WO2022045738A1 - 딥러닝 기반 인루프 필터를 이용하는 영상 부호화 및 복호화 - Google Patents

딥러닝 기반 인루프 필터를 이용하는 영상 부호화 및 복호화 Download PDF

Info

Publication number
WO2022045738A1
WO2022045738A1 PCT/KR2021/011302 KR2021011302W WO2022045738A1 WO 2022045738 A1 WO2022045738 A1 WO 2022045738A1 KR 2021011302 W KR2021011302 W KR 2021011302W WO 2022045738 A1 WO2022045738 A1 WO 2022045738A1
Authority
WO
WIPO (PCT)
Prior art keywords
frame
detection
pixel
current frame
flag
Prior art date
Application number
PCT/KR2021/011302
Other languages
English (en)
French (fr)
Inventor
강제원
김나영
이정경
박승욱
임화평
Original Assignee
현대자동차주식회사
기아 주식회사
이화여자대학교 산학협력단
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 현대자동차주식회사, 기아 주식회사, 이화여자대학교 산학협력단 filed Critical 현대자동차주식회사
Priority to CN202180052718.3A priority Critical patent/CN116113985A/zh
Priority to US18/020,375 priority patent/US20230269399A1/en
Priority claimed from KR1020210111724A external-priority patent/KR20220025689A/ko
Publication of WO2022045738A1 publication Critical patent/WO2022045738A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
    • H04N19/86—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving reduction of coding artifacts, e.g. of blockiness
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/172—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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • H04N19/82—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation involving filtering within a prediction loop

Definitions

  • the present disclosure relates to encoding and decoding of an image (video). More specifically, an image encoding method and an image decoding method further comprising an in-loop filter for synthesizing the reference region detected in the current frame after detecting the reference region from the current frame and the reference frame using a deep learning-based detection model it is about
  • video data Since video data has a large amount of data compared to audio data or still image data, it requires a lot of hardware resources including memory to store or transmit itself without compression processing.
  • an encoder when storing or transmitting video data, an encoder is used to compress and store or transmit the video data, and a decoder receives, decompresses, and reproduces the compressed video data.
  • video compression technologies there are H.264/AVC, High Efficiency Video Coding (HEVC), and the like, as well as Versatile Video Coding (VVC), which improves coding efficiency by about 30% or more compared to HEVC.
  • a deep learning-based image processing technology has been applied to the existing encoding element technology.
  • a deep learning-based image processing technique to compression techniques such as inter prediction, intra prediction, in-loop filter, and transformation among existing coding techniques
  • Representative application examples include inter prediction based on a virtual reference frame generated based on a deep learning model, an in-loop filter based on an image restoration model (see Non-Patent Document 1), and the like. Therefore, in image encoding/decoding, continuous application of deep learning-based image processing technology needs to be considered in order to improve encoding efficiency.
  • Non-Patent Document 1 Ren Yang, Mai Xu, Zulin Wang and Tianyi Li, Multi-Frame Quality Enhancement for Compressed Video, Arxiv: 1803.04680.
  • Non-Patent Document 2 Jongchan Park, Sanghyun Woo, Joon-Young Lee, and In So Kweon, BAM: Bottleneck Attention Module, Arxiv: 1807.06514.
  • the present disclosure detects a reference region from a current frame and a reference frame using a deep learning-based detection model, and further includes an in-loop filter that synthesizes the reference region detected in the current frame, thereby improving the image quality of the current frame and
  • An object of the present invention is to provide an image encoding method and an image decoding method for improving encoding efficiency.
  • a method performed by an image decoding apparatus to improve image quality of a current frame comprising: obtaining the current frame and at least one reference frame; detecting a reference region on the reference frame from the reference frame and the current frame using a deep learning-based detection model, and generating a detection map; and generating an enhancement frame by synthesizing the reference region with the current frame based on the detection map.
  • an input unit for obtaining a current frame and at least one reference frame; a reference region detection unit that detects a reference region on the reference frame from the reference frame and the current frame using a deep learning-based detection model and generates a detection map; and a reference region synthesizing unit for improving image quality of the current frame by synthesizing the reference region with the current frame based on the detection map.
  • an image additionally including an in-loop filter for synthesizing the reference region detected in the current frame after detecting the reference region from the current frame and the reference frame using a deep learning-based detection model
  • FIG. 1 is an exemplary block diagram of an image encoding apparatus that can implement techniques of the present disclosure.
  • FIG. 2 is a diagram for explaining a method of dividing a block using a QTBTTT structure.
  • 3A and 3B are diagrams illustrating a plurality of intra prediction modes including wide-angle intra prediction modes.
  • 4 is an exemplary diagram for neighboring blocks of the current block.
  • FIG. 5 is an exemplary block diagram of an image decoding apparatus capable of implementing the techniques of the present disclosure.
  • FIG. 6 is a schematic block diagram of an image quality improving apparatus according to an embodiment of the present disclosure.
  • FIG. 7 is an exemplary diagram illustrating a random access structure according to an embodiment of the present disclosure.
  • FIG. 8 is an exemplary diagram illustrating a reference region according to an embodiment of the present disclosure.
  • FIG. 9 is an exemplary diagram illustrating a detection model according to an embodiment of the present disclosure.
  • FIG. 10 is a schematic block diagram of an apparatus for improving picture quality using an in-loop filter based on a CNN model according to an embodiment of the present disclosure.
  • FIG. 11 is a schematic block diagram of an apparatus for improving picture quality using an in-loop filter based on a CNN model according to another embodiment of the present disclosure.
  • FIG. 12 is an exemplary diagram illustrating an arrangement between an image quality improving apparatus and components of an existing in-loop filter according to an embodiment of the present disclosure.
  • FIG. 13 is a flowchart of a method for improving image quality according to an embodiment of the present disclosure.
  • FIG. 1 is an exemplary block diagram of an image encoding apparatus that can implement techniques of the present disclosure.
  • an image encoding apparatus and sub-configurations of the apparatus will be described with reference to FIG. 1 .
  • the image encoding apparatus includes a picture division unit 110 , a prediction unit 120 , a subtractor 130 , a transform unit 140 , a quantization unit 145 , a reordering unit 150 , an entropy encoding unit 155 , and an inverse quantization unit. 160 , an inverse transform unit 165 , an adder 170 , a loop filter unit 180 , and a memory 190 may be included.
  • Each component of the image encoding apparatus may be implemented as hardware or software, or may be implemented as a combination of hardware and software.
  • the function of each component may be implemented as software and the microprocessor may be implemented to execute the function of software corresponding to each component.
  • One image is composed of one or more sequences including a plurality of pictures.
  • Each picture is divided into a plurality of regions, and encoding is performed for each region.
  • one picture is divided into one or more tiles and/or slices.
  • one or more tiles may be defined as a tile group.
  • Each tile or/slice is divided into one or more Coding Tree Units (CTUs).
  • CTUs Coding Tree Units
  • each CTU is divided into one or more CUs (Coding Units) by a tree structure.
  • Information applied to each CU is encoded as a syntax of the CU, and information commonly applied to CUs included in one CTU is encoded as a syntax of the CTU.
  • information commonly applied to all blocks in one slice is encoded as a syntax of a slice header
  • information applied to all blocks constituting one or more pictures is a picture parameter set (PPS) or a picture. encoded in the header.
  • PPS picture parameter set
  • information commonly referenced by a plurality of pictures is encoded in a sequence parameter set (SPS).
  • SPS sequence parameter set
  • VPS video parameter set
  • information commonly applied to one tile or tile group may be encoded as a syntax of a tile or tile group header. Syntax included in the SPS, PPS, slice header, tile or tile group header may be referred to as high-level syntax.
  • the picture divider 110 determines the size of a coding tree unit (CTU).
  • CTU size Information on the size of the CTU (CTU size) is encoded as a syntax of the SPS or PPS and transmitted to the video decoding apparatus.
  • the picture divider 110 divides each picture constituting an image into a plurality of coding tree units (CTUs) having a predetermined size, and then repeatedly divides the CTUs using a tree structure. (recursively) divide.
  • a leaf node in the tree structure becomes a coding unit (CU), which is a basic unit of encoding.
  • CU coding unit
  • a quadtree in which a parent node (or parent node) is divided into four child nodes (or child nodes) of the same size, or a binary tree (BinaryTree) in which a parent node is divided into two child nodes , BT), or a ternary tree (TT) in which a parent node is divided into three child nodes in a 1:2:1 ratio, or a structure in which two or more of these QT structures, BT structures, and TT structures are mixed there is.
  • a QuadTree plus BinaryTree (QTBT) structure may be used, or a QuadTree plus BinaryTree TernaryTree (QTBTTT) structure may be used.
  • BTTT may be combined to be referred to as a Multiple-Type Tree (MTT).
  • MTT Multiple-Type Tree
  • FIG. 2 is a diagram for explaining a method of dividing a block using a QTBTTT structure.
  • the CTU may be first divided into a QT structure.
  • the quadtree splitting may be repeated until the size of a splitting block reaches the minimum block size of a leaf node (MinQTSize) allowed in QT.
  • a first flag (QT_split_flag) indicating whether each node of the QT structure is divided into four nodes of a lower layer is encoded by the entropy encoder 155 and signaled to the image decoding apparatus. If the leaf node of the QT is not larger than the maximum block size (MaxBTSize) of the root node allowed in the BT, it may be further divided into any one or more of the BT structure or the TT structure.
  • MaxBTSize maximum block size
  • a plurality of division directions may exist in the BT structure and/or the TT structure. For example, there may be two directions in which the block of the corresponding node is divided horizontally and vertically.
  • a second flag indicating whether or not nodes are split, and a flag indicating additionally splitting direction (vertical or horizontal) if split and/or splitting type (Binary) or Ternary) is encoded by the entropy encoder 155 and signaled to the video decoding apparatus.
  • a CU split flag (split_cu_flag) indicating whether the node is split is encoded it might be
  • the CU split flag (split_cu_flag) value indicates that it is not split
  • the block of the corresponding node becomes a leaf node in the split tree structure and becomes a coding unit (CU), which is a basic unit of coding.
  • the CU split flag (split_cu_flag) value indicates to be split, the image encoding apparatus starts encoding from the first flag in the above-described manner.
  • split_flag split flag indicating whether each node of the BT structure is split into blocks of a lower layer and split type information indicating a split type are encoded by the entropy encoder 155 and transmitted to the image decoding apparatus.
  • a type for dividing the block of the corresponding node into two blocks having an asymmetric shape may further exist.
  • the asymmetric form may include a form in which the block of the corresponding node is divided into two rectangular blocks having a size ratio of 1:3, or a form in which the block of the corresponding node is divided in a diagonal direction.
  • a CU may have various sizes depending on the QTBT or QTBTTT split from the CTU.
  • a block corresponding to a CU to be encoded or decoded ie, a leaf node of QTBTTT
  • a 'current block' a block corresponding to a CU to be encoded or decoded
  • the shape of the current block may be not only a square but also a rectangle.
  • the prediction unit 120 generates a prediction block by predicting the current block.
  • the prediction unit 120 includes an intra prediction unit 122 and an inter prediction unit 124 .
  • each of the current blocks in a picture may be predictively coded.
  • prediction of the current block is performed using an intra prediction technique (using data from the picture containing the current block) or inter prediction technique (using data from a picture coded before the picture containing the current block). can be performed.
  • Inter prediction includes both uni-prediction and bi-prediction.
  • the intra prediction unit 122 predicts pixels in the current block by using pixels (reference pixels) located around the current block in the current picture including the current block.
  • a plurality of intra prediction modes exist according to a prediction direction.
  • the plurality of intra prediction modes may include two non-directional modes including a planar mode and a DC mode and 65 directional modes. According to each prediction mode, the neighboring pixels to be used and the calculation expression are defined differently.
  • directional modes Nos. 67 to 80 and No. -1 to No. -14 intra prediction modes
  • These may be referred to as “wide angle intra-prediction modes”.
  • Arrows in FIG. 3B indicate corresponding reference samples used for prediction, not prediction directions. The prediction direction is opposite to the direction indicated by the arrow.
  • the wide-angle intra prediction modes are modes in which a specific directional mode is predicted in the opposite direction without additional bit transmission when the current block is rectangular. In this case, among the wide-angle intra prediction modes, some wide-angle intra prediction modes available for the current block may be determined by the ratio of the width to the height of the rectangular current block.
  • the wide-angle intra prediction modes having an angle smaller than 45 degrees are available when the current block has a rectangular shape with a height smaller than the width, and a wide angle having an angle greater than -135 degrees.
  • the intra prediction modes are available when the current block has a rectangular shape with a width greater than a height.
  • the intra prediction unit 122 may determine an intra prediction mode to be used for encoding the current block.
  • the intra prediction unit 122 may encode the current block using several intra prediction modes and select an appropriate intra prediction mode to use from the tested modes. For example, the intra prediction unit 122 calculates bit rate distortion values using rate-distortion analysis for several tested intra prediction modes, and has the best bit rate distortion characteristics among the tested modes. An intra prediction mode may be selected.
  • the intra prediction unit 122 selects one intra prediction mode from among a plurality of intra prediction modes, and predicts the current block by using a neighboring pixel (reference pixel) determined according to the selected intra prediction mode and an equation.
  • Information on the selected intra prediction mode is encoded by the entropy encoder 155 and transmitted to an image decoding apparatus.
  • the inter prediction unit 124 generates a prediction block for the current block by using a motion compensation process.
  • the inter prediction unit 124 searches for a block most similar to the current block in the reference picture encoded and decoded before the current picture, and generates a prediction block for the current block using the searched block. Then, a motion vector (MV) corresponding to displacement between the current block in the current picture and the prediction block in the reference picture is generated.
  • MV motion vector
  • motion estimation is performed for a luma component, and a motion vector calculated based on the luma component is used for both the luma component and the chroma component.
  • Motion information including information on a reference picture and information on a motion vector used to predict the current block is encoded by the entropy encoder 155 and transmitted to the image decoding apparatus.
  • the inter prediction unit 124 may perform interpolation on a reference picture or reference block in order to increase prediction accuracy. That is, subsamples between two consecutive integer samples are interpolated by applying filter coefficients to a plurality of consecutive integer samples including the two integer samples.
  • the motion vector can be expressed up to the precision of the decimal unit rather than the precision of the integer sample unit.
  • the precision or resolution of the motion vector may be set differently for each unit of a target region to be encoded, for example, a slice, a tile, a CTU, or a CU.
  • AMVR adaptive motion vector resolution
  • information on the motion vector resolution to be applied to each target region should be signaled for each target region.
  • the target region is a CU
  • information on motion vector resolution applied to each CU is signaled.
  • the information on the motion vector resolution may be information indicating the precision of a differential motion vector, which will be described later.
  • the inter prediction unit 124 may perform inter prediction using bi-prediction.
  • bi-directional prediction two reference pictures and two motion vectors indicating the position of a block most similar to the current block in each reference picture are used.
  • the inter prediction unit 124 selects a first reference picture and a second reference picture from the reference picture list 0 (RefPicList0) and the reference picture list 1 (RefPicList1), respectively, and searches for a block similar to the current block in each reference picture. A first reference block and a second reference block are generated. Then, the first reference block and the second reference block are averaged or weighted to generate a prediction block for the current block.
  • reference picture list 0 consists of pictures before the current picture in display order among the restored pictures
  • reference picture list 1 consists of pictures after the current picture in display order among the restored pictures.
  • the present invention is not necessarily limited thereto, and in display order, the restored pictures after the current picture may be further included in the reference picture list 0, and conversely, the restored pictures before the current picture are additionally added to the reference picture list 1. may be included.
  • the motion information of the current block may be transmitted to the image decoding apparatus by encoding information for identifying the neighboring block. This method is called a 'merge mode'.
  • the inter prediction unit 124 selects a predetermined number of merge candidate blocks (hereinafter referred to as 'merge candidates') from neighboring blocks of the current block.
  • a block located in a reference picture (which may be the same as or different from the reference picture used to predict the current block) other than the current picture in which the current block is located may be used as a merge candidate.
  • a block co-located with the current block in the reference picture or blocks adjacent to the co-located block may be further used as merge candidates. If the number of merge candidates selected by the above-described method is smaller than the preset number, a 0 vector is added to the merge candidates.
  • the inter prediction unit 124 constructs a merge list including a predetermined number of merge candidates by using these neighboring blocks.
  • a merge candidate to be used as motion information of the current block is selected from among the merge candidates included in the merge list, and merge index information for identifying the selected candidate is generated.
  • the generated merge index information is encoded by the encoder 150 and transmitted to the image decoding apparatus.
  • the merge skip mode is a special case of the merge mode. After quantization, when all transform coefficients for entropy encoding are close to zero, only neighboring block selection information is transmitted without transmission of a residual signal. By using the merge skip mode, it is possible to achieve relatively high encoding efficiency in an image with little motion, a still image, and a screen content image.
  • merge mode and the merge skip mode are collectively referred to as a merge/skip mode.
  • AMVP Advanced Motion Vector Prediction
  • the inter prediction unit 124 derives motion vector prediction candidates for the motion vector of the current block using neighboring blocks of the current block.
  • the neighboring blocks used to derive the prediction motion vector candidates the left block (L), the upper block (A), the upper right block (AR), the lower left block ( BL), all or part of the upper left block AL may be used.
  • a block located in a reference picture (which may be the same as or different from the reference picture used to predict the current block) other than the current picture in which the current block is located is used as a neighboring block used to derive prediction motion vector candidates.
  • a block co-located with the current block in the reference picture or blocks adjacent to the co-located block may be used. If the number of motion vector candidates is smaller than the preset number by the method described above, 0 vectors are added to the motion vector candidates.
  • the inter prediction unit 124 derives prediction motion vector candidates by using the motion vectors of the neighboring blocks, and determines a predicted motion vector with respect to the motion vector of the current block by using the prediction motion vector candidates. Then, a differential motion vector is calculated by subtracting the predicted motion vector from the motion vector of the current block.
  • the prediction motion vector may be obtained by applying a predefined function (eg, a median value, an average value operation, etc.) to the prediction motion vector candidates.
  • a predefined function eg, a median value, an average value operation, etc.
  • the image decoding apparatus also knows the predefined function.
  • the neighboring block used to derive the prediction motion vector candidate is a block that has already been encoded and decoded
  • the video decoding apparatus already knows the motion vector of the neighboring block. Therefore, the image encoding apparatus does not need to encode information for identifying the prediction motion vector candidate. Accordingly, in this case, information on a differential motion vector and information on a reference picture used to predict a current block are encoded.
  • the prediction motion vector may be determined by selecting any one of the prediction motion vector candidates.
  • information for identifying the selected prediction motion vector candidate is additionally encoded together with information on the differential motion vector and information on the reference picture used to predict the current block.
  • the subtractor 130 generates a residual block by subtracting the prediction block generated by the intra prediction unit 122 or the inter prediction unit 124 from the current block.
  • the transform unit 140 transforms the residual signal in the residual block having pixel values in the spatial domain into transform coefficients in the frequency domain.
  • the transform unit 140 may transform the residual signals in the residual block by using the entire size of the residual block as a transform unit, or divide the residual block into a plurality of sub-blocks and use the sub-blocks as transform units to perform transformation. You may.
  • the residual signals may be transformed by dividing the sub-block into two sub-blocks, which are a transform region and a non-transform region, and use only the transform region sub-block as a transform unit.
  • the transform region subblock may be one of two rectangular blocks having a size ratio of 1:1 based on the horizontal axis (or vertical axis).
  • the flag (cu_sbt_flag) indicating that only the subblock has been transformed, the vertical/horizontal information (cu_sbt_horizontal_flag), and/or the position information (cu_sbt_pos_flag) are encoded by the entropy encoder 155 and signaled to the video decoding apparatus.
  • the size of the transform region subblock may have a size ratio of 1:3 based on the horizontal axis (or vertical axis). Signaled to the decoding device.
  • the transform unit 140 may individually transform the residual block in a horizontal direction and a vertical direction.
  • various types of transformation functions or transformation matrices may be used.
  • a pair of transform functions for horizontal transformation and vertical transformation may be defined as a multiple transform set (MTS).
  • the transform unit 140 may select one transform function pair having the best transform efficiency among MTSs and transform the residual block in horizontal and vertical directions, respectively.
  • Information (mts_idx) on a transform function pair selected from among MTS is encoded by the entropy encoder 155 and signaled to the image decoding apparatus.
  • the quantization unit 145 quantizes the transform coefficients output from the transform unit 140 using a quantization parameter, and outputs the quantized transform coefficients to the entropy encoding unit 155 .
  • the quantization unit 145 may directly quantize a related residual block for a certain block or frame without transformation.
  • the quantization unit 145 may apply different quantization coefficients (scaling values) according to positions of the transform coefficients in the transform block.
  • a quantization matrix applied to two-dimensionally arranged quantized transform coefficients may be encoded and signaled to an image decoding apparatus.
  • the rearrangement unit 150 may rearrange the coefficient values on the quantized residual values.
  • the reordering unit 150 may change a two-dimensional coefficient array into a one-dimensional coefficient sequence by using coefficient scanning. For example, the reordering unit 150 may output a one-dimensional coefficient sequence by scanning from DC coefficients to coefficients in a high frequency region using a zig-zag scan or a diagonal scan. .
  • a vertical scan for scanning a two-dimensional coefficient array in a column direction and a horizontal scan for scanning a two-dimensional block shape coefficient in a row direction may be used instead of the zig-zag scan according to the size of the transform unit and the intra prediction mode. That is, a scanning method to be used among a zig-zag scan, a diagonal scan, a vertical scan, and a horizontal scan may be determined according to the size of the transform unit and the intra prediction mode.
  • the entropy encoding unit 155 uses various encoding methods such as Context-based Adaptive Binary Arithmetic Code (CABAC) and Exponential Golomb to convert the one-dimensional quantized transform coefficients output from the reordering unit 150 .
  • CABAC Context-based Adaptive Binary Arithmetic Code
  • Exponential Golomb Exponential Golomb
  • the entropy encoding unit 155 encodes information such as CTU size, CU split flag, QT split flag, MTT split type, and MTT split direction related to block splitting, so that the video decoding apparatus divides the block in the same way as the video encoding apparatus. to be able to divide. Also, the entropy encoding unit 155 encodes information on a prediction type indicating whether the current block is encoded by intra prediction or inter prediction, and intra prediction information (ie, intra prediction) according to the prediction type. mode) or inter prediction information (in the case of the merge mode, the merge index, in the case of the AMVP mode, the reference picture index and the information on the differential motion vector) is encoded. Also, the entropy encoder 155 encodes information related to quantization, that is, information about a quantization parameter and information about a quantization matrix.
  • the inverse quantization unit 160 inverse quantizes the quantized transform coefficients output from the quantization unit 145 to generate transform coefficients.
  • the inverse transform unit 165 reconstructs a residual block by transforming the transform coefficients output from the inverse quantization unit 160 from the frequency domain to the spatial domain.
  • the addition unit 170 restores the current block by adding the reconstructed residual block to the prediction block generated by the prediction unit 120 . Pixels in the reconstructed current block are used as reference pixels when intra-predicting the next block.
  • the loop filter unit 180 reconstructs pixels to reduce blocking artifacts, ringing artifacts, blurring artifacts, etc. generated due to block-based prediction and transformation/quantization. filter on them.
  • the filter unit 180 may include all or a part of a deblocking filter 182, a sample adaptive offset (SAO) filter 184, and an adaptive loop filter (ALF) 186 as an in-loop filter. .
  • SAO sample adaptive offset
  • ALF adaptive loop filter
  • the deblocking filter 182 filters the boundary between reconstructed blocks in order to remove blocking artifacts caused by block-by-block encoding/decoding, and the SAO filter 184 and alf 186 deblocking filtering Additional filtering is performed on the captured image.
  • the SAO filter 184 and alf 186 are filters used to compensate for a difference between a reconstructed pixel and an original pixel caused by lossy coding.
  • the SAO filter 184 improves encoding efficiency as well as subjective image quality by applying an offset in units of CTUs.
  • the ALF 186 performs block-by-block filtering, and the distortion is compensated by applying different filters by classifying the edge of the corresponding block and the degree of change.
  • Information on filter coefficients to be used for ALF may be encoded and signaled to an image decoding apparatus.
  • the restored block filtered through the deblocking filter 182 , the SAO filter 184 and the ALF 186 is stored in the memory 190 .
  • the reconstructed picture may be used as a reference picture for inter prediction of blocks in a picture to be encoded later.
  • FIG. 5 is an exemplary functional block diagram of an image decoding apparatus capable of implementing the techniques of the present disclosure.
  • an image decoding apparatus and sub-components of the apparatus will be described with reference to FIG. 5 .
  • the image decoding apparatus includes an entropy decoding unit 510, a reordering unit 515, an inverse quantization unit 520, an inverse transform unit 530, a prediction unit 540, an adder 550, a loop filter unit 560, and a memory ( 570) may be included.
  • each component of the image decoding apparatus may be implemented as hardware or software, or a combination of hardware and software.
  • the function of each component may be implemented as software and the microprocessor may be implemented to execute the function of software corresponding to each component.
  • the entropy decoding unit 510 decodes the bitstream generated by the image encoding apparatus and extracts information related to block division to determine a current block to be decoded, and prediction information and residual signal required to reconstruct the current block. extract information, etc.
  • the entropy decoder 510 extracts information on the CTU size from a sequence parameter set (SPS) or a picture parameter set (PPS), determines the size of the CTU, and divides the picture into CTUs of the determined size. Then, the CTU is determined as the uppermost layer of the tree structure, that is, the root node, and the CTU is divided using the tree structure by extracting division information on the CTU.
  • SPS sequence parameter set
  • PPS picture parameter set
  • a first flag (QT_split_flag) related to QT splitting is first extracted and each node is split into four nodes of a lower layer.
  • the second flag (MTT_split_flag) related to the division of MTT and the division direction (vertical / horizontal) and / or division type (binary / ternary) information are extracted and the corresponding leaf node is set to MTT divided into structures. Accordingly, each node below the leaf node of the QT is recursively divided into a BT or TT structure.
  • a CU split flag (split_cu_flag) indicating whether a CU is split is first extracted, and when the block is split, a first flag (QT_split_flag) is extracted.
  • each node may have zero or more repeated MTT splits after zero or more repeated QT splits. For example, in the CTU, MTT division may occur immediately, or conversely, only multiple QT divisions may occur.
  • a first flag (QT_split_flag) related to QT splitting is extracted and each node is split into four nodes of a lower layer. And, for a node corresponding to a leaf node of QT, a split flag (split_flag) indicating whether to further split into BT and split direction information is extracted.
  • the entropy decoding unit 510 determines a current block to be decoded by using the tree structure division, information on a prediction type indicating whether the current block is intra-predicted or inter-predicted is extracted.
  • the prediction type information indicates intra prediction
  • the entropy decoder 510 extracts a syntax element for intra prediction information (intra prediction mode) of the current block.
  • the prediction type information indicates inter prediction
  • the entropy decoding unit 510 extracts a syntax element for the inter prediction information, that is, a motion vector and information indicating a reference picture referenced by the motion vector.
  • the entropy decoding unit 510 extracts quantization-related information and information on quantized transform coefficients of the current block as information on the residual signal.
  • the reordering unit 515 re-orders the sequence of one-dimensional quantized transform coefficients entropy-decoded by the entropy decoding unit 510 in the reverse order of the coefficient scanning order performed by the image encoding apparatus into a two-dimensional coefficient array (that is, block) can be changed.
  • the inverse quantization unit 520 inversely quantizes the quantized transform coefficients and inversely quantizes the quantized transform coefficients using the quantization parameter.
  • the inverse quantizer 520 may apply different quantization coefficients (scaling values) to the two-dimensionally arranged quantized transform coefficients.
  • the inverse quantizer 520 may perform inverse quantization by applying a matrix of quantization coefficients (scaling values) from the image encoding apparatus to a 2D array of quantized transform coefficients.
  • the inverse transform unit 530 inversely transforms the inverse quantized transform coefficients from the frequency domain to the spatial domain to reconstruct residual signals to generate a residual block for the current block.
  • the inverse transform unit 530 when the inverse transform unit 530 inversely transforms only a partial region (subblock) of the transform block, a flag (cu_sbt_flag) indicating that only the subblock of the transform block has been transformed, and subblock directional (vertical/horizontal) information (cu_sbt_horizontal_flag) ) and/or sub-block position information (cu_sbt_pos_flag), and by inversely transforming the transform coefficients of the sub-block from the frequency domain to the spatial domain, the residual signals are restored. By filling in , the final residual block for the current block is created.
  • the inverse transform unit 530 determines a transform function or transform matrix to be applied in the horizontal and vertical directions, respectively, using the MTS information (mts_idx) signaled from the image encoding apparatus, and uses the determined transform function. Inverse transform is performed on transform coefficients in the transform block in the horizontal and vertical directions.
  • the prediction unit 540 may include an intra prediction unit 542 and an inter prediction unit 544 .
  • the intra prediction unit 542 is activated when the prediction type of the current block is intra prediction
  • the inter prediction unit 544 is activated when the prediction type of the current block is inter prediction.
  • the intra prediction unit 542 determines the intra prediction mode of the current block from among the plurality of intra prediction modes from the syntax elements for the intra prediction mode extracted from the entropy decoding unit 510, and references the vicinity of the current block according to the intra prediction mode. Predict the current block using pixels.
  • the inter prediction unit 544 determines a motion vector of the current block and a reference picture referenced by the motion vector by using the syntax element for the inter prediction mode extracted from the entropy decoding unit 510, and divides the motion vector and the reference picture. is used to predict the current block.
  • the adder 550 reconstructs the current block by adding the residual block output from the inverse transform unit and the prediction block output from the inter prediction unit or the intra prediction unit. Pixels in the reconstructed current block are used as reference pixels when intra-predicting a block to be decoded later.
  • the loop filter unit 560 may include a deblocking filter 562 , an SAO filter 564 , and an ALF 566 as an in-loop filter.
  • the deblocking filter 562 deblocks and filters the boundary between the reconstructed blocks in order to remove a blocking artifact caused by block-by-block decoding.
  • the SAO filter 564 and the ALF 566 perform additional filtering on the reconstructed block after deblocking filtering to compensate for the difference between the reconstructed pixel and the original pixel caused by lossy coding.
  • the filter coefficients of the ALF are determined using information about the filter coefficients decoded from the non-stream.
  • the restored block filtered through the deblocking filter 562 , the SAO filter 564 , and the ALF 566 is stored in the memory 570 .
  • the reconstructed picture is used as a reference picture for inter prediction of blocks in a picture to be encoded later.
  • This embodiment relates to encoding and decoding of an image (video) as described above. More specifically, an in-loop filter that detects the reference region from the current frame and the reference frame using a deep learning-based detection model and then synthesizes the reference region detected in the current frame It provides an image encoding method and an image decoding method including additionally.
  • the video encoding apparatus and method are used in parallel with the encoding apparatus and method
  • the video decoding apparatus and method are used in parallel with the decoding apparatus and method.
  • FIG. 6 is a schematic block diagram of an image quality improving apparatus according to an embodiment of the present disclosure.
  • the image quality improving apparatus 600 detects a reference region from a current frame and a reference frame using a deep learning-based detection model, and then improves the image quality of the current frame by synthesizing the detection region with the current frame.
  • the image quality improving apparatus 600 has a function similar to that of the in-loop filters 180 and 560 .
  • the image quality improving apparatus 600 includes all or a part of an input unit 602 , a reference region detection unit 604 , and a reference region synthesis unit 606 .
  • the image quality improving apparatus 600 may be equally applied to an encoding apparatus and a decoding apparatus.
  • components included in the image quality improving apparatus 600 are not necessarily limited thereto.
  • the image quality improving apparatus 600 detects A training unit (not shown) for training the model may be additionally provided, or may be implemented in a form that interworks with an external training unit.
  • reference pictures may be encoded with different picture quality.
  • an I frame Intra frame
  • QP quantization parameter
  • PSNR Peak Signal to Noise Ratio
  • frames having a low temporal layer among frames for which inter prediction is performed may be key frames.
  • frame 3 may use frame 4 or frame 2 as a key frame.
  • the decoding apparatus may select a frame having the smallest quantization parameter within a group of pictures (GOP) or select a frame having a temporal hierarchy lower than that of the current frame while closest to the current frame.
  • the decoding apparatus may select one or more reference frames, and may select reference frames in both directions in addition to one direction.
  • the example of FIG. 7 describes the application to the RA structure, the method of selecting the reference frame as described above is also applicable to the low delay (LD) structure.
  • LD low delay
  • An embodiment according to the present disclosure improves the image quality of a current frame by using a high-quality reference frame used for inter prediction, including an I frame.
  • a high-quality reference frame used for inter prediction including an I frame.
  • mass of training data and consequently a large amount of model parameters are required. Nevertheless, it is not an easy task to remove the quantization noise having a uniform distribution probabilistically.
  • the decoding apparatus detects the reference region from the reference frame corresponding to the key frame.
  • a deep learning-based detection model used for detection of a reference region may be previously trained to detect a reference region from a current frame and a key frame.
  • the detected reference region may include the same region as the current frame and be coded using a low quantization parameter to have relatively small quantization noise.
  • the image quality improving apparatus 600 obtains a flag indicating whether or not the detection model is used (hereinafter, 'detection model use flag').
  • the encoding apparatus may obtain a preset detection model use flag and transmit it to the decoding apparatus. Accordingly, the decoding apparatus may decode the detection model use flag from the bitstream.
  • the image quality improving apparatus 600 performs the following image quality improvement functions.
  • the encoding apparatus or the decoding apparatus may use the existing in-loop filters 180 and 560 .
  • the input unit 602 acquires a current frame and a reference frame.
  • the input unit 602 may select a reference frame from among reference frame candidates included in the reference picture list according to the following condition.
  • the input unit 602 may select the I frame as the reference frame.
  • the input unit 602 may select, as a reference frame, a frame having the lowest temporal ID indicating a temporal hierarchy among reference frame candidates included in the reference picture list.
  • the input unit 602 may select, as a reference frame, a frame having a picture of count (POC) closest to the current frame, ie, closest in time, from among reference frame candidates included in the reference picture list.
  • POC picture of count
  • the input unit 602 may select, as a reference frame, a frame having the lowest temporal identifier indicating a temporal hierarchy and the closest POC from among reference frame candidates included in the reference picture list.
  • the input unit 602 may select a frame encoded with the lowest QP among reference frame candidates included in the reference picture list as the reference frame.
  • the input unit 602 may select a temporally preceding frame as the reference frame.
  • the input unit 602 may select them as a plurality of reference frames.
  • the reference region detection unit 604 detects the reference region on the reference frame from the reference frame and the current frame using a deep learning-based detection model, and a detection map (reference region detection map, hereinafter, 'detection map') for indicating the reference region. ) is created.
  • a detection map reference region detection map, hereinafter, 'detection map'
  • FIG. 8 is an exemplary diagram illustrating a reference region according to an embodiment of the present disclosure.
  • the reference frame includes a smooth background and a foreground where there is a complex texture and a lot of motion.
  • the background area and the foreground area may change from a dotted line boundary to a solid line boundary.
  • a region indicated as a 'reference region' in the reference region detection map is a region that can be used to improve the image quality of the current frame.
  • the reference region detection unit 604 may detect a reference region including one or more regions. In this case, the reference region detection unit 604 generates a binary map indicating the reference region as a detection map. In the binary map, the reference region is indicated by flag 1, and the remaining regions not included in the reference region (hereinafter, 'non-reference region') are indicated by flag 0. Subsequently, whether to use the pixel in the reference frame may be determined based on the binary map.
  • the reference region detection unit 604 probabilistically indicates the reference region and the non-reference region with a pixel value of '0 to 255 (2 8 -1)' instead of a binary map, in pixel units. can create a detection map of That is, the reference region detection unit 604 may generate a detection map in units of pixels indicating a region corresponding to the entire reference frame in such a way that one pixel displays one region.
  • the reference region detection unit 604 may generate a detection map in units of pixels indicating a region corresponding to the entire reference frame in such a way that one pixel displays one region.
  • pixels in bright regions pixels with a value close to 255
  • pixels in dark regions pixels with values close to 0
  • the pixel-by-pixel detection map may be used for weighted summing between the pixels of the current frame and the information of the reference frame.
  • the image quality improving apparatus 600 may use more information of the reference frame as it approaches the reference region, and may use more information on the current frame as it approaches the non-reference region.
  • the pixel value of the detection map in units of pixels is included in the range of '0 to 255', but the present invention is not limited thereto. That is, when the bit depth of the pixel is set to N (here, N is a natural number) bits, the pixel value of the detection map may have a range of '0 to 2 N -1'.
  • the reference area may be in block units instead of pixel units. That is, it may be the same size as the CTU or the same size as the CU or sub-CU.
  • the reference region is a set of blocks and may have the same size as a tile or a subpicture.
  • a block unit flag as a detection model use flag may be shared between the encoding apparatus and the decoding apparatus.
  • the detection map for the corresponding block may be generated as a binary map or a pixel-unit detection map by the detection model.
  • the block unit flag may also function as a binary map for a corresponding block. That is, when a corresponding block is detected as a reference region by the detection model, the encoding apparatus may replace the binary map by transmitting a flag in units of blocks. In this case, the decoding apparatus may decode the block-by-block flag and use it as a binary map for the corresponding block while omitting the step of using the detection model. That is, if the decoded block unit flag is 1, it indicates that the corresponding block is a reference area, and the flag indicating the binary map of the corresponding block is also 1.
  • the encoding apparatus may obtain a type of a preset detection map and transmit it to the decoding apparatus. Accordingly, the decoding apparatus may decode the type of the detection map from the bitstream.
  • the reference region detection unit 604 uses the detection model M times to , a reference region may be detected for each reference frame. That is, by inputting the current frame and one reference frame to the detection model, the reference region detection unit 604 may detect the reference region for each reference frame and generate corresponding M detection maps.
  • the M detection maps may be binary maps.
  • all of the M detection maps may be pixel-based detection maps.
  • FIG. 9 is an exemplary diagram illustrating a detection model according to an embodiment of the present disclosure.
  • a Convolutional Neural Network (CNN) model as illustrated in FIG. 9 may be used as the deep learning-based detection model.
  • the current frame and the reference frame may be concatenated and input to the detection model.
  • the detection model may have a structure in which n (n is a natural number) number of convolution layers are combined.
  • a detection model used for detecting the reference region may be configured very simply compared to a model for improving image quality or estimating motion.
  • the detection model may express various resolutions by using pooling and changes in kernel and stride sizes of the convolutional layer.
  • the detection model may generate a detection map in units of pixels as an output when the last layer is implemented as an activation function such as a sigmoid function. Or, for example, in the case of a detection map in units of pixels expressed by pixel values of '0 to 255', the range of '0 to 127' is assigned as flag 0, and the range of '128 to 255' is assigned as flag 1. can create binary maps.
  • the detection model may generate a detection map using a convolutional layer, but may also generate an attention map (see Non-Patent Document 2).
  • the detection model orders downsampling, upsampling, and softmax layers in a feature map generated by a convolutional layer. You can create an attention map by applying it as is.
  • the training unit may train the detection model in advance based on the training data and the corresponding label so that the detection model can detect the reference region.
  • the data for learning includes a current frame and a reference frame for learning
  • the label may be a binary map corresponding to the reference frame that has undergone the selection process as described above.
  • the reference region synthesizing unit 606 improves image quality by synthesizing the reference region with the current frame based on the detection map.
  • the reference region synthesizing unit 606 may generate an improved frame p im (i, j) as shown in Equation 1 by improving the image quality of the current frame.
  • map(i,j) is a detection map, indicating the binary flag of the reference region at the position (i,j). As shown in Equation 1, when the binary flag of the detection map is 1, the reference region synthesizing unit 606 replaces the pixel of the current frame with the pixel of the reference region, and when the binary flag is 0, the pixel of the current frame Keep pixel values.
  • the block unit flag when the reference region is a block unit and the detection map is a binary map, the block unit flag may replace the function of the binary map for the corresponding block.
  • the reference region combining unit 606 may use the block as a reference region when the block unit flag of the corresponding block is 1, and use the current block as it is when the block unit flag is 0.
  • the decoding apparatus may reduce the complexity of the decoding apparatus by synthesizing the current block using the reference region based on the block unit flag while omitting the step of using the detection model for generating the detection map.
  • the reference region combining unit 606 is configured to As shown in Equation 2, an enhancement frame p im (i, j) may be generated using the detection map map m (i, j) for each region (here, 1 ⁇ m ⁇ M).
  • the reference region combining unit 606 As shown in Equation (2), MM binary flags By weighting the pixel values of the reference region, the pixel of the current frame can be replaced.
  • the reference region combining unit 606 maintains the pixel value of the current frame.
  • map(i,j) is a pixel-unit detection map expressed by a pixel value of '0 to 255'
  • the reference region synthesizing unit 606 ranges from '0 to 127'. can be used as flag 0, and the range of '128 to 255' can be used as flag 1.
  • the reference region synthesizing unit 606 may generate an improved frame p im (i, j) by weight summing the pixel values of '0 to 255' on the detection map as it is. there is.
  • the reference region synthesizing unit 606 uses the detection map map m (i,j) for each reference region (here, 1 ⁇ m ⁇ M), As shown in 4, it is possible to generate an enhancement frame p im (i,j).
  • map m (i, j) is a pixel unit detection map expressed by pixel values of '0 to 255'.
  • the image quality improving apparatus 600 may be combined with an existing in-loop filter in the encoding apparatus or the decoding apparatus. For example, as shown in Equation 5, the image quality improving apparatus 600 applies separate functions f and g to p(i,j) and p ref (i,j), respectively, and then ' By weighted summing using pixel values from 0 to 255', an enhancement frame p im (i, j) can be generated.
  • the image quality improving apparatus 600 may simultaneously apply the functions f and g, or may apply either f or g. Also, f and g may be the same function.
  • the functions f and g may be a combination of at least one of the components of an existing in-loop filter.
  • the functions f and g may be, as illustrated in FIG. 10 , an in-loop filter based on a CNN model (see Non-Patent Document 1).
  • the image quality improving apparatus 600 may generate the enhancement frame p im (i, j) by using the binary flag on the detection map.
  • the image quality improving apparatus 600 may improve the image quality using the reference region, and if the binary flag is 0, the image quality may be improved by applying the function f to the pixel of the current frame.
  • the image quality improving apparatus 600 receives, as an input, a current frame and a reference frame to which separate functions f and g are applied, respectively, to detect a reference region, and , a detection map can be created.
  • the image quality improving apparatus 600 may generate an enhancement frame p im (i, j) as shown in Equation 5 or 6 according to the characteristics of the generated detection map.
  • the image quality improving apparatus 600 may be disposed at the rear end of the existing in-loop filter.
  • the enhancement frame generated by the image quality improvement apparatus 600 may be provided as an input to the existing in-loop filter. That is, the image quality improving apparatus 600 according to the present embodiment is similar to the function of the in-loop filter in terms of improving the image quality of the current frame. Accordingly, the image quality improving apparatus 600 is one component of the in-loop filter, and as illustrated in FIG. 12 , may be arranged together with the components of the existing in-loop filter. Among the arrays illustrated in FIG. 12 , an array having the best encoding efficiency may be finally selected.
  • the image quality improving apparatus 600 may have a fixed parameter. That is, the encoding apparatus and the decoding apparatus may use the same kernel, that is, the reference region detector 604 and the reference region synthesizer 606 having fixed parameters. Accordingly, after the encoding apparatus or an external training unit trains the deep learning-based detection model once, the parameters of the detection model may be shared between the encoding apparatus and the decoding apparatus.
  • the image quality improving apparatus 600 may have a variable parameter.
  • the encoding apparatus transmits, to the decoding apparatus, a kernel of a detection model having a part of all parameters as variable parameters, which is used to detect the reference region.
  • the decoding apparatus generates a detection map using the previously reconstructed reference frame and the detection model, and then improves the image quality of the current frame by using the detection map.
  • the encoding apparatus may transmit the parameter once for each GOP, but may transmit the parameter twice or more for each GOP according to a method of selecting a key frame.
  • a method of selecting a key frame For example, in the example of FIG. 7 , when frames 0 and 4 are used as key frames for frames of POC 1 to 3, and frames 4 and 8 are used as key frames for frames 5 to 7, the encoding device uses frames 1 to 3 A parameter applied to , and a parameter applied to frames 5 to 7 may be transmitted. Meanwhile, the training unit may generate a variable parameter by updating a part of all parameters of the detection model to fit the parameter transmission scenario.
  • the picture quality improving apparatus 600 may improve picture quality of a current frame using the flowchart of FIG. 13 .
  • the image quality improvement method may be equally performed by the decoding apparatus and the encoding apparatus.
  • the encoding apparatus may also train a detection model used for image quality improvement.
  • the encoding apparatus may obtain a type of a preset detection map and transmit it to the decoding apparatus. Accordingly, the decoding apparatus may decode the type of the detection map from the bitstream.
  • FIG. 13 is a flowchart of a method for improving image quality according to an embodiment of the present disclosure.
  • the image quality improving apparatus 600 acquires a current frame and a reference frame (S1300).
  • the image quality improving apparatus 600 may select at least one reference frame from among reference frame candidates included in the reference picture list according to the following condition.
  • the image quality improving apparatus 600 selects the I frame as the reference frame when the I frame is included in the reference picture list.
  • the image quality improving apparatus 600 selects, as a reference frame, a frame having the lowest temporal identifier indicating a temporal hierarchy from among reference frame candidates included in the reference picture list, or selects a frame having a POC closest to the current frame as a reference frame Alternatively, a frame having the lowest temporal identifier and the closest POC may be selected as the reference frame, or a frame encoded with the lowest quantization parameter may be selected as the reference frame.
  • the image quality improving apparatus 600 may select a temporally preceding frame as the reference frame.
  • the image quality improving apparatus 600 may select two or more reference frames that satisfy the above-described conditions as a plurality of reference frames.
  • the image quality improving apparatus 600 detects a reference region on the reference frame from the reference frame and the current frame using a deep learning-based detection model, and generates a detection map (S1302).
  • the image quality improving apparatus 600 may detect a reference region including one or more regions. In this case, the image quality improving apparatus 600 generates a binary map as a detection map. A binary map marks referenced regions with flag 1 and non-referenced regions with flag 0.
  • the image quality improving apparatus 600 may generate a pixel unit detection map probabilistically indicating a reference region and a non-reference region using pixel values within a preset range instead of a binary map. . That is, the reference region detection unit 604 may generate a detection map in units of pixels indicating a region corresponding to the entire reference frame in such a way that one pixel displays one region.
  • the reference area may be in block units instead of pixel units. That is, it may be the same size as the CTU or the same size as the CU or sub-CU.
  • the reference region is a set of blocks and may have the same size as a tile or a subpicture.
  • a CNN model may be used as a deep learning-based detection model.
  • the current frame and the reference frame may be combined and input to the detection model.
  • the detection model may have a structure in which n (n is a natural number) convolutional layers are combined.
  • the detection model may generate the binary map as described above or the detection map in units of pixels as an output.
  • the training unit may train the detection model in advance based on the training data and the corresponding label so that the detection model can detect the reference region.
  • the training data includes a current frame and a reference frame for learning
  • the label may be a binary map corresponding to the reference frame that has undergone the selection process as described above.
  • the image quality improving apparatus 600 uses the detection model M times to refer to each of the M reference frames. , and may generate corresponding M detection maps.
  • M detection maps may be binary maps.
  • all of the M detection maps may be pixel-based detection maps.
  • the image quality improving apparatus 600 generates an improved frame by synthesizing the reference region with the current frame based on the detection map (S1304).
  • the image enhancement apparatus 600 In generating the enhancement frame based on the binary map, when the binary flag of the detection map is 1, the image enhancement apparatus 600 replaces the pixel of the current frame with the pixel of the reference region, and when the binary flag is not 1, Keeps the pixel values of the current frame.
  • the image quality improving apparatus 600 in generating the enhancement frame based on the binary map, when the binary flag of the detection map is 1, the image quality improving apparatus 600 replaces the pixel of the current frame with the pixel of the reference area, , if the binary flag is not 1, a separate function is applied to the current frame to generate a pixel value.
  • the separate function may be a combination of at least one of the components of the in-loop filter or an in-loop filter based on a CNN model.
  • the image quality improving apparatus 600 may generate an improved frame by weight-suming the current frame and the reference frame in units of pixels using pixel values on the detection map.
  • the image quality improving apparatus 600 uses pixel values on the detection map to convert a current frame to which a separate function is applied and a reference frame, respectively, in units of pixels. By weighted summing, an enhancement frame can be created.
  • the image quality improving apparatus 600 when generating an enhancement frame when the M detection maps are binary maps, the image quality improving apparatus 600 weights and sums pixel values of reference regions having a corresponding binary flag of 1 to determine the value of the current frame. Replace the pixel and retain the pixel value of the current frame if all binary flags of the M detection maps are 0.
  • an image quality improving apparatus that detects a reference region from a current frame and a reference frame using a deep learning-based detection model, and then synthesizes the reference region detected in the current frame, There is an effect that it becomes possible to improve the picture quality of the frame and to improve the encoding efficiency.
  • each process is sequentially executed in each flowchart according to the present embodiment
  • the present invention is not limited thereto.
  • the flowchart since it may be applicable to change and execute the processes described in the flowchart or to execute one or more processes in parallel, the flowchart is not limited to a time-series order.
  • the non-transitory recording medium includes, for example, all kinds of recording devices in which data is stored in a form readable by a computer system.
  • the non-transitory recording medium includes a storage medium such as an erasable programmable read only memory (EPROM), a flash drive, an optical drive, a magnetic hard drive, and a solid state drive (SSD).
  • EPROM erasable programmable read only memory
  • SSD solid state drive
  • 602 input unit 604: reference region detection unit

Landscapes

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

Abstract

본 실시예는, 딥러닝 기반 검출 모델을 이용하여 현재 프레임과 참조 프레임으로부터 참조 영역을 검출한 후, 현재 프레임에 검출된 참조 영역을 합성하는 인루프 필터를 추가적으로 포함함으로써, 현재 프레임에 대한 개선된 화질을 생성하고 부호화 효율을 향상시키는 영상 부호화 방법 및 복호화 방법을 제공한다.

Description

딥러닝 기반 인루프 필터를 이용하는 영상 부호화 및 복호화
본 개시는 영상(비디오)의 부호화 및 복호화에 관한 것이다. 더욱 상세하게는, 딥러닝 기반 검출 모델을 이용하여 현재 프레임과 참조 프레임으로부터 참조 영역을 검출한 후, 현재 프레임에 검출된 참조 영역을 합성하는 인루프 필터를 추가적으로 포함하는 영상 부호화 방법 및 영상 복호화 방법에 대한 것이다.
이하에 기술되는 내용은 단순히 본 발명과 관련되는 배경 정보만을 제공할 뿐 종래기술을 구성하는 것이 아니다.
비디오 데이터는 음성 데이터나 정지 영상 데이터 등에 비하여 많은 데이터량을 가지기 때문에, 압축을 위한 처리 없이 그 자체를 저장하거나 전송하기 위해서는 메모리를 포함하여 많은 하드웨어 자원을 필요로 한다.
따라서, 통상적으로 비디오 데이터를 저장하거나 전송할 때에는 부호화기를 사용하여 비디오 데이터를 압축하여 저장하거나 전송하며, 복호화기에서는 압축된 비디오 데이터를 수신하여 압축을 해제하고 재생한다. 이러한 비디오 압축 기술로는 H.264/AVC, HEVC(High Efficiency Video Coding) 등을 비롯하여, HEVC에 비해 약 30% 이상의 부호화 효율을 향상시킨 VVC(Versatile Video Coding)가 존재한다.
그러나, 영상의 크기 및 해상도, 프레임률이 점차 증가하고 있고, 이에 따라 부호화해야 하는 데이터량도 증가하고 있으므로 기존의 압축 기술보다 더 부호화 효율이 좋고 화질 개선 효과도 높은 새로운 압축 기술이 요구된다.
최근, 딥러닝 기반 영상처리 기술이 기존의 부호화 요소 기술에 적용되고 있다. 기존 부호화 기술 중 인터 예측, 인트라 예측, 인루프 필터, 변환 등과 같은 압축 기술에 딥러닝 기반 영상처리 기술을 적용함으로써, 부호화 효율을 향상시킬 수 있다. 대표적인 응용 예로는, 딥러닝 모델 기반으로 생성된 가상 참조 프레임 기반 인터 예측, 영상복원 모델 기반의 인루프 필터(비특허문헌 1 참조) 등이 있다. 따라서, 영상 부호화/복호화에 있어서, 부호화 효율을 향상시키기 위해, 딥러닝 기반 영상처리 기술의 지속적인 적용이 고려될 필요가 있다.
(선행기술문헌)
(비특허문헌)
(비특허문헌 1) Ren Yang, Mai Xu, Zulin Wang and Tianyi Li, Multi-Frame Quality Enhancement for Compressed Video, Arxiv:1803.04680.
(비특허문헌 2) Jongchan Park, Sanghyun Woo, Joon-Young Lee, and In So Kweon, BAM: Bottleneck Attention Module, Arxiv:1807.06514.
본 개시는, 딥러닝 기반 검출 모델을 이용하여 현재 프레임과 참조 프레임으로부터 참조 영역을 검출한 후, 현재 프레임에 검출된 참조 영역을 합성하는 인루프 필터를 추가적으로 포함함으로써, 현재 프레임의 화질을 개선하고 부호화 효율을 향상시키는 영상 부호화 방법 및 영상 복호화 방법을 제공하는 데 목적이 있다.
본 개시의 실시예에 따르면, 현재 프레임의 화질을 개선하기 위해, 영상 복호화 장치가 수행하는 방법에 있어서, 상기 현재 프레임 및 적어도 하나의 참조 프레임을 획득하는 단계; 딥러닝(deep learning) 기반 검출 모델을 이용하여 상기 참조 프레임 및 상기 현재 프레임으로부터 상기 참조 프레임 상의 참조 영역을 검출하고, 검출 맵을 생성하는 단계; 및 상기 검출 맵을 기반으로 상기 참조 영역을 상기 현재 프레임에 합성하여 개선 프레임을 생성하는 단계를 포함하는 것을 특징으로 하는 방법을 제공한다.
본 개시의 다른 실시예에 따르면, 현재 프레임 및 적어도 하나의 참조 프레임을 획득하는 입력부; 딥러닝(deep learning) 기반 검출 모델을 이용하여 상기 참조 프레임 및 상기 현재 프레임으로부터 상기 참조 프레임 상의 참조 영역을 검출하고, 검출 맵을 생성하는 참조영역 검출부; 및 상기 검출 맵을 기반으로 상기 참조 영역을 상기 현재 프레임에 합성하여 상기 현재 프레임의 화질을 개선하는 참조영역 합성부를 포함하는 것을 특징으로 하는, 화질 개선장치를 제공한다.
이상에서 설명한 바와 같이 본 실시예에 따르면, 딥러닝 기반 검출 모델을 이용하여 현재 프레임과 참조 프레임으로부터 참조 영역을 검출한 후, 현재 프레임에 검출된 참조 영역을 합성하는 인루프 필터를 추가적으로 포함하는 영상 부호화 방법 및 영상 복호화 방법을 제공함으로써, 현재 프레임의 화질을 개선하고 부호화 효율을 향상시키는 것이 가능해지는 효과가 있다.
도 1은 본 개시의 기술들을 구현할 수 있는 영상 부호화 장치에 대한 예시적인 블록도이다.
도 2는 QTBTTT 구조를 이용하여 블록을 분할하는 방법을 설명하기 위한 도면이다.
도 3a 및 도 3b는 광각 인트라 예측모드들을 포함한 복수의 인트라 예측모드들을 나타낸 도면이다.
도 4는 현재블록의 주변블록에 대한 예시도이다.
도 5는 본 개시의 기술들을 구현할 수 있는 영상 복호화 장치의 예시적인 블록도이다.
도 6은 본 개시의 일 실시예에 따른, 화질 개선장치의 개략적인 블록도이다.
도 7은 본 개시의 일 실시예에 따른 임의 접근 구조를 나타내는 예시도이다.
도 8은 본 개시의 일 실시예에 따른 참조 영역을 나타내는 예시도이다.
도 9는 본 개시의 일 실시예에 따른 검출 모델을 나타내는 예시도이다.
도 10은 본 개시의 일 실시예에 따른, CNN 모델 기반의 인루프 필터를 이용하는 화질 개선장치의 개략적인 블록도이다.
도 11은 본 개시의 다른 실시예에 따른, CNN 모델 기반의 인루프 필터를 이용하는 화질 개선장치의 개략적인 블록도이다.
도 12는 본 개시의 일 실시예에 따른, 화질 개선장치와 기존의 인루프 필터의 구성요소들 간의 배열을 나타내는 예시도이다.
도 13은 본 개시의 일 실시예에 따른 화질 개선방법의 순서도이다.
이하, 본 발명의 실시예들을 예시적인 도면을 참조하여 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 실시예들을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 실시예들의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
도 1은 본 개시의 기술들을 구현할 수 있는 영상 부호화 장치에 대한 예시적인 블록도이다. 이하에서는 도 1의 도시를 참조하여 영상 부호화 장치와 이 장치의 하위 구성들에 대하여 설명하도록 한다.
영상 부호화 장치는 픽처 분할부(110), 예측부(120), 감산기(130), 변환부(140), 양자화부(145), 재정렬부(150), 엔트로피 부호화부(155), 역양자화부(160), 역변환부(165), 가산기(170), 루프 필터부(180) 및 메모리(190)를 포함하여 구성될 수 있다.
영상 부호화 장치의 각 구성요소는 하드웨어 또는 소프트웨어로 구현되거나, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 각 구성요소의 기능이 소프트웨어로 구현되고 마이크로프로세서가 각 구성요소에 대응하는 소프트웨어의 기능을 실행하도록 구현될 수도 있다.
하나의 영상(비디오)은 복수의 픽처들을 포함하는 하나 이상의 시퀀스로 구성된다. 각 픽처들은 복수의 영역으로 분할되고 각 영역마다 부호화가 수행된다. 예를 들어, 하나의 픽처는 하나 이상의 타일(Tile) 또는/및 슬라이스(Slice)로 분할된다. 여기서, 하나 이상의 타일을 타일 그룹(Tile Group)으로 정의할 수 있다. 각 타일 또는/슬라이스는 하나 이상의 CTU(Coding Tree Unit)로 분할된다. 그리고 각 CTU는 트리 구조에 의해 하나 이상의 CU(Coding Unit)들로 분할된다. 각 CU에 적용되는 정보들은 CU의 신택스로서 부호화되고, 하나의 CTU에 포함된 CU들에 공통적으로 적용되는 정보는 CTU의 신택스로서 부호화된다. 또한, 하나의 슬라이스 내의 모든 블록들에 공통적으로 적용되는 정보는 슬라이스 헤더의 신택스로서 부호화되며, 하나 이상의 픽처들을 구성하는 모든 블록들에 적용되는 정보는 픽처 파라미터 셋(PPS, Picture Parameter Set) 혹은 픽처 헤더에 부호화된다. 나아가, 복수의 픽처가 공통으로 참조하는 정보들은 시퀀스 파라미터 셋(SPS, Sequence Parameter Set)에 부호화된다. 그리고, 하나 이상의 SPS가 공통으로 참조하는 정보들은 비디오 파라미터 셋(VPS, Video Parameter Set)에 부호화된다. 또한, 하나의 타일 또는 타일 그룹에 공통으로 적용되는 정보는 타일 또는 타일 그룹 헤더의 신택스로서 부호화될 수도 있다. SPS, PPS, 슬라이스 헤더, 타일 또는 타일 그룹 헤더에 포함되는 신택스들은 상위수준(high level) 신택스로 칭할 수 있다.
픽처 분할부(110)는 CTU(Coding Tree Unit)의 크기를 결정한다. CTU의 크기에 대한 정보(CTU size)는 SPS 또는 PPS의 신택스로서 부호화되어 영상 복호화 장치로 전달된다.
픽처 분할부(110)는 영상을 구성하는 각 픽처(picture)를 미리 결정된 크기를 가지는 복수의 CTU(Coding Tree Unit)들로 분할한 이후에, 트리 구조(tree structure)를 이용하여 CTU를 반복적으로(recursively) 분할한다. 트리 구조에서의 리프 노드(leaf node)가 부호화의 기본 단위인 CU(coding unit)가 된다.
트리 구조로는 상위 노드(혹은 부모 노드)가 동일한 크기의 네 개의 하위 노드(혹은 자식 노드)로 분할되는 쿼드트리(QuadTree, QT), 또는 상위 노드가 두 개의 하위 노드로 분할되는 바이너리트리(BinaryTree, BT), 또는 상위 노드가 1:2:1 비율로 세 개의 하위 노드로 분할되는 터너리트리(TernaryTree, TT), 또는 이러한 QT 구조, BT 구조 및 TT 구조 중 둘 이상을 혼용한 구조일 수 있다. 예컨대, QTBT(QuadTree plus BinaryTree) 구조가 사용될 수 있고, 또는 QTBTTT(QuadTree plus BinaryTree TernaryTree) 구조가 사용될 수 있다. 여기서, BTTT를 합쳐서 MTT(Multiple-Type Tree)라 지칭될 수 있다.
도 2는 QTBTTT 구조를 이용하여 블록을 분할하는 방법을 설명하기 위한 도면이다.
도 2에 도시된 바와 같이, CTU는 먼저 QT 구조로 분할될 수 있다. 쿼드트리 분할은 분할 블록(splitting block)의 크기가 QT에서 허용되는 리프 노드의 최소 블록 크기(MinQTSize)에 도달할 때까지 반복될 수 있다. QT 구조의 각 노드가 하위 레이어의 4개의 노드들로 분할되는지 여부를 지시하는 제1 플래그(QT_split_flag)는 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 시그널링된다. QT의 리프 노드가 BT에서 허용되는 루트 노드의 최대 블록 크기(MaxBTSize)보다 크지 않은 경우, BT 구조 또는 TT 구조 중 어느 하나 이상으로 더 분할될 수 있다. BT 구조 및/또는 TT 구조에서는 복수의 분할 방향이 존재할 수 있다. 예컨대, 해당 노드의 블록이 가로로 분할되는 방향과 세로로 분할되는 방향 두 가지가 존재할 수 있다. 도 2의 도시와 같이, MTT 분할이 시작되면, 노드들이 분할되었는지 여부를 지시하는 제2 플래그(mtt_split_flag)와, 분할이 되었다면 추가적으로 분할 방향(vertical 혹은 horizontal)을 나타내는 플래그 및/또는 분할 타입(Binary 혹은 Ternary)을 나타내는 플래그가 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 시그널링된다.
대안적으로, 각 노드가 하위 레이어의 4개의 노드들로 분할되는지 여부를 지시하는 제1 플래그(QT_split_flag)를 부호화하기에 앞서, 그 노드가 분할되는지 여부를 지시하는 CU 분할 플래그(split_cu_flag)가 부호화될 수도 있다. CU 분할 플래그(split_cu_flag) 값이 분할되지 않았음을 지시하는 경우, 해당 노드의 블록이 분할 트리 구조에서의 리프 노드(leaf node)가 되어 부호화의 기본 단위인 CU(coding unit)가 된다. CU 분할 플래그(split_cu_flag) 값이 분할됨을 지시하는 경우, 영상 부호화 장치는 전술한 방식으로 제1 플래그부터 부호화를 시작한다.
트리 구조의 다른 예시로서 QTBT가 사용되는 경우, 해당 노드의 블록을 동일 크기의 두 개 블록으로 가로로 분할하는 타입(즉, symmetric horizontal splitting)과 세로로 분할하는 타입(즉, symmetric vertical splitting) 두 가지가 존재할 수 있다. BT 구조의 각 노드가 하위 레이어의 블록으로 분할되는지 여부를 지시하는 분할 플래그(split_flag) 및 분할되는 타입을 지시하는 분할 타입 정보가 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 전달된다. 한편, 해당 노드의 블록을 서로 비대칭 형태의 두 개의 블록으로 분할하는 타입이 추가로 더 존재할 수도 있다. 비대칭 형태에는 해당 노드의 블록을 1:3의 크기 비율을 가지는 두 개의 직사각형 블록으로 분할하는 형태가 포함될 수 있고, 혹은 해당 노드의 블록을 대각선 방향으로 분할하는 형태가 포함될 수도 있다.
CU는 CTU로부터의 QTBT 또는 QTBTTT 분할에 따라 다양한 크기를 가질 수 있다. 이하에서는, 부호화 또는 복호화하고자 하는 CU(즉, QTBTTT의 리프 노드)에 해당하는 블록을 '현재블록'이라 칭한다. QTBTTT 분할의 채용에 따라, 현재블록의 모양은 정사각형뿐만 아니라 직사각형일 수도 있다.
예측부(120)는 현재블록을 예측하여 예측블록을 생성한다. 예측부(120)는 인트라 예측부(122)와 인터 예측부(124)를 포함한다.
일반적으로, 픽처 내 현재블록들은 각각 예측적으로 코딩될 수 있다. 일반적으로 현재블록의 예측은 (현재블록을 포함하는 픽처로부터의 데이터를 사용하는) 인트라 예측 기술 또는 (현재블록을 포함하는 픽처 이전에 코딩된 픽처로부터의 데이터를 사용하는) 인터 예측 기술을 사용하여 수행될 수 있다. 인터 예측은 단방향 예측과 양방향 예측 모두를 포함한다.
인트라 예측부(122)는 현재블록이 포함된 현재 픽처 내에서 현재블록의 주변에 위치한 픽셀(참조 픽셀)들을 이용하여 현재블록 내의 픽셀들을 예측한다. 예측 방향에 따라 복수의 인트라 예측모드가 존재한다. 예컨대, 도 3a에서 보는 바와 같이, 복수의 인트라 예측모드는 planar 모드와 DC 모드를 포함하는 2개의 비방향성 모드와 65개의 방향성 모드를 포함할 수 있다. 각 예측모드에 따라 사용할 주변 픽셀과 연산식이 다르게 정의된다.
직사각형 모양의 현재블록에 대한 효율적인 방향성 예측을 위해, 도 3b에 점선 화살표로 도시된 방향성 모드들(67 ~ 80번, -1 ~ -14 번 인트라 예측모드들)이 추가로 사용될 수 있다. 이들은 "광각 인트라 예측모드들(wide angle intra-prediction modes)"로 지칭될 수 있다. 도 3b에서 화살표들은 예측에 사용되는 대응하는 참조샘플들을 가리키는 것이며, 예측 방향을 나타내는 것이 아니다. 예측 방향은 화살표가 가리키는 방향과 반대이다. 광각 인트라 예측모드들은 현재블록이 직사각형일 때 추가적인 비트 전송 없이 특정 방향성 모드를 반대방향으로 예측을 수행하는 모드이다. 이때 광각 인트라 예측모드들 중에서, 직사각형의 현재블록의 너비와 높이의 비율에 의해, 현재블록에 이용 가능한 일부 광각 인트라 예측모드들이 결정될 수 있다. 예컨대, 45도보다 작은 각도를 갖는 광각 인트라 예측모드들(67 ~ 80번 인트라 예측모드들)은 현재블록이 높이가 너비보다 작은 직사각형 형태일 때 이용 가능하고, -135도보다 큰 각도를 갖는 광각 인트라 예측모드들(-1 ~ -14 번 인트라 예측모드들)은 현재블록이 너비가 높이보다 큰 직사각형 형태일 때 이용 가능하다.
인트라 예측부(122)는 현재블록을 부호화하는데 사용할 인트라 예측모드를 결정할 수 있다. 일부 예들에서, 인트라 예측부(122)는 여러 인트라 예측모드들을 사용하여 현재블록을 인코딩하고, 테스트된 모드들로부터 사용할 적절한 인트라 예측모드를 선택할 수도 있다. 예를 들어, 인트라 예측부(122)는 여러 테스트된 인트라 예측모드들에 대한 비트율 왜곡(rate-distortion) 분석을 사용하여 비트율 왜곡 값들을 계산하고, 테스트된 모드들 중 최선의 비트율 왜곡 특징들을 갖는 인트라 예측모드를 선택할 수도 있다.
인트라 예측부(122)는 복수의 인트라 예측모드 중에서 하나의 인트라 예측모드를 선택하고, 선택된 인트라 예측모드에 따라 결정되는 주변 픽셀(참조 픽셀)과 연산식을 사용하여 현재블록을 예측한다. 선택된 인트라 예측모드에 대한 정보는 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 전달된다.
인터 예측부(124)는 움직임 보상 과정을 이용하여 현재블록에 대한 예측블록을 생성한다. 인터 예측부(124)는 현재 픽처보다 먼저 부호화 및 복호화된 참조픽처 내에서 현재블록과 가장 유사한 블록을 탐색하고, 그 탐색된 블록을 이용하여 현재블록에 대한 예측블록을 생성한다. 그리고, 현재 픽처 내의 현재블록과 참조픽처 내의 예측블록 간의 변위(displacement)에 해당하는 움직임벡터(Motion Vector: MV)를 생성한다. 일반적으로, 움직임 추정은 루마(luma) 성분에 대해 수행되고, 루마 성분에 기초하여 계산된 움직임벡터는 루마 성분 및 크로마 성분 모두에 대해 사용된다. 현재블록을 예측하기 위해 사용된 참조픽처에 대한 정보 및 움직임벡터에 대한 정보를 포함하는 움직임 정보는 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 전달된다.
인터 예측부(124)는, 예측의 정확성을 높이기 위해, 참조 픽처 또는 참조 블록에 대한 보간을 수행할 수도 있다. 즉, 연속한 두 정수 샘플 사이의 서브 샘플들은 그 두 정수 샘플을 포함한 연속된 복수의 정수 샘플들에 필터 계수들을 적용하여 보간된다. 보간된 참조 픽처에 대해서 현재블록과 가장 유사한 블록을 탐색하는 과정을 수행하면, 움직임벡터는 정수 샘플 단위의 정밀도(precision)가 아닌 소수 단위의 정밀도까지 표현될 수 있다. 움직임벡터의 정밀도 또는 해상도(resolution)는 부호화하고자 하는 대상 영역, 예컨대, 슬라이스, 타일, CTU, CU 등의 단위마다 다르게 설정될 수 있다. 이와 같은 적응적 움직임벡터 해상도(Adaptive Motion Vector Resolution: AMVR)가 적용되는 경우 각 대상 영역에 적용할 움직임벡터 해상도에 대한 정보는 대상 영역마다 시그널링되어야 한다. 예컨대, 대상 영역이 CU인 경우, 각 CU마다 적용된 움직임벡터 해상도에 대한 정보가 시그널링된다. 움직임벡터 해상도에 대한 정보는 후술할 차분 움직임벡터의 정밀도를 나타내는 정보일 수 있다.
한편, 인터 예측부(124)는 양방향 예측(bi-prediction)을 이용하여 인터 예측을 수행할 수 있다. 양방향 예측의 경우, 두 개의 참조 픽처와 각 참조 픽처 내에서 현재블록과 가장 유사한 블록 위치를 나타내는 두 개의 움직임벡터가 이용된다. 인터 예측부(124)는 참조픽처 리스트 0(RefPicList0) 및 참조픽처 리스트 1(RefPicList1)로부터 각각 제1 참조픽처 및 제2 참조픽처를 선택하고, 각 참조픽처 내에서 현재블록과 유사한 블록을 탐색하여 제1 참조블록과 제2 참조블록을 생성한다. 그리고, 제1 참조블록과 제2 참조블록을 평균 또는 가중 평균하여 현재블록에 대한 예측블록을 생성한다. 그리고 현재블록을 예측하기 위해 사용한 두 개의 참조픽처에 대한 정보 및 두 개의 움직임벡터에 대한 정보를 포함하는 움직임 정보를 부호화부(150)로 전달한다. 여기서, 참조픽처 리스트 0은 기복원된 픽처들 중 디스플레이 순서에서 현재 픽처 이전의 픽처들로 구성되고, 참조픽처 리스트 1은 기복원된 픽처들 중 디스플레이 순서에서 현재 픽처 이후의 픽처들로 구성될 수 있다. 그러나 반드시 이에 한정되는 것은 아니며, 디스플레이 순서 상으로 현재 픽처 이후의 기복원 픽처들이 참조픽처 리스트 0에 추가로 더 포함될 수 있고, 역으로 현재 픽처 이전의 기복원 픽처들이 참조픽처 리스트 1에 추가로 더 포함될 수도 있다.
움직임 정보를 부호화하는 데에 소요되는 비트량을 최소화하기 위해 다양한 방법이 사용될 수 있다.
예컨대, 현재블록의 참조픽처와 움직임벡터가 주변블록의 참조픽처 및 움직임벡터와 동일한 경우에는 그 주변블록을 식별할 수 있는 정보를 부호화함으로써, 현재블록의 움직임 정보를 영상 복호화 장치로 전달할 수 있다. 이러한 방법을 '머지 모드(merge mode)'라 한다.
머지 모드에서, 인터 예측부(124)는 현재블록의 주변블록들로부터 기 결정된 개수의 머지 후보블록(이하, '머지 후보'라 함)들을 선택한다.
머지 후보를 유도하기 위한 주변블록으로는, 도 4에 도시된 바와 같이, 현재 픽처 내에서 현재블록에 인접한 좌측블록(L), 상단블록(A), 우상단블록(AR), 좌하단블록(BL), 좌상단블록(AL) 중에서 전부 또는 일부가 사용될 수 있다. 또한, 현재블록이 위치한 현재 픽처가 아닌 참조픽처(현재블록을 예측하기 위해 사용된 참조픽처와 동일할 수도 있고 다를 수도 있음) 내에 위치한 블록이 머지 후보로서 사용될 수도 있다. 예컨대, 참조픽처 내에서 현재블록과 동일 위치에 있는 블록(co-located block) 또는 그 동일 위치의 블록에 인접한 블록들이 머지 후보로서 추가로 더 사용될 수 있다. 이상에서 기술된 방법에 의해 선정된 머지 후보의 개수가 기설정된 개수보다 작으면, 0 벡터를 머지 후보에 추가한다.
인터 예측부(124)는 이러한 주변블록들을 이용하여 기 결정된 개수의 머지 후보를 포함하는 머지 리스트를 구성한다. 머지 리스트에 포함된 머지 후보들 중에서 현재블록의 움직임정보로서 사용할 머지 후보를 선택하고 선택된 후보를 식별하기 위한 머지 인덱스 정보를 생성한다. 생성된 머지 인덱스 정보는 부호화부(150)에 의해 부호화되어 영상 복호화 장치로 전달된다.
머지 스킵(merge skip) 모드는 머지 모드의 특별한 경우로서, 양자화를 수행한 후, 엔트로피 부호화를 위한 변환 계수가 모두 영(zero)에 가까울 때, 잔차신호의 전송 없이 주변블록 선택 정보만을 전송한다. 머지 스킵 모드를 이용함으로써, 움직임이 적은 영상, 정지 영상, 스크린 콘텐츠 영상 등에서 상대적으로 높은 부호화 효율을 달성할 수 있다.
이하, 머지 모드와 머지 스킵 모드를 통칭하여, 머지/스킵 모드로 나타낸다.
움직임 정보를 부호화하기 위한 또 다른 방법은 AMVP(Advanced Motion Vector Prediction) 모드이다.
AMVP 모드에서, 인터 예측부(124)는 현재블록의 주변블록들을 이용하여 현재블록의 움직임벡터에 대한 예측 움직임벡터 후보들을 유도한다. 예측 움직임벡터 후보들을 유도하기 위해 사용되는 주변블록으로는, 도 4에 도시된 현재 픽처 내에서 현재블록에 인접한 좌측블록(L), 상단블록(A), 우상단블록(AR), 좌하단블록(BL), 좌상단블록(AL) 중에서 전부 또는 일부가 사용될 수 있다. 또한, 현재블록이 위치한 현재 픽처가 아닌 참조픽처(현재블록을 예측하기 위해 사용된 참조픽처와 동일할 수도 있고 다를 수도 있음) 내에 위치한 블록이 예측 움직임벡터 후보들을 유도하기 위해 사용되는 주변블록으로서 사용될 수도 있다. 예컨대, 참조픽처 내에서 현재블록과 동일 위치에 있는 블록(collocated block) 또는 그 동일 위치의 블록에 인접한 블록들이 사용될 수 있다. 이상에서 기술된 방법에 의해 움직임벡터 후보의 개수가 기설정된 개수보다 작으면, 0 벡터를 움직임벡터 후보에 추가한다.
인터 예측부(124)는 이 주변블록들의 움직임벡터를 이용하여 예측 움직임벡터 후보들을 유도하고, 예측 움직임벡터 후보들을 이용하여 현재블록의 움직임벡터에 대한 예측 움직임벡터를 결정한다. 그리고, 현재블록의 움직임벡터로부터 예측 움직임벡터를 감산하여 차분 움직임벡터를 산출한다.
예측 움직임벡터는 예측 움직임벡터 후보들에 기 정의된 함수(예컨대, 중앙값, 평균값 연산 등)를 적용하여 구할 수 있다. 이 경우, 영상 복호화 장치도 기 정의된 함수를 알고 있다. 또한, 예측 움직임벡터 후보를 유도하기 위해 사용하는 주변블록은 이미 부호화 및 복호화가 완료된 블록이므로 영상 복호화 장치도 그 주변블록의 움직임벡터도 이미 알고 있다. 그러므로 영상 부호화 장치는 예측 움직임벡터 후보를 식별하기 위한 정보를 부호화할 필요가 없다. 따라서, 이 경우에는 차분 움직임벡터에 대한 정보와 현재블록을 예측하기 위해 사용한 참조픽처에 대한 정보가 부호화된다.
한편, 예측 움직임벡터는 예측 움직임벡터 후보들 중 어느 하나를 선택하는 방식으로 결정될 수도 있다. 이 경우에는 차분 움직임벡터에 대한 정보 및 현재블록을 예측하기 위해 사용한 참조픽처에 대한 정보와 함께, 선택된 예측 움직임벡터 후보를 식별하기 위한 정보가 추가로 부호화된다.
감산기(130)는 현재블록으로부터 인트라 예측부(122) 또는 인터 예측부(124)에 의해 생성된 예측블록을 감산하여 잔차블록을 생성한다.
변환부(140)는 공간 영역의 픽셀 값들을 가지는 잔차블록 내의 잔차신호를 주파수 도메인의 변환 계수로 변환한다. 변환부(140)는 잔차블록의 전체 크기를 변환 단위로 사용하여 잔차블록 내의 잔차신호들을 변환할 수 있으며, 또는 잔차블록을 복수 개의 서브블록으로 분할하고 그 서브블록을 변환 단위로 사용하여 변환을 할 수도 있다. 또는, 변환 영역 및 비변환 영역인 두 개의 서브블록으로 구분하여, 변환 영역 서브블록만 변환 단위로 사용하여 잔차신호들을 변환할 수 있다. 여기서, 변환 영역 서브블록은 가로축 (혹은 세로축) 기준 1:1의 크기 비율을 가지는 두 개의 직사각형 블록 중 하나일 수 있다. 이런 경우, 서브블록 만을 변환하였음을 지시하는 플래그(cu_sbt_flag), 방향성(vertical/horizontal) 정보(cu_sbt_horizontal_flag) 및/또는 위치 정보(cu_sbt_pos_flag)가 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 시그널링된다. 또한, 변환 영역 서브블록의 크기는 가로축 (혹은 세로축) 기준 1:3의 크기 비율을 가질 수 있으며, 이런 경우 해당 분할을 구분하는 플래그(cu_sbt_quad_flag)가 추가적으로 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 시그널링된다.
한편, 변환부(140)는 잔차블록에 대해 가로 방향과 세로 방향으로 개별적으로 변환을 수행할 수 있다. 변환을 위해, 다양한 타입의 변환 함수 또는 변환 행렬이 사용될 수 있다. 예컨대, 가로 방향 변환과 세로 방향 변환을 위한 변환 함수의 쌍을 MTS(Multiple Transform Set)로 정의할 수 있다. 변환부(140)는 MTS 중 변환 효율이 가장 좋은 하나의 변환 함수 쌍을 선택하고 가로 및 세로 방향으로 각각 잔차블록을 변환할 수 있다. MTS 중에서 선택된 변환 함수 쌍에 대한 정보(mts_idx)는 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 시그널링된다.
양자화부(145)는 변환부(140)로부터 출력되는 변환 계수들을 양자화 파라미터를 이용하여 양자화하고, 양자화된 변환 계수들을 엔트로피 부호화부(155)로 출력한다. 양자화부(145)는, 어떤 블록 혹은 프레임에 대해, 변환 없이, 관련된 잔차 블록을 곧바로 양자화할 수도 있다. 양자화부(145)는 변환블록 내의 변환 계수들의 위치에 따라 서로 다른 양자화 계수(스케일링 값)을 적용할 수도 있다. 2차원으로 배열된 양자화된 변환 계수들에 적용되는 양자화 행렬은 부호화되어 영상 복호화 장치로 시그널링될 수 있다.
재정렬부(150)는 양자화된 잔차값에 대해 계수값의 재정렬을 수행할 수 있다.
재정렬부(150)는 계수 스캐닝(coefficient scanning)을 이용하여 2차원의 계수 어레이를 1차원의 계수 시퀀스로 변경할 수 있다. 예를 들어, 재정렬부(150)에서는 지그-재그 스캔(zig-zag scan) 또는 대각선 스캔(diagonal scan)을 이용하여 DC 계수부터 고주파수 영역의 계수까지 스캔하여 1차원의 계수 시퀀스를 출력할 수 있다. 변환 단위의 크기 및 인트라 예측모드에 따라 지그-재그 스캔 대신 2차원의 계수 어레이를 열 방향으로 스캔하는 수직 스캔, 2차원의 블록 형태 계수를 행 방향으로 스캔하는 수평 스캔이 사용될 수도 있다. 즉, 변환 단위의 크기 및 인트라 예측모드에 따라 지그-재그 스캔, 대각선 스캔, 수직 방향 스캔 및 수평 방향 스캔 중에서 사용될 스캔 방법이 결정될 수도 있다.
엔트로피 부호화부(155)는, CABAC(Context-based Adaptive Binary Arithmetic Code), 지수 골롬(Exponential Golomb) 등의 다양한 부호화 방식을 사용하여, 재정렬부(150)로부터 출력된 1차원의 양자화된 변환 계수들의 시퀀스를 부호화함으로써 비트스트림을 생성한다.
또한, 엔트로피 부호화부(155)는 블록 분할과 관련된 CTU size, CU 분할 플래그, QT 분할 플래그, MTT 분할 타입, MTT 분할 방향 등의 정보를 부호화하여, 영상 복호화 장치가 영상 부호화 장치와 동일하게 블록을 분할할 수 있도록 한다. 또한, 엔트로피 부호화부(155)는 현재블록이 인트라 예측에 의해 부호화되었는지 아니면 인터 예측에 의해 부호화되었는지 여부를 지시하는 예측 타입에 대한 정보를 부호화하고, 예측 타입에 따라 인트라 예측정보(즉, 인트라 예측모드에 대한 정보) 또는 인터 예측정보(머지 모드의 경우 머지 인덱스, AMVP 모드의 경우 참조픽처 인덱스 및 차분 움직임벡터에 대한 정보)를 부호화한다. 또한, 엔트로피 부호화부(155)는 양자화와 관련된 정보, 즉, 양자화 파라미터에 대한 정보 및 양자화 행렬에 대한 정보를 부호화한다.
역양자화부(160)는 양자화부(145)로부터 출력되는 양자화된 변환 계수들을 역양자화하여 변환 계수들을 생성한다. 역변환부(165)는 역양자화부(160)로부터 출력되는 변환 계수들을 주파수 도메인으로부터 공간 도메인으로 변환하여 잔차블록을 복원한다.
가산부(170)는 복원된 잔차블록과 예측부(120)에 의해 생성된 예측블록을 가산하여 현재블록을 복원한다. 복원된 현재블록 내의 픽셀들은 다음 순서의 블록을 인트라 예측할 때 참조 픽셀로서 사용된다.
루프(loop) 필터부(180)는 블록 기반의 예측 및 변환/양자화로 인해 발생하는 블록킹 아티팩트(blocking artifacts), 링잉 아티팩트(ringing artifacts), 블러링 아티팩트(blurring artifacts) 등을 줄이기 위해 복원된 픽셀들에 대한 필터링을 수행한다. 필터부(180)는 인루프(in-loop) 필터로서 디블록킹 필터(182), SAO(Sample Adaptive Offset) 필터(184) 및 ALF(Adaptive Loop Filter, 186)의 전부 또는 일부를 포함할 수 있다.
디블록킹 필터(182)는 블록 단위의 부호화/복호화로 인해 발생하는 블록킹 현상(blocking artifact)을 제거하기 위해 복원된 블록 간의 경계를 필터링하고, SAO 필터(184) 및 alf(186)는 디블록킹 필터링된 영상에 대해 추가적인 필터링을 수행한다. SAO 필터(184) 및 alf(186)는 손실 부호화(lossy coding)로 인해 발생하는 복원된 픽셀과 원본 픽셀 간의 차이를 보상하기 위해 사용되는 필터이다. SAO 필터(184)는 CTU 단위로 오프셋을 적용함으로써 주관적 화질뿐만 아니라 부호화 효율도 향상시킨다. 이에 비하여 ALF(186)는 블록 단위의 필터링을 수행하는데, 해당 블록의 에지 및 변화량의 정도를 구분하여 상이한 필터를 적용하여 왜곡을 보상한다. ALF에 사용될 필터 계수들에 대한 정보는 부호화되어 영상 복호화 장치로 시그널링될 수 있다.
디블록킹 필터(182), SAO 필터(184) 및 ALF(186)를 통해 필터링된 복원블록은 메모리(190)에 저장된다. 한 픽처 내의 모든 블록들이 복원되면, 복원된 픽처는 이후에 부호화하고자 하는 픽처 내의 블록을 인터 예측하기 위한 참조 픽처로 사용될 수 있다.
도 5는 본 개시의 기술들을 구현할 수 있는 영상 복호화 장치의 예시적인 기능 블록도이다. 이하에서는 도 5를 참조하여 영상 복호화 장치와 이 장치의 하위 구성들에 대하여 설명하도록 한다.
영상 복호화 장치는 엔트로피 복호화부(510), 재정렬부(515), 역양자화부(520), 역변환부(530), 예측부(540), 가산기(550), 루프 필터부(560) 및 메모리(570)를 포함하여 구성될 수 있다.
도 1의 영상 부호화 장치와 마찬가지로, 영상 복호화 장치의 각 구성요소는 하드웨어 또는 소프트웨어로 구현되거나, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 각 구성요소의 기능이 소프트웨어로 구현되고 마이크로프로세서가 각 구성요소에 대응하는 소프트웨어의 기능을 실행하도록 구현될 수도 있다.
엔트로피 복호화부(510)는 영상 부호화 장치에 의해 생성된 비트스트림을 복호화하여 블록 분할과 관련된 정보를 추출함으로써 복호화하고자 하는 현재블록을 결정하고, 현재블록을 복원하기 위해 필요한 예측정보와 잔차신호에 대한 정보 등을 추출한다.
엔트로피 복호화부(510)는 SPS(Sequence Parameter Set) 또는 PPS(Picture Parameter Set)로부터 CTU size에 대한 정보를 추출하여 CTU의 크기를 결정하고, 픽처를 결정된 크기의 CTU로 분할한다. 그리고, CTU를 트리 구조의 최상위 레이어, 즉, 루트 노드로 결정하고, CTU에 대한 분할정보를 추출함으로써 트리 구조를 이용하여 CTU를 분할한다.
예컨대, QTBTTT 구조를 사용하여 CTU를 분할하는 경우, 먼저 QT의 분할과 관련된 제1 플래그(QT_split_flag)를 추출하여 각 노드를 하위 레이어의 네 개의 노드로 분할한다. 그리고, QT의 리프 노드에 해당하는 노드에 대해서는 MTT의 분할과 관련된 제2 플래그(MTT_split_flag) 및 분할 방향(vertical / horizontal) 및/또는 분할 타입(binary / ternary) 정보를 추출하여 해당 리프 노드를 MTT 구조로 분할한다. 이에 따라 QT의 리프 노드 이하의 각 노드들을 BT 또는 TT 구조로 반복적으로(recursively) 분할한다.
또 다른 예로서, QTBTTT 구조를 사용하여 CTU를 분할하는 경우, 먼저 CU의 분할 여부를 지시하는 CU 분할 플래그(split_cu_flag)를 추출하고, 해당 블록이 분할된 경우, 제1 플래그(QT_split_flag)를 추출할 수도 있다. 분할 과정에서 각 노드는 0번 이상의 반복적인 QT 분할 후에 0번 이상의 반복적인 MTT 분할이 발생할 수 있다. 예컨대, CTU는 바로 MTT 분할이 발생하거나, 반대로 다수 번의 QT 분할만 발생할 수도 있다.
다른 예로서, QTBT 구조를 사용하여 CTU를 분할하는 경우, QT의 분할과 관련된 제1 플래그(QT_split_flag)를 추출하여 각 노드를 하위 레이어의 네 개의 노드로 분할한다. 그리고, QT의 리프 노드에 해당하는 노드에 대해서는 BT로 더 분할되는지 여부를 지시하는 분할 플래그(split_flag) 및 분할 방향 정보를 추출한다.
한편, 엔트로피 복호화부(510)는 트리 구조의 분할을 이용하여 복호화하고자 하는 현재블록을 결정하게 되면, 현재블록이 인트라 예측되었는지 아니면 인터 예측되었는지를 지시하는 예측 타입에 대한 정보를 추출한다. 예측 타입 정보가 인트라 예측을 지시하는 경우, 엔트로피 복호화부(510)는 현재블록의 인트라 예측정보(인트라 예측모드)에 대한 신택스 요소를 추출한다. 예측 타입 정보가 인터 예측을 지시하는 경우, 엔트로피 복호화부(510)는 인터 예측정보에 대한 신택스 요소, 즉, 움직임벡터 및 그 움직임벡터가 참조하는 참조픽처를 나타내는 정보를 추출한다.
또한, 엔트로피 복호화부(510)는 양자화 관련된 정보, 및 잔차신호에 대한 정보로서 현재블록의 양자화된 변환계수들에 대한 정보를 추출한다.
재정렬부(515)는, 영상 부호화 장치에 의해 수행된 계수 스캐닝 순서의 역순으로, 엔트로피 복호화부(510)에서 엔트로피 복호화된 1차원의 양자화된 변환계수들의 시퀀스를 다시 2차원의 계수 어레이(즉, 블록)로 변경할 수 있다.
역양자화부(520)는 양자화된 변환계수들을 역양자화하고, 양자화 파라미터를 이용하여 양자화된 변환계수들을 역양자화한다. 역양자화부(520)는 2차원으로 배열된 양자화된 변환계수들에 대해 서로 다른 양자화 계수(스케일링 값)을 적용할 수도 있다. 역양자화부(520)는 영상 부호화 장치로부터 양자화 계수(스케일링 값)들의 행렬을 양자화된 변환계수들의 2차원 어레이에 적용하여 역양자화를 수행할 수 있다.
역변환부(530)는 역양자화된 변환계수들을 주파수 도메인으로부터 공간 도메인으로 역변환하여 잔차신호들을 복원함으로써 현재블록에 대한 잔차블록을 생성한다.
또한, 역변환부(530)는 변환블록의 일부 영역(서브블록)만 역변환하는 경우, 변환블록의 서브블록만을 변환하였음을 지시하는 플래그(cu_sbt_flag), 서브블록의 방향성(vertical/horizontal) 정보(cu_sbt_horizontal_flag) 및/또는 서브블록의 위치 정보(cu_sbt_pos_flag)를 추출하여, 해당 서브블록의 변환계수들을 주파수 도메인으로부터 공간 도메인으로 역변환함으로써 잔차신호들을 복원하고, 역변환되지 않은 영역에 대해서는 잔차신호로 “0”값을 채움으로써 현재블록에 대한 최종 잔차블록을 생성한다.
또한, MTS가 적용된 경우, 역변환부(530)는 영상 부호화 장치로부터 시그널링된 MTS 정보(mts_idx)를 이용하여 가로 및 세로 방향으로 각각 적용할 변환 함수 또는 변환 행렬을 결정하고, 결정된 변환 함수를 이용하여 가로 및 세로 방향으로 변환블록 내의 변환계수들에 대해 역변환을 수행한다.
예측부(540)는 인트라 예측부(542) 및 인터 예측부(544)를 포함할 수 있다. 인트라 예측부(542)는 현재블록의 예측 타입이 인트라 예측일 때 활성화되고, 인터 예측부(544)는 현재블록의 예측 타입이 인터 예측일 때 활성화된다.
인트라 예측부(542)는 엔트로피 복호화부(510)로부터 추출된 인트라 예측모드에 대한 신택스 요소로부터 복수의 인트라 예측모드 중 현재블록의 인트라 예측모드를 결정하고, 인트라 예측모드에 따라 현재블록 주변의 참조 픽셀들을 이용하여 현재블록을 예측한다.
인터 예측부(544)는 엔트로피 복호화부(510)로부터 추출된 인터 예측모드에 대한 신택스 요소를 이용하여 현재블록의 움직임벡터와 그 움직임벡터가 참조하는 참조픽처를 결정하고, 움직임벡터와 참조픽처를 이용하여 현재블록을 예측한다.
가산기(550)는 역변환부로부터 출력되는 잔차블록과 인터 예측부 또는 인트라 예측부로부터 출력되는 예측블록을 가산하여 현재블록을 복원한다. 복원된 현재블록 내의 픽셀들은 이후에 복호화할 블록을 인트라 예측할 때의 참조픽셀로서 활용된다.
루프 필터부(560)는 인루프 필터로서 디블록킹 필터(562), SAO 필터(564) 및 ALF(566)를 포함할 수 있다. 디블록킹 필터(562)는 블록 단위의 복호화로 인해 발생하는 블록킹 현상(blocking artifact)을 제거하기 위해, 복원된 블록 간의 경계를 디블록킹 필터링한다. SAO 필터(564) 및 ALF(566)는 손실 부호화(lossy coding)으로 인해 발생하는 복원된 픽셀과 원본 픽셀 간의 차이를 보상하기 위해, 디블록킹 필터링 이후의 복원된 블록에 대해 추가적인 필터링을 수행한다. ALF의 필터 계수는 비스트림으로부터 복호한 필터 계수에 대한 정보를 이용하여 결정된다.
디블록킹 필터(562), SAO 필터(564) 및 ALF(566)를 통해 필터링된 복원블록은 메모리(570)에 저장된다. 한 픽처 내의 모든 블록들이 복원되면, 복원된 픽처는 이후에 부호화하고자 하는 픽처 내의 블록을 인터 예측하기 위한 참조 픽처로 사용된다.
본 실시예는 이상에서 설명한 바와 같은 영상(비디오)의 부호화 및 복호화에 관한 것이다. 더욱 상세하게는, 딥러닝 기반 검출 모델을 이용하여 현재 프레임과 참조 프레임으로부터 참조 영역을 검출한 후, 현재 프레임에 검출된 참조 영역을 합성하는 인루프 필터를 추가적으로 포함하는 영상 부호화 방법 및 영상 복호화 방법을 제공한다.
이하의 설명에서, 영상 부호화 장치 및 방법은 부호화 장치 및 방법과 병행하여 사용되고, 영상 복호화 장치 및 방법은 복호화 장치 및 방법과 병행하여 사용된다.
도 6은 본 개시의 일 실시예에 따른, 화질 개선장치의 개략적인 블록도이다.
본 실시예에 따른 화질 개선장치(600)는, 딥러닝 기반 검출 모델을 이용하여 현재 프레임과 참조 프레임으로부터 참조 영역을 검출한 후, 현재 프레임에 검출 영역을 합성함으로써 현재 프레임의 화질을 개선한다. 현재 프레임의 화질을 개선한다는 측면에서 화질 개선장치(600)는 인루프 필터(180, 560)와 유사한 기능을 갖는다. 화질 개선장치(600)는 입력부(602), 참조영역 검출부(604) 및 참조영역 합성부(606)의 전부 또는 일부를 포함한다.
이하, 화질 개선장치(600)는 부호화 장치 및 복호화 장치에 동일하게 적용될 수 있다. 다만, 본 실시예에 따른 부호화 장치의 경우, 화질 개선장치(600)에 포함되는 구성요소가 반드시 이에 한정되는 것은 아니다. 예컨대, 화질 개선장치(600)는 검출 모델의 트레이닝을 위한 트레이닝부(미도시)를 추가로 구비하거나, 외부의 트레이닝부와 연동되는 형태로 구현될 수 있다.
비디오 부호화 과정에서 참조 픽처는 상이한 화질로 부호화될 수 있다. 예컨대, 도 7에 예시된 바와 같이, 임의 접근(Random Access: RA) 구조를 가정할 때, 키 프레임(key frame)으로 사용되는 I 프레임(Intra frame)은 낮은 양자화 파라미터(Quantization Parameter: QP)를 이용하여 고화질의 높은 PSNR(Peak Signal to Noise Ratio)을 갖도록 압축된다. 반면, I 프레임을 참조하여 인터 예측을 수행하는 프레임들은 상대적으로 높은 QP를 이용하여 낮은 PSNR을 갖도록 압축될 수 있다.
I 프레임 이외에도 인터 예측을 수행하는 프레임 중에서 시간적 계층(temporal layer)이 낮은 프레임들은 키 프레임이 될 수 있다. 예를 들어, 도 7의 예시에서, 프레임 3은 프레임 4 또는 프레임 2를 키 프레임으로 사용할 수 있다. 참조 프레임의 선정에 있어서, 복호화 장치는 GOP(Group of Picture) 내에서 가장 양자화 파라미터가 작은 프레임을 선택하거나, 현재 프레임에서 가장 근접된 채로 현재 프레임보다 시간적 계층이 낮은 프레임을 선택할 수 있다. 복호화 장치는 참조 프레임을 하나 또는 둘 이상 선택할 수 있고, 한 방향 이외에도 양방향에서 참조 프레임을 각각 선택할 수 있다. 도 7의 예시는 RA 구조에의 적용을 설명하나, 전술한 바와 같이 참조 프레임을 선택하는 방식은, 저지연(Low Delay: LD) 구조에도 적용이 가능하다.
본 개시에 따른 실시예는, I 프레임을 포함하여 인터 예측에 사용하는 높은 화질의 참조 프레임을 이용하여 현재 프레임의 화질을 개선한다. 참조 프레임에 기반하는 기존의 영상복원 모델의 경우, 평활한(smooth) 영역을 포함하는 블록, 복잡한 텍스처(texture)를 포함하는 블록, 움직임이 많은 블록 등 다양한 블록의 화질을 보편적으로 향상시키기 위해 대량의 학습 데이터와 그에 따른 대량의 모델 파라미터를 필요로 한다. 그럼에도, 확률 통계적으로 균일 분포(uniform distribution)을 갖는 양자화 잡음을 제거하는 것은 쉽지 않은 과제이다.
본 실시예에서는, 현재 프레임의 화질 개선을 위해, 복호화 장치가 키 프레임에 해당하는 참조 프레임으로부터 참조 영역을 검출한다. 참조 영역의 검출에 이용되는 딥러닝 기반 검출 모델은, 현재 프레임 및 키 프레임으로부터 참조 영역을 검출하도록 사전에 학습될 수 있다. 이때, 검출된 참조 영역은, 현재 프레임과 동일한 영역을 포함하되 낮은 양자화 파라미터를 이용하여 부호화되어 상대적으로 작은 양자화 잡음을 가질 수 있다.
화질 개선장치(600)는 검출 모델의 사용 여부를 나타내는 플래그(이하, '검출모델 사용 플래그')를 획득한다. 예컨대, 부호화 장치는 기설정된 검출모델 사용 플래그를 획득하여 이를 복호화 장치로 전송할 수 있다. 따라서, 복호화 장치는 비트스트림으로부터 검출모델 사용 플래그를 복호화할 수 있다.
화질 개선장치(600)는 검출 모델 사용 플래그가 1인 경우, 다음과 같은 화질개선 기능들을 수행한다. 반면, 검출 모델 사용 플래그가 0인 경우, 부호화 장치 또는 복호화 장치는 기존의 인루프 필터(180, 560)를 이용할 수 있다.
입력부(602)는 현재 프레임과 참조 프레임을 획득한다. 입력부(602)는, 참조 픽처 리스트에 포함된 참조 프레임 후보들 중에서, 다음과 같은 조건에 따라 참조 프레임을 선택할 수 있다.
입력부(602)는 참조 픽처 리스트에 I 프레임이 포함되어 있는 경우, I 프레임을 참조 프레임으로 선택할 수 있다.
입력부(602)는 참조 픽처 리스트에 포함된 참조 프레임 후보들 중에서 시간적 계층을 나타내는 시간 식별자(temporal ID)가 가장 낮은 프레임을 참조 프레임으로 선택할 수 있다.
입력부(602)는 참조 픽처 리스트에 포함된 참조 프레임 후보들 중에서 POC(Picture of Count)가 현재 프레임에 가장 근접된, 즉, 시간이 가장 근접된 프레임을 참조 프레임으로 선택할 수 있다.
입력부(602)는 참조 픽처 리스트에 포함된 참조 프레임 후보들 중에서 시간적 계층을 의미하는 시간 식별자가 가장 낮으면서 POC가 가장 근접된 프레임을 참조 프레임으로 선택할 수 있다.
입력부(602)는 참조 픽처 리스트에 포함된 참조 프레임 후보들 중 가장 낮은 QP로 부호화된 프레임을 참조 프레임으로 선택할 수 있다.
입력부(602)는 전술한 바와 같은 조건들을 만족하는 둘 이상의 참조 프레임들이 존재하는 경우, 시간적으로 선행하는 전방의 프레임을 참조 프레임으로 선택할 수 있다.
본 개시에 따른 다른 실시예에 있어서, 입력부(602)는 전술한 바와 같은 조건들을 만족하는 둘 이상의 참조 프레임들이 존재하는 경우, 이들을 복수의 참조 프레임들로 선택할 수 있다.
참조영역 검출부(604)는 딥러닝 기반 검출 모델을 이용하여 참조 프레임 및 현재 프레임으로부터 참조 프레임 상의 참조 영역을 검출하고, 참조 영역을 나타내기 위한 검출 맵(참조 영역 검출 맵, 이하, '검출 맵')을 생성한다.
이하, 도 8의 예시를 이용하여 참조영역 검출부(604)의 동작을 설명한다.
도 8은 본 개시의 일 실시예에 따른 참조 영역을 나타내는 예시도이다.
참조 프레임은 평활한 배경(background), 및 복잡한 텍스처와 많은 움직임이 존재하는 전경(foreground)을 포함한다. 현재 프레임에서는, 예컨대 카메라의 움직임에 따라, 점선 경계에서 실선 경계로 배경 영역 및 전경 영역이 변할 수 있다. 도 8의 예시에서, 참조 영역 검출 맵에서 '참조 영역'으로 나타낸 영역이 현재 프레임의 화질을 개선하기 위하여 사용될 수 있는 영역이다.
참조영역 검출부(604)는 하나 또는 그 이상의 영역을 포함하는 참조 영역을 검출할 수 있다. 이때, 참조영역 검출부(604)는 참조 영역을 나타내는 이진 맵(binary map)을 검출 맵으로 생성한다. 이진 맵은 참조 영역을 플래그 1로 표시하고, 참조 영역에 포함되지 않는 나머지 영역(이하, '비참조 영역')을 플래그 0으로 표시한다. 추후, 이진 맵을 기반으로 참조 프레임 내 픽셀의 사용 여부가 결정될 수 있다.
본 개시에 따른 다른 실시예에 있어서, 참조영역 검출부(604)는 이진 맵 대신에 '0 ~ 255(28-1)'의 픽셀 값으로, 참조 영역 및 비참조 영역을 확률적으로 나타내는 픽셀 단위의 검출 맵을 생성할 수 있다. 즉, 참조영역 검출부(604)는, 하나의 픽셀이 하나의 영역을 표시하는 방식으로 참조 프레임 전체에 해당하는 영역을 나타내는 픽셀 단위의 검출 맵을 생성할 수 있다. 따라서, 픽셀 단위의 검출 맵에서, 밝은 영역의 픽셀(값이 255에 가까운 픽셀)은 확률적으로 보다 확실한 참조 영역임을 나타내고, 어두운 영역의 픽셀(값이 0에 가까운 픽셀)은 확률적으로 보다 확실한 비참조 영역임을 나타낸다. 추후, 픽셀 단위의 검출 맵은 현재 프레임의 픽셀과 참조 프레임의 정보 간의 가중합에 이용될 수 있다. 화질 개선장치(600)는 참조 영역에 근접할수록 참조 프레임의 정보를 더 이용하고, 비참조 영역에 근접할수록 현재 프레임의 정보를 더 이용할 수 있다.
이상의 설명에서, 픽셀 단위의 검출 맵의 픽셀 값이 '0 ~ 255'의 범위에 포함되는 것으로 나타내었으나, 반드시 이에 한정하는 것은 아니다. 즉, 픽셀의 비트 깊이를 N(여기서, N은 자연수) 비트로 설정하는 경우, 검출 맵의 픽셀 값은 '0 ~ 2N-1'의 범위를 가질 수 있다.
본 개시에 따른 다른 실시예에 있어서, 참조 영역은 픽셀 단위가 아니라 블록 단위일 수 있다. 즉, CTU와 동일한 크기이거나, CU 또는 sub-CU와 동일한 크기일 수 있다. 또는, 참조 영역은 블록의 집합으로서, 타일이나 서브 픽처와 동일한 크기일 수 있다.
이와 같이, 참조 영역이 블록 단위인 경우, 검출모델 사용 플래그로서 블록 단위 플래그가 부호화 장치와 복호화 장치 간에 공유될 수 있다. 해당 블록에 대한 검출 맵은 검출 모델에 의해 이진 맵 또는 픽셀 단위의 검출 맵으로 생성될 수 있다.
특히, 참조 영역이 블록 단위이고, 검출 맵이 이진 맵인 경우, 블록 단위의 플래그는 해당 블록에 대한 이진 맵의 기능도 병행할 수 있다. 즉, 부호화 장치는, 검출 모델에 의해 해당 블록이 참조 영역으로 검출된 경우, 블록 단위의 플래그를 전송함으로써, 이진 맵을 대체할 수 있다. 이때, 복호화 장치는 검출 모델의 이용 단계를 생략한 채로, 블록 단위의 플래그를 복호화하여 해당 블록에 대한 이진 맵으로 이용할 수 있다. 즉, 복호화된 블록 단위의 플래그가 1이면, 해당 블록은 참조 영역이고, 해당 블록의 이진 맵을 나타내는 플래그도 1임은 나타낸다.
한편, 이진 맵, 픽셀 단위의 검출 맵 등과 같이 검출 맵의 종류를 나타내는 정보는 부호화 장치와 복호화 장치 간에 공유되어야 한다. 예컨대, 부호화 장치는 기설정된 검출 맵의 종류를 획득하여 이를 복호화 장치로 전송할 수 있다. 따라서, 복호화 장치는 비트스트림으로부터 검출 맵의 종류를 복호화할 수 있다.
본 개시에 따른 다른 실시예에 있어서, 전술한 바와 같이, 복수의 참조 프레임이 존재하는 경우(예컨대, M 개, M은 2 이상의 자연수), 참조영역 검출부(604)는 검출 모델을 M 번 이용하여, 참조 프레임별로 참조 영역을 검출할 수 있다. 즉, 현재 프레임과 하나의 참조 프레임을 검출 모델에 입력하여, 참조영역 검출부(604)는 참조 프레임별 참조 영역을 검출하고, 해당되는 M 개의 검출 맵을 생성할 수 있다. 이때, M 개의 검출 맵은 모두 이진 맵일 수 있다. 또는, M 개의 검출 맵은 모두 픽셀 단위의 검출 맵일 수 있다.
도 9는 본 개시의 일 실시예에 따른 검출 모델을 나타내는 예시도이다.
딥러닝 기반 검출 모델로는, 도 9에 예시된 바와 같은, CNN(Convolutional Neural Network) 모델이 이용될 수 있다. 현재 프레임 및 참조 프레임은 결합(concatenation)되어 검출 모델에 입력될 수 있다. 검출 모델은 n(n은 자연수) 개의 콘볼루션 레이어(convolution layer)가 결합된 구조일 수 있다.
참조 영역의 검출에 사용하는 검출 모델은, 화질을 개선하거나 움직임을 추정하는 모델에 비하여 매우 간단하게 구성될 수 있다. 또한, 콘볼루션 레이어의 커널(kernel)과 스트라이드(stride) 크기의 변화, 및 풀링(pooling)을 이용하여, 검출 모델은 다양한 해상도를 표현할 수 있다.
검출 모델은, 마지막 레이어가 시그모이드(sigmoid) 함수와 같은 활성화 함수(activation function)로 구현된 경우, 픽셀 단위의 검출 맵을 출력으로 생성할 수 있다. 또는, 예컨대, '0 ~ 255'의 픽셀 값으로 표현된 픽셀 단위의 검출 맵인 경우, '0 ~ 127'의 범위를 플래그 0으로, '128 ~ 255'의 범위를 플래그 1로 할당함으로써, 검출 모델은 이진 맵을 생성할 수 있다.
한편, 검출 모델은, 도 9에 예시된 바와 같이, 콘볼루션 레이어를 이용해 검출 맵을 생성할 수 있으나, 어텐션 맵(attention map)을 생성할 수도 있다(비특허문헌 2 참조). 본 개시에 따른 다른 실시예에 있어서, 검출 모델은, 콘볼루션 레이어에 의해 생성된 특성 맵(feature map)에 다운샘플링(downsampling), 업샘플링(upsampling), 및 소프트맥스 레이어(softmax layer)를 순서대로 적용하여 어텐션 맵을 생성할 수 있다.
한편, 트레이닝부는, 검출 모델이 참조 영역을 검출할 수 있도록, 학습용 데이터 및 해당되는 레이블을 기반으로 검출 모델을 사전에 트레이닝시킬 수 있다. 여기서, 학습용 데이터는 학습을 위한 현재 프레임과 참조 프레임을 포함하고, 레이블은, 전술한 바와 같은 선택 과정을 거친 참조 프레임에 대응하는 이진 맵일 수 있다.
참조영역 합성부(606)는 검출 맵을 기반으로 참조 영역을 현재 프레임에 합성하여 화질을 개선한다.
검출 맵이 이진 맵인 경우, 참조영역 합성부(606)는 현재 프레임의 화질이 개선하여, 수학식 1에 나타낸 바와 같이, 개선 프레임 pim(i,j)을 생성할 수 있다.
Figure PCTKR2021011302-appb-img-000001
여기서, p(i,j)는 현재 프레임의 (i,j) 픽셀이고, pref(i,j)는 참조 프레임의 (i,j) 픽셀이다. 또한, map(i,j)는 검출 맵으로서, (i,j) 위치에서 참조 영역의 이진 플래그를 나타낸다. 참조영역 합성부(606)는, 수학식 1에 나타낸 바와 같이, 검출 맵의 이진 플래그가 1인 경우, 현재 프레임의 픽셀을 참조 영역의 픽셀로 대체하고, 이진 플래그가 0인 경우, 현재 프레임의 픽셀 값을 유지한다.
본 개시에 따른 다른 실시예에 있어서, 전술한 바와 같이, 참조 영역이 블록 단위이고, 검출 맵이 이진 맵인 경우, 블록 단위의 플래그는 해당 블록에 대한 이진 맵의 기능을 대체할 수 있다. 참조영역 합성부(606)는, 해당 블록의 블록 단위 플래그가 1인 경우, 해당 블록을 참조 영역으로 이용하고, 블록 단위 플래그가 0인 경우, 현재블록을 그대로 이용할 수 있다. 또한, 복호화 장치는, 검출 맵을 생성하기 위한 검출 모델의 이용 단계를 생략한 채로, 블록 단위 플래그를 기반으로 참조 영역을 이용하여 현재블록을 합성함으로써, 복호화 장치의 복잡도가 감소될 수 있다.
본 개시에 따른 다른 실시예에 있어서, 전술한 바와 같이 복수의(예컨대, M 개, M은 2 이상의 자연수) 참조 프레임 각각에 대해 참조 영역이 검출된 경우, 참조영역 합성부(606)는 각 참조 영역별 검출 맵 mapm(i,j)(여기서, 1≤m≤M)을 이용하여, 수학식 2에 나타낸 바와 같이, 개선 프레임 pim(i,j)을 생성할 수 있다.
Figure PCTKR2021011302-appb-img-000002
여기서, MM(1≤MM≤M)은 'mapm(i,j)=1'을 만족하는 참조 프레임의 개수이고, pref,m(i,j)는 m 번째 참조 프레임의 (i,j) 픽셀이다. 또한, am은 가중치로서, MM 개의 가중치의 합은 1이다. M 개의 검출 맵에 대해 MM 개의 이진 플래그가 1인 경우(즉, 하나라도 플래그가 1인 참조 영역이 존재하는 경우), 참조영역 합성부(606)는, 수학식 2에 나타낸 바와 같이, MM 개의 참조 영역의 픽셀 값을 가중합하여 현재 프레임의 픽셀을 대체할 수 있다. 반면, M 개의 검출 맵의 이진 플래그가 모두 0인 경우, 참조영역 합성부(606)는, 현재 프레임의 픽셀 값을 유지한다.
한편, 전술한 바와 같이, 참조 픽처 리스트에 포함된 참조 프레임 후보들 중에서 참조 프레임을 선택하는 방법에 따라 M 개의 참조 프레임이 순서대로 선택될 수 있다. 예컨대, 'M = 4'인 경우, 첫 번째 참조 프레임으로는, I 프레임을 선택된다. 두 번째 참조 프레임으로는, 남은 후보들 중에서 시간 식별자가 가장 낮은 프레임이 선택된다. 세 번째 참조 프레임으로는, 남은 후보들 중에서 POC가 현재 프레임에 가장 근접된 프레임이 선택된다. 네 번째 참조 프레임으로는, 남은 후보들 중에서 가장 낮은 QP로 부호화된 프레임들이 선택된 후, 이중에서 전방의 프레임이 선택될 수 있다.
본 개시에 따른 다른 실시예에 있어서, map(i,j)가 '0 ~ 255'의 픽셀 값으로 표현된 픽셀 단위의 검출 맵인 경우, 참조영역 합성부(606)는 '0 ~ 127'의 범위를 플래그 0으로, '128 ~ 255'의 범위를 플래그 1로 이용할 수 있다.
또는, 수학식 3에 나타낸 바와 같이, 참조영역 합성부(606)는 검출 맵 상의 '0 ~ 255'의 픽셀 값을 그대로 사용하여 가중합함으로써, 개선 프레임 pim(i,j)을 생성할 수 있다.
Figure PCTKR2021011302-appb-img-000003
M 개의 참조 프레임 각각에 대해 참조 영역이 검출된 경우, 참조영역 합성부(606)는 각 참조 영역별 검출 맵 mapm(i,j)(여기서, 1≤m≤M)을 이용하여, 수학식 4에 나타낸 바와 같이, 개선 프레임 pim(i,j)을 생성할 수 있다.
Figure PCTKR2021011302-appb-img-000004
여기서, mapm(i,j)는 '0 ~ 255'의 픽셀 값으로 표현되는 픽셀 단위의 검출 맵이다.
본 개시에 따른 다른 실시예에 있어서, 화질 개선장치(600)는 부호화 장치 또는 복호화 장치 내의 기존의 인루프 필터와 결합될 수 있다. 예컨대, 수학식 5에 나타낸 바와 같이, 화질 개선장치(600)는 p(i,j) 및 pref(i,j)에 별도의 함수 f 및 g를 각각 적용한 후, 픽셀 단위의 검출 맵 상의 '0 ~ 255'의 픽셀 값을 사용하여 가중합함으로써, 개선 프레임 pim(i,j)을 생성할 수 있다.
Figure PCTKR2021011302-appb-img-000005
수학식 5에 있어서, 화질 개선장치(600)는 함수 f 및 g를 동시에 적용하거나, f 또는 g 중 하나를 적용할 수 있다. 또한, f 및 g는 동일한 함수일 수 있다.
함수 f 및 g는 기존의 인루프 필터의 구성요소들 중 적어도 하나의 결합일 수 있다. 또한, 함수 f 및 g는, 도 10에 예시된 바와 같이, CNN 모델 기반의 인루프 필터(비특허문헌 1 참조)일 수 있다.
본 개시에 따른 다른 실시예에 있어서, 수학식 6에 나타낸 바와 같이, 화질 개선장치(600)는 검출 맵 상의 이진 플래그를 이용하여 개선 프레임 pim(i,j)을 생성할 수 있다.
Figure PCTKR2021011302-appb-img-000006
이진 플래그가 1인 경우, 화질 개선장치(600)는 참조 영역을 이용하여 화질을 개선하고, 이진 플래그가 0인 경우, 현재 프레임의 픽셀에 함수 f를 적용하여 화질을 개선할 수 있다.
본 개시에 따른 다른 실시예에 있어서, 화질 개선장치(600)는, 도 11에 예시된 바와 같이, 별도의 함수 f 및 g가 각각 적용된 현재 프레임 및 참조 프레임을 입력으로 받아들여 참조 영역을 검출하고, 검출 맵을 생성할 수 있다. 화질 개선장치(600)는, 생성된 검출 맵의 특성에 따라, 수학식 5 또는 수학식 6에 나타낸 바와 같이, 개선 프레임 pim(i,j)을 생성할 수 있다.
화질 개선장치(600)는, 수학식 5 또는 수학식 6에 나타낸 바와 같이, 기존의 인루프 필터의 후단에 배치될 수 있다. 또한, 화질 개선장치(600)에 의해 생성된 개선 프레임은 기존의 인루프 필터에 입력으로 제공될 수도 있다. 즉, 본 실시예에 따른 화질 개선장치(600)는, 현재 프레임의 화질을 개선한다는 측면에서, 인루프 필터의 기능과 유사하다. 따라서, 화질 개선장치(600)는 인루프 필터의 하나의 구성요소로서, 도 12에 예시된 바와 같이, 기존의 인루프 필터의 구성요소들과 함께 배열될 수 있다. 도 12에 예시된 배열 중, 부호화 효율이 가장 좋은 배열이 최종적으로 선택될 수 있다.
본 개시에 따른 화질 개선장치(600)는 고정 파라미터를 가질 수 있다. 즉, 부호화 장치 및 복호화 장치는 동일한 커널, 즉 고정 파라미터를 갖는 참조영역 검출부(604) 및 참조영역 합성부(606)를 이용할 수 있다. 따라서, 부호화 장치 또는 외부의 트레이닝부가 딥러닝 기반 검출 모델을 한번 트레이닝한 후, 부호화 장치와 복호화 장치 간에 검출 모델의 파라미터가 공유될 수 있다.
본 개시에 따른 다른 실시예에 있어서, 화질 개선장치(600)는 가변 파라미터를 가질 수 있다. 부호화 장치는 참조 영역의 검출에 사용하는, 전체 파라미터의 일부를 가변 파라미터로 갖는 검출 모델의 커널을 복호화 장치로 전송한다. 복호화 장치는 이전에 복원한 참조 프레임과 검출 모델을 이용하여 검출 맵을 생성한 후, 검출 맵을 이용하여 현재 프레임의 화질을 개선한다.
이때, 부호화 장치는 GOP별로 한번 파라미터를 전송해도 되나, 키 프레임을 선택하는 방식에 따라 GOP별로 두 번 이상 전송할 수 있다. 예컨대, 도 7의 예시에서, POC 1 내지 3의 프레임은 0과 4 프레임을 키 프레임으로 이용하고, 5 내지 7의 프레임은 4와 8 프레임을 키 프레임으로 이용하는 경우, 부호화 장치는 1 내지 3 프레임에 적용되는 파라미터, 및 5 내지 7 프레임에 적용되는 파라미터를 전송할 수 있다. 한편, 트레이닝부는, 이러한 파라미터 전송 시나리오에 맞도록 검출 모델의 전체 파라미터의 일부를 업데이트함으로써 가변 파라미터를 생성할 수 있다.
이하, 도 13의 순서도를 이용하여, 현재 프레임의 화질을 개선하기 위해, 화질 개선장치(600)가 수행하는 화질 개선방법을 설명한다. 전술한 바와 같은, 검출 모델 사용 플래그가 1인 경우, 화질 개선방법은 복호화 장치 및 부호화 장치에 의해 동일하게 수행될 수 있다. 부호화 장치는, 화질 개선에 이용되는 검출 모델의 트레이닝도 수행할 수 있다.
또한, 검출 맵의 종류를 나타내는 정보는 부호화 장치와 복호화 장치 간에 공유되어야 한다. 예컨대, 부호화 장치는 기설정된 검출 맵의 종류를 획득하여 이를 복호화 장치로 전송할 수 있다. 따라서, 복호화 장치는 비트스트림으로부터 검출 맵의 종류를 복호화할 수 있다.
도 13은 본 개시의 일 실시예에 따른 화질 개선방법의 순서도이다.
화질 개선장치(600)는 현재 프레임 및 참조 프레임을 획득한다(S1300).
화질 개선장치(600)는, 참조 픽처 리스트에 포함된 참조 프레임 후보들 중에서, 다음과 같은 조건에 따라 적어도 하나의 참조 프레임을 선택할 수 있다.
화질 개선장치(600)는, 참조 픽처 리스트에 I 프레임이 포함되어 있는 경우, I 프레임을 참조 프레임으로 선택한다.
화질 개선장치(600)는, 참조 픽처 리스트에 포함된 참조 프레임 후보들 중에서, 시간적 계층을 나타내는 시간 식별자가 가장 낮은 프레임을 참조 프레임으로 선택하거나, POC가 현재 프레임에 가장 근접된 프레임을 참조 프레임으로 선택하거나, 시간 식별자가 가장 낮으면서 POC가 가장 근접된 프레임을 참조 프레임으로 선택하거나, 가장 낮은 양자화 파라미터로 부호화된 프레임을 참조 프레임으로 선택할 수 있다.
화질 개선장치(600)는, 전술한 바와 같은 조건들을 만족하는 둘 이상의 참조 프레임들이 존재하는 경우, 시간적으로 선행하는 전방의 프레임을 참조 프레임으로 선택할 수 있다.
본 개시에 따른 다른 실시예에 있어서, 화질 개선장치(600)는, 전술한 바와 같은 조건들을 만족하는 둘 이상의 참조 프레임들이 존재하는 경우, 이들을 복수의 참조 프레임들로 선택할 수 있다.
화질 개선장치(600)는 딥러닝 기반 검출 모델을 이용하여 참조 프레임 및 현재 프레임으로부터 참조 프레임 상의 참조 영역을 검출하고, 검출 맵을 생성한다(S1302).
화질 개선장치(600)는 하나 또는 그 이상의 영역을 포함하는 참조 영역을 검출할 수 있다. 이때, 화질 개선장치(600)는 이진 맵을 검출 맵으로 생성한다. 이진 맵은 참조 영역을 플래그 1로 표시하고, 비참조 영역을 플래그 0으로 표시한다.
본 개시에 따른 다른 실시예에 있어서, 화질 개선장치(600)는 이진 맵 대신에 기설정된 범위의 픽셀 값으로, 참조 영역 및 비참조 영역을 확률적으로 나타내는 픽셀 단위의 검출 맵을 생성할 수 있다. 즉, 참조영역 검출부(604)는, 하나의 픽셀이 하나의 영역을 표시하는 방식으로 참조 프레임 전체에 해당하는 영역을 나타내는 픽셀 단위의 검출 맵을 생성할 수 있다.
본 개시에 따른 다른 실시예에 있어서, 참조 영역은 픽셀 단위가 아니라 블록 단위일 수 있다. 즉, CTU와 동일한 크기이거나, CU 또는 sub-CU와 동일한 크기일 수 있다. 또는, 참조 영역은 블록의 집합으로서, 타일이나 서브 픽처와 동일한 크기일 수 있다.
딥러닝 기반 검출 모델로는 CNN 모델이 이용될 수 있다. 현재 프레임 및 참조 프레임은 결합되어 검출 모델에 입력될 수 있다. 검출 모델은 n(n은 자연수) 개의 콘볼루션 레이어가 결합된 구조일 수 있다. 검출 모델은, 전술한 바와 같은 이진 맵 또는 픽셀 단위의 검출 맵을 출력으로 생성할 수 있다.
한편, 트레이닝부는, 검출 모델이 참조 영역을 검출할 수 있도록, 학습용 데이터 및 해당되는 레이블을 기반으로 검출 모델을 사전에 트레이닝시킬 수 있다. 여기서, 학습용 데이터는 학습을 위한 현재 프레임과 참조 프레임을 포함하고, 레이블은, 전술한 바와 같은 선택 과정을 거친 참조 프레임에 대응하는 이진 맵일 수 있다.
본 개시에 따른 다른 실시예에 있어서, M(M은 2 이상의 자연수) 개의 참조 프레임들이 존재하는 경우, 화질 개선장치(600)는 검출 모델을 M 번 이용하여, M 개의 참조 프레임들 각각의 참조 영역을 검출하고, 대응하는 M 개의 검출 맵을 생성할 수 있다. 이때, M 개의 검출 맵은 모두 이진 맵일 수 있다. 또는, M 개의 검출 맵은 모두 픽셀 단위의 검출 맵일 수 있다.
화질 개선장치(600)는 검출 맵을 기반으로 참조 영역을 현재 프레임에 합성하여 개선 프레임을 생성한다(S1304).
이진 맵을 기반으로 개선 프레임을 생성함에 있어서, 화질 개선장치(600)는 검출 맵의 이진 플래그가 1인 경우, 참조 영역의 픽셀로 현재 프레임의 픽셀을 대체하고, 이진 플래그가 1이 아닌 경우, 현재 프레임의 픽셀 값을 유지한다.
본 개시에 따른 다른 실시예로서, 이진 맵을 기반으로 개선 프레임을 생성함에 있어서, 화질 개선장치(600)는 검출 맵의 이진 플래그가 1인 경우, 참조 영역의 픽셀로 현재 프레임의 픽셀을 대체하고, 이진 플래그가 1이 아닌 경우, 현재 프레임에 별도의 함수를 적용하여 픽셀 값을 생성한다. 여기서, 별도의 함수는 인루프 필터의 구성요소들 중 적어도 하나의 결합이거나, CNN 모델 기반의 인루프 필터일 수 있다.
한편, 픽셀 단위의 검출 맵을 이용하는 경우, 화질 개선장치(600)는 검출 맵 상의 픽셀 값을 이용하여, 현재 프레임과 참조 프레임을 픽셀 단위로 가중합하여, 개선 프레임을 생성할 수 있다.
본 개시에 따른 다른 실시예에 있어서, 픽셀 단위의 검출 맵을 이용하는 경우, 화질 개선장치(600)는 검출 맵 상의 픽셀 값을 이용하여, 별도의 함수가 각각 적용된 현재 프레임과 참조 프레임을 픽셀 단위로 가중합하여, 개선 프레임을 생성할 수 있다.
본 개시에 따른 다른 실시예에 있어서, M 개의 검출 맵이 이진 맵인 경우 개선 프레임을 생성함에 있어서, 화질 개선장치(600)는 해당되는 이진 플래그가 1인 참조 영역들의 픽셀 값을 가중합하여 현재 프레임의 픽셀을 대체하고, M 개의 검출 맵의 모든 이진 플래그가 0인 경우, 현재 프레임의 픽셀 값을 유지한다.
이상에서 설명한 바와 같이 본 실시예에 따르면, 딥러닝 기반 검출 모델을 이용하여 현재 프레임과 참조 프레임으로부터 참조 영역을 검출한 후, 현재 프레임에 검출된 참조 영역을 합성하는 화질 개선장치를 제공함으로써, 현재 프레임의 화질을 개선하고 부호화 효율을 향상시키는 것이 가능해지는 효과가 있다.
본 실시예에 따른 각 순서도에서는 각각의 과정을 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 순서도에 기재된 과정을 변경하여 실행하거나 하나 이상의 과정을 병렬적으로 실행하는 것이 적용 가능할 것이므로, 순서도는 시계열적인 순서로 한정되는 것은 아니다.
한편, 본 실시예에서 설명된 다양한 기능들 혹은 방법들은 하나 이상의 프로세서에 의해 판독되고 실행될 수 있는 비일시적 기록매체에 저장된 명령어들로 구현될 수도 있다. 비일시적 기록매체는, 예를 들어, 컴퓨터 시스템에 의하여 판독가능한 형태로 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 예를 들어, 비일시적 기록매체는 EPROM(erasable programmable read only memory), 플래시 드라이브, 광학 드라이브, 자기 하드 드라이브, 솔리드 스테이트 드라이브(SSD)와 같은 저장매체를 포함한다.
이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
(부호의 설명)
180: 인루프필터
600: 화질 개선장치
602: 입력부 604: 참조영역 검출부
606: 참조영역 합성부
560: 인루프필터
CROSS-REFERENCE TO RELATED APPLICATION
본 특허출원은 2021년 8월 24일 한국에 출원한 특허출원번호 제10-2020-0106103 호, 2021년 8월 24일 한국에 출원한 특허출원번호 제10-2021-0111724 호에 대해 우선권을 주장하며, 그 모든 내용은 참고문헌으로 본 특허출원에 병합된다.

Claims (16)

  1. 현재 프레임의 화질을 개선하기 위해, 영상 복호화 장치가 수행하는 방법에 있어서,
    상기 현재 프레임 및 적어도 하나의 참조 프레임을 획득하는 단계;
    딥러닝(deep learning) 기반 검출 모델을 이용하여 상기 참조 프레임 및 상기 현재 프레임으로부터 상기 참조 프레임 상의 참조 영역을 검출하고, 검출 맵을 생성하는 단계; 및
    상기 검출 맵을 기반으로 상기 참조 영역을 상기 현재 프레임에 합성하여 개선 프레임을 생성하는 단계
    를 포함하는 것을 특징으로 하는 방법.
  2. 제1항에 있어서,
    상기 참조 프레임을 획득하는 단계는,
    참조 픽처 리스트에 I 프레임(Intra frame)이 포함되어 있는 경우, 상기 I 프레임을 상기 참조 프레임으로 선택하는 것을 특징으로 하는 방법.
  3. 제2항에 있어서,
    상기 참조 프레임을 획득하는 단계는,
    상기 참조 픽처 리스트에 포함된 참조 프레임 후보들 중에서, 시간적 계층(temporal layer)이 가장 낮은 프레임을 상기 참조 프레임으로 선택하거나, POC(Picture of Count)가 상기 현재 프레임에 가장 근접된 프레임을 상기 참조 프레임으로 선택하거나, 가장 낮은 양자화 파라미터(quantization parameter)로 부호화된 프레임을 상기 참조 프레임으로 선택하는 것을 특징으로 하는 방법.
  4. 제1항에 있어서,
    상기 검출 맵을 생성하는 단계는,
    상기 참조 영역을 플래그 1로 표시하고, 상기 참조 영역에 포함되지 않는 나머지 영역을 플래그 0으로 표시한 이진 맵(binary map)을 생성하는 것을 특징으로 하는 방법.
  5. 제4항에 있어서,
    상기 개선 프레임을 생성하는 단계는,
    상기 검출 맵의 이진 플래그가 1인 경우, 상기 참조 영역의 픽셀로 상기 현재 프레임의 픽셀을 대체하고, 상기 이진 플래그가 1이 아닌 경우, 상기 현재 프레임의 픽셀 값을 유지하는 것을 특징으로 방법.
  6. 제4항에 있어서,
    상기 개선 프레임을 생성하는 단계는,
    상기 검출 맵의 이진 플래그가 1인 경우, 상기 참조 영역의 픽셀로 상기 현재 프레임의 픽셀을 대체하고, 상기 이진 플래그가 1이 아닌 경우, 상기 현재 프레임에 기설정된 함수를 적용하여 픽셀 값을 생성하는 것을 특징으로 방법.
  7. 제1항에 있어서,
    상기 검출 맵을 생성하는 단계는,
    기설정된 범위의 픽셀 값으로, 상기 참조 영역과 상기 참조 영역에 포함되지 않는 나머지 영역의 픽셀을 나타냄으로써 픽셀 단위의 검출 맵을 생성하는 것을 특징으로 하는 방법.
  8. 제7항에 있어서,
    상기 개선 프레임을 생성하는 단계는,
    상기 픽셀 단위의 검출 맵 상의 픽셀 값을 이용하여, 상기 현재 프레임과 상기 참조 프레임을 픽셀 단위로 가중합하여, 상기 개선 프레임을 생성하는 것을 특징으로 하는 방법.
  9. 제7항에 있어서,
    상기 개선 프레임을 생성하는 단계는,
    상기 픽셀 단위의 검출 맵 상의 픽셀 값을 이용하여, 기설정된 함수가 각각 적용된 현재 프레임과 참조 프레임을 픽셀 단위로 가중합하여, 상기 개선 프레임을 생성하는 것을 특징으로 하는 방법.
  10. 제1항에 있어서,
    상기 검출 맵을 생성하는 단계는,
    M(M은 2 이상의 자연수) 개의 참조 프레임들이 존재하는 경우, 상기 검출 모델을 M 번 이용하여, 상기 M 개의 참조 프레임들 각각의 참조 영역을 검출하고, 대응하는 M 개의 검출 맵을 생성하는 것을 특징으로 하는 방법.
  11. 제10항에 있어서,
    상기 개선 프레임을 생성하는 단계는,
    상기 M 개의 검출 맵이 이진 맵인 경우, 해당되는 이진 플래그가 1인 참조 영역들의 픽셀 값을 가중합하여 상기 현재 프레임의 픽셀을 대체하고, 상기 M 개의 검출 맵의 모든 이진 플래그가 0인 경우, 상기 현재 프레임의 픽셀 값을 유지하는 것을 특징으로 하는 방법.
  12. 제1항에 있어서,
    상기 검출 모델은,
    CNN(Convolutional Neural Network) 모델로 구현되고, 상기 현재 프레임 및 참조 프레임의 결합(concatenation)을 입력으로 받아들여 상기 검출 맵을 생성하는 것을 특징으로 하는 방법.
  13. 현재 프레임 및 적어도 하나의 참조 프레임을 획득하는 입력부;
    딥러닝(deep learning) 기반 검출 모델을 이용하여 상기 참조 프레임 및 상기 현재 프레임으로부터 상기 참조 프레임 상의 참조 영역을 검출하고, 검출 맵을 생성하는 참조영역 검출부; 및
    상기 검출 맵을 기반으로 상기 참조 영역을 상기 현재 프레임에 합성하여 상기 현재 프레임의 화질을 개선하는 참조영역 합성부
    를 포함하는 것을 특징으로 하는, 화질 개선장치.
  14. 제13항에 있어서,
    상기 참조 영역 검출부는,
    상기 참조 영역을 플래그 1로 표시하고, 상기 참조 영역에 포함되지 않는 나머지 영역을 플래그 0으로 표시한 이진 맵(binary map)을 생성하는 것을 특징으로 하는, 화질 개선장치.
  15. 제14항에 있어서,
    상기 참조영역 합성부는,
    상기 검출 맵의 이진 플래그가 1인 경우, 상기 참조 영역의 픽셀로 상기 현재 프레임의 픽셀을 대체하고, 상기 이진 플래그가 1이 아닌 경우, 상기 현재 프레임의 픽셀 값을 유지하는 것을 특징으로 하는, 화질 개선장치.
  16. 제14항에 있어서,
    상기 참조영역 합성부는,
    상기 검출 맵의 이진 플래그가 1인 경우, 상기 참조 영역의 픽셀로 상기 현재 프레임의 픽셀을 대체하고, 상기 이진 플래그가 1이 아닌 경우, 상기 현재 프레임에 기설정된 함수를 적용하여 픽셀 값을 생성하는 것을 특징으로 하는, 화질 개선장치.
PCT/KR2021/011302 2020-08-24 2021-08-24 딥러닝 기반 인루프 필터를 이용하는 영상 부호화 및 복호화 WO2022045738A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202180052718.3A CN116113985A (zh) 2020-08-24 2021-08-24 利用基于深度学习的环内滤波器进行视频编码和解码
US18/020,375 US20230269399A1 (en) 2020-08-24 2021-08-24 Video encoding and decoding using deep learning based in-loop filter

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20200106103 2020-08-24
KR10-2020-0106103 2020-08-24
KR10-2021-0111724 2021-08-24
KR1020210111724A KR20220025689A (ko) 2020-08-24 2021-08-24 딥러닝 기반 인루프 필터를 이용하는 영상 부호화 및 복호화

Publications (1)

Publication Number Publication Date
WO2022045738A1 true WO2022045738A1 (ko) 2022-03-03

Family

ID=80353652

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/011302 WO2022045738A1 (ko) 2020-08-24 2021-08-24 딥러닝 기반 인루프 필터를 이용하는 영상 부호화 및 복호화

Country Status (3)

Country Link
US (1) US20230269399A1 (ko)
CN (1) CN116113985A (ko)
WO (1) WO2022045738A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114693759A (zh) * 2022-03-31 2022-07-01 电子科技大学 一种基于编解码网络的轻量级快速图像深度估计方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019172800A1 (en) * 2018-03-07 2019-09-12 Huawei Technologies Co., Ltd Loop filter apparatus and method for video coding
KR20190116067A (ko) * 2018-04-03 2019-10-14 한국전자통신연구원 딥 러닝에 기반하여 생성된 참조 프레임을 이용하는 인터 예측을 위한 방법 및 장치
KR20200000543A (ko) * 2018-06-25 2020-01-03 에스케이텔레콤 주식회사 지도 학습을 이용한 영상 개선 방법 및 장치
KR102077900B1 (ko) * 2013-04-17 2020-02-14 노키아 테크놀로지스 오와이 비디오 코딩 및 디코딩을 위한 장치, 방법 및 컴퓨터 프로그램

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102077900B1 (ko) * 2013-04-17 2020-02-14 노키아 테크놀로지스 오와이 비디오 코딩 및 디코딩을 위한 장치, 방법 및 컴퓨터 프로그램
WO2019172800A1 (en) * 2018-03-07 2019-09-12 Huawei Technologies Co., Ltd Loop filter apparatus and method for video coding
KR20190116067A (ko) * 2018-04-03 2019-10-14 한국전자통신연구원 딥 러닝에 기반하여 생성된 참조 프레임을 이용하는 인터 예측을 위한 방법 및 장치
KR20200000543A (ko) * 2018-06-25 2020-01-03 에스케이텔레콤 주식회사 지도 학습을 이용한 영상 개선 방법 및 장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SOH, JAE WOONG ET AL.: "Reduction of Video Compression Artifacts Based on Deep Temporal Networks", IEEE ACCESS, vol. 6, 22 October 2018 (2018-10-22), pages 63094 - 63106, XP011704852, DOI: 10.1109/ACCESS.2018.2876864 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114693759A (zh) * 2022-03-31 2022-07-01 电子科技大学 一种基于编解码网络的轻量级快速图像深度估计方法

Also Published As

Publication number Publication date
US20230269399A1 (en) 2023-08-24
CN116113985A (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
WO2021167340A1 (ko) 크로마 신호의 리샘플링에 기반하는 영상 부호화 및 복호화
WO2021025478A1 (ko) 동영상 데이터의 인트라 예측 코딩을 위한 방법 및 장치
WO2022186616A1 (ko) 인트라 예측모드 유도를 이용하는 비디오 코딩방법 및 장치
WO2022114742A1 (ko) 비디오 부호화 및 복호화를 위한 장치 및 방법
WO2021251787A1 (ko) 루마 매핑 크로마 스케일링을 이용하는 영상 부호화 및 복호화
WO2022045738A1 (ko) 딥러닝 기반 인루프 필터를 이용하는 영상 부호화 및 복호화
WO2022114770A1 (ko) 기하학적 변환에 기반하는 블록 복사를 이용하는 인트라 예측방법과 장치
WO2022031115A1 (ko) 딥러닝 기반 인터 예측을 이용하는 영상 부호화 및 복호화
WO2022119302A1 (ko) 블록병합을 이용하는 비디오 코딩 방법 및 장치
WO2022211459A1 (ko) 세그멘테이션을 이용하는 비디오 코딩방법 및 장치
WO2022177380A1 (ko) 인터 예측 기반의 비디오 부호화 및 복호화
WO2022186620A1 (ko) 인트라 예측의 예측 신호를 개선하는 비디오 코딩방법 및 장치
WO2022211374A1 (ko) 매핑 기반 비디오 코딩방법 및 장치
WO2022211463A1 (ko) 적응적 인트라 예측 정밀도를 이용하는 비디오 코딩방법 및 장치
WO2022114768A1 (ko) 성분 간 참조를 이용하는 잔차신호 생성방법과 장치
WO2022191525A1 (ko) 나선스캔 순서를 이용하는 비디오 코딩방법 및 장치
WO2023022376A1 (ko) 개선된 인루프 필터를 이용하는 비디오 코딩방법 및 장치
WO2022191553A1 (ko) 행렬 기반 크로스 컴포넌트 예측을 이용하는 비디오 코딩방법 및 장치
WO2022031003A1 (ko) 영상 부/복호화 장치에서 이용하는 양자화 파라미터 예측 방법
WO2023182673A1 (ko) 컨텍스트 모델 초기화를 사용하는 비디오 코딩을 위한 방법 및 장치
WO2022197137A1 (ko) 성분별 적응적 공간해상도를 갖는 움직임벡터를 이용하는 비디오 코딩방법 및 장치
WO2023219288A1 (ko) 양방향 예측을 이용하는 크로마 성분의 인터 예측을 위한 방법
WO2023132508A1 (ko) 크로마 성분을 위한 템플릿 기반 인트라 모드 유도를 위한 방법
WO2023038444A1 (ko) 비디오 부호화/복호화 방법 및 장치
WO2023277602A1 (ko) 비디오 부호화/복호화 방법 및 장치

Legal Events

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

Ref document number: 21862035

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21862035

Country of ref document: EP

Kind code of ref document: A1