WO2021235448A1 - 動画像符号化装置及び動画像復号装置 - Google Patents

動画像符号化装置及び動画像復号装置 Download PDF

Info

Publication number
WO2021235448A1
WO2021235448A1 PCT/JP2021/018844 JP2021018844W WO2021235448A1 WO 2021235448 A1 WO2021235448 A1 WO 2021235448A1 JP 2021018844 W JP2021018844 W JP 2021018844W WO 2021235448 A1 WO2021235448 A1 WO 2021235448A1
Authority
WO
WIPO (PCT)
Prior art keywords
flag
reference picture
sps
prediction
rpl
Prior art date
Application number
PCT/JP2021/018844
Other languages
English (en)
French (fr)
Inventor
健 中條
知宏 猪飼
友子 青野
瑛一 佐々木
知典 橋本
天洋 周
将伸 八杉
Original Assignee
シャープ株式会社
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 シャープ株式会社 filed Critical シャープ株式会社
Priority to CN202180037420.5A priority Critical patent/CN115699766A/zh
Priority to JP2022524496A priority patent/JPWO2021235448A5/ja
Priority to US17/925,042 priority patent/US20230188706A1/en
Publication of WO2021235448A1 publication Critical patent/WO2021235448A1/ja

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
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/174—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a slice, e.g. a line of blocks or a group of blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/46—Embedding additional information in the video signal during the compression process
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H04N19/517—Processing of motion vectors by encoding
    • H04N19/52—Processing of motion vectors by encoding by predictive encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/573—Motion compensation with multiple frame prediction using two or more reference frames in a given prediction direction

Definitions

  • the embodiment of the present invention relates to a moving image coding device and a moving image decoding device.
  • a moving image coding device that generates coded data by encoding the moving image, and a moving image that generates a decoded image by decoding the coded data.
  • An image decoding device is used.
  • the moving image coding method include H.264 / AVC and H.265 / HEVC (High-Efficiency Video Coding) method.
  • the image (picture) constituting the moving image is a slice obtained by dividing the image and a coding tree unit (CTU: Coding Tree Unit) obtained by dividing the slice. ), A coding unit obtained by dividing a coding tree unit (sometimes called a coding unit (CU)), and a conversion unit obtained by dividing a coding unit (TU:). It is managed by a hierarchical structure consisting of TransformUnit), and is encoded / decoded for each CU.
  • CTU Coding Tree Unit
  • a predicted image is usually generated based on a locally decoded image obtained by encoding / decoding an input image, and the predicted image is obtained from the input image (original image).
  • the prediction error obtained by subtraction (sometimes referred to as a "difference image” or "residual image") is encoded.
  • Examples of the method for generating a prediction image include inter-screen prediction (inter-prediction) and in-screen prediction (intra-prediction).
  • Non-Patent Document 1 is mentioned as a recent moving image coding and decoding technique.
  • Non-Patent Document 1 a method of registering a plurality of reference picture lists for each list and referencing them with a picture header or a slice header is adopted.
  • Non-Patent Document 1 has a defect in the syntax and semantics for defining the reference picture list, and when two reference picture lists are selected with one index value, the number of the two reference picture list structures is used. , There is a problem that the reference picture list becomes indefinite.
  • the moving image decoding apparatus is predicted to decode a reference picture list structure including a plurality of reference picture lists and select two reference picture lists from the reference picture list structure in picture units or slice units. It is characterized in that it has a unit, and the prediction unit selects two reference picture lists with one index value according to the number of two reference picture list structures.
  • the moving image coding apparatus encodes a reference picture list structure including a plurality of reference picture lists, and selects two reference picture lists from the reference picture list structure in picture units or slice units. It has a prediction unit, and is characterized in that the prediction unit selects two reference picture lists with one index value according to the number of two reference picture list structures.
  • PROD_A indicates a transmitting device equipped with a moving image coding device
  • PROD_B indicates a receiving device equipped with a moving image decoding device.
  • PROD_C indicates a recording device equipped with a moving image coding device
  • PROD_D indicates a playback device equipped with a moving image decoding device.
  • SPS Sequence Parameter Set
  • PPS Picture Parameter Set
  • ref_pic_lists which defines a reference picture list
  • ref_pic_list_struct listIdx, rplsIdx
  • FIG. 1 is a schematic diagram showing the configuration of the image transmission system 1 according to the present embodiment.
  • the image transmission system 1 is a system that transmits a coded stream in which images of different resolutions whose resolutions have been converted are encoded, decodes the transmitted coded stream, and reversely converts the image to the original resolution and displays the image. ..
  • the image transmission system 1 includes a resolution conversion device (resolution conversion unit) 51, a moving image coding device (image coding device) 11, a network 21, a moving image decoding device (image decoding device) 31, and a resolution inverse conversion device (resolution reverse).
  • the conversion unit) 61 and the moving image display device (image display device) 41 are included.
  • the resolution conversion device 51 converts the resolution of the image T included in the moving image, and supplies the variable resolution moving image signal including the images having different resolutions to the image coding device 11. Further, the resolution conversion device 51 supplies information indicating the presence / absence of resolution conversion of the image to the moving image coding device 11. When the information indicates resolution conversion, the moving image coding apparatus sets the resolution conversion information ref_pic_resampling_enabled_flag, which will be described later, to 1, and encodes the coded data by including it in the sequence parameter set SPS (SequenceParameterSet).
  • SPS SequenceParameterSet
  • the image T whose resolution has been converted is input to the moving image coding device 11.
  • the network 21 transmits the coded stream Te generated by the video coding device 11 to the video decoding device 31.
  • the network 21 is an Internet (Internet), a wide area network (WAN: Wide Area Network), a small-scale network (LAN: Local Area Network), or a combination thereof.
  • the network 21 is not necessarily limited to a two-way communication network, but may be a one-way communication network that transmits broadcast waves such as terrestrial digital broadcasting and satellite broadcasting. Further, the network 21 may be replaced with a storage medium on which a coded stream Te such as a DVD (Digital Versatile Disc: registered trademark) or BD (Blue-ray Disc: registered trademark) is recorded.
  • the moving image decoding device 31 decodes each of the coded streams Te transmitted by the network 21, generates a variable resolution decoded image signal, and supplies the variable resolution decoded image signal to the resolution inverse conversion device 61.
  • the resolution inverse conversion device 61 When the resolution conversion information included in the variable resolution decoded image signal indicates resolution conversion, the resolution inverse conversion device 61 generates an original size decoded image signal by inversely converting the resolution-converted image.
  • the moving image display device 41 displays all or a part of one or a plurality of decoded images Td indicated by the decoded image signals input from the reverse resolution conversion unit.
  • the moving image display device 41 includes, for example, a display device such as a liquid crystal display or an organic EL (Electro-luminescence) display. Examples of the display form include stationary, mobile, and HMD. Further, when the moving image decoding device 31 has high processing power, a high-quality image is displayed, and when it has only lower processing power, a high processing power and an image that does not require display power are displayed. ..
  • X? Y: z is a ternary operator that takes y when x is true (other than 0) and z when x is false (0).
  • Abs (a) is a function that returns the absolute value of a.
  • Int (a) is a function that returns an integer value of a.
  • Floor (a) is a function that returns the largest integer less than or equal to a.
  • Ceil (a) is a function that returns the smallest integer greater than or equal to a.
  • a / d represents the division of a by d (rounded down to the nearest whole number).
  • Min (a, b) represents the smaller value of a and b.
  • FIG. 4 is a diagram showing a hierarchical structure of data in the coded stream Te.
  • the coded stream Te typically includes a sequence and a plurality of pictures constituting the sequence.
  • FIG. 4 includes a coded video sequence that defines the sequence SEQ, a coded picture that defines the picture PICT, a coded slice that defines the slice S, a coded slice data that defines the slice data, and a coded slice data.
  • a diagram showing a coded tree unit and a coded unit included in the coded tree unit is shown.
  • the coded video sequence defines a set of data referred to by the moving image decoding device 31 in order to decode the sequence SEQ to be processed.
  • the sequence SEQ includes a video parameter set VPS (Video Parameter Set), a sequence parameter set SPS (Sequence Parameter Set), a picture parameter set PPS (Picture Parameter Set), an adaptation parameter set (APS), and a picture PICT.
  • VPS Video Parameter Set
  • SPS Sequence Parameter Set
  • PPS Picture Parameter Set
  • APS adaptation parameter set
  • SEI Supplemental Enhancement Information
  • the video parameter set VPS is a set of coding parameters common to a plurality of moving images in a moving image composed of a plurality of layers, and a set of coding parameters related to the multiple layers included in the moving image and individual layers.
  • the set is defined.
  • the sequence parameter set SPS defines a set of coding parameters that the moving image decoding device 31 refers to in order to decode the target sequence. For example, the width and height of the picture are specified. There may be a plurality of SPS. In that case, select one of multiple SPS from PPS.
  • the coded picture defines a set of data referred to by the moving image decoding device 31 in order to decode the picture PICT to be processed.
  • the picture PICT includes the picture header PH and slices 0 to NS-1 (NS is the total number of slices contained in the picture PICT).
  • the coded slice defines a set of data referred to by the moving image decoding device 31 in order to decode the slice S to be processed.
  • the slice contains a slice header and slice data as shown in FIG.
  • the slice header contains a group of coding parameters referred to by the moving image decoding device 31 to determine the decoding method of the target slice.
  • the slice type specification information (slice_type) that specifies the slice type is an example of the coding parameter included in the slice header.
  • I slice that uses only intra prediction at the time of coding (2) simple prediction (L0 prediction) at the time of coding, or intra prediction is used.
  • Examples include P-slice, (3) simple prediction (L0 prediction using only reference picture list 0 or L1 prediction using only reference picture list 1), double prediction, or B-slice using intra prediction at the time of encoding. ..
  • the inter-prediction is not limited to single prediction and bi-prediction, and a prediction image may be generated using more reference pictures.
  • P and B slices they refer to slices containing blocks for which inter-prediction can be used.
  • the slice header may include a reference (pic_parameter_set_id) to the picture parameter set PPS.
  • the coded slice data defines a set of data referred to by the moving image decoding device 31 in order to decode the slice data to be processed.
  • the slice data contains a CTU, as shown in the coded slice header of FIG.
  • a CTU is a block of fixed size (for example, 64x64) that constitutes a slice, and is sometimes called a maximum coding unit (LCU).
  • FIG. 4 defines a set of data referred to by the moving image decoding device 31 in order to decode the CTU to be processed.
  • CTU is encoded by recursive quadtree division (QT (Quad Tree) division), binary tree division (BT (Binary Tree) division) or ternary tree division (TT (Ternary Tree) division). It is divided into a coding unit CU, which is a basic unit.
  • the BT division and the TT division are collectively called a multi-tree division (MT (Multi Tree) division).
  • MT Multi Tree
  • a node having a tree structure obtained by recursive quadtree division is called a coding node.
  • the intermediate nodes of the quadtree, binary, and ternary tree are coded nodes, and the CTU itself is defined as the highest level coded node.
  • CT has a CU division flag (split_cu_flag) indicating whether or not to perform CT division, a QT division flag (qt_split_cu_flag) indicating whether or not to perform QT division, and an MT division direction (MT division direction) indicating the division direction of MT division.
  • mtt_split_cu_vertical_flag MT division type indicating the division type of MT division
  • split_cu_flag, qt_split_cu_flag, mtt_split_cu_vertical_flag, mtt_split_cu_binary_flag are transmitted for each coding node.
  • the tree type is indicated by treeType.
  • treeType SINGLE_TREE.
  • DUAL_TREE_LUMA DUAL_TREE_LUMA
  • DUAL_TREE_CHROMA DUAL_TREE_CHROMA
  • FIG. 4 defines a set of data referred to by the moving image decoding device 31 in order to decode the coding unit to be processed.
  • the CU is composed of a CU header CUH, a prediction parameter, a conversion parameter, a quantization conversion coefficient, and the like.
  • the prediction mode etc. are specified in the CU header.
  • Prediction processing may be performed in CU units or in sub-CU units that are further divided CUs. If the size of the CU and the sub CU are equal, there is only one sub CU in the CU. If the CU is larger than the size of the sub CU, the CU is split into sub CUs. For example, if the CU is 8x8 and the sub CU is 4x4, the CU is divided into four sub-CUs consisting of two horizontal divisions and two vertical divisions.
  • Intra prediction refers to prediction within the same picture
  • inter prediction refers to prediction processing performed between pictures different from each other (for example, between display times and between layer images).
  • the conversion / quantization process is performed in CU units, but the quantization conversion coefficient may be entropy-coded in subblock units such as 4x4.
  • Prediction parameters The prediction image is derived from the prediction parameters associated with the block. Prediction parameters include intra-prediction and inter-prediction prediction parameters.
  • the prediction parameters of inter-prediction will be described below.
  • the inter-prediction parameters are composed of the prediction list utilization flags predFlagL0 and predFlagL1, the reference picture indexes refIdxL0 and refIdxL1, and the motion vectors mvL0 and mvL1.
  • predFlagL0 and predFlagL1 are flags indicating whether or not the reference picture list (L0 list, L1 list) is used, and the reference picture list corresponding to the case where the value is 1 is used.
  • the syntax elements for deriving the inter-prediction parameters include, for example, the affine flag affine_flag used in merge mode, the merge flag merge_flag, the merge index merge_idx, the MMVD flag mmvd_flag, and the inter-prediction identifier for selecting the reference picture used in AMVP mode.
  • inter_pred_idc reference picture index refIdxLX
  • prediction vector index mvp_LX_idx for deriving motion vector
  • difference vector mvdLX motion vector accuracy mode amvr_mode.
  • the reference picture list is a list of reference pictures stored in the reference picture memory 306.
  • FIG. 5 is a conceptual diagram showing an example of a reference picture and a reference picture list.
  • the rectangle is the picture
  • the arrow is the reference relationship of the picture
  • the horizontal axis is the time
  • I, P, and B in the rectangle are the intra picture, the single prediction picture, and the bi prediction picture, respectively.
  • the numbers in the rectangle indicate the decoding order.
  • the decoding order of the pictures is I0, P1, B2, B3, B4, and the display order is I0, B3, B2, B4, P1.
  • FIG. 5 shows an example of a reference picture list of picture B3 (target picture).
  • the reference picture list is a list representing candidates for reference pictures, and one picture (slice) may have one or more reference picture lists.
  • the target picture B3 has a reference picture list of the L0 list RefPicList0 and the L1 list RefPicList1.
  • LX is a description method used when the L0 prediction and the L1 prediction are not distinguished.
  • the parameters for the L0 list and the parameters for the L1 list are distinguished by replacing LX with L0 and L1.
  • Prediction parameter decoding (encoding) methods include merge prediction (merge) mode and AMVP (Advanced Motion Vector Prediction) mode, and merge_flag is a flag for identifying these.
  • the merge prediction mode is a mode in which the prediction list usage flag predFlagLX, the reference picture index refIdxLX, and the motion vector mvLX are not included in the coded data, but are derived from the prediction parameters of the neighboring blocks that have already been processed.
  • AMVP mode is a mode that includes inter_pred_idc, refIdxLX, and mvLX in the coded data.
  • mvLX is encoded as mvp_LX_idx that identifies the prediction vector mvpLX and the difference vector mvdLX.
  • merge prediction mode there may be an affine prediction mode and an MMVD prediction mode.
  • Inter_pred_idc is a value indicating the type and number of reference pictures, and takes one of PRED_L0, PRED_L1, and PRED_BI.
  • PRED_L0 and PRED_L1 indicate a simple prediction using one reference picture managed by the L0 list and the L1 list, respectively.
  • PRED_BI shows a bi-prediction using two reference pictures managed by the L0 list and the L1 list.
  • Merge_idx is an index indicating which of the prediction parameter candidates (merge candidates) derived from the block for which processing has been completed is used as the prediction parameter of the target block.
  • mvLX indicates the amount of shift between blocks on two different pictures.
  • the prediction vector and difference vector related to mvLX are called mvpLX and mvdLX, respectively.
  • inter_pred_idc and prediction list usage flag predFlagLX The relationship between inter_pred_idc and predFlagL0 and predFlagL1 is as follows and can be converted to each other.
  • the prediction list use flag may be used, or the inter-prediction identifier may be used. Further, the determination using the prediction list utilization flag may be replaced with the determination using the inter-prediction identifier. On the contrary, the determination using the inter-prediction identifier may be replaced with the determination using the prediction list utilization flag.
  • the bipred flag biPred can be derived depending on whether the two prediction list usage flags are both 1. For example, it can be derived by the following formula.
  • biPred can also be derived by whether or not the inter-prediction identifier is a value indicating that two prediction lists (reference pictures) are used. For example, it can be derived by the following formula.
  • the configuration of the moving image decoding device 31 (FIG. 6) according to the present embodiment will be described.
  • the moving image decoding device 31 includes an entropy decoding unit 301, a parameter decoding unit (predicted image decoding device) 302, a loop filter 305, a reference picture memory 306, a predicted parameter memory 307, a predicted image generation unit (predicted image generator) 308, and a reverse. It includes a quantization / inverse conversion unit 311, an addition unit 312, and a prediction parameter derivation unit 320. In addition, in accordance with the moving image coding device 11 described later, there is also a configuration in which the moving image decoding device 31 does not include the loop filter 305.
  • the parameter decoding unit 302 further includes a header decoding unit 3020, a CT information decoding unit 3021, and a CU decoding unit 3022 (prediction mode decoding unit), and the CU decoding unit 3022 further includes a TU decoding unit 3024. These may be collectively called a decoding module.
  • the header decoding unit 3020 decodes the parameter set information such as VPS, SPS, PPS, and APS, and the slice header (slice information) from the coded data.
  • the CT information decoding unit 3021 decodes the CT from the coded data.
  • the CU decoding unit 3022 decodes the CU from the coded data.
  • the TU decoding unit 3024 decodes the QP update information (quantization correction value) and the quantization prediction error (residual_coding) from the coded data when the TU contains a prediction error.
  • the TU decoding unit 3024 decodes the index mts_idx indicating the conversion basis from the coded data. Further, the TU decoding unit 3024 decodes the index stIdx indicating the use of the secondary conversion and the conversion basis from the coded data. When stIdx is 0, it indicates that the secondary conversion is not applied, when it is 1, it indicates the conversion of one of the set (pair) of the secondary conversion basis, and when it is 2, it indicates the conversion of the other of the above pairs.
  • the TU decoding unit 3024 may decode the subblock conversion flag cu_sbt_flag.
  • cu_sbt_flag is 1, the CU is divided into a plurality of subblocks, and the residual is decoded only in one specific subblock.
  • the TU decoding unit 3024 may decode the flag cu_sbt_quad_flag indicating whether the number of subblocks is 4 or 2, the cu_sbt_horizontal_flag indicating the division direction, and the cu_sbt_pos_flag indicating the subblock including the non-zero conversion coefficient. ..
  • the predicted image generation unit 308 includes an inter-predicted image generation unit 309 and an intra-predictive image generation unit 310.
  • the prediction parameter derivation unit 320 includes an inter-prediction parameter derivation unit 303 and an intra-prediction parameter derivation unit 304.
  • CTU and CU as the processing unit
  • processing is not limited to this example, and processing may be performed in sub-CU units.
  • CTU and CU may be read as blocks
  • sub-CUs may be read as sub-blocks
  • processing may be performed in units of blocks or sub-blocks.
  • the entropy decoding unit 301 performs entropy decoding on the coded stream Te input from the outside, and decodes each code (syntax element).
  • CABAC Context Adaptive Binary Arithmetic Coding
  • stores the CABAC state of the context the type of dominant symbol (0 or 1) and the probability state index pStateIdx that specifies the probability
  • the entropy decoding unit 301 initializes all CABAC states at the beginning of the segment (tile, CTU row, slice).
  • the entropy decoding unit 301 converts the syntax element into a binary string (BinString) and decodes each bit of the BinString.
  • BinString binary string
  • the context index ctxInc is derived for each bit of the syntax element, the bit is decoded using the context, and the CABAC state of the used context is updated. Bits that do not use context are decoded with equal probability (EP, bypass), and ctxInc derivation and CABAC state are omitted.
  • the decoded syntax elements include prediction information for generating a prediction image, prediction error for generating a difference image, and the like.
  • the entropy decoding unit 301 outputs the decoded code to the parameter decoding unit 302.
  • the decoded code is, for example, a prediction mode predMode, merge_flag, merge_idx, inter_pred_idc, refIdxLX, mvp_LX_idx, mvdLX, amvr_mode and the like.
  • the control of which code is decoded is performed based on the instruction of the parameter decoding unit 302.
  • FIG. 7 is a flowchart illustrating the schematic operation of the moving image decoding device 31.
  • Header decoding unit 3020 decodes parameter set information such as VPS, SPS, and PPS from the coded data.
  • Header decoding unit 3020 decodes the slice header (slice information) from the coded data.
  • the moving image decoding device 31 derives the decoded image of each CTU by repeating the processes of S1300 to S5000 for each CTU included in the target picture.
  • the CT information decoding unit 3021 decodes the CTU from the coded data.
  • the CT information decoding unit 3021 decodes the CT from the coded data.
  • the CU decoding unit 3022 executes S1510 and S1520 to decode the CU from the coded data.
  • the CU decoding unit 3022 decodes CU information, prediction information, TU division flag split_transform_flag, CU residual flag cbf_cb, cbf_cr, cbf_luma, etc. from the encoded data.
  • the TU decoding unit 3024 decodes the QP update information, the quantization prediction error, and the conversion index mts_idx from the coded data when the TU contains a prediction error.
  • the QP update information is a difference value from the quantized parameter predicted value qPpred, which is the predicted value of the quantized parameter QP.
  • the predicted image generation unit 308 generates a predicted image based on the predicted information for each block included in the target CU.
  • the inverse quantization / inverse transformation unit 311 executes the inverse quantization / inverse transformation processing for each TU included in the target CU.
  • the addition unit 312 decodes the target CU by adding the prediction image supplied by the prediction image generation unit 308 and the prediction error supplied by the inverse quantization / inverse conversion unit 311. Generate an image.
  • the loop filter 305 applies a loop filter such as a deblocking filter, SAO, and ALF to the decoded image to generate a decoded image.
  • a loop filter such as a deblocking filter, SAO, and ALF
  • FIG. 9 shows a schematic diagram showing the configuration of the inter-prediction parameter derivation unit 303 according to the present embodiment.
  • the inter-prediction parameter derivation unit 303 derives the inter-prediction parameter by referring to the prediction parameter stored in the prediction parameter memory 307 based on the syntax element input from the parameter decoding unit 302. Further, the inter-prediction parameter is output to the inter-prediction image generation unit 309 and the prediction parameter memory 307.
  • Inter-prediction parameter derivation unit 303 and its internal elements AMVP prediction parameter derivation unit 3032, merge prediction parameter derivation unit 3036, Affin prediction unit 30372, MMVD prediction unit 30373, GPM prediction unit 30377, DMVR unit 30537, MV addition unit 3038 Is a means common to the moving image coding device and the moving image decoding device, and may be collectively referred to as a motion vector derivation unit (motion vector derivation device).
  • the scale parameter derivation unit 30378 refers to the horizontal scaling ratio RefPicScale [i] [j] [0] of the reference picture, the vertical scaling ratio RefPicScale [i] [j] [1] of the reference picture, and the reference. Derive RefPicIsScaled [i] [j] to indicate whether the picture is scaled.
  • i indicates whether the reference picture list is an L0 list or an L1 list
  • j is derived as the value of the L0 reference picture list or the L1 reference picture list as follows.
  • the variable PicOutputWidthL is a value when calculating the horizontal scaling ratio when the coded picture is referenced, and is the number of pixels in the horizontal direction of the luminance of the coded picture minus the left and right offset values. Used.
  • the variable PicOutputHeightL is a value at which the scaling ratio in the vertical direction is calculated when the coded picture is referenced, and the value obtained by subtracting the vertical offset value from the number of pixels in the vertical direction of the brightness of the coded picture is used.
  • variable fRefWidth is the value of PicOutputWidthL of the reference picture of the reference picture list value j of the list i
  • variable fRefHight is the value of PicOutputHeightL of the reference picture of the reference picture list value j of the list i.
  • affine prediction unit 30372 derives the inter prediction parameter for each subblock.
  • the MMVD prediction unit 30373 derives the inter prediction parameter from the merge candidate and the difference vector derived by the merge prediction parameter derivation unit 3036.
  • the GPM prediction unit 30377 derives the GPM prediction parameters.
  • merge_flag When merge_flag is 1, that is, it indicates the merge prediction mode, merge_idx is derived and output to the merge prediction parameter derivation unit 3036.
  • AMVP prediction parameter derivation unit 3032 derives mvpLX from inter_pred_idc, refIdxLX or mvp_LX_idx.
  • MV addition part In the MV addition unit 3038, the derived mvpLX and mvdLX are added to derive mvLX.
  • the affine prediction unit 30372 1) derives the motion vectors of the two control points CP0, CP1 or three control points CP0, CP1, CP2 of the target block, and 2) derives the affine prediction parameters of the target block, 3).
  • the motion vector of each subblock is derived from the affine prediction parameters.
  • the motion vector cpMvLX [] of each control point CP0, CP1, CP2 is derived from the motion vector of the adjacent block of the target block.
  • cpMvLX [] of each control point is derived from the sum of the prediction vector of each control point CP0, CP1 and CP2 and the difference vector mvdCpLX [] derived from the coded data.
  • FIG. 10 shows a schematic diagram showing the configuration of the merge prediction parameter derivation unit 3036 according to the present embodiment.
  • the merge prediction parameter derivation unit 3036 includes a merge candidate derivation unit 30361 and a merge candidate selection unit 30362.
  • the merge candidate is configured to include prediction parameters (predFlagLX, mvLX, refIdxLX) and is stored in the merge candidate list.
  • the merge candidates stored in the merge candidate list are indexed according to a predetermined rule.
  • the merge candidate derivation unit 30361 derives the merge candidate using the motion vector of the decoded adjacent block and refIdxLX as they are.
  • the merge candidate derivation unit 30361 may apply a spatial merge candidate derivation process, a time merge candidate derivation process, a pairwise merge candidate derivation process, and a zero merge candidate derivation process, which will be described later.
  • the merge candidate derivation unit 30361 reads the prediction parameters stored in the prediction parameter memory 307 and sets them as merge candidates according to a predetermined rule.
  • the method of specifying the reference picture is, for example, all or a part of the adjacent blocks within a predetermined range from the target block (for example, all or a part of the blocks in contact with the left A1, right B1, upper right B0, lower left A0, and upper left B2 of the target block, respectively. ) Are the prediction parameters.
  • Each merge candidate is called A1, B1, B0, A0, B2.
  • A1, B1, B0, A0, and B2 are motion information derived from the block including the following coordinates, respectively.
  • the positions of A1, B1, B0, A0, and B2 are shown in the arrangement of merge candidates in the target picture in FIG.
  • the merge candidate derivation unit 30361 predicts the lower right CBR of the target block or the prediction parameter of block C in the reference image including the center coordinates, as shown in the collage picture in FIG. Read from the parameter memory 307 and use it as a merge candidate Col, and store it in the merge candidate list mergeCandList [].
  • block C motion vector is added to the prediction vector candidates. ..
  • the choice of the prediction vector is increased and the coding efficiency is improved.
  • the merge candidate derivation unit 30361 may derive the C position (xColCtr, yColCtr) and the CBR position (xColCBr, yColCBr) by the following equations.
  • xColCtr xCb + (cbWidth >> 1)
  • yColCtr yCb + (cbHeight >> 1)
  • xColCBr xCb + cbWidth
  • yColCBr yCb + cbHeight
  • the pairwise candidate derivation unit derives the pairwise candidate avgK from the average of the two merge candidates (p0Cand, p1Cand) stored in mergeCandList and stores it in mergeCandList [].
  • the merge candidate derivation unit 30361 derives zero merge candidates Z0, ..., ZM in which refIdxLX is 0 ... M and both the X component and Y component of mvLX are 0, and stores them in the merge candidate list.
  • mergeCandList [] The order of storage in mergeCandList [] is, for example, spatial merge candidate (A1, B1, B0, A0, B2), time merge candidate Col, pairwise candidate avgK, and zero merge candidate ZK. Reference blocks that are not available (blocks are intra-predicted, etc.) are not stored in the merge candidate list.
  • merge candidate selection unit 30362 selects the merge candidate N indicated by merge_idx from the merge candidates included in the merge candidate list by the following formula.
  • N mergeCandList [merge_idx]
  • N is a label indicating a merge candidate, and takes A1, B1, B0, A0, B2, Col, avgK, ZK, and the like.
  • the motion information of the merge candidate indicated by the label N is indicated by predFlagLXN, refIdxLXN.
  • the merge candidate selection unit 30362 stores the selected merge candidate inter-prediction parameters in the prediction parameter memory 307 and outputs them to the inter-prediction image generation unit 309.
  • the DMVR unit 30375 corrects the mvLX of the target CU derived by the merge prediction unit 30374 when the merge_flag is 1 or the skip flag skip_flag is 1 for the target CU by using the reference image. Specifically, when the prediction parameter derived by the merge prediction unit 30374 is bi-prediction, the motion vector is corrected by using the prediction image derived from the motion vector corresponding to the two reference pictures. The modified mvLX is supplied to the inter-prediction image generation unit 309.
  • the DMVR unit 30375 corrects the motion vector described above when dmvrFlag is 1 (at least when ph_disable_dmvr_flag is 0).
  • DiffPicOrderCnt (picA, picB) PicOrderCnt (picA) --PicOrderCnt (picB)
  • the flag dmvrFlag that specifies whether to perform DMVR processing
  • the value of RefPicIsScaled [0] [refIdxL0] described above is 0 and RefPicIsScaled is one of the multiple conditions for setting dmvrFlag to 1.
  • the value of [refIdxL1] is included to be 0.
  • DMVR processing by DMVR unit 30375 is executed.
  • ciip_flag is 0, that is, IntraInter synthesis processing is not applied as one of the multiple conditions for setting dmvrFlag to 1.
  • the flag dmvrFlag that specifies whether to perform DMVR processing, whether or not the coefficient information for weight prediction of L0 prediction of luminance, which will be described later, exists as one of the multiple conditions for setting dmvrFlag to 1.
  • DMVR processing by DMVR unit 30375 is executed.
  • luma_weight_l0_flag [i] is 0 and the value of luma_weight_l1_flag [i] is 0 as one of the multiple conditions for setting dmvrFlag to 1.
  • whether or not chroma_weight_l0_flag [i] which is a flag indicating whether or not the coefficient information of the weight prediction of the L0 prediction of the color difference exists, which will be described later, is 0, and whether or not the coefficient information of the weight prediction of the L1 prediction of the color difference exists.
  • chroma_weight_l1_flag [i] which is a flag indicating the above, is 0.
  • cbProfFlagLX is a flag that specifies whether or not to perform Prediction refinement (PROF) of affine prediction.
  • FIG. 10 shows a schematic diagram showing the configuration of the AMVP prediction parameter derivation unit 3032 according to the present embodiment.
  • the AMVP prediction parameter derivation unit 3032 includes a vector candidate derivation unit 3033 and a vector candidate selection unit 3034.
  • the vector candidate derivation unit 3033 derives a prediction vector candidate from the motion vector of the decoded adjacent block stored in the prediction parameter memory 307 based on refIdxLX, and stores it in the prediction vector candidate list mvpListLX [].
  • the vector candidate selection unit 3034 selects the motion vector mvpListLX [mvp_LX_idx] indicated by mvp_LX_idx from the prediction vector candidates of mvpListLX [] as mvpLX.
  • the vector candidate selection unit 3034 outputs the selected mvpLX to the MV addition unit 3038.
  • the MV addition unit 3038 calculates mvLX by adding the mvpLX input from the AMVP prediction parameter derivation unit 3032 and the decoded mvdLX.
  • the addition unit 3038 outputs the calculated mvLX to the inter-prediction image generation unit 309 and the prediction parameter memory 307.
  • mvLX [0] mvpLX [0] + mvdLX [0]
  • Merge predictions are further categorized as follows.
  • AMVP Subblock prediction
  • AMVP (translation) -MVD affine prediction MVD affine prediction is further categorized as follows.
  • MVD affine prediction refers to affine prediction that is used by decoding the difference vector.
  • the availability of availableFlagSbCol of the collated sub-block COL of the target sub-block is determined, and if it is available, the prediction parameters are derived. At least, if the above SliceTemporalMvpEnabledFlag is 0, availableFlagSbCol is set to 0.
  • MMVD prediction (Merge with Motion Vector Difference) may be classified into merge prediction or AMVP prediction.
  • the loop filter 305 is a filter provided in the coding loop, which removes block distortion and ringing distortion and improves image quality.
  • the loop filter 305 applies a filter such as a deblocking filter, a sample adaptive offset (SAO), and an adaptive loop filter (ALF) to the decoded image of the CU generated by the addition unit 312.
  • a filter such as a deblocking filter, a sample adaptive offset (SAO), and an adaptive loop filter (ALF) to the decoded image of the CU generated by the addition unit 312.
  • the reference picture memory 306 stores the decoded image of the CU at a predetermined position for each target picture and the target CU.
  • the prediction parameter memory 307 stores the prediction parameters at a predetermined position for each CTU or CU. Specifically, the prediction parameter memory 307 stores the parameters decoded by the parameter decoding unit 302 and the parameters derived by the prediction parameter derivation unit 320.
  • the parameters derived by the prediction parameter derivation unit 320 are input to the prediction image generation unit 308. Further, the prediction image generation unit 308 reads the reference picture from the reference picture memory 306. The prediction image generation unit 308 generates a prediction image of a block or a subblock using a parameter and a reference picture (reference picture block) in the prediction mode indicated by predMode.
  • the reference picture block is a set of pixels on the reference picture (usually called a block because it is a rectangle), and is a region to be referred to for generating a predicted image.
  • Inter prediction image generation unit 309 When the predMode indicates the inter-prediction mode, the inter-prediction image generation unit 309 generates a block or sub-block prediction image by inter-prediction using the inter-prediction parameter and the reference picture input from the inter-prediction parameter derivation unit 303.
  • FIG. 11 is a schematic diagram showing the configuration of the inter-prediction image generation unit 309 included in the prediction image generation unit 308 according to the present embodiment.
  • the inter-prediction image generation unit 309 includes a motion compensation unit (prediction image generation device) 3091 and a composition unit 3095.
  • the synthesis unit 3095 includes an IntraInter synthesis unit 30951, a GPM synthesis unit 30952, a BDOF unit 30954, and a weight prediction unit 3094.
  • the motion compensation unit 3091 interpolated image generation unit 3091 interpolates by reading the reference block from the reference picture memory 306 based on the inter-prediction parameters (predFlagLX, refIdxLX, mvLX) input from the inter-prediction parameter derivation unit 303. Generate an image (motion compensation image).
  • the reference block is a block at a position shifted by mvLX from the position of the target block on the reference picture RefPicLX specified by refIdxLX.
  • mvLX is not integer precision
  • an interpolated image is generated by applying a filter called a motion compensation filter for generating pixels at decimal positions.
  • the motion compensation unit 3091 first derives the integer position (xInt, yInt) and phase (xFrac, yFrac) corresponding to the coordinates (x, y) in the prediction block by the following equations.
  • the motion compensation unit 3091 derives a temporary image temp [] [] by performing horizontal interpolation processing on the reference picture refImg using an interpolation filter.
  • temp [x] [y] ( ⁇ mcFilter [xFrac] [k] * refImg [xInt + k-NTAP / 2 + 1] [yInt] + offset1) >> shift1
  • the motion compensation unit 3091 derives the interpolated image Pred [] [] by vertically interpolating the temporary image temp [] [].
  • Pred [x] [y] ( ⁇ mcFilter [yFrac] [k] * temp [x] [y + k-NTAP / 2 + 1] + offset2) >> shift2
  • Pred [] [] is derived for each L0 list and L1 list (interpolated images PredL0 [] [] and PredL1 [] []), and PredL0 [] [] and PredL1 [].
  • ] [] Generates the interpolated image Pred [] [].
  • the motion compensation unit 3091 has a horizontal scaling ratio RefPicScale [i] [j] [0] of the reference picture derived by the scale parameter derivation unit 30378, and a vertical scaling ratio RefPicScale [i] of the reference picture. It has a function to scale the interpolated image according to [j] [1].
  • the synthesis unit 3095 includes an IntraInter synthesis unit 30951, a GPM synthesis unit 30952, a weight prediction unit 3094, and a BDOF unit 30954.
  • Interpolation filter processing the interpolation filter processing executed by the prediction image generation unit 308, in which the above-mentioned resampling is applied and the size of the reference picture changes in a single sequence, will be described. Note that this process may be executed by, for example, the motion compensation unit 3091.
  • the prediction image generation unit 308 switches a plurality of filter coefficients when the value of RefPicIsScaled [i] [j] input from the interpolation parameter derivation unit 303 indicates that the reference picture is scaled. , Executes interpolation filter processing.
  • the IntraInter compositing unit 30951 generates a predicted image by a weighted sum of the inter predicted image and the intra predicted image.
  • the pixel value predSamplesComb [x] [y] of the predicted image is derived as follows if the flag ciip_flag indicating whether to apply the IntraInter compositing process is 1.
  • predSamplesComb [x] [y] (w * predSamplesIntra [x] [y] + (4 --w) * predSamplesInter [x] [y] + 2) >> 2
  • predSamplesIntra [x] [y] is an intra prediction image and is limited to planar prediction.
  • predSamplesInter [x] [y] is a reconstructed inter-prediction image.
  • the weight w is derived as follows.
  • w is set to 3.
  • w is set to 1 if both the bottom block to the left of the target coded block and the rightmost block to the top are not intra.
  • w is set to 2.
  • the GPM synthesizer 30952 generates a prediction image using the above-mentioned GPM prediction.
  • RefPicList [0] [refIdxL0], RefPicList [1] [refIdxL1] are short-term reference pictures
  • variable weightedPredFlag which indicates whether or not to perform weight prediction processing, is derived as follows. If slice_type is equal to P, weightedPredFlag is set equal to pps_weighted_pred_flag as defined in PPS. Otherwise, if slice_type is equal to B, weightedPredFlag is set equal to pps_weighted_bipred_flag && (! DmvrFlag) defined in PPS.
  • the predicted image pbSamples is derived as follows as normal predicted image processing.
  • predFlagL0 or predFlagL1 is 1 (single prediction) (without weight prediction)
  • predSamplesLX is adjusted to the number of pixel bits bitDepth.
  • PredLX is an interpolated image of L0 or L1 prediction.
  • prediction list usage flags predFlagL0 and predFlagL1
  • weight prediction is not used, the following formula is processed by averaging predSamplesL0 and predSamplesL1 to match the number of pixel bits.
  • pbSamples [x] [y] Clip3 (0, (1 ⁇ bitDepth) -1, (predSamplesL0 [x] [y] + predSamplesL1 [x] [y] + offset2) >> shift2)
  • shift2 15-bitDepth
  • offset2 1 ⁇ (shift2-1).
  • the predicted image pbSamples is derived as follows as the weight prediction process.
  • variable shift1 is set equal to Max (2, 14-bit Depth).
  • the variables log2Wd, o0, o1, w0, and w1 are derived as follows.
  • BCW (Bi-prediction with CU-level Weights) prediction is a prediction method that can switch a predetermined weighting factor at the CU level.
  • the sps_bcw_enabled_flag indicating whether to use this prediction at the SPS level is TURE
  • the variable weightedPredFlag is 0
  • the reference pictures indicated by the two reference picture indexes refIdxL0 and refIdxL1 have no weight prediction coefficient
  • the coded block size is When it is less than a certain value, bcw_idx of the CU level syntax is explicitly notified, and its value is assigned to the variable bcwIdx. If bcw_idx does not exist, 0 is assigned to the variable bcwIdx.
  • the pixel value of the predicted image is derived as follows.
  • pbSamples [x] [y] Clip3 (0, (1 ⁇ bitDepth)-1, (PredSamplesL0 [x] [y] + predSamplesL1 [x] [y] + offset2) >> shift2) Otherwise (if bcwIdx is not equal to 0), the following applies:
  • variable w1 is set equal to bcwWLut [bcwIdx].
  • bcwWLut [k] ⁇ 4, 5, 3, 10, -2 ⁇ .
  • variable w0 is set to (8-w1). Further, the pixel value of the predicted image is derived as follows.
  • pbSamples [x] [y] Clip3 (0, (1 ⁇ bitDepth) -1, (W0 * predSamplesL0 [x] [y] + w1 * predSamplesL1 [x] [y] + offset3) >> (shift2 + 3))
  • the inter-prediction parameter decoding unit 303 decodes bcw_idx and sends it to BCW unit 30955.
  • the inter-prediction parameter decoding unit 303 decodes the merge index merge_idx, and the merge candidate derivation unit 30361 derives the bcwIdx of each merge candidate.
  • the merge candidate derivation unit 30361 uses the weight coefficient of the adjacent block used for deriving the merge candidate as the weight coefficient of the merge candidate used for the target block. That is, in the merge mode, the weighting factor used in the past is inherited as the weighting factor of the target block.
  • the intra prediction image generation unit 310 performs intra prediction using the intra prediction parameters input from the intra prediction parameter derivation unit 304 and the reference pixels read from the reference picture memory 306.
  • the inverse quantization / inverse conversion unit 311 inversely quantizes the quantization conversion coefficient input from the parameter decoding unit 302 to obtain the conversion coefficient.
  • the addition unit 312 adds the prediction image of the block input from the prediction image generation unit 308 and the prediction error input from the inverse quantization / inverse conversion unit 311 for each pixel to generate a decoded image of the block.
  • the addition unit 312 stores the decoded image of the block in the reference picture memory 306 and outputs it to the loop filter 305.
  • the inverse quantization / inverse conversion unit 311 inversely quantizes the quantization conversion coefficient input from the parameter decoding unit 302 to obtain the conversion coefficient.
  • the addition unit 312 adds the prediction image of the block input from the prediction image generation unit 308 and the prediction error input from the inverse quantization / inverse conversion unit 311 for each pixel to generate a decoded image of the block.
  • the addition unit 312 stores the decoded image of the block in the reference picture memory 306 and outputs it to the loop filter 305.
  • FIG. 12 is a block diagram showing the configuration of the moving image coding device 11 according to the present embodiment.
  • the moving image coding device 11 includes a prediction image generation unit 101, a subtraction unit 102, a conversion / quantization unit 103, an inverse quantization / inverse conversion unit 105, an addition unit 106, a loop filter 107, and a prediction parameter memory (prediction parameter storage unit).
  • Frame memory 108, reference picture memory (reference image storage unit, frame memory) 109, coding parameter determination unit 110, parameter coding unit 111, prediction parameter derivation unit 120, and entropy coding unit 104. ..
  • the predicted image generation unit 101 generates a predicted image for each CU.
  • the prediction image generation unit 101 includes the inter-prediction image generation unit 309 and the intra-prediction image generation unit 310 already described, and the description thereof will be omitted.
  • the subtraction unit 102 generates a prediction error by subtracting the pixel value of the predicted image of the block input from the prediction image generation unit 101 from the pixel value of the image T.
  • the subtraction unit 102 outputs the prediction error to the conversion / quantization unit 103.
  • the conversion / quantization unit 103 calculates the conversion coefficient by frequency conversion for the prediction error input from the subtraction unit 102, and derives the quantization conversion coefficient by quantization.
  • the conversion / quantization unit 103 outputs the quantization conversion coefficient to the parameter coding unit 111 and the inverse quantization / inverse conversion unit 105.
  • the inverse quantization / inverse transformation unit 105 is the same as the inverse quantization / inverse transformation unit 311 (FIG. 6) in the moving image decoding device 31, and the description thereof will be omitted.
  • the calculated prediction error is output to the addition unit 106.
  • the parameter coding unit 111 includes a header coding unit 1110, a CT information coding unit 1111, and a CU coding unit 1112 (prediction mode coding unit).
  • the CU coding unit 1112 further includes a TU coding unit 1114.
  • Header coding unit 1110 performs coding processing of parameters such as header information, division information, prediction information, and quantization conversion coefficient.
  • the CT information coding unit 1111 encodes QT, MT (BT, TT) division information, etc.
  • the CU coding unit 1112 encodes CU information, prediction information, division information, etc.
  • the TU coding unit 1114 encodes the QP update information and the quantization prediction error when the TU contains a prediction error.
  • CT information coding unit 1111 and CU coding unit 1112 have inter-prediction parameters (predMode, merge_flag, merge_idx, inter_pred_idc, refIdxLX, mvp_LX_idx, mvdLX), intra-prediction parameters (intra_luma_mpm_flag, intra_luma_mpm_idx, intra_luma_mpm_idx, intra_luma) Etc. are supplied to the parameter coding unit 111.
  • inter-prediction parameters predMode, merge_flag, merge_idx, inter_pred_idc, refIdxLX, mvp_LX_idx, mvdLX
  • intra-prediction parameters intra_luma_mpm_flag, intra_luma_mpm_idx, intra_luma_mpm_idx, intra_luma
  • the entropy coding unit 104 is input with the quantization conversion coefficient and the coding parameters (division information, prediction parameters) from the parameter coding unit 111.
  • the entropy coding unit 104 entropy-codes these to generate a coded stream Te and outputs it.
  • the prediction parameter derivation unit 120 is a means including an inter-prediction parameter coding unit 112 and an intra-prediction parameter coding unit 113, and derives an intra-prediction parameter and an intra-prediction parameter from the parameters input from the coding parameter determination unit 110. ..
  • the derived intra-prediction parameter and intra-prediction parameter are output to the parameter coding unit 111.
  • the inter-prediction parameter coding unit 112 includes a parameter coding control unit 1121 and an inter-prediction parameter derivation unit 303.
  • the inter-prediction parameter derivation unit 303 has the same configuration as the moving image decoding device.
  • the parameter coding control unit 1121 includes a merge index derivation unit 11211 and a vector candidate index derivation unit 11212.
  • the merge index derivation unit 11211 derives merge candidates and outputs them to the inter-prediction parameter derivation unit 303.
  • the vector candidate index derivation unit 11212 derives the prediction vector candidate and the like, and outputs them to the inter-prediction parameter derivation unit 303 and the parameter coding unit 111.
  • the intra prediction parameter coding unit 113 includes a parameter coding control unit 1131 and an intra prediction parameter derivation unit 304.
  • the intra prediction parameter derivation unit 304 has the same configuration as the moving image decoding device.
  • the parameter coding control unit 1131 derives IntraPredModeY and IntraPredModeC. In addition, refer to mpmCandList [] to determine intra_luma_mpm_flag. These prediction parameters are output to the intra prediction parameter derivation unit 304 and the parameter coding unit 111.
  • the inputs to the inter-prediction parameter derivation unit 303 and the intra-prediction parameter derivation unit 304 are the coding parameter determination unit 110 and the prediction parameter memory 108, and are output to the parameter coding unit 111.
  • the addition unit 106 adds the pixel value of the prediction block input from the prediction image generation unit 101 and the prediction error input from the inverse quantization / inverse conversion unit 105 for each pixel to generate a decoded image.
  • the addition unit 106 stores the generated decoded image in the reference picture memory 109.
  • the loop filter 107 applies a deblocking filter, SAO, and ALF to the decoded image generated by the addition unit 106.
  • the loop filter 107 does not necessarily have to include the above three types of filters, and may be configured with only a deblocking filter, for example.
  • the prediction parameter memory 108 stores the prediction parameters generated by the coding parameter determination unit 110 at a predetermined position for each target picture and CU.
  • the reference picture memory 109 stores the decoded image generated by the loop filter 107 at a predetermined position for each target picture and CU.
  • the coding parameter determination unit 110 selects one set from a plurality of sets of coding parameters.
  • the coding parameter is the above-mentioned QT, BT or TT division information, a prediction parameter, or a parameter to be coded generated in connection with the prediction parameter.
  • the prediction image generation unit 101 generates a prediction image using these coding parameters.
  • the coding parameter determination unit 110 calculates the RD cost value indicating the magnitude of the amount of information and the coding error for each of the plurality of sets.
  • the RD cost value is, for example, the sum of the sign amount and the value obtained by multiplying the squared error by the coefficient ⁇ .
  • the code amount is the amount of information of the coded stream Te obtained by entropy-coding the quantization error and the coding parameter.
  • the square error is the sum of squares of the prediction error calculated by the subtraction unit 102.
  • the coefficient ⁇ is a real number greater than the preset zero.
  • the coding parameter determination unit 110 selects the set of coding parameters that minimizes the calculated cost value.
  • the coding parameter determination unit 110 outputs the determined coding parameter to the parameter coding unit 111 and the prediction parameter derivation unit 120.
  • a part of the moving image coding device 11 and the moving image decoding device 31 in the above-described embodiment for example, the entropy decoding unit 301, the parameter decoding unit 302, the loop filter 305, the predicted image generation unit 308, and the inverse quantization / reverse.
  • the coding parameter determination unit 110, the parameter coding unit 111, and the prediction parameter derivation unit 120 may be realized by a computer.
  • a program for realizing this control function may be recorded on a computer-readable recording medium, and the program recorded on the recording medium may be read by a computer system and executed.
  • the "computer system” referred to here is a computer system built in either the moving image coding device 11 or the moving image decoding device 31, and includes hardware such as an OS and peripheral devices.
  • the "computer-readable recording medium” refers to a portable medium such as a flexible disk, a magneto-optical disk, a ROM, or a CD-ROM, and a storage device such as a hard disk built in a computer system.
  • a "computer-readable recording medium” is a medium that dynamically holds a program for a short time, such as a communication line when a program is transmitted via a network such as the Internet or a communication line such as a telephone line.
  • a program may be held for a certain period of time, such as a volatile memory inside a computer system serving as a server or a client.
  • the above-mentioned program may be for realizing a part of the above-mentioned functions, and may be further realized for realizing the above-mentioned functions in combination with a program already recorded in the computer system.
  • a part or all of the moving image coding device 11 and the moving image decoding device 31 in the above-described embodiment may be realized as an integrated circuit such as an LSI (Large Scale Integration).
  • LSI Large Scale Integration
  • Each functional block of the moving image coding device 11 and the moving image decoding device 31 may be individually made into a processor, or a part or all of them may be integrated into a processor.
  • the method of making an integrated circuit is not limited to the LSI, and may be realized by a dedicated circuit or a general-purpose processor. Further, when an integrated circuit technology that replaces LSI appears due to the progress of semiconductor technology, an integrated circuit based on the technology may be used.
  • FIG. 15 (a) shows a part of the syntax of the Sequence Paramenter Set (SPS) of Non-Patent Document 1.
  • Sps_long_term_ref_pics_flag is a flag that indicates whether or not the picture will be used for a long period of time.
  • Sps_inter_layer_ref_pics_present_flag is a flag that indicates whether interlayer prediction is used.
  • Sps_idr_rpl_present_flag is a flag indicating whether or not the syntax element of the reference picture list exists in the slice header of the IDR picture (Instantaneous Decoding Refresh picture).
  • Sps_rpl1_same_as_rpl0_flag is a flag indicating whether or not the information for the reference picture list 1 exists.
  • sps_rpl1_same_as_rpl0_flag is 1, the information for the reference picture list 1 is not encoded or decoded as encoded data, and the information in the reference picture list 0 is used.
  • the number of reference picture list information ref_pic_lists () in reference picture list 1 sps_num_ref_pic_lists [1] and the reference picture list structure ref_pic_list_struct (1, rplsIdx) are the same as sps_num_ref_pic_lists [0] and ref_pic_list_struct (0, rplsIdx). Indicates a value.
  • the moving image decoding device and the moving image coding device set the following.
  • sps_num_ref_pic_lists [1] sps_num_ref_pic_lists [0] Also, for rplsIdx from 0 to sps_num_ref_pic_lists [0] -1, set each value of ref_pic_list_struct (1, rplsIdx) to each value of ref_pic_list_struct (0, rplsIdx).
  • Sps_num_ref_pic_lists [i] indicates the number of ref_pic_list_structs (listIdx, rplsIdx) included in SPS, where listIdx is equal to i.
  • listIdx is a value indicating whether the reference picture list is 0 or the reference picture list 1, and the value of sps_num_ref_pic_lists [i] is in the range of 0 to 64, respectively.
  • FIG. 15 (b) shows a part of the syntax of Picture Parameter Set (PPS) in Non-Patent Document 1.
  • Pps_no_pic_partition_flag is a flag indicating that image division is not applied to each picture that refers to PPS.
  • Pps_rpl1_idx_present_flag is a flag indicating that the syntax elements rpl_sps_flag [1] and rpl_idx [1] in the picture header PH or ref_pic_lists () called in the slice header exist.
  • Pps_rpl_info_in_ph_flag is a flag indicating whether or not the reference picture list information exists in the picture header PH. If pps_no_pic_partition_flag, which is a flag indicating that image division is not applied to a picture, is 0, pps_no_pic_partition_flag is present and pps_rpl_info_in_ph_flag is equal to 1, indicating that reference picture list information is present in the picture header. The equality of rpl_info_in_ph_flag to 0 indicates that the referenced picture list information does not exist in the picture header and may exist in the slice header.
  • FIG. 16 shows a part of the syntax of the picture header PH of Non-Patent Document 1.
  • the ph_inter_slice_allowed_flag is a flag indicating whether or not the slice in the picture is an inter.
  • ph_inter_slice_allowed_flag 0, it means that slice_type of all slices in the picture is 2 (I Slice).
  • ph_inter_slice_allowed_flag 1, it means that the slice_type of at least one slice contained in the picture is 0 (B Slice) or 1 (P Slice).
  • ref_pic_lists () that defines the reference picture list is called in the picture header PH to decode or encode.
  • (B) in FIG. 16 shows a part of the syntax of the slice header of Non-Patent Document 1. These syntaxes are decoded, for example, by the parameter decoding unit 302.
  • pps_rpl_info_in_ph_flag is 0 and the NAL unit type nal_unit_type is neither IDR_W_RADL nor IDR_N_LP, or the flag sps_idr_rpl_present_flag indicating that the reference picture list syntax element is in the slice header of the IDR picture is 1.
  • the value of the variable RplsIdx [i] is estimated to be equal to sps_num_ref_pic_lists [i]
  • the value of num_ref_entries [i] [RplsIdx [i]] is estimated to be equal to 0.
  • the value of a variable NumRefIdxActive [i] is estimated to be 0.
  • FIG. 17 (a) shows the syntax of ref_pic_lists () that defines the reference picture list of this embodiment.
  • ref_pic_lists () may be present in the picture or slice headers as shown in Figure 16.
  • Rpl_sps_flag [i] is a flag indicating that the reference picture list structure is selected based on the ref_pic_list_struct (listIdx, rplsIdx) encoded and decoded by SPS. Where listIdx is equal to i.
  • rpl_sps_flag [i] indicates that one of the SPS ref_pic_list_struct (listIdx, rplsIdx) is used as the reference picture list i used by the corresponding picture or slice of ref_pic_lists ().
  • rpl_sps_flag [i] does not exist, the following applies. If sps_num_ref_pic_lists [i] is 0, the value of rpl_sps_flag [i] is estimated to be 0. Otherwise (when num_ref_pic_lists_in_sps [i] is greater than 0), if pps_rpl1_idx_present_flag is 0 and i is equal to 1, then the value of rpl_sps_flag [1] is presumed to be equal to rpl_sps_flag [0].
  • Rpl_idx [i] is used to derive the index rplsIdx to the ref_pic_list_struct (listIdx, rplsIdx) encoded and decoded by SPS. Where listIdx is equal to i. rpl_idx [i] is represented by Ceil (Log2 (sps_num_ref_pic_lists [i])) bits. The value of rpl_idx [i] is in the range of 0 to sps_num_ref_pic_lists [i] -1.
  • rpl_idx [i] does not exist, rpl_sps_flag [i] is equal to 1 and pps_rpl1_idx_present_flag is equal to 0, then the value of rpl_idx [1] is estimated to be equal to rpl_idx [0], otherwise rpl_idx The value of [1] is estimated to be 0.
  • variable RplsIdx [i] which is the index rplsIdx of the reference picture structure ref_pic_list_struct (listIdx, rplsIdx) used in the target picture or slice, is derived as follows.
  • FIG. 17 (b) shows the syntax that defines the reference picture list structure ref_pic_list_struct (listIdx, rplsIdx) of this embodiment.
  • Ref_pic_list_struct may exist in SPS, picture header, or slice header. Depending on whether the syntax is contained in the SPS, in the picture header, or in the slice header, the following applies: If present in the picture or slice header, ref_pic_list_struct (listIdx, rplsIdx) indicates the reference image list listIdx of the current picture (picture containing slices). If present in SPS, ref_pic_list_struct (listIdx, rplsIdx) indicates a candidate for the reference picture list listIdx.
  • the current picture refers to the list of ref_pic_list_struct (listIdx, rplsIdx) included in the SPS by the index value from the picture header or the slice header.
  • the ref_pic_list_struct encodes or decodes num_ref_entries, ltrp_in_header_flag, st_ref_pic_flag, abs_delta_poc_st, strp_entry_sign_flag, ilrp_idx.
  • num_ref_entries [listIdx] [rplsIdx] indicates the number of reference pictures in the reference picture list of ref_pic_list_struct (listIdx, rplsIdx), that is, the reference picture list listIdx of the index rpsIdx.
  • the value of num_ref_entries [listIdx] [rplsIdx] is 0 or more and MaxDpbSize + 13 or less. MaxDpbSize is the number of decrypted pictures determined by the profile level.
  • Ltrp_in_header_flag [listIdx] [rplsIdx] is a flag indicating whether or not a long-term reference picture exists in the reference picture list of ref_pic_list_struct (listIdx, rplsIdx).
  • Inter_layer_ref_pic_flag [listIdx] [rplsIdx] [i] is a flag indicating whether the i-th entry in the reference picture list of ref_pic_list_struct (listIdx, rplsIdx) is inter-layer prediction.
  • St_ref_pic_flag [listIdx] [rplsIdx] [i] is a flag indicating whether the i-th entry in the reference picture list of ref_pic_list_struct (listIdx, rplsIdx) is a short-term reference picture.
  • Abs_delta_poc_st [listIdx] [rplsIdx] [i] is a syntax element for deriving the absolute difference of POC of the short-term reference picture.
  • Strp_entry_sign_flag [listIdx] [rplsIdx] [i] is a flag for deriving positive and negative signs.
  • Rpls_poc_lsb_lt [listIdx] [rplsIdx] [i] is a syntax element for deriving the POC of the i-th long-term reference picture in the reference picture list of ref_pic_list_struct (listIdx, rplsIdx).
  • Ilrp_idx [listIdx] [rplsIdx] [i] is a syntax element for deriving the layer information of the reference picture of the i-th interlayer prediction of the reference picture list of ref_pic_list_struct (listIdx, rplsIdx).
  • the first problem is that the reference picture list structure of the reference picture list 1 becomes undefined under the following conditions.
  • sps_rpl1_same_as_rpl0_flag which is a flag indicating whether or not the information for the reference picture list 1 exists, is 0 and the following cases occur.
  • sps_num_ref_pic_lists [i] the value of sps_num_ref_pic_lists [0] is larger than sps_num_ref_pic_lists [1]
  • pps_rpl1_idx_present_flag is 0, rpl_sps_flag [0] is 1, and rpl_idx [0] is 1 or more.
  • sps_num_ref_pic_lists [i] indicates the number of reference picture list structures ref_pic_list_struct (listIdx, rplsIdx) encoded and decoded by SPS.
  • pps_rpl1_idx_present_flag is a flag indicating whether or not the syntax elements rpl_sps_flag [1] and rpl_idx [1] in the picture header PH or ref_pic_lists () called in the slice header exist.
  • rpl_sps_flag [0] is a flag indicating that the reference picture list structure is selected based on the ref_pic_list_struct (0, rplsIdx) encoded and decoded by SPS.
  • rpl_idx [0] is an index used to derive an index to a ref_pic_list_struct (listIdx, rplsIdx) encoded and decoded by SPS.
  • rpl_idx [0] is sps_num_ref_pic_lists [1] or more and sps_num_ref_pic_lists [0] -1 or less
  • the value that rpl_idx [1] can take is 0 or more and sps_num_ref_pic_lists [1] -1 or less. It ends up. Then, when rpl_sps_flag [1] is 1, the value of rpl_idx [0] is assigned to the variable RplsIdx [1].
  • the reference picture structure ref_pic_list_struct (1, rplsIdx) referenced by rplsIdx does not exist because it is outside the range of the reference picture structure defined by SPS (0..sps_num_ref_pic_lists [1] -1).
  • Sps_num_ref_pic_lists [0] must have a value less than or equal to sps_num_ref_pic_lists [1].
  • sps_num_ref_pic_lists [1] must be larger than sps_num_ref_pic_lists [0].
  • the value of rpl_idx [0] (value less than or equal to sps_num_ref_pic_lists [0]-1) that can be selected as the reference picture list structure of reference picture list 1 may be greater than or equal to sps_num_ref_pic_lists [1]. Since it does not occur, the problem can be solved.
  • adding a condition as semantics means that the coded data satisfying the added condition is encoded by the moving image coding device and decoded by the moving image decoding device.
  • the coded data may satisfy the following conditions.
  • sps_rpl1_same_as_rpl0_flag is 0, sps_num_ref_pic_lists [0] must be less than or equal to sps_num_ref_pic_lists [1].
  • sps_rpl1_same_as_rpl0_flag 0 and pps_rpl1_idx_present_flag is 0
  • sps_num_ref_pic_lists [0] must be less than or equal to sps_num_ref_pic_lists [1].
  • sps_num_ref_pic_lists [1] may be a value larger than sps_num_ref_pic_lists [0].
  • pps_rpl1_idx_present_flag must not be 0.
  • pps_rpl1_idx_present_flag must not be 0.
  • pps_rpl1_idx_present_flag 0 only when the value of sps_num_ref_pic_lists [0] is less than or equal to the value of sps_num_ref_pic_lists [1], and the problem can be solved.
  • sps_rpl1_same_as_rpl0_flag must not be 0.
  • rpl_sps_flag [i] does not exist, the following applies. If sps_num_ref_pic_lists [i] is 0, the value of rpl_sps_flag [i] is estimated to be 0.
  • pps_rpl1_idx_present_flag is 0, i is equal to 1, rpl_sps_flag [0] is 1, and the value of sps_num_ref_pic_lists [0] is sps_num_ref_pic_lists1 [0] If less than or equal to the value, the value of rpl_sps_flag [1] is presumed to be equal to rpl_sps_flag [0]. Otherwise, rpl_sps_flag [i] is estimated to be 0.
  • rpl_sps_flag [1] is equal to rpl_sps_flag [0]. Otherwise, rpl_sps_flag [i] is estimated to be 0.
  • rpl_idx [0] When pps_rpl1_idx_present_flag is 0, the value range of rpl_idx [0] is from 0 to min (sps_num_ref_pic_lists [0], sps_num_ref_pic_lists [1]) -1.
  • the syntax element rpl_idx [0] is represented by Ceil (Log2 (min (sps_num_ref_pic_lists [0], sps_num_ref_pic_lists [1]))) bits.
  • pps_rpl1_idx_present_flag 1
  • the value range for rpl_idx [i] is 0 to sps_num_ref_pic_lists [i] -1.
  • the syntax element rpl_idx [i] is represented by Ceil (Log2 (sps_num_ref_pic_lists [i])) bits.
  • rpl_idx [0] If rpl_idx [0] does not exist, the value of rpl_idx [0] is estimated to be 0.
  • rpl_idx [1] does not exist, rpl_sps_flag [0] is equal to 1, pps_rpl1_idx_present_flag is equal to 0, and the value of rpl_idx [0] is less than sps_num_ref_pic_lists [1], then rpl_idx [1] The value of is estimated to be equal to rpl_idx [0]. Otherwise, the value of rpl_idx [1] is estimated to be 0.
  • Non-Patent Document 1 The second problem of Non-Patent Document 1 is that the variable RplsIdx [1] may be used before ref_pic_lists () is called, and the value of RplsIdx [1] becomes undefined.
  • pps_rpl_info_in_ph_flag 0 or num_ref_entries [1] [RplsIdx [1]]> 0 under the condition of encoding and decoding ph_mvd_l1_zero_flag in Fig. 16 (a). If pps_rpl_info_in_ph_flag is 0, this conditional expression will be evaluated without calling ref_pic_lists ().
  • rpl_sps_flag [i] does not exist, the following applies. If sps_num_ref_pic_lists [i] is 0, the value of rpl_sps_flag [i] is estimated to be 0. Instead, if pps_rpl1_idx_present_flag is 0 and i is equal to 1, we infer that the value of rpl_sps_flag [1] is equal to rpl_sps_flag [0]. Otherwise, the value of rpl_sps_flag [i] is estimated to be 0.
  • num_ref_entries [i] [sps_num_ref_pic_lists [i]] is estimated to be 0.
  • Non-Patent Document 1 The third problem of Non-Patent Document 1 is that the semantics of rpl_idx [0] do not define the semantics when the value of sps_num_ref_pic_lists [0] is 1.
  • rpl_idx [0] is not encoded or decoded as a syntax element.
  • semantics there is no description that defines the value of rpl_idx [0] in this case, so there is a problem that the value becomes undefined.
  • rpl_idx [i] does not exist, do the following: If sps_num_ref_pic_lists [i] is 1 or less, the value of rpl_idx [i] is estimated to be 0, otherwise (sps_num_ref_pic_lists [i] is greater than 1), rpl_sps_flag [0] is equal to 1 and pps_rpl1_idx_present_flag is If it is equal to 0 and i is equal to 1, then the value of rpl_idx [1] is estimated to be equal to rpl_idx [0].
  • rpl_idx [i] does not exist, do the following: If rpl_sps_flag [0] is equal to 1, pps_rpl1_idx_present_flag is equal to 0, and i is equal to 1, then the value of rpl_idx [i] is estimated to be equal to rpl_idx [0], otherwise rpl_idx [i] The value of is estimated to be 0.
  • the problem can be solved by using the method based on the above embodiment.
  • the moving image coding device 11 and the moving image decoding device 31 described above can be mounted on and used in various devices for transmitting, receiving, recording, and reproducing moving images.
  • the moving image may be a natural moving image captured by a camera or the like, or an artificial moving image (including CG and GUI) generated by a computer or the like.
  • moving image coding device 11 and moving image decoding device 31 can be used for transmission and reception of moving images.
  • PROD_A in FIG. 2 is a block diagram showing the configuration of a transmission device PROD_A equipped with a moving image coding device 11.
  • the transmitter PROD_A has a coding unit PROD_A1 that obtains coded data by coding a moving image, and a modulation signal by modulating a carrier with the coded data obtained by the coding unit PROD_A1. It includes a modulation unit PROD_A2 to obtain and a transmission unit PROD_A3 to transmit the modulation signal obtained by the modulation unit PROD_A2.
  • the moving image coding device 11 described above is used as the coding unit PROD_A1.
  • the transmitter PROD_A has a camera PROD_A4 for capturing a moving image, a recording medium PROD_A5 for recording a moving image, an input terminal PROD_A6 for inputting a moving image from the outside, and a moving image as a source of the moving image to be input to the coding unit PROD_A1.
  • An image processing unit A7 for generating or processing an image may be further provided. In the figure, the configuration in which the transmitter PROD_A is provided with all of these is illustrated, but some of them may be omitted.
  • the recording medium PROD_A5 may be a recording of an unencoded moving image, or a moving image encoded by a recording coding method different from the transmission coding method. It may be a thing. In the latter case, a decoding unit (not shown) that decodes the coded data read from the recording medium PROD_A5 according to the coding method for recording may be interposed between the recording medium PROD_A5 and the coding unit PROD_A1.
  • PROD_B in FIG. 2 is a block diagram showing the configuration of the receiving device PROD_B equipped with the moving image decoding device 31.
  • the receiving device PROD_B is obtained by a receiving unit PROD_B1 that receives a modulated signal, a demodulation unit PROD_B2 that obtains coded data by demodulating the modulated signal received by the receiving unit PROD_B1, and a demodulation unit PROD_B2.
  • the moving image decoding device 31 described above is used as the decoding unit PROD_B3.
  • the receiving device PROD_B is a display PROD_B4 for displaying a moving image, a recording medium PROD_B5 for recording a moving image, and an output terminal for outputting the moving image to the outside as a supply destination of the moving image output by the decoding unit PROD_B3. It may also have PROD_B6. In the figure, the configuration in which the receiving device PROD_B includes all of them is illustrated, but some of them may be omitted.
  • the recording medium PROD_B5 may be used for recording an unencoded moving image, or may be encoded by a recording coding method different from the transmission coding method. You may. In the latter case, a coding unit (not shown) that encodes the moving image acquired from the decoding unit PROD_B3 according to the recording coding method may be interposed between the decoding unit PROD_B3 and the recording medium PROD_B5.
  • the transmission medium for transmitting the modulated signal may be wireless or wired.
  • the transmission mode for transmitting the modulated signal may be broadcasting (here, a transmission mode in which the destination is not specified in advance) or communication (here, transmission in which the destination is specified in advance). It may refer to an aspect). That is, the transmission of the modulated signal may be realized by any of wireless broadcasting, wired broadcasting, wireless communication, and wired communication.
  • a broadcasting station (broadcasting equipment, etc.) / receiving station (television receiver, etc.) of terrestrial digital broadcasting is an example of a transmitting device PROD_A / receiving device PROD_B that transmits and receives modulated signals by wireless broadcasting.
  • a broadcasting station (broadcasting equipment, etc.) / receiving station (television receiver, etc.) of cable television broadcasting is an example of a transmitting device PROD_A / receiving device PROD_B that transmits and receives a modulated signal by wired broadcasting.
  • servers workstations, etc.
  • clients television receivers, personal computers, smartphones, etc.
  • VOD Video On Demand
  • video sharing services using the Internet are transmitters that send and receive modulated signals through communication.
  • PROD_A / receiver PROD_B usually, in LAN, either wireless or wired is used as a transmission medium, and in WAN, wired is used as a transmission medium.
  • personal computers include desktop PCs, laptop PCs, and tablet PCs. Smartphones also include multifunctional mobile phone terminals.
  • the client of the video sharing service has a function of decoding the encoded data downloaded from the server and displaying it on the display, as well as a function of encoding the moving image captured by the camera and uploading it to the server. That is, the client of the video sharing service functions as both the transmitting device PROD_A and the receiving device PROD_B.
  • moving image coding device 11 and moving image decoding device 31 can be used for recording and reproducing moving images.
  • PROD_C in FIG. 3 is a block diagram showing the configuration of the recording device PROD_C equipped with the above-mentioned moving image coding device 11.
  • the recording device PROD_C has a coding unit PROD_C1 that obtains coded data by encoding a moving image and a writing unit PROD_C2 that writes the coded data obtained by the coding unit PROD_C1 to the recording medium PROD_M. And have.
  • the moving image coding device 11 described above is used as the coding unit PROD_C1.
  • the recording medium PROD_M may be of a type built in the recording device PROD_C, such as (1) HDD (Hard Disk Drive) or SSD (Solid State Drive), or (2) SD memory. It may be of a type connected to the recording device PROD_C, such as a card or USB (Universal Serial Bus) flash memory, or (3) DVD (Digital Versatile Disc: registered trademark) or BD (Blu-ray). It may be loaded into a drive device (not shown) built in the recording device PROD_C, such as Disc (registered trademark).
  • the recording device PROD_C has a camera PROD_C3 that captures a moving image, an input terminal PROD_C4 for inputting a moving image from the outside, and a reception for receiving the moving image as a source of the moving image to be input to the coding unit PROD_C1.
  • the unit PROD_C5 and the image processing unit PROD_C6 for generating or processing an image may be further provided. In the figure, the configuration in which the recording device PROD_C is provided with all of these is illustrated, but some of them may be omitted.
  • the receiving unit PROD_C5 may receive an unencoded moving image, or receives coded data encoded by a coding method for transmission different from the coding method for recording. It may be something to do. In the latter case, a transmission decoding unit (not shown) that decodes the coded data encoded by the transmission coding method may be interposed between the receiving unit PROD_C5 and the coding unit PROD_C1.
  • Examples of such a recording device PROD_C include a DVD recorder, a BD recorder, an HDD (Hard Disk Drive) recorder, and the like (in this case, the input terminal PROD_C4 or the receiving unit PROD_C5 is the main source of moving images). ..
  • a camcorder in this case, the camera PROD_C3 is the main source of the moving image
  • a personal computer in this case, the receiving unit PROD_C5 or the image processing unit C6 is the main source of the moving image
  • a smartphone this.
  • the camera PROD_C3 or the receiver PROD_C5 is the main source of moving images
  • the camera PROD_C3 or the receiver PROD_C5 is the main source of moving images
  • FIG. 3PROD_D is a block showing the configuration of the playback device PROD_D equipped with the above-mentioned moving image decoding device 31.
  • the reproduction device PROD_D includes a reading unit PROD_D1 that reads the coded data written in the recording medium PROD_M, and a decoding unit PROD_D2 that obtains a moving image by decoding the coded data read by the reading unit PROD_D1. , Is equipped.
  • the moving image decoding device 31 described above is used as the decoding unit PROD_D2.
  • the recording medium PROD_M may be of a type built in the playback device PROD_D, such as (1) HDD or SSD, or (2) SD memory card, USB flash memory, or the like. It may be of a type connected to the playback device PROD_D, or may be loaded into a drive device (not shown) built in the playback device PROD_D, such as (3) DVD or BD. good.
  • the playback device PROD_D has a display PROD_D3 for displaying a moving image, an output terminal PROD_D4 for outputting the moving image to the outside, and a transmitting unit for transmitting the moving image as a supply destination of the moving image output by the decoding unit PROD_D2. It may also have PROD_D5. In the figure, the configuration in which the reproduction device PROD_D is provided with all of these is illustrated, but some of them may be omitted.
  • the transmission unit PROD_D5 may transmit an unencoded moving image, or transmits coded data encoded by a transmission coding method different from the recording coding method. It may be something to do. In the latter case, it is preferable to interpose a coding unit (not shown) that encodes the moving image by a coding method for transmission between the decoding unit PROD_D2 and the transmission unit PROD_D5.
  • Examples of such a playback device PROD_D include a DVD player, a BD player, an HDD player, and the like (in this case, the output terminal PROD_D4 to which a television receiver or the like is connected is the main supply destination of the moving image). ..
  • a television receiver in this case, display PROD_D3 is the main supply destination of moving images
  • digital signage also called electronic signage or electronic bulletin board, etc.
  • display PROD_D3 or transmitter PROD_D5 is the main supply destination of moving images.
  • desktop PC in this case, output terminal PROD_D4 or transmitter PROD_D5 is the main supply destination of moving images
  • laptop or tablet PC in this case, display PROD_D3 or transmitter PROD_D5 is video
  • An example of such a playback device PROD_D is a smartphone (in this case, the display PROD_D3 or the transmitter PROD_D5 is the main supply destination of the moving image), which is the main supply destination of the image.
  • each block of the moving image decoding device 31 and the moving image coding device 11 described above may be realized by hardware by a logic circuit formed on an integrated circuit (IC chip), or may be realized by a CPU (Central Processing). It may be realized by software using Unit).
  • each of the above devices is a CPU that executes an instruction of a program that realizes each function, a ROM (ReadOnlyMemory) that stores the above program, a RAM (RandomAccessMemory) that expands the above program, the above program, and various data. It is equipped with a storage device (recording medium) such as a memory for storing the data.
  • a storage device such as a memory for storing the data.
  • an object of the embodiment of the present invention is a recording in which the program code (execution format program, intermediate code program, source program) of the control program of each of the above-mentioned devices, which is software for realizing the above-mentioned function, is readablely recorded by a computer. It can also be achieved by supplying the medium to each of the above devices and having the computer (or CPU or MPU) read and execute the program code recorded on the recording medium.
  • Examples of the recording medium include tapes such as magnetic tapes and cassette tapes, magnetic discs such as floppy (registered trademark) discs / hard disks, and CD-ROMs (Compact Disc Read-Only Memory) / MO discs (Magneto-Optical discs).
  • tapes such as magnetic tapes and cassette tapes
  • magnetic discs such as floppy (registered trademark) discs / hard disks
  • CD-ROMs Compact Disc Read-Only Memory
  • MO discs Magnetic-Optical discs
  • each of the above devices may be configured to be connectable to a communication network, and the above program code may be supplied via the communication network.
  • This communication network is not particularly limited as long as it can transmit the program code.
  • the Internet intranet, extranet, LAN (Local Area Network), ISDN (Integrated Services Digital Network), VAN (Value-Added Network), CATV (Community Antenna television / Cable Television) communication network, virtual private network (Virtual Private). Network), telephone line network, mobile communication network, satellite communication network, etc.
  • the transmission medium constituting this communication network may be any medium as long as it can transmit the program code, and is not limited to a specific configuration or type.
  • the embodiment of the present invention can also be realized in the form of a computer data signal embedded in a carrier wave, in which the program code is embodied by electronic transmission.
  • the embodiment of the present invention is suitably applied to a moving image decoding device that decodes coded data in which image data is encoded, and a moving image coding device that generates coded data in which image data is encoded. be able to. Further, it can be suitably applied to the data structure of the coded data generated by the moving image coding device and referenced by the moving image decoding device.
  • Image decoder 301 Entropy Decoding Unit 302 Parameter decoder 303 Inter prediction parameter derivation part 304 Intra Prediction Parameter Derivation Unit 305, 107 loop filter 306, 109 Reference picture memory 307, 108 Predictive parameter memory 308, 101 Predictive image generator 309 Inter prediction image generator 310 Intra prediction image generator 311 and 105 Inverse quantization / inverse transformation 312, 106 Addition part 320 Prediction parameter derivation unit 11 Image coding device 102 Subtractor 103 Conversion / Quantization Department 104 Entropy coding unit 110 Coding parameter determination unit 111 Parameter coder 112 Inter-prediction parameter coding unit 113 Intra prediction parameter coding unit 120 Prediction parameter derivation unit

Landscapes

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

Abstract

一つのインデクス値で二つの参照ピクチャリストを選択する場合、二つの参照ピクチャリスト構造の数によって、参照ピクチャリストが不定になる場合があった。複数の参照ピクチャリストを含む参照ピクチャリスト構造を復号し、ピクチャ単位あるいはスライス単位で、前記参照ピクチャリスト構造から二つの参照ピクチャリストを選択する予測部を有し、前記予測部で、二つの参照ピクチャリスト構造の数に応じて、一つのインデクス値で二つの参照ピクチャリストを選択する。

Description

動画像符号化装置及び動画像復号装置
　本発明の実施形態は、動画像符号化装置及び動画像復号装置に関する。
　動画像を効率的に伝送または記録するために、動画像を符号化することによって符号化データを生成する動画像符号化装置、および、当該符号化データを復号することによって復号画像を生成する動画像復号装置が用いられている。
　具体的な動画像符号化方式としては、例えば、H.264/AVCやH.265/HEVC（High-Efficiency Video Coding）方式などが挙げられる。
　このような動画像符号化方式においては、動画像を構成する画像（ピクチャ）は、画像を分割することにより得られるスライス、スライスを分割することにより得られる符号化ツリーユニット（CTU：Coding Tree Unit）、符号化ツリーユニットを分割することで得られる符号化単位（符号化ユニット（Coding Unit：CU）と呼ばれることもある）、及び、符号化単位を分割することより得られる変換ユニット（TU：Transform Unit）からなる階層構造により管理され、CU毎に符号化／復号される。
　また、このような動画像符号化方式においては、通常、入力画像を符号化／復号することによって得られる局所復号画像に基づいて予測画像が生成され、当該予測画像を入力画像（原画像）から減算して得られる予測誤差（「差分画像」または「残差画像」と呼ぶこともある）が符号化される。予測画像の生成方法としては、画面間予測（インター予測）、および、画面内予測（イントラ予測）が挙げられる。
　また、近年の動画像符号化及び復号の技術として非特許文献１が挙げられる。
　非特許文献１においては、複数の参照ピクチャリストをリスト毎に登録しておき、それをピクチャヘッダあるいはスライスヘッダで参照して用いる方法が採用されている。
"Versatile Video Coding (Draft 8)", JVET-R2001-vA, Joint Video Exploration Team (JVET) of ITU-T SG 16 WP 3 and ISO/IEC JTC 1/SC 29/WG 11, 2020-05-15
　しかしながら、非特許文献１に記載の方法では、参照ピクチャリストを定義するシンタクス、セマンティクスに不備があり、一つのインデクス値で二つの参照ピクチャリストを選択する場合、二つの参照ピクチャリスト構造の数によって、参照ピクチャリストが不定になるという課題がある。
　本発明の一態様に係る動画像復号装置は、複数の参照ピクチャリストを含む参照ピクチャリスト構造を復号し、ピクチャ単位あるいはスライス単位で、前記参照ピクチャリスト構造から二つの参照ピクチャリストを選択する予測部を有し、前記予測部で、二つの参照ピクチャリスト構造の数に応じて、一つのインデクス値で二つの参照ピクチャリストを選択することを特徴とする。
　本発明の一態様に係る動画像符号化装置は、複数の参照ピクチャリストを含む参照ピクチャリスト構造を符号化し、ピクチャ単位あるいはスライス単位で、前記参照ピクチャリスト構造から二つの参照ピクチャリストを選択する予測部を有し、前記予測部で、二つの参照ピクチャリスト構造の数に応じて、一つのインデクス値で二つの参照ピクチャリストを選択することを特徴とする。
　このような構成にすることで、不備なく符号化、復号することができる。
　本発明の一態様によれば、上記の課題が解決できる。
本実施形態に係る画像伝送システムの構成を示す概略図である。 本実施形態に係る動画像符号化装置を搭載した送信装置、および、動画像復号装置を搭載した受信装置の構成について示した図である。PROD_Aは動画像符号化装置を搭載した送信装置を示しており、PROD_Bは動画像復号装置を搭載した受信装置を示している。 本実施形態に係る動画像符号化装置を搭載した記録装置、および、動画像復号装置を搭載した再生装置の構成について示した図である。PROD_Cは動画像符号化装置を搭載した記録装置を示しており、PROD_Dは動画像復号装置を搭載した再生装置を示している。 符号化ストリームのデータの階層構造を示す図である。 参照ピクチャおよび参照ピクチャリストの一例を示す概念図である。 動画像復号装置の構成を示す概略図である。 動画像復号装置の概略的動作を説明するフローチャートである。 マージ候補の配置を説明する図である。 インター予測パラメータ導出部の構成を示す概略図である。 マージ予測パラメータ導出部、および、AMVP予測パラメータ導出部の構成を示す概略図である。 インター予測画像生成部の構成を示す概略図である。 動画像符号化装置の構成を示すブロック図である。 インター予測パラメータ符号化部の構成を示す概略図である。 イントラ予測パラメータ符号化部の構成を示す概略図である。 Sequence Paramenter Set(SPS)と、Picture Parameter Set(PPS)のシンタクスの一部を示す図である。 ピクチャヘッダPHとスライスヘッダのシンタクスの一部を示す図である。 参照ピクチャリストを定義するref_pic_lists()と参照ピクチャリスト構造ref_pic_list_struct（listIdx、rplsIdx）を定義するシンタクスを示す図である。
　　（第１の実施形態）
　以下、図面を参照しながら本発明の実施形態について説明する。
　図1は、本実施形態に係る画像伝送システム１の構成を示す概略図である。
　画像伝送システム１は、解像度が変換された異なる解像度の画像を符号化した符号化ストリームを伝送し、伝送された符号化ストリームを復号し画像を元の解像度に逆変換して表示するシステムである。画像伝送システム１は、解像度変換装置（解像度変換部）51、動画像符号化装置（画像符号化装置）11、ネットワーク21、動画像復号装置（画像復号装置）31、解像度逆変換装置（解像度逆変換部）61、及び動画像表示装置（画像表示装置）41を含んで構成される。
　解像度変換装置51は、動画像に含まれる画像Tの解像度を変換し、異なる解像度の画像を含む可変解像度動画像信号を、画像符号化装置11に供給する。また、解像度変換装置51は、画像の解像度変換の有無を示す情報を動画像符号化装置11に供給する。当該情報が解像度変換を示す場合、動画像符号化装置は、後述する解像度変換情報ref_pic_resampling_enabled_flagを１に設定し、符号化データのシーケンスパラメータセットSPS（SequenceParameter Set）に含ませて符号化する。
　動画像符号化装置11には解像度が変換された画像Tが入力される。
　ネットワーク21は、動画像符号化装置11が生成した符号化ストリームTeを動画像復号装置31に伝送する。ネットワーク21は、インターネット（Internet）、広域ネットワーク（WAN:Wide Area Network）、小規模ネットワーク（LAN:Local Area Network）またはこれらの組み合わせである。ネットワーク21は、必ずしも双方向の通信網に限らず、地上デジタル放送、衛星放送等の放送波を伝送する一方向の通信網であっても良い。また、ネットワーク21は、DVD（Digital Versatile Disc:登録商標）、BD（Blue-ray Disc:登録商標）等の符号化ストリームTeを記録した記憶媒体で代替されても良い。
　動画像復号装置31は、ネットワーク21が伝送した符号化ストリームTeのそれぞれを復号し、可変解像度復号画像信号を生成して解像度逆変換装置61に供給する。
　解像度逆変換装置61は、可変解像度復号画像信号に含まれる解像度変換情報が解像度変換を示す場合、解像度変換された画像を逆変換することによって、オリジナルサイズの復号画像信号を生成する。
　動画像表示装置41は、解像度逆変換部から入力された復号画像信号が示す１または複数の復号画像Tdの全部または一部を表示する。動画像表示装置41は、例えば、液晶ディスプレイ、有機ＥＬ（Electro-luminescence）ディスプレイ等の表示デバイスを備える。ディスプレイの形態としては、据え置き、モバイル、HMD等が挙げられる。また、動画像復号装置31が高い処理能力を有する場合には、画質の高い画像を表示し、より低い処理能力しか有しない場合には、高い処理能力、表示能力を必要としない画像を表示する。
　＜演算子＞
　本明細書で用いる演算子を以下に記載する。
　>>は右ビットシフト、<<は左ビットシフト、&はビットワイズAND、|はビットワイズOR、|=はOR代入演算子であり、||は論理和を示す。
　x ? y : zは、xが真（0以外）の場合にy、xが偽（0）の場合にzをとる３項演算子である。
　Clip3(a,b,c)は、cをa以上b以下の値にクリップする関数であり、c<aの場合にはaを返し、c>bの場合にはbを返し、その他の場合にはcを返す関数である（ただし、a<=b）。
　abs(a)はaの絶対値を返す関数である。
　Int(a)はaの整数値を返す関数である。
　floor(a)はa以下の最大の整数を返す関数である。
　ceil(a)はa以上の最小の整数を返す関数である。
　a/dはdによるaの除算（小数点以下切り捨て）を表す。
　min(a,b)はaとbの小さい方の値を表わす。
　　＜符号化ストリームTeの構造＞
　本実施形態に係る動画像符号化装置11および動画像復号装置31の詳細な説明に先立って、動画像符号化装置11によって生成され、動画像復号装置31によって復号される符号化ストリームTeのデータ構造について説明する。
　図4は、符号化ストリームTeにおけるデータの階層構造を示す図である。符号化ストリームTeは、例示的に、シーケンス、およびシーケンスを構成する複数のピクチャを含む。図4には、シーケンスSEQを既定する符号化ビデオシーケンス、ピクチャPICTを規定する符号化ピクチャ、スライスSを規定する符号化スライス、スライスデータを規定する符号化スライスデータ、符号化スライスデータに含まれる符号化ツリーユニット、符号化ツリーユニットに含まれる符号化ユニットを示す図が示されている。
　　（符号化ビデオシーケンス）
　符号化ビデオシーケンスでは、処理対象のシーケンスSEQを復号するために動画像復号装置31が参照するデータの集合が規定されている。シーケンスSEQは、図4に示すように、ビデオパラメータセットVPS（Video Parameter Set）、シーケンスパラメータセットSPS（Sequence Parameter Set）、ピクチャパラメータセットPPS（Picture Parameter Set）、Adaptation Parameter Set(APS)、ピクチャPICT、及び、付加拡張情報SEI（Supplemental Enhancement Information）を含んでいる。
　ビデオパラメータセットVPSは、複数のレイヤから構成されている動画像において、複数の動画像に共通する符号化パラメータの集合および動画像に含まれる複数のレイヤおよび個々のレイヤに関連する符号化パラメータの集合が規定されている。
　シーケンスパラメータセットSPSでは、対象シーケンスを復号するために動画像復号装置31が参照する符号化パラメータの集合が規定されている。例えば、ピクチャの幅や高さが規定される。なお、SPSは複数存在してもよい。その場合、PPSから複数のSPSの何れかを選択する。
　　（符号化ピクチャ）
　符号化ピクチャでは、処理対象のピクチャPICTを復号するために動画像復号装置31が参照するデータの集合が規定されている。ピクチャPICTは、図4に示すように、ピクチャヘッダPH、スライス0～スライスNS-1を含む（NSはピクチャPICTに含まれるスライスの総数）。
　以下、スライス0～スライスNS-1のそれぞれを区別する必要が無い場合、符号の添え字を省略して記述することがある。また、以下に説明する符号化ストリームTeに含まれるデータであって、添え字を付している他のデータについても同様である。
　　（符号化スライス）
　符号化スライスでは、処理対象のスライスSを復号するために動画像復号装置31が参照するデータの集合が規定されている。スライスは、図4に示すように、スライスヘッダ、および、スライスデータを含んでいる。
　スライスヘッダには、対象スライスの復号方法を決定するために動画像復号装置31が参照する符号化パラメータ群が含まれる。スライスタイプを指定するスライスタイプ指定情報（slice_type）は、スライスヘッダに含まれる符号化パラメータの一例である。
　スライスタイプ指定情報により指定可能なスライスタイプとしては、（１）符号化の際にイントラ予測のみを用いるＩスライス、（２）符号化の際に単予測(L0予測)、または、イントラ予測を用いるＰスライス、（３）符号化の際に単予測(参照ピクチャリスト0のみを用いるL0予測或いは参照ピクチャリスト1のみを用いるL1予測)、双予測、または、イントラ予測を用いるＢスライスなどが挙げられる。なお、インター予測は、単予測、双予測に限定されず、より多くの参照ピクチャを用いて予測画像を生成してもよい。以下、P、Bスライスと呼ぶ場合には、インター予測を用いることができるブロックを含むスライスを指す。
　なお、スライスヘッダは、ピクチャパラメータセットPPSへの参照（pic_parameter_set_id）を含んでいても良い。
　　（符号化スライスデータ）
　符号化スライスデータでは、処理対象のスライスデータを復号するために動画像復号装置31が参照するデータの集合が規定されている。スライスデータは、図4の符号化スライスヘッダに示すように、CTUを含んでいる。CTUは、スライスを構成する固定サイズ（例えば64x64）のブロックであり、最大符号化単位（LCU:Largest Coding Unit）と呼ぶこともある。
　　（符号化ツリーユニット）
　図4には、処理対象のCTUを復号するために動画像復号装置31が参照するデータの集合が規定されている。CTUは、再帰的な４分木分割（QT（Quad Tree）分割）、２分木分割（BT（Binary Tree）分割）あるいは３分木分割（TT（Ternary Tree）分割）により、符号化処理の基本的な単位である符号化ユニットCUに分割される。BT分割とTT分割を合わせてマルチツリー分割（MT（Multi Tree）分割）と呼ぶ。再帰的な４分木分割により得られる木構造のノードのことを符号化ノード（Coding Node）と称する。４分木、２分木、及び３分木の中間ノードは、符号化ノードであり、CTU自身も最上位の符号化ノードとして規定される。
　CTは、CT情報として、CT分割を行うか否かを示すCU分割フラグ(split_cu_flag)、QT分割を行うか否かを示すQT分割フラグ（qt_split_cu_flag）、MT分割の分割方向を示すMT分割方向（mtt_split_cu_vertical_flag）、MT分割の分割タイプを示すMT分割タイプ（mtt_split_cu_binary_flag）を含む。split_cu_flag、qt_split_cu_flag、mtt_split_cu_vertical_flag、mtt_split_cu_binary_flagは符号化ノード毎に伝送される。
　輝度と色差で異なるツリーを用いても良い。ツリーの種別をtreeTypeで示す。例えば、輝度(Y, cIdx=0)と色差(Cb/Cr, cIdx=1,2)で共通のツリーを用いる場合、共通単一ツリーをtreeType=SINGLE_TREEで示す。輝度と色差で異なる２つのツリー（DUALツリー）を用いる場合、輝度のツリーをtreeType=DUAL_TREE_LUMA、色差のツリーをtreeType=DUAL_TREE_CHROMAで示す。
　　（符号化ユニット）
　図4は、処理対象の符号化ユニットを復号するために動画像復号装置31が参照するデータの集合が規定されている。具体的には、CUは、CUヘッダCUH、予測パラメータ、変換パラメータ、量子化変換係数等から構成される。CUヘッダでは予測モード等が規定される。
　予測処理は、CU単位で行われる場合と、CUをさらに分割したサブCU単位で行われる場合がある。CUとサブCUのサイズが等しい場合には、CU中のサブCUは１つである。CUがサブCUのサイズよりも大きい場合、CUはサブCUに分割される。たとえばCUが8x8、サブCUが4x4の場合、CUは水平２分割、垂直２分割からなる、４つのサブCUに分割される。
　予測の種類（予測モード）は、イントラ予測と、インター予測の２つがある。イントラ予測は、同一ピクチャ内の予測であり、インター予測は、互いに異なるピクチャ間（例えば、表示時刻間、レイヤ画像間）で行われる予測処理を指す。
　変換・量子化処理はCU単位で行われるが、量子化変換係数は4x4等のサブブロック単位でエントロピー符号化してもよい。
　　（予測パラメータ）
　予測画像は、ブロックに付随する予測パラメータによって導出される。予測パラメータには、イントラ予測とインター予測の予測パラメータがある。
　以下、インター予測の予測パラメータについて説明する。インター予測パラメータは、予測リスト利用フラグpredFlagL0とpredFlagL1、参照ピクチャインデックスrefIdxL0とrefIdxL1、動きベクトルmvL0とmvL1から構成される。predFlagL0、predFlagL1は、参照ピクチャリスト（L0リスト、L1リスト）が用いられるか否かを示すフラグであり、値が１の場合に対応する参照ピクチャリストが用いられる。なお、本明細書中「ＸＸであるか否かを示すフラグ」と記す場合、フラグが０以外（たとえば１）をＸＸである場合、０をＸＸではない場合とし、論理否定、論理積などでは１を真、０を偽と扱う（以下同様）。但し、実際の装置や方法では真値、偽値として他の値を用いることもできる。
　インター予測パラメータを導出するためのシンタックス要素には、例えば、マージモードで用いるアフィンフラグaffine_flag、マージフラグmerge_flag、マージインデックスmerge_idx、MMVDフラグmmvd_flag、AMVPモードで用いる参照ピクチャを選択するためのインター予測識別子inter_pred_idc、参照ピクチャインデックスrefIdxLX、動きベクトルを導出するための予測ベクトルインデックスmvp_LX_idx、差分ベクトルmvdLX、動きベクトル精度モードamvr_modeがある。
　　（参照ピクチャリスト）
　参照ピクチャリストは、参照ピクチャメモリ306に記憶された参照ピクチャからなるリストである。図5は、参照ピクチャおよび参照ピクチャリストの一例を示す概念図である。図5の参照ピクチャの一例を示す概念図において、矩形はピクチャ、矢印はピクチャの参照関係、横軸は時間、矩形中のI、P、Bは各々イントラピクチャ、単予測ピクチャ、双予測ピクチャ、矩形中の数字は復号順を示す。図に示すように、ピクチャの復号順は、I0、P1、B2、B3、B4であり、表示順は、I0、B3、B2、B4、P1である。図5には、ピクチャB3（対象ピクチャ）の参照ピクチャリストの例を示されている。参照ピクチャリストは、参照ピクチャの候補を表すリストであり、１つのピクチャ（スライス）が１つ以上の参照ピクチャリストを有してもよい。図の例では、対象ピクチャB3は、L0リストRefPicList0およびL1リストRefPicList1の参照ピクチャリストを持つ。個々のCUでは、参照ピクチャリストRefPicListX（X=0または1）中のどのピクチャを実際に参照するかをrefIdxLXで指定する。図は、refIdxL0=2、refIdxL1=0の例である。なお、LXは、L0予測とL1予測を区別しない場合に用いられる記述方法であり、以降では、LXをL0、L1に置き換えることでL0リストに対するパラメータとL1リストに対するパラメータを区別する。
　　（マージ予測とAMVP予測）
　予測パラメータの復号（符号化）方法には、マージ予測（merge）モードとAMVP（Advanced Motion Vector Prediction、適応動きベクトル予測）モードがあり、merge_flagは、これらを識別するためのフラグである。マージ予測モードは、予測リスト利用フラグpredFlagLX、参照ピクチャインデックスrefIdxLX、動きベクトルmvLXを符号化データに含めずに、既に処理した近傍ブロックの予測パラメータ等から導出するモードである。AMVPモードは、inter_pred_idc、refIdxLX、mvLXを符号化データに含めるモードである。なお、mvLXは、予測ベクトルmvpLXを識別するmvp_LX_idxと差分ベクトルmvdLXとして符号化される。また、マージ予測モードの他に、アフィン予測モード、MMVD予測モードがあってもよい。
　inter_pred_idcは、参照ピクチャの種類および数を示す値であり、PRED_L0、PRED_L1、PRED_BIの何れかの値をとる。PRED_L0、PRED_L1は、各々L0リスト、L1リストで管理された１枚の参照ピクチャを用いる単予測を示す。PRED_BIはL0リストとL1リストで管理された２枚の参照ピクチャを用いる双予測を示す。
　merge_idxは、処理が完了したブロックから導出される予測パラメータ候補（マージ候補）のうち、いずれの予測パラメータを対象ブロックの予測パラメータとして用いるかを示すインデックスである。
　　（動きベクトル）
　mvLXは、異なる２つのピクチャ上のブロック間のシフト量を示す。mvLXに関する予測ベクトル、差分ベクトルを、それぞれmvpLX、mvdLXと呼ぶ。
　（インター予測識別子inter_pred_idcと予測リスト利用フラグpredFlagLX）
　inter_pred_idcと、predFlagL0、predFlagL1の関係は以下のとおりであり、相互に変換可能である。
　inter_pred_idc = (predFlagL1<<１）+predFlagL0
　predFlagL0 = inter_pred_idc & 1
　predFlagL1 = inter_pred_idc >> 1
　なお、インター予測パラメータは、予測リスト利用フラグを用いても良いし、インター予測識別子を用いてもよい。また、予測リスト利用フラグを用いた判定は、インター予測識別子を用いた判定に置き替えてもよい。逆に、インター予測識別子を用いた判定は、予測リスト利用フラグを用いた判定に置き替えてもよい。
　（双予測biPredの判定）
　双予測であるかのフラグbiPredは、２つの予測リスト利用フラグがともに１であるかによって導出できる。例えば以下の式で導出できる。
　biPred = (predFlagL0==1 && predFlagL1==1)
　あるいは、biPredは、インター予測識別子が２つの予測リスト（参照ピクチャ）を使うことを示す値であるか否かによっても導出できる。例えば以下の式で導出できる。
　biPred = (inter_pred_idc==PRED_BI) ? 1 : 0
　　（動画像復号装置の構成）
　本実施形態に係る動画像復号装置31（図6）の構成について説明する。
　動画像復号装置31は、エントロピー復号部301、パラメータ復号部（予測画像復号装置）302、ループフィルタ305、参照ピクチャメモリ306、予測パラメータメモリ307、予測画像生成部（予測画像生成装置）308、逆量子化・逆変換部311、及び加算部312、予測パラメータ導出部320を含んで構成される。なお、後述の動画像符号化装置11に合わせ、動画像復号装置31にループフィルタ305が含まれない構成もある。
　パラメータ復号部302は、さらに、ヘッダ復号部3020、CT情報復号部3021、及びCU復号部3022（予測モード復号部）を備えており、CU復号部3022はさらにTU復号部3024を備えている。これらを総称して復号モジュールと呼んでもよい。ヘッダ復号部3020は、符号化データからVPS、SPS、PPS、APSなどのパラメータセット情報、スライスヘッダ（スライス情報）を復号する。CT情報復号部3021は、符号化データからCTを復号する。CU復号部3022は符号化データからCUを復号する。TU復号部3024は、TUに予測誤差が含まれている場合に、符号化データからQP更新情報（量子化補正値）と量子化予測誤差（residual_coding）を復号する。
　TU復号部3024は、スキップモード以外(skip_mode==0)の場合に、符号化データからQP更新情報と量子化予測誤差を復号する。より具体的には、TU復号部3024は、skip_mode==0の場合に、対象ブロックに量子化予測誤差が含まれているか否かを示すフラグcu_cbpを復号し、cu_cbpが1の場合に量子化予測誤差を復号する。cu_cbpが符号化データに存在しない場合は0と導出する。
　TU復号部3024は、符号化データから変換基底を示すインデックスmts_idxを復号する。また、TU復号部3024は、符号化データからセカンダリ変換の利用及び変換基底を示すインデックスstIdxを復号する。stIdxは0の場合にセカンダリ変換の非適用を示し、1の場合にセカンダリ変換基底のセット（ペア）のうち一方の変換を示し、2の場合に上記ペアのうち他方の変換を示す。
　また、TU復号部3024はサブブロック変換フラグcu_sbt_flagを復号してもよい。cu_sbt_flagが１の場合には、CUを複数のサブブロックに分割し、特定の１つのサブブロックのみ残差を復号する。さらにTU復号部3024は、サブブロックの数が４であるか２であるかを示すフラグcu_sbt_quad_flag、分割方向を示すcu_sbt_horizontal_flag、非ゼロの変換係数が含まれるサブブロックを示すcu_sbt_pos_flagを復号してもよい。
　予測画像生成部308は、インター予測画像生成部309及びイントラ予測画像生成部310を含んで構成される。
　予測パラメータ導出部320は、インター予測パラメータ導出部303及びイントラ予測パラメータ導出部304を含んで構成される。
　また、以降では処理の単位としてCTU、CUを使用した例を記載するが、この例に限らず、サブCU単位で処理をしてもよい。あるいはCTU、CUをブロック、サブCUをサブブロックと読み替え、ブロックあるいはサブブロック単位の処理としてもよい。
　エントロピー復号部301は、外部から入力された符号化ストリームTeに対してエントロピー復号を行って、個々の符号（シンタックス要素）を復号する。エントロピー符号化には、シンタックス要素の種類や周囲の状況に応じて適応的に選択したコンテキスト（確率モデル）を用いてシンタックス要素を可変長符号化する方式と、あらかじめ定められた表、あるいは計算式を用いてシンタックス要素を可変長符号化する方式がある。前者のCABAC（Context Adaptive Binary Arithmetic Coding）は、コンテキストのCABAC状態（優勢シンボルの種別(0 or 1)と確率を指定する確率状態インデックスpStateIdx）をメモリに格納する。エントロピー復号部301は、セグメント（タイル、CTU行、スライス）の先頭で全てのCABAC状態を初期化する。エントロピー復号部301は、シンタックス要素をバイナリ列（Bin String）に変換し、Bin Stringの各ビットを復号する。コンテキストを用いる場合には、シンタックス要素の各ビットに対してコンテキストインデックスctxIncを導出し、コンテキストを用いてビットを復号し、用いたコンテキストのCABAC状態を更新する。コンテキストを用いないビットは、等確率(EP, bypass)で復号され、ctxInc導出やCABAC状態は省略される。復号されたシンタックス要素には、予測画像を生成するための予測情報および、差分画像を生成するための予測誤差などがある。
　エントロピー復号部301は、復号した符号をパラメータ復号部302に出力する。復号した符号とは、例えば、予測モードpredMode、merge_flag、merge_idx、inter_pred_idc、refIdxLX、mvp_LX_idx、mvdLX、amvr_mode等である。どの符号を復号するかの制御は、パラメータ復号部302の指示に基づいて行われる。
　　（基本フロー）
　図7は、動画像復号装置31の概略的動作を説明するフローチャートである。
　（S1100：パラメータセット情報復号）ヘッダ復号部3020は、符号化データからVPS、SPS、PPSなどのパラメータセット情報を復号する。
　（S1200：スライス情報復号）ヘッダ復号部3020は、符号化データからスライスヘッダ（スライス情報）を復号する。
　以下、動画像復号装置31は、対象ピクチャに含まれる各CTUについて、S1300からS5000の処理を繰り返すことにより各CTUの復号画像を導出する。
　（S1300：CTU情報復号）CT情報復号部3021は、符号化データからCTUを復号する。
　（S1400：CT情報復号）CT情報復号部3021は、符号化データからCTを復号する。
　（S1500：CU復号）CU復号部3022はS1510、S1520を実施して、符号化データからCUを復号する。
　（S1510：CU情報復号）CU復号部3022は、符号化データからCU情報、予測情報、TU分割フラグsplit_transform_flag、CU残差フラグcbf_cb、cbf_cr、cbf_luma等を復号する。
　（S1520：TU情報復号）TU復号部3024は、TUに予測誤差が含まれている場合に、符号化データからQP更新情報と量子化予測誤差、変換インデックスmts_idxを復号する。なお、QP更新情報は、量子化パラメータQPの予測値である量子化パラメータ予測値qPpredからの差分値である。
　（S2000：予測画像生成）予測画像生成部308は、対象CUに含まれる各ブロックについて、予測情報に基づいて予測画像を生成する。
　（S3000：逆量子化・逆変換）逆量子化・逆変換部311は、対象CUに含まれる各TUについて、逆量子化・逆変換処理を実行する。
　（S4000：復号画像生成）加算部312は、予測画像生成部308より供給される予測画像と、逆量子化・逆変換部311より供給される予測誤差とを加算することによって、対象CUの復号画像を生成する。
　（S5000：ループフィルタ）ループフィルタ305は、復号画像にデブロッキングフィルタ、SAO、ALFなどのループフィルタをかけ、復号画像を生成する。
　　（インター予測パラメータ導出部の構成）
　図9には、本実施形態に係るインター予測パラメータ導出部303の構成を示す概略図が示されている。インター予測パラメータ導出部303は、パラメータ復号部302から入力されたシンタックス要素に基づいて、予測パラメータメモリ307に記憶された予測パラメータを参照してインター予測パラメータを導出する。また、インター予測パラメータをインター予測画像生成部309、予測パラメータメモリ307に出力する。インター予測パラメータ導出部303及びその内部の要素であるAMVP予測パラメータ導出部3032、マージ予測パラメータ導出部3036、アフィン予測部30372、MMVD予測部30373、GPM予測部30377、DMVR部30537、MV加算部3038は、動画像符号化装置、動画像復号装置で共通する手段であるので、これらを総称して動きベクトル導出部（動きベクトル導出装置）と称してもよい。
　スケールパラメータ導出部30378は、参照ピクチャの水平方向のスケーリング比RefPicScale[i][j][0]、および、参照ピクチャの垂直方向のスケーリング比RefPicScale[i][j][1]、及び、参照ピクチャがスケーリングされているか否かを示すRefPicIsScaled[i][j]を導出する。ここで、iは参照ピクチャリストがL0リストかL1リストであるかを示し、ｊをL0参照ピクチャリストあるいはL1参照ピクチャリストの値として、次のように導出する。
　RefPicScale[i][j][0] =
　　((fRefWidth << 14)+(PicOutputWidthL >> 1)) / PicOutputWidthL
　RefPicScale[i][j][1] =
　　((fRefHeight << 14)+(PicOutputHeightL >> 1)) / PicOutputHeightL
　RefPicIsScaled[i][j] =
　　(RefPicScale[i][j][0] != (1<<14)) || (RefPicScale[i][j][1] != (1<<14))
　ここで、変数PicOutputWidthLは、符号化ピクチャが参照される時に水平方向のスケーリング比を計算する時の値であり、符号化ピクチャの輝度の水平方向の画素数から左右のオフセット値を引いたものが用いられる。変数PicOutputHeightLは、符号化ピクチャが参照される時に垂直方向のスケーリング比を計算する時の値であり、符号化ピクチャの輝度の垂直方向の画素数から上下のオフセット値を引いたものが用いられる。変数fRefWidthは、リストiの参照ピクチャリスト値ｊの参照ピクチャのPicOutputWidthLの値とし、変数fRefHightは、リストiの参照ピクチャリスト値ｊの参照ピクチャのPicOutputHeightLの値とする。
　affine_flagが１、すなわち、アフィン予測モードを示す場合、アフィン予測部30372は、サブブロック単位のインター予測パラメータを導出する。
　mmvd_flagが１、すなわち、MMVD予測モードを示す場合、MMVD予測部30373は、マージ予測パラメータ導出部3036で導出されるマージ候補と差分ベクトルからインター予測パラメータを導出する。
　GPM Flagが１、すなわち、GPM(Geometric Partitioning Mode)予測モードを示す場合、GPM予測部30377はGPM予測パラメータを導出する。
　merge_flagが１、すなわち、マージ予測モードを示す場合、merge_idxを導出し、マージ予測パラメータ導出部3036に出力する。
　merge_flagが０、すなわち、AMVP予測モードを示す場合、AMVP予測パラメータ導出部3032はinter_pred_idc、refIdxLXかmvp_LX_idxからmvpLXを導出する。
　　（MV加算部）
　MV加算部3038では導出されたmvpLXとmvdLXを加算し、mvLXを導出する。
　　（アフィン予測部）
　アフィン予測部30372は、１）対象ブロックの２つの制御点CP0、CP1、もしくは３つの制御点CP0, CP1, CP2の動きベクトルを導出し、２）対象ブロックのアフィン予測パラメータを導出し、３）アフィン予測パラメータから各サブブロックの動きベクトルを導出する。
　マージアフィン予測の場合、対象ブロックの隣接ブロックの動きベクトルから各制御点CP0, CP1, CP2の動きベクトルcpMvLX[]を導出する。インターアフィン予測の場合には、各制御点CP0, CP1, CP2の予測ベクトルと符号化データから導出される差分ベクトルmvdCpLX[]の和から各制御点のcpMvLX[]を導出する。
　　（マージ予測）
　図10には、本実施形態に係るマージ予測パラメータ導出部3036の構成を示す概略図が示されている。マージ予測パラメータ導出部3036は、マージ候補導出部30361、マージ候補選択部30362を備える。なお、マージ候補は、予測パラメータ（predFlagLX、mvLX、refIdxLX）を含んで構成され、マージ候補リストに格納される。マージ候補リストに格納されたマージ候補には、所定の規則に従ってインデックスが割り当てられる。
　マージ候補導出部30361は、復号済の隣接ブロックの動きベクトルとrefIdxLXをそのまま用いてマージ候補を導出する。それ以外に、マージ候補導出部30361は、後述する空間マージ候補導出処理、時間マージ候補導出処理、ペアワイズマージ候補導出処理、およびゼロマージ候補導出処理を適用してもよい。
　空間マージ候補導出処理として、マージ候補導出部30361は、所定の規則に従って、予測パラメータメモリ307が記憶している予測パラメータを読み出し、マージ候補に設定する。参照ピクチャの指定方法は、例えば、対象ブロックから予め定めた範囲内にある隣接ブロック（例えば、対象ブロックの左A1、右B1、右上B0、左下A0、左上B2にそれぞれ接するブロックの全部または一部）のそれぞれに係る予測パラメータである。各々のマージ候補をA1,B1,B0,A0,B2と呼ぶ。
ここで、A1,B1,B0,A0,B2は各々、下記の座標を含むブロックから導出される動き情報である。図8の対象ピクチャでマージ候補の配置にA1,B1,B0,A0,B2の位置を示す。
　A1: (xCb - 1, yCb + cbHeight - 1)
　B1: (xCb + cbWidth - 1, yCb - 1)
　B0: (xCb + cbWidth, yCb - 1)
　A0: (xCb - 1, yCb + cbHeight)
　B2: (xCb - 1, yCb - 1)
対象ブロックの左上座標を(xCb, yCb)、幅cbWidth、高さcbHeightとする。
　時間マージ導出処理として、マージ候補導出部30361は、図8のコロケートピクチャで示されるように、対象ブロックの右下CBR、あるいは、中央の座標を含む参照画像中のブロックCの予測パラメータを、予測パラメータメモリ307から読み出してマージ候補Colとし、マージ候補リストmergeCandList[]に格納する。
　一般にブロックCBRを優先してmergeCandList[]に加え、CBRが動きベクトルを持たない（例えばイントラ予測ブロック）場合や、CBRがピクチャ外に位置する場合は、ブロックCの動きベクトルを予測ベクトル候補に加える。動きの異なる可能性が高いコロケートブロックの動きベクトルを予測候補として加えることで、予測ベクトルの選択肢が増え、符号化効率が高まる。
　ph_temporal_mvp_enabled_flagが0、または、cbWidth*cbHeightが32以下の場合、対象ブロックのコロケート動きベクトルmvLXColを0に設定し、コロケートブロックの利用可能性フラグavailableFlagLXColを0に設定する。
　それ以外（SliceTemporalMvpEnabledFlagが1）の場合、下記を実施する。
　例えばマージ候補導出部30361は、Cの位置（xColCtr,yColCtr）とCBRの位置（xColCBr、yColCBr）を、以下の式で導出してもよい。
　　xColCtr = xCb+(cbWidth>>1)
　　yColCtr = yCb+(cbHeight>>1)
　　xColCBr = xCb+cbWidth
　　yColCBr = yCb+ cbHeight
CBRが利用可能であればCBRの動きベクトルを利用してマージ候補COLを導出する。CBRが利用可能でなければCを使用してCOLを導出する。そして、availableFlagLXColを1に設定する。なお、参照ピクチャは、スライスヘッダにおいて通知されたcollocated_ref_idxであってもよい。
　ペアワイズ候補導出部は、mergeCandListに格納済みの２つのマージ候補(p0Cand, p1Cand)の平均からペアワイズ候補avgKを導出し、mergeCandList[]に格納する。
　　mvLXavgK[0] = (mvLXp0Cand[0]+mvLXp1Cand[0])/2
　　mvLXavgK[1] = (mvLXp0Cand[1]+mvLXp1Cand[1])/2
　マージ候補導出部30361は、refIdxLXが0…Mであり、mvLXのX成分、Y成分が共に０であるゼロマージ候補Z0,…, ZMを導出しマージ候補リストに格納する。
　mergeCandList[]に格納する順番は、例えば、空間マージ候補(A1,B1,B0,A0,B2)、時間マージ候補Col、ペアワイズ候補avgK、ゼロマージ候補ZKである。なお、利用可能でない（ブロックがイントラ予測等）参照ブロックはマージ候補リストに格納しない。
i = 0
if( availableFlagB1 )
　mergeCandList[ i++ ] = B1
if( availableFlagA1 )
　mergeCandList[ i++ ] = A1
if( availableFlagB0 )
　mergeCandList[ i++ ] = B0
if( availableFlagA0 )
　mergeCandList[ i++ ] = A0
if( availableFlagB2 )
　mergeCandList[ i++ ] = B2
if( availableFlagCol )
　mergeCandList[ i++ ] = Col
if( availableFlagAvgK )
　mergeCandList[ i++ ] = avgK
if( i < MaxNumMergeCand )
　mergeCandList[ i++ ] = ZK
　マージ候補選択部30362は、マージ候補リストに含まれるマージ候補のうち、merge_idxが示すマージ候補Nを以下の式で選択する。
　N = mergeCandList[merge_idx]
　ここでNは、マージ候補を示すラベルであり、A1,B1,B0,A0,B2,Col,avgK,ZKなどをとる。ラベルNで示されるマージ候補の動き情報は（mvLXN[0], mvLXN[0]）、predFlagLXN, refIdxLXNで示される。
　選択された（mvLXN[0], mvLXN[0]）、predFlagLXN, refIdxLXNを対象ブロックのインター予測パラメータとして選択する。マージ候補選択部30362は選択したマージ候補のインター予測パラメータを予測パラメータメモリ307に記憶するとともに、インター予測画像生成部309に出力する。
　　（DMVR）
　続いて、DMVR部30375が行うDMVR（Decoder side Motion Vector Refinement）処理について説明する。DMVR部30375は、対象CUに対して、merge_flagが1の場合、又は、スキップフラグskip_flagが1の場合、マージ予測部30374が導出する当該対象CUのmvLXを、参照画像を用いて修正する。具体的には、マージ予測部30374が導出する予測パラメータが双予測である場合において、２つの参照ピクチャに対応すると動きベクトルから導出される予測画像を用いて、動きベクトルを修正する。修正後のmvLXはインター予測画像生成部309に供給される。DMVR部30375は、dmvrFlagが1の場合（少なくともph_disable_dmvr_flagが0の場合）に、上記、動きベクトルの修正を行う。DMVR部30375は、以下の式が全て真の場合に、dmvrFlag=1に設定し、それ以外の場合に0とする。
　ph_disable_dmvr_flag == 0
　general_merge_flag == 1
　predFlagL0 == 1 and predFlagL1 == 1
　mmvd_merge_flag == 0
　ciip_flag == 0
　DiffPicOrderCnt(currPic, RefPicList[0][refIdxL0]) == DiffPicOrderCnt(RefPicList[1][refIdxL1], currPic)
　RefPicList[0][refIdxL0] and RefPicList[1][refIdxL1]は短期間参照ピクチャ
　BcwIdx == 0
　luma_weight_l0_flag[refIdxL0] == 0 and luma_weight_l1_flag[refIdxL1] == 0
　chroma_weight_l0_flag[refIdxL0] == 0 and chroma_weight_l1_flag[refIdxL1] == 0
　cbWidth >= 8
　cbHeight >= 8
　cbHeight*cbWidth >= 128
　RefPicIsScaled[0][refIdxL0] == 0 and RefPicIsScaled[1][refIdxL1] == 0
関数DiffPicOrderCnt(picA, picB)は、次のように示される。
　DiffPicOrderCnt(picA, picB) = PicOrderCnt(picA) - PicOrderCnt(picB)
　また、DMVR処理を行うか否かを規定するフラグdmvrFlagの導出において、dmvrFlagを1に設定する複数の条件の1つとして、上述したRefPicIsScaled[0][refIdxL0]の値が0であり、且つRefPicIsScaled[1][refIdxL1]の値が0であることが含まれる。dmvrFlagの値が1に設定された場合、DMVR部30375によるDMVR処理が実行される。
　また、DMVR処理を行うか否かを規定するフラグdmvrFlagの導出において、dmvrFlagを1に設定する複数の条件の1つとして、ciip_flagが0、つまりIntraInter合成処理を適用しないことが含まれている。
　また、DMVR処理を行うか否かを規定するフラグdmvrFlagの導出において、dmvrFlagを1に設定する複数の条件の1つとして、後述する輝度のL0予測の重み予測の係数情報が存在するか否かを示すフラグであるluma_weight_l0_flag[i]が0であり、且つ輝度のL1予測の重み予測の係数情報が存在するか否かを示すフラグであるluma_weight_l1_flag[i]の値が0であることが含まれる。dmvrFlagの値が1に設定された場合、DMVR部30375によるDMVR処理が実行される。
　なお、DMVR処理を行うか否かを規定するフラグdmvrFlagの導出において、dmvrFlagを1に設定する複数の条件の1つとして、luma_weight_l0_flag[i]が0であり、且つluma_weight_l1_flag[i]の値が0、且つ後述する色差のL0予測の重み予測の係数情報が存在するか否かを示すフラグであるchroma_weight_l0_flag[i]が0であり、且つ色差のL1予測の重み予測の係数情報が存在するか否かを示すフラグであるchroma_weight_l1_flag[i]の値が0であることが含まれてもよい。dmvrFlagの値が1に設定された場合、DMVR部30375によるDMVR処理が実行される。
　　（Prof）
　また、RefPicIsScaled[0][refIdxLX]の値が1であるか、RefPicIsScaled[1][refIdxLX]の値が1であれば、cbProfFlagLXの値はFALSE(=0)に設定される。ここで、cbProfFlagLXは、アフィン予測のPrediction refinement(PROF)を行うか否かを規定するフラグである。
　　（AMVP予測）
　図10には、本実施形態に係るAMVP予測パラメータ導出部3032の構成を示す概略図が示されている。AMVP予測パラメータ導出部3032は、ベクトル候補導出部3033とベクトル候補選択部3034を備える。ベクトル候補導出部3033は、refIdxLXに基づいて予測パラメータメモリ307が記憶する復号済みの隣接ブロックの動きベクトルから予測ベクトル候補を導出し、予測ベクトル候補リストmvpListLX[]に格納する。
　ベクトル候補選択部3034は、mvpListLX[]の予測ベクトル候補のうち、mvp_LX_idxが示す動きベクトルmvpListLX[mvp_LX_idx]をmvpLXとして選択する。ベクトル候補選択部3034は選択したmvpLXをMV加算部3038に出力する。
　　（MV加算部）
　MV加算部3038は、AMVP予測パラメータ導出部3032から入力されたmvpLXと復号したmvdLXを加算してmvLXを算出する。加算部3038は、算出したmvLXをインター予測画像生成部309および予測パラメータメモリ307に出力する。
　mvLX[0] = mvpLX[0]+mvdLX[0]
　mvLX[1] = mvpLX[1]+mvdLX[1]
　（サブブロックマージの詳細分類）
　サブブロックマージが関連する予測処理の種類について纏める。上記のように、マージ予測とAMVP予測とに大別される。
　マージ予測は、さらに、以下に類別される。
　・ノーマルマージ予測（ブロックベースのマージ予測）
　・サブブロックマージ予測
　サブブロックマージ予測は、更に、以下に類別される。
　・サブブロック予測(ATMVP)
　・アフィン予測
　　・継承アフィン予測（inferred affine prediction）
　　・構成アフィン予測（constructed affine prediction）
　一方、AMVP予測は、以下に類別される。
　・AMVP（並進）
　・MVDアフィン予測
　MVDアフィン予測は、更に、以下に類別される。
　・4パラメータMVDアフィン予測
　・6パラメータMVDアフィン予測
なお、MVDアフィン予測は、差分ベクトルを復号して用いるアフィン予測を指す。
　サブブロック予測では、時間マージ導出処理と同様、対象サブブロックのコロケートサブブロックCOLの利用可能性availableFlagSbColを判定し、利用可能な場合、予測パラメータを導出する。少なくとも、上述のSliceTemporalMvpEnabledFlagが0の場合に、availableFlagSbColは0に設定される。
　MMVD予測(Merge with Motion Vector Difference)は、マージ予測に分類しても良いし、AMVP予測に分類してもよい。前者では、merge_flag=1の場合にmmvd_flag及びMMVD関連シンタックス要素を復号し、後者ではmerge_flag=0の場合にmmvd_flag及びMMVD関連シンタックス要素を復号する。
　ループフィルタ305は、符号化ループ内に設けたフィルタで、ブロック歪やリンギング歪を除去し、画質を改善するフィルタである。ループフィルタ305は、加算部312が生成したCUの復号画像に対し、デブロッキングフィルタ、サンプル適応オフセット（SAO）、適応ループフィルタ（ALF）等のフィルタを施す。
　参照ピクチャメモリ306は、CUの復号画像を、対象ピクチャ及び対象CU毎に予め定めた位置に記憶する。
　予測パラメータメモリ307は、CTUあるいはCU毎に予め定めた位置に予測パラメータを記憶する。具体的には、予測パラメータメモリ307は、パラメータ復号部302が復号したパラメータ及び予測パラメータ導出部320が導出したパラメータ等を記憶する。
　予測画像生成部308には予測パラメータ導出部320が導出したパラメータが入力される。また、予測画像生成部308は、参照ピクチャメモリ306から参照ピクチャを読み出す。予測画像生成部308は、predModeが示す予測モードで、パラメータと参照ピクチャ（参照ピクチャブロック）を用いてブロックもしくはサブブロックの予測画像を生成する。ここで、参照ピクチャブロックとは、参照ピクチャ上の画素の集合（通常矩形であるのでブロックと呼ぶ）であり、予測画像を生成するために参照する領域である。
　　（インター予測画像生成部309）
　predModeがインター予測モードを示す場合、インター予測画像生成部309は、インター予測パラメータ導出部303から入力されたインター予測パラメータと参照ピクチャを用いてインター予測によりブロックもしくはサブブロックの予測画像を生成する。
　図11は、本実施形態に係る予測画像生成部308に含まれるインター予測画像生成部309の構成を示す概略図である。インター予測画像生成部309は、動き補償部（予測画像生成装置）3091、合成部3095を含んで構成される。合成部3095は、IntraInter合成部30951、GPM合成部30952、BDOF部30954、重み予測部3094を含んで構成される。
　　（動き補償）
　動き補償部3091（補間画像生成部3091）は、インター予測パラメータ導出部303から入力された、インター予測パラメータ（predFlagLX、refIdxLX、mvLX）に基づいて、参照ピクチャメモリ306から参照ブロックを読み出すことによって補間画像（動き補償画像）を生成する。参照ブロックは、refIdxLXで指定された参照ピクチャRefPicLX上で、対象ブロックの位置からmvLXシフトした位置のブロックである。ここで、mvLXが整数精度でない場合には、動き補償フィルタと呼ばれる小数位置の画素を生成するためのフィルタを施して、補間画像を生成する。
　動き補償部3091は、まず、予測ブロック内座標(x,y)に対応する整数位置(xInt,yInt)および位相(xFrac,yFrac)を以下の式で導出する。
　　xInt = xPb+(mvLX[0]>>(log2(MVPREC)))+x
　　xFrac = mvLX[0]&(MVPREC-1)
　　yInt = yPb+(mvLX[1]>>(log2(MVPREC)))+y
　　yFrac = mvLX[1]&(MVPREC-1)
ここで、(xPb,yPb)は、bW*bHサイズのブロックの左上座標、x=0…bW-1、y=0…bH-1であり、MVPRECは、mvLXの精度（1/MVPREC画素精度）を示す。例えばMVPREC=16である。
　動き補償部3091は、参照ピクチャrefImgに補間フィルタを用いて水平補間処理を行うことで、一時的画像temp[][]を導出する。以下のΣはk=0..NTAP-1のkに関する和、shift1は値のレンジを調整する正規化パラメータ、offset1=1<<(shift1-1)である。
　　temp[x][y] = (ΣmcFilter[xFrac][k]*refImg[xInt+k-NTAP/2+1][yInt]+offset1)>>shift1
　続いて、動き補償部3091は、一時的画像temp[][]を垂直補間処理により、補間画像Pred[][]を導出する。以下のΣはk=0..NTAP-1のkに関する和、shift2は値のレンジを調整する正規化パラメータ、offset2=1<<(shift2-1)である。
　　Pred[x][y] = (ΣmcFilter[yFrac][k]*temp[x][y+k-NTAP/2+1]+offset2)>>shift2
　なお、双予測の場合、上記のPred[][]をL0リスト、L1リスト毎に導出し（補間画像PredL0[][]とPredL1[][]と呼ぶ）、PredL0[][]とPredL1[][]から補間画像Pred[][]を生成する。
　なお、動き補償部3091は、スケールパラメータ導出部30378で導出された参照ピクチャの水平方向のスケーリング比RefPicScale[i][j][0]、および、参照ピクチャの垂直方向のスケーリング比RefPicScale[i][j][1]に応じて、補間画像をスケーリングする機能を有している。
　合成部3095は、IntraInter合成部30951、GPM合成部30952、重み予測部3094、BDOF部30954を備えている。
　　（interpolation filter処理）
　以下、予測画像生成部308によって実行されるinterpolation filter処理であって、上述したリサンプリングが適用されて参照ピクチャのサイズが単一のシーケンス中で変化する場合におけるinterpolation filter処理について説明する。なお、この処理は、例えば動き補償部3091によって実行されるものであってもよい。
　予測画像生成部308は、インター予測パラメータ導出部303から入力されたRefPicIsScaled[i][j]の値が、参照ピクチャがスケーリングされていることを示している場合に、複数のフィルタ係数を切り替えて、interpolation filter処理を実行する。
　　（IntraInter合成処理）
　IntraInter合成部30951は、インター予測画像とイントラ予測画像の重み付け和により予測画像を生成する。
　予測画像の画素値predSamplesComb[x][y]は、IntraInter合成処理を適用するかを示すフラグciip_flagが1ならば、次のように導出される。
　predSamplesComb[x][y] =(w * predSamplesIntra[x][y]
　　　　　　　　　　　　+(4 - w)*predSamplesInter[x][y] + 2)>> 2
　ここで、predSamplesIntra[x][y]はイントラ予測画像で、planar予測に限定されている。predSamplesInter[x][y]は、再構成されたインター予測画像である。
　重みwは次のように導出される。
　対象符号化ブロックに左隣接する最も下のブロックと上隣接する最も右のブロックの両方がイントラの場合、wは3に設定される。
　それ以外の場合、対象符号化ブロックに左隣接する最も下のブロックと上隣接する最も右のブロックの両方がイントラでない場合、wは1に設定される。
　それ以外の場合、wは2に設定される。
　　（GPM合成処理）
　GPM合成部30952は、上述したGPM予測を用いた予測画像を生成する。
　（BDOF予測）
　次に、BDOF部30954が行うBDOF予測(Bi-Directional Optical Flow, BDOF処理)の詳細について説明する。BDOF部30954は、双予測モードにおいて、２つの予測画像（第１の予測画像及び第２の予測画像）及び勾配補正項bdofOffsetを参照して予測画像を生成する。具体的には、DMVR部30375は、以下の式が全て真の場合に、bdofFlag=1に設定し、それ以外の場合に0とする。
　ph_disable_bdof_flag == 0
　predFlagL0 == 1 and predFlagL1 == 1
　DiffPicOrderCnt(currPic, RefPicList[0][refIdxL0]) == DiffPicOrderCnt(RefPicList[1][refIdxL1], currPic).
　RefPicList[0][refIdxL0]、RefPicList[1][refIdxL1]は短期間参照ピクチャ
　MotionModelIdc == 0
　merge_subblock_flag == 0
　sym_mvd_flag == 0
　ciip_flag == 0
　BcwIdx == 0
　luma_weight_l0_flag[refIdxL0] == 0 and luma_weight_l1_flag[refIdxL1] == 0
　chroma_weight_l0_flag[refIdxL0] == 0 and chroma_weight_l1_flag[refIdxL1] == 0
　cbWidth >= 8
　cbHeight >= 8
　cbHeight * cbWidth >= 128
　RprConstraintsActive[0][refIdxL0] == 0 and RprConstraintsActive[1][refIdxL1] == 0
　cIdx == 0
BDOFは、bdofFlagが1の場合（少なくともph_disable_bdor_flagが0の場合）、以下の処理を行う。
・勾配導出
gradientHL0[x][y] = (predSamplesL0[hx+1][vy] >> shift1) - (predSamplesL0[hx-1][vy] >> shift1)
gradientVL0[x][y] = (predSamplesL0[hx][vy+1] >> shift1) - (predSamplesL0[hx][vy-1] >> shift1)
gradientHL1[x][y] = (predSamplesL1[hx+1][vy] >> shift1) - (predSamplesL1[hx-1][vy] >> shift1)
gradientVL1[x][y] = (predSamplesL1[hx][vy+1] >> shift1) - (predSamplesL1[hx][vy-1] >> shift1)
・予測画像差分導出
diff[x][y] = (predSamplesL0[hx][vy] >> shift2) - (predSamplesL1[hx][vy] >> shift2)
tempH[x][y] = (gradientHL0[x][y] + gradientHL1[x][y]) >> shift3
tempV[x][y] = (gradientVL0[x][y] + gradientVL1[x][y]) >> shift3
・勾配相関値導出
sGx2 = ΣiΣj Abs(tempH[xSb+i][ySb+j]) with i, j = -1..4
sGy2 = ΣiΣj Abs(tempV[xSb+i][ySb+j]) with i, j = -1..4 
sGxGy = ΣiΣj(Sign(tempV[xSb+i][ySb+j]) * tempH[xSb+i][ySb+j]) with i, j = -1..4
sGxdI = ΣiΣj(-Sign(tempH[xSb+i][ySb+j]) * diff[xSb+i][ySb+j]) with i, j = -1..4
sGydI = ΣiΣj(-Sign(tempV[xSb+i][ySb+j]) * diff[xSb+i][ySb+j]) with i, j = -1..4
・補正動きベクトルvx, vy導出
vx = sGx2 > 0 ? Clip3(-mvRefineThres + 1, mvRefineThres - 1, (sGxdI << 2) >> Floor(Log2(sGx2))) : 0
vy = sGy2 > 0 ? Clip3(-mvRefineThres + 1, mvRefineThres - 1, ((sGydI << 2) -((vx* sGxGy) >> 1)) >> Floor(Log2(sGy2))) : 0
・補正項導出
bdofOffset = vx * (gradientHL0[x+1][y+1] - gradientHL1[x+1][y+1]) + vy * (gradientVL0[x+1][y+1] - gradientVL1[x+1][y+1])
・予測画像導出
pbSamples[x][y] = Clip3(0, (2^BitDepth) - 1, (predSamplesL0[x+1][y+1] + offset4 + predSamplesL1[x+1][y+1] + bdofOffset) >> shift4)
　　（重み予測）
　重み予測部3094は、補間画像predSamplesLXからブロックの予測画像pbSamplesを生成する。
　まず、重み予測処理を行うか否かを示す変数weightedPredFlagは次のように導出されている。slice_typeがPに等しい場合、weightedPredFlagはPPSで定義されるpps_weighted_pred_flagに等しく設定される。それ以外で、slice_typeがBに等しい場合、weightedPredFlagはPPSで定義されるpps_weighted_bipred_flag && (!dmvrFlag)に等しく設定される。
　以降で、bcw_idxは、CU単位の重みをもつ双予測の重みインデックスである。bcw_idxが通知されない場合、bcw_idx=0にセットする。bcwIdxは、マージ予測モードでは近傍ブロックのbcwIdxNをセットし、AMVP予測モードでは対象ブロックのbcw_idxをセットする。
　もし、変数weightedPredFlagの値が0に等しいか、変数bcwIdxの値が0の場合は、通常の予測画像処理として、予測画像pbSamplesは次のように導出される。
　予測リスト利用フラグの一方（predFlagL0もしくはpredFlagL1）が１（単予測）の（重み予測を用いない）場合、predSamplesLX（LXはL0もしくはL1）を画素ビット数bitDepthに合わせる以下の式の処理を行う。
　　pbSamples[x][y] = Clip3(0,(1<<bitDepth)-1,(predSamplesLX[x][y]+offset1)>>shift1)
ここで、shift1=14-bitDepth、offset1=1<<(shift1-1)である。PredLXは、L0もしくはL1予測の補間画像である。
　また、予測リスト利用フラグの両者（predFlagL0とpredFlagL1）が１（双予測PRED_BI）、かつ、重み予測を用いない場合、predSamplesL0、predSamplesL1を平均し画素ビット数に合わせる以下の式の処理を行う。
　　pbSamples[x][y] = Clip3(0,(1<<bitDepth)-1,(predSamplesL0[x][y]+predSamplesL1[x][y]+offset2)>>shift2)
ここで、shift2=15-bitDepth、offset2=1<<(shift2-1)である。
　もし、変数weightedPredFlagの値が１に等しい、かつ、変数bcwIdxの値が0に等しい場合は、重み予測処理として、予測画像pbSamplesは次のように導出される。
　変数shift1はMax(2、14-bitDepth)に等しく設定する。変数log2Wd、o0、o1、w0、およびw1は、次のように導出する。
　もし、cIdxが0で輝度の場合、次が適用される。
　log2Wd = luma_log2_weight_denom + shift1
　w0 = LumaWeightL0[refIdxL0]
　w1 = LumaWeightL1[refIdxL1]
　o0 = luma_offset_l0[refIdxL0] <<（bitDepth - 8）
　o1 = luma_offset_l1[refIdxL1] <<（bitDepth - 8）
　それ以外（cIdxは0に等しくない色差）の場合、以下が適用される。
　log2Wd = ChromaLog2WeightDenom + shift1
　w0 = ChromaWeightL0[refIdxL0][cIdx - 1]
　w1 = ChromaWeightL1[refIdxL1][cIdx - 1]
　o0 = ChromaOffsetL0[refIdxL0][cIdx - 1] <<（bitDepth - 8）
　o1 = ChromaOffsetL1[refIdxL1][cIdx - 1] <<（bitDepth - 8）
　x = 0..nCbW - 1およびy = 0..nCbH - 1の予測画像の画素値pbSamples[x][y]は、次のように導出される。
　次に、もし、predFlagL0が1に等しく、predFlagL1が0に等しい場合、予測画像の画素値pbSamples[x][y]は次のように導出される。
　if（log2Wd >= 1）
　　pbSamples[x][y] = Clip3（0,（1 << bitDepth）- 1,
　　（（predSamplesL0[x][y] * w0 + 2^(log2Wd - 1)）>> log2Wd）+ o0）
　else
　　pbSamples[x][y] = Clip3(0,(1<<bitDepth)-1, predSamplesL0[x][y]*w0 + o0）
　それ以外で、もし、predFlagL0が0でpredFlagL1が1の場合、予測画像の画素値pbSamples[x][y]は、次のように導出される。
　if（log2Wd >= 1）
　　pbSamples[x][y] = Clip3(0,(1 << bitDepth）- 1,
　　　　　((predSamplesL1[x][y] * w1 + 2^(log2Wd - 1)）>> log2Wd）+ o1）
　else
　　pbSamples[x][y] = Clip3(0,(1<<bitDepth)-1、predSamplesL1[x][y]*w1 + o1）
　それ以外で、もし、predFlagL0は1に等しく、predFlagL1は1に等しい場合、予測画像の画素値pbSamples[x][y]は次のように導出される。
　pbSamples[x][y] = Clip3（0,（1 << bitDepth）- 1,
　　(predSamplesL0[x][y] * w0 + predSamplesL1[x][y] * w1 +
　　((o0 + o1 + 1）<< log2Wd））>>（log2Wd + 1））
　　（BCW予測）
　BCW（Bi-prediction with CU-level Weights）予測は、CUレベルで予め決まった重み係数を切り替えることが可能な予測方法である。
　現在の符号化ブロックの幅と高さを指定する2つの変数nCbWとnCbHと、（nCbW）x（nCbH）の２つの配列predSamplesL0およびpredSamplesL1と、予測リストを使うか否かを示すフラグpredFlagL0およびpredFlagL1と、参照ピクチャインデックスrefIdxL0およびrefIdxL1と、BCW予測のインデックスbcw_idxと、輝度、色差成分のインデックスを指定する変数cIdxを入力し、BCW予測処理を行い、(nCbW)x(nCbH)の配列pbSamplesの予測画像の画素値を出力する。
　SPSレベルでこの予測を使う否かを示すsps_bcw_enabled_flagがTUREで、変数weightedPredFlagが0で、２つの参照ピクチャインデックスrefIdxL0およびrefIdxL1の示す参照ピクチャに重み予測係数がいずれもなく、かつ、符号化ブロックサイズが一定以下の場合に、明示的にCUレベルのシンタクスのbcw_idxを通知し、変数bcwIdxにその値を代入する。もし、bcw_idxが存在しない場合は、変数bcwIdxには0が代入される。
　変数bcwIdxが0である場合、予測画像の画素値は次のように導出される。
　　pbSamples[x][y] = Clip3（0,(1 << bitDepth)- 1,
　　　（predSamplesL0[x][y] + predSamplesL1[x][y] + offset2）>> shift2）
　それ以外の場合（bcwIdxが0と等しくない場合）、以下が適用される。
　変数w1はbcwWLut[bcwIdx]と等しく設定される。bcwWLut[k] = {4、5、3、10、-2}である。
　変数w0は（8-w1）に設定される。また、予測画像の画素値は次のように導出される。
　　pbSamples[x][y] = Clip3（0、（1 << bitDepth）- 1、
　　　　　　　　　　（w0 * predSamplesL0[x][y] + 
　　　　　　　　　　　w1 * predSamplesL1[x][y] + offset3）>>（shift2 + 3））
　AMVP予測モードにおいてBCW予測が用いられる場合、インター予測パラメータ復号部303はbcw_idxを復号し、BCW部30955に送付する。また、マージ予測モードにおいてBCW予測が用いられる場合、インター予測パラメータ復号部303は、マージインデックスmerge_idxを復号し、マージ候補導出部30361は各マージ候補のbcwIdxを導出する。具体的には、マージ候補導出部30361は、マージ候補の導出に用いた隣接ブロックの重み係数を、対象ブロックに用いるマージ候補の重み係数として用いる。つまり、マージモードでは、過去に用いた重み係数を、対象ブロックの重み係数として継承する。
　　（イントラ予測画像生成部310）
　predModeがイントラ予測モードを示す場合、イントラ予測画像生成部310は、イントラ予測パラメータ導出部304から入力されたイントラ予測パラメータと参照ピクチャメモリ306から読み出した参照画素を用いてイントラ予測を行う。
　逆量子化・逆変換部311は、パラメータ復号部302から入力された量子化変換係数を逆量子化して変換係数を求める。
　加算部312は、予測画像生成部308から入力されたブロックの予測画像と逆量子化・逆変換部311から入力された予測誤差を画素毎に加算して、ブロックの復号画像を生成する。加算部312はブロックの復号画像を参照ピクチャメモリ306に記憶し、また、ループフィルタ305に出力する。
　逆量子化・逆変換部311は、パラメータ復号部302から入力された量子化変換係数を逆量子化して変換係数を求める。
　加算部312は、予測画像生成部308から入力されたブロックの予測画像と逆量子化・逆変換部311から入力された予測誤差を画素毎に加算して、ブロックの復号画像を生成する。加算部312はブロックの復号画像を参照ピクチャメモリ306に記憶し、また、ループフィルタ305に出力する。
　　（動画像符号化装置の構成）
　次に、本実施形態に係る動画像符号化装置11の構成について説明する。図12は、本実施形態に係る動画像符号化装置11の構成を示すブロック図である。動画像符号化装置11は、予測画像生成部101、減算部102、変換・量子化部103、逆量子化・逆変換部105、加算部106、ループフィルタ107、予測パラメータメモリ（予測パラメータ記憶部、フレームメモリ）108、参照ピクチャメモリ（参照画像記憶部、フレームメモリ）109、符号化パラメータ決定部110、パラメータ符号化部111、予測パラメータ導出部120、エントロピー符号化部104を含んで構成される。
　予測画像生成部101はCU毎に予測画像を生成する。予測画像生成部101は既に説明したインター予測画像生成部309とイントラ予測画像生成部310を含んでおり、説明を省略する。
　減算部102は、予測画像生成部101から入力されたブロックの予測画像の画素値を、画像Ｔの画素値から減算して予測誤差を生成する。減算部102は予測誤差を変換・量子化部103に出力する。
　変換・量子化部103は、減算部102から入力された予測誤差に対し、周波数変換によって変換係数を算出し、量子化によって量子化変換係数を導出する。変換・量子化部103は、量子化変換係数をパラメータ符号化部111及び逆量子化・逆変換部105に出力する。
　逆量子化・逆変換部105は、動画像復号装置31における逆量子化・逆変換部311（図6）と同じであり、説明を省略する。算出した予測誤差は加算部106に出力される。
　パラメータ符号化部111は、ヘッダ符号化部1110、CT情報符号化部1111、CU符号化部1112（予測モード符号化部）を備えている。CU符号化部1112はさらにTU符号化部1114を備えている。以下、各モジュールの概略動作を説明する。
　ヘッダ符号化部1110はヘッダ情報、分割情報、予測情報、量子化変換係数等のパラメータの符号化処理を行う。
　CT情報符号化部1111は、QT、MT（BT、TT）分割情報等を符号化する。
　CU符号化部1112はCU情報、予測情報、分割情報等を符号化する。
　TU符号化部1114は、TUに予測誤差が含まれている場合に、QP更新情報と量子化予測誤差を符号化する。
　CT情報符号化部1111、CU符号化部1112は、インター予測パラメータ（predMode、merge_flag、merge_idx、inter_pred_idc、refIdxLX、mvp_LX_idx、mvdLX）、イントラ予測パラメータ（intra_luma_mpm_flag、intra_luma_mpm_idx、intra_luma_mpm_reminder、intra_chroma_pred_mode）、量子化変換係数等のシンタックス要素をパラメータ符号化部111に供給する。
　エントロピー符号化部104には、パラメータ符号化部111から量子化変換係数と符号化パラメータ（分割情報、予測パラメータ）が入力される。エントロピー符号化部104はこれらをエントロピー符号化して符号化ストリームTeを生成し、出力する。
　予測パラメータ導出部120は、インター予測パラメータ符号化部112、イントラ予測パラメータ符号化部113を含む手段であり、符号化パラメータ決定部110から入力されたパラメータからイントラ予測パラメータ及びイントラ予測パラメータを導出する。導出されたイントラ予測パラメータ及びイントラ予測パラメータは、パラメータ符号化部111に出力される。
　　（インター予測パラメータ符号化部の構成）
　インター予測パラメータ符号化部112は図13に示すように、パラメータ符号化制御部1121、インター予測パラメータ導出部303を含んで構成される。インター予測パラメータ導出部303は動画像復号装置と共通の構成である。パラメータ符号化制御部1121は、マージインデックス導出部11211とベクトル候補インデックス導出部11212を含む。
　マージインデックス導出部11211は、マージ候補等を導出し、インター予測パラメータ導出部303に出力する。ベクトル候補インデックス導出部11212は予測ベクトル候補等を導出し、インター予測パラメータ導出部303とパラメータ符号化部111に出力する。
　　（イントラ予測パラメータ符号化部113の構成）
　イントラ予測パラメータ符号化部113は図14に示すように、パラメータ符号化制御部1131とイントラ予測パラメータ導出部304を備える。イントラ予測パラメータ導出部304は動画像復号装置と共通の構成である。
　パラメータ符号化制御部1131はIntraPredModeYおよびIntraPredModeCを導出する。さらにmpmCandList[]を参照してintra_luma_mpm_flagを決定する。これらの予測パラメータをイントラ予測パラメータ導出部304とパラメータ符号化部111に出力する。
　ただし、動画像復号装置と異なり、インター予測パラメータ導出部303、イントラ予測パラメータ導出部304への入力は符号化パラメータ決定部110、予測パラメータメモリ108であり、パラメータ符号化部111に出力する。
　加算部106は、予測画像生成部101から入力された予測ブロックの画素値と逆量子化・逆変換部105から入力された予測誤差を画素毎に加算して復号画像を生成する。加算部106は生成した復号画像を参照ピクチャメモリ109に記憶する。
　ループフィルタ107は加算部106が生成した復号画像に対し、デブロッキングフィルタ、SAO、ALFを施す。なお、ループフィルタ107は、必ずしも上記３種類のフィルタを含まなくてもよく、例えばデブロッキングフィルタのみの構成であってもよい。
　予測パラメータメモリ108は、符号化パラメータ決定部110が生成した予測パラメータを、対象ピクチャ及びCU毎に予め定めた位置に記憶する。
　参照ピクチャメモリ109は、ループフィルタ107が生成した復号画像を対象ピクチャ及びCU毎に予め定めた位置に記憶する。
　符号化パラメータ決定部110は、符号化パラメータの複数のセットのうち、１つのセットを選択する。符号化パラメータとは、上述したQT、BTあるいはTT分割情報、予測パラメータ、あるいはこれらに関連して生成される符号化の対象となるパラメータである。予測画像生成部101は、これらの符号化パラメータを用いて予測画像を生成する。
　符号化パラメータ決定部110は、複数のセットの各々について情報量の大きさと符号化誤差を示すRDコスト値を算出する。RDコスト値は、例えば、符号量と二乗誤差に係数λを乗じた値との和である。符号量は、量子化誤差と符号化パラメータをエントロピー符号化して得られる符号化ストリームTeの情報量である。二乗誤差は、減算部102において算出された予測誤差の二乗和である。係数λは、予め設定されたゼロよりも大きい実数である。符号化パラメータ決定部110は、算出したコスト値が最小となる符号化パラメータのセットを選択する。符号化パラメータ決定部110は決定した符号化パラメータをパラメータ符号化部111と予測パラメータ導出部120に出力する。
　なお、上述した実施形態における動画像符号化装置11、動画像復号装置31の一部、例えば、エントロピー復号部301、パラメータ復号部302、ループフィルタ305、予測画像生成部308、逆量子化・逆変換部311、加算部312、予測パラメータ導出部320、予測画像生成部101、減算部102、変換・量子化部103、エントロピー符号化部104、逆量子化・逆変換部105、ループフィルタ107、符号化パラメータ決定部110、パラメータ符号化部111、予測パラメータ導出部120をコンピュータで実現するようにしても良い。その場合、この制御機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現しても良い。なお、ここでいう「コンピュータシステム」とは、動画像符号化装置11、動画像復号装置31のいずれかに内蔵されたコンピュータシステムであって、OSや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD-ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでも良い。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
　また、上述した実施形態における動画像符号化装置11、動画像復号装置31の一部、または全部を、LSI（Large Scale Integration）等の集積回路として実現しても良い。動画像符号化装置11、動画像復号装置31の各機能ブロックは個別にプロセッサ化しても良いし、一部、または全部を集積してプロセッサ化しても良い。また、集積回路化の手法はＬＳＩに限らず専用回路、または汎用プロセッサで実現しても良い。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いても良い。
　以上、図面を参照してこの発明の一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、この発明の要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。
　　（シンタクス）
　図15(a)は、非特許文献１のSequence Paramenter Set(SPS)のシンタクスの一部を示している。
　sps_long_term_ref_pics_flagは、長期間ピクチャが使われるか否かを示すフラグである。
　sps_inter_layer_ref_pics_present_flagは、レイヤ間予測が使われるか否かを示すフラグである。
　sps_idr_rpl_present_flagは、IDRピクチャ（Instantaneous Decoding Refresh picture）のスライスヘッダに参照ピクチャリストの構文要素が存在するか否かを示すフラグである。
　sps_rpl1_same_as_rpl0_flagは参照ピクチャリスト1のための情報が存在するか否かを示すフラグである。sps_rpl1_same_as_rpl0_flagが1の場合、参照ピクチャリスト1のための情報は符号化データとして符号化、復号せず、参照ピクチャリスト0の情報を利用することを示す。具体的には、参照ピクチャリスト1の参照ピクチャリスト情報ref_pic_lists()の数sps_num_ref_pic_lists[1]と、参照ピクチャリスト構造ref_pic_list_struct（1,rplsIdx）は、sps_num_ref_pic_lists[0]およびref_pic_list_struct（0,rplsIdx）と同じ値であることを示す。
　具体的には、sps_rpl1_same_as_rpl0_flagが1の場合、動画像復号装置及び動画像符号化装置は、以下を設定する。
　sps_num_ref_pic_lists[1] = sps_num_ref_pic_lists[0]
　また、0からsps_num_ref_pic_lists[ 0 ] - 1までのrplsIdxについて、ref_pic_list_struct( 1, rplsIdx )の各々の値をref_pic_list_struct( 0, rplsIdx )の各々の値に設定する。
　sps_num_ref_pic_lists[i]は、listIdxがiに等しく、SPSに含まれるref_pic_list_struct（listIdx、rplsIdx）の数を示す。listIdxは参照ピクチャリスト0か参照ピクチャリスト1かを示す値で各々0もしくは1、sps_num_ref_pic_lists[i]の値は、0から64の範囲内である。
　SPSでは、sps_rpl1_same_as_rpl0_flagが1の場合は参照ピクチャリスト0に対応するi =0のみ、sps_rpl1_same_as_rpl0_flagが0の場合は２つの参照ピクチャリストに対応するi=0と1の場合について、sps_num_ref_pic_lists[i]個のref_pic_list_struct( i, j )を符号化、復号する。
　図15(b)は、非特許文献１でのPicture Parameter Set(PPS)のシンタクスの一部を示している。
　pps_no_pic_partition_flagは、PPSを参照する各ピクチャに画像分割が適用されないことを示すフラグである。
　pps_rpl1_idx_present_flagは、ピクチャヘッダPHまたは、スライスヘッダで呼び出されるref_pic_lists()中のシンタクス要素rpl_sps_flag [1]およびrpl_idx [1]が、存在することを示すフラグである。
　pps_rpl_info_in_ph_flagは、参照ピクチャリスト情報がピクチャヘッダPHに存在するか否かを示すフラグである。ピクチャに画像分割が適用されないことを示すフラグであるpps_no_pic_partition_flagが0の場合、pps_no_pic_partition_flagが存在し、pps_rpl_info_in_ph_flagが1に等しいことは、参照ピクチャリスト情報がピクチャヘッダに存在することを示す。rpl_info_in_ph_flagが0に等しいことは、参照ピクチャリスト情報がピクチャヘッダに存在せず、スライスヘッダに存在する可能性があることを示す。
　図16の(a)は、非特許文献１のピクチャヘッダPHのシンタクスの一部を示している。
　ph_inter_slice_allowed_flagは、ピクチャ内のスライスがインターであるか否かを示すフラグである。ph_inter_slice_allowed_flagが0の場合、ピクチャ内の全スライスのslice_typeが2（I Slice）であることを示す。ph_inter_slice_allowed_flagが1の場合は、ピクチャに含まれる少なくとも一つ以上のスライスのslice_typeが、0(B Slice)か1(P Slice)であることを示す。
　参照ピクチャリスト情報がピクチャヘッダPHに存在することを示すフラグpps_rpl_info_in_ph_flagが1の場合、参照ピクチャリストを定義するref_pic_lists()をピクチャヘッダPHで呼び出して、復号もしくは符号化する。
　ph_inter_slice_allowed_flag が1の場合で、pps_rpl_info_in_ph_flagが0の場合または、リスト1の参照ピクチャ数を表すnum_ref_entries[1][RplsIdx[1]]が1より大きい場合に、双方向予測のL1予測において動きベクトルの差分をゼロにするモードを適用するか否かを示すフラグであるph_mvd_l1_zero_flagを符号化、復号する。
　図16の(b)は、非特許文献１のスライスヘッダのシンタクスの一部を示している。これらのシンタクスは、例えばパラメータ復号部302によって復号される。
　もし、pps_rpl_info_in_ph_flagが0でかつ、NALユニットタイプnal_unit_typeが、IDRであるIDR_W_RADLでも、IDR_N_LPでもない場合か、または、参照ピクチャリストの構文要素がIDRピクチャのスライスヘッダに存在すること示すフラグsps_idr_rpl_present_flagが1の場合に、参照ピクチャリストを定義するref_pic_lists()をスライスヘッダで呼び出す。
　なお、sps_idr_rpl_present_flagが0に等しく、nal_unit_typeがIDR_W_RADLまたはIDR_N_LPに等しい場合、参照ピクチャリストRefPicList[0]とRefPicList[1]は両方とも空、つまり0エントリを含むように導出され、i=0及び1に対して、変数RplsIdx[i]の値は、sps_num_ref_pic_lists [i]と等しいと推測し、num_ref_entries[i][RplsIdx [i]]の値は0に等しいと推測し、実際に用いられる参照ピクチャ数である変数NumRefIdxActive[i]の値は0と推定する。
　図17(a)は、本実施形態の参照ピクチャリストを定義するref_pic_lists()のシンタクスを示している。ref_pic_lists()は、図16に示すようにピクチャヘッダまたはスライスヘッダに存在する場合がある。ref_pic_lists()はi=0,1について、rpl_sps_flag[i]、rpl_idx[i]、ref_pic_list_struct()を含んでいてもよい。つまり、動画像符号化装置、動画像復号装置は、i=0,1についてrpl_sps_flag[i]、rpl_idx[i]、ref_pic_list_struct()を符号化もしくは復号する。
　rpl_sps_flag[i]は、SPSで符号化、復号されたref_pic_list_struct（listIdx、rplsIdx）に基づいて参照ピクチャリスト構造を選択することを示すフラグである。ここでlistIdxはiに等しい。
　rpl_sps_flag[i]が1ならば、ref_pic_lists（）の対応するピクチャもしくはスライスが利用する参照ピクチャリストiとして、SPSのref_pic_list_struct（listIdx、rplsIdx）の中の一つを用いることを示す。
　rpl_sps_flag[i]が0の場合は、対応するピクチャもしくはスライスで用いる参照ピクチャリストiが、直接ref_pic_list_struct（listIdx、rplsIdx）に基づいて導出されることを示す。つまり、rpl_sps_flag[i]が0の場合は、参照ピクチャリストiの参照ピクチャ構造として、動画像符号化装置ではref_pic_list_struct（listIdx = i、rplsIdx = sps_num_ref_pic_lists[i]）を符号化し、動画像復号装置ではref_pic_list_struct（listIdx = i、rplsIdx = sps_num_ref_pic_lists[i]）を復号する。
　rpl_sps_flag[i]が存在しない場合、以下が適用される。sps_num_ref_pic_lists[i]が0の場合、rpl_sps_flag[i]の値は0と推測する。そうでない場合（num_ref_pic_lists_in_sps[i]が0より大きい場合）、pps_rpl1_idx_present_flagが0、かつ、iが1に等しければ、rpl_sps_flag[1]の値はrpl_sps_flag[0]に等しいと推測する。
　rpl_idx[i]は、SPSで符号化、復号されたref_pic_list_struct（listIdx、rplsIdx）へのインデックスrplsIdxを導出するに用いられる。ここでlistIdxはiに等しい。rpl_idx[i]は、Ceil(Log2(sps_num_ref_pic_lists[i]))ビットで表現される。rpl_idx [i]の値は、0からsps_num_ref_pic_lists[i]-1の範囲内である。もし、rpl_idx[i]が存在しない場合、rpl_sps_flag[i]が1に等しく、pps_rpl1_idx_present_flagが0に等しい場合は、rpl_idx[1]の値はrpl_idx[0]に等しいと推定し、そうでない場合はrpl_idx[1]の値は0と推定する。
　対象ピクチャもしくはスライスで利用する参照ピクチャ構造ref_pic_list_struct（listIdx、rplsIdx）のインデックスrplsIdxである変数RplsIdx[i]は、次のように導出される。
　RplsIdx[i]=(rpl_sps_flag[i])? rpl_idx[i]：num_ref_pic_lists_in_sps[i] (式1)
　つまり、rpl_sps_flag[i]が1の場合には、SPSで符号化、復号された参照ピクチャ構造を示すインデックスrpl_idx[i](0<=rpl_idx<=num_ref_pic_lists_in_sps[i]-1)を用いる。そうではなくrpl_sps_flag[i]が0の場合には、PHもしくはSHで符号化、復号された参照ピクチャ構造を示すnum_ref_pic_lists_in_sps[i]を用いる。
　図17(b)は、本実施形態の参照ピクチャリスト構造ref_pic_list_struct（listIdx、rplsIdx）を定義するシンタクスを示している。
　ref_pic_list_struct（listIdx、rplsIdx）は、SPS、ピクチャヘッダ、またはスライスヘッダに存在する場合がある。シンタクスがSPSに含まれているか、ピクチャヘッダに含まれているか、スライスヘッダに含まれているかに応じて、以下が適用される。もし、ピクチャまたはスライスヘッダに存在する場合、ref_pic_list_struct（listIdx、rplsIdx）は、現在のピクチャ（スライスを含むピクチャ）の参照画像リストlistIdxを示す。SPSに存在する場合、ref_pic_list_struct（listIdx、rplsIdx）は、参照ピクチャリストlistIdxの候補を示す。そして現在のピクチャは、ピクチャヘッダまたはスライスヘッダから、SPSに含まれるref_pic_list_struct（listIdx、rplsIdx）のリストを、インデクス値で参照する。ref_pic_list_structでは、num_ref_entries、ltrp_in_header_flag、st_ref_pic_flag、abs_delta_poc_st、strp_entry_sign_flag、ilrp_idxを符号化もしくは復号する。
　ここで、num_ref_entries[listIdx][rplsIdx]は、ref_pic_list_struct（listIdx、rplsIdx）の参照ピクチャリスト、つまり、インデクスrpsIdxの参照ピクチャリストlistIdxにおける参照ピクチャの数を示す。num_ref_entries[listIdx][rplsIdx]の値は、0以上、MaxDpbSize+13以下の値をとる。MaxDpbSizeは、プロファイルレベルによって決まる復号ピクチャの数である。
　ltrp_in_header_flag[listIdx][rplsIdx]は、ref_pic_list_struct（listIdx、rplsIdx）の参照ピクチャリストに、長期間参照ピクチャが存在するか否かを示すフラグである。
　inter_layer_ref_pic_flag[listIdx][rplsIdx][i]は、ref_pic_list_struct（listIdx、rplsIdx）の参照ピクチャリストのi番目のエントリがレイヤ間予測か否かを示すフラグである。
　st_ref_pic_flag[listIdx][rplsIdx][i]は、ref_pic_list_struct（listIdx、rplsIdx）の参照ピクチャリストのi番目のエントリが短期間参照ピクチャか否かを示すフラグである。
　abs_delta_poc_st[listIdx][rplsIdx][i]は、短期間参照ピクチャのPOCの差分絶対値を導出するためのシンタクス要素である。
　strp_entry_sign_flag[listIdx][rplsIdx][i]は、正負の符号を導出するためのフラグである。
　rpls_poc_lsb_lt[listIdx][rplsIdx][i]は、ref_pic_list_struct（listIdx、rplsIdx）の参照ピクチャリストのi番目の長期間参照ピクチャのPOCを導出するためのシンタクス要素である。
　ilrp_idx[listIdx][rplsIdx][i]は、ref_pic_list_struct（listIdx、rplsIdx）の参照ピクチャリストのi番目のレイヤ間予測の参照ピクチャのレイヤ情報を導出するためのシンタクス要素である。
　非特許文献１でも用いられる上記構成の問題点としては、参照ピクチャリストを定義するref_pic_lists()に関連するシンタクス、セマンティクスに不備があるという点が挙げられる。
　第１の問題点としては、以下のような条件の場合、参照ピクチャリスト1の参照ピクチャリスト構造が不定になるという不備がある。
　具体的には、参照ピクチャリスト1のための情報が存在するか否かを示すフラグであるsps_rpl1_same_as_rpl0_flagが0、かつ、以下の場合に問題が発生する。sps_num_ref_pic_lists[i]について、sps_num_ref_pic_lists[0]の値がsps_num_ref_pic_lists[1]より大きく、かつ、pps_rpl1_idx_present_flagが0、かつ、rpl_sps_flag[0]が1、かつ、rpl_idx[0]がsps_num_ref_pic_lists[1]以上sps_num_ref_pic_lists[0]-1以下の値の場合である。ここで、sps_num_ref_pic_lists[i]は、SPSで符号化、復号される参照ピクチャリスト構造ref_pic_list_struct（listIdx、rplsIdx）の数を示す。pps_rpl1_idx_present_flagは、ピクチャヘッダPHまたは、スライスヘッダで呼び出されるref_pic_lists()中のシンタクス要素rpl_sps_flag[1]およびrpl_idx[1]が存在するか否かを示すフラグである。rpl_sps_flag[0]は、SPSで符号化、復号されたref_pic_list_struct（0、rplsIdx）に基づいて参照ピクチャリスト構造が選択されることを示すフラグである。rpl_idx[0]は、SPSで符号化、復号されたref_pic_list_struct（listIdx、rplsIdx）へのインデックスの導出に用いられるインデックスである。
　上記の条件の場合、pps_rpl1_idx_present_flagが0のため、rpl_sps_flag[1]とrpl_idx[1]の値は、それぞれrpl_sps_flag[0]とrpl_idx[0]の値がコピーされる。しかし、rpl_idx[0]の値がsps_num_ref_pic_lists[1]以上でsps_num_ref_pic_lists[0]-1以下の値の場合、rpl_idx[1]がとりうる値である0以上sps_num_ref_pic_lists[1]-1以下の値を超えてしまう。そして、変数RplsIdx[1]は、rpl_sps_flag[1]が1の場合、rpl_idx[0]の値が代入される。
　この場合、rplsIdxで参照される参照ピクチャ構造ref_pic_list_struct（1、rplsIdx）は、SPSで定義した参照ピクチャ構造の範囲(0..sps_num_ref_pic_lists[1]-1)外であるため存在しない。
　rplsIdx = RplsIdx[1] = rpl_idx[1] = rpl_idx[0] >= sps_num_ref_pic_lists[1]
　結果として、SPSで符号化、復号された参照ピクチャリスト構造には存在しないインデクス値が導出されるという不備が生じる。
　例を上げると、
　sps_rpl1_same_as_rpl0_flag = 0
　sps_num_ref_pic_lists[0] = 5
　sps_num_ref_pic_lists[1] = 3
　pps_rpl1_idx_present_flag = 0
　rpl_sps_flag[0] = 1
　rpl_idx[0] = 4
とする。上記の説明に従って、rpl_sps_flag[1] = 1、rpl_idx[1] = 4、RplsIdx[1] = 4が導出されるが、sps_num_ref_pic_lists[1]は3のため、上記rplsIdx = RplsIdx[1] = 4に該当する参照ピクチャリスト構造は存在しない。
　本実施の形態では、上記の問題を解決するために、以下のような方法を開示する。具体的には、上記の構成に、以下で説明する追加もしくは変更を加える。
　第1の方法としては、sps_num_ref_pic_lists[i]のセマンティクスとして以下の条件を追加する。
　sps_num_ref_pic_lists[0]は、sps_num_ref_pic_lists[1]以下の値でなければならない。
　言い換えると、sps_num_ref_pic_lists[1]は、sps_num_ref_pic_lists[0]より大きくなくてはならない。
　このような制約を追加することで、参照ピクチャリスト1の参照ピクチャリスト構造として選択されうるrpl_idx[0]の値（sps_num_ref_pic_lists[0]-1以下の値）がsps_num_ref_pic_lists[1]以上となる場合が生じなくなるので、課題を解決できる。
　なお、セマンティクスとして条件を追加するとは、追加された条件を満足する符号化データを動画像符号化装置で符号化し、動画像復号装置で復号することを意味する。
　さらに上記に加えて以下の条件を符号化データが満足してもよい。
　sps_rpl1_same_as_rpl0_flagが0の場合は、sps_num_ref_pic_lists[0]は、sps_num_ref_pic_lists[1]以下の値でなければならない。
　sps_rpl1_same_as_rpl0_flagが0かつpps_rpl1_idx_present_flagが0の場合は、sps_num_ref_pic_lists[0]は、sps_num_ref_pic_lists[1]以下の値でなければならない。
　上記でもsps_num_ref_pic_lists[1]は、sps_num_ref_pic_lists[0]より大きい値としてもよい。
　第2の方法としては、pps_rpl1_idx_present_flagのセマンティクスとして以下の条件を追加する。
　sps_rpl1_same_as_rpl0_flagが0の場合は、pps_rpl1_idx_present_flagは0であってはならない。
　言い換えると、pps_rpl1_idx_present_flagが0の場合は、sps_rpl1_same_as_rpl0_flagが0であってはならない。
　このような制約を追加することで、リスト0とリスト１が同じ参照ピクチャリスト構造の時のみpps_rpl1_idx_present_flagを0にすることが可能となり、課題を解決できる。
　第3の方法としては、pps_rpl1_idx_present_flagのセマンティクスとして以下の条件を追加する。
　sps_num_ref_pic_lists[0]の値がsps_num_ref_pic_lists[1]の値より大きい場合は、pps_rpl1_idx_present_flagは、0であってはならない。
　このような制約を追加することで、sps_num_ref_pic_lists[0]の値がsps_num_ref_pic_lists[1]の値以下の時のみ、pps_rpl1_idx_present_flagを0にすることが可能となり、課題を解決できる。
　また、さらに次の条件でもよい。
　sps_num_ref_pic_lists[0]の値がsps_num_ref_pic_lists[1]の値より大きい場合は、sps_rpl1_same_as_rpl0_flagは0であってはならない。
　sps_num_ref_pic_lists[0]の値がsps_num_ref_pic_lists[1]の値より大きい場合は、sps_rpl1_same_as_rpl0_flag=0かつpps_rpl1_idx_present_flag=0であってはならない。
　また、第4の方法としては、rpl_sps_flag[i]のセマンティクスを以下のようにする。
　rpl_sps_flag[i]が存在しない場合、以下が適用される。sps_num_ref_pic_lists[i]が0の場合、rpl_sps_flag[i]の値は0と推測する。それ以外で（num_ref_pic_lists_in_sps[i]が0より大きい場合）、pps_rpl1_idx_present_flagが0、かつ、iが1に等しい、かつ、rpl_sps_flag[0]が1、かつ、sps_num_ref_pic_lists[0]の値がsps_num_ref_pic_lists[1]の値以下の場合は、rpl_sps_flag[1]の値はrpl_sps_flag[0]に等しいと推測する。そうでない場合、rpl_sps_flag[i]は0と推定する。
　あるいは次の条件であってもよい。rpl_sps_flag[i]が存在しない場合、以下が適用される。sps_num_ref_pic_lists[i]が0の場合、rpl_sps_flag[i]の値は0と推測する。rpl_sps_flag[i]（i!=0）が存在しない場合であって、num_ref_pic_lists_in_sps[i]が0より大きい場合、pps_rpl1_idx_present_flagが0、かつ、rpl_sps_flag[0]が1、かつ、sps_num_ref_pic_lists[0]の値がsps_num_ref_pic_lists[1]の値以下の場合は、rpl_sps_flag[1]の値はrpl_sps_flag[0]に等しいと推測する。そうでない場合、rpl_sps_flag[i]は0と推定する。
　このようなセマンティクスにすることで、pps_rpl1_idx_present_flagが0の時は、sps_num_ref_pic_lists[0]とsps_num_ref_pic_lists[1]の値の大きさを考慮して、rpl_sps_flag[1]を決めることで課題を解決できる。
　また、第5の方法としては、rpl_idx[0]のセマンティクスを以下のようにする。
　pps_rpl1_idx_present_flagが0の場合、rpl_idx[0]の値の範囲は0からmin(sps_num_ref_pic_lists[0], sps_num_ref_pic_lists[1])-1とする。シンタクス要素のrpl_idx[0]は、Ceil( Log2(min(sps_num_ref_pic_lists[0], sps_num_ref_pic_lists[1])))ビットで表現する。そうでない場合(pps_rpl1_idx_present_flagが1)、rpl_idx[i]の値の範囲は0からsps_num_ref_pic_lists[i]-1とする。シンタクス要素rpl_idx[i]は、Ceil(Log2( sps_num_ref_pic_lists[i]))ビットで表現する。
　このようなセマンティクスにすることで、pps_rpl1_idx_present_flagが0の時は、sps_num_ref_pic_lists[0]とsps_num_ref_pic_lists[1]の値の大きさを考慮して、rpl_idx[1]を値の範囲を制限することにより、課題を解決できる。
　また、第6の方法としては、rpl_idx[i]のセマンティクスを以下のようにする。
　もし、rpl_idx[0]が存在しない場合、rpl_idx[0]の値は0と推定する。
　もし、rpl_idx[1]が存在しない場合、rpl_sps_flag[0]が1に等しく、かつ、pps_rpl1_idx_present_flagが0に等しく、かつ、rpl_idx[0]の値がsps_num_ref_pic_lists[1]より小さい場合は、rpl_idx[1]の値はrpl_idx[0]に等しいと推定する。そうでない場合は、rpl_idx[1]の値は0と推定する。
　非特許文献１の第2の問題点としては、ref_pic_lists()が呼び出される前に、変数RplsIdx[1]が使われる場合があり、RplsIdx[1]の値が不定になるという不備がある。
　具体的には、図16(a)のph_mvd_l1_zero_flagを符号化、復号する条件で、pps_rpl_info_in_ph_flagが0または、num_ref_entries[1][RplsIdx[1]]>0という条件がある。pps_rpl_info_in_ph_flagが0の場合は、ref_pic_lists()が呼び出されることなく、この条件式を評価することになる。しかし、rpl_sps_flag[i]が復号されないため、この値を用いて導出されるRplsIdx[1]の値が不定になり、num_ref_entries[1][RplsIdx[1]]の値も不定になる。従ってph_mvd_l1_zero_flagを符号化・復号するか否かの条件が決定されない。
　本実施の形態では、上記の問題を解決するために、以下のようなセマンティクスを導入する。
　まず、rpl_sps_flag[i]が存在しない場合のセマンティクスを以下のようにする。
　rpl_sps_flag[i]が存在しない場合、以下が適用される。sps_num_ref_pic_lists[i]が0の場合、rpl_sps_flag[i]の値は0と推測する。そうではなく、pps_rpl1_idx_present_flagが0、かつ、iが1に等しければ、rpl_sps_flag[1]の値はrpl_sps_flag[0]に等しいと推測する。そうでない場合、rpl_sps_flag[i]の値は0と推定する。
　次に、num_ref_entries[i][sps_num_ref_pic_lists[i]]が存在しない場合、num_ref_entries[i][sps_num_ref_pic_lists[i]]を0と推定する。
　このようなセマンティクスを用いることで、RplsIdx[i]の値はsps_num_ref_pic_lists[i]となり、num_ref_entries[i][sps_num_ref_pic_lists[i]]は0となるため、num_ref_entries[1][RplsIdx[1]]の値は0と一意に決まるため、課題が解消される。
　非特許文献１の第3の問題点のとしては、rpl_idx[0]のセマンティクスにおいて、sps_num_ref_pic_lists[0]の値が1の場合のセマンティクスが定義されていないという不備がある。
　図17(a)のシンタクスによると、sps_num_ref_pic_lists[0]の値が1の場合は、rpl_idx[0]は、シンタクス要素としては、符号化、復号されない。しかし、セマンティクスにおいて、この場合のrpl_idx[0]の値を定義する記述が存在しないため、値が不定になるという問題がある。
　本実施の形態では、上記の問題を解決するために、以下のようなセマンティクスを用いる。
　もし、rpl_idx[i]が存在しない場合、以下を実施する。sps_num_ref_pic_lists[i]が1以下の場合は、rpl_idx[i]の値は0と推定し、それ以外（sps_num_ref_pic_lists[i]が1より大きい）であって、rpl_sps_flag[0]が1に等しく、pps_rpl1_idx_present_flagが0に等しく、iが1に等しい場合は、rpl_idx[1]の値はrpl_idx[0]に等しいと推定する。
　また、次のセマンティクスでもよい。
　もし、rpl_idx[i]が存在しない場合、以下を実施する。rpl_sps_flag[0]が1に等しく、pps_rpl1_idx_present_flagが0に等しく、iが1に等しい場合は、rpl_idx[i]の値はrpl_idx[0]に等しいと推定し、それ以外の場合は、rpl_idx[i]の値は0と推定する。
　このようなセマンティクスを用いることにより、値が不定になることはなくなる。
　以上のような実施の形態に基づく方法を用いることにより課題を解決できる。
　　〔応用例〕
　上述した動画像符号化装置11及び動画像復号装置31は、動画像の送信、受信、記録、再生を行う各種装置に搭載して利用することができる。なお、動画像は、カメラ等により撮像された自然動画像であってもよいし、コンピュータ等により生成された人工動画像（CGおよびGUIを含む）であってもよい。
　まず、上述した動画像符号化装置11及び動画像復号装置31を、動画像の送信及び受信に利用できることを、図2を参照して説明する。
　図2のPROD_Aは、動画像符号化装置11を搭載した送信装置PROD_Aの構成を示したブロック図である。図に示すように、送信装置PROD_Aは、動画像を符号化することによって符号化データを得る符号化部PROD_A1と、符号化部PROD_A1が得た符号化データで搬送波を変調することによって変調信号を得る変調部PROD_A2と、変調部PROD_A2が得た変調信号を送信する送信部PROD_A3と、を備えている。上述した動画像符号化装置11は、この符号化部PROD_A1として利用される。
　送信装置PROD_Aは、符号化部PROD_A1に入力する動画像の供給源として、動画像を撮像するカメラPROD_A4、動画像を記録した記録媒体PROD_A5、動画像を外部から入力するための入力端子PROD_A6、及び、画像を生成または加工する画像処理部Ａ７を更に備えていてもよい。図においては、これら全てを送信装置PROD_Aが備えた構成を例示しているが、一部を省略しても構わない。
　なお、記録媒体PROD_A5は、符号化されていない動画像を記録したものであってもよいし、伝送用の符号化方式とは異なる記録用の符号化方式で符号化された動画像を記録したものであってもよい。後者の場合、記録媒体PROD_A5と符号化部PROD_A1との間に、記録媒体PROD_A5から読み出した符号化データを記録用の符号化方式に従って復号する復号部（不図示）を介在させるとよい。
　図2のPROD_Bは、動画像復号装置31を搭載した受信装置PROD_Bの構成を示したブロック図である。図に示すように、受信装置PROD_Bは、変調信号を受信する受信部PROD_B1と、受信部PROD_B1が受信した変調信号を復調することによって符号化データを得る復調部PROD_B2と、復調部PROD_B2が得た符号化データを復号することによって動画像を得る復号部PROD_B3と、を備えている。上述した動画像復号装置31は、この復号部PROD_B3として利用される。
　受信装置PROD_Bは、復号部PROD_B3が出力する動画像の供給先として、動画像を表示するディスプレイPROD_B4、動画像を記録するための記録媒体PROD_B5、及び、動画像を外部に出力するための出力端子PROD_B6を更に備えていてもよい。図においては、これら全てを受信装置PROD_Bが備えた構成を例示しているが、一部を省略しても構わない。
　なお、記録媒体PROD_B5は、符号化されていない動画像を記録するためのものであってもよいし、伝送用の符号化方式とは異なる記録用の符号化方式で符号化されたものであってもよい。後者の場合、復号部PROD_B3と記録媒体PROD_B5との間に、復号部PROD_B3から取得した動画像を記録用の符号化方式に従って符号化する符号化部（不図示）を介在させるとよい。
　なお、変調信号を伝送する伝送媒体は、無線であってもよいし、有線であってもよい。また、変調信号を伝送する伝送態様は、放送（ここでは、送信先が予め特定されていない送信態様を指す）であってもよいし、通信（ここでは、送信先が予め特定されている送信態様を指す）であってもよい。すなわち、変調信号の伝送は、無線放送、有線放送、無線通信、及び有線通信の何れによって実現してもよい。
　例えば、地上デジタル放送の放送局（放送設備など）／受信局（テレビジョン受像機など）は、変調信号を無線放送で送受信する送信装置PROD_A／受信装置PROD_Bの一例である。また、ケーブルテレビ放送の放送局（放送設備など）／受信局（テレビジョン受像機など）は、変調信号を有線放送で送受信する送信装置PROD_A／受信装置PROD_Bの一例である。
　また、インターネットを用いたVOD（Video On Demand）サービスや動画共有サービスなどのサーバ（ワークステーションなど）／クライアント（テレビジョン受像機、パーソナルコンピュータ、スマートフォンなど）は、変調信号を通信で送受信する送信装置PROD_A／受信装置PROD_Bの一例である（通常、ＬＡＮにおいては伝送媒体として無線または有線の何れかが用いられ、ＷＡＮにおいては伝送媒体として有線が用いられる）。ここで、パーソナルコンピュータには、デスクトップ型PC、ラップトップ型PC、及びタブレット型PCが含まれる。また、スマートフォンには、多機能携帯電話端末も含まれる。
　なお、動画共有サービスのクライアントは、サーバからダウンロードした符号化データを復号してディスプレイに表示する機能に加え、カメラで撮像した動画像を符号化してサーバにアップロードする機能を有している。すなわち、動画共有サービスのクライアントは、送信装置PROD_A及び受信装置PROD_Bの双方として機能する。
　次に、上述した動画像符号化装置11及び動画像復号装置31を、動画像の記録及び再生に利用できることを、図3を参照して説明する。
　図3のPROD_Cは、上述した動画像符号化装置11を搭載した記録装置PROD_Cの構成を示したブロック図である。図に示すように、記録装置PROD_Cは、動画像を符号化することによって符号化データを得る符号化部PROD_C1と、符号化部PROD_C1が得た符号化データを記録媒体PROD_Mに書き込む書込部PROD_C2と、を備えている。上述した動画像符号化装置11は、この符号化部PROD_C1として利用される。
　なお、記録媒体PROD_Mは、（１）HDD（Hard Disk Drive）やSSD(Solid State Drive)などのように、記録装置PROD_Cに内蔵されるタイプのものであってもよいし、（２）SDメモリカードやUSB（Universal Serial Bus）フラッシュメモリなどのように、記録装置PROD_Cに接続されるタイプのものであってもよいし、（３）DVD（Digital Versatile Disc:登録商標）やBD（Blu-ray Disc:登録商標）などのように、記録装置PROD_Cに内蔵されたドライブ装置（不図示）に装填されるものであってもよい。
　また、記録装置PROD_Cは、符号化部PROD_C1に入力する動画像の供給源として、動画像を撮像するカメラPROD_C3、動画像を外部から入力するための入力端子PROD_C4、動画像を受信するための受信部PROD_C5、及び、画像を生成または加工する画像処理部PROD_C6を更に備えていてもよい。図においては、これら全てを記録装置PROD_Cが備えた構成を例示しているが、一部を省略しても構わない。
　なお、受信部PROD_C5は、符号化されていない動画像を受信するものであってもよいし、記録用の符号化方式とは異なる伝送用の符号化方式で符号化された符号化データを受信するものであってもよい。後者の場合、受信部PROD_C5と符号化部PROD_C1との間に、伝送用の符号化方式で符号化された符号化データを復号する伝送用復号部（不図示）を介在させるとよい。
　このような記録装置PROD_Cとしては、例えば、DVDレコーダ、BDレコーダ、HDD（Hard Disk Drive）レコーダなどが挙げられる（この場合、入力端子PROD_C4または受信部PROD_C5が動画像の主な供給源となる）。また、カムコーダ（この場合、カメラPROD_C3が動画像の主な供給源となる）、パーソナルコンピュータ（この場合、受信部PROD_C5または画像処理部Ｃ６が動画像の主な供給源となる）、スマートフォン（この場合、カメラPROD_C3または受信部PROD_C5が動画像の主な供給源となる）なども、このような記録装置PROD_Cの一例である。
　図3PROD_Dは、上述した動画像復号装置31を搭載した再生装置PROD_Dの構成を示したブロックである。図に示すように、再生装置PROD_Dは、記録媒体PROD_Mに書き込まれた符号化データを読み出す読出部PROD_D1と、読出部PROD_D1が読み出した符号化データを復号することによって動画像を得る復号部PROD_D2と、を備えている。上述した動画像復号装置31は、この復号部PROD_D2として利用される。
　なお、記録媒体PROD_Mは、（１）HDDやSSDなどのように、再生装置PROD_Dに内蔵されるタイプのものであってもよいし、（２）SDメモリカードやUSBフラッシュメモリなどのように、再生装置PROD_Dに接続されるタイプのものであってもよいし、（３）DVDやBDなどのように、再生装置PROD_Dに内蔵されたドライブ装置（不図示）に装填されるものであってもよい。
　また、再生装置PROD_Dは、復号部PROD_D2が出力する動画像の供給先として、動画像を表示するディスプレイPROD_D3、動画像を外部に出力するための出力端子PROD_D4、及び、動画像を送信する送信部PROD_D5を更に備えていてもよい。図においては、これら全てを再生装置PROD_Dが備えた構成を例示しているが、一部を省略しても構わない。
　なお、送信部PROD_D5は、符号化されていない動画像を送信するものであってもよいし、記録用の符号化方式とは異なる伝送用の符号化方式で符号化された符号化データを送信するものであってもよい。後者の場合、復号部PROD_D2と送信部PROD_D5との間に、動画像を伝送用の符号化方式で符号化する符号化部（不図示）を介在させるとよい。
　このような再生装置PROD_Dとしては、例えば、DVDプレイヤ、BDプレイヤ、HDDプレイヤなどが挙げられる（この場合、テレビジョン受像機等が接続される出力端子PROD_D4が動画像の主な供給先となる）。また、テレビジョン受像機（この場合、ディスプレイPROD_D3が動画像の主な供給先となる）、デジタルサイネージ（電子看板や電子掲示板等とも称され、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる）、デスクトップ型PC（この場合、出力端子PROD_D4または送信部PROD_D5が動画像の主な供給先となる）、ラップトップ型またはタブレット型PC（この場合、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる）、スマートフォン（この場合、ディスプレイPROD_D3または送信部PROD_D5が動画像の主な供給先となる）なども、このような再生装置PROD_Dの一例である。
　　（ハードウェア的実現およびソフトウェア的実現）
　また、上述した動画像復号装置31および動画像符号化装置11の各ブロックは、集積回路（ICチップ）上に形成された論理回路によってハードウェア的に実現してもよいし、CPU（Central Processing Unit）を用いてソフトウェア的に実現してもよい。
　後者の場合、上記各装置は、各機能を実現するプログラムの命令を実行するCPU、上記プログラムを格納したROM（Read Only Memory）、上記プログラムを展開するRAM（RandomAccess Memory）、上記プログラムおよび各種データを格納するメモリ等の記憶装置（記録媒体）などを備えている。そして、本発明の実施形態の目的は、上述した機能を実現するソフトウェアである上記各装置の制御プログラムのプログラムコード（実行形式プログラム、中間コードプログラム、ソースプログラム）をコンピュータで読み取り可能に記録した記録媒体を、上記各装置に供給し、そのコンピュータ（またはCPUやMPU）が記録媒体に記録されているプログラムコードを読み出し実行することによっても、達成可能である。
　上記記録媒体としては、例えば、磁気テープやカセットテープ等のテープ類、フロッピー（登録商標）ディスク／ハードディスク等の磁気ディスクやCD-ROM（Compact Disc Read-Only Memory）／MOディスク（Magneto-Optical disc）／MD（Mini Disc）／DVD（Digital Versatile Disc:登録商標）／CD-R（CD Recordable）／ブルーレイディスク（Blu-rayDisc：登録商標）等の光ディスクを含むディスク類、ICカード（メモリカードを含む）／光カード等のカード類、マスクROM／EPROM（Erasable Programmable Read-Only Memory）／EEPROM（Electrically Erasable and Programmable Read-Only Memory：登録商標）／フラッシュROM等の半導体メモリ類、あるいはPLD（Programmable logic device）やFPGA（Field Programmable Gate Array）等の論理回路類などを用いることができる。
　また、上記各装置を通信ネットワークと接続可能に構成し、上記プログラムコードを通信ネットワークを介して供給してもよい。この通信ネットワークは、プログラムコードを伝送可能であればよく、特に限定されない。例えば、インターネット、イントラネット、エキストラネット、LAN（Local Area Network）、ISDN（Integrated Services Digital Network）、VAN（Value-Added Network）、CATV（Community Antenna television/Cable Television）通信網、仮想専用網（Virtual Private Network）、電話回線網、移動体通信網、衛星通信網等が利用可能である。また、この通信ネットワークを構成する伝送媒体も、プログラムコードを伝送可能な媒体であればよく、特定の構成または種類のものに限定されない。例えば、IEEE（Institute of Electrical and Electronic Engineers）1394、USB、電力線搬送、ケーブルＴＶ回線、電話線、ADSL（Asymmetric Digital Subscriber Line）回線等の有線でも、IrDA（Infrared Data Association）やリモコンのような赤外線、BlueTooth（登録商標）、IEEE802.11無線、HDR（High Data Rate）、NFC（Near Field Communication）、DLNA（Digital Living Network Alliance：登録商標）、携帯電話網、衛星回線、地上デジタル放送網等の無線でも利用可能である。なお、本発明の実施形態は、上記プログラムコードが電子的な伝送で具現化された、搬送波に埋め込まれたコンピュータデータ信号の形態でも実現され得る。
　本発明の実施形態は上述した実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能である。すなわち、請求項に示した範囲で適宜変更した技術的手段を組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
　本発明の実施形態は、画像データが符号化された符号化データを復号する動画像復号装置、および、画像データが符号化された符号化データを生成する動画像符号化装置に好適に適用することができる。また、動画像符号化装置によって生成され、動画像復号装置によって参照される符号化データのデータ構造に好適に適用することができる。
（関連出願の相互参照）
　本出願は、２０２０年５月２１日に出願された日本国特許出願：特願２０２０－０８８８６２に対して優先権の利益を主張するものであり、それを参照することにより、その内容の全てが本書に含まれる。
31　画像復号装置
301　エントロピー復号部
302　パラメータ復号部
303　インター予測パラメータ導出部
304　イントラ予測パラメータ導出部
305、107　ループフィルタ
306、109　参照ピクチャメモリ
307、108　予測パラメータメモリ
308、101　予測画像生成部
309　インター予測画像生成部
310　イントラ予測画像生成部
311、105　逆量子化・逆変換部
312、106　加算部
320　予測パラメータ導出部
11　画像符号化装置
102　減算部
103　変換・量子化部
104　エントロピー符号化部
110　符号化パラメータ決定部
111　パラメータ符号化部
112　インター予測パラメータ符号化部
113　イントラ予測パラメータ符号化部
120　予測パラメータ導出部

Claims (3)

  1. 　複数の参照ピクチャリスト構造を復号する復号部と、
    　ピクチャ単位あるいはスライス単位で、前記参照ピクチャリスト構造から参照ピクチャリストを導出する予測部を有し、
    　前記復号部は、第１のフラグ(rpl_sps_flag[i])を復号し、ここで、前記第１のフラグ(rpl_sps_flag[i])は、値が1の場合にSPSで復号された第１の参照ピクチャリスト構造に基づいて参照ピクチャリスト情報(ref_pic_lists)に対応する前記参照ピクチャリストを導出することを示し、値が0の場合に前記参照ピクチャリスト情報(ref_pic_lists)に直接含まれる第２の参照ピクチャリスト構造に基づいて前記参照ピクチャリスト情報(ref_pic_lists)に対応する前記参照ピクチャリストを導出することを示し、
    　前記復号部は、前記第１のフラグ(rpl_sps_flag[i])が1の場合、前記第１の参照ピクチャリスト構造の数(sps_num_ref_pic_lists[i])および第２のフラグ(pps_rpl1_idx_present_flag)に基づいて、前記第１の参照ピクチャリスト構造を示すためのインデックス(rpl_idx[i])を復号し、
    　前記復号部は、前記第１のフラグ(rpl_sps_flag[i])が0の場合、前記参照ピクチャリスト情報(ref_pic_lists)に直接含まれる前記第２の参照ピクチャリスト構造を復号し、
    　前記復号部は、前記第１のフラグ(rpl_sps_flag[i])が1に等しくかつ前記第１の参照ピクチャリスト構造の数(sps_num_ref_pic_lists[i])が1以下の場合、前記インデックス(rpl_idx[i])の値を0に推定し、前記第１のフラグ(rpl_sps_flag[i])が1に等しくかつ前記第２のフラグ(pps_rpl1_idx_present_flag)が0に等しい場合、インデックス(rpl_idx[1])の値をインデックス(rpl_idx[0])の値に等しいと推定することを特徴とする動画像復号装置。
  2. 　ピクチャ単位あるいはスライス単位で、参照ピクチャリスト構造から参照ピクチャリストを導出するステップと、
    　第１のフラグ(rpl_sps_flag[i])を復号するステップと、ここで、前記第１のフラグ(rpl_sps_flag[i])は、値が1の場合にSPSで復号された第１の参照ピクチャリスト構造に基づいて参照ピクチャリスト情報(ref_pic_lists)に対応する前記参照ピクチャリストを導出することを示し、値が0の場合に前記参照ピクチャリスト情報(ref_pic_lists)に直接含まれる第２の参照ピクチャリスト構造に基づいて前記参照ピクチャリスト情報(ref_pic_lists)に対応する前記参照ピクチャリストを導出することを示し、
    　前記第１のフラグ(rpl_sps_flag[i])が1の場合、前記第１の参照ピクチャリスト構造の数(sps_num_ref_pic_lists[i])および第２のフラグ(pps_rpl1_idx_present_flag)に基づいて、前記第１の参照ピクチャリスト構造を示すためのインデックス(rpl_idx[i])を復号するステップと、
    　前記第１のフラグ(rpl_sps_flag[i])が0の場合、前記参照ピクチャリスト情報(ref_pic_lists)に直接含まれる前記第２の参照ピクチャリスト構造を復号するステップと、
    　前記第１のフラグ(rpl_sps_flag[i])が1に等しくかつ前記第１の参照ピクチャリスト構造の数(sps_num_ref_pic_lists[i])が1以下の場合、前記インデックス(rpl_idx[i])の値を0に推定し、前記第１のフラグ(rpl_sps_flag[i])が1に等しくかつ前記第２のフラグ(pps_rpl1_idx_present_flag)が0に等しい場合、インデックス(rpl_idx[1])の値をインデックス(rpl_idx[0])の値に等しいと推定するステップと、を含むことを特徴とする動画像復号方法。
  3. 　複数の参照ピクチャリスト構造を符号化する符号化部と、
    　ピクチャ単位あるいはスライス単位で、前記参照ピクチャリスト構造から参照ピクチャリストを導出する予測部を有し、
    　前記符号化部は、第１のフラグ(rpl_sps_flag[i])を符号化し、ここで、前記第１のフラグ(rpl_sps_flag[i])は、値が1の場合にSPSで復号された第１の参照ピクチャリスト構造に基づいて参照ピクチャリスト情報(ref_pic_lists)に対応する前記参照ピクチャリストを導出することを示し、値が0の場合に前記参照ピクチャリスト情報(ref_pic_lists)に直接含まれる第２の参照ピクチャリスト構造に基づいて前記参照ピクチャリスト情報(ref_pic_lists)に対応する前記参照ピクチャリストを導出することを示し、
    　前記符号化部は、前記第１のフラグ(rpl_sps_flag[i])が1の場合、前記第１の参照ピクチャリスト構造の数(sps_num_ref_pic_lists[i])および第２のフラグ(pps_rpl1_idx_present_flag)に基づいて、前記第１の参照ピクチャリスト構造を示すためのインデックス(rpl_idx[i])を符号化し、
    　前記符号化部は、前記第１のフラグ(rpl_sps_flag[i])が0の場合、前記参照ピクチャリスト情報(ref_pic_lists)に直接含まれる前記第２の参照ピクチャリスト構造を符号化し、
    　前記符号化部は、前記第１のフラグ(rpl_sps_flag[i])が1に等しくかつ前記第１の参照ピクチャリスト構造の数(sps_num_ref_pic_lists[i])が1以下の場合、前記インデックス(rpl_idx[i])の値を0に推定し、前記第１のフラグ(rpl_sps_flag[i])が1に等しくかつ前記第２のフラグ(pps_rpl1_idx_present_flag)が0に等しい場合、インデックス(rpl_idx[1])の値をインデックス(rpl_idx[0])の値に等しいと推定することを特徴とする動画像符号化装置。
PCT/JP2021/018844 2020-05-21 2021-05-18 動画像符号化装置及び動画像復号装置 WO2021235448A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202180037420.5A CN115699766A (zh) 2020-05-21 2021-05-18 动态图像编码装置以及动态图像解码装置
JP2022524496A JPWO2021235448A5 (ja) 2021-05-18 動画像復号装置、動画像復号方法及び動画像符号化装置
US17/925,042 US20230188706A1 (en) 2020-05-21 2021-05-18 Video coding apparatus and video decoding apparatus

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020088862 2020-05-21
JP2020-088862 2020-05-21

Publications (1)

Publication Number Publication Date
WO2021235448A1 true WO2021235448A1 (ja) 2021-11-25

Family

ID=78708537

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/018844 WO2021235448A1 (ja) 2020-05-21 2021-05-18 動画像符号化装置及び動画像復号装置

Country Status (4)

Country Link
US (1) US20230188706A1 (ja)
CN (1) CN115699766A (ja)
TW (1) TW202145797A (ja)
WO (1) WO2021235448A1 (ja)

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3854099A4 (en) * 2018-09-21 2022-06-29 Sharp Kabushiki Kaisha Systems and methods for signaling reference pictures in video coding

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
BROSS, BENJAMIN ET AL.: "Versatile Video Coding (Draft 9)", JOINT VIDEO EXPERTS TEAM (JVET, 15 May 2020 (2020-05-15), pages 63 - 64, XP030287936 *

Also Published As

Publication number Publication date
JPWO2021235448A1 (ja) 2021-11-25
TW202145797A (zh) 2021-12-01
CN115699766A (zh) 2023-02-03
US20230188706A1 (en) 2023-06-15

Similar Documents

Publication Publication Date Title
WO2021111962A1 (ja) 動画像復号装置
JP7448349B2 (ja) 動画像復号装置
WO2020184487A1 (ja) 動画像復号装置
WO2020137920A1 (ja) 予測画像生成装置、動画像復号装置、動画像符号化装置および予測画像生成方法
US20230319305A1 (en) Video decoding apparatus
JP2022007319A (ja) 動画像符号化装置、復号装置
WO2021200658A1 (ja) 動画像復号装置及び動画像復号方法
WO2021200610A1 (ja) 動画像復号装置、動画像符号化装置、動画像復号方法及び動画像符号化方法
JP2021027429A (ja) 動画像符号化装置、動画像復号装置
JP2020096279A (ja) 予測画像生成装置、動画像復号装置および動画像符号化装置
JP2022096879A (ja) 動画像符号化装置、復号装置
WO2021235448A1 (ja) 動画像符号化装置及び動画像復号装置
JP2021106309A (ja) 動画像復号装置および動画像符号化装置
JP7465128B2 (ja) 動画像符号化装置及び動画像復号装置
JP2020170901A (ja) 予測画像生成装置、動画像復号装置および動画像符号化装置
JP7378968B2 (ja) 予測画像生成装置、動画像復号装置および動画像符号化装置
JP2021175009A (ja) 動画像符号化装置及び動画像復号装置
JP2021197558A (ja) 動画像符号化装置及び動画像復号装置
JP2022085475A (ja) 動画像符号化装置、復号装置
JP2021078004A (ja) 動画像符号化装置、動画像復号装置
JP2021125798A (ja) 動画像符号化装置、復号装置
JP2022156140A (ja) 動画像符号化装置、復号装置
JP2023003481A (ja) 画像復号装置および画像符号化装置
JP2022087865A (ja) 画像復号装置及び画像符号化装置
JP2021097259A (ja) 動画像復号装置および動画像符号化装置

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: 21807843

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022524496

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21807843

Country of ref document: EP

Kind code of ref document: A1