を用いずに前記復号対象ブロックの動きベクトルを推定し、かつ、推定された前記動きベクトルを用いて動き補償を行い、
    　推定された前記動きベクトル又は前記動き補償によって得られた前記符号化対象ブロックの予測画像を補正する処理において参照される前記参照ピクチャ内の第２領域を特定し、
    　前記第２領域が前記第１領域に包含される場合に、前記復号対象ブロックの予測画像を補正する処理を許可し、前記第２領域が前記第１領域に包含されない場合に、前記復号対象ブロックの予測画像を補正する処理を禁止する、
    　復号装置。
  4. 　動きベクトルを用いて復号対象ブロックを復号する復号方法であって、
    　参照ピクチャ内の第１領域を参照することにより、前記復号対象ブロックの画像を用いずに前記復号対象ブロックの動きベクトルを推定し、かつ、推定された前記動きベクトルを用いて動き補償を行い、
    　推定された前記動きベクトル又は前記動き補償によって得られた前記符号化対象ブロックの予測画像を補正する処理において参照される前記参照ピクチャ内の第２領域を特定し、
    　前記第２領域が前記第１領域に包含される場合に、前記復号対象ブロックの予測画像を補正する処理を許可し、前記第２領域が前記第１領域に包含されない場合に、前記復号対象ブロックの予測画像を補正する処理を禁止する、
    　復号方法。
PCT/JP2018/039421 2017-10-30 2018-10-24 符号化装置、復号装置、符号化方法及び復号方法 WO2019087878A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US16/860,367 US11134260B2 (en) 2017-10-30 2020-04-28 Encoder, decoder, encoding method, and decoding method
US17/403,456 US11812047B2 (en) 2017-10-30 2021-08-16 Encoder, decoder, encoding method, and decoding method
US18/478,519 US20240031591A1 (en) 2017-10-30 2023-09-29 Encoder, decoder, encoding method, and decoding method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201762578756P 2017-10-30 2017-10-30
US62/578,756 2017-10-30

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/860,367 Continuation US11134260B2 (en) 2017-10-30 2020-04-28 Encoder, decoder, encoding method, and decoding method

Publications (1)

Publication Number Publication Date
WO2019087878A1 true WO2019087878A1 (ja) 2019-05-09

Family

ID=66332929

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/039421 WO2019087878A1 (ja) 2017-10-30 2018-10-24 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
US (3) US11134260B2 (ja)
WO (1) WO2019087878A1 (ja)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100309981A1 (en) * 2009-06-04 2010-12-09 Texas Instruments Incorporated Reuse of a search region in motion estimation of multiple target frames

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109496430B (zh) * 2016-05-13 2022-06-14 Vid拓展公司 用于视频编码的通用式多假设预测的系统及方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100309981A1 (en) * 2009-06-04 2010-12-09 Texas Instruments Incorporated Reuse of a search region in motion estimation of multiple target frames

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A. ALSHIN ET AL.: "EE 3: BIO w/o block extension, Joint Video Exploration Team (JVET) of ITU-T SG 16 WP 3", JTC 1/SC 29/WG 11 6TH MEETING, 28 March 2017 (2017-03-28), Hobart, AU, pages 1 - 4 *
HYEONGMUN JANG ET AL.: "Unified search range for FRUC, Joint Video Exploration Team (JVET) of ITU-T SG 16 WP 3", JTC 1/SC 29/WG 11 8TH MEETING, 11 October 2017 (2017-10-11), Macao, CN, pages 1 - 6 *

Also Published As

Publication number Publication date
US11134260B2 (en) 2021-09-28
US20200260100A1 (en) 2020-08-13
US11812047B2 (en) 2023-11-07
US20210377556A1 (en) 2021-12-02
US20240031591A1 (en) 2024-01-25

Similar Documents

Publication Publication Date Title
JP6765520B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP6946419B2 (ja) 復号装置、復号方法及びプログラム
WO2018199051A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
JP7331052B2 (ja) 復号装置及び符号化装置
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
JP6857716B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JPWO2019155971A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019065444A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019013235A1 (ja) 符号化装置、符号化方法、復号装置及び復号方法
JP6770192B2 (ja) 符号化装置、符号化方法、復号装置及び復号方法
WO2019013236A1 (ja) 符号化装置、符号化方法、復号装置及び復号方法
WO2019098152A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019069782A1 (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
WO2019131364A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2023016992A (ja) 符号化装置及び復号装置
WO2019069902A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2019021803A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
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
WO2019098092A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019049912A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法

Legal Events

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

Ref document number: 18871986

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: 18871986

Country of ref document: EP

Kind code of ref document: A1