WO2019231269A1 - 360도 컨텐츠 내 복수의 뷰포인트들에 관한 사용자 인터페이스를 제공하는 방법 및 장치 - Google Patents

360도 컨텐츠 내 복수의 뷰포인트들에 관한 사용자 인터페이스를 제공하는 방법 및 장치 Download PDF

Info

Publication number
WO2019231269A1
WO2019231269A1 PCT/KR2019/006551 KR2019006551W WO2019231269A1 WO 2019231269 A1 WO2019231269 A1 WO 2019231269A1 KR 2019006551 W KR2019006551 W KR 2019006551W WO 2019231269 A1 WO2019231269 A1 WO 2019231269A1
Authority
WO
WIPO (PCT)
Prior art keywords
viewpoint
information
video
viewpoints
metadata
Prior art date
Application number
PCT/KR2019/006551
Other languages
English (en)
French (fr)
Inventor
오현묵
오세진
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
Publication of WO2019231269A1 publication Critical patent/WO2019231269A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H04N13/158—Switching image signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/816—Monomedia components thereof involving special video data, e.g 3D video
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H04N13/111—Transformation of image signals corresponding to virtual viewpoints, e.g. spatial image interpolation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H04N13/111—Transformation of image signals corresponding to virtual viewpoints, e.g. spatial image interpolation
    • H04N13/117—Transformation of image signals corresponding to virtual viewpoints, e.g. spatial image interpolation the virtual viewpoint locations being selected by the viewers or determined by viewer tracking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H04N13/139—Format conversion, e.g. of frame-rate or size
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H04N13/156—Mixing image signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H04N13/161—Encoding, multiplexing or demultiplexing different image signal components
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H04N13/172—Processing image signals image signals comprising non-image signal components, e.g. headers or format information
    • H04N13/178—Metadata, e.g. disparity information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/194—Transmission of image signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/21805—Source of audio or video content, e.g. local disk arrays enabling multiple viewpoints, e.g. using a plurality of cameras
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/235—Processing of additional data, e.g. scrambling of additional data or processing content descriptors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/236—Assembling of a multiplex stream, e.g. transport stream, by combining a video stream with other content or additional data, e.g. inserting a URL [Uniform Resource Locator] into a video stream, multiplexing software data into a video stream; Remultiplexing of multiplex streams; Insertion of stuffing bits into the multiplex stream, e.g. to obtain a constant bit-rate; Assembling of a packetised elementary stream
    • H04N21/23614—Multiplexing of additional data and video streams
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
    • H04N21/26258—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists for generating a list of items to be played back in a given order, e.g. playlist, or scheduling item distribution according to such list
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/266—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel
    • H04N21/26603—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel for automatically generating descriptors from content, e.g. when it is not made available by its provider, using content analysis techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/84—Generation or processing of descriptive data, e.g. content descriptors

Definitions

  • the present invention relates to multiple-viewpoints in 360-degree content, and more particularly to a method and apparatus for providing a user interface for a plurality of viewpoints in 360-degree content.
  • the VR (Virtual Reality) system gives the user the feeling of being in an electronically projected environment.
  • the Augmented Reality (AR) system superimposes a three-dimensional virtual image on a reality image or background, giving the user the feeling of being in a mixed environment of virtual and reality.
  • the system for providing VR or AR can be further refined to provide higher quality images and spatial sound.
  • the VR or AR system may enable the user to consume VR or AR content interactively.
  • the 360-degree video data transmission device more specifically signals information about multiple-viewpoints in the VR or AR content, and the 360-degree video
  • a data receiving apparatus to more specifically implement or display a user interface for a plurality of viewpoints.
  • An object of the present invention is to provide a method and apparatus for processing 360-degree video data.
  • Another object of the present invention is to provide a method and apparatus for transmitting or receiving metadata about 360 degree video data.
  • Another technical problem of the present invention is to provide a method and apparatus for transmitting or receiving metadata for a plurality of viewpoints.
  • Another technical problem of the present invention is to provide a method and apparatus for transmitting or receiving non-proximity flag information indicating whether at least one viewpoint included in a viewpoint group is non-contiguous.
  • Another technical problem of the present invention is to provide a method and apparatus for transmitting or receiving anchor viewpoint flag information indicating whether a current viewpoint is an anchor viewpoint.
  • Another technical problem of the present invention is to provide a method and apparatus for more efficiently displaying a user interface for a plurality of viewpoints.
  • an image display method performed by a 360 degree video receiving apparatus includes: receiving information about 360 degree video data, obtaining information about the encoded picture and metadata from the information about the 360 degree video data, based on the information about the encoded picture, Decoding the encoded picture, rendering the decoded picture based on the metadata, and displaying a viewport in the image generated based on the rendering, wherein the viewport includes a plurality of viewports.
  • a plurality of icons each corresponding to viewpoints, the viewport being derived from a current viewpoint, wherein each of the plurality of icons is contiguous to each of the plurality of viewpoints and the current viewpoint;
  • the first icon type or the second icon type is determined based on whether or not it is determined.
  • a 360 degree video receiving apparatus for displaying an image.
  • the 360-degree video receiving apparatus includes: a receiving unit receiving information on 360-degree video data, a decapsulation processing unit obtaining information and metadata on an encoded picture from the information on the 360-degree video data, and the encoded picture.
  • a display unit configured to display a data decoder that decodes the encoded picture, a renderer that renders the decoded picture based on the metadata, and a viewport in the image generated based on the rendering
  • the viewport includes a plurality of icons respectively corresponding to a plurality of viewpoints
  • the viewport is derived from a current viewpoint
  • each of the plurality of icons comprises: each of the plurality of viewpoints and the current viewport.
  • First icon type based on whether the viewpoints are contiguous It is characterized in that it is determined to be a second type icon.
  • a 360 degree video data processing method performed by the 360 degree video transmission apparatus includes obtaining 360 degree video data captured by at least one image acquisition device, processing the 360 degree video data to produce a two-dimensional picture including an omnidirectional image. Deriving, generating metadata for the 360 degree video data, encoding information for the 2D picture, and encapsulation based on the information and the metadata for the 2D picture Wherein the metadata includes non-contiguous flag information indicating whether at least one viewpoint included in the group of viewpoints in the 360 degree video data is non-contiguous with each other. It features.
  • a 360 degree video transmission apparatus for processing 360 degree video data.
  • the 360-degree video transmission device may include a data input unit that acquires 360-degree video data captured by at least one image acquisition device, and a projection processor that processes the 360-degree video data to derive a two-dimensional picture including an omnidirectional image.
  • a metadata processor for generating metadata about the 360-degree video data, a data encoder for encoding the information about the 2D picture, and an encapsulation based on the information about the 2D picture and the metadata
  • an encapsulation processing unit wherein the metadata includes non-contiguous flag information indicating whether at least one viewpoint included in the viewpoint group in the 360-degree video data is non-contiguous.
  • VR content (360 content) can be efficiently transmitted in an environment supporting next generation hybrid broadcasting using a terrestrial broadcasting network and an internet network.
  • an interactive experience can be provided to a user who consumes 360 content.
  • 360 content information required by a user can be efficiently delivered while increasing transmission capacity.
  • signaling information for 360-degree video data can be efficiently stored and transmitted through an International Organization for Standardization (ISO) -based media file format such as ISO base media file format (ISOBMFF).
  • ISO International Organization for Standardization
  • ISO base media file format ISO base media file format
  • signaling information for 360-degree video data can be transmitted through HyperText Transfer Protocol (HTTP) -based adaptive streaming such as DASH (Dynamic Adaptive Streaming over HTTP).
  • HTTP HyperText Transfer Protocol
  • DASH Dynamic Adaptive Streaming over HTTP
  • signaling information for 360-degree video data can be stored and transmitted through a supplemental enhancement information (SEI) message or video usability information (VUI), thereby improving overall transmission efficiency.
  • SEI Supplemental Enhancement information
  • VUI video usability information
  • non-proximity flag information indicating whether at least one viewpoint included in the viewpoint group is in close proximity to each other can be effectively signaled.
  • anchor viewpoint flag information indicating whether a current viewpoint is an anchor viewpoint can be effectively signaled.
  • a user interface for a plurality of viewpoints can be displayed more efficiently.
  • FIG. 1 is a diagram illustrating an overall architecture for providing 360 content according to an embodiment.
  • FIGS. 2 and 3 illustrate a structure of a media file according to some embodiments.
  • FIG. 4 is a diagram illustrating an example of an overall operation of a DASH-based adaptive streaming model.
  • FIG. 5 is a diagram schematically illustrating a configuration of a 360 video transmission apparatus according to an embodiment.
  • FIG. 6 is a diagram schematically illustrating a configuration of a 360 video receiving apparatus according to an embodiment.
  • FIG. 7 is a diagram illustrating the concept of an airplane main axis (Aircraft Principal Axes) for explaining 3D space according to an embodiment.
  • airplane main axis Aircraft Principal Axes
  • FIG. 8 is a diagram exemplarily illustrating a 2D image to which a region-specific packing process according to a processing process and a projection format of 360 video is applied.
  • 9A-9B are diagrams illustrating example projection formats according to some embodiments.
  • FIGS 10A and 10B illustrate tiles in accordance with some embodiments.
  • FIG. 11 is a diagram illustrating an example of 360-degree video related metadata according to an embodiment.
  • FIG. 12 is a diagram schematically illustrating the concept of a viewpoint, a viewing position, a viewing orientation.
  • FIG. 13 is a diagram schematically illustrating an example of an architecture for providing 3DoF + video according to an embodiment.
  • 14A and 14B are diagrams illustrating an example of a 3DoF + end-to-end system architecture.
  • 15 is a diagram schematically illustrating an example of a FLUS architecture.
  • 16 is a diagram schematically illustrating an example of a configuration of a 3DoF + transmitter.
  • 17 is a diagram schematically showing an example of the configuration of the 3DoF + receiving end.
  • FIG. 18 is a diagram illustrating an example of capturing information about VR content at a plurality of locations.
  • FIG. 19 is a diagram illustrating an example of three viewpoints based on a global coordinate.
  • FIG. 20 illustrates an example of viewpoint group ID and non-proximity flag information of a plurality of viewpoints.
  • 21A and 21B illustrate an example of a display depending on whether a plurality of viewpoints are in proximity.
  • 22A and 22B illustrate another example of a display depending on whether a plurality of viewpoints are in proximity.
  • viewpoint group ID is an example illustrating viewpoint group ID, non-proximity flag information, and anchor viewpoint flag information of a plurality of viewpoints.
  • 24A and 24B illustrate another example of a display depending on whether a plurality of viewpoints are in proximity.
  • 25A and 25B are diagrams illustrating an example showing a plurality of viewpoints.
  • 26 is a flowchart illustrating a method of operating a 360 degree video transmission apparatus, according to an embodiment.
  • FIG. 27 is a block diagram illustrating a configuration of a 360 degree video transmission apparatus according to an embodiment.
  • FIG. 28 is a flowchart illustrating a method of operating a 360 degree video receiving apparatus according to an embodiment.
  • 29 is a block diagram illustrating a configuration of a 360 degree video receiving apparatus according to an embodiment.
  • an image display method performed by a 360 degree video receiving apparatus includes: receiving information about 360 degree video data, obtaining information about the encoded picture and metadata from the information about the 360 degree video data, based on the information about the encoded picture, Decoding the encoded picture, rendering the decoded picture based on the metadata, and displaying a viewport in the image generated based on the rendering, wherein the viewport includes a plurality of viewports.
  • a plurality of icons each corresponding to viewpoints, the viewport being derived from a current viewpoint, wherein each of the plurality of icons is contiguous to each of the plurality of viewpoints and the current viewpoint;
  • the first icon type or the second icon type is determined based on whether or not it is determined.
  • 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.
  • FIG. 1 is a diagram illustrating an overall architecture for providing 360 content according to an embodiment.
  • image may mean a concept including a still image and a video, which is a set of a series of still images over time.
  • video does not necessarily mean a set of a series of still images over time, and may be interpreted as a concept in which still images are included in video in some cases.
  • the 360-degree content may be referred to as three degrees of freedom (DoF) content
  • VR may mean a technology or an environment for replicating a real or virtual environment. VR artificially provides the user with a sensational experience, which allows the user to experience the same as being in an electronically projected environment.
  • 360 content refers to the overall content for implementing and providing VR, and may include 360 degree video and / or 360 audio.
  • 360 degree video and / or 360 audio may be referred to as three-dimensional video and / or three-dimensional audio.
  • 360 degree video may refer to video or image content that is needed to provide VR, and simultaneously captured or played back in all directions (360 degrees).
  • the 360 degree video may mean a 360 degree video.
  • 360 degree video may refer to a video or an image displayed on various types of 3D space according to a 3D model, for example, 360 degree video may be displayed on a spherical surface.
  • 360 audio is also audio content for providing VR, and may mean spatial audio content, in which a sound source can be recognized as being located in a specific space in three dimensions.
  • 360 audio may also be referred to as three-dimensional audio.
  • 360 content may be generated, processed, and transmitted to users, and users may consume the VR experience using 360 content.
  • 360 video may be called omnidirectional video and 360 image may be called omni
  • 360 degree video may first be captured via one or more cameras.
  • the captured 360-degree video is transmitted through a series of processes, and the receiving side can process and render the received data back into the original 360-degree video. This may provide a 360 degree video to the user.
  • the entire process for providing the 360 degree video may include a capture process, preparation process, transmission process, processing process, rendering process, and / or feedback process.
  • the capturing process may refer to capturing an image or video for each of a plurality of viewpoints through one or more cameras.
  • Image / video data such as 110 of FIG. 1 shown by the capture process may be generated.
  • Each plane of FIG. 1 110 shown may mean an image / video for each viewpoint.
  • the captured plurality of images / videos may be referred to as raw data.
  • metadata related to capture may be generated.
  • Special cameras for VR can be used for this capture.
  • capture through an actual camera may not be performed.
  • the corresponding capture process may be replaced by simply generating related data.
  • the preparation process may be a process of processing the captured image / video and metadata generated during the capture process.
  • the captured image / video may undergo a stitching process, a projection process, a region-wise packing process, and / or an encoding process in this preparation process.
  • each image / video can be stitched.
  • the stitching process may be a process of connecting each captured image / video to create a panoramic image / video or a spherical image / video.
  • the stitched image / video may be subjected to a projection process.
  • the stitched image / video may be projected onto the 2D image.
  • This 2D image may be called a 2D image frame depending on the context. It can also be expressed as mapping a projection to a 2D image to a 2D image.
  • the projected image / video data may be in the form of a 2D image as shown in FIG. 1 120.
  • the video data projected onto the 2D image may be subjected to region-wise packing to increase video coding efficiency and the like.
  • the region-specific packing may refer to a process of dividing the video data projected on the 2D image by region and applying the process.
  • the region may mean a region in which 2D images projected with 360-degree video data are divided.
  • the regions may be divided evenly or arbitrarily divided into 2D images according to an embodiment. In some embodiments, regions may be divided according to a projection scheme.
  • the region-specific packing process is an optional process and may be omitted in the preparation process.
  • this processing may include rotating each region or rearranging on 2D images in order to increase video coding efficiency. For example, by rotating the regions so that certain sides of the regions are located close to each other, efficiency in coding can be increased.
  • the process may include increasing or decreasing a resolution for a specific region in order to differentiate the resolution for each region of the 360 degree video. For example, regions that correspond to relatively more important regions on 360 degree video may have higher resolution than other regions.
  • the video data projected onto the 2D image or the packed video data per region may be subjected to an encoding process through a video codec.
  • the preparation process may further include an editing process.
  • editing process editing of image / video data before and after projection may be further performed.
  • metadata about stitching / projection / encoding / editing may be generated.
  • metadata about an initial time point, or a region of interest (ROI) of video data projected on the 2D image may be generated.
  • the transmission process may be a process of processing and transmitting image / video data and metadata that have been prepared. Processing may be performed according to any transport protocol for the transmission. Data that has been processed for transmission may be delivered through a broadcast network and / or broadband. These data may be delivered to the receiving side in an on demand manner. The receiving side can receive the corresponding data through various paths.
  • the processing may refer to a process of decoding the received data and re-projecting the projected image / video data onto the 3D model.
  • image / video data projected on 2D images may be re-projected onto 3D space.
  • This process may be called mapping or projection depending on the context.
  • the mapped 3D space may have a different shape according to the 3D model.
  • the 3D model may have a sphere, a cube, a cylinder, or a pyramid.
  • the processing process may further include an editing process, an up scaling process, and the like.
  • editing process editing of image / video data before and after re-projection may be further performed.
  • the size of the sample may be increased by upscaling the samples during the upscaling process. If necessary, the operation of reducing the size through down scaling may be performed.
  • the rendering process may refer to a process of rendering and displaying re-projected image / video data in 3D space. Depending on the representation, it may be said to combine re-projection and rendering to render on a 3D model.
  • the image / video re-projected onto the 3D model (or rendered onto the 3D model) may have a shape such as 130 of FIG. 1 shown. 1, 130 is shown when re-projected onto a 3D model of a sphere.
  • the user may view some areas of the rendered image / video through the VR display. In this case, the region seen by the user may be in the form as shown in 140 of FIG. 1.
  • the feedback process may mean a process of transmitting various feedback information that can be obtained in the display process to the transmitter. Through the feedback process, interactivity may be provided for 360-degree video consumption. According to an embodiment, in the feedback process, head orientation information, viewport information indicating an area currently viewed by the user, and the like may be transmitted to the transmitter. According to an embodiment, the user may interact with those implemented on the VR environment, in which case the information related to the interaction may be transmitted to the sender or service provider side in the feedback process. In some embodiments, the feedback process may not be performed.
  • the head orientation information may mean information about a head position, an angle, and a movement of the user. Based on this information, information about the area currently viewed by the user in the 360 degree video, that is, viewport information, may be calculated.
  • the viewport information may be information about an area currently viewed by the user in 360 degree video. Through this, a gaze analysis may be performed to determine how the user consumes 360 degree video, which area of the 360 degree video, and how much. Gayes analysis may be performed at the receiving end and delivered to the transmitting side via a feedback channel.
  • a device such as a VR display may extract a viewport area based on the position / direction of a user's head, vertical or horizontal field of view (FOV) information supported by the device, and the like.
  • FOV horizontal field of view
  • the above-described feedback information may be consumed at the receiving side as well as being transmitted to the transmitting side. That is, the decoding, re-projection, rendering process, etc. of the receiving side may be performed using the above-described feedback information. For example, using head orientation information and / or viewport information, only 360 degree video for the area currently being viewed by the user may be preferentially decoded and rendered.
  • the viewport to the viewport area may mean an area that the user is viewing in the 360 degree video.
  • a viewpoint is a point that a user is viewing in the 360 degree video and may mean a center point of the viewport area. That is, the viewport is an area centered on the viewpoint, and the size shape occupied by the area may be determined by a field of view (FOV) to be described later.
  • FOV field of view
  • 360-degree video data image / video data that undergoes a series of processes of capture / projection / encoding / transmission / decoding / re-projection / rendering may be referred to as 360-degree video data.
  • the term 360 degree video data may also be used as a concept including metadata or signaling information associated with such image / video data.
  • the media file may have a file format based on ISO BMFF (ISO base media file format).
  • FIGS. 2 and 3 illustrate a structure of a media file according to some embodiments.
  • the media file may include at least one box.
  • the box may be a data block or an object including media data or metadata related to the media data.
  • the boxes may form a hierarchical structure with each other, such that the data may be classified so that the media file may be in a form suitable for storage and / or transmission of a large amount of media data.
  • the media file may have an easy structure for accessing the media information, such as a user moving to a specific point of the media content.
  • the media file may include an ftyp box, a moov box, and / or an mdat box.
  • An ftyp box can provide file type or compatibility related information for a corresponding media file.
  • the ftyp box may include configuration version information about media data of a corresponding media file.
  • the decoder can identify the media file by referring to the ftyp box.
  • the moov box may be a box including metadata about media data of a corresponding media file.
  • the moov box can act as a container for all metadata.
  • the moov box may be a box of the highest layer among metadata related boxes. According to an embodiment, only one moov box may exist in a media file.
  • the mdat box may be a box containing actual media data of the media file.
  • Media data may include audio samples and / or video samples, where the mdat box may serve as a container for storing these media samples.
  • the above-described moov box may further include a mvhd box, a trak box and / or an mvex box as a lower box.
  • the mvhd box may include media presentation related information of media data included in the media file. That is, the mvhd box may include information such as media generation time, change time, time specification, duration, etc. of the media presentation.
  • the trak box can provide information related to the track of the media data.
  • the trak box may include information such as stream related information, presentation related information, and access related information for an audio track or a video track.
  • the trak box may further include a tkhd box (track header box) as a lower box.
  • the tkhd box may include information about the track indicated by the trak box.
  • the tkhd box may include information such as a creation time, a change time, and a track identifier of the corresponding track.
  • the mvex box (movie extend box) may indicate that the media file may have a moof box to be described later. To know all the media samples of a particular track, moof boxes may have to be scanned.
  • the media file according to an embodiment may be divided into a plurality of fragments (200). Through this, the media file may be divided and stored or transmitted.
  • the media data (mdat box) of the media file may be divided into a plurality of fragments, and each fragment may include a mdat box and a moof box.
  • information of the ftyp box and / or the moov box may be needed to utilize the fragments.
  • the moof box may provide metadata about media data of the fragment.
  • the moof box may be a box of the highest layer among metadata-related boxes of the fragment.
  • the mdat box may contain the actual media data as described above.
  • This mdat box may include media samples of media data corresponding to each corresponding fragment.
  • the above-described moof box may further include a mfhd box and / or a traf box as a lower box.
  • the mfhd box may include information related to an association between a plurality of fragmented fragments.
  • the mfhd box may include a sequence number to indicate how many times the media data of the corresponding fragment is divided. In addition, it may be confirmed whether there is no missing data divided using the mfhd box.
  • the traf box may include information about a corresponding track fragment.
  • the traf box may provide metadata about the divided track fragments included in the fragment.
  • the traf box may provide metadata so that media samples in the track fragment can be decoded / played back. There may be a plurality of traf boxes according to the number of track fragments.
  • the above-described traf box may further include a tfhd box and / or a trun box as a lower box.
  • the tfhd box may include header information of the corresponding track fragment.
  • the tfhd box may provide information such as a basic sample size, a duration, an offset, an identifier, and the like for media samples of the track fragment indicated by the traf box described above.
  • the trun box may include corresponding track fragment related information.
  • the trun box may include information such as duration, size, and playback time of each media sample.
  • the aforementioned media file or fragments of the media file may be processed into segments and transmitted.
  • the segment may have an initialization segment and / or a media segment.
  • the file of the illustrated embodiment 210 may be a file including information related to initialization of the media decoder except media data. This file may correspond to the initialization segment described above, for example.
  • the initialization segment may include the ftyp box and / or moov box described above.
  • the file of the illustrated embodiment 220 may be a file including the above-described fragment. This file may correspond to the media segment described above, for example.
  • the media segment may include the moof box and / or mdat box described above.
  • the media segment may further include a styp box and / or a sidx box.
  • the styp box may provide information for identifying the media data of the fragmented fragment.
  • the styp box may play the same role as the above-described ftyp box for the divided fragment.
  • the styp box may have the same format as the ftyp box.
  • the sidx box may provide information indicating an index for the divided fragment. Through this, it is possible to indicate how many fragments are the corresponding fragments.
  • the ssix box may be further included.
  • the ssix box (sub-segment index box) may provide information indicating an index of the sub-segment when the segment is further divided into sub-segments.
  • the boxes in the media file may include more extended information based on a box-to-full box form such as the illustrated embodiment 250.
  • the size field and the largesize field may indicate the length of the corresponding box in bytes.
  • the version field may indicate the version of the box format.
  • the Type field may indicate the type or identifier of the corresponding box.
  • the flags field may indicate a flag related to the box.
  • fields (properties) for 360-degree video may be delivered in a DASH-based adaptive streaming model.
  • FIG 4 shows an example of the overall operation of the DASH-based adaptive streaming model.
  • the DASH-based adaptive streaming model according to the illustrated embodiment 400 describes the operation between an HTTP server and a DASH client.
  • DASH Dynamic Adaptive Streaming over HTTP
  • AV content can be provided without interruption.
  • the DASH client can obtain the MPD.
  • MPD may be delivered from a service provider such as an HTTP server.
  • the DASH client can request the segments from the server using the access information to the segment described in the MPD. In this case, the request may be performed by reflecting the network state.
  • the DASH client may process it in the media engine and display the segment on the screen.
  • the DASH client may request and acquire a required segment by adaptively reflecting a playing time and / or a network condition (Adaptive Streaming). This allows the content to be played back seamlessly.
  • Adaptive Streaming a network condition
  • MPD Media Presentation Description
  • the DASH Client Controller may generate a command for requesting the MPD and / or the segment reflecting the network situation.
  • the controller can control the obtained information to be used in internal blocks of the media engine and the like.
  • the MPD Parser may parse the acquired MPD in real time. This allows the DASH client controller to generate a command to obtain the required segment.
  • the segment parser may parse the acquired segment in real time. According to the information included in the segment, internal blocks such as the media engine may perform a specific operation.
  • the HTTP client may request the HTTP server for necessary MPDs and / or segments.
  • the HTTP client may also pass MPD and / or segments obtained from the server to the MPD parser or segment parser.
  • the media engine may display content on the screen using media data included in the segment. At this time, the information of the MPD may be utilized.
  • the DASH data model may have a hierarchical structure 410.
  • Media presentation can be described by MPD.
  • the MPD may describe a temporal sequence of a plurality of periods that make up a media presentation.
  • the duration may indicate one section of the media content.
  • the data may be included in the adaptation sets.
  • the adaptation set may be a collection of a plurality of media content components that may be exchanged with each other.
  • the adaptation may comprise a set of representations.
  • the representation may correspond to a media content component.
  • content may be divided in time into a plurality of segments. This may be for proper accessibility and delivery.
  • the URL of each segment may be provided to access each segment.
  • the MPD may provide information related to the media presentation, and the pyorium element, the adaptation set element, and the presentation element may describe the corresponding pyoride, the adaptation set, and the presentation, respectively.
  • Representation may be divided into sub-representations, the sub-representation element may describe the sub-representation.
  • Common properties / elements can be defined here, which can be applied (included) to adaptation sets, representations, subrepresentations, and so on.
  • common properties / elements there may be an essential property and / or a supplemental property.
  • the essential property may be information including elements that are considered essential in processing the media presentation related data.
  • the supplemental property may be information including elements that may be used in processing the media presentation related data. According to an embodiment, descriptors to be described below may be defined and delivered in essential properties and / or supplemental properties when delivered through the MPD.
  • FIG. 5 is a diagram schematically illustrating a configuration of a 360 video transmission apparatus according to an embodiment.
  • the 360 video transmission apparatus may perform operations related to the preparation process or the transmission process described above.
  • the 360 video transmission device includes a data input unit, a stitcher, a projection processor, a region-specific packing processor (not shown), a metadata processor, a (transmitter) feedback processor, a data encoder, an encapsulation processor, a transmission processor, and /
  • the transmission unit may be included as an internal / external element.
  • the data input unit may receive the captured images / videos of each viewpoint. These point-in-time images / videos may be images / videos captured by one or more cameras. In addition, the data input unit may receive metadata generated during the capture process. The data input unit may transfer the input image / video for each view to the stitcher, and may transmit metadata of the capture process to the signaling processor.
  • the stitcher may perform stitching on the captured view-point images / videos.
  • the stitcher may transfer the stitched 360 video data to the projection processor. If necessary, the stitcher may receive the necessary metadata from the metadata processor and use the stitching work.
  • the stitcher may transmit metadata generated during the stitching process to the metadata processing unit.
  • the metadata of the stitching process may include information such as whether stitching is performed or a stitching type.
  • the projection processor may project the stitched 360 video data onto the 2D image.
  • the projection processor may perform projection according to various schemes, which will be described later.
  • the projection processor may perform mapping in consideration of a corresponding depth of 360 video data for each viewpoint. If necessary, the projection processing unit may receive metadata required for projection from the metadata processing unit and use the same for the projection work.
  • the projection processor may transmit the metadata generated in the projection process to the metadata processor. Metadata of the projection processing unit may include a type of projection scheme.
  • the region-specific packing processor may perform the region-specific packing process described above. That is, the region-specific packing processing unit may divide the projected 360 video data into regions, and perform processes such as rotating and rearranging the regions, changing the resolution of each region, and the like. As described above, the region-specific packing process is an optional process. If the region-specific packing is not performed, the region-packing processing unit may be omitted.
  • the region-specific packing processor may receive metadata necessary for region-packing from the metadata processor and use the region-specific packing operation if necessary.
  • the region-specific packing processor may transmit metadata generated in the region-specific packing process to the metadata processor.
  • the metadata of each region packing processing unit may include a rotation degree and a size of each region.
  • the stitcher, the projection processing unit, and / or the regional packing processing unit may be performed in one hardware component according to an embodiment.
  • the metadata processor may process metadata that may occur in a capture process, a stitching process, a projection process, a region-specific packing process, an encoding process, an encapsulation process, and / or a processing for transmission.
  • the metadata processor may generate 360 video related metadata using these metadata.
  • the metadata processor may generate 360 video related metadata in the form of a signaling table.
  • 360 video related metadata may be referred to as metadata or 360 video related signaling information.
  • the metadata processor may transfer the acquired or generated metadata to internal elements of the 360 video transmission apparatus as needed.
  • the metadata processor may transmit the 360 video related metadata to the data encoder, the encapsulation processor, and / or the transmission processor so that the 360 video related metadata may be transmitted to the receiver.
  • the data encoder may encode 360 video data projected onto the 2D image and / or region-packed 360 video data.
  • 360 video data may be encoded in various formats.
  • the encapsulation processing unit may encapsulate the encoded 360 video data and / or 360 video related metadata in the form of a file.
  • the 360 video related metadata may be received from the above-described metadata processing unit.
  • the encapsulation processing unit may encapsulate the data in a file format such as ISOBMFF, CFF, or other DASH segments.
  • the encapsulation processing unit may include 360 video-related metadata on a file format.
  • the 360 related metadata may be included, for example, in boxes at various levels in the ISOBMFF file format or as data in separate tracks within the file.
  • the encapsulation processing unit may encapsulate the 360 video-related metadata itself into a file.
  • the transmission processor may apply processing for transmission to the encapsulated 360 video data according to the file format.
  • the transmission processor may process the 360 video data according to any transmission protocol.
  • the processing for transmission may include processing for delivery through a broadcasting network and processing for delivery through a broadband.
  • the transmission processor may receive not only 360 video data but also metadata related to 360 video from the metadata processor and apply processing for transmission thereto.
  • the transmitter may transmit the processed 360 video data and / or 360 video related metadata through a broadcast network and / or broadband.
  • the transmitter may include an element for transmission through a broadcasting network and / or an element for transmission through a broadband.
  • the 360 video transmission device may further include a data storage unit (not shown) as internal / external elements.
  • the data store may store the encoded 360 video data and / or 360 video related metadata before transmitting to the transfer processor.
  • the data is stored in the form of a file such as ISOBMFF.
  • the data storage unit may not be required.However, when delivering on demand, non real time (NRT) or broadband, the encapsulated 360 data is stored in the data storage unit for a certain period of time. May be sent.
  • the 360 video transmitting apparatus may further include a (transmitting side) feedback processing unit and / or a network interface (not shown) as internal / external elements.
  • the network interface may receive the feedback information from the 360 video receiving apparatus according to the present invention, and transmit the feedback information to the transmitter feedback processor.
  • the transmitter feedback processor may transmit the feedback information to the stitcher, the projection processor, the region-specific packing processor, the data encoder, the encapsulation processor, the metadata processor, and / or the transmission processor.
  • the feedback information may be delivered to each of the internal elements after being transmitted to the metadata processor.
  • the internal elements receiving the feedback information may reflect the feedback information in the subsequent processing of the 360 video data.
  • the region-specific packing processor may rotate and map each region onto a 2D image.
  • the regions may be rotated at different angles and at different angles and mapped on the 2D image.
  • the rotation of the region can be performed taking into account the portion where the 360 video data was adjacent before projection on the spherical face, the stitched portion, and the like.
  • Information about the region's rotation, i.e., rotation direction, angle, etc., may be signaled by 360 video related metadata.
  • the data encoder may encode differently in each region. The data encoder may encode at a high quality in one region and at a low quality in another region.
  • the transmitter feedback processor may transmit the feedback information received from the 360 video receiving apparatus to the data encoder so that the data encoder uses a region-differential encoding method.
  • the transmitter feedback processor may transmit the viewport information received from the receiver to the data encoder.
  • the data encoder may perform encoding with higher quality (UHD, etc.) than regions with respect to regions including the region indicated by the viewport information.
  • the transmission processing unit may perform processing for transmission differently in each region.
  • the transmission processing unit may apply different transmission parameters (modulation order, code rate, etc.) for each region to vary the robustness of the data transmitted for each region.
  • the transmitting-side feedback processor may transmit the feedback information received from the 360 video receiving apparatus to the transmission processing unit so that the transmission processing unit may perform regional differential transmission processing.
  • the transmitter feedback processor may transmit the viewport information received from the receiver to the transmitter.
  • the transmission processor may perform transmission processing on regions that include an area indicated by corresponding viewport information so as to have higher robustness than other regions.
  • the internal / external elements of the 360 video transmission apparatus described above may be hardware elements implemented in hardware.
  • the inner and outer elements may be changed, omitted, or replaced with other elements.
  • additional elements may be added to the 360 video transmission device.
  • FIG. 6 is a diagram schematically illustrating a configuration of a 360 video receiving apparatus according to an embodiment.
  • the 360 video receiving apparatus may perform operations related to the above-described processing and / or rendering.
  • the 360 video receiving apparatus may include a receiver, a receiver processor, a decapsulation processor, a data decoder, a metadata parser, a (receiver side) feedback processor, a re-projection processor, and / or a renderer as internal / external elements.
  • the signaling parser may be called a metadata parser.
  • the receiver may receive 360 video data transmitted by the 360 video transmission device according to an exemplary embodiment. According to the transmitted channel, the receiver may receive 360 video data through a broadcasting network or may receive 360 video data through a broadband.
  • the reception processor may perform processing according to a transmission protocol on the received 360 video data.
  • the reception processing unit may perform a reverse process of the above-described transmission processing unit so as to correspond to that the processing for transmission is performed at the transmission side.
  • the reception processor may transmit the obtained 360 video data to the decapsulation processing unit, and the obtained 360 video data may be transferred to the metadata parser.
  • the 360 video related metadata acquired by the reception processor may be in the form of a signaling table.
  • the decapsulation processor may decapsulate the 360 video data in the form of a file received from the reception processor.
  • the decapsulation processing unit may decapsulate files according to ISOBMFF or the like to obtain 360 video data to 360 video related metadata.
  • the obtained 360 video data may be transmitted to the data decoder, and the obtained 360 video related metadata may be transmitted to the metadata parser.
  • the 360 video-related metadata obtained by the decapsulation processing unit may be in the form of a box or track in the file format.
  • the decapsulation processing unit may receive metadata necessary for decapsulation from the metadata parser if necessary.
  • the data decoder may perform decoding on 360 video data.
  • the data decoder may receive metadata required for decoding from the metadata parser.
  • the 360 video-related metadata obtained in the data decoding process may be delivered to the metadata parser.
  • the metadata parser may parse / decode 360 video related metadata.
  • the metadata parser may transfer the obtained metadata to the data decapsulation processor, the data decoder, the re-projection processor, and / or the renderer.
  • the re-projection processor may perform re-projection on the decoded 360 video data.
  • the re-projection processor may re-project the 360 video data into the 3D space.
  • the 3D space may have a different shape depending on the 3D model used.
  • the re-projection processor may receive metadata required for re-projection from the metadata parser.
  • the re-projection processor may receive information about the type of the 3D model used and the details thereof from the metadata parser.
  • the re-projection processor may re-project only 360 video data corresponding to a specific area in the 3D space into the 3D space by using metadata required for the re-projection.
  • the renderer may render the re-projected 360 video data.
  • the 360 video data may be rendered in 3D space. If the two processes occur at once, the re-projection unit and the renderer may be integrated so that all processes may be performed in the renderer. According to an exemplary embodiment, the renderer may render only the portion that the user is viewing based on the viewpoint information of the user.
  • the user may view a portion of the 360 video rendered through the VR display.
  • the VR display is a device for playing 360 video, which may be included in the 360 video receiving device (tethered) or may be un-tethered as a separate device to the 360 video receiving device.
  • the 360 video receiving apparatus may further include a (receiving side) feedback processing unit and / or a network interface (not shown) as internal / external elements.
  • the receiving feedback processor may obtain and process feedback information from a renderer, a re-projection processor, a data decoder, a decapsulation processor, and / or a VR display.
  • the feedback information may include viewport information, head orientation information, gaze information, and the like.
  • the network interface may receive the feedback information from the receiver feedback processor and transmit the feedback information to the 360 video transmission apparatus.
  • the receiving side feedback processor may transmit the obtained feedback information to the internal elements of the 360 video receiving apparatus to be reflected in a rendering process.
  • the receiving feedback processor may transmit the feedback information to the renderer, the re-projection processor, the data decoder, and / or the decapsulation processor.
  • the renderer may preferentially render the area that the user is viewing by using the feedback information.
  • the decapsulation processing unit, the data decoder, and the like may preferentially decapsulate and decode the region viewed by the user or the region to be viewed.
  • Inner and outer elements of the 360 video receiving apparatus may be hardware elements implemented in hardware.
  • the inner and outer elements may be changed, omitted, or replaced with other elements.
  • additional elements may be added to the 360 video receiving apparatus.
  • an operation method of a 360 video receiving apparatus may be related to a method of transmitting 360 video and a method of receiving 360 video.
  • the method of transmitting / receiving 360 video according to an embodiment may be performed by the 360 video transmitting / receiving device or embodiments of the device, respectively, according to the above-described embodiment.
  • Embodiments of the 360 video transmission / reception apparatus, the transmission / reception method, and the respective internal / external elements according to the above-described embodiment may be combined with each other.
  • the embodiments of the projection processing unit and the embodiments of the data encoder may be combined with each other to produce as many embodiments of the 360 video transmission device as that case.
  • FIG. 7 is a diagram illustrating the concept of an airplane main axis (Aircraft Principal Axes) for explaining 3D space according to an embodiment.
  • airplane main axis Aircraft Principal Axes
  • the plane principal axis concept may be used to represent a specific point, position, direction, spacing, area, etc. in 3D space. That is, in the present invention, the plane axis concept may be used to describe the 3D space before the projection or after the re-projection and to perform signaling on the 3D space. According to an embodiment, a method using a rectangular coordinate system or a rectangular coordinate system using the X, Y, and Z axes may be used.
  • the plane can rotate freely in three dimensions.
  • the three-dimensional axes are referred to as pitch axes, yaw axes, and roll axes, respectively. In the present specification, these may be reduced to express pitch, yaw, roll to pitch direction, yaw direction, and roll direction.
  • the roll axis may correspond to the X-axis or back-to-front axis of the Cartesian coordinate system.
  • the roll axis is an axis extending from the nose to the tail of the plane in the concept of the main plane of the plane, and the rotation in the roll direction may mean a rotation about the roll axis.
  • the range of the roll value representing the angle rotated based on the roll axis may be between -180 degrees and 180 degrees, and the boundary values -180 degrees and 180 degrees may be included in the range of the roll value.
  • the pitch axis may correspond to the Y axis or side-to-side axis of the Cartesian coordinate system.
  • the pitch axis may mean an axis that is a reference of the direction in which the nose of the airplane rotates up and down.
  • the pitch axis may mean an axis extending from the wing of the plane to the wing.
  • the range of pitch values representing the angle rotated with respect to the pitch axis may be between ⁇ 90 degrees and 90 degrees, and the boundary values ⁇ 90 degrees and 90 degrees may be included in the pitch values.
  • the yaw axis may correspond to the Z axis or the vertical axis of the Cartesian coordinate system.
  • the yaw axis may mean an axis that is a reference of the direction in which the nose of the plane rotates left and right.
  • the yaw axis can mean an axis running from top to bottom of the plane.
  • a range of yaw values representing an angle rotated with respect to the yaw axis may be between -180 degrees and 180 degrees, and the boundary values -180 degrees and 180 degrees may be included in the range of yaw values.
  • the center point as a reference for determining the yaw axis, the pitch axis, and the roll axis may not be static.
  • the 3D space in the present invention can be described through the concept of pitch, yaw, and roll.
  • region-wise packing may be performed on video data projected on a 2D image to increase video coding efficiency and the like.
  • the region-specific packing process may mean a process of dividing and processing the video data projected on the 2D image for each region.
  • the region may represent a region in which the 2D image on which the 360 video data is projected is divided, and the regions in which the 2D image is divided may be divided according to a projection scheme.
  • the 2D image may be called a video frame or a frame.
  • the present invention proposes metadata for the region-specific packing process and a signaling method of the metadata according to the projection scheme.
  • the region-specific packing process may be performed more efficiently based on the metadata.
  • FIG. 8 exemplarily illustrates a 2D image to which a region-specific packing process according to a 360-degree processing process and a projection format is applied.
  • 360 video data of an input viewpoint may be stitched and projected onto a 3D projection structure according to various projection schemes, and the 360 video data projected on the 3D projection structure may be represented as a 2D image. . That is, the 360 video data may be stitched and projected into the 2D image.
  • the 2D image projected with the 360 video data may be referred to as a projected frame.
  • the above-described region-specific packing process may be performed on the projected frame. That is, a process including dividing an area including the projected 360 video data on the projected frame into regions, rotating and rearranging the regions, changing the resolution of each region, and the like may be performed.
  • the region-specific packing process may represent a process of mapping the projected frame to one or more packed frames.
  • the region-specific packing process may be optional.
  • the packed frame and the projected frame may be the same.
  • each region of the projected frame may be mapped to a region of the packed frame, and the position and shape of a region of the packed frame to which each region of the projected frame is mapped.
  • metadata indicative of the size can be derived.
  • the 360 video data may be projected on a 2D image (or frame) according to a panoramic projection scheme.
  • the top region, the middle region and the bottom region of the projected frame may be rearranged as shown in the figure on the right by applying region-specific packing processes.
  • the top region may be a region representing a top surface of the panorama on a 2D image
  • the middle surface region may be a region representing a middle surface of the panorama on a 2D image
  • the bottom region is It may be a region representing a bottom surface of the panorama on a 2D image.
  • FIG. 8B the 360 video data may be projected on a 2D image (or frame) according to a panoramic projection scheme.
  • the top region, the middle region and the bottom region of the projected frame may be rearranged as shown in the figure on the right by applying region-specific packing processes.
  • the top region may be a region representing a top surface of the panorama on a 2D image
  • the middle surface region may be a region representing a middle surface of the panorama on a
  • the 360 video data may be projected onto a 2D image (or frame) according to a cubic projection scheme.
  • Region-specific packing processes are applied to the front region, the back region, the top region, the bottom region, the right region, and the left region of the projected frame. It can be rearranged as shown in the figure on the right.
  • the front region may be a region representing the front side of the cube on a 2D image
  • the back region may be a region representing the back side of the cube on a 2D image.
  • the top region may be a region representing a top surface of the cube on a 2D image
  • the bottom region may be a region representing a bottom surface of the cube on a 2D image.
  • the right side region may be a region representing the right side surface of the cube on a 2D image
  • the left side region may be a region representing the left side surface of the cube on a 2D image.
  • the 3D projection formats may include tetrahedrons, cubes, octahedrons, dodecahedrons, and icosahedrons.
  • 2D projections illustrated in FIG. 8D may represent projected frames representing 2D images of 360 video data projected to the 3D projection format.
  • the projection formats are exemplary, and according to an embodiment, some or all of various projection formats (or projection schemes) may be used. Which projection format is used for 360 video may be indicated, for example, via the projection format field of metadata.
  • FIGS 9A-9B illustrate projection formats in accordance with some embodiments.
  • the offset value with respect to the x-axis and the offset value with respect to the y-axis may be expressed through the following equation.
  • 0 0, i.e. the center pixel of the 2D image is
  • r and height K x can be mapped to the region r.
  • ⁇ on spherical surface
  • the data of / 2 may be mapped to the entire upper side on the 2D image.
  • data on the 2D image (3 K x r / 2, K x r / 2).
  • 360 video data on the 2D image can be re-projected onto the spherical plane.
  • this as a conversion equation may be as follows.
  • FIG. 9A (b) may show a cubic projection format.
  • stitched 360 video data may be represented on a spherical face.
  • the projection processor may divide the 360 video data into cubes and project them on a 2D image.
  • 360 video data on a spherical face may be projected onto the 2D image as shown in (b) left or (b) right in FIG. 9A, corresponding to each face of the cube.
  • Figure 9a (c) may represent a cylindrical projection format. Assuming that the stitched 360 video data can be represented on a spherical surface, the projection processor may divide the 360 video data into a cylinder to project it on a 2D image. 360 video data on a spherical face correspond to the side, top and bottom of the cylinder, respectively, as shown in (c) left or (c) right in FIG. 8A on the 2D image. Can be projected together.
  • FIG. 9A (d) may represent a tile-based projection format.
  • the above-described projection processing section may project 360 video data on a spherical surface into 2 or more detail regions by dividing it into one or more detail regions as shown in (d) of FIG. 9A. Can be.
  • the detail region may be called a tile.
  • the projection processor can view the 360 video data in a pyramid form and divide each face to project on a 2D image.
  • the 360 video data on the spherical face correspond to the front of the pyramid and the four sides of the pyramid (Left top, Left bottom, Right top, Right bottom), respectively, on the 2D image. It can be projected as shown on the left or (e) right.
  • the bottom surface may be an area including data acquired by a camera facing the front.
  • FIG. 9B (f) may represent the panoramic projection format.
  • the above-described projection processing unit may project only the side surface of the 360 video data on the spherical surface on the 2D image as shown in FIG. 9B (f). This may be the same as in the case where there is no top and bottom in the cylindrical projection scheme.
  • FIG. 9B (g) may represent a case where projection is performed without stitching.
  • the projection processing unit described above may project 360 video data onto a 2D image as it is shown in FIG. 9B (g).
  • stitching is not performed, and each image acquired by the camera may be projected onto the 2D image as it is.
  • each image may be a fish-eye image obtained through each sensor in a spherical camera (or fish-eye camera).
  • image data obtained from camera sensors at the receiving side can be stitched, and the spherical video, i.e. 360 video, is rendered by mapping the stitched image data onto a spherical surface. can do.
  • FIGS 10A and 10B illustrate tiles in accordance with some embodiments.
  • 360 video data projected onto a 2D image or 360 video data performed up to region-specific packing may be divided into one or more tiles.
  • FIG. 10A shows a form in which one 2D image is divided into 16 tiles.
  • the 2D image may be the above-described projected frame or packed frame.
  • the data encoder can encode each tile independently.
  • the region-specific packing and tiling may be distinguished.
  • the region-specific packing described above may mean processing the 360 video data projected on the 2D image into regions in order to increase coding efficiency or to adjust resolution.
  • Tiling may mean that the data encoder divides a projected frame or a packed frame into sections called tiles, and independently encodes corresponding tiles.
  • the user does not consume all parts of the 360 video at the same time.
  • Tiling may enable transmitting or consuming only the tiles corresponding to the critical part or a certain part, such as the viewport currently viewed by the user, on the limited bandwidth. Tiling allows for more efficient use of limited bandwidth and reduces the computational load on the receiving side compared to processing all 360 video data at once.
  • Regions and tiles are distinct, so the two regions do not have to be the same. However, in some embodiments, regions and tiles may refer to the same area. According to an exemplary embodiment, region-specific packing may be performed according to tiles so that regions and tiles may be the same. Further, according to an embodiment, when each side and region according to the projection scheme are the same, each side, region and tile according to the projection scheme may refer to the same region. Depending on the context, a region may be called a VR region, a tile region.
  • Region of Interest may refer to areas of interest of users, which are suggested by 360 content providers.
  • a 360 content provider produces a 360 video
  • a certain area may be considered to be of interest to users, and the 360 content provider may produce a 360 video in consideration of this.
  • the ROI may correspond to an area where important content is played on the content of the 360 video.
  • the reception side feedback processing unit may extract and collect viewport information and transmit it to the transmission side feedback processing unit.
  • viewport information can be delivered using both network interfaces.
  • the viewport 1000 is displayed in the 2D image of FIG. 10A shown.
  • the viewport may span nine tiles on the 2D image.
  • the 360 video transmission device may further include a tiling system.
  • the tiling system may be located after the data encoder (10b shown), may be included in the above-described data encoder or transmission processing unit, or may be included in the 360 video transmission apparatus as a separate internal / external element.
  • the tiling system may receive viewport information from the feedback feedback processor.
  • the tiling system may select and transmit only the tiles including the viewport area. In the illustrated 2D image of FIG. 10A, only nine tiles including the viewport area 1000 among a total of 16 tiles may be transmitted.
  • the tiling system may transmit tiles in a unicast manner through broadband. This is because the viewport area is different for each user.
  • the transmitter-side feedback processor may transmit the viewport information to the data encoder.
  • the data encoder may perform encoding on tiles including the viewport area at higher quality than other tiles.
  • the feedback feedback processor may transmit the viewport information to the metadata processor.
  • the metadata processor may transmit the metadata related to the viewport area to each internal element of the 360 video transmission apparatus or may include the metadata related to the 360 video.
  • Embodiments related to the viewport area described above may be applied in a similar manner to specific areas other than the viewport area.
  • the above-described gaze analysis may be used to determine areas of interest, ROI areas, and areas that are first played when the user encounters 360 video through a VR display (initial viewpoint).
  • the processes may be performed.
  • the transmission processor may perform processing for transmission differently for each tile.
  • the transmission processor may apply different transmission parameters (modulation order, code rate, etc.) for each tile to vary the robustness of the data transmitted for each tile.
  • the transmitting-side feedback processor may transmit the feedback information received from the 360 video receiving apparatus to the transmission processor so that the transmission processor performs the differential transmission process for each tile.
  • the transmitter feedback processor may transmit the viewport information received from the receiver to the transmitter.
  • the transmission processor may perform transmission processing on tiles including the corresponding viewport area to have higher robustness than other tiles.
  • FIG 11 illustrates an example of 360-degree video related metadata according to an embodiment.
  • the 360 degree video-related metadata may include various metadata about the 360 degree video.
  • 360 degree video related metadata may be referred to as 360 degree video related signaling information.
  • the 360-degree video related metadata may be included in a separate signaling table for transmission, may be included in the DASH MPD for transmission, and may be included in a box format in a file format such as ISOBMFF.
  • the file, fragment, track, sample entry, sample, etc. may be included in various levels to include metadata about data of a corresponding level.
  • some of the metadata to be described later may be configured as a signaling table, and the other may be included in a box or track in the file format.
  • the 360-degree video-related metadata may include the basic metadata related to the projection scheme, stereoscopic related metadata, initial view (Initial Viewpoint) related metadata, ROI related metadata, field of view related metadata, and / or cropped region related metadata.
  • the 360 degree video related metadata may further include additional metadata in addition to the above.
  • Embodiments of 360-degree video related metadata may include basic metadata, stereoscopic related metadata, initial viewpoint related metadata, ROI related metadata, FOV related metadata, cropped region related metadata, and / or later to be added. It may have a form including at least one or more of the metadata.
  • Embodiments of the 360-degree video-related metadata according to the present invention may be configured in various ways according to the number of detailed metadata included in each case. According to an embodiment, the 360 degree video related metadata may further include additional information in addition to the above.
  • the stereo_mode field may indicate a 3D layout supported by the corresponding 360 degree video. Only this field may indicate whether the corresponding 360 degree video supports 3D. In this case, the above-described is_stereoscopic field may be omitted. If this field value is 0, the corresponding 360 degree video may be in mono mode. That is, the projected 2D image may include only one mono view. In this case, the 360-degree video may not support 3D.
  • the 360 degree video may be based on a left-right layout and a top-bottom layout, respectively.
  • the left and right layouts and the top and bottom layouts may be referred to as side-by-side format and top-bottom format, respectively.
  • 2D images projected from the left image and the right image may be positioned left and right on the image frame, respectively.
  • the 2D images projected from the left image and the right image may be positioned up and down on the image frame. If the field has the remaining values, it can be reserved for future use.
  • the initial view-related metadata may include information about a view point (initial view point) seen when the user first plays the 360 degree video.
  • the initial view related metadata may include an initial_view_yaw_degree field, an initial_view_pitch_degree field, and / or an initial_view_roll_degree field.
  • the initial view-related metadata may further include additional information.
  • the initial_view_yaw_degree field, the initial_view_pitch_degree field, and the initial_view_roll_degree field may indicate an initial time point when playing the corresponding 360 degree video.
  • the center point of the viewport that is first seen upon playback can be represented by these three fields.
  • the initial_view_yaw_degree field may indicate a yaw value for the initial time. That is, the initial_view_yaw_degree field may indicate the position of the center point in the direction (sign) and the degree (angle) rotated with respect to the yaw axis.
  • the initial_view_pitch_degree field may indicate a pitch value for the initial time.
  • the initial_view_pitch_degree field may indicate the position of the positive center point in the direction (sign) and the degree (angle) rotated with respect to the pitch axis.
  • the initial_view_roll_degree field may indicate a roll value for the initial time. That is, the initial_view_roll_degree field may indicate the position of the positive center point in the direction (sign) and the degree (angle) rotated with respect to the roll axis.
  • an initial time point when playing the corresponding 360 degree video that is, a center point of the viewport that is first displayed when playing the corresponding 360 degree video may be indicated.
  • the 360 degree video receiving apparatus can provide a user with a certain area of the 360 degree video as an initial viewport.
  • the initial view point indicated by the initial view-related metadata may be changed for each scene. That is, the scene of the 360 degree video changes according to the temporal flow of the 360 content, and the initial view point or the initial viewport that the user first sees may change for each scene of the 360 degree video.
  • the metadata regarding the initial view may indicate the initial view for each scene.
  • the initial view-related metadata may further include a scene identifier for identifying a scene to which the initial view is applied.
  • the initial view-related metadata may further include scene-specific FOV information indicating the FOV corresponding to the scene.
  • the ROI related metadata may include information related to the above-described ROI.
  • the ROI related metadata may include a 2d_roi_range_flag field and / or a 3d_roi_range_flag field.
  • the 2d_roi_range_flag field may indicate whether the ROI related metadata includes fields representing the ROI based on the 2D image
  • the 3d_roi_range_flag field indicates whether the ROI related metadata includes fields representing the ROI based on the 3D space. Can be indicated.
  • the ROI related metadata may further include additional information such as differential encoding information according to ROI and differential transmission processing information according to ROI.
  • ROI related metadata may include min_top_left_x field, max_top_left_x field, min_top_left_y field, max_top_left_y field, min_width field, max_width field, min_height field, max_height field, min_x Field, max_x field, min_y field and / or max_y field.
  • the min_top_left_x field, max_top_left_x field, min_top_left_y field, and max_top_left_y field may indicate minimum / maximum values of coordinates of the upper left end of the ROI. That is, the fields may sequentially indicate a minimum x coordinate, a maximum x coordinate, a minimum y coordinate, and a maximum y coordinate of the upper left end.
  • the min_width field, the max_width field, the min_height field, and the max_height field may indicate minimum / maximum values of the width and height of the ROI. That is, the fields may sequentially indicate a minimum value of a horizontal size, a maximum value of a horizontal size, a minimum value of a vertical size, and a maximum value of a vertical size.
  • the min_x field, max_x field, min_y field, and max_y field may indicate minimum / maximum values of coordinates in the ROI. That is, the fields may sequentially indicate a minimum x coordinate, a maximum x coordinate, a minimum y coordinate, and a maximum y coordinate of coordinates in the ROI. These fields may be omitted.
  • the ROI-related metadata may include min_yaw field, max_yaw field, min_pitch field, max_pitch field, min_roll field, max_roll field, min_field_of_view field, and / or It may include a max_field_of_view field.
  • the min_yaw field, max_yaw field, min_pitch field, max_pitch field, min_roll field, and max_roll field may indicate the area occupied by the ROI in 3D space as the minimum / maximum values of yaw, pitch, and roll. That is, the fields in order are the minimum value of the yaw axis rotation amount, the maximum value of the yaw axis reference amount, the minimum value of the pitch axis reference amount, the maximum value of the pitch axis reference amount, the minimum value of the roll axis reference amount, and the roll axis. It can represent the maximum value of the reference rotation amount.
  • the min_field_of_view field and the max_field_of_view field may indicate minimum / maximum values of the field of view (FOV) of the corresponding 360 degree video data.
  • the FOV may refer to a field of view displayed at a time when the 360 degree video is played.
  • the min_field_of_view field and the max_field_of_view field may represent minimum and maximum values of the FOV, respectively. These fields may be omitted. These fields may be included in FOV related metadata to be described later.
  • the FOV related metadata may include information related to the above-described FOV.
  • the FOV related metadata may include a content_fov_flag field and / or a content_fov field.
  • the FOV related metadata may further include additional information such as the minimum / maximum value related information of the above-described FOV.
  • the content_fov_flag field may indicate whether or not information on an FOV intended for production is present for the corresponding 360 degree video. If this field value is 1, there may be a content_fov field.
  • the content_fov field may indicate information about an FOV intended for producing the 360 degree video.
  • an area to be displayed to the user at one time among 360 images may be determined according to a vertical or horizontal FOV of the corresponding 360 degree video receiving apparatus.
  • an area of the 360 degree video displayed to the user at one time may be determined by reflecting the FOV information of the field.
  • the cropped region related metadata may include information about an region including actual 360 degree video data on an image frame.
  • the image frame may include an active video area that is projected 360 degrees video data and an area that is not.
  • the active video region may be referred to as a cropped region or a default display region.
  • This active video area is an area shown as 360 degree video on the actual VR display, and the 360 degree video receiving device or the VR display can process / display only the active video area. For example, if the aspect ratio of an image frame is 4: 3, only the area except the upper part and the lower part of the image frame may contain 360-degree video data, which is called the active video area. have.
  • the cropped region related metadata may include an is_cropped_region field, a cr_region_left_top_x field, a cr_region_left_top_y field, a cr_region_width field, and / or a cr_region_height field. According to an embodiment, the cropped region related metadata may further include additional information.
  • the is_cropped_region field may be a flag indicating whether the entire region of the image frame is used by the 360 degree video receiving apparatus or the VR display.
  • the region where the 360-degree video data is mapped or the region shown on the VR display may be called an active video area.
  • the is_cropped_region field may indicate whether the entire image frame is an active video region. If only a part of the image frame is an active video area, the following four fields may be added.
  • the cr_region_left_top_x field, cr_region_left_top_y field, cr_region_width field, and cr_region_height field may indicate an active video region on an image frame. These fields may indicate the x coordinate of the upper left of the active video area, the y coordinate of the upper left of the active video area, the width of the active video area, and the height of the active video area, respectively. The width and height may be expressed in pixels.
  • the 360 video-based VR system may provide a visual / audio experience for different viewing orientations based on the user's position for the 360 video based on the 360 video processing described above.
  • a VR system that provides a starter / aural experience for 360 viewing of different viewing orientations at a fixed location of the user may be referred to as a three degree of freedom (VR) based VR system.
  • VR systems that can provide extended visual and audio experiences for different viewing orientations at different viewpoints and at different viewing positions can be called 3DoF + or 3DoF plus based VR systems. Can be.
  • FIG. 12 schematically illustrates the concept of a viewpoint, a viewing position, a viewing orientation.
  • each of the displayed circles may represent different viewpoints.
  • Video / audio provided from each viewpoint positioned in the same space may be associated with each other in the same time zone.
  • different visual and audio experiences may be provided to the user according to the user's gaze direction change or ex head movement at a specific viewpoint. That is, it is possible to assume spheres of various viewing positions as shown in (b) for a specific viewpoint, and to provide image / audio / text information reflecting the relative position of each viewing position.
  • the specific viewing position of the specific viewpoint may transmit initial / aural information in various directions as in the existing 3DoF.
  • the main source ex. Video / audio / text
  • additional various sources may be integrated and provided.
  • information may be delivered independently or in association with the viewing orientation of the user.
  • FIG. 13 is a diagram schematically illustrating an example of an architecture for providing 3DoF + video according to an embodiment.
  • FIG. 13 shows a 3DoF + end-to-end system flow diagram including image acquisition, preprocessing, transmission, (post) processing, rendering and feedback of 3DoF +.
  • an acquisition process may mean a process of acquiring 360 video through a process of capturing, synthesizing, or generating 360 video.
  • the image information may include not only visual information (ex. Texture) but also depth information (depth).
  • depth depth
  • a plurality of pieces of information of different viewing positions according to different viewpoints may be obtained.
  • the composition process includes not only the information obtained through the video / audio input device, but also the video (video / image, etc.), voice (audio / effect sound, etc.), text (subtitle, etc.) from external media in the user experience. And methods and methods for synthesizing risks.
  • the pre-processing process is a preparation (pre-processing) process for transmitting / delivering the obtained 360 video, and may include the aforementioned stitching, projection, region packing process, and / or encoding process. That is, this process may include a preprocessing process and an encoding process for changing / supplementing data according to the intention of the producer for video / audio / text information.
  • this process may include a preprocessing process and an encoding process for changing / supplementing data according to the intention of the producer for video / audio / text information.
  • the mapping of the acquired visual information onto the 360 sphere is performed, the editing is performed to remove area boundaries, reduce color / brightness differences, or give a visual effect of the image.
  • Image segmentation view segmentation
  • projection process to map the image on 360 sphere (sphere) to 2D image
  • region-wise packing according to region (region-wise packing)
  • image information It may include an encoding process for compressing.
  • a plurality of projection images of viewing positions of each other according to different viewpoints may be generated.
  • the transmission process may mean a process of processing image and audio data and metadata that have been prepared (preprocessed).
  • a method of transmitting a plurality of video / audio data and related metadata of different viewing positions according to different viewpoints a broadcasting network, a communication network, or a one-way transmission method may be used as described above. Can be used.
  • Post-processing and synthesis may refer to post-processing for decoding received / stored video / audio / text data and for final playback.
  • the post-processing process may include an unpacking process of unpacking the packed image and a re-projection process of restoring the 2D projected image to the 3D spherical image as described above.
  • the rendering process may refer to a process of rendering and displaying re-projected image / video data in 3D space.
  • the video / audio signal can be reconstructed into a form for finally outputting.
  • the viewing orientation, the viewing position / head position, and the viewpoint of the user's region of interest may be tracked, and only the necessary video / audio / text information may be selectively used according to this information.
  • different viewpoints may be selected as shown in 1330 according to the ROI of the user, and finally, as shown in 1340, images of a specific direction of a specific viewpoint at a specific position may be output.
  • 14A and 14B are an example of a 3DoF + end-to-end system architecture.
  • 3D0F + 360 content as provided by the architecture of FIGS. 14A and 14B may be provided.
  • the 360 video transmission apparatus is divided into an acquisition unit in which 360 video (image) / audio data is acquired, a part in processing acquired data (video / audio pre-processor), and additional information.
  • a composition for synthesizing the data an encoding unit for encoding text, audio, and projected 360-degree video, and an encapsulation unit for encapsulating the encoded data.
  • the encoded data may be output in the form of a bitstream, and the encoded data may be encapsulated in a file format such as ISOBMFF, CFF, or processed in the form of other DASH segments.
  • the encoded data may be delivered to the 360 video receiving apparatus through a digital storage medium, or although not explicitly illustrated, the encoded data may be processed through a transmission processor as described above, and then the broadcasting network or the broadband may be used. Can be sent through.
  • different information depends on the sensor orientation (viewing orientation in the image), the sensor position (viewing position in the image), and the sensor information acquisition position (in the viewpoint in the image). Can be obtained simultaneously or continuously, and video, image, audio, and location information can be obtained.
  • texture and depth information may be obtained, respectively, and different video pre-processing may be performed according to characteristics of each component.
  • texture information the 360 omnidirectional image may be configured by using images of different viewing orientations of the same viewing position acquired at the same location using image sensor position information.
  • an image stitching process may be performed.
  • projection and / or region-specific packing may be performed to change the image into a format for encoding the image.
  • depth image an image may be generally acquired through a depth camera, and in this case, the depth image may be made in the form of a texture.
  • depth data may be generated based on separately measured data.
  • a sub-picture generation may be performed by further packing (packing) into a video format for efficient compression or dividing it into necessary parts.
  • Information on the video composition used in the video pre-processing stage is delivered as video metadata.
  • the composition generation unit synthesizes externally generated media data (video / image for video, audio / effect sound for audio, subtitles for text, etc.) at the final playback stage based on the intention of the creator. Generates information for the application, which is passed to the composition metadata.
  • the processed video / audio / text information is compressed using each encoder and encapsulated in file or segment units depending on the application. At this time, only the necessary information can be extracted (file extractor) according to the video, file or segment composition method.
  • information for reconstructing each data at the receiver is delivered at the codec or file format / system level, where information for video / audio reconstruction (video / audio metadata), composition metadata for overlays, and video / Audio playable positions (viewpoints) and viewing position (viewing position) information (viewing position and viewpoint metadata) according to each position is included.
  • the processing of such information may be generated through a separate metadata processing unit.
  • the 360 video receiving apparatus decapsulates a largely received file or segment (file / segment decapsulation unit), and generates a video / audio / text information from a bitstream (decoding unit).
  • a post-processor for reconstructing a video / audio / text a tracking unit for tracking a user's region of interest, and a display, which is a playback device.
  • the bitstream generated through decapsulation may be separately decoded into a playable form by dividing into video / audio / text according to the type of data.
  • the tracking portion generates information on a location of a region of interest of a user, a viewing position at a corresponding position, and a viewing orientation at a corresponding viewpoint based on a sensor and input information of the user.
  • This information may be used for selecting or extracting a region of interest in each module of the 360 video receiving apparatus or may be used for a post-processing process for emphasizing information of the region of interest.
  • it when delivered to the 360 video transmission device, it can be used for file selection or sub-picture selection for efficient bandwidth usage, and various image reconstruction methods based on the region of interest (viewport / viewing position / viewpoint dependent processing).
  • the decoded video signal may be processed according to various processing methods according to the video composition method.
  • image packing is performed in a 360 video transmission device, a process of reconstructing an image based on information transmitted through metadata is required.
  • video metadata generated by the 360 video transmission device may be used.
  • the decoded image includes a plurality of viewing positions, a plurality of viewing positions, or images of various viewing orientations, the location of the region of interest of the user generated through tracking, Information matching the viewpoint and direction information may be selected and processed.
  • the viewing position and viewpoint related metadata generated by the transmitter may be used.
  • a rendering process according to each may be included.
  • Video data (texture, depth, overlay) that has been subjected to a separate rendering process is subjected to composition, and at this time, composition metadata generated by a transmitter may be used.
  • information for playing in the viewport may be generated according to the ROI of the user.
  • the decoded voice signal generates a playable voice signal through an audio renderer and / or post-processing process, based on information about the user's region of interest and metadata delivered to the 360 video receiving device. You can generate the right information.
  • the decoded text signal may be delivered to the overlay renderer and processed as text-based overlay information such as a subtitle. If necessary, a separate text post-process may be included.
  • 15 is a diagram schematically illustrating examples of a FLUS architecture.
  • FIG. 15 illustrates an example in which a user equipment (UE) and a terminal or a network perform communication based on Framework for Live Uplink Streaming (FLUS) in a wireless communication system.
  • the FLUS source and the FLUS sink may transmit and receive data with each other using an F reference point.
  • UE user equipment
  • FLUS Framework for Live Uplink Streaming
  • a "FLUS source” may refer to an apparatus for transmitting data to a FLUS sync through an F reference point based on FLUS.
  • the FLUS source does not always transmit data to the FLUS sink, and in some cases, the FLUS source may receive data from the FLUS sink through the F reference point.
  • the FLUS source may be interpreted as being the same / similar to the image transmission device or the 360 video transmission device described above, including the image transmission device or the 360 video transmission device, or included in the image transmission device or the 360 video transmission device. Can be.
  • the FLUS source may be, for example, a terminal (UE), a network, a server, a cloud server, a set top box (STB), a base station, a PC, a desktop, a laptop, a camera, a camcorder, a TV, and the like, and are included in the illustrated devices.
  • the configuration may be a module or a module, and further, devices similar to the illustrated devices may operate as the FLUS source. Examples of FLUS sources are not limited to this.
  • FLUS sync may refer to an apparatus that receives data from a FLUS source through an F reference point based on FLUS.
  • the FLUS sink does not always receive data from the FLUS source.
  • the FLUS sink may transmit data through the F reference point to the FLUS source.
  • the FLUS sink may be interpreted as being the same / similar to the image receiving apparatus or the 360 video receiving apparatus described above, including the image receiving apparatus or the 360 video receiving apparatus, or included in the image receiving apparatus or the 360 video receiving apparatus. Can be.
  • the FLUS sink may be, for example, a network, a server, a cloud server, a terminal, a set top box, a base station, a PC, a desktop, a notebook, a camera, a camcorder, a TV, and the like, and may be a configuration or a module included in the illustrated devices.
  • devices similar to the illustrated devices can also operate as FLUS sinks.
  • An example of a FLUS sink is not limited to this.
  • the FLUS source may include capture devices, and the FLUS source itself including the capture devices may be the terminal. Alternatively, the capture devices may not be included in the terminal and may transmit media information to the terminal. The number of capture devices may be at least one.
  • a FLUS sink and rendering module (or unit), a processing module (or unit), and a distribution module (or unit) are shown to constitute one terminal or network.
  • the FLUS sink may include at least one of a rendering module, a processing module, and a distribution module, and the FLUS sink itself including at least one of the rendering module, the processing module, and the distribution module may be a terminal or a network.
  • at least one of the rendering module, the processing module, and the distribution module may not be included in the terminal or the network, and the FLUS sink may transmit the media information to at least one of the rendering module, the processing module, and the distribution module.
  • the number of rendering modules, processing modules, and distribution modules may be at least one, and in some cases, some modules may not exist.
  • the FLUS sink may operate as a Media Gateway Function (MGW) and / or an Application Function (AF).
  • MGW Media Gateway Function
  • AF Application Function
  • the F reference point connecting the FLUS source and the FLUS sink may allow the FLUS source to create and control a single FLUS session.
  • the F reference point may allow the FLUS sink to authenticate and authorize the FLUS source.
  • the F reference point may support security protection of the FLUS control plane F-C and the FLUS user plane F-U.
  • the FLUS source and FLUS sink may each include a FLUS ctrl module, and the FLUS source and FLUS sink's FLUS ctrl modules may be connected via F-C.
  • the FLUS ctrl module and FC can provide the ability to perform downstream distribution for media uploaded by FLUS sinks, provide media instance selection, and provide static metadata for sessions. Can support configuration In one example, if the FLUS sync can only perform rendering, there may be no F-C.
  • the F-C may be used to create and control a FLUS session.
  • the F-C may be used by the FLUS source to select a FLUS media instance, such as MTSI, to provide static metadata around the media session, or to select and configure processing and distribution functions.
  • the FLUS media instance can be defined as part of the FLUS session.
  • the F-U may optionally include a media stream creation procedure, and a plurality of media streams may be generated for one FLUS session.
  • the media stream may include media components for a single content type, such as audio, video, text, or may include media components for a plurality of different content types, such as audio and video.
  • the FLUS session may consist of the same plurality of content types.
  • a FLUS session may consist of a plurality of media streams for video.
  • the FLUS source and the FLUS sink may each include a FLUS media module, and the FLUS source and FLUS media modules of the FLUS sink may be connected through an F-U.
  • the FLUS media module and the F-U may provide for the creation of one or more media sessions and the transmission of media data via media streams.
  • a media session creation protocol eg, IMS session setup for a FLUS instance based on MTSI
  • IMS session setup for a FLUS instance based on MTSI may be required.
  • 16 is a diagram schematically illustrating an example of a configuration of a 3DoF + transmitter.
  • the transmitting end 360 may perform stitching for constituting a sphere image for each location / viewpoint / component.
  • projection may be performed as a 2D image for coding.
  • a plurality of images may be generated as sub-pictures divided into packings or sub-pictures for making integrated images.
  • the region-specific packing process may not be performed as an optional process, and in this case, the packing process unit may be omitted. If the input data is video / audio / text additional information, the additional information may be added to the center image to display a method, and additional data may also be transmitted.
  • An encoding process of compressing the generated image and the added data to generate a bit stream may be performed through an encapsulation process of converting the generated image and the added data into a file format for transmission or storage.
  • a process of extracting a file required by the receiver according to an application or system request may be processed.
  • the generated bitstream may be transmitted after being converted into a transport format through a transport processor.
  • the feedback feedback processor may process the location / view / direction information and necessary metadata based on the information transmitted from the receiver, and transmit the processed metadata to the associated transmitter.
  • 17 is a diagram schematically showing an example of the configuration of the 3DoF + receiving end.
  • the receiving end may extract a necessary file after receiving a bitstream transmitted from the transmitting end.
  • the video stream in the generated file format may be selected using location / view / direction information and video metadata delivered from the feedback processor, and the selected bitstream may be reconstructed into video information through a decoder.
  • unpacking may be performed based on packing information transmitted through metadata. If the packing process is omitted in the transmitter, unpacking of the receiver may also be omitted.
  • a process of selecting an image and a necessary component suitable for a viewpoint / viewing position / viewing orientation transmitted from the feedback processor may be performed.
  • a rendering process of reconstructing a texture, depth, overlay information, and the like of an image into a format suitable for reproducing may be performed.
  • a composition process of integrating information of different layers may be performed, and an image suitable for a display viewport may be generated and reproduced.
  • FIG. 18 is a diagram illustrating an example of capturing information about VR content at a plurality of locations.
  • the information for generating the VR content may be captured at a plurality of locations in one scene as shown in FIG. 18.
  • Two VR cameras can capture information for the creation of VR content at fixed positions A and B, and one VR camera can capture the information for generation of VR content while constantly changing its position on the rail.
  • the user may perform viewpoint switching between a plurality of locations, ie, a plurality of viewpoints.
  • viewpoint switching between a plurality of locations, ie, a plurality of viewpoints.
  • information about the position of the switched viewpoint and related media track information may be provided.
  • the system may be designed to switch to another viewpoint based on the hint if the particular viewpoint includes a hint for switching to another viewpoint.
  • FIG. 19 is a diagram illustrating an example of three viewpoints based on a global coordinate.
  • a global coordinate system may be represented by global three-dimensional Cartesian coordinate axes.
  • the center position of the viewpoint A may be the origin of the global coordinate system, and may be represented by a (0, 0, 0) value.
  • the absolute value of the position of the viewpoint in the global coordinate system may be expressed in millimeters.
  • ViewpointInfoStruct () provides viewpoint information including information about the location of the viewpoint and yaw, pitch, and roll angles relative to the X, Y, and Z axes. Can be.
  • the yaw, pitch and roll angle may represent the rotation angle of the global coordinate system of the viewpoint with respect to the common reference coordinate system.
  • An example of ViewpointInfoStruct () is shown in Table 1 below.
  • viewpoints_pos_x, viewpoints_pos_y and viewpoints_pos_z indicate the position of the viewpoint in millimeters when (0, 0, 0) is the center of the common reference coordinate system in three-dimensional space.
  • viewpoint_gcs_yaw, viewpoint_gcs_pitch and viewpoint_gcs_roll may mean X-axis, Y-axis and Z-axis yaw, pitch, and roll angle of the global coordinate system of a viewpoint with respect to a common reference coordinate system, respectively, and a unit may be 2-16 degree.
  • viewpoint_gcs_yaw is in the range of -180 * 2 16 degrees or more and 180 * 2 16 -1 degrees or less
  • viewpoint_gcs_pitch is in the range of -90 * 2 16 degrees or more and 180 * 2 16 -1 degrees or less
  • viewpoint_gcs_roll is -180 * 2 16 degrees or more 180 * 2 16 -1 degrees or less may be included in the range.
  • transition_effect_type may indicate the type of transition effect when viewpoint switching is performed. Examples of transition_effect_type are shown in Table 2 below.
  • transition_effect_type when the value of transition_effect_type is 0, a zoom-in effect indicating a transition effect that is zoomed in to a specific viewpoint may be indicated.
  • transition_effect_type When the value of transition_effect_type is 1, the user walks to a specific viewpoint.
  • a walking-through effect representing a transition effect may be indicated.
  • viewing_orientation_yaw, viewing_orientation_pitch, and viewing_orientation_roll represent the X, Y, and Z axis yaw, pitch, and roll rotation angles of the recommended global coordinate system when switching to the current viewpoint, and the unit may be 2-16 degrees.
  • viewing_orientation_yaw is in the range of -180 * 2 16 degrees or more and 180 * 2 16 -1 degrees
  • viewing_orientation_pitch is in the range of -90 * 2 16 degrees or more and 180 * 2 16 -1 degrees
  • viewing_orientation_roll is -180 * 2 16 degrees or more 180 * 2 16 -1 degrees or less may be included in the range.
  • a viewpoint information box according to an embodiment may be as follows.
  • the information included in Table 3 may provide viewpoint information including location information of the global coordinate system of the viewpoint with respect to the common reference coordinate system, X-axis, Y-axis and Z-axis yaw, pitch and roll rotation angle.
  • the viewpoint information box according to an embodiment may be expressed through syntax, for example, as shown in Table 4 below.
  • viewpoint_id may indicate IDs of viewpoints included in the viewpoint group
  • num_viewpoints may indicate the number of signaled viewpoints in the sample format.
  • the dynamic viewpoint timed metadata track may indicate a viewpoint parameter that changes dynamically over time.
  • the OMAF player may use the following signaled information when starting playback for the viewpoint after the viewpoint switchover has been performed. If there is a clearly signaled recommendation viewing orientation, the OMAF player may parse the information about the recommendation viewing orientation and follow the recommendation viewing orientation. Conversely, if there is no clearly signaled recommended viewing orientation, the OMAF player may maintain the viewing orientation of the viewpoint before the viewpoint switching occurs even after the viewpoint switching.
  • a track sample entry type 'dyvp' may be used.
  • the sample entry of the sample entry type may be specified as shown in Table 5 below.
  • sample syntax of the sample entry type 'dyvp' may be specified as shown in Table 6 below.
  • viewpoint_id represents ID information of viewpoints included in the viewpoint group
  • num_viewpoints may indicate the number of viewpoints signaled in the sample format.
  • the tracks included in the TrackGroupTypeBox whose track_group_type is 'vpgr' indicate that the tracks may be switched within the 360 scene.
  • Tracks mapped to this group that is, visual tracks having the same value of track_group_id in TrackGroupTypeBox whose track_group_type is 'vpgr' may form viewpoints that can be switched in the 360 scene.
  • non_contiguous_flag may indicate the contiguity characteristic of a track group, and thus, if the track_group_id is the same, the value of non_contiguous_flag may be the same.
  • the second embodiment may define an anchor viewpoint of each proximity viewpoint.
  • embodiments of the plurality of viewpoint video track groupings are not limited to the first and second embodiments described above. 20 to 22b may be for the first embodiment, and FIGS. 23 to 24b may be for the second embodiment.
  • a user may experience 360-degree video from various viewpoints by performing viewpoint switching based on a plurality of viewpoints in a 3DoF, 3DoF +, or 6DoF environment.
  • viewpoints in which viewpoint switching may be performed may be referred to as a "hotspot". Since hotspots represent viewpoints in which viewpoint switching can be performed, viewpoints may be interpreted as sub-concepts of viewpoints, but in some cases, hotspots may represent concepts that are the same as or similar to viewpoints.
  • any "viewpoint” described throughout this specification may be replaced with a hotspot and any "hotspot” described throughout this specification may be replaced with a viewpoint.
  • information related to a hot spot such as “hot spot metadata”
  • viewpoint metadata may be alternatively interpreted as "viewpoint metadata”.
  • common reference coordinate system may refer to a coordinate system that becomes a reference (or center) of a group of viewpoints.
  • the common reference coordinate system may be referred to as a reference coordinate system or the like.
  • FIG. 20 illustrates an example of viewpoint group ID and non-proximity flag information of a plurality of viewpoints.
  • the syntax for a plurality of viewpoint video track groupings may be expressed, for example, as shown in Table 7 below.
  • non_contiguous_flag value of 0 means that all viewpoints in the group are close in the 360 scene
  • the non_contiguous_flag value of 1 means that the viewpoint video track group will display at least one non-contiguous viewpoint in the 360 scene. It may mean including.
  • non_contiguous_flag values of tracks having the same value of track_group_id may be the same.
  • track_group_id having a value of non_contiguous_flag 0 may precede track_group_id having a value of non_contiguous_flag 1.
  • viewpoint video track group can be defined by adding a flag or defining a ViewpointTrackGroupType.
  • the semantics of ViewpointTrackGroupType () of Table 7 may include fields such as transition_effect_type, viewing_orientation_refresh_flag, viewing_orientation_refresh_flag, and the like.
  • the transition_effect_type may indicate the type of transition effects when viewpoint switching is performed in the track group. If the value of viewing_orientation_refresh_flag is 1, InitialViewingOrientationSample () does not appear, and it may be recommended to maintain the viewing orientation of the viewpoint before switching to the current viewpoint. If the value of viewing_orientation_refresh_flag is 0, InitialViewingOrientationSample () appears and it may be recommended to follow the viewing orientation included in the InitialViewingOrientationSample () signaled when switching to the current viewpoint.
  • viewpoints are represented via VP # 1 to VP # 5.
  • Lines separating VP # 1 and VP # 2 and VP # 3, VP # 4 and VP # 5 may indicate whether the viewpoints are close to each other. Since VP # 1 and VP # 2 in the group having track_group_id are close to each other, the value of non_contiguous_flag of viewpoints in the group in which track_group_id is 0 is 0. Since VP # 2 in the group with track_group_id is not close to VP # 4 and VP # 5, the value of non_contiguous_flag of viewpoints in the group with track_group_id is 1 is 1. Since VP # 3, VP # 4 and VP # 5 in the group with track_group_id are close to each other, the value of non_contiguous_flag of viewpoints in the group with track_group_id is 2 is zero.
  • 21A and 21B illustrate an example of a display depending on whether a plurality of viewpoints are in proximity.
  • VP # 1 to VP # 4 represent scenes of the stadium
  • VP # 5 and VP # 6 represent scenes of the locker room
  • VP # 7 represents the scene of the stadium entrance. Since VP # 1 to VP # 4 included in the group having track_group_id 0 are close to each other, the value of non_contiguous_flag of viewpoints in the group having track_group_id 0 is 0. Since VP # 5 and VP # 6 included in the group having track_group_id 1 are close to each other, the value of non_contiguous_flag of viewpoints in the group having track_group_id 1 is 0. Since all of VP # 1 to VP # 7 included in the group having track_group_id are not close to each other, the value of non_contiguous_flag of viewpoints in the group having track_group_id is 2 is 1.
  • the transition effects applied when switching between adjacent viewpoints and switching between non-contiguous viewpoints may be different.
  • the transition effect applied when switching between adjacent viewpoints is a zoom in effect
  • the transition effect applied when switching between non-contiguous viewpoints is a walking through effect or a walk through effect. It may be a walk through a hall way.
  • the viewport shown in the left figure of FIG. 21B includes a plurality of icons, each corresponding to a plurality of viewpoints, the viewport being derived from a current viewpoint (VP # 1 in the example of FIG. 21B). Can be.
  • each of the plurality of icons may include each of the plurality of viewpoints (VP # 2 through VP # 7 in the example of FIG. 21B) and the current viewpoint (VP # 1 in the example of FIG. 21B).
  • the first icon type or the second icon type may be determined based on whether they are contiguous.
  • first icon type and the “second icon type” are merely an arbitrary classification of icon types of icons displayed to represent a viewpoint in 360-degree content, and thus the icon types are predefined icons. It will be readily understood by one of ordinary skill in the art that the present invention is intended to be a type or does not have a special meaning in the ordinal number representing the icon types.
  • a viewpoint (VP # 2 to VP # 4 in the example of FIG. 21B) close to the current viewpoint among the plurality of viewpoints is represented through an icon according to the first icon type
  • the current view A non-contiguous viewpoint (VP # 5 through VP # 7 in the example of FIG. 21B) may be represented through an icon according to the second icon type.
  • the first icon type and the second icon type may be characterized in that at least one of color, saturation, brightness, size, shape, and pattern is different from each other.
  • a viewpoint (VP # 2 to VP # 4 in the example of FIG. 21B) close to the current viewpoint is displayed through an icon according to a first icon type of a circular shape that is relatively saturated with a plain pattern.
  • the non-contiguous viewpoint (VP # 5 to VP # 7 in the example of FIG. 21B) of the current viewpoint may be an icon according to a second icon type of a circular shape having low saturation relative to a dot pattern. You can see what appears through.
  • Examples of the hue, saturation, lightness, size, shape, pattern, etc. that the first icon type and the second icon type may have are not limited by the icons shown in FIG. 21B, to those skilled in the art. Will be understood.
  • icons according to the first icon type may be displayed based on the positions of viewpoints corresponding to the icons according to the first icon type in the viewport.
  • a second icon type representative icon representing icons according to the second icon type is displayed at the upper right of the viewport, and the second icon type representative icon is the icons according to the second icon type. It may be used to switch to a pop-up screen including information about.
  • VP # 5, VP # 6, and VP # 7 that are not in close proximity to VP # 1 can be accessed through the overlay icon shown in the upper right of the left figure of FIG. 21B.
  • viewpoints with track_group_id equal to 1 and viewpoints with track_group_id equal to 2 and non-track_group_id equal to 0 are non-adjacent to VP # 1, so icons corresponding to VP # 5, VP # 6 and VP # 7 are VP # 1.
  • it may be additionally displayed after accessing the link icon.
  • a name, still image, preview video, actual video or related description may be delivered or displayed using an overlay.
  • FIGS. 22A and 22B FIG. 4 is a diagram illustrating another example of a display according to proximity between a plurality of viewpoints.
  • FIG. 22A illustrates that icons corresponding to VP # 5, VP # 6, and VP # 7 that are not in proximity to VP # 1 are displayed in a pop-up manner
  • FIG. 22B is a VP # that is not in proximity to VP # 1. Icons corresponding to 5, VP # 6 and VP # 7 may be displayed through an add-on method in the viewport.
  • the icons according to the second icon type are displayed based on the location of viewpoints corresponding to the icons according to the second icon type in the viewport, and the icons according to the second icon type.
  • Image and description information about one of the icons may be displayed. For example, referring to FIG. 22A, VP # 5, VP # 6 and VP # 7 are not in close proximity to VP # 1 and cannot be displayed directly within the scene of VP # 1, but VP # 5, VP # 6. And icons corresponding to VP # 5, VP # 6 and VP # 7 at an optimal indirect position representing the VP # 7 (eg, the location of the locker room as viewed in the VP # 1 scene).
  • image information and description information related to each viewpoint may be displayed in a pop-up manner as shown in FIG. 22A.
  • the names and images of the icons according to the second icon type and viewpoints corresponding to the icons according to the second icon type may be displayed on the left side of the viewport.
  • icons for VP # 5, VP # 6, and VP # 7 that are not in proximity to VP # 1 may be displayed on the left side of the scene for VP # 1.
  • images corresponding to VP # 5, VP # 6 and VP # 7 may be displayed respectively.
  • viewpoint group ID is an example illustrating viewpoint group ID, non-proximity flag information, and anchor viewpoint flag information of a plurality of viewpoints.
  • the syntax for a plurality of viewpoint video track groupings may be expressed, for example, as shown in Table 8 below.
  • the anchor viewpoint may be defined as the base viewpoint of the proximity viewpoints.
  • the (current) viewpoint may not be an anchor / master / origin among adjacent viewpoints in the track group (or viewpoint group).
  • the (current) viewpoint may be an anchor / master / origin among adjacent viewpoints in the track group (or viewpoint group).
  • the value of anchor_viewpoint_flag for at least one viewpoint may be 1.
  • an anchor viewpoint may be used as a connection point between two separate groups.
  • the viewpoint located at the door of the room may be defined as an anchor viewpoint.
  • the viewpoint located at the door of the room may be connected to the viewpoint located at the door of another room as a connection point.
  • the current viewpoint may be spatially or logically close to the anchor viewpoint. If the value of non_contiguous_flag is 1, the current current viewpoint may be spatially or logically in close proximity to the anchor viewpoint. That is, the contiguity of the viewpoints in the viewpoint track group may be determined by the spatial or logical relationship between the current viewpoint and the anchor viewpoint. In one example, another type of viewpoint video track group may be defined by adding a flag or defining a ViewpointTrackGroupType.
  • the ViewpointTrackGroupType may indicate indication information for different types of proximity, such as spatial proximity and logical proximity.
  • ViewpointTransitionEffectStruct () may include the following transition_effect_type and viewing_orientation_refresh_flag.
  • the transition_effect_type may indicate the type of transition effect applied when switching between viewpoints in the track group (or viewpoint group) is performed. If the value of viewing_orientation_refresh_flag is 0, InitialViewingOrientationSample () does not appear, and it may be recommended to maintain the viewing orientation before switching is performed in the same track group (or viewpoint group). If the value of viewing_orientation_refresh_flag is 1, an InitialViewingOrientationSample () value appears, and it may be recommended to follow the viewing orientation included in the InitialViewingOrientationSample () signaled when switching is performed in the same track group.
  • viewpoints having track_group_id of the viewpoint track group 0 are VP # 1 to VP # 5, and viewpoints having track_group_id of viewpoint track group 1 (inside solid line) It can be seen that the viewpoints) are also VP # 1 to VP # 5.
  • the proximity may be determined based on the line in the center of FIG. 23. That is, VP # 1 and VP # 2 may be close to each other, and VP # 3, VP # 4 and VP # 5 may be close to each other.
  • the anchor viewpoint of the viewpoint (track) group in which track_group_id is 0 is VP # 2
  • the anchor viewpoint of the viewpoint (track) group in which track_group_id is 1 is VP # 4.
  • 24A and 24B illustrate another example of a display depending on whether a plurality of viewpoints are in proximity.
  • viewpoints in which the track_group_id of the viewpoint track group is 0 are VP # 1 to VP # 7
  • the anchor viewpoint is VP # 1
  • the viewpoints close to the anchor viewpoint VP # 1 are VP #. 2 to VP # 4. Therefore, the value of anchor_viewpoint_flag of VP # 1 is 1, the value of anchor_viewpoint_flag of VP # 2 to VP # 7 is 0, the value of non_contiguous_flag of VP # 1 to VP # 4 is 0, and the value of VP # 5 to VP # 7 is It can be seen that the value of anchor_viewpoint_flag is 1.
  • the anchor viewpoint of the viewpoint (track) group with track_group_id 1 is VP # 5
  • the anchor viewpoint of the viewpoint (track) group with track_group_id is 2 is VP # 7
  • the viewpoint group and 2 with track_group_id 1 Like the viewpoint group having track_group_id of 0, the viewpoint group can determine that the anchor_viewpoint_flag value and the non_contiguous_flag value are determined based on the anchor viewpoint.
  • the transition effects applied when switching between adjacent viewpoints and switching between non-contiguous viewpoints may be different.
  • the transition effect applied when switching between adjacent viewpoints is a zoom in effect
  • the transition effect applied when switching between non-contiguous viewpoints can be a walking through effect or a walk through effect. have.
  • a name, still image, preview video, actual video or related description may be displayed or displayed using an overlay.
  • FIG. 24A it can be seen that VP # 1, VP # 2, VP # 3, and VP # 4 are close to each other in the viewpoint group in which track_group_id is 0.
  • Icons indicating the positions of VP # 3 and VP # 4 may be overlaid.
  • VP # 5, VP # 6 and VP # 7, which are not in close proximity to VP # 1, can be accessed via the overlay icon shown in the upper right of the left figure of FIG. 24B.
  • the icons corresponding to VP # 5, VP # 6 and VP # 7 are not displayed directly in the scene of VP # 1, but rather on the link icon. May be additionally displayed after access to the device.
  • icons corresponding to VP # 5, VP # 6, and VP # 7 that are not adjacent to VP # 1 may be, for example, through an additional pop-up display, through an add-on in a viewport, or an actual location. This may occur through the 360 spherical coordinate system, which may or may not be associated with, or through the black region due to the coverage limits of the 360 scene.
  • the above-described metadata may appear as DASH data of Table 9 below.
  • transition_effect_type of Table 9 can be compatible with transition_effect_type [i] shown in Table 1
  • viewing_orientation_refresh_flag of Table 9 can be compatible with viewing_orientation_refresh_flag in Table 1
  • Table 9 viewing_orientation_yaw, viewing_orientation_pitch and viewing_orientation_roll Table 1 of viewing_orientation_yaw, viewing_orientation_pitch and viewing_orientation_roll Num_viewpoints of Table 9 may correspond to num_viewpoints of Table 4
  • viewpoint_id of Table 9 may correspond to viewpoint_id of Table 4
  • non_contiguous_flag of Table 9 may correspond to non_contiguous_flag of Table 7
  • ViewpointTrackGroupType in Table 9 may correspond to ViewpointTrackGroupType in Table 7.
  • 25A and 25B are diagrams illustrating an example showing a plurality of viewpoints.
  • the plurality of viewpoints may be used when the user navigates through 360 scenes.
  • the hot spot may be used in the process of switching between a plurality of viewpoints, and the user may perform viewpoint switching by selecting and clicking a hot spot representing a switchable viewpoint in the 360 scene.
  • the first is metadata about the transition effects that are recommended to be used when switching from one viewpoint to another.
  • the transition effect may include, for example, a walk-through effect or a zoom in effect.
  • the metadata for the transition effect may provide a smooth transition when switching between viewpoints intended by the content provider is performed.
  • the second is metadata about the grouping of viewpoints that allows the user to select one of the available viewpoints.
  • FIG. 25A illustrates an example of a plurality of viewpoints of a sports stadium, showing a plurality of viewpoints of a sports stadium, viewpoints outside a field such as a plurality of viewpoints of a locker room and a viewpoint of an entrance of a stadium.
  • the viewpoint at which the user can switch hot spots can be located in the current 360 scene, and the position of the viewpoint can be determined based on the actual relationship between the proximity viewpoints. Can be. Once the viewpoint location is aligned with the scene, the user can intuitively select the viewpoint.
  • the receiver may need to indicate the availability of non-contiguous viewpoints in a different way since the spatial relationship between viewpoints may not be aligned with the scene.
  • FIG. 25B it can be seen that the locker rooms and the stadium entrance are connected to a hot spot that does not coincide with the actual time point.
  • a signaling method may be provided that enables the receiver to receive information about the intended transition effect.
  • a new track grouping may be proposed for a plurality of viewpoints indicating a group of video tracks for viewpoint switching.
  • a method of conveying viewpoint metadata in OMAF may be proposed.
  • a method of conveying viewpoint metadata in OMAF comprising transition effect metadata in ViewpointInfoStruct (), which can be passed in order to indicate a group of video tracks that can be switched within a proximity or non-proximity 360 scene.
  • a new track grouping for may be proposed.
  • ViewpointInfoStruct () may provide viewpoint information including the position of the viewpoint of the global coordinate system relative to the common reference coordinate system and the yaw, pitch, and roll rotation angles of the X, Y, and Z axes.
  • viewpoint information including the position of the viewpoint of the global coordinate system relative to the common reference coordinate system and the yaw, pitch, and roll rotation angles of the X, Y, and Z axes.
  • a common reference coordinate system needs to be defined that is common to all viewpoints in the viewpoint group.
  • Table 10 An example of the syntax including the ViewpointInfoStruct () is shown in Table 10 below.
  • viewpoint_pos_x, viewpoint_pos_y and viewpoint_pos_z may represent the position of the viewpoint in millimeter units in 3D space having (0, 0, 0) as the center of the common reference coordinate system.
  • viewpoint_gcs_yaw, viewpoint_gcs_pitch and viewpoint_gcs_roll may mean X-axis, Y-axis and Z-axis yaw, pitch, and roll angle of the global coordinate system of a viewpoint with respect to a common reference coordinate system, respectively, and a unit may be 2-16 degree.
  • viewpoint_gcs_yaw is in the range of -180 * 2 16 degrees or more and 180 * 2 16 -1 degrees or less
  • viewpoint_gcs_pitch is in the range of -90 * 2 16 degrees or more and 180 * 2 16 -1 degrees or less
  • viewpoint_gcs_roll is -180 * 2 16 degrees or more 180 * 2 16 -1 degrees or less may be included in the range.
  • transition_effect_type may indicate the type of transition effect when viewpoint switching is performed. Examples of transition_effect_type are shown in Table 11 below.
  • ViewpointInfoStruct according to Table 10 is only an example, it will be readily understood by those skilled in the art that the syntax indicating ViewpointInfoStruct is not limited to Table 10.
  • TrackGroupTypeBox with track_group_type of 'vpgr' may indicate that the track is a switchable track in the 360 scene.
  • a track mapped to that group may form switchable viewpoints within the 360 scene.
  • an example of the syntax including anchor_viewpoint_flag and non_contiguous_flag may be as Table 12 below.
  • the (current) viewpoint may correspond to the anchor viewpoint which is the basis for determining the proximity of viewpoints in the same viewpoint track group.
  • the value of anchor_viewpoint_flag of at least one track (or viewpoint) of the corresponding group may be 1.
  • the OMAF player may play an anchor viewpoint track when the user joins a viewpoint track group, without explicitly selecting a particular viewpoint from that viewpoint track group, such as a 360 scene change.
  • non_CONTIGUOUS_FLAG in Table 12 If the value of non_CONTIGUOUS_FLAG in Table 12 is 0, it may be close to the anchor viewpoint, and if the value of non_contiguous_flag is 1, it may be non-adjacent to the anchor viewpoint.
  • FIG. 26 is a flowchart illustrating a method of operating a 360 degree video transmitting apparatus, according to an embodiment.
  • FIG. 27 is a block diagram illustrating a configuration of a 360 degree video transmitting apparatus, according to an exemplary embodiment.
  • Each step disclosed in FIG. 26 may be performed by the 360 video transmitting device disclosed in FIG. 5, the 360 video transmitting device disclosed in FIG. 14A, the FLUS source disclosed in FIG. 15, or the 360 degree video transmitting device disclosed in FIG. 27.
  • S2600 of FIG. 26 may be performed by the data input unit of the 360 video transmitting apparatus disclosed in FIG. 5, and S2610 of FIG. 26 may be performed by the projection processing unit of the 360 video transmitting apparatus disclosed in FIG. 5, S2620 of FIG. 26 may be performed by the metadata processor of FIG. 5, S2630 of FIG. 26 may be performed by a data encoder of the 360 video transmission apparatus of FIG. 5, and S2640 of FIG. 26 may be performed by FIG. 5. It may be performed by the encapsulation processing unit of the disclosed 360 video transmission device. Therefore, in describing each step of FIG. 26, detailed descriptions overlapping with those described above with reference to FIGS. 5, 14A, and 15 will be omitted or simplified.
  • an apparatus for transmitting a 360 degree video may include a data input unit, a projection processor, a metadata processor, a data encoder, and an encapsulation processor.
  • a data input unit may include a data input unit, a projection processor, a metadata processor, a data encoder, and an encapsulation processor.
  • all of the components shown in FIG. 27 may not be essential components of the 360-degree video transmission apparatus, and the 360-degree video transmission apparatus may be formed by more or less components than those shown in FIG. 27. Can be implemented.
  • the data input unit, the projection processing unit, the metadata processing unit, the data encoder, and the encapsulation processing unit are each implemented as separate chips, or at least two or more components are used as one chip. It may be implemented through.
  • 360 video and “360-degree video” are only slightly different names and may indicate the same object. Accordingly, the "360 video transmission device” shown in FIG. 5 and the “360 degree video transmission device” shown in FIG. 27 may perform the same / similar operations with slightly different names, and the "shown in FIG. 6". 360 video receiving device “and" 360-degree video receiving device “shown in FIG. 29 may be slightly different in name, and may perform the same / similar operations.
  • the 360-degree video transmission device may acquire 360-degree video data captured by the at least one image acquisition device (S2600). More specifically, the data input unit of the 360 degree video transmission device may acquire 360 degree video data captured by the at least one image acquisition device.
  • the image acquisition device may include a camera, a camcorder, a smartphone, a PC, and the like, but is not limited to the above-described example.
  • the 360-degree video transmission apparatus may process 360-degree video data to derive a 2D picture including an omnidirectional image (S2610). More specifically, the projection processor of the 360-degree video transmission apparatus may process the 360-degree video data to derive a two-dimensional picture including an omnidirectional image.
  • the 360 degree video transmission apparatus may generate metadata about 360 degree video data (S2620). More specifically, the metadata processor of the 360 degree video transmission apparatus may generate metadata about the 360 degree video data.
  • the metadata may include non-proximity flag information indicating whether at least one viewpoint included in the viewpoint group in the 360 degree video data is non-contiguous with each other.
  • the non-proximity flag information may be referred to as non_contiguous_flag.
  • the value of the non-proximity flag information is 0 when all viewpoints included in the viewpoint group are close to each other, and the non-proximity when the at least one viewpoint included in the viewpoint group is close to each other.
  • the value of the proximity flag information may be one.
  • the determination as to whether the at least one viewpoint included in the viewpoint group is in close proximity to each other is at least one of spatial non-contiguity and logical non-contiguity. Can be based on In one example, the determination of whether the at least one viewpoint included in the viewpoint group is in close proximity to each other may be performed based on a ViewpointTrackGroupType.
  • the metadata may further include anchor viewpoint flag information indicating whether a current viewpoint included in the viewpoint group is an anchor viewpoint.
  • the anchor viewpoint flag information may be referred to as anchor_viewpoint_flag.
  • the value of the anchor viewpoint flag information for the current viewpoint is 1 when the current viewpoint is the anchor viewpoint, and the current viewpoint when the current viewpoint is not the anchor viewpoint.
  • the value of the anchor viewpoint flag information for may be zero.
  • the value of the non-proximity flag information for the current viewpoint when the current viewpoint included in the viewpoint group is close to the anchor viewpoint, the value of the non-proximity flag information for the current viewpoint is 0, and the current included in the viewpoint group When the viewpoint is not in close proximity to the anchor viewpoint, the value of the non-proximity flag information for the current viewpoint may be one.
  • the value of the non-proximity flag information when the value of the anchor viewpoint flag information is 1, the value of the non-proximity flag information may be zero.
  • the metadata may further include information on whether to apply an initial viewing orientation to the viewpoint.
  • information about whether to apply initial viewing orientation to the viewpoint may be referred to as viewing_orientation_refresh_flag.
  • the metadata is required of the initial viewing orientation for the viewpoint. It may include information about the yaw angle, the pitch angle, and the roll angle. In one example, information about yaw angle, pitch angle and roll angle of the initial viewing orientation for the viewpoint may be referred to as InitialViewingOrientationSample.
  • the metadata may further include information on the type of transition effect to be applied when the viewpoint switching is performed in the viewpoint group.
  • the information on the type of the transition effect may be referred to as transition_effect_type.
  • the information about the type of the transition effect may include information about a zoom-in effect and information about a walking through effect.
  • the 360-degree video transmission device may encode information about a 2D picture (S2630). More specifically, the data encoder of the 360-degree video transmission device may encode information about a 2D picture.
  • the 360-degree video transmission apparatus may perform encapsulation based on information and metadata about a 2D picture (S2640). More specifically, the encapsulation processing unit of the 360-degree video transmission device may perform encapsulation based on information and metadata about the 2D picture.
  • the 360 degree video transmission device acquires 360 degree video data captured by at least one camera, (S2600), a 360 degree video data is processed to derive a 2D picture including an omnidirectional image (S2610), metadata for 360 degree video data is generated (S2620), and information about the 2D picture is encoded.
  • encapsulation may be performed based on information and metadata about a 2D picture in operation S2640, wherein the metadata includes at least one view included in a viewpoint group in the 360 degree video data. It may be characterized by including non-proximity flag information indicating whether points are non-contiguous with each other. Accordingly, non-proximity flag information indicating whether at least one viewpoint included in the viewpoint group in the 360 degree video is in close proximity to each other can be effectively signaled.
  • FIG. 28 is a flowchart illustrating a method of operating a 360 degree video receiving apparatus according to an embodiment
  • FIG. 29 is a block diagram illustrating a configuration of a 360 degree video receiving apparatus according to an embodiment.
  • the 360-degree video receiving apparatus and its operating method according to FIGS. 28 and 29 may correspond in part to the operating method of the 360-degree video transmitting apparatus according to FIGS. 26 and 27. Accordingly, some overlapping operations may be simplified or omitted.
  • Each step disclosed in FIG. 28 may be performed by the 360 video receiving device disclosed in FIG. 6, the 360 video receiving device disclosed in FIG. 14B, the FLUS sink disclosed in FIG. 15, or the 360 degree video receiving device disclosed in FIG. 29.
  • S2800 of FIG. 28 may be performed by the receiving unit of the 360 video receiving apparatus disclosed in FIG. 6,
  • S2810 of FIG. 28 may be performed by the decapsulation processing unit disclosed in FIG. 6,
  • S2820 of FIG. 28. 6 may be performed by the data decoder of the 360 video receiving apparatus disclosed in FIG. 6,
  • S2830 of FIG. 28 may be performed by the renderer disclosed in FIG. 6, and S2840 of FIG. 28 may include a display ( It can be performed by). Therefore, in describing each step of FIG. 28, detailed descriptions overlapping with the foregoing descriptions of FIGS. 6, 14B, and 15 will be omitted or simplified.
  • a 360-degree video receiving apparatus may include a receiver, a decapsulation processor, a data decoder, a renderer, and a display.
  • the 360-degree video receiving apparatus may be formed by more or less components than those shown in FIG. 29.
  • the renderer may include a display unit and perform operations of the display unit together.
  • the display unit may include the renderer and perform the operation of the renderer together.
  • the display unit illustrated in FIG. 29 may be referred to by various names such as a display, a display unit, a display module, and a display device.
  • the receiver, the decapsulation processor, the data decoder, and the renderer may be implemented as separate chips, or at least two or more components may be implemented through one chip.
  • the 360-degree video receiving device may receive information about 360-degree video data (S2800). More specifically, the receiver of the 360 degree video receiving apparatus may receive information about the 360 degree video data.
  • the 360-degree video receiving device may receive information about the 360-degree video data from the 360-degree video transmission device, the information about the 360-degree video data, for example, the picture encoded in the 360-degree transmission device It may include a file derived by performing encapsulation based on the information on the metadata and the metadata about the 360-degree video data.
  • the information about the 360-degree video data for example, the picture encoded in the 360-degree transmission device It may include a file derived by performing encapsulation based on the information on the metadata and the metadata about the 360-degree video data.
  • examples are not limited thereto.
  • the 360-degree video receiving apparatus may obtain information about the encoded picture and metadata from the information about the 360-degree video data (S2810). More specifically, the reception processor, the metadata parser, or the decapsulation processor of the 360 degree video receiving apparatus may obtain information about the encoded picture and metadata from the information about the 360 degree video data. In an example, the decapsulation processing unit of the 360-degree video receiving device may obtain information and metadata about the encoded picture by decapsulating the information about the 360-degree video data.
  • the 360-degree video receiving apparatus may decode the encoded picture based on the information about the encoded picture (S2820). More specifically, the data decoder of the 360 degree video receiving apparatus may decode the encoded picture based on the information about the encoded picture.
  • the 360-degree video receiving apparatus may render the decoded picture based on the metadata (S2830). More specifically, the renderer of the 360-degree video reception apparatus may render the decoded picture based on the metadata.
  • the 360-degree video receiving apparatus may display a viewport in the image generated based on the rendering. More specifically, the display unit of the 360-degree video receiving apparatus may display a viewport in the image generated based on the rendering.
  • the viewport includes a plurality of icons each corresponding to a plurality of viewpoints, and the viewport may be derived from the current viewpoint.
  • each of the plurality of icons may be determined as a first icon type or a second icon type based on whether each of the plurality of viewpoints and the current viewpoint are contiguous.
  • the viewpoint close to the current viewpoint among the plurality of viewpoints is represented through an icon according to the first icon type, and the non-contiguous viewpoint is adjacent to the current viewpoint. 2 Can be displayed through the icon according to the icon type.
  • the first icon type and the second icon type may differ from each other in at least one of color, saturation, brightness, size, shape, and pattern.
  • icons according to the first icon type may be displayed based on the positions of viewpoints corresponding to the icons according to the first icon type in the viewport.
  • a second icon type representative icon representing icons according to the second icon type is displayed at the upper right of the viewport, and the second icon type representative icon is the icons according to the second icon type. It may be used to switch to a pop-up screen including information about.
  • the pop-up screen may include at least one of a name, still image, preview video, video, and description information of viewpoints corresponding to the icons according to the second icon type. It can be displayed.
  • the icons according to the second icon type are displayed based on the location of viewpoints corresponding to the icons according to the second icon type in the viewport, and the icons according to the second icon type. Image and description information about one of the icons may be displayed.
  • the names and images of the icons according to the second icon type and viewpoints corresponding to the icons according to the second icon type may be displayed on the left side of the viewport.
  • the current viewpoint is one of a plurality of viewpoints included in the viewpoint group
  • the metadata, at least one viewpoint included in the viewpoint group is non-contiguous to each other. It may include non-proximity flag information indicating whether or not.
  • the value of the non-proximity flag information for the viewpoint group is 0, and the at least one of the viewpoint groups included in the viewpoint group When the viewpoints are not in proximity to each other, the value of the non-proximity flag information for the viewpoint group may be 1.
  • the plurality of viewpoints included in the viewpoint group are based on icons according to the first icon type in the viewport. May appear.
  • the determination of whether the viewpoints are close to each other may be based on at least one of spatial non-contiguity and logical non-contiguity.
  • the 360-degree video receiving apparatus receives the information about the 360-degree video data (S2800), Obtain information and metadata about an encoded picture from information about 360-degree video data (S2810), decode the encoded picture based on the information about the encoded picture (S2820), and based on the metadata
  • the decoded picture may be rendered (S2830) and the viewport in the image generated based on the rendering may be displayed (S2840), wherein the viewport includes a plurality of icons corresponding to a plurality of viewpoints, respectively.
  • the viewport is derived from a current viewpoint, and each of the plurality of icons includes: each of the plurality of viewpoints and the current viewpoint.
  • the first icon type or the second icon type may be determined based on whether they are contiguous. Accordingly, it is possible to efficiently determine whether the viewpoints observed in the viewport are close to the current viewpoint through the type of icon. That is, the user interface for the plurality of viewpoints can be displayed more efficiently.
  • Each part, module, or unit described above may be a processor or hardware part that executes successive procedures stored in a memory (or storage unit). Each of the steps described in the above embodiments may be performed by a processor or hardware parts. Each module / block / unit described in the above embodiments can operate as a hardware / processor.
  • the methods proposed by the present invention can be executed as code. This code can be written to a processor readable storage medium and thus read by a processor provided by an apparatus.
  • 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.

Abstract

본 발명의 일 실시예에 따른 360도 비디오 수신 장치에 의하여 수행되는 영상 디스플레이 방법에 있어서, 상기 영상 디스플레이 방법은, 360도 비디오 데이터에 대한 정보를 수신하는 단계, 상기 360도 비디오 데이터에 대한 정보로부터 인코딩된 픽처에 대한 정보 및 메타데이터를 획득하는 단계, 상기 인코딩된 픽처에 대한 정보를 기반으로, 상기 인코딩된 픽처를 디코딩하는 단계, 상기 메타데이터를 기반으로 상기 디코딩된 픽처를 렌더링하는 단계 및 상기 렌더링을 기반으로 생성된 영상 내 뷰포트(viewport)를 디스플레이하는 단계를 포함하되, 상기 뷰포트는 복수의 뷰포인트들과 각각 대응되는 복수의 아이콘들을 포함하고, 상기 뷰포트는 현재 뷰포인트에서 도출되며, 상기 복수의 아이콘들 각각은, 상기 복수의 뷰포인트들 각각과 상기 현재 뷰포인트가 서로 근접한지(contiguous) 여부를 기반으로 제1 아이콘 타입 또는 제2 아이콘 타입으로 결정되는 것을 특징으로 한다.

Description

360도 컨텐츠 내 복수의 뷰포인트들에 관한 사용자 인터페이스를 제공하는 방법 및 장치
본 발명은 360도 컨텐츠 내 복수의 뷰포인트들(multiple-viewpoints)에 관한 것으로, 보다 상세하게는 360도 컨텐츠 내 복수의 뷰포인트들에 관한 사용자 인터페이스를 제공하는 방법 및 장치에 관한 것이다.
VR(Virtual Reality) 시스템은 사용자에게 전자적으로 투영된 환경 내에 있는 것 같은 감각을 제공한다. AR(Augmented Reality, AR) 시스템은 현실의 이미지나 배경에 3차원 가상 이미지를 중첩하여, 사용자에게 가상과 현실이 혼합된 환경 내에 있는 것 같은 감각을 제공한다. VR 또는 AR을 제공하기 위한 시스템은 더 고화질의 이미지들과, 공간적인 음향을 제공하기 위하여 더 개선될 수 있다. VR 또는 AR 시스템은 사용자가 인터랙티브하게 VR 또는 AR 컨텐츠들을 소비할 수 있도록 할 수 있다.
VR 또는 AR 컨텐츠에 대한 수요가 점점 증가하고 있는 상황에서, 360도 비디오 데이터 전송 장치는 VR 또는 AR 컨텐츠 내의 복수의 뷰포인트들(multiple-viewpoints)에 대한 정보를 보다 구체적으로 시그널링하고, 360도 비디오 데이터 수신 장치는 복수의 뷰포인트들에 관한 사용자 인터페이스를 보다 구체적으로 구현 또는 디스플레이할 필요성이 증가하고 있다.
본 발명의 기술적 과제는 360도 비디오 데이터를 처리하는 방법 및 장치를 제공함에 있다.
본 발명의 다른 기술적 과제는 360도 비디오 데이터에 대한 메타데이터를 전송 또는 수신하는 방법 및 장치를 제공함에 있다.
본 발명의 또 다른 기술적 과제는 복수의 뷰포인트들에 대한 메타데이터를 전송 또는 수신하는 방법 및 장치를 제공함에 있다.
본 발명의 또 다른 기술적 과제는 뷰포인트 그룹에 포함된 적어도 하나의 뷰포인트가 서로 비근접(non-contiguous)한지 여부를 나타내는 비근접 플래그 정보를 전송 또는 수신하는 방법 및 장치를 제공함에 있다.
본 발명의 또 다른 기술적 과제는 현재 뷰포인트가 앵커 뷰포인트(anchor viewpoint)인지 여부를 나타내는 앵커 뷰포인트 플래그 정보를 전송 또는 수신하는 방법 및 장치를 제공함에 있다.
본 발명의 또 다른 기술적 과제는 복수의 뷰포인트들에 관한 사용자 인터페이스를 보다 효율적으로 디스플레이하는 방법 및 장치를 제공함에 있다.
본 발명의 일 실시예에 따르면, 360도 비디오 수신 장치에 의하여 수행되는 영상 디스플레이 방법이 제공된다. 상기 방법은, 360도 비디오 데이터에 대한 정보를 수신하는 단계, 상기 360도 비디오 데이터에 대한 정보로부터 인코딩된 픽처에 대한 정보 및 메타데이터를 획득하는 단계, 상기 인코딩된 픽처에 대한 정보를 기반으로, 상기 인코딩된 픽처를 디코딩하는 단계, 상기 메타데이터를 기반으로 상기 디코딩된 픽처를 렌더링하는 단계 및 상기 렌더링을 기반으로 생성된 영상 내 뷰포트(viewport)를 디스플레이하는 단계를 포함하되, 상기 뷰포트는 복수의 뷰포인트들과 각각 대응되는 복수의 아이콘들을 포함하고, 상기 뷰포트는 현재 뷰포인트에서 도출되며, 상기 복수의 아이콘들 각각은, 상기 복수의 뷰포인트들 각각과 상기 현재 뷰포인트가 서로 근접한지(contiguous) 여부를 기반으로 제1 아이콘 타입 또는 제2 아이콘 타입으로 결정되는 것을 특징으로 한다.
본 발명의 다른 일 실시예에 따르면, 영상을 디스플레이하는 360도 비디오 수신 장치가 제공된다. 상기 360도 비디오 수신 장치는, 360도 비디오 데이터에 대한 정보를 수신하는 수신부, 상기 360도 비디오 데이터에 대한 정보로부터 인코딩된 픽처에 대한 정보 및 메타데이터를 획득하는 디캡슐레이션 처리부, 상기 인코딩된 픽처에 대한 정보를 기반으로, 상기 인코딩된 픽처를 디코딩하는 데이터 디코더, 상기 메타데이터를 기반으로 상기 디코딩된 픽처를 렌더링하는 렌더러 및 상기 렌더링을 기반으로 생성된 영상 내 뷰포트(viewport)를 디스플레이하는 디스플레이부를 포함하되, 상기 뷰포트는 복수의 뷰포인트들과 각각 대응되는 복수의 아이콘들을 포함하고, 상기 뷰포트는 현재 뷰포인트에서 도출되며, 상기 복수의 아이콘들 각각은, 상기 복수의 뷰포인트들 각각과 상기 현재 뷰포인트가 서로 근접한지(contiguous) 여부를 기반으로 제1 아이콘 타입 또는 제2 아이콘 타입으로 결정되는 것을 특징으로 한다.
본 발명의 또 다른일 실시예에 따르면, 360도 비디오 전송 장치에 의하여 수행되는 360도 비디오 데이터 처리 방법이 제공된다. 상기 방법은, 적어도 하나의 이미지 획득 장치에 의해 캡쳐된 360도 비디오 데이터를 획득하는 단계, 상기 360도 비디오 데이터를 처리하여 전방향 이미지(omnidirectional image)를 포함하는 2차원(two-dimensional) 픽처를 도출하는 단계, 상기 360도 비디오 데이터에 대한 메타데이터를 생성하는 단계, 상기 2차원 픽처에 대한 정보를 인코딩하는 단계 및 상기 2차원 픽처에 대한 정보 및 상기 메타데이터를 기반으로 인캡슐레이션(encapsulation)을 수행하는 단계를 포함하되, 상기 메타데이터는 상기 360도 비디오 데이터 내 뷰포인트 그룹에 포함된 적어도 하나의 뷰포인트가 서로 비근접(non-contiguous)한지 여부를 나타내는 비근접 플래그 정보를 포함하는 것을 특징으로 한다.
본 발명의 또 다른 일 실시예에 따르면, 360도 비디오 데이터를 처리하는 360도 비디오 전송 장치가 제공된다. 상기 360도 비디오 전송 장치는, 적어도 하나의 이미지 획득 장치에 의해 캡쳐된 360도 비디오 데이터를 획득하는 데이터 입력부, 상기 360도 비디오 데이터를 처리하여 전방향 이미지를 포함하는 2차원 픽처를 도출하는 프로젝션 처리부, 상기 360도 비디오 데이터에 대한 메타데이터를 생성하는 메타데이터 처리부, 상기 2차원 픽처에 대한 정보를 인코딩하는 데이터 인코더 및 상기 2차원 픽처에 대한 정보 및 상기 메타데이터를 기반으로 인캡슐레이션을 수행하는 인캡슐레이션 처리부를 포함하되, 상기 메타데이터는 상기 360도 비디오 데이터 내 뷰포인트 그룹에 포함된 적어도 하나의 뷰포인트가 서로 비근접(non-contiguous)한지 여부를 나타내는 비근접 플래그 정보를 포함하는 것을 특징으로 한다.
본 발명에 따르면 지상파 방송망과 인터넷 망을 사용하는 차세대 하이브리드 방송을 지원하는 환경에서 VR 컨텐츠 (360 컨텐츠)를 효율적으로 전송할 수 있다.
본 발명에 따르면 360 컨텐츠를 소비하는 사용자에게 인터랙티브 경험(interactive experience)을 제공할 수 있다.
본 발명에 따르면 전송 캐패시티를 증가시키면서 사용자에게 필요한 360 컨텐츠 정보를 효율적으로 전달할 수 있다.
본 발명에 따르면 ISOBMFF(ISO base media file format) 등 ISO(International Organization for Standardization) 기반 미디어 파일 포멧을 통하여 효율적으로 360도 비디오 데이터에 대한 시그널링 정보를 저장 및 전송할 수 있다.
본 발명에 따르면 DASH(Dynamic Adaptive Streaming over HTTP) 등의 HTTP(HyperText Transfer Protocol) 기반 적응형 스트리밍을 통하여 360도 비디오 데이터에 대한 시그널링 정보를 전송할 수 있다.
본 발명에 따르면 SEI (Supplemental enhancement information) 메시지 혹은 VUI (Video Usability Information)를 통하여 360도 비디오 데이터에 대한 시그널링 정보를 저장 및 전송할 수 있고, 이를 통하여 전체적인 전송 효율을 향상시킬 수 있다.
본 발명에 따르면 뷰포인트 그룹에 포함된 적어도 하나의 뷰포인트가 서로 비근접한지 여부를 나타내는 비근접 플래그 정보를 효과적으로 시그널링할 수 있다.
본 발명에 따르면 현재 뷰포인트가 앵커 뷰포인트인지 여부를 나타내는 앵커 뷰포인트 플래그 정보를 효과적으로 시그널링할 수 있다.
본 발명에 따르면 복수의 뷰포인트들에 관한 사용자 인터페이스를 보다 효율적으로 디스플레이 할 수 있다.
도 1은 일 실시예에 따른 360 컨텐츠 제공을 위한 전체 아키텍처를 도시한 도면이다.
도 2 및 도 3은 일부 실시예들에 따른 미디어 파일의 구조를 도시한 도면이다.
도 4는 DASH 기반 적응형 스트리밍 모델의 전반적인 동작의 일 예를 도시하는 도면이다.
도 5는 일 실시예에 따른 360 비디오 전송 장치의 구성을 개략적으로 설명하는 도면이다.
도 6은 일 실시예에 따른 360 비디오 수신 장치의 구성을 개략적으로 설명하는 도면이다.
도 7은 일 실시예에 따른 3D 공간을 설명하기 위한 비행기 주축(Aircraft Principal Axes) 개념을 도시한 도면이다.
도 8는 360 비디오의 처리 과정 및 프로젝션 포멧에 따른 리전별 패킹 과정이 적용된 2D 이미지를 예시적으로 도시하는 도면이다.
도 9a 내지 9b는 일부 실시예들에 따른 프로젝션 포멧들을 예시적으로 도시하는 도면이다.
도 10a 및 10b는 일부 실시예들에 따른 타일(Tile)을 도시한 도면이다.
도 11은 일 실시예에 따른 360도 비디오 관련 메타데이터의 일 예를 도시하는 도면이다.
도 12는 뷰포인트, 뷰잉 포지션, 뷰잉 오리엔테이션의 개념을 개략적으로 도시하는 도면이다.
도 13은 일 실시예에 따른 3DoF+ 비디오 제공을 위한 아키텍처의 예를 개략적으로 도시한 도면이다.
도 14a 및 14b는 3DoF+ 엔드 투 엔드 시스템 아키텍처의 일 예시를 도시하는 도면이다.
도 15는 FLUS 아키텍처의 일 예시를 개략적으로 도시하는 도면이다.
도 16은 3DoF+ 송신단의 구성의 일 예시를 개략적으로 도시하는 도면이다.
도 17은 3DoF+ 수신단의 구성의 일 예시를 개략적으로 도시하는 도면이다.
도 18은 복수의 위치에서 VR 컨텐츠에 대한 정보를 캡쳐하는 일 예시를 도시하는 도면이다.
도 19는 세 개의 뷰포인트들을 글로벌 좌표계(global coordinate)를 기준으로 도시한 일 예시를 나타내는 도면이다.
도 20은 복수의 뷰포인트들의 뷰포인트 그룹 ID와 비근접 플래그 정보를 나타내는 일 예시이다.
도 21a 및 도 21b는 복수의 뷰포인트들간의 근접 여부에 따른 디스플레이의 일 예시를 나타내는 도면이다.
도 22a 및 도 22b는 복수의 뷰포인트들간의 근접 여부에 따른 디스플레이의 다른 일 예시를 나타내는 도면이다.
도 23은 복수의 뷰포인트들의 뷰포인트 그룹 ID, 비근접 플래그 정보 및 앵커 뷰포인트 플래그 정보를 나타내는 일 예시이다.
도 24a 및 도 24b는 복수의 뷰포인트들간의 근접 여부에 따른 디스플레이의 또 다른 일 예시를 나타내는 도면이다.
도 25a 및 도 25b는 복수의 뷰포인트들을 도시하는 일 예시를 나타내는 도면이다.
도 26은 일 실시예에 따른 360도 비디오 전송 장치의 동작 방법을 도시하는 흐름도이다.
도 27은 일 실시예에 따른 360도 비디오 전송 장치의 구성을 도시하는 블록도이다.
도 28은 일 실시예에 따른 360도 비디오 수신 장치의 동작 방법을 도시하는 흐름도이다.
도 29는 일 실시예에 따른 360도 비디오 수신 장치의 구성을 도시하는 블록도이다.
본 발명의 일 실시예에 따르면, 360도 비디오 수신 장치에 의하여 수행되는 영상 디스플레이 방법이 제공된다. 상기 방법은, 360도 비디오 데이터에 대한 정보를 수신하는 단계, 상기 360도 비디오 데이터에 대한 정보로부터 인코딩된 픽처에 대한 정보 및 메타데이터를 획득하는 단계, 상기 인코딩된 픽처에 대한 정보를 기반으로, 상기 인코딩된 픽처를 디코딩하는 단계, 상기 메타데이터를 기반으로 상기 디코딩된 픽처를 렌더링하는 단계 및 상기 렌더링을 기반으로 생성된 영상 내 뷰포트(viewport)를 디스플레이하는 단계를 포함하되, 상기 뷰포트는 복수의 뷰포인트들과 각각 대응되는 복수의 아이콘들을 포함하고, 상기 뷰포트는 현재 뷰포인트에서 도출되며, 상기 복수의 아이콘들 각각은, 상기 복수의 뷰포인트들 각각과 상기 현재 뷰포인트가 서로 근접한지(contiguous) 여부를 기반으로 제1 아이콘 타입 또는 제2 아이콘 타입으로 결정되는 것을 특징으로 한다.
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.
도 1은 일 실시예에 따른 360 컨텐츠 제공을 위한 전체 아키텍처를 도시한 도면이다.
본 명세서에서 "이미지(image)"는 정지 영상 및 시간의 흐름에 따른 일련의 정지 영상들의 집합인 비디오(video)를 포함하는 개념을 의미할 수 있다. 또한, "비디오(video)"도 반드시 시간의 흐름에 따른 일련의 정지 영상들의 집합만을 의미하는 것은 아니고, 경우에 따라서는 정지 영상이 비디오에 포함되는 개념으로 해석될 수 있다.
사용자에게 가상현실 (Virtual Reality, VR)을 제공하기 위하여, 360 컨텐츠를 제공하는 방안이 고려될 수 있다. 여기서, 상기 360도 컨텐츠는 3DoF(three Degrees of Freedom) 컨텐츠라고 나타낼 수도 있으며, VR이란 실제 또는 가상의 환경을 복제(replicates) 하기 위한 기술 내지는 그 환경을 의미할 수 있다. VR은 인공적으로 사용자에게 감각적 경험을 제공하며, 이를 통해 사용자는 전자적으로 프로젝션된 환경에 있는 것과 같은 경험을 할 수 있다.
360 컨텐츠는 VR을 구현, 제공하기 위한 컨텐츠 전반을 의미하며, 360도 비디오 및/또는 360 오디오를 포함할 수 있다. 360도 비디오 및/또는 360 오디오는 3차원 비디오 및/또는 3차원 오디오로 지칭될 수도 있다. 360도 비디오는 VR을 제공하기 위해 필요한, 동시에 모든 방향(360도)으로 캡처되거나 재생되는 비디오 혹은 이미지 컨텐츠를 의미할 수 있다. 이하, 360도 비디오라 함은 360도 비디오를 의미할 수 있다. 360도 비디오는 3D 모델에 따라 다양한 형태의 3D 공간 상에 나타내어지는 비디오 혹은 이미지를 의미할 수 있으며, 예를 들어 360도 비디오는 구형면(Spherical surface) 상에 나타내어질 수 있다. 360 오디오 역시 VR을 제공하기 위한 오디오 컨텐츠로서, 음향 발생지가 3차원의 특정 공간상에 위치하는 것으로 인지될 수 있는, 공간적(Spatial) 오디오 컨텐츠를 의미할 수 있다. 360 오디오는 3차원 오디오로도 지칭될 수 있다. 360 컨텐츠는 생성, 처리되어 사용자들로 전송될 수 있으며, 사용자들은 360 컨텐츠를 이용하여 VR 경험을 소비할 수 있다. 360 비디오는 전방향(omnidirectional) 비디오라고 불릴 수 있고, 360 이미지는 전방향 이미지라고 불릴 수 있다.
360도 비디오를 제공하기 위하여, 먼저 하나 이상의 카메라를 통해 360도 비디오가 캡처될 수 있다. 캡처된 360도 비디오는 일련의 과정을 거쳐 전송되고, 수신측에서는 수신된 데이터를 다시 원래의 360도 비디오로 가공하여 렌더링할 수 있다. 이를 통해 360도 비디오가 사용자에게 제공될 수 있다.
구체적으로 360도 비디오 제공을 위한 전체의 과정은 캡처 과정(process), 준비 과정, 전송 과정, 프로세싱 과정, 렌더링 과정 및/또는 피드백 과정을 포함할 수 있다.
캡처 과정은 하나 이상의 카메라를 통하여 복수개의 시점 각각에 대한 이미지 또는 비디오를 캡처하는 과정을 의미할 수 있다. 캡처 과정에 의해 도시된 도 1의 (110)과 같은 이미지/비디오 데이터가 생성될 수 있다. 도시된 도 1의 (110)의 각 평면은 각 시점에 대한 이미지/비디오를 의미할 수 있다. 이 캡처된 복수개의 이미지/비디오를 로(raw) 데이터라 할 수도 있다. 캡처 과정에서 캡처와 관련된 메타데이터가 생성될 수 있다.
이 캡처를 위하여 VR 을 위한 특수한 카메라가 사용될 수 있다. 실시예에 따라 컴퓨터로 생성된 가상의 공간에 대한 360도 비디오를 제공하고자 하는 경우, 실제 카메라를 통한 캡처가 수행되지 않을 수 있다. 이 경우 단순히 관련 데이터가 생성되는 과정으로 해당 캡처 과정이 갈음될 수 있다.
준비 과정은 캡처된 이미지/비디오 및 캡처 과정에서 발생한 메타데이터를 처리하는 과정일 수 있다. 캡처된 이미지/비디오는 이 준비 과정에서, 스티칭 과정, 프로젝션 과정, 리전별 패킹 과정(Region-wise Packing) 및/또는 인코딩 과정 등을 거칠 수 있다.
먼저 각각의 이미지/비디오가 스티칭(Stitching) 과정을 거칠 수 있다. 스티칭 과정은 각각의 캡처된 이미지/비디오들을 연결하여 하나의 파노라마 이미지/비디오 또는 구형의 이미지/비디오를 만드는 과정일 수 있다.
이후, 스티칭된 이미지/비디오는 프로젝션(Projection) 과정을 거칠 수 있다. 프로젝션 과정에서, 스티칭된 이미지/비디오는 2D 이미지 상에 프로젝션될 수 있다. 이 2D 이미지는 문맥에 따라 2D 이미지 프레임으로 불릴 수도 있다. 2D 이미지로 프로젝션하는 것을 2D 이미지로 맵핑한다고 표현할 수도 있다. 프로젝션된 이미지/비디오 데이터는 도시된 도 1의 (120)과 같은 2D 이미지의 형태가 될 수 있다.
2D 이미지 상에 프로젝션된 비디오 데이터는 비디오 코딩 효율 등을 높이기 위하여 리전별 패킹 과정(Region-wise Packing)을 거칠 수 있다. 리전별 패킹이란, 2D 이미지 상에 프로젝션된 비디오 데이터를 리전(Region) 별로 나누어 처리를 가하는 과정을 의미할 수 있다. 여기서 리전(Region)이란, 360도 비디오 데이터가 프로젝션된 2D 이미지가 나누어진 영역을 의미할 수 있다. 이 리전들은, 실시예에 따라, 2D 이미지를 균등하게 나누어 구분되거나, 임의로 나누어져 구분될 수 있다. 또한 실시예에 따라 리전들은, 프로젝션 스킴에 따라 구분될 수도 있다. 리전별 패킹 과정은 선택적(optional) 과정으로써, 준비 과정에서 생략될 수 있다.
실시예에 따라 이 처리 과정은, 비디오 코딩 효율을 높이기 위해, 각 리전을 회전한다거나 2D 이미지 상에서 재배열하는 과정을 포함할 수 있다. 예를 들어, 리전들을 회전하여 리전들의 특정 변들이 서로 근접하여 위치되도록 함으로써, 코딩 시의 효율이 높아지게 할 수 있다.
실시예에 따라 이 처리 과정은, 360도 비디오상의 영역별로 레졸루션(resolution) 을 차등화하기 위하여, 특정 리전에 대한 레졸루션을 높인다거나, 낮추는 과정을 포함할 수 있다. 예를 들어, 360도 비디오 상에서 상대적으로 더 중요한 영역에 해당하는 리전들은, 다른 리전들보다 레졸루션을 높게할 수 있다. 2D 이미지 상에 프로젝션된 비디오 데이터 또는 리전별 패킹된 비디오 데이터는 비디오 코덱을 통한 인코딩 과정을 거칠 수 있다.
실시예에 따라 준비 과정은 부가적으로 에디팅(editing) 과정 등을 더 포함할 수 있다. 이 에디팅 과정에서 프로젝션 전후의 이미지/비디오 데이터들에 대한 편집 등이 더 수행될 수 있다. 준비 과정에서도 마찬가지로, 스티칭/프로젝션/인코딩/에디팅 등에 대한 메타데이터가 생성될 수 있다. 또한 2D 이미지 상에 프로젝션된 비디오 데이터들의 초기 시점, 혹은 ROI (Region of Interest) 등에 관한 메타데이터가 생성될 수 있다.
전송 과정은 준비 과정을 거친 이미지/비디오 데이터 및 메타데이터들을 처리하여 전송하는 과정일 수 있다. 전송을 위해 임의의 전송 프로토콜에 따른 처리가 수행될 수 있다. 전송을 위한 처리를 마친 데이터들은 방송망 및/또는 브로드밴드를 통해 전달될 수 있다. 이 데이터들은 온 디맨드(On Demand) 방식으로 수신측으로 전달될 수도 있다. 수신측에서는 다양한 경로를 통해 해당 데이터를 수신할 수 있다.
프로세싱 과정은 수신한 데이터를 디코딩하고, 프로젝션되어 있는 이미지/비디오 데이터를 3D 모델 상에 리-프로젝션(Re-projection) 하는 과정을 의미할 수 있다. 이 과정에서 2D 이미지들 상에 프로젝션되어 있는 이미지/비디오 데이터가 3D 공간 상으로 리-프로젝션될 수 있다. 이 과정을 문맥에 따라 맵핑, 프로젝션이라고 부를 수도 있다. 이 때 맵핑되는 3D 공간은 3D 모델에 따라 다른 형태를 가질 수 있다. 예를 들어 3D 모델에는 구형(Sphere), 큐브(Cube), 실린더(Cylinder) 또는 피라미드(Pyramid) 가 있을 수 있다.
실시예에 따라 프로세싱 과정은 부가적으로 에디팅(editing) 과정, 업 스케일링(up scaling) 과정 등을 더 포함할 수 있다. 이 에디팅 과정에서 리-프로젝션 전후의 이미지/비디오 데이터에 대한 편집 등이 더 수행될 수 있다. 이미지/비디오 데이터가 축소되어 있는 경우 업 스케일링 과정에서 샘플들의 업 스케일링을 통해 그 크기를 확대할 수 있다. 필요한 경우, 다운 스케일링을 통해 사이즈를 축소하는 작업이 수행될 수도 있다.
렌더링 과정은 3D 공간상에 리-프로젝션된 이미지/비디오 데이터를 렌더링하고 디스플레이하는 과정을 의미할 수 있다. 표현에 따라 리-프로젝션과 렌더링을 합쳐 3D 모델 상에 렌더링한다 라고 표현할 수도 있다. 3D 모델 상에 리-프로젝션된 (또는 3D 모델 상으로 렌더링된) 이미지/비디오는 도시된 도 1의 (130)과 같은 형태를 가질 수 있다. 도시된 도 1의 (130)은 구형(Sphere) 의 3D 모델에 리-프로젝션된 경우이다. 사용자는 VR 디스플레이 등을 통하여 렌더링된 이미지/비디오의 일부 영역을 볼 수 있다. 이 때 사용자가 보게되는 영역은 도시된 도 1의 (140)과 같은 형태일 수 있다.
피드백 과정은 디스플레이 과정에서 획득될 수 있는 다양한 피드백 정보들을 송신측으로 전달하는 과정을 의미할 수 있다. 피드백 과정을 통해 360도 비디오 소비에 있어 인터랙티비티(Interactivity) 가 제공될 수 있다. 실시예에 따라, 피드백 과정에서 헤드 오리엔테이션(Head Orientation) 정보, 사용자가 현재 보고 있는 영역을 나타내는 뷰포트(Viewport) 정보 등이 송신측으로 전달될 수 있다. 실시예에 따라, 사용자는 VR 환경 상에 구현된 것들과 상호작용할 수도 있는데, 이 경우 그 상호작용과 관련된 정보가 피드백 과정에서 송신측 내지 서비스 프로바이더 측으로 전달될 수도 있다. 실시예에 따라 피드백 과정은 수행되지 않을 수도 있다.
헤드 오리엔테이션 정보는 사용자의 머리 위치, 각도, 움직임 등에 대한 정보를 의미할 수 있다. 이 정보를 기반으로 사용자가 현재 360도 비디오 내에서 보고 있는 영역에 대한 정보, 즉 뷰포트 정보가 계산될 수 있다.
뷰포트 정보는 현재 사용자가 360도 비디오에서 보고 있는 영역에 대한 정보일 수 있다. 이를 통해 게이즈 분석(Gaze Analysis) 이 수행되어, 사용자가 어떠한 방식으로 360도 비디오를 소비하는지, 360도 비디오의 어느 영역을 얼마나 응시하는지 등을 확인할 수도 있다. 게이즈 분석은 수신측에서 수행되어 송신측으로 피드백 채널을 통해 전달될 수도 있다. VR 디스플레이 등의 장치는 사용자의 머리 위치/방향, 장치가 지원하는 수직(vertical) 혹은 수평(horizontal) FOV(Field Of View) 정보 등에 근거하여 뷰포트 영역을 추출할 수 있다.
실시예에 따라, 전술한 피드백 정보는 송신측으로 전달되는 것 뿐아니라, 수신측에서 소비될 수도 있다. 즉, 전술한 피드백 정보를 이용하여 수신측의 디코딩, 리-프로젝션, 렌더링 과정 등이 수행될 수 있다. 예를 들어, 헤드 오리엔테이션 정보 및/또는 뷰포트 정보를 이용하여 현재 사용자가 보고 있는 영역에 대한 360도 비디오만 우선적으로 디코딩 및 렌더링될 수도 있다.
여기서 뷰포트(viewport) 내지 뷰포트 영역이란, 사용자가 360도 비디오에서 보고 있는 영역을 의미할 수 있다. 시점(viewpoint) 는 사용자가 360도 비디오에서 보고 있는 지점으로서, 뷰포트 영역의 정중앙 지점을 의미할 수 있다. 즉, 뷰포트는 시점을 중심으로 한 영역인데, 그 영역이 차지하는 크기 형태 등은 후술할 FOV(Field Of View) 에 의해 결정될 수 있다.
전술한 360도 비디오 제공을 위한 전체 아키텍처 내에서, 캡처/프로젝션/인코딩/전송/디코딩/리-프로젝션/렌더링의 일련의 과정을 거치게 되는 이미지/비디오 데이터들을 360도 비디오 데이터라 부를 수 있다. 360도 비디오 데이터라는 용어는 또한 이러한 이미지/비디오 데이터들과 관련되는 메타데이터 내지 시그널링 정보를 포함하는 개념으로 쓰일 수도 있다.
상술한 오디오 또는 비디오 등의 미디어 데이터를 저장하고 전송하기 위하여, 정형화된 미디어 파일 포맷이 정의될 수 있다. 실시예에 따라 미디어 파일은 ISO BMFF (ISO base media file format)를 기반으로 한 파일 포맷을 가질 수 있다.
도 2 및 도 3은 일부 실시예들에 따른 미디어 파일의 구조를 도시한 도면이다.
일 실시예에 따른 미디어 파일은 적어도 하나 이상의 박스를 포함할 수 있다. 여기서 박스(box)는 미디어 데이터 또는 미디어 데이터에 관련된 메타데이터 등을 포함하는 데이터 블록 내지 오브젝트일 수 있다. 박스들은 서로 계층적 구조를 이룰 수 있으며, 이에 따라 데이터들이 분류되어 미디어 파일이 대용량 미디어 데이터의 저장 및/또는 전송에 적합한 형태를 띄게 될 수 있다. 또한 미디어 파일은, 사용자가 미디어 컨텐츠의 특정지점으로 이동하는 등, 미디어 정보에 접근하는데 있어 용이한 구조를 가질 수 있다.
일 실시예에 따른 미디어 파일은 ftyp 박스, moov 박스 및/또는 mdat 박스를 포함할 수 있다.
ftyp 박스(파일 타입 박스)는 해당 미디어 파일에 대한 파일 타입 또는 호환성 관련 정보를 제공할 수 있다. ftyp 박스는 해당 미디어 파일의 미디어 데이터에 대한 구성 버전 정보를 포함할 수 있다. 복호기는 ftyp 박스를 참조하여 해당 미디어 파일을 구분할 수 있다.
moov 박스(무비 박스)는 해당 미디어 파일의 미디어 데이터에 대한 메타 데이터를 포함하는 박스일 수 있다. moov 박스는 모든 메타 데이터들을 위한 컨테이너 역할을 할 수 있다. moov 박스는 메타 데이터 관련 박스들 중 최상위 계층의 박스일 수 있다. 실시예에 따라 moov 박스는 미디어 파일 내에 하나만 존재할 수 있다.
mdat 박스(미디어 데이터 박스) 는 해당 미디어 파일의 실제 미디어 데이터들을 담는 박스일 수 있다. 미디어 데이터들은 오디오 샘플 및/또는 비디오 샘플들을 포함할 수 있는데, mdat 박스는 이러한 미디어 샘플들을 담는 컨테이너 역할을 할 수 있다.
실시예에 따라 전술한 moov 박스는 mvhd 박스, trak 박스 및/또는 mvex 박스 등을 하위 박스로서 더 포함할 수 있다.
mvhd 박스(무비 헤더 박스)는 해당 미디어 파일에 포함되는 미디어 데이터의 미디어 프리젠테이션 관련 정보를 포함할 수 있다. 즉, mvhd 박스는 해당 미디어 프리젠테이션의 미디어 생성시간, 변경시간, 시간규격, 기간 등의 정보를 포함할 수 있다.
trak 박스(트랙 박스)는 해당 미디어 데이터의 트랙에 관련된 정보를 제공할 수 있다. trak 박스는 오디오 트랙 또는 비디오 트랙에 대한 스트림 관련 정보, 프리젠테이션 관련 정보, 액세스 관련 정보 등의 정보를 포함할 수 있다. Trak 박스는 트랙의 개수에 따라 복수개 존재할 수 있다.
trak 박스는 실시예에 따라 tkhd 박스(트랙 헤더 박스)를 하위 박스로서 더 포함할 수 있다. tkhd 박스는 trak 박스가 나타내는 해당 트랙에 대한 정보를 포함할 수 있다. tkhd 박스는 해당 트랙의 생성시간, 변경시간, 트랙 식별자 등의 정보를 포함할 수 있다.
mvex 박스(무비 익스텐드 박스)는 해당 미디어 파일에 후술할 moof 박스가 있을 수 있음을 지시할 수 있다. 특정 트랙의 모든 미디어 샘플들을 알기 위해서, moof 박스들이 스캔되어야할 수 있다.
일 실시예에 따른 미디어 파일은, 실시예에 따라, 복수개의 프래그먼트로 나뉘어질 수 있다(200). 이를 통해 미디어 파일이 분할되어 저장되거나 전송될 수 있다. 미디어 파일의 미디어 데이터들(mdat 박스)은 복수개의 프래그먼트로 나뉘어지고, 각각의 프래그먼트는 moof 박스와 나뉘어진 mdat 박스를 포함할 수 있다. 실시예에 따라 프래그먼트들을 활용하기 위해서는 ftyp 박스 및/또는 moov 박스의 정보가 필요할 수 있다.
moof 박스(무비 프래그먼트 박스)는 해당 프래그먼트의 미디어 데이터에 대한 메타 데이터를 제공할 수 있다. moof 박스는 해당 프래그먼트의 메타데이터 관련 박스들 중 최상위 계층의 박스일 수 있다.
mdat 박스(미디어 데이터 박스)는 전술한 바와 같이 실제 미디어 데이터를 포함할 수 있다. 이 mdat 박스는 각각의 해당 프래그먼트에 해당하는 미디어 데이터들의 미디어 샘플들을 포함할 수 있다.
실시예에 따라 전술한 moof 박스는 mfhd 박스 및/또는 traf 박스 등을 하위 박스로서 더 포함할 수 있다.
mfhd 박스(무비 프래그먼트 헤더 박스)는 분할된 복수개의 프래그먼트들 간의 연관성과 관련한 정보들을 포함할 수 있다. mfhd 박스는 시퀀스 넘버(sequence number) 를 포함하여, 해당 프래그먼트의 미디어 데이터가 분할된 몇 번째 데이터인지를 나타낼 수 있다. 또한, mfhd 박스를 이용하여 분할된 데이터 중 누락된 것은 없는지 여부가 확인될 수 있다.
traf 박스(트랙 프래그먼트 박스)는 해당 트랙 프래그먼트에 대한 정보를 포함할 수 있다. traf 박스는 해당 프래그먼트에 포함되는 분할된 트랙 프래그먼트에 대한 메타데이터를 제공할 수 있다. traf 박스는 해당 트랙 프래그먼트 내의 미디어 샘플들이 복호화/재생될 수 있도록 메타데이터를 제공할 수 있다. traf 박스는 트랙 프래그먼트의 개수에 따라 복수개 존재할 수 있다.
실시예에 따라 전술한 traf 박스는 tfhd 박스 및/또는 trun 박스 등을 하위 박스로서 더 포함할 수 있다.
tfhd 박스(트랙 프래그먼트 헤더 박스)는 해당 트랙 프래그먼트의 헤더 정보를 포함할 수 있다. tfhd 박스는 전술한 traf 박스가 나타내는 트랙 프래그먼트의 미디어 샘플들에 대하여, 기본적인 샘플크기, 기간, 오프셋, 식별자 등의 정보를 제공할 수 있다.
trun 박스(트랙 프래그먼트 런 박스)는 해당 트랙 프래그먼트 관련 정보를 포함할 수 있다. trun 박스는 미디어 샘플별 기간, 크기, 재생시점 등과 같은 정보를 포함할 수 있다.
전술한 미디어 파일 내지 미디어 파일의 프래그먼트들은 세그먼트들로 처리되어 전송될 수 있다. 세그먼트에는 초기화 세그먼트(initialization segment) 및/또는 미디어 세그먼트(media segment) 가 있을 수 있다.
도시된 실시예(210)의 파일은, 미디어 데이터는 제외하고 미디어 디코더의 초기화와 관련된 정보 등을 포함하는 파일일 수 있다. 이 파일은 예를 들어 전술한 초기화 세그먼트에 해당할 수 있다. 초기화 세그먼트는 전술한 ftyp 박스 및/또는 moov 박스를 포함할 수 있다.
도시된 실시예(220)의 파일은, 전술한 프래그먼트를 포함하는 파일일 수 있다. 이 파일은 예를 들어 전술한 미디어 세그먼트에 해당할 수 있다. 미디어 세그먼트는 전술한 moof 박스 및/또는 mdat 박스를 포함할 수 있다. 또한, 미디어 세그먼트는 styp 박스 및/또는 sidx 박스를 더 포함할 수 있다.
styp 박스(세그먼트 타입 박스) 는 분할된 프래그먼트의 미디어 데이터를 식별하기 위한 정보를 제공할 수 있다. styp 박스는 분할된 프래그먼트에 대해, 전술한 ftyp 박스와 같은 역할을 수행할 수 있다. 실시예에 따라 styp 박스는 ftyp 박스와 동일한 포맷을 가질 수 있다.
sidx 박스(세그먼트 인덱스 박스) 는 분할된 프래그먼트에 대한 인덱스를 나타내는 정보를 제공할 수 있다. 이를 통해 해당 분할된 프래그먼트가 몇번째 프래그먼트인지가 지시될 수 있다.
실시예에 따라(230) ssix 박스가 더 포함될 수 있는데, ssix 박스(서브 세그먼트 인덱스 박스)는 세그먼트가 서브 세그먼트로 더 나뉘어지는 경우에 있어, 그 서브 세그먼트의 인덱스를 나타내는 정보를 제공할 수 있다.
미디어 파일 내의 박스들은, 도시된 실시예(250)와 같은 박스 내지 풀 박스(FullBox) 형태를 기반으로, 더 확장된 정보들을 포함할 수 있다. 이 실시예에서 size 필드, largesize 필드는 해당 박스의 길이를 바이트 단위 등으로 나타낼 수 있다. version 필드는 해당 박스 포맷의 버전을 나타낼 수 있다. Type 필드는 해당 박스의 타입 내지 식별자를 나타낼 수 있다. flags 필드는 해당 박스와 관련된 플래그 등을 나타낼 수 있다.
한편, 일 실시예에 따른 360도 비디오에 대한 필드(속성)들은 DASH 기반 적응형(Adaptive) 스트리밍 모델에 포함되어 전달될 수 있다.
도 4는 DASH 기반 적응형 스트리밍 모델의 전반적인 동작의 일 예를 나타낸다.
도시된 실시예(400)에 따른 DASH 기반 적응형 스트리밍 모델은, HTTP 서버와 DASH 클라이언트 간의 동작을 기술하고 있다. 여기서 DASH(Dynamic Adaptive Streaming over HTTP)는, HTTP 기반 적응형 스트리밍을 지원하기 위한 프로토콜로서, 네트워크 상황에 따라 동적으로 스트리밍을 지원할 수 있다. 이에 따라 AV 컨텐츠 재생이 끊김없이 제공될 수 있다.
먼저 DASH 클라이언트는 MPD를 획득할 수 있다. MPD 는 HTTP 서버 등의 서비스 프로바이더로부터 전달될 수 있다. DASH 클라이언트는 MPD 에 기술된 세그먼트에의 접근 정보를 이용하여 서버로 해당 세그먼트들을 요청할 수 있다. 여기서 이 요청은 네트워크 상태를 반영하여 수행될 수 있다.
DASH 클라이언트는 해당 세그먼트를 획득한 후, 이를 미디어 엔진에서 처리하여 화면에 디스플레이할 수 있다. DASH 클라이언트는 재생 시간 및/또는 네트워크 상황 등을 실시간으로 반영하여, 필요한 세그먼트를 요청, 획득할 수 있다(Adaptive Streaming). 이를 통해 컨텐츠가 끊김없이 재생될 수 있다.
MPD (Media Presentation Description) 는 DASH 클라이언트로 하여금 세그먼트를 동적으로 획득할 수 있도록 하기 위한 상세 정보를 포함하는 파일로서 XML 형태로 표현될 수 있다.
DASH 클라이언트 컨트롤러(DASH Client Controller) 는 네트워크 상황을 반영하여 MPD 및/또는 세그먼트를 요청하는 커맨드를 생성할 수 있다. 또한, 이 컨트롤러는 획득된 정보를 미디어 엔진 등등의 내부 블록에서 사용할 수 있도록 제어할 수 있다.
MPD 파서(Parser) 는 획득한 MPD 를 실시간으로 파싱할 수 있다. 이를 통해, DASH 클라이언트 컨트롤러는 필요한 세그먼트를 획득할 수 있는 커맨드를 생성할 수 있게 될 수 있다.
세그먼트 파서(Parser) 는 획득한 세그먼트를 실시간으로 파싱할 수 있다. 세그먼트에 포함된 정보들에 따라 미디어 엔진 등의 내부 블록들은 특정 동작을 수행할 수 있다.
HTTP 클라이언트는 필요한 MPD 및/또는 세그먼트 등을 HTTP 서버에 요청할 수 있다. 또한 HTTP 클라이언트는 서버로부터 획득한 MPD 및/또는 세그먼트들을 MPD 파서 또는 세그먼트 파서로 전달할 수 있다.
미디어 엔진(Media Engine) 은 세그먼트에 포함된 미디어 데이터를 이용하여 컨텐츠를 화면상에 표시할 수 있다. 이 때, MPD 의 정보들이 활용될 수 있다.
DASH 데이터 모델은 계층적 구조(410)를 가질 수 있다. 미디어 프리젠테이션은 MPD에 의해 기술될 수 있다. MPD는 미디어 프리젠테이션를 만드는 복수개의 구간(Period)들의 시간적인 시퀀스를 기술할 수 있다. 피리오드는 미디어 컨텐츠의 한 구간을 나타낼 수 있다.
한 구간에서, 데이터들은 어댑테이션 셋들에 포함될 수 있다. 어댑테이션 셋은 서로 교환될 수 있는 복수개의 미디어 컨텐츠 컴포넌트들의 집합일 수 있다. 어댑테이션은 레프리젠테이션들의 집합을 포함할 수 있다. 레프리젠테이션은 미디어 컨텐츠 컴포넌트에 해당할 수 있다. 한 레프리젠테이션 내에서, 컨텐츠는 복수개의 세그먼트들로 시간적으로 나뉘어질 수 있다. 이는 적절한 접근성과 전달(delivery)를 위함일 수 있다. 각각의 세그먼트에 접근하기 위해서 각 세그먼트의 URL 이 제공될 수 있다.
MPD는 미디어 프리젠테이션에 관련된 정보들을 제공할 수 있고, 피리오드 엘레멘트, 어댑테이션 셋 엘레멘트, 레프리젠테이션 엘레멘트는 각각 해당 피리오드, 어댑테이션 셋, 레프리젠테이션에 대해서 기술할 수 있다. 레프리젠테이션은 서브 레프리젠테이션들로 나뉘어질 수 있는데, 서브 레프리젠테이션 엘레멘트는 해당 서브 레프리젠테이션에 대해서 기술할 수 있다.
여기서 공통(Common) 속성/엘레멘트들이 정의될 수 있는데, 이 들은 어댑테이션 셋, 레프리젠테이션, 서브 레프리젠테이션 등에 적용될 수 (포함될 수) 있다. 공통 속성/엘레멘트 중에는 에센셜 프로퍼티(EssentialProperty) 및/또는 서플멘탈 프로퍼티(SupplementalProperty) 가 있을 수 있다.
에센셜 프로퍼티는 해당 미디어 프리젠테이션 관련 데이터를 처리함에 있어서 필수적이라고 여겨지는 엘레멘트들을 포함하는 정보일 수 있다. 서플멘탈 프로퍼티는 해당 미디어 프리젠테이션 관련 데이터를 처리함에 있어서 사용될 수도 있는 엘레멘트들을 포함하는 정보일 수 있다. 실시예에 따라 후술할 디스크립터들은, MPD 를 통해 전달되는 경우, 에센셜 프로퍼티 및/또는 서플멘탈 프로퍼티 내에 정의되어 전달될 수 있다.
도 5는 일 실시예에 따른 360 비디오 전송 장치의 구성을 개략적으로 설명하는 도면이다.
일 실시예에 따른 360 비디오 전송 장치는 전술한 준비 과정 내지 전송 과정에 관련된 동작들을 수행할 수 있다. 360 비디오 전송 장치는 데이터 입력부, 스티처(Stitcher), 프로젝션 처리부, 리전별 패킹 처리부(도시되지 않음), 메타데이터 처리부, (송신측) 피드백 처리부, 데이터 인코더, 인캡슐레이션 처리부, 전송 처리부 및/또는 전송부를 내/외부 엘레멘트로서 포함할 수 있다.
데이터 입력부는 캡처된 각 시점별 이미지/비디오 들을 입력받을 수 있다. 이 시점별 이미지/비디오 들은 하나 이상의 카메라들에 의해 캡처된 이미지/비디오들일 수 있다. 또한 데이터 입력부는 캡처 과정에서 발생된 메타데이터를 입력받을 수 있다. 데이터 입력부는 입력된 시점별 이미지/비디오들을 스티처로 전달하고, 캡처 과정의 메타데이터를 시그널링 처리부로 전달할 수 있다.
스티처는 캡처된 시점별 이미지/비디오들에 대한 스티칭 작업을 수행할 수 있다. 스티처는 스티칭된 360 비디오 데이터를 프로젝션 처리부로 전달할 수 있다. 스티처는 필요한 경우 메타데이터 처리부로부터 필요한 메타데이터를 전달받아 스티칭 작업에 이용할 수 있다. 스티처는 스티칭 과정에서 발생된 메타데이터를 메타데이터 처리부로 전달할 수 있다. 스티칭 과정의 메타데이터에는 스티칭이 수행되었는지 여부, 스티칭 타입 등의 정보들이 있을 수 있다.
프로젝션 처리부는 스티칭된 360 비디오 데이터를 2D 이미지 상에 프로젝션할 수 있다. 프로젝션 처리부는 다양한 스킴(scheme)에 따라 프로젝션을 수행할 수 있는데, 이에 대해서는 후술한다. 프로젝션 처리부는 각 시점별 360 비디오 데이터의 해당 뎁스(depth)를 고려하여 매핑을 수행할 수 있다. 프로젝션 처리부는 필요한 경우 메타데이터 처리부로부터 프로젝션에 필요한 메타데이터를 전달받아 프로젝션 작업에 이용할 수 있다. 프로젝션 처리부는 프로젝션 과정에서 발생된 메타데이터를 메타데이터 처리부로 전달할 수 있다. 프로젝션 처리부의 메타데이터에는 프로젝션 스킴의 종류 등이 있을 수 있다.
리전별 패킹 처리부(도시되지 않음)는 전술한 리전별 패킹 과정을 수행할 수 있다. 즉, 리전별 패킹 처리부는 프로젝션된 360 비디오 데이터를 리전별로 나누고, 각 리전들을 회전, 재배열하거나, 각 리전의 레졸루션을 변경하는 등의 처리를 수행할 수 있다. 전술한 바와 같이 리전별 패킹 과정은 선택적(optional) 과정이며, 리전별 패킹이 수행되지 않는 경우, 리전별 패킹 처리부는 생략될 수 있다. 리전별 패킹 처리부는 필요한 경우 메타데이터 처리부로부터 리전별 패킹에 필요한 메타데이터를 전달받아 리전별 패킹 작업에 이용할 수 있다. 리전별 패킹 처리부는 리전별 패킹 과정에서 발생된 메타데이터를 메타데이터 처리부로 전달할 수 있다. 리전별 패킹 처리부의 메타데이터에는 각 리전의 회전 정도, 사이즈 등이 있을 수 있다.
전술한 스티처, 프로젝션 처리부 및/또는 리전별 패킹 처리부는 실시예에 따라 하나의 하드웨어 컴포넌트에서 수행될 수도 있다.
메타데이터 처리부는 캡처 과정, 스티칭 과정, 프로젝션 과정, 리전별 패킹 과정, 인코딩 과정, 인캡슐레이션 과정 및/또는 전송을 위한 처리 과정에서 발생할 수 있는 메타데이터들을 처리할 수 있다. 메타데이터 처리부는 이러한 메타데이터들을 이용하여 360 비디오 관련 메타데이터를 생성할 수 있다. 실시예에 따라 메타데이터 처리부는 360 비디오 관련 메타데이터를 시그널링 테이블의 형태로 생성할 수도 있다. 시그널링 문맥에 따라 360 비디오 관련 메타데이터는 메타데이터 또는 360 비디오 관련 시그널링 정보라 불릴 수도 있다. 또한 메타데이터 처리부는 획득하거나 생성한 메타데이터들을 필요에 따라 360 비디오 전송 장치의 내부 엘레멘트들에 전달할 수 있다. 메타데이터 처리부는 360 비디오 관련 메타데이터가 수신측으로 전송될 수 있도록 데이터 인코더, 인캡슐레이션 처리부 및/또는 전송 처리부에 전달할 수 있다.
데이터 인코더는 2D 이미지 상에 프로젝션된 360 비디오 데이터 및/또는 리전별 패킹된 360 비디오 데이터를 인코딩할 수 있다. 360 비디오 데이터는 다양한 포맷으로 인코딩될 수 있다.
인캡슐레이션 처리부는 인코딩된 360 비디오 데이터 및/또는 360 비디오 관련 메타데이터를 파일 등의 형태로 인캡슐레이션할 수 있다. 여기서 360 비디오 관련 메타데이터는 전술한 메타데이터 처리부로부터 전달받은 것일 수 있다. 인캡슐레이션 처리부는 해당 데이터들을 ISOBMFF, CFF 등의 파일 포맷으로 인캡슐레이션하거나, 기타 DASH 세그먼트 등의 형태로 처리할 수 있다. 인캡슐레이션 처리부는 실시예에 따라 360 비디오 관련 메타데이터를 파일 포맷 상에 포함시킬 수 있다. 360 관련 메타데이터는 예를 들어 ISOBMFF 파일 포맷 상의 다양한 레벨의 박스(box)에 포함되거나 파일 내에서 별도의 트랙내의 데이터로 포함될 수 있다. 실시예에 따라, 인캡슐레이션 처리부는 360 비디오 관련 메타데이터 자체를 파일로 인캡슐레이션할 수 있다. 전송 처리부는 파일 포맷에 따라 인캡슐레이션된 360 비디오 데이터에 전송을 위한 처리를 가할 수 있다. 전송 처리부는 임의의 전송 프로토콜에 따라 360 비디오 데이터를 처리할 수 있다. 전송을 위한 처리에는 방송망을 통한 전달을 위한 처리, 브로드밴드를 통한 전달을 위한 처리를 포함할 수 있다. 실시예에 따라 전송 처리부는 360 비디오 데이터뿐만 아니라, 메타데이터 처리부로부터 360 비디오 관련 메타데이터를 전달받아, 이 것에 전송을 위한 처리를 가할 수도 있다.
전송부는 전송 처리된 360 비디오 데이터 및/또는 360 비디오 관련 메타데이터를 방송망 및/또는 브로드밴드를 통해 전송할 수 있다. 전송부는 방송망을 통한 전송을 위한 엘레멘트 및/또는 브로드밴드를 통한 전송을 위한 엘레멘트를 포함할 수 있다.
360 비디오 전송 장치의 일 실시예에 의하면, 360 비디오 전송 장치는 데이터 저장부(도시되지 않음)를 내/외부 엘레멘트로서 더 포함할 수 있다. 데이터 저장부는 인코딩된 360 비디오 데이터 및/또는 360 비디오 관련 메타데이터를 전송 처리부로 전달하기 전에 저장하고 있을 수 있다. 이 데이터들이 저장되는 형태는 ISOBMFF 등의 파일 형태일 수 있다. 실시간으로 360 비디오를 전송하는 경우에는 데이터 저장부가 필요하지 않을 수 있으나, 온 디맨드, NRT (Non Real Time), 브로드밴드 등을 통해 전달하는 경우에는 인캡슐레이션된 360 데이터가 데이터 저장부에 일정 기간 저장되었다가 전송될 수도 있다.
360 비디오 전송 장치의 다른 실시예에 의하면, 360 비디오 전송 장치는 (송신측) 피드백 처리부 및/또는 네트워크 인터페이스(도시되지 않음)를 내/외부 엘레멘트로서 더 포함할 수 있다. 네트워크 인터페이스는 본 발명에 따른 360 비디오 수신 장치로부터 피드백 정보를 전달받고, 이를 송신측 피드백 처리부로 전달할 수 있다. 송신측 피드백 처리부는 피드백 정보를 스티처, 프로젝션 처리부, 리전별 패킹 처리부, 데이터 인코더, 인캡슐레이션 처리부, 메타데이터 처리부 및/또는 전송 처리부로 전달할 수 있다. 실시예에 따라 피드백 정보는 메타데이터 처리부에 일단 전달된 후, 다시 각 내부 엘레멘트들로 전달될 수 있다. 피드백 정보를 전달받은 내부 엘레먼트들은 이 후의 360 비디오 데이터의 처리에 피드백 정보를 반영할 수 있다.
360 비디오 전송 장치의 또 다른 실시예에 의하면, 리전별 패킹 처리부는 각 리전을 회전하여 2D 이미지 상에 매핑할 수 있다. 이 때 각 리전들은 서로 다른 방향, 서로 다른 각도로 회전되어 2D 이미지 상에 매핑될 수 있다. 리전의 회전은 360 비디오 데이터가 구형의 면 상에서 프로젝션 전에 인접했던 부분, 스티칭된 부분 등을 고려하여 수행될 수 있다. 리전의 회전에 관한 정보들, 즉 회전 방향, 각도 등은 360 비디오 관련 메타데이터에 의해 시그널링될 수 있다. 360 비디오 전송 장치의 또 다른 실시예에 의하면, 데이터 인코더는 각 리전 별로 다르게 인코딩을 수행할 수 있다. 데이터 인코더는 특정 리전은 높은 퀄리티로, 다른 리전은 낮은 퀄리티로 인코딩을 수행할 수 있다. 송신측 피드백 처리부는 360 비디오 수신 장치로부터 전달받은 피드백 정보를 데이터 인코더로 전달하여, 데이터 인코더가 리전별 차등화된 인코딩 방법을 사용하도록 할 수 있다. 예를 들어 송신측 피드백 처리부는 수신측으로부터 전달받은 뷰포트 정보를 데이터 인코더로 전달할 수 있다. 데이터 인코더는 뷰포트 정보가 지시하는 영역을 포함하는 리전들에 대해 다른 리전들보다 더 높은 퀄리티(UHD 등)로 인코딩을 수행할 수 있다.
360 비디오 전송 장치의 또 다른 실시예에 의하면, 전송 처리부는 각 리전 별로 다르게 전송을 위한 처리를 수행할 수 있다. 전송 처리부는 리전 별로 다른 전송 파라미터(모듈레이션 오더, 코드 레이트 등)를 적용하여, 각 리전 별로 전달되는 데이터의 강건성(robustenss)을 다르게 할 수 있다.
이 때, 송신측 피드백 처리부는 360 비디오 수신 장치로부터 전달받은 피드백 정보를 전송 처리부로 전달하여, 전송 처리부가 리전별 차등화된 전송 처리를 수행하도록 할 수 있다. 예를 들어 송신측 피드백 처리부는 수신측으로부터 전달받은 뷰포트 정보를 전송 처리부로 전달할 수 있다. 전송 처리부는 해당 뷰포트 정보가 지시하는 영역을 포함하는 리전들에 대해 다른 리전들보다 더 높은 강건성을 가지도록 전송 처리를 수행할 수 있다.
전술한 360 비디오 전송 장치의 내/외부 엘레멘트들은 하드웨어로 구현되는 하드웨어 엘레멘트들일 수 있다. 실시예에 따라 내/외부 엘레멘트들은 변경, 생략되거나 다른 엘레멘트로 대체, 통합될 수 있다. 실시예에 따라 부가 엘레멘트들이 360 비디오 전송 장치에 추가될 수도 있다.
도 6은 일 실시예에 따른 360 비디오 수신 장치의 구성을 개략적으로 설명하는 도면이다.
일 실시예에 따른 360 비디오 수신 장치는 전술한 프로세싱 과정 및/또는 렌더링 과정에 관련된 동작들을 수행할 수 있다. 360 비디오 수신 장치는 수신부, 수신 처리부, 디캡슐레이션 처리부, 데이터 디코더, 메타데이터 파서, (수신측) 피드백 처리부, 리-프로젝션 처리부 및/또는 렌더러를 내/외부 엘레멘트로서 포함할 수 있다. 한편, 시그널링 파서는 메타데이터 파서라고 불릴 수 있다.
수신부는 일 실시예에 따른 360 비디오 전송 장치가 전송한 360 비디오 데이터를 수신할 수 있다. 전송되는 채널에 따라 수신부는 방송망을 통하여 360 비디오 데이터를 수신할 수도 있고, 브로드밴드를 통하여 360 비디오 데이터를 수신할 수도 있다.
수신 처리부는 수신된 360 비디오 데이터에 대해 전송 프로토콜에 따른 처리를 수행할 수 있다. 전송측에서 전송을 위한 처리가 수행된 것에 대응되도록, 수신 처리부는 전술한 전송 처리부의 역과정을 수행할 수 있다. 수신 처리부는 획득한 360 비디오 데이터는 디캡슐레이션 처리부로 전달하고, 획득한 360 비디오 관련 메타데이터는 메타데이터 파서로 전달할 수 있다. 수신 처리부가 획득하는 360 비디오 관련 메타데이터는 시그널링 테이블의 형태일 수 있다.
디캡슐레이션 처리부는 수신 처리부로부터 전달받은 파일 형태의 360 비디오 데이터를 디캡슐레이션할 수 있다. 디캡슐레이션 처리부는 ISOBMFF 등에 따른 파일들을 디캡슐레이션하여, 360 비디오 데이터 내지 360 비디오 관련 메타데이터를 획득할 수 있다. 획득된 360 비디오 데이터는 데이터 디코더로, 획득된 360 비디오 관련 메타데이터는 메타데이터 파서로 전달할 수 있다. 디캡슐레이션 처리부가 획득하는 360 비디오 관련 메타데이터는 파일 포맷 내의 박스 혹은 트랙 형태일 수 있다. 디캡슐레이션 처리부는 필요한 경우 메타데이터 파서로부터 디캡슐레이션에 필요한 메타데이터를 전달받을 수도 있다.
데이터 디코더는 360 비디오 데이터에 대한 디코딩을 수행할 수 있다. 데이터 디코더는 메타데이터 파서로부터 디코딩에 필요한 메타데이터를 전달받을 수도 있다. 데이터 디코딩 과정에서 획득된 360 비디오 관련 메타데이터는 메타데이터 파서로 전달될 수도 있다.
메타데이터 파서는 360 비디오 관련 메타데이터에 대한 파싱/디코딩을 수행할 수 있다. 메타데이터 파서는 획득한 메타데이터를 데이터 디캡슐레이션 처리부, 데이터 디코더, 리-프로젝션 처리부 및/또는 렌더러로 전달할 수 있다.
리-프로젝션 처리부는 디코딩된 360 비디오 데이터에 대하여 리-프로젝션을 수행할 수 있다. 리-프로젝션 처리부는 360 비디오 데이터를 3D 공간으로 리-프로젝션할 수 있다. 3D 공간은 사용되는 3D 모델에 따라 다른 형태를 가질 수 있다. 리-프로젝션 처리부는 메타데이터 파서로부터 리-프로젝션에 필요한 메타데이터를 전달받을 수도 있다. 예를 들어 리-프로젝션 처리부는 사용되는 3D 모델의 타입 및 그 세부 정보에 대한 정보를 메타데이터 파서로부터 전달받을 수 있다. 실시예에 따라 리-프로젝션 처리부는 리-프로젝션에 필요한 메타데이터를 이용하여, 3D 공간 상의 특정 영역에 해당하는 360 비디오 데이터만을 3D 공간으로 리-프로젝션할 수도 있다.
렌더러는 리-프로젝션된 360 비디오 데이터를 렌더링할 수 있다. 전술한 바와 같이 360 비디오 데이터가 3D 공간상에 렌더링된다고 표현할 수도 있는데, 이처럼 두 과정이 한번에 일어나는 경우 리-프로젝션 처리부와 렌더러는 통합되어, 렌더러에서 이 과정들이 모두 진행될 수 있다. 실시예에 따라 렌더러는 사용자의 시점 정보에 따라 사용자가 보고 있는 부분만을 렌더링할 수도 있다.
사용자는 VR 디스플레이 등을 통하여 렌더링된 360 비디오의 일부 영역을 볼 수 있다. VR 디스플레이는 360 비디오를 재생하는 장치로서, 360 비디오 수신 장치에 포함될 수도 있고(tethered), 별도의 장치로서 360 비디오 수신 장치에 연결될 수도 있다(un-tethered).
360 비디오 수신 장치의 일 실시예에 의하면, 360 비디오 수신 장치는 (수신측) 피드백 처리부 및/또는 네트워크 인터페이스(도시되지 않음)를 내/외부 엘레멘트로서 더 포함할 수 있다. 수신측 피드백 처리부는 렌더러, 리-프로젝션 처리부, 데이터 디코더, 디캡슐레이션 처리부 및/또는 VR 디스플레이로부터 피드백 정보를 획득하여 처리할 수 있다. 피드백 정보는 뷰포트 정보, 헤드 오리엔테이션 정보, 게이즈(Gaze) 정보 등을 포함할 수 있다. 네트워크 인터페이스는 피드백 정보를 수신측 피드백 처리부로부터 전달받고, 이를 360 비디오 전송 장치로 전송할 수 있다.
전술한 바와 같이, 피드백 정보는 송신측으로 전달되는 것 뿐아니라, 수신측에서 소비될 수도 있다. 수신측 피드백 처리부는 획득한 피드백 정보를 360 비디오 수신 장치의 내부 엘레멘트들로 전달하여, 렌더링 등의 과정에 반영되게 할 수 있다. 수신측 피드백 처리부는 피드백 정보를 렌더러, 리-프로젝션 처리부, 데이터 디코더 및/또는 디캡슐레이션 처리부로 전달할 수 있다. 예를 들어, 렌더러는 피드백 정보를 활용하여 사용자가 보고 있는 영역을 우선적으로 렌더링할 수 있다. 또한 디캡슐레이션 처리부, 데이터 디코더 등은 사용자가 보고 있는 영역 내지 보게될 영역을 우선적으로 디캡슐레이션, 디코딩할 수 있다.
전술한 일 실시예에 따른 360 비디오 수신 장치의 내/외부 엘레멘트들은 하드웨어로 구현되는 하드웨어 엘레멘트들일 수 있다. 실시예에 따라 내/외부 엘레멘트들은 변경, 생략되거나 다른 엘레멘트로 대체, 통합될 수 있다. 실시예에 따라 부가 엘레멘트들이 360 비디오 수신 장치에 추가될 수도 있다.
또 다른 관점에서, 전술한 일 실시예에 다른 360 비디오 수신 장치의 동작 방법은 360 비디오를 전송하는 방법 및 360 비디오를 수신하는 방법과 관련될 수 있다. 일 실시예에 따른 따른 360 비디오를 전송/수신하는 방법은, 각각 전술한 일 실시예에 따른 360 비디오 전송/수신 장치 또는 그 장치의 실시예들에 의해 수행될 수 있다.
전술한 일 실시예에 따른 360 비디오 전송/수신 장치, 전송/수신 방법의 각각의 실시예 및 그 내/외부 엘리멘트 각각의 실시예들을 서로 조합될 수 있다. 예를 들어 프로젝션 처리부의 실시예들과, 데이터 인코더의 실시예들은 서로 조합되어, 그 경우의 수만큼의 360 비디오 전송 장치의 실시예들을 만들어 낼 수 있다.
도 7은 일 실시예에 따른 3D 공간을 설명하기 위한 비행기 주축(Aircraft Principal Axes) 개념을 도시한 도면이다.
본 발명에서, 3D 공간에서의 특정 지점, 위치, 방향, 간격, 영역 등을 표현하기 위하여 비행기 주축 개념이 사용될 수 있다. 즉, 본 발명에서 프로젝션 전 또는 리-프로젝션 후의 3D 공간에 대해 기술하고, 그에 대한 시그널링을 수행하기 위하여 비행기 주축 개념이 사용될 수 있다. 실시예에 따라 X, Y, Z 축을 이용하는 직교 좌표계 또는 구형 좌표계를 이용한 방법이 사용될 수도 있다.
비행기는 3 차원으로 자유롭게 회전할 수 있다. 3차원을 이루는 축을 각각 피치(pitch) 축, 요(yaw) 축 및 롤(roll) 축이라고 한다. 본 명세서에서 이 들을 줄여서 pitch, yaw, roll 내지 pitch 방향, yaw 방향, roll 방향이라고 표현할 수도 있다.
일 예시에서, roll 축은 직교 좌표계의 X축 또는 백-투-프론트 축(back-to-front axis)과 대응될 수 있다. 또는, roll 축은 도시된 비행기 주축 개념에서 비행기의 앞코에서 꼬리로 이어지는 축으로서, roll 방향의 회전이란 roll 축을 기준으로 한 회전을 의미할 수 있다. roll축을 기준으로 회전한 각도를 의미하는 roll 값의 범위는 -180도에서 180도 사이일 수 있고, 이때 경계값 -180도 및 180도가 roll 값의 범위에 포함될 수 있다.
다른 일 예시에서, pitch 축은 직교 좌표계의 Y축 또는 사이드-투-사이즈 축(side-to-side axis)과 대응될 수 있다. 또는, Pitch 축은 비행기의 앞코가 위/아래로 회전하는 방향의 기준이 되는 축을 의미할 수 있다. 도시된 비행기 주축 개념에서 pitch 축은 비행기의 날개에서 날개로 이어지는 축을 의미할 수 있다. pitch 축을 기준으로 회전한 각도를 의미하는 pitch 값의 범위는 -90도에서 90도 사이일 수 있고, 이때 경계값 -90도 및 90도가 pitch 값의 범위에 포함될 수 있다.
또 다른 일 예시에서, yaw 축은 직교 좌표계의 Z축 또는 수직 축(vertical axis)과 대응될 수 있다. 또는, yaw 축은 비행기의 앞코가 좌/우로 회전하는 방향의 기준이 되는 축을 의미할 수 있다. 도시된 비행기 주축 개념에서 yaw 축은 비행기의 위에서 아래로 이어지는 축을 의미할 수 있다. yaw 축을 기준으로 회전한 각도를 의미하는 yaw 값의 범위는 -180도에서 180도 사이일 수 있고, 이때 경계값 -180도 및 180도가 yaw 값의 범위에 포함될 수 있다.
일 실시예에 따른 3D 공간에서, yaw 축, pitch 축 및 roll 축을 결정하는 기준이 되는 중앙 지점(center point)은 고정된 것(static)이 아닐 수 있다.
전술한 바와 같이, pitch, yaw, roll 개념을 통해 본 발명에서의 3D 공간이 기술될 수 있다.
한편, 상술한 내용과 같이 2D 이미지 상에 프로젝션된 비디오 데이터는 비디오 코딩 효율 등을 높이기 위하여 리전별 패킹 과정(Region-wise Packing)이 수행될 수 있다. 상기 리전별 패킹 과정은 2D 이미지 상에 프로젝션된 비디오 데이터를 리전(Region) 별로 나누어 처리를 가하는 과정을 의미할 수 있다. 상기 리전(Region)은 360 비디오 데이터가 프로젝션된 2D 이미지가 나누어진 영역을 나타낼 수 있고, 상기 2D 이미지가 나뉘어진 리전들은 프로젝션 스킴에 따라 구분될 수도 있다. 여기서, 상기 2D 이미지는 비디오 프레임(video frame) 또는 프레임(frame)이라고 불릴 수 있다.
이와 관련하여 본 발명에서는 프로젝션 스킴에 따른 상기 리전별 패킹 과정에 대한 메타데이터들 및 상기 메타데이터들의 시그널링 방법을 제안한다. 상기 메타데이터들을 기반으로 상기 리전별 패킹 과정은 보다 효율적으로 수행될 수 있다.
도 8는 360 비디오의 처리 과정 및 프로젝션 포멧에 따른 리전별 패킹 과정이 적용된 2D 이미지를 예시적으로 나타낸다.
도 8의 (a)는 입력된 360 비디오 데이터의 처리 과정을 나타낼 수 있다. 도 8의 (a)를 참조하면 입력된 시점의 360 비디오 데이터는 다양한 프로젝션 스킴에 따라서 3D 프로젝션 구조에 스티칭 및 프로젝션될 수 있고, 상기 3D 프로젝션 구조에 프로젝션된 360 비디오 데이터는 2D 이미지로 나타낼 수 있다. 즉, 상기 360 비디오 데이터는 스티칭될 수 있고, 상기 2D 이미지로 프로젝션될 수 있다. 상기 360 비디오 데이터가 프로젝션된 2D 이미지는 프로젝션된 프레임(projected frame)이라고 나타낼 수 있다. 또한, 상기 프로젝션된 프레임은 전술한 리전별 패킹 과정이 수행될 수 있다. 즉, 상기 프로젝션된 프레임 상의 프로젝션된 360 비디오 데이터를 포함하는 영역을 리전들로 나누고, 각 리전들을 회전, 재배열하거나, 각 리전의 레졸루션을 변경하는 등의 처리가 수행될 수 있다. 다시 말해, 상기 리전별 패킹 과정은 상기 프로젝션된 프레임을 하나 이상의 패킹된 프레임(packed frame)으로 맵핑하는 과정을 나타낼 수 있다. 상기 리전별 패킹 과정의 수행은 선택적(optional)일 수 있고, 상기 리전별 패킹 과정이 적용되지 않는 경우, 상기 패킹된 프레임과 상기 프로젝션된 프레임은 동일할 수 있다. 상기 리전별 패킹 과정이 적용되는 경우, 상기 프로젝션된 프레임의 각 리전은 상기 패킹된 프레임의 리전에 맵핑될 수 있고, 상기 프로젝션된 프레임의 각 리전이 맵핑되는 상기 패킹된 프레임의 리전의 위치, 모양 및 크기를 나타내는 메타데이터가 도출될 수 있다.
도 8의 (b) 및 (c)는 상기 프로젝션된 프레임의 각 리전이 상기 패킹된 프레임의 리전에 맵핑되는 예들을 나타낼 수 있다. 도 8의 (b)를 참조하면 상기 360 비디오 데이터는 파노라믹(panoramic) 프로젝션 스킴(projection scheme)에 따라서 2D 이미지(또는 프레임)에 프로젝션될 수 있다. 상기 프로젝션된 프레임의 상단면(top) 리전, 중단면(middle) 리전 및 하단면(bottom) 리전은 리전별 패킹 과정이 적용되어 우측의 도면과 같이 재배열될 수 있다. 여기서, 상기 상단면 리전은 2D 이미지 상에서 상기 파노라마의 상단면을 나타내는 리전(region)일 수 있고, 상기 중단면 리전은 2D 이미지 상에서 상기 파노라마의 중단면을 나타내는 리전일 수 있고, 상기 하단면 리전은 2D 이미지 상에서 상기 파노라마의 하단면을 나타내는 리전일 수 있다. 또한, 도 8의 (c)를 참조하면 상기 360 비디오 데이터는 큐빅(cubic) 프로젝션 스킴에 따라서 2D 이미지(또는 프레임)에 프로젝션될 수 있다. 상기 프로젝션된 프레임의 앞면(front) 리전, 뒷면(back) 리전, 윗면(top) 리전, 바닥면(bottom) 리전, 우측옆면(right) 리전 및 좌측옆면(left) 리전은 리전별 패킹 과정이 적용되어 우측의 도면과 같이 재배열될 수 있다. 여기서, 상기 앞면 리전은 2D 이미지 상에서 상기 큐브의 앞면을 나타내는 리전(region)일 수 있고, 상기 뒷면 리전은 2D 이미지 상에서 상기 큐브의 뒷면을 나타내는 리전일 수 있다. 또한, 여기서, 상기 윗면 리전은 2D 이미지 상에서 상기 큐브의 윗면을 나타내는 리전일 수 있고, 상기 바닥면 리전은 2D 이미지 상에서 상기 큐브의 바닥면을 나타내는 리전일 수 있다. 또한, 여기서, 상기 우측옆면 리전은 2D 이미지 상에서 상기 큐브의 우측옆면을 나타내는 리전일 수 있고, 상기 좌측옆면 리전은 2D 이미지 상에서 상기 큐브의 좌측옆면을 나타내는 리전일 수 있다.
도 8의 (d)는 상기 360 비디오 데이터가 프로젝션될 수 있는 다양한 3D 프로젝션 포멧들을 나타낼 수 있다. 도 8의 (d)를 참조하면 상기 3D 프로젝션 포멧들은 사면체(tetrahedron), 큐브(cube), 팔면체(octahedron), 이십면체(dodecahedron), 이십면체(icosahedron)를 포함할 수 있다. 도 8의 (d)에 도시된 2D 프로젝션(2D projection)들은 상기 3D 프로젝션 포멧에 프로젝션된 360 비디오 데이터를 2D 이미지로 나타낸 프로젝션된 프레임(projectied frame)들을 나타낼 수 있다.
상기 프로젝션 포멧들은 예시로서, 일 실시예에 따르면 다양한 프로젝션 포멧(또는 프로젝션 스킴)들 중 일부 또는 전부가 사용될 수 있다. 360 비디오에 대하여 어떤 프로젝션 포멧이 사용되었는지는 예를 들어 메타데이터의 프로젝션 포멧 필드를 통하여 지시될 수 있다.
도 9a 내지 9b는 일부 실시예들에 따른 프로젝션 포멧들을 예시적으로 나타낸다.
도 9a의 (a)는 등정방형 프로젝션 포멧을 나타낼 수 있다. 등정방형 프로젝션 포멧이 사용되는 경우, 구형 면 상의 (r,
Figure PCTKR2019006551-appb-I000001
0, 0) 즉,
Figure PCTKR2019006551-appb-I000002
=
Figure PCTKR2019006551-appb-I000003
0, φ = 0 인 점과 2D 이미지의 중앙 픽셀이 매핑될 수 있다. 또한, 앞면 카메라(front camera)의 주점(principal point)를 구형 면의 (r, 0, 0) 지점으로 가정할 수 있다. 또한, φ0 = 0으로 고정될 수 있다. 따라서, XY 좌표계로 변환된 값 (x, y) 는 다음의 수학식을 통하여 2D 이미지 상에 (X, Y) 픽셀로 변환될 수 있다.
[수학식 1]
Figure PCTKR2019006551-appb-I000004
또한, 2D 이미지의 좌상단 픽셀을 XY 좌표계의 (0,0)에 위치시키는 경우, x축에 대한 오프셋 값 및 y축에 대한 오프셋 값은 다음의 수학식을 통하여 나타낼 수 있다.
[수학식 2]
Figure PCTKR2019006551-appb-I000005
이를 이용하여 XY 좌표계로의 변환식을 다시 쓰면 다음과 같을 수 있다.
[수학식 3]
Figure PCTKR2019006551-appb-I000006
예를 들어
Figure PCTKR2019006551-appb-I000007
0 =0 인 경우, 즉 2D 이미지의 중앙 픽셀이 구형 면 상의
Figure PCTKR2019006551-appb-I000008
=0 인 데이터를 가리키는 경우, 구형 면은 (0,0)을 기준으로 2D 이미지 상에서 가로길이(width) = 2Kx
Figure PCTKR2019006551-appb-I000009
r 이고 세로길이(height) = Kx
Figure PCTKR2019006551-appb-I000010
r 인 영역에 매핑될 수 있다. 구형 면 상에서 φ =
Figure PCTKR2019006551-appb-I000011
/2 인 데이터는 2D 이미지 상의 윗쪽 변 전체에 매핑될 수 있다. 또한, 구형 면 상에서 (r,
Figure PCTKR2019006551-appb-I000012
/2, 0) 인 데이터는 2D 이미지 상의 (3
Figure PCTKR2019006551-appb-I000013
Kxr/2,
Figure PCTKR2019006551-appb-I000014
Kx r/2) 인 점에 매핑될 수 있다.
수신 측에서는, 2D 이미지 상의 360 비디오 데이터를 구형 면 상으로 리-프로젝션할 수 있다. 이를 변환식으로 쓰면 다음의 수학식과 같을 수 있다.
[수학식 4]
Figure PCTKR2019006551-appb-I000015
예를 들어 2D 이미지 상에서 XY 좌표값이 (Kx
Figure PCTKR2019006551-appb-I000016
r, 0) 인 픽셀은 구형 면 상의
Figure PCTKR2019006551-appb-I000017
=
Figure PCTKR2019006551-appb-I000018
0, φ =
Figure PCTKR2019006551-appb-I000019
/2 인 점으로 리-프로젝션될 수 있다.
도 9a의 (b)는 큐빅 프로젝션 포멧을 나타낼 수 있다. 예를 들어 스티칭된 360 비디오 데이터는 구형의 면 상에 나타내어질 수 있다. 프로젝션 처리부는 이러한 360 비디오 데이터를 큐브(Cube, 정육면체) 형태로 나누어 2D 이미지 상에 프로젝션할 수 있다. 구형의 면 상의 360 비디오 데이터는 큐브의 각 면에 대응되어, 2D 이미지 상에 도 9a의 (b) 좌측 또는 (b) 우측에 도시된 것과 같이 프로젝션될 수 있다.
도 9a의 (c)는 실린더형 프로젝션 포멧을 나타낼 수 있다. 스티칭된 360 비디오 데이터가 구형의 면 상에 나타내어질 수 있다고 가정할 때, 프로젝션 처리부는 이러한 360 비디오 데이터를 실린더(Cylinder) 형태로 나누어 2D 이미지 상에 프로젝션할 수 있다. 구형의 면 상의 360 비디오 데이터는 실린더의 옆면(side)과 윗면(top), 바닥면(bottom) 에 각각 대응되어, 2D 이미지 상에 도 8A의 (c) 좌측 또는 (c) 우측에 도시된 것과 같이 프로젝션될 수 있다.
도 9a의 (d)는 타일-기반 프로젝션 포멧을 나타낼 수 있다. 타일-기반(Tile-based) 프로젝션 스킴이 쓰이는 경우, 전술한 프로젝션 처리부는 구형 면 상의 360 비디오 데이터를, 도 9a의 (d)에 도시된 것과 같이 하나 이상의 세부 영역으로 나누어 2D 이미지 상에 프로젝션할 수 있다. 상기 세부 영역은 타일이라고 불릴 수 있다.
도 9b의 (e)는 피라미드 프로젝션 포멧을 나타낼 수 있다. 스티칭된 360 비디오 데이터가 구형의 면 상에 나타내어질 수 있다고 가정할 때, 프로젝션 처리부는 이러한 360 비디오 데이터를 피라미드 형태로 보고, 각 면을 나누어 2D 이미지 상에 프로젝션할 수 있다. 구형의 면 상의 360 비디오 데이터는 피라미드의 바닥면(front), 피라미드의 4방향의 옆면(Left top, Left bottom, Right top, Right bottom) 에 각각 대응되어, 2D 이미지 상에 도 8의 (e) 좌측 또는 (e) 우측에 도시된 것과 같이 프로젝션될 수 있다. 여기서, 상기 바닥면은 정면을 바라보는 카메라가 획득한 데이터를 포함하는 영역일 수 있다.
도 9b의 (f)는 파노라믹 프로젝션 포멧을 나타낼 수 있다. 파노라믹 프로젝션 스포멧이 사용되는 경우, 전술한 프로젝션 처리부는, 도 9b의 (f)에 도시된 것과 같이 구형 면 상의 360 비디오 데이터 중 옆면 만을 2D 이미지 상에 프로젝션할 수 있다. 이는 실린더형 프로젝션 스킴에서 윗면(top)과 바닥면(bottom) 이 존재하지 않는 경우와 같을 수 있다.
한편, 일 실시예에 의하면, 스티칭없이 프로젝션이 수행될 수 있다. 도 9b의 (g)는 스티칭없이 프로젝션이 수행되는 경우를 나타낼 수 있다. 스티칭없이 프로젝션되는 경우, 전술한 프로젝션 처리부는, 도 9b의 (g)에 도시된 것과 같이, 360 비디오 데이터를 그대로 2D 이미지 상에 프로젝션할 수 있다. 이 경우 스티칭은 수행되지 않고, 카메라에서 획득된 각각의 이미지들이 그대로 2D 이미지 상에 프로젝션될 수 있다.
도 9b의 (g)를 참조하면 두 개의 이미지가 2D 이미지 상에 스티칭없이 프로젝션될 수 있다. 각 이미지는 구형 카메라(spherical camera) (또는 어안(fish-eye) 카메라)에서 각 센서를 통해 획득한 어안(fish-eye) 이미지일 수 있다. 전술한 바와 같이, 수신측에서 카메라 센서들로부터 획득하는 이미지 데이터를 스티칭할 수 있고, 스티칭된 이미지 데이터를 구형 면(spherical surface) 상에 맵핑하여 구형 비디오(spherical video), 즉, 360 비디오를 렌더링할 수 있다.
도 10a 및 10b는 일부 실시예들에 따른 타일(Tile)을 도시한 도면이다.
2D 이미지에 프로젝션된 360 비디오 데이터 또는 리전별 패킹까지 수행된 360 비디오 데이터는 하나 이상의 타일로 구분될 수 있다. 도시된 도 10a 는 하나의 2D 이미지가 16 개의 타일로 나뉘어진 형태를 도시하고 있다. 여기서 2D 이미지란 전술한 프로젝티드 프레임 내지는 팩드 프레임일 수 있다. 본 발명에 따른 360 비디오 전송 장치의 또 다른 실시예에 의하면, 데이터 인코더는 각각의 타일을 독립적으로 인코딩할 수 있다.
전술한 리전별 패킹과 타일링(Tiling)은 구분될 수 있다. 전술한 리전별 패킹은 코딩 효율을 높이기 위해 또는 레졸루션을 조정하기 위하여 2D 이미지상에 프로젝션된 360 비디오 데이터를 리전으로 구분하여 처리하는 것을 의미할 수 있다. 타일링은 데이터 인코더가 프로젝티드 프레임 내지는 팩드 프레임을 타일이라는 구획별로 나누고, 해당 타일들 별로 독립적으로 인코딩을 수행하는 것을 의미할 수 있다. 360 비디오가 제공될 때, 사용자는 360 비디오의 모든 부분을 동시에 소비하지 않는다. 타일링은 제한된 밴드위스(bandwidth)상에서 사용자가 현재 보는 뷰포트 등 중요 부분 내지 일정 부분에 해당하는 타일만을 수신측으로 전송 혹은 소비하는 것을 가능케할 수 있다. 타일링을 통해 제한된 밴드위스가 더 효율적으로 활용될 수 있고, 수신측에서도 모든 360 비디오 데이터를 한번에 다 처리하는 것에 비하여 연산 부하를 줄일 수 있다.
리전과 타일은 구분되므로, 두 영역이 같을 필요는 없다. 그러나 실시예에 따라 리전과 타일은 같은 영역을 지칭할 수도 있다. 실시예에 따라 타일에 맞추어 리전별 패킹이 수행되어 리전과 타일이 같아질 수 있다. 또한 실시예에 따라, 프로젝션 스킴에 따른 각 면과 리전이 같은 경우, 프로젝션 스킴에 따른 각 면, 리전, 타일이 같은 영역을 지칭할 수도 있다. 문맥에 따라 리전은 VR 리전, 타일을 타일 리전으로 불릴 수도 있다.
ROI (Region of Interest) 는 360 컨텐츠 제공자가 제안하는, 사용자들의 관심 영역을 의미할 수 있다. 360 컨텐츠 제공자는 360 비디오를 제작할 때, 어느 특정 영역을 사용자들이 관심있어 할 것으로 보고, 이를 고려하여 360 비디오를 제작할 수 있다. 실시예에 따라 ROI 는 360 비디오의 컨텐츠 상, 중요한 내용이 재생되는 영역에 해당할 수 있다.
360 비디오 전송/수신 장치의 또 다른 실시예에 의하면, 수신측 피드백 처리부는 뷰포트 정보를 추출, 수집하여 이를 송신측 피드백 처리부로 전달할 수 있다. 이 과정에서 뷰포트 정보는 양 측의 네트워크 인터페이스를 이용해 전달될 수 있다. 도시된 도 10a 의 2D 이미지에서 뷰포트 (1000) 가 표시되었다. 여기서 뷰포트는 2D 이미지 상의 9 개의 타일에 걸쳐 있을 수 있다.
이 경우 360 비디오 전송 장치는 타일링 시스템을 더 포함할 수 있다. 실시예에 따라 타일링 시스템은 데이터 인코더 다음에 위치할 수도 있고(도시된 10b), 전술한 데이터 인코더 내지 전송 처리부 내에 포함될 수도 있고, 별개의 내/외부 엘리먼트로서 360 비디오 전송 장치에 포함될 수 있다.
타일링 시스템은 송신측 피드백 처리부로부터 뷰포트 정보를 전달받을 수 있다. 타일링 시스템은 뷰포트 영역이 포함되는 타일만을 선별하여 전송할 수 있다. 도시된 도 10a 의 2D 이미지에서 총 16 개의 타일 중 뷰포트 영역(1000)을 포함하는 9 개의 타일들만이 전송될 수 있다. 여기서 타일링 시스템은 브로드밴드를 통한 유니캐스트 방식으로 타일들을 전송할 수 있다. 사용자에 따라 뷰포트 영역이 다르기 때문이다.
또한 이 경우 송신측 피드백 처리부는 뷰포트 정보를 데이터 인코더로 전달할 수 있다. 데이터 인코더는 뷰포트 영역을 포함하는 타일들에 대해 다른 타일들보다 더 높은 퀄리티로 인코딩을 수행할 수 있다.
또한 이 경우 송신측 피드백 처리부는 뷰포트 정보를 메타데이터 처리부로 전달할 수 있다. 메타데이터 처리부는 뷰포트 영역과 관련된 메타데이터를 360 비디오 전송 장치의 각 내부 엘레먼트로 전달해주거나, 360 비디오 관련 메타데이터에 포함시킬 수 있다.
이러한 타일링 방식을 통하여, 전송 밴드위스(bandwidth)가 절약될 수 있으며, 타일 별로 차등화된 처리를 수행하여 효율적 데이터 처리/전송이 가능해질 수 있다.
전술한 뷰포트 영역과 관련된 실시예들은 뷰포트 영역이 아닌 다른 특정 영역들에 대해서도 유사한 방식으로 적용될 수 있다. 예를 들어, 전술한 게이즈 분석을 통해 사용자들이 주로 관심있어 하는 것으로 판단된 영역, ROI 영역, 사용자가 VR 디스플레이를 통해 360 비디오를 접할 때 처음으로 재생되는 영역(초기 시점, Initial Viewpoint) 등에 대해서도, 전술한 뷰포트 영역과 같은 방식의 처리들이 수행될 수 있다.
360 비디오 전송 장치의 또 다른 실시예에 의하면, 전송 처리부는 각 타일 별로 다르게 전송을 위한 처리를 수행할 수 있다. 전송 처리부는 타일 별로 다른 전송 파라미터(모듈레이션 오더, 코드 레이트 등)를 적용하여, 각 타일 별로 전달되는 데이터의 강건성(robustenss)을 다르게 할 수 있다.
이 때, 송신측 피드백 처리부는 360 비디오 수신 장치로부터 전달받은 피드백 정보를 전송 처리부로 전달하여, 전송 처리부가 타일별 차등화된 전송 처리를 수행하도록 할 수 있다. 예를 들어 송신측 피드백 처리부는 수신측으로부터 전달받은 뷰포트 정보를 전송 처리부로 전달할 수 있다. 전송 처리부는 해당 뷰포트 영역을 포함하는 타일들에 대해 다른 타일들보다 더 높은 강건성을 가지도록 전송 처리를 수행할 수 있다.
도 11은 일 실시예에 따른 360도 비디오 관련 메타데이터의 일 예를 나타낸다.
상술한 내용과 같이 360도 비디오 관련 메타데이터는 360도 비디오에 대한 다양한 메타데이터를 포함할 수 있다. 문맥에 따라, 360도 비디오 관련 메타데이터는 360도 비디오 관련 시그널링 정보라고 불릴 수도 있다. 360도 비디오 관련 메타데이터는 별도의 시그널링 테이블에 포함되어 전송될 수도 있고, DASH MPD 내에 포함되어 전송될 수도 있고, ISOBMFF 등의 파일 포맷에 box 형태로 포함되어 전달될 수도 있다. 360도 비디오 관련 메타데이터가 box 형태로 포함되는 경우 파일, 프래그먼트, 트랙, 샘플 엔트리, 샘플 등등 다양한 레벨에 포함되어 해당되는 레벨의 데이터에 대한 메타데이터를 포함할 수 있다.
실시예에 따라, 후술하는 메타데이터의 일부는 시그널링 테이블로 구성되어 전달되고, 나머지 일부는 파일 포맷 내에 box 혹은 트랙 형태로 포함될 수도 있다.
360도 비디오 관련 메타데이터의 일 실시예에 의하면, 360도 비디오 관련 메타데이터는 프로젝션 스킴 등에 관한 기본 메타데이터, 스테레오스코픽(stereoscopic) 관련 메타데이터, 초기 시점(Initial View/Initial Viewpoint) 관련 메타데이터, ROI 관련 메타데이터, FOV (Field of View) 관련 메타데이터 및/또는 크롭된 영역(cropped region) 관련 메타데이터를 포함할 수 있다. 실시예에 따라 360도 비디오 관련 메타데이터는 전술한 것 외에 추가적인 메타데이터를 더 포함할 수 있다.
360도 비디오 관련 메타데이터의 실시예들은 전술한 기본 메타데이터, 스테레오스코픽 관련 메타데이터, 초기 시점 관련 메타데이터, ROI 관련 메타데이터, FOV 관련 메타데이터, 크롭된 영역 관련 메타데이터 및/또는 이후 추가될 수 있는 메타데이터들 중 적어도 하나 이상을 포함하는 형태일 수 있다. 본 발명에 따른 360도 비디오 관련 메타데이터의 실시예들은, 각각 포함하는 세부 메타데이터들의 경우의 수에 따라 다양하게 구성될 수 있다. 실시예에 따라 360도 비디오 관련 메타데이터는 전술한 것 외에 추가적인 정보들을 더 포함할 수도 있다.
stereo_mode 필드는 해당 360도 비디오가 지원하는 3D 레이아웃을 지시할 수 있다. 본 필드만으로 해당 360도 비디오가 3D 를 지원하는지 여부를 지시할 수도 있는데, 이 경우 전술한 is_stereoscopic 필드는 생략될 수 있다. 본 필드 값이 0 인 경우, 해당 360도 비디오는 모노(mono) 모드일 수 있다. 즉 프로젝션된 2D 이미지는 하나의 모노 뷰(mono view) 만을 포함할 수 있다. 이 경우 해당 360도 비디오는 3D 를 지원하지 않을 수 있다.
본 필드 값이 1, 2 인 경우, 해당 360도 비디오는 각각 좌우(Left-Right) 레이아웃, 상하(Top-Bottom) 레이아웃에 따를 수 있다. 좌우 레이아웃, 상하 레이아웃은 각각 사이드-바이-사이드 포맷, 탑-바텀 포맷으로 불릴 수도 있다. 좌우 레이아웃의 경우, 좌영상/우영상이 프로젝션된 2D 이미지들은 이미지 프레임 상에서 각각 좌/우로 위치할 수 있다. 상하 레이아웃의 경우, 좌영상/우영상이 프로젝션된 2D 이미지들은 이미지 프레임 상에서 각각 위/아래로 위치할 수 있다. 해당 필드가 나머지 값을 가지는 경우는 향후 사용을 위해 남겨둘 수 있다(Reserved for Future Use).
초기 시점 관련 메타데이터는 사용자가 360도 비디오를 처음 재생했을 때 보게되는 시점(초기 시점)에 대한 정보를 포함할 수 있다. 초기 시점 관련 메타데이터는 initial_view_yaw_degree 필드, initial_view_pitch_degree 필드 및/또는 initial_view_roll_degree 필드를 포함할 수 있다. 실시예에 따라 초기 시점 관련 메타데이터는 추가적인 정보들을 더 포함할 수도 있다.
initial_view_yaw_degree 필드, initial_view_pitch_degree 필드, initial_view_roll_degree 필드는 해당 360도 비디오 재생 시의 초기 시점을 나타낼 수 있다. 즉, 재생시 처음 보여지는 뷰포트의 정중앙 지점이, 이 세 필드들에 의해 나타내어질 수 있다. 구체적으로, 상기 initial_view_yaw_degree 필드는 상기 초기 시점에 대한 yaw 값을 나타낼 수 있다. 즉, 상기 initial_view_yaw_degree 필드는 상기 정중앙 지점의 위치를 yaw 축을 기준으로 회전된 방향(부호) 및 그 정도(각도)로 나타낼 수 있다. 또한, 상기 initial_view_pitch_degree 필드는 상기 초기 시점에 대한 pitch 값을 나타낼 수 있다. 즉, 상기 initial_view_pitch_degree 필드는 상기 정중앙 지점의 위치를 pitch 축을 기준으로 회전된 방향(부호) 및 그 정도(각도)로 나타낼 수 있다. 또한, 상기 initial_view_roll_degree 필드는 상기 초기 시점에 대한 roll 값을 나타낼 수 있다. 즉, 상기 initial_view_roll_degree 필드는 상기 정중앙 지점의 위치를 roll 축을 기준으로 회전된 방향(부호) 및 그 정도(각도)로 나타낼 수 있다. 상기 initial_view_yaw_degree 필드, 상기 initial_view_pitch_degree 필드, 상기 initial_view_roll_degree 필드를 기반으로 해당 360도 비디오 재생 시의 초기 시점, 즉, 재생시 처음 보여지는 뷰포트의 정중앙 지점을 나타낼 수 있고, 이를 통하여 상기 360도 비디오의 특정 영역이 사용자에게 초기 시점에 디스플레이되어 제공될 수 있다. 또한, FOV(field of view)를 통하여, 지시된 초기 시점을 기준으로 한, 초기 뷰포트의 가로길이 및 세로길이(width, height) 가 결정될 수 있다. 즉, 이 세 필드들 및 FOV 정보를 이용하여, 360도 비디오 수신 장치는 사용자에게 360도 비디오의 일정 영역을 초기 뷰포트로서 제공할 수 있다.
실시예에 따라, 초기 시점 관련 메타데이터가 지시하는 초기 시점은, 장면(scene) 별로 변경될 수 있다. 즉, 360 컨텐츠의 시간적 흐름에 따라 360도 비디오의 장면이 바뀌게 되는데, 해당 360도 비디오의 장면마다 사용자가 처음 보게되는 초기 시점 내지 초기 뷰포트가 변경될 수 있다. 이 경우, 초기 시점 관련 메타데이터는 각 장면별로의 초기 시점을 지시할 수 있다. 이를 위해 초기 시점 관련 메타데이터는, 해당 초기 시점이 적용되는 장면을 식별하는 장면(scene) 식별자를 더 포함할 수도 있다. 또한 360도 비디오의 장면별로 FOV(Field Of View)가 변할 수도 있으므로, 초기 시점 관련 메타데이터는 해당 장면에 해당하는 FOV를 나타내는 장면별 FOV 정보를 더 포함할 수도 있다.
ROI 관련 메타데이터는 전술한 ROI 에 관련된 정보들을 포함할 수 있다. ROI 관련 메타데이터는, 2d_roi_range_flag 필드 및/또는 3d_roi_range_flag 필드를 포함할 수 있다. 2d_roi_range_flag 필드는 ROI 관련 메타데이터가 2D 이미지를 기준으로 ROI 를 표현하는 필드들을 포함하는지 여부를 지시할 수 있고, 3d_roi_range_flag 필드는 ROI 관련 메타데이터가 3D 공간을 기준으로 ROI 를 표현하는 필드들을 포함하는지 여부를 지시할 수 있다. 실시예에 따라 ROI 관련 메타데이터는, ROI 에 따른 차등 인코딩 정보, ROI 에 따른 차등 전송처리 정보 등 추가적인 정보들을 더 포함할 수도 있다.
ROI 관련 메타데이터가 2D 이미지를 기준으로 ROI 를 표현하는 필드들을 포함하는 경우, ROI 관련 메타데이터는 min_top_left_x 필드, max_top_left_x 필드, min_top_left_y 필드, max_top_left_y 필드, min_width 필드, max_width 필드, min_height 필드, max_height 필드, min_x 필드, max_x 필드, min_y 필드 및/또는 max_y 필드를 포함할 수 있다.
min_top_left_x 필드, max_top_left_x 필드, min_top_left_y 필드, max_top_left_y 필드는 ROI 의 좌측 상단 끝의 좌표의 최소/최대값을 나타낼 수 있다. 즉, 상기 필드들은 차례로 좌상단 끝의 최소 x 좌표, 최대 x 좌표, 최소 y 좌표, 최대 y 좌표를 나타낼 수 있다.
min_width 필드, max_width 필드, min_height 필드, max_height 필드는 ROI 의 가로 크기(width), 세로 크기(height)의 최소/최대값을 나타낼 수 있다. 즉, 상기 필드들은 차례로 가로 크기의 최소값, 가로 크기의 최대값, 세로 크기의 최소값, 세로 크기의 최대값을 나타낼 수 있다.
min_x 필드, max_x 필드, min_y 필드, max_y 필드는 ROI 내의 좌표들의 최소/최대값을 나타낼 수 있다. 즉, 상기 필드들은 차례로 ROI 내 좌표들의 최소 x 좌표, 최대 x 좌표, 최소 y 좌표, 최대 y 좌표를 나타낼 수 있다. 이 필드들은 생략될 수 있다.
ROI 관련 메타데이터가 3D 랜더링 공간 상의 좌표 기준으로 ROI 를 표현하는 필드들을 포함하는 경우, ROI 관련 메타데이터는 min_yaw 필드, max_yaw 필드, min_pitch 필드, max_pitch 필드, min_roll 필드, max_roll 필드, min_field_of_view 필드 및/또는 max_field_of_view 필드를 포함할 수 있다.
min_yaw 필드, max_yaw 필드, min_pitch 필드, max_pitch 필드, min_roll 필드, max_roll 필드는 ROI 가 3D 공간상에서 차지하는 영역을 yaw, pitch, roll 의 최소/최대값으로 나타낼 수 있다. 즉, 상기 필드들은 차례로 yaw 축 기준 회전량의 최소값, yaw 축 기준 회전량의 최대값, pitch 축 기준 회전량의 최소값, pitch 축 기준 회전량의 최대값, roll 축 기준 회전량의 최소값, roll 축 기준 회전량의 최대값을 나타낼 수 있다.
min_field_of_view 필드, max_field_of_view 필드는 해당 360도 비디오 데이터의 FOV(Field Of View)의 최소/최대값을 나타낼 수 있다. FOV 는 360도 비디오의 재생시 한번에 디스플레이되는 시야범위를 의미할 수 있다. min_field_of_view 필드, max_field_of_view 필드는 각각 FOV 의 최소값, 최대값을 나타낼 수 있다. 이 필드들은 생략될 수 있다. 이 필드들은 후술할 FOV 관련 메타데이터에 포함될 수도 있다.
FOV 관련 메타데이터는 전술한 FOV 에 관련한 정보들을 포함할 수 있다. FOV 관련 메타데이터는 content_fov_flag 필드 및/또는 content_fov 필드를 포함할 수 있다. 실시예에 따라 FOV 관련 메타데이터는 전술한 FOV 의 최소/최대값 관련 정보 등 추가적인 정보들을 더 포함할 수도 있다.
content_fov_flag 필드는 해당 360도 비디오에 대하여 제작시 의도한 FOV 에 대한 정보가 존재하는지 여부를 지시할 수 있다. 본 필드값이 1인 경우, content_fov 필드가 존재할 수 있다.
content_fov 필드는 해당 360도 비디오에 대하여 제작시 의도한 FOV 에 대한 정보를 나타낼 수 있다. 실시예에 따라 해당 360도 비디오 수신 장치의 수직(vertical) 혹은 수평(horizontal) FOV 에 따라, 360 영상 중에서 사용자에게 한번에 디스플레이되는 영역이 결정될 수 있다. 혹은 실시예에 따라 본 필드의 FOV 정보를 반영하여 사용자에게 한번에 디스플레이되는 360도 비디오의 영역이 결정될 수도 있다.
크롭된 영역 관련 메타데이터는 이미지 프레임 상에서 실제 360도 비디오 데이터를 포함하는 영역에 대한 정보를 포함할 수 있다. 이미지 프레임은 실제 360도 비디오 데이터 프로젝션된 액티브 비디오 영역(Active Video Area)과 그렇지 않은 영역을 포함할 수 있다. 이 때 액티브 비디오 영역은 크롭된 영역 또는 디폴트 디스플레이 영역이라고 칭할 수 있다. 이 액티브 비디오 영역은 실제 VR 디스플레이 상에서 360도 비디오로서 보여지는 영역으로서, 360도 비디오 수신 장치 또는 VR 디스플레이는 액티브 비디오 영역만을 처리/디스플레이할 수 있다. 예를 들어 이미지 프레임의 종횡비(aspect ratio) 가 4:3 인 경우 이미지 프레임의 윗 부분 일부와 아랫부분 일부를 제외한 영역만 360도 비디오 데이터를 포함할 수 있는데, 이 부분을 액티브 비디오 영역이라고 할 수 있다.
크롭된 영역 관련 메타데이터는 is_cropped_region 필드, cr_region_left_top_x 필드, cr_region_left_top_y 필드, cr_region_width 필드 및/또는 cr_region_height 필드를 포함할 수 있다. 실시예에 따라 크롭된 영역 관련 메타데이터는 추가적인 정보들을 더 포함할 수도 있다.
is_cropped_region 필드는 이미지 프레임의 전체 영역이 360도 비디오 수신 장치 내지 VR 디스플레이에 의해 사용되는지 여부를 나타내는 플래그일 수 있다. 여기서, 360도 비디오 데이터가 매핑된 영역 혹은 VR 디스플레이 상에서 보여지는 영역은 액티브 비디오 영역(Active Video Area)라고 불릴 수 있다. 상기 is_cropped_region 필드는 이미지 프레임 전체가 액티브 비디오 영역인지 여부를 지시할 수 있다. 이미지 프레임의 일부만이 액티브 비디오 영역인 경우, 하기의 4 필드가 더 추가될 수 있다.
cr_region_left_top_x 필드, cr_region_left_top_y 필드, cr_region_width 필드, cr_region_height 필드는 이미지 프레임 상에서 액티브 비디오 영역을 나타낼 수 있다. 이 필드들은 각각 액티브 비디오 영역의 좌상단의 x 좌표, 액티브 비디오 영역의 좌상단의 y 좌표, 액티브 비디오 영역의 가로 길이(width), 액티브 비디오 영역의 세로 길이(height)를 나타낼 수 있다. 가로 길이와 세로 길이는 픽셀을 단위로 나타내어질 수 있다.
360 비디오 기반 VR 시스템은 전술한 360 비디오 처리 과정을 기반으로 360 비디오에 대하여 사용자의 위치를 기준으로 서로 다른 뷰잉 오리엔테이션(viewing orientation)에 대한 시각적/청각적 경험을 제공할 수 있다. 360 비디오에 대하여 사용자의 고정 위치에서의 서로 다른 뷰잉 오리엔테이션에 대한 시작적/청각적 경험을 제공하는 VR 시스템은 3DoF (three degree of freedom) 기반 VR 시스템이라고 불릴 수 있다. 한편, 서로 다른 뷰포인트(viewpoint), 서로 다른 뷰잉 포지션(viewing position)에서의 서로 다른 뷰잉 오리엔테이션에 대한 확장된 시각적/청각적 경험을 제공할 수 있는 VR 시스템은 3DoF+ 또는 3DoF plus 기반 VR 시스템라고 불릴 수 있다.
도 12는 뷰포인트, 뷰잉 포지션, 뷰잉 오리엔테이션의 개념을 개략적으로 나타낸다.
도 12를 참조하면, (a)와 같은 공간(ex. 공연장)을 가정했을 때, 표시된 각 서클은 서로 다른 뷰포인트를 나타낼 수 있다. 상기 같은 공간 내에 위치하는 각 뷰포인트에서 제공되는 영상/음성은 동일한 시간대에서 서로 연관될 수 있다. 이 경우, 특정 뷰포인트에서 사용자의 시선 방향 변화 또는 머리 움직임(ex. head motion)에 따라 서로 다른 시각적/청각적 경험을 사용자에게 제공할 수 있다. 즉, 특정 뷰포인트에 대해 (b)에 도시된 바와 같은 다양한 뷰잉 포지션의 스피어(sphere)를 가정할 수 있으며, 각 뷰잉 포지션의 상대적인 위치를 반영한 영상/음성/텍스트 정보를 제공할 수 있다.
한편, (c)에 도시된 바와 같이 특정 뷰포인트의 특정 뷰핑 포지션에서는 기존의 3DoF와 같이 다양한 방향의 시작적/청각적 정보를 전달할 수 있다. 이 때 메인 소스(ex. 영상/음성/텍스트)뿐만 아니라 추가적인 다양한 소스를 통합하여 제공할 수 있으며, 이 경우 사용자의 뷰잉 오리엔테이션과 연계되거나 독립적으로 정보가 전달될 수 있다.
도 13은 일 실시예에 따른 3DoF+ 비디오 제공을 위한 아키텍처의 예를 개략적으로 도시한 도면이다.
도 13은 3DoF+ 의 영상획득, 전처리, 전송, (후)처리, 렌더링 및 피드백 과정을 포함한 3DoF+ 엔드 투 엔드 시스템 흐름도를 나타낼 수 있다.
도 13을 참조하면, 획득(acquisition) 과정은 360 비디오의 캡쳐, 합성 또는 생성 과정 등을 통한 360 비디오를 획득하는 과정을 의미할 수 있다. 이 과정을 통하여 다수의 위치에 대해 시선 방향 변화(ex. head motion)에 따른 다수의 영상/음성 정보를 획득할 수 있다. 이 때, 영상 정보는 시각적 정보(ex. texture)뿐 아니라 깊이 정보(depth)를 포함할 수 있다. 이 때 1310의 영상 정보 예시와 같이 서로 다른 뷰포인트(viewpoint)에 따른 서로 다른 뷰잉 포지션(viewing position)의 복수의 정보를 각각 획득할 수 있다.
합성(composition) 과정은 영상/음성 입력 장치를 통해 획득한 정보뿐 아니라 외부 미디어를 통한 영상(비디오/이미지 등), 음성(오디오/효과음향 등), 텍스트(자막 등)을 사용자 경험에 포함하기 위해 합성하기 위한 절차 및 방법을 포함할 수 있다.
전처리(pre-procesing) 과정은 획득된 360 비디오의 전송/전달을 위한 준비(전처리) 과정으로서, 전술한 스티칭, 프로젝션, 리전별 패킹 과정 및/또는 인코딩 과정 등을 포함할 수 있다. 즉, 이 과정은 영상/음성/텍스트 정보를 제작자의 의도에 따라 데이터를 변경/보완 하기위한 전처리 과정 및 인코딩 과정이 포함될 수 있다. 예를 들어 영상의 전처리 과정에서는 획득된 시각 정보를 360 스피어(sphere) 상에 매핑하는 작업(stitching), 영역 경계를 없애거나 색상/밝기 차이를 줄이거나 영상의 시각적 효과를 주는 보정 작업(editing), 시점에 따른 영상을 분리하는 과정(view segmentation), 360 스피어(sphere) 상의 영상을 2D 영상으로 매핑하는 프로젝션 과정(projection), 영역에 따라 영상을 재배치 하는 과정(region-wise packing), 영상 정보를 압축하는 인코딩 과정이 포함될 수 있다. 1320의 비디오 측면의 예시와 같이 서로 다른 뷰포인트(viewpoint)에 따른 서로 뷰잉 포지션(viewing position)의 복수의 프로젝션 영상이 생성될 수 있다.
전송 과정은 준비 과정(전처리 과정)을 거친 영상/음성 데이터 및 메타데이터들을 처리하여 전송하는 과정을 의미할 수 있다. 서로 다른 뷰포인트(viewpoint)에 따른 서로 다른 뷰잉 포지션(viewing position)의 복수의 영상/음성 데이터 및 관련 메타데이터를 전달하는 방법으로써 전술한 바와 같이 방송망, 통신망을 이용하거나, 단방향 전달 등의 방법을 사용할 수 있다.
후처리 및 합성 과정은 수신된/저장된 비디오/오디오/텍스트 데이터를 디코딩하고 최종 재생을 위한 후처리 과정을 의미할 수 있다. 예를 들어 후처리 과정은 전술한 바와 같이 패킹 된 영상을 풀어주는 언패킹 및 2D 프로젝션 된 영상을 3D 구형 영상으로복원하는 리-프로젝션 과정 등이 포함될 수 있다.
렌더링 과정은 3D 공간상에 리-프로젝션된 이미지/비디오 데이터를 렌더링하고 디스플레이하는 과정을 의미할 수 있다. 이 과정에서 영상/음성 신호를 최종적으로 출력하기 위한 형태로 재구성할 수 있다. 사용자의 관심영역이 존재하는 방향(viewing orientation), 시점(viewing position/head position), 위치(viewpoint)를 추적할 수 있으며, 이 정보에 따라 필요한 영상/음성/텍스트 정보만을 선택적으로 사용할 수 있다. 이 때, 영상 신호의 경우 사용자의 관심영역에 따라 1330과 같이 서로 다른 시점이 선택될 수 있으며, 최종적으로 1340과 같이 특정 위치에서의 특정 시점의 특정 방향의 영상이 출력될 수 있다.
도 14a 및 14b는 3DoF+ 엔드 투 엔드 시스템 아키텍처의 일 예이다.
도 14a 및 14b의 아키텍처에 의하여 전솔된 바와 같은 3D0F+ 360 컨텐츠가 제공될 수 있다.
도 14a를 참조하면, 360 비디오 전송 장치(송신단)은 크게 360 비디오(이미지)/오디오 데이터 획득이 이루어지는 부분 (acquisition unit), 획득된 데이터를 처리하는 부분 (video/audio pre-processor), 추가 정보를 합성하기 위한 부분(composition generation unit), 텍스트, 오디오 및 프로젝션된 360도 비디오를 인코딩하는 부분(encoding unit) 및 인코딩된 데이터를 인캡슐레이션하는 부분(encapsulation unit)으로 구성될 수 있다. 전술한 바와 같이 인코딩된 데이터는 비트스트림(bitstream) 형태로 출력될 수 있으며, 인코딩된 데이터는 ISOBMFF, CFF 등의 파일 포맷으로 인캡슐레이션되거나, 기타 DASH 세그먼트 등의 형태로 처리할 수 있다. 인코딩된 데이터는 디지털 저장 매체를 통하여 360 비디오 수신 장치로 전달될 수 있으며, 또는 비록 명시적으로 도시되지는 않았으나, 전술한 바와 같이 전송 처리부를 통하여 전송을 위한 처리를 거치고, 이후 방송망 또는 브로드밴드 등을 통하여 전송될 수 있다.
데이터 획득 부분에서는 센서의 방향(sensor orientation, 영상의 경우 viewing orientation), 센서의 정보 획득 시점(sensor position, 영상의 경우 viewing position), 센서의 정보 획득 위치(영상의 경우 viewpoint)에 따라 서로 다른 정보를 동시에 혹은 연속적으로 획득할 수 있으며, 이 때 비디오, 이미지, 오디오, 위치 정보 등을 획득할 수 있다.
영상 데이터의 경우 텍스처(texture) 및 깊이 정보(depth)를 각각 획득할 수 있으며, 각 컴포넌트의 특성에 따라 서로 다른 전처리(video pre-processing)가 가능하다. 예를 들어 텍스처 정보의 경우 이미지 센서 위치 정보를 이용하여 동일 위치(viewpoint)에서 획득한 동일 시점(viewing position)의 서로 다른 방향 (viewing orientation)의 영상들을 이용하여 360 전방위 영상을 구성할 수 있으며, 이를 위해 영상 스티칭 (stitching) 과정을 수행할 수 있다. 또한 영상을 인코딩하기 위한 포맷으로 변경하기 위한 프로젝션(projection) 및/또는 리전별 팩킹을 수행할 수 있다. 깊이 영상의 경우 일반적으로 뎁스 카메라를 통해 영상을 획득할 수 있으며, 이 경우 텍스쳐와 같은 형태로 깊이 영상을 만들 수 있다. 혹은, 별도로 측정된 데이터를 바탕으로 깊이 데이터를 생성할 수도 있다. 컴포넌트 별 영상이 생성된 후 효율적인 압축을 위한 비디오 포맷으로의 추가 변환 (packing)을 하거나 실제 필요한 부분으로 나누어 재 구성하는 과정 (sub-picture generation)이 수행될 수 있다. Video pre-processing 단에서 사용된 영상 구성에 대한 정보는 video metadata로 전달된다.
획득된 데이터 (혹은 주요하게 서비스 하기 위한 데이터) 이외에 추가적으로 주어지는 영상/음성/텍스트 정보를 함께 서비스 하는 경우, 이들 정보를 최종 재생 시 합성하기 위한 정보를 제공할 필요가 있다. 컴포지션 생성부(Composition generation unit)에서는 제작자의 의도를 바탕으로 외부에서 생성된 미디어 데이터 (영상의 경우 비디오/이미지, 음성의 경우 오디오/효과 음향, 텍스트의 경우 자막 등)를 최종 재생 단에서 합성하기 위한 정보를 생성하며, 이 정보는 composition metadata로 전달된다.
각각의 처리를 거친 영상/음성/텍스트 정보는 각각의 인코더를 이용해 압축되고, 어플리케이션에 따라 파일 혹은 세그먼트 단위로 인캡슐레이션 된다. 이 때, 비디오, 파일 혹은 세그먼트 구성 방법에 따라 필요한 정보만을 추출(file extractor)이 가능하다.
또한 각 데이터를 수신기에서 재구성하기 위한 정보가 코덱 혹은 파일 포멧/시스템 레벨에서 전달되는데, 여기에서는 비디오/오디오 재구성을 위한 정보 (video/audio metadata), 오버레이를 위한 합성 정보 (composition metadata), 비디오/오디오 재생 가능 위치 (viewpoint) 및 각 위치에 따른 시점 (viewing position) 정보 (viewing position and viewpoint metadata) 등이 포함된다. 이와 같은 정보의 처리는 별도의 메타데이터 처리부를 통한 생성도 가능하다.
도 14b를 참조하면, 360 비디오 수신 장치(수신단)는 크게 수신된 파일 혹은 세그먼트를 디캡슐레이션하는 부분(file/segment decapsulation unit), 비트스트림으로부터 영상/음성/텍스트 정보를 생성하는 부분(decoding unit), 영상/음성/텍스트를 재생하기 위한 형태로 재구성하는 부분(post-processor), 사용자의 관심영역을 추적하는 부분(tracking unit) 및 재생 장치인 디스플레이로 구성될 수 있다.
디캡슐레이션을 통해 생성된 비트스트림은 데이터의 종류에 따라 영상/음성/텍스트 등으로 나뉘어 재생 가능한 형태로 개별적으로 디코딩될 수 있다.
트랙킹 부분에서는 센서 및 사용자의 입력 정보 등을 바탕으로 사용자의 관심 영역(Region of interest)의 위치(viewpoint), 해당 위치에서의 시점(viewing position), 해당 시점에서의 방향(viewing orientation) 정보를 생성하게 되며, 이 정보는 360 비디오 수신 장치의 각 모듈에서 관심 영역 선택 혹은 추출 등에 사용되거나, 관심 영역의 정보를 강조하기 위한 후처리 과정 등에 사용될 수 있다. 또한 360 비디오 전송 장치 에 전달되는 경우 효율적인 대역폭 사용을 위한 파일 선택(file extractor) 혹은 서브 픽처 선택, 관심영역에 기반한 다양한 영상 재구성 방법(viewport/viewing position / viewpoint dependent processing) 등에 사용될 수 있다.
디코딩 된 영상 신호는 영상 구성 방법에 따라 다양한 처리 방법에 따라 처리될 수 있다. 360 비디오 전송 장치에서 영상 패킹이 이루어 진 경우 메타데이터를 통해 전달된 정보를 바탕으로 영상을 재구성 하는 과정이 필요하다. 이 경우 360 비디오 전송 장치에서 생성한 비디오 메타데이터를 이용할 수 있다. 또한 디코딩 된 영상 내에 복수의 시청 위치(viewpoint), 혹은 복수의 시점(viewing position), 혹은 다양한 방향(viewing orientation)의 영상이 포함된 경우 트랙킹(tracking) 을 통해 생성된 사용자의 관심 영역의 위치, 시점, 방향 정보와 매칭되는 정보를 선택하여 처리할 수 있다. 이 때, 송신단에서 생성한 viewing position 및 viewpoint 관련 메타데이터가 사용될 수 있다. 또한 특정 위치, 시점, 방향에 대해 복수의 컴포넌트가 전달되거나, 오버레이를 위한 비디오 정보가 별도로 전달되는 경우 각각에 따른 렌더링 과정이 포함될 수 있다. 별도의 렌더링 과정을 거친 비디오 데이터(텍스처, 뎁스, 오버레이)는 합성 과정(composition)을 거치게 되며, 이 때, 송신단에서 생성한 합성 메타데이터(composition metadata)가 사용될 수 있다. 최종적으로 사용자의 관심 영역에 따라 뷰포트(viewport)에 재생하기 위한 정보를 생성할 수 있다.
디코딩된 음성 신호는 오디오 렌더러 그리고/혹은 후처리 과정을 통해 재생 가능한 음성 신호를 생성하게 되며, 이 때 사용자의 관심 영역에 대한 정보 및 360 비디오 수신 장치에 전달된 메타데이터를 바탕으로 사용자의 요구에 맞는 정보를 생성할 수 있다.
디코딩된 텍스트 신호는 오버레이 렌더러에 전달되어 서브타이틀 등의 텍스트 기반의 오버레이 정보로써 처리될 수 잇다. 필요한 경우 별도의 텍스트 후처리 과정이 포함될 수 있다.
도 15는 FLUS 아키텍처의 예시들을 개략적으로 도시하는 도면이다.
도 15는 무선 통신 시스템(wireless communication system)에서 단말(User Equipment, UE)과 단말 또는 네트워크(network)가 FLUS(Framework for Live Uplink Streaming)를 기반으로 통신을 수행하는 일 예를 도시하고 있다. FLUS 소스(source)와 FLUS 싱크(sink)는 F 레퍼런스 포인트(reference point)를 이용하여 상호 간에 데이터를 송수신할 수 있다.
본 명세서에서 "FLUS 소스"는 FLUS를 기반으로 F 레퍼런스 포인트를 통해 FLUS 싱크로 데이터를 전송하는 장치를 의미할 수 있다. 다만 FLUS 소스가 항상 FLUS 싱크로 데이터를 전송하기만 하는 것은 아니며, 경우에 따라서 FLUS 소스는 FLUS 싱크로부터 F 레퍼런스 포인트를 통해 데이터를 수신할 수 있다. FLUS 소스는 본 명세서 전반에 기재된 이미지 전송 장치 또는 360 비디오 전송 장치와 동일/유사한 장치이거나, 이미지 전송 장치 또는 360 비디오 전송 장치를 포함하거나, 또는 이미지 전송 장치 또는 360 비디오 전송 장치에 포함되는 것으로 해석될 수 있다. FLUS 소스는, 예를 들어 단말(UE), 네트워크, 서버, 클라우드 서버, 셋탑박스(STB), 기지국, PC, 데스크탑, 노트북, 카메라, 캠코더, TV 등이 될 수 있고, 예시된 장치들에 포함되는 구성 또는 모듈일 수 있으며, 나아가 예시된 장치들과 유사한 장치들도 FLUS 소스로서 동작할 수 있다. FLUS 소스의 예시는 이에 한정되지 않는다.
본 명세서에서 "FLUS 싱크"는 FLUS를 기반으로 F 레퍼런스 포인트를 통해 FLUS 소스로부터 데이터를 수신하는 장치를 의미할 수 있다. 다만 FLUS 싱크가 항상 FLUS 소스로부터 데이터를 수신하기만 하는 것은 아니며, 경우에 따라서 FLUS 싱크는 FLUS 소스로 F 레퍼런스 포인트를 통해 데이터를 전송할 수 있다. FLUS 싱크는 본 명세서 전반에 기재된 이미지 수신 장치 또는 360 비디오 수신 장치와 동일/유사한 장치이거나, 이미지 수신 장치 또는 360 비디오 수신 장치를 포함하거나, 또는 이미지 수신 장치 또는 360 비디오 수신 장치에 포함되는 것으로 해석될 수 있다. FLUS 싱크는, 예를 들어 네트워크, 서버, 클라우드 서버, 단말, 셋탑박스, 기지국, PC, 데스크탑, 노트북, 카메라, 캠코더, TV 등이 될 수 있고, 예시된 장치들에 포함되는 구성 또는 모듈일 수 있으며, 나아가 예시된 장치들과 유사한 장치들도 FLUS 싱크로서 동작할 수 있다. FLUS 싱크의 예시는 이에 한정되지 않는다.
도 15를 참조하면, FLUS 소스와 캡쳐 디바이스들이 하나의 단말(UE)을 구성하는 것으로 도시되어 있으나, 실시예는 이에 한정되지 않는다. FLUS 소스는 캡쳐 디바이스들을 포함할 수 있고, 캡쳐 디바이스들을 포함하는 FLUS 소스 자체가 단말이 될 수 있다. 또는, 캡쳐 디바이스들은 단말에 포함되지 않고, 단말로 미디어 정보를 전송할 수도 있다. 캡쳐 디바이스들의 개수는 적어도 하나 이상일 수 있다.
도 15를 참조하면, FLUS 싱크와 렌더링(Rendering) 모듈(또는 부), 처리(Processing) 모듈(또는 부) 및 분배(Distribution) 모듈(또는 부)가 하나의 단말 또는 네트워크를 구성하는 것으로 도시되어 있으나, 실시예는 이에 한정되지 않는다. FLUS 싱크는 렌더링 모듈, 처리 모듈 및 분배 모듈 중 적어도 하나를 포함할 수 있고, 렌더링 모듈, 처리 모듈 및 분배 모듈 중 적어도 하나를 포함하는 FLUS 싱크 자체가 단말 또는 네트워크가 될 수 있다. 또는, 렌더링 모듈, 처리 모듈 및 분배 모듈 중 적어도 하나가 단말 또는 네트워크에 포함되지 않고, FLUS 싱크가 렌더링 모듈, 처리 모듈 및 분배 모듈 중 적어도 하나로 미디어 정보를 전송할 수도 있다. 렌더링 모듈, 처리 모듈 및 분배 모듈의 개수는 각각 적어도 하나 이상일 수 있고, 경우에 따라서 일부 모듈은 존재하지 않을 수 있다.
일 예시에서, FLUS 싱크는 MGW(Media Gateway Function) 및/또는 AF(Application Function)으로서 동작할 수 있다.
도 15에서 FLUS 소스와 FLUS 싱크를 연결하는 F 레퍼런스 포인트는, FLUS 소스가 단일 FLUS 세션을 생성 및 제어하도록 할 수 있다. 또한, F 레퍼런스 포인트는 FLUS 싱크가 FLUS 소스를 인증(authenticate) 및 권한 부여(authorize)하도록 할 수 있다. 또한, F 레퍼런스 포인트는 FLUS 컨트롤 플래인(control plane) F-C 및 FLUS 유저 플래인(user plane) F-U의 보안 보호 기능을 지원할 수 있다.
일 실시예에서, FLUS 소스와 FLUS 싱크는 각각 FLUS ctrl 모듈을 포함할 수 있고, FLUS 소스와 FLUS 싱크의 FLUS ctrl 모듈은 F-C를 통해 연결될 수 있다. FLUS ctrl 모듈과 F-C는 FLUS 싱크가 업로드된 미디어에 대해 다운스트림 분배(downstream distribution)를 수행하기 위한 기능을 제공할 수 있고, 미디어 인스턴스(instantiation) 선택을 제공할 수 있으며, 세션의 정적 메타데이터의 구성을 지원할 수 있다. 일 예시에서, FLUS 싱크가 렌더링만 수행 가능한 경우, F-C가 존재하지 않을 수 있다.
일 실시예에서, F-C는 FLUS 세션의 생성 및 제어에 이용될 수 있다. F-C는 FLUS 소스가 MTSI와 같은 FLUS 미디어 인스턴스를 선택하거나, 미디어 세션 주변의 정적 메타데이터를 제공하거나, 처리 및 분배 기능을 선택 및 구성하는데 이용될 수 있다.
FLUS 미디어 인스턴스는 FLUS 세션의 일부로서 정의될 수 있다. F-U는 경우에 다라서 미디어 스트림 생성 절차를 포함할 수 있고, 하나의 FLUS 세션에 대하여 복수의 미디어 스트림들이 생성될 수 있다.
미디어 스트림은 오디오, 비디오, 텍스트와 같은 단일 컨텐트 타입에 대한 미디어 컴포넌트를 포함하거나, 오디오 및 비디오와 같이 복수의 서로 다른 컨텐트 타입들에 대한 미디어 컴포넌트를 포함할 수 있다. FLUS 세션은 동일한 복수의 컨텐트 타입으로 구성될 수 있다. 예를 들어, FLUS 세션은 비디오에 대한 복수의 미디어 스트림들로 구성될 수 있다.
또한, 일 실시예에서, FLUS 소스와 FLUS 싱크는 각각 FLUS media 모듈을 포함할 수 있고, FLUS 소스와 FLUS 싱크의 FLUS media 모듈은 F-U를 통해 연결될 수 있다. FLUS media 모듈과 F-U는 하나 이상의 미디어 세션의 생성과 미디어 스트림을 통한 미디어 데이터 전송 기능을 제공할 수 있다. 일부 경우에, 미디어 세션 생성 프로토콜(예를 들어, MTSI에 기반한 FLUS 인스턴스를 위한 IMS 세션 셋업)이 요구될 수 있다.
도 16은 3DoF+ 송신단의 구성의 일 예시를 개략적으로 도시하는 도면이다.
도 16을 참조하면, 송신단(360 비디오 전송 장치)에서는 입력된 데이터가 카메라 출력 영상인 경우 스피어(sphere) 영상 구성을 위한 스티칭을 위치/시점/컴포넌트 별로 진행할 수 있다. 위치/시점/컴포넌트 별 스피어(sphere) 영상이 구성되면 코딩을 위해 2D 영상으로 프로젝션을 수행할 수 있다. 어플리케이션에 따라 복수의 영상을 통합 영상으로 만들기 위한 패킹 혹은 세부 영역의 영상으로 나누는 서브 픽처로 생성할 수 있다. 전술한 바와 같이 리전별 패킹 과정은 선택적(optional) 과정으로서 수행되지 않을 수 있으며, 이 경우 패킹 처리부는 생략될 수 있다. 입력된 데이터가 영상/음성/텍스트 추가 정보인 경우 추가 정보를 중심 영상에 추가하여 디스플레이 하는 방법을 알려줄 수 있으며, 추가 데이터도 함께 전송할 수 있다. 생성된 영상 및 추가된 데이터를 압축하여 비트 스트림으로 생성하는 인코딩 과정을 거쳐 전송 혹은 저장을 위한 파일 포맷으로 변환하는 인캡슐레이션 과정을 거칠 수 있다. 이 때 어플리케이션 혹은 시스템의 요구에 따라 수신부에서 필요로하는 파일을 추출하는 과정이 처리될 수 있다. 생성된 비트스트림은 전송처리부를 통해 전송 포맷으로 변환된 후 전송될 수 있다. 이 때, 송신측 피드백 처리부에서는 수신단에서 전달된 정보를 바탕으로 위치/시점/방향 정보와 필요한 메타데이터를 처리하여 관련된 송신부에서 처리하도록 전달할 수 있다.
도 17은 3DoF+ 수신단의 구성의 일 예시를 개략적으로 도시하는 도면이다.
도 17을 참조하면, 수신단(360 비디오 수신 장치)에서는 송신단에서 전달한 비트스트림을 수신한 후 필요한 파일을 추출할 수 있다. 생성된 파일 포맷 내의 영상 스트림을 피드백 처리부에서 전달하는 위치/시점/방향 정보 및 비디오 메타데이터를 이용하여 선별하며, 선별된 비트스트림을 디코더를 통해 영상 정보로 재구성할 수 있다. 패킹된 영상의 경우 메타데이터를 통해 전달된 패킹 정보를 바탕으로 언패킹을 수행할 수 있다. 송신단에서 패킹 과정이 생략된 경우, 수신단의 언패킹 또한 생략될 수 있다. 또한 필요에 따라 피드백 처리부에서 전달된 위치(viewpoint)/시점(viewing position)/방향(viewing orientation)에 적합한 영상 및 필요한 컴포넌트를 선택하는 과정을 수행할 수 있다. 영상의 텍스처, 뎁스, 오버레이 정보 등을 재생하기 적합한 포맷으로 재구성하는 렌더링 과정을 수행할 수 있다. 최종 영상을 생성하기에 앞서 서로 다른 레이어의 정보를 통합하는 컴포지션 과정을 거칠 수 있으며, 디스플레이 뷰포트(viewport)에 적합한 영상을 생성하여 재생할 수 있다.
도 18은 복수의 위치에서 VR 컨텐츠에 대한 정보를 캡쳐하는 일 예시를 도시하는 도면이다.
일 실시예에서, VR 컨텐츠의 생성을 위한 정보는 도 18에서와 같이 하나의 씬(scene) 내 복수의 위치에서 캡쳐될 수 있다. 두 개의 VR 카메라는 고정 위치 A와 B에서 VR 컨텐츠의 생성을 위한 정보를 캡처하고, 하나의 VR 카메라는 레일에서 위치를 계속 변경하면서 VR 컨텐츠의 생성을 위한 정보를 캡쳐할 수 있다.
사용자는 복수의 위치들, 즉 복수의 뷰포인트들 사이에서 뷰포인트 스위칭을 수행할 수 있다. 뷰포인트가 전환되면, 전환된 뷰포인트의 위치에 대한 정보 및 관련 미디어 트랙 정보가 제공될 수 있다. 또한, 시스템은 특정 뷰포인트가 다른 뷰포인트로의 전환에 대한 힌트를 포함하고 있는 경우, 상기 힌트를 기반으로 상기 다른 뷰포인트로 전환하도록 설계될 수 있다.
도 19는 세 개의 뷰포인트들을 글로벌 좌표계(global coordinate)를 기준으로 도시한 일 예시를 나타내는 도면이다.
도 19와 같이 일 실시예에 따른 글로벌 좌표계(global coordinate)는 글로벌 3차원 직교좌표계(global three-dimensional Cartesian coordinate axes)로 표현될 수 있다.
도 19에서 뷰포인트 A의 중심 위치는 글로벌 좌표계의 원점이 될 수 있고, (0, 0, 0) 값으로 표시될 수 있다. 글로벌 좌표계에서 뷰포인트의 위치의 절대값은 밀리미터 단위로 표현될 수 있다.
후술되는 내용들은 MPEG 시스템의 파일 포맷 신택스 요소 및 시맨틱스의 포맷에 포커싱하고 있다. 그러나 SEI 메시지, 파라미터 세트 및/또는 미래 또는 현재의 비디오 코덱, 시스템 레벨 (예를 들어, 파일 형식, DASH, MMT 및 3GPP) 또는 디지털 인터페이스 (예를 들어, HDMI, DisplayPort 등) 등 다른 형식의 비디오 레벨 및 VESA 또한 후술되는 내용들을 반영하여 동작할 수 있다.
일 실시예에서, ViewpointInfoStruct ()는 뷰포인트의 위치 및 X, Y, Z 축을 기준으로 하는 요(yaw), 피치(pitch) 및 롤(roll) 각도에 대한 정보를 포함하는 뷰포인트 정보를 제공할 수 있다. 여기서 요, 피치 및 롤 각도는 공통 참조 좌표계에 대한 뷰포인트의 글로벌 좌표계의 회전 각도를 나타낼 수 있다. ViewpointInfoStruct ()의 예시는 아래의 표 1과 같다.
[표 1]
Figure PCTKR2019006551-appb-I000020
표 1에서, viewpoint_pos_x, viewpoint_pos_y 및 viewpoint_pos_z는 3차원 공간에서 (0, 0, 0)을 공통 참조 좌표계(common reference coordinate system)의 중심으로 할 때 뷰포인트의 위치를 밀리미터 단위로 나타낸다. viewpoint_gcs_yaw, viewpoint_gcs_pitch 및 viewpoint_gcs_roll은 공통 참조 좌표계에 대한 뷰포인트의 글로벌 좌표계의 X축, Y축 및 Z축 요, 피치 및 롤 각도를 각각 의미할 수 있으며, 단위는 2-16도 일 수 있다. viewpoint_gcs_yaw는 -180 * 216도 이상 180 * 216-1도 이하의 범위에 포함되고, viewpoint_gcs_pitch는 -90 * 216도 이상 180 * 216-1도 이하의 범위에 포함되며, viewpoint_gcs_roll은 -180 * 216도 이상 180 * 216-1도 이하의 범위에 포함될 수 있다. 다음으로, transition_effect_type은 뷰포인트 스위칭이 수행될 때의 트랜지션 효과의 타입을 나타낼 수 있다. transition_effect_type의 예시는 아래의 표 2와 같다.
[표 2]
Figure PCTKR2019006551-appb-I000021
표 2에 따른 일 예시에서, transition_effect_type의 값이 0인 경우 특정 뷰포인트로 줌인(zoom-in)되는 트랜지션 이펙트를 나타내는 줌인 이펙트가 지시될 수 있고, transition_effect_type의 값이 1인 경우 특정 뷰포인트로 걸어가는 트랜지션 이펙트를 나타내는 워킹쓰루(walking-through) 이펙트가 지시될 수 있다.
다시 표 1을 참조하면, viewing_orientation_refresh_flag의 값이 1인 경우, InitialViewingOrientationSample ()은 나타나지 않고, 현재 뷰포인트로 스위칭되기 이전의 뷰포인트의 뷰잉 오리엔테이션(viewing orientation)을 유지하는 것이 권장될 수 있다. viewing_orientation_refresh_flag의 값이 0인 경우, InitialViewingOrientationSample ()이 나타나며, 현재 뷰포인트로 스위칭될 때 시그널링된 InitialViewingOrientationSample ()에 포함된 뷰잉 오리엔테이션을 따르는 것이 권장될 수 있다.
viewing_orientation_yaw, viewing_orientation_pitch 및 viewing_orientation_roll은 현재 뷰포인트로 전환될 때 권장되는 글로벌 좌표계의 X축, Y축 및 Z축 요, 피치 및 롤 회전 각도를 나타내며, 단위는 2-16도일 수 있다. viewing_orientation_yaw는 -180 * 216도 이상 180 * 216-1도 이하의 범위에 포함되고, viewing_orientation_pitch는 -90 * 216도 이상 180 * 216-1도 이하의 범위에 포함되며, viewing_orientation_roll은 -180 * 216도 이상 180 * 216-1도 이하의 범위에 포함될 수 있다.
일 실시예에 따른 뷰포인트 정보 박스(viewpoint information box)는 아래와 같을 수 있다.
[표 3]
Figure PCTKR2019006551-appb-I000022
표 3에 포함된 정보는 공통 참조 좌표계에 대한 뷰포인트의 글로벌 좌표계의 위치 정보, X축, Y축 및 Z축 요, 피치 및 롤 회전 각도를 포함하는 뷰포인트 정보를 제공할 수 있다.
일 실시예에 따른 뷰포인트 정보 박스는, 예를 들어 아래의 표 4와 같은 신택스를 통해 표현될 수 있다.
[표 4]
Figure PCTKR2019006551-appb-I000023
표 4에서 viewpoint_id는 뷰포인트 그룹에 포함된 뷰포인트들의 ID를 나타내고, num_viewpoints는 샘플 포맷 내 시그널링된 뷰포인트들의 개수를 나타낼 수 있다.
일 실시예에서, 동적 뷰포인트 타임드 메타데이터 트랙(dynamic viewpoint timed metadata track)은 시간에 따라 동적으로 변화하는 뷰포인트 파라미터를 지시할 수 있다. 일 예시에서, OMAF 플레이어는 뷰포인트 전환이 수행된 후 뷰포인트에 대한 재생을 시작할 때 아래와 같은 시그널링된 정보를 이용할 수 있다. 만약 명확히 시그널링된 추천 뷰잉 오리엔테이션이 존재하는 경우, 상기 OMAF 플레이어는 상기 추천 뷰잉 오리엔테이션에 대한 정보를 파싱하고 상기 추천 뷰잉 오리엔테이션을 따를 수 있다. 반대로, 만약 명확히 시그널링된 추천 뷰잉 오리엔테이션이 존재하지 않는 경우, OMAF 플레이어는 뷰포인트 스위칭이 발생하기 이전의 뷰포인트의 뷰잉오리엔테이션을 뷰포인트 스위칭 후에도 유지할 수 있다.
일 실시예에서, 트랙 샘플 엔트리 타입(track sample entry type) 'dyvp'가 이용될 수 있다. 샘플 엔트리 타입의 샘플 엔트리는 아래의 표 5와 같이 구체화될 수 있다.
[표 5]
Figure PCTKR2019006551-appb-I000024
일 실시예에서, 샘플 엔트리 타입('dyvp')의 샘플 신택스는 아래의 표 6과 같이 구체화될 수 있다.
[표 6]
Figure PCTKR2019006551-appb-I000025
표 6에서 viewpoint_id는 뷰포인트 그룹에 포함된 뷰포인트들의 ID 정보를 나타내고, num_viewpoints는 샘플 포맷에서 시그널링된 뷰포인트들의 개수를 지시할 수 있다.
일 실시예에서, track_group_type이 'vpgr'인 TrackGroupTypeBox에 포함된 트랙들은 360 씬 내에서 스위칭될 수 있음을 나타낸다. 본 그룹에 매핑된 트랙들, 즉 track_group_type이 'vpgr'인 TrackGroupTypeBox 내 track_group_id의 값이 동일한 비쥬얼 트랙들은 360 씬 내에서 스위칭될 수 있는 뷰포인트들을 형성할 수 있다.
복수의 뷰포인트 비디오 트랙 그루핑은 아래의 두 실시예로 제안될 수 있다. 제1 실시예에서, non_contiguous_flag는 트랙 그룹의 근접성(contiguity characteristic)을 지시할 수 있고, 이에 따라 track_group_id가 동일하면 non_contiguous_flag의 값이 동일할 수 있다. 제2 실시예는 각 근접 뷰포인트들의 앵커 뷰포인트(anchor viewpoint)를 정의할 수 있다. 한편, 복수의 뷰포인트 비디오 트랙 그루핑에 대한 실시예들은 상기된 제1 실시예 및 제2 실시예에 한정되지 않는다. 이하 도 20 내지 도 22b는 제1 실시예에 대한 것일 수 있고, 도 23 내지 도 24b는 제2 실시예에 대한 것일 수 있다.
본 발명의 일 실시예에 따르면, 사용자는 3DoF, 3DoF+ 또는 6DoF 환경에서 복수의 뷰포인트들을 기반으로 뷰포인트 전환(viewpoint switching)을 수행함으로써 다양한 관점에서 360도 비디오를 경험할 수 있다. 이때 뷰포인트 전환이 수행될 수 있는 뷰포인트들은 "핫스팟(hotspot)"으로 지칭될 수도 있다. 핫스팟은 뷰포인트들 중 뷰포인트 전환이 수행될 수 있는 뷰포인트들을 나타내므로 뷰포인트의 하위 개념으로 해석할 수 있으나, 경우에 따라서는 핫스팟은 뷰포인트와 동일/유사한 개념을 나타낼 수 있다. 따라서 본 명세서 전반에 기재된 임의의 "뷰포인트"는 핫스팟으로 대체될 수 있고, 본 명세서 전반에 기재된 임의의 "핫스팟"은 뷰포인트로 대체될 수 있다. 더불어, 예를 들어 "핫스팟 메타데이터"와 같이 핫스팟과 관련된 정보들도 "뷰포인트 메타데이터" 등으로 대체 해석 가능하다.
본 명세서에 기재된 "공통 참조 좌표계(common reference coordinate system)"는 뷰포인트 그룹의 기준(또는 중심)이 되는 좌표계를 의미할 수 있다. 공통 참조 좌표계는 참조 좌표계(reference coordinate system) 등으로 지칭될 수도 있다.
도 20은 복수의 뷰포인트들의 뷰포인트 그룹 ID와 비근접 플래그 정보를 나타내는 일 예시이다.
복수의 뷰포인트 비디오 트랙 그루핑에 관한 신택스는, 예를 들어 아래의 표 7과 같이 표현될 수 있다.
[표 7]
Figure PCTKR2019006551-appb-I000026
표 7에서, non_contiguous_flag의 값이 0이면 그룹 내 모든 뷰포인트들이 360 씬 내에서 근접함을 의미하고, non_contiguous_flag의 값이 1이면 뷰포인트 비디오 트랙 그룹이 360 씬 내에서 적어도 하나의 비근접 뷰포인트를 포함함을 의미할 수 있다. 일 예시에서, track_group_id의 값이 같은 트랙들의 non_contiguous_flag 값은 동일할 수 있다.
일 실시예에서, non_contiguous_flag의 값이 상이하면서 track_group_id의 값이 상이한 트랙들이 존재하는 경우, non_contiguous_flag의 값이 0인 track_group_id가 non_contiguous_flag의 값이 1인 track_group_id 보다 선행할 수 있다.
다른 타입의 뷰포인트 비디오 트랙 그룹은 플래그를 추가하거나 ViewpointTrackGroupType을 정의함으로써 정의될 수 있다.
일 예시에서, 표 7의 ViewpointTrackGroupType ()의 시맨틱스는 transition_effect_type, viewing_orientation_refresh_flag, viewing_orientation_refresh_flag 등의 필드들을 포함할 수 있다. transition_effect_type은 트랙 그룹 내에서 뷰포인트 스위칭이 수행될 때의 트랜지션 이펙트들의 타입을 지시할 수 있다. viewing_orientation_refresh_flag의 값이 1인 경우, InitialViewingOrientationSample ()은 나타나지 않고, 현재 뷰포인트로 스위칭되기 이전의 뷰포인트의 뷰잉 오리엔테이션(viewing orientation)을 유지하는 것이 권장될 수 있다. viewing_orientation_refresh_flag의 값이 0인 경우, InitialViewingOrientationSample ()이 나타나며, 현재 뷰포인트로 스위칭될 때 시그널링된 InitialViewingOrientationSample ()에 포함된 뷰잉 오리엔테이션을 따르는 것이 권장될 수 있다.
도 20에 따른 예시를 참조하면, 뷰포인트들이 VP#1 내지 VP#5를 통해 표현되어 있다. VP#1 및 VP#2와 VP#3, VP#4 및 VP#5를 구분하는 선은 뷰포인트들간 근접 여부를 나타낼 수 있다. track_group_id가 0인 그룹 내의 VP#1과 VP#2는 근접하므로, track_group_id가 0인 그룹 내 뷰포인트들의 non_contiguous_flag의 값은 0이다. track_group_id가 1인 그룹 내의 VP#2는 VP#4 및 VP#5와 근접하지 않으므로, track_group_id가 1인 그룹 내 뷰포인트들의 non_contiguous_flag의 값은 1이다. track_group_id가 2인 그룹 내의 VP#3, VP#4 및 VP#5는 근접하므로, track_group_id가 2인 그룹 내 뷰포인트들의 non_contiguous_flag의 값은 0이다.
도 21a 및 도 21b는 복수의 뷰포인트들간의 근접 여부에 따른 디스플레이의 일 예시를 나타내는 도면이다.
도 21a에서, VP#1 내지 VP#4는 스타디움의 씬들을 나타내고, VP#5 및 VP#6은 라커룸의 씬들을 나타내고, VP#7은 스타디움 입구의 씬을 나타내고 있다. track_group_id가 0인 그룹 내 포함되는 VP#1 내지 VP#4는 근접하므로, track_group_id가 0인 그룹 내 뷰포인트들의 non_contiguous_flag의 값은 0이다. track_group_id가 1인 그룹 내 포함되는 VP#5 및 VP#6은 근접하므로, track_group_id가 1인 그룹 내 뷰포인트들의 non_contiguous_flag의 값은 0이다. track_group_id가 2인 그룹 내 포함되는 VP#1 내지 VP#7 모두가 상호 근접한 것은 아니므로, track_group_id가 2인 그룹 내 뷰포인트들의 non_contiguous_flag의 값은 1이다.
일 실시예에서, 근접한 뷰포인트들간에 스위칭이 수행될 때와 비근접한 뷰포인트들간에 스위칭이 수행될 때 적용되는 트랜지션 이펙트들은 상호 상이할 수 있다. 일 예시에서, 근접한 뷰포인트들간에 스위칭이 수행될 때 적용되는 트랜지션 이펙트는 줌인 이펙트이고, 비근접한 뷰포인트들간에 스위칭이 수행될 때 적용되는 트랜지션 이펙트는 워킹쓰루(walking through) 이펙트 또는 워크 쓰루 어 홀웨이(walk through a hall way)일 수 있다.
도 21a에서 track_group_id=0의 VP#1, VP#2, VP#3 및 VP#4는 상호 근접함을 확인할 수 있으므로, 도 21b와 같이 VP#1의 씬 내에서 VP#2, VP#3 및 VP#4의 위치를 지시하는 아이콘들이 오버레이될 수 있다.
도 21b의 좌측 그림에 도시된 뷰포트는, 복수의 뷰포인트들과 각각 대응되는 복수의 아이콘들을 포함하고 있고, 상기 뷰포트는 현재(current) 뷰포인트(도 21b의 예에서 VP#1)에서 도출될 수 있다.
일 실시예에서, 상기 복수의 아이콘들 각각은, 상기 복수의 뷰포인트들(도 21b의 예에서 VP#2 내지 VP#7) 각각과 상기 현재 뷰포인트(도 21b의 예에서 VP#1)가 서로 근접한지(contiguous) 여부를 기반으로 제1 아이콘 타입 또는 제2 아이콘 타입으로 결정될 수 있다.
본 명세서에서 "제1 아이콘 타입" 및 "제2 아이콘 타입"은 360도 컨텐츠에서 뷰포인트를 나타내기 위해 디스플레이 되는 아이콘의 아이콘 타입들을 임의로 구분한 것에 불과하고, 따라서 상기 아이콘 타입들이 기 정의된 아이콘 타입임을 나타내려고 한 것이거나, 상기 아이콘 타입들을 나타내는 서수에 특별한 의미가 있는 것이 아님은 당해 기술 분야의 통상의 기술자에게 용이하게 이해될 것이다.
일 실시예에서, 상기 복수의 뷰포인트들 중 상기 현재 뷰포인트와 근접한 뷰포인트(도 21b의 예에서 VP#2 내지 VP#4)는 상기 제1 아이콘 타입에 따른 아이콘을 통해 나타나고, 상기 현재 뷰포인트와 비근접한(non-contiguous) 뷰포인트(도 21b의 예에서 VP#5 내지 VP#7)는 상기 제2 아이콘 타입에 따른 아이콘을 통해 나타날 수 있다. 또한, 상기 제1 아이콘 타입과 상기 제2 아이콘 타입은, 색상, 채도, 명도, 사이즈, 모양, 무늬 중 적어도 하나가 서로 상이한 것을 특징으로 할 수 있다. 도 21b를 참조하면, 상기 현재 뷰포인트와 근접한 뷰포인트(도 21b의 예에서 VP#2 내지 VP#4)는 민무늬에 상대적으로 채도가 높은 원형 모양의 제1 아이콘 타입에 따른 아이콘을 통해 나타나고, 상기 현재 뷰포인트와 비근접한(non-contiguous) 뷰포인트(도 21b의 예에서 VP#5 내지 VP#7)는 도트(dot) 무늬에 상대적으로 채도가 낮은 원형 모양의 제2 아이콘 타입에 따른 아이콘을 통해 나타나는 것을 확인할 수 있다.
제1 아이콘 타입 및 제2 아이콘 타입이 가질 수 있는 색상, 채도, 명도, 사이즈, 모양, 무늬 등의 예시가 도 21b에 도시된 아이콘에 의해 한정되지 않음은 당해 기술 분야의 통상의 기술자에게 용이하게 이해될 것이다.
일 실시예에서, 상기 제1 아이콘 타입에 따른 아이콘들은, 상기 뷰포트 내에서 상기 제1 아이콘 타입에 따른 상기 아이콘들과 대응되는 뷰포인트들의 위치에 기반하여 디스플레이 될 수 있다.
일 실시예에서, 상기 제2 아이콘 타입에 따른 아이콘들을 대표하는 제2 아이콘 타입 대표 아이콘은 상기 뷰포트의 우측 상단에 디스플레이되고, 상기 제2 아이콘 타입 대표 아이콘은 상기 제2 아이콘 타입에 따른 상기 아이콘들에 대한 정보를 포함하는 팝업(pop-up) 화면으로 전환하기 위해 이용될 수 있다.
보다 구체적으로, VP#1과 비근접한 VP#5, VP#6 및 VP#7은 도 21b의 좌측 그림의 우측 상단에 도시된 오버레이 아이콘을 통해 액세스될 수 있다. 다시 말해, track_group_id가 1인 뷰포인트들과 track_group_id가 2면서 track_group_id가 0이 아닌 뷰포인트들은 VP#1과 비근접하므로, VP#5, VP#6 및 VP#7과 대응되는 아이콘들은 VP#1의 씬 내에 직접 디스플레이되는 것이 아니라, 링크 아이콘에 대한 액세스를 거친 후에 추가적으로 디스플레이될 수 있다. 도 21b를 참조하면, 이름, 스틸 이미지, 프리뷰 비디오, 실제 비디오 또는 관련 설명(description)이 오버레이를 이용하여 딜리버(delivered) 또는 디스플레이 될 수 있다.
다만 실시예는 이에 한정되지 않으며, VP#1과 비근접한 VP#5, VP#6 및 VP#7과 대응되는 아이콘들은 예를 들어 추가적인 팝업(pop-up) 디스플레이를 통하거나, 뷰포트 상 애드온(add-on)을 통하거나, 실제 위치와 관련되거나 또는 관련되지 않은 360 구면 좌표계를 통하거나, 또는 360 씬의 커버리지 한계에 의한 블랙 영역(black area)을 통하여 나타날 수 있다.도 22a 및 도 22b는 복수의 뷰포인트들간의 근접 여부에 따른 디스플레이의 다른 일 예시를 나타내는 도면이다.
일 실시예에서, 도 22a는 VP#1과 비근접한 VP#5, VP#6 및 VP#7과 대응되는 아이콘들이 팝업 방식을 통해 디스플레이 되는 것을 나타내고, 도 22b는 VP#1과 비근접한 VP#5, VP#6 및 VP#7과 대응되는 아이콘들이 뷰포트 상 애드온 방식을 통해 디스플레이 되는 것을 나타낼 수 있다.
일 실시예에서, 상기 제2 아이콘 타입에 따른 상기 아이콘들은 상기 뷰포트 내에서 상기 제2 아이콘 타입에 따른 상기 아이콘들과 대응되는 뷰포인트들의 위치에 기반하여 디스플레이되고, 상기 제2 아이콘 타입에 따른 상기 아이콘들 중 하나에 대한 이미지 및 설명 정보가 디스플레이 될 수 있다. 예를 들어, 도 22a를 참조하면, VP#5, VP#6 및 VP#7은 VP#1과 비근접하므로 VP#1의 씬 내에 직접적으로 디스플레이할 수는 없지만, VP#5, VP#6 및 VP#7를 나타내는 최적의 간접 위치(예를 들어, VP#1 씬 내에서 바라본 라커룸의 위치)에 VP#5, VP#6 및 VP#7과 대응되는 아이콘들을 디스플레이 할 수 있다. 이와 함께, 각 뷰포인트와 관련된 이미지 정보, 설명 정보 등을 도 22a와 같이 팝업 방식으로 디스플레이할 수 있다.
일 실시예에서, 상기 제2 아이콘 타입에 따른 상기 아이콘들 및, 상기 제2 아이콘 타입에 따른 상기 아이콘들과 대응되는 뷰포인트들의 명칭 및 이미지는, 상기 뷰포트의 좌측에 디스플레이 될 수 있다. 예를 들어, 도 22b를 참조하면, VP#1과 비근접한 VP#5, VP#6 및 VP#7에 대한 아이콘들을 VP#1에 대한 씬의 좌측에 디스플레이할 수 있다. VP#5, VP#6 및 VP#7에 대한 아이콘들과 함께, VP#5, VP#6 및 VP#7와 각각 대응되는 이미지들을 디스플레이할 수 있다.
도 23은 복수의 뷰포인트들의 뷰포인트 그룹 ID, 비근접 플래그 정보 및 앵커 뷰포인트 플래그 정보를 나타내는 일 예시이다.
복수의 뷰포인트 비디오 트랙 그루핑에 관한 신택스는, 예를 들어 아래의 표 8과 같이 표현될 수 있다.
[표 8]
Figure PCTKR2019006551-appb-I000027
앵커 뷰포인트는 근접 뷰포인트들의 기초 뷰포인트로 정의될 수 있다. 표 8에서, anchor_viewpoint_flag의 값이 0인 경우 (현재) 뷰포인트는 트랙 그룹(또는 뷰포인트 그룹) 내 근접한 뷰포인트들 중 앵커(anchor) / 마스터(master) / 오리진(origin)이 아닐 수 있다. anchor_viewpoint_flag의 값이 1인 경우 (현재) 뷰포인트는 트랙 그룹(또는 뷰포인트 그룹) 내 근접한 뷰포인트들 중 앵커 / 마스터 / 오리진일 수 있다. 뷰포인트 트랙 그룹(또는 뷰포인트 그룹, 트랙 그룹) 내 복수의 근접 뷰포인트들이 정의된 경우, 적어도 하나의 뷰포인트에 대한 anchor_viewpoint_flag의 값은 1일 수 있다.
일 실시예에서, 앵커 뷰포인트는 두 개의 분리된 그룹들 간 연결 포인트(connection point)로 이용될 수 있다. 예를 들어, 하나의 룸에 복수의 뷰포인트들이 정의된 경우, 룸의 문에 위치하는 뷰포인트가 앵커 뷰포인트로 정의될 수 있다. 이때 룸의 문에 위치하는 뷰포인트는 연결 포인트로서 다른 룸의 문에 위치하는 뷰포인트와 연결될 수 있다.
표 8에서, non_contiguous_flag의 값이 0이면 현재 뷰포인트는 앵커 뷰포인트와 공간적으로(spatiallly) 또는 논리적으로(logically) 근접할 수 있다. non_contiguous_flag의 값이 1이면 현재 현재 뷰포인트는 앵커 뷰포인트와 공간적으로 또는 논리적으로 비근접할 수 있다. 즉, 뷰포인트 트랙 그룹 내 뷰포인트의 근접성(contiguity)은 현재 뷰포인트와 앵커 뷰포인트간의 공간적 관계 또는 논리적 관계에 의해 결정될 수 있다. 일 예시에서, 다른 타입의 뷰포인트 비디오 트랙 그룹은 플래그를 추가하거나 ViewpointTrackGroupType을 정의함으로써 정의될 수 있다.
일 예시에서, ViewpointTrackGroupType은 공간적 근접성, 논리적 근접성 등 서로 다른 타입의 근접성에 대한 지시 정보를 나타낼 수 있다.
일 실시예에서, ViewpointTransitionEffectStruct ()는 아래와 같은 transition_effect_type 및 viewing_orientation_refresh_flag를 포함할 수 있다. transition_effect_type은 트랙 그룹(또는 뷰포인트 그룹) 내 뷰포인트들간 스위칭을 수행할 때 적용되는 트랜지션 이펙트의 타입을 지시할 수 있다. viewing_orientation_refresh_flag의 값이 0이면 InitialViewingOrientationSample ()은 나타나지 않으며, 동일한 트랙 그룹(또는 뷰포인트 그룹) 내에서 스위칭이 수행되기 이전의 뷰잉 오리엔테이션을 유지할 것이 권장될 수 있다. viewing_orientation_refresh_flag의 값이 1이면 InitialViewingOrientationSample() 값이 나타나며, 동일한 트랙 그룹 내에서 스위칭이 수행될 때 시그널링된 InitialViewingOrientationSample()에 포함된 뷰잉 오리엔테이션을 따를 것이 권장될 수 있다.
도 23을 참조하면, 뷰포인트 트랙 그룹의 track_group_id가 0인 뷰포인트들(점선 내 뷰포인트들)은 VP#1 내지 VP#5이고, 뷰포인트 트랙 그룹의 track_group_id가 1인 뷰포인트들(실선 내 뷰포인트들)도 VP#1 내지 VP#5임을 확인할 수 있다. 도 23의 중심에 있는 라인을 기반으로 근접 여부가 판단될 수 있다. 즉, VP#1과 VP#2가 근접하고, VP#3, VP#4 및 VP#5가 근접할 수 있다. 도 23에서 track_group_id가 0인 뷰포인트 (트랙) 그룹의 앵커 뷰포인트는 VP#2이고, track_group_id가 1인 뷰포인트 (트랙) 그룹의 앵커 뷰포인트는 VP#4이다.
도 23을 참조하면, track_group_id가 0인 뷰포인트 그룹에서 VP#1은 앵커 뷰포인트인 VP#2와 근접하므로, VP#1의 non_contiguous_flag의 값은 0이고, VP#1은 앵커 뷰포인트가 아니므로 anchor_viewpoint_flag의 값은 0임을 확인할 수 있다. track_group_id가 0인 뷰포인트 그룹에서 VP#3은 앵커 뷰포인트인 VP#2와 근접하지 않으므로, VP#3의 non_contiguous_flag의 값은 1이고, VP#3은 앵커 뷰포인트가 아니므로 anchor_viewpoint_flag의 값은 0임을 확인할 수 있다. 또한, track_group_id가 1인 뷰포인트 그룹에서 VP#4는 앵커 뷰포인트이므로, non_contiguous_flag의 값은 0이고, anchor_viewpoint_flag의 값은 1임을 확인할 수 있다.
도 24a 및 도 24b는 복수의 뷰포인트들간의 근접 여부에 따른 디스플레이의 또 다른 일 예시를 나타내는 도면이다.
도 24a를 참조하면, 뷰포인트 트랙 그룹의 track_group_id가 0인 뷰포인트들은 VP#1 내지 VP#7이고, 앵커 뷰포인트는 VP#1이며, 앵커 뷰포인트인 VP#1과 근접한 뷰포인트들은 VP#2 내지 VP#4이다. 따라서 VP#1의 anchor_viewpoint_flag의 값은 1이고, VP#2 내지 VP#7의 anchor_viewpoint_flag의 값은 0이고, VP#1 내지 VP#4의 non_contiguous_flag의 값은 0이고, VP#5 내지 VP#7의 anchor_viewpoint_flag의 값은 1임을 확인할 수 있다. track_group_id가 1인 뷰포인트 (트랙) 그룹의 앵커 뷰포인트는 VP#5이고, track_group_id가 2인 뷰포인트 (트랙) 그룹의 앵커 뷰포인트는 VP#7이며, track_group_id가 1인 뷰포인트 그룹 및 2인 뷰포인트 그룹은 track_group_id가 0인 뷰포인트 그룹과 마찬가지로 앵커 뷰포인트를 기준으로 anchor_viewpoint_flag의 값 및 non_contiguous_flag의 값이 결정됨을 확인할 수 있다.
일 실시예에서, 근접한 뷰포인트들간에 스위칭이 수행될 때와 비근접한 뷰포인트들간에 스위칭이 수행될 때 적용되는 트랜지션 이펙트들은 상호 상이할 수 있다. 일 예시에서, 근접한 뷰포인트들간에 스위칭이 수행될 때 적용되는 트랜지션 이펙트는 줌인 이펙트이고, 비근접한 뷰포인트들간에 스위칭이 수행될 때 적용되는 트랜지션 이펙트는 워킹쓰루 이펙트 또는 워크 쓰루 어 홀웨이일 수 있다.
도 24b를 참조하면, 이름, 스틸 이미지, 프리뷰 비디오, 실제 비디오 또는 관련 설명이 오버레이를 이용하여 딜리버 또는 디스플레이 될 수 있다. 도 24a에서 track_group_id가 0인 뷰포인트 그룹에서 VP#1, VP#2, VP#3 및 VP#4는 상호 근접함을 확인할 수 있으므로, 도 24b와 같이 VP#1의 씬 내에서 VP#2, VP#3 및 VP#4의 위치를 지시하는 아이콘들이 오버레이될 수 있다.
VP#1과 비근접한 VP#5, VP#6 및 VP#7은 도 24b의 좌측 그림의 우측 상단에 도시된 오버레이 아이콘을 통해 액세스될 수 있다. 다시 말해, VP#5 내지 VP#7은 VP#1과 비근접하므로, VP#5, VP#6 및 VP#7과 대응되는 아이콘들은 VP#1의 씬 내에 직접 디스플레이되는 것이 아니라, 링크 아이콘에 대한 액세스를 거친 후에 추가적으로 디스플레이될 수 있다. 다만 실시예는 이에 한정되지 않으며, VP#1과 비근접한 VP#5, VP#6 및 VP#7과 대응되는 아이콘들은 예를 들어 추가적인 팝업 디스플레이를 통하거나, 뷰포트 상 애드온을 통하거나, 실제 위치와 관련되거나 또는 관련되지 않은 360 구면 좌표계를 통하거나, 또는 360 씬의 커버리지 한계에 의한 블랙 영역을 통하여 나타날 수 있다.
일 실시예에서, 전술된 메타데이터는 아래 표 9의 DASH 데이터와 같이 나타날 수 있다.
[표 9]
Figure PCTKR2019006551-appb-I000028
표 9의 transition_effect_type은 표 1의 transition_effect_type[i]와 대응될 수 있고, 표 9의 viewing_orientation_refresh_flag는 표 1의 viewing_orientation_refresh_flag와 대응될 수 있고, 표 9의 viewing_orientation_yaw, viewing_orientation_pitch 및 viewing_orientation_roll은 표 1의 viewing_orientation_yaw, viewing_orientation_pitch 및 viewing_orientation_roll과 대응될 수 있고, 표 9의 num_viewpoints는 표 4의 num_viewpoints와 대응될 수 있고, 표 9의 viewpoint_id는 표 4의 viewpoint_id와 대응될 수 있고, 표 9의 non_contiguous_flag는 표 7의 non_contiguous_flag와 대응될 수 있고, 표 9의 ViewpointTrackGroupType은 표 7의 ViewpointTrackGroupType과 대응될 수 있다.
도 25a 및 도 25b는 복수의 뷰포인트들을 도시하는 일 예시를 나타내는 도면이다.
복수의 뷰포인트들은 사용자가 360 씬들을 탐색할 때 이용될 수 있다. 핫스팟은 복수의 뷰포인트들간 스위칭을 수행하는 과정에서 이용될 수 있으며, 사용자는 360 씬 내에서 스위칭 가능한 뷰포인트를 나타내는 핫스팟을 선택하고 클릭함으로써 뷰포인트 스위칭을 수행할 수 있다.
복수의 뷰포인트 기능을 지원하기 위해, 다음 요구 사항들이 고려될 필요가 있다. 첫 번째로, 서로 다른 뷰포인트에 대응하는 컨텐츠간의 공간적 관계를 기술하는 수단을 정의할 필요가 있다. 두 번째로, 서로 다른 뷰포인트에 대응하는 컨텐츠를 일시적으로 동기화할 필요가 있다. 세 번째로, 서로 다른 뷰포인트에서 컨텐츠를 전환하는 것을 지원할 필요가 있다. 네 번째로, 컨텐츠 제공자에 의해 서로 다른 뷰포인트들간 전환이 수행될 시 스무스 트랜지션(smooth transition)이 제공될 수 있다.
뷰포인트들간 전환을 지원하기 위해 추가적인 메타데이터가 고려될 필요가 있다. 첫 번째는 하나의 뷰포인트에서 다른 뷰포인트로 전환될 때 이용될 것이 권장되는 트랜지션 이펙트에 대한 메타데이터이다. 트랜지션 이펙트는, 예를 들어 워크-쓰루 이펙트 또는 줌인 이펙트를 포함할 수 있다. 상기 트랜지션 이펙트에 대한 메타데이터는 컨텐츠 제공자에 의해 의도된 뷰포인트들간 전환이 수행될 때 스무스 트랜지션을 제공할 수 있다.
두 번째는 사용자가 가용 뷰포인트들 중 하나를 선택하도록 하는 뷰포인트들의 그루핑에 대한 메타데이터이다. 도 25a는 스포츠 스타디움의 복수의 뷰포인트들의 예시로서, 스포츠 스타디움의 복수의 뷰포인트들과, 라커룸의 복수의 뷰포인트들 및 스타디움의 입구의 뷰포인트와 같은 필드 외부의 뷰포인트들을 도시하고 있다. 스포츠 스타디움의 복수의 뷰포인트들과 관련된 케이스에서, 사용자가 핫스팟을 전환할 수 있는 뷰포인트는 현재의 360 씬에 위치할 수 있으며, 뷰포인트의 위치는 근접 뷰포인트들간의 실제 관계를 기반으로 결정될 수 있다. 뷰포인트 위치가 씬과 정렬되면, 사용자는 직관적으로 뷰포인트를 선택할 수 있다.
반면에, 필드 외부의 뷰포인트들과 관련된 케이스에서, 뷰포인트들간의 공간적 관계가 씬과 정렬되지 않을 수 있으므로 수신기는 비근접 뷰포인트들의 가용성을 다른 방식으로 나타낼 필요가 있다. 도 25b를 참조하면, 락커룸들과 스타디움 입구는 실제 시점과 일치하지 않는 핫스팟과 연결되어 있는 것을 확인할 수 있다.
상기된 이슈를 해결하기 위해, 일 실시예에서는 수신기가 의도된 트랜지션 이펙트에 대한 정보를 받는 것을 가능케하는 시그널링 방법이 제공될 수 있다. 추가로, 뷰포인트 스위칭에 대한 비디오 트랙들의 그룹을 지시하는 복수의 뷰포인트들을 위한 새로운 트랙 그루핑이 제안될 수 있다. 복수의 뷰포인트들의 스위칭을 지원하기 위해, OMAF에서 뷰포인트 메타데이터를 전달하는 방법이 제안될 수 있다. OMAF에서 뷰포인트 메타데이터를 전달하는 방법에 있어서, ViewpointInfoStruct () 내에 트랜지션 이펙트 메타데이터를 포함하여 전달할 수 있고, 근접 또는 비근접 360 씬 내에서 스위칭될 수 있는 비디오 트랙들의 그룹을 지시하기 위해 뷰포인트에 대한 새로운 트랙 그루핑이 제안될 수 있다.
일 실시예에서, ViewpointInfoStruct ()는 공통 참조 좌표계에 대비한 글로벌 좌표계의 뷰포인트의 위치 및 X, Y 및 Z축의 요, 피치 및 롤 회전 각도를 포함하는 뷰포인트 정보를 제공할 수 있다. 일 예시에서, 뷰포인트 그룹 내 모든 뷰포인트들에 대하여 공통으로 적용되는 공통 참조 좌표계가 정의될 필요가 있다. ViewpointInfoStruct ()를 포함하는 신택스의 일 예시는 아래의 표 10과 같다.
[표 10]
Figure PCTKR2019006551-appb-I000029
viewpoint_pos_x, viewpoint_pos_y 및 viewpoint_pos_z는 (0, 0, 0)을 공통 참조 좌표계의 중심으로 하는 3D 공간에서 뷰포인트의 위치를 밀리미터 단위로 나타낼 수 있다.
viewpoint_gcs_yaw, viewpoint_gcs_pitch 및 viewpoint_gcs_roll은 공통 참조 좌표계에 대한 뷰포인트의 글로벌 좌표계의 X축, Y축 및 Z축 요, 피치 및 롤 각도를 각각 의미할 수 있으며, 단위는 2-16도 일 수 있다. viewpoint_gcs_yaw는 -180 * 216도 이상 180 * 216-1도 이하의 범위에 포함되고, viewpoint_gcs_pitch는 -90 * 216도 이상 180 * 216-1도 이하의 범위에 포함되며, viewpoint_gcs_roll은 -180 * 216도 이상 180 * 216-1도 이하의 범위에 포함될 수 있다. 다음으로, transition_effect_type은 뷰포인트 스위칭이 수행될 때의 트랜지션 효과의 타입을 나타낼 수 있다. transition_effect_type의 예시는 아래의 표 11과 같다.
[표 11]
Figure PCTKR2019006551-appb-I000030
다시 표 10을 참조하면, viewing_orientation_refresh_flag의 값이 1인 경우, InitialViewingOrientationSample ()은 나타나지 않고, 현재 뷰포인트로 스위칭되기 이전의 뷰포인트의 뷰잉 오리엔테이션(viewing orientation)을 유지하는 것이 권장될 수 있다. viewing_orientation_refresh_flag의 값이 0인 경우, InitialViewingOrientationSample ()이 나타나며, 현재 뷰포인트로 스위칭될 때 시그널링된 InitialViewingOrientationSample ()에 포함된 뷰잉 오리엔테이션을 따르는 것이 권장될 수 있다. 다른 예시에서는, viewing_orientation_refresh_flag의 값이 0이면서 관련된 InitialViewingOrientationSample ()이 존재하지 않는 경우, 뷰포인트의 좌표계의 (0, 0, 0)을 뷰포인트 스위칭 시의 뷰잉 오리엔테이션으로 결정할 수 있다.
한편 표 10에 따른 ViewpointInfoStruct는 일 예시에 해당할 뿐, ViewpointInfoStruct를 나타내는 신택스가 표 10에 한정되지 않음은 당해 기술 분야의 통상의 기술자에게 용이하게 이해될 것이다.
일 실시예에서, track_group_type이 'vpgr'인 TrackGroupTypeBox는 해당 트랙이 360 씬에서 스위칭 가능한 트랙임을 나타낼 수 있다. 해당 그룹에 매핑된 트랙은 360 씬 내에서 스위칭 가능한 뷰포인트들을 형성할 수 있다.
일 실시예에서, anchor_viewpoint_flag와 non_contiguous_flag를 포함하는 신택스의 일 예시는 아래의 표 12와 같을 수 있다.
[표 12]
Figure PCTKR2019006551-appb-I000031
표 12에서, anchor_viewpoint_flag의 값이 1인 경우, (현재) 뷰포인트는 동일 뷰포인트 트랙 그룹 내 뷰포인트들의 근접성을 결정하는데 기반이 되는 앵커 뷰포인트에 해당할 수 있다. track_group_id가 동일한 값을 갖는 복수의 트랙들이 존재하는 경우, 해당 그룹의 적어도 하나의 트랙(또는 뷰포인트)의 anchor_viewpoint_flag의 값은 1이 될 수 있다.
일 예시에서, OMAF 플레이어는 360 씬 변경과 같이, 해당 뷰포인트 트랙 그룹 중에서 특정 뷰포인트를 명시적으로 선택하지 않고, 사용자가 뷰포인트 트랙 그룹에 조인할 때 앵커 뷰포인트 트랙을 재생할 수 있다.
표 12의 non_CONTIGUOUS_FLAG의 값이 0이면 앵커 뷰포인트와 근접할 수 있고, non_contiguous_flag의 값이 1이면 앵커 뷰포인트와 비근접할 수 있다.
도 26은 일 실시예에 따른 360도 비디오 전송 장치의 동작 방법을 도시하는 흐름도이고, 도 27은 일 실시예에 따른 360도 비디오 전송 장치의 구성을 도시하는 블록도이다.
도 26에 개시된 각 단계는 도 5에 개시된 360 비디오 전송 장치, 도 14a에 개시된 360 비디오 전송 장치, 도 15에 개시된 FLUS 소스, 또는 도 27에 개시된 360도 비디오 전송 장치에 의하여 수행될 수 있다. 일 예에서, 도 26의 S2600은 도 5에 개시된 360 비디오 전송 장치의 데이터 입력부에 의하여 수행될 수 있고, 도 26의 S2610은 도 5에 개시된 360 비디오 전송 장치의 프로젝션 처리부에 의하여 수행될 수 있고, 도 26의 S2620은 도 5에 개시된 메타데이터 처리부에 의하여 수행될 수 있고, 도 26의 S2630은 도 5에 개시된 360 비디오 전송 장치의 데이터 인코더에 의하여 수행될 수 있고, 도 26의 S2640은 도 5에 개시된 360 비디오 전송 장치의 인캡슐레이션 처리부에 의하여 수행될 수 있다. 따라서, 도 26의 각 단계를 설명함에 있어서, 도 5, 도 14a 및 도 15에서 전술된 내용과 중복되는 구체적인 내용은 설명을 생략하거나 간단히 하기로 한다.
도 27에 도시된 바와 같이, 일 실시예에 따른 360도 비디오 전송 장치는 데이터 입력부, 프로젝션 처리부, 메타데이터 처리부, 데이터 인코더 및 인캡슐레이션 처리부를 포함할 수 있다. 그러나, 경우에 따라서는 도 27에 도시된 구성 요소 모두가 360도 비디오 전송 장치의 필수 구성 요소가 아닐 수 있고, 360도 비디오 전송 장치는 도 27에 도시된 구성 요소보다 많거나 적은 구성 요소에 의해 구현될 수 있다.
일 실시예에 따른 360도 비디오 전송 장치에서 데이터 입력부, 프로젝션 처리부, 메타데이터 처리부, 데이터 인코더 및 인캡슐레이션 처리부는 각각 별도의 칩(chip)으로 구현되거나, 적어도 둘 이상의 구성 요소가 하나의 칩을 통해 구현될 수도 있다.
본 명세서에서 "360 비디오"와 "360도 비디오"는 명칭이 다소 상이할 뿐, 동일한 대상을 지시할 수 있다. 따라서, 도 5에 도시된 "360 비디오 전송 장치"와 도 27에 도시된 "360도 비디오 전송 장치"는 명칭이 다소 상이할 뿐 상호 동일/유사한 동작을 수행할 수 있고, 도 6에 도시된 "360 비디오 수신 장치"와 도 29에 도시된 "360도 비디오 수신 장치"도 명칭이 다소 상이할 뿐 상호 동일/유사한 동작을 수행할 수 있다.
일 실시예에 따른 360도 비디오 전송 장치는, 적어도 하나의 이미지 획득 장치에 의해 캡쳐된 360도 비디오 데이터를 획득할 수 있다(S2600). 보다 구체적으로, 360도 비디오 전송 장치의 데이터 입력부는 적어도 하나의 이미지 획득 장치에 의해 캡쳐된 360도 비디오 데이터를 획득할 수 있다.
일 예시에서, 이미지 획득 장치는 카메라, 캠코더, 스마트폰, PC 등을 포함할 수 있으며, 상기된 예시에 한정되지 않는다.
일 실시예에 따른 360도 비디오 전송 장치는, 360도 비디오 데이터를 처리하여 전방향 이미지를 포함하는 2차원 픽처를 도출할 수 있다(S2610). 보다 구체적으로, 360도 비디오 전송 장치의 프로젝션 처리부는 360도 비디오 데이터를 처리하여 전방향 이미지를 포함하는 2차원 픽처를 도출할 수 있다.
일 실시예에 따른 360도 비디오 전송 장치는, 360도 비디오 데이터에 대한 메타데이터를 생성할 수 있다(S2620). 보다 구체적으로, 360도 비디오 전송 장치의 메타데이터 처리부는 360도 비디오 데이터에 대한 메타데이터를 생성할 수 있다.
일 실시예에서, 상기 메타데이터는 상기 360도 비디오 데이터 내 뷰포인트 그룹에 포함된 적어도 하나의 뷰포인트가 서로 비근접(non-contiguous)한지 여부를 나타내는 비근접 플래그 정보를 포함할 수 있다. 일 예시에서, 상기 비근접 플래그 정보는 non_contiguous_flag로 지칭될 수 있다.
일 실시예에서, 상기 뷰포인트 그룹에 포함된 모든 뷰포인트들이 서로 근접한 경우 상기 비근접 플래그 정보의 값은 0이고, 상기 뷰포인트 그룹에 포함된 상기 적어도 하나의 뷰포인트가 서로 비근접한 경우 상기 비근접 플래그 정보의 값은 1일 수 있다.
일 실시예에서, 상기 뷰포인트 그룹에 포함된 상기 적어도 하나의 뷰포인트가 서로 비근접한지 여부에 대한 판단은 공간적 비근접성(spatial non-contiguity) 및 논리적 비근접성(logical non-contiguity) 중 적어도 하나를 기반으로 할 수 있다. 일 예시에서, 상기 뷰포인트 그룹에 포함된 상기 적어도 하나의 뷰포인트가 서로 비근접한지 여부에 대한 판단은 ViewpointTrackGroupType을 기반으로 수행될 수 있다.
일 실시예에서, 상기 메타데이터는 상기 뷰포인트 그룹에 포함된 현재 뷰포인트가 앵커 뷰포인트(anchor viewpoint)인지 여부를 나타내는 앵커 뷰포인트 플래그 정보를 더 포함할 수 있다. 일 예시에서, 상기 앵커 뷰포인트 플래그 정보는 anchor_viewpoint_flag로 지칭될 수 있다.
일 실시예에서, 상기 현재 뷰포인트가 상기 앵커 뷰포인트인 경우 상기 현재 뷰포인트에 대한 상기 앵커 뷰포인트 플래그 정보의 값은 1이고, 상기 현재 뷰포인트가 상기 앵커 뷰포인트가 아닌 경우 상기 현재 뷰포인트에 대한 상기 앵커 뷰포인트 플래그 정보의 값은 0일 수 있다.
일 실시예에서, 상기 뷰포인트 그룹에 포함된 상기 현재 뷰포인트가 상기 앵커 뷰포인트와 근접한 경우 상기 현재 뷰포인트에 대한 상기 비근접 플래그 정보의 값은 0이고, 상기 뷰포인트 그룹에 포함된 상기 현재 뷰포인트가 상기 앵커 뷰포인트와 비근접한 경우 상기 현재 뷰포인트에 대한 상기 비근접 플래그 정보의 값은 1일 수 있다.
일 실시예에서, 상기 앵커 뷰포인트 플래그 정보의 값이 1인 경우, 상기 비근접 플래그 정보의 값은 0일 수 있다.
일 실시예에서, 상기 메타데이터는, 뷰포인트에 대하여 이니셜 뷰잉 오리엔테이션(initial viewing orientation)을 적용할지 여부에 대한 정보를 더 포함할 수 있다. 일 예시에서, 상기 뷰포인트에 대하여 이니셜 뷰잉 오리엔테이션을 적용할지 여부에 대한 정보는 viewing_orientation_refresh_flag로 지칭될 수 있다.
일 실시예에서, 상기 이니셜 뷰잉 오리엔테이션을 적용할지 여부에 대한 정보를 기반으로 상기 뷰포인트에 대하여 상기 이니셜 뷰잉 오리엔테이션을 적용하기로 결정된 경우, 상기 메타데이터는 상기 뷰포인트에 대한 상기 이니셜 뷰잉 오리엔테이션의 요(yaw) 각도, 피치(pitch) 각도 및 롤(roll) 각도에 대한 정보를 포함할 수 있다. 일 예시에서, 상기 뷰포인트에 대한 상기 이니셜 뷰잉 오리엔테이션의 요 각도, 피치 각도 및 롤 각도에 대한 정보는 InitialViewingOrientationSample로 지칭될 수 있다.
일 실시예에서, 상기 메타데이터는 상기 뷰포인트 그룹 내에서 뷰포인트 스위칭이 수행될 시 적용될 트랜지션 이펙트(transition effect)의 타입에 대한 정보를 더 포함할 수 있다. 일 예시에서, 상기 트랜지션 이펙트의 타입에 대한 정보는 transition_effect_type으로 지칭될 수 있다.
일 실시예에서, 상기 트랜지션 이펙트의 타입에 대한 정보는, 줌인(zoon-in) 이펙트에 대한 정보 및 워킹쓰루(walking through) 이펙트에 대한 정보를 포함할 수 있다.
일 실시예에 따른 360도 비디오 전송 장치는, 2차원 픽처에 대한 정보를 인코딩할 수 있다(S2630). 보다 구체적으로, 360도 비디오 전송 장치의 데이터 인코더는 2차원 픽처에 대한 정보를 인코딩할 수 있다.
일 실시예에 따른 360도 비디오 전송 장치는, 2차원 픽처에 대한 정보 및 메타데이터를 기반으로 인캡슐레이션을 수행할 수 있다(S2640). 보다 구체적으로, 360도 비디오 전송 장치의 인캡슐레이션 처리부는 2차원 픽처에 대한 정보 및 메타데이터를 기반으로 인캡슐레이션을 수행할 수 있다.
도 26 및 도 27에 개시된 360도 비디오 전송 장치 및 360도 비디오 전송 장치의 동작 방법에 따르면, 일 실시예에 따른 360도 비디오 전송 장치는 적어도 하나의 카메라에 의해 캡쳐된 360도 비디오 데이터를 획득하고(S2600), 360도 비디오 데이터를 처리하여 전방향 이미지를 포함하는 2차원 픽처를 도출하고(S2610), 360도 비디오 데이터에 대한 메타데이터를 생성하고(S2620), 2차원 픽처에 대한 정보를 인코딩하고(S2630), 2차원 픽처에 대한 정보 및 메타데이터를 기반으로 인캡슐레이션을 수행(S2640)할 수 있으며, 이때 상기 메타데이터는 상기 360도 비디오 데이터 내 뷰포인트 그룹에 포함된 적어도 하나의 뷰포인트가 서로 비근접(non-contiguous)한지 여부를 나타내는 비근접 플래그 정보를 포함하는 것을 특징으로 할 수 있다. 이에 따라, 360도 비디오 내에서 뷰포인트 그룹에 포함된 적어도 하나의 뷰포인트가 서로 비근접한지 여부를 나타내는 비근접 플래그 정보를 효과적으로 시그널링할 수 있다.
도 28은 일 실시예에 따른 360도 비디오 수신 장치의 동작 방법을 도시하는 흐름도이고, 도 29는 일 실시예에 따른 360도 비디오 수신 장치의 구성을 도시하는 블록도이다.
도 28 및 도 29에 따른 360도 비디오 수신 장치 및 그 동작 방법은 전술한 도 26 및 도 27에 따른 360도 비디오 전송 장치의 동작 방법과 일부 대응될 수 있다. 따라서, 상호 간에 일부 중복되는 동작들은 설명을 간단히 하거나 생략할 수 있다.
도 28에 개시된 각 단계는 도 6에 개시된 360 비디오 수신 장치, 도 14b에 개시된 360 비디오 수신 장치, 도 15에 개시된 FLUS 싱크, 또는 도 29에 개시된 360도 비디오 수신 장치에 의하여 수행될 수 있다. 일 예에서, 도 28의 S2800은 도 6에 개시된 360 비디오 수신 장치의 수신부에 의하여 수행될 수 있고, 도 28의 S2810은 도 6에 개시된 디캡슐레이션 처리부에 의하여 수행될 수 있고, 도 28의 S2820은 도 6에 개시된 360 비디오 수신 장치의 데이터 디코더에 의하여 수행될 수 있고, 도 28의 S2830은 도 6에 개시된 렌더러에 의하여 수행될 수 있고, 도 28의 S2840은 도 14b에 개시된 디스플레이(display)(부)에 의하여 수행될 수 있다. 따라서, 도 28의 각 단계를 설명함에 있어서, 도 6, 도 14b 및 도 15에서 전술된 내용과 중복되는 구체적인 내용은 설명을 생략하거나 간단히 하기로 한다.
도 29에 도시된 바와 같이, 일 실시예에 따른 360도 비디오 수신 장치는 수신부, 디캡슐레이션 처리부, 데이터 디코더, 렌더러 및 디스플레이부를 포함할 수 있다. 그러나, 경우에 따라서는 도 29에 도시된 구성 요소 모두가 360도 비디오 수신 장치의 필수 구성 요소가 아닐 수 있고, 360도 비디오 수신 장치는 도 29에 도시된 구성 요소보다 많거나 적은 구성 요소에 의해 구현될 수 있다. 일 예시에서, 렌더러는 디스플레이부를 포함하면서 디스플레이부의 동작까지 함께 수행할 수 있다. 다른 일 예시에서는, 반대로 디스플레이부가 렌더러를 포함하면서 렌더러의 동작까지 함께 수행할 수 있다.
도 29에 도시된 디스플레이부는 디스플레이, 디스플레이 유닛, 디스플레이 모듈, 디스플레이 디바이스 등 다양한 명칭으로 지칭될 수 있다.
일 실시예에 따른 360도 비디오 수신 장치에서 수신부, 디캡슐레이션 처리부, 데이터 디코더 및 렌더러는 각각 별도의 칩(chip)으로 구현되거나, 적어도 둘 이상의 구성 요소가 하나의 칩을 통해 구현될 수도 있다.
일 실시예에 따른 360도 비디오 수신 장치는, 360도 비디오 데이터에 대한 정보를 수신할 수 있다(S2800). 보다 구체적으로, 360도 비디오 수신 장치의 수신부는 360도 비디오 데이터에 대한 정보를 수신할 수 있다.
일 실시예에서, 360도 비디오 수신 장치는 360도 비디오 전송 장치로부터 360도 비디오 데이터에 대한 정보를 수신할 수 있고, 360도 비디오 데이터에 대한 정보는, 예를 들어 360도 전송 장치에서 인코딩된 픽처에 대한 정보 및 360도 비디오 데이터에 대한 메타데이터를 기반으로 인캡슐레이션(encapsulation)을 수행하여 도출된 파일을 포함할 수 있다. 다만 예시는 이에 한정되지 않는다.
일 실시예에 따른 360도 비디오 수신 장치는, 상기 360도 비디오 데이터에 대한 정보로부터 인코딩된 픽처에 대한 정보 및 메타데이터를 획득할 수 있다(S2810). 보다 구체적으로, 360도 비디오 수신 장치의 수신 처리부, 메타데이터 파서 또는 디캡슐레이션 처리부는 상기 360도 비디오 데이터에 대한 정보로부터 인코딩된 픽처에 대한 정보 및 메타데이터를 획득할 수 있다. 일 예시에서, 360도 비디오 수신 장치의 디캡슐레이션 처리부는 상기 360도 비디오 데이터에 대한 정보를 디캡슐레이션하여 인코딩된 픽처에 대한 정보 및 메타데이터를 획득할 수 있다.
일 실시에에 따른 360도 비디오 수신 장치는, 상기 인코딩된 픽처에 대한 정보를 기반으로, 인코딩된 픽처를 디코딩할 수 있다(S2820). 보다 구체적으로, 360도 비디오 수신 장치의 데이터 디코더는 상기 인코딩된 픽처에 대한 정보를 기반으로, 인코딩된 픽처를 디코딩할 수 있다.
일 실시예에 따른 360도 비디오 수신 장치는, 상기 메타데이터를 기반으로 상기 디코딩된 픽처를 렌더링할 수 있다(S2830). 보다 구체적으로, 360도 비디오 수신 장치의 렌더러는 상기 메타데이터를 기반으로 상기 디코딩된 픽처를 렌더링할 수 있다.
일 실시예에 따른 360도 비디오 수신 장치는, 상기 렌더링을 기반으로 생성된 영상 내 뷰포트(viewport)를 디스플레이할 수 있다(S2840). 보다 구체적으로, 360도 비디오 수신 장치의 디스플레이부는 상기 렌더링을 기반으로 생성된 영상 내 뷰포트를 디스플레이할 수 있다.
일 실시예에서, 상기 뷰포트는 복수의 뷰포인트들과 각각 대응되는 복수의 아이콘들을 포함하고, 상기 뷰포트는 현재 뷰포인트에서 도출될 수 있다.
일 실시예에서, 상기 복수의 아이콘들 각각은, 상기 복수의 뷰포인트들 각각과 상기 현재 뷰포인트가 서로 근접한지(contiguous) 여부를 기반으로 제1 아이콘 타입 또는 제2 아이콘 타입으로 결정될 수 있다.
일 실시예에서, 상기 복수의 뷰포인트들 중 상기 현재 뷰포인트와 근접한 뷰포인트는 상기 제1 아이콘 타입에 따른 아이콘을 통해 나타나고, 상기 현재 뷰포인트와 비근접한(non-contiguous) 뷰포인트는 상기 제2 아이콘 타입에 따른 아이콘을 통해 나타날 수 있다.
일 실시예에서, 상기 제1 아이콘 타입과 상기 제2 아이콘 타입은, 색상, 채도, 명도, 사이즈, 모양, 무늬 중 적어도 하나가 서로 상이할 수 있다.
일 실시예에서, 상기 제1 아이콘 타입에 따른 아이콘들은, 상기 뷰포트 내에서 상기 제1 아이콘 타입에 따른 상기 아이콘들과 대응되는 뷰포인트들의 위치에 기반하여 디스플레이 될 수 있다.
일 실시예에서, 상기 제2 아이콘 타입에 따른 아이콘들을 대표하는 제2 아이콘 타입 대표 아이콘은 상기 뷰포트의 우측 상단에 디스플레이되고, 상기 제2 아이콘 타입 대표 아이콘은 상기 제2 아이콘 타입에 따른 상기 아이콘들에 대한 정보를 포함하는 팝업(pop-up) 화면으로 전환하기 위해 이용될 수 있다.
일 실시예에서, 상기 팝업 화면은, 상기 제2 아이콘 타입에 따른 상기 아이콘들과 대응되는 뷰포인트들의 명칭, 스틸 이미지(still image), 프리뷰 비디오(preview video), 비디오 및 설명 정보 중 적어도 하나를 디스플레이 할 수 있다.
일 실시예에서, 상기 제2 아이콘 타입에 따른 상기 아이콘들은 상기 뷰포트 내에서 상기 제2 아이콘 타입에 따른 상기 아이콘들과 대응되는 뷰포인트들의 위치에 기반하여 디스플레이되고, 상기 제2 아이콘 타입에 따른 상기 아이콘들 중 하나에 대한 이미지 및 설명 정보가 디스플레이 될 수 있다.
일 실시예에서, 상기 제2 아이콘 타입에 따른 상기 아이콘들 및, 상기 제2 아이콘 타입에 따른 상기 아이콘들과 대응되는 뷰포인트들의 명칭 및 이미지는, 상기 뷰포트의 좌측에 디스플레이 될 수 있다.
일 실시예에서, 상기 현재 뷰포인트는 뷰포인트 그룹에 포함된 복수의 뷰포인트들 중 하나이고, 상기 메타데이터는, 뷰포인트 그룹에 포함된 적어도 하나의 뷰포인트가 서로 비근접(non-contiguous)한지 여부를 나타내는 비근접 플래그 정보를 포함할 수 있다.
일 실시예에서, 상기 뷰포인트 그룹에 포함된 상기 복수의 뷰포인트들이 서로 근접한 경우, 상기 뷰포인트 그룹에 대한 상기 비근접 플래그 정보의 값은 0이고, 상기 뷰포인트 그룹에 포함된 상기 적어도 하나의 뷰포인트가 서로 비근접한 경우 상기 뷰포인트 그룹에 대한 상기 비근접 플래그 정보의 값은 1일 수 있다.
일 실시예에서, 상기 뷰포인트 그룹에 대한 상기 비근접 플래그 정보의 값이 0인 경우, 상기 뷰포인트 그룹에 포함된 상기 복수의 뷰포인트들은 상기 뷰포트 내에서 상기 제1 아이콘 타입에 따른 아이콘들을 기반으로 나타날 수 있다.
일 실시예에서, 뷰포인트들이 상호 근접한지 여부에 대한 판단은 공간적 비근접성(spatial non-contiguity) 및 논리적 비근접성(logical non-contiguity) 중 적어도 하나를 기반으로 할 수 있다.
도 28 및 도 29에 개시된 360도 비디오 수신 장치 및 360도 비디오 수신 장치의 동작 방법에 따르면, 일 실시예에 따른 360도 비디오 수신 장치는 360도 비디오 데이터에 대한 정보를 수신하고(S2800), 상기 360도 비디오 데이터에 대한 정보로부터 인코딩된 픽처에 대한 정보 및 메타데이터를 획득하고(S2810), 상기 인코딩된 픽처에 대한 정보를 기반으로 상기 인코딩된 픽처를 디코딩하고(S2820), 상기 메타데이터를 기반으로 상기 디코딩된 픽처를 렌더링(S2830)하고, 상기 렌더링을 기반으로 생성된 영상 내 뷰포트를 디스플레이(S2840) 할 수 있으며, 이때 상기 뷰포트는 복수의 뷰포인트들과 각각 대응되는 복수의 아이콘들을 포함하고, 상기 뷰포트는 현재 뷰포인트에서 도출되며, 상기 복수의 아이콘들 각각은, 상기 복수의 뷰포인트들 각각과 상기 현재 뷰포인트가 서로 근접한지(contiguous) 여부를 기반으로 제1 아이콘 타입 또는 제2 아이콘 타입으로 결정되는 것을 특징으로 할 수 있다. 이에 따라, 뷰포트 내에서 관찰되는 뷰포인트들이 현재 뷰포인트와 근접한지 여부를 아이콘의 타입을 통해 효율적으로 파악할 수 있다. 즉, 복수의 뷰포인트들에 관한 사용자 인터페이스를 보다 효율적으로 디스플레이할 수 있다.
전술한 각각의 파트, 모듈 또는 유닛은 메모리(또는 저장 유닛)에 저장된 연속된 수행과정들을 실행하는 프로세서이거나 하드웨어 파트일 수 있다. 전술한 실시예에 기술된 각 단계들은 프로세서 또는 하드웨어 파트들에 의해 수행될 수 있다. 전술한 실시예에 기술된 각 모듈/블록/유닛들은 하드웨어/프로세서로서 동작할 수 있다. 또한, 본 발명이 제시하는 방법들은 코드로서 실행될 수 있다. 이 코드는 프로세서가 읽을 수 있는 저장매체에 쓰여질 수 있고, 따라서 장치(apparatus)가 제공하는 프로세서에 의해 읽혀질 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.
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.

Claims (15)

  1. 360도 비디오 수신 장치에 의하여 수행되는 영상 디스플레이 방법에 있어서,
    360도 비디오 데이터에 대한 정보를 수신하는 단계;
    상기 360도 비디오 데이터에 대한 정보로부터 인코딩된 픽처에 대한 정보 및 메타데이터를 획득하는 단계;
    상기 인코딩된 픽처에 대한 정보를 기반으로, 상기 인코딩된 픽처를 디코딩하는 단계;
    상기 메타데이터를 기반으로 상기 디코딩된 픽처를 렌더링하는 단계; 및
    상기 렌더링을 기반으로 생성된 영상 내 뷰포트(viewport)를 디스플레이하는 단계를 포함하되,
    상기 뷰포트는 복수의 뷰포인트들과 각각 대응되는 복수의 아이콘들을 포함하고, 상기 뷰포트는 현재 뷰포인트에서 도출되며,
    상기 복수의 아이콘들 각각은, 상기 복수의 뷰포인트들 각각과 상기 현재 뷰포인트가 서로 근접한지(contiguous) 여부를 기반으로 제1 아이콘 타입 또는 제2 아이콘 타입으로 결정되는 것을 특징으로 하는, 영상 디스플레이 방법.
  2. 제1항에 있어서,
    상기 복수의 뷰포인트들 중 상기 현재 뷰포인트와 근접한 뷰포인트는 상기 제1 아이콘 타입에 따른 아이콘을 통해 나타나고, 상기 현재 뷰포인트와 비근접한(non-contiguous) 뷰포인트는 상기 제2 아이콘 타입에 따른 아이콘을 통해 나타나는 것을 특징으로 하는, 영상 디스플레이 방법.
  3. 제2항에 있어서,
    상기 제1 아이콘 타입과 상기 제2 아이콘 타입은, 색상, 채도, 명도, 사이즈, 모양, 무늬 중 적어도 하나가 서로 상이한 것을 특징으로 하는, 영상 디스플레이 방법.
  4. 제3항에 있어서,
    상기 제1 아이콘 타입에 따른 아이콘들은, 상기 뷰포트 내에서 상기 제1 아이콘 타입에 따른 상기 아이콘들과 대응되는 뷰포인트들의 위치에 기반하여 디스플레이되는 것을 특징으로 하는, 영상 디스플레이 방법.
  5. 제4항에 있어서,
    상기 제2 아이콘 타입에 따른 아이콘들을 대표하는 제2 아이콘 타입 대표 아이콘은 상기 뷰포트의 우측 상단에 디스플레이되고, 상기 제2 아이콘 타입 대표 아이콘은 상기 제2 아이콘 타입에 따른 상기 아이콘들에 대한 정보를 포함하는 팝업(pop-up) 화면으로 전환하기 위해 이용되는 것을 특징으로 하는, 영상 디스플레이 방법.
  6. 제5항에 있어서,
    상기 팝업 화면은, 상기 제2 아이콘 타입에 따른 상기 아이콘들과 대응되는 뷰포인트들의 명칭, 스틸 이미지(still image), 프리뷰 비디오(preview video), 비디오 및 설명 정보 중 적어도 하나를 디스플레이 하는 것을 특징으로 하는, 영상 디스플레이 방법.
  7. 제4항에 있어서,
    상기 제2 아이콘 타입에 따른 상기 아이콘들은 상기 뷰포트 내에서 상기 제2 아이콘 타입에 따른 상기 아이콘들과 대응되는 뷰포인트들의 위치에 기반하여 디스플레이되고, 상기 제2 아이콘 타입에 따른 상기 아이콘들 중 하나에 대한 이미지 및 설명 정보가 디스플레이 되는 것을 특징으로 하는, 영상 디스플레이 방법.
  8. 제4항에 있어서,
    상기 제2 아이콘 타입에 따른 상기 아이콘들 및, 상기 제2 아이콘 타입에 따른 상기 아이콘들과 대응되는 뷰포인트들의 명칭 및 이미지는, 상기 뷰포트의 좌측에 디스플레이 되는 것을 특징으로 하는, 영상 디스플레이 방법.
  9. 제4항에 있어서,
    상기 현재 뷰포인트는 뷰포인트 그룹에 포함된 복수의 뷰포인트들 중 하나이고,
    상기 메타데이터는, 뷰포인트 그룹에 포함된 적어도 하나의 뷰포인트가 서로 비근접(non-contiguous)한지 여부를 나타내는 비근접 플래그 정보를 포함하는 것을 특징으로 하는, 영상 디스플레이 방법.
  10. 제9항에 있어서,
    상기 뷰포인트 그룹에 포함된 상기 복수의 뷰포인트들이 서로 근접한 경우, 상기 뷰포인트 그룹에 대한 상기 비근접 플래그 정보의 값은 0이고,
    상기 뷰포인트 그룹에 포함된 상기 적어도 하나의 뷰포인트가 서로 비근접한 경우 상기 뷰포인트 그룹에 대한 상기 비근접 플래그 정보의 값은 1인 것을 특징으로 하는, 영상 디스플레이 방법.
  11. 제10항에 있어서,
    상기 뷰포인트 그룹에 대한 상기 비근접 플래그 정보의 값이 0인 경우, 상기 뷰포인트 그룹에 포함된 상기 복수의 뷰포인트들은 상기 뷰포트 내에서 상기 제1 아이콘 타입에 따른 아이콘들을 기반으로 나타나는 것을 특징으로 하는, 영상 디스플레이 방법.
  12. 제1항에 있어서,
    뷰포인트들이 상호 근접한지 여부에 대한 판단은 공간적 비근접성(spatial non-contiguity) 및 논리적 비근접성(logical non-contiguity) 중 적어도 하나를 기반으로 하는 것을 특징으로 하는, 영상 디스플레이 방법.
  13. 영상을 디스플레이하는 360도 비디오 수신 장치에 있어서,
    360도 비디오 데이터에 대한 정보를 수신하는 수신부;
    상기 360도 비디오 데이터에 대한 정보로부터 인코딩된 픽처에 대한 정보 및 메타데이터를 획득하는 디캡슐레이션 처리부;
    상기 인코딩된 픽처에 대한 정보를 기반으로, 상기 인코딩된 픽처를 디코딩하는 데이터 디코더;
    상기 메타데이터를 기반으로 상기 디코딩된 픽처를 렌더링하는 렌더러; 및
    상기 렌더링을 기반으로 생성된 영상 내 뷰포트(viewport)를 디스플레이하는 디스플레이부를 포함하되,
    상기 뷰포트는 복수의 뷰포인트들과 각각 대응되는 복수의 아이콘들을 포함하고, 상기 뷰포트는 현재 뷰포인트에서 도출되며,
    상기 복수의 아이콘들 각각은, 상기 복수의 뷰포인트들 각각과 상기 현재 뷰포인트가 서로 근접한지(contiguous) 여부를 기반으로 제1 아이콘 타입 또는 제2 아이콘 타입으로 결정되는 것을 특징으로 하는, 360도 비디오 수신 장치.
  14. 제13항에 있어서,
    상기 복수의 뷰포인트들 중 상기 현재 뷰포인트와 근접한 뷰포인트는 상기 제1 아이콘 타입에 따른 아이콘을 통해 나타나고, 상기 현재 뷰포인트와 비근접한(non-contiguous) 뷰포인트는 상기 제2 아이콘 타입에 따른 아이콘을 통해 나타나는 것을 특징으로 하는, 360도 비디오 수신 장치.
  15. 제14항에 있어서,
    상기 제1 아이콘 타입과 상기 제2 아이콘 타입은, 색상, 채도, 명도, 사이즈, 모양, 무늬 중 적어도 하나가 서로 상이한 것을 특징으로 하는, 360도 비디오 수신 장치.
PCT/KR2019/006551 2018-06-01 2019-05-31 360도 컨텐츠 내 복수의 뷰포인트들에 관한 사용자 인터페이스를 제공하는 방법 및 장치 WO2019231269A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201862679681P 2018-06-01 2018-06-01
US62/679,681 2018-06-01

Publications (1)

Publication Number Publication Date
WO2019231269A1 true WO2019231269A1 (ko) 2019-12-05

Family

ID=68697243

Family Applications (2)

Application Number Title Priority Date Filing Date
PCT/KR2019/006269 WO2019231178A1 (ko) 2018-06-01 2019-05-24 복수의 뷰포인트들에 대한 메타데이터를 송수신하는 방법 및 장치
PCT/KR2019/006551 WO2019231269A1 (ko) 2018-06-01 2019-05-31 360도 컨텐츠 내 복수의 뷰포인트들에 관한 사용자 인터페이스를 제공하는 방법 및 장치

Family Applications Before (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/006269 WO2019231178A1 (ko) 2018-06-01 2019-05-24 복수의 뷰포인트들에 대한 메타데이터를 송수신하는 방법 및 장치

Country Status (6)

Country Link
US (1) US20210176446A1 (ko)
EP (1) EP3806458A4 (ko)
JP (1) JP6986158B2 (ko)
KR (1) KR102214085B1 (ko)
CN (1) CN111727605B (ko)
WO (2) WO2019231178A1 (ko)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3599544A1 (en) * 2018-07-25 2020-01-29 Nokia Technologies Oy An apparatus, method, computer program for enabling access to mediated reality content by a remote user
CN110876051B (zh) * 2018-08-29 2023-04-11 中兴通讯股份有限公司 视频数据的处理，传输方法及装置，视频数据的处理系统
WO2021137300A1 (en) * 2020-01-04 2021-07-08 Sharp Kabushiki Kaisha Systems and methods for signaling viewpoint switching information in omnidirectional media
KR20220160550A (ko) * 2020-03-31 2022-12-06 인텔 코포레이션 몰입형 비디오에서 아틀라스 당 인에이블된 뷰들을 시그널링하는 방법들 및 장치들
EP4210339A4 (en) * 2020-09-04 2024-03-20 Panasonic Ip Corp America REPRODUCTION DEVICE, TRANSMISSION DEVICE, REPRODUCTION METHOD AND TRANSMISSION METHOD
WO2023058258A1 (ja) * 2021-10-05 2023-04-13 ソニーグループ株式会社 画像処理システム、並びに、画像処理装置および方法
CN113949829B (zh) * 2021-10-15 2022-09-20 腾讯科技（深圳）有限公司 媒体文件封装及解封装方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140043340A1 (en) * 2012-08-10 2014-02-13 Microsoft Corporation Animation Transitions and Effects in a Spreadsheet Application
KR20170079198A (ko) * 2015-12-30 2017-07-10 엘지전자 주식회사 이동 단말기 및 그의 동작 방법
WO2017142353A1 (ko) * 2016-02-17 2017-08-24 엘지전자 주식회사 360 비디오를 전송하는 방법, 360 비디오를 수신하는 방법, 360 비디오 전송 장치, 360 비디오 수신 장치
WO2017205642A1 (en) * 2016-05-25 2017-11-30 Livit Media Inc. Methods and systems for live sharing 360-degree video streams on a mobile device
KR20180046044A (ko) * 2016-10-27 2018-05-08 에스케이텔레콤 주식회사 전방위 영상 표시 장치 및 그 표시 방법

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4167777B2 (ja) * 1999-07-19 2008-10-22 三菱電機株式会社 映像表示装置、映像表示方法および映像を表示するためのプログラムを記録した記録媒体
US8239766B2 (en) * 2005-09-27 2012-08-07 Qualcomm Incorporated Multimedia coding techniques for transitional effects
CN101895740B (zh) * 2009-05-22 2012-08-08 华为技术有限公司 传输视频数据的方法及装置
KR20110097690A (ko) * 2010-02-23 2011-08-31 삼성전자주식회사 다시점 정지 영상 서비스 제공 방법 및 그 장치, 다시점 정지 영상 서비스 수신 방법 및 그 장치
JP6309749B2 (ja) * 2013-12-09 2018-04-11 シャープ株式会社 画像データ再生装置および画像データ生成装置
JP2015187797A (ja) * 2014-03-27 2015-10-29 シャープ株式会社 画像データ生成装置および画像データ再生装置
CN108028910A (zh) * 2015-09-25 2018-05-11 索尼公司 信息处理设备、信息处理方法与程序
JPWO2017154606A1 (ja) * 2016-03-10 2019-01-10 ソニー株式会社 情報処理装置および情報処理方法
WO2018038523A1 (ko) * 2016-08-25 2018-03-01 엘지전자 주식회사 전방향 비디오를 전송하는 방법, 전방향 비디오를 수신하는 방법, 전방향 비디오 전송 장치, 전방향 비디오 수신 장치
KR102014240B1 (ko) * 2016-09-08 2019-08-27 가온미디어 주식회사 공간적 구조 정보를 이용한 동기화된 다시점 영상의 선택적 복호화 방법, 부호화 방법 및 그 장치
JP6996514B2 (ja) * 2016-10-26 2022-01-17 ソニーグループ株式会社 情報処理装置、情報処理システム、および情報処理方法、並びにプログラム
US10614606B2 (en) * 2016-11-30 2020-04-07 Ricoh Company, Ltd. Information processing apparatus for creating an animation from a spherical image

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140043340A1 (en) * 2012-08-10 2014-02-13 Microsoft Corporation Animation Transitions and Effects in a Spreadsheet Application
KR20170079198A (ko) * 2015-12-30 2017-07-10 엘지전자 주식회사 이동 단말기 및 그의 동작 방법
WO2017142353A1 (ko) * 2016-02-17 2017-08-24 엘지전자 주식회사 360 비디오를 전송하는 방법, 360 비디오를 수신하는 방법, 360 비디오 전송 장치, 360 비디오 수신 장치
WO2017205642A1 (en) * 2016-05-25 2017-11-30 Livit Media Inc. Methods and systems for live sharing 360-degree video streams on a mobile device
KR20180046044A (ko) * 2016-10-27 2018-05-08 에스케이텔레콤 주식회사 전방위 영상 표시 장치 및 그 표시 방법

Also Published As

Publication number Publication date
EP3806458A4 (en) 2022-03-02
KR102214085B1 (ko) 2021-02-09
JP2021506175A (ja) 2021-02-18
KR20200058501A (ko) 2020-05-27
US20210176446A1 (en) 2021-06-10
JP6986158B2 (ja) 2021-12-22
WO2019231178A1 (ko) 2019-12-05
EP3806458A1 (en) 2021-04-14
CN111727605B (zh) 2022-09-13
CN111727605A (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
WO2019194434A1 (ko) 복수의 뷰포인트들에 대한 메타데이터를 송수신하는 방법 및 장치
WO2019151798A1 (ko) 무선 통신 시스템에서 이미지에 대한 메타데이터를 송수신하는 방법 및 장치
WO2019198883A1 (ko) 핫스팟 및 roi 관련 메타데이터를 이용한 360도 비디오를 송수신하는 방법 및 그 장치
WO2017188714A1 (ko) 360도 비디오를 전송하는 방법, 360도 비디오를 수신하는 방법, 360도 비디오 전송 장치, 360도 비디오 수신 장치
WO2017142353A1 (ko) 360 비디오를 전송하는 방법, 360 비디오를 수신하는 방법, 360 비디오 전송 장치, 360 비디오 수신 장치
WO2019231269A1 (ko) 360도 컨텐츠 내 복수의 뷰포인트들에 관한 사용자 인터페이스를 제공하는 방법 및 장치
WO2017204491A1 (ko) 360 비디오를 전송하는 방법, 360 비디오를 수신하는 방법, 360 비디오 전송 장치, 360 비디오 수신 장치
WO2018038520A1 (ko) 전방향 비디오를 전송하는 방법, 전방향 비디오를 수신하는 방법, 전방향 비디오 전송 장치, 전방향 비디오 수신 장치
WO2018038523A1 (ko) 전방향 비디오를 전송하는 방법, 전방향 비디오를 수신하는 방법, 전방향 비디오 전송 장치, 전방향 비디오 수신 장치
WO2019066436A1 (ko) 360 비디오 시스템에서 오버레이 처리 방법 및 그 장치
WO2018169176A1 (ko) 퀄리티 기반 360도 비디오를 송수신하는 방법 및 그 장치
WO2020027349A1 (ko) 다중 뷰포인트 기반 360 비디오 처리 방법 및 그 장치
WO2019194573A1 (en) Method for transmitting 360-degree video, method for receiving 360-degree video, apparatus for transmitting 360-degree video, and apparatus for receiving 360-degree video
WO2020009341A1 (ko) 동적 뷰포인트의 좌표계에 대한 메타데이터를 송수신하는 방법 및 장치
WO2020013454A1 (ko) 동적 뷰포인트의 좌표계에 대한 메타데이터를 송수신하는 방법 및 장치
WO2019203456A1 (ko) 복수의 뷰포인트들에 대한 메타데이터를 송수신하는 방법 및 장치
WO2018217057A1 (ko) 360 비디오 처리 방법 및 그 장치
WO2020009344A1 (ko) 360 비디오 데이터의 서브픽처 기반 처리 방법 및 그 장치
WO2019168304A1 (ko) 카메라 렌즈 정보를 포함한 360도 비디오를 송수신하는 방법 및 그 장치
WO2018174387A1 (ko) 360 비디오를 전송하는 방법, 360 비디오를 수신하는 방법, 360 비디오 전송 장치, 360 비디오 수신 장치
WO2019245302A1 (en) Method for transmitting 360-degree video, method for providing a user interface for 360-degree video, apparatus for transmitting 360-degree video, and apparatus for providing a user interface for 360-degree video
WO2019235849A1 (ko) 360 비디오 시스템에서 오버레이 미디어 처리 방법 및 그 장치
WO2019066191A1 (ko) 스티칭 및 리프로젝션 관련 메타데이터를 이용한 6dof 비디오를 송수신하는 방법 및 그 장치
WO2018131832A1 (ko) 360 비디오를 전송하는 방법, 360 비디오를 수신하는 방법, 360 비디오 전송 장치, 360 비디오 수신 장치
WO2019235904A1 (ko) 360 비디오 시스템에서 오버레이 처리 방법 및 그 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: 19811011

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: 19811011

Country of ref document: EP

Kind code of ref document: A1