WO2021172956A1 - 영상 특징 정보 시그널링을 위한 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법 - Google Patents

영상 특징 정보 시그널링을 위한 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법 Download PDF

Info

Publication number
WO2021172956A1
WO2021172956A1 PCT/KR2021/002509 KR2021002509W WO2021172956A1 WO 2021172956 A1 WO2021172956 A1 WO 2021172956A1 KR 2021002509 W KR2021002509 W KR 2021002509W WO 2021172956 A1 WO2021172956 A1 WO 2021172956A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
feature
image
feature information
unit
Prior art date
Application number
PCT/KR2021/002509
Other languages
English (en)
French (fr)
Inventor
김철근
손은용
전용준
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020227033362A priority Critical patent/KR20220147641A/ko
Priority to US17/799,154 priority patent/US11838519B2/en
Publication of WO2021172956A1 publication Critical patent/WO2021172956A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • 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
    • H04N19/167—Position within a video image, e.g. region of interest [ROI]
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/002—Image coding using neural networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/124—Quantisation
    • 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
    • H04N19/136—Incoming video signal characteristics or properties
    • 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
    • H04N19/184—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 bits, e.g. of the compressed video stream
    • 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
    • H04N19/188—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a video data packet, e.g. a network abstraction layer [NAL] unit
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H04N19/423—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation characterised by memory arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • 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
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/61—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding in combination with predictive coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Definitions

  • the present disclosure relates to an image encoding/decoding method and apparatus, and more particularly, an image encoding/decoding method and apparatus for signaling feature information of an image, and transmitting a bitstream generated by the image encoding method/apparatus of the present disclosure it's about how to
  • HD images high definition (HD) images and ultra high definition (UHD) images
  • UHD images ultra high definition
  • An object of the present disclosure is to provide an image encoding/decoding method and apparatus with improved encoding/decoding efficiency.
  • Another object of the present disclosure is to provide an image encoding/decoding method and apparatus for improving encoding/decoding efficiency by improving a method for signaling feature information of an image.
  • Another object of the present disclosure is to provide a method of transmitting a bitstream generated by an image encoding method or apparatus according to the present disclosure.
  • Another object of the present disclosure is to provide a recording medium storing a bitstream generated by an image encoding method or apparatus according to the present disclosure.
  • Another object of the present disclosure is to provide a recording medium storing a bitstream that is received and decoded by an image decoding apparatus according to the present disclosure and used to restore an image.
  • An image decoding method performed by an image decoding apparatus includes: acquiring encoded data of feature information generated by applying an artificial neural network-based feature extraction method to an image from a bitstream; decoding the encoded data of the feature information to restore feature information; and generating analysis data of the image based on the feature information.
  • the feature information may be restored based on any one of abstract information of the feature information, a region of interest of the feature information, and an encoding format for the feature information.
  • an image decoding apparatus including a memory and at least one processor, wherein the at least one processor applies an artificial neural network-based feature extraction method to an image. It is possible to obtain encoded data from a bitstream, reconstruct the characteristic information by decoding the encoded data of the characteristic information, and generate the analysis data of the image based on the characteristic information.
  • the feature information may be restored based on any one of abstract information of the feature information, a region of interest of the feature information, and an encoding format for the feature information.
  • an image encoding method performed by an image encoding apparatus includes: obtaining feature information from an input image using an artificial neural network-based feature extraction method; and generating encoding information of the feature information based on the feature information.
  • the encoding information may be generated based on any one of abstract information of the characteristic information, a region of interest of the characteristic information, and an encoding format for the characteristic information.
  • the transmission method according to an aspect of the present disclosure may transmit a bitstream generated by the image encoding apparatus or the image encoding method of the present disclosure.
  • the computer-readable recording medium may store a bitstream generated by the image encoding method or image encoding apparatus of the present disclosure.
  • an image encoding/decoding method and apparatus having improved encoding/decoding efficiency may be provided.
  • an image encoding/decoding method and apparatus capable of improving encoding/decoding efficiency by using an improved signaling method of image characteristic information may be provided.
  • a method for transmitting a bitstream generated by an image encoding method or apparatus according to the present disclosure may be provided.
  • a recording medium storing a bitstream generated by the image encoding method or apparatus according to the present disclosure may be provided.
  • a recording medium storing a bitstream received and decoded by the image decoding apparatus according to the present disclosure and used to restore an image.
  • FIG. 1 is a diagram schematically illustrating a video coding system to which an embodiment according to the present disclosure can be applied.
  • FIG. 2 is a diagram schematically illustrating an image encoding apparatus to which an embodiment according to the present disclosure can be applied.
  • FIG. 3 is a diagram schematically illustrating an image decoding apparatus to which an embodiment according to the present disclosure can be applied.
  • FIG. 4 is a diagram illustrating a split structure of an image according to an exemplary embodiment.
  • FIG. 5 is a diagram illustrating an embodiment of a block division type according to a multi-type tree structure.
  • FIG. 6 is a diagram illustrating a signaling mechanism of block partitioning information in a quadtree structure accompanying a multitype tree according to the present disclosure.
  • FIG. 7 is a diagram illustrating an embodiment in which a CTU is divided into multiple CUs.
  • FIGS. 8 to 11 are diagrams illustrating an embodiment in which a picture is divided using a tile, a slice, and a subpicture.
  • FIG. 12 is a diagram illustrating a block diagram of CABAC according to an embodiment for encoding one syntax element.
  • 13 to 16 are diagrams for explaining entropy encoding and decoding according to an embodiment.
  • 17 and 18 are diagrams illustrating examples of picture decoding and encoding procedures according to an embodiment.
  • 19 is a diagram illustrating a hierarchical structure of a coded image according to an embodiment.
  • FIG. 20 is a diagram illustrating an embodiment of a video/image encoding apparatus and/or a video decoding apparatus for a machine.
  • 21 is a diagram illustrating an example of feature extraction using a feature extraction network.
  • FIG. 22 is a diagram illustrating an example of a VCM encoding/decoding structure.
  • FIG. 23 is a diagram illustrating an example of a hierarchical structure of a VCM proposed in the present disclosure.
  • NAL information neural network abstraction layer information
  • 25 is a diagram illustrating an example of a bitstream composed of encoded abstracted features and NNAL information.
  • 26 is a diagram illustrating an example of a decoding process.
  • FIG. 27 is a diagram illustrating an example of a VCM structure to which the neural network abstraction and refinement proposed in the present disclosure are applied.
  • 28 is a diagram illustrating an example of an operation of an interface between NNAL and NNR.
  • 29 is a diagram illustrating an example of an interface between NNML and NNR.
  • FIGS. 30 to 31 are diagrams illustrating a VCM system for performing feature encoding.
  • 32 is a diagram illustrating an example of an object identified in an image.
  • FIG. 33 is a diagram illustrating an embodiment of a video/image encoding apparatus and/or a video decoding apparatus to which an important region identification module is added.
  • 34 and 35 are diagrams illustrating two examples of expressing corresponding area information.
  • 36 to 37 are diagrams illustrating an embodiment of a syntax for signaling task information in order to perform a method proposed by the present disclosure.
  • 38 is a diagram illustrating an example of output data for each layer for an RGB input image.
  • 39 is a diagram illustrating an example of feature notation.
  • FIG. 40 is a diagram illustrating a VCM system in which a feature encoding apparatus and a feature decoding apparatus are configured according to an embodiment.
  • 41 is a diagram illustrating main parameters of CF according to an embodiment.
  • FIG. 42 is a diagram illustrating a process of conversion to CF and inverse conversion to a feature according to an embodiment.
  • 43 is a diagram illustrating an embodiment of a CF according to an embodiment.
  • 44 is a diagram illustrating an algorithm for converting a feature to a CF or inversely converting a CF to a feature according to an embodiment.
  • 45 is a diagram illustrating a definition of a ceiling function and a graph of a ceiling function according to an embodiment.
  • 46 is a diagram illustrating an embodiment of a CF generated according to an embodiment.
  • 47 is a diagram illustrating an algorithm for performing feature-to-CF transformation and CF-to-feature inverse transformation according to an embodiment.
  • FIG. 48 is a diagram illustrating a CF generation method according to an embodiment.
  • 49 is a diagram illustrating an embodiment of a CF generated by block pixels in a 4x8 unit for an actual feature having 32 channels of 304x304 size and then disposing each block adjacently.
  • 50 is a diagram illustrating a method for a decoding apparatus in a VCM system to decode image-related feature information according to an embodiment.
  • 51 is a flowchart illustrating a method of reconstructing feature information by using abstract information of feature information by a decoding apparatus according to an embodiment.
  • FIG. 52 is a flowchart illustrating a method for the decoding apparatus to reconstruct feature information using a region of interest of the feature information, according to an embodiment.
  • 53 and 54 are flowcharts illustrating a decoding apparatus and a method of performing decoding and encoding by the encoding apparatus according to an embodiment.
  • 55 and 56 are diagrams illustrating a content streaming system to which an embodiment of the present disclosure can be applied.
  • a component when it is said that a component is “connected”, “coupled” or “connected” with another component, it is not only a direct connection relationship, but also an indirect connection relationship in which another component exists in the middle. may also include.
  • a component when a component is said to "include” or “have” another component, it means that another component may be further included without excluding other components unless otherwise stated. .
  • first, second, etc. are used only for the purpose of distinguishing one component from another, and do not limit the order or importance between the components unless otherwise specified. Accordingly, within the scope of the present disclosure, a first component in one embodiment may be referred to as a second component in another embodiment, and similarly, a second component in one embodiment is referred to as a first component in another embodiment. can also be called
  • components that are distinguished from each other are for clearly explaining each characteristic, and do not necessarily mean that the components are separated. That is, a plurality of components may be integrated to form one hardware or software unit, or one component may be distributed to form a plurality of hardware or software units. Accordingly, even if not specifically mentioned, such integrated or dispersed embodiments are also included in the scope of the present disclosure.
  • components described in various embodiments do not necessarily mean essential components, and some may be optional components. Accordingly, an embodiment composed of a subset of components described in one embodiment is also included in the scope of the present disclosure. In addition, embodiments including other components in addition to components described in various embodiments are also included in the scope of the present disclosure.
  • the present disclosure relates to encoding and decoding of an image, and terms used in the present disclosure may have conventional meanings commonly used in the technical field to which the present disclosure belongs unless they are newly defined in the present disclosure.
  • the present disclosure may be applied to a method disclosed in a Versatile Video Coding (VVC) standard and/or a Video Coding for Machines (VCM) standard.
  • VVC Versatile Video Coding
  • VCM Video Coding for Machines
  • EVC essential video coding
  • AV1 AOMedia Video 1
  • AVS2 2nd generation of audio video coding standard
  • next-generation video/image coding standard ex. H.267 or H.268, etc.
  • video is a series of It may mean a set of images.
  • An “image” may be information generated by artificial intelligence (AI). Input information used in the process of AI performing a series of tasks, information generated during information processing and output information can be used as images.
  • a “picture” generally refers to a unit representing one image in a specific time period, and a slice/tile is a coding unit constituting a part of a picture in encoding.
  • One picture may consist of one or more slices/tiles.
  • a slice/tile may include one or more coding tree units (CTUs). The CTU may be divided into one or more CUs.
  • CTUs coding tree units
  • a tile is a rectangular area existing in a specific tile row and a specific tile column in a picture, and may be composed of a plurality of CTUs.
  • a tile column may be defined as a rectangular region of CTUs, may have a height equal to the height of a picture, and may have a width specified by a syntax element signaled from a bitstream part such as a picture parameter set.
  • a tile row may be defined as a rectangular area of CTUs, may have a width equal to the width of a picture, and may have a height specified by a syntax element signaled from a bitstream part such as a picture parameter set.
  • a tile scan is a certain continuous ordering method of CTUs that divide a picture.
  • CTUs may be sequentially ordered according to a CTU raster scan within a tile, and tiles in a picture may be sequentially ordered according to a raster scan order of tiles of the picture.
  • a slice may contain an integer number of complete tiles, or it may contain a continuous integer number of complete CTU rows within one tile of one picture.
  • a slice may be exclusively included in one single NAL unit.
  • One picture may be composed of one or more tile groups.
  • One tile group may include one or more tiles.
  • a brick may indicate a rectangular area of CTU rows within a tile in a picture.
  • One tile may include one or more bricks.
  • a brick may represent a rectangular area of CTU rows in a tile.
  • One tile may be divided into a plurality of bricks, and each brick may include one or more CTU rows belonging to the tile. Tiles that are not divided into a plurality of bricks may also be treated as bricks.
  • pixel or “pel” may mean a minimum unit constituting one picture (or image).
  • sample may be used as a term corresponding to a pixel.
  • the sample may generally represent a pixel or a value of a pixel, may represent only a pixel/pixel value of a luma component, or may represent only a pixel/pixel value of a chroma component.
  • the pixel/pixel value is independent information of each component or a pixel of a component generated through combination, synthesis, and analysis /Can also indicate a pixel value.
  • the pixel/pixel value of R may be indicated, only the pixel/pixel value of G may be indicated, or only the pixel/pixel value of B may be indicated.
  • the pixel/pixel value of the luma component synthesized using the R, G, and B components may be represented.
  • a “unit” may indicate a basic unit of image processing.
  • the unit may include at least one of a specific region of a picture and information related to the region.
  • One unit may include one luma block and two chroma (e.g. Cb, Cr) blocks.
  • a unit may be used interchangeably with terms such as “sample array”, “block” or “area” in some cases.
  • an MxN block may include samples (or sample arrays) or a set (or arrays) of transform coefficients including M columns and N rows.
  • the unit may represent a basic unit containing information for performing a specific mission.
  • current block may mean one of “current coding block”, “current coding unit”, “coding object block”, “decoding object block”, or “processing object block”.
  • current block may mean “current prediction block” or “prediction target block”.
  • transform inverse transform
  • quantization inverse quantization
  • current block may mean “current transform block” or “transform target block”.
  • filtering the “current block” may mean a “filtering target block”.
  • a “current block” may mean a “luma block of the current block” unless explicitly stated as a chroma block.
  • a “chroma block of the current block” may be explicitly expressed including an explicit description of a chroma block, such as a “chroma block” or a “current chroma block”.
  • “/” and “,” may be interpreted as “and/or”.
  • “A/B” and “A, B” may be interpreted as “A and/or B”.
  • “A/B/C” and “A, B, C” may mean “at least one of A, B, and/or C”.
  • FIG. 1 illustrates a video coding system according to this disclosure.
  • a video coding system may include a source device 10 and a receiving device 20 .
  • the source device 10 may transmit encoded video and/or image information or data in a file or streaming form to the receiving device 20 through a digital storage medium or a network.
  • the source device 10 may include a video source generator 11 , an encoding apparatus 12 , and a transmitter 13 .
  • the reception device 20 may include a reception unit 21 , a decoding apparatus 12 , and a rendering unit 23 .
  • the encoding apparatus 12 may be referred to as a video/image encoding apparatus, and the decoding apparatus 12 may be referred to as a video/image decoding apparatus.
  • the transmitter 13 may be included in the encoding device 12 .
  • the receiver 21 may be included in the decoding device 12 .
  • the rendering unit 23 may include a display unit, and the display unit may be configured as a separate device or external component.
  • the video source generator 11 may acquire a video/image through a process of capturing, synthesizing, or generating the video/image.
  • the video source generating unit 11 may include a video/image capturing device and/or a video/image generating device.
  • a video/image capture device may include, for example, one or more cameras, a video/image archive containing previously captured video/images, and the like.
  • a video/image generating device may include, for example, a computer, tablet, and smart phone, and may (electronically) generate a video/image.
  • a virtual video/image may be generated through a computer, etc.
  • the video/image capturing process may be substituted for the process of generating related data.
  • video/image synthesis and generation may be performed during an information processing process (AI input information, information processing information, output information) by AI.
  • information generated in the video/image capture process may be utilized as input information of AI.
  • the encoding apparatus 12 may encode an input video/image.
  • the encoding apparatus 12 may perform a series of procedures such as prediction, transformation, and quantization for compression and encoding efficiency.
  • the encoding apparatus 12 may output encoded data (encoded video/image information) in the form of a bitstream.
  • the transmitting unit 13 may transmit the encoded video/image information or data output in the form of a bitstream to the receiving unit 21 of the receiving device 20 through a digital storage medium or a network in a file or streaming form.
  • the digital storage medium may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • the transmission unit 13 may include an element for generating a media file through a predetermined file format, and may include an element for transmission through a broadcast/communication network.
  • the receiving unit 21 may extract/receive the bitstream from the storage medium or network and transmit it to the decoding device 12 .
  • the decoding apparatus 12 may decode a video/image by performing a series of procedures such as inverse quantization, inverse transformation, and prediction corresponding to the operation of the encoding apparatus 12 .
  • the rendering unit 23 may render the decoded video/image.
  • the rendered video/image may be displayed through the display unit.
  • the decoded video can be used not only for rendering but also as input information for use in other systems.
  • the decoded video may be utilized as input information for AI mission performance.
  • the decoded video may be utilized as input information for performing AI tasks such as face recognition, behavior recognition, and lane recognition.
  • FIG. 2 is a diagram schematically illustrating an image encoding apparatus to which an embodiment according to the present disclosure can be applied.
  • the image encoding apparatus 100 includes an image segmentation unit 110 , a subtraction unit 115 , a transform unit 120 , a quantization unit 130 , an inverse quantization unit 140 , and an inverse transform unit ( 150 ), an adder 155 , a filtering unit 160 , a memory 170 , an inter prediction unit 180 , an intra prediction unit 185 , and an entropy encoding unit 190 .
  • the inter prediction unit 180 and the intra prediction unit 185 may be collectively referred to as a “prediction unit”.
  • the transform unit 120 , the quantization unit 130 , the inverse quantization unit 140 , and the inverse transform unit 150 may be included in a residual processing unit.
  • the residual processing unit may further include a subtraction unit 115 .
  • All or at least some of the plurality of components constituting the image encoding apparatus 100 may be implemented as one hardware component (eg, an encoder or a processor) according to an embodiment.
  • the memory 170 may include a decoded picture buffer (DPB), and may be implemented by a digital storage medium.
  • DPB decoded picture buffer
  • the image dividing unit 110 may divide an input image (or a picture, a frame) input to the image encoding apparatus 100 into one or more processing units -
  • the input image is acquired by an image sensor It may be a normal image and/or an image generated by AI-.
  • the processing unit may be referred to as a coding unit (CU).
  • Coding unit is a coding tree unit (coding tree unit, CTU) or largest coding unit (LCU) according to the QT / BT / TT (Quad-tree / binary-tree / ternary-tree) structure recursively ( can be obtained by recursively segmenting.
  • one coding unit may be divided into a plurality of coding units having a lower depth based on a quad tree structure, a binary tree structure, and/or a ternary tree structure.
  • a quad tree structure may be applied first and a binary tree structure and/or a ternary tree structure may be applied later.
  • a coding procedure according to the present disclosure may be performed based on the last coding unit that is no longer divided.
  • the largest coding unit may be directly used as the final coding unit, and a coding unit of a lower depth obtained by dividing the largest coding unit may be used as the final cornet unit.
  • the coding procedure may include procedures such as prediction, transformation, and/or restoration, which will be described later.
  • the processing unit of the coding procedure may be a prediction unit (PU) or a transform unit (TU).
  • the prediction unit and the transform unit may be divided or partitioned from the final coding unit, respectively.
  • the prediction unit may be a unit of sample prediction
  • the transform unit may be a unit for deriving a transform coefficient and/or a unit for deriving a residual signal from the transform coefficient.
  • the prediction unit (the inter prediction unit 180 or the intra prediction unit 185) performs prediction on a processing target block (current block), and generates a predicted block including prediction samples for the current block.
  • the prediction unit may determine whether intra prediction or inter prediction is applied on a current block or CU basis.
  • the prediction unit may generate various information regarding prediction of the current block and transmit it to the entropy encoding unit 190 .
  • the prediction information may be encoded by the entropy encoding unit 190 and output in the form of a bitstream.
  • the intra prediction unit 185 may predict the current block with reference to samples in the current picture.
  • the referenced samples may be located in the vicinity of the current block according to an intra prediction mode and/or an intra prediction technique, or may be located apart from each other.
  • the intra prediction modes may include a plurality of non-directional modes and a plurality of directional modes.
  • the non-directional mode may include, for example, a DC mode and a planar mode (Planar mode).
  • the directional mode may include, for example, 33 directional prediction modes or 65 directional prediction modes according to the granularity of the prediction direction. However, this is an example, and a higher or lower number of directional prediction modes may be used according to a setting.
  • the intra prediction unit 185 may determine the prediction mode applied to the current block by using the prediction mode applied to the neighboring block.
  • the inter prediction unit 180 may derive the predicted block for the current block based on the reference block (reference sample array) specified by the motion vector on the reference picture.
  • the motion information may be predicted in units of blocks, subblocks, or samples based on the correlation between motion information between neighboring blocks and the current block.
  • the motion information may include a motion vector and a reference picture index.
  • the motion information may further include inter prediction direction (L0 prediction, L1 prediction, Bi prediction, etc.) information.
  • the neighboring blocks may include spatial neighboring blocks existing in the current picture and temporal neighboring blocks present in the reference picture.
  • the reference picture including the reference block and the reference picture including the temporal neighboring block may be the same or different.
  • the temporal neighboring block may be called a collocated reference block, a collocated CU (colCU), or the like.
  • the reference picture including the temporal neighboring block may be referred to as a collocated picture (colPic).
  • the inter prediction unit 180 constructs a motion information candidate list based on neighboring blocks, and provides information indicating which candidate is used to derive a motion vector and/or a reference picture index of the current block. can create Inter prediction may be performed based on various prediction modes. For example, in the skip mode and merge mode, the inter prediction unit 180 may use motion information of a neighboring block as motion information of the current block. In the skip mode, unlike the merge mode, a residual signal may not be transmitted.
  • a motion vector of a neighboring block is used as a motion vector predictor, and a motion vector difference and an indicator for the motion vector predictor ( indicator) to signal the motion vector of the current block.
  • the motion vector difference may mean a difference between the motion vector of the current block and the motion vector predictor.
  • the prediction unit may generate a prediction signal based on various prediction methods and/or prediction techniques to be described later. For example, the prediction unit may apply intra prediction or inter prediction for prediction of the current block, and may simultaneously apply intra prediction and inter prediction. A prediction method that simultaneously applies intra prediction and inter prediction for prediction of the current block may be referred to as combined inter and intra prediction (CIIP). Also, the prediction unit may perform intra block copy (IBC) for prediction of the current block. The intra block copy may be used for video/video coding of content such as games, for example, screen content coding (SCC). IBC is a method of predicting a current block using a reconstructed reference block in a current picture located a predetermined distance away from the current block.
  • CIIP combined inter and intra prediction
  • IBC intra block copy
  • the intra block copy may be used for video/video coding of content such as games, for example, screen content coding (SCC).
  • IBC is a method of predicting a current block using a reconstructed reference block in a current picture located
  • the position of the reference block in the current picture may be encoded as a vector (block vector) corresponding to the predetermined distance.
  • IBC basically performs prediction within the current picture, but may be performed similarly to inter prediction in that a reference block is derived within the current picture. That is, IBC may use at least one of the inter prediction techniques described in this disclosure.
  • the prediction signal generated by the prediction unit may be used to generate a reconstructed signal or may be used to generate a residual signal.
  • the subtraction unit 115 subtracts the prediction signal (predicted block, prediction sample array) output from the prediction unit from the input image signal (original block, original sample array) to obtain a residual signal (residual signal, residual block, and residual sample array). ) can be created.
  • the generated residual signal may be transmitted to the converter 120 .
  • the transform unit 120 may generate transform coefficients by applying a transform technique to the residual signal.
  • the transformation method may include at least one of Discrete Cosine Transform (DCT), Discrete Sine Transform (DST), Karhunen-Loeve Transform (KLT), Graph-Based Transform (GBT), or Conditionally Non-linear Transform (CNT).
  • DCT Discrete Cosine Transform
  • DST Discrete Sine Transform
  • KLT Karhunen-Loeve Transform
  • GBT Graph-Based Transform
  • CNT Conditionally Non-linear Transform
  • GBT means a transformation obtained from this graph when expressing relationship information between pixels in a graph.
  • CNT refers to a transformation obtained by generating a prediction signal using all previously reconstructed pixels and based thereon.
  • the transformation process may be applied to a block of pixels having the same size as a square, or may be applied to a block of variable size that is not a square.
  • the quantization unit 130 may quantize the transform coefficients and transmit them to the entropy encoding unit 190 .
  • the entropy encoding unit 190 may encode a quantized signal (information on quantized transform coefficients) and output it as a bitstream.
  • Information about the quantized transform coefficients may be referred to as residual information.
  • the quantization unit 130 may rearrange the quantized transform coefficients in the block form into a one-dimensional vector form based on a coefficient scan order, and the quantized transform coefficients in the one-dimensional vector form are quantized based on the quantized transform coefficients in the one-dimensional vector form.
  • Information about the transform coefficients may be generated.
  • the entropy encoding unit 190 may perform various encoding methods such as, for example, exponential Golomb, context-adaptive variable length coding (CAVLC), and context-adaptive binary arithmetic coding (CABAC).
  • the entropy encoding unit 190 may encode information necessary for video/image reconstruction (eg, values of syntax elements, etc.) other than the quantized transform coefficients together or separately.
  • Encoded information eg, encoded video/image information
  • NAL network abstraction layer
  • the video/image information may further include information about various parameter sets, such as an adaptation parameter set (APS), a picture parameter set (PPS), a sequence parameter set (SPS), or a video parameter set (VPS). Also, the video/image information may further include general constraint information. In addition, the video/image information may include a method of generating and using the encoded information, a purpose, and the like. For example, especially when applied to VCM, the video/image information is information indicating which AI task the encoded information is encoded for, and what network (eg neural network) is used for the encoded information. and information indicating whether the encoded information has been encoded and/or information indicating for what purpose the encoded information is encoded.
  • APS adaptation parameter set
  • PPS picture parameter set
  • SPS sequence parameter set
  • VPS video parameter set
  • VPS video parameter set
  • the video/image information may further include general constraint information.
  • the video/image information may include a method of generating and using the encoded information, a purpose, and the like
  • Information and/or syntax elements transmitted/signaled from the encoding apparatus of the present disclosure to the decoding apparatus may be included in video/image information.
  • the signaling information, transmitted information, and/or syntax elements mentioned in this disclosure may be encoded through the above-described encoding procedure and included in the bitstream.
  • the bitstream may be transmitted over a network or may be stored in a digital storage medium.
  • the network may include a broadcasting network and/or a communication network
  • the digital storage medium may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • a transmission unit (not shown) and/or a storage unit (not shown) for storing the signal output from the entropy encoding unit 190 may be provided as internal/external elements of the image encoding apparatus 100 , or transmission The unit may be provided as a component of the entropy encoding unit 190 .
  • the quantized transform coefficients output from the quantization unit 130 may be used to generate a residual signal.
  • a residual signal residual block or residual samples
  • a residual signal residual block or residual samples
  • the adder 155 adds a reconstructed signal (reconstructed picture, reconstructed block, reconstructed sample array) by adding the reconstructed residual signal to the prediction signal output from the inter prediction unit 180 or the intra prediction unit 185 .
  • a reconstructed signal (reconstructed picture, reconstructed block, reconstructed sample array) by adding the reconstructed residual signal to the prediction signal output from the inter prediction unit 180 or the intra prediction unit 185 .
  • the adder 155 may be referred to as a restoration unit or a restoration block generator.
  • the generated reconstructed signal may be used for intra prediction of the next processing object block in the current picture, or may be used for inter prediction of the next picture after filtering as described below.
  • the filtering unit 160 may improve subjective/objective image quality by applying filtering to the reconstructed signal.
  • the filtering unit 160 may generate a modified reconstructed picture by applying various filtering methods to the reconstructed picture, and store the modified reconstructed picture in the memory 170 , specifically, the DPB of the memory 170 .
  • the various filtering methods may include, for example, deblocking filtering, a sample adaptive offset, an adaptive loop filter, a bilateral filter, and the like.
  • the filtering unit 160 may generate various information regarding filtering and transmit it to the entropy encoding unit 190 as described later in the description of each filtering method.
  • the filtering-related information may be encoded by the entropy encoding unit 190 and output in the form of a bitstream.
  • the modified reconstructed picture transmitted to the memory 170 may be used as a reference picture in the inter prediction unit 180 .
  • the image encoding apparatus 100 can avoid a prediction mismatch between the image encoding apparatus 100 and the image decoding apparatus, and can also improve encoding efficiency.
  • the DPB in the memory 170 may store a reconstructed picture corrected for use as a reference picture in the inter prediction unit 180 .
  • the memory 170 may store motion information of a block in which motion information in the current picture is derived (or encoded) and/or motion information of blocks in an already reconstructed picture.
  • the stored motion information may be transmitted to the inter prediction unit 180 to be used as motion information of a spatial neighboring block or motion information of a temporal neighboring block.
  • the memory 170 may store reconstructed samples of reconstructed blocks in the current picture, and may transmit the reconstructed samples to the intra prediction unit 185 .
  • FIG. 3 is a diagram schematically illustrating an image decoding apparatus to which an embodiment according to the present disclosure can be applied.
  • the image decoding apparatus 200 includes an entropy decoding unit 210 , an inverse quantization unit 220 , an inverse transform unit 230 , an adder 235 , a filtering unit 240 , and a memory 250 .
  • the inter prediction unit 260 and the intra prediction unit 265 may be included.
  • the inter prediction unit 260 and the intra prediction unit 265 may be collectively referred to as a “prediction unit”.
  • the inverse quantization unit 220 and the inverse transform unit 230 may be included in the residual processing unit.
  • All or at least some of the plurality of components constituting the image decoding apparatus 200 may be implemented as one hardware component (eg, a decoder or a processor) according to an embodiment.
  • the memory 170 may include a DPB, and may be implemented by a digital storage medium.
  • the image decoding apparatus 200 may reconstruct the image by performing a process corresponding to the process performed by the image encoding apparatus 100 of FIG. 2 .
  • the image decoding apparatus 200 may perform decoding using a processing unit applied in the image encoding apparatus.
  • the processing unit of decoding may be, for example, a coding unit.
  • a coding unit may be a coding tree unit or may be obtained by dividing the largest coding unit.
  • the reconstructed image signal decoded and output through the image decoding apparatus 200 may be reproduced through a reproducing apparatus (not shown).
  • the image decoding apparatus 200 may receive the signal output from the image encoding apparatus of FIG. 2 in the form of a bitstream.
  • the received signal may be decoded through the entropy decoding unit 210 .
  • the entropy decoding unit 210 may parse the bitstream to derive information (eg, video/image information) required for image restoration (or picture restoration).
  • the video/image information may further include information about various parameter sets, such as an adaptation parameter set (APS), a picture parameter set (PPS), a sequence parameter set (SPS), or a video parameter set (VPS).
  • the video/image information may further include general constraint information.
  • the video/image information is information indicating which AI task the coded information is coded to perform, and what network (eg neural network) the coded information uses. It may include information indicating whether the encoded information is encoded and/or information indicating for what purpose the encoded information is encoded. In an embodiment, even if the corresponding image is an image having general characteristics having a general mission, network, and/or use, a value thereof may be forced to be described.
  • the image decoding apparatus may additionally use the information about the parameter set and/or the general restriction information to decode the image.
  • the signaling information, received information and/or syntax elements mentioned in this disclosure may be obtained from the bitstream by being decoded through the decoding procedure.
  • the entropy decoding unit 210 decodes information in a bitstream based on a coding method such as exponential Golomb coding, CAVLC or CABAC, and a value of a syntax element required for image reconstruction, and a quantized value of a transform coefficient related to a residual. can be printed out.
  • the CABAC entropy decoding method receives a bin corresponding to each syntax element in a bitstream, and receives syntax element information to be decoded and decoding information of neighboring blocks and blocks to be decoded or information of symbols/bins decoded in the previous step. determines a context model using can In this case, the CABAC entropy decoding method may update the context model by using the decoded symbol/bin information for the context model of the next symbol/bin after determining the context model. Prediction-related information among the information decoded by the entropy decoding unit 210 is provided to the prediction unit (the inter prediction unit 260 and the intra prediction unit 265), and the entropy decoding unit 210 performs entropy decoding.
  • the dual value that is, quantized transform coefficients and related parameter information may be input to the inverse quantization unit 220 .
  • information about filtering among the information decoded by the entropy decoding unit 210 may be provided to the filtering unit 240 .
  • a receiving unit (not shown) for receiving a signal output from the image encoding apparatus may be additionally provided as internal/external elements of the image decoding apparatus 200 , or the receiving unit is provided as a component of the entropy decoding unit 210 .
  • the image decoding apparatus may be referred to as a video/image/picture decoding apparatus.
  • the image decoding apparatus may include an information decoder (video/image/picture information decoder) and/or a sample decoder (video/image/picture sample decoder).
  • the information decoder may include an entropy decoding unit 210, and the sample decoder includes an inverse quantizer 220, an inverse transform unit 230, an adder 235, a filtering unit 240, a memory 250, At least one of an inter prediction unit 260 and an intra prediction unit 265 may be included.
  • the inverse quantizer 220 may inverse quantize the quantized transform coefficients to output transform coefficients.
  • the inverse quantizer 220 may rearrange the quantized transform coefficients in a two-dimensional block form. In this case, the rearrangement may be performed based on a coefficient scan order performed by the image encoding apparatus.
  • the inverse quantizer 220 may perform inverse quantization on the quantized transform coefficients using a quantization parameter (eg, quantization step size information) and obtain transform coefficients.
  • a quantization parameter eg, quantization step size information
  • the inverse transform unit 230 may inverse transform the transform coefficients to obtain a residual signal (residual block, residual sample array).
  • the prediction unit may perform prediction on the current block and generate a predicted block including prediction samples for the current block.
  • the prediction unit may determine whether intra prediction or inter prediction is applied to the current block based on the prediction information output from the entropy decoding unit 210, and determine a specific intra/inter prediction mode (prediction technique).
  • the intra prediction unit 265 may predict the current block with reference to samples in the current picture.
  • the description of the intra prediction unit 185 may be equally applied to the intra prediction unit 265 .
  • the inter prediction unit 260 may derive the predicted block for the current block based on the reference block (reference sample array) specified by the motion vector on the reference picture.
  • the motion information may be predicted in units of blocks, subblocks, or samples based on the correlation between motion information between neighboring blocks and the current block.
  • the motion information may include a motion vector and a reference picture index.
  • the motion information may further include inter prediction direction (L0 prediction, L1 prediction, Bi prediction, etc.) information.
  • the neighboring blocks may include spatial neighboring blocks existing in the current picture and temporal neighboring blocks present in the reference picture.
  • the inter prediction unit 260 may construct a motion information candidate list based on neighboring blocks, and derive a motion vector and/or a reference picture index of the current block based on the received candidate selection information.
  • Inter prediction may be performed based on various prediction modes (techniques), and the prediction information may include information indicating a mode (technique) of inter prediction for the current block.
  • the adder 235 restores the obtained residual signal by adding it to the prediction signal (predicted block, prediction sample array) output from the prediction unit (including the inter prediction unit 260 and/or the intra prediction unit 265 ).
  • a signal (reconstructed picture, reconstructed block, reconstructed sample array) may be generated.
  • the predicted block may be used as a reconstructed block.
  • the description of the adder 155 may be equally applied to the adder 235 .
  • the addition unit 235 may be called a restoration unit or a restoration block generation unit.
  • the generated reconstructed signal may be used for intra prediction of the next processing object block in the current picture, or may be used for inter prediction of the next picture after filtering as described below.
  • the filtering unit 240 may improve subjective/objective image quality by applying filtering to the reconstructed signal.
  • the filtering unit 240 may generate a modified reconstructed picture by applying various filtering methods to the reconstructed picture, and store the modified reconstructed picture in the memory 250 , specifically, the DPB of the memory 250 .
  • the various filtering methods may include, for example, deblocking filtering, a sample adaptive offset, an adaptive loop filter, a bilateral filter, and the like.
  • the (modified) reconstructed picture stored in the DPB of the memory 250 may be used as a reference picture in the inter prediction unit 260 .
  • the memory 250 may store motion information of a block in which motion information in the current picture is derived (or decoded) and/or motion information of blocks in an already reconstructed picture.
  • the stored motion information may be transmitted to the inter prediction unit 260 to be used as motion information of a spatial neighboring block or motion information of a temporal neighboring block.
  • the memory 250 may store reconstructed samples of blocks reconstructed in the current picture, and may transmit the reconstructed samples to the intra prediction unit 265 .
  • the embodiments described in the filtering unit 160, the inter prediction unit 180, and the intra prediction unit 185 of the image encoding apparatus 100 include the filtering unit 240 of the image decoding apparatus 200, The same or corresponding application may be applied to the inter prediction unit 260 and the intra prediction unit 265 .
  • the video/image coding method may be performed based on the following image division structure.
  • procedures such as prediction, residual processing ((inverse) transform, (inverse) quantization, etc.), syntax element coding, and filtering, which will be described later, are CTU, CU (and/or TU, etc.) derived based on the segmentation structure of the image. PU) may be performed.
  • the image may be divided in block units, and the block division procedure may be performed by the image division unit 110 of the above-described encoding apparatus.
  • the division-related information may be encoded by the entropy encoding unit 190 and transmitted to the decoding apparatus in the form of a bitstream.
  • the entropy decoding unit 210 of the decoding apparatus derives the block division structure of the current picture based on the division related information obtained from the bitstream, and based on this, a series of procedures (eg, prediction, residual processing, block/picture restoration, in-loop filtering, etc.).
  • a series of procedures eg, prediction, residual processing, block/picture restoration, in-loop filtering, etc.
  • Pictures may be divided into a sequence of coding tree units (CTUs). 4 shows an example in which a picture is divided into CTUs.
  • the CTU may correspond to coding tree blocks (CTB).
  • CTU may include a coding tree block of luma samples and two coding tree blocks of corresponding chroma samples.
  • the CTU may include an NxN block of luma samples and two corresponding blocks of chroma samples.
  • the maximum allowable size of the CTU for coding and prediction may be different from the maximum allowable size of the CTU for transformation.
  • the maximum allowable size of the luma block in the CTU may be 128x128, even if the maximum size of the luma transform blocks is 64x64.
  • the coding unit is to be obtained by recursively dividing a coding tree unit (CTU) or a largest coding unit (LCU) according to a QT/BT/TT (Quad-tree/binary-tree/ternary-tree) structure.
  • CTU coding tree unit
  • LCU largest coding unit
  • QT/BT/TT Quad-tree/binary-tree/ternary-tree
  • the CTU may first be divided into a quadtree structure. Thereafter, the leaf nodes of the quadtree structure may be further divided by the multitype tree structure.
  • the division according to the quadtree refers to division that divides the current CU (or CTU) into quarters.
  • the current CU may be divided into four CUs having the same width and the same height.
  • the current CU corresponds to a leaf node of the quadtree structure.
  • a CU corresponding to a leaf node of a quadtree structure may be used as the above-described final coding unit without being split any further.
  • a CU corresponding to a leaf node of a quadtree structure may be further divided by a multitype tree structure.
  • the division according to the multi-type tree structure may include two divisions according to the binary tree structure and two divisions according to the ternary tree structure.
  • the two divisions according to the binary tree structure may include vertical binary splitting (SPLIT_BT_VER) and horizontal binary splitting (SPLIT_BT_HOR).
  • the vertical binary division (SPLIT_BT_VER) refers to division that divides the current CU into two in the vertical direction. As shown in FIG. 4 , two CUs having a height equal to the height of the current CU and a width of half the width of the current CU may be generated by vertical binary partitioning.
  • the horizontal binary division (SPLIT_BT_HOR) refers to division that divides the current CU into two in the horizontal direction. As shown in FIG. 5 , two CUs having a height of half the height of the current CU and a width equal to the width of the current CU may be generated by horizontal binary partitioning.
  • the two divisions according to the ternary tree structure may include a vertical ternary splitting (SPLIT_TT_VER) and a horizontal ternary splitting (SPLIT_TT_HOR).
  • the vertical ternary division (SPLIT_TT_VER) divides the current CU in the vertical direction at a ratio of 1:2:1.
  • the horizontal ternary division (SPLIT_TT_HOR) divides the current CU in the horizontal direction at a ratio of 1:2:1.
  • FIG. 6 is a diagram illustrating a signaling mechanism of block partitioning information in a quadtree with nested multi-type tree structure according to the present disclosure.
  • the CTU is treated as a root node of the quadtree, and the CTU is first divided into a quadtree structure.
  • Information eg, qt_split_flag
  • qt_split_flag a first value (eg, “1”)
  • the current CU may be divided into a quadtree.
  • qt_split_flag is a second value (eg, “0”)
  • the current CU is not divided into a quadtree and becomes a leaf node (QT_leaf_node) of the quadtree.
  • the leaf nodes of each quadtree may then be further divided into a multitype tree structure. That is, the leaf node of the quadtree may be a node (MTT_node) of the multitype tree.
  • a first flag eg, mtt_split_cu_flag
  • a second flag e.g. mtt_split_cu_verticla_flag
  • the division direction may be a vertical direction
  • the second flag is 0, the division direction may be a horizontal direction.
  • a third flag e.g, mtt_split_cu_binary_flag
  • the partition type may be a binary partition type
  • the third flag is 0, the partition type may be a ternary partition type.
  • Nodes of a multitype tree obtained by binary partitioning or ternary partitioning may be further partitioned into a multitype tree structure.
  • the nodes of the multitype tree cannot be partitioned into a quadtree structure.
  • the first flag is 0, the corresponding node of the multitype tree is no longer split and becomes a leaf node (MTT_leaf_node) of the multitype tree.
  • a CU corresponding to a leaf node of the multitype tree may be used as the above-described final coding unit.
  • a multi-type tree splitting mode (MttSplitMode) of a CU may be derived as shown in Table 1.
  • the multi-tree split mode may be referred to as a multi-tree split type or a split type for short.
  • a CU may correspond to a coding block CB.
  • a CU may include a coding block of luma samples and two coding blocks of chroma samples corresponding to the luma samples.
  • the chroma component (sample) CB or TB size is determined by the luma component (sample) according to the component ratio according to the color format (chroma format, ex.
  • 4:4:4, 4:2:2, 4:2:0, etc.) of the picture/video ) may be derived based on the CB or TB size.
  • the chroma component CB/TB size may be set to be the same as the luma component CB/TB size.
  • the width of the chroma component CB/TB may be set to half the width of the luma component CB/TB, and the height of the chroma component CB/TB may be set to the height of the luma component CB/TB.
  • the width of the chroma component CB/TB may be set to half the width of the luma component CB/TB, and the height of the chroma component CB/TB may be set to half the height of the luma component CB/TB.
  • the size of the CU when the size of the CTU is 128 based on the luma sample unit, the size of the CU may have a size from 128 x 128 to 4 x 4, which is the same size as the CTU. In an embodiment, in the case of a 4:2:0 color format (or chroma format), the chroma CB size may have a size of 64x64 to 2x2.
  • the CU size and the TU size may be the same.
  • a plurality of TUs may exist in the CU region.
  • the TU size may generally indicate a luma component (sample) TB (Transform Block) size.
  • the TU size may be derived based on a preset maximum allowable TB size (maxTbSize). For example, when the CU size is larger than the maxTbSize, a plurality of TUs (TBs) having the maxTbSize may be derived from the CU, and transform/inverse transformation may be performed in units of the TUs (TB). For example, the maximum allowable luma TB size may be 64x64, and the maximum allowable chroma TB size may be 32x32. If the width or height of a CB divided according to the tree structure is greater than the maximum transform width or height, the CB may be automatically (or implicitly) divided until it satisfies the TB size limit in the horizontal and vertical directions.
  • maximum TbSize maximum allowable TB size
  • the intra prediction mode/type is derived in the CU (or CB) unit, and the peripheral reference sample derivation and prediction sample generation procedure may be performed in a TU (or TB) unit.
  • the intra prediction mode/type is derived in the CU (or CB) unit
  • the peripheral reference sample derivation and prediction sample generation procedure may be performed in a TU (or TB) unit.
  • one or a plurality of TUs (or TBs) may exist in one CU (or CB) region, and in this case, the plurality of TUs (or TBs) may share the same intra prediction mode/type.
  • the following parameters may be signaled from the encoding device to the decoding device as SPS syntax elements.
  • CTU size a parameter indicating the size of the root node of a quadtree tree, MinQTSize, a parameter indicating the minimum available size of a quadtree leaf node, MaxBTSize, a parameter indicating the maximum available size of a binary tree root node, and the maximum of a ternary tree root node MaxTTSize, a parameter indicating the available size, MaxMttDepth, a parameter indicating the maximum allowed hierarchy depth of a multitype tree divided from a quadtree leaf node, MinBtSize, a parameter indicating the minimum available leaf node size of a binary tree, turner At least one of MinTtSize, which is a parameter indicating the minimum available leaf node size of the tree, may be signaled.
  • the CTU size may be set to a 128x128 luma block and two 64x64 chroma blocks corresponding to the luma block.
  • MinQTSize may be set to 16x16
  • MaxBtSize may be set to 128x1208
  • MaxTtSzie may be set to 64x64
  • MinBtSize and MinTtSize may be set to 4x4
  • MaxMttDepth may be set to 4.
  • Quadtree partitioning may be applied to the CTU to create quadtree leaf nodes.
  • a quadtree leaf node may be referred to as a leaf QT node.
  • Quadtree leaf nodes may have a size of 128x128 (e.g.
  • the CTU size from a size of 16x16 (e.g. the MinQTSize).
  • the leaf QT node is 128x128, it may not be additionally split into a binary tree/ternary tree. This is because in this case, even if it is split, it exceeds MaxBtsize and MaxTtszie (i.e. 64x64).
  • the leaf QT node may be further divided into a multitype tree. Therefore, a leaf QT node is a root node for a multitype tree, and a leaf QT node may have a multitype tree depth (mttDepth) value of 0. If the multitype tree depth reaches MaxMttdepth (ex. 4), further splitting may not be considered.
  • the encoding apparatus may omit signaling of splitting information.
  • the decoding apparatus may derive the division information as a predetermined value.
  • one CTU may include a coding block of luma samples (hereinafter, referred to as a “luma block”) and two coding blocks of chroma samples corresponding thereto (hereinafter, referred to as a “chroma block”).
  • the aforementioned coding tree scheme may be equally applied to the luma block and the chroma block of the current CU, or may be applied separately.
  • a luma block and a chroma block in one CTU may be divided into the same block tree structure, and the tree structure in this case may be represented as a single tree (SINGLE_TREE).
  • a luma block and a chroma block in one CTU may be divided into individual block tree structures, and the tree structure in this case may be represented as a dual tree (DUAL_TREE). That is, when the CTU is divided into a dual tree, a block tree structure for a luma block and a block tree structure for a chroma block may exist separately.
  • the block tree structure for the luma block may be called a dual tree luma (DUAL_TREE_LUMA)
  • the block tree structure for the chroma block may be called a dual tree chroma (DUAL_TREE_CHROMA).
  • the luma block and chroma blocks in one CTU may be constrained to have the same coding tree structure.
  • the luma block and the chroma block may have separate block tree structures from each other. If an individual block tree structure is applied, a luma coding tree block (CTB) may be divided into CUs based on a specific coding tree structure, and the chroma CTB may be divided into chroma CUs based on another coding tree structure.
  • CTB luma coding tree block
  • a CU in an I slice/tile group to which an individual block tree structure is applied consists of a coding block of a luma component or coding blocks of two chroma components, and a CU of a P or B slice/tile group has three color components (luma component). and two chroma components).
  • the structure in which the CU is divided is not limited thereto.
  • the BT structure and the TT structure may be interpreted as concepts included in a Multiple Partitioning Tree (MPT) structure, and the CU may be interpreted as being divided through the QT structure and the MPT structure.
  • MPT Multiple Partitioning Tree
  • a syntax element (eg, MPT_split_type) including information on how many blocks a leaf node of the QT structure is divided into and a leaf node of the QT structure are vertical
  • the split structure may be determined by signaling a syntax element (eg, MPT_split_mode) including information on which direction to be split between horizontal and vertical.
  • a CU may be partitioned in a way different from a QT structure, a BT structure, or a TT structure. That is, according to the QT structure, the CU of the lower depth is divided into 1/4 size of the CU of the upper depth, or the CU of the lower depth is divided into 1/2 the size of the CU of the upper depth according to the BT structure, or according to the TT structure Unlike a CU of a lower depth that is divided into 1/4 or 1/2 the size of a CU of a higher depth, a CU of a lower depth is 1/5, 1/3, 3/8, or 3 of a CU of a higher depth in some cases. It may be divided into /5, 2/3, or 5/8 size, and the method by which the CU is divided is not limited thereto.
  • the quadtree coding block structure accompanying the multi-type tree can provide a very flexible block division structure.
  • different partitioning patterns may potentially lead to the same coding block structure result in some cases.
  • the encoding apparatus and the decoding apparatus may reduce the data amount of the partition information by limiting the generation of such redundant partition patterns.
  • an image processing unit may have a hierarchical structure.
  • One picture may be divided into one or more tiles, bricks, slices, and/or tile groups.
  • One slice may include one or more bricks.
  • One brick may include one or more CTU rows in a tile.
  • a slice may include an integer number of bricks of a picture.
  • One tile group may include one or more tiles.
  • One tile may include one or more CTUs.
  • the CTU may be divided into one or more CUs.
  • a tile may be a rectangular region composed of a specific tile row and a specific tile column composed of a plurality of CTUs within a picture.
  • the tile group may include an integer number of tiles according to the tile raster scan in the picture.
  • the slice header may carry information/parameters applicable to the corresponding slice (blocks in the slice).
  • the encoding/decoding procedures for the tile, slice, brick, and/or tile group may be performed in parallel.
  • the names or concepts of a slice or a tile group may be used interchangeably. That is, the tile group header may be referred to as a slice header.
  • the slice may have one of slice types including intra (I) slice, predictive (P) slice, and bi-predictive (B) slice.
  • I slice intra (I) slice, predictive (P) slice, and bi-predictive (B) slice.
  • I slice intra (I) slice, predictive (P) slice, and bi-predictive (B) slice.
  • intra prediction or inter prediction may be used, and when inter prediction is used, only uni prediction may be used.
  • intra prediction or inter prediction may be used for blocks in a B slice, and when inter prediction is used, up to the maximum pair (bi) prediction may be used.
  • the encoding apparatus may determine the tile/tile group, brick, slice, and maximum and minimum coding unit sizes according to characteristics (eg, resolution) of a video image or in consideration of coding efficiency or parallel processing. In addition, information about this or information that can induce it may be included in the bitstream.
  • the decoding apparatus may obtain information indicating whether a tile/tile group, a brick, a slice, and a CTU in a tile of the current picture are divided into a plurality of coding units.
  • the encoding apparatus and the decoding apparatus may increase encoding efficiency by signaling such information only under specific conditions.
  • the slice header may include information/parameters commonly applicable to the slice.
  • APS APS syntax
  • PPS PPS syntax
  • the SPS SPS syntax
  • the VPS VPS syntax
  • the DPS DPS syntax
  • the DPS may include information/parameters commonly applicable to the entire video.
  • the DPS may include information/parameters related to the combination of a coded video sequence (CVS).
  • CVS coded video sequence
  • information on the division and configuration of the tile/tile group/brick/slice may be configured at the encoding stage through the higher-level syntax and transmitted to the decoding apparatus in the form of a bitstream.
  • One picture may be divided into at least one tile row and at least one tile column.
  • One tile is composed of a sequence of CTUs and may cover a blind area of one picture.
  • a slice may consist of an integer number of consecutive complete CTU rows or an integer number of complete tiles in one picture.
  • One may be called a raster-scan slice mode, and the other may be called a rectangular slice mode.
  • one slice may include a complete tile sequence existing in tile raster scan order in one picture.
  • one slice may contain a number of complete tiles aggregated to form a rectangular area of a picture, or may contain consecutive complete multiple CTU rows of one tile aggregated to form a rectangular area of a picture. have.
  • Tiles in a rectangular slice may be scanned in a tile raster scan order within a rectangular region corresponding to the slice.
  • a sub-picture may include at least one slice set to cover a blind area of the picture.
  • FIGS. 8 to 11 show an embodiment in which a picture is divided using a tile, a slice, and a subpicture.
  • 8 shows an example of a picture divided into 12 tiles and 3 raster scan slices.
  • 9 shows an example of a picture divided into 24 tiles (6 tile columns and 4 tile rows) and 9 square slices.
  • 10 shows an example of a picture divided into 4 tiles (2 tile columns and 2 tile rows) and 4 square slices.
  • FIG. 11 shows an example in which a picture is divided into sub pictures.
  • the picture is divided into 12 left tiles each covering one slice composed of 4 x 4 CTUs and 6 right tiles each covering two vertically aggregated slices composed of 2 x 2 CTUs.
  • one picture is divided into 24 slices and 24 subpictures having different areas as a whole.
  • individual slices correspond to individual sub-pictures.
  • the quantization unit of the encoding apparatus applies quantization to the transform coefficients to derive quantized transform coefficients
  • the inverse quantizer of the encoding apparatus or the inverse quantizer of the decoding apparatus applies inverse quantization to the quantized transform coefficients. to derive transform coefficients.
  • a quantization rate may be changed, and a compression rate may be adjusted using the changed quantization rate.
  • a quantization parameter (QP) may be used instead of using the quantization rate directly.
  • QP quantization parameter
  • quantization parameters of integer values from 0 to 63 may be used, and each quantization parameter value may correspond to an actual quantization rate.
  • the quantization parameter QP Y for the luma component (luma sample) and the quantization parameter QP C for the chroma component (chroma sample) may be set differently.
  • the quantization process takes a transform coefficient (C) as an input and divides it by a quantization rate (Qstep) to obtain a quantized transform coefficient (C ⁇ ) based on this.
  • a quantization rate is multiplied by a scale to form an integer, and a shift operation may be performed by a value corresponding to the scale value.
  • a quantization scale may be derived based on the product of the quantization rate and the scale value. That is, the quantization scale may be derived according to the QP.
  • a quantized transform coefficient C ⁇ may be derived based thereon.
  • the inverse quantization process is the inverse process of the quantization process.
  • a quantized transform coefficient (C') is multiplied by a quantization rate (Qstep), and a reconstructed transform coefficient (C') can be obtained based on this.
  • a level scale may be derived according to the quantization parameter, and the level scale is applied to the quantized transform coefficient C ⁇ to derive a reconstructed transform coefficient C ⁇ based on this. can do.
  • the reconstructed transform coefficient C ⁇ may be slightly different from the original transform coefficient C due to loss in the transform and/or quantization process. Accordingly, the encoding apparatus may perform inverse quantization in the same manner as in the decoding apparatus.
  • an adaptive frequency weighting quantization technique that adjusts quantization intensity according to frequency may be applied.
  • the adaptive frequency-by-frequency weighted quantization technique is a method of applying different quantization strengths for each frequency.
  • a quantization intensity for each frequency may be differently applied using a predefined quantization scaling matrix. That is, the above-described quantization/inverse quantization process may be performed further based on the quantization scaling matrix.
  • different quantization scaling metrics may be used according to the size of the current block and/or whether a prediction mode applied to the current block is inter prediction or intra prediction to generate a residual signal of the current block.
  • the quantization scaling matrix may be referred to as a quantization matrix or a scaling matrix.
  • the quantization scaling matrix may be predefined. Also, for frequency adaptive scaling, quantization scale information for each frequency with respect to the quantization scaling matrix may be configured/encoded in the encoding apparatus and signaled to the decoding apparatus.
  • the quantization scale information for each frequency may be referred to as quantization scaling information.
  • the quantization scale information for each frequency may include scaling list data (scaling_list_data).
  • the (modified) quantization scaling matrix may be derived based on the scaling list data.
  • the quantization scale information for each frequency may include present flag information indicating whether the scaling list data exists. Alternatively, when the scaling list data is signaled at a higher level (ex. SPS), information indicating whether the scaling list data is modified at a lower level (ex. PPS or tile group header etc) may be further included. have.
  • the encoding apparatus may derive a residual block (residual samples) based on a block (prediction samples) predicted through intra/inter/IBC prediction, etc. Transform and quantization may be applied to derive quantized transform coefficients. Information (residual information) on the quantized transform coefficients may be encoded by being included in the residual coding syntax and then output in the form of a bitstream.
  • the decoding apparatus may obtain information (residual information) about the quantized transform coefficients from the bitstream, and decode the obtained information to derive quantized transform coefficients.
  • the decoding apparatus may derive residual samples through inverse quantization/inverse transformation based on the quantized transform coefficients.
  • the transform/inverse quantization and/or transform/inverse transformation may be omitted.
  • the transform coefficient may be called a coefficient or a residual coefficient, or may still be called a transform coefficient for uniformity of expression. Whether the transform/inverse transform is omitted may be signaled based on a transform skip flag (e.g. transform_skip_flag).
  • the transform/inverse transform may be performed based on transform kernel(s). For example, a multiple transform selection (MTS) scheme for performing transform/inverse transform may be applied. In this case, some of the plurality of transform kernel sets may be selected and applied to the current block.
  • the transform kernel may be referred to by various terms such as a transform matrix, a transform type, and the like.
  • the transform kernel set may represent a combination of a vertical transform kernel (vertical transform kernel) and a horizontal transform kernel (horizontal transform kernel).
  • the transform/inverse transform may be performed in units of CUs or TUs. That is, the transform/inverse transform may be applied to residual samples in a CU or residual samples in a TU.
  • the CU size and the TU size may be the same, or a plurality of TUs may exist in the CU region.
  • the CU size may generally indicate a luma component (sample) CB size.
  • the TU size may generally indicate a luma component (sample) TB size.
  • the chroma component (sample) CB or TB size depends on the component ratio according to the color format (chroma format, ex.
  • the luma component (sample) CB or TB It can be derived based on the size.
  • the TU size may be derived based on maxTbSize. For example, when the CU size is greater than the maxTbSize, a plurality of TUs (TBs) of the maxTbSize may be derived from the CU, and transform/inverse transformation may be performed in units of the TUs (TB).
  • the maxTbSize may be considered in determining whether various intra prediction types such as ISP are applied.
  • the information on the maxTbSize may be predetermined, or may be generated and encoded by the encoding apparatus and signaled to the encoding apparatus.
  • some or all of the video/image information may be entropy-encoded by the entropy encoding unit 190 , and some or all of the video/image information described with reference to FIG. 3 is an entropy decoding unit (210) can be entropy-decoded.
  • the video/image information may be encoded/decoded in units of syntax elements.
  • that information is encoded/decoded may include being encoded/decoded by the method described in this paragraph.
  • each binary number 0 or 1 constituting a binary value may be referred to as a bin.
  • each of 1, 1, and 0 may be referred to as one bin.
  • the bin(s) for one syntax element may indicate the value of the corresponding syntax element.
  • the binarized bins may be input into a regular coding engine or a bypass coding engine.
  • the regular coding engine may allocate a context model reflecting a probability value to the corresponding bin, and encode the corresponding bin based on the assigned context model.
  • the probabilistic model for the corresponding bin may be updated. Bins coded in this way may be referred to as context-coded bins.
  • the bypass coding engine may omit a procedure of estimating a probability for an input bin and a procedure of updating a probabilistic model applied to a corresponding bin after coding. In the case of the bypass coding engine, the coding speed can be improved by coding the input bin by applying a uniform probability distribution (ex.
  • Bins coded in this way may be referred to as bypass bins.
  • the context model may be allocated and updated for each bin to be context coded (regular coded), and the context model may be indicated based on ctxidx or ctxInc.
  • ctxidx may be derived based on ctxInc.
  • the context index (ctxidx) indicating the context model for each of the canonically coded bins may be derived as the sum of the context index increment (ctxInc) and the context index offset (ctxIdxOffset).
  • the ctxInc may be derived differently for each bin.
  • the ctxIdxOffset may be represented as the lowest value of the ctxIdx.
  • the minimum value of the ctxIdx may be referred to as an initial value (initValue) of the ctxIdx.
  • the ctxIdxOffset is a value generally used to distinguish between context models for other syntax elements, and a context model for one syntax element may be distinguished/derived based on ctxinc.
  • Entropy decoding may perform the same process as entropy encoding in reverse order.
  • an encoding apparatus may perform an entropy coding procedure on image/video information.
  • the image/video information may include partitioning related information, prediction related information (eg inter/intra prediction classification information, intra prediction mode information, inter prediction mode information, etc.), residual information, in-loop filtering related information, etc. Or it may include various syntax elements related thereto.
  • the entropy coding may be performed in units of syntax elements. Steps S1310 to S1320 of FIG. 13 may be performed by the entropy encoding unit 190 of the encoding apparatus of FIG. 2 described above.
  • the encoding apparatus may perform binarization on the target syntax element (S1310).
  • the binarization may be based on various binarization methods such as a Truncated Rice binarization process and a fixed-length binarization process, and the binarization method for a target syntax element may be predefined.
  • the binarization procedure may be performed by the binarization unit 191 in the entropy encoding unit 190 .
  • the encoding apparatus may perform entropy encoding on the target syntax element (S1320).
  • the encoding apparatus may encode an empty string of a target syntax element based on regular coding (context based) or bypass coding based on an entropy coding technique such as context-adaptive arithmetic coding (CABAC) or context-adaptive variable length coding (CAVLC). and the output may be included in the bitstream.
  • CABAC context-adaptive arithmetic coding
  • CAVLC context-adaptive variable length coding
  • the entropy encoding procedure may be performed by the entropy encoding processing unit 192 in the entropy encoding unit 190 .
  • the bitstream may be transmitted to a decoding device through a (digital) storage medium or a network.
  • the decoding apparatus may decode encoded image/video information.
  • the image/video information may include partitioning-related information, prediction-related information (eg, inter/intra prediction classification information, intra prediction mode information, inter prediction mode information, etc.), residual information, in-loop filtering related information, etc. , or various syntax elements related thereto.
  • the entropy coding may be performed in units of syntax elements. S1510 to S1520 may be performed by the entropy decoding unit 210 of the decoding apparatus of FIG. 3 described above.
  • the decoding apparatus may perform binarization on the target syntax element (S1510).
  • the binarization may be based on various binarization methods such as a Truncated Rice binarization process and a fixed-length binarization process, and the binarization method for a target syntax element may be predefined.
  • the decoding apparatus may derive available bin strings (bin string candidates) for available values of the target syntax element through the binarization procedure.
  • the binarization procedure may be performed by the binarization unit 211 in the entropy decoding unit 210 .
  • the decoding apparatus may perform entropy decoding on the target syntax element (S1520).
  • the decoding apparatus may compare the derived bin string with available bin strings for the corresponding syntax element while sequentially decoding and parsing each bin for the target syntax element from the input bit(s) in the bitstream. If the derived bin string is the same as one of the available bin strings, a value corresponding to the corresponding bin string may be derived as a value of the corresponding syntax element. If not, the above-described procedure may be performed again after further parsing the next bit in the bitstream. Through this process, the corresponding information can be signaled using a variable length bit without using a start bit or an end bit for specific information (a specific syntax element) in the bitstream. Through this, relatively fewer bits can be allocated to a low value, and overall coding efficiency can be increased.
  • the decoding apparatus may perform context-based or bypass-based decoding of each bin in the bin string from the bitstream based on an entropy coding technique such as CABAC or CAVLC.
  • the entropy decoding procedure may be performed by the entropy decoding processing unit 212 in the entropy decoding unit 210 .
  • the bitstream may include various information for video/video decoding as described above. As described above, the bitstream may be transmitted to a decoding device through a (digital) storage medium or a network.
  • a table including syntax elements may be used to indicate signaling of information from an encoding apparatus to a decoding apparatus.
  • An order of syntax elements of a table including the syntax elements used in this disclosure may indicate a parsing order of syntax elements from a bitstream.
  • the encoding apparatus may construct and encode a syntax table so that the syntax elements are parsed by the decoding apparatus in the parsing order, and the decoding apparatus parses and decodes the syntax elements of the corresponding syntax table from the bitstream according to the parsing order to obtain the syntax elements. value can be obtained.
  • pictures constituting the video/video may be encoded/decoded according to a series of decoding orders.
  • a picture order corresponding to an output order of decoded pictures may be set different from the decoding order, and based on this, not only forward prediction but also backward prediction may be performed during inter prediction based on this.
  • S1710 may be performed by the entropy decoding unit 210 of the decoding apparatus described above in FIG. 3, and S1720 may be performed by the prediction unit including the intra prediction unit 265 and the inter prediction unit 260.
  • S1730 may be performed by the residual processing unit including the inverse quantization unit 220 and the inverse transform unit 230
  • S1740 may be performed by the adder 235
  • S1750 may be performed by the filtering unit 240 .
  • S1710 may include the information decoding procedure described in this disclosure
  • S1720 may include the inter/intra prediction procedure described in this disclosure
  • S1730 may include the residual processing procedure described in this disclosure
  • S1740 may include the block/picture restoration procedure described in this disclosure
  • S1750 may include the in-loop filtering procedure described in this disclosure.
  • the picture decoding procedure is schematically as shown in the description for FIG. 3 , from the bitstream (through decoding) image/video information acquisition procedure (S1710), picture restoration procedure (S1720 to S1740), and the restored It may include an in-loop filtering procedure (S1750) for the picture.
  • the picture restoration procedure is based on prediction samples and residual samples obtained through the inter/intra prediction (S1720) and residual processing (S1730, inverse quantization and inverse transform of quantized transform coefficients) described in the present disclosure. can be performed.
  • a modified reconstructed picture may be generated through an in-loop filtering procedure for the reconstructed picture generated through the picture reconstructing procedure, and the modified reconstructed picture may be output as a decoded picture, and It is stored in the decoded picture buffer or memory 250 and may be used as a reference picture in an inter prediction procedure when decoding a picture thereafter.
  • the in-loop filtering procedure may be omitted, and in this case, the reconstructed picture may be output as a decoded picture, and is stored in the decoded picture buffer or memory 250 of the decoding apparatus and interpolated during decoding of subsequent pictures. It can be used as a reference picture in the prediction procedure.
  • the in-loop filtering procedure may include a deblocking filtering procedure, a sample adaptive offset (SAO) procedure, an adaptive loop filter (ALF) procedure, and/or a bi-lateral filter procedure as described above. may be, and some or all of them may be omitted.
  • one or some of the deblocking filtering procedure, the sample adaptive offset (SAO) procedure, the adaptive loop filter (ALF) procedure, and the bi-lateral filter procedure may be sequentially applied, or all are sequential may be applied as
  • the SAO procedure may be performed.
  • the ALF procedure may be performed. This may also be performed in the encoding apparatus.
  • S1810 may be performed by the prediction unit including the intra prediction unit 185 or the inter prediction unit 180 of the encoding apparatus described above in FIG. 2, and S1820 is performed by the transform unit 120 and/or the quantization unit ( 130 may be performed by the residual processing unit, and S1830 may be performed by the entropy encoding unit 190 .
  • S1810 may include the inter/intra prediction procedure described in this disclosure
  • S1820 may include the residual processing procedure described in this disclosure
  • S1830 may include the information encoding procedure described in this disclosure. .
  • the picture encoding procedure schematically encodes information for picture restoration (eg, prediction information, residual information, partitioning information, etc.) as shown in the description for FIG. 2 and outputs it in the form of a bitstream.
  • information for picture restoration eg, prediction information, residual information, partitioning information, etc.
  • a procedure for generating a reconstructed picture for the current picture and a procedure for applying in-loop filtering to the reconstructed picture may be included (optional).
  • the encoding apparatus may derive (modified) residual samples from the quantized transform coefficients through the inverse quantization unit 140 and the inverse transform unit 150 , and the prediction samples output from S1810 and the (modified) residual samples.
  • a reconstructed picture may be generated based on the samples.
  • the reconstructed picture thus generated may be the same as the reconstructed picture generated by the above-described decoding apparatus.
  • a modified reconstructed picture may be generated through an in-loop filtering procedure for the reconstructed picture, which may be stored in the decoded picture buffer or the memory 170, and, as in the case of the decoding apparatus, when encoding the picture thereafter. It can be used as a reference picture in the prediction procedure. As described above, some or all of the in-loop filtering procedure may be omitted in some cases.
  • (in-loop) filtering-related information may be encoded by the entropy encoding unit 190 and output in the form of a bitstream, and the decoding apparatus encodes based on the filtering-related information
  • the in-loop filtering procedure can be performed in the same way as the device.
  • noise generated during video/video coding such as blocking artifacts and ringing artifacts
  • subjective/objective visual quality can be improved.
  • the encoding apparatus and the decoding apparatus can derive the same prediction result, improve picture coding reliability, and reduce the amount of data to be transmitted for picture coding. can be reduced
  • the picture restoration procedure may be performed not only in the decoding apparatus but also in the encoding apparatus.
  • a reconstructed block may be generated based on intra prediction/inter prediction for each block, and a reconstructed picture including the reconstructed blocks may be generated.
  • the current picture/slice/tile group is an I picture/slice/tile group
  • blocks included in the current picture/slice/tile group may be reconstructed based on only intra prediction.
  • the current picture/slice/tile group is a P or B picture/slice/tile group
  • blocks included in the current picture/slice/tile group may be reconstructed based on intra prediction or inter prediction.
  • inter prediction may be applied to some blocks in the current picture/slice/tile group
  • intra prediction may be applied to some remaining blocks.
  • a color component of a picture may include a luma component and a chroma component, and the methods and embodiments proposed in the present disclosure may be applied to the luma component and the chroma component unless explicitly limited in the present disclosure.
  • the coded video/image according to the present disclosure may be processed according to, for example, a coding layer and structure to be described later.
  • VCL video coding layer
  • NAL network abstraction layer
  • VCL data including compressed video data is generated, or picture parameter set (PPS), sequence parameter set (SPS), video parameter set (Video Parameter Set: A supplemental enhancement information (SEI) message additionally necessary for a parameter set including information such as VPS) or an image decoding process may be generated.
  • PPS picture parameter set
  • SPS sequence parameter set
  • SEI Video Parameter Set
  • SEI Supplemental Enhancement Information
  • additional information about an image such as task information that can be performed through an encoded image and a method of generating an encoding target image, may be described as a syntax element according to a predetermined syntax table.
  • a NAL unit may be generated by adding header information (NAL unit header) to a raw byte sequence payload (RBSP) generated in the VCL.
  • the RBSP refers to slice data, parameter sets, SEI messages, etc. generated in the VCL.
  • the NAL unit header may include NAL unit type information specified according to RBSP data included in the corresponding NAL unit.
  • the NAL unit may be divided into a VCL NAL unit and a Non-VCL NAL unit according to the RBSP generated in the VCL.
  • a VCL NAL unit may mean a NAL unit including information (slice data) about an image
  • the Non-VCL NAL unit is a NAL unit containing information (parameter set or SEI message) necessary for decoding an image.
  • information indicating that the corresponding encoded image is image information for performing a specific task may be included in the VCL NAL unit.
  • information indicating that the coded image is image information for performing a specific task may be included in the non-VCL NAL unit.
  • VCL NAL unit and Non-VCL NAL unit may be transmitted through a network by attaching header information according to a data standard of a subsystem.
  • the NAL unit may be transformed into a data form of a predetermined standard such as H.266/VVC file format, Real-time Transport Protocol (RTP), Transport Stream (TS), and transmitted through various networks.
  • RTP Real-time Transport Protocol
  • TS Transport Stream
  • the NAL unit type may be specified according to the RBSP data structure included in the corresponding NAL unit, and information on the NAL unit type may be stored and signaled in the NAL unit header.
  • the NAL unit may be largely classified into a VCL NAL unit type and a Non-VCL NAL unit type according to whether or not the NAL unit includes image information (slice data).
  • the VCL NAL unit type may be classified according to properties and types of pictures included in the VCL NAL unit, and the Non-VCL NAL unit type may be classified according to the type of a parameter set.
  • NAL unit type specified according to a parameter set/information type included in the Non-VCL NAL unit type is listed below.
  • NAL unit Type for NAL unit including DCI
  • NAL unit Type of NAL unit including VPS
  • NAL unit Type for NAL unit including SPS
  • NAL unit Type of NAL unit including PPS
  • NAL unit Type of NAL unit including APS
  • NAL unit Type for NAL unit including PH
  • NAL unit types have syntax information for the NAL unit type, and the syntax information may be stored and signaled in a NAL unit header.
  • the syntax information may be nal_unit_type, and NAL unit types may be specified by a nal_unit_type value.
  • one picture may include a plurality of slices, and one slice may include a slice header and slice data.
  • one picture header may be further added to a plurality of slices (a slice header and a slice data set) in one picture.
  • the picture header (picture header syntax) may include information/parameters commonly applicable to the picture.
  • the slice header may include information/parameters commonly applicable to the slice.
  • the APS APS syntax
  • PPS PPS syntax
  • the SPS SPS syntax
  • the VPS VPS syntax
  • the DCI DCI syntax
  • high level syntax may include at least one of the APS syntax, PPS syntax, SPS syntax, VPS syntax, DCI syntax, picture header syntax, and slice header syntax.
  • low level syntax may include, for example, slice data syntax, CTU syntax, coding unit syntax, transformation unit syntax, and the like.
  • the image/video information encoded by the encoding apparatus to the decoding apparatus and signaled in the form of a bitstream includes not only intra-picture partitioning-related information, intra/inter prediction information, residual information, in-loop filtering information, etc. It may include slice header information, picture header information, APS information, PPS information, SPS information, VPS information, and/or DCI information.
  • the video/video information may further include general constraint information and/or information of a NAL unit header.
  • HLS High level syntax
  • HLS may be encoded and/or signaled for video and/or image encoding.
  • video/image information in this disclosure may be included in HLS.
  • the image/video encoding method may be performed based on such image/video information.
  • the image/video information is information indicating which AI task the coded information is coded to perform, and what network (eg neural network) the coded information uses. It may include information indicating whether the encoded information is encoded and/or information indicating for what purpose the encoded information is encoded. In an embodiment, even if the corresponding image is an image having general characteristics having a general mission, network, and/or use, a value thereof may be forced to be described.
  • the expanded and/or redesigned video/image encoding system may be implemented as a video/image encoding apparatus and/or a video decoding apparatus for a machine.
  • the machine may mean a general device, terminal, or machine.
  • video coding for machines means encoding/decoding by obtaining necessary information from a part of a video source and/or from a video source according to a request, purpose, and surrounding environment of a user and/or machine.
  • a part and/or information of a video source to be encoded in VCM may be referred to as a feature.
  • the feature may be information extracted from a video source according to a user's and/or machine's request, purpose, and surrounding environment, and may mean a set of a series of information according to the passage of time.
  • the VCM system may include a source device 30 and a reception device 40 .
  • the source device 30 may transmit the encoded feature information to the receiving device 40 through a storage medium or a network.
  • the source device 30 and the receiving device 40 may be used by humans and/or machines, respectively.
  • the video source unit 31 may acquire a video/image through a process of capturing, synthesizing, or generating the video/image.
  • the video source unit 31 may include a video/image capturing device and/or a video/image generating device.
  • the feature extraction network may acquire a feature from the video/image acquired by the video source unit ( 31 ).
  • the feature extraction network 32 may include a video/image capture device and/or a video/image generation device.
  • the feature may be information extracted/processed by the video source unit 31 according to a user's and/or machine's request, purpose, and surrounding environment, and may mean a set of a series of information according to the passage of time.
  • the feature signaling information/interface 33 in the source device 30 includes information signaled between the feature extraction network 32 and the encoder 34 and/or the feature extraction network 32 and the encoder 34 . It represents the interface between And, in FIG. 20, the feature signaling information/interface 42 in the receiving device 40 is information signaled between the decoding unit 43 and the business analysis/renderer 41 and/or the decoding unit 43 and the business analysis/ An interface between the renderers 41 is shown.
  • the feature signaling information/interfaces 33 and 42 may include information about features such as the type, acquisition method, purpose, etc. of the feature acquired through the feature extraction network 32, and the feature extraction network 32 needs it. It may include information about requesting information/action to be performed.
  • the encoder 34 may perform a series of procedures such as prediction, transformation, and quantization for feature compression and coding efficiency. Encoded data (encoded feature information) may be output in the form of a bitstream.
  • the transmission unit 35 may generate a storage medium for transmitting the encoded feature output in the form of a bitstream to the reception unit of the reception device 40 .
  • the transmission unit 35 may include an element for generating a media file through a predetermined file format.
  • the storage medium may include various digital storage media such as USB, SD, CD, DVD, Blu-ray, HDD, SSD, and the like.
  • the transmission unit 35 may transmit the bitstream including the encoded feature to the reception unit of the reception device through a transmission network.
  • the transmission unit 35 may include an element for transmission through a broadcast/communication network.
  • the receiving unit 44 of the receiving device 40 may receive the bitstream including the feature information, extract the feature information therefrom, and transmit it to the decoder 43 .
  • the decoder 43 may decode the video/image by performing a series of procedures such as inverse quantization, inverse transform, and prediction corresponding to the operation of the encoder 34 .
  • the task analysis/renderer 41 may render the features decrypted by the decryption unit 43 .
  • the task analysis/renderer 41 may perform a task of a user or a machine using the decrypted feature. Examples of tasks may include AI such as face recognition, behavior recognition, lane recognition, etc., computer vision tasks, and the like.
  • VCM technology may be utilized in a monitoring system.
  • VCM technology may be applied to perform tasks such as recognizing and tracking an object/person.
  • VCM may also be used for the purpose of transmitting or storing information obtained from surveillance cameras.
  • VCM may be utilized in the field of intelligent transportation.
  • Each vehicle composing a smart traffic system includes location information collected from GPS, sensor information necessary for autonomous driving and safety, such as cameras, LIDAR, radar, and ultrasonic sensors, and various vehicle control information. (Brakes, wipers, headlights, etc.) can be collected and transmitted to other vehicles or infrastructure.
  • the original image or processed image signal collected from various sensors can be compressed with VCM and transmitted.
  • the 5G data network can be used for data transmission.
  • VCM may be utilized in the smart city field.
  • interconnected node sensors and devices can transmit information needed to perform each task using VCM technology.
  • Examples of smart city missions may include monitoring traffic conditions, measuring and predicting density, predicting traffic flows and allocating resources.
  • the method/embodiment disclosed in the present disclosure may be applied to a method disclosed in the VCM (Video Coding for Machines) standard.
  • the following embodiments relate to a feature extraction network/encoder/decoder among the VCMs described above, and relate to a method for performing encoding and decoding independently of the applied feature extraction method.
  • the compression target of the encoder may be a feature extracted through a feature extraction network or a feature map that is a set of pictures.
  • a horizontal size, a vertical size, and a channel size of an input source that is a target of feature extraction may be denoted by W, H, and C, respectively.
  • C can be 3.
  • the horizontal, vertical, and channel sizes of the extracted features may be denoted by W', H', and C', respectively.
  • C' of the output value means the number of features constituting the feature set (feature map), and may generally have a value greater than the value of C of the input source.
  • Each feature may be represented by C0, C1, ..., Cn, and n may have a value of C'-1.
  • the attributes of the feature set to be compressed by the encoder may be represented by W', H', and C'. These attributes may vary depending on where/how the feature was extracted. For example, the properties of a feature extracted from an upper layer may be different from those of a feature extracted from a lower layer. It may also vary depending on the type of network used for extraction.
  • VCM encoding/decoding structure 22 shows an example of a VCM encoding/decoding structure.
  • NNR Neuron Representation, 51
  • the NNR 51 compresses the neural network through a process of reducing a parameter that is a weight constituting the neural network (reduction), quantizing the reduced parameter value, and entropy encoding the quantized parameter value. can do.
  • the NNR 51 may be an operation unit that performs a neural network compression representation method defined in the MPEG-7 NNR standard.
  • the NNR 51 may represent different types of artificial neural networks.
  • the NNR 51 and the feature signaling information/interface 51a may perform a function of replacing the feature extraction method (e.g. neural network) used in the feature extraction network 52 .
  • the properties of the feature set 52a output through the feature extraction network 52 may be changed. Therefore, the encoder 53 encodes the feature set 52a having various properties input to the encoder 53 or a feature set 52a having various properties input to the encoder 53 .
  • it may be essential to define in advance the feature set 52a and a method of changing the feature set 52a into an coded form.
  • the decoder 54 After the bitstream 53a encoded by the encoder 53 is decoded by the decoder 54 , it may need to be changed into a form usable by the task analysis/renderer 55 . For this purpose, a method of changing the feature set 52a into an encoded form may be applied in reverse. Through this, the decoded feature set 54a may have the same shape as the encoding target feature set 52a. For this purpose, the structure of the decoding unit 54 is dependent on the structure of the feature extraction network 52 , and thus there is a problem in that the independence of the decoding unit 54 is reduced.
  • VCM encoding/decoding structure as shown in FIG. 22 is that independence between components constituting the VCM is not guaranteed. Since the components constituting the VCM are not guaranteed independence, an interface and information to communicate each other's changes between the components are required. However, since the scope of these changes cannot be determined, it is difficult to pre-define the standards and methods for them.
  • 23 shows an example of the hierarchical structure of the VCM proposed in the present disclosure.
  • 23 shows a VCM hierarchical structure consisting of a feature coding layer (2310), a neural network (feature) abstracton layer (2320), and a feature extraction layer (2330). .
  • the feature extraction layer 2330 of FIG. 23 means a layer for extracting a feature from an input source, and may also include a result of the extraction.
  • the feature extraction layer 2330 may include the feature extraction network 52 in FIG. 22 and an extraction result thereof.
  • the feature coding layer 2310 of FIG. 23 is a layer for compressing a feature, which means a layer for compressing an extracted feature, and may also include a result of compression.
  • the feature coding layer 2310 includes the encoder 53 shown in FIG. 22 and a compression result thereof.
  • the compression target of the feature coding layer 2310 is determined by the feature extraction layer 2330, and the feature coding layer 2310 is changeable and complex. It may be necessary to access information of the feature extraction layer 2330 . Also, in general, if the target of compression is determined, the method of compression may be sequentially developed accordingly. As a result, there is inevitably a limitation in the delay of development and the scalability of functions. In addition, according to the change of the compression target, the compression method may be individually developed accordingly, and it may be difficult to integrate each coding tool later.
  • the neural network abstraction layer 2320 proposed in the present disclosure may aim to provide an environment in which the feature coding layer 2310 can consistently operate by abstracting changes and differences in the feature extraction layer 2330 .
  • the neural network compression layer 2320 may serve to hide the inside of the feature extraction layer 2330 and provide a consistent interface and features.
  • the feature coding layer 2310 may operate irrespective of changes in the feature extraction layer 2330 to ensure independence.
  • the interface between the feature extraction layer 2330 and the neural network abstraction layer 2320 and the interface between the feature coding layer 2310 and the neural network abstraction layer 2320 may be predefined, and in the neural network abstraction layer The operation may be changed later. In this case, even if the design and/or operation of the feature extraction layer 2330 is changed, the design and/or operation of the feature coding layer 2310 may be maintained as it is.
  • NNAL Feature Abstraction Layer
  • NNAL Feature Abstraction Layer
  • 24 shows that feature 1, feature 2, ..., feature n are input as inputs of NNAL.
  • Each feature can have different properties.
  • the features as shown in FIG. 24 may have different properties, for example, such as width (W), height (height, H), channel (C), and data type (data type). can have properties.
  • the table below shows an example of the available feature attributes. Meanwhile, the table below is only an example, and feature properties may not be limited to the information listed in the table below.
  • Explanation Width the horizontal size of the feature Height vertical size of the feature Channel Number of features that make up a feature set
  • Data Type The type of each value of the feature (e.g. integer, decimal, negative, positive, etc.)
  • Network Type Method used for feature extraction e.g. VGG16, shared backbone, etc.
  • Extracted layer Location of extracted features e.g. convolution layer 4, etc.
  • input source Properties of the input source e.g. size, frame rate, data type, etc.
  • the abstracted feature may mean an abstracted feature of a predefined type that can be processed by the encoder.
  • the NNAL information may be information necessary to re-specify the abstracted feature.
  • the NNAL information may include a method used for abstracting a feature, a method for materializing a feature, and/or information about an abstracted feature (eg, specification information, etc.).
  • the abstraction process includes feature 1, feature 2, ..., may mean abstracting various types of features, such as feature N, into a defined format that can be encoded by the encoder.
  • an abstracted output e.g. a form that can be encoded. Any method may be employed as the input information and abstraction method of NNAL, but the output thereof may have to be output as defined in advance.
  • the table below shows an example of the definition of the abstract output attribute of the feature, and the definition is not limited by the table below and may have other values.
  • Explanation Bit range One value bit range (e.g. 8-16 bits) that makes up the abstracted feature. Values of abstracted features can be limited to predefined ranges Data type Values represented by abstracted features can be limited to a predefined range (e.g.
  • the expression and composition form of abstracted features can be limited to a predefined range (eg, how to construct a feature set such as aspect ratio, tiling, etc., how to construct and express a temporally continuous feature set, How to transform a specific feature (eg omit, emphasize, weaken, etc.) Size
  • Size The size of an abstracted feature can be forced to be distributed within a predefined size range (e.g. Width must be between 16 and 1920, Height must be between 16 and 1080)
  • the table below shows an example of NNAL information.
  • the NNAL information may contain information necessary to restore the abstracted feature back to the input feature.
  • the NNAL information and the encoded abstracted feature may consist of one bitstream.
  • the bitstream configured as described above may be stored in a storage medium through the transmission unit of FIG. 20 or transmitted through a network.
  • Feature attributes described in Table 2 may be utilized abstract feature technology
  • the abstracted feature properties described in Table 3 can be used How to change the bit range
  • the method used to change the bit range of the input feature to the bit range of the abstracted feature, and/or the method used to restore the bit range of the input feature can be used.
  • Additional information for changing the bit range May be additional information required to change the bit range (e.g. information on the quantization range (maximum, minimum, average, variance, etc.) How to change data representation Methods can be used to restore the data representation of the abstracted feature to the representation of the input feature.
  • Additional information for changing data representation Additional information necessary to change the data representation can be used (eg, information to restore a tiled feature set back to the feature unit, information necessary to restore emphasized/weakened/omitted features, and when restoration using a neural network is required, it is information for driving, etc.)
  • a bitstream configured as shown in FIG. 25 may be referred to as an NNAL unit.
  • the NNAL unit means an independent feature restoration unit, and an input feature that is a compression target of one NNAL unit may be forced to have the same characteristics.
  • the same feature extraction method may be applied to input features for one NNAL unit.
  • input features for one NNAL unit may be extracted using the same neural network in the same layer.
  • a NNAL unit may be composed of a NNAL unit header and a NNAL unit payload. . Examples of each attribute of the unit may be defined as shown in the table below. The following definitions are examples, and the types and definitions of each attribute of the NNAL unit are not limited by the table below.
  • NNAL unit entries Explanation NNAL unit header All information necessary to use the coded feature for its mission (e.g. NNAL information in Table 4)
  • NNAL unit payload Encoded abstracted feature information
  • group header Information on the composition of group data e.g. temporal order, size of the configured feature channels, common properties of feature channels
  • group data set of feature channels feature channel
  • Encoded Feature Units Type Method used for encoding Prediction Detailed mode of the method used for encoding side information
  • Additional information required for decoding e.g. entropy coding, quantization, data, reference information, etc.
  • residual data A set of encoded feature value information
  • FIG. 26 is a diagram illustrating an example of a decoding process.
  • the bitstream may be decoded by the decoding unit with decoded abstraction features and neural network abstraction layer information (NNAL information).
  • the Neural Network Materialization Layer (NNML) may use NNAL information to materialize the decoded abstracted feature to fit the feature extraction network again, thereby composing and outputting the materialized feature.
  • the task analysis/renderer may perform a task suitable for the purpose by using the specified features.
  • FIG. 27 is a diagram illustrating an example of a VCM structure to which the neural network abstraction and refinement proposed in the present disclosure are applied.
  • FIG. 27 shows improvements based on the VCM structure described in FIG. 22 . In FIG. 27 , the description described in FIG.
  • the encoding apparatus 2710 may include an NNAL 2711 and an encoder 53 .
  • the decoding apparatus 2720 may include a decoding unit 54 and an NNML 2721 .
  • the NNAL 2711 uses a neural network to abstract input features, and it is desired to change the neural network used in the NNAL 2711, the NNAL 2711 and the NNAL 2711 and An interface 51b between NNRs 51 can be used. Meanwhile, the necessary information may be obtained using the interface 52b between the feature extraction network 52 and the NNAL 2711 .
  • the interfaces 51b and/or 56b may be used as information passages for providing information and methods necessary for abstraction and concreteization in addition to neural networks.
  • the NNR 51 may change the network used in the feature extraction network 52 .
  • the attribute of the feature extracted from the feature extraction network 52 is changed. In order to cope with this case, the method of abstracting the extracted feature may be changed. As shown in FIG.
  • the NNR interface 51b in order to update the abstraction method according to the operation of the abstractor in the NNAL 2811, the NNR interface 51b ), information necessary for abstraction may be transmitted to the NNAL 2811 .
  • the NNAL 2811 may use this information to update functions required for abstraction.
  • the NNR in the NNAL 2811 may update the abstraction function by using information necessary for the abstraction received from the NNR 51 through the NNR interface 51b.
  • Updateable functions indicate examples in which abstract functions are updated using the NNR interface 51b.
  • a fixed interface means that interfaces of updatable functions are fixed. For example, even if a function required for abstraction is changed through the NNR interface 51b of FIG. 28 , the interface inside the NNAL may not be changed.
  • the abstracter in the NNAL may perform a function of abstracting the feature set 2830 received from the feature extraction network.
  • Interfaces 2810 and 2820 between the abstractor in the NNAL and the NNR in the NNAL may be used in order to use the information and functions of the NNR required for the abstraction in the NNAL.
  • the abstractor in the NNAL can access the functions and information of the NNR in the NNAL.
  • the abstractor in the NNAL may transmit the feature set and information about it received from the feature extraction network to the NNR in the NNAL.
  • the NNR in the NNAL may be returned to the abstracter after applying the function required for abstraction to the feature set.
  • the table below shows an example of the interfaces 2810 and 2820 between the abstractor in the NNAL and the NNR in the NNAL.
  • the example of the interface described in the table below is only one embodiment, and the interfaces 2810 and 2820 between the abstractor in the NNAL and the NNR in the NNAL may be used in other forms.
  • the above table shows an embodiment of information that can be signaled through the interface 51b between NNAL and NNR and properties thereof.
  • the information may be signaled via the interface 2840 between the feature extraction network 52 and the NNR in the NNAL.
  • Feature attributes shown in Table 2 changed feature attributes in Table 3, NNAL information, information required to configure NNAL information, etc.
  • the above table shows an embodiment of information and properties thereof that can be signaled through interfaces 2810 and 2820 between an abstracter in NNAL and an NNR in NNAL.
  • 56b) is a diagram showing an example.
  • the NNR 56 may perform replacement of all information required for specification of a feature as well as replacement of the neural network.
  • the replacement function of the neural network is only one example of the replacement and provision of information for the specification of a feature.
  • the NNR 56 may deliver information required for specification to the NNML 2921 through the NNR interface 56b.
  • the NNML 2921 may use this information to update the functions required for refinement.
  • the updatable functions shown in Fig. 29 indicate that functions required for specification in the materializer are updatable via the NNR interface 56b.
  • the fixed interface of FIG. 29 indicates that the interface of updateable functions is fixed. For example, even if a function required for realization is changed through the NNR interface 56b, the interface inside the NNML 2921 may not change.
  • the materializer of the NNML 2921 may perform a function of materializing the decoded abstracted feature set.
  • Interfaces 2910 and 2920 between the refiner in the NNML and the NNR 56 in the NNML may be used to obtain from the NNR in the NNML the NNR information and/or related functions that the materializer in the NNML needs for reification.
  • the materializer may access the functions and information of the NNR through the interfaces 2910 and 2920 between the materializer and the NNR, or the abstract feature set and information about it received from the decoder may be transferred to the NNR in the NNML. have.
  • the NNR in NNML may return to the materializer after applying the functions required for materialization to the abstracted feature set.
  • the table below shows an example of interfaces 2910 and 2920 between a materializer in NNML and an NNR in NNML, which may include all information necessary for materialization and decoding.
  • Table 8 below shows an example of the interface 56b between the NNR 56b and the refiner in the NNML.
  • Table 9 below shows an example of interfaces 2910 and 2920 between the refiner in the NNML and the NNR in the NNML.
  • NNR e.g. function pointer
  • This embodiment discloses a method for effectively performing feature encoding in VCM.
  • 30 shows a method of transmitting an image obtained from a terminal to a server to perform a machine learning operation requiring high complexity in a method currently used in a number of artificial intelligence application fields.
  • existing image and video compression methods such as JPEG, H.264, and HEVC may be used.
  • existing image and video coding techniques in this AI field may be inefficient.
  • Existing image and video coding technologies have been developed with a focus on human viewing, whereas most AI applications are performed automatically through image analysis by machines without human intervention.
  • information coded with existing image and video coding techniques may contain information not required for machine learning.
  • Fig. 31 is a view showing Fig. 30 in another way. 31 shows an embodiment of extracting features, which are feature information, by partially performing a machine learning operation performed by a server in a terminal and encoding them. Since this method encodes and transmits only information necessary for machine learning, it may be more efficient in terms of encoding compared to FIG. 30 .
  • the method shown in FIG. 31 also has room for improvement. This is because, depending on the type of task in machine learning, unnecessary information may be encoded. If the type of task for machine learning is determined, by allowing more information (eg, more bits) for important information in performing the task, and not transmitting relatively less important information or reducing the amount of information (eg allow fewer bits) Data compression rate can be maximized.
  • the task (object detection) is only one of various tasks to which the present embodiment can be applied, and the task to which the embodiments described below can be applied is not limited to object detection, and is applicable to all kinds of tasks for detecting a region of interest in an image. can be applied.
  • the goal of object detection is to detect and recognize a region including objects in an image as shown in Examples 1 and 2 of FIG. 32 . Therefore, the information in the boxed area is relatively more important than the information in other areas from the point of view of the machine learning task.
  • FIG. 33 is a simplified schematic diagram of FIG. 20 and shows an example of a method of detecting an important region for a machine learning task by adding an important region detection module to FIG. 20 and using it for feature encoding.
  • the critical region detection may serve to detect a region including objects in the input image and provide information on the corresponding region.
  • Corresponding region information can be used to efficiently encode a feature.
  • the corresponding area information can be expressed in the following form.
  • 34 and 35 are diagrams illustrating two examples of expressing corresponding area information.
  • 34 shows the upper left point of the block as x coordinate and y coordinate, and the width of the block as width and height as height
  • FIG. 35 shows the center point of the block as x coordinate and y coordinate
  • the width and height are expressed based on . Any method may be used, and blocks may be expressed in other ways than the above.
  • FIG. 36 is a diagram illustrating an embodiment of a syntax for signaling task information in order to perform a method proposed by the present disclosure.
  • the source device 30 may signal the syntax element task_id[i] indicating identifier information for each task according to the number indicated by num_tasks.
  • the syntax element task_id may have a value as shown in the table below, but is not limited to the items shown in the table below.
  • One object tracking 2 face recognition 3 motion detection 4 object classification 5 Image/Video Capturing I got fat I got fat
  • ImageWidth and ImageHeight indicate the resolution of an image
  • ImageRegionPosX, ImageRegionPosY, ImageRegionWidth, and ImageRegionHeight indicate the x-coordinate, y-coordinate, width, and height of the corresponding regions detected from the image.
  • FeatureRegionPosX, FeatureRegionPosY, FeatureRegionWidth, and FeatureRegionHeight represent the x-coordinate, y-coordinate, width, and height converted to fit the resolution of the feature.
  • the round() function is a rounding function that adds 0.5 and then rounds off the decimal point.
  • the information converted to fit the feature resolution can be used to efficiently encode the feature.
  • the corresponding information may be used in a quantization process.
  • Feature data extracted through the feature extraction network of FIG. 20 may require a quantization process of converting to an integer form before being encoded into a real number (32-bit float) form.
  • information loss occurs due to the quantization process.
  • Information loss can be minimized by allocating a large number of bits to information corresponding to an important region, and a small number of bits can be allocated to other regions.
  • n represents a bit of information quantized as an integer. here denotes a result value in the form of a quantized integer.
  • Equation shows an embodiment in which the decoder performs inverse Angularization.
  • a quantized integer feature is the result value in inverse quantized real form.
  • region information In order to properly convert the integer type information restored by the decoder into a real number, region information must be transmitted. This is because a different n value must be applied to the corresponding region and other regions during decoding.
  • the significant region-based bit allocation scheme proposed in this embodiment can be applied to various levels. It may be applied in units of each feature, may be applied in units of feature sets, or may be transmitted at a higher level. Below is an example applied to the feature set level.
  • information on an important region should be transmitted at the feature set level, and as shown in FIG. 37 , the corresponding information may be included in the feature set header and transmitted. Since the area information is specific to a specific mission, it should be transmitted only when it corresponds to a specific mission. Accordingly, the corresponding area information may be transmitted only when it corresponds to a specific task based on the information specified in FIG. 37 .
  • the task corresponds to object detection. Since there may be more than one important region included in the image, the syntax element num_regions indicating the total number of important regions in the image is transmitted first, and the x and y coordinates for each region and the width and height of the region are transmitted. In this way, domain information can be transmitted only for necessary missions.
  • an efficient encoding method is shown by extracting region information important for a specific task and applying it to a feature quantization process.
  • the present disclosure is not limited to being applied only to feature quantization and may be utilized in any process for encoding a feature.
  • the input data input to the neural network can go through several hidden layers. And, the operation result of each hidden layer may have different sizes depending on the type of neural network being used and the depth of the hidden layer.
  • 38 shows an embodiment of output data for each layer for an RGB input image. 38 shows the size of output data for each layer that changes as the depth of the neural network increases according to an embodiment.
  • the shaded A, B, C, and D of FIG. 38 may be one of the hidden layers of a neural network such as convolution and pooling, or a bundle of several hidden layers of the neural network. 38 shows an example in which the spatial size of an input image composed of three channels goes through each layer or successive layers, and the number of channels is gradually increased. The following notation may be used to represent data as shown in FIG. 38 .
  • Layer N C channel feature (x, y) coordinate value Feat N [C][x][y]
  • feature A in FIG. 38 may be expressed as in FIG. 39 .
  • the notation may be used to express all features and channels of each layer in the neural network and/or one feature value for each channel.
  • FIG. 40 is a diagram illustrating a VCM system in which a feature encoding apparatus and a feature decoding apparatus are configured according to an embodiment.
  • the encoding apparatus of FIG. 40 may generate a bitstream by compressing data to extract a feature from an image and efficiently transmit it.
  • the decoding apparatus may restore the received bitstream as a feature and transmit it to a network performing a mission.
  • the output 4022 of the feature extraction network 4020 may be data in floating point format.
  • the feature quantizer (4030) of the encoding apparatus may convert the input in the form of a floating-point number into an integer of a predetermined number of bits and output the converted input (4032).
  • the encoder 4040 may encode the feature data and output it in the form of a bitstream ( S4042 ).
  • the decoder 4050 may receive a bitstream as an input and output decoded data 4052 . Since the output value 4052 of the decoder 4050 is quantized data in the encoding device (eg, quantized by the feature quantizer), the output value 4062 obtained by performing the inverse quantization operation by the feature dequantizer 4060 to the mission network 4070 . The mission network 4070 may use the reconstructed features to obtain a final output value through a network suitable for each mission.
  • transform process can be applied to the result 4022 of the feature extraction network 4020 or the result 4032 of the feature quantizer 4030 and the result 4052 of the decoder 4050 or the feature dequantizer 4060
  • An inverse transform process may be applied to the result 4062 to restore the original shape.
  • a feature converted into various forms may be defined as a coding format (CF).
  • the following description describes a process of converting a feature into a CF and a process of inversely transforming a CF into a feature.
  • the VCM system may employ and use an embodiment that exhibits optimal efficiency according to a compression algorithm among the embodiments according to the following description.
  • each channel feat N [C] of feat N which is an output feature in layer N, may be subjected to independent compression.
  • 41 illustrates main parameters of CF according to an embodiment.
  • 42 shows the process of conversion to CF and inverse conversion to feature in this embodiment.
  • FeatHeight*[], FeatWidth*[], FeatNum*[], and Feat L *[] represent parameters restored through an inverse transformation process.
  • Transformation and inverse transformation of a feature according to the present embodiment treats the channel of the feature as an independent coding unit, so the size and number of channels are not changed, and can be reflected in the size and number of depths of the CF. have. Accordingly, as a result of the transformation according to the present embodiment, a CF having the same width, height, and depth as the feature may be generated as shown in FIG. 41 .
  • individual feature channels may be connected to each other without a shape conversion to generate a CF in the form of one large picture.
  • 43 shows an embodiment of a CF according to this embodiment.
  • 44 shows an algorithm for converting a feature to CF or inversely converting a CF to a feature according to the present embodiment.
  • the value of Num C may be arbitrarily determined.
  • the value of Num C may be determined as a value obtained by dividing the width of the image by the width of the feature, FeatWidth[].
  • a variable DiffNum representing the difference between the number of real features and the number of features included in CF may be used, and the value is shown in FIG. 44 can be determined as The following Equation and FIG. 45 show the definition of the ceiling function and a graph of the ceiling function used in this embodiment.
  • a part of the entire activation map may be arranged in a two-dimensional space to define a coding group (CG).
  • the CF depth (CFDepth) may be increased until all features can be expressed using CGs of the same size. If the number of feature channels included in one CG is c, and when FeatNum[L] is divided by c, it does not go down to an integer, create as many CGs as the number of quotients to fill in the features, and create one more CG to equal the remaining number. After filling in the features of , the remaining area can be filled with 0.
  • 46 shows an embodiment of a CF generated according to this embodiment.
  • 47 shows an algorithm for performing feature-to-CF transformation and inverse CF-to-feature transformation according to this embodiment.
  • pixels on the same coordinates in each channel of the feature map are collected and blocked, and then the blocks are arranged adjacent to a two-dimensional space to form one CF can create 48 shows an embodiment of a CF generation method in this embodiment.
  • 48 shows an example of a CF that can be generated when there are 4 2x2 size channels from Feat L [0] to Feat L [3] in an arbitrary layer L.
  • pixel values at the same position in each channel are extracted and bundled into blocks having a square or rectangular shape, and then the blocks are arranged adjacent to each other to generate various types of CFs.
  • a method of restoring the original feature channel form from the CF may be performed differently for each CF conversion process.
  • 49 shows an embodiment of a CF generated by block pixels in a 4x8 unit for an actual feature having 32 channels of 304x304 size and then arranging each block adjacent to each other.
  • An image decoding apparatus includes a memory and a processor, and the decoding apparatus may perform decoding according to an operation of the processor.
  • 50 is a diagram illustrating a method for a decoding apparatus in a VCM system to decode image-related feature information according to an embodiment.
  • a feature means the aforementioned feature.
  • the feature information refers to the aforementioned feature information.
  • the abstracted feature information refers to the above-described abstracted feature information.
  • the specified feature information refers to the aforementioned detailed feature information.
  • the decoding apparatus may obtain encoded data of feature information generated by applying an artificial neural network-based feature extraction method to an image from a bitstream (S5010). Next, the decoding apparatus may restore the feature information by decoding the encoded data of the feature information (S5020). Next, the decoding apparatus may generate analysis data of the image based on the feature information (S5030). Here, the decoding apparatus may reconstruct the feature information based on any one of abstract information of feature information, a region of interest for feature information, and an encoding format for feature information.
  • the decoding apparatus may obtain decoded characteristic information by decoding the encoded data of the characteristic information (S5110). Next, the decoding apparatus may generate the specified characteristic information by specifying the decoded characteristic information (S5120).
  • the decoded feature information may be feature information abstracted based on the neural network abstraction information in the encoding process of the feature information.
  • the specification of the feature information may be performed based on the decoded feature information and the neural network abstraction information.
  • the neural network abstraction information may be obtained from a bitstream.
  • the encoding data of the feature information and the neural network abstraction information may be obtained from a bitstream in units of neural network abstraction units.
  • the neural network abstraction information may be included in the header of the neural network abstraction unit (e.g. NNAL unit) as described above.
  • the decoding apparatus may obtain information on an image analysis task from a bitstream (S5210). Next, the decoding apparatus may obtain information on the number of regions of interest from the bitstream (S5220). Next, the decoding apparatus may reconstruct the feature information based on the information on the ROI of the feature information ( S5230 ).
  • information on an image analysis task (eg num_tasks, task_id[]) may be obtained from a bitstream, and information on a region of interest in the feature information may be analyzed It may be obtained from the bitstream based on information about the mission.
  • information (eg num_regions) on the number of regions of interest in the image is obtained from the bitstream, and based on the information on the number of regions of interest in the image, information (eg region_pos_x[], region_pos_y[], region_pos_width[], region_pos_height[], etc.) may be obtained from the bitstream.
  • region_pos_x[], region_pos_y[], region_pos_width[], and region_pos_height[] which are information indicating the coordinates of the region of interest among the information on the region of interest in the feature information, are the coordinates of the object identified in the image, the resolution of the image, and extracted from the image. It may be determined based on the resolution of the specified feature information.
  • the decoding apparatus may obtain decoded characteristic information by decoding the encoded data of the characteristic information (S5310).
  • the decoding apparatus may restore the feature information by inversely transforming the decoded feature information based on the encoding format for the feature information ( 5320 ).
  • the decoded characteristic information may be characteristic information converted based on an encoding format for the characteristic information in the encoding process. Inverse transformation of the feature information may be performed based on the decoded feature information and an encoding format for the feature information.
  • a plurality of pieces of feature information may be obtained by inversely transforming the decoded feature information based on an encoding format for the feature information.
  • at least one piece of target characteristic information among the plurality of characteristic information may be identified based on coordinates and size information of the target characteristic information in the decoded characteristic information.
  • the decoded characteristic information may be composed of a set of a plurality of characteristic information.
  • a plurality of characteristic information in the decoded characteristic information may be arranged in a tile form according to a tile scan order, and one target characteristic information is the upper left position of the corresponding target characteristic information and the width and height of the characteristic information. can be identified.
  • the feature information may be identified by an index in the decoded feature information.
  • a plurality of pieces of feature information may be obtained by inversely transforming the decoded feature information based on an encoding format for the feature information. For example, at least one piece of target feature information among the plurality of feature information may be identified based on an index of a feature group to which the target feature information belongs in the decoded feature information and an index of feature information within the feature group.
  • the index of the feature group to which the target feature information belongs in the decoded feature information may be an index indicating the CF depth described with reference to FIGS. 46 and 47 .
  • the index of the feature information in the feature group may be row and column information that is an index indicating feature information in the CG of a specific CF depth.
  • the index of the feature group to which the target feature information belongs in the feature information may be g in the example of CG[g][iNum r +row][jNum C +col] of FIG. 47 .
  • the index of the feature information in the feature group may be iNum r and jNum C in the example of CG[g][iNum r +row][jNum C +col] of FIG. 47 .
  • a plurality of feature information from the decoded feature information based on grouping by collecting sub-information on the same coordinate in the plurality of feature information can be identified.
  • the plurality of feature information may correspond to each channel of the feature map in the descriptions of FIGS. 48 and 49 .
  • sub information on the same coordinate in the plurality of feature information may correspond to pixels on the same coordinate in each channel of the feature map in the description of FIGS. 48 and 49 .
  • grouping by collecting sub-information on the same coordinate within a plurality of feature information may correspond to extracting a plurality of pixel values and tying them into blocks in the description of FIGS. 48 and 49 .
  • the decoded feature information may correspond to a CF generated by arranging blocks adjacent to each other in the description of FIGS. 48 and 49 .
  • An image encoding apparatus includes a memory and a processor, and the encoding apparatus may perform encoding in a manner corresponding to the decoding of the decoding apparatus by the operation of the processor. For example, as shown in FIG. 54 , the encoding apparatus may obtain feature information from the input image using an artificial neural network-based feature extraction method ( S5410 ). Next, the encoding apparatus may generate encoding information of the characteristic information based on the characteristic information ( S5420 ). Corresponding to the above-described operation of the decoding apparatus, the encoding apparatus may generate encoding information based on any one of abstract information of the feature information, a region of interest of the feature information, and an encoding format for the feature information.
  • the encoding apparatus may generate abstracted characteristic information by abstracting the characteristic information. And, the encoding apparatus may generate a bitstream by encoding the abstracted feature information.
  • the feature information may be abstracted based on the neural network abstraction information.
  • neural network abstraction information may also be encoded and included in the bitstream.
  • the encoded data of the abstracted feature information and the neural network abstraction information may be included in the bitstream in units of neural network abstraction units.
  • the neural network abstraction information may be included in the header of the neural network abstraction unit as described above.
  • the encoding apparatus may encode the feature information based on the ROI. For example, the encoding apparatus may select an ROI of the feature information, and may encode feature information corresponding to the ROI by allocating more bits than feature information not corresponding to the ROI. Also, the encoding apparatus may signal information on the region of interest based on an analysis task and the number of regions of interest in the image. To this end, in encoding the information on the region of interest, the encoding apparatus may additionally encode information on an image analysis task, encode information on the number of regions of interest for each analysis task, and Based on the ROI, it is possible to encode information about the region of interest and characteristic information about the region of interest.
  • the encoding apparatus may convert the characteristic information based on the encoding format and then encode the transformed characteristic information. Conversion of the feature information may be performed based on an encoding format for the feature information. To this end, the encoding format of the feature information and the corresponding encoding method described with reference to FIGS. 43 to 49 may be applied to correspond to the decoding method above.
  • Example methods of the present disclosure are expressed as a series of operations for clarity of description, but this is not intended to limit the order in which the steps are performed, and if necessary, each step may be performed simultaneously or in a different order.
  • other steps may be included in addition to the illustrated steps, steps may be excluded from some steps, and/or other steps may be included except for some steps.
  • an image encoding apparatus or an image decoding apparatus performing a predetermined operation may perform an operation (step) of confirming a condition or situation for performing the corresponding operation (step). For example, if it is stated that a predetermined operation is performed when a predetermined condition is satisfied, the image encoding apparatus or the image decoding apparatus performs an operation to check whether the predetermined condition is satisfied and then performs the predetermined operation can
  • various embodiments of the present disclosure may be implemented by hardware, firmware, software, or a combination thereof.
  • ASICs Application Specific Integrated Circuits
  • DSPs Digital Signal Processors
  • DSPDs Digital Signal Processing Devices
  • PLDs Programmable Logic Devices
  • FPGAs Field Programmable Gate Arrays
  • general purpose It may be implemented by a processor (general processor), a controller, a microcontroller, a microprocessor, and the like.
  • the image decoding apparatus and the image encoding apparatus to which the embodiments of the present disclosure are applied are real-time communication apparatuses such as a multimedia broadcasting transceiver, a mobile communication terminal, a home cinema video apparatus, a digital cinema video apparatus, a surveillance camera, a video conversation apparatus, and a video communication apparatus.
  • the OTT video (Over the top video) device may include a game console, a Blu-ray player, an Internet-connected TV, a home theater system, a smart phone, a tablet PC, a digital video recorder (DVR), and the like.
  • 55 is a diagram illustrating a content streaming system to which an embodiment of the present disclosure can be applied.
  • the content streaming system to which the embodiment of the present disclosure is applied largely includes an encoding server, a streaming server, a web server (interconnected system), a storage server (media storage), a user device, and a multimedia input device.
  • the encoding server generates a bitstream by compressing content input from multimedia input devices such as a smart phone, a camera, a camcorder, etc. into digital data and transmits it to the streaming server.
  • multimedia input devices such as a smartphone, a camera, a camcorder, etc. directly generate a bitstream
  • the encoding server may be omitted.
  • the bitstream may be generated by an image encoding method and/or an image encoding apparatus to which an embodiment of the present disclosure is applied, and the streaming server may temporarily store the bitstream in a process of transmitting or receiving the bitstream.
  • the streaming server transmits multimedia data to the user device based on a user request through the web server, and the web server may serve as a medium informing the user of any service.
  • the web server transmits it to a streaming server, and the streaming server may transmit multimedia data to the user.
  • the content streaming system may include a separate control server.
  • the control server may serve to control commands/responses between devices in the content streaming system.
  • the streaming server may receive content from a media repository and/or an encoding server. For example, when receiving content from the encoding server, the content may be received in real time. In this case, in order to provide a smooth streaming service, the streaming server may store the bitstream for a predetermined time.
  • Examples of the user device include a mobile phone, a smart phone, a laptop computer, a digital broadcasting terminal, a personal digital assistant (PDA), a portable multimedia player (PMP), a navigation system, a slate PC, Tablet PC (tablet PC), ultrabook (ultrabook), wearable device (e.g., watch-type terminal (smartwatch), glass-type terminal (smart glass), HMD (head mounted display)), digital TV, desktop There may be a computer, digital signage, and the like.
  • PDA personal digital assistant
  • PMP portable multimedia player
  • PDA portable multimedia player
  • slate PC slate PC
  • Tablet PC Tablet PC
  • ultrabook ultrabook
  • wearable device e.g., watch-type terminal (smartwatch), glass-type terminal (smart glass), HMD (head mounted display)
  • digital TV desktop
  • desktop There may be a computer, digital signage, and the like.
  • Each server in the content streaming system may be operated as a distributed server, and in this case, data received from each server may be distributed and processed.
  • the task may be performed in the user terminal or the task may be performed in an external device (eg, a streaming server, an analysis server, etc.) according to the performance of the device, the user's request, the characteristics of the task to be performed, etc. .
  • the user terminal directly or encoding server transmits a bitstream including information necessary for mission performance (eg, information such as mission, neural network and/or usage). can be created through
  • the analysis server may perform a request task of the user terminal after decoding the encoded information received from the user terminal (or from the encoding server). At this time, the analysis server may transmit the result obtained through the task performance back to the user terminal or may transmit it to another service server (e.g. a web server) associated with it. For example, the analysis server may transmit a result obtained by performing a task of determining a fire to a fire-related server.
  • the analysis server may include a separate control server. In this case, the control server may serve to control a command/response between each device associated with the analysis server and the server.
  • the analysis server may request the desired information from the web server based on the task to be performed by the user device and the task information that can be performed.
  • the web server transmits it to the analysis server, and the analysis server may transmit the data to the user terminal.
  • the control server of the content streaming system may serve to control commands/responses between devices in the streaming system.
  • Software or machine-executable instructions eg, operating system, application, firmware, program, etc.
  • a non-transitory computer-readable medium on which such software or instructions are stored and executable on a device or computer ( non-transitory computer-readable medium)
  • An embodiment according to the present disclosure may be used to encode/decode an image.

Landscapes

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

Abstract

영상 부호화/복호화 방법 및 장치가 제공된다. 본 개시에 따른 영상 복호화 장치에 의해 수행되는 영상 복호화 방법은 영상에 인공 신경망 기반의 특징 추출 방법을 적용하여 생성된 특징 정보의 부호화 데이터를 비트스트림으로부터 획득하는 단계; 상기 특징 정보의 부호화 데이터를 복호화 하여 특징 정보를 복원하는 단계; 및 상기 특징 정보에 기반하여 상기 영상의 분석 데이터를 생성하는 단계를 포함할 수 있다.

Description

영상 특징 정보 시그널링을 위한 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
본 개시는 영상 부호화/복호화 방법 및 장치에 관한 것으로서, 보다 상세하게는, 영상의 특징 정보를 시그널링하는 영상 부호화/복호화 방법, 장치 및 본 개시의 영상 부호화 방법/장치에 의해 생성된 비트스트림을 전송하는 방법에 관한 것이다.
최근 HD(High Definition) 영상 및 UHD(Ultra High Definition) 영상과 같은 고해상도, 고품질의 영상에 대한 수요가 다양한 분야에서 증가하고 있다. 영상 데이터가 고해상도, 고품질이 될수록 기존의 영상 데이터에 비해 상대적으로 전송되는 정보량 또는 비트량이 증가하게 된다. 전송되는 정보량 또는 비트량의 증가는 전송 비용과 저장 비용의 증가를 초래한다.
이에 따라, 고해상도, 고품질 영상의 정보를 효과적으로 전송하거나 저장하고, 재생하기 위한 고효율의 영상 압축 기술이 요구된다.
본 개시는 부호화/복호화 효율이 향상된 영상 부호화/복호화 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 개시는 영상의 특징 정보 시그널링 방법을 개선함으로써 부/복호화 효율 향상을 도모하는 영상 부호화/복호화 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 개시는 본 개시에 따른 영상 부호화 방법 또는 장치에 의해 생성된 비트스트림을 전송하는 방법을 제공하는 것을 목적으로 한다.
또한, 본 개시는 본 개시에 따른 영상 부호화 방법 또는 장치에 의해 생성된 비트스트림을 저장한 기록 매체를 제공하는 것을 목적으로 한다.
또한, 본 개시는 본 개시에 따른 영상 복호화 장치에 의해 수신되고 복호화되어 영상의 복원에 이용되는 비트스트림을 저장한 기록 매체를 제공하는 것을 목적으로 한다.
본 개시에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시의 일 양상에 따른 영상 복호화 장치에 의해 수행되는 영상 복호화 방법은, 영상에 인공 신경망 기반의 특징 추출 방법을 적용하여 생성된 특징 정보의 부호화 데이터를 비트스트림으로부터 획득하는 단계; 상기 특징 정보의 부호화 데이터를 복호화 하여 특징 정보를 복원하는 단계; 및 상기 특징 정보에 기반하여 상기 영상의 분석 데이터를 생성하는 단계를 포함할 수 있다. 여기서, 상기 특징 정보는 상기 특징 정보의 추상화 정보, 상기 특징 정보의 관심 영역 및 상기 특징 정보에 대한 부호화 포멧 중 어느 하나에 기반하여 복원될 수 있다.
또한, 본 개시의 일 양상에 따른 영상 복호화 장치는 메모리 및 적어도 하나의 프로세서를 포함하는 영상 복호화 장치로서, 상기 적어도 하나의 프로세서는 영상에 인공 신경망 기반의 특징 추출 방법을 적용하여 생성된 특징 정보의 부호화 데이터를 비트스트림으로부터 획득하고, 상기 특징 정보의 부호화 데이터를 복호화 하여 특징 정보를 복원하고, 상기 특징 정보에 기반하여 상기 영상의 분석 데이터를 생성할 수 있다. 여기서, 상기 특징 정보는 상기 특징 정보의 추상화 정보, 상기 특징 정보의 관심 영역 및 상기 특징 정보에 대한 부호화 포멧 중 어느 하나에 기반하여 복원될 수 있다.
또한, 본 개시의 일 양상에 따른 영상 부호화 장치에 의하여 수행되는 영상 부호화 방법은 인공 신경망 기반의 특징 추출 방법을 이용하여 입력 영상으로부터 특징 정보를 획득하는 단계; 및 상기 특징 정보에 기반하여 상기 특징 정보의 부호화 정보를 생성하는 단계를 포함할 수 있다. 여기서, 상기 부호화 정보는 상기 특징 정보의 추상화 정보, 상기 특징 정보의 관심 영역 및 상기 특징 정보에 대한 부호화 포멧 중 어느 하나에 기반하여 생성될 수 있다.
또한, 본 개시의 일 양상에 따른 전송 방법은, 본 개시의 영상 부호화 장치 또는 영상 부호화 방법에 의해 생성된 비트스트림을 전송할 수 있다.
또한, 본 개시의 일 양상에 따른 컴퓨터 판독 가능한 기록 매체는, 본 개시의 영상 부호화 방법 또는 영상 부호화 장치에 의해 생성된 비트스트림을 저장할 수 있다.
본 개시에 대하여 위에서 간략하게 요약된 특징들은 후술하는 본 개시의 상세한 설명의 예시적인 양상일 뿐이며, 본 개시의 범위를 제한하는 것은 아니다.
본 개시에 따르면, 부호화/복호화 효율이 향상된 영상 부호화/복호화 방법 및 장치가 제공될 수 있다.
또한, 본 개시에 따르면, 영상 특징 정보의 개선된 시그널링 방법을 이용함으로써 부/복호화 효율 향상을 도모할 수 있는 영상 부호화/복호화 방법 및 장치가 제공될 수 있다.
또한, 본 개시에 따르면, 본 개시에 따른 영상 부호화 방법 또는 장치에 의해 생성된 비트스트림을 전송하는 방법이 제공될 수 있다.
또한, 본 개시에 따르면, 본 개시에 따른 영상 부호화 방법 또는 장치에 의해 생성된 비트스트림을 저장한 기록 매체가 제공될 수 있다.
또한, 본 개시에 따르면, 본 개시에 따른 영상 복호화 장치에 의해 수신되고 복호화되어 영상의 복원에 이용되는 비트스트림을 저장한 기록 매체가 제공될 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 개시에 따른 실시예가 적용될 수 있는 비디오 코딩 시스템을 개략적으로 도시한 도면이다.
도 2는 본 개시에 따른 실시예가 적용될 수 있는 영상 부호화 장치를 개략적으로 도시한 도면이다.
도 3은 본 개시에 따른 실시예가 적용될 수 있는 영상 복호화 장치를 개략적으로 도시한 도면이다.
도 4는 일 실시예에 따른 영상의 분할 구조를 나타내는 도면이다.
도 5는 멀티타입 트리 구조에 따른 블록의 분할 타입의 일 실시 예를 도시한 도면이다.
도 6은 본 개시에 따른 멀티타입 트리를 수반하는 쿼드트리 구조에서의 블록 분할 정보의 시그널링 메커니즘을 예시한 도면이다.
도 7은 CTU가 다중 CU들로 분할되는 일 실시 예를 도시하는 도면이다.
도 8 내지 도 11은 타일, 슬라이스 및 서브픽쳐를 이용하여 픽쳐를 분할한 실시예를 도시하는 도면이다.
도 12는 하나의 신택스 요소를 부호화하기 위한 일 실시 예에 따른 CABAC의 블록도를 도시하는 도면이다.
도 13 내지 도 16은 일 실시 예에 따른 엔트로피 인코딩과 디코딩을 설명하는 도면이다.
도 17 및 도 18은 일 실시 예에 따른 픽처 디코딩 및 인코딩 절차의 예를 도시하는 도면이다.
도 19는 일 실시 예에 따른 코딩된 영상에 대한 계층 구조를 도시한 도면이다.
도 20은 머신을 위한 비디오/영상 부호화 장치 및/또는 비디오 복호화 장치의 일 실시예를 도시하는 도면이다.
도 21은 피쳐 추출 네트워크를 이용한 피쳐 추출의 예시를 나타내는 도면이다.
도 22는 VCM 부호화/복호화 구조의 예를 나타내는 도면이다.
도 23은 본 개시에서 제안하는 VCM의 계층 구조의 예를 나타내는 도면이다.
도 24는 NNAL의 추상화 과정을 통해 추상화된 피쳐와 신경망 추상화 레이어 정보(NNAL 정보)를 나타내는 도면이다.
도 25는 부호화된 추상화된 피쳐와 NNAL 정보로 구성된 비트스트림의 예시를 나타내는 도면이다.
도 26은 복호화 과정의 예시를 나타내는 도면이다.
도 27은 본 개시에서 제안하는 신경망 추상화와 구체화를 적용한 VCM 구조의 예시를 도시하는 도면이다.
도 28은 NNAL과 NNR간의 인터페이스의 동작의 예시를 나타내는 도면이다.
도 29는 NNML과 NNR의 인터페이스의 예시를 도시하는 도면이다.
도 30 내지 도 31은 피쳐 부호화를 수행하기 위한 VCM 시스템을 도시하는 도면이다.
도 32는 영상에서 식별되는 오브젝트를 나타내는 예시를 나타내는 도면이다.
도 33은 중요 영역 식별 모듈이 추가된 비디오/영상 부호화 장치 및/또는 비디오 복호화 장치의 일 실시예를 도시하는 도면이다.
도 34와 도 35는 해당 영역 정보를 표현하는 두가지 예시를 도시하는 도면이다.
도 36 내지 도 37은 본 개시에서 제안하는 방법을 수행하기 위하여 임무 정보를 시그널링하기 위한 신택스의 일 실시 예를 도시하는 도면이다.
도 38은 RGB 입력 이미지에 대한 계층별 출력 데이터의 일 실시 예를 도시하는 도면이다.
도 39는 피쳐 표기법의 일 예시를 도시하는 도면이다.
도 40은 일 실시 예예 따른 피쳐 부호화 장치와 피쳐 복호화 장치가 구성된 VCM 시스템을 도시하는 도면이다.
도 41은 일 실시 예에 따른 CF의 주요 파라미터를 도시하는 도면이다.
도 42는 일 실시 예에 따른 CF로의 변환 및 피쳐로의 역변환 과정을 도시하는 도면이다.
도 43은 일 실시 예에 따른 CF의 일 실시 예를 도시하는 도면이다.
도 44는 일 실시 예에 따른 피쳐를 CF로 변환 또는 CF를 피쳐로 역변환 하기 위한 알고리즘을 도시하는 도면이다.
도 45는 일 실시 예에 따른 천장함수의 정의와 천장함수의 그래프를 도시하는 도면이다.
도 46은 일 실시 예에 따라 생성된 CF의 일 실시 예를 도시하는 도면이다.
도 47은 일 실시 예에 따른 피쳐에서 CF로의 변환 및 CF에서 피쳐로의 역변환을 수행하기 위한 알고리즘을 도시하는 도면이다.
도 48은 일 실시 예에서의 CF 생성 방법을 도시하는 도면이다.
도 49는 304x304 크기의 32개 채널을 갖는 실제 피쳐를 대상으로 4x8 단위로 픽셀을 블록화 한 뒤 각 블록을 인접하게 배치하여 생성된 CF의 일 실시 예를 도시하는 도면이다.
도 50은 일 실시 예에 따른 VCM 시스템에서의 복호화 장치가 영상에 관련된 특징 정보를 복호화 하는 방법을 나타내는 도면이다.
도 51은 일 실시 예에 따른 복호화 장치가 특징 정보의 추상화 정보를 이용하여 특징 정보를 복원하는 방법을 설명하는 순서도이다.
도 52는 일 실시 예에 따른 복호화 장치가 특징 정보의 관심 영역을 이용하여 특징 정보를 복원하는 방법을 설명하는 순서도이다.
도 53과 도 54는 일 실시 예에 따른 복호화 장치와 부호화 장치가 복호화와 부호화를 수행하는 방법을 설명하는 순서도이다.
도 55 및 56은 본 개시의 실시예가 적용될 수 있는 컨텐츠 스트리밍 시스템을 예시한 도면이다.
이하에서는 첨부한 도면을 참고로 하여 본 개시의 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나, 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
본 개시의 실시예를 설명함에 있어서 공지 구성 또는 기능에 대한 구체적인 설명이 본 개시의 요지를 흐릴 수 있다고 판단되는 경우에는 그에 대한 상세한 설명은 생략한다. 그리고, 도면에서 본 개시에 대한 설명과 관계없는 부분은 생략하였으며, 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 개시에 있어서, 어떤 구성요소가 다른 구성요소와 "연결", "결합" 또는 "접속"되어 있다고 할 때, 이는 직접적인 연결관계뿐만 아니라, 그 중간에 또 다른 구성요소가 존재하는 간접적인 연결관계도 포함할 수 있다. 또한 어떤 구성요소가 다른 구성요소를 "포함한다" 또는 "가진다"고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 배제하는 것이 아니라 또 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 개시에 있어서, 제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용되며, 특별히 언급되지 않는 한 구성요소들간의 순서 또는 중요도 등을 한정하지 않는다. 따라서, 본 개시의 범위 내에서 일 실시예에서의 제1 구성요소는 다른 실시예에서 제2 구성요소라고 칭할 수도 있고, 마찬가지로 일 실시예에서의 제2 구성요소를 다른 실시예에서 제1 구성요소라고 칭할 수도 있다.
본 개시에 있어서, 서로 구별되는 구성요소들은 각각의 특징을 명확하게 설명하기 위함이며, 구성요소들이 반드시 분리되는 것을 의미하지는 않는다. 즉, 복수의 구성요소가 통합되어 하나의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있고, 하나의 구성요소가 분산되어 복수의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있다. 따라서, 별도로 언급하지 않더라도 이와 같이 통합된 또는 분산된 실시예도 본 개시의 범위에 포함된다.
본 개시에 있어서, 다양한 실시예에서 설명하는 구성요소들이 반드시 필수적인 구성요소들을 의미하는 것은 아니며, 일부는 선택적인 구성요소일 수 있다. 따라서, 일 실시예에서 설명하는 구성요소들의 부분집합으로 구성되는 실시예도 본 개시의 범위에 포함된다. 또한, 다양한 실시예에서 설명하는 구성요소들에 추가적으로 다른 구성요소를 포함하는 실시예도 본 개시의 범위에 포함된다.
본 개시는 영상의 부호화 및 복호화에 관한 것으로서, 본 개시에서 사용되는 용어는, 본 개시에서 새롭게 정의되지 않는 한 본 개시가 속한 기술 분야에서 통용되는 통상의 의미를 가질 수 있다.
본 개시는 VVC(Versatile Video Coding) 표준 및/또는 VCM(Video Coding for Machines) 표준에 개시되는 방법에 적용될 수 있다. 또한, 본 개시는 EVC (essential video coding) 표준, AV1 (AOMedia Video 1) 표준, AVS2 (2nd generation of audio video coding standard) 또는 차세대 비디오/영상 코딩 표준(ex. H.267 or H.268 등)에 개시되는 방법에 적용될 수 있다.
본 개시는 비디오/영상 코딩에 관한 다양한 실시예들을 제시하며, 다른 언급이 없는 한 상기 실시예들은 서로 조합되어 수행될 수도 있다.본 개시에서 "비디오(video)"는 시간의 흐름에 따른 일련의 영상(image)들의 집합을 의미할 수 있다. "영상(image)"은 AI(artificial intelligence)에 의해 생성된 정보일 수 있다. AI가 일련의 임무를 수행하는 과정에서 사용하는 입력 정보, 정보 처리 과정 중에 발생하는 정보와 출력하는 정보가 영상(image)으로 쓰일 수 있다. "픽처(picture)"는 일반적으로 특정 시간대의 하나의 영상을 나타내는 단위를 의미하며, 슬라이스(slice)/타일(tile)은 부호화에 있어서 픽처의 일부를 구성하는 부호화 단위이다. 하나의 픽처는 하나 이상의 슬라이스/타일로 구성될 수 있다. 또한, 슬라이스/타일은 하나 이상의 CTU(coding tree unit)를 포함할 수 있다. 상기 CTU는 하나 이상의 CU로 분할될 수 있다. 타일은 픽처 내의 특정 타일 행(Tile Row) 및 특정 타일 열(Tile Column) 내에 존재하는 사각 영역으로, 복수의 CTU로 구성될 수 있다. 타일 열은 CTU들의 사각 영역으로 정의될 수 있으며, 픽쳐의 높이와 동일한 높이를 가지고, 픽쳐 파라미터 셋과 같은 비트스트림 부분으로부터 시그널링 되는 신택스 요소에 의하여 명세되는 너비를 가질 수 있다. 타일 행은 CTU들의 사각 영역으로 정의될 수 있으며, 픽쳐의 너비와 동일한 너비를 가지고, 픽쳐 파라미터 셋과 같은 비트스트림 부분으로부터 시그널링 되는 신택스 요소에 의하여 명세되는 높이를 가질 수 있다. 타일 스캔은 픽쳐를 분할하는 CTU들의 소정의 연속된 순서 지정 방법이다. 여기서, CTU들은 타일 내에서 CTU 래스터 스캔(raster scan)에 따라 연속적으로 순서를 부여받을 수 있고, 픽쳐내의 타일들은 픽쳐의 타일들의 래스터 스캔 순서에 따라 연속적으로 순서를 부여받을 수 있다. 슬라이스는 정수개의 완전한 타일들을 포함하거나, 하나의 픽쳐의 하나의 타일 내의 연속하는 정수개의 완전한 CTU 행을 포함할 수 있다. 슬라이스는 하나의 싱글 NAL 유닛에 독점적으로 포함될 수 있다. 하나의 픽처는 하나 이상의 타일 그룹으로 구성될 수 있다. 하나의 타일 그룹은 하나 이상의 타일들을 포함할 수 있다. 브릭은 픽처 내 타일 이내의 CTU행들의 사각 영역을 나타낼 수 있다. 하나의 타일은 하나 이상의 브릭(Brick)을 포함할 수 있다. 브릭은 타일 내 CTU 행들의 사각 영역을 나타낼 수 있다. 하나의 타일은 복수의 브릭으로 분할될 수 있으며, 각각의 브릭은 타일에 속한 하나 이상의 CTU행을 포함할 수 있다. 복수의 브릭으로 분할되지 않는 타일 또한 브릭으로 취급될 수 있다.
본 개시에서 "픽셀(pixel)" 또는 "펠(pel)"은 하나의 픽처(또는 영상)를 구성하는 최소의 단위를 의미할 수 있다. 또한, 픽셀에 대응하는 용어로서 "샘플(sample)"이 사용될 수 있다. 샘플은 일반적으로 픽셀 또는 픽셀의 값을 나타낼 수 있으며, 루마(luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있고, 크로마(chroma) 성분의 픽셀/픽셀 값만을 나타낼 수도 있다.
일 실시 예에서, 특히 VCM에 적용되는 경우, 픽셀/픽셀값은 다른 특성 및 의미를 갖는 성분들의 집합으로 구성된 픽쳐가 있을 때 각 성분들의 독립적 정보 혹은 조합, 합성, 분석을 통해 생성된 성분의 픽셀/픽셀값을 나타낼 수도 있다. 예를 들어 RGB 입력에서 R의 픽셀/픽셀값만을 나타낼 수도 있고 G의 픽셀/픽셀값만을 나타낼 수도 있고 B의 픽셀/픽셀값만을 나타낼 수도 있다. 예를 들어 R, G, B 성분을 이용해 합성된 루마(Luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있다. 예를 들어 R, G, B 성분을 성분에서 분석을 통해 추출한 영상, 정보의 픽셀/픽셀 값만을 나타낼 수도 있다.
본 개시에서 "유닛(unit)"은 영상 처리의 기본 단위를 나타낼 수 있다. 유닛은 픽처의 특정 영역 및 해당 영역에 관련된 정보 중 적어도 하나를 포함할 수 있다. 하나의 유닛은 하나의 루마 블록 및 두개의 크로마(e.g. Cb, Cr) 블록을 포함할 수 있다. 유닛은 경우에 따라서 "샘플 어레이", "블록(block)" 또는 "영역(area)" 등의 용어와 혼용하여 사용될 수 있다. 일반적인 경우, MxN 블록은 M개의 열과 N개의 행으로 이루어진 샘플들(또는 샘플 어레이) 또는 변환 계수(transform coefficient)들의 집합(또는 어레이)을 포함할 수 있다. 일 실시 예에서, 특히 VCM에 적용되는 경우, 유닛은 특정 임무를 수행하기 위한 정보를 담고 있는 기본 단위를 나타낼 수 있다.
본 개시에서 "현재 블록"은 "현재 코딩 블록", "현재 코딩 유닛", "부호화 대상 블록", "복호화 대상 블록" 또는 "처리 대상 블록" 중 하나를 의미할 수 있다. 예측이 수행되는 경우, "현재 블록"은 "현재 예측 블록" 또는 "예측 대상 블록"을 의미할 수 있다. 변환(역변환)/양자화(역양자화)가 수행되는 경우, "현재 블록"은 "현재 변환 블록" 또는 "변환 대상 블록"을 의미할 수 있다. 필터링이 수행되는 경우, "현재 블록"은 "필터링 대상 블록"을 의미할 수 있다.
또한, 본 개시에서 "현재 블록"은 크로마 블록이라는 명시적인 기재가 없는 한 "현재 블록의 루마 블록"을 의미할 수 있다. "현재 블록의 크로마 블록"은 명시적으로 "크로마 블록" 또는 "현재 크로마 블록"과 같이 크로마 블록이라는 명시적인 기재를 포함하여 표현될 수 있다.
본 개시에서 "/"와 ","는 "및/또는"으로 해석될 수 있다. 예를 들어, "A/B"와 "A, B"는 "A 및/또는 B"로 해석될 수 있다. 또한, "A/B/C"와 "A, B, C"는 "A, B 및/또는 C 중 적어도 하나"를 의미할 수 있다.
본 개시에서 "또는"은 "및/또는"으로 해석될 수 있다. 예를 들어, "A 또는 B"는, 1) "A" 만을 의미하거나 2) "B" 만을 의미하거나, 3) "A 및 B"를 의미할 수 있다. 또는, 본 개시에서 "또는"은 "추가적으로 또는 대체적으로(additionally or alternatively)"를 의미할 수 있다.
비디오 코딩 시스템 개요
도 1은 본 개시에 따른 비디오 코딩 시스템을 도시한다.
일 실시예에 따른 비디오 코딩 시스템은 소스 디바이스(10) 및 수신 디바이스(20)를 포함할 수 있다. 소스 디바이스(10)는 부호화된 비디오(video) 및/또는 영상(image) 정보 또는 데이터를 파일 또는 스트리밍 형태로 디지털 저장매체 또는 네트워크를 통하여 수신 디바이스(20)로 전달할 수 있다.
일 실시예예 따른 소스 디바이스(10)는 비디오 소스 생성부(11), 부호화 장치(12), 전송부(13)를 포함할 수 있다. 일 실시예에 따른 수신 디바이스(20)는 수신부(21), 복호화 장치(12) 및 렌더링부(23)를 포함할 수 있다. 상기 부호화 장치(12)는 비디오/영상 부호화 장치라고 불릴 수 있고, 상기 복호화 장치(12)는 비디오/영상 복호화 장치라고 불릴 수 있다. 전송부(13)는 부호화 장치(12)에 포함될 수 있다. 수신부(21)는 복호화 장치(12)에 포함될 수 있다. 렌더링부(23)는 디스플레이부를 포함할 수도 있고, 디스플레이부는 별개의 디바이스 또는 외부 컴포넌트로 구성될 수도 있다.
비디오 소스 생성부(11)는 비디오/영상의 캡쳐, 합성 또는 생성 과정 등을 통하여 비디오/영상을 획득할 수 있다. 비디오 소스 생성부(11)는 비디오/영상 캡쳐 디바이스 및/또는 비디오/영상 생성 디바이스를 포함할 수 있다. 비디오/영상 캡쳐 디바이스는 예를 들어, 하나 이상의 카메라, 이전에 캡쳐된 비디오/영상을 포함하는 비디오/영상 아카이브 등을 포함할 수 있다. 비디오/영상 생성 디바이스는 예를 들어 컴퓨터, 타블렛 및 스마트폰 등을 포함할 수 있으며 (전자적으로) 비디오/영상을 생성할 수 있다. 예를 들어, 컴퓨터 등을 통하여 가상의 비디오/영상이 생성될 수 있으며, 이 경우 관련 데이터가 생성되는 과정으로 비디오/영상 캡쳐 과정이 갈음될 수 있다. 일 실시 예에서, 비디오/영상 합성 및 생성은 AI에 의한 정보 처리 과정(AI의 입력 정보, 정보 처리 과정 중인 정보, 출력 정보) 중에 이루어 질 수 있다. 이러한 경우, 비디오/영상 캡쳐 과정에서 발생한 정보는 AI의 입력 정보로 활용될 수도 있다.
부호화 장치(12)는 입력 비디오/영상을 부호화할 수 있다. 부호화 장치(12)는 압축 및 부호화 효율을 위하여 예측, 변환, 양자화 등 일련의 절차를 수행할 수 있다. 부호화 장치(12)는 부호화된 데이터(부호화된 비디오/영상 정보)를 비트스트림(bitstream) 형태로 출력할 수 있다.
전송부(13)는 비트스트림 형태로 출력된 부호화된 비디오/영상 정보 또는 데이터를 파일 또는 스트리밍 형태로 디지털 저장매체 또는 네트워크를 통하여 수신 디바이스(20)의 수신부(21)로 전달할 수 있다. 디지털 저장 매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장 매체를 포함할 수 있다. 전송부(13)는 미리 정해진 파일 포멧을 통하여 미디어 파일을 생성하기 위한 엘리먼트를 포함할 수 있고, 방송/통신 네트워크를 통한 전송을 위한 엘리먼트를 포함할 수 있다. 수신부(21)는 상기 저장매체 또는 네트워크로부터 상기 비트스트림을 추출/수신하여 복호화 장치(12)로 전달할 수 있다.
복호화 장치(12)는 부호화 장치(12)의 동작에 대응하는 역양자화, 역변환, 예측 등 일련의 절차를 수행하여 비디오/영상을 복호화할 수 있다.
렌더링부(23)는 복호화된 비디오/영상을 렌더링할 수 있다. 렌더링된 비디오/영상은 디스플레이부를 통하여 디스플레이될 수 있다.
복호화된 비디오는 렌더링뿐만 아니라 다른 시스템에서 활용하기 위한 입력 정보로도 활용이 될 수 있다. 예를 들어, 복호화된 비디오는 AI의 임무 수행을 위한 입력정보로 활용될 수 있다. 예를들어, 복호화된 비디오는 얼굴 인식, 행동 인식, 차선 인식 등과 같은 AI의 임무를 수행하기 위한 입력 정보로 활용될 수 있다.
영상 부호화 장치 개요
도 2는 본 개시에 따른 실시예가 적용될 수 있는 영상 부호화 장치를 개략적으로 도시한 도면이다.
도 2에 도시된 바와 같이, 영상 부호화 장치(100)는 영상 분할부(110), 감산부(115), 변환부(120), 양자화부(130), 역양자화부(140), 역변환부(150), 가산부(155), 필터링부(160), 메모리(170), 인터 예측부(180), 인트라 예측부(185) 및 엔트로피 인코딩부(190)를 포함할 수 있다. 인터 예측부(180) 및 인트라 예측부(185)는 합쳐서 "예측부"라고 지칭될 수 있다. 변환부(120), 양자화부(130), 역양자화부(140), 역변환부(150)는 레지듀얼(residual) 처리부에 포함될 수 있다. 레지듀얼 처리부는 감산부(115)를 더 포함할 수도 있다.
영상 부호화 장치(100)를 구성하는 복수의 구성부들의 전부 또는 적어도 일부는 실시예에 따라 하나의 하드웨어 컴포넌트(예를 들어, 인코더 또는 프로세서)로 구현될 수 있다. 또한 메모리(170)는 DPB(decoded picture buffer)를 포함할 수 있고, 디지털 저장 매체에 의하여 구현될 수 있다.
영상 분할부(110)는 영상 부호화 장치(100)에 입력된 입력 영상(또는, 픽쳐, 프레임)을 하나 이상의 처리 유닛(processing unit)으로 분할할 수 있다- 여기서, 입력되는 영상은 이미지 센서로 획득된 통상의 영상 및/또는 AI에 의해 생성된 영상일 수 있음-. 일 예로, 상기 처리 유닛은 코딩 유닛(coding unit, CU)이라고 불릴 수 있다. 코딩 유닛은 코딩 트리 유닛(coding tree unit, CTU) 또는 최대 코딩 유닛(largest coding unit, LCU)을 QT/BT/TT (Quad-tree/binary-tree/ternary-tree) 구조에 따라 재귀적으로(recursively) 분할함으로써 획득될 수 있다. 예를 들어, 하나의 코딩 유닛은 쿼드 트리 구조, 바이너리 트리 구조 및/또는 터너리 트리 구조를 기반으로 하위(deeper) 뎁스의 복수의 코딩 유닛들로 분할될 수 있다. 코딩 유닛의 분할을 위해, 쿼드 트리 구조가 먼저 적용되고 바이너리 트리 구조 및/또는 터너리 트리 구조가 나중에 적용될 수 있다. 더 이상 분할되지 않는 최종 코딩 유닛을 기반으로 본 개시에 따른 코딩 절차가 수행될 수 있다. 최대 코딩 유닛이 바로 최종 코딩 유닛으로 사용될 수 있고, 최대 코딩 유닛을 분할하여 획득한 하위 뎁스의 코딩 유닛이 최종 코닛 유닛으로 사용될 수도 있다. 여기서 코딩 절차라 함은 후술하는 예측, 변환 및/또는 복원 등의 절차를 포함할 수 있다. 다른 예로, 상기 코딩 절차의 처리 유닛은 예측 유닛(PU: Prediction Unit) 또는 변환 유닛(TU: Transform Unit)일 수 있다. 상기 예측 유닛 및 상기 변환 유닛은 각각 상기 최종 코딩 유닛으로부터 분할 또는 파티셔닝될 수 있다. 상기 예측 유닛은 샘플 예측의 단위일 수 있고, 상기 변환 유닛은 변환 계수를 유도하는 단위 및/또는 변환 계수로부터 레지듀얼 신호(residual signal)를 유도하는 단위일 수 있다.
예측부(인터 예측부(180) 또는 인트라 예측부(185))는 처리 대상 블록(현재 블록)에 대한 예측을 수행하고, 상기 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록(predicted block)을 생성할 수 있다. 예측부는 현재 블록 또는 CU 단위로 인트라 예측이 적용되는지 또는 인터 예측이 적용되는지 결정할 수 있다. 예측부는 현재 블록의 예측에 관한 다양한 정보를 생성하여 엔트로피 인코딩부(190)로 전달할 수 있다. 예측에 관한 정보는 엔트로피 인코딩부(190)에서 인코딩되어 비트스트림 형태로 출력될 수 있다.
인트라 예측부(185)는 현재 픽처 내의 샘플들을 참조하여 현재 블록을 예측할 수 있다. 상기 참조되는 샘플들은 인트라 예측 모드 및/또는 인트라 예측 기법에 따라 상기 현재 블록의 주변(neighbor)에 위치할 수 있고, 또는 떨어져서 위치할 수도 있다. 인트라 예측 모드들은 복수의 비방향성 모드와 복수의 방향성 모드를 포함할 수 있다. 비방향성 모드는 예를 들어 DC 모드 및 플래너 모드(Planar 모드)를 포함할 수 있다. 방향성 모드는 예측 방향의 세밀한 정도에 따라, 예를 들어 33개의 방향성 예측 모드 또는 65개의 방향성 예측 모드를 포함할 수 있다. 다만, 이는 예시로서 설정에 따라 그 이상 또는 그 이하의 개수의 방향성 예측 모드들이 사용될 수 있다. 인트라 예측부(185)는 주변 블록에 적용된 예측 모드를 이용하여, 현재 블록에 적용되는 예측 모드를 결정할 수도 있다.
인터 예측부(180)는 참조 픽처 상에서 움직임 벡터에 의해 특정되는 참조 블록(참조 샘플 어레이)을 기반으로, 현재 블록에 대한 예측된 블록을 유도할 수 있다. 이때, 인터 예측 모드에서 전송되는 움직임 정보의 양을 줄이기 위해 주변 블록과 현재 블록 간의 움직임 정보의 상관성에 기반하여 움직임 정보를 블록, 서브블록 또는 샘플 단위로 예측할 수 있다. 상기 움직임 정보는 움직임 벡터 및 참조 픽처 인덱스를 포함할 수 있다. 상기 움직임 정보는 인터 예측 방향(L0 예측, L1 예측, Bi 예측 등) 정보를 더 포함할 수 있다. 인터 예측의 경우, 주변 블록은 현재 픽처 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 픽처에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 상기 참조 블록을 포함하는 참조 픽처와 상기 시간적 주변 블록을 포함하는 참조 픽처는 동일할 수도 있고, 서로 다를 수도 있다. 상기 시간적 주변 블록은 동일 위치 참조 블록(collocated reference block), 동일 위치 CU(colCU) 등의 이름으로 불릴 수 있다. 상기 시간적 주변 블록을 포함하는 참조 픽처는 동일 위치 픽처(collocated picture, colPic)라고 불릴 수 있다. 예를 들어, 인터 예측부(180)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 상기 현재 블록의 움직임 벡터 및/또는 참조 픽처 인덱스를 도출하기 위하여 어떤 후보가 사용되는지를 지시하는 정보를 생성할 수 있다. 다양한 예측 모드를 기반으로 인터 예측이 수행될 수 있으며, 예를 들어 스킵 모드와 머지 모드의 경우에, 인터 예측부(180)는 주변 블록의 움직임 정보를 현재 블록의 움직임 정보로 이용할 수 있다. 스킵 모드의 경우, 머지 모드와 달리 레지듀얼 신호가 전송되지 않을 수 있다. 움직임 정보 예측(motion vector prediction, MVP) 모드의 경우, 주변 블록의 움직임 벡터를 움직임 벡터 예측자(motion vector predictor)로 이용하고, 움직임 벡터 차분(motion vector difference) 및 움직임 벡터 예측자에 대한 지시자(indicator)를 부호화함으로써 현재 블록의 움직임 벡터를 시그널링할 수 있다. 움직임 벡터 차분은 현재 블록의 움직임 벡터와 움직임 벡터 예측자 간의 차이를 의미할 수 있다.
예측부는 후술하는 다양한 예측 방법 및/또는 예측 기법을 기반으로 예측 신호를 생성할 수 있다. 예를 들어, 예측부는 현재 블록의 예측을 위해 인트라 예측 또는 인터 예측을 적용할 수 있을 뿐 아니라, 인트라 예측과 인터 예측을 동시에 적용할 수 있다. 현재 블록의 예측을 위해 인트라 예측과 인터 예측을 동시에 적용하는 예측 방법은 combined inter and intra prediction (CIIP)라고 불릴 수 있다. 또한, 예측부는 현재 블록의 예측을 위해 인트라 블록 카피(intra block copy, IBC)를 수행할 수도 있다. 인트라 블록 카피는 예를 들어 SCC(screen content coding) 등과 같이 게임 등의 컨텐츠 영상/동영상 코딩을 위하여 사용될 수 있다. IBC는 현재 블록으로부터 소정의 거리만큼 떨어진 위치의 현재 픽처 내 기복원된 참조 블록을 이용하여 현재 블록을 예측하는 방법이다. IBC가 적용되는 경우, 현재 픽처 내 참조 블록의 위치는 상기 소정의 거리에 해당하는 벡터(블록 벡터)로서 부호화될 수 있다. IBC는 기본적으로 현재 픽처 내에서 예측을 수행하나, 현재 픽처 내에서 참조 블록을 도출하는 점에서, 인터 예측과 유사하게 수행될 수 있다. 즉 IBC는 본 개시에서 설명되는 인터 예측 기법들 중 적어도 하나를 이용할 수 있다.
예측부를 통해 생성된 예측 신호는 복원 신호를 생성하기 위해 이용되거나 레지듀얼 신호를 생성하기 위해 이용될 수 있다. 감산부(115)는 입력 영상 신호(원본 블록, 원본 샘플 어레이)로부터 예측부에서 출력된 예측 신호(예측된 블록, 예측 샘플 어레이)를 감산하여 레지듀얼 신호(residual signal, 잔여 블록, 잔여 샘플 어레이)를 생성할 수 있다. 생성된 레지듀얼 신호는 변환부(120)로 전송될 수 있다.
변환부(120)는 레지듀얼 신호에 변환 기법을 적용하여 변환 계수들(transform coefficients)을 생성할 수 있다. 예를 들어, 변환 기법은 DCT(Discrete Cosine Transform), DST(Discrete Sine Transform), KLT(Karhunen-Loeve Transform), GBT(Graph-Based Transform), 또는 CNT(Conditionally Non-linear Transform) 중 적어도 하나를 포함할 수 있다. 여기서, GBT는 픽셀 간의 관계 정보를 그래프로 표현한다고 할 때 이 그래프로부터 얻어진 변환을 의미한다. CNT는 이전에 복원된 모든 픽셀(all previously reconstructed pixel)을 이용하여 예측 신호를 생성하고 그에 기반하여 획득되는 변환을 의미한다. 변환 과정은 정사각형의 동일한 크기를 갖는 픽셀 블록에 적용될 수도 있고, 정사각형이 아닌 가변 크기의 블록에도 적용될 수 있다.
양자화부(130)는 변환 계수들을 양자화하여 엔트로피 인코딩부(190)로 전송할 수 있다. 엔트로피 인코딩부(190)는 양자화된 신호(양자화된 변환 계수들에 관한 정보)를 인코딩하여 비트스트림으로 출력할 수 있다. 상기 양자화된 변환 계수들에 관한 정보는 레지듀얼 정보라고 불릴 수 있다. 양자화부(130)는 계수 스캔 순서(scan order)를 기반으로 블록 형태의 양자화된 변환 계수들을 1차원 벡터 형태로 재정렬할 수 있고, 상기 1차원 벡터 형태의 양자화된 변환 계수들을 기반으로 상기 양자화된 변환 계수들에 관한 정보를 생성할 수도 있다.
엔트로피 인코딩부(190)는 예를 들어 지수 골롬(exponential Golomb), CAVLC(context-adaptive variable length coding), CABAC(context-adaptive binary arithmetic coding) 등과 같은 다양한 인코딩 방법을 수행할 수 있다. 엔트로피 인코딩부(190)는 양자화된 변환 계수들 외 비디오/이미지 복원에 필요한 정보들(예컨대 신택스 요소들(syntax elements)의 값 등)을 함께 또는 별도로 인코딩할 수도 있다. 인코딩된 정보(ex. 인코딩된 비디오/영상 정보)는 비트스트림 형태로 NAL(network abstraction layer) 유닛 단위로 전송 또는 저장될 수 있다. 상기 비디오/영상 정보는 어댑테이션 파라미터 세트(APS), 픽처 파라미터 세트(PPS), 시퀀스 파라미터 세트(SPS) 또는 비디오 파라미터 세트(VPS) 등 다양한 파라미터 세트에 관한 정보를 더 포함할 수 있다. 또한 상기 비디오/영상 정보는 일반 제한 정보(general constraint information)를 더 포함할 수 있다. 또한 상기 비디오/영상 정보는 부호화된 정보의 생성 방법 및 사용 방법, 목적등을 포함 수 있다. 예를들어, 특히 VCM에 적용되는 경우, 상기 비디오/영상 정보는 부호화된 정보가 어떠한 AI 임무(Task)를 수행하기 위해 부호화된 것인지를 나타내는 정보, 부호화된 정보가 어떠한 네트워크(e.g. 신경망)를 사용하여 부호화 되었는지를 나타내는 정보, 및/또는 부호화된 정보가 어떠한 용도로 부호화된 것인 지를 나타내는 정보등을 포함할 수 있다.
본 개시의 부호화 장치에서 복호화 장치로 전달/시그널링 되는 정보 및/또는 신택스 요소들은 비디오/영상 정보에 포함될 수 있다. 본 개시에서 언급된 시그널링 정보, 전송되는 정보 및/또는 신택스 요소들은 상술한 인코딩 절차를 통하여 인코딩되어 상기 비트스트림에 포함될 수 있다. 상기 비트스트림은 네트워크를 통하여 전송될 수 있고, 또는 디지털 저장매체에 저장될 수 있다. 여기서 네트워크는 방송망 및/또는 통신망 등을 포함할 수 있고, 디지털 저장매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장매체를 포함할 수 있다. 엔트로피 인코딩부(190)로부터 출력된 신호를 전송하는 전송부(미도시) 및/또는 저장하는 저장부(미도시)가 영상 부호화 장치(100)의 내/외부 엘리먼트로서 구비될 수 있고, 또는 전송부는 엔트로피 인코딩부(190)의 구성요소로서 구비될 수도 있다.
양자화부(130)로부터 출력된 양자화된 변환 계수들은 레지듀얼 신호를 생성하기 위해 이용될 수 있다. 예를 들어, 양자화된 변환 계수들에 역양자화부(140) 및 역변환부(150)를 통해 역양자화 및 역변환을 적용함으로써 레지듀얼 신호(레지듀얼 블록 or 레지듀얼 샘플들)를 복원할 수 있다.
가산부(155)는 복원된 레지듀얼 신호를 인터 예측부(180) 또는 인트라 예측부(185)로부터 출력된 예측 신호에 더함으로써 복원(reconstructed) 신호(복원 픽처, 복원 블록, 복원 샘플 어레이)를 생성할 수 있다. 스킵 모드가 적용된 경우와 같이 처리 대상 블록에 대한 레지듀얼이 없는 경우, 예측된 블록이 복원 블록으로 사용될 수 있다. 가산부(155)는 복원부 또는 복원 블록 생성부라고 불릴 수 있다. 생성된 복원 신호는 현재 픽처 내 다음 처리 대상 블록의 인트라 예측을 위하여 사용될 수 있고, 후술하는 바와 같이 필터링을 거쳐서 다음 픽처의 인터 예측을 위하여 사용될 수도 있다.
필터링부(160)는 복원 신호에 필터링을 적용하여 주관적/객관적 화질을 향상시킬 수 있다. 예를 들어 필터링부(160)는 복원 픽처에 다양한 필터링 방법을 적용하여 수정된(modified) 복원 픽처를 생성할 수 있고, 상기 수정된 복원 픽처를 메모리(170), 구체적으로 메모리(170)의 DPB에 저장할 수 있다. 상기 다양한 필터링 방법은 예를 들어, 디블록킹 필터링, 샘플 적응적 오프셋(sample adaptive offset), 적응적 루프 필터(adaptive loop filter), 양방향 필터(bilateral filter) 등을 포함할 수 있다. 필터링부(160)는 각 필터링 방법에 대한 설명에서 후술하는 바와 같이 필터링에 관한 다양한 정보를 생성하여 엔트로피 인코딩부(190)로 전달할 수 있다. 필터링에 관한 정보는 엔트로피 인코딩부(190)에서 인코딩되어 비트스트림 형태로 출력될 수 있다.
메모리(170)에 전송된 수정된 복원 픽처는 인터 예측부(180)에서 참조 픽처로 사용될 수 있다. 영상 부호화 장치(100)는 이를 통하여 인터 예측이 적용되는 경우, 영상 부호화 장치(100)와 영상 복호화 장치에서의 예측 미스매치를 피할 수 있고, 부호화 효율도 향상시킬 수 있다.
메모리(170) 내 DPB는 인터 예측부(180)에서의 참조 픽처로 사용하기 위해 수정된 복원 픽처를 저장할 수 있다. 메모리(170)는 현재 픽처 내 움직임 정보가 도출된(또는 인코딩된) 블록의 움직임 정보 및/또는 이미 복원된 픽처 내 블록들의 움직임 정보를 저장할 수 있다. 상기 저장된 움직임 정보는 공간적 주변 블록의 움직임 정보 또는 시간적 주변 블록의 움직임 정보로 활용하기 위하여 인터 예측부(180)에 전달될 수 있다. 메모리(170)는 현재 픽처 내 복원된 블록들의 복원 샘플들을 저장할 수 있고, 인트라 예측부(185)에 전달할 수 있다.
영상 복호화 장치 개요
도 3은 본 개시에 따른 실시예가 적용될 수 있는 영상 복호화 장치를 개략적으로 도시한 도면이다.
도 3에 도시된 바와 같이, 영상 복호화 장치(200)는 엔트로피 디코딩부(210), 역양자화부(220), 역변환부(230), 가산부(235), 필터링부(240), 메모리(250), 인터 예측부(260) 및 인트라 예측부(265)를 포함하여 구성될 수 있다. 인터 예측부(260) 및 인트라 예측부(265)를 합쳐서 "예측부"라고 지칭될 수 있다. 역양자화부(220), 역변환부(230)는 레지듀얼 처리부에 포함될 수 있다.
영상 복호화 장치(200)를 구성하는 복수의 구성부들의 전부 또는 적어도 일부는 실시예에 따라 하나의 하드웨어 컴포넌트(예를 들어 디코더 또는 프로세서)로 구현될 수 있다. 또한 메모리(170)는 DPB를 포함할 수 있고, 디지털 저장 매체에 의하여 구현될 수 있다.
비디오/영상 정보를 포함하는 비트스트림을 수신한 영상 복호화 장치(200)는 도 2의 영상 부호화 장치(100)에서 수행된 프로세스에 대응하는 프로세스를 수행하여 영상을 복원할 수 있다. 예를 들어, 영상 복호화 장치(200)는 영상 부호화 장치에서 적용된 처리 유닛을 이용하여 디코딩을 수행할 수 있다. 따라서 디코딩의 처리 유닛은 예를 들어 코딩 유닛일 수 있다. 코딩 유닛은 코딩 트리 유닛이거나 또는 최대 코딩 유닛을 분할하여 획득될 수 있다. 그리고, 영상 복호화 장치(200)를 통해 디코딩 및 출력된 복원 영상 신호는 재생 장치(미도시)를 통해 재생될 수 있다.
영상 복호화 장치(200)는 도 2의 영상 부호화 장치로부터 출력된 신호를 비트스트림 형태로 수신할 수 있다. 수신된 신호는 엔트로피 디코딩부(210)를 통해 디코딩될 수 있다. 예를 들어, 엔트로피 디코딩부(210)는 상기 비트스트림을 파싱하여 영상 복원(또는 픽처 복원)에 필요한 정보(예컨대, 비디오/영상 정보)를 도출할 수 있다. 상기 비디오/영상 정보는 어댑테이션 파라미터 세트(APS), 픽처 파라미터 세트(PPS), 시퀀스 파라미터 세트(SPS) 또는 비디오 파라미터 세트(VPS) 등 다양한 파라미터 세트에 관한 정보를 더 포함할 수 있다. 또한 상기 비디오/영상 정보는 일반 제한 정보(general constraint information)를 더 포함할 수 있다. 예를들어, 특히 VCM에 적용되는 경우, 상기 비디오/영상 정보는 부호화된 정보가 어떠한 AI 임무(Task)를 수행하기 위해 부호화되었는 지를 나타내는 정보, 부호화된 정보가 어떠한 네트워크(e.g. 신경망)를 사용하여 부호화되었는 지를 나타내는 정보, 및/또는 부호화된 정보가 어떠한 용도로 부호화되었는 지를 나타내는 정보등을 포함할 수 있다. 일 실시 예에서, 설령 해당 영상이 일반적인 임무, 네트워크, 및/또는 용도를 가지는 일반 특성을 가지는 영상인 경우에도, 이에 대한 값이 기술되어 있도록 강제될 수 있다.
영상 복호화 장치는 영상을 디코딩하기 위해 상기 파라미터 세트에 관한 정보 및/또는 상기 일반 제한 정보를 추가적으로 이용할 수 있다. 본 개시에서 언급된 시그널링 정보, 수신되는 정보 및/또는 신택스 요소들은 상기 디코딩 절차를 통하여 디코딩됨으로써 상기 비트스트림으로부터 획득될 수 있다. 예컨대, 엔트로피 디코딩부(210)는 지수 골롬 부호화, CAVLC 또는 CABAC 등의 코딩 방법을 기초로 비트스트림 내 정보를 디코딩하고, 영상 복원에 필요한 신택스 엘리먼트의 값, 레지듀얼에 관한 변환 계수의 양자화된 값들을 출력할 수 있다. 보다 상세하게, CABAC 엔트로피 디코딩 방법은, 비트스트림에서 각 신택스 요소에 해당하는 빈을 수신하고, 디코딩 대상 신택스 요소 정보와 주변 블록 및 디코딩 대상 블록의 디코딩 정보 혹은 이전 단계에서 디코딩된 심볼/빈의 정보를 이용하여 문맥(context) 모델을 결정하고, 결정된 문맥 모델에 따라 빈(bin)의 발생 확률을 예측하여 빈의 산술 디코딩(arithmetic decoding)을 수행하여 각 신택스 요소의 값에 해당하는 심볼을 생성할 수 있다. 이때, CABAC 엔트로피 디코딩 방법은 문맥 모델 결정 후 다음 심볼/빈의 문맥 모델을 위해 디코딩된 심볼/빈의 정보를 이용하여 문맥 모델을 업데이트할 수 있다. 엔트로피 디코딩부(210)에서 디코딩된 정보 중 예측에 관한 정보는 예측부(인터 예측부(260) 및 인트라 예측부(265))로 제공되고, 엔트로피 디코딩부(210)에서 엔트로피 디코딩이 수행된 레지듀얼 값, 즉 양자화된 변환 계수들 및 관련 파라미터 정보는 역양자화부(220)로 입력될 수 있다. 또한, 엔트로피 디코딩부(210)에서 디코딩된 정보 중 필터링에 관한 정보는 필터링부(240)로 제공될 수 있다. 한편, 영상 부호화 장치로부터 출력된 신호를 수신하는 수신부(미도시)가 영상 복호화 장치(200)의 내/외부 엘리먼트로서 추가적으로 구비될 수 있고, 또는 수신부는 엔트로피 디코딩부(210)의 구성요소로서 구비될 수도 있다.
한편, 본 개시에 따른 영상 복호화 장치는 비디오/영상/픽처 복호화 장치라고 불릴 수 있다. 상기 영상 복호화 장치는 정보 디코더(비디오/영상/픽처 정보 디코더) 및/또는 샘플 디코더(비디오/영상/픽처 샘플 디코더)를 포함할 수도 있다. 상기 정보 디코더는 엔트로피 디코딩부(210)를 포함할 수 있고, 상기 샘플 디코더는 역양자화부(220), 역변환부(230), 가산부(235), 필터링부(240), 메모리(250), 인터 예측부(260) 및 인트라 예측부(265) 중 적어도 하나를 포함할 수 있다.
역양자화부(220)에서는 양자화된 변환 계수들을 역양자화하여 변환 계수들을 출력할 수 있다. 역양자화부(220)는 양자화된 변환 계수들을 2차원의 블록 형태로 재정렬할 수 있다. 이 경우 상기 재정렬은 영상 부호화 장치에서 수행된 계수 스캔 순서에 기반하여 수행될 수 있다. 역양자화부(220)는 양자화 파라미터(예를 들어 양자화 스텝 사이즈 정보)를 이용하여 양자화된 변환 계수들에 대한 역양자화를 수행하고, 변환 계수들(transform coefficient)을 획득할 수 있다.
역변환부(230)에서는 변환 계수들를 역변환하여 레지듀얼 신호(레지듀얼 블록, 레지듀얼 샘플 어레이)를 획득할 수 있다.
예측부는 현재 블록에 대한 예측을 수행하고, 상기 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록(predicted block)을 생성할 수 있다. 예측부는 엔트로피 디코딩부(210)로부터 출력된 상기 예측에 관한 정보를 기반으로 상기 현재 블록에 인트라 예측이 적용되는지 또는 인터 예측이 적용되는지 결정할 수 있고, 구체적인 인트라/인터 예측 모드(예측 기법)를 결정할 수 있다.
예측부가 후술하는 다양한 예측 방법(기법)을 기반으로 예측 신호를 생성할 수 있음은 영상 부호화 장치(100)의 예측부에 대한 설명에서 언급된 바와 동일하다.
인트라 예측부(265)는 현재 픽처 내의 샘플들을 참조하여 현재 블록을 예측할 수 있다. 인트라 예측부(185)에 대한 설명은 인트라 예측부(265)에 대해서도 동일하게 적용될 수 있다.
인터 예측부(260)는 참조 픽처 상에서 움직임 벡터에 의해 특정되는 참조 블록(참조 샘플 어레이)을 기반으로, 현재 블록에 대한 예측된 블록을 유도할 수 있다. 이때, 인터 예측 모드에서 전송되는 움직임 정보의 양을 줄이기 위해 주변 블록과 현재 블록 간의 움직임 정보의 상관성에 기반하여 움직임 정보를 블록, 서브블록 또는 샘플 단위로 예측할 수 있다. 상기 움직임 정보는 움직임 벡터 및 참조 픽처 인덱스를 포함할 수 있다. 상기 움직임 정보는 인터 예측 방향(L0 예측, L1 예측, Bi 예측 등) 정보를 더 포함할 수 있다. 인터 예측의 경우에, 주변 블록은 현재 픽처 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 픽처에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 예를 들어, 인터 예측부(260)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 수신한 후보 선택 정보를 기반으로 상기 현재 블록의 움직임 벡터 및/또는 참조 픽처 인덱스를 도출할 수 있다. 다양한 예측 모드(기법)를 기반으로 인터 예측이 수행될 수 있으며, 상기 예측에 관한 정보는 상기 현재 블록에 대한 인터 예측의 모드(기법)를 지시하는 정보를 포함할 수 있다.
가산부(235)는 획득된 레지듀얼 신호를 예측부(인터 예측부(260) 및/또는 인트라 예측부(265) 포함)로부터 출력된 예측 신호(예측된 블록, 예측 샘플 어레이)에 더함으로써 복원 신호(복원 픽처, 복원 블록, 복원 샘플 어레이)를 생성할 수 있다. 스킵 모드가 적용된 경우와 같이 처리 대상 블록에 대한 레지듀얼이 없는 경우, 예측된 블록이 복원 블록으로 사용될 수 있다. 가산부(155)에 대한 설명은 가산부(235)에 대해서도 동일하게 적용될 수 있다. 가산부(235)는 복원부 또는 복원 블록 생성부라고 불릴 수 있다. 생성된 복원 신호는 현재 픽처 내 다음 처리 대상 블록의 인트라 예측을 위하여 사용될 수 있고, 후술하는 바와 같이 필터링을 거쳐서 다음 픽처의 인터 예측을 위하여 사용될 수도 있다.
필터링부(240)는 복원 신호에 필터링을 적용하여 주관적/객관적 화질을 향상시킬 수 있다. 예를 들어 필터링부(240)는 복원 픽처에 다양한 필터링 방법을 적용하여 수정된(modified) 복원 픽처를 생성할 수 있고, 상기 수정된 복원 픽처를 메모리(250), 구체적으로 메모리(250)의 DPB에 저장할 수 있다. 상기 다양한 필터링 방법은 예를 들어, 디블록킹 필터링, 샘플 적응적 오프셋(sample adaptive offset), 적응적 루프 필터(adaptive loop filter), 양방향 필터(bilateral filter) 등을 포함할 수 있다.
메모리(250)의 DPB에 저장된 (수정된) 복원 픽처는 인터 예측부(260)에서 참조 픽쳐로 사용될 수 있다. 메모리(250)는 현재 픽처 내 움직임 정보가 도출된(또는 디코딩된) 블록의 움직임 정보 및/또는 이미 복원된 픽처 내 블록들의 움직임 정보를 저장할 수 있다. 상기 저장된 움직임 정보는 공간적 주변 블록의 움직임 정보 또는 시간적 주변 블록의 움직임 정보로 활용하기 위하여 인터 예측부(260)에 전달할 수 있다. 메모리(250)는 현재 픽처 내 복원된 블록들의 복원 샘플들을 저장할 수 있고, 인트라 예측부(265)에 전달할 수 있다.
본 명세서에서, 영상 부호화 장치(100)의 필터링부(160), 인터 예측부(180) 및 인트라 예측부(185)에서 설명된 실시예들은 각각 영상 복호화 장치(200)의 필터링부(240), 인터 예측부(260) 및 인트라 예측부(265)에도 동일 또는 대응되도록 적용될 수 있다.
영상 분할 개요
본 개시에 따른 비디오/영상 코딩 방법은 다음과 같은 영상의 분할 구조에 기반하여 수행될 수 있다. 구체적으로 후술하는 예측, 레지듀얼 처리((역)변환, (역)양자화 등), 신택스 요소 코딩, 필터링 등의 절차는 상기 영상의 분할 구조에 기반하여 도출된 CTU, CU(및/또는 TU, PU)에 기반하여 수행될 수 있다. 영상은 블록 단위로 분할될 수 있으며, 블록 분할 절차는 상술한 부호화 장치의 영상 분할부(110)에서 수행될 수 있다. 분할 관련 정보는 엔트로피 인코딩부(190)에서 부호화되어 비트스트림 형태로 복호화 장치로 전달될 수 있다. 복호화 장치의 엔트로피 디코딩부(210)는 상기 비트스트림으로부터 획득한 상기 분할 관련 정보를 기반으로 현재 픽처의 블록 분할 구조를 도출하고, 이를 기반으로 영상 디코딩을 위한 일련의 절차(ex. 예측, 레지듀얼 처리, 블록/픽처 복원, 인루프 필터링 등)를 수행할 수 있다.
픽처들은 코딩 트리 유닛들 (coding tree units, CTUs)의 시퀀스로 분할될 수 있다. 도 4는 픽처가 CTU들로 분할되는 예를 나타낸다. CTU는 코딩 트리 블록(Coding tree blocks, CTB)에 대응될 수 있다. 혹은 CTU는 루마 샘플들의 코딩 트리 블록과, 대응하는 크로마 샘플들의 두개의 코딩 트리 블록들을 포함할 수 있다. 예를 들어, 세가지 샘플 어레이를 포함하는 픽처에 대하여, CTU는 루마 샘플들의 NxN 블록과 크로마 샘플들의 두개의 대응 블록들을 포함할 수 있다. 코딩 및 예측 등을 위한 CTU의 최대 허용 사이즈는 변환을 위한 CTU의 최대 허용 사이즈와 다를 수 있다. 예를 들어, CTU 내 루마 블록의 최대 허용 사이즈는, 비록 루마 변환 블록들이 최대 사이즈가 64x64인 경우에도, 128x128일 수 있다.
CTU의 분할 개요
전술한 바와 같이, 코딩 유닛은 코딩 트리 유닛(CTU) 또는 최대 코딩 유닛(LCU)을 QT/BT/TT (Quad-tree/binary-tree/ternary-tree) 구조에 따라 재귀적으로 분할함으로써 획득될 수 있다. 예컨대, CTU는 먼저 쿼드트리 구조로 분할될 수 있다. 이후 쿼드트리 구조의 리프 노드들은 멀티타입 트리 구조에 의하여 더 분할될 수 있다.
쿼드트리에 따른 분할은 현재 CU(또는 CTU)를 4등분하는 분할을 의미한다. 쿼드트리에 따른 분할에 의해, 현재 CU는 동일한 너비와 동일한 높이를 갖는 4개의 CU로 분할될 수 있다. 현재 CU가 더 이상 쿼드트리 구조로 분할되지 않는 경우, 현재 CU는 쿼드트리 구조의 리프 노드에 해당한다. 쿼드트리 구조의 리프 노드에 해당하는 CU는 더 이상 분할되지 않고 전술한 최종 코딩 유닛으로 사용될 수 있다. 또는, 쿼드트리 구조의 리프 노드에 해당하는 CU는 멀티타입 트리 구조에 의하여 더 분할될 수 있다.
도 5는 멀티타입 트리 구조에 따른 블록의 분할 타입을 도시한 도면이다. 멀티타입 트리 구조에 따른 분할은 바이너리 트리 구조에 따른 2개의 분할과 터너리 트리 구조에 따른 2개의 분할을 포함할 수 있다.
바이너리 트리 구조에 따른 2개의 분할은 수직 바이너리 분할(vertical binary splitting, SPLIT_BT_VER)과 수평 바이너리 분할(hotizontal binary splitting, SPLIT_BT_HOR)을 포함할 수 있다. 수직 바이너리 분할(SPLIT_BT_VER)은 현재 CU를 수직 방향으로 2등분하는 분할을 의미한다. 도 4에 도시된 바와 같이, 수직 바이너리 분할에 의해 현재 CU의 높이와 동일한 높이를 갖고 현재 CU의 너비의 절반의 너비를 갖는 2개의 CU가 생성될 수 있다. 수평 바이너리 분할(SPLIT_BT_HOR)은 현재 CU를 수평 방향으로 2등분하는 분할을 의미한다. 도 5에 도시된 바와 같이, 수평 바이너리 분할에 의해 현재 CU의 높이의 절반의 높이를 갖고 현재 CU의 너비와 동일한 너비를 갖는 2개의 CU가 생성될 수 있다.
터너리 트리 구조에 따른 2개의 분할은 수직 터너리 분할(vertical ternary splitting, SPLIT_TT_VER)과 수평 터너리 분할(hotizontal ternary splitting, SPLIT_TT_HOR)을 포함할 수 있다. 수직 터너리 분할(SPLIT_TT_VER)은 현재 CU를 수직 방향으로 1:2:1의 비율로 분할한다. 도 5에 도시된 바와 같이, 수직 터너리 분할에 의해 현재 CU의 높이와 동일한 높이를 갖고 현재 CU의 너비의 1/4의 너비를 갖는 2개의 CU와 현재 CU의 높이와 동일한 높이를 갖고 현재 CU의 너비의 절반의 너비를 갖는 CU가 생성될 수 있다. 수평 터너리 분할(SPLIT_TT_HOR)은 현재 CU를 수평 방향으로 1:2:1의 비율로 분할한다. 도 4에 도시된 바와 같이, 수평 터너리 분할에 의해 현재 CU의 높이의 1/4의 높이를 갖고 현재 CU의 너비와 동일한 너비를 갖는 2개의 CU와 현재 CU의 높이의 절반의 높이를 갖고 현재 CU의 너비와 동일한 너비를 갖는 1개의 CU가 생성될 수 있다.
도 6은 본 개시에 따른 멀티타입 트리를 수반하는 쿼드트리(quadtree with nested multi-type tree) 구조에서의 블록 분할 정보의 시그널링 메커니즘을 예시한 도면이다.
여기서, CTU는 쿼드트리의 루트(root) 노드로 취급되며, CTU는 쿼드트리 구조로 처음으로 분할된다. 현재 CU(CTU 또는 쿼드트리의 노드(QT_node))에 대해 쿼드트리 분할을 수행할 지 여부를 지시하는 정보(예컨대, qt_split_flag)가 시그널링될 수 있다. 예를 들어, qt_split_flag가 제1 값(예컨대, "1")이면, 현재 CU는 쿼드트리 분할될 수 있다. 또한, qt_split_flag가 제2 값(예컨대, "0")이면, 현재 CU는 쿼드트리 분할되지 않고, 쿼드트리의 리프 노드(QT_leaf_node)가 된다. 각 쿼드트리의 리프 노드는 이후 멀티타입 트리 구조로 더 분할될 수 있다. 즉, 쿼드트리의 리프 노드는 멀티타입 트리의 노드(MTT_node)가 될 수 있다. 멀티타입 트리 구조에서, 현재 노드가 추가적으로 분할되는지를 지시하기 위하여 제1 플래그(a first flag, ex. mtt_split_cu_flag)가 시그널링될 수 있다. 만약 해당 노드가 추가적으로 분할되는 경우(예컨대, 제1 플래그가 1인 경우), 분할 방향(splitting direction)을 지시하기 위하여 제2 플래그(a second flag, e.g. mtt_split_cu_verticla_flag)가 시그널링될 수 있다. 예컨대, 제2 플래그가 1인 경우, 분할 방향은 수직 방향이고, 제2 플래그가 0인 경우, 분할 방향은 수평 방향일 수 있다. 그 후 분할 타입이 바이너리 분할 타입인지 터너리 분할 타입인지 여부를 지시하기 위하여 제3 플래그(a third flag, ex. mtt_split_cu_binary_flag)가 시그널링될 수 있다. 예를 들어, 제3 플래그가 1인 경우, 분할 타입은 바이너리 분할 타입이고, 제3 플래그가 0인 경우, 분할 타입은 터너리 분할 타입일 수 있다. 바이너리 분할 또는 터너리 분할에 의해 획득된 멀티타입 트리의 노드는 멀티타입 트리 구조로 더 파티셔닝될 수 있다. 그러나, 멀티타입 트리의 노드는 쿼드트리 구조로 파티셔닝될 수는 없다. 상기 제1 플래그가 0인 경우, 멀티타입 트리의 해당 노드는 더 이상 분할되지 않고, 멀티타입 트리의 리프 노드(MTT_leaf_node)가 된다. 멀티타입 트리의 리프 노드에 해당하는 CU는 전술한 최종 코딩 유닛으로 사용될 수 있다.
전술한 mtt_split_cu_vertical_flag 및 mtt_split_cu_binary_flag를 기반으로, CU의 멀티타입 트리 분할 모드(multi-type tree splitting mode, MttSplitMode)가 표 1과 같이 도출될 수 있다. 이하의 설명에서, 멀티트리 분할 모드는 멀티트리 분할 타입 또는 분할 타입으로 줄여서 지칭될 수 있다.
MttSplitMode mtt_split_cu_vertical_flag mtt_split_cu_binary_flag
SPLIT_TT_HOR 0 0
SPLIT_BT_HOR 0 1
SPLIT_TT_VER 1 0
SPLIT_BT_VER 1 1
도 7은 CTU가 쿼드트리의 적용 이후 멀티타입트리가 적용됨으로써 CTU가 다중 CU들로 분할될 예를 도시한다. 도 7에서 굵은 블록 엣지(bold block edge)(710)은 쿼드트리 분할을 나타내고, 나머지 엣지들(720)은 멀티타입 트리 분할을 나타낸다.CU는 코딩 블록(CB)에 대응될 수 있다. 일 실시 예에서, CU는 루마 샘플들의 코딩 블록과, 루마 샘플들에 대응하는 크로마 샘플들의 두개의 코딩 블록들을 포함할 수 있다. 크로마 성분(샘플) CB 또는 TB 사이즈는 픽처/영상의 컬러 포멧(크로마 포멧, ex. 4:4:4, 4:2:2, 4:2:0 등)에 따른 성분비에 따라 루마 성분(샘플) CB 또는 TB 사이즈를 기반으로 도출될 수 있다. 컬러 포멧이 4:4:4인 경우, 크로마 성분 CB/TB 사이즈는 루마 성분 CB/TB 사이즈와 동일하게 설정될 수 있다. 컬러 포멧이 4:2:2인 경우, 크로마 성분 CB/TB의 너비는 루마 성분 CB/TB 너비의 절반으로, 크로마 성분 CB/TB의 높이는 루마 성분 CB/TB 높이로 설정될 수 있다. 컬러 포멧이 4:2:0인 경우, 크로마 성분 CB/TB의 너비는 루마 성분 CB/TB 너비의 절반으로, 크로마 성분 CB/TB의 높이는 루마 성분 CB/TB 높이의 절반으로 설정될 수 있다.
일 실시 예에서, 루마 샘플 단위를 기준으로 CTU의 크기가 128일때, CU의 사이즈는 CTU와 같은 크기인 128 x 128에서 4 x 4 까지의 크기를 가질 수 있다. 일 실시 예에서, 4:2:0 컬러 포멧(or 크로마 포멧)인 경우, 크로마 CB 사이즈는 64x64에서 2x2 까지의 크기를 가질 수 있다
한편, 일 실시 예에서, CU 사이즈와 TU 사이즈가 같을 수 있다. 또는, CU 영역 내에 복수의 TU가 존재할 수도 있다. TU 사이즈라 함은 일반적으로 루마 성분(샘플) TB(Transform Block) 사이즈를 나타낼 수 있다.
상기 TU 사이즈는 미리 설정된 값인 최대 허용 TB 사이즈(maxTbSize)를 기반으로 도출될 수 있다. 예를 들어, 상기 CU 사이즈가 상기 maxTbSize보다 큰 경우, 상기 CU로부터 상기 maxTbSize를 가진 복수의 TU(TB)들이 도출되고, 상기 TU(TB) 단위로 변환/역변환이 수행될 수 있다. 예를 들어, 최대 허용 루마 TB 사이즈는 64x64이고, 최대 허용 크로마 TB 사이즈는 32x32일 수 있다. 만약 상기 트리 구조에 따라 분할된 CB의 너비 또는 높이가 최대 변환 너비 또는 높이보다 큰 경우, 해당 CB는 자동적으로(또는 묵시적으로) 수평 및 수직 방향의 TB 사이즈 제한을 만족할 때까지 분할될 수 있다.
또한, 예를 들어 인트라 예측이 적용되는 경우, 인트라 예측 모드/타입은 상기 CU(or CB) 단위로 도출되고, 주변 참조 샘플 도출 및 예측 샘플 생성 절차는 TU(or TB) 단위로 수행될 수 있다. 이 경우 하나의 CU(or CB) 영역 내에 하나 또는 복수의 TU(or TB)들이 존재할 수 있으며, 이 경우 상기 복수의 TU(or TB)들은 동일한 인트라 예측 모드/타입을 공유할 수 있다.
한편, 멀티타입 트리를 수반한 쿼드트리 코딩 트리 스킴을 위하여, 다음 파라미터들이 SPS 신택스 요소로 부호화 장치에서 복호화 장치로 시그널링 될 수 있다. 예를들어, 쿼드트리 트리의 루트 노드의 크기를 나타내는 파라미터인 CTU size, 쿼드트리 리프 노드의 최소 가용 크기를 나타내는 파라미터인 MinQTSize, 바이너리 트리 루트 노드의 최대 가용 크기를 나타내는 파라미터인 MaxBTSize, 터너리 트리 루트 노드의 최대 가용 크기를 나타내는 파라미터인 MaxTTSize, 쿼드트리 리프 노드로부터 분할되는 멀티타입 트리의 최대 가용 계층 깊이(maximum allowed hierarchy depth)를 나타내는 파라미터인 MaxMttDepth, 바이너리 트리의 최소 가용 리프 노드 사이즈를 나타내는 파라미터인 MinBtSize, 터너리 트리의 최소 가용 리프 노드 사이즈를 나타내는 파라미터인 MinTtSize 중 적어도 하나가 시그널링될 수 있다.
4:2:0 크로마 포멧을 이용하는 일 실시 예에서, CTU 사이즈는 128x128 루마 블록 및 루마 블록에 대응하는 두개의 64x64 크로마 블록으로 설정될 수 있다. 이 경우, MinQTSize는 16x16으로 설정되고, MaxBtSize는 128x128로 설정되고, MaxTtSzie는 64x64로 설정되고, MinBtSize 및 MinTtSize는 4x4로, 그리고 MaxMttDepth는 4로 설정될 수 있다. 쿼트트리 파티셔닝은 CTU에 적용되어 쿼드트리 리프 노드들을 생성할 수 있다. 쿼드트리 리프 노드는 리프 QT 노드라고 불릴 수 있다. 쿼드트리 리프 노드들은 16x16 사이즈 (e.g. the MinQTSize)로부터 128x128 사이즈(e.g. the CTU size)를 가질 수 있다. 만약 리프 QT 노드가 128x128인 경우, 추가적으로 바이너리 트리/터너리 트리로 분할되지 않을 수 있다. 이는 이 경우 분할되더라도 MaxBtsize 및 MaxTtszie (i.e. 64x64)를 초과하기 때문이다. 이 외의 경우, 리프 QT 노드는 멀티타입 트리로 추가적으로 분할될 수 있다. 그러므로, 리프 QT 노드는 멀티타입 트리에 대한 루트 노드(root node)이고, 리프 QT 노드는 멀티타입 트리 뎁스(mttDepth) 0 값을 가질 수 있다. 만약, 멀티타입 트리 뎁스가 MaxMttdepth (ex. 4)에 도달한 경우, 더 이상 추가 분할은 고려되지 않을 수 있다. 만약, 멀티타입 트리 노드의 너비가 MinBtSize와 같고, 2xMinTtSize보다 작거나 같을 때, 더 이상 추가적인 수평 분할은 고려되지 않을 수 있다. 만약, 멀티타입 트리 노드의 높이가 MinBtSize와 같고, 2xMinTtSize보다 작거나 같을 때, 더 이상 추가적인 수직 분할은 고려되지 않을 수 있다. 이와 같이 분할이 고려되지 않는 경우, 부호화 장치는 분할 정보의 시그널링을 생략할 수 있다. 이러한 경우 복호화 장치는 소정의 값으로 분할 정보를 유도할 수 있다.
한편, 하나의 CTU는 루마 샘플들의 코딩 블록(이하, "루마 블록"이라 함)과 이에 대응하는 크로마 샘플들의 두개의 코딩 블록(이하, "크로마 블록"이라 함)들을 포함할 수 있다. 전술한 코딩 트리 스킴은 현재 CU의 루마 블록 및 크로마 블록에 대해 동일하게 적용될 수도 있고, 개별적(separate)으로 적용될 수도 있다. 구체적으로, 하나의 CTU 내 루마 블록 및 크로마 블록이 동일 블록 트리 구조로 분할될 수 있으며, 이 경우의 트리 구조는 싱글 트리(SINGLE_TREE)라고 나타낼 수 있다. 또는, 하나의 CTU 내 루마 블록 및 크로마 블록은 개별적 블록 트리 구조로 분할될 수 있으며, 이 경우의 트리 구조는 듀얼 트리(DUAL_TREE)라고 나타낼 수 있다. 즉, CTU가 듀얼 트리로 분할되는 경우, 루마 블록에 대한 블록 트리 구조와 크로마 블록에 대한 블록 트리 구조가 별개로 존재할 수 있다. 이 때, 루마 블록에 대한 블록 트리 구조는 듀얼 트리 루마(DUAL_TREE_LUMA)라고 불릴 수 있고, 크로마 블록에 대한 블록 트리 구조는 듀얼 트리 크로마(DUAL_TREE_CHROMA)라고 불릴 수 있다. P 및 B 슬라이스/타일 그룹들에 대하여, 하나의 CTU 내 루마 블록 및 크로마 블록들은 동일한 코딩 트리 구조를 갖도록 제한될 수 있다. 그러나, I 슬라이스/타일 그룹들에 대하여, 루마 블록 및 크로마 블록들은 서로 개별적 블록 트리 구조를 가질 수 있다. 만약 개별적 블록 트리 구조가 적용되는 경우, 루마 CTB(Coding Tree Block)는 특정 코딩 트리 구조를 기반으로 CU들로 분할되고, 크로마 CTB는 다른 코딩 트리 구조를 기반으로 크로마 CU들로 분할될 수 있다. 즉, 개별적 블록 트리 구조가 적용되는 I 슬라이스/타일 그룹 내 CU는 루마 성분의 코딩 블록 또는 두 크로마 성분들의 코딩 블록들로 구성되고, P 또는 B 슬라이스/타일 그룹의 CU는 세가지 컬러 성분(루마 성분 및 두개의 크로마 성분)의 블록들로 구성될 수 있음을 의미할 수 있다.
상기에서 멀티타입 트리를 수반한 쿼드트리 코딩 트리 구조에 대하여 설명하였으나, CU가 분할되는 구조는 이에 한정되지 않는다. 예를 들어, BT 구조 및 TT 구조는 다수 분할 트리 (Multiple Partitioning Tree, MPT) 구조에 포함되는 개념으로 해석될 수 있고, CU는 QT 구조 및 MPT 구조를 통해 분할된다고 해석할 수 있다. QT 구조 및 MPT 구조를 통해 CU가 분할되는 일 예에서, QT 구조의 리프 노드가 몇 개의 블록으로 분할되는지에 관한 정보를 포함하는 신택스 요소(예를 들어, MPT_split_type) 및 QT 구조의 리프 노드가 수직과 수평 중 어느 방향으로 분할되는지에 관한 정보를 포함하는 신택스 요소(예를 들어, MPT_split_mode)가 시그널링됨으로써 분할 구조가 결정될 수 있다.
또 다른 예에서, CU는 QT 구조, BT 구조 또는 TT 구조와 다른 방법으로 분할될 수 있다. 즉, QT 구조에 따라 하위 뎁스의 CU가 상위 뎁스의 CU의 1/4 크기로 분할되거나, BT 구조에 따라 하위 뎁스의 CU가 상위 뎁스의 CU의 1/2 크기로 분할되거나, TT 구조에 따라 하위 뎁스의 CU가 상위 뎁스의 CU의 1/4 또는 1/2 크기로 분할되는 것과 달리, 하위 뎁스의 CU는 경우에 따라 상위 뎁스의 CU의 1/5, 1/3, 3/8, 3/5, 2/3 또는 5/8 크기로 분할될 수 있으며, CU가 분할되는 방법은 이에 한정되지 않는다.
이와 같이, 상기 멀티타입 트리를 수반한 쿼드트리 코딩 블록 구조는 매우 유연한 블록 분할 구조를 제공할 수 있다. 한편, 멀티타입 트리에 지원되는 분할 타입들 때문에, 경우에 따라서 다른 분할 패턴들이 잠재적으로 동일한 코딩 블록 구조 결과를 도출할 수 있다. 부호화 장치와 복호화 장치는 이러한 리던던트(redundant)한 분할 패턴들의 발생을 제한함으로써 분할 정보의 데이터량을 줄일 수 있다.
또한, 본 개시에 따른 비디오/이미지의 부호화 및 복호화에 있어서, 영상 처리 단위는 계층적 구조를 가질 수 있다. 하나의 픽처는 하나 이상의 타일, 브릭, 슬라이스 및/또는 타일 그룹로 구분될 수 있다. 하나의 슬라이스는 하나 이상의 브릭을 포함할 수 있다. 하나의 브릭은 타일 내 하나 이상의 CTU 행(row)을 포함할 수 있다. 슬라이스는 픽처의 정수개의 브릭들을 포함할 수 있다. 하나의 타일 그룹은 하나 이상의 타일을 포함할 수 있다. 하나의 타일은 하나 이상의 CTU를 포함할 수 있다. 상기 CTU는 하나 이상의 CU로 분할될 수 있다. 타일은 픽처 내에서 복수의 CTU로 구성되는 특정 타일 행 및 특정 타일 열로 구성되는 사각 영역일 수 있다. 타일 그룹은 픽처 내의 타일 래스터 스캔에 따른 정수개의 타일들을 포함할 수 있다. 슬라이스 헤더는 해당 슬라이스(슬라이스 내의 블록들)에 적용될 수 있는 정보/파라미터를 나를 수 있다. 부호화 장치 또는 복호화 장치가 멀티 코어 프로세서를 갖는 경우, 상기 타일, 슬라이스, 브릭 및/또는 타일 그룹에 대한 인코딩/디코딩 절차는 병렬 처리될 수 있다.
본 개시에서 슬라이스 또는 타일 그룹의 호칭 또는 개념은 혼용될 수 있다. 즉, 타일 그룹 헤더는 슬라이스 헤더로 불릴 수 있다. 여기서 슬라이스는 intra (I) slice, predictive (P) slice 및 bi-predictive (B) slice를 포함하는 슬라이스 타입들 중 하나의 타입을 가질 수 있다. I 슬라이스 내의 블록들에 대하여는 예측을 위하여 인터 예측은 사용되지 않으며 인트라 예측만 사용될 수 있다. 물론 이 경우에도 예측 없이 원본 샘플 값을 코딩하여 시그널링할 수도 있다. P 슬라이스 내의 블록들에 대하여는 인트라 에측 또는 인터 예측이 사용될 수 있으며, 인터 예측이 사용되는 경우에는 단(uni) 예측만 사용될 수 있다. 한편, B 슬라이스 내의 블록들에 대하여는 인트라 예측 또는 인터 예측이 사용될 수 있으며, 인터 예측이 사용되는 경우에는 최대 쌍(bi) 예측까지 사용될 수 있다.
부호화 장치는 비디오 영상의 특성(예를 들어, 해상도)에 따라서 혹은 코딩의 효율 또는 병렬 처리를 고려하여 타일/타일 그룹, 브릭, 슬라이스, 최대 및 최소 코딩 유닛 크기를 결정할 수 있다. 그리고, 이에 대한 정보 또는 이를 유도할 수 있는 정보가 비트스트림에 포함될 수 있다.
복호화 장치는 현재 픽처의 타일/타일 그룹, 브릭, 슬라이스, 타일 내 CTU가 다수의 코딩 유닛으로 분할 되었는지를 등을 나타내는 정보를 획득할 수 있다. 부호화 장치와 복호화 장치는 이러한 정보를 특정 조건 하에만 시그널링 함으로써 부호화 효율을 높일 수도 있다.
상기 슬라이스 헤더(슬라이스 헤더 신택스)는 상기 슬라이스에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다. APS(APS 신택스) 또는 PPS(PPS 신택스)는 하나 이상의 픽처에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다. SPS(SPS 신택스)는 하나 이상의 시퀀스에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다. VPS(VPS 신택스)는 다중 레이어에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다. DPS(DPS 신택스)는 비디오 전반에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다. DPS는 CVS(coded video sequence)의 결합에 관련된 정보/파라미터를 포함할 수 있다.
또한, 예를 들어, 상기 타일/타일 그룹/브릭/슬라이스의 분할 및 구성 등에 관한 정보는 상기 상위 레벨 신택스를 통하여 인코딩 단에서 구성되어 비트스트림 형태로 복호화 장치로 전달될 수 있다.
서브픽쳐, 슬라이스, 타일을 이용한 픽쳐의 파티셔닝
하나의 픽쳐는 적어도 하나의 타일행(tile rows) 및 적어도 하나의 타일열(tile columns)로 분할될 수 있다. 하나의 타일은 CTU들의 시퀀스로 구성되며, 하나의 픽쳐의 사각 영역을 커버할 수 있다.
슬라이스는 하나의 픽쳐 내에 있는 정수 개수의 연속적인 완전한 CTU 행(row) 또는 정수 개수의 완전한 타일들로 구성될 수 있다.
슬라이스에 대하여 두가지 모드가 지원될 수 있다. 하나는 래스터 스캔 슬라이스 모드(raster-scan slice mode)이고, 다른 하나는 사각 슬라이스 모드(rectangular slice mode)라고 불리울 수 있다. 래스터 스캔 슬라이스 모드에서, 하나의 슬라이스는 하나의 픽쳐에서 타일 래스터 스캔 순서로 존재하는 완전한 타일 시퀀스를 포함할 수 있다. 사각 슬라이스 모드에서, 하나의 슬라이스는 픽쳐의 사각 영역을 형성하도록 집합된 다수의 완전한 타일을 포함하거나, 픽쳐의 사각 영역을 형성하도록 집합된 하나의 타일의 연속적인 완전한 다수의 CTU행들을 포함할 수 있다. 사각 슬라이스 내의 타일들은 슬라이스에 대응되는 사각 영역 내에서 타일 래스터 스캔 순서로 스캔될 수 있다. 서브 픽쳐는 픽쳐의 사각 영역을 커버하도록 집합된 적어도 하나의 슬라이스를 포함할 수 있다.
픽쳐의 분할 관계를 보다 상세히 설명하기 위하여 도 8 내지 도 11을 참조하여 설명한다. 도 8 내지 도 11은 타일, 슬라이스 및 서브픽쳐를 이용하여 픽쳐를 분할한 실시예를 도시한다. 도 8은 12개의 타일과 3개의 래스터 스캔 슬라이스로 분할된 픽쳐의 예시를 도시한다. 도 9는 24개의 타일(6개의 타일열과 4개의 타일행) 및 9개의 사각 슬라이스로 분할된 픽쳐의 예시를 도시한다. 도 10은 4개의 타일(2개의 타일열과 2개의 타일행) 및 4개의 사각 슬라이스로 분할된 픽쳐의 예시를 도시한다.
도 11은 서브 픽쳐로 픽쳐를 분할한 예시를 도시한다. 도 11에서, 픽쳐는 4 x 4 CTU들로 구성된 하나의 슬라이스를 각각 커버하는 12개의 좌측 타일과 2 x 2 CTU들로 구성된 수직으로 집합된 2 개의 슬라이스들을 각각 커버하는 6개의 우측 타일로 분할되어, 하나의 픽쳐는 전체적으로 서로 다른 면적을 가진 24개의 슬라이스와 24개의 서브 픽쳐로 분할되어 있다. 도 11의 예시에서 개별 슬라이스는 개별 서브 픽쳐로 대응되고 있다.
양자화/역양자화
전술한 바와 같이 부호화 장치의 양자화부는 변환 계수들에 양자화를 적용하여 양자화된 변환 계수들을 도출할 수 있고, 부호화 장치의 역양자화부 또는 복호화 장치의 역양자화부는 양자화된 변환 계수들에 역양자화를 적용하여 변환 계수들을 도출할 수 있다.
동영상/정지영상의 부호화 및 복호화에서는 양자화율을 변화시킬 수 있으며, 변화된 양자화율을 이용하여 압축률을 조절할 수 있다. 구현 관점에서는 복잡도를 고려하여 양자화율을 직접 사용하는 대신 양자화 파라미터(QP, quantization parameter)를 사용할 수 있다. 예를 들어, 0부터 63까지의 정수 값의 양자화 파라미터를 사용할 수 있으며, 각 양자화 파라미터 값은 실제 양자화율에 대응될 수 있다. 또한, 루마 성분(루마 샘플)에 대한 양자화 파라미터(QPY)와 크로마 성분(크로마 샘플)에 대한 양자화 파라미터(QPC)는 다르게 설정될 수 있다.
양자화 과정은 변환 계수(C)를 입력으로 하고, 양자화율(Qstep)로 나누어서, 이를 기반으로 양자화된 변환 계수(C`)를 얻을 수 있다. 이 경우 계산 복잡도를 고려하여 양자화율에 스케일을 곱하여 정수 형태로 만들고, 스케일 값에 해당하는 값만큼 쉬프트 연산을 수행할 수 있다. 양자화율과 스케일 값의 곱을 기반으로 양자화 스케일(quantization scale)이 도출될 수 있다. 즉, QP에 따라 상기 양자화 스케일이 도출될 수 있다. 상기 변환 계수(C)에 상기 양자화 스케일을 적용하여, 이를 기반으로 양자화된 변환 계수(C`)를 도출할 수도 있다.
역양자화 과정은 양자화 과정의 역과정으로, 양자화된 변환 계수(C`)에 양자화율(Qstep)을 곱하여, 이를 기반으로 복원된 변환 계수(C``)를 얻을 수 있다. 이 경우 상기 양자화 파라미터에 따라 레벨 스케일(level scale)이 도출될 수 있으며, 상기 양자화된 변환 계수(C`)에 상기 레벨 스케일을 적용하여, 이를 기반으로 복원된 변환 계수(C``)를 도출할 수 있다. 복원된 변환 계수(C``)는 변환 및/또는 양자화 과정에서의 손실(loss)로 인하여 최초 변환 계수(C)와 다소 차이가 있을 수 있다. 따라서, 부호화 장치에서도 복호화 장치에서와 동일하게 역양자화을 수행할 수 있다.
한편, 주파수에 따라 양자화 강도를 조절하는 적응적 주파수별 가중 양자화(adaptive frequency weighting quantization) 기술이 적용될 수 있다. 상기 적응적 주파수별 가중 양자화 기술은 주파수별로 양자화 강도를 다르게 적용하는 방법이다. 상기 적응적 주파수별 가중 양자화는 미리 정의된 양자화 스케일링 메트릭스를 이용하여 각 주파수별 양자화 강도를 다르게 적용할 수 있다. 즉, 상술한 양자화/역양자화 과정은 상기 양자화 스케일링 메트릭스를 더 기반으로 수행될 수 있다. 예를 들어, 현재 블록의 사이즈 및/또는 상기 현재 블록의 레지듀얼 신호를 생성하기 위하여 상기 현재 블록에 적용된 예측 모드가 인터 예측인지, 또는 인트라 예측인지에 따라 다른 양자화 스케일링 메트릭스가 사용될 수 있다. 상기 양자화 스케일링 메트릭스는 양자화 메트릭스 또는 스케일링 메트릭스라고 불릴 수 있다. 상기 양자화 스케일링 메트릭스는 미리 정의될 수 있다. 또한, 주파수 적응적 스케일링을 위하여 상기 양자화 스케일링 메트릭스에 대한 주파수별 양자화 스케일 정보가 부호화 장치에서 구성/부호화되어 복호화 장치로 시그널링될 수 있다. 상기 주파수별 양자화 스케일 정보는 양자화 스케일링 정보라고 불릴 수 있다. 상기 주파수별 양자화 스케일 정보는 스케일링 리스트 데이터(scaling_list_data)를 포함할 수 있다. 상기 스케일링 리스트 데이터를 기반으로 (수정된) 상기 양자화 스케일링 메트릭스가 도출될 수 있다. 또한 상기 주파수별 양자화 스케일 정보는 상기 스케일링 리스트 데이터의 존부 여부를 지시하는 존부 플래그(present flag) 정보를 포함할 수 있다. 또는, 상기 스케일링 리스트 데이터가 상위 레벨(ex. SPS)에서 시그널링된 경우, 보다 하위 레벨(ex. PPS or tile group header etc)에서 상기 스케일링 리스트 데이터가 수정되는지 여부를 지시하는 정보 등이 더 포함될 수 있다.
변환/역변환
앞서 설명한 바와 같이, 부호화 장치는 인트라/인터/IBC 예측 등을 통하여 예측된 블록(예측 샘플들)을 기반으로 레지듀얼 블록(레지듀얼 샘플들)을 도출할 수 있고, 도출된 레지듀얼 샘플들에 변환 및 양자화를 적용하여 양자화된 변환 계수들을 도출할 수 있다. 양자화된 변환 계수들에 대한 정보(레지듀얼 정보)는 레지듀얼 코딩 신택스에 포함되어 부호화된 후 비트스트림 형태로 출력될 수 있다. 복호화 장치는 상기 비트스트림으로부터 상기 양자화된 변환 계수들에 대한 정보(레지듀얼 정보)를 획득하고, 복호화하여 양자화된 변환 계수들을 도출할 수 있다. 복호화 장치는 양자화된 변환 계수들을 기반으로 역양자화/역변환을 거쳐서 레지듀얼 샘플들을 도출할 수 있다. 상술한 바와 같이 상기 양자화/역양자화 및/또는 변환/역변환 중 적어도 하나는 생략될 수 있다. 상기 변환/역변환이 생략되는 경우, 상기 변환 계수는 계수 또는 레지듀얼 계수라고 불릴 수도 있고, 또는 표현의 통일성을 위하여 변환 계수라고 여전히 불릴 수도 있다. 상기 변환/역변환의 생략 여부는 변환 스킵 플래그(e.g. transform_skip_flag)를 기반으로 시그널링될 수 있다.
상기 변환/역변환은 변환 커널(들)을 기반으로 수행될 수 있다. 예를 들어 변환/역변환을 수행하기 위한 MTS(multiple transform selection) 스킴(scheme)이 적용될 수 있다. 이 경우 다수의 변환 커널 세트들 중 일부가 선택되어 현재 블록에 적용될 수 있다. 변환 커널은 변환 매트릭스, 변환 타입 등 다양한 용어로 불릴 수 있다. 예를 들어, 변환 커널 세트는 수직 방향 변환 커널(수직 변환 커널) 및 수평 방향 변환 커널(수평 변환 커널)의 조합을 나타낼 수 있다.
상기 변환/역변환은 CU 또는 TU 단위로 수행될 수 있다. 즉, 상기 변환/역변환은 CU 내의 레지듀얼 샘플들 또는 TU 내의 레지듀얼 샘플들에 대하여 적용될 수 있다. CU 사이즈와 TU 사이즈가 같을 수 있고, 또는 CU 영역 내에 복수의 TU가 존재할 수도 있다. 한편, CU 사이즈라 함은 일반적으로 루마 성분(샘플) CB 사이즈를 나타낼 수 있다. TU 사이즈라 함은 일반적으로 루마 성분(샘플) TB 사이즈를 나타낼 수 있다. 크로마 성분(샘플) CB 또는 TB 사이즈는 컬러 포멧(크로마 포멧, ex. 4:4:4, 4:2:2, 4:2:0 등)에 따른 성분비에 따라 루마 성분(샘플) CB 또는 TB 사이즈를 기반으로 도출될 수 있다. 상기 TU 사이즈는 maxTbSize를 기반으로 도출될 수 있다. 예를 들어, 상기 CU 사이즈가 상기 maxTbSize보다 큰 경우, 상기 CU로부터 상기 maxTbSize의 복수의 TU(TB)들이 도출되고, 상기 TU(TB) 단위로 변환/역변환이 수행될 수 있다. 상기 maxTbSize는 ISP 등 다양한 인트라 예측 타입의 적용 여부 판단 등에 고려될 수 있다. 상기 maxTbSize에 대한 정보는 미리 결정될 수도 있고, 또는 부호화 장치에서 생성 및 인코딩되어 부호화 장치로 시그널링될 수 있다.
엔트로피 코딩
앞서 도 2를 참조하여 설명한 바와 같이 비디오/영상 정보의 일부 또는 전부는 엔트로피 인코딩부(190)에 의하여 엔트로피 인코딩될 수 있고, 도 3을 참조하여 설명한 비디오/영상 정보의 일부 또는 전부는 엔트로피 디코딩부(210)에 의하여 엔트로피 디코딩될 수 있다. 이 경우 상기 비디오/영상 정보는 신택스 요소(syntax element) 단위로 인코딩/디코딩될 수 있다. 본 개시에서 정보가 인코딩/디코딩된다 함은 본 단락에서 설명되는 방법에 의하여 인코딩/디코딩되는 것을 포함할 수 있다.
도 12는 하나의 신택스 요소를 부호화하기 위한 CABAC의 블록도를 보여준다. CABAC의 인코딩 과정은 먼저 입력 신호가 이진값이 아닌 신택스 요소인 경우에 이진화(binarization)를 통해 입력 신호를 이진값으로 변환할 수 있다. 입력 신호가 이미 이진 값인 경우에는 이진화를 거치지 않고 바이패스 될 수 있다. 여기서, 이진값을 구성하는 각각의 이진수 0 또는 1을 빈(bin)이라고 할 수 있다. 예를 들어, 이진화된 후의 이진 스트링(빈 스트링)이 110인 경우, 1, 1, 0 각각을 하나의 빈이라고 할 수 있다. 하나의 신택스 요소에 대한 상기 빈(들)은 해당 신택스 요소의 값을 나타낼 수 있다.
이진화된 빈들은 정규(regular) 코딩 엔진 또는 바이패스(bypass) 코딩 엔진으로 입력될 수 있다. 정규 코딩 엔진은 해당 빈에 대해 확률값을 반영하는 문맥(context) 모델을 할당하고, 할당된 문맥 모델에 기반해 해당 빈을 부호화할 수 있다. 정규 코딩 엔진에서는 각 빈에 대한 코딩을 수행한 뒤에 해당 빈에 대한 확률 모델을 갱신할 수 있다. 이렇게 코딩되는 빈들을 문맥 코딩된 빈(context-coded bin)이라 할 수 있다. 바이패스 코딩 엔진은 입력된 빈에 대해 확률을 추정하는 절차와 코딩 후에 해당 빈에 적용했던 확률 모델을 갱신하는 절차를 생략할 수 있다. 바이패스 코딩 엔진의 경우, 문맥을 할당하는 대신 균일한 확률 분포(ex. 50:50)를 적용해 입력되는 빈을 코딩함으로써 코딩 속도를 향상시킬 수 있다. 이렇게 코딩되는 빈들을 바이패스 빈(bypass bin)이라 할 수 있다. 문맥 모델은 문맥 코딩(정규 코딩)되는 빈 별로 할당 및 업데이트될 수 있으며, 문맥 모델은 ctxidx 또는 ctxInc를 기반으로 지시될 수 있다. ctxidx는 ctxInc를 기반으로 도출될 수 있다. 구체적으로 예를 들어, 상기 정규 코딩되는 빈들 각각에 대한 문맥 모델을 가리키는 컨텍스트 인덱스(ctxidx)는 context index increment (ctxInc) 및 context index offset (ctxIdxOffset)의 합으로 도출될 수 있다. 여기서 상기 ctxInc는 각 빈별로 다르게 도출될 수 있다. 상기 ctxIdxOffset는 상기 ctxIdx의 최소값(the lowest value)로 나타내어질 수 있다. 상기 ctxIdx의 최소값은 상기 ctxIdx의 초기값(initValue)으로 불릴 수 있다. 상기 ctxIdxOffset은 일반적으로 다른 신택스 요소에 대한 문맥 모델들과의 구분을 위하여 이용되는 값으로, 하나의 신택스 요소에 대한 문맥 모델은 ctxinc를 기반으로 구분/도출될 수 있다.
엔트로피 인코딩 절차에서 정규 코딩 엔진을 통해 인코딩을 수행할 것인지, 바이패스 코딩 엔진을 통해 인코딩을 수행할 것인지를 결정하고, 코딩 경로를 스위칭할 수 있다. 엔트로피 디코딩은 엔트로피 인코딩과 동일한 과정을 역순으로 수행할 수 있다.
상술한 엔트로피 코딩은 예를 들어 도 13 및 도 14와 같이 수행될 수 있다. 도 13 및 도 14를 참조하면, 부호화 장치(엔트로피 인코딩부)는 영상/비디오 정보에 관한 엔트로피 코딩 절차를 수행할 수 있다. 상기 영상/비디오 정보는 파티셔닝 관련 정보, 예측 관련 정보(e.g. 인터/인트라 예측 구분 정보, 인트라 예측 모드 정보, 인터 예측 모드 정보 등), 레지듀얼 정보, 인루프 필터링 관련 정보 등을 포함할 수 있고, 또는 그에 관한 다양한 신택스 요소들을 포함할 수 있다. 상기 엔트로피 코딩은 신택스 요소 단위로 수행될 수 있다. 도 13의 S1310 내지 S1320 단계는 상술한 도 2의 부호화 장치의 엔트로피 인코딩부(190)에 의하여 수행될 수 있다.
부호화 장치는 대상 신택스 요소에 대한 이진화를 수행할 수 있다(S1310). 여기서 상기 이진화는 Truncated Rice binarization process, Fixed-length binarization process 등 다양한 이진화 방법에 기반할 수 있으며, 대상 신택스 요소에 대한 이진화 방법은 미리 정의될 수 있다. 상기 이진화 절차는 엔트로피 인코딩부(190) 내의 이진화부(191)에 의하여 수행될 수 있다.
부호화 장치는 상기 대상 신택스 요소에 대한 엔트로피 인코딩을 수행할 수 있다(S1320). 부호화 장치는 CABAC (context-adaptive arithmetic coding) 또는 CAVLC (context-adaptive variable length coding) 등의 엔트로피 코딩 기법을 기반으로 대상 신택스 요소의 빈 스트링을 정규 코딩 기반(컨텍스트 기반) 또는 바이패스 코딩 기반 인코딩할 수 있으며, 그 출력은 비트스트림에 포함될 수 있다. 상기 엔트로피 인코딩 절차는 엔트로피 인코딩부(190) 내의 엔트로피 인코딩 처리부(192)에 의하여 수행될 수 있다. 상기 비트스트림은 (디지털) 저장매체 또는 네트워크를 통하여 복호화 장치로 전달될 수 있음을 전술한 바와 같다.
도 15 및 도 16을 참조하면, 복호화 장치(엔트로피 디코딩부)는 인코딩된 영상/비디오 정보를 디코딩할 수 있다. 상기 영상/비디오 정보는 파티셔닝 관련 정보, 예측 관련 정보(ex. 인터/인트라 예측 구분 정보, 인트라 예측 모드 정보, 인터 예측 모드 정보 등), 레지듀얼 정보, 인루프 필터링 관련 정보 등을 포함할 수 있고, 또는 그에 관한 다양한 신택스 요소들을 포함할 수 있다. 상기 엔트로피 코딩은 신택스 요소 단위로 수행될 수 있다. S1510 내지 S1520은 상술한 도 3의 복호화 장치의 엔트로피 디코딩부(210)에 의하여 수행될 수 있다.
복호화 장치는 대상 신택스 요소에 대한 이진화를 수행할 수 있다(S1510). 여기서 상기 이진화는 Truncated Rice binarization process, Fixed-length binarization process 등 다양한 이진화 방법에 기반할 수 있으며, 대상 신택스 요소에 대한 이진화 방법은 미리 정의될 수 있다. 복호화 장치는 상기 이진화 절차를 통하여 대상 신택스 요소의 가용 값들에 대한 가용 빈 스트링들(빈 스트링 후보들)을 도출할 수 있다. 상기 이진화 절차는 엔트로피 디코딩부(210) 내의 이진화부(211)에 의하여 수행될 수 있다.
복호화 장치는 상기 대상 신택스 요소에 대한 엔트로피 디코딩을 수행할 수 있다(S1520). 복호화 장치는 비트스트림 내 입력 비트(들)로부터 상기 대상 신택스 요소에 대한 각 빈들을 순차적으로 디코딩 및 파싱하면서, 도출된 빈 스트링을 해당 신택스 요소에 대한 가용 빈 스트링들과 비교할 수 있다. 만약 도출된 빈 스트링이 상기 가용 빈 스트링들 중 하나와 같으면, 해당 빈 스트링에 대응하는 값이 해당 신택스 요소의 값으로 도출될 수 있다. 만약, 그렇지 않으면, 상기 비트스트림 내 다음 비트를 더 파싱 후 상술한 절차를 다시 수행할 수 있다. 이러한 과정을 통하여 비트스트림 내에 특정 정보(특정 신택스 요소)에 대한 시작 비트나 끝 비트를 사용하지 않고도 가변 길이 비트를 이용하여 해당 정보를 시그널링할 수 있다. 이를 통하여 낮은 값에 대하여는 상대적으로 더 적은 비트를 할당할 수 있으며, 전반적인 코딩 효율을 높일 수 있다.
복호화 장치는 CABAC 또는 CAVLC 등의 엔트로피 코딩 기법을 기반으로 비트스트림으로부터 상기 빈 스트링 내 각 빈들을 컨텍스트 기반 또는 바이패스 기반 디코딩할 수 있다. 상기 엔트로피 디코딩 절차는 엔트로피 디코딩부(210) 내의 엔트로피 디코딩 처리부(212)에 의하여 수행될 수 있다. 상기 비트스트림은 상술한 바와 같이 영상/비디오 디코딩을 위한 다양한 정보를 포함할 수 있다. 상기 비트스트림은 (디지털) 저장매체 또는 네트워크를 통하여 복호화 장치로 전달될 수 있음을 전술한 바와 같다.
본 개시에서 부호화 장치에서 복호화 장치로의 정보의 시그널링을 나타내기 위하여 신택스 요소들을 포함하는 표(신택스 표)가 사용될 수 있다. 본 개시에서 사용되는 상기 신택스 요소들을 포함하는 표의 신택스 요소들의 순서는 비트스트림으로부터 신택스 요소들의 파싱 순서(parsing order)를 나타낼 수 있다. 부호화 장치는 상기 신택스 요소들이 파싱 순서로 복호화 장치에서 파싱될 수 있도록 신택스 표를 구성 및 인코딩할 수 있으며, 복호화 장치는 비트스트림으로부터 해당 신택스 표의 신택스 요소들을 파싱 순서에 따라 파싱 및 디코딩하여 신택스 요소들의 값을 획득할 수 있다.
영상/비디오 코딩 절차 일반
영상/비디오 코딩에 있어서, 영상/비디오를 구성하는 픽처는 일련의 디코딩 순서(decoding order)에 따라 인코딩/디코딩될 수 있다. 디코딩된 픽처의 출력 순서(output order)에 해당하는 픽처 순서(picture order)는 상기 디코딩 순서와 다르게 설정될 수 있으며, 이를 기반으로 인터 예측시 순방향 예측뿐 아니라 역방향 예측 또한 수행할 수 있다.
도 17은 본 개시의 실시예(들)이 적용 가능한 개략적인 픽처 디코딩 절차의 예를 나타낸다. 도 17에서 S1710은 도 3에서 상술한 복호화 장치의 엔트로피 디코딩부(210)에서 수행될 수 있고, S1720은 인트라 예측부(265) 및 인터 예측부(260)를 포함하는 예측부에서 수행될 수 있고, S1730은 역양자화부(220) 및 역변환부(230)을 포함하는 레지듀얼 처리부에서 수행될 수 있고, S1740은 가산부(235)에서 수행될 수 있고, S1750은 필터링부(240)에서 수행될 수 있다. S1710은 본 개시에서 설명된 정보 디코딩 절차를 포함할 수 있고, S1720은 본 개시에서 설명된 인터/인트라 예측 절차를 포함할 수 있고, S1730은 본 개시에서 설명된 레지듀얼 처리 절차를 포함할 수 있고, S1740은 본 개시에서 설명된 블록/픽처 복원 절차를 포함할 수 있고, S1750은 본 개시에서 설명된 인루프 필터링 절차를 포함할 수 있다.
도 17을 참조하면, 픽처 디코딩 절차는 도 3에 대한 설명에서 나타난 바와 같이 개략적으로 비트스트림으로부터 (디코딩을 통한) 영상/비디오 정보 획득 절차(S1710), 픽처 복원 절차(S1720~S1740) 및 복원된 픽처에 대한 인루프 필터링 절차(S1750)를 포함할 수 있다. 상기 픽처 복원 절차는 본 개시에서 설명된 인터/인트라 예측(S1720) 및 레지듀얼 처리(S1730, 양자화된 변환 계수에 대한 역양자화, 역변환) 과정을 거쳐서 획득한 예측 샘플들 및 레지듀얼 샘플들을 기반으로 수행될 수 있다. 상기 픽처 복원 절차를 통하여 생성된 복원 픽처에 대한 인루프 필터링 절차를 통하여 수정된(modified) 복원 픽처가 생성될 수 있으며, 상기 수정된 복원 픽처가 디코딩된 픽처로서 출력될 수 있고, 또한 복호화 장치의 복호 픽처 버퍼 또는 메모리(250)에 저장되어 이후 픽처의 디코딩시 인터 예측 절차에서 참조 픽처로 사용될 수 있다. 경우에 따라서 상기 인루프 필터링 절차는 생략될 수 있으며, 이 경우 상기 복원 픽처가 디코딩된 픽처로서 출력될 수 있고, 또한 복호화 장치의 복호 픽처 버퍼 또는 메모리(250)에 저장되어 이후 픽처의 디코딩시 인터 예측 절차에서 참조 픽처로 사용될 수 있다. 상기 인루프 필터링 절차(S1750)는 상술한 바와 같이 디블록킹 필터링 절차, SAO(sample adaptive offset) 절차, ALF(adaptive loop filter) 절차 및/또는 바이래터럴 필터(bi-lateral filter) 절차 등을 포함할 수 있고, 그 일부 또는 전부가 생략될 수 있다. 또한, 상기 디블록킹 필터링 절차, SAO(sample adaptive offset) 절차, ALF(adaptive loop filter) 절차 및 바이래터럴 필터(bi-lateral filter) 절차들 중 하나 또는 일부가 순차적으로 적용될 수 있고, 또는 모두가 순차적으로 적용될 수도 있다. 예를 들어, 복원 픽처에 대하여 디블록킹 필터링 절차가 적용된 후 SAO 절차가 수행될 수 있다. 또는 예를 들어 복원 픽처에 대하여 디블록킹 필터링 절차가 적용된 후 ALF 절차가 수행될 수 있다. 이는 부호화 장치에서도 마찬가지로 수행될 수 있다.
도 18은 본 개시의 실시예(들)이 적용 가능한 개략적인 픽처 인코딩 절차의 예를 나타낸다. 도 18에서 S1810은 도 2에서 상술한 부호화 장치의 인트라 예측부(185) 또는 인터 예측부(180)를 포함하는 예측부에서 수행될 수 있고, S1820은 변환부(120) 및/또는 양자화부(130)를 포함하는 레지듀얼 처리부에서 수행될 수 있고, S1830은 엔트로피 인코딩부(190)에서 수행될 수 있다. S1810은 본 개시에서 설명된 인터/인트라 예측 절차를 포함할 수 있고, S1820은 본 개시에서 설명된 레지듀얼 처리 절차를 포함할 수 있고, S1830은 본 개시에서 설명된 정보 인코딩 절차를 포함할 수 있다.
도 18을 참조하면, 픽처 인코딩 절차는 도 2에 대한 설명에서 나타난 바와 같이 개략적으로 픽처 복원을 위한 정보(ex. 예측 정보, 레지듀얼 정보, 파티셔닝 정보 등)을 인코딩하여 비트스트림 형태로 출력하는 절차뿐 아니라, 현재 픽처에 대한 복원 픽처를 생성하는 절차 및 복원 픽처에 인루프 필터링을 적용하는 절차(optional)를 포함할 수 있다. 부호화 장치는 역양자화부(140) 및 역변환부(150)를 통하여 양자화된 변환 계수로부터 (수정된) 레지듀얼 샘플들을 도출할 수 있으며, S1810의 출력인 예측 샘플들과 상기 (수정된) 레지듀얼 샘플들을 기반으로 복원 픽처를 생성할 수 있다. 이렇게 생성된 복원 픽처는 상술한 복호화 장치에서 생성한 복원 픽처와 동일할 수 있다. 상기 복원 픽처에 대한 인루프 필터링 절차를 통하여 수정된 복원 픽처가 생성될 수 있으며, 이는 복호 픽처 버퍼 또는 메모리(170)에 저장될 수 있으며, 복호화 장치에서의 경우와 마찬가지로, 이후 픽처의 인코딩시 인터 예측 절차에서 참조 픽처로 사용될 수 있다. 상술한 바와 같이 경우에 따라서 상기 인루프 필터링 절차의 일부 또는 전부는 생략될 수 있다. 상기 인루프 필터링 절차가 수행되는 경우, (인루프) 필터링 관련 정보(파라미터)가 엔트로피 인코딩부(190)에서 인코딩되어 비트스트림 형태로 출력될 수 있고, 복호화 장치는 상기 필터링 관련 정보를 기반으로 부호화 장치와 동일한 방법으로 인루프 필터링 절차를 수행할 수 있다.
이러한 인루프 필터링 절차를 통하여 블록킹 아티팩트(artifact) 및 링잉(ringing) 아티팩트 등 영상/동영상 코딩시 발생하는 노이즈를 줄일 수 있으며, 주관적/객관적 비주얼 퀄리티를 높일 수 있다. 또한, 부호화 장치와 복호화 장치에서 둘 다 인루프 필터링 절차를 수행함으로서, 부호화 장치와 복호화 장치는 동일한 예측 결과를 도출할 수 있으며, 픽처 코딩의 신뢰성을 높이고, 픽처 코딩을 위하여 전송되어야 하는 데이터량을 줄일 수 있다.
상술한 바와 같이 복호화 장치뿐 아니라 부호화 장치에서도 픽처 복원 절차가 수행될 수 있다. 각 블록 단위로 인트라 예측/인터 예측에 기반하여 복원 블록이 생성될 수 있으며, 복원 블록들을 포함하는 복원 픽처가 생성될 수 있다. 현재 픽처/슬라이스/타일 그룹이 I 픽처/슬라이스/타일 그룹인 경우 상기 현재 픽처/슬라이스/타일 그룹에 포함되는 블록들은 인트라 예측만을 기반으로 복원될 수 있다. 한편, 현재 픽처/슬라이스/타일 그룹이 P 또는 B 픽처/슬라이스/타일 그룹인 경우 상기 현재 픽처/슬라이스/타일 그룹에 포함되는 블록들은 인트라 예측 또는 인터 예측을 기반으로 복원될 수 있다. 이 경우 현재 픽처/슬라이스/타일 그룹 내 일부 블록들에 대하여는 인터 예측이 적용되고, 나머지 일부 블록들에 대하여는 인트라 예측이 적용될 수도 있다. 픽처의 컬러 성분은 루마 성분 및 크로마 성분을 포함할 수 있으며, 본 개시에서 명시적으로 제한하지 않으면 본 개시에서 제안되는 방법들 및 실시예들은 루마 성분 및 크로마 성분에 적용될 수 있다.
코딩 계층 및 구조의 예
본 개시에 따른 코딩된 비디오/영상은 예를 들어 후술하는 코딩 계층 및 구조에 따라 처리될 수 있다.
도 19는 코딩된 영상에 대한 계층 구조를 도시한 도면이다. 코딩된 영상은 영상의 디코딩 처리 및 그 자체를 다루는 VCL(video coding layer, 비디오 코딩 계층), 부호화된 정보를 전송하고 저장하는 하위 시스템, 그리고 VCL과 하위 시스템 사이에 존재하며 네트워크 적응 기능을 담당하는 NAL(network abstraction layer, 네트워크 추상 계층)로 구분될 수 있다.
VCL에서는 압축된 영상 데이터(슬라이스 데이터)를 포함하는 VCL 데이터를 생성하거나, 혹은 픽처 파라미터 세트(Picture Parameter Set: PPS), 시퀀스 파라미터 세트(Sequence Parameter Set: SPS), 비디오 파라미터 세트(Video Parameter Set: VPS) 등의 정보를 포함하는 파라미터 세트 또는 영상의 디코딩 과정에 부가적으로 필요한 SEI(Supplemental Enhancement Information) 메시지를 생성할 수 있다. 상기의 정보/메시지에는 부호화된 영상을 통해 수행할 수 있는 임무 정보와 부호화 대상 영상의 생성 방법등과 같은 영상에 대한 부가 정보가 소정의 신택스 테이블에 따라 신택스 요소로 기술될 수 있다.
NAL에서는 VCL에서 생성된 RBSP(Raw Byte Sequence Payload)에 헤더 정보(NAL 유닛 헤더)를 부가하여 NAL 유닛을 생성할 수 있다. 이때, RBSP는 VCL에서 생성된 슬라이스 데이터, 파라미터 세트, SEI 메시지 등을 말한다. NAL 유닛 헤더에는 해당 NAL 유닛에 포함되는 RBSP 데이터에 따라 특정되는 NAL 유닛 타입 정보를 포함할 수 있다.
상기 도면에서 도시된 바와 같이, NAL 유닛은 VCL에서 생성된 RBSP의 따라 VCL NAL 유닛과 Non-VCL NAL 유닛으로 구분될 수 있다. VCL NAL 유닛은 영상에 대한 정보(슬라이스 데이터)를 포함하고 있는 NAL 유닛을 의미할 수 있고, Non-VCL NAL 유닛은 영상을 디코딩하기 위하여 필요한 정보(파라미터 세트 또는 SEI 메시지)를 포함하고 있는 NAL 유닛을 의미할 수 있다. 일 실시 예에서, 해당 부호화 영상이 특정 임무를 수행하기 위한 영상 정보임을 나타내는 정보가 VCL NAL 유닛에 포함될 수 있다. 또는, 해당 부호화 영상이 특정 임무를 수행하기 위한 영상 정보임을 나타내는 정보가 non-VCL NAL 유닛에 포함될 수도 있다.
상술한 VCL NAL 유닛, Non-VCL NAL 유닛은 하위 시스템의 데이터 규격에 따라 헤더 정보를 붙여서 네트워크를 통해 전송될 수 있다. 예컨대, NAL 유닛은 H.266/VVC 파일 포맷, RTP(Real-time Transport Protocol), TS(Transport Stream) 등과 같은 소정 규격의 데이터 형태로 변형되어 다양한 네트워크를 통해 전송될 수 있다.
상술한 바와 같이, NAL 유닛은 해당 NAL 유닛에 포함되는 RBSP 데이터 구조(structure)에 따라 NAL 유닛 타입이 특정될 수 있으며, 이러한 NAL 유닛 타입에 대한 정보는 NAL 유닛 헤더에 저장되어 시그널링될 수 있다.
예를 들어, NAL 유닛이 영상에 대한 정보(슬라이스 데이터)를 포함하는지 여부에 따라 크게 VCL NAL 유닛 타입과 Non-VCL NAL 유닛 타입으로 분류될 수 있다. VCL NAL 유닛 타입은 VCL NAL 유닛이 포함하는 픽처의 성질 및 종류 등에 따라 분류될 수 있으며, Non-VCL NAL 유닛 타입은 파라미터 세트의 종류 등에 따라 분류될 수 있다.
아래는 Non-VCL NAL 유닛 타입이 포함하는 파라미터 세트/정보의 종류 등에 따라 특정된 NAL 유닛 타입의 일예를 나열한다.
- DCI (Decoding capability information) NAL unit : DCI를 포함하는 NAL 유닛에 대한 타입
- VPS(Video Parameter Set) NAL unit : VPS를 포함하는 NAL 유닛에 대한 타입
- SPS(Sequence Parameter Set) NAL unit: SPS를 포함하는 NAL 유닛에 대한 타입
- PPS(Picture Parameter Set) NAL unit : PPS를 포함하는 NAL 유닛에 대한 타입
- APS (Adaptation Parameter Set) NAL unit : APS를 포함하는 NAL 유닛에 대한 타입
- PH (Picture header) NAL unit : Type for NAL unit including PH
상술한 NAL 유닛 타입들은 NAL 유닛 타입을 위한 신택스 정보를 가지며, 상기 신택스 정보는 NAL 유닛 헤더에 저장되어 시그널링될 수 있다. 예컨대, 상기 신택스 정보는 nal_unit_type일 수 있으며, NAL 유닛 타입들은 nal_unit_type 값으로 특정될 수 있다.
한편, 상술한 바와 같이 하나의 픽처는 복수의 슬라이스를 포함할 수 있으며, 하나의 슬라이스는 슬라이스 헤더 및 슬라이스 데이터를 포함할 수 있다. 이 경우, 하나의 픽처 내 복수의 슬라이스(슬라이스 헤더 및 슬라이스 데이터 집합)에 대하여 하나의 픽처 헤더가 더 부가될 수 있다. 상기 픽처 헤더(픽처 헤더 신택스)는 상기 픽처에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다.
상기 슬라이스 헤더(슬라이스 헤더 신택스)는 상기 슬라이스에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다. 상기 APS(APS 신택스) 또는 PPS(PPS 신택스)는 하나 이상의 슬라이스 또는 픽처에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다. 상기 SPS(SPS 신택스)는 하나 이상의 시퀀스에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다. 상기 VPS(VPS 신택스)는 다중 레이어에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다. 상기 DCI(DCI 신택스)는 비디오 전반에 공통적으로 적용할 수 있는 정보/파라미터를 포함할 수 있다. 상기 DCI는 디코딩 능력(decoding capability)에 관련된 정보/파라미터를 포함할 수 있다. 본 개시에서 상위 레벨 신택스(High level syntax, HLS)라 함은 상기 APS 신택스, PPS 신택스, SPS 신택스, VPS 신택스, DCI 신택스, 픽쳐 헤더 신택스, 슬라이스 헤더 신택스 중 적어도 하나를 포함할 수 있다. 한편, 본 개시에서 하위 레벨 신택스(low level syntax, LLS)는 예를 들어, 슬라이스 데이터 신택스, CTU 신택스, 부호화 단위 신택스, 변환 단위 신택스 등을 포함할 수 있다.
본 개시에서 부호화 장치에서 복호화 장치로 인코딩되어 비트스트림 형태로 시그널링되는 영상/비디오 정보는 픽처 내 파티셔닝 관련 정보, 인트라/인터 예측 정보, 레지듀얼 정보, 인루프 필터링 정보 등을 포함할 뿐 아니라, 상기 슬라이스 헤더의 정보, 상기 픽쳐 헤더의 정보, 상기 APS의 정보, 상기 PPS의 정보, SPS의 정보, VPS의 정보 및/또는 DCI의 정보를 포함할 수 있다. 또한 상기 영상/비디오 정보는 일반 제한 정보(general constraint information) 및/또는 NAL unit header의 정보를 더 포함할 수 있다.
HLS(High level syntax) 시그널링 및 시맨틱스
앞서 설명한 바와 같이 HLS는 비디오 및/또는 이미지 부호화를 위하여 부호화 및/또는 시그널링될 수 있다. 앞서 설명한 바와 같이, 본 개시에서의 비디오/이미지 정보는 HLS에 포함될 수 있다. 그리고 이미지/비디오 부호화 방법은 이러한 이미지/비디오 정보에 기반하여 수행될 수 있다. 예를들어, 특히 VCM에 적용되는 경우, 상기 이미지/비디오 정보는 부호화된 정보가 어떠한 AI 임무(Task)를 수행하기 위해 부호화되었는 지를 나타내는 정보, 부호화된 정보가 어떠한 네트워크(e.g. 신경망)를 사용하여 부호화되었는 지를 나타내는 정보, 및/또는 부호화된 정보가 어떠한 용도로 부호화되었는 지를 나타내는 정보등을 포함할 수 있다. 일 실시 예에서, 설령 해당 영상이 일반적인 임무, 네트워크, 및/또는 용도를 가지는 일반 특성을 가지는 영상인 경우에도, 이에 대한 값이 기술되어 있도록 강제될 수 있다.
VCM(Video/image Coding(encoding/decoding) for Machines) 개요 및 실시예
이하, 사용자 및/또는 머신의 요청과 목적 및/또는 주변 환경에 따라 비디오 소스의 일부 및/또는 비디오 소스에서 필요한 정보를 획득 및/또는 이용하기 위하여, 앞서 설명한 비디오/영상 부호화 시스템을 확장 및/또는 재설계하는 방법을 설명한다. 이와같이 확장 및/또는 재설계된 비디오/영상 부호화 시스템은 머신을 위한 비디오/영상 부호화 장치 및/또는 비디오 복호화 장치로 구현될 수 있다. 여기서 머신은 통상의 기기(device), 단말(terminal) 또는 기계(machine)를 의미할 수 있다.
이하의 설명에서, VCM(Video coding for machines)은 사용자 및/또는 머신의 요청, 목적, 주변 환경에 따라 비디오 소스의 일부 및/또는 비디오 소스에서 필요한 정보를 획득하여 부호화/복호화하는 것을 의미한다. 이와 같이, VCM에서 부호화 대상이 되는 비디오 소스의 일부 및/또는 정보를 피쳐(Feature)이라고 지칭할 수 있다. 그리고 피쳐는 비디오 소스에서 사용자 및/또는 머신의 요청, 목적, 주변 환경에 따라 추출된 정보일 수 있으며 시간의 흐름에 따른 일련의 정보들의 집합을 의미할 수 있다.
도 20은 머신을 위한 비디오/영상 부호화 장치 및/또는 비디오 복호화 장치의 일 실시예를 도시하는 도면이다. 도 20을 참조하면, VCM 시스템은 소스 디바이스(30) 및 수신 디바이스(40)를 포함할 수 있다. 소스 디바이스(30)는 인코딩된 피쳐 정보를 저장매체 또는 네트워크를 통하여 수신 디바이스(40)로 전달할 수 있다. 소스 디바이스(30)와 수신 디바이스(40)의 사용 주체는 각각 사람 및/또는 머신일 수 있다.
비디오 소스부(31)는 비디오/영상의 캡쳐, 합성 또는 생성 과정 등을 통하여 비디오/영상을 획득할 수 있다. 비디오 소스부(31)는 비디오/영상 캡쳐 디바이스 및/또는 비디오/영상 생성 디바이스를 포함할 수 있다.
피쳐 추출 네트워크(Feature Extraction Network, 32)는 비디오 소스부(31)에서 획득한 비디오/영상에서 피쳐를 획득할 수 있다. 피쳐 추출 네트워크(32)는 비디오/영상 캡쳐 디바이스 및/또는 비디오/영상 생성 디바이스를 포함할 수 있다. 피쳐는 사용자 및/또는 머신의 요청, 목적, 주변 환경에 따라 비디오 소스부(31)에서 추출/가공된 정보일 수 있으며 시간의 흐름에 따른 일련의 정보들의 집합을 의미할 수 있다.
도 20에서 소스 디바이스(30)에서의 피쳐 시그널링 정보/인터페이스(33)는 피쳐 추출 네트워크(32)와 부호화부(34)간에 시그널링되는 정보 및/또는 피쳐 추출 네트워크(32)와 부호화부(34)간의 인터페이스를 나타낸다. 그리고, 도 20에서 수신 디바이스(40)에서의 피쳐 시그널링 정보/인터페이스(42)는 복호화부(43)와 업무 분석/렌더러(41)간에 시그널링되는 정보 및/또는 복호화부(43)와 업무 분석/렌더러(41)간의 인터페이스를 나타낸다. 피쳐 시그널링 정보/인터페이스(33, 42)는 피쳐 추출 네트워크(32)를 통해 획득한 피쳐의 종류, 획득 방법, 목적 등과 같은 피쳐에 대한 정보를 포함할 수 있으며, 피쳐 추출 네트워크(32)에게 필요로 하는 정보/동작을 요청하는 것에 대한 정보를 포함할 수 있다.
부호화부(34)는 피쳐의 압축 및 코딩 효율을 위하여 예측, 변환, 양자화 등 일련의 절차를 수행할 수 있다. 부호화된 데이터(부호화된 피쳐 정보)는 비트스트림(bitstream) 형태로 출력될 수 있다.
전송부(35)는 비트스트림 형태로 출력된 부호화된 피쳐를 수신 디바이스(40)의 수신부로 전달하기 위한 저장매체를 생성할 수 있다. 이를 위해, 전송부(35)는 미리 정해진 파일 포멧을 통하여 미디어 파일을 생성하기 위한 엘리먼트를 포함할 수 있다. 일 실시 예에서, 저장 매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 디지털 저장 매체를 포함할 수 있다.
또한, 전송부(35)는 부호화된 피쳐를 포함하는 비트스트림을 전송 네트워크를 통해 수신 디바이스의 수신부로 전송할 수 있다. 이를 위해, 전송부(35)는 방송/통신 네트워크를 통한 전송을 위한 엘리먼트를 포함할 수 있다.
수신 디바이스(40)의 수신부(44)는 상기 피쳐 정보를 포함하는 비트스트림을 수신하고, 그로부터 피쳐 정보를 추출하여 복호화부(43)로 전달할 수 있다.
복호화부(43)는 부호화부(34)의 동작에 대응하는 역양자화, 역변환, 예측 등 일련의 절차를 수행하여 비디오/영상을 디코딩할 수 있다.
업무 분석/렌더러(41)는 복호화부(43)에서 복호화된 피쳐를 렌더링할 수 있다. 그리고, 업무 분석/렌더러(41)는 복호화된 피쳐를 이용하여 사용자 혹은 머신의 임무를 수행할 수 있다. 임무의 예로는 얼굴 인식, 행동 인식, 차선 인식 등과 같은 AI, 컴퓨터 비전 임무(Computer Vision Task)등이 포함될 수 있다.
본 개시에서는 피쳐의 획득 및 코딩에 관한 다양한 실시예들을 제시하며, 다른 언급이 없는 한 상기 실시예들은 서로 조합되어 수행될 수도 있다. 예를들어, 감시 시스템에 본 개시에서 개시된 VCM기술이 활용될 수 있다. 예를 들어, 물체/사람을 인식하고 추적하는 등의 임무를 수행하기 위하여 VCM 기술이 적용될 수 있다. 감시 카메라로부터 획득한 정보를 전송하거나 저장하는 목적으로 VCM을 사용할 수도 있다.
또는, 지능 운송(intelligent transportation) 분야에 VCM이 활용될 수도 있다. 스마트 운송 시스템(Smart traffic system)을 구성하는 각 차량은 GPS로부터 수집한 위치정보와 카메라, 라이다(LIDAR), 레이더(radar), 초음파 센서등 자율주행 및 안전에 필요한 센서정보, 각종 차량제어 정보(브레이크, 와이퍼, 헤드라이트등)를 수집하여 다른 차량이나 인프라스트럭쳐로 전송할 수 있다. 각종 센서로부터 수집된 영상 원본 또는 가공된 영상 신호를 VCM으로 압축하여 전송할 수 있으며, 이때 데이터 전송은 5G 데이터 네트워크를 사용할 수 있다.
또는, 스마트 시티 분야에 VCM이 활용될 수 있다. 스마트 시티 시스템에서 상호 연결된 노드 센서와 디바이스가 각각의 임무를 수행하는데 필요한 정보를 VCM 기술을 사용하여 전송할 수 있다. 스마트 시티의 임무의 예로는 교통 상황 모니터링, 밀집도 측정 및 예측, 교통 흐름 예측 및 리소스 할당 등이 있을 수 있다. 또한, 본 개시에서 개시된 방법/실시예는 VCM(Video Coding for Machines)표준에 개시되는 방법에 적용될 수 있다.
이하의 실시예들은 앞서 설명한 VCM 중에서 피쳐 추출 네트워크/부호화부/복호화부에 관련된 것으로, 적용된 피쳐 추출 방법과 독립적으로 부호화와 복호화를 수행하기 위한 방법에 관한 것이다. 부호화부의 압축 대상은 피쳐 추출 네트워크를 통해 추출된 피쳐 또는 픽쳐의 집합인 피쳐 맵(Feature Map)이 될 수 있다.
도 21은 피쳐 추출 네트워크를 이용한 피쳐 추출의 예시를 나타내는 도면이다. 피쳐 추출의 대상인 입력 소스의 가로 크기, 세로 크기 및 채널 크기는 각각 W, H, C로 표기될 수 있다. 예를들어, RGB 입력 값의 경우, C는 3이 될 수 있다. 추출된 피쳐의 가로, 세로, 채널의 크기는 각각 W', H', C'로 표기될 수 있다. 출력값의 C'는 피쳐 셋(피쳐맵)을 구성하는 피쳐의 개수를 의미하며, 일반적으로 입력 소스의 C의 값보다 큰 값을 가질 수 있다. 각각의 피쳐는 C0, C1, ..., Cn으로 표현될 수 있으며, n은 C'-1의 값을 가질 수 있다.
도 21과 같은 경우, 부호화부가 압축해야할 피쳐셋의 속성은 W', H', C'로 나타낼 수 있다. 이러한 속성은 피쳐를 어디서/어떻게 추출하였는 지에 따라 달라질 수 있다. 예를들어, 상위 레이어에서 추출한 피쳐의 속성과 하위 레이어에서 추출한 피쳐의 속성이 다를 수 있다. 또한 추출할 때 사용한 네트워크의 종류에 따라서도 달라질 수 있다.
도 22는 VCM 부호화/복호화 구조의 예를 나타낸다.
NNR(Neural Network Representation, 51)은 멀티미디어 컨텐츠 서술 및 해석을 위한 신경망의 압축 표현 방식을 나타낸다. 예를들어, NNR(51)은 신경망을 구성하는 가중치인 파라미터를 축소하는 과정(reduction), 축소된 파라미터 값을 양자화 하는 과정(quantization), 양자화된 파라미터 값을 엔트로피 부호화 하는 과정을 거쳐 신경망을 압축할 수 있다. 예를들어, NNR(51)은 MPEG-7 NNR 표준에서 정의되는 신경망 압축 표현 방법을 수행하는 동작 유닛일 수 있다. NNR(51)은 서로 다른 인공 신경망 유형을 표현할 수 있다.
NNR(51)과 피쳐 시그널링 정보/인터페이스(51a)는 피쳐 추출 네트워크(52)에서 사용되는 피쳐 추출 방법(e.g. 신경망)을 교체하는 기능을 수행할 수 있다. 이러한 기능을 이용하여, 추출 방법이 교체되면(e.g. 다른 신경망을 사용하는 경우) 피쳐 추출 네트워크(52)를 통해 출력이 되는 피쳐 셋(52a)의 속성이 변경될 수 있다. 그렇기 때문에, 부호화부(53)에서는, 부호화부(53)로 입력되는 다양한 속성을 갖는 피쳐 셋(52a)을 부호화 하는 방법 또는 부호화부(53)로 입력되는 다양한 속성을 갖는 피쳐 셋(52a)을 부호화 할 수 있는 형태로 변경하는 방법이 필요하다. 이를 위해서, 피쳐 셋(52a)과 피쳐셋(52a)을 부호화할 수 있는 형태로 변경하는 방법을 사전에 정의하는 것이 필수적일 수 있다. 하지만 피쳐 셋(52a)의 속성이 변경될 수 있기 때문에, 부호화부(53)에서 이를 대응하는 것에는 한계가 존재한다. 또한, 부호화부(53)의 구조가 피쳐 추출 네트워크의 구조(52)에 의존적이게 되어 부호화부(53)의 독립성을 저하시키는 문제점이 존재한다.
부호화부(53)에서 부호화된 비트스트림(53a)이 복호화부(54)에서 복호화된 후에는 임무 분석/렌더러(55)에서 사용할 수 있는 형태로 이를 변경하여야 할 수 있다. 이를 위해 피쳐셋(52a)을 부호화한 형태로 변경한 방법을 역으로 적용할 수 있다. 이를 통해 복호화된 피쳐셋(54a)은 부호화 대상인 피쳐셋(52a)과 동일한 형태여야 할 수 있다. 이를 위한 복호화부(54)의 구조는 피쳐 추출 네트워크(52)의 구조에 의존적이게 되어, 복호화부(54)의 독립성이 저하되는 문제점이 있다.
도 22와 같은 VCM 부호화/복호화 구조의 문제점은 VCM을 구성하는 구성요소간의 독립성이 보장되지 않는데에 존재한다. VCM을 구성하는 구성요소들에 독립성이 보장되지 않기 때문에, 구성요소 간에 서로의 변경 사항을 전달하기 위한 인터페이스와 정보가 필요하게 된다. 그러나, 이러한 변경 사항의 범위를 정할 수 없기 때문에, 이에 대한 규격과 방법을 사전 정의하는데 어려움이 존재한다.
실시예 1
도 23은 본 개시에서 제안하는 VCM의 계층 구조의 예를 도시한다. 도 23은 피쳐 코딩 레이어(Feature coding layer, 2310), 신경망(피쳐) 추상화 레이어(Neural network(feature) abstracton layer, 2320), 피쳐 추출 레이어(Feature extraction layer, 2330)로 구성된 VCM 계층 구조를 도시한다.
도 23의 피쳐 추출 레이어(2330)는 입력 소스에서 피쳐를 추출하기 위한 레이어를 의미하며, 추출의 결과물 또한 포함할 수 있다. 피쳐 추출 레이어(2330)는 도 22에서의 피쳐 추출 네트워크(52)와 그 추출 결과물을 포함할 수 있다.
도 23의 피쳐 코딩 레이어(2310)는 피쳐를 압축하기 위한 레이어로 추출된 피쳐를 압축하기 위한 레이어를 의미하며, 압축의 결과물 또한 포함할 수 있다. 이러한 점에서, 피처 코딩 레이어(2310)는 도 22에서의 부호화부(53)와 그에 의한 압축 결과물을 포함하고 있다고 할 수 있다.
이러한 점에서, 도 23의 신경망 추상화 레이어(2320)가 없다면, 피쳐 코딩 레이어(2310)의 압축의 대상은 피쳐 추출 레이어(2330)에 의하여 결정이 되며, 피쳐 코딩 레이어(2310)는 변경 가능하고 복잡한 피쳐 추출 레이어(2330)의 정보에 접근하여야 할 수 있다. 또한, 통상적으로 압축의 대상이 정해지면, 그에 따라 압축의 방법이 순차적으로 개발될 수 있다. 그로 인해, 개발의 지연 및 기능의 확장성에 제약이 있을 수 밖에 없게 된다. 또한, 압축의 대상의 변경에 따라 압축의 방법은 그에 맞게 개별적으로 개발될 수 있으며, 추후 각각의 코딩 툴의 통합에도 어려움이 있을 수 있다.
본 개시에서 제안하는 신경망 추상화 레이어(2320)는 피쳐 추출 레이어(2330)의 변경 및 차이를 추상화하여 피쳐 코딩 레이어(2310)가 일관되게 동작할 수 있는 환경을 제공하는 것을 목적으로 할 수 있다. 예를 들어, 신경망 압축 레이어(2320)는 피쳐 추출 레이어(2330)의 내부를 감추고 일관성 있는 인터페이스 및 피쳐를 제공하는 것을 목적으로 할 수 있다.
본 개시를 통해, 피쳐 코딩 레이어(2310)는 피쳐 추출 레이어(2330)의 변화와 무관하게 동작하여 독립성을 확보할 수 있다. 일 실시 예에서, 피쳐 추출 레이어(2330)와 신경망 추상화 레이어(2320)간의 인터페이스와, 피쳐 코딩 레이어(2310)와 신경망 추상화 레이어(2320)간의 인터페이스는 사전에 정의될 수 있으며, 신경망 추상화 레이어에서의 동작은 추후에 변경 가능하도록 할 수 있다. 이러한 경우, 피쳐 추출 레이어(2330)의 설계 및/또는 동작이 변경되더라도, 이와 무관히 피쳐 코딩 레이어(2310)의 설계 및/또는 동작은 그대로 유지될 수 있다.
도 24는 신경망 추상화 레이어의 동작의 예시를 나타내는 도면이다. 본 개시에서 신경망 추상화 레이어(Neural Network Abstraction Layer)는 피쳐 추상화 레이어(Feature Abstraction Layer)와 같은 의미이며, 이하 NNAL로 약칭한다. 도 24에는 NNAL의 입력으로 피쳐 1, 피쳐 2, ..., 피쳐 n이 입력되는 것이 도시되어 있다. 각각의 피쳐는 서로 다른 속성을 가질 수 있다. 도 24에서 도시된 바와 같은 피쳐는 각기 다른 속성을 가질 수 있으며, 예를들어, 너비(width, W), 높이(height, H), 채널(channel, C) 및 데이터 타입(data type)과 같은 속성을 가질 수 있다. 아래의 표는 가용한 피쳐 속성의 일 실시 예를 나타낸다. 한편 아래의 표는 일 실시 예에 불과하며, 피쳐 속성은 아래의 표에 나열된 정보에 한정되지 않을 수 있다.
속성 설명
Width 피쳐의 가로 크기
Height 피쳐의 세로 크기
Channel 피쳐 셋을 구성하는 피쳐의 개수
Data Type 피쳐의 각 값의 타입(e.g. 정수, 소수, 음수, 양수 등)
Network Type 피쳐 추출에 사용된 방법(e.g. VGG16, shared backbone 등)
Extracted layer 추출된 피쳐의 위치(e.g. convolution layer 4 등)
Input source 입력 소스의 속성(e.g. 크기, 프레임 레이트, 데이터 타입 등)
도 24에는 NNAL의 추상화 과정을 통해 추상화된 피쳐와 신경망 추상화 레이어 정보(NNAL 정보)가 출력되는 것이 도시되어 있다. 이 두 정보는 분리되어 전달될 수도 있고, 하나의 스트림으로 전달될 수도 있다. 추상화된 피쳐는 부호화부에서 처리될 수 있는 사전 정의된 형식의 추상화된 피쳐를 의미할 수 있다. NNAL 정보는 추상화된 피쳐를 다시 구체화하기 위하여 필요한 정보일 수 있다. NNAL 정보에는 피쳐의 추상화에 사용된 방법, 피쳐를 구체화하는 방법 및/또는 추상화된 피쳐에 대한 정보(e.g. 규격 정보 등)등을 포함할 수 있다.추상화 과정은 도 24의 피쳐 1, 피쳐 2, ..., 피쳐 N과 같이 다양한 형태의 피쳐를 부호화부에서 부호화할 수 있는 정의된 형식으로 추상화하는 것을 의미할 수 있다. 추상화 과정을 정의하기 위하여, 추상화된 출력(e.g. 부호화할 수 있는 형식)에 대한 정의가 먼저 선행될 필요가 있을 수 있다. NNAL의 입력 정보와 추상화 방법으로 어떠한 방식도 채용될 수 있지만, 그에 의한 출력은 사전에 정의된 대로 출력되어야 할 수 있다. 아래의 표는 피쳐의 추상화된 출력의 속성에 대한 정의의 일 실시 예를 나타내며, 이에 대한 정의는 아래의 표에 기재된 바에 의하여 제한되지 않고 다른 값을 가질 수도 있다.
추상화된 피쳐 속성 설명
Bit range 추상화된 피쳐를 구성하는 하나의 값 bit 범위(e.g. 8~16 비트). 추상화된 피쳐의 값은 사전에 정의된 범위로 제한될 수 있음
Data type 추상화된 피쳐가 표현하는 값은 사전에 정의된 범위로 제한될 수 있음(e.g. 0~255, 정수, 양수, 소수 등)
Data representation 추상화된 피쳐의 표현과 구성 형식은 사전에 정의된 범위로 제한될 수 있음(e.g. 가로와 세로 비율, 타일링등과 같은 피쳐 셋을 구성하는 방법, 시간적으로 연속되는 피쳐 셋을 구성하고 표현하는 방법, 특정 피쳐에 변형을 주는 방법(e.g. 생략, 강조, 약화 등))
Size 추상화된 피쳐의 크기는 사전에 정의된 크기 범위 내에 분포되도록 강제될 수 있음(e.g. Width는 16이상 1920 이하의 값을 가짐, Height는 16이상 1080 이하의 값을 가짐)
아래의 표는 NNAL 정보의 일 실시 예를 나타낸다. NNAL 정보는 추상화된 피쳐를 다시 입력 피쳐로 복원하기 위해 필요한 정보를 담고 있어야할 수 있다. NNAL 정보와 부호화된 추상화된 피쳐는 하나의 비트스트림으로 구성될 수 있다. 앞서 설명한 바와 같이 이와 같이 구성된 비트스트림은 도 20의 전송부를 통해 저장매체에 저장되거나 네트워크를 통해 전송될 수 있다.
NNAL 설명
입력 피쳐 기술 표 2에서 설명된 피쳐 속성이 활용될 수 있음
추상화된 피쳐 기술 표 3에서 설명된 추상화된 피쳐 속성이 사용될 수 있음
비트 레인지 변경 방법 입력 피쳐의 비트 레인지를 추상화된 피쳐의 비트 레인지로 변경하기 위해 사용하는 방법, 및/또는 입력 피쳐의 비트레인지로 복원하기 위한 방법이 사용될 수 있음
비트 레인지 변경을 위한 부가 정보 비트 레인지 변경을 위해 필요한 부가 정보일 수 있음(e.g. 양자화 범위에 대한 정보(최대값, 최소값, 평균, 분산 등), 신경망을 사용한 변경이 필요한 경우는 해당 신경망을 구동하기 위한 정보 등)
데이터 표현 변경 방법 추상화된 피쳐의 데이터 표현을 입력 피쳐의 표현으로 복원하기 위한 방법이 사용될 수 있음
데이터 표현 변경을 위한 부가 정보 데이터 표현 변경에 필요한 부가 정보가 사용될 수 있음(e.g. 타일링한 피쳐 셋을 다시 피쳐 단위로 복원하기 위한 정보, 강조/약화/생략된 피쳐를 복원하기 위해 필요한 정보, 신경망을 이용한 복원이 필요한 경우에는 이를 구동하기 위한 정보 등)
도 25는 부호화된 추상화된 피쳐와 NNAL 정보로 구성된 비트스트림의 예시를 나타내는 도면이다. 도 25에 도시된 바와 같이 구성된 비트스트림을 NNAL 유닛이라고 부를 수 있다. NNAL 유닛은 독립적인 피쳐의 복원단위를 의미하며, 하나의 NNAL 유닛의 압축 대상인 입력 피쳐는 동일한 특성을 가지도록 강제될 수 있다. 예를들어, 하나의 NNAL 유닛에 대한 입력 피쳐들에는 동일한 피쳐 추출 방법이 적용될 수 있다. 예를들어, 하나의 NNAL 유닛에 대한 입력 피쳐들은 동일한 레이어에서 동일한 신경망을 이용하여 추출되었을 수 있다.도 25에 도시된 바와 같이, NNAL 유닛은 NNAL 유닛 헤더와 NNAL 유닛 페이로드로 구성될 수 있다. 유닛의 각 속성의 예시는 아래의 표와 같이 정의될 수 있다. 이하의 정의는 예시이며, NNAL 유닛의 각 속성의 종류와 그에 대한 정의는 아래의 표에 기재된 바에 의하여 제한되지 않는다.
NNAL 유닛 항목 설명
NNAL unit header 부호화된 피쳐를 임무에 맞게 활용하는데 필요한 모든 정보(e.g. 표 4의 NNAL 정보)
NNAL unit payload 부호화된 추상화된 피쳐의 정보
Group header 그룹 데이터의 구성에 대한 정보(e.g. 시간적 순서, 구성된 피쳐 채널의 크기, 피쳐 채널들의 공통된 속성)
Group data 피쳐 채널의 집합
피쳐 채널 부호화된 피쳐 단위
Type 부호화를 위해 사용된 방법
Prediction 부호화를 위해 사용된 방법의 세부 모드
Side information 복호화에 필요한 부가 정보(e.g. 엔트로피 코딩, 양자화, 데이터, 참조 정보 등)
Residual data 부호화된 피쳐값 정보의 집합
도 26은 복호화 과정의 예시를 나타내는 도면이다. 비트스트림은 복호화된 추상화 피쳐와 신경망 추상화 레이어 정보(NNAL 정보)로 디코딩부에서 복호화될 수 있다. 신경망 구체화 레이어(Neural Network Materialization Layer, NNML)는 NNAL 정보를 이용하여 복호화된 추상화 피쳐를 다시 피쳐 추출 네트워크에 맞게 구체화하는 동작을 수행하여, 구체화된 피쳐를 구성하여 출력할 수 있다. 임무 분석/렌더러는 구체화된 피쳐를 이용하여 목적에 맞는 임무를 수행할 수 있다.도 27은 본 개시에서 제안하는 신경망 추상화와 구체화를 적용한 VCM 구조의 예시를 도시하는 도면이다. 도 27은 도 22에서 설명된 VCM 구조에 기반하여 개선된 사항을 도시한다. 도 27에서 도 22와 동일한 도면 부호를 사용하는 구성에는 도 22에 기재된 설명이 그대로 적용될 수 있다. 도 27에서, 부호화 장치(2710)는 NNAL(2711)과 부호화부(53)를 포함하여 구성될 수 있다. 복호화 장치(2720)는 복호화부(54)와 NNML(2721)을 포함하여 구성될 수 있다.
NNAL(2711)에서 신경망을 사용하여 입력 피쳐를 추상화하고, NNAL(2711)에서 사용되는 신경망을 변경하고자 하는 경우, NNAL(2711)은 NNR(51)로부터 필요한 정보를 획득하기 위하여 NNAL(2711)과 NNR(51)간의 인터페이스(51b)를 이용할 수 있다. 한편, 상기 필요한 정보는 피쳐 추출 네트워크(52)와 NNAL(2711)간의 인터페이스(52b)를 이용하여 획득될 수도 있다.
유사하게, NNML(2721)에서 신경망을 이용하여 복호화된 추상화 피쳐를 구체화하고, NNML(2721)에서 사용되는 신경망을 변경하고자 하는 경우, NNML(2711)이 NNR(56)으로부터 필요한 정보를 획득하기 위하여 NNML(2721)과 NNR(56)간의 인터페이스(56b)를 이용할 수 있다.
상기 인터페이스들(51b 및/또는 56b)은 신경망 외에도 추상화 및 구체화에 필요한 정보와 방법을 제공하기 위한 정보의 통로로 사용될 수 있다.
도 28은 NNAL(2711)과 NNR(51)간의 인터페이스(51b)의 동작의 예시를 나타내는 도면이다. 도 28의 실시 예에서 NNR(51)에서는 신경망의 교체뿐만 아니라 추상화에 필요한 모든 정보의 교체가 이루어질 수 있다. 신경망의 교체 기능은 추상화 및/또는 피쳐 추출을 위한 정보의 교체를 포함할 수 있으며, 그외 다른 정보의 교체를 포함할 수 있다. 예를들어, NNR(51)은 피쳐 추출 네트워크(52)에서 사용되는 네트워크를 변경할 수 있다. 그리고, 피쳐 추출 네트워크(52)에서 사용되는 네트워크가 변경되면, 피쳐 추출 네트워크(52)에서 추출된 피쳐의 속성이 변경되게 된다. 이러한 경우에 대응하기 위하여, 추출된 피쳐를 추상화하는 방법이 변경될 수 있다.도 28에 도시된 바와 같이, NNAL(2811)내의 추상화기의 동작에 따른 추상화 방법을 업데이트하기 위하여, NNR 인터페이스(51b)를 통해 NNAL(2811)에게 추상화에 필요한 정보가 전달될 수 있다. NNAL(2811)은 이 정보를 이용하여 추상화에 필요한 기능을 업데이트할 수 있다.
예를들어, NNAL(2811) 내의 NNR은 NNR 인터페이스(51b)를 통해 NNR(51)로부터 수신한 추상화에 필요한 정보를 이용하여 추상화 기능을 업데이트할 수 있다. 업데이트 가능한 함수들(Updateable functions)은 NNR 인터페이스(51b)를 이용하여 추상화된 기능이 업데이트 된 예시를 나타낸다. 도 28에서 고정 인터페이스(fixed interface)는 업데이트 가능한 함수들의 인터페이스가 고정되어 있음을 의미한다. 예를들어, 도 28의 NNR 인터페이스(51b)를 통해 추상화에 필요한 기능이 변경되어도 NNAL 내부의 인터페이스는 변경되지 않을 수 있다.
NNAL 내의 추상화기는 피쳐 추출 네트워크로부터 받은 피쳐 셋(2830)을 추상화하는 기능을 수행할 수 있다. NNAL 내의 추상화기가 추상화를 위해 필요한 NNR의 정보, 기능등을 사용하기 위하여 NNAL 내의 추상화기와 NNAL 내의 NNR간의 인터페이스(2810, 2820)가 이용될 수 있다. NNAL 내의 추상화기와 NNAL 내의 NNR간의 인터페이스(2810, 2820)를 이용해서, NNAL 내의 추상화기는 NNAL 내의 NNR의 기능과 정보에 접근을 할 수 있다. 나아가, NNAL 내의 추상화기와 NNAL 내의 NNR간의 인터페이스(2810, 2820)를 이용해서, NNAL 내의 추상화기는 피쳐 추출 네트워크에서 전달받은 피쳐 셋과 그에 대한 정보를 NNAL 내의 NNR로 전달할 수 있다.
이러한 경우에, NNAL 내의 NNR은 추상화에 필요한 기능을 피쳐 셋에 적용한 후에, 추상화기에 반환할 수도 있다. 아래의 표는 NNAL 내의 추상화기와 NNAL 내의 NNR간의 인터페이스(2810, 2820)의 예시를 나타낸다. 아래의 표에 기재된 인터페이스의 예는 일 실시 예에 불과하며, NNAL 내의 추상화기와 NNAL 내의 NNR간의 인터페이스(2810, 2820)는 다른 형태로도 사용될 수 있다.
항목 설명
Feature properties 표 2에 도시된 피쳐 속성
Feature set 추상화 대상인 피쳐
Function list NNR의 기능을 사용하기 위한 정보(e.g. function pointer)
상기 표는 NNAL과 NNR간의 인터페이스(51b)를 통해 시그널링 될 수 있는 정보와 그의 속성의 일 실시 예를 도시한다. 상기 정보는 피쳐 추출 네트워크(52)와 NNAL내 NNR간의 인터페이스(2840)를 통해 시그널링될 수도 있다.
항목 설명
Feature properties 표 2에 도시된 피쳐 속성, 표 3의 변경된 피쳐 속성, NNAL 정보, NNAL 정보 구성에 필요한 정보 등
Feature set 추상화된 피쳐 셋, 또는 추상화를 위해 변경된 피쳐 셋
Function list NNR의 기능을 사용하기 위한 정보(e.g. function pointer)
상기 표는 NNAL 내의 추상화기와 NNAL 내의 NNR간의 인터페이스(2810, 2820)를 통해 시그널링 될 수 있는 정보와 그의 속성의 일 실시 예를 도시한다.도 29는 NNML(2721)과 NNR(56)의 인터페이스(56b)의 예시를 도시하는 도면이다. 도 29에서 NNR(56)은 신경망의 교체뿐만 아니라, 피쳐의 구체화에 필요한 모든 정보의 교체를 수행할 수 있다. 신경망의 교체 기능은 피쳐의 구체화를 위한 정보의 교체 및 제공의 한가지 예시일 뿐이다. NNR(56)은 NNR 인터페이스(56b)를 통해 NNML(2921)에게 구체화에 필요한 정보를 전달할 수 있다. NNML(2921)은 이 정보를 이용하여 구체화에 필요한 기능을 업데이트할 수 있다. 도 29에서 도시된 업데이트 가능한 기능들은 NNR 인터페이스(56b)를 통해 구체화기에서 구체화를 위하여 요구되는 기능들이 업데이트 가능함을 나타낸다.
도 29의 고정 인터페이스는 업데이트 가능한 기능들의 인터페이스는 고정되어 있음을 나타낸다. 예를들어, NNR 인터페이스(56b)를 통해 구체화에 필요한 기능이 변경되어도 NNML(2921) 내부의 인터페이스에는 변화가 발생하지 않을 수 있다.
NNML(2921)의 구체화기는 복호화된 추상화된 피쳐 셋을 구체화하는 기능을 수행할 수 있다. NNML 내의 구체화기와 NNML 내의 NNR(56)간의 인터페이스(2910, 2920)는 NNML 내의 구체화기가 구체화를 위해 필요로 하는 NNR 정보 및/또는 관련 기능을 NNML 내의 NNR로부터 획득하기 위하여 사용될 수 있다. 예를들어, 구체화기는 구체화기와 NNR간의 인터페이스(2910, 2920)를 통해서 NNR의 기능과 정보에 접근을 할수 있고, 또는 복호화기로부터 전달받은 추상화된 피쳐 셋과 그에 대한 정보를 NNML 내의 NNR로 전달할 수도 있다. 이런 경우에, NNML 내의 NNR은 구체화에 필요한 기능을 추상화된 피쳐 셋에 적용을 한 후에, 구체화기에게 반환할 수도 있다. 아래의 표는 NNML 내의 구체화기와 NNML 내의 NNR간의 인터페이스(2910, 2920)의 예를 나타내며, 이에는 구체화 및 복호화에 필요한 모든 정보가 포함될 수 있다. 하기 표 8은 NNML 내의 구체화기와 NNR(56b) 간의 인터페이스(56b)의 예시를 나타낸다. 그리고, 하기 표9는 NNML 내의 구체화기와 NNML 내의 NNR 간의 인터페이스(2910, 2920)의 예시를 나타낸다.
항목 정보
Feature properties 표 2에 도시된 피쳐 속성, 표 3의 변경된 피쳐 속성, NNAL 정보, NNAL 정보 구성에 필요한 정보 등
Feature set 추상화된 피쳐 셋
Function list NNR의 기능을 사용하기 위한 정보(e.g. function pointer)
항목 정보
Feature properties 표 2에 도시된 피쳐 속성 및 변경된 피쳐 속성
Feature set 구체화된 피쳐 셋, 구체화를 위해 변경된 피쳐 셋
Function list NNR의 기능을 사용하기 위한 정보(e.g. function pointer)
실시예 2
본 실시예는 VCM에서 피쳐 부호화를 효과적으로 수행하기 위한 방안을 개시한다. 도 30은 현재 다수의 인공지능 응용 분야에 사용되는 방식으로 단말에서 획득한 영상을 높은 복잡도가 요구되는 머신러닝 동작을 수행하기 위해 서버로 전송하는 방식을 도시한다. 이 경우 JPEG, H.264, HEVC 등 기존 영상 및 비디오 압축 방식이 사용될 수 있다. 하지만, 이러한 인공지능 분야에서 기존의 이미지 및 비디오 코딩 기술들은 비효율적일 수 있다. 기존의 이미지 및 비디오 코딩 기술들은 오직 인간의 시청에 초점을 맞추어 개발된 반면 대부분의 인공지능 응용분야들은 인간의 개입 없이 기계가 자동으로 영상 분석을 통해 이루어지고 있다. 이러한 점에서, 기존의 이미지 및 비디오 코딩 기술로 부호화된 정보에 머신러닝에 필요하지 않은 정보가 포함되었을 수 있다.
도 31은 도 30을 다른 방식으로 도시한 도면이다. 도 31은 서버에서 수행하던 머신러닝 동작을 단말에서 일부 수행하여 특징 정보인 피쳐를 추출하고 이를 부호화 하는 실시예를 도시한다. 이 방식은 머신 러닝에 필요한 정보만을 부호화 하여 전송하기 때문에, 도 30 대비 부호화 측면에서 효율적일 수 있다.
하지만 도 31에 도시된 방식도 개선할 여지를 가지고 있다. 머신러닝의 임무 종류에 따라 필요하지 않은 정보가 부호화될 수 있기 때문이다. 만약, 머신러닝을 위한 임무의 종류가 정해져 있다면, 해당 임무를 수행함에 있어서 중요한 정보에는 더 많은 정보량을 허용하고(e.g. 더 많은 비트를 허용), 상대적으로 덜 중요한 정보는 전송하지 않거나 정보량을 줄임으로써(e.g. 적은 비트를 허용) 데이터 압축률을 극대화할 수 있다.
예를 들어, 도 20의 수신 디바이스(40)에서 특정 머신러닝 임무의 수행이 필요한 경우 해당 임무에 더 중요한 정보에는 많은 비트를 할당하고 상대적으로 덜 중요한 정보들은 적은 비트를 할당함으로서 수신부에서 임무의 정확도는 유지하면서 영상 정보를 효율적으로 압축하는 방안을 고려할 수 있다.
이하, 수신 디바이스(40)에서 수행할 임무가 오브젝트 검출인 경우, 피쳐를 효율적으로 부호화 할 수 있는 방법에 대해 구체적으로 기술한다. 상기 임무(오브젝트 검출)는 본 실시예가 적용될 수 있는 다양한 임무 중 어느 하나에 불과하며, 이하 설명되는 실시예가 적용될 수 있는 임무는 오브젝트 검출에 한정되지 않으며 영상 내 관심영역을 감지하는 모든 종류의 임무에 적용될 수 있다.
오브젝트 검출의 목표는 도 32의 예시 1 및 예시 2에 도시된 바와 같이 영상 내 객체들이 포함된 영역을 감지하고 인식하는 것이다. 따라서 박스로 표시된 영역의 정보가 다른 영역의 정보보다 머신러닝 임무 관점에서 상대적으로 중요하다.
도 33은 도 20을 간단히 도식화한 것으로 도 20에 중요 영역 식별 모듈(Important Region Detection Module)을 추가함으로서 머신러닝 임무에 중요한 영역을 감지하고 이를 피쳐 부호화에 활용하는 방법에 대한 예시를 도시한다. 중요 영역 검출은 입력 영상 내 객체들이 포함된 영역을 감지하고 해당 영역에 대한 정보를 제공하는 역할을 수행할 수 있다. 해당 영역정보는 피쳐를 효율적으로 부호화하는데 사용될 수 있다. 해당 영역 정보는 다음과 같은 형태로 표현할 수 있다.
- pos_x: 상자의 x 위치
- pos_y: 상자의 y 위치
- width: 상자의 가로 넓이
- height: 상자의 세로 넓이
도 34와 도 35는 해당 영역 정보를 표현하는 두가지 예시를 도시하는 도면이다. 도 34는 블록의 좌상단 지점을 x 좌표와, y 좌표로 표현하고, 블록의 너비를 width, 높이를 height로 표현한 반면, 도 35는 블록의 중심지점을 x 좌표와, y 좌표로 표현하고, 중심을 기준으로 width와 height를 표현하고 있다. 어느 방법을 사용해도 무방하며, 상기외 다른 방식으로 블록을 표현할 수도 있다.
한편, 각 머신러닝 임무에 특화된 부호화 및 복호화를 적용하기 위하여 수행할 임무 정보를 전송할 필요가 존재한다. 도 36은 본 개시에서 제안하는 방법을 수행하기 위하여 임무 정보를 시그널링하기 위한 신택스의 일 실시 예를 도시하는 도면이다. 비디오의 경우 피쳐들의 시퀀스로 구성되기 때문에, 시퀀스 레벨에서 다음과 같은 임무 정보가 전송될 수 있다. 일 실시 예에서, 수신 디바이스(40)에서 수행될 임무는 한개 이상일 수 있다. 따라서, 소스 디바이스(30)는 임무의 총 개수를 나타내는 신택스 요소 num_tasks를 시그널링한 후 각 임무에 대한 식별자 정보를 나타내는 신택스 요소 task_id[i]를 num_tasks가 나타내는 개수에 따라 시그널링할 수 있다.
일 실시 예에서, 신택스 요소 task_id는 아래의 표와 같은 값을 가질 수 있으나, 아래의 표에 기재된 사항으로 제한되지는 않는다.
Task Id Task
0 오브젝트 검출
1 오브젝트 트래킹
2 안면 인식
3 움직임 검출
4 오브젝트 분류
5 이미지/비디오 캡쳐링
쪋 쪋
도 33의 중요 영역 검출(Important Region Detection) 과정을 통해 오브젝트 검출에 중요한 영역들에 대한 정보를 영상으로부터 추출할 수 있다. 하지만 영상의 해상도와 압축 대상인 피쳐의 해상도는 일반적으로 다르기 때문에 영상으로부터 추출한 정보를 피쳐 해상도에 맞게 변환해 줄 필요가 있다. 다음은 영상으로부터 추출한 영역정보를 피쳐 해상도에 맞게 변환해 주는 예시이다. [수학식 1]
- scaleX = FeatureWidth / ImageWidth
- scaleY = FeatureHeight / FeatureHeight
- FeatureRegionPosX = round( ImageRegionPosX * ScaleX )
- FeatureRegionPosY = round( ImageRegionPosY * ScaleY )
- FeatureRegionWidth = round( ImageRegionWidth * ScaleX )
- FeatureRegionHeight = round( ImageRegionHeight * ScaleY )
여기서 ImageWidth, ImageHeight은 영상의 해상도를 나타내며 ImageRegionPosX, ImageRegionPosY, ImageRegionWidth, ImageRegionHeight는 해당 영상으로부터 검출한 해당 영역들의 x 좌표, y 좌표, 너비, 높이를 나타낸다. FeatureRegionPosX, FeatureRegionPosY, FeatureRegionWidth, FeatureRegionHeight는 Feature의 해상도에 맞게 변환된 x 좌표, y 좌표, 너비, 높이를 나타낸다. round() 함수는 0.5를 더한 후 소수점 아래를 버리는 반올림 함수이다.
피쳐 해상도에 맞게 변환된 정보는 피쳐를 효율적으로 부호화 하는데 사용될 수 있다. 예를 들면, 양자화 과정에 해당 정보를 이용할 수 있다. 도 20의 피쳐 추출 네트워크를 통해 추출된 피쳐 데이터들에는 실수 (32bit float) 형태로 부호화 되기 전에 정수 (integer) 형태로 변환하는 양자화 과정이 필요할 수 있다. 이 때 양자화 과정에 의해서 정보의 손실이 발생하게 되는데 중요 영역에 해당하는 정보는 많은 비트를 할당함으로서 정보의 손실을 최소화하고 그 외 영역에 대해서는 적은 비트를 할당할 수 있다.
아래의 수학식은 부호화기에서 양자화를 수행하는 과정을 일 실시 예를 나타낸다. 여기서
Figure PCTKR2021002509-appb-I000001
는 실수 (32bit float) 형태의 피쳐 값들이며 max(
Figure PCTKR2021002509-appb-I000002
), mim(
Figure PCTKR2021002509-appb-I000003
)은 피쳐 셋의 최대값, 최소값을 의미한다. n은 정수로 양자화된 정보의 비트를 나타낸다. 여기서
Figure PCTKR2021002509-appb-I000004
는 양자화된 정수 형태의 결과 값을 나타낸다.
[수학식 2]
Figure PCTKR2021002509-appb-I000005
일 실시 예에서, 상기 피쳐의 해상도에 맞게 변환된 영역정보를 기반으로 해당 영역에 포함되는 피쳐 값들에 대해서는 n = 8, 그 외 영역들에 대해서는 n = 4로 적용함으로서 중요 정보에 대한 손실을 최소화하면서 부호화 효율을 극대화할 수 있다.
아래의 수학식은 복호화기에서 역 앙쟈화를 수행하는 일 실시 예를 나타낸다. 여기서
Figure PCTKR2021002509-appb-I000006
는 양자화된 정수 형태의 피쳐이며
Figure PCTKR2021002509-appb-I000007
는 역 양자화 된 실수 형태의 결과 값이다.
[수학식 3]
Figure PCTKR2021002509-appb-I000008
복호화기에서 복원한 정수 형태의 정보를 실수로 제대로 변환하기 위해서는 영역 정보가 전송되어야 한다. 복호화 시 해당 영역과 그 외 영역에 대해 다른 n값을 적용해야 하기 때문이다.
본 실시 예에서 제안하는 중요 영역 기반 비트 할당 기법은 다양한 레벨에 적용될 수 있다. 각 피쳐 단위로 적용할 수도 있고 피쳐 셋 단위로 적용할 수도 있으며 그 상위 레벨에서 전송할 수도 있다. 아래는 피쳐 셋 레벨에 적용하는 예시이다. 피쳐 셋 레벨에서 해당 기법을 적용하기 위해 피쳐 셋 레벨에서 중요 영역에 대한 정보를 전송해야 하며 도 37에 도시된 바와 같이 해당 정보를 피쳐 셋 헤더에 포함하여 전송할 수 있다. 해당 영역 정보는 특정 임무에 특화된 정보이기 때문에 특정 임무에 해당하는 경우에만 전송되어야 한다. 따라서, 해당 영역 정보는 도 37에 명시된 정보들을 기반으로 특정 임무에 해당하는 경우에만 전송될 수 있다.
도 37은 임무가 오브젝트 검출에 해당하는 예를 나타낸다. 영상 내 포함된 중요영역은 하나 이상일 수 있기 때문에 영상 내 중요영역의 전체 개수를 의미하는 신택스 요소 num_regions를 먼저 전송하고, 각 영역에 대한 x, y 좌표와 영역의 너비와 높이를 전송한다. 이러한 방법을 통해 영역 정보는 필요한 임무에 대해서만 전송될 수 있다.
본 실시 예에서는 특정 임무에 중요한 영역 정보를 추출하여 이를 피쳐 양자화 과정에 적용함으로서 효율적인 부호화를 수행하는 방법을 나타내었다. 하지만 본 개시는 피쳐 양자화에만 적용하는 것으로 한정하지 않으며 피쳐를 부호화하기 위한 어떤 과정에서도 활용될 수 있다.
실시예 3
이하, 심층 신경망의 은닉층에서 생성된 피쳐 맵을 보다 효율적으로 표현하는 실시예를 설명한다. 신경망으로 입력된 입력데이터는 여러 계층의 은닉층을 거칠 수 있다. 그리고, 각 은닉층의 연산 결과는 사용중인 신경망의 종류와 은닉층의 깊이에 따라 서로 다른 크기를 가질 수 있다. 도 38은 RGB 입력 이미지에 대한 계층별 출력 데이터의 일 실시 예를 도시한다. 도 38에는 일 실시 예에 따른 신경망의 깊이가 깊어지면서 변화되는 각 계층별 출력 데이터의 크기가 도시되어 있다.
도 38의 음영처리된 A, B, C, D는 컨볼루션(convolution), 풀링(pooling)등과 같은 신경망의 은닉 계층 중 하나의 층이거나, 신경망의 여러 은닉 계층들의 묶음일 수 있다. 도 38은 3개의 채널로 구성된 입력 이미지가 각 계층 또는 연속된 계층들을 거치면서 공간적인 크기는 줄어들고 채널의 개수는 점차 늘어나게 되는 예를 도시한다. 도 38과 같은 데이터를 표현하기 위해 다음의 표기법이 이용될 수 있다.
Layer N의 전체 피쳐: FeatN
Layer N의 피쳐 채널 개수 : FeatNum[N]
Layer N의 피쳐 너비 : FeatWidth[N]
Layer N의 피쳐 높이 : FeatHeight[N]
Layer N의 C번째 채널 피쳐: FeatN[C]
Layer N의 C번째 채널 피쳐 (x, y) 좌표 값 : FeatN[C][x][y]
상기의 표기법에 따라 도 38의 피쳐 A는 도 39와 같이 표현될 수 있다. 도 39의 예시와 같이 상기 표기법을 사용하여, 신경망 내의 각 계층별 전체 피쳐와 피쳐의 채널 및/또는 각 채널별 하나의 피쳐 값을 표현할 수 있다.
도 40은 일 실시 예예 따른 피쳐 부호화 장치와 피쳐 복호화 장치가 구성된 VCM 시스템을 도시하는 도면이다. 도 40의 부호화 장치는 영상으로부터 피쳐를 추출하여 효율적으로 전송하기 위해 데이터를 압축하여 비트스트림을 생성할 수 있다. 복호화 장치는 전송받은 비트스트림을 피쳐로 복원하여 임무를 수행하는 네트워크로 전달할 수 있다. 피쳐 추출 네트워크(4020)의 출력(4022)은 부동소수점 형태의 데이터일 수 있다. 부호화 장치의 피쳐 양자화기(Feature Quantizer, 4030)는 부동소수점 형태의 입력을 정해진 비트수의 정수형으로 변환하여 내보낼 수 있다(4032). 부호화기(4040)는 피쳐 데이터를 부호화하여 비트스트림 형태로 출력할 수 있다(4042). 복호화기(4050)는 비트스트림을 입력으로 받아 복호화된 데이터(4052)를 출력할 수 있다. 복호화기(4050)의 출력값(4052)은 부호화 장치에서 양자화된 데이터이므로(e.g. 피쳐 양자화기에 의하여 양자화된), 피쳐 역양자화기(Feature Dequantizer, 4060)가 역양자화 연산을 수행하여 나온 출력값(4062)을 임무 네트워크(4070)로 전달할 수 있다. 임무 네트워크(4070)는 복원된 피쳐를 사용하여 각 임무에 적합한 네트워크를 통해 최종 출력 값을 얻을 수 있다.
이하, 피쳐의 형태를 압축에 용이한 형태로 변환하는 여러 방법을 개시한다. 피쳐 추출 네트워크(4020)의 결과(4022) 또는 피쳐 양자화기(4030)의 결과(4032)에 변환 과정을 적용할 수 있으며 복호화기(4050)의 결과(4052) 또는 피쳐 역양자화기(4060)의 결과(4062)에 역 변환 과정을 적용하여 원래의 형태로 복원할 수 있다. 다양한 형태로 변환된 피쳐는 CF(Coding Format)이라고 정의될 수 있다.
이하의 설명은 피쳐를 CF로 변환하는 과정과 CF를 피쳐로 역변환 하는 과정을 설명한다. VCM 시스템은 이하의 설명에 따른 실시예 중에서 압축 알고리즘에 따라 최적의 효율을 발휘하는 실시예를 채택하여 사용할 수 있다.
실시예 3-1
일 실시 예에서, 피쳐를 CF로 변환 또는 CF를 피쳐로 역변환 하기 위하여, 레이어 N에서의 출력 피쳐인 FeatN의 각 채널 FeatN[C]을 독립적인 압축의 대상으로 삼을 수 있다. 도 41은 일 실시 예에 따른 CF의 주요 파라미터를 도시한다. 도 42는 본 실시예에서의 CF로의 변환 및 피쳐로의 역변환 과정을 도시한다.
도 42에서 FeatHeight*[], FeatWidth*[], FeatNum*[] 및 FeatL*[]은 역변환 과정을 통해 복원된 파라미터를 나타낸다. 본 실시예에 따른 피쳐의 변환 및 역변환은 피쳐의 채널을 독립적인 코딩 단위로 취급하기 때문에 피쳐의 크기(size) 및 채널 수가 변화됨이 없이 그대로 CF의 크기와 뎁스(depth)의 수에 반영될 수 있다. 따라서, 본 실시예에 따른 변환의 결과로 도 41과 같이 피쳐와 동일한 너비, 높이, 뎁스를 갖는 CF가 생성될 수 있다.
실시예 3-2
일 실시 예에서, 피쳐를 CF로 변환 또는 CF를 피쳐로 역변환 하기 위하여, 개별 피쳐 채널을 형태 변환 없이 서로 이어 붙여서 하나의 큰 픽쳐 형태의 CF를 생성할 수 있다. 도 43은 본 실시 예에 따른 CF의 일 실시 예를 도시한다. 도 44는 본 실시예에 따라 피쳐를 CF로 변환 또는 CF를 피쳐로 역변화 하기 위한 알고리즘을 도시한다.
각 채널의 피쳐를 가로, 세로 방향으로 Numc와 Numr개 만큼 이어서 붙였을 때 채널의 수가 정수로 나누어 떨어지지 않는 경우를 대비하기 위해 CF의 가로영역에 들어갈 피쳐의 개수(Numc)를 정한 뒤 모든 피쳐의 수를 Numc로 나눈 값을 천장함수(Ceiling function, Ceil(x))의 입력으로 넣어 Numr값으로 사용함으로서 Numr값이 정수가 되도록 할 수 있다.
여기서, 여기서 NumC의 값은 임의로 결정될 수 있다. 일 실시 예에서, NumC의 값은 영상의 너비를 피쳐의 너비 FeatWidth[]로 나눈 값으로 결정될 수 있다. 또한, 실제 피쳐의 개수와 CF에 포함되는 피쳐의 개수 차이를 보정하기 위한 용도로 실제 피쳐의 개수와 CF에 포함되는 피쳐의 개수 차이를 나타내는 변수 DiffNum을 이용할 수 있으며, 이의 값은 도 44에 도시된 바와 같이 결정될 수 있다. 아래의 수학식과 도 45는 본 실시예에서 사용한 천장함수의 정의와 천장함수의 그래프를 나타낸다.
[수학식 4]
Figure PCTKR2021002509-appb-I000009
실시예3-3
일 실시 예에서, 피쳐를 CF로 변환 또는 CF를 피쳐로 역변환 하기 위하여, 전체 활성화 맵(activation map)중 일부를 2차원 공간상에 배치하여 CG(Coding Group)라고 정의할 수 있다. 일 실시 예에서, 동일한 크기의 CG를 사용하여 전체 피쳐를 표현할 수 있을때까지 CF 뎁스(CFDepth)를 늘려갈 수 있다. 하나의 CG에 포함된 피쳐 채널의 개수를 c라고 하고 FeatNum[L]을 c로 나누었을 때 정수로 떨어지지 않는 경우, 몫 개수 만큼의 CG를 생성하여 피쳐를 채우고 하나의 CG를 더 만들어 나머지 개수만큼의 피쳐를 채운 뒤 남은 영역은 0으로 채워 넣을 수 있다.
도 46은 본 실시 예에 따라 생성된 CF의 일 실시 예를 도시한다. 도 47은 본 실시예에 따른 피쳐에서 CF로의 변환 및 CF에서 피쳐로의 역변환을 수행하기 위한 알고리즘을 도시한다.
실시예3-4
일 실시 예에서, 피쳐를 CF로 변환 또는 CF를 피쳐로 역변환 하기 위하여, 피쳐맵의 각 채널에서 동일한 좌표상에 있는 픽셀들끼리 모아서 블록화 한 뒤 블록들을 2차원 공간에 인접하도록 배치하여 하나의 CF를 생성할 수 있다. 도 48은 본 실시예에서의 CF 생성 방법의 일 실시 예를 도시한다. 도 48은, 임의의 계층 L에 FeatL[0]~FeatL[3] 4개의 2x2 크기 채널이 존재하는 경우, 생성될 수 있는 CF의 예시를 도시한다. 도 48에서 확인할 수 있듯이 각 채널에서 동일한 위치의 픽셀값들을 뽑아 정사각형 또는 직사각형 형태의 블록으로 묶은 후 해당 블록들을 인접하게 배치하여 다양한 형태의 CF를 생성할 수 있다. CF로부터 원래의 피쳐 채널 형태로 복원하는 방법은 각 CF 변환 과정별로 다르게 수행될 수 있다. 도 49는 304x304 크기의 32개 채널을 갖는 실제 피쳐를 대상으로 4x8 단위로 픽셀을 블록화 한 뒤 각 블록을 인접하게 배치하여 생성된 CF의 일 실시 예를 나타낸다
부호화 및 복호화 방법
이하 일 실시 예에 따른 영상 부호화 장치 및 영상 복호화 장치에 의하여 수행되는 영상 부호화 방법 및 복호화 방법을 설명한다.
먼저 복호화 장치의 동작을 먼저 설명한다. 일 실시 예에 따른 영상 복호화 장치는 메모리와 프로세서를 포함하며, 복호화 장치는 프로세서의 동작에 의하여 복호화를 수행할 수 있다. 도 50은 일 실시 예에 따른 VCM 시스템에서의 복호화 장치가 영상에 관련된 특징 정보를 복호화 하는 방법을 나타내는 도면이다. 이하의 설명에서, 특징은 전술한 피쳐(feature)를 의미한다. 특징 정보는 전술한 피쳐 정보를 의미한다. 추상화된 특징 정보는 전술한 추상화된 피쳐 정보를 의미한다. 구체화된 특징 정보는 전술한 구체화된 피쳐 정보를 의미한다.
일 실시 예에 따른 복호화 장치는 영상에 인공 신경망 기반의 특징 추출 방법을 적용하여 생성된 특징 정보의 부호화 데이터를 비트스트림으로부터 획득할 수 있다(S5010). 다음으로, 복호화 장치는 특징 정보의 부호화 데이터를 복호화 하여 특징 정보를 복원할 수 있다(S5020). 다음으로, 복호화 장치는 특징 정보에 기반하여 영상의 분석 데이터를 생성할 수 있다(S5030). 여기서, 복호화 장치는 특징 정보의 추상화 정보, 특징 정보의 관심 영역 및 특징 정보에 대한 부호화 포멧 중 어느 하나에 기반하여 특징 정보를 복원할 수 있다.
도 51은 일 실시 예에 따른 복호화 장치가 특징 정보의 추상화 정보를 이용하여 특징 정보를 복원하는 방법을 설명하는 순서도이다. 일 실시 예에 따른 복호화 장치는 특징 정보의 부호화 데이터를 복호화 하여 복호화된 특징 정보를 획득할 수 있다(S5110). 다음으로, 복호화 장치는 복호화된 특징 정보를 구체화하여 구체화된 특징 정보를 생성할 수 있다(S5120). 여기서, 복호화된 특징 정보는 특징 정보의 부호화 과정에서 신경망 추상화 정보에 기반하여 추상화된 특징 정보일 수 있다. 그리고, 특징 정보의 구체화는 복호화된 특징 정보 및 신경망 추상화 정보에 기반하여 수행될 수 있다. 여기서, 신경망 추상화 정보는 비트스트림으로부터 획득될 수 있다.
일 실시 예에서, 특징 정보의 부호화 데이터와 신경망 추상화 정보는 신경망 추상화 유닛 단위로 비트스트림으로부터 획득될 수 있다. 이러한 경우, 신경망 추상화 정보는 전술한 바와 같이 신경망 추상화 유닛(e.g. NNAL 유닛)의 헤더에 포함될 수 있다.
도 52는 일 실시 예에 따른 복호화 장치가 특징 정보의 관심 영역을 이용하여 특징 정보를 복원하는 방법을 설명하는 순서도이다. 일 실시 예에 따른 복호화 장치는 영상의 분석 임무에 대한 정보를 비트스트림으로부터 획득할 수 있다(S5210). 다음으로, 복호화 장치는 관심 영역의 개수에 대한 정보를 비트스트림으로부터 획득할 수 있다(S5220). 다음으로, 복호화 장치는 특징 정보의 관심 영역에 대한 정보에 기반하여 특징 정보를 복원할 수 있다(S5230).
예를들어, 도 36을 참조하여 전술한 바와 같이, 영상의 분석 임무에 대한 정보(e.g. num_tasks, task_id[])가 비트스트림으로부터 획득될 수 있으며, 특징 정보의 관심 영역에 대한 정보는 영상의 분석 임무에 대한 정보에 기반하여 비트스트림으로부터 획득될 수 있다.
또한, 도 37을 참조하여 전술한 바와 같이, 영상 중 관심 영역의 개수에 대한 정보(e.g. num_regions)가 비트스트림으로부터 획득되고, 영상 내 관심 영역의 개수에 대한 정보에 기반하여 특징 정보의 관심 영역에 대한 정보(e.g. region_pos_x[], region_pos_y[], region_pos_width[], region_pos_height[] 등)가 비트스트림으로부터 획득될 수 있다. 여기서, 특징 정보의 관심 영역에 대한 정보 중 관심 영역의 좌표를 나타내는 정보인 region_pos_x[], region_pos_y[], region_pos_width[] 및 region_pos_height[]는 영상에서 식별된 객체의 좌표, 영상의 해상도 및 영상에서 추출된 특징 정보의 해상도에 기반하여 결정될 수 있다.
도 53은 일 실시 예에 따른 복호화 장치가 특징 정보의 부호화 포멧을 이용하여 특징 정보를 복원하는 방법을 설명하는 순서도이다. 일 실시 예에 따른 복호화 장치는 특징 정보의 부호화 데이터를 복호화 하여 복호화된 특징 정보를 획득할 수 있다(S5310). 다음으로, 복호화 장치는 복호화된 특징 정보를 특징 정보에 대한 부호화 포멧에 기반하여 역변환함으로써 특징정보를 복원할 수 있다(5320). 여기서, 복호화된 특징 정보는 부호화 과정에서 특징 정보에 대한 부호화 포멧에 기반하여 변환된 특징 정보일 수 있다. 특징 정보의 역변환은 복호화된 특징 정보 및 특징 정보에 대한 부호화 포멧에 기반하여 수행될 수 있다.
일 실시 예에서, 도 43 및 도 44를 참조하여 전술한 바와 같이, 복호화된 특징 정보가 특징 정보에 대한 부호화 포멧에 기반하여 역변환됨으로써 복수의 특징 정보가 획득될 수 있다. 이때, 복수의 특징 정보 중 적어도 하나의 타겟 특징 정보는 복호화된 특징 정보 내에서 타겟 특징 정보의 좌표 및 크기 정보에 기반하여 식별될 수 있다. 예를들어, 복호화된 특징 정보는 복수의 특징 정보의 집합으로 구성될 수 있다. 그리고, 복호화된 특징 정보 내에서 복수의 특징 정보는 타일 형태로 타일 스캔 순서에 따라 배열되어 있을 수 있으며, 그 중 하나의 타겟 특징 정보는 해당 타겟 특징정보의 좌상단 위치와 특징 정보의 너비 및 높이로 식별될 수 있다. 또는, 복호화된 특징 정보 내 복수의 특징 정보가 모두 동일한 너비 및 높이를 가지는 경우, 복호화된 특징 정보 내 인덱스로 특징 정보가 식별될 수도 있다.
다른 일 실시 예에서, 도 46 및 도 47을 참조하여 전술한 바와 같이, 복호화된 특징 정보가 특징 정보에 대한 부호화 포멧에 기반하여 역변환됨으로써 복수의 특징 정보가 획득될 수 있다. 예를들어, 복수의 특징 정보 중 적어도 하나의 타겟 특징 정보는 복호화된 특징 정보 내에서 타겟 특징 정보가 속한 특징 그룹의 인덱스 및 특징 그룹 내 특징 정보의 인덱스에 기반하여 식별될 수 있다.
여기서, 복호화된 특징 정보 내에서 타겟 특징 정보가 속한 특징 그룹의 인덱스는 도 46 및 도 47에서 설명된 CF 뎁스를 나타내는 인덱스일 수 있다. 그리고, 특징 그룹 내 특징 정보의 인덱스는 특정 CF 뎁스의 CG에서의 특징 정보를 나타내는 인덱스인 행과 열의 정보일 수 있다.
예를들어, 특징 정보 내에서 타겟 특징 정보가 속한 특징 그룹의 인덱스는 도 47의 CG[g][iNumr+row][jNumC+col]의 예에서 g일 수 있다. 특징 그룹 내 특징 정보의 인덱스는 도 47의 CG[g][iNumr+row][jNumC+col]의 예에서 iNumr 및 jNumC일 수 있다.
다른 일 실시 예에서, 도 48 및 도 49를 참조하여 전술한 바와 같이, 복수의 특징 정보들 내 동일한 좌표상에 있는 서브 정보들끼리 모아서 그룹화하는 것에 기반하여, 복호화된 특징 정보로부터 복수의 특징 정보가 식별될 수 있다. 예를들어, 복수의 특징 정보는 도 48 및 도 49의 설명에서 피쳐맵의 각 채널에 대응될 수 있다. 그리고, 복수의 특징 정보들 내 동일한 좌표상의 서브 정보는 도 48 및 도 49의 설명에서 피쳐맵의 각 채널에서 동일한 좌표상에 있는 픽셀들에 대응될 수 있다. 그리고, 복수의 특징 정보들 내 동일한 좌표상에 있는 서브 정보들끼리 모아서 그룹화하는 것은 도 48 및 도 49의 설명에서 복수의 픽셀 값들을 뽑아 블록으로 묶는 것에 대응될 수 있다. 그리고, 복호화된 특징 정보는 도 48 및 도 49의 설명에서 블록들을 인접하게 배치하여 생성된 CF에 대응될 수 있다.
다음으로, 부호화 장치의 동작을 설명한다. 일 실시 예에 따른 영상 부호화 장치는 메모리와 프로세서를 포함하며, 부호화 장치는 프로세서의 동작에 의하여 상기 복호화 장치의 복호화에 대응되는 방식으로 부호화를 수행할 수 있다. 예를들어, 도 54에 도시된 바와 같이, 부호화 장치는 인공 신경망 기반의 특징 추출 방법을 이용하여 입력 영상으로부터 특징 정보를 획득할 수 있다(S5410). 다음으로, 부호화 장치는 특징 정보에 기반하여 특징 정보의 부호화 정보를 생성할 수 있다(S5420). 전술한 복호화 장치의 동작에 대응하여, 부호화 장치는 특징 정보의 추상화 정보, 특징 정보의 관심 영역 및 특징 정보에 대한 부호화 포멧 중 어느 하나에 기반하여 부호화 정보를 생성할 수 있다.
예를들어, 일 실시 예에 따른 부호화 장치는 부호화 장치는 특징 정보를 추상화하여 추상화된 특징 정보를 생성할 수 있다. 그리고, 부호화 장치는 추상화된 특징 정보를 부호화 하여 비트스트림을 생성할 수 있다. 여기서, 특징 정보는 신경망 추상화 정보에 기반하여 추상화될 수 있다. 그리고, 신경망 추상화 정보 또한 부호화 되어 비트스트림에 포함될 수 있다.
일 실시 예에서, 추상화된 특징 정보의 부호화 데이터와 신경망 추상화 정보는 신경망 추상화 유닛 단위로 비트스트림에 포함될 수 있다. 이러한 경우, 신경망 추상화 정보는 전술한 바와 같이 신경망 추상화 유닛의 헤더에 포함될 수 있다.
또한, 일 실시 예에 따른 부호화 장치는 관심 영역에 기반하여 특징 정보를 부호화할 수 있다. 예를 들어, 부호화 장치는 특징 정보의 관심 영역을 선정하고, 관심 영역에 상응하는 특징 정보는 관심 영역에 대응하지 않는 특징 정보보다 많은 비트를 할당하여 부호화할 수 있다. 또한, 부호화 장치는 관심 영역에 대한 정보를 분석 임무와 영상내 관심 영역의 개수에 기반하여 시그널링할 수도 있다. 이를 위하여, 부호화 장치는 관심 영역에 대한 정보를 부호화 함에 있어 영상의 분석 임무에 대한 정보를 추가적으로 부호화할 수 있고, 분석 임무마다 관심 영역의 개수에 대한 정보를 부호화할 수 있으며, 관심 영역의 개수에 기반하여 관심 영역에 대한 정보와 그에 대한 특징 정보를 부호화할 수 있다.
또한, 일 실시 예에 따른 부호화 장치는 부호화 포멧에 기반하여 특징 정보를 변환한 후, 변환된 특징 정보를 부호화할 수 있다. 특징 정보의 변환은 특징 정보에 대한 부호화 포멧에 기반하여 수행될 수 있다. 이를 위하여, 도 43 내지 도 49를 참조하여 설명된 특징 정보의 부호화 포멧과 그에 따른 부호화 방법이 앞서 복호화 방법에 대응되도록 적용될 수 있다.
응용 실시예
본 개시의 예시적인 방법들은 설명의 명확성을 위해서 동작의 시리즈로 표현되어 있지만, 이는 단계가 수행되는 순서를 제한하기 위한 것은 아니며, 필요한 경우에는 각각의 단계가 동시에 또는 상이한 순서로 수행될 수도 있다. 본 개시에 따른 방법을 구현하기 위해서, 예시하는 단계에 추가적으로 다른 단계를 포함하거나, 일부의 단계를 제외하고 나머지 단계를 포함하거나, 또는 일부의 단계를 제외하고 추가적인 다른 단계를 포함할 수도 있다.
본 개시에 있어서, 소정의 동작(단계)을 수행하는 영상 부호화 장치 또는 영상 복호화 장치는 해당 동작(단계)의 수행 조건이나 상황을 확인하는 동작(단계)을 수행할 수 있다. 예컨대, 소정의 조건이 만족되는 경우 소정의 동작을 수행한다고 기재된 경우, 영상 부호화 장치 또는 영상 복호화 장치는 상기 소정의 조건이 만족되는지 여부를 확인하는 동작을 수행한 후, 상기 소정의 동작을 수행할 수 있다.
본 개시의 다양한 실시예는 모든 가능한 조합을 나열한 것이 아니고 본 개시의 대표적인 양상을 설명하기 위한 것이며, 다양한 실시예에서 설명하는 사항들은 독립적으로 적용되거나 또는 둘 이상의 조합으로 적용될 수도 있다.
또한, 본 개시의 다양한 실시예는 하드웨어, 펌웨어(firmware), 소프트웨어, 또는 그들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 하나 또는 그 이상의 ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), FPGAs(Field Programmable Gate Arrays), 범용 프로세서(general processor), 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
또한, 본 개시의 실시예가 적용된 영상 복호화 장치 및 영상 부호화 장치는 멀티미디어 방송 송수신 장치, 모바일 통신 단말, 홈 시네마 비디오 장치, 디지털 시네마 비디오 장치, 감시용 카메라, 비디오 대화 장치, 비디오 통신과 같은 실시간 통신 장치, 모바일 스트리밍 장치, 저장 매체, 캠코더, 주문형 비디오(VoD) 서비스 제공 장치, OTT 비디오(Over the top video) 장치, 인터넷 스트리밍 서비스 제공 장치, 3차원(3D) 비디오 장치, VR(Virtual reality) 장치, AR(Augmented reality)장치, 화상 전화 비디오 장치, 운송 수단 단말(e.g. 자율주행차량을 포함하는 차량 단말, 로보트 단말, 비행기 단말, 선박 단말 등), 및 의료용 비디오 장치 등에 포함될 수 있으며, 비디오 신호 또는 데이터 신호를 처리하기 위해 사용될 수 있다. 예를 들어, OTT 비디오(Over the top video) 장치로는 게임 콘솔, 블루레이 플레이어, 인터넷 접속 TV, 홈시어터 시스템, 스마트폰, 태블릿 PC, DVR(Digital Video Recoder) 등을 포함할 수 있다.
도 55는 본 개시의 실시예가 적용될 수 있는 컨텐츠 스트리밍 시스템을 예시한 도면이다.
도 55에 도시된 바와 같이, 본 개시의 실시예가 적용된 컨텐츠 스트리밍 시스템은 크게 인코딩 서버, 스트리밍 서버, 웹 서버(인터커넥티드 시스템), 스토리지 서버(미디어 저장소), 사용자 장치 및 멀티미디어 입력 장치를 포함할 수 있다.
상기 인코딩 서버는 스마트폰, 카메라, 캠코더 등과 같은 멀티미디어 입력 장치들로부터 입력된 컨텐츠를 디지털 데이터로 압축하여 비트스트림을 생성하고 이를 상기 스트리밍 서버로 전송하는 역할을 한다. 다른 예로, 스마트폰, 카메라, 캠코더 등과 같은 멀티미디어 입력 장치들이 비트스트림을 직접 생성하는 경우, 상기 인코딩 서버는 생략될 수 있다.
상기 비트스트림은 본 개시의 실시예가 적용된 영상 부호화 방법 및/또는 영상 부호화 장치에 의해 생성될 수 있고, 상기 스트리밍 서버는 상기 비트스트림을 전송 또는 수신하는 과정에서 일시적으로 상기 비트스트림을 저장할 수 있다.
상기 스트리밍 서버는 웹 서버를 통한 사용자 요청에 기반하여 멀티미디어 데이터를 사용자 장치에 전송하고, 상기 웹 서버는 사용자에게 어떠한 서비스가 있는지를 알려주는 매개체 역할을 할 수 있다. 사용자가 상기 웹 서버에 원하는 서비스를 요청하면, 상기 웹 서버는 이를 스트리밍 서버에 전달하고, 상기 스트리밍 서버는 사용자에게 멀티미디어 데이터를 전송할 수 있다. 이때, 상기 컨텐츠 스트리밍 시스템은 별도의 제어 서버를 포함할 수 있고, 이 경우 상기 제어 서버는 상기 컨텐츠 스트리밍 시스템 내 각 장치 간 명령/응답을 제어하는 역할을 수행할 수 있다.
상기 스트리밍 서버는 미디어 저장소 및/또는 인코딩 서버로부터 컨텐츠를 수신할 수 있다. 예를 들어, 상기 인코딩 서버로부터 컨텐츠를 수신하는 경우, 상기 컨텐츠를 실시간으로 수신할 수 있다. 이 경우, 원활한 스트리밍 서비스를 제공하기 위하여 상기 스트리밍 서버는 상기 비트스트림을 일정 시간동안 저장할 수 있다.
상기 사용자 장치의 예로는, 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)), 디지털 TV, 데스크탑 컴퓨터, 디지털 사이니지 등이 있을 수 있다.
상기 컨텐츠 스트리밍 시스템 내 각 서버들은 분산 서버로 운영될 수 있으며, 이 경우 각 서버에서 수신하는 데이터는 분산 처리될 수 있다.
도 56은 본 개시의 실시예가 적용된 컨텐츠 스트리밍 시스템의 일 실시 예를 도시하는 도면이다. VCM과 같은 실시 예에서, 기기의 성능, 사용자의 요청, 수행하고자 하는 임무의 특성등에 따라 사용자 단말에서 임무를 수행할 수도 있고 외부 기기(e.g. 스트리밍 서버, 분석 서버 등)에서 임무를 수행할 수도 있다. 이와 같이, 임무수행에 필요한 정보를 외부 기기에게 전송을 하기 위해서, 사용자 단말은 임무 수행에 필요한 정보(e.g. 임무, 신경망 네트워크 및/또는 용도와 같은 정보)를 포함하는 비트스트림을 직접 또는 인코딩 서버를 통해 생성할 수 있다.
일 실시 예에서, 분석 서버는 사용자 단말로부터(또는 인코딩 서버로부터) 전송받은 부호화된 정보를 복호화한 후, 사용자 단말의 요청 임무를 수행할 수 있다. 이 때, 분석 서버는 임무 수행을 통해 얻은 결과를 사용자 단말에게 다시 전송하거나 연계된 다른 서비스 서버(e.g. 웹서버)에 전송할 수 있다. 예를 들어, 분석 서버는 화재를 판별하는 임무를 수행하여 얻은 결과를 소방 관련 서버에게 전송할 수 있다. 이때, 분석 서버는 별도의 제어 서버를 포함할 수 있고, 이 경우 상기 제어 서버는 분석 서버와 연관된 각 장치와 서버 간 명령/응답을 제어하는 역할을 할 수 있다. 또한, 상기 분석 서버는 사용자 기기가 수행하고자 하는 임무와 수행할 수 있는 임무 정보를 기반으로 웹 서버에게 원하는 정보를 요청할 수도 있다. 분석 서버가 상기 웹 서버에 원하는 서비스를 요청하면, 상기 웹 서버는 이를 분석 서버에 전달하고, 상기 분석 서버는 사용자 단말에게 그에 대한 데이터를 전송할 수 있다. 이때, 상기 컨텐츠 스트리밍 시스템의 제어 서버는 상기 스트리밍 시스템 내 각 장치 간 명령/응답을 제어하는 역할을 수행할 수 있다.본 개시의 범위는 다양한 실시예의 방법에 따른 동작이 장치 또는 컴퓨터 상에서 실행되도록 하는 소프트웨어 또는 머신-실행가능한 명령들(예를 들어, 운영체제, 애플리케이션, 펌웨어(firmware), 프로그램 등), 및 이러한 소프트웨어 또는 명령 등이 저장되어 장치 또는 컴퓨터 상에서 실행 가능한 비-일시적 컴퓨터-판독가능 매체(non-transitory computer-readable medium)를 포함한다
본 개시에 따른 실시예는 영상을 부호화/복호화하는데 이용될 수 있다.

Claims (15)

  1. 영상에 인공 신경망 기반의 특징 추출 방법을 적용하여 생성된 특징 정보의 부호화 데이터를 비트스트림으로부터 획득하는 단계;
    상기 특징 정보의 부호화 데이터를 복호화 하여 특징 정보를 복원하는 단계; 및
    상기 특징 정보에 기반하여 상기 영상의 분석 데이터를 생성하는 단계를 포함하고,
    상기 특징 정보는 상기 특징 정보의 추상화 정보, 상기 특징 정보의 관심 영역 및 상기 특징 정보에 대한 부호화 포멧 중 어느 하나에 기반하여 복원되는 영상 복호화 방법.
  2. 제1항에 있어서,
    상기 특징 정보를 복원하는 단계는,
    상기 특징 정보의 부호화 데이터를 복호화 하여 복호화된 특징 정보를 획득하는 단계; 및
    상기 복호화된 특징 정보를 구체화하여 구체화된 특징 정보를 생성하는 단계를 포함하는 영상 복호화 방법.
  3. 제2항에 있어서,
    상기 복호화된 특징 정보는 부호화 과정에서 신경망 추상화 정보에 기반하여 추상화된 특징 정보이고,
    상기 특징 정보의 구체화는 상기 복호화된 특징 정보 및 상기 신경망 추상화 정보에 기반하여 수행되는 영상 복호화 방법.
  4. 제1항에 있어서,
    상기 신경망 추상화 정보는 비트스트림으로부터 획득되는 영상 복호화 방법.
  5. 제1항에 있어서,
    상기 특징 정보의 부호화 데이터와 상기 신경망 추상화 정보는 신경망 추상화 유닛 단위로 상기 비트스트림으로부터 획득되며,
    상기 신경망 추상화 정보는 상기 신경망 추상화 유닛의 헤더에 포함되는 영상 복호화 방법.
  6. 제1항에 있어서,
    상기 영상의 분석 임무에 대한 정보가 상기 비트스트림으로부터 획득되고,
    상기 특징 정보의 관심 영역에 대한 정보는 상기 영상의 분석 임무에 대한 정보에 기반하여 상기 비트스트림으로부터 획득되는 영상 복호화 방법.
  7. 제1항에 있어서,
    상기 영상 중 관심 영역의 개수에 대한 정보가 상기 비트스트림으로부터 획득되고,
    상기 특징 정보의 관심 영역에 대한 정보는 상기 영상 중 관심 영역의 개수에 대한 정보에 기반하여 상기 비트스트림으로부터 획득되는 영상 복호화 방법.
  8. 제1항에 있어서,
    상기 특징 정보의 관심 영역은 영상에서 식별된 객체의 좌표, 상기 영상의 해상도 및 상기 영상에서 추출된 특징 정보의 해상도에 기반하여 결정되는 영상 복호화 방법.
  9. 제1항에 있어서,
    상기 특징 정보를 복원하는 단계는,
    상기 특징 정보의 부호화 데이터를 복호화하여 복호화된 특징 정보를 획득하는 단계; 및
    상기 복호화된 특징 정보를 상기 특징 정보에 대한 부호화 포멧에 기반하여 역변환함으로써 특징정보를 복원하는 단계를 포함하고,
    상기 복호화된 특징 정보는 부호화 과정에서 상기 특징 정보에 대한 부호화 포멧에 기반하여 변환된 특징 정보이고,
    상기 특징 정보의 역변환은 상기 복호화된 특징 정보 및 상기 특징 정보에 대한 부호화 포멧에 기반하여 수행되는 영상 복호화 방법.
  10. 제9항에 있어서,
    상기 복호화된 특징 정보가 상기 특징 정보에 대한 부호화 포멧에 기반하여 역변환됨으로써 복수의 특징 정보가 획득되고,
    상기 복수의 특징 정보 중 적어도 하나의 타겟 특징 정보는 상기 복호화된 특징 정보 내에서 상기 타겟 특징 정보의 좌표 및 크기 정보에 기반하여 식별되는 영상 복호화 방법.
  11. 제9항에 있어서,
    상기 복호화된 특징 정보가 상기 특징 정보에 대한 부호화 포멧에 기반하여 역변환됨으로써 복수의 특징 정보가 획득되고,
    상기 복수의 특징 정보 중 적어도 하나의 타겟 특징 정보는 상기 복호화된 특징 정보 내에서 상기 타겟 특징 정보가 속한 특징 그룹의 인덱스 및 상기 특징 그룹 내 특징 정보의 인덱스에 기반하여 식별되는 영상 복호화 방법.
  12. 제1항에 있어서,
    상기 특징 정보는 인덱스에 기반하여 식별되는 복수의 서브 정보를 포함하고,
    동일한 인덱스에 의하여 식별되는 서브 정보를 그룹화 하는 것에 기반하여 상기 복호화된 특징 정보로부터 복수의 특징 정보가 식별되는 영상 복호화 방법.
  13. 메모리 및 적어도 하나의 프로세서를 포함하는 영상 복호화 장치로서,
    상기 적어도 하나의 프로세서는,
    영상에 인공 신경망 기반의 특징 추출 방법을 적용하여 생성된 특징 정보의 부호화 데이터를 비트스트림으로부터 획득하고,
    상기 특징 정보의 부호화 데이터를 복호화 하여 특징 정보를 복원하고,
    상기 특징 정보에 기반하여 상기 영상의 분석 데이터를 생성하되,
    상기 특징 정보는 상기 특징 정보의 추상화 정보, 상기 특징 정보의 관심 영역 및 상기 특징 정보에 대한 부호화 포멧 중 어느 하나에 기반하여 복원되는 영상 복호화 장치.
  14. 인공 신경망 기반의 특징 추출 방법을 이용하여 입력 영상으로부터 특징 정보를 획득하는 단계; 및
    상기 특징 정보에 기반하여 상기 특징 정보의 부호화 정보를 생성하는 단계를 포함하고,
    상기 부호화 정보는 상기 특징 정보의 추상화 정보, 상기 특징 정보의 관심 영역 및 상기 특징 정보에 대한 부호화 포멧 중 어느 하나에 기반하여 생성되는 영상 부호화 방법.
  15. 컴퓨터로 읽을 수 있는 기록 매체에 있어서, 상기 기록 매체에는 복호화 장치가 제 1 항의 복호화 방법을 수행하도록 야기하는 비트스트림이 저장된 기록 매체.
PCT/KR2021/002509 2020-02-28 2021-02-26 영상 특징 정보 시그널링을 위한 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법 WO2021172956A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020227033362A KR20220147641A (ko) 2020-02-28 2021-02-26 영상 특징 정보 시그널링을 위한 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
US17/799,154 US11838519B2 (en) 2020-02-28 2021-02-26 Image encoding/decoding method and apparatus for signaling image feature information, and method for transmitting bitstream

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
KR20200025476 2020-02-28
KR10-2020-0025476 2020-02-28
KR20200028127 2020-03-06
KR10-2020-0028127 2020-03-06
KR10-2020-0035995 2020-03-25
KR20200035995 2020-03-25

Publications (1)

Publication Number Publication Date
WO2021172956A1 true WO2021172956A1 (ko) 2021-09-02

Family

ID=77490288

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/002509 WO2021172956A1 (ko) 2020-02-28 2021-02-26 영상 특징 정보 시그널링을 위한 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법

Country Status (3)

Country Link
US (1) US11838519B2 (ko)
KR (1) KR20220147641A (ko)
WO (1) WO2021172956A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11410275B2 (en) * 2019-09-23 2022-08-09 Tencent America LLC Video coding for machine (VCM) based system and method for video super resolution (SR)
WO2023081091A3 (en) * 2021-11-04 2023-06-22 Op Solutions, Llc Systems and methods for motion information transfer from visual to feature domain

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210093891A (ko) * 2018-12-18 2021-07-28 엘지전자 주식회사 이차 변환에 기반한 영상 코딩 방법 및 그 장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101982436B1 (ko) * 2018-02-05 2019-05-24 이화여자대학교 산학협력단 결합 정보를 포함하는 영상 데이터에 대한 디코딩 방법 및 결합 정보를 포함하는 영상 데이터를 인코딩 하는 방법
US20190171929A1 (en) * 2016-08-04 2019-06-06 Google Llc Encoding and reconstructing inputs using neural networks
US10419773B1 (en) * 2018-03-22 2019-09-17 Amazon Technologies, Inc. Hybrid learning for adaptive video grouping and compression
KR20200005402A (ko) * 2018-07-05 2020-01-15 (주)인시그널 도구 단위의 dnn 기반 이미지 또는 비디오 코딩을 위한 시스템 및 방법

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060059510A1 (en) * 2004-09-13 2006-03-16 Huang Jau H System and method for embedding scene change information in a video bitstream
KR101255226B1 (ko) * 2005-09-26 2013-04-16 한국과학기술원 스케일러블 비디오 코딩에서 다중 ｒｏｉ 설정, 복원을위한 장치 및 방법
CN108882020B (zh) * 2017-05-15 2021-01-01 北京大学 一种视频信息处理方法、装置及系统
CN111373751B (zh) * 2017-08-10 2023-02-28 夏普株式会社 图像滤波装置、图像解码装置以及图像编码装置
CN112673625A (zh) * 2018-09-10 2021-04-16 华为技术有限公司 混合视频以及特征编码和解码
US10956727B1 (en) * 2019-09-11 2021-03-23 Sap Se Handwritten diagram recognition using deep learning models
WO2021178643A1 (en) * 2020-03-04 2021-09-10 Videopura Llc An encoding device and method for utility-driven video compression

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190171929A1 (en) * 2016-08-04 2019-06-06 Google Llc Encoding and reconstructing inputs using neural networks
KR101982436B1 (ko) * 2018-02-05 2019-05-24 이화여자대학교 산학협력단 결합 정보를 포함하는 영상 데이터에 대한 디코딩 방법 및 결합 정보를 포함하는 영상 데이터를 인코딩 하는 방법
US10419773B1 (en) * 2018-03-22 2019-09-17 Amazon Technologies, Inc. Hybrid learning for adaptive video grouping and compression
KR20200005402A (ko) * 2018-07-05 2020-01-15 (주)인시그널 도구 단위의 dnn 기반 이미지 또는 비디오 코딩을 위한 시스템 및 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "Use cases and draft requirements for Video Coding for Machines", ISO/IEC JTC 1/SC 29/WG 11, W18966, 17 January 2020 (2020-01-17), XP055841440, Retrieved from the Internet <URL:https://mpeg.chiariglione.org/standards/exploration/video-coding-machines/use-cases-and-draft-requirements-video-coding-machines> *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11410275B2 (en) * 2019-09-23 2022-08-09 Tencent America LLC Video coding for machine (VCM) based system and method for video super resolution (SR)
WO2023081091A3 (en) * 2021-11-04 2023-06-22 Op Solutions, Llc Systems and methods for motion information transfer from visual to feature domain

Also Published As

Publication number Publication date
US11838519B2 (en) 2023-12-05
US20230085554A1 (en) 2023-03-16
KR20220147641A (ko) 2022-11-03

Similar Documents

Publication Publication Date Title
WO2020149648A1 (ko) 변환 스킵 플래그를 이용한 영상 코딩 방법 및 장치
WO2020246806A1 (ko) 매트릭스 기반 인트라 예측 장치 및 방법
WO2021177652A1 (ko) 피쳐 양자화/역양자화를 수행하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장하는 기록 매체
WO2021172956A1 (ko) 영상 특징 정보 시그널링을 위한 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
WO2020213946A1 (ko) 변환 인덱스를 이용하는 영상 코딩
WO2020213944A1 (ko) 영상 코딩에서 매트릭스 기반의 인트라 예측을 위한 변환
WO2020231140A1 (ko) 적응적 루프 필터 기반 비디오 또는 영상 코딩
WO2020050651A1 (ko) 다중 변환 선택에 기반한 영상 코딩 방법 및 그 장치
WO2020204413A1 (ko) 복원 픽처를 수정하는 비디오 또는 영상 코딩
WO2020213945A1 (ko) 인트라 예측 기반 영상 코딩에서의 변환
WO2020246805A1 (ko) 매트릭스 기반 인트라 예측 장치 및 방법
WO2020116961A1 (ko) 이차 변환에 기반한 영상 코딩 방법 및 그 장치
WO2021096172A1 (ko) 변환에 기반한 영상 코딩 방법 및 그 장치
WO2021086055A1 (ko) 변환에 기반한 영상 코딩 방법 및 그 장치
WO2021054807A1 (ko) 참조 샘플 필터링을 이용하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
WO2021040319A1 (ko) 비디오/영상 코딩 시스템에서 라이스 파라미터 도출 방법 및 장치
WO2021040410A1 (ko) 레지듀얼 코딩에 대한 영상 디코딩 방법 및 그 장치
WO2021040482A1 (ko) 적응적 루프 필터링 기반 영상 코딩 장치 및 방법
WO2021172912A1 (ko) 사인 데이터 하이딩 관련 영상 디코딩 방법 및 그 장치
WO2021040487A1 (ko) 영상 코딩 시스템에서 레지듀얼 데이터 코딩에 대한 영상 디코딩 방법 및 그 장치
WO2020256482A1 (ko) 변환에 기반한 영상 코딩 방법 및 그 장치
WO2020130581A1 (ko) 이차 변환에 기반한 영상 코딩 방법 및 그 장치
WO2021182816A1 (ko) 직사각형 슬라이스의 크기 정보를 선택적으로 부호화 하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
WO2021162494A1 (ko) 필터 가용 정보를 선택적으로 시그널링 하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
WO2021066609A1 (ko) 변환 스킵 및 팔레트 코딩 관련 고급 문법 요소 기반 영상 또는 비디오 코딩

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: 21761659

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20227033362

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21761659

Country of ref document: EP

Kind code of ref document: A1