WO2020027349A1 - 다중 뷰포인트 기반 360 비디오 처리 방법 및 그 장치 - Google Patents

다중 뷰포인트 기반 360 비디오 처리 방법 및 그 장치 Download PDF

Info

Publication number
WO2020027349A1
WO2020027349A1 PCT/KR2018/008705 KR2018008705W WO2020027349A1 WO 2020027349 A1 WO2020027349 A1 WO 2020027349A1 KR 2018008705 W KR2018008705 W KR 2018008705W WO 2020027349 A1 WO2020027349 A1 WO 2020027349A1
Authority
WO
WIPO (PCT)
Prior art keywords
viewport
viewpoint
information
video
metadata
Prior art date
Application number
PCT/KR2018/008705
Other languages
English (en)
French (fr)
Inventor
이수연
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
Priority to PCT/KR2018/008705 priority Critical patent/WO2020027349A1/ko
Priority to US16/767,558 priority patent/US10965928B2/en
Priority to KR1020207014936A priority patent/KR102278848B1/ko
Publication of WO2020027349A1 publication Critical patent/WO2020027349A1/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
    • H04N13/194—Transmission of 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
    • H04N13/111—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
    • H04N13/161—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
    • H04N13/20—Image signal generators
    • H04N13/261—Image signal generators with monoscopic-to-stereoscopic image conversion
    • H04N13/268—Image signal generators with monoscopic-to-stereoscopic image conversion based on depth image-based rendering [DIBR]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/30—Image reproducers
    • H04N13/366—Image reproducers using viewer tracking
    • 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
    • H04N21/236—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]
    • H04N21/80—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
    • 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
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/858—Linking data to content, e.g. by linking an URL to a video object, by creating a hotspot
    • 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
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/858—Linking data to content, e.g. by linking an URL to a video object, by creating a hotspot
    • H04N21/8583—Linking data to content, e.g. by linking an URL to a video object, by creating a hotspot by creating hot-spots
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/10—Geometric effects
    • G06T15/20—Perspective computation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/30—Image reproducers
    • H04N13/366—Image reproducers using viewer tracking
    • H04N13/383—Image reproducers using viewer tracking for tracking with gaze detection, i.e. detecting the lines of sight of the viewer's eyes

Definitions

  • the present invention relates to 360 video, and more particularly, to a method and apparatus for processing multiple viewpoints based 360 degree video.
  • the VR (Vertial Reality) system gives the user the feeling of being in an electronically projected environment.
  • the system for providing VR can be further refined to provide higher quality images and spatial sound.
  • the VR system can enable a user to consume VR content interactively.
  • An object of the present invention is to provide a method and apparatus for processing 360 video data.
  • Another object of the present invention is to provide a method and apparatus for transmitting metadata for 360 video data.
  • Another technical problem of the present invention is to provide a method and apparatus for transmitting metadata for efficient rendering of 360 video.
  • Another technical problem of the present invention is to provide a method and apparatus for efficiently processing multi-viewpoint based 360 video.
  • Another technical problem of the present invention is to provide a method and apparatus for transmitting metadata for efficient viewpoint switching of multi-viewpoint-based 360 degree video.
  • a 360 video data processing method performed by a 360 video receiving apparatus.
  • the method obtains image information for pictures of multiple viewpoints based 360 videos and metadata for the multiple viewpoints based 360 videos from a received video signal, wherein the metadata includes multiple viewpoint information.
  • Decoding an image of a second viewport of a second viewpoint based on deriving the second viewport in the second viewpoint connected through a hotspot in the first viewport based on the multi-viewpoint information And rendering the image of the second viewport in the 3D space.
  • a 360 video receiving apparatus for processing 360 video data.
  • the 360 video receiving apparatus obtains image information of pictures of multi-viewpoints-based 360 videos and metadata of the multi-viewpoints-based 360 videos from the received video signal, wherein the metadata is multi-viewpoints.
  • a reception processor including information, and decodes an image of a first viewport of a first viewpoint based on the metadata and the image information, and decodes an image of a second viewport of a second viewpoint based on the metadata and the image information.
  • a data decoder for decoding an image, rendering an image of the first viewport in 3D space, and based on the multi-viewpoint information, the second viewport in the second viewpoint connected through a hotspot in the first viewport.
  • a renderer for rendering the image of the second viewport into the 3D space. .
  • a 360 video data processing method performed by the 360 video transmission device.
  • the method includes obtaining 360 degree videos supporting multiple viewpoints, processing the 360 videos to derive pictures associated with each of the viewpoints, generating metadata including multiple viewpoint information, Encoding pictures associated with each of the viewpoints, and performing processing for storage or transmission on the encoded pictures and the metadata, wherein the multiple viewpoint information is selected from among the multiple viewpoints.
  • the second viewport in the second viewpoint is connected through a hot spot in the first viewport of the first viewpoint.
  • a 360 video transmission device for processing 360 video data.
  • the 360 video transmission apparatus may include a data input unit for obtaining 360 degree videos supporting multiple viewpoints, a projection processor for processing the 360 videos to derive pictures associated with each of the viewpoints, and metadata including multiple viewpoint information. And a metadata processor to generate, a data encoder to encode pictures associated with each of the viewpoints, and a transmission processor to perform processing for storing or transmitting the encoded pictures and the metadata.
  • VR content 360 content
  • a terrestrial broadcasting network and an internet network it is possible to efficiently transmit VR content (360 content) in an environment supporting next generation hybrid broadcasting using a terrestrial broadcasting network and an internet network.
  • a method for providing an interactive experience in consuming 360 content of a user may be proposed.
  • 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
  • FIG. 1 is a diagram showing the overall architecture for providing 360 video according to the present invention.
  • FIGS. 2 and 3 illustrate the structure of a media file according to an embodiment of the present invention.
  • FIG 4 shows an example of the overall operation of the DASH-based adaptive streaming model.
  • FIG. 5 is a diagram schematically illustrating a configuration of a 360 video transmission apparatus to which the present invention may be applied.
  • FIG. 6 is a diagram schematically illustrating a configuration of a 360 video receiving apparatus to which the present invention can be applied.
  • FIG. 7 is a diagram illustrating the concept of an airplane main axis (Aircraft Principal Axes) for explaining the 3D space of the present invention.
  • 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.
  • 10A and 10B illustrate a tile according to an embodiment of the present invention.
  • FIG 11 illustrates an example of 360 degree video related metadata according to an embodiment of the present invention.
  • FIG. 12 schematically illustrates 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 the present invention.
  • 14A and 14B are examples of 3DoF + end-to-end system architecture.
  • FIG. 15 schematically illustrates an example of a Framework for Live Uplink Streaming (FLUS) architecture.
  • FLUS Live Uplink Streaming
  • 16 schematically shows the configuration at the 3DoF + transmitter.
  • FIG. 18 illustrates an example of a receiver operation supporting multiple viewpoints.
  • 19 exemplarily shows reference camera axes per viewpoint.
  • 21 shows another example of axial movement.
  • 25 shows an example of a position compensation and transfer_rate application direction for each hotspot type.
  • 26 shows an example of adaptive viewport application according to the present invention.
  • FIG. 27 schematically illustrates a method for processing multi-viewpoint support 360 video data by the 360 video transmission device according to the present invention.
  • each configuration in the drawings described in the present invention are shown independently for the convenience of description of the different characteristic functions, it does not mean that each configuration is implemented in 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 showing the overall architecture for providing 360 video according to the present invention.
  • the present invention proposes a method of providing 360 content in order to provide a user with virtual reality (VR).
  • VR may refer to a technique or environment for replicating a real or virtual environment.
  • VR artificially provides the user with a sensational experience, which allows the user to experience as if in an electronically projected environment.
  • 360 content refers to the overall content for implementing and providing VR, and may include 360 video and / or 360 audio.
  • 360 video may refer to video or image content that is required to provide VR, and simultaneously captured or played back in all directions (360 degrees).
  • 360 video may refer to 360 degree video.
  • 360 video may refer to video or an image displayed on various types of 3D space according to a 3D model, for example, 360 video may be represented 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 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
  • 360 image may be called omnidirectional image.
  • the present invention particularly proposes a method for effectively providing 360 video.
  • first 360 video may be captured through one or more cameras.
  • the captured 360 video is transmitted through a series of processes, and the receiving side can process and render the received data back into the original 360 video. Through this, 360 video may be provided to the user.
  • the entire process for providing the 360 video may include a capture process, preparation process, transmission process, processing process, rendering process, and / or feedback process.
  • the capture process may mean a process of 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 110 illustrated in FIG. 1 may mean an image / video for each viewpoint.
  • the plurality of captured 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 go through 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 concatenating 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 stretched image / video can be projected onto a 2D image.
  • This 2D image may be called a 2D image frame depending on the context. It can also be expressed as mapping 2D images to 2D images.
  • 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 processing.
  • the region may mean an area in which 2D images projected with 360 video data are divided. These regions may be divided evenly or arbitrarily divided into 2D images according to an embodiment. Also, according to an embodiment, 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 processing may include increasing or decreasing a resolution for a specific region in order to differentiate the resolution for each region of the 360 video. For example, regions that correspond to relatively more important regions on 360 video may have higher resolution than other regions.
  • the video data projected onto the 2D image or the region-packed video data may be subjected to encoding 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 regarding an initial time point, a region of interest (ROI), or the like, 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 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, or the like.
  • editing process editing of image / video data before and after re-projection may be further performed. If the image / video data is reduced, the size can be increased by upscaling the samples in 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 can 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, shown in FIG. 1, is a case in which a sphere is 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 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 video, that is, viewport information, may be calculated.
  • the viewport information may be information about an area currently viewed by the user in the 360 video. Through this, a gaze analysis may be performed to determine how the user consumes 360 video, how much of the 360 video he / she stares at, and the like. Gayes analysis may be performed at the receiving side and delivered to the transmitting side via a feedback channel.
  • a device such as a VR display may extract the viewport area based on the position / direction of the 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 receiver may be performed using the above-described feedback information. For example, only 360 video for the area currently viewed by the user may be preferentially decoded and rendered using head orientation information and / or viewport information.
  • the viewport to the viewport area may mean an area that the user is viewing in 360 video.
  • a viewpoint is a point that a user is viewing in the 360 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 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 video data.
  • 360 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 the structure of a media file according to an embodiment of the present invention.
  • the media file according to the present invention 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 storing and / or transmitting 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 according to the present invention may include an ftyp box, a moov box and / or an mdat box.
  • An ftyp box may 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 according to an embodiment.
  • 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 the present invention 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 is 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 required 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 aforementioned 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 the association between the divided plurality of 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 no data is missing from the divided data using the mfhd box.
  • the traf box may include information about the corresponding track fragment.
  • the traf box may provide metadata about the divided track fragment 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 above-described 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 with respect to the fragmented 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 may provide information indicating an index of the sub-segment.
  • 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.
  • 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
  • DASH is a protocol for supporting HTTP-based adaptive streaming, and can dynamically support streaming according to network conditions. Accordingly, the AV content can be provided without interruption.
  • the DASH client can obtain the MPD.
  • the MPD can 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. This request may be performed by reflecting the network state.
  • the DASH client may process the same in the media engine and display the segment on the screen.
  • the DASH client may request and acquire a required segment by reflecting a playing time and / or a network condition in real time (Adaptive Streaming). This allows the content to be played back seamlessly.
  • 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 an internal block of the media engine or 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. Internal blocks such as the media engine may perform a specific operation according to the information included in the segment.
  • the HTTP client may request the HTTP server for necessary MPDs and / or segments.
  • the HTTP client may also pass the 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 represent one section of 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 can be divided in time into a plurality of segments. This may be for proper accessibility and delivery.
  • the URL of each segment can 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.
  • the representation may be divided into sub-representations, and 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 supplementary property may be information including elements that may be used in processing the media presentation related data.
  • the descriptors described later 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 to which the present invention may be applied.
  • the 360 video transmission apparatus may perform operations related to the above-described preparation process or transmission process.
  • the 360 video transmission device includes a data input unit, a stitcher, a projection processing unit, a region-specific packing processing unit (not shown), a metadata processing unit, a (transmitting side) feedback processing unit, a data encoder, an encapsulation processing unit, a transmission processing unit, and / Alternatively, 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 view-point images / videos to the stitcher, and 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 can receive the necessary metadata from the metadata processing unit and use the stitching work.
  • the stitcher may transmit metadata generated during the stitching process to the metadata processor.
  • 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 processing such as rotating and rearranging regions or changing resolution of each region. As described above, the region-specific packing process is an optional process. When the region-specific packing is not performed, the region-packing processing unit may be omitted.
  • the region-specific packing processor may receive the metadata necessary for region-packing from the metadata processor if necessary and use the region-packing operation.
  • the regional packing processor may transmit metadata generated in the regional packing process to the metadata processor.
  • the metadata of each region packing processor may include a rotation degree, a size, and the like of each region.
  • the stitcher, the projection processing unit, and / or the regional packing processing unit may be performed by one hardware component according to an exemplary 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 process 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 a 2D image and / or region packed 360 video data.
  • 360 video data may be encoded in various formats.
  • the encapsulation processor 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 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. Processing for transmission may include processing for delivery through a broadcast network and processing for delivery through a broadband. According to an exemplary embodiment, 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 an internal / external element.
  • 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 transmitting through On-Demand, Non Real Time (NRT), Broadband, etc., the encapsulated 360 data is stored in the data storage 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 internal element after being transmitted to the metadata processor.
  • the internal elements receiving the feedback information may reflect the feedback information in subsequent processing of the 360 video data.
  • the region-specific packing processing unit may rotate each region to map on the 2D image.
  • the regions may be rotated at different angles and at different angles to be mapped onto the 2D image.
  • Rotation of the region may 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 rotation of the region i.e., rotation direction, angle, etc., may be signaled by 360 video related metadata.
  • the data encoder may encode differently for 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 for 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 transmitter-side feedback processor may transmit the feedback information received from the 360 video receiving apparatus to the transmission processor, so that the transmission processor may perform differential processing for each region.
  • 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 including the area indicated by the corresponding viewport information to have higher robustness than other regions.
  • Inner and outer elements of the 360 video transmission apparatus may be hardware elements implemented in hardware.
  • the inner and outer elements may be changed, omitted, or replaced with or integrated 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 to which the present invention can be applied.
  • 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 (receive 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 the present invention. 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 transfer 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 360 video data in a file form 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 acquired 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 required 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 acquired 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 deliver 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 on 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.
  • the re-projection unit and the renderer may be integrated, and both processes may be performed in the renderer.
  • the renderer may render only the portion that the user is viewing according to 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 and may be included in the 360 video receiving device (tethered) or may be connected to the 360 video receiving device as a separate device (un-tethered).
  • 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 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 an area that the user is viewing by using 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 or integrated with other elements.
  • additional elements may be added to the 360 video receiving apparatus.
  • Another aspect of the invention may relate to a method of transmitting 360 video and a method of receiving 360 video.
  • the method of transmitting / receiving 360 video according to the present invention may be performed by the above-described 360 video transmitting / receiving device or embodiments of the device, respectively.
  • the above-described embodiments of the 360 video transmission / reception apparatus, the transmission / reception method, and the respective internal / external elements 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. Embodiments thus combined are also included in the scope of the present invention.
  • FIG. 7 is a diagram illustrating the concept of an airplane main axis (Aircraft Principal Axes) for explaining the 3D space of the present invention.
  • 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.
  • a method using an X, Y, Z axis concept or a spherical coordinate system may be used.
  • the plane can rotate freely in three dimensions.
  • the three-dimensional axes are called the pitch axis, the yaw axis, and the roll axis, respectively. In the present specification, these may be reduced to express pitch, yaw, roll to pitch direction, yaw direction, and roll direction.
  • the pitch axis may mean an axis that is a reference for 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 Yaw axis may mean an axis that is a reference for the direction in which the front nose of the plane rotates left and right.
  • the yaw axis can mean an axis running from top to bottom of the plane.
  • the roll axis is an axis extending from the front nose to the tail of the plane in the concept of the plane axis, and the rotation in the roll direction may mean a rotation about the roll axis.
  • 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.
  • 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.
  • 8A illustrates a process of processing input 360 video data.
  • 360 video data of an input view may be stitched and projected onto a 3D projection structure according to various projection schemes, and the 360 video data projected onto 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.
  • the region-specific packing process may represent a process of mapping the projected frame into one or more packed frames.
  • the region-specific packing process may be optional, and when the region-specific packing process is not applied, 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 the 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 onto a 2D image (or frame) according to a panoramic projection scheme.
  • the top region, middle region, and 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.
  • 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 the present invention, some or all of the following 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.
  • Figure 9a (a) may represent an isotropic projection format.
  • 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.
  • data having (r, ⁇ / 2, 0) on the spherical plane may be mapped to a point of (3 ⁇ K x r / 2, ⁇ K x r / 2) on the 2D image.
  • 360 video data on the 2D image can be re-projected onto the spherical plane. If this is used as a conversion equation, it may be as follows.
  • FIG. 9A (b) may represent 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.
  • the projection processor may divide the 360 video data into a cylinder and project it on a 2D image.
  • 360 video data on a spherical surface 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 unit 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.
  • FIG. 9B illustrates a pyramid projection format.
  • the projection processor can view the 360 video data in a pyramid form and divide each face to project on a 2D image.
  • 360 video data on the spherical surface correspond to the front side of the pyramid and the four sides of the pyramid (Left top, Left bottom, Right top, Right bottom), respectively, on the 2D image of FIG. 8 (e). It can be projected as shown on the left or (e) right.
  • the bottom surface may be an area including data obtained by a camera looking at 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.
  • the projection can be performed without stitching.
  • FIG. 9B (g) may represent a case where projection is performed without stitching.
  • the above-described projection processing unit may project 360 video data onto a 2D image as it is, as illustrated in (g) of FIG. 9B.
  • 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.
  • 10A and 10B illustrate a tile according to an embodiment of the present invention.
  • 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.
  • the illustrated 10a shows a form in which one 2D image is divided into 16 tiles.
  • the 2D image may be the projected frame or the packed frame described above.
  • the data encoder can encode each tile independently.
  • the region-specific packing and tiling described above 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 can also be called a VR region, a tile region.
  • the Region of Interest may mean a region of interest of users, which the 360 content provider suggests.
  • 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 create 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 receiving side feedback processing unit may extract and collect viewport information and transmit it to the transmitting side feedback processing unit.
  • viewport information can be delivered using both network interfaces.
  • the viewport 1000 is displayed in the 2D image of 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 10a, only nine tiles including the viewport area 1000 among the total 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 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 the 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 processing unit so that the transmission processing unit performs the differential transmission processing 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.
  • 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 and transmitted, may be included in the DASH MPD and transmitted, or may be delivered in a box format in a file format such as ISOBMFF.
  • files, fragments, tracks, sample entries, samples, and the like may be included in various levels to include metadata about data of corresponding levels.
  • some of the metadata to be described later are configured and delivered as a signaling table, and others may be included in a box or track form in the file format.
  • the 360-degree video-related metadata is the basic metadata related to the projection scheme, stereoscopic related metadata, initial view (Initial View / Initial Viewpoint) Related metadata, ROI related metadata, Field of View (FOV) 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 according to the present invention include the aforementioned basic metadata, stereoscopic related metadata, initial viewpoint related metadata, ROI related metadata, FOV related metadata, cropped region related metadata and / or the like. Or it may be a form containing at least one or more of the metadata that can be added later.
  • Embodiments of the 360-degree video-related metadata according to the present invention may be variously configured according to the number of detailed metadata cases included in the 360-degree video. 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 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 corresponding 360 degree video may be based on left-right layout and 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.
  • the 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, respectively. 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) 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 seen when playing the 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 is changed according to the temporal flow of the 360 content, and the initial view point or the initial viewport that the user first sees may be changed for each scene of the 360 degree video.
  • the initial view-related metadata 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 horizontal width and the vertical 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 a minimum / maximum value 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 indicate 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 intended FOV exists during the production of 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 displayed at one time from among 360 images may be determined according to a vertical or horizontal FOV of the corresponding 360 degree video receiving apparatus.
  • the area of the 360 degree video displayed to the user at one time may be determined by reflecting the FOV information of the present field.
  • the cropped region related metadata may include information about the region on the image frame that contains the actual 360 degree video data.
  • the image frame may include an active video area that is actually projected 360 degree 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 part 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.
  • an area where 360 degree video data is mapped or an area 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 starting / aural experience for different viewing orientations at a fixed location of a user for 360 video 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 located 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 a change in the user's gaze 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 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 the present invention.
  • FIG. 13 is a flowchart of a 3DoF + end-to-end system including image acquisition, preprocessing, transmission, (post) processing, rendering, and feedback processes 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 acquired through the video / audio input device, but also the video (video / image, etc.), voice (audio / effect sound, etc.), text (subtitles, etc.) from external media in the user experience. And methods and methods for synthesizing hazards.
  • the pre-procesing process is a preparation (preprocessing) 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 modifying / complementing the data according to the intention of the producer for video / audio / text information. For example, in the preprocessing of the image, the mapping of the acquired visual information onto the 360 sphere, the editing that removes the boundary of the area, reduces the color / brightness difference, or gives the visual effect of the image.
  • Image segmentation view segmentation
  • projection process map to map the image on the 360 sphere (sphere) to 2D image
  • region-wise packing according to the 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 unidirectional transmission method is described. Can be used
  • Post-processing and compositing 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 image / 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.
  • 3DoF + end-to-end system architecture 3D0F + 360 content as provided by the architecture of FIGS. 14A and 14B may be provided.
  • a 360 video transmission apparatus may include an acquisition unit in which 360 video (image) / audio data is obtained, 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 position (viewpoint in the image). Can be acquired 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 360 omnidirectional images may be configured by using images of different viewing orientations of the same viewing position acquired at the same location using image sensor location 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.) based on the creator's intention in the final playback stage. Creates information for the application, which is passed to the composition metadata.
  • Each processed image / 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 region of interest of the user, 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 part 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 (file extractor) or sub-picture selection for efficient bandwidth use, 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 undergone a separate rendering process is subjected to composition, and at this time, composition metadata generated by a transmitter may be used.
  • information for playback in the viewport may be generated according to the ROI of the user.
  • the decoded speech signal generates a playable speech 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 transferred 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.
  • FIG. 15 schematically illustrates an example of a Framework for Live Uplink Streaming (FLUS) architecture.
  • FLUS Live Uplink Streaming
  • FIG. 14A and 14B The detailed blocks of the transmitter and the receiver described above with reference to FIG. 14 (FIGS. 14A and 14B) may be classified as functions of a source and a sink in the framework for live uplink streaming (FLUS).
  • FLUS live uplink streaming
  • the 360 video acquisition apparatus implements the function of a source and sinks the network.
  • (sink) can be implemented, or the source / sink can be implemented within a network node.
  • FIGS. 15 and 16 For example, a transmission and reception process based on the above-described architecture may be schematically illustrated as shown in FIGS. 15 and 16.
  • the transmission / reception process of FIGS. 15 and 16 is described based on an image signal processing process, and when processing other signals such as voice or text, some parts (eg stitcher, projection processing unit, packing processing unit, subpicture processing unit, Packing / selection, rendering, composition, viewport creation, etc.) may be omitted, or may be modified and processed to suit voice or text processing.
  • some parts eg stitcher, projection processing unit, packing processing unit, subpicture processing unit, Packing / selection, rendering, composition, viewport creation, etc.
  • 16 schematically shows the configuration at the 3DoF + transmitter.
  • the transmitter 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 that is converted 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 related transmitter.
  • a receiver may extract a required file after receiving a bitstream transmitted from a transmitter.
  • the video stream in the generated file format may be selected using location / view / direction information and video metadata transmitted 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 necessary components suitable for a viewpoint / viewing position / viewing orientation transmitted from the feedback processor may be performed as necessary.
  • a rendering process of reconstructing a texture, depth, overlay information, etc. of an image into a format suitable for reproduction 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.
  • the user when the user views a single 360 video displayed through the 3DOF receiver, all the information captured is 360 degrees at a fixed position, but in the case of the content of 3DoF +, the user may enlarge in some areas. You may want to be able to watch the 360 video or go further. For example, suppose a user is experiencing 360 video captured in one audience at a football stadium, and the user may have a desire to experience 360 video captured on the other side, in front of a soccer goal, or in the center of the stadium. have. In addition, when a connection is made at a certain point on the content of one viewing position and moves to another viewing position, the connection point may not be in accordance with the viewing orientation but may exist within the viewport.
  • the user may want to see a scene that has moved partially to the viewing orientation rather than to go to the connected point and view that viewport, or if the viewing orientation is too far from the connection point. You may want to make some adjustments to move to a point where you can minimize visual fatigue.
  • hotspot related information (hotspot metadata) has been signaled under the assumption that the hotspot position coincides with the center of the viewport even though a hotspot link may exist at any position in the viewport.
  • the hot spot may represent link information from one viewpoint to another viewpoint.
  • hotspots can be defined by associating a sphere region with the sphere by associating a sphere region to a hotspot location and additionally linking the hotspot sphere region to the URI of the 360 video that should be played when the hotspot is clicked. Hotspot location and additionally linking the Hotspot sphere region to the URI of the 360 degrees video that needs to be played out when that Hotspot is clicked).
  • the hotspot metadata may indicate the location of the hotspot and the RUI associated with the hotspot (may indicate the location of the hotspot and URI associated with the hotspot).
  • the viewport midpoint was previously considered a hotspot link point.
  • the hotspot's link does not have to be the center of the viewport, and it may be more convenient for the user to immediately show the point compensated for the user's viewing orientation.
  • the coordinate axes of a plurality of 360 video services can be matched when they do not coincide.
  • viewport information before and after connection may be transmitted.
  • the new coordinates can be delivered by compensating the coordinates.
  • viewpoint information may be signaled as a reference among a plurality of connected 360 videos (at different viewpoints).
  • information about the number of other viewpoints or 360 videos connected to the viewpoint may be signaled.
  • an identifier of each viewpoint, center coordinate information of each viewpoint, and / or size information of 360 video configured around each viewpoint may be signaled.
  • coordinate axis alignment related information about each viewpoint may be signaled.
  • the coordinate axis alignment related information may include information for checking whether the coordinate axis alignment coincides, considering when the coordinate axis configured in each viewpoint is different.
  • 360 video identifiers that may be connected at each viewpoint may be signaled.
  • the center value and the area information of the point to connect the 360 video may be signaled.
  • 360 video information to be connected and viewport information to be displayed first after connection may be signaled.
  • the center of the predetermined connection point and the center indicated by the viewport center information are different, the position and compensation related information of the viewport to be displayed after the connection may be signaled.
  • the above-described information is an example, and some information may be omitted or other additional information may be further included for configuring a multi-viewpoint (or multi-view) support 360 video service.
  • FIG. 18 illustrates an example of a receiver operation supporting multiple viewpoints.
  • a receiving end (360 video receiving apparatus) supporting multiple viewpoint 360 video receives a compressed video stream (or (video) bitstream, 360 video bitstream) as shown in (a).
  • the desired 360 video can be displayed through the decoding process, sphere creation process, multiview selection process, image stitching and rendering process.
  • the sphere creation process and multiview process are performed through a tracking process (header / eye tracking, etc.).
  • Orientation / port metadata may be passed for the selection process.
  • the detailed operation of the multi-viewpoint (multi-view) selection process may include the process shown in (b).
  • the receiver may reconstruct (decode) 2D pictures / videos by performing a decoding process based on the compressed video stream. Thereafter, the receiving end may construct 360 video supporting multiple viewpoints by generating spheres having the same radius or different shapes for each viewpoint. In this case, necessary viewpoint center information and radius information may be received from a file format. Multiple viewpoints 360 video in sphere form renders and displays the initial viewpoint first. In this case, through the multi-viewpoint selection process, when 360 video of another viewpoint is selected, another second viewpoint-based connection connected at a specific position of the first viewpoint-based 360 video through hotspot_struct, axes alignment, viewport offset, etc.
  • An adaptive viewport function can be implemented that can derive 360 video and also adjust the position of the viewport displayed after connection through an offset, taking into account the relationship between viewports near a particular location the user is viewing. .
  • the current viewport that the user is viewing may obtain position information through head / eye tracking.
  • the head / eye tracking device has a micro-electrical-mechanical sensor (MEMS), such as a gyroscope, an accelerometer, a magnetometer, and the like.
  • MEMS micro-electrical-mechanical sensor
  • the FOV sets a user's position set as an initial value to (0, 0, 0) and is based on a tangent value between a viewing vector indicating a direction viewed by the user at the corresponding position and an edge in up, down, left, and right directions.
  • the center information of the viewport or the direction of the user's viewing direction may be continuously tracked through a device capable of rendering or displaying 360 video such as a head mount display (HMD).
  • HMD head mount display
  • the distance between the center of the viewport or the direction of the user and the center of the hot spot signaled and signaled in advance can be calculated.
  • the distance calculation may be performed using a 3D Euclidean distance, and the transfer_rate may be applied to the distance to render a new viewport considering the distance difference between the user's location and the hotspot's location when the hotspot moves.
  • the multi-viewpoint selection process may include the process illustrated in FIG. 18B.
  • the receiver may determine whether to support multiple viewpoints, and when the multiple viewpoints are not supported, the receiver may perform general operation of the receiver for the existing 360 video display. If multiple viewpoints are supported, adaptive viewport generation can be performed when a new view position is selected, and when a new view position is not selected, when multiple viewpoints are not supported Similarly, you can perform common operations for existing 360 video displays. For example, a new view position may be selected through the hot spot link described above. The view position may correspond to the viewpoint and / or viewing position described above.
  • a new view position it may be checked whether alignment between axes of the selected view position and axes of the initial view position is necessary, and if alignment is necessary, an alignment procedure may be performed.
  • a plurality of cameras or camera lenses
  • one of the plurality of cameras existing in each view position can be treated as a master camera.
  • coordinates of the remaining cameras in the corresponding view position may be defined based on the master camera.
  • the axes between the plurality of master cameras in the plurality of view positions may be aligned in the configuration step, but if not, a specific criterion (or a specific The axes of other master cameras can be aligned, and the alignment related information can be transmitted from the transmitting end to the receiving end.
  • the viewport offset is calculated based on the distance value in the three-dimensional coordinates between the viewport center of the connection point received as metadata for the adaptive viewport generation and the viewport center that the user is viewing. If no alignment of the axes is required (ex. Previously aligned), the viewport offset can be calculated directly without alignment. If the total distance value indicated by the calculated viewport offset is larger than n (ex.), A new viewport can be displayed in a new view position, and if the offset value is equal to or smaller than n (ex. 0), the previously You can display the set viewport.
  • the offset threshold n as a reference for compensation is shown as 0 in FIG.
  • this is an example and may be designated as a non-zero value according to the intention of the user / producer.
  • the above-described rendering of the adaptive viewport may be performed by a unit that processes a multi-view selection process or by a unit or a display that processes the image stitching and rendering process.
  • Metadata to be described below may be configured and transmitted.
  • the multi-viewpoint information may include the following fields.
  • the multiple viewpoint information may be referred to as multiple viewpoint metadata.
  • multiveiwpoint_info ⁇ may represent a structure including metadata configured for multi-viewpoint support.
  • the origin_viewpoint_ID field may indicate an identifier of a reference viewpoint in a 360 video system supporting multiple viewpoints. That is, the 360 video identifier to be defined as origin_viewpoint among 360 videos supporting multiple viewpoints. This may indicate the identifier of the viewpoint as a reference for the alignment described above or below. That is, this may indicate the ID of the reference viewpoint in which the master camera as a reference for aligning axes among the master cameras of the plurality of viewpoints is present.
  • the num_of_viewpoint field indicates the number of supported or connected viewpoints.
  • the viewpoint_ID [] field represents an identifier of a viewpoint.
  • the viewpoint_radius field may indicate a radius size when each viewpoint supports a sphere type and a distance from a center to a cube boundary when supporting a cube type.
  • the unit of distance may be mm, cm, number of pixels, or relative distance.
  • this field may be fixed to 1 for all viewpoints. In this case, this field may be omitted.
  • the viewpoint_pos_centerX field, viewpoint_pos_centerY field, and viewpoint_pos_CenterZ field represent three-dimensional coordinates of the viewpoint center. For example, this may correspond to Cartesian coordinates X, Y, Z, or may correspond to spherical coordinates yaw, pitch, and roll. If spherical coordinates are used, the unit is degree, the yaw and roll have a range of [-180, 180], and the pitch can have a range of [-90, 90].
  • the alignment_availability field may be flag information indicating whether axes of a corresponding viewpoint should be aligned with axes of origin_viewpoint. For example, this field may be flag information for applying axes alignment when the axes of the viewpoint are not aligned or coincident with the axes of origin_viewpoint.
  • this field When the value of this field is 1, alignment_struct () may be called to perform axes alignment, and then Hotspot_Info () field may be called. If the value of the alignment_availability field is 0, the Hotspot_Info () field may be called without calling alignment_struct ().
  • the alignment_availability field may be omitted. For example, the alignment_availability field may be omitted when the current viewpoint and the origin viewpoint are the same.
  • the alignment_struct () field represents a structure containing information (metadata) for aligning axes. That is, the alignment_struct () field contains information for aligning or matching the axes in consideration of the case where the axes of each viewpoint are not aligned.
  • the Hotspot_info () field is a structure containing information (hot spot information, etc.) of viewpoints that can be switched in each viewpoint.
  • the alignment_struct () field may carry information about hotspots linked in the viewpoint. That is, this field may include information about a connection point from a current viewpoint to a new viewpoint and a post-connection processing method.
  • the multi-viewpoint information may include the following fields.
  • Fields having the same name as the above-described fields may carry the same information. The same applies to the following.
  • viewpoint_pos_centerAzi field, viewpoint_pos_centerEle field, and viewpoint_pos_centerDistance field may represent azimuth, elevation, and distance of spherical coordinates, which are three-dimensional coordinates of the viewpoint center value, respectively.
  • the above-described information is an example, and additional fields and information may be added in addition to the above-described fields and information for supporting multiple viewpoints.
  • each 360 video may be an image captured by independent cameras. That is, 360 video for each viewpoint may be captured by independent cameras for each viewpoint.
  • the master camera axes of each viewpoint may not coincide with each other as follows.
  • Reference camera axes for each viewpoint may correspond to axes of the master camera of each viewpoint.
  • three-dimensional axes formed around a master camera orientation at each viewpoint may not coincide with three-dimensional axes at another viewpoint.
  • the metadata may be included in the alignment_struct () field as described above.
  • the rotation_longitudeX field, the rotation_longitudeY field, and the rotation_longitudeZ field may indicate the degree to which each axis should move in the lateral direction in order to fit the axes of the viewpoint to the reference axes.
  • the rotation_longitudeX field may represent an X axis
  • the rotation_longitudeY field may have a Y axis
  • the rotation_longitudeZ field may indicate an angle at which the Z axis should move in the horizontal direction.
  • the reference axes may be axes of origin_viewpoint, and the degree to which the reference axes should move based on the axes of origin_viewpoint may be calculated.
  • the rotation_latitudeX field, the rotation_latitudeY field, and the rotation_latitudeZ field may indicate the degree to which each axis should move in the unilateral direction in order to align the axes of the viewpoint with reference axes.
  • the rotation_latitudeX field may indicate an X axis
  • the rotation_latitudeY field may have a Y axis
  • the rotation_latitudeZ field may indicate an angle at which the Z axis should move in one direction.
  • Table 3 is an example, only the fields for one or two of the X-axis, Y-axis, Z-axis may be included, and the fields for the other axis may be omitted.
  • the rotation_longitudeX field and the rotation_latitudeX field may be included and the fields related to the remaining axes may be omitted.
  • the rotation_longitudeX field, the rotation_latitudeX field, the rotation_longitudeY field, and the rotation_latitudeY field may be included, and the fields of the remaining axes may be omitted.
  • a rotation_longitudeY field, a rotation_latitudeY field, a rotation_longitudeZ field, and a rotation_latitudeZ field may be included, and fields on other axes may be omitted.
  • the receiving end receiving the axis alignment information as described above may calculate the degree to which each axis should move based on reference axes (ex. Axes of origin_viewpoint).
  • the positions of necessary axes may be adjusted or aligned based on the values indicated by the axis alignment information and the reference axes.
  • the axis alignment information may be represented as rotation_X, rotation_Y, and rotation_Z to apply Euler's axes rotation matrix.
  • the positions of the axes may be adjusted or aligned based on the X-axis rotation angle, the Y-axis rotation angle, and the Z-axis rotation angle.
  • the rotation transform may be derived as in the following equation.
  • the axis alignment information related metadata may be included as follows.
  • the rotation_X field, the rotation_Y field, and the rotation_Z field may represent an angle to be moved about the X, Y, and Z axes, that is, an offset angle, to be applied to Euler's rotation matrix.
  • the hot spot information described above may be configured as follows as an example.
  • the Num_of_hotsopt field represents the number of hot spots connected to the corresponding viewpoint. That is, this field may indicate the total number of other viewpoints connected to the viewpoint.
  • the Hotstpot_Type field represents the type of the corresponding hot spot. This field may indicate a hotspot type such as whether the direction of the viewport to be shown when moving to another viewpoint connected to the hotspot is the direction facing the viewpoint before moving or the scene to be advanced.
  • the hot spot type may be represented as the following table, and the specific type will be described later.
  • the hotspot_ID field represents an identifier of a hot spot. That is, this field may indicate an identifier of a connected viewpoint.
  • the hotspotCenter_yaw field, the hotspotCenter_pitch field, and the hotspotCenter_roll field indicate the yaw, pitch, and roll values of the hotspot center, respectively. That is, these fields may represent the center point of the hot spot, which is a point connected to another viewpoint before moving the viewpoint, as a yaw, a pitch, and a roll of spherical coordinates.
  • the unit is degree, yaw and roll have a range of [-180, 180], and the pitch can be expressed in the range of [-90, 90].
  • these fields are shown based on yaw, pitch, and roll as ratios, but this is an example and may be represented by X, Y, Z, which are Cartesian coordinates.
  • the handwriting name may be changed, such as a hotspotCenter_X field, a hotspotCenter_Y field, or a hotspotCenter_Z field.
  • the hotspotRange_Horizontal field and the hotspotRange_Vertical field indicate the horizontal and vertical ranges of the hotspot, respectively. That is, the hotspotRange_Horizontal field and the hotspotRange_Vertical field are parameters for indicating the area of the hotspot, which is a point connected to another viewpoint, and represent horizontal and vertical ranges in both directions from a hotspotCenter coordinate value. Can be.
  • the viewport_center_yaw field, the viewport_center_pitch field, and the vieport_center_roll field indicate yaw, pitch, and roll values for the position of the viewport center (viewport_center) of the viewport (eg, the previous viewport and the first viewport) where the hot spot is located.
  • the viewport_center_yaw field, viewport_center_pitch field, and vieport_center_roll field compensate for the position of the default viewport (ex.viewport after which, second viewport) rendered when moving to another viewpoint if the hotspot center and the viewport center are different.
  • the position of the viewport center (viewport_center) may be represented by yaw, pitch, and roll.
  • the interactive_viewport_info () field represents a structure including information about a viewport (eg, a viewport after the connection, a basic viewport, a second viewport, etc.) to be basically displayed in a viewpoint after connection.
  • a viewport eg, a viewport after the connection, a basic viewport, a second viewport, etc.
  • the interactive_viewport_info () field may include at least one of a next_track_ID field, a next_viewpoint_ID field, a Center_interactive_yaw field, a center_interactive_pitch field, a center_interactive_roll field, a Center_interactive_tilt field, a new_viewport_horizontal field, a new_viewport_vertical field, and a transfer_rate field.
  • the next_track_ID field represents an identifier of a track or track group in which the 360 video to be connected when changing the viewpoint (via a hot spot) is stored.
  • the 360 video or a part thereof may be stored or configured in units of tracks / track groups and transmitted.
  • the next_viewpoint_ID field represents an identifier for the next viewpoint connected to when changing the viewpoint (via a hotspot).
  • the Center_interactive_yaw field, the center_interactive_pitch field, and the center_interactive_roll field indicate the position of the center of the viewport (ex. Viewport, primary viewport, second viewport, etc.) shown after moving to the selected viewpoint at the hotspot center (this may be called center interactive).
  • these values can be represented by yaw, pitch, and roll in spherical coordinates.
  • the values may be expressed in Cartesian coordinates of X, Y, and Z.
  • X, Y, and Z may be used instead of the yaw, pictch, and roll parts in the field name.
  • the unit is degree
  • yaw, roll can be expressed in the range of [-180, 180]
  • pitch can be expressed in the range of [-90, 90].
  • the Center_interactive_tilt field may indicate the degree to which the corresponding viewport (eg, after viewport, basic viewport, and second viewport) is distorted on the sphere. This field may be omitted.
  • the new_viewport_horizontal field and the new_viewport_vertical field may indicate the size of the corresponding viewport (eg, after viewport, basic viewport, and second viewport) on both sides of the horizontal and vertical directions with respect to the center interactive (center_interactive). These values may be the same as the size of the predetermined viewport, or smaller or larger as needed. When the size of the viewport is constant or predetermined, the new_viewport_horizontal field and the new_viewport_vertical field may be omitted.
  • the transfer_rate field represents a weight for a transfer_distance which is a difference between the viewport center and the hot spot center.
  • the transfer_rate field may use the transfer_distance to indicate a weight value necessary to show a viewport (eg, a compensated viewport, a compensated second viewport) whose position is compensated after connecting to another viewpoint. Can be.
  • the center position of the compensated viewport may be called the compensated center.
  • the value of the transfer_rate field is 1 when the compensation is performed by reflecting the transfer_distance as it is, and the transfer_rate when the viewport is rendered by moving a distance shorter than the transfer_distance.
  • the value of the transfer_rate field may have a value greater than 1.
  • the compensation direction may vary depending on the hot spot type described above. For example, when the hot spot type is a jumping type, the value of the transfer_rate field may be set to zero.
  • FIG. 22 to 24 exemplarily illustrate hotspot types to which the present invention can be applied.
  • FIG. 22 shows a forward type
  • FIG. 23 shows a mirror type
  • FIG. 24 shows a jumping type.
  • the forward type may indicate a case where the progress direction of the viewpoint before the movement and the progress direction of the content after the movement are the same direction when switching between the viewpoints (the axes are aligned). That is, when the user selects (via a hot spot) a viewpoint connected to a viewport that is viewed from the previous viewpoint, such as a road view, for example, it shows the content farther away from the previous viewpoint. Can be represented.
  • the mirror type may indicate a case where the viewpoints after the movement are in positions facing each other when the switching occurs between the viewpoints (axes aligned). For example, there are a number of viewpoints in the stadium, two of which are at locations facing each other in the stadium, and when moving from the previous viewpoint to the next viewpoint (via a hotspot) This may indicate a case where adaptive viewport compensation is needed in the opposite direction.
  • the jumping type may represent a type where there is a hotspot that can move to another viewport regardless of the position of the adaptive viewport when switching between viewpoints (axes aligned) occurs, and no compensation is required after the move. .
  • the medium which is a switchable position in the viewpoint before the movement
  • the viewport information after the movement will be compensated even if the viewport moves in the viewpoint before the movement. This may be the case when there is no need.
  • the above-mentioned hot spot information may be configured as follows as another example.
  • Fields having the same name as the above-described fields may carry the same information. The same applies to the following.
  • the hotspotCenter_azimuth field, the hotspotCenter_elevation field, and the hotspotCenter_distance field may indicate azimuth, elevation, and distance of the hot spot center, respectively. That is, these fields may indicate azimuth, elevation, and distance of a center point of the hot spot, which is a point connected to another viewpoint before moving the viewpoint.
  • the values can also be expressed in spherical coordinates.
  • the viewport_center_azimuth field, viewport_center_elevation field, and viewport_center_distance field are azimuth, elevation, and distance with respect to the position of the viewport center of the viewport (ex. previous viewport, first viewport) in which the hot spot is located. Each value is represented.
  • the viewport_center_azimuth field, viewport_center_elevation field, and viewport_center_distance field compensate for the position of the viewport (ex.viewport, default viewport, second viewport) that is rendered when moving to another viewpoint if the hotspot center and the viewport center are different.
  • the position of the viewport center may be represented by azimuth, elevation, and distance, which are spherical coordinates.
  • the Center_interactive_azimuth field, the center_interactive_elevation field, and the center_interactive_distance field may indicate the location (center interactive) of the center of the viewport (ex. Viewport, main viewport, and second viewport) shown after moving to the selected viewpoint in the hot spot center.
  • the values can be expressed as spherical azimuth, elevation, and distance.
  • the transfer_rate field represents a weight for a transfer distance (distance) that is a difference between the viewport center and the hot spot center.
  • the transfer_rate field may use the transfer_distance to indicate a weight value necessary to show a viewport (eg, a compensated viewport, a compensated second viewport) whose position is compensated after connecting to another viewpoint. Can be.
  • the center position of the compensated viewport may be called the compensated center.
  • the value of the transfer_rate field is 1 when the compensation is performed by reflecting the transfer_distance as it is, and the transfer_rate when the viewport is rendered by moving a distance shorter than the transfer_distance.
  • the value of the transfer_rate field may have a value greater than 1.
  • the compensation direction may vary depending on the hot spot type described above.
  • transfer_rate may be applied as follows for each hot spot type.
  • 25 shows an example of a position compensation and transfer_rate application direction for each hotspot type.
  • the point connected to the hotspot may be represented by the above-mentioned hotspot_center value, and may be different from the center value of the viewport (eg, the previous viewport and the first viewport) that the user calls through the hotspot. That is, the hotspot center of the hotspot and the viewport center of the viewport (eg, the previous viewport and the first viewport) in which the hotspot is located may be different from each other. Therefore, when the center of the hot spot and the center of the viewport (eg, the previous viewport and the first viewport) are different, the difference in the coordinate values may be calculated to be the transfer distance (transfer_distance) in FIG. 25.
  • a viewport (eg, a compensated viewport, a compensated second viewport) that compensates for a position may be derived from a viewport (eg, after viewport, a base viewport, and a second viewport) in another viewpoint.
  • the difference may be limited to the transfer distance transfer_distance within a specific range and not to perform the compensation when it is out of the specific range.
  • transfer_distance After calculating the transfer distance (transfer_distance), it is possible to determine how much to compensate for the transfer distance by applying the transfer_rate described above.
  • the transfer_rate may have a value between 0 and 1.
  • a viewport hereafter a viewport, a basic viewport, and a second viewport
  • center_interactive set in the viewpoint after switching
  • the transfer distance can be derived. In this case, if transfer_rate is 1, it is centered about the distance away from the center interactive (ie, the center of the viewport, the main viewport or the second viewport) to be transferred from the switched viewpoint by the transfer_distance.
  • transfer_rate is 0.5, it is centered at a distance 50% of the transfer_distance from the center interactive (i.e., the center of the viewport, the main viewport or the second viewport) to be connected at the switched viewpoint. Can render a viewport (compensated viewport, compensated second viewport).
  • the transfer_rate may be calculated by a ratio of transfer_distance / hotspotRange, have a weight, or may be arbitrarily designated.
  • the transfer_rate may be applied in another direction based on the hot spot type as shown in FIG. 26.
  • the compensation direction and / or the transfer_rate application direction may be a direction opposite to the transfer_distance direction.
  • the compensation direction and / or the transfer_rate application direction may be the same direction as the transfer distance direction.
  • the viewport_center of the pre-switching viewport is a partial area of 360 video formed around the direction the user is looking at at the user's location obtained from the head / eye tracking device or sensor.
  • the size of the previous viewport, the first viewport may vary depending on the specification, such as the FOV of the device.
  • an adaptive viewport in consideration of the position of the hotspot center and the viewport center of the viewport (previous viewport, the first viewport) in which the hot spot is located.
  • an adaptive viewport for example, a viewport, a basic viewport, and a second viewport
  • Compensated viewport, compensated second viewport is applied.
  • 26 shows an example of adaptive viewport application according to the present invention.
  • the present invention as shown in (c), if the viewport center and the hotspot center of the viewport (previous viewport, first viewport) where the hotspot is located do not coincide with each other, the position difference between the hotspot center and the viewport center is moved.
  • the user is given an adaptive viewport (compensated viewport, compensated second viewport) by applying compensation for viewports after switching through the hotspot (hereafter, viewport, primary viewport, and second viewport). In this way, it is possible to minimize user inconvenience such as user visual fatigue when switching the viewpoint.
  • the multi-viewpoint information as described above is, for example, the sample entry or mdat of the timed medtadata track in ISOBMFF with the above-described Multi viewpoint_info () struct. It can be located in MultiviewpointOmniVideoSampleEntry or MultiviewpointOmniVideoSample () of the form It may be in another box in the ISOBMFF.
  • origin_viewpoint_ID field is omitted in Table 8, this is an example and may further include an origin_viewpoint_ID field as shown in Table 1 above.
  • multi-viewpoint_Info () multi-viewpoint information
  • (axis) alignment information Align ()
  • Hotspot_Info () hotspot information
  • the multiviewpoint information flag (Multiviewpoint_info_flag) field may indicate whether multiviewpoint omnidirectional video (360 video) information is included in the video track. When the value of the multi-viewpoint information flag field is 1, it may represent that the multi-viewpoint omnidirectional video (360 video) information is included in a video track. When the value of the multi-viewpoint information flag field is 0. SphereRegionStruct can be called to signal existing 360 video.
  • the above-described metadata of the multi-viewpoint omnidirectional video information may be included in the video media header ('vmhd') box included in the track box of ISOBMFF as described below.
  • the multiple viewpoint information flag defined in the track header box and the multiple viewpoint omnidirectional video information related meta data are included.
  • the value of each element of data may be overridden to the value defined in the video media header.
  • Multi-viewpoint support in the track It indicates whether the video information is connected, so that reference type can be defined to process additional information only when the multi-viewpoint video information is connected.
  • 'mvom' may be used as a track reference for informing that multi-viewpoint omnidirectional video information exists in a corresponding track, and may inform track_ID information to which multi-viewpoint omnidirectional video information is connected. This can be shown, for example, in the following Tables 11 and 12.
  • the hotspot is connected to the location of the hotspot using the 'hdlr' box located in the 'meta' box, the location to be played after selecting the connected VR content (360 content), and the scene of the currently playing VR content.
  • 'mvom' which is a MultiviewpointInformationBox, can be configured as follows, for example.
  • tracks grouped with the same track_group_type and track_group_id in the TrackGroupBox can be grouped into a group
  • tracks containing multiple viewpoint omnidirectional video information can be grouped into a group.
  • the track_group_type is 'mvom' which means that the track belongs to a group capable of expressing multi-viewpoint omnidirectional video.
  • track_group_type has the same track_group_id, it may mean that the track_group_type has the same multi-viewpoint omnidirectional video information. This can be represented by way of example in the following table.
  • the previously proposed information can exist in any box such as sample entry, sample group box, track group box in media file format, and furthermore, the proposed information can be signaled in DASH MPD, and included in SEI in video bitstream. Can be delivered.
  • hotspot which is a connection point that can be moved or switched at a specific point between two 360 videos, and the user selects the hotspot to change from one 360 video (first viewpoint-based 360 video) to another 360 video (secondary).
  • first viewpoint-based 360 video first viewpoint-based 360 video
  • secondary 360-degree view-based video
  • a viewport to be displayed can be designated in the second viewpoint moved after selecting the corresponding hot spot.
  • distance differences can be explicitly or implicitly signaled as the transfer distance (transfer_distance) as long as they do not match when the hotspot and viewport center points do not match within the first viewpoint, and the new 360 video ( 360 video) to represent the moving distance based compensated viewport.
  • FIG. 27 schematically illustrates a method for processing multi-viewpoint support 360 video data by the 360 video transmission device according to the present invention.
  • the method disclosed in FIG. 27 may be performed by the 360 video transmission apparatus disclosed in FIG. 5 or FIG. 16.
  • the 360 video transmission device acquires 360 videos supporting multiple viewpoints (S2700).
  • the 360 videos may be video captured by at least one camera.
  • some or all of the 360 videos may be virtual videos generated by a computer program or the like.
  • the 360 video transmission device processes the 360 videos to derive pictures associated with each of the viewpoints (S2710).
  • the 360 video transmission apparatus may derive the 2D-based pictures based on the various projection formats described above. In this case, the pictures may be derived by dividing each viewpoint.
  • the 360 video transmission device generates metadata regarding 360 videos supporting the multiple viewpoints (S2720).
  • the metadata may include the fields described above in the present specification. The fields may be included in boxes of various levels or as data in separate tracks in a file.
  • the metadata may include some or all of the information described above in Tables 1 to 14.
  • the metadata may include the multiple viewpoint information described above.
  • the multiple viewpoint information may include the above-described hot spot information and axis alignment information.
  • the multiple viewpoint information may indicate that the second viewport in the second viewpoint is connected through a hot spot in the first viewport of the first viewpoint among the multiple viewpoints.
  • the multi-viewpoint information includes information about the center position of the first viewport and information about the center position of the hot spot
  • the center position of the second viewport includes the center position of the first viewport and
  • the distance difference between the center positions of the hot spots may be used to indicate a compensated position.
  • the center position of the second viewport may be a position compensated using the distance difference.
  • the threshold may be zero or may be defined as a value of n.
  • the multi-viewpoint information further includes information regarding a center position of a primary viewport in the second viewpoint associated with the hot spot, wherein the center position of the second viewport is indicative of the center position of the primary viewport. Based on the distance difference, the compensated position may be represented.
  • the multiple viewpoint information includes transfer rate information
  • the transfer rate information indicates a weight value for the distance difference
  • the center position of the second viewport corresponds to the distance difference.
  • the compensated position may be indicated by applying a weight value.
  • the multi-viewpoint information includes hot spot type information
  • the hot spot type information includes at least one of a forward type, a mirror type, and a jumping type, and the center of the second viewport when the forward type is applied.
  • the compensation direction applied to the position may be different from the compensation direction applied to the center position of the second viewport when the mirror type is applied.
  • the multi-viewpoint information includes information about the vertical size and the horizontal size of the second viewport, and further based on the information about the vertical size and the horizontal size of the second viewport. Can be derived.
  • the multiple viewpoint information may include information about the number of other viewpoints connected to the first viewpoint or the first viewport.
  • the multi-viewpoint information includes axis alignment information regarding axis alignment with respect to the first viewpoint or the second viewpoint, and the axis alignment information includes the first viewpoint or the second viewpoint.
  • the multiple viewpoint information includes information about a reference viewpoint, and the reference axes may be derived based on the axes of the reference viewpoint.
  • the information about the alignment of the axes may indicate offset values with respect to at least one of the X, Y, and Z axes.
  • the multi-viewpoint information includes an alignment flag for the first viewpoint or the second viewpoint, and when the value of the alignment flag is 1, the multi-viewpoint information indicates the axis alignment information. It may include.
  • the metadata may include multiple viewpoint information flags, and when the value of the multiple viewpoint information flag is 1, the multiple viewpoint information may be included in the metadata.
  • the pictures associated with each of the viewpoints are encoded (S2730).
  • the 360 video transmission device may distinguish and encode pictures associated with each of the viewpoints.
  • the 360 video transmission apparatus performs processing for storing or transmitting the encoded pictures and the metadata (S2740).
  • the 360 video transmission device may encapsulate the encoded 360 video data (data related to encoded pictures) and / or the metadata in the form of a file.
  • the 360 video transmission device may encapsulate the encoded 360 video data and / or the metadata in a file format such as ISOBMFF, CFF, or other DASH segments to store or transmit the metadata.
  • the 360 video transmission device may include the metadata in a file format.
  • the metadata may be included in boxes of various levels in the ISOBMFF file format or as data in separate tracks in the file.
  • the 360 video transmission device may encapsulate the metadata itself into a file.
  • the 360 video transmission device may apply a process for transmission to the 360 video data encapsulated according to a file format.
  • the 360 video transmission device may process the 360 video data according to any transmission protocol.
  • the processing for transmission may include processing for delivery through a broadcasting network, or processing for delivery through a communication network such as broadband.
  • the 360 video transmission device may apply a process for transmission to the metadata.
  • the 360 video transmission device may transmit the processed 360 video data and the metadata through a broadcast network and / or broadband.
  • FIG. 28 schematically illustrates a 360-view data processing method for multi-viewpoint support by a 360 video receiving apparatus according to the present invention.
  • the method disclosed in FIG. 28 may be performed by the 360 video receiving apparatus disclosed in FIG. 6 or 17.
  • Image information about pictures of the multi-viewpoints-based 360 videos and metadata about the multi-viewpoints-based 360 videos are obtained from the received video signal (S2800).
  • the 360 video receiving apparatus may obtain image information and metadata about pictures of multiple viewpoints based 360 videos signaled from the 360 video transmitting apparatus through a broadcasting network.
  • the 360 video receiving apparatus may receive the image information and the metadata through a communication network such as broadband or a storage medium.
  • the picture may represent a 2D-based picture and may correspond to a projected picture or a packed picture (when regional packing is applied).
  • the metadata may include the fields described above in this specification.
  • the fields may be included in boxes of various levels or as data in separate tracks in a file.
  • the metadata may include some or all of the information described above in Tables 1 to 14.
  • the metadata may include the multiple viewpoint information described above.
  • the multiple viewpoint information may include the above-described hot spot information and axis alignment information.
  • the multiple viewpoint information may indicate that the second viewport in the second viewpoint is connected through a hot spot in the first viewport of the first viewpoint among the multiple viewpoints.
  • the multi-viewpoint information includes information about the center position of the first viewport and information about the center position of the hot spot
  • the center position of the second viewport includes the center position of the first viewport and
  • the distance difference between the center positions of the hot spots may be used to indicate a compensated position.
  • the center position of the second viewport may be a position compensated using the distance difference.
  • the threshold may be zero or may be defined as a value of n.
  • the multi-viewpoint information further includes information regarding a center position of a primary viewport in the second viewpoint associated with the hot spot, wherein the center position of the second viewport is indicative of the center position of the primary viewport. Based on the distance difference, the compensated position may be represented.
  • the multiple viewpoint information includes transfer rate information
  • the transfer rate information indicates a weight value for the distance difference
  • the center position of the second viewport corresponds to the distance difference.
  • the compensated position may be indicated by applying a weight value.
  • the multi-viewpoint information includes hot spot type information
  • the hot spot type information includes at least one of a forward type, a mirror type, and a jumping type, and the center of the second viewport when the forward type is applied.
  • the compensation direction applied to the position may be different from the compensation direction applied to the center position of the second viewport when the mirror type is applied.
  • the multi-viewpoint information includes information about the vertical size and the horizontal size of the second viewport, and further based on the information about the vertical size and the horizontal size of the second viewport. Can be derived.
  • the multiple viewpoint information may include information about the number of other viewpoints connected to the first viewpoint or the first viewport.
  • the multi-viewpoint information includes axis alignment information regarding axis alignment with respect to the first viewpoint or the second viewpoint, and the axis alignment information includes the first viewpoint or the second viewpoint.
  • the multiple viewpoint information includes information about a reference viewpoint, and the reference axes may be derived based on the axes of the reference viewpoint.
  • the information about the alignment of the axes may indicate offset values with respect to at least one of the X, Y, and Z axes.
  • the multi-viewpoint information includes an alignment flag for the first viewpoint or the second viewpoint, and when the value of the alignment flag is 1, the multi-viewpoint information indicates the axis alignment information. It may include.
  • the metadata may include multiple viewpoint information flags, and when the value of the multiple viewpoint information flag is 1, the multiple viewpoint information may be included in the metadata.
  • the image of the first viewport of the first viewpoint is decoded based on the metadata and the image information (S2810).
  • the 360 video receiving apparatus may decode the entire picture area of the first viewpoint based on the metadata and the image information, or may decode a partial area including the first viewport.
  • the 360 video receiving apparatus renders the image of the first viewport in a 3D space (S2820).
  • the 360 video receiving apparatus may process the image of the decoded first viewport based on the metadata and render the image in 3D space.
  • the 360 video receiving apparatus decodes the image of the second viewport of the second viewpoint based on the metadata and the image information (S2830).
  • the 360 video receiving apparatus may decode the entire picture area of the second viewpoint based on the metadata and the image information, or may decode a partial area including the second viewport.
  • the 360 video receiving apparatus derives the second viewport in the second viewpoint connected through a hotspot in the first viewport based on the multi-viewpoint information in operation S2840.
  • the 360 video receiving apparatus may derive the second viewport in the second viewpoint connected through the hotspot based on the multi-viewpoint information when a hotspot in the first viewport is selected.
  • the 360 video receiving apparatus renders the image of the second viewport into the 3D space (S2850).
  • the 360 video receiving apparatus may process the image of the decoded second viewport based on the metadata and render it in 3D space.
  • the internal components of the apparatus described above may be processors for executing consecutive processes stored in a memory, or hardware components composed of other hardware. They can be located inside / outside the device.
  • the above-described modules may be omitted or replaced by other modules performing similar / same operations according to the embodiment.
  • 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 step 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 can be 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 a variety of 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 발명에 따른 360 비디오 수신 장치에 의하여 수행되는 다중 뷰포인트 기반 360 비디오 데이터 처리 방법은 수신된 비디오 신호로부터 다중 뷰포인트들 기반 360 비디오들의 픽처들에 대한 영상 정보 및 상기 다중 뷰포인트들 기반 360 비디오들에 대한 메타데이터를 획득하되, 상기 메타데이터는 다중 뷰포인트 정보를 포함하는 단계, 상기 메타데이터 및 상기 영상 정보를 기반으로 제1 뷰포인트의 제1 뷰포트의 영상을 디코딩하는 단계, 상기 제1 뷰포트의 영상을 3D 공간으로 렌더링하는 단계, 상기 메타데이터 및 상기 영상 정보를 기반으로 제2 뷰포인트의 제2 뷰포트의 영상을 디코딩하는 단계, 상기 제1 뷰포트 내의 핫스팟(hotspot)이 선택된 경우 상기 핫스팟을 통해 연결된 상기 제2 뷰포인트 내의 상기 제2 뷰포트를 상기 다중 뷰포인트 정보를 기반으로 도출하는 단계, 및 상기 제2 뷰포트의 영상을 상기 3D 공간으로 렌더링하는 단계를 포함함을 특징으로 한다.

Description

다중 뷰포인트 기반 360 비디오 처리 방법 및 그 장치
본 발명은 360 비디오에 관한 것으로, 보다 상세하게는 다중 뷰포인트(multiple viewpoints) 기반 360도 비디오를 처리하는 방법 및 그 장치에 관한 것이다.
VR(Vertial Reality) 시스템은 사용자에게 전자적으로 투영된 환경내에 있는 것 같은 감각을 제공한다. VR 을 제공하기 위한 시스템은 더 고화질의 이미지들과, 공간적인 음향을 제공하기 위하여 더 개선될 수 있다. VR 시스템은 사용자가 인터랙티브하게 VR 컨텐트들을 소비할 수 있도록 할 수 있다.
본 발명의 기술적 과제는 360 비디오 데이터 처리 방법 및 장치를 제공함에 있다.
본 발명의 다른 기술적 과제는 360 비디오 데이터에 대한 메타데이터를 전송하는 방법 및 장치를 제공함에 있다.
본 발명의 또 다른 기술적 과제는 360 비디오의 효율적인 렌더링을 위한 메타데이터를 전송하는 방법 및 장치를 제공함에 있다.
본 발명의 또 다른 기술적 과제는 다중 뷰포인트 기반 360 비디오를 효율적으로 처리하는 방법 및 장치를 제공함에 있다.
본 발명의 또 다른 기술적 과제는 다중 뷰포인트 기반 360도 비디오의 효율적인 뷰포인트 전환을 위한 메타데이터를 전송하는 방법 및 장치를 제공함에 있다.
본 발명의 일 실시예에 따르면, 360 비디오 수신 장치에 의하여 수행되는 360 비디오 데이터 처리 방법을 제공한다. 상기 방법은 수신된 비디오 신호로부터 다중 뷰포인트들 기반 360 비디오들의 픽처들에 대한 영상 정보 및 상기 다중 뷰포인트들 기반 360 비디오들에 대한 메타데이터를 획득하되, 상기 메타데이터는 다중 뷰포인트 정보를 포함하는 단계, 상기 메타데이터 및 상기 영상 정보를 기반으로 제1 뷰포인트의 제1 뷰포트의 영상을 디코딩하는 단계, 상기 제1 뷰포트의 영상을 3D 공간으로 렌더링하는 단계, 상기 메타데이터 및 상기 영상 정보를 기반으로 제2 뷰포인트의 제2 뷰포트의 영상을 디코딩하는 단계, 상기 제1 뷰포트 내의 핫스팟(hotspot)을 통해 연결된 상기 제2 뷰포인트 내의 상기 제2 뷰포트를 상기 다중 뷰포인트 정보를 기반으로 도출하는 단계, 및 상기 제2 뷰포트의 영상을 상기 3D 공간으로 렌더링하는 단계를 포함함을 특징으로 한다.
본 발명의 다른 일 실시예에 따르면, 360 비디오 데이터를 처리하는 360 비디오 수신 장치가 제공된다. 상기 360 비디오 수신 장치는 수신된 비디오 신호로부터 다중 뷰포인트들 기반 360 비디오들의 픽처들에 대한 영상 정보 및 상기 다중 뷰포인트들 기반 360 비디오들에 대한 메타데이터를 획득하되, 상기 메타데이터는 다중 뷰포인트 정보를 포함하는 수신처리부, 상기 메타데이터 및 상기 영상 정보를 기반으로 제1 뷰포인트의 제1 뷰포트의 영상을 디코딩하고, 상기 메타데이터 및 상기 영상 정보를 기반으로 제2 뷰포인트의 제2 뷰포트의 영상을 디코딩하는 데이터 디코더, 상기 제1 뷰포트의 영상을 3D 공간으로 렌더링하고, 상기 제1 뷰포트 내의 핫스팟(hotspot)을 통해 연결된 상기 제2 뷰포인트 내의 상기 제2 뷰포트를 상기 다중 뷰포인트 정보를 기반으로 도출하고, 상기 제2 뷰포트의 영상을 상기 3D 공간으로 렌더링하는 렌더러를 포함함을 특징으로 한다.
본 발명의 또 다른 일 실시예에 따르면, 360 비디오 전송 장치에 의하여 수행되는 360 비디오 데이터 처리 방법을 제공한다. 상기 방법은 다중 뷰포인트들을 지원하는 360도 비디오들을 획득하는 단계, 상기 360 비디오들을 처리하여 뷰포인트들 각각에 연관된 픽처들을 도출하는 단계, 다중 뷰포인트 정보를 포함하는 메타데이터를 생성하는 단계, 상기 뷰포인트들 각각에 연관된 픽처들을 인코딩하는 단계, 및 상기 인코딩된 픽처들 및 상기 메타데이터에 대하여 저장 또는 전송을 위한 처리를 수행하는 단계를 포함하되, 상기 다중 뷰포인트 정보는 상기 다중 뷰포인트들 중 제1 뷰포인트의 제1 뷰포트 내의 핫스팟을 통해 제2 뷰포인트 내의 제2 뷰포트가 연결되었음을 나타내는 것을 특징으로 한다.
본 발명의 또 다른 일 실시예에 따르면, 본 발명의 다른 일 실시예에 따르면, 360 비디오 데이터를 처리하는 360 비디오 전송 장치가 제공된다. 상기 360 비디오 전송 장치는 다중 뷰포인트들을 지원하는 360도 비디오들을 획득하는 데이터 입력부, 상기 360 비디오들을 처리하여 뷰포인트들 각각에 연관된 픽처들을 도출하는 프로젝션 처리부, 다중 뷰포인트 정보를 포함하는 메타데이터를 생성하는 메타데이터 처리부, 상기 뷰포인트들 각각에 연관된 픽처들을 인코딩하는 데이터 인코더, 상기 인코딩된 픽처들 및 상기 메타데이터에 대하여 저장 또는 전송을 위한 처리를 수행하는 전송 처리부를 포함함을 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 사용자의 360 컨텐츠 소비에 있어서, 인터랙티브 경험(interactive experience)를 제공하기 위한 방안을 제안할 수 있다.
본 발명에 따르면 사용자의 360 컨텐츠 소비에 있어서, 360 컨텐츠 제작자가 의도하는 바가 정확히 반영되도록 시그널링 하는 방안을 제안할 수 있다.
본 발명에 따르면 360 컨텐츠 전달에 있어, 효율적으로 전송 캐패시티를 늘리고, 필요한 정보가 전달될 수 있도록 하는 방안을 제안할 수 있다.
본 발명에 따르면 다중 뷰포인트 기반 360 컨텐츠를 효율적으로 제공할 수 있고, 뷰포인트 전환시 사용자 불편을 최소화할 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.
도 1은 본 발명에 따른 360 비디오 제공을 위한 전체 아키텍처를 도시한 도면이다.
도 2 및 도 3은 본 발명의 일 실시예에 따른 미디어 파일의 구조를 도시한 도면이다.
도 4는 DASH 기반 적응형 스트리밍 모델의 전반적인 동작의 일 예를 나타낸다.
도 5는 본 발명이 적용될 수 있는 360 비디오 전송 장치의 구성을 개략적으로 설명하는 도면이다.
도 6은 본 발명이 적용될 수 있는 360 비디오 수신 장치의 구성을 개략적으로 설명하는 도면이다.
도 7은 본 발명의 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 나타낸다.
도 9a 내지 9b는 본 발명에 따른 프로젝션 포멧들을 예시적으로 나타낸다.
도 10a 및 10b는 본 발명의 일 실시예에 따른 타일(Tile)을 도시한 도면이다.
도 11은 본 발명의 일 실시예에 따른 360도 비디오 관련 메타데이터의 일 예를 나타낸다.
도 12는 뷰포인트, 뷰잉 포지션, 뷰잉 오리엔테이션의 개념을 개략적으로 나타낸다.
도 13은 본 발명에 따른 3DoF+ 비디오 제공을 위한 아키텍처의 예를 개략적으로 도시한 도면이다.
도 14a 및 14b는 3DoF+ 엔드 투 엔드 시스템 아키텍처의 예이다.
도 15는 FLUS(Framework for Live Uplink Streaming) 아키텍처의 예를 개략적으로 나타낸다.
도 16은 3DoF+ 송신단에서의 구성을 개략적으로 나타낸다.
도 17은 3DoF+ 수신단에서의 구성을 개략적으로 나타낸다.
도 18은 다중 뷰포인트를 지원하는 수신단 동작의 예를 나타낸다.
도 19는 뷰포인트 별 기준 카메라 축들을 예시적으로 나타낸다.
도 20은 축 이동의 예시를 나타낸다.
도 21은 축 이동의 다른 예를 나타낸다.
도 22 내지 도 24는 본 발명이 적용될 수 있는 핫스팟 타입들을 예시적으로 나타낸다.
도 25는 핫스팟 타입별 위치 보상 및 transfer_rate 적용 방향의 예를 나타낸다.
도 26은 본 발명에 따른 적응적 뷰포트 적용 예를 나타낸다.
도 27은 본 발명에 따른 360 비디오 전송 장치에 의한 다중 뷰포인트 지원 360 비디오 데이터 처리 방법을 개략적으로 나타낸다.
도 28은 본 발명에 따른 360 비디오 수신 장치에 의한 다중 뷰포인트 지원 360 비디오 데이터 처리 방법을 개략적으로 나타낸다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정 실시예에 한정하려고 하는 것이 아니다. 본 명세서에서 상용하는 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명의 기술적 사상을 한정하려는 의도로 사용되는 것은 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서 "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부품 도는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
한편, 본 발명에서 설명되는 도면상의 각 구성들은 서로 다른 특징적인 기능들에 관한 설명의 편의를 위해 독립적으로 도시된 것으로서, 각 구성들이 서로 별개의 하드웨어나 별개의 소프트웨어로 구현된다는 것을 의미하지는 않는다. 예컨대, 각 구성 중 두 개 이상의 구성이 합쳐져 하나의 구성을 이룰 수도 있고, 하나의 구성이 복수의 구성으로 나뉘어질 수도 있다. 각 구성이 통합 및/또는 분리된 실시예도 본 발명의 본질에서 벗어나지 않는 한 본 발명의 권리범위에 포함된다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 이하, 도면상의 동일한 구성 요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성 요소에 대해서 중복된 설명은 생략될 수 있다.
도 1은 본 발명에 따른 360 비디오 제공을 위한 전체 아키텍처를 도시한 도면이다.
본 발명은 사용자에게 가상현실 (Virtual Reality, VR)을 제공하기 위하여, 360 컨텐츠를 제공하는 방안을 제안한다. 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, 360 비디오 및/또는 360 오디오를 포함할 수 있다. 360 비디오는 VR을 제공하기 위해 필요한, 동시에 모든 방향(360도)으로 캡처되거나 재생되는 비디오 내지 이미지 컨텐츠를 의미할 수 있다. 이하, 360 비디오라 함은 360도 비디오를 의미할 수 있다. 360 비디오는 3D 모델에 따라 다양한 형태의 3D 공간 상에 나타내어지는 비디오 내지 이미지를 의미할 수 있으며, 예를 들어 360 비디오는 구형면(Speherical 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 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.
본 발명은 특히 360 비디오를 효과적으로 제공하는 방안을 제안한다. 360 비디오를 제공하기 위하여, 먼저 하나 이상의 카메라를 통해 360 비디오가 캡처될 수 있다. 캡처된 360 비디오는 일련의 과정을 거쳐 전송되고, 수신측에서는 수신된 데이터를 다시 원래의 360 비디오로 가공하여 렌더링할 수 있다. 이를 통해 360 비디오가 사용자에게 제공될 수 있다.
구체적으로 360 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 360 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.
이 후, 스티칭된 이미지/비디오는 프로젝션(Projection) 과정을 거칠 수 있다. 프로젝션 과정에서, 스트칭된 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 매핑한다고 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, 360 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, 360 비디오상의 영역별로 레졸루션(resolution) 을 차등화하기 위하여, 특정 리전에 대한 레졸루션을 높인다거나, 낮추는 과정을 포함할 수 있다. 예를 들어, 360 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 매핑, 프로젝션이라고 부를 수도 있다. 이 때 매핑되는 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 360 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 360 비디오 내에서 보고 있는 영역에 대한 정보, 즉 뷰포트 정보가 계산될 수 있다.
뷰포트 정보는 현재 사용자가 360 비디오에서 보고 있는 영역에 대한 정보일 수 있다. 이를 통해 게이즈 분석(Gaze Analysis) 이 수행되어, 사용자가 어떠한 방식으로 360 비디오를 소비하는지, 360 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 360 비디오만 우선적으로 디코딩 및 렌더링될 수도 있다.
여기서 뷰포트(viewport) 내지 뷰포트 영역이란, 사용자가 360 비디오에서 보고 있는 영역을 의미할 수 있다. 시점(viewpoint) 는 사용자가 360 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 360 비디오 제공을 위한 전체 아키텍처 내에서, 캡처/프로젝션/인코딩/전송/디코딩/리-프로젝션/렌더링의 일련의 과정을 거치게 되는 이미지/비디오 데이터들을 360 비디오 데이터라 부를 수 있다. 360 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 본 발명의 일 실시예에 따른 미디어 파일의 구조를 도시한 도면이다.
본 발명에 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.
본 발명에 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.
본 발명에 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.
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 컨텐트 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 컨텐트가 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 블락에서 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 블락들은 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 컨텐트를 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 컨텐트의 한 구간을 나타낼 수 있다.
한 구간에서, 데이터들은 어댑테이션 셋들에 포함될 수 있다. 어댑테이션 셋은 서로 교환될 수 있는 복수개의 미디어 컨텐트 컴포넌트들의 집합일 수 있다. 어댑테이션은 레프리젠테이션들의 집합을 포함할 수 있다. 레프리젠테이션은 미디어 컨텐트 컴포넌트에 해당할 수 있다. 한 레프리젠테이션 내에서, 컨텐트는 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 따라후술할 디스크립터들은, MPD 를 통해 전달되는 경우, 에센셜 프로퍼티 및/또는 서플멘탈 프로퍼티 내에 정의되어 전달될 수 있다.
도 5는 본 발명이 적용될 수 있는 360 비디오 전송 장치의 구성을 개략적으로 설명하는 도면이다.
본 발명에 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.
본 발명에 따른 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.
본 발명에 따른 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.
본 발명에 따른 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. 본 발명에 따른 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.
본 발명에 따른 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 본 발명에 따른 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 본 발명이 적용될 수 있는 360 비디오 수신 장치의 구성을 개략적으로 설명하는 도면이다.
본 발명에 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 본 발명에 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).
본 발명에 따른 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 본 발명에 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.
본 발명의 또 다른 관점은 360 비디오를 전송하는 방법 및 360 비디오를 수신하는 방법과 관련될 수 있다. 본 발명에 따른 360 비디오를 전송/수신하는 방법은, 각각 전술한 본 발명에 따른 360 비디오 전송/수신 장치 또는 그 장치의 실시예들에 의해 수행될 수 있다.
전술한 본 발명에 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. 이렇게 조합된 실시예들 역시 본 발명의 범위에 포함된다.
도 7은 본 발명의 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 축 개념 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.
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.
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. Roll 축은 도시된 비행기 주축 개념에서 비행기의 앞코에서 꼬리로 이어지는 축으로서, roll 방향의 회전이란 roll 축을 기준으로 한 회전을 의미할 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, 본 발명에 따르면 다음과 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 본 발명에 따른 프로젝션 포멧들을 예시적으로 나타낸다.
도 9a의 (a)는 등정방형 프로젝션 포멧을 나타낼 수 있다. 등정방형 프로젝션 포멧이 사용되는 경우, 구형 면 상의 (r, θ0, 0) 즉, θ = θ0, 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.
Figure PCTKR2018008705-appb-M000001
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.
Figure PCTKR2018008705-appb-M000002
이를 이용하여 XY 좌표계로의 변환식을 다시 쓰면 다음과 같을 수 있다.
Figure PCTKR2018008705-appb-M000003
예를 들어 θ0 =0 인 경우, 즉 2D 이미지의 중앙 픽셀이 구형 면 상의 θ=0 인 데이터를 가리키는 경우, 구형 면은 (0,0)을 기준으로 2D 이미지 상에서 가로길이(width) = 2Kxπr 이고 세로길이(height) = Kxπr 인 영역에 매핑될 수 있다. 구형 면 상에서 φ = π/2 인 데이터는 2D 이미지 상의 윗쪽 변 전체에 매핑될 수 있다. 또한, 구형 면 상에서 (r, π/2, 0) 인 데이터는 2D 이미지 상의 (3πKxr/2, πKx 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.
Figure PCTKR2018008705-appb-M000004
예를 들어 2D 이미지 상에서 XY 좌표값이 (Kxπr, 0) 인 픽셀은 구형 면 상의 θ = θ0, φ = π/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, 본 발명의 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 본 발명의 일 실시예에 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 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.
본 발명에 따른 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 10a 의 2D 이미지에서 뷰포트 (1000) 가 표시되었다. 여기서 뷰포트 는 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 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.
본 발명에 따른 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 본 발명의 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.
본 발명에 따른 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.
본 발명에 따른 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 좌표 를 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(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 본 발명에 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 1330와 같이 서로 다른 시점이 선택될 수 있으며, 최종적으로 1340와 같이 특정 위치에서의 특정 시점의 특정 방향의 영상이 출력될 수 있다.
도 14a 및 14b는 3DoF+ 엔드 투 엔드 시스템 아키텍처의 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(Framework for Live Uplink Streaming) 아키텍처의 예를 개략적으로 나타낸다.
도 14(도 14a 및 도 14b)에서 상술한 송신단 및 수신단의 세부 블록은 FLUS(Framework for Live Uplink Streaming)에서의 소스(source)와 싱크(sink)의 기능으로 각각 분류할 수 있다.
상술한 송신단 및 수신단의 세부 블록이 FLUS에서의 소스(source)와 싱크(sink)의 기능으로 분류되는 경우, 도 14와 같이 360 비디오 획득 장치에서 소스(source)의 기능을 구현하고, 네트워크 상에서 싱크(sink)의 기능을 구현하거나, 혹은 네트워크 노드 내에서 소스/싱크를 각각 구현할 수 있다.
상술한 아키텍처를 기반으로 한 송수신 처리 과정을 개략적으로 나타내면 예를 들어 다음 도 15 및 도 16과 같이 도시될 수 있다. 도 15 및 도 16의 송수신 처리 과정은 영상 신호 처리 과정을 기준으로 기술하며, 음성 혹은 텍스트와 같은 다른 신호를 처리하는 경우 일부 부분(ex. 스티처, 프로젝션 처리부, 패킹 처리부, 서브픽처 처리부, 언패킹/셀렉션, 렌더링, 컴포지션, 뷰포트 생성 등)은 생략될 수 있고, 또는 음성 혹은 텍스트 처리 과정에 맞도록 변경하여 처리될 수 있다.
도 16은 3DoF+ 송신단에서의 구성을 개략적으로 나타낸다.
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+ 수신단에서의 구성을 개략적으로 나타낸다.
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.
한편, 사용자가 3DOF 수신단을 통해 디스플레이되는 하나의 360 비디오를 보았을 때 얻을 수 있는 정보는 고정된 하나의 위치에서 360도로 캡처된 영상이 전부이나, 3DoF+의 콘텐츠의 경우 일부 영역에서 사용자는 좀 더 확대 하거나 더 멀리 나아가서 360 비디오를 볼 수 있기를 원할 수 있다. 예를 들어서 축구 경기장의 한 쪽 관중석에서 캡처된 360 비디오를 사용자가 경험하고 있다고 생각해보면, 사용자는 반대쪽이나 축구 골대 앞 혹은 경기장 중앙에서 캡처된 360 비디오를 경험하고 싶은 욕구(needs)가 발생 할 수 있다. 또한 하나의 뷰잉 포지션의 콘텐츠 상에서 특정 지점에서 연결되어 다른 뷰잉 포지션으로 이동하게 될 경우, 연결 지점이 뷰잉 오리엔테이션과 일치 하지 않지만 뷰포트(viewport)의 범위 내에 존재할 수 있다. 이 경우, 사용자는 연결된 지점으로 이동하여 해당 뷰포트를 보기보다는 해당 뷰잉 오리엔테이션으로 일부 이동한 장면(scene)을 보기를 원할 수도 있으며, 또는 뷰잉 오리엔테이션과 연결 지점과의 거리가 지나치게 멀 경우에 이동 정도를 일부 조정하여 시각적 피로(visual fatigue)발생을 최소화 할 수 있는 지점으로 이동하는 것을 원할 수도 있다.
그러나, 기존의 핫스팟(hotspot) 시그널링 방법의 경우 뷰포트 내에 어떤 위치라도 핫스팟 링크가 존재할 수 있음에도 상기 핫스팟의 위치와 상기 뷰포트의 중심이 일치한다는 가정하에 핫스팟 관련 정보(핫스팟 메타데이터)가 시그널링되었다. 여기서 핫스팟은 하나의 뷰포인트에서 다른 뷰포인트로의 링크 정보를 나타낼 수 있다. 다시 말하면, 핫스팟은 스피어 리전을 핫스팟 로케이션에 연관짓고, 추가적으로 핫스팟 스피어 리전을 핫스팟이 클릭된 경우 재생되어야 하는 360 비디오의 URI로 링킹함으로써 정의될 수 있다(Hotspot may be defined by associating a sphere region with the Hotspot location and additionally linking the Hotspot sphere region to the URI of the 360 degrees video that needs to be played out when that Hotspot is clicked). 핫스팟 메타데이터는 핫스팟의 위치 및 상기 핫스팟에 연관된 RUI를 지시할 수 있다(may indicate the location of the hotspot and URI associated with the hotspot). 즉, 기존에는 뷰포트의 중간 지점을 핫스팟 링크 지점으로 간주하고 있었다. 이 경우 핫스팟으로 링크된 다른 뷰포인트의 360 비디오로 이동하여 뷰포트를 표현해 낼 때, 이전 뷰포인트에서 보았던 뷰포트와 차이가 발생하여 급격한 360 비디오의 회전이 발생할 수 있으며, 사용자에게 어지러움을 유발시킬 수 있고, 또한 자연스러운 컨텐츠의 이동이 제한적인 문제점이 있었다. 하지만, 핫스팟의 링크가 뷰포트의 중심일 필요는 없으며, 사용자의 뷰잉 오리엔테이션에 맞추서 보상된 지점을 바로 보여주는게 사용자 편의에 더 부합할 수 있다.
본 발명에 따르면, 상기와 같은 사용자의 욕구 또는 편의를 고려한 다중 뷰포인트 지원 360 비디오 시스템을 제공할 수 있다. 본 발명에 따르면, 다수의 360 비디오 서비스의 좌표 축이 일치하지 않을 때 일치시킬 수 있다. 또한, 다수의 360 비디오 서비스가 서로 특정 지점에서 연결되어 있을 때 연결 전 후의 뷰포트 정보를 전달할 수 있다. 이 경우 연결 지점의 중심과 사용자가 현재 보고 있는 뷰포트의 중심 좌표 정보가 나타내는 것이 다를 경우 해당 좌표를 보상하여 새로운 뷰포트 정보를 전달할 수 있다.
본 발명에 따르면 다중 뷰포인트 지원을 위한 다양한 정보를 송신단에서 수신단으로 시그널링할 수 있다. 예를 들어, 후술하는 바와 같이 다수의 연결된 (서로 다른 뷰포인트에서의) 360 비디오 중 기준이 될 뷰포인트 정보를 시그널링할 수 있다. 또한, 해당 뷰포인트에 연결되어 있는 다른 뷰포인트 혹은 360 비디오의 수에 관한 정보가 시그널링될 수 있다. 또한, 각 뷰포인트의 식별자, 각 뷰포인트의 중심 좌표 정보 및/또는 각 뷰포인트를 중심으로 구성되는 360 비디오의 크기 정보가 시그널링될 수 있다. 또한, 각 뷰포인트에 관한 좌표 축 정렬(alignment) 관련 정보가 시그널링될 수 있다. 상기 좌표 축 정렬 관련 정보는 각 뷰포인트에서 구성하고 있는 좌표 축이 다를 때를 고려하여, 좌표 축 정렬 일치 여부 확인을 위한 정보를 포함할 수 있다. 또한, 각 뷰포인트에서 연결할 수 있는 360 비디오 식별자가 시그널링될 수 있다. 도한, 360 비디오를 연결할 지점의 중심값 및 영역 정보가 시그널링될 수 있다. 또한, 해당 연결 지점을 선택했을 때 연결될 360 비디오 정보 및 연결 후 가장 먼저 디스플레이할 뷰포트 정보가 시그널링될 수 있다. 또한, 미리 지정된 연결 지점의 센터와 뷰포트 센터 정보가 가리키는 센터가 다를 때 연결 후 디스플레이될 뷰포트의 위치 및 보상(compensation) 관련 정보가 시그널링될 수 있다. 다만, 상술한 정보는 예시로서 다중 뷰포인트(또는 다중 뷰) 지원 360 비디오 서비스 구성을 위하여 일부 정보가 생략될 수도 있고 다른 추가 정보가 더 포함될 수도 있음은 당연하다.
도 18은 다중 뷰포인트를 지원하는 수신단 동작의 예를 나타낸다.
도 18을 참조하면, 다중 뷰포인트 360 비디오를 지원하는 수신단(360 비디오 수신 장치)는 (a)에 도시된 바와 같이 압축된 비디오 스트림(또는 (비디오) 비트스트림, 360 비디오 비트스트림)을 입력받아 디코딩 과정, 스피어(sphere) 생성 과정, 멀티뷰 선택 과정, 이미지 스티칭 및 렌더링 과정을 통하여 원하는 360 비디오를 디스플레이할 수 있으며, 이 경우 트랙킹 과정(헤더/아이 트랙킹 등)을 통하여 스피어 생성 과정 및 멀티뷰 선택 과정을 위하여 오리엔테이션/포트 메타데이터가 전달될 수 있다. 다중 뷰포인트(다중 뷰) 선택 과정의 상세 동작은 (b)에 도시된 과정을 포함할 수 있다.
구체적으로, 수신단은 압축된 비디오 스트림을 기반으로 디코딩 과정을 수행하여 2D 픽처/비디오들을 복원(디코딩)할 수 있다. 이 후 수신단은 각각의 뷰포인트에 대한 반경이 동일하거나 다른 형태로 스피어 생성을 통해 다중 뷰포인트를 지원하는 360 비디오를 구성할 수 있다. 이 경우, 필요한 뷰포인트 센터 정보와 반경(radius) 정보를 파일 포멧(File Format)으로부터 전달받을 수 있다. 스피어로 구성된 형태의 다중 뷰포인트 360 비디오는 초기 뷰포인트를 가장 먼저 렌더링하여 보여준다. 이 때 다중 뷰포인트 선택 과정을 통하여, 만약 다른 뷰포인트의 360 비디오를 선택하였을 때, hotspot_struct, axes alignment, viewport offset 등을 통해 제1 뷰포인트 기반 360 비디오의 특정 위치에서 연결된 다른 제2 뷰포인트 기반 360 비디오를 도출할 수 있고, 또한 사용자가 보고 있는 특정 위치 근처의 뷰포트 간의 관계를 고려하여, 연결 후 디스플레이되는 뷰포트의 위치를 오프셋을 통해 조정하는 적응적 뷰포트(adaptive viewport) 기능이 구현될 수 있다.
상기 오프셋 계산을 위하여, 사용자가 보고 있는 현재의 뷰포트는 헤드/아이 트랙킹을 통하여 위치 정보를 얻을 수 있다. 예를 들어, 헤드/아이 트랙킹 디바이스가 가지고 있는 자이로스코프(gyroscope), 가속(accelerometer), 자력계(magnetometer) 등과 같은 MEMS (micro-electrical-mechanical sensor)를 이용하여 사용자의 머리 위치를 알 수 있으며, FOV(field of view)를 기반으로 초기 뷰포트를 계산할 수 있다. 상기 FOV는 초기값으로 설정된 사용자의 위치를 (0, 0, 0)으로 두고, 해당 위치에서 사용자가 보는 방향을 나타내는 뷰잉 벡터와, 상, 하, 좌, 우 방향의 엣지 사이의 탄젠트 값을 기반으로 계산할 수 있다. 사용자가 초기 뷰포트로부터 이동할 때마다 뷰포트의 중심점이 이동하여 새로운 뷰포트에 해당하는 텍스처를 불러올 수 있다. 이러한 뷰포트의 센터 정보 혹은 유저가 보는 방향의 정보를 HMD(head mount display)와 같이 360 비디오를 렌더링 혹은 디스플레이할 수 있는 디바이스를 통하여 지속적으로 트랙킹하여 획득할 수 있다. 이 경우 뷰포트의 센터 혹은 유저가 보는 방향과 미리 시그널링되어 전달받은 핫스팟의 중심 위치와의 거리 계산을 할 수 있다. 상기 거리 계산은 예를 들어, 3차원 유클리드 거리(Euclidean distance)로 계산하고, 해당 거리에 transfer_rate을 적용하여 핫스팟 이동시 사용자의 위치와 핫스팟 위치의 거리 차이가 고려된 새로운 뷰포트를 렌더링할 수 있게 된다.
또한, 다중 뷰포인트 선택 과정은 도 18의 (b)에 도시된 과정을 포함할 수 있다. 수신단은 다중 뷰포인트 지원 여부를 판단할 수 있고, 다중 뷰포인트가 지원되지 않는 경우 기존의 360 비디오 디스플레이를 위한 수신단 일반 동작을 수행할 수 있다. 만약, 다중 뷰포인트가 지원되는 경우, 새로운 뷰포지션이 선택되는 경우에 적응적 뷰포트 생성(adaptive viewport generation)을 수행할 수 있으며, 새로운 뷰포지션이 선택되지 않는 경우에는 다중 뷰포인트를 지원하지 않을 때와 마찬가지로 기존의 360 비디오 디스플레이를 위한 일반 동작을 수행할 수 있다. 예를 들어, 상술한 핫스팟 링크를 통하여 새로운 뷰포지션이 선택될 수 있다. 상기 뷰포지션은 상술한 뷰포인트 및/또는 뷰잉 포지션에 대응될 수 있다.
만약, 새로운 뷰포지션이 선택된 경우, 선택된 뷰포지션의 축들(axes)과 초기 뷰포지션의 축들(axes)의 정렬(alignment)가 필요한지를 확인하고, 정렬이 필요한 경우에는 정렬 절차를 수행할 수 있다. 예를 들어, 다중 뷰포인트 360 비디오 시스템을 구성하기 위하여, 각 뷰포지션마다 복수의 카메라(또는 카메라 렌즈)가 구성될 수 있다. 이 경우 각 뷰포지션마다 존재하는 복수의 카메라 중 하나가 마스터 카메라로 취급할 수 있다. 이 경우 마스터 카메라를 기반으로 해당 뷰포지션 내의 나머지 카메라들의 좌표가 정의될 수 있다. 복수의 뷰포지션에 대하여는 복수의 마스터 카메라들이 존재하며, 이 경우 구성 단계에서 복수의 뷰포지션에 있는 상기 복수의 마스터 카메라들 간 축들이 정렬되어 있을 수 있으나, 정렬되지 않은 경우에는 특정 기준(또는 특정 마스터 카메라 기준)으로 다른 마스터 카메라의 축들을 정렬할 수 있고, 송신단에서 수신단으로 정렬 관련 정보가 전송될 수 있다.
상기 축들의 정렬이 완료된 후에는 적응적 뷰포트 생성을 위해 메타데이터로 받은 연결지점의 뷰포트 센터와 사용자가 기존에 보고 있는 뷰포트 센터 간의 3차원 좌표에서의 거리값을 기반으로 뷰포트 오프셋을 계산하고, 상기 축들의 정렬이 필요 없는 경우(ex. 기 정렬된 경우)에는 정렬 없이 바로 상기 뷰포트 오프셋을 계산할 수 있다. 상기 계산된 뷰포트 오프셋이 나타내는 총 거리값이 n(ex.)보다 클 경우에는 새로운 뷰포지션에서 새로운 뷰포트를 디스플레이할 수 있고, 오프셋 값이 n(ex. 0)과 같거나 작은 경우에는 기존에 미리 설정된 뷰포트를 디스플레이할 수 있다. 보상(compensation)의 기준이 되는 오프셋 임계값 n은 비록 도 18(b)에서는 0으로 도시되었으나 이는 예시이며, 사용자/제작자의 의도에 따라 0이 아닌 값으로 지정될 수 있다. 상술한 적응적 뷰포트의 렌더링은 멀티뷰 선택 과정을 처리하는 부(unit)에서 할 수도 있고, 상기 이미지 스티칭 및 렌더링 과정을 처리하는 부 또는 디스플레이 부에서 처리할 수 있다.
상술한 본 발명에 따른 과정을 수행하기 위하여 후술하는 메타데이터가 구성 및 전송될 수 있다.
일 예로, 다중 뷰포인트 정보는 다음과 같은 필드들을 포함할 수 있다. 여기서 다중 뷰포인트 정보는 다중 뷰포인트 메타데이터라고 불릴 수 있다.
Figure PCTKR2018008705-appb-T000001
여기서, multiveiwpoint_info{}는 다중 뷰포인트 지원을 위하여 구성되는 메타데이터를 포함하는 구조체를 나타낼 수 있다.
origin_viewpoint_ID 필드는 다중 뷰포인트를 지원하는 360 비디오 시스템에서 기준 뷰포인트의 식별자를 나타낼 수 있다. 즉, 다중 뷰포인트 지원하는 360 비디오 중 origin_viewpoint로 정의될 360 비디오의 식별자이다. 이는 상술한 또는 후술될 축들 정렬(alignment)의 기준이 되는 뷰포인트의 식별자를 나타낼 수 있다. 즉, 이는 복수의 뷰포인트의 마스터 카메라들 중 축들 정렬을 위한 기준이 되는 마스터 카메라가 있는 기준 뷰포인트의 ID를 나타낼 수 있다.
num_of_viewpoint 필드는 지원되는 또는 연결되는 뷰포인트의 수를 나타낸다.
viewpoint_ID[] 필드는 뷰포인트의 식별자를 나타낸다.
viewpoint_radius 필드는 각 뷰포인트가 스피어(sphere) 타입을 지원할 때는 반지름 크기, 큐브 타입을 지원할 때는 중심에서의 큐브 경계까지의 거리를 나타낼 수 있다. 거리의 단위는 mm, cm, pixel 수, 상대적 거리(relative distance)가 될 수도 있다. 한편, 이 필드는 모든 뷰포인트에 대하여 1로 고정될 수도 있다. 이 경우 이 필드는 생략될 수 있다.
viewpoint_pos_centerX 필드, viewpoint_pos_centerY 필드 및 viewpoint_pos_CenterZ 필드는 해당 뷰포인트 중심(center)의 3차원 좌표를 나타낸다. 예를 들어, 이는 데카르트 좌표(cartesian coordinate) X, Y, Z에 대응될 수 있고, 또는 구형 좌표(spherical coordinate) 요(yaw), 피치(pitch), 롤(roll)에 대응될 수 있다. 만약 구형 좌표가 사용되는 경우, 단위는 degree이고, 요 및 롤은 [-180, 180]의 범위를 가지며, 피치는 [-90, 90]의 범위를 가질 수 있다.
alignment_availability 필드는 해당 뷰포인트의 축들이 origin_viewpoint의 축들과의 정렬이 되어야 하는지를 나타내는 플래그 정보일 수 있다. 예를 들어, 이 필드는 해당 뷰포인트의 축들이 origin_viewpoint의 축들과의 정렬 또는 일치가 되지 않은 경우에 축들 정렬을 적용하기 위한 플래그 정보일 수 있다. 이 필드의 값이 1인 경우, alignment_struct()을 호출하여 축들 정렬(axes alignment)을 수행하고, 이후 Hotspot_Info() 필드를 호출할 수 있다. alignment_availability 필드의 값이 0인 경우, alignment_struct()을 호출 없이 Hotspot_Info() 필드를 호출할 수 있다. alignment_availability 필드는 생략될 수 있다. 예를 들어, 현재 뷰포인트와 origin 뷰포인트가 같은 경우 alignment_availability 필드는 생략될 수 있다.
alignment_struct() 필드는 축들 정렬을 위한 정보(메타데이터)를 담고 있는 구조체를 나타낸다. 즉, alignment_struct() 필드는 각각의 뷰포인트의 축들이 정렬되지 않은 경우를 고려하여 축들을 정렬 또는 일치시키기 위한 정보를 담고 있다.
Hotspot_info() 필드는 각 뷰포인트에서 스위칭될 수 있는 뷰포인트의 정보(핫스팟 정보 등)을 포함하는 구조체이다. alignment_struct() 필드는 해당 뷰포인트에서 링크된 핫스팟들에 관한 정보를 나를 수 있다. 즉, 이 필드는 현재 뷰포인트에서 새로운 뷰포인트로의 연결 지점 및 연결 후 처리방법 등에 관한 정보를 포함할 수 있다.
다른 예로, 다중 뷰포인트 정보는 다음과 같은 필드들을 포함할 수 있다.
Figure PCTKR2018008705-appb-T000002
상술한 필드들과 동일한 이름의 필드는 동일한 정보를 나를 수 있다. 이하 마찬가지이다.
한편, viewpoint_pos_centerAzi 필드, viewpoint_pos_centerEle 필드, viewpoint_pos_centerDistance 필드는 뷰포인트 중심값의 3차원 좌표인 구형 좌표(Spherical coordinate)의 애지머스(azimuth), 엘리베이션(elevation), 디스턴스(distance)를 각각 나타낼 수 있다.
상술한 정보는 예시로서, 다중 뷰포인트 지원을 위하여 상술한 필드 및 정보 외에도 추가적인 필드 및 정보가 더 추가될 수 있다.
한편, 다중 뷰포인트 지원 360 비디오의 경우 각각의 360 비디오는 독립적인 카메라들로 촬영된 영상일 수 있다. 즉, 뷰포인트 별로 독립적인 카메라들로 각 뷰포인트에 대한 360 비디오가 촬영될 수 있다. 이 경우 다음과 같이 각 뷰포인트별 마스터 카메라 축들이 서로 일치하지 않을 수 있다.
도 19는 뷰포인트 별 기준 카메라 축들을 예시적으로 나타낸다. 뷰포인트 별 기준 카메라 축들은 각 뷰포인트의 마스터 카메라의 축들에 대응될 수 있다.
도 19를 참조하면, 각각의 뷰포인트에서의 마스터 카메라 오리엔테이션을 중심으로 형성된 3차원 축들이 다른 뷰포인트에서의 3차원 축들과 일치하지 않을 수 있다.
이와 같이 축들 정렬이 이루어지지 않은 경우에 특정 뷰포인트의 360 비디오에서 다른 뷰포인트의 360 비디오로 이동 시 의도치 않은 영상이 렌더링될 수도 있다. 따라서, 다중 뷰포인트로 연결된 360 비디오들 간의 축들 일치/정렬 여부를 확인해야 하고, 일치/정렬되지 않은 경우에 일치/정렬시킬 수 있도록 하는 메타데이터(축 정렬 정보)가 송신단에서 수신단으로 전송될 수 있다. 상기 메타데이터는 예를 들어 상술한 alignment_struct() 필드에 다음과 같이 포함될 수 있다.
Figure PCTKR2018008705-appb-T000003
여기서, rotation_longitudeX 필드, rotation_longitudeY 필드, rotation_longitudeZ 필드는 해당 뷰포인트의 축들을 기준 축들에 맞추기 위하여, 횡측 방향으로 각 축이 이동해야 하는 정도를 나타낼 수 있다. rotation_longitudeX 필드는 X축, rotation_longitudeY 필드는 Y축, rotation_longitudeZ 필드는 Z축이 횡측 방향으로 이동해야 하는 각도를 나타낼 수 있다. 이 경우 상기 기준 축들은 origin_viewpoint의 축들이 될 수 있으며, 상기 origin_viewpoint의 축들을 기반으로 이동해야 하는 정도가 계산될 수 있다.
rotation_latitudeX 필드, rotation_latitudeY 필드, rotation_latitudeZ 필드는 해당 뷰포인트의 축들을 기준 축들에 맞추기 위하여, 단측 방향으로 각 축이 이동해야 하는 정도를 나타낼 수 있다. rotation_latitudeX 필드는 X축, rotation_latitudeY 필드는 Y축, rotation_latitudeZ 필드는 Z축이 단측 방향으로 이동해야 하는 각도를 나타낼 수 있다.
한편, 표 3은 예시로서, X축, Y축, Z축 중 하나 또는 두 축에 관한 필드만 포함되고 나머지 축에 관한 필드는 생략될 수도 있다. 예를 들어, rotation_longitudeX 필드 및 rotation_latitudeX 필드가 포함되고 나머지 축들에 관한 필드는 생략될 수 있다. 다른 예로, rotation_longitudeX 필드, rotation_latitudeX 필드, rotation_longitudeY 필드 및 rotation_latitudeY 필드가 포함되고 나머지 축에 관한 필드는 생략될 수 있다. 또 다른 예로, rotation_longitudeY 필드, rotation_latitudeY 필드, rotation_longitudeZ 필드 및 rotation_latitudeZ 필드가 포함되고 다른 축에 관한 필드는 생략될 수 있다.
상기와 같은 축 정렬 정보를 전달받은 수신단은 기준 축들(ex. origin_viewpoint의 축들)을 기준으로 각각의 축들이 이동해야 하는 정도를 계산할 수 있다.
도 20은 축 이동의 예시를 나타낸다. 도 20에 도시된 바와 같이 상기 축 정렬 정보가 나타내는 값들 및 기준 축들을 기준으로 필요한 축들의 위치를 조정 또는 정렬할 수 잇다.
한편, 상기 축 정렬 정보는, Euler's axes rotation matrix를 적용하기 위해 rotation_X, rotation_Y, rotation_Z로 표현될 수도 있다.
도 21은 축 이동의 다른 예를 나타낸다. 도 21에 도시된 바와 같이 X축 회전 각도, Y축 회전 각도, Z축 회전 각도를 기반으로 축들의 위치를 조정 또는 정렬할 수 있다. 이 경우 로테이션 트랜스폼(rotation transform)은 다음 수학식과 같이 도출될 수 있다.
Figure PCTKR2018008705-appb-M000005
또한, 이 경우 상기 축 정렬 정보 관련 메타데이터는 다음과 같이 포함될 수 있다.
Figure PCTKR2018008705-appb-T000004
여기서, rotation_X 필드, rotation_Y 필드, rotation_Z 필드는 Euler's rotation matrix에 적용하기 위해 X, Y, Z축 각각에 대한 이동할 각도, 즉 오프셋 각도를 나타낼 수 있음.
한편, 상술한 핫스팟 정보는 일 예로 다음과 같이 구성될 수 있다.
Figure PCTKR2018008705-appb-T000005
여기서, Num_of_hotsopt 필드는 해당 뷰포인트에 연결되어 있는 핫스팟들의 수를 나타낸다. 즉, 이 필드는 해당 뷰포인트에 연결되어 있는 다른 뷰포인트들의 총 수를 나타낼 수 있다.
Hotstpot_Type 필드는 해당 핫스팟의 타입을 나타낸다. 이 필드는 핫스팟으로 연결되어 있는 다른 뷰포인트로 이동할 때 보여주어야 하는 뷰포트의 방향이 이동 전 뷰포인트와 마주보는 방향인지, 전진하여 보여줘야 하는 장면(scene)인지 등의 핫스팟 타입을 나타낼 수 있다.
예를 들어, 핫스팟 타입은 다음 표와 같이 나타낼 수 있으며, 구체적인 타입에 대하여는 후술한다.
Hotspot Type Description
0001 Forward
0010 Mirror
0011 Jumping
0100 User defined
0101~1111 reserved
hotspot_ID 필드는 핫스팟의 식별자를 나타낸다. 즉, 이 필드는 연결된 뷰포인트의 식별자를 나타낼 수 있다.hotspotCenter_yaw 필드, hotspotCenter_pitch 필드, hotspotCenter_roll 필드는 핫스팟 센터의 요, 피치, 롤 값을 각각 나타낸다. 즉, 이 필드들은 뷰포인트 이동 전에 다른 뷰포인트와 연결된 지점인 상기 핫스팟의 중심점을 구형 좌표(spherical coordinate)인 요, 피치, 롤로 나타낼 수 있다. 구형 좌표인 경우 단위가 degree이고 요, 롤은 [-180, 180]의 범위를 가지고, 피치는 [-90, 90]의 범위로 나타내어질 수 있다. 이 필드들은 비로 요, 피치, 롤을 기반으로 나타내었으나, 이는 예시이고, 데카르트 좌표(Cartesian coordinate)인 X, Y, Z로 나타내어질 수도 있다. 이 경우 필듬 명칭은 hotspotCenter_X 필드, hotspotCenter_Y 필드, hotspotCenter_Z 필드 등과 같이 변경될 수 있다.
hotspotRange_Horizontal 필드, hotspotRange_Vertical 필드는 핫스팟의 수평 및 수직 범위를 각각 나타낸다. 즉, hotspotRange_Horizontal 필드, hotspotRange_Vertical 필드는 다른 뷰포인트로 연결된 지점인 상기 핫스팟의 영역을 나타내기 위한 파라미터로, 핫스팟 센터(hotspotCenter) 좌표값으로부터 양방향으로 각각 수평(horizontal), 수직(vertical)의 범위를 나타낼 수 있다.
viewport_center_yaw 필드, viewport_center_pitch 필드, vieport_center_roll 필드는 상기 핫스팟이 위치하는 뷰포트(ex. 이전 뷰포트, 제1 뷰포트)의 뷰포트 센터(viewport_center)의 위치에 대한 요, 피치, 롤 값을 각각 나타낸다. viewport_center_yaw 필드, viewport_center_pitch 필드, vieport_center_roll 필드는 핫스팟 센터(hotspotCenter)와 뷰포트 센터(viewport_center)가 다른 경우, 다른 뷰포인트로 이동 시 렌더링되는 기본 뷰포트(ex. 이후 뷰포트, 제2 뷰포트)의 위치를 보상(compensation)하기 위해 상기 뷰포트 센터(viewport_center)의 위치를 요, 피치, 롤로 나타낼 수 있다.
interactive_viewport_info() 필드는 연결 후의 뷰포인트에서 기본적으로 보여줘야 할 뷰포트(ex. 이후 뷰포트, 기본 뷰포트, 제2 뷰포트)에 관한 정보 등을 포함하는 구조체를 나타낸다.
interactive_viewport_info() 필드는 표 5에 도시된 바와 같이 next_track_ID 필드, next_viewpoint_ID 필드, Center_interactive_yaw 필드, center_interactive_pitch 필드, center_interactive_roll 필드, Center_interactive_tilt 필드, new_viewport_horizontal 필드, new_viewport_vertical 필드, transfer_rate 필드 중 적어도 하나를 하위 필드로 포함할 수 있다.
next_track_ID 필드는 (핫스팟을 통한) 뷰포인트 변경시 연결되는 360 비디오가 저장되어 있는 트랙 혹은 트랙 그룹의 식별자를 나타내다. 상술한 바와 같이 360 비디오 또는 그 일부는 트랙/트랙 그룹 단위로 저장 또는 구성되어 전송될 수 있다.
next_viewpoint_ID 필드는 (핫스팟을 통한) 뷰포인트 변경시 연결되는 다음 뷰포인트에 대한 식별자를 나타낸다.
Center_interactive_yaw 필드, center_interactive_pitch 필드, center_interactive_roll 필드는 핫스팟 센터에서 선택된 뷰포인트로 이동 후에 보여주는 뷰포트(ex. 이후 뷰포트, 기본 뷰포트, 제2 뷰포트)의 센터의 위치(이는 센터 인터렉티브(center_interactive)라고 불릴 수 있다)를 나타낼 수 있다. 예를 들어, 해당 값들은 구형 좌표(spherical coordinate)인 요, 피치, 롤로 나타낼 수 있다. 또는 해당 값들은 데카르트 좌표(Cartesian coordinate)인 X, Y, Z로 나타낼 수도 있다. 이 경우 필드의 명칭에서 yaw, pictch, roll 부분 대신 X, Y, Z가 사용될 수 있다. 구형 좌표(Spherical coordinate)가 사용되는 경우 단위가 degree 이고 요, 롤은 [-180, 180]의 범위로, 피치는 [-90, 90]의 범위로 나타낼 수 있다.
Center_interactive_tilt 필드는 해당 뷰포트(ex. 이후 뷰포트, 기본 뷰포트, 제2 뷰포트)가 스피어(sphere) 상에서 틀어진 정도를 나타낼 수 있다. 이 필드는 생략될 수 있다.
new_viewport_horizontal 필드, new_viewport_vertical 필드는 센터 인터렉티브(center_interactive)를 중심으로 수평, 수직 방향의 양측으로 해당 뷰포트(ex. 이후 뷰포트, 기본 뷰포트, 제2 뷰포트)의 크기를 나타낼 수 있다. 해당 값들은 미리 정해진 뷰포트의 크기와 동일할 수도 있고, 필요에 따라 그보다 작거나 클 수도 있다. 뷰포트의 크기가 일정하거나 미리 정해진 경우 new_viewport_horizontal 필드, new_viewport_vertical 필드는 생략될 수 있다.
transfer_rate 필드는 상기 뷰포트 센터와 핫스팟 센터 차이 값인 이동 거리(transfer_distance)에 대한 가중치를 나타낸다. 예를 들어, transfer_rate 필드는 상기 이동 거리(transfer_distance)를 이용하여, 다른 뷰포인트로 연결 후에 위치를 보상한 뷰포트(ex. 보상된 뷰포트, 보상된 제2 뷰포트)를 보여주기 위해 필요한 가중치값을 나타낼 수 있다. 이 경우, 보상된 뷰포트의 센터 위치는 보상된 센터(compensated_center)라고 불릴 수 있다. 예를 들어, 상기 이동 거리(transfer_distance)를 그대로 반영하여 보상(compensation)하는 경우에는 상기 transfer_rate 필드의 값은 1, 상기 이동 거리(transfer_distance)보다 짧은 거리로 이동하여 렌더링한 뷰포트를 보여주는 경우에는 상기 transfer_rate 필드의 값은 1보다 작은 값, 더 많이 이동하여 렌더링한 뷰포트를 보여주는 경우에는 상기 transfer_rate 필드의 값은 1보다 큰 값을 가질 수 잇다. 이 때 보상(compensation) 방향은 상술한 핫스팟 타입에 따라 달라질 수 있다. 예를 들어, 상기 핫스팟 타입이 점핑(jumping) 타입을 경우 상기 transfer_rate 필드의 값은 0으로 설정될 수 있다.
한편, 상술한 핫스팟 타입은 다음과 같이 설명될 수 있다.
도 22 내지 도 24는 본 발명이 적용될 수 있는 핫스팟 타입들을 예시적으로 나타낸다. 도 22는 포워드 타입을 나타내고, 도 23은 미러 타입을 나타내고, 도 24는 점핑 타입을 나타낸다.
포워드 타입은 (축들 정렬(axes alignment)이 된) 뷰포인트들 간에 스위칭이 일어날 때 이동 전 뷰포인트에서의 진행방향과 이동 후 컨텐츠의 진행방향이 같은 방향인 경우를 나타낼 수 있다. 즉, 예를 들어 로드 뷰(Road view)와 같이 사용자가 이전 뷰포인트에서 보고 있는 뷰포트에 연결된 뷰포인트를 (핫스팟을 통하여) 선택하였을 때 이전 뷰포인트에서보다 거리상 더 멀리 있는 컨텐츠를 보여 주는 경우를 나타낼 수 있다.
미러 타입은 (축들 정렬(axes alignment)이 된) 뷰포인트들 간에 스위칭이 일어날 때 이동 전 뷰포인트에서 이동 후 뷰포인트가 서로 마주 보고 있는 위치에 존재할 경우를 나타낼 수 있다. 예를 들어 경기장(stadium)에 다수의 뷰포인트가 존재하고, 그 중 두 개의 뷰포인트가 경기장에서 서로 마주보는 위치에 존재하고, 이전 뷰포인트에서 이후 뷰포인트로 (핫스팟을 통하여) 이동하였을 때 서로 반대 방향으로 적응적 뷰포트 보상이 필요한 경우를 나타낼 수 있다.
점핑 타입은 (축들 정렬(axes alignment)이 된) 뷰포인트들 간에 스위칭이 일어날 대 적응적 뷰포트의 위치에 상관없이 다른 뷰포트로 이동가능한 핫스팟이 존재하고, 이동 후에 보상이 필요없는 유형을 나타낼 수 있다. 예를 들어, 이동 전 뷰포인트에서 스위칭 가능한 위치인 매개체가 이동 후의 뷰포인트의 정보를 전혀 알 수 없는 문이나, 창문의 경우라면, 이동 전 뷰포인트에서 뷰포트가 이동하더라도 이동 후의 뷰포트 정보를 보상할 필요가 없는 경우에 해당할 수 있다.
한편, 상술한 핫스팟 정보는 다른 예로 다음과 같이 구성될 수 있다.
Figure PCTKR2018008705-appb-T000006
상술한 필드들과 동일한 이름의 필드는 동일한 정보를 나를 수 있다. 이하 마찬가지이다.
한편, hotspotCenter_azimuth 필드, hotspotCenter_elevation 필드, hotspotCenter_distance 필드는 핫스팟 센터의 애지머스(azimuth), 엘리베이션(elevation), 디스턴스(distance)를 각각 나타낼 수 있다. 즉, 이 필드들은 뷰포인트 이동 전에 다른 뷰포인트와 연결된 지점인 상기 핫스팟의 중심점을 애지머스(azimuth), 엘리베이션(elevation), 디스턴스(distance)로 나타낼 수 있다. 해당 값들은 구형 좌표(spherical coordinate)로 나타낼 수도 있다.
viewport_center_azimuth 필드, viewport_center_elevation 필드, viewport_center_distance 필드는 상기 핫스팟이 위치하는 뷰포트(ex. 이전 뷰포트, 제1 뷰포트)의 뷰포트 센터(viewport_center)의 위치에 대한 애지머스(azimuth), 엘리베이션(elevation), 디스턴스(distance) 값을 각각 나타낸다. viewport_center_azimuth 필드, viewport_center_elevation 필드, viewport_center_distance 필드는 핫스팟 센터(hotspotCenter)와 뷰포트 센터(viewport_center)가 다른 경우, 다른 뷰포인트로 이동 시 렌더링되는 뷰포트(ex. 이후 뷰포트, 기본 뷰포트, 제2 뷰포트)의 위치를 보상(compensation)하기 위해 뷰포트 센터(viewport_center)의 위치를 구형 좌표(spherical coordinate)인 애지머스(azimuth), 엘리베이션(elevation), 디스턴스(distance)로 나타낼 수 있다.
Center_interactive_azimuth 필드, center_interactive_elevation 필드, center_interactive_distance 필드는 핫스팟 센터에서 선택된 뷰포인트로 이동 후에 보여주는 뷰포트(ex. 이후 뷰포트, 기본 뷰포트, 제2 뷰포트)의 센터의 위치(센터 인터렉티브(center_interactive))를 나타낼 수 있다. 해당 값들은 구형 애지머스(azimuth), 엘리베이션(elevation), 디스턴스(distance)로 나타낼 수 있다.
한편, 상술한 바와 같이 transfer_rate 필드는 상기 뷰포트 센터와 핫스팟 센터 차이 값인 이동 거리(transfer_distance)에 대한 가중치를 나타낸다. 예를 들어, transfer_rate 필드는 상기 이동 거리(transfer_distance)를 이용하여, 다른 뷰포인트로 연결 후에 위치를 보상한 뷰포트(ex. 보상된 뷰포트, 보상된 제2 뷰포트)를 보여주기 위해 필요한 가중치값을 나타낼 수 있다. 이 경우, 보상된 뷰포트의 센터 위치는 보상된 센터(compensated_center)라고 불릴 수 있다. 예를 들어, 상기 이동 거리(transfer_distance)를 그대로 반영하여 보상(compensation)하는 경우에는 상기 transfer_rate 필드의 값은 1, 상기 이동 거리(transfer_distance)보다 짧은 거리로 이동하여 렌더링한 뷰포트를 보여주는 경우에는 상기 transfer_rate 필드의 값은 1보다 작은 값, 더 많이 이동하여 렌더링한 뷰포트를 보여주는 경우에는 상기 transfer_rate 필드의 값은 1보다 큰 값을 가질 수 잇다. 이 때 보상(compensation) 방향은 상술한 핫스팟 타입에 따라 달라질 수 있다. transfer_rate는 예를 들어 핫스팟 타입별로 다음과 같이 적용될 수 있다.
도 25는 핫스팟 타입별 위치 보상 및 transfer_rate 적용 방향의 예를 나타낸다.
핫스팟으로 연결된 지점은 전술한 hotspot_center 값으로 나타낼 수 있으며, 상기 핫스팟을 통하여 사용자가 호출하게 되는 뷰포트(ex. 이전 뷰포트, 제1 뷰포트)의 중심 값과는 차이가 있을 수 있다. 즉, 핫스팟의 핫스팟 센터와 상기 핫스팟이 위치하는 뷰포트(ex. 이전 뷰포트, 제1 뷰포트)의 뷰포트 센터는 서로 다를 수 있다. 따라서, 상기 핫스팟의 센터와 뷰포트(ex. 이전 뷰포트, 제1 뷰포트)의 센터가 다른 경우에 각각의 좌표 값의 차이를 계산하면 도 25에서의 이동 거리(transfer_distance)가 될 수 있다. 상기 이동 거리를 기반으로 다른 뷰포인트 내의 뷰포트(ex. 이후 뷰포트, 기본 뷰포트, 제2 뷰포트)로부터 위치를 보상한 뷰포트(ex. 보상된 뷰포트, 보상된 제2 뷰포트)를 도출할 수 있다. 한편, 이 때, 상기 차이인 상기 이동 거리(transfer_distance)를 특정 범위 내로 제한하고, 그 특정 범위를 벗어나는 경우 상기 보상을 수행하지 않도록 제한할 수도 있다.
이동 거리(transfer_distance)를 계산한 후에는, 상술한 transfer_rate를 적용하여 해당 이동 거리를 얼만큼 보상할지 여부를 정할 수 있다. 예를 들어, 상기 transfer_rate는 0 내지 1 사이의 값을 가질 수 있다.
예를 들어, 사용자가 핫스팟을 선택(or 클릭)했을 때 스위칭 후 뷰포인트에서 세팅된 센터 인터렉티브(center_interactive)를 중심으로 하는 뷰포트(이후 뷰포트, 기본 뷰포트, 제2 뷰포트)를 렌더링할 수 있다. 사용자가 (상기 허용되는 특정 범위 내에서) 뷰포트(이전 뷰포트, 제1 뷰포트)의 뷰포트 센터를 이동한 후에 상기 핫스팟을 선택(or 클릭)하였다면, 이동 거리(transfer_distance)가 도출될 수 있다. 이 경우, 만약 transfer_rate가 1이라면, 스위칭한 viewpoint에서 연결되기로 한 센터 인터렉티브(center_interactive)(즉, 이후 뷰포트, 기본 뷰포트 or 제2 뷰포트의 센터)에서 상기 이동 거리(transfer_distance)만큼 떨어진 위치를 중심으로 하는 뷰포트(보상된 뷰포트, 보상된 제2 뷰포트)를 렌더링할 수 있다. 만약 transfer_rate가 0.5라면, 스위칭한 viewpoint에서 연결되기로 한 센터 인터렉티브(center_interactive)(즉, 이후 뷰포트, 기본 뷰포트 or 제2 뷰포트의 센터)에서 상기 이동 거리(transfer_distance)의 50% 거리만큼 떨어진 위치를 중심으로 하는 뷰포트(보상된 뷰포트, 보상된 제2 뷰포트)를 렌더링할 수 있다. transfer_rate는 transfer_distance/hotspotRange의 비율로 계산되거나 가중치를 가질 수도 있고, 임의로 지정할 수도 있다.
상기 transfer_rate는 도 26에 도시된 바와 같이 핫스팟 타입을 기반으로 다른 방향으로 적용될 수 있다. 예를 들어, 미러 타입이 적용되는 경우, 상기 보상 방향 및/또는 상기 transfer_rate 적용 방향은 이동 거리(transfer_distance) 방향의 반대 방향일 수 있다. 또한, 예를 들어, 포워드 타입이 적용되는 경우, 상기 보상 방향 및/또는 상기 transfer_rate 적용 방향은 이동 거리(transfer_distance) 방향과 같은 방향일 수 있다. 또한, 예를 들어, 점핑 타입이 적용되는 경우, 상기 보상 방향 및/또는 상기 transfer_rate 적용 방향은 없고, 보상이 적용되지 않을 수 있다.
스위칭 전 뷰포트(이전 뷰포트, 제1 뷰포트)의 viewport_center는 Head/eye 트랙킹 디바이스 혹은 센서로부터 획득된 사용자의 위치에서 사용자가 보고 있는 방향을 중심으로 형성되는 360 비디오의 일부 영역이며, 상기 스위칭 전 뷰포트(이전 뷰포트, 제1 뷰포트)의 크기는 디바이스의 FOV와 같이 specification에 따라 달라질 수 있다.
상기와 같은 본 발명에 따르면 핫스팟 센터와 해당 핫스팟이 위치하는 뷰포트(이전 뷰포트, 제1 뷰포트)의 뷰포트 센터의 위치를 고려하여 적응적 뷰포트를 사용자에게 제공할 수 있다. 이 경우 상기 핫스팟 센터와 상기 뷰포트 센터의 위치 차이를 이동 거리(transfer_distance)로 고려하여, 핫스팟을 통한 스위칭 이후의 뷰포트(이후 뷰포트, 기본 뷰포트, 제2 뷰포트)에 대한 보상을 적용하여 적응적 뷰포트(보상된 뷰포트, 보상된 제2 뷰포트)를 사용자에게 제공할 수 있다.
도 26은 본 발명에 따른 적응적 뷰포트 적용 예를 나타낸다.
도 26을 참조하면 (a)에 도시된 바와 같이 기존에는 제1 뷰포인트 내의 핫스팟이 위치하는 뷰포트(이전 뷰포트, 제1 뷰포트)의 뷰포트 센터와 핫스팟 센터가 일치하는 경우만을 가정하여 핫스팟을 통한 스위칭을 수행하였다. 따라서, (b) 도시된 바와 같이 상기 제1 뷰포인트 내의 상기 핫스팟이 위치하는 뷰포트(이전 뷰포트, 제1 뷰포트)의 뷰포트 센터와 핫스팟 센터가 일치하지 않는 경우에도 단순히 핫스팟에 링크된 제2 뷰포인트의 뷰포트(이후 뷰포트, 기본 뷰포트, 제2 뷰포트)의 센터가 바로 렌더링 또는 디스플레이되었으며 이는 사용자에게 어지러움증을 유발 시킬 수 있거나 자연스러운 컨텐츠의 이동이 제한적이게 하였다. 그러나 본 발명에 따르면 (c)에 도시된 바와 같이 상기 핫스팟이 위치하는 뷰포트(이전 뷰포트, 제1 뷰포트)의 뷰포트 센터와 핫스팟 센터가 일치하지 않는 경우 상기 핫스팟 센터와 상기 뷰포트 센터의 위치 차이를 이동 거리(transfer_distance)로 고려하여, 핫스팟을 통한 스위칭 이후의 뷰포트(이후 뷰포트, 기본 뷰포트, 제2 뷰포트)에 대한 보상을 적용하여 적응적 뷰포트(보상된 뷰포트, 보상된 제2 뷰포트)를 사용자에게 제공할 수 있고, 이를 통하여 뷰포인트 전환시 사용자 시각 피로도 등의 사용자 불편을 최소화할 수 있다.
본 발명에 따른 다중 뷰포인트 전방향 비디오(360 비디오) 정보를 시그널링하기 위하여, 상술한 바와 같은 다중 뷰포인트 정보는 예를 들어 상술한 Multi viewpoint_info() struct로 ISOBMFF 내 timed medtadata track 의 sample entry 혹은 mdat 내에 하기와 같은 형태의 MultiviewpointOmniVideoSampleEntry 혹은 MultiviewpointOmniVideoSample() 내에 위치할 수 있다. 이는 ISOBMFF 내 다른 박스에 존재할 수도 있다.
Figure PCTKR2018008705-appb-T000007
비록 표 8에서 origin_viewpoint_ID 필드가 생략되었으나 이는 예시로서, 상술한 표 1에서 나타낸 바와 같이 origin_viewpoint_ID 필드가 더 포함될 수도 있다.
한편, 앞서 제안한 다중 뷰포인트 정보(multiviewpoint_Info()), (축들) 정렬 정보(Alignmnet_struct()), 핫스팟 정보(Hotspot_Info())는 예를 들어 하기와 같이 ISOBMFF의 moov 박스에 포함되는 track header('tkhd') 박스에 포함될 수 있다.
Figure PCTKR2018008705-appb-T000008
다중 뷰포인트 정보 플래그(Multiviewpoint_info_flag) 필드는 비디오 트랙 내에 다중 뷰포인트 전방향 비디오(360 비디오) 정보를 포함하고 있는지 여부를 나타낼 수 있다. 상기 다중 뷰포인트 정보 플래그 필드의 값이 1인 경우 비디오 트랙 내에 상기 다중 뷰포인트 전방향 비디오(360 비디오) 정보가 포함되어 있음을 나타낼 수 있으며, 상기 다중 뷰포인트 정보 플래그 필드의 값이 0인 경우에는 기존의 360 Video를 시그널링하기 위해 SphereRegionStruct를 호출할 수 있다.
한편, ISOBMFF 의 track box에 포함되는 video media header('vmhd') 박스에 하기와 같이 전술한 다중 뷰포인트 전방향 비디오 정보 관련 메타데이터를 포함될 수도 있다.
Figure PCTKR2018008705-appb-T000009
한편, Track header(tkhd) 박스와 video media header 박스에 다중 뷰포인트 전방향 비디오 정보 관련 메타데이터가 동시에 포함되는 경우 track header 박스에 정의된 다중 뷰포인트 정보 플래그 및 다중 뷰포인트 전방향 비디오 정보 관련 메타데이터의 각 요소들의 값은 video media header에 정의된 값으로 오버라이드(override) 될 수 있다.
Track 내에서 다중 뷰포인트 지원 전방향 비디오들 정보의 연결 유무를 알려줌으로써 다중 뷰포인트 전방향 비디오 정보가 연결되어 있을 경우에만 추가 정보를 처리 할 수 있도록 하기 위해 참조 타입(reference type)을 정의할 수 있다. 'mvom'는 해당 track 안에 다중 뷰포인트 전방향 비디오 정보가 존재 한다는 것을 알려주기 위한 track reference로 쓰일 수 있으며, 다중 뷰포인트 전방향 비디오 정보이 연결 되어 있는 track_ID 정보를 알려줄 수 있다. 이는 예를 들어 다음 표 11 및 표 12와 같이 나타내어질 수 있다.
Figure PCTKR2018008705-appb-T000010
Figure PCTKR2018008705-appb-T000011
한편, 'meta' box 내에 위치하는 'hdlr' box를 이용하여 핫스팟의 위치, 연결된 VR 컨텐츠(360 컨텐츠)를 선택 후 플레이 해야 하는 위치, 현재 재생되고 있는 VR 컨텐츠의 장면(scene)에서 핫스팟이 연결되어 있다는 정보를 노출할 시간 등을 정의 할 수 있다. Handler box 중 MultiviewpointInformationBox인 'mvom'는 예를 들어 아래와 같이 구성 될 수 있다.
Figure PCTKR2018008705-appb-T000012
한편, TrackGroupBox 내에 동일한 track_group_type으로 묶여 있고, 같은 track_group_id를 가지는 트랙들은 하나의 그룹으로 묶을 수 있으므로, 다중 뷰포인트 전방향 비디오 정보를 담고 있는 Track을 Group으로 묶을 수도 있다. track_group_type이 'mvom은 다중 뷰포인트 전방향 비디오를 표현할 수 있는 그룹에 속하는 track임을 의미 하며, 같은 track_group_id를 가질 경우 동일한 다중 뷰포인트 전방향 비디오 정보을 가짐을 의미할 수 있다. 이는 예를 등러 다음 표와 같이 나타내어질 수 있다.
Figure PCTKR2018008705-appb-T000013
앞에서 제안한 정보 들은 미디어 파일 포멧(media file format)내 sample entry, sample group box, track group 박스 등 어떠한 box 에도 존재할 수 있으며 더 나아가 제안한 정보들이 DASH MPD 내에 시그널링 될 수 있고, 비디오 비트스트림 내 SEI 등에 포함되어 전달될 수 있다.
상술한 본 발명에 따르면, 각 뷰포인트에서 원점(origin point)을 중심으로 생성되는 3차원의 축이 일치 하지 않는 다중 뷰포인트 360 비디오들 간에 회전 및 축의 이동 등을 이용하여 축을 일치시킬 수 있다.
또한, 두 개의 360 비디오들 간에 특정 지점에서 이동 또는 스위칭 가능한 연결 지점인 핫스팟이 존재하며, 사용자는 해당 핫스팟을 선택함으로써 하나의 360 비디오(제1 뷰포인트 기반 360 비디오)에서 다른 360 비디오(제2 뷰포인트 기반 360 비디오)로 이동할 수 있다. 이 경우 해당 핫스팟 선택 후 이동한 제2 뷰포인트에서 디스플레이할 뷰포트를 지정할 수 있다.
또한, 제1 뷰포인트 내에서 핫스팟과 뷰포트의 중심 점이 일치 하지 않을 때 일치 하지 않는 만큼 거리 차이를 이동 거리(transfer_distance)로 명시적 또는 묵시적으로 시그널링할 수 있으며, 새로운 360 비디오(제2 뷰포인트의 360 비디오)에서 상기 이동 거리 기반 보상된 뷰포트를 표현해 낼 수 있다. 이와 같이 거리 보상이 된 뷰포트를 재생함으로써 사용자가 컨텐츠를 활용할 때 급격한 뷰포트 이동으로 인해 발생할 수 있는 시각 피로도를 줄일 수 있다.
도 27은 본 발명에 따른 360 비디오 전송 장치에 의한 다중 뷰포인트 지원 360 비디오 데이터 처리 방법을 개략적으로 나타낸다. 도 27에서 개시된 방법은 도 5 또는 도 16에서 개시된 360 비디오 전송 장치에 의하여 수행될 수 있다.
360 비디오 전송 장치는 다중 뷰포인트들을 지원하는 360 비디오들을 획득한다(S2700). 상기 360 비디오들은 적어도 하나의 카메라에 의해 캡쳐된 비디오일 수 있다. 또는 상기 360 비디오들의 일부 또는 전부는 컴퓨터 프로그램 등에 의하여 생성된 가상의 비디오들일 수 있다.
360 비디오 전송 장치는 상기 360 비디오들을 처리하여 뷰포인트들 각각에 연관된 픽처들을 도출한다(S2710). 360 비디오 전송 장치는 상술한 여러 프로젝션 포멧 등을 기반으로 2D 기반의 상기 픽처들을 도출할 수 있다. 이 경우 각 뷰포인트별로 구분되어 상기 픽처들이 도출될 수 있다.
360 비디오 전송 장치는 상기 다중 뷰포인트들을 지원하는 360 비디오들에 관한 메타데이터를 생성한다(S2720). 여기서, 상기 메타데이터는 본 명세서에서 전술한 필드들을 포함할 수 잇다. 상기 필드들은 다양한 레벨의 박스(box)에 포함되거나 파일 내에서 별도의 트랙내의 데이터로 포함될 수 있다. 예를 들어, 상기 메타데이터는 상기 표 1 내지 14에서 상술한 정보의 일부 또는 전부를 포함할 수 있다. 예를 들어, 상기 메타데이터는 상술한 다중 뷰포인트 정보를 포함할 수 있다. 상기 다중 뷰포인트 정보는 상술한 핫스팟 정보 및 축 정렬 정보를 포함할 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 상기 다중 뷰포인트들 중 제1 뷰포인트의 제1 뷰포트 내의 핫스팟을 통해 제2 뷰포인트 내의 제2 뷰포트가 연결되었음을 나타낼 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 상기 제1 뷰포트의 센터 위치에 관한 정보 및 상기 핫스팟의 센터 위치에 관한 정보를 포함하고, 상기 제2 뷰포트의 센터 위치는 상기 제1 뷰포트의 상기 센터 위치 및 상기 핫스팟의 상기 센터 위치 간 거리 차이를 이용하여 보상된(compensated) 위치를 나타낼 수 있다. 예를 들어, 상기 거리 차가 미리 결정된 임계값보다 큰 경우 상기 제2 뷰포트의 센터 위치는 상기 거리 차를 이용하여 보상된 위치일 수 있다. 상기 임계값은 0일 수도 있고 n 값으로 정의될 수도 있다.
예를 들어, 상기 다중 뷰포인트 정보는 상기 핫스팟에 연관된 상기 제2 뷰포인트 내의 기본 뷰포트의 센터 위치에 관한 정보를 더 포함하고, 상기 제2 뷰포트의 상기 센터 위치는 상기 기본 뷰포트의 상기 센터 위치를 기반으로 상기 거리 차이를 이용하여 보상된 위치를 나타낼 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 이동 레이트(transfer rate) 정보를 포함하고, 상기 이동 레이트 정보는 상기 거리 차이에 대한 가중치값을 나타내고, 상기 제2 뷰포트의 상기 센터 위치는 상기 거리 차이에 상기 가중치 값을 적용하여 보상된 위치를 나타낼 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 핫스팟 타입 정보를 포함하고, 상기 핫스팟 타입 정보는 포워드 타입, 미러 타입 및 점핑 타입 중 적어도 하나를 포함하며, 상기 포워드 타입이 적용되는 경우 상기 제2 뷰포트의 센터 위치에 적용된 보상 방향은 상기 미러 타입이 적용되는 경우의 상기 제2 뷰포트의 상기 센터 위치에 적용된 보상 방향과 다를 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 상기 제2 뷰포트의 수직 크기 및 수평 크기에 관한 정보를 포함하고, 상기 제2 뷰포트의 상기 수직 크기 및 상기 수평 크기에 관한 정보를 더 기반으로 상기 제2 뷰포트가 도출될 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 상기 제1 뷰포인트 또는 상기 제1 뷰포트에 연결되어 있는 다른 뷰포인트들의 개수에 관한 정보를 포함할 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 상기 제1 뷰포인트 또는 상기 제2 뷰포인트에 대한 축들 정렬에 관한 축 정렬 정보를 포함하고, 상기 축 정렬 정보는 상기 제1 뷰포인트 또는 상기 제2 뷰포인트에 대한 상기 축들을 기준 축들과 정렬시키기 위한, 적어도 하나의 축에 관한 오프셋 값을 나타낼 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 기준 뷰포인트에 관한 정보를 포함하고, 상기 기준 뷰포인트의 축들을 기반으로 상기 기준 축들이 도출될 수 있다.
예를 들어, 상기 축들 정렬에 관한 정보는 X축, Y축 및 Z축 중 적어도 하나의 축에 대한 오프셋 값들을 나타낼 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 상기 제1 뷰포인트 또는 상기 제2 뷰포인트에 대한 정렬 플래그를 포함하고, 상기 정렬 플래그의 값이 1인 경우에 상기 다중 뷰포인트 정보는 상기 축 정렬 정보를 포함할 수 있다.
예를 들어, 상기 메타데이터는 다중 뷰포인트 정보 플래그를 포함하고, 상기 다중 뷰포인트 정보 플래그의 값이 1인 경우에, 상기 다중 뷰포인트 정보가 상기 메타데이터에 포함될 수도 있다.
상기 뷰포인트들 각각에 연관된 픽처들을 인코딩한다(S2730). 360 비디오 전송 장치는 상기 뷰포인트들 각각에 연관된 픽처들을 구분하여 인코딩할 수 있다.
360 비디오 전송 장치는 상기 인코딩된 픽처들 및 상기 메타데이터에 대하여 저장 또는 전송을 위한 처리를 수행한다(S2740). 360 비디오 전송 장치는 상기 인코딩된 360 비디오 데이터(인코딩된 픽처들에 관한 데이터) 및/또는 상기 메타데이터를 파일 등의 형태로 인캡슐레이션(encapsulation)할 수 있다. 360 비디오 전송 장치는 인코딩된 360 비디오 데이터 및/또는 상기 메타데이터를 저장 또는 전송하기 위하여 ISOBMFF, CFF 등의 파일 포맷으로 인캡슐레이션하거나, 기타 DASH 세그먼트 등의 형태로 처리할 수 있다. 360 비디오 전송 장치는 상기 메타데이터를 파일 포맷 상에 포함시킬 수 있다. 예를 들어, 상기 메타데이터는 ISOBMFF 파일 포맷 상의 다양한 레벨의 박스(box)에 포함되거나 파일 내에서 별도의 트랙내의 데이터로 포함될 수 있다. 또한, 360 비디오 전송 장치는 상기 메타데이터 자체를 파일로 인캡슐레이션할 수 있다. 360 비디오 전송 장치는 파일 포맷에 따라 인캡슐레이션된 상기 360 비디오 데이터에 전송을 위한 처리를 가할 수 있다. 360 비디오 전송 장치는 임의의 전송 프로토콜에 따라 상기 360 비디오 데이터를 처리할 수 있다. 전송을 위한 처리에는 방송망을 통한 전달을 위한 처리, 또는 브로드밴드 등의 통신 네트워크를 통한 전달을 위한 처리를 포함할 수 있다. 또한, 360 비디오 전송 장치는 상기 메타데이터에 전송을 위한 처리를 가할 수도 있다. 360 비디오 전송 장치는 전송 처리된 상기 360 비디오 데이터 및 상기 메타데이터를 방송망 및/또는 브로드밴드를 통해 전송할 수 있다.
도 28은 본 발명에 따른 360 비디오 수신 장치에 의한 다중 뷰포인트 지원 360 비디오 데이터 처리 방법을 개략적으로 나타낸다. 도 28에서 개시된 방법은 도 6 또는 도 17에서 개시된 360 비디오 수신 장치에 의하여 수행될 수 있다.
수신된 비디오 신호로부터 다중 뷰포인트들 기반 360 비디오들의 픽처들에 대한 영상 정보 및 상기 다중 뷰포인트들 기반 360 비디오들에 대한 메타데이터를 획득한다(S2800). 360 비디오 수신 장치는 방송망을 통하여 360 비디오 전송 장치로부터 시그널링된 다중 뷰포인트들 기반 360 비디오들의 픽처들에 대한 영상 정보 및 상기 메타데이터를 획득할 수 있다. 또한, 360 비디오 수신 장치는 브로드밴드 등의 통신 네트워크, 또는 저장매체를 통하여 상기 영상 정보 및 상기 메타데이터를 수신할 수도 있다. 여기서, 상기 픽처는 2D 기반 픽처는 나타낼 수 있고, 프로젝티드 픽처 또는 팩드 픽처(리전별 패킹이 적용된 경우)에 대응될 수 있다.
상기 메타데이터는 본 명세서에서 전술한 필드들을 포함할 수 잇다. 상기 필드들은 다양한 레벨의 박스(box)에 포함되거나 파일 내에서 별도의 트랙내의 데이터로 포함될 수 있다. 예를 들어, 상기 메타데이터는 상기 표 1 내지 14에서 상술한 정보의 일부 또는 전부를 포함할 수 있다. 예를 들어, 상기 메타데이터는 상술한 다중 뷰포인트 정보를 포함할 수 있다. 상기 다중 뷰포인트 정보는 상술한 핫스팟 정보 및 축 정렬 정보를 포함할 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 상기 다중 뷰포인트들 중 제1 뷰포인트의 제1 뷰포트 내의 핫스팟을 통해 제2 뷰포인트 내의 제2 뷰포트가 연결되었음을 나타낼 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 상기 제1 뷰포트의 센터 위치에 관한 정보 및 상기 핫스팟의 센터 위치에 관한 정보를 포함하고, 상기 제2 뷰포트의 센터 위치는 상기 제1 뷰포트의 상기 센터 위치 및 상기 핫스팟의 상기 센터 위치 간 거리 차이를 이용하여 보상된(compensated) 위치를 나타낼 수 있다. 예를 들어, 상기 거리 차가 미리 결정된 임계값보다 큰 경우 상기 제2 뷰포트의 센터 위치는 상기 거리 차를 이용하여 보상된 위치일 수 있다. 상기 임계값은 0일 수도 있고 n 값으로 정의될 수도 있다.
예를 들어, 상기 다중 뷰포인트 정보는 상기 핫스팟에 연관된 상기 제2 뷰포인트 내의 기본 뷰포트의 센터 위치에 관한 정보를 더 포함하고, 상기 제2 뷰포트의 상기 센터 위치는 상기 기본 뷰포트의 상기 센터 위치를 기반으로 상기 거리 차이를 이용하여 보상된 위치를 나타낼 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 이동 레이트(transfer rate) 정보를 포함하고, 상기 이동 레이트 정보는 상기 거리 차이에 대한 가중치값을 나타내고, 상기 제2 뷰포트의 상기 센터 위치는 상기 거리 차이에 상기 가중치 값을 적용하여 보상된 위치를 나타낼 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 핫스팟 타입 정보를 포함하고, 상기 핫스팟 타입 정보는 포워드 타입, 미러 타입 및 점핑 타입 중 적어도 하나를 포함하며, 상기 포워드 타입이 적용되는 경우 상기 제2 뷰포트의 센터 위치에 적용된 보상 방향은 상기 미러 타입이 적용되는 경우의 상기 제2 뷰포트의 상기 센터 위치에 적용된 보상 방향과 다를 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 상기 제2 뷰포트의 수직 크기 및 수평 크기에 관한 정보를 포함하고, 상기 제2 뷰포트의 상기 수직 크기 및 상기 수평 크기에 관한 정보를 더 기반으로 상기 제2 뷰포트가 도출될 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 상기 제1 뷰포인트 또는 상기 제1 뷰포트에 연결되어 있는 다른 뷰포인트들의 개수에 관한 정보를 포함할 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 상기 제1 뷰포인트 또는 상기 제2 뷰포인트에 대한 축들 정렬에 관한 축 정렬 정보를 포함하고, 상기 축 정렬 정보는 상기 제1 뷰포인트 또는 상기 제2 뷰포인트에 대한 상기 축들을 기준 축들과 정렬시키기 위한, 적어도 하나의 축에 관한 오프셋 값을 나타낼 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 기준 뷰포인트에 관한 정보를 포함하고, 상기 기준 뷰포인트의 축들을 기반으로 상기 기준 축들이 도출될 수 있다.
예를 들어, 상기 축들 정렬에 관한 정보는 X축, Y축 및 Z축 중 적어도 하나의 축에 대한 오프셋 값들을 나타낼 수 있다.
예를 들어, 상기 다중 뷰포인트 정보는 상기 제1 뷰포인트 또는 상기 제2 뷰포인트에 대한 정렬 플래그를 포함하고, 상기 정렬 플래그의 값이 1인 경우에 상기 다중 뷰포인트 정보는 상기 축 정렬 정보를 포함할 수 있다.
예를 들어, 상기 메타데이터는 다중 뷰포인트 정보 플래그를 포함하고, 상기 다중 뷰포인트 정보 플래그의 값이 1인 경우에, 상기 다중 뷰포인트 정보가 상기 메타데이터에 포함될 수도 있다.
상기 메타데이터 및 상기 영상 정보를 기반으로 제1 뷰포인트의 제1 뷰포트의 영상을 디코딩한다(S2810). 360 비디오 수신 장치는 상기 메타데이터 및 상기 영상 정보를 기반으로 상기 제1 뷰포인트의 픽처 전체 영역을 디코딩할 수도 있고, 또는 상기 제1 뷰포트를 포함하는 일부 영역을 디코딩할 수도 있다.
360 비디오 수신 장치는 상기 제1 뷰포트의 영상을 3D 공간으로 렌더링한다(S2820). 360 비디오 수신 장치는 상기 메타데이터를 기반으로 상기 디코딩된 상기 제1 뷰포트의 영상을 처리하여 3D 공간으로 렌더링할 수 있다.
360 비디오 수신 장치는 상기 메타데이터 및 상기 영상 정보를 기반으로 제2 뷰포인트의 제2 뷰포트의 영상을 디코딩한다(S2830). 360 비디오 수신 장치는 상기 메타데이터 및 상기 영상 정보를 기반으로 상기 제2 뷰포인트의 픽처 전체 영역을 디코딩할 수도 있고, 또는 상기 제2 뷰포트를 포함하는 일부 영역을 디코딩할 수도 있다.
360 비디오 수신 장치는 상기 제1 뷰포트 내의 핫스팟(hotspot)을 통해 연결된 상기 제2 뷰포인트 내의 상기 제2 뷰포트를 상기 다중 뷰포인트 정보를 기반으로 도출한다(S2840). 360 비디오 수신 장치는 상기 제1 뷰포트 내의 핫스팟(hotspot)이 선택된 경우 상기 핫스팟을 통해 연결된 상기 제2 뷰포인트 내의 상기 제2 뷰포트를 상기 다중 뷰포인트 정보를 기반으로 도출할 수 있다.
360 비디오 수신 장치는 상기 제2 뷰포트의 영상을 상기 3D 공간으로 렌더링한다(S2850). 360 비디오 수신 장치는 상기 메타데이터를 기반으로 상기 디코딩된 상기 제2 뷰포트의 영상을 처리하여 3D 공간으로 렌더링할 수 있다.
전술한 단계들은 실시예에 따라 생략되거나, 유사/동일한 동작을 수행하는 다른 단계에 의해 대체될 수 있다.
전술한 장치의 내부 컴포넌트들은 메모리에 저장된 연속된 수행과정들을 실행하는 프로세서들이거나, 그 외의 하드웨어로 구성된 하드웨어 컴포넌트들일 수 있다. 이 들은 장치 내/외부에 위치할 수 있다.
전술한 모듈들은 실시예에 따라 생략되거나, 유사/동일한 동작을 수행하는 다른 모듈에 의해 대체될 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/블락/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 (20)

  1. 360 비디오 수신 장치에 의하여 수행되는 360 비디오 데이터 처리 방법으로,
    수신된 비디오 신호로부터 다중 뷰포인트들 기반 360 비디오들의 픽처들에 대한 영상 정보 및 상기 다중 뷰포인트들 기반 360 비디오들에 대한 메타데이터를 획득하되, 상기 메타데이터는 다중 뷰포인트 정보를 포함하는 단계;
    상기 메타데이터 및 상기 영상 정보를 기반으로 제1 뷰포인트의 제1 뷰포트의 영상을 디코딩하는 단계;
    상기 제1 뷰포트의 영상을 3D 공간으로 렌더링하는 단계;
    상기 메타데이터 및 상기 영상 정보를 기반으로 제2 뷰포인트의 제2 뷰포트의 영상을 디코딩하는 단계;
    상기 제1 뷰포트 내의 핫스팟(hotspot)을 통해 연결된 상기 제2 뷰포인트 내의 상기 제2 뷰포트를 상기 다중 뷰포인트 정보를 기반으로 도출하는 단계;
    상기 제2 뷰포트의 영상을 상기 3D 공간으로 렌더링하는 단계를 포함함을 특징으로 하는, 360 비디오 데이터 처리 방법.
  2. 제1항에 있어서,
    상기 다중 뷰포인트 정보는 상기 제1 뷰포트의 센터 위치에 관한 정보 및 상기 핫스팟의 센터 위치에 관한 정보를 포함하고,
    상기 제2 뷰포트의 센터 위치는 상기 제1 뷰포트의 상기 센터 위치 및 상기 핫스팟의 상기 센터 위치 간 거리 차이를 이용하여 보상된(compensated) 위치인 것을 특징으로 하는 360 비디오 데이터 처리 방법.
  3. 제2항에 있어서,
    상기 다중 뷰포인트 정보는 상기 핫스팟에 연관된 상기 제2 뷰포인트 내의 기본 뷰포트의 센터 위치에 관한 정보를 더 포함하고,
    상기 제2 뷰포트의 상기 센터 위치는 상기 기본 뷰포트의 상기 센터 위치를 기반으로 상기 거리 차이를 이용하여 보상된 위치인 것을 특징으로 하는, 360 비디오 데이터 처리 방법.
  4. 제3항에 있어서,
    상기 다중 뷰포인트 정보는 이동 레이트(transfer rate) 정보를 포함하고,
    상기 이동 레이트 정보는 상기 거리 차이에 대한 가중치값을 나타내고,
    상기 제2 뷰포트의 상기 센터 위치는 상기 거리 차이에 상기 가중치 값을 적용하여 보상된 위치인 것을 특징으로 하는, 360 비디오 데이터 처리 방법.
  5. 제3항에 있어서,
    상기 다중 뷰포인트 정보는 핫스팟 타입 정보를 포함하고,
    상기 핫스팟 타입 정보는 포워드 타입, 미러 타입 및 점핑 타입 중 적어도 하나를 포함하며,
    상기 포워드 타입이 적용되는 경우 상기 제2 뷰포트의 센터 위치에 적용된 보상 방향은 상기 미러 타입이 적용되는 경우의 상기 제2 뷰포트의 상기 센터 위치에 적용된 보상 방향과 다른 것을 특징으로 하는, 360 비디오 데이터 처리 방법.
  6. 제4항에 있어서,
    상기 다중 뷰포인트 정보는 핫스팟 타입 정보를 포함하고,
    상기 핫스팟 타입 정보는 포워드 타입, 미러 타입 및 점핑 타입 중 적어도 하나를 포함하며,
    상기 포워드 타입이 적용되는 경우 상기 제2 뷰포트의 센터 위치에 적용된 보상 방향은 상기 미러 타입이 적용되는 경우의 상기 제2 뷰포트의 상기 센터 위치에 적용된 보상 방향과 다른 것을 특징으로 하는, 360 비디오 데이터 처리 방법.
  7. 제1항에 있어서,
    상기 다중 뷰포인트 정보는 상기 제2 뷰포트의 수직 크기 및 수평 크기에 관한 정보를 포함하고,
    상기 제2 뷰포트의 상기 수직 크기 및 상기 수평 크기에 관한 정보를 더 기반으로 상기 제2 뷰포트가 도출되는 것을 특징으로 하는, 360 비디오 데이터 처리 방법.
  8. 제1항에 있어서,
    상기 다중 뷰포인트 정보는 상기 제1 뷰포인트 또는 상기 제1 뷰포트에 연결되어 있는 다른 뷰포인트들의 개수에 관한 정보를 포함하는 것을 특징으로 하는, 360 비디오 데이터 처리 방법.
  9. 제1항에 있어서,
    상기 메타데이터는 다중 뷰포인트 정보 플래그를 포함하고,
    상기 다중 뷰포인트 정보 플래그의 값이 1인 경우에, 상기 다중 뷰포인트 정보가 상기 메타데이터에 포함되는 것을 특징으로 하는, 360 비디오 데이터 처리 방법.
  10. 제2항에 있어서,
    상기 거리 차가 미리 결정된 임계값보다 큰 경우 상기 제2 뷰포트의 센터 위치는 상기 거리 차를 이용하여 보상된 위치인 것을 특징으로 하는, 360 비디오 데이터 처리 방법.
  11. 제1항에 있어서,
    상기 다중 뷰포인트 정보는 상기 제1 뷰포인트 또는 상기 제2 뷰포인트에 대한 축들 정렬에 관한 정보를 포함하고,
    상기 축들 정렬에 관한 정보는 상기 제1 뷰포인트 또는 상기 제2 뷰포인트에 대한 상기 축들을 기준 축들과 정렬시키기 위한, 적어도 하나의 축에 관한 오프셋 값을 나타내는 것을 특징으로 하는, 360 비디오 데이터 처리 방법.
  12. 제11항에 있어서,
    상기 다중 뷰포인트 정보는 기준 뷰포인트에 관한 정보를 포함하고,
    상기 기준 뷰포인트의 축들을 기반으로 상기 기준 축들이 도출되는 것을 특징으로 하는, 360 비디오 데이터 처리 방법.
  13. 제11항에 있어서,
    상기 축들 정렬에 관한 정보는 X축, Y축 및 Z축 중 적어도 하나의 축에 대한 오프셋 값들을 나타내는 것을 특징으로 하는, 360 비디오 데이터 처리 방법.
  14. 제11항에 있어서,
    상기 다중 뷰포인트 정보는 상기 제1 뷰포인트 또는 상기 제2 뷰포인트에 대한 정렬 플래그를 포함하고,
    상기 정렬 플래그의 값이 1인 경우에 상기 다중 뷰포인트 정보는 상기 축들 정렬에 관한 정보를 포함하는 것을 특징으로 하는, 360 비디오 데이터 처리 방법.
  15. 360 비디오 전송 장치에 의하여 수행되는 360 비디오 데이터 처리 방법으로,
    다중 뷰포인트들을 지원하는 360 비디오들을 획득하는 단계;
    상기 360 비디오들을 처리하여 뷰포인트들 각각에 연관된 픽처들을 도출하는 단계;
    다중 뷰포인트 정보를 포함하는 메타데이터를 생성하는 단계;
    상기 뷰포인트들 각각에 연관된 픽처들을 인코딩하는 단계; 및
    상기 인코딩된 픽처들 및 상기 메타데이터에 대하여 저장 또는 전송을 위한 처리를 수행하는 단계를 포함하되,
    상기 다중 뷰포인트 정보는 상기 다중 뷰포인트들 중 제1 뷰포인트의 제1 뷰포트 내의 핫스팟을 통해 제2 뷰포인트 내의 제2 뷰포트가 연결되었음을 나타내는 것을 특징으로 하는, 360 비디오 데이터 처리 방법.
  16. 제15항에 있어서,
    상기 다중 뷰포인트 정보는 상기 제1 뷰포트의 센터 위치에 관한 정보 및 상기 핫스팟의 센터 위치에 관한 정보를 포함하고,
    상기 제2 뷰포트의 센터 위치는 상기 제1 뷰포트의 상기 센터 위치 및 상기 핫스팟의 상기 센터 위치 간 거리 차이를 이용하여 보상된(compensated) 위치인 것을 특징으로 하는 360 비디오 데이터 처리 방법.
  17. 제15항에 있어서,
    상기 다중 뷰포인트 정보는 상기 핫스팟에 연관된 상기 제2 뷰포인트 내의 기본 뷰포트의 센터 위치에 관한 정보를 더 포함하고,
    상기 제2 뷰포트의 상기 센터 위치는 상기 기본 뷰포트의 상기 센터 위치를 기반으로 상기 거리 차이를 이용하여 보상된 위치인 것을 특징으로 하는, 360 비디오 데이터 처리 방법.
  18. 제15항에 있어서,
    상기 다중 뷰포인트 정보는 상기 제1 뷰포인트 또는 상기 제2 뷰포인트에 대한 축들 정렬에 관한 정보를 포함하고,
    상기 축들 정렬에 관한 정보는 상기 제1 뷰포인트 또는 상기 제2 뷰포인트에 대한 상기 축들을 기준 축들과 정렬시키기 위한, 적어도 하나의 축에 관한 오프셋 값을 나타내는 것을 특징으로 하는, 360 비디오 데이터 처리 방법.
  19. 제18항에 있어서,
    상기 축들 정렬에 관한 정보는 X축, Y축 및 Z축 중 적어도 하나의 축에 대한 오프셋 값들을 나타내는 것을 특징으로 하는, 360 비디오 데이터 처리 방법.
  20. 360 비디오 수신 장치에 있어서,
    수신된 비디오 신호로부터 다중 뷰포인트들 기반 360 비디오들의 픽처들에 대한 영상 정보 및 상기 다중 뷰포인트들 기반 360 비디오들에 대한 메타데이터를 획득하되, 상기 메타데이터는 다중 뷰포인트 정보를 포함하는 수신처리부;
    상기 메타데이터 및 상기 영상 정보를 기반으로 제1 뷰포인트의 제1 뷰포트의 영상을 디코딩하고, 상기 메타데이터 및 상기 영상 정보를 기반으로 제2 뷰포인트의 제2 뷰포트의 영상을 디코딩하는 데이터 디코더;
    상기 제1 뷰포트의 영상을 3D 공간으로 렌더링하고, 상기 제1 뷰포트 내의 핫스팟(hotspot)을 통해 연결된 상기 제2 뷰포인트 내의 상기 제2 뷰포트를 상기 다중 뷰포인트 정보를 기반으로 도출하고, 상기 제2 뷰포트의 영상을 상기 3D 공간으로 렌더링하는 렌더러를 포함함을 특징으로 하는, 360 비디오 수신 장치.
PCT/KR2018/008705 2018-07-31 2018-07-31 다중 뷰포인트 기반 360 비디오 처리 방법 및 그 장치 WO2020027349A1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
PCT/KR2018/008705 WO2020027349A1 (ko) 2018-07-31 2018-07-31 다중 뷰포인트 기반 360 비디오 처리 방법 및 그 장치
US16/767,558 US10965928B2 (en) 2018-07-31 2018-07-31 Method for 360 video processing based on multiple viewpoints and apparatus therefor
KR1020207014936A KR102278848B1 (ko) 2018-07-31 2018-07-31 다중 뷰포인트 기반 360 비디오 처리 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2018/008705 WO2020027349A1 (ko) 2018-07-31 2018-07-31 다중 뷰포인트 기반 360 비디오 처리 방법 및 그 장치

Publications (1)

Publication Number Publication Date
WO2020027349A1 true WO2020027349A1 (ko) 2020-02-06

Family

ID=69232593

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/008705 WO2020027349A1 (ko) 2018-07-31 2018-07-31 다중 뷰포인트 기반 360 비디오 처리 방법 및 그 장치

Country Status (3)

Country Link
US (1) US10965928B2 (ko)
KR (1) KR102278848B1 (ko)
WO (1) WO2020027349A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116248895A (zh) * 2023-05-06 2023-06-09 上海扬谷网络科技有限公司 虚拟现实全景漫游的视频云转码方法及系统

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6977725B2 (ja) * 2016-08-03 2021-12-08 ソニーグループ株式会社 画像処理装置および画像処理方法
WO2018131813A1 (en) * 2017-01-10 2018-07-19 Samsung Electronics Co., Ltd. Method and apparatus for generating metadata for 3d images
CN110546688B (zh) * 2017-05-30 2023-11-17 索尼公司 图像处理装置和方法、文件生成装置和方法及程序
KR102287133B1 (ko) * 2018-11-30 2021-08-09 한국전자기술연구원 자유 시점 영상 제공 방법 및 장치
CN111263191B (zh) * 2018-11-30 2023-06-27 中兴通讯股份有限公司 视频数据的处理方法、装置、相关设备及存储介质
CN114787874A (zh) * 2019-12-19 2022-07-22 索尼集团公司 信息处理装置、信息处理方法和记录介质
US11887151B2 (en) * 2022-02-14 2024-01-30 Korea Advanced Institute Of Science And Technology Method and apparatus for providing advertisement disclosure for identifying advertisements in 3-dimensional space

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170053675A1 (en) * 2015-08-21 2017-02-23 Samsung Electronics Co., Ltd System and method for interactive 360-degree video creation
KR20180029344A (ko) * 2016-09-12 2018-03-21 삼성전자주식회사 가상 현실 시스템에서 컨텐트 전송 및 재생 방법 및 장치
US20180091735A1 (en) * 2016-09-23 2018-03-29 Mediatek Inc. System And Method For Specifying, Signaling And Using Coding-Independent Code Points In Processing Media Contents from Multiple Media Sources
KR20180040507A (ko) * 2016-10-12 2018-04-20 삼성전자주식회사 가상 현실 영상을 처리하는 방법 및 장치
US20180211443A1 (en) * 2017-01-23 2018-07-26 Gopro, Inc. Methods and apparatus for providing rotated spherical viewpoints

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8239766B2 (en) * 2005-09-27 2012-08-07 Qualcomm Incorporated Multimedia coding techniques for transitional effects
US8862987B2 (en) * 2009-03-31 2014-10-14 Intel Corporation Capture and display of digital images based on related metadata
KR101727094B1 (ko) * 2009-10-02 2017-04-17 코닌클리케 필립스 엔.브이. ３ｄ 비디오에서 추가 뷰들을 생성하기 위한 뷰포인트들을 선택하는 방법
US9466127B2 (en) * 2010-09-30 2016-10-11 Apple Inc. Image alteration techniques
US10977764B2 (en) * 2015-12-29 2021-04-13 Dolby Laboratories Licensing Corporation Viewport independent image coding and rendering
US11069120B2 (en) * 2016-08-10 2021-07-20 Sony Corporation Image processing apparatus and image processing method
US11184602B2 (en) * 2017-02-13 2021-11-23 Sony Corporation Image processing apparatus and image processing method
CN108965917B (zh) * 2017-05-27 2021-07-20 华为技术有限公司 视频图像的呈现、封装方法和视频图像的呈现、封装装置
WO2019002662A1 (en) * 2017-06-26 2019-01-03 Nokia Technologies Oy APPARATUS, METHOD AND COMPUTER PROGRAM FOR OMNIDIRECTIONAL VIDEO
CN111937397A (zh) * 2018-04-03 2020-11-13 华为技术有限公司 媒体数据处理方法及装置
JP7094815B2 (ja) * 2018-07-18 2022-07-04 キヤノン株式会社 表示制御装置、表示制御装置の制御方法、プログラム、記憶媒体

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170053675A1 (en) * 2015-08-21 2017-02-23 Samsung Electronics Co., Ltd System and method for interactive 360-degree video creation
KR20180029344A (ko) * 2016-09-12 2018-03-21 삼성전자주식회사 가상 현실 시스템에서 컨텐트 전송 및 재생 방법 및 장치
US20180091735A1 (en) * 2016-09-23 2018-03-29 Mediatek Inc. System And Method For Specifying, Signaling And Using Coding-Independent Code Points In Processing Media Contents from Multiple Media Sources
KR20180040507A (ko) * 2016-10-12 2018-04-20 삼성전자주식회사 가상 현실 영상을 처리하는 방법 및 장치
US20180211443A1 (en) * 2017-01-23 2018-07-26 Gopro, Inc. Methods and apparatus for providing rotated spherical viewpoints

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116248895A (zh) * 2023-05-06 2023-06-09 上海扬谷网络科技有限公司 虚拟现实全景漫游的视频云转码方法及系统

Also Published As

Publication number Publication date
US20200322586A1 (en) 2020-10-08
KR102278848B1 (ko) 2021-07-19
US10965928B2 (en) 2021-03-30
KR20200065087A (ko) 2020-06-08

Similar Documents

Publication Publication Date Title
WO2019194434A1 (ko) 복수의 뷰포인트들에 대한 메타데이터를 송수신하는 방법 및 장치
WO2020027349A1 (ko) 다중 뷰포인트 기반 360 비디오 처리 방법 및 그 장치
WO2019066436A1 (ko) 360 비디오 시스템에서 오버레이 처리 방법 및 그 장치
WO2019198883A1 (ko) 핫스팟 및 roi 관련 메타데이터를 이용한 360도 비디오를 송수신하는 방법 및 그 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
WO2017204491A1 (ko) 360 비디오를 전송하는 방법, 360 비디오를 수신하는 방법, 360 비디오 전송 장치, 360 비디오 수신 장치
WO2017142353A1 (ko) 360 비디오를 전송하는 방법, 360 비디오를 수신하는 방법, 360 비디오 전송 장치, 360 비디오 수신 장치
WO2019151798A1 (ko) 무선 통신 시스템에서 이미지에 대한 메타데이터를 송수신하는 방법 및 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
WO2017188714A1 (ko) 360도 비디오를 전송하는 방법, 360도 비디오를 수신하는 방법, 360도 비디오 전송 장치, 360도 비디오 수신 장치
WO2018169176A1 (ko) 퀄리티 기반 360도 비디오를 송수신하는 방법 및 그 장치
WO2019231269A1 (ko) 360도 컨텐츠 내 복수의 뷰포인트들에 관한 사용자 인터페이스를 제공하는 방법 및 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
WO2018217057A1 (ko) 360 비디오 처리 방법 및 그 장치
WO2019066191A1 (ko) 스티칭 및 리프로젝션 관련 메타데이터를 이용한 6dof 비디오를 송수신하는 방법 및 그 장치
WO2019203456A1 (ko) 복수의 뷰포인트들에 대한 메타데이터를 송수신하는 방법 및 장치
WO2018182144A1 (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
WO2020009341A1 (ko) 동적 뷰포인트의 좌표계에 대한 메타데이터를 송수신하는 방법 및 장치
WO2019083266A1 (ko) 피쉬아이 비디오 정보를 포함한 360도 비디오를 송수신하는 방법 및 그 장치
WO2020009344A1 (ko) 360 비디오 데이터의 서브픽처 기반 처리 방법 및 그 장치
WO2019235849A1 (ko) 360 비디오 시스템에서 오버레이 미디어 처리 방법 및 그 장치
WO2019059462A1 (ko) 360 비디오를 전송하는 방법, 360 비디오를 수신하는 방법, 360 비디오 전송 장치, 360 비디오 수신 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: 18928786

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20207014936

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18928786

Country of ref document: EP

Kind code of ref document: A1