WO2022050166A1 - 再生装置、送信装置、再生方法、及び、送信方法 - Google Patents

再生装置、送信装置、再生方法、及び、送信方法 Download PDF

Info

Publication number
WO2022050166A1
WO2022050166A1 PCT/JP2021/031329 JP2021031329W WO2022050166A1 WO 2022050166 A1 WO2022050166 A1 WO 2022050166A1 JP 2021031329 W JP2021031329 W JP 2021031329W WO 2022050166 A1 WO2022050166 A1 WO 2022050166A1
Authority
WO
WIPO (PCT)
Prior art keywords
segment
subpictures
unit
preselection
prediction
Prior art date
Application number
PCT/JP2021/031329
Other languages
English (en)
French (fr)
Inventor
バージニー ドルージョン
正真 遠間
孝啓 西
清史 安倍
梨沙 石原
伸彦 橋田
Original Assignee
パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ filed Critical パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Priority to EP21864224.7A priority Critical patent/EP4210339A4/en
Priority to CN202180052926.3A priority patent/CN116075805A/zh
Publication of WO2022050166A1 publication Critical patent/WO2022050166A1/ja
Priority to US18/114,533 priority patent/US20230217065A1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H04N21/23439—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements for generating different versions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44016—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving splicing one content stream with another content stream, e.g. for substituting a video clip
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/482—End-user interface for program selection
    • H04N21/4825—End-user interface for program selection using a list of items to be played back in a given order, e.g. playlists
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/812—Monomedia components thereof involving advertisement data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards

Definitions

  • the present disclosure relates to transmission and reproduction of video content, and in particular, to a reproduction device, transmission device, reproduction method and transmission method related to a system, a component, a method and the like in coding and decoding of a moving image.
  • the video coding technology is H. From 261 and MPEG-1, H.M. 264 / AVC (Advanced Video Coding), MPEG-LA, H. 265 / HEVC (High Efficiency Video Coding), and H. We are making progress toward 266 / VVC (Versatile Video Codec).
  • Non-Patent Document 1 relates to an example of the conventional standard for the video coding technology described above.
  • Non-Patent Document 2 relates to a technique for transmitting / receiving data between a server (content providing device) and a client (content playing device) using HTTP (HyperText Transfer Protocol).
  • HTTP HyperText Transfer Protocol
  • Non-Patent Document 3 relates to a container in a format used for Internet distribution of contents.
  • H. 265 (ISO / IEC 23008-2 HEVC) / HEVC (High Efficiency Video Coding)
  • Information technology-Dynamic advanced streaming over HTTP (DASH) -Part 1: Media presentation description and segmention formats, ISO / IEC-2012 (ISO / IEC-2015-2014)
  • the present disclosure provides a reproduction device, a transmission device, a reproduction method, and a transmission method capable of stably executing low-delay live streaming.
  • the reproduction device includes a circuit and a memory connected to the circuit, and the circuit includes a plurality of first subpictures corresponding to a plurality of times in operation.
  • One segment and a second segment including a plurality of second subpictures corresponding to the plurality of times are acquired, and the plurality of first subpictures and the plurality of second subpictures are combined to obtain the plurality of times.
  • a plurality of access units corresponding to the above are generated, and the generated plurality of access units are reproduced.
  • the reproduction device includes a circuit and a memory connected to the circuit, and the circuit acquires a manifest file in operation and is described in the manifest file.
  • the preselection is included in the first preselection.
  • a first segment including a plurality of first subpictures corresponding to a plurality of times and a second segment including a plurality of second subpictures corresponding to the plurality of times are acquired and acquired.
  • the first segment and the second segment are reproduced and the selected one preselection is the second preselection, the first segment and the first segment are based on the information contained in the second preselection.
  • a third segment including a plurality of third subpictures corresponding to the plurality of times is acquired, and the acquired first segment and the third segment are reproduced.
  • the transmission device includes a circuit and a memory connected to the circuit, and the circuit includes a plurality of first subpictures corresponding to a plurality of times in operation.
  • a signal requesting one segment and a second segment including a plurality of second subpictures corresponding to the plurality of times is received, and based on the received signal, the first segment and the second segment To send.
  • the transmission device includes a circuit and a memory connected to the circuit, and the circuit receives a content list request signal in operation and receives the content list request.
  • a manifest file is transmitted based on the signal, and a signal indicating that one preselection is selected from a plurality of preselections including the first preselection and the second preselection described in the manifest file is received.
  • the selected preselection is the first preselection
  • the first segment including a plurality of first subpictures corresponding to a plurality of times based on the information contained in the first preselection.
  • a second segment containing a plurality of second subpictures corresponding to the plurality of times is transmitted, and if the one selected preselection is the second preselection, the second preselection is included in the second preselection. Based on the information, the first segment and the third segment including the plurality of third subpictures corresponding to the plurality of times are transmitted.
  • a recording medium such as a system, an integrated circuit, a computer program or a computer-readable CD-ROM, and the system, method, integrated circuit, computer program and recording may be realized. It may be realized by any combination of media.
  • a reproduction device a transmission device, a reproduction method, and a transmission method capable of stably executing low-delay live streaming are provided.
  • FIG. 1 is a schematic diagram showing an example of a configuration of a transmission system according to an embodiment.
  • FIG. 2 is a diagram showing an example of a hierarchical structure of data in a stream.
  • FIG. 3 is a diagram showing an example of a slice configuration.
  • FIG. 4 is a diagram showing an example of the tile configuration.
  • FIG. 5 is a diagram showing an example of a coding structure at the time of scalable coding.
  • FIG. 6 is a diagram showing an example of a coding structure at the time of scalable coding.
  • FIG. 7 is a block diagram showing an example of the configuration of the coding apparatus according to the embodiment.
  • FIG. 8 is a block diagram showing an implementation example of the coding device.
  • FIG. 1 is a schematic diagram showing an example of a configuration of a transmission system according to an embodiment.
  • FIG. 2 is a diagram showing an example of a hierarchical structure of data in a stream.
  • FIG. 3 is a diagram showing an example of a
  • FIG. 9 is a flowchart showing an example of the overall coding process by the coding device.
  • FIG. 10 is a diagram showing an example of block division.
  • FIG. 11 is a diagram showing an example of the configuration of the divided portion.
  • FIG. 12 is a diagram showing an example of a division pattern.
  • FIG. 13A is a diagram showing an example of a syntax tree of a division pattern.
  • FIG. 13B is a diagram showing another example of the syntax tree of the division pattern.
  • FIG. 14 is a table showing transformation basis functions corresponding to each transformation type.
  • FIG. 15 is a diagram showing an example of SVT.
  • FIG. 16 is a flowchart showing an example of processing by the conversion unit.
  • FIG. 17 is a flowchart showing another example of processing by the conversion unit.
  • FIG. 16 is a flowchart showing an example of processing by the conversion unit.
  • FIG. 18 is a block diagram showing an example of the configuration of the quantization unit.
  • FIG. 19 is a flowchart showing an example of quantization by the quantization unit.
  • FIG. 20 is a block diagram showing an example of the configuration of the entropy coding unit.
  • FIG. 21 is a diagram showing the flow of CABAC in the entropy coding unit.
  • FIG. 22 is a block diagram showing an example of the configuration of the loop filter unit.
  • FIG. 23A is a diagram showing an example of the shape of a filter used in ALF (adaptive loop filter).
  • FIG. 23B is a diagram showing another example of the shape of the filter used in ALF.
  • FIG. 23C is a diagram showing another example of the shape of the filter used in ALF.
  • FIG. 23A is a diagram showing an example of the shape of a filter used in ALF (adaptive loop filter).
  • FIG. 23B is a diagram showing another example of the shape of the filter used in ALF.
  • FIG. 23C
  • FIG. 23D is a diagram showing an example in which the Y sample (first component) is used for CCALF of Cb and CCALF of Cr (a plurality of components different from the first component).
  • FIG. 23E is a diagram showing a diamond shape filter.
  • FIG. 23F is a diagram showing an example of JC-CCALF.
  • FIG. 23G is a diagram showing an example of a weight_index candidate of JC-CCALF.
  • FIG. 24 is a block diagram showing an example of a detailed configuration of a loop filter unit that functions as a DBF.
  • FIG. 25 is a diagram showing an example of a deblocking filter having a filter characteristic symmetrical with respect to a block boundary.
  • FIG. 26 is a diagram for explaining an example of a block boundary on which deblocking filtering is performed.
  • FIG. 27 is a diagram showing an example of the Bs value.
  • FIG. 28 is a flowchart showing an example of processing performed by the prediction unit of the coding apparatus.
  • FIG. 29 is a flowchart showing another example of the processing performed by the prediction unit of the coding apparatus.
  • FIG. 30 is a flowchart showing another example of the processing performed by the prediction unit of the coding apparatus.
  • FIG. 31 is a diagram showing an example of 67 intra prediction modes in intra prediction.
  • FIG. 32 is a flowchart showing an example of processing by the intra prediction unit.
  • FIG. 33 is a diagram showing an example of each reference picture.
  • FIG. 34 is a conceptual diagram showing an example of a reference picture list.
  • FIG. 35 is a flowchart showing a basic processing flow of inter-prediction.
  • FIG. 36 is a flowchart showing an example of MV derivation.
  • FIG. 37 is a flowchart showing another example of MV derivation.
  • FIG. 38A is a diagram showing an example of classification of each mode of MV derivation.
  • FIG. 38B is a diagram showing an example of classification of each mode of MV derivation.
  • FIG. 39 is a flowchart showing an example of inter-prediction by the normal inter-mode.
  • FIG. 40 is a flowchart showing an example of inter-prediction by the normal merge mode.
  • FIG. 41 is a diagram for explaining an example of the MV derivation process in the normal merge mode.
  • FIG. 41 is a diagram for explaining an example of the MV derivation process in the normal merge mode.
  • FIG. 42 is a diagram for explaining an example of MV derivation processing in the HMVP (History-based Motion Vector Prediction / Predictor) mode.
  • FIG. 43 is a flowchart showing an example of FRUC (frame rate upconversion).
  • FIG. 44 is a diagram for explaining an example of pattern matching (bilateral matching) between two blocks along a motion trajectory.
  • FIG. 45 is a diagram for explaining an example of pattern matching (template matching) between a template in a current picture and a block in a reference picture.
  • FIG. 46A is a diagram for explaining an example of derivation of MV in sub-block units in an affine mode using two control points.
  • FIG. 46B is a diagram for explaining an example of deriving the MV in sub-block units in the affine mode using three control points.
  • FIG. 47A is a conceptual diagram for explaining an example of MV derivation of a control point in the affine mode.
  • FIG. 47B is a conceptual diagram for explaining an example of MV derivation of a control point in the affine mode.
  • FIG. 47C is a conceptual diagram for explaining an example of MV derivation of a control point in the affine mode.
  • FIG. 48A is a diagram for explaining an affine mode having two control points.
  • FIG. 48B is a diagram for explaining an affine mode having three control points.
  • FIG. 49A is a conceptual diagram for explaining an example of an MV derivation method for control points when the number of control points differs between the coded block and the current block.
  • FIG. 49B is a conceptual diagram for explaining another example of the MV derivation method of the control points when the number of control points is different between the coded block and the current block.
  • FIG. 50 is a flowchart showing an example of processing in the affine merge mode.
  • FIG. 51 is a flowchart showing an example of processing in the affine intermode.
  • FIG. 52A is a diagram for explaining the generation of predicted images of two triangles.
  • FIG. 52B is a conceptual diagram showing the first part of the first partition and examples of the first sample set and the second sample set.
  • FIG. 52C is a conceptual diagram showing the first portion of the first partition.
  • FIG. 53 is a flowchart showing an example of the triangle mode.
  • FIG. 54 is a diagram showing an example of an ATMVP (Advanced Temporal Motion Vector Prediction / Predictor) mode in which the MV is derived in sub-block units.
  • FIG. 55 is a diagram showing the relationship between the merge mode and DMVR (dynamic motion vector refreshing).
  • FIG. 56 is a conceptual diagram for explaining an example of DMVR.
  • FIG. 57 is a conceptual diagram for explaining another example of DMVR for determining MV.
  • FIG. 58A is a diagram showing an example of motion search in DMVR.
  • FIG. 58B is a flowchart showing an example of motion search in DMVR.
  • FIG. 59 is a flowchart showing an example of generating a predicted image.
  • FIG. 60 is a flowchart showing another example of generating a predicted image.
  • FIG. 61 is a flowchart for explaining an example of the predicted image correction process by OBMC (overlapped block motion compression).
  • FIG. 62 is a conceptual diagram for explaining an example of the predicted image correction process by the OBMC.
  • FIG. 63 is a diagram for explaining a model assuming constant velocity linear motion.
  • FIG. 64 is a flowchart showing an example of inter-prediction according to BIO.
  • FIG. 65 is a diagram showing an example of the configuration of an inter-prediction unit that performs inter-prediction according to BIO.
  • FIG. 66A is a diagram for explaining an example of a predicted image generation method using a luminance correction process by LIC (local illumination compression).
  • FIG. 66B is a flowchart showing an example of a predicted image generation method using the luminance correction process by LIC.
  • FIG. 67 is a block diagram showing a configuration of a decoding device according to an embodiment.
  • FIG. 68 is a block diagram showing an implementation example of the decoding device.
  • FIG. 69 is a flowchart showing an example of the overall decoding process by the decoding device.
  • FIG. 70 is a diagram showing the relationship between the division determination unit and other components.
  • FIG. 71 is a block diagram showing an example of the configuration of the entropy decoding unit.
  • FIG. 72 is a diagram showing the flow of CABAC in the entropy decoding unit.
  • FIG. 73 is a block diagram showing an example of the configuration of the inverse quantization unit.
  • FIG. 74 is a flowchart showing an example of dequantization by the dequantization unit.
  • FIG. 75 is a flowchart showing an example of processing by the inverse conversion unit.
  • FIG. 76 is a flowchart showing another example of processing by the inverse conversion unit.
  • FIG. 77 is a block diagram showing an example of the configuration of the loop filter unit.
  • FIG. 78 is a flowchart showing an example of processing performed by the prediction unit of the decoding device.
  • FIG. 79 is a flowchart showing another example of the processing performed by the prediction unit of the decoding device.
  • FIG. 80A is a flowchart showing a part of other examples of processing performed by the prediction unit of the decoding device.
  • FIG. 80B is a flow chart showing the rest of other examples of processing performed by the predictor of the decoding device.
  • FIG. 81 is a diagram showing an example of processing by the intra prediction unit of the decoding device.
  • FIG. 82 is a flowchart showing an example of MV derivation in the decoding device.
  • FIG. 83 is a flowchart showing another example of MV derivation in the decoding device.
  • FIG. 84 is a flowchart showing an example of inter-prediction by the normal inter-mode in the decoding device.
  • FIG. 85 is a flowchart showing an example of inter-prediction in the normal merge mode in the decoding device.
  • FIG. 85 is a flowchart showing an example of inter-prediction in the normal merge mode in the decoding device.
  • FIG. 86 is a flowchart showing an example of inter-prediction in the FRUC mode in the decoding device.
  • FIG. 87 is a flowchart showing an example of inter-prediction by the affine merge mode in the decoding device.
  • FIG. 88 is a flowchart showing an example of inter-prediction by the affine inter-mode in the decoding device.
  • FIG. 89 is a flowchart showing an example of inter-prediction by the triangle mode in the decoding device.
  • FIG. 90 is a flowchart showing an example of motion search by DMVR in the decoding device.
  • FIG. 91 is a flowchart showing a detailed example of motion search by DMVR in the decoding device.
  • FIG. 92 is a flowchart showing an example of generation of a predicted image in a decoding device.
  • FIG. 93 is a flowchart showing another example of generating a predicted image in the decoding device.
  • FIG. 94 is a flowchart showing an example of correction of a predicted image by OBMC in a decoding device.
  • FIG. 95 is a flowchart showing an example of correction of a predicted image by BIO in a decoding device.
  • FIG. 96 is a flowchart showing an example of correction of a predicted image by LIC in a decoding device.
  • FIG. 97 is a block diagram showing an implementation example of the reproduction device.
  • FIG. 98 is a block diagram showing an implementation example of the transmission device.
  • FIG. 99 is a diagram for explaining the sub-picture function.
  • FIG. 100 is a diagram schematically showing a first example of an application that uses the sub-picture function.
  • FIG. 101 is a flowchart showing an example of how to use the preselection in the first aspect.
  • FIG. 102 is a diagram schematically showing a second example of an application that uses the sub-picture function.
  • FIG. 103 is a flowchart showing an example of how to use the preselection in the second aspect.
  • FIG. 104 is a diagram schematically showing a third example of an application that uses the sub-picture function.
  • FIG. 105 is a diagram for explaining an example of a manifest file.
  • FIG. 106 is a diagram showing an example of a plurality of preselections included in the manifest file of FIG. 105.
  • FIG. 107 is a diagram conceptually showing the components of the reproduction device.
  • FIG. 108 is a diagram showing an example of components of the reproduction device.
  • FIG. 109 is a diagram schematically showing a typical use example of a plurality of sub-pictures in a transmitting device.
  • FIG. 110 is a diagram schematically showing a typical use example of a plurality of sub-pictures in a reproduction device.
  • FIG. 111 is a diagram schematically showing another usage example of a plurality of sub-pictures in a transmitting device.
  • FIG. 112A is a flowchart showing an example of the operation performed by the reproduction device.
  • FIG. 112B is a flowchart showing another example of the operation performed by the reproduction device.
  • FIG. 112A is a flowchart showing an example of the operation performed by the reproduction device.
  • FIG. 112B is a flowchart showing another example of the operation performed by the reproduction device.
  • FIG. 112A is a flowchart showing an
  • FIG. 113A is a flowchart showing an example of the operation performed by the transmission device.
  • FIG. 113B is a flowchart showing another example of the operation performed by the transmitting device.
  • FIG. 114 is an overall configuration diagram of a content supply system that realizes a content distribution service.
  • FIG. 115 is a diagram showing an example of a display screen of a web page.
  • FIG. 116 is a diagram showing an example of a display screen of a web page.
  • FIG. 117 is a diagram showing an example of a smartphone.
  • FIG. 118 is a block diagram showing a configuration example of a smartphone.
  • the reproduction device includes a circuit and a memory connected to the circuit, wherein the circuit includes a first segment including a plurality of first subpictures corresponding to a plurality of times in operation. And a second segment including a plurality of second subpictures corresponding to the plurality of times, and the plurality of first subpictures and the plurality of second subpictures are combined to correspond to the plurality of times. A plurality of access units are generated, and the generated plurality of access units are reproduced.
  • the playback device can efficiently combine a plurality of different videos on the same screen to play video contents. Therefore, the reproduction device according to one aspect of the present disclosure can stably perform low-delay live streaming.
  • the first segment and the second segment correspond to one random access unit.
  • the playback device can combine different videos having the same time information, so that video content in which a plurality of sub-pictures corresponding to the same time are combined on the same screen can be played. Can be done.
  • the reproduction device includes a circuit and a memory connected to the circuit, and the circuit acquires a manifest file in operation and is described in the manifest file.
  • the preselection is included in the first preselection.
  • a first segment including a plurality of first subpictures corresponding to a plurality of times and a second segment including a plurality of second subpictures corresponding to the plurality of times are acquired and acquired.
  • the first segment and the second segment are reproduced and the selected one preselection is the second preselection, the first segment and the first segment are based on the information contained in the second preselection.
  • a third segment including a plurality of third subpictures corresponding to the plurality of times is acquired, and the acquired first segment and the third segment are reproduced.
  • the information included in the first preselection is information indicating the first adaptation set and the second adaptation set, and is included in the second preselection.
  • the information is information indicating the first adaptation set and the third adaptation set, and the first adaptation set corresponds to the plurality of first subpictures included in the first segment, and the second adaptation set.
  • the third adaptation set corresponds to the plurality of third subpictures included in the third segment.
  • the reproduction device can collectively specify a plurality of sub-pictures via the adaptation set.
  • the image size of the plurality of second subpictures is equal to the image size of the plurality of third subpictures, respectively.
  • the playback device can display the video content of the same image size on the display regardless of whether the first preselection or the second preselection is selected.
  • the areas in which the plurality of second subpictures are displayed are the first.
  • the segment and the third segment are reproduced it is equal to the area where the plurality of third subpictures are displayed.
  • the reproduction device can display the second segment and the third segment on the display at the same position and the same size. Therefore, the reproduction device according to one aspect of the present disclosure can smoothly switch the display between the second segment and the third segment on the display while reproducing the first segment.
  • the plurality of first subpictures, the plurality of second subpictures, or the plurality of third subpictures are personalized, accessible, and targeted advertisements. Provided for at least one of.
  • the playback device can personalize, accessibility, and target advertisement any one of a plurality of first subpictures, a plurality of second subpictures, and a plurality of third subpictures. It can be used for at least one. Therefore, the reproduction device according to one aspect of the present disclosure can display according to the user.
  • the plurality of first subpictures, the plurality of second subpictures, and the plurality of third subpictures are related to the same video content.
  • the plurality of first sub-pictures correspond to the first view of the same video content
  • the plurality of second sub-pictures correspond to the second view of the same video content
  • the plurality of third sub-pictures corresponds to the third view of the same video content.
  • the playback device combines at least two of a plurality of first subpictures, a plurality of second subpictures, and a plurality of third subpictures to relate to the same video content. It is possible to generate and play video content that includes multiple views.
  • the plurality of third sub-pictures correspond to sign language content
  • the circuit is selected when the second preselection is selected based on the accessibility.
  • the first segment and the third segment are regenerated.
  • the playback device can generate and play video content in which sign language content is included in a part of one video content.
  • the plurality of third sub-pictures correspond to the advertisement content
  • the circuit selects the second preselection based on the target advertisement.
  • the first segment and the third segment are regenerated.
  • the playback device can generate and play video content in which advertisement content for a specific target person is displayed as a part of one video content.
  • the picture IDs are different from each other.
  • the playback device may generate video content in which at least two of a plurality of first subpictures, a plurality of second subpictures, and a plurality of third subpictures are combined. , There is no need to change the coding parameters of the generated video content.
  • the transmission device includes a circuit and a memory connected to the circuit, and the circuit includes a plurality of first subpictures corresponding to a plurality of times in operation.
  • a signal requesting one segment and a second segment including a plurality of second subpictures corresponding to the plurality of times is received, and based on the received signal, the first segment and the second segment To send.
  • the transmission device can transmit a segment corresponding to a plurality of times and having different images to the playback device based on the signal received from the playback device. Therefore, the transmission device according to one aspect of the present disclosure enables the playback device to efficiently combine a plurality of different videos on the same screen to reproduce the video content, so that the playback device can stably reproduce the video content with low delay. It can be possible to perform livestreaming.
  • the first segment and the second segment correspond to one random access unit.
  • the transmission device can transmit different images having the same time information to the playback device, so that the playback device combines a plurality of subpictures corresponding to the same time on the same screen. It is possible to play back the video content.
  • the transmission device includes a circuit and a memory connected to the circuit, and the circuit receives a content list request signal in operation and receives the content list request.
  • a manifest file is transmitted based on the signal, and a signal indicating that one preselection is selected from a plurality of preselections including the first preselection and the second preselection described in the manifest file is received.
  • the selected preselection is the first preselection
  • the first segment including a plurality of first subpictures corresponding to a plurality of times based on the information contained in the first preselection.
  • a second segment containing a plurality of second subpictures corresponding to the plurality of times is transmitted, and if the one selected preselection is the second preselection, the second preselection is included in the second preselection. Based on the information, the first segment and the third segment including the plurality of third subpictures corresponding to the plurality of times are transmitted.
  • the transmission device can transmit a combination of a plurality of segments including a plurality of subpictures to the playback device according to the selected preselection. Therefore, the transmission device according to one aspect of the present disclosure can realize various display modes of video content by the playback device.
  • the information included in the first preselection includes the first adaptation set corresponding to the plurality of first subpictures included in the first segment, and the said.
  • Information indicating the second adaptation set corresponding to the plurality of second subpictures included in the second segment, and the information included in the second preselection includes the first adaptation set and the third segment.
  • the transmission device can transmit a plurality of adaptation sets to the reproduction device according to the selected preselection. Therefore, the transmission device according to one aspect of the present disclosure can enable the reproduction device to collectively specify a plurality of subpictures via an adaptation set.
  • the image size of the plurality of second subpictures is equal to the image size of the plurality of third subpictures, respectively.
  • the transmission device can transmit different images having the same time information and image size to the playback device. Therefore, the transmission device according to one aspect of the present disclosure enables the playback device to display video content of the same image size on the display regardless of whether the first preselection or the second preselection is selected. be able to.
  • the areas in which the plurality of second subpictures are displayed are the first.
  • the segment and the third segment are reproduced it is equal to the area where the plurality of third subpictures are displayed.
  • the transmission device can transmit different segments having the same video position and size to be played in different video contents to the playback device. Therefore, the transmission device according to one aspect of the present disclosure can enable the reproduction device to display the second segment and the third segment on the display at the same position and the same size. Therefore, the transmission device according to one aspect of the present disclosure can enable the reproduction device to smoothly switch the display between the second segment and the third segment on the display while reproducing the first segment. can.
  • the plurality of first subpictures, the plurality of second subpictures, or the plurality of third subpictures are personalized, accessible, and targeted advertisements. Provided for at least one of.
  • the transmitting device has a plurality of first subpictures, a plurality of second subpictures, and a plurality of third subpictures used for at least one of personalization, accessibility, and targeted advertisement. Subpictures can be sent to the playback device. Therefore, the transmission device according to one aspect of the present disclosure can enable the display by the playback device according to the user.
  • the plurality of first subpictures, the plurality of second subpictures, and the plurality of third subpictures are related to the same video content.
  • the plurality of first sub-pictures correspond to the first view of the same video content
  • the plurality of second sub-pictures correspond to the second view of the same video content
  • the plurality of third sub-pictures corresponds to the third view of the same video content.
  • the transmission device can transmit a plurality of segments corresponding to a plurality of views related to the same video content to the playback device. Therefore, the transmission device according to one aspect of the present disclosure can enable the playback device to generate and play video content including a plurality of views related to the same video content.
  • the plurality of third sub-pictures correspond to sign language content
  • the circuit is selected when the second preselection is selected based on the accessibility.
  • the first segment and the third segment are transmitted.
  • the transmission device realizes the accessibility required by the user (for example, reproduction of video content in which sign language content is displayed as a part of video) according to the selected preselection. Multiple segments of can be transmitted to the playback device.
  • the plurality of third sub-pictures correspond to the advertisement content
  • the circuit selects the second preselection based on the target advertisement.
  • the first segment and the third segment are transmitted.
  • the transmission device displays advertisement content for a specific target person as a part of a target advertisement suitable for the user (for example, a part of one video content) according to the selected preselection. It is possible to transmit a plurality of segments for realizing (playback of video content) to a playback device.
  • the picture IDs are different from each other.
  • the transmission device can transmit a plurality of subpictures having unique IDs to the playback device, so that the playback device generates video content without changing the coding parameters. Can be made possible.
  • the reproduction method includes a first segment including a plurality of first subpictures corresponding to a plurality of times, and a second segment including a plurality of second subpictures corresponding to the plurality of times. , And the plurality of first subpictures and the plurality of second subpictures are combined to generate a plurality of access units corresponding to the plurality of times, and the generated plurality of access units are reproduced. ..
  • the device that executes the reproduction method according to one aspect of the present disclosure can efficiently combine a plurality of different images on the same screen to reproduce the image content. Therefore, the device that executes the reproduction method according to one aspect of the present disclosure can stably execute low-delay live streaming.
  • a manifest file is acquired, and one preselection is selected from a plurality of preselections including the first preselection and the second preselection described in the manifest file.
  • the selected preselection is the first preselection
  • the first segment including a plurality of first subpictures corresponding to a plurality of times based on the information contained in the first preselection.
  • a second segment containing a plurality of different second subpictures corresponding to the plurality of times, the acquired first segment and the second segment are reproduced, and the selected pre.
  • the selection is the second preselection
  • the first segment and the third segment including a plurality of third subpictures corresponding to the plurality of times are included based on the information contained in the second preselection.
  • the acquired first segment and the acquired third segment are reproduced.
  • the device that executes the reproduction method according to one aspect of the present disclosure can reproduce a combination of a plurality of segments including a plurality of subpictures on the same screen according to the selected preselection. Therefore, the device that executes the reproduction method according to one aspect of the present disclosure can realize various display modes of the video content.
  • the transmission method is a first segment including a plurality of first subpictures corresponding to a plurality of times, and a second segment including a plurality of second subpictures corresponding to the plurality of times. Is received, and the first segment and the second segment are transmitted based on the received signal.
  • the device that executes the transmission method according to one aspect of the present disclosure transmits to the playback device a segment that corresponds to a plurality of times and has different images based on the signal received from the playback device. Can be done. Therefore, the device that executes the transmission method according to one aspect of the present disclosure enables the playback device to efficiently combine a plurality of different videos on the same screen to play the video content, so that the playback device is stable. It is possible to perform low-latency live streaming.
  • a content list request signal is received, a manifest file is transmitted based on the received content list request signal, and the first preselection and the first preselection described in the manifest file are transmitted.
  • the first preselection is performed. Based on the information contained in the preselection, a first segment containing a plurality of first subpictures corresponding to a plurality of times and a second segment containing a plurality of second subpictures corresponding to the plurality of times are transmitted.
  • the selected preselection is the second preselection
  • the first segment and the plurality of thirds corresponding to the plurality of times are based on the information contained in the second preselection.
  • a third segment containing a subpicture is transmitted.
  • the device that executes the transmission method according to one aspect of the present disclosure can transmit a combination of a plurality of segments including a plurality of subpictures to the reproduction device according to the selected preselection. Therefore, the device that executes the transmission method according to one aspect of the present disclosure can realize various display modes of the video content by the playback device.
  • Image A unit of data composed of a set of pixels, consisting of pictures and blocks smaller than pictures, including moving images as well as still images.
  • Block This is a processing unit of a set including a specific number of pixels, and the name does not matter as shown in the following example. Further, regardless of the shape, for example, a rectangle composed of M ⁇ N pixels, a square composed of M ⁇ M pixels, as well as a triangle, a circle, and other shapes are included.
  • Pixel / sample A point of the smallest unit constituting an image which includes not only a pixel at an integer position but also a pixel at a decimal position generated based on a pixel at an integer position.
  • Pixel value / sample value A unique value possessed by a pixel, which includes not only a luminance value, a color difference value, and an RGB gradation, but also a depth value or two values of 0 and 1.
  • (6) Flag In addition to 1 bit, a case of a plurality of bits is also included, and for example, a parameter or index of 2 bits or more may be used. Further, not only a binary number using a binary number but also a multi-value using another binary number may be used.
  • Signals Symbolized and encoded for transmitting information including discretized digital signals as well as analog signals that take continuous values.
  • Stream / bitstream A data string of digital data or a flow of digital data.
  • the stream / bitstream may be divided into a plurality of layers and composed of a plurality of streams.
  • the case of transmission by packet communication on a plurality of transmission lines is also included.
  • Limit limit, restoration / restored / restored
  • Limit In other words, it is not allowed. Also, not prohibiting or being permitted does not necessarily mean an obligation. Furthermore, it is sufficient if a part of it is prohibited quantitatively or qualitatively, and a case where it is totally prohibited is also included.
  • Color difference An adjective represented by the symbols Cb and Cr, which specifies that a sample sequence or a single sample represents one of the two color difference signals associated with the primary colors. Instead of the term chroma, the term chrominance can also be used.
  • Luminance An adjective represented by a symbol or subscript Y or L that specifies that a sample array or a single sample represents a monochrome signal associated with the primary colors.
  • luminance can also be used in place of the term lumen.
  • Embodiments are examples of coding and decoding devices to which the processes and / or configurations described in each aspect of the present disclosure can be applied.
  • the processing and / or the configuration can also be carried out in a coding device and a decoding device different from the embodiment.
  • one of the following may be performed.
  • a part of the components constituting the coding device or the decoding device of the embodiment may be combined with the components described in any one of the embodiments of the present disclosure. , May be combined with a component comprising some of the functions described in any of the embodiments of the present disclosure, or a component performing a portion of the processing performed by the component described in each aspect of the present disclosure. May be combined with.
  • a component including a part of the function of the coding device or the decoding device of the embodiment, or a component performing a part of the processing of the coding device or the decoding device of the embodiment is disclosed in the present disclosure.
  • any one of the plurality of processes included in the method is the process described in any one of the embodiments of the present disclosure, or the same. It may be replaced or combined with any of the processes.
  • the method of carrying out the processing and / or the configuration described in each aspect of the present disclosure is not limited to the coding device or the decoding device of the embodiment.
  • the processing and / or the configuration may be performed in an apparatus used for a purpose different from the moving image coding or moving image decoding disclosed in the embodiment.
  • FIG. 1 is a schematic diagram showing an example of a configuration of a transmission system according to the present embodiment.
  • the transmission system Trs is a system that transmits a stream generated by encoding an image and decodes the transmitted stream.
  • Such a transmission system Trs includes, for example, a coding device 100, a network Nw, and a decoding device 200, as shown in FIG.
  • An image is input to the coding device 100.
  • the coding device 100 generates a stream by encoding the input image, and outputs the stream to the network Nw.
  • the stream contains, for example, a coded image and control information for decoding the coded image.
  • the image is compressed by this coding.
  • the original image before being encoded which is input to the coding apparatus 100, is also called an original image, an original signal, or an original sample.
  • the image may be a moving image or a still image.
  • images are superordinate concepts such as sequences, pictures and blocks and are not subject to spatial and temporal domain restrictions unless otherwise specified.
  • An image is composed of pixels or an array of pixel values, and the signal or pixel value representing the image is also referred to as a sample.
  • the stream may also be referred to as a bitstream, coded bitstream, compressed bitstream, or coded signal.
  • the coding device may be referred to as an image coding device or a moving image coding device, and the coding method by the coding device 100 is a coding method, an image coding method, or a moving image coding method. May be called.
  • the network Nw transmits the stream generated by the coding device 100 to the decoding device 200.
  • the network Nw may be the Internet, a wide area network (WAN: Wide Area Network), a small-scale network (LAN: Local Area Network), or a combination thereof.
  • the network Nw is not necessarily limited to a bidirectional communication network, but may be a one-way communication network that transmits broadcast waves such as terrestrial digital broadcasting or satellite broadcasting. Further, the network Nw may be replaced by a storage medium recording a stream such as a DVD (Digital Versaille Disc) or a BD (Blu-Ray Disc (registered trademark)).
  • the decoding device 200 generates a decoded image, which is an uncompressed image, for example, by decoding the stream transmitted by the network Nw. For example, the decoding device decodes the stream according to the decoding method corresponding to the coding method by the coding device 100.
  • the decoding device may be referred to as an image decoding device or a moving image decoding device, and the decoding method by the decoding device 200 may be referred to as a decoding method, an image decoding method, or a moving image decoding method.
  • FIG. 2 is a diagram showing an example of a hierarchical structure of data in a stream.
  • the stream contains, for example, a video sequence.
  • This video sequence includes, for example, VPS (Video Parameter Set), SPS (Sequence Parameter Set), PPS (Picture Parameter Set), SEI (Supplement Parameter), and SEI (Supplemental Elements), as shown in FIG. 2A. Includes pictures of.
  • the VPS includes a coding parameter common to a plurality of layers in a moving image composed of a plurality of layers, and a plurality of layers included in the moving image, or a coding parameter related to each layer.
  • the SPS includes parameters used for the sequence, i.e., encoding parameters referenced by the decoder 200 to decode the sequence.
  • the coding parameter may indicate the width or height of the picture.
  • the PPS includes parameters used for the pictures, i.e., encoding parameters referenced by the decoding device 200 to decode each picture in the sequence.
  • the coding parameter may include a reference value of the quantization width used for decoding the picture and a flag indicating the application of the weighted prediction.
  • There may be a plurality of PPS. Further, SPS and PPS may be simply referred to as a parameter set.
  • the picture may include a picture header and one or more slices, as shown in FIG. 2B.
  • the picture header contains coding parameters referenced by the decoder 200 to decode one or more slices thereof.
  • the slice contains a slice header and one or more bricks, as shown in FIG. 2 (c).
  • the slice header contains coding parameters referenced by the decoder 200 to decode one or more of its bricks.
  • the brick includes one or more CTUs (Coding Tree Units) as shown in FIG. 2 (d).
  • CTUs Coding Tree Units
  • the picture does not include a slice and may include a tile group instead of the slice.
  • the tile group contains one or more tiles.
  • the brick may contain slices.
  • CTU is also called a super block or a basic division unit. As shown in FIG. 2 (e), such a CTU includes a CTU header and one or more CUs (Coding Units).
  • the CTU header contains coding parameters referenced by the decoder 200 to decode one or more CUs.
  • the CU may be divided into a plurality of small CUs. Further, as shown in FIG. 2 (f), the CU includes a CU header, prediction information, and residual coefficient information.
  • the prediction information is information for predicting the CU
  • the residual coefficient information is information indicating the prediction residual described later.
  • the CU is basically the same as the PU (Prophecy Unit) and the TU (Transform Unit), but for example, in the SBT described later, a plurality of TUs smaller than the CU may be included.
  • the CU may be processed for each VPDU (Victorial Pipeline Decoding Unit) constituting the CU.
  • the VPDU is, for example, a fixed unit that can be processed in one stage when performing pipeline processing in hardware.
  • a picture that is the target of processing currently performed by a device such as the coding device 100 or the decoding device 200 is referred to as a current picture. If the process is coding, the current picture is synonymous with the coded picture, and if the process is decoding, the current picture is synonymous with the decoded picture. Further, a block such as CU or CU, which is the target of processing currently performed by a device such as a coding device 100 or a decoding device 200, is referred to as a current block. If the processing is coding, the current block is synonymous with the coding target block, and if the processing is decoding, the current block is synonymous with the decoding target block.
  • pictures may be composed of slices or tiles.
  • a slice is a basic coding unit that constitutes a picture.
  • the picture is composed of, for example, one or more slices.
  • the slice consists of one or more contiguous CTUs.
  • FIG. 3 is a diagram showing an example of a slice configuration.
  • the picture contains 11 ⁇ 8 CTUs and is divided into 4 slices (slices 1-4).
  • Slice 1 is composed of, for example, 16 CTUs
  • slice 2 is composed of, for example, 21 CTUs
  • slice 3 is composed of, for example, 29 CTUs
  • slice 4 is composed of, for example, 22 CTUs.
  • each CTU in the picture belongs to any slice.
  • the shape of the slice is a horizontally divided picture.
  • the border of the slice does not have to be the edge of the screen and may be any of the boundaries of the CTU in the screen.
  • the processing order (coding order or decoding order) of the CTUs in the slice is, for example, a raster scan order.
  • the slice also contains a slice header and coded data.
  • the slice header may describe the characteristics of the slice, such as the CTU address at the beginning of the slice and the slice type.
  • a tile is a unit of a rectangular area that constitutes a picture.
  • Each tile may be assigned a number called TileId in raster scan order.
  • FIG. 4 is a diagram showing an example of the tile configuration.
  • the picture contains 11 ⁇ 8 CTUs and is divided into four rectangular area tiles (tiles 1-4).
  • the processing order of the CTU is changed as compared to when tiles are not used. If tiles are not used, multiple CTUs in the picture are processed, for example, in raster scan order. If tiles are used, at least one CTU is processed in each of the plurality of tiles, eg, in raster scan order.
  • the processing order of the plurality of CTUs included in the tile 1 is from the left end of the first row of the tile 1 to the right end of the first row of the tile 1, and then the left end of the second row of the tile 1. The order is from to the right end of the second row of tile 1.
  • one tile may contain one or more slices, and one slice may contain one or more tiles.
  • the picture may be composed of tile sets.
  • the tile set may include one or more tile groups and may include one or more tiles.
  • the picture may consist of only one of a tile set, a tile group, and a tile.
  • the order in which a plurality of tiles are scanned in raster order for each tile set is defined as the basic coding order of tiles.
  • a tile group is a collection of one or more tiles having a continuous basic coding order in each tile set.
  • Such a picture may be composed of a division portion 102 (see FIG. 7) described later.
  • [Scalable encoding] 5 and 6 are diagrams showing an example of a scalable stream configuration.
  • the coding apparatus 100 may generate a temporally / spatially scalable stream by encoding each of the plurality of pictures by dividing them into any of the plurality of layers.
  • the coding device 100 realizes the scalability in which the enhancement layer exists above the base layer by encoding the picture for each layer.
  • Such coding of each picture is called scalable coding.
  • the decoding device 200 can switch the image quality of the image displayed by decoding the stream. That is, the decoding device 200 determines to which layer to decode according to the internal factor of its own performance and the external factor such as the state of the communication band. As a result, the decoding device 200 can freely switch and decode the same content between low-resolution content and high-resolution content.
  • the user of the stream uses a smartphone to watch the moving image of the stream halfway while moving, and after returning home, uses a device such as an Internet TV to watch the continuation of the moving image.
  • a decoding device 200 having the same or different performance from each other.
  • the device decodes up to the upper layer of the stream, the user can view a high-quality moving image after returning home.
  • the coding apparatus 100 does not need to generate a plurality of streams having the same contents but different image quality, and the processing load can be reduced.
  • the enhancement layer may include meta information based on image statistical information and the like.
  • the decoding device 200 may generate a moving image with high image quality by super-resolution of the picture of the base layer based on the meta information.
  • the super-resolution may be either an improvement in the SN (Signal-to-Noise) ratio at the same resolution or an increase in the resolution.
  • the meta information includes information for specifying a linear or non-linear filter coefficient used for super-resolution processing, or information for specifying a parameter value in filter processing, machine learning or a minimum square operation used for super-resolution processing. You may go out.
  • the picture may be divided into tiles or the like according to the meaning of each object in the picture.
  • the decoding device 200 may decode only a part of the picture by selecting the tile to be decoded.
  • the attributes of the object person, car, ball, etc.
  • the position in the picture may be stored as meta information.
  • the decoding device 200 can identify the position of a desired object based on the meta information and determine the tile containing the object. For example, as shown in FIG. 6, meta information is stored using a data storage structure different from image data, such as SEI in HEVC. This meta information indicates, for example, the position, size, or color of the main object.
  • meta information may be stored in a unit composed of a plurality of pictures such as a stream, a sequence, or a random access unit.
  • the decoding device 200 can acquire the time when the specific person appears in the moving image, and by using the time and the information in the picture unit, the picture in which the object exists and the object in the picture can be obtained. The position can be specified.
  • FIG. 7 is a block diagram showing an example of the configuration of the coding apparatus 100 according to the embodiment.
  • the coding device 100 encodes an image in block units.
  • the coding device 100 is a device that encodes an image in block units, and includes a dividing unit 102, a subtracting unit 104, a converting unit 106, a quantization unit 108, and entropy coding.
  • Each of the intra prediction unit 124 and the inter prediction unit 126 is configured as a part of the prediction processing unit.
  • FIG. 8 is a block diagram showing an implementation example of the coding device 100.
  • the coding device 100 includes a processor a1 and a memory a2.
  • the plurality of components of the coding apparatus 100 shown in FIG. 7 are implemented by the processor a1 and the memory a2 shown in FIG.
  • the processor a1 is a circuit that performs information processing and is a circuit that can access the memory a2.
  • the processor a1 is a dedicated or general purpose electronic circuit that encodes an image.
  • the processor a1 may be a processor such as a CPU.
  • the processor a1 may be an aggregate of a plurality of electronic circuits. Further, for example, the processor a1 may play the role of a plurality of components other than the component for storing information among the plurality of components of the coding device 100 shown in FIG. 7.
  • the memory a2 is a dedicated or general-purpose memory in which information for the processor a1 to encode an image is stored.
  • the memory a2 may be an electronic circuit or may be connected to the processor a1. Further, the memory a2 may be included in the processor a1. Further, the memory a2 may be an aggregate of a plurality of electronic circuits. Further, the memory a2 may be a magnetic disk, an optical disk, or the like, or may be expressed as a storage, a recording medium, or the like. Further, the memory a2 may be a non-volatile memory or a volatile memory.
  • the coded image may be stored in the memory a2, or the stream corresponding to the coded image may be stored.
  • the memory a2 may store a program for the processor a1 to encode an image.
  • the memory a2 may play the role of a component for storing information among the plurality of components of the coding device 100 shown in FIG. 7.
  • the memory a2 may serve as the block memory 118 and the frame memory 122 shown in FIG. 7.
  • the memory a2 may store a reconstructed image (specifically, a reconstructed block, a reconstructed picture, or the like).
  • not all of the plurality of components shown in FIG. 7 may be mounted, or all of the plurality of processes described above may not be performed. Some of the plurality of components shown in FIG. 7 may be included in other devices, and some of the above-mentioned processes may be performed by other devices.
  • FIG. 9 is a flowchart showing an example of the overall coding process by the coding device 100.
  • the division unit 102 of the coding apparatus 100 divides the picture included in the original image into a plurality of fixed-size blocks (128 ⁇ 128 pixels) (step Sa_1). Then, the division unit 102 selects a division pattern for the fixed size block (step Sa_2). That is, the division unit 102 further divides the fixed size block into a plurality of blocks constituting the selected division pattern. Then, the coding apparatus 100 performs the processing of steps Sa_3 to Sa_9 for each of the plurality of blocks.
  • the prediction processing unit including the intra prediction unit 124 and the inter prediction unit 126 and the prediction control unit 128 generate a prediction image of the current block (step Sa_3).
  • the predicted image is also called a predicted signal, a predicted block, or a predicted sample.
  • the subtraction unit 104 generates the difference between the current block and the predicted image as the predicted residual (step Sa_4).
  • the prediction residual is also called a prediction error.
  • the conversion unit 106 and the quantization unit 108 generate a plurality of quantization coefficients by performing conversion and quantization on the predicted image (step Sa_5).
  • the entropy coding unit 110 generates a stream by encoding (specifically, entropy coding) the plurality of quantization coefficients and the prediction parameters related to the generation of the prediction image (specifically, entropy coding). Step Sa_6).
  • the inverse quantization unit 112 and the inverse conversion unit 114 restore the predicted residual by performing inverse quantization and inverse conversion on a plurality of quantization coefficients (step Sa_7).
  • the addition unit 116 reconstructs the current block by adding the prediction image to the restored prediction residual (step Sa_8). As a result, a reconstructed image is generated.
  • the reconstructed image is also referred to as a reconstructed block, and in particular, the reconstructed image generated by the coding apparatus 100 is also referred to as a local decoded block or a locally decoded image.
  • the loop filter unit 120 performs filtering on the reconstructed image as necessary (step Sa_9).
  • step Sa_10 determines whether or not the coding of the entire picture is completed (step Sa_10), and if it is determined that the coding is not completed (No in step Sa_10), the processing from step Sa_2 is repeatedly executed. do.
  • the coding apparatus 100 selects one division pattern for a block of a fixed size and encodes each block according to the division pattern, but according to each of the plurality of division patterns. Each block may be encoded. In this case, the coding apparatus 100 evaluates the cost for each of the plurality of division patterns, and selects, for example, the stream obtained by coding according to the division pattern having the lowest cost as the final output stream. You may.
  • steps Sa_1 to Sa_1 may be sequentially performed by the coding apparatus 100, or a plurality of processes of some of these processes may be performed in parallel, and the order is changed. You may.
  • the coding process by such a coding device 100 is a hybrid coding using predictive coding and transform coding.
  • the prediction coding includes the subtraction unit 104, the conversion unit 106, the quantization unit 108, the inverse quantization unit 112, the inverse conversion unit 114, the addition unit 116, the loop filter unit 120, the block memory 118, the frame memory 122, and the intra prediction.
  • This is performed by a coding loop consisting of a unit 124, an inter-prediction unit 126, and a prediction control unit 128. That is, the prediction processing unit including the intra prediction unit 124 and the inter prediction unit 126 constitutes a part of the coding loop.
  • the division unit 102 divides each picture included in the original image into a plurality of blocks, and outputs each block to the subtraction unit 104. For example, the dividing unit 102 first divides the picture into blocks of a fixed size (for example, 128 x 128 pixels). This fixed size block is sometimes referred to as a coded tree unit (CTU). Then, the division 102 divides each of the fixed-size blocks into variable-size (for example, 64x64 pixels or less) blocks based on, for example, recursive quadtree and / or binary tree block divisions. To divide. That is, the division unit 102 selects a division pattern.
  • CTU coded tree unit
  • This variable size block may be referred to as a coding unit (CU), a prediction unit (PU) or a conversion unit (TU).
  • CU, PU, and TU need not be distinguished, and a part or all blocks in the picture may be a processing unit of CU, PU, or TU.
  • FIG. 10 is a diagram showing an example of block division in the embodiment.
  • the solid line represents the block boundary due to the quadtree block division
  • the broken line represents the block boundary due to the binary tree block division.
  • the block 10 is a square block having 128 x 128 pixels. This block 10 is first divided into four 64x64 pixel square blocks (quadtree block division).
  • the upper left 64x64 pixel square block is further vertically divided into two rectangular blocks each consisting of 32x64 pixels, and the left 32x64 pixel rectangular block is further vertically divided into two rectangular blocks each consisting of 16x64 pixels. Is done (divided into half-tree blocks). As a result, the upper left 64x64 pixel square block is divided into two 16x64 pixel rectangular blocks 11 and 12 and a 32x64 pixel rectangular block 13.
  • the 64x64 pixel square block on the upper right is horizontally divided into two rectangular blocks 14 and 15 consisting of 64x32 pixels, respectively (binary tree block division).
  • the lower left 64x64 pixel square block is divided into four square blocks each consisting of 32x32 pixels (quadtree block division). Of the four square blocks each consisting of 32x32 pixels, the upper left block and the lower right block are further divided.
  • the upper left 32x32 pixel square block is vertically divided into two 16x32 pixel square blocks, and the right 16x32 pixel square block is further horizontally divided into two 16x16 pixel square blocks, respectively. (Divided into half-tree blocks).
  • the lower right square block consisting of 32x32 pixels is horizontally divided into two rectangular blocks each consisting of 32x16 pixels (binary tree block division).
  • the lower left 64x64 pixel square block has a 16x32 pixel rectangular block 16, two 16x16 pixel square blocks 17 and 18, and two 32x32 pixel square blocks 19 and 20, respectively, with 32x16 pixels. It is divided into two rectangular blocks 21 and 22.
  • the block 23 consisting of 64x64 pixels in the lower right is not divided.
  • the block 10 is divided into 13 variable-sized blocks 11 to 23 based on the recursive quadtree and binary tree block divisions.
  • Such a division may be referred to as a QTBT (quad-tree plus binary tree) division.
  • one block was divided into four or two blocks (quadtree or binary tree block division), but the division is not limited to these.
  • one block may be divided into three blocks (ternary tree block division).
  • a division including such a ternary block division may be referred to as an MBT (multi type tree) division.
  • FIG. 11 is a diagram showing an example of the configuration of the divided portion 102.
  • the division unit 102 may include a block division determination unit 102a.
  • the block division determination unit 102a may perform the following processing as an example.
  • the block division determination unit 102a collects block information from, for example, the block memory 118 or the frame memory 122, and determines the above-mentioned division pattern based on the block information.
  • the division unit 102 divides the original image according to the division pattern, and outputs one or more blocks obtained by the division to the subtraction unit 104.
  • the block division determination unit 102a outputs, for example, the parameters indicating the above-mentioned division pattern to the conversion unit 106, the inverse conversion unit 114, the intra prediction unit 124, the inter prediction unit 126, and the entropy coding unit 110.
  • the conversion unit 106 may convert the prediction residual based on the parameter, and the intra prediction unit 124 and the inter prediction unit 126 may generate a prediction image based on the parameter.
  • the entropy coding unit 110 may perform entropy coding on the parameter.
  • the parameters related to the division pattern may be written to the stream as follows as an example.
  • FIG. 12 is a diagram showing an example of a division pattern.
  • the division patterns include, for example, four divisions (QT) in which the block is divided into two in the horizontal direction and two in the vertical direction, and three divisions (QT) in which the block is divided in the same direction at a ratio of 1: 2: 1.
  • HT or VT three divisions
  • HB or VB two divisions
  • NS no division
  • the division pattern does not have the block division direction when it is divided into four and not divided, and the division pattern has the division direction information when it is divided into two and three.
  • FIG. 13A and 13B are diagrams showing an example of a syntax tree of a division pattern.
  • S Split flag
  • QT QT flag
  • TT TT flag or BT: BT flag
  • BT flag BT flag
  • Ver Vertical flag or Hor: Horizontal flag
  • the determined determination result may be encoded into a stream according to the coding order disclosed in the syntax tree shown in FIG. 13A.
  • the information is arranged in the order of S, QT, TT, Ver, but even if the information is arranged in the order of S, QT, Ver, BT. good. That is, in the example of FIG. 13B, first, there is information (S: Split flag) indicating whether or not to perform division, and then there is information (QT: QT flag) indicating whether or not to perform four division. do. Next, there is information indicating the division direction (Ver: Vertical flag or Hor: Horizontal flag), and finally there is information indicating whether to perform 2-division or 3-division (BT: BT flag or TT: TT flag). is doing.
  • S Split flag
  • QT QT flag
  • BT 2-division or 3-division
  • division pattern described here is an example, and a division pattern other than the division pattern described may be used, or only a part of the division pattern described may be used.
  • the subtraction unit 104 is input from the division unit 102, and subtracts a prediction image (a prediction image input from the prediction control unit 128) from the original image in block units divided by the division unit 102. That is, the subtraction unit 104 calculates the predicted residual of the current block. Then, the subtraction unit 104 outputs the calculated predicted residual to the conversion unit 106.
  • a prediction image a prediction image input from the prediction control unit 1228
  • the original image is an input signal of the encoding device 100, and is, for example, a signal representing an image of each picture constituting a moving image (for example, a brightness (luma) signal and two color difference (chroma) signals).
  • a signal representing an image of each picture constituting a moving image for example, a brightness (luma) signal and two color difference (chroma) signals.
  • the conversion unit 106 converts the predicted residual in the spatial domain into a conversion coefficient in the frequency domain, and outputs the conversion coefficient to the quantization unit 108. Specifically, the conversion unit 106 performs, for example, a predetermined discrete cosine transform (DCT) or discrete sine transform (DST) with respect to the predicted residual in the spatial region.
  • DCT discrete cosine transform
  • DST discrete sine transform
  • the conversion unit 106 adaptively selects a conversion type from a plurality of conversion types, and uses a conversion basis function (transform basis function) corresponding to the selected conversion type to convert the predicted residual into a conversion coefficient. It may be converted. Such a conversion may be referred to as an EMT (explicit multiple core transform) or an AMT (adaptive multiple transform). Also, the transformation basis function is sometimes referred to simply as the basis.
  • FIG. 14 is a table showing transformation basis functions corresponding to each transformation type.
  • N indicates the number of input pixels.
  • the selection of the conversion type from these plurality of conversion types may depend on, for example, the type of prediction (such as intra-prediction and inter-prediction) or the intra-prediction mode.
  • EMT flag or AMT flag Information indicating whether or not to apply such EMT or AMT
  • information indicating the selected conversion type are usually signalized at the CU level. Note that the signaling of this information does not have to be limited to the CU level and may be at other levels (eg, sequence level, picture level, slice level, brick level or CTU level).
  • the conversion unit 106 may reconvert the conversion coefficient (that is, the conversion result). Such reconversion may be referred to as AST (adaptive separable transform) or NSST (non-separable second transform). For example, the conversion unit 106 reconverts each subblock (for example, a subblock of 4x4 pixels) included in the block of the conversion coefficient corresponding to the intra-predicted residual.
  • the information indicating whether or not to apply the NSST and the information regarding the transformation matrix used in the NSST are usually signalized at the CU level. Note that the signaling of this information does not have to be limited to the CU level and may be at other levels (eg, sequence level, picture level, slice level, brick level or CTU level).
  • Separable conversion and a Non-Separable conversion may be applied to the conversion unit 106.
  • Separable transformation is a method of performing conversion multiple times by separating each direction by the number of dimensions of the input
  • Non-Separable transformation is a method of performing two or more dimensions when the input is multidimensional. This is a method in which the conversion is performed collectively by regarding them as one-dimensional.
  • the input is a block of 4 ⁇ 4 pixels, it is regarded as one array with 16 elements, and the transformation of 16 ⁇ 16 for that array. There is something like performing transformation processing with a matrix.
  • a conversion in which a 4 ⁇ 4 pixel input block is regarded as one array having 16 elements and then Givens rotation is performed multiple times on the array may be performed.
  • the conversion type of the conversion basis function to be converted into the frequency domain can be switched according to the region in the CU.
  • SVT Spaally Varying Transfer
  • FIG. 15 is a diagram showing an example of SVT.
  • the CU is divided into two equal parts in the horizontal direction or the vertical direction, and only one of the regions is converted into the frequency domain.
  • the conversion type may be set for each region, and for example, DST7 and DCT8 are used.
  • DST7 and DCT8 may be used for the region at position 0.
  • DST7 is used for the region at position 1.
  • DST7 and DCT8 are used for the region at position 0.
  • DST7 is used for the region at position 1.
  • DST7 is used for the region at position 1. In such an example shown in FIG.
  • the division method may be divided into four equal parts as well as two equal parts. Further, it is possible to make it more flexible by encoding the information indicating the division method and signaling it in the same manner as the CU division.
  • the SVT may also be referred to as an SBT (Sub-block Transferform).
  • MTS Multiple Transform Selection
  • DST7 or DCT8 When applying MTS, a conversion type such as DST7 or DCT8 can be selected, and the information indicating the selected conversion type may be encoded as index information for each CU.
  • IMTS IMTS
  • IMTS IMTS
  • DST7 is used on the short side of the rectangle
  • DCT2 is used on the long side of the rectangle to perform orthogonal transformation.
  • DCT2 is used if MTS is valid in the sequence
  • DST7 is used if MTS is invalid to perform orthogonal transformation.
  • DCT2 and DST7 are examples, and other conversion types may be used, or the combination of conversion types used may be a different combination.
  • IMTS may be used only in the block of intra-prediction, or may be used in both the block of intra-prediction and the block of inter-prediction.
  • selection processes for selectively switching the conversion type used for orthogonal transformation have been described as selection processes for selectively switching the conversion type used for orthogonal transformation, but all three selection processes may be valid or partially selected. Only the selection process of may be enabled. Whether or not each selection process is valid can be identified by the flag information in the header such as SPS. For example, if all three selection processes are valid, one of the three selection processes is selected and orthogonal transformation is performed in CU units.
  • the selection process for selectively switching the conversion type may use a selection process different from the above three selection processes as long as at least one of the following four functions [1] to [4] can be realized. Each of the above three selection processes may be replaced with another process.
  • the function [1] is a function of orthogonally transforming the entire range in the CU to encode information indicating the transformation type used for the transformation.
  • the function [2] is a function of orthogonally transforming the entire range of the CU and determining the transformation type based on a predetermined rule without encoding the information indicating the transformation type.
  • the function [3] is a function of orthogonally transforming a part of the region of the CU to encode information indicating the transformation type used for the transformation.
  • the function [4] is a function of orthogonally transforming a part of the region of the CU and determining the transformation type based on a predetermined rule without encoding the information indicating the transformation type used for the transformation.
  • Whether or not each of MTS, IMTS, and SBT is applied may be determined for each processing unit. For example, whether or not to apply may be determined in sequence units, picture units, brick units, slice units, CTU units, or CU units.
  • the tool for selectively switching the conversion type in the present disclosure may be paraphrased as a method for adaptively selecting the basis used for the conversion process, a selection process, or a process for selecting the basis. Further, the tool for selectively switching the conversion type may be paraphrased as a mode for adaptively selecting the conversion type.
  • FIG. 16 is a flowchart showing an example of processing by the conversion unit 106.
  • the conversion unit 106 determines whether or not to perform orthogonal transformation (step St_1).
  • the conversion unit 106 selects the conversion type used for the orthogonal transformation from the plurality of conversion types (step St_1).
  • the transformation unit 106 performs orthogonal transformation by applying the selected transformation type to the predicted residual of the current block (step St_3).
  • the conversion unit 106 encodes the information by outputting the information indicating the selected conversion type to the entropy coding unit 110 (step St_4).
  • the conversion unit 106 determines that the orthogonal transformation is not performed (No in step St_1), the conversion unit 106 encodes the information by outputting the information indicating that the orthogonal transformation is not performed to the entropy coding unit 110 (No). Step St_5).
  • the determination as to whether or not to perform the orthogonal transformation in step St_1 may be determined based on, for example, the size of the transformation block, the prediction mode applied to the CU, and the like. Further, the information indicating the transformation type used for the orthogonal transformation is not encoded, and the orthogonal transformation may be performed using a predetermined transformation type.
  • FIG. 17 is a flowchart showing another example of processing by the conversion unit 106. Note that the example shown in FIG. 17 is an example of orthogonal transformation in the case of applying a method of selectively switching the transformation type used for orthogonal transformation, similar to the example shown in FIG.
  • the first conversion type group may include DCT2, DST7 and DCT8.
  • the second conversion type group may include DCT2.
  • the conversion types included in the first conversion type group and the second conversion type group may be partially overlapped or may be all different conversion types.
  • the conversion unit 106 determines whether or not the conversion size is equal to or less than a predetermined value (step Su_1). Here, if it is determined that the value is equal to or less than a predetermined value (Yes in step Su_1), the conversion unit 106 orthogonally transforms the predicted residual of the current block using the conversion type included in the first conversion type group (step Su_1). ). Next, the conversion unit 106 outputs information indicating which conversion type to use among the one or more conversion types included in the first conversion type group to the entropy coding unit 110, thereby displaying the information. Is encoded (step Su_3).
  • step Su_1 when the conversion unit 106 determines that the conversion size is not equal to or less than a predetermined value (No in step Su_1), the conversion unit 106 orthogonally transforms the predicted residual of the current block using the second conversion type group (step Su_1).
  • the information indicating the transformation type used for the orthogonal transformation may be the information indicating the combination of the transformation type applied in the vertical direction and the transformation type applied in the horizontal direction of the current block.
  • the first transformation type group may include only one transformation type, and the information indicating the transformation type used for the orthogonal transformation may not be encoded.
  • the second transformation type group may include a plurality of transformation types, and among one or more transformation types included in the second transformation type group, information indicating the transformation type used for orthogonal transformation is encoded. You may.
  • the conversion type may be determined based only on the conversion size. It should be noted that the process of determining the transformation type used for the orthogonal transformation based on the transformation size is not limited to the determination of whether or not the transformation size is equal to or less than a predetermined value.
  • the quantization unit 108 quantizes the conversion coefficient output from the conversion unit 106. Specifically, the quantization unit 108 scans a plurality of conversion coefficients of the current block in a predetermined scanning order, and quantizes the conversion coefficients based on the quantization parameter (QP) corresponding to the scanned conversion coefficients. do. Then, the quantization unit 108 outputs a plurality of quantized conversion coefficients (hereinafter referred to as quantization coefficients) of the current block to the entropy coding unit 110 and the inverse quantization unit 112.
  • QP quantization parameter
  • the predetermined scanning order is the order for quantization / dequantization of the conversion coefficient.
  • a given scan order is defined in ascending order of frequency (low frequency to high frequency order) or descending order (high frequency to low frequency order).
  • the quantization parameter is a parameter that defines the quantization step (quantization width). For example, as the value of the quantization parameter increases, so does the quantization step. That is, as the value of the quantization parameter increases, the error of the quantization coefficient (quantization error) increases.
  • a quantization matrix may be used for quantization.
  • quantization matrices may be used corresponding to frequency conversion sizes such as 4x4 and 8x8, prediction modes such as intra-prediction and inter-prediction, and pixel components such as luminance and color difference.
  • Quantization refers to digitizing values sampled at predetermined intervals in association with a predetermined level, and in this technical field, expressions such as rounding, rounding, or scaling are used. In some cases.
  • a method of using the quantization matrix there are a method of using the quantization matrix directly set on the coding apparatus 100 side and a method of using the default quantization matrix (default matrix).
  • default matrix default matrix
  • the quantization matrix it is possible to set the quantization matrix according to the characteristics of the image.
  • a quantization matrix used for the quantization of the current block is generated based on the default quantization matrix or the encoded quantization matrix. You may.
  • the quantization matrix may be encoded at, for example, sequence level, picture level, slice level, brick level or CTU level.
  • the quantization unit 108 scales, for example, the quantization width obtained from the quantization parameters and the like for each conversion coefficient using the values of the quantization matrix.
  • the quantization process performed without using the quantization matrix may be a process of quantizing the conversion coefficient based on the quantization width obtained from the quantization parameters and the like.
  • the quantization width may be multiplied by a predetermined value common to all the conversion coefficients in the block.
  • FIG. 18 is a block diagram showing an example of the configuration of the quantization unit 108.
  • the quantization unit 108 includes, for example, a differential quantization parameter generation unit 108a, a predictive quantization parameter generation unit 108b, a quantization parameter generation unit 108c, a quantization parameter storage unit 108d, and a quantization processing unit 108e. ..
  • FIG. 19 is a flowchart showing an example of quantization by the quantization unit 108.
  • the quantization unit 108 may perform quantization for each CU based on the flowchart shown in FIG. Specifically, the quantization parameter generation unit 108c determines whether or not to perform quantization (step Sv_1). Here, when it is determined that the quantization is performed (Yes in step Sv_1), the quantization parameter generation unit 108c generates the quantization parameter of the current block (step Sv_2), and the quantization parameter is stored in the quantization parameter storage unit 108d. It is stored in (step Sv_3).
  • the quantization processing unit 108e quantizes the conversion coefficient of the current block using the quantization parameter generated in step Sv_2 (step Sv_4).
  • the predictive quantization parameter generation unit 108b acquires the quantization parameter of the processing unit different from the current block from the quantization parameter storage unit 108d (step Sv_5).
  • the predictive quantization parameter generation unit 108b generates a predictive quantization parameter of the current block based on the acquired quantization parameter (step Sv_6).
  • the difference quantization parameter generation unit 108a is the difference between the quantization parameter of the current block generated by the quantization parameter generation unit 108c and the prediction quantization parameter of the current block generated by the prediction quantization parameter generation unit 108b. Is calculated (step Sv_7). By calculating this difference, the difference quantization parameter is generated.
  • the difference quantization parameter generation unit 108a encodes the difference quantization parameter by outputting the difference quantization parameter to the entropy coding unit 110 (step Sv_8).
  • the difference quantization parameter may be encoded at the sequence level, the picture level, the slice level, the brick level, or the CTU level. Further, the initial value of the quantization parameter may be encoded at the sequence level, the picture level, the slice level, the brick level or the CTU level. At this time, the quantization parameter may be generated by using the initial value of the quantization parameter and the difference quantization parameter.
  • the quantization unit 108 may be provided with a plurality of quantizers, and may apply a dependent quantization that quantizes the conversion coefficient using a quantization method selected from the plurality of quantization methods.
  • FIG. 20 is a block diagram showing an example of the configuration of the entropy coding unit 110.
  • the entropy coding unit 110 generates a stream by performing entropy coding on the quantization coefficient input from the quantization unit 108 and the prediction parameter input from the prediction parameter generation unit 130.
  • entropy coding for example, CABAC (Context-based Adaptive Binary Arithmetic Coding) is used.
  • CABAC Context-based Adaptive Binary Arithmetic Coding
  • the entropy coding unit 110 includes, for example, a binarization unit 110a, a context control unit 110b, and a binary arithmetic coding unit 110c.
  • the binarization unit 110a performs binarization that converts a multi-valued signal such as a quantization coefficient and a prediction parameter into a binary signal.
  • the context control unit 110b derives a context value according to the characteristics of the syntax element or the surrounding situation, that is, the probability of occurrence of a binary signal. Methods for deriving this context value include, for example, bypass, syntax element reference, top / left adjacent block reference, hierarchy information reference, and the like.
  • the binar arithmetic coding unit 110c performs arithmetic coding on the binarized signal using the derived context value.
  • FIG. 21 is a diagram showing the flow of CABAC in the entropy coding unit 110.
  • initialization is performed in the CABAC in the entropy coding unit 110.
  • the initialization in the binary arithmetic coding unit 110c and the setting of the initial context value are performed.
  • the binarization unit 110a and the binarization arithmetic coding unit 110c execute binarization and arithmetic coding in order for each of the plurality of quantization coefficients of the CTU, for example.
  • the context control unit 110b updates the context value every time arithmetic coding is performed.
  • the context control unit 110b saves the context value as post-processing. This saved context value is used, for example, for the initial value of the context value for the next CTU.
  • the dequantization unit 112 dequantizes the quantization coefficient input from the quantization unit 108. Specifically, the dequantization unit 112 dequantizes the quantization coefficient of the current block in a predetermined scanning order. Then, the inverse quantization unit 112 outputs the inverse quantized conversion coefficient of the current block to the inverse conversion unit 114.
  • the inverse conversion unit 114 restores the predicted residual by inversely converting the conversion coefficient input from the inverse quantization unit 112. Specifically, the inverse conversion unit 114 restores the predicted residual of the current block by performing an inverse conversion corresponding to the conversion by the conversion unit 106 with respect to the conversion coefficient. Then, the inverse conversion unit 114 outputs the restored predicted residual to the addition unit 116.
  • the restored prediction residual does not match the prediction error calculated by the subtraction unit 104 because the information is usually lost due to quantization. That is, the restored predicted residual usually contains a quantization error.
  • the addition unit 116 reconstructs the current block by adding the prediction residual input from the inverse conversion unit 114 and the prediction image input from the prediction control unit 128. As a result, a reconstructed image is generated. Then, the addition unit 116 outputs the reconstructed image to the block memory 118 and the loop filter unit 120.
  • the block memory 118 is, for example, a storage unit for storing a block in the current picture, which is a block referred to in the intra prediction. Specifically, the block memory 118 stores the reconstructed image output from the addition unit 116.
  • the frame memory 122 is, for example, a storage unit for storing a reference picture used for interprediction, and is sometimes called a frame buffer. Specifically, the frame memory 122 stores the reconstructed image filtered by the loop filter unit 120.
  • the loop filter unit 120 performs loop filter processing on the reconstructed image output from the addition unit 116, and outputs the filtered reconstructed image to the frame memory 122.
  • a loop filter is a filter (in-loop filter) used within a coded loop and includes, for example, an adaptive loop filter (ALF), a deblocking filter (DF or DBF), a sample adaptive offset (SAO), and the like. ..
  • FIG. 22 is a block diagram showing an example of the configuration of the loop filter unit 120.
  • the loop filter unit 120 includes a deblocking filter processing unit 120a, a SAO processing unit 120b, and an ALF processing unit 120c.
  • the deblocking filter processing unit 120a performs the above-mentioned deblocking filter processing on the reconstructed image.
  • the SAO processing unit 120b performs the above-mentioned SAO processing on the reconstructed image after the deblocking filter processing.
  • the ALF processing unit 120c applies the above-mentioned ALF processing to the reconstructed image after the SAO processing. Details of the ALF and deblocking filter will be described later.
  • the SAO process is a process for improving image quality by reducing ringing (a phenomenon in which pixel values are distorted in a wavy manner around an edge) and correcting pixel value deviations.
  • This SAO process includes, for example, an edge offset process and a band offset process.
  • the loop filter unit 120 may not include all the processing units disclosed in FIG. 22, or may include only a part of the processing units. Further, the loop filter unit 120 may be configured to perform each of the above-mentioned processes in an order different from the process order disclosed in FIG. 22.
  • Loop filter section Adaptive loop filter
  • a least squares error filter is applied to remove coding distortion, for example, for each 2x2 pixel subblock in the current block, based on the direction of the local gradient and the activity.
  • One filter selected from a plurality of filters is applied.
  • subblocks for example, 2x2 pixel subblocks
  • a plurality of classes for example, 15 or 25 classes.
  • Subblock classification is done, for example, based on the direction of the gradient and the activity.
  • D the gradient direction value
  • A the gradient activity value A
  • the gradient direction value D is derived, for example, by comparing gradients in a plurality of directions (for example, horizontal, vertical and two diagonal directions). Further, the activity value A of the gradient is derived by, for example, adding gradients in a plurality of directions and quantizing the addition result.
  • the filter for the subblock is determined from among multiple filters.
  • a circularly symmetric shape is used as the shape of the filter used in ALF.
  • 23A to 23C are diagrams showing a plurality of examples of the shape of the filter used in ALF.
  • 23A shows a 5x5 diamond shape filter
  • FIG. 23B shows a 7x7 diamond shape filter
  • FIG. 23C shows a 9x9 diamond shape filter.
  • Information indicating the shape of the filter is usually signalized at the picture level. The signalization of the information indicating the shape of the filter does not have to be limited to the picture level, and may be at another level (for example, sequence level, slice level, brick level, CTU level or CU level).
  • ALF on / off may be determined, for example, at the picture level or the CU level. For example, it may be determined whether or not to apply ALF at the CU level for luminance, and whether or not to apply ALF at the picture level for color difference.
  • Information indicating the on / off of ALF is usually signalized at the picture level or the CU level. It should be noted that the signaling of the information indicating the on / off of ALF does not have to be limited to the picture level or the CU level, and may be at other levels (for example, sequence level, slice level, brick level or CTU level). good.
  • one filter is selected from a plurality of filters and the subblock is subjected to ALF processing.
  • a set of coefficients consisting of the coefficients used in the filter is usually signalized at the picture level. Note that the signaling of the coefficient set is not limited to the picture level and may be at other levels (eg, sequence level, slice level, brick level, CTU level, CU level or subblock level).
  • FIG. 23D is a diagram showing an example in which the Y sample (first component) is used for CCALF of Cb and CCALF of Cr (a plurality of components different from the first component).
  • FIG. 23E is a diagram showing a diamond shape filter.
  • CC-ALF works by applying a linear diamond filter (FIG. 23D, FIG. 23E) to the luminance channel of each color difference component.
  • the filter coefficients are sent in APS, scaled by a factor of 2 ⁇ 10, and rounded for fixed-point representation.
  • Filter application is controlled by a variable block size and is signaled by a context-encoded flag received for each block of the sample.
  • the block size and CC-ALF enable flag are received at the slice level of each color difference component.
  • the syntax and semantics of CC-ALF are provided in Appendix. Contributions support block sizes of 16x16, 32x32, 64x64, 128x128 (in color difference samples).
  • FIG. 23F is a diagram showing an example of JC-CCALF.
  • FIG. 23G is a diagram showing an example of a weight_index candidate of JC-CCALF.
  • JC-CCALF uses only one CCALF filter to generate one CCALF filter output as a color difference adjustment signal with only one color component, producing a properly weighted version of the same color difference adjustment signal. Applies to other color components. In this way, the complexity of the existing CCALF is roughly halved.
  • the weight value is encoded into a sign flag and a weight index.
  • the weight index (denoted as weight_index) is encoded in 3 bits and specifies the magnitude of the JC-CCALF weight JcCcWeight. It cannot be the same as 0.
  • the size of JcCcWight is determined as follows.
  • JcCcWeight is equal to 4 / (weight_index-4).
  • the block level on / off control of ALF filtering of Cb and Cr is separate. This is the same as CCALF, where two separate sets of block-level on / off control flags are encoded.
  • the on / off control block sizes of Cb and Cr are the same, so only one block size variable is encoded.
  • the loop filter unit 120 reduces the distortion generated at the block boundary by filtering the block boundary of the reconstructed image.
  • FIG. 24 is a block diagram showing an example of a detailed configuration of the deblocking filter processing unit 120a.
  • the deblocking filter processing unit 120a includes, for example, a boundary determination unit 1201, a filter determination unit 1203, a filter processing unit 1205, a processing determination unit 1208, a filter characteristic determination unit 1207, and switches 1202, 1204 and 1206. Be prepared.
  • the boundary determination unit 1201 determines whether or not the pixel to be deblocked filtered (that is, the target pixel) exists near the block boundary. Then, the boundary determination unit 1201 outputs the determination result to the switch 1202 and the processing determination unit 1208.
  • the switch 1202 When the boundary determination unit 1201 determines that the target pixel exists near the block boundary, the switch 1202 outputs the image before the filter processing to the switch 1204. On the contrary, when the boundary determination unit 1201 determines that the target pixel does not exist near the block boundary, the switch 1202 outputs the image before the filter processing to the switch 1206.
  • the image before the filter processing is an image composed of a target pixel and at least one peripheral pixel around the target pixel.
  • the filter determination unit 1203 determines whether or not to perform deblocking filter processing on the target pixel based on the pixel value of at least one peripheral pixel in the vicinity of the target pixel. Then, the filter determination unit 1203 outputs the determination result to the switch 1204 and the processing determination unit 1208.
  • the switch 1204 When the filter determination unit 1203 determines that the target pixel is to be deblocked and filtered, the switch 1204 outputs the image before the filter processing acquired via the switch 1202 to the filter processing unit 1205. On the contrary, when the filter determination unit 1203 determines that the target pixel is not deblocked and filtered, the switch 1204 outputs the unfiltered image acquired via the switch 1202 to the switch 1206.
  • the filter processing unit 1205 When the filter processing unit 1205 acquires the image before the filter processing via the switches 1202 and 1204, the filter processing unit 1205 performs the deblocking filter processing having the filter characteristics determined by the filter characteristic determination unit 1207 on the target pixel. Execute. Then, the filter processing unit 1205 outputs the filtered pixels to the switch 1206.
  • the switch 1206 selectively outputs pixels that have not been deblocked filtered and pixels that have been deblocked filtered by the filter processing unit 1205, in response to control by the processing determination unit 1208.
  • the processing determination unit 1208 controls the switch 1206 based on the determination results of the boundary determination unit 1201 and the filter determination unit 1203. That is, when the processing determination unit 1208 is determined by the boundary determination unit 1201 that the target pixel exists near the block boundary, and is determined by the filter determination unit 1203 that the target pixel is subjected to the deblocking filter processing. Is to output the deblocking filtered pixels from the switch 1206. Further, except in the above case, the processing determination unit 1208 outputs the pixels that have not been deblocked and filtered from the switch 1206. By repeatedly outputting such pixels, the filtered image is output from the switch 1206.
  • the configuration shown in FIG. 24 is an example of the configuration in the deblocking filter processing unit 120a, and the deblocking filter processing unit 120a may have another configuration.
  • FIG. 25 is a diagram showing an example of a deblocking filter having a filter characteristic symmetrical with respect to a block boundary.
  • one of two deblocking filters having different characteristics is selected by using a pixel value and a quantization parameter.
  • the strong filter as shown in FIG. 25, when the pixels p0 to p2 and the pixels q0 to q2 are present across the block boundary, the pixel values of the pixels q0 to q2 are calculated by the following equations. By doing so, the pixel value is changed to q'0 to q'2.
  • p0 to p2 and q0 to q2 are pixel values of pixels p0 to p2 and pixels q0 to q2, respectively.
  • q3 is a pixel value of the pixel q3 adjacent to the pixel q2 on the opposite side of the block boundary.
  • the coefficient multiplied by the pixel value of each pixel used for the deblocking filter processing is the filter coefficient.
  • the clip processing may be performed so that the pixel value after the calculation does not change beyond the threshold value.
  • the pixel value after the calculation by the above formula is clipped to "pixel value before calculation ⁇ 2 x threshold" by using the threshold value determined from the quantization parameter. This can prevent excessive smoothing.
  • FIG. 26 is a diagram for explaining an example of a block boundary on which deblocking filtering is performed.
  • FIG. 27 is a diagram showing an example of the BS value.
  • the block boundary on which the deblocking filter processing is performed is, for example, the CU, PU, or TU boundary of an 8 ⁇ 8 pixel block as shown in FIG. 26.
  • the deblocking filtering process is performed, for example, in units of 4 rows or 4 columns.
  • the Bs (Boundary Strength) value is determined for the block P and the block Q shown in FIG. 26 as shown in FIG. 27.
  • the Bs value in FIG. 27 it may be determined whether or not to perform deblocking filter processing with different strengths even if the block boundaries belong to the same image.
  • the deblocking filter processing for the color difference signal is performed when the Bs value is 2.
  • the deblocking filter processing for the luminance signal is performed when the Bs value is 1 or more and a predetermined condition is satisfied.
  • the Bs value determination condition is not limited to that shown in FIG. 27, and may be determined based on other parameters.
  • FIG. 28 is a flowchart showing an example of processing performed by the prediction unit of the coding apparatus 100.
  • the prediction unit includes all or a part of the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • the prediction processing unit includes, for example, an intra prediction unit 124 and an inter prediction unit 126.
  • the prediction unit generates a prediction image of the current block (step Sb_1).
  • the predicted image includes, for example, an intra-predicted image (intra-predicted signal) or an inter-predicted image (inter-predicted signal).
  • the predictor has already been obtained by generating predicted images for other blocks, generating predicted residuals, generating quantization coefficients, restoring predicted residuals, and adding predicted images.
  • a predicted image of the current block is generated using the reconstructed image.
  • the reconstructed image may be, for example, an image of a reference picture or an image of a coded block (ie, the other block described above) within the current picture, which is a picture containing the current block. ..
  • the coded block in the current picture is, for example, a block adjacent to the current block.
  • FIG. 29 is a flowchart showing another example of the processing performed by the prediction unit of the coding apparatus 100.
  • the prediction unit generates a prediction image by the first method (step Sc_1a), generates a prediction image by the second method (step Sc_1b), and generates a prediction image by the third method (step Sc_1c).
  • the first method, the second method, and the third method are different methods for generating a predicted image, and are, for example, an inter prediction method, an intra prediction method, and other prediction methods, respectively. There may be. In these prediction methods, the above-mentioned reconstructed image may be used.
  • the prediction unit evaluates the prediction images generated in each of steps Sc_1a, Sc_1b, and Sc_1c (step Sc_1). For example, the prediction unit calculates the cost C for the predicted images generated in each of the steps Sc_1a, Sc_1b, and Sc_1c, and evaluates the predicted images by comparing the cost C of the predicted images. ..
  • D is a coding distortion of the predicted image, and is represented by, for example, the sum of the absolute values of the differences between the pixel value of the current block and the pixel value of the predicted image.
  • R is the bit rate of the stream.
  • ⁇ is, for example, an undetermined multiplier of Lagrange.
  • the prediction unit selects any one of the prediction images generated in each of steps Sc_1a, Sc_1b, and Sc_1c (step Sc_3). That is, the predictor selects a method or mode for obtaining the final predicted image. For example, the prediction unit selects the predicted image having the lowest cost C based on the cost C calculated for those predicted images. Alternatively, the evaluation of step Sc_2 and the selection of the predicted image in step Sc_3 may be performed based on the parameters used in the coding process.
  • the coding device 100 may signal the information for identifying the selected predicted image, method or mode into a stream. The information may be, for example, a flag.
  • the decoding device 200 can generate a predicted image according to the method or mode selected in the coding device 100 based on the information.
  • the prediction unit selects one of the predicted images after generating the predicted images by each method.
  • the predictor may select a method or mode based on the parameters used in the above-mentioned coding process and generate the predicted image according to the method or mode before generating those predicted images. good.
  • the first method and the second method are intra prediction and inter prediction, respectively, and the prediction unit selects the final prediction image for the current block from the prediction images generated according to these prediction methods. You may.
  • FIG. 30 is a flowchart showing another example of the processing performed by the prediction unit of the coding apparatus 100.
  • the prediction unit generates a prediction image by intra-prediction (step Sd_1a) and generates a prediction image by inter-prediction (step Sd_1b).
  • the predicted image generated by the intra prediction is also referred to as an intra prediction image
  • the predicted image generated by the inter prediction is also referred to as an inter prediction image.
  • the prediction unit evaluates each of the intra prediction image and the inter prediction image (step Sd_2).
  • the above-mentioned cost C may be used for this evaluation.
  • the prediction unit may select the prediction image for which the smallest cost C is calculated from the intra prediction image and the inter prediction image as the final prediction image of the current block (step Sd_3). That is, the prediction method or mode for generating the prediction image of the current block is selected.
  • the intra prediction unit 124 refers to a block in the current picture stored in the block memory 118 to perform intra prediction (also referred to as in-screen prediction) of the current block, thereby predicting an image of the current block (that is, an intra prediction image). To generate. Specifically, the intra prediction unit 124 generates an intra prediction image by referring to a pixel value (for example, a luminance value, a color difference value) of a block adjacent to the current block to perform an intra prediction, and predicts the intra prediction image. Output to the control unit 128.
  • a pixel value for example, a luminance value, a color difference value
  • the intra prediction unit 124 performs intra prediction using one of a plurality of predetermined intra prediction modes.
  • the plurality of intra-prediction modes usually include one or more non-directional prediction modes and a plurality of directional prediction modes.
  • One or more non-directional prediction modes are, for example, H. Includes Planar prediction mode and DC prediction mode specified in the 265 / HEVC standard.
  • Multiple directional prediction modes are, for example, H. Includes 33 directions of prediction modes as defined by the 265 / HEVC standard.
  • the plurality of directional prediction modes may include 32 directions (65 directional prediction modes in total) in addition to the 33 directions.
  • FIG. 31 is a diagram showing all 67 intra-prediction modes (2 non-directional prediction modes and 65 directional prediction modes) in intra-prediction.
  • the solid arrow indicates H.
  • the 33 directions specified in the 265 / HEVC standard are represented, and the dashed arrows represent the 32 additional directions (two non-directional prediction modes are not shown in FIG. 31).
  • the luminance block may be referred to in the intra prediction of the color difference block. That is, the color difference component of the current block may be predicted based on the luminance component of the current block. Such intra-prediction may be referred to as CCLM (cross-competent linear model) prediction.
  • CCLM cross-competent linear model
  • the intra prediction mode of the color difference block (for example, called CCLM mode) that refers to such a luminance block may be added as one of the intra prediction modes of the color difference block.
  • the intra prediction unit 124 may correct the pixel value after the intra prediction based on the gradient of the reference pixel in the horizontal / vertical direction. Intra-prediction with such a correction is sometimes called PDPC (prophecy depression intraprescription combination). Information indicating whether or not PDPC is applied (for example, called a PDPC flag) is usually signalized at the CU level. Note that the signaling of this information is not limited to the CU level and may be at other levels (eg, sequence level, picture level, slice level, brick level or CTU level).
  • FIG. 32 is a flowchart showing an example of processing by the intra prediction unit 124.
  • the intra prediction unit 124 selects one intra prediction mode from a plurality of intra prediction modes (step Sw_1). Then, the intra prediction unit 124 generates a prediction image according to the selected intra prediction mode (step Sw_2). Next, the intra prediction unit 124 determines the MPM (Most Possible Modes) (step Sw_3).
  • the MPM comprises, for example, six intra prediction modes. Two of the six intra prediction modes may be Planar prediction mode and DC prediction mode, and the remaining four modes may be directional prediction mode. Then, the intra prediction unit 124 determines whether or not the intra prediction mode selected in step Sw_1 is included in the MPM (step Sw_1).
  • the intra prediction unit 124 sets the MPM flag to 1 (step Sw_5), and the selected intra prediction mode among the MPMs is set. (Step Sw_6).
  • the MPM flag set to 1 and the information indicating the intra prediction mode thereof are each encoded by the entropy coding unit 110 as prediction parameters.
  • the intra prediction unit 124 sets the MPM flag to 0 (step Sw_7). Alternatively, the intra prediction unit 124 does not set the MPM flag. Then, the intra prediction unit 124 generates information indicating the selected intra prediction mode among one or more intra prediction modes not included in the MPM (step Sw_8).
  • the MPM flag set to 0 and the information indicating the intra prediction mode thereof are each encoded by the entropy coding unit 110 as prediction parameters.
  • the information indicating the intra prediction mode indicates, for example, any value from 0 to 60.
  • the inter prediction unit 126 refers to a reference picture stored in the frame memory 122 and different from the current picture, and performs inter prediction (also referred to as interscreen prediction) of the current block to perform a prediction image (inter). Prediction image) is generated. Inter-prediction is performed in units of the current block or the current subblock within the current block.
  • a subblock is a unit contained in a block and smaller than a block.
  • the size of the subblock may be 4x4 pixels, 8x8 pixels, or any other size.
  • the size of the subblocks may be toggled in units such as slices, bricks, or pictures.
  • the inter-prediction unit 126 performs motion estimation on the current block or the current sub-block in the reference picture, and finds the reference block or the sub-block that best matches the current block or the current sub-block. Then, the inter-prediction unit 126 acquires motion information (for example, a motion vector) that compensates for motion or change from the reference block or sub-block to the current block or sub-block. The inter-prediction unit 126 performs motion compensation (or motion prediction) based on the motion information, and generates an inter-prediction image of the current block or a sub-block. The inter-prediction unit 126 outputs the generated inter-prediction image to the prediction control unit 128.
  • motion information for example, a motion vector
  • the inter-prediction unit 126 performs motion compensation (or motion prediction) based on the motion information, and generates an inter-prediction image of the current block or a sub-block.
  • the inter-prediction unit 126 outputs the generated inter-prediction image to the prediction control unit 128.
  • the motion information used for motion compensation may be signalized as an inter-predicted image in various forms.
  • the motion vector may be signalized.
  • the difference between the motion vector and the predicted motion vector (motion vector) may be signalized.
  • FIG. 33 is a diagram showing an example of each reference picture
  • FIG. 34 is a conceptual diagram showing an example of the reference picture list.
  • the reference picture list is a list showing one or more reference pictures stored in the frame memory 122.
  • the rectangle indicates a picture
  • the arrow indicates the reference relationship of the picture
  • the horizontal axis indicates time
  • I, P, and B in the rectangle indicate an intra prediction picture, a single prediction picture, and a bi prediction picture, respectively.
  • the numbers in the rectangle indicate the decoding order.
  • the decoding order of each picture is I0, P1, B2, B3, B4, and the display order of each picture is I0, B3, B2, B4, P1.
  • FIG. 33 the decoding order of each picture is I0, P1, B2, B3, B4, and the display order of each picture is I0, B3, B2, B4, P1.
  • the reference picture list is a list representing candidates for reference pictures, and for example, one picture (or slice) may have one or more reference picture lists. For example, if the current picture is a monopredicted picture, one reference picture list is used, and if the current picture is a bipredicted picture, two reference picture lists are used.
  • the picture B3, which is the current picture currPic has two reference picture lists, an L0 list and an L1 list.
  • the reference picture candidates of the current picture currPic are I0, P1 and B2, and each reference picture list (that is, the L0 list and the L1 list) indicates these pictures.
  • the inter-prediction unit 126 or the prediction control unit 128 specifies which picture in each reference picture list is actually referred to by the reference picture index refIdxLx.
  • the reference pictures P1 and B2 are designated by the reference picture indexes refIdxL0 and refIdxL1.
  • Such a reference picture list may be generated in sequence units, picture units, slice units, brick units, CTU units, or CU units. Further, among the reference pictures shown in the reference picture list, the reference picture index indicating the reference picture referred to in the inter-prediction is encoded at the sequence level, the picture level, the slice level, the brick level, the CTU level, or the CU level. May be good. Further, a common reference picture list may be used in a plurality of inter-prediction modes.
  • FIG. 35 is a flowchart showing the basic flow of inter-prediction.
  • the inter prediction unit 126 first generates a prediction image (steps Se_1 to Se_3). Next, the subtraction unit 104 generates the difference between the current block and the predicted image as the predicted residual (step Se_4).
  • the inter-prediction unit 126 determines the motion vector (MV) of the current block (steps Se_1 and Se_2) and compensates for the motion (step Se_3), thereby performing the prediction image. To generate. Further, in determining the MV, the inter-prediction unit 126 determines the MV by, for example, selecting a candidate motion vector (candidate MV) (step Se_1) and deriving the MV (step Se_2). The selection of the candidate MV is performed, for example, by the inter-prediction unit 126 generating a candidate MV list and selecting at least one candidate MV from the candidate MV list. The MV derived in the past may be added as a candidate MV to the candidate MV list.
  • the inter-prediction unit 126 determines at least one selected candidate MV as the MV of the current block by further selecting at least one candidate MV from at least one candidate MV. You may. Alternatively, the inter-prediction unit 126 may determine the MV of the current block by searching the area of the reference picture indicated by the candidate MV for each of the selected at least one candidate MV. The search for the area of the reference picture may be referred to as motion search (motion estimation).
  • motion search motion estimation
  • steps Se_1 to Se_3 are performed by the inter-prediction unit 126, but processing such as step Se_1 or step Se_2 may be performed by other components included in the coding apparatus 100. ..
  • a candidate MV list may be created for each process in each inter-prediction mode, or a common candidate MV list may be used in a plurality of inter-prediction modes.
  • steps Se_3 and Se_4 correspond to the processes of steps Sa_3 and Sa_4 shown in FIG. 9, respectively.
  • the process of step Se_3 corresponds to the process of step Sd_1b in FIG.
  • FIG. 36 is a flowchart showing an example of MV derivation.
  • the inter prediction unit 126 may derive the MV of the current block in a mode of encoding motion information (for example, MV).
  • motion information may be encoded as a prediction parameter and signalized. That is, the encoded motion information is included in the stream.
  • the inter-prediction unit 126 may derive the MV in a mode in which the motion information is not encoded. In this case, the motion information is not included in the stream.
  • the MV derivation mode includes a normal inter mode, a normal merge mode, a FRUC mode, an affine mode, etc., which will be described later.
  • modes for encoding motion information include a normal intermode, a normal merge mode, and an affine mode (specifically, an affine intermode and an affine merge mode).
  • the motion information may include not only the MV but also the predicted MV selection information described later.
  • a mode in which motion information is not encoded includes a FRUC mode and the like.
  • the inter-prediction unit 126 selects a mode for deriving the MV of the current block from these plurality of modes, and derives the MV of the current block using the selected mode.
  • FIG. 37 is a flowchart showing another example of MV derivation.
  • the inter prediction unit 126 may derive the MV of the current block in the mode of encoding the difference MV.
  • the difference MV is encoded as a prediction parameter and signalized. That is, the encoded difference MV is included in the stream.
  • This difference MV is the difference between the MV of the current block and the predicted MV.
  • the predicted MV is a predicted motion vector.
  • the inter-prediction unit 126 may derive the MV in a mode in which the difference MV is not encoded. In this case, the encoded difference MV is not included in the stream.
  • the MV derivation mode includes a normal inter, a normal merge mode, a FRUC mode, an affine mode, and the like, which will be described later.
  • the mode for encoding the difference MV includes a normal intermode and an affine mode (specifically, an affine intermode).
  • the mode in which the difference MV is not encoded includes a FRUC mode, a normal merge mode, an affine mode (specifically, an affine merge mode) and the like.
  • the inter-prediction unit 126 selects a mode for deriving the MV of the current block from these plurality of modes, and derives the MV of the current block using the selected mode.
  • [MV derivation mode] 38A and 38B are diagrams showing an example of classification of each mode of MV derivation.
  • the MV derivation mode is roughly classified into three modes depending on whether or not the motion information is encoded and whether or not the difference MV is encoded.
  • the three modes are intermode, merge mode, and FRUC (frame rate up-conversion) mode.
  • the intermode is a mode for performing motion search, and is a mode for encoding motion information and difference MV.
  • the intermode includes an affine intermode and a normal intermode.
  • the merge mode is a mode in which motion search is not performed, and is a mode in which an MV is selected from the peripheral coded blocks and the MV of the current block is derived using the MV.
  • This merge mode is basically a mode in which motion information is encoded and the difference MV is not encoded.
  • the merge modes include a normal merge mode (sometimes referred to as a normal merge mode or a regular merge mode), an MMVD (Merge with Motion Vector Difference) mode, and a CIIP (Combined intermerge / intraprediction) mode. , Triangle mode, ATMVP mode, and affine merge mode.
  • the MMVD mode among the modes included in the merge mode, the difference MV is exceptionally encoded.
  • the above-mentioned affine merge mode and affine inter mode are modes included in the affine mode.
  • the affine mode is a mode in which the MV of each of the plurality of subblocks constituting the current block is derived as the MV of the current block, assuming the affine transformation.
  • the FRUC mode is a mode in which the MV of the current block is derived by performing a search between the coded regions, and neither the motion information nor the difference MV is encoded. The details of each of these modes will be described later.
  • each mode shown in FIGS. 38A and 38B is an example, and is not limited to this.
  • the CIIP mode is classified as an intermode.
  • the normal inter-mode is an inter-prediction mode in which the MV of the current block is derived by finding a block similar to the image of the current block from the area of the reference picture indicated by the candidate MV. Further, in this normal inter mode, the difference MV is encoded.
  • FIG. 39 is a flowchart showing an example of inter-prediction by the normal inter-mode.
  • the inter-prediction unit 126 first acquires a plurality of candidate MVs for the current block based on information such as MVs of a plurality of coded blocks around the current block temporally or spatially (step). Sg_1). That is, the inter prediction unit 126 creates a candidate MV list.
  • the inter-prediction unit 126 sets each of N (N is an integer of 2 or more) candidate MVs as prediction MV candidates from the plurality of candidate MVs acquired in step Sg_1, and has a predetermined priority. Extract according to (step Sg_2). The priority order is predetermined for each of the N candidate MVs.
  • the inter prediction unit 126 selects one prediction MV candidate from the N prediction MV candidates as the prediction MV of the current block (step Sg_3). At this time, the inter prediction unit 126 encodes the prediction MV selection information for identifying the selected prediction MV into the stream. That is, the inter-prediction unit 126 outputs the prediction MV selection information as the prediction parameter to the entropy coding unit 110 via the prediction parameter generation unit 130.
  • the inter-prediction unit 126 refers to the encoded reference picture and derives the MV of the current block (step Sg_4). At this time, the inter-prediction unit 126 further encodes the difference value between the derived MV and the predicted MV into the stream as the difference MV. That is, the inter-prediction unit 126 outputs the difference MV as a prediction parameter to the entropy coding unit 110 via the prediction parameter generation unit 130.
  • the coded reference picture is a picture composed of a plurality of blocks reconstructed after encoding.
  • the inter-prediction unit 126 generates a prediction image of the current block by performing motion compensation for the current block using the derived MV and the encoded reference picture (step Sg_5).
  • the processing of steps Sg_1 to Sg_5 is executed for each block. For example, when the processes of steps Sg_1 to Sg_1 are executed for each of all the blocks included in the slice, the inter-prediction using the normal inter-mode for the slice ends. Further, when the processes of steps Sg_1 to Sg_1 are executed for each of all the blocks included in the picture, the inter-prediction using the normal inter-mode for the picture ends.
  • steps Sg_1 to Sg_5 are not executed for all the blocks included in the slice, and when executed for some blocks, the inter-prediction using the normal intermode for the slice ends. You may. Similarly, when the processes of steps Sg_1 to Sg_5 are executed for a part of the blocks included in the picture, the inter-prediction using the normal inter-mode for the picture may be completed.
  • the predicted image is the above-mentioned inter-predicted signal. Further, the information including the coded signal indicating the inter-prediction mode (normal inter-mode in the above example) used for generating the predicted image is encoded as, for example, a prediction parameter.
  • the candidate MV list may be used in common with the list used in other modes. Further, the process related to the candidate MV list may be applied to the process related to the list used in other modes.
  • the processing related to this candidate MV list is, for example, extraction or selection of candidate MVs from the candidate MV list, rearrangement of candidate MVs, deletion of candidate MVs, and the like.
  • the normal merge mode is an inter-prediction mode in which the candidate MV is derived from the candidate MV list by selecting the candidate MV as the MV of the current block.
  • the normal merge mode is a merge mode in a narrow sense, and may be simply called a merge mode. In this embodiment, the normal merge mode and the merge mode are distinguished, and the merge mode is used in a broad sense.
  • FIG. 40 is a flowchart showing an example of inter-prediction in the normal merge mode.
  • the inter-prediction unit 126 first acquires a plurality of candidate MVs for the current block based on information such as MVs of a plurality of coded blocks around the current block temporally or spatially (step). Sh_1). That is, the inter prediction unit 126 creates a candidate MV list.
  • the inter-prediction unit 126 derives the MV of the current block by selecting one candidate MV from the plurality of candidate MVs acquired in step Sh_1 (step Sh_1). At this time, the inter-prediction unit 126 encodes the MV selection information for identifying the selected candidate MV into the stream. That is, the inter prediction unit 126 outputs the MV selection information as the prediction parameter to the entropy coding unit 110 via the prediction parameter generation unit 130.
  • the inter-prediction unit 126 generates a prediction image of the current block by performing motion compensation for the current block using the derived MV and the encoded reference picture (step Sh_3).
  • the processing of steps Sh_1 to Sh_1 is executed for each block, for example. For example, when the processes of steps Sh_1 to Sh_3 are executed for each of all the blocks included in the slice, the inter-prediction using the normal merge mode for the slice ends. Further, when the processes of steps Sh_1 to Sh_3 are executed for each of all the blocks included in the picture, the inter-prediction using the normal merge mode for the picture ends.
  • steps Sh_1 to Sh_3 are not executed for all the blocks included in the slice, and when executed for some blocks, the inter-prediction using the normal merge mode for the slice ends. You may. Similarly, when the processes of steps Sh_1 to Sh_3 are executed for some blocks included in the picture, the inter-prediction using the normal merge mode for the picture may be completed.
  • the information including the inter-prediction mode (normal merge mode in the above example) used for generating the prediction image, which is included in the stream, is encoded as, for example, a prediction parameter.
  • FIG. 41 is a diagram for explaining an example of the MV derivation process of the current picture in the normal merge mode.
  • the inter prediction unit 126 generates a candidate MV list in which candidate MVs are registered.
  • Candidate MVs include a spatially adjacent candidate MV that is an MV possessed by a plurality of coded blocks located spatially around the current block, and an MV possessed by a block in the vicinity that projects the position of the current block in the encoded reference picture.
  • the inter prediction unit 126 selects one candidate MV from a plurality of candidate MVs registered in the candidate MV list, and determines that one candidate MV as the MV of the current block.
  • the entropy coding unit 110 describes and encodes merge_idx, which is a signal indicating which candidate MV is selected, in the stream.
  • the candidate MVs to be registered in the candidate MV list described with reference to FIG. 41 are examples, and the number may be different from the number in the figure, or the configuration may not include some types of the candidate MVs in the figure.
  • the configuration may be such that candidate MVs other than the types of candidate MVs in the figure are added.
  • the final MV may be determined by performing DMVR (dynamic motion vector refreshing) described later using the MV of the current block derived by the normal merge mode.
  • DMVR dynamic motion vector refreshing
  • the difference MV is not encoded, but in the MMVD mode, the difference MV is encoded.
  • the MMVD mode selects one candidate MV from the candidate MV list as in the normal merge mode, but encodes the difference MV.
  • Such an MMVD may be classified into a merge mode together with a normal merge mode, as shown in FIG. 38B.
  • the difference MV in the MMVD mode does not have to be the same as the difference MV used in the inter mode. For example, the derivation of the difference MV in the MMVD mode requires a larger amount of processing than the derivation of the difference MV in the inter mode. It may be a small process.
  • a CIIP (Combined inter merge / intraprescription) mode may be performed in which the predicted image generated by the inter-prediction and the predicted image generated by the intra-prediction are superimposed to generate the predicted image of the current block.
  • the candidate MV list may be referred to as a candidate list.
  • merge_idx is MV selection information.
  • FIG. 42 is a diagram for explaining an example of the MV derivation process of the current picture in the HMVP mode.
  • the MV of the current block for example, CU is determined by selecting one candidate MV from the candidate MV list generated by referring to the coded block (for example, CU).
  • another candidate MV may be registered in the candidate MV list.
  • the mode in which such another candidate MV is registered is called the HMVP mode.
  • the candidate MV is managed by using a FIFO (First-In First-Out) buffer for HMVP separately from the candidate MV list in the normal merge mode.
  • a FIFO First-In First-Out
  • the FIFO buffer stores motion information such as MVs of blocks processed in the past in order from the newest one.
  • motion information such as MVs of blocks processed in the past in order from the newest one.
  • the MV of the newest block ie, the last processed CU
  • the oldest CU in the FIFO buffer ie.
  • the earliest processed MV is deleted from the FIFO buffer.
  • HMVP1 is the MV of the newest block
  • HMVP5 is the MV of the oldest block.
  • the inter-prediction unit 126 has an MV different from all the candidate MVs already registered in the candidate MV list of the normal merge mode in order from HMVP1 for each MV managed in the FIFO buffer. Check if there is. Then, when the inter prediction unit 126 determines that the MVs are different from all the candidate MVs, the MV managed in the FIFO buffer may be added as a candidate MV to the candidate MV list in the normal merge mode. At this time, the number of candidate MVs registered from the FIFO buffer may be one or a plurality.
  • HMVP mode By using the HMVP mode in this way, it is possible to add not only the MVs of blocks that are spatially or temporally adjacent to each other in the current block, but also the MVs of blocks that have been processed in the past. As a result, there is a high possibility that the coding efficiency can be improved by expanding the variation of the candidate MV in the normal merge mode.
  • the above-mentioned MV may be motion information. That is, the information stored in the candidate MV list and the FIFO buffer may include not only the value of the MV but also the information of the picture to be referred to, the information indicating the direction to be referred to, the number of sheets, and the like. Further, the above-mentioned block is, for example, CU.
  • the candidate MV list and FIFO buffer in FIG. 42 are examples, and the candidate MV list and FIFO buffer may be a list or buffer having a size different from that in FIG. 42, or candidate MVs may be registered in a different order from that in FIG. 42. It may be a configuration. Further, the processing described here is common to both the coding device 100 and the decoding device 200.
  • the HMVP mode can also be applied to modes other than the normal merge mode.
  • motion information such as the MV of a block processed in the affine mode in the past may be stored in the FIFO buffer in order from the newest one and used as a candidate MV.
  • a mode in which the HMVP mode is applied to the affine mode may be referred to as a history affine mode.
  • the motion information may be derived on the decoding device 200 side without being signalized from the coding device 100 side.
  • motion information may be derived by performing motion search on the decoding device 200 side.
  • the motion search is performed without using the pixel value of the current block.
  • Such a mode for performing motion search on the decoding device 200 side includes a FRUC (frame rate up-conversion) mode and a PMMVD (pattern matched motion vector variation) mode.
  • FIG. 43 shows an example of FRUC processing.
  • a list showing the MVs of each encoded block spatially or temporally adjacent to the current block as candidate MVs (that is, a candidate MV list and a candidate MV in normal merge mode). (May be common with the list) is generated (step Si_1).
  • the best candidate MV is selected from the plurality of candidate MVs registered in the candidate MV list (step Si_2). For example, the evaluation value of each candidate MV included in the candidate MV list is calculated, and one candidate MV is selected as the best candidate MV based on the evaluation value. Then, based on the selected best candidate MV, the MV for the current block is derived (step Si_4).
  • the selected best candidate MV is directly derived as the MV for the current block.
  • the MV for the current block may be derived by performing pattern matching in the peripheral region of the position in the reference picture corresponding to the selected best candidate MV. That is, the area around the best candidate MV is searched using pattern matching and the evaluation value in the reference picture, and if there is an MV with a good evaluation value, the best candidate MV is set as the MV. It may be updated to make it the final MV of the current block. It is not necessary to carry out the update to the MV having a better evaluation value.
  • the inter-prediction unit 126 generates a prediction image of the current block by performing motion compensation for the current block using the derived MV and the encoded reference picture (step Si_5).
  • the processing of steps Si_1 to Si_1 is executed for each block, for example.
  • the inter-prediction using the FRUC mode for the slice ends.
  • the processes of steps Si_1 to Si_5 are executed for each of all the blocks included in the picture, the inter-prediction using the FRUC mode for the picture ends.
  • steps Si_1 to Si_1 are not executed for all the blocks included in the slice, and when executed for some blocks, the inter-prediction using the FRUC mode for the slice ends. May be good. Similarly, when the processes of steps Si_1 to Si_1 are executed for some blocks included in the picture, the inter-prediction using the FRUC mode for the picture may be completed.
  • the sub-block unit may be processed in the same manner as the above-mentioned block unit.
  • the evaluation value may be calculated by various methods. For example, a reconstructed image of a region in a reference picture corresponding to the MV and a predetermined region (the region is, for example, the region of another reference picture or the region of an adjacent block of the current picture, as shown below. Compare with the reconstructed image of (may be good). Then, the difference between the pixel values of the two reconstructed images may be calculated and used as the evaluation value of the MV. In addition to the difference value, other information may be used to calculate the evaluation value.
  • one candidate MV included in the candidate MV list (also referred to as a merge list) is selected as a start point for search by pattern matching.
  • pattern matching first pattern matching or second pattern matching may be used.
  • the first pattern matching and the second pattern matching may be referred to as bilateral matching and template matching, respectively.
  • FIG. 44 is a diagram for explaining an example of first pattern matching (bilateral matching) between two blocks in two reference pictures along a motion trajectory.
  • first pattern matching two blocks along the motion trajectory of the current block (Cur block) are included in a pair of two blocks in two different reference pictures (Ref0, Ref1).
  • Two MVs (MV0, MV1) are derived by searching for the best matching pair. Specifically, for the current block, the reconstructed image at the specified position in the first encoded reference picture (Ref0) specified by the candidate MV, and the symmetric MV obtained by scaling the candidate MV at the display time interval.
  • the difference from the reconstructed image at the designated position in the second encoded reference picture (Ref1) specified in is derived, and the evaluation value is calculated using the obtained difference value.
  • the candidate MV having the best evaluation value among the plurality of candidate MVs may be selected as the best candidate MV.
  • the MV (MV0, MV1) pointing to the two reference blocks is the temporal distance (Ref0, Ref1) between the current picture (Cur Pic) and the two reference pictures (Ref0, Ref1). It is proportional to TD0, TD1). For example, if the current picture is temporally located between two reference pictures and the temporal distances from the current picture to the two reference pictures are equal, then in the first pattern matching, a mirror-symmetrical bidirectional MV is used. Derived.
  • MV derivation>FRUC> template matching In the second pattern matching (template matching), pattern matching is performed between a template in the current picture (a block adjacent to the current block in the current picture (for example, an adjacent block above and / or left)) and a block in the reference picture. It will be done. Therefore, in the second pattern matching, a block adjacent to the current block in the current picture is used as a predetermined area for calculating the evaluation value of the candidate MV described above.
  • FIG. 45 is a diagram for explaining an example of pattern matching (template matching) between a template in a current picture and a block in a reference picture.
  • the current block is searched for the block that most closely matches the block adjacent to the current block (Cur block) in the current picture (Cur Pic) in the reference picture (Ref 0).
  • MV is derived.
  • the reconstructed image of the encoded region of either the left adjacent and the upper adjacent or one of them is equivalent to the encoded reference picture (Ref0) specified by the candidate MV.
  • the difference from the reconstructed image at the position is derived, and the evaluation value is calculated using the obtained difference value.
  • the candidate MV having the best evaluation value among the plurality of candidate MVs may be selected as the best candidate MV.
  • Information indicating whether or not to apply such a FRUC mode may be signalized at the CU level. Further, when the FRUC mode is applied (for example, when the FRUC flag is true), information indicating an applicable pattern matching method (first pattern matching or second pattern matching) may be signalized at the CU level. .. Note that the signaling of this information does not have to be limited to the CU level and may be at other levels (eg, sequence level, picture level, slice level, brick level, CTU level or subblock level). ..
  • the affine mode is a mode in which the MV is generated by using the affine transformation, and for example, the MV may be derived in sub-block units based on the MVs of a plurality of adjacent blocks. This mode is sometimes referred to as the affine motion compensation prediction mode.
  • FIG. 46A is a diagram for explaining an example of MV derivation in sub-block units based on MVs of a plurality of adjacent blocks.
  • the current block includes, for example, a subblock consisting of 16 4x4 pixels.
  • the motion vector v 0 of the upper left corner control point of the current block is derived based on the MV of the adjacent block
  • the motion vector v 1 of the upper right corner control point of the current block is derived based on the MV of the adjacent subblock.
  • the motion vectors (v x , v y ) of each subblock in the current block are derived by projecting the two motion vectors v 0 and v 1 by the following equation (1A).
  • x and y indicate the horizontal position and the vertical position of the subblock, respectively, and w indicates a predetermined weighting coefficient.
  • Information indicating such an affine mode may be signalized at the CU level.
  • the signaling of the information indicating this affine mode does not have to be limited to the CU level, but may be at other levels (for example, sequence level, picture level, slice level, brick level, CTU level or subblock level). You may.
  • an affine mode may include several modes in which the method of deriving the MV of the upper left and upper right corner control points is different.
  • the affine mode has two modes, an affine inter (also referred to as an affine normal inter) mode and an affine merge mode.
  • FIG. 46B is a diagram for explaining an example of deriving the MV in sub-block units in the affine mode using three control points.
  • the current block includes, for example, a subblock consisting of 16 4x4 pixels.
  • the motion vector v 0 of the upper left corner control point of the current block is derived based on the MV of the adjacent block.
  • the motion vector v 1 of the upper right corner control point of the current block is derived based on the MV of the adjacent block
  • the motion vector v 2 of the lower left corner control point of the current block is derived based on the MV of the adjacent block.
  • the motion vectors (v x , v y ) of each subblock in the current block are derived by projecting the three motion vectors v 0 , v 1 and v 2 by the following equation (1B).
  • x and y indicate the horizontal position and the vertical position of the center of the subblock, respectively, and w and h indicate predetermined weight coefficients.
  • w may indicate the width of the current block, and h may indicate the height of the current block.
  • the affine mode using different numbers of control points may be switched at the CU level and signalized. Even if the information indicating the number of control points in the affine mode used at the CU level is signalized at another level (for example, sequence level, picture level, slice level, brick level, CTU level or subblock level). good.
  • the affine mode having such three control points may include several modes in which the MV derivation method of the upper left, upper right and lower left angle control points is different.
  • the affine mode having three control points has two modes, an affine intermode mode and an affine merge mode, similar to the affine mode having two control points described above.
  • the size of each sub-block included in the current block is not limited to 4x4 pixels, and may be another size.
  • the size of each subblock may be 8 ⁇ 8 pixels.
  • FIG. 47A, 47B and 47C are conceptual diagrams for explaining an example of MV derivation of a control point in the affine mode.
  • affine mode as shown in FIG. 47A, for example, coded block A (left), block B (top), block C (upper right), block D (lower left) and block E (upper left) adjacent to the current block.
  • the predicted MVs of the control points of the current block are calculated based on the plurality of MVs corresponding to the blocks encoded in the affine mode. Specifically, these blocks are inspected in the order of coded block A (left), block B (top), block C (upper right), block D (lower left) and block E (upper left) and in affine mode. The first valid block encoded is identified.
  • the MV of the control point of the current block is calculated based on the plurality of MVs corresponding to the specified block.
  • the motion vectors v 3 , v 4 and v 5 projected at the position of the lower left corner are derived. Then, from the derived motion vectors v 3 , v 4 and v 5 , the motion vector v 0 of the upper left corner control point of the current block, the motion vector v 1 of the upper right corner control point, and the motion vector v of the lower left angle control point. 2 and are calculated.
  • the MV derivation method shown in FIGS. 47A to 47C may be used for deriving the MV of each control point of the current block in step Sk_1 shown in FIG. 50, which will be described later, or step Sj_1 shown in FIG. 51, which will be described later. It may be used to derive the predicted MV of each control point of the current block in.
  • 48A and 48B are conceptual diagrams for explaining another example of deriving the control point MV in the affine mode.
  • FIG. 48A is a diagram for explaining an affine mode having two control points.
  • the MV selected from the respective MVs of the coded blocks A, B, and C adjacent to the current block is the motion vector v of the upper left corner control point of the current block. Used as 0 .
  • the MV selected from the respective MVs of the encoded blocks D and E adjacent to the current block is used as the motion vector v1 of the upper right corner control point of the current block.
  • FIG. 48B is a diagram for explaining an affine mode having three control points.
  • the MV selected from the respective MVs of the coded blocks A, B, and C adjacent to the current block is the motion vector v of the upper left corner control point of the current block. Used as 0 .
  • the MV selected from the respective MVs of the encoded blocks D and E adjacent to the current block is used as the motion vector v1 of the upper right corner control point of the current block.
  • the MV selected from the respective MVs of the coded block F and the block G adjacent to the current block is used as the motion vector v2 of the lower left corner control point of the current block.
  • the MV derivation method shown in FIGS. 48A and 48B may be used for deriving the MV of each control point of the current block in step Sk_1 shown in FIG. 50, which will be described later, or in step Sj_1 of FIG. 51, which will be described later. It may be used to derive the predicted MV of each control point of the current block.
  • the number of control points may differ between the coded block and the current block. ..
  • FIGS. 49A and 49B are conceptual diagrams for explaining an example of an MV derivation method for control points when the number of control points differs between the coded block and the current block.
  • the current block has three control points, an upper left corner, an upper right corner, and a lower left corner, and the block A adjacent to the left of the current block is encoded in an affine mode having two control points.
  • the motion vectors v3 and v4 projected at the positions of the upper left corner and the upper right corner of the coded block including the block A are derived.
  • the motion vector v 0 of the upper left corner control point of the current block and the motion vector v 1 of the upper right corner control point are calculated.
  • the motion vector v 2 of the lower left angle control point is calculated from the derived motion vectors v 0 and v 1 .
  • the current block is encoded in affine mode with two control points, an upper left corner and an upper right corner, and block A adjacent to the left of the current block has three control points. ..
  • the motion vectors v 3 , v 4 and v 5 projected at the positions of the upper left corner, the upper right corner and the lower left corner of the coded block including the block A are derived.
  • the motion vector v 0 of the upper left corner control point of the current block and the motion vector v 1 of the upper right corner control point are calculated.
  • the MV derivation method shown in FIGS. 49A and 49B may be used for deriving the MV of each control point of the current block in step Sk_1 shown in FIG. 50, which will be described later, or in step Sj_1 of FIG. 51, which will be described later. It may be used to derive the predicted MV of each control point of the current block.
  • FIG. 50 is a flowchart showing an example of the affine merge mode.
  • the inter-prediction unit 126 derives each MV of the control point of the current block (step Sk_1).
  • the control points are the upper left corner and upper right corner points of the current block as shown in FIG. 46A, or the upper left corner, upper right corner and lower left corner point of the current block as shown in FIG. 46B.
  • the inter-prediction unit 126 may encode the MV selection information for identifying the derived two or three MVs into the stream.
  • the inter-prediction unit 126 uses the coded block A (left), block B (top), and block C (upper right) as shown in FIG. 47A. , Block D (lower left) and block E (upper left), inspect these blocks to identify the first valid block encoded in affine mode.
  • the inter-prediction unit 126 derives the MV of the control point using the first valid block encoded in the identified affine mode. For example, if block A is identified and block A has two control points, as shown in FIG. 47B, the inter-prediction unit 126 may use motion vectors v for the upper left and upper right corners of the coded block containing block A. From 3 and v4, the motion vector v 0 of the upper left corner control point of the current block and the motion vector v 1 of the upper right corner control point are calculated.
  • the inter-prediction unit 126 projects the motion vectors v 3 and v 4 of the upper left corner and the upper right corner of the coded block onto the current block to obtain the motion vector v 0 of the upper left corner control point of the current block.
  • the motion vector v1 of the upper right corner control point is calculated.
  • the inter-prediction unit 126 may be located at the upper left, upper right and lower left corners of the coded block containing block A. From the motion vectors v 3 , v 4 and v 5 , the motion vector v 0 of the upper left corner control point of the current block, the motion vector v 1 of the upper right corner control point, and the motion vector v 2 of the lower left corner control point are calculated. ..
  • the inter - prediction unit 126 projects the motion vectors v3 , v4, and v5 of the upper left corner, the upper right corner, and the lower left corner of the coded block onto the current block, thereby displaying the upper left corner control point of the current block.
  • the motion vector v 0 , the motion vector v 1 of the upper right angle control point, and the motion vector v 2 of the lower left angle control point are calculated.
  • the MV of the three control points may be calculated, as shown in FIG. 49B above.
  • Block A is specified, and if block A has three control points, the MV of the two control points may be calculated.
  • the inter-prediction unit 126 performs motion compensation for each of the plurality of sub-blocks included in the current block. That is, the inter-prediction unit 126 uses the two motion vectors v 0 and v 1 and the above equation (1A) for each of the plurality of subblocks, or the three motion vectors v 0 , v 1 and v. Using 2 and the above equation (1B), the MV of the subblock is calculated as an affine MV (step Sk_2). Then, the inter-prediction unit 126 uses the affine MV and the coded reference picture to perform motion compensation for the subblock (step Sk_3).
  • the process of generating the predicted image using the affine merge mode for the current block ends. That is, motion compensation is performed on the current block, and a predicted image of the current block is generated.
  • the above-mentioned candidate MV list may be generated.
  • the candidate MV list may be, for example, a list including candidate MVs derived by using a plurality of MV derivation methods for each control point.
  • the plurality of MV derivation methods include the MV derivation method shown in FIGS. 47A to 47C, the MV derivation method shown in FIGS. 48A and 48B, the MV derivation method shown in FIGS. 49A and 49B, and the derivation of other MVs. It may be any combination of methods.
  • the candidate MV list may include candidate MVs for modes other than the affine mode, in which prediction is performed in subblock units.
  • a candidate MV list including an affine merge mode candidate MV having two control points and an affine merge mode candidate MV having three control points may be generated.
  • a candidate MV list including the candidate MVs of the affine merge mode having two control points and a candidate MV list including the candidate MVs of the affine merge mode having three control points may be generated respectively.
  • a candidate MV list including candidate MVs of one of the affine merge mode having two control points and the affine merge mode having three control points may be generated.
  • Candidate MVs may be, for example, MVs of encoded blocks A (left), block B (top), block C (upper right), block D (lower left) and block E (upper left), and of those blocks. It may be the MV of our valid block.
  • an index indicating which candidate MV in the candidate MV list may be sent.
  • FIG. 51 is a flowchart showing an example of the affine intermode.
  • the inter prediction unit 126 derives the prediction MV (v 0 , v 1 ) or (v 0 , v 1 , v 2 ) of each of the two or three control points of the current block (v 0, v 1, v 2). Step Sj_1).
  • the control point is a point at the upper left corner, the upper right corner, or the lower left corner of the current block.
  • the inter-prediction unit 126 is a block of any of the coded blocks in the vicinity of each control point of the current block shown in FIG. 48A or FIG. 48B.
  • the predicted MV (v 0 , v 1 ) or (v 0 , v 1 , v 2 ) of the control point of the current block is derived.
  • the inter prediction unit 126 encodes the prediction MV selection information for identifying the selected two or three prediction MVs into the stream.
  • the inter-prediction unit 126 determines which block MV is selected as the predicted MV of the control point from the coded blocks adjacent to the current block by using cost evaluation or the like, and which predicted MV is selected. A flag indicating the above may be described in the bitstream. That is, the inter-prediction unit 126 outputs the prediction MV selection information such as a flag to the entropy coding unit 110 as a prediction parameter via the prediction parameter generation unit 130.
  • the inter-prediction unit 126 performs a motion search (steps Sj_3 and Sj_4) while updating the predicted MVs selected or derived in step Sj_1, respectively (step Sj_2). That is, the inter-prediction unit 126 calculates using the above equation (1A) or equation (1B) with the MV of each subblock corresponding to the updated predicted MV as the affine MV (step Sj_3). Then, the inter-prediction unit 126 performs motion compensation for each subblock using the affine MV and the coded reference picture (step Sj_4). The processing of steps Sj_3 and Sj_4 is executed for all the blocks in the current block every time the predicted MV is updated in step Sj_2.
  • the inter-prediction unit 126 determines, for example, the predicted MV at which the lowest cost can be obtained as the MV of the control point (step Sj_5). At this time, the inter-prediction unit 126 further encodes the difference value between the determined MV and the predicted MV into the stream as the difference MV. That is, the inter-prediction unit 126 outputs the difference MV as a prediction parameter to the entropy coding unit 110 via the prediction parameter generation unit 130.
  • the inter-prediction unit 126 generates a prediction image of the current block by performing motion compensation for the current block using the determined MV and the encoded reference picture (step Sj_6).
  • the above-mentioned candidate MV list may be generated.
  • the candidate MV list may be, for example, a list including candidate MVs derived by using a plurality of MV derivation methods for each control point.
  • the plurality of MV derivation methods include the MV derivation method shown in FIGS. 47A to 47C, the MV derivation method shown in FIGS. 48A and 48B, the MV derivation method shown in FIGS. 49A and 49B, and the derivation of other MVs. It may be any combination of methods.
  • the candidate MV list may include candidate MVs for modes other than the affine mode, in which prediction is performed in subblock units.
  • a candidate MV list including an affine intermode candidate MV having two control points and an affine intermode candidate MV having three control points may be generated.
  • a candidate MV list including the candidate MVs of the affine intermode having two control points and a candidate MV list including the candidate MVs of the affine intermode having three control points may be generated respectively.
  • a candidate MV list including candidate MVs of one of the affine intermode having two control points and the affine intermode having three control points may be generated.
  • Candidate MVs may be, for example, MVs of encoded blocks A (left), block B (top), block C (upper right), block D (lower left) and block E (upper left), and of those blocks. It may be the MV of our valid block.
  • an index indicating which candidate MV in the candidate MV list may be sent.
  • the inter-prediction unit 126 generates one rectangular prediction image for the rectangular current block. However, the inter-prediction unit 126 generates a plurality of prediction images having a shape different from that of the rectangle with respect to the current block of the rectangle, and generates a final prediction image of the rectangle by combining the plurality of prediction images. You may.
  • the shape different from the rectangle may be, for example, a triangle.
  • FIG. 52A is a diagram for explaining the generation of predicted images of two triangles.
  • the inter-prediction unit 126 generates a triangle prediction image by performing motion compensation for the first partition of the triangle in the current block using the first MV of the first partition. Similarly, the inter-prediction unit 126 generates a triangle prediction image by performing motion compensation for the second partition of the triangle in the current block using the second MV of the second partition. Then, the inter prediction unit 126 generates a prediction image having the same rectangle as the current block by combining these prediction images.
  • the first predicted image of the rectangle corresponding to the current block may be generated by using the first MV.
  • the second predicted image of the rectangle corresponding to the current block may be generated by using the second MV.
  • the predicted image of the current block may be generated by weighting and adding the first predicted image and the second predicted image. The portion to be weighted and added may be only a part of the area sandwiching the boundary between the first partition and the second partition.
  • FIG. 52B is a conceptual diagram showing an example of the first part of the first partition overlapping the second partition, and the first sample set and the second sample set that can be weighted as a part of the correction process.
  • the first portion may be, for example, a quarter of the width or height of the first partition.
  • the first portion may have a width corresponding to N samples adjacent to the edge of the first partition.
  • N is an integer larger than zero, and for example, N may be an integer 2.
  • FIG. 52B shows a rectangular partition having a rectangular portion with a width of a quarter of the width of the first partition.
  • the first sample set includes a sample outside the first portion and a sample inside the first portion
  • the second sample set includes a sample inside the first portion.
  • the example in the center of FIG. 52B shows a rectangular partition having a rectangular portion that is one-fourth the height of the first partition.
  • the first sample set includes a sample outside the first portion and a sample inside the first portion
  • the second sample set includes a sample inside the first portion.
  • the example on the right in FIG. 52B shows a triangular partition with polygonal portions of height corresponding to the two samples.
  • the first sample set includes a sample outside the first portion and a sample inside the first portion
  • the second sample set includes a sample inside the first portion.
  • the first part may be a part of the first partition that overlaps with the adjacent partition.
  • FIG. 52C is a conceptual diagram showing the first part of the first partition which is a part of the first partition overlapping with a part of the adjacent partition.
  • a rectangular partition with a portion that overlaps with a spatially adjacent rectangular partition is shown.
  • a partition having another shape such as a triangular partition may be used, and the overlapping portion may overlap with a spatially or temporally adjacent partition.
  • a predicted image may be generated for at least one partition using intra-prediction.
  • FIG. 53 is a flowchart showing an example of the triangle mode.
  • the inter-prediction unit 126 divides the current block into a first partition and a second partition (step Sx_1). At this time, the inter-prediction unit 126 may encode the partition information, which is information about the division into each partition, into the stream as a prediction parameter. That is, the inter-prediction unit 126 may output the partition information as the prediction parameter to the entropy coding unit 110 via the prediction parameter generation unit 130.
  • the inter-prediction unit 126 first acquires a plurality of candidate MVs for the current block based on information such as MVs of a plurality of coded blocks around the current block temporally or spatially. (Step Sx_2). That is, the inter prediction unit 126 creates a candidate MV list.
  • the inter-prediction unit 126 selects the candidate MV of the first partition and the candidate MV of the second partition from the plurality of candidate MVs acquired in step Sx_2 as the first MV and the second MV, respectively (step Sx_3). ..
  • the inter-prediction unit 126 may encode the MV selection information for identifying the selected candidate MV into the stream as a prediction parameter. That is, the inter-prediction unit 126 may output the MV selection information as a prediction parameter to the entropy coding unit 110 via the prediction parameter generation unit 130.
  • the inter-prediction unit 126 generates a first predicted image by performing motion compensation using the selected first MV and the coded reference picture (step Sx_4). Similarly, the inter-prediction unit 126 generates a second predicted image by performing motion compensation using the selected second MV and the coded reference picture (step Sx_5).
  • the inter-prediction unit 126 generates a prediction image of the current block by weighting and adding the first prediction image and the second prediction image (step Sx_6).
  • the first partition and the second partition are triangular, but they may be trapezoidal or have different shapes. Further, in the example shown in FIG. 52A, the current block is composed of two partitions, but may be composed of three or more partitions.
  • first partition and the second partition may overlap. That is, the first partition and the second partition may include the same pixel area.
  • the predicted image of the current block may be generated by using the predicted image in the first partition and the predicted image in the second partition.
  • the predicted image is generated by inter-prediction for both partitions, but the predicted image may be generated by intra-prediction for at least one partition.
  • the candidate MV list for selecting the first MV and the candidate MV list for selecting the second MV may be different or may be the same candidate MV list.
  • the partition information may include at least an index indicating the division direction for dividing the current block into a plurality of partitions.
  • the MV selection information may include an index indicating the selected first MV and an index indicating the selected second MV.
  • One index may indicate a plurality of pieces of information. For example, one index indicating a part or the whole of the partition information and a part or the whole of the MV selection information may be encoded.
  • FIG. 54 is a diagram showing an example of the ATMVP mode in which the MV is derived in sub-block units.
  • ATMVP mode is a mode classified into merge mode. For example, in the ATMVP mode, the candidate MV for each subblock is registered in the candidate MV list used in the normal merge mode.
  • the reference picture is associated with the current block.
  • the time MV reference block is identified.
  • the MV used at the time of encoding the region corresponding to the subblock in the time MV reference block is specified.
  • the MV thus identified is included in the candidate MV list as a candidate MV for a subblock of the current block.
  • a block adjacent to the lower left of the current block is used as the peripheral MV reference block, but other blocks may be used.
  • the size of the subblock may be 4x4 pixels, 8x8 pixels, or any other size.
  • the size of the subblocks may be toggled in units such as slices, bricks, or pictures.
  • FIG. 55 is a diagram showing the relationship between the merge mode and DMVR.
  • the inter prediction unit 126 derives the MV of the current block in the merge mode (step Sl_1).
  • the inter-prediction unit 126 determines whether or not to perform the MV search, that is, the motion search (step Sl_2).
  • the MV derived in step Sl_1 is determined as the final MV for the current block (step Sl_4). That is, in this case, the MV of the current block is determined in the merge mode.
  • step Sl_1 when it is determined in step Sl_1 that the motion search is performed (Yes in step Sl_1), the inter-prediction unit 126 searches for the peripheral region of the reference picture indicated by the MV derived in step Sl_1 with respect to the current block. To derive the final MV (step Sl_3). That is, in this case, the MV of the current block is determined by DMVR.
  • FIG. 56 is a conceptual diagram for explaining an example of DMVR for determining MV.
  • candidate MVs (L0 and L1) are selected for the current block. Then, according to the candidate MV (L0), the reference pixel is specified from the first reference picture (L0) which is the encoded picture in the L0 list. Similarly, according to the candidate MV (L1), the reference pixel is specified from the second reference picture (L1) which is the encoded picture in the L1 list. A template is generated by averaging these reference pixels.
  • the peripheral regions of the candidate MVs of the first reference picture (L0) and the second reference picture (L1) are searched respectively, and the MV having the lowest cost is the final MV of the current block.
  • the cost may be calculated using, for example, a difference value between each pixel value of the template and each pixel value of the search area, a candidate MV value, and the like.
  • any process may be used as long as it is a process that can search the periphery of the candidate MV and derive the final MV.
  • FIG. 57 is a conceptual diagram for explaining another example of DMVR for determining MV.
  • the cost is calculated without generating a template.
  • the inter-prediction unit 126 searches around the reference block included in each reference picture of the L0 list and the L1 list based on the initial MV which is the candidate MV acquired from the candidate MV list. For example, as shown in FIG. 57, the initial MV corresponding to the reference block of the L0 list is InitMV_L0, and the initial MV corresponding to the reference block of the L1 list is InitMV_L1.
  • the inter-prediction unit 126 first sets the search position for the reference picture in the L0 list.
  • the difference vector indicating the set search position specifically, the difference vector from the position indicated by the initial MV (that is, InitMV_L0) to the search position is MVd_L0.
  • the inter-prediction unit 126 determines the search position in the reference picture of the L1 list. This search position is indicated by a difference vector from the position indicated by the initial MV (ie, InitMV_L1) to that search position. Specifically, the inter-prediction unit 126 determines the difference vector as MVd_L1 by mirroring MVd_L0. That is, the inter-prediction unit 126 sets the position symmetrical to the position indicated by the initial MV as the search position in each of the reference pictures of the L0 list and the L1 list. The inter-prediction unit 126 calculates, for each search position, the sum of the absolute differences (SAD) of the pixel values in the block at the search position as a cost, and finds the search position where the cost is the minimum.
  • SAD sum of the absolute differences
  • FIG. 58A is a diagram showing an example of a motion search in DMVR
  • FIG. 58B is a flowchart showing an example of the motion search.
  • the inter-prediction unit 126 calculates the cost at the search position (also referred to as the start point) indicated by the initial MV and the eight search positions around it in Step 1. Then, the inter-prediction unit 126 determines whether or not the cost of the search position other than the start point is the minimum. Here, when the inter-prediction unit 126 determines that the cost of the search position other than the start point is the minimum, the inter-prediction unit 126 moves to the search position where the cost is the minimum and performs Step 2 processing. On the other hand, if the cost of the starting point is the minimum, the inter-prediction unit 126 skips the processing of Step 2 and performs the processing of Step 3.
  • Step 2 the inter-prediction unit 126 performs the same search as in Step 1 processing, with the search position moved according to the processing result of Step 1 as a new starting point. Then, the inter-prediction unit 126 determines whether or not the cost of the search position other than the start point is the minimum. Here, the inter-prediction unit 126 performs the processing of Step 4 if the cost of the search position other than the start point is the minimum. On the other hand, the inter-prediction unit 126 processes Step 3 if the cost of the starting point is the minimum.
  • Step 4 the inter-prediction unit 126 treats the search position of the start point as the final search position, and determines the difference between the position indicated by the initial MV and the final search position as the difference vector.
  • the inter-prediction unit 126 determines the decimal precision pixel position that minimizes the cost based on the cost at the four points above, below, left, and right of the start point of Step 1 or Step 2, and sets the pixel position as the final search position. ..
  • the pixel position with decimal precision is a vector of four points ((0,1), (0, -1), (-1,0), (1,0)) on the top, bottom, left, and right, and each of the four points. It is determined by weighting and adding the cost at the search position of. Then, the inter prediction unit 126 determines the difference between the position indicated by the initial MV and the final search position as a difference vector.
  • BIO / OBMC / LIC In motion compensation, there is a mode in which a predicted image is generated and the predicted image is corrected.
  • the modes are, for example, BIO, OBMC, and LIC described later.
  • FIG. 59 is a flowchart showing an example of generating a predicted image.
  • the inter-prediction unit 126 generates a prediction image (step Sm_1) and corrects the prediction image in any of the above modes (step Sm_1).
  • FIG. 60 is a flowchart showing another example of generating a predicted image.
  • the inter prediction unit 126 derives the MV of the current block (step Sn_1). Next, the inter-prediction unit 126 generates a prediction image using the MV (step Sn_2), and determines whether or not to perform correction processing (step Sn_3). Here, when the inter-prediction unit 126 determines that the correction process is to be performed (Yes in step Sn_3), the inter-prediction unit 126 corrects the predicted image to generate a final predicted image (step Sn_4). In the LIC described later, the luminance and the color difference may be corrected in step Sn_4. On the other hand, when the inter-prediction unit 126 determines that the correction process is not performed (No in step Sn_3), the inter-prediction unit 126 outputs the predicted image as a final predicted image without correcting it (step Sn_5).
  • An inter-predicted image may be generated using not only the motion information of the current block obtained by the motion search but also the motion information of the adjacent block. Specifically, the current is obtained by weighting and adding the predicted image based on the motion information obtained by the motion search (in the reference picture) and the predicted image based on the motion information of the adjacent block (in the current picture).
  • An inter-prediction image may be generated for each sub-block in the block. Such inter-prediction (motion compensation) is sometimes referred to as OBMC (overlapped block motion compensation) or OBMC mode.
  • information indicating the size of the subblock for OBMC may be signalized at the sequence level. Further, information indicating whether or not to apply the OBMC mode (for example, called an OBMC flag) may be signalized at the CU level. It should be noted that the signalization level of this information does not have to be limited to the sequence level and the CU level, and may be other levels (for example, picture level, slice level, brick level, CTU level or subblock level). good.
  • 61 and 62 are a flowchart and a conceptual diagram for explaining an outline of the predicted image correction process by the OBMC.
  • a predicted image (Pred) by normal motion compensation is acquired using the MV assigned to the current block.
  • the arrow “MV” points to a reference picture and indicates what the current block of the current picture refers to in order to obtain a predicted image.
  • the MV (MV_L) already derived for the coded left adjacent block is applied (reused) to the current block to acquire the predicted image (Pred_L).
  • the MV (MV_L) is indicated by the arrow "MV_L” pointing to the reference picture from the current block.
  • the first correction of the predicted image is performed by superimposing the two predicted images Pred and Pred_L. This has the effect of mixing the boundaries between adjacent blocks.
  • the predicted image (Pred_U) is acquired by applying (reusing) the MV (MV_U) already derived for the encoded upper adjacent block to the current block.
  • the MV (MV_U) is indicated by the arrow "MV_U" pointing to the reference picture from the current block.
  • the predicted image Pred_U is superposed on the predicted image (for example, Pred and Pred_L) that has been corrected for the first time, so that the predicted image is corrected for the second time. This has the effect of mixing the boundaries between adjacent blocks.
  • the predicted image obtained by the second correction is the final predicted image of the current block in which the boundaries with the adjacent blocks are mixed (smoothed).
  • the above example is a two-pass correction method using blocks adjacent to the left and above, but the correction method is a three-pass or more pass using blocks adjacent to the right and / or adjacent to the bottom. It may be the correction method of.
  • the area to be superimposed may not be the pixel area of the entire block, but only a part of the area near the block boundary.
  • the prediction image correction process of OBMC for obtaining one predicted image Pred by superimposing additional predicted images Pred_L and Pred_U from one reference picture has been described.
  • the same processing may be applied to each of the plurality of reference pictures.
  • by performing image correction of OBMC based on a plurality of reference pictures after acquiring the corrected predicted image from each reference picture, the obtained plurality of corrected predicted images are further superimposed. Get the final predicted image with.
  • the unit of the current block may be a PU unit or a sub-block unit obtained by further dividing the PU.
  • the coding device 100 may determine whether the current block belongs to a complex region of motion.
  • the value 1 is set as obmc_flag and OBMC is applied to perform coding.
  • the coding device 100 does not belong to the complex region of motion, it is set as obmc_flag.
  • the value 0 is set and the block is encoded without applying OBMC.
  • the decoding device 200 by decoding the obmc_flag described in the stream, whether or not to apply the OBMC is switched according to the value and the decoding is performed.
  • BIO basic compensation
  • a mode for deriving MV based on a model assuming constant velocity linear motion will be described. This mode is sometimes referred to as a BIO (bi-directional optical flow) mode. Further, this bi-directional optical flow may be expressed as BDOF instead of BIO.
  • FIG. 63 is a diagram for explaining a model assuming constant velocity linear motion.
  • (vx, by) indicates a velocity vector
  • ⁇ 0 and ⁇ 1 indicate the temporal distance between the current picture (Cur Pic) and the two reference pictures (Ref0, Ref1, respectively).
  • (MVx0, MVy0) indicates the MV corresponding to the reference picture Ref0
  • (MVx1, MVy1) indicates the MV corresponding to the reference picture Ref1.
  • This optical flow equation is the product of (i) the time derivative of the brightness value, (ii) the horizontal velocity and the horizontal component of the spatial gradient of the reference image, and (iii) the vertical velocity and the spatial gradient of the reference image. We show that the sum of the product of the vertical components of is equal to zero. Based on the combination of this optical flow equation and Hermite interpolation, the motion vector in block units obtained from the candidate MV list or the like may be corrected in pixel units.
  • the MV may be derived on the decoding device 200 side by a method different from the derivation of the motion vector based on the model assuming constant velocity linear motion.
  • a motion vector may be derived in sub-block units based on the MVs of a plurality of adjacent blocks.
  • FIG. 64 is a flowchart showing an example of inter-prediction according to BIO. Further, FIG. 65 is a diagram showing an example of the configuration of the inter-prediction unit 126 that performs inter-prediction according to the BIO.
  • the inter-prediction unit 126 includes, for example, a memory 126a, an interpolated image derivation unit 126b, a gradient image derivation unit 126c, an optical flow derivation unit 126d, a correction value derivation unit 126e, and a prediction image correction.
  • a unit 126f is provided.
  • the memory 126a may be a frame memory 122.
  • the inter prediction unit 126 derives two motion vectors (M0, M1) by using two reference pictures (Ref0, Ref1) different from the picture (Cur Pic) including the current block. Then, the inter-prediction unit 126 derives a prediction image of the current block using the two motion vectors (M0 and M1) (step Sy_1).
  • the motion vector M0 is a motion vector (MVx0, MVy0) corresponding to the reference picture Ref0
  • the motion vector M1 is a motion vector (MVx1, MVy1) corresponding to the reference picture Ref1.
  • the interpolated image derivation unit 126b refers to the memory 126a and derives the interpolated image I 0 of the current block using the motion vector M0 and the reference picture L0. Further, the interpolated image derivation unit 126b refers to the memory 126a and derives the interpolated image I1 of the current block by using the motion vector M1 and the reference picture L1 (step Sy_2 ).
  • the interpolated image I 0 is an image included in the reference picture Ref 0 derived for the current block
  • the interpolated image I 1 is included in the reference picture Ref 1 derived for the current block. It is an image.
  • the interpolated image I 0 and the interpolated image I 1 may each have the same size as the current block.
  • the interpolated image I 0 and the interpolated image I 1 may each be larger than the current block in order to appropriately derive the gradient image described later.
  • the interpolated images I 0 and I 1 may include motion vectors (M0, M1) and reference pictures (L0, L1), and a predicted image derived by applying a motion compensation filter.
  • the gradient image deriving unit 126c derives the gradient image (Ix 0 , Ix 1 , Iy 0 , Iy 1 ) of the current block from the interpolated image I 0 and the interpolated image I 1 (step Sy_3).
  • the horizontal gradient image is (Ix 0 , Ix 1 )
  • the vertical gradient image is (Iy 0 , Iy 1 ).
  • the gradient image derivation unit 126c may derive the gradient image, for example, by applying a gradient filter to the interpolated image.
  • the gradient image may be any image that shows the amount of spatial change in the pixel value along the horizontal or vertical direction.
  • the optical flow derivation unit 126d uses an interpolated image (I 0 , I 1 ) and a gradient image (Ix 0 , Ix 1 , Iy 0 , Iy 1 ) in units of a plurality of subblocks constituting the current block.
  • the optical flow (vx, vy) which is the above-mentioned velocity vector is derived (step Sy_4).
  • the optical flow is a coefficient that corrects the spatial movement amount of the pixel, and may be called a local motion estimation value, a correction motion vector, or a correction weight vector.
  • the subblock may be a 4x4 pixel subCU.
  • the derivation of the optical flow may be performed not in subblock units but in other units such as pixel units.
  • the inter-prediction unit 126 corrects the predicted image of the current block using the optical flow (vx, vy).
  • the correction value derivation unit 126e derives the correction value of the value of the pixel included in the current block by using the optical flow (vx, vy) (step Sy_5).
  • the predicted image correction unit 126f may correct the predicted image of the current block by using the correction value (step Sy_6).
  • the correction value may be derived in units of each pixel, or may be derived in units of a plurality of pixels or sub-blocks.
  • BIO processing flow is not limited to the processing disclosed in FIG. 64. Only a part of the processes disclosed in FIG. 64 may be performed, different processes may be added or replaced, or the processes may be executed in different order.
  • FIG. 66A is a diagram for explaining an example of a predicted image generation method using the luminance correction process by LIC. Further, FIG. 66B is a flowchart showing an example of a predicted image generation method using the LIC.
  • the inter-prediction unit 126 derives the MV from the encoded reference picture and acquires the reference image corresponding to the current block (step Sz_1).
  • the inter-prediction unit 126 extracts information indicating how the luminance value has changed between the reference picture and the current picture with respect to the current block (step Sz_2). This extraction is performed by the luminance pixel values of the encoded left adjacent reference area (peripheral reference area) and the encoded upper adjacent reference area (peripheral reference area) in the current picture, and in the reference picture specified by the derived MV. It is performed based on the luminance pixel value at the same position. Then, the inter-prediction unit 126 calculates the luminance correction parameter using the information indicating how the luminance value has changed (step Sz_3).
  • the inter-prediction unit 126 generates a predicted image for the current block by performing a luminance correction process that applies the luminance correction parameter to the reference image in the reference picture specified by the MV (step Sz_4). That is, the predicted image, which is the reference image in the reference picture designated by the MV, is corrected based on the luminance correction parameter. In this correction, the luminance may be corrected or the color difference may be corrected. That is, the color difference correction parameter may be calculated using the information indicating how the color difference has changed, and the color difference correction process may be performed.
  • the shape of the peripheral reference region in FIG. 66A is an example, and other shapes may be used.
  • the predicted image may be generated after performing the luminance correction process in the same manner as in the above.
  • lic_flag is a signal indicating whether or not to apply LIC.
  • the coding apparatus 100 it is determined whether or not the current block belongs to the region where the luminance change occurs, and when it belongs to the region where the luminance change occurs, it is set as lic_flag. A value of 1 is set and LIC is applied for coding. If the value does not belong to the region where the luminance change occurs, a value of 0 is set as lic_flag and coding is performed without applying LIC.
  • the decoding device 200 by decoding the lic_flag described in the stream, whether or not to apply the LIC may be switched according to the value to perform the decoding.
  • the inter-prediction unit 126 encodes the peripheral coded blocks selected when deriving the MV in the merge mode by applying the LIC. Determine if it has been done.
  • the inter-prediction unit 126 switches whether to apply the LIC according to the result and performs coding. Even in the case of this example, the same processing is applied to the processing on the decoding device 200 side.
  • the LIC luminance correction process
  • the inter-prediction unit 126 derives an MV for acquiring a reference image corresponding to the current block from a reference picture which is a coded picture.
  • the inter-prediction unit 126 generates a prediction image for the current block by performing a luminance correction process on the reference image in the reference picture designated by the MV using the luminance correction parameter.
  • the luminance pixel value in the reference image is p2
  • the luminance pixel value of the predicted image after the luminance correction process is p3.
  • the peripheral reference area shown in FIG. 66A may be used.
  • a region including a predetermined number of pixels thinned out from each of the upper adjacent pixel and the left adjacent pixel may be used as a peripheral reference region.
  • the peripheral reference area is not limited to the area adjacent to the current block, and may be an area not adjacent to the current block.
  • the peripheral reference area in the reference picture is an area designated by the MV of the current picture from the peripheral reference area in the current picture, but is an area designated by another MV. You may.
  • the other MV may be the MV of the peripheral reference area in the current picture.
  • the operation in the coding device 100 has been described here, the operation in the decoding device 200 is also the same.
  • the LIC may be applied not only to the luminance but also to the color difference.
  • correction parameters may be derived individually for each of Y, Cb, and Cr, or common correction parameters may be used for any of them.
  • the LIC processing may be applied in units of sub-blocks.
  • the correction parameter may be derived using the peripheral reference area of the current subblock and the peripheral reference area of the reference subblock in the reference picture specified by the MV of the current subblock.
  • the prediction control unit 128 selects either an intra prediction image (image or signal output from the intra prediction unit 124) or an inter prediction image (image or signal output from the inter prediction unit 126), and the selected prediction image. Is output to the subtraction unit 104 and the addition unit 116.
  • the prediction parameter generation unit 130 may output information regarding intra-prediction, inter-prediction, and selection of a prediction image in the prediction control unit 128 to the entropy coding unit 110 as prediction parameters.
  • the entropy coding unit 110 may generate a stream based on the prediction parameter input from the prediction parameter generation unit 130 and the quantization coefficient input from the quantization unit 108.
  • the predictive parameters may be used in the decoding device 200.
  • the decoding device 200 may receive and decode the stream and perform the same processing as the prediction processing performed by the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128.
  • the prediction parameters may be a selection prediction signal (eg, MV, prediction type, or prediction mode used by intra prediction unit 124 or inter prediction unit 126), or intra prediction unit 124, inter prediction unit 126, and prediction control unit 128. It may contain any index, flag, or value based on or indicating the prediction process performed in.
  • a selection prediction signal eg, MV, prediction type, or prediction mode used by intra prediction unit 124 or inter prediction unit 126
  • intra prediction unit 124, inter prediction unit 126, and prediction control unit 128 may contain any index, flag, or value based on or indicating the prediction process performed in.
  • FIG. 67 is a block diagram showing an example of the configuration of the decoding device 200 according to the embodiment.
  • the decoding device 200 is a device that decodes a stream, which is an encoded image, in block units.
  • the decoding device 200 includes an entropy decoding unit 202, an inverse quantization unit 204, an inverse conversion unit 206, an addition unit 208, a block memory 210, a loop filter unit 212, and a frame memory 214. , Intra prediction unit 216, inter prediction unit 218, prediction control unit 220, prediction parameter generation unit 222, and division determination unit 224. Each of the intra prediction unit 216 and the inter prediction unit 218 is configured as a part of the prediction processing unit.
  • FIG. 68 is a block diagram showing an implementation example of the decoding device 200.
  • the decoding device 200 includes a processor b1 and a memory b2.
  • the plurality of components of the decoding device 200 shown in FIG. 67 are implemented by the processor b1 and the memory b2 shown in FIG.
  • the processor b1 is a circuit that performs information processing and is a circuit that can access the memory b2.
  • processor b1 is a dedicated or general purpose electronic circuit that decodes a stream.
  • the processor b1 may be a processor such as a CPU.
  • the processor b1 may be an aggregate of a plurality of electronic circuits.
  • the processor b1 may play the role of a plurality of components other than the component for storing information among the plurality of components of the decoding device 200 shown in FIG. 67 and the like.
  • the memory b2 is a dedicated or general-purpose memory in which information for the processor b1 to decode the stream is stored.
  • the memory b2 may be an electronic circuit or may be connected to the processor b1. Further, the memory b2 may be included in the processor b1. Further, the memory b2 may be an aggregate of a plurality of electronic circuits. Further, the memory b2 may be a magnetic disk, an optical disk, or the like, or may be expressed as a storage, a recording medium, or the like. Further, the memory b2 may be a non-volatile memory or a volatile memory.
  • the image may be stored or the stream may be stored in the memory b2.
  • the memory b2 may store a program for the processor b1 to decode the stream.
  • the memory b2 may play the role of a component for storing information among the plurality of components of the decoding device 200 shown in FIG. 67 and the like.
  • the memory b2 may serve as the block memory 210 and the frame memory 214 shown in FIG. 67. More specifically, the memory b2 may store a reconstructed image (specifically, a reconstructed block, a reconstructed picture, or the like).
  • the decoding device 200 not all of the plurality of components shown in FIG. 67 and the like may be implemented, or all of the plurality of processes described above may not be performed. Some of the plurality of components shown in FIG. 67 and the like may be included in other devices, and some of the above-mentioned processes may be executed by other devices.
  • each component included in the decoding device 200 will be described.
  • the components included in the decoding device 200 those that perform the same processing as the components included in the coding device 100 will not be described in detail.
  • the inverse quantization unit 204, the inverse conversion unit 206, the addition unit 208, the block memory 210, the frame memory 214, the intra prediction unit 216, the inter prediction unit 218, the prediction control unit 220, and the loop filter included in the decoding device 200 are examples of the decoding device 200.
  • the unit 212 includes an inverse quantization unit 112, an inverse conversion unit 114, an addition unit 116, a block memory 118, a frame memory 122, an intra prediction unit 124, an inter prediction unit 126, and a prediction control unit 128, which are included in the coding device 100. And the loop filter unit 120, the same processing is performed respectively.
  • FIG. 69 is a flowchart showing an example of the overall decoding process by the decoding device 200.
  • the division determination unit 224 of the decoding device 200 determines each division pattern of a plurality of fixed-size blocks (128 ⁇ 128 pixels) included in the picture based on the parameters input from the entropy decoding unit 202 (the division determination unit 224). Step Sp_1). This division pattern is a division pattern selected by the coding apparatus 100. Then, the decoding device 200 performs the processes of steps Sp_2 to Sp_6 for each of the plurality of blocks constituting the division pattern.
  • the entropy decoding unit 202 decodes (specifically, entropy decoding) the encoded quantization coefficient and prediction parameter of the current block (step Sp_2).
  • the inverse quantization unit 204 and the inverse conversion unit 206 restore the predicted residual of the current block by performing inverse quantization and inverse conversion on a plurality of quantization coefficients (step Sp_3).
  • the prediction processing unit including the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 generates a prediction image of the current block (step Sp_4).
  • the addition unit 208 reconstructs the current block into a reconstructed image (also referred to as a decoded image block) by adding the predicted image to the predicted residual (step Sp_5).
  • the loop filter unit 212 filters the reconstructed image (step Sp_6).
  • step Sp_7 determines whether or not the decoding of the entire picture is completed (step Sp_7), and if it is determined that the decoding is not completed (No in step Sp_7), the processing from step Sp_1 is repeatedly executed.
  • steps Sp_1 to Sp_1 may be sequentially performed by the decoding device 200, or a plurality of processes of some of these processes may be performed in parallel, and the order is changed. May be good.
  • FIG. 70 is a diagram showing the relationship between the division determination unit 224 and other components.
  • the division determination unit 224 may perform the following processing as an example.
  • the division determination unit 224 collects block information from, for example, the block memory 210 or the frame memory 214, and further acquires parameters from the entropy decoding unit 202. Then, the division determination unit 224 may determine the division pattern of the fixed size block based on the block information and the parameters. Then, the division determination unit 224 may output information indicating the determined division pattern to the inverse conversion unit 206, the intra prediction unit 216, and the inter prediction unit 218. The inverse conversion unit 206 may perform inverse conversion on the conversion coefficient based on the division pattern indicated by the information from the division determination unit 224. The intra prediction unit 216 and the inter prediction unit 218 may generate a prediction image based on the division pattern indicated by the information from the division determination unit 224.
  • FIG. 71 is a block diagram showing an example of the configuration of the entropy decoding unit 202.
  • the entropy decoding unit 202 generates a quantization coefficient, a prediction parameter, a parameter related to a division pattern, and the like by entropy decoding the stream.
  • CABAC is used for the entropy decoding.
  • the entropy decoding unit 202 includes, for example, a binary arithmetic decoding unit 202a, a context control unit 202b, and a multivalued unit 202c.
  • the binary arithmetic decoding unit 202a arithmetically decodes the stream into a binary signal using the context value derived by the context control unit 202b.
  • the context control unit 202b derives a context value according to the characteristics of the syntax element or the surrounding situation, that is, the probability of occurrence of a binary signal.
  • the multi-valued unit 202c performs multi-valued conversion (debinarize) in which the binary signal output from the binary arithmetic decoding unit 202a is converted into a multi-valued signal indicating the above-mentioned quantization coefficient and the like. This multi-value conversion is performed according to the above-mentioned binarization method.
  • the entropy decoding unit 202 outputs the quantization coefficient to the inverse quantization unit 204 in block units.
  • the entropy decoding unit 202 may output the prediction parameters included in the stream (see FIG. 1) to the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220.
  • the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 can execute the same prediction processing as that performed by the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 on the coding device 100 side. ..
  • FIG. 72 is a diagram showing the flow of CABAC in the entropy decoding unit 202.
  • the CABAC in the entropy decoding unit 202 is initialized.
  • the initialization in the binary arithmetic decoding unit 202a and the setting of the initial context value are performed.
  • the binary arithmetic decoding unit 202a and the multi-valued unit 202c execute arithmetic decoding and multi-value conversion on, for example, the coded data of the CTU.
  • the context control unit 202b updates the context value every time arithmetic decoding is performed.
  • the context control unit 202b saves the context value as post-processing. This saved context value is used, for example, for the initial value of the context value for the next CTU.
  • the dequantization unit 204 dequantizes the quantization coefficient of the current block, which is the input from the entropy decoding unit 202. Specifically, the dequantization unit 204 dequantizes the quantization coefficient of each of the current blocks based on the quantization parameter corresponding to the quantization coefficient. Then, the inverse quantization unit 204 outputs the inverse quantized quantization coefficient (that is, the conversion coefficient) of the current block to the inverse conversion unit 206.
  • FIG. 73 is a block diagram showing an example of the configuration of the inverse quantization unit 204.
  • the inverse quantization unit 204 includes, for example, a quantization parameter generation unit 204a, a predictive quantization parameter generation unit 204b, a quantization parameter storage unit 204d, and an inverse quantization processing unit 204e.
  • FIG. 74 is a flowchart showing an example of dequantization by the dequantization unit 204.
  • the dequantization unit 204 may perform dequantization processing for each CU based on the flow shown in FIG. 74. Specifically, the quantization parameter generation unit 204a determines whether or not to perform dequantization (step Sv_11). Here, when it is determined that the inverse quantization is performed (Yes in step Sv_11), the quantization parameter generation unit 204a acquires the differential quantization parameter of the current block from the entropy decoding unit 202 (step Sv_12).
  • the predictive quantization parameter generation unit 204b acquires the quantization parameter of the processing unit different from the current block from the quantization parameter storage unit 204d (step Sv_13).
  • the predictive quantization parameter generation unit 204b generates a predictive quantization parameter of the current block based on the acquired quantization parameter (step Sv_14).
  • the quantization parameter generation unit 204a adds the difference quantization parameter of the current block acquired from the entropy decoding unit 202 and the prediction quantization parameter of the current block generated by the prediction quantization parameter generation unit 204b. (Step Sv_15). This addition produces the quantization parameters for the current block. Further, the quantization parameter generation unit 204a stores the quantization parameter of the current block in the quantization parameter storage unit 204d (step Sv_16).
  • the dequantization processing unit 204e dequantizes the quantization coefficient of the current block into the conversion coefficient using the quantization parameter generated in step Sv_15 (step Sv_17).
  • the difference quantization parameter may be decoded at the bit sequence level, the picture level, the slice level, the brick level, or the CTU level. Further, the initial value of the quantization parameter may be decoded at the sequence level, the picture level, the slice level, the brick level or the CTU level. At this time, the quantization parameter may be generated by using the initial value of the quantization parameter and the difference quantization parameter.
  • the dequantization unit 204 may be provided with a plurality of dequantizers, and the dequantization coefficient may be dequantized using a dequantization method selected from a plurality of dequantization methods.
  • the inverse transformation unit 206 restores the predicted residual by inversely transforming the conversion coefficient input from the inverse quantization unit 204.
  • the inverse transformor 206 sets the conversion coefficient of the current block based on the information indicating the read conversion type. Is converted back.
  • the inverse conversion unit 206 applies the inverse reconversion to the conversion coefficient.
  • FIG. 75 is a flowchart showing an example of processing by the inverse conversion unit 206.
  • the inverse transformation unit 206 determines whether or not there is information in the stream indicating that the orthogonal transformation is not performed (step St_11). Here, if it is determined that the information does not exist (No in step St_11), the inverse conversion unit 206 acquires the information indicating the conversion type decoded by the entropy decoding unit 202 (step St_12). Next, the inverse transformation unit 206 determines the transformation type used for the orthogonal transformation of the coding apparatus 100 based on the information (step St_13). Then, the inverse transformation unit 206 performs inverse orthogonal transformation using the determined transformation type (step St_14).
  • FIG. 76 is a flowchart showing another example of processing by the inverse conversion unit 206.
  • the inverse conversion unit 206 determines whether or not the conversion size is equal to or less than a predetermined value (step Su_11). Here, if it is determined that the value is equal to or less than a predetermined value (Yes in step Su_11), the inverse conversion unit 206 indicates that any conversion type among the one or more conversion types included in the first conversion type group is the coding apparatus. Information indicating whether or not it has been used by 100 is acquired from the entropy decoding unit 202 (step Su_12). Such information is decoded by the entropy decoding unit 202 and output to the inverse conversion unit 206.
  • the inverse transformation unit 206 determines the transformation type used for the orthogonal transformation in the coding apparatus 100 based on the information (step Su_13). Then, the inverse transformation unit 206 performs inverse orthogonal transformation of the conversion coefficient of the current block using the determined transformation type (step Su_14). On the other hand, when the inverse conversion unit 206 determines in step Su_11 that the conversion size is not equal to or less than a predetermined value (No in step Su_11), the inverse conversion coefficient of the current block is inversely orthogonally transformed using the second conversion type group (step). Su_15).
  • the inverse orthogonal transformation by the inverse transformation unit 206 may be performed for each TU according to the flow shown in FIG. 75 or FIG. 76 as an example. Further, the inverse orthogonal transformation may be performed using a predetermined transformation type without decoding the information indicating the transformation type used for the orthogonal transformation. Further, the conversion type is specifically DST7 or DCT8, and in the inverse orthogonal transformation, the inverse transformation basis function corresponding to the transformation type is used.
  • the addition unit 208 reconstructs the current block by adding the prediction residual which is the input from the inverse conversion unit 206 and the prediction image which is the input from the prediction control unit 220. That is, a reconstructed image of the current block is generated. Then, the addition unit 208 outputs the reconstructed image of the current block to the block memory 210 and the loop filter unit 212.
  • the block memory 210 is a block referred to in the intra prediction, and is a storage unit for storing the block in the current picture. Specifically, the block memory 210 stores the reconstructed image output from the addition unit 208.
  • the loop filter unit 212 applies a loop filter to the reconstructed image generated by the addition unit 208, and outputs the filtered reconstructed image to the frame memory 214, a display device, or the like.
  • the ALF on / off information read from the stream indicates ALF on
  • one of the filters was selected and selected based on the direction of the local gradient and the activity.
  • the filter is applied to the reconstructed image.
  • FIG. 77 is a block diagram showing an example of the configuration of the loop filter unit 212.
  • the loop filter unit 212 has the same configuration as the loop filter unit 120 of the coding device 100.
  • the loop filter unit 212 includes a deblocking filter processing unit 212a, a SAO processing unit 212b, and an ALF processing unit 212c.
  • the deblocking filter processing unit 212a applies the above-mentioned deblocking filter processing to the reconstructed image.
  • the SAO processing unit 212b performs the above-mentioned SAO processing on the reconstructed image after the deblocking filter processing.
  • the ALF processing unit 212c applies the above-mentioned ALF processing to the reconstructed image after the SAO processing.
  • the loop filter unit 212 may not include all the processing units disclosed in FIG. 77, or may include only a part of the processing units. Further, the loop filter unit 212 may be configured to perform each of the above-mentioned processes in an order different from the process order disclosed in FIG. 77.
  • the frame memory 214 is a storage unit for storing a reference picture used for interprediction, and is sometimes called a frame buffer. Specifically, the frame memory 214 stores the reconstructed image filtered by the loop filter unit 212.
  • FIG. 78 is a flowchart showing an example of processing performed by the prediction unit of the decoding device 200.
  • the prediction unit includes all or a part of the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220.
  • the prediction processing unit includes, for example, an intra prediction unit 216 and an inter prediction unit 218.
  • the prediction unit generates a prediction image of the current block (step Sq_1).
  • This predicted image is also referred to as a predicted signal or a predicted block.
  • the prediction signal includes, for example, an intra prediction signal or an inter prediction signal.
  • the predictor predicts the current block using the reconstructed image already obtained by generating the predicted image for the other blocks, restoring the predicted residuals, and adding the predicted images. Generate an image.
  • the prediction unit of the decoding device 200 generates the same prediction image as the prediction image generated by the prediction unit of the coding device 100. That is, the methods of generating the predicted images used in those prediction units are common or correspond to each other.
  • the reconstructed image may be, for example, an image of a reference picture, or an image of a decoded block (that is, the other block described above) in the current picture which is a picture including the current block.
  • the decoded block in the current picture is, for example, a block adjacent to the current block.
  • FIG. 79 is a flowchart showing another example of the processing performed by the prediction unit of the decoding device 200.
  • the prediction unit determines the method or mode for generating the prediction image (step Sr_1). For example, this method or mode may be determined based on, for example, prediction parameters.
  • the prediction unit determines the first method as the mode for generating the prediction image
  • the prediction unit generates the prediction image according to the first method (step Sr_2a).
  • the prediction unit determines the second method as the mode for generating the prediction image
  • the prediction unit generates the prediction image according to the second method (step Sr_2b).
  • the prediction unit determines the third method as the mode for generating the prediction image
  • the prediction unit generates the prediction image according to the third method (step Sr_2c).
  • the first method, the second method, and the third method are different methods for generating a predicted image, and are, for example, an inter prediction method, an intra prediction method, and other prediction methods, respectively. There may be. In these prediction methods, the above-mentioned reconstructed image may be used.
  • 80A and 80B are flowcharts showing other examples of processing performed by the prediction unit of the decoding device 200.
  • the prediction unit may perform prediction processing according to the flows shown in FIGS. 80A and 80B.
  • the intra-block copy shown in FIGS. 80A and 80B is one mode that belongs to the inter-prediction, and the block included in the current picture is referred to as a reference image or a reference block. That is, in the intra-block copy, a picture different from the current picture is not referenced.
  • the PCM mode shown in FIG. 80A is one mode belonging to the intra prediction, and is a mode in which conversion and quantization are not performed.
  • the intra prediction unit 216 makes an intra prediction by referring to a block in the current picture stored in the block memory 210 based on the intra prediction mode read from the stream, thereby performing an intra prediction, thereby predicting an image of the current block (that is, an intra). Predicted image) is generated. Specifically, the intra prediction unit 216 generates an intra prediction image by referring to the pixel value (for example, luminance value, color difference value) of a block adjacent to the current block to perform an intra prediction, and predicts the intra prediction image. Output to the control unit 220.
  • the pixel value for example, luminance value, color difference value
  • the intra prediction unit 216 may predict the color difference component of the current block based on the luminance component of the current block. ..
  • the intra prediction unit 216 corrects the pixel value after the intra prediction based on the gradient of the reference pixel in the horizontal / vertical direction.
  • FIG. 81 is a diagram showing an example of processing by the intra prediction unit 216 of the decoding device 200.
  • the intra prediction unit 216 first determines whether or not the MPM flag indicating 1 exists in the stream (step Sw_11). Here, when it is determined that the MPM flag indicating 1 is present (Yes in step Sw_11), the intra prediction unit 216 obtains information indicating the intra prediction mode selected by the coding apparatus 100 from the entropy decoding unit 202 among the MPMs. Acquire (step Sw_12). The information is decoded by the entropy decoding unit 202 and output to the intra prediction unit 216. Next, the intra prediction unit 216 determines the MPM (step Sw_13). The MPM comprises, for example, six intra prediction modes. Then, the intra prediction unit 216 determines the intra prediction mode indicated by the information acquired in step Sw_12 from among the plurality of intra prediction modes included in the MPM (step Sw_14).
  • the intra prediction unit 216 determines in step Sw_11 that the MPM flag indicating 1 does not exist in the stream (No in step Sw_11), the intra prediction unit 216 acquires information indicating the intra prediction mode selected in the coding apparatus 100 (No). Step Sw_15). That is, the intra prediction unit 216 acquires information indicating the intra prediction mode selected by the coding apparatus 100 from the entropy decoding unit 202 among one or more intra prediction modes not included in the MPM. The information is decoded by the entropy decoding unit 202 and output to the intra prediction unit 216. Then, the intra prediction unit 216 determines the intra prediction mode indicated by the information acquired in step Sw_15 from among one or more intra prediction modes not included in the MPM (step Sw_17).
  • the intra prediction unit 216 generates a prediction image according to the intra prediction mode determined in step Sw_14 or step Sw_17 (step Sw_18).
  • the inter-prediction unit 218 predicts the current block with reference to the reference picture stored in the frame memory 214. Prediction is made in units of the current block or subblocks within the current block. A sub-block is included in a block and is a unit smaller than a block. The size of the subblock may be 4x4 pixels, 8x8 pixels, or any other size. The size of the subblocks may be toggled in units such as slices, bricks, or pictures.
  • the inter prediction unit 218 interpredicts the current block or subblock by performing motion compensation using motion information (for example, MV) read from a stream (for example, a prediction parameter output from the entropy decoding unit 202).
  • motion information for example, MV
  • a stream for example, a prediction parameter output from the entropy decoding unit 202
  • a prediction image is generated, and the inter-prediction image is output to the prediction control unit 220.
  • the inter-prediction unit 218 uses not only the motion information of the current block obtained by the motion search but also the motion information of the adjacent block to perform inter-prediction. Generate an image.
  • the inter-prediction unit 218 performs motion search according to the pattern matching method (bilateral matching or template matching) read from the stream. To derive motion information by. Then, the inter-prediction unit 218 performs motion compensation (prediction) using the derived motion information.
  • the pattern matching method bilateral matching or template matching
  • the inter-prediction unit 218 derives the MV based on a model assuming constant velocity linear motion when the BIO mode is applied. Further, when the information read from the stream indicates that the affine mode is applied, the inter-prediction unit 218 derives the MV in sub-block units based on the MVs of the plurality of adjacent blocks.
  • FIG. 82 is a flowchart showing an example of MV derivation in the decoding device 200.
  • the inter prediction unit 218 determines, for example, whether or not to decode motion information (for example, MV). For example, the inter-prediction unit 218 may make a determination according to the prediction mode included in the stream, or may make a determination based on other information included in the stream.
  • the inter-prediction unit 218 determines that the motion information is to be decoded
  • the inter-prediction unit 218 derives the MV of the current block in the mode of decoding the motion information.
  • the inter prediction unit 218 determines that the motion information is not decoded
  • the inter prediction unit 218 derives the MV in a mode in which the motion information is not decoded.
  • the MV derivation mode includes a normal inter mode, a normal merge mode, a FRUC mode, an affine mode, etc., which will be described later.
  • modes for decoding motion information include a normal intermode, a normal merge mode, and an affine mode (specifically, an affine intermode and an affine merge mode).
  • the motion information may include not only the MV but also the predicted MV selection information described later.
  • a mode in which motion information is not decoded includes a FRUC mode and the like.
  • the inter-prediction unit 218 selects a mode for deriving the MV of the current block from these plurality of modes, and derives the MV of the current block using the selected mode.
  • FIG. 83 is a flowchart showing another example of MV derivation in the decoding device 200.
  • the inter-prediction unit 218 may determine, for example, whether or not to decode the difference MV, for example, the inter-prediction unit 218 may determine according to the prediction mode included in the stream, and other information contained in the stream. It may be determined based on. Here, if the inter-prediction unit 218 determines that the difference MV is decoded, the MV of the current block may be derived in the mode of decoding the difference MV. In this case, for example, the difference MV included in the stream is decoded as a prediction parameter.
  • the inter-prediction unit 218 determines that the difference MV is not decoded, the inter-prediction unit 218 derives the MV in a mode in which the difference MV is not decoded. In this case, the encoded difference MV is not included in the stream.
  • the MV derivation mode includes a normal inter, a normal merge mode, a FRUC mode, an affine mode, and the like, which will be described later.
  • the mode for encoding the difference MV includes a normal intermode and an affine mode (specifically, an affine intermode).
  • the mode in which the difference MV is not encoded includes a FRUC mode, a normal merge mode, an affine mode (specifically, an affine merge mode) and the like.
  • the inter-prediction unit 218 selects a mode for deriving the MV of the current block from these plurality of modes, and derives the MV of the current block using the selected mode.
  • the inter prediction unit 218 derives the MV in the normal merge mode based on the information read from the stream, and calculates the MV. Use to perform motion compensation (prediction).
  • FIG. 84 is a flowchart showing an example of inter-prediction by the normal inter-mode in the decoding device 200.
  • the inter-prediction unit 218 of the decoding device 200 performs motion compensation for each block. At this time, the inter-prediction unit 218 first acquires a plurality of candidate MVs for the current block based on information such as MVs of a plurality of decoded blocks around the current block temporally or spatially. (Step Sg_11). That is, the inter prediction unit 218 creates a candidate MV list.
  • the inter-prediction unit 218 sets each of N (N is an integer of 2 or more) candidate MVs from the plurality of candidate MVs acquired in step Sg_11 as predicted motion vector candidates (also referred to as predicted MV candidates). As a result, extraction is performed according to a predetermined priority (step Sg_12). The priority order is predetermined for each of the N predicted MV candidates.
  • the inter-prediction unit 218 decodes the predicted MV selection information from the input stream, and uses the decoded predicted MV selection information to select one predicted MV candidate from the N predicted MV candidates. , Select as the predicted MV of the current block (step Sg_13).
  • the inter-prediction unit 218 decodes the difference MV from the input stream, and derives the MV of the current block by adding the difference value which is the decoded difference MV and the selected predicted MV. (Step Sg_14).
  • the inter-prediction unit 218 generates a predicted image of the current block by performing motion compensation for the current block using the derived MV and the decoded reference picture (step Sg_15).
  • the processing of steps Sg_11 to Sg_15 is executed for each block. For example, when the processes of steps Sg_11 to Sg_15 are executed for each of all the blocks included in the slice, the inter-prediction using the normal inter-mode for the slice ends. Further, when the processes of steps Sg_11 to Sg_15 are executed for each of all the blocks included in the picture, the inter-prediction using the normal inter-mode for the picture ends.
  • steps Sg_11 to Sg_15 are not executed for all the blocks included in the slice, and when executed for some blocks, the inter-prediction using the normal intermode for the slice ends. You may. Similarly, when the processes of steps Sg_11 to Sg_15 are executed for some blocks included in the picture, the inter-prediction using the normal inter-mode for the picture may be completed.
  • the inter-prediction unit 218 derives the MV in the normal merge mode and performs motion compensation (prediction) using the MV.
  • FIG. 85 is a flowchart showing an example of inter-prediction in the normal merge mode in the decoding device 200.
  • the inter-prediction unit 218 acquires a plurality of candidate MVs for the current block based on information such as MVs of the plurality of decoded blocks around the current block temporally or spatially (step Sh_11). ). That is, the inter prediction unit 218 creates a candidate MV list.
  • the inter prediction unit 218 derives the MV of the current block by selecting one candidate MV from the plurality of candidate MVs acquired in step Sh_11 (step Sh_12). Specifically, the inter-prediction unit 218 acquires, for example, MV selection information included as a prediction parameter in the stream, and selects a candidate MV identified by the MV selection information as the MV of the current block.
  • the inter-prediction unit 218 generates a predicted image of the current block by performing motion compensation for the current block using the derived MV and the decoded reference picture (step Sh_13).
  • the processing of steps Sh_11 to Sh_13 is executed for each block, for example. For example, when the processes of steps Sh_11 to Sh_13 are executed for each of all the blocks included in the slice, the inter-prediction using the normal merge mode for the slice ends. Further, when the processes of steps Sh_11 to Sh_13 are executed for each of all the blocks included in the picture, the inter-prediction using the normal merge mode for the picture ends.
  • steps Sh_11 to Sh_13 are not executed for all the blocks included in the slice, and when executed for some blocks, the inter-prediction using the normal merge mode for the slice ends. You may. Similarly, when the processes of steps Sh_11 to Sh_13 are executed for some blocks included in the picture, the inter-prediction using the normal merge mode for the picture may be completed.
  • the inter-prediction unit 218 derives the MV in the FRUC mode and performs motion compensation (prediction) using the MV.
  • the motion information is derived on the decoding device 200 side without being signalized from the coding device 100 side.
  • the decoding device 200 may derive motion information by performing motion search. In this case, the decoding device 200 performs a motion search without using the pixel value of the current block.
  • FIG. 86 is a flowchart showing an example of inter-prediction in the FRUC mode in the decoding device 200.
  • the inter-prediction unit 218 refers to the MVs of each decoded block spatially or temporally adjacent to the current block, and lists those MVs as candidate MVs (that is, a candidate MV list, which is normal. (May be common with the candidate MV list of the merge mode) is generated (step Si_11).
  • the inter prediction unit 218 selects the best candidate MV from the plurality of candidate MVs registered in the candidate MV list (step Si_12). For example, the inter prediction unit 218 calculates the evaluation value of each candidate MV included in the candidate MV list, and selects one candidate MV as the best candidate MV based on the evaluation value.
  • the inter prediction unit 218 derives the MV for the current block based on the selected best candidate MV (step Si_14).
  • the selected best candidate MV is directly derived as the MV for the current block.
  • the MV for the current block may be derived by performing pattern matching in the peripheral region of the position in the reference picture corresponding to the selected best candidate MV. That is, the area around the best candidate MV is searched using pattern matching and the evaluation value in the reference picture, and if there is an MV with a good evaluation value, the best candidate MV is set as the MV. It may be updated to make it the final MV of the current block. It is not necessary to carry out the update to the MV having a better evaluation value.
  • the inter-prediction unit 218 generates a predicted image of the current block by performing motion compensation for the current block using the derived MV and the decoded reference picture (step Si_15).
  • the processing of steps Si_11 to Si_15 is executed for each block, for example. For example, when the processes of steps Si_11 to Si_15 are executed for each of all the blocks included in the slice, the inter-prediction using the FRUC mode for the slice ends. Further, when the processes of steps Si_11 to Si_15 are executed for each of all the blocks included in the picture, the inter-prediction using the FRUC mode for the picture ends.
  • the sub-block unit may be processed in the same manner as the above-mentioned block unit.
  • the inter-prediction unit 218 derives the MV in the affine merge mode and performs motion compensation (prediction) using the MV.
  • FIG. 87 is a flowchart showing an example of inter-prediction by the affine merge mode in the decoding device 200.
  • the inter-prediction unit 218 derives each MV of the control point of the current block (step Sk_11).
  • the control points are the upper left corner and upper right corner points of the current block as shown in FIG. 46A, or the upper left corner, upper right corner and lower left corner point of the current block as shown in FIG. 46B.
  • the inter-prediction unit 218 has decoded block A (left), block B (top), block C (upper right), as shown in FIG. 47A. Inspect these blocks in the order of block D (lower left) and block E (upper left) to identify the first valid block decoded in affine mode.
  • the inter-prediction unit 218 derives the MV of the control point using the first valid block decoded in the identified affine mode. For example, if block A is identified and block A has two control points, as shown in FIG. 47B, the inter-prediction unit 218 may use motion vectors v 3 at the upper left and upper right corners of the decoded block containing block A. And v 4 are projected onto the current block to calculate the motion vector v 0 of the upper left corner control point of the current block and the motion vector v 1 of the upper right corner control point. As a result, the MV of each control point is derived.
  • the MV of the three control points may be calculated, and as shown in FIG. 49B, the block A may be calculated. If the block A is specified and has three control points, the MV of the two control points may be calculated.
  • the inter-prediction unit 218 may derive the MV of each control point of the current block using the MV selection information.
  • the inter-prediction unit 218 performs motion compensation for each of the plurality of sub-blocks included in the current block. That is, the inter-prediction unit 218 uses the two motion vectors v 0 and v 1 and the above equation (1A) for each of the plurality of subblocks, or the three motion vectors v 0 , v 1 and v. Using 2 and the above equation (1B), the MV of the subblock is calculated as an affine MV (step Sk_12). Then, the inter-prediction unit 218 performs motion compensation for the subblock using the affine MV and the decoded reference picture (step Sk_13).
  • the inter-prediction using the affine merge mode for the current block ends. That is, motion compensation is performed on the current block, and a predicted image of the current block is generated.
  • the above-mentioned candidate MV list may be generated.
  • the candidate MV list may be, for example, a list including candidate MVs derived by using a plurality of MV derivation methods for each control point.
  • the plurality of MV derivation methods include the MV derivation method shown in FIGS. 47A to 47C, the MV derivation method shown in FIGS. 48A and 48B, the MV derivation method shown in FIGS. 49A and 49B, and the derivation of other MVs. It may be any combination of methods.
  • the candidate MV list may include candidate MVs for modes other than the affine mode, in which prediction is performed in subblock units.
  • a candidate MV list including an affine merge mode candidate MV having two control points and an affine merge mode candidate MV having three control points may be generated.
  • a candidate MV list including the candidate MVs of the affine merge mode having two control points and a candidate MV list including the candidate MVs of the affine merge mode having three control points may be generated respectively.
  • a candidate MV list including candidate MVs of one of the affine merge mode having two control points and the affine merge mode having three control points may be generated.
  • the inter prediction unit 218 derives the MV in the affine intermode and performs motion compensation (prediction) using the MV.
  • FIG. 88 is a flowchart showing an example of inter-prediction by the affine inter-mode in the decoding device 200.
  • the inter prediction unit 218 derives the prediction MV (v 0 , v 1 ) or (v 0 , v 1 , v 2 ) of each of the two or three control points of the current block (v 0, v 1, v 2). Step Sj_11).
  • the control point is a point at the upper left corner, the upper right corner, or the lower left corner of the current block, as shown in FIG. 46A or FIG. 46B, for example.
  • the inter prediction unit 218 acquires the predicted MV selection information included as a prediction parameter in the stream, and derives the predicted MV of each control point of the current block by using the MV identified by the predicted MV selection information. For example, when the MV derivation method shown in FIGS. 48A and 48B is used, the inter-prediction unit 218 identifies by the predicted MV selection information among the decoded blocks in the vicinity of each control point of the current block shown in FIG. 48A or FIG. 48B. By selecting the MV of the block to be used, the predicted MV (v 0 , v 1 ) or (v 0 , v 1 , v 2 ) of the control point of the current block is derived.
  • the inter prediction unit 218 acquires, for example, each difference MV included as a prediction parameter in the stream, and adds the prediction MV of each control point of the current block and the difference MV corresponding to the prediction MV (step). Sj_12). As a result, the MV of each control point of the current block is derived.
  • the inter-prediction unit 218 performs motion compensation for each of the plurality of sub-blocks included in the current block. That is, the inter-prediction unit 218 uses the two motion vectors v 0 and v 1 and the above equation (1A) for each of the plurality of subblocks, or the three motion vectors v 0 , v 1 and v. Using 2 and the above equation (1B), the MV of the subblock is calculated as an affine MV (step Sj_13). Then, the inter-prediction unit 218 performs motion compensation for the subblock using the affine MV and the decoded reference picture (step Sj_14).
  • the inter-prediction using the affine merge mode for the current block ends. That is, motion compensation is performed on the current block, and a predicted image of the current block is generated.
  • step Sj_11 the above-mentioned candidate MV list may be generated as in step Sk_11.
  • the inter-prediction unit 218 derives the MV in the triangle mode and performs motion compensation (prediction) using the MV.
  • FIG. 89 is a flowchart showing an example of inter-prediction in the triangle mode in the decoding device 200.
  • the inter-prediction unit 218 divides the current block into a first partition and a second partition (step Sx_11). At this time, the inter-prediction unit 218 may acquire partition information, which is information regarding division into each partition, from the stream as a prediction parameter. Then, the inter-prediction unit 218 may divide the current block into a first partition and a second partition according to the partition information.
  • the inter-prediction unit 218 first acquires a plurality of candidate MVs for the current block based on information such as MVs of a plurality of decoded blocks around the current block temporally or spatially. (Step Sx_12). That is, the inter prediction unit 218 creates a candidate MV list.
  • the inter-prediction unit 218 selects the candidate MV of the first partition and the candidate MV of the second partition from the plurality of candidate MVs acquired in step Sx_11 as the first MV and the second MV, respectively (step Sx_13). .. At this time, the inter prediction unit 218 may acquire MV selection information for identifying the selected candidate MV from the stream as a prediction parameter. Then, the inter prediction unit 218 may select the first MV and the second MV according to the MV selection information.
  • the inter-prediction unit 218 generates a first predicted image by performing motion compensation using the selected first MV and the decoded reference picture (step Sx_14). Similarly, the inter-prediction unit 218 generates a second predicted image by performing motion compensation using the selected second MV and the decoded reference picture (step Sx_15).
  • the inter-prediction unit 218 generates a prediction image of the current block by weighting and adding the first prediction image and the second prediction image (step Sx_16).
  • DMVR Motion search> DMVR
  • the inter-prediction unit 218 performs a motion search with DMVR.
  • FIG. 90 is a flowchart showing an example of motion search by DMVR in the decoding device 200.
  • the inter prediction unit 218 first derives the MV of the current block in the merge mode (step Sl_11). Next, the inter-prediction unit 218 derives the final MV for the current block by searching the peripheral region of the reference picture indicated by the MV derived in step Sl_11 (step Sl_12). That is, the MV of the current block is determined by DMVR.
  • FIG. 91 is a flowchart showing a detailed example of motion search by DMVR in the decoding device 200.
  • the inter-prediction unit 218 calculates the cost at the search position (also referred to as the start point) indicated by the initial MV and the eight search positions around it in Step 1 shown in FIG. 58A. Then, the inter prediction unit 218 determines whether or not the cost of the search position other than the start point is the minimum. Here, when the inter-prediction unit 218 determines that the cost of the search position other than the start point is the minimum, the inter-prediction unit 218 moves to the search position where the cost is the minimum, and performs the processing of Step 2 shown in FIG. 58A. On the other hand, if the cost of the starting point is the minimum, the inter-prediction unit 218 skips the processing of Step 2 shown in FIG. 58A and performs the processing of Step 3.
  • Step 2 shown in FIG. 58A the inter-prediction unit 218 performs the same search as in Step 1 processing, with the search position moved according to the processing result of Step 1 as a new starting point. Then, the inter-prediction unit 218 determines whether or not the cost of the search position other than the start point is the minimum. Here, the inter-prediction unit 218 performs the processing of Step 4 if the cost of the search position other than the start point is the minimum. On the other hand, if the cost of the starting point is the minimum, the inter prediction unit 218 performs the processing of Step 3.
  • Step 4 the inter-prediction unit 218 treats the search position of the start point as the final search position, and determines the difference between the position indicated by the initial MV and the final search position as the difference vector.
  • the inter-prediction unit 218 determines the decimal precision pixel position that minimizes the cost based on the cost at the four points above, below, left, and right of the start point of Step 1 or Step 2, and finally determines the pixel position.
  • the pixel position with decimal precision is a vector of four points ((0,1), (0, -1), (-1,0), (1,0)) on the top, bottom, left, and right, and each of the four points. It is determined by weighting and adding the cost at the search position of. Then, the inter prediction unit 218 determines the difference between the position indicated by the initial MV and the final search position as a difference vector.
  • BIO / OBMC / LIC For example, when the information read from the stream indicates the application of the correction of the predicted image, the inter-prediction unit 218 corrects the predicted image according to the mode of the correction when the predicted image is generated.
  • the mode is, for example, BIO, OBMC, and LIC described above.
  • FIG. 92 is a flowchart showing an example of generation of a predicted image in the decoding device 200.
  • the inter prediction unit 218 generates a prediction image (step Sm_11) and corrects the prediction image by any of the above modes (step Sm_12).
  • FIG. 93 is a flowchart showing another example of generating a predicted image in the decoding device 200.
  • the inter prediction unit 218 derives the MV of the current block (step Sn_11). Next, the inter-prediction unit 218 generates a prediction image using the MV (step Sn_12), and determines whether or not to perform correction processing (step Sn_13). For example, the inter-prediction unit 218 acquires the prediction parameters included in the stream, and determines whether or not to perform the correction processing based on the prediction parameters. This prediction parameter is, for example, a flag indicating whether or not each of the above modes is applied.
  • the inter-prediction unit 218 determines that the correction process is to be performed (Yes in step Sn_13)
  • the inter-prediction unit 218 corrects the predicted image to generate a final predicted image (step Sn_14).
  • the luminance and color difference of the predicted image may be corrected in step Sn_14.
  • the inter-prediction unit 218 determines that the correction process is not performed (No in step Sn_13)
  • the inter-prediction unit 218 outputs the predicted image as a final predicted image without correction (step Sn_15).
  • the inter-prediction unit 218 corrects the predicted image according to the OBMC when the predicted image is generated.
  • FIG. 94 is a flowchart showing an example of correction of a predicted image by OBMC in the decoding device 200.
  • the flowchart of FIG. 94 shows the flow of correction of the predicted image using the current picture and the reference picture shown in FIG. 62.
  • the inter-prediction unit 218 acquires a prediction image (Pred) by normal motion compensation using the MV assigned to the current block.
  • the inter-prediction unit 218 applies (rides) the MV (MV_L) already derived to the decoded left adjacent block to the current block to acquire the predicted image (Pred_L). Then, the inter-prediction unit 218 performs the first correction of the predicted image by superimposing the two predicted images Pred and Pred_L. This has the effect of mixing the boundaries between adjacent blocks.
  • the inter-prediction unit 218 applies (rides) the MV (MV_U) already derived to the decoded upper adjacent block to the current block to acquire the predicted image (Pred_U). Then, the inter-prediction unit 218 performs the second correction of the predicted image by superimposing the predicted image Pred_U on the predicted image (for example, Pred and Pred_L) that has been corrected for the first time. This has the effect of mixing the boundaries between adjacent blocks.
  • the predicted image obtained by the second correction is the final predicted image of the current block in which the boundaries with the adjacent blocks are mixed (smoothed).
  • BIO For example, when the information read from the stream indicates the application of BIO, the inter-prediction unit 218 corrects the predicted image according to the BIO when the predicted image is generated.
  • FIG. 95 is a flowchart showing an example of correction of a predicted image by BIO in the decoding device 200.
  • the inter-prediction unit 218 derives two motion vectors (M0, M1) by using two reference pictures (Ref0, Ref1) different from the picture (Cur Pic) including the current block. .. Then, the inter-prediction unit 218 derives a prediction image of the current block using the two motion vectors (M0 and M1) (step Sy_11).
  • the motion vector M0 is a motion vector (MVx0, MVy0) corresponding to the reference picture Ref0
  • the motion vector M1 is a motion vector (MVx1, MVy1) corresponding to the reference picture Ref1.
  • the inter-prediction unit 218 derives the interpolated image I0 of the current block using the motion vector M0 and the reference picture L0. Further, the interpolation unit 218 derives the interpolated image I1 of the current block using the motion vector M1 and the reference picture L1 (step Sy_12 ).
  • the interpolated image I 0 is an image included in the reference picture Ref 0 derived for the current block
  • the interpolated image I 1 is included in the reference picture Ref 1 derived for the current block. It is an image.
  • the interpolated image I 0 and the interpolated image I 1 may each have the same size as the current block.
  • the interpolated image I 0 and the interpolated image I 1 may each be larger than the current block in order to appropriately derive the gradient image described later.
  • the interpolated images I 0 and I 1 may include motion vectors (M0, M1) and reference pictures (L0, L1), and a predicted image derived by applying a motion compensation filter.
  • the interpolation unit 218 derives the gradient image (Ix 0 , Ix 1 , Iy 0 , Iy 1 ) of the current block from the interpolated image I 0 and the interpolated image I 1 (step Sy_13).
  • the horizontal gradient image is (Ix 0 , Ix 1 )
  • the vertical gradient image is (Iy 0 , Iy 1 ).
  • the inter-prediction unit 218 may derive the gradient image, for example, by applying a gradient filter to the interpolated image.
  • the gradient image may be any image that shows the amount of spatial change in the pixel value along the horizontal or vertical direction.
  • the inter-prediction unit 218 is described above using an interpolated image (I 0 , I 1 ) and a gradient image (Ix 0 , Ix 1 , Iy 0 , Iy 1 ) in units of a plurality of sub-blocks constituting the current block.
  • the optical flow (vx, vy), which is the velocity vector of, is derived (step Sy_14).
  • the subblock may be a 4x4 pixel subCU.
  • the inter-prediction unit 218 corrects the predicted image of the current block using the optical flow (vx, vy). For example, the inter-prediction unit 218 derives a correction value of a pixel value included in the current block using an optical flow (vx, vy) (step Sy_15). Then, the inter-prediction unit 218 may correct the predicted image of the current block by using the correction value (step Sy_16).
  • the correction value may be derived in units of each pixel, or may be derived in units of a plurality of pixels or sub-blocks.
  • the BIO processing flow is not limited to the processing disclosed in FIG. 95. Only a part of the processes disclosed in FIG. 95 may be performed, different processes may be added or replaced, or different processes may be executed in a different order.
  • the inter-prediction unit 218 corrects the predicted image according to the LIC when the predicted image is generated.
  • FIG. 96 is a flowchart showing an example of correction of a predicted image by the LIC in the decoding device 200.
  • the inter-prediction unit 218 acquires the reference image corresponding to the current block from the decoded reference picture by using the MV (step Sz_11).
  • the inter-prediction unit 218 extracts information indicating how the luminance value has changed between the reference picture and the current picture with respect to the current block (step Sz_12). As shown in FIG. 66A, this extraction is specified by the luminance pixel values of the decoded left adjacent reference area (peripheral reference area) and the decoded upper adjacent reference area (peripheral reference area) in the current picture, and the derived MV. It is performed based on the luminance pixel value at the equivalent position in the reference picture. Then, the inter-prediction unit 218 calculates the luminance correction parameter using the information indicating how the luminance value has changed (step Sz_13).
  • the inter-prediction unit 218 generates a predicted image for the current block by performing a luminance correction process that applies the luminance correction parameter to the reference image in the reference picture specified by the MV (step Sz_14). That is, the predicted image, which is the reference image in the reference picture designated by the MV, is corrected based on the luminance correction parameter. In this correction, the luminance may be corrected or the color difference may be corrected.
  • the prediction control unit 220 selects either an intra prediction image or an inter prediction image, and outputs the selected prediction image to the addition unit 208.
  • the configurations, functions, and processes of the predictive control unit 220, the intra-prediction unit 216, and the inter-prediction unit 218 on the decoding device 200 side are the predictive control unit 128, the intra-prediction unit 124, and the inter-prediction unit on the coding device 100 side. It may correspond to the configuration, function, and processing of the unit 126.
  • FIG. 97 is a block diagram showing an implementation example of the reproduction device 300.
  • the reproduction device 300 includes a processor c1 and a memory c2.
  • the plurality of components of the reproduction device 300 shown in FIGS. 107 and 108, which will be described later, are implemented by the processor c1 and the memory c2 shown in FIG. 97.
  • the processor c1 is a circuit that performs information processing and is a circuit that can access the memory c2. For example, the processor c1 obtains a manifest file from the transmission device 400 and requests the transmission device 400 to segment an appropriate bit rate according to the network state or the device type, thereby segmenting the bit rate of the moving image to be reproduced. It is a dedicated or general-purpose electronic circuit that switches every time to decode and render.
  • the processor c1 may be a processor such as a CPU. Further, the processor c1 may be an aggregate of a plurality of electronic circuits. Further, for example, the processor c1 may play the role of a plurality of components other than the component for storing information among the plurality of components of the reproduction device 300 shown in FIG. 108.
  • the memory c2 is a dedicated or general-purpose memory in which information for the processor c1 to decode and render the stream is stored.
  • the memory c2 may be an electronic circuit or may be connected to the processor c1. Further, the memory c2 may be included in the processor c1. Further, the memory c2 may be an aggregate of a plurality of electronic circuits. Further, the memory c2 may be a magnetic disk, an optical disk, or the like, or may be expressed as a storage, a recording medium, or the like. Further, the memory c2 may be a non-volatile memory or a volatile memory.
  • the moving image may be stored or the stream may be stored in the memory c2.
  • the memory c2 may store a program for the processor c1 to decode the stream.
  • the memory c2 may play the role of a component for storing information among the plurality of components of the reproduction device 300 shown in FIG. 108. Specifically, the memory c2 may play the role of the memory shown in FIG. 108.
  • FIG. 98 is a block diagram showing an implementation example of the transmission device 400.
  • the transmission device 400 includes a processor d1 and a memory d2.
  • the processor d1 is a circuit that performs information processing and is a circuit that can access the memory d2.
  • processor d1 is a dedicated or general purpose electronic circuit that generates a manifest file. More specifically, the processor d1 generates a plurality of files encoded at a plurality of different bit rates from one original video file. The file in which these multiple files are described is the manifest file.
  • the processor d1 may be a processor such as a CPU. Further, the processor d1 may be an aggregate of a plurality of electronic circuits.
  • the memory d2 is a dedicated or general-purpose memory in which information for the processor d1 to generate a manifest file is stored.
  • the memory d2 may be an electronic circuit or may be connected to the processor d1. Further, the memory d2 may be included in the processor d1. Further, the memory d2 may be an aggregate of a plurality of electronic circuits. Further, the memory d2 may be a magnetic disk, an optical disk, or the like, or may be expressed as a storage, a recording medium, or the like. Further, the memory d2 may be a non-volatile memory or a volatile memory.
  • the encoded moving image may be stored in the memory d2, or the stream corresponding to the encoded moving image may be stored.
  • the memory d2 may store a program for the processor d1 to generate a manifest file.
  • the playback device acquires the manifest file and selects one preselection from a plurality of preselections including the first preselection and the second preselection described in the manifest file.
  • the playback device When the selected preselection is the first preselection, the playback device includes a first segment containing a plurality of first subpictures corresponding to a plurality of times based on the information contained in the first preselection. , A second segment including a plurality of second subpictures corresponding to a plurality of times is acquired, and the acquired first segment and the second segment are reproduced.
  • the playback device corresponds to the first segment and a plurality of times based on the information contained in the second preselection, and has a plurality of times.
  • a third segment including a plurality of third subpictures different from the first subpicture and the plurality of second subpictures is acquired, and the acquired first segment and the third segment are reproduced.
  • Manifest file is a file generated and saved by the transmitting device.
  • Manifest files are, for example, media content characteristics (eg, media type: audio, video, audio video, text, etc.), encoding format (eg, bit rate, timing information, etc.), time media segment and associated URL (uniform). Describe the content of the media presentation including the list with the resource locator).
  • the manifest file also contains information about the content of the media presentation, such as resolution and bit rate.
  • the preselection describes information about one group consisting of one or more adaptation sets.
  • segment information exists in the representation, and multiple segments exist in the segment information.
  • representations in a video-related adaptation set including videos with different spatial resolutions and different bit rates.
  • the reproduction device can select and acquire one representation from these representations.
  • the transmitting device receives the content list request signal, transmits a manifest file based on the received content list request signal, and has a plurality of preselections including the first preselection and the second preselection described in the manifest file. Receives a signal indicating that one preselection has been selected from the selection.
  • the transmitting device When the selected preselection is the first preselection, the transmitting device has a first segment containing a plurality of first subpictures corresponding to a plurality of times based on the information contained in the first preselection. , A second segment containing a plurality of second subpictures corresponding to a plurality of times is transmitted.
  • the transmitting device may use the first segment and a plurality of third subs corresponding to a plurality of times based on the information contained in the second preselection. A third segment containing a picture is transmitted.
  • the information contained in the first preselection is the information indicating the first adaptation set and the second adaptation set
  • the information contained in the second preselection is the information indicating the first adaptation set and the third adaptation set.
  • the first adaptation set corresponds to a plurality of first subpictures contained in the first segment
  • the second adaptation set corresponds to a plurality of second subpictures contained in the second segment
  • the third adaptation set corresponds to a plurality of second subpictures.
  • the plurality of first subpictures, the plurality of second subpictures, or the plurality of third subpictures are provided for at least one of personalization, accessibility, and targeted advertising.
  • the plurality of first subpictures, the plurality of second subpictures, and the plurality of third subpictures may be different video contents or different views of the same video content.
  • the plurality of first subpictures, the plurality of second subpictures, and the plurality of third subpictures may be provided for at least one of personalization, accessibility, and targeted advertising. ..
  • a plurality of first subpictures, a plurality of second subpictures, and a plurality of third subpictures may be provided for personalization.
  • the plurality of first subpictures, the plurality of second subpictures, or the plurality of third subpictures are provided for personalization.
  • the plurality of first subpictures, the plurality of second subpictures, and the plurality of third subpictures are related to the same video content, and the plurality of first subpictures are the first views of the same video content.
  • the plurality of second sub-pictures correspond to the second view of the same video content
  • the plurality of third sub-pictures correspond to the third view of the same video content.
  • the transmitting device 400 transmits the first segment and the second segment to the reproduction device 300 when the first presection is selected based on personalization, and when the second preselection is selected, the first segment.
  • the third segment are transmitted to the reproduction device 300, and the reproduction device 300 reproduces the acquired plurality of segments.
  • FIG. 99 is a diagram for explaining the sub-picture function.
  • a plurality of sub-pictures for example, a VVC (Versatile Video Coding) sub-picture, is a plurality of rectangular areas contained in one picture composed of one or more slices.
  • Each of these subpictures can be extracted or merged, for example, by being designed to be easily extracted from one bitstream or merged into one bitstream, as shown in FIG. Has the function of.
  • Merging means merging or merging.
  • the VVC sub-picture is also referred to as a sub-picture.
  • Each subpicture is assigned a unique subpicture identifier (subpicture ID) that is mapped to the subpicture index of the subpictures in the full picture.
  • subpicture ID unique subpicture identifier
  • Such mapping may be signalized by SPS (sequence parameter set) or PPS (picture parameter set).
  • FIG. 100 is a diagram schematically showing a first example of an application that uses the sub-picture function.
  • the first example is personalization.
  • an example in which the application using the sub-picture function is personalized will be described.
  • content providers may use a plurality of subpictures to enable such personalization while maintaining control over what is displayed and how it is displayed.
  • the sub-picture function is a unique function in VVC, and a plurality of different video streams, that is, a plurality of sub-pictures, may be merged into one video stream without re-encoding the slice level information. This facilitates the merging of multiple video streams. Further, since the spatial arrangement of each sub-picture is defined by SPS or PPS, no additional signaling is required at the system layer.
  • version 1 is a combination of sub-picture IDs 0, 1, and 3
  • version 2 is a combination of sub-picture IDs 1, 2, 3, and 4.
  • the number of sub-pictures combined for each version may be the same or different.
  • Multiple signals from different sources should have the same high-level functionality of the coding algorithm (such as the size of the coded tree unit, profile, or allowed coding tools) for all sources. Is encoded in.
  • each source signal is encoded using different sub-picture IDs
  • the sub-picture IDs of the plurality of sub-pictures to be rendered together are not duplicated.
  • the source signals are also encoded in such a way that their size is suitable for subsequent merging.
  • Such constraints ensure that different subpictures are sent to the playback device 300 (eg, the DASH decoder) and merged into a single bitstream rendered by the user.
  • the playback device 300 eg, the DASH decoder
  • an MPEG-DASH Dynamic Adaptive Streaming Over HTTP
  • an MPEG-DASH hereinafter, also simply referred to as DASH
  • the reproduction device 300 and the transmission device 400 are not limited to the above example (that is, MPEG-DASH) as long as they correspond to the protocol used for the streaming technology by HTTP (Hypertext Transfer Protocol).
  • HTTP Hypertext Transfer Protocol
  • an HTTP streaming method such as HTTP (HTTP Live Streaming) may be used.
  • DASH preselection also referred to as preselection
  • MPEG-DASH MPEG-DASH
  • Details of DASH are described in Non-Patent Document 2.
  • Such a DASH preselection may signal which subpictures are to be rendered together.
  • Each sub-picture bitstream may be a DASH adaptation set (hereinafter, also referred to as an adaptation set) or a DASH media component (hereinafter, also referred to as a media component). This signals the desired preselection by signaling the adaptation set or media component ID of the subpicture that will be merged into the final picture.
  • each sub-picture may be encapsulated in its own sub-picture track, and the sub-picture ID sample group box may have multiple sub-picture tracks and multiple subs. It may be used to signal the mapping to and from the picture ID.
  • MPEG-2 TS MPEG-2 Transport Stream
  • each subpicture may be encapsulated in its own TS PID (Transport Stream Packet Identifier).
  • the DASH MPD may also include information regarding its relationship with the audio-video stream. For example, if the audio stream is paired with a subpicture, the pairing information may be signalized. DASH preselection may also signal an audio bitstream suitable for use in combination with one preselection of subpictures. For example, if different views are displayed for a match, audio may be attached to comment only on that match, but two related different from the same sport (eg, a sport such as soccer or baseball). If the matches are displayed at the same time, the audio bitstream may be a special comment that covers the highlights of both matches at the same time.
  • the audio bitstream may be a special comment that covers the highlights of both matches at the same time.
  • video and / or audio attributes are provided in manifest information and in a container format for transmitting file-based (ISO BMFF, etc.) or packet-based (MPEG-2TS, etc.) video and / or audio streams.
  • file-based ISO BMFF, etc.
  • MPEG-2TS MPEG-2TS
  • HTTP streaming methods such as HLS (HTTP Live Streaming) may also be used.
  • FIG. 101 is a flowchart showing an example of how to use the preselection in the first aspect.
  • the DASH decryption device may be, for example, a device such as a computer, a game device, a camera, a home appliance, or a smartphone.
  • the DASH decryption device is not limited to these devices, and may be implemented as an application for mobile devices, or may be implemented in a WEB browser.
  • the DASH decoder first reads a plurality of signalized video preselections (Sp_11). More specifically, the DASH decoding device acquires an MPD (Media Presentation Description) transmitted from a transmitting device (for example, a DASH encoding device) (not shown), and the video pre-recorded in the acquired MPD file. Read the selection (Sp_11) to find out which preselection is signalized. That is, the DASH decoder reads the video preselection signalized in step Sp_11 to confirm the available preselection.
  • Sp_11 Media Presentation Description
  • the DASH decoder asks the user which of the available preselections the user requests or looks up based on the user reference (Sp_12). Specifically, the DASH decoder presents an available preselection to the user so that the user can determine which preselection should be presented, or the DASH decoder is based on the user's settings. Automatically identify the preselection to present to the user.
  • One such preselection may consist of, for example, two different matches played in parallel in one competition (eg, football). The other preselection may consist of different views of the same match and views of the commentators.
  • the DASH decoder identifies which adaptation set and corresponding DASH video segment forms the selected preselection (Sp_13). In other words, once one preselection has been identified, the DASH decoder identifies the adaptation set that forms the identified preselection. This allows the DASH decoder to identify which DASH video segment should be downloaded.
  • the DASH decoder downloads the identified DASH video segment (Sp_14). More specifically, the DASH decoder requests the server (so-called transmitter 400) for a DASH video segment associated with the identified adaptation set (in other words, the corresponding) and corresponds to the identified adaptation set. Download the DASH video segment from the server. Generally, each of these downloaded DASH video segments may cover one VVC subpicture.
  • the DASH decoder merges a plurality of subpictures (here, VVC subpictures) contained in the plurality of video segments downloaded from the server into one bitstream (here, VVC bitstream) (Sp_15). ).
  • the merge operation may consist of placing multiple NAL units for each subpicture in the correct position in the bitstream, with new partitioning within the merged bitstream, as well as the subpicture index (full image). It may be configured by rewriting the SPS and PPS to signal the mapping between (including information about sub-picture positions within) and sub-picture IDs.
  • the content provider may provide the SPS and PPS for the merged bitstream, as the content provider can control all the pictures that are finally rendered.
  • the DASH decoder sends the merged VVC bitstream to the VVC decoder for decoding and rendering on the display (Sp_16).
  • VVC subpicture for user personalization of the video content. This allows users to be provided with several different versions of the same content. Therefore, multiple VVC subpictures may be used to provide multiple DASH preselections in the same way as multiple audio bitstreams.
  • the sub-picture feature is a unique feature in VVC, where different video streams, i.e., multiple sub-pictures, may be merged into one video stream without re-encoding slice level information. This facilitates the merging of multiple video streams.
  • This aspect may be practiced in combination with at least some of the other aspects of the present disclosure. Further, a part of the processing described in the flowchart of this aspect, a part of the configuration of the device, a part of the syntax, and the like may be performed in combination with other aspects.
  • the plurality of first subpictures, the plurality of second subpictures, or the plurality of third subpictures are provided for accessibility. Accessibility is a function that assists the user, for example, sign language, voice, or subtitles.
  • the plurality of third subpictures correspond to sign language content.
  • the plurality of first sub-pictures correspond to the main video.
  • the transmitting device 400 transmits the first segment and the third segment to the reproducing device 300, and the reproducing device 300 transmits the first segment and the third segment. And get and play.
  • FIG. 102 is a diagram schematically showing a second example of an application that uses the sub-picture function.
  • the second example is accessibility.
  • one subpicture of the main video may include a sign language video and be replaced with one subpicture from a different VVC bitstream than the main video.
  • the main video may include not only a plurality of non-replaceable sub-pictures, but also at least one sub-picture that can be replaced by a sign language sub-picture. It is necessary to synchronize the DASH encoder of the main video and the DASH encoder of the sign language video to make sure that the position where the sign language video is merged contains a subpicture of the same size as the sign language subpicture.
  • Parameters for the size of the subpictures in the main video may be signaled to ensure that the main video contains subpictures of the same size as the sign language subpictures.
  • the parameter relating to the size of the sub-picture is, for example, a parameter indicating the width or height of the sub-picture.
  • the signal of which subpictures are suitable for replacement and which subpictures are not suitable for replacement may be signaled at the ISOBMFF track level or within the DASH MPD level at the adaptation set or media component level. good.
  • which sub-picture is replaceable may be signaled by signaling the sub-picture ID of the sub-picture that can be replaced. For example, in the example of FIG.
  • the value of "2" may be signalized to indicate that the sub-picture of sub-picture ID 2 can be replaced among the plurality of sub-pictures of the main video. Since the division of the main video is the same before and after the sub-picture replacement, there is almost no need for rewriting at the parameter set level.
  • the sub-picture index and the sub-picture ID are used in order to change the sub-picture of sub-picture ID 2 among the plurality of sub-pictures of the main video to the sub-picture ID 5 which is the sub-picture ID of the sign language video. The mapping needs to be rewritten.
  • the sign language subpicture (eg, subpicture ID 5 in FIG. 102) uses the same subpicture ID as the subpicture corresponding to the sign language subpicture in the main video (eg, subpicture ID 2 in FIG. 102). You may. In this case, there is no need to rewrite the mapping between the sub-picture index and the sub-picture ID. However, if the sign language subpicture is set to the same subpicture ID as the subpicture corresponding to the sign language subpicture in the main video (eg, subpicture ID 2 in FIG. 102), the resulting bitstream after the replacement of the subpicture is the original. It is not always desirable because it is difficult to clearly identify the changes compared to the main video bitstream of.
  • Multiple DASH preselections may be used for multiple accessibility applications. Thereby, at least two preselections described below may be proposed to the user.
  • One is a pre-selection that includes a user-only main video that does not require accessibility features.
  • the other is a pre-selection for accessibility, including a main video and a sign language video.
  • the sign language video and the main video may be separate DASH adaptation sets or media components so that the DASH decoder can choose whether or not the sign language portion needs to be downloaded. All subpictures that form the main video may belong to the same adaptation set or media component.
  • FIG. 103 is a flowchart showing an example of how to use the preselection in the second aspect.
  • the DASH decoder first confirms whether the DASH MPD provides a preselection using sign language (Sp_21). More specifically, the DASH decoder reads the DASH MPD and confirms whether sign language preselection is provided for the content.
  • the DASH decoder determines whether the user wants to see the sign language preselection (Sp_22). For example, the DASH decoding device may make the above determination based on the user settings in the device, but may make the above determination by asking the user.
  • the main from the server Download only the DASH video segment containing the video content of (Sp_23).
  • all VVC subpictures of the main video content are encapsulated together, for example, in one ISOBMFF video track or one transport stream PID (TS PID).
  • the DASH decoder then sends an unchanged VVC video bitstream containing the main video content to the VVC decoder for decoding and rendering on the display (Sp_27).
  • the DASH decoder determines that the user does not want to see the preselection using sign language (in other words, the user wants to confirm the sign language preselection) (Yes at Sp_22), the main video content and the main video content from the server. Download both video segments of sign language video (Sp_24).
  • the DASH decoder identifies which sub-picture of the main video content is replaced with the sign language video sub-picture (hereinafter, also referred to as a sign language sub-picture). Thereby, the DASH decoder identifies which subpicture of the main video content should be deleted and extracts the subpicture from the video content (Sp_25). For example, the DASH decoder uses the information notified in the DASH MPD or analyzes multiple subpictures from the main video content, which subpicture of the main video content is the same size as the sign language subpicture. By finding out, you may identify a subpicture that will replace the sign language subpicture.
  • the DASH decoder then merges the sign language subpictures into the main video content by replacing the NAL units of the extracted subpictures with the NAL units of the sign language subpictures (Sp_26).
  • This step may also include rewriting the information in the SPS or PPS, for example, to rewrite the mapping between the subpicture index and the subpicture ID of the subpicture containing the sign language content.
  • the DASH decoder sends a VVC video bitstream with the sign language subpicture merged into the main video content to the VVC decoder for decoding and rendering on the display (Sp_27).
  • the VVC subpicture for the accessibility service.
  • the DASH decoder can determine a plurality of subpictures to be decoded and the spatial arrangement of each subpicture by analyzing the SPS or PPS in the bitstream. No additional signaling is required at the system level for these decisions.
  • the DASH client in other words, the DASH decoder
  • This aspect may be practiced in combination with at least some of the other aspects of the present disclosure. Further, a part of the processing described in the flowchart of this aspect, a part of the configuration of the device, a part of the syntax, and the like may be performed in combination with other aspects.
  • first and second aspects may be combined by providing video content that is a merge of several sources. This allows one of multiple sources to provide sign language video in place of the other view of the same content.
  • the third aspect the plurality of first subpictures, the plurality of second subpictures, or the plurality of third subpictures are provided for the targeted advertisement.
  • the plurality of third sub-pictures correspond to the advertising content.
  • the plurality of first sub-pictures correspond to the main video.
  • the transmission device 400 transmits the first segment and the third segment to the reproduction device 300, and the reproduction device 300 transmits the first segment and the third segment. Get the segment and play it.
  • FIG. 104 is a diagram schematically showing a third example of an application that uses the sub-picture function.
  • the third example is targeted advertising.
  • the targeted advertisement is to deliver an advertisement considered appropriate to each user based on the user information and the content information.
  • VVC subpictures As shown in FIG. 104, another possible application using VVC subpictures is targeted advertising by providing several targeted advertising bitstreams that are merged with the main video.
  • the main video to which a targeted ad is to be merged is composed of one or more subpictures, but the targeted ad is composed of one subpicture.
  • the plurality of DASH encoding devices uses a series of sub-picture IDs (0 to N in the example of FIG. 104) for the main video content and other non-overlapping sub-picture IDs (N + 1 in the example of FIG. 104) for the advertising content.
  • -M need to be pre-synchronized not only to determine to use, but also to use the same coding parameters (same as in the first aspect for other use cases of subpicture merging). ..
  • multiple DASH decryptors can download the main video and the advertisement suitable for the user. This will merge the ad into the main video using sub-picture merging.
  • signaling may be performed to pair a specific sub-picture bitstream with a specific audio bitstream.
  • the user may be able to select a general audio bitstream paired with the main video or a targeted audio bitstream paired with the targeted advertising subpicture.
  • the VVC sub-picture for the targeted advertisement.
  • the DASH decoder may determine the plurality of subpictures to be decoded and the spatial arrangement of each subpicture by analyzing the SPS or PPS in the bitstream. No additional signaling is required at the system level for these decisions.
  • This aspect may be practiced in combination with at least some of the other aspects of the present disclosure. Further, a part of the processing described in the flowchart of this aspect, a part of the configuration of the device, a part of the syntax, and the like may be performed in combination with other aspects.
  • some subpictures may be available to the user via broadcast and other subpictures may be available to the user via broadband.
  • the main video content or more important sub-picture signals are transmitted over broadcast, but sign language sub-pictures or targeted advertising sub-picture signals are likely to be requested by fewer users, so broadband. It may be transmitted via.
  • All of the above three aspects may be realized by the same DASH decoding device.
  • the DASH decoding device of the first aspect and the DASH accessibility decoding device of the second aspect may be included in the same DASH decoding device.
  • the DASH encoder is the same, for example, between subpictures whose Group of Picture (GOP) size will be merged. And the coded structures of the plurality of subpictures may be aligned so that the random access points are located at the same position in time.
  • GOP Group of Picture
  • the same ID value may be used as the VVC sub-picture ID and track ID of ISOBMFF.
  • the main video may contain at least one replaceable subpicture as well as a plurality of non-replaceable subpictures.
  • the signal of which subpictures are suitable for replacement and which subpictures are not suitable for replacement may be signalized at the ISOBMFF track level or within the DASH MPD level at the adaptation set or media component level. Further, which sub-picture is replaceable may be signaled by signaling the sub-picture ID of the sub-picture that can be replaced.
  • Dynamic Adaptive Streaming Over HTTP provides media streaming procedures for delivering continuous media content.
  • Media content consists of a single or multiple consecutive media content periods.
  • Each media content period consists of one or more media content components, such as audio components in different languages, different video components that provide different views of the same program, and subtitles in different languages.
  • a media content component type such as audio or video is assigned to each media content component.
  • Each media content component has several encoded versions called media streams.
  • Each media stream inherits media content properties, media content periods, and media content components from which it is encoded, and is further assigned encoding processing properties such as subsampling, codec parameters, and encoding bitrates.
  • This descriptive metadata relates to static and dynamic selection of media content components and media streams.
  • FIG. 105 is a diagram for explaining an example of a manifest file.
  • the manifest file shown in FIG. 105 is an MPD.
  • MPD provides metadata to DASH clients to provide streaming services.
  • MPD is a formal description of a media presentation aimed at providing a streaming service.
  • the MPD is an example of a manifest file for providing a streaming service to which the above aspects are applicable.
  • a media presentation described in MPD consists of one sequence of one or more periods.
  • An adaptation set represents a compatible encoded version of one or several media content components in a set.
  • An adaptation set is an encoded version of one or more media content components in a set.
  • Each adaptation set includes one or more representations.
  • Each representation is a deliverable encoded media stream with different bit rates.
  • the representation includes one or more media streams.
  • Each representation consists of one or more segments.
  • a URL is assigned to each segment in order to access the segments.
  • the MPD may include a byte range in the URL. In this case, the segment is within the bytes provided of the larger resource.
  • Two types of segments are distinguished for multiple segmented representations. One is the initialization segment and the other is the media segment.
  • the initialization segment contains static metadata for representations.
  • the media segment contains multiple media samples and an advanced timeline.
  • the representation may consist of a single self-initializing segment that contains both initialization information and media data.
  • FIG. 106 is a diagram showing an example of a plurality of preselections included in the manifest file of FIG. 105.
  • the preselection forms a particular experience and specifies a combination of adaptation sets that can be selected for joint coding and rendering. Preselection provides representation suitability and regeneration rules from different adaptation sets within one preselection.
  • the plurality of adaptation sets related to the preselection may be defined by a plurality of adaptation set IDs assigned to the plurality of adaptation sets, respectively.
  • one preselection may include reconstruction information that defines the reconstruction process when generating one bitstream using multiple segments or multiple subsegments from multiple adaptation sets.
  • This reconstruction information may be information indicating a layout when merging data of a plurality of adaptation sets.
  • FIG. 107 is a diagram conceptually showing the components of the reproduction device 300. More specifically, FIG. 107 shows the components of a conceptual DASH client model.
  • the DASH access engine receives an MPD to build or request multiple segments.
  • the DASH access engine selects the preselection to display to the user by analyzing the received MPD.
  • the DASH access engine selects the representation of each adaptation set included in the selected preselection.
  • the DASH access engine requests the server for a plurality of segments or subsegments that make up the selected representation and receives the segment or subsegment from the server.
  • the DASH access engine merges the received segments or subsegments into a single bitstream provided to the media engine.
  • segments or subsegments may be input to the media engine in chronological order according to the access unit (AU) data of each subpicture (MPEG format media + timing in the figure).
  • the media engine receives the segment or subsegment input from the DASH access engine, and outputs the decoding result (also referred to as media) to the presentation engine (not shown).
  • the DASH access engine sends information about the event (for example, targeted advertisement) + timing to the application.
  • FIG. 108 is a diagram showing an example of the components of the reproduction device. More specifically, in the example of FIG. 108, the components of the DASH component model (so-called terminal) are shown.
  • the communication interface (I / F) can be connected to the network.
  • the display shows the resulting video.
  • Memory stores data.
  • a processor is usually a digital circuit that performs operations based on external data from memory.
  • FIG. 109 is a diagram schematically showing a typical usage example of a plurality of sub-pictures in a transmitting device.
  • a plurality of subpictures from a plurality of different access units (AUs) are combined to form one segment.
  • the bitstream is composed of a plurality of segments or a plurality of subsegments, and each segment is composed of a plurality of access units (AUs).
  • Each access unit (AU) contains a plurality of subpictures.
  • the DASH encoding device forms one segment by combining a plurality of subpictures from a plurality of different access units (AUs).
  • the number of sub-pictures to be combined may be signaled to the SPS.
  • the SPS may signal that a block of subpictures corresponding to a time of 10 seconds corresponds to one segment. Such information may be contained in the MPS instead of the SPS.
  • -Sub2 are combined to form segment Y-2.
  • subpictures for example, AUk + 1-Sub3, AUk + 2-Sub3, ... AU2k
  • sub-picture ID3 Sub3 in the figure
  • FIG. 110 is a diagram schematically showing a typical usage example of a plurality of sub-pictures in a playback device.
  • a plurality of subpictures from a plurality of different access units (AUs) are combined to form one segment.
  • the DASH decoder acquires a plurality of segments or a plurality of subsegments. Each segment or subsegment is composed of a plurality of subpictures.
  • the DASH decoding device forms one access unit (AU) by combining a plurality of subpictures from a plurality of different segments.
  • the number of subpictures combined in one access unit (AU) may be signaled to the SPS. Such information may be contained in the MPS instead of the SPS.
  • each access unit is composed of three sub-pictures.
  • the number of subpictures merged together is not limited to three and does not have to be consistent within the bitstream.
  • the number of subpictures combined in each AU may be increased or decreased in the middle of the bitstream.
  • AUk-Sub2, and AUk-Sub3 are combined to form an access unit AU-k.
  • the order of the sub-pictures when reconstructing one bitstream by combining the data of a plurality of sub-pictures acquired as the data of a plurality of segments is the data unit corresponding to each sub-picture (for example, an adaptation set). ) May be described in MPD. That is, when the adaptation set X and the adaptation set Y are described in order from the top in the MPD, the DASH client (so-called DASH playback device) is one access unit (AU) acquired from the segment corresponding to the adaptation set X. After arranging the minute data in the bitstream, the process of arranging the data for one access unit (AU) acquired from the segment corresponding to the adaptation set Y in the bitstream is repeated to reconstruct the bitstream.
  • DASH client so-called DASH playback device
  • the description order in MPD is, for example, the order of arrangement of adaptation set IDs in preselection.
  • the MPD is the information in which the information specifying the data unit associated with the subpicture is arranged in the order of the subpictures. It may be described in any area.
  • the information that specifies the data unit associated with the sub-picture is associated with the order of the sub-pictures.
  • the information may be described in the MPD. For example, in the MPD, information indicating which video component is a sub-picture for each data unit associated with the sub-picture and information indicating the order of the sub-pictures in the video component may be included. ..
  • the data corresponding to one access unit (AU) of the above one sub-picture may be defined as one track in ISO BMFF. Further, the data corresponding to one access unit (AU) of the above one subpicture may be stored in one subsegment and provided from the server to the DASH client. In this case, the DASH client requests and acquires data for each subsegment from the server. As a result, it is not necessary to divide each segment into access unit (AU) units, so that the DASH client processing is performed as compared with the case where a plurality of segments corresponding to each of a plurality of subpictures are acquired and combined processing is performed. Can be simplified.
  • FIG. 111 is a diagram schematically showing another usage example of a plurality of sub-pictures in a transmitting device.
  • the plurality of subpictures merged together are not always consistent.
  • One or more segments for each subpicture come from a number of different adaptation sets.
  • A-1, segment Z-A-2, ...) Is derived from adaptation set Z.
  • multiple segments for each subpicture may come from the same adaptation set. Information about which subpictures are merged together to form each segment may be specified by the user.
  • the MPD may include identification information indicating the correspondence between the segment and the sub-pictures.
  • the identification information may be described in, for example, a preselection descriptor, a segment or an adaptation set. Further, the identification information may be described in an element other than the above in the MPD. Further, the identification information may be described separately for, for example, a plurality of the above-mentioned elements.
  • X and Y are identifiers for identifying the adaptation set
  • A is an identifier for identifying the representation within each adaptation set
  • 1 is an identifier for identifying the segment within each representation.
  • Information indicating the correspondence between the segment and the sub-picture is described, for example, for each segment related to the sub-picture.
  • the segment corresponds to a part of the subpictures among the plurality of subpictures that make up one video component, or can be independently decoded, played, or displayed. It may contain information indicating whether it corresponds to one video component.
  • the identification information indicates the correspondence between the segment and the sub-picture, but the identification information indicates the correspondence between the adaptation set and the sub-picture, so that the DASH decoding device (hereinafter referred to as a client) can be used. It may be possible to grasp the correspondence between the segment and the sub-picture.
  • X and Y are identifiers for identifying the adaptation set.
  • the adaptation set can correspond to some of the subpictures of the plurality of subpictures that make up one video component, or can be independently decoded, played, or displayed. It may contain information indicating whether it corresponds to one video component.
  • the identification information may indicate the correspondence between the content component and the sub-picture so that the client can grasp the correspondence between the segment and the sub-picture.
  • K and L are identifiers for identifying the content component.
  • Information indicating the correspondence between the content component and the sub-picture is described for each content component corresponding to the sub-picture, for example.
  • the content component can correspond to a part of a subpicture among a plurality of subpictures constituting one video component, or can be independently decoded, played, or displayed. It may contain information indicating whether it corresponds to one video component.
  • the identification information may indicate the correspondence between the representation and the sub-picture so that the client can grasp the correspondence between the segment and the sub-picture.
  • It may include information indicating the correspondence between the representation and the sub-picture, such as information indicating that the sub-picture is to be used.
  • X and Y are identifiers for identifying the adaptation set
  • A is an identifier for identifying the representation within each adaptation set.
  • Information indicating the correspondence between the representation and the sub-picture is described, for example, for each representation corresponding to the sub-picture. Also, for each representation associated with a video component, the representation corresponds to or independently decodes, plays, or displays some of the subpictures of the plurality of subpictures that make up one video component. May include information indicating whether it corresponds to one possible video component.
  • the identification information may indicate the correspondence between the sub-representation and the sub-picture so that the client can grasp the correspondence between the segment and the sub-picture.
  • X and Y are identifiers for identifying the adaptation set
  • A is an identifier for identifying the representation within each adaptation set
  • ⁇ is an identifier for identifying the sub-representation.
  • Information indicating the correspondence between the sub-representation and the sub-picture is described, for example, for each sub-representation corresponding to the sub-picture.
  • that sub-representation corresponds to, or independently decodes, plays, or displays some of the sub-pictures of the plurality of sub-pictures that make up one video component. May include information indicating whether it corresponds to one possible video component.
  • one segment may store one MP4 file, or N segments may store one MP4 file. ..
  • N is an integer of 2 or more.
  • one MP4 file is stored in N segments, different tracks in the MP4 file are stored in each segment. That is, one MP4 file may be distributed in one segment, or may be divided into track units and distributed in N segments.
  • the identification information may include information indicating the association between the segment and the MP4 file. Further, the information indicating the association between the segment and the MP4 file may include information that specifies the ID number of the track in the MP4 file.
  • the identification information may include information associated with the MP4 file corresponding to the segment and the ID number of the track corresponding to the segment.
  • the client acquires a plurality of segments corresponding to the MP4 file to be played, and acquires a plurality of acquired segments. It is possible to construct an MP4 file from the data stored in the segment.
  • the client selectively acquires a plurality of subpictures based on the information contained in the MPD, and a bitstream in which the acquired data is combined is obtained by a decoding device (so-called VVC decoding device). It can be decrypted and displayed.
  • a decoding device so-called VVC decoding device.
  • the DASH encoding device (hereinafter referred to as a server or a distribution server) that distributes the content can replace a part of the area of the image (so-called moving image) with another image according to the user's selection. It becomes possible to provide services efficiently.
  • the data obtained by encoding the entire image of the main content and the entire image of the sub-content are encoded. Even if both the converted data are not prepared, the data in which the main content is encoded using a plurality of sub-pictures and the data in which only the image of the replaced area of the sub-content is encoded as a sub-picture are prepared. This makes it possible to provide services. Further, since the coded data in the area not to be replaced in the main content can be used in common, there is a possibility that the load on the content distribution network used for the distribution of the main content and the sub-content can be reduced.
  • the video bitstream encoded by dividing it into multiple sub-pictures contains information such as the number of sub-pictures constituting the picture, the identification number of each sub-picture, and information indicating the layout of the sub-pictures in the picture. include.
  • the information indicating the layout is, for example, information indicating the spatial position of the sub-picture in the image plane and information indicating the size of the sub-picture.
  • the spatial position of the subpicture in the image plane is indicated by, for example, the coordinates of the upper left vertex of the subpicture in the coordinate system whose origin is the upper left in the image plane.
  • the horizontal coordinate values have a larger value toward the right side of the screen
  • the vertical coordinate values have a larger value toward the lower side of the screen.
  • the method of indicating the position in the image plane is only an example, and may be indicated by a different coordinate system.
  • the size of a subpicture is indicated, for example, by the horizontal width and the vertical height of the subpicture. If the client can derive the information on the size of the sub-picture based on the coordinates indicating the spatial position, the information on the size of the sub-picture may not be stored in the SPS.
  • the information indicating the layout may include both the information indicating the spatial position in the image plane and the information indicating the size for each sub-picture, and only the information necessary for each sub-picture is selectively selected. May be included in. For example, when the start position of the first sub-picture is determined to be the upper left in the screen plane, the information indicating the spatial position in the image plane may be omitted for the first sub-picture.
  • the above is an example of information indicating the layout in the picture
  • the layout of the sub-picture in the picture may be shown in any format as long as the information necessary for decoding the bitstream can be derived. ..
  • the information indicating the layout in the picture may be indicated by the information indicating which division pattern the image to be decoded is divided into.
  • the information indicating the layout in the picture may be indicated by, for example, a horizontal division ratio and a vertical division ratio of the picture.
  • the SPS includes information indicating the spatial position in the image plane of each sub-picture and information indicating the size, but some sub-pictures are replaced with bitstreams of other sub-pictures.
  • the SPS contains information indicating the position and size of each of the plurality of regions contained in the image to be decoded. Then, by following a bitstream in which the sub-bitstreams of the plurality of sub-pictures corresponding to each of the plurality of areas are combined, it is possible to display an image in which the sub-pictures to be displayed are combined.
  • the case where the SPS includes the number of sub-pictures constituting the picture, the identification number of each sub-picture, and the information indicating the layout of the sub-pictures in the picture is taken as an example, but the PPS includes the SPS. May include information indicating the number of sub-pictures constituting the picture, the identification number of each sub-picture, and the layout of the sub-pictures in the picture.
  • the SPS or PPS is stored in the header area of the MP4 file.
  • the header area of the MP4 file is, for example, Movie Box (moov box).
  • the MP4 file is disclosed in Non-Patent Document 3. Although the detailed description of the MP4 file is omitted in the present disclosure, it can be understood in more detail by referring to Non-Patent Document 3.
  • the header information of MP4 may be stored in the initialization segment or may be stored in the self-initialization segment together with some media data.
  • the SPS input to the decoding device contains information on all sub-pictures to be decoded.
  • the SPS when decoding the sub-pictures x, y, and z, the SPS includes information indicating the coordinate positions of the sub-pictures x, y, and z, respectively.
  • layout information included in the SPS will be described as an example, but other information regarding subpictures included in the SPS can be handled in the same manner.
  • the SPS of the MP4 file corresponding to one subpicture includes the layout information for one subpicture.
  • the arrangement information of the sub-pictures may be separately stored in MPD or the like, or may be set by the client.
  • the client When combining the data of multiple sub-pictures and inputting them to the decoder, the client reconstructs the SPS containing the layout information of all the sub-pictures to be decoded acquired by receiving different segments. , Input to the decoder.
  • the information common to a plurality of sub-pictures constituting the same picture other than the information related to the sub-pictures is maintained as it is without being rewritten.
  • the information common to the plurality of sub-pictures may be included in each of the SPSs corresponding to each sub-picture, or may be included only in the SPS corresponding to some of the sub-pictures.
  • information common to a plurality of subpictures may be included only in the first subpicture.
  • N subpictures correspond to N segments (N is an integer of 2 or more), and the data of N subpictures is provided as one MP4 file.
  • the configuration process of is described.
  • the server sends an SPS containing information of all the subpictures to be decoded to the client. May be provided.
  • the server may provide the client with SPS including information of the plurality of subpictures included in the combination for each combination.
  • the MPD may include information indicating the acquisition destination of the initialization segment for each combination so that the client can select the SPS required for the combination to be reproduced and request the server.
  • the MPD specifies information indicating the acquisition destination of the corresponding initialization segment in each of the plurality of preselections.
  • the information indicating the acquisition destination of the initialization segment may be directly described in the preselection, or the information indicating the acquisition destination of the initialization segment according to the combination in the adaptation set or the content component indicated by the preselection. May be included.
  • the adaptation set A indicated by the preselection A corresponding to the combination A contains information indicating the acquisition destination of the initialization segment A including the SPS necessary for decoding a plurality of subpictures included in the combination A.
  • the adaptation set B indicated by the preselection B corresponding to the combination B contains information indicating the acquisition destination of the initialization segment B including the SPS necessary for decoding the plurality of subpictures included in the combination B. Will be.
  • the information indicating the acquisition destination of the media segment corresponding to the sub-picture X commonly included in the combination A and the combination B is the same URI (Uniform Resource Identifier) or the same URI (Uniform Resource Identifier) in the adaptation set A and the adaptation set B.
  • a URL may be specified.
  • the client may input the SPS included in the initialization segment to the decoding device as it is without reconstructing it.
  • the case where the SPS used for decoding is different between the combination A and the combination B has been described, but when the SPS common to the combination A and the combination B can be used, the case is encoded.
  • SPS may be shared between combinations.
  • a case where the sub-picture X and the sub-picture Y are decoded when the combination A is reproduced and the sub-picture X and the sub-picture Z are decoded when the combination B is reproduced will be described.
  • the combination B is selected and reproduced.
  • the media segment corresponding to the sub picture Z may be acquired and decoded instead of the media segment corresponding to the sub picture Y, thereby enabling the reproduction of the combination B. ..
  • the initialization segment can be shared, it is possible to simplify the switching of the reproduction control according to the combination selected by the client, that is, the preselection.
  • an advertisement or a sign language video has been described as an example as a replaceable sub-picture, but other than that may be used.
  • the distribution server may encode the video from different viewpoints as different sub-pictures and provide them to the client.
  • the distribution server may encode images in different directions or images taken in different spatial areas as a plurality of subpictures and provide them to the client.
  • the server can provide a plurality of different images to the client as a plurality of sub-pictures constituting one picture.
  • the subpicture decrypted by the client and the subpicture displayed may be different.
  • the client selects a sub-picture 1 according to the viewpoint and the direction of the line of sight to be displayed on the VR playback device from a plurality of sub-pictures encoded as different sub-pictures according to the orientation in applications such as VR.
  • the sub-picture 2 may be decoded, and an area straddling either one of the sub-pictures or both sub-pictures may be extracted and displayed on the display according to the viewpoint of the user.
  • the number of selected sub-pictures is 2, but the client selects 3 or more sub-pictures and decodes them at the same time, and displays a part of the decoded image on the VR playback device. You may. Further, the VR generation device may switch the sub-picture selected for decoding according to the orientation and posture of the user. According to this configuration, the VR reproduction device can easily realize the control of decoding only the area to be displayed or the area to be displayed and the area around it by exchanging the sub-pictures to be decoded.
  • one adaptation set contains multiple content components or multiple representations
  • multiple subbitstreams may be assigned to each of the multiple content components or representations contained in one adaptation set. May be good.
  • the plurality of sub-bitstreams may have a one-to-one correspondence with a plurality of sub-bitstreams constituting one video content, or some sub-bitstreams correspond to data corresponding to two or more sub-pictures. May include.
  • all of the plurality of sub-bitstreams constituting one video component may be included in one adaptation set.
  • a plurality of sub-bitstreams constituting one video component are assigned to two or more adaptation sets, and each of the two or more adaptation sets or at least one adaptation set corresponds to a sub-bitstream of a subpicture different from each other.
  • Content components or multiple representations may be included.
  • the identification information indicates the correspondence between the content component and the sub-picture, thereby indicating the client. May be able to grasp the correspondence between the segment and the sub-picture.
  • X is an identifier for identifying the adaptation set
  • K and L are identifiers for identifying the content component in the adaptation set.
  • Information indicating the correspondence between the content component and the sub-picture is described for each content component corresponding to the sub-picture, for example.
  • the content component can correspond to a part of a subpicture among a plurality of subpictures constituting one video component, or can be independently decoded, played, or displayed. It may contain information indicating whether it corresponds to one video component.
  • the identification information indicates the correspondence between the representation and the sub-picture, thereby indicating the client. May be able to grasp the correspondence between the segment and the sub-picture.
  • the identification information corresponds to the sub-picture in which the representation XA corresponds to the sub-picture ID of the video 1 and the sub-picture ID of the video 1 in the representation X-B. It may include information indicating the correspondence between the representation and the sub-picture, such as information indicating correspondence.
  • X is an identifier for identifying the adaptation set
  • a and B are identifiers for identifying the representation within the adaptation set.
  • Information indicating the correspondence between the representation and the sub-picture is described, for example, for each representation corresponding to the sub-picture.
  • the representation corresponds to a sub-picture of a part of a plurality of sub-pictures constituting one video component, or is independently decoded, played, or performed. It may contain information indicating whether it corresponds to one video component that can be displayed. For example, for each of the representations XA and the representations XA, information indicating that the representations are dependent representations and an identifier indicating the representations that store the data of other subpictures, etc. Information may be stored and the initialization segment and the media segment may be distributed in the representation XA and the representation XB, respectively. With this configuration, the client understands by parsing the MPD that it needs to combine the initialization segments and the media segments (or media subsegments) to generate a bitstream to input to the decoder. It becomes possible to do.
  • the client may transmit transmission throughput or transmission delay.
  • switching presentations within one sub-picture based on changes in the communication environment that is, when switching the bit rate of content
  • the server In order to suppress the occurrence of image quality and resolution non-uniformity for each sub-picture as described above, the server describes in the MPD information that specifies a group of multiple sub-pictures to be linked when switching representations. You may. At this time, the server may specify, for example, all of the plurality of subpictures constituting one video component in the MPD as a group for interlocking the switching of the representation, or a plurality of subpictures constituting one video component. A part of the sub-picture may be specified by MPD as a group for interlocking the switching of representation. For example, if the video content provided by the server includes a main video provided as a service and a sub video provided as an advertisement, the server presents multiple sub-pictures that make up the main video.
  • the MPD may be used to specify the sub-pictures that make up the sub-video as a group for interlocking the switching, and the MPD may specify that the representation can be switched independently of the main video group.
  • the server may specify the plurality of sub pictures constituting the sub video in MPD as another group for interlocking the switching of the representation. .. In this case, the server specifies a plurality of groups in the MPD to link the switching of the representation. If the server specifies in MPD all of the multiple sub-pictures that make up one video component as a group that links the switching of representations, the representation is subordinate to each representation.
  • the server may notify the client that the plurality of representations to which the information is given are a group that links the switching of the representation accompanying the switching of the bit rate or the resolution.
  • the server assigns a plurality of sub-pictures to be decoded as one picture to a plurality of sub-representations of one representation and transmits the same.
  • the server may associate a plurality of sub-representations with a plurality of sub-bitstreams constituting one video content on a one-to-one basis, or some sub-representations correspond to two or more sub-pictures. It may contain data to be used.
  • this configuration it is possible to efficiently distribute the content that is divided into a plurality of sub-pictures and encoded. Further, by including the data of a plurality of sub-pictures in one sub-representation, it is possible to suppress the subdivision of the data, so that the possibility of efficiently delivering the content may be improved.
  • the client can use the resolutions of the plurality of sub-pictures or when the representation is switched due to the switching of the bit rate or the resolution. It becomes easy to switch the bit rate at the same time.
  • the server assigns the above-mentioned sub-picture identification information to the representation including the sub-picture in the MPD, and stores information such as an identifier indicating the representation for storing the related sub-picture in the memory. You may. Further, the sub-picture identification information may include information indicating the sub-picture ID of one or more sub-pictures included in the representation.
  • video and / or audio attributes are provided in a file-based (ISO BMFF, etc.) or packet-based (MPEG-2TS, etc.) container format for transmitting manifest information and video and / or audio streams.
  • HTTP streaming methods such as HLS (HTTP Live Streaming) may be used.
  • FIG. 112A is a flowchart showing an example of the operation performed by the reproduction device 300.
  • the reproduction device 300 includes a circuit and a memory connected to the circuit.
  • the circuit and memory included in the reproduction device 300 may correspond to the processor c1 and the memory c2 shown in FIG. 97.
  • the circuit of the reproduction device 300 performs the following in operation.
  • the circuit of the reproduction device 300 acquires a first segment including a plurality of first subpictures corresponding to a plurality of times and a second segment including a plurality of second subpictures corresponding to a plurality of times (S101). , A plurality of first subpictures and a plurality of second subpictures are combined to generate a plurality of access units corresponding to a plurality of times (S102), and the generated plurality of access units are reproduced (S103).
  • the playback device 300 can efficiently combine a plurality of different videos on the same screen to play the video content. Therefore, the reproduction device 300 can stably execute low-delay live streaming.
  • first segment and the second segment correspond to one random access unit.
  • the playback device 300 can combine different videos having the same time information, so that it is possible to play video content in which a plurality of sub-pictures corresponding to the same time are combined on the same screen.
  • FIG. 112B is a flowchart showing another example of the operation performed by the reproduction device 300.
  • the circuit of the reproduction device 300 performs the following in operation.
  • the circuit of the reproduction device 300 acquires the manifest file (S111), and selects one preselection from a plurality of preselections including the first preselection and the second preselection described in the manifest file (S111). S112), when one selected preselection is the first preselection, a first segment containing a plurality of first subpictures corresponding to a plurality of times based on the information contained in the first preselection, and A second segment containing a plurality of second subpictures corresponding to a plurality of times is acquired (S113), the acquired first segment and the second segment are reproduced (S114), and one selected preselection is performed.
  • the first segment and the third segment including a plurality of third subpictures corresponding to a plurality of times are acquired based on the information contained in the second preselection (S115).
  • the acquired first segment and third segment are reproduced (S116).
  • the reproduction device 300 can reproduce a combination of a plurality of segments including a plurality of subpictures on the same screen according to the selected preselection. Therefore, the reproduction device 300 can realize various display modes of the video content.
  • the information included in the first preselection is the information indicating the first adaptation set and the second adaptation set
  • the information included in the second preselection is the information including the first adaptation set and the third adaptation set.
  • the first adaptation set corresponds to a plurality of first subpictures contained in the first segment
  • the second adaptation set corresponds to a plurality of second subpictures contained in the second segment
  • the third adaptation set corresponds to a plurality of third subpictures contained in the third segment.
  • the playback device 300 can collectively specify a plurality of sub-pictures via the adaptation set.
  • the image size of the plurality of second subpictures is equal to the image size of the plurality of third subpictures, respectively.
  • the playback device 300 can display the video content of the same image size on the display regardless of whether the first preselection or the second preselection is selected.
  • the area in which a plurality of second subpictures are displayed when the first segment and the second segment are reproduced is a plurality of areas where the first segment and the third segment are reproduced, respectively. 3 Equal to the area where the sub-pictures are displayed.
  • the playback device 300 can display the second segment and the third segment on the display in the same size and size. Therefore, the reproduction device 300 can smoothly switch the display between the second segment and the third segment on the display while reproducing the first segment.
  • a plurality of first subpictures, a plurality of second subpictures, or a plurality of third subpictures are provided for at least one of personalization, accessibility, and targeted advertising.
  • the playback device 300 uses any one of the plurality of first subpictures, the plurality of second subpictures, and the plurality of third subpictures for at least one of personalization, accessibility, and targeted advertisement. be able to. Therefore, the reproduction device 300 can display according to the user.
  • the plurality of first subpictures, the plurality of second subpictures, and the plurality of third subpictures are related to the same video content, and the plurality of first subpictures are the first of the same video content.
  • the plurality of second subpictures correspond to the second view of the same video content
  • the plurality of third subpictures correspond to the third view of the same video content.
  • the playback device 300 includes a plurality of views related to the same video content by combining at least two of a plurality of first subpictures, a plurality of second subpictures, and a plurality of third subpictures.
  • Video content can be generated and played.
  • the plurality of third sub-pictures correspond to sign language contents
  • the circuit of the reproduction device 300 reproduces the first segment and the third segment when the second preselection is selected based on accessibility. ..
  • the playback device 300 can generate and play video content in which sign language content is included in a part of one video content.
  • the plurality of third sub-pictures correspond to the advertisement contents, and the circuit of the reproduction device 300 reproduces the first segment and the third segment when the second preselection is selected based on the target advertisement. do.
  • the playback device 300 can generate and play video content in which advertisement content for a specific target person is displayed as a part of one video content.
  • the sub-picture IDs of the plurality of first sub-pictures, the sub-picture IDs of the plurality of second sub-pictures, and the plurality of third sub-pictures are different from each other.
  • the playback device 300 generates video content in which at least two of a plurality of first subpictures, a plurality of second subpictures, and a plurality of third subpictures are combined, the generated video content is generated. There is no need to change the coding parameters of.
  • FIG. 113A is a flowchart showing an example of the operation performed by the transmission device 400.
  • the transmitter 400 includes a circuit and a memory connected to the circuit.
  • the circuit and memory included in the transmitter 400 may correspond to the processor d1 and the memory d2 shown in FIG. 98.
  • the circuit of the transmitter 400 performs the following in operation.
  • the circuit of the transmission device 400 requests a signal requesting a first segment including a plurality of first subpictures corresponding to a plurality of times and a second segment including a plurality of second subpictures corresponding to a plurality of times. (S201), and transmit the first segment and the second segment based on the received signal (S202).
  • the transmission device 400 can transmit to the playback device 300 a segment corresponding to a plurality of times and having different images based on the signal received from the playback device 300. Therefore, the transmission device 400 enables the playback device 300 to efficiently combine a plurality of different videos on the same screen to reproduce the video content, so that the playback device 300 stably executes low-delay live streaming. Can be made possible.
  • first segment and the second segment correspond to one random access unit.
  • the transmission device 400 can transmit different videos having the same time information to the playback device 300, so that the playback device 300 can combine a plurality of sub-pictures corresponding to the same time on the same screen. It can be made possible to play.
  • FIG. 113B is a flowchart showing another example of the operation performed by the transmission device 400.
  • the circuit of the transmitter 400 performs the following in operation.
  • the circuit of the transmission device 400 receives the content list request signal (S211), transmits a manifest file based on the received content list request signal (S212), and describes the first preselection and the manifest file in the manifest file.
  • a signal indicating that one preselection has been selected from a plurality of preselections including the second preselection is received (S213) and one selected preselection is the first preselection, the first preselection is performed.
  • a first segment containing a plurality of first subpictures corresponding to a plurality of times and a second segment containing a plurality of second subpictures corresponding to a plurality of times are transmitted.
  • the first segment and a plurality of third subpictures corresponding to a plurality of times are displayed based on the information contained in the second preselection.
  • a third segment including is transmitted (S215).
  • the transmission device 400 can transmit a combination of a plurality of segments including a plurality of subpictures to the reproduction device 300 according to the selected preselection. Therefore, the transmission device 400 can realize various display modes of the video content by the playback device 300.
  • the information included in the first preselection corresponds to the first adaptation set corresponding to the plurality of first subpictures included in the first segment and the plurality of second subpictures included in the second segment.
  • the information indicating the second adaptation set, and the information included in the second preselection is the information indicating the first adaptation set and the third adaptation set corresponding to the plurality of third subpictures included in the third segment. Is.
  • the transmission device 400 can transmit a plurality of adaptation sets to the reproduction device 300 according to the selected preselection. Therefore, the transmission device 400 can enable the reproduction device 300 to collectively specify a plurality of subpictures via the adaptation set.
  • the image size of the plurality of second subpictures is equal to the image size of the plurality of third subpictures, respectively.
  • the transmission device 400 can transmit different images having the same time information and image size to the playback device 300. Therefore, the transmission device 400 can enable the playback device 300 to display video content having the same image size on the display regardless of whether the first preselection or the second preselection is selected.
  • the area in which a plurality of second subpictures are displayed when the first segment and the second segment are reproduced is a plurality of areas where the first segment and the third segment are reproduced, respectively. 3 Equal to the area where the sub-pictures are displayed.
  • the transmission device 400 can transmit different segments having the same video position and size to be played back in the different video contents to the playback device 300. Therefore, the transmission device 400 allows the reproduction device 300 to display the second segment and the third segment on the display at the same position and the same size. Therefore, in the transmission device 400, the reproduction device 300 reproduces the first segment. However, it is possible to switch the display between the second segment and the third segment on the display.
  • a plurality of first subpictures, a plurality of second subpictures, or a plurality of third subpictures are provided for at least one of personalization, accessibility, and targeted advertising.
  • the transmission device 400 reproduces the plurality of first subpictures, the plurality of second subpictures, and the plurality of third subpictures used for at least one of personalization, accessibility, and targeted advertisement. Can be sent to. Therefore, the transmission device 400 can enable the reproduction device 300 to display according to the user.
  • the plurality of first subpictures, the plurality of second subpictures, and the plurality of third subpictures are related to the same video content, and the plurality of first subpictures are the first of the same video content.
  • the plurality of second subpictures correspond to the second view of the same video content
  • the plurality of third subpictures correspond to the third view of the same video content.
  • the transmission device 400 can transmit a plurality of segments corresponding to a plurality of views related to the same video content to the playback device 300. Therefore, the transmission device 400 can enable the playback device 300 to generate and play video content including a plurality of views related to the same video content.
  • the plurality of third subpictures correspond to sign language content
  • the circuit of the transmitter 400 transmits the first segment and the third segment when the second preselection is selected based on accessibility. ..
  • the transmission device 400 reproduces a plurality of segments for realizing the accessibility required by the user (for example, reproduction of video content in which sign language content is displayed as a part of video) according to the selected preselection. It can be transmitted to the device 300.
  • the plurality of third sub-pictures correspond to the advertisement contents, and the circuit of the transmission device 400 transmits the first segment and the third segment when the second preselection is selected based on the target advertisement. do.
  • the transmission device 400 receives a target advertisement suitable for the user according to the selected preselection (for example, reproduction of video content in which advertisement content for a specific target person is displayed as a part of one video content).
  • a target advertisement suitable for the user for example, reproduction of video content in which advertisement content for a specific target person is displayed as a part of one video content.
  • a plurality of segments for realizing the above can be transmitted to the reproduction device 300.
  • the sub-picture IDs of the plurality of first sub-pictures, the sub-picture IDs of the plurality of second sub-pictures, and the sub-picture IDs of the plurality of third sub-pictures are different from each other.
  • the transmission device 400 can transmit a plurality of subpictures having unique IDs to the playback device 300, so that the playback device 300 can generate video content without changing the coding parameters. can do.
  • the reproduction device 300 and the transmission device 400 in each of the above-described examples may be used as an image reproduction device and an image transmission device, or may be used as a moving image reproduction device and a moving image transmission device, respectively.
  • the expression of encoding may be replaced with an expression of storing, including, writing, describing, signaling, sending out, notifying, or saving.
  • encoding information may be to include the information in a bitstream.
  • the expression of decoding may be replaced with an expression of reading, deciphering, reading, reading, deriving, acquiring, receiving, extracting, or restoring.
  • decoding information may be obtaining information from a bitstream.
  • each component may be realized by being composed of dedicated hardware or by executing a software program suitable for each component.
  • Each component may be realized by a program execution unit such as a CPU or a processor reading and executing a software program recorded on a recording medium such as a hard disk or a semiconductor memory.
  • each of the reproduction device and the transmission device 400 includes a processing circuit (Processing Circuitry) and a storage device (Store) electrically connected to the processing circuit and accessible from the processing circuit.
  • the processing circuit corresponds to the processor c1 or d1
  • the storage device corresponds to the memory c2 or d2.
  • the processing circuit includes at least one of dedicated hardware and a program execution unit, and executes processing using a storage device. Further, when the processing circuit includes a program execution unit, the storage device stores the software program executed by the program execution unit.
  • the software that realizes the above-mentioned playback device 300, transmission device 400, or the like is the following program.
  • the program may obtain a computer with a first segment containing a plurality of first subpictures corresponding to a plurality of times and a second segment containing a plurality of second subpictures corresponding to a plurality of times.
  • a plurality of access units corresponding to a plurality of times may be generated by combining a plurality of first subpictures and a plurality of second subpictures, and a reproduction method for reproducing the generated plurality of access units may be executed.
  • this program obtains a manifest file on a computer, selects one preselection from a plurality of preselections including the first preselection and the second preselection described in the manifest file, and selects one.
  • one preselection is the first preselection, it corresponds to a first segment containing a plurality of first subpictures corresponding to a plurality of times and a plurality of times based on the information contained in the first preselection.
  • a second segment containing a plurality of different second subpictures is acquired, the acquired first segment and the second segment are reproduced, and when one selected preselection is the second preselection, the second segment is reproduced.
  • the first segment and the third segment including a plurality of third subpictures corresponding to a plurality of times are acquired, and the acquired first segment and the third segment are reproduced.
  • the playback method to be performed may be executed.
  • the program requests a computer to have a first segment containing a plurality of first subpictures corresponding to a plurality of times and a second segment containing a plurality of second subpictures corresponding to a plurality of times. May be executed, and a transmission method of transmitting the first segment and the second segment based on the received signal may be executed.
  • the program receives a content list request signal to the computer, sends a manifest file based on the received content list request signal, and includes a first preselection and a second preselection described in the manifest file.
  • a signal indicating that one preselection has been selected from a plurality of preselections is received and the selected preselection is the first preselection, it is based on the information contained in the first preselection.
  • a first segment containing a plurality of first subpictures corresponding to a plurality of times and a second segment containing a plurality of second subpictures corresponding to a plurality of times are transmitted, and one selected preselection is selected.
  • the transmission method of transmitting the first segment and the third segment including a plurality of third subpictures corresponding to a plurality of times is executed based on the information contained in the second preselection. You may let me.
  • each component may be a circuit as described above. These circuits may form one circuit as a whole, or may be separate circuits. Further, each component may be realized by a general-purpose processor or a dedicated processor.
  • the transmission / reproduction device may include a reproduction device 300 and a transmission device 400.
  • first and second ordinal numbers used in the explanation may be replaced as appropriate. Further, an ordinal number may be newly given or removed for a component or the like. Also, these ordinal numbers may be attached to the elements to identify them and may not correspond to a meaningful order.
  • the embodiments of the reproduction device 300 and the transmission device 400 have been described above based on a plurality of examples, but the embodiments of the reproduction device 300 and the transmission device 400 are not limited to these examples. As long as the gist of the present disclosure is not deviated, various modifications that can be conceived by those skilled in the art are applied to each example, and a form constructed by combining components in different examples is also within the scope of the aspects of the reproduction device 300 and the transmission device 400. May be included in.
  • One or more aspects disclosed herein may be implemented in combination with at least a portion of the other aspects of the present disclosure. Further, a part of the processing described in the flowchart of one or more embodiments disclosed here, a part of the configuration of the device, a part of the syntax, and the like may be performed in combination with other aspects.
  • each of the functional or active blocks can usually be realized by an MPU (micro processing unit), a memory, or the like. Further, the processing by each of the functional blocks may be realized as a program execution unit such as a processor that reads out and executes software (program) recorded in a recording medium such as ROM. The software may be distributed. The software may be recorded on various recording media such as semiconductor memory. It is also possible to realize each functional block by hardware (dedicated circuit).
  • each embodiment may be realized by centralized processing using a single device (system), or may be realized by distributed processing using a plurality of devices. Further, the number of processors that execute the above program may be singular or plural. That is, centralized processing may be performed, or distributed processing may be performed.
  • an application example of the moving image coding method (image coding method) or the moving image decoding method (image decoding method) shown in each of the above embodiments, and various systems for implementing the application example are provided.
  • Such a system may be characterized by having an image coding device using an image coding method, an image decoding device using an image decoding method, or an image coding / decoding device including both. Other configurations of such a system can be appropriately modified as appropriate.
  • FIG. 114 is a diagram showing an overall configuration of an appropriate content supply system ex100 that realizes a content distribution service.
  • the communication service provision area is divided into desired sizes, and base stations ex106, ex107, ex108, ex109, and ex110, which are fixed radio stations in the illustrated example, are installed in each cell, respectively.
  • each device such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 is connected to the Internet ex101 via an Internet service provider ex102 or a communication network ex104, and base stations ex106 to ex110. Is connected.
  • the content supply system ex100 may be connected by combining any of the above devices.
  • the devices may be directly or indirectly connected to each other via a telephone network, short-range radio, or the like, without going through base stations ex106 to ex110.
  • the streaming server ex103 may be connected to each device such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 via the Internet ex101 or the like. Further, the streaming server ex103 may be connected to a terminal or the like in a hotspot in the airplane ex117 via the satellite ex116.
  • a wireless access point, a hotspot, or the like may be used instead of the base stations ex106 to ex110.
  • the streaming server ex103 may be directly connected to the communication network ex104 without going through the Internet ex101 or the Internet service provider ex102, or may be directly connected to the airplane ex117 without going through the satellite ex116.
  • the camera ex113 is a device capable of shooting still images and moving images such as a digital camera.
  • the smartphone ex115 is a smartphone machine, a mobile phone, a PHS (Personal Handyphone System) or the like that supports a mobile communication system system called 2G, 3G, 3.9G, 4G, and 5G in the future.
  • PHS Personal Handyphone System
  • the home appliance ex114 is a refrigerator or a device included in a household fuel cell cogeneration system.
  • a terminal having a shooting function is connected to the streaming server ex103 through a base station ex106 or the like, so that live distribution or the like becomes possible.
  • the terminal (computer ex111, game machine ex112, camera ex113, home appliance ex114, smartphone ex115, terminal in airplane ex117, etc.) is the above-mentioned for still image or video content taken by the user using the terminal.
  • the coding process described in each embodiment may be performed, or the video data obtained by coding may be multiplexed with the sound data in which the sound corresponding to the video is encoded, and the obtained data is streamed. It may be transmitted to the server ex103. That is, each terminal functions as an image coding device according to one aspect of the present disclosure.
  • the streaming server ex103 streams the content data transmitted to the requested client.
  • the client is a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, a smartphone ex115, a terminal in an airplane ex117, or the like, which can decode the encoded data.
  • Each device that receives the delivered data decodes and reproduces the received data. That is, each device may function as an image decoding device according to one aspect of the present disclosure.
  • the streaming server ex103 may be a plurality of servers or a plurality of computers, and may be one that distributes, processes, records, and distributes data.
  • the streaming server ex103 may be realized by a CDN (Contents Delivery Network), and content distribution may be realized by a network connecting a large number of edge servers distributed all over the world.
  • CDN Contents Delivery Network
  • content distribution may be realized by a network connecting a large number of edge servers distributed all over the world.
  • the delay can be reduced by caching and delivering the content to the edge server.
  • the distribution entity is switched to another edge server, or a failure occurs. Since distribution can be continued by bypassing the network part, high-speed and stable distribution can be realized.
  • the coding processing of the captured data may be performed on each terminal, on the server side, or shared with each other.
  • the processing loop is performed twice.
  • the first loop the complexity or code amount of the image in frame or scene units is detected.
  • the second loop a process of maintaining the image quality and improving the coding efficiency is performed.
  • the terminal performs the first coding process
  • the server side that receives the content performs the second coding process, so that the quality and efficiency of the content can be improved while reducing the processing load on each terminal. can.
  • the first encoded data performed by the terminal can be received and played back by another terminal, enabling more flexible real-time distribution.
  • the camera ex113 or the like extracts the feature amount from the image, compresses the data related to the feature amount as metadata, and sends it to the server.
  • the server performs compression according to the meaning (or the importance of the content) of the image, for example, by determining the importance of the object from the feature amount and switching the quantization accuracy.
  • the feature data is particularly effective for improving the accuracy and efficiency of motion vector prediction at the time of recompression in the server.
  • the terminal may perform simple coding such as VLC (variable length coding), and the server may perform coding having a large processing load such as CABAC (context-adaptive binary arithmetic coding method).
  • a plurality of video data in which almost the same scene is shot by a plurality of terminals.
  • GOP Group of Picture
  • the server may manage and / or instruct so that the video data taken by each terminal can be referred to each other. Further, the encoded data from each terminal may be received by the server and the reference relationship may be changed between the plurality of data, or the picture itself may be corrected or replaced and re-encoded. This makes it possible to generate a stream with improved quality and efficiency of each piece of data.
  • the server may distribute the video data after transcoding to change the coding method of the video data.
  • the server may convert the MPEG system coding method to a VP system (for example, VP9), or H.A. 264 is H. It may be converted to 265.
  • VP system for example, VP9
  • H.A. 264 is H. It may be converted to 265.
  • the coding process can be performed by the terminal or one or more servers. Therefore, in the following, the description of "server” or “terminal” or the like is used as the subject performing the processing, but a part or all of the processing performed by the server may be performed by the terminal, or the processing performed by the terminal may be performed. Some or all may be done on the server. The same applies to the decoding process.
  • [3D, multi-angle] There is an increasing increase in the integrated use of different scenes taken by terminals such as a plurality of cameras ex113 and / or smartphones ex115 that are substantially synchronized with each other, or images or videos of the same scene taken from different angles.
  • the images taken by each terminal are integrated based on the relative positional relationship between the separately acquired terminals, the area where the feature points included in the image match, and the like.
  • the server not only encodes the two-dimensional moving image, but also automatically encodes the still image based on the scene analysis of the moving image or at the time specified by the user, and sends it to the receiving terminal. May be good. If the server can acquire the relative positional relationship between the shooting terminals, the server can obtain the three-dimensional shape of the scene based not only on the two-dimensional moving image but also on the images of the same scene shot from different angles. Can be generated.
  • the server may separately encode the three-dimensional data generated by the point cloud or the like, or may generate a plurality of images to be transmitted to the receiving terminal based on the result of recognizing or tracking a person or an object using the three-dimensional data. It may be generated by selecting or reconstructing from the video taken by the terminal of.
  • the user can arbitrarily select each video corresponding to each shooting terminal and enjoy the scene, or select the video from the selected viewpoint from the plurality of images or the three-dimensional data reconstructed using the video. You can also enjoy the cut out content. Further, along with the video, the sound is also picked up from multiple different angles, and the server may multiplex the sound from a particular angle or space with the corresponding video and transmit the multiplexed video and sound. good.
  • the server may create viewpoint images for the right eye and the left eye, respectively, and perform encoding that allows reference between the viewpoint images by Multi-View Coding (MVC) or the like, or mutually. It may be encoded as a separate stream without reference. When decoding another stream, it is preferable to play back in synchronization with each other so that a virtual three-dimensional space is reproduced according to the user's viewpoint.
  • MVC Multi-View Coding
  • the server superimposes the virtual object information on the virtual space on the camera information in the real space based on the three-dimensional position or the movement of the user's viewpoint.
  • the decoding device may acquire or hold virtual object information and three-dimensional data, generate a two-dimensional image according to the movement of the user's viewpoint, and create superimposed data by smoothly connecting the images.
  • the decoding device may transmit the movement of the user's viewpoint to the server in addition to the request for the virtual object information.
  • the server may create superimposed data according to the movement of the viewpoint received from the three-dimensional data held in the server, encode the superimposed data, and distribute the superimposed data to the decoding device.
  • the superimposed data has an ⁇ value indicating transparency other than RGB
  • the server sets the ⁇ value of the part other than the object created from the three-dimensional data to 0 or the like, and the relevant part is transparent.
  • the server may set an RGB value of a predetermined value as the background, such as chroma key, and generate data in which the portion other than the object is the background color.
  • the decryption process of the distributed data may be performed on each terminal which is a client, on the server side, or may be shared with each other.
  • a terminal may once send a reception request to a server, the content corresponding to the request may be received by another terminal, a decoding process may be performed, and the decoded signal may be transmitted to a device having a display. Data with good image quality can be reproduced by distributing the processing and selecting appropriate content regardless of the performance of the communicable terminal itself.
  • a part of an area such as a tile in which a picture is divided may be decoded and displayed on the viewer's personal terminal. As a result, while sharing the whole picture, it is possible to confirm the field in charge of oneself or the area to be confirmed in more detail at hand.
  • a distribution system standard such as MPEG-DASH (Dynamic Adaptive Streaming over HTTP) in situations where multiple indoor and outdoor short-distance, medium-distance, or long-distance wireless communications can be used. It may be possible.
  • the user may switch in real time while freely selecting a decoding device or a display device such as a user's terminal or a display arranged indoors or outdoors.
  • a decoding device or a display device such as a user's terminal or a display arranged indoors or outdoors.
  • access to the coded data on the network such as the coded data being cached in a server that can be accessed from the receiving terminal in a short time, or being copied to an edge server in the content delivery service. It is also possible to switch the bit rate of the received data based on the ease.
  • FIG. 115 is a diagram showing an example of a display screen of a web page on a computer ex111 or the like.
  • FIG. 116 is a diagram showing an example of a display screen of a web page in a smartphone ex115 or the like.
  • a web page may contain a plurality of linked images that are links to image content, and the appearance thereof differs depending on the viewing device. If multiple linked images are visible on the screen, the display device (until the user explicitly selects the linked image, or until the linked image approaches the center of the screen or the entire linked image is within the screen).
  • the decoding device may display a still image or I-picture of each content as a link image, or may display a video such as a gif animation with a plurality of still images or I-pictures, or may display a base layer. Only may be received and the video may be decoded and displayed.
  • the display device When the link image is selected by the user, the display device performs decoding while giving the highest priority to the base layer. If the HTML (HyperText Markup Language) that constitutes the web page has information indicating that the content is scalable, the display device may decode up to the enhancement layer. Further, in order to ensure real-time performance, the display device decodes only the forward reference picture (I picture, P picture, B picture of forward reference only) before being selected or when the communication band is very strict. And by displaying, the delay between the decoding time and the display time of the first picture (the delay from the start of decoding the content to the start of display) can be reduced. Furthermore, the display device may deliberately ignore the reference relationship of the pictures, roughly decode all the B pictures and the P pictures as forward references, and perform normal decoding as the number of received pictures increases over time. ..
  • HTML HyperText Markup Language
  • the receiving terminal receives meta in addition to image data belonging to one or more layers.
  • Information such as weather or construction may be received as information, and these may be associated and decoded.
  • the meta information may belong to a layer or may be simply multiplexed with image data.
  • the receiving terminal since a car, a drone, an airplane, or the like including the receiving terminal moves, the receiving terminal transmits the position information of the receiving terminal to perform seamless reception and decoding while switching the base stations ex106 to ex110. realizable.
  • the receiving terminal dynamically switches how much meta information is received or how much map information is updated according to the user's selection, the user's situation, and / or the state of the communication band. Will be possible.
  • the client can receive, decode, and reproduce the encoded information transmitted by the user in real time.
  • the server may perform an editing process and then an encoding process. This can be achieved, for example, by using the following configuration.
  • the server performs recognition processing such as shooting error, scene search, meaning analysis, and object detection from the original image data or encoded data in real time or after accumulating and shooting. Then, the server manually or automatically corrects out-of-focus or camera shake based on the recognition result, and reduces the importance of scenes such as scenes with lower brightness or out of focus than other pictures. Edit such as deleting, emphasizing the edges of objects, and changing the hue.
  • the server encodes the edited data based on the edited result. It is also known that if the shooting time is too long, the audience rating will drop, and the server will move not only to the less important scenes as described above so that the content will be within a specific time range according to the shooting time. A scene with few images may be automatically clipped based on the image processing result. Alternatively, the server may generate and encode a digest based on the results of the semantic analysis of the scene.
  • the server may intentionally change the image of a person's face in the peripheral portion of the screen, the inside of the house, or the like into an image that is out of focus and encode it. Furthermore, the server recognizes whether or not the face of a person different from the person registered in advance is reflected in the image to be encoded, and if it is reflected, performs processing such as applying a mosaic to the face part. You may.
  • a person or a background area in which the user wants to process an image may be specified from the viewpoint of copyright or the like.
  • the server may perform processing such as replacing the specified area with another image or blurring the focus. If it is a person, the person can be tracked in the moving image to replace the image of the face part of the person.
  • the decoding device Since viewing of personal content with a small amount of data has a strong demand for real-time performance, the decoding device first receives the base layer with the highest priority, and decodes and reproduces it, although it depends on the bandwidth.
  • the decoding device may receive the enhancement layer during this period, and may reproduce the high-quality video including the enhancement layer when the enhancement layer is received and the reproduction is performed twice or more, such as when the reproduction is looped.
  • a stream with such scalable encoding can provide an experience that gradually makes the stream smarter and the image better, although it is a rough moving image when it is not selected or when it is started to be viewed.
  • a similar experience can be provided even if the coarse stream played first and the second stream encoded with reference to the first video are configured as one stream. ..
  • the LSI (lage scale integration circuitry) ex500 may be a single chip or a configuration including a plurality of chips.
  • software for video coding or decoding is incorporated into some recording medium (CD-ROM, flexible disk, hard disk, etc.) that can be read by a computer ex111 or the like, and the coding or decoding processing is performed using the software. May be good.
  • the smartphone ex115 is equipped with a camera, the moving image data acquired by the camera may be transmitted. The moving image data at this time is the data encoded by the LSI ex500 possessed by the smartphone ex115.
  • the LSI ex500 may be configured to download and activate the application software.
  • the terminal first determines whether the terminal supports the content coding method or has the ability to execute a specific service. If the terminal does not support the content encoding method, or does not have the ability to execute a specific service, the terminal downloads the codec or application software, and then acquires and plays the content.
  • the digital broadcasting system has at least a moving image coding device (image coding device) or a moving image decoding device (image decoding device) of each of the above embodiments. Any of the above can be incorporated. The difference is that it is suitable for multicast as opposed to the configuration that makes it easy to unicast the content supply system ex100 because it sends and receives multiplexed data in which video and sound are multiplexed on radio waves for broadcasting using satellites and the like.
  • similar applications can be applied to the coding process and the decoding process.
  • FIG. 117 is a diagram showing further details of the smartphone ex115 shown in FIG. 114. Further, FIG. 118 is a diagram showing a configuration example of the smartphone ex115.
  • the smartphone ex115 received the antenna ex450 for transmitting and receiving radio waves to and from the base station ex110, the camera unit ex465 capable of taking images and still images, the image captured by the camera unit ex465, and the antenna ex450. It is provided with a display unit ex458 that displays the data obtained by decoding the video or the like.
  • the smartphone ex115 further includes an operation unit ex466 such as a touch panel, a voice output unit ex457 such as a speaker for outputting voice or sound, and a voice input unit ex456 such as a microphone for inputting voice.
  • the user is specified as a memory unit ex467 that can store encoded data such as recorded video or still image, recorded voice, received video or still image, mail, or decoded data, and the network is started. It is provided with a slot unit ex464 which is an interface unit with a SIM (Subspeaker Identity Module) ex468 for authenticating access to various data.
  • An external memory may be used instead of the memory unit ex467.
  • Main control unit ex460 that comprehensively controls display unit ex458, operation unit ex466, etc., power supply circuit unit ex461, operation input control unit ex462, video signal processing unit ex455, camera interface unit ex463, display control unit ex459, modulation / demodulation.
  • the unit ex452, the multiplexing / separation unit ex453, the audio signal processing unit ex454, the slot unit ex464, and the memory unit ex467 are connected via the synchronization bus ex470.
  • the power supply circuit unit ex461 activates the smartphone ex115 in an operable state and supplies power to each unit from the battery pack.
  • the smartphone ex115 performs processing such as calling and data communication based on the control of the main control unit ex460 having a CPU, ROM, RAM and the like.
  • processing such as calling and data communication based on the control of the main control unit ex460 having a CPU, ROM, RAM and the like.
  • the audio signal picked up by the audio input unit ex456 is converted into a digital audio signal by the audio signal processing unit ex454, spectrum diffusion processing is performed by the modulation / demodulation unit ex452, and digital-analog conversion processing is performed by the transmission / reception unit ex451. And frequency conversion processing is performed, and the resulting signal is transmitted via the antenna ex450.
  • the received data is amplified, subjected to frequency conversion processing and analog-digital conversion processing, spectrum despreading processing is performed by the modulation / demodulation unit ex452, converted into an analog audio signal by the audio signal processing unit ex454, and then this is converted into an analog audio signal, which is then audio output unit ex457.
  • text, still image, or video data is sent to the main control unit ex460 via the operation input control unit ex462 based on the operation of the operation unit ex466 of the main body unit. Similar transmission / reception processing is performed.
  • the video signal processing unit ex455 uses the video signal stored in the memory unit ex467 or the video signal input from the camera unit ex465 to perform each of the above operations. It is compressed and encoded by the moving image coding method shown in the embodiment, and the encoded video data is transmitted to the multiplexing / separation unit ex453.
  • the audio signal processing unit ex454 encodes the audio signal picked up by the audio input unit ex456 while the video or still image is being imaged by the camera unit ex465, and sends the encoded audio data to the multiplexing / separation unit ex453.
  • the multiplexing / separating unit ex453 multiplexes the encoded video data and the encoded audio data by a predetermined method, and the modulation / demodulation unit (modulation / demodulation circuit unit) ex452 and the transmission / reception unit ex451 perform modulation processing and conversion. It is processed and transmitted via the antenna ex450.
  • the multiplexing / separating unit ex453 is multiplexed.
  • the multiplexed data is divided into a bit stream of video data and a bit stream of audio data, and the video data encoded via the synchronization bus ex470 is supplied to the video signal processing unit ex455, and at the same time.
  • the encoded audio data is supplied to the audio signal processing unit ex454.
  • the video signal processing unit ex455 decodes the video signal by the video decoding method corresponding to the video coding method shown in each of the above embodiments, and is linked from the display unit ex458 via the display control unit ex459.
  • the video or still image included in the moving image file is displayed.
  • the voice signal processing unit ex454 decodes the voice signal, and the voice is output from the voice output unit ex457.
  • audio playback may not be socially appropriate depending on the user's situation. Therefore, as an initial value, it is preferable to play back only the video data without playing the audio signal, and the audio may be played back synchronously only when the user clicks the video data or performs an operation. ..
  • the terminals include a transmission / reception terminal having both a encoder and a decoder, a transmission terminal having only a encoder, and a receiving terminal having only a decoder.
  • terminals There are three other possible implementation formats: terminals.
  • the multiplexed data in which the audio data is multiplexed with the video data is received or transmitted.
  • character data related to the video may be multiplexed as the multiplexed data.
  • the video data itself may be received or transmitted instead of the multiplexed data.
  • the main control unit ex460 including the CPU controls the coding or decoding process
  • various terminals often include a GPU (Graphics Processing Unit). Therefore, a memory shared by the CPU and the GPU, or a memory whose address is managed so that it can be used in common, may be configured to collectively process a wide area by utilizing the performance of the GPU. As a result, the coding time can be shortened, real-time performance can be ensured, and low delay can be realized. In particular, it is efficient to collectively perform motion search, deblocking filter, SAO (Single Adaptive Offset), and conversion / quantization processing in units such as pictures on the GPU instead of the CPU.
  • SAO Single Adaptive Offset
  • the present disclosure can be used for, for example, a television receiver, a digital video recorder, a car navigation system, a mobile phone, a digital camera, a digital video camera, a video conferencing system, an electronic mirror, or the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Television Signal Processing For Recording (AREA)

Abstract

再生装置（３００）は、回路と、回路に接続されたメモリとを備え、回路は、動作において、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、複数の時刻に対応し、かつ、複数の第１サブピクチャと異なる複数の第２サブピクチャを含む第２セグメントとを取得し（Ｓ１０１）、複数の第１サブピクチャと複数の第２サブピクチャとを組み合わせて複数の時刻に対応する複数のアクセスユニットを生成し（Ｓ１０２）、生成された複数のアクセスユニットを再生する（Ｓ１０３）。

Description

再生装置、送信装置、再生方法、及び、送信方法
　本開示は、ビデオコンテンツの送信及び再生に関し、特に、動画像の符号化および復号におけるシステム、構成要素、ならびに方法などに関連する再生装置、送信装置、再生方法及び送信方法に関する。
　ビデオコーディング技術は、Ｈ．２６１およびＭＰＥＧ－１から、Ｈ．２６４／ＡＶＣ（Ａｄｖａｎｃｅｄ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）、ＭＰＥＧ－ＬＡ、Ｈ．２６５／ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）、およびＨ．２６６／ＶＶＣ（Ｖｅｒｓａｔｉｌｅ　Ｖｉｄｅｏ　Ｃｏｄｅｃ）へ進歩している。この進歩に伴い、様々な用途において増え続けるデジタルビデオデータ量を処理するために、ビデオコーディング技術の改良および最適化を提供することが常に必要とされている。本開示は、ビデオコーディングにおけるさらなる進歩、改良および最適化に関する。
　なお、非特許文献１は、上述されたビデオコーディング技術に関する従来の規格の一例に関する。
　また、非特許文献２は、ＨＴＴＰ（ＨｙｐｅｒＴｅｘｔ　Ｔｒａｎｓｆｅｒ　Ｐｒｏｔｏｃｏｌ）を用いてサーバ（コンテンツ提供装置）とクライアント（コンテンツ再生装置）との間でデータを送受信する技術に関する。
　また、非特許文献３は、コンテンツのインターネット配信などで用いられるフォーマットのコンテナに関する。
Ｈ．２６５（ＩＳＯ／ＩＥＣ　２３００８－２　ＨＥＶＣ）／ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ） Ｉｎｆｏｒｍａｔｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ-Ｄｙｎａｍｉｃ　ａｄａｐｔｉｖｅ　ｓｔｒｅａｍｉｎｇ　ｏｖｅｒ　ＨＴＴＰ　（ＤＡＳＨ）-Ｐａｒｔ　１：　Ｍｅｄｉａ　ｐｒｅｓｅｎｔａｔｉｏｎ　ｄｅｓｃｒｉｐｔｉｏｎ　ａｎｄ　ｓｅｇｍｅｎｔ　ｆｏｒｍａｔｓ，　ＩＳＯ／ＩＥＣ　２３００９－１：２０１４（Ｅ），　２０１４－０５－１５ Ｉｎｆｏｒｍａｔｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ-Ｃｏｄｉｎｇ　ｏｆ　ａｕｄｉｏ　ｖｉｓｕａｌ　ｏｂｊｅｃｔｓ-Ｐａｒｔ　１２：　ＩＳＯ　ｂａｓｅ　ｍｅｄｉａ　ｆｉｌｅ　ｆｏｒｍａｔ，　ＩＳＯ／ＩＥＣ　１４４９６－１２　Ｆｉｆｔｈ　ｅｄｉｔｉｏｎ，　２０１５‐１２‐１５
　上記のようなメディアコンテンツの再生及び送信方式に関して、安定的に低遅延ライブストリーミングを実行することが可能な方式の提案が望まれている。
　そこで、本開示は、安定的に低遅延ライブストリーミングを実行することが可能な再生装置、送信装置、再生方法及び送信方法を提供する。
　例えば、本開示の一態様に係る再生装置は、回路と、前記回路に接続されたメモリと、を備え、前記回路は、動作において、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを取得し、前記複数の第１サブピクチャと前記複数の第２サブピクチャとを組み合わせて前記複数の時刻に対応する複数のアクセスユニットを生成し、生成された前記複数のアクセスユニットを再生する。
　また、本開示の一態様に係る再生装置は、回路と、前記回路に接続されたメモリと、を備え、前記回路は、動作において、マニフェストファイルを取得し、前記マニフェストファイルに記述された第１プリセレクション及び第２プリセレクションを含む複数のプリセレクションの中から１つのプリセレクションを選択し、選択された前記１つのプリセレクションが前記第１プリセレクションである場合、前記第１プリセレクションに含まれる情報に基づいて、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを取得し、取得された前記第１セグメントと前記第２セグメントとを再生し、選択された前記１つのプリセレクションが前記第２プリセレクションである場合、前記第２プリセレクションに含まれる情報に基づいて、前記第１セグメントと、前記複数の時刻に対応する複数の第３サブピクチャを含む第３セグメントとを取得し、取得された前記第１セグメントと前記第３セグメントとを再生する。
　また、本開示の一態様に係る送信装置は、回路と、前記回路に接続されたメモリと、を備え、前記回路は、動作において、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを要求する信号を受信し、受信された前記信号に基づいて、前記第１セグメントと前記第２セグメントとを送信する。
　また、本開示の一態様に係る送信装置は、回路と、前記回路に接続されたメモリと、を備え、前記回路は、動作において、コンテンツリスト要求信号を受信し、受信された前記コンテンツリスト要求信号に基づいてマニフェストファイルを送信し、前記マニフェストファイルに記述された第１プリセレクション及び第２プリセレクションを含む複数のプリセレクションの中から１つのプリセレクションが選択されたことを示す信号を受信し、選択された前記１つのプリセレクションが前記第１プリセレクションである場合、前記第１プリセレクションに含まれる情報に基づいて、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを送信し、選択された前記１つのプリセレクションが前記第２プリセレクションである場合、前記第２プリセレクションに含まれる情報に基づいて、前記第１セグメントと、前記複数の時刻に対応する複数の第３サブピクチャを含む第３セグメントとを送信する。
　本開示の一態様におけるさらなる利点および効果は、明細書および図面から明らかにされる。かかる利点および／または効果は、いくつかの実施の形態並びに明細書および図面に記載された特徴によってそれぞれ得られるが、１つまたはそれ以上の利点および／または効果を得るために必ずしも全てが提供される必要はない。
　なお、これらの全般的または具体的な態様は、システム、集積回路、コンピュータプログラム又はコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
　本開示によれば、安定的に低遅延ライブストリーミングを実行することが可能な再生装置、送信装置、再生方法及び送信方法を提供される。
図１は、実施の形態に係る伝送システムの構成の一例を示す概略図である。 図２は、ストリームにおけるデータの階層構造の一例を示す図である。 図３は、スライスの構成の一例を示す図である。 図４は、タイルの構成の一例を示す図である。 図５は、スケーラブル符号化時の符号化構造の一例を示す図である。 図６は、スケーラブル符号化時の符号化構造の一例を示す図である。 図７は、実施の形態に係る符号化装置の構成の一例を示すブロック図である。 図８は、符号化装置の実装例を示すブロック図である。 図９は、符号化装置による全体的な符号化処理の一例を示すフローチャートである。 図１０は、ブロック分割の一例を示す図である。 図１１は、分割部の構成の一例を示す図である。 図１２は、分割パターンの例を示す図である。 図１３Ａは、分割パターンのシンタックスツリーの一例を示す図である。 図１３Ｂは、分割パターンのシンタックスツリーの他の例を示す図である。 図１４は、各変換タイプに対応する変換基底関数を示す表である。 図１５は、ＳＶＴの一例を示す図である。 図１６は、変換部による処理の一例を示すフローチャートである。 図１７は、変換部による処理の他の例を示すフローチャートである。 図１８は、量子化部の構成の一例を示すブロック図である。 図１９は、量子化部による量子化の一例を示すフローチャートである。 図２０は、エントロピー符号化部の構成の一例を示すブロック図である。 図２１は、エントロピー符号化部におけるＣＡＢＡＣの流れを示す図である。 図２２は、ループフィルタ部の構成の一例を示すブロック図である。 図２３Ａは、ＡＬＦ（ａｄａｐｔｉｖｅ　ｌｏｏｐ　ｆｉｌｔｅｒ）で用いられるフィルタの形状の一例を示す図である。 図２３Ｂは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図２３Ｃは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図２３Ｄは、Ｙサンプル（第１成分）がＣｂのＣＣＡＬＦおよびＣｒのＣＣＡＬＦ（第１成分とは異なる複数の成分）に使用される例を示す図である。 図２３Ｅは、ダイヤモンド形状フィルタを示す図である。 図２３Ｆは、ＪＣ－ＣＣＡＬＦの例を示す図である。 図２３Ｇは、ＪＣ－ＣＣＡＬＦのｗｅｉｇｈｔ＿ｉｎｄｅｘ候補の例を示す図である。 図２４は、ＤＢＦとして機能するループフィルタ部の詳細な構成の一例を示すブロック図である。 図２５は、ブロック境界に対して対称なフィルタ特性を有するデブロッキング・フィルタの例を示す図である。 図２６は、デブロッキング・フィルタ処理が行われるブロック境界の一例を説明するための図である。 図２７は、Ｂｓ値の一例を示す図である。 図２８は、符号化装置の予測部で行われる処理の一例を示すフローチャートである。 図２９は、符号化装置の予測部で行われる処理の他の例を示すフローチャートである。 図３０は、符号化装置の予測部で行われる処理の他の例を示すフローチャートである。 図３１は、イントラ予測における６７個のイントラ予測モードの一例を示す図である。 図３２は、イントラ予測部による処理の一例を示すフローチャートである。 図３３は、各参照ピクチャの一例を示す図である。 図３４は、参照ピクチャリストの一例を示す概念図である。 図３５は、インター予測の基本的な処理の流れを示すフローチャートである。 図３６は、ＭＶ導出の一例を示すフローチャートである。 図３７は、ＭＶ導出の他の例を示すフローチャートである。 図３８Ａは、ＭＶ導出の各モードの分類の一例を示す図である。 図３８Ｂは、ＭＶ導出の各モードの分類の一例を示す図である。 図３９は、ノーマルインターモードによるインター予測の例を示すフローチャートである。 図４０は、ノーマルマージモードによるインター予測の例を示すフローチャートである。 図４１は、ノーマルマージモードによるＭＶ導出処理の一例を説明するための図である。 図４２は、ＨＭＶＰ（Ｈｉｓｔｏｒｙ－ｂａｓｅｄ　Ｍｏｔｉｏｎ　Ｖｅｃｔｏｒ　Ｐｒｅｄｉｃｔｉｏｎ／Ｐｒｅｄｉｃｔｏｒ）モードによるＭＶ導出処理の一例を説明するための図である。 図４３は、ＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ　ｃｏｎｖｅｒｓｉｏｎ）の一例を示すフローチャートである。 図４４は、動き軌道に沿う２つのブロック間でのパターンマッチング（バイラテラルマッチング）の一例を説明するための図である。 図４５は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）の一例を説明するための図である。 図４６Ａは、２つの制御ポイントを用いるアフィンモードにおけるサブブロック単位のＭＶの導出の一例を説明するための図である。 図４６Ｂは、３つの制御ポイントを用いるアフィンモードにおけるサブブロック単位のＭＶの導出の一例を説明するための図である。 図４７Ａは、アフィンモードにおける制御ポイントのＭＶ導出の一例を説明するための概念図である。 図４７Ｂは、アフィンモードにおける制御ポイントのＭＶ導出の一例を説明するための概念図である。 図４７Ｃは、アフィンモードにおける制御ポイントのＭＶ導出の一例を説明するための概念図である。 図４８Ａは、２つの制御ポイントを有するアフィンモードを説明するための図である。 図４８Ｂは、３つの制御ポイントを有するアフィンモードを説明するための図である。 図４９Ａは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントのＭＶ導出方法の一例を説明するための概念図である。 図４９Ｂは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントのＭＶ導出方法の他の例を説明するための概念図である。 図５０は、アフィンマージモードの処理の一例を示すフローチャートである。 図５１は、アフィンインターモードの処理の一例を示すフローチャートである。 図５２Ａは、２つの三角形の予測画像の生成を説明するための図である。 図５２Ｂは、第１パーティションの第１部分、並びに、第１サンプルセット及び第２サンプルセットの例を示す概念図である。 図５２Ｃは、第１パーティションの第１部分を示す概念図である。 図５３は、トライアングルモードの一例を示すフローチャートである。 図５４は、サブブロック単位にＭＶが導出されるＡＴＭＶＰ（Ａｄｖａｎｃｅｄ　Ｔｅｍｐｏｒａｌ　Ｍｏｔｉｏｎ　Ｖｅｃｔｏｒ　Ｐｒｅｄｉｃｔｉｏｎ／Ｐｒｅｄｉｃｔｏｒ）モードの一例を示す図である。 図５５は、マージモードおよびＤＭＶＲ（ｄｙｎａｍｉｃ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｒｅｆｒｅｓｈｉｎｇ）の関係を示す図である。 図５６は、ＤＭＶＲの一例を説明するための概念図である。 図５７は、ＭＶを決定するためのＤＭＶＲの他の一例を説明するための概念図である。 図５８Ａは、ＤＭＶＲにおける動き探索の一例を示す図である。 図５８Ｂは、ＤＭＶＲにおける動き探索の一例を示すフローチャートである。 図５９は、予測画像の生成の一例を示すフローチャートである。 図６０は、予測画像の生成の他の例を示すフローチャートである。 図６１は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）による予測画像補正処理の一例を説明するためのフローチャートである。 図６２は、ＯＢＭＣによる予測画像補正処理の一例を説明するための概念図である。 図６３は、等速直線運動を仮定したモデルを説明するための図である。 図６４は、ＢＩＯにしたがったインター予測の一例を示すフローチャートである。 図６５は、ＢＩＯにしたがったインター予測を行うインター予測部の構成の一例を示す図である。 図６６Ａは、ＬＩＣ（ｌｏｃａｌ　ｉｌｌｕｍｉｎａｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）による輝度補正処理を用いた予測画像生成方法の一例を説明するための図である。 図６６Ｂは、ＬＩＣによる輝度補正処理を用いた予測画像生成方法の一例を示すフローチャートである。 図６７は、実施の形態に係る復号装置の構成を示すブロック図である。 図６８は、復号装置の実装例を示すブロック図である。 図６９は、復号装置による全体的な復号処理の一例を示すフローチャートである。 図７０は、分割決定部と他の構成要素との関係を示す図である。 図７１は、エントロピー復号部の構成の一例を示すブロック図である。 図７２は、エントロピー復号部におけるＣＡＢＡＣの流れを示す図である。 図７３は、逆量子化部の構成の一例を示すブロック図である。 図７４は、逆量子化部による逆量子化の一例を示すフローチャートである。 図７５は、逆変換部による処理の一例を示すフローチャートである。 図７６は、逆変換部による処理の他の例を示すフローチャートである。 図７７は、ループフィルタ部の構成の一例を示すブロック図である。 図７８は、復号装置の予測部で行われる処理の一例を示すフローチャートである。 図７９は、復号装置の予測部で行われる処理の他の例を示すフローチャートである。 図８０Ａは、復号装置の予測部で行われる処理の他の例の一部を示すフローチャートである。 図８０Ｂは、復号装置の予測部で行われる処理の他の例の残部を示すフローチャートである。 図８１は、復号装置のイントラ予測部による処理の一例を示す図である。 図８２は、復号装置におけるＭＶ導出の一例を示すフローチャートである。 図８３は、復号装置におけるＭＶ導出の他の例を示すフローチャートである。 図８４は、復号装置におけるノーマルインターモードによるインター予測の例を示すフローチャートである。 図８５は、復号装置におけるノーマルマージモードによるインター予測の例を示すフローチャートである。 図８６は、復号装置におけるＦＲＵＣモードによるインター予測の例を示すフローチャートである。 図８７は、復号装置におけるアフィンマージモードによるインター予測の例を示すフローチャートである。 図８８は、復号装置におけるアフィンインターモードによるインター予測の例を示すフローチャートである。 図８９は、復号装置におけるトライアングルモードによるインター予測の例を示すフローチャートである。 図９０は、復号装置におけるＤＭＶＲによる動き探索の例を示すフローチャートである。 図９１は、復号装置におけるＤＭＶＲによる動き探索の詳細な一例を示すフローチャートである。 図９２は、復号装置における予測画像の生成の一例を示すフローチャートである。 図９３は、復号装置における予測画像の生成の他の例を示すフローチャートである。 図９４は、復号装置におけるＯＢＭＣによる予測画像の補正の例を示すフローチャートである。 図９５は、復号装置におけるＢＩＯによる予測画像の補正の例を示すフローチャートである。 図９６は、復号装置におけるＬＩＣによる予測画像の補正の例を示すフローチャートである。 図９７は、再生装置の実装例を示すブロック図である。 図９８は、送信装置の実装例を示すブロック図である。 図９９は、サブピクチャ機能を説明するための図である。 図１００は、サブピクチャ機能を使用するアプリケーションの第１の例を模式的に示す図である。 図１０１は、第１態様におけるプリセレクションの使用法の一例を示すフローチャートである。 図１０２は、サブピクチャ機能を使用するアプリケーションの第２の例を模式的に示す図である。 図１０３は、第２態様におけるプリセレクションの使用法の一例を示すフローチャートである。 図１０４は、サブピクチャ機能を使用するアプリケーションの第３の例を模式的に示す図である。 図１０５は、マニフェストファイルの一例を説明するための図である。 図１０６は、図１０５のマニフェストファイルに含まれる複数のプリセレクションの一例を示す図である。 図１０７は、再生装置の構成要素を概念的に示す図である。 図１０８は、再生装置の構成要素の一例を示す図である。 図１０９は、送信装置における複数のサブピクチャの典型的な使用例を模式的に示す図である。 図１１０は、再生装置における複数のサブピクチャの典型的な使用例を模式的に示す図である。 図１１１は、送信装置における複数のサブピクチャの他の使用例を模式的に示す図である。 図１１２Ａは、再生装置が行う動作の一例を示すフローチャートである。 図１１２Ｂは、再生装置が行う動作の他の例を示すフローチャートである。 図１１３Ａは、送信装置が行う動作の一例を示すフローチャートである。 図１１３Ｂは、送信装置が行う動作の他の例を示すフローチャートである。 図１１４は、コンテンツ配信サービスを実現するコンテンツ供給システムの全体構成図である。 図１１５は、ｗｅｂページの表示画面例を示す図である。 図１１６は、ｗｅｂページの表示画面例を示す図である。 図１１７は、スマートフォンの一例を示す図である。 図１１８は、スマートフォンの構成例を示すブロック図である。
　［序論（Ｉｎｔｒｏｄｕｃｔｉｏｎ）］
　本開示の一態様に係る再生装置は、回路と、前記回路に接続されたメモリと、を備え、前記回路は、動作において、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを取得し、前記複数の第１サブピクチャと前記複数の第２サブピクチャとを組み合わせて前記複数の時刻に対応する複数のアクセスユニットを生成し、生成された前記複数のアクセスユニットを再生する。
　これにより、本開示の一態様に係る再生装置は、同一画面上に複数の異なる映像を効率的に組み合わせて映像コンテンツを再生することができる。したがって、本開示の一態様に係る再生装置は、安定的に低遅延ライブストリーミングを実行することができる。
　また、例えば、本開示の一態様に係る再生装置では、前記第１セグメント及び前記第２セグメントは、１つのランダムアクセス単位に対応する。
　これにより、本開示の一態様に係る再生装置は、同じ時刻情報を有する異なる映像を組み合わせることができるため、同一時刻に対応する複数のサブピクチャを同一画面上に組み合わせた映像コンテンツを再生することができる。
　また、本開示の一態様に係る再生装置は、回路と、前記回路に接続されたメモリと、を備え、前記回路は、動作において、マニフェストファイルを取得し、前記マニフェストファイルに記述された第１プリセレクション及び第２プリセレクションを含む複数のプリセレクションの中から１つのプリセレクションを選択し、選択された前記１つのプリセレクションが前記第１プリセレクションである場合、前記第１プリセレクションに含まれる情報に基づいて、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを取得し、取得された前記第１セグメントと前記第２セグメントとを再生し、選択された前記１つのプリセレクションが前記第２プリセレクションである場合、前記第２プリセレクションに含まれる情報に基づいて、前記第１セグメントと、前記複数の時刻に対応する複数の第３サブピクチャを含む第３セグメントとを取得し、取得された前記第１セグメントと前記第３セグメントとを再生する。
　これにより、本開示の一態様に係る再生装置は、選択されたプリセレクションに応じて、同一画面上に複数のサブピクチャを含む複数のセグメントの組み合わせを再生することができる。したがって、本開示の一態様に係る再生装置は、映像コンテンツの様々な表示態様の実現が可能である。
　また、例えば、本開示の一態様に係る再生装置では、前記第１プリセレクションに含まれる情報は、第１アダプテーションセットと第２アダプテーションセットとを示す情報であり、前記第２プリセレクションに含まれる情報は、前記第１アダプテーションセットと第３アダプテーションセットとを示す情報であり、前記第１アダプテーションセットは、前記第１セグメントに含まれる前記複数の第１サブピクチャに対応し、前記第２アダプテーションセットは、前記第２セグメントに含まれる前記複数の第２サブピクチャに対応し、前記第３アダプテーションセットは、前記第３セグメントに含まれる前記複数の第３サブピクチャに対応する。
　これにより、本開示の一態様に係る再生装置は、アダプテーションセットを介して複数のサブピクチャをまとめて指定することができる。
　また、例えば、本開示の一態様に係る再生装置では、前記複数の第２サブピクチャの画像サイズは、それぞれ、前記複数の第３サブピクチャの画像サイズと等しい。
　これにより、本開示の一態様に係る再生装置は、第１プリセレクション及び第２プリセレクションのどちらが選択されたとしても、同じ画像サイズの映像コンテンツをディスプレイ上で表示することができる。
　また、例えば、本開示の一態様に係る再生装置では、前記第１セグメントと前記第２セグメントとが再生される場合に前記複数の第２サブピクチャが表示される領域は、それぞれ、前記第１セグメントと前記第３セグメントとが再生される場合に前記複数の第３サブピクチャが表示される領域と等しい。
　これにより、本開示の一態様に係る再生装置は、第２セグメントと第３セグメントとをディスプレイ上で同じ位置及び同じサイズで表示させることができる。したがって、本開示の一態様に係る再生装置は、第１セグメントを再生しながら、第２セグメントと第３セグメントとをディスプレイ上で円滑に表示の切り替えを行うことができる。
　また、例えば、本開示の一態様に係る再生装置では、前記複数の第１サブピクチャ、前記複数の第２サブピクチャ、又は、前記複数の第３サブピクチャは、パーソナライズ、アクセシビリティ、及び、ターゲット広告の少なくともいずれかのために提供される。
　これにより、本開示の一態様に係る再生装置は、複数の第１サブピクチャ、複数の第２サブピクチャ、及び、複数の第３サブピクチャのいずれかを、パーソナライズ、アクセシビリティ、及び、ターゲット広告の少なくともいずれかに使用することができる。したがって、本開示の一態様に係る再生装置は、ユーザに応じた表示が可能である。
　また、例えば、本開示の一態様に係る再生装置では、前記複数の第１サブピクチャ、前記複数の第２サブピクチャ、及び、前記複数の第３サブピクチャは、同一の映像コンテンツに関連し、前記複数の第１サブピクチャは、前記同一の映像コンテンツの第１ビューに対応し、前記複数の第２サブピクチャは、前記同一の映像コンテンツの第２ビューに対応し、前記複数の第３サブピクチャは、前記同一の映像コンテンツの第３ビューに対応する。
　これにより、本開示の一態様に係る再生装置は、複数の第１サブピクチャ、複数の第２サブピクチャ、及び、複数の第３サブピクチャの少なくとも２つを組み合わせて、同一の映像コンテンツに関連する複数のビューを含む映像コンテンツを生成して再生することができる。
　また、例えば、本開示の一態様に係る再生装置では、前記複数の第３サブピクチャは、手話コンテンツに対応し、前記回路は、前記アクセシビリティに基づいて前記第２プリセレクションが選択されると、前記第１セグメントと前記第３セグメントとを再生する。
　これにより、本開示の一態様に係る再生装置は、１つの映像コンテンツの一部に手話コンテンツが含まれる映像コンテンツを生成して再生することができる。
　また、例えば、本開示の一態様に係る再生装置では、前記複数の第３サブピクチャは、広告コンテンツに対応し、前記回路は、前記ターゲット広告に基づいて前記第２プリセレクションが選択されると、前記第１セグメントと前記第３セグメントとを再生する。
　これにより、本開示の一態様に係る再生装置は、１つの映像コンテンツの一部に特定の対象者に対する広告コンテンツが表示される映像コンテンツを生成して再生することができる。
　また、例えば、本開示の一態様に係る再生装置では、前記複数の第１サブピクチャのサブピクチャＩＤと、前記複数の第２サブピクチャのサブピクチャＩＤと、前記複数の第３サブピクチャのサブピクチャＩＤとは、互いに異なる。
　これにより、本開示の一態様に係る再生装置は、複数の第１サブピクチャ、複数の第２サブピクチャ、及び、複数の第３サブピクチャの少なくとも２つを組み合わせた映像コンテンツを生成しても、生成された映像コンテンツの符号化パラメータを変更する必要がない。
　また、本開示の一態様に係る送信装置は、回路と、前記回路に接続されたメモリと、を備え、前記回路は、動作において、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを要求する信号を受信し、受信された前記信号に基づいて、前記第１セグメントと前記第２セグメントとを送信する。
　これにより、本開示の一態様に係る送信装置は、再生装置から受信した信号に基づいて、複数の時刻に対応し、かつ、それぞれ異なる映像を有するセグメントを再生装置に送信することができる。したがって、本開示の一態様に係る送信装置は、再生装置が同一画面上に複数の異なる映像を効率的に組み合わせて映像コンテンツを再生することを可能とするため、再生装置が安定的に低遅延ライブストリーミングを実行することを可能とすることができる。
　また、例えば、本開示の一態様に係る送信装置では、前記第１セグメント及び前記第２セグメントは、１つのランダムアクセス単位に対応する。
　これにより、本開示の一態様に係る送信装置は、同じ時刻情報を有する異なる映像を再生装置に送信することができるため、再生装置が同一時刻に対応する複数のサブピクチャを同一画面上に組み合わせた映像コンテンツを再生することを可能とすることができる。
　また、本開示の一態様に係る送信装置は、回路と、前記回路に接続されたメモリと、を備え、前記回路は、動作において、コンテンツリスト要求信号を受信し、受信された前記コンテンツリスト要求信号に基づいてマニフェストファイルを送信し、前記マニフェストファイルに記述された第１プリセレクション及び第２プリセレクションを含む複数のプリセレクションの中から１つのプリセレクションが選択されたことを示す信号を受信し、選択された前記１つのプリセレクションが前記第１プリセレクションである場合、前記第１プリセレクションに含まれる情報に基づいて、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを送信し、選択された前記１つのプリセレクションが前記第２プリセレクションである場合、前記第２プリセレクションに含まれる情報に基づいて、前記第１セグメントと、前記複数の時刻に対応する複数の第３サブピクチャを含む第３セグメントとを送信する。
　これにより、本開示の一態様に係る送信装置は、選択されたプリセレクションに応じて、複数のサブピクチャを含む複数のセグメントの組み合わせを再生装置に送信することができる。したがって、本開示の一態様に係る送信装置は、再生装置による映像コンテンツの様々な表示態様の実現を可能とすることができる。
　また、例えば、本開示の一態様に係る送信装置では、前記第１プリセレクションに含まれる情報は、前記第１セグメントに含まれる前記複数の第１サブピクチャに対応する第１アダプテーションセットと、前記第２セグメントに含まれる前記複数の第２サブピクチャに対応する第２アダプテーションセットとを示す情報であり、前記第２プリセレクションに含まれる情報は、前記第１アダプテーションセットと、前記第３セグメントに含まれる前記複数の第３サブピクチャに対応する第３アダプテーションセットとを示す情報である。
　これにより、本開示の一態様に係る送信装置は、選択されたプリセレクションに応じて、複数のアダプテーションセットを再生装置に送信することができる。したがって、本開示の一態様に係る送信装置は、再生装置がアダプテーションセットを介して複数のサブピクチャをまとめて指定することを可能とすることができる。
　また、例えば、本開示の一態様に係る送信装置では、前記複数の第２サブピクチャの画像サイズは、それぞれ、前記複数の第３サブピクチャの画像サイズと等しい。
　これにより、本開示の一態様に係る送信装置は、同じ時刻情報と画像サイズとを有する異なる映像を再生装置に送信することができる。したがって、本開示の一態様に係る送信装置は、第１プリセレクション及び第２プリセレクションのどちらが選択されたとしても、再生装置が同じ画像サイズの映像コンテンツをディスプレイ上で表示することを可能とすることができる。
　また、例えば、本開示の一態様に係る送信装置では、前記第１セグメントと前記第２セグメントとが再生される場合に前記複数の第２サブピクチャが表示される領域は、それぞれ、前記第１セグメントと前記第３セグメントとが再生される場合に前記複数の第３サブピクチャが表示される領域と等しい。
　これにより、本開示の一態様に係る送信装置は、異なる映像コンテンツにおいて再生される位置及びサイズが同じ映像を有する異なるセグメントを再生装置に送信することができる。そのため、本開示の一態様に係る送信装置は、再生装置が第２セグメントと第３セグメントとをディスプレイ上で同じ位置及び同じサイズで表示することを可能とすることができる。したがって、本開示の一態様に係る送信装置は、再生装置が第１セグメントを再生しながら、第２セグメントと第３セグメントとをディスプレイ上で円滑に表示の切り替えを行うことを可能とすることができる。
　また、例えば、本開示の一態様に係る送信装置では、前記複数の第１サブピクチャ、前記複数の第２サブピクチャ、又は、前記複数の第３サブピクチャは、パーソナライズ、アクセシビリティ、及び、ターゲット広告の少なくともいずれかのために提供される。
　これにより、本開示の一態様に係る送信装置は、パーソナライズ、アクセシビリティ、及び、ターゲット広告の少なくともいずれかに使用される複数の第１サブピクチャ、複数の第２サブピクチャ、及び、複数の第３サブピクチャを再生装置に送信することができる。したがって、本開示の一態様に係る送信装置は、再生装置によるユーザに応じた表示を可能とすることができる。
　また、例えば、本開示の一態様に係る送信装置では、前記複数の第１サブピクチャ、前記複数の第２サブピクチャ、及び、前記複数の第３サブピクチャは、同一の映像コンテンツに関連し、前記複数の第１サブピクチャは、前記同一の映像コンテンツの第１ビューに対応し、前記複数の第２サブピクチャは、前記同一の映像コンテンツの第２ビューに対応し、前記複数の第３サブピクチャは、前記同一の映像コンテンツの第３ビューに対応する。
　これにより、本開示の一態様に係る送信装置は、同一の映像コンテンツに関連する複数のビューに対応する複数のセグメントを再生装置に送信することができる。したがって、本開示の一態様に係る送信装置は、再生装置が同一の映像コンテンツに関連する複数のビューを含む映像コンテンツを生成して再生することを可能とすることができる。
　また、例えば、本開示の一態様に係る送信装置では、前記複数の第３サブピクチャは、手話コンテンツに対応し、前記回路は、前記アクセシビリティに基づいて前記第２プリセレクションが選択されると、前記第１セグメントと前記第３セグメントとを送信する。
　これにより、本開示の一態様に係る送信装置は、選択されたプリセレクションに応じて、ユーザが求めるアクセシビリティ（例えば、手話コンテンツが映像の一部に表示された映像コンテンツの再生）を実現するための複数のセグメントを再生装置に送信することができる。
　また、例えば、本開示の一態様に係る送信装置では、前記複数の第３サブピクチャは、広告コンテンツに対応し、前記回路は、前記ターゲット広告に基づいて前記第２プリセレクションが選択されると、前記第１セグメントと前記第３セグメントとを送信する。
　これにより、本開示の一態様に係る送信装置は、選択されたプリセレクションに応じて、ユーザに適したターゲット広告（例えば、１つの映像コンテンツの一部に特定の対象者に対する広告コンテンツが表示される映像コンテンツの再生）を実現するための複数のセグメントを再生装置に送信することができる。
　また、例えば、本開示の一態様に係る送信装置では、前記複数の第１サブピクチャのサブピクチャＩＤと、前記複数の第２サブピクチャのサブピクチャＩＤと、前記複数の第３サブピクチャのサブピクチャＩＤとは、互いに異なる。
　これにより、本開示の一態様に係る送信装置は、重複しないＩＤを有する複数のサブピクチャを再生装置に送信することができるため、再生装置が符号化パラメータを変更することなく映像コンテンツを生成することを可能とすることができる。
　また、本開示の一態様に係る再生方法は、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを取得し、前記複数の第１サブピクチャと前記複数の第２サブピクチャとを組み合わせて前記複数の時刻に対応する複数のアクセスユニットを生成し、生成された前記複数のアクセスユニットを再生する。
　これにより、本開示の一態様に係る再生方法を実行する装置は、同一画面上に複数の異なる映像を効率的に組み合わせて映像コンテンツを再生することができる。したがって、本開示の一態様に係る再生方法を実行する装置は、安定的に低遅延ライブストリーミングを実行することができる。
　また、本開示の一態様に係る再生方法は、マニフェストファイルを取得し、前記マニフェストファイルに記述された第１プリセレクション及び第２プリセレクションを含む複数のプリセレクションの中から１つのプリセレクションを選択し、選択された前記１つのプリセレクションが前記第１プリセレクションである場合、前記第１プリセレクションに含まれる情報に基づいて、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する異なる複数の第２サブピクチャを含む第２セグメントとを取得し、取得された前記第１セグメントと前記第２セグメントとを再生し、選択された前記１つのプリセレクションが前記第２プリセレクションである場合、前記第２プリセレクションに含まれる情報に基づいて、前記第１セグメントと、前記複数の時刻に対応する複数の第３サブピクチャを含む第３セグメントとを取得し、取得された前記第１セグメントと前記第３セグメントとを再生する。
　これにより、本開示の一態様に係る再生方法を実行する装置は、選択されたプリセレクションに応じて、同一画面上に複数のサブピクチャを含む複数のセグメントの組み合わせを再生することができる。したがって、本開示の一態様に係る再生方法を実行する装置は、映像コンテンツの様々な表示態様の実現が可能である。
　また、本開示の一態様に係る送信方法は、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを要求する信号を受信し、受信された前記信号に基づいて、前記第１セグメントと前記第２セグメントとを送信する。
　これにより、本開示の一態様に係る送信方法を実行する装置は、再生装置から受信した信号に基づいて、複数の時刻に対応し、かつ、それぞれ異なる映像を有するセグメントを再生装置に送信することができる。したがって、本開示の一態様に係る送信方法を実行する装置は、再生装置が同一画面上に複数の異なる映像を効率的に組み合わせて映像コンテンツを再生することを可能とするため、再生装置が安定的に低遅延ライブストリーミングを実行することを可能とすることができる。
　また、本開示の一態様に係る送信方法は、コンテンツリスト要求信号を受信し、受信された前記コンテンツリスト要求信号に基づいてマニフェストファイルを送信し、前記マニフェストファイルに記述された第１プリセレクション及び第２プリセレクションを含む複数のプリセレクションの中から１つのプリセレクションが選択されたことを示す信号を受信し、選択された前記１つのプリセレクションが前記第１プリセレクションである場合、前記第１プリセレクションに含まれる情報に基づいて、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを送信し、選択された前記１つのプリセレクションが前記第２プリセレクションである場合、前記第２プリセレクションに含まれる情報に基づいて、前記第１セグメントと、前記複数の時刻に対応する複数の第３サブピクチャを含む第３セグメントとを送信する。
　これにより、本開示の一態様に係る送信方法を実行する装置は、選択されたプリセレクションに応じて、複数のサブピクチャを含む複数のセグメントの組み合わせを再生装置に送信することができる。したがって、本開示の一態様に係る送信方法を実行する装置は、再生装置による映像コンテンツの様々な表示態様の実現を可能とすることができる。
　さらに、これらの包括的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム、又は、コンピュータ読み取り可能なＣＤ－ＲＯＭなどの非一時的な記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラム、及び、記録媒体の任意な組み合わせで実現されてもよい。
　［用語の定義］
　各用語は一例として以下のような定義であってもよい。
　（１）画像
　画素の集合によって構成されたデータの単位であり、ピクチャやピクチャより小さいブロックからなり、動画の他、静止画も含む。
　（２）ピクチャ
　画素の集合によって構成される画像の処理単位であり、フレームやフィールドと呼ばれる場合もある。
　（３）ブロック
　特定数の画素を含む集合の処理単位であり、以下の例に挙げる通り、名称は問わない。また、形状も問わず、例えば、Ｍ×Ｎ画素からなる長方形、Ｍ×Ｍ画素からなる正方形はもちろん、三角形、円形、その他の形状も含む。
　（ブロックの例）
　　・スライス／タイル／ブリック
　　・ＣＴＵ／スーパーブロック／基本分割単位
　　・ＶＰＤＵ／ハードウェアの処理分割単位
　　・ＣＵ／処理ブロック単位／予測ブロック単位（ＰＵ）／直交変換ブロック単位（ＴＵ）／ユニット
　　・サブブロック
　（４）画素／サンプル
　画像を構成する最小単位の点であって、整数位置の画素のみならず整数位置の画素に基づいて生成された小数位置の画素も含む。
　（５）画素値／サンプル値
　画素が有する固有の値であって、輝度値、色差値、ＲＧＢの階調はもちろん、ｄｅｐｔｈ値、又は０、１の２値も含む。
　（６）フラグ
　１ビットの他、複数ビットの場合も含み、例えば、２ビット以上のパラメータやインデックスであってもよい。また、二進数を用いた２値のみならず、その他の進数を用いた多値であってもよい。
　（７）信号
　情報を伝達するために記号化、符号化したものであって、離散化されたデジタル信号の他、連続値を取るアナログ信号も含む。
　（８）ストリーム／ビットストリーム
　デジタルデータのデータ列又はデジタルデータの流れをいう。ストリーム／ビットストリームは、１本のストリームの他、複数の階層に分けられ複数のストリームにより構成されてもよい。また、単数の伝送路でシリアル通信により伝送される場合の他、複数の伝送路でパケット通信により伝送される場合も含む。
　（９）差／差分
　スカラー量の場合、単純差（ｘ－ｙ）の他、差の演算が含まれていれば足り、差の絶対値（｜ｘ－ｙ｜）、二乗差（ｘ＾２－ｙ＾２）、差の平方根（√（ｘ－ｙ））、重み付け差（ａｘ－ｂｙ：ａ、ｂは定数）、オフセット差（ｘ－ｙ＋ａ：ａはオフセット）を含む。
　（１０）和
　スカラー量の場合、単純和（ｘ＋ｙ）の他、和の演算が含まれていれば足り、和の絶対値（｜ｘ＋ｙ｜）、二乗和（ｘ＾２＋ｙ＾２）、和の平方根（√（ｘ＋ｙ））、重み付け和（ａｘ＋ｂｙ：ａ、ｂは定数）、オフセット和（ｘ＋ｙ＋ａ：ａはオフセット）を含む。
　（１１）基づいて（ｂａｓｅｄ　ｏｎ）
　基づく対象となる要素以外を加味する場合も含む。また、直接結果を求める場合の他、中間的な結果を経由して結果を求める場合も含む。
　（１２）用いて（ｕｓｅｄ、ｕｓｉｎｇ）
　用いる対象となる要素以外を加味する場合も含む。また、直接結果を求める場合の他、中間的な結果を経由して結果を求める場合も含む。
　（１３）禁止する（ｐｒｏｈｉｂｉｔ、ｆｏｒｂｉｄ）
　許されないと言い換えることができる。また、禁止していないこと又は許可されることは、必ずしも義務を意味するものではない。
　（１４）制限する（ｌｉｍｉｔ、ｒｅｓｔｒｉｃｔｉｏｎ／ｒｅｓｔｒｉｃｔ／ｒｅｓｔｒｉｃｔｅｄ）
　許されないと言い換えることができる。また、禁止していないこと又は許可されることは、必ずしも義務を意味するものではない。さらに、量的又は質的に一部が禁止されていれば足り、全面的に禁止する場合も含まれる。
　（１５）色差（ｃｈｒｏｍａ）
　サンプル配列または単一のサンプルが、原色に関連する２つの色差（ｃｏｌｏｕｒ　ｄｉｆｆｅｒｅｎｃｅ）信号の１つを表すことを指定する、記号ＣｂおよびＣｒで表される形容詞である。ｃｈｒｏｍａという用語の代わりに、ｃｈｒｏｍｉｎａｎｃｅという用語を使用することもできる。
　（１６）輝度（ｌｕｍａ）
　サンプル配列または単一のサンプルが原色に関連するモノクロ信号を表すことを指定する、記号または下付きのＹまたはＬで表される形容詞である。ｌｕｍａという用語の代わりに、ｌｕｍｉｎａｎｃｅという用語を使用することもできる。
　［記載に関する解説］
　図面において、同一の参照番号は同一または類似の構成要素を示す。また、図面における構成要素のサイズおよび相対位置は、必ずしも一定の縮尺で描かれていない。
　以下、実施の形態について図面を参照しながら具体的に説明する。なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの関係及び順序などは、一例であり、請求の範囲を限定する主旨ではない。
　以下では、符号化装置および復号化装置の実施の形態を説明する。実施の形態は、本開示の各態様で説明する処理および／または構成を適用可能な符号化装置および復号化装置の例である。処理および／または構成は、実施の形態とは異なる符号化装置および復号化装置においても実施可能である。例えば、実施の形態に対して適用される処理および／または構成に関して、例えば以下のいずれかを実施してもよい。
　（１）本開示の各態様で説明する実施の形態の符号化装置または復号装置の複数の構成要素のうちいずれかは、本開示の各態様のいずれかで説明する他の構成要素に置き換えまたは組み合わせられてもよい。
　（２）実施の形態の符号化装置または復号装置において、当該符号化装置または復号装置の複数の構成要素のうち一部の構成要素によって行われる機能または処理に、機能または処理の追加、置き換え、削除などの任意の変更がなされてもよい。例えば、いずれかの機能または処理は、本開示の各態様のいずれかで説明する他の機能または処理に、置き換えまたは組み合わせられてもよい。
　（３）実施の形態の符号化装置または復号装置が実施する方法において、当該方法に含まれる複数の処理のうちの一部の処理について、追加、置き換えおよび削除などの任意の変更がなされてもよい。例えば、方法におけるいずれかの処理は、本開示の各態様のいずれかで説明する他の処理に、置き換えまたは組み合わせられてもよい。
　（４）実施の形態の符号化装置または復号装置を構成する複数の構成要素のうちの一部の構成要素は、本開示の各態様のいずれかで説明する構成要素と組み合わせられてもよいし、本開示の各態様のいずれかで説明する機能の一部を備える構成要素と組み合わせられてもよいし、本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせられてもよい。
　（５）実施の形態の符号化装置または復号装置の機能の一部を備える構成要素、または、実施の形態の符号化装置または復号装置の処理の一部を実施する構成要素は、本開示の各態様いずれかで説明する構成要素と、本開示の各態様でいずれかで説明する機能の一部を備える構成要素と、または、本開示の各態様のいずれかで説明する処理の一部を実施する構成要素と組み合わせまたは置き換えられてもよい。
　（６）実施の形態の符号化装置または復号装置が実施する方法において、当該方法に含まれる複数の処理のいずれかは、本開示の各態様のいずれかで説明する処理に、または、同様のいずれかの処理に、置き換えまたは組み合わせられてもよい。
　（７）実施の形態の符号化装置または復号装置が実施する方法に含まれる複数の処理のうちの一部の処理は、本開示の各態様のいずれかで説明する処理と組み合わせられてもよい。
　（８）本開示の各態様で説明する処理および／または構成の実施の仕方は、実施の形態の符号化装置または復号装置に限定されるものではない。例えば、処理および／または構成は、実施の形態において開示する動画像符号化または動画像復号とは異なる目的で利用される装置において実施されてもよい。
　［システム構成］
　図１は、本実施の形態に係る伝送システムの構成の一例を示す概略図である。
　伝送システムＴｒｓは、画像を符号化することによって生成されるストリームを伝送し、伝送されたストリームを復号するシステムである。このような伝送システムＴｒｓは、例えば図１に示すように、符号化装置１００、ネットワークＮｗ、および復号装置２００を含む。
　符号化装置１００には画像が入力される。符号化装置１００は、その入力された画像を符号化することによってストリームを生成し、そのストリームをネットワークＮｗに出力する。ストリームには、例えば、符号化された画像と、その符号化された画像を復号するための制御情報とが含まれている。この符号化によって画像は圧縮される。
　なお、符号化装置１００に入力される、符号化される前の元の画像は、原画像、原信号、または原サンプルとも呼ばれる。また、画像は、動画像または静止画像であってもよい。また、画像は、シーケンス、ピクチャおよびブロックなどの上位概念であって、別途規定されない限り、空間的および時間的な領域の制限を受けない。また、画像は、画素または画素値の配列からなり、その画像を表す信号、または画素値は、サンプルとも呼ばれる。また、ストリームは、ビットストリーム、符号化ビットストリーム、圧縮ビットストリーム、または符号化信号と呼ばれてもよい。さらに、符号化装置は、画像符号化装置または動画像符号化装置と呼ばれてもよく、符号化装置１００による符号化の方法は、符号化方法、画像符号化方法、または動画像符号化方法と呼ばれてもよい。
　ネットワークＮｗは、符号化装置１００が生成したストリームを復号装置２００に伝送する。ネットワークＮｗは、インターネット、広域ネットワーク（ＷＡＮ：Ｗｉｄｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、小規模ネットワーク（ＬＡＮ：Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、またはこれらの組み合わせであってもよい。ネットワークＮｗは、必ずしも双方向の通信網に限らず、地上デジタル放送、または衛星放送等の放送波を伝送する一方向の通信網であってもよい。また、ネットワークＮｗは、ＤＶＤ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｃ）、ＢＤ（Ｂｌｕ－Ｒａｙ　Ｄｉｓｃ（登録商標））等のストリームを記録した記憶媒体によって代替されてもよい。
　復号装置２００は、ネットワークＮｗが伝送したストリームを復号することによって、例えば非圧縮の画像である復号画像を生成する。例えば、復号装置は、符号化装置１００による符号化方法に対応する復号方法にしたがってストリームを復号する。
　なお、復号装置は、画像復号装置または動画像復号装置と呼ばれてもよく、復号装置２００による復号の方法は、復号方法、画像復号方法、または動画像復号方法と呼ばれてもよい。
　［データ構造］
　図２は、ストリームにおけるデータの階層構造の一例を示す図である。ストリームは、例えばビデオシーケンスを含む。このビデオシーケンスは、例えば図２の（ａ）に示すように、ＶＰＳ（Ｖｉｄｅｏ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）と、ＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）と、ＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）と、ＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）と、複数のピクチャとを含む。
　ＶＰＳは、複数のレイヤから構成されている動画像において、複数のレイヤに共通する符号化パラメータと、動画像に含まれる複数のレイヤ、または個々のレイヤに関連する符号化パラメータとを含む。
　ＳＰＳは、シーケンスに対して用いられるパラメータ、すなわち、シーケンスを復号するために復号装置２００が参照する符号化パラメータを含む。例えば、その符号化パラメータは、ピクチャの幅または高さを示してもよい。なお、ＳＰＳは複数存在してもよい。
　ＰＰＳは、ピクチャに対して用いられるパラメータ、すなわち、シーケンス内の各ピクチャを復号するために復号装置２００が参照する符号化パラメータを含む。例えば、その符号化パラメータは、ピクチャの復号に用いられる量子化幅の基準値と、重み付き予測の適用を示すフラグとを含んでもよい。なお、ＰＰＳは複数存在してもよい。また、ＳＰＳとＰＰＳとは、単にパラメータセットと呼ばれる場合がある。
　ピクチャは、図２の（ｂ）に示すように、ピクチャヘッダと、１つ以上のスライスを含んでいてもよい。ピクチャヘッダは、その１つ以上のスライスを復号するために復号装置２００が参照する符号化パラメータを含む。
　スライスは、図２の（ｃ）に示すように、スライスヘッダと、１つ以上のブリックとを含む。スライスヘッダは、その１つ以上のブリックを復号するために復号装置２００が参照する符号化パラメータを含む。
　ブリックは、図２の（ｄ）に示すように、１つ以上のＣＴＵ（Ｃｏｄｉｎｇ　Ｔｒｅｅ　Ｕｎｉｔ）を含む。
　なお、ピクチャは、スライスを含まず、そのスライスの代わりに、タイルグループを含んでいてもよい。この場合、タイルグループは、１つ以上のタイルを含む。また、ブリックにスライスが含まれていてもよい。
　ＣＴＵは、スーパーブロックまたは基本分割単位とも呼ばれる。このようなＣＴＵは、図２の（ｅ）に示すように、ＣＴＵヘッダと、１つ以上のＣＵ（Ｃｏｄｉｎｇ　Ｕｎｉｔ）とを含む。ＣＴＵヘッダは、１つ以上のＣＵを復号するために復号装置２００が参照する符号化パラメータを含む。
　ＣＵは、複数の小さいＣＵに分割されてもよい。また、ＣＵは、図２の（ｆ）に示すように、ＣＵヘッダと、予測情報と、残差係数情報とを含む。予測情報は、そのＣＵを予測するための情報であって、残差係数情報は、後述の予測残差を示す情報である。なお、ＣＵは、基本的にＰＵ（Ｐｒｅｄｉｃｔｉｏｎ　Ｕｎｉｔ）およびＴＵ（Ｔｒａｎｓｆｏｒｍ　Ｕｎｉｔ）と同一であるが、例えば後述のＳＢＴでは、そのＣＵよりも小さい複数のＴＵを含んでいてもよい。また、ＣＵは、そのＣＵを構成するＶＰＤＵ（Ｖｉｒｔｕａｌ　Ｐｉｐｅｌｉｎｅ　Ｄｅｃｏｄｉｎｇ　Ｕｎｉｔ）ごとに処理されてもよい。ＶＰＤＵは、例えば、ハードウェアにおいてパイプライン処理を行う際に、１ステージで処理できる固定的な単位である。
　なお、ストリームは、図２に示す各階層のうちの何れか一部の階層を有していなくてもよい。また、これらの階層の順番は、入れ替えられてもよく、何れかの階層は他の階層に置き換えられてもよい。また、符号化装置１００または復号装置２００などの装置によって現時点で行われる処理の対象とされているピクチャを、カレントピクチャという。その処理が符号化であれば、カレントピクチャは、符号化対象ピクチャと同義であり、その処理が復号であれば、カレントピクチャは、復号対象ピクチャと同義である。また、符号化装置１００または復号装置２００などの装置によって現時点で行われる処理の対象とされている例えばＣＵまたはＣＵなどのブロックを、カレントブロックという。その処理が符号化であれば、カレントブロックは、符号化対象ブロックと同義であり、その処理が復号であれば、カレントブロックは、復号対象ブロックと同義である。
　［ピクチャの構成　スライス／タイル］
　ピクチャを並列にデコードするために、ピクチャはスライス単位またはタイル単位で構成される場合がある。
　スライスは、ピクチャを構成する基本的な符号化の単位である。ピクチャは、例えば１つ以上のスライスから構成される。また、スライスは、１つ以上の連続するＣＴＵからなる。
　図３は、スライスの構成の一例を示す図である。例えば、ピクチャは、１１×８個のＣＴＵを含み、かつ、４つのスライス（スライス１－４）に分割される。スライス１は、例えば１６個のＣＴＵからなり、スライス２は、例えば２１個のＣＴＵからなり、スライス３は、例えば２９個のＣＴＵからなり、スライス４は、例えば２２個のＣＴＵからなる。ここで、ピクチャ内の各ＣＴＵは、いずれかのスライスに属する。スライスの形状は、ピクチャを水平方向に分割した形になる。スライスの境界は、画面端である必要はなく、画面内のＣＴＵの境界のうちどこであってもよい。スライスの中のＣＴＵの処理順（符号化順または復号順）は、例えばラスタ・スキャン順である。また、スライスは、スライスヘッダと符号化データを含む。スライスヘッダには、スライスの先頭のＣＴＵアドレス、スライス・タイプなどそのスライスの特徴が記述されてもよい。
　タイルは、ピクチャを構成する矩形領域の単位である。各タイルにはＴｉｌｅＩｄと呼ばれる番号がラスタ・スキャン順に割り振られてもよい。
　図４は、タイルの構成の一例を示す図である。例えば、ピクチャは、１１×８個のＣＴＵを含み、かつ、４つの矩形領域のタイル（タイル１－４）に分割される。タイルが使用される場合、タイルが使用されない場合と比べてＣＴＵの処理順が変更される。タイルが使用されない場合、ピクチャ内の複数のＣＴＵは例えばラスタ・スキャン順に処理される。タイルが使用される場合には、複数のタイルのそれぞれにおいて、少なくとも１つのＣＴＵが例えばラスタ・スキャン順に処理される。例えば、図４に示すように、タイル１に含まれる複数のＣＴＵの処理順は、タイル１の１列目左端からタイル１の１列目右端まで向かい、次に、タイル１の２列目左端からタイル１の２列目右端まで向かう順である。
　なお、１つのタイルは、１つ以上のスライスを含む場合があり、１つのスライスは、１つ以上のタイルを含む場合がある。
　なお、ピクチャはタイルセット単位で構成されていてもよい。タイルセットは、１つ以上のタイルグループを含んでもよく、１つ以上のタイルを含んでもよい。ピクチャは、タイルセット、タイルグループ、およびタイルのうちのいずれか１つのみによって構成されていてもよい。例えば、タイルセットごとに複数のタイルをラスタ順に走査する順序を、タイルの基本符号化順序とする。各タイルセット内で基本符号化順序が連続する１つ以上のタイルの集まりをタイルグループとする。このようなピクチャは、後述の分割部１０２（図７参照）によって構成されてもよい。
　［スケーラブル符号化］
　図５および図６は、スケーラブルなストリームの構成の一例を示す図である。
　符号化装置１００は、図５に示すように、複数のピクチャのそれぞれを、複数のレイヤの何れかに分けて符号化することによって、時間的／空間的スケーラブルなストリームを生成してもよい。例えば、符号化装置１００は、レイヤ毎にピクチャを符号化することによって、ベースレイヤの上位にエンハンスメントレイヤが存在するスケーラビリティを実現する。このような各ピクチャの符号化を、スケーラブル符号化という。これにより、復号装置２００は、そのストリームを復号することによって表示される画像の画質を切り換えることができる。つまり、復号装置２００は、自らの性能という内的要因と、通信帯域の状態などの外的要因とに応じて、どのレイヤまで復号するかを決定する。その結果、復号装置２００は、同一のコンテンツを低解像度のコンテンツと高解像度のコンテンツとに自由に切り替えて復号できる。例えば、そのストリームの利用者は、移動中に、スマートフォンを用いて、そのストリームの動画像を途中まで視聴し、帰宅後に、インターネットＴＶ等の機器を用いて、その動画像の続きを視聴する。なお、上述のスマートフォンおよび機器のそれぞれには、互いに性能が同一または異なる復号装置２００が組み込まれている。この場合には、その機器がそのストリームのうちの上位レイヤまでを復号すれば、利用者は、帰宅後には高画質の動画像を視聴することができる。これにより、符号化装置１００は、同一内容で画質の異なる複数のストリームを生成する必要がなく、処理負荷を低減することができる。
　さらに、エンハンスメントレイヤは、画像の統計情報などに基づくメタ情報を含んでいてもよい。復号装置２００は、メタ情報に基づきベースレイヤのピクチャを超解像することで高画質化された動画像を生成してもよい。超解像とは、同一解像度におけるＳＮ（Ｓｉｇｎａｌ－ｔｏ－Ｎｏｉｓｅ）比の向上、および、解像度の拡大のいずれであってもよい。メタ情報は、超解像処理に用いる線形もしくは非線形のフィルタ係数を特定するため情報、または、超解像処理に用いるフィルタ処理、機械学習もしくは最小２乗演算におけるパラメータ値を特定する情報などを含んでいてもよい。
　または、ピクチャ内の各オブジェクトなどの意味合いに応じて、そのピクチャはタイル等に分割されていてもよい。この場合、復号装置２００は、復号の対象とされるタイルを選択することで、ピクチャのうちの一部の領域だけを復号してもよい。また、オブジェクトの属性（人物、車、ボールなど）と、ピクチャ内の位置（同一ピクチャにおける座標位置など）とが、メタ情報として格納されていてもよい。この場合、復号装置２００は、メタ情報に基づいて所望のオブジェクトの位置を特定し、そのオブジェクトを含むタイルを決定できる。例えば、図６に示すように、メタ情報は、ＨＥＶＣにおけるＳＥＩなどの、画像データとは異なるデータ格納構造を用いて格納される。このメタ情報は、例えば、メインオブジェクトの位置、サイズ、または色彩などを示す。
　また、ストリーム、シーケンスまたはランダムアクセス単位など、複数のピクチャから構成される単位でメタ情報が格納されてもよい。これにより、復号装置２００は、特定人物が動画像内に出現する時刻などを取得でき、その時刻とピクチャ単位の情報とを用いることで、オブジェクトが存在するピクチャと、そのピクチャ内でのオブジェクトの位置とを特定できる。
　［符号化装置］
　次に、実施の形態に係る符号化装置１００を説明する。図７は、実施の形態に係る符号化装置１００の構成の一例を示すブロック図である。符号化装置１００は、画像をブロック単位で符号化する。
　図７に示すように、符号化装置１００は、画像をブロック単位で符号化する装置であって、分割部１０２と、減算部１０４と、変換部１０６と、量子化部１０８と、エントロピー符号化部１１０と、逆量子化部１１２と、逆変換部１１４と、加算部１１６と、ブロックメモリ１１８と、ループフィルタ部１２０と、フレームメモリ１２２と、イントラ予測部１２４と、インター予測部１２６と、予測制御部１２８と、予測パラメータ生成部１３０とを備える。なお、イントラ予測部１２４およびインター予測部１２６のそれぞれは、予測処理部の一部として構成されている。
　［符号化装置の実装例］
　図８は、符号化装置１００の実装例を示すブロック図である。符号化装置１００は、プロセッサａ１およびメモリａ２を備える。例えば、図７に示された符号化装置１００の複数の構成要素は、図８に示されたプロセッサａ１およびメモリａ２によって実装される。
　プロセッサａ１は、情報処理を行う回路であり、メモリａ２にアクセス可能な回路である。例えば、プロセッサａ１は、画像を符号化する専用または汎用の電子回路である。プロセッサａ１は、ＣＰＵのようなプロセッサであってもよい。また、プロセッサａ１は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサａ１は、図７に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリａ２は、プロセッサａ１が画像を符号化するための情報が記憶される専用または汎用のメモリである。メモリａ２は、電子回路であってもよく、プロセッサａ１に接続されていてもよい。また、メモリａ２は、プロセッサａ１に含まれていてもよい。また、メモリａ２は、複数の電子回路の集合体であってもよい。また、メモリａ２は、磁気ディスクまたは光ディスク等であってもよいし、ストレージまたは記録媒体等と表現されてもよい。また、メモリａ２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリａ２には、符号化される画像が記憶されてもよいし、符号化された画像に対応するストリームが記憶されてもよい。また、メモリａ２には、プロセッサａ１が画像を符号化するためのプログラムが記憶されていてもよい。
　また、例えば、メモリａ２は、図７に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリａ２は、図７に示されたブロックメモリ１１８およびフレームメモリ１２２の役割を果たしてもよい。より具体的には、メモリａ２には、再構成画像（具体的には、再構成済みブロックまたは再構成済みピクチャ等）が記憶されてもよい。
　なお、符号化装置１００において、図７に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図７に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。
　以下、符号化装置１００の全体的な処理の流れを説明した後に、符号化装置１００に含まれる各構成要素について説明する。
　［符号化処理の全体フロー］
　図９は、符号化装置１００による全体的な符号化処理の一例を示すフローチャートである。
　まず、符号化装置１００の分割部１０２は、原画像に含まれるピクチャを複数の固定サイズのブロック（１２８×１２８画素）に分割する（ステップＳａ＿１）。そして、分割部１０２は、その固定サイズのブロックに対して分割パターンを選択する（ステップＳａ＿２）。つまり、分割部１０２は、固定サイズのブロックを、その選択された分割パターンを構成する複数のブロックに、さらに分割する。そして、符号化装置１００は、その複数のブロックのそれぞれに対してステップＳａ＿３～Ｓａ＿９の処理を行う。
　イントラ予測部１２４およびインター予測部１２６からなる予測処理部と、予測制御部１２８とは、カレントブロックの予測画像を生成する（ステップＳａ＿３）。なお、予測画像は、予測信号、予測ブロックまたは予測サンプルとも呼ばれる。
　次に、減算部１０４は、カレントブロックと予測画像との差分を予測残差として生成する（ステップＳａ＿４）。なお、予測残差は、予測誤差とも呼ばれる。
　次に、変換部１０６および量子化部１０８は、その予測画像に対して変換および量子化を行うことによって、複数の量子化係数を生成する（ステップＳａ＿５）。
　次に、エントロピー符号化部１１０は、その複数の量子化係数と、予測画像の生成に関する予測パラメータとに対して符号化（具体的にはエントロピー符号化）を行うことによって、ストリームを生成する（ステップＳａ＿６）。
　次に、逆量子化部１１２および逆変換部１１４は、複数の量子化係数に対して逆量子化および逆変換を行うことによって、予測残差を復元する（ステップＳａ＿７）。
　次に、加算部１１６は、その復元された予測残差に予測画像を加算することによってカレントブロックを再構成する（ステップＳａ＿８）。これにより、再構成画像が生成される。なお、再構成画像は、再構成ブロックとも呼ばれ、特に符号化装置１００によって生成される再構成画像は、ローカル復号ブロックまたはローカル復号画像とも呼ばれる。
　この再構成画像が生成されると、ループフィルタ部１２０は、その再構成画像に対してフィルタリングを必要に応じて行う（ステップＳａ＿９）。
　そして、符号化装置１００は、ピクチャ全体の符号化が完了したか否かを判定し（ステップＳａ＿１０）、完了していないと判定する場合（ステップＳａ＿１０のＮｏ）、ステップＳａ＿２からの処理を繰り返し実行する。
　なお、上述の例では、符号化装置１００は、固定サイズのブロックに対して１つの分割パターンを選択し、その分割パターンにしたがって各ブロックの符号化を行うが、複数の分割パターンのそれぞれにしたがって各ブロックの符号化を行ってもよい。この場合には、符号化装置１００は、複数の分割パターンのそれぞれに対するコストを評価し、例えば最も小さいコストの分割パターンにしたがった符号化によって得られるストリームを、最終的に出力されるストリームとして選択してもよい。
　また、これらのステップＳａ＿１～Ｓａ＿１０の処理は、符号化装置１００によってシーケンシャルに行われてもよく、それらの処理のうちの一部の複数の処理が並列に行われてもよく、順番が入れ替えられてもよい。
　このような符号化装置１００による符号化処理は、予測符号化と変換符号化とを用いたハイブリッド符号化である。また、予測符号化は、減算部１０４、変換部１０６、量子化部１０８、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、ブロックメモリ１１８、フレームメモリ１２２、イントラ予測部１２４、インター予測部１２６、および予測制御部１２８からなる符号化ループによって行われる。つまり、イントラ予測部１２４およびインター予測部１２６からなる予測処理部は、符号化ループの一部を構成する。
　［分割部］
　分割部１０２は、原画像に含まれる各ピクチャを複数のブロックに分割し、各ブロックを減算部１０４に出力する。例えば、分割部１０２は、まず、ピクチャを固定サイズ（例えば１２８ｘ１２８画素）のブロックに分割する。この固定サイズのブロックは、符号化ツリーユニット（ＣＴＵ）と呼ばれることがある。そして、分割部１０２は、例えば再帰的な四分木（ｑｕａｄｔｒｅｅ）および／または二分木（ｂｉｎａｒｙ　ｔｒｅｅ）ブロック分割に基づいて、固定サイズのブロックの各々を可変サイズ（例えば６４ｘ６４画素以下）のブロックに分割する。すなわち、分割部１０２は、分割パターンを選択する。この可変サイズのブロックは、符号化ユニット（ＣＵ）、予測ユニット（ＰＵ）あるいは変換ユニット（ＴＵ）と呼ばれることがある。なお、種々の実装例では、ＣＵ、ＰＵおよびＴＵは区別される必要はなく、ピクチャ内の一部またはすべてのブロックがＣＵ、ＰＵ、またはＴＵの処理単位となってもよい。
　図１０は、実施の形態におけるブロック分割の一例を示す図である。図１０において、実線は四分木ブロック分割によるブロック境界を表し、破線は二分木ブロック分割によるブロック境界を表す。
　ここでは、ブロック１０は、１２８ｘ１２８画素の正方形ブロックである。このブロック１０は、まず、４つの６４ｘ６４画素の正方形ブロックに分割される（四分木ブロック分割）。
　左上の６４ｘ６４画素の正方形ブロックは、さらに、それぞれ３２ｘ６４画素からなる２つの矩形ブロックに垂直に分割され、左の３２ｘ６４画素の矩形ブロックは、さらに、それぞれ１６ｘ６４画素からなる２つの矩形ブロックに垂直に分割される（二分木ブロック分割）。その結果、左上の６４ｘ６４画素の正方形ブロックは、２つの１６ｘ６４画素の矩形ブロック１１および１２と、３２ｘ６４画素の矩形ブロック１３とに分割される。
　右上の６４ｘ６４画素の正方形ブロックは、それぞれ６４ｘ３２画素からなる２つの矩形ブロック１４および１５に水平に分割される（二分木ブロック分割）。
　左下の６４ｘ６４画素の正方形ブロックは、それぞれ３２ｘ３２画素からなる４つの正方形ブロックに分割される（四分木ブロック分割）。それぞれ３２ｘ３２画素からなる４つの正方形ブロックのうち左上のブロックおよび右下のブロックは、さらに分割される。左上の３２ｘ３２画素の正方形ブロックは、それぞれ１６ｘ３２画素からなる２つの矩形ブロックに垂直に分割され、右の１６ｘ３２画素からなる矩形ブロックは、さらに、それぞれ１６ｘ１６画素からなる２つの正方形ブロックに水平に分割される（二分木ブロック分割）。右下の３２ｘ３２画素からなる正方形ブロックは、それぞれ３２ｘ１６画素からなる２つの矩形ブロックに水平に分割される（二分木ブロック分割）。その結果、左下の６４ｘ６４画素の正方形ブロックは、１６ｘ３２画素の矩形ブロック１６と、それぞれ１６ｘ１６画素の２つの正方形ブロック１７および１８と、それぞれ３２ｘ３２画素の２つの正方形ブロック１９および２０と、それぞれ３２ｘ１６画素の２つの矩形ブロック２１および２２とに分割される。
　右下の６４ｘ６４画素からなるブロック２３は分割されない。
　以上のように、図１０では、ブロック１０は、再帰的な四分木および二分木ブロック分割に基づいて、１３個の可変サイズのブロック１１～２３に分割される。このような分割は、ＱＴＢＴ（ｑｕａｄ－ｔｒｅｅ　ｐｌｕｓ　ｂｉｎａｒｙ　ｔｒｅｅ）分割と呼ばれることがある。
　なお、図１０では、１つのブロックが４つまたは２つのブロックに分割されていたが（四分木または二分木ブロック分割）、分割はこれらに限定されない。例えば、１つのブロックが３つのブロックに分割されてもよい（三分木ブロック分割）。このような三分木ブロック分割を含む分割は、ＭＢＴ（ｍｕｌｔｉ　ｔｙｐｅ　ｔｒｅｅ）分割と呼ばれることがある。
　図１１は、分割部１０２の構成の一例を示す図である。図１１に示すように、分割部１０２は、ブロック分割決定部１０２ａを備えていてもよい。ブロック分割決定部１０２ａは、一例として以下の処理を行ってもよい。
　ブロック分割決定部１０２ａは、例えば、ブロックメモリ１１８またはフレームメモリ１２２からブロック情報を収集し、そのブロック情報に基づいて上述の分割パターンを決定する。分割部１０２は、その分割パターンにしたがって原画像を分割し、その分割によって得られる１つ以上のブロックを減算部１０４に出力する。
　また、ブロック分割決定部１０２ａは、例えば、上述の分割パターンを示すパラメータを変換部１０６、逆変換部１１４、イントラ予測部１２４、インター予測部１２６およびエントロピー符号化部１１０に出力する。変換部１０６は、そのパラメータに基づいて予測残差を変換してもよく、イントラ予測部１２４およびインター予測部１２６は、そのパラメータに基づいて予測画像を生成してもよい。また、エントロピー符号化部１１０は、そのパラメータに対してエントロピー符号化を行ってもよい。
　分割パターンに関するパラメータは、一例として以下のようにストリームに書き込まれてもよい。
　図１２は、分割パターンの例を示す図である。分割パターンには、例えばブロックを水平方向および垂直方向のそれぞれに２つに分割するような４分割（ＱＴ）と、ブロックを１対２対１の比率で同じ方向に分割するような３分割（ＨＴまたはＶＴ）と、ブロックを１対１の比率で同じ方向に分割するような２分割（ＨＢまたはＶＢ）と、分割しない（ＮＳ）と、がある。
　なお、４分割および分割しない場合には、分割パターンは、ブロック分割方向を持たず、２分割および３分割の場合には、分割パターンは、分割方向情報を持っている。
　図１３Ａおよび図１３Ｂは、分割パターンのシンタックスツリーの一例を示す図である。図１３Ａの例では、まず、はじめに、分割を行うか否かを示す情報（Ｓ：Ｓｐｌｉｔフラグ）が存在し、次に、４分割を行うか否かを示す情報（ＱＴ：ＱＴフラグ）が存在する。次に３分割を行うか２分割を行うかを示す情報（ＴＴ：ＴＴフラグまたはＢＴ：ＢＴフラグ）が存在し、最後に分割方向を示す情報（Ｖｅｒ：ＶｅｒｔｉｃａｌフラグまたはＨｏｒ：Ｈｏｒｉｚｏｎｔａｌフラグ）が存在している。なお、このような分割パターンによる分割によって得られる１つ以上のブロックのそれぞれに対し、さらに同様の処理で分割を繰り返し適用してもよい。すなわち、一例として、分割を行うか否か、４分割を行うか否か、分割方法は水平方向か垂直方向か、および３分割を行うか２分割を行うか、の判定を再帰的に実施し、実施した判定結果を図１３Ａに示すシンタックスツリーに開示した符号化順序に従ってストリームに符号化してもよい。
　また、図１３Ａに示すシンタックスツリーでは、Ｓ、ＱＴ、ＴＴ、Ｖｅｒの順でそれらの情報が配置されているが、Ｓ、ＱＴ、Ｖｅｒ、ＢＴの順でそれらの情報が配置されていてもよい。つまり、図１３Ｂの例では、まず、分割を行うか否かを示す情報（Ｓ：Ｓｐｌｉｔフラグ）が存在し、次に、４分割を行うか否かを示す情報（ＱＴ：ＱＴフラグ）が存在する。次に分割方向を示す情報（Ｖｅｒ：ＶｅｒｔｉｃａｌフラグまたはＨｏｒ：Ｈｏｒｉｚｏｎｔａｌフラグ）が存在し、最後に２分割を行うか３分割を行うかを示す情報（ＢＴ：ＢＴフラグまたはＴＴ：ＴＴフラグ）が存在している。
　なお、ここで説明した分割パターンは一例であり、説明した分割パターン以外のものを用いてもよく、説明した分割パターンの一部のみを用いてもよい。
　［減算部］
　減算部１０４は、分割部１０２から入力され、分割部１０２によって分割されたブロック単位で、原画像から予測画像（予測制御部１２８から入力される予測画像）を減算する。つまり、減算部１０４は、カレントブロックの予測残差を算出する。そして、減算部１０４は、算出された予測残差を変換部１０６に出力する。
　原画像は、符号化装置１００の入力信号であり、例えば、動画像を構成する各ピクチャの画像を表す信号（例えば輝度（ｌｕｍａ）信号および２つの色差（ｃｈｒｏｍａ）信号）である。
　［変換部］
　変換部１０６は、空間領域の予測残差を周波数領域の変換係数に変換し、変換係数を量子化部１０８に出力する。具体的には、変換部１０６は、例えば空間領域の予測残差に対して予め定められた離散コサイン変換（ＤＣＴ）または離散サイン変換（ＤＳＴ）を行う。
　なお、変換部１０６は、複数の変換タイプの中から適応的に変換タイプを選択し、選択された変換タイプに対応する変換基底関数（ｔｒａｎｓｆｏｒｍ　ｂａｓｉｓ　ｆｕｎｃｔｉｏｎ）を用いて、予測残差を変換係数に変換してもよい。このような変換は、ＥＭＴ（ｅｘｐｌｉｃｉｔ　ｍｕｌｔｉｐｌｅ　ｃｏｒｅ　ｔｒａｎｓｆｏｒｍ）またはＡＭＴ（ａｄａｐｔｉｖｅ　ｍｕｌｔｉｐｌｅ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。また、変換基底関数は、単に基底と呼ばれることがある。
　複数の変換タイプは、例えば、ＤＣＴ－ＩＩ、ＤＣＴ－Ｖ、ＤＣＴ－ＶＩＩＩ、ＤＳＴ－ＩおよびＤＳＴ－ＶＩＩを含む。なお、これらの変換タイプは、ＤＣＴ２、ＤＣＴ５、ＤＣＴ８、ＤＳＴ１およびＤＳＴ７とそれぞれ表記されてもよい。図１４は、各変換タイプに対応する変換基底関数を示す表である。図１４においてＮは入力画素の数を示す。これらの複数の変換タイプの中からの変換タイプの選択は、例えば、予測の種類（イントラ予測およびインター予測など）に依存してもよいし、イントラ予測モードに依存してもよい。
　このようなＥＭＴまたはＡＭＴを適用するか否かを示す情報（例えばＥＭＴフラグまたはＡＭＴフラグと呼ばれる）と、選択された変換タイプを示す情報とは、通常、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベル）であってもよい。
　また、変換部１０６は、変換係数（すなわち変換結果）を再変換してもよい。このような再変換は、ＡＳＴ（ａｄａｐｔｉｖｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）またはＮＳＳＴ（ｎｏｎ－ｓｅｐａｒａｂｌｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。例えば、変換部１０６は、イントラ予測残差に対応する変換係数のブロックに含まれるサブブロック（例えば４ｘ４画素のサブブロック）ごとに再変換を行う。ＮＳＳＴを適用するか否かを示す情報と、ＮＳＳＴに用いられる変換行列に関する情報とは、通常、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベル）であってもよい。
　変換部１０６には、Ｓｅｐａｒａｂｌｅな変換と、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とが適用されてもよい。Ｓｅｐａｒａｂｌｅな変換とは、入力の次元の数だけ方向ごとに分離して複数回変換を行う方式であり、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とは、入力が多次元であった際に２つ以上の次元をまとめて１次元とみなして、まとめて変換を行う方式である。
　例えば、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換の一例として、入力が４×４画素のブロックであった場合にはそれを１６個の要素を持ったひとつの配列とみなし、その配列に対して１６×１６の変換行列で変換処理を行うようなものが挙げられる。
　また、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換のさらなる例では、４×４画素の入力ブロックを１６個の要素を持ったひとつの配列とみなした後に、その配列に対してＧｉｖｅｎｓ回転を複数回行うような変換（Ｈｙｐｅｒｃｕｂｅ　Ｇｉｖｅｎｓ　Ｔｒａｎｓｆｏｒｍ）が行われてもよい。
　変換部１０６での変換では、ＣＵ内の領域に応じて周波数領域に変換する変換基底関数の変換タイプを切替えることもできる。一例として、ＳＶＴ（Ｓｐａｔｉａｌｌｙ　Ｖａｒｙｉｎｇ　Ｔｒａｎｓｆｏｒｍ）がある。
　図１５は、ＳＶＴの一例を示す図である。
　ＳＶＴでは、図１５に示すように、水平方向あるいは垂直方向にＣＵを２等分し、いずれか一方の領域のみ周波数領域への変換を行う。変換タイプは、領域毎に設定されてもよく、例えば、ＤＳＴ７とＤＣＴ８が用いられる。例えば、ＣＵが垂直方向に２等分されることによって得られる２つの領域のうち、位置０の領域に対してはＤＳＴ７およびＤＣＴ８が用いられ得る。または、その２つの領域のうち、位置１の領域に対してはＤＳＴ７が用いられる。同様に、ＣＵが水平方向に２等分されることによって得られる２つの領域のうち、位置０の領域に対してはＤＳＴ７およびＤＣＴ８が用いられる。または、その２つの領域のうち、位置１の領域に対してはＤＳＴ７が用いられる。このような図１５に示す例では、ＣＵ内の２つの領域のうち、どちらか一方のみ変換が行われ、もう一方には変換が行われないが、２つの領域のそれぞれに対して変換を行ってもよい。また、分割方法には、２等分だけでなく、４等分もあってもよい。また、分割方法を示す情報を符号化してＣＵ分割と同様にシグナリングするなど、より柔軟にすることもできる。なお、ＳＶＴは、ＳＢＴ（Ｓｕｂ－ｂｌｏｃｋ　Ｔｒａｎｓｆｏｒｍ）と呼ぶこともある。
　前述したＡＭＴおよびＥＭＴは、ＭＴＳ（Ｍｕｌｔｉｐｌｅ　Ｔｒａｎｓｆｏｒｍ　Ｓｅｌｅｃｔｉｏｎ）と呼ばれてもよい。ＭＴＳを適用する場合は、ＤＳＴ７またはＤＣＴ８などの変換タイプを選択でき、選択された変換タイプを示す情報は、ＣＵ毎にインデックス情報として符号化されてもよい。一方で、ＣＵの形状に基づいて、インデックス情報を符号化することなく直交変換に使用する変換タイプを選択する処理として、ＩＭＴＳ（Ｉｍｐｌｉｃｉｔ　ＭＴＳ）と呼ばれる処理がある。ＩＭＴＳを適用する場合は、例えばＣＵの形状が矩形であれば、矩形の短辺側はＤＳＴ７、長辺側はＤＣＴ２を用いて、それぞれ直交変換する。また例えばＣＵの形状が正方形の場合は、シーケンス内でＭＴＳが有効であればＤＣＴ２を用い、ＭＴＳが無効であればＤＳＴ７を用いて直交変換を行う。ＤＣＴ２およびＤＳＴ７は一例であり、他の変換タイプを用いてもよいし、用いる変換タイプの組合せを異なる組合せとすることも可能である。ＩＭＴＳは、イントラ予測のブロックでのみ使用可としてもよいし、イントラ予測のブロックおよびインター予測のブロック共に使用可としてもよい。
　以上では、直交変換に用いる変換タイプを選択的に切り替える選択処理として、ＭＴＳ、ＳＢＴ、およびＩＭＴＳの３つの処理について説明したが、３つの選択処理は全て有効としてもよいし、選択的に一部の選択処理のみを有効としてもよい。個々の選択処理を有効とするかどうかは、ＳＰＳなどヘッダ内のフラグ情報などで識別できる。例えば、３つの選択処理が全て有効であれば、ＣＵ単位で、３つの選択処理から１つを選択して直交変換を行う。なお、変換タイプを選択的に切り替える選択処理は、以下の４つの機能［１］～［４］の少なくとも１つの機能が実現できれば、上記３つの選択処理とは異なる選択処理を用いてもよく、上記３つの選択処理のそれぞれを別の処理に置き換えてもよい。機能［１］は、ＣＵ内の全範囲を直交変換して、変換に用いた変換タイプを示す情報を符号化する機能である。機能［２］は、ＣＵの全範囲を直交変換して、変換タイプを示す情報は符号化せずに所定のルールに基づいて変換タイプを決定する機能である。機能［３］は、ＣＵの一部分の領域を直交変換して、変換に用いた変換タイプを示す情報を符号化する機能である。機能［４］は、ＣＵの一部分の領域を直交変換して、変換に用いた変換タイプを示す情報は符号化せずに所定のルールに基づいて変換タイプを決定する機能などである。
　なお、ＭＴＳ、ＩＭＴＳ、およびＳＢＴのそれぞれの適用の有無は処理単位ごとに決定されてもよい。例えば、シーケンス単位、ピクチャ単位、ブリック単位、スライス単位、ＣＴＵ単位、またはＣＵ単位で適用の有無を決定してもよい。
　なお、本開示における変換タイプを選択的に切り替えるツールは、変換処理に用いる基底を適応的に選択する方法、選択処理、または基底を選択するプロセスと言い換えてもよい。また、変換タイプを選択的に切り替えるツールは、変換タイプを適応的に選択するモードと言い換えてもよい。
　図１６は、変換部１０６による処理の一例を示すフローチャートである。
　例えば、変換部１０６は、直交変換を行うか否かを判定する（ステップＳｔ＿１）。ここで、変換部１０６は、直交変換を行うと判定すると（ステップＳｔ＿１のＹｅｓ）、複数の変換タイプから、直交変換に用いる変換タイプを選択する（ステップＳｔ＿２）。次に、変換部１０６は、その選択した変換タイプをカレントブロックの予測残差に適用することによって直交変換を行う（ステップＳｔ＿３）。そして、変換部１０６は、その選択した変換タイプを示す情報をエントロピー符号化部１１０に出力することによって、その情報を符号化させる（ステップＳｔ＿４）。一方、変換部１０６は、直交変換を行わないと判定すると（ステップＳｔ＿１のＮｏ）、直交変換を行わないことを示す情報をエントロピー符号化部１１０に出力することによって、その情報を符号化させる（ステップＳｔ＿５）。なお、ステップＳｔ＿１における直交変換を行うか否かの判定は、例えば、変換ブロックのサイズ、ＣＵに適用された予測モードなどに基づいて判定されてもよい。また、直交変換に用いる変換タイプを示す情報は符号化されず、予め規定された変換タイプを用いて直交変換を行ってもよい。
　図１７は、変換部１０６による処理の他の例を示すフローチャートである。なお、図１７に示す例は、図１６に示す例と同様、直交変換に用いる変換タイプを選択的に切り替える方法を適用する場合の直交変換の例である。
　一例として、第１の変換タイプ群は、ＤＣＴ２、ＤＳＴ７およびＤＣＴ８を含んでもよい。また一例として、第２の変換タイプ群はＤＣＴ２を含んでいてもよい。また、第１の変換タイプ群と第２の変換タイプ群とに含まれる変換タイプは、一部が重複していてもよいし、全て異なる変換タイプであってもよい。
　具体的には、変換部１０６は、変換サイズが所定値以下であるか否かを判定する（ステップＳｕ＿１）。ここで、所定値以下であると判定すると（ステップＳｕ＿１のＹｅｓ）、変換部１０６は、第１の変換タイプ群に含まれる変換タイプを用いてカレントブロックの予測残差を直交変換する（ステップＳｕ＿２）。次に、変換部１０６は、第１の変換タイプ群に含まれる１つ以上の変換タイプのうち、いずれの変換タイプを用いるかを示す情報をエントロピー符号化部１１０に出力することによって、その情報を符号化させる（ステップＳｕ＿３）。一方、変換部１０６は、変換サイズが所定値以下ではないと判定すると（ステップＳｕ＿１のＮｏ）、第２の変換タイプ群を用いてカレントブロックの予測残差を直交変換する（ステップＳｕ＿４）。
　ステップＳｕ＿３において、直交変換に用いられる変換タイプを示す情報は、カレントブロックの垂直方向に適用する変換タイプおよび水平方向に適用する変換タイプの組合せを示す情報であってもよい。また、第１の変換タイプ群は１つの変換タイプのみを含んでいてもよく、直交変換に用いられる変換タイプを示す情報は符号化されなくともよい。第２の変換タイプ群が複数の変換タイプを含んでいてもよく、第２の変換タイプ群に含まれる１つ以上の変換タイプのうち、直交変換に用いられる変換タイプを示す情報が符号化されてもよい。
　また、変換サイズのみに基づいて変換タイプが決定されてもよい。なお、変換サイズに基づいて、直交変換に用いる変換タイプを決定する処理であれば、変換サイズが所定値以下であるか否かの判定に限定されない。
　［量子化部］
　量子化部１０８は、変換部１０６から出力された変換係数を量子化する。具体的には、量子化部１０８は、カレントブロックの複数の変換係数を所定の走査順序で走査し、走査された変換係数に対応する量子化パラメータ（ＱＰ）に基づいて当該変換係数を量子化する。そして、量子化部１０８は、カレントブロックの量子化された複数の変換係数（以下、量子化係数という）をエントロピー符号化部１１０および逆量子化部１１２に出力する。
　所定の走査順序は、変換係数の量子化／逆量子化のための順序である。例えば、所定の走査順序は、周波数の昇順（低周波から高周波の順）または降順（高周波から低周波の順）で定義される。
　量子化パラメータ（ＱＰ）とは、量子化ステップ（量子化幅）を定義するパラメータである。例えば、量子化パラメータの値が増加すれば量子化ステップも増加する。つまり、量子化パラメータの値が増加すれば量子化係数の誤差（量子化誤差）が増大する。
　また、量子化には、量子化マトリックスが使用される場合がある。例えば、４ｘ４および８ｘ８などの周波数変換サイズと、イントラ予測およびインター予測などの予測モードと、輝度および色差などの画素成分とに対応して数種類の量子化マトリックスが使われる場合がある。なお、量子化とは、予め定められた間隔でサンプリングした値を予め定められたレベルに対応づけてデジタル化することをいい、この技術分野では、丸め、ラウンディング、またはスケーリングといった表現が用いられる場合もある。
　量子化マトリックスを使用する方法として、符号化装置１００側で直接設定された量子化マトリックスを使用する方法と、デフォルトの量子化マトリックス（デフォルトマトリックス）を使用する方法とがある。符号化装置１００側では、量子化マトリックスを直接設定することにより、画像の特徴に応じた量子化マトリックスを設定することができる。しかし、この場合、量子化マトリックスの符号化によって、符号量が増加するというデメリットがある。なお、デフォルトの量子化マトリックスまたは符号化された量子化マトリックスをそのまま用いるのではなく、デフォルトの量子化マトリックスまたは符号化された量子化マトリックスに基づいてカレントブロックの量子化に用いる量子化マトリックスを生成してもよい。
　一方、量子化マトリックスを使用せず、高域成分の係数も低域成分の係数も同じように量子化する方法もある。なお、この方法は、係数が全て同じ値である量子化マトリックス（フラットなマトリックス）を用いる方法に等しい。
　量子化マトリックスは、例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで符号化されてもよい。
　量子化部１０８は、量子化マトリックスを用いる場合には、例えば、変換係数毎に、量子化パラメータなどから求まる量子化幅などを、量子化マトリックスの値を用いてスケーリングする。量子化マトリックスを用いずに行う量子化処理とは、量子化パラメータなどから求まる量子化幅に基づいて変換係数を量子化する処理であってもよい。なお、量子化マトリックスを用いずに行う量子化処理において、量子化幅に対して、ブロック内の全変換係数に対して共通となる所定の値を乗算してもよい。
　図１８は、量子化部１０８の構成の一例を示すブロック図である。
　量子化部１０８は、例えば、差分量子化パラメータ生成部１０８ａと、予測量子化パラメータ生成部１０８ｂと、量子化パラメータ生成部１０８ｃと、量子化パラメータ記憶部１０８ｄと、量子化処理部１０８ｅとを備える。
　図１９は、量子化部１０８による量子化の一例を示すフローチャートである。
　一例として、量子化部１０８は、図１９に示すフローチャートに基づいてＣＵごとに量子化を実施してもよい。具体的には、量子化パラメータ生成部１０８ｃは、量子化を行うか否かを判定する（ステップＳｖ＿１）。ここで、量子化を行うと判定すると（ステップＳｖ＿１のＹｅｓ）、量子化パラメータ生成部１０８ｃは、カレントブロックの量子化パラメータを生成し（ステップＳｖ＿２）、その量子化パラメータを量子化パラメータ記憶部１０８ｄに格納する（ステップＳｖ＿３）。
　次に、量子化処理部１０８ｅは、ステップＳｖ＿２で生成された量子化パラメータを用いてカレントブロックの変換係数を量子化する（ステップＳｖ＿４）。そして、予測量子化パラメータ生成部１０８ｂは、カレントブロックとは異なる処理単位の量子化パラメータを量子化パラメータ記憶部１０８ｄから取得する（ステップＳｖ＿５）。予測量子化パラメータ生成部１０８ｂは、その取得した量子化パラメータに基づいて、カレントブロックの予測量子化パラメータを生成する（ステップＳｖ＿６）。差分量子化パラメータ生成部１０８ａは、量子化パラメータ生成部１０８ｃによって生成された、カレントブロックの量子化パラメータと、予測量子化パラメータ生成部１０８ｂによって生成された、カレントブロックの予測量子化パラメータとの差分を算出する（ステップＳｖ＿７）。この差分の算出によって、差分量子化パラメータが生成される。差分量子化パラメータ生成部１０８ａは、その差分量子化パラメータをエントロピー符号化部１１０に出力することによって、その差分量子化パラメータを符号化させる（ステップＳｖ＿８）。
　なお、差分量子化パラメータは、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで符号化されてもよい。また、量子化パラメータの初期値を、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで符号化してもよい。このとき、量子化パラメータは量子化パラメータの初期値と差分量子化パラメータとを用いて生成されてもよい。
　なお、量子化部１０８は、複数の量子化器を備えていてもよく、複数の量子化方法から選択した量子化方法を用いて変換係数を量子化するｄｅｐｅｎｄｅｎｔ　ｑｕａｎｔｉｚａｔｉｏｎを適用してもよい。
　［エントロピー符号化部］
　図２０は、エントロピー符号化部１１０の構成の一例を示すブロック図である。
　エントロピー符号化部１１０は、量子化部１０８から入力された量子化係数と、予測パラメータ生成部１３０から入力された予測パラメータとに対してエントロピー符号化を行うことによってストリームを生成する。そのエントロピー符号化には、例えば、ＣＡＢＡＣ（Ｃｏｎｔｅｘｔ－ｂａｓｅｄ　Ａｄａｐｔｉｖｅ　Ｂｉｎａｒｙ　Ａｒｉｔｈｍｅｔｉｃ　Ｃｏｄｉｎｇ）が用いられる。具体的には、エントロピー符号化部１１０は、例えば、二値化部１１０ａと、コンテキスト制御部１１０ｂと、二値算術符号化部１１０ｃとを備える。二値化部１１０ａは、量子化係数および予測パラメータなどの多値信号を二値信号に変換する二値化を行う。二値化の方式には、例えば、Ｔｒｕｎｃａｔｅｄ　Ｒｉｃｅ　Ｂｉｎａｒｉｚａｔｉｏｎ、Ｅｘｐｏｎｅｎｔｉａｌ　Ｇｏｌｏｍｂ　ｃｏｄｅｓ、Ｆｉｘｅｄ　Ｌｅｎｇｔｈ　Ｂｉｎａｒｉｚａｔｉｏｎなどがある。コンテキスト制御部１１０ｂは、シンタックス要素の特徴または周囲の状況に応じたコンテキスト値、すなわち二値信号の発生確率を導出する。このコンテキスト値の導出方法には、例えば、バイパス、シンタックス要素参照、上・左隣接ブロック参照、階層情報参照、および、その他などがある。二値算術符号化部１１０ｃは、その導出されたコンテキスト値を用いて二値化信号に対して算術符号化を行う。
　図２１は、エントロピー符号化部１１０におけるＣＡＢＡＣの流れを示す図である。
　まず、エントロピー符号化部１１０におけるＣＡＢＡＣでは、初期化が行われる。この初期化では、二値算術符号化部１１０ｃにおける初期化と、初期コンテキスト値の設定とが行われる。そして、二値化部１１０ａおよび二値算術符号化部１１０ｃは、例えばＣＴＵの複数の量子化係数のそれぞれに対して順に、二値化と算術符号化とを実行する。このとき、コンテキスト制御部１１０ｂは、算術符号化が行われるたびにコンテキスト値の更新を行う。そして、コンテキスト制御部１１０ｂは、後処理として、コンテキスト値を退避させる。この退避されたコンテキスト値は、例えば次のＣＴＵに対するコンテキスト値の初期値のために用いられる。
　［逆量子化部］
　逆量子化部１１２は、量子化部１０８から入力された量子化係数を逆量子化する。具体的には、逆量子化部１１２は、カレントブロックの量子化係数を所定の走査順序で逆量子化する。そして、逆量子化部１１２は、カレントブロックの逆量子化された変換係数を逆変換部１１４に出力する。
　［逆変換部］
　逆変換部１１４は、逆量子化部１１２から入力された変換係数を逆変換することにより予測残差を復元する。具体的には、逆変換部１１４は、変換係数に対して、変換部１０６による変換に対応する逆変換を行うことにより、カレントブロックの予測残差を復元する。そして、逆変換部１１４は、復元された予測残差を加算部１１６に出力する。
　なお、復元された予測残差は、通常、量子化により情報が失われているので、減算部１０４が算出した予測誤差と一致しない。すなわち、復元された予測残差には、通常、量子化誤差が含まれている。
　［加算部］
　加算部１１６は、逆変換部１１４から入力された予測残差と予測制御部１２８から入力された予測画像とを加算することによりカレントブロックを再構成する。その結果、再構成画像が生成される。そして、加算部１１６は、再構成画像をブロックメモリ１１８およびループフィルタ部１２０に出力する。
　［ブロックメモリ］
　ブロックメモリ１１８は、例えば、イントラ予測で参照されるブロックであってカレントピクチャ内のブロックを格納するための記憶部である。具体的には、ブロックメモリ１１８は、加算部１１６から出力された再構成画像を格納する。
　［フレームメモリ］
　フレームメモリ１２２は、例えば、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ１２２は、ループフィルタ部１２０によってフィルタされた再構成画像を格納する。
　［ループフィルタ部］
　ループフィルタ部１２０は、加算部１１６から出力される再構成画像にループフィルタ処理を施し、そのフィルタ処理された再構成画像をフレームメモリ１２２に出力する。ループフィルタとは、符号化ループ内で用いられるフィルタ（インループフィルタ）であり、例えば、アダプティブループフィルタ（ＡＬＦ）、デブロッキング・フィルタ（ＤＦまたはＤＢＦ）、およびサンプルアダプティブオフセット（ＳＡＯ）などを含む。
　図２２は、ループフィルタ部１２０の構成の一例を示すブロック図である。
　ループフィルタ部１２０は、例えば図２２に示すように、デブロッキング・フィルタ処理部１２０ａと、ＳＡＯ処理部１２０ｂと、ＡＬＦ処理部１２０ｃとを備える。デブロッキング・フィルタ処理部１２０ａは、再構成画像に対して上述のデブロッキング・フィルタ処理を施す。ＳＡＯ処理部１２０ｂは、デブロッキング・フィルタ処理後の再構成画像に対して上述のＳＡＯ処理を施す。また、ＡＬＦ処理部１２０ｃは、ＳＡＯ処理後の再構成画像に対して上述のＡＬＦ処理を適用する。ＡＬＦおよびデブロッキング・フィルタの詳細については、後述する。ＳＡＯ処理は、リンギング（エッジ周辺で画素値が波打つように歪む現象）の低減と、画素値のずれの補正とによって、画質を改善する処理である。このＳＡＯ処理には、例えば、エッジ・オフセット処理およびバンド・オフセット処理などがある。なお、ループフィルタ部１２０は、図２２に開示した全ての処理部を備えていなくてもよく、一部の処理部のみを備えていてもよい。また、ループフィルタ部１２０は、図２２に開示した処理順とは異なる順番で上述の各処理を行う構成であってもよい。
　［ループフィルタ部　＞　アダプティブループフィルタ］
　ＡＬＦでは、符号化歪みを除去するための最小二乗誤差フィルタが適用され、例えばカレントブロック内の２ｘ２画素のサブブロックごとに、局所的な勾配（ｇｒａｄｉｅｎｔ）の方向および活性度（ａｃｔｉｖｉｔｙ）に基づいて複数のフィルタの中から選択された１つのフィルタが適用される。
　具体的には、まず、サブブロック（例えば２ｘ２画素のサブブロック）が複数のクラス（例えば１５または２５クラス）に分類される。サブブロックの分類は、例えば、勾配の方向および活性度に基づいて行われる。具体的な例では、勾配の方向値Ｄ（例えば０～２または０～４）と勾配の活性値Ａ（例えば０～４）とを用いて分類値Ｃ（例えばＣ＝５Ｄ＋Ａ）が算出される。そして、分類値Ｃに基づいて、サブブロックが複数のクラスに分類される。
　勾配の方向値Ｄは、例えば、複数の方向（例えば水平、垂直および２つの対角方向）の勾配を比較することにより導出される。また、勾配の活性値Ａは、例えば、複数の方向の勾配を加算し、加算結果を量子化することにより導出される。
　このような分類の結果に基づいて、複数のフィルタの中からサブブロックのためのフィルタが決定される。
　ＡＬＦで用いられるフィルタの形状としては例えば円対称形状が利用される。図２３Ａ～図２３Ｃは、ＡＬＦで用いられるフィルタの形状の複数の例を示す図である。図２３Ａは、５ｘ５ダイヤモンド形状フィルタを示し、図２３Ｂは、７ｘ７ダイヤモンド形状フィルタを示し、図２３Ｃは、９ｘ９ダイヤモンド形状フィルタを示す。フィルタの形状を示す情報は、通常、ピクチャレベルで信号化される。なお、フィルタの形状を示す情報の信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはＣＵレベル）であってもよい。
　ＡＬＦのオン／オフは、例えば、ピクチャレベルまたはＣＵレベルで決定されてもよい。例えば、輝度についてはＣＵレベルでＡＬＦを適用するか否かが決定されてもよく、色差についてはピクチャレベルでＡＬＦを適用するか否かが決定されてもよい。ＡＬＦのオン／オフを示す情報は、通常、ピクチャレベルまたはＣＵレベルで信号化される。なお、ＡＬＦのオン／オフを示す情報の信号化は、ピクチャレベルまたはＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、ブリックレベルまたはＣＴＵレベル）であってもよい。
　また、上述のように、複数のフィルタの中から１つのフィルタが選択されてサブブロックにＡＬＦ処理が施される。その複数のフィルタ（例えば１５または２５までのフィルタ）のそれぞれについて、そのフィルタに用いられる複数の係数からなる係数セットは、通常、ピクチャレベルで信号化される。なお、係数セットの信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、ブリックレベル、ＣＴＵレベル、ＣＵレベルまたはサブブロックレベル）であってもよい。
　［ループフィルタ　＞　クロスコンポーネントアダプティブループフィルタ（Ｃｒｏｓｓ　Ｃｏｍｐｏｎｅｎｔ　Ａｄａｐｔｉｖｅ　Ｌｏｏｐ　Ｆｉｌｔｅｒ）］
　図２３Ｄは、Ｙサンプル（第１成分）がＣｂのＣＣＡＬＦおよびＣｒのＣＣＡＬＦ（第１成分とは異なる複数の成分）に使用される例を示す図である。図２３Ｅは、ダイヤモンド形状フィルタを示す図である。
　ＣＣ－ＡＬＦの１つの例は、線形のダイヤモンド形フィルタ（図２３Ｄ、図２３Ｅ）を各色差コンポーネントの輝度チャネルに適用することによって動作する。例えば、フィルタ係数はＡＰＳで送信され、２＾１０のファクターでスケーリングされ、固定小数点表現のために丸められる。フィルタの適用は、可変ブロックサイズで制御され、サンプルのブロックごとに受信されるコンテキスト符号化済みのフラグで通知される。ブロックサイズとＣＣ－ＡＬＦ有効化フラグは、各色差コンポーネントのスライスレベルで受信される。ＣＣ－ＡＬＦのシンタックスとセマンティクスは、Ａｐｐｅｎｄｉｘにおいて提供される。寄書では、（色差サンプルにおいて）１６ｘ１６、３２ｘ３２、６４ｘ６４、１２８ｘ１２８のブロックサイズがサポートされている。
　［ループフィルタ　＞　結合色差クロスコンポーネントアダプティブループフィルタ（Ｊｏｉｎｔ　Ｃｈｒｏｍａ　Ｃｒｏｓｓ　Ｃｏｍｐｏｎｅｎｔ　Ａｄａｐｔｉｖｅ　Ｌｏｏｐ　Ｆｉｌｔｅｒ）］
　図２３Ｆは、ＪＣ－ＣＣＡＬＦの例を示す図である。図２３Ｇは、ＪＣ－ＣＣＡＬＦのｗｅｉｇｈｔ＿ｉｎｄｅｘ候補の例を示す図である。
　ＪＣ－ＣＣＡＬＦの１つの例は、１つのＣＣＡＬＦフィルタのみを使用して、１つの色成分のみの色差調整信号として１つのＣＣＡＬＦフィルタ出力を生成し、同じ色差調整信号の適切に重み付けされたバージョンを他の色成分に適用する。このようにして、既存のＣＣＡＬＦの複雑さがおおよそ半分になる。
　重み値は、符号（ｓｉｇｎ）フラグ及び重みインデックスへ符号化される。重みインデックス（ｗｅｉｇｈｔ＿ｉｎｄｅｘと示す）は、３ビットに符号化され、ＪＣ－ＣＣＡＬＦウェイトＪｃＣｃＷｅｉｇｈｔの大きさを指定する。０と同じにすることはできない。ＪｃＣｃＷｅｉｇｈｔの大きさは次のように決定される。
　・ｗｅｉｇｈｔ＿ｉｎｄｅｘが４以下の場合、ＪｃＣｃＷｅｉｇｈｔはｗｅｉｇｈｔ＿ｉｎｄｅｘ＞＞２と等しい。
　・それ以外の場合、ＪｃＣｃＷｅｉｇｈｔは４／（ｗｅｉｇｈｔ＿ｉｎｄｅｘ－４）に等しい。
　Ｃｂ及びＣｒのＡＬＦフィルタリングのブロックレベルのオン／オフ制御は別々である。これは、ＣＣＡＬＦと同じであり、ブロックレベルのオン／オフ制御フラグの２つの個別のセットが符号化される。ここでは、ＣＣＡＬＦとは異なり、Ｃｂ、Ｃｒのオン／オフ制御ブロックサイズは同じであるため、１つのブロックサイズ変数のみが符号化される。
　［ループフィルタ部　＞　デブロッキング・フィルタ］
　デブロッキング・フィルタ処理では、ループフィルタ部１２０は、再構成画像のブロック境界にフィルタ処理を行うことによって、そのブロック境界に生じる歪みを減少させる。
　図２４は、デブロッキング・フィルタ処理部１２０ａの詳細な構成の一例を示すブロック図である。
　デブロッキング・フィルタ処理部１２０ａは、例えば、境界判定部１２０１と、フィルタ判定部１２０３と、フィルタ処理部１２０５と、処理判定部１２０８と、フィルタ特性決定部１２０７と、スイッチ１２０２、１２０４および１２０６とを備える。
　境界判定部１２０１は、デブロッキング・フィルタ処理される画素（すなわち対象画素）がブロック境界付近に存在しているか否かを判定する。そして、境界判定部１２０１は、その判定結果をスイッチ１２０２および処理判定部１２０８に出力する。
　スイッチ１２０２は、対象画素がブロック境界付近に存在していると境界判定部１２０１によって判定された場合には、フィルタ処理前の画像を、スイッチ１２０４に出力する。逆に、スイッチ１２０２は、境界判定部１２０１によって対象画素がブロック境界付近に存在していないと判定された場合には、フィルタ処理前の画像をスイッチ１２０６に出力する。なお、フィルタ処理前の画像は、対象画素と、その対象画素の周辺にある少なくとも１つの周辺画素からなる画像である。
　フィルタ判定部１２０３は、対象画素の周辺にある少なくとも１つの周辺画素の画素値に基づいて、対象画素に対してデブロッキング・フィルタ処理を行うか否かを判定する。そして、フィルタ判定部１２０３は、その判定結果をスイッチ１２０４および処理判定部１２０８に出力する。
　スイッチ１２０４は、対象画素にデブロッキング・フィルタ処理を行うとフィルタ判定部１２０３によって判定された場合には、スイッチ１２０２を介して取得したフィルタ処理前の画像を、フィルタ処理部１２０５に出力する。逆に、スイッチ１２０４は、対象画素にデブロッキング・フィルタ処理を行わないとフィルタ判定部１２０３によって判定された場合には、スイッチ１２０２を介して取得したフィルタ処理前の画像をスイッチ１２０６に出力する。
　フィルタ処理部１２０５は、スイッチ１２０２および１２０４を介してフィルタ処理前の画像を取得した場合には、フィルタ特性決定部１２０７によって決定されたフィルタ特性を有するデブロッキング・フィルタ処理を、対象画素に対して実行する。そして、フィルタ処理部１２０５は、そのフィルタ処理後の画素をスイッチ１２０６に出力する。
　スイッチ１２０６は、処理判定部１２０８による制御に応じて、デブロッキング・フィルタ処理されていない画素と、フィルタ処理部１２０５によってデブロッキング・フィルタ処理された画素とを選択的に出力する。
　処理判定部１２０８は、境界判定部１２０１およびフィルタ判定部１２０３のそれぞれの判定結果に基づいて、スイッチ１２０６を制御する。つまり、処理判定部１２０８は、対象画素がブロック境界付近に存在していると境界判定部１２０１によって判定され、かつ、対象画素にデブロッキング・フィルタ処理を行うとフィルタ判定部１２０３によって判定された場合には、デブロッキング・フィルタ処理された画素をスイッチ１２０６から出力させる。また、上述の場合以外では、処理判定部１２０８は、デブロッキング・フィルタ処理されていない画素をスイッチ１２０６から出力させる。このような画素の出力が繰り返し行われることによって、フィルタ処理後の画像がスイッチ１２０６から出力される。なお、図２４に示す構成は、デブロッキング・フィルタ処理部１２０ａにおける構成の一例であって、デブロッキング・フィルタ処理部１２０ａは、その他の構成を有していてもよい。
　図２５は、ブロック境界に対して対称なフィルタ特性を有するデブロッキング・フィルタの例を示す図である。
　デブロッキング・フィルタ処理では、例えば、画素値と量子化パラメータを用いて、特性の異なる２つのデブロッキング・フィルタ、すなわちストロングフィルタおよびウィークフィルタのうちの何れか１つが選択される。ストロングフィルタでは、図２５に示すように、ブロック境界を挟んで画素ｐ０～ｐ２と、画素ｑ０～ｑ２とが存在する場合、画素ｑ０～ｑ２のそれぞれの画素値は、以下の式に示す演算を行うことによって、画素値ｑ’０～ｑ’２に変更される。
　　ｑ’０＝（ｐ１＋２×ｐ０＋２×ｑ０＋２×ｑ１＋ｑ２＋４）／８
　　ｑ’１＝（ｐ０＋ｑ０＋ｑ１＋ｑ２＋２）／４
　　ｑ’２＝（ｐ０＋ｑ０＋ｑ１＋３×ｑ２＋２×ｑ３＋４）／８
　なお、上述の式において、ｐ０～ｐ２およびｑ０～ｑ２は、画素ｐ０～ｐ２および画素ｑ０～ｑ２のそれぞれの画素値である。また、ｑ３は、画素ｑ２にブロック境界と反対側に隣接する画素ｑ３の画素値である。また、上述の各式の右辺において、デブロッキング・フィルタ処理に用いられる各画素の画素値に乗算される係数が、フィルタ係数である。
　さらに、デブロッキング・フィルタ処理では、演算後の画素値が閾値を超えて変化しないように、クリップ処理が行われてもよい。このクリップ処理では、上述の式による演算後の画素値は、量子化パラメータから決定される閾値を用いて、「演算前の画素値±２×閾値」にクリップされる。これにより、過度な平滑化を防ぐことができる。
　図２６は、デブロッキング・フィルタ処理が行われるブロック境界の一例を説明するための図である。図２７は、ＢＳ値の一例を示す図である。
　デブロッキング・フィルタ処理が行われるブロック境界は、例えば、図２６で示すような８×８画素のブロックのＣＵ、ＰＵまたはＴＵの境界である。デブロッキング・フィルタ処理は、例えば、４行または４列を単位に行われる。まず、図２６に示すブロックＰおよびブロックＱに対して、図２７のようにＢｓ（Ｂｏｕｎｄａｒｙ　Ｓｔｒｅｎｇｔｈ）値が決定される。
　図２７のＢｓ値にしたがい、同一の画像に属するブロック境界であっても、異なる強さのデブロッキング・フィルタ処理を行うか否かが決定されてもよい。色差信号に対するデブロッキング・フィルタ処理は、Ｂｓ値が２の場合に行われる。輝度信号に対するデブロッキング・フィルタ処理は、Ｂｓ値が１以上であって、所定の条件が満たされた場合に行われる。なお、Ｂｓ値の判定条件は図２７に示したものに限定されず、他のパラメータに基づいて決定されてもよい。
　［予測部（イントラ予測部・インター予測部・予測制御部）］
　図２８は、符号化装置１００の予測部で行われる処理の一例を示すフローチャートである。なお、一例として予測部は、イントラ予測部１２４、インター予測部１２６、および予測制御部１２８の全てまたは一部の構成要素からなる。予測処理部は、例えばイントラ予測部１２４およびインター予測部１２６を含む。
　予測部は、カレントブロックの予測画像を生成する（ステップＳｂ＿１）。なお、予測画像には、例えばイントラ予測画像（イントラ予測信号）またはインター予測画像（インター予測信号）がある。具体的には、予測部は、他のブロックに対する予測画像の生成、予測残差の生成、量子化係数の生成、予測残差の復元、および予測画像の加算が行われることによって既に得られている再構成画像を用いて、カレントブロックの予測画像を生成する。
　再構成画像は、例えば、参照ピクチャの画像であってもよいし、カレントブロックを含むピクチャであるカレントピクチャ内の符号化済みのブロック（すなわち、上述の他のブロック）の画像であってもよい。カレントピクチャ内の符号化済みのブロックは、例えばカレントブロックの隣接ブロックである。
　図２９は、符号化装置１００の予測部で行われる処理の他の例を示すフローチャートである。
　予測部は、第１の方式で予測画像を生成し（ステップＳｃ＿１ａ）、第２の方式で予測画像を生成し（ステップＳｃ＿１ｂ）、第３の方式で予測画像を生成する（ステップＳｃ＿１ｃ）。第１の方式、第２の方式、および第３の方式は、予測画像を生成するための互いに異なる方式であって、それぞれ例えば、インター予測方式、イントラ予測方式、および、それら以外の予測方式であってもよい。これらの予測方式では、上述の再構成画像を用いてもよい。
　次に、予測部は、ステップＳｃ＿１ａ、Ｓｃ＿１ｂ、およびＳｃ＿１ｃのそれぞれで生成された予測画像を評価する（ステップＳｃ＿２）。例えば、予測部は、ステップＳｃ＿１ａ、Ｓｃ＿１ｂ、およびＳｃ＿１ｃのそれぞれで生成された予測画像に対してコストＣを算出し、それらの予測画像のコストＣを比較することによって、それらの予測画像を評価する。なお、コストＣは、Ｒ－Ｄ最適化モデルの式、例えば、Ｃ＝Ｄ＋λ×Ｒによって算出される。この式において、Ｄは、予測画像の符号化歪であって、例えば、カレントブロックの画素値と予測画像の画素値との差分絶対値和などによって表される。また、Ｒは、ストリームのビットレートである。また、λは、例えばラグランジュの未定乗数である。
　次に、予測部は、ステップＳｃ＿１ａ、Ｓｃ＿１ｂ、およびＳｃ＿１ｃのそれぞれで生成された予測画像のうちの何れか１つを選択する（ステップＳｃ＿３）。つまり、予測部は、最終的な予測画像を得るための方式またはモードを選択する。例えば、予測部は、それらの予測画像に対して算出されたコストＣに基づき、最も小さいコストＣの予測画像を選択する。または、ステップＳｃ＿２の評価およびステップＳｃ＿３における予測画像の選択は、符号化の処理に用いられるパラメータに基づいて行われてもよい。符号化装置１００は、その選択された予測画像、方式またはモードを特定するための情報をストリームに信号化してもよい。その情報は、例えばフラグなどであってもよい。これにより、復号装置２００は、その情報に基づいて、符号化装置１００において選択された方式またはモードにしたがって予測画像を生成することができる。なお、図２９に示す例では、予測部は、各方式で予測画像を生成した後に、何れかの予測画像を選択する。しかし、予測部は、それらの予測画像を生成する前に、上述の符号化の処理に用いられるパラメータに基づいて、方式またはモードを選択し、その方式またはモードにしたがって予測画像を生成してもよい。
　例えば、第１の方式および第２の方式は、それぞれイントラ予測およびインター予測であって、予測部は、これらの予測方式にしたがって生成される予測画像から、カレントブロックに対する最終的な予測画像を選択してもよい。
　図３０は、符号化装置１００の予測部で行われる処理の他の例を示すフローチャートである。
　まず、予測部は、イントラ予測によって予測画像を生成し（ステップＳｄ＿１ａ）、インター予測によって予測画像を生成する（ステップＳｄ＿１ｂ）。なお、イントラ予測によって生成された予測画像を、イントラ予測画像ともいい、インター予測によって生成された予測画像を、インター予測画像ともいう。
　次に、予測部は、イントラ予測画像およびインター予測画像のそれぞれを評価する（ステップＳｄ＿２）。この評価には、上述のコストＣが用いられてもよい。そして、予測部は、イントラ予測画像およびインター予測画像から、最も小さいコストＣが算出された予測画像を、カレントブロックの最終的な予測画像として選択してもよい（ステップＳｄ＿３）。つまり、カレントブロックの予測画像を生成するための予測方式またはモードが選択される。
　［イントラ予測部］
　イントラ予測部１２４は、ブロックメモリ１１８に格納されたカレントピクチャ内のブロックを参照してカレントブロックのイントラ予測（画面内予測ともいう）を行うことで、カレントブロックの予測画像（すなわちイントラ予測画像）を生成する。具体的には、イントラ予測部１２４は、カレントブロックに隣接するブロックの画素値（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測画像を生成し、イントラ予測画像を予測制御部１２８に出力する。
　例えば、イントラ予測部１２４は、予め規定された複数のイントラ予測モードのうちの１つを用いてイントラ予測を行う。複数のイントラ予測モードは、通常、１つ以上の非方向性予測モードと、複数の方向性予測モードと、を含む。
　１つ以上の非方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定されたＰｌａｎａｒ予測モードおよびＤＣ予測モードを含む。
　複数の方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定された３３方向の予測モードを含む。なお、複数の方向性予測モードは、３３方向に加えてさらに３２方向の予測モード（合計で６５個の方向性予測モード）を含んでもよい。図３１は、イントラ予測における全６７個のイントラ予測モード（２個の非方向性予測モードおよび６５個の方向性予測モード）を示す図である。実線矢印は、Ｈ．２６５／ＨＥＶＣ規格で規定された３３方向を表し、破線矢印は、追加された３２方向を表す（２個の非方向性予測モードは図３１には図示されていない）。
　種々の実装例では、色差ブロックのイントラ予測において、輝度ブロックが参照されてもよい。つまり、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分が予測されてもよい。このようなイントラ予測は、ＣＣＬＭ（ｃｒｏｓｓ－ｃｏｍｐｏｎｅｎｔ　ｌｉｎｅａｒ　ｍｏｄｅｌ）予測と呼ばれることがある。このような輝度ブロックを参照する色差ブロックのイントラ予測モード（例えばＣＣＬＭモードと呼ばれる）は、色差ブロックのイントラ予測モードの１つとして加えられてもよい。
　イントラ予測部１２４は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正してもよい。このような補正をともなうイントラ予測は、ＰＤＰＣ（ｐｏｓｉｔｉｏｎ　ｄｅｐｅｎｄｅｎｔ　ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ　ｃｏｍｂｉｎａｔｉｏｎ）と呼ばれることがある。ＰＤＰＣの適用の有無を示す情報（例えばＰＤＰＣフラグと呼ばれる）は、通常、ＣＵレベルで信号化される。なお、この情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベル）であってもよい。
　図３２は、イントラ予測部１２４による処理の一例を示すフローチャートである。
　イントラ予測部１２４は、複数のイントラ予測モードから１つのイントラ予測モードを選択する（ステップＳｗ＿１）。そして、イントラ予測部１２４は、選択したイントラ予測モードにしたがって予測画像を生成する（ステップＳｗ＿２）。次に、イントラ予測部１２４は、ＭＰＭ（Ｍｏｓｔ　Ｐｒｏｂａｂｌｅ　Ｍｏｄｅｓ）を決定する（ステップＳｗ＿３）。ＭＰＭは、例えば６つのイントラ予測モードからなる。その６つのイントラ予測モードのうちの２つのモードは、Ｐｌａｎａｒ予測モードおよびＤＣ予測モードであってもよく、残りの４つのモードは、方向性予測モードであってもよい。そして、イントラ予測部１２４は、ステップＳｗ＿１で選択したイントラ予測モードがＭＰＭに含まれるか否かを判定する（ステップＳｗ＿４）。
　ここで、選択したイントラ予測モードがＭＰＭに含まれると判定すると（ステップＳｗ＿４のＹｅｓ）、イントラ予測部１２４は、ＭＰＭフラグを１に設定し（ステップＳｗ＿５）、ＭＰＭのうち、選択したイントラ予測モードを示す情報を生成する（ステップＳｗ＿６）。なお、１に設定されたＭＰＭフラグと、そのイントラ予測モードを示す情報とはそれぞれ、予測パラメータとしてエントロピー符号化部１１０によって符号化される。
　一方、選択したイントラ予測モードがＭＰＭに含まれないと判定すると（ステップＳｗ＿４のＮｏ）、イントラ予測部１２４は、ＭＰＭフラグを０に設定する（ステップＳｗ＿７）。または、イントラ予測部１２４は、ＭＰＭフラグを設定しない。そして、イントラ予測部１２４は、ＭＰＭに含まれない１つ以上のイントラ予測モードのうち、選択したイントラ予測モードを示す情報を生成する（ステップＳｗ＿８）。なお、０に設定されたＭＰＭフラグと、そのイントラ予測モードを示す情報とはそれぞれ、予測パラメータとしてエントロピー符号化部１１０によって符号化される。そのイントラ予測モードを示す情報は、例えば０～６０のうちの何れかの値を示す。
　［インター予測部］
　インター予測部１２６は、フレームメモリ１２２に格納された参照ピクチャであってカレントピクチャとは異なる参照ピクチャを参照してカレントブロックのインター予測（画面間予測ともいう）を行うことで、予測画像（インター予測画像）を生成する。インター予測は、カレントブロックまたはカレントブロック内のカレントサブブロックの単位で行われる。サブブロックはブロックに含まれていて、ブロックより小さい単位である。サブブロックのサイズは、４ｘ４画素であっても、８ｘ８画素であっても、それ以外のサイズであってもよい。サブブロックのサイズは、スライス、ブリック、またはピクチャなどの単位で切り替えられてもよい。
　例えば、インター予測部１２６は、カレントブロックまたはカレントサブブロックについて参照ピクチャ内で動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）を行い、そのカレントブロックまたはカレントサブブロックに最も一致する参照ブロックまたはサブブロックを見つける。そして、インター予測部１２６は、参照ブロックまたはサブブロックからカレントブロックまたはサブブロックへの動きまたは変化を補償する動き情報（例えば動きベクトル）を取得する。インター予測部１２６は、その動き情報に基づいて、動き補償（または動き予測）を行い、カレントブロックまたはサブブロックのインター予測画像を生成する。インター予測部１２６は、生成されたインター予測画像を予測制御部１２８に出力する。
　動き補償に用いられた動き情報は、多様な形態でインター予測画像として信号化されてもよい。例えば、動きベクトルが信号化されてもよい。他の例として、動きベクトルと予測動きベクトル（ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｐｒｅｄｉｃｔｏｒ）との差分が信号化されてもよい。
　［参照ピクチャリスト］
　図３３は、各参照ピクチャの一例を示す図であり、図３４は、参照ピクチャリストの一例を示す概念図である。参照ピクチャリストは、フレームメモリ１２２に記憶されている１つ以上の参照ピクチャを示すリストである。なお、図３３において、矩形はピクチャを示し、矢印はピクチャの参照関係を示し、横軸は時間を示し、矩形中のＩ、ＰおよびＢは各々、イントラ予測ピクチャ、単予測ピクチャおよび双予測ピクチャを示し、矩形中の数字は復号順を示す。図３３に示すように、各ピクチャの復号順は、Ｉ０、Ｐ１、Ｂ２、Ｂ３、Ｂ４であり、各ピクチャの表示順は、Ｉ０、Ｂ３、Ｂ２、Ｂ４、Ｐ１である。図３４に示すように、参照ピクチャリストは、参照ピクチャの候補を表すリストであり、例えば１つのピクチャ（またはスライス）が１つ以上の参照ピクチャリストを有してもよい。例えば、カレントピクチャが、単予測ピクチャであれば１つの参照ピクチャリストを用い、カレントピクチャが双予測ピクチャであれば２つの参照ピクチャリストを用いる。図３３および図３４の例では、カレントピクチャｃｕｒｒＰｉｃであるピクチャＢ３は、Ｌ０リストおよびＬ１リストの２つの参照ピクチャリストを持つ。カレントピクチャｃｕｒｒＰｉｃがピクチャＢ３の場合、そのカレントピクチャｃｕｒｒＰｉｃの参照ピクチャの候補は、Ｉ０、Ｐ１およびＢ２であり、各参照ピクチャリスト（すなわちＬ０リストおよびＬ１リスト）はこれらのピクチャを示す。インター予測部１２６または予測制御部１２８は、各参照ピクチャリスト中のどのピクチャを実際に参照するか否かを参照ピクチャインデックスｒｅｆＩｄｘＬｘによって指定する。図３４では、参照ピクチャインデックスｒｅｆＩｄｘＬ０およびｒｅｆＩｄｘＬ１により参照ピクチャＰ１およびＢ２が指定されている。
　このような参照ピクチャリストを、シーケンス単位、ピクチャ単位、スライス単位、ブリック単位、ＣＴＵ単位、またはＣＵ単位で生成してもよい。また、参照ピクチャリストに示される参照ピクチャのうち、インター予測において参照される参照ピクチャを示す参照ピクチャインデックスを、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベル、またはＣＵレベルで符号化してもよい。また、複数のインター予測モードにおいて、共通の参照ピクチャリストを用いてもよい。
　［インター予測の基本フロー］
　図３５は、インター予測の基本的な流れを示すフローチャートである。
　インター予測部１２６は、まず、予測画像を生成する（ステップＳｅ＿１～Ｓｅ＿３）。次に、減算部１０４は、カレントブロックと予測画像との差分を予測残差として生成する（ステップＳｅ＿４）。
　ここで、インター予測部１２６は、予測画像の生成では、例えば、カレントブロックの動きベクトル（ＭＶ）の決定（ステップＳｅ＿１およびＳｅ＿２）と、動き補償（ステップＳｅ＿３）とを行うことによって、その予測画像を生成する。また、インター予測部１２６は、ＭＶの決定では、例えば、候補動きベクトル（候補ＭＶ）の選択（ステップＳｅ＿１）と、ＭＶの導出（ステップＳｅ＿２）とを行うことによって、そのＭＶを決定する。候補ＭＶの選択は、例えば、インター予測部１２６が候補ＭＶリストを生成し、候補ＭＶリストから少なくとも１つの候補ＭＶを選択することによって行われる。なお、候補ＭＶリストには、過去に導出されたＭＶが候補ＭＶとして追加されてもよい。また、ＭＶの導出では、インター予測部１２６は、少なくとも１つの候補ＭＶから、さらに少なくとも１つの候補ＭＶを選択することによって、その選択された少なくとも１つの候補ＭＶを、カレントブロックのＭＶとして決定してもよい。あるいは、インター予測部１２６は、その選択された少なくとも１つの候補ＭＶのそれぞれについて、その候補ＭＶで指示される参照ピクチャの領域を探索することによって、カレントブロックのＭＶを決定してもよい。なお、この参照ピクチャの領域を探索することを、動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）と称してもよい。
　また、上述の例では、ステップＳｅ＿１～Ｓｅ＿３は、インター予測部１２６によって行われるが、例えばステップＳｅ＿１またはステップＳｅ＿２などの処理は、符号化装置１００に含まれる他の構成要素によって行われてもよい。
　なお、それぞれのインター予測モードにおける処理毎に候補ＭＶリストを作成してもよいし、複数のインター予測モードにおいて共通の候補ＭＶリストを用いてもよい。また、ステップＳｅ＿３およびＳｅ＿４の処理は、図９に示すステップＳａ＿３およびＳａ＿４の処理にそれぞれ相当する。また、ステップＳｅ＿３の処理は、図３０のステップＳｄ＿１ｂの処理に相当する。
　［ＭＶ導出のフロー］
　図３６は、ＭＶ導出の一例を示すフローチャートである。
　インター予測部１２６は、動き情報（例えばＭＶ）を符号化するモードで、カレントブロックのＭＶを導出してもよい。この場合、例えば動き情報が予測パラメータとして符号化されて、信号化されてもよい。つまり、符号化された動き情報がストリームに含まれる。
　あるいは、インター予測部１２６は、動き情報を符号化しないモードでＭＶを導出してもよい。この場合には、動き情報はストリームに含まれない。
　ここで、ＭＶ導出のモードには、後述のノーマルインターモード、ノーマルマージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、動き情報を符号化するモードには、ノーマルインターモード、ノーマルマージモード、およびアフィンモード（具体的には、アフィンインターモードおよびアフィンマージモード）などがある。なお、動き情報には、ＭＶだけでなく、後述の予測ＭＶ選択情報が含まれてもよい。また、動き情報を符号化しないモードには、ＦＲＵＣモードなどがある。インター予測部１２６は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　図３７は、ＭＶ導出の他の例を示すフローチャートである。
　インター予測部１２６は、差分ＭＶを符号化するモードで、カレントブロックのＭＶを導出してもよい。この場合、例えば差分ＭＶが予測パラメータとして符号化されて、信号化される。つまり、符号化された差分ＭＶがストリームに含まれる。この差分ＭＶは、カレントブロックのＭＶと、その予測ＭＶとの差である。なお、予測ＭＶは、予測動きベクトルである。
　あるいは、インター予測部１２６は、差分ＭＶを符号化しないモードでＭＶを導出してもよい。この場合には、符号化された差分ＭＶはストリームに含まれない。
　ここで、上述のようにＭＶの導出のモードには、後述のノーマルインター、ノーマルマージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、差分ＭＶを符号化するモードには、ノーマルインターモードおよびアフィンモード（具体的には、アフィンインターモード）などがある。また、差分ＭＶを符号化しないモードには、ＦＲＵＣモード、ノーマルマージモードおよびアフィンモード（具体的には、アフィンマージモード）などがある。インター予測部１２６は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　［ＭＶ導出のモード］
　図３８Ａおよび図３８Ｂは、ＭＶ導出の各モードの分類の一例を示す図である。例えば図３８Ａに示すように、動き情報を符号化するか否か、および、差分ＭＶを符号化するか否かに応じて、ＭＶ導出のモードは大きく３つのモードに分類される。３つのモードは、インターモード、マージモード、およびＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）モードである。インターモードは、動き探索を行うモードであって、動き情報および差分ＭＶを符号化するモードである。例えば図３８Ｂに示すように、インターモードは、アフィンインターモードおよびノーマルインターモードを含む。マージモードは、動き探索を行わないモードであって、周辺の符号化済みブロックからＭＶを選択し、そのＭＶを用いてカレントブロックのＭＶを導出するモードである。このマージモードは、基本的に、動き情報を符号化し、差分ＭＶを符号化しないモードである。例えば図３８Ｂに示すように、マージモードは、ノーマルマージモード（通常マージモードまたはレギュラーマージモードと呼ぶこともある）、ＭＭＶＤ（Ｍｅｒｇｅ　ｗｉｔｈ　Ｍｏｔｉｏｎ　Ｖｅｃｔｏｒ　Ｄｉｆｆｅｒｅｎｃｅ）モード、ＣＩＩＰ（Ｃｏｍｂｉｎｅｄ　ｉｎｔｅｒ　ｍｅｒｇｅ／ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ）モード、トライアングルモード、ＡＴＭＶＰモード、およびアフィンマージモードを含む。ここで、マージモードに含まれる各モードのうちのＭＭＶＤモードでは、例外的に、差分ＭＶが符号化される。なお、上述のアフィンマージモードおよびアフィンインターモードは、アフィンモードに含まれるモードである。アフィンモードは、アフィン変換を想定して、カレントブロックを構成する複数のサブブロックそれぞれのＭＶを、カレントブロックのＭＶとして導出するモードである。ＦＲＵＣモードは、符号化済み領域間で探索を行うことによって、カレントブロックのＭＶを導出するモードであって、動き情報および差分ＭＶの何れも符号化しないモードである。なお、これらの各モードの詳細については、後述する。
　なお、図３８Ａおよび図３８Ｂに示す各モードの分類は一例であって、この限りではない。例えば、ＣＩＩＰモードで差分ＭＶが符号化される場合には、そのＣＩＩＰモードはインターモードに分類される。
　［ＭＶ導出　＞　ノーマルインターモード］
　ノーマルインターモードは、候補ＭＶによって示される参照ピクチャの領域から、カレントブロックの画像に類似するブロックを見つけ出すことによって、カレントブロックのＭＶを導出するインター予測モードである。また、このノーマルインターモードでは、差分ＭＶが符号化される。
　図３９は、ノーマルインターモードによるインター予測の例を示すフローチャートである。
　インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｇ＿１）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　次に、インター予測部１２６は、ステップＳｇ＿１で取得された複数の候補ＭＶの中から、Ｎ個（Ｎは２以上の整数）の候補ＭＶのそれぞれを予測ＭＶ候補として、予め決められた優先順位に従って抽出する（ステップＳｇ＿２）。なお、その優先順位は、Ｎ個の候補ＭＶのそれぞれに対して予め定められている。
　次に、インター予測部１２６は、そのＮ個の予測ＭＶ候補の中から１つの予測ＭＶ候補を、カレントブロックの予測ＭＶとして選択する（ステップＳｇ＿３）。このとき、インター予測部１２６は、選択された予測ＭＶを識別するための予測ＭＶ選択情報をストリームに符号化する。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、予測ＭＶ選択情報を予測パラメータとしてエントロピー符号化部１１０に出力する。
　次に、インター予測部１２６は、符号化済み参照ピクチャを参照し、カレントブロックのＭＶを導出する（ステップＳｇ＿４）。このとき、インター予測部１２６は、さらに、その導出されたＭＶと予測ＭＶとの差分値を差分ＭＶとしてストリームに符号化する。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、差分ＭＶを予測パラメータとしてエントロピー符号化部１１０に出力する。なお、符号化済み参照ピクチャは、符号化後に再構成された複数のブロックからなるピクチャである。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｇ＿５）。ステップＳｇ＿１～Ｓｇ＿５の処理は、各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｇ＿１～Ｓｇ＿５の処理が実行されると、そのスライスに対するノーマルインターモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｇ＿１～Ｓｇ＿５の処理が実行されると、そのピクチャに対するノーマルインターモードを用いたインター予測が終了する。なお、ステップＳｇ＿１～Ｓｇ＿５の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するノーマルインターモードを用いたインター予測が終了してもよい。ステップＳｇ＿１～Ｓｇ＿５の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するノーマルインターモードを用いたインター予測が終了してもよい。
　なお、予測画像は、上述のインター予測信号である。また、符号化信号に含められる、予測画像の生成に用いられたインター予測モード（上述の例ではノーマルインターモード）を示す情報は、例えば予測パラメータとして符号化される。
　なお、候補ＭＶリストは、他のモードに用いられるリストと共通に用いられてもよい。また、候補ＭＶリストに関する処理を、他のモードに用いられるリストに関する処理に適用してもよい。この候補ＭＶリストに関する処理は、例えば、候補ＭＶリストからの候補ＭＶの抽出もしくは選択、候補ＭＶの並び替え、または、候補ＭＶの削除などである。
　［ＭＶ導出　＞　ノーマルマージモード］
　ノーマルマージモードは、候補ＭＶリストから候補ＭＶをカレントブロックのＭＶとして選択することによって、そのＭＶを導出するインター予測モードである。なお、ノーマルマージモードは、狭義のマージモードであって、単にマージモードと呼ばれることもある。本実施の形態では、ノーマルマージモードとマージモードとを区別し、マージモードを広義の意味で用いる。
　図４０は、ノーマルマージモードによるインター予測の例を示すフローチャートである。
　インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｈ＿１）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　次に、インター予測部１２６は、ステップＳｈ＿１で取得された複数の候補ＭＶの中から１つの候補ＭＶを選択することによって、カレントブロックのＭＶを導出する（ステップＳｈ＿２）。このとき、インター予測部１２６は、選択された候補ＭＶを識別するためのＭＶ選択情報をストリームに符号化する。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、ＭＶ選択情報を予測パラメータとしてエントロピー符号化部１１０に出力する。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｈ＿３）。ステップＳｈ＿１～Ｓｈ＿３の処理は例えば各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｈ＿１～Ｓｈ＿３の処理が実行されると、そのスライスに対するノーマルマージモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｈ＿１～Ｓｈ＿３の処理が実行されると、そのピクチャに対するノーマルマージモードを用いたインター予測が終了する。なお、ステップＳｈ＿１～Ｓｈ＿３の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するノーマルマージモードを用いたインター予測が終了してもよい。ステップＳｈ＿１～Ｓｈ＿３の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するノーマルマージモードを用いたインター予測が終了してもよい。
　また、ストリームに含められる、予測画像の生成に用いられたインター予測モード（上述の例ではノーマルマージモード）を示す情報は、例えば予測パラメータとして符号化される。
　図４１は、ノーマルマージモードによるカレントピクチャのＭＶ導出処理の一例を説明するための図である。
　まず、インター予測部１２６は、候補ＭＶを登録した候補ＭＶリストを生成する。候補ＭＶとしては、カレントブロックの空間的に周辺に位置する複数の符号化済みブロックが持つＭＶである空間隣接候補ＭＶ、符号化済み参照ピクチャにおけるカレントブロックの位置を投影した近辺のブロックが持つＭＶである時間隣接候補ＭＶ、空間隣接候補ＭＶと時間隣接候補ＭＶのＭＶ値を組み合わせて生成したＭＶである結合候補ＭＶ、および値がゼロのＭＶであるゼロ候補ＭＶ等がある。
　次に、インター予測部１２６は、候補ＭＶリストに登録されている複数の候補ＭＶの中から１つの候補ＭＶを選択することで、その１つの候補ＭＶをカレントブロックのＭＶとして決定する。
　さらに、エントロピー符号化部１１０は、どの候補ＭＶを選択したかを示す信号であるｍｅｒｇｅ＿ｉｄｘをストリームに記述して符号化する。
　なお、図４１で説明した候補ＭＶリストに登録する候補ＭＶは一例であり、図中の個数とは異なる個数であったり、図中の候補ＭＶの一部の種類を含まない構成であったり、図中の候補ＭＶの種類以外の候補ＭＶを追加した構成であったりしてもよい。
　ノーマルマージモードにより導出したカレントブロックのＭＶを用いて、後述するＤＭＶＲ（ｄｙｎａｍｉｃ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｒｅｆｒｅｓｈｉｎｇ）を行うことによって最終的なＭＶを決定してもよい。なお、ノーマルマージモードでは、差分ＭＶは符号化されないが、ＭＭＶＤモードでは、差分ＭＶは符号化される。ＭＭＶＤモードは、ノーマルマージモードと同様に候補ＭＶリストから１つの候補ＭＶを選択するが、差分ＭＶを符号化する。このような、ＭＭＶＤは、図３８Ｂに示すように、ノーマルマージモードと共にマージモードに分類されてもよい。なお、ＭＭＶＤモードでの差分ＭＶは、インターモードで用いる差分ＭＶと同じでなくてもよく、例えば、ＭＭＶＤモードでの差分ＭＶの導出は、インターモードでの差分ＭＶの導出に比べて処理量が小さい処理であってもよい。
　また、インター予測で生成した予測画像とイントラ予測で生成した予測画像とを重ね合わせて、カレントブロックの予測画像を生成するＣＩＩＰ（Ｃｏｍｂｉｎｅｄ　ｉｎｔｅｒ　ｍｅｒｇｅ／ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ）モードを行ってもよい。
　なお、候補ＭＶリストを、候補リストと称してもよい。また、ｍｅｒｇｅ＿ｉｄｘは、ＭＶ選択情報である。
　［ＭＶ導出　＞　ＨＭＶＰモード］
　図４２は、ＨＭＶＰモードによるカレントピクチャのＭＶ導出処理の一例について説明するための図である。
　ノーマルマージモードでは、符号化済みブロック（例えばＣＵ）を参照して生成された候補ＭＶリストの中から１つの候補ＭＶを選択することによって、カレントブロックである例えばＣＵのＭＶを決定する。ここで、他の候補ＭＶがその候補ＭＶリストに登録されてもよい。このような他の候補ＭＶが登録されるモードは、ＨＭＶＰモードと呼ばれる。
　ＨＭＶＰモードでは、ノーマルマージモードの候補ＭＶリストとは別に、ＨＭＶＰ用のＦＩＦＯ（Ｆｉｒｓｔ－Ｉｎ　Ｆｉｒｓｔ－Ｏｕｔ）バッファを用いて候補ＭＶを管理している。
　ＦＩＦＯバッファには、過去に処理したブロックのＭＶなどの動き情報が新しいものから順に格納されている。このＦＩＦＯバッファの管理では、１つのブロックの処理が行われる度に、最も新しいブロック（すなわち直前に処理されたＣＵ）のＭＶがＦＩＦＯバッファに格納され、代わりにＦＩＦＯバッファ内の最も古いＣＵ（すなわち最も先に処理されたＣＵ）のＭＶがＦＩＦＯバッファから削除される。図４２に示す例では、ＨＭＶＰ１が最も新しいブロックのＭＶであって、ＨＭＶＰ５が最も古いブロックのＭＶである。
　そして、例えば、インター予測部１２６は、ＦＩＦＯバッファに管理されている各ＭＶについて、ＨＭＶＰ１から順に、そのＭＶが、ノーマルマージモードの候補ＭＶリストに既に登録されている全ての候補ＭＶと異なるＭＶであるかどうかをチェックする。そして、インター予測部１２６は、全ての候補ＭＶと異なると判断した場合に、そのＦＩＦＯバッファに管理されているＭＶを、ノーマルマージモードの候補ＭＶリストに候補ＭＶとして追加してもよい。このときＦＩＦＯバッファから登録される候補ＭＶは１つでもよいし、複数個であってもよい。
　このようにＨＭＶＰモードを用いることによって、カレントブロックの空間的もしくは時間的に隣接するブロックのＭＶのみでなく、過去に処理されたブロックのＭＶも候補に加えることが可能となる。その結果、ノーマルマージモードの候補ＭＶのバリエーションが広がることで符号化効率を向上させることができる可能性が高くなる。
　なお、上述のＭＶは、動き情報であってもよい。つまり、候補ＭＶリストおよびＦＩＦＯバッファに格納される情報は、ＭＶの値だけでなく、参照するピクチャの情報、参照する方向および枚数などを示す情報を含んでいてもよい。また、上述のブロックは、例えばＣＵである。
　なお、図４２の候補ＭＶリストおよびＦＩＦＯバッファは一例であり、候補ＭＶリストおよびＦＩＦＯバッファは、図４２とは異なるサイズのリストまたはバッファであったり、図４２とは異なる順番で候補ＭＶを登録する構成であったりしてもよい。また、ここで説明した処理は符号化装置１００においても復号装置２００においても共通である。
　なお、ＨＭＶＰモードは、ノーマルマージモード以外のモードに対しても、適用しうる。例えば、ＦＩＦＯバッファに、過去にアフィンモードで処理したブロックのＭＶなどの動き情報を新しいものから順に格納し、候補ＭＶとして用いてもよい。ＨＭＶＰモードをアフィンモードに適用したモードを、ヒストリーアフィンモードと呼んでもよい。
　［ＭＶ導出　＞　ＦＲＵＣモード］
　動き情報は、符号化装置１００側から信号化されずに、復号装置２００側で導出されてもよい。例えば、復号装置２００側で動き探索を行うことにより動き情報が導出されてもよい。この場合、復号装置２００側では、カレントブロックの画素値を用いずに動き探索が行われる。このような復号装置２００側で動き探索を行うモードには、ＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）モードまたはＰＭＭＶＤ（ｐａｔｔｅｒｎ　ｍａｔｃｈｅｄ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｄｅｒｉｖａｔｉｏｎ）モードなどがある。
　ＦＲＵＣ処理の一例を図４３に示す。まず、カレントブロックに空間的または時間的に隣接する各符号化済みブロックのＭＶを参照して、それらのＭＶを候補ＭＶとして示すリスト（すなわち、候補ＭＶリストであって、ノーマルマージモードの候補ＭＶリストと共通であってもよい）が生成される（ステップＳｉ＿１）。次に、候補ＭＶリストに登録されている複数の候補ＭＶの中からベスト候補ＭＶが選択される（ステップＳｉ＿２）。例えば、候補ＭＶリストに含まれる各候補ＭＶの評価値が算出され、その評価値に基づいて１つの候補ＭＶがベスト候補ＭＶとして選択される。そして、選択されたベスト候補ＭＶに基づいて、カレントブロックのためのＭＶが導出される（ステップＳｉ＿４）。具体的には、例えば、選択されたベスト候補ＭＶがそのままカレントブロックのためのＭＶとして導出される。また例えば、選択されたベスト候補ＭＶに対応する参照ピクチャ内の位置の周辺領域において、パターンマッチングを行うことにより、カレントブロックのためのＭＶが導出されてもよい。すなわち、ベスト候補ＭＶの周辺の領域に対して、参照ピクチャにおけるパターンマッチングおよび評価値を用いた探索を行い、さらに評価値が良い値となるＭＶがあった場合は、ベスト候補ＭＶをそのＭＶに更新して、それをカレントブロックの最終的なＭＶとしてもよい。より良い評価値を有するＭＶへの更新を実施しなくてもよい。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｉ＿５）。ステップＳｉ＿１～Ｓｉ＿５の処理は例えば各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｉ＿１～Ｓｉ＿５の処理が実行されると、そのスライスに対するＦＲＵＣモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｉ＿１～Ｓｉ＿５の処理が実行されると、そのピクチャに対するＦＲＵＣモードを用いたインター予測が終了する。なお、ステップＳｉ＿１～Ｓｉ＿５の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するＦＲＵＣモードを用いたインター予測が終了してもよい。ステップＳｉ＿１～Ｓｉ＿５の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するＦＲＵＣモードを用いたインター予測が終了してもよい。
　サブブロック単位でも上述のブロック単位と同様に処理されてもよい。
　評価値は、種々の方法によって算出されてもよい。例えば、ＭＶに対応する参照ピクチャ内の領域の再構成画像と、所定の領域（その領域は、例えば、以下に示すように、他の参照ピクチャの領域またはカレントピクチャの隣接ブロックの領域であってもよい）の再構成画像とを比較する。そして、２つの再構成画像の画素値の差分を算出して、ＭＶの評価値に用いてもよい。なお、差分値に加えてそれ以外の情報を用いて評価値を算出してもよい。
　次に、パターンマッチングについて詳細に説明する。まず、候補ＭＶリスト（マージリストともいう）に含まれる１つの候補ＭＶが、パターンマッチングによる探索のスタートポイントとして選択される。パターンマッチングとしては、第１パターンマッチングまたは第２パターンマッチングが用いられてもよい。第１パターンマッチングおよび第２パターンマッチングは、それぞれ、バイラテラルマッチング（ｂｉｌａｔｅｒａｌ　ｍａｔｃｈｉｎｇ）およびテンプレートマッチング（ｔｅｍｐｌａｔｅ　ｍａｔｃｈｉｎｇ）と呼ばれることがある。
　［ＭＶ導出　＞　ＦＲＵＣ　＞　バイラテラルマッチング］
　第１パターンマッチングでは、異なる２つの参照ピクチャ内の２つのブロックであってカレントブロックの動き軌道（ｍｏｔｉｏｎ　ｔｒａｊｅｃｔｏｒｙ）に沿う２つのブロックの間でパターンマッチングが行われる。したがって、第１パターンマッチングでは、上述した候補ＭＶの評価値の算出のための所定の領域として、カレントブロックの動き軌道に沿う他の参照ピクチャ内の領域が用いられる。
　図４４は、動き軌道に沿う２つの参照ピクチャにおける２つのブロック間での第１パターンマッチング（バイラテラルマッチング）の一例を説明するための図である。図４４に示すように、第１パターンマッチングでは、カレントブロック（Ｃｕｒ　ｂｌｏｃｋ）の動き軌道に沿う２つのブロックであって異なる２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）内の２つのブロックのペアの中で最もマッチするペアを探索することにより２つのＭＶ（ＭＶ０、ＭＶ１）が導出される。具体的には、カレントブロックに対して、候補ＭＶで指定された第１の符号化済み参照ピクチャ（Ｒｅｆ０）内の指定位置における再構成画像と、その候補ＭＶを表示時間間隔でスケーリングした対称ＭＶで指定された第２の符号化済み参照ピクチャ（Ｒｅｆ１）内の指定位置における再構成画像との差分が導出され、得られた差分値を用いて評価値が算出される。複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶがベスト候補ＭＶとして選択されるとよい。
　連続的な動き軌道の仮定の下では、２つの参照ブロックを指し示すＭＶ（ＭＶ０、ＭＶ１）は、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）との間の時間的な距離（ＴＤ０、ＴＤ１）に対して比例する。例えば、カレントピクチャが時間的に２つの参照ピクチャの間に位置し、カレントピクチャから２つの参照ピクチャへの時間的な距離が等しい場合、第１パターンマッチングでは、鏡映対称な双方向のＭＶが導出される。
　［ＭＶ導出　＞　ＦＲＵＣ　＞　テンプレートマッチング］
　第２パターンマッチング（テンプレートマッチング）では、カレントピクチャ内のテンプレート（カレントピクチャ内でカレントブロックに隣接するブロック（例えば上および／または左隣接ブロック））と参照ピクチャ内のブロックとの間でパターンマッチングが行われる。したがって、第２パターンマッチングでは、上述した候補ＭＶの評価値の算出のための所定の領域として、カレントピクチャ内のカレントブロックに隣接するブロックが用いられる。
　図４５は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）の一例を説明するための図である。図４５に示すように、第２パターンマッチングでは、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）内でカレントブロック（Ｃｕｒ　ｂｌｏｃｋ）に隣接するブロックと最もマッチするブロックを参照ピクチャ（Ｒｅｆ０）内で探索することによりカレントブロックのＭＶが導出される。具体的には、カレントブロックに対して、左隣接および上隣接の両方もしくはどちらか一方の符号化済み領域の再構成画像と、候補ＭＶで指定された符号化済み参照ピクチャ（Ｒｅｆ０）内の同等位置における再構成画像との差分が導出され、得られた差分値を用いて評価値が算出される。複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶがベスト候補ＭＶとして選択されるとよい。
　このようなＦＲＵＣモードを適用するか否かを示す情報（例えばＦＲＵＣフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。また、ＦＲＵＣモードが適用される場合（例えばＦＲＵＣフラグが真の場合）、適用可能なパターンマッチングの方法（第１パターンマッチングまたは第２パターンマッチング）を示す情報がＣＵレベルで信号化されてもよい。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはサブブロックレベル）であってもよい。
　［ＭＶ導出　＞　アフィンモード］
　アフィンモードは、ａｆｆｉｎｅ変換を用いてＭＶを生成するモードであり、例えば、複数の隣接ブロックのＭＶに基づいてサブブロック単位でＭＶを導出してもよい。このモードは、アフィン動き補償予測（ａｆｆｉｎｅ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ　ｐｒｅｄｉｃｔｉｏｎ）モードと呼ばれることがある。
　図４６Ａは、複数の隣接ブロックのＭＶに基づくサブブロック単位のＭＶの導出の一例を説明するための図である。図４６Ａにおいて、カレントブロックは、例えば、１６個の４ｘ４画素からなるサブブロックを含む。ここでは、隣接ブロックのＭＶに基づいてカレントブロックの左上角制御ポイントの動きベクトルｖ０が導出され、同様に、隣接サブブロックのＭＶに基づいてカレントブロックの右上角制御ポイントの動きベクトルｖ１が導出される。そして、以下の式（１Ａ）により、２つの動きベクトルｖ０およびｖ１を投影して、カレントブロック内の各サブブロックの動きベクトル（ｖｘ，ｖｙ）が導出される。
Figure JPOXMLDOC01-appb-M000001
　ここで、ｘおよびｙは、それぞれ、サブブロックの水平位置および垂直位置を示し、ｗは、予め定められた重み係数を示す。
　このようなアフィンモードを示す情報（例えばアフィンフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。なお、このアフィンモードを示す情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはサブブロックレベル）であってもよい。
　また、このようなアフィンモードは、左上および右上角制御ポイントのＭＶの導出方法が異なるいくつかのモードを含んでもよい。例えば、アフィンモードには、アフィンインター（アフィンノーマルインターともいう）モードと、アフィンマージモードの２つのモードがある。
　図４６Ｂは、３つの制御ポイントを用いるアフィンモードにおけるサブブロック単位のＭＶの導出の一例を説明するための図である。図４６Ｂにおいて、カレントブロックは、例えば、１６個の４ｘ４画素からなるサブブロックを含む。ここでは、隣接ブロックのＭＶに基づいてカレントブロックの左上角制御ポイントの動きベクトルｖ０が導出される。同様に、隣接ブロックのＭＶに基づいてカレントブロックの右上角制御ポイントの動きベクトルｖ１が導出され、隣接ブロックのＭＶに基づいてカレントブロックの左下角制御ポイントの動きベクトルｖ２が導出される。そして、以下の式（１Ｂ）により、３つの動きベクトルｖ０、ｖ１およびｖ２を投影して、カレントブロック内の各サブブロックの動きベクトル（ｖｘ，ｖｙ）が導出される。
Figure JPOXMLDOC01-appb-M000002
　ここで、ｘおよびｙは、それぞれ、サブブロック中心の水平位置および垂直位置を示し、ｗおよびｈは、予め定められた重み係数を示す。ｗは、カレントブロックの幅、ｈは、カレントブロックの高さを示してもよい。
　互いに異なる制御ポイント数（例えば、２つと３つ）を用いるアフィンモードは、ＣＵレベルで切り替えて信号化されてもよい。なお、ＣＵレベルで使用しているアフィンモードの制御ポイント数を示す情報を、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはサブブロックレベル）で信号化してもよい。
　また、このような３つの制御ポイントを有するアフィンモードは、左上、右上および左下角制御ポイントのＭＶの導出方法が異なるいくつかのモードを含んでもよい。例えば、３つの制御ポイントを有するアフィンモードには、上述の２つの制御ポイントを有するアフィンモードと同様、アフィンインターモードと、アフィンマージモードの２つのモードがある。
　なお、アフィンモードにおいて、カレントブロックに含まれる各サブブロックのサイズは、４ｘ４画素に限定されず、他の大きさでもよい。例えば、各サブブロックのサイズは、８×８画素であってもよい。
　［ＭＶ導出　＞　アフィンモード　＞　制御ポイント］
　図４７Ａ，図４７Ｂおよび図４７Ｃは、アフィンモードにおける制御ポイントのＭＶ導出の一例を説明するための概念図である。
　アフィンモードでは、図４７Ａに示すように、例えば、カレントブロックに隣接する符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）のうち、アフィンモードで符号化されたブロックに対応する複数のＭＶに基づいて、カレントブロックの制御ポイントのそれぞれの予測ＭＶが算出される。具体的には、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序でこれらのブロックが検査され、アフィンモードで符号化された最初の有効なブロックが特定される。この特定されたブロックに対応する複数のＭＶに基づいて、カレントブロックの制御ポイントのＭＶが算出される。
　例えば、図４７Ｂに示すように、カレントブロックの左に隣接するブロックＡが２つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角および右上角の位置に投影した動きベクトルｖ３およびｖ４が導出される。そして、導出された動きベクトルｖ３およびｖ４から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とが算出される。
　例えば、図４７Ｃに示すように、カレントブロックの左に隣接するブロックＡが３つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の位置に投影した動きベクトルｖ３、ｖ４およびｖ５が導出される。そして、導出された動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１と、左下角制御ポイントの動きベクトルｖ２とが算出される。
　なお、図４７Ａ～図４７Ｃに示すＭＶの導出方法は、後述の図５０に示すステップＳｋ＿１におけるカレントブロックの各制御ポイントのＭＶの導出に用いられてもよいし、後述の図５１に示すステップＳｊ＿１におけるカレントブロックの各制御ポイントの予測ＭＶの導出に用いられてもよい。
　図４８Ａおよび図４８Ｂは、アフィンモードにおける制御ポイントＭＶの導出の他の一例を説明するための概念図である。
　図４８Ａは、２つの制御ポイントを有するアフィンモードを説明するための図である。
　このアフィンモードでは、図４８Ａに示すように、カレントブロックに隣接する符号化済みブロックＡ、ブロックＢおよびブロックＣのそれぞれのＭＶから選択されたＭＶが、カレントブロックの左上角制御ポイントの動きベクトルｖ０として用いられる。同様に、カレントブロックに隣接する符号化済みブロックＤおよびブロックＥのそれぞれのＭＶから選択されたＭＶが、カレントブロックの右上角制御ポイントの動きベクトルｖ１として用いられる。
　図４８Ｂは、３つの制御ポイントを有するアフィンモードを説明するための図である。
　このアフィンモードでは、図４８Ｂに示すように、カレントブロックに隣接する符号化済みブロックＡ、ブロックＢおよびブロックＣのそれぞれのＭＶから選択されたＭＶが、カレントブロックの左上角制御ポイントの動きベクトルｖ０として用いられる。同様に、カレントブロックに隣接する符号化済みブロックＤおよびブロックＥのそれぞれのＭＶから選択されたＭＶが、カレントブロックの右上角制御ポイントの動きベクトルｖ１として用いられる。さらに、カレントブロックに隣接する符号化済みブロックＦおよびブロックＧのそれぞれのＭＶから選択されたＭＶが、カレントブロックの左下角制御ポイントの動きベクトルｖ２として用いられる。
　なお、図４８Ａおよび図４８Ｂに示すＭＶの導出方法は、後述の図５０に示すステップＳｋ＿１におけるカレントブロックの各制御ポイントのＭＶの導出に用いられてもよいし、後述の図５１のステップＳｊ＿１におけるカレントブロックの各制御ポイントの予測ＭＶの導出に用いられてもよい。
　ここで、例えば、異なる制御ポイント数（例えば、２つと３つ）のアフィンモードをＣＵレベルで切り替えて信号化する場合などにおいて、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合がある。
　図４９Ａおよび図４９Ｂは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントのＭＶ導出方法の一例を説明するための概念図である。
　例えば、図４９Ａに示すように、カレントブロックが左上角、右上角および左下角の３つの制御ポイントを有し、カレントブロックの左に隣接するブロックＡが２つの制御ポイントを有するアフィンモードで符号化されている。この場合は、ブロックＡを含む符号化済みブロックの左上角および右上角の位置に投影した動きベクトルｖ３およびｖ４が導出される。そして、導出された動きベクトルｖ３およびｖ４から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１が算出される。更に、導出された動きベクトルｖ０およびｖ１から、左下角制御ポイントの動きベクトルｖ２が算出される。
　例えば、図４９Ｂに示すように、カレントブロックが左上角および右上角の２つの制御ポイントを有し、カレントブロックの左に隣接するブロックＡが３つの制御ポイントを有するアフィンモードで符号化されている。この場合は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の位置に投影した動きベクトルｖ３、ｖ４およびｖ５が導出される。そして、導出された動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とが算出される。
　なお、図４９Ａおよび図４９Ｂに示すＭＶの導出方法は、後述の図５０に示すステップＳｋ＿１におけるカレントブロックの各制御ポイントのＭＶの導出に用いられてもよいし、後述の図５１のステップＳｊ＿１におけるカレントブロックの各制御ポイントの予測ＭＶの導出に用いられてもよい。
　［ＭＶ導出　＞　アフィンモード　＞　アフィンマージモード］
　図５０は、アフィンマージモードの一例を示すフローチャートである。
　アフィンマージモードでは、まず、インター予測部１２６は、カレントブロックの制御ポイントのそれぞれのＭＶを導出する（ステップＳｋ＿１）。制御ポイントは、図４６Ａに示すように、カレントブロックの左上角および右上角のポイント、或いは図４６Ｂに示すように、カレントブロックの左上角、右上角および左下角のポイントである。このとき、インター予測部１２６は、導出された２つまたは３つのＭＶを識別するためのＭＶ選択情報をストリームに符号化してもよい。
　例えば、図４７Ａ～図４７Ｃに示すＭＶの導出方法を用いる場合、インター予測部１２６は、図４７Ａに示すように、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序にこれらのブロックを検査し、アフィンモードで符号化された最初の有効なブロックを特定する。
　インター予測部１２６は、特定されたアフィンモードで符号化された最初の有効なブロックを用いて、制御ポイントのＭＶを導出する。例えば、ブロックＡが特定され、ブロックＡが２つの制御ポイントを有する場合、図４７Ｂに示すように、インター予測部１２６は、ブロックＡを含む符号化済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とを算出する。例えば、インター予測部１２６は、符号化済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４を、カレントブロックに投影することによって、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とを算出する。
　或いは、ブロックＡが特定され、ブロックＡが３つの制御ポイントを有する場合、図４７Ｃに示すように、インター予測部１２６は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１と、左下角制御ポイントの動きベクトルｖ２とを算出する。例えば、インター予測部１２６は、符号化済みブロックの左上角、右上角および左下角の動きベクトルｖ３、ｖ４およびｖ５を、カレントブロックに投影することによって、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１と、左下角制御ポイントの動きベクトルｖ２とを算出する。
　なお、上述の図４９Ａに示すように、ブロックＡが特定され、ブロックＡが２つの制御ポイントを有する場合に、３つの制御ポイントのＭＶを算出してもよく、上述の図４９Ｂに示すように、ブロックＡが特定され、ブロックＡが３つの制御ポイントを有する場合に、２つの制御ポイントのＭＶを算出してもよい。
　次に、インター予測部１２６は、カレントブロックに含まれる複数のサブブロックのそれぞれについて、動き補償を行う。すなわち、インター予測部１２６は、その複数のサブブロックのそれぞれについて、２つの動きベクトルｖ０およびｖ１と上述の式（１Ａ）とを用いて、或いは３つの動きベクトルｖ０、ｖ１およびｖ２と上述の式（１Ｂ）とを用いて、そのサブブロックのＭＶをアフィンＭＶとして算出する（ステップＳｋ＿２）。そして、インター予測部１２６は、それらのアフィンＭＶおよび符号化済み参照ピクチャを用いてそのサブブロックに対して動き補償を行う（ステップＳｋ＿３）。カレントブロックに含まれる全てのサブブロックのそれぞれに対してステップＳｋ＿２およびＳｋ＿３の処理が実行されると、そのカレントブロックに対するアフィンマージモードを用いた予測画像の生成の処理が終了する。つまり、カレントブロックに対して動き補償が行われ、そのカレントブロックの予測画像が生成される。
　なお、ステップＳｋ＿１では、上述の候補ＭＶリストが生成されてもよい。候補ＭＶリストは、例えば、各制御ポイントに対して複数のＭＶ導出方法を用いて導出した候補ＭＶを含むリストであってもよい。複数のＭＶ導出方法は、図４７Ａ～図４７Ｃに示すＭＶの導出方法、図４８Ａおよび図４８Ｂに示すＭＶの導出方法、図４９Ａおよび図４９Ｂに示すＭＶの導出方法、および、その他のＭＶの導出方法の任意の組合せであってもよい。
　なお、候補ＭＶリストは、アフィンモード以外の、サブブロック単位で予測を行うモードの候補ＭＶを含んでもよい。
　なお、候補ＭＶリストとして、例えば、２つの制御ポイントを有するアフィンマージモードの候補ＭＶと、３つの制御ポイントを有するアフィンマージモードの候補ＭＶとを含む候補ＭＶリストを生成してもよい。または、２つの制御ポイントを有するアフィンマージモードの候補ＭＶを含む候補ＭＶリストと、３つの制御ポイントを有するアフィンマージモードの候補ＭＶを含む候補ＭＶリストとをそれぞれ生成してもよい。または、２つの制御ポイントを有するアフィンマージモードと、３つの制御ポイントを有するアフィンマージモードとのうちの一方のモードの候補ＭＶを含む候補ＭＶリストを生成してもよい。候補ＭＶは、例えば、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）のＭＶであってもよく、それらのブロックのうちの有効なブロックのＭＶであってもよい。
　なお、ＭＶ選択情報として、候補ＭＶリストのいずれの候補ＭＶかを示すインデックスを送ってもよい。
　［ＭＶ導出　＞　アフィンモード　＞　アフィンインターモード］
　図５１は、アフィンインターモードの一例を示すフローチャートである。
　アフィンインターモードでは、まず、インター予測部１２６は、カレントブロックの２つまたは３つの制御ポイントのそれぞれの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する（ステップＳｊ＿１）。制御ポイントは、図４６Ａまたは図４６Ｂに示すように、カレントブロックの左上角、右上角或いは左下角のポイントである。
　例えば、図４８Ａおよび図４８Ｂに示すＭＶの導出方法を用いる場合、インター予測部１２６は、図４８Ａまたは図４８Ｂに示すカレントブロックの各制御ポイント近傍の符号化済みブロックのうちの何れかのブロックのＭＶを選択することによって、カレントブロックの制御ポイントの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する。このとき、インター予測部１２６は、選択された２つまたは３つの予測ＭＶを識別するための予測ＭＶ選択情報をストリームに符号化する。
　例えば、インター予測部１２６は、カレントブロックに隣接する符号化済みブロックからどのブロックのＭＶを制御ポイントの予測ＭＶとして選択するかを、コスト評価等を用いて決定し、どの予測ＭＶを選択したかを示すフラグをビットストリームに記述してもよい。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、フラグなどの予測ＭＶ選択情報を予測パラメータとしてエントロピー符号化部１１０に出力する。
　次に、インター予測部１２６は、ステップＳｊ＿１で選択または導出された予測ＭＶをそれぞれ更新しながら（ステップＳｊ＿２）、動き探索を行う（ステップＳｊ＿３およびＳｊ＿４）。つまり、インター予測部１２６は、更新される予測ＭＶに対応する各サブブロックのＭＶをアフィンＭＶとして、上述の式（１Ａ）または式（１Ｂ）を用いて算出する（ステップＳｊ＿３）。そして、インター予測部１２６は、それらのアフィンＭＶおよび符号化済み参照ピクチャを用いて各サブブロックに対して動き補償を行う（ステップＳｊ＿４）。ステップＳｊ＿３およびＳｊ＿４の処理は、ステップＳｊ＿２で予測ＭＶが更新されるごとに、カレントブロック内の全てのブロックに対して実行される。その結果、インター予測部１２６は、動き探索ループにおいて、例えば最も小さいコストが得られる予測ＭＶを、制御ポイントのＭＶとして決定する（ステップＳｊ＿５）。このとき、インター予測部１２６は、さらに、その決定されたＭＶと予測ＭＶとの差分値を差分ＭＶとしてストリームに符号化する。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、差分ＭＶを予測パラメータとしてエントロピー符号化部１１０に出力する。
　最後に、インター予測部１２６は、その決定されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｊ＿６）。
　なお、ステップＳｊ＿１では、上述の候補ＭＶリストが生成されてもよい。候補ＭＶリストは、例えば、各制御ポイントに対して複数のＭＶ導出方法を用いて導出した候補ＭＶを含むリストであってもよい。複数のＭＶ導出方法は、図４７Ａ～図４７Ｃに示すＭＶの導出方法、図４８Ａおよび図４８Ｂに示すＭＶの導出方法、図４９Ａおよび図４９Ｂに示すＭＶの導出方法、および、その他のＭＶの導出方法の任意の組合せであってもよい。
　なお、候補ＭＶリストは、アフィンモード以外の、サブブロック単位で予測を行うモードの候補ＭＶを含んでもよい。
　なお、候補ＭＶリストとして、２つの制御ポイントを有するアフィンインターモードの候補ＭＶと、３つの制御ポイントを有するアフィンインターモードの候補ＭＶとを含む候補ＭＶリストを生成してもよい。または、２つの制御ポイントを有するアフィンインターモードの候補ＭＶを含む候補ＭＶリストと、３つの制御ポイントを有するアフィンインターモードの候補ＭＶを含む候補ＭＶリストとをそれぞれ生成してもよい。または、２つの制御ポイントを有するアフィンインターモードと、３つの制御ポイントを有するアフィンインターモードとのうちの一方のモードの候補ＭＶを含む候補ＭＶリストを生成してもよい。候補ＭＶは、例えば、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）のＭＶであってもよく、それらのブロックのうちの有効なブロックのＭＶであってもよい。
　なお、予測ＭＶ選択情報として、候補ＭＶリストのいずれの候補ＭＶかを示すインデックスを送ってもよい。
　［ＭＶ導出　＞　トライアングルモード］
　インター予測部１２６は、上述の例では、矩形のカレントブロックに対して１つの矩形の予測画像を生成する。しかし、インター予測部１２６は、その矩形のカレントブロックに対して矩形と異なる形状の複数の予測画像を生成し、それらの複数の予測画像を結合することによって、最終的な矩形の予測画像を生成してもよい。矩形と異なる形状は、例えば三角形であってもよい。
　図５２Ａは、２つの三角形の予測画像の生成を説明するための図である。
　インター予測部１２６は、カレントブロック内の三角形の第１パーティションに対して、その第１パーティションの第１ＭＶを用いて動き補償を行うことによって、三角形の予測画像を生成する。同様に、インター予測部１２６は、カレントブロック内の三角形の第２パーティションに対して、その第２パーティションの第２ＭＶを用いて動き補償を行うことによって、三角形の予測画像を生成する。そして、インター予測部１２６は、これらの予測画像を結合することによって、カレントブロックと同じ矩形の予測画像を生成する。
　なお、第１パーティションの予測画像として、第１ＭＶを用いてカレントブロックに対応する矩形の第１予測画像を生成してもよい。また、第２パーティションの予測画像として、第２ＭＶを用いてカレントブロックに対応する矩形の第２予測画像を生成してもよい。第１予測画像と第２予測画像とを重み付け加算することにより、カレントブロックの予測画像を生成してもよい。なお、重み付け加算する部位は、第１パーティションと第２パーティションの境界を挟む一部の領域のみであってもよい。
　図５２Ｂは、第２パーティションと重なる第１パーティションの第１部分、並びに、補正処理の一部として重み付けされ得る第１サンプルセット及び第２サンプルセットの例を示す概念図である。第１部分は、例えば、第１パーティションの幅又は高さの４分の１であってもよい。別の例において、第１部分は、第１パーティションの縁に隣接するＮ個のサンプルに対応する幅を有していてもよい。ここで、Ｎは、ゼロより大きい整数であり、例えば、Ｎは、整数２であってもよい。図５２Ｂは、第１パーティションの幅の４分の１の幅の矩形部分を有する矩形パーティションを示す。ここで、第１サンプルセットは、第１部分の外側のサンプルと第１部分の内側のサンプルとを含み、第２サンプルセットは、第１部分内のサンプルを含む。図５２Ｂの中央の例は、第１パーティションの高さの４分の１の高さの矩形部分を有する矩形パーティションを示す。ここで、第１サンプルセットは、第１部分の外側のサンプルと第１部分の内側のサンプルとを含み、第２サンプルセットは、第１部分内のサンプルを含む。図５２Ｂの右の例は、２つのサンプルに対応する高さの多角形部分を有する三角形パーティションを示す。ここで、第１サンプルセットは、第１部分の外側のサンプルと第１部分の内側のサンプルとを含み、第２サンプルセットは、第１部分内のサンプルを含む。
　第１部分は、隣接パーティションと重なる第１パーティションの部分であってもよい。図５２Ｃは、隣接パーティションの一部と重なる第１パーティションの一部である第１パーティションの第１部分を示す概念図である。説明を簡単にするために、空間的に隣接する矩形パーティションと重なる部分を有する矩形パーティションが示されている。三角形パーティションなどの他の形状を有するパーティションが用いられてもよいし、重なる部分は、空間的に又は時間的に隣接するパーティションと重なっていてもよい。
　また、インター予測を用いて２つのパーティションのそれぞれに対して予測画像を生成する例が示されているが、イントラ予測を用いて少なくとも１つのパーティションに対して予測画像が生成されてもよい。
　図５３は、トライアングルモードの一例を示すフローチャートである。
　トライアングルモードでは、まず、インター予測部１２６は、カレントブロックを第１パーティションと第２パーティションとに分割する（ステップＳｘ＿１）。このとき、インター予測部１２６は、各パーティションへの分割に関する情報であるパーティション情報を予測パラメータとしてストリームに符号化してもよい。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、パーティション情報を予測パラメータとしてエントロピー符号化部１１０に出力してもよい。
　次に、インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｘ＿２）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　そして、インター予測部１２６は、ステップＳｘ＿２で取得された複数の候補ＭＶの中から、第１パーティションの候補ＭＶおよび第２パーティションの候補ＭＶを、第１ＭＶおよび第２ＭＶとしてそれぞれ選択する（ステップＳｘ＿３）。このとき、インター予測部１２６は、選択された候補ＭＶを識別するためのＭＶ選択情報を予測パラメータとしてストリームに符号化してもよい。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、ＭＶ選択情報を予測パラメータとしてエントロピー符号化部１１０に出力してもよい。
　次に、インター予測部１２６は、その選択された第１ＭＶと符号化済み参照ピクチャとを用いて動き補償を行ことにより、第１予測画像を生成する（ステップＳｘ＿４）。同様に、インター予測部１２６は、選択された第２ＭＶと符号化済み参照ピクチャとを用いて動き補償を行ことにより、第２予測画像を生成する（ステップＳｘ＿５）。
　最後に、インター予測部１２６は、第１予測画像と第２予測画像とを重み付け加算することによって、カレントブロックの予測画像を生成する（ステップＳｘ＿６）。
　なお、図５２Ａに示す例では、第１パーティションおよび第２パーティションはそれぞれ三角形であるが、台形であってもよく、それぞれ互いに異なる形状であってもよい。さらに、図５２Ａに示す例では、カレントブロックが２つのパーティションから構成されているが、３つ以上のパーティションから構成されていてもよい。
　また、第１パーティションおよび第２パーティションは重複していてもよい。すなわち、第１パーティションおよび第２パーティションは同じ画素領域を含んでいてもよい。この場合、第１パーティションにおける予測画像と第２パーティションにおける予測画像とを用いてカレントブロックの予測画像を生成してもよい。
　また、この例では２つのパーティションともにインター予測で予測画像が生成される例を示したが、少なくとも１つのパーティションについてイントラ予測によって予測画像を生成してもよい。
　なお、第１ＭＶを選択するための候補ＭＶリストと第２ＭＶを選択するための候補ＭＶリストは異なっていてもよいし、同じ候補ＭＶリストであってもよい。
　なお、パーティション情報は、少なくともカレントブロックを複数のパーティションに分割する分割方向を示すインデックスを含んでいてもよい。ＭＶ選択情報は、選択された第１ＭＶを示すインデックスおよび選択された第２ＭＶを示すインデックスを含んでいてもよい。１つのインデックスが複数の情報を示してもよい。例えば、パーティション情報の一部または全体と、ＭＶ選択情報の一部または全体とをまとめて示す１つのインデックスが符号化されてもよい。
　［ＭＶ導出　＞　ＡＴＭＶＰモード］
　図５４は、サブブロック単位にＭＶが導出されるＡＴＭＶＰモードの一例を示す図である。
　ＡＴＭＶＰモードは、マージモードに分類されるモードである。例えば、ＡＴＭＶＰモードでは、ノーマルマージモードに用いられる候補ＭＶリストに、サブブロック単位の候補ＭＶが登録される。
　具体的には、ＡＴＭＶＰモードでは、まず、図５４に示すように、カレントブロックの左下に隣接するブロックのＭＶ（ＭＶ０）によって指定される符号化済みの参照ピクチャにおいて、そのカレントブロックに対応付けられた時間ＭＶ参照ブロックが特定される。次に、カレントブロック内における各サブブロックについて、その時間ＭＶ参照ブロック内のそのサブブロックに対応する領域の符号化時に用いられたＭＶを特定する。このように特定されたＭＶが、カレントブロックのサブブロックの候補ＭＶとして候補ＭＶリストに含まれる。このような各サブブロックの候補ＭＶが候補ＭＶリストから選択される場合には、その候補ＭＶをサブブロックのＭＶとして用いた動き補償がそのサブブロックに対して実行される。これにより、各サブブロックの予測画像が生成される。
　なお、図５４に示す例では、周辺ＭＶ参照ブロックとして、カレントブロックの左下に隣接するブロックを用いたが、それ以外のブロックを用いてもよい。また、サブブロックのサイズは、４ｘ４画素であっても、８ｘ８画素であっても、それ以外のサイズであってもよい。サブブロックのサイズは、スライス、ブリック、またはピクチャなどの単位で切り替えられてもよい。
　［動き探索　＞　ＤＭＶＲ］
　図５５は、マージモードおよびＤＭＶＲの関係を示す図である。
　インター予測部１２６は、マージモードでカレントブロックのＭＶを導出する（ステップＳｌ＿１）。次に、インター予測部１２６は、ＭＶの探索、すなわち動き探索を行うか否かを判定する（ステップＳｌ＿２）。ここで、インター予測部１２６は、動き探索を行わないと判定すると（ステップＳｌ＿２のＮｏ）、ステップＳｌ＿１で導出されたＭＶを、カレントブロックに対する最終のＭＶとして決定する（ステップＳｌ＿４）。すなわち、この場合には、マージモードでカレントブロックのＭＶが決定される。
　一方、ステップＳｌ＿１で動き探索を行うと判定すると（ステップＳｌ＿２のＹｅｓ）、インター予測部１２６は、ステップＳｌ＿１で導出されたＭＶによって示される参照ピクチャの周辺領域を探索することによって、カレントブロックに対して最終のＭＶを導出する（ステップＳｌ＿３）。すなわち、この場合には、ＤＭＶＲでカレントブロックのＭＶが決定される。
　図５６は、ＭＶを決定するためのＤＭＶＲの一例を説明するための概念図である。
　まず、例えばマージモードにおいて、カレントブロックに対して候補ＭＶ（Ｌ０およびＬ１）を選択する。そして、候補ＭＶ（Ｌ０）に従って、Ｌ０リストの符号化済みピクチャである第１参照ピクチャ（Ｌ０）から参照画素を特定する。同様に、候補ＭＶ（Ｌ１）に従って、Ｌ１リストの符号化済みピクチャである第２参照ピクチャ（Ｌ１）から参照画素を特定する。これらの参照画素の平均をとることでテンプレートを生成する。
　次に、そのテンプレートを用いて、第１参照ピクチャ（Ｌ０）および第２参照ピクチャ（Ｌ１）の候補ＭＶの周辺領域をそれぞれ探索し、コストが最小となるＭＶを、カレントブロックの最終的なＭＶとして決定する。なお、コストは、例えば、テンプレートの各画素値と探索領域の各画素値との差分値および候補ＭＶ値等を用いて算出してもよい。
　ここで説明した処理そのものでなくても、候補ＭＶの周辺を探索して最終的なＭＶを導出することができる処理であれば、どのような処理を用いてもよい。
　図５７は、ＭＶを決定するためのＤＭＶＲの他の一例を説明するための概念図である。図５７に示す本例は、図５６に示すＤＭＶＲの一例とは異なり、テンプレートを生成せずにコストが算出される。
　まず、インター予測部１２６は、候補ＭＶリストから取得した候補ＭＶである初期ＭＶに基づいて、Ｌ０リストとＬ１リストのそれぞれの参照ピクチャに含まれる参照ブロック周辺を探索する。例えば、図５７に示すように、Ｌ０リストの参照ブロックに対応する初期ＭＶは、ＩｎｉｔＭＶ＿Ｌ０であり、Ｌ１リストの参照ブロックに対応する初期ＭＶは、ＩｎｉｔＭＶ＿Ｌ１である。インター予測部１２６は、動き探索では、まず、Ｌ０リストの参照ピクチャに対する探索位置を設定する。その設定される探索位置を示す差分ベクトル、具体的には、初期ＭＶ（すなわちＩｎｉｔＭＶ＿Ｌ０）によって示される位置からその探索位置への差分ベクトルは、ＭＶｄ＿Ｌ０である。そして、インター予測部１２６は、Ｌ１リストの参照ピクチャにおける探索位置を決定する。この探索位置は、初期ＭＶ（すなわちＩｎｉｔＭＶ＿Ｌ１）によって示される位置からその探索位置への差分ベクトルによって示される。具体的には、インター予測部１２６は、ＭＶｄ＿Ｌ０のミラーリングによってその差分ベクトルをＭＶｄ＿Ｌ１として決定する。つまり、インター予測部１２６は、Ｌ０リストとＬ１リストのそれぞれの参照ピクチャにおいて、初期ＭＶが示す位置から対称となる位置を探索位置とする。インター予測部１２６は、探索位置ごとに、その探索位置におけるブロック内の画素値の差分絶対値の総和（ＳＡＤ）などをコストとして算出し、そのコストが最小となる探索位置を見つけ出す。
　図５８Ａは、ＤＭＶＲにおける動き探索の一例を示す図であり、図５８Ｂは、その動き探索の一例を示すフローチャートである。
　まず、インター予測部１２６は、Ｓｔｅｐ１で、初期ＭＶが示す探索位置（開始点ともいう）と、その周囲にある８つの探索位置とにおけるコストを算出する。そして、インター予測部１２６は、開始点以外の探索位置のコストが最小か否かを判定する。ここで、インター予測部１２６は、開始点以外の探索位置のコストが最小と判定すると、コストが最小となる探索位置に移動して、Ｓｔｅｐ２の処理を行う。一方、インター予測部１２６は、開始点のコストが最小であれば、Ｓｔｅｐ２の処理をスキップしてＳｔｅｐ３の処理を行う。
　Ｓｔｅｐ２では、インター予測部１２６は、Ｓｔｅｐ１の処理結果に応じて移動した探索位置を新たな開始点として、Ｓｔｅｐ１の処理と同様の探索を行う。そして、インター予測部１２６は、その開始点以外の探索位置のコストが最小か否かを判定する。ここで、インター予測部１２６は、開始点以外の探索位置のコストが最小であれば、Ｓｔｅｐ４の処理を行う。一方、インター予測部１２６は、開始点のコストが最小であれば、Ｓｔｅｐ３の処理を行う。
　Ｓｔｅｐ４では、インター予測部１２６は、その開始点の探索位置を最終探索位置として扱い、初期ＭＶが示す位置とその最終探索位置との差分を差分ベクトルとして決定する。
　Ｓｔｅｐ３では、インター予測部１２６は、Ｓｔｅｐ１またはＳｔｅｐ２の開始点の上下左右にある４点におけるコストに基づき、コストが最小となる小数精度の画素位置を決定し、その画素位置を最終探索位置とする。その小数精度の画素位置は、上下左右にある４点のベクトル（（０，１），（０，－１），（－１，０），（１，０））を、その４点のそれぞれの探索位置におけるコストを重みとして重み付け加算することで決定される。そして、インター予測部１２６は、初期ＭＶが示す位置とその最終探索位置との差分を差分ベクトルとして決定する。
　［動き補償　＞　ＢＩＯ／ＯＢＭＣ／ＬＩＣ］
　動き補償では、予測画像を生成し、その予測画像を補正するモードがある。そのモードは、例えば、後述のＢＩＯ、ＯＢＭＣ、およびＬＩＣである。
　図５９は、予測画像の生成の一例を示すフローチャートである。
　インター予測部１２６は、予測画像を生成し（ステップＳｍ＿１）、上述の何れかのモードによってその予測画像を補正する（ステップＳｍ＿２）。
　図６０は、予測画像の生成の他の例を示すフローチャートである。
　インター予測部１２６は、カレントブロックのＭＶを導出する（ステップＳｎ＿１）。次に、インター予測部１２６は、そのＭＶを用いて予測画像を生成し（ステップＳｎ＿２）、補正処理を行うか否かを判定する（ステップＳｎ＿３）。ここで、インター予測部１２６は、補正処理を行うと判定すると（ステップＳｎ＿３のＹｅｓ）、その予測画像を補正することによって最終的な予測画像を生成する（ステップＳｎ＿４）。なお、後述のＬＩＣでは、ステップＳｎ＿４において、輝度および色差が補正されてもよい。一方、インター予測部１２６は、補正処理を行わないと判定すると（ステップＳｎ＿３のＮｏ）、その予測画像を補正することなく最終的な予測画像として出力する（ステップＳｎ＿５）。
　［動き補償　＞　ＯＢＭＣ］
　動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測画像が生成されてもよい。具体的には、（参照ピクチャ内の）動き探索により得られた動き情報に基づく予測画像と、（カレントピクチャ内の）隣接ブロックの動き情報に基づく予測画像と、を重み付け加算することにより、カレントブロック内のサブブロック単位でインター予測画像が生成されてもよい。このようなインター予測（動き補償）は、ＯＢＭＣ（ｏｖｕｌｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）またはＯＢＭＣモードと呼ばれることがある。
　ＯＢＭＣモードでは、ＯＢＭＣのためのサブブロックのサイズを示す情報（例えばＯＢＭＣブロックサイズと呼ばれる）は、シーケンスレベルで信号化されてもよい。さらに、ＯＢＭＣモードを適用するか否かを示す情報（例えばＯＢＭＣフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。なお、これらの情報の信号化のレベルは、シーケンスレベルおよびＣＵレベルに限定される必要はなく、他のレベル（例えばピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはサブブロックレベル）であってもよい。
　ＯＢＭＣモードについて、より具体的に説明する。図６１および図６２は、ＯＢＭＣによる予測画像補正処理の概要を説明するためのフローチャートおよび概念図である。
　まず、図６２に示すように、カレントブロックに割り当てられたＭＶを用いて通常の動き補償による予測画像（Ｐｒｅｄ）を取得する。図６２において、矢印“ＭＶ”は参照ピクチャを指し、予測画像を得るためにカレントピクチャのカレントブロックが何を参照しているかを示している。
　次に、符号化済みの左隣接ブロックに対して既に導出されたＭＶ（ＭＶ＿Ｌ）をカレントブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｌ）を取得する。ＭＶ（ＭＶ＿Ｌ）は、カレントブロックから参照ピクチャを指す矢印“ＭＶ＿Ｌ”によって示される。そして、２つの予測画像ＰｒｅｄとＰｒｅｄ＿Ｌとを重ね合わせることで予測画像の１回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。
　同様に、符号化済みの上隣接ブロックに対して既に導出されたＭＶ（ＭＶ＿Ｕ）をカレントブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｕ）を取得する。ＭＶ（ＭＶ＿Ｕ）は、カレントブロックから参照ピクチャを指す矢印“ＭＶ＿Ｕ”によって示される。そして、予測画像Ｐｒｅｄ＿Ｕを１回目の補正を行った予測画像（例えば、ＰｒｅｄとＰｒｅｄ＿Ｌ）に重ね合わせることで予測画像の２回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。２回目の補正によって得られた予測画像は、隣接ブロックとの境界が混ぜ合わされた（スムージングされた）、カレントブロックの最終的な予測画像である。
　なお、上述の例は、左隣接および上隣接のブロックを用いた２パスの補正方法であるが、その補正方法は、右隣接および／または下隣接のブロックも用いた３パスまたはそれ以上のパスの補正方法であってもよい。
　なお、重ね合わせを行う領域はブロック全体の画素領域ではなく、ブロック境界近傍の一部の領域のみであってもよい。
　なお、ここでは１枚の参照ピクチャから、追加的な予測画像Ｐｒｅｄ＿ＬおよびＰｒｅｄ＿Ｕを重ね合わせることで１枚の予測画像Ｐｒｅｄを得るためのＯＢＭＣの予測画像補正処理について説明した。しかし、複数の参照画像に基づいて予測画像が補正される場合には、同様の処理が複数の参照ピクチャのそれぞれに適用されてもよい。このような場合、複数の参照ピクチャに基づくＯＢＭＣの画像補正を行うことによって、各々の参照ピクチャから、補正された予測画像を取得した後に、その取得された複数の補正予測画像をさらに重ね合わせることで最終的な予測画像を取得する。
　なお、ＯＢＭＣでは、カレントブロックの単位は、ＰＵ単位であっても、ＰＵをさらに分割したサブブロック単位であってもよい。
　ＯＢＭＣを適用するかどうかの判定の方法として、例えば、ＯＢＭＣを適用するかどうかを示す信号であるｏｂｍｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置１００は、カレントブロックが動きの複雑な領域に属しているかどうかを判定してもよい。符号化装置１００は、動きの複雑な領域に属している場合は、ｏｂｍｃ＿ｆｌａｇとして値１を設定してＯＢＭＣを適用して符号化を行い、動きの複雑な領域に属していない場合は、ｏｂｍｃ＿ｆｌａｇとして値０を設定してＯＢＭＣを適用せずにブロックの符号化を行う。一方、復号装置２００では、ストリームに記述されたｏｂｍｃ＿ｆｌａｇを復号することで、その値に応じてＯＢＭＣを適用するかどうかを切替えて復号を行う。
　［動き補償　＞　ＢＩＯ］
　次に、ＭＶを導出する方法について説明する。まず、等速直線運動を仮定したモデルに基づいてＭＶを導出するモードについて説明する。このモードは、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）モードと呼ばれることがある。また、このｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗは、ＢＩＯの代わりに、ＢＤＯＦと表記されてもよい。
　図６３は、等速直線運動を仮定したモデルを説明するための図である。図６３において、（ｖｘ，ｖｙ）は、速度ベクトルを示し、τ０、τ１は、それぞれ、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）との間の時間的な距離を示す。（ＭＶｘ０，ＭＶｙ０）は、参照ピクチャＲｅｆ０に対応するＭＶを示し、（ＭＶｘ１、ＭＶｙ１）は、参照ピクチャＲｅｆ１に対応するＭＶを示す。
　このとき速度ベクトル（ｖｘ，ｖｙ）の等速直線運動の仮定の下では、（ＭＶｘ０，ＭＶｙ０）および（ＭＶｘ１，ＭＶｙ１）は、それぞれ、（ｖｘτ０，ｖｙτ０）および（－ｖｘτ１，－ｖｙτ１）と表され、以下のオプティカルフロー等式（２）が成り立つ。
Figure JPOXMLDOC01-appb-M000003
　ここで、Ｉ（ｋ）は、動き補償後の参照画像ｋ（ｋ＝０，１）の輝度値を示す。このオプティカルフロー等式は、（ｉ）輝度値の時間微分と、（ｉｉ）水平方向の速度および参照画像の空間勾配の水平成分の積と、（ｉｉｉ）垂直方向の速度および参照画像の空間勾配の垂直成分の積と、の和が、ゼロと等しいことを示す。このオプティカルフロー等式とエルミート補間（Ｈｅｒｍｉｔｅ　ｉｎｔｅｒｐｏｌａｔｉｏｎ）との組み合わせに基づいて、候補ＭＶリスト等から得られるブロック単位の動きベクトルが画素単位で補正されてもよい。
　なお、等速直線運動を仮定したモデルに基づく動きベクトルの導出とは異なる方法で、復号装置２００側でＭＶが導出されてもよい。例えば、複数の隣接ブロックのＭＶに基づいてサブブロック単位で動きベクトルが導出されてもよい。
　図６４は、ＢＩＯにしたがったインター予測の一例を示すフローチャートである。また、図６５は、そのＢＩＯにしたがったインター予測を行うインター予測部１２６の構成の一例を示す図である。
　図６５に示すように、インター予測部１２６は、例えば、メモリ１２６ａと、補間画像導出部１２６ｂと、勾配画像導出部１２６ｃと、オプティカルフロー導出部１２６ｄと、補正値導出部１２６ｅと、予測画像補正部１２６ｆとを備える。なお、メモリ１２６ａは、フレームメモリ１２２であってもよい。
　インター予測部１２６は、カレントブロックを含むピクチャ（Ｃｕｒ　Ｐｉｃ）と異なる２枚の参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）を用いて、２つの動きベクトル（Ｍ０，Ｍ１）を導出する。そして、インター予測部１２６は、その２つの動きベクトル（Ｍ０，Ｍ１）を用いてカレントブロックの予測画像を導出する（ステップＳｙ＿１）。なお、動きベクトルＭ０は、参照ピクチャＲｅｆ０に対応する動きベクトル（ＭＶｘ０，ＭＶｙ０）であり、動きベクトルＭ１は、参照ピクチャＲｅｆ１に対応する動きベクトル（ＭＶｘ１，ＭＶｙ１）である。
　次に、補間画像導出部１２６ｂは、メモリ１２６ａを参照し、動きベクトルＭ０および参照ピクチャＬ０を用いてカレントブロックの補間画像Ｉ０を導出する。また、補間画像導出部１２６ｂは、メモリ１２６ａを参照し、動きベクトルＭ１および参照ピクチャＬ１を用いてカレントブロックの補間画像Ｉ１を導出する（ステップＳｙ＿２）。ここで、補間画像Ｉ０は、カレントブロックに対して導出される、参照ピクチャＲｅｆ０に含まれる画像であって、補間画像Ｉ１は、カレントブロックに対して導出される、参照ピクチャＲｅｆ１に含まれる画像である。補間画像Ｉ０および補間画像Ｉ１はそれぞれ、カレントブロックと同じサイズであってもよい。または、補間画像Ｉ０および補間画像Ｉ１はそれぞれ、後述の勾配画像を適切に導出するために、カレントブロックよりも大きな画像であってもよい。さらに、補間画像Ｉ０およびＩ１は、動きベクトル（Ｍ０，Ｍ１）および参照ピクチャ（Ｌ０，Ｌ１）と、動き補償フィルタとを適用して導出された予測画像を含んでいてもよい。
　また、勾配画像導出部１２６ｃは、補間画像Ｉ０および補間画像Ｉ１から、カレントブロックの勾配画像（Ｉｘ０，Ｉｘ１，Ｉｙ０，Ｉｙ１）を導出する（ステップＳｙ＿３）。なお、水平方向の勾配画像は、（Ｉｘ０，Ｉｘ１）であり、垂直方向の勾配画像は、（Ｉｙ０，Ｉｙ１）である。勾配画像導出部１２６ｃは、例えば、補間画像に対して勾配フィルタを適用することによって、その勾配画像を導出してもよい。勾配画像は、水平方向または垂直方向に沿った画素値の空間的な変化量を示すものであればよい。
　次に、オプティカルフロー導出部１２６ｄは、カレントブロックを構成する複数のサブブロック単位で、補間画像（Ｉ０，Ｉ１）および勾配画像（Ｉｘ０，Ｉｘ１，Ｉｙ０，Ｉｙ１）を用いて上述の速度ベクトルであるオプティカルフロー（ｖｘ，ｖｙ）を導出する（ステップＳｙ＿４）。オプティカルフローは、画素の空間的な移動量を補正する係数であり、局所動き推定値、補正動きベクトル、または補正重みベクトルと呼ばれてもよい。一例として、サブブロックは、４ｘ４画素のサブＣＵであってもよい。なお、オプティカルフローの導出は、サブブロック単位でなく、画素単位などの他の単位で行われてもよい。
　次に、インター予測部１２６は、オプティカルフロー（ｖｘ，ｖｙ）を用いてカレントブロックの予測画像を補正する。例えば、補正値導出部１２６ｅは、オプティカルフロー（ｖｘ，ｖｙ）を用いてカレントブロックに含まれる画素の値の補正値を導出する（ステップＳｙ＿５）。そして、予測画像補正部１２６ｆは、補正値を用いてカレントブロックの予測画像を補正してもよい（ステップＳｙ＿６）。なお、補正値は各画素単位で導出されてもよいし、複数の画素単位またはサブブロック単位で導出されてもよい。
　なお、ＢＩＯの処理フローは、図６４に開示した処理に限定されない。図６４に開示した処理の一部の処理のみを実施してもよいし、異なる処理を追加または置換してもよいし、異なる処理順で実行してもよい。
　［動き補償　＞　ＬＩＣ］
　次に、ＬＩＣ（ｌｏｃａｌ　ｉｌｌｕｍｉｎａｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）を用いて予測画像（予測）を生成するモードの一例について説明する。
　図６６Ａは、ＬＩＣによる輝度補正処理を用いた予測画像生成方法の一例を説明するための図である。また、図６６Ｂは、そのＬＩＣを用いた予測画像生成方法の一例を示すフローチャートである。
　まず、インター予測部１２６は、符号化済みの参照ピクチャからＭＶを導出して、カレントブロックに対応する参照画像を取得する（ステップＳｚ＿１）。
　次に、インター予測部１２６は、カレントブロックに対して、参照ピクチャとカレントピクチャとで輝度値がどのように変化したかを示す情報を抽出する（ステップＳｚ＿２）。この抽出は、カレントピクチャにおける符号化済み左隣接参照領域（周辺参照領域）および符号化済み上隣参照領域（周辺参照領域）の輝度画素値と、導出されたＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とに基づいて行われる。そして、インター予測部１２６は、輝度値がどのように変化したかを示す情報を用いて、輝度補正パラメータを算出する（ステップＳｚ＿３）。
　インター予測部１２６は、ＭＶで指定された参照ピクチャ内の参照画像に対してその輝度補正パラメータを適用する輝度補正処理を行うことで、カレントブロックに対する予測画像を生成する（ステップＳｚ＿４）。つまり、ＭＶで指定された参照ピクチャ内の参照画像である予測画像に対して、輝度補正パラメータに基づく補正が行われる。この補正では、輝度が補正されてもよく、色差が補正されてもよい。即ち、色差がどのように変化したかを示す情報を用いて色差の補正パラメータが算出され、色差の補正処理が行われてもよい。
　なお、図６６Ａにおける周辺参照領域の形状は一例であり、これ以外の形状を用いてもよい。
　また、ここでは１枚の参照ピクチャから予測画像を生成する処理について説明したが、複数枚の参照ピクチャから予測画像を生成する場合も同様であり、各々の参照ピクチャから取得した参照画像に、上述と同様の方法で輝度補正処理を行ってから予測画像を生成してもよい。
　ＬＩＣを適用するかどうかの判定の方法として、例えば、ＬＩＣを適用するかどうかを示す信号であるｌｉｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置１００において、カレントブロックが、輝度変化が発生している領域に属しているかどうかを判定し、輝度変化が発生している領域に属している場合はｌｉｃ＿ｆｌａｇとして値１を設定してＬＩＣを適用して符号化を行い、輝度変化が発生している領域に属していない場合はｌｉｃ＿ｆｌａｇとして値０を設定してＬＩＣを適用せずに符号化を行う。一方、復号装置２００では、ストリームに記述されたｌｉｃ＿ｆｌａｇを復号することで、その値に応じてＬＩＣを適用するかどうかを切替えて復号を行ってもよい。
　ＬＩＣを適用するかどうかの判定の別の方法として、例えば、周辺ブロックでＬＩＣを適用したかどうかに従って判定する方法もある。具体的な一例としては、カレントブロックがマージモードで処理されている場合、インター予測部１２６は、マージモードにおけるＭＶの導出の際に選択した周辺の符号化済みブロックがＬＩＣを適用して符号化されたかどうかを判定する。インター予測部１２６は、その結果に応じてＬＩＣを適用するかどうかを切替えて符号化を行う。なお、この例の場合でも、同じ処理が復号装置２００側の処理に適用される。
　ＬＩＣ（輝度補正処理）について図６６Ａおよび図６６Ｂを用いて説明したが、以下、その詳細を説明する。
　まず、インター予測部１２６は、符号化済みピクチャである参照ピクチャからカレントブロックに対応する参照画像を取得するためのＭＶを導出する。
　次に、インター予測部１２６は、カレントブロックに対して、左隣接および上隣接の符号化済み周辺参照領域の輝度画素値と、ＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とを用いて、参照ピクチャとカレントピクチャとで輝度値がどのように変化したかを示す情報を抽出して輝度補正パラメータを算出する。例えば、カレントピクチャ内の周辺参照領域内のある画素の輝度画素値をｐ０とし、当該画素と同等位置の、参照ピクチャ内の周辺参照領域内の画素の輝度画素値をｐ１とする。インター予測部１２６は、周辺参照領域内の複数の画素に対して、Ａ×ｐ１＋Ｂ＝ｐ０を最適化する係数ＡおよびＢを輝度補正パラメータとして算出する。
　次に、インター予測部１２６は、ＭＶで指定された参照ピクチャ内の参照画像に対して輝度補正パラメータを用いて輝度補正処理を行うことで、カレントブロックに対する予測画像を生成する。例えば、参照画像内の輝度画素値をｐ２とし、輝度補正処理後の予測画像の輝度画素値をｐ３とする。インター予測部１２６は、参照画像内の各画素に対して、Ａ×ｐ２＋Ｂ＝ｐ３を算出することで輝度補正処理後の予測画像を生成する。
　なお、図６６Ａに示す周辺参照領域の一部が用いられてもよい。例えば、上隣接画素および左隣接画素のそれぞれから間引いた所定数の画素を含む領域を周辺参照領域として用いてもよい。また、周辺参照領域は、カレントブロックに隣接する領域に限らず、カレントブロックに隣接しない領域であってもよい。また、図６６Ａに示す例では、参照ピクチャ内の周辺参照領域は、カレントピクチャ内の周辺参照領域から、カレントピクチャのＭＶで指定される領域であるが、他のＭＶで指定される領域であってもよい。例えば、当該他のＭＶは、カレントピクチャ内の周辺参照領域のＭＶであってもよい。
　なお、ここでは、符号化装置１００における動作を説明したが、復号装置２００における動作も同様である。
　なお、ＬＩＣは輝度のみではなく、色差に適用してもよい。このとき、Ｙ、Ｃｂ、およびＣｒのそれぞれに対して個別に補正パラメータを導出してもよいし、いずれかに対して共通の補正パラメータを用いてもよい。
　また、ＬＩＣ処理はサブブロック単位で適用してもよい。例えば、カレントサブブロックの周辺参照領域と、カレントサブブロックのＭＶで指定された参照ピクチャ内の参照サブブロックの周辺参照領域を用いて補正パラメータを導出してもよい。
　［予測制御部］
　予測制御部１２８は、イントラ予測画像（イントラ予測部１２４から出力される画像または信号）およびインター予測画像（インター予測部１２６から出力される画像または信号）のいずれかを選択し、選択した予測画像を減算部１０４および加算部１１６に出力する。
　［予測パラメータ生成部］
　予測パラメータ生成部１３０は、イントラ予測、インター予測、および予測制御部１２８における予測画像の選択などに関する情報を予測パラメータとしてエントロピー符号化部１１０に出力してもよい。エントロピー符号化部１１０は、予測パラメータ生成部１３０から入力されるその予測パラメータ、量子化部１０８から入力される量子化係数に基づいて、ストリームを生成してもよい。予測パラメータは復号装置２００に使用されてもよい。復号装置２００は、ストリームを受信して復号し、イントラ予測部１２４、インター予測部１２６および予測制御部１２８において行われる予測処理と同じ処理を行ってもよい。予測パラメータは、選択予測信号（例えば、ＭＶ、予測タイプ、または、イントラ予測部１２４またはインター予測部１２６で用いられた予測モード）、または、イントラ予測部１２４、インター予測部１２６および予測制御部１２８において行われる予測処理に基づく、あるいはその予測処理を示す、任意のインデックス、フラグ、もしくは値を含んでいてもよい。
　［復号装置］
　次に、上記の符号化装置１００から出力されたストリームを復号可能な復号装置２００について説明する。図６７は、実施の形態に係る復号装置２００の構成の一例を示すブロック図である。復号装置２００は、符号化された画像であるストリームをブロック単位で復号する装置である。
　図６７に示すように、復号装置２００は、エントロピー復号部２０２と、逆量子化部２０４と、逆変換部２０６と、加算部２０８と、ブロックメモリ２１０と、ループフィルタ部２１２と、フレームメモリ２１４と、イントラ予測部２１６と、インター予測部２１８と、予測制御部２２０と、予測パラメータ生成部２２２と、分割決定部２２４とを備える。なお、イントラ予測部２１６およびインター予測部２１８のそれぞれは、予測処理部の一部として構成されている。
　［復号装置の実装例］
　図６８は、復号装置２００の実装例を示すブロック図である。復号装置２００は、プロセッサｂ１およびメモリｂ２を備える。例えば、図６７に示された復号装置２００の複数の構成要素は、図６８に示されたプロセッサｂ１およびメモリｂ２によって実装される。
　プロセッサｂ１は、情報処理を行う回路であり、メモリｂ２にアクセス可能な回路である。例えば、プロセッサｂ１は、ストリームを復号する専用または汎用の電子回路である。プロセッサｂ１は、ＣＰＵのようなプロセッサであってもよい。また、プロセッサｂ１は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサｂ１は、図６７等に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリｂ２は、プロセッサｂ１がストリームを復号するための情報が記憶される専用または汎用のメモリである。メモリｂ２は、電子回路であってもよく、プロセッサｂ１に接続されていてもよい。また、メモリｂ２は、プロセッサｂ１に含まれていてもよい。また、メモリｂ２は、複数の電子回路の集合体であってもよい。また、メモリｂ２は、磁気ディスクまたは光ディスク等であってもよいし、ストレージまたは記録媒体等と表現されてもよい。また、メモリｂ２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリｂ２には、画像が記憶されてもよいし、ストリームが記憶されてもよい。また、メモリｂ２には、プロセッサｂ１がストリームを復号するためのプログラムが記憶されていてもよい。
　また、例えば、メモリｂ２は、図６７等に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリｂ２は、図６７に示されたブロックメモリ２１０およびフレームメモリ２１４の役割を果たしてもよい。より具体的には、メモリｂ２には、再構成画像（具体的には、再構成済みブロックまたは再構成済みピクチャ等）が記憶されてもよい。
　なお、復号装置２００において、図６７等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図６７等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。
　以下、復号装置２００の全体的な処理の流れを説明した後に、復号装置２００に含まれる各構成要素について説明する。なお、復号装置２００に含まれる各構成要素のうち、符号化装置１００に含まれる構成要素と同様の処理を行うものについては、詳細な説明を省略する。例えば、復号装置２００に含まれる、逆量子化部２０４、逆変換部２０６、加算部２０８、ブロックメモリ２１０、フレームメモリ２１４、イントラ予測部２１６、インター予測部２１８、予測制御部２２０、およびループフィルタ部２１２は、符号化装置１００に含まれる、逆量子化部１１２、逆変換部１１４、加算部１１６、ブロックメモリ１１８、フレームメモリ１２２、イントラ予測部１２４、インター予測部１２６、予測制御部１２８、およびループフィルタ部１２０と、それぞれ同様の処理を行う。
　［復号処理の全体フロー］
　図６９は、復号装置２００による全体的な復号処理の一例を示すフローチャートである。
　まず、復号装置２００の分割決定部２２４は、エントロピー復号部２０２から入力されるパラメータに基づいて、ピクチャに含まれる複数の固定サイズのブロック（１２８×１２８画素）のそれぞれの分割パターンを決定する（ステップＳｐ＿１）。この分割パターンは、符号化装置１００によって選択された分割パターンである。そして、復号装置２００は、その分割パターンを構成する複数のブロックのそれぞれに対してステップＳｐ＿２～Ｓｐ＿６の処理を行う。
　エントロピー復号部２０２は、カレントブロックの符号化された量子化係数および予測パラメータを復号（具体的にはエントロピー復号）する（ステップＳｐ＿２）。
　次に、逆量子化部２０４および逆変換部２０６は、複数の量子化係数に対して逆量子化および逆変換を行うことによって、そのカレントブロックの予測残差を復元する（ステップＳｐ＿３）。
　次に、イントラ予測部２１６、インター予測部２１８および予測制御部２２０からなる予測処理部は、カレントブロックの予測画像を生成する（ステップＳｐ＿４）。
　次に、加算部２０８は、予測残差に予測画像を加算することによってカレントブロックを再構成画像（復号画像ブロックともいう）に再構成する（ステップＳｐ＿５）。
　そして、この再構成画像が生成されると、ループフィルタ部２１２は、その再構成画像に対してフィルタリングを行う（ステップＳｐ＿６）。
　そして、復号装置２００は、ピクチャ全体の復号が完了したか否かを判定し（ステップＳｐ＿７）、完了していないと判定する場合（ステップＳｐ＿７のＮｏ）、ステップＳｐ＿１からの処理を繰り返し実行する。
　なお、これらのステップＳｐ＿１～Ｓｐ＿７の処理は、復号装置２００によってシーケンシャルに行われてもよく、それらの処理のうちの一部の複数の処理が並列に行われてもよく、順番が入れ替えられてもよい。
　［分割決定部］
　図７０は、分割決定部２２４と他の構成要素との関係を示す図である。分割決定部２２４は、一例として以下の処理を行ってもよい。
　分割決定部２２４は、例えば、ブロックメモリ２１０またはフレームメモリ２１４からブロック情報を収集し、さらに、エントロピー復号部２０２からパラメータを取得する。そして、分割決定部２２４は、そのブロック情報およびパラメータに基づいて固定サイズのブロックの分割パターンを決定してもよい。そして、分割決定部２２４は、その決定された分割パターンを示す情報を逆変換部２０６、イントラ予測部２１６およびインター予測部２１８に出力してもよい。逆変換部２０６は、分割決定部２２４からの情報によって示される分割パターンに基づいて変換係数に対して逆変換を行ってもよい。イントラ予測部２１６およびインター予測部２１８は、分割決定部２２４からの情報によって示される分割パターンに基づいて予測画像を生成してもよい。
　［エントロピー復号部］
　図７１は、エントロピー復号部２０２の構成の一例を示すブロック図である。
　エントロピー復号部２０２は、ストリームをエントロピー復号することによって、量子化係数、予測パラメータ、および分割パターンに関するパラメータなどを生成する。そのエントロピー復号には、例えば、ＣＡＢＡＣが用いられる。具体的には、エントロピー復号部２０２は、例えば、二値算術復号部２０２ａと、コンテキスト制御部２０２ｂと、多値化部２０２ｃとを備える。二値算術復号部２０２ａは、コンテキスト制御部２０２ｂによって導出されたコンテキスト値を用いてストリームを二値信号に算術復号する。コンテキスト制御部２０２ｂは、符号化装置１００のコンテキスト制御部１１０ｂと同様、シンタックス要素の特徴または周囲の状況に応じたコンテキスト値、すなわち二値信号の発生確率を導出する。多値化部２０２ｃは、二値算術復号部２０２ａから出力される二値信号を、上述の量子化係数などを示す多値信号に変換する多値化（ｄｅｂｉｎａｒｉｚｅ）を行う。この多値化は、上述の二値化の方式にしたがって行われる。
　エントロピー復号部２０２は、ブロック単位で量子化係数を逆量子化部２０４に出力する。エントロピー復号部２０２は、イントラ予測部２１６、インター予測部２１８および予測制御部２２０に、ストリーム（図１参照）に含まれている予測パラメータを出力してもよい。イントラ予測部２１６、インター予測部２１８および予測制御部２２０は、符号化装置１００側におけるイントラ予測部１２４、インター予測部１２６および予測制御部１２８で行われる処理と同じ予測処理を実行することができる。
　［エントロピー復号部］
　図７２は、エントロピー復号部２０２におけるＣＡＢＡＣの流れを示す図である。
　まず、エントロピー復号部２０２におけるＣＡＢＡＣでは、初期化が行われる。この初期化では、二値算術復号部２０２ａにおける初期化と、初期コンテキスト値の設定とが行われる。そして、二値算術復号部２０２ａおよび多値化部２０２ｃは、例えばＣＴＵの符号化データに対して、算術復号と多値化とを実行する。このとき、コンテキスト制御部２０２ｂは、算術復号が行われるたびにコンテキスト値の更新を行う。そして、コンテキスト制御部２０２ｂは、後処理として、コンテキスト値を退避させる。この退避されたコンテキスト値は、例えば次のＣＴＵに対するコンテキスト値の初期値のために用いられる。
　［逆量子化部］
　逆量子化部２０４は、エントロピー復号部２０２からの入力であるカレントブロックの量子化係数を逆量子化する。具体的には、逆量子化部２０４は、カレントブロックの量子化係数の各々について、当該量子化係数に対応する量子化パラメータに基づいて当該量子化係数を逆量子化する。そして、逆量子化部２０４は、カレントブロックの逆量子化された量子化係数（つまり変換係数）を逆変換部２０６に出力する。
　図７３は、逆量子化部２０４の構成の一例を示すブロック図である。
　逆量子化部２０４は、例えば、量子化パラメータ生成部２０４ａと、予測量子化パラメータ生成部２０４ｂと、量子化パラメータ記憶部２０４ｄと、逆量子化処理部２０４ｅとを備える。
　図７４は、逆量子化部２０４による逆量子化の一例を示すフローチャートである。
　逆量子化部２０４は、一例として、図７４に示すフローに基づいてＣＵごとに逆量子化処理を実施してもよい。具体的には、量子化パラメータ生成部２０４ａは、逆量子化を行うか否かを判定する（ステップＳｖ＿１１）。ここで、逆量子化を行うと判定すると（ステップＳｖ＿１１のＹｅｓ）、量子化パラメータ生成部２０４ａは、カレントブロックの差分量子化パラメータをエントロピー復号部２０２から取得する（ステップＳｖ＿１２）。
　次に、予測量子化パラメータ生成部２０４ｂは、カレントブロックとは異なる処理単位の量子化パラメータを量子化パラメータ記憶部２０４ｄから取得する（ステップＳｖ＿１３）。予測量子化パラメータ生成部２０４ｂは、その取得した量子化パラメータに基づいて、カレントブロックの予測量子化パラメータを生成する（ステップＳｖ＿１４）。
　そして、量子化パラメータ生成部２０４ａは、エントロピー復号部２０２から取得された、カレントブロックの差分量子化パラメータと、予測量子化パラメータ生成部２０４ｂによって生成された、カレントブロックの予測量子化パラメータとを加算する（ステップＳｖ＿１５）。この加算によって、カレントブロックの量子化パラメータが生成される。また、量子化パラメータ生成部２０４ａは、そのカレントブロックの量子化パラメータを量子化パラメータ記憶部２０４ｄに格納する（ステップＳｖ＿１６）。
　次に、逆量子化処理部２０４ｅは、ステップＳｖ＿１５で生成された量子化パラメータを用いてカレントブロックの量子化係数を変換係数に逆量子化する（ステップＳｖ＿１７）。
　なお、差分量子化パラメータは、ビットシーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで復号されてもよい。また、量子化パラメータの初期値を、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで復号してもよい。このとき、量子化パラメータは量子化パラメータの初期値と差分量子化パラメータとを用いて生成されてもよい。
　なお、逆量子化部２０４は複数の逆量子化器を備えていてもよく、複数の逆量子化方法から選択した逆量子化方法を用いて量子化係数を逆量子化してもよい。
　［逆変換部］
　逆変換部２０６は、逆量子化部２０４からの入力である変換係数を逆変換することにより予測残差を復元する。
　例えばストリームから読み解かれた情報がＥＭＴまたはＡＭＴを適用することを示す場合（例えばＡＭＴフラグが真）、逆変換部２０６は、読み解かれた変換タイプを示す情報に基づいてカレントブロックの変換係数を逆変換する。
　また例えば、ストリームから読み解かれた情報がＮＳＳＴを適用することを示す場合、逆変換部２０６は、変換係数に逆再変換を適用する。
　図７５は、逆変換部２０６による処理の一例を示すフローチャートである。
　例えば、逆変換部２０６は、直交変換を行わないことを示す情報がストリームに存在するか否かを判定する（ステップＳｔ＿１１）。ここで、その情報が存在しないと判定すると（ステップＳｔ＿１１のＮｏ）、逆変換部２０６は、エントロピー復号部２０２によって復号された、変換タイプを示す情報を取得する（ステップＳｔ＿１２）。次に、逆変換部２０６は、その情報に基づいて、符号化装置１００の直交変換に用いられた変換タイプを決定する（ステップＳｔ＿１３）。そして、逆変換部２０６は、その決定した変換タイプを用いて逆直交変換を行う（ステップＳｔ＿１４）。
　図７６は、逆変換部２０６による処理の他の例を示すフローチャートである。
　例えば、逆変換部２０６は、変換サイズが所定値以下であるか否かを判定する（ステップＳｕ＿１１）。ここで、所定値以下であると判定すると（ステップＳｕ＿１１のＹｅｓ）、逆変換部２０６は、第１の変換タイプ群に含まれる１つ以上の変換タイプのうち、いずれの変換タイプが符号化装置１００によって用いられたかを示す情報をエントロピー復号部２０２から取得する（ステップＳｕ＿１２）。なお、このような情報は、エントロピー復号部２０２によって復号されて逆変換部２０６に出力される。
　逆変換部２０６は、その情報に基づいて、符号化装置１００における直交変換に用いられた変換タイプを決定する（ステップＳｕ＿１３）。そして、逆変換部２０６は、その決定した変換タイプを用いてカレントブロックの変換係数を逆直交変換する（ステップＳｕ＿１４）。一方、逆変換部２０６は、ステップＳｕ＿１１において、変換サイズが所定値以下でないと判定すると（ステップＳｕ＿１１のＮｏ）、第２の変換タイプ群を用いてカレントブロックの変換係数を逆直交変換する（ステップＳｕ＿１５）。
　なお、逆変換部２０６による逆直交変換は、一例としてＴＵごとに図７５または図７６に示すフローに従って実施されてもよい。また、直交変換に用いた変換タイプを示す情報を復号せず、予め規定された変換タイプを用いて逆直交変換を行ってもよい。また、変換タイプは、具体的にはＤＳＴ７またはＤＣＴ８などであって、逆直交変換では、その変換タイプに対応する逆変換基底関数が用いられる。
　［加算部］
　加算部２０８は、逆変換部２０６からの入力である予測残差と予測制御部２２０からの入力である予測画像とを加算することによりカレントブロックを再構成する。つまり、カレントブロックの再構成画像が生成される。そして、加算部２０８は、カレントブロックの再構成画像をブロックメモリ２１０およびループフィルタ部２１２に出力する。
　［ブロックメモリ］
　ブロックメモリ２１０は、イントラ予測で参照されるブロックであって、カレントピクチャ内のブロックを格納するための記憶部である。具体的には、ブロックメモリ２１０は、加算部２０８から出力された再構成画像を格納する。
　［ループフィルタ部］
　ループフィルタ部２１２は、加算部２０８によって生成された再構成画像にループフィルタを施し、フィルタが施された再構成画像をフレームメモリ２１４および表示装置等に出力する。
　ストリームから読み解かれたＡＬＦのオン／オフを示す情報がＡＬＦのオンを示す場合、局所的な勾配の方向および活性度に基づいて複数のフィルタの中から１つのフィルタが選択され、選択されたフィルタが再構成画像に適用される。
　図７７は、ループフィルタ部２１２の構成の一例を示すブロック図である。なお、ループフィルタ部２１２は、符号化装置１００のループフィルタ部１２０と同様の構成を有する。
　ループフィルタ部２１２は、例えば図７７に示すように、デブロッキング・フィルタ処理部２１２ａと、ＳＡＯ処理部２１２ｂと、ＡＬＦ処理部２１２ｃとを備える。デブロッキング・フィルタ処理部２１２ａは、再構成画像に対して上述のデブロッキング・フィルタ処理を施す。ＳＡＯ処理部２１２ｂは、デブロッキング・フィルタ処理後の再構成画像に対して上述のＳＡＯ処理を施す。また、ＡＬＦ処理部２１２ｃは、ＳＡＯ処理後の再構成画像に対して上述のＡＬＦ処理を適用する。なお、ループフィルタ部２１２は、図７７に開示した全ての処理部を備えていなくてもよく、一部の処理部のみを備えていてもよい。また、ループフィルタ部２１２は、図７７に開示した処理順とは異なる順番で上述の各処理を行う構成であってもよい。
　［フレームメモリ］
　フレームメモリ２１４は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ２１４は、ループフィルタ部２１２によってフィルタが施された再構成画像を格納する。
　［予測部（イントラ予測部・インター予測部・予測制御部）］
　図７８は、復号装置２００の予測部で行われる処理の一例を示すフローチャートである。なお、一例として予測部は、イントラ予測部２１６、インター予測部２１８、および予測制御部２２０の全てまたは一部の構成要素からなる。予測処理部は、例えばイントラ予測部２１６およびインター予測部２１８を含む。
　予測部は、カレントブロックの予測画像を生成する（ステップＳｑ＿１）。この予測画像は、予測信号または予測ブロックともいう。なお、予測信号には、例えばイントラ予測信号またはインター予測信号がある。具体的には、予測部は、他のブロックに対する予測画像の生成、予測残差の復元、および予測画像の加算が行われることによって既に得られている再構成画像を用いて、カレントブロックの予測画像を生成する。復号装置２００の予測部は、符号化装置１００の予測部によって生成される予測画像と同一の予測画像を生成する。つまり、それらの予測部に用いられる予測画像の生成方法は、互いに共通または対応している。
　再構成画像は、例えば、参照ピクチャの画像であってもよいし、カレントブロックを含むピクチャであるカレントピクチャ内の復号済みのブロック（すなわち、上述の他のブロック）の画像であってもよい。カレントピクチャ内の復号済みのブロックは、例えばカレントブロックの隣接ブロックである。
　図７９は、復号装置２００の予測部で行われる処理の他の例を示すフローチャートである。
　予測部は、予測画像を生成するための方式またはモードを判定する（ステップＳｒ＿１）。例えば、この方式またはモードは、例えば予測パラメータなどに基づいて判定されてもよい。
　予測部は、予測画像を生成するためのモードとして第１の方式を判定した場合には、その第１の方式にしたがって予測画像を生成する（ステップＳｒ＿２ａ）。また、予測部は、予測画像を生成するためのモードとして第２の方式を判定した場合には、その第２の方式にしたがって予測画像を生成する（ステップＳｒ＿２ｂ）。また、予測部は、予測画像を生成するためのモードとして第３の方式を判定した場合には、その第３の方式にしたがって予測画像を生成する（ステップＳｒ＿２ｃ）。
　第１の方式、第２の方式、および第３の方式は、予測画像を生成するための互いに異なる方式であって、それぞれ例えば、インター予測方式、イントラ予測方式、および、それら以外の予測方式であってもよい。これらの予測方式では、上述の再構成画像を用いてもよい。
　図８０Ａ及び図８０Ｂは、復号装置２００の予測部で行われる処理の他の例を示すフローチャートである。
　予測部は、一例として図８０Ａ及び図８０Ｂに示すフローに従って予測処理を行ってもよい。なお、図８０Ａ及び図８０Ｂに示すイントラブロックコピーは、インター予測に属する１つのモードであって、カレントピクチャに含まれるブロックが参照画像または参照ブロックとして参照されるモードである。つまり、イントラブロックコピーでは、カレントピクチャと異なるピクチャは参照されない。また、図８０Ａに示すＰＣＭモードは、イントラ予測に属する１つのモードであって、変換および量子化が行われないモードである。
　［イントラ予測部］
　イントラ予測部２１６は、ストリームから読み解かれたイントラ予測モードに基づいて、ブロックメモリ２１０に格納されたカレントピクチャ内のブロックを参照してイントラ予測を行うことで、カレントブロックの予測画像（すなわちイントラ予測画像）を生成する。具体的には、イントラ予測部２１６は、カレントブロックに隣接するブロックの画素値（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測画像を生成し、イントラ予測画像を予測制御部２２０に出力する。
　なお、色差ブロックのイントラ予測において輝度ブロックを参照するイントラ予測モードが選択されている場合は、イントラ予測部２１６は、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分を予測してもよい。
　また、ストリームから読み解かれた情報がＰＤＰＣの適用を示す場合、イントラ予測部２１６は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正する。
　図８１は、復号装置２００のイントラ予測部２１６による処理の一例を示す図である。
　イントラ予測部２１６は、まず、１を示すＭＰＭフラグがストリームに存在するか否かを判定する（ステップＳｗ＿１１）。ここで、１を示すＭＰＭフラグが存在すると判定すると（ステップＳｗ＿１１のＹｅｓ）、イントラ予測部２１６は、ＭＰＭのうち、符号化装置１００において選択されたイントラ予測モードを示す情報をエントロピー復号部２０２から取得する（ステップＳｗ＿１２）。なお、その情報は、エントロピー復号部２０２によって復号されてイントラ予測部２１６に出力される。次に、イントラ予測部２１６は、ＭＰＭを決定する（ステップＳｗ＿１３）。ＭＰＭは、例えば６つのイントラ予測モードからなる。そして、イントラ予測部２１６は、そのＭＰＭに含まれる複数のイントラ予測モードの中から、ステップＳｗ＿１２で取得された情報によって示されるイントラ予測モードを決定する（ステップＳｗ＿１４）。
　一方、イントラ予測部２１６は、ステップＳｗ＿１１において、１を示すＭＰＭフラグがストリームに存在しないと判定すると（ステップＳｗ＿１１のＮｏ）、符号化装置１００において選択されたイントラ予測モードを示す情報を取得する（ステップＳｗ＿１５）。つまり、イントラ予測部２１６は、ＭＰＭに含まれない１つ以上のイントラ予測モードのうち、符号化装置１００において選択されたイントラ予測モードを示す情報をエントロピー復号部２０２から取得する。なお、その情報は、エントロピー復号部２０２によって復号されてイントラ予測部２１６に出力される。そして、イントラ予測部２１６は、そのＭＰＭに含まれていない１つ以上のイントラ予測モードの中から、ステップＳｗ＿１５で取得された情報によって示されるイントラ予測モードを決定する（ステップＳｗ＿１７）。
　イントラ予測部２１６は、ステップＳｗ＿１４またはステップＳｗ＿１７において決定されたイントラ予測モードにしたがって予測画像を生成する（ステップＳｗ＿１８）。
　［インター予測部］
　インター予測部２１８は、フレームメモリ２１４に格納された参照ピクチャを参照して、カレントブロックを予測する。予測は、カレントブロックまたはカレントブロック内のサブブロックの単位で行われる。なお、サブブロックはブロックに含まれていて、ブロックより小さい単位である。サブブロックのサイズは、４ｘ４画素であっても、８ｘ８画素であっても、それ以外のサイズであってもよい。サブブロックのサイズは、スライス、ブリック、またはピクチャなどの単位で切り替えられてもよい。
　例えば、インター予測部２１８は、ストリーム（例えば、エントロピー復号部２０２から出力される予測パラメータ）から読み解かれた動き情報（例えばＭＶ）を用いて動き補償を行うことでカレントブロックまたはサブブロックのインター予測画像を生成し、インター予測画像を予測制御部２２０に出力する。
　ストリームから読み解かれた情報がＯＢＭＣモードを適用することを示す場合、インター予測部２１８は、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測画像を生成する。
　また、ストリームから読み解かれた情報がＦＲＵＣモードを適用することを示す場合、インター予測部２１８は、ストリームから読み解かれたパターンマッチングの方法（バイラテラルマッチングまたはテンプレートマッチング）に従って動き探索を行うことにより動き情報を導出する。そして、インター予測部２１８は、導出された動き情報を用いて動き補償（予測）を行う。
　また、インター予測部２１８は、ＢＩＯモードが適用される場合に、等速直線運動を仮定したモデルに基づいてＭＶを導出する。また、ストリームから読み解かれた情報がアフィンモードを適用することを示す場合には、インター予測部２１８は、複数の隣接ブロックのＭＶに基づいてサブブロック単位でＭＶを導出する。
　［ＭＶ導出のフロー］
　図８２は、復号装置２００におけるＭＶ導出の一例を示すフローチャートである。
　インター予測部２１８は、例えば、動き情報（例えばＭＶ）を復号するか否かを判定する。例えば、インター予測部２１８は、ストリームに含まれる予測モードに応じて判定してもよく、ストリームに含まれるその他の情報に基づいて判定してもよい。ここで、インター予測部２１８は、動き情報を復号すると判定すると、その動き情報を復号するモードで、カレントブロックのＭＶを導出する。一方、インター予測部２１８は、動き情報を復号しないと判定すると、動き情報を復号しないモードでＭＶを導出する。
　ここで、ＭＶ導出のモードには、後述のノーマルインターモード、ノーマルマージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、動き情報を復号するモードには、ノーマルインターモード、ノーマルマージモード、およびアフィンモード（具体的には、アフィンインターモードおよびアフィンマージモード）などがある。なお、動き情報には、ＭＶだけでなく、後述の予測ＭＶ選択情報が含まれてもよい。また、動き情報を復号しないモードには、ＦＲＵＣモードなどがある。インター予測部２１８は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　図８３は、復号装置２００におけるＭＶ導出の他の例を示すフローチャートである。
　インター予測部２１８は、例えば、差分ＭＶを復号するか否かを判定する、例えば、インター予測部２１８は、ストリームに含まれる予測モードに応じて判定してもよく、ストリームに含まれるその他の情報に基づいて判定してもよい。ここで、インター予測部２１８は、差分ＭＶを復号すると判定すると、差分ＭＶを復号するモードで、カレントブロックのＭＶを導出してもよい。この場合、例えばストリームに含まれる差分ＭＶが予測パラメータとして復号される。
　一方、インター予測部２１８は、差分ＭＶを復号しないと判定すると、差分ＭＶを復号しないモードでＭＶを導出する。この場合には、符号化された差分ＭＶはストリームに含まれない。
　ここで、上述のようにＭＶの導出のモードには、後述のノーマルインター、ノーマルマージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、差分ＭＶを符号化するモードには、ノーマルインターモードおよびアフィンモード（具体的には、アフィンインターモード）などがある。また、差分ＭＶを符号化しないモードには、ＦＲＵＣモード、ノーマルマージモードおよびアフィンモード（具体的には、アフィンマージモード）などがある。インター予測部２１８は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　［ＭＶ導出　＞　ノーマルインターモード］
　例えば、ストリームから読み解かれた情報がノーマルインターモードを適用することを示す場合、インター予測部２１８は、ストリームから読み解かれた情報に基づいて、ノーマルマージモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８４は、復号装置２００におけるノーマルインターモードによるインター予測の例を示すフローチャートである。
　復号装置２００のインター予測部２１８は、ブロックごとに、そのブロックに対して動き補償を行う。このときには、インター予測部２１８は、まず、時間的または空間的にカレントブロックの周囲にある複数の復号済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｇ＿１１）。つまり、インター予測部２１８は、候補ＭＶリストを作成する。
　次に、インター予測部２１８は、ステップＳｇ＿１１で取得された複数の候補ＭＶの中から、Ｎ個（Ｎは２以上の整数）の候補ＭＶのそれぞれを予測動きベクトル候補（予測ＭＶ候補ともいう）として、予め決められた優先順位に従って抽出する（ステップＳｇ＿１２）。なお、その優先順位は、Ｎ個の予測ＭＶ候補のそれぞれに対して予め定められている。
　次に、インター予測部２１８は、入力されたストリームから予測ＭＶ選択情報を復号し、その復号された予測ＭＶ選択情報を用いて、そのＮ個の予測ＭＶ候補の中から１つの予測ＭＶ候補を、カレントブロックの予測ＭＶとして選択する（ステップＳｇ＿１３）。
　次に、インター予測部２１８は、入力されたストリームから差分ＭＶを復号し、その復号された差分ＭＶである差分値と、選択された予測ＭＶとを加算することによって、カレントブロックのＭＶを導出する（ステップＳｇ＿１４）。
　最後に、インター予測部２１８は、その導出されたＭＶと復号済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｇ＿１５）。ステップＳｇ＿１１～Ｓｇ＿１５の処理は、各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｇ＿１１～Ｓｇ＿１５の処理が実行されると、そのスライスに対するノーマルインターモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｇ＿１１～Ｓｇ＿１５の処理が実行されると、そのピクチャに対するノーマルインターモードを用いたインター予測が終了する。なお、ステップＳｇ＿１１～Ｓｇ＿１５の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するノーマルインターモードを用いたインター予測が終了してもよい。ステップＳｇ＿１１～Ｓｇ＿１５の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するノーマルインターモードを用いたインター予測が終了してもよい。
　［ＭＶ導出　＞　ノーマルマージモード］
　例えば、ストリームから読み解かれた情報がノーマルマージモードの適用を示す場合、インター予測部２１８は、ノーマルマージモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８５は、復号装置２００におけるノーマルマージモードによるインター予測の例を示すフローチャートである。
　インター予測部２１８は、まず、時間的または空間的にカレントブロックの周囲にある複数の復号済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｈ＿１１）。つまり、インター予測部２１８は、候補ＭＶリストを作成する。
　次に、インター予測部２１８は、ステップＳｈ＿１１で取得された複数の候補ＭＶの中から１つの候補ＭＶを選択することによって、カレントブロックのＭＶを導出する（ステップＳｈ＿１２）。具体的には、インター予測部２１８は、例えばストリームに予測パラメータとして含まれるＭＶ選択情報を取得し、そのＭＶ選択情報によって識別される候補ＭＶを、カレントブロックのＭＶとして選択する。
　最後に、インター予測部２１８は、その導出されたＭＶと復号済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｈ＿１３）。ステップＳｈ＿１１～Ｓｈ＿１３の処理は例えば各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｈ＿１１～Ｓｈ＿１３の処理が実行されると、そのスライスに対するノーマルマージモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｈ＿１１～Ｓｈ＿１３の処理が実行されると、そのピクチャに対するノーマルマージモードを用いたインター予測が終了する。なお、ステップＳｈ＿１１～Ｓｈ＿１３の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するノーマルマージモードを用いたインター予測が終了してもよい。ステップＳｈ＿１１～Ｓｈ＿１３の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するノーマルマージモードを用いたインター予測が終了してもよい。
　［ＭＶ導出　＞　ＦＲＵＣモード］
　例えば、ストリームから読み解かれた情報がＦＲＵＣモードの適用を示す場合、インター予測部２１８は、ＦＲＵＣモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。この場合、動き情報は、符号化装置１００側から信号化されずに、復号装置２００側で導出される。例えば、復号装置２００は、動き探索を行うことにより動き情報を導出してもよい。この場合、復号装置２００は、カレントブロックの画素値を用いずに動き探索を行う。
　図８６は、復号装置２００におけるＦＲＵＣモードによるインター予測の例を示すフローチャートである。
　まず、インター予測部２１８は、カレントブロックに空間的または時間的に隣接する各復号済みブロックのＭＶを参照して、それらのＭＶを候補ＭＶとして示すリスト（すなわち、候補ＭＶリストであって、ノーマルマージモードの候補ＭＶリストと共通であってもよい）を生成する（ステップＳｉ＿１１）。次に、インター予測部２１８は、候補ＭＶリストに登録されている複数の候補ＭＶの中からベスト候補ＭＶを選択する（ステップＳｉ＿１２）。例えば、インター予測部２１８は、候補ＭＶリストに含まれる各候補ＭＶの評価値を算出し、その評価値に基づいて１つの候補ＭＶをベスト候補ＭＶとして選択する。そして、インター予測部２１８は、選択されたベスト候補ＭＶに基づいて、カレントブロックのためのＭＶを導出する（ステップＳｉ＿１４）。具体的には、例えば、選択されたベスト候補ＭＶがそのままカレントブロックのためのＭＶとして導出される。また例えば、選択されたベスト候補ＭＶに対応する参照ピクチャ内の位置の周辺領域において、パターンマッチングを行うことにより、カレントブロックのためのＭＶが導出されてもよい。すなわち、ベスト候補ＭＶの周辺の領域に対して、参照ピクチャにおけるパターンマッチングおよび評価値を用いた探索を行い、さらに評価値が良い値となるＭＶがあった場合は、ベスト候補ＭＶをそのＭＶに更新して、それをカレントブロックの最終的なＭＶとしてもよい。より良い評価値を有するＭＶへの更新を実施しなくてもよい。
　最後に、インター予測部２１８は、その導出されたＭＶと復号済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｉ＿１５）。ステップＳｉ＿１１～Ｓｉ＿１５の処理は例えば各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｉ＿１１～Ｓｉ＿１５の処理が実行されると、そのスライスに対するＦＲＵＣモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｉ＿１１～Ｓｉ＿１５の処理が実行されると、そのピクチャに対するＦＲＵＣモードを用いたインター予測が終了する。サブブロック単位でも上述のブロック単位と同様に処理されてもよい。
　［ＭＶ導出　＞　アフィンマージモード］
　例えば、ストリームから読み解かれた情報がアフィンマージモードの適用を示す場合、インター予測部２１８は、アフィンマージモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８７は、復号装置２００におけるアフィンマージモードによるインター予測の例を示すフローチャートである。
　アフィンマージモードでは、まず、インター予測部２１８は、カレントブロックの制御ポイントのそれぞれのＭＶを導出する（ステップＳｋ＿１１）。制御ポイントは、図４６Ａに示すように、カレントブロックの左上角および右上角のポイント、或いは図４６Ｂに示すように、カレントブロックの左上角、右上角および左下角のポイントである。
　例えば、図４７Ａ～図４７Ｃに示すＭＶの導出方法を用いる場合、インター予測部２１８は、図４７Ａに示すように、復号済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序にこれらのブロックを検査し、アフィンモードで復号された最初の有効なブロックを特定する。
　インター予測部２１８は、特定されたアフィンモードで復号された最初の有効なブロックを用いて、制御ポイントのＭＶを導出する。例えば、ブロックＡが特定され、ブロックＡが２つの制御ポイントを有する場合、図４７Ｂに示すように、インター予測部２１８は、ブロックＡを含む復号済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４をカレントブロックに投影することによって、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とを算出する。これにより、各制御ポイントのＭＶが導出される。
　なお、図４９Ａに示すように、ブロックＡが特定され、ブロックＡが２つの制御ポイントを有する場合に、３つの制御ポイントのＭＶを算出してもよく、図４９Ｂに示すように、ブロックＡが特定され、ブロックＡが３つの制御ポイントを有する場合に、２つの制御ポイントのＭＶを算出してもよい。
　また、ストリームに予測パラメータとしてＭＶ選択情報が含まれている場合には、インター予測部２１８は、そのＭＶ選択情報を用いてカレントブロックの各制御ポイントのＭＶを導出してもよい。
　次に、インター予測部２１８は、カレントブロックに含まれる複数のサブブロックのそれぞれについて、動き補償を行う。すなわち、インター予測部２１８は、その複数のサブブロックのそれぞれについて、２つの動きベクトルｖ０およびｖ１と上述の式（１Ａ）とを用いて、或いは３つの動きベクトルｖ０、ｖ１およびｖ２と上述の式（１Ｂ）とを用いて、そのサブブロックのＭＶをアフィンＭＶとして算出する（ステップＳｋ＿１２）。そして、インター予測部２１８は、それらのアフィンＭＶおよび復号済み参照ピクチャを用いてそのサブブロックに対して動き補償を行う（ステップＳｋ＿１３）。カレントブロックに含まれる全てのサブブロックのそれぞれに対してステップＳｋ＿１２およびＳｋ＿１３の処理が実行されると、そのカレントブロックに対するアフィンマージモードを用いたインター予測が終了する。つまり、カレントブロックに対して動き補償が行われ、そのカレントブロックの予測画像が生成される。
　なお、ステップＳｋ＿１１では、上述の候補ＭＶリストが生成されてもよい。候補ＭＶリストは、例えば、各制御ポイントに対して複数のＭＶ導出方法を用いて導出した候補ＭＶを含むリストであってもよい。複数のＭＶ導出方法は、図４７Ａ～図４７Ｃに示すＭＶの導出方法、図４８Ａおよび図４８Ｂに示すＭＶの導出方法、図４９Ａおよび図４９Ｂに示すＭＶの導出方法、および、その他のＭＶの導出方法の任意の組合せであってもよい。
　なお、候補ＭＶリストは、アフィンモード以外の、サブブロック単位で予測を行うモードの候補ＭＶを含んでもよい。
　なお、候補ＭＶリストとして、例えば、２つの制御ポイントを有するアフィンマージモードの候補ＭＶと、３つの制御ポイントを有するアフィンマージモードの候補ＭＶとを含む候補ＭＶリストを生成してもよい。または、２つの制御ポイントを有するアフィンマージモードの候補ＭＶを含む候補ＭＶリストと、３つの制御ポイントを有するアフィンマージモードの候補ＭＶを含む候補ＭＶリストとをそれぞれ生成してもよい。または、２つの制御ポイントを有するアフィンマージモードと、３つの制御ポイントを有するアフィンマージモードとのうちの一方のモードの候補ＭＶを含む候補ＭＶリストを生成してもよい。
　［ＭＶ導出　＞　アフィンインターモード］
　例えば、ストリームから読み解かれた情報がアフィンインターモードの適用を示す場合、インター予測部２１８は、アフィンインターモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８８は、復号装置２００におけるアフィンインターモードによるインター予測の例を示すフローチャートである。
　アフィンインターモードでは、まず、インター予測部２１８は、カレントブロックの２つまたは３つの制御ポイントのそれぞれの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する（ステップＳｊ＿１１）。制御ポイントは、例えば図４６Ａまたは図４６Ｂに示すように、カレントブロックの左上角、右上角或いは左下角のポイントである。
　インター予測部２１８は、ストリームに予測パラメータとして含まれる予測ＭＶ選択情報を取得し、その予測ＭＶ選択情報によって識別されるＭＶを用いて、カレントブロックの各制御ポイントの予測ＭＶを導出する。例えば、図４８Ａおよび図４８Ｂに示すＭＶの導出方法を用いる場合、インター予測部２１８は、図４８Ａまたは図４８Ｂに示すカレントブロックの各制御ポイント近傍の復号済みブロックのうち、予測ＭＶ選択情報によって識別されるブロックのＭＶを選択することによって、カレントブロックの制御ポイントの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する。
　次に、インター予測部２１８は、例えば、ストリームに予測パラメータとして含まれる各差分ＭＶを取得し、カレントブロックの各制御ポイントの予測ＭＶと、その予測ＭＶに対応する差分ＭＶとを加算する（ステップＳｊ＿１２）。これにより、カレントブロックの各制御ポイントのＭＶが導出される。
　次に、インター予測部２１８は、カレントブロックに含まれる複数のサブブロックのそれぞれについて、動き補償を行う。すなわち、インター予測部２１８は、その複数のサブブロックのそれぞれについて、２つの動きベクトルｖ０およびｖ１と上述の式（１Ａ）とを用いて、或いは３つの動きベクトルｖ０、ｖ１およびｖ２と上述の式（１Ｂ）とを用いて、そのサブブロックのＭＶをアフィンＭＶとして算出する（ステップＳｊ＿１３）。そして、インター予測部２１８は、それらのアフィンＭＶおよび復号済み参照ピクチャを用いてそのサブブロックに対して動き補償を行う（ステップＳｊ＿１４）。カレントブロックに含まれる全てのサブブロックのそれぞれに対してステップＳｊ＿１３およびＳｊ＿１４の処理が実行されると、そのカレントブロックに対するアフィンマージモードを用いたインター予測が終了する。つまり、カレントブロックに対して動き補償が行われ、そのカレントブロックの予測画像が生成される。
　なお、ステップＳｊ＿１１では、ステップＳｋ＿１１と同様、上述の候補ＭＶリストが生成されてもよい。
　［ＭＶ導出　＞　トライアングルモード］
　例えば、ストリームから読み解かれた情報がトライアングルモードの適用を示す場合、インター予測部２１８は、トライアングルモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８９は、復号装置２００におけるトライアングルモードによるインター予測の例を示すフローチャートである。
　トライアングルモードでは、まず、インター予測部２１８は、カレントブロックを第１パーティションと第２パーティションとに分割する（ステップＳｘ＿１１）。このとき、インター予測部２１８は、各パーティションへの分割に関する情報であるパーティション情報を予測パラメータとしてストリームから取得してもよい。そして、インター予測部２１８は、そのパーティション情報に応じて、カレントブロックを第１パーティションと第２パーティションとに分割してもよい。
　次に、インター予測部２１８は、まず、時間的または空間的にカレントブロックの周囲にある複数の復号済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｘ＿１２）。つまり、インター予測部２１８は、候補ＭＶリストを作成する。
　そして、インター予測部２１８は、ステップＳｘ＿１１で取得された複数の候補ＭＶの中から、第１パーティションの候補ＭＶおよび第２パーティションの候補ＭＶを、第１ＭＶおよび第２ＭＶとしてそれぞれ選択する（ステップＳｘ＿１３）。このとき、インター予測部２１８は、選択された候補ＭＶを識別するためのＭＶ選択情報を予測パラメータとしてストリームから取得してもよい。そして、インター予測部２１８は、そのＭＶ選択情報に応じて第１ＭＶおよび第２ＭＶを選択してもよい。
　次に、インター予測部２１８は、その選択された第１ＭＶと復号済み参照ピクチャとを用いて動き補償を行ことにより、第１予測画像を生成する（ステップＳｘ＿１４）。同様に、インター予測部２１８は、選択された第２ＭＶと復号済み参照ピクチャとを用いて動き補償を行ことにより、第２予測画像を生成する（ステップＳｘ＿１５）。
　最後に、インター予測部２１８は、第１予測画像と第２予測画像とを重み付け加算することによって、カレントブロックの予測画像を生成する（ステップＳｘ＿１６）。
　［動き探索　＞　ＤＭＶＲ］
　例えば、ストリームから読み解かれた情報がＤＭＶＲの適用を示す場合、インター予測部２１８は、ＤＭＶＲで動き探索を行う。
　図９０は、復号装置２００におけるＤＭＶＲによる動き探索の例を示すフローチャートである。
　インター予測部２１８は、まず、マージモードでカレントブロックのＭＶを導出する（ステップＳｌ＿１１）。次に、インター予測部２１８は、ステップＳｌ＿１１で導出されたＭＶによって示される参照ピクチャの周辺領域を探索することによって、カレントブロックに対して最終のＭＶを導出する（ステップＳｌ＿１２）。すなわち、ＤＭＶＲによってカレントブロックのＭＶが決定される。
　図９１は、復号装置２００におけるＤＭＶＲによる動き探索の詳細な一例を示すフローチャートである。
　まず、インター予測部２１８は、図５８Ａに示すＳｔｅｐ１で、初期ＭＶが示す探索位置（開始点ともいう）と、その周囲にある８つの探索位置とにおけるコストを算出する。そして、インター予測部２１８は、開始点以外の探索位置のコストが最小か否かを判定する。ここで、インター予測部２１８は、開始点以外の探索位置のコストが最小と判定すると、コストが最小となる探索位置に移動して、図５８Ａに示すＳｔｅｐ２の処理を行う。一方、インター予測部２１８は、開始点のコストが最小であれば、図５８Ａに示すＳｔｅｐ２の処理をスキップしてＳｔｅｐ３の処理を行う。
　図５８Ａに示すＳｔｅｐ２では、インター予測部２１８は、Ｓｔｅｐ１の処理結果に応じて移動した探索位置を新たな開始点として、Ｓｔｅｐ１の処理と同様の探索を行う。そして、インター予測部２１８は、その開始点以外の探索位置のコストが最小か否かを判定する。ここで、インター予測部２１８は、開始点以外の探索位置のコストが最小であれば、Ｓｔｅｐ４の処理を行う。一方、インター予測部２１８は、開始点のコストが最小であれば、Ｓｔｅｐ３の処理を行う。
　Ｓｔｅｐ４では、インター予測部２１８は、その開始点の探索位置を最終探索位置として扱い、初期ＭＶが示す位置とその最終探索位置との差分を差分ベクトルとして決定する。
　図５８Ａに示すＳｔｅｐ３では、インター予測部２１８は、Ｓｔｅｐ１またはＳｔｅｐ２の開始点の上下左右にある４点におけるコストに基づき、コストが最小となる小数精度の画素位置を決定し、その画素位置を最終探索位置とする。その小数精度の画素位置は、上下左右にある４点のベクトル（（０，１），（０，－１），（－１，０），（１，０））を、その４点のそれぞれの探索位置におけるコストを重みとして重み付け加算することで決定される。そして、インター予測部２１８は、初期ＭＶが示す位置とその最終探索位置との差分を差分ベクトルとして決定する。
　［動き補償　＞　ＢＩＯ／ＯＢＭＣ／ＬＩＣ］
　例えば、ストリームから読み解かれた情報が予測画像の補正の適用を示す場合、インター予測部２１８は、予測画像を生成すると、その補正のモードにしたがって予測画像を補正する。そのモードは、例えば、上述のＢＩＯ、ＯＢＭＣ、およびＬＩＣなどである。
　図９２は、復号装置２００における予測画像の生成の一例を示すフローチャートである。
　インター予測部２１８は、予測画像を生成し（ステップＳｍ＿１１）、上述の何れかのモードによってその予測画像を補正する（ステップＳｍ＿１２）。
　図９３は、復号装置２００における予測画像の生成の他の例を示すフローチャートである。
　インター予測部２１８は、カレントブロックのＭＶを導出する（ステップＳｎ＿１１）。次に、インター予測部２１８は、そのＭＶを用いて予測画像を生成し（ステップＳｎ＿１２）、補正処理を行うか否かを判定する（ステップＳｎ＿１３）。例えば、インター予測部２１８は、ストリームに含まれる予測パラメータを取得し、その予測パラメータに基づいて、補正処理を行うか否かを判定する。この予測パラメータは、例えば、上述の各モードを適用するか否かを示すフラグである。ここで、インター予測部２１８は、補正処理を行うと判定すると（ステップＳｎ＿１３のＹｅｓ）、その予測画像を補正することによって最終的な予測画像を生成する（ステップＳｎ＿１４）。なお、ＬＩＣでは、ステップＳｎ＿１４において、予測画像の輝度および色差が補正されてもよい。一方、インター予測部２１８は、補正処理を行わないと判定すると（ステップＳｎ＿１３のＮｏ）、その予測画像を補正することなく最終的な予測画像として出力する（ステップＳｎ＿１５）。
　［動き補償　＞　ＯＢＭＣ］
　例えば、ストリームから読み解かれた情報がＯＢＭＣの適用を示す場合、インター予測部２１８は、予測画像を生成すると、ＯＢＭＣにしたがって予測画像を補正する。
　図９４は、復号装置２００におけるＯＢＭＣによる予測画像の補正の例を示すフローチャートである。なお、図９４のフローチャートは、図６２に示すカレントピクチャおよび参照ピクチャを用いた予測画像の補正の流れを示す。
　まず、インター予測部２１８は、図６２に示すように、カレントブロックに割り当てられたＭＶを用いて通常の動き補償による予測画像（Ｐｒｅｄ）を取得する。
　次に、インター予測部２１８は、復号済みの左隣接ブロックに対して既に導出されたＭＶ（ＭＶ＿Ｌ）をカレントブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｌ）を取得する。そして、インター予測部２１８は、２つの予測画像ＰｒｅｄとＰｒｅｄ＿Ｌとを重ね合わせることで予測画像の１回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。
　同様に、インター予測部２１８は、復号済みの上隣接ブロックに対して既に導出されたＭＶ（ＭＶ＿Ｕ）をカレントブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｕ）を取得する。そして、インター予測部２１８は、予測画像Ｐｒｅｄ＿Ｕを１回目の補正を行った予測画像（例えば、ＰｒｅｄとＰｒｅｄ＿Ｌ）に重ね合わせることで予測画像の２回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。２回目の補正によって得られた予測画像は、隣接ブロックとの境界が混ぜ合わされた（スムージングされた）、カレントブロックの最終的な予測画像である。
　［動き補償　＞　ＢＩＯ］
　例えば、ストリームから読み解かれた情報がＢＩＯの適用を示す場合、インター予測部２１８は、予測画像を生成すると、ＢＩＯにしたがって予測画像を補正する。
　図９５は、復号装置２００におけるＢＩＯによる予測画像の補正の例を示すフローチャートである。
　インター予測部２１８は、図６３に示すように、カレントブロックを含むピクチャ（Ｃｕｒ　Ｐｉｃ）と異なる２枚の参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）を用いて、２つの動きベクトル（Ｍ０，Ｍ１）を導出する。そして、インター予測部２１８は、その２つの動きベクトル（Ｍ０，Ｍ１）を用いてカレントブロックの予測画像を導出する（ステップＳｙ＿１１）。なお、動きベクトルＭ０は、参照ピクチャＲｅｆ０に対応する動きベクトル（ＭＶｘ０，ＭＶｙ０）であり、動きベクトルＭ１は、参照ピクチャＲｅｆ１に対応する動きベクトル（ＭＶｘ１，ＭＶｙ１）である。
　次に、インター予測部２１８は、動きベクトルＭ０および参照ピクチャＬ０を用いてカレントブロックの補間画像Ｉ０を導出する。また、インター予測部２１８は、動きベクトルＭ１および参照ピクチャＬ１を用いてカレントブロックの補間画像Ｉ１を導出する（ステップＳｙ＿１２）。ここで、補間画像Ｉ０は、カレントブロックに対して導出される、参照ピクチャＲｅｆ０に含まれる画像であって、補間画像Ｉ１は、カレントブロックに対して導出される、参照ピクチャＲｅｆ１に含まれる画像である。補間画像Ｉ０および補間画像Ｉ１はそれぞれ、カレントブロックと同じサイズであってもよい。または、補間画像Ｉ０および補間画像Ｉ１はそれぞれ、後述の勾配画像を適切に導出するために、カレントブロックよりも大きな画像であってもよい。さらに、補間画像Ｉ０およびＩ１は、動きベクトル（Ｍ０，Ｍ１）および参照ピクチャ（Ｌ０，Ｌ１）と、動き補償フィルタとを適用して導出された予測画像を含んでいてもよい。
　また、インター予測部２１８は、補間画像Ｉ０および補間画像Ｉ１から、カレントブロックの勾配画像（Ｉｘ０，Ｉｘ１，Ｉｙ０，Ｉｙ１）を導出する（ステップＳｙ＿１３）。なお、水平方向の勾配画像は、（Ｉｘ０，Ｉｘ１）であり、垂直方向の勾配画像は、（Ｉｙ０，Ｉｙ１）である。インター予測部２１８は、例えば、補間画像に対して勾配フィルタを適用することによって、その勾配画像を導出してもよい。勾配画像は、水平方向または垂直方向に沿った画素値の空間的な変化量を示すものであればよい。
　次に、インター予測部２１８は、カレントブロックを構成する複数のサブブロック単位で、補間画像（Ｉ０，Ｉ１）および勾配画像（Ｉｘ０，Ｉｘ１，Ｉｙ０，Ｉｙ１）を用いて上述の速度ベクトルであるオプティカルフロー（ｖｘ，ｖｙ）を導出する（ステップＳｙ＿１４）。一例として、サブブロックは、４ｘ４画素のサブＣＵであってもよい。
　次に、インター予測部２１８は、オプティカルフロー（ｖｘ，ｖｙ）を用いてカレントブロックの予測画像を補正する。例えば、インター予測部２１８は、オプティカルフロー（ｖｘ，ｖｙ）を用いてカレントブロックに含まれる画素の値の補正値を導出する（ステップＳｙ＿１５）。そして、インター予測部２１８は、補正値を用いてカレントブロックの予測画像を補正してもよい（ステップＳｙ＿１６）。なお、補正値は各画素単位で導出されてもよいし、複数の画素単位またはサブブロック単位で導出されてもよい。
　なお、ＢＩＯの処理フローは、図９５に開示した処理に限定されない。図９５に開示した処理の一部の処理のみを実施してもよいし、異なる処理を追加または置換してもよいし、異なる処理順で実行してもよい。
　［動き補償　＞　ＬＩＣ］
　例えば、ストリームから読み解かれた情報がＬＩＣの適用を示す場合、インター予測部２１８は、予測画像を生成すると、ＬＩＣにしたがって予測画像を補正する。
　図９６は、復号装置２００におけるＬＩＣによる予測画像の補正の例を示すフローチャートである。
　まず、インター予測部２１８は、ＭＶを用いて、復号済みの参照ピクチャからカレントブロックに対応する参照画像を取得する（ステップＳｚ＿１１）。
　次に、インター予測部２１８は、カレントブロックに対して、参照ピクチャとカレントピクチャとで輝度値がどのように変化したかを示す情報を抽出する（ステップＳｚ＿１２）。この抽出は、図６６Ａに示すように、カレントピクチャにおける復号済み左隣接参照領域（周辺参照領域）および復号済み上隣参照領域（周辺参照領域）の輝度画素値と、導出されたＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とに基づいて行われる。そして、インター予測部２１８は、輝度値がどのように変化したかを示す情報を用いて、輝度補正パラメータを算出する（ステップＳｚ＿１３）。
　インター予測部２１８は、ＭＶで指定された参照ピクチャ内の参照画像に対してその輝度補正パラメータを適用する輝度補正処理を行うことで、カレントブロックに対する予測画像を生成する（ステップＳｚ＿１４）。つまり、ＭＶで指定された参照ピクチャ内の参照画像である予測画像に対して、輝度補正パラメータに基づく補正が行われる。この補正では、輝度が補正されてもよく、色差が補正されてもよい。
　［予測制御部］
　予測制御部２２０は、イントラ予測画像およびインター予測画像のいずれかを選択し、選択した予測画像を加算部２０８に出力する。全体的に、復号装置２００側の予測制御部２２０、イントラ予測部２１６およびインター予測部２１８の構成、機能、および処理は、符号化装置１００側の予測制御部１２８、イントラ予測部１２４およびインター予測部１２６の構成、機能、および処理と対応していてもよい。
　［再生装置の実装例］
　図９７は、再生装置３００の実装例を示すブロック図である。再生装置３００は、プロセッサｃ１及びメモリｃ２を備える。例えば、後述する図１０７及び図１０８に示される再生装置３００の複数の構成要素は、図９７に示されたプロセッサｃ１およびメモリｃ２によって実装される。
　プロセッサｃ１は、情報処理を行う回路であり、メモリｃ２にアクセス可能な回路である。例えば、プロセッサｃ１は、送信装置４００からマニフェストファイルを取得し、ネットワーク状態又はデバイスの種類に応じて適切なビットレートのセグメントを送信装置４００に要求することで、再生する動画像のビットレートをセグメント毎に切り替えて復号及びレンダリングする専用または汎用の電子回路である。プロセッサｃ１は、ＣＰＵのようなプロセッサであってもよい。また、プロセッサｃ１は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサｃ１は、図１０８に示された再生装置３００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリｃ２は、プロセッサｃ１がストリームを復号及びレンダリングするための情報が記憶される専用または汎用のメモリである。メモリｃ２は、電子回路であってもよく、プロセッサｃ１に接続されていてもよい。また、メモリｃ２は、プロセッサｃ１に含まれていてもよい。また、メモリｃ２は、複数の電子回路の集合体であってもよい。また、メモリｃ２は、磁気ディスクまたは光ディスク等であってもよいし、ストレージまたは記録媒体等と表現されてもよい。また、メモリｃ２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリｃ２には、動画像が記憶されてもよいし、ストリームが記憶されてもよい。また、メモリｃ２には、プロセッサｃ１がストリームを復号するためのプログラムが記憶されていてもよい。
　また、例えば、メモリｃ２は、図１０８に示された再生装置３００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリｃ２は、図１０８に示されたメモリの役割を果たしてもよい。
　［送信装置の実装例］
　図９８は、送信装置４００の実装例を示すブロック図である。送信装置４００は、プロセッサｄ１及びメモリｄ２を備える。
　プロセッサｄ１は、情報処理を行う回路であり、メモリｄ２にアクセス可能な回路である。例えば、プロセッサｄ１は、マニフェストファイルを生成する専用または汎用の電子回路である。より具体的には、プロセッサｄ１は、元となる１つの動画像ファイルから、異なる複数のビットレートで符号化された複数のファイルを生成する。この複数のファイルが記述されたファイルがマニフェストファイルである。プロセッサｄ１は、ＣＰＵのようなプロセッサであってもよい。また、プロセッサｄ１は、複数の電子回路の集合体であってもよい。
　メモリｄ２は、プロセッサｄ１がマニフェストファイルを生成するための情報が記憶される専用または汎用のメモリである。メモリｄ２は、電子回路であってもよく、プロセッサｄ１に接続されていてもよい。また、メモリｄ２は、プロセッサｄ１に含まれていてもよい。また、メモリｄ２は、複数の電子回路の集合体であってもよい。また、メモリｄ２は、磁気ディスクまたは光ディスク等であってもよいし、ストレージまたは記録媒体等と表現されてもよい。また、メモリｄ２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリｄ２には、符号化される動画像が記憶されてもよいし、符号化された動画像に対応するストリームが記憶されてもよい。また、メモリｄ２には、プロセッサｄ１がマニフェストファイルを生成するためのプログラムが記憶されていてもよい。
　［第１態様］
　再生装置は、マニフェストファイルを取得し、マニフェストファイルに記述された第１プリセレクション及び第２プリセレクションを含む複数のプリセレクションの中から１つのプリセレクションを選択する。
　再生装置は、選択された１つのプリセレクションが第１プリセレクションである場合、第１プリセレクションに含まれる情報に基づいて、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを取得し、取得された第１セグメントと第２セグメントとを再生する。
　また、再生装置は、選択された１つのプリセレクションが第２プリセレクションである場合、第２プリセレクションに含まれる情報に基づいて、第１セグメントと、複数の時刻に対応し、かつ、複数の第１サブピクチャ及び複数の第２サブピクチャとは異なる複数の第３サブピクチャを含む第３セグメントとを取得し、取得された第１セグメントと第３セグメントとを再生する。
　マニフェストファイルは、送信装置によって生成されて保存されているファイルである。マニフェストファイルは、例えば、メディアコンテンツ特性（例えば、メディアのタイプ：オーディオ、ビデオ、オーディオビデオ、テキストなど）、コード化形式（例えば、ビットレート、タイミング情報など）、時間メディアセグメントと関連するＵＲＬ（ｕｎｉｆｏｒｍ　ｒｅｓｏｕｒｃｅ　ｌｏｃａｔｏｒ）とのリストを含むメディアプレゼンテーションのコンテンツを記述する。また、マニフェストファイルには、解像度及びビットレートなどのメディアプレゼンテーションのコンテンツに関する情報が含まれる。
　プリセレクションは、１つ以上のアダプテーションセットからなる１つのグループに関する情報が記述されている。
　アダプテーションセットには、１つ以上のリプリゼンテーションが存在する。リプリゼンテーションには、セグメント情報が存在し、セグメント情報には、複数のセグメントが存在する。例えば、ビデオに関連するアダプテーションセットには、異なる空間解像度及び異なるビットレートのビデオを含む複数のリプリゼンテーションが存在する。再生装置は、これらのリプリゼンテーションの中から１つのリプリゼンテーションを選択して取得することができる。
　また、送信装置は、コンテンツリスト要求信号を受信し、受信されたコンテンツリスト要求信号に基づいてマニフェストファイルを送信し、マニフェストファイルに記述された第１プリセレクション及び第２プリセレクションを含む複数のプリセレクションの中から１つのプリセレクションが選択されたことを示す信号を受信する。
　送信装置は、選択された１つのプリセレクションが第１プリセレクションである場合、第１プリセレクションに含まれる情報に基づいて、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを送信する。
　また、送信装置は、選択された１つのプリセレクションが第２プリセレクションである場合、第２プリセレクションに含まれる情報に基づいて、第１セグメントと、複数の時刻に対応する複数の第３サブピクチャを含む第３セグメントとを送信する。
　第１プリセレクションに含まれる情報は、第１アダプテーションセットと第２アダプテーションセットとを示す情報であり、第２プリセレクションに含まれる情報は、第１アダプテーションセットと第３アダプテーションセットとを示す情報である。第１アダプテーションセットは、第１セグメントに含まれる複数の第１サブピクチャに対応し、第２アダプテーションセットは、第２セグメントに含まれる複数の第２サブピクチャに対応し、第３アダプテーションセットは、第３セグメントに含まれる複数の第３サブピクチャに対応する。
　また、複数の第１サブピクチャ、複数の第２サブピクチャ、又は、複数の第３サブピクチャは、パーソナライズ、アクセシビリティ、及び、ターゲット広告の少なくともいずれかのために提供される。例えば、複数の第１サブピクチャ、複数の第２サブピクチャ、及び、複数の第３サブピクチャは、それぞれ、異なる映像コンテンツであってもよく、同一の映像コンテンツの異なるビューであってもよい。前者の場合、例えば、複数の第１サブピクチャ、複数の第２サブピクチャ、及び、複数の第３サブピクチャは、パーソナライズ、アクセシビリティ、及び、ターゲット広告の少なくともいずれかのために提供されてもよい。また、後者の場合、例えば、複数の第１サブピクチャ、複数の第２サブピクチャ、及び、複数の第３サブピクチャは、パーソナライズのために提供されてもよい。
　第１態様では、複数の第１サブピクチャ、複数の第２サブピクチャ、又は、複数の第３サブピクチャは、パーソナライズのために提供される。例えば、複数の第１サブピクチャ、複数の第２サブピクチャ、及び、複数の第３サブピクチャは、同一の映像コンテンツに関連し、複数の第１サブピクチャは、同一の映像コンテンツの第１ビューに対応し、複数の第２サブピクチャは、同一の映像コンテンツの第２ビューに対応し、複数の第３サブピクチャは、同一の映像コンテンツの第３ビューに対応する。例えば、送信装置４００は、パーソナライズに基づいて第１プリセクションが選択されると、第１セグメントと第２セグメントとを再生装置３００へ送信し、第２プリセレクションが選択されると、第１セグメントと第３セグメントとを再生装置３００へ送信し、再生装置３００は、取得した複数のセグメントを再生する。
　［サブピクチャ機能を使用するアプリケーションの第１の例］
　まず、サブピクチャ及びその機能について説明する。図９９は、サブピクチャ機能を説明するための図である。複数のサブピクチャ、例えば、ＶＶＣ（Ｖｅｒｓａｔｉｌｅ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ　）サブピクチャは、１つ以上のスライスで構成される１つのピクチャに含まれる複数の長方形の領域である。これらのサブピクチャのそれぞれは、例えば、図９９に示されるように、１つのビットストリームから容易に抽出され得る、又は、１つのビットストリームにマージされ得るように設計されることにより、抽出又はマージの機能を有する。これらの機能は、ＶＶＣサブピクチャ独自の機能である。マージするとは、併合する、又は、結合することを意味する。以下、ＶＶＣサブピクチャをサブピクチャともいう。各サブピクチャには、フルピクチャ内のサブピクチャのサブピクチャインデックスにマッピングされる固有のサブピクチャ識別子（サブピクチャＩＤ）が割り当てられている。このようなマッピングは、ＳＰＳ（シーケンスパラメータセット）又はＰＰＳ（ピクチャパラメータセット）で信号化されてもよい。
　複数のサブピクチャは、本来、没入型ビデオ用に設計されていたが、他のアプリケーションにも使用されてもよい。そのようなアプリケーションの１つは、パーソナライズである。これにより、同一の映像コンテンツに関連するいくつかの異なるビューが全て同時にディスプレイ上に表示される。
　続いて、サブピクチャ機能を使用するアプリケーションの１つについて具体的に説明する。図１００は、サブピクチャ機能を使用するアプリケーションの第１の例を模式的に示す図である。第１の例は、パーソナライズである。第１態様では、サブピクチャ機能を使用するアプリケーションがパーソナライズである例について説明する。図１００に示されるように、コンテンツプロバイダは、複数のサブピクチャを用いて、表示されるもの及び表示方法の制御を維持しながら、そのようなパーソナライズを可能にしてもよい。
　サブピクチャの機能は、ＶＶＣにおける独自の機能であり、複数の異なるビデオストリーム、つまり、複数のサブピクチャは、スライスレベルの情報を再符号化せずに１つのビデオストリームにマージされてもよい。これにより、複数のビデオストリームのマージが容易になる。また、各サブピクチャの空間配置は、ＳＰＳ又はＰＰＳで定義されるため、システム層での追加の信号化が必要ない。
　図１００の例では、複数のサブピクチャのマージは、コンテンツの異なるバージョンを異なるユーザに送信及びレンダリングできるようにするために使用される。ここで、バージョンとは、複数のサブピクチャの組み合わせを指す。例えば、バージョン１は、サブピクチャＩＤ０、１及び３の組み合わせであり、バージョン２は、サブピクチャＩＤ１、２、３及び４の組み合わせである。バージョン毎に組み合わされるサブピクチャの数は、同じであってもよいし、異なってもよい。異なるソースからの複数の信号は、符号化アルゴリズムの高レベルの機能（符号化されたツリーユニットのサイズ、プロファイル、又は、許可される符号化ツールなど）が全てのソースに対して同じになるように符号化される。さらに、各ソース信号は、異なるサブピクチャＩＤを使用して符号化されるため、一緒にレンダリングされる予定の複数のサブピクチャのサブピクチャＩＤが重複することはない。ソース信号も、それらのサイズがその後のマージに適した方法で符号化される。このような制約により、異なるサブピクチャが、再生装置３００（例えば、ＤＡＳＨ復号装置）へ送信され、かつ、ユーザにレンダリングされる単一のビットストリーム内にマージされることを保証する。以下では、再生装置３００の一例として、ＭＰＥＧ－ＤＡＳＨ（Ｄｙｎａｍｉｃ　Ａｄａｐｔｉｖｅ　Ｓｔｒｅａｍｉｎｇ　Ｏｖｅｒ　ＨＴＴＰ）復号装置、送信装置４００の一例として、ＭＰＥＧ－ＤＡＳＨ（以下、単に、ＤＡＳＨともいう）符号化装置について説明する。なお、再生装置３００及び送信装置４００は、ＨＴＴＰ（Ｈｙｐｅｒｔｅｘｔ　Ｔｒａｎｓｆｅｒ　Ｐｒｏｔｏｃｏｌ）によるストリーミング技術に利用されるプロトコルに対応していればよく、上記の例（つまり、ＭＰＥＧ－ＤＡＳＨ）に限定されない。例えば、ＨＬＳ（ＨＴＴＰライブストリーミング）などのＨＴＴＰストリーミング方法が使用されてもよい。
　コンテンツプロバイダが最終的なピクチャ内でマージ及びレンダリングされ得る信号を制御する１つの可能性は、ＭＰＥＧ－ＤＡＳＨがコンテンツの送信に使用されるときにＤＡＳＨプリセレクション（以下、プリセレクションともいう）を使用することである。ＤＡＳＨの詳細は、非特許文献２に記載されている。このようなＤＡＳＨプリセレクションは、どのサブピクチャが一緒にレンダリングされる予定であるかを信号化してもよい。各サブピクチャビットストリームは、ＤＡＳＨアダプテーションセット（以下、アダプテーションセットともいう）又はＤＡＳＨメディアコンポーネント（以下、メディアコンポーネントともいう）であってもよい。これにより、所望のプリセレクションが最終的なピクチャにマージされる予定のサブピクチャのアダプテーションセット又はメディアコンポーネントＩＤを信号化することによって信号化される。ＩＳＯ　ＢＭＦＦ（ＩＳＯ　Ｂａｓｅ　Ｍｅｄｉａ　Ｆｉｌｅ　Ｆｏｒｍａｔ）ＤＡＳＨセグメント内で、各サブピクチャは、独自のサブピクチャトラック内にカプセル化されてもよく、サブピクチャＩＤサンプルグループボックスは、複数のサブピクチャトラックと複数のサブピクチャＩＤとの間のマッピングを信号化するために使用されてもよい。ＭＰＥＧ－２ＴＳ（ＭＰＥＧ－２　Ｔｒａｎｓｐｏｒｔ　Ｓｔｒｅａｍ）がカプセル化に使用されている場合、各サブピクチャは独自のＴＳ　ＰＩＤ（Ｔｒａｎｓｐｏｒｔ　Ｓｔｒｅａｍ　Ｐａｃｋｅｔ　Ｉｄｅｎｔｉｆｉｅｒ）内にカプセル化されてもよい。
　さらに、ＤＡＳＨ　ＭＰＤは、オーディオビデオストリームとの関係に関する情報も含んでもよい。例えば、オーディオストリームがサブピクチャとペアリングされている場合、ペアリング情報が信号化されてもよい。また、ＤＡＳＨプリセレクションは、サブピクチャの１つのプリセレクションと組み合わせて使用するのに適切なオーディオビットストリームを信号化してもよい。例えば、１つの試合について異なるビューが表示される場合、その試合のみをコメントする音声が添付されてもよいが、同じ競技（例えば、サッカー、又は、野球などの競技）からの２つの関連する異なる試合が同時に表示される場合、オーディオビットストリームは、両方の試合のハイライトを同時にカバーする特別なコメントであってもよい。
　ビデオ及び／又はオーディオ属性が、マニフェスト情報と、ファイルベース（ＩＳＯ　ＢＭＦＦなど）又はパケットベース（ＭＰＥＧ－２ＴＳなど）のビデオ及び／又はオーディオストリームを伝送するためのコンテナフォーマットとで提供されている限り、ＨＬＳ（ＨＴＴＰライブストリーミング）などの他のＨＴＴＰストリーミング方法も使用されてもよい。
　［第１態様におけるプリセレクションの使用法］
　図１０１は、第１態様におけるプリセレクションの使用法の一例を示すフローチャートである。図１０１の例では、ＤＡＳＨ復号装置によるＶＶＣサブピクチャに基づくＤＡＳＨプリセレクションの使用法について説明する。ＤＡＳＨ復号装置は、例えば、コンピュータ、ゲームデバイス、カメラ、家電製品、又は、スマートフォンなどのデバイスであってもよい。ＤＡＳＨ復号装置は、これらのデバイスに限らず、モバイルデバイス用のアプリケーションとして実装されてもよく、ＷＥＢブラウザに実装されてもよい。
　図１０１に示されるように、ＤＡＳＨ復号装置は、まず、信号化された複数のビデオプリセレクションを読み取る（Ｓｐ＿１１）。より具体的には、ＤＡＳＨ復号装置は、送信装置（例えば、ＤＡＳＨ符号化装置）から送信されたＭＰＤ（Ｍｅｄｉａ　Ｐｒｅｓｅｎｔａｔｉｏｎ　Ｄｅｓｃｒｉｐｔｉｏｎ）を取得し（不図示）、取得されたＭＰＤファイルに記述されたビデオプリセレクションを読み取って（Ｓｐ＿１１）、どのプリセレクションが信号化されているかを見つける。つまり、ＤＡＳＨ復号装置は、ステップＳｐ＿１１で信号化されたビデオプリセレクションを読み取って、使用可能なプリセレクションを確認する。
　次に、ＤＡＳＨ復号装置は、使用可能なプリセレクションのうち、どのプリセレクションをユーザが要求するかをユーザに尋ねる又はユーザ参照に基づいて調べる（Ｓｐ＿１２）。具体的には、ＤＡＳＨ復号装置は、どのプリセレクションが提示されるべきかをユーザが決定できるように、使用可能なプリセレクションをユーザに提示する、又は、ＤＡＳＨ復号装置は、ユーザの設定に基づいてユーザに提示するプリセレクションを自動的に特定する。そのようなプリセレクションの１つは、例えば、１つの競技（例えば、フットボール）で並行して行われる２つの異なる試合で構成されてもよい。他の１つのプリセレクションは、同じ試合の異なるビュー、及び、コメンテータのビューで構成されてもよい。
　次に、ＤＡＳＨ復号装置は、どのアダプテーションセット及び対応するＤＡＳＨビデオセグメントが選択されたプリセレクションを形成するかを特定する（Ｓｐ＿１３）。言い換えれば、１つのプリセレクションが特定されると、ＤＡＳＨ復号装置は、特定されたプリセレクションを形成するアダプテーションセットを特定する。これにより、ＤＡＳＨ復号装置は、どのＤＡＳＨビデオセグメントがダウンロードされるべきかを特定することができる。
　次に、ＤＡＳＨ復号装置は、特定されたＤＡＳＨビデオセグメントをダウンロードする（Ｓｐ＿１４）。より具体的には、ＤＡＳＨ復号装置は、特定されたアダプテーションセットに関連する（言い換えると、対応する）ＤＡＳＨビデオセグメントをサーバ（いわゆる、送信装置４００）に要求し、特定されたアダプテーションセットに対応するＤＡＳＨビデオセグメントをサーバからダウンロードする。通常、これらのダウンロードされたＤＡＳＨビデオセグメントのそれぞれは、１つのＶＶＣサブピクチャをカバーしてもよい。
　次に、ＤＡＳＨ復号装置は、サーバからダウンロードされた複数のビデオセグメントに含まれる複数のサブピクチャ（ここでは、ＶＶＣサブピクチャ）を１つのビットストリーム（ここでは、ＶＶＣビットストリーム）にマージする（Ｓｐ＿１５）。マージ動作は、各サブピクチャの複数のＮＡＬユニットをビットストリーム内の正しい位置に配置することで構成されてもよいし、マージされたビットストリーム内に新しいパーティショニング、並びに、サブピクチャインデックス（フルイメージ内のサブピクチャ位置に関する情報を含む）とサブピクチャＩＤｓとの間のマッピングを信号化するＳＰＳ及びＰＰＳを書き換えることで構成されてもよい。あるいは、コンテンツプロバイダが最終的にレンダリングされた全ピクチャを制御できるため、コンテンツプロバイダは、マージされたビットストリームにＳＰＳ及びＰＰＳを提供してもよい。
　最後に、ＤＡＳＨ復号装置は、ディスプレイ上での復号及びレンダリングのために、マージされたＶＶＣビットストリームをＶＶＣ復号装置に送信する（Ｓｐ＿１６）。
　［第１態様の効果］
　第１態様に係る構成では、ビデオコンテンツのユーザパーソナライズにＶＶＣサブピクチャを使用することが可能である。これにより、同じコンテンツのいくつかの異なるバージョンをユーザに提供できる。したがって、複数のＶＶＣサブピクチャは、複数のオーディオビットストリームと同じ方法で複数のＤＡＳＨのプリセレクションを提供するために使用されてもよい。サブピクチャの機能は、ＶＶＣにおける独自の機能であり、複数の異なるビデオストリーム、つまり、複数のサブピクチャは、スライスレベルの情報を再符号化せずに１つのビデオストリームにマージされてもよい。これにより、複数のビデオストリームのマージが容易になる。
　［他の態様との組み合わせ］
　本態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、本態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
　さらに、本態様で説明された構成要素の全てが常に必要であるとは限らず、本態様の構成要素の一部のみが含まれてもよい。
　［第２態様］
　続いて、第２態様について説明する。第２態様では、複数の第１サブピクチャ、複数の第２サブピクチャ、又は、複数の第３サブピクチャは、アクセシビリティのために提供される。アクセシビリティは、例えば、手話、音声、又は、字幕などのユーザを補助する機能である。例えば、複数の第３サブピクチャは、手話コンテンツに対応する。また、例えば、複数の第１サブピクチャは、メインビデオに対応する。この場合、送信装置４００は、アクセシビリティに基づいて第２プリセレクションが選択されると、第１セグメントと第３セグメントとを再生装置３００へ送信し、再生装置３００は、第１セグメントと第３セグメントとを取得して再生する。
　［サブピクチャ機能を使用するアプリケーションの第２の例］
　図１０２は、サブピクチャ機能を使用するアプリケーションの第２の例を模式的に示す図である。第２の例は、アクセシビリティである。
　図１０２に示されるように、ＶＶＣサブピクチャを使用する他の１つの可能なアプリケーションは、任意のビデオコンテンツで手話を使用する可能性を提供することによるアクセシビリティである。この場合、メインビデオの１つのサブピクチャは、手話ビデオを含み、かつ、メインビデオとは異なるＶＶＣビットストリームからの１つのサブピクチャに置き換えられてもよい。メインビデオは、置換可能でない複数のサブピクチャだけでなく、手話サブピクチャによる置換可能な少なくとも１つのサブピクチャも含んでもよい。メインビデオのＤＡＳＨ符号化装置と手話ビデオのＤＡＳＨ符号化装置とを同期させて、手話ビデオをマージする位置に手話サブピクチャと同じサイズのサブピクチャが含まれていることを確認する必要がある。手話サブピクチャと同じサイズのサブピクチャがメインビデオに含まれているかを確認するために、メインビデオ内のサブピクチャのサイズに関するパラメータが信号化されてもよい。サブピクチャのサイズに関するパラメータとは、例えばサブピクチャの幅や高さを示すパラメータである。また、どのサブピクチャが置換に適切であり、どのサブピクチャが置換に適切でないかの信号は、ＩＳＯＢＭＦＦトラックレベルで、又は、アダプテーションセット若しくはメディアコンポーネントレベルにおけるＤＡＳＨ　ＭＰＤレベル内で、信号化されてもよい。また、どのサブピクチャが置換可能であるかは、置換可能なサブピクチャのサブピクチャＩＤを信号化することで、シグナリングしてもよい。例えば、図１０２の例では、メインビデオの複数のサブピクチャのうちサブピクチャＩＤ２のサブピクチャが置換可能であることを示すために、「２」の値が信号化されてもよい。メインビデオの分割は、サブピクチャの置換の前後で同じであるため、パラメータセットレベルでの書き換えは殆ど必要ない。図１０２の例では、メインビデオの複数のサブピクチャのうちサブピクチャＩＤ２のサブピクチャを手話ビデオのサブピクチャＩＤであるサブピクチャＩＤ５に変更するために、サブピクチャインデックスとサブピクチャＩＤとの間のマッピングを書き換える必要がある。
　他の方法として、手話サブピクチャ（例えば、図１０２のサブピクチャＩＤ５）は、メインビデオ内で当該手話サブピクチャに対応するサブピクチャと同じサブピクチャＩＤ（例えば、図１０２のサブピクチャＩＤ２）を使用してもよい。この場合、サブピクチャインデックスとサブピクチャＩＤとの間のマッピングの書き換えは一切必要ない。しかしながら、手話サブピクチャにメインビデオ内で当該手話サブピクチャに対応するサブピクチャと同じサブピクチャＩＤ（例えば、図１０２のサブピクチャＩＤ２）を設定すると、サブピクチャの置換後に結果として生じるビットストリームが元のメインビデオビットストリームと比較して変更されたことを明確に特定しにくいため、必ずしも望ましいとは限らない。
　複数のアクセシビリティアプリケーションのために、複数のＤＡＳＨプリセレクションが使用されてもよい。これにより、以下の少なくとも２つのプリセレクションがユーザに提案されてもよい。１つは、アクセシビリティ機能を必要としないユーザ専用のメインビデオを含むプリセレクションである。もう１つは、メインビデオと手話ビデオとを含むアクセシビリティ用のプリセレクションである。手話部分をダウンロードする必要があるか否かをＤＡＳＨ復号装置が選択できるようにするために、手話ビデオとメインビデオとは、別個のＤＡＳＨアダプテーションセット又はメディアコンポーネントであってもよい。メインビデオを形成する全てのサブピクチャは、同じアダプテーションセット又はメディアコンポーネントに属してもよい。
　［第２態様におけるＤＡＳＨプリセレクションの使用法］
　図１０３は、第２態様におけるプリセレクションの使用法の一例を示すフローチャートである。
　図１０３に示されるように、ＤＡＳＨ復号装置は、まず、ＤＡＳＨ　ＭＰＤが手話を用いるプリセレクションを提供しているか否かを確認する（Ｓｐ＿２１）。より具体的には、ＤＡＳＨ復号装置は、ＤＡＳＨ　ＭＰＤを読み取り、手話によるプリセレクションがコンテンツに提供されているかどうかを確認する。
　次に、ＤＡＳＨ復号装置は、手話によるプリセレクションがある場合、ユーザが手話を用いるプリセレクションを見たがっているか否かを判定する（Ｓｐ＿２２）。例えば、ＤＡＳＨ復号装置は、デバイス内のユーザ設定に基づいても上記判定を行ってもよいが、ユーザに尋ねることで上記判定を行ってもよい。
　次に、ＤＡＳＨ復号装置は、ユーザが手話を用いるプリセレクションを見たがっていない（言い換えると、ユーザが手話でのプリセレクションを表示したくない）と判定した場合（Ｓｐ＿２２でＮｏ）、サーバからメインのビデオコンテンツを含むＤＡＳＨビデオセグメントのみをダウンロードする（Ｓｐ＿２３）。通常、メインビデオコンテンツの全てのＶＶＣサブピクチャは、例えば、１つのＩＳＯＢＭＦＦビデオトラック又は１つのトランスポートストリームＰＩＤ（ＴＳ　ＰＩＤ）に一緒にカプセル化される。
　次に、ＤＡＳＨ復号装置は、ディスプレイ上での復号及びレンダリングのために、メインビデオコンテンツを含む変更されていないＶＶＣビデオビットストリームをＶＶＣ復号装置に送信する（Ｓｐ＿２７）。
　一方、ＤＡＳＨ復号装置は、ユーザが手話を用いるプリセレクションを見たがっていない（言い換えると、ユーザが手話でのプリセレクションを確認したい）と判定した場合（Ｓｐ＿２２でＹｅｓ）、サーバからメインビデオコンテンツ及び手話ビデオの両方のビデオセグメントをダウンロードする（Ｓｐ＿２４）。
　次に、ＤＡＳＨ復号装置は、メインビデオコンテンツのどのサブピクチャが手話ビデオのサブピクチャ（以下、手話サブピクチャともいう）に置き換えられるかを特定する。これにより、ＤＡＳＨ復号装置は、メインビデオコンテンツのどのサブピクチャが削除されるべきかを特定し、ビデオコンテンツからそのサブピクチャを抽出する（Ｓｐ＿２５）。例えば、ＤＡＳＨ復号装置は、ＤＡＳＨ　ＭＰＤ内で通知された情報を使用して、又は、メインビデオコンテンツから複数のサブピクチャを分析して、メインビデオコンテンツのどのサブピクチャが手話サブピクチャと同じサイズであるかを見つけることによって、手話サブピクチャと置き換えられるサブピクチャを特定してもよい。次に、ＤＡＳＨ復号装置は、抽出されたサブピクチャのＮＡＬユニットを手話サブピクチャのＮＡＬユニットに置き換えることにより、手話サブピクチャをメインビデオコンテンツにマージする（Ｓｐ＿２６）。このステップも、例えば、手話コンテンツを含むサブピクチャのサブピクチャインデックスとサブピクチャＩＤとの間のマッピングを書き換えるために、ＳＰＳ又はＰＰＳ内の情報の書き換えを含んでもよい。
　最後に、ＤＡＳＨ復号装置は、ディスプレイ上での復号及びレンダリングのために、手話サブピクチャがメインビデオコンテンツにマージされたＶＶＣビデオビットストリームをＶＶＣ復号装置に送信する（Ｓｐ＿２７）。
　［第２態様の効果］
　第２態様に係る構成では、アクセシビリティサービスにＶＶＣサブピクチャを使用することが可能である。これにより、コンテンツプロバイダは、ビデオコンテンツ内に手話ビデオを配置する場所を制御できるが、ユーザは、アクセシビリティ機能の有無に関わらず、当該コンテンツの視聴を制御できる。ＤＡＳＨ復号装置は、ビットストリーム内のＳＰＳ又はＰＰＳを解析することにより、復号する複数のサブピクチャと各サブピクチャの空間配置とを決定できる。これらの決定のために、システムレベルで追加の信号化は不要である。さらに、ＤＡＳＨクライアント（言い換えると、ＤＡＳＨ復号装置）は、ユーザが当該コンテンツの手話バージョンを見たい場合にのみ、手話ビデオをダウンロードしてもよい。
　［他の態様との組み合わせ］
　本態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、本態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
　一例として、いくつかのソースのマージであるビデオコンテンツを提供することにより、第１態様及び第２態様を組み合わせることが可能であってもよい。これにより、複数のソースの１つが同じコンテンツの他のビューの代わりに手話ビデオを提供する。
　さらに、本態様で説明された構成要素の全てが常に必要であるとは限らず、本態様の構成要素の一部のみが含まれてもよい。
　［第３態様］
　続いて、第３態様について説明する。第３態様では、複数の第１サブピクチャ、複数の第２サブピクチャ、又は、複数の第３サブピクチャは、ターゲット広告のために提供される。例えば、複数の第３サブピクチャは、広告コンテンツに対応する。また、例えば、複数の第１サブピクチャは、メインビデオに対応する。この場合、送信装置４００は、ターゲット広告に基づいて第２プリセレクションが選択されると、第１セグメントと第３セグメントとを再生装置３００へ送信し、再生装置３００は、第１セグメントと第３セグメントとを取得して再生する。
　［サブピクチャ機能を使用するアプリケーションの第３の例］
　図１０４は、サブピクチャ機能を使用するアプリケーションの第３の例を模式的に示す図である。第３の例は、ターゲット広告である。ターゲット広告とは、ユーザ情報及びコンテンツ情報に基づいて、各ユーザに対して適切と考えられる広告を配信するものである。
　図１０４に示されるように、ＶＶＣサブピクチャを使用する他の１つの可能なアプリケーションは、メインビデオと共にマージされるいくつかのターゲット広告ビットストリームを提供することによるターゲット広告である。この場合、あるターゲット広告がマージされる予定のメインビデオは、１つ以上のサブピクチャで構成されるが、当該ターゲット広告は、１つのサブピクチャで構成される。複数のＤＡＳＨ符号化装置は、メインビデオコンテンツに一連のサブピクチャＩＤ（図１０４の例では０～Ｎ）を使用し、広告コンテンツに他の重複しない範囲のサブピクチャＩＤ（図１０４の例ではＮ＋１～Ｍ）を使用することを決定するためだけでなく、同じ符号化パラメータを使用するために（サブピクチャマージの他の使用例については、第１態様と同じ）、事前に同期させる必要がある。
　その結果、複数のＤＡＳＨ復号装置は、メインビデオとユーザに適した広告とをダウンロードできる。これにより、当該広告は、サブピクチャマージを使用してメインビデオにマージされる。
　さらに、特定のサブピクチャビットストリームを特定のオーディオビットストリームとペアリングするための信号化が行われてもよい。ユーザは、メインビデオとペアになっている一般的なオーディオビットストリーム、又は、ターゲット広告サブピクチャとペアになっているターゲットオーディオビットストリームを選択できてもよい。
　［第３態様の効果］
　第３態様に係る構成では、ターゲット広告にＶＶＣサブピクチャを使用することが可能である。これにより、ピクチャの一部のみが当該ユーザをターゲットとしているが、残りの部分は全てのユーザに対して一様である。これにより、各ユーザに対して適切な広告を提供することが可能になる。ＤＡＳＨ復号装置は、ビットストリーム内のＳＰＳ又はＰＰＳを解析することにより、復号する複数のサブピクチャと各サブピクチャの空間配置とを決定してもよい。これらの決定のために、システムレベルで追加の信号化は必要ない。
　［他の態様との組み合わせ］
　本態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、本態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
　さらに、本態様で説明された構成要素の全てが常に必要であるとは限らず、本態様の構成要素の一部のみが含まれてもよい。
　［変形例］
　上記３つの態様の全てにおいて、一部のサブピクチャは、ブロードキャストを介してユーザに利用可能であってもよく、他のサブピクチャは、ブロードバンドを介してユーザに利用可能であってもよい。通常、メインのビデオコンテンツ又はより重要なサブピクチャ信号は、ブロードキャストを介して送信されるが、手話サブピクチャ又はターゲット広告サブピクチャ信号は、より少ないユーザによって要求される可能性が高いため、ブロードバンドを介して送信されてもよい。
　上記の３つの態様の全ては、同一のＤＡＳＨ復号装置で実現されてもよい。例えば、第１態様のＤＡＳＨ復号装置及び第２態様のＤＡＳＨアクセシビリティ復号装置は同一のＤＡＳＨ復号装置に含まれてもよい。
　マージされたビットストリーム内のランダムアクセスと同様に、マージ又は置換動作を簡素化するために、ＤＡＳＨ符号化装置は、例えば、グループオブピクチャ（ＧＯＰ）サイズがマージされる予定のサブピクチャ間で同じであり、かつ、ランダムアクセスポイントが時間において同じ位置に配置されるように、複数のサブピクチャの符号化構造を整列させてもよい。
　また、各ＤＡＳＨアダプテーションセット又はＤＡＳＨ　ＭＰＤ自体内のメディアコンポーネントに含まれる複数のＶＶＣサブピクチャＩＤに関する情報の信号化が可能であってもよいため、ＩＳＯＢＭＦＦトラック内の信号化の解釈は必要ない場合がある。
　同じＩＤ値がＩＳＯＢＭＦＦのＶＶＣサブピクチャＩＤ及びトラックＩＤとして使用されてもよい。
　ＶＶＣサブピクチャがアクセシビリティサービスに使用される場合、メインビデオは、置換可能でない複数のサブピクチャだけでなく、置換可能な少なくとも１つのサブピクチャも含んでもよい。どのサブピクチャが置換に適切であり、どのサブピクチャが置換に適切でないかの信号は、ＩＳＯＢＭＦＦトラックレベルで、又は、アダプテーションセット若しくはメディアコンポーネントレベルにおけるＤＡＳＨ　ＭＰＤレベル内で、信号化されてもよい。また、どのサブピクチャが置換可能であるかは、置換可能なサブピクチャのサブピクチャＩＤを信号化することで、シグナリングしてもよい。
　Ｄｙｎａｍｉｃ　Ａｄａｐｔｉｖｅ　Ｓｔｒｅａｍｉｎｇ　Ｏｖｅｒ　ＨＴＴＰ（ＤＡＳＨ）は、継続的なメディアコンテンツを配信するためのメディアストリーミング手順を提供する。
　メディアコンテンツは、単一又は複数の連続するメディアコンテンツピリオドで構成される。各メディアコンテンツピリオドは、例えば、さまざまな言語のオーディオコンポーネント、同じプログラムの異なるビューを提供する複数の異なるビデオコンポーネント、複数の異なる言語の字幕などの１つ又は複数のメディアコンテンツコンポーネントで構成される。例えば、オーディオ又はビデオなどのメディアコンテンツコンポーネントタイプは、各メディアコンテンツコンポーネントに割り当てられる。
　各メディアコンテンツコンポーネントには、メディアストリームと呼ばれるいくつかの符号化されたバージョンがある。各メディアストリームは、メディアコンテンツのプロパティ、メディアコンテンツピリオド、符号化元のメディアコンテンツコンポーネントを継承し、さらに、サブサンプリング、コーデックパラメータ、符号化ビットレートなどの符号化処理のプロパティが割り当てられる。この記述メタデータは、メディアコンテンツコンポーネント及びメディアストリームの静的及び動的な選択に関連している。
　図１０５は、マニフェストファイルの一例を説明するための図である。図１０５に示されるマニフェストファイルは、ＭＰＤである。ＤＡＳＨでは、ＭＰＤは、ＤＡＳＨクライアントにメタデータを提供してストリーミングサービスを提供する。
　ＭＰＤは、ストリーミングサービスを提供することを目的としたメディアプレゼンテーションの正式な記述である。ＭＰＤは、上記の態様が適用可能なストリーミングサービスを提供するためのマニフェストファイルの一例である。ＭＰＤで記述されたメディアプレゼンテーションは、１つ以上のピリオドの１つのシーケンスで構成されている。
　１つのピリオド内で、複数のマテリアルがアダプテーションセットに配置される。アダプテーションセットは、１セットの１つ又はいくつかのメディアコンテンツコンポーネントの互換性のある符号化されたバージョンを表す。アダプテーションセットは、１セットの１つ又は複数のメディアコンテンツコンポーネントの符号化されたバージョンである。
　各アダプテーションセットには、１つ又は複数のリプリゼンテーションが含まれる。各リプリゼンテーションは、異なるビットレートの配信可能な符号化されたメディアストリームである。当該リプリゼンテーションは、１つ以上のメディアストリームを含んでいる。
　各リプリゼンテーションは、１つ又は複数のセグメントで構成される。セグメントにアクセスするために、各セグメントにＵＲＬが付与される。ＭＰＤは、ＵＲＬにバイト範囲を含めてもよい。この場合、当該セグメントは、より大きなリソースのうち提供されたバイト範囲内に含まれる。セグメント化された複数のリプリゼンテーションに関して、２つのタイプのセグメントが区別される。１つは、初期化セグメントであり、もう１つは、メディアセグメントである。初期化セグメントは、リプリゼンテーションの静的メタデータを含む。メディアセグメントは、複数のメディアサンプル及び高度なタイムラインを含む。リプリゼンテーションは、初期化情報及びメディアデータの両方を含む単一の自己初期化セグメントによって構成されてもよい。
　図１０６は、図１０５のマニフェストファイルに含まれる複数のプリセレクションの一例を示す図である。プリセレクションは、特定のエクスペリエンスを形成し、かつ、統合復号（Ｊｏｉｎｔ　Ｃｏｄｉｎｇ）及びレンダリングのために選択され得るアダプテーションセットの組み合わせを指定する。プリセレクションは、１つのプリセレクション内の異なるアダプテーションセットからのリプリゼンテーションの適合性及び再生ルールを提供する。当該プリセレクションに関連する複数のアダプテーションセットは、それぞれ、複数のアダプテーションセットに割り当てられた複数のアダプテーションセットＩＤによって規定されてもよい。
　さらに、１つのプリセレクションは、複数のアダプテーションセットからの複数のセグメント又は複数のサブセグメントを使用して１つのビットストリームを生成する際の再構成プロセスを規定する再構成情報を含んでもよい。この再構成情報は、複数のアダプテーションセットのデータをマージするときのレイアウトを示す情報であってもよい。
　図１０７は、再生装置３００の構成要素を概念的に示す図である。より具体的には、図１０７では、概念的なＤＡＳＨクライアントモデルの構成要素が示されている。ＤＡＳＨアクセスエンジンは、複数のセグメントを構築又は要求するために、ＭＰＤを受信する。ＤＡＳＨアクセスエンジンは、受信されたＭＰＤを分析することにより、ユーザに表示するプリセレクションを選択する。次に、ＤＡＳＨアクセスエンジンは、選択されたプリセレクションに含まれる各アダプテーションセットのリプリゼンテーションを選択する。最後に、ＤＡＳＨアクセスエンジンは、選択されたリプリゼンテーションを構成する複数のセグメント又は複数のサブセグメントをサーバに要求し、サーバからセグメント又はサブセグメントを受信する。ＤＡＳＨアクセスエンジンは、受信された複数のセグメント又は複数のサブセグメントを、メディアエンジンに提供される１つのビットストリームにマージする。しかしながら、取得された複数のセグメント又は複数のサブセグメントを１つのビットストリームにマージする必要はない。これらのセグメント又はサブセグメントは、各サブピクチャのアクセスユニット（ＡＵ）データに従って、時系列でメディアエンジンに入力されてもよい（図中のＭＰＥＧフォーマットメディア＋タイミング）。メディアエンジンは、ＤＡＳＨアクセスエンジンから入力されたセグメント又はサブセグメントを受信し、デコーディング結果（メディアともいう）をプレゼンテーションエンジン（不図示）に出力する。
　また、ＤＡＳＨアクセスエンジンは、イベント（例えば、ターゲット広告など）＋タイミングに関する情報をアプリケーションに送信する。
　図１０８は、再生装置の構成要素の一例を示す図である。より具体的には、図１０８の例では、ＤＡＳＨの構成モデル（いわゆる、端末）の構成要素が示されている。通信インタフェース（Ｉ／Ｆ）は、ネットワークに接続可能である。ディスプレイは、結果として生じるビデオを表示する。メモリは、データを保存する。プロセッサは、通常はメモリからの外部データに基づいて動作を実行するデジタル回路である。
　ディスプレイ上で複数の異なるビデオを同時に全て組み合わせる場合、ＤＡＳＨ端末内のディスプレイ上に複数の異なるビデオを配置する方法に関する情報はない。したがって、レイアウトに関する情報は、ＤＡＳＨの外部で通知される必要があった。そうでない場合、レイアウトはメディアエンジン又はアプリケーションによって決定された。しかしながら、サブピクチャを使用すると、各サブピクチャをＩＤによってフルピクチャ内にマッピングできる。したがって、ディスプレイ上に複数の異なるビデオを同時に配置するために、追加のプロセス又は方法は必要ない。さらに、コンテンツプロバイダは、ディスプレイ上でユーザにどのようにして何を見せるかを制御可能である。
　図１０９は、送信装置における複数のサブピクチャの典型的な使用例を模式的に示す図である。図１０９の例では、複数の異なるアクセスユニット（ＡＵ）からの複数のサブピクチャが組み合わされて１つのセグメントを形成する。まず、ビットストリームは、複数のセグメント又は複数のサブセグメントで構成され、各セグメントは、複数のアクセスユニット（ＡＵ）で構成される。各アクセスユニット（ＡＵ）には、複数のサブピクチャが含まれている。ＤＡＳＨ符号化装置は、複数の異なるアクセスユニット（ＡＵ）からの複数のサブピクチャを組み合わせることにより、１つのセグメントを形成する。組み合わされるサブピクチャの数は、ＳＰＳに信号化されてもよい。例えば、ＳＰＳは、１０秒の時間に相当するサブピクチャのブロックが１つのセグメントに対応することを信号化してもよい。このような情報は、ＳＰＳではなくＭＰＳに含まれてもよい。
　図１０９の例では、ＤＡＳＨ符号化装置は、ＡＵ＝１からＡＵ＝ｋまでのサブピクチャＩＤ１（図中のＳｕｂ１）を有する複数のサブピクチャ（例えば、ＡＵ１－Ｓｕｂ１、ＡＵ２－Ｓｕｂ１、・・・ＡＵｋ－Ｓｕｂ１）を組み合わせてセグメントＸ－１を形成し、ＡＵ＝ｋ＋１からＡＵ＝２ｋまでのサブピクチャＩＤ１（図中のＳｕｂ１）を有する複数のサブピクチャ（例えば、ＡＵｋ＋１－Ｓｕｂ１、ＡＵｋ＋２－Ｓｕｂ１、・・・ＡＵ２ｋ－Ｓｕｂ１）を組み合わせてセグメントＸ－２を形成する。また、ＤＡＳＨ符号化装置は、ＡＵ＝１からＡＵ＝ｋまでのサブピクチャＩＤ２（図中のＳｕｂ２）を有する複数のサブピクチャ（例えば、ＡＵ１－Ｓｕｂ２、ＡＵ２－Ｓｕｂ２、・・・ＡＵｋ－Ｓｕｂ２）を組み合わせてセグメントＹ－１を形成し、ＡＵ＝ｋ＋１からＡｕ＝２ｋまでのサブピクチャＩＤ２（図中のＳｕｂ２）を有する複数のサブピクチャ（例えば、ＡＵｋ＋１－Ｓｕｂ２、ＡＵｋ＋２－Ｓｕｂ２、・・・ＡＵ２ｋ－Ｓｕｂ２）を組み合わせてセグメントＹ－２を形成する。また、ＤＡＳＨ符号化装置は、ＡＵ＝１からＡＵ＝ｋまでのサブピクチャＩＤ３（図中のＳｕｂ３）を有する複数のサブピクチャ（例えば、ＡＵ１－Ｓｕｂ３、ＡＵ２－Ｓｕｂ３、・・・ＡＵｋ－Ｓｕｂ３）を組み合わせてセグメントＺ－１を形成し、ＡＵ＝ｋ＋１からＡＵ＝２ｋまでのサブピクチャＩＤ３（図中のＳｕｂ３）を有する複数のサブピクチャ（例えば、ＡＵｋ＋１－Ｓｕｂ３、ＡＵｋ＋２－Ｓｕｂ３、・・・ＡＵ２ｋ－Ｓｕｂ３）を組み合わせてセグメントＺ－２を形成する。
　図１１０は、再生装置における複数のサブピクチャの典型的な使用例を模式的に示す図である。図１１０の例では、複数の異なるアクセスユニット（ＡＵ）からの複数のサブピクチャが組み合わされて１つのセグメントを形成する。まず、ＤＡＳＨ復号装置は、複数のセグメント又は複数のサブセグメントを取得する。各セグメント又はサブセグメントは、複数のサブピクチャで構成される。ＤＡＳＨ復号装置は、複数の異なるセグメントからの複数のサブピクチャを組み合わせることにより、１つのアクセスユニット（ＡＵ）を形成する。１つのアクセスユニット（ＡＵ）に組み合わされるサブピクチャの数は、ＳＰＳに信号化されてもよい。このような情報は、ＳＰＳではなくＭＰＳに含まれてもよい。図１１０の例では、各アクセスユニット（ＡＵ）は、３つのサブピクチャで構成される。しかしながら、一緒にマージされるサブピクチャの数は３つに制限されず、ビットストリーム内で一貫している必要はありません。例えば、各ＡＵに組み合わされるサブピクチャの数は、ビットストリームの途中で増減してもよい。図１１０の例では、ＤＡＳＨ復号装置は、セグメントＸ－１、Ｙ－１、及び、Ｚ－１からのＡＵ＝１を有する複数のサブピクチャ（例えば、ＡＵ１－Ｓｕｂ１、ＡＵ１－Ｓｕｂ２、及び、ＡＵ１－Ｓｕｂ３）を組み合わせてアクセスユニットＡＵ－１を形成し、セグメントＸ－１、Ｙ－１、及び、Ｚ－１からのＡＵ＝２を有する複数のサブピクチャ（例えば、ＡＵ２－Ｓｕｂ１、ＡＵ２－Ｓｕｂ２、及び、ＡＵ２－Ｓｕｂ３）を組み合わせてアクセスユニットＡＵ－２を形成し、セグメントＸ－１、Ｙ－１、及び、Ｚ－１からのＡＵ＝ｋを有する複数のサブピクチャ（例えば、ＡＵｋ－Ｓｕｂ１、ＡＵｋ－Ｓｕｂ２、及び、ＡＵｋ－Ｓｕｂ３）を組み合わせてアクセスユニットＡＵ－ｋを形成する。また、ＤＡＳＨ復号装置は、セグメントＸ－２、Ｙ－２、及び、Ｚ－２からのＡＵ＝ｋ＋１を有する複数のサブピクチャ（例えば、ＡＵｋ＋１－Ｓｕｂ１、ＡＵｋ＋１－Ｓｕｂ２、及び、ＡＵｋ＋１－Ｓｕｂ３）を組み合わせてアクセスユニットＡＵ－ｋ＋１を形成する。各アクセスユニット（ＡＵ）は、プレゼンテーション時間に関連付けられているため、１つのビットストリームは、アクセスユニット（ＡＵ）データに基づいて形成されてもよい。しかしながら、各アクセスユニット（ＡＵ）は、アクセスユニット（ＡＵ）データに基づいてメディアプレゼンテーションのタイムラインにマッピングされてもよいため、結果として生じるビットストリームは形成されなくてもよい。
　なお、複数のセグメントのデータとして取得される複数のサブピクチャのデータを結合して一つのビットストリームを再構築する際のサブピクチャの並び順は、各サブピクチャに対応するデータ単位（例えばアダプテーションセット）のＭＰＤにおける記述順としてもよい。すなわち、ＭＰＤにおいて上から順にアダプテーションセットＸとアダプテーションセットＹとが記述されている場合、ＤＡＳＨクライアント（いわゆる、ＤＡＳＨ再生装置）は、アダプテーションセットＸに対応するセグメントから取得した１つのアクセスユニット（ＡＵ）分のデータをビットストリームに配置した後に、アダプテーションセットＹに対応するセグメントから取得した１つのアクセスユニット（ＡＵ）分のデータをビットストリームに配置するという処理を繰り返してビットストリームを再構築する。ここで、ＭＰＤにおける記述順とは、例えばプリセレクションにおけるアダプテーションセットＩＤの並び順である。また、各サブピクチャと対応付けられたデータ単位がアダプテーションセット以外のデータ単位である場合は、そのサブピクチャと対応付けられたデータ単位を指定する情報をサブピクチャの並び順に並べた情報がＭＰＤのいずれかの領域に記述されていてもよい。また、サブピクチャと対応付けられたデータ単位を指定する情報をサブピクチャの並び順に並べるのではなく、サブピクチャと対応付けられたデータ単位を指定する情報とサブピクチャの並び順とを対応付けた情報がＭＰＤに記述されていてもよい。例えば、ＭＰＤにおいて、サブピクチャと対応付けられたデータ単位ごとにどのビデオコンポーネントのサブピクチャであるかを示す情報と、当該ビデオコンポーネント内におけるサブピクチャの順番を示す情報とが含まれていてもよい。
　なお、上記の１つのサブピクチャの１つのアクセスユニット（ＡＵ）に対応するデータは、ＩＳＯ　ＢＭＦＦにおける１つのトラックとして規定されていてもよい。また、上記の１つのサブピクチャの１つのアクセスユニット（ＡＵ）に対応するデータは、１つのサブセグメントに格納され、サーバからＤＡＳＨクライアントに提供されてもよい。この場合、ＤＡＳＨクライアントは、サーバに対してサブセグメント単位でデータを要求して取得すること。これにより、各セグメントをアクセスユニット（ＡＵ）単位に分割する必要がないため、複数のサブピクチャのそれぞれに対応する複数のセグメントを取得して結合処理を行う場合に比べて、ＤＡＳＨクライアントの処理を簡素化できる。
　図１１１は、送信装置における複数のサブピクチャの他の使用例を模式的に示す図である。
　図１１１の例では、図１０９の例とは対照的に、一緒にマージされる複数のサブピクチャは常に一貫しているとは限らない。図１１１に示されるように、サブピクチャＩＤごとに複数の異なるデータセットがある。各サブピクチャに対する１つ以上のセグメントは、複数の異なるアダプテーションセットに由来する。この例では、サブピクチャＩＤ＝１を有する複数のセグメント（例えば、セグメントＸ－Ａ－１、セグメントＸ－Ａ－２、・・・）は、アダプテーションセットＸに由来し、サブピクチャＩＤ＝２を有する複数のセグメント（例えば、セグメントＹ－Ａ－１、セグメントＹ－Ａ－２、・・・）は、アダプテーションセットＹに由来し、サブピクチャＩＤ＝３を有する複数のセグメント（例えば、セグメントＺ－Ａ－１、セグメントＺ－Ａ－２、・・・）は、アダプテーションセットＺに由来する。しかしながら、各サブピクチャに対する複数のセグメントは、同じアダプテーションセットに由来してもよい。どのサブピクチャが一緒にマージされて各セグメントを形成するかに関する情報は、ユーザによって指定されてもよい。
　［セグメントとサブピクチャとの対応付け］
　セグメントがサブピクチャから構成される場合、ＭＰＤは、セグメントとサブピクチャとの対応関係を示す識別情報を含んでいてもよい。識別情報は、例えば、プリセレクションディスクリプタに記述されてもよいし、セグメント又はアダプテーションセットに記述されてもよい。また、識別情報は、ＭＰＤ内の上記以外のエレメントに記述されていてもよい。また、識別情報は、例えば上述した複数のエレメントに分けて記述されていてもよい。
　ＭＰＤに含まれる識別情報は、例えば、セグメントＸ－Ａ－１がビデオ１のサブピクチャＩＤ＝１であるサブピクチャに対応し、セグメントＹ－Ａ－１がビデオ１のサブピクチャＩＤ＝２であるサブピクチャに対応することを示す情報のようなセグメントとサブピクチャとの対応関係を示す情報を含む。ここで、Ｘ及びＹは、アダプテーションセットを識別するための識別子であり、Ａは、各アダプテーションセット内でリプリゼンテーションを識別するための識別子であり、１は、各リプリゼンテーション内でセグメントを識別するための識別子又は番号である。セグメントとサブピクチャとの対応関係を示す情報は、例えば、サブピクチャに関連するセグメントごとに記述される。また、ビデオコンポーネントを格納するセグメントごとに、当該セグメントが１つのビデオコンポーネントを構成する複数にサブピクチャのうちの一部のサブピクチャに対応するか、独立して復号、再生又は表示が可能な１つのビデオコンポーネントに対応するかを示す情報を含んでいてもよい。
　なお、上記説明では、識別情報がセグメントとサブピクチャとの対応付けを示すとしたが、識別情報がアダプテーションセットとサブピクチャとの対応関係を示すことで、ＤＡＳＨ復号装置（以降、クライアントという）がセグメントとサブピクチャとの対応関係を把握できるようにしてもよい。例えば、識別情報は、アダプテーションセットＸがビデオ１のサブピクチャＩＤ＝１であるサブピクチャに対応し、アダプテーションセットＹがビデオ１のサブピクチャＩＤ＝２であるサブピクチャに対応することを示す情報のようなアダプテーションセットとサブピクチャとの対応関係を示す情報を含んでいてもよい。ここで、Ｘ及びＹはアダプテーションセットを識別するための識別子である。セグメントとサブピクチャとの対応関係を示す情報は、例えば、サブピクチャに対応するアダプテーションセットごとに記述される。また、ビデオコンポーネントに関連するアダプテーションセットごとに、当該アダプテーションセットが１つのビデオコンポーネントを構成する複数のサブピクチャのうちの一部のサブピクチャに対応するか、独立して復号、再生または表示が可能な１つのビデオコンポーネントに対応するかを示す情報を含んでいてもよい。
　また、識別情報がコンテンツコンポーネントとサブピクチャとの対応関係を示すことで、クライアントがセグメントとサブピクチャとの対応関係を把握できるようにしてもよい。例えば、識別情報は、コンテンツコンポーネントＫがビデオ１のサブピクチャＩＤ＝１であるサブピクチャに対応し、コンテンツコンポーネントＬがビデオ１のサブピクチャＩＤ＝２であるサブピクチャに対応することを示す情報のようなコンテンツコンポーネントとサブピクチャとの対応関係を示す情報を含んでいてもよい。ここで、Ｋ及びＬは、コンテンツコンポーネントを識別するための識別子である。コンテンツコンポーネントとサブピクチャと対応関係を示す情報は、例えば、サブピクチャに対応するコンテンツコンポーネントごとに記述される。また、ビデオコンポーネントに関連するコンテンツコンポーネントごとに、当該コンテンツコンポーネントが１つのビデオコンポーネントを構成する複数のサブピクチャのうちの一部のサブピクチャに対応するか、独立して復号、再生または表示が可能な１つのビデオコンポーネントに対応するかを示す情報を含んでいてもよい。
　また、識別情報がリプリゼンテーションとサブピクチャとの対応関係を示すことで、クライアントがセグメントとサブピクチャとの対応関係を把握できるようにしてもよい。例えば、識別情報は、リプリゼンテーションＸ－Ａがビデオ１のサブピクチャＩＤ＝１であるサブピクチャに対応し、リプリゼンテーションＹ－Ａがビデオ１のサブピクチャＩＤ＝２であるサブピクチャに対応することを示す情報のようなリプリゼンテーションとサブピクチャとの対応関係を示す情報を含んでいてもよい。ここで、Ｘ及びＹは、アダプテーションセットを識別するための識別子であり、Ａは、各アダプテーションセット内でリプリゼンテーションを識別するための識別子である。リプリゼンテーションとサブピクチャとの対応関係を示す情報は、例えば、サブピクチャに対応するリプリゼンテーションごとに記述される。また、ビデオコンポーネントに関連するリプリゼンテーションごとに、当該リプリゼンテーションが１つのビデオコンポーネントを構成する複数のサブピクチャのうちの一部のサブピクチャに対応するか、独立して復号、再生または表示が可能な１つのビデオコンポーネントに対応するかを示す情報を含んでいてもよい。
　また、識別情報がサブリプリゼンテーションとサブピクチャとの対応関係を示すことで、クライアントがセグメントとサブピクチャとの対応関係を把握できるようにしてもよい。例えば、識別情報は、サブリプリゼンテーションＸ－Ａ－αがビデオ１のサブピクチャＩＤ＝１であるサブピクチャに対応し、サブリプリゼンテーションＹ－Ａ－αがビデオ１のサブピクチャＩＤ＝１であるサブピクチャに対応することを示す情報のようなサブリプリゼンテーションとサブピクチャとの対応関係を示す情報を含んでいてもよい。ここで、Ｘ及びＹはアダプテーションセットを識別するための識別子であり、Ａは、各アダプテーションセット内でリプリゼンテーションを識別するための識別子であり、αは、サブリプリゼンテーションを識別するための識別子である。サブリプリゼンテーションとサブピクチャとの対応関係を示す情報は、例えば、サブピクチャに対応するサブリプリゼンテーションごとに記述される。また、ビデオコンポーネントに関連するサブリプリゼンテーションごとに、当該サブリプリゼンテーションが１つのビデオコンポーネントを構成する複数のサブピクチャのうちの一部のサブピクチャに対応するか、独立して復号、再生または表示が可能な１つのビデオコンポーネントに対応するかを示す情報を含んでいてもよい。
　［セグメントとＭＰ４との対応付け］
　セグメントが複数のサブピクチャのうちの一部から構成される場合、１つのセグメントが１つのＭＰ４ファイルを格納していてもよいし、Ｎ個のセグメントが１つのＭＰ４ファイルを格納していてもよい。ここで、Ｎは２以上の整数である。Ｎ個のセグメントで１つのＭＰ４ファイルを格納している場合、各セグメントにはＭＰ４ファイル内のそれぞれ異なるトラックが格納される。すなわち、１つのＭＰ４ファイルは１つのセグメントで配信されてもよいし、トラック単位で分割してＮ個のセグメントで配信されてもよい。
　１つのセグメントが１つのＭＰ４ファイルに対応している場合、識別情報は、セグメントとＭＰ４ファイルとの関連付けを示す情報を含んでいてもよい。また、セグメントとＭＰ４ファイルとの関連付けを示す情報は、ＭＰ４ファイルにおけるトラックのＩＤ番号を指定する情報を含んでいてもよい。
　Ｎ個のセグメントが１つのＭＰ４ファイルに対応している場合、識別情報は、セグメントに対応するＭＰ４ファイル及びセグメントが対応するトラックのＩＤ番号を対応付けた情報を含んでいてもよい。
　上記の構成によると、サブピクチャがＭＰ４ファイル内のどのトラックに格納されるかを間接的に示すことができ、クライアントにおいて再生したいＭＰ４ファイルに対応する複数のセグメントを取得して、取得した複数のセグメントに格納されたデータからＭＰ４ファイルを構築することが可能となる。
　また、上記の構成によると、クライアントが、ＭＰＤに含まれる情報に基づいて、複数のサブピクチャを選択的に取得し、取得したデータを結合したビットストリームを復号装置（いわゆる、ＶＶＣ復号装置）で復号して表示することが可能となる。その結果、コンテンツを配信するＤＡＳＨ符号化装置（以降、サーバ又は配信サーバという）は、画像（いわゆる、動画像）の一部の領域をユーザの選択に応じて別の画像に入れ替えることが可能なサービスを効率的に提供することが可能となる。具体的には、コンテンツプロバイダは、メインコンテンツとメインコンテンツの一部の領域を別のコンテンツに置き換えたサブコンテンツとを提供する場合に、メインコンテンツの画像全体を符号化したデータとサブコンテンツの画像全体を符号化したデータとの両方を準備しなくても、メインコンテンツを複数のサブピクチャを用いて符号化したデータと、サブコンテンツの差し替えられた領域の画像だけをサブピクチャとして符号化したデータとを準備することでサービスの提供が可能となる。また、メインコンテンツ内の差し替え対象外の領域の符号化データを共通で用いることができるため、メインコンテンツ及びサブコンテンツの配信に用いられるコンテンツ配信ネットワークに与える負荷を軽減できる可能性がある。
　［ＳＰＳへの情報の格納方法］
　複数のサブピクチャに分割して符号化されたビデオのビットストリームは、ＳＰＳにピクチャを構成するサブピクチャの個数、各サブピクチャの識別番号、及び、ピクチャ内におけるサブピクチャのレイアウトを示す情報などを含む。
　レイアウトを示す情報は、例えば、サブピクチャの画像平面内の空間位置を示す情報及びサブピクチャのサイズを示す情報である。サブピクチャの画像平面内の空間位置は、例えば、画像平面内の左上を原点とする座標系におけるサブピクチャの左上頂点の座標などで示される。画像平面内の左上を原点とする場合、横方向の座標値は画面の右側ほど大きな値を有し、縦方向の座標値は画面の下側ほど大きな値を有する。ただし、画像平面内の位置の示し方はあくまでも一例であり、異なる座標系で示されていてもよい。サブピクチャのサイズは、例えばサブピクチャの横方向の幅と縦方向の高さとで示される。なお、サブピクチャのサイズの情報を、クライアントが空間位置を示す座標に基づいて導出できる場合は、サブピクチャのサイズの情報をＳＰＳに格納しなくてもよい。
　なお、上記のレイアウトを示す情報は、画像平面内の空間位置を示す情報とサイズを示す情報との両方をサブピクチャごとに含んでいてもよいし、サブピクチャごとに必要な情報だけが選択的に含まれていてもよい。例えば、先頭のサブピクチャの開始位置が画面平面内の左上と決まっている場合は、先頭のサブピクチャについて画像平面内の空間位置を示す情報を省略してもよい。
　なお、上記はピクチャ内のレイアウトを示す情報の一例であり、ビットストリームの復号に必要な情報が導出可能であれば、ピクチャ内のサブピクチャのレイアウトはどのような形式で示されていてもよい。例えば、１又は複数の画像平面の分割パターン及び分割後の各領域に対応するサブピクチャＩＤが予め決定されている場合、あるいは、クライアントが他の情報に基づいてピクチャ内のサブピクチャのレイアウトを把握できる場合は、ピクチャ内のレイアウトを示す情報は復号するピクチャがどの分割パターンで分割されているかを示す情報で示されていてもよい。また、ピクチャ内のレイアウトを示す情報は、例えば、ピクチャの横方向の分割比率と縦方向の分割比率とで示されていてもよい。
　また、上記の説明では、ＳＰＳがサブピクチャごとの画像平面内の空間位置を示す情報及びサイズを示す情報を含むとしたが、一部のサブピクチャが他のサブピクチャのビットストリームに置き換えられて復号され得ることを考慮すると、ＳＰＳが復号される画像に含まれる複数の領域のそれぞれの位置及びサイズを示す情報を含むと捉えることもできる。そして、複数の領域のそれぞれに対応する複数のサブピクチャのサブビットストリームを結合したビットストリームを後続させることで、表示したいサブピクチャを組み合わせた画像を表示することが可能となる。
　なお、上記の説明では、ＳＰＳがピクチャを構成するサブピクチャの個数、各サブピクチャの識別番号、及び、ピクチャ内におけるサブピクチャのレイアウトを示す情報を含む場合を例に挙げたが、ＰＰＳがＳＰＳにピクチャを構成するサブピクチャの個数、各サブピクチャの識別番号、及び、ピクチャ内におけるサブピクチャのレイアウトを示す情報を含んでいてもよい。
　ビットストリームをＭＰ４ファイルに格納する場合、ＳＰＳ又はＰＰＳは、ＭＰ４ファイルのヘッダ領域に格納される。ＭＰ４ファイルのヘッダ領域とは、例えば、Ｍｏｖｉｅ　Ｂｏｘ（ｍｏｏｖ　ｂｏｘ）である。ＭＰ４ファイルは、非特許文献３に開示されている。本開示では、ＭＰ４ファイルの詳細の説明を省略するが、非特許文献３を参照することでより詳細に理解することができる。
　ＭＰ４ファイルをＤＡＳＨで送信する場合、ＭＰ４のヘッダ情報は、初期化セグメントに格納されてもよいし、一部のメディアデータと一緒に自己初期化セグメントに格納されてもよい。
　［ＳＰＳの構成処理の例］
　以下では、クライアントがサブピクチャにより構成されるセグメントを受信して復号する際のＳＰＳの構成処理の例について説明する。
　復号装置に入力されるＳＰＳには、復号対象となる全てのサブピクチャの情報が含まれる。例えば、サブピクチャｘ、ｙ、及び、ｚを復号する場合、ＳＰＳはサブピクチャｘ、ｙ、及び、ｚのそれぞれの座標位置を示す情報を含む。なお、以下では、ＳＰＳに含まれるレイアウト情報を例に挙げて説明するが、ＳＰＳに含まれるサブピクチャに関する他の情報についても同様に扱うことができる。
　［構成処理の第１の例］
　構成処理の第１の例では、１つのセグメントに、１つのサブピクチャが対応し、１つのＭＰ４ファイルとして提供される場合のＳＰＳの再構成処理について説明する。
　第１の例では、１つのサブピクチャに対応するＭＰ４ファイルのＳＰＳは、１つのサブピクチャ分のレイアウト情報を含む。複数のサブピクチャを同時に表示する場合、サブピクチャの配置情報は、別途ＭＰＤなどに格納してもよいし、クライアントが設定してもよい。
　複数のサブピクチャのデータを結合して復号装置に入力する際には、クライアントは、それぞれ異なるセグメントを受信することで取得した復号対象の全てのサブピクチャのレイアウト情報を含むＳＰＳを再構成して、復号装置に入力する。
　なお、ＳＰＳに含まれる情報のうち、サブピクチャに関する情報以外の、同一ピクチャを構成する複数のサブピクチャ間で共通の情報は、書き替えられることなくそのまま維持される。このとき、複数のサブピクチャ間で共通の情報は、各サブピクチャに対応するＳＰＳのそれぞれに含まれていてもよいし、一部のサブピクチャに対応するＳＰＳのみに含まれていてもよい。例えば、複数のサブピクチャ間で共通の情報は、先頭のサブピクチャのみに含まれていてもよい。
　［構成処理の第２の例］
　構成処理の第２の例では、Ｎ個（Ｎは２以上の整数）のセグメントにＮ個のサブピクチャが対応し、Ｎ個のサブピクチャのデータが１つのＭＰ４ファイルとして提供される場合のＳＰＳの構成処理について説明する。
　第２の例では、同時に復号される複数のサブピクチャが既知（つまり、サブピクチャのＩＤが既知）であれば、サーバは、復号対象となる全てのサブピクチャの情報を含んだＳＰＳをクライアントに提供してもよい。
　なお、同時に復号される複数のサブピクチャの組み合わせが複数ある場合、サーバは、組み合わせごとに当該組み合わせに含まれる複数のサブピクチャの情報を含んだＳＰＳをクライアントに提供してもよい。このとき、クライアントが再生する組み合わせに必要なＳＰＳを選択してサーバに要求できるように、ＭＰＤは、組み合わせごとの初期化セグメントの取得先を示す情報を含んでいてもよい。例えば、ＭＰＤは、複数のプリセレクションのそれぞれにおいて対応する初期化セグメントの取得先を示す情報を指定する。このとき、プリセレクション内に初期化セグメントの取得先を示す情報が直接記述されていてもよいし、プリセレクションが示すアダプテーションセット又はコンテンツコンポーネントにおいて、組み合わせに応じた初期化セグメントの取得先を示す情報が含まれていてもよい。例えば、組み合わせＡに対応するプリセレクションＡが示すアダプテーションセットＡには、組み合わせＡに含まれる複数のサブピクチャを復号するために必要なＳＰＳを含んだ初期化セグメントＡの取得先を示す情報が含まれ、組み合わせＢに対応するプリセレクションＢが示すアダプテーションセットＢには、組み合わせＢに含まれる複数のサブピクチャを復号するために必要なＳＰＳを含んだ初期化セグメントＢの取得先を示す情報が含まれる。
　なお、このとき、組み合わせＡと組み合わせＢとに共通に含まれるサブピクチャＸに対応するメディアセグメントの取得先を示す情報は、アダプテーションセットＡとアダプテーションセットＢとで同じのＵＲＩ（Ｕｎｉｆｏｒｍ　Ｒｅｓｏｕｒｃｅ　Ｉｄｅｎｔｉｆｉｅｒ）又はＵＲＬが指定されていてもよい。この構成によると、組み合わせ間で共通のサブピクチャに対応するメディアセグメントを共通化することができるので、効率的な配信を実現できる可能性がある。
　第２の例では、クライアントは、初期化セグメントに含まれるＳＰＳを再構成せずに、そのまま復号装置に入力してもよい。
　なお、上記の説明では、組み合わせＡと組み合わせＢとで復号に用いるＳＰＳが異なる場合について説明したが、組み合わせＡと組み合わせＢとで共通のＳＰＳを用いることができるように符号化されている場合は、ＳＰＳを組み合わせ間で共通化してもよい。一例として、組み合わせＡを再生ではサブピクチャＸ及びサブピクチャＹを復号し、組み合わせＢの再生ではサブピクチャＸ及びサブピクチャＺを復号する場合について説明する。このとき、符号化側でサブピクチャＹに関する情報とサブピクチャＺに関する情報とが共通となるよう符号化パラメータの制約などを行って符号化することで、組み合わせＢを選択して再生する際に、組み合わせＡと同じＳＰＳすなわち初期化セグメントを用いて、サブピクチャＹに対応するメディアセグメントの代わりにサブピクチャＺに対応するメディアセグメントを取得して復号することで組み合わせＢの再生を可能にしてもよい。本構成によると、初期化セグメントを共通化することができるので、クライアントによって選択された組み合わせ、すなわちプリセレクションに応じた再生制御の切り替えを簡素化することができる。
　［サブピクチャの例］
　本開示では、置き換え可能なサブピクチャとして広告又は手話映像を例に挙げて説明したが、それ以外であってもよい。例えば、コンテンツがＶＲ（Ｖｉｒｔｕａｌ　Ｒｅａｌｉｔｙ）又はＡＲ（Ａｕｇｍｅｎｔｅｄ　Ｒｅａｌｉｔｙ）用の３６０度映像又は広角映像の場合、配信サーバは、異なる視点の映像を異なるサブピクチャとして符号化してクライアントに提供してもよい。同様に、配信サーバは、異なる向きの映像、又は、異なる空間領域を撮影した映像を複数のサブピクチャとして符号化してクライアントに提供してもよい。
　本構成によると、サーバは、複数の異なる映像を１つのピクチャを構成する複数のサブピクチャとしてクライアントに提供することが可能となる。
　［復号するサブピクチャ及び表示するサブピクチャ］
　クライアントで復号されるサブピクチャと表示されるサブピクチャとは異なっていてもよい。例えば、クライアントは、ＶＲなどの用途で、向きに応じて異なるサブピクチャとして符号化された複数のサブピクチャの中からＶＲ再生機器で表示したい視点及び視線の向きに応じて選択されたサブピクチャ１とサブピクチャ２とを復号し、ユーザの視点に応じてどちらか一方のサブピクチャ、あるいは、両方のサブピクチャに跨る領域を抽出してディスプレイ上に表示してもよい。なお、上記の説明では、選択されるサブピクチャの数を２としたが、クライアントは、３以上のサブピクチャを選択して同時に復号し、復号された画像の一部をＶＲ再生機器で表示してもよい。また、ＶＲ生成機器は、復号のために選択されるサブピクチャをユーザの向き及び姿勢に応じて切り替えてもよい。本構成によると、ＶＲ再生機器は、表示したい領域、又は、表示したい領域とその周辺の領域だけとを復号する制御を、復号されるサブピクチャを入れ替えることで容易に実現することができる。
　［複数のサブピクチャをＤＡＳＨで配信する際の変形例］
　上記説明では、１つのピクチャとして復号される複数のサブピクチャを異なるアダプテーションセットに割り当てて送信するとしたが、これに限られず、他の異なる割り当てがなされてもよい。
　例えば、１つのアダプテーションセットに複数のコンテンツコンポーネント又は複数のリプリゼンテーションが含まれる場合、複数のサブビットストリームを、１つのアダプテーションセットに含まれる複数のコンテンツコンポーネント又は複数のリプリゼンテーションにそれぞれ割り当ててもよい。ここで、複数のサブビットストリームは、１つのビデオコンテンツを構成する複数のサブビットストリームと１対１で対応してもよいし、一部のサブビットストリームが２以上のサブピクチャに対応するデータを含んでいてもよい。
　このとき、１つのビデオコンポーネントを構成する複数のサブビットストリームの全てを１つのアダプテーションセットに含めてもよい。また、１つのビデオコンポーネントを構成する複数のサブビットストリームを２以上のアダプテーションセットに割り当てて、２以上のアダプテーションセットのそれぞれ又は少なくとも１つのアダプテーションセットが互いに異なるサブピクチャのサブビットストリームに対応する複数のコンテンツコンポーネント又は複数のリプリゼンテーションを含んでいてもよい。
　また、上記の［セグメントとサブピクチャとの対応付け］、及び、［セグメントとＭＰ４との対応付け］で説明したように、識別情報がコンテンツコンポーネントとサブピクチャとの対応関係を示すことで、クライアントがセグメントとサブピクチャとの対応関係を把握できるようにしてもよい。例えば、識別情報は、コンテンツコンポーネントＸ－Ｋがビデオ１のサブピクチャＩＤ＝１であるサブピクチャに対応し、コンテンツコンポーネントＸ－Ｌがビデオ１のサブピクチャＩＤ＝２であるサブピクチャに対応することを示す情報のようなコンテンツコンポーネントとサブピクチャとの対応関係を示す情報を含んでいてもよい。ここで、Ｘは、アダプテーションセットを識別する識別子であり、Ｋ及びＬは、アダプテーションセット内でコンテンツコンポーネントを識別するための識別子である。コンテンツコンポーネントとサブピクチャとの対応関係を示す情報は、例えば、サブピクチャに対応するコンテンツコンポーネントごとに記述される。また、ビデオコンポーネントに関連するコンテンツコンポーネントごとに、当該コンテンツコンポーネントが１つのビデオコンポーネントを構成する複数のサブピクチャのうちの一部のサブピクチャに対応するか、独立して復号、再生または表示が可能な１つのビデオコンポーネントに対応するかを示す情報を含んでいてもよい。
　同様に、［セグメントとサブピクチャとの対応付け］、及び、［セグメントとＭＰ４との対応付け］で説明したように、識別情報がリプリゼンテーションとサブピクチャとの対応関係を示すことで、クライアントがセグメントとサブピクチャとの対応関係を把握できるようにしてもよい。例えば、識別情報は、リプリゼンテーションＸ－Ａはがビデオ１のサブピクチャＩＤ＝１であるサブピクチャに対応し、リプリゼンテーションＸ－Ｂがビデオ１のサブピクチャＩＤ＝２であるサブピクチャに対応することを示す情報のようなリプリゼンテーションとサブピクチャとの対応関係を示す情報を含んでいてもよい。ここで、Ｘは、アダプテーションセットを識別するための識別子であり、Ａ及びＢは、アダプテーションセット内でリプリゼンテーションを識別するための識別子である。リプリゼンテーションとサブピクチャとの対応関係を示す情報は、例えば、サブピクチャに対応するリプリゼンテーションごとに記述される。
　このとき、ビデオコンポーネントに関連するリプリゼンテーションごとに、当該リプリゼンテーションが１つのビデオコンポーネントを構成する複数のサブピクチャのうちの一部のサブピクチャに対応するか、独立して復号、再生または表示が可能な１つのビデオコンポーネントに対応するかを示す情報を含んでいてもよい。例えば、リプリゼンテーションＸ－Ａ及びリプリゼンテーションＸ－Ａのそれぞれについて、従属されるリプリゼンテーションであることを示す情報と、他のサブピクチャのデータを格納するリプリゼンテーションを示す識別子などの情報を格納して、リプリゼンテーションＸ－Ａ内とリプリゼンテーションＸ－Ｂ内とでそれぞれ初期化セグメントとメディアセグメントとを配信してもよい。この構成によると、クライアントはＭＰＤを解析することで、復号装置に入力するビットストリームを生成するために初期化セグメントの結合とメディアセグメント（またはメディアサブセグメント）の結合を行う必要があることを把握することが可能となる。
　なお、１つのビデオコンポーネントを構成する複数のサブピクチャのデータが、複数のアダプテーションセット、複数のコンテンツコンポーネント、及び、複数のリプリゼンテーションに対応付けられている場合、クライアントが伝送スループット又は伝送遅延などの通信環境の変化に基づいて１つのサブピクチャ内でプレゼンテーションを切り替える際、すなわちコンテンツのビットレートを切り替える際に、他のサブピクチャについても同時にプレゼンテーションを切り替える方が好ましい可能性がある。これは、例えば、符号化装置が１つのカメラで撮影された映像を複数のサブピクチャに分割して符号化している場合、クライアントが通信環境に応じて一部のサブピクチャのリプリゼンテーションだけを切り替えると、連続する映像の中で一部のサブピクチャの領域だけが他のサブピクチャの領域と比較して解像度及び画質が異なる状況が生じるためである。
　上記のようなサブピクチャごとの画質及び解像度の不均一性の発生を抑制するために、サーバは、リプリゼンテーションの切り替える際に連動させるべき複数のサブピクチャのグループを指定する情報をＭＰＤに記述してもよい。このとき、サーバは、例えば、１つのビデオコンポーネントを構成する複数のサブピクチャの全てをリプリゼンテーションの切り替えを連動させるグループとしてＭＰＤで指定してもよいし、１つのビデオコンポーネントを構成する複数のサブピクチャの一部をリプリゼンテーションの切り替えを連動させるグループとしてＭＰＤで指定してもよい。例えば、サーバから提供されるビデオコンテンツがサービスとして提供されるメインの映像と広告として提供されるサブの映像とを含む場合、サーバは、メインの映像を構成する複数のサブピクチャをリプリゼンテーションの切り替えを連動させるグループとしてＭＰＤで指定し、サブの映像を構成するサブピクチャをメインの映像のグループとは独立してリプリゼンテーションの切り替えを可能であるとＭＰＤで指定してもよい。なお、サブの映像が複数のサブピクチャで構成される場合は、サーバは、サブの映像を構成する複数のサブピクチャをリプリゼンテーションの切り替えを連動させる別のグループとしてＭＰＤで指定してもよい。この場合、サーバは、リプリゼンテーションの切り替えを連動させるグループをＭＰＤにおいて複数指定することになる。なお、サーバが１つのビデオコンポーネントを構成する複数のサブピクチャの全てをリプリゼンテーションの切り替えを連動させるグループとしてＭＰＤで指定する場合、各リプリゼンテーションに対して、当該リプリゼンテーションが従属されるリプリゼンテーションであることを示す情報と、他のサブピクチャのデータを格納するリプリゼンテーションの識別子などの情報とを付与してもよい。これにより、サーバは、当該情報が付与された複数のリプリゼンテーションが、ビットレート又は解像度の切り替えに伴うリプリゼンテーションの切り替えを連動させるグループであることをクライアントに通知してもよい。
　次に、サーバが１つのピクチャとして復号される複数のサブピクチャを１つのリプリゼンテーションの複数のサブリプリゼンテーションに割り当てて送信する場合について説明する。このとき、サーバは、複数のサブリプリゼンテーションを１つのビデオコンテンツを構成する複数のサブビットストリームと１対１で対応付けてもよいし、一部のサブリプリゼンテーションが２以上のサブピクチャに対応するデータを含んでいてもよい。
　本構成によると、複数のサブピクチャに分割されて符号化されているコンテンツの配信を効率的に行うことができる。また、複数のサブピクチャのデータを１つのサブリプリゼンテーションに含めることで、データの細分化を抑えることができるため、コンテンツの配信を効率的に行える可能性が向上する可能性がある。
　また、複数のサブピクチャを１つのリプリゼンテーションのサブリプリゼンテーションとして提供するため、クライアントは、ビットレート又は解像度の切り替えに伴うリプリゼンテーションの切り替えが発生した場合に、複数のサブピクチャの解像度又はビットレートを同時に切り替えることが容易となる。
　なお、本開示では、サーバがサブピクチャを含むリプリゼンテーションに対して従属されるリプリゼンテーションであることを示す情報を付与する例を説明したが、従属されるリプリゼンテーションであることを示す情報とは別に、ピクチャを構成する複数のサブピクチャの一部を格納するリプリゼンテーションであることを示す情報がサブピクチャ情報として規定されてもよい。その場合、サーバは、ＭＰＤにおけるサブピクチャを含むリプリゼンテーションに対して上記のサブピクチャの識別情報を付与して、関連するサブピクチャを格納するリプリゼンテーションを示す識別子などの情報をメモリに格納してもよい。また、サブピクチャの識別情報は、当該リプリゼンテーションに含まれる１つ又は複数のサブピクチャのサブピクチャＩＤを示す情報を含んでいてもよい。
　ビデオ及び／又はオーディオ属性がマニフェスト情報、及び、ビデオ及び／又はオーディオストリームを伝送するための、ファイルベース（ＩＳＯ　ＢＭＦＦなど）又はパケットベース（ＭＰＥＧ－２ＴＳなど）のコンテナフォーマットで提供されている限り、ＨＬＳ（ＨＴＴＰライブストリーミング）などの他のＨＴＴＰストリーミング方法が使用されてもよい。
　［構成及び処理の代表例］
　上記に示された再生装置３００及び送信装置４００の構成及び処理の代表例を以下に示す。
　［再生装置の構成及び処理の代表例１］
　図１１２Ａは、再生装置３００が行う動作の一例を示すフローチャートである。例えば、再生装置３００は、回路、及び、回路に接続されたメモリを備える。再生装置３００が備える回路及びメモリは、図９７に示されるプロセッサｃ１及びメモリｃ２に対応していてもよい。再生装置３００の回路は、動作において、以下を行う。
　再生装置３００の回路は、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを取得し（Ｓ１０１）、複数の第１サブピクチャと複数の第２サブピクチャとを組み合わせて複数の時刻に対応する複数のアクセスユニットを生成し（Ｓ１０２）、生成された複数のアクセスユニットを再生する（Ｓ１０３）。
　これにより、再生装置３００は、同一画面上に複数の異なる映像を効率的に組み合わせて映像コンテンツを再生することができる。したがって、再生装置３００は、安定的に低遅延ライブストリーミングを実行することができる。
　また、例えば、第１セグメント及び第２セグメントは、１つのランダムアクセス単位に対応する。
　これにより、再生装置３００は、同じ時刻情報を有する異なる映像を組み合わせることができるため、同一時刻に対応する複数のサブピクチャを同一画面上に組み合わせた映像コンテンツを再生することができる。
　［再生装置の構成及び処理の代表例２］
　図１１２Ｂは、再生装置３００が行う動作の他の例を示すフローチャートである。再生装置３００の回路は、動作において、以下を行う。
　また、再生装置３００の回路は、マニフェストファイルを取得し（Ｓ１１１）、マニフェストファイルに記述された第１プリセレクション及び第２プリセレクションを含む複数のプリセレクションの中から１つのプリセレクションを選択し（Ｓ１１２）、選択された１つのプリセレクションが第１プリセレクションである場合、第１プリセレクションに含まれる情報に基づいて、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを取得し（Ｓ１１３）、取得された第１セグメントと第２セグメントとを再生し（Ｓ１１４）、選択された１つのプリセレクションが第２プリセレクションである場合、第２プリセレクションに含まれる情報に基づいて、第１セグメントと、複数の時刻に対応する複数の第３サブピクチャを含む第３セグメントとを取得し（Ｓ１１５）、取得された第１セグメントと第３セグメントとを再生する（Ｓ１１６）。
　これにより、再生装置３００は、選択されたプリセレクションに応じて、同一画面上に複数のサブピクチャを含む複数のセグメントの組み合わせを再生することができる。したがって、再生装置３００は、映像コンテンツの様々な表示態様の実現が可能である。
　また、例えば、第１プリセレクションに含まれる情報は、第１アダプテーションセットと第２アダプテーションセットとを示す情報であり、第２プリセレクションに含まれる情報は、第１アダプテーションセットと第３アダプテーションセットとを示す情報であり、第１アダプテーションセットは、第１セグメントに含まれる複数の第１サブピクチャに対応し、第２アダプテーションセットは、第２セグメントに含まれる複数の第２サブピクチャに対応し、第３アダプテーションセットは、第３セグメントに含まれる複数の第３サブピクチャに対応する。
　これにより、再生装置３００は、アダプテーションセットを介して複数のサブピクチャをまとめて指定することができる。
　また、例えば、複数の第２サブピクチャの画像サイズは、それぞれ、複数の第３サブピクチャの画像サイズと等しい。
　これにより、再生装置３００は、第１プリセレクション及び第２プリセレクションのどちらが選択されたとしても、同じ画像サイズの映像コンテンツをディスプレイ上で表示することができる。
　また、例えば、第１セグメントと第２セグメントとが再生される場合に複数の第２サブピクチャが表示される領域は、それぞれ、第１セグメントと第３セグメントとが再生される場合に複数の第３サブピクチャが表示される領域と等しい。
　これにより、再生装置３００は、第２セグメントと第３セグメントとをディスプレイ上で同じ一及び同じサイズで表示させることができる。したがって、再生装置３００は、第１セグメントを再生しながら、第２セグメントと第３セグメントとをディスプレイ上で円滑に表示の切り替えを行うことができる。
　また、例えば、複数の第１サブピクチャ、複数の第２サブピクチャ、又は、複数の第３サブピクチャは、パーソナライズ、アクセシビリティ、及び、ターゲット広告の少なくともいずれかのために提供される。
　これにより、再生装置３００は、複数の第１サブピクチャ、複数の第２サブピクチャ、及び、複数の第３サブピクチャのいずれかを、パーソナライズ、アクセシビリティ、及び、ターゲット広告の少なくともいずれかに使用することができる。したがって、再生装置３００は、ユーザに応じた表示が可能である。
　また、例えば、複数の第１サブピクチャ、複数の第２サブピクチャ、及び、複数の第３サブピクチャは、同一の映像コンテンツに関連し、複数の第１サブピクチャは、同一の映像コンテンツの第１ビューに対応し、複数の第２サブピクチャは、同一の映像コンテンツの第２ビューに対応し、複数の第３サブピクチャは、同一の映像コンテンツの第３ビューに対応する。
　これにより、再生装置３００は、複数の第１サブピクチャ、複数の第２サブピクチャ、及び、複数の第３サブピクチャの少なくとも２つを組み合わせて、同一の映像コンテンツに関連する複数のビューを含む映像コンテンツを生成して再生することができる。
　また、例えば、複数の第３サブピクチャは、手話コンテンツに対応し、再生装置３００の回路は、アクセシビリティに基づいて第２プリセレクションが選択されると、第１セグメントと第３セグメントとを再生する。
　これにより、再生装置３００は、１つの映像コンテンツの一部に手話コンテンツが含まれる映像コンテンツを生成して再生することができる。
　また、例えば、複数の第３サブピクチャは、広告コンテンツに対応し、再生装置３００の回路は、ターゲット広告に基づいて第２プリセレクションが選択されると、第１セグメントと第３セグメントとを再生する。
　これにより、再生装置３００は、１つの映像コンテンツの一部に特定の対象者に対する広告コンテンツが表示される映像コンテンツを生成して再生することができる。
　また、例えば、複数の第１サブピクチャのサブピクチャＩＤと、複数の第２サブピクチャのサブピクチャＩＤと、複数の第３サブピクチャは、のサブピクチャＩＤとは、互いに異なる。
　これにより、再生装置３００は、複数の第１サブピクチャ、複数の第２サブピクチャ、及び、複数の第３サブピクチャの少なくとも２つを組み合わせた映像コンテンツを生成しても、生成された映像コンテンツの符号化パラメータを変更する必要がない。
　［送信装置の構成及び処理の代表例１］
　図１１３Ａは、送信装置４００が行う動作の一例を示すフローチャートである。例えば、送信装置４００は、回路、及び、回路に接続されたメモリを備える。送信装置４００が備える回路及びメモリは、図９８に示されるプロセッサｄ１及びメモリｄ２に対応していてもよい。送信装置４００の回路は、動作において、以下を行う。
　また、送信装置４００の回路は、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを要求する信号を受信し（Ｓ２０１）、受信された信号に基づいて、第１セグメントと第２セグメントとを送信する（Ｓ２０２）。
　これにより、送信装置４００は、再生装置３００から受信した信号に基づいて、複数の時刻に対応し、かつ、それぞれ異なる映像を有するセグメントを再生装置３００に送信することができる。したがって、送信装置４００は、再生装置３００が同一画面上に複数の異なる映像を効率的に組み合わせて映像コンテンツを再生することを可能とするため、再生装置３００が安定的に低遅延ライブストリーミングを実行することを可能とすることができる。
　また、例えば、第１セグメント及び第２セグメントは、１つのランダムアクセス単位に対応する。
　これにより、送信装置４００は、同じ時刻情報を有する異なる映像を再生装置３００に送信することができるため、再生装置３００が同一時刻に対応する複数のサブピクチャを同一画面上に組み合わせた映像コンテンツを再生することを可能とすることができる。
　［送信装置の構成及び処理の代表例２］
　図１１３Ｂは、送信装置４００が行う動作の他の例を示すフローチャートである。送信装置４００の回路は、動作において、以下を行う。
　また、送信装置４００の回路は、コンテンツリスト要求信号を受信し（Ｓ２１１）、受信されたコンテンツリスト要求信号に基づいてマニフェストファイルを送信し（Ｓ２１２）、マニフェストファイルに記述された第１プリセレクション及び第２プリセレクションを含む複数のプリセレクションの中から１つのプリセレクションが選択されたことを示す信号を受信し（Ｓ２１３）、選択された１つのプリセレクションが第１プリセレクションである場合、第１プリセレクションに含まれる情報に基づいて、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを送信し（Ｓ２１４）、選択された１つのプリセレクションが第２プリセレクションである場合、第２プリセレクションに含まれる情報に基づいて、第１セグメントと、複数の時刻に対応する複数の第３サブピクチャを含む第３セグメントとを送信する（Ｓ２１５）。
　これにより、送信装置４００は、選択されたプリセレクションに応じて、複数のサブピクチャを含む複数のセグメントの組み合わせを再生装置３００に送信することができる。したがって、送信装置４００は、再生装置３００による映像コンテンツの様々な表示態様の実現を可能とすることができる。
　また、例えば、第１プリセレクションに含まれる情報は、第１セグメントに含まれる複数の第１サブピクチャに対応する第１アダプテーションセットと、第２セグメントに含まれる複数の第２サブピクチャに対応する第２アダプテーションセットとを示す情報であり、第２プリセレクションに含まれる情報は、第１アダプテーションセットと、第３セグメントに含まれる複数の第３サブピクチャに対応する第３アダプテーションセットとを示す情報である。
　これにより、送信装置４００は、選択されたプリセレクションに応じて、複数のアダプテーションセットを再生装置３００に送信することができる。したがって、送信装置４００は、再生装置３００がアダプテーションセットを介して複数のサブピクチャをまとめて指定することを可能とすることができる。
　また、例えば、複数の第２サブピクチャの画像サイズは、それぞれ、複数の第３サブピクチャの画像サイズと等しい。
　これにより、送信装置４００は、同じ時刻情報と画像サイズとを有する異なる映像を再生装置３００に送信することができる。したがって、送信装置４００は、第１プリセレクション及び第２プリセレクションのどちらが選択されたとしても、再生装置３００が同じ画像サイズの映像コンテンツをディスプレイ上で表示することを可能とすることができる。
　また、例えば、第１セグメントと第２セグメントとが再生される場合に複数の第２サブピクチャが表示される領域は、それぞれ、第１セグメントと第３セグメントとが再生される場合に複数の第３サブピクチャが表示される領域と等しい。
　これにより、送信装置４００は、異なる映像コンテンツにおいて再生される位置及びサイズが同じ映像を有する異なるセグメントを再生装置３００に送信することができる。そのため、送信装置４００は、再生装置３００が第２セグメントと第３セグメントとをディスプレイ上で同じ位置及び同じサイズで表示することを可能したがって、送信装置４００は、再生装置３００が第１セグメントを再生しながら、第２セグメントと第３セグメントとをディスプレイ上で表示の切り替えを行うことを可能とすることができる。
　また、例えば、複数の第１サブピクチャ、複数の第２サブピクチャ、又は、複数の第３サブピクチャは、パーソナライズ、アクセシビリティ、及び、ターゲット広告の少なくともいずれかのために提供される。
　これにより、送信装置４００は、パーソナライズ、アクセシビリティ、及び、ターゲット広告の少なくともいずれかに使用される複数の第１サブピクチャ、複数の第２サブピクチャ、及び、複数の第３サブピクチャを再生装置３００に送信することができる。したがって、送信装置４００は、再生装置３００によるユーザに応じた表示を可能とすることができる。
　また、例えば、複数の第１サブピクチャ、複数の第２サブピクチャ、及び、複数の第３サブピクチャは、同一の映像コンテンツに関連し、複数の第１サブピクチャは、同一の映像コンテンツの第１ビューに対応し、複数の第２サブピクチャは、同一の映像コンテンツの第２ビューに対応し、複数の第３サブピクチャは、同一の映像コンテンツの第３ビューに対応する。
　これにより、送信装置４００は、同一の映像コンテンツに関連する複数のビューに対応する複数のセグメントを再生装置３００に送信することができる。したがって、送信装置４００は、再生装置３００が同一の映像コンテンツに関連する複数のビューを含む映像コンテンツを生成して再生することを可能とすることができる。
　また、例えば、複数の第３サブピクチャは、手話コンテンツに対応し、送信装置４００の回路は、アクセシビリティに基づいて第２プリセレクションが選択されると、第１セグメントと第３セグメントとを送信する。
　これにより、送信装置４００は、選択されたプリセレクションに応じて、ユーザが求めるアクセシビリティ（例えば、手話コンテンツが映像の一部に表示された映像コンテンツの再生）を実現するための複数のセグメントを再生装置３００に送信することができる。
　また、例えば、複数の第３サブピクチャは、広告コンテンツに対応し、送信装置４００の回路は、ターゲット広告に基づいて第２プリセレクションが選択されると、第１セグメントと第３セグメントとを送信する。
　これにより、送信装置４００は、選択されたプリセレクションに応じて、ユーザに適したターゲット広告（例えば、１つの映像コンテンツの一部に特定の対象者に対する広告コンテンツが表示される映像コンテンツの再生）を実現するための複数のセグメントを再生装置３００に送信することができる。
　また、例えば、複数の第１サブピクチャのサブピクチャＩＤと、複数の第２サブピクチャのサブピクチャＩＤと、複数の第３サブピクチャのサブピクチャＩＤとは、互いに異なる。
　これにより、送信装置４００は、重複しないＩＤを有する複数のサブピクチャを再生装置３００に送信することができるため、再生装置３００が符号化パラメータを変更することなく映像コンテンツを生成することを可能とすることができる。
　［その他の例］
　上述された各例における再生装置３００及び送信装置４００は、それぞれ、画像再生装置及び画像送信装置として利用されてもよいし、動画像再生装置及び動画像送信装置として利用されてもよい。
　また、符号化するという表現は、格納する、含める、書き込む、記述する、信号化する、送り出す、通知する、又は、保存する等の表現に置き換えられてもよい。例えば、情報を符号化することは、ビットストリームに情報を含めることであってもよい。また、復号するという表現は、読み出す、読み解く、読み取る、読み込む、導出する、取得する、受け取る、抽出する、又は、復元する等の表現に置き換えられてもよい。例えば、情報を復号することは、ビットストリームから情報を取得することであってもよい。
　また、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
　具体的には、再生装置及び送信装置４００のそれぞれは、処理回路（Ｐｒｏｃｅｓｓｉｎｇ　Ｃｉｒｃｕｉｔｒｙ）と、当該処理回路に電気的に接続された、当該処理回路からアクセス可能な記憶装置（Ｓｔｏｒａｇｅ）とを備えていてもよい。例えば、処理回路はプロセッサｃ１又はｄ１に対応し、記憶装置はメモリｃ２又はｄ２に対応する。
　処理回路は、専用のハードウェア及びプログラム実行部の少なくとも一方を含み、記憶装置を用いて処理を実行する。また、記憶装置は、処理回路がプログラム実行部を含む場合には、当該プログラム実行部により実行されるソフトウェアプログラムを記憶する。
　ここで、上述された再生装置３００又は送信装置４００などを実現するソフトウェアは、次のようなプログラムである。
　例えば、このプログラムは、コンピュータに、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを取得し、複数の第１サブピクチャと複数の第２サブピクチャとを組み合わせて複数の時刻に対応する複数のアクセスユニットを生成し、生成された複数のアクセスユニットを再生する再生方法を実行させてもよい。
　例えば、このプログラムは、コンピュータに、マニフェストファイルを取得し、マニフェストファイルに記述された第１プリセレクション及び第２プリセレクションを含む複数のプリセレクションの中から１つのプリセレクションを選択し、選択された１つのプリセレクションが第１プリセレクションである場合、第１プリセレクションに含まれる情報に基づいて、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、複数の時刻に対応する異なる複数の第２サブピクチャを含む第２セグメントとを取得し、取得された第１セグメントと第２セグメントとを再生し、選択された１つのプリセレクションが第２プリセレクションである場合、第２プリセレクションに含まれる情報に基づいて、第１セグメントと、複数の時刻に対応する複数の第３サブピクチャを含む第３セグメントとを取得し、取得された第１セグメントと第３セグメントとを再生する再生方法を実行させてもよい。
　例えば、このプログラムは、コンピュータに、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを要求する信号を受信し、受信された信号に基づいて、第１セグメントと第２セグメントとを送信する送信方法を実行させてもよい。
　例えば、このプログラムは、コンピュータに、コンテンツリスト要求信号を受信し、受信されたコンテンツリスト要求信号に基づいてマニフェストファイルを送信し、マニフェストファイルに記述された第１プリセレクション及び第２プリセレクションを含む複数のプリセレクションの中から１つのプリセレクションが選択されたことを示す信号を受信し、選択された１つのプリセレクションが第１プリセレクションである場合、第１プリセレクションに含まれる情報に基づいて、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを送信し、選択された１つのプリセレクションが第２プリセレクションである場合、第２プリセレクションに含まれる情報に基づいて、第１セグメントと、複数の時刻に対応する複数の第３サブピクチャを含む第３セグメントとを送信する送信方法を実行させてもよい。
　また、各構成要素は、上述の通り、回路であってもよい。これらの回路は、全体として１つの回路を構成してもよいし、それぞれ別々の回路であってもよい。また、各構成要素は、汎用的なプロセッサで実現されてもよいし、専用のプロセッサで実現されてもよい。
　また、特定の構成要素が実行する処理を別の構成要素が実行してもよい。また、処理を実行する順番が変更されてもよいし、複数の処理が並行して実行されてもよい。また、送信再生装置が、再生装置３００及び送信装置４００を備えていてもよい。
　また、説明に用いられた第１及び第２等の序数は、適宜、付け替えられてもよい。また、構成要素などに対して、序数が新たに与えられてもよいし、取り除かれてもよい。また、これらの序数は、要素を識別するため、要素に付けられる場合があり、意味のある順序に対応しない場合がある。
　以上、再生装置３００及び送信装置４００の態様について、複数の例に基づいて説明したが、再生装置３００及び送信装置４００の態様は、これらの例に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を各例に施したものや、異なる例における構成要素を組み合わせて構築される形態も、再生装置３００及び送信装置４００の態様の範囲内に含まれてもよい。
　ここで開示された１以上の態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、ここで開示された１以上の態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
　［実施及び応用］
　以上の各実施の形態において、機能的又は作用的なブロックの各々は、通常、ＭＰＵ（ｍｉｃｒｏ　ｐｒｏｃｃｅｓｓｉｎｇ　ｕｎｉｔ）及びメモリ等によって実現可能である。また、機能ブロックの各々による処理は、ＲＯＭ等の記録媒体に記録されたソフトウェア（プログラム）を読み出して実行するプロセッサなどのプログラム実行部として実現されてもよい。当該ソフトウェアは、配布されてもよい。当該ソフトウェアは、半導体メモリなどの様々な記録媒体に記録されてもよい。なお、各機能ブロックをハードウェア（専用回路）によって実現することも可能である。
　各実施の形態において説明した処理は、単一の装置（システム）を用いて集中処理することによって実現してもよく、又は、複数の装置を用いて分散処理することによって実現してもよい。また、上記プログラムを実行するプロセッサは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、又は分散処理を行ってもよい。
　本開示の態様は、以上の実施例に限定されることなく、種々の変更が可能であり、それらも本開示の態様の範囲内に包含される。
　さらにここで、上記各実施の形態で示した動画像符号化方法（画像符号化方法）又は動画像復号化方法（画像復号方法）の応用例、及び、その応用例を実施する種々のシステムを説明する。このようなシステムは、画像符号化方法を用いた画像符号化装置、画像復号方法を用いた画像復号装置、又は、両方を備える画像符号化復号装置を有することを特徴としてもよい。このようなシステムの他の構成について、場合に応じて適切に変更することができる。
　［使用例］
　図１１４は、コンテンツ配信サービスを実現する適切なコンテンツ供給システムｅｘ１００の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ、図示された例における固定無線局である基地局ｅｘ１０６、ｅｘ１０７、ｅｘ１０８、ｅｘ１０９、ｅｘ１１０が設置されている。
　このコンテンツ供給システムｅｘ１００では、インターネットｅｘ１０１に、インターネットサービスプロバイダｅｘ１０２又は通信網ｅｘ１０４、及び基地局ｅｘ１０６～ｅｘ１１０を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器が接続される。当該コンテンツ供給システムｅｘ１００は、上記のいずれかの装置を組合せて接続するようにしてもよい。種々の実施において、基地局ｅｘ１０６～ｅｘ１１０を介さずに、各機器が電話網又は近距離無線等を介して直接的又は間接的に相互に接続されていてもよい。さらに、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１等を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器と接続されてもよい。また、ストリーミングサーバｅｘ１０３は、衛星ｅｘ１１６を介して、飛行機ｅｘ１１７内のホットスポット内の端末等と接続されてもよい。
　なお、基地局ｅｘ１０６～ｅｘ１１０の代わりに、無線アクセスポイント又はホットスポット等が用いられてもよい。また、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１又はインターネットサービスプロバイダｅｘ１０２を介さずに直接通信網ｅｘ１０４と接続されてもよいし、衛星ｅｘ１１６を介さず直接飛行機ｅｘ１１７と接続されてもよい。
　カメラｅｘ１１３はデジタルカメラ等の静止画撮影、及び動画撮影が可能な機器である。また、スマートフォンｅｘ１１５は、２Ｇ、３Ｇ、３．９Ｇ、４Ｇ、そして今後は５Ｇと呼ばれる移動通信システムの方式に対応したスマートフォン機、携帯電話機、又はＰＨＳ（Ｐｅｒｓｏｎａｌ　Ｈａｎｄｙｐｈｏｎｅ　Ｓｙｓｔｅｍ）等である。
　家電ｅｘ１１４は、冷蔵庫、又は家庭用燃料電池コージェネレーションシステムに含まれる機器等である。
　コンテンツ供給システムｅｘ１００では、撮影機能を有する端末が基地局ｅｘ１０６等を通じてストリーミングサーバｅｘ１０３に接続されることで、ライブ配信等が可能になる。ライブ配信では、端末（コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、及び飛行機ｅｘ１１７内の端末等）は、ユーザが当該端末を用いて撮影した静止画又は動画コンテンツに対して上記各実施の形態で説明した符号化処理を行ってもよく、符号化により得られた映像データと、映像に対応する音を符号化した音データと多重化してもよく、得られたデータをストリーミングサーバｅｘ１０３に送信してもよい。即ち、各端末は、本開示の一態様に係る画像符号化装置として機能する。
　一方、ストリーミングサーバｅｘ１０３は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントは、上記符号化処理されたデータを復号化することが可能な、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、又は飛行機ｅｘ１１７内の端末等である。配信されたデータを受信した各機器は、受信したデータを復号化処理して再生する。即ち、各機器は、本開示の一態様に係る画像復号装置として機能してもよい。
　［分散処理］
　また、ストリーミングサーバｅｘ１０３は複数のサーバ又は複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。例えば、ストリーミングサーバｅｘ１０３は、ＣＤＮ（Ｃｏｎｔｅｎｔｓ　Ｄｅｌｉｖｅｒｙ　Ｎｅｔｗｏｒｋ）により実現され、世界中に分散された多数のエッジサーバとエッジサーバ間をつなぐネットワークによりコンテンツ配信が実現されていてもよい。ＣＤＮでは、クライアントに応じて物理的に近いエッジサーバが動的に割り当てられる。そして、当該エッジサーバにコンテンツがキャッシュ及び配信されることで遅延を減らすことができる。また、いくつかのタイプのエラーが発生した場合又はトラフィックの増加などにより通信状態が変わる場合に複数のエッジサーバで処理を分散したり、他のエッジサーバに配信主体を切り替えたり、障害が生じたネットワークの部分を迂回して配信を続けることができるので、高速かつ安定した配信が実現できる。
　また、配信自体の分散処理にとどまらず、撮影したデータの符号化処理を各端末で行ってもよいし、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、一般に符号化処理では、処理ループが２度行われる。１度目のループでフレーム又はシーン単位での画像の複雑さ、又は、符号量が検出される。また、２度目のループでは画質を維持して符号化効率を向上させる処理が行われる。例えば、端末が１度目の符号化処理を行い、コンテンツを受け取ったサーバ側が２度目の符号化処理を行うことで、各端末での処理負荷を減らしつつもコンテンツの質と効率を向上させることができる。この場合、ほぼリアルタイムで受信して復号する要求があれば、端末が行った一度目の符号化済みデータを他の端末で受信して再生することもできるので、より柔軟なリアルタイム配信も可能になる。
　他の例として、カメラｅｘ１１３等は、画像から特徴量抽出を行い、特徴量に関するデータをメタデータとして圧縮してサーバに送信する。サーバは、例えば特徴量からオブジェクトの重要性を判断して量子化精度を切り替えるなど、画像の意味（又は内容の重要性）に応じた圧縮を行う。特徴量データはサーバでの再度の圧縮時の動きベクトル予測の精度及び効率向上に特に有効である。また、端末でＶＬＣ（可変長符号化）などの簡易的な符号化を行い、サーバでＣＡＢＡＣ（コンテキスト適応型二値算術符号化方式）など処理負荷の大きな符号化を行ってもよい。
　さらに他の例として、スタジアム、ショッピングモール、又は工場などにおいては、複数の端末によりほぼ同一のシーンが撮影された複数の映像データが存在する場合がある。この場合には、撮影を行った複数の端末と、必要に応じて撮影をしていない他の端末及びサーバを用いて、例えばＧＯＰ（Ｇｒｏｕｐ　ｏｆ　Ｐｉｃｔｕｒｅ）単位、ピクチャ単位、又はピクチャを分割したタイル単位などで符号化処理をそれぞれ割り当てて分散処理を行う。これにより、遅延を減らし、よりリアルタイム性を実現できる。
　複数の映像データはほぼ同一シーンであるため、各端末で撮影された映像データを互いに参照し合えるように、サーバで管理及び／又は指示をしてもよい。また、各端末からの符号化済みデータを、サーバが受信し複数のデータ間で参照関係を変更、又はピクチャ自体を補正或いは差し替えて符号化しなおしてもよい。これにより、一つ一つのデータの質と効率を高めたストリームを生成できる。
　さらに、サーバは、映像データの符号化方式を変更するトランスコードを行ったうえで映像データを配信してもよい。例えば、サーバは、ＭＰＥＧ系の符号化方式をＶＰ系（例えばＶＰ９）に変換してもよいし、Ｈ．２６４をＨ．２６５に変換してもよい。
　このように、符号化処理は、端末、又は１以上のサーバにより行うことが可能である。よって、以下では、処理を行う主体として「サーバ」又は「端末」等の記載を用いるが、サーバで行われる処理の一部又は全てが端末で行われてもよいし、端末で行われる処理の一部又は全てがサーバで行われてもよい。また、これらに関しては、復号処理についても同様である。
　［３Ｄ、マルチアングル］
　互いにほぼ同期した複数のカメラｅｘ１１３及び／又はスマートフォンｅｘ１１５などの端末により撮影された異なるシーン、又は、同一シーンを異なるアングルから撮影した画像或いは映像を統合して利用することが増えてきている。各端末で撮影した映像は、別途取得した端末間の相対的な位置関係、又は、映像に含まれる特徴点が一致する領域などに基づいて統合される。
　サーバは、２次元の動画像を符号化するだけでなく、動画像のシーン解析などに基づいて自動的に、又は、ユーザが指定した時刻において、静止画を符号化し、受信端末に送信してもよい。サーバは、さらに、撮影端末間の相対的な位置関係を取得できる場合には、２次元の動画像だけでなく、同一シーンが異なるアングルから撮影された映像に基づき、当該シーンの３次元形状を生成できる。サーバは、ポイントクラウドなどにより生成した３次元のデータを別途符号化してもよいし、３次元データを用いて人物又はオブジェクトを認識或いは追跡した結果に基づいて、受信端末に送信する映像を、複数の端末で撮影した映像から、選択、又は、再構成して生成してもよい。
　このようにして、ユーザは、各撮影端末に対応する各映像を任意に選択してシーンを楽しむこともできるし、複数画像又は映像を用いて再構成された３次元データから選択視点の映像を切り出したコンテンツを楽しむこともできる。さらに、映像と共に、音も複数の相異なるアングルから収音され、サーバは、特定のアングル又は空間からの音を対応する映像と多重化して、多重化された映像と音とを送信してもよい。
　また、近年ではＶｉｒｔｕａｌ　Ｒｅａｌｉｔｙ（ＶＲ）及びＡｕｇｍｅｎｔｅｄ　Ｒｅａｌｉｔｙ（ＡＲ）など、現実世界と仮想世界とを対応付けたコンテンツも普及してきている。ＶＲの画像の場合、サーバは、右目用及び左目用の視点画像をそれぞれ作成し、Ｍｕｌｔｉ－Ｖｉｅｗ　Ｃｏｄｉｎｇ（ＭＶＣ）などにより各視点映像間で参照を許容する符号化を行ってもよいし、互いに参照せずに別ストリームとして符号化してもよい。別ストリームの復号時には、ユーザの視点に応じて仮想的な３次元空間が再現されるように互いに同期させて再生するとよい。
　ＡＲの画像の場合には、サーバは、現実空間のカメラ情報に、仮想空間上の仮想物体情報を、３次元的位置又はユーザの視点の動きに基づいて重畳する。復号装置は、仮想物体情報及び３次元データを取得又は保持し、ユーザの視点の動きに応じて２次元画像を生成し、スムーズにつなげることで重畳データを作成してもよい。または、復号装置は仮想物体情報の依頼に加えてユーザの視点の動きをサーバに送信してもよい。サーバは、サーバに保持される３次元データから受信した視点の動きに合わせて重畳データを作成し、重畳データを符号化して復号装置に配信してもよい。なお、重畳データは、ＲＧＢ以外に透過度を示すα値を有し、サーバは、３次元データから作成されたオブジェクト以外の部分のα値が０などに設定し、当該部分が透過する状態で、符号化してもよい。もしくは、サーバは、クロマキーのように所定の値のＲＧＢ値を背景に設定し、オブジェクト以外の部分は背景色にしたデータを生成してもよい。
　同様に配信されたデータの復号処理はクライアントである各端末で行っても、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、ある端末が、一旦サーバに受信リクエストを送り、そのリクエストに応じたコンテンツを他の端末で受信し復号処理を行い、ディスプレイを有する装置に復号済みの信号が送信されてもよい。通信可能な端末自体の性能によらず処理を分散して適切なコンテンツを選択することで画質のよいデータを再生することができる。また、他の例として大きなサイズの画像データをＴＶ等で受信しつつ、鑑賞者の個人端末にピクチャが分割されたタイルなど一部の領域が復号されて表示されてもよい。これにより、全体像を共有化しつつ、自身の担当分野又はより詳細に確認したい領域を手元で確認することができる。
　屋内外の近距離、中距離、又は長距離の無線通信が複数使用可能な状況下で、ＭＰＥＧ－ＤＡＳＨ（Ｄｙｎａｍｉｃ　Ａｄａｐｔｉｖｅ　Ｓｔｒｅａｍｉｎｇ　ｏｖｅｒ　ＨＴＴＰ）などの配信システム規格を利用して、シームレスにコンテンツを受信することが可能かもしれない。ユーザは、ユーザの端末、屋内外に配置されたディスプレイなどの復号装置又は表示装置を自由に選択しながらリアルタイムで切り替えてもよい。また、自身の位置情報などを用いて、復号する端末及び表示する端末を切り替えながら復号を行うことができる。これにより、ユーザが目的地へ移動している間に、表示可能なデバイスが埋め込まれた隣の建物の壁面又は地面の一部に情報をマップ及び表示することが可能になる。また、符号化データが受信端末から短時間でアクセスできるサーバにキャッシュされている、又は、コンテンツ・デリバリー・サービスにおけるエッジサーバにコピーされている、などの、ネットワーク上での符号化データへのアクセス容易性に基づいて、受信データのビットレートを切り替えることも可能である。
　［Ｗｅｂページの最適化］
　図１１５は、コンピュータｅｘ１１１等におけるｗｅｂページの表示画面例を示す図である。図１１６は、スマートフォンｅｘ１１５等におけるｗｅｂページの表示画面例を示す図である。図１１５及び図１１６に示すようにｗｅｂページが、画像コンテンツへのリンクであるリンク画像を複数含む場合があり、閲覧するデバイスによってその見え方は異なる。画面上に複数のリンク画像が見える場合には、ユーザが明示的にリンク画像を選択するまで、又は画面の中央付近にリンク画像が近付く或いはリンク画像の全体が画面内に入るまで、表示装置（復号装置）は、リンク画像として各コンテンツが有する静止画又はＩピクチャを表示してもよいし、複数の静止画又はＩピクチャ等でｇｉｆアニメのような映像を表示してもよいし、ベースレイヤのみを受信し、映像を復号及び表示してもよい。
　ユーザによりリンク画像が選択された場合、表示装置は、ベースレイヤを最優先にしつつ復号を行う。なお、ｗｅｂページを構成するＨＴＭＬ（ＨｙｐｅｒＴｅｘｔ　Ｍａｒｋｕｐ　Ｌａｎｇｕａｇｅ）にスケーラブルなコンテンツであることを示す情報があれば、表示装置は、エンハンスメントレイヤまで復号してもよい。さらに、リアルタイム性を担保するために、選択される前又は通信帯域が非常に厳しい場合には、表示装置は、前方参照のピクチャ（Ｉピクチャ、Ｐピクチャ、前方参照のみのＢピクチャ）のみを復号及び表示することで、先頭ピクチャの復号時刻と表示時刻との間の遅延（コンテンツの復号開始から表示開始までの遅延）を低減できる。またさらに、表示装置は、ピクチャの参照関係を敢えて無視して、全てのＢピクチャ及びＰピクチャを前方参照にして粗く復号し、時間が経ち受信したピクチャが増えるにつれて正常の復号を行ってもよい。
　［自動走行］
　また、車の自動走行又は走行支援のため２次元又は３次元の地図情報などのような静止画又は映像データを送受信する場合、受信端末は、１以上のレイヤに属する画像データに加えて、メタ情報として天候又は工事の情報なども受信し、これらを対応付けて復号してもよい。なお、メタ情報は、レイヤに属してもよいし、単に画像データと多重化されてもよい。
　この場合、受信端末を含む車、ドローン又は飛行機などが移動するため、受信端末は、当該受信端末の位置情報を送信することで、基地局ｅｘ１０６～ｅｘ１１０を切り替えながらシームレスな受信及び復号の実行を実現できる。また、受信端末は、ユーザの選択、ユーザの状況及び／又は通信帯域の状態に応じて、メタ情報をどの程度受信するか、又は地図情報をどの程度更新していくかを動的に切り替えることが可能になる。
　コンテンツ供給システムｅｘ１００では、ユーザが送信した符号化された情報をリアルタイムでクライアントが受信して復号し、再生することができる。
　［個人コンテンツの配信］
　また、コンテンツ供給システムｅｘ１００では、映像配信業者による高画質で長時間のコンテンツのみならず、個人による低画質で短時間のコンテンツのユニキャスト、又はマルチキャスト配信が可能である。このような個人のコンテンツは今後も増加していくと考えられる。個人コンテンツをより優れたコンテンツにするために、サーバは、編集処理を行ってから符号化処理を行ってもよい。これは、例えば、以下のような構成を用いて実現できる。
　撮影時にリアルタイム又は蓄積して撮影後に、サーバは、原画データ又は符号化済みデータから撮影エラー、シーン探索、意味の解析、及びオブジェクト検出などの認識処理を行う。そして、サーバは、認識結果に基づいて手動又は自動で、ピントずれ又は手ブレなどを補正したり、明度が他のピクチャに比べて低い又は焦点が合っていないシーンなどの重要性の低いシーンを削除したり、オブジェクトのエッジを強調したり、色合いを変化させるなどの編集を行う。サーバは、編集結果に基づいて編集後のデータを符号化する。また撮影時刻が長すぎると視聴率が下がることも知られており、サーバは、撮影時間に応じて特定の時間範囲内のコンテンツになるように上記のように重要性が低いシーンのみならず動きが少ないシーンなどを、画像処理結果に基づき自動でクリップしてもよい。または、サーバは、シーンの意味解析の結果に基づいてダイジェストを生成して符号化してもよい。
　個人コンテンツには、そのままでは著作権、著作者人格権、又は肖像権等の侵害となるものが写り込んでいるケースもあり、共有する範囲が意図した範囲を超えてしまうなど個人にとって不都合な場合もある。よって、例えば、サーバは、画面の周辺部の人の顔、又は家の中などを敢えて焦点が合わない画像に変更して符号化してもよい。さらに、サーバは、符号化対象画像内に、予め登録した人物とは異なる人物の顔が映っているかどうかを認識し、映っている場合には、顔の部分にモザイクをかけるなどの処理を行ってもよい。または、符号化の前処理又は後処理として、著作権などの観点からユーザが画像を加工したい人物又は背景領域を指定してもよい。サーバは、指定された領域を別の映像に置き換える、又は焦点をぼかすなどの処理を行ってもよい。人物であれば、動画像において人物をトラッキングして、人物の顔の部分の映像を置き換えることができる。
　データ量の小さい個人コンテンツの視聴はリアルタイム性の要求が強いため、帯域幅にもよるが、復号装置は、まずベースレイヤを最優先で受信して復号及び再生を行う。復号装置は、この間にエンハンスメントレイヤを受信し、再生がループされる場合など２回以上再生される場合に、エンハンスメントレイヤも含めて高画質の映像を再生してもよい。このようにスケーラブルな符号化が行われているストリームであれば、未選択時又は見始めた段階では粗い動画だが、徐々にストリームがスマートになり画像がよくなるような体験を提供することができる。スケーラブル符号化以外にも、１回目に再生される粗いストリームと、１回目の動画を参照して符号化される２回目のストリームとが１つのストリームとして構成されていても同様の体験を提供できる。
　［その他の実施応用例］
　また、これらの符号化又は復号処理は、一般的に各端末が有するＬＳＩｅｘ５００において処理される。ＬＳＩ（ｌａｒｇｅ　ｓｃａｌｅ　ｉｎｔｅｇｒａｔｉｏｎ　ｃｉｒｃｕｉｔｒｙ）ｅｘ５００（図１１４参照）は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化又は復号用のソフトウェアをコンピュータｅｘ１１１等で読み取り可能な何らかの記録メディア（ＣＤ－ＲＯＭ、フレキシブルディスク、又はハードディスクなど）に組み込み、そのソフトウェアを用いて符号化又は復号処理を行ってもよい。さらに、スマートフォンｅｘ１１５がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データはスマートフォンｅｘ１１５が有するＬＳＩｅｘ５００で符号化処理されたデータである。
　なお、ＬＳＩｅｘ５００は、アプリケーションソフトをダウンロードしてアクティベートする構成であってもよい。この場合、端末は、まず、当該端末がコンテンツの符号化方式に対応しているか、又は、特定サービスの実行能力を有するかを判定する。端末がコンテンツの符号化方式に対応していない場合、又は、特定サービスの実行能力を有さない場合、端末は、コーデック又はアプリケーションソフトをダウンロードし、その後、コンテンツ取得及び再生する。
　また、インターネットｅｘ１０１を介したコンテンツ供給システムｅｘ１００に限らず、デジタル放送用システムにも上記各実施の形態の少なくとも動画像符号化装置（画像符号化装置）又は動画像復号化装置（画像復号装置）のいずれかを組み込むことができる。衛星などを利用して放送用の電波に映像と音が多重化された多重化データを載せて送受信するため、コンテンツ供給システムｅｘ１００のユニキャストがし易い構成に対してマルチキャスト向きであるという違いがあるが符号化処理及び復号処理に関しては同様の応用が可能である。
　［ハードウェア構成］
　図１１７は、図１１４に示されたスマートフォンｅｘ１１５のさらに詳細を示す図である。また、図１１８は、スマートフォンｅｘ１１５の構成例を示す図である。スマートフォンｅｘ１１５は、基地局ｅｘ１１０との間で電波を送受信するためのアンテナｅｘ４５０と、映像及び静止画を撮ることが可能なカメラ部ｅｘ４６５と、カメラ部ｅｘ４６５で撮像した映像、及びアンテナｅｘ４５０で受信した映像等が復号されたデータを表示する表示部ｅｘ４５８とを備える。スマートフォンｅｘ１１５は、さらに、タッチパネル等である操作部ｅｘ４６６と、音声又は音響を出力するためのスピーカ等である音声出力部ｅｘ４５７と、音声を入力するためのマイク等である音声入力部ｅｘ４５６と、撮影した映像或いは静止画、録音した音声、受信した映像或いは静止画、メール等の符号化されたデータ、又は、復号化されたデータを保存可能なメモリ部ｅｘ４６７と、ユーザを特定し、ネットワークをはじめ各種データへのアクセスの認証をするためのＳＩＭ（Ｓｕｂｓｃｒｉｂｅｒ　Ｉｄｅｎｔｉｔｙ　Ｍｏｄｕｌｅ）ｅｘ４６８とのインタフェース部であるスロット部ｅｘ４６４とを備える。なお、メモリ部ｅｘ４６７の代わりに外付けメモリが用いられてもよい。
　表示部ｅｘ４５８及び操作部ｅｘ４６６等を統括的に制御する主制御部ｅｘ４６０と、電源回路部ｅｘ４６１、操作入力制御部ｅｘ４６２、映像信号処理部ｅｘ４５５、カメラインタフェース部ｅｘ４６３、ディスプレイ制御部ｅｘ４５９、変調／復調部ｅｘ４５２、多重／分離部ｅｘ４５３、音声信号処理部ｅｘ４５４、スロット部ｅｘ４６４、及びメモリ部ｅｘ４６７とが同期バスｅｘ４７０を介して接続されている。
　電源回路部ｅｘ４６１は、ユーザの操作により電源キーがオン状態にされると、スマートフォンｅｘ１１５を動作可能な状態に起動し、バッテリパックから各部に対して電力を供給する。
　スマートフォンｅｘ１１５は、ＣＰＵ、ＲＯＭ及びＲＡＭ等を有する主制御部ｅｘ４６０の制御に基づいて、通話及データ通信等の処理を行う。通話時は、音声入力部ｅｘ４５６で収音した音声信号を音声信号処理部ｅｘ４５４でデジタル音声信号に変換し、変調／復調部ｅｘ４５２でスペクトラム拡散処理を施し、送信／受信部ｅｘ４５１でデジタルアナログ変換処理及び周波数変換処理を施し、その結果の信号を、アンテナｅｘ４５０を介して送信する。また受信データを増幅して周波数変換処理及びアナログデジタル変換処理を施し、変調／復調部ｅｘ４５２でスペクトラム逆拡散処理し、音声信号処理部ｅｘ４５４でアナログ音声信号に変換した後、これを音声出力部ｅｘ４５７から出力する。データ通信モード時は、本体部の操作部ｅｘ４６６等の操作に基づいてテキスト、静止画、又は映像データが操作入力制御部ｅｘ４６２を介して主制御部ｅｘ４６０に送出される。同様の送受信処理が行われる。データ通信モード時に映像、静止画、又は映像と音声を送信する場合、映像信号処理部ｅｘ４５５は、メモリ部ｅｘ４６７に保存されている映像信号又はカメラ部ｅｘ４６５から入力された映像信号を上記各実施の形態で示した動画像符号化方法によって圧縮符号化し、符号化された映像データを多重／分離部ｅｘ４５３に送出する。音声信号処理部ｅｘ４５４は、映像又は静止画をカメラ部ｅｘ４６５で撮像中に音声入力部ｅｘ４５６で収音した音声信号を符号化し、符号化された音声データを多重／分離部ｅｘ４５３に送出する。多重／分離部ｅｘ４５３は、符号化済み映像データと符号化済み音声データを所定の方式で多重化し、変調／復調部（変調／復調回路部）ｅｘ４５２、及び送信／受信部ｅｘ４５１で変調処理及び変換処理を施してアンテナｅｘ４５０を介して送信する。
　電子メール又はチャットに添付された映像、又はウェブページにリンクされた映像を受信した場合等において、アンテナｅｘ４５０を介して受信された多重化データを復号するために、多重／分離部ｅｘ４５３は、多重化データを分離することにより、多重化データを映像データのビットストリームと音声データのビットストリームとに分け、同期バスｅｘ４７０を介して符号化された映像データを映像信号処理部ｅｘ４５５に供給するとともに、符号化された音声データを音声信号処理部ｅｘ４５４に供給する。映像信号処理部ｅｘ４５５は、上記各実施の形態で示した動画像符号化方法に対応した動画像復号化方法によって映像信号を復号し、ディスプレイ制御部ｅｘ４５９を介して表示部ｅｘ４５８から、リンクされた動画像ファイルに含まれる映像又は静止画が表示される。音声信号処理部ｅｘ４５４は、音声信号を復号し、音声出力部ｅｘ４５７から音声が出力される。リアルタイムストリーミングがますます普及しだしているため、ユーザの状況によっては音声の再生が社会的にふさわしくないこともあり得る。そのため、初期値としては、音声信号は再生せず映像データのみを再生する構成の方が望ましく、ユーザが映像データをクリックするなど操作を行った場合にのみ音声を同期して再生してもよい。
　またここではスマートフォンｅｘ１１５を例に説明したが、端末としては符号化器及び復号化器を両方持つ送受信型端末の他に、符号化器のみを有する送信端末、及び、復号化器のみを有する受信端末という３通りの他の実装形式が考えられる。デジタル放送用システムにおいて、映像データに音声データが多重化された多重化データを受信又は送信するとして説明した。ただし、多重化データには、音声データ以外に映像に関連する文字データなどが多重化されてもよい。また、多重化データではなく映像データ自体が受信又は送信されてもよい。
　なお、ＣＰＵを含む主制御部ｅｘ４６０が符号化又は復号処理を制御するとして説明したが、種々の端末はＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）を備えることも多い。よって、ＣＰＵとＧＰＵで共通化されたメモリ、又は共通に使用できるようにアドレスが管理されているメモリにより、ＧＰＵの性能を活かして広い領域を一括して処理する構成でもよい。これにより符号化時間を短縮でき、リアルタイム性を確保し、低遅延を実現できる。特に動き探索、デブロックフィルタ、ＳＡＯ（Ｓａｍｐｌｅ　Ａｄａｐｔｉｖｅ　Ｏｆｆｓｅｔ）、及び変換・量子化の処理を、ＣＰＵではなく、ＧＰＵでピクチャなどの単位で一括して行うと効率的である。
　本開示は、例えば、テレビジョン受像機、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、デジタルビデオカメラ、テレビ会議システム、又は、電子ミラー等に利用可能である。
　　１００　符号化装置
　　１０２　分割部
　　１０２ａ　ブロック分割決定部
　　１０４　減算部
　　１０６　変換部
　　１０８　量子化部
　　１０８ａ　差分量子化パラメータ生成部
　　１０８ｂ、２０４ｂ　予測量子化パラメータ生成部
　　１０８ｃ、２０４ａ　量子化パラメータ生成部
　　１０８ｄ、２０４ｄ　量子化パラメータ記憶部
　　１０８ｅ　量子化処理部
　　１１０　エントロピー符号化部
　　１１０ａ　二値化部
　　１１０ｂ、２０２ｂ　コンテキスト制御部
　　１１０ｃ　二値算術符号化部
　　１１２、２０４　逆量子化部
　　１１４、２０６　逆変換部
　　１１６、２０８　加算部
　　１１８、２１０　ブロックメモリ
　　１２０、２１２　ループフィルタ部
　　１２０ａ、２１２ａ　デブロッキング・フィルタ処理部
　　１２０ｂ、２１２ｂ　ＳＡＯ処理部
　　１２０ｃ、２１２ｃ　ＡＬＦ処理部
　　１２２、２１４　フレームメモリ
　　１２４、２１６　イントラ予測部
　　１２６、２１８　インター予測部
　　１２６ａ、ａ２、ｂ２、ｃ２、ｄ２　メモリ
　　１２６ｂ　補間画像導出部
　　１２６ｃ　勾配画像導出部
　　１２６ｄ　オプティカルフロー導出部
　　１２６ｅ　補正値導出部
　　１２６ｆ　予測画像補正部
　　１２８、２２０　予測制御部
　　１３０、２２２　予測パラメータ生成部
　　２００　復号装置
　　２０２　エントロピー復号部
　　２０２ａ　二値算術復号部
　　２０２ｃ　多値化部
　　２０４ｅ　逆量子化処理部
　　２２４　分割決定部
　　３００　再生装置
　　４００　送信装置
　　１２０１　境界判定部
　　１２０２、１２０４、１２０６　スイッチ
　　１２０３　フィルタ判定部
　　１２０５　フィルタ処理部
　　１２０７　フィルタ特性決定部
　　１２０８　処理判定部
　　ａ１、ｂ１、ｃ１、ｄ１　プロセッサ

Claims (26)

  1. 　回路と、
    　前記回路に接続されたメモリと、を備え、
    　前記回路は、動作において、
    　複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを取得し、
    　前記複数の第１サブピクチャと前記複数の第２サブピクチャとを組み合わせて前記複数の時刻に対応する複数のアクセスユニットを生成し、
    　生成された前記複数のアクセスユニットを再生する、
    　再生装置。
  2. 　前記第１セグメント及び前記第２セグメントは、１つのランダムアクセス単位に対応する、
    　請求項１に記載の再生装置。
  3. 　回路と、
    　前記回路に接続されたメモリと、を備え、
    　前記回路は、動作において、
    　マニフェストファイルを取得し、
    　前記マニフェストファイルに記述された第１プリセレクション及び第２プリセレクションを含む複数のプリセレクションの中から１つのプリセレクションを選択し、
    　選択された前記１つのプリセレクションが前記第１プリセレクションである場合、前記第１プリセレクションに含まれる情報に基づいて、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを取得し、取得された前記第１セグメントと前記第２セグメントとを再生し、
    　選択された前記１つのプリセレクションが前記第２プリセレクションである場合、前記第２プリセレクションに含まれる情報に基づいて、前記第１セグメントと、前記複数の時刻に対応する複数の第３サブピクチャを含む第３セグメントとを取得し、取得された前記第１セグメントと前記第３セグメントとを再生する、
    　再生装置。
  4. 　前記第１プリセレクションに含まれる情報は、前記第１セグメントに含まれる前記複数の第１サブピクチャに対応する第１アダプテーションセットと、前記第２セグメントに含まれる前記複数の第２サブピクチャに対応する第２アダプテーションセットとを示す情報であり、
    　前記第２プリセレクションに含まれる情報は、前記第１アダプテーションセットと、前記第３セグメントに含まれる前記複数の第３サブピクチャに対応する第３アダプテーションセットとを示す情報である、
    　請求項３に記載の再生装置。
  5. 　前記複数の第２サブピクチャの画像サイズは、それぞれ、前記複数の第３サブピクチャの画像サイズと等しい、
    　請求項３又は４に記載の再生装置。
  6. 　前記第１セグメントと前記第２セグメントとが再生される場合に前記複数の第２サブピクチャが表示される領域は、それぞれ、前記第１セグメントと前記第３セグメントとが再生される場合に前記複数の第３サブピクチャが表示される領域と等しい、
    　請求項３又は４に記載の再生装置。
  7. 　前記複数の第１サブピクチャ、前記複数の第２サブピクチャ、又は、前記複数の第３サブピクチャは、パーソナライズ、アクセシビリティ、及び、ターゲット広告の少なくともいずれかのために提供される、
    　請求項３～６のいずれか１項に記載の再生装置。
  8. 　前記複数の第１サブピクチャ、前記複数の第２サブピクチャ、及び、前記複数の第３サブピクチャは、同一の映像コンテンツに関連し、
    　前記複数の第１サブピクチャは、前記同一の映像コンテンツの第１ビューに対応し、
    　前記複数の第２サブピクチャは、前記同一の映像コンテンツの第２ビューに対応し、
    　前記複数の第３サブピクチャは、前記同一の映像コンテンツの第３ビューに対応する、
    　請求項３～７のいずれか１項に記載の再生装置。
  9. 　前記複数の第３サブピクチャは、手話コンテンツに対応し、
    　前記回路は、前記アクセシビリティに基づいて前記第２プリセレクションが選択されると、前記第１セグメントと前記第３セグメントとを再生する、
    　請求項７に記載の再生装置。
  10. 　前記複数の第３サブピクチャは、広告コンテンツに対応し、
    　前記回路は、前記ターゲット広告に基づいて前記第２プリセレクションが選択されると、前記第１セグメントと前記第３セグメントとを再生する、
    　請求項７に記載の再生装置。
  11. 　前記複数の第１サブピクチャのサブピクチャＩＤと、前記複数の第２サブピクチャのサブピクチャＩＤと、前記複数の第３サブピクチャのサブピクチャＩＤとは、互いに異なる、
    　請求項３～１０のいずれか１項に記載の再生装置。
  12. 　回路と、
    　前記回路に接続されたメモリと、を備え、
    　前記回路は、動作において、
    　複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを要求する信号を受信し、
    　受信された前記信号に基づいて、前記第１セグメントと前記第２セグメントとを送信する、
    　送信装置。
  13. 　前記第１セグメント及び前記第２セグメントは、１つのランダムアクセス単位に対応する、
    　請求項１２に記載の送信装置。
  14. 　回路と、
    　前記回路に接続されたメモリと、を備え、
    　前記回路は、動作において、
    　コンテンツリスト要求信号を受信し、
    　受信された前記コンテンツリスト要求信号に基づいてマニフェストファイルを送信し、
    　前記マニフェストファイルに記述された第１プリセレクション及び第２プリセレクションを含む複数のプリセレクションの中から１つのプリセレクションが選択されたことを示す信号を受信し、
    　選択された前記１つのプリセレクションが前記第１プリセレクションである場合、前記第１プリセレクションに含まれる情報に基づいて、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを送信し、
    　選択された前記１つのプリセレクションが前記第２プリセレクションである場合、前記第２プリセレクションに含まれる情報に基づいて、前記第１セグメントと、前記複数の時刻に対応する複数の第３サブピクチャを含む第３セグメントとを送信する、
    　送信装置。
  15. 　前記第１プリセレクションに含まれる情報は、前記第１セグメントに含まれる前記複数の第１サブピクチャに対応する第１アダプテーションセットと、前記第２セグメントに含まれる前記複数の第２サブピクチャに対応する第２アダプテーションセットとを示す情報であり、
    　前記第２プリセレクションに含まれる情報は、前記第１アダプテーションセットと、前記第３セグメントに含まれる前記複数の第３サブピクチャに対応する第３アダプテーションセットとを示す情報である、
    　請求項１４に記載の送信装置。
  16. 　前記複数の第２サブピクチャの画像サイズは、それぞれ、前記複数の第３サブピクチャの画像サイズと等しい、
    　請求項１４又は１５に記載の送信装置。
  17. 　前記第１セグメントと前記第２セグメントとが再生される場合に前記複数の第２サブピクチャが表示される領域は、それぞれ、前記第１セグメントと前記第３セグメントとが再生される場合に前記複数の第３サブピクチャが表示される領域と等しい、
    　請求項１４又は１５に記載の送信装置。
  18. 　前記複数の第１サブピクチャ、前記複数の第２サブピクチャ、又は、前記複数の第３サブピクチャは、パーソナライズ、アクセシビリティ、及び、ターゲット広告の少なくともいずれかのために提供される、
    　請求項１４～１７のいずれか１項に記載の送信装置。
  19. 　前記複数の第１サブピクチャ、前記複数の第２サブピクチャ、及び、前記複数の第３サブピクチャは、同一の映像コンテンツに関連し、
    　前記複数の第１サブピクチャは、前記同一の映像コンテンツの第１ビューに対応し、
    　前記複数の第２サブピクチャは、前記同一の映像コンテンツの第２ビューに対応し、
    　前記複数の第３サブピクチャは、前記同一の映像コンテンツの第３ビューに対応する、
    　請求項１４～１８のいずれか１項に記載の送信装置。
  20. 　前記複数の第３サブピクチャは、手話コンテンツに対応し、
    　前記回路は、前記アクセシビリティに基づいて前記第２プリセレクションが選択されると、前記第１セグメントと前記第３セグメントとを送信する、
    　請求項１８に記載の送信装置。
  21. 　前記複数の第３サブピクチャは、広告コンテンツに対応し、
    　前記回路は、前記ターゲット広告に基づいて前記第２プリセレクションが選択されると、前記第１セグメントと前記第３セグメントとを送信する、
    　請求項１８に記載の送信装置。
  22. 　前記複数の第１サブピクチャのサブピクチャＩＤと、前記複数の第２サブピクチャのサブピクチャＩＤと、前記複数の第３サブピクチャのサブピクチャＩＤとは、互いに異なる、
    　請求項１４～２１のいずれか１項に記載の送信装置。
  23. 　複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを取得し、
    　前記複数の第１サブピクチャと前記複数の第２サブピクチャとを組み合わせて前記複数の時刻に対応する複数のアクセスユニットを生成し、
    　生成された前記複数のアクセスユニットを再生する、
    　再生方法。
  24. 　マニフェストファイルを取得し、
    　前記マニフェストファイルに記述された第１プリセレクション及び第２プリセレクションを含む複数のプリセレクションの中から１つのプリセレクションを選択し、
    　選択された前記１つのプリセレクションが前記第１プリセレクションである場合、前記第１プリセレクションに含まれる情報に基づいて、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを取得し、取得された前記第１セグメントと前記第２セグメントとを再生し、
    　選択された前記１つのプリセレクションが前記第２プリセレクションである場合、前記第２プリセレクションに含まれる情報に基づいて、前記第１セグメントと、前記複数の時刻に対応する複数の第３サブピクチャを含む第３セグメントとを取得し、取得された前記第１セグメントと前記第３セグメントとを再生する、
    　再生方法。
  25. 　複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを要求する信号を受信し、
    　受信された前記信号に基づいて、前記第１セグメントと前記第２セグメントとを送信する、
    　送信方法。
  26. 　コンテンツリスト要求信号を受信し、
    　受信された前記コンテンツリスト要求信号に基づいてマニフェストファイルを送信し、
    　前記マニフェストファイルに記述された第１プリセレクション及び第２プリセレクションを含む複数のプリセレクションの中から１つのプリセレクションが選択されたことを示す信号を受信し、
    　選択された前記１つのプリセレクションが前記第１プリセレクションである場合、前記第１プリセレクションに含まれる情報に基づいて、複数の時刻に対応する複数の第１サブピクチャを含む第１セグメントと、前記複数の時刻に対応する複数の第２サブピクチャを含む第２セグメントとを送信し、
    　選択された前記１つのプリセレクションが前記第２プリセレクションである場合、前記第２プリセレクションに含まれる情報に基づいて、前記第１セグメントと、前記複数の時刻に対応する複数の第３サブピクチャを含む第３セグメントとを送信する、
    　送信方法。
PCT/JP2021/031329 2020-09-04 2021-08-26 再生装置、送信装置、再生方法、及び、送信方法 WO2022050166A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP21864224.7A EP4210339A4 (en) 2020-09-04 2021-08-26 REPRODUCTION DEVICE, TRANSMISSION DEVICE, REPRODUCTION METHOD AND TRANSMISSION METHOD
CN202180052926.3A CN116075805A (zh) 2020-09-04 2021-08-26 再现装置、发送装置、再现方法以及发送方法
US18/114,533 US20230217065A1 (en) 2020-09-04 2023-02-27 Reproduction apparatus, transmission apparatus, reproduction method, and transmission method

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202063074745P 2020-09-04 2020-09-04
US63/074,745 2020-09-04
US202063105620P 2020-10-26 2020-10-26
US63/105,620 2020-10-26

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/114,533 Continuation US20230217065A1 (en) 2020-09-04 2023-02-27 Reproduction apparatus, transmission apparatus, reproduction method, and transmission method

Publications (1)

Publication Number Publication Date
WO2022050166A1 true WO2022050166A1 (ja) 2022-03-10

Family

ID=80491026

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/031329 WO2022050166A1 (ja) 2020-09-04 2021-08-26 再生装置、送信装置、再生方法、及び、送信方法

Country Status (4)

Country Link
US (1) US20230217065A1 (ja)
EP (1) EP4210339A4 (ja)
CN (1) CN116075805A (ja)
WO (1) WO2022050166A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4138401A1 (en) * 2021-08-17 2023-02-22 Nokia Technologies Oy A method, an apparatus and a computer program product for video encoding and video decoding

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019054417A (ja) * 2017-09-15 2019-04-04 ソニー株式会社 画像処理装置およびファイル生成装置
WO2019072688A1 (en) * 2017-10-12 2019-04-18 Canon Kabushiki Kaisha METHOD, DEVICE, AND COMPUTER PROGRAM FOR PRODUCING AND PROCESSING MULTIMEDIA CONTENT
WO2019231178A1 (ko) * 2018-06-01 2019-12-05 엘지전자 주식회사 복수의 뷰포인트들에 대한 메타데이터를 송수신하는 방법 및 장치
US20200014961A1 (en) * 2017-02-17 2020-01-09 Vid Scale, Inc. Systems and methods for selective object-of-interest zooming in streaming video

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102371574B1 (ko) * 2017-07-06 2022-03-07 프라운 호퍼 게젤샤프트 쭈르 푀르데룽 데어 안겐반텐 포르슝 에. 베. 분할된 비디오 스트리밍 개념
JP2022511489A (ja) * 2018-12-04 2022-01-31 ヴィド スケール インコーポレイテッド タイルグループ区画化
EP4072139A3 (en) * 2019-01-02 2022-11-09 Nokia Technologies Oy An apparatus, a method and a computer program for video coding and decoding
GB201902829D0 (en) * 2019-03-01 2019-04-17 Canon Kk Method and apparatus for encoding and decoding a video bitsream for merging regions of interest

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200014961A1 (en) * 2017-02-17 2020-01-09 Vid Scale, Inc. Systems and methods for selective object-of-interest zooming in streaming video
JP2019054417A (ja) * 2017-09-15 2019-04-04 ソニー株式会社 画像処理装置およびファイル生成装置
WO2019072688A1 (en) * 2017-10-12 2019-04-18 Canon Kabushiki Kaisha METHOD, DEVICE, AND COMPUTER PROGRAM FOR PRODUCING AND PROCESSING MULTIMEDIA CONTENT
WO2019231178A1 (ko) * 2018-06-01 2019-12-05 엘지전자 주식회사 복수의 뷰포인트들에 대한 메타데이터를 송수신하는 방법 및 장치

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"Information technology-Coding of audio visual objects-Part 12: ISO base media file format", 15 December 2015
H.265 (ISO/IEC 23008-2 HEVC)/HEVC(HIGH EFFICIENCY VIDEO CODING
INFORMATION TECHNOLOGY-DYNAMIC ADAPTIVE STREAMING OVER HTTP (DASH)-PART 1: MEDIA PRESENTATION DESCRIPTION AND SEGMENT FORMATS, 15 May 2014 (2014-05-15)
See also references of EP4210339A4

Also Published As

Publication number Publication date
EP4210339A1 (en) 2023-07-12
US20230217065A1 (en) 2023-07-06
EP4210339A4 (en) 2024-03-20
CN116075805A (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
WO2021162016A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021172471A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021079951A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021117813A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP2022532702A (ja) ビデオコーディングシステムおよびビデオコーディング方法
WO2021193671A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021117747A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021049586A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021193775A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021039578A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021045071A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021039992A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
US20230217065A1 (en) Reproduction apparatus, transmission apparatus, reproduction method, and transmission method
WO2021235412A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021261536A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2019069902A1 (ja) 符号化装置、復号装置、符号化方法および復号方法
WO2021176874A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021107044A1 (ja) 符号化装置、復号装置、符号化方法、および、復号方法
WO2021049580A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021157608A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP7453970B2 (ja) 復号装置
WO2021256382A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021235327A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021235411A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2021261537A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法

Legal Events

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

Ref document number: 21864224

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 202347013362

Country of ref document: IN

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021864224

Country of ref document: EP

Effective date: 20230404