WO2020184526A1 - 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
WO2020184526A1
WO2020184526A1 PCT/JP2020/010128 JP2020010128W WO2020184526A1 WO 2020184526 A1 WO2020184526 A1 WO 2020184526A1 JP 2020010128 W JP2020010128 W JP 2020010128W WO 2020184526 A1 WO2020184526 A1 WO 2020184526A1
Authority
WO
WIPO (PCT)
Prior art keywords
block
interpolation filter
prediction
unit
image
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/JP2020/010128
Other languages
English (en)
French (fr)
Inventor
ジン ヤ リ
チョン スン リム
ハン ブン テオ
ハイ ウェイ スン
チェ ウェイ クオ
安倍　清史
西　孝啓
遠間　正真
祐介 加藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Corp of America
Original Assignee
Panasonic Intellectual Property Corp of America
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 CN202080014663.2A priority Critical patent/CN113475066B/zh
Priority to CN202410660942.6A priority patent/CN118433380A/zh
Priority to CN202410660935.6A priority patent/CN118890472A/zh
Priority to CN202410660946.4A priority patent/CN118573853A/zh
Priority to CN202410660945.XA priority patent/CN118573852A/zh
Priority to CN202410660947.9A priority patent/CN118450122A/zh
Priority to CN202410660938.XA priority patent/CN118381913A/zh
Application filed by Panasonic Intellectual Property Corp of America filed Critical Panasonic Intellectual Property Corp of America
Priority to JP2021505066A priority patent/JP7176094B2/ja
Publication of WO2020184526A1 publication Critical patent/WO2020184526A1/ja
Priority to US17/391,315 priority patent/US20210360239A1/en
Anticipated expiration legal-status Critical
Priority to JP2022179631A priority patent/JP7479436B2/ja
Priority to JP2024069733A priority patent/JP2024087004A/ja
Priority to JP2025239443A priority patent/JP2026041929A/ja
Ceased legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/117—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
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
    • 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
    • H04N19/50—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
    • H04N19/50—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
    • H04N19/537—Motion estimation other than block-based
    • H04N19/54—Motion estimation other than block-based using feature points or meshes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • H04N19/82—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation involving filtering within a prediction loop

Definitions

  • the present disclosure relates to video coding, for example, systems, components, and methods in video coding and decoding.
  • Video coding technology is based on H.264. From 261 and MPEG-1, H.M. 264 / AVC (Advanced Video Coding), MPEG-LA, H. H.265/HEVC (High Efficiency Video Coding), and H.264. We are making progress toward 266 / VVC (Versatile Video Codec). With this advancement, there is a constant need to provide improvements and optimizations in video coding techniques to handle the ever-growing amount of digital video data in a variety of applications.
  • Non-Patent Document 1 relates to an example of a conventional standard relating to the above-mentioned video coding technology.
  • the present disclosure may contribute to one or more of, for example, improvement of coding efficiency, improvement of image quality, reduction of processing amount, reduction of circuit scale, improvement of processing speed, and appropriate 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 can contribute to benefits other than the above.
  • the coding device is a coding device that encodes a block to be coded included in an image, and includes a circuit and a memory connected to the circuit. Generates a first predicted image having integer pixel accuracy based on the motion vector of the coded block, and uses a first interpolation filter or a second interpolation filter having a different number of taps from the first interpolation filter. By interpolating the value of the decimal pixel position between the plurality of integer pixels included in the first predicted image, a second predicted image having a decimal pixel accuracy is generated, and the second predicted image is generated based on the second predicted image. In the generation of the second prediction image, the first interpolation filter and the second interpolation filter are switched depending on whether or not the affine mode is used for the coding target block. To be used.
  • Some implementations of the embodiments in the present disclosure may improve coding efficiency, simplify coding / decoding processing, or increase coding / decoding processing speed.
  • Appropriate filters, block sizes, motion vectors, reference pictures, reference blocks, etc. may be used to efficiently select appropriate components / actions used for encoding and decoding.
  • the configuration or method according to one aspect of the present disclosure includes, for example, improvement of coding efficiency, improvement of image quality, reduction of processing amount, reduction of circuit scale, 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 an overall coding process by the coding apparatus.
  • 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 transformation basis functions corresponding to various transformation types.
  • FIG. 5B is a conceptual diagram showing an example of SVT (Spatially Varying Transfer).
  • FIG. 6A is a conceptual diagram showing an example of the shape of the filter used in ALF (adaptive loop filter).
  • 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 on which deblocking filtering 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. 12 is a flowchart showing another example of the 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. 13 is a flowchart showing another example of the processing performed by the prediction processing unit of the coding apparatus.
  • FIG. 14 is a conceptual diagram showing an example of 67 intra prediction modes in the intra prediction of 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 deriving the motion vector.
  • FIG. 18 is a flowchart showing another example of deriving the motion vector.
  • FIG. 19 is a flowchart showing an example of inter-prediction by the normal inter-mode.
  • FIG. 20 is a flowchart showing an example of inter-prediction by 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 deriving 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 subblock units 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 intermode 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 intermode.
  • FIG. 30A is a conceptual diagram for explaining an affine intermode in which the current block has three control points and the adjacent block has two control points.
  • FIG. 30A is a conceptual diagram for explaining an affine intermode in which the current block has three control points and the adjacent block has two control points.
  • FIG. 30B is a conceptual diagram for explaining an affine intermode in which the current block has two control points and the 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 generating 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 the prediction image correction process by the OBMC (overlapped block motion compression) 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 the generation of predicted images of two triangles.
  • FIG. 38 is a conceptual diagram for explaining a model assuming constant velocity linear motion.
  • FIG. 39 is a conceptual diagram for explaining an example of a predicted image generation method using the luminance correction process by the LIC (local illumination compression) 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 an overall decoding process 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 showing an implementation example of the decoding device.
  • FIG. 47 is a flowchart showing the interpolation process in the first aspect.
  • FIG. 48 is a diagram showing an example of the first interpolation filter.
  • FIG. 49 is a diagram showing an example of the second interpolation filter.
  • FIG. 50 is a diagram showing an example of a block to which the interpolation processing in the first aspect is applied.
  • FIG. 51 is a flowchart showing the interpolation process in the second aspect.
  • FIG. 52 is a diagram showing an example of a block to which the interpolation processing in the second aspect is applied.
  • FIG. 53 is a block diagram showing an overall configuration of a content supply system that realizes a content distribution service.
  • FIG. 54 is a conceptual diagram showing an example of a coding structure at the time of scalable coding.
  • FIG. 55 is a conceptual diagram showing an example of a coding structure at the time of scalable coding.
  • FIG. 56 is a conceptual diagram showing an example of a display screen of a web page.
  • FIG. 57 is a conceptual diagram showing an example of a display screen of a web page.
  • FIG. 58 is a block diagram showing an example of a smartphone.
  • FIG. 59 is a block diagram showing a configuration example of a smartphone.
  • the coding device is a coding device that encodes a block to be coded included in an image, and includes a circuit and a memory connected to the circuit.
  • a first predicted image having integer pixel accuracy is generated based on the motion vector of the coded block, and a first interpolation filter or a second interpolation filter having a different number of taps from the first interpolation filter is used.
  • a second predicted image having a decimal pixel accuracy is generated, and the second predicted image is generated based on the second predicted image.
  • the coded block is encoded, and in the generation of the second predicted image, the first interpolation filter and the second integer filter are switched and used depending on whether or not the affine mode is used for the coded block. ..
  • the first interpolation filter and the second interpolation filter having different tap numbers can be switched and used depending on whether or not the affine mode is used. it can. Therefore, it becomes possible to use an interpolation filter suitable for the block to be encoded, and it is possible to achieve a balance between reducing the processing load and improving the prediction accuracy.
  • the circuit determines whether or not the affine mode is used for the coding target block in the generation of the second prediction image, and determines whether or not the affine mode is used for the coding target block. If it is determined that the affine mode is not used for the block, the first interpolation filter is selected, and if it is determined that the affine mode is used for the coded block, the second interpolation filter is selected and selected.
  • the second prediction image may be generated by using the first interpolation filter or the second interpolation filter, and the second interpolation filter may have a shorter tap than the first interpolation filter.
  • the interpolation process can be performed using the second interpolation filter having a shorter tap than when the affine mode is not used. Since the processing load increases in the affine mode, the processing load can be reduced by using a second interpolation filter having a short tap when the affine mode is used. On the other hand, when the affine mode is not used, the prediction accuracy can be improved and the code amount can be reduced by using the first interpolation filter having a longer tap.
  • the circuit determines the coding target in addition to whether or not the affine mode is used for the coding target block in the generation of the second prediction image.
  • the first interpolation filter and the second interpolation filter may be switched and used according to the size of the block.
  • the first interpolation filter and the number of taps different from each other depending on the size of the coded block and The second interpolation filter can be switched and used. Therefore, it is possible to use an interpolation filter more suitable for the block to be encoded, and it is also possible to reduce the memory bandwidth.
  • the circuit determines whether or not the affine mode is used for the coding target block in the generation of the second prediction image, and determines whether the coding target is used. When it is determined whether the size of the block is larger than the threshold size and it is determined that the affine mode is not used for the coded block, or the size of the coded block is larger than the threshold size. When it is determined, the first interpolation filter is selected, it is determined that the affine mode is used for the coded block, and the size of the coded block is not larger than the threshold size. If so, the second interpolation filter may be selected.
  • a second interpolation filter having a shorter tap than when the size of the coded block is larger than the threshold size is used for motion compensation. Can be done. If motion compensation is performed in smaller block units, the number of motion compensations increases and the number of times a sample is read from memory for motion compensation also 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 with shorter taps for smaller blocks, the number of read samples per read can be reduced and the increase in memory bandwidth is suppressed even if the number of sample reads increases. can do.
  • the threshold size may be a 4x4 pixel size.
  • the second interpolation filter can be used for the 4x4 pixel size block in which the affine mode is used, and the memory bandwidth can be reduced.
  • the first interpolation filter may be an 8-tap filter.
  • an 8-tap filter can be used as the first interpolation filter, and a balance between reduction of processing load and improvement of prediction accuracy can be further achieved.
  • 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 further balance the reduction of the processing load and the improvement of the prediction accuracy.
  • the coding target block is a subblock obtained by dividing the coding unit (CU). There may be.
  • the second interpolation filter can be used for the subblocks obtained by dividing the coding unit.
  • the 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 is described in operation.
  • the first prediction image having an integer pixel accuracy is generated based on the motion vector of the block to be decoded, and the first prediction filter or the second interpolation filter having a different number of taps from the first interpolation filter is used.
  • a second predicted image having fractional pixel accuracy is generated, and the decoding target block is decoded based on the second predicted image.
  • the first interpolation filter and the second interpolation filter are switched and used depending on whether or not the affine mode is used for the decoding target block.
  • the first interpolation filter and the second interpolation filter having different tap numbers can be switched and used depending on whether or not the affine mode is used. it can. Therefore, it is possible to use an interpolation filter suitable for the block to be decoded, and it is possible to achieve a balance between reducing the processing load and improving the prediction accuracy.
  • the circuit determines whether or not the affine mode is used for the decoding target block in the generation of the second predicted image, and affine the decoding target block.
  • the first interpolation filter is selected, and when it is determined that the affine mode is used for the decoding target block, the second interpolation filter is selected and the selected first interpolation filter is selected.
  • the first interpolation filter or the second interpolation filter may be used to generate the second prediction image, and the second interpolation filter may have shorter taps than the first interpolation filter.
  • the interpolation process can be performed using the second interpolation filter having a shorter tap than when the affine mode is not used. Since the processing load increases in the affine mode, the processing load can be reduced by using a second interpolation filter having a short tap when the affine mode is used. On the other hand, when the affine mode is not used, the prediction accuracy can be improved and the code amount can be reduced by using the first interpolation filter having a longer tap.
  • the circuit determines the size of the decoding target block in addition to whether or not the affine mode is used for the decoding target block in the generation of the second predicted image.
  • the first interpolation filter and the second interpolation filter may be switched and used.
  • the first interpolation filter and the first interpolation filter in which the number of taps differs from each other according to the size of the block to be decoded.
  • Two interpolation filters can be switched and used. Therefore, it is possible to use an interpolation filter that is more suitable for the block to be decoded, and it is also possible to reduce the memory bandwidth.
  • the circuit determines whether or not the affine mode is used for the decoding target block in the generation of the second predicted image, and determines the size of the decoding target block. Is larger than the threshold size, and it is determined that the affine mode is not used for the decoding target block, or the size of the decoding target block is determined to be larger than the threshold size.
  • the second interpolation is performed. You may select a filter.
  • a second interpolation filter having a shorter tap than when the size of the decoding target block is larger than the threshold size can be used for motion compensation. .. If motion compensation is performed in smaller block units, the number of motion compensations increases and the number of times a sample is read from memory for motion compensation also 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 with shorter taps for smaller blocks, the number of read samples per read can be reduced and the increase in memory bandwidth is suppressed even if the number of sample reads increases. can do.
  • the threshold size may be a 4x4 pixel size.
  • the second interpolation filter can be applied to a block having a size of 4x4 pixels, and the memory bandwidth can be effectively reduced.
  • the first interpolation filter may be an 8-tap filter.
  • an 8-tap filter can be used as the first interpolation filter, and a balance between reduction of processing load and improvement of prediction accuracy can be further achieved.
  • 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 further balance the reduction of the processing load and the improvement of the prediction accuracy.
  • the decoding target block when the affine mode is used for the decoding target block, the decoding target block may be a subblock obtained by dividing the coding unit (CU). Good.
  • the second interpolation filter can be used for the subblocks obtained by dividing the coding unit.
  • the coding device is a coding device that encodes a block to be coded included in an image, and includes a circuit and a memory connected to the circuit.
  • the first motion vector of the first coded block is derived by the affine mode, and the sample value and tap included in the reference picture determined based on the first motion vector.
  • a first predicted image is generated using an interpolation filter having a number of the first value, and the first coded block is encoded based on the first predicted image to obtain a second mode.
  • the second motion vector of the second coded block is derived by a mode different from the affine mode, and the sample value and the number of taps included in the reference picture determined based on the second motion vector are the first.
  • a second predicted image is generated by using an interpolation filter having a second value different from the value of, and the second coded block is encoded based on the second predicted image.
  • interpolation filters having different tap numbers can be used to generate the predicted image. Therefore, it becomes possible to use an interpolation filter suitable for the block to be encoded, and it is possible to achieve a balance between reducing the processing load and improving the prediction accuracy.
  • the 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 is the first in operation.
  • the first motion vector of the first decoding target block is derived by the affine mode, and the sample value and the number of taps included in the reference picture determined based on the first motion vector are the first.
  • a first predicted image is generated by using an interpolation filter which is a value, and the first decoding target block is decoded based on the first predicted image.
  • the mode is different from the affine mode.
  • a second motion vector of the second decoding target block is derived depending on the mode, and the sample value and the number of taps included in the reference picture determined based on the second motion vector are different from the first value.
  • a second predicted image is generated using the interpolation filter which is a value, and the second decoding target block is decoded based on the second predicted image.
  • interpolation filters having different tap numbers can be used to generate the predicted image. Therefore, it is possible to use an interpolation filter suitable for the block to be decoded, and it is possible to achieve a balance between reducing the processing load and improving the prediction accuracy.
  • these comprehensive or specific embodiments may be implemented in a system, device, method, integrated circuit, computer program, or non-temporary recording medium such as a computer-readable CD-ROM, system. , Devices, methods, integrated circuits, computer programs, and any combination of recording media.
  • Embodiments are examples of encoding and decoding devices to which the processes and / or configurations described in each aspect of the present disclosure can be applied.
  • the processing and / or configuration can also be performed in a coding device and a decoding device different from the embodiment.
  • any of the following may be performed.
  • Some of the components constituting the encoding device or the decoding device of the embodiment may be combined with the components described in any of the aspects of the present disclosure. , May be combined with a component that includes 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 of the embodiment, or a component performing a part of the process of the encoding device or the decoding device of the embodiment is the A component described in any one of the embodiments, a component having a part of the functions described in any of the aspects of the present disclosure, or a part of the process described in any of the aspects of the present disclosure. It may be combined or replaced with the components to be implemented.
  • 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.
  • the method of carrying out the processing and / or the configuration described in each aspect of the present disclosure is not limited to the coding device or the decoding device of the embodiment.
  • the processing and / or configuration may be performed in a device used for a purpose different from the moving image coding or video 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 coding device 100 is a moving image coding device that encodes a moving image in block units.
  • the coding device 100 is a device that encodes an image in block units, and includes a dividing unit 102, a subtracting unit 104, a converting unit 106, a quantization unit 108, and entropy coding.
  • Unit 110 inverse quantization unit 112, inverse conversion unit 114, addition unit 116, block memory 118, loop filter unit 120, frame memory 122, intra-prediction unit 124, inter-prediction unit 126, and It includes a predictive control unit 128.
  • the encoding device 100 is realized by, for example, a general-purpose processor and a memory.
  • the processor uses the division unit 102, the subtraction unit 104, the conversion unit 106, the quantization unit 108, the entropy coding unit 110, and the inverse quantization unit 112. , Inverse conversion unit 114, addition unit 116, loop filter unit 120, intra prediction unit 124, inter prediction unit 126, and prediction control unit 128.
  • the coding device 100 includes a division unit 102, a subtraction unit 104, a conversion unit 106, a quantization unit 108, an entropy coding unit 110, an inverse quantization unit 112, an inverse conversion unit 114, an addition unit 116, and a loop filter unit 120.
  • It may be realized as one or more dedicated electronic circuits corresponding to the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • the overall processing flow of the coding device 100 will be described below, and then each component included in the coding device 100 will be described.
  • FIG. 2 is a flowchart showing an example of an overall coding process by the coding device 100.
  • the dividing unit 102 of the coding 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 constituting the selected division pattern. Then, the coding apparatus 100 performs the processing of steps Sa_3 to Sa_9 on each of the plurality of blocks (that is, the block to be coded).
  • a division pattern also referred to as a block shape
  • the prediction processing unit including all or a 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 coded block (also referred to as a current block). (Step Sa_3).
  • the subtraction unit 104 generates the difference between the coded block and the predicted block as a predicted residual (also referred to as a difference block) (step Sa_4).
  • the conversion unit 106 and the quantization unit 108 generate a plurality of quantization coefficients by performing conversion and quantization on the difference block (step Sa_5).
  • a block composed of a plurality of quantization coefficients is also referred to as a coefficient block.
  • the entropy coding unit 110 generates a coded signal by encoding (specifically, entropy coding) the coefficient block and the prediction parameter related to the 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 conversion unit 114 restore a plurality of predicted residuals (that is, difference blocks) by performing inverse quantization and inverse conversion on the coefficient blocks (step Sa_7).
  • the addition 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 performs filtering on the reconstructed image as necessary (step Sa_9).
  • step Sa_10 determines whether or not the coding of the entire picture is completed (step Sa_10), and if it is determined that the coding is not completed (No in step Sa_10), the processing from step Sa_2 is repeatedly executed. To do.
  • the coding apparatus 100 selects one division pattern for a block of a fixed size and encodes each block according to the division pattern, but according to each of the plurality of division patterns. Each block may be encoded. In this case, the coding apparatus 100 evaluates the cost for each of the plurality of division patterns, and for example, a coded signal obtained by coding according to the division pattern having the lowest cost is used as an output coded signal. You may choose.
  • steps Sa_1 to Sa_1 are sequentially performed by the encoding device 100.
  • a plurality of processes of some of those processes may be performed in parallel, or the order of those 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, 128x128). Other fixed block sizes may be adopted. This fixed size block is sometimes referred to as a coded tree unit (CTU).
  • CTU coded tree unit
  • the division unit 102 divides each of the fixed size blocks into variable size (for example, 64x64 or less) blocks based on, for example, recursive quadtree and / or binary tree block division. To do. That is, the division unit 102 selects a division pattern.
  • This variable size block is sometimes referred to as a coding unit (CU), a prediction unit (PU) or a conversion unit (TU).
  • CU, PU and TU need not be distinguished, and a part or all blocks in the picture may be a processing unit of CU, PU and TU.
  • FIG. 3 is a conceptual diagram showing an example of block division in the embodiment.
  • a solid line represents a block boundary by quadtree block division
  • a broken line represents a block boundary by binary tree block division.
  • the block 10 is a square block (128x128 block) having 128x128 pixels.
  • the 128x128 block 10 is first divided into four square 64x64 blocks (quadtree block division).
  • the upper left 64x64 block is further vertically divided into two rectangular 32x64 blocks, and the left 32x64 block is further vertically divided into two rectangular 16x64 blocks (binary 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 64x64 block on the upper right 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). Of the four 32x32 blocks, the upper left block and the lower right block are further divided.
  • the upper left 32x32 block is vertically divided into two rectangular 16x32 blocks, and the right 16x32 block is further divided horizontally into two 16x16 blocks (binary 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 divisions.
  • Such a division is sometimes called a 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).
  • a division including such a ternary tree block division is sometimes called an MBT (multi type tree) division.
  • the pictures may be composed of slices or tiles.
  • the picture composed of slice units or tile units may be composed of the division unit 102.
  • a slice is a basic coding unit that composes a picture.
  • the picture is composed of, for example, one or more slices. Further, the slice is composed of one or more consecutive CTUs (Coding Tree Units).
  • FIG. 4A is a conceptual diagram showing an example of slice configuration.
  • the picture contains 11 x 8 CTUs and is divided into 4 slices (slices 1-4).
  • Slice 1 is composed of 16 CTUs
  • slice 2 is composed of 21 CTUs
  • slice 3 is composed of 29 CTUs
  • slice 4 is composed of 22 CTUs.
  • each CTU in the picture belongs to any slice.
  • the shape of the slice is a horizontally divided picture.
  • the slice boundary does not have to be the screen edge, and may be any of the CTU boundaries within the screen.
  • the processing order (coding order or decoding order) of CTUs in a 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.
  • Each tile may be assigned a number called TileId 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 no tiles are used, multiple CTUs in the picture are processed in raster scan order. If tiles are used, at least one CTU is processed in raster scan order for each of the tiles.
  • 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 the left end of the second row of tile 1. The order is from to the right end of the second row of tile 1.
  • one tile may contain one or more slices, and one slice may contain one or more tiles.
  • the subtraction unit 104 subtracts the prediction signal (prediction sample input from the prediction control unit 128 shown below) from the original signal (original sample) in block units input from the division unit 102 and divided by the division unit 102. .. That is, the subtraction unit 104 calculates the prediction error (also referred to as the residual) of the block to be coded (hereinafter referred to as the current block). Then, the subtraction unit 104 outputs the calculated prediction error (residual) to the conversion unit 106.
  • the prediction error also referred to as the residual of the block to be coded
  • the original signal is an input signal of the encoding device 100, and is a signal representing an image of each picture constituting a moving image (for example, a luminance (luma) signal and two color difference (chroma) signals).
  • the signal representing the image may be referred to as a sample.
  • the conversion unit 106 converts the prediction error in the spatial domain into the conversion coefficient in the frequency domain, and outputs the conversion coefficient to the quantization unit 108. Specifically, the conversion unit 106 performs a predetermined discrete cosine transform (DCT) or discrete sine transform (DST) with respect to the prediction error in the spatial region, for example.
  • DCT discrete cosine transform
  • DST discrete sine transform
  • the predetermined DCT or DST may be predetermined.
  • 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 may be referred to as EMT (exclusive multi-core transform) or AMT (adaptive multi-core transform).
  • EMT exclusive multi-core transform
  • AMT adaptive multi-core 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 the conversion type from the plurality of conversion types may depend on, for example, the type of prediction (intra-prediction and inter-prediction) or the intra-prediction mode.
  • EMT flag or AMT flag Information indicating whether or not to apply such EMT or AMT
  • information indicating the selected conversion type are usually signalized at the CU level.
  • the signalization of this information does not have to be limited to the CU level, and may be at another level (for example, bit sequence level, picture level, slice level, tile level or CTU level).
  • the conversion unit 106 may reconvert the conversion coefficient (conversion result). Such reconversion may be referred to as AST (adaptive separable transform) or NSST (non-separable second transform). For example, the conversion unit 106 reconverts each subblock (for example, 4x4 subblock) included in the block of the conversion coefficient corresponding to the intra prediction error.
  • Information indicating whether or not NSST is applied and information about the transformation matrix used in NSST are usually signalized at the CU level. The signalization 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 or CTU level).
  • Separable conversion is a method in which the number of input dimensions is separated for each direction and conversion is performed multiple times.
  • Non-Separable conversion is a method in which two or more dimensions are input when the input is multidimensional. This is a method in which the conversion is performed collectively by regarding them as one-dimensional.
  • Non-Separable transformation if the input is a 4x4 block, it is regarded as one array with 16 elements, and a 16x16 transformation matrix for that array. There is something like performing conversion processing with.
  • a conversion in which a 4 ⁇ 4 input block is regarded as one array having 16 elements and then Givens rotation is performed a plurality of times on the array. Givens Transform) may be held.
  • the type of the basis to be converted into the frequency domain can be switched according to the region in the CU.
  • SVT spatialally Varying Transfer
  • CU is divided into two equal parts in the horizontal or vertical direction, and only one of the regions is converted into the frequency domain.
  • the type of conversion basis can be set for each region, for example, DST7 and DCT8 are used. In this example, only one of the two regions in the CU is converted and the other is not converted, but both regions may be converted.
  • the division method can be made more flexible by not only dividing into two equal parts but also by dividing into four equal parts or by separately encoding information indicating the division and signaling in the same manner as the CU division.
  • the SVT may also be referred to as an SBT (Sub-block Transform).
  • the quantization unit 108 quantizes the conversion coefficient output from the conversion unit 106. Specifically, the quantization unit 108 scans the conversion coefficient of the current block in a predetermined scanning order, and quantizes the conversion coefficient based on the quantization parameter (QP) corresponding to the scanned conversion coefficient. Then, the quantization unit 108 outputs the quantized conversion coefficient of the current block (hereinafter referred to as the quantization coefficient) to the entropy coding unit 110 and the inverse quantization unit 112.
  • the predetermined scanning order may be predetermined.
  • the predetermined scanning order is the order for quantization / inverse quantization of the conversion coefficient.
  • a predetermined scanning order may be defined in ascending order of frequency (low frequency to high frequency order) or descending order (high frequency to low frequency order).
  • the quantization parameter is a parameter that defines the quantization step (quantization width). For example, as the value of the quantization parameter increases, so does the quantization step. That is, as the value of the quantization parameter increases, the quantization error increases.
  • a quantization matrix may be used for quantization.
  • quantization matrices may be used corresponding to frequency conversion sizes such as 4x4 and 8x8, prediction modes such as intra-prediction and inter-prediction, and pixel components such as luminance and color difference.
  • Quantization refers to digitizing values sampled at predetermined intervals in association with a predetermined level, and is referred to in this technical field by using other expressions such as rounding, rounding, and scaling. You may adopt rounding, rounding, and scaling. Predetermined intervals and levels may be predetermined.
  • the quantization matrix As a method of using the quantization matrix, there are a method of using the quantization matrix set directly on the encoder side and a method of using the default quantization matrix (default matrix). On the encoder side, 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 coding amount increases due to the coding of the quantization matrix.
  • the quantization matrix may be specified 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
  • SPS and PPS are sometimes referred to simply as parameter sets.
  • the entropy coding unit 110 generates a coded signal (coded bit stream) based on the quantization coefficient input from the quantization unit 108. Specifically, the entropy coding unit 110, for example, binarizes the quantization coefficient, arithmetically encodes the binary signal, and outputs a compressed bit stream or sequence.
  • the dequantization unit 112 dequantizes the quantization coefficient input from the quantization unit 108. Specifically, the inverse quantization unit 112 inverse-quantizes the quantization 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 conversion unit 114 restores the prediction error of the current block by performing an inverse conversion corresponding to the conversion by the conversion unit 106 with respect to the conversion coefficient. Then, the inverse conversion unit 114 outputs the restored prediction error to the addition unit 116.
  • the restored prediction error does not match the prediction error calculated by the subtraction unit 104 because the information is usually lost due to quantization. That is, the restored prediction error usually includes the quantization error.
  • the addition unit 116 reconstructs the current block by adding the prediction error input from the inverse conversion 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, for example, a storage unit that stores a block that is referred to in intra prediction and that is within 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 for storing a reference picture used for inter-prediction, and is sometimes called a frame buffer. Specifically, the frame memory 122 stores the reconstruction block filtered by the loop filter unit 120.
  • the loop filter unit 120 applies a loop filter to the block reconstructed by the addition 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 coded 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 is applied to remove coding distortion, for example, for each 2x2 subblock in the current block, multiple based on the direction of the local gradient and the activity.
  • One filter selected from the filters is applied.
  • subblocks for example, 2x2 subblocks
  • a plurality of classes for example, 15 or 25 classes.
  • the direction value D of the gradient is derived, for example, by comparing the 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 subblock is determined from the plurality of filters.
  • a circularly symmetric shape is used as the shape of the filter used in ALF.
  • 6A-6C are views showing a plurality of examples of filter shapes used in ALF.
  • FIG. 6A shows a 5x5 diamond-shaped filter
  • FIG. 6B shows a 7x7 diamond-shaped filter
  • FIG. 6C shows a 9x9 diamond-shaped filter.
  • 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 other levels (for example, sequence level, slice level, tile level, CTU level or CU level).
  • ALF on / off may be determined, for example, at the picture level or the CU level. For example, it may be determined whether or not to apply ALF at the CU level for luminance, and whether or not to apply ALF at the picture level for color difference.
  • Information indicating ON/OFF of ALF is usually signaled at a picture level or a CU level. The signalization of the information indicating the on / off of ALF does not have to be limited to the picture level or the CU level, and may be at other levels (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 at other levels (eg, sequence level, slice level, tile level, CTU level, CU level or subblock level).
  • the loop filter unit 120 reduces the distortion generated at the block boundary by performing the filtering process on 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 When the boundary determination unit 1201 determines that the target pixel exists near the block boundary, the switch 1202 outputs the image before the filter processing to the switch 1204. On the contrary, when the boundary determination 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 or not to perform deblocking filter processing on the target pixel based on the pixel value of at least one peripheral pixel in the vicinity of 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 deblocked and filtered, the switch 1204 outputs the image before the filter processing acquired via the switch 1202 to the filter processing unit 1205. On the contrary, when the filter determination unit 1203 determines that the target pixel is not subjected to the deblocking filter process, the switch 1204 outputs the image before the filter process acquired via the switch 1202 to the switch 1206.
  • the filter processing unit 1205 When the image before filtering is acquired via the switches 1202 and 1204, the filter processing unit 1205 performs the deblocking filtering process 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 filtered pixels to the switch 1206.
  • the switch 1206 selectively outputs the pixels that have not been deblocked and filtered by the processing determination unit 1208 and the 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 respective determination results of the boundary determination unit 1201 and the filter determination unit 1203. That is, when the processing determination unit 1208 determines that the target pixel exists near the block boundary by the boundary determination unit 1201 and that the target pixel is subjected to the deblocking filter processing by the filter determination unit 1203. , The pixel subjected to 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 repeating such pixel output, 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 filter characteristic symmetrical with respect to a block boundary.
  • one of two deblocking filters having different characteristics is selected by using the pixel value and the quantization parameter.
  • the strong filter as shown in FIG. 8, when the pixels p0 to p2 and the pixels q0 to q2 are present across the block boundary, the pixel values of the pixels q0 to q2 are, for example, the operations shown in the following equation. By performing the above, the pixel values are changed to q'0 to q'2.
  • p0 to p2 and q0 to q2 are pixel values of pixels p0 to p2 and pixels q0 to q2, respectively.
  • q3 is a pixel value of pixel q3 adjacent to pixel q2 on the side opposite to the block boundary.
  • the coefficient multiplied by the pixel value of each pixel used for the deblocking filter processing is the filter coefficient.
  • the clip processing may be performed so that the pixel value after the calculation is not set exceeding the threshold value.
  • the pixel value after the calculation by the above formula is clipped to "calculation target pixel value ⁇ 2 ⁇ threshold value" using the threshold value determined from the quantization parameter. This makes it possible to prevent excessive smoothing.
  • 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 a PU (Prediction Unit) or a TU (Transform Unit) of an 8 ⁇ 8 pixel block as shown in FIG.
  • the deblocking filtering process may be performed in units of 4 rows or 4 columns.
  • the Bs (Boundary Strength) value is determined for the blocks P and Q shown in FIG. 9 as shown in FIG.
  • the deblocking filter processing 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. Predetermined conditions may be predetermined.
  • the Bs value determination condition is not limited to that 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 coding apparatus 100.
  • the prediction processing unit is composed of all or a part 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 referred to as 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 prediction block, a difference block, a coefficient block, a difference block, and a decoded image block, and reconstructs an already obtained reconstructed image. Is used to generate a predicted image of the current block.
  • the reconstructed image may be, for example, an image of a reference picture, or an image of a coded 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 prediction image by the first method (step Sc_1a), generates a prediction image by the second method (step Sc_1b), and generates a prediction image by the third method (step Sc_1c).
  • the first method, the second method, and the third method are different methods for generating a prediction image, and are, for example, an inter prediction method, an intra prediction method, and other prediction methods, respectively. There may be. In these prediction methods, the above-mentioned reconstructed image 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 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.
  • 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 predicted images after generating the predicted image by each method. However, before generating those prediction images, the prediction processing unit selects a method or mode based on the parameters used in the above-mentioned coding process, and generates the prediction image according to the method or mode. May be good.
  • the first method and the second method are intra prediction and inter prediction, respectively, and the prediction processing unit obtains a final prediction image for the current block from the prediction images generated according to these prediction methods. You may choose.
  • FIG. 13 is a flowchart showing another example of processing performed by the prediction processing unit of the coding apparatus 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 prediction image generated by the intra prediction is also referred to as an intra prediction image
  • the prediction image generated by the inter prediction is also referred to as an inter prediction image.
  • the prediction processing unit evaluates each of the intra prediction image and the inter prediction image (step Sd_2). Costs 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 a code amount generated in the predicted image, and specifically, is a code amount required for coding motion information or the like for generating a 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 performing intra prediction (also referred to as in-screen prediction) of the current block with reference to a block in the current picture stored in the block memory 118. Specifically, the intra prediction unit 124 generates an intra prediction signal by performing intra prediction with reference to a sample of a block adjacent to the current block (for example, a luminance value and a color difference value), and predicts and controls the intra prediction signal. Output to unit 128.
  • intra prediction signal intra prediction signal
  • intra prediction also referred to as in-screen prediction
  • the intra prediction unit 124 performs intra prediction using one of a plurality of prescribed intra prediction modes.
  • the plurality of intra prediction modes usually include one or more non-directional prediction modes and a plurality of directional prediction modes.
  • the plurality of prescribed modes may be prescribed in advance.
  • One or more non-directional prediction modes are, for example, H. It includes Planar prediction mode and DC prediction mode defined in the H.265/HEVC standard.
  • Multiple directional prediction modes are, for example, H. Includes 33 direction prediction modes as defined by the 265 / HEVC standard.
  • the plurality of directional prediction modes may include 32 directions (65 directional prediction modes in total) in addition to the 33 directions.
  • FIG. 14 is a conceptual diagram showing a total of 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 H. It represents the 33 directions defined by the 265 / HEVC standard, and the dashed arrows represent the additional 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 of the color difference block that refers to such a luminance block (for example, called CCLM mode) 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 (prophecy departure intra-prescription combination). Information indicating whether or not PDPC is applied (for example, called a PDPC flag) is usually signalized at the CU level. Note that the signaling of this information need not be limited to the CU level, but may be at other levels (eg, sequence level, picture level, slice level, tile level or CTU level).
  • the inter-prediction unit 126 refers to a reference picture stored in the frame memory 122 and is different from the current picture, and performs inter-prediction (also referred to as inter-screen prediction) of the current block, thereby performing a prediction signal (inter-screen prediction). Prediction signal) is generated.
  • the inter prediction is performed in units of the current block or the current sub block (for example, 4 ⁇ 4 block) in the current block.
  • the inter-prediction unit 126 performs motion estimation on the current block or the current sub-block in the reference picture, and finds the reference block or sub-block that best matches the current block or the current sub-block.
  • the inter prediction unit 126 acquires motion information (for example, motion vector) that compensates for motion or change from the reference block or subblock to the current block or subblock.
  • 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 predicted motion vector 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 prediction image (steps Se_1 to Se_3). Next, the subtraction unit 104 generates the difference between the current block and the predicted image as the predicted residual (step Se_4).
  • the inter-prediction unit 126 generates the prediction image by determining the motion vector (MV) of the current block (steps Se_1 and Se_2) and performing motion compensation (step Se_3). To do. Further, in determining the MV, the inter-prediction unit 126 determines the MV by selecting the 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. Further, in MV derivation, 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 at least one candidate MV. You may.
  • 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 for 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 processing such as step Se_1 or step Se_2 may be performed by other components included in the coding apparatus 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 in which motion information (for example, MV) is encoded.
  • motion information for example, MV
  • motion information is encoded as a prediction parameter and signalized. That is, the coded motion information is included in the coded signal (also referred to as a coded bit stream).
  • the inter-prediction unit 126 derives the MV in a mode in which the 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, an affine mode, etc., which will be described later.
  • modes for encoding motion information include a normal intermode, a merge mode, and an affine mode (specifically, an affine intermode and an affine merge mode).
  • the motion information may include not only the MV but also the motion vector predictor selection information described later.
  • a mode in which motion information is not encoded includes a FRUC mode and 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 deriving the motion vector.
  • the inter-prediction unit 126 derives the MV of the current block in the mode of encoding the difference MV.
  • the difference MV is encoded 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 the 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 mode includes a normal inter mode, a merge mode, a FRUC mode, and an affine mode, which will be described later.
  • modes for encoding the difference MV include a normal intermode and an affine mode (specifically, an affine intermode).
  • the mode in which the difference MV is not encoded includes a FRUC mode, a merge mode, an affine mode (specifically, an affine merge mode) and 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. 18 is a flowchart showing another example of motion vector derivation.
  • the MV derivation mode There are a plurality of modes in the MV derivation mode, that is, the inter prediction mode, and they are roughly classified into a mode in which the difference MV is encoded and a mode in which the difference motion vector is not encoded.
  • Modes in which the difference MV is not encoded include a merge mode, a FRUC mode, and an affine mode (specifically, an affine merge mode).
  • the merge mode is a mode in which the MV of the current block is derived by selecting a motion vector from the peripheral encoded blocks
  • the FRUC mode is a mode in which the MV of the current block is derived. This is a mode for deriving the MV of the current block by performing a search between encoded areas.
  • the affine mode is a mode in which the motion vector of each of the plurality of subblocks constituting the current block is derived as the MV of the current block, assuming the affine transformation.
  • the inter-prediction unit 126 derives a motion vector in the merge mode when the inter-prediction mode information indicates 0 (0 in Sf_1) (Sf_2). Further, 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 inter-prediction mode information indicates 0 (0 in Sf_1) (Sf_2). Further, when the inter-prediction mode information indicates 1 (1 in Sf_1), the inter-prediction unit 126 derives a motion vector in
  • 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 acquires a plurality of candidate MVs for the current block based on information such as MVs of a plurality of encoded blocks around 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 determines each of N (N is an integer of 2 or more) candidate MVs among 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 (step Sg_2). The priority may be predetermined for each of the N candidate MVs.
  • the inter-prediction unit 126 selects one predicted motion vector candidate from the N predicted motion vector candidates as the predicted motion vector (also referred to as predicted MV) of the current block (step Sg_3). At this time, the inter-prediction unit 126 encodes the predicted motion vector selection information for identifying the selected predicted motion vector into the stream.
  • the stream is the above-mentioned coded signal or coded bit stream.
  • the inter-prediction unit 126 refers to the encoded 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 predicted motion vector into the stream as the difference MV.
  • the coded reference picture is a picture composed of a plurality of blocks reconstructed after coding.
  • the inter-prediction unit 126 generates a prediction image of the current block by performing motion compensation for the current block using the derived MV and the encoded reference picture (step Sg_5).
  • the prediction image is the above-mentioned inter-prediction signal.
  • the information including the coded signal indicating the inter-prediction mode (normal inter-mode in the above example) used for generating the prediction image is encoded as, for example, a prediction parameter.
  • the candidate MV list may be commonly used with lists used for other modes. Further, the process related to the candidate MV list may be applied to the process related to the list used in other modes.
  • 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, deletion of candidate MVs, and the like.
  • the merge mode is an inter-prediction mode in which the candidate MV is derived from the candidate MV list by selecting the candidate MV as the MV of the current block.
  • FIG. 20 is a flowchart showing an example of inter-prediction in the merge mode.
  • the inter-prediction unit 126 acquires a plurality of candidate MVs for the current block based on information such as MVs of a plurality of encoded blocks around 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 the stream.
  • the inter-prediction unit 126 generates a prediction image of the current block by performing motion compensation for the current block using the derived MV and the encoded reference picture (step Sh_3).
  • the information including the coded signal indicating the inter-prediction mode (merge mode in the above example) used for generating the prediction 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.
  • Candidates for the prediction MV include the spatially adjacent prediction MV, which is the MV of a plurality of coded blocks located spatially around the target block, and the block in the vicinity that projects the position of the target block in the coded reference picture.
  • a time-adjacent prediction MV which is an MV having the MV
  • a combination prediction MV which is an MV generated by combining the MV values of the space-adjacent prediction MV and the time-adjacent prediction MV
  • a zero prediction MV which is an MV having a value of zero.
  • variable length coding unit the message_idx, which is a signal indicating which predicted MV is selected, is described in the stream and encoded.
  • 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 drawing, or may be a configuration that does not include some types of the prediction MV in the drawing.
  • the configuration may be such that a predicted MV other than the type of predicted MV in the figure is added.
  • the final MV may be determined by performing a DMVR (decoder motion vector refinement) process described later using the MV of the target block derived by the merge mode.
  • DMVR decoder motion vector refinement
  • the candidate for 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.
  • merge_idx is MV selection information.
  • the motion information may be derived on the decoding device side without being signalized from the coding device side.
  • H The merge mode specified in the 265 / HEVC standard may be used.
  • motion information may be derived by performing motion search on the decoding device side. In the embodiment, the decoding device side performs the motion search without using the pixel value of the current block.
  • the mode in which the motion search is performed on the decoding device side may be 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
  • FIG. 22 shows an example of FRUC processing in the form of a flowchart.
  • a list of a plurality of candidates ie, a candidate MV list, each of which has a predicted motion vector (MV)). (May be common with 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.
  • a motion vector for the current block is derived based on the selected candidate motion vector (step Si_4).
  • the motion vector of the selected candidate is derived as it is as a motion vector for the current block.
  • a motion vector for the current block may be derived by performing pattern matching in the peripheral region of the position in the reference picture corresponding to the selected candidate motion vector. That is, the area around the best candidate MV is searched for using the pattern matching in the reference picture and the evaluation value, 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 configure the configuration so that the process of updating to the MV having a better evaluation value is not performed.
  • the inter-prediction unit 126 generates a prediction image of the current block by performing motion compensation for the current block using the derived MV and the encoded reference picture (step Si_5).
  • the evaluation value may be calculated by various methods. For example, a reconstructed image of a region in a reference picture corresponding to a motion vector and a predetermined region (that region is, for example, the region of another reference picture or the region of an adjacent block of the current picture, 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 by 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 the start point of the search by pattern matching.
  • a first pattern matching or a second pattern matching can be used as the pattern matching.
  • the first pattern matching and the second pattern matching may be referred to as bilateral matching (bilateral matching) and template matching (template matching), respectively.
  • MV derivation>FRUC> Bilateral matching In the first pattern matching, pattern matching is performed between two blocks in two different reference pictures, which are along a motion trajectory of the current block. Therefore, in the first pattern matching, a region in another reference picture along the movement trajectory of the current block is used as a predetermined region for calculating the evaluation value of the candidate described above.
  • 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 two blocks along the motion trajectory of the current block (Cur block) are included in a pair of two blocks in two different reference pictures (Ref0, Ref1).
  • 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 the candidate MV having the best evaluation value among the plurality of candidate MVs as the final MV, which can bring about good results.
  • the motion vector (MV0, MV1) pointing to the two reference blocks is the temporal distance between the current picture (Cur Pic) and the two reference pictures (Ref0, Ref1). It is proportional to (TD0, TD1).
  • the first pattern matching is a mirror-symmetric bidirectional motion vector. Is derived.
  • 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).
  • the motion vector of is derived.
  • the reconstructed image of the left adjacent and/or upper adjacent encoded areas and the equivalent in the encoded reference picture (Ref0) designated by the candidate MV are equal.
  • the difference with 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.
  • Information indicating whether or not to apply such a FRUC mode may be signalized 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 signalized at the CU level. .. Note that the signaling of this information does not have to be limited to the CU level and may be at other levels (eg, sequence level, picture level, slice level, tile level, CTU level or subblock level). ..
  • FIG. 25A is a conceptual diagram for explaining an example of deriving 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 subblock.
  • two motion vectors v0 and v1 may be projected by the following equation (1A), and motion vectors (vx, vy) of each subblock in the current block may be derived.
  • 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 signalized 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 (for example, a sequence level, a picture level, a slice level, a tile level, a CTU level or a sub-block level). You may.
  • 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 deriving a motion vector in sub-block units in an affine mode having three control points.
  • 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, and similarly, the motion vector v1 of the upper right corner control point of the current block is adjacent based on the motion vector of the adjacent block.
  • the motion vector v2 of the lower left angle 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 by the following equation (1B), and the motion vectors (vx, vy) of each subblock in the current block may be derived.
  • x and y indicate the horizontal position and the vertical position of the center of the subblock, respectively, w indicates the width of the current block, and h indicates the height of the current block.
  • Affine modes with different numbers of control points may be switched at the CU level and signaled. Even if the information indicating the number of control points in the affine mode used at the CU level is signalized at another level (for example, sequence level, picture level, slice level, tile level, CTU level or subblock 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.
  • FIG. 26A, 26B and 26C are conceptual diagrams for explaining the affine merge mode.
  • coded block A left
  • block B upper
  • block C upper right
  • block D lower left
  • block E upper left
  • the predicted motion vectors of the control points of the current block are calculated based on the plurality of motion vectors corresponding to the blocks encoded in the affine mode. Specifically, these blocks are inspected in the order of encoded block A (left), block B (top), block C (upper right), block D (lower left) and block E (upper left) in affine mode. The first valid coded block 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.
  • this predicted motion vector deriving method may be used for deriving the predicted motion vector of each control point of the current block in step Sj_1 of FIG. 29, which will be described later.
  • FIG. 27 is a flowchart showing an example of the affine merge mode.
  • the inter-prediction unit 126 derives each prediction MV of the control point of the current block (step Sk_1).
  • the control points are the upper left corner and upper right corner points of the current block as shown in FIG. 25A, or the upper left corner, upper right corner and lower left corner point of the current block as shown in FIG. 25B.
  • the inter-prediction unit 126 performs the encoded block A (left), block B (top), block C (upper right), block D (lower left), and block E (upper left) in that order. Inspect these blocks to identify the first valid block encoded in affine mode.
  • the inter-prediction unit 126 uses the motion vectors v3 of the upper left corner and the upper right corner of the coded block including the block A and the motion vectors v3. 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. For example, 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 to display the predicted motion vector v0 of the control point of the upper left corner of the current block and the upper right corner. The predicted motion vector v1 of the angle control point is calculated.
  • the inter-prediction unit 126 moves the upper left, upper right, and lower left corners of the coded block containing block A. From the vectors v3, v4 and v5, the motion vector v0 of the control point in the upper left corner of the current block, the motion vector v1 of the control point in the upper right corner, and the motion vector v2 of the control point in the lower left corner are calculated. For example, the inter-prediction unit 126 projects the motion vectors v3, v4, and v5 of the upper left corner, upper right corner, and lower left corner of the coded block onto the current block to predict the movement 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 in the upper right corner, and the motion vector v2 of the control point in the lower left corner are calculated.
  • the inter-prediction unit 126 performs motion compensation for each of the plurality of sub-blocks included in the current block. That is, the inter-prediction unit 126 has two predicted motion vectors v0 and v1 and the above equation (1A), or three predicted motion vectors v0, v1 and v2 and the above equation (1B) for each of the plurality of subblocks. ) And, the motion vector of the subblock is calculated as an affine MV (step Sk_2). Then, the inter-prediction unit 126 uses the affine MVs and the encoded reference pictures to perform motion compensation for the subblocks (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 predicts the control point in the upper left corner of the current block. It is used as a motion vector v0.
  • a motion vector selected from the motion vectors of the encoded blocks D and E adjacent to the current block is used as the predicted motion vector v1 of the control point in the upper right corner of the current block.
  • FIG. 28B is a conceptual diagram for explaining an affine intermode having three control points.
  • the motion vector selected from the motion vectors of the encoded blocks A, B and C adjacent to the current block predicts the control point in the upper left corner of the current block. It is used as a motion vector v0.
  • a motion vector selected from the motion vectors of the encoded blocks D and E adjacent to the current block is used as the predicted motion vector v1 of the control point in the upper right corner of the current block.
  • the motion vector selected from the motion vectors of the coded blocks 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 angle of the current block.
  • FIG. 29 is a flowchart showing an example of the affine intermode.
  • 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). As shown in FIG. 25A or FIG. 25B, the control point is a point at the upper left corner, the upper right corner, or the lower left corner of the current block.
  • the inter-prediction unit 126 predicts the control point of the current block by selecting the motion vector of any of the coded blocks in the vicinity of each control point of the current block shown in FIG. 28A or FIG. 28B.
  • the motion vector (v0, v1) or (v0, v1, v2) is derived.
  • the inter-prediction unit 126 encodes the predicted motion vector selection information for identifying the two selected motion vectors into a stream.
  • the inter-prediction unit 126 determines which block motion vector is selected as the predicted motion vector of the control point from the encoded blocks adjacent to the current block by using cost evaluation or the like, and which predicted motion vector is selected. A flag indicating whether the selection has been made may be described in the bitstream.
  • the inter-prediction unit 126 performs motion search (steps Sj_3 and Sj_4) while updating the predicted motion vectors selected or derived in step Sj_1, respectively (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 for each subblock using the affine MV and the encoded reference picture (step Sj_4).
  • the inter-prediction unit 126 determines, for example, the predicted motion vector at which the lowest cost can be obtained as the motion vector of the control point (step Sj_5). At this time, the inter-prediction unit 126 further encodes the difference value between the determined MV and the predicted motion vector into the stream as the difference MV.
  • the inter-prediction unit 126 generates a prediction image of the current block by performing motion compensation for the current block using the determined MV and the encoded reference picture (step Sj_6).
  • FIGS. 30A and 30B are conceptual diagrams for explaining a method of deriving a prediction vector of control points when the number of control points is different between the encoded block and the current block.
  • the current block has three control points of the upper left corner, the upper right corner, and the lower left corner, and the block A adjacent to the left of the current block is encoded in affine mode having two control points. If so, the motion vectors v3 and v4 projected at the positions of the upper left corner and the upper right corner of the coded block including the block A are derived. Then, from the derived motion vectors v3 and v4, the predicted motion vector v0 of the control point in the upper left corner of the current block and the predicted motion vector v1 of the control point in the upper right corner are calculated. Further, the predicted motion vector v2 of the control point at the lower left angle is calculated from the derived motion vectors v0 and v1.
  • the current block is encoded in an affine mode having two control points, an upper left corner and an upper right corner, and block A adjacent to the left of the current block has 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 coded block including the block A are derived.
  • the predicted motion vector v0 of the control point in the upper left corner of the current block and the predicted motion vector v1 of the control point in the upper right corner are calculated.
  • This predicted motion vector deriving method may be used for deriving the predicted motion vector of each control point of the current block in step Sj_1 of FIG. 29.
  • 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 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 MV.
  • the optimum 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 the encoded picture in the L0 direction.
  • the reference pixel is specified from the second reference picture (L1) which is the encoded picture in the L1 direction.
  • a template is generated by averaging these reference pixels.
  • the peripheral regions of the candidate MVs of the first reference picture (L0) and the second reference picture (L1) are searched respectively, and the MV having 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.
  • the coding device and the decoding device described later basically have the same processing configuration and operation described here.
  • 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 generating 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 generating 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 prediction image (step Sn_2) and determines whether or not to perform correction processing (step Sn_3). Here, when the inter-prediction unit 126 determines that the correction process is to be performed (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 that the correction process is not performed (No in step Sn_3), the inter-prediction unit 126 outputs the predicted image as a final predicted image without correcting it (step Sn_5).
  • the mode is, for example, LIC described later.
  • FIG. 34 is a flowchart showing another example of generating 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 or not to perform the luminance correction process (step So_2). Here, when the inter-prediction unit 126 determines that the luminance correction process is to be performed (Yes in step So_2), the inter-prediction unit 126 generates a predicted image while performing the luminance 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 that the brightness correction process is not performed (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).
  • An inter-prediction signal may be generated by 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, by adding the prediction signal based on the motion information (in the reference picture) obtained by the motion search and the prediction signal based on the motion information of the adjacent block (in the current picture) by weighting, the current An inter-prediction signal may be generated for each sub-block within a block.
  • Such inter-prediction (motion compensation) is sometimes called OBMC (overlapped block motion compensation).
  • information indicating the size of the subblock for OBMC may be signalized at the sequence level. Further, information indicating whether or not to apply the OBMC mode (for example, called an OBMC flag) may be signalized at the CU level.
  • the signalization level of this information does not have to be limited to the sequence level and the CU level, and may be other levels (for example, picture level, slice level, tile level, CTU level or subblock 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) 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.
  • the arrow “MV” points to 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 coded target block to acquire 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 correction of the predicted image is performed by superimposing the two predicted images Pred and Pred_L. This has the effect of mixing the boundaries between adjacent blocks.
  • the motion vector (MV_U) already derived for the encoded upper adjacent block is applied (reused) to the coded target block to acquire the predicted 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 superposed on the predicted image (for example, Pred and Pred_L) that has been corrected for the first time, so that the predicted image is corrected for the second time. This has the effect of mixing 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 the adjacent blocks are mixed (smoothed).
  • the above example is a two-pass correction method using blocks adjacent to the left and above, but the correction method is a three-pass or more pass method using blocks adjacent to the right and / or adjacent to the bottom. It may be the correction method of.
  • the area to be superimposed may not be the pixel area of the entire block, but only a part of the area near the block boundary.
  • the OBMC prediction image correction process for obtaining one prediction image Pred by superimposing additional prediction 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 the target block belongs to a complex region of motion.
  • the value 1 is set as obmc_flag and OBMC processing is applied to perform coding.
  • the coding device does not belong to the complicated region of movement, it is set as obmc_flag.
  • the value 0 is set and the block is encoded without applying the 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 prediction image for the rectangular current block.
  • the inter-prediction unit 126 generates a plurality of prediction images having a shape different from that of the rectangle with respect to the current block of the rectangle, and generates a final prediction image of the rectangle by combining the plurality of prediction images.
  • the shape different from the rectangle may be, for example, a triangle.
  • FIG. 37 is a conceptual diagram for explaining the generation of the predicted images of the two triangles.
  • the inter-prediction unit 126 generates a triangle prediction image by performing motion compensation for the first partition of the triangle in the current block using the first MV of the first partition. Similarly, the inter-prediction unit 126 generates a triangle prediction image by performing motion compensation on the second partition of the triangle in the current block using the second MV of the second partition. Then, the inter prediction unit 126 generates a prediction image having the same rectangle as the current block by combining these prediction images.
  • the first partition and the second partition are triangular, but they may be trapezoidal or have different shapes. Further, in the example shown in FIG. 37, 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 by using the predicted image in the first partition and the predicted image in the second partition.
  • the predicted image is generated by inter-prediction for both partitions, but the predicted image may be generated by intra-prediction for at least one partition.
  • BIO basic-directional optical flow
  • FIG. 38 is a conceptual diagram for explaining a model assuming constant velocity linear motion.
  • (vx, by) indicates a velocity vector
  • ⁇ 0 and ⁇ 1 indicate the temporal distances between the current picture (Cur Pic) and the 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 time derivative of the luminance value, (ii) the product of the horizontal velocity and the horizontal component of the spatial gradient of the reference image, and (iii) the vertical velocity and the spatial gradient of the reference image. We show that the sum of the product of the vertical components of is equal to zero. Based on the combination of this optical flow equation and Hermite interpolation, 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 derivation of the motion vector based on the model assuming constant velocity linear motion.
  • a motion vector may be derived in subblock 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 luminance correction process by the LIC process.
  • 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 brightness value has changed between the reference picture and the current picture is extracted.
  • This extraction is performed using the luminance pixel values of the coded left adjacent reference area (peripheral reference area) and the coded 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 same position. Then, the brightness correction parameter is calculated using the information indicating how the brightness value has changed.
  • a predicted image for the current block is generated by performing a brightness correction process that applies the brightness correction parameter to the reference image in the reference picture specified by the MV.
  • the shape of the peripheral reference region in FIG. 39 is an example, and other shapes may be used.
  • the process of generating the predicted image from one reference picture has been described here, the same applies to the case where the predicted image is generated 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 performing the luminance correction process in the same manner as in the above.
  • lic_flag is a signal indicating whether or not to apply the LIC processing.
  • the value is set as lic_flag. 1 is set and LIC processing is applied to perform coding, and if it does not belong to the region where the luminance change occurs, a value 0 is set as lic_flag and coding 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 or not to apply the LIC processing for example, there is also a method of determining whether or not the LIC processing is applied in the peripheral block.
  • determining whether or not the LIC processing is applied in the peripheral block.
  • the peripheral encoded blocks selected when deriving the MV in the merge mode processing are encoded by applying the LIC processing. ..
  • Encoding is performed by switching whether or not to apply the LIC process 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 acquiring a reference image corresponding to a coded target block from a reference picture which is a coded picture.
  • the inter-prediction unit 126 generates a prediction image for the coded block by performing brightness correction processing on the reference image in the reference picture specified by the motion vector using the brightness correction parameter.
  • the luminance pixel value in the reference image is p2
  • the luminance pixel value of the predicted image after the luminance 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. Moreover, a part of the peripheral reference area shown in FIG. 39 may be used. For example, a region including a predetermined number of pixels thinned out from each of the upper adjacent pixel and the left adjacent pixel may be used as the peripheral reference region. Further, the peripheral reference area is not limited to the area adjacent to the coded target block, and may be an area not adjacent to the coded target block. A 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 coded target picture from the peripheral reference area in the coded target picture, but is represented by another motion vector. It may be a designated area.
  • the other motion vector may be a motion vector of a peripheral reference region in the picture to be encoded.
  • the LIC processing may be applied not only to the luminance but also to the color difference.
  • correction parameters may be derived individually for each of Y, Cb, and Cr, or a common correction parameter may be used for any of them.
  • the LIC processing may be applied in units of subblocks.
  • the correction parameter may be derived using the peripheral reference area of the current subblock and the peripheral reference area of the reference subblock in the reference picture specified by the MV of the current subblock.
  • the prediction control unit 128 selects either an intra prediction signal (a signal output from the intra prediction unit 124) or an inter prediction signal (a signal output from the inter prediction unit 126), and subtracts the selected signal as a prediction signal. Output to unit 104 and addition unit 116.
  • the prediction control unit 128 may output the prediction parameters input to the entropy coding unit 110.
  • the entropy coding unit 110 may generate a coded bit stream (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 the coded bit stream, decode it, and 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. Any index, flag, or value based on or indicative of the prediction process performed at 128 may be included.
  • FIG. 40 is a block diagram showing an implementation example of the coding device 100.
  • the coding 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. 40.
  • 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 coding device 100 shown in FIG. 1 and the like.
  • the memory a2 is a dedicated or general-purpose memory in which information for the processor a1 to encode a moving image is stored.
  • the memory a2 may be an electronic circuit or 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. Further, the memory a2 may be a magnetic disk, an optical disk, or the like, or may be expressed as a storage, a recording medium, or the like. Further, the memory a2 may be a non-volatile memory or a volatile memory.
  • the encoded moving image may be stored in the memory a2, or the bit string corresponding to the encoded moving image may be stored.
  • the memory a2 may store a program for the processor a1 to encode a moving image.
  • the memory a2 may serve as 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 reconstructed block, the reconstructed picture, and the like may be stored in the memory a2.
  • not all of the plurality of components shown in FIG. 1 and the like may be mounted, 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 moving images 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 decoding device 200 is realized by, for example, a general-purpose processor and a memory.
  • the processor uses the entropy decoding unit 202, the inverse quantization unit 204, the inverse conversion unit 206, the addition unit 208, the loop filter unit 212, and the intra prediction unit. It functions as 216, an inter-prediction unit 218, and a prediction control unit 220.
  • the decoding device 200 is dedicated to the entropy decoding unit 202, the inverse quantization unit 204, the inverse conversion unit 206, the addition unit 208, the loop filter unit 212, the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220. It may be realized as one or more electronic circuits of.
  • FIG. 42 is a flowchart showing an example of the overall decoding process 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 coding apparatus 100.
  • the decoding device 200 performs the processes of steps Sp_2 to Sp_6 for each of the plurality of blocks constituting 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 conversion unit 206 restore a plurality of predicted residuals (that is, difference blocks) by performing inverse quantization and inverse conversion on a plurality of quantization 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).
  • step Sp_7 determines whether or not the decoding of the entire picture is completed (step Sp_7), and if 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 these processes may be performed in parallel, or the order may be changed.
  • the entropy decoding unit 202 entropy decodes the coded bit stream. Specifically, the entropy decoding unit 202 arithmetically decodes a coded bitstream into a binary signal, for example. Then, the entropy decoding unit 202 multivalues 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 parameters included in the coded bit stream (see FIG. 1) to the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 in the embodiment. The intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 can execute the same prediction processing as the processing 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 inverse quantization coefficient (that is, the conversion coefficient) of the current block to the inverse conversion 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 transformation unit 206 determines the current block based on the information denoting the deciphered transformation type. Invert the transformation coefficient of.
  • 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 input from the inverse conversion unit 206 and the prediction sample 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 that stores 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 block reconstructed by the addition unit 208, and outputs the filtered reconstructed block to the frame memory 214, the display device, and the like.
  • one filter is selected from among the filters based on the direction of the local gradient and the activity. The selected filter is applied to the reconstructed 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 a part 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 referred to as 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 prediction block, a difference block, a coefficient block, a difference block, and a decoded image block, and reconstructs an already obtained reconstructed image. Is used to generate a predicted image of the current block.
  • the reconstructed image may be, for example, an image of a reference picture or an image of a decoded block in the current picture which 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 prediction image (step Sr_1). For example, this method or mode may be determined based on, for example, prediction parameters.
  • 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).
  • the prediction processing unit determines the second method as the mode for generating the prediction image
  • the prediction processing unit generates the prediction image according to the second method (step Sr_2b).
  • the prediction processing unit determines the third method as the mode for generating the prediction image
  • the prediction processing unit generates the prediction 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 prediction image, and are, for example, an inter prediction method, an intra prediction method, and other prediction methods, respectively. It may be. In these prediction methods, the above-mentioned reconstructed image may be used.
  • the intra prediction unit 216 performs intra prediction by referring to a block in the current picture stored in the block memory 210 based on the intra prediction mode read from the coded bit stream, thereby performing a prediction signal (intra prediction). Signal). Specifically, the intra prediction unit 216 generates an intra prediction signal by performing intra prediction with reference to a sample of a block adjacent to the current block (for example, a luminance value and a color difference value), and predicts and controls the intra prediction signal. Output to the section 220.
  • the intra prediction unit 216 may predict the color difference component of the current block based on the brightness component of the current block. ..
  • the intra prediction unit 216 corrects the pixel value after intra prediction based on the gradient of reference pixels in the horizontal/vertical directions.
  • the inter-prediction unit 218 predicts the current block by referring to the reference picture stored in the frame memory 214. Prediction is made in units of the current block or sub-blocks within the current block (eg, 4x4 blocks). For example, 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 sub-block inter-prediction signal is generated, and the inter-prediction signal is output to the prediction control unit 220.
  • motion information for example, a motion vector
  • a coded bitstream for example, a prediction parameter output from the entropy decoding unit 202
  • 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. , Generates an inter-prediction signal.
  • 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 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 constant velocity linear motion when the BIO mode is applied. In addition, when the information read from the encoded bitstream indicates that the affine motion compensation prediction 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 the MV based on the information read from the coded stream and uses the MV. Motion compensation (prediction) is performed.
  • FIG. 45 is a flowchart showing an example of inter-prediction by 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 MVs of the plurality of decoded blocks around 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 selects each of N (N is an integer of 2 or more) candidate MVs from the plurality of candidate MVs acquired in step Ss_1 as predictive motion vector candidates (also referred to as predicted MV candidates). As a result, extraction is performed according to a predetermined priority (step Ss_2). 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 bit stream), and uses the decoded motion vector predictor selection information, the N prediction MV candidates.
  • One predicted MV candidate 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, which is the decoded difference MV, to the selected predicted motion vector to obtain the MV of the current block. Derivation (step Ss_4).
  • the inter-prediction unit 218 generates a prediction image of the current block by performing motion compensation for the current block using the derived MV and the decoded reference picture (step Ss_5).
  • the prediction control unit 220 selects either an intra prediction signal or an inter prediction signal, and outputs the selected signal to the addition unit 208 as a prediction signal.
  • the configurations, functions, and processes of the predictor control unit 220, the intra prediction unit 216, and the inter prediction unit 218 on the decoding device side are the prediction control unit 128, the intra prediction unit 124, and the inter prediction unit 126 on the encoding device side. It 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 the role of a plurality of components among the plurality of components of the decoding device 200 shown in FIG. 41 and the like.
  • the memory b2 is a dedicated or general-purpose memory in which information for the processor b1 to decode the encoded bitstream is stored.
  • the memory b2 may be an electronic circuit or may be connected to the processor b1. Further, 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, and may be expressed as a storage, a recording medium, or the like. Further, 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 coded bit stream.
  • 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. Specifically, the memory b2 may play the role of the block memory 210 and the frame memory 214 shown in FIG. More specifically, the reconstructed block, the reconstructed picture, and the like may be stored in the memory b2.
  • the decoding device 200 not all of the plurality of constituent elements 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.
  • the picture is an array of multiple luminance samples in a monochrome format, or an array of multiple luminance samples and a plurality of color difference samples in the 4: 2: 0, 4: 2: 2 and 4: 4: 4 color formats. It is a corresponding array.
  • the picture may be a frame or a field.
  • the frame is a composition of a top field in which a plurality of sample rows 0, 2, 4, ... Are generated, and a bottom field composition in which a plurality of sample rows 1, 3, 5, ... Are generated.
  • a slice is an integer coded tree contained in one independent slice segment and all subsequent dependent slice segments that precede the next independent slice segment (if any) in the same access unit (if any). It is a unit.
  • a tile is a rectangular area of multiple coded tree blocks within a particular tile column and a particular tile row in a picture.
  • the tile may still be a loop filter across the edges of the tile, but may be a rectangular area of the frame intended to be independently decoded and encoded.
  • the block is an MxN (N rows and M columns) array of a plurality of samples, or an MxN array of a plurality of conversion coefficients.
  • the block may be a square or rectangular area of a plurality of pixels consisting of a plurality of matrices of one luminance and two color differences.
  • the CTU may be a coded tree block of a plurality of luminance samples of a picture having three sample arrays, or may be two corresponding coded tree blocks of a plurality of color difference samples. ..
  • the CTU is a coding tree block of any of a plurality of samples, a monochrome picture and a picture encoded using three separate color planes and a syntax structure used for encoding the plurality of samples. It may be.
  • the super block may be a square block of 64 ⁇ 64 pixels that constitutes one or two mode information blocks, or is recursively divided into four 32 ⁇ 32 blocks and can be further divided.
  • the motion compensation is a process of generating a predicted image based on the motion vector (MV) of the current block, for example, as shown in step Se_3 of FIG.
  • motion compensation first generates a first predicted image with integer pixel accuracy based on MV.
  • an interpolation filter to interpolate the value (sample) of the decimal pixel position between the plurality of integer pixels included in the first predicted image.
  • a second predicted image having decimal pixel accuracy is generated. ..
  • the process related to the generation of the second predicted image corresponds to the interpolation process.
  • the integer pixel accuracy means that the block can be shifted by the number of integer pixels.
  • the decimal pixel precision means that the block can be shifted by the number of non-integer pixels, and is also called sub-pixel precision.
  • the decimal pixel accuracy includes half pixel (half pel) accuracy, 1/4 pixel (quarter pel) accuracy, 1/8 pixel accuracy, 1/16 pixel accuracy, 1/32 pixel accuracy, or 1/64. Pixel accuracy and the like can be used, but are not limited thereto.
  • motion compensation generates the second predicted image after the first predicted image is generated, but the motion compensation only needs to be able to generate the predicted image.
  • the first predicted image generation process is performed. It may be omitted.
  • Motion compensation is a process of generating a predicted image using one or more reference pictures and one or more motion vectors. The predicted image is generated by an interpolation process using sample values of the region included in the reference picture corresponding to the current block specified by the motion vector and the peripheral region.
  • the term motion compensation is used, but it may be paraphrased as the term interpolation. This paraphrase may apply throughout this disclosure.
  • the motion compensation process uses the interpolation process
  • the sample value at the corresponding position may be used as it is.
  • the predicted image may be generated using the reconstructed image included in the current picture without using one or more reference pictures.
  • the second predicted image generation process may be omitted, and the first predicted image may be used as the predicted image in the subsequent processing.
  • FIG. 47 is a flowchart showing an example of the interpolation process in the first aspect.
  • the inter-prediction unit 126 or 218 determines whether or not the size of the coded or decoded block (hereinafter referred to as the current block) is larger than the threshold size. Specifically, the inter-prediction unit 126 or 218 determines whether or not the size of the current block is larger than the threshold size, for example, based on the information contained in the bit stream and indicating the size of the block. ..
  • the information indicating the size is not limited to the information indicating the size directly. For example, the information indicating the size may be information indicating the number of blocks, information indicating the prediction mode, or the like.
  • the threshold size for example, a 4x4 pixel size can be used. In this case, if the size of the current block is 4x4 pixel size, the inter-prediction unit 126 or 218 determines that the size of the current block is not larger than the threshold size.
  • the threshold size is not limited to the 4x4 pixel size.
  • step S1002 when it is determined that the size of the current block is larger than the threshold size (Yes of S1001X), the inter-prediction unit 126 or 218 selects the first interpolation filter for the current block. That is, the inter-prediction unit 126 or 218 determines that the interpolation filter used in the current block is the first interpolation filter.
  • the first interpolation filter for example, an 8-tap interpolation filter can be used as shown in FIG. 48.
  • FIG. 48 is a diagram showing an example of the first interpolation filter.
  • the first interpolation filter an 8-tap interpolation filter for each accuracy (decimal sample position) of 1/16 motion vector is exemplified. For example, if the accuracy of the motion vector is "8/16", ⁇ -1,4,-11,40,40,-11,4,-1 ⁇ is used as the 8-tap interpolation filter.
  • the first interpolation filter is not limited to the interpolation filter of FIG. 48.
  • the number of taps is the number of coefficients to be multiplied by each of a plurality of sample values used in the filter calculation, and can be rephrased as the number of sample values used in the filter.
  • the accuracy of the motion vector is “0”
  • ⁇ 0, 0, 0, 64, 0, 0, 0, 0 ⁇ is used as the 8-tap interpolation filter coefficient, and the coefficient is 0.
  • the first interpolation filter shown in FIG. 48 uses a maximum of 8 coefficients as in the case where the accuracy of the motion vector is "8/16"
  • the first interpolation filter is defined as an 8-tap interpolation filter. To do.
  • step S1003 when it is determined that the size of the current block is not larger than the threshold size (No of S1001X), the inter-prediction unit 126 or 218 selects the second interpolation filter for the current block. That is, the inter-prediction unit 126 or 218 determines that the interpolation filter used in the current block is 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.
  • the second interpolation filter for example, a 6-tap interpolation filter can be used as shown in FIG. 49.
  • FIG. 49 is a diagram showing an example of the second interpolation filter.
  • a 6-tap interpolation filter for each accuracy (decimal sample position) of 1/16 motion vector is exemplified.
  • the second interpolation filter is not limited to the interpolation filter shown in FIG. 49.
  • a table consisting of 6 columns is used as a table for defining a 6-tap interpolation filter.
  • a column having a filter coefficient of 0 is always added to the first column and the last column to form an 8-tap interpolation filter.
  • a table consisting of 8 columns may be used in the same manner as the table that defines.
  • step S1004 the current block is encoded / decoded using the selected interpolation filter.
  • the inter-prediction unit 126/218 uses the selected interpolation filter to generate a second prediction image having decimal pixel accuracy as an inter-prediction signal.
  • the generated inter-prediction signal is output to the prediction control unit 128/220.
  • the first interpolation filter and the second interpolation filter having a different number of taps from the first interpolation filter can be switched and used according to the size of the current block.
  • the block may be used or the sub-block may be used as the current block. That is, the determination in step S1001 may be performed in block units or in subblock units included in the block. When the determination is made in block units, the determination result may be applied to a plurality of subblocks included in the block. As a result, the number of determinations can be reduced and the processing load can be reduced. In the determination for a block containing a plurality of subblocks, the determination may be made based on the size of one of the plurality of subblocks (for example, the upper left subblock in the block), or the determination may be made based on the size of the plurality of subblocks. The determination may be made based on descriptive statistics of the size of (eg, mean, median, maximum, minimum, etc.).
  • FIG. 50 is a diagram showing an example of a block to which the interpolation processing in the first aspect is applied.
  • an interpolation filter is applied to each of eight 4x4 pixel sub-blocks obtained by dividing a 16x8 pixel block into eight blocks.
  • the block to which this aspect is applied is not limited to the block and / or subblock of FIG.
  • This aspect introduces a size-adaptive interpolation filter selection process into the inter-prediction process. This process can reduce the memory bandwidth in the worst case of the inter-prediction process and reduce the complexity in the worst case with respect to the number of processes for affine motion compensation.
  • the number of motion compensations will increase, and the number of times samples will be 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 with shorter taps for smaller blocks, the number of read samples per read can be reduced and the increase in memory bandwidth is suppressed even if the number of sample reads increases. can do. Further, by applying the second interpolation filter to the affine mode subblock, the processing load of the affine motion compensation having a relatively high processing load can be reduced.
  • the second aspect will be described with reference to FIGS. 51 and 52.
  • This aspect differs from the first aspect in that the interpolation filter is switched depending on whether or not the affine mode is used instead of the block size.
  • This aspect will be specifically described with a focus on the points different from the first aspect.
  • FIG. 51 is a flowchart showing an example of the interpolation process in the second aspect.
  • step S3001 the inter-prediction unit 126 or 218 determines whether or not the affine mode is used for the current block.
  • a motion vector is derived in sub-block units based on the motion vectors of a plurality of adjacent blocks, and motion compensation is performed in sub-block units using the derived motion vectors.
  • step S3002 when it is determined that the affine mode is not used for the current block (No of S3001X), the inter-prediction unit 126 or 218 selects the first interpolation filter for the current block. That is, the inter-prediction unit 126 or 218 determines that the interpolation filter used in the interpolation processing of the current block is the first interpolation filter.
  • the first interpolation filter for example, an 8-tap interpolation filter can be used as shown in FIG. 48.
  • step S3003 when it is determined that the affine mode is used for the current block (Yes of S3001X), the inter-prediction unit 126/218 selects the second interpolation filter for the current block. That is, the inter-prediction unit 126 or 218 determines that the interpolation filter used in the interpolation processing of the current block is 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.
  • the second interpolation filter for example, a 6-tap interpolation filter can be used as shown in FIG. 49.
  • step S3004 the current block is encoded / decoded using the selected interpolation filter.
  • the inter-prediction unit 126/218 uses the selected interpolation filter to generate a second prediction image having decimal pixel accuracy as an inter-prediction signal.
  • the generated inter-prediction signal is output to the prediction control unit 128/220.
  • the first interpolation filter and the second interpolation filter having a different number of taps from the first interpolation filter are switched and used depending on whether or not the affine mode is used for the current block. Can be done.
  • FIG. 52 is a diagram showing an example of a block to which the interpolation process is applied in the second aspect.
  • an interpolation filter is applied to each of eight 2x2 pixel subblocks obtained by dividing an 8x4 pixel block into eight blocks.
  • the block to which the interpolation processing in this embodiment is applied is not limited to the block and / or subblock of FIG. 52.
  • the interpolation process in this embodiment may be applied to the block and / or subblock of FIG.
  • This aspect introduces a mode-adaptive interpolation filter selection process into the inter-prediction process. This process can reduce the memory bandwidth in the worst case of the inter-prediction process and reduce the complexity in the worst case with respect to the number of processes for affine motion compensation.
  • the processing load for motion compensation is relatively high. Therefore, in the block where the affine mode is used, the processing load for the interpolation processing can be reduced by using the interpolation filter having a shorter tap for the interpolation processing, which contributes to the reduction of the processing load for motion compensation. can do.
  • the prediction accuracy can be improved and the code amount can be reduced by using an interpolation filter having a longer tap for the interpolation processing.
  • One or more aspects disclosed herein may be implemented in combination with at least a part of other aspects in the present disclosure. Further, a part of the processing described in the flowchart of one or more aspects disclosed here, a part of the configuration of the apparatus, a part of the syntax, and the like may be performed in combination with the other aspects.
  • the first aspect and the second aspect may be combined and carried out.
  • both determination of whether or not the size of the current block is larger than the threshold size and determination of whether or not the affine mode is used for the current block may be performed, and the combination of the respective determination results may be performed.
  • the interpolation filter may be switched.
  • a fourth interpolation filter may be used when the affine mode is used for the current block.
  • the fifth interpolation filter is selected if the size of the current block is larger than the threshold size
  • (b-2) the current block may be selected if the size is not greater than the threshold size.
  • different filters may be used as the fourth interpolation filter and the sixth interpolation filter, or the same filter (for example, a 6-tap filter) may be used.
  • the third interpolation filter is selected, and (a-2) the size of the current block is the threshold size.
  • a fourth interpolation filter may be selected if it is not greater than.
  • (b) when the affine mode is not used for the current block (b-1) if the size of the current block is larger than the threshold size, the fifth interpolation filter is selected, and (b-2) the size of the current block.
  • the sixth interpolation filter may be selected if is not greater than the threshold size.
  • different filters may be used as the third interpolation filter, the fifth interpolation filter, and the sixth interpolation filter, or the same filter (for example, an 8-tap filter) may be used.
  • the fourth interpolation filter for example, a 6-tap filter may be used.
  • first aspect and the second aspect may be combined, but at the same time, it may be combined with other configurations not described in the present embodiment. That is, a determination of whether or not the size of the current block is larger than the threshold size, a determination of whether or not the affine mode is used for the current block, and a further different determination process may be combined.
  • a binary flag indicating 1 in the affine mode and 0 in the non-affine mode can be used.
  • an index having a value of 3 or more may be used, such as 0 for non-affine mode, 1 for the first affine mode, and 2 for the second affine mode.
  • an index indicating which of the affine mode, the second process different from the affine mode, and the process which is neither the affine mode nor the second process may be used.
  • each of the functional or active blocks can usually be realized by an MPU (micro processing unit), a memory, or the like. Further, the processing by each of the functional blocks may be realized as a program execution unit such as a processor that reads out and executes software (program) recorded in a recording medium such as a ROM. The software may be distributed. The software may be recorded on various recording media such as semiconductor memory. It is also possible to realize each functional block by hardware (dedicated circuit). Various combinations of hardware and software can be adopted.
  • 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. Further, the number of processors that execute the above program may be singular or plural. 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 embodiments, and various systems for implementing the application example are provided.
  • Such a system may be characterized by having an image coding device using an image coding method, an image decoding device using an image decoding method, or an image coding / decoding device including both. Other configurations of such a system can be appropriately changed depending on the case.
  • FIG. 53 is a diagram showing an overall configuration of an appropriate content supply system ex100 that realizes a content distribution service.
  • the communication service providing area is divided into desired sizes, and base stations ex106, ex107, ex108, ex109, and ex110, which are fixed radio stations in the illustrated example, are installed in each cell, respectively.
  • devices such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 are connected to the Internet ex101 via the Internet service provider ex102 or the communication network ex104, and the base stations ex106 to ex110. Is connected.
  • the content supply system ex100 may be connected by combining any of the above devices.
  • the devices may be directly or indirectly connected to each other via a telephone network, short-range radio, or the like, without going through base stations ex106 to ex110.
  • the streaming server ex103 may be connected to each device such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 via the Internet ex101 or 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 going through the Internet ex101 or the Internet service provider ex102, or may be directly connected to the airplane ex117 without going through 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 or a device included in a household fuel cell cogeneration system.
  • live distribution or the like becomes possible by connecting a terminal having a shooting function to the streaming server ex103 through a base station ex106 or the like.
  • terminals computer ex111, game machine ex112, camera ex113, home appliances ex114, smartphone ex115, terminals in airplane ex117, etc.
  • the coding process described in each embodiment may be performed, or the video data obtained by coding may be multiplexed with the sound data in which the sound corresponding to the video is encoded, and the obtained data is streamed. It may be transmitted to the server ex103. That is, each terminal functions as an image coding device according to one aspect of the present disclosure.
  • the streaming server ex103 streams the content data transmitted to the requested client.
  • the client is a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, a smartphone ex115, a terminal in an airplane ex117, or the like, which can decode the coded data.
  • Each device that has received the distributed data may decrypt the received data and reproduce it. That is, each device may function as an 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 disperse data for processing, recording, and distribution.
  • 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 all over the world.
  • CDN Contents Delivery Network
  • content distribution may be realized by a network connecting a large number of edge servers distributed all over the world.
  • physically close edge servers can be dynamically assigned depending on the client. Then, the delay can be reduced by caching and delivering the content to the edge server.
  • processing is distributed among multiple edge servers, the distribution entity is switched to another edge server, or a failure occurs. Since distribution can be continued by bypassing the network part, high-speed and stable distribution can be realized.
  • the coding processing of the captured data may be performed on each terminal, on the server side, or shared with each other.
  • the processing loop is performed twice.
  • the first loop the complexity or code amount of the image on a frame or scene basis is detected.
  • the second loop a process of maintaining the image quality and improving the coding efficiency is performed.
  • the terminal performs the first coding process
  • the server side that receives the content performs the second coding process, so that the quality and efficiency of the content can be improved while reducing the processing load on each terminal. it can.
  • the first encoded data performed by the terminal can be received and played back by another terminal, enabling more flexible real-time distribution.
  • the camera ex113 or the like extracts a feature amount (feature or characteristic amount) from the image, compresses the data related to the feature amount as metadata, and transmits the data 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 data is particularly effective for improving the accuracy and efficiency of motion vector prediction during recompression on the server.
  • the terminal may perform simple coding such as VLC (variable length coding), and the server may perform coding having a large processing load such as CABAC (context adaptive binary arithmetic coding method).
  • a plurality of video data in which almost the same scene is shot by a plurality of terminals.
  • GOP Group of Pictures
  • the server may manage and / or instruct so that the video data shot by each terminal can be referred to each other. Further, the encoded data from each terminal may be received by the server and the reference relationship may be changed between the plurality of data, or the picture itself may be corrected or replaced and re-encoded. This makes it possible to generate a stream with improved quality and efficiency of each piece of data.
  • the server may distribute the video data after transcoding to change the coding method of the video data.
  • the server may convert the MPEG type encoding method to the VP type (for example, VP9), or the H.264 standard. 264 is H. 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 of "server” or “terminal” or the like is used as the subject of processing, but a part or all of the processing performed by the server may be performed by the terminal, or the processing performed by the terminal. Some or all may be done on 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 the scene analysis of the moving image or at the time specified by the user, and transmits the still image to the receiving terminal. May be good. If the server can acquire the relative positional relationship between the shooting terminals, the server can obtain the three-dimensional shape of the scene based not only on the two-dimensional moving image but also on the images of the same scene shot from different angles. Can be generated.
  • the server may separately encode the three-dimensional data generated by the point cloud or the like, or may generate a plurality of images to be transmitted to the receiving terminal based on the result of recognizing or tracking a person or an object using the three-dimensional data. It may be generated by selecting or reconstructing from the video taken by the terminal of.
  • the user can arbitrarily select each image corresponding to each shooting terminal and enjoy the scene, or can select the image of the selected viewpoint from the plurality of images or the three-dimensional data reconstructed using the images. You can also enjoy the cut out content. Furthermore, along with the video, the sound is also picked up from multiple different angles, and the server may multiplex the sound from a particular angle or space with the corresponding video and transmit the multiplexed video and sound. Good.
  • the server may create viewpoint images for the right eye and the left eye, respectively, and perform coding that allows reference between the viewpoint images by Multi-View Coding (MVC) or the like, or mutually. It may be encoded as a separate stream without reference. 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 viewpoint of the user.
  • MVC Multi-View Coding
  • the server may superimpose the virtual object information on the virtual space on the camera information in the real space based on the three-dimensional position or the movement of the user's viewpoint.
  • the decoding device may acquire or hold virtual object information and three-dimensional data, generate a two-dimensional image according to the movement of the user's viewpoint, and create superimposed data by smoothly connecting the images.
  • 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 superimposed data according to the movement of the viewpoint received from the three-dimensional data held in the server, encode the superimposed data, and distribute the superimposed data to the decoding device.
  • the superimposed data typically has an ⁇ value indicating transparency other than RGB
  • the server sets the ⁇ value of the part other than the object created from the three-dimensional data to 0 or the like, and the relevant part. May be encoded while being transparent.
  • the server may set RGB values having a predetermined value as a background like a chroma key, and may generate data in which a portion other than the object has a 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 terminal may once send a reception request to a server, the content corresponding to the request may be received by another terminal, decryption processing may be performed, 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 part of an area such as a tile in which a picture is divided may be decoded and displayed on the viewer's personal terminal. As a result, while sharing the whole picture, it is possible to confirm the field of responsibility or the area to be confirmed in more detail at hand.
  • the user may switch in real time while freely selecting a decoding device or a display device such as a user's terminal or a display arranged indoors or outdoors.
  • a decoding device or a display device such as a user's terminal or a display arranged indoors or outdoors.
  • access to the coded data on the network such as the coded data being cached in a server that can be accessed from the receiving terminal in a short time, or being copied to an edge server in the content delivery service. It is also possible to switch the bit rate of the received data based on ease.
  • the content switching will be described using a scalable stream compressed and encoded by applying the moving image coding method shown in each of the above embodiments shown in FIG. 54.
  • the server may have multiple streams with the same content but different qualities as individual streams, but it is temporally / spatially scalable, which is realized by encoding by dividing into layers as shown in the figure.
  • a configuration may be used in which contents are switched by utilizing the characteristics of streams.
  • the decoding side determines which layer to decode according to the internal factor of performance and the external factor such as the state of the communication band, and the decoding side determines the low resolution content and the high resolution content. It can be freely switched and decrypted.
  • the device may decode the same stream to different layers, so that the server.
  • the burden on the side can be reduced.
  • the picture is encoded 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 the statistical information of the image 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 the signal-to-noise ratio while maintaining and / or expanding the resolution.
  • the meta information is information for specifying a linear or non-linear filter coefficient such as that used for super-resolution processing, or information for specifying a parameter value in filter processing, machine learning, or minimum square calculation used for super-resolution processing. 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. Furthermore, by storing the object attributes (person, car, ball, etc.) and the position in the image (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. To determine the tile that contains the object. For example, as shown in FIG. 55, 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.
  • SEI Supplemental Enhancement Information
  • -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, can identify the picture in which the object exists, and can determine the position of the object in the picture by combining the information for each picture and the time information.
  • FIG. 56 is a diagram showing an example of a display screen of a web page on a computer ex111 or the like.
  • FIG. 57 is a diagram showing an example of a display screen of a web page on a smartphone ex115 or the like.
  • a web page may include a plurality of linked images that are links to image contents, and the appearance may differ depending on the viewing device. If multiple linked images are visible on the screen, the display device (until the user explicitly selects the linked image, or until the linked image approaches the center of the screen or the entire linked image fits inside the screen.
  • the decoding device may display a still image or I-picture of each content as a link image, may display an image such as a gif animation with a plurality of still images or I-pictures, or may display a base layer. Only 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 highest priority to, for example, the base layer. If the HTML constituting the web page has information indicating that the content is scalable, the display device may decode up to the enhancement layer. Further, in order to ensure real-time performance, the display device decodes only the forward reference picture (I picture, P picture, B picture of forward reference only) before being selected or when the communication band is very strict. 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. Furthermore, the display device may deliberately ignore the reference relationship of the pictures, roughly decode all the B pictures and the P pictures as forward references, and perform normal decoding as the number of received pictures increases over time. ..
  • the receiving terminal receives meta in addition to image data belonging to one or more layers.
  • Information such as weather or construction may be received as information, and these may be associated and decoded.
  • the meta information may belong to the layer or may be simply multiplexed with the image data.
  • the receiving terminal since a car, a drone, an airplane, etc. including the receiving terminal moves, the receiving terminal transmits the position information of the receiving terminal to perform seamless reception and decoding while switching the base stations ex106 to ex110. realizable.
  • the receiving terminal dynamically switches how much meta information is received or how much map information is updated according to the user's selection, the user's situation, and / or the state of the communication band. Becomes 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 After shooting in real time or accumulating at the time of shooting, the server performs recognition processing such as shooting error, scene search, meaning analysis, and object detection from the original image data or encoded data. Then, the server manually or automatically corrects out-of-focus or camera shake based on the recognition result, and reduces the importance of scenes such as scenes with low brightness or out of focus compared to other pictures. Make edits such as deleting, emphasizing the edges of objects, and changing the tint. The server encodes the edited data based on the edited result. It is also known that if the shooting time is too long, the audience rating will drop, and the server will move not only the less important scenes as described above so that the content will be within a specific time range according to the shooting time. A scene with a small number of images may be automatically clipped based on the image processing result. Alternatively, the server may generate and encode a digest based on the results of the semantic analysis of the scene.
  • recognition processing such as shooting error, scene search, meaning analysis, and object detection from the original image data or encode
  • 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 it. Furthermore, the server recognizes whether or not the face of a person different from the person registered in advance is reflected in the image to be encoded, and if so, performs processing such as applying a mosaic to the face part. You may.
  • a person or background area in which the user wants to process an image may be specified from the viewpoint of copyright or the like.
  • 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 for decoding and playback, although it depends on the bandwidth.
  • the decoding device may receive the enhancement layer during this period and reproduce the high-quality video including the enhancement layer when the enhancement layer is received and the reproduction is performed twice or more, such as when the reproduction is looped.
  • a stream with such scalable encoding can provide an experience in which the stream gradually becomes smarter and the image becomes better, although it is a rough moving image when it is not selected or when it is first started to be viewed.
  • a similar experience can be provided even if the coarse stream played the first time and the second stream encoded with reference to the first video are configured as one stream. ..
  • these encoding or decoding processes are generally processed in the LSI ex500 included in each terminal.
  • the LSI (large scale integration circuit) ex500 may be one-chip or a plurality of chips.
  • software for video coding or decoding is embedded in some recording medium (CD-ROM, flexible disk, hard disk, etc.) that can be read by a computer ex111 or the like, and encoding 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 LSIex500 may be configured to download and activate the application software.
  • the terminal first determines whether the terminal is compatible with the content encoding method or has the ability to execute a specific service. If the terminal does not support the content encoding method, or if it does not have the ability to execute a specific service, the terminal may download the codec or application software, and then acquire and play the content.
  • the digital broadcasting system has at least a moving image coding device (image coding device) or a moving image decoding device (image decoding device) of each of the above embodiments. Any of the above can be incorporated.
  • the difference is that it is suitable for multicast compared to the configuration that makes it easy to unicast the content supply system ex100 because it transmits and receives multiplexed data in which video and sound are multiplexed on radio waves for broadcasting using satellites and the like.
  • similar applications can be applied to the coding process and the decoding process.
  • FIG. 58 is a diagram showing further details of the smartphone ex115 shown in FIG. 53. Further, FIG. 59 is a diagram showing a configuration example of the smartphone ex115.
  • the smartphone ex115 received 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. It is provided with a display unit ex458 that displays the data obtained by decoding the video or the like.
  • 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, and a voice input unit ex456 such as a microphone for inputting voice.
  • the user is specified as a memory unit ex467 that can store encoded data such as recorded video or still image, recorded voice, received video or still image, mail, or decoded data, and the network is started. It is provided with a slot unit ex464 which is an interface unit with SIMex468 for authenticating access to various data. An external memory may be used instead of the memory unit ex467.
  • Main control unit ex460 that can comprehensively control display unit ex458, operation unit ex466, etc., power supply circuit unit ex461, operation input control unit ex462, video signal processing unit ex455, camera interface unit ex463, display control unit ex459, modulation / The demodulation unit ex452, the multiplexing / separation 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 in an operable state and supplies power to each unit from the battery pack.
  • 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.
  • the audio signal picked up by the audio input unit ex456 is converted into a digital audio signal by the audio signal processing unit ex454, spectrum diffusion processing is performed by the modulation / demodulation unit ex452, and digital-analog conversion processing is performed by the transmission / reception unit ex451. And frequency conversion processing is performed, and the resulting signal is transmitted via the antenna ex450.
  • the received data is amplified, subjected to frequency conversion processing and analog-to-digital conversion processing, spectrum reverse diffusion processing is performed by the modulation / demodulation unit ex452, converted into an analog audio signal by the audio signal processing unit ex454, and then converted into an analog audio signal, which is then converted to an analog audio signal.
  • 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 unit. 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 operations.
  • the moving picture coding method shown in the form 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 picked up by the audio input unit ex456 while the video or still image is being imaged by the camera unit ex465, and sends the encoded audio data to the multiplexing / separation 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 / separating unit ex453 is multiplexed.
  • the multiplexed data is divided into a bit stream of video data and a bit stream of audio data, and the video data encoded via the synchronization bus ex470 is supplied to the video signal processing unit ex455, and at the same time.
  • 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 image decoding method corresponding to the moving image 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 appropriate depending on the user's situation. Therefore, as an initial value, it is preferable to play back only the video data without playing the audio signal, and the audio may be played back in synchronization only when the user clicks the video data or performs an operation. ..
  • the smartphone ex115 has been described as an example here, as the terminal, in addition to the transmission / reception type terminal having both the encoder and the decoder, the transmitting terminal having only the encoder and the receiving terminal having only the decoder.
  • Another possible implementation is a terminal. It has been described as receiving or transmitting multiplexed data in which audio data is multiplexed with video data in a digital broadcasting system.
  • character data related to the video may be multiplexed as 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 memory shared by the CPU and the GPU, or a memory whose address is managed so that it can be used in common, may be configured to collectively process a wide area by utilizing the performance of the GPU. As a result, the coding time can be shortened, real-time performance can be ensured, and low delay can be realized. In particular, it is efficient to collectively perform motion search, deblocking filter, SAO (Sample Adaptive Offset), and conversion / quantization processing in units such as pictures on the GPU instead of the CPU.
  • SAO Sample Adaptive Offset
  • the present disclosure can be used, for example, in television receivers, digital video recorders, car navigation systems, mobile phones, digital cameras, digital video cameras, video conferencing systems, electronic mirrors, and the like.
  • Encoding device 102 Dividing unit 104 Subtracting unit 106 Converting unit 108 Quantizing unit 110 Entropy encoding unit 112, 204 Inverse quantization unit 114, 206 Inverse conversion unit 116, 208 Addition 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、符号化対象ブロックの動きベクトルに基づいて、整数画素精度を有する第１予測画像を生成し、第１補間フィルタ又は第１補間フィルタとタップ数が異なる第２補間フィルタを用いて、第１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、小数画素精度を有する第２予測画像を生成し、第２予測画像に基づいて、符号化対象ブロックを符号化し、第２予測画像の生成では、符号化対象ブロックにアフィンモードが用いられるか否かに応じて、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。

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、前記符号化対象ブロックの動きベクトルに基づいて、整数画素精度を有する第１予測画像を生成し、第１補間フィルタ又は前記第１補間フィルタとタップ数が異なる第２補間フィルタを用いて、前記第１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、小数画素精度を有する第２予測画像を生成し、前記第２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、前記第２予測画像の生成では、前記符号化対象ブロックにアフィンモードが用いられるか否かに応じて、前記第１補間フィルタ及び前記第２補間フィルタを切り替えて用いる。
　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、第１態様における補間処理を示すフローチャートである。 図４８は、第１補間フィルタの一例を示す図である。 図４９は、第２補間フィルタの一例を示す図である。 図５０は、第１態様における補間処理が適用されるブロックの一例を示す図である。 図５１は、第２態様における補間処理を示すフローチャートである。 図５２は、第２態様における補間処理が適用されるブロックの一例を示す図である。 図５３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５４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５５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５６は、ｗｅｂページの表示画面例を示す概念図である。 図５７は、ｗｅｂページの表示画面例を示す概念図である。 図５８は、スマートフォンの一例を示すブロック図である。 図５９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、前記符号化対象ブロックの動きベクトルに基づいて、整数画素精度を有する第１予測画像を生成し、第１補間フィルタ又は前記第１補間フィルタとタップ数が異なる第２補間フィルタを用いて、前記第１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、小数画素精度を有する第２予測画像を生成し、前記第２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、前記第２予測画像の生成では、前記符号化対象ブロックにアフィンモードが用いられるか否かに応じて、前記第１補間フィルタ及び前記第２補間フィルタを切り替えて用いる。
　これによれば、小数画素精度を有する第２予測画像の生成において、アフィンモードが用いられるか否かに応じて、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、処理負荷の低減と予測精度の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、前記回路は、前記第２予測画像の生成において、前記符号化対象ブロックにアフィンモードが用いられるか否かを判定し、前記符号化対象ブロックにアフィンモードが用いられないと判定された場合、前記第１補間フィルタを選択し、前記符号化対象ブロックにアフィンモードが用いられると判定された場合、前記第２補間フィルタを選択し、選択された前記第１補間フィルタ又は前記第２補間フィルタを用いて、前記第２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、アフィンモードが用いられる場合に、アフィンモードが用いられない場合よりも短いタップを有する第２補間フィルタを用いて補間処理を行うことができる。アフィンモードでは処理負荷が増加するため、アフィンモードが用いられる場合に短いタップを有する第２補間フィルタを用いることで処理負荷の低減を図ることができる。一方、アフィンモードが用いられない場合に、より長いタップを有する第１補間フィルタを用いることで、予測精度を向上させて符号量の低減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、前記回路は、前記第２予測画像の生成において、前記符号化対象ブロックにアフィンモードが用いられるか否かに加えて、前記符号化対象ブロックのサイズに応じて、前記第１補間フィルタと前記第２補間フィルタとを切り替えて用いてもよい。
　これによれば、小数画素精度を有する第２予測画像の生成において、アフィンモードが用いられるか否かに加えて、符号化対象ブロックのサイズに応じて、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より適した補間フィルタを用いることが可能となり、メモリ帯域幅の低減を図ることも可能となる。
　また例えば、本開示の一態様に係る符号化装置において、前記回路は、前記第２予測画像の生成において、前記符号化対象ブロックにアフィンモードが用いられるか否かを判定し、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にアフィンモードが用いられないと判定された場合、又は、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と判定された場合、前記第１補間フィルタを選択し、前記符号化対象ブロックにアフィンモードが用いられると判定され、かつ、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と判定された場合、前記第２補間フィルタを選択してもよい。
　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、アフィンモードが用いられる４ｘ４画素サイズのブロックに対して第２補間フィルタを用いることができ、メモリ帯域幅の削減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、処理負荷の低減と予測精度の向上とのバランスをさらに図ることができる。
　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、処理負荷の低減と予測精度の向上とのバランスをさらに図ることができる。
　また例えば、本開示の一態様に係る符号化装置において、前記符号化対象ブロックにアフィンモードが用いられる場合、前記符号化対象ブロックは、符号化ユニット（ＣＵ）を分割して得られるサブブロックであってもよい。
　これによれば、符号化ユニットを分割して得られるサブブロックに対して第２補間フィルタを用いることができる。
　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、前記復号対象ブロックの動きベクトルに基づいて、整数画素精度を有する第１予測画像を生成し、第１補間フィルタ又は前記第１補間フィルタとタップ数が異なる第２補間フィルタを用いて、前記第１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、小数画素精度を有する第２予測画像を生成し、前記第２予測画像に基づいて、前記復号対象ブロックを復号し、前記第２予測画像の生成では、前記復号対象ブロックにアフィンモードが用いられるか否かに応じて、前記第１補間フィルタ及び前記第２補間フィルタを切り替えて用いる。
　これによれば、小数画素精度を有する第２予測画像の生成において、アフィンモードが用いられるか否かに応じて、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、処理負荷の低減と予測精度の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、前記回路は、前記第２予測画像の生成において、前記復号対象ブロックにアフィンモードが用いられるか否かを判定し、前記復号対象ブロックにアフィンモードが用いられないと判定された場合、前記第１補間フィルタを選択し、前記復号対象ブロックにアフィンモードが用いられると判定された場合、前記第２補間フィルタを選択し、選択された前記第１補間フィルタ又は前記第２補間フィルタを用いて、前記第２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、アフィンモードが用いられる場合に、アフィンモードが用いられない場合よりも短いタップを有する第２補間フィルタを用いて補間処理を行うことができる。アフィンモードでは処理負荷が増加するため、アフィンモードが用いられる場合に短いタップを有する第２補間フィルタを用いることで処理負荷の低減を図ることができる。一方、アフィンモードが用いられない場合に、より長いタップを有する第１補間フィルタを用いることで、予測精度を向上させて符号量の低減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、前記回路は、前記第２予測画像の生成において、前記復号対象ブロックにアフィンモードが用いられるか否かに加えて、前記復号対象ブロックのサイズに応じて、前記第１補間フィルタと前記第２補間フィルタとを切り替えて用いてもよい。
　これによれば、小数画素精度を有する第２予測画像の生成において、アフィンモードが用いられるか否かに加えて、復号対象ブロックのサイズに応じて、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より適した補間フィルタを用いることが可能となり、メモリ帯域幅の低減を図ることも可能となる。
　また例えば、本開示の一態様に係る復号装置において、前記回路は、前記第２予測画像の生成において、前記復号対象ブロックにアフィンモードが用いられるか否かを判定し、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にアフィンモードが用いられないと判定された場合、又は、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と判定された場合、前記第１補間フィルタを選択し、前記復号対象ブロックにアフィンモードが用いられると判定され、かつ、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と判定された場合、前記第２補間フィルタを選択してもよい。
　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、処理負荷の低減と予測精度の向上とのバランスをさらに図ることができる。
　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、処理負荷の低減と予測精度の向上とのバランスをさらに図ることができる。
　また例えば、本開示の一態様に係る復号装置において、前記復号対象ブロックにアフィンモードが用いられる場合、前記復号対象ブロックは、符号化ユニット（ＣＵ）を分割して得られるサブブロックであってもよい。
　これによれば、符号化ユニットを分割して得られるサブブロックに対して第２補間フィルタを用いることができる。
　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、第１のモードでは、アフィンモードによって第１の符号化対象ブロックの第１の動きベクトルを導出し、前記第１の動きベクトルに基づいて決定される参照ピクチャに含まれるサンプル値とタップ数が第１の値である補間フィルタとを用いて、第１の予測画像を生成し、前記第１の予測画像に基づいて、前記第１の符号化対象ブロックを符号化し、第２のモードでは、アフィンモードと異なるモードによって第２の符号化対象ブロックの第２の動きベクトルを導出し、前記第２の動きベクトルに基づいて決定される参照ピクチャに含まれるサンプル値とタップ数が第１の値と異なる第２の値である補間フィルタとを用いて、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、前記第２の符号化対象ブロックを符号化する。
　これによれば、動きベクトルの導出にアフィンモードが用いられるか否かに応じて、互いにタップ数が異なる補間フィルタを予測画像の生成に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、処理負荷の低減と予測精度の向上とのバランスを図ることができる。
　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、第１のモードでは、アフィンモードによって第１の復号対象ブロックの第１の動きベクトルを導出し、前記第１の動きベクトルに基づいて決定される参照ピクチャに含まれるサンプル値とタップ数が第１の値である補間フィルタとを用いて、第１の予測画像を生成し、前記第１の予測画像に基づいて、前記第１の復号対象ブロックを復号し、第２のモードでは、アフィンモードと異なるモードによって第２の復号対象ブロックの第２の動きベクトルを導出し、前記第２の動きベクトルに基づいて決定される参照ピクチャに含まれるサンプル値とタップ数が第１の値と異なる第２の値である補間フィルタとを用いて、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、前記第２の復号対象ブロックを復号する。
　これによれば、動きベクトルの導出にアフィンモードが用いられるか否かに応じて、互いにタップ数が異なる補間フィルタを予測画像の生成に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、処理負荷の低減と予測精度の向上とのバランスを図ることができる。
　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。
　［補間処理］
　次に、動き補償に含まれる補間処理の各種態様について説明する。動き補償は、例えば図１５のステップＳｅ＿３に示すように、カレントブロックの動きベクトル（ＭＶ）に基づいて予測画像を生成する処理である。より詳細な処理の一例では、動き補償では、まず、ＭＶに基づいて、整数画素精度を有する第１予測画像が生成される。次に、補間フィルタを用いて、第１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、小数画素精度を有する第２予測画像が生成される。この第２予測画像の生成に関する処理が補間処理に相当する。
　なお、整数画素精度とは、整数の画素数だけブロックをシフト可能なことを意味する。一方、小数画素精度とは、非整数の画素数だけブロックをシフト可能なことを意味し、サブ画素精度とも呼ばれる。具体的には、小数画素精度としては、半画素（ハーフペル）精度、１／４画素（クォータペル）精度、１／８画素精度、１／１６画素精度、１／３２画素精度、又は、１／６４画素精度等を用いることができるが、これらに限定されない。
　なお、前述の説明では、動き補償は、第１予測画像を生成したのちに第２予測画像を生成するとしたが、動き補償は、予測画像を生成できればよく、例えば、第１予測画像生成処理を省略してもよい。動き補償は、１または複数の参照ピクチャと１または複数の動きベクトルを用いて予測画像を生成する処理である。予測画像は、動きベクトルによって指定されるカレントブロックに対応する参照ピクチャに含まれる領域と周辺領域のサンプル値を用いた補間処理によって生成される。本開示においては、動き補償という用語を用いて説明しているが、補間（Ｉｎｔｅｒｐｏｌａｔｉｏｎ）という用語に言い換えてもよい。この言い換えは、本開示全体にわたって適用されうる。
　なお、動き補償処理は、補間処理を用いると説明したが、動きベクトルの水平方向と垂直方向の各要素が整数値で表される場合、対応する位置のサンプル値をそのまま用いてもよい。動き補償は、１または複数の参照ピクチャを用いずにカレントピクチャに含まれる再構成画像を用いて予測画像を生成してもよい。言い換えると、第２予測画像生成処理を省略し、第１予測画像を予測画像として後段の処理に用いてもよい。
　［第１態様］
　第１態様について、図４７～図５０を参照しながら説明する。図４７は、第１態様における補間処理の一例を示すフローチャートである。
　ステップＳ１００１では、インター予測部１２６又は２１８は、符号化又は復号対象ブロック（以下、カレントブロックという）のサイズが閾値サイズよりも大きいか否かを判定する。具体的には、インター予測部１２６又は２１８は、例えば、ビットストリームに含まれる情報であってブロックのサイズを示す情報に基づいて、カレント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。なお、サイズを示す情報は、サイズを直接的に示す情報に限られない。例えば、サイズを示す情報は、ブロックの数を示す情報、又は、予測モードを示す情報等であってもよい。
　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。この場合、カレント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又は２１８は、カレント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。なお、閾値サイズは、４ｘ４画素サイズに限定されない。
　ステップＳ１００２では、カレント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又は２１８は、カレントブロックのために第１補間フィルタを選択する。つまり、インター予測部１２６又は２１８は、カレントブロックで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、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として｛－１，４、－１１，４０，４０、－１１，４，－１｝が用いられる。なお、第１補間フィルタは、図４８の補間フィルタに限定されない。
　なお、タップ数とは、フィルタの演算に用いる複数のサンプル値それぞれに乗算する係数の数であり、フィルタに用いるサンプル値の数と言い換えることもできる。図４８は、例えば、動きベクトルの精度が「０」であれば、８タップ補間フィルタ係数として｛０、０，０，６４，０，０，０，０｝が用いられており、係数に０の値をとる場合を含む。しかしながら、図４８で示す第１補間フィルタは、動きベクトルの精度が「８／１６」の場合のように、最大で８係数を用いるため、第１補間フィルタは、８タップ補間フィルタであると定義する。
　ステップＳ１００３では、カレント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又は２１８は、カレントブロックのために第２補間フィルタを選択する。つまり、インター予測部１２６又は２１８は、カレントブロックで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、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として｛３、－１１，４０，４０、－１１，３｝が用いられる。なお、第２補間フィルタは、図４９の補間フィルタに限定されない。なお、図４９では６タップ補間フィルタを定義するテーブルとして６列からなるテーブルを用いて説明したが、例えば先頭列と最終列に常にフィルタ係数が０である列を追加して、８タップ補間フィルタを定義するテーブルと同様に８列からなるテーブルを用いてもよい。
　ステップＳ１００４では、選択された補間フィルタを用いてカレントブロックが符号化／復号される。具体的には、インター予測部１２６／２１８は、選択された補間フィルタを用いて小数画素精度を有する第２予測画像をインター予測信号として生成する。生成されたインター予測信号は、予測制御部１２８／２２０に出力される。
　以上のように、本態様では、カレント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、ブロックに複数のサブブロックが含まれる場合は、カレントブロックとしては、ブロックが用いられてもよく、サブブロックが用いられてもよい。つまり、ステップＳ１００１の判定は、ブロック単位で行われてもよいし、ブロックに含まれるサブブロック単位で行われてもよい。判定がブロック単位で行われる場合、判定結果がブロックに含まれる複数のサブロックに適用されてもよい。これにより、判定回数を減少させて、処理負荷を低減することができる。複数のサブブロックを含むブロックのための判定では、複数のサブブロックのうちの１つ（例えばブロック内の左上サブブロックなど）のサイズに基づいて判定が行われてもよいし、複数のサブブロックのサイズの記述統計量（例えば、平均値、中央値、最大値、最小値等）に基づいて判定が行われてもよい。
　図５０は、第１態様における補間処理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。なお、本態様が適用されるブロックは、図５０のブロック及び／又はサブブロックに限定されない。
　［第１態様の技術効果］
　本態様は、サイズ適応型の補間フィルタ選択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ことができる。
　補間処理を含む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。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。
　［第２態様］
　第２態様について、図５１及び図５２を参照しながら説明する。本態様では、ブロックサイズの代わりにアフィンモードが用いられるか否かに応じて補間フィルタが切り替えられる点が上記第１態様と異なる。本態様について、上記第１態様と異なる点を中心に具体的に説明する。
　図５１は、第２態様における補間処理の一例を示すフローチャートである。
　ステップＳ３００１では、インター予測部１２６又は２１８は、カレントブロックにアフィンモードが用いられるか否かを判定する。アフィンモードでは、上述したように、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が導出され、導出された動きベクトルを用いてサブブロック単位で動き補償が行われる。
　ステップＳ３００２では、カレントブロックにアフィンモードが用いられないと判定された場合に（Ｓ３００１ＸのＮｏ）、インター予測部１２６又は２１８は、カレントブロックのために第１補間フィルタを選択する。つまり、インター予測部１２６又は２１８は、カレントブロックの補間処理で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。
　ステップＳ３００３では、カレントブロックにアフィンモードが用いられると判定された場合に（Ｓ３００１ＸのＹｅｓ）、インター予測部１２６／２１８は、カレントブロックのために第２補間フィルタを選択する。つまり、インター予測部１２６又は２１８は、カレントブロックの補間処理で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。
　ステップＳ３００４では、選択された補間フィルタを用いてカレントブロックが符号化／復号される。具体的には、インター予測部１２６／２１８は、選択された補間フィルタを用いて小数画素精度を有する第２予測画像をインター予測信号として生成する。生成されたインター予測信号は、予測制御部１２８／２２０に出力される。
　以上のように、本態様では、カレントブロックにアフィンモードが用いられるか否かに応じて、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。
　図５２は、第２態様において補間処理が適用されるブロックの一例を示す図である。図５２では、例えば、８ｘ４画素のブロックを８分割して得られる８つの２ｘ２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。なお、本態様における補間処理が適用されるブロックは、図５２のブロック及び／又はサブブロックに限定されない。例えば、図５０のブロック及び／又はサブブロックに本態様における補間処理が適用されてもよい。
　［第２態様の技術効果］
　本態様は、モード適応型の補間フィルタ選択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ことができる。
　アフィンモードが用いられるブロックでは動き補償のための処理負荷が比較的高くなる。したがって、アフィンモードが用いられるブロックでは、より短いタップを有する補間フィルタを補間処理に用いることで、補間処理のための処理負荷を低減することができ、動き補償のための処理負荷の低減に貢献することができる。一方、アフィンモードが用いられないブロックでは、より長いタップを有する補間フィルタを補間処理に用いることで、予測精度を向上させて符号量の低減を図ることができる。
　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。
　例えば、第１態様及び第２態様を組み合わせて実施してもよい。この場合、カレントブロックのサイズが閾値サイズよりも大きいか否かの判定と、カレントブロックにアフィンモードが用いられるか否かの判定との両方が行われてもよく、それぞれの判定結果の組み合わせに応じて、補間フィルタが切り替えられてもよい。例えば、（ａ）カレントブロックにアフィンモードが用いられる場合に、第４補間フィルタが用いられてもよい。また例えば、（ｂ）カレントブロックにアフィンモードが用いられない場合に、（ｂ－１）カレントブロックのサイズが閾値サイズよりも大きければ第５補間フィルタが選択され、（ｂ－２）カレントブロックのサイズが閾値サイズよりも大きくなければ第６補間フィルタが選択されてもよい。このとき、第４補間フィルタと第６補間フィルタとしては、異なるフィルタが用いられてもよいし、同一のフィルタ（例えば６タップフィルタ）が用いられてもよい。
　また例えば、カレントブロックにアフィンモードが用いられる場合に、（ａ－１）カレントブロックのサイズが閾値サイズよりも大きければ第３補間フィルタが選択され、（ａ－２）カレントブロックのサイズが閾値サイズよりも大きくなければ第４補間フィルタが選択されてもよい。そして、（ｂ）カレントブロックにアフィンモードが用いられない場合に、（ｂ－１）カレントブロックのサイズが閾値サイズよりも大きければ第５補間フィルタが選択され、（ｂ－２）カレントブロックのサイズが閾値サイズよりも大きくなければ第６補間フィルタが選択されてもよい。この場合、第３補間フィルタ、第５補間フィルタ及び第６補間フィルタとしては、異なるフィルタが用いられてもよいし、同一のフィルタ（例えば８タップフィルタ）が用いられてもよい。また、第４補間フィルタとしては、例えば６タップフィルタが用いられてもよい。
　なお、第１態様及び第２態様を組み合わせて実施してもよいが、同時に、本実施の態様に記載していない他の構成と組み合わせてもよい。即ち、カレントブロックのサイズが閾値サイズよりも大きいか否かの判定と、カレントブロックにアフィンモードが用いられるか否かの判定と、さらに異なる判定処理を組み合わせてもよい。
　なお、アフィンモードが用いられるか否かの判定には、例えば、アフィンモードであれば１、アフィンモードでなければ０を示す２値のフラグを用いることができる。若しくは、アフィンモードでなければ０、第１のアフィンモードであれば１、第２のアフィンモードであれば２のように、３以上の値を持つインデックスを用いてもよい。若しくは、アフィンモード、アフィンモードと異なる第２の処理、アフィンモードと第２の処理のいずれでもない処理のいずれであるかを示すインデックスを用いてもよい。
　［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５３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５４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５５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５６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５７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５６及び図５７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５３参照）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５８は、図５３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５９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 (20)

  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、
    　前記符号化対象ブロックの動きベクトルに基づいて、整数画素精度を有する第１予測画像を生成し、
    　第１補間フィルタ又は前記第１補間フィルタとタップ数が異なる第２補間フィルタを用いて、前記第１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、小数画素精度を有する第２予測画像を生成し、
    　前記第２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、
    　前記第２予測画像の生成では、前記符号化対象ブロックにアフィンモードが用いられるか否かに応じて、前記第１補間フィルタ及び前記第２補間フィルタを切り替えて用いる、
    　符号化装置。
  2. 　前記回路は、前記第２予測画像の生成において、
    　前記符号化対象ブロックにアフィンモードが用いられるか否かを判定し、
    　前記符号化対象ブロックにアフィンモードが用いられないと判定された場合、前記第１補間フィルタを選択し、
    　前記符号化対象ブロックにアフィンモードが用いられると判定された場合、前記第２補間フィルタを選択し、
    　選択された前記第１補間フィルタ又は前記第２補間フィルタを用いて、前記第２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. 　前記回路は、前記第２予測画像の生成において、前記符号化対象ブロックにアフィンモードが用いられるか否かに加えて、前記符号化対象ブロックのサイズに応じて、前記第１補間フィルタと前記第２補間フィルタとを切り替えて用いる、
    　請求項１に記載の符号化装置。
  4. 　前記回路は、前記第２予測画像の生成において、
    　前記符号化対象ブロックにアフィンモードが用いられるか否かを判定し、
    　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にアフィンモードが用いられないと判定された場合、又は、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と判定された場合、前記第１補間フィルタを選択し、
    　前記符号化対象ブロックにアフィンモードが用いられると判定され、かつ、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と判定された場合、前記第２補間フィルタを選択する、
    　請求項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４に記載の符号化装置。
  6. 　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１～５のいずれか１項に記載の符号化装置。
  7. 　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１～６のいずれか１項に記載の符号化装置。
  8. 　前記符号化対象ブロックにアフィンモードが用いられる場合、前記符号化対象ブロックは、符号化ユニット（ＣＵ）を分割して得られるサブブロックである、
    　請求項１～７のいずれか１項に記載の符号化装置。
  9. 　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、
    　前記復号対象ブロックの動きベクトルに基づいて、整数画素精度を有する第１予測画像を生成し、
    　第１補間フィルタ又は前記第１補間フィルタとタップ数が異なる第２補間フィルタを用いて、前記第１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、小数画素精度を有する第２予測画像を生成し、
    　前記第２予測画像に基づいて、前記復号対象ブロックを復号し、
    　前記第２予測画像の生成では、前記復号対象ブロックにアフィンモードが用いられるか否かに応じて、前記第１補間フィルタ及び前記第２補間フィルタを切り替えて用いる、
    　復号装置。
  10. 　前記回路は、前記第２予測画像の生成において、
    　前記復号対象ブロックにアフィンモードが用いられるか否かを判定し、
    　前記復号対象ブロックにアフィンモードが用いられないと判定された場合、前記第１補間フィルタを選択し、
    　前記復号対象ブロックにアフィンモードが用いられると判定された場合、前記第２補間フィルタを選択し、
    　選択された前記第１補間フィルタ又は前記第２補間フィルタを用いて、前記第２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９に記載の復号装置。
  11. 　前記回路は、前記第２予測画像の生成において、前記復号対象ブロックにアフィンモードが用いられるか否かに加えて、前記復号対象ブロックのサイズに応じて、前記第１補間フィルタと前記第２補間フィルタとを切り替えて用いる、
    　請求項９に記載の復号装置。
  12. 　前記回路は、前記第２予測画像の生成において、
    　前記復号対象ブロックにアフィンモードが用いられるか否かを判定し、
    　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にアフィンモードが用いられないと判定された場合、又は、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と判定された場合、前記第１補間フィルタを選択し、
    　前記復号対象ブロックにアフィンモードが用いられると判定され、かつ、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と判定された場合、前記第２補間フィルタを選択する、
    　請求項１１に記載の復号装置。
  13. 　前記閾値サイズは、４ｘ４画素サイズである、
    　請求項１２に記載の復号装置。
  14. 　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９～１３のいずれか１項に記載の復号装置。
  15. 　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９～１４のいずれか１項に記載の復号装置。
  16. 　前記復号対象ブロックにアフィンモードが用いられる場合、前記復号対象ブロックは、符号化ユニット（ＣＵ）を分割して得られるサブブロックである、
    　請求項９～１５のいずれか１項に記載の復号装置。
  17. 　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方法であって、
    　前記符号化対象ブロックの動きベクトルに基づいて、整数画素精度を有する第１予測画像を生成し、
    　第１補間フィルタ又は前記第１補間フィルタとタップ数が異なる第２補間フィルタを用いて、前記第１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、小数画素精度を有する第２予測画像を生成し、
    　前記第２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、
    　前記第２予測画像の生成では、前記符号化対象ブロックにアフィンモードが用いられるか否かに応じて、前記第１補間フィルタ及び前記第２補間フィルタを切り替えて用いる、
    　符号化方法。
  18. 　画像に含まれる復号対象ブロックを復号する復号方法であって、
    　前記復号対象ブロックの動きベクトルに基づいて、整数画素精度を有する第１予測画像を生成し、
    　第１補間フィルタ又は前記第１補間フィルタとタップ数が異なる第２補間フィルタを用いて、前記第１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、小数画素精度を有する第２予測画像を生成し、
    　前記第２予測画像に基づいて、前記復号対象ブロックを復号し、
    　前記第２予測画像の生成では、前記復号対象ブロックにアフィンモードが用いられるか否かに応じて、前記第１補間フィルタ及び前記第２補間フィルタを切り替えて用いる、
    　復号方法。
  19. 　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、
    　第１のモードでは、
    　アフィンモードによって第１の符号化対象ブロックの第１の動きベクトルを導出し、
    　前記第１の動きベクトルに基づいて決定される参照ピクチャに含まれるサンプル値とタップ数が第１の値である補間フィルタとを用いて、第１の予測画像を生成し、
    　前記第１の予測画像に基づいて、前記第１の符号化対象ブロックを符号化し、
    　第２のモードでは、
    　アフィンモードと異なるモードによって第２の符号化対象ブロックの第２の動きベクトルを導出し、
    　前記第２の動きベクトルに基づいて決定される参照ピクチャに含まれるサンプル値とタップ数が第１の値と異なる第２の値である補間フィルタとを用いて、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、前記第２の符号化対象ブロックを符号化する、
    　符号化装置。
  20. 　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、
    　第１のモードでは、
    　アフィンモードによって第１の復号対象ブロックの第１の動きベクトルを導出し、
    　前記第１の動きベクトルに基づいて決定される参照ピクチャに含まれるサンプル値とタップ数が第１の値である補間フィルタとを用いて、第１の予測画像を生成し、
    　前記第１の予測画像に基づいて、前記第１の復号対象ブロックを復号し、
    　第２のモードでは、
    　アフィンモードと異なるモードによって第２の復号対象ブロックの第２の動きベクトルを導出し、
    　前記第２の動きベクトルに基づいて決定される参照ピクチャに含まれるサンプル値とタップ数が第１の値と異なる第２の値である補間フィルタとを用いて、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、前記第２の復号対象ブロックを復号する、
    　復号装置。
PCT/JP2020/010128 2019-03-11 2020-03-09 符号化装置、復号装置、符号化方法、及び復号方法 Ceased WO2020184526A1 (ja)

Priority Applications (12)

Application Number Priority Date Filing Date Title
CN202410660947.9A CN118450122A (zh) 2019-03-11 2020-03-09 比特流的发送装置、比特流的发送方法和非暂时性存储介质
CN202410660942.6A CN118433380A (zh) 2019-03-11 2020-03-09 编码装置、解码装置、编码方法、解码方法和非暂时性存储介质
CN202410660935.6A CN118890472A (zh) 2019-03-11 2020-03-09 编码装置、编码方法和非暂时性存储介质
CN202410660946.4A CN118573853A (zh) 2019-03-11 2020-03-09 编码装置、解码装置、编码方法、解码方法和非暂时性存储介质
CN202410660945.XA CN118573852A (zh) 2019-03-11 2020-03-09 编码装置、解码装置、编码方法、解码方法和非暂时性存储介质
CN202410660938.XA CN118381913A (zh) 2019-03-11 2020-03-09 编码装置、编码方法和非暂时性存储介质
JP2021505066A JP7176094B2 (ja) 2019-03-11 2020-03-09 符号化装置及び符号化方法
CN202080014663.2A CN113475066B (zh) 2019-03-11 2020-03-09 编码装置、解码装置、编码方法和解码方法
US17/391,315 US20210360239A1 (en) 2019-03-11 2021-08-02 Encoder, decoder, encoding method, and decoding method
JP2022179631A JP7479436B2 (ja) 2019-03-11 2022-11-09 復号装置及び復号方法
JP2024069733A JP2024087004A (ja) 2019-03-11 2024-04-23 ビットストリームを保存する非一時的記憶媒体
JP2025239443A JP2026041929A (ja) 2019-03-11 2025-12-08 ビットストリームの送信装置及び送信方法並びに非一時的記憶媒体

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201962816496P 2019-03-11 2019-03-11
US62/816,496 2019-03-11

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/391,315 Continuation US20210360239A1 (en) 2019-03-11 2021-08-02 Encoder, decoder, encoding method, and decoding method

Publications (1)

Publication Number Publication Date
WO2020184526A1 true WO2020184526A1 (ja) 2020-09-17

Family

ID=72425977

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/010128 Ceased WO2020184526A1 (ja) 2019-03-11 2020-03-09 符号化装置、復号装置、符号化方法、及び復号方法

Country Status (4)

Country Link
US (1) US20210360239A1 (ja)
JP (4) JP7176094B2 (ja)
CN (7) CN118450122A (ja)
WO (1) WO2020184526A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023200381A1 (en) * 2022-04-12 2023-10-19 Telefonaktiebolaget Lm Ericsson (Publ) Enhanced interpolation filtering
US20240333911A1 (en) * 2023-03-28 2024-10-03 Qualcomm Incorporated Fusion improvement and sub-pel precision mode for template matching related tools for video coding

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8750378B2 (en) * 2008-09-23 2014-06-10 Qualcomm Incorporated Offset calculation in switched interpolation filters
EP2432226B1 (en) * 2009-05-11 2019-06-26 NTT DoCoMo, Inc. Moving image encoding device, method, and program, and moving image decoding device, method, and program
CN103026707B (zh) * 2010-07-21 2016-11-09 杜比实验室特许公司 使用用于视频编码的高级运动模型的参考处理
WO2017147765A1 (en) * 2016-03-01 2017-09-08 Mediatek Inc. Methods for affine motion compensation
US10341659B2 (en) * 2016-10-05 2019-07-02 Qualcomm Incorporated Systems and methods of switching interpolation filters
US10681370B2 (en) * 2016-12-29 2020-06-09 Qualcomm Incorporated Motion vector generation for affine motion model for video coding
PL3618444T3 (pl) * 2017-04-27 2025-03-10 Panasonic Intellectual Property Corporation Of America Koder, dekoder, sposób kodowania oraz sposób dekodowania
WO2018225593A1 (ja) * 2017-06-05 2018-12-13 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、復号装置、符号化方法および復号方法
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
CN115695790B (zh) * 2018-01-15 2025-10-28 三星电子株式会社 编码方法及其设备以及解码方法及其设备
KR20250020687A (ko) * 2018-04-01 2025-02-11 광동 오포 모바일 텔레커뮤니케이션즈 코포레이션 리미티드 어파인 움직임 예측에 기반한 영상 코딩 방법 및 그 장치
WO2020061082A1 (en) * 2018-09-21 2020-03-26 Vid Scale, Inc. Complexity reduction and bit-width control for bi-directional optical flow
CN113056909A (zh) * 2018-12-31 2021-06-29 松下电器（美国）知识产权公司 编码装置、解码装置、编码方法和解码方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LI J; R-L LIAO; LIM C S: "CE2-related: Using shorter-tap filter for 4x4 sized partition", JOINT VIDEO EXPERTS TEAM (JVET) , [JVET-M0310] (VERSION 4), no. [JVET-M0310, 9 January 2019 (2019-01-09), XP030201158 *

Also Published As

Publication number Publication date
CN118381913A (zh) 2024-07-23
JPWO2020184526A1 (ja) 2021-11-04
CN113475066A (zh) 2021-10-01
US20210360239A1 (en) 2021-11-18
CN118890472A (zh) 2024-11-01
JP2023001298A (ja) 2023-01-04
CN118433380A (zh) 2024-08-02
CN118573852A (zh) 2024-08-30
JP7479436B2 (ja) 2024-05-08
JP2024087004A (ja) 2024-06-28
JP2026041929A (ja) 2026-03-10
CN118450122A (zh) 2024-08-06
CN113475066B (zh) 2024-05-31
JP7176094B2 (ja) 2022-11-21
CN118573853A (zh) 2024-08-30

Similar Documents

Publication Publication Date Title
JP6950095B2 (ja) 符号化装置及び復号装置
WO2020184555A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7389283B2 (ja) 符号化装置及び復号装置
JP2022503464A (ja) ビデオコーディング用動きベクトル予測
JP2023068203A (ja) 復号装置及び復号方法
JPWO2020085235A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7004835B2 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JPWO2020130020A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JPWO2020116241A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JPWO2019240050A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
JPWO2020166480A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JPWO2020045050A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2020256048A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP2022093745A (ja) 符号化装置及び復号装置
JP2024087004A (ja) ビットストリームを保存する非一時的記憶媒体
WO2020218564A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2020171224A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JPWO2020162535A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JPWO2020050279A1 (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
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
WO2020235586A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2020235659A1 (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

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: 20769360

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021505066

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20769360

Country of ref document: EP

Kind code of ref document: A1