WO2019194460A1 - 컨벌루션 뉴럴 네트워크를 이용한 영상 코딩 방법 및 그 장치 - Google Patents

컨벌루션 뉴럴 네트워크를 이용한 영상 코딩 방법 및 그 장치 Download PDF

Info

Publication number
WO2019194460A1
WO2019194460A1 PCT/KR2019/003574 KR2019003574W WO2019194460A1 WO 2019194460 A1 WO2019194460 A1 WO 2019194460A1 KR 2019003574 W KR2019003574 W KR 2019003574W WO 2019194460 A1 WO2019194460 A1 WO 2019194460A1
Authority
WO
WIPO (PCT)
Prior art keywords
filtering
cnn
prediction
sample
reconstructed picture
Prior art date
Application number
PCT/KR2019/003574
Other languages
English (en)
French (fr)
Inventor
살레히파메흐디
김승환
Original Assignee
엘지전자 주식회사
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 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to US17/044,570 priority Critical patent/US11265549B2/en
Publication of WO2019194460A1 publication Critical patent/WO2019194460A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/182—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a pixel
    • 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
    • H04N19/46—Embedding additional information in the video signal during the compression process
    • 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
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • H04N19/82—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation involving filtering within a prediction loop
    • 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
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression

Definitions

  • the present invention relates to an image coding technique, and more particularly, to an image decoding method and apparatus using a convolutional neural network in an image coding system.
  • the demand for high resolution and high quality images such as high definition (HD) images and ultra high definition (UHD) images is increasing in various fields.
  • the higher the resolution and the higher quality of the image data the more information or bit rate is transmitted than the existing image data. Therefore, the image data can be transmitted by using a medium such as a conventional wired / wireless broadband line or by using a conventional storage medium. In the case of storage, the transmission cost and the storage cost are increased.
  • a high efficiency image compression technique is required to effectively transmit, store, and reproduce high resolution, high quality image information.
  • An object of the present invention is to provide a method and apparatus for improving image coding efficiency.
  • Another technical problem of the present invention is to provide an image decoding method and apparatus for performing filtering on a current picture based on a convolutional neural network.
  • Another object of the present invention is to provide an image decoding method and apparatus for replacing conventional post filtering using convolutional neural network based filtering.
  • an image decoding method performed by a decoding apparatus.
  • the method includes obtaining residual information for a current block from a bitstream, deriving a prediction sample for the current block, deriving a residual sample for the current block based on the residual information, Deriving a reconstructed picture based on the prediction sample and the residual sample, and performing filtering on the reconstructed picture based on a convolutional neural network (CNN).
  • CNN convolutional neural network
  • a decoding apparatus for performing image decoding.
  • the decoding apparatus may further include an entropy decoding unit that obtains residual information about a current block from a bitstream, a predictor that derives a prediction sample for the current block, and a residual sample for the current block based on the residual information. And a transform unit for deriving a reconstruction picture based on the prediction sample and the residual sample, and a filter unit for filtering the reconstructed picture based on a convolutional neural network (CNN).
  • CNN convolutional neural network
  • a video encoding method performed by an encoding apparatus includes deriving a prediction sample for a current block, generating a residual sample for the current block based on the prediction sample and an original sample for the current block, and generating the prediction sample and the residual sample. Deriving a reconstructed picture based on the image, performing filtering on the reconstructed picture based on a convolutional neural network (CNN), and encoding information and residual information on post filtering. It is characterized by.
  • CNN convolutional neural network
  • a video encoding apparatus may include a prediction unit for deriving a prediction sample for the current block, a subtraction unit for generating a residual sample for the current block based on the prediction sample and the original sample for the current block, the prediction sample, and the register.
  • An adder for deriving a reconstructed picture based on a dual sample, a filter unit performing filtering based on a convolutional neural network (CNN) for the reconstructed picture, and information about post filtering and encoding residual information
  • CNN convolutional neural network
  • filtering may be performed based on CNN (convolution neural network) to reflect the characteristics of the current picture, thereby improving subjective / objective picture quality.
  • CNN convolution neural network
  • filtering may be performed based on a convolution neural network (CNN) to replace existing post filtering processes such as deblocking filtering, SAO and / or ALF, thereby improving subjective / objective picture quality.
  • CNN convolution neural network
  • FIG. 1 is a diagram schematically illustrating a configuration of a video encoding apparatus to which the present invention may be applied.
  • FIG. 2 is a diagram schematically illustrating a configuration of a video decoding apparatus to which the present invention may be applied.
  • 3 exemplarily shows a neural network.
  • 5 exemplarily shows a CNN applied in the present invention.
  • FIG. 6 illustrates an example of image coding performed by replacing the deblocking filter and the SAO with the CNN.
  • FIG. 7 shows an example of image coding performed by replacing the deblocking filter, the SAO and the ALF with the CNN.
  • FIG 8 illustrates an example of applying the deblocking filter, the SAO and the ALF, and performing the CNN.
  • FIG. 9 illustrates an example of performing filtering on a reconstructed picture based on a selected CNN among a plurality of CNNs.
  • FIG. 10 schematically illustrates an image encoding method by an encoding apparatus according to the present invention.
  • FIG. 11 schematically illustrates an encoding apparatus for performing an image encoding method according to the present invention.
  • FIG. 12 schematically illustrates an image decoding method by a decoding apparatus according to the present invention.
  • FIG. 13 schematically illustrates a decoding apparatus for performing an image decoding method according to the present invention.
  • each configuration in the drawings described in the present invention are shown independently for the convenience of description of the different characteristic functions, it does not mean that each configuration is implemented by separate hardware or separate software.
  • two or more of each configuration may be combined to form one configuration, or one configuration may be divided into a plurality of configurations.
  • Embodiments in which each configuration is integrated and / or separated are also included in the scope of the present invention without departing from the spirit of the present invention.
  • the present invention relates to video / image coding.
  • the method / embodiment disclosed herein may be applied to the method disclosed in the versatile video coding (VVC) standard or the next generation video / image coding standard.
  • VVC versatile video coding
  • a picture generally refers to a unit representing one image in a specific time zone
  • a slice / tile is a unit constituting a part of a picture in coding.
  • the slice / tile may comprise one or more coding tree units (CTUs).
  • CTUs coding tree units
  • One picture may be composed of a plurality of slices / tiles, and a picture and a slice / tile may be mixed with each other if necessary.
  • One tile group may include one or more tiles.
  • a pixel or a pel may refer to a minimum unit constituting one picture (or image). Also, 'sample' may be used as a term corresponding to a pixel.
  • a sample may generally represent a pixel or a value of a pixel, and may only represent pixel / pixel values of the luma component, or only pixel / pixel values of the chroma component.
  • a unit represents the basic unit of image processing.
  • the unit may include at least one of a specific region of the picture and information related to the region.
  • the unit may be used interchangeably with terms such as block or area in some cases.
  • an M ⁇ N block may represent a set of samples or transform coefficients composed of M columns and N rows.
  • FIG. 1 is a diagram schematically illustrating a configuration of a video encoding apparatus to which the present invention may be applied.
  • the video encoding apparatus 100 may include a picture splitter 105, a predictor 110, a residual processor 120, an entropy encoder 130, an adder 140, and a filter 150. ) And memory 160.
  • the residual processing unit 120 may include a subtraction unit 121, a conversion unit 122, a quantization unit 123, a reordering unit 124, an inverse quantization unit 125, and an inverse conversion unit 126.
  • the picture divider 105 may divide the input picture into at least one processing unit.
  • the processing unit may be called a coding unit (CU).
  • the coding unit may be recursively split from the largest coding unit (LCU) according to a quad-tree binary-tree (QTBT) structure.
  • LCU largest coding unit
  • QTBT quad-tree binary-tree
  • one coding unit may be divided into a plurality of coding units of a deeper depth based on a quad tree structure and / or a binary tree structure.
  • the quad tree structure may be applied first and the binary tree structure may be applied later.
  • the binary tree structure may be applied first.
  • the coding procedure according to the present invention may be performed based on the final coding unit that is no longer split.
  • the maximum coding unit may be used as the final coding unit immediately based on coding efficiency according to the image characteristic, or if necessary, the coding unit is recursively divided into coding units of lower depths and optimized.
  • a coding unit of size may be used as the final coding unit.
  • the coding procedure may include a procedure of prediction, transform, and reconstruction, which will be described later.
  • the processing unit may include a coding unit (CU) prediction unit (PU) or a transform unit (TU).
  • the coding unit may be split from the largest coding unit (LCU) into coding units of deeper depths along the quad tree structure.
  • LCU largest coding unit
  • the maximum coding unit may be used as the final coding unit immediately based on coding efficiency according to the image characteristic, or if necessary, the coding unit is recursively divided into coding units of lower depths and optimized.
  • a coding unit of size may be used as the final coding unit. If a smallest coding unit (SCU) is set, the coding unit may not be split into smaller coding units than the minimum coding unit.
  • the final coding unit refers to a coding unit that is the basis of partitioning or partitioning into a prediction unit or a transform unit.
  • the prediction unit is a unit partitioning from the coding unit and may be a unit of sample prediction. In this case, the prediction unit may be divided into sub blocks.
  • the transform unit may be divided along the quad tree structure from the coding unit, and may be a unit for deriving a transform coefficient and / or a unit for deriving a residual signal from the transform coefficient.
  • a coding unit may be called a coding block (CB)
  • a prediction unit is a prediction block (PB)
  • a transform unit may be called a transform block (TB).
  • a prediction block or prediction unit may mean a specific area in the form of a block within a picture, and may include an array of prediction samples.
  • a transform block or a transform unit may mean a specific area in a block form within a picture, and may include an array of transform coefficients or residual samples.
  • the prediction unit 110 may perform a prediction on a block to be processed (hereinafter, referred to as a current block) and generate a predicted block including prediction samples of the current block.
  • the unit of prediction performed by the prediction unit 110 may be a coding block, a transform block, or a prediction block.
  • the prediction unit 110 may determine whether intra prediction or inter prediction is applied to the current block. As an example, the prediction unit 110 may determine whether intra prediction or inter prediction is applied on a CU basis.
  • the prediction unit 110 may derive a prediction sample for the current block based on reference samples outside the current block in the picture to which the current block belongs (hereinafter, referred to as the current picture). In this case, the prediction unit 110 may (i) derive the prediction sample based on the average or interpolation of neighboring reference samples of the current block, and (ii) the neighbor reference of the current block.
  • the prediction sample may be derived based on a reference sample present in a specific (prediction) direction with respect to the prediction sample among the samples. In case of (i), it may be called non-directional mode or non-angle mode, and in case of (ii), it may be called directional mode or angular mode.
  • the prediction mode may have, for example, 33 directional prediction modes and at least two non-directional modes.
  • the non-directional mode may include a DC prediction mode and a planner mode (Planar mode).
  • the prediction unit 110 may determine the prediction mode applied to the current block by using the prediction mode applied to the neighboring block.
  • the prediction unit 110 may derive the prediction sample for the current block based on the sample specified by the motion vector on the reference picture.
  • the prediction unit 110 may apply one of a skip mode, a merge mode, and a motion vector prediction (MVP) mode to derive a prediction sample for the current block.
  • the prediction unit 110 may use the motion information of the neighboring block as the motion information of the current block.
  • the skip mode unlike the merge mode, the difference (residual) between the prediction sample and the original sample is not transmitted.
  • the MVP mode the motion vector of the current block may be derived using the motion vector of the neighboring block as a motion vector predictor.
  • the neighboring block may include a spatial neighboring block existing in the current picture and a temporal neighboring block present in the reference picture.
  • a reference picture including the temporal neighboring block may be called a collocated picture (colPic).
  • the motion information may include a motion vector and a reference picture index.
  • Information such as prediction mode information and motion information may be encoded (entropy) and output in the form of a bitstream.
  • the highest picture on the reference picture list may be used as the reference picture.
  • Reference pictures included in a reference picture list may be sorted based on a difference in a picture order count (POC) between a current picture and a corresponding reference picture.
  • POC picture order count
  • the subtraction unit 121 generates a residual sample which is a difference between the original sample and the prediction sample.
  • residual samples may not be generated as described above.
  • the transform unit 122 generates transform coefficients by transforming the residual sample in units of transform blocks.
  • the transform unit 122 may perform the transform according to the size of the transform block and the prediction mode applied to the coding block or the prediction block that spatially overlaps the transform block. For example, if intra prediction is applied to the coding block or the prediction block that overlaps the transform block, and the transform block is a 4 ⁇ 4 residual array, the residual sample is configured to perform a discrete sine transform (DST) transform kernel.
  • the residual sample may be transformed using a discrete cosine transform (DCT) transform kernel.
  • DST discrete sine transform
  • DCT discrete cosine transform
  • the quantization unit 123 may quantize the transform coefficients to generate quantized transform coefficients.
  • the reordering unit 124 rearranges the quantized transform coefficients.
  • the reordering unit 124 may reorder the quantized transform coefficients in the form of a block into a one-dimensional vector form through a coefficient scanning method. Although the reordering unit 124 has been described in a separate configuration, the reordering unit 124 may be part of the quantization unit 123.
  • the entropy encoding unit 130 may perform entropy encoding on the quantized transform coefficients.
  • Entropy encoding may include, for example, encoding methods such as exponential Golomb, context-adaptive variable length coding (CAVLC), context-adaptive binary arithmetic coding (CABAC), and the like.
  • the entropy encoding unit 130 may encode information necessary for video reconstruction other than the quantized transform coefficient (for example, a value of a syntax element) together or separately. Entropy-encoded information may be transmitted or stored in units of network abstraction layer (NAL) units in the form of bitstreams.
  • NAL network abstraction layer
  • the inverse quantization unit 125 inverse quantizes the quantized values (quantized transform coefficients) in the quantization unit 123, and the inverse transformer 126 inverse transforms the inverse quantized values in the inverse quantization unit 125 to obtain a residual sample.
  • the adder 140 reconstructs the picture by combining the residual sample and the predictive sample.
  • the residual sample and the predictive sample may be added in units of blocks to generate a reconstructed block.
  • the adder 140 may be part of the predictor 110.
  • the adder 140 may be called a restoration unit or a restoration block generation unit.
  • the filter unit 150 may apply a deblocking filter and / or a sample adaptive offset to the reconstructed picture. Through deblocking filtering and / or sample adaptive offset, the artifacts of the block boundaries in the reconstructed picture or the distortion in the quantization process can be corrected.
  • the sample adaptive offset may be applied on a sample basis and may be applied after the process of deblocking filtering is completed.
  • the filter unit 150 may apply an adaptive loop filter (ALF) to the reconstructed picture. ALF may be applied to the reconstructed picture after the deblocking filter and / or sample adaptive offset is applied.
  • ALF adaptive loop filter
  • the memory 160 may store reconstructed pictures (decoded pictures) or information necessary for encoding / decoding.
  • the reconstructed picture may be a reconstructed picture after the filtering process is completed by the filter unit 150.
  • the stored reconstructed picture may be used as a reference picture for (inter) prediction of another picture.
  • the memory 160 may store (reference) pictures used for inter prediction.
  • pictures used for inter prediction may be designated by a reference picture set or a reference picture list.
  • FIG. 2 is a diagram schematically illustrating a configuration of a video decoding apparatus to which the present invention may be applied.
  • the video decoding apparatus 200 may include an entropy decoding unit 210, a residual processor 220, a predictor 230, an adder 240, a filter 250, and a memory 260. It may include.
  • the residual processor 220 may include a rearrangement unit 221, an inverse quantization unit 222, and an inverse transform unit 223.
  • the video decoding apparatus 200 may restore video in response to a process in which video information is processed in the video encoding apparatus.
  • the video decoding apparatus 200 may perform video decoding using a processing unit applied in the video encoding apparatus.
  • the processing unit block of video decoding may be, for example, a coding unit, and in another example, a coding unit, a prediction unit, or a transform unit.
  • the coding unit may be split along the quad tree structure and / or binary tree structure from the largest coding unit.
  • the prediction unit and the transform unit may be further used in some cases, in which case the prediction block is a block derived or partitioned from the coding unit and may be a unit of sample prediction. At this point, the prediction unit may be divided into subblocks.
  • the transform unit may be divided along the quad tree structure from the coding unit, and may be a unit for deriving a transform coefficient or a unit for deriving a residual signal from the transform coefficient.
  • the entropy decoding unit 210 may parse the bitstream and output information necessary for video reconstruction or picture reconstruction. For example, the entropy decoding unit 210 decodes information in a bitstream based on a coding method such as exponential Golomb coding, CAVLC, or CABAC, quantized values of syntax elements necessary for video reconstruction, and residual coefficients. Can be output.
  • a coding method such as exponential Golomb coding, CAVLC, or CABAC, quantized values of syntax elements necessary for video reconstruction, and residual coefficients. Can be output.
  • the CABAC entropy decoding method receives a bin corresponding to each syntax element in a bitstream, and decodes syntax element information and decoding information of neighboring and decoding target blocks or information of symbols / bins decoded in a previous step.
  • the context model may be determined using the context model, the probability of occurrence of a bin may be predicted according to the determined context model, and arithmetic decoding of the bin may be performed to generate a symbol corresponding to the value of each syntax element. have.
  • the CABAC entropy decoding method may update the context model by using the information of the decoded symbol / bin for the context model of the next symbol / bean after determining the context model.
  • the information related to the prediction among the information decoded by the entropy decoding unit 210 is provided to the prediction unit 230, and the residual value on which the entropy decoding has been performed by the entropy decoding unit 210, that is, the quantized transform coefficient, is used as a reordering unit ( 221 may be input.
  • the reordering unit 221 may rearrange the quantized transform coefficients in a two-dimensional block form.
  • the reordering unit 221 may perform reordering in response to coefficient scanning performed by the encoding apparatus.
  • the rearrangement unit 221 has been described in a separate configuration, but the rearrangement unit 221 may be part of the inverse quantization unit 222.
  • the inverse quantization unit 222 may dequantize the quantized transform coefficients based on the (inverse) quantization parameter and output the transform coefficients.
  • information for deriving a quantization parameter may be signaled from the encoding apparatus.
  • the inverse transform unit 223 may inversely transform transform coefficients to derive residual samples.
  • the prediction unit 230 may perform prediction on the current block and generate a predicted block including prediction samples for the current block.
  • the unit of prediction performed by the prediction unit 230 may be a coding block, a transform block, or a prediction block.
  • the prediction unit 230 may determine whether to apply intra prediction or inter prediction based on the information about the prediction.
  • a unit for determining which of intra prediction and inter prediction is to be applied and a unit for generating a prediction sample may be different.
  • the unit for generating a prediction sample in inter prediction and intra prediction may also be different.
  • whether to apply inter prediction or intra prediction may be determined in units of CUs.
  • a prediction mode may be determined and a prediction sample may be generated in PU units
  • intra prediction a prediction mode may be determined in PU units and a prediction sample may be generated in TU units.
  • the prediction unit 230 may derive the prediction sample for the current block based on the neighbor reference samples in the current picture.
  • the prediction unit 230 may derive the prediction sample for the current block by applying the directional mode or the non-directional mode based on the neighbor reference samples of the current block.
  • the prediction mode to be applied to the current block may be determined using the intra prediction mode of the neighboring block.
  • the prediction unit 230 may derive the prediction sample for the current block based on the sample specified on the reference picture by the motion vector on the reference picture.
  • the prediction unit 230 may apply any one of a skip mode, a merge mode, and an MVP mode to derive a prediction sample for the current block.
  • motion information required for inter prediction of the current block provided by the video encoding apparatus for example, information about a motion vector, a reference picture index, and the like may be obtained or derived based on the prediction information.
  • the motion information of the neighboring block may be used as the motion information of the current block.
  • the neighboring block may include a spatial neighboring block and a temporal neighboring block.
  • the prediction unit 230 may construct a merge candidate list using motion information of available neighboring blocks, and may use information indicated by the merge index on the merge candidate list as a motion vector of the current block.
  • the merge index may be signaled from the encoding device.
  • the motion information may include a motion vector and a reference picture. When the motion information of the temporal neighboring block is used in the skip mode and the merge mode, the highest picture on the reference picture list may be used as the reference picture.
  • the difference (residual) between the prediction sample and the original sample is not transmitted.
  • the motion vector of the current block may be derived using the motion vector of the neighboring block as a motion vector predictor.
  • the neighboring block may include a spatial neighboring block and a temporal neighboring block.
  • a merge candidate list may be generated by using a motion vector of a reconstructed spatial neighboring block and / or a motion vector corresponding to a Col block, which is a temporal neighboring block.
  • the motion vector of the candidate block selected from the merge candidate list is used as the motion vector of the current block.
  • the information about the prediction may include a merge index indicating a candidate block having an optimal motion vector selected from candidate blocks included in the merge candidate list.
  • the prediction unit 230 may derive the motion vector of the current block by using the merge index.
  • a motion vector predictor candidate list may be generated using a motion vector of a reconstructed spatial neighboring block and / or a motion vector corresponding to a Col block, which is a temporal neighboring block.
  • the prediction information may include a prediction motion vector index indicating an optimal motion vector selected from the motion vector candidates included in the list.
  • the prediction unit 230 may select the predicted motion vector of the current block from the motion vector candidates included in the motion vector candidate list using the motion vector index.
  • the prediction unit of the encoding apparatus may obtain a motion vector difference (MVD) between the motion vector of the current block and the motion vector predictor, and may encode the output vector in a bitstream form. That is, MVD may be obtained by subtracting the motion vector predictor from the motion vector of the current block.
  • the prediction unit 230 may obtain a motion vector difference included in the information about the prediction, and derive the motion vector of the current block by adding the motion vector difference and the motion vector predictor.
  • the prediction unit may also obtain or derive a reference picture index or the like indicating a reference picture from the information about the prediction.
  • the adder 240 may reconstruct the current block or the current picture by adding the residual sample and the predictive sample.
  • the adder 240 may reconstruct the current picture by adding the residual sample and the predictive sample in block units. Since the residual is not transmitted when the skip mode is applied, the prediction sample may be a reconstruction sample.
  • the adder 240 has been described in a separate configuration, the adder 240 may be part of the predictor 230. On the other hand, the adder 240 may be called a restoration unit or a restoration block generation unit.
  • the filter unit 250 may apply deblocking filtering, sample adaptive offset, and / or ALF to the reconstructed picture.
  • the sample adaptive offset may be applied in units of samples and may be applied after deblocking filtering.
  • ALF may be applied after deblocking filtering and / or sample adaptive offset.
  • the memory 260 may store reconstructed pictures (decoded pictures) or information necessary for decoding.
  • the reconstructed picture may be a reconstructed picture after the filtering process is completed by the filter unit 250.
  • the memory 260 may store pictures used for inter prediction.
  • pictures used for inter prediction may be designated by a reference picture set or a reference picture list.
  • the reconstructed picture can be used as a reference picture for another picture.
  • the memory 260 may output the reconstructed picture in an output order.
  • neural networks based on learning data are already used in many fields, and convolutional neural networks (CNNs) are excellent in image recognition.
  • the neural network may be referred to as an artificial neural network. Accordingly, the present invention proposes a video encoding / decoding method using the CNN. First, a detailed description of the neural network and the CNN will be described later.
  • 3 exemplarily shows a neural network.
  • the neural network is a class of algorithms based on the idea of interconnected neurons.
  • neurons may contain data values, such as pre-defined strength for each connection, and a threshold value for which the sum of connections for each particular neuron is predefined.
  • each data value can affect the value of the connected neuron, such as whether
  • connection strength and threshold also called “training”
  • neurons can be grouped primarily into "layers".
  • a general neural network may include three types of layers. The three types of layers may include an input layer, a hidden layer, and an output layer.
  • the input layer may represent a layer for providing an input to the neural network model.
  • the number of neurons of the input layer may be equal to the number of features of the data.
  • the number of neurons of the input layer may be equal to the number of samples of the input picture.
  • the hidden layer may represent a layer between the input layer and the output layer.
  • An input of the input layer may be supplied to the hidden layer.
  • the neural network may include one or more hidden layers depending on the model and the data size.
  • the hidden layer may include a greater number of neurons than the number of features. That is, in general, the hidden layer may include more neurons than the number of neurons of the input layer. Also, when there are a plurality of hidden layers, the hidden layers may include different numbers of neurons.
  • the output of each hidden layer is a matrix multiply by the output of the previous layer and the learnable weights of that hidden layer, followed by an activation function that makes the neural network nonlinear, followed by a learnable bias. Can be calculated in addition.
  • the output layer may represent a layer including an output of the neural network model.
  • the output of the hidden layer may be transferred to a logistic function that converts the output of each class.
  • the neural network shown in FIG. 3 may represent one embodiment called a fully-connected neural network.
  • each of the neurons of the layer may be connected to the neuron of the next layer.
  • neurons of an input layer may be connected to all neurons of hidden layer 1.
  • each neuron of the hidden layer 1 may receive an input value from each neuron of the input layer. Thereafter, input values input to the neuron may be summed, and the summed value may be compared with a bias or threshold value. When the summed value is larger than the threshold value for the neuron, the summed value may be used as a value used as an input for a neuron of a next layer in the neuron.
  • the above-described operation may be performed through various layers of the neural network, and may continue until reaching the final layer, that is, the output layer.
  • an example of the neural network is a convolutional neural network (CNN).
  • the CNN is excellent for many computer vision and machine learning problems. Specifically, the CNN shows excellent performance for the following reasons.
  • the character may represent a region having adjacent correlations having high correlations and local features, and far distance samples having a low correlation.
  • the fixed characteristic may mean that the statistics of one part of the image are the same as the other part.
  • the CNN includes a set of neurons in a particular layer that contain features (ie, nodes) that are spatially or temporally close to the node in the previous layer. Input values of may be input. That is, the CNN can operate by associating each neuron with an array of values instead of a single value.
  • the set may be referred to as a receptive field.
  • the set can be derived as a 3x3 set or a 5x5 set.
  • the MxN set may represent a set of nodes consisting of M columns and N rows. Therefore, the CNN needs a function capable of processing a local 2-D structure.
  • the CNN 4 exemplarily shows a convolutional neural network.
  • the set can be represented by a small image patch, and the conversion of neuron values for subsequent layers can use convolution instead of multiplication. That is, the connection strength may be a convolutional kernel that is not a scalar value.
  • the CNN may include three layers described below.
  • the convolutional layer may represent a layer for calculating an output value of a node connected to a local region of an input.
  • the output value for each node may be calculated as the dot product between the weight and the area connected to the input volume for the node.
  • the input to the node passes through a rectified linear unit (RELU) layer to which an elementwise activation function, such as Max (0, x), is defined as Can be derived.
  • RELU rectified linear unit
  • the pooling layer may perform a down sampling operation along a spatial dimension.
  • the down sampling may represent a process of deriving a maximum value or an average value among the values of the nodes of the corresponding region.
  • output values of the pooling layer may be input as input values for the full access layer, that is, a full access neural network.
  • an input picture may pass through convolutional layers as described above, and values passing through the convolutional layers may pass through the fully-connected layer, thereby deriving features that are output values. Can be.
  • the encoding device / decoding device may perform a convolution operation on samples of the input block of the input picture. For example, four convolution operations may be performed on the samples of the input block.
  • the first convolution operation (hereinafter, the first convolution operation) is called f (t) and the kernel is g (t) if the input block is f (t), inverting g (t) to convolution the overlap between the input and the kernel.
  • the encoding device / decoding device multiplies the values at the position of each element in the overlapping portion with the kernel located at the upper left of the NxN input block and outputs the sum of all the values (Summation of Products (SOP)). can do.
  • the second convolution operation moves the kernel used for the first convolution operation to the left by one space, where the input block and the kernel (that is, the kernel located at the upper right) overlap each other. It can represent a convolution operation. That is, the encoding device / decoding device moves the kernel used for the first convolution operation to the left by one space, multiplies the values at the position of each element in the overlapping portion of the input block and the kernel, and adds the values together. You can output
  • the third convolution operation moves the kernel used for the second convolution operation downward by one space, where the input block and the kernel (that is, the kernel located at the lower right) overlap each other. It can represent a convolution operation. That is, the encoding device / decoding device moves the kernel used for the second convolution operation down one space, multiplies the values at the position of each element in the overlapping portion of the input block and the kernel, and adds the values together. You can output
  • the fourth convolution operation moves the kernel used for the third convolution operation to the right by one space, where the input block and the kernel (that is, the kernel located at the lower left) overlap each other. It can represent a convolution operation. That is, the encoding device / decoding device moves the kernel used for the third convolution operation to the right by one space, multiplies the values at positions of each element in the overlapping portion of the input block and the kernel, and adds the values together. You can output
  • the encoding device / decoding device may transform the value output by performing the convolution operation (for example, four values derived through four convolution operations) into a nonlinear function through an activation function. have.
  • the encoding device / decoding device may extract a feature by performing a pulling operation on the output value that has passed through the activation function.
  • the pooling operation may represent a process of selecting one value according to a specific criterion among the values (for example, four values) derived as described above.
  • the abstracted information can be extracted one step higher through the convolution operation, and the pooling operation may represent a process of compressing and summarizing the size so that only the most important information is left in the abstracted information.
  • the encoding device / decoding device may derive a plurality of features by performing the above-described convolution and pooling operations on the plurality of blocks included in the input picture.
  • the features may be referred to as feature maps.
  • the encoding device / decoding device may output the full access layer based on the feature map. That is, the encoding device / decoding device may derive an output value of the full access layer based on the feature map.
  • the above-described CNN may be usefully used in a post filtering process of video coding or compression.
  • the CNN can be used to find the appropriate filter set for the current picture (or current block) among available filter sets.
  • the procedure for deriving the appropriate filter set based on the CNN can be described as described below.
  • the filter set may include filter taps and filter coefficients.
  • Step 1 The input picture may be divided into a preset sample group. That is, the input picture may be divided into blocks having a predetermined size.
  • the block may be a 3x3 size block, a 5x5 size block, or a CTU.
  • Step 2 A plurality of features may be derived by applying a predetermined filtering process (that is, a convolution operation performed based on a predetermined kernel) to the predetermined block.
  • a predetermined filtering process that is, a convolution operation performed based on a predetermined kernel
  • the same weighting factor may be applied to the samples of the block to derive an average feature (ie, a feature that represents the average of the input samples).
  • the kernel for the convolution operation may include weighting factors having the same value.
  • a weighting factor such as a high frequency response, can be applied to the samples of the block to derive a high frequency feature between the input samples.
  • the kernel for the convolution operation may include a weighting factor whose value is a high frequency response.
  • the second step may be applied in a plurality of steps, and the number and type of features may vary depending on the application.
  • Step 3 The filter used may be determined based on the final feature derived in Step 2.
  • a filter used for the current picture may be determined using a logistic function that converts output features into a probability score of each filter set.
  • the above-described CNN can be usefully used for a post filtering process in video coding.
  • the present invention proposes an image coding scheme using a filtering process performed based on the CNN.
  • the embodiments proposed in the present invention have been described in relation to the ITU-T H.264 standard, the ITU-T H.265 standard, the JEM exploration activity, and the VVC. It may be applied to any other video coding standard.
  • a method of replacing a deblocking filter and a sample adaptive offset (SAO) with the CNN may be proposed.
  • the reconstructed picture may pass through the CNN instead of the deblocking filter and the SAO.
  • the CNN may be applied to the reconstructed picture instead of the deblocking filter and the SAO.
  • the CNN may have a multi-layered structure as described above, and the predetermined filtering process of the CNN may be determined in each layer.
  • the number and characteristics of layers included in the CNN that is, the number of filter coefficients and filter taps in each layer may be defined.
  • the encoding device / decoding device may apply the CNN to the reconstructed picture using an in-loop filtering procedure applied to improve subjective / objective picture quality.
  • a method of applying the CNN after applying a filter such as a deblocking filter, a SAO, and an adaptive loop filter (ALF) may be proposed to improve subjective / objective picture quality.
  • a filter such as a deblocking filter, a SAO, and an adaptive loop filter (ALF)
  • ALF adaptive loop filter
  • the encoding device / decoding device may apply the deblocking filter, the SAO, the ALF, and the CNN to the reconstructed picture as an in-loop filtering procedure applied to improve subjective / objective picture quality.
  • a flag indicating whether additional post filtering data is transmitted may be signaled.
  • the flag may indicate that additional post filtering data is transmitted.
  • the flag may indicate that additional post filtering data is not transmitted.
  • the flag may be referred to as a post filter extension flag, and the flag may be signaled as shown in the following table.
  • sps_postfilter_extension_flag may represent the flag.
  • the flag may be signaled through a slice header, a picture parameter set (PPS) or a sequence parameter set (SPS).
  • the information on the filtering process performed using the CNN may be signaled as shown in the following table.
  • a flag indicating whether there is an integrated post filtering process may be signaled.
  • the flag may be referred to as a post filter control present flag.
  • the post_filter_control_present_flag illustrated in Table 2 may indicate a syntax element for the post filter control present flag. When the value of the post filter control present flag is 1, the flag may indicate that there is an integrated post filtering process. When the value of the post filter control present flag is 0, the flag is integrated post. It may indicate that no filtering process exists. When the post filter control present flag does not exist, the value of the post filter control present flag may be regarded as zero.
  • a flag may be signaled indicating whether an existing post filtering process such as a deblocking filter, SAO and ALF is replaced by the integrated post filtering process.
  • the flag may be referred to as a unified post filter flag.
  • Unified_post_filter_flag illustrated in Table 2 may indicate a syntax element for the unified post filter flag. When the value of the unified post filter flag is 1, the flag may indicate that an integrated post filtering process replaces the existing post filtering process, and when the value of the unified post filter flag is 0, the flag May indicate that an integrated post filtering process does not replace the existing post filtering process. When the unified post filter flag does not exist, the value of the unified post filter flag may be regarded as 0.
  • a flag indicating whether a deblocking filter is available may be signaled.
  • the flag may be referred to as a deblocking filter available flag.
  • the deblocking_filter_enabled_flag shown in Table 2 may indicate a syntax element for the deblocking filter available flag. When the value of the deblocking filter available flag is 1, the flag may indicate that the deblocking filter is available. When the value of the deblocking filter available flag is 0, the flag is available by the deblocking filter. May indicate no. If the deblocking filter available flag does not exist, the value of the deblocking filter available flag may be regarded as zero.
  • a flag indicating whether SAO is available may be signaled.
  • the flag may be referred to as a SAO available flag.
  • SAO_enabled_flag shown in Table 2 may indicate a syntax element for the SAO available flag. When the value of the SAO available flag is 1, the flag may indicate that the SAO post filtering is available. When the value of the SAO available flag is 0, the flag indicates that the SAO post filtering is not available. Can be. If the SAO available flag does not exist, the value of the deblocking filter available flag may be regarded as zero.
  • a flag indicating whether ALF is available may be signaled.
  • the flag may be referred to as an ALF enabled flag.
  • ALF_enabled_flag shown in Table 2 may indicate a syntax element for the ALF enabled flag. When the value of the ALF available flag is 1, the flag may indicate that the ALF filtering is available. When the value of the ALF available flag is 0, the flag may indicate that the ALF filtering is not available. . If the ALF available flag does not exist, the value of the ALF available flag may be regarded as zero.
  • syntax elements may be signaled through a slice header, a picture parameter set (PPS), or a sequence parameter set (SPS).
  • PPS picture parameter set
  • SPS sequence parameter set
  • a method of performing filtering based on a selected CNN among a plurality of CNNs may be proposed.
  • FIG. 9 illustrates an example of performing filtering on a reconstructed picture based on a selected CNN among a plurality of CNNs.
  • the encoding apparatus may perform various CNN-based filtering on the reconstructed picture, and select a CNN having an optimal objective performance among the plurality of CNNs.
  • the encoding apparatus may signal an index indicating the selected CNN among the plurality of CNNs.
  • the decoding apparatus may receive the index and refine the reconstructed picture by performing filtering on the reconstructed picture based on the CNN indicated by the index.
  • the encoding apparatus may perform various CNN based filtering on the residual data, ie, residual samples for the current picture, and have an optimal objective performance among the plurality of CNNs.
  • the encoding apparatus may signal an index indicating the selected CNN among the plurality of CNNs.
  • the decoding apparatus may receive the index, perform filtering on residual samples of the current picture based on the CNN indicated by the index, and refine the reconstructed picture through the filtered residual samples. )can do.
  • the first CNN shown in FIG. 9 may include five convolutional layers, and 10 available filter sets may be used based on the extracted filter.
  • the second CNN may include three convolution layers, and five available filter sets may be used based on the extracted filter.
  • each CNN may have different sized input blocks. That is, the size of the input block for each CNN may be different.
  • FIG. 10 schematically illustrates an image encoding method by an encoding apparatus according to the present invention.
  • the method disclosed in FIG. 10 may be performed by the encoding apparatus disclosed in FIG. 1.
  • S1000 of FIG. 10 may be performed by the predicting unit of the encoding apparatus
  • S1010 may be performed by the subtracting unit of the encoding apparatus
  • S1020 may be performed by the adding unit of the encoding apparatus.
  • S1030 may be performed by the filter unit of the encoding apparatus
  • S1040 may be performed by the entropy encoding unit of the encoding apparatus.
  • the encoding apparatus derives a prediction sample for the current block (S1000).
  • the encoding apparatus may derive the prediction sample for the current block by performing intra prediction or inter prediction on the current block.
  • the encoding apparatus may determine whether intra prediction or inter prediction is applied to the current block.
  • the encoding apparatus may derive motion information on the current block by applying a skip mode, a merge mode, or an AMVP mode, based on the motion information.
  • a prediction sample for the current block can be derived.
  • the motion information may include a motion vector and a reference picture index.
  • the encoding apparatus may configure a merge candidate list using motion information of available neighboring blocks, and select one of the merge candidates included in the merge candidate list.
  • the selected merge candidate may be derived as motion information for the current block.
  • the encoding apparatus may encode a merge index indicating the selected merge candidate among merge candidates of the merge candidate list.
  • the merge index may be included in the prediction information for the current block.
  • the encoding apparatus uses the motion vector corresponding to the motion vector of the spatial neighboring block of the current block and / or the Col block, which is a temporal neighboring block, to the motion vector predictor candidate list.
  • the motion vector predictor candidate list can be generated. That is, a motion vector of a reconstructed spatial neighboring block and / or a motion vector corresponding to a Col block, which is a temporal neighboring block, may be used as a motion vector predictor candidate.
  • the encoding apparatus may select one motion vector predictor candidate from among motion vector predictor candidates included in the list as the prediction information of the current block, and use the selected motion vector predictor candidate as a motion vector predictor. We can derive the motion vector for.
  • the encoding apparatus may obtain a motion vector difference (MVD) between the motion vector of the current block and the motion vector predictor, and may encode the same and output the bit stream in the form of a bitstream. That is, MVD may be obtained by subtracting the motion vector predictor from the motion vector of the current block.
  • the encoding apparatus may encode a motion vector predictor index indicating the selected motion vector predictor candidate among the motion vector predictor candidates included in the list. The motion vector predictor index may be included in prediction information about the current block.
  • the encoding apparatus may derive a reference picture for the current block and may encode a reference picture index indicating the reference picture. The reference picture index may be included in the prediction information.
  • the encoding apparatus may derive the prediction sample for the current block based on the peripheral reference samples in the current picture.
  • the encoding apparatus may derive the prediction sample for the current block by applying the directional mode or the non-directional mode based on the peripheral reference samples of the current block.
  • the prediction mode to be applied to the current block may be determined using the intra prediction mode of the neighboring block.
  • the encoding apparatus may encode prediction information about the current block.
  • the prediction information may include information indicating whether intra prediction or inter prediction is applied to the current block.
  • the prediction information may include information indicating whether a merge mode or an AMVP mode is applied to the current block.
  • the encoding apparatus generates a residual sample for the current block based on the prediction sample and the original sample for the current block (S1010).
  • the encoding apparatus may derive the residual sample through the addition of the original sample and the prediction sample for the current block.
  • the encoding apparatus derives a reconstructed picture based on the prediction sample and the residual sample (S1020).
  • the encoding apparatus may generate a reconstructed sample based on the prediction sample and the residual sample, and may derive a reconstructed block or a reconstructed picture based on the reconstructed sample.
  • the encoding apparatus performs filtering on the reconstructed picture based on a convolutional neural network (CNN) (S1030).
  • CNN convolutional neural network
  • the encoding apparatus may split the reconstructed picture into input blocks of a specific size.
  • the specific size may be 3x3 size or 5x5 size.
  • the input blocks may be coding tree units (CTUs).
  • the encoding apparatus may derive features by performing a convolution operation on each of the input blocks based on a kernel for the CNN, and determine a filter set based on the features. have.
  • the encoding apparatus may perform filtering on the reconstructed picture based on the filter set.
  • the filter set may include filter taps and filter coefficients.
  • the encoding apparatus may select one of a plurality of CNNs, and perform filtering based on the selected CNN for the reconstructed picture.
  • the encoding apparatus may generate and signal an index indicating the selected CNN among the plurality of CNNs.
  • the encoding apparatus may perform an adaptive loop filter (ALF) on the reconstructed picture filtered based on the CNN.
  • ALF adaptive loop filter
  • the encoding apparatus may perform deblocking filtering, SAO, and / or ALF on the reconstructed picture, and may split the filtered reconstructed picture into input blocks of a specific size.
  • the specific size may be 3x3 size or 5x5 size.
  • the input blocks may be coding tree units (CTUs).
  • the encoding apparatus may derive features by performing a convolution operation on each of the input blocks based on a kernel for the CNN, and determine a filter set based on the features. have.
  • the encoding apparatus may perform filtering on the reconstructed picture based on the filter set.
  • the filter set may include filter taps and filter coefficients.
  • the encoding apparatus may perform filtering based on the CNN on residual samples of the current picture.
  • the encoding apparatus may split a residual picture including the residual samples into input blocks of a specific size.
  • the specific size may be 3x3 size or 5x5 size.
  • the input blocks may be coding tree units (CTUs).
  • the encoding apparatus may derive features by performing a convolution operation on each of the input blocks based on a kernel for the CNN, and determine a filter set based on the features. have.
  • the encoding apparatus may perform filtering on the residual samples based on the filter set.
  • the filter set may include filter taps and filter coefficients.
  • the encoding apparatus may derive a reconstructed picture for the current picture based on the filtered residual samples and the prediction samples.
  • the encoding apparatus encodes information on post filtering and residual information (S1040).
  • the encoding device may encode a flag indicating whether information on post filtering is transmitted.
  • the encoding device may encode a flag indicating whether post filtering is performed.
  • the information on the post filtering may include a flag indicating whether integrated post filtering is performed, a flag indicating whether the deblocking filtering is available, a flag indicating whether the SAO is available, and / or a flag indicating whether the ALF is available.
  • the integrated post filtering may represent CNN based filtering. That is, the flag may indicate whether CNN based filtering is performed.
  • the value of the flag indicating whether the deblocking filtering is available may be regarded as 0.
  • a value of the flag indicating whether the SAO is available may be regarded as 0.
  • a value of the flag indicating whether the ALF is available may be regarded as 0.
  • the encoding apparatus may derive a transform coefficient by performing transform on the residual sample, and may perform entropy encoding on the transform coefficient.
  • Entropy encoding may include, for example, encoding methods such as exponential Golomb, context-adaptive variable length coding (CAVLC), context-adaptive binary arithmetic coding (CABAC), and the like.
  • the encoding apparatus may encode information about the current block.
  • the information on the current block may include the prediction information.
  • the bitstream may be transmitted to a decoding device through a network or a (digital) storage medium.
  • the network may include a broadcasting network and / or a communication network
  • the digital storage medium may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, SSD, and the like.
  • FIG. 11 schematically illustrates an encoding apparatus for performing an image encoding method according to the present invention.
  • the method disclosed in FIG. 10 may be performed by the encoding apparatus disclosed in FIG. 11.
  • the prediction unit of the encoding apparatus of FIG. 11 may perform S1000 of FIG. 10
  • the subtractor of the encoding apparatus of FIG. 11 may perform S1010 of FIG. 10
  • the addition unit of FIG. 10 may perform S1020 of FIG. 10
  • the filter unit of the encoding apparatus of FIG. 11 may perform S1030 of FIG. 10
  • the entropy encoding unit of the encoding apparatus of FIG. 11 may perform S1040 of FIG. 10. have.
  • a process of generating residual information on the current block based on the residual sample may be performed by the converter of the encoding apparatus of FIG. 11.
  • FIG. 12 schematically illustrates an image decoding method by a decoding apparatus according to the present invention.
  • the method disclosed in FIG. 12 may be performed by the decoding apparatus disclosed in FIG. 2.
  • S1200 of FIG. 12 may be performed by the entropy decoding unit of the decoding apparatus
  • S1210 may be performed by the prediction unit of the decoding apparatus
  • S1220 may be performed by the inverse transform unit of the decoding apparatus.
  • S1230 may be performed by an adder of the decoding apparatus
  • S1240 may be performed by a filter unit of the decoding apparatus.
  • the decoding apparatus obtains residual information on the current block from the bitstream (S1200).
  • the decoding apparatus may decode the residual information signaled through the bitstream to derive transform coefficients of the current block.
  • the decoding apparatus derives a prediction sample for the current block (S1210).
  • the decoding apparatus may derive the prediction sample for the current block by performing intra prediction or inter prediction on the current block.
  • the decoding apparatus may obtain information about the prediction of the current block through the bitstream, and determine whether to apply intra prediction or inter prediction based on the information about the prediction.
  • the decoding apparatus may derive the prediction sample for the current block based on the peripheral reference samples in the current picture.
  • the decoding apparatus may derive the predictive sample for the current block by applying the directional mode or the non-directional mode based on the peripheral reference samples of the current block.
  • the prediction mode to be applied to the current block may be determined using the intra prediction mode of the neighboring block.
  • the decoding apparatus may derive the predictive sample for the current block based on the sample specified on the reference picture by the motion vector on the reference picture.
  • the decoding apparatus may apply any one of a skip mode, a merge mode, and an MVP mode to derive a prediction sample for the current block.
  • motion information required for inter prediction of the current block provided by the video encoding apparatus for example, information about a motion vector, a reference picture index, and the like may be obtained or derived based on the prediction information.
  • the motion information of the neighboring block may be used as the motion information of the current block.
  • the neighboring block may include a spatial neighboring block and a temporal neighboring block.
  • the decoding apparatus may construct a merge candidate list using motion information of available neighboring blocks, and use information indicated by the merge index on the merge candidate list as a motion vector of the current block.
  • the merge index may be signaled from the encoding device.
  • the motion information may include a motion vector and a reference picture. When the motion information of the temporal neighboring block is used in the skip mode and the merge mode, the highest picture on the reference picture list may be used as the reference picture.
  • the difference (residual) between the prediction sample and the original sample is not transmitted.
  • the motion vector of the current block may be derived using the motion vector of the neighboring block as a motion vector predictor.
  • the neighboring block may include a spatial neighboring block and a temporal neighboring block.
  • a merge candidate list may be generated by using a motion vector of a reconstructed spatial neighboring block and / or a motion vector corresponding to a Col block, which is a temporal neighboring block.
  • the motion vector of the candidate block selected from the merge candidate list is used as the motion vector of the current block.
  • the information about the prediction may include a merge index indicating a candidate block having an optimal motion vector selected from candidate blocks included in the merge candidate list.
  • the decoding apparatus may derive the motion vector of the current block by using the merge index.
  • a motion vector predictor candidate list may be generated using a motion vector of a reconstructed spatial neighboring block and / or a motion vector corresponding to a Col block, which is a temporal neighboring block.
  • the prediction information may include a motion vector predictor (MVP) index indicating an optimal motion vector predictor candidate selected from the motion vector predictor candidates included in the list.
  • MVP motion vector predictor
  • the decoding apparatus may select a motion vector predictor of the current block from among motion vector predictor candidates included in the motion vector predictor candidate list using the MVP index.
  • the decoding apparatus may obtain a motion vector difference (MVD) included in the information about the prediction, and derive the motion vector of the current block by adding the motion vector difference and the motion vector predictor.
  • the prediction unit may also obtain or derive a reference picture index or the like indicating a reference picture from the information about the prediction.
  • the decoding apparatus derives a residual sample for the current block based on the residual information (S1220).
  • the decoding apparatus may decode the residual information signaled through the bitstream to derive transform coefficients of the current block, and perform inverse transform on the transform coefficients to derive a residual sample for the current block. Can be.
  • the decoding apparatus derives the reconstructed picture based on the prediction sample and the residual sample (S1230).
  • the decoding apparatus may generate a reconstructed sample based on the prediction sample and the residual sample, and may derive a reconstructed block or a reconstructed picture based on the reconstructed sample.
  • the decoding apparatus performs filtering on the reconstructed picture based on a convolutional neural network (CNN) (S1240).
  • CNN convolutional neural network
  • the decoding apparatus may split the reconstructed picture into input blocks of a specific size.
  • the specific size may be 3x3 size or 5x5 size.
  • the input blocks may be coding tree units (CTUs).
  • the decoding apparatus may derive features by performing a convolution operation on each of the input blocks based on a kernel for the CNN, and determine a filter set based on the features. have.
  • the decoding apparatus may perform filtering on the reconstructed picture based on the filter set.
  • the filter set may include filter taps and filter coefficients.
  • the decoding apparatus may obtain an index indicating one of a plurality of CNNs through the bitstream, and select a CNN for the reconstructed picture based on the index.
  • the decoding apparatus may perform filtering on the reconstructed picture based on the selected CNN.
  • the decoding apparatus may perform an adaptive loop filter (ALF) on the reconstructed picture filtered based on the CNN.
  • ALF adaptive loop filter
  • the decoding apparatus may perform deblocking filtering, SAO, and / or ALF on the reconstructed picture, and may split the filtered reconstructed picture into input blocks of a specific size.
  • the specific size may be 3x3 size or 5x5 size.
  • the input blocks may be coding tree units (CTUs).
  • the decoding apparatus may derive features by performing a convolution operation on each of the input blocks based on a kernel for the CNN, and determine a filter set based on the features. have.
  • the decoding apparatus may perform filtering on the reconstructed picture based on the filter set.
  • the filter set may include filter taps and filter coefficients.
  • the decoding apparatus may obtain a flag indicating whether information on post filtering is transmitted through the bitstream.
  • the decoding apparatus may acquire information on the post filtering through a bitstream. Can be.
  • the decoding apparatus may obtain a flag indicating whether or not post filtering is performed through the bitstream.
  • the decoding apparatus may obtain information about post filtering through the bitstream.
  • the information on the post filtering may include a flag indicating whether integrated post filtering is performed, a flag indicating whether the deblocking filtering is available, a flag indicating whether the SAO is available, and / or a flag indicating whether the ALF is available. It may include.
  • the integrated post filtering may represent CNN based filtering. That is, the flag may indicate whether CNN based filtering is performed.
  • the filtering performed based on the CNN for the reconstructed picture may not be performed.
  • the decoding apparatus determines whether the flag indicates whether the deblocking filtering is available through the bitstream, a flag indicating whether the SAO is available, and a value of the ALF.
  • a flag indicating whether it is available can be obtained.
  • the deblocking filtering on the reconstructed picture may not be performed.
  • the SAO for the reconstructed picture may not be performed.
  • the ALF for the reconstructed picture may not be performed.
  • the value of the flag indicating whether the deblocking filtering is available may be regarded as 0.
  • a value of the flag indicating whether the SAO is available may be regarded as 0.
  • a value of the flag indicating whether the ALF is available may be regarded as 0.
  • the decoding apparatus may perform filtering on the residual samples of the current picture based on the CNN.
  • the decoding apparatus may split a residual picture including the residual samples into input blocks of a specific size.
  • the specific size may be 3x3 size or 5x5 size.
  • the input blocks may be coding tree units (CTUs).
  • the decoding apparatus may derive features by performing a convolution operation on each of the input blocks based on a kernel for the CNN, and determine a filter set based on the features. have.
  • the decoding apparatus may perform filtering on the residual samples based on the filter set.
  • the filter set may include filter taps and filter coefficients.
  • the decoding apparatus may derive a reconstructed picture for the current picture based on the filtered residual samples and the predictive samples.
  • FIG. 13 schematically illustrates a decoding apparatus for performing an image decoding method according to the present invention.
  • the method disclosed in FIG. 12 may be performed by the decoding apparatus disclosed in FIG. 13.
  • the entropy decoding unit of the decoding apparatus of FIG. 13 may perform S1200 of FIG. 12
  • the prediction unit of the decoding apparatus of FIG. 12 may perform S1210 of FIG. 12, and the decoding of FIG. 12.
  • the converter of the apparatus may perform S1220 of FIG. 12
  • the adder of the decoding apparatus of FIG. 12 may perform S1230 of FIG. 12
  • the filter unit of the decoding apparatus of FIG. 12 may perform S1240 of FIG. 12. have.
  • filtering may be performed based on CNN (convolution neural network) to reflect the characteristics of the current picture, thereby improving subjective / objective picture quality.
  • CNN convolution neural network
  • filtering may be performed based on a convolution neural network (CNN) to replace existing post filtering processes such as deblocking filtering, SAO, and / or ALF, thereby improving subjective / objective picture quality. Can be improved.
  • CNN convolution neural network
  • the above-described method according to the present invention may be implemented in software, and the encoding device and / or the decoding device according to the present invention may perform image processing of, for example, a TV, a computer, a smartphone, a set-top box, a display device, and the like. It can be included in the device.
  • the above-described method may be implemented as a module (process, function, etc.) for performing the above-described function.
  • the module may be stored in memory and executed by a processor.
  • the memory may be internal or external to the processor and may be coupled to the processor by various well known means.
  • the processor may include application-specific integrated circuits (ASICs), other chipsets, logic circuits, and / or data processing devices.
  • the memory may include read-only memory (ROM), random access memory (RAM), flash memory, memory card, storage medium and / or other storage device. That is, the embodiments described in the present invention may be implemented and performed on a processor, a microprocessor, a controller, or a chip. For example, the functional units shown in each drawing may be implemented and performed on a computer, processor, microprocessor, controller, or chip.
  • the decoding apparatus and encoding apparatus to which the present invention is applied include a multimedia broadcasting transmitting and receiving device, a mobile communication terminal, a home cinema video device, a digital cinema video device, a surveillance camera, a video chat device, a real time communication device such as video communication, and mobile streaming.
  • the OTT video device may include a game console, a Blu-ray player, an internet access TV, a home theater system, a smartphone, a tablet PC, a digital video recorder (DVR), and the like.
  • the processing method to which the present invention is applied can be produced in the form of a program executed by a computer, and can be stored in a computer-readable recording medium.
  • Multimedia data having a data structure according to the present invention can also be stored in a computer-readable recording medium.
  • the computer readable recording medium includes all kinds of storage devices and distributed storage devices in which computer readable data is stored.
  • the computer-readable recording medium may be, for example, a Blu-ray disc (BD), a universal serial bus (USB), a ROM, a PROM, an EPROM, an EEPROM, a RAM, a CD-ROM, a magnetic tape, a floppy disk, and an optical disc. It may include a data storage device.
  • the computer-readable recording medium also includes media embodied in the form of a carrier wave (eg, transmission over the Internet).
  • the bitstream generated by the encoding method may be stored in a computer-readable recording medium or transmitted through a wired or wireless communication network.
  • an embodiment of the present invention may be implemented as a computer program product by program code, which may be performed on a computer by an embodiment of the present invention.
  • the program code may be stored on a carrier readable by a computer.
  • the content streaming system to which the present invention is applied may largely include an encoding server, a streaming server, a web server, a media storage, a user device, and a multimedia input device.
  • the encoding server compresses content input from multimedia input devices such as a smart phone, a camera, a camcorder, etc. into digital data to generate a bitstream and transmit the bitstream to the streaming server.
  • multimedia input devices such as smart phones, cameras, camcorders, etc. directly generate a bitstream
  • the encoding server may be omitted.
  • the bitstream may be generated by an encoding method or a bitstream generation method to which the present invention is applied, and the streaming server may temporarily store the bitstream in the process of transmitting or receiving the bitstream.
  • the streaming server transmits the multimedia data to the user device based on the user's request through the web server, and the web server serves as a medium for informing the user of what service.
  • the web server delivers it to a streaming server, and the streaming server transmits multimedia data to the user.
  • the content streaming system may include a separate control server.
  • the control server plays a role of controlling a command / response between devices in the content streaming system.
  • the streaming server may receive content from a media store and / or an encoding server. For example, when the content is received from the encoding server, the content may be received in real time. In this case, in order to provide a smooth streaming service, the streaming server may store the bitstream for a predetermined time.
  • Examples of the user device include a mobile phone, a smart phone, a laptop computer, a digital broadcasting terminal, a personal digital assistant (PDA), a portable multimedia player (PMP), navigation, a slate PC, Tablet PCs, ultrabooks, wearable devices, such as smartwatches, glass glasses, head mounted displays, digital TVs, desktops Computer, digital signage, and the like.
  • PDA personal digital assistant
  • PMP portable multimedia player
  • navigation a slate PC
  • Tablet PCs tablet PCs
  • ultrabooks wearable devices, such as smartwatches, glass glasses, head mounted displays, digital TVs, desktops Computer, digital signage, and the like.
  • Each server in the content streaming system may be operated as a distributed server, in which case data received from each server may be distributed.

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

본 발명에 따른 디코딩 장치에 의하여 수행되는 영상 디코딩 방법은 비트스트림으로부터 현재 블록에 대한 레지듀얼 정보를 획득하는 단계, 상기 현재 블록에 대한 예측 샘플을 도출하는 단계, 상기 레지듀얼 정보를 기반으로 상기 현재 블록에 대한 레지듀얼 샘플을 도출하는 단계, 상기 예측 샘플 및 상기 레지듀얼 샘플을 기반으로 복원 픽처를 도출하는 단계, 및 상기 복원 픽처에 대하여 CNN(Convolution Neural Network)을 기반으로 필터링을 수행하는 단계를 포함하는 것을 특징으로 한다.

Description

컨벌루션 뉴럴 네트워크를 이용한 영상 코딩 방법 및 그 장치
본 발명은 영상 코딩 기술에 관한 것으로서 보다 상세하게는 영상 코딩 시스템에서 컨벌루션 뉴럴 네트워크를 이용한 영상 디코딩 방법 및 장치에 관한 것이다.
최근 HD(High Definition) 영상 및 UHD(Ultra High Definition) 영상과 같은 고해상도, 고품질의 영상에 대한 수요가 다양한 분야에서 증가하고 있다. 영상 데이터가 고해상도, 고품질이 될수록 기존의 영상 데이터에 비해 상대적으로 전송되는 정보량 또는 비트량이 증가하기 때문에 기존의 유무선 광대역 회선과 같은 매체를 이용하여 영상 데이터를 전송하거나 기존의 저장 매체를 이용해 영상 데이터를 저장하는 경우, 전송 비용과 저장 비용이 증가된다.
이에 따라, 고해상도, 고품질 영상의 정보를 효과적으로 전송하거나 저장하고, 재생하기 위해 고효율의 영상 압축 기술이 요구된다.
본 발명의 기술적 과제는 영상 코딩 효율을 높이는 방법 및 장치를 제공함에 있다.
본 발명의 다른 기술적 과제는 컨벌루션 뉴럴 네트워크를 기반으로 현재 픽처에 대한 필터링을 수행하는 영상 디코딩 방법 및 장치를 제공함에 있다.
본 발명의 다른 기술적 과제는 컨벌루션 뉴럴 네트워크 기반 필터링을 사용하여 기존 포스트 필터링을 대체하는 영상 디코딩 방법 및 장치를 제공함에 있다.
본 발명의 일 실시예에 따르면, 디코딩 장치에 의하여 수행되는 영상 디코딩 방법이 제공된다. 상기 방법은 비트스트림으로부터 현재 블록에 대한 레지듀얼 정보를 획득하는 단계, 상기 현재 블록에 대한 예측 샘플을 도출하는 단계, 상기 레지듀얼 정보를 기반으로 상기 현재 블록에 대한 레지듀얼 샘플을 도출하는 단계, 상기 예측 샘플 및 상기 레지듀얼 샘플을 기반으로 복원 픽처를 도출하는 단계, 및 상기 복원 픽처에 대하여 CNN(Convolution Neural Network)을 기반으로 필터링을 수행하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 다른 일 실시예에 따르면, 영상 디코딩을 수행하는 디코딩 장치가 제공된다. 상기 디코딩 장치는 비트스트림으로부터 현재 블록에 대한 레지듀얼 정보를 획득하는 엔트로피 디코딩부, 상기 현재 블록에 대한 예측 샘플을 도출하는 예측부, 상기 레지듀얼 정보를 기반으로 상기 현재 블록에 대한 레지듀얼 샘플을 도출하는 변환부, 상기 예측 샘플 및 상기 레지듀얼 샘플을 기반으로 복원 픽처를 도출하는 가산부, 및 상기 복원 픽처에 대하여 CNN(Convolution Neural Network)을 기반으로 필터링을 수행하는 필터부를 포함하는 것을 특징으로 한다.
본 발명의 또 다른 일 실시예에 따르면, 인코딩 장치에 의하여 수행되는 비디오 인코딩 방법을 제공한다. 상기 방법은 현재 블록에 대한 예측 샘플을 도출하는 단계, 상기 예측 샘플 및 상기 현재 블록에 대한 원본 샘플을 기반으로 상기 현재 블록에 대한 레지듀얼 샘플을 생성하는 단계, 상기 예측 샘플 및 상기 레지듀얼 샘플을 기반으로 복원 픽처를 도출하는 단계, 상기 복원 픽처에 대하여 CNN(Convolution Neural Network)을 기반으로 필터링을 수행하는 단계, 및 포스트 필터링(post filtering)에 대한 정보 및 레지듀얼 정보를 인코딩하는 단계를 포함하는 것을 특징으로 한다.
본 발명의 또 다른 일 실시예에 따르면, 비디오 인코딩 장치를 제공한다. 상기 인코딩 장치는 현재 블록에 대한 예측 샘플을 도출하는 예측부, 상기 예측 샘플 및 상기 현재 블록에 대한 원본 샘플을 기반으로 상기 현재 블록에 대한 레지듀얼 샘플을 생성하는 감산부, 상기 예측 샘플 및 상기 레지듀얼 샘플을 기반으로 복원 픽처를 도출하는 가산부, 상기 복원 픽처에 대하여 CNN(Convolution Neural Network)을 기반으로 필터링을 수행하는 필터부 및 포스트 필터링(post filtering)에 대한 정보 및 레지듀얼 정보를 인코딩하는 엔트로피 인코딩부를 포함하는 것을 특징으로 한다.
본 발명에 따르면 CNN(convolution neural network)을 기반으로 필터링을 수행하여 현재 픽처의 특성을 반영하여 필터링을 수행할 수 있고, 이를 통하여 주관적/객관적 화질을 향상시킬 수 있다.
상술한 본 발명에 따르면 CNN(convolution neural network)을 기반으로 필터링을 수행하여, 디블록킹 필터링, SAO 및/또는 ALF 와 같은 기존 포스트 필터링 과정을 대체할 수 있고, 이를 통하여 주관적/객관적 화질을 향상시킬 수 있다.
도 1은 본 발명이 적용될 수 있는 비디오 인코딩 장치의 구성을 개략적으로 설명하는 도면이다.
도 2는 본 발명이 적용될 수 있는 비디오 디코딩 장치의 구성을 개략적으로 설명하는 도면이다.
도 3은 뉴럴 네트워크를 예시적으로 나타낸다.
도 4는 컨벌루션 뉴럴 네트워크를 예시적으로 나타낸다.
도 5는 본 발명에서 적용되는 CNN 을 예시적으로 나타낸다.
도 6은 상기 디블록킹 필터 및 상기 SAO를 상기 CNN으로 대체하여 수행되는 영상 코딩의 일 예를 나타낸다.
도 7은 상기 디블록킹 필터, 상기 SAO 및 상기 ALF를 상기 CNN으로 대체하여 수행되는 영상 코딩의 일 예를 나타낸다.
도 8은 상기 디블록킹 필터, 상기 SAO 및 상기 ALF를 적용하고, 상기 CNN을 수행하는 일 예를 나타낸다.
도 9는 복수의 CNN들 중 선택된 CNN을 기반으로 복원 픽처에 대한 필터링을 수행하는 일 예를 나타낸다.
도 10은 본 발명에 따른 인코딩 장치에 의한 영상 인코딩 방법을 개략적으로 나타낸다.
도 11은 본 발명에 따른 영상 인코딩 방법을 수행하는 인코딩 장치를 개략적으로 나타낸다.
도 12는 본 발명에 따른 디코딩 장치에 의한 영상 디코딩 방법을 개략적으로 나타낸다.
도 13은 본 발명에 따른 영상 디코딩 방법을 수행하는 디코딩 장치를 개략적으로 나타낸다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정 실시예에 한정하려고 하는 것이 아니다. 본 명세서에서 상용하는 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명의 기술적 사상을 한정하려는 의도로 사용되는 것은 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서 "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부품 도는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
한편, 본 발명에서 설명되는 도면상의 각 구성들은 서로 다른 특징적인 기능들에 관한 설명의 편의를 위해 독립적으로 도시된 것으로서, 각 구성들이 서로 별개의 하드웨어나 별개의 소프트웨어로 구현된다는 것을 의미하지는 않는다. 예컨대, 각 구성 중 두 개 이상의 구성이 합쳐져 하나의 구성을 이룰 수도 있고, 하나의 구성이 복수의 구성으로 나뉘어질 수도 있다. 각 구성이 통합 및/또는 분리된 실시예도 본 발명의 본질에서 벗어나지 않는 한 본 발명의 권리범위에 포함된다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 이하, 도면상의 동일한 구성 요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성 요소에 대해서 중복된 설명은 생략한다.
한편, 본 발명은 비디오/영상 코딩에 관한 것이다. 예를 들어, 본 발명에서 개시된 방법/실시예는 VVC (versatile video coding) 표준 또는 차세대 비디오/이미지 코딩 표준에 개시된 방법에 적용될 수 있다.
본 명세서에서 픽처(picture)는 일반적으로 특정 시간대의 하나의 영상을 나타내는 단위를 의미하며, 슬라이스(slice)/타일(tile)은 코딩에 있어서 픽처의 일부를 구성하는 단위이다. 슬라이스/타일은 하나 이상의 CTU(coding tree unit)을 포함할 수 있다. 하나의 픽처는 복수의 슬라이스/타일로 구성될 수 있으며, 필요에 따라서 픽처 및 슬라이스/타일은 서로 혼용되어 사용될 수 있다. 하나의 타일 그룹은 하나 이상의 타일들을 포함할 수 있다.
픽셀(pixel) 또는 펠(pel)은 하나의 픽처(또는 영상)을 구성하는 최소의 단위를 의미할 수 있다. 또한, 픽셀에 대응하는 용어로서 '샘플(sample)'이 사용될 수 있다. 샘플은 일반적으로 픽셀 또는 픽셀의 값을 나타낼 수 있으며, 휘도(luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있고, 채도(chroma) 성분의 픽셀/픽셀 값만을 나타낼 수도 있다.
유닛(unit)은 영상 처리의 기본 단위를 나타낸다. 유닛은 픽처의 특정 영역 및 해당 영역에 관련된 정보 중 적어도 하나를 포함할 수 있다. 유닛은 경우에 따라서 블록(block) 또는 영역(area) 등의 용어와 혼용하여 사용될 수 있다. 일반적인 경우, MxN 블록은 M개의 열과 N개의 행으로 이루어진 샘플들 또는 변환 계수(transform coefficient)들의 집합을 나타낼 수 있다.
도 1은 본 발명이 적용될 수 있는 비디오 인코딩 장치의 구성을 개략적으로 설명하는 도면이다.
도 1을 참조하면, 비디오 인코딩 장치(100)는 픽처 분할부(105), 예측부(110), 레지듀얼 처리부(120), 엔트로피 인코딩부(130), 가산부(140), 필터부(150) 및 메모리(160)을 포함할 수 있다. 레지듀얼 처리부(120)는 감산부(121), 변환부(122), 양자화부(123), 재정렬부(124), 역양자화부(125) 및 역변환부(126)를 포함할 수 있다.
픽처 분할부(105)는 입력된 픽처를 적어도 하나의 처리 유닛(processing unit)으로 분할할 수 있다.
일 예로, 처리 유닛은 코딩 유닛(coding unit, CU)이라고 불릴 수 있다. 이 경우 코딩 유닛은 최대 코딩 유닛(largest coding unit, LCU)으로부터 QTBT (Quad-tree binary-tree) 구조에 따라 재귀적으로(recursively) 분할될 수 있다. 예를 들어, 하나의 코딩 유닛은 쿼드 트리 구조 및/또는 바이너리 트리 구조를 기반으로 하위(deeper) 뎁스의 복수의 코딩 유닛들로 분할될 수 있다. 이 경우 예를 들어 쿼드 트리 구조가 먼저 적용되고 바이너리 트리 구조가 나중에 적용될 수 있다. 또는 바이너리 트리 구조가 먼저 적용될 수도 있다. 더 이상 분할되지 않는 최종 코딩 유닛을 기반으로 본 발명에 따른 코딩 절차가 수행될 수 있다. 이 경우 영상 특성에 따른 코딩 효율 등을 기반으로, 최대 코딩 유닛이 바로 최종 코딩 유닛으로 사용될 수 있고, 또는 필요에 따라 코딩 유닛은 재귀적으로(recursively) 보다 하위 뎁스의 코딩 유닛들로 분할되어 최적의 사이즈의 코딩 유닛이 최종 코딩 유닛으로 사용될 수 있다. 여기서 코딩 절차라 함은 후술하는 예측, 변환, 및 복원 등의 절차를 포함할 수 있다.
다른 예로, 처리 유닛은 코딩 유닛(coding unit, CU) 예측 유닛(prediction unit, PU) 또는 변환 유닛(transform unit, TU)을 포함할 수도 있다. 코딩 유닛은 최대 코딩 유닛(largest coding unit, LCU)으로부터 쿼드 트리 구조를 따라서 하위(deeper) 뎁스의 코딩 유닛들로 분할(split)될 수 있다. 이 경우 영상 특성에 따른 코딩 효율 등을 기반으로, 최대 코딩 유닛이 바로 최종 코딩 유닛으로 사용될 수 있고, 또는 필요에 따라 코딩 유닛은 재귀적으로(recursively) 보다 하위 뎁스의 코딩 유닛들로 분할되어 최적의 사이즈의 코딩 유닛이 최종 코딩 유닛으로 사용될 수 있다. 최소 코딩 유닛(smallest coding unit, SCU)이 설정된 경우 코딩 유닛은 최소 코딩 유닛보다 더 작은 코딩 유닛으로 분할될 수 없다. 여기서 최종 코딩 유닛이라 함은 예측 유닛 또는 변환 유닛으로 파티셔닝 또는 분할되는 기반이 되는 코딩 유닛을 의미한다. 예측 유닛은 코딩 유닛으로부터 파티셔닝(partitioning)되는 유닛으로서, 샘플 예측의 유닛일 수 있다. 이 때, 예측 유닛은 서브 블록(sub block)으로 나뉠 수도 있다. 변환 유닛은 코딩 유닛으로부터 쿼드 트리 구조를 따라서 분할 될 수 있으며, 변환 계수를 유도하는 유닛 및/또는 변환 계수로부터 레지듀얼 신호(residual signal)를 유도하는 유닛일 수 있다. 이하, 코딩 유닛은 코딩 블록(coding block, CB), 예측 유닛은 예측 블록(prediction block, PB), 변환 유닛은 변환 블록(transform block, TB) 으로 불릴 수 있다. 예측 블록 또는 예측 유닛은 픽처 내에서 블록 형태의 특정 영역을 의미할 수 있고, 예측 샘플의 어레이(array)를 포함할 수 있다. 또한, 변환 블록 또는 변환 유닛은 픽처 내에서 블록 형태의 특정 영역을 의미할 수 있고, 변환 계수 또는 레지듀얼 샘플의 어레이를 포함할 수 있다.
예측부(110)는 처리 대상 블록(이하, 현재 블록이라 함)에 대한 예측을 수행하고, 상기 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록(predicted block)을 생성할 수 있다. 예측부(110)에서 수행되는 예측의 단위는 코딩 블록일 수 있고, 변환 블록일 수도 있고, 예측 블록일 수도 있다.
예측부(110)는 현재 블록에 인트라 예측이 적용되는지 인터 예측이 적용되는지를 결정할 수 있다. 일 예로, 예측부(110)는 CU 단위로 인트라 예측 또는 인터 예측이 적용되는지를 결정할 수 있다.
인트라 예측의 경우에, 예측부(110)는 현재 블록이 속하는 픽처(이하, 현재 픽처) 내의 현재 블록 외부의 참조 샘플을 기반으로 현재 블록에 대한 예측 샘플을 유도할 수 있다. 이 때, 예측부(110)는 (i) 현재 블록의 주변(neighboring) 참조 샘플들의 평균(average) 혹은 인터폴레이션(interpolation)을 기반으로 예측 샘플을 유도할 수 있고, (ii) 현재 블록의 주변 참조 샘플들 중 예측 샘플에 대하여 특정 (예측) 방향에 존재하는 참조 샘플을 기반으로 상기 예측 샘플을 유도할 수도 있다. (i)의 경우는 비방향성 모드 또는 비각도 모드, (ii)의 경우는 방향성(directional) 모드 또는 각도(angular) 모드라고 불릴 수 있다. 인트라 예측에서 예측 모드는 예를 들어 33개의 방향성 예측 모드와 적어도 2개 이상의 비방향성 모드를 가질 수 있다. 비방향성 모드는 DC 예측 모드 및 플래너 모드(Planar 모드)를 포함할 수 있다. 예측부(110)는 주변 블록에 적용된 예측 모드를 이용하여, 현재 블록에 적용되는 예측 모드를 결정할 수도 있다.
인터 예측의 경우에, 예측부(110)는 참조 픽처 상에서 움직임 벡터에 의해 특정되는 샘플을 기반으로, 현재 블록에 대한 예측 샘플을 유도할 수 있다. 예측부(110)는 스킵(skip) 모드, 머지(merge) 모드, 및 MVP(motion vector prediction) 모드 중 어느 하나를 적용하여 현재 블록에 대한 예측 샘플을 유도할 수 있다. 스킵 모드와 머지 모드의 경우에, 예측부(110)는 주변 블록의 움직임 정보를 현재 블록의 움직임 정보로 이용할 수 있다. 스킵 모드의 경우, 머지 모드와 달리 예측 샘플과 원본 샘플 사이의 차(레지듀얼)가 전송되지 않는다. MVP 모드의 경우, 주변 블록의 움직임 벡터를 움직임 벡터 예측자(Motion Vector Predictor)로 이용하여 현재 블록의 움직임 벡터 예측자로 이용하여 현재 블록의 움직임 벡터를 유도할 수 있다.
인터 예측의 경우에, 주변 블록은 현재 픽처 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 픽처(reference picture)에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 상기 시간적 주변 블록을 포함하는 참조 픽처는 동일 위치 픽처(collocated picture, colPic)라고 불릴 수도 있다. 움직임 정보(motion information)는 움직임 벡터와 참조 픽처 인덱스를 포함할 수 있다. 예측 모드 정보와 움직임 정보 등의 정보는 (엔트로피) 인코딩되어 비트스트림 형태로 출력될 수 있다.
스킵 모드와 머지 모드에서 시간적 주변 블록의 움직임 정보가 이용되는 경우에, 참조 픽처 리스트(reference picture list) 상의 최상위 픽처가 참조 픽처로서 이용될 수도 있다. 참조 픽처 리스트(Picture Order Count)에 포함되는 참조 픽처들은 현재 픽처와 해당 참조 픽처 간의 POC(Picture order count) 차이 기반으로 정렬될 수 있다. POC는 픽처의 디스플레이 순서에 대응하며, 코딩 순서와 구분될 수 있다.
감산부(121)는 원본 샘플과 예측 샘플 간의 차이인 레지듀얼 샘플을 생성한다. 스킵 모드가 적용되는 경우에는, 상술한 바와 같이 레지듀얼 샘플을 생성하지 않을 수 있다.
변환부(122)는 변환 블록 단위로 레지듀얼 샘플을 변환하여 변환 계수(transform coefficient)를 생성한다. 변환부(122)는 해당 변환 블록의 사이즈와, 해당 변환 블록과 공간적으로 겹치는 코딩 블록 또는 예측 블록에 적용된 예측 모드에 따라서 변환을 수행할 수 있다. 예컨대, 상기 변환 블록과 겹치는 상기 코딩 블록 또는 상기 예측 블록에 인트라 예측이 적용되었고, 상기 변환 블록이 4×4의 레지듀얼 어레이(array)라면, 레지듀얼 샘플은 DST(Discrete Sine Transform) 변환 커널을 이용하여 변환되고, 그 외의 경우라면 레지듀얼 샘플은 DCT(Discrete Cosine Transform) 변환 커널을 이용하여 변환할 수 있다.
양자화부(123)는 변환 계수들을 양자화하여, 양자화된 변환 계수를 생성할 수 있다.
재정렬부(124)는 양자화된 변환 계수를 재정렬한다. 재정렬부(124)는 계수들 스캐닝(scanning) 방법을 통해 블록 형태의 양자화된 변환 계수들을 1차원 벡터 형태로 재정렬할 수 있다. 여기서 재정렬부(124)는 별도의 구성으로 설명하였으나, 재정렬부(124)는 양자화부(123)의 일부일 수 있다.
엔트로피 인코딩부(130)는 양자화된 변환 계수들에 대한 엔트로피 인코딩을 수행할 수 있다. 엔트로피 인코딩은 예를 들어 지수 골롬(exponential Golomb), CAVLC(context-adaptive variable length coding), CABAC(context-adaptive binary arithmetic coding) 등과 같은 인코딩 방법을 포함할 수 있다. 엔트로피 인코딩부(130)는 양자화된 변환 계수 외 비디오 복원에 필요한 정보들(예컨대 신택스 요소(syntax element)의 값 등)을 함께 또는 별도로 인코딩할 수도 있다. 엔트로피 인코딩된 정보들은 비트스트림 형태로 NAL(network abstraction layer) 유닛 단위로 전송 또는 저장될 수 있다.
역양자화부(125)는 양자화부(123)에서 양자화된 값(양자화된 변환 계수)들을 역양자화하고, 역변환부(126)는 역양자화부(125)에서 역양자화된 값들을 역변환하여 레지듀얼 샘플을 생성한다.
가산부(140)는 레지듀얼 샘플과 예측 샘플을 합쳐서 픽처를 복원한다. 레지듀얼 샘플과 예측 샘플은 블록 단위로 더해져서 복원 블록이 생성될 수 있다. 여기서 가산부(140)는 별도의 구성으로 설명하였으나, 가산부(140)는 예측부(110)의 일부일 수 있다. 한편, 가산부(140)는 복원부 또는 복원 블록 생성부로 불릴 수도 있다.
복원된 픽처(reconstructed picture)에 대하여 필터부(150)는 디블록킹 필터 및/또는 샘플 적응적 오프셋(sample adaptive offset)을 적용할 수 있다. 디블록킹 필터링 및/또는 샘플 적응적 오프셋을 통해, 복원 픽처 내 블록 경계의 아티팩트나 양자화 과정에서의 왜곡이 보정될 수 있다. 샘플 적응적 오프셋은 샘플 단위로 적용될 수 있으며, 디블록킹 필터링의 과정이 완료된 후 적용될 수 있다. 필터부(150)는 ALF(Adaptive Loop Filter)를 복원된 픽처에 적용할 수도 있다. ALF는 디블록킹 필터 및/또는 샘플 적응적 오프셋이 적용된 후의 복원된 픽처에 대하여 적용될 수 있다.
메모리(160)는 복원 픽처(디코딩된 픽처) 또는 인코딩/디코딩에 필요한 정보를 저장할 수 있다. 여기서 복원 픽처는 상기 필터부(150)에 의하여 필터링 절차가 완료된 복원 픽처일 수 있다. 상기 저장된 복원 픽처는 다른 픽처의 (인터) 예측을 위한 참조 픽처로 활용될 수 있다. 예컨대, 메모리(160)는 인터 예측에 사용되는 (참조) 픽처들을 저장할 수 있다. 이 때, 인터 예측에 사용되는 픽처들은 참조 픽처 세트(reference picture set) 혹은 참조 픽처 리스트(reference picture list)에 의해 지정될 수 있다.
도 2는 본 발명이 적용될 수 있는 비디오 디코딩 장치의 구성을 개략적으로 설명하는 도면이다.
도 2를 참조하면, 비디오 디코딩 장치(200)는 엔트로피 디코딩부(210), 레지듀얼 처리부(220), 예측부(230), 가산부(240), 필터부(250) 및 메모리(260)을 포함할 수 있다. 여기서 레지듀얼 처리부(220)는 재정렬부(221), 역양자화부(222), 역변환부(223)을 포함할 수 있다.
비디오 정보를 포함하는 비트스트림이 입력되면, 비디오 디코딩 장치(200)는 비디오 인코딩 장치에서 비디오 정보가 처리된 프로세스에 대응하여 비디오를 복원할 수 있다.
예컨대, 비디오 디코딩 장치(200)는 비디오 인코딩 장치에서 적용된 처리 유닛을 이용하여 비디오 디코딩을 수행할 수 있다. 따라서 비디오 디코딩의 처리 유닛 블록은 일 예로 코딩 유닛일 수 있고, 다른 예로 코딩 유닛, 예측 유닛 또는 변환 유닛일 수 있다. 코딩 유닛은 최대 코딩 유닛으로부터 쿼드 트리 구조 및/또는 바이너리 트리 구조를 따라서 분할될 수 있다.
예측 유닛 및 변환 유닛이 경우에 따라 더 사용될 수 있으며, 이 경우 예측 블록은 코딩 유닛으로부터 도출 또는 파티셔닝되는 블록으로서, 샘플 예측의 유닛일 수 있다. 이 때, 예측 유닛은 서브 블록으로 나뉠 수도 있다. 변환 유닛은 코딩 유닛으로부터 쿼드 트리 구조를 따라서 분할 될 수 있으며, 변환 계수를 유도하는 유닛 또는 변환 계수로부터 레지듀얼 신호를 유도하는 유닛일 수 있다.
엔트로피 디코딩부(210)는 비트스트림을 파싱하여 비디오 복원 또는 픽처 복원에 필요한 정보를 출력할 수 있다. 예컨대, 엔트로피 디코딩부(210)는 지수 골롬 부호화, CAVLC 또는 CABAC 등의 코딩 방법을 기초로 비트스트림 내 정보를 디코딩하고, 비디오 복원에 필요한 신택스 엘리먼트의 값, 레지듀얼에 관한 변환 계수의 양자화된 값 들을 출력할 수 있다.
보다 상세하게, CABAC 엔트로피 디코딩 방법은, 비트스트림에서 각 구문 요소에 해당하는 빈을 수신하고, 디코딩 대상 구문 요소 정보와 주변 및 디코딩 대상 블록의 디코딩 정보 혹은 이전 단계에서 디코딩된 심볼/빈의 정보를 이용하여 문맥(context) 모델을 결정하고, 결정된 문맥 모델에 따라 빈(bin)의 발생 확률을 예측하여 빈의 산술 디코딩(arithmetic decoding)를 수행하여 각 구문 요소의 값에 해당하는 심볼을 생성할 수 있다. 이때, CABAC 엔트로피 디코딩 방법은 문맥 모델 결정 후 다음 심볼/빈의 문맥 모델을 위해 디코딩된 심볼/빈의 정보를 이용하여 문맥 모델을 업데이트할 수 있다.
엔트로피 디코딩부(210)에서 디코딩된 정보 중 예측에 관한 정보는 예측부(230)로 제공되고, 엔트로피 디코딩부(210)에서 엔트로피 디코딩이 수행된 레지듀얼 값, 즉 양자화된 변환 계수는 재정렬부(221)로 입력될 수 있다.
재정렬부(221)는 양자화되어 있는 변환 계수들을 2차원의 블록 형태로 재정렬할 수 있다. 재정렬부(221)는 인코딩 장치에서 수행된 계수 스캐닝에 대응하여 재정렬을 수행할 수 있다. 여기서 재정렬부(221)는 별도의 구성으로 설명하였으나, 재정렬부(221)는 역양자화부(222)의 일부일 수 있다.
역양자화부(222)는 양자화되어 있는 변환 계수들을 (역)양자화 파라미터를 기반으로 역양자화하여 변환 계수를 출력할 수 있다. 이 때, 양자화 파라미터를 유도하기 위한 정보는 인코딩 장치로부터 시그널링될 수 있다.
역변환부(223)는 변환 계수들을 역변환하여 레지듀얼 샘플들을 유도할 수 있다.
예측부(230)는 현재 블록에 대한 예측을 수행하고, 상기 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록(predicted block)을 생성할 수 있다. 예측부(230)에서 수행되는 예측의 단위는 코딩 블록일 수도 있고, 변환 블록일 수도 있고, 예측 블록일 수도 있다.
예측부(230)는 상기 예측에 관한 정보를 기반으로 인트라 예측을 적용할 것인지 인터 예측을 적용할 것인지를 결정할 수 있다. 이 때, 인트라 예측과 인터 예측 중 어느 것을 적용할 것인지를 결정하는 단위와 예측 샘플을 생성하는 단위는 상이할 수 있다. 아울러, 인터 예측과 인트라 예측에 있어서 예측 샘플을 생성하는 단위 또한 상이할 수 있다. 예를 들어, 인터 예측과 인트라 예측 중 어느 것을 적용할 것인지는 CU 단위로 결정할 수 있다. 또한 예를 들어, 인터 예측에 있어서 PU 단위로 예측 모드를 결정하고 예측 샘플을 생성할 수 있고, 인트라 예측에 있어서 PU 단위로 예측 모드를 결정하고 TU 단위로 예측 샘플을 생성할 수도 있다.
인트라 예측의 경우에, 예측부(230)는 현재 픽처 내의 주변 참조 샘플을 기반으로 현재 블록에 대한 예측 샘플을 유도할 수 있다. 예측부(230)는 현재 블록의 주변 참조 샘플을 기반으로 방향성 모드 또는 비방향성 모드를 적용하여 현재 블록에 대한 예측 샘플을 유도할 수 있다. 이 때, 주변 블록의 인트라 예측 모드를 이용하여 현재 블록에 적용할 예측 모드가 결정될 수도 있다.
인터 예측의 경우에, 예측부(230)는 참조 픽처 상에서 움직임 벡터에 의해 참조 픽처 상에서 특정되는 샘플을 기반으로 현재 블록에 대한 예측 샘플을 유도할 수 있다. 예측부(230)는 스킵(skip) 모드, 머지(merge) 모드 및 MVP 모드 중 어느 하나를 적용하여 현재 블록에 대한 예측 샘플을 유도할 수 있다. 이때, 비디오 인코딩 장치에서 제공된 현재 블록의 인터 예측에 필요한 움직임 정보, 예컨대 움직임 벡터, 참조 픽처 인덱스 등에 관한 정보는 상기 예측에 관한 정보를 기반으로 획득 또는 유도될 수 있다
스킵 모드와 머지 모드의 경우에, 주변 블록의 움직임 정보가 현재 블록의 움직임 정보로 이용될 수 있다. 이 때, 주변 블록은 공간적 주변 블록과 시간적 주변 블록을 포함할 수 있다.
예측부(230)는 가용한 주변 블록의 움직임 정보로 머지 후보 리스트를 구성하고, 머지 인덱스가 머지 후보 리스트 상에서 지시하는 정보를 현재 블록의 움직임 벡터로 사용할 수 있다. 머지 인덱스는 인코딩 장치로부터 시그널링될 수 있다. 움직임 정보는 움직임 벡터와 참조 픽처를 포함할 수 있다. 스킵 모드와 머지 모드에서 시간적 주변 블록의 움직임 정보가 이용되는 경우에, 참조 픽처 리스트 상의 최상위 픽처가 참조 픽처로서 이용될 수 있다.
스킵 모드의 경우, 머지 모드와 달리 예측 샘플과 원본 샘플 사이의 차이(레지듀얼)이 전송되지 않는다.
MVP 모드의 경우, 주변 블록의 움직임 벡터를 움직임 벡터 예측자(motion vector predictor)로 이용하여 현재 블록의 움직임 벡터가 유도될 수 있다. 이 때, 주변 블록은 공간적 주변 블록과 시간적 주변 블록을 포함할 수 있다.
일 예로, 머지 모드가 적용되는 경우, 복원된 공간적 주변 블록의 움직임 벡터 및/또는 시간적 주변 블록인 Col 블록에 대응하는 움직임 벡터를 이용하여, 머지 후보 리스트가 생성될 수 있다. 머지 모드에서는 머지 후보 리스트에서 선택된 후보 블록의 움직임 벡터가 현재 블록의 움직임 벡터로 사용된다. 상기 예측에 관한 정보는 상기 머지 후보 리스트에 포함된 후보 블록들 중에서 선택된 최적의 움직임 벡터를 갖는 후보 블록을 지시하는 머지 인덱스를 포함할 수 있다. 이 때, 예측부(230)는 상기 머지 인덱스를 이용하여, 현재 블록의 움직임 벡터를 도출할 수 있다.
다른 예로, MVP(Motion Vector Prediction) 모드가 적용되는 경우, 복원된 공간적 주변 블록의 움직임 벡터 및/또는 시간적 주변 블록인 Col 블록에 대응하는 움직임 벡터를 이용하여, 움직임 벡터 예측자 후보 리스트가 생성될 수 있다. 즉, 복원된 공간적 주변 블록의 움직임 벡터 및/또는 시간적 주변 블록인 Col 블록에 대응하는 움직임 벡터는 움직임 벡터 후보로 사용될 수 있다. 상기 예측에 관한 정보는 상기 리스트에 포함된 움직임 벡터 후보 중에서 선택된 최적의 움직임 벡터를 지시하는 예측 움직임 벡터 인덱스를 포함할 수 있다. 이 때, 예측부(230)는 상기 움직임 벡터 인덱스를 이용하여, 움직임 벡터 후보 리스트에 포함된 움직임 벡터 후보 중에서, 현재 블록의 예측 움직임 벡터를 선택할 수 있다. 인코딩 장치의 예측부는 현재 블록의 움직임 벡터와 움직임 벡터 예측자 간의 움직임 벡터 차분(MVD)을 구할 수 있고, 이를 인코딩하여 비트스트림 형태로 출력할 수 있다. 즉, MVD는 현재 블록의 움직임 벡터에서 상기 움직임 벡터 예측자를 뺀 값으로 구해질 수 있다. 이 때, 예측부(230)는 상기 예측에 관한 정보에 포함된 움직임 벡터 차분을 획득하고, 상기 움직임 벡터 차분과 상기 움직임 벡터 예측자의 가산을 통해 현재 블록의 상기 움직임 벡터를 도출할 수 있다. 예측부는 또한 참조 픽처를 지시하는 참조 픽처 인덱스 등을 상기 예측에 관한 정보로부터 획득 또는 유도할 수 있다.
가산부(240)는 레지듀얼 샘플과 예측 샘플을 더하여 현재 블록 혹은 현재 픽처를 복원할 수 있다. 가산부(240)는 레지듀얼 샘플과 예측 샘플을 블록 단위로 더하여 현재 픽처를 복원할 수도 있다. 스킵 모드가 적용된 경우에는 레지듀얼이 전송되지 않으므로, 예측 샘플이 복원 샘플이 될 수 있다. 여기서는 가산부(240)를 별도의 구성으로 설명하였으나, 가산부(240)는 예측부(230)의 일부일 수도 있다. 한편, 가산부(240)는 복원부 또는 복원 블록 생성부로 불릴 수도 있다.
필터부(250)는 복원된 픽처에 디블록킹 필터링, 샘플 적응적 오프셋, 및/또는 ALF 등을 적용할 수 있다. 이 때, 샘플 적응적 오프셋은 샘플 단위로 적용될 수 있으며, 디블록킹 필터링 이후 적용될 수도 있다. ALF는 디블록킹 필터링 및/또는 샘플 적응적 오프셋 이후 적용될 수도 있다.
메모리(260)는 복원 픽처(디코딩된 픽처) 또는 디코딩에 필요한 정보를 저장할 수 있다. 여기서 복원 픽처는 상기 필터부(250)에 의하여 필터링 절차가 완료된 복원 픽처일 수 있다. 예컨대, 메모리(260)는 인터 예측에 사용되는 픽처들을 저장할 수 있다. 이 때, 인터 예측에 사용되는 픽처들은 참조 픽처 세트 혹은 참조 픽처 리스트에 의해 지정될 수도 있다. 복원된 픽처는 다른 픽처에 대한 참조 픽처로서 이용될 수 있다. 또한, 메모리(260)는 복원된 픽처를 출력 순서에 따라서 출력할 수도 있다.
한편, 학습 데이터를 기반한 뉴럴 네트워크(Neural Network)는 이미 많은 분야에서 활용되고 있으며, 그 중 컨벌루션 뉴럴 네트워크(Convolution Neural Network, CNN)은 영상 인식 분야에서 뛰어난 성능을 보이고 있다. 상기 뉴럴 네트워크는 인공(Artificial) 뉴럴 네트워크라고 나타낼 수도 있다. 이에, 본 발명은 상기 CNN을 사용한 영상 인코딩/디코딩 방법을 제안한다. 먼저, 상기 뉴럴 네트워크 및 상기 CNN 에 대한 구체적인 설명은 다음과 같이 후술한다.
도 3은 뉴럴 네트워크를 예시적으로 나타낸다.
상기 뉴럴 네트워크는 상호접속된(interconnected) 뉴런(neurons)이란 발상에 기반한 알고리즘의 한 분류이다. 일반적인 뉴럴 네트워크에서 뉴런은 데이터 값을 포함할 수 있는바, 접속(connection)별로 사전 정의된 강도(pre-defined strength) 및, 각 특정 뉴런에 대한 접속들의 합산이 사전 정의된 임계값(threshold value)을 넘는지 여부와 같이 접속에 따라 각 데이터 값이 접속된 뉴런의 값에 영향을 미칠 수 있다. 적절한 접속 강도 및 임계값을 결정("트레이닝"이라고도 부르는 절차)함으로써, 뉴럴 네트워크는 효과적으로 이미지 및 문자를 인식할 수 있다. 그룹 사이의 접속을 보다 명확히 하고, 값의 각 연산에 대한 것으로 만들기 위하여, 뉴런은 주로 "레이어(layer)"로 그룹화될 수 있다. 도 3을 참조하면 일반적인 뉴럴 네트워크는 3가지 타입의 레이어들을 포함할 수 있다. 상기 3가지 타입의 레이어들은 입력 레이어, 히든 레이어 및 출력 레이어를 포함할 수 있다.
상기 입력 레이어는 상기 뉴럴 네트워크 모델에 입력을 제공하는 레이어를 나타낼 수 있다. 상기 입력 레이어의 뉴런들의 수는 데이터의 특징들(features)의 개수와 동일할 수 있다. 예를 들어, 상기 입력 레이어의 뉴런들의 개수는 입력 픽처의 샘플 수와 동일할 수 있다.
상기 히든 레이어는 상기 입력 레이어와 상기 출력 레이어 사이의 레이어를 나타낼 수 있다. 상기 히든 레이어에 상기 입력 레이어의 입력이 공급될 수 있다. 또한, 상기 뉴럴 네트워크는 모델과 데이터 크기에 따라서 하나 이상의 히든 레이어를 포함할 수 있다. 일반적으로 상기 히든 레이어는 상기 특징들(features)의 개수보다 많은 수의 뉴런을 포함할 수 있다. 즉, 일반적으로 상기 히든 레이어는 상기 입력 레이어의 뉴런들의 개수보다 많은 수의 뉴런을 포함할 수 있다. 또한, 복수의 히든 레이어들이 존재하는 경우, 상기 히든 레이어들은 다른 개수의 뉴런을 포함할 수 있다. 각 히든 레이어의 출력은 이전 레이어의 출력과 해당 히든 레이어의 학습 가능한(learnable) 가중치를 행렬 곱한 다음, 뉴럴 네트워크를 비선형(nonlinear)으로 만드는 액티베이션 함수(activation function)에 이어 학습 가능한 바이어스(biases)를 추가하여 계산될 수 있다.
상기 출력 레이어는 상기 뉴럴 네트워크 모델의 출력을 포함하는 레이어를 나타낼 수 있다. 상기 히든 레이어의 출력은 각 클래스의 출력을 변환하는 로지스틱 함수(logistic function)로 전달될 수 있다.
도 3에 도시된 뉴럴 네트워크는 완전 접속 뉴럴 네트워크(fully-connected neural network)라고 불리는 일 실시예를 나타낼 수 있다. 도 3에 도시된 것과 같이 레이어의 뉴런 각각이 다음 레이어의 뉴런과 접속될 수 있다. 예를 들어, 도 3을 참조하면 입력 레이어의 뉴런이 히든 레이어 1의 모든 뉴런에 접속될 수 있다. 또한, 도 3에 도시된 바와 같이 상기 히든 레이어 1의 각 뉴런은 입력 레이어의 각 뉴런으로부터 입력 값을 수신할 수 있다. 이 후, 상기 뉴런에 입력된 입력 값들이 합산될 수 있고, 상기 합산된 값이 바이어스 또는 임계값과 비교될 수 있다. 상기 합산된 값이 상기 뉴런에 대한 임계값보다 큰 경우, 상기 뉴런에서 다음 레이어의 뉴런에 대한 입력으로 사용되는 값으로 상기 합산된 값이 사용될 수 있다. 상술한 연산은 뉴럴 네트워크의 다양한 레이어를 통하여 수행될 수 있고, 최종 레이어, 즉, 출력 레이어에 도달할 때까지 계속될 수 있다.
한편, 상기 뉴럴 네트워크의 일 예로 컨벌루션 뉴럴 네트워크(Convolution Neural Network, CNN)가 있다. 상기 CNN은 많은 컴퓨터 비전(computer vision)과 머신 러닝(machine learning) 문제에 대하여 우수한 성능을 보이고 있다. 구체적으로, 상기 CNN은 다음과 같은 이유로 우수한 성능을 보이고 있다.
- 문자 인식
- 내츄럴 이미지들(natural images)은 고정적(stationary)이라는 특성을 가짐
- 비주얼 코텍스(visual cortex)로부터의 생물학적 타당성(biological plausibility)
여기서, 상기 문자는 인접한 샘플들이 높은 상관 관계(correlations) 및 로컬 피처(local features)를 갖고, 먼 거리의 샘플들은 낮은 상관 관계를 갖는 영역으로 나타낼 수 있다. 또한, 상기 고정적이라는 특성은 이미지의 한 부분의 통계(statistics)가 다른 부분과 동일하다는 특징을 의미할 수 있다.
상기 뉴럴 네트워크의 뉴런이 이전 레이어의 모든 노드로부터 입력값을 받는 것과는 달리, 상기 CNN에서는 특정 레이어의 뉴런에 이전 레이어에서 상기 노드와 공간적 또는 시간적으로 가까운 특징들(즉, 노드들)을 포함하는 세트의 입력값들이 입력될 수 있다. 즉, 상기 CNN은 단일한 값 대신에 값들의 배열을 각 뉴런과 연관시킴으로써 동작할 수 있다. 상기 세트는 리셉티브 필드(receptive field)라고 나타낼 수도 있다. 상기 세트는 3x3 세트 또는 5x5 세트로 도출될 수 있다. MxN 세트는 M개의 열과 N개의 행으로 이루어진 노드들의 집합을 나타낼 수 있다. 따라서, 상기 CNN은 로컬 2-D 구조(structure)를 처리할 수 있는 기능이 필요하다.
도 4는 컨벌루션 뉴럴 네트워크를 예시적으로 나타낸다. 또한, 개념적으로 상기 세트는 작은 이미지 패치(patch)로 나타낼 수 있고, 후속 레이어를 위한 뉴런 값의 변환은 곱셈대신 컨벌루션(convolution)이 사용될 수 있다. 즉, 접속 강도가 스칼라(scalar) 값이 아닌 컨벌루션 커널일 수 있다. 도 4를 참조하면 상기 CNN은 후술하는 3가지 레이어들을 포함할 수 있다.
- 컨벌루션 레이어(convolution layer)
- 풀링 레이어(pooling layer)
- 완전 접속 레이어(Fully-Connected Layer)
상기 컨벌루션 레이어는 입력의 로컬 영역에 연결된 노드의 출력값을 계산하는 레이어를 나타낼 수 있다. 각 노드에 대한 출력값은 가중치(weight)와 상기 노드에 대한 입력 볼륨(input volume)과 연결된 영역 간의 내적(dot product)으로 계산될 수 있다. 예를 들어, 상기 노드에 대한 입력이 다음의 수학식과 같이 정의된 Max (0, x)와 같은 엘러멘트와이즈(elementwise) 액티베이션 함수가 적용되는 렉티파이드 리니어 유닛(rectified linear unit, RELU) 레이어를 통과하여 도출될 수 있다.
Figure PCTKR2019003574-appb-M000001
상기 풀링 레이어는 공간적 차원을 따라 다운 샘플링 오퍼레이션(down sampling operation)을 수행할 수 있다. 상기 다운 샘플링은 해당 영역의 노드들의 값들 중 최대값 또는 평균값을 도출하는 과정을 나타낼 수 있다. 이후, 상기 풀링 레이어의 출력값들이 상기 완전 접속 레이어, 즉, 완전 접속 뉴럴 네트워크에 대한 입력값으로 입력될 수 있다.
도 5는 본 발명에서 적용되는 CNN 을 예시적으로 나타낸다. 도 5를 참조하면 입력 픽처는 상술한 내용과 같이 컨벌루션 레이어들을 통과할 수 있고, 상기 컨벌루션 레이어들을 통과한 값들은 상기 완전 접속 레이어를 통과할 수 있고, 이를 통하여 출력값인 특징들(features)이 도출될 수 있다.
구체적으로, 예를 들어, 인코딩 장치/디코딩 장치는 입력 픽처의 입력 블록의 샘플들에 대한 컨벌루션 연산을 수행할 수 있다. 일 예로, 상기 입력 블록의 샘플들에 대하여 4번의 컨벌루션 연산이 수행될 수 있다.
예를 들어, 첫 번째 컨벌루션 연산(이하, 제1 컨벌루션 연산)은 입력 블록이 f(t), 커널이 g(t)라고 한다면, g(t)를 반전하여 입력과 커널의 겹치는 부분과의 컨벌루션 연산을 나타낼 수 있다. 즉, 인코딩 장치/디코딩 장치는 NxN의 입력 블록에 있어서 그 좌측 상부에 위치하는 커널과 오버랩되는 부분에서 각 요소 별 위치에 있는 값을 곱하고 그 값들을 모두 합친(Summation of Products, SOP) 결과를 출력할 수 있다.
두 번째 컨벌루션 연산(이하, 제2 컨벌루션 연산)은 상기 제1 컨벌루션 연산에 사용된 커널을 좌측으로 한 칸 이동시켜, 입력 블록과 커널(즉, 우측 상부에 위치하는 커널)이 오버랩되는 부분에서의 컨벌루션 연산을 나타낼 수 있다. 즉, 인코딩 장치/디코딩 장치는 상기 제1 컨벌루션 연산에 사용된 커널을 좌측으로 한 칸 이동시켜, 입력 블록과 커널이 오버랩되는 부분에서의 각 요소 별 위치에 있는 값을 곱하고 그 값들을 모두 합친 결과를 출력할 수 있다.
세 번째 컨벌루션 연산(이하, 제3 컨벌루션 연산)은 상기 제2 컨벌루션 연산에 사용된 커널을 밑으로 한 칸 이동시켜, 입력 블록과 커널(즉, 우측 하부에 위치하는 커널)이 오버랩되는 부분에서의 컨벌루션 연산을 나타낼 수 있다. 즉, 인코딩 장치/디코딩 장치는 상기 제2 컨벌루션 연산에 사용된 커널을 하측으로 한 칸 이동시켜, 입력 블록과 커널이 오버랩되는 부분에서의 각 요소 별 위치에 있는 값을 곱하고 그 값들을 모두 합친 결과를 출력할 수 있다.
네 번째 컨벌루션 연산(이하, 제4 컨벌루션 연산)은 상기 제3 컨벌루션 연산에 사용된 커널을 우측으로 한 칸 이동시켜, 입력 블록과 커널(즉, 좌측 하부에 위치하는 커널)이 오버랩되는 부분에서의 컨벌루션 연산을 나타낼 수 있다. 즉, 인코딩 장치/디코딩 장치는 상기 제3 컨벌루션 연산에 사용된 커널을 우측으로 한 칸 이동시켜, 입력 블록과 커널이 오버랩되는 부분에서의 각 요소 별 위치에 있는 값을 곱하고 그 값들을 모두 합친 결과를 출력할 수 있다.
이후, 인코딩 장치/디코딩 장치는 상기 컨벌루션 연산을 수행하여 출력되는 값(예를 들어, 4번의 컨벌루션 연산을 통하여 도출되는 4개의 값들)을 액티베이션 함수(Activation function)를 통해 비선형 함수 형태로 변형시킬 수 있다. 인코딩 장치/디코딩 장치는 상기 액티베이션 함수를 거친 상기 출력되는 값에 대하여 풀링 연산을 수행하여 특징을 추출할 수 있다. 여기서, 상기 풀링 연산은 상술한 내용과 같이 도출된 값들(예를 들어, 4개의 값들) 중 특정 기준에 따라 하나의 값을 골라내는 과정을 나타낼 수 있다. 다시 말해, 상기 컨벌루션 연산을 통해 한 단계 높은 추상화된 정보가 추출될 수 있는바, 상기 풀링 연산은 상기 추상화된 정보에서 가장 중요한 정보만을 남기도록 그 크기를 압축 요약하는 과정을 나타낼 수 있다.
인코딩 장치/디코딩 장치는 입력 픽처에 포함된 복수의 블록들에 대하여 상술한 컨벌루션 및 풀링 연산을 수행하여 복수의 특징들을 도출할 수 있다. 상기 특징들은 특징맵이라고 나타낼 수도 있다. 이후, 인코딩 장치/디코딩 장치는 상기 특징맵을 기반으로 상기 완전 접속 레이어를 출력할 수 있다. 즉, 인코딩 장치/디코딩 장치는 상기 특징맵을 기반으로 상기 완전 접속 레이어의 출력값을 도출할 수 있다.
한편, 상술한 CNN 은 비디오 코딩(video coding) 또는 압축(compression)의 포스트 필터링 프로세스(post filtering process)에 유용하게 사용될 수 있다. 특히, 상기 CNN 은 가용한(available) 필터 세트(filter sets) 중에서 현재 픽처(또는 현재 블록)에 적절한 필터 세트를 찾는데 사용될 수 있다. 상기 CNN을 기반으로 상기 적절한 필터 세트를 도출하는 절차는 후술하는 바와 같이 설명될 수 있다. 상기 필터 세트는 필터 탭(filter taps) 및 필터 변수(filter coefficients)를 포함할 수 있다.
1단계: 입력 픽처가 기설정된 샘플 그룹으로 나뉠 수 있다. 즉, 상기 입력 픽처는 기설정된 사이즈의 블록으로 나뉠 수 있다. 예를 들어, 상기 블록은 3x3 사이즈의 블록, 5x5 사이즈의 블록 또는 CTU일 수 있다.
2단계: 기설정된 필터링 프로세스(즉, 기설정된 커널을 기반으로 수행되는 컨벌루션 연산)를 상기 기설정된 블록에 적용하여 복수의 특징들이 도출될 수 있다. 예를 들어, 평균 특징을 도출하기 위하여(즉, 입력 샘플들의 평균을 나타내는 특징) 상기 블록의 샘플들에 대해 동일한 웨이팅 팩터(weighting factor)가 적용될 수 있다. 즉, 상기 컨벌루션 연산을 위한 커널은 값이 동일한 웨이팅 팩터들을 포함할 수 있다. 또는, 예를 들어, 상기 입력 샘플들 사이의 고주파수(high frequency) 특징을 도출하기 위하여, 고주파 리스폰스(high frequency response)와 같은 웨이팅 팩터가 상기 블록의 샘플들에 대하여 적용될 수 있다. 즉, 상기 컨벌루션 연산을 위한 커널은 값이 고주파 리스폰스와 같은 웨이팅 팩터를 포함할 수 있다. 또한, 상기 2단계는 복수의 단계로 적용될 수 있고, 특징들의 수와 타입은 어플리케이션(application)에 따라 다를 수 있다.
3단계: 2단계에서 도출된 파이널 특징을 기반으로 사용되는 필터가 결정될 수 있다. 특히, 출력 특성들(output features)을 각 필터 세트의 확률 스코어(probability score)로 변환하는 로지스틱(logistic) 함수를 사용하여 상기 현재 픽처에 사용되는 필터가 결정될 수 있다.
상술한 CNN 은 비디오 코딩에서의 포스트 필터링 프로세스(post filtering process)에 유용하게 사용될 수 있는바, 본 발명은 상기 CNN을 기반으로 수행하는 필터링 과정을 이용한 영상 코딩 방안을 제안한다. 본 발명에서 제안하는 실시예들은 ITU-T H.264 표준, ITU-T H.265 표준, JEM 탐색 활동(exploration activity) 및 VVC 와 관련하여 기술되었으나, 본 발명에서 제안하는 실시예들은 상술한 표준 이외의 임의의 비디오 코딩 표준에 대해서도 적용될 수 있다.
일 예로, 디블록킹 필터 및 샘플 적응적 오프셋(Sample Adaptive Offset, SAO)를 상기 CNN으로 대체하는 방안이 제안될 수 있다.
도 6은 상기 디블록킹 필터 및 상기 SAO를 상기 CNN으로 대체하여 수행되는 영상 코딩의 일 예를 나타낸다. 도 6을 참조하면 복원 픽처는 상기 디블록킹 필터 및 상기 SAO 대신 상기 CNN 을 통과할 수 있다. 다시 말해, 도 6을 참조하면 복원 픽처에 대하여 상기 디블록킹 필터 및 상기 SAO 대신 상기 CNN 이 적용될 수 있다. 상기 CNN은 상술한 내용과 같이 다중 계층화된 구조를 가질 수 있고, 상기 CNN 의 기설정된 필터링 프로세스는 각 레이어에서 결정될 수 있다. 상기 CNN에 포함된 레이어들의 수 및 특성(즉, 각 레이어에서의 필터 계수들 및 필터 탭들의 수)은 기정의될 수 있다.
다른 일 예로, 디블록킹 필터, SAO 및 ALF(Adaptive Loop Filter)를 상기 CNN으로 대체하는 방안이 제안될 수 있다.
도 7은 상기 디블록킹 필터, 상기 SAO 및 상기 ALF를 상기 CNN으로 대체하여 수행되는 영상 코딩의 일 예를 나타낸다. 즉, 도 7을 참조하면 인코딩 장치/디코딩 장치는 주관적/객관적 화질을 향상시키기 위하여 적용되는 인루프 필터링 절차로 상기 CNN 을 상기 복원 픽처에 적용할 수 있다.
다른 일 예로, 주관적/객관적 화질을 향상시키기 위하여 디블록킹 필터, SAO 및 ALF(Adaptive Loop Filter) 등의 필터를 적용한 후에 상기 CNN을 적용하는 방안이 제안될 수 있다.
도 8은 상기 디블록킹 필터, 상기 SAO 및 상기 ALF를 적용하고, 상기 CNN을 수행하는 일 예를 나타낸다. 즉, 도 8을 참조하면 인코딩 장치/디코딩 장치는 주관적/객관적 화질을 향상시키기 위하여 적용되는 인루프 필터링 절차로 디블록킹 필터, 상기 SAO, 상기 ALF 및 상기 CNN 을 상기 복원 픽처에 적용할 수 있다.
한편, 상기 CNN 을 사용하여 수행되는 필터링 과정에 대한 정보가 시그널링될 수 있다.
예를 들어, 추가 포스트 필터링 데이터가 전송되는지 여부를 나타내는 플래그가 시그널링될 수 있다. 상기 플래그의 값이 1인 경우, 상기 플래그는 추가 포스트 필터링 데이터가 전송됨을 나타낼 수 있고, 상기 플래그의 값이 0인 경우, 상기 플래그는 추가 포스트 필터링 데이터가 전송되지 않음을 나타낼 수 있다.
상기 플래그는 포스트 필터 익스텐션 플래그라고 나타낼 수 있고, 상기 플래그는 다음의 표와 같이 시그널링될 수 있다.
Figure PCTKR2019003574-appb-T000001
여기서, sps_postfilter_extension_flag 는 상기 플래그를 나타낼 수 있다. 상기 플래그는 슬라이스 헤더(slice header), PPS(picture parameter set) 또는 SPS(sequence parameter set) 를 통하여 시그널링될 수 있다.
또한, 상기 CNN 을 사용하여 수행되는 필터링 과정에 대한 정보는 다음의 표와 같이 시그널링될 수 있다.
Figure PCTKR2019003574-appb-T000002
예를 들어, 통합된(unified) 포스트 필터링 프로세스가 존재하는지 여부를 나타내는 플래그가 시그널링될 수 있다. 상기 플래그는 포스트 필터 컨트롤 프레전트 플래그라고 나타낼 수 있다. 표 2에 도시된 post_filter_control_present_flag 는 상기 포스트 필터 컨트롤 프레전트 플래그에 대한 신텍스 요소(syntax element)를 나타낼 수 있다. 상기 포스트 필터 컨트롤 프레전트 플래그의 값이 1인 경우, 상기 플래그는 통합된 포스트 필터링 프로세스가 존재함을 나타낼 수 있고, 상기 포스트 필터 컨트롤 프레전트 플래그의 값이 0인 경우, 상기 플래그는 통합된 포스트 필터링 프로세스가 존재하지 않음을 나타낼 수 있다. 상기 포스트 필터 컨트롤 프레전트 플래그가 존재하지 않는 경우, 상기 포스트 필터 컨트롤 프레전트 플래그의 값은 0으로 간주될 수 있다.
또한, 디블록킹 필터, SAO 및 ALF 와 같은 기존 포스트 필터링 프로세스가 상기 통합된 포스트 필터링 프로세스로 대체되는지 여부를 나타내는 플래그가 시그널링될 수 있다. 상기 플래그는 유니파이드 포스트 필터 플래그라고 나타낼 수 있다. 표 2에 도시된 Unified_post_filter_flag 는 상기 유니파이드 포스트 필터 플래그에 대한 신텍스 요소(syntax element)를 나타낼 수 있다. 상기 유니파이드 포스트 필터 플래그의 값이 1인 경우, 상기 플래그는 통합된 포스트 필터링 프로세스가 상기 기존 포스트 필터링 프로세스를 대체함을 나타낼 수 있고, 상기 유니파이드 포스트 필터 플래그의 값이 0인 경우, 상기 플래그는 통합된 포스트 필터링 프로세스가 상기 기존 포스트 필터링 프로세스를 대체하지 않음을 나타낼 수 있다. 상기 유니파이드 포스트 필터 플래그가 존재하지 않는 경우, 상기 유니파이드 포스트 필터 플래그의 값은 0으로 간주될 수 있다.
또한, 디블록킹 필터가 가용한지 여부를 나타내는 플래그가 시그널링될 수 있다. 상기 플래그는 디블록킹 필터 가용 플래그라고 나타낼 수 있다. 표 2에 도시된 deblocking_filter_enabled_flag 는 상기 디블록킹 필터 가용 플래그에 대한 신텍스 요소(syntax element)를 나타낼 수 있다. 상기 디블록킹 필터 가용 플래그의 값이 1인 경우, 상기 플래그는 상기 디블록킹 필터가 가용함을 나타낼 수 있고, 상기 디블록킹 필터 가용 플래그의 값이 0인 경우, 상기 플래그는 상기 디블록킹 필터가 가용하지 않음을 나타낼 수 있다. 상기 디블록킹 필터 가용 플래그가 존재하지 않는 경우, 상기 디블록킹 필터 가용 플래그의 값은 0으로 간주될 수 있다.
또한, SAO가 가용한지 여부를 나타내는 플래그가 시그널링될 수 있다. 상기 플래그는 SAO 가용 플래그라고 나타낼 수 있다. 표 2에 도시된 SAO_enabled_flag 는 상기 SAO 가용 플래그에 대한 신텍스 요소(syntax element)를 나타낼 수 있다. 상기 SAO 가용 플래그의 값이 1인 경우, 상기 플래그는 상기 SAO 포스트 필터링이 가용함을 나타낼 수 있고, 상기 SAO 가용 플래그의 값이 0인 경우, 상기 플래그는 상기 SAO 포스트 필터링이 가용하지 않음을 나타낼 수 있다. 상기 SAO 가용 플래그가 존재하지 않는 경우, 상기 디블록킹 필터 가용 플래그의 값은 0으로 간주될 수 있다.
또한, ALF가 가용한지 여부를 나타내는 플래그가 시그널링될 수 있다. 상기 플래그는 ALF 가용 플래그라고 나타낼 수 있다. 표 2에 도시된 ALF_enabled_flag 는 상기 ALF 가용 플래그에 대한 신텍스 요소(syntax element)를 나타낼 수 있다. 상기 ALF 가용 플래그의 값이 1인 경우, 상기 플래그는 상기 ALF 필터링이 가용함을 나타낼 수 있고, 상기 ALF 가용 플래그의 값이 0인 경우, 상기 플래그는 상기 ALF 필터링이 가용하지 않음을 나타낼 수 있다. 상기 ALF 가용 플래그가 존재하지 않는 경우, 상기 ALF 가용 플래그의 값은 0으로 간주될 수 있다.
한편, 상술한 신텍스 요소들은 슬라이스 헤더(slice header), PPS(picture parameter set) 또는 SPS(sequence parameter set) 를 통하여 시그널링될 수 있다.
한편, 다른 일 예로, 복수의 CNN들 중 선택된 CNN을 기반으로 필터링을 수행하는 방안이 제안될 수 있다.
도 9는 복수의 CNN들 중 선택된 CNN을 기반으로 복원 픽처에 대한 필터링을 수행하는 일 예를 나타낸다.
예를 들어, 인코딩 장치는 복원 픽처에 대하여 다양한 CNN 기반 필터링을 수행할 수 있고, 복수의 CNN 들 중 최적의 객관적 퍼포먼스(objective performance)를 갖는 CNN을 선택할 수 있다. 또한, 인코딩 장치는 상기 복수의 CNN 들 중 상기 선택된 CNN을 가리키는 인덱스를 시그널링할 수 있다. 디코딩 장치는 상기 인덱스를 수신할 수 있고, 상기 인덱스가 가리키는 CNN을 기반으로 상기 복원 픽처에 대한 필터링을 수행하여 상기 복원 픽처를 리파인(refine)할 수 있다.
또한, 예를 들어, 인코딩 장치는 레지듀얼 데이터, 즉, 현재 픽처에 대한 레지듀얼 샘플들에 대하여 다양한 CNN 기반 필터링을 수행할 수 있고, 복수의 CNN 들 중 최적의 객관적 퍼포먼스(objective performance)를 갖는 CNN을 선택할 수 있다. 인코딩 장치는 상기 복수의 CNN 들 중 상기 선택된 CNN을 가리키는 인덱스를 시그널링할 수 있다. 디코딩 장치는 상기 인덱스를 수신할 수 있고, 상기 인덱스가 가리키는 CNN을 기반으로 상기 현재 픽처의 레지듀얼 샘플들에 대한 필터링을 수행할 수 있고, 필터링된 레지듀얼 샘플들을 통하여 상기 복원 픽처를 리파인(refine)할 수 있다. 예를 들어, 도 9에 도시된 제1 CNN 은 5개의 컨벌루션 레이어들을 포함할 수 있고, 추출된 필터를 기반으로 10개의 가용한 필터 세트가 사용될 수 있다. 또한, 제2 CNN 은 3개의 컨벌루션 레이어들을 포함할 수 있고, 추출된 필터를 기반으로 5개의 가용한 필터 세트가 사용될 수 있다. 또한, 각 CNN은 서로 다른 사이즈의 입력 블록을 가질 수 있다. 즉, 각 CNN에 대한 입력 블록의 사이즈는 다를 수 있다.
도 10은 본 발명에 따른 인코딩 장치에 의한 영상 인코딩 방법을 개략적으로 나타낸다. 도 10에서 개시된 방법은 도 1에서 개시된 인코딩 장치에 의하여 수행될 수 있다. 구체적으로 예를 들어, 도 10의 S1000은 상기 인코딩 장치의 예측부에 의하여 수행될 수 있고, S1010은 상기 인코딩 장치의 감산부에 의하여 수행될 수 있고, S1020은 상기 인코딩 장치의 가산부에 의하여 수행될 수 있고, S1030은 상기 인코딩 장치의 필터부에 의하여 수행될 수 있고, S1040은 상기 인코딩 장치의 엔트로피 인코딩부에 의하여 수행될 수 있다.
인코딩 장치는 현재 블록에 대한 예측 샘플을 도출한다(S1000).
인코딩 장치는 상기 현재 블록에 대하여 인트라 예측 또는 인터 예측을 수행하여 상기 현재 블록에 대한 상기 예측 샘플을 도출할 수 있다.
인코딩 장치는 상기 현재 블록에 인트라 예측이 적용되는지 또는 인터 예측이 적용되는지 결정할 수 있다. 상기 현재 블록에 인터 예측이 적용되는 경우, 인코딩 장치는 스킵(skip) 모드, 머지(merge) 모드 또는 AMVP 모드 등을 적용하여 현재 블록에 대한 움직임 정보를 도출할 수 있고, 상기 움직임 정보를 기반으로 상기 현재 블록에 대한 예측 샘플을 도출할 수 있다. 여기서, 상기 움직임 정보는 움직임 벡터, 참조 픽처 인덱스를 포함할 수 있다.
일 예로, 상기 현재 블록에 상기 스킵 모드 또는 머지 모드가 적용되는 경우, 인코딩 장치는 가용한 주변 블록의 움직임 정보로 머지 후보 리스트를 구성할 수 있고, 상기 머지 후보 리스트에 포함된 머지 후보들 중 하나를 선택할 수 있고, 상기 선택된 머지 후보를 상기 현재 블록에 대한 움직임 정보로 도출할 수 있다. 이 경우, 인코딩 장치는 상기 머지 후보 리스트의 머지 후보들 중 상기 선택된 머지 후보를 가리키는 머지 인덱스를 인코딩할 수 있다. 상기 머지 인덱스는 상기 현재 블록에 대한 예측 정보에 포함될 수 있다.
또한, 상기 현재 블록에 AMVP 모드가 적용되는 경우, 인코딩 장치는 상기 현재 블록의 공간적 주변 블록의 움직임 벡터 및/또는 시간적 주변 블록인 Col 블록에 대응하는 움직임 벡터를 이용하여, 움직임 벡터 예측자 후보 리스트를 생성할 수 있다. 즉, 복원된 공간적 주변 블록의 움직임 벡터 및/또는 시간적 주변 블록인 Col 블록에 대응하는 움직임 벡터는 움직임 벡터 예측자 후보로 사용될 수 있다. 인코딩 장치는 상기 현재 블록의 예측 정보는 상기 리스트에 포함된 움직임 벡터 예측자 후보 중에서 하나의 움직임 벡터 예측자 후보를 선택할 수 있고, 상기 선택된 움직임 벡터 예측자 후보를 움직임 벡터 예측자로 사용하여 상기 현재 블록에 대한 움직임 벡터를 도출할 수 있다. 또한, 인코딩 장치는 현재 블록의 움직임 벡터와 움직임 벡터 예측자 간의 움직임 벡터 차분(MVD)을 구할 수 있고, 이를 인코딩하여 비트스트림 형태로 출력할 수 있다. 즉, MVD는 현재 블록의 움직임 벡터에서 상기 움직임 벡터 예측자를 뺀 값으로 구해질 수 있다. 또한, 인코딩 장치는 상기 리스트에 포함된 움직임 벡터 예측자 후보들 중 상기 선택된 움직임 벡터 예측자 후보를 지시하는 움직임 벡터 예측자 인덱스를 인코딩할 수 있다. 상기 움직임 벡터 예측자 인덱스는 상기 현재 블록에 대한 예측 정보에 포함될 수 있다. 또한, 인코딩 장치는 상기 현재 블록에 대한 참조 픽처를 도출할 수 있고, 상기 참조 픽처를 지시하는 참조 픽처 인덱스를 인코딩할 수 있다. 상기 참조 픽처 인덱스는 상기 예측 정보에 포함될 수 있다.
또한, 인트라 예측의 경우에, 인코딩 장치는 현재 픽처 내의 주변 참조 샘플을 기반으로 현재 블록에 대한 예측 샘플을 유도할 수 있다. 인코딩 장치는 현재 블록의 주변 참조 샘플을 기반으로 방향성 모드 또는 비방향성 모드를 적용하여 현재 블록에 대한 예측 샘플을 유도할 수 있다. 이 때, 주변 블록의 인트라 예측 모드를 이용하여 현재 블록에 적용할 예측 모드가 결정될 수도 있다.
한편, 인코딩 장치는 상기 현재 블록에 대한 예측 정보를 인코딩할 수 있다. 상기 예측 정보는 상기 현재 블록에 인트라 예측이 적용되는지 또는 인터 예측이 적용되는지 여부를 나타내는 정보를 포함할 수 있다. 또한, 상기 예측 정보는 상기 현재 블록에 머지 모드가 적용되는지 또는 AMVP 모드가 적용되는지 여부를 나타내는 정보를 포함할 수 있다.
인코딩 장치는 상기 예측 샘플 및 상기 현재 블록에 대한 원본 샘플을 기반으로 상기 현재 블록에 대한 레지듀얼 샘플을 생성한다(S1010). 인코딩 장치는 상기 현재 블록에 대한 원본 샘플과 상기 예측 샘플의 가산을 통하여 상기 레지듀얼 샘플을 도출할 수 있다.
인코딩 장치는 상기 예측 샘플 및 상기 레지듀얼 샘플을 기반으로 복원 픽처를 도출한다(S1020). 인코딩 장치는 상기 예측 샘플과 상기 레지듀얼 샘플을 기반으로 복원 샘플을 생성할 수 있고, 상기 복원 샘플을 기반으로 복원 블록 또는 복원 픽처를 도출할 수 있다.
인코딩 장치는 상기 복원 픽처에 대하여 CNN(Convolution Neural Network)을 기반으로 필터링을 수행한다(S1030).
일 예로, 인코딩 장치는 상기 복원 픽처를 특정 사이즈의 입력 블록들로 분할할 수 있다. 상기 특정 사이즈는 3x3 사이즈 또는 5x5 사이즈일 수 있다. 또는, 상기 입력 블록들은 CTU(Coding Tree Unit)일 수 있다.
인코딩 장치는 상기 입력 블록들 각각에 대하여 상기 CNN에 대한 커널(kernel)을 기반으로 컨벌루션(convolution) 연산을 수행하여 특징들(features)을 도출할 수 있고, 상기 특징들을 기반으로 필터 세트를 결정할 수 있다. 인코딩 장치는 상기 필터 세트를 기반으로 상기 복원 픽처에 대한 필터링을 수행할 수 있다. 상기 필터 세트는 필터 탭(filter taps) 및 필터 변수(filter coefficients)를 포함할 수 있다.
한편, 예를 들어, 인코딩 장치는 복수의 CNN들 중 하나를 선택할 수 있고, 상기 복원 픽처에 대하여 상기 선택된 CNN 을 기반으로 필터링을 수행할 수 있다. 인코딩 장치는 상기 복수의 CNN들 중 상기 선택된 CNN을 가리키는 인덱스를 생성할 수 있고, 시그널링할 수 있다.
한편, 인코딩 장치는 CNN을 기반으로 필터링된 복원 픽처에 대하여 ALF(Adaptive Loop Filter)를 수행할 수도 있다.
또한, 다른 일 예로, 인코딩 장치는 상기 복원 픽처에 대하여 디블록킹 필터링, SAO 및/또는 ALF 를 수행할 수 있고, 필터링된 복원 픽처를 특정 사이즈의 입력 블록들로 분할할 수 있다. 상기 특정 사이즈는 3x3 사이즈 또는 5x5 사이즈일 수 있다. 또는, 상기 입력 블록들은 CTU(Coding Tree Unit)일 수 있다.
인코딩 장치는 상기 입력 블록들 각각에 대하여 상기 CNN에 대한 커널(kernel)을 기반으로 컨벌루션(convolution) 연산을 수행하여 특징들(features)을 도출할 수 있고, 상기 특징들을 기반으로 필터 세트를 결정할 수 있다. 인코딩 장치는 상기 필터 세트를 기반으로 상기 복원 픽처에 대한 필터링을 수행할 수 있다. 상기 필터 세트는 필터 탭(filter taps) 및 필터 변수(filter coefficients)를 포함할 수 있다.
또한, 다른 일 예로, 인코딩 장치는 현재 픽처의 레지듀얼 샘플들에 대하여 상기 CNN을 기반으로 필터링을 수행할 수 있다. 예를 들어, 인코딩 장치는 상기 레지듀얼 샘플들을 포함하는 레지듀얼 픽처를 특정 사이즈의 입력 블록들로 분할할 수 있다. 상기 특정 사이즈는 3x3 사이즈 또는 5x5 사이즈일 수 있다. 또는, 상기 입력 블록들은 CTU(Coding Tree Unit)일 수 있다.
인코딩 장치는 상기 입력 블록들 각각에 대하여 상기 CNN에 대한 커널(kernel)을 기반으로 컨벌루션(convolution) 연산을 수행하여 특징들(features)을 도출할 수 있고, 상기 특징들을 기반으로 필터 세트를 결정할 수 있다. 인코딩 장치는 상기 필터 세트를 기반으로 상기 레지듀얼 샘플들에 대한 필터링을 수행할 수 있다. 상기 필터 세트는 필터 탭(filter taps) 및 필터 변수(filter coefficients)를 포함할 수 있다. 인코딩 장치는 상기 필터링된 레지듀얼 샘플들 및 예측 샘플들을 기반으로 상기 현재 픽처에 대한 복원 픽처를 도출할 수 있다.
인코딩 장치는 포스트 필터링(post filtering)에 대한 정보 및 레지듀얼 정보를 인코딩한다(S1040).
예를 들어, 인코딩 장치는 포스트 필터링에 대한 정보가 전송되는지 여부를 나타내는 플래그를 인코딩할 수 있다.
또는, 예를 들어, 인코딩 장치는 포스트 필터링이 수행되는지 여부를 나타내는 플래그를 인코딩할 수 있다. 상기 플래그의 값이 1인 경우, 상기 비트스트림을 통하여 포스트 필터링에 대한 정보가 인코딩될 수 있다. 상기 포스트 필터링에 대한 정보는 통합된 포스트 필터링이 수행되는지 여부를 나타내는 플래그, 상기 디블록킹 필터링의 가용 여부를 나타내는 플래그, 상기 SAO의 가용 여부를 나타내는 플래그 및/또는 상기 ALF의 가용 여부를 나타내는 플래그를 포함할 수 있다. 여기서 상기 통합된 포스트 필터링은 CNN 기반 필터링을 나타낼 수 있다. 즉, 상기 플래그는 CNN 기반 필터링이 수행되는지 여부를 나타낼 수 있다. 한편, 상기 디블록킹 필터링의 가용 여부를 나타내는 플래그가 존재하지 않는 경우, 상기 디블록킹 필터링의 가용 여부를 나타내는 플래그의 값은 0으로 간주될 수 있다. 또한, 상기 SAO의 가용 여부를 나타내는 플래그가 존재하지 않는 경우, 상기 SAO의 가용 여부를 나타내는 플래그의 값은 0으로 간주될 수 있다. 또한, 상기 ALF의 가용 여부를 나타내는 플래그가 존재하지 않는 경우, 상기 ALF의 가용 여부를 나타내는 플래그의 값은 0으로 간주될 수 있다.
또한, 인코딩 장치는 상기 레지듀얼 샘플에 대한 변환을 수행하여 변환 계수를 도출할 수 있고, 변환 계수에 대한 엔트로피 인코딩을 수행할 수 있다. 엔트로피 인코딩은 예를 들어 지수 골롬(exponential Golomb), CAVLC(context-adaptive variable length coding), CABAC(context-adaptive binary arithmetic coding) 등과 같은 인코딩 방법을 포함할 수 있다.
또한, 인코딩 장치는 상기 현재 블록에 대한 정보를 인코딩할 수 있다. 상기 현재 블록에 대한 정보는 상기 예측 정보를 포함할 수 있다.
한편, 상기 비트스트림은 네트워크 또는 (디지털) 저장매체를 통하여 디코딩 장치로 전송될 수 있다. 여기서 네트워크는 방송망 및/또는 통신망 등을 포함할 수 있고, 디지털 저장매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장매체를 포함할 수 있다.
도 11은 본 발명에 따른 영상 인코딩 방법을 수행하는 인코딩 장치를 개략적으로 나타낸다. 도 10에서 개시된 방법은 도 11에서 개시된 인코딩 장치에 의하여 수행될 수 있다. 구체적으로 예를 들어, 도 11의 상기 인코딩 장치의 예측부는 도 10의 S1000을 수행할 수 있고, 도 11의 상기 인코딩 장치의 감산부는 도 10의 S1010을 수행할 수 있고, 도 11의 상기 인코딩 장치의 가산부는 도 10의 S1020을 수행할 수 있고, 도 11의 상기 인코딩 장치의 필터부는 도 10의 S1030을 수행할 수 있고, 도 11의 상기 인코딩 장치의 엔트로피 인코딩부는 도 10의 S1040을 수행할 수 있다. 또한, 비록 도시되지는 않았으나 상기 레지듀얼 샘플을 기반으로 상기 현재 블록에 대한 레지듀얼 정보를 생성하는 과정은 도 11의 상기 인코딩 장치의 변환부에 의하여 수행될 수 있다.
도 12는 본 발명에 따른 디코딩 장치에 의한 영상 디코딩 방법을 개략적으로 나타낸다. 도 12에서 개시된 방법은 도 2에서 개시된 디코딩 장치에 의하여 수행될 수 있다. 구체적으로 예를 들어, 도 12의 S1200는 상기 디코딩 장치의 엔트로피 디코딩부에 의하여 수행될 수 있고, S1210는 상기 디코딩 장치의 예측부에 의하여 수행될 수 있고, S1220는 상기 디코딩 장치의 역변환부에 의하여 수행될 수 있고, S1230는 상기 디코딩 장치의 가산부에 의하여 수행될 수 있고, S1240는 상기 디코딩 장치의 필터부에 의하여 수행될 수 있다.
디코딩 장치는 비트스트림으로부터 현재 블록에 대한 레지듀얼(residual) 정보를 획득한다(S1200). 디코딩 장치는 상기 비트스트림을 통하여 시그널링된 상기 레지듀얼 정보를 디코딩하여 상기 현재 블록의 변환 계수들을 도출할 수 있다.
디코딩 장치는 상기 현재 블록에 대한 예측 샘플을 도출한다(S1210). 디코딩 장치는 상기 현재 블록에 대하여 인트라 예측 또는 인터 예측을 수행하여 상기 현재 블록에 대한 상기 예측 샘플을 도출할 수 있다.
디코딩 장치는 비트스트림을 통하여 상기 현재 블록의 예측에 관한 정보를 획득할 수 있고, 상기 예측에 관한 정보를 기반으로 인트라 예측을 적용할 것인지 인터 예측을 적용할 것인지를 결정할 수 있다.
인트라 예측의 경우에, 디코딩 장치는 현재 픽처 내의 주변 참조 샘플을 기반으로 현재 블록에 대한 예측 샘플을 유도할 수 있다. 디코딩 장치는 현재 블록의 주변 참조 샘플을 기반으로 방향성 모드 또는 비방향성 모드를 적용하여 현재 블록에 대한 예측 샘플을 유도할 수 있다. 이 때, 주변 블록의 인트라 예측 모드를 이용하여 현재 블록에 적용할 예측 모드가 결정될 수도 있다.
인터 예측의 경우에, 디코딩 장치는 참조 픽처 상에서 움직임 벡터에 의해 참조 픽처 상에서 특정되는 샘플을 기반으로 현재 블록에 대한 예측 샘플을 유도할 수 있다. 디코딩 장치는 스킵(skip) 모드, 머지(merge) 모드 및 MVP 모드 중 어느 하나를 적용하여 현재 블록에 대한 예측 샘플을 유도할 수 있다. 이때, 비디오 인코딩 장치에서 제공된 현재 블록의 인터 예측에 필요한 움직임 정보, 예컨대 움직임 벡터, 참조 픽처 인덱스 등에 관한 정보는 상기 예측에 관한 정보를 기반으로 획득 또는 유도될 수 있다
스킵 모드와 머지 모드의 경우에, 주변 블록의 움직임 정보가 현재 블록의 움직임 정보로 이용될 수 있다. 이 때, 주변 블록은 공간적 주변 블록과 시간적 주변 블록을 포함할 수 있다.
디코딩 장치는 가용한 주변 블록의 움직임 정보로 머지 후보 리스트를 구성하고, 머지 인덱스가 머지 후보 리스트 상에서 지시하는 정보를 현재 블록의 움직임 벡터로 사용할 수 있다. 머지 인덱스는 인코딩 장치로부터 시그널링될 수 있다. 움직임 정보는 움직임 벡터와 참조 픽처를 포함할 수 있다. 스킵 모드와 머지 모드에서 시간적 주변 블록의 움직임 정보가 이용되는 경우에, 참조 픽처 리스트 상의 최상위 픽처가 참조 픽처로서 이용될 수 있다.
스킵 모드의 경우, 머지 모드와 달리 예측 샘플과 원본 샘플 사이의 차이(레지듀얼)이 전송되지 않는다.
MVP 모드의 경우, 주변 블록의 움직임 벡터를 움직임 벡터 예측자(motion vector predictor)로 이용하여 현재 블록의 움직임 벡터가 유도될 수 있다. 이 때, 주변 블록은 공간적 주변 블록과 시간적 주변 블록을 포함할 수 있다.
일 예로, 머지 모드가 적용되는 경우, 복원된 공간적 주변 블록의 움직임 벡터 및/또는 시간적 주변 블록인 Col 블록에 대응하는 움직임 벡터를 이용하여, 머지 후보 리스트가 생성될 수 있다. 머지 모드에서는 머지 후보 리스트에서 선택된 후보 블록의 움직임 벡터가 현재 블록의 움직임 벡터로 사용된다. 상기 예측에 관한 정보는 상기 머지 후보 리스트에 포함된 후보 블록들 중에서 선택된 최적의 움직임 벡터를 갖는 후보 블록을 지시하는 머지 인덱스를 포함할 수 있다. 이 때, 디코딩 장치는 상기 머지 인덱스를 이용하여, 현재 블록의 움직임 벡터를 도출할 수 있다.
다른 예로, MVP(Motion Vector Prediction) 모드가 적용되는 경우, 복원된 공간적 주변 블록의 움직임 벡터 및/또는 시간적 주변 블록인 Col 블록에 대응하는 움직임 벡터를 이용하여, 움직임 벡터 예측자 후보 리스트가 생성될 수 있다. 즉, 복원된 공간적 주변 블록의 움직임 벡터 및/또는 시간적 주변 블록인 Col 블록에 대응하는 움직임 벡터는 움직임 벡터 예측자 후보로 사용될 수 있다. 상기 예측에 관한 정보는 상기 리스트에 포함된 움직임 벡터 예측자 후보 중에서 선택된 최적의 움직임 벡터 예측자 후보를 지시하는 MVP(motion vector predictor) 인덱스를 포함할 수 있다. 이 때, 디코딩 장치는 상기 MVP 인덱스를 이용하여, 움직임 벡터 예측자 후보 리스트에 포함된 움직임 벡터 예측자 후보 중에서, 현재 블록의 움직임 벡터 예측자를 선택할 수 있다. 디코딩 장치는 상기 예측에 관한 정보에 포함된 움직임 벡터 차분(Motion Vector Difference, MVD)을 획득하고, 상기 움직임 벡터 차분과 상기 움직임 벡터 예측자의 가산을 통해 현재 블록의 상기 움직임 벡터를 도출할 수 있다. 예측부는 또한 참조 픽처를 지시하는 참조 픽처 인덱스 등을 상기 예측에 관한 정보로부터 획득 또는 유도할 수 있다.
디코딩 장치는 상기 레지듀얼 정보를 기반으로 상기 현재 블록에 대한 레지듀얼 샘플을 도출한다(S1220). 디코딩 장치는 상기 비트스트림을 통하여 시그널링된 상기 레지듀얼 정보를 디코딩하여 상기 현재 블록의 변환 계수들을 도출할 수 있고, 상기 변환 계수들에 대한 역변환을 수행하여 상기 현재 블록에 대한 레지듀얼 샘플을 도출할 수 있다.
디코딩 장치는 상기 예측 샘플 및 상기 레지듀얼 샘플을 기반으로 상기 복원 픽처를 도출한다(S1230). 디코딩 장치는 상기 예측 샘플과 상기 레지듀얼 샘플을 기반으로 복원 샘플을 생성할 수 있고, 상기 복원 샘플을 기반으로 복원 블록 또는 복원 픽처를 도출할 수 있다.
디코딩 장치는 상기 복원 픽처에 대하여 CNN(Convolution Neural Network)을 기반으로 필터링을 수행한다(S1240).
일 예로, 디코딩 장치는 상기 복원 픽처를 특정 사이즈의 입력 블록들로 분할할 수 있다. 상기 특정 사이즈는 3x3 사이즈 또는 5x5 사이즈일 수 있다. 또는, 상기 입력 블록들은 CTU(Coding Tree Unit)일 수 있다.
디코딩 장치는 상기 입력 블록들 각각에 대하여 상기 CNN에 대한 커널(kernel)을 기반으로 컨벌루션(convolution) 연산을 수행하여 특징들(features)을 도출할 수 있고, 상기 특징들을 기반으로 필터 세트를 결정할 수 있다. 디코딩 장치는 상기 필터 세트를 기반으로 상기 복원 픽처에 대한 필터링을 수행할 수 있다. 상기 필터 세트는 필터 탭(filter taps) 및 필터 변수(filter coefficients)를 포함할 수 있다.
한편, 디코딩 장치는 상기 비트스트림을 통하여 복수의 CNN들 중 하나를 가리키는 인덱스를 획득할 수 있고, 상기 인덱스를 기반으로 상기 복원 픽처에 대한 CNN을 선택할 수 있다. 디코딩 장치는 상기 복원 픽처에 대하여 상기 선택된 CNN을 기반으로 필터링을 수행할 수 있다.
한편, 디코딩 장치는 CNN을 기반으로 필터링된 복원 픽처에 대하여 ALF(Adaptive Loop Filter)를 수행할 수도 있다.
또한, 다른 일 예로, 디코딩 장치는 상기 복원 픽처에 대하여 디블록킹 필터링, SAO 및/또는 ALF 를 수행할 수 있고, 필터링된 복원 픽처를 특정 사이즈의 입력 블록들로 분할할 수 있다. 상기 특정 사이즈는 3x3 사이즈 또는 5x5 사이즈일 수 있다. 또는, 상기 입력 블록들은 CTU(Coding Tree Unit)일 수 있다.
디코딩 장치는 상기 입력 블록들 각각에 대하여 상기 CNN에 대한 커널(kernel)을 기반으로 컨벌루션(convolution) 연산을 수행하여 특징들(features)을 도출할 수 있고, 상기 특징들을 기반으로 필터 세트를 결정할 수 있다. 디코딩 장치는 상기 필터 세트를 기반으로 상기 복원 픽처에 대한 필터링을 수행할 수 있다. 상기 필터 세트는 필터 탭(filter taps) 및 필터 변수(filter coefficients)를 포함할 수 있다.
한편, 디코딩 장치는 상기 비트스트림을 통하여 포스트 필터링에 대한 정보가 전송되는지 여부를 나타내는 플래그를 획득할 수 있고, 상기 플래그의 값이 1인 경우, 비트스트림을 통하여 상기 포스트 필터링에 대한 정보를 획득할 수 있다.
또는, 디코딩 장치는 상기 비트스트림을 통하여 포스트 필터링이 수행되는지 여부를 나타내는 플래그를 획득할 수 있고, 상기 플래그의 값이 1인 경우, 상기 비트스트림을 통하여 포스트 필터링에 대한 정보를 획득할 수 있다. 상기 포스트 필터링에 대한 정보는 통합된 포스트 필터링이 수행되는지 여부를 나타내는 플래그, 상기 디블록킹 필터링의 가용 여부를 나타내는 플래그, 상기 SAO의 가용 여부를 나타내는 플래그 및/또는 상기 ALF의 가용 여부를 나타내는 플래그를 포함할 수 있다.
예를 들어, 상기 포스트 필터링이 수행되는지 여부를 나타내는 플래그의 값이 1인 경우, 상기 비트스트림을 통하여 통합된 포스트 필터링이 수행되는지 여부를 나타내는 플래그를 획득할 수 있다. 여기서 상기 통합된 포스트 필터링은 CNN 기반 필터링을 나타낼 수 있다. 즉, 상기 플래그는 CNN 기반 필터링이 수행되는지 여부를 나타낼 수 있다. 상기 통합된 포스트 필터링이 수행되는지 여부를 나타내는 플래그의 값이 0인 경우, 상기 복원 픽처에 대하여 상기 CNN을 기반으로 수행되는 상기 필터링은 수행되지 않을 수 있다.
상기 통합된 포스트 필터링이 수행되는지 여부를 나타내는 플래그의 값이 1인 경우, 디코딩 장치는 상기 비트스트림을 통하여 상기 디블록킹 필터링의 가용 여부를 나타내는 플래그, 상기 SAO의 가용 여부를 나타내는 플래그 및 상기 ALF의 가용 여부를 나타내는 플래그를 획득할 수 있다. 상기 디블록킹 필터링의 가용 여부를 나타내는 플래그의 값이 0인 경우, 상기 복원 픽처에 대한 상기 디블록킹 필터링은 수행되지 않을 수 있다. 또한, 상기 SAO의 가용 여부를 나타내는 플래그의 값이 0인 경우, 상기 복원 픽처에 대한 상기 SAO는 수행되지 않을 수 있다. 또한, 상기 ALF의 가용 여부를 나타내는 플래그의 값이 0인 경우, 상기 복원 픽처에 대한 상기 ALF는 수행되지 않을 수 있다. 한편, 상기 디블록킹 필터링의 가용 여부를 나타내는 플래그가 존재하지 않는 경우, 상기 디블록킹 필터링의 가용 여부를 나타내는 플래그의 값은 0으로 간주될 수 있다. 또한, 상기 SAO의 가용 여부를 나타내는 플래그가 존재하지 않는 경우, 상기 SAO의 가용 여부를 나타내는 플래그의 값은 0으로 간주될 수 있다. 또한, 상기 ALF의 가용 여부를 나타내는 플래그가 존재하지 않는 경우, 상기 ALF의 가용 여부를 나타내는 플래그의 값은 0으로 간주될 수 있다.
또한, 다른 일 예로, 디코딩 장치는 현재 픽처의 상기 레지듀얼 샘플들에 대하여 상기 CNN을 기반으로 필터링을 수행할 수 있다. 예를 들어, 디코딩 장치는 상기 레지듀얼 샘플들을 포함하는 레지듀얼 픽처를 특정 사이즈의 입력 블록들로 분할할 수 있다. 상기 특정 사이즈는 3x3 사이즈 또는 5x5 사이즈일 수 있다. 또는, 상기 입력 블록들은 CTU(Coding Tree Unit)일 수 있다.
디코딩 장치는 상기 입력 블록들 각각에 대하여 상기 CNN에 대한 커널(kernel)을 기반으로 컨벌루션(convolution) 연산을 수행하여 특징들(features)을 도출할 수 있고, 상기 특징들을 기반으로 필터 세트를 결정할 수 있다. 디코딩 장치는 상기 필터 세트를 기반으로 상기 레지듀얼 샘플들에 대한 필터링을 수행할 수 있다. 상기 필터 세트는 필터 탭(filter taps) 및 필터 변수(filter coefficients)를 포함할 수 있다. 디코딩 장치는 상기 필터링된 레지듀얼 샘플들 및 예측 샘플들을 기반으로 상기 현재 픽처에 대한 복원 픽처를 도출할 수 있다.
도 13은 본 발명에 따른 영상 디코딩 방법을 수행하는 디코딩 장치를 개략적으로 나타낸다. 도 12에서 개시된 방법은 도 13에서 개시된 디코딩 장치에 의하여 수행될 수 있다. 구체적으로 예를 들어, 도 13의 상기 디코딩 장치의 엔트로피 디코딩부는 도 12의 S1200을 수행할 수 있고, 도 12의 상기 디코딩 장치의 예측부는 도 12의 S1210을 수행할 수 있고, 도 12의 상기 디코딩 장치의 변환부는 도 12의 S1220을 수행할 수 있고, 도 12의 상기 디코딩 장치의 가산부는 도 12의 S1230을 수행할 수 있고, 도 12의 상기 디코딩 장치의 필터부는 도 12의 S1240을 수행할 수 있다.
상술한 본 발명에 따르면 CNN(convolution neural network)을 기반으로 필터링을 수행하여 현재 픽처의 특성을 반영하여 필터링을 수행할 수 있고, 이를 통하여 주관적/객관적 화질을 향상시킬 수 있다.
또한, 상술한 본 발명에 따르면 CNN(convolution neural network)을 기반으로 필터링을 수행하여, 디블록킹 필터링, SAO 및/또는 ALF 와 같은 기존 포스트 필터링 과정을 대체할 수 있고, 이를 통하여 주관적/객관적 화질을 향상시킬 수 있다.
상술한 실시예에서, 방법들은 일련의 단계 또는 블록으로써 순서도를 기초로 설명되고 있지만, 본 발명은 단계들의 순서에 한정되는 것은 아니며, 어떤 단계는 상술한 바와 다른 단계와 다른 순서로 또는 동시에 발생할 수 있다. 또한, 당업자라면 순서도에 나타내어진 단계들이 배타적이지 않고, 다른 단계가 포함되거나 순서도의 하나 또는 그 이상의 단계가 본 발명의 범위에 영향을 미치지 않고 삭제될 수 있음을 이해할 수 있을 것이다.
상술한 본 발명에 따른 방법은 소프트웨어 형태로 구현될 수 있으며, 본 발명에 따른 인코딩 장치 및/또는 디코딩 장치는 예를 들어 TV, 컴퓨터, 스마트폰, 셋톱박스, 디스플레이 장치 등의 영상 처리를 수행하는 장치에 포함될 수 있다.
본 발명에서 실시예들이 소프트웨어로 구현될 때, 상술한 방법은 상술한 기능을 수행하는 모듈(과정, 기능 등)로 구현될 수 있다. 모듈은 메모리에 저장되고, 프로세서에 의해 실행될 수 있다. 메모리는 프로세서 내부 또는 외부에 있을 수 있고, 잘 알려진 다양한 수단으로 프로세서와 연결될 수 있다. 프로세서는 ASIC(application-specific integrated circuit), 다른 칩셋, 논리 회로 및/또는 데이터 처리 장치를 포함할 수 있다. 메모리는 ROM(read-only memory), RAM(random access memory), 플래쉬 메모리, 메모리 카드, 저장 매체 및/또는 다른 저장 장치를 포함할 수 있다. 즉, 본 발명에서 설명한 실시예들은 프로세서, 마이크로 프로세서, 컨트롤러 또는 칩 상에서 구현되어 수행될 수 있다. 예를 들어, 각 도면에서 도시한 기능 유닛들은 컴퓨터, 프로세서, 마이크로 프로세서, 컨트롤러 또는 칩 상에서 구현되어 수행될 수 있다.
또한, 본 발명이 적용되는 디코딩 장치 및 인코딩 장치는 멀티미디어 방송 송수신 장치, 모바일 통신 단말, 홈 시네마 비디오 장치, 디지털 시네마 비디오 장치, 감시용 카메라, 비디오 대화 장치, 비디오 통신과 같은 실시간 통신 장치, 모바일 스트리밍 장치, 저장 매체, 캠코더, 주문형 비디오(VoD) 서비스 제공 장치, OTT 비디오(Over the top video) 장치, 인터넷 스트리밍 서비스 제공 장치, 3차원(3D) 비디오 장치, 화상 전화 비디오 장치, 및 의료용 비디오 장치 등에 포함될 수 있으며, 비디오 신호 또는 데이터 신호를 처리하기 위해 사용될 수 있다. 예를 들어, OTT 비디오(Over the top video) 장치로는 게임 콘솔, 블루레이 플레이어, 인터넷 접속 TV, 홈시어터 시스템, 스마트폰, 태블릿 PC, DVR(Digital Video Recorder) 등을 포함할 수 있다.
또한, 본 발명이 적용되는 처리 방법은 컴퓨터로 실행되는 프로그램의 형태로 생산될 수 있으며, 컴퓨터가 판독할 수 있는 기록 매체에 저장될 수 있다. 본 발명에 따른 데이터 구조를 가지는 멀티미디어 데이터도 또한 컴퓨터가 판독할 수 있는 기록 매체에 저장될 수 있다. 상기 컴퓨터가 판독할 수 있는 기록 매체는 컴퓨터로 읽을 수 있는 데이터가 저장되는 모든 종류의 저장 장치 및 분산 저장 장치를 포함한다. 상기 컴퓨터가 판독할 수 있는 기록 매체는, 예를 들어, 블루레이 디스크(BD), 범용 직렬 버스(USB), ROM, PROM, EPROM, EEPROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크 및 광학적 데이터 저장 장치를 포함할 수 있다. 또한, 상기 컴퓨터가 판독할 수 있는 기록 매체는 반송파(예를 들어, 인터넷을 통한 전송)의 형태로 구현된 미디어를 포함한다. 또한, 인코딩 방법으로 생성된 비트스트림이 컴퓨터가 판독할 수 있는 기록 매체에 저장되거나 유무선 통신 네트워크를 통해 전송될 수 있다. 또한, 본 발명의 실시예는 프로그램 코드에 의한 컴퓨터 프로그램 제품으로 구현될 수 있고, 상기 프로그램 코드는 본 발명의 실시예에 의해 컴퓨터에서 수행될 수 있다. 상기 프로그램 코드는 컴퓨터에 의해 판독 가능한 캐리어 상에 저장될 수 있다.
또한, 본 발명이 적용되는 컨텐츠 스트리밍 시스템은 크게 인코딩 서버, 스트리밍 서버, 웹 서버, 미디어 저장소, 사용자 장치 및 멀티미디어 입력 장치를 포함할 수 있다.
상기 인코딩 서버는 스마트폰, 카메라, 캠코더 등과 같은 멀티미디어 입력 장치들로부터 입력된 컨텐츠를 디지털 데이터로 압축하여 비트스트림을 생성하고 이를 상기 스트리밍 서버로 전송하는 역할을 한다. 다른 예로, 스마트폰, 카메라, 캠코더 등과 같은 멀티미디어 입력 장치들이 비트스트림을 직접 생성하는 경우, 상기 인코딩 서버는 생략될 수 있다. 상기 비트스트림은 본 발명이 적용되는 인코딩 방법 또는 비트스트림 생성 방법에 의해 생성될 수 있고, 상기 스트리밍 서버는 상기 비트스트림을 전송 또는 수신하는 과정에서 일시적으로 상기 비트스트림을 저장할 수 있다.
상기 스트리밍 서버는 웹 서버를 통한 사용자 요청에 기초하여 멀티미디어 데이터를 사용자 장치에 전송하고, 상기 웹 서버는 사용자에게 어떠한 서비스가 있는지를 알려주는 매개체 역할을 한다. 사용자가 상기 웹 서버에 원하는 서비스를 요청하면, 상기 웹 서버는 이를 스트리밍 서버에 전달하고, 상기 스트리밍 서버는 사용자에게 멀티미디어 데이터를 전송한다. 이때, 상기 컨텐츠 스트리밍 시스템은 별도의 제어 서버를 포함할 수 있고, 이 경우 상기 제어 서버는 상기 컨텐츠 스트리밍 시스템 내 각 장치 간 명령/응답을 제어하는 역할을 한다.
상기 스트리밍 서버는 미디어 저장소 및/또는 인코딩 서버로부터 컨텐츠를 수신할 수 있다. 예를 들어, 상기 인코딩 서버로부터 컨텐츠를 수신하게 되는 경우, 상기 컨텐츠를 실시간으로 수신할 수 있다. 이 경우, 원활한 스트리밍 서비스를 제공하기 위하여 상기 스트리밍 서버는 상기 비트스트림을 일정 시간동안 저장할 수 있다.
상기 사용자 장치의 예로는, 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)), 디지털 TV, 데스크탑 컴퓨터, 디지털 사이니지 등이 있을 수 있다. 상기 컨텐츠 스트리밍 시스템 내 각 서버들은 분산 서버로 운영될 수 있으며, 이 경우 각 서버에서 수신하는 데이터는 분산 처리될 수 있다.

Claims (11)

  1. 디코딩 장치에 의하여 수행되는 영상 디코딩 방법에 있어서,
    비트스트림으로부터 현재 블록에 대한 레지듀얼 정보를 획득하는 단계;
    상기 현재 블록에 대한 예측 샘플을 도출하는 단계;
    상기 레지듀얼 정보를 기반으로 상기 현재 블록에 대한 레지듀얼 샘플을 도출하는 단계;
    상기 예측 샘플 및 상기 레지듀얼 샘플을 기반으로 복원 픽처를 도출하는 단계; 및
    상기 복원 픽처에 대하여 CNN(Convolution Neural Network)을 기반으로 필터링을 수행하는 단계를 포함하는 것을 특징으로 하는 영상 디코딩 방법.
  2. 제1항에 있어서,
    상기 복원 픽처에 대하여 CNN(Convolution Neural Network)을 기반으로 필터링을 수행하는 단계는,
    상기 복원 픽처를 특정 사이즈의 입력 블록들로 분할하는 단계;
    상기 입력 블록들 각각에 대하여 상기 CNN에 대한 커널(kernel)을 기반으로 컨벌루션(convolution) 연산을 수행하여 특징들(features)을 도출하는 단계;
    상기 특징들을 기반으로 필터 세트를 결정하는 단계; 및
    상기 필터 세트를 기반으로 상기 복원 픽처에 대한 필터링을 수행하는 단계를 포함하는 것을 특징으로 하는 영상 디코딩 방법.
  3. 제2항에 있어서,
    상기 입력 블록들의 사이즈는 3x3 사이즈 또는 5x5 사이즈인 것을 특징으로 하는 영상 디코딩 방법.
  4. 제2항에 있어서,
    상기 비트스트림을 통하여 포스트 필터링(post filtering)이 수행되는지 여부를 나타내는 플래그를 획득하는 단계; 및
    상기 포스트 필터링이 수행되는지 여부를 나타내는 플래그의 값이 1인 경우, 상기 비트스트림을 통하여 상기 CNN 기반 필터링이 수행되는지 여부를 나타내는 플래그를 획득하는 단계를 포함하는 것을 특징으로 하는 영상 디코딩 방법.
  5. 제4항에 있어서,
    상기 CNN 기반 필터링이 수행되는지 여부를 나타내는 플래그의 값이 1인 경우, 상기 비트스트림을 통하여 디블록킹 필터링의 가용 여부를 나타내는 플래그, SAO(Sample Adaptive Offset)의 가용 여부를 나타내는 플래그 및 ALF(Adaptive Loop Filter)의 가용 여부를 나타내는 플래그를 획득하는 단계를 포함하는 것을 특징으로 하는 영상 디코딩 방법.
  6. 제1항에 있어서,
    상기 복원 픽처에 대하여 CNN(Convolution Neural Network)을 기반으로 필터링을 수행하는 단계는,
    상기 복원 픽처에 대하여 디블록킹 필터링, SAO(Sample Adaptive Offset) 및 ALF(Adaptive Loop Filter)을 수행하는 단계;
    상기 필터링된 복원 픽처를 특정 사이즈의 입력 블록들로 분할하는 단계;
    상기 입력 블록들 각각에 대하여 상기 CNN에 대한 커널(kernel)을 기반으로 컨벌루션(convolution) 연산을 수행하여 특징들(features)을 도출하는 단계;
    상기 특징들을 기반으로 필터 세트를 결정하는 단계; 및
    상기 필터 세트를 기반으로 상기 복원 픽처에 대한 필터링을 수행하는 단계를 포함하는 것을 특징으로 하는 영상 디코딩 방법.
  7. 제1항에 있어서,
    상기 비트스트림을 통하여 복수의 CNN들 중 하나를 가리키는 인덱스를 획득하는 단계; 및
    상기 인덱스를 기반으로 상기 복원 픽처에 대한 상기 CNN을 선택하는 단계를 포함하는 것을 특징으로 하는 영상 디코딩 방법.
  8. 인코딩 장치에 의하여 수행되는 영상 인코딩 방법에 있어서,
    현재 블록에 대한 예측 샘플을 도출하는 단계;
    상기 예측 샘플 및 상기 현재 블록에 대한 원본 샘플을 기반으로 상기 현재 블록에 대한 레지듀얼 샘플을 생성하는 단계;
    상기 예측 샘플 및 상기 레지듀얼 샘플을 기반으로 복원 픽처를 도출하는 단계;
    상기 복원 픽처에 대하여 CNN(Convolution Neural Network)을 기반으로 필터링을 수행하는 단계; 및
    포스트 필터링(post filtering)에 대한 정보 및 레지듀얼 정보를 인코딩하는 단계를 포함하는 것을 특징으로 하는 영상 인코딩 방법.
  9. 제8항에 있어서,
    상기 복원 픽처에 대하여 CNN(Convolution Neural Network)을 기반으로 필터링을 수행하는 단계는,
    상기 복원 픽처를 특정 사이즈의 입력 블록들로 분할하는 단계;
    상기 입력 블록들 각각에 대하여 상기 CNN에 대한 커널(kernel)을 기반으로 컨벌루션(convolution) 연산을 수행하여 특징들(features)을 도출하는 단계;
    상기 특징들을 기반으로 필터 세트를 결정하는 단계; 및
    상기 필터 세트를 기반으로 상기 복원 픽처에 대한 필터링을 수행하는 단계를 포함하는 것을 특징으로 하는 영상 인코딩 방법.
  10. 제9항에 있어서,
    상기 입력 블록들의 사이즈는 3x3 사이즈 또는 5x5 사이즈인 것을 특징으로 하는 영상 인코딩 방법.
  11. 제8항에 있어서,
    상기 포스트 필터링에 대한 정보는 포스트 필터링(post filtering)이 수행되는지 여부를 나타내는 플래그 및 상기 CNN 기반 필터링이 수행되는지 여부를 나타내는 플래그를 포함하는 것을 특징으로 하는 영상 인코딩 방법.
PCT/KR2019/003574 2018-04-01 2019-03-27 컨벌루션 뉴럴 네트워크를 이용한 영상 코딩 방법 및 그 장치 WO2019194460A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/044,570 US11265549B2 (en) 2018-04-01 2019-03-27 Method for image coding using convolution neural network and apparatus thereof

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201862651235P 2018-04-01 2018-04-01
US62/651,235 2018-04-01

Publications (1)

Publication Number Publication Date
WO2019194460A1 true WO2019194460A1 (ko) 2019-10-10

Family

ID=68101482

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/003574 WO2019194460A1 (ko) 2018-04-01 2019-03-27 컨벌루션 뉴럴 네트워크를 이용한 영상 코딩 방법 및 그 장치

Country Status (2)

Country Link
US (1) US11265549B2 (ko)
WO (1) WO2019194460A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034625A (zh) * 2019-12-25 2021-06-25 武汉Tcl集团工业研究院有限公司 一种基于图片的无损压缩方法、智能终端及存储介质

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11593609B2 (en) * 2020-02-18 2023-02-28 Stmicroelectronics S.R.L. Vector quantization decoding hardware unit for real-time dynamic decompression for parameters of neural networks
US11568252B2 (en) 2020-06-29 2023-01-31 Alibaba Group Holding Limited Variable input size techniques for neural networks
US20220360770A1 (en) * 2021-04-30 2022-11-10 Tencent America LLC Block-wise content-adaptive online training in neural image compression with post filtering
CN116803078A (zh) * 2021-04-30 2023-09-22 Oppo广东移动通信有限公司 编解码方法、码流、编码器、解码器以及存储介质
CN117223284A (zh) * 2021-05-01 2023-12-12 北京达佳互联信息技术有限公司 用于视频编解码的基于网络的图像滤波
US20220405979A1 (en) * 2021-06-16 2022-12-22 Tencent America LLC Content-adaptive online training method and apparatus for deblocking in block-wise image compression
CN117678221A (zh) * 2021-07-20 2024-03-08 Oppo广东移动通信有限公司 图像编解码及处理方法、装置及设备
CN115706798A (zh) * 2021-08-17 2023-02-17 华为技术有限公司 熵编解码方法和装置
CN115883851A (zh) * 2021-09-28 2023-03-31 腾讯科技（深圳）有限公司 滤波及编解码方法、装置、计算机可读介质及电子设备
WO2023081091A2 (en) * 2021-11-04 2023-05-11 Op Solutions, Llc Systems and methods for motion information transfer from visual to feature domain and feature-based decoder-side motion vector refinement control

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160196672A1 (en) * 2015-01-05 2016-07-07 Superfish Ltd. Graph image representation from convolutional neural networks
US20160259994A1 (en) * 2015-03-04 2016-09-08 Accenture Global Service Limited Digital image processing using convolutional neural networks
US20170132758A1 (en) * 2015-11-05 2017-05-11 Facebook, Inc. Systems and methods for processing content using convolutional neural networks
WO2017178827A1 (en) * 2016-04-15 2017-10-19 Magic Pony Technology Limited In-loop post filtering for video encoding and decoding
KR20180001428A (ko) * 2016-06-24 2018-01-04 한국과학기술원 Cnn 기반 인루프 필터를 포함하는 부호화 방법과 장치 및 복호화 방법과 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160196672A1 (en) * 2015-01-05 2016-07-07 Superfish Ltd. Graph image representation from convolutional neural networks
US20160259994A1 (en) * 2015-03-04 2016-09-08 Accenture Global Service Limited Digital image processing using convolutional neural networks
US20170132758A1 (en) * 2015-11-05 2017-05-11 Facebook, Inc. Systems and methods for processing content using convolutional neural networks
WO2017178827A1 (en) * 2016-04-15 2017-10-19 Magic Pony Technology Limited In-loop post filtering for video encoding and decoding
KR20180001428A (ko) * 2016-06-24 2018-01-04 한국과학기술원 Cnn 기반 인루프 필터를 포함하는 부호화 방법과 장치 및 복호화 방법과 장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113034625A (zh) * 2019-12-25 2021-06-25 武汉Tcl集团工业研究院有限公司 一种基于图片的无损压缩方法、智能终端及存储介质
CN113034625B (zh) * 2019-12-25 2023-06-20 武汉Tcl集团工业研究院有限公司 一种基于图片的无损压缩方法、智能终端及存储介质

Also Published As

Publication number Publication date
US20210099710A1 (en) 2021-04-01
US11265549B2 (en) 2022-03-01

Similar Documents

Publication Publication Date Title
WO2019194460A1 (ko) 컨벌루션 뉴럴 네트워크를 이용한 영상 코딩 방법 및 그 장치
WO2020036417A1 (ko) 히스토리 기반 움직임 벡터에 기반한 인터 예측 방법 및 그 장치
WO2020071829A1 (ko) 히스토리 기반 영상 코딩 방법 및 그 장치
WO2019177429A1 (ko) 인트라 예측 기반 영상/비디오 코딩 방법 및 그 장치
WO2017052118A1 (ko) 영상 코딩 시스템에서 인트라 예측 방법 및 장치
WO2020091213A1 (ko) 영상 코딩 시스템에서 인트라 예측 방법 및 장치
WO2020017861A1 (ko) 서브블록 단위의 시간적 움직임 정보 예측을 위한 인터 예측 방법 및 그 장치
WO2020256344A1 (ko) 영상 코딩에서 변환 커널 세트를 나타내는 정보의 시그널링
WO2020116961A1 (ko) 이차 변환에 기반한 영상 코딩 방법 및 그 장치
WO2020145604A1 (ko) Mpm 리스트를 사용하는 인트라 예측 기반 영상 코딩 방법 및 장치
WO2020141886A1 (ko) Sbtmvp 기반 인터 예측 방법 및 장치
WO2020005002A1 (ko) 영상 코딩 시스템에서 인터 예측에 따른 템플릿 영역 도출 방법 및 장치
WO2020256346A1 (ko) 변환 커널 세트에 관한 정보에 대한 코딩
WO2020141932A1 (ko) Cpr 기반 mmvd를 이용하는 인터 예측 방법 및 장치
WO2019209026A1 (ko) 비디오 코딩 시스템에서 인터 예측 방법 및 장치
WO2020145656A1 (ko) Tmvp 후보의 가용 여부를 시그널링하는 방법 및 장치
WO2020145620A1 (ko) Mpm 리스트를 사용하는 인트라 예측 기반 영상 코딩 방법 및 장치
WO2019225932A1 (ko) 영상 코딩 시스템에서 dmvr을 사용하는 영상 디코딩 방법 및 그 장치
WO2020004879A1 (ko) 영상 코딩 시스템에서 복수의 주변 블록들을 사용하는 인터 예측에 따른 영상 디코딩 방법 및 장치
WO2019199071A1 (ko) 영상 코딩 시스템에서 인터 예측에 따른 영상 디코딩 방법 및 장치
WO2018174358A1 (ko) 영상 코딩 시스템에서 인트라 예측에 따른 영상 디코딩 방법 및 장치
WO2021034160A1 (ko) 매트릭스 인트라 예측 기반 영상 코딩 장치 및 방법
WO2019203513A1 (ko) 영상 코딩 시스템에서 dmvd 를 이용한 인터 예측에 따른 영상 디코딩 방법 및 장치
WO2020040439A1 (ko) 영상 코딩 시스템에서 인트라 예측 방법 및 장치
WO2020017841A1 (ko) 머지 모드에 기반하여 인터 예측을 수행하는 방법 및 장치

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: 19781505

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: 19781505

Country of ref document: EP

Kind code of ref document: A1