WO2020141591A1 - 符号化装置、復号装置、符号化方法、及び復号方法 - Google Patents

符号化装置、復号装置、符号化方法、及び復号方法 Download PDF

Info

Publication number
WO2020141591A1
WO2020141591A1 PCT/JP2019/050438 JP2019050438W WO2020141591A1 WO 2020141591 A1 WO2020141591 A1 WO 2020141591A1 JP 2019050438 W JP2019050438 W JP 2019050438W WO 2020141591 A1 WO2020141591 A1 WO 2020141591A1
Authority
WO
WIPO (PCT)
Prior art keywords
block
unit
interpolation filter
prediction
image
Prior art date
Application number
PCT/JP2019/050438
Other languages
English (en)
French (fr)
Inventor
チョン スン リム
ハイ ウェイ スン
ハン ブン テオ
ジン ヤ リ
チェ ウェイ クオ
安倍　清史
遠間　正真
西　孝啓
祐介 加藤
Original Assignee
パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority to BR112021009596-9A priority Critical patent/BR112021009596A2/pt
Priority to KR1020217013990A priority patent/KR20210107624A/ko
Priority to EP19907263.8A priority patent/EP3907990A4/en
Priority to JP2020563865A priority patent/JPWO2020141591A1/ja
Priority to CA3119646A priority patent/CA3119646A1/en
Priority to MX2021005170A priority patent/MX2021005170A/es
Application filed by パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ filed Critical パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Priority to CN201980075837.3A priority patent/CN113056909A/zh
Publication of WO2020141591A1 publication Critical patent/WO2020141591A1/ja
Priority to US17/321,834 priority patent/US11394968B2/en
Priority to US17/837,171 priority patent/US11722662B2/en
Priority to JP2023050266A priority patent/JP2023068203A/ja
Priority to US18/142,166 priority patent/US12081749B2/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/523—Motion estimation or motion compensation with sub-pixel accuracy
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H04N19/423—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation characterised by memory arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/527—Global motion vector estimation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/59—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial sub-sampling or interpolation, e.g. alteration of picture size or resolution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation

Definitions

  • the present disclosure relates to video coding, for example, a system, a component, and a method in moving image coding and decoding.
  • Video coding technology is based on H.264. H.261 and MPEG-1 from H.264. H.264/AVC (Advanced Video Coding), MPEG-LA, H.264. H.265/HEVC (High Efficiency Video Coding), and H.264. It has progressed to 266/VVC (Versatile Video Codec). With this advance, there is a constant need to provide improvements and optimizations in video coding techniques to handle the ever-increasing amount of digital video data in various applications.
  • Non-Patent Document 1 relates to an example of a conventional standard relating to the video coding technique described above.
  • H. 265 (ISO/IEC 23008-2 HEVC)/HEVC (High Efficiency Video Coding)
  • the present disclosure may contribute to one or more of, for example, improved coding efficiency, improved image quality, reduced throughput, reduced circuit size, improved processing speed, and proper selection of elements or operations.
  • a configuration or method is provided. It should be noted that the present disclosure may include configurations or methods that may contribute to benefits other than the above.
  • an encoding device is an encoding device that encodes an encoding target block included in an image, the circuit including a circuit and a memory connected to the circuit.
  • a first prediction image in integer pixel units is generated, and an interpolation filter is used to detect the fractional pixel position between a plurality of integer pixels included in the first prediction image.
  • an interpolation filter is used to detect the fractional pixel position between a plurality of integer pixels included in the first prediction image.
  • a second predicted image is generated, the block to be coded is coded based on the second predicted image, and in the use of the interpolation filter, the first interpolation filter and the first interpolation filter are used.
  • One interpolation filter and a second interpolation filter having a different number of taps are switched and used.
  • Some implementations of the embodiments in this disclosure may improve coding efficiency, simplify the coding/decoding process, or speed up the coding/decoding process.
  • An appropriate filter, block size, motion vector, reference picture, reference block, etc. may be efficiently selected to use appropriate components/operations for encoding and decoding.
  • a configuration or method according to an aspect of the present disclosure includes, for example, improvement of coding efficiency, improvement of image quality, reduction of processing amount, reduction of circuit size, improvement of processing speed, and appropriate selection of elements or operations. Can contribute to more than one of them. Note that the configuration or method according to one aspect of the present disclosure may contribute to benefits other than the above.
  • FIG. 1 is a block diagram showing a functional configuration of an encoding device according to an embodiment.
  • FIG. 2 is a flowchart showing an example of the overall encoding process performed by the encoding device.
  • FIG. 3 is a conceptual diagram showing an example of block division.
  • FIG. 4A is a conceptual diagram showing an example of a slice configuration.
  • FIG. 4B is a conceptual diagram showing an example of a tile configuration.
  • FIG. 5A is a table showing conversion basis functions corresponding to various conversion types.
  • FIG. 5B is a conceptual diagram showing an example of SVT (Spatially Varying Transform).
  • FIG. 6A is a conceptual diagram showing an example of the shape of a filter used in an ALF (adaptive loop filter).
  • FIG. 1 is a block diagram showing a functional configuration of an encoding device according to an embodiment.
  • FIG. 2 is a flowchart showing an example of the overall encoding process performed by the encoding device.
  • FIG. 3 is a conceptual diagram
  • FIG. 6B is a conceptual diagram showing another example of the shape of the filter used in ALF.
  • FIG. 6C is a conceptual diagram showing another example of the shape of the filter used in ALF.
  • FIG. 7 is a block diagram showing an example of a detailed configuration of a loop filter unit that functions as a DBF (deblocking filter).
  • FIG. 8 is a conceptual diagram showing an example of a deblocking filter having a filter characteristic symmetrical with respect to a block boundary.
  • FIG. 9 is a conceptual diagram for explaining a block boundary where the deblocking filter processing is performed.
  • FIG. 10 is a conceptual diagram showing an example of the Bs value.
  • FIG. 11 is a flowchart showing an example of processing performed by the prediction processing unit of the encoding device.
  • FIG. 11 is a flowchart showing an example of processing performed by the prediction processing unit of the encoding device.
  • FIG. 12 is a flowchart showing another example of the processing performed by the prediction processing unit of the encoding device.
  • FIG. 13 is a flowchart showing another example of the processing performed by the prediction processing unit of the encoding device.
  • FIG. 14 is a conceptual diagram showing an example of 67 intra prediction modes in intra prediction according to the embodiment.
  • FIG. 15 is a flowchart showing an example of the basic processing flow of inter prediction.
  • FIG. 16 is a flowchart showing an example of motion vector derivation.
  • FIG. 17 is a flowchart showing another example of motion vector derivation.
  • FIG. 18 is a flowchart showing another example of motion vector derivation.
  • FIG. 19 is a flowchart showing an example of inter prediction in the normal inter mode.
  • FIG. 20 is a flowchart showing an example of inter prediction in the merge mode.
  • FIG. 21 is a conceptual diagram for explaining an example of motion vector derivation processing in the merge mode.
  • FIG. 22 is a flowchart showing an example of FRUC (frame rate up conversion) processing.
  • FIG. 23 is a conceptual diagram for explaining an example of pattern matching (bilateral matching) between two blocks along a motion trajectory.
  • FIG. 24 is a conceptual diagram for explaining an example of pattern matching (template matching) between a template in the current picture and a block in the reference picture.
  • FIG. 25A is a conceptual diagram for explaining an example of derivation of a motion vector in sub-block units based on motion vectors of a plurality of adjacent blocks.
  • FIG. 25B is a conceptual diagram for explaining an example of derivation of a motion vector in a sub-block unit in an affine mode having three control points.
  • FIG. 26A is a conceptual diagram for explaining the affine merge mode.
  • FIG. 26B is a conceptual diagram for explaining the affine merge mode having two control points.
  • FIG. 26C is a conceptual diagram for explaining an affine merge mode having three control points.
  • FIG. 27 is a flowchart showing an example of processing in the affine merge mode.
  • FIG. 28A is a conceptual diagram for explaining an affine inter mode having two control points.
  • FIG. 28B is a conceptual diagram for explaining an affine inter mode having three control points.
  • FIG. 29 is a flowchart showing an example of processing in the affine inter mode.
  • FIG. 30A is a conceptual diagram for explaining an affine inter mode in which a current block has three control points and an adjacent block has two control points.
  • FIG. 30B is a conceptual diagram for explaining an affine inter mode in which a current block has two control points and an adjacent block has three control points.
  • FIG. 31A is a flowchart showing a merge mode including DMVR (decoder motion vector refinement).
  • FIG. 31B is a conceptual diagram for explaining an example of DMVR processing.
  • FIG. 32 is a flowchart showing an example of generation of a predicted image.
  • FIG. 33 is a flowchart showing another example of generation of a predicted image.
  • FIG. 34 is a flowchart showing another example of generation of a predicted image.
  • FIG. 35 is a flowchart for explaining an example of a predicted image correction process by an OBMC (overlapped block motion compensation) process.
  • FIG. 36 is a conceptual diagram for explaining an example of a predicted image correction process by the OBMC process.
  • FIG. 37 is a conceptual diagram for explaining generation of prediction images of two triangles.
  • FIG. 38 is a conceptual diagram for explaining a model assuming a uniform linear motion.
  • FIG. 39 is a conceptual diagram for explaining an example of a predictive image generation method using a brightness correction process by a LIC (local illumination compensation) process.
  • FIG. 40 is a block diagram showing an implementation example of the encoding device.
  • FIG. 41 is a block diagram showing a functional configuration of the decoding device according to the embodiment.
  • FIG. 42 is a flowchart showing an example of the overall decoding process performed by the decoding device.
  • FIG. 43 is a flowchart showing an example of processing performed by the prediction processing unit of the decoding device.
  • FIG. 44 is a flowchart showing another example of the processing performed by the prediction processing unit of the decoding device.
  • FIG. 45 is a flowchart showing an example of inter prediction in the normal inter mode in the decoding device.
  • FIG. 46 is a block diagram illustrating an implementation example of the decoding device.
  • FIG. 47 is a flowchart showing an example of the interpolation filter determination process in the embodiment.
  • FIG. 48 is a diagram showing an example of the first interpolation filter in the embodiment.
  • FIG. 49 is a diagram showing an example of the second interpolation filter in the embodiment.
  • FIG. 50 is a diagram showing an example of blocks to which the interpolation filter determined in the embodiment is applied.
  • FIG. 51 is a block diagram showing the overall configuration of a content supply system that realizes a content distribution service.
  • FIG. 52 is a conceptual diagram showing an example of a coding structure at the time of scalable coding.
  • FIG. 53 is a conceptual diagram showing an example of a coding structure at the time of scalable coding.
  • FIG. 54 is a conceptual diagram showing an example of a web page display screen.
  • FIG. 55 is a conceptual diagram showing an example of a web page display screen.
  • FIG. 56 is a block diagram showing an example of a smartphone.
  • FIG. 57 is a block diagram showing a configuration example of a smartphone.
  • An encoding device is an encoding device that encodes an encoding target block included in an image, and includes a circuit and a memory connected to the circuit, and the circuit includes: In operation, based on the motion vector, a first prediction image in integer pixel units is generated, and an interpolation filter is used to calculate the value of the fractional pixel position between a plurality of integer pixels included in the first prediction image. By interpolating, a second predicted image is generated, the block to be coded is coded based on the second predicted image, and in the use of the interpolation filter, the first interpolation filter and the first interpolation filter are used. The filter and the second interpolation filter having a different tap number are switched and used.
  • the interpolation filter used for motion compensation of the encoding target block is determined as the first interpolation filter, and if the size of the encoding target block is not larger than the threshold size, the encoding is performed.
  • An interpolation filter used for motion compensation of the target block is determined as the second interpolation filter, the determined prediction filter is used to generate the second predicted image, and the second interpolation filter is configured to perform the first interpolation. It may have shorter taps than the filter.
  • the second interpolation filter having a tap shorter than that when the size of the target block for encoding is larger than the threshold size is used for motion compensation.
  • the motion compensation is performed in units of smaller blocks, the number of times of motion compensation increases, and the number of times of reading samples from the memory for motion compensation also increases.
  • the number of taps of the interpolation filter decreases, the number of samples read from the memory for the interpolation process decreases. Therefore, by using an interpolation filter having shorter taps for smaller blocks, it is possible to reduce the number of read samples per read, and suppress an increase in memory bandwidth even if the number of read samples is increased. can do.
  • the first interpolation filter may be an 8-tap filter.
  • the second interpolation filter may be a 6-tap filter.
  • a 6-tap filter can be used as the second interpolation filter, and it is possible to achieve a balance between the accuracy of interpolation and the reduction of memory bandwidth.
  • the threshold size may be a 4 ⁇ 4 pixel size.
  • the second interpolation filter can be applied to the block of 4x4 pixel size, and the memory bandwidth can be effectively reduced.
  • the encoding target block may be an affine mode sub-block.
  • the second interpolation filter can be applied to the affine mode sub-block. Therefore, the processing load of affine motion compensation, which has a relatively high processing load, can be reduced.
  • a decoding device is a decoding device that decodes a block to be decoded included in an image, and includes a circuit and a memory connected to the circuit, and the circuit operates in operation.
  • a first prediction image in units of integer pixels based on the vector and using an interpolation filter to interpolate the value of a decimal pixel position between a plurality of integer pixels included in the first prediction image.
  • a second prediction image is generated, the decoding target block is decoded based on the second prediction image, and in the use of the interpolation filter, the first interpolation filter, the first interpolation filter and the number of taps are A different second interpolation filter is used by switching.
  • the interpolation filter in switching the interpolation filter, it is determined whether the size of the decoding target block is larger than a threshold size, and the size of the decoding target block is the threshold size. If the size is larger than the threshold value, the interpolation filter used for motion compensation of the decoding target block is determined to be the first interpolation filter, and if the size of the decoding target block is not larger than the threshold size, the motion compensation of the decoding target block is performed.
  • the interpolation filter to be used is determined as the second interpolation filter, the determined prediction filter is used to generate the second predicted image, and the second interpolation filter has a tap shorter than that of the first interpolation filter. May have.
  • the second interpolation filter having a tap shorter than that when the size of the decoding target block is larger than the threshold size can be used for motion compensation. .. If the motion compensation is performed in units of smaller blocks, the number of times of motion compensation increases and the number of times of reading samples from the memory for motion compensation increases. On the other hand, if the number of taps of the interpolation filter decreases, the number of samples read from the memory for the interpolation process decreases. Therefore, by using an interpolation filter having shorter taps for smaller blocks, it is possible to reduce the number of read samples per read, and suppress an increase in memory bandwidth even if the number of read samples is increased. can do.
  • the first interpolation filter may be an 8-tap filter.
  • the second interpolation filter may be a 6-tap filter.
  • a 6-tap filter can be used as the second interpolation filter, and it is possible to achieve a balance between the accuracy of interpolation and the reduction of memory bandwidth.
  • the threshold size may be 4 ⁇ 4 pixel size.
  • the second interpolation filter can be applied to the block of 4x4 pixel size, and the memory bandwidth can be effectively reduced.
  • the decoding target block may be an affine mode sub-block.
  • the second interpolation filter can be applied to the affine mode sub-block. Therefore, the processing load of affine motion compensation, which has a relatively high processing load, can be reduced.
  • the following describes embodiments of the encoding device and the decoding device.
  • the embodiments are examples of the encoding device and the decoding device to which the processing and/or the configuration described in each aspect of the present disclosure can be applied.
  • the processing and/or the configuration can be implemented in an encoding device and a decoding device different from the embodiment.
  • any of the following may be performed.
  • a function or a process performed by a part of the plurality of components of the encoding device or the decoding device is added or replaced with a function or a process.
  • Arbitrary changes such as deletion may be made.
  • any function or process may be replaced or combined with any other function or process described in any of the aspects of the present disclosure.
  • Some components of the plurality of components configuring the encoding device or the decoding device according to the embodiment may be combined with the components described in any of the aspects of the present disclosure. , May be combined with a component having a part of the function described in any of the aspects of the present disclosure, or a component that performs a part of the processing performed by the component described in each aspect of the present disclosure. May be combined with.
  • a component including a part of the functions of the encoding device or the decoding device according to the embodiment, or a component that performs a part of the processing of the encoding device or the decoding device according to the embodiment is disclosed.
  • any one of the plurality of processes included in the method is the same as or similar to the process described in any of the aspects of the present disclosure. It may be replaced or combined with any of the processes.
  • a part of the plurality of processes included in the method performed by the encoding device or the decoding device according to the embodiment may be combined with the process described in any of the aspects of the present disclosure. ..
  • the method of performing the process and/or the configuration described in each aspect of the present disclosure is not limited to the encoding device or the decoding device according to the embodiment.
  • the processing and/or the configuration may be implemented in an apparatus used for a purpose different from the moving picture encoding or moving picture decoding disclosed in the embodiments.
  • FIG. 1 is a block diagram showing a functional configuration of an encoding device 100 according to the embodiment.
  • the encoding device 100 is a moving image encoding device that encodes a moving image in block units.
  • the encoding device 100 is a device that encodes an image in block units, and includes a division unit 102, a subtraction unit 104, a conversion unit 106, a quantization unit 108, and entropy encoding.
  • Unit 110 inverse quantization unit 112, inverse transform unit 114, addition unit 116, block memory 118, loop filter unit 120, frame memory 122, intra prediction unit 124, inter prediction unit 126, And a prediction control unit 128.
  • the encoding device 100 is realized by, for example, a general-purpose processor and a memory.
  • the processor when the software program stored in the memory is executed by the processor, the processor causes the dividing unit 102, the subtracting unit 104, the converting unit 106, the quantizing unit 108, the entropy coding unit 110, and the dequantizing unit 112.
  • the encoding device 100 includes a division unit 102, a subtraction unit 104, a conversion unit 106, a quantization unit 108, an entropy encoding unit 110, an inverse quantization unit 112, an inverse transformation unit 114, an addition unit 116, a loop filter unit 120.
  • the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 may be realized as one or more dedicated electronic circuits.
  • the following describes the overall processing flow of the encoding device 100, and then each component included in the encoding device 100.
  • FIG. 2 is a flowchart showing an example of the overall encoding process performed by the encoding device 100.
  • the division unit 102 of the encoding device 100 divides each picture included in the input image, which is a moving image, into a plurality of fixed size blocks (for example, 128 ⁇ 128 pixels) (step Sa_1). Then, the division unit 102 selects a division pattern (also referred to as a block shape) for the fixed size block (step Sa_2). That is, the division unit 102 further divides the fixed-size block into a plurality of blocks that form the selected division pattern. Then, the encoding device 100 performs the processes of steps Sa_3 to Sa_9 on each of the plurality of blocks (that is, the encoding target block).
  • a division pattern also referred to as a block shape
  • the prediction processing unit including all or part of the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 generates a prediction signal (also referred to as a prediction block) of a block to be coded (also referred to as a current block). (Step Sa_3).
  • the subtraction unit 104 generates a difference between the encoding target block and the prediction block as a prediction residual (also referred to as a difference block) (step Sa_4).
  • the conversion unit 106 and the quantization unit 108 generate a plurality of quantized coefficients by performing conversion and quantization on the difference block (step Sa_5).
  • a block including a plurality of quantized coefficients is also called a coefficient block.
  • the entropy coding unit 110 generates a coded signal by performing coding (specifically, entropy coding) on the coefficient block and the prediction parameter related to generation of the prediction signal (step). Sa — 6).
  • the encoded signal is also referred to as an encoded bitstream, a compressed bitstream, or a stream.
  • the inverse quantization unit 112 and the inverse transformation unit 114 restore a plurality of prediction residuals (that is, difference blocks) by performing inverse quantization and inverse transformation on the coefficient block (step Sa_7).
  • the adding unit 116 reconstructs the current block into a reconstructed image (also referred to as a reconstructed block or a decoded image block) by adding a prediction block to the restored difference block (step Sa_8). As a result, a reconstructed image is generated.
  • a reconstructed image also referred to as a reconstructed block or a decoded image block
  • the loop filter unit 120 filters the reconstructed image as necessary (step Sa_9).
  • step Sa_10 determines whether or not the encoding of the entire picture is completed (step Sa_10), and when it is determined that the encoding is not completed (No in step Sa_10), repeatedly executes the processing from step Sa_2. To do.
  • the encoding device 100 selects one division pattern for fixed-size blocks and encodes each block according to the division pattern, but according to each of the plurality of division patterns. Each block may be encoded.
  • the encoding apparatus 100 evaluates the cost for each of the plurality of division patterns and, for example, the encoded signal obtained by the encoding according to the division pattern with the smallest cost is used as the output encoded signal. You may choose.
  • steps Sa_1 to Sa_10 are performed sequentially by the encoding device 100.
  • some of the plurality of processes may be performed in parallel, and the order of these processes may be changed.
  • the dividing unit 102 divides each picture included in the input moving image into a plurality of blocks, and outputs each block to the subtracting unit 104.
  • the dividing unit 102 first divides the picture into blocks of a fixed size (for example, 128 ⁇ 128). Other fixed block sizes may be employed. This fixed size block is sometimes referred to as a coding tree unit (CTU).
  • CTU coding tree unit
  • the dividing unit 102 divides each fixed-size block into a variable-size (for example, 64 ⁇ 64 or less) block based on, for example, recursive quadtree and/or binary tree block division. To do. That is, the dividing unit 102 selects a division pattern.
  • This variable size block may be referred to as a coding unit (CU), prediction unit (PU) or transform unit (TU).
  • CU coding unit
  • PU prediction unit
  • TU transform unit
  • FIG. 3 is a conceptual diagram showing an example of block division in the embodiment.
  • solid lines represent block boundaries by quadtree block division
  • broken lines represent block boundaries by binary tree block division.
  • the block 10 is a square block of 128 ⁇ 128 pixels (128 ⁇ 128 block).
  • the 128 ⁇ 128 block 10 is first divided into four square 64 ⁇ 64 blocks (quadtree block division).
  • the upper left 64x64 block is vertically divided into two rectangular 32x64 blocks, and the left 32x64 block is further vertically divided into two rectangular 16x64 blocks (binary tree block division). As a result, the upper left 64x64 block is divided into two 16x64 blocks 11 and 12 and a 32x64 block 13.
  • the upper right 64x64 block is horizontally divided into two rectangular 64x32 blocks 14 and 15 (binary tree block division).
  • the lower left 64x64 block is divided into four square 32x32 blocks (quadtree block division).
  • the upper left block and the lower right block of the four 32 ⁇ 32 blocks are further divided.
  • the upper left 32x32 block is vertically divided into two rectangular 16x32 blocks, and the right 16x32 block is further divided horizontally into two 16x16 blocks (binary tree block division).
  • the lower right 32x32 block is horizontally divided into two 32x16 blocks (binary tree block division).
  • the lower left 64x64 block is divided into a 16x32 block 16, two 16x16 blocks 17 and 18, two 32x32 blocks 19 and 20, and two 32x16 blocks 21 and 22.
  • the lower right 64x64 block 23 is not divided.
  • the block 10 is divided into 13 variable-sized blocks 11 to 23 based on the recursive quadtree and binary tree block division.
  • Such division may be called QTBT (quad-tree plus binary tree) division.
  • one block is divided into four or two blocks (quadtree or binary tree block division), but the division is not limited to these.
  • one block may be divided into three blocks (ternary tree block division). Partitioning including such ternary tree block partitioning may be referred to as MBT (multi type tree) partitioning.
  • MBT multi type tree
  • Picture configuration slice/tile Pictures may be organized in slices or tiles to decode the pictures in parallel.
  • the picture in slice units or tile units may be configured by the dividing unit 102.
  • a slice is a basic coding unit that constitutes a picture.
  • a picture is composed of, for example, one or more slices.
  • a slice consists of one or more continuous CTUs (Coding Tree Units).
  • FIG. 4A is a conceptual diagram showing an example of a slice configuration.
  • the picture includes 11 ⁇ 8 CTUs and is divided into four slices (slices 1-4).
  • Slice 1 consists of 16 CTUs
  • slice 2 consists of 21 CTUs
  • slice 3 consists of 29 CTUs
  • slice 4 consists of 22 CTUs.
  • each CTU in the picture belongs to one of the slices.
  • the shape of the slice is a shape obtained by horizontally dividing the picture.
  • the slice boundary does not have to be the edge of the screen, and may be any of the boundaries of the CTU in the screen.
  • the processing order (coding order or decoding order) of the CTUs in the slice is, for example, the raster scan order.
  • the slice includes header information and encoded data.
  • the header information may describe the characteristics of the slice such as the CTU address at the beginning of the slice and the slice type.
  • a tile is a unit of a rectangular area that constitutes a picture.
  • a number called TileId may be assigned to each tile in raster scan order.
  • FIG. 4B is a conceptual diagram showing an example of the tile configuration.
  • the picture includes 11 ⁇ 8 CTUs and is divided into four rectangular area tiles (tiles 1-4).
  • the processing order of the CTU is changed as compared with the case where the tile is not used. If tiles are not used, multiple CTUs within a picture are processed in raster scan order. If tiles are used, at least one CTU in each of the tiles is processed in raster scan order.
  • the processing order of the plurality of CTUs included in tile 1 is from the left end of the first row of tile 1 to the right end of the first row of tile 1, and then to the left end of the second row of tile 1. To the right end of the second row of tile 1.
  • one tile may include one or more slices, and one slice may include one or more tiles.
  • the subtraction unit 104 subtracts the prediction signal (prediction sample input from the prediction control unit 128 described below) from the original signal (original sample) in units of blocks input from the division unit 102 and divided by the division unit 102. .. That is, the subtraction unit 104 calculates a prediction error (also referred to as a residual) of a block to be coded (hereinafter referred to as a current block). Then, the subtraction unit 104 outputs the calculated prediction error (residual error) to the conversion unit 106.
  • a prediction error also referred to as a residual of a block to be coded
  • the original signal is an input signal of the encoding device 100, and is a signal (for example, a luminance (luma) signal and two color difference (chroma) signals) representing an image of each picture forming a moving image.
  • a signal representing an image may be referred to as a sample.
  • the transformation unit 106 transforms the prediction error in the spatial domain into a transform coefficient in the frequency domain, and outputs the transform coefficient to the quantization unit 108. Specifically, the conversion unit 106 performs a predetermined discrete cosine transform (DCT) or discrete sine transform (DST) on the prediction error in the spatial domain, for example.
  • DCT discrete cosine transform
  • DST discrete sine transform
  • the conversion unit 106 adaptively selects a conversion type from a plurality of conversion types, and converts the prediction error into a conversion coefficient by using a conversion basis function (transform basis function) corresponding to the selected conversion type. You may. Such a conversion is sometimes called an EMT (explicit multiple core transform) or an AMT (adaptive multiple transform).
  • the plurality of conversion types include, for example, DCT-II, DCT-V, DCT-VIII, DST-I and DST-VII.
  • FIG. 5A is a table showing conversion basis functions corresponding to conversion type examples.
  • N indicates the number of input pixels.
  • the selection of a conversion type from these plural conversion types may depend on, for example, the type of prediction (intra prediction and inter prediction), or may depend on the intra prediction mode.
  • the information indicating whether or not such EMT or AMT is applied (for example, called an EMT flag or AMT flag) and the information indicating the selected conversion type are usually signalized at the CU level. It should be noted that the signalization of these pieces of information is not limited to the CU level and may be another level (eg, bit sequence level, picture level, slice level, tile level or CTU level).
  • the conversion unit 106 may reconvert the conversion coefficient (conversion result). Such re-conversion is sometimes called AST (adaptive secondary transform) or NSST (non-separable secondary transform). For example, the transform unit 106 retransforms each subblock (for example, 4 ⁇ 4 subblock) included in the block of transform coefficients corresponding to the intra prediction error.
  • the information indicating whether to apply the NSST and the information about the transformation matrix used for the NSST are usually signalized at the CU level. Note that the signalization of these pieces of information is not limited to the CU level, and may be another level (for example, a sequence level, a picture level, a slice level, a tile level, or a CTU level).
  • the conversion unit 106 may be applied with separable conversion and non-separable conversion.
  • the separable conversion is a method of performing the conversion a plurality of times by separating each direction by the number of input dimensions
  • the non-separable conversion is a method of converting two or more dimensions when the input is multidimensional. This is a method of collectively considering it as one-dimensional and performing conversion collectively.
  • Non-Separable conversion if the input is a 4 ⁇ 4 block, it is regarded as one array having 16 elements, and a 16 ⁇ 16 conversion matrix is applied to the array.
  • An example is one that performs conversion processing in.
  • a conversion in which a 4 ⁇ 4 input block is regarded as one array having 16 elements and then a Givens rotation is performed a plurality of times for the array (Hypercube conversion) Givens Transform) may be held.
  • the conversion in the conversion unit 106 it is possible to switch the type of the base to be converted into the frequency domain according to the area in the CU.
  • One example is SVT (Spatially Varying Transform).
  • SVT spatialally Varying Transform
  • the CU is divided into two in the horizontal or vertical direction, and only one of the regions is converted into the frequency domain.
  • the type of conversion base can be set for each region, and for example, DST7 and DCT8 are used. In this example, only one of the two areas in the CU is converted and the other is not converted, but both areas may be converted.
  • the division method is not limited to the bisector, but may be quadrant, or information such as the split is separately coded and signaled in the same manner as the CU split, so that it can be made more flexible.
  • the SVT may also be referred to as SBT (Sub-block Transform).
  • the quantization unit 108 quantizes the transform coefficient output from the transform unit 106. Specifically, the quantization unit 108 scans the transform coefficient of the current block in a predetermined scanning order, and quantizes the transform coefficient based on the quantization parameter (QP) corresponding to the scanned transform coefficient. Then, the quantization unit 108 outputs the quantized transform coefficient of the current block (hereinafter, referred to as a quantized coefficient) to the entropy coding unit 110 and the dequantization unit 112.
  • the predetermined scanning order may be predetermined.
  • the predetermined scan order is the order for quantization/inverse quantization of transform coefficients.
  • the predetermined scanning order may be defined in ascending order of frequencies (from low frequency to high frequency) or in descending order (from high frequency to low frequency).
  • Quantization parameter is a parameter that defines the quantization step (quantization width). For example, the quantization step increases as the value of the quantization parameter increases. That is, as the value of the quantization parameter increases, the quantization error increases.
  • a quantization matrix may be used for quantization.
  • quantization refers to digitizing a value sampled at a predetermined interval in association with a predetermined level, and is referred to in this technical field by using other expressions such as rounding, rounding, and scaling. Rounding, rounding, or scaling may be used.
  • the predetermined interval and level may be predetermined.
  • the quantization matrix As methods of using the quantization matrix, there are a method of using the quantization matrix set directly on the encoding device side and a method of using the default quantization matrix (default matrix).
  • the quantization matrix can be set according to the characteristics of the image by directly setting the quantization matrix. However, in this case, there is a demerit that the code amount is increased by encoding the quantization matrix.
  • the quantization matrix may be designated by, for example, SPS (sequence parameter set: Sequence Parameter Set) or PPS (picture parameter set: Picture Parameter Set).
  • SPS sequence parameter set: Sequence Parameter Set
  • PPS picture parameter set: Picture Parameter Set
  • the SPS contains the parameters used for the sequence and the PPS contains the parameters used for the picture.
  • the SPS and PPS may be simply called a parameter set.
  • the entropy coding unit 110 generates a coded signal (coded bit stream) based on the quantized coefficient input from the quantization unit 108. Specifically, the entropy coding unit 110, for example, binarizes the quantized coefficient, arithmetically codes the binary signal, and outputs a compressed bitstream or sequence.
  • the inverse quantization unit 112 inversely quantizes the quantized coefficient input from the quantization unit 108. Specifically, the dequantization unit 112 dequantizes the quantized coefficient of the current block in a predetermined scanning order. Then, the inverse quantization unit 112 outputs the inversely quantized transform coefficient of the current block to the inverse transform unit 114.
  • the predetermined scanning order may be predetermined.
  • the inverse transform unit 114 restores the prediction error (residual error) by inversely transforming the transform coefficient input from the inverse quantization unit 112. Specifically, the inverse transform unit 114 restores the prediction error of the current block by performing the inverse transform corresponding to the transform performed by the transform unit 106 on the transform coefficient. Then, the inverse transformation unit 114 outputs the restored prediction error to the addition unit 116.
  • the restored prediction error does not match the prediction error calculated by the subtraction unit 104, because information is usually lost due to quantization. That is, the restored prediction error usually includes the quantization error.
  • the adding unit 116 reconstructs the current block by adding the prediction error input from the inverse transform unit 114 and the prediction sample input from the prediction control unit 128. Then, the addition unit 116 outputs the reconstructed block to the block memory 118 and the loop filter unit 120.
  • the reconstruction block may also be referred to as a local decoding block.
  • the block memory 118 is a storage unit that stores, for example, a block referred to in intra prediction and is included in a current picture to be coded. Specifically, the block memory 118 stores the reconstructed block output from the addition unit 116.
  • the frame memory 122 is, for example, a storage unit that stores a reference picture used for inter prediction, and may be called a frame buffer. Specifically, the frame memory 122 stores the reconstructed block filtered by the loop filter unit 120.
  • the loop filter unit 120 applies a loop filter to the block reconstructed by the adding unit 116, and outputs the filtered reconstructed block to the frame memory 122.
  • the loop filter is a filter (in-loop filter) used in the coding loop, and includes, for example, a deblocking filter (DF or DBF), a sample adaptive offset (SAO), an adaptive loop filter (ALF), and the like.
  • a least-squares error filter for removing coding distortion is applied, and for example, for each 2 ⁇ 2 sub-block in the current block, a plurality of sub-blocks based on the direction and activity of a local gradient are used. One filter selected from the filters is applied.
  • sub-blocks eg 2x2 sub-blocks
  • D for example, 0 to 2 or 0 to 4
  • the gradient activation value A for example, 0 to 4
  • the gradient direction value D is derived, for example, by comparing gradients in a plurality of directions (for example, horizontal, vertical, and two diagonal directions).
  • the gradient activation value A is derived, for example, by adding gradients in a plurality of directions and quantizing the addition result.
  • the filter for the sub-block is determined from the multiple filters.
  • FIG. 6A to 6C are diagrams showing a plurality of examples of the shapes of filters used in ALF.
  • 6A shows a 5 ⁇ 5 diamond shaped filter
  • FIG. 6B shows a 7 ⁇ 7 diamond shaped filter
  • FIG. 6C shows a 9 ⁇ 9 diamond shaped filter.
  • the information indicating the shape of the filter is usually signalized at the picture level.
  • the signalization of the information indicating the shape of the filter does not have to be limited to the picture level and may be another level (for example, a sequence level, a slice level, a tile level, a CTU level or a CU level).
  • ALF on/off may be determined at the picture level or the CU level, for example. For example, it may be determined whether to apply ALF at the CU level for luminance, or whether to apply ALF at the picture level for color difference.
  • the information indicating ON/OFF of ALF is usually signaled at the picture level or CU level. Signaling of information indicating ON/OFF of ALF does not need to be limited to the picture level or the CU level, and may be at another level (for example, sequence level, slice level, tile level or CTU level). Good.
  • the coefficient set of multiple selectable filters (eg up to 15 or 25 filters) is usually signaled at the picture level.
  • the signalization of the coefficient set does not have to be limited to the picture level, and may be another level (eg, sequence level, slice level, tile level, CTU level, CU level or sub-block level).
  • the loop filter unit 120 reduces the distortion generated at the block boundary by filtering the block boundary of the reconstructed image.
  • FIG. 7 is a block diagram showing an example of a detailed configuration of the loop filter unit 120 that functions as a deblocking filter.
  • the loop filter unit 120 includes a boundary determination unit 1201, a filter determination unit 1203, a filter processing unit 1205, a processing determination unit 1208, a filter characteristic determination unit 1207, and switches 1202, 1204 and 1206.
  • the boundary determination unit 1201 determines whether or not the pixel to be deblocked/filtered (that is, the target pixel) exists near the block boundary. Then, the boundary determination unit 1201 outputs the determination result to the switch 1202 and the processing determination unit 1208.
  • the switch 1202 outputs the image before the filter processing to the switch 1204 when the boundary determining unit 1201 determines that the target pixel exists near the block boundary. On the contrary, when the boundary determining unit 1201 determines that the target pixel does not exist near the block boundary, the switch 1202 outputs the image before the filter processing to the switch 1206.
  • the filter determination unit 1203 determines whether to perform deblocking filter processing on the target pixel based on the pixel values of at least one peripheral pixel around the target pixel. Then, the filter determination unit 1203 outputs the determination result to the switch 1204 and the processing determination unit 1208.
  • the switch 1204 When the filter determination unit 1203 determines that the target pixel is to be subjected to the deblocking filter process, the switch 1204 outputs the image before the filter process acquired via the switch 1202 to the filter processing unit 1205. On the contrary, the switch 1204 outputs the image before the filter processing acquired via the switch 1202 to the switch 1206 when the filter determination unit 1203 determines that the target pixel is not subjected to the deblocking filter processing.
  • the filter processing unit 1205 When the image before filtering is acquired via the switches 1202 and 1204, the filter processing unit 1205 performs deblocking filter processing having the filter characteristic determined by the filter characteristic determining unit 1207 on the target pixel. Execute. Then, the filter processing unit 1205 outputs the pixel after the filter processing to the switch 1206.
  • the switch 1206 selectively outputs pixels that have not been deblocked and filtered by the processing determination unit 1208 and pixels that have been deblocked and filtered by the filter processing unit 1205.
  • the processing determination unit 1208 controls the switch 1206 based on the determination results of the boundary determination unit 1201 and the filter determination unit 1203. That is, the processing determination unit 1208 determines that the boundary determination unit 1201 determines that the target pixel exists near the block boundary, and that the filter determination unit 1203 determines that the target pixel is to undergo deblocking filter processing. , The pixel subjected to the deblocking filter processing is output from the switch 1206. Also, in cases other than the above case, the processing determination unit 1208 causes the switch 1206 to output the pixels that have not been subjected to deblocking filter processing. By repeatedly outputting such pixels, the image after the filter processing is output from the switch 1206.
  • FIG. 8 is a conceptual diagram showing an example of a deblocking filter having a symmetric filter characteristic with respect to a block boundary.
  • one of two deblocking filters having different characteristics that is, a strong filter or a weak filter is selected using a pixel value and a quantization parameter.
  • a strong filter as shown in FIG. 8
  • the pixel values of the pixels q0 to q2 are calculated by the following formula, for example.
  • the pixel values q′0 to q′2 are changed by performing
  • p0 to p2 and q0 to q2 are the pixel values of the pixels p0 to p2 and the pixels q0 to q2, respectively.
  • q3 is the pixel value of the pixel q3 adjacent to the pixel q2 on the opposite side of the block boundary.
  • the coefficient by which the pixel value of each pixel used for deblocking filter processing is multiplied is the filter coefficient.
  • clip processing may be performed so that the pixel value after calculation does not exceed the threshold value and is not set.
  • the pixel value after the calculation according to the above formula is clipped to “the calculation target pixel value ⁇ 2 ⁇ threshold value” using the threshold value determined from the quantization parameter. Thereby, excessive smoothing can be prevented.
  • FIG. 9 is a conceptual diagram for explaining a block boundary where deblocking filter processing is performed.
  • FIG. 10 is a conceptual diagram showing an example of the Bs value.
  • the block boundary on which the deblocking filter processing is performed is, for example, the boundary of PU (Prediction Unit) or TU (Transform Unit) of the 8 ⁇ 8 pixel block as shown in FIG.
  • the deblocking filtering process can be performed in units of 4 rows or 4 columns.
  • the deblocking filtering process for the color difference signal is performed when the Bs value is 2.
  • the deblocking filtering process on the luminance signal is performed when the Bs value is 1 or more and a predetermined condition is satisfied.
  • the predetermined condition may be predetermined. Note that the Bs value determination conditions are not limited to those shown in FIG. 10, and may be determined based on other parameters.
  • FIG. 11 is a flowchart showing an example of processing performed by the prediction processing unit of the encoding device 100.
  • the prediction processing unit includes all or some of the components of the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • the prediction processing unit generates a prediction image of the current block (step Sb_1).
  • This prediction image is also called a prediction signal or a prediction block.
  • the prediction signal includes, for example, an intra prediction signal or an inter prediction signal.
  • the prediction processing unit generates a reconstructed image that has already been obtained by performing prediction block generation, difference block generation, coefficient block generation, difference block restoration, and decoded image block generation. The predicted image of the current block is generated by using this.
  • the reconstructed image may be, for example, an image of a reference picture or an image of an encoded block in a current picture that is a picture including a current block.
  • the coded block in the current picture is, for example, a block adjacent to the current block.
  • FIG. 12 is a flowchart showing another example of the processing performed by the prediction processing unit of the encoding device 100.
  • the prediction processing unit generates a predicted image by the first method (step Sc_1a), a predicted image by the second method (step Sc_1b), and a predicted image by the third method (step Sc_1c).
  • the first method, the second method, and the third method are different methods for generating a predicted image, and are, for example, an inter prediction method, an intra prediction method, and a prediction method other than them. It may be. In these prediction methods, the reconstructed image described above may be used.
  • the prediction processing unit selects any one of the plurality of prediction images generated in steps Sc_1a, Sc_1b, and Sc_1c (step Sc_2).
  • the selection of the predicted image that is, the selection of the scheme or mode for obtaining the final predicted image may be performed based on the cost calculated for each generated predicted image. Alternatively, the selection of the predicted image may be performed based on the parameter used in the encoding process.
  • the coding apparatus 100 may signal the information for specifying the selected predicted image, method, or mode into a coded signal (also referred to as a coded bitstream).
  • the information may be, for example, a flag or the like.
  • the decoding device can generate a predicted image according to the scheme or mode selected in the encoding device 100 based on the information.
  • the prediction processing unit selects one of the prediction images after generating the prediction image by each method. However, the prediction processing unit selects a method or mode based on the parameters used in the above-described encoding process before generating those predicted images, and generates a predicted image according to the method or mode. Good.
  • the first method and the second method are intra prediction and inter prediction, respectively, and the prediction processing unit determines the final predicted image for the current block from the predicted images generated according to these prediction methods. You may choose.
  • FIG. 13 is a flowchart showing another example of the processing performed by the prediction processing unit of the encoding device 100.
  • the prediction processing unit generates a predicted image by intra prediction (step Sd_1a) and a predicted image by inter prediction (step Sd_1b).
  • the predicted image generated by intra prediction is also referred to as an intra predicted image
  • the predicted image generated by inter prediction is also referred to as an inter predicted image.
  • the prediction processing unit evaluates each of the intra prediction image and the inter prediction image (step Sd_2). Cost may be used for this evaluation. That is, the prediction processing unit calculates the cost C of each of the intra prediction image and the inter prediction image.
  • D is the coding distortion of the predicted image, and is represented by, for example, the sum of absolute differences between the pixel value of the current block and the pixel value of the predicted image.
  • R is the generated code amount of the predicted image, and specifically, the code amount necessary for coding the motion information or the like for generating the predicted image.
  • ⁇ is, for example, an undetermined multiplier of Lagrange.
  • the prediction processing unit selects the prediction image for which the smallest cost C is calculated from the intra prediction image and the inter prediction image as the final prediction image of the current block (step Sd_3). That is, the prediction method or mode for generating the predicted image of the current block is selected.
  • the intra prediction unit 124 generates a prediction signal (intra prediction signal) by referring to a block in the current picture stored in the block memory 118 and performing intra prediction (also referred to as intra prediction) of the current block. Specifically, the intra prediction unit 124 generates an intra prediction signal by performing intra prediction with reference to a sample (for example, a luminance value and a color difference value) of a block adjacent to the current block, and predicts and controls the intra prediction signal. Output to the unit 128.
  • the intra prediction unit 124 performs intra prediction using one of a plurality of prescribed intra prediction modes.
  • the multiple intra prediction modes typically include one or more non-directional prediction modes and multiple directional prediction modes.
  • the plurality of prescribed modes may be prescribed in advance.
  • the one or more non-directional prediction modes are, for example, H.264. It includes Planar prediction mode and DC prediction mode defined by the H.265/HEVC standard.
  • a plurality of directional prediction modes are, for example, H.264. It includes a prediction mode in 33 directions defined by the H.265/HEVC standard. In addition to the 33 directions, the plurality of directional prediction modes may further include 32 directional prediction modes (total of 65 directional prediction modes).
  • FIG. 14 is a conceptual diagram showing all 67 intra prediction modes (2 non-directional prediction modes and 65 directional prediction modes) that can be used in intra prediction. The solid arrow indicates the H. It represents the 33 directions defined by the H.265/HEVC standard and the dashed arrows represent the added 32 directions (two non-directional prediction modes are not shown in FIG. 14).
  • the luminance block may be referred to in the intra prediction of the color difference block. That is, the color difference component of the current block may be predicted based on the luminance component of the current block.
  • Such intra prediction is sometimes called CCLM (cross-component linear model) prediction.
  • the intra-prediction mode (for example, called CCLM mode) of the color difference block that refers to such a luminance block may be added as one of the intra-prediction modes of the color difference block.
  • the intra prediction unit 124 may correct the pixel value after intra prediction based on the gradient of reference pixels in the horizontal/vertical directions. Intra prediction with such a correction is sometimes called PDPC (position dependent intra prediction combination). Information indicating whether or not PDPC is applied (for example, a PDPC flag) is usually signaled at the CU level. Note that the signaling of this information does not have to be limited to the CU level, but may be at other levels (eg, sequence level, picture level, slice level, tile level or CTU level).
  • the inter prediction unit 126 refers to a reference picture stored in the frame memory 122 and is different from the current picture to perform inter prediction (also referred to as inter-picture prediction) of the current block, thereby predicting a prediction signal (inter prediction). Prediction signal). Inter prediction is performed in units of the current block or the current sub-block (for example, 4 ⁇ 4 block) in the current block. For example, the inter prediction unit 126 performs a motion estimation on a current block or a current subblock in a reference picture to find a reference block or a subblock that best matches the current block or the current subblock.
  • the inter prediction unit 126 acquires motion information (for example, motion vector) that compensates for the motion or change from the reference block or sub-block to the current block or sub-block.
  • the inter prediction unit 126 performs motion compensation (or motion prediction) based on the motion information, and generates an inter prediction signal of the current block or sub block.
  • the inter prediction unit 126 outputs the generated inter prediction signal to the prediction control unit 128.
  • the motion information used for motion compensation may be signaled as an inter prediction signal in various forms.
  • the motion vector may be signalized.
  • the difference between the motion vector and the motion vector predictor may be signalized.
  • FIG. 15 is a flowchart showing an example of the basic flow of inter prediction.
  • the inter prediction unit 126 first generates a predicted image (steps Se_1 to Se_3). Next, the subtraction unit 104 generates a difference between the current block and the predicted image as a prediction residual (step Se_4).
  • the inter prediction unit 126 determines the motion vector (MV) of the current block (steps Se_1 and Se_2) and performs the motion compensation (step Se_3) to generate the predicted image. To do. Further, the inter prediction unit 126 determines the MV by selecting a candidate motion vector (candidate MV) (step Se_1) and deriving the MV (step Se_2). The selection of the candidate MV is performed, for example, by selecting at least one candidate MV from the candidate MV list. In the derivation of MV, the inter prediction unit 126 determines at least one selected candidate MV as the MV of the current block by selecting at least one candidate MV from among at least one candidate MV. May be.
  • the inter prediction unit 126 may determine the MV of the current block by searching the area of the reference picture indicated by the candidate MV for each of the selected at least one candidate MV. It should be noted that searching the area of the reference picture may be referred to as motion estimation.
  • steps Se_1 to Se_3 are performed by the inter prediction unit 126, but the processes such as step Se_1 or step Se_2 may be performed by another component included in the encoding device 100. ..
  • FIG. 16 is a flowchart showing an example of motion vector derivation.
  • the inter prediction unit 126 derives the MV of the current block in a mode for encoding motion information (for example, MV).
  • the motion information is coded as a prediction parameter and signalized. That is, the encoded motion information is included in the encoded signal (also referred to as an encoded bitstream).
  • the inter prediction unit 126 derives the MV in a mode in which motion information is not encoded. In this case, the motion information is not included in the encoded signal.
  • the MV derivation mode may include a normal inter mode, a merge mode, a FRUC mode, and an affine mode, which will be described later.
  • modes for encoding motion information include a normal inter mode, a merge mode, and an affine mode (specifically, an affine inter mode and an affine merge mode).
  • the motion information may include not only the MV but also the motion vector predictor selection information described later. Further, as a mode in which motion information is not coded, there is a FRUC mode or the like.
  • the inter prediction unit 126 selects a mode for deriving the MV of the current block from these plural modes, and derives the MV of the current block using the selected mode.
  • FIG. 17 is a flowchart showing another example of motion vector derivation.
  • the inter prediction unit 126 derives the MV of the current block in the mode of encoding the difference MV.
  • the difference MV is coded as a prediction parameter and signalized. That is, the encoded difference MV is included in the encoded signal.
  • This difference MV is the difference between the MV of the current block and its predicted MV.
  • the inter prediction unit 126 derives the MV in a mode in which the difference MV is not encoded.
  • the encoded difference MV is not included in the encoded signal.
  • the MV derivation modes include a normal inter mode, a merge mode, a FRUC mode, and an affine mode, which will be described later.
  • the mode for encoding the differential MV includes a normal inter mode and an affine mode (specifically, an affine inter mode).
  • modes that do not encode the difference MV include a FRUC mode, a merge mode, and an affine mode (specifically, an affine merge mode).
  • the inter prediction unit 126 selects a mode for deriving the MV of the current block from these plural modes, and derives the MV of the current block using the selected mode.
  • FIG. 18 is a flowchart showing another example of motion vector derivation.
  • the modes that do not encode the difference MV include a merge mode, a FRUC mode, and an affine mode (specifically, an affine merge mode).
  • the merge mode is a mode for deriving the MV of the current block by selecting a motion vector from the surrounding encoded blocks
  • the FRUC mode is This is a mode for deriving the MV of the current block by performing a search between coded areas.
  • the affine mode is a mode in which the motion vector of each of the plurality of sub-blocks forming the current block is derived as the MV of the current block, assuming affine transformation.
  • the inter prediction unit 126 when the inter prediction mode information indicates 0 (0 in Sf_1), the inter prediction unit 126 derives a motion vector in the merge mode (Sf_2). Moreover, when the inter prediction mode information indicates 1 (1 in Sf_1), the inter prediction unit 126 derives a motion vector in the FRUC mode (Sf_3). Further, when the inter prediction mode information indicates 2 (2 in Sf_1), the inter prediction unit 126 derives a motion vector in the affine mode (specifically, the affine merge mode) (Sf_4). Further, when the inter prediction mode information indicates 3 (3 in Sf_1), the inter prediction unit 126 derives a motion vector in a mode for encoding the difference MV (for example, normal inter mode) (Sf_5).
  • the normal inter mode is an inter prediction mode in which the MV of the current block is derived from the area of the reference picture indicated by the candidate MV based on a block similar to the image of the current block. Further, in this normal inter mode, the difference MV is encoded.
  • FIG. 19 is a flowchart showing an example of inter prediction in the normal inter mode.
  • the inter prediction unit 126 first acquires a plurality of candidate MVs for the current block based on information such as the MVs of a plurality of coded blocks surrounding the current block temporally or spatially (step). Sg_1). That is, the inter prediction unit 126 creates a candidate MV list.
  • the inter prediction unit 126 selects each of N (N is an integer of 2 or more) candidate MVs from the plurality of candidate MVs acquired in step Sg_1 as a motion vector predictor candidate (also referred to as a predicted MV candidate). As a result, extraction is performed according to a predetermined priority order (step Sg_2). Note that the priority may be predetermined for each of the N candidate MVs.
  • the inter prediction unit 126 selects one motion vector predictor candidate from the N motion vector predictor candidates as a motion vector predictor (also referred to as a motion vector MV) of the current block (step Sg_3). At this time, the inter prediction unit 126 encodes the motion vector predictor selection information for identifying the selected motion vector predictor into a stream.
  • the stream is the above-described coded signal or coded bit stream.
  • the inter prediction unit 126 refers to the coded reference picture and derives the MV of the current block (step Sg_4). At this time, the inter prediction unit 126 further encodes the difference value between the derived MV and the motion vector predictor as a difference MV into a stream.
  • the coded reference picture is a picture composed of a plurality of blocks reconstructed after coding.
  • the inter prediction unit 126 generates a predicted image of the current block by performing motion compensation on the current block using the derived MV and the encoded reference picture (step Sg_5).
  • the predicted image is the inter prediction signal described above.
  • the information included in the encoded signal and indicating the inter prediction mode (normal inter mode in the above example) used to generate the predicted image is encoded as a prediction parameter, for example.
  • the candidate MV list may be commonly used with lists used in other modes. Further, the process related to the candidate MV list may be applied to the process related to the list used in another mode.
  • the processing related to this candidate MV list is, for example, extraction or selection of candidate MVs from the candidate MV list, rearrangement of candidate MVs, or deletion of candidate MVs.
  • the merge mode is an inter prediction mode that derives the MV by selecting the candidate MV as the MV of the current block from the candidate MV list.
  • FIG. 20 is a flowchart showing an example of inter prediction in merge mode.
  • the inter prediction unit 126 first acquires a plurality of candidate MVs for the current block based on information such as the MVs of a plurality of coded blocks surrounding the current block temporally or spatially (step). Sh_1). That is, the inter prediction unit 126 creates a candidate MV list.
  • the inter prediction unit 126 derives the MV of the current block by selecting one candidate MV from the plurality of candidate MVs acquired in step Sh_1 (step Sh_2). At this time, the inter prediction unit 126 encodes the MV selection information for identifying the selected candidate MV into a stream.
  • the inter prediction unit 126 generates a predicted image of the current block by performing motion compensation on the current block using the derived MV and the encoded reference picture (step Sh_3).
  • the information included in the encoded signal and indicating the inter prediction mode (merge mode in the above example) used for generating the predicted image is encoded as, for example, a prediction parameter.
  • FIG. 21 is a conceptual diagram for explaining an example of the motion vector derivation process of the current picture in the merge mode.
  • Predictive MV candidates include spatially adjacent prediction MVs that are MVs of a plurality of encoded blocks that are spatially peripheral to the target block, and blocks around which the position of the target block in the encoded reference picture is projected.
  • There are a temporally adjacent prediction MV which is an MV that the user has, a combined prediction MV which is an MV generated by combining the spatially adjacent prediction MV and the MV values of the temporally adjacent prediction MV, and a zero prediction MV which is a MV having a value of zero.
  • variable length coding unit a signal indicating which prediction MV has been selected, merge_idx, is described in the stream and coded.
  • the prediction MVs registered in the prediction MV list described in FIG. 21 are examples, and the number may be different from the number in the figure, or may be a configuration that does not include some types of the prediction MV in the figure.
  • the configuration may be such that a prediction MV other than the type of prediction MV in the figure is added.
  • the final MV may be determined by using the MV of the target block derived by the merge mode and performing a DMVR (decoder motion vector refinement) process described later.
  • DMVR decoder motion vector refinement
  • the candidate of the predicted MV is the above-mentioned candidate MV
  • the predicted MV list is the above-mentioned candidate MV list.
  • the candidate MV list may be referred to as a candidate list.
  • the merge_idx is MV selection information.
  • the motion information may be derived on the decoding device side without being signalized on the encoding device side. Note that, as described above, H.264.
  • the merge mode defined by the H.265/HEVC standard may be used.
  • the motion information may be derived by performing a motion search on the decoding device side. In the embodiment, on the decoding device side, motion search is performed without using the pixel value of the current block.
  • the mode for performing motion search on the decoding device side is sometimes called a PMMVD (pattern matched motion vector derivation) mode or a FRUC (frame rate up-conversion) mode.
  • PMMVD pattern matched motion vector derivation
  • FRUC frame rate up-conversion
  • a list of a plurality of candidates each having a prediction motion vector (MV) (that is, a candidate MV list, (It may be common to the merge list) is generated (step Si_1).
  • the best candidate MV is selected from the plurality of candidate MVs registered in the candidate MV list (step Si_2). For example, the evaluation value of each candidate MV included in the candidate MV list is calculated, and one candidate MV is selected based on the evaluation value.
  • the motion vector for the current block is derived based on the motion vector of the selected candidate (step Si_4).
  • the motion vector of the selected candidate (best candidate MV) is directly derived as the motion vector for the current block.
  • the motion vector for the current block may be derived by performing pattern matching in the peripheral area of the position in the reference picture corresponding to the motion vector of the selected candidate. That is, a pattern matching in a reference picture and a search using an evaluation value are performed on a region around the best candidate MV, and if there is an MV with a better evaluation value, the best candidate MV is set to the MV. It may be updated to be the final MV of the current block. It is also possible to adopt a configuration in which the process of updating to an MV having a better evaluation value is not performed.
  • the inter prediction unit 126 performs motion compensation on the current block using the derived MV and the encoded reference picture to generate a predicted image of the current block (step Si_5).
  • the same processing may be performed when processing is performed in sub-block units.
  • the evaluation value may be calculated by various methods. For example, a reconstructed image of an area in a reference picture corresponding to a motion vector and a predetermined area (the area is an area of another reference picture or an area of an adjacent block of the current picture, for example, as shown below). May be used).
  • the predetermined area may be predetermined.
  • the difference between the pixel values of the two reconstructed images may be calculated and used as the evaluation value of the motion vector.
  • the evaluation value may be calculated using other information in addition to the difference value.
  • one candidate MV included in the candidate MV list (for example, merge list) is selected as a start point of the search by pattern matching.
  • the first pattern matching or the second pattern matching may be used as the pattern matching.
  • the first pattern matching and the second pattern matching may be referred to as bilateral matching and template matching, respectively.
  • the predetermined area may be predetermined.
  • FIG. 23 is a conceptual diagram for explaining an example of first pattern matching (bilateral matching) between two blocks in two reference pictures along a motion trajectory.
  • first pattern matching in a pair of two blocks in two different reference pictures (Ref0, Ref1) which are two blocks along the motion trajectory of the current block (Cur block).
  • Two motion vectors (MV0, MV1) are derived by searching for the best matching pair. Specifically, for the current block, the reconstructed image at the specified position in the first coded reference picture (Ref0) specified by the candidate MV and the symmetric MV obtained by scaling the candidate MV at the display time interval.
  • the difference with the reconstructed image at the designated position in the second coded reference picture (Ref1) designated by is derived, and the evaluation value is calculated using the obtained difference value. It is possible to select, as the final MV, the candidate MV having the best evaluation value among the plurality of candidate MVs, which may bring good results.
  • the motion vector (MV0, MV1) pointing to two reference blocks is the temporal distance between the current picture (CurPic) and the two reference pictures (Ref0, Ref1). It is proportional to (TD0, TD1).
  • a mirror-symmetric bidirectional motion vector is used. Is derived.
  • MV derivation>FRUC> template matching In the second pattern matching (template matching), pattern matching is performed between a template in the current picture (a block adjacent to the current block in the current picture (for example, an upper and/or left adjacent block)) and a block in the reference picture. Done. Therefore, in the second pattern matching, a block adjacent to the current block in the current picture is used as the predetermined area for calculating the above-described candidate evaluation value.
  • FIG. 24 is a conceptual diagram for explaining an example of pattern matching (template matching) between a template in the current picture and a block in the reference picture.
  • the current block is searched by searching the reference picture (Ref0) for the block that most matches the block adjacent to the current block (Cur block) in the current picture (CurPic).
  • Motion vectors are derived.
  • the reconstructed image of the left adjacent and/or upper adjacent encoded areas and the equivalent in the encoded reference picture (Ref0) specified by the candidate MV are equal.
  • the difference from the reconstructed image at the position is derived, the evaluation value is calculated using the obtained difference value, and the candidate MV having the best evaluation value among the plurality of candidate MVs is selected as the best candidate MV. It is possible.
  • a FRUC flag indicating whether or not the FRUC mode is applied may be signaled at the CU level. Further, when the FRUC mode is applied (for example, when the FRUC flag is true), information indicating an applicable pattern matching method (first pattern matching or second pattern matching) may be signaled at the CU level. .. Note that the signaling of these pieces of information is not limited to the CU level, and may be another level (eg, sequence level, picture level, slice level, tile level, CTU level or sub-block level). ..
  • FIG. 25A is a conceptual diagram for explaining an example of derivation of a motion vector in sub-block units based on motion vectors of a plurality of adjacent blocks.
  • the current block includes 16 4x4 subblocks.
  • the motion vector v0 of the upper left corner control point of the current block is derived based on the motion vector of the adjacent block
  • the motion vector v1 of the upper right corner control point of the current block is derived based on the motion vector of the adjacent sub block.
  • two motion vectors v0 and v1 may be projected and the motion vector (vx, vy) of each sub-block in the current block may be derived by the following expression (1A).
  • x and y indicate the horizontal position and vertical position of the sub-block, respectively, and w indicates a predetermined weighting coefficient.
  • the predetermined weighting factor may be predetermined.
  • Information indicating such an affine mode may be signaled at the CU level.
  • the signalization of the information indicating the affine mode does not have to be limited to the CU level, but may be another level (eg, sequence level, picture level, slice level, tile level, CTU level or sub-block level). May be.
  • an affine mode may include several modes in which the method of deriving the motion vector of the upper left and upper right corner control points is different.
  • FIG. 25B is a conceptual diagram for explaining an example of derivation of a motion vector in a sub-block unit in an affine mode having three control points.
  • the current block includes 16 4x4 sub-blocks.
  • the motion vector v0 of the upper left corner control point of the current block is derived based on the motion vector of the adjacent block, and similarly, the motion vector v1 of the upper right corner control point of the current block and the adjacent vector are calculated based on the motion vector of the adjacent block.
  • the motion vector v2 of the lower left corner control point of the current block is derived based on the motion vector of the block.
  • the three motion vectors v0, v1 and v2 may be projected and the motion vector (vx, vy) of each sub-block in the current block may be derived by the following equation (1B).
  • x and y respectively indicate the horizontal position and the vertical position of the center of the sub-block
  • w indicates the width of the current block
  • h indicates the height of the current block.
  • Affine modes with different numbers of control points may be signaled by switching at the CU level.
  • Information indicating the number of control points in the affine mode used at the CU level may be signaled at another level (eg, sequence level, picture level, slice level, tile level, CTU level or sub-block level). Good.
  • the affine mode having such three control points may include some modes in which the method of deriving the motion vector of the upper left, upper right and lower left corner control points is different.
  • FIGS. 26A, 26B, and 26C are conceptual diagrams for explaining the affine merge mode.
  • the predicted motion vector of each control point of the current block is calculated based on the plurality of motion vectors corresponding to the block encoded in the affine mode. Specifically, these blocks are examined in the order of coded block A (left), block B (top), block C (top right), block D (bottom left) and block E (top left), and in affine mode. The first valid block encoded is identified. The predicted motion vector of the control point of the current block is calculated based on the plurality of motion vectors corresponding to the specified block.
  • the upper left corner and the upper right corner of the encoded block including the block A are The motion vectors v3 and v4 projected at the position of are derived. Then, the predicted motion vector v0 of the control point at the upper left corner of the current block and the predicted motion vector v1 of the control point at the upper right corner of the current block are calculated from the derived motion vectors v3 and v4.
  • the upper left corner and the upper right corner of the encoded block including the block A are And the motion vectors v3, v4, and v5 projected to the position of the lower left corner are derived. Then, from the derived motion vectors v3, v4, and v5, the predicted motion vector v0 of the control point at the upper left corner of the current block, the predicted motion vector v1 of the control point at the upper right corner, and the predicted motion vector of the control point at the lower left corner of the current block. v2 is calculated.
  • this predictive motion vector deriving method may be used for deriving the predictive motion vector of each control point of the current block in step Sj_1 of FIG. 29 described later.
  • FIG. 27 is a flowchart showing an example of the affine merge mode.
  • the inter prediction unit 126 first derives the prediction MV of each control point of the current block (step Sk_1).
  • the control points are the upper left corner and the upper right corner of the current block as shown in FIG. 25A, or the upper left corner, the upper right corner and the lower left corner of the current block as shown in FIG. 25B.
  • the inter prediction unit 126 performs the sequence of the coded block A (left), block B (upper), block C (upper right), block D (lower left), and block E (upper left). Examine these blocks and identify the first valid block encoded in affine mode.
  • the inter prediction unit 126 causes the motion vector v3 of the upper left corner and the upper right corner of the encoded block including the block A and From v4, the motion vector v0 of the control point at the upper left corner of the current block and the motion vector v1 of the control point at the upper right corner are calculated.
  • the inter prediction unit 126 projects the motion vectors v3 and v4 of the upper left corner and the upper right corner of the coded block onto the current block, thereby predicting the predicted motion vector v0 of the control point at the upper left corner of the current block and the upper right corner of the current block.
  • the predicted motion vector v1 of the corner control point is calculated.
  • the inter prediction unit 126 moves the upper left corner, the upper right corner, and the lower left corner of the encoded block including the block A, as illustrated in FIG. 26C. From the vectors v3, v4 and v5, the motion vector v0 of the control point at the upper left corner of the current block, the motion vector v1 of the control point at the upper right corner, and the motion vector v2 of the control point at the lower left corner are calculated.
  • the inter prediction unit 126 projects the motion vectors v3, v4, and v5 of the upper left corner, the upper right corner, and the lower left corner of the encoded block onto the current block to predict the predicted motion of the control point at the upper left corner of the current block.
  • the vector v0, the predicted motion vector v1 of the control point at the upper right corner, and the motion vector v2 of the control point at the lower left corner are calculated.
  • the inter prediction unit 126 performs motion compensation on each of the plurality of sub blocks included in the current block. That is, the inter prediction unit 126, for each of the plurality of sub-blocks, the two motion vector predictors v0 and v1 and the above formula (1A), or the three motion vector predictors v0, v1 and v2 and the above formula (1B). ) And are used to calculate the motion vector of the sub-block as an affine MV (step Sk_2). Then, the inter prediction unit 126 performs motion compensation on the sub block using the affine MV and the encoded reference picture (step Sk_3). As a result, motion compensation is performed on the current block, and a predicted image of the current block is generated.
  • FIG. 28A is a conceptual diagram for explaining an affine inter mode having two control points.
  • the motion vector selected from the motion vectors of the coded blocks A, B and C adjacent to the current block is the prediction of the control point at the upper left corner of the current block. It is used as the motion vector v0.
  • the motion vector selected from the motion vectors of the coded blocks D and E adjacent to the current block is used as the predicted motion vector v1 of the control point at the upper right corner of the current block.
  • FIG. 28B is a conceptual diagram for explaining an affine inter mode having three control points.
  • the motion vector selected from the motion vectors of the coded blocks A, B and C adjacent to the current block is the prediction of the control point at the upper left corner of the current block. It is used as the motion vector v0.
  • the motion vector selected from the motion vectors of the coded blocks D and E adjacent to the current block is used as the predicted motion vector v1 of the control point at the upper right corner of the current block.
  • the motion vector selected from the motion vectors of the coded block F and the block G adjacent to the current block is used as the predicted motion vector v2 of the control point at the lower left corner of the current block.
  • FIG. 29 is a flowchart showing an example of the affine inter mode.
  • the inter prediction unit 126 derives the prediction MV (v0, v1) or (v0, v1, v2) of each of the two or three control points of the current block. (Step Sj_1).
  • the control points are points at the upper left corner, upper right corner, or lower left corner of the current block, as shown in FIG. 25A or FIG. 25B.
  • the inter prediction unit 126 predicts the control point of the current block by selecting the motion vector of one of the coded blocks in the vicinity of each control point of the current block shown in FIG. 28A or 28B.
  • the motion vector (v0, v1) or (v0, v1, v2) is derived.
  • the inter prediction unit 126 encodes the motion vector predictor selection information for identifying the selected two motion vectors into a stream.
  • the inter prediction unit 126 determines which motion vector of a block is selected from the coded blocks adjacent to the current block as the motion vector predictor of the control point by using cost evaluation or the like, and which motion vector predictor is selected. A flag indicating whether it has been selected may be described in the bitstream.
  • the inter prediction unit 126 performs motion search (steps Sj_3 and Sj_4) while updating the motion vector predictor selected or derived in step Sj_1 (step Sj_2). That is, the inter prediction unit 126 calculates the motion vector of each sub-block corresponding to the updated motion vector predictor as the affine MV using the above formula (1A) or formula (1B) (step Sj_3). Then, the inter prediction unit 126 performs motion compensation on each sub block using the affine MV and the encoded reference picture (step Sj_4). As a result, the inter prediction unit 126 determines, as a motion vector of the control point, a motion vector predictor that yields the smallest cost in the motion search loop (step Sj_5). At this time, the inter prediction unit 126 further encodes each difference value between the determined MV and the motion vector predictor as a difference MV in the stream.
  • the inter prediction unit 126 generates a predicted image of the current block by performing motion compensation on the current block using the determined MV and the encoded reference picture (step Sj_6).
  • FIG. 30A and FIG. 30B are conceptual diagrams for explaining a control point prediction vector deriving method in the case where the number of control points is different between the coded block and the current block.
  • a current block has three control points of an upper left corner, an upper right corner and a lower left corner, and a block A adjacent to the left of the current block has two control points and is encoded in an affine mode. If so, the motion vectors v3 and v4 projected at the positions of the upper left corner and the upper right corner of the encoded block including the block A are derived. Then, the predicted motion vector v0 of the control point at the upper left corner of the current block and the predicted motion vector v1 of the control point at the upper right corner of the current block are calculated from the derived motion vectors v3 and v4. Further, the predicted motion vector v2 of the control point at the lower left corner is calculated from the derived motion vectors v0 and v1.
  • the current block has two control points at the upper left corner and the upper right corner, and the block A adjacent to the left of the current block is encoded in the affine mode having three control points.
  • the motion vectors v3, v4, and v5 projected at the positions of the upper left corner, the upper right corner, and the lower left corner of the encoded block including the block A are derived.
  • the predicted motion vector v0 of the control point at the upper left corner of the current block and the predicted motion vector v1 of the control point at the upper right corner of the current block are calculated from the derived motion vectors v3, v4, and v5.
  • This predictive motion vector deriving method may be used for deriving the predictive motion vector of each control point of the current block in step Sj_1 in FIG.
  • FIG. 31A is a flowchart showing the relationship between the merge mode and DMVR.
  • the inter prediction unit 126 derives the motion vector of the current block in the merge mode (step Sl_1). Next, the inter prediction unit 126 determines whether or not to search a motion vector, that is, a motion search (step Sl_2). Here, when the inter prediction unit 126 determines not to perform the motion search (No in step Sl_2), the inter prediction unit 126 determines the motion vector derived in step Sl_1 as the final motion vector for the current block (step Sl_4). That is, in this case, the motion vector of the current block is determined in the merge mode.
  • step Sl_3 the final motion vector is derived (step Sl_3). That is, in this case, the motion vector of the current block is determined by DMVR.
  • FIG. 31B is a conceptual diagram for explaining an example of DMVR processing for determining the MV.
  • the optimal MVP set in the current block (for example, in merge mode) is set as the candidate MV.
  • the candidate MV (L0) the reference pixel is specified from the first reference picture (L0) which is a coded picture in the L0 direction.
  • the reference pixel is specified from the second reference picture (L1) which is a coded picture in the L1 direction.
  • a template is generated by averaging these reference pixels.
  • the peripheral areas of the candidate MVs of the first reference picture (L0) and the second reference picture (L1) are searched respectively, and the MV with the lowest cost is determined as the final MV.
  • the cost value may be calculated using, for example, a difference value between each pixel value of the template and each pixel value of the search area, a candidate MV value, and the like.
  • any processing may be used as long as it is a processing that can search the periphery of the candidate MV and derive the final MV.
  • BIO/OBMC In motion compensation, there is a mode in which a predicted image is generated and the predicted image is corrected.
  • the mode is, for example, BIO and OBMC described later.
  • FIG. 32 is a flowchart showing an example of generation of a predicted image.
  • the inter prediction unit 126 generates a predicted image (step Sm_1), and corrects the predicted image according to, for example, one of the above modes (step Sm_2).
  • FIG. 33 is a flowchart showing another example of generation of a predicted image.
  • the inter prediction unit 126 determines the motion vector of the current block (step Sn_1). Next, the inter prediction unit 126 generates a predicted image (step Sn_2) and determines whether or not to perform correction processing (step Sn_3). Here, when the inter prediction unit 126 determines to perform the correction process (Yes in step Sn_3), the inter prediction unit 126 corrects the predicted image to generate a final predicted image (step Sn_4). On the other hand, when the inter prediction unit 126 determines not to perform the correction process (No in step Sn_3), it outputs the predicted image as a final predicted image without correction (step Sn_5).
  • the mode is, for example, LIC described later.
  • FIG. 34 is a flowchart showing another example of generation of a predicted image.
  • the inter prediction unit 126 derives the motion vector of the current block (step So_1). Next, the inter prediction unit 126 determines whether to perform the brightness correction process (step So_2). Here, when the inter prediction unit 126 determines to perform the brightness correction process (Yes in step So_2), the inter prediction unit 126 generates a predicted image while performing the brightness correction (step So_3). That is, the predicted image is generated by the LIC. On the other hand, when the inter prediction unit 126 determines not to perform the brightness correction process (No in step So_2), the inter prediction unit 126 generates a predicted image by normal motion compensation without performing the brightness correction (step So_4).
  • the inter prediction signal may be generated using not only the motion information of the current block obtained by the motion search but also the motion information of the adjacent block. Specifically, the prediction signal based on the motion information obtained by the motion search (in the reference picture) and the prediction signal based on the motion information of the adjacent block (in the current picture) are weighted and added to obtain the current The inter prediction signal may be generated for each sub-block in the block.
  • Such inter prediction (motion compensation) is sometimes called OBMC (overlapped block motion compensation).
  • information indicating the size of the sub-block for the OBMC may be signaled at the sequence level. Further, information indicating whether to apply the OBMC mode (for example, called an OBMC flag) may be signaled at the CU level. Note that the level of signalization of these information does not need to be limited to the sequence level and the CU level, and may be another level (for example, a picture level, a slice level, a tile level, a CTU level or a sub-block level). Good.
  • 35 and 36 are a flowchart and a conceptual diagram for explaining the outline of the predicted image correction process by the OBMC process.
  • a predicted image (Pred) obtained by normal motion compensation is acquired using the motion vector (MV) assigned to the processing target (current) block.
  • MV motion vector assigned to the processing target (current) block.
  • an arrow “MV” indicates a reference picture and indicates what the current block of the current picture refers to in order to obtain a predicted image.
  • the motion vector (MV_L) already derived for the coded left adjacent block is applied (reused) to the block to be coded to obtain the predicted image (Pred_L).
  • the motion vector (MV_L) is indicated by the arrow “MV_L” pointing from the current block to the reference picture.
  • the first prediction image is corrected by superimposing the two prediction images Pred and Pred_L. This has the effect of blending the boundaries between adjacent blocks.
  • the motion vector (MV_U) already derived for the encoded upper adjacent block is applied (reused) to the encoding target block to obtain the prediction image (Pred_U).
  • the motion vector (MV_U) is indicated by an arrow “MV_U” pointing from the current block to the reference picture.
  • the predicted image Pred_U is superimposed on the predicted image (for example, Pred and Pred_L) subjected to the first correction to perform the second correction of the predicted image. This has the effect of blending the boundaries between adjacent blocks.
  • the predicted image obtained by the second correction is the final predicted image of the current block in which the boundaries with adjacent blocks are mixed (smoothed).
  • the above example is a two-pass correction method that uses left-adjacent and upper-adjacent blocks, but the correction method is a three-pass or more pass that also uses right-adjacent and/or lower-adjacent blocks.
  • the correction method of may be used.
  • the overlapping area may not be the pixel area of the entire block, but may be only a partial area near the block boundary.
  • the predictive image correction process of the OBMC for obtaining one predictive image Pred by superimposing the additional predictive images Pred_L and Pred_U from one reference picture has been described.
  • the same process may be applied to each of the plurality of reference pictures.
  • by performing image correction of OBMC based on a plurality of reference pictures after obtaining a corrected predicted image from each reference picture, further superimposing the obtained plurality of corrected predicted images. To get the final predicted image.
  • the unit of the target block may be a prediction block unit or a sub-block unit obtained by further dividing the prediction block.
  • the encoding device may determine whether or not the target block belongs to a complex region of motion.
  • the coding apparatus sets a value of 1 as obmc_flag and applies OBMC processing to code when it belongs to a complex area of motion, and codes as obmc_flag when it does not belong to a complex area of motion.
  • the value 0 is set to encode the block without applying OBMC processing.
  • the decoding device by decoding obmc_flag described in the stream (for example, a compression sequence), whether or not to apply the OBMC process is switched according to the value and decoding is performed.
  • the inter prediction unit 126 generates one rectangular predicted image for the rectangular current block.
  • the inter prediction unit 126 generates a plurality of predicted images having a shape different from the rectangle for the rectangular current block, and combines the plurality of predicted images to generate a final rectangular predicted image. You may.
  • the shape different from the rectangle may be, for example, a triangle.
  • FIG. 37 is a conceptual diagram for explaining the generation of two triangular predicted images.
  • the inter prediction unit 126 generates a triangular predicted image by performing motion compensation on the first triangular partition in the current block using the first MV of the first partition. Similarly, the inter prediction unit 126 generates a triangular predicted image by performing motion compensation on the triangular second partition in the current block using the second MV of the second partition. Then, the inter prediction unit 126 combines these prediction images to generate a prediction image of the same rectangle as the current block.
  • the first partition and the second partition are each triangular, but they may be trapezoidal or may have mutually different shapes.
  • the current block is composed of two partitions, but it may be composed of three or more partitions.
  • first partition and the second partition may overlap. That is, the first partition and the second partition may include the same pixel area.
  • the predicted image of the current block may be generated using the predicted image of the first partition and the predicted image of the second partition.
  • a prediction image is generated by inter prediction for both two partitions is shown, but a prediction image may be generated by intra prediction for at least one partition.
  • BIO a mode for deriving a motion vector based on a model assuming constant velocity linear motion. This mode is sometimes called a BIO (bi-directional optical flow) mode.
  • FIG. 38 is a conceptual diagram for explaining a model assuming constant velocity linear motion.
  • (vx, vy) indicates a velocity vector
  • ⁇ 0, ⁇ 1 indicate a temporal distance between the current picture (Cur Pic) and two reference pictures (Ref0, Ref1), respectively.
  • (MVx0, MVy0) indicates a motion vector corresponding to the reference picture Ref0
  • (MVx1, MVy1) indicates a motion vector corresponding to the reference picture Ref1.
  • This optical flow equation is (i) the temporal derivative of the luminance value, (ii) the product of the horizontal velocity and the horizontal component of the spatial gradient of the reference image, and (iii) the vertical velocity and the spatial gradient of the reference image. The product of the vertical components of and the sum of are equal to zero.
  • the motion vector in block units obtained from the merge list or the like may be corrected in pixel units.
  • the motion vector may be derived on the decoding device side by a method different from the motion vector derivation based on a model that assumes constant velocity linear motion.
  • the motion vector may be derived in sub-block units based on the motion vectors of a plurality of adjacent blocks.
  • FIG. 39 is a conceptual diagram for explaining an example of a predicted image generation method using the brightness correction processing by the LIC processing.
  • the MV is derived from the encoded reference picture, and the reference image corresponding to the current block is acquired.
  • the current block information indicating how the luminance value has changed between the reference picture and the current picture is extracted.
  • This extraction is performed using the luminance pixel values of the encoded left adjacent reference area (peripheral reference area) and the encoded upper adjacent reference area (peripheral reference area) in the current picture, and the reference picture specified by the derived MV. It is performed based on the luminance pixel value at the equivalent position. Then, the brightness correction parameter is calculated using the information indicating how the brightness value has changed.
  • Prediction image for the current block is generated by performing the brightness correction process that applies the brightness correction parameter to the reference image in the reference picture specified by MV.
  • the shape of the peripheral reference area in FIG. 39 is an example, and shapes other than this may be used.
  • the processing of generating a predicted image from one reference picture has been described, but the same applies to the case of generating a predicted image from a plurality of reference pictures, and the reference image acquired from each reference picture is described above.
  • the predicted image may be generated after the brightness correction processing is performed by the same method as described above.
  • lic_flag is a signal indicating whether to apply LIC processing.
  • the encoding device it is determined whether or not the current block belongs to the area in which the luminance change occurs, and if it belongs to the area in which the luminance change occurs, the value is set as lic_flag.
  • a value 0 is set as lic_flag and encoding is performed without applying LIC processing.
  • the decoding device by decoding the lic_flag described in the stream, whether or not to apply the LIC processing may be switched according to the value to perform the decoding.
  • determining whether to apply the LIC processing for example, there is a method of determining whether to apply the LIC processing in the peripheral block.
  • determining whether to apply the LIC processing in the peripheral block For example, when the current block is in the merge mode, it is determined whether or not the surrounding coded blocks selected at the time of deriving the MV in the merge mode process are coded by applying the LIC process. .. Encoding is performed by switching whether or not to apply the LIC processing according to the result. Even in the case of this example, the same processing is applied to the processing on the decoding device side.
  • the inter prediction unit 126 derives a motion vector for obtaining a reference image corresponding to the target block to be encoded from a reference picture that is an encoded picture.
  • the inter prediction unit 126 for the target block to be encoded, the luminance pixel values of the left adjacent and upper adjacent encoded peripheral reference areas and the luminance pixels at the same position in the reference picture specified by the motion vector. Using the value, information indicating how the luminance value has changed between the reference picture and the current picture to be encoded is extracted to calculate the luminance correction parameter. For example, the luminance pixel value of a pixel in the peripheral reference area in the current picture is set to p0, and the luminance pixel value of a pixel in the peripheral reference area in the reference picture at the same position as the pixel is set to p1.
  • the inter prediction unit 126 performs a brightness correction process on the reference image in the reference picture specified by the motion vector using the brightness correction parameter, thereby generating a predicted image for the encoding target block.
  • the brightness pixel value in the reference image is p2
  • the brightness pixel value of the predicted image after the brightness correction process is p3.
  • the shape of the peripheral reference area in FIG. 39 is an example, and shapes other than this may be used. Further, a part of the peripheral reference area shown in FIG. 39 may be used. For example, an area including a predetermined number of pixels thinned from each of the upper adjacent pixel and the left adjacent pixel may be used as the peripheral reference area.
  • the peripheral reference area is not limited to the area adjacent to the encoding target block, and may be an area not adjacent to the encoding target block.
  • the predetermined number of pixels may be predetermined.
  • the peripheral reference area in the reference picture is an area specified by the motion vector of the encoding target picture from the peripheral reference area in the encoding target picture, but other peripheral motion vectors are used. It may be a designated area.
  • the other motion vector may be a motion vector of the peripheral reference area in the current picture.
  • LIC processing may be applied not only to luminance but also to color difference.
  • a correction parameter may be derived individually for each of Y, Cb, and Cr, or a common correction parameter may be used for any of them.
  • the correction parameter may be derived using the peripheral reference area of the current sub-block and the peripheral reference area of the reference sub-block in the reference picture specified by the MV of the current sub-block.
  • the prediction control unit 128 selects either the intra prediction signal (the signal output from the intra prediction unit 124) or the inter prediction signal (the signal output from the inter prediction unit 126), and subtracts the selected signal as the prediction signal. It is output to the unit 104 and the addition unit 116.
  • the prediction control unit 128 may output the prediction parameter input to the entropy coding unit 110.
  • the entropy coding unit 110 may generate a coded bitstream (or sequence) based on the prediction parameter input from the prediction control unit 128 and the quantization coefficient input from the quantization unit 108.
  • the prediction parameter may be used in the decoding device.
  • the decoding device may receive and decode the encoded bitstream, and may perform the same processing as the prediction processing performed by the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • the prediction parameter is a selected prediction signal (for example, a motion vector, a prediction type, or a prediction mode used by the intra prediction unit 124 or the inter prediction unit 126), or an intra prediction unit 124, an inter prediction unit 126, and a prediction control unit. It may include any index, flag, or value based on or indicative of the prediction process performed at 128.
  • FIG. 40 is a block diagram showing an implementation example of the encoding device 100.
  • the encoding device 100 includes a processor a1 and a memory a2.
  • the plurality of components of the encoding device 100 shown in FIG. 1 are implemented by the processor a1 and the memory a2 shown in FIG.
  • the processor a1 is a circuit that performs information processing, and is a circuit that can access the memory a2.
  • the processor a1 is a dedicated or general-purpose electronic circuit that encodes a moving image.
  • the processor a1 may be a processor such as a CPU.
  • the processor a1 may be an aggregate of a plurality of electronic circuits. Further, for example, the processor a1 may play the role of a plurality of components among the plurality of components of the encoding device 100 shown in FIG.
  • the memory a2 is a dedicated or general-purpose memory that stores information for the processor a1 to encode a moving image.
  • the memory a2 may be an electronic circuit and may be connected to the processor a1. Further, the memory a2 may be included in the processor a1. Further, the memory a2 may be an aggregate of a plurality of electronic circuits.
  • the memory a2 may be a magnetic disk, an optical disk, or the like, and may be expressed as a storage, a recording medium, or the like.
  • the memory a2 may be a non-volatile memory or a volatile memory.
  • the memory a2 may store a moving image to be encoded, or may store a bit string corresponding to the encoded moving image. Further, the memory a2 may store a program for the processor a1 to encode a moving image.
  • the memory a2 may play the role of a component for storing information among the plurality of components of the encoding device 100 shown in FIG.
  • the memory a2 may serve as the block memory 118 and the frame memory 122 shown in FIG. More specifically, the memory a2 may store reconstructed blocks, reconstructed pictures, and the like.
  • not all of the plurality of components shown in FIG. 1 and the like may be implemented, or all of the plurality of processes described above may not be performed.
  • a part of the plurality of constituent elements illustrated in FIG. 1 and the like may be included in another device, and a part of the plurality of processes described above may be executed by another device.
  • FIG. 41 is a block diagram showing a functional configuration of the decoding device 200 according to the embodiment.
  • the decoding device 200 is a moving image decoding device that decodes a moving image in block units.
  • the decoding device 200 includes an entropy decoding unit 202, an inverse quantization unit 204, an inverse transformation unit 206, an addition unit 208, a block memory 210, a loop filter unit 212, and a frame memory 214. And an intra prediction unit 216, an inter prediction unit 218, and a prediction control unit 220.
  • the decryption device 200 is realized by, for example, a general-purpose processor and a memory.
  • the processor entropy decoding unit 202, inverse quantization unit 204, inverse transformation unit 206, addition unit 208, loop filter unit 212, intra prediction unit. 216, the inter prediction unit 218, and the prediction control unit 220.
  • the decoding device 200 is a dedicated one corresponding to the entropy decoding unit 202, the dequantization unit 204, the inverse transformation unit 206, the addition unit 208, the loop filter unit 212, the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220. May be implemented as one or more electronic circuits of
  • FIG. 42 is a flowchart showing an example of the overall decoding process performed by the decoding device 200.
  • the entropy decoding unit 202 of the decoding device 200 specifies a division pattern of a fixed size block (for example, 128 ⁇ 128 pixels) (step Sp_1).
  • This division pattern is a division pattern selected by the encoding device 100.
  • the decoding device 200 performs the processes of steps Sp_2 to Sp_6 on each of the plurality of blocks that form the division pattern.
  • the entropy decoding unit 202 decodes (specifically, entropy decoding) the encoded quantized coefficient and the prediction parameter of the decoding target block (also referred to as the current block) (step Sp_2).
  • the inverse quantization unit 204 and the inverse transformation unit 206 restore a plurality of prediction residuals (that is, difference blocks) by performing inverse quantization and inverse transformation on the plurality of quantized coefficients (step Sp_3). ).
  • the prediction processing unit including all or part of the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 generates a prediction signal (also referred to as a prediction block) of the current block (step Sp_4).
  • the addition unit 208 reconstructs the current block into a reconstructed image (also referred to as a decoded image block) by adding the prediction block to the difference block (step Sp_5).
  • the loop filter unit 212 filters the reconstructed image (step Sp_6).
  • the decoding device 200 determines whether or not the decoding of the entire picture is completed (step Sp_7), and when it is determined that the decoding is not completed (No in step Sp_7), the processing from step Sp_1 is repeatedly executed.
  • steps Sp_1 to Sp_7 are sequentially performed by the decoding device 200. Alternatively, some of the processes may be performed in parallel, and the order of the processes may be changed.
  • the entropy decoding unit 202 entropy-decodes the encoded bitstream. Specifically, the entropy decoding unit 202, for example, arithmetically decodes a coded bitstream into a binary signal. Then, the entropy decoding unit 202 debinarizes the binary signal. The entropy decoding unit 202 outputs the quantized coefficient in block units to the inverse quantization unit 204. The entropy decoding unit 202 may output the prediction parameter included in the coded bitstream (see FIG. 1) to the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 according to the embodiment. The intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 can execute the same prediction process as the processes performed by the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 on the encoding device side.
  • the inverse quantization unit 204 inversely quantizes the quantized coefficient of the decoding target block (hereinafter referred to as the current block) that is the input from the entropy decoding unit 202. Specifically, the inverse quantization unit 204 inversely quantizes each quantized coefficient of the current block based on the quantized parameter corresponding to the quantized coefficient. Then, the inverse quantization unit 204 outputs the inversely quantized quantized coefficient (that is, the transform coefficient) of the current block to the inverse transform unit 206.
  • the inverse transform unit 206 restores the prediction error by inversely transforming the transform coefficient that is the input from the inverse quantization unit 204.
  • the inverse transform unit 206 determines the current block based on the information indicating the read transformation type.
  • the conversion coefficient of is inversely transformed.
  • the inverse transform unit 206 applies inverse retransform to the transform coefficient.
  • the addition unit 208 reconstructs the current block by adding the prediction error that is the input from the inverse transform unit 206 and the prediction sample that is the input from the prediction control unit 220. Then, the addition unit 208 outputs the reconstructed block to the block memory 210 and the loop filter unit 212.
  • the block memory 210 is a storage unit for storing a block that is referred to in intra prediction and that is included in a decoding target picture (hereinafter referred to as a current picture). Specifically, the block memory 210 stores the reconstructed block output from the addition unit 208.
  • the loop filter unit 212 applies a loop filter to the blocks reconstructed by the adder 208, and outputs the reconstructed blocks that have been filtered to the frame memory 214, the display device, and the like.
  • one of the plurality of filters is selected based on the direction and the activity of the local gradient, The selected filter is applied to the reconstruction block.
  • the frame memory 214 is a storage unit for storing a reference picture used for inter prediction, and is sometimes called a frame buffer. Specifically, the frame memory 214 stores the reconstructed block filtered by the loop filter unit 212.
  • FIG. 43 is a flowchart showing an example of processing performed by the prediction processing unit of the decoding device 200.
  • the prediction processing unit includes all or some of the components of the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220.
  • the prediction processing unit generates a prediction image of the current block (step Sq_1).
  • This prediction image is also called a prediction signal or a prediction block.
  • the prediction signal includes, for example, an intra prediction signal or an inter prediction signal.
  • the prediction processing unit generates a reconstructed image that has already been obtained by performing prediction block generation, difference block generation, coefficient block generation, difference block restoration, and decoded image block generation. The predicted image of the current block is generated by using this.
  • the reconstructed image may be, for example, an image of a reference picture or an image of a decoded block in the current picture that is a picture including the current block.
  • the decoded block in the current picture is, for example, a block adjacent to the current block.
  • FIG. 44 is a flowchart showing another example of the processing performed by the prediction processing unit of the decoding device 200.
  • the prediction processing unit determines the method or mode for generating the predicted image (step Sr_1). For example, this scheme or mode may be determined based on, for example, a prediction parameter or the like.
  • the prediction processing unit determines the first method as the mode for generating the prediction image, the prediction processing unit generates the prediction image according to the first method (step Sr_2a). Further, when the prediction processing unit determines the second method as the mode for generating the predicted image, the prediction processing unit generates the predicted image according to the second method (step Sr_2b). Further, when the prediction processing unit determines the third method as the mode for generating the predicted image, the prediction processing unit generates the predicted image according to the third method (step Sr_2c).
  • the first method, the second method, and the third method are different methods for generating a predicted image, and are, for example, an inter prediction method, an intra prediction method, and a prediction method other than them. It may be. In these prediction methods, the reconstructed image described above may be used.
  • the intra prediction unit 216 refers to the block in the current picture stored in the block memory 210 based on the intra prediction mode read from the encoded bitstream to perform intra prediction, thereby performing prediction signals (intra prediction). Signal). Specifically, the intra prediction unit 216 generates an intra prediction signal by performing intra prediction with reference to a sample (for example, a luminance value and a color difference value) of a block adjacent to the current block, and predicts and controls the intra prediction signal. Output to the section 220.
  • a sample for example, a luminance value and a color difference value
  • the intra prediction unit 216 may predict the color difference component of the current block based on the luminance component of the current block. ..
  • the intra prediction unit 216 corrects the pixel value after intra prediction based on the gradient of the reference pixels in the horizontal/vertical directions.
  • the inter prediction unit 218 refers to the reference picture stored in the frame memory 214 to predict the current block.
  • the prediction is performed in units of the current block or a sub block (for example, 4 ⁇ 4 block) in the current block.
  • the inter prediction unit 218 performs motion compensation using motion information (for example, a motion vector) that has been deciphered from a coded bitstream (for example, a prediction parameter output from the entropy decoding unit 202), or the current block or
  • the inter prediction signal of the sub block is generated, and the inter prediction signal is output to the prediction control unit 220.
  • the inter prediction unit 218 uses not only the motion information of the current block obtained by the motion search but also the motion information of the adjacent block. , Generate inter prediction signals.
  • the inter prediction unit 218 follows the pattern matching method (bilateral matching or template matching) read from the coded stream. Motion information is derived by performing a motion search. Then, the inter prediction unit 218 performs motion compensation (prediction) using the derived motion information.
  • the inter prediction unit 218 derives a motion vector based on a model assuming a uniform linear motion when the BIO mode is applied.
  • the inter prediction unit 218 determines the motion vector in subblock units based on the motion vectors of a plurality of adjacent blocks. Derive.
  • the inter prediction unit 218 derives an MV based on the information deciphered from the coded stream and uses the MV. Motion compensation (prediction).
  • FIG. 45 is a flowchart showing an example of inter prediction in the normal inter mode in the decoding device 200.
  • the inter prediction unit 218 of the decoding device 200 performs motion compensation for each block.
  • the inter prediction unit 218 acquires a plurality of candidate MVs for the current block based on information such as the MVs of a plurality of decoded blocks surrounding the current block temporally or spatially (step Ss_1). That is, the inter prediction unit 218 creates a candidate MV list.
  • the inter prediction unit 218 determines each of N (N is an integer of 2 or more) candidate MVs among the plurality of candidate MVs acquired in step Ss_1 as a motion vector predictor candidate (also referred to as a predicted MV candidate). As a result, extraction is performed according to a predetermined priority order (step Ss_2). In addition, the priority may be predetermined for each of the N predicted MV candidates.
  • the inter prediction unit 218 decodes the motion vector predictor selection information from the input stream (that is, the encoded bitstream), and uses the decoded motion vector predictor selection information, the N predicted MV candidates.
  • One of the predicted MV candidates is selected as a predicted motion vector (also referred to as predicted MV) of the current block (step Ss_3).
  • the inter prediction unit 218 decodes the difference MV from the input stream and adds the difference value that is the decoded difference MV and the selected motion vector predictor to calculate the MV of the current block. It is derived (step Ss_4).
  • the inter prediction unit 218 generates a predicted image of the current block by performing motion compensation on the current block using the derived MV and the decoded reference picture (step Ss_5).
  • the prediction control unit 220 selects either the intra prediction signal or the inter prediction signal, and outputs the selected signal to the adding unit 208 as a prediction signal.
  • the configurations, functions, and processes of the prediction control unit 220, the intra prediction unit 216, and the inter prediction unit 218 on the decoding device side are the same as those of the prediction control unit 128, the intra prediction unit 124, and the inter prediction unit 126 on the encoding device side. May correspond to the configuration, function, and processing of.
  • FIG. 46 is a block diagram showing an implementation example of the decoding device 200.
  • the decoding device 200 includes a processor b1 and a memory b2.
  • the plurality of components of the decoding device 200 shown in FIG. 41 are implemented by the processor b1 and the memory b2 shown in FIG.
  • the processor b1 is a circuit that performs information processing, and is a circuit that can access the memory b2.
  • the processor b1 is a dedicated or general-purpose electronic circuit that decodes an encoded moving image (that is, an encoded bit stream).
  • the processor b1 may be a processor such as a CPU.
  • the processor b1 may be an aggregate of a plurality of electronic circuits. Further, for example, the processor b1 may play a role of a plurality of constituent elements among the plurality of constituent elements of the decoding device 200 illustrated in FIG. 41 and the like.
  • the memory b2 is a dedicated or general-purpose memory that stores information for the processor b1 to decode the encoded bitstream.
  • the memory b2 may be an electronic circuit and may be connected to the processor b1.
  • the memory b2 may be included in the processor b1. Further, the memory b2 may be an aggregate of a plurality of electronic circuits.
  • the memory b2 may be a magnetic disk, an optical disk, or the like, or may be expressed as a storage, a recording medium, or the like.
  • the memory b2 may be a non-volatile memory or a volatile memory.
  • the memory b2 may store a moving image or an encoded bitstream. Further, the memory b2 may store a program for the processor b1 to decode the encoded bitstream.
  • the memory b2 may play the role of a component for storing information among the plurality of components of the decoding device 200 shown in FIG. 41 and the like.
  • the memory b2 may serve as the block memory 210 and the frame memory 214 shown in FIG. More specifically, the memory b2 may store reconstructed blocks, reconstructed pictures, and the like.
  • the decoding device 200 not all of the plurality of components shown in FIG. 41 or the like may be implemented, or all of the plurality of processes described above may not be performed. Some of the plurality of components shown in FIG. 41 and the like may be included in another device, and some of the plurality of processes described above may be executed by another device.
  • each term may be defined as follows.
  • a picture is either an array of luma samples in monochrome format, or an array of luma samples in 4:2:0, 4:2:2 and 4:4:4 color format and two chroma samples. It is a corresponding array.
  • the picture may be a frame or a field.
  • a frame is a composition of a top field in which a plurality of sample rows 0, 2, 4,... Is generated and a bottom field in which a plurality of sample rows 1, 3, 5,.
  • a slice is an independent slice segment and an integer number of coding trees contained in all subsequent dependent slice segments that precede the next independent slice segment (if any) in the same access unit. It is a unit.
  • a tile is a rectangular area of a plurality of coding tree blocks in a specific tile row and specific tile row in a picture.
  • a tile may be a rectangular area of a frame intended to be independently decoded and coded, although a loop filter across the edges of the tile may still be applied.
  • a block is an MxN (N rows and M columns) array of multiple samples or an MxN array of multiple transform coefficients.
  • a block may be a square or rectangular region of pixels that consists of multiple matrices of one luminance and two color differences.
  • a CTU may be a coding tree block of a plurality of luma samples of a picture having a three sample array or two corresponding coding tree blocks of a plurality of chrominance samples. ..
  • the CTU may be a multi-sample coding tree block of either a monochrome picture or a picture coded using three separate color planes and a syntax structure used to code the multiple samples. May be
  • the super block may be a square block of 64 ⁇ 64 pixels that constitutes one or two mode information blocks, or may be recursively divided into four 32 ⁇ 32 blocks and further divided.
  • FIG. 47 is a flowchart showing an example of the interpolation filter determination process in the embodiment.
  • the prediction processing unit determines the motion vector (MV) of the current block and performs motion compensation based on the determined MV to generate the predicted image, as shown in FIG. 15, for example.
  • motion compensation first, a first prediction image in integer pixel units is generated based on MV, and then an interpolation filter is used to calculate a decimal number between a plurality of integer pixels included in the first prediction image.
  • a second predicted image is generated by interpolating the value (sample) at the pixel position.
  • the interpolation filter determination process is included in the motion compensation process.
  • the inter prediction unit 126/218 determines whether the size of the encoding/decoding target block is larger than the threshold size.
  • An example of the threshold size is a 4x4 pixel size. In this case, if the size of the encoding/decoding target block is 4 ⁇ 4 pixel size, the inter prediction unit 126/218 determines that the size of the encoding/decoding target block is not larger than the threshold size. On the other hand, if the size of the encoding/decoding target block is larger than the 4 ⁇ 4 pixel size, the inter prediction unit 126/218 determines that the size of the encoding/decoding target block is larger than the threshold size.
  • the inter prediction unit 126/218 uses the interpolation used for motion compensation of the encoding/decoding target block.
  • the filter is determined to be the first interpolation filter.
  • the first interpolation filter for example, an 8-tap interpolation filter as shown in FIG. 48 can be used.
  • FIG. 48 is a diagram showing an example of the first interpolation filter in the embodiment. Specifically, as the first interpolation filter, 8-tap interpolation filter coefficients for each 1/16 motion vector accuracy (decimal sample position) are illustrated. For example, if the precision of the motion vector is "8/16", ⁇ -1, 4, -11, 40, 40, -11, 4, -1 ⁇ is used as the 8-tap interpolation filter coefficient.
  • the inter prediction unit 126/218 uses it for motion compensation of the encoding/decoding target block.
  • the interpolation filter is determined to be the second interpolation filter.
  • the second interpolation filter has a shorter tap than the first interpolation filter. That is, the number of taps of the second interpolation filter is smaller than the number of taps of the first interpolation filter.
  • a 6-tap interpolation filter as shown in FIG. 49 can be used.
  • FIG. 49 is a diagram showing an example of the second interpolation filter in the embodiment. Specifically, as the second interpolation filter, a 6-tap interpolation filter coefficient for each of 1/16 motion vector accuracy (decimal sample position) is illustrated. For example, if the precision of the motion vector is “8/16”, ⁇ 3, -11, 40, 40, -11, 3 ⁇ is used as the 6-tap interpolation filter coefficient.
  • step S1004 the encoding/decoding target block is encoded/decoded using the determined interpolation filter.
  • the inter prediction unit 126/218 performs motion compensation on the coding/decoding target block using the determined interpolation filter to generate an inter prediction signal of the coding/decoding target block. ..
  • the generated inter prediction signal is output to the prediction control unit 128/220 as described above.
  • the first interpolation filter and the second interpolation filter having a different tap number from the first interpolation filter can be switched and used according to the size of the encoding/decoding target block. it can.
  • the encoding/decoding target block may be any block for which motion compensation is performed, and is not particularly limited.
  • an affine mode sub-block can be used as the encoding/decoding target block.
  • a 4 ⁇ 4 pixel size can be used as the threshold size.
  • FIG. 50 is a diagram showing an example of a block to which the interpolation filter determined in the embodiment is applied.
  • the interpolation filter is applied to each of eight 4 ⁇ 4 pixel sub-blocks obtained by dividing a 16 ⁇ 8 pixel block into eight.
  • the present disclosure introduces a size adaptive interpolation filter decision process into the inter prediction process. This process reduces the worst case memory bandwidth of the inter-prediction process and the worst case complexity in terms of the number of operations for affine motion compensation.
  • the number of motion compensations will increase, and the number of samples read from memory for motion compensation will also increase.
  • the number of taps of the interpolation filter decreases, the number of samples read from the memory for the interpolation process decreases. Therefore, by using an interpolation filter having a shorter tap for a smaller block, the number of read samples per time is reduced, so that an increase in memory bandwidth is suppressed even if the number of sample read times is increased. be able to.
  • the second interpolation filter to the affine mode sub-block, it is possible to reduce the processing load of the affine motion compensation, which has a relatively high processing load.
  • One or more aspects disclosed herein may be implemented in combination with at least a part of other aspects in the present disclosure.
  • a part of the processes, a part of the configuration of the apparatus, a part of the syntax, and the like described in the flowcharts of one or more aspects disclosed herein may be implemented in combination with other aspects.
  • each of the functional or functional blocks can be generally realized by an MPU (micro processing unit) and a memory. Further, the processing by each of the functional blocks may be realized as a program execution unit such as a processor that reads and executes software (program) recorded in a recording medium such as a ROM. The software may be distributed. The software may be recorded in various recording media such as a semiconductor memory. Note that each functional block can be realized by hardware (dedicated circuit). Various combinations of hardware and software can be employed.
  • each embodiment may be realized by centralized processing using a single device (system), or may be realized by distributed processing using a plurality of devices.
  • the processor that executes the above program may be a single processor or a plurality of processors. That is, centralized processing may be performed or distributed processing may be performed.
  • an application example of the moving image coding method (image coding method) or the moving image decoding method (image decoding method) shown in each of the above-described embodiments, and various systems for implementing the application example explain.
  • Such a system may be characterized by having an image encoding device using the image encoding method, an image decoding device using the image decoding method, or an image encoding/decoding device including both.
  • Other configurations of such a system can be appropriately changed depending on the case.
  • FIG. 51 is a diagram showing an overall configuration of an appropriate content supply system ex100 that realizes a content distribution service.
  • the area for providing communication services is divided into desired sizes, and base stations ex106, ex107, ex108, ex109, and ex110, which are fixed wireless stations in the illustrated example, are installed in each cell.
  • each device such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 is connected to the Internet ex101 via an Internet service provider ex102 or a communication network ex104 and base stations ex106 to ex110.
  • the content supply system ex100 may be configured to be connected by combining any of the above devices.
  • each device may be directly or indirectly connected to each other via a telephone network, a short-range wireless communication, or the like, without using the base stations ex106 to ex110.
  • the streaming server ex103 may be connected to each device such as the computer ex111, the game machine ex112, the camera ex113, the home appliance ex114, and the smartphone ex115 via the internet ex101 and the like. Further, the streaming server ex103 may be connected to a terminal or the like in a hotspot in the airplane ex117 via the satellite ex116.
  • the streaming server ex103 may be directly connected to the communication network ex104 without using the Internet ex101 or the Internet service provider ex102, or may be directly connected to the airplane ex117 without using the satellite ex116.
  • the camera ex113 is a device such as a digital camera capable of shooting still images and moving images.
  • the smartphone ex115 is a smartphone device, a mobile phone, a PHS (Personal Handy-phone System), or the like that supports a mobile communication system called 2G, 3G, 3.9G, 4G, and 5G in the future.
  • a mobile communication system called 2G, 3G, 3.9G, 4G, and 5G in the future.
  • the home appliance ex114 is a refrigerator, a device included in a household fuel cell cogeneration system, or the like.
  • a terminal having a shooting function is connected to the streaming server ex103 via the base station ex106 and the like, which enables live distribution and the like.
  • the terminals (computer ex111, game machine ex112, camera ex113, home appliances ex114, smartphone ex115, terminals in the airplane ex117, etc.) are used for the above still image or moving image content taken by the user using the terminal.
  • the encoding process described in each embodiment may be performed, the video data obtained by encoding may be multiplexed with the audio data obtained by encoding the sound corresponding to the video, and the obtained data may be streamed. It may be transmitted to the server ex103. That is, each terminal functions as an image encoding device according to an aspect of the present disclosure.
  • the streaming server ex103 streams the content data transmitted to the requested client.
  • the client is a terminal or the like in the computer ex111, the game machine ex112, the camera ex113, the home appliance ex114, the smartphone ex115, or the airplane ex117 that can decode the encoded data.
  • Each device that receives the distributed data may decrypt the received data and reproduce it. That is, each device may function as the image decoding device according to one aspect of the present disclosure.
  • the streaming server ex103 may be a plurality of servers or a plurality of computers, and may decentralize data for processing, recording, or distributing.
  • the streaming server ex103 may be realized by a CDN (Contents Delivery Network), and content distribution may be realized by a network connecting a large number of edge servers distributed around the world and the edge servers.
  • CDN Contents Delivery Network
  • content distribution may be realized by a network connecting a large number of edge servers distributed around the world and the edge servers.
  • physically close edge servers can be dynamically assigned according to clients. Then, the content can be cached and delivered to the edge server to reduce the delay.
  • the processing is distributed among multiple edge servers, the distribution subject is switched to another edge server, or a failure occurs. Since the delivery can be continued by bypassing the network part, fast and stable delivery can be realized.
  • the coding processing of the captured data may be performed by each terminal, may be performed by the server side, or may be shared by the other.
  • a processing loop is performed twice.
  • the first loop the complexity of the image or the code amount in units of frames or scenes is detected.
  • the second loop processing for maintaining the image quality and improving the coding efficiency is performed.
  • the terminal performs the first encoding process
  • the server side that receives the content performs the second encoding process, so that it is possible to improve the quality and efficiency of the content while reducing the processing load on each terminal. it can.
  • the first encoded data made by a terminal can be received and reproduced by another terminal, which enables more flexible real-time distribution.
  • the camera ex113 or the like extracts a feature amount (feature or characteristic amount) from an image, compresses data relating to the feature amount as metadata, and sends the metadata to the server.
  • the server performs compression according to the meaning of the image (or the importance of the content), for example, determining the importance of the object from the feature amount and switching the quantization accuracy.
  • the feature amount data is particularly effective for improving the precision and efficiency of motion vector prediction at the time of re-compression in the server.
  • the terminal may perform simple encoding such as VLC (variable length encoding), and the server may perform encoding with a large processing load such as CABAC (context adaptive binary arithmetic encoding method).
  • a stadium, a shopping mall, a factory, or the like there may be a plurality of video data in which almost the same scene is shot by a plurality of terminals.
  • GOP Group of Picture
  • Distributed processing is performed by assigning encoding processing to each unit. As a result, the delay can be reduced and more real-time performance can be realized.
  • the server may manage and/or instruct so that the video data shot by each terminal can be referred to each other.
  • the encoded data from each terminal may be received by the server, the reference relationship may be changed among a plurality of data, or the picture itself may be corrected or replaced and re-encoded. This makes it possible to generate streams with improved quality and efficiency of each piece of data.
  • the server may transcode the video data to change the coding method and then distribute the video data.
  • the server may convert the MPEG type encoding method to the VP type (for example, VP9), or the H.264 standard. H.264. It may be converted to 265 or the like.
  • the encoding process can be performed by the terminal or one or more servers. Therefore, in the following, the description such as “server” or “terminal” is used as the entity that performs the process, but a part or all of the process performed by the server may be performed by the terminal, or the process performed by the terminal may be performed. Some or all may be done at the server. The same applies to the decoding process.
  • the server not only encodes the two-dimensional moving image, but also automatically encodes the still image based on scene analysis of the moving image, or at the time specified by the user, and transmits the still image to the receiving terminal.
  • the server can determine the three-dimensional shape of the scene based on not only the two-dimensional moving image but also the video shot of the same scene from different angles. Can be generated.
  • the server may separately encode the three-dimensional data generated by the point cloud or the like, and based on the result of recognizing or tracking the person or the object using the three-dimensional data, a plurality of images to be transmitted to the receiving terminal may be transmitted. It may be generated by selecting or reconstructing it from a video image captured by the terminal.
  • the user can arbitrarily select each video corresponding to each photographing terminal to enjoy the scene, and can select the video of the selected viewpoint from the three-dimensional data reconstructed using a plurality of images or videos. You can also enjoy the cut out content. Furthermore, along with the video, the sound is also picked up from a plurality of different angles, and the server multiplexes the sound from a specific angle or space with the corresponding video, and transmits the multiplexed video and sound. Good.
  • the server may create viewpoint images for the right eye and the left eye, respectively, and perform encoding that allows reference between the viewpoint videos by Multi-View Coding (MVC) or the like. It may be encoded as another stream without referring to it. At the time of decoding another stream, it is preferable to reproduce them in synchronization with each other so that a virtual three-dimensional space is reproduced according to the user's viewpoint.
  • MVC Multi-View Coding
  • the server may superimpose the virtual object information in the virtual space on the camera information in the physical space based on the three-dimensional position or the movement of the user's viewpoint.
  • the decoding device may acquire or hold the virtual object information and the three-dimensional data, generate a two-dimensional image according to the movement of the viewpoint of the user, and smoothly connect the data to create the superimposed data.
  • the decoding device may transmit the movement of the user's viewpoint to the server in addition to the request for the virtual object information.
  • the server may create the superimposition data in accordance with the movement of the viewpoint received from the three-dimensional data stored in the server, encode the superimposition data, and deliver it to the decoding device.
  • the superimposition data typically has an ⁇ value indicating transparency other than RGB
  • the server sets the ⁇ value of a portion other than an object created from three-dimensional data to 0 or the like, and May be encoded in a state in which is transmitted.
  • the server may generate data in which RGB values having a predetermined value are set in the background like chroma keys and the portions other than the objects are set in the background color.
  • the RGB value of the predetermined value may be predetermined.
  • the decryption process of the distributed data may be performed by the client (for example, the terminal), the server side, or the processes may be shared by each other.
  • a certain terminal may send a reception request to a server once, another terminal may receive the content corresponding to the request, perform a decoding process, and the decoded signal may be transmitted to a device having a display. It is possible to reproduce high-quality data by distributing the processing and selecting an appropriate content regardless of the performance of the terminal capable of communication.
  • a partial area such as a tile into which a picture is divided may be decoded and displayed on the viewer's personal terminal. As a result, it is possible to confirm the field in which the user is in charge or a region to be confirmed in more detail, while sharing the entire image.
  • the user may switch in real time while freely selecting a user's terminal, a decoding device such as a display arranged indoors or outdoors, or a display device.
  • a decoding device such as a display arranged indoors or outdoors, or a display device.
  • it is possible to perform decoding by switching the terminal to be decoded and the terminal to be displayed by using the position information of itself. This allows information to be mapped and displayed on a wall or part of the ground of an adjacent building in which the displayable device is embedded while the user is traveling to the destination.
  • Access to the encoded data on the network is cached in a server that can be accessed from the receiving terminal in a short time or is copied to the edge server in the content delivery service. It is also possible to switch the bit rate of the received data based on easiness.
  • the server may have a plurality of streams having the same content and different qualities as individual streams, but as shown in the figure, it is possible to realize a temporal/spatial scalable that is realized by performing coding by dividing into layers.
  • a configuration may be used in which contents are switched by utilizing the characteristics of streams.
  • the decoding side decides which layer to decode according to an internal factor such as performance and an external factor such as the state of the communication band, so that the decoding side determines low-resolution content and high-resolution content. You can freely switch and decrypt.
  • the device can decode the same stream up to different layers.
  • the burden on the side can be reduced.
  • the picture is coded for each layer, and in addition to the configuration that realizes scalability in the enhancement layer above the base layer, the enhancement layer includes meta information based on image statistical information and the like. Good.
  • the decoding side may generate high-quality content by super-resolution of the base layer picture based on the meta information. Super-resolution may improve signal-to-noise ratio while maintaining and/or increasing resolution.
  • the meta information is information for specifying a linear or non-linear filter coefficient used for super-resolution processing, or information for specifying parameter values for filter processing, machine learning, or least-squares calculation used for super-resolution processing, etc. including.
  • a configuration may be provided in which the picture is divided into tiles or the like according to the meaning of objects in the image.
  • the decoding side decodes only a part of the area by selecting the tile to be decoded. Further, by storing the attributes of the object (person, car, ball, etc.) and the position in the video (coordinate position in the same image, etc.) as meta information, the decoding side can determine the position of the desired object based on the meta information.
  • the meta information may be stored using a data storage structure different from the pixel data, such as an SEI (supplemental enhancement information) message in HEVC. This meta information indicates, for example, the position, size, or color of the main object.
  • -Meta information may be stored in units composed of multiple pictures, such as streams, sequences, or random access units.
  • the decoding side can acquire the time when a specific person appears in the video, and the like, and by combining the information on a picture-by-picture basis and the time information, the picture in which the object exists can be specified and the position of the object in the picture can be determined.
  • FIG. 54 is a diagram showing an example of a web page display screen on the computer ex111 or the like.
  • FIG. 55 is a diagram illustrating a display screen example of a web page on the smartphone ex115 or the like.
  • the web page may include a plurality of link images that are links to the image content, and the appearance may be different depending on the browsing device.
  • the display device When a plurality of link images are visible on the screen, the display device (until the user explicitly selects the link image, or until the link image approaches the center of the screen or the whole link image falls within the screen (
  • the decoding device may display a still image or I picture included in each content as a link image, may display a video such as a gif animation with a plurality of still images or I pictures, and may display a base layer. Only the video may be received and the video may be decoded and displayed.
  • the display device When the link image is selected by the user, the display device performs decoding while giving the base layer the highest priority, for example.
  • the display device may decode up to the enhancement layer if there is information indicating that the content is scalable in the HTML forming the web page.
  • the display device decodes only forward reference pictures (I picture, P picture, forward reference only B picture) before selection or when the communication band is very severe. By displaying and, the delay between the decoding time of the first picture and the display time (delay from the decoding start of the content to the display start) can be reduced.
  • the display device may intentionally ignore the reference relationship of pictures, perform coarse decoding with all B pictures and P pictures as forward references, and perform normal decoding as the number of pictures received increases over time. ..
  • the receiving terminal may add meta data in addition to image data belonging to one or more layers.
  • Information such as weather or construction information may be received as information, and these may be associated and decrypted.
  • the meta information may belong to the layer or may be simply multiplexed with the image data.
  • a car, a drone, an airplane, or the like including the receiving terminal moves, so that the receiving terminal transmits the position information of the receiving terminal, thereby performing seamless reception and decoding while switching the base stations ex106 to ex110. realizable. Further, the receiving terminal can dynamically switch how much the meta information is received or how much the map information is updated according to the user's selection, the user's situation and/or the state of the communication band. Will be possible.
  • the client can receive, decode, and reproduce the encoded information transmitted by the user in real time.
  • the server may perform the editing process and then the encoding process. This can be realized by using the following configuration, for example.
  • the server performs recognition processing such as shooting error, scene search, meaning analysis, and object detection from the original image data or encoded data in real time at the time of shooting or after storing. Then, the server manually or automatically corrects out-of-focus or camera shake based on the recognition result, or selects a less important scene such as a scene whose brightness is lower than other pictures or out of focus. Edit it by deleting it, emphasizing the edge of the object, changing the hue, and so on. The server encodes the edited data based on the editing result. It is also known that if the shooting time is too long, the audience rating will decrease, and the server will move not only in the less important scenes as described above so that the content falls within a specific time range depending on the shooting time. A scene or the like with a small number may be automatically clipped based on the image processing result. Alternatively, the server may generate and encode the digest based on the result of the semantic analysis of the scene.
  • the server may intentionally change the face of a person in the peripheral portion of the screen, the inside of the house, or the like into an image that is out of focus and encode the image. Further, the server recognizes whether or not a face of a person different from the previously registered person is shown in the image to be encoded, and if it is shown, performs processing such as applying mosaic to the face part. May be.
  • a user or a background area in which the user wants to process an image may be specified from the viewpoint of copyright.
  • the server may perform processing such as replacing the designated area with another video or defocusing. If it is a person, the person in the moving image can be tracked to replace the image of the face portion of the person.
  • the decoding device may first receive the base layer with the highest priority and perform decoding and reproduction, depending on the bandwidth.
  • the decoding device may receive the enhancement layer during this period, and when the reproduction is performed twice or more, such as when the reproduction is looped, the decoding device may reproduce the high-quality image including the enhancement layer.
  • the stream is thus encoded in a scalable manner, it is possible to provide an experience that the video is rough when it is not selected or at the stage of starting watching, but the stream gradually becomes smarter and the image becomes better.
  • the same experience can be provided even if the coarse stream that is first played and the second stream that is coded by referring to the first moving image are configured as one stream. ..
  • the LSI (large scale integration circuit) ex500 may be a single chip or may be composed of a plurality of chips.
  • the moving picture coding or decoding software is installed in some recording medium (CD-ROM, flexible disk, hard disk, etc.) that can be read by the computer ex111 or the like, and the coding or decoding processing is performed using the software. Good.
  • the smartphone ex115 has a camera, the moving image data acquired by the camera may be transmitted. The moving image data at this time may be data encoded by the LSI ex500 included in the smartphone ex115.
  • the LSI ex500 may be configured to download and activate application software.
  • the terminal first determines whether the terminal is compatible with the content encoding method or has the capability to execute a specific service.
  • the terminal may download the codec or application software, and then acquire and reproduce the content.
  • the content supply system ex100 via the internet ex101 but also a digital broadcasting system, at least the moving image coding device (image coding device) or the moving image decoding device (image decoding device) according to each of the above embodiments. Either can be incorporated. Since the multiplexed data in which the image and the sound are multiplexed is transmitted and received on the radio wave for broadcasting by using the satellite or the like, the difference is that the content supply system ex100 is suitable for the unicast configuration, which is suitable for the multicast. However, similar applications are possible for the encoding process and the decoding process.
  • FIG. 56 is a diagram showing further details of the smartphone ex115 shown in FIG. Further, FIG. 57 is a diagram illustrating a configuration example of the smartphone ex115.
  • the smartphone ex115 receives at the antenna ex450 for transmitting and receiving radio waves to and from the base station ex110, the camera unit ex465 capable of taking images and still images, the image captured by the camera unit ex465, and the antenna ex450.
  • a display unit ex458 that displays data in which an image or the like is decoded is provided.
  • the smartphone ex115 further includes an operation unit ex466 such as a touch panel, a voice output unit ex457 such as a speaker for outputting voice or sound, a voice input unit ex456 such as a microphone for inputting voice, and photographing.
  • Memory unit ex467 that can store encoded video or still image, recorded audio, received image or still image, encoded data such as mail, or decoded data, and specify a user to start a network.
  • a slot unit ex464 that is an interface unit with the SIM ex468 for authenticating access to various data is provided.
  • An external memory may be used instead of the memory unit ex467.
  • a main control unit ex460 capable of integrally controlling the display unit ex458 and the operation unit ex466, a power supply circuit unit ex461, an operation input control unit ex462, a video signal processing unit ex455, a camera interface unit ex463, a display control unit ex459, a modulation/ The demodulation unit ex452, the multiplexing/demultiplexing unit ex453, the audio signal processing unit ex454, the slot unit ex464, and the memory unit ex467 are connected via the synchronization bus ex470.
  • the power supply circuit unit ex461 activates the smartphone ex115 and supplies power from the battery pack to each unit.
  • the smartphone ex115 performs processing such as call and data communication under the control of the main control unit ex460 including a CPU, a ROM, a RAM, and the like.
  • a voice signal processing unit ex454 converts a voice signal collected by the voice input unit ex456 into a digital voice signal
  • a modulation/demodulation unit ex452 performs spread spectrum processing
  • a transmission/reception unit ex451 performs digital-analog conversion processing. And frequency conversion processing is performed, and the resulting signal is transmitted via the antenna ex450.
  • the received data is amplified, frequency conversion processing and analog-digital conversion processing are performed, spectrum modulation/demodulation unit ex452 performs spectrum despreading processing, and a voice signal processing unit ex454 converts the analog voice signal, which is then output by a voice output unit ex457.
  • text, still image, or video data can be transmitted under the control of the main control unit ex460 via the operation input control unit ex462 based on the operation of the operation unit ex466 of the main body. Similar transmission/reception processing is performed.
  • the video signal processing unit ex455 uses the video signal stored in the memory unit ex467 or the video signal input from the camera unit ex465 to perform each of the above-described embodiments.
  • the moving picture coding method shown in the embodiment is used for compression coding, and the coded video data is sent to the multiplexing/demultiplexing unit ex453.
  • the audio signal processing unit ex454 encodes the audio signal collected by the audio input unit ex456 while the video unit or the still image is being captured by the camera unit ex465, and sends the encoded audio data to the multiplexing/demultiplexing unit ex453.
  • the multiplexing/demultiplexing unit ex453 multiplexes the coded video data and the coded audio data by a predetermined method, and the modulation/demodulation unit (modulation/demodulation circuit unit) ex452 and the transmission/reception unit ex451 perform modulation processing and conversion. It is processed and transmitted via the antenna ex450.
  • the predetermined method may be predetermined.
  • the multiplexing/demultiplexing unit ex453 performs the multiplexing.
  • the multiplexed data is divided into a bit stream of video data and a bit stream of audio data, and the encoded video data is supplied to the video signal processing unit ex455 via the synchronization bus ex470.
  • the encoded audio data is supplied to the audio signal processing unit ex454.
  • the video signal processing unit ex455 decodes the video signal by the moving picture decoding method corresponding to the moving picture coding method shown in each of the above embodiments, and is linked from the display unit ex458 via the display control unit ex459.
  • the video or still image included in the moving image file is displayed.
  • the audio signal processing unit ex454 decodes the audio signal, and the audio output unit ex457 outputs the audio.
  • audio playback may not be socially suitable depending on the user's situation. Therefore, as the initial value, it is preferable to reproduce only the video data without reproducing the audio signal, and the sound may be reproduced in synchronization only when the user performs an operation such as clicking on the video data. ..
  • the smartphone ex115 has been described here as an example, in addition to the transmission/reception type terminal having both the encoder and the decoder as the terminal, the transmission terminal having only the encoder and the reception having only the decoder are provided. Another implementation format called a terminal is possible.
  • the description has been made assuming that the multiplexed data in which the audio data is multiplexed with the video data is received or transmitted.
  • character data related to video may be multiplexed in the multiplexed data.
  • the video data itself may be received or transmitted instead of the multiplexed data.
  • the main control unit ex460 including the CPU has been described as controlling the encoding or decoding process, but various terminals often include a GPU. Therefore, a configuration in which a large area is collectively processed by utilizing the performance of the GPU by a memory shared by the CPU and the GPU or a memory whose address is managed so as to be commonly used may be used. As a result, the coding time can be shortened, real-time performance can be secured, and low delay can be realized. In particular, it is efficient to collectively perform the motion search, deblock filter, SAO (Sample Adaptive Offset), and conversion/quantization processing in units of pictures or the like in the GPU instead of the CPU.
  • SAO Sample Adaptive Offset
  • the present disclosure can be used for, for example, a television receiver, a digital video recorder, a car navigation, a mobile phone, a digital camera, a digital video camera, a video conference system, an electronic mirror, or the like.
  • Encoding device 102 Dividing unit 104 Subtracting unit 106 Transforming unit 108 Quantizing unit 110 Entropy encoding unit 112, 204 Inverse quantizing unit 114, 206 Inverse transforming unit 116, 208 Adder unit 118, 210 Block memory 120, 212 Loop filter Unit 122, 214 frame memory 124, 216 intra prediction unit 126, 218 inter prediction unit 128, 220 prediction control unit 200 decoding device 202 entropy decoding unit 1201 boundary determination unit 1202, 1204, 1206 switch 1203 filter determination unit 1205 filter processing unit 1207 Filter characteristic determination unit 1208 Processing determination unit a1, b1 Processor a2, b2 Memory

Landscapes

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

Abstract

画像の符号化対象ブロックを符号化する符号化装置（１００）は、プロセッサ（ａ１）と、プロセッサ（ａ１）に接続されたメモリ（ａ２）と、を備え、プロセッサ（ａ１）は、動作において、動きベクトルに基づいて、整数画素単位の第１の予測画像を生成し、補間フィルタを用いて、第１の予測画像に含まれる複数の整数画素の間の小数画素位置の値を補間することで、第２の予測画像を生成し、第２の予測画像に基づいて、符号化対象ブロックを符号化し、補間フィルタの使用では、第１補間フィルタと、第１補間フィルタとタップ数が異なる第２補間フィルタとが切り替えて用いられる。

Description

符号化装置、復号装置、符号化方法、及び復号方法
　本開示は、ビデオコーディングに関し、例えば、動画像の符号化および復号におけるシステム、構成要素、ならびに方法などに関する。
　ビデオコーディング技術は、Ｈ．２６１およびＭＰＥＧ－１から、Ｈ．２６４／ＡＶＣ（Ａｄｖａｎｃｅｄ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）、ＭＰＥＧ－ＬＡ、Ｈ．２６５／ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）、およびＨ．２６６／ＶＶＣ（Ｖｅｒｓａｔｉｌｅ　Ｖｉｄｅｏ　Ｃｏｄｅｃ）へ進歩している。この進歩に伴い、様々な用途において増え続けるデジタルビデオデータ量を処理するために、ビデオコーディング技術の改良および最適化を提供することが常に必要とされている。
　なお、非特許文献１は、上述されたビデオコーディング技術に関する従来の規格の一例に関する。
Ｈ．２６５（ＩＳＯ／ＩＥＣ　２３００８－２　ＨＥＶＣ）／ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）
　上記のような符号化方式に関して、符号化効率の改善、画質の改善、処理量の削減、回路規模の削減、又は、フィルタ、ブロック、サイズ、動きベクトル、参照ピクチャ又は参照ブロック等の要素又は動作の適切な選択等のため、新たな方式の提案が望まれている。
　本開示は、例えば、符号化効率の改善、画質の改善、処理量の削減、回路規模の削減、処理速度の改善、及び、要素又は動作の適切な選択等のうち１つ以上に貢献し得る構成又は方法を提供する。なお、本開示は、上記以外の利益に貢献し得る構成又は方法を含み得る。
　例えば、本開示の一態様に係る符号化装置は、画像に含まれる符号化対象ブロックを符号化する符号化装置であって、回路と、前記回路に接続されたメモリと、を備え、前記回路は、動作において、動きベクトルに基づいて、整数画素単位の第１の予測画像を生成し、補間フィルタを用いて、前記第１の予測画像に含まれる複数の整数画素の間の小数画素位置の値を補間することで、第２の予測画像を生成し、前記第２の予測画像に基づいて、前記符号化対象ブロックを符号化し、前記補間フィルタの使用では、第１補間フィルタと、前記第１補間フィルタとタップ数が異なる第２補間フィルタとが切り替えて用いられる。
　本開示における実施の形態のいくつかの実装は、符号化効率を改善してもよいし、符号化／復号処理を簡素化してもよいし、符号化／復号処理速度を速くしてもよいし、適切なフィルタ、ブロックサイズ、動きベクトル、参照ピクチャ、参照ブロック等のような、符号化及び復号に用いられる適切な構成要素／動作を効率よく選択してもよい。
　本開示の一態様におけるさらなる利点および効果は、明細書および図面から明らかにされる。かかる利点および／または効果は、いくつかの実施の形態並びに明細書および図面に記載された特徴によってそれぞれ得られるが、１つまたはそれ以上の利点および／または効果を得るために必ずしも全てが提供される必要はない。
　なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラム、記録媒体、又は、これらの任意な組み合わせで実現されてもよい。
　本開示の一態様に係る構成又は方法は、例えば、符号化効率の改善、画質の改善、処理量の削減、回路規模の削減、処理速度の改善、及び、要素又は動作の適切な選択等のうち１つ以上に貢献し得る。なお、本開示の一態様に係る構成又は方法は、上記以外の利益に貢献してもよい。
図１は、実施の形態に係る符号化装置の機能構成を示すブロック図である。 図２は、符号化装置による全体的な符号化処理の一例を示すフローチャートである。 図３は、ブロック分割の一例を示す概念図である。 図４Ａは、スライスの構成の一例を示す概念図である。 図４Ｂは、タイルの構成の一例を示す概念図である。 図５Ａは、様々な変換タイプに対応する変換基底関数を示す表である。 図５Ｂは、ＳＶＴ（Ｓｐａｔｉａｌｌｙ　Ｖａｒｙｉｎｇ　Ｔｒａｎｓｆｏｒｍ）の一例を示す概念図である。 図６Ａは、ＡＬＦ（ａｄａｐｔｉｖｅ　ｌｏｏｐ　ｆｉｌｔｅｒ）で用いられるフィルタの形状の一例を示す概念図である。 図６Ｂは、ＡＬＦで用いられるフィルタの形状の他の一例を示す概念図である。 図６Ｃは、ＡＬＦで用いられるフィルタの形状の他の一例を示す概念図である。 図７は、ＤＢＦ（ｄｅｂｌｏｃｋｉｎｇ　ｆｉｌｔｅｒ）として機能するループフィルタ部の詳細な構成の一例を示すブロック図である。 図８は、ブロック境界に対して対称なフィルタ特性を有するデブロッキング・フィルタの例を示す概念図である。 図９は、デブロッキング・フィルタ処理が行われるブロック境界を説明するための概念図である。 図１０は、Ｂｓ値の一例を示す概念図である。 図１１は、符号化装置の予測処理部で行われる処理の一例を示すフローチャートである。 図１２は、符号化装置の予測処理部で行われる処理の他の例を示すフローチャートである。 図１３は、符号化装置の予測処理部で行われる処理の他の例を示すフローチャートである。 図１４は、実施の形態のイントラ予測における６７個のイントラ予測モードの一例を示す概念図である。 図１５は、インター予測の基本的な処理の流れの一例を示すフローチャートである。 図１６は、動きベクトル導出の一例を示すフローチャートである。 図１７は、動きベクトル導出の他の例を示すフローチャートである。 図１８は、動きベクトル導出の他の例を示すフローチャートである。 図１９は、ノーマルインターモードによるインター予測の例を示すフローチャートである。 図２０は、マージモードによるインター予測の例を示すフローチャートである。 図２１は、マージモードによる動きベクトル導出処理の一例を説明するための概念図である。 図２２は、ＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ　ｃｏｎｖｅｒｓｉｏｎ）処理の一例を示すフローチャートである。 図２３は、動き軌道に沿う２つのブロック間でのパターンマッチング（バイラテラルマッチング）の一例を説明するための概念図である。 図２４は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）の一例を説明するための概念図である。 図２５Ａは、複数の隣接ブロックの動きベクトルに基づくサブブロック単位の動きベクトルの導出の一例を説明するための概念図である。 図２５Ｂは、３つの制御ポイントを有するアフィンモードにおけるサブブロック単位の動きベクトルの導出の一例を説明するための概念図である。 図２６Ａは、アフィンマージモードを説明するための概念図である。 図２６Ｂは、２つの制御ポイントを有するアフィンマージモードを説明するための概念図である。 図２６Ｃは、３つの制御ポイントを有するアフィンマージモードを説明するための概念図である。 図２７は、アフィンマージモードの処理の一例を示すフローチャートである。 図２８Ａは、２つの制御ポイントを有するアフィンインターモードを説明するための概念図である。 図２８Ｂは、３つの制御ポイントを有するアフィンインターモードを説明するための概念図である。 図２９は、アフィンインターモードの処理の一例を示すフローチャートである。 図３０Ａは、カレントブロックが３つの制御ポイントを有し、隣接ブロックが２つの制御ポイントを有するアフィンインターモードを説明するための概念図である。 図３０Ｂは、カレントブロックが２つの制御ポイントを有し、隣接ブロックが３つの制御ポイントを有するアフィンインターモードを説明するための概念図である。 図３１Ａは、ＤＭＶＲ（ｄｅｃｏｄｅｒ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｒｅｆｉｎｅｍｅｎｔ）を含むマージモードを示すフローチャートである。 図３１Ｂは、ＤＭＶＲ処理の一例を説明するための概念図である。 図３２は、予測画像の生成の一例を示すフローチャートである。 図３３は、予測画像の生成の他の例を示すフローチャートである。 図３４は、予測画像の生成の他の例を示すフローチャートである。 図３５は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理による予測画像補正処理の一例を説明するためのフローチャートである。 図３６は、ＯＢＭＣ処理による予測画像補正処理の一例を説明するための概念図である。 図３７は、２つの三角形の予測画像の生成を説明するための概念図である。 図３８は、等速直線運動を仮定したモデルを説明するための概念図である。 図３９は、ＬＩＣ（ｌｏｃａｌ　ｉｌｌｕｍｉｎａｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理による輝度補正処理を用いた予測画像生成方法の一例を説明するための概念図である。 図４０は、符号化装置の実装例を示すブロック図である。 図４１は、実施の形態に係る復号装置の機能構成を示すブロック図である。 図４２は、復号装置による全体的な復号処理の一例を示すフローチャートである。 図４３は、復号装置の予測処理部で行われる処理の一例を示すフローチャートである。 図４４は、復号装置の予測処理部で行われる処理の他の例を示すフローチャートである。 図４５は、復号装置におけるノーマルインターモードによるインター予測の例を示すフローチャートである。 図４６は、復号装置の実装例を示すブロック図である。 図４７は、実施の形態における補間フィルタ決定処理の一例を示すフローチャートである。 図４８は、実施の形態における第１補間フィルタの一例を示す図である。 図４９は、実施の形態における第２補間フィルタの一例を示す図である。 図５０は、実施の形態において決定された補間フィルタが適用されるブロックの一例を示す図である。 図５１は、コンテンツ配信サービスを実現するコンテンツ供給システムの全体構成を示すブロック図である。 図５２は、スケーラブル符号化時の符号化構造の一例を示す概念図である。 図５３は、スケーラブル符号化時の符号化構造の一例を示す概念図である。 図５４は、ｗｅｂページの表示画面例を示す概念図である。 図５５は、ｗｅｂページの表示画面例を示す概念図である。 図５６は、スマートフォンの一例を示すブロック図である。 図５７は、スマートフォンの構成例を示すブロック図である。
　本開示の一態様に係る符号化装置は、画像に含まれる符号化対象ブロックを符号化する符号化装置であって、回路と、前記回路に接続されたメモリと、を備え、前記回路は、動作において、動きベクトルに基づいて、整数画素単位の第１の予測画像を生成し、補間フィルタを用いて、前記第１の予測画像に含まれる複数の整数画素の間の小数画素位置の値を補間することで、第２の予測画像を生成し、前記第２の予測画像に基づいて、前記符号化対象ブロックを符号化し、前記補間フィルタの使用では、第１補間フィルタと、前記第１補間フィルタとタップ数が異なる第２補間フィルタとが切り替えて用いられる。
　これによれば、小数画素精度の第２の予測画像の生成において、互いにタップ数が異なる第１補間フィルタ及び第２補間フィルタを切り替えて用いることができる。したがって、符号化対象ブロックに適した補間フィルタを用いることが可能となり、メモリ帯域幅の増加／減少と画質の劣化／向上とのバランスを図ることができる。
　また例えば、本開示の一態様に係る符号化装置において、前記補間フィルタの切り替えにおいて、前記符号化対象ブロックのサイズが閾値サイズよりも大きいか否かを判定し、前記符号化対象ブロックのサイズが前記閾値サイズよりも大きい場合、前記符号化対象ブロックの動き補償に用いる補間フィルタを前記第１補間フィルタと決定し、前記符号化対象ブロックのサイズが前記閾値サイズよりも大きくない場合、前記符号化対象ブロックの動き補償に用いる補間フィルタを前記第２補間フィルタと決定し、決定された前記補間フィルタを用いて、前記第２の予測画像を生成し、前記第２補間フィルタは、前記第１補間フィルタよりも短いタップを有してもよい。
　これによれば、符号化対象ブロックのサイズが閾値サイズよりも大きくない場合に、符号化対象ブロックのサイズが閾値サイズよりも大きい場合よりも短いタップを有する第２補間フィルタを動き補償に用いることができる。動き補償がより小さいブロック単位で行われれば、動き補償の回数が増加し、動き補償のためにメモリからサンプルを読み出す回数も増加する。一方、補間フィルタのタップ数が減少すれば、補間処理のためにメモリから読み出されるサンプル数が減少する。したがって、より小さいブロックに対してより短いタップを有する補間フィルタを用いることで、１回あたりの読み出しサンプル数を削減することができ、サンプルの読み出し回数が増加してもメモリ帯域幅の増加を抑制することができる。
　また例えば、本開示の一態様に係る符号化装置において、前記第１補間フィルタは、８タップフィルタであってもよい。
　これによれば、第１補間フィルタとして８タップフィルタを用いることができ、補間の精度とメモリ帯域幅の増加とのバランスを図ることができる。
　また例えば、本開示の一態様に係る符号化装置において、前記第２補間フィルタは、６タップフィルタであってもよい。
　これによれば、第２補間フィルタとして６タップフィルタを用いることができ、補間の精度とメモリ帯域幅の削減とのバランスを図ることができる。
　また例えば、本開示の一態様に係る符号化装置において、前記閾値サイズは、４ｘ４画素サイズであってもよい。
　これによれば、４ｘ４画素サイズのブロックに対して第２補間フィルタを適用することができ、メモリ帯域幅を効果的に削減することができる。
　また例えば、本開示の一態様に係る符号化装置において、前記符号化対象ブロックは、アフィンモードのサブブロックであってもよい。
　これによれば、アフィンモードのサブブロックに対して第２補間フィルタを適用することができる。したがって、処理負荷が比較的高いアフィン動き補償の処理負荷を低減することができる。
　本開示の一態様に係る復号装置は、画像に含まれる復号対象ブロックを復号する復号装置であって、回路と、前記回路に接続されたメモリと、を備え、前記回路は、動作において、動きベクトルに基づいて、整数画素単位の第１の予測画像を生成し、補間フィルタを用いて、前記第１の予測画像に含まれる複数の整数画素の間の小数画素位置の値を補間することで、第２の予測画像を生成し、前記第２の予測画像に基づいて、前記復号対象ブロックを復号し、前記補間フィルタの使用では、第１補間フィルタと、前記第１補間フィルタとタップ数が異なる第２補間フィルタとが切り替えて用いられる。
　これによれば、小数画素精度の第２の予測画像の生成において、互いにタップ数が異なる第１補間フィルタ及び第２補間フィルタを切り替えて用いることができる。したがって、復号対象ブロックに適した補間フィルタを用いることが可能となり、メモリ帯域幅の増加／減少と画質の劣化／向上とのバランスを図ることができる。
　また例えば、本開示の一態様に係る復号装置において、前記補間フィルタの切り替えにおいて、前記復号対象ブロックのサイズが閾値サイズよりも大きいか否かを判定し、前記復号対象ブロックのサイズが前記閾値サイズよりも大きい場合、前記復号対象ブロックの動き補償に用いる補間フィルタを前記第１補間フィルタと決定し、前記復号対象ブロックのサイズが前記閾値サイズよりも大きくない場合、前記復号対象ブロックの動き補償に用いる補間フィルタを前記第２補間フィルタと決定し、決定された前記補間フィルタを用いて、前記前記第２の予測画像を生成し、前記第２補間フィルタは、前記第１補間フィルタよりも短いタップを有してもよい。
　これによれば、復号対象ブロックのサイズが閾値サイズよりも大きくない場合に、復号対象ブロックのサイズが閾値サイズよりも大きい場合よりも短いタップを有する第２補間フィルタを動き補償に用いることができる。動き補償がより小さいブロック単位で行われれば、動き補償の回数が増加し、動き補償のためにメモリからサンプルを読み出す回数が増加する。一方、補間フィルタのタップ数が減少すれば、補間処理のためにメモリから読み出されるサンプル数が減少する。したがって、より小さいブロックに対してより短いタップを有する補間フィルタを用いることで、１回あたりの読み出しサンプル数を削減することができ、サンプルの読み出し回数が増加してもメモリ帯域幅の増加を抑制することができる。
　また例えば、本開示の一態様に係る復号装置において、前記第１補間フィルタは、８タップフィルタであってもよい。
　これによれば、第１補間フィルタとして８タップフィルタを用いることができ、補間の精度とメモリ帯域幅の増加とのバランスを図ることができる。
　また例えば、本開示の一態様に係る復号装置において、前記第２補間フィルタは、６タップフィルタであってもよい。
　これによれば、第２補間フィルタとして６タップフィルタを用いることができ、補間の精度とメモリ帯域幅の削減とのバランスを図ることができる。
　また例えば、本開示の一態様に係る復号装置において、前記閾値サイズは、４ｘ４画素サイズであってもよい。
　これによれば、４ｘ４画素サイズのブロックに対して第２補間フィルタを適用することができ、メモリ帯域幅を効果的に削減することができる。
　また例えば、本開示の一態様に係る復号装置において、前記復号対象ブロックは、アフィンモードのサブブロックであってもよい。
　これによれば、アフィンモードのサブブロックに対して第２補間フィルタを適用することができる。したがって、処理負荷が比較的高いアフィン動き補償の処理負荷を低減することができる。
　さらに、これらの包括的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム、又は、コンピュータ読み取り可能なＣＤ－ＲＯＭなどの非一時的な記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラム、及び、記録媒体の任意な組み合わせで実現されてもよい。
　以下、実施の形態について図面を参照しながら具体的に説明する。なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの関係及び順序などは、一例であり、請求の範囲を限定する主旨ではない。
　以下では、符号化装置および復号化装置の実施の形態を説明する。実施の形態は、本開示の各態様で説明する処理および／または構成を適用可能な符号化装置および復号化装置の例である。処理および／または構成は、実施の形態とは異なる符号化装置および復号化装置においても実施可能である。例えば、実施の形態に対して適用される処理および／または構成に関して、例えば以下のいずれかを実施してもよい。
　（１）本開示の各態様で説明する実施の形態の符号化装置または復号装置の複数の構成要素のうちいずれかは、本開示の各態様のいずれかで説明する他の構成要素に置き換えまたは組み合わせられてもよい。
　（２）実施の形態の符号化装置または復号装置において、当該符号化装置または復号装置の複数の構成要素のうち一部の構成要素によって行われる機能または処理に、機能または処理の追加、置き換え、削除などの任意の変更がなされてもよい。例えば、いずれかの機能または処理は、本開示の各態様のいずれかで説明する他の機能または処理に、置き換えまたは組み合わせられてもよい。
　（３）実施の形態の符号化装置または復号装置が実施する方法において、当該方法に含まれる複数の処理のうちの一部の処理について、追加、置き換えおよび削除などの任意の変更がなされてもよい。例えば、方法におけるいずれかの処理は、本開示の各態様のいずれかで説明する他の処理に、置き換えまたは組み合わせられてもよい。
　（４）実施の形態の符号化装置または復号装置を構成する複数の構成要素のうちの一部の構成要素は、本開示の各態様のいずれかで説明する構成要素と組み合わせられてもよいし、本開示の各態様のいずれかで説明する機能の一部を備える構成要素と組み合わせられてもよいし、本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせられてもよい。
　（５）実施の形態の符号化装置または復号装置の機能の一部を備える構成要素、または、実施の形態の符号化装置または復号装置の処理の一部を実施する構成要素は、本開示の各態様いずれかで説明する構成要素と、本開示の各態様でいずれかで説明する機能の一部を備える構成要素と、または、本開示の各態様のいずれかで説明する処理の一部を実施する構成要素と組み合わせまたは置き換えられてもよい。
　（６）実施の形態の符号化装置または復号装置が実施する方法において、当該方法に含まれる複数の処理のいずれかは、本開示の各態様のいずれかで説明する処理に、または、同様のいずれかの処理に、置き換えまたは組み合わせられてもよい。
　（７）実施の形態の符号化装置または復号装置が実施する方法に含まれる複数の処理のうちの一部の処理は、本開示の各態様のいずれかで説明する処理と組み合わせられてもよい。
　（８）本開示の各態様で説明する処理および／または構成の実施の仕方は、実施の形態の符号化装置または復号装置に限定されるものではない。例えば、処理および／または構成は、実施の形態において開示する動画像符号化または動画像復号とは異なる目的で利用される装置において実施されてもよい。
　［符号化装置］
　まず、実施の形態に係る符号化装置を説明する。図１は、実施の形態に係る符号化装置１００の機能構成を示すブロック図である。符号化装置１００は、動画像をブロック単位で符号化する動画像符号化装置である。
　図１に示すように、符号化装置１００は、画像をブロック単位で符号化する装置であって、分割部１０２と、減算部１０４と、変換部１０６と、量子化部１０８と、エントロピー符号化部１１０と、逆量子化部１１２と、逆変換部１１４と、加算部１１６と、ブロックメモリ１１８と、ループフィルタ部１２０と、フレームメモリ１２２と、イントラ予測部１２４と、インター予測部１２６と、予測制御部１２８と、を備える。
　符号化装置１００は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、分割部１０２、減算部１０４、変換部１０６、量子化部１０８、エントロピー符号化部１１０、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、イントラ予測部１２４、インター予測部１２６及び予測制御部１２８として機能する。また、符号化装置１００は、分割部１０２、減算部１０４、変換部１０６、量子化部１０８、エントロピー符号化部１１０、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、イントラ予測部１２４、インター予測部１２６及び予測制御部１２８に対応する専用の１以上の電子回路として実現されてもよい。
　以下に、符号化装置１００の全体的な処理の流れを説明した後に、符号化装置１００に含まれる各構成要素について説明する。
　［符号化処理の全体フロー］
　図２は、符号化装置１００による全体的な符号化処理の一例を示すフローチャートである。
　まず、符号化装置１００の分割部１０２は、動画像である入力画像に含まれる各ピクチャを複数の固定サイズのブロック（例えば、１２８×１２８画素）に分割する（ステップＳａ＿１）。そして、分割部１０２は、その固定サイズのブロックに対して分割パターン（ブロック形状ともいう）を選択する（ステップＳａ＿２）。つまり、分割部１０２は、固定サイズのブロックを、その選択された分割パターンを構成する複数のブロックに、さらに分割する。そして、符号化装置１００は、その複数のブロックのそれぞれについて、そのブロック（すなわち符号化対象ブロック）に対してステップＳａ＿３～Ｓａ＿９の処理を行う。
　つまり、イントラ予測部１２４、インター予測部１２６および予測制御部１２８の全てまたは一部からなる予測処理部は、符号化対象ブロック（カレントブロックともいう）の予測信号（予測ブロックともいう）を生成する（ステップＳａ＿３）。
　次に、減算部１０４は、符号化対象ブロックと予測ブロックとの差分を予測残差（差分ブロックともいう）として生成する（ステップＳａ＿４）。
　次に、変換部１０６および量子化部１０８は、その差分ブロックに対して変換および量子化を行うことによって、複数の量子化係数を生成する（ステップＳａ＿５）。なお、複数の量子化係数からなるブロックを係数ブロックともいう。
　次に、エントロピー符号化部１１０は、その係数ブロックと、予測信号の生成に関する予測パラメータとに対して符号化（具体的にはエントロピー符号化）を行うことによって、符号化信号を生成する（ステップＳａ＿６）。なお、符号化信号は、符号化ビットストリーム、圧縮ビットストリーム、またはストリームともいう。
　次に、逆量子化部１１２および逆変換部１１４は、係数ブロックに対して逆量子化および逆変換を行うことによって、複数の予測残差（すなわち差分ブロック）を復元する（ステップＳａ＿７）。
　次に、加算部１１６は、その復元された差分ブロックに予測ブロックを加算することによってカレントブロックを再構成画像（再構成ブロックまたは復号画像ブロックともいう）に再構成する（ステップＳａ＿８）。これにより、再構成画像が生成される。
　この再構成画像が生成されると、ループフィルタ部１２０は、その再構成画像に対してフィルタリングを必要に応じて行う（ステップＳａ＿９）。
　そして、符号化装置１００は、ピクチャ全体の符号化が完了したか否かを判定し（ステップＳａ＿１０）、完了していないと判定する場合（ステップＳａ＿１０のＮｏ）、ステップＳａ＿２からの処理を繰り返し実行する。
　なお、上述の例では、符号化装置１００は、固定サイズのブロックに対して１つの分割パターンを選択し、その分割パターンにしたがって各ブロックの符号化を行うが、複数の分割パターンのそれぞれにしたがって各ブロックの符号化を行ってもよい。この場合には、符号化装置１００は、複数の分割パターンのそれぞれに対するコストを評価し、例えば最も小さいコストの分割パターンにしたがった符号化によって得られる符号化信号を、出力される符号化信号として選択してもよい。
　図示されているように、これらのステップＳａ＿１～Ｓａ＿１０の処理は、符号化装置１００によってシーケンシャルに行われる。あるいは、それらの処理のうちの一部の複数の処理が並列に行われてもよく、それらの処理の順番の入れ替え等が行われてもよい。
　［分割部］
　分割部１０２は、入力動画像に含まれる各ピクチャを複数のブロックに分割し、各ブロックを減算部１０４に出力する。例えば、分割部１０２は、まず、ピクチャを固定サイズ（例えば１２８ｘ１２８）のブロックに分割する。他の固定ブロックサイズが採用されてもよい。この固定サイズのブロックは、符号化ツリーユニット（ＣＴＵ）と呼ばれることがある。そして、分割部１０２は、例えば再帰的な四分木（ｑｕａｄｔｒｅｅ）及び／又は二分木（ｂｉｎａｒｙ　ｔｒｅｅ）ブロック分割に基づいて、固定サイズのブロックの各々を可変サイズ（例えば６４ｘ６４以下）のブロックに分割する。すなわち、分割部１０２は、分割パターンを選択する。この可変サイズのブロックは、符号化ユニット（ＣＵ）、予測ユニット（ＰＵ）あるいは変換ユニット（ＴＵ）と呼ばれることがある。なお、種々の処理例では、ＣＵ、ＰＵ及びＴＵは区別される必要はなく、ピクチャ内の一部又はすべてのブロックがＣＵ、ＰＵ、ＴＵの処理単位となってもよい。
　図３は、実施の形態におけるブロック分割の一例を示す概念図である。図３において、実線は四分木ブロック分割によるブロック境界を表し、破線は二分木ブロック分割によるブロック境界を表す。
　ここでは、ブロック１０は、１２８ｘ１２８画素の正方形ブロック（１２８ｘ１２８ブロック）である。この１２８ｘ１２８ブロック１０は、まず、４つの正方形の６４ｘ６４ブロックに分割される（四分木ブロック分割）。
　左上の６４ｘ６４ブロックは、さらに２つの矩形の３２ｘ６４ブロックに垂直に分割され、左の３２ｘ６４ブロックはさらに２つの矩形の１６ｘ６４ブロックに垂直に分割される（二分木ブロック分割）。その結果、左上の６４ｘ６４ブロックは、２つの１６ｘ６４ブロック１１、１２と、３２ｘ６４ブロック１３とに分割される。
　右上の６４ｘ６４ブロックは、２つの矩形の６４ｘ３２ブロック１４、１５に水平に分割される（二分木ブロック分割）。
　左下の６４ｘ６４ブロックは、４つの正方形の３２ｘ３２ブロックに分割される（四分木ブロック分割）。４つの３２ｘ３２ブロックのうち左上のブロック及び右下のブロックはさらに分割される。左上の３２ｘ３２ブロックは、２つの矩形の１６ｘ３２ブロックに垂直に分割され、右の１６ｘ３２ブロックはさらに２つの１６ｘ１６ブロックに水平に分割される（二分木ブロック分割）。右下の３２ｘ３２ブロックは、２つの３２ｘ１６ブロックに水平に分割される（二分木ブロック分割）。その結果、左下の６４ｘ６４ブロックは、１６ｘ３２ブロック１６と、２つの１６ｘ１６ブロック１７、１８と、２つの３２ｘ３２ブロック１９、２０と、２つの３２ｘ１６ブロック２１、２２とに分割される。
　右下の６４ｘ６４ブロック２３は分割されない。
　以上のように、図３では、ブロック１０は、再帰的な四分木及び二分木ブロック分割に基づいて、１３個の可変サイズのブロック１１～２３に分割される。このような分割は、ＱＴＢＴ（ｑｕａｄ－ｔｒｅｅ　ｐｌｕｓ　ｂｉｎａｒｙ　ｔｒｅｅ）分割と呼ばれることがある。
　なお、図３では、１つのブロックが４つ又は２つのブロックに分割されていたが（四分木又は二分木ブロック分割）、分割はこれらに限定されない。例えば、１つのブロックが３つのブロックに分割されてもよい（三分木ブロック分割）。このような三分木ブロック分割を含む分割は、ＭＢＴ（ｍｕｌｔｉ　ｔｙｐｅ　ｔｒｅｅ）分割と呼ばれることがある。
　［ピクチャの構成　スライス／タイル］
　ピクチャを並列にデコードするために、ピクチャはスライス単位またはタイル単位で構成される場合がある。スライス単位またはタイル単位からなるピクチャは、分割部１０２によって構成されてもよい。
　スライスは、ピクチャを構成する基本的な符号化の単位である。ピクチャは、例えば１つ以上のスライスから構成される。また、スライスは、１つ以上の連続するＣＴＵ（Ｃｏｄｉｎｇ　Ｔｒｅｅ　Ｕｎｉｔ）からなる。
　図４Ａは、スライスの構成の一例を示す概念図である。例えば、ピクチャは、１１×８個のＣＴＵを含み、かつ、４つのスライス（スライス１－４）に分割される。スライス１は、１６個のＣＴＵからなり、スライス２は、２１個のＣＴＵからなり、スライス３は、２９個のＣＴＵからなり、スライス４は、２２個のＣＴＵからなる。ここで、ピクチャ内の各ＣＴＵは、いずれかのスライスに属する。スライスの形状は、ピクチャを水平方向に分割した形になる。スライスの境界は、画面端である必要はなく、画面内のＣＴＵの境界のうちどこであってもよい。スライスの中のＣＴＵの処理順（符号化順または復号順）は、例えばラスタ・スキャン順である。また、スライスは、ヘッダ情報と符号化データを含む。ヘッダ情報には、スライスの先頭のＣＴＵアドレス、スライス・タイプなどそのスライスの特徴が記述されてもよい。
　タイルは、ピクチャを構成する矩形領域の単位である。各タイルにはＴｉｌｅＩｄと呼ばれる番号がラスタ・スキャン順に割り振られてもよい。
　図４Ｂは、タイルの構成の一例を示す概念図である。例えば、ピクチャは、１１×８個のＣＴＵを含み、かつ、４つの矩形領域のタイル（タイル１－４）に分割される。タイルが使用される場合、タイルが使用されない場合と比べてＣＴＵの処理順が変更される。タイルが使用されない場合、ピクチャ内の複数のＣＴＵはラスタ・スキャン順に処理される。タイルが使用される場合には、複数のタイルのそれぞれにおいて、少なくとも１つのＣＴＵがラスタ・スキャン順に処理される。例えば、図４Ｂに示すように、タイル１に含まれる複数のＣＴＵの処理順は、タイル１の１行目左端からタイル１の１行目右端まで向かい、次に、タイル１の２行目左端からタイル１の２行目右端まで向かう順である。
　なお、１つのタイルは、１つ以上のスライスを含む場合があり、１つのスライスは、１つ以上のタイルを含む場合がある。
　［減算部］
　減算部１０４は、分割部１０２から入力され、分割部１０２によって分割されたブロック単位で、原信号（原サンプル）から予測信号（以下に示す予測制御部１２８から入力される予測サンプル）を減算する。つまり、減算部１０４は、符号化対象ブロック（以下、カレントブロックという）の予測誤差（残差ともいう）を算出する。そして、減算部１０４は、算出された予測誤差（残差）を変換部１０６に出力する。
　原信号は、符号化装置１００の入力信号であり、動画像を構成する各ピクチャの画像を表す信号（例えば輝度（ｌｕｍａ）信号及び２つの色差（ｃｈｒｏｍａ）信号）である。以下において、画像を表す信号をサンプルということもある。
　［変換部］
　変換部１０６は、空間領域の予測誤差を周波数領域の変換係数に変換し、変換係数を量子化部１０８に出力する。具体的には、変換部１０６は、例えば空間領域の予測誤差に対して所定の離散コサイン変換（ＤＣＴ）又は離散サイン変換（ＤＳＴ）を行う。所定のＤＣＴ又はＤＳＴは、予め定められていてもよい。
　なお、変換部１０６は、複数の変換タイプの中から適応的に変換タイプを選択し、選択された変換タイプに対応する変換基底関数（ｔｒａｎｓｆｏｒｍ　ｂａｓｉｓ　ｆｕｎｃｔｉｏｎ）を用いて、予測誤差を変換係数に変換してもよい。このような変換は、ＥＭＴ（ｅｘｐｌｉｃｉｔ　ｍｕｌｔｉｐｌｅ　ｃｏｒｅ　ｔｒａｎｓｆｏｒｍ）又はＡＭＴ（ａｄａｐｔｉｖｅ　ｍｕｌｔｉｐｌｅ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。
　複数の変換タイプは、例えば、ＤＣＴ－ＩＩ、ＤＣＴ－Ｖ、ＤＣＴ－ＶＩＩＩ、ＤＳＴ－Ｉ及びＤＳＴ－ＶＩＩを含む。図５Ａは、変換タイプ例に対応する変換基底関数を示す表である。図５ＡにおいてＮは入力画素の数を示す。これらの複数の変換タイプの中からの変換タイプの選択は、例えば、予測の種類（イントラ予測及びインター予測）に依存してもよいし、イントラ予測モードに依存してもよい。
　このようなＥＭＴ又はＡＭＴを適用するか否かを示す情報（例えばＥＭＴフラグまたはＡＭＴフラグと呼ばれる）及び選択された変換タイプを示す情報は、通常、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、ビットシーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　また、変換部１０６は、変換係数（変換結果）を再変換してもよい。このような再変換は、ＡＳＴ（ａｄａｐｔｉｖｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）又はＮＳＳＴ（ｎｏｎ－ｓｅｐａｒａｂｌｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。例えば、変換部１０６は、イントラ予測誤差に対応する変換係数のブロックに含まれるサブブロック（例えば４ｘ４サブブロック）ごとに再変換を行う。ＮＳＳＴを適用するか否かを示す情報及びＮＳＳＴに用いられる変換行列に関する情報は、通常、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　変換部１０６には、Ｓｅｐａｒａｂｌｅな変換と、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とが適用されてもよい。Ｓｅｐａｒａｂｌｅな変換とは、入力の次元の数だけ方向ごとに分離して複数回変換を行う方式であり、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とは、入力が多次元であった際に２つ以上の次元をまとめて１次元とみなして、まとめて変換を行う方式である。
　例えば、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換の一例として、入力が４×４のブロックであった場合にはそれを１６個の要素を持ったひとつの配列とみなし、その配列に対して１６×１６の変換行列で変換処理を行うようなものが挙げられる。
　また、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換のさらなる例では、４×４の入力ブロックを１６個の要素を持ったひとつの配列とみなした後に、その配列に対してＧｉｖｅｎｓ回転を複数回行うような変換（Ｈｙｐｅｒｃｕｂｅ　Ｇｉｖｅｎｓ　Ｔｒａｎｓｆｏｒｍ）が行われてもよい。
　変換部１０６での変換では、ＣＵ内の領域に応じて周波数領域に変換する基底のタイプを切替えることもできる。一例として、ＳＶＴ（Ｓｐａｔｉａｌｌｙ　Ｖａｒｙｉｎｇ　Ｔｒａｎｓｆｏｒｍ）がある。ＳＶＴでは、図５Ｂに示すように、水平あるいは垂直方向にＣＵを２等分し、いずれか一方の領域のみ周波数領域への変換を行う。変換基底のタイプは領域毎に設定でき、例えば、ＤＳＴ７とＤＣＴ８が用いられる。本例ではＣＵ内の２つの領域のうち、どちらか一方のみ変換を行い、もう一方は変換を行わないが、２つの領域共に変換してもよい。また、分割方法も２等分だけでなく、４等分、あるいは分割を示す情報を別途符号化してＣＵ分割と同様にシグナリングするなど、より柔軟にすることもできる。なお、ＳＶＴは、ＳＢＴ（Ｓｕｂ－ｂｌｏｃｋ　Ｔｒａｎｓｆｏｒｍ）と呼ぶこともある。
　［量子化部］
　量子化部１０８は、変換部１０６から出力された変換係数を量子化する。具体的には、量子化部１０８は、カレントブロックの変換係数を所定の走査順序で走査し、走査された変換係数に対応する量子化パラメータ（ＱＰ）に基づいて当該変換係数を量子化する。そして、量子化部１０８は、カレントブロックの量子化された変換係数（以下、量子化係数という）をエントロピー符号化部１１０及び逆量子化部１１２に出力する。所定の走査順序は、予め定められていてもよい。
　所定の走査順序は、変換係数の量子化／逆量子化のための順序である。例えば、所定の走査順序は、周波数の昇順（低周波から高周波の順）又は降順（高周波から低周波の順）で定義されてもよい。
　量子化パラメータ（ＱＰ）とは、量子化ステップ（量子化幅）を定義するパラメータである。例えば、量子化パラメータの値が増加すれば量子化ステップも増加する。つまり、量子化パラメータの値が増加すれば量子化誤差が増大する。
　また、量子化には、量子化マトリックスが使用される場合がある。例えば、４ｘ４および８ｘ８などの周波数変換サイズと、イントラ予測およびインター予測などの予測モードと、輝度および色差などの画素成分とに対応して数種類の量子化マトリックスが使われる場合がある。なお、量子化とは、所定の間隔でサンプリングした値を所定のレベルに対応づけてデジタル化することをいい、この技術分野では、丸め、ラウンディング、スケーリングといった他の表現を用いて参照されてもよいし、丸め、ラウンディング、スケーリングを採用してもよい。所定の間隔及びレベルは、予め定められていてもよい。
　量子化マトリックスを使用する方法として、符号化装置側で直接設定された量子化マトリックスを使用する方法と、デフォルトの量子化マトリックス（デフォルトマトリックス）を使用する方法とがある。符号化装置側では、量子化マトリックスを直接設定することにより、画像の特徴に応じた量子化マトリックスを設定することができる。しかし、この場合、量子化マトリックスの符号化によって、符号量が増加するというデメリットがある。
　一方、量子化マトリックスを使用せず、高域成分の係数も低域成分の係数も同じように量子化する方法もある。なお、この方法は、係数が全て同じ値である量子化マトリックス（フラットなマトリックス）を用いる方法に等しい。
　量子化マトリックスは、例えば、ＳＰＳ（シーケンスパラメータセット：Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）またはＰＰＳ（ピクチャパラメータセット：Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）で指定されてもよい。ＳＰＳは、シーケンスに対して用いられるパラメータを含み、ＰＰＳは、ピクチャに対して用いられるパラメータを含む。ＳＰＳとＰＰＳとは、単にパラメータセットと呼ばれる場合がある。
　［エントロピー符号化部］
　エントロピー符号化部１１０は、量子化部１０８から入力された量子化係数に基づいて符号化信号（符号化ビットストリーム）を生成する。具体的には、エントロピー符号化部１１０は、例えば、量子化係数を二値化し、二値信号を算術符号化し、圧縮されたビットストリームまたはシーケンスを出力する。
　［逆量子化部］
　逆量子化部１１２は、量子化部１０８から入力された量子化係数を逆量子化する。具体的には、逆量子化部１１２は、カレントブロックの量子化係数を所定の走査順序で逆量子化する。そして、逆量子化部１１２は、カレントブロックの逆量子化された変換係数を逆変換部１１４に出力する。所定の走査順序は、予め定められていてもよい。
　［逆変換部］
　逆変換部１１４は、逆量子化部１１２から入力された変換係数を逆変換することにより予測誤差（残差）を復元する。具体的には、逆変換部１１４は、変換係数に対して、変換部１０６による変換に対応する逆変換を行うことにより、カレントブロックの予測誤差を復元する。そして、逆変換部１１４は、復元された予測誤差を加算部１１６に出力する。
　なお、復元された予測誤差は、通常、量子化により情報が失われているので、減算部１０４が算出した予測誤差と一致しない。すなわち、復元された予測誤差には、通常、量子化誤差が含まれている。
　［加算部］
　加算部１１６は、逆変換部１１４から入力された予測誤差と予測制御部１２８から入力された予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部１１６は、再構成されたブロックをブロックメモリ１１８及びループフィルタ部１２０に出力する。再構成ブロックは、ローカル復号ブロックと呼ばれることもある。
　［ブロックメモリ］
　ブロックメモリ１１８は、例えば、イントラ予測で参照されるブロックであって符号化対象ピクチャ（カレントピクチャという）内のブロックを格納するための記憶部である。具体的には、ブロックメモリ１１８は、加算部１１６から出力された再構成ブロックを格納する。
　［フレームメモリ］
　フレームメモリ１２２は、例えば、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ１２２は、ループフィルタ部１２０によってフィルタされた再構成ブロックを格納する。
　［ループフィルタ部］
　ループフィルタ部１２０は、加算部１１６によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ１２２に出力する。ループフィルタとは、符号化ループ内で用いられるフィルタ（インループフィルタ）であり、例えば、デブロッキング・フィルタ（ＤＦまたはＤＢＦ）、サンプルアダプティブオフセット（ＳＡＯ）及びアダプティブループフィルタ（ＡＬＦ）などを含む。
　ＡＬＦでは、符号化歪みを除去するための最小二乗誤差フィルタが適用され、例えばカレントブロック内の２ｘ２サブブロックごとに、局所的な勾配（ｇｒａｄｉｅｎｔ）の方向及び活性度（ａｃｔｉｖｉｔｙ）に基づいて複数のフィルタの中から選択された１つのフィルタが適用される。
　具体的には、まず、サブブロック（例えば２ｘ２サブブロック）が複数のクラス（例えば１５又は２５クラス）に分類される。サブブロックの分類は、勾配の方向及び活性度に基づいて行われる。例えば、勾配の方向値Ｄ（例えば０～２又は０～４）と勾配の活性値Ａ（例えば０～４）とを用いて分類値Ｃ（例えばＣ＝５Ｄ＋Ａ）が算出される。そして、分類値Ｃに基づいて、サブブロックが複数のクラスに分類される。
　勾配の方向値Ｄは、例えば、複数の方向（例えば水平、垂直及び２つの対角方向）の勾配を比較することにより導出される。また、勾配の活性値Ａは、例えば、複数の方向の勾配を加算し、加算結果を量子化することにより導出される。
　このような分類の結果に基づいて、複数のフィルタの中からサブブロックのためのフィルタが決定される。
　ＡＬＦで用いられるフィルタの形状としては例えば円対称形状が利用される。図６Ａ～図６Ｃは、ＡＬＦで用いられるフィルタの形状の複数の例を示す図である。図６Ａは、５ｘ５ダイヤモンド形状フィルタを示し、図６Ｂは、７ｘ７ダイヤモンド形状フィルタを示し、図６Ｃは、９ｘ９ダイヤモンド形状フィルタを示す。フィルタの形状を示す情報は、通常、ピクチャレベルで信号化される。なお、フィルタの形状を示す情報の信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はＣＵレベル）であってもよい。
　ＡＬＦのオン／オフは、例えば、ピクチャレベル又はＣＵレベルで決定されてもよい。例えば、輝度についてはＣＵレベルでＡＬＦを適用するか否かが決定されてもよく、色差についてはピクチャレベルでＡＬＦを適用するか否かが決定されてもよい。ＡＬＦのオン／オフを示す情報は、通常、ピクチャレベル又はＣＵレベルで信号化される。なお、ＡＬＦのオン／オフを示す情報の信号化は、ピクチャレベル又はＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　選択可能な複数のフィルタ（例えば１５又は２５までのフィルタ）の係数セットは、通常、ピクチャレベルで信号化される。なお、係数セットの信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、タイルレベル、ＣＴＵレベル、ＣＵレベル又はサブブロックレベル）であってもよい。
　［ループフィルタ部　＞　デブロッキング・フィルタ］
　デブロッキング・フィルタでは、ループフィルタ部１２０は、再構成画像のブロック境界にフィルタ処理を行うことによって、そのブロック境界に生じる歪みを減少させる。
　図７は、デブロッキング・フィルタとして機能するループフィルタ部１２０の詳細な構成の一例を示すブロック図である。
　ループフィルタ部１２０は、境界判定部１２０１、フィルタ判定部１２０３と、フィルタ処理部１２０５と、処理判定部１２０８と、フィルタ特性決定部１２０７と、スイッチ１２０２、１２０４および１２０６とを備える。
　境界判定部１２０１は、デブロッキング・フィルタ処理される画素（すなわち対象画素）がブロック境界付近に存在しているか否かを判定する。そして、境界判定部１２０１は、その判定結果をスイッチ１２０２および処理判定部１２０８に出力する。
　スイッチ１２０２は、対象画素がブロック境界付近に存在していると境界判定部１２０１によって判定された場合には、フィルタ処理前の画像を、スイッチ１２０４に出力する。逆に、スイッチ１２０２は、境界判定部１２０１によって対象画素がブロック境界付近に存在していないと判定された場合には、フィルタ処理前の画像をスイッチ１２０６に出力する。
　フィルタ判定部１２０３は、対象画素の周辺にある少なくとも１つの周辺画素の画素値に基づいて、対象画素に対してデブロッキング・フィルタ処理を行うか否かを判定する。そして、フィルタ判定部１２０３は、その判定結果をスイッチ１２０４および処理判定部１２０８に出力する。
　スイッチ１２０４は、対象画素にデブロッキング・フィルタ処理を行うとフィルタ判定部１２０３によって判定された場合には、スイッチ１２０２を介して取得したフィルタ処理前の画像を、フィルタ処理部１２０５に出力する。逆に、スイッチ１２０４は、対象画素にデブロッキング・フィルタ処理を行わないとフィルタ判定部１２０３によって判定された場合には、スイッチ１２０２を介して取得したフィルタ処理前の画像をスイッチ１２０６に出力する。
　フィルタ処理部１２０５は、スイッチ１２０２および１２０４を介してフィルタ処理前の画像を取得した場合には、フィルタ特性決定部１２０７によって決定されたフィルタ特性を有するデブロッキング・フィルタ処理を、対象画素に対して実行する。そして、フィルタ処理部１２０５は、そのフィルタ処理後の画素をスイッチ１２０６に出力する。
　スイッチ１２０６は、処理判定部１２０８による制御に応じて、デブロッキング・フィルタ処理されていない画素と、フィルタ処理部１２０５によってデブロッキング・フィルタ処理された画素とを選択的に出力する。
　処理判定部１２０８は、境界判定部１２０１およびフィルタ判定部１２０３のそれぞれの判定結果に基づいて、スイッチ１２０６を制御する。つまり、処理判定部１２０８は、対象画素がブロック境界付近に存在していると境界判定部１２０１によって判定され、かつ、対象画素にデブロッキング・フィルタ処理を行うとフィルタ判定部１２０３によって判定された場合には、デブロッキング・フィルタ処理された画素をスイッチ１２０６から出力させる。また、上述の場合以外では、処理判定部１２０８は、デブロッキング・フィルタ処理されていない画素をスイッチ１２０６から出力させる。このような画素の出力が繰り返し行われることによって、フィルタ処理後の画像がスイッチ１２０６から出力される。
　図８は、ブロック境界に対して対称なフィルタ特性を有するデブロッキング・フィルタの例を示す概念図である。
　デブロッキング・フィルタ処理では、例えば、画素値と量子化パラメータを用いて、特性の異なる２つのデブロッキング・フィルタ、すなわちストロングフィルタおよびウィークフィルタのうちの何れか１つが選択される。ストロングフィルタでは、図８に示すように、ブロック境界を挟んで画素ｐ０～ｐ２と、画素ｑ０～ｑ２とが存在する場合、画素ｑ０～ｑ２のそれぞれの画素値は、例えば以下の式に示す演算を行うことによって、画素値ｑ’０～ｑ’２に変更される。
　　ｑ’０＝（ｐ１＋２×ｐ０＋２×ｑ０＋２×ｑ１＋ｑ２＋４）／８
　　ｑ’１＝（ｐ０＋ｑ０＋ｑ１＋ｑ２＋２）／４
　　ｑ’２＝（ｐ０＋ｑ０＋ｑ１＋３×ｑ２＋２×ｑ３＋４）／８
　なお、上述の式において、ｐ０～ｐ２およびｑ０～ｑ２は、画素ｐ０～ｐ２および画素ｑ０～ｑ２のそれぞれの画素値である。また、ｑ３は、画素ｑ２にブロック境界と反対側に隣接する画素ｑ３の画素値である。また、上述の各式の右辺において、デブロッキング・フィルタ処理に用いられる各画素の画素値に乗算される係数が、フィルタ係数である。
　さらに、デブロッキング・フィルタ処理では、演算後の画素値が閾値を超えて設定されないように、クリップ処理が行われてもよい。このクリップ処理では、上述の式による演算後の画素値は、量子化パラメータから決定される閾値を用いて、「演算対象画素値±２×閾値」にクリップされる。これにより、過度な平滑化を防ぐことができる。
　図９は、デブロッキング・フィルタ処理が行われるブロック境界を説明するための概念図である。図１０は、Ｂｓ値の一例を示す概念図である。
　デブロッキング・フィルタ処理が行われるブロック境界は、例えば、図９で示すような８×８画素ブロックのＰＵ（Ｐｒｅｄｉｃｔｉｏｎ　Ｕｎｉｔ）またはＴＵ（Ｔｒａｎｓｆｏｒｍ　Ｕｎｉｔ）の境界である。デブロッキング・フィルタ処理は、４行または４列を単位に行われ得る。まず、図９に示すブロックＰおよびブロックＱに対して、図１０のようにＢｓ（Ｂｏｕｎｄａｒｙ　Ｓｔｒｅｎｇｔｈ）値が決定される。
　図１０のＢｓ値にしたがい、同一の画像に属するブロック境界であっても、異なる強さのデブロッキング・フィルタ処理を行うか否かが決定される。色差信号に対するデブロッキング・フィルタ処理は、Ｂｓ値が２の場合に行われる。輝度信号に対するデブロッキング・フィルタ処理は、Ｂｓ値が１以上であって、所定の条件が満たされた場合に行われる。所定の条件は、予め定められていてもよい。なお、Ｂｓ値の判定条件は図１０に示したものに限定されず、他のパラメータに基づいて決定されてもよい。
　［予測処理部（イントラ予測部・インター予測部・予測制御部）］
　図１１は、符号化装置１００の予測処理部で行われる処理の一例を示すフローチャートである。なお、予測処理部は、イントラ予測部１２４、インター予測部１２６、および予測制御部１２８の全てまたは一部の構成要素からなる。
　予測処理部は、カレントブロックの予測画像を生成する（ステップＳｂ＿１）。この予測画像は、予測信号または予測ブロックともいう。なお、予測信号には、例えばイントラ予測信号またはインター予測信号がある。具体的には、予測処理部は、予測ブロックの生成、差分ブロックの生成、係数ブロックの生成、差分ブロックの復元、および復号画像ブロックの生成が行われることによって既に得られている再構成画像を用いて、カレントブロックの予測画像を生成する。
　再構成画像は、例えば、参照ピクチャの画像であってもよいし、カレントブロックを含むピクチャであるカレントピクチャ内の符号化済みのブロックの画像であってもよい。カレントピクチャ内の符号化済みのブロックは、例えばカレントブロックの隣接ブロックである。
　図１２は、符号化装置１００の予測処理部で行われる処理の他の例を示すフローチャートである。
　予測処理部は、第１の方式で予測画像を生成し（ステップＳｃ＿１ａ）、第２の方式で予測画像を生成し（ステップＳｃ＿１ｂ）、第３の方式で予測画像を生成する（ステップＳｃ＿１ｃ）。第１の方式、第２の方式、および第３の方式は、予測画像を生成するための互いに異なる方式であって、それぞれ例えば、インター予測方式、イントラ予測方式、および、それら以外の予測方式であってもよい。これらの予測方式では、上述の再構成画像を用いてもよい。
　次に、予測処理部は、ステップＳｃ＿１ａ、Ｓｃ＿１ｂ、およびＳｃ＿１ｃで生成された複数の予測画像のうちの何れか１つを選択する（ステップＳｃ＿２）。この予測画像の選択、すなわち最終的な予測画像を得るための方式またはモードの選択は、生成された各予測画像に対するコストを算出し、そのコストに基づいて行われてもよい。または、その予測画像の選択は、符号化の処理に用いられるパラメータに基づいて行われてもよい。符号化装置１００は、その選択された予測画像、方式またはモードを特定するための情報を符号化信号（符号化ビットストリームともいう）に信号化してもよい。その情報は、例えばフラグなどであってもよい。これにより、復号装置は、その情報に基づいて、符号化装置１００において選択された方式またはモードにしたがって予測画像を生成することができる。なお、図１２に示す例では、予測処理部は、各方式で予測画像を生成した後に、何れかの予測画像を選択する。しかし、予測処理部は、それらの予測画像を生成する前に、上述の符号化の処理に用いられるパラメータに基づいて、方式またはモードを選択し、その方式またはモードにしたがって予測画像を生成してもよい。
　例えば、第１の方式および第２の方式は、それぞれイントラ予測およびインター予測であって、予測処理部は、これらの予測方式にしたがって生成される予測画像から、カレントブロックに対する最終的な予測画像を選択してもよい。
　図１３は、符号化装置１００の予測処理部で行われる処理の他の例を示すフローチャートである。
　まず、予測処理部は、イントラ予測によって予測画像を生成し（ステップＳｄ＿１ａ）、インター予測によって予測画像を生成する（ステップＳｄ＿１ｂ）。なお、イントラ予測によって生成された予測画像を、イントラ予測画像ともいい、インター予測によって生成された予測画像を、インター予測画像ともいう。
　次に、予測処理部は、イントラ予測画像およびインター予測画像のそれぞれを評価する（ステップＳｄ＿２）。この評価には、コストが用いられてもよい。つまり、予測処理部は、イントラ予測画像およびインター予測画像のそれぞれのコストＣを算出する。このコストＣは、Ｒ－Ｄ最適化モデルの式、例えば、Ｃ＝Ｄ＋λ×Ｒによって算出され得る。この式において、Ｄは、予測画像の符号化歪であって、例えば、カレントブロックの画素値と予測画像の画素値との差分絶対値和などによって表される。また、Ｒは、予測画像の発生符号量であって、具体的には、予測画像を生成するための動き情報などの符号化に必要な符号量などである。また、λは、例えばラグランジュの未定乗数である。
　そして、予測処理部は、イントラ予測画像およびインター予測画像から、最も小さいコストＣが算出された予測画像を、カレントブロックの最終的な予測画像として選択する（ステップＳｄ＿３）。つまり、カレントブロックの予測画像を生成するための予測方式またはモードが選択される。
　［イントラ予測部］
　イントラ予測部１２４は、ブロックメモリ１１８に格納されたカレントピクチャ内のブロックを参照してカレントブロックのイントラ予測（画面内予測ともいう）を行うことで、予測信号（イントラ予測信号）を生成する。具体的には、イントラ予測部１２４は、カレントブロックに隣接するブロックのサンプル（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部１２８に出力する。
　例えば、イントラ予測部１２４は、規定の複数のイントラ予測モードのうちの１つを用いてイントラ予測を行う。複数のイントラ予測モードは、通常、１以上の非方向性予測モードと、複数の方向性予測モードと、を含む。規定の複数のモードは、予め規定されていてもよい。
　１以上の非方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定されたＰｌａｎａｒ予測モード及びＤＣ予測モードを含む。
　複数の方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定された３３方向の予測モードを含む。なお、複数の方向性予測モードは、３３方向に加えてさらに３２方向の予測モード（合計で６５個の方向性予測モード）を含んでもよい。図１４は、イントラ予測において用いられ得る全６７個のイントラ予測モード（２個の非方向性予測モード及び６５個の方向性予測モード）を示す概念図である。実線矢印は、Ｈ．２６５／ＨＥＶＣ規格で規定された３３方向を表し、破線矢印は、追加された３２方向を表す（２個の非方向性予測モードは図１４には図示されていない）。
　種々の処理例では、色差ブロックのイントラ予測において、輝度ブロックが参照されてもよい。つまり、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分が予測されてもよい。このようなイントラ予測は、ＣＣＬＭ（ｃｒｏｓｓ－ｃｏｍｐｏｎｅｎｔ　ｌｉｎｅａｒ　ｍｏｄｅｌ）予測と呼ばれることがある。このような輝度ブロックを参照する色差ブロックのイントラ予測モード（例えばＣＣＬＭモードと呼ばれる）は、色差ブロックのイントラ予測モードの１つとして加えられてもよい。
　イントラ予測部１２４は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正してもよい。このような補正をともなうイントラ予測は、ＰＤＰＣ（ｐｏｓｉｔｉｏｎ　ｄｅｐｅｎｄｅｎｔ　ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ　ｃｏｍｂｉｎａｔｉｏｎ）と呼ばれることがある。ＰＤＰＣの適用の有無を示す情報（例えばＰＤＰＣフラグと呼ばれる）は、通常、ＣＵレベルで信号化される。なお、この情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル又はＣＴＵレベル）であってもよい。
　［インター予測部］
　インター予測部１２６は、フレームメモリ１２２に格納された参照ピクチャであってカレントピクチャとは異なる参照ピクチャを参照してカレントブロックのインター予測（画面間予測ともいう）を行うことで、予測信号（インター予測信号）を生成する。インター予測は、カレントブロック又はカレントブロック内のカレントサブブロック（例えば４ｘ４ブロック）の単位で行われる。例えば、インター予測部１２６は、カレントブロック又はカレントサブブロックについて参照ピクチャ内で動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）を行い、そのカレントブロック又はカレントサブブロックに最も一致する参照ブロック又はサブブロックを見つける。そして、インター予測部１２６は、参照ブロック又はサブブロックからカレントブロック又はサブブロックへの動き又は変化を補償する動き情報（例えば動きベクトル）を取得する。インター予測部１２６は、その動き情報に基づいて、動き補償（または動き予測）を行い、カレントブロック又はサブブロックのインター予測信号を生成する。インター予測部１２６は、生成されたインター予測信号を予測制御部１２８に出力する。
　動き補償に用いられた動き情報は、多様な形態でインター予測信号として信号化されてもよい。例えば、動きベクトルが信号化されてもよい。他の例として、動きベクトルと予測動きベクトル（ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｐｒｅｄｉｃｔｏｒ）との差分が信号化されてもよい。
　［インター予測の基本フロー］
　図１５は、インター予測の基本的な流れの一例を示すフローチャートである。
　インター予測部１２６は、まず、予測画像を生成する（ステップＳｅ＿１～Ｓｅ＿３）。次に、減算部１０４は、カレントブロックと予測画像との差分を予測残差として生成する（ステップＳｅ＿４）。
　ここで、インター予測部１２６は、予測画像の生成では、カレントブロックの動きベクトル（ＭＶ）の決定（ステップＳｅ＿１およびＳｅ＿２）と、動き補償（ステップＳｅ＿３）とを行うことによって、その予測画像を生成する。また、インター予測部１２６は、ＭＶの決定では、候補動きベクトル（候補ＭＶ）の選択（ステップＳｅ＿１）と、ＭＶの導出（ステップＳｅ＿２）とを行うことによって、そのＭＶを決定する。候補ＭＶの選択は、例えば、候補ＭＶリストから少なくとも１つの候補ＭＶを選択することによって行われる。また、ＭＶの導出では、インター予測部１２６は、少なくとも１つの候補ＭＶから、さらに少なくとも１つの候補ＭＶを選択することによって、その選択された少なくとも１つの候補ＭＶを、カレントブロックのＭＶとして決定してもよい。あるいは、インター予測部１２６は、その選択された少なくとも１つの候補ＭＶのそれぞれについて、その候補ＭＶで指示される参照ピクチャの領域を探索することによって、カレントブロックのＭＶを決定してもよい。なお、この参照ピクチャの領域を探索することを、動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）と称してもよい。
　また、上述の例では、ステップＳｅ＿１～Ｓｅ＿３は、インター予測部１２６によって行われるが、例えばステップＳｅ＿１またはステップＳｅ＿２などの処理は、符号化装置１００に含まれる他の構成要素によって行われてもよい。
　［動きベクトルの導出のフロー］
　図１６は、動きベクトル導出の一例を示すフローチャートである。
　インター予測部１２６は、動き情報（例えばＭＶ）を符号化するモードで、カレントブロックのＭＶを導出する。この場合、例えば動き情報が予測パラメータとして符号化されて、信号化される。つまり、符号化された動き情報が、符号化信号（符号化ビットストリームともいう）に含まれる。
　あるいは、インター予測部１２６は、動き情報を符号化しないモードでＭＶを導出する。この場合には、動き情報は、符号化信号に含まれない。
　ここで、ＭＶ導出のモードには、後述のノーマルインターモード、マージモード、ＦＲＵＣモードおよびアフィンモードなどがあってもよい。これらのモードのうち、動き情報を符号化するモードには、ノーマルインターモード、マージモード、およびアフィンモード（具体的には、アフィンインターモードおよびアフィンマージモード）などがある。なお、動き情報には、ＭＶだけでなく、後述の予測動きベクトル選択情報が含まれてもよい。また、動き情報を符号化しないモードには、ＦＲＵＣモードなどがある。インター予測部１２６は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　図１７は、動きベクトル導出の他の例を示すフローチャートである。
　インター予測部１２６は、差分ＭＶを符号化するモードで、カレントブロックのＭＶを導出する。この場合、例えば差分ＭＶが予測パラメータとして符号化されて、信号化される。つまり、符号化された差分ＭＶが、符号化信号に含まれる。この差分ＭＶは、カレントブロックのＭＶと、その予測ＭＶとの差である。
　あるいは、インター予測部１２６は、差分ＭＶを符号化しないモードでＭＶを導出する。この場合には、符号化された差分ＭＶは、符号化信号に含まれない。
　ここで、上述のようにＭＶの導出のモードには、後述のノーマルインター、マージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、差分ＭＶを符号化するモードには、ノーマルインターモードおよびアフィンモード（具体的には、アフィンインターモード）などがある。また、差分ＭＶを符号化しないモードには、ＦＲＵＣモード、マージモードおよびアフィンモード（具体的には、アフィンマージモード）などがある。インター予測部１２６は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　［動きベクトルの導出のフロー］
　図１８は、動きベクトル導出の他の例を示すフローチャートである。ＭＶ導出のモード、すなわちインター予測モードには、複数のモードがあり、大きく分けて、差分ＭＶを符号化するモードと、差分動きベクトルを符号化しないモードとがある。差分ＭＶを符号化しないモードには、マージモード、ＦＲＵＣモード、およびアフィンモード（具体的には、アフィンマージモード）がある。これらのモードの詳細については、後述するが、簡単には、マージモードは、周辺の符号化済みブロックから動きベクトルを選択することによって、カレントブロックのＭＶを導出するモードであり、ＦＲＵＣモードは、符号化済み領域間で探索を行うことによって、カレントブロックのＭＶを導出するモードである。また、アフィンモードは、アフィン変換を想定して、カレントブロックを構成する複数のサブブロックそれぞれの動きベクトルを、カレントブロックのＭＶとして導出するモードである。
　具体的には、図示されるように、インター予測部１２６は、インター予測モード情報が０を示す場合（Ｓｆ＿１で０）、マージモードにより動きベクトルを導出する（Ｓｆ＿２）。また、インター予測部１２６は、インター予測モード情報が１を示す場合（Ｓｆ＿１で１）、ＦＲＵＣモードにより動きベクトルを導出する（Ｓｆ＿３）。また、インター予測部１２６は、インター予測モード情報が２を示す場合（Ｓｆ＿１で２）、アフィンモード（具体的には、アフィンマージモード）により動きベクトルを導出する（Ｓｆ＿４）。また、インター予測部１２６は、インター予測モード情報が３を示す場合（Ｓｆ＿１で３）、差分ＭＶを符号化するモード（例えば、ノーマルインターモード）により動きベクトルを導出する（Ｓｆ＿５）。
　［ＭＶ導出　＞　ノーマルインターモード］
　ノーマルインターモードは、候補ＭＶによって示される参照ピクチャの領域から、カレントブロックの画像に類似するブロックに基づいて、カレントブロックのＭＶを導出するインター予測モードである。また、このノーマルインターモードでは、差分ＭＶが符号化される。
　図１９は、ノーマルインターモードによるインター予測の例を示すフローチャートである。
　インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｇ＿１）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　次に、インター予測部１２６は、ステップＳｇ＿１で取得された複数の候補ＭＶの中から、Ｎ個（Ｎは２以上の整数）の候補ＭＶのそれぞれを予測動きベクトル候補（予測ＭＶ候補ともいう）として、所定の優先順位に従って抽出する（ステップＳｇ＿２）。なお、その優先順位は、Ｎ個の候補ＭＶのそれぞれに対して予め定められていてもよい。
　次に、インター予測部１２６は、そのＮ個の予測動きベクトル候補の中から１つの予測動きベクトル候補を、カレントブロックの予測動きベクトル（予測ＭＶともいう）として選択する（ステップＳｇ＿３）。このとき、インター予測部１２６は、選択された予測動きベクトルを識別するための予測動きベクトル選択情報をストリームに符号化する。なお、ストリームは、上述の符号化信号または符号化ビットストリームである。
　次に、インター予測部１２６は、符号化済み参照ピクチャを参照し、カレントブロックのＭＶを導出する（ステップＳｇ＿４）。このとき、インター予測部１２６は、さらに、その導出されたＭＶと予測動きベクトルとの差分値を差分ＭＶとしてストリームに符号化する。なお、符号化済み参照ピクチャは、符号化後に再構成された複数のブロックからなるピクチャである。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｇ＿５）。なお、予測画像は、上述のインター予測信号である。
　また、符号化信号に含められる、予測画像の生成に用いられたインター予測モード（上述の例ではノーマルインターモード）を示す情報は、例えば予測パラメータとして符号化される。
　なお、候補ＭＶリストは、他のモードに用いられるリストと共通に用いられてもよい。また、候補ＭＶリストに関する処理を、他のモードに用いられるリストに関する処理に適用してもよい。この候補ＭＶリストに関する処理は、例えば、候補ＭＶリストからの候補ＭＶの抽出もしくは選択、候補ＭＶの並び替え、または、候補ＭＶの削除などである。
　［ＭＶ導出　＞　マージモード］
　マージモードは、候補ＭＶリストから候補ＭＶをカレントブロックのＭＶとして選択することによって、そのＭＶを導出するインター予測モードである。
　図２０は、マージモードによるインター予測の例を示すフローチャートである。
　インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｈ＿１）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　次に、インター予測部１２６は、ステップＳｈ＿１で取得された複数の候補ＭＶの中から１つの候補ＭＶを選択することによって、カレントブロックのＭＶを導出する（ステップＳｈ＿２）。このとき、インター予測部１２６は、選択された候補ＭＶを識別するためのＭＶ選択情報をストリームに符号化する。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｈ＿３）。
　また、符号化信号に含められる、予測画像の生成に用いられたインター予測モード（上述の例ではマージモード）を示す情報は、例えば予測パラメータとして符号化される。
　図２１は、マージモードによるカレントピクチャの動きベクトル導出処理の一例を説明するための概念図である。
　まず、予測ＭＶの候補を登録した予測ＭＶリストを生成する。予測ＭＶの候補としては、対象ブロックの空間的に周辺に位置する複数の符号化済みブロックが持つＭＶである空間隣接予測ＭＶ、符号化済み参照ピクチャにおける対象ブロックの位置を投影した近辺のブロックが持つＭＶである時間隣接予測ＭＶ、空間隣接予測ＭＶと時間隣接予測ＭＶのＭＶ値を組み合わせて生成したＭＶである結合予測ＭＶ、および値がゼロのＭＶであるゼロ予測ＭＶ等がある。
　次に、予測ＭＶリストに登録されている複数の予測ＭＶの中から１つの予測ＭＶを選択することで、対象ブロックのＭＶとして決定する。
　さらに、可変長符号化部では、どの予測ＭＶを選択したかを示す信号であるｍｅｒｇｅ＿ｉｄｘをストリームに記述して符号化する。
　なお、図２１で説明した予測ＭＶリストに登録する予測ＭＶは一例であり、図中の個数とは異なる個数であったり、図中の予測ＭＶの一部の種類を含まない構成であったり、図中の予測ＭＶの種類以外の予測ＭＶを追加した構成であったりしてもよい。
　マージモードにより導出した対象ブロックのＭＶを用いて、後述するＤＭＶＲ（ｄｅｃｏｄｅｒ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｒｅｆｉｎｅｍｅｎｔ）処理を行うことによって最終的なＭＶを決定してもよい。
　なお、予測ＭＶの候補は、上述の候補ＭＶであり、予測ＭＶリストは、上述の候補ＭＶリストである。また、候補ＭＶリストを、候補リストと称してもよい。また、ｍｅｒｇｅ＿ｉｄｘは、ＭＶ選択情報である。
　［ＭＶ導出　＞　ＦＲＵＣモード］
　動き情報は符号化装置側から信号化されずに、復号装置側で導出されてもよい。なお、上述のように、Ｈ．２６５／ＨＥＶＣ規格で規定されたマージモードが用いられてもよい。また例えば、復号装置側で動き探索を行うことにより動き情報が導出されてもよい。実施の形態において、復号装置側では、カレントブロックの画素値を用いずに動き探索が行われる。
　ここで、復号装置側で動き探索を行うモードについて説明する。この復号装置側で動き探索を行うモードは、ＰＭＭＶＤ（ｐａｔｔｅｒｎ　ｍａｔｃｈｅｄ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｄｅｒｉｖａｔｉｏｎ）モード又はＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）モードと呼ばれることがある。
　フローチャートの形式でＦＲＵＣ処理の一例を図２２に示す。まず、カレントブロックに空間的又は時間的に隣接する符号化済みブロックの動きベクトルを参照して、各々が予測動きベクトル（ＭＶ）を有する複数の候補のリスト（すなわち、候補ＭＶリストであって、マージリストと共通であってもよい）が生成される（ステップＳｉ＿１）。次に、候補ＭＶリストに登録されている複数の候補ＭＶの中からベスト候補ＭＶを選択する（ステップＳｉ＿２）。例えば、候補ＭＶリストに含まれる各候補ＭＶの評価値が算出され、評価値に基づいて１つの候補ＭＶが選択される。そして、選択された候補の動きベクトルに基づいて、カレントブロックのための動きベクトルが導出される（ステップＳｉ＿４）。具体的には、例えば、選択された候補の動きベクトル（ベスト候補ＭＶ）がそのままカレントブロックのための動きベクトルとして導出される。また例えば、選択された候補の動きベクトルに対応する参照ピクチャ内の位置の周辺領域において、パターンマッチングを行うことにより、カレントブロックのための動きベクトルが導出されてもよい。すなわち、ベスト候補ＭＶの周辺の領域に対して、参照ピクチャにおけるパターンマッチングおよび評価値を用いた探索を行い、さらに評価値が良い値となるＭＶがあった場合は、ベスト候補ＭＶを前記ＭＶに更新して、それをカレントブロックの最終的なＭＶとしてもよい。より良い評価値を有するＭＶへの更新を行う処理を実施しない構成とすることも可能である。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｉ＿５）。
　サブブロック単位で処理を行う場合も全く同様の処理としてもよい。
　評価値は、種々の方法によって算出されてもよい。例えば、動きベクトルに対応する参照ピクチャ内の領域の再構成画像と、所定の領域（その領域は、例えば、以下に示すように、他の参照ピクチャの領域またはカレントピクチャの隣接ブロックの領域であってもよい）の再構成画像とを比較する。所定の領域は予め定められていてもよい。
　そして、２つの再構成画像の画素値の差分を算出して、動きベクトルの評価値に用いてもよい。なお、差分値に加えてそれ以外の情報を用いて評価値を算出してもよい。
　次に、パターンマッチングの例について詳細に説明する。まず、候補ＭＶリスト（例えばマージリスト）に含まれる１つの候補ＭＶを、パターンマッチングによる探索のスタートポイントとして選択する。例えば、パターンマッチングとしては、第１パターンマッチング又は第２パターンマッチングが用いられ得る。第１パターンマッチング及び第２パターンマッチングは、それぞれ、バイラテラルマッチング（ｂｉｌａｔｅｒａｌ　ｍａｔｃｈｉｎｇ）及びテンプレートマッチング（ｔｅｍｐｌａｔｅ　ｍａｔｃｈｉｎｇ）と呼ばれることがある。
　［ＭＶ導出　＞　ＦＲＵＣ　＞　バイラテラルマッチング］
　第１パターンマッチングでは、異なる２つの参照ピクチャ内の２つのブロックであってカレントブロックの動き軌道（ｍｏｔｉｏｎ　ｔｒａｊｅｃｔｏｒｙ）に沿う２つのブロックの間でパターンマッチングが行われる。したがって、第１パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントブロックの動き軌道に沿う他の参照ピクチャ内の領域が用いられる。所定の領域は、予め定められていてもよい。
　図２３は、動き軌道に沿う２つの参照ピクチャにおける２つのブロック間での第１パターンマッチング（バイラテラルマッチング）の一例を説明するための概念図である。図２３に示すように、第１パターンマッチングでは、カレントブロック（Ｃｕｒ　ｂｌｏｃｋ）の動き軌道に沿う２つのブロックであって異なる２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）内の２つのブロックのペアの中で最もマッチするペアを探索することにより２つの動きベクトル（ＭＶ０、ＭＶ１）が導出される。具体的には、カレントブロックに対して、候補ＭＶで指定された第１の符号化済み参照ピクチャ（Ｒｅｆ０）内の指定位置における再構成画像と、前記候補ＭＶを表示時間間隔でスケーリングした対称ＭＶで指定された第２の符号化済み参照ピクチャ（Ｒｅｆ１）内の指定位置における再構成画像との差分を導出し、得られた差分値を用いて評価値を算出する。複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶを最終ＭＶとして選択することが可能であり、良い結果をもたらし得る。
　連続的な動き軌道の仮定の下では、２つの参照ブロックを指し示す動きベクトル（ＭＶ０、ＭＶ１）は、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）との間の時間的な距離（ＴＤ０、ＴＤ１）に対して比例する。例えば、カレントピクチャが時間的に２つの参照ピクチャの間に位置し、カレントピクチャから２つの参照ピクチャへの時間的な距離が等しい場合、第１パターンマッチングでは、鏡映対称な双方向の動きベクトルが導出される。
　［ＭＶ導出　＞　ＦＲＵＣ　＞　テンプレートマッチング］
　第２パターンマッチング（テンプレートマッチング）では、カレントピクチャ内のテンプレート（カレントピクチャ内でカレントブロックに隣接するブロック（例えば上及び／又は左隣接ブロック））と参照ピクチャ内のブロックとの間でパターンマッチングが行われる。したがって、第２パターンマッチングでは、上述した候補の評価値の算出のための所定の領域として、カレントピクチャ内のカレントブロックに隣接するブロックが用いられる。
　図２４は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）の一例を説明するための概念図である。図２４に示すように、第２パターンマッチングでは、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）内でカレントブロック（Ｃｕｒ　ｂｌｏｃｋ）に隣接するブロックと最もマッチするブロックを参照ピクチャ（Ｒｅｆ０）内で探索することによりカレントブロックの動きベクトルが導出される。具体的には、カレントブロックに対して、左隣接および上隣接の両方もしくはどちらか一方の符号化済み領域の再構成画像と、候補ＭＶで指定された符号化済み参照ピクチャ（Ｒｅｆ０）内の同等位置における再構成画像との差分を導出し、得られた差分値を用いて評価値を算出し、複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶをベスト候補ＭＶとして選択することが可能である。
　このようなＦＲＵＣモードを適用するか否かを示す情報（例えばＦＲＵＣフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。また、ＦＲＵＣモードが適用される場合（例えばＦＲＵＣフラグが真の場合）、適用可能なパターンマッチングの方法（第１パターンマッチング又は第２パターンマッチング）を示す情報がＣＵレベルで信号化されてもよい。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　［ＭＶ導出　＞　アフィンモード］
　次に、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出するアフィンモードについて説明する。このモードは、アフィン動き補償予測（ａｆｆｉｎｅ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ　ｐｒｅｄｉｃｔｉｏｎ）モードと呼ばれることがある。
　図２５Ａは、複数の隣接ブロックの動きベクトルに基づくサブブロック単位の動きベクトルの導出の一例を説明するための概念図である。図２５Ａにおいて、カレントブロックは、１６の４ｘ４サブブロックを含む。ここでは、隣接ブロックの動きベクトルに基づいてカレントブロックの左上角制御ポイントの動きベクトルｖ０が導出され、同様に、隣接サブブロックの動きベクトルに基づいてカレントブロックの右上角制御ポイントの動きベクトルｖ１が導出される。そして、以下の式（１Ａ）により、２つの動きベクトルｖ０及びｖ１が投影されてもよく、カレントブロック内の各サブブロックの動きベクトル（ｖｘ，ｖｙ）が導出されてもよい。
Figure JPOXMLDOC01-appb-M000001
　ここで、ｘ及びｙは、それぞれ、サブブロックの水平位置及び垂直位置を示し、ｗは、所定の重み係数を示す。所定の重み係数は、予め決定されていてもよい。
　このようなアフィンモードを示す情報（例えばアフィンフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。なお、このアフィンモードを示す情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　また、このようなアフィンモードでは、左上及び右上角制御ポイントの動きベクトルの導出方法が異なるいくつかのモードを含んでもよい。例えば、アフィンモードには、アフィンインター（アフィンノーマルインターともいう）モードと、アフィンマージモードの２つのモードがある。
　［ＭＶ導出　＞　アフィンモード］
　図２５Ｂは、３つの制御ポイントを有するアフィンモードにおけるサブブロック単位の動きベクトルの導出の一例を説明するための概念図である。図２５Ｂにおいて、カレントブロックは、１６の４ｘ４サブブロックを含む。ここでは、隣接ブロックの動きベクトルに基づいてカレントブロックの左上角制御ポイントの動きベクトルｖ０が導出され、同様に、隣接ブロックの動きベクトルに基づいてカレントブロックの右上角制御ポイントの動きベクトルｖ１、隣接ブロックの動きベクトルに基づいてカレントブロックの左下角制御ポイントの動きベクトルｖ２が導出される。そして、以下の式（１Ｂ）により、３つの動きベクトルｖ０、ｖ１及びｖ２が投影されてもよく、カレントブロック内の各サブブロックの動きベクトル（ｖｘ，ｖｙ）が導出されてもよい。
Figure JPOXMLDOC01-appb-M000002
　ここで、ｘ及びｙは、それぞれ、サブブロック中心の水平位置及び垂直位置を示し、ｗは、カレントブロックの幅、ｈは、カレントブロックの高さを示す。
　異なる制御ポイント数（例えば、２つと３つ）のアフィンモードは、ＣＵレベルで切り替えて信号化されてもよい。なお、ＣＵレベルで使用しているアフィンモードの制御ポイント数を示す情報を、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）で信号化してもよい。
　また、このような３つの制御ポイントを有するアフィンモードでは、左上、右上及び左下角制御ポイントの動きベクトルの導出方法が異なるいくつかのモードを含んでもよい。例えば、アフィンモードには、アフィンインター（アフィンノーマルインターともいう）モードと、アフィンマージモードの２つのモードがある。
　［ＭＶ導出　＞　アフィンマージモード］
　図２６Ａ、図２６Ｂおよび図２６Ｃは、アフィンマージモードを説明するための概念図である。
　アフィンマージモードでは、図２６Ａに示すように、例えば、カレントブロックに隣接する符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）のうち、アフィンモードで符号化されたブロックに対応する複数の動きベクトルに基づいて、カレントブロックの制御ポイントのそれぞれの予測動きベクトルが算出される。具体的には、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序でこれらのブロックが検査され、アフィンモードで符号化された最初の有効なブロックが特定される。この特定されたブロックに対応する複数の動きベクトルに基づいて、カレントブロックの制御ポイントの予測動きベクトルが算出される。
　例えば、図２６Ｂに示すように、カレントブロックの左に隣接するブロックＡが２つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角および右上角の位置に投影した動きベクトルｖ３およびｖ４が導出される。そして、導出された動きベクトルｖ３およびｖ４から、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１が算出される。
　例えば、図２６Ｃに示すように、カレントブロックの左に隣接するブロックＡが３つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の位置に投影した動きベクトルｖ３、ｖ４およびｖ５が導出される。そして、導出された動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１と、左下角の制御ポイントの予測動きベクトルｖ２が算出される。
　なお、後述する図２９のステップＳｊ＿１におけるカレントブロックの制御ポイントのそれぞれの予測動きベクトルの導出に、この予測動きベクトル導出方法を用いてもよい。
　図２７は、アフィンマージモードの一例を示すフローチャートである。
　アフィンマージモードでは、図示されるように、まず、インター予測部１２６は、カレントブロックの制御ポイントのそれぞれの予測ＭＶを導出する（ステップＳｋ＿１）。制御ポイントは、図２５Ａに示すように、カレントブロックの左上角および右上角のポイント、或いは図２５Ｂに示すように、カレントブロックの左上角、右上角および左下角のポイントである。
　つまり、インター予測部１２６は、図２６Ａに示すように、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序にこれらのブロックを検査し、アフィンモードで符号化された最初の有効なブロックを特定する。
　そして、ブロックＡが特定されブロックＡが２つの制御ポイントを有する場合、図２６Ｂに示すように、インター予測部１２６は、ブロックＡを含む符号化済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４から、カレントブロックの左上角の制御ポイントの動きベクトルｖ０と、右上角の制御ポイントの動きベクトルｖ１とを算出する。例えば、インター予測部１２６は、符号化済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４を、カレントブロックに投影することによって、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１とを算出する。
　或いは、ブロックＡが特定されブロックＡが３つの制御ポイントを有する場合、図２６Ｃに示すように、インター予測部１２６は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角の制御ポイントの動きベクトルｖ０と、右上角の制御ポイントの動きベクトルｖ１、左下角の制御ポイントの動きベクトルｖ２とを算出する。例えば、インター予測部１２６は、符号化済みブロックの左上角、右上角および左下角の動きベクトルｖ３、ｖ４およびｖ５を、カレントブロックに投影することによって、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１、左下角の制御ポイントの動きベクトルｖ２とを算出する。
　次に、インター予測部１２６は、カレントブロックに含まれる複数のサブブロックのそれぞれについて、動き補償を行う。すなわち、インター予測部１２６は、その複数のサブブロックのそれぞれについて、２つの予測動きベクトルｖ０およびｖ１と上述の式（１Ａ）、或いは３つの予測動きベクトルｖ０、ｖ１およびｖ２と上述の式（１Ｂ）とを用いて、そのサブブロックの動きベクトルをアフィンＭＶとして算出する（ステップＳｋ＿２）。そして、インター予測部１２６は、それらのアフィンＭＶおよび符号化済み参照ピクチャを用いてそのサブブロックに対して動き補償を行う（ステップＳｋ＿３）。その結果、カレントブロックに対して動き補償が行われ、そのカレントブロックの予測画像が生成される。
　［ＭＶ導出　＞　アフィンインターモード］
　図２８Ａは、２つの制御ポイントを有するアフィンインターモードを説明するための概念図である。
　このアフィンインターモードでは、図２８Ａに示すように、カレントブロックに隣接する符号化済みブロックＡ、ブロックＢおよびブロックＣの動きベクトルから選択された動きベクトルが、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０として用いられる。同様に、カレントブロックに隣接する符号化済みブロックＤおよびブロックＥの動きベクトルから選択された動きベクトルが、カレントブロックの右上角の制御ポイントの予測動きベクトルｖ１として用いられる。
　図２８Ｂは、３つの制御ポイントを有するアフィンインターモードを説明するための概念図である。
　このアフィンインターモードでは、図２８Ｂに示すように、カレントブロックに隣接する符号化済みブロックＡ、ブロックＢおよびブロックＣの動きベクトルから選択された動きベクトルが、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０として用いられる。同様に、カレントブロックに隣接する符号化済みブロックＤおよびブロックＥの動きベクトルから選択された動きベクトルが、カレントブロックの右上角の制御ポイントの予測動きベクトルｖ１として用いられる。更に、カレントブロックに隣接する符号化済みブロックＦおよびブロックＧの動きベクトルから選択された動きベクトルが、カレントブロックの左下角の制御ポイントの予測動きベクトルｖ２として用いられる。
　図２９は、アフィンインターモードの一例を示すフローチャートである。
　図示されるように、アフィンインターモードでは、まず、インター予測部１２６は、カレントブロックの２つまたは３つの制御ポイントのそれぞれの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する（ステップＳｊ＿１）。制御ポイントは、図２５Ａまたは図２５Ｂに示すように、カレントブロックの左上角、右上角或いは左下角のポイントである。
　つまり、インター予測部１２６は、図２８Ａまたは図２８Ｂに示すカレントブロックの各制御ポイント近傍の符号化済みブロックのうちの何れかのブロックの動きベクトルを選択することによって、カレントブロックの制御ポイントの予測動きベクトル（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する。このとき、インター予測部１２６は、選択された２つの動きベクトルを識別するための予測動きベクトル選択情報をストリームに符号化する。
　例えば、インター予測部１２６は、カレントブロックに隣接する符号化済みブロックからどのブロックの動きベクトルを制御ポイントの予測動きベクトルとして選択するかを、コスト評価等を用いて決定し、どの予測動きベクトルを選択したかを示すフラグをビットストリームに記述してもよい。
　次に、インター予測部１２６は、ステップＳｊ＿１で選択または導出された予測動きベクトルをそれぞれ更新しながら（ステップＳｊ＿２）、動き探索を行う（ステップＳｊ＿３およびＳｊ＿４）。つまり、インター予測部１２６は、更新される予測動きベクトルに対応する各サブブロックの動きベクトルをアフィンＭＶとして、上述の式（１Ａ）または式（１Ｂ）を用いて算出する（ステップＳｊ＿３）。そして、インター予測部１２６は、それらのアフィンＭＶおよび符号化済み参照ピクチャを用いて各サブブロックに対して動き補償を行う（ステップＳｊ＿４）。その結果、インター予測部１２６は、動き探索ループにおいて、例えば最も小さいコストが得られる予測動きベクトルを、制御ポイントの動きベクトルとして決定する（ステップＳｊ＿５）。このとき、インター予測部１２６は、さらに、その決定されたＭＶと予測動きベクトルとのそれぞれの差分値を差分ＭＶとしてストリームに符号化する。
　最後に、インター予測部１２６は、その決定されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｊ＿６）。
　［ＭＶ導出　＞　アフィンインターモード］
　異なる制御ポイント数（例えば、２つと３つ）のアフィンモードをＣＵレベルで切り替えて信号化する場合、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合がある。図３０Ａおよび図３０Ｂは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントの予測ベクトル導出方法を説明するための概念図である。
　例えば、図３０Ａに示すように、カレントブロックが左上角、右上角および左下角の３つの制御ポイントを有し、カレントブロックの左に隣接するブロックＡが２つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角および右上角の位置に投影した動きベクトルｖ３およびｖ４が導出される。そして、導出された動きベクトルｖ３およびｖ４から、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１が算出される。更に、導出された動きベクトルｖ０およびｖ１から、左下角の制御ポイントの予測動きベクトルｖ２が算出される。
　例えば、図３０Ｂに示すように、カレントブロックが左上角および右上角の２つの制御ポイントを有し、カレントブロックの左に隣接するブロックＡが３つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の位置に投影した動きベクトルｖ３、ｖ４およびｖ５が導出される。そして、導出された動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角の制御ポイントの予測動きベクトルｖ０と、右上角の制御ポイントの予測動きベクトルｖ１が算出される。
　図２９のステップＳｊ＿１におけるカレントブロックの制御ポイントのそれぞれの予測動きベクトルの導出に、この予測動きベクトル導出方法を用いてもよい。
　［ＭＶ導出　＞　ＤＭＶＲ］
　図３１Ａは、マージモードおよびＤＭＶＲの関係を示すフローチャートである。
　インター予測部１２６は、マージモードでカレントブロックの動きベクトルを導出する（ステップＳｌ＿１）。次に、インター予測部１２６は、動きベクトルの探索、すなわち動き探索を行うか否かを判定する（ステップＳｌ＿２）。ここで、インター予測部１２６は、動き探索を行わないと判定すると（ステップＳｌ＿２のＮｏ）、ステップＳｌ＿１で導出された動きベクトルを、カレントブロックに対する最終の動きベクトルとして決定する（ステップＳｌ＿４）。すなわち、この場合には、マージモードでカレントブロックの動きベクトルが決定される。
　一方、ステップＳｌ＿１で動き探索を行うと判定すると（ステップＳｌ＿２のＹｅｓ）、インター予測部１２６は、ステップＳｌ＿１で導出された動きベクトルによって示される参照ピクチャの周辺領域を探索することによって、カレントブロックに対して最終の動きベクトルを導出する（ステップＳｌ＿３）。すなわち、この場合には、ＤＭＶＲでカレントブロックの動きベクトルが決定される。
　図３１Ｂは、ＭＶを決定するためのＤＭＶＲ処理の一例を説明するための概念図である。
　まず、（例えばマージモードにおいて）カレントブロックに設定された最適ＭＶＰを、候補ＭＶとする。そして、候補ＭＶ（Ｌ０）に従って、Ｌ０方向の符号化済みピクチャである第１参照ピクチャ（Ｌ０）から参照画素を特定する。同様に、候補ＭＶ（Ｌ１）に従って、Ｌ１方向の符号化済みピクチャである第２参照ピクチャ（Ｌ１）から参照画素を特定する。これらの参照画素の平均をとることでテンプレートを生成する。
　次に、前記テンプレートを用いて、第１参照ピクチャ（Ｌ０）および第２参照ピクチャ（Ｌ１）の候補ＭＶの周辺領域をそれぞれ探索し、コストが最小となるＭＶを最終的なＭＶとして決定する。なお、コスト値は、例えば、テンプレートの各画素値と探索領域の各画素値との差分値および候補ＭＶ値等を用いて算出してもよい。
　なお、典型的には、符号化装置と、後述の復号化装置とでは、ここで説明した処理の構成および動作は基本的に共通である。
　ここで説明した処理例そのものでなくても、候補ＭＶの周辺を探索して最終的なＭＶを導出することができる処理であれば、どのような処理を用いてもよい。
　［動き補償　＞　ＢＩＯ／ＯＢＭＣ］
　動き補償では、予測画像を生成し、その予測画像を補正するモードがある。そのモードは、例えば、後述のＢＩＯおよびＯＢＭＣである。
　図３２は、予測画像の生成の一例を示すフローチャートである。
　インター予測部１２６は、予測画像を生成し（ステップＳｍ＿１）、例えば上述の何れかのモードによってその予測画像を補正する（ステップＳｍ＿２）。
　図３３は、予測画像の生成の他の例を示すフローチャートである。
　インター予測部１２６は、カレントブロックの動きベクトルを決定する（ステップＳｎ＿１）。次に、インター予測部１２６は、予測画像を生成し（ステップＳｎ＿２）、補正処理を行うか否かを判定する（ステップＳｎ＿３）。ここで、インター予測部１２６は、補正処理を行うと判定すると（ステップＳｎ＿３のＹｅｓ）、その予測画像を補正することによって最終的な予測画像を生成する（ステップＳｎ＿４）。一方、インター予測部１２６は、補正処理を行わないと判定すると（ステップＳｎ＿３のＮｏ）、その予測画像を補正することなく最終的な予測画像として出力する（ステップＳｎ＿５）。
　また、動き補償では、予測画像を生成するときに輝度を補正するモードがある。そのモードは、例えば、後述のＬＩＣである。
　図３４は、予測画像の生成の他の例を示すフローチャートである。
　インター予測部１２６は、カレントブロックの動きベクトルを導出する（ステップＳｏ＿１）。次に、インター予測部１２６は、輝度補正処理を行うか否かを判定する（ステップＳｏ＿２）。ここで、インター予測部１２６は、輝度補正処理を行うと判定すると（ステップＳｏ＿２のＹｅｓ）、輝度補正を行いながら予測画像を生成する（ステップＳｏ＿３）。つまり、ＬＩＣによって予測画像が生成される。一方、インター予測部１２６は、輝度補正処理を行わないと判定すると（ステップＳｏ＿２のＮｏ）、輝度補正を行うことなく通常の動き補償によって予測画像を生成する（ステップＳｏ＿４）。
　［動き補償　＞　ＯＢＭＣ］
　動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号が生成されてもよい。具体的には、（参照ピクチャ内の）動き探索により得られた動き情報に基づく予測信号と、（カレントピクチャ内の）隣接ブロックの動き情報に基づく予測信号と、を重み付け加算することにより、カレントブロック内のサブブロック単位でインター予測信号が生成されてもよい。このようなインター予測（動き補償）は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）と呼ばれることがある。
　ＯＢＭＣモードでは、ＯＢＭＣのためのサブブロックのサイズを示す情報（例えばＯＢＭＣブロックサイズと呼ばれる）は、シーケンスレベルで信号化されてもよい。さらに、ＯＢＭＣモードを適用するか否かを示す情報（例えばＯＢＭＣフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。なお、これらの情報の信号化のレベルは、シーケンスレベル及びＣＵレベルに限定される必要はなく、他のレベル（例えばピクチャレベル、スライスレベル、タイルレベル、ＣＴＵレベル又はサブブロックレベル）であってもよい。
　ＯＢＭＣモードの例について、より具体的に説明する。図３５及び図３６は、ＯＢＭＣ処理による予測画像補正処理の概要を説明するためのフローチャート及び概念図である。
　まず、図３６に示すように、処理対象（カレント）ブロックに割り当てられた動きベクトル（ＭＶ）を用いて通常の動き補償による予測画像（Ｐｒｅｄ）を取得する。図３６において、矢印“ＭＶ”は参照ピクチャを指し、予測画像を得るためにカレントピクチャのカレントブロックが何を参照しているかを示している。
　次に、符号化済みの左隣接ブロックに対して既に導出された動きベクトル（ＭＶ＿Ｌ）を符号化対象ブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｌ）を取得する。動きベクトル（ＭＶ＿Ｌ）は、カレントブロックから参照ピクチャを指す矢印”ＭＶ＿Ｌ”によって示される。そして、２つの予測画像ＰｒｅｄとＰｒｅｄ＿Ｌとを重ね合わせることで予測画像の１回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。
　同様に、符号化済みの上隣接ブロックに対して既に導出された動きベクトル（ＭＶ＿Ｕ）を符号化対象ブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｕ）を取得する。動きベクトル（ＭＶ＿Ｕ）は、カレントブロックから参照ピクチャを指す矢印”ＭＶ＿Ｕ”によって示される。そして、予測画像Ｐｒｅｄ＿Ｕを１回目の補正を行った予測画像（例えば、ＰｒｅｄとＰｒｅｄ＿Ｌ）に重ね合わせることで予測画像の２回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。２回目の補正によって得られた予測画像は、隣接ブロックとの境界が混ぜ合わされた（スムージングされた）、カレントブロックの最終的な予測画像である。
　なお、上述の例は、左隣接および上隣接のブロックを用いた２パスの補正方法であるが、その補正方法は、右隣接および／または下隣接のブロックも用いた３パスまたはそれ以上のパスの補正方法であってもよい。
　なお、重ね合わせを行う領域はブロック全体の画素領域ではなく、ブロック境界近傍の一部の領域のみであってもよい。
　なお、ここでは１枚の参照ピクチャから、追加的な予測画像Ｐｒｅｄ＿ＬおよびＰｒｅｄ＿Ｕを重ね合わせることで１枚の予測画像Ｐｒｅｄを得るためのＯＢＭＣの予測画像補正処理について説明した。しかし、複数の参照画像に基づいて予測画像が補正される場合には、同様の処理が複数の参照ピクチャのそれぞれに適用されてもよい。このような場合、複数の参照ピクチャに基づくＯＢＭＣの画像補正を行うことによって、各々の参照ピクチャから、補正された予測画像を取得した後に、その取得された複数の補正予測画像をさらに重ね合わせることで最終的な予測画像を取得する。
　なお、ＯＢＭＣでは、対象ブロックの単位は、予測ブロック単位であっても、予測ブロックをさらに分割したサブブロック単位であってもよい。
　ＯＢＭＣ処理を適用するかどうかの判定の方法として、例えば、ＯＢＭＣ処理を適用するかどうかを示す信号であるｏｂｍｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置は、対象ブロックが動きの複雑な領域に属しているかどうかを判定してもよい。符号化装置は、動きの複雑な領域に属している場合は、ｏｂｍｃ＿ｆｌａｇとして値１を設定してＯＢＭＣ処理を適用して符号化を行い、動きの複雑な領域に属していない場合は、ｏｂｍｃ＿ｆｌａｇとして値０を設定してＯＢＭＣ処理を適用せずにブロックの符号化を行う。一方、復号化装置では、ストリーム（例えば圧縮シーケンス）に記述されたｏｂｍｃ＿ｆｌａｇを復号することで、その値に応じてＯＢＭＣ処理を適用するかどうかを切替えて復号を行う。
　インター予測部１２６は、上述の例では、矩形のカレントブロックに対して１つの矩形の予測画像を生成する。しかし、インター予測部１２６は、その矩形のカレントブロックに対して矩形と異なる形状の複数の予測画像を生成し、それらの複数の予測画像を結合することによって、最終的な矩形の予測画像を生成してもよい。矩形と異なる形状は、例えば三角形であってもよい。
　図３７は、２つの三角形の予測画像の生成を説明するための概念図である。
　インター予測部１２６は、カレントブロック内の三角形の第１パーティションに対して、その第１パーティションの第１ＭＶを用いて動き補償を行うことによって、三角形の予測画像を生成する。同様に、インター予測部１２６は、カレントブロック内の三角形の第２パーティションに対して、その第２パーティションの第２ＭＶを用いて動き補償を行うことによって、三角形の予測画像を生成する。そして、インター予測部１２６は、これらの予測画像を結合することによって、カレントブロックと同じ矩形の予測画像を生成する。
　なお、図３７に示す例では、第１パーティションおよび第２パーティションはそれぞれ三角形であるが、台形であってもよく、それぞれ互いに異なる形状であってもよい。さらに、図３７に示す例では、カレントブロックが２つのパーティションから構成されているが、３つ以上のパーティションから構成されていてもよい。
　また、第１パーティションおよび第２パーティションは重複していてもよい。すなわち、第１パーティションおよび第２パーティションは同じ画素領域を含んでいてもよい。この場合、第１パーティションにおける予測画像と第２パーティションにおける予測画像とを用いてカレントブロックの予測画像を生成してもよい。
　また、この例では２つのパーティションともにインター予測で予測画像が生成される例を示したが、少なくとも１つのパーティションについてイントラ予測によって予測画像を生成してもよい。
　［動き補償　＞　ＢＩＯ］
　次に、動きベクトルを導出する方法について説明する。まず、等速直線運動を仮定したモデルに基づいて動きベクトルを導出するモードについて説明する。このモードは、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）モードと呼ばれることがある。
　図３８は、等速直線運動を仮定したモデルを説明するための概念図である。図３８において、（ｖｘ，ｖｙ）は、速度ベクトルを示し、τ０、τ１は、それぞれ、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）との間の時間的な距離を示す。（ＭＶｘ０，ＭＶｙ０）は、参照ピクチャＲｅｆ０に対応する動きベクトルを示し、（ＭＶｘ１、ＭＶｙ１）は、参照ピクチャＲｅｆ１に対応する動きベクトルを示す。
　このとき速度ベクトル（ｖｘ，ｖｙ）の等速直線運動の仮定の下では、（ＭＶｘ０，ＭＶｙ０）及び（ＭＶｘ１，ＭＶｙ１）は、それぞれ、（ｖｘτ０，ｖｙτ０）及び（－ｖｘτ１，－ｖｙτ１）と表され、以下のオプティカルフロー等式（２）が採用されてもよい。
Figure JPOXMLDOC01-appb-M000003
　ここで、Ｉ（ｋ）は、動き補償後の参照画像ｋ（ｋ＝０，１）の輝度値を示す。このオプティカルフロー等式は、（ｉ）輝度値の時間微分と、（ｉｉ）水平方向の速度及び参照画像の空間勾配の水平成分の積と、（ｉｉｉ）垂直方向の速度及び参照画像の空間勾配の垂直成分の積と、の和が、ゼロと等しいことを示す。このオプティカルフロー等式とエルミート補間（Ｈｅｒｍｉｔｅ　ｉｎｔｅｒｐｏｌａｔｉｏｎ）との組み合わせに基づいて、マージリスト等から得られるブロック単位の動きベクトルが画素単位で補正されてもよい。
　なお、等速直線運動を仮定したモデルに基づく動きベクトルの導出とは異なる方法で、復号装置側で動きベクトルが導出されてもよい。例えば、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルが導出されてもよい。
　［動き補償　＞　ＬＩＣ］
　次に、ＬＩＣ（ｌｏｃａｌ　ｉｌｌｕｍｉｎａｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）処理を用いて予測画像（予測）を生成するモードの一例について説明する。
　図３９は、ＬＩＣ処理による輝度補正処理を用いた予測画像生成方法の一例を説明するための概念図である。
　まず、符号化済みの参照ピクチャからＭＶを導出して、カレントブロックに対応する参照画像を取得する。
　次に、カレントブロックに対して、参照ピクチャとカレントピクチャとで輝度値がどのように変化したかを示す情報を抽出する。この抽出は、カレントピクチャにおける符号化済み左隣接参照領域（周辺参照領域）および符号化済み上隣参照領域（周辺参照領域）の輝度画素値と、導出されたＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とに基づいて行われる。そして、輝度値がどのように変化したかを示す情報を用いて、輝度補正パラメータを算出する。
　ＭＶで指定された参照ピクチャ内の参照画像に対して前記輝度補正パラメータを適用する輝度補正処理を行うことで、カレントブロックに対する予測画像を生成する。
　なお、図３９における前記周辺参照領域の形状は一例であり、これ以外の形状を用いてもよい。
　また、ここでは１枚の参照ピクチャから予測画像を生成する処理について説明したが、複数枚の参照ピクチャから予測画像を生成する場合も同様であり、各々の参照ピクチャから取得した参照画像に、上述と同様の方法で輝度補正処理を行ってから予測画像を生成してもよい。
　ＬＩＣ処理を適用するかどうかの判定の方法として、例えば、ＬＩＣ処理を適用するかどうかを示す信号であるｌｉｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置において、カレントブロックが、輝度変化が発生している領域に属しているかどうかを判定し、輝度変化が発生している領域に属している場合はｌｉｃ＿ｆｌａｇとして値１を設定してＬＩＣ処理を適用して符号化を行い、輝度変化が発生している領域に属していない場合はｌｉｃ＿ｆｌａｇとして値０を設定してＬＩＣ処理を適用せずに符号化を行う。一方、復号化装置では、ストリームに記述されたｌｉｃ＿ｆｌａｇを復号化することで、その値に応じてＬＩＣ処理を適用するかどうかを切替えて復号を行ってもよい。
　ＬＩＣ処理を適用するかどうかの判定の別の方法として、例えば、周辺ブロックでＬＩＣ処理を適用したかどうかに従って判定する方法もある。具体的な一例としては、カレントブロックがマージモードであった場合、マージモード処理におけるＭＶの導出の際に選択した周辺の符号化済みブロックがＬＩＣ処理を適用して符号化したかどうかを判定する。その結果に応じてＬＩＣ処理を適用するかどうかを切替えて符号化を行う。なお、この例の場合でも、同じ処理が復号装置側の処理に適用される。
　ＬＩＣ処理（輝度補正処理）の態様について図３９を用いて説明したが、以下、その詳細を説明する。
　まず、インター予測部１２６は、符号化済みピクチャである参照ピクチャから符号化対象ブロックに対応する参照画像を取得するための動きベクトルを導出する。
　次に、インター予測部１２６は、符号化対象ブロックに対して、左隣接および上隣接の符号化済み周辺参照領域の輝度画素値と、動きベクトルで指定された参照ピクチャ内の同等位置における輝度画素値とを用いて、参照ピクチャと符号化対象ピクチャとで輝度値がどのように変化したかを示す情報を抽出して輝度補正パラメータを算出する。例えば、符号化対象ピクチャ内の周辺参照領域内のある画素の輝度画素値をｐ０とし、当該画素と同等位置の、参照ピクチャ内の周辺参照領域内の画素の輝度画素値をｐ１とする。インター予測部１２６は、周辺参照領域内の複数の画素に対して、Ａ×ｐ１＋Ｂ＝ｐ０を最適化する係数Ａ及びＢを輝度補正パラメータとして算出する。
　次に、インター予測部１２６は、動きベクトルで指定された参照ピクチャ内の参照画像に対して輝度補正パラメータを用いて輝度補正処理を行うことで、符号化対象ブロックに対する予測画像を生成する。例えば、参照画像内の輝度画素値をｐ２とし、輝度補正処理後の予測画像の輝度画素値をｐ３とする。インター予測部１２６は、参照画像内の各画素に対して、Ａ×ｐ２＋Ｂ＝ｐ３を算出することで輝度補正処理後の予測画像を生成する。
　なお、図３９における周辺参照領域の形状は一例であり、これ以外の形状を用いてもよい。また、図３９に示す周辺参照領域の一部が用いられてもよい。例えば、上隣接画素および左隣接画素のそれぞれから間引いた所定数の画素を含む領域を周辺参照領域として用いてもよい。また、周辺参照領域は、符号化対象ブロックに隣接する領域に限らず、符号化対象ブロックに隣接しない領域であってもよい。画素に関する所定数は、予め定められていてもよい。
　また、図３９に示す例では、参照ピクチャ内の周辺参照領域は、符号化対象ピクチャ内の周辺参照領域から、符号化対象ピクチャの動きベクトルで指定される領域であるが、他の動きベクトルで指定される領域であってもよい。例えば、当該他の動きベクトルは、符号化対象ピクチャ内の周辺参照領域の動きベクトルであってもよい。
　なお、ここでは、符号化装置１００における動作を説明したが、復号装置２００における動作も典型的には同様である。
　なお、ＬＩＣ処理は輝度のみではなく、色差に適用してもよい。このとき、Ｙ、Ｃｂ、およびＣｒのそれぞれに対して個別に補正パラメータを導出してもよいし、いずれかに対して共通の補正パラメータを用いてもよい。
　また、ＬＩＣ処理はサブブロック単位で適用してもよい。例えば、カレントサブブロックの周辺参照領域と、カレントサブブロックのＭＶで指定された参照ピクチャ内の参照サブブロックの周辺参照領域を用いて補正パラメータを導出してもよい。
　［予測制御部］
　予測制御部１２８は、イントラ予測信号（イントラ予測部１２４から出力される信号）及びインター予測信号（インター予測部１２６から出力される信号）のいずれかを選択し、選択した信号を予測信号として減算部１０４及び加算部１１６に出力する。
　図１に示すように、種々の符号化装置例では、予測制御部１２８は、エントロピー符号化部１１０に入力される予測パラメータを出力してもよい。エントロピー符号化部１１０は、予測制御部１２８から入力されるその予測パラメータ、量子化部１０８から入力される量子化係数に基づいて、符号化ビットストリーム（またはシーケンス）を生成してもよい。予測パラメータは復号装置に使用されてもよい。復号装置は、符号化ビットストリームを受信して復号し、イントラ予測部１２４、インター予測部１２６および予測制御部１２８において行われる予測処理と同じ処理を行ってもよい。予測パラメータは、選択予測信号（例えば、動きベクトル、予測タイプ、または、イントラ予測部１２４またはインター予測部１２６で用いられた予測モード）、または、イントラ予測部１２４、インター予測部１２６および予測制御部１２８において行われる予測処理に基づく、あるいはその予測処理を示す、任意のインデックス、フラグ、もしくは値を含んでいてもよい。
　［符号化装置の実装例］
　図４０は、符号化装置１００の実装例を示すブロック図である。符号化装置１００は、プロセッサａ１及びメモリａ２を備える。例えば、図１に示された符号化装置１００の複数の構成要素は、図４０に示されたプロセッサａ１及びメモリａ２によって実装される。
　プロセッサａ１は、情報処理を行う回路であり、メモリａ２にアクセス可能な回路である。例えば、プロセッサａ１は、動画像を符号化する専用又は汎用の電子回路である。プロセッサａ１は、ＣＰＵのようなプロセッサであってもよい。また、プロセッサａ１は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサａ１は、図１等に示された符号化装置１００の複数の構成要素のうち、複数の構成要素の役割を果たしてもよい。
　メモリａ２は、プロセッサａ１が動画像を符号化するための情報が記憶される専用又は汎用のメモリである。メモリａ２は、電子回路であってもよく、プロセッサａ１に接続されていてもよい。また、メモリａ２は、プロセッサａ１に含まれていてもよい。また、メモリａ２は、複数の電子回路の集合体であってもよい。また、メモリａ２は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリａ２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリａ２には、符号化される動画像が記憶されてもよいし、符号化された動画像に対応するビット列が記憶されてもよい。また、メモリａ２には、プロセッサａ１が動画像を符号化するためのプログラムが記憶されていてもよい。
　また、例えば、メモリａ２は、図１等に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。例えば、メモリａ２は、図１に示されたブロックメモリ１１８及びフレームメモリ１２２の役割を果たしてもよい。より具体的には、メモリａ２には、再構成済みブロック及び再構成済みピクチャ等が記憶されてもよい。
　なお、符号化装置１００において、図１等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図１等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。
　［復号装置］
　次に、例えば上記の符号化装置１００から出力された符号化信号（符号化ビットストリーム）を復号可能な復号装置について説明する。図４１は、実施の形態に係る復号装置２００の機能構成を示すブロック図である。復号装置２００は、動画像をブロック単位で復号する動画像復号装置である。
　図４１に示すように、復号装置２００は、エントロピー復号部２０２と、逆量子化部２０４と、逆変換部２０６と、加算部２０８と、ブロックメモリ２１０と、ループフィルタ部２１２と、フレームメモリ２１４と、イントラ予測部２１６と、インター予測部２１８と、予測制御部２２０と、を備える。
　復号装置２００は、例えば、汎用プロセッサ及びメモリにより実現される。この場合、メモリに格納されたソフトウェアプログラムがプロセッサにより実行されたときに、プロセッサは、エントロピー復号部２０２、逆量子化部２０４、逆変換部２０６、加算部２０８、ループフィルタ部２１２、イントラ予測部２１６、インター予測部２１８及び予測制御部２２０として機能する。また、復号装置２００は、エントロピー復号部２０２、逆量子化部２０４、逆変換部２０６、加算部２０８、ループフィルタ部２１２、イントラ予測部２１６、インター予測部２１８及び予測制御部２２０に対応する専用の１以上の電子回路として実現されてもよい。
　以下に、復号装置２００の全体的な処理の流れを説明した後に、復号装置２００に含まれる各構成要素について説明する。
　［復号処理の全体フロー］
　図４２は、復号装置２００による全体的な復号処理の一例を示すフローチャートである。
　まず、復号装置２００のエントロピー復号部２０２は、固定サイズのブロック（例えば、１２８×１２８画素）の分割パターンを特定する（ステップＳｐ＿１）。この分割パターンは、符号化装置１００によって選択された分割パターンである。そして、復号装置２００は、その分割パターンを構成する複数のブロックのそれぞれに対してステップＳｐ＿２～Ｓｐ＿６の処理を行う。
　つまり、エントロピー復号部２０２は、復号対象ブロック（カレントブロックともいう）の符号化された量子化係数および予測パラメータを復号（具体的にはエントロピー復号）する（ステップＳｐ＿２）。
　次に、逆量子化部２０４および逆変換部２０６は、複数の量子化係数に対して逆量子化および逆変換を行うことによって、複数の予測残差（すなわち差分ブロック）を復元する（ステップＳｐ＿３）。
　次に、イントラ予測部２１６、インター予測部２１８および予測制御部２２０の全てまたは一部からなる予測処理部は、カレントブロックの予測信号（予測ブロックともいう）を生成する（ステップＳｐ＿４）。
　次に、加算部２０８は、差分ブロックに予測ブロックを加算することによってカレントブロックを再構成画像（復号画像ブロックともいう）に再構成する（ステップＳｐ＿５）。
　そして、この再構成画像が生成されると、ループフィルタ部２１２は、その再構成画像に対してフィルタリングを行う（ステップＳｐ＿６）。
　そして、復号装置２００は、ピクチャ全体の復号が完了したか否かを判定し（ステップＳｐ＿７）、完了していないと判定する場合（ステップＳｐ＿７のＮｏ）、ステップＳｐ＿１からの処理を繰り返し実行する。
　図示されたように、ステップＳｐ＿１～Ｓｐ＿７の処理は、復号装置２００によってシーケンシャルに行われる。あるいは、それらの処理のうちの一部の複数の処理が並列に行われてもよく、順番の入れ替え等が行われてもよい。
　［エントロピー復号部］
　エントロピー復号部２０２は、符号化ビットストリームをエントロピー復号する。具体的には、エントロピー復号部２０２は、例えば、符号化ビットストリームから二値信号に算術復号する。そして、エントロピー復号部２０２は、二値信号を多値化（ｄｅｂｉｎａｒｉｚｅ）する。エントロピー復号部２０２は、ブロック単位で量子化係数を逆量子化部２０４に出力する。エントロピー復号部２０２は、実施の形態におけるイントラ予測部２１６、インター予測部２１８および予測制御部２２０に、符号化ビットストリーム（図１参照）に含まれている予測パラメータを出力してもよい。イントラ予測部２１６、インター予測部２１８および予測制御部２２０は、符号化装置側におけるイントラ予測部１２４、インター予測部１２６および予測制御部１２８で行われる処理と同じ予測処理を実行することができる。
　［逆量子化部］
　逆量子化部２０４は、エントロピー復号部２０２からの入力である復号対象ブロック（以下、カレントブロックという）の量子化係数を逆量子化する。具体的には、逆量子化部２０４は、カレントブロックの量子化係数の各々について、当該量子化係数に対応する量子化パラメータに基づいて当該量子化係数を逆量子化する。そして、逆量子化部２０４は、カレントブロックの逆量子化された量子化係数（つまり変換係数）を逆変換部２０６に出力する。
　［逆変換部］
　逆変換部２０６は、逆量子化部２０４からの入力である変換係数を逆変換することにより予測誤差を復元する。
　例えば符号化ビットストリームから読み解かれた情報がＥＭＴ又はＡＭＴを適用することを示す場合（例えばＡＭＴフラグが真）、逆変換部２０６は、読み解かれた変換タイプを示す情報に基づいてカレントブロックの変換係数を逆変換する。
　また例えば、符号化ビットストリームから読み解かれた情報がＮＳＳＴを適用することを示す場合、逆変換部２０６は、変換係数に逆再変換を適用する。
　［加算部］
　加算部２０８は、逆変換部２０６からの入力である予測誤差と予測制御部２２０からの入力である予測サンプルとを加算することによりカレントブロックを再構成する。そして、加算部２０８は、再構成されたブロックをブロックメモリ２１０及びループフィルタ部２１２に出力する。
　［ブロックメモリ］
　ブロックメモリ２１０は、イントラ予測で参照されるブロックであって復号対象ピクチャ（以下、カレントピクチャという）内のブロックを格納するための記憶部である。具体的には、ブロックメモリ２１０は、加算部２０８から出力された再構成ブロックを格納する。
　［ループフィルタ部］
　ループフィルタ部２１２は、加算部２０８によって再構成されたブロックにループフィルタを施し、フィルタされた再構成ブロックをフレームメモリ２１４及び表示装置等に出力する。
　符号化ビットストリームから読み解かれたＡＬＦのオン／オフを示す情報がＡＬＦのオンを示す場合、局所的な勾配の方向及び活性度に基づいて複数のフィルタの中から１つのフィルタが選択され、選択されたフィルタが再構成ブロックに適用される。
　［フレームメモリ］
　フレームメモリ２１４は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ２１４は、ループフィルタ部２１２によってフィルタされた再構成ブロックを格納する。
　［予測処理部（イントラ予測部・インター予測部・予測制御部）］
　図４３は、復号装置２００の予測処理部で行われる処理の一例を示すフローチャートである。なお、予測処理部は、イントラ予測部２１６、インター予測部２１８、および予測制御部２２０の全てまたは一部の構成要素からなる。
　予測処理部は、カレントブロックの予測画像を生成する（ステップＳｑ＿１）。この予測画像は、予測信号または予測ブロックともいう。なお、予測信号には、例えばイントラ予測信号またはインター予測信号がある。具体的には、予測処理部は、予測ブロックの生成、差分ブロックの生成、係数ブロックの生成、差分ブロックの復元、および復号画像ブロックの生成が行われることによって既に得られている再構成画像を用いて、カレントブロックの予測画像を生成する。
　再構成画像は、例えば、参照ピクチャの画像であってもよいし、カレントブロックを含むピクチャであるカレントピクチャ内の復号済みのブロックの画像であってもよい。カレントピクチャ内の復号済みのブロックは、例えばカレントブロックの隣接ブロックである。
　図４４は、復号装置２００の予測処理部で行われる処理の他の例を示すフローチャートである。
　予測処理部は、予測画像を生成するための方式またはモードを判定する（ステップＳｒ＿１）。例えば、この方式またはモードは、例えば予測パラメータなどに基づいて判定されてもよい。
　予測処理部は、予測画像を生成するためのモードとして第１の方式を判定した場合には、その第１の方式にしたがって予測画像を生成する（ステップＳｒ＿２ａ）。また、予測処理部は、予測画像を生成するためのモードとして第２の方式を判定した場合には、その第２の方式にしたがって予測画像を生成する（ステップＳｒ＿２ｂ）。また、予測処理部は、予測画像を生成するためのモードとして第３の方式を判定した場合には、その第３の方式にしたがって予測画像を生成する（ステップＳｒ＿２ｃ）。
　第１の方式、第２の方式、および第３の方式は、予測画像を生成するための互いに異なる方式であって、それぞれ例えば、インター予測方式、イントラ予測方式、および、それら以外の予測方式であってもよい。これらの予測方式では、上述の再構成画像を用いてもよい。
　［イントラ予測部］
　イントラ予測部２１６は、符号化ビットストリームから読み解かれたイントラ予測モードに基づいて、ブロックメモリ２１０に格納されたカレントピクチャ内のブロックを参照してイントラ予測を行うことで、予測信号（イントラ予測信号）を生成する。具体的には、イントラ予測部２１６は、カレントブロックに隣接するブロックのサンプル（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測信号を生成し、イントラ予測信号を予測制御部２２０に出力する。
　なお、色差ブロックのイントラ予測において輝度ブロックを参照するイントラ予測モードが選択されている場合は、イントラ予測部２１６は、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分を予測してもよい。
　また、符号化ビットストリームから読み解かれた情報がＰＤＰＣの適用を示す場合、イントラ予測部２１６は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正する。
　［インター予測部］
　インター予測部２１８は、フレームメモリ２１４に格納された参照ピクチャを参照して、カレントブロックを予測する。予測は、カレントブロック又はカレントブロック内のサブブロック（例えば４ｘ４ブロック）の単位で行われる。例えば、インター予測部２１８は、符号化ビットストリーム（例えば、エントロピー復号部２０２から出力される予測パラメータ）から読み解かれた動き情報（例えば動きベクトル）を用いて動き補償を行うことでカレントブロック又はサブブロックのインター予測信号を生成し、インター予測信号を予測制御部２２０に出力する。
　符号化ビットストリームから読み解かれた情報がＯＢＭＣモードを適用することを示す場合、インター予測部２１８は、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測信号を生成する。
　また、符号化ビットストリームから読み解かれた情報がＦＲＵＣモードを適用することを示す場合、インター予測部２１８は、符号化ストリームから読み解かれたパターンマッチングの方法（バイラテラルマッチング又はテンプレートマッチング）に従って動き探索を行うことにより動き情報を導出する。そして、インター予測部２１８は、導出された動き情報を用いて動き補償（予測）を行う。
　また、インター予測部２１８は、ＢＩＯモードが適用される場合に、等速直線運動を仮定したモデルに基づいて動きベクトルを導出する。また、符号化ビットストリームから読み解かれた情報がアフィン動き補償予測モードを適用することを示す場合には、インター予測部２１８は、複数の隣接ブロックの動きベクトルに基づいてサブブロック単位で動きベクトルを導出する。
　［ＭＶ導出　＞　ノーマルインターモード］
　符号化ビットストリームから読み解かれた情報がノーマルインターモードを適用することを示す場合、インター予測部２１８は、符号化ストリームから読み解かれた情報に基づいて、ＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図４５は、復号装置２００におけるノーマルインターモードによるインター予測の例を示すフローチャートである。
　復号装置２００のインター予測部２１８は、ブロックごとに、そのブロックに対して動き補償を行う。インター予測部２１８は、時間的または空間的にカレントブロックの周囲にある複数の復号済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｓ＿１）。つまり、インター予測部２１８は、候補ＭＶリストを作成する。
　次に、インター予測部２１８は、ステップＳｓ＿１で取得された複数の候補ＭＶの中から、Ｎ個（Ｎは２以上の整数）の候補ＭＶのそれぞれを予測動きベクトル候補（予測ＭＶ候補ともいう）として、所定の優先順位に従って抽出する（ステップＳｓ＿２）。なお、その優先順位は、Ｎ個の予測ＭＶ候補のそれぞれに対して予め定められていてもよい。
　次に、インター予測部２１８は、入力されたストリーム（すなわち符号化ビットストリーム）から予測動きベクトル選択情報を復号し、その復号された予測動きベクトル選択情報を用いて、そのＮ個の予測ＭＶ候補の中から１つの予測ＭＶ候補を、カレントブロックの予測動きベクトル（予測ＭＶともいう）として選択する（ステップＳｓ＿３）。
　次に、インター予測部２１８は、入力されたストリームから差分ＭＶを復号し、その復号された差分ＭＶである差分値と、選択された予測動きベクトルとを加算することによって、カレントブロックのＭＶを導出する（ステップＳｓ＿４）。
　最後に、インター予測部２１８は、その導出されたＭＶと復号済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｓ＿５）。
　［予測制御部］
　予測制御部２２０は、イントラ予測信号及びインター予測信号のいずれかを選択し、選択した信号を予測信号として加算部２０８に出力する。全体的に、復号装置側の予測制御部２２０、イントラ予測部２１６およびインター予測部２１８の構成、機能、および処理は、符号化装置側の予測制御部１２８、イントラ予測部１２４およびインター予測部１２６の構成、機能、および処理と対応していてもよい。
　［復号装置の実装例］
　図４６は、復号装置２００の実装例を示すブロック図である。復号装置２００は、プロセッサｂ１及びメモリｂ２を備える。例えば、図４１に示された復号装置２００の複数の構成要素は、図４６に示されたプロセッサｂ１及びメモリｂ２によって実装される。
　プロセッサｂ１は、情報処理を行う回路であり、メモリｂ２にアクセス可能な回路である。例えば、プロセッサｂ１は、符号化された動画像（すなわち符号化ビットストリーム）を復号する専用又は汎用の電子回路である。プロセッサｂ１は、ＣＰＵのようなプロセッサであってもよい。また、プロセッサｂ１は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサｂ１は、図４１等に示された復号装置２００の複数の構成要素のうち、複数の構成要素の役割を果たしてもよい。
　メモリｂ２は、プロセッサｂ１が符号化ビットストリームを復号するための情報が記憶される専用又は汎用のメモリである。メモリｂ２は、電子回路であってもよく、プロセッサｂ１に接続されていてもよい。また、メモリｂ２は、プロセッサｂ１に含まれていてもよい。また、メモリｂ２は、複数の電子回路の集合体であってもよい。また、メモリｂ２は、磁気ディスク又は光ディスク等であってもよいし、ストレージ又は記録媒体等と表現されてもよい。また、メモリｂ２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリｂ２には、動画像が記憶されてもよいし、符号化ビットストリームが記憶されてもよい。また、メモリｂ２には、プロセッサｂ１が符号化ビットストリームを復号するためのプログラムが記憶されていてもよい。
　また、例えば、メモリｂ２は、図４１等に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリｂ２は、図４１に示されたブロックメモリ２１０及びフレームメモリ２１４の役割を果たしてもよい。より具体的には、メモリｂ２には、再構成済みブロック及び再構成済みピクチャ等が記憶されてもよい。
　なお、復号装置２００において、図４１等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図４１等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。
　［各用語の定義］
　各用語は一例として、以下のような定義であってもよい。
　ピクチャは、モノクロフォーマットにおける複数の輝度サンプルの配列、又は、４：２：０、４：２：２及び４：４：４のカラーフォーマットにおける複数の輝度サンプルの配列及び複数の色差サンプルの２つの対応配列である。ピクチャは、フレーム又はフィールドであってもよい。
　フレームは、複数のサンプル行０、２、４、・・・が生じるトップフィールド、及び、複数のサンプル行１、３、５、・・・が生じるボトムフィールドの組成物である。
　スライスは、１つの独立スライスセグメント、及び、（もしあれば）同じアクセスユニット内の（もしあれば）次の独立スライスセグメントに先行する全ての後続の従属スライスセグメントに含まれる整数個の符号化ツリーユニットである。
　タイルは、ピクチャにおける特定のタイル列及び特定のタイル行内の複数の符号化ツリーブロックの矩形領域である。タイルは、タイルのエッジを跨ぐループフィルタが依然として適用されてもよいが、独立して復号及び符号化され得ることが意図された、フレームの矩形領域であってもよい。
　ブロックは、複数のサンプルのＭｘＮ（Ｎ行Ｍ列）配列、又は、複数の変換係数のＭｘＮ配列である。ブロックは、１つの輝度及び２つの色差の複数の行列からなる複数の画素の正方形又は矩形の領域であってもよい。
　ＣＴＵ（符号化ツリーユニット）は、３つのサンプル配列を有するピクチャの複数の輝度サンプルの符号化ツリーブロックであってもよいし、複数の色差サンプルの２つの対応符号化ツリーブロックであってもよい。あるいは、ＣＴＵは、モノクロピクチャと、３つの分離されたカラー平面及び複数のサンプルの符号化に用いられるシンタックス構造を用いて符号化されるピクチャとのいずれかの複数のサンプルの符号化ツリーブロックであってもよい。
　スーパーブロックは、１つ又は２つのモード情報ブロックを構成し、又は、再帰的に４つの３２×３２ブロックに分割され、さらに分割され得る６４×６４画素の正方形ブロックであってもよい。
　［補間フィルタ決定処理の具体例］
　次に、実施の形態における補間フィルタ決定処理の具体例について図４７～図５０を参照しながら説明する。図４７は、実施の形態における補間フィルタ決定処理の一例を示すフローチャートである。補足すると、予測処理部は、例えば図１５に示すように、カレントブロックの動きベクトル（ＭＶ）を決定し、決定したＭＶに基づいて動き補償を行うことによって、その予測画像を生成する。動き補償は、まず、ＭＶに基づいて、整数画素単位の第１の予測画像を生成し、次に、補間フィルタを用いて、前記第１の予測画像に含まれる複数の整数画素の間の小数画素位置の値（サンプル）を補間することで、第２の予測画像を生成する。言い換えると、補間フィルタ決定処理は、動き補償処理に含まれる。
　ステップＳ１００１では、インター予測部１２６／２１８は、符号化／復号対象ブロックのサイズが閾値サイズよりも大きいか否かを判定する。閾値サイズの一例は４ｘ４画素サイズである。この場合、符号化／復号対象ブロックのサイズが４ｘ４画素サイズであれば、インター予測部１２６／２１８は、符号化／復号対象ブロックのサイズが閾値サイズよりも大きくないと判定する。一方、符号化／復号対象ブロックのサイズが４ｘ４画素サイズよりも大きければ、インター予測部１２６／２１８は、符号化／復号対象ブロックのサイズが閾値サイズよりも大きいと判定する。
　ステップＳ１００２では、符号化／復号対象ブロックのサイズが閾値サイズよりも大きいと判定された場合に（Ｓ１００１ＸのＹｅｓ）、インター予測部１２６／２１８は、符号化／復号対象ブロックの動き補償に用いる補間フィルタを第１補間フィルタと決定する。第１補間フィルタとしては、例えば図４８に示されるように８タップ補間フィルタを用いることができる。
　図４８は、実施の形態における第１補間フィルタの一例を示す図である。具体的には、第１補間フィルタとして、１／１６の動きベクトルの精度（小数サンプル位置）の各々に対する８タップ補間フィルタ係数が例示されている。例えば、動きベクトルの精度が「８／１６」であれば、８タップ補間フィルタ係数として｛－１，４、－１１，４０，４０、－１１，４，－１｝が用いられる。
　ステップＳ１００３では、符号化／復号対象ブロックのサイズが閾値サイズよりも大きくないと判定された場合に（Ｓ１００１ＸのＮｏ）、インター予測部１２６／２１８は、符号化／復号対象ブロックの動き補償に用いる補間フィルタを第２補間フィルタと決定する。ここで、第２補間フィルタは、第１補間フィルタよりも短いタップを有する。つまり、第２補間フィルタのタップ数は、第１補間フィルタのタップ数よりも小さい。第２補間フィルタとしては、例えば図４９に示されるように６タップ補間フィルタを用いることができる。
　図４９は、実施の形態における第２補間フィルタの一例を示す図である。具体的には、第２補間フィルタとして、１／１６の動きベクトルの精度（小数サンプル位置）の各々に対する６タップ補間フィルタ係数が例示されている。例えば、動きベクトルの精度が「８／１６」であれば、６タップ補間フィルタ係数として｛３、－１１，４０，４０、－１１，３｝が用いられる。
　ステップＳ１００４では、決定された補間フィルタを用いて符号化／復号対象ブロックが符号化／復号される。具体的には、インター予測部１２６／２１８は、決定された補間フィルタを用いて符号化／復号対象ブロックに対して動き補償を行うことにより、符号化／復号対象ブロックのインター予測信号を生成する。生成されたインター予測信号は、上述したように予測制御部１２８／２２０に出力される。
　以上のように、本実施の形態では、符号化／復号対象ブロックのサイズに応じて、第１補間フィルタと、第１補間フィルタとタップ数が異なる第２補間フィルタと、を切り替えて用いることができる。
　なお、符号化／復号対象ブロックは、動き補償が行われるブロックであればよく、特に限定されない。例えば、符号化／復号対象ブロックとしては、アフィンモードのサブブロックを用いることができる。このとき、閾値サイズとしては、例えば４ｘ４画素サイズを用いることができる。
　図５０は、実施の形態において決定された補間フィルタが適用されるブロックの一例を示す図である。図５０では、例えば、１６ｘ８画素のブロックを８分割して得られる８つの４ｘ４画素のサブブロックの各々に補間フィルタが適用される。
　［実施の形態の技術効果］
　本開示は、サイズに適応する補間フィルタ決定プロセスをインター予測処理に導入する。このプロセスは、インター予測プロセスのワーストケースにおけるメモリ帯域幅を削減し、アフィン動き補償のための処理数に関してワーストケースにおける複雑さを削減する。
　動き補償がより小さいブロック単位で行われれば、動き補償の回数が増加し、動き補償のためにメモリからサンプルを読み出す回数も増加する。一方、補間フィルタのタップ数が減少すれば、補間処理のためにメモリから読み出されるサンプル数が減少する。したがって、より小さいブロックに対してより短いタップを有する補間フィルタを用いることで、１回あたりの読み出しサンプル数を削減することで、サンプルの読み出し回数が増加してもメモリ帯域幅の増加を抑制することができる。さらに、アフィンモードのサブブロックに対して第２補間フィルタを適用することで、処理負荷が比較的高いアフィン動き補償の処理負荷を低減することができる。
　ここで開示された１以上の態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、ここで開示された１以上の態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
　［実施及び応用］
　以上の各実施の形態において、機能的又は作用的なブロックの各々は、通常、ＭＰＵ（ｍｉｃｒｏ　ｐｒｏｃｃｅｓｓｉｎｇ　ｕｎｉｔ）及びメモリ等によって実現可能である。また、機能ブロックの各々による処理は、ＲＯＭ等の記録媒体に記録されたソフトウェア（プログラム）を読み出して実行するプロセッサなどのプログラム実行部として実現されてもよい。当該ソフトウェアは、配布されてもよい。当該ソフトウェアは、半導体メモリなどの様々な記録媒体に記録されてもよい。なお、各機能ブロックをハードウェア（専用回路）によって実現することも可能である。ハードウェア及びソフトウェアの様々な組み合わせが採用され得る。
　各実施の形態において説明した処理は、単一の装置（システム）を用いて集中処理することによって実現してもよく、又は、複数の装置を用いて分散処理することによって実現してもよい。また、上記プログラムを実行するプロセッサは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、又は分散処理を行ってもよい。
　本開示の態様は、以上の実施例に限定されることなく、種々の変更が可能であり、それらも本開示の態様の範囲内に包含される。
　さらにここで、上記各実施の形態で示した動画像符号化方法（画像符号化方法）又は動画像復号化方法（画像復号方法）の応用例、及び、その応用例を実施する種々のシステムを説明する。このようなシステムは、画像符号化方法を用いた画像符号化装置、画像復号方法を用いた画像復号装置、又は、両方を備える画像符号化復号装置を有することを特徴としてもよい。このようなシステムの他の構成について、場合に応じて適切に変更することができる。
　［使用例］
　図５１は、コンテンツ配信サービスを実現する適切なコンテンツ供給システムｅｘ１００の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ、図示された例における固定無線局である基地局ｅｘ１０６、ｅｘ１０７、ｅｘ１０８、ｅｘ１０９、ｅｘ１１０が設置されている。
　このコンテンツ供給システムｅｘ１００では、インターネットｅｘ１０１に、インターネットサービスプロバイダｅｘ１０２又は通信網ｅｘ１０４、及び基地局ｅｘ１０６～ｅｘ１１０を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器が接続される。当該コンテンツ供給システムｅｘ１００は、上記のいずれかの装置を組合せて接続するようにしてもよい。種々の実施において、基地局ｅｘ１０６～ｅｘ１１０を介さずに、各機器が電話網又は近距離無線等を介して直接的又は間接的に相互に接続されていてもよい。さらに、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１等を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器と接続されてもよい。また、ストリーミングサーバｅｘ１０３は、衛星ｅｘ１１６を介して、飛行機ｅｘ１１７内のホットスポット内の端末等と接続されてもよい。
　なお、基地局ｅｘ１０６～ｅｘ１１０の代わりに、無線アクセスポイント又はホットスポット等が用いられてもよい。また、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１又はインターネットサービスプロバイダｅｘ１０２を介さずに直接通信網ｅｘ１０４と接続されてもよいし、衛星ｅｘ１１６を介さず直接飛行機ｅｘ１１７と接続されてもよい。
　カメラｅｘ１１３はデジタルカメラ等の静止画撮影、及び動画撮影が可能な機器である。また、スマートフォンｅｘ１１５は、２Ｇ、３Ｇ、３．９Ｇ、４Ｇ、そして今後は５Ｇと呼ばれる移動通信システムの方式に対応したスマートフォン機、携帯電話機、又はＰＨＳ（Ｐｅｒｓｏｎａｌ　Ｈａｎｄｙ－ｐｈｏｎｅ　Ｓｙｓｔｅｍ）等である。
　家電ｅｘ１１４は、冷蔵庫、又は家庭用燃料電池コージェネレーションシステムに含まれる機器等である。
　コンテンツ供給システムｅｘ１００では、撮影機能を有する端末が基地局ｅｘ１０６等を通じてストリーミングサーバｅｘ１０３に接続されることで、ライブ配信等が可能になる。ライブ配信では、端末（コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、及び飛行機ｅｘ１１７内の端末等）は、ユーザが当該端末を用いて撮影した静止画又は動画コンテンツに対して上記各実施の形態で説明した符号化処理を行ってもよく、符号化により得られた映像データと、映像に対応する音を符号化した音データと多重化してもよく、得られたデータをストリーミングサーバｅｘ１０３に送信してもよい。即ち、各端末は、本開示の一態様に係る画像符号化装置として機能する。
　一方、ストリーミングサーバｅｘ１０３は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントは、上記符号化処理されたデータを復号化することが可能な、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、又は飛行機ｅｘ１１７内の端末等である。配信されたデータを受信した各機器は、受信したデータを復号化処理して再生してもよい。即ち、各機器は、本開示の一態様に係る画像復号装置として機能してもよい。
　［分散処理］
　また、ストリーミングサーバｅｘ１０３は複数のサーバ又は複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。例えば、ストリーミングサーバｅｘ１０３は、ＣＤＮ（Ｃｏｎｔｅｎｔｓ　Ｄｅｌｉｖｅｒｙ　Ｎｅｔｗｏｒｋ）により実現され、世界中に分散された多数のエッジサーバとエッジサーバ間をつなぐネットワークによりコンテンツ配信が実現されていてもよい。ＣＤＮでは、クライアントに応じて物理的に近いエッジサーバが動的に割り当てられ得る。そして、当該エッジサーバにコンテンツがキャッシュ及び配信されることで遅延を減らすことができる。また、いくつかのタイプのエラーが発生した場合又はトラフィックの増加などにより通信状態が変わる場合に複数のエッジサーバで処理を分散したり、他のエッジサーバに配信主体を切り替えたり、障害が生じたネットワークの部分を迂回して配信を続けることができるので、高速かつ安定した配信が実現できる。
　また、配信自体の分散処理にとどまらず、撮影したデータの符号化処理を各端末で行ってもよいし、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、一般に符号化処理では、処理ループが２度行われる。１度目のループでフレーム又はシーン単位での画像の複雑さ、又は、符号量が検出される。また、２度目のループでは画質を維持して符号化効率を向上させる処理が行われる。例えば、端末が１度目の符号化処理を行い、コンテンツを受け取ったサーバ側が２度目の符号化処理を行うことで、各端末での処理負荷を減らしつつもコンテンツの質と効率を向上させることができる。この場合、ほぼリアルタイムで受信して復号する要求があれば、端末が行った一度目の符号化済みデータを他の端末で受信して再生することもできるので、より柔軟なリアルタイム配信も可能になる。
　他の例として、カメラｅｘ１１３等は、画像から特徴量（特徴又は特性の量）を抽出し、特徴量に関するデータをメタデータとして圧縮してサーバに送信する。サーバは、例えば特徴量からオブジェクトの重要性を判断して量子化精度を切り替えるなど、画像の意味（又は内容の重要性）に応じた圧縮を行う。特徴量データはサーバでの再度の圧縮時の動きベクトル予測の精度及び効率向上に特に有効である。また、端末でＶＬＣ（可変長符号化）などの簡易的な符号化を行い、サーバでＣＡＢＡＣ（コンテキスト適応型二値算術符号化方式）など処理負荷の大きな符号化を行ってもよい。
　さらに他の例として、スタジアム、ショッピングモール、又は工場などにおいては、複数の端末によりほぼ同一のシーンが撮影された複数の映像データが存在する場合がある。この場合には、撮影を行った複数の端末と、必要に応じて撮影をしていない他の端末及びサーバを用いて、例えばＧＯＰ（Ｇｒｏｕｐ　ｏｆ　Ｐｉｃｔｕｒｅ）単位、ピクチャ単位、又はピクチャを分割したタイル単位などで符号化処理をそれぞれ割り当てて分散処理を行う。これにより、遅延を減らし、よりリアルタイム性を実現できる。
　複数の映像データはほぼ同一シーンであるため、各端末で撮影された映像データを互いに参照し合えるように、サーバで管理及び／又は指示をしてもよい。また、各端末からの符号化済みデータを、サーバが受信し複数のデータ間で参照関係を変更、又はピクチャ自体を補正或いは差し替えて符号化しなおしてもよい。これにより、一つ一つのデータの質と効率を高めたストリームを生成できる。
　さらに、サーバは、映像データの符号化方式を変更するトランスコードを行ったうえで映像データを配信してもよい。例えば、サーバは、ＭＰＥＧ系の符号化方式をＶＰ系（例えばＶＰ９）に変換してもよいし、Ｈ．２６４をＨ．２６５に変換等してもよい。
　このように、符号化処理は、端末、又は１以上のサーバにより行うことが可能である。よって、以下では、処理を行う主体として「サーバ」又は「端末」等の記載を用いるが、サーバで行われる処理の一部又は全てが端末で行われてもよいし、端末で行われる処理の一部又は全てがサーバで行われてもよい。また、これらに関しては、復号処理についても同様である。
　［３Ｄ、マルチアングル］
　互いにほぼ同期した複数のカメラｅｘ１１３及び／又はスマートフォンｅｘ１１５などの端末により撮影された異なるシーン、又は、同一シーンを異なるアングルから撮影した画像或いは映像を統合して利用することが増えてきている。各端末で撮影した映像は、別途取得した端末間の相対的な位置関係、又は、映像に含まれる特徴点が一致する領域などに基づいて統合され得る。
　サーバは、２次元の動画像を符号化するだけでなく、動画像のシーン解析などに基づいて自動的に、又は、ユーザが指定した時刻において、静止画を符号化し、受信端末に送信してもよい。サーバは、さらに、撮影端末間の相対的な位置関係を取得できる場合には、２次元の動画像だけでなく、同一シーンが異なるアングルから撮影された映像に基づき、当該シーンの３次元形状を生成できる。サーバは、ポイントクラウドなどにより生成した３次元のデータを別途符号化してもよいし、３次元データを用いて人物又はオブジェクトを認識或いは追跡した結果に基づいて、受信端末に送信する映像を、複数の端末で撮影した映像から、選択、又は、再構成して生成してもよい。
　このようにして、ユーザは、各撮影端末に対応する各映像を任意に選択してシーンを楽しむこともできるし、複数画像又は映像を用いて再構成された３次元データから選択視点の映像を切り出したコンテンツを楽しむこともできる。さらに、映像と共に、音も複数の相異なるアングルから収音され、サーバは、特定のアングル又は空間からの音を対応する映像と多重化して、多重化された映像と音とを送信してもよい。
　また、近年ではＶｉｒｔｕａｌ　Ｒｅａｌｉｔｙ（ＶＲ）及びＡｕｇｍｅｎｔｅｄ　Ｒｅａｌｉｔｙ（ＡＲ）など、現実世界と仮想世界とを対応付けたコンテンツも普及してきている。ＶＲの画像の場合、サーバは、右目用及び左目用の視点画像をそれぞれ作成し、Ｍｕｌｔｉ－Ｖｉｅｗ　Ｃｏｄｉｎｇ（ＭＶＣ）などにより各視点映像間で参照を許容する符号化を行ってもよいし、互いに参照せずに別ストリームとして符号化してもよい。別ストリームの復号時には、ユーザの視点に応じて仮想的な３次元空間が再現されるように互いに同期させて再生するとよい。
　ＡＲの画像の場合には、サーバは、現実空間のカメラ情報に、仮想空間上の仮想物体情報を、３次元的位置又はユーザの視点の動きに基づいて重畳してもよい。復号装置は、仮想物体情報及び３次元データを取得又は保持し、ユーザの視点の動きに応じて２次元画像を生成し、スムーズにつなげることで重畳データを作成してもよい。または、復号装置は仮想物体情報の依頼に加えてユーザの視点の動きをサーバに送信してもよい。サーバは、サーバに保持される３次元データから受信した視点の動きに合わせて重畳データを作成し、重畳データを符号化して復号装置に配信してもよい。なお、重畳データは、典型的には、ＲＧＢ以外に透過度を示すα値を有し、サーバは、３次元データから作成されたオブジェクト以外の部分のα値が０などに設定し、当該部分が透過する状態で、符号化してもよい。もしくは、サーバは、クロマキーのように所定の値のＲＧＢ値を背景に設定し、オブジェクト以外の部分は背景色にしたデータを生成してもよい。所定の値のＲＧＢ値は、予め定められていてもよい。
　同様に配信されたデータの復号処理はクライアント（例えば、端末）で行っても、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、ある端末が、一旦サーバに受信リクエストを送り、そのリクエストに応じたコンテンツを他の端末で受信し復号処理を行い、ディスプレイを有する装置に復号済みの信号が送信されてもよい。通信可能な端末自体の性能によらず処理を分散して適切なコンテンツを選択することで画質のよいデータを再生することができる。また、他の例として大きなサイズの画像データをＴＶ等で受信しつつ、鑑賞者の個人端末にピクチャが分割されたタイルなど一部の領域が復号されて表示されてもよい。これにより、全体像を共有化しつつ、自身の担当分野又はより詳細に確認したい領域を手元で確認することができる。
　屋内外の近距離、中距離、又は長距離の無線通信が複数使用可能な状況下で、ＭＰＥＧ－ＤＡＳＨなどの配信システム規格を利用して、シームレスにコンテンツを受信することが可能かもしれない。ユーザは、ユーザの端末、屋内外に配置されたディスプレイなどの復号装置又は表示装置を自由に選択しながらリアルタイムで切り替えてもよい。また、自身の位置情報などを用いて、復号する端末及び表示する端末を切り替えながら復号を行うことができる。これにより、ユーザが目的地へ移動している間に、表示可能なデバイスが埋め込まれた隣の建物の壁面又は地面の一部に情報をマップ及び表示することが可能になる。また、符号化データが受信端末から短時間でアクセスできるサーバにキャッシュされている、又は、コンテンツ・デリバリー・サービスにおけるエッジサーバにコピーされている、などの、ネットワーク上での符号化データへのアクセス容易性に基づいて、受信データのビットレートを切り替えることも可能である。
　［スケーラブル符号化］
　コンテンツの切り替えに関して、図５２に示す、上記各実施の形態で示した動画像符号化方法を応用して圧縮符号化されたスケーラブルなストリームを用いて説明する。サーバは、個別のストリームとして内容は同じで質の異なるストリームを複数有していても構わないが、図示するようにレイヤに分けて符号化を行うことで実現される時間的／空間的スケーラブルなストリームの特徴を活かして、コンテンツを切り替える構成であってもよい。つまり、復号側が性能という内的要因と通信帯域の状態などの外的要因とに応じてどのレイヤを復号するかを決定することで、復号側は、低解像度のコンテンツと高解像度のコンテンツとを自由に切り替えて復号できる。例えばユーザが移動中にスマートフォンｅｘ１１５で視聴していた映像の続きを、例えば帰宅後にインターネットＴＶ等の機器で視聴したい場合には、当該機器は、同じストリームを異なるレイヤまで復号すればよいので、サーバ側の負担を軽減できる。
　さらに、上記のように、レイヤ毎にピクチャが符号化されており、ベースレイヤの上位のエンハンスメントレイヤでスケーラビリティを実現する構成以外に、エンハンスメントレイヤが画像の統計情報などに基づくメタ情報を含んでいてもよい。復号側が、メタ情報に基づきベースレイヤのピクチャを超解像することで高画質化したコンテンツを生成してもよい。超解像は、解像度を維持及び／又は拡大しつつ、ＳＮ比を向上してもよい。メタ情報は、超解像処理に用いるような線形或いは非線形のフィルタ係数を特定するため情報、又は、超解像処理に用いるフィルタ処理、機械学習或いは最小２乗演算におけるパラメータ値を特定する情報などを含む。
　または、画像内のオブジェクトなどの意味合いに応じてピクチャがタイル等に分割される構成が提供されてもよい。復号側が、復号するタイルを選択することで一部の領域だけを復号する。さらに、オブジェクトの属性（人物、車、ボールなど）と映像内の位置（同一画像における座標位置など）とをメタ情報として格納することで、復号側は、メタ情報に基づいて所望のオブジェクトの位置を特定し、そのオブジェクトを含むタイルを決定できる。例えば、図５３に示すように、メタ情報は、ＨＥＶＣにおけるＳＥＩ（ｓｕｐｐｌｅｍｅｎｔａｌ　ｅｎｈａｎｃｅｍｅｎｔ　ｉｎｆｏｒｍａｔｉｏｎ）メッセージなど、画素データとは異なるデータ格納構造を用いて格納されてもよい。このメタ情報は、例えば、メインオブジェクトの位置、サイズ、又は色彩などを示す。
　ストリーム、シーケンス又はランダムアクセス単位など、複数のピクチャから構成される単位でメタ情報が格納されてもよい。復号側は、特定人物が映像内に出現する時刻などを取得でき、ピクチャ単位の情報と時間情報を合わせることで、オブジェクトが存在するピクチャを特定でき、ピクチャ内でのオブジェクトの位置を決定できる。
　［Ｗｅｂページの最適化］
　図５４は、コンピュータｅｘ１１１等におけるｗｅｂページの表示画面例を示す図である。図５５は、スマートフォンｅｘ１１５等におけるｗｅｂページの表示画面例を示す図である。図５４及び図５５に示すようにｗｅｂページが、画像コンテンツへのリンクであるリンク画像を複数含む場合があり、閲覧するデバイスによってその見え方は異なっていてもよい。画面上に複数のリンク画像が見える場合には、ユーザが明示的にリンク画像を選択するまで、又は画面の中央付近にリンク画像が近付く或いはリンク画像の全体が画面内に入るまで、表示装置（復号装置）は、リンク画像として各コンテンツが有する静止画又はＩピクチャを表示してもよいし、複数の静止画又はＩピクチャ等でｇｉｆアニメのような映像を表示してもよいし、ベースレイヤのみを受信し、映像を復号及び表示してもよい。
　ユーザによりリンク画像が選択された場合、表示装置は、例えばベースレイヤを最優先にしつつ復号を行う。なお、ｗｅｂページを構成するＨＴＭＬにスケーラブルなコンテンツであることを示す情報があれば、表示装置は、エンハンスメントレイヤまで復号してもよい。さらに、リアルタイム性を担保するために、選択される前又は通信帯域が非常に厳しい場合には、表示装置は、前方参照のピクチャ（Ｉピクチャ、Ｐピクチャ、前方参照のみのＢピクチャ）のみを復号及び表示することで、先頭ピクチャの復号時刻と表示時刻との間の遅延（コンテンツの復号開始から表示開始までの遅延）を低減できる。またさらに、表示装置は、ピクチャの参照関係を敢えて無視して、全てのＢピクチャ及びＰピクチャを前方参照にして粗く復号し、時間が経ち受信したピクチャが増えるにつれて正常の復号を行ってもよい。
　［自動走行］
　また、車の自動走行又は走行支援のため２次元又は３次元の地図情報などのような静止画又は映像データを送受信する場合、受信端末は、１以上のレイヤに属する画像データに加えて、メタ情報として天候又は工事の情報なども受信し、これらを対応付けて復号してもよい。なお、メタ情報は、レイヤに属してもよいし、単に画像データと多重化されてもよい。
　この場合、受信端末を含む車、ドローン又は飛行機などが移動するため、受信端末は、当該受信端末の位置情報を送信することで、基地局ｅｘ１０６～ｅｘ１１０を切り替えながらシームレスな受信及び復号の実行を実現できる。また、受信端末は、ユーザの選択、ユーザの状況及び／又は通信帯域の状態に応じて、メタ情報をどの程度受信するか、又は地図情報をどの程度更新していくかを動的に切り替えることが可能になる。
　コンテンツ供給システムｅｘ１００では、ユーザが送信した符号化された情報をリアルタイムでクライアントが受信して復号し、再生することができる。
　［個人コンテンツの配信］
　また、コンテンツ供給システムｅｘ１００では、映像配信業者による高画質で長時間のコンテンツのみならず、個人による低画質で短時間のコンテンツのユニキャスト、又はマルチキャスト配信が可能である。このような個人のコンテンツは今後も増加していくと考えられる。個人コンテンツをより優れたコンテンツにするために、サーバは、編集処理を行ってから符号化処理を行ってもよい。これは、例えば、以下のような構成を用いて実現できる。
　撮影時にリアルタイム又は蓄積して撮影後に、サーバは、原画データ又は符号化済みデータから撮影エラー、シーン探索、意味の解析、及びオブジェクト検出などの認識処理を行う。そして、サーバは、認識結果に基づいて手動又は自動で、ピントずれ又は手ブレなどを補正したり、明度が他のピクチャに比べて低い又は焦点が合っていないシーンなどの重要性の低いシーンを削除したり、オブジェクトのエッジを強調したり、色合いを変化させるなどの編集を行う。サーバは、編集結果に基づいて編集後のデータを符号化する。また撮影時刻が長すぎると視聴率が下がることも知られており、サーバは、撮影時間に応じて特定の時間範囲内のコンテンツになるように上記のように重要性が低いシーンのみならず動きが少ないシーンなどを、画像処理結果に基づき自動でクリップしてもよい。または、サーバは、シーンの意味解析の結果に基づいてダイジェストを生成して符号化してもよい。
　個人コンテンツには、そのままでは著作権、著作者人格権、又は肖像権等の侵害となるものが写り込んでいるケースもあり、共有する範囲が意図した範囲を超えてしまうなど個人にとって不都合な場合もある。よって、例えば、サーバは、画面の周辺部の人の顔、又は家の中などを敢えて焦点が合わない画像に変更して符号化してもよい。さらに、サーバは、符号化対象画像内に、予め登録した人物とは異なる人物の顔が映っているかどうかを認識し、映っている場合には、顔の部分にモザイクをかけるなどの処理を行ってもよい。または、符号化の前処理又は後処理として、著作権などの観点からユーザが画像を加工したい人物又は背景領域を指定してもよい。サーバは、指定された領域を別の映像に置き換える、又は焦点をぼかすなどの処理を行ってもよい。人物であれば、動画像において人物をトラッキングして、人物の顔の部分の映像を置き換えることができる。
　データ量の小さい個人コンテンツの視聴はリアルタイム性の要求が強いため、帯域幅にもよるが、復号装置は、まずベースレイヤを最優先で受信して復号及び再生を行ってもよい。復号装置は、この間にエンハンスメントレイヤを受信し、再生がループされる場合など２回以上再生される場合に、エンハンスメントレイヤも含めて高画質の映像を再生してもよい。このようにスケーラブルな符号化が行われているストリームであれば、未選択時又は見始めた段階では粗い動画だが、徐々にストリームがスマートになり画像がよくなるような体験を提供することができる。スケーラブル符号化以外にも、１回目に再生される粗いストリームと、１回目の動画を参照して符号化される２回目のストリームとが１つのストリームとして構成されていても同様の体験を提供できる。
　［その他の実施応用例］
　また、これらの符号化又は復号処理は、一般的に各端末が有するＬＳＩｅｘ５００において処理される。ＬＳＩ（ｌａｒｇｅ　ｓｃａｌｅ　ｉｎｔｅｇｒａｔｉｏｎ　ｃｉｒｃｕｉｔｒｙ）ｅｘ５００（図５１参照）は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化又は復号用のソフトウェアをコンピュータｅｘ１１１等で読み取り可能な何らかの記録メディア（ＣＤ－ＲＯＭ、フレキシブルディスク、又はハードディスクなど）に組み込み、そのソフトウェアを用いて符号化又は復号処理を行ってもよい。さらに、スマートフォンｅｘ１１５がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データはスマートフォンｅｘ１１５が有するＬＳＩｅｘ５００で符号化処理されたデータであってもよい。
　なお、ＬＳＩｅｘ５００は、アプリケーションソフトをダウンロードしてアクティベートする構成であってもよい。この場合、端末は、まず、当該端末がコンテンツの符号化方式に対応しているか、又は、特定サービスの実行能力を有するかを判定する。端末がコンテンツの符号化方式に対応していない場合、又は、特定サービスの実行能力を有さない場合、端末は、コーデック又はアプリケーションソフトをダウンロードし、その後、コンテンツ取得及び再生してもよい。
　また、インターネットｅｘ１０１を介したコンテンツ供給システムｅｘ１００に限らず、デジタル放送用システムにも上記各実施の形態の少なくとも動画像符号化装置（画像符号化装置）又は動画像復号化装置（画像復号装置）のいずれかを組み込むことができる。衛星などを利用して放送用の電波に映像と音が多重化された多重化データを載せて送受信するため、コンテンツ供給システムｅｘ１００のユニキャストがし易い構成に対してマルチキャスト向きであるという違いがあるが符号化処理及び復号処理に関しては同様の応用が可能である。
　［ハードウェア構成］
　図５６は、図５１に示されたスマートフォンｅｘ１１５のさらに詳細を示す図である。また、図５７は、スマートフォンｅｘ１１５の構成例を示す図である。スマートフォンｅｘ１１５は、基地局ｅｘ１１０との間で電波を送受信するためのアンテナｅｘ４５０と、映像及び静止画を撮ることが可能なカメラ部ｅｘ４６５と、カメラ部ｅｘ４６５で撮像した映像、及びアンテナｅｘ４５０で受信した映像等が復号されたデータを表示する表示部ｅｘ４５８とを備える。スマートフォンｅｘ１１５は、さらに、タッチパネル等である操作部ｅｘ４６６と、音声又は音響を出力するためのスピーカ等である音声出力部ｅｘ４５７と、音声を入力するためのマイク等である音声入力部ｅｘ４５６と、撮影した映像或いは静止画、録音した音声、受信した映像或いは静止画、メール等の符号化されたデータ、又は、復号化されたデータを保存可能なメモリ部ｅｘ４６７と、ユーザを特定し、ネットワークをはじめ各種データへのアクセスの認証をするためのＳＩＭｅｘ４６８とのインタフェース部であるスロット部ｅｘ４６４とを備える。なお、メモリ部ｅｘ４６７の代わりに外付けメモリが用いられてもよい。
　表示部ｅｘ４５８及び操作部ｅｘ４６６等を統括的に制御し得る主制御部ｅｘ４６０と、電源回路部ｅｘ４６１、操作入力制御部ｅｘ４６２、映像信号処理部ｅｘ４５５、カメラインタフェース部ｅｘ４６３、ディスプレイ制御部ｅｘ４５９、変調／復調部ｅｘ４５２、多重／分離部ｅｘ４５３、音声信号処理部ｅｘ４５４、スロット部ｅｘ４６４、及びメモリ部ｅｘ４６７とが同期バスｅｘ４７０を介して接続されている。
　電源回路部ｅｘ４６１は、ユーザの操作により電源キーがオン状態にされると、スマートフォンｅｘ１１５を動作可能な状態に起動し、バッテリパックから各部に対して電力を供給する。
　スマートフォンｅｘ１１５は、ＣＰＵ、ＲＯＭ及びＲＡＭ等を有する主制御部ｅｘ４６０の制御に基づいて、通話及データ通信等の処理を行う。通話時は、音声入力部ｅｘ４５６で収音した音声信号を音声信号処理部ｅｘ４５４でデジタル音声信号に変換し、変調／復調部ｅｘ４５２でスペクトラム拡散処理を施し、送信／受信部ｅｘ４５１でデジタルアナログ変換処理及び周波数変換処理を施し、その結果の信号を、アンテナｅｘ４５０を介して送信する。また受信データを増幅して周波数変換処理及びアナログデジタル変換処理を施し、変調／復調部ｅｘ４５２でスペクトラム逆拡散処理し、音声信号処理部ｅｘ４５４でアナログ音声信号に変換した後、これを音声出力部ｅｘ４５７から出力する。データ通信モード時は、本体部の操作部ｅｘ４６６等の操作に基づいてテキスト、静止画、又は映像データが操作入力制御部ｅｘ４６２を介して主制御部ｅｘ４６０の制御下で送出され得る。同様の送受信処理が行われる。データ通信モード時に映像、静止画、又は映像と音声を送信する場合、映像信号処理部ｅｘ４５５は、メモリ部ｅｘ４６７に保存されている映像信号又はカメラ部ｅｘ４６５から入力された映像信号を上記各実施の形態で示した動画像符号化方法によって圧縮符号化し、符号化された映像データを多重／分離部ｅｘ４５３に送出する。音声信号処理部ｅｘ４５４は、映像又は静止画をカメラ部ｅｘ４６５で撮像中に音声入力部ｅｘ４５６で収音した音声信号を符号化し、符号化された音声データを多重／分離部ｅｘ４５３に送出する。多重／分離部ｅｘ４５３は、符号化済み映像データと符号化済み音声データを所定の方式で多重化し、変調／復調部（変調／復調回路部）ｅｘ４５２、及び送信／受信部ｅｘ４５１で変調処理及び変換処理を施してアンテナｅｘ４５０を介して送信する。所定の方式は、予め定められていてもよい。
　電子メール又はチャットに添付された映像、又はウェブページにリンクされた映像を受信した場合等において、アンテナｅｘ４５０を介して受信された多重化データを復号するために、多重／分離部ｅｘ４５３は、多重化データを分離することにより、多重化データを映像データのビットストリームと音声データのビットストリームとに分け、同期バスｅｘ４７０を介して符号化された映像データを映像信号処理部ｅｘ４５５に供給するとともに、符号化された音声データを音声信号処理部ｅｘ４５４に供給する。映像信号処理部ｅｘ４５５は、上記各実施の形態で示した動画像符号化方法に対応した動画像復号化方法によって映像信号を復号し、ディスプレイ制御部ｅｘ４５９を介して表示部ｅｘ４５８から、リンクされた動画像ファイルに含まれる映像又は静止画が表示される。音声信号処理部ｅｘ４５４は、音声信号を復号し、音声出力部ｅｘ４５７から音声が出力される。リアルタイムストリーミングがますます普及しだしているため、ユーザの状況によっては音声の再生が社会的にふさわしくないこともあり得る。そのため、初期値としては、音声信号は再生せず映像データのみを再生する構成の方が望ましく、ユーザが映像データをクリックするなど操作を行った場合にのみ音声を同期して再生してもよい。
　またここではスマートフォンｅｘ１１５を例に説明したが、端末としては符号化器及び復号化器を両方持つ送受信型端末の他に、符号化器のみを有する送信端末、及び、復号化器のみを有する受信端末という他の実装形式が考えられる。デジタル放送用システムにおいて、映像データに音声データが多重化された多重化データを受信又は送信するとして説明した。ただし、多重化データには、音声データ以外に映像に関連する文字データなどが多重化されてもよい。また、多重化データではなく映像データ自体が受信又は送信されてもよい。
　なお、ＣＰＵを含む主制御部ｅｘ４６０が符号化又は復号処理を制御するとして説明したが、種々の端末はＧＰＵを備えることも多い。よって、ＣＰＵとＧＰＵで共通化されたメモリ、又は共通に使用できるようにアドレスが管理されているメモリにより、ＧＰＵの性能を活かして広い領域を一括して処理する構成でもよい。これにより符号化時間を短縮でき、リアルタイム性を確保し、低遅延を実現できる。特に動き探索、デブロックフィルタ、ＳＡＯ（Ｓａｍｐｌｅ　Ａｄａｐｔｉｖｅ　Ｏｆｆｓｅｔ）、及び変換・量子化の処理を、ＣＰＵではなく、ＧＰＵでピクチャなどの単位で一括して行うと効率的である。
　本開示は、例えば、テレビジョン受像機、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、デジタルビデオカメラ、テレビ会議システム、又は、電子ミラー等に利用可能である。
　　１００　符号化装置
　　１０２　分割部
　　１０４　減算部
　　１０６　変換部
　　１０８　量子化部
　　１１０　エントロピー符号化部
　　１１２、２０４　逆量子化部
　　１１４、２０６　逆変換部
　　１１６、２０８　加算部
　　１１８、２１０　ブロックメモリ
　　１２０、２１２　ループフィルタ部
　　１２２、２１４　フレームメモリ
　　１２４、２１６　イントラ予測部
　　１２６、２１８　インター予測部
　　１２８、２２０　予測制御部
　　２００　復号装置
　　２０２　エントロピー復号部
　　１２０１　境界判定部
　　１２０２、１２０４、１２０６　スイッチ
　　１２０３　フィルタ判定部
　　１２０５　フィルタ処理部
　　１２０７　フィルタ特性決定部
　　１２０８　処理判定部
　　ａ１、ｂ１　プロセッサ
　　ａ２、ｂ２　メモリ

Claims (14)

  1. 　画像に含まれる符号化対象ブロックを符号化する符号化装置であって、
    　回路と、
    　前記回路に接続されたメモリと、を備え、
    　前記回路は、動作において、
    　動きベクトルに基づいて、整数画素単位の第１の予測画像を生成し、
    　補間フィルタを用いて、前記第１の予測画像に含まれる複数の整数画素の間の小数画素位置の値を補間することで、第２の予測画像を生成し、
    　前記第２の予測画像に基づいて、前記符号化対象ブロックを符号化し、
    　前記補間フィルタの使用では、第１補間フィルタと、前記第１補間フィルタとタップ数が異なる第２補間フィルタとが切り替えて用いられる、
    　符号化装置。
  2. 　前記補間フィルタの切り替えにおいて、
    　前記符号化対象ブロックのサイズが閾値サイズよりも大きいか否かを判定し、
    　前記符号化対象ブロックのサイズが前記閾値サイズよりも大きい場合、前記符号化対象ブロックの動き補償に用いる補間フィルタを前記第１補間フィルタと決定し、
    　前記符号化対象ブロックのサイズが前記閾値サイズよりも大きくない場合、前記符号化対象ブロックの動き補償に用いる補間フィルタを前記第２補間フィルタと決定し、
    　決定された前記補間フィルタを用いて、前記第２の予測画像を生成し、
    　前記第２補間フィルタは、前記第１補間フィルタよりも短いタップを有する、
    　請求項１に記載の符号化装置。
  3. 　前記第１補間フィルタは、８タップフィルタである、
    　請求項２に記載の符号化装置。
  4. 　前記第２補間フィルタは、６タップフィルタである、
    　請求項２又は３に記載の符号化装置。
  5. 　前記閾値サイズは、４ｘ４画素サイズである、
    　請求項２～４のいずれか１項に記載の符号化装置。
  6. 　前記符号化対象ブロックは、アフィンモードのサブブロックである、
    　請求項１～５のいずれか１項に記載の符号化装置。
  7. 　画像に含まれる復号対象ブロックを復号する復号装置であって、
    　回路と、
    　前記回路に接続されたメモリと、を備え、
    　前記回路は、動作において、
    　動きベクトルに基づいて、整数画素単位の第１の予測画像を生成し、
    　補間フィルタを用いて、前記第１の予測画像に含まれる複数の整数画素の間の小数画素位置の値を補間することで、第２の予測画像を生成し、
    　前記第２の予測画像に基づいて、前記復号対象ブロックを復号し、
    　前記補間フィルタの使用では、第１補間フィルタと、前記第１補間フィルタとタップ数が異なる第２補間フィルタとが切り替えて用いられる、
    　復号装置。
  8. 　前記補間フィルタの切り替えにおいて、
    　前記復号対象ブロックのサイズが閾値サイズよりも大きいか否かを判定し、
    　前記復号対象ブロックのサイズが前記閾値サイズよりも大きい場合、前記復号対象ブロックの動き補償に用いる補間フィルタを前記第１補間フィルタと決定し、
    　前記復号対象ブロックのサイズが前記閾値サイズよりも大きくない場合、前記復号対象ブロックの動き補償に用いる補間フィルタを前記第２補間フィルタと決定し、
    　決定された前記補間フィルタを用いて、前記前記第２の予測画像を生成し、
    　前記第２補間フィルタは、前記第１補間フィルタよりも短いタップを有する、
    　請求項７に記載の復号装置。
  9. 　前記第１補間フィルタは、８タップフィルタである、
    　請求項８に記載の復号装置。
  10. 　前記第２補間フィルタは、６タップフィルタである、
    　請求項８又は９に記載の復号装置。
  11. 　前記閾値サイズは、４ｘ４画素サイズである、
    　請求項８～１０のいずれか１項に記載の復号装置。
  12. 　前記復号対象ブロックは、アフィンモードのサブブロックである、
    　請求項７～１１のいずれか１項に記載の復号装置。
  13. 　画像の符号化対象ブロックを符号化する符号化方法であって、
    　動きベクトルに基づいて、整数画素単位の第１の予測画像を生成し、
    　補間フィルタを用いて、前記第１の予測画像に含まれる複数の整数画素の間の小数画素位置の値を補間することで、第２の予測画像を生成し、
    　前記第２の予測画像に基づいて、前記符号化対象ブロックを符号化し、
    　前記補間フィルタの使用では、第１補間フィルタと、前記第１補間フィルタとタップ数が異なる第２補間フィルタとが切り替えて用いられる、
    　符号化方法。
  14. 　画像の復号対象ブロックを復号する復号方法であって、
    　動きベクトルに基づいて、整数画素単位の第１の予測画像を生成し、
    　補間フィルタを用いて、前記第１の予測画像に含まれる複数の整数画素の間の小数画素位置の値を補間することで、第２の予測画像を生成し、
    　前記第２の予測画像に基づいて、前記復号対象ブロックを復号し、
    　前記補間フィルタの使用では、第１補間フィルタと、前記第１補間フィルタとタップ数が異なる第２補間フィルタとが切り替えて用いられる、
    　復号方法。
PCT/JP2019/050438 2018-12-31 2019-12-23 符号化装置、復号装置、符号化方法、及び復号方法 WO2020141591A1 (ja)

Priority Applications (11)

Application Number Priority Date Filing Date Title
KR1020217013990A KR20210107624A (ko) 2018-12-31 2019-12-23 부호화 장치, 복호 장치, 부호화 방법, 및 복호 방법
EP19907263.8A EP3907990A4 (en) 2018-12-31 2019-12-23 ENCODING DEVICE, DECODING DEVICE, ENCODING METHOD AND DECODING METHOD
JP2020563865A JPWO2020141591A1 (ja) 2018-12-31 2019-12-23 符号化装置、復号装置、符号化方法、及び復号方法
CA3119646A CA3119646A1 (en) 2018-12-31 2019-12-23 Encoder, decoder, encoding method, and decoding method
MX2021005170A MX2021005170A (es) 2018-12-31 2019-12-23 Dispositivo de codificacion, dispositivo de decodificacion, metodo de codificacion y metodo de decodificacion.
BR112021009596-9A BR112021009596A2 (pt) 2018-12-31 2019-12-23 codificador, decodificador, método de codificação, e método de decodificação
CN201980075837.3A CN113056909A (zh) 2018-12-31 2019-12-23 编码装置、解码装置、编码方法和解码方法
US17/321,834 US11394968B2 (en) 2018-12-31 2021-05-17 Encoder that encodes a current block based on a prediction image generated using an interpolation filter
US17/837,171 US11722662B2 (en) 2018-12-31 2022-06-10 Encoder that encodes a current block based on a prediction image generated using an interpolation filter
JP2023050266A JP2023068203A (ja) 2018-12-31 2023-03-27 復号装置及び復号方法
US18/142,166 US12081749B2 (en) 2018-12-31 2023-05-02 Encoder that encodes a current block based on a prediction image generated using an interpolation filter

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201862786935P 2018-12-31 2018-12-31
US62/786935 2018-12-31

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/321,834 Continuation US11394968B2 (en) 2018-12-31 2021-05-17 Encoder that encodes a current block based on a prediction image generated using an interpolation filter

Publications (1)

Publication Number Publication Date
WO2020141591A1 true WO2020141591A1 (ja) 2020-07-09

Family

ID=71406838

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/050438 WO2020141591A1 (ja) 2018-12-31 2019-12-23 符号化装置、復号装置、符号化方法、及び復号方法

Country Status (10)

Country Link
US (3) US11394968B2 (ja)
EP (1) EP3907990A4 (ja)
JP (2) JPWO2020141591A1 (ja)
KR (1) KR20210107624A (ja)
CN (1) CN113056909A (ja)
BR (1) BR112021009596A2 (ja)
CA (1) CA3119646A1 (ja)
MX (1) MX2021005170A (ja)
TW (2) TWI835963B (ja)
WO (1) WO2020141591A1 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7176094B2 (ja) * 2019-03-11 2022-11-21 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 符号化装置及び符号化方法
WO2020255367A1 (ja) * 2019-06-21 2020-12-24 日本電信電話株式会社 符号化装置、符号化方法及びプログラム
US11570479B2 (en) * 2020-04-24 2023-01-31 Samsung Electronics Co., Ltd. Camera module, image processing device and image compression method
WO2023200381A1 (en) * 2022-04-12 2023-10-19 Telefonaktiebolaget Lm Ericsson (Publ) Enhanced interpolation filtering
WO2024117693A1 (ko) * 2022-11-29 2024-06-06 현대자동차주식회사 아핀 모델 기반의 예측에서 움직임 보상 필터를 적응적으로 이용하는 비디오 코딩을 위한 방법 및 장치
WO2024119488A1 (zh) * 2022-12-09 2024-06-13 Oppo广东移动通信有限公司 视频编解码方法、解码器、编码器及计算机可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004007337A (ja) * 2002-04-25 2004-01-08 Sony Corp 画像処理装置およびその方法
JP2012134870A (ja) * 2010-12-22 2012-07-12 Nippon Telegr & Teleph Corp <Ntt> 映像符号化方法、及び映像復号方法
WO2019188464A1 (ja) * 2018-03-30 2019-10-03 ソニー株式会社 画像符号化装置、画像符号化方法、画像復号装置、および画像復号方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101369746B1 (ko) * 2007-01-22 2014-03-07 삼성전자주식회사 적응적 보간 필터를 이용한 영상 부호화, 복호화 방법 및장치
US9077971B2 (en) * 2008-04-10 2015-07-07 Qualcomm Incorporated Interpolation-like filtering of integer-pixel positions in video coding
US8750378B2 (en) * 2008-09-23 2014-06-10 Qualcomm Incorporated Offset calculation in switched interpolation filters
US20120230407A1 (en) * 2011-03-11 2012-09-13 General Instrument Corporation Interpolation Filter Selection Using Prediction Index
WO2012125452A1 (en) * 2011-03-16 2012-09-20 General Instrument Corporation Interpolation filter selection using prediction unit (pu) size
JP5711098B2 (ja) * 2011-11-07 2015-04-30 日本電信電話株式会社 画像符号化方法，画像復号方法，画像符号化装置，画像復号装置およびそれらのプログラム
KR101641606B1 (ko) * 2012-07-09 2016-07-21 니폰 덴신 덴와 가부시끼가이샤 화상 부호화 방법, 화상 복호 방법, 화상 부호화 장치, 화상 복호 장치, 화상 부호화 프로그램, 화상 복호 프로그램 및 기록매체
US10986367B2 (en) 2016-11-04 2021-04-20 Lg Electronics Inc. Inter prediction mode-based image processing method and apparatus therefor
US10609384B2 (en) * 2017-09-21 2020-03-31 Futurewei Technologies, Inc. Restriction on sub-block size derivation for affine inter prediction
US10841610B2 (en) * 2017-10-23 2020-11-17 Avago Technologies International Sales Pte. Limited Block size dependent interpolation filter selection and mapping
BR112020016432A2 (pt) * 2018-02-14 2020-12-15 Huawei Technologies Co., Ltd. Método implementado em codificador e decodificador, dispositivo de codificação e de decodificação de vídeo, e meio legível por computador não transitório
TWI700922B (zh) * 2018-04-02 2020-08-01 聯發科技股份有限公司 用於視訊編解碼系統中的子塊運動補償的視訊處理方法和裝置
WO2020098644A1 (en) * 2018-11-12 2020-05-22 Beijing Bytedance Network Technology Co., Ltd. Bandwidth control methods for inter prediction

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004007337A (ja) * 2002-04-25 2004-01-08 Sony Corp 画像処理装置およびその方法
JP2012134870A (ja) * 2010-12-22 2012-07-12 Nippon Telegr & Teleph Corp <Ntt> 映像符号化方法、及び映像復号方法
WO2019188464A1 (ja) * 2018-03-30 2019-10-03 ソニー株式会社 画像符号化装置、画像符号化方法、画像復号装置、および画像復号方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "Advanced video coding for generic audiovisual services", ITU-T STANDARD H.264, no. H.264 (04/17), 13 April 2017 (2017-04-13), pages 1 - 812, XP044201839 *
JINGYA LI , RU-LING LIAO , CHING SOON LIM : "CE2-related: Using shorter-tap filter for 4x4 sized partition", THE JOINT VIDEO EXPLORATION TEAM OF ISO/IEC JTC1/SC29/WG11 AND ITU-T SG.16 , no. JVET-M0310, 9 January 2019 (2019-01-09), Marrakech MA, pages 1 - 7, XP030201158 *
S N AKULA , ALSHIN A; ALSHINA (SAMSUNG) E; CHOI (SAMSUNG) K; CHOI N; CHOI W; JEONG S; KIM C; MIN J; PARK J H; PARK M; PARK M W; PI: "Description of SDR, HDR and 360° video coding technology proposal considering mobile application scenario by Samsung", 10. JVET MEETING; 20180410 - 20180420; SAN DIEGO; (THE JOINT VIDEO EXPLORATION TEAM OF ISO/IEC JTC1/SC29/WG11 AND ITU-T SG.16 ), 3 April 2018 (2018-04-03), pages 1 - 119, XP030151189 *

Also Published As

Publication number Publication date
EP3907990A1 (en) 2021-11-10
JP2023068203A (ja) 2023-05-16
TWI835963B (zh) 2024-03-21
EP3907990A4 (en) 2022-03-23
US11722662B2 (en) 2023-08-08
CA3119646A1 (en) 2020-07-09
US20220329793A1 (en) 2022-10-13
BR112021009596A2 (pt) 2021-08-10
US20230300327A1 (en) 2023-09-21
MX2021005170A (es) 2021-07-15
US20210274172A1 (en) 2021-09-02
TW202425641A (zh) 2024-06-16
JPWO2020141591A1 (ja) 2021-10-21
KR20210107624A (ko) 2021-09-01
TW202032984A (zh) 2020-09-01
US11394968B2 (en) 2022-07-19
US12081749B2 (en) 2024-09-03
CN113056909A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
WO2020166643A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP7214846B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7202394B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2020141591A1 (ja) 符号化装置、復号装置、符号化方法、及び復号方法
WO2020116630A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7189234B2 (ja) 符号化装置及び復号装置
JP7194199B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2019240050A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2020116402A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2020162536A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP2022168052A (ja) 復号装置及び符号化装置
JP2023029589A (ja) 符号化装置及び復号装置
WO2020162535A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2020162534A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2020116242A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2020050279A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2020031902A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
JP2023001298A (ja) 復号装置及び復号方法
JP7079377B2 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021025080A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2020179715A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2020122232A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2020121879A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2020050281A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2020054781A1 (ja) 符号化装置、復号装置、符号化方法および復号方法

Legal Events

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

Ref document number: 19907263

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 3119646

Country of ref document: CA

ENP Entry into the national phase

Ref document number: 2020563865

Country of ref document: JP

Kind code of ref document: A

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112021009596

Country of ref document: BR

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019907263

Country of ref document: EP

Effective date: 20210802

ENP Entry into the national phase

Ref document number: 112021009596

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20210518