WO2022065977A1 - 가변계수 딥러닝 기반 인터 예측 방법 - Google Patents

가변계수 딥러닝 기반 인터 예측 방법 Download PDF

Info

Publication number
WO2022065977A1
WO2022065977A1 PCT/KR2021/013218 KR2021013218W WO2022065977A1 WO 2022065977 A1 WO2022065977 A1 WO 2022065977A1 KR 2021013218 W KR2021013218 W KR 2021013218W WO 2022065977 A1 WO2022065977 A1 WO 2022065977A1
Authority
WO
WIPO (PCT)
Prior art keywords
block
variable coefficient
mode
affine
motion vector
Prior art date
Application number
PCT/KR2021/013218
Other languages
English (en)
French (fr)
Inventor
강제원
김나영
이정경
박승욱
임화평
Original Assignee
현대자동차주식회사
기아 주식회사
이화여자대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 현대자동차주식회사, 기아 주식회사, 이화여자대학교 산학협력단 filed Critical 현대자동차주식회사
Priority to CN202180064055.7A priority Critical patent/CN116194957A/zh
Priority claimed from KR1020210127795A external-priority patent/KR20220043053A/ko
Publication of WO2022065977A1 publication Critical patent/WO2022065977A1/ko
Priority to US18/126,623 priority patent/US20230239462A1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/109—Selection of coding mode or of prediction mode among a plurality of temporal predictive coding modes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
    • H04N19/139—Analysis of motion vectors, e.g. their magnitude, direction, variance or reliability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H04N19/159—Prediction type, e.g. intra-frame, inter-frame or bidirectional frame prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H04N19/517—Processing of motion vectors by encoding
    • H04N19/52—Processing of motion vectors by encoding by predictive encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/537—Motion estimation other than block-based
    • H04N19/54—Motion estimation other than block-based using feature points or meshes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/577—Motion compensation with bidirectional frame interpolation, i.e. using B-pictures

Definitions

  • the present disclosure relates to an inter prediction method based on variable coefficient deep learning, which is included in an image encoding or decoding apparatus.
  • video data Since video data has a large amount of data compared to audio data or still image data, it requires a lot of hardware resources including memory to store or transmit itself without compression processing.
  • an encoder when storing or transmitting video data, an encoder is used to compress and store or transmit the video data, and a decoder receives, decompresses, and reproduces the compressed video data.
  • video compression technologies there are H.264/AVC, High Efficiency Video Coding (HEVC), and the like, as well as Versatile Video Coding (VVC), which improves coding efficiency by about 30% or more compared to HEVC.
  • a deep learning-based image processing technology has been applied to the existing encoding element technology.
  • a deep learning-based image processing technique to compression techniques such as inter prediction, intra prediction, in-loop filter, and transformation among existing coding techniques
  • Representative application examples include inter prediction based on a virtual reference frame generated based on a deep learning model, an in-loop filter based on an image restoration model (see Non-Patent Document 1), and the like. Therefore, in image encoding/decoding, continuous application of deep learning-based image processing technology needs to be considered in order to improve encoding efficiency.
  • Non-Patent Document 1 (Non-Patent Document 1) Lee et al., Deep Video Prediction Network Based Inter-Frame Coding in HEVC, IEEE Access 2020.
  • the present disclosure allows a variable coefficient deep learning model to adaptively learn the characteristics of a video, transmits the parameters of the variable coefficient deep learning model generated from learning from an image encoding apparatus to an image decoding apparatus, and a variable coefficient deep learning model
  • An object of the present invention is to provide an inter prediction method referring to a virtual reference frame generated by .
  • an image decoding apparatus decoding variable coefficient values, an affine prediction flag, and an encoding mode from a bitstream, wherein the affine prediction flag is currently indicates whether affine motion prediction is applied to a block, and the encoding mode indicates a merge mode or Advanced Motion Vector Prediction (AMVP) mode as a encoding mode of motion information of the current block; generating a virtual reference frame based on reference frames using an interpolation model, wherein a variable coefficient network on the interpolation model is established using the variable coefficient values; and generating a merge candidate of the current block based on the virtual reference frame and the reference frames when the encoding mode is the merge mode.
  • AMVP Advanced Motion Vector Prediction
  • an image encoding method performed by an image encoding apparatus, obtaining previously generated variable coefficient values and a preset encoding mode, wherein the encoding mode is motion information of a current block represents a merge mode or Advanced Motion Vector Prediction (AMVP) mode as the encoding mode of ; generating a virtual reference frame from reference frames using an interpolation model, wherein a variable coefficient network on the interpolation model is established using the variable coefficient values; and generating a merge candidate of the current block based on the virtual reference frame and the reference frames when the encoding mode is the merge mode.
  • AMVP Advanced Motion Vector Prediction
  • an entropy decoder for decoding variable coefficient values and an encoding mode from a bitstream, wherein the encoding mode is an encoding mode of motion information of a current block, a merge mode or AMVP ( Advanced Motion Vector Prediction) mode; a virtual frame generation unit generating a virtual reference frame from reference frames using an interpolation model, wherein a variable coefficient network on the interpolation model is established using the variable coefficient values; and an inter prediction unit generating a merge candidate of the current block based on the virtual reference frame and the reference frames when the encoding mode is the merge mode.
  • the encoding mode is an encoding mode of motion information of a current block, a merge mode or AMVP ( Advanced Motion Vector Prediction) mode
  • AMVP Advanced Motion Vector Prediction
  • FIG. 1 is an exemplary block diagram of an image encoding apparatus that can implement techniques of the present disclosure.
  • FIG. 2 is a diagram for explaining a method of dividing a block using a QTBTTT structure.
  • 3A and 3B are diagrams illustrating a plurality of intra prediction modes including wide-angle intra prediction modes.
  • FIG. 4 is an exemplary diagram of a neighboring block of the current block.
  • FIG. 5 is an exemplary block diagram of an image decoding apparatus capable of implementing the techniques of the present disclosure.
  • FIG. 6 is an exemplary diagram for explaining the concept of a BDOF according to an embodiment of the present disclosure.
  • FIG. 7 is a flowchart illustrating a process of searching for motion vector candidates in a merge/skip mode according to an embodiment of the present disclosure.
  • FIG. 8 is an exemplary diagram for explaining affine motion prediction according to an embodiment of the present disclosure.
  • FIG. 9 is an exemplary diagram for explaining affine motion prediction in units of subblocks according to an embodiment of the present disclosure.
  • FIG. 10 is an exemplary diagram for explaining a method of deriving merge candidates for affine motion prediction from a translation motion vector of a neighboring block.
  • FIG. 11 is a flowchart illustrating a process of searching for an affine AMVP candidate in an affine AMVP mode according to an embodiment of the present disclosure.
  • FIG. 12 is a block diagram illustrating an image encoding apparatus including an interpolation model according to an embodiment of the present disclosure.
  • FIG. 13 is a block diagram illustrating an image decoding apparatus including an interpolation model according to an embodiment of the present disclosure.
  • FIG. 14 is an exemplary diagram illustrating an operation of an interpolation model used in an image encoding apparatus and an image decoding apparatus according to an embodiment of the present disclosure.
  • variable coefficient interpolation model 15 is an example of a variable coefficient interpolation model according to an embodiment of the present disclosure.
  • 16 is an exemplary diagram illustrating an interpolation model further including a fixed coefficient network according to an embodiment of the present disclosure.
  • 17 is an exemplary diagram illustrating a method of transmitting a variable coefficient according to an embodiment of the present disclosure.
  • FIG. 18 is a flowchart illustrating a process of using a virtual reference frame in a merge/skip mode of inter prediction according to an embodiment of the present disclosure.
  • 19 is a flowchart illustrating a process of using a virtual reference frame in an affine AMVP mode of inter prediction according to an embodiment of the present disclosure.
  • FIG. 1 is an exemplary block diagram of an image encoding apparatus that can implement techniques of the present disclosure.
  • an image encoding apparatus and sub-configurations of the apparatus will be described with reference to FIG. 1 .
  • the image encoding apparatus includes a picture division unit 110 , a prediction unit 120 , a subtractor 130 , a transform unit 140 , a quantization unit 145 , a reordering unit 150 , an entropy encoding unit 155 , and an inverse quantization unit. 160 , an inverse transform unit 165 , an adder 170 , a loop filter unit 180 , and a memory 190 may be included.
  • Each component of the image encoding apparatus may be implemented as hardware or software, or may be implemented as a combination of hardware and software.
  • the function of each component may be implemented as software and the microprocessor may be implemented to execute the function of software corresponding to each component.
  • One image is composed of one or more sequences including a plurality of pictures.
  • Each picture is divided into a plurality of regions, and encoding is performed for each region.
  • one picture is divided into one or more tiles and/or slices.
  • one or more tiles may be defined as a tile group.
  • Each tile or/slice is divided into one or more Coding Tree Units (CTUs).
  • CTUs Coding Tree Units
  • each CTU is divided into one or more CUs (Coding Units) by a tree structure.
  • Information applied to each CU is encoded as a syntax of the CU, and information commonly applied to CUs included in one CTU is encoded as a syntax of the CTU.
  • information commonly applied to all blocks in one slice is encoded as a syntax of a slice header
  • information applied to all blocks constituting one or more pictures is a picture parameter set (PPS) or a picture. encoded in the header.
  • PPS picture parameter set
  • information commonly referenced by a plurality of pictures is encoded in a sequence parameter set (SPS).
  • SPS sequence parameter set
  • VPS video parameter set
  • information commonly applied to one tile or tile group may be encoded as a syntax of a tile or tile group header. Syntax included in the SPS, PPS, slice header, tile or tile group header may be referred to as high-level syntax.
  • the picture divider 110 determines the size of a coding tree unit (CTU).
  • CTU size Information on the size of the CTU (CTU size) is encoded as a syntax of the SPS or PPS and transmitted to the video decoding apparatus.
  • the picture divider 110 divides each picture constituting an image into a plurality of coding tree units (CTUs) having a predetermined size, and then repeatedly divides the CTUs using a tree structure. (recursively) divide.
  • a leaf node in the tree structure becomes a coding unit (CU), which is a basic unit of encoding.
  • CU coding unit
  • a quadtree in which a parent node (or parent node) is divided into four child nodes (or child nodes) of the same size, or a binary tree (BinaryTree) in which a parent node is divided into two child nodes , BT), or a ternary tree (TT) in which a parent node is divided into three child nodes in a 1:2:1 ratio, or a structure in which two or more of these QT structures, BT structures, and TT structures are mixed there is.
  • a QuadTree plus BinaryTree (QTBT) structure may be used, or a QuadTree plus BinaryTree TernaryTree (QTBTTT) structure may be used.
  • BTTT may be combined to be referred to as a Multiple-Type Tree (MTT).
  • MTT Multiple-Type Tree
  • FIG. 2 is a diagram for explaining a method of dividing a block using a QTBTTT structure.
  • the CTU may be first divided into a QT structure.
  • the quadtree splitting may be repeated until the size of a splitting block reaches the minimum block size of a leaf node (MinQTSize) allowed in QT.
  • a first flag (QT_split_flag) indicating whether each node of the QT structure is divided into four nodes of a lower layer is encoded by the entropy encoder 155 and signaled to the image decoding apparatus. If the leaf node of the QT is not larger than the maximum block size (MaxBTSize) of the root node allowed in the BT, it may be further divided into any one or more of the BT structure or the TT structure.
  • MaxBTSize maximum block size
  • a plurality of division directions may exist in the BT structure and/or the TT structure. For example, there may be two directions in which the block of the corresponding node is divided horizontally and vertically.
  • a second flag indicating whether or not nodes are split, and a flag indicating additionally splitting direction (vertical or horizontal) if split and/or splitting type (Binary) or Ternary) is encoded by the entropy encoder 155 and signaled to the video decoding apparatus.
  • a CU split flag (split_cu_flag) indicating whether the node is split is encoded it might be
  • the CU split flag (split_cu_flag) value indicates that it is not split
  • the block of the corresponding node becomes a leaf node in the split tree structure and becomes a coding unit (CU), which is a basic unit of coding.
  • the CU split flag (split_cu_flag) value indicates to be split, the image encoding apparatus starts encoding from the first flag in the above-described manner.
  • split_flag split flag indicating whether each node of the BT structure is split into blocks of a lower layer and split type information indicating a split type are encoded by the entropy encoder 155 and transmitted to the image decoding apparatus.
  • a type for dividing the block of the corresponding node into two blocks having an asymmetric shape may further exist.
  • the asymmetric form may include a form in which the block of the corresponding node is divided into two rectangular blocks having a size ratio of 1:3, or a form in which the block of the corresponding node is divided in a diagonal direction.
  • a CU may have various sizes depending on the QTBT or QTBTTT split from the CTU.
  • a block corresponding to a CU to be encoded or decoded ie, a leaf node of QTBTTT
  • a 'current block' a block corresponding to a CU to be encoded or decoded
  • the shape of the current block may be not only a square but also a rectangle.
  • the prediction unit 120 generates a prediction block by predicting the current block.
  • the prediction unit 120 includes an intra prediction unit 122 and an inter prediction unit 124 .
  • each of the current blocks in a picture may be predictively coded.
  • prediction of the current block is performed using an intra prediction technique (using data from the picture containing the current block) or inter prediction technique (using data from a picture coded before the picture containing the current block). can be performed.
  • Inter prediction includes both uni-prediction and bi-prediction.
  • the intra prediction unit 122 predicts pixels in the current block by using pixels (reference pixels) located around the current block in the current picture including the current block.
  • a plurality of intra prediction modes exist according to a prediction direction.
  • the plurality of intra prediction modes may include two non-directional modes including a planar mode and a DC mode and 65 directional modes. According to each prediction mode, the neighboring pixels to be used and the calculation expression are defined differently.
  • directional modes Nos. 67 to 80 and No. -1 to No. -14 intra prediction modes
  • These may be referred to as “wide angle intra-prediction modes”.
  • Arrows in FIG. 3B indicate corresponding reference samples used for prediction, not prediction directions. The prediction direction is opposite to the direction indicated by the arrow.
  • the wide-angle intra prediction modes are modes in which a specific directional mode is predicted in the opposite direction without additional bit transmission when the current block is rectangular. In this case, among the wide-angle intra prediction modes, some wide-angle intra prediction modes available for the current block may be determined by the ratio of the width to the height of the rectangular current block.
  • the wide-angle intra prediction modes having an angle smaller than 45 degrees are available when the current block has a rectangular shape with a height smaller than the width, and a wide angle having an angle greater than -135 degrees.
  • the intra prediction modes are available when the current block has a rectangular shape with a width greater than a height.
  • the intra prediction unit 122 may determine an intra prediction mode to be used for encoding the current block.
  • the intra prediction unit 122 may encode the current block using several intra prediction modes and select an appropriate intra prediction mode to use from the tested modes. For example, the intra prediction unit 122 calculates bit rate distortion values using rate-distortion analysis for several tested intra prediction modes, and has the best bit rate distortion characteristics among the tested modes. An intra prediction mode may be selected.
  • the intra prediction unit 122 selects one intra prediction mode from among a plurality of intra prediction modes, and predicts the current block by using a neighboring pixel (reference pixel) determined according to the selected intra prediction mode and an equation.
  • Information on the selected intra prediction mode is encoded by the entropy encoder 155 and transmitted to an image decoding apparatus.
  • the inter prediction unit 124 generates a prediction block for the current block by using a motion compensation process.
  • the inter prediction unit 124 searches for a block most similar to the current block in the reference picture encoded and decoded before the current picture, and generates a prediction block for the current block using the searched block. Then, a motion vector (MV) corresponding to displacement between the current block in the current picture and the prediction block in the reference picture is generated.
  • MV motion vector
  • motion estimation is performed for a luma component, and a motion vector calculated based on the luma component is used for both the luma component and the chroma component.
  • Motion information including information on a reference picture and information on a motion vector used to predict the current block is encoded by the entropy encoder 155 and transmitted to the image decoding apparatus.
  • the inter prediction unit 124 may perform interpolation on a reference picture or reference block to increase prediction accuracy. That is, subsamples between two consecutive integer samples are interpolated by applying filter coefficients to a plurality of consecutive integer samples including the two integer samples.
  • the motion vector can be expressed up to the precision of the decimal unit rather than the precision of the integer sample unit.
  • the precision or resolution of the motion vector may be set differently for each unit of a target region to be encoded, for example, a slice, a tile, a CTU, or a CU.
  • AMVR adaptive motion vector resolution
  • information on the motion vector resolution to be applied to each target region should be signaled for each target region.
  • the target region is a CU
  • information on motion vector resolution applied to each CU is signaled.
  • the information on the motion vector resolution may be information indicating the precision of a differential motion vector, which will be described later.
  • the inter prediction unit 124 may perform inter prediction using bi-prediction.
  • bidirectional prediction two reference pictures and two motion vectors indicating the position of a block most similar to the current block in each reference picture are used.
  • the inter prediction unit 124 selects a first reference picture and a second reference picture from the reference picture list 0 (RefPicList0) and the reference picture list 1 (RefPicList1), respectively, and searches for a block similar to the current block in each reference picture. A first reference block and a second reference block are generated. Then, the first reference block and the second reference block are averaged or weighted to generate a prediction block for the current block.
  • reference picture list 0 consists of pictures before the current picture in display order among the restored pictures
  • reference picture list 1 consists of pictures after the current picture in display order among the restored pictures.
  • the present invention is not necessarily limited thereto, and in display order, the restored pictures after the current picture may be further included in the reference picture list 0, and conversely, the restored pictures before the current picture are additionally added to the reference picture list 1. may be included.
  • the motion information of the current block may be transmitted to the image decoding apparatus by encoding information for identifying the neighboring block. This method is called 'merge mode'.
  • the inter prediction unit 124 selects a predetermined number of merge candidate blocks (hereinafter referred to as 'merge candidates') from neighboring blocks of the current block.
  • the left block (A0), the lower left block (A1), the upper block (B0), and the upper right block (B1) adjacent to the current block in the current picture. ), and all or part of the upper left block (A2) may be used.
  • a block located in a reference picture (which may be the same as or different from the reference picture used to predict the current block) other than the current picture in which the current block is located may be used as a merge candidate.
  • a block co-located with the current block in the reference picture or blocks adjacent to the co-located block may be further used as merge candidates. If the number of merge candidates selected by the above-described method is smaller than the preset number, a 0 vector is added to the merge candidates.
  • the inter prediction unit 124 constructs a merge list including a predetermined number of merge candidates by using these neighboring blocks.
  • a merge candidate to be used as motion information of the current block is selected from among the merge candidates included in the merge list, and merge index information for identifying the selected candidate is generated.
  • the generated merge index information is encoded by the encoder 150 and transmitted to the image decoding apparatus.
  • the merge skip mode is a special case of the merge mode. After quantization, when all transform coefficients for entropy encoding are close to zero, only neighboring block selection information is transmitted without transmission of a residual signal. By using the merge skip mode, it is possible to achieve relatively high encoding efficiency in an image with little motion, a still image, and a screen content image.
  • merge mode and the merge skip mode are collectively referred to as a merge/skip mode.
  • AMVP Advanced Motion Vector Prediction
  • the inter prediction unit 124 derives motion vector prediction candidates for the motion vector of the current block using neighboring blocks of the current block.
  • neighboring blocks used to derive prediction motion vector candidates the left block (A0), the lower left block (A1), the upper block (B0), and the upper right block (A0) adjacent to the current block in the current picture shown in FIG. B1), and all or part of the upper left block (A2) may be used.
  • a block located in a reference picture (which may be the same as or different from the reference picture used to predict the current block) other than the current picture in which the current block is located is used as a neighboring block used to derive prediction motion vector candidates.
  • a block co-located with the current block in the reference picture or blocks adjacent to the co-located block may be used. If the number of motion vector candidates is smaller than the preset number by the method described above, 0 vectors are added to the motion vector candidates.
  • the inter prediction unit 124 derives prediction motion vector candidates by using the motion vectors of the neighboring blocks, and determines a predicted motion vector with respect to the motion vector of the current block by using the prediction motion vector candidates. Then, a differential motion vector is calculated by subtracting the predicted motion vector from the motion vector of the current block.
  • the prediction motion vector may be obtained by applying a predefined function (eg, a median value, an average value operation, etc.) to the prediction motion vector candidates.
  • a predefined function eg, a median value, an average value operation, etc.
  • the image decoding apparatus also knows the predefined function.
  • the neighboring block used to derive the prediction motion vector candidate is a block that has already been encoded and decoded
  • the video decoding apparatus already knows the motion vector of the neighboring block. Therefore, the image encoding apparatus does not need to encode information for identifying the prediction motion vector candidate. Accordingly, in this case, information on a differential motion vector and information on a reference picture used to predict a current block are encoded.
  • the prediction motion vector may be determined by selecting any one of the prediction motion vector candidates.
  • information for identifying the selected prediction motion vector candidate is additionally encoded together with information on the differential motion vector and information on the reference picture used to predict the current block.
  • the subtractor 130 generates a residual block by subtracting the prediction block generated by the intra prediction unit 122 or the inter prediction unit 124 from the current block.
  • the transform unit 140 transforms the residual signal in the residual block having pixel values in the spatial domain into transform coefficients in the frequency domain.
  • the transform unit 140 may transform the residual signals in the residual block by using the entire size of the residual block as a transform unit, or divide the residual block into a plurality of sub-blocks and use the sub-blocks as transform units to perform transformation. You may.
  • the residual signals may be transformed by dividing the sub-block into two sub-blocks, which are a transform region and a non-transform region, and use only the transform region sub-block as a transform unit.
  • the transform region subblock may be one of two rectangular blocks having a size ratio of 1:1 based on the horizontal axis (or vertical axis).
  • the flag (cu_sbt_flag) indicating that only the subblock has been transformed, the vertical/horizontal information (cu_sbt_horizontal_flag), and/or the position information (cu_sbt_pos_flag) are encoded by the entropy encoder 155 and signaled to the video decoding apparatus.
  • the size of the transform region subblock may have a size ratio of 1:3 based on the horizontal axis (or vertical axis). Signaled to the decoding device.
  • the transform unit 140 may individually transform the residual block in a horizontal direction and a vertical direction.
  • various types of transformation functions or transformation matrices may be used.
  • a pair of transform functions for horizontal transformation and vertical transformation may be defined as a multiple transform set (MTS).
  • the transform unit 140 may select one transform function pair having the best transform efficiency among MTSs and transform the residual block in horizontal and vertical directions, respectively.
  • Information (mts_idx) on a transform function pair selected from among MTS is encoded by the entropy encoder 155 and signaled to the image decoding apparatus.
  • the quantization unit 145 quantizes the transform coefficients output from the transform unit 140 using a quantization parameter, and outputs the quantized transform coefficients to the entropy encoding unit 155 .
  • the quantization unit 145 may directly quantize a related residual block for a certain block or frame without transformation.
  • the quantization unit 145 may apply different quantization coefficients (scaling values) according to positions of the transform coefficients in the transform block.
  • a quantization matrix applied to two-dimensionally arranged quantized transform coefficients may be encoded and signaled to an image decoding apparatus.
  • the rearrangement unit 150 may rearrange the coefficient values on the quantized residual values.
  • the reordering unit 150 may change a two-dimensional coefficient array into a one-dimensional coefficient sequence by using coefficient scanning. For example, the reordering unit 150 may output a one-dimensional coefficient sequence by scanning from DC coefficients to coefficients in a high frequency region using a zig-zag scan or a diagonal scan. .
  • a vertical scan for scanning a two-dimensional coefficient array in a column direction and a horizontal scan for scanning a two-dimensional block shape coefficient in a row direction may be used instead of the zig-zag scan according to the size of the transform unit and the intra prediction mode. That is, a scanning method to be used among a zig-zag scan, a diagonal scan, a vertical scan, and a horizontal scan may be determined according to the size of the transform unit and the intra prediction mode.
  • the entropy encoding unit 155 uses various encoding methods such as Context-based Adaptive Binary Arithmetic Code (CABAC) and Exponential Golomb to convert the one-dimensional quantized transform coefficients output from the reordering unit 150 .
  • CABAC Context-based Adaptive Binary Arithmetic Code
  • Exponential Golomb Exponential Golomb
  • the entropy encoding unit 155 encodes information such as CTU size, CU split flag, QT split flag, MTT split type, and MTT split direction related to block splitting, so that the video decoding apparatus divides the block in the same way as the video encoding apparatus. to be able to divide.
  • the entropy encoder 155 encodes information on a prediction type indicating whether the current block is encoded by intra prediction or inter prediction, and intra prediction information (ie, intra prediction) according to the prediction type.
  • Mode information or inter prediction information (information on an encoding mode (merge mode or AMVP mode) of motion information, a merge index in the case of a merge mode, and a reference picture index and information on a differential motion vector in the case of an AMVP mode) is encoded.
  • the entropy encoder 155 encodes information related to quantization, that is, information about a quantization parameter and information about a quantization matrix.
  • the inverse quantization unit 160 inverse quantizes the quantized transform coefficients output from the quantization unit 145 to generate transform coefficients.
  • the inverse transform unit 165 reconstructs a residual block by transforming the transform coefficients output from the inverse quantization unit 160 from the frequency domain to the spatial domain.
  • the addition unit 170 restores the current block by adding the reconstructed residual block to the prediction block generated by the prediction unit 120 . Pixels in the reconstructed current block are used as reference pixels when intra-predicting the next block.
  • the loop filter unit 180 reconstructs pixels to reduce blocking artifacts, ringing artifacts, blurring artifacts, etc. generated due to block-based prediction and transformation/quantization. filter on them.
  • the filter unit 180 may include all or a part of a deblocking filter 182, a sample adaptive offset (SAO) filter 184, and an adaptive loop filter (ALF) 186 as an in-loop filter. .
  • SAO sample adaptive offset
  • ALF adaptive loop filter
  • the deblocking filter 182 filters the boundary between reconstructed blocks in order to remove blocking artifacts caused by block-by-block encoding/decoding, and the SAO filter 184 and alf 186 deblocking filtering Additional filtering is performed on the captured image.
  • the SAO filter 184 and alf 186 are filters used to compensate for a difference between a reconstructed pixel and an original pixel caused by lossy coding.
  • the SAO filter 184 improves encoding efficiency as well as subjective image quality by applying an offset in units of CTUs.
  • the ALF 186 performs block-by-block filtering, and the distortion is compensated by applying different filters by classifying the edge of the corresponding block and the degree of change.
  • Information on filter coefficients to be used for ALF may be encoded and signaled to an image decoding apparatus.
  • the restored block filtered through the deblocking filter 182 , the SAO filter 184 and the ALF 186 is stored in the memory 190 .
  • the reconstructed picture may be used as a reference picture for inter prediction of blocks in a picture to be encoded later.
  • FIG. 5 is an exemplary block diagram of an image decoding apparatus capable of implementing the techniques of the present disclosure.
  • an image decoding apparatus and sub-components of the apparatus will be described with reference to FIG. 5 .
  • the image decoding apparatus includes an entropy decoding unit 510, a reordering unit 515, an inverse quantization unit 520, an inverse transform unit 530, a prediction unit 540, an adder 550, a loop filter unit 560, and a memory ( 570) may be included.
  • each component of the image decoding apparatus may be implemented as hardware or software, or a combination of hardware and software.
  • the function of each component may be implemented as software and the microprocessor may be implemented to execute the function of software corresponding to each component.
  • the entropy decoding unit 510 decodes the bitstream generated by the image encoding apparatus and extracts information related to block division to determine a current block to be decoded, and prediction information and residual signal required to reconstruct the current block. extract information, etc.
  • the entropy decoder 510 extracts information on the CTU size from a sequence parameter set (SPS) or a picture parameter set (PPS), determines the size of the CTU, and divides the picture into CTUs of the determined size. Then, the CTU is determined as the uppermost layer of the tree structure, that is, the root node, and the CTU is divided using the tree structure by extracting division information on the CTU.
  • SPS sequence parameter set
  • PPS picture parameter set
  • a first flag (QT_split_flag) related to QT splitting is first extracted and each node is split into four nodes of a lower layer.
  • the second flag (MTT_split_flag) related to the division of MTT and the division direction (vertical / horizontal) and / or division type (binary / ternary) information are extracted and the corresponding leaf node is set to MTT divided into structures. Accordingly, each node below the leaf node of the QT is recursively divided into a BT or TT structure.
  • a CU split flag (split_cu_flag) indicating whether a CU is split is first extracted, and when the block is split, a first flag (QT_split_flag) is extracted.
  • each node may have zero or more repeated MTT splits after zero or more repeated QT splits. For example, in the CTU, MTT division may occur immediately, or conversely, only multiple QT divisions may occur.
  • a first flag (QT_split_flag) related to QT splitting is extracted and each node is split into four nodes of a lower layer. And, for a node corresponding to a leaf node of QT, a split flag (split_flag) indicating whether to further split into BT and split direction information is extracted.
  • the entropy decoding unit 510 determines a current block to be decoded by using the tree structure division, information on a prediction type indicating whether the current block is intra-predicted or inter-predicted is extracted.
  • the prediction type information indicates intra prediction
  • the entropy decoder 510 extracts a syntax element for intra prediction information (intra prediction mode) of the current block.
  • the prediction type information indicates inter prediction
  • the entropy decoding unit 510 extracts a syntax element for the inter prediction information, that is, a motion vector and information indicating a reference picture referenced by the motion vector.
  • the entropy decoding unit 510 extracts quantization-related information and information on quantized transform coefficients of the current block as information on the residual signal.
  • the reordering unit 515 re-orders the sequence of one-dimensional quantized transform coefficients entropy-decoded by the entropy decoding unit 510 in the reverse order of the coefficient scanning order performed by the image encoding apparatus into a two-dimensional coefficient array (that is, block) can be changed.
  • the inverse quantization unit 520 inversely quantizes the quantized transform coefficients and inversely quantizes the quantized transform coefficients using the quantization parameter.
  • the inverse quantizer 520 may apply different quantization coefficients (scaling values) to the two-dimensionally arranged quantized transform coefficients.
  • the inverse quantizer 520 may perform inverse quantization by applying a matrix of quantization coefficients (scaling values) from the image encoding apparatus to a 2D array of quantized transform coefficients.
  • the inverse transform unit 530 inversely transforms the inverse quantized transform coefficients from the frequency domain to the spatial domain to reconstruct residual signals to generate a residual block for the current block.
  • the inverse transform unit 530 when the inverse transform unit 530 inversely transforms only a partial region (subblock) of the transform block, a flag (cu_sbt_flag) indicating that only the subblock of the transform block has been transformed, and subblock directional (vertical/horizontal) information (cu_sbt_horizontal_flag) ) and/or sub-block position information (cu_sbt_pos_flag), and by inversely transforming the transform coefficients of the sub-block from the frequency domain to the spatial domain, the residual signals are restored. By filling in , the final residual block for the current block is created.
  • the inverse transform unit 530 determines a transform function or transform matrix to be applied in the horizontal and vertical directions, respectively, using the MTS information (mts_idx) signaled from the image encoding apparatus, and uses the determined transform function. Inverse transform is performed on transform coefficients in the transform block in the horizontal and vertical directions.
  • the prediction unit 540 may include an intra prediction unit 542 and an inter prediction unit 544 .
  • the intra prediction unit 542 is activated when the prediction type of the current block is intra prediction
  • the inter prediction unit 544 is activated when the prediction type of the current block is inter prediction.
  • the intra prediction unit 542 determines the intra prediction mode of the current block from among the plurality of intra prediction modes from the syntax element for the intra prediction mode extracted from the entropy decoding unit 510, and references the vicinity of the current block according to the intra prediction mode. Predict the current block using pixels.
  • the inter prediction unit 544 determines a motion vector of the current block and a reference picture referenced by the motion vector by using the syntax element for the inter prediction mode extracted from the entropy decoding unit 510, and divides the motion vector and the reference picture. is used to predict the current block.
  • the adder 550 reconstructs the current block by adding the residual block output from the inverse transform unit and the prediction block output from the inter prediction unit or the intra prediction unit. Pixels in the reconstructed current block are used as reference pixels when intra-predicting a block to be decoded later.
  • the loop filter unit 560 may include a deblocking filter 562 , an SAO filter 564 , and an ALF 566 as an in-loop filter.
  • the deblocking filter 562 deblocks and filters the boundary between the reconstructed blocks in order to remove a blocking artifact caused by block-by-block decoding.
  • the SAO filter 564 and the ALF 566 perform additional filtering on the reconstructed block after deblocking filtering to compensate for a difference between the reconstructed pixel and the original pixel caused by lossy coding.
  • the filter coefficients of the ALF are determined using information about the filter coefficients decoded from the non-stream.
  • the restored block filtered through the deblocking filter 562 , the SAO filter 564 , and the ALF 566 is stored in the memory 570 .
  • the reconstructed picture is used as a reference picture for inter prediction of blocks in a picture to be encoded later.
  • variable coefficient deep learning model adaptively learns the characteristics of the video, and the parameters of the variable coefficient deep learning model generated from the learning are transmitted from the image encoding device to the image decoding device, and the variable coefficient deep learning model An inter prediction method referring to a virtual reference frame generated by
  • the inter predictor 124 of the image encoding apparatus may be performed by the inter predictor 124 of the image encoding apparatus and the inter predictor 544 of the image decoding apparatus.
  • the term 'target block' may be used in the same meaning as the current block or coding unit (CU) as described above, or may refer to a partial region of the coding unit.
  • Bidirectional optical flow is based on the assumption that a sample or object constituting an image moves at a constant speed and there is little change in sample value. It is a technology that additionally compensates based on (Optical Flow: OF).
  • the motion for the sample P is slightly different from the overall motion of the target block. For example, if an object located at sample A in Ref 0 moves to sample B in Ref1 after passing sample P in the target block of the current picture, sample A and sample B should have significantly similar values. Therefore, the point in Ref 0 that is most similar to sample P in the target block is not P0 indicated by the motion vector MV 0 , but A, which has shifted P0 by a predetermined displacement vector (v x t 0 ,v y t 0 ).
  • the point in Ref 1 that is most similar to sample P in the target block is not P1 indicated by the motion vector (MV 1 ), but B moved P1 by a predetermined displacement vector (-v x t 1 ,-v y t 1 ) am.
  • t 0 and t 1 mean the time axis distances for Ref 0 and Ref 1 , respectively, based on the current picture, and are calculated based on a picture order count (POC).
  • POC picture order count
  • OF represents a motion vector in units of pixels, which represents a motion of a pixel that occurs between pictures.
  • the reference samples (P0, P0, P1) that is, a more accurate prediction is performed than using a prediction sample.
  • the value of the prediction sample in the reference picture (Ref 0 ) pointed to by the motion vector (MV 0 ) corresponding to the (luma) pixel (x,y) in the target block is defined as I (0) (x,y)
  • the target A value of the prediction sample in the reference picture Ref 1 pointed to by the motion vector MV 1 corresponding to the sample (x,y) in the block is defined as I (1) (x,y).
  • sample A in the reference picture Ref 0 indicated by the BDOF motion vector (v x ,v y ) as corresponding to the sample in the target block is I (0) (i + v x t 0 ,j + v y t 0 ) may be defined, and the value of sample B in the reference picture Ref 1 may be defined as I (1) (i - v x t 1 ,j - v y t 1 ).
  • sample A (i + 1 ⁇ 2v x ,j + 1 ⁇ 2v y )
  • sample B can be defined as I (1) (i - 1 ⁇ 2v x ,j - 1 ⁇ 2v y )
  • a pixel value of a target block can be predicted using values of prediction samples for a pixel, OF, and a gradient in the prediction sample.
  • values of prediction samples for a pixel are predicted based on motion information (two motion vectors and two reference pictures) used for bi-directional prediction of inter prediction.
  • b(x,y) is the sample offset calculated using the gradient in the OF and prediction samples.
  • shift is a scaling factor
  • o offset is a value for rounding operation and is half of shift.
  • the inter prediction unit 124 may select a preset number (eg, 6) of merge candidates to construct a merge candidate list.
  • FIG. 7 is a flowchart illustrating a process of searching for motion vector candidates in a merge/skip mode according to an embodiment of the present disclosure.
  • the inter prediction unit 124 searches for a spatial merge candidate (S700).
  • the inter prediction unit 124 searches for a spatial merge candidate from neighboring blocks as illustrated in FIG. 4 . Up to four spatial merge candidates may be selected.
  • the inter prediction unit 124 searches for a temporal merge candidate (S702).
  • the inter prediction unit 124 is a block (co-) in the same position as the current block in the reference picture (which may be the same as or different from the reference picture used to predict the current block) other than the current picture in which the target block is located. located block) can be added as a temporal merge candidate.
  • One temporal merge candidate may be selected.
  • the inter prediction unit 124 searches for a history-based motion vector predictor (HMVP) candidate ( S704 ).
  • the inter prediction unit 124 may store motion vectors of the previous n CUs (where n is a natural number) in a table and then use them as merge candidates.
  • the size of the table is 6, and the motion vector of the previous CU is stored according to the FiFO (First-in First Out) method. This indicates that up to 6 HMVP candidates are stored in the table.
  • the inter prediction unit 124 may set recent motion vectors among HMVP candidates stored in the table as merge candidates.
  • the inter prediction unit 124 searches for a pairwise average MVP (PAMVP) candidate (S706).
  • the inter prediction unit 124 may set the motion vector average of the first candidate and the second candidate in the merge candidate list as the merge candidate.
  • the inter prediction unit 124 sets a zero motion vector as a merge candidate. is added (S708).
  • Inter prediction as described above is motion prediction reflecting a translation motion model. That is, it is a technique for predicting movement in the horizontal direction (x-axis direction) and vertical direction (y-axis direction).
  • various types of motion such as rotation, zoom-in, or zoom-out, in addition to the translation motion.
  • An aspect according to the present embodiment provides an affine motion prediction capable of reflecting these various types of motion.
  • FIG. 8 is an exemplary diagram for explaining affine motion prediction according to an embodiment of the present disclosure.
  • affine motion prediction There may be two types of models for affine motion prediction.
  • One is, as shown in (a) of FIG. 8, two control point motion vectors (CPMVs) of the top-left corner and top-right corner of the target block to be currently encoded. , that is, a model using four parameters.
  • the other is a model using motion vectors of three control points, ie, six parameters, of the upper-left, upper-right, and bottom-left corners of the target block, as shown in FIG. 8B .
  • Equation (2) A four-parameter affine model is expressed as shown in Equation (2).
  • the motion at the sample position (x, y) in the object block may be calculated as shown in Equation (2).
  • the position of the upper left sample of the target block is assumed to be (0,0).
  • Equation (3) A motion at the sample position (x, y) in the object block may be calculated as shown in Equation (3).
  • (mv 0x ,mv 0y ) is the motion vector of the upper left control point
  • (mv 1x ,mv 1y ) is the motion vector of the upper right control point
  • (mv 2x ,mv 2y ) is the motion vector of the lower left control point.
  • W is the horizontal length of the target block
  • H is the vertical length of the target block.
  • Affine motion prediction may be performed using a motion vector calculated according to Equation 2 or Equation 3 for each sample in the target block.
  • the operation may be performed in units of sub-blocks divided from the target block.
  • the size of the subblock may be 4x4, 2x2 or 8x8.
  • affine motion prediction on a target block in units of 4 ⁇ 4 subblocks will be described as an example. This example is for convenience of explanation only, and does not limit the scope of the present invention.
  • the motion vector (affine motion vector) of each sub-block is calculated by substituting the center position of each sub-block into (x,y) of Equation 2 or 3 .
  • the center position may be the actual center point of the sub-block or the lower right sample position of the center point.
  • the center position of the subblock may be (1.5,1.5) or (2,2).
  • a prediction block for each subblock is generated using an affine motion vector (mv x ,mv y ) of the corresponding subblock.
  • the motion vector (mv x , mv y ) may be set to have 1/16 sample precision.
  • the motion vector (mv x ,mv y ) calculated according to Equation 2 or 3 may be rounded to 1/16 sample units.
  • Affine motion prediction may be performed on a chroma component as well as a luma component.
  • affine motion prediction for the chroma component may be performed in units of 2 ⁇ 2 subblocks.
  • a motion vector (mv x ,mv y ) of each subblock of a chroma component may be derived from a motion vector of a corresponding luma component.
  • the size of the subblock for affine motion prediction of the chroma component may be the same as that of the luma component.
  • affine motion prediction is performed on the luma component in units of 4 ⁇ 4 subblocks
  • affine motion prediction is also performed on the chroma component with a size of 4 ⁇ 4 subblocks.
  • the motion vector (mv x ,mv y ) for the chroma component subblock is the corresponding luma. It can be calculated by calculating the average of motion vectors of the four subblocks of the component.
  • the image encoding apparatus performs intra prediction, inter prediction (translational motion prediction), affine motion prediction, and the like, and selects an optimal prediction method by calculating a rate-distortion (RD) cost.
  • the inter prediction unit 124 of the image encoding apparatus determines which type of two types of models to use, and determines two or three control points according to the determined type.
  • the inter prediction unit 124 calculates a motion vector (mv x , mv y ) for each of the 4 ⁇ 4 subblocks in the target block by using the motion vectors of the control points. Then, a prediction block for each subblock in the target block is generated by performing motion compensation in the reference picture in units of subblocks using the motion vectors (mv x , mv y ) of each subblock.
  • the entropy encoding unit 155 of the image encoding apparatus includes a flag indicating whether affine motion prediction is applied to the target block, type information indicating the type of the affine model, and motion information indicating the motion vector of each control point.
  • the syntax elements are encoded and transmitted to an image decoding apparatus.
  • the type information and the motion information of the control points may be signaled when affine motion prediction is performed, and the number of motion vectors of the control points may be signaled by the number determined according to the type information.
  • the image decoding apparatus determines the type of the affine model and control point motion vectors using the signaled syntax, and uses Equation 2 or 3 to determine the motion vector ( mv x , mv y ) is calculated. If the motion vector resolution information for the affine motion vector of the target block is signaled, the motion vector (mv x , mv y ) is corrected to the precision identified by the motion vector resolution information by using an operation such as rounding.
  • the image decoding apparatus generates a prediction block for each subblock by performing motion compensation in a reference picture using a motion vector (mv x ,mv y ) for each subblock.
  • the general intra prediction (translational motion prediction) method as described above may be applied.
  • the inter prediction unit 124 of the image encoding apparatus configures a predefined number (eg, 5) of affine merge candidate lists.
  • the inter prediction unit 124 of the image encoding apparatus derives an inherited affine merge candidate from neighboring blocks of the target block.
  • a merge candidate list is generated by deriving a predefined number of inherited affine merge candidates from neighboring samples A0, A1, B0, B1, and B2 of the target block shown in FIG. 4 .
  • Each of the inherited affine merge candidates included in the candidate list corresponds to a pair of two or three CPMVs.
  • the inter prediction unit 124 derives an inherited affine merge candidate from control point motion vectors of the neighboring blocks predicted in the affine mode among neighboring blocks of the target block.
  • the number of merge candidates derived from neighboring blocks predicted in the affine mode may be limited.
  • the inter prediction unit 124 may derive a total of two inherited affine merge candidates, one from among A0 and A1, and one from among B0, B1, and B2, from the neighboring block predicted in the affine mode.
  • the priority may be the order of A0, A1, and the order of B0, B1, and B2.
  • the inter prediction unit 124 may derive an insufficient number of constructed affine merge candidates from a translational motion vector of a neighboring block.
  • FIG. 10 is an exemplary diagram for explaining a method of deriving combinatorial affine merge candidates for affine motion prediction from a translational motion vector of a neighboring block.
  • the inter prediction unit 124 derives one control point motion vector CPMV1, CPMV2, and CPMV3 from the neighboring block group ⁇ B2, B3, A2 ⁇ , the neighboring block group ⁇ B1, B0 ⁇ , and the neighboring block group ⁇ A1, A0 ⁇ , respectively. .
  • the priority within each neighboring block group may be an order of B2, B3, A2, an order of B1, B0, and an order of A1 and A0.
  • another control point motion vector CPMV4 is derived from a collocated block T in the reference picture.
  • the inter prediction unit 124 generates an insufficient number of combined affine merge candidates by combining two or three control point motion vectors among the four control point motion vectors.
  • the priority of the combination is as follows. Elements in each group are arranged in the order of upper left, upper right, lower left control point motion vectors.
  • the inter prediction unit 124 may add a zero motion vector as a candidate.
  • the inter prediction unit 124 selects a merge candidate from the merge candidate list and performs affine motion prediction on the target block.
  • affine motion prediction is performed using a 4-parameter model.
  • affine motion prediction is performed using a 6-parameter model.
  • the entropy encoder 155 of the image encoding apparatus encodes index information indicating a merge candidate selected from among the merge candidates in the merge candidate list, and signals it to the image decoding apparatus.
  • the entropy decoding unit 510 of the image decoding apparatus decodes index information signaled from the image encoding apparatus.
  • the inter prediction unit 544 of the image decoding apparatus constructs a merge candidate list in the same manner as in the image encoding apparatus, and performs affine motion prediction using control point motion vectors corresponding to the merge candidates indicated by the index information.
  • the inter prediction unit 124 of the image encoding apparatus determines the type of the affine model for the target block and the control point motion vectors. Then, a motion vector difference that is a difference between the actual control point motion vectors of the target block and the predicted motion vectors of each control point is calculated, and the differential motion vector for each control point is encoded and transmitted. To this end, the inter prediction unit 124 of the image encoding apparatus constructs a predefined number (eg, two) of affine AMVP candidate lists. When the target block is a 4-parameter type, each of the candidates included in the list consists of two pairs of control point motion vectors. On the other hand, when the target block is a 6-parameter type, candidates included in the list are each made up of three pairs of control point motion vectors.
  • a predefined number eg, two
  • the affine AMVP candidate list may be derived similarly to the method of constructing the above-described affine merge candidate list.
  • FIG. 11 is a flowchart illustrating a process of searching for an affine AMVP candidate in an affine AMVP mode according to an embodiment of the present disclosure.
  • the inter prediction unit 124 checks whether the reference picture of the inherited affine AMVP candidate is the same as the reference picture of the current block ( S1100 ).
  • the inherited affine AMVP candidate may be a block predicted in the affine mode among neighboring blocks A0, A1, B0, B1, and B2 of the target block shown in FIG. 4 as in the above-described affine merge mode.
  • the inter prediction unit 124 adds the corresponding inherited affine AMVP candidate (S1102).
  • the inter prediction unit 124 checks whether the reference pictures of all CPMVs of the combined affine AMVP candidate and the reference picture of the current block are the same (S1104) .
  • all CPMVs of the combinatorial affine AMVP candidates may be derived from motion vectors of neighboring samples shown in FIG. 10 as in the above-described affine merge mode.
  • the inter prediction unit 124 adds the corresponding combined affine AMVP candidate (S1106).
  • the affine model type of the target block should be considered.
  • the image encoding apparatus derives two control point motion vectors (upper-left and upper-right control point motion vectors of the target block) using the affine model of the neighboring block.
  • the affine model type of the target block is a 6-parameter type
  • three control point motion vectors are derived using the affine model of the neighboring block.
  • the neighboring block is a 4-parameter type
  • two or three control point motion vectors are predicted by using the two control point motion vectors of the neighboring block according to the affine model type of the target block.
  • the affine model of the neighboring block expressed by Equation 2 may be used.
  • Equation 2 (mv 0x ,mv 0y ) and (mv 1x ,mv 1y ) are replaced with the top-left corner and upper-right control point motion vectors of the neighboring blocks, respectively.
  • the predicted motion vector for each control point of the target block may be derived by inputting a difference between the position of the corresponding control point of the target block and the upper-left position of the neighboring block in (x,y).
  • the neighboring block is a 6-parameter type
  • two or three control point motion vectors are predicted according to the affine model type of the target block by using the three control point motion vectors of the neighboring block.
  • the affine model of the neighboring block expressed by Equation 3 may be used.
  • Equation 3 (mv 0x ,mv 0y ), (mv 1x ,mv 1y ), and (mv 2x ,mv 2y ) are replaced with control point motion vectors of upper left, upper right and lower left of the neighboring block, respectively.
  • the predicted motion vector for each control point of the target block may be derived by inputting a difference between the position of the corresponding control point of the target block and the upper-left position of the neighboring block in (x,y).
  • the inter prediction unit 124 adds a translation motion vector as an affine AMVP candidate (S1108).
  • the translation motion vector may be used to predict the CPMV of the current block in the order of mv 0 , mv 1 , and mv 2 .
  • the inter prediction unit 124 adds a zero motion vector as an affine AMVP candidate ( S1110).
  • the inter prediction unit 124 of the video encoding apparatus selects one candidate from the affine AMVP list, and generates a differential motion vector between the motion vectors of each actual control point and the predicted motion vector of the control point corresponding to the selected candidate.
  • the entropy encoding unit 155 of the image encoding apparatus encodes type information indicating the affine model type of the target block, index information indicating a candidate selected from candidates in the affine AMVP list, and a differential motion vector corresponding to each control point to decode the image. transmitted to the device.
  • the inter prediction unit 544 of the image decoding apparatus determines an affine model type using information signaled from the image encoding apparatus, and generates a differential motion vector of each control point. Then, the affine AMVP list is generated in the same manner as the video encoding apparatus, and a candidate indicated by the signaled index information in the affine AMVP list is selected. The inter prediction unit 544 of the image decoding apparatus calculates the motion vector of each control point by adding the predicted motion vector of each control point of the selected candidate and the corresponding differential motion vector.
  • Video prediction based on variable coefficient deep learning is a double-loop coding, and consists of the following two steps.
  • the two steps are a step of obtaining parameters of a deep learning model by analyzing a given video based on a variable coefficient deep learning model, and applying the parameters of the obtained deep learning model to the video prediction process, but with an encoded bitstream and a deep learning model Transmitting the parameters of , and using them for video encoding and decoding.
  • the video encoding apparatus trains the deep learning model by using the individual video as training data so that the parameters of the deep learning model related to video motion prediction are adapted to the individual video.
  • a deep learning model may be used to achieve one or more of the following purposes: correction of a motion prediction signal of a video, refinement of a motion vector, change of resolution of a motion vector, and improvement of a reference frame.
  • a deep learning model includes layers including fixed coefficients that provide functions such as motion prediction, motion interpolation, and motion extrapolation (hereinafter, 'fixed coefficient network') and variable coefficients may be a combination of one or more convolutional layers.
  • convolutional layers including only variable coefficients hereinafter, 'variable coefficient network'
  • Any type of deep learning model is trained to adapt to individual videos, as described above.
  • the image encoding apparatus and the image decoding apparatus improve the motion prediction signal, refine the motion vector and super-resolution, and improve the PSNR (Peak Signal to Noise Ratio) of the reference frame, etc. carry out
  • the utilization of the deep learning model that performs these functions can be controlled in units of blocks or video sequences. For example, a flag that enables a deep learning model to be used in a sequence parameter set (SPS), video parameter set (VPS), picture parameter set (PPS), or lower subpicture or tile of a video may be used. . Alternatively, a flag for enabling the deep learning model to be used in blocks of video, that is, in CTU or CU units may be used.
  • the image encoding apparatus transmits the encoded bitstream and variable coefficient values of the deep learning model to the image decoding apparatus.
  • variable coefficient deep learning Since it may take time to train the variable coefficient network of the deep learning model in the first step, variable coefficient deep learning is not applicable to fields requiring low delay coding, such as real-time video conferencing and real-time streaming services. It can be difficult. However, since it is possible to perform the first step in advance using the stored video, variable coefficient deep learning can be easily applied to a field using random access coding.
  • the interpolation model may also include a fixed coefficient network.
  • a process of generating a virtual reference frame from reference frames using such an interpolation model, encoding a video using the virtual reference frame, and decoding the video by transmitting the encoded bitstream and the variable coefficient deep learning model Explain the process.
  • it is not limited to the above-described case, and by using the variable coefficient deep learning model to improve the motion prediction signal and refine the motion vector, the field of application of the present invention can be expanded.
  • the apparatus for encoding and decoding an image may obtain an encoding gain by including the virtual reference frame generated by the interpolation model in the reference picture list and then using it for motion prediction in the merge mode and AMVP mode.
  • the encoding efficiency increases as the virtual reference frame is similar to the original frame (see Non-Patent Document 1).
  • the present disclosure describes a method of generating a virtual reference frame using the variable coefficient interpolation model as illustrated in FIGS. 12 to 14 and increasing encoding efficiency using the virtual reference frame.
  • FIG. 12 is a block diagram illustrating an image encoding apparatus including an interpolation model according to an embodiment of the present disclosure.
  • the image encoding apparatus may include a virtual frame generator 1210 that generates a virtual reference frame from previously decoded peripheral reference frames stored in the memory 190 .
  • the virtual frame generator 1210 includes a variable coefficient interpolation model. The operation of the interpolation model will be described later.
  • FIG. 13 is a block diagram illustrating an image decoding apparatus including an interpolation model according to an embodiment of the present disclosure.
  • the image decoding apparatus may include a virtual frame generator 1310 that generates a virtual reference frame from already decoded peripheral reference frames stored in the memory 570 .
  • the virtual frame generator 1310 includes a variable coefficient interpolation model. The operation of the interpolation model will be described later.
  • FIG. 14 is an exemplary diagram illustrating an operation of an interpolation model used in an image encoding apparatus and an image decoding apparatus according to an embodiment of the present disclosure.
  • the virtual frame generator 1210 of the image encoding apparatus generates a frame X t,pred deduced to be very similar to the original frame X t from the peripheral reference frames X t-1 and X t+1 decoded using the interpolation model. create The inferred frame X t,pred is used as a virtual reference frame. If an adaptively trained interpolation model is used to generate a frame X t,pred very similar to the original frame, the image encoding apparatus may generate a virtual reference frame with high similarity. Accordingly, the image encoding apparatus may use a variable coefficient interpolation model that adaptively learns an input frame to be encoded. In this case, the image encoding apparatus transmits variable coefficient values of the trained interpolation model to the image decoding apparatus.
  • variable coefficient interpolation model As the number of variable coefficients included in the interpolation model increases, it is possible to train the variable coefficient interpolation model to make it easier to overfit the input frame to the target frame. However, if the number of variable coefficients increases in order to generate a frame similar to the original frame using the interpolation model, the number of bits to be transmitted increases, thereby reducing encoding efficiency. Therefore, as a variable coefficient interpolation model, a model with good encoding efficiency while using the smallest number of variable coefficients should be considered.
  • the virtual frame generator 1310 of the image decoding apparatus sets the variable coefficients of the interpolation model by using the variable coefficient values transmitted from the image encoding apparatus.
  • the interpolation model infers a frame X t,pred very similar to the original frame X t from the already decoded neighboring reference frames X t-1 and X t+1 .
  • the inferred frame X t,pred is used as a virtual reference frame.
  • the learning of the interpolation model corresponds to the first stage of video prediction based on variable coefficient deep learning.
  • the image encoding apparatus may further include a training unit (not shown) or may be implemented in a form that interworks with an external training unit.
  • Equation (4) the operation of the interpolation model f generating the inferred frame X t,pred from the previously decoded neighboring reference frames X t-1 and X t+1 may be expressed as Equation (4).
  • ⁇ t is a parameter corresponding to a variable coefficient.
  • the training unit may update the parameter ⁇ t to overfit the frame to be encoded.
  • a loss function for training the interpolation model is defined as shown in Equation 5.
  • each of H and W represents the number of vertical and horizontal pixels of the frame.
  • X t,i,pred denotes the value in pixels of the inference frame Xt ,pred
  • X t,i denotes the value in pixels of the original frame.
  • the image encoding apparatus transmits the values of the variable coefficient ⁇ t that have been trained for each frame to the image decoding apparatus.
  • the image decoding apparatus sets the variable coefficient ⁇ t of the same interpolation model as included in the image encoding apparatus using the received variable coefficient ⁇ t values, and then generates a virtual reference frame in the same way as shown in Equation 4 can do.
  • variable coefficient interpolation model 15 is an example of a variable coefficient interpolation model according to an embodiment of the present disclosure.
  • the interpolation models illustrated in FIG. 15 may be a Convolutional Neural Network (CNN)-based deep learning model suitable for image processing.
  • CNN Convolutional Neural Network
  • the interpolation model according to the present disclosure may be a deep learning model that directly generates an inference frame from surrounding reference frames, as shown in FIG. 15A .
  • the interpolation model may be a deep learning model using a mask (see Non-Patent Document 1).
  • the inference frame X t,pred can be generated by weight summing the already decoded neighboring reference frames X t-1 and X t+1 using the mask. .
  • the interpolation model may be a deep learning model using an optical flow.
  • a deep learning model using OF can generate an inference frame X t,pred by assuming temporal normalization.
  • the interpolation model may generate an inference frame X t,pred by generating an OF from the reference frames and then warping the reference frames based on the OF.
  • variable coefficient may be updated based on the loss function shown in Equation (5).
  • variable coefficient interpolation model Any deep learning model illustrated in FIG. 15 may be used as the variable coefficient interpolation model.
  • variable coefficient values must be transmitted, encoding efficiency can be improved only by using the simplest model.
  • overfitting is difficult as the number of variable coefficients is small.
  • the part including the variable coefficient is represented by the variable coefficient network.
  • 16 is an exemplary diagram illustrating an interpolation model further including a fixed coefficient network according to an embodiment of the present disclosure.
  • the interpolation model further including the fixed coefficient network generates from input frames X t-1 ⁇ t and X t+1 ⁇ t , which are frames similar to the frame to be encoded, as intermediate outputs.
  • the fixed coefficient network may be trained in advance in the image encoding apparatus based on the entire data. Also, while the same fixed coefficient values are stored in the image encoding apparatus and the image decoding apparatus, the image encoding apparatus and the image decoding apparatus may set the fixed coefficient network according to a prior agreement.
  • the interpolation model can provide good performance with fewer variable coefficients. Also, the video encoding apparatus transmits variable coefficient values applied to the variable coefficient network to the video decoding apparatus.
  • the interpolation model including only the variable coefficient network may be implemented in an abbreviated form of the existing interpolation model including the fixed coefficient network by using a learning method based on the student-teacher network.
  • 17 is an exemplary diagram illustrating a method of transmitting a variable coefficient according to an embodiment of the present disclosure.
  • the image encoding apparatus may transmit the variable coefficient in units of frames or in units of group of pictures (GOPs). As illustrated in (a) of FIG. 17 , it is possible to transmit the variable coefficient ⁇ t in every t unit, that is, every frame. However, the image encoding apparatus may reduce the data amount of the variable coefficient by transmitting the variable coefficient in units of GOPs or a plurality of GOPs.
  • the video encoding apparatus may transmit variable coefficients corresponding to four frames by transmitting the variable coefficients in units of GOPs. Also, the video encoding apparatus may extend the transmission period in units of two GOPs, three GOPs, or the like.
  • the interpolation model can be learned at once while accumulating input frames in batches, and the training unit can use a loss function that considers time t as shown in Equation (6).
  • T represents the number of frames included in the training batch.
  • variable coefficient ⁇ t in a 32-bit floating point format is basically used, but the image encoding apparatus changes the variable coefficient values in a decimal format having 16 bits, 8 bits, or a smaller number of bits. After that, it can be transmitted to an image decoding apparatus.
  • the image encoding apparatus may quantize the variable coefficient ⁇ t and then transmit it to the image decoding apparatus.
  • the image encoding apparatus may quantize the range of the variable coefficient ⁇ t by dividing it into uniform sections.
  • the image encoding apparatus may transmit a preset number of variable coefficient sets.
  • the image encoding apparatus may transmit only a predefined index to designate the variable coefficient set.
  • the variable coefficient set may be determined in advance during the learning process of the interpolation model according to signal characteristics of a video sequence, a type of video content, a quantization parameter, and the like.
  • FIG. 18 is a flowchart illustrating a process of using a virtual reference frame in a merge/skip mode of inter prediction according to an embodiment of the present disclosure.
  • the inter prediction unit 124 searches for a spatial merge candidate (S1800).
  • the inter prediction unit 124 searches for a spatial merge candidate from neighboring blocks as illustrated in FIG. 4 .
  • the reference picture of the neighboring block may be a virtual reference frame or an existing reference frame.
  • the inter prediction unit 124 searches for a temporal merge candidate in consideration of the virtual reference frame (S1802).
  • the inter prediction unit 124 determines whether a picture in which a block co-located with the current block exists and a reference frame of a temporal merge candidate are a virtual reference frame or an existing reference frame.
  • the inter prediction unit 124 sets a zero motion vector as a candidate and selects a virtual reference frame of the current picture. Used in Skip or Merge mode.
  • the inter prediction unit 124 sets a zero motion vector as a candidate, and The virtual reference frame is used in skip or merge mode. Alternatively, the inter prediction unit 124 may not set the corresponding candidate as a temporal merge candidate.
  • the inter prediction unit 124 sets a zero motion vector as a candidate, The virtual reference frame of the picture is used in skip or merge mode. Alternatively, the inter prediction unit 124 may not set the corresponding candidate as a temporal merge candidate.
  • the inter prediction unit 124 searches for an HMVP candidate (S1804).
  • the inter prediction unit 124 may include CUs encoded by referring to the virtual reference frame when the motion vectors of the previous n CUs are stored in the table. As described above, the inter prediction unit 124 may set recent motion vectors among HMVP candidates stored in the table as merge candidates.
  • the inter prediction unit 124 searches for a PAMVP candidate (S1806).
  • the reference picture of the PAMVP is set to be the same as the reference picture of the first merge candidate. If the first merge candidate uses a virtual reference frame, the inter prediction unit 124 may set a motion vector corresponding to an average between the zero motion vector and the motion vector of the second candidate as the merge candidate.
  • the inter prediction unit 124 adds a zero motion vector as a merge candidate ( S1808).
  • 19 is a flowchart illustrating a process of using a virtual reference frame in an affine AMVP mode of inter prediction according to an embodiment of the present disclosure.
  • the inter prediction unit 124 checks whether the reference picture of the inherited affine AMVP candidate is the same as the reference picture of the current block (S1900).
  • the inter prediction unit 124 checks whether the same reference picture is a virtual reference frame or an existing reference frame (S1902).
  • the inter prediction unit 124 adds a zero motion vector as an affine AMVP candidate ( S1904 ).
  • the inter prediction unit 124 adds a corresponding inherited affine AMVP candidate (S1906).
  • the inter prediction unit 124 may not add the corresponding candidate as an inherited affine AMVP candidate.
  • the inter prediction unit 124 checks whether the reference pictures of all CPMVs of the combined affine AMVP candidate and the reference picture of the current block are the same (S1910) .
  • the inter prediction unit 124 adds a zero motion vector as an affine AMVP candidate (S1914).
  • the inter prediction unit 124 adds a corresponding combined affine AMVP candidate (S1916). Alternatively, the inter prediction unit 124 may not add the corresponding candidate as a combinatorial affine AMVP candidate.
  • the inter prediction unit 124 adds a translation motion vector as an affine AMVP candidate (S1920).
  • the inter prediction unit 124 adds a zero motion vector as an affine AMVP candidate ( S1922).
  • the steps S1900 to S1916 and S1922 excluding the step of adding the translation motion vector as a candidate may be similarly applied to the search process of the affine merge candidate by the inter prediction unit 124. .
  • each process is sequentially executed in each flowchart according to the present embodiment
  • the present invention is not limited thereto.
  • the flowchart since it may be applicable to change and execute the processes described in the flowchart or to execute one or more processes in parallel, the flowchart is not limited to a time-series order.
  • the non-transitory recording medium includes, for example, all kinds of recording devices in which data is stored in a form readable by a computer system.
  • the non-transitory recording medium includes a storage medium such as an erasable programmable read only memory (EPROM), a flash drive, an optical drive, a magnetic hard drive, and a solid state drive (SSD).
  • EPROM erasable programmable read only memory
  • SSD solid state drive

Landscapes

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

Abstract

본 실시예는, 가변계수 딥러닝 모델로 하여금 비디오의 특성을 적응적으로 학습하도록 하고, 학습으로부터 생성된 가변계수 딥러닝 모델의 파라미터를 영상 부호화 장치로부터 영상 복호화 장치로 전송하며, 가변계수 딥러닝 모델에 의해 생성된 가상의 참조 프레임을 참조하는 인터 예측 방법을 제공한다.

Description

가변계수 딥러닝 기반 인터 예측 방법
본 개시는 영상 부호화 또는 복호화 장치에 포함되는, 가변계수 딥러닝에 기반하는 인터 예측 방법에 관한 것이다.
이하에 기술되는 내용은 단순히 본 발명과 관련되는 배경 정보만을 제공할 뿐 종래기술을 구성하는 것이 아니다.
비디오 데이터는 음성 데이터나 정지 영상 데이터 등에 비하여 많은 데이터량을 가지기 때문에, 압축을 위한 처리 없이 그 자체를 저장하거나 전송하기 위해서는 메모리를 포함하여 많은 하드웨어 자원을 필요로 한다.
따라서, 통상적으로 비디오 데이터를 저장하거나 전송할 때에는 부호화기를 사용하여 비디오 데이터를 압축하여 저장하거나 전송하며, 복호화기에서는 압축된 비디오 데이터를 수신하여 압축을 해제하고 재생한다. 이러한 비디오 압축 기술로는 H.264/AVC, HEVC(High Efficiency Video Coding) 등을 비롯하여, HEVC에 비해 약 30% 이상의 부호화 효율을 향상시킨 VVC(Versatile Video Coding)가 존재한다.
그러나, 영상의 크기 및 해상도, 프레임률이 점차 증가하고 있고, 이에 따라 부호화해야 하는 데이터량도 증가하고 있으므로 기존의 압축 기술보다 더 부호화 효율이 좋고 화질 개선 효과도 높은 새로운 압축 기술이 요구된다.
최근, 딥러닝 기반 영상처리 기술이 기존의 부호화 요소 기술에 적용되고 있다. 기존 부호화 기술 중 인터 예측, 인트라 예측, 인루프 필터, 변환 등과 같은 압축 기술에 딥러닝 기반 영상처리 기술을 적용함으로써, 부호화 효율을 향상시킬 수 있다. 대표적인 응용 예로는, 딥러닝 모델 기반으로 생성된 가상 참조 프레임 기반 인터 예측, 영상복원 모델 기반의 인루프 필터(비특허문헌 1 참조) 등이 있다. 따라서, 영상 부호화/복호화에 있어서, 부호화 효율을 향상시키기 위해, 딥러닝 기반 영상처리 기술의 지속적인 적용이 고려될 필요가 있다.
(선행기술문헌)
(비특허문헌)
(비특허문헌 1) (비특허문헌 1) Lee et al., Deep Video Prediction Network Based Inter-Frame Coding in HEVC, IEEE Access 2020.
본 개시는, 가변계수 딥러닝 모델로 하여금 비디오의 특성을 적응적으로 학습하도록 하고, 학습으로부터 생성된 가변계수 딥러닝 모델의 파라미터를 영상 부호화 장치로부터 영상 복호화 장치로 전송하며, 가변계수 딥러닝 모델에 의해 생성된 가상의 참조 프레임을 참조하는 인터 예측 방법을 제공하는 데 목적이 있다.
본 개시의 실시예에 따르면, 영상 복호화 장치가 수행하는 영상 복호화 방법에 있어서, 비트스트림으로부터 가변계수 값들, 아핀(affine) 예측 플래그, 및 부호화 모드를 복호화하는 단계, 여기서, 상기 아핀 예측 플래그는 현재블록에 대한 아핀 움직임 예측의 적용 여부를 나타내고, 상기 부호화 모드는 상기 현재블록의 움직임 정보의부호화 모드로서 머지 모드(merge mode) 또는 AMVP(Advanced Motion Vector Prediction) 모드를 나타냄; 보간 모델(interpolation model)을 이용하여 참조 프레임들에 기초하여 가상 참조프레임을 생성하는 단계, 여기서, 상기 가변계수 값들을 이용하여 상기 보간 모델 상의 가변계수 네트워크가 설정됨; 및 상기 부호화 모드가 상기 머지 모드인 경우, 상기 가상 참조프레임 및 상기 참조 프레임들에 기초하여 상기 현재블록의 머지 후보를 생성하는 단계를 포함하는 것을 특징으로 하는, 영상 복호화 방법을 제공한다.
본 개시의 다른 실시예에 따르면, 영상 부호화 장치가 수행하는 영상 부호화 방법에 있어서, 사전에 생성된 가변계수 값들, 및 기설정된 부호화 모드를 획득하는 단계, 여기서, 상기 부호화 모드는 현재블록의 움직임 정보의 부호화 모드로서 머지 모드(merge mode) 또는 AMVP(Advanced Motion Vector Prediction) 모드를 나타냄; 보간 모델(interpolation model)을 이용하여 참조 프레임들로부터 가상 참조프레임을 생성하는 단계, 여기서, 상기 가변계수 값들을 이용하여 상기 보간 모델 상의 가변계수 네트워크가 설정됨; 및 상기 부호화 모드가 상기 머지 모드인 경우, 상기 가상 참조프레임 및 상기 참조 프레임들에 기초하여 상기 현재블록의 머지 후보를 생성하는 단계를 포함하는 것을 특징으로 하는, 영상 부호화 방법을 제공한다.
본 개시의 다른 실시예에 따르면, 비트스트림으로부터 가변계수 값들, 및 부호화 모드를 복호화하는 엔트로피 복호화부, 여기서, 상기 부호화 모드는 현재블록의 움직임 정보의 부호화 모드로서 머지 모드(merge mode) 또는 AMVP(Advanced Motion Vector Prediction) 모드를 나타냄; 보간 모델(interpolation model)을 이용하여 참조 프레임들로부터 가상 참조프레임을 생성하는 가상프레임 생성부, 여기서, 상기 가변계수 값들을 이용하여 상기 보간 모델 상의 가변계수 네트워크가 설정됨; 및 상기 부호화 모드가 상기 머지 모드인 경우, 상기 가상 참조프레임 및 상기 참조 프레임들에 기초하여 상기 현재블록의 머지 후보를 생성하는 인터 예측부를 포함하는 것을 특징으로 하는, 영상 복호화 장치를 제공한다.
이상에서 설명한 바와 같이 본 실시예에 따르면, 가변계수 딥러닝 모델에 의해 생성된 가상의 참조 프레임을 참조하는 인터 예측 방법을 제공함으로써, 인터 예측의 효과를 증대시키고, 부호화 효율을 향상시키는 것이 가능해지는 효과가 있다.
도 1은 본 개시의 기술들을 구현할 수 있는 영상 부호화 장치에 대한 예시적인 블록도이다.
도 2는 QTBTTT 구조를 이용하여 블록을 분할하는 방법을 설명하기 위한 도면이다.
도 3a 및 도 3b는 광각 인트라 예측모드들을 포함한 복수의 인트라 예측모드들을 나타낸 도면이다.
도 4는 현재블록의 주변블록에 대한 예시도이다.
도 5는 본 개시의 기술들을 구현할 수 있는 영상 복호화 장치의 예시적인 블록도이다.
도 6은 본 개시의 일 실시예에 따른 BDOF의 개념을 설명하기 위한 예시도이다.
도 7은 본 개시의 일 실시예에 따른, 머지/스킵 모드에서 움직임벡터의 후보를 탐색하는 과정을 나타내는 순서도이다.
도 8은 본 개시의 일 실시예에 따른 아핀 움직임 예측을 설명하기 위한 예시도이다.
도 9는 본 개시의 일 실시예에 따른 서브블록 단위의 아핀 움직임 예측을 설명하기 위한 예시도이다.
도 10은 주변블록의 병진 움직임벡터로부터 아핀 움직임 예측을 위한 머지 후보들을 유도하는 방법을 설명하기 위한 예시도이다.
도 11은 본 개시의 일 실시예에 따른, 아핀 AMVP 모드에서 아핀 AMVP 후보를 탐색하는 과정을 나타내는 순서도이다.
도 12는 본 개시의 일 실시예에 따른 보간 모델을 포함하는 영상 부호화 장치를 나타내는 블록도이다.
도 13은 본 개시의 일 실시예에 따른 보간 모델을 포함하는 영상 복호화 장치를 나타내는 블록도이다.
도 14는 본 개시의 일 실시예에 따른, 영상 부호화 장치 및 영상 복호화 장치에서 이용하는 보간 모델의 동작을 나타내는 예시도이다.
도 15는 본 개시의 실시예에 따른 가변계수 보간 모델의 예시들이다.
도 16은 본 개시의 일 실시예에 따른 고정계수 네트워크를 더 포함하는 보간 모델을 나타내는 예시도이다.
도 17은 본 개시의 일 실시예에 따른, 가변계수를 전송하는 방법을 나타내는 예시도이다.
도 18은 본 개시의 일 실시예에 따른, 인터 예측의 머지/스킵 모드에서 가상 참조프레임을 이용하는 과정에 대한 순서도를 나타낸다.
도 19는 본 개시의 일 실시예에 따른, 인터 예측의 아핀 AMVP 모드에서 가상 참조프레임을 이용하는 과정에 대한 순서도를 나타낸다.
이하, 본 발명의 실시예들을 예시적인 도면을 참조하여 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 실시예들을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 실시예들의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
도 1은 본 개시의 기술들을 구현할 수 있는 영상 부호화 장치에 대한 예시적인 블록도이다. 이하에서는 도 1의 도시를 참조하여 영상 부호화 장치와 이 장치의 하위 구성들에 대하여 설명하도록 한다.
영상 부호화 장치는 픽처 분할부(110), 예측부(120), 감산기(130), 변환부(140), 양자화부(145), 재정렬부(150), 엔트로피 부호화부(155), 역양자화부(160), 역변환부(165), 가산기(170), 루프 필터부(180) 및 메모리(190)를 포함하여 구성될 수 있다.
영상 부호화 장치의 각 구성요소는 하드웨어 또는 소프트웨어로 구현되거나, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 각 구성요소의 기능이 소프트웨어로 구현되고 마이크로프로세서가 각 구성요소에 대응하는 소프트웨어의 기능을 실행하도록 구현될 수도 있다.
하나의 영상(비디오)은 복수의 픽처들을 포함하는 하나 이상의 시퀀스로 구성된다. 각 픽처들은 복수의 영역으로 분할되고 각 영역마다 부호화가 수행된다. 예를 들어, 하나의 픽처는 하나 이상의 타일(Tile) 또는/및 슬라이스(Slice)로 분할된다. 여기서, 하나 이상의 타일을 타일 그룹(Tile Group)으로 정의할 수 있다. 각 타일 또는/슬라이스는 하나 이상의 CTU(Coding Tree Unit)로 분할된다. 그리고 각 CTU는 트리 구조에 의해 하나 이상의 CU(Coding Unit)들로 분할된다. 각 CU에 적용되는 정보들은 CU의 신택스로서 부호화되고, 하나의 CTU에 포함된 CU들에 공통적으로 적용되는 정보는 CTU의 신택스로서 부호화된다. 또한, 하나의 슬라이스 내의 모든 블록들에 공통적으로 적용되는 정보는 슬라이스 헤더의 신택스로서 부호화되며, 하나 이상의 픽처들을 구성하는 모든 블록들에 적용되는 정보는 픽처 파라미터 셋(PPS, Picture Parameter Set) 혹은 픽처 헤더에 부호화된다. 나아가, 복수의 픽처가 공통으로 참조하는 정보들은 시퀀스 파라미터 셋(SPS, Sequence Parameter Set)에 부호화된다. 그리고, 하나 이상의 SPS가 공통으로 참조하는 정보들은 비디오 파라미터 셋(VPS, Video Parameter Set)에 부호화된다. 또한, 하나의 타일 또는 타일 그룹에 공통으로 적용되는 정보는 타일 또는 타일 그룹 헤더의 신택스로서 부호화될 수도 있다. SPS, PPS, 슬라이스 헤더, 타일 또는 타일 그룹 헤더에 포함되는 신택스들은 상위수준(high level) 신택스로 칭할 수 있다.
픽처 분할부(110)는 CTU(Coding Tree Unit)의 크기를 결정한다. CTU의 크기에 대한 정보(CTU size)는 SPS 또는 PPS의 신택스로서 부호화되어 영상 복호화 장치로 전달된다.
픽처 분할부(110)는 영상을 구성하는 각 픽처(picture)를 미리 결정된 크기를 가지는 복수의 CTU(Coding Tree Unit)들로 분할한 이후에, 트리 구조(tree structure)를 이용하여 CTU를 반복적으로(recursively) 분할한다. 트리 구조에서의 리프 노드(leaf node)가 부호화의 기본 단위인 CU(coding unit)가 된다.
트리 구조로는 상위 노드(혹은 부모 노드)가 동일한 크기의 네 개의 하위 노드(혹은 자식 노드)로 분할되는 쿼드트리(QuadTree, QT), 또는 상위 노드가 두 개의 하위 노드로 분할되는 바이너리트리(BinaryTree, BT), 또는 상위 노드가 1:2:1 비율로 세 개의 하위 노드로 분할되는 터너리트리(TernaryTree, TT), 또는 이러한 QT 구조, BT 구조 및 TT 구조 중 둘 이상을 혼용한 구조일 수 있다. 예컨대, QTBT(QuadTree plus BinaryTree) 구조가 사용될 수 있고, 또는 QTBTTT(QuadTree plus BinaryTree TernaryTree) 구조가 사용될 수 있다. 여기서, BTTT를 합쳐서 MTT(Multiple-Type Tree)라 지칭될 수 있다.
도 2는 QTBTTT 구조를 이용하여 블록을 분할하는 방법을 설명하기 위한 도면이다.
도 2에 도시된 바와 같이, CTU는 먼저 QT 구조로 분할될 수 있다. 쿼드트리 분할은 분할 블록(splitting block)의 크기가 QT에서 허용되는 리프 노드의 최소 블록 크기(MinQTSize)에 도달할 때까지 반복될 수 있다. QT 구조의 각 노드가 하위 레이어의 4개의 노드들로 분할되는지 여부를 지시하는 제1 플래그(QT_split_flag)는 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 시그널링된다. QT의 리프 노드가 BT에서 허용되는 루트 노드의 최대 블록 크기(MaxBTSize)보다 크지 않은 경우, BT 구조 또는 TT 구조 중 어느 하나 이상으로 더 분할될 수 있다. BT 구조 및/또는 TT 구조에서는 복수의 분할 방향이 존재할 수 있다. 예컨대, 해당 노드의 블록이 가로로 분할되는 방향과 세로로 분할되는 방향 두 가지가 존재할 수 있다. 도 2의 도시와 같이, MTT 분할이 시작되면, 노드들이 분할되었는지 여부를 지시하는 제2 플래그(mtt_split_flag)와, 분할이 되었다면 추가적으로 분할 방향(vertical 혹은 horizontal)을 나타내는 플래그 및/또는 분할 타입(Binary 혹은 Ternary)을 나타내는 플래그가 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 시그널링된다.
대안적으로, 각 노드가 하위 레이어의 4개의 노드들로 분할되는지 여부를 지시하는 제1 플래그(QT_split_flag)를 부호화하기에 앞서, 그 노드가 분할되는지 여부를 지시하는 CU 분할 플래그(split_cu_flag)가 부호화될 수도 있다. CU 분할 플래그(split_cu_flag) 값이 분할되지 않았음을 지시하는 경우, 해당 노드의 블록이 분할 트리 구조에서의 리프 노드(leaf node)가 되어 부호화의 기본 단위인 CU(coding unit)가 된다. CU 분할 플래그(split_cu_flag) 값이 분할됨을 지시하는 경우, 영상 부호화 장치는 전술한 방식으로 제1 플래그부터 부호화를 시작한다.
트리 구조의 다른 예시로서 QTBT가 사용되는 경우, 해당 노드의 블록을 동일 크기의 두 개 블록으로 가로로 분할하는 타입(즉, symmetric horizontal splitting)과 세로로 분할하는 타입(즉, symmetric vertical splitting) 두 가지가 존재할 수 있다. BT 구조의 각 노드가 하위 레이어의 블록으로 분할되는지 여부를 지시하는 분할 플래그(split_flag) 및 분할되는 타입을 지시하는 분할 타입 정보가 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 전달된다. 한편, 해당 노드의 블록을 서로 비대칭 형태의 두 개의 블록으로 분할하는 타입이 추가로 더 존재할 수도 있다. 비대칭 형태에는 해당 노드의 블록을 1:3의 크기 비율을 가지는 두 개의 직사각형 블록으로 분할하는 형태가 포함될 수 있고, 혹은 해당 노드의 블록을 대각선 방향으로 분할하는 형태가 포함될 수도 있다.
CU는 CTU로부터의 QTBT 또는 QTBTTT 분할에 따라 다양한 크기를 가질 수 있다. 이하에서는, 부호화 또는 복호화하고자 하는 CU(즉, QTBTTT의 리프 노드)에 해당하는 블록을 '현재블록'이라 칭한다. QTBTTT 분할의 채용에 따라, 현재블록의 모양은 정사각형뿐만 아니라 직사각형일 수도 있다.
예측부(120)는 현재블록을 예측하여 예측블록을 생성한다. 예측부(120)는 인트라 예측부(122)와 인터 예측부(124)를 포함한다.
일반적으로, 픽처 내 현재블록들은 각각 예측적으로 코딩될 수 있다. 일반적으로 현재블록의 예측은 (현재블록을 포함하는 픽처로부터의 데이터를 사용하는) 인트라 예측 기술 또는 (현재블록을 포함하는 픽처 이전에 코딩된 픽처로부터의 데이터를 사용하는) 인터 예측 기술을 사용하여 수행될 수 있다. 인터 예측은 단방향 예측과 양방향 예측 모두를 포함한다.
인트라 예측부(122)는 현재블록이 포함된 현재 픽처 내에서 현재블록의 주변에 위치한 픽셀(참조 픽셀)들을 이용하여 현재블록 내의 픽셀들을 예측한다. 예측 방향에 따라 복수의 인트라 예측모드가 존재한다. 예컨대, 도 3a에서 보는 바와 같이, 복수의 인트라 예측모드는 planar 모드와 DC 모드를 포함하는 2개의 비방향성 모드와 65개의 방향성 모드를 포함할 수 있다. 각 예측모드에 따라 사용할 주변 픽셀과 연산식이 다르게 정의된다.
직사각형 모양의 현재블록에 대한 효율적인 방향성 예측을 위해, 도 3b에 점선 화살표로 도시된 방향성 모드들(67 ~ 80번, -1 ~ -14 번 인트라 예측모드들)이 추가로 사용될 수 있다. 이들은 "광각 인트라 예측모드들(wide angle intra-prediction modes)"로 지칭될 수 있다. 도 3b에서 화살표들은 예측에 사용되는 대응하는 참조샘플들을 가리키는 것이며, 예측 방향을 나타내는 것이 아니다. 예측 방향은 화살표가 가리키는 방향과 반대이다. 광각 인트라 예측모드들은 현재블록이 직사각형일 때 추가적인 비트 전송 없이 특정 방향성 모드를 반대방향으로 예측을 수행하는 모드이다. 이때 광각 인트라 예측모드들 중에서, 직사각형의 현재블록의 너비와 높이의 비율에 의해, 현재블록에 이용 가능한 일부 광각 인트라 예측모드들이 결정될 수 있다. 예컨대, 45도보다 작은 각도를 갖는 광각 인트라 예측모드들(67 ~ 80번 인트라 예측모드들)은 현재블록이 높이가 너비보다 작은 직사각형 형태일 때 이용 가능하고, -135도보다 큰 각도를 갖는 광각 인트라 예측모드들(-1 ~ -14 번 인트라 예측모드들)은 현재블록이 너비가 높이보다 큰 직사각형 형태일 때 이용 가능하다.
인트라 예측부(122)는 현재블록을 부호화하는데 사용할 인트라 예측모드를 결정할 수 있다. 일부 예들에서, 인트라 예측부(122)는 여러 인트라 예측모드들을 사용하여 현재블록을 인코딩하고, 테스트된 모드들로부터 사용할 적절한 인트라 예측모드를 선택할 수도 있다. 예를 들어, 인트라 예측부(122)는 여러 테스트된 인트라 예측모드들에 대한 비트율 왜곡(rate-distortion) 분석을 사용하여 비트율 왜곡 값들을 계산하고, 테스트된 모드들 중 최선의 비트율 왜곡 특징들을 갖는 인트라 예측모드를 선택할 수도 있다.
인트라 예측부(122)는 복수의 인트라 예측모드 중에서 하나의 인트라 예측모드를 선택하고, 선택된 인트라 예측모드에 따라 결정되는 주변 픽셀(참조 픽셀)과 연산식을 사용하여 현재블록을 예측한다. 선택된 인트라 예측모드에 대한 정보는 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 전달된다.
인터 예측부(124)는 움직임 보상 과정을 이용하여 현재블록에 대한 예측블록을 생성한다. 인터 예측부(124)는 현재 픽처보다 먼저 부호화 및 복호화된 참조픽처 내에서 현재블록과 가장 유사한 블록을 탐색하고, 그 탐색된 블록을 이용하여 현재블록에 대한 예측블록을 생성한다. 그리고, 현재 픽처 내의 현재블록과 참조픽처 내의 예측블록 간의 변위(displacement)에 해당하는 움직임벡터(Motion Vector: MV)를 생성한다. 일반적으로, 움직임 추정은 루마(luma) 성분에 대해 수행되고, 루마 성분에 기초하여 계산된 움직임벡터는 루마 성분 및 크로마 성분 모두에 대해 사용된다. 현재블록을 예측하기 위해 사용된 참조픽처에 대한 정보 및 움직임벡터에 대한 정보를 포함하는 움직임 정보는 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 전달된다.
인터 예측부(124)는, 예측의 정확성을 높이기 위해, 참조픽처 또는 참조 블록에 대한 보간을 수행할 수도 있다. 즉, 연속한 두 정수 샘플 사이의 서브 샘플들은 그 두 정수 샘플을 포함한 연속된 복수의 정수 샘플들에 필터 계수들을 적용하여 보간된다. 보간된 참조픽처에 대해서 현재블록과 가장 유사한 블록을 탐색하는 과정을 수행하면, 움직임벡터는 정수 샘플 단위의 정밀도(precision)가 아닌 소수 단위의 정밀도까지 표현될 수 있다. 움직임벡터의 정밀도 또는 해상도(resolution)는 부호화하고자 하는 대상 영역, 예컨대, 슬라이스, 타일, CTU, CU 등의 단위마다 다르게 설정될 수 있다. 이와 같은 적응적 움직임벡터 해상도(Adaptive Motion Vector Resolution: AMVR)가 적용되는 경우 각 대상 영역에 적용할 움직임벡터 해상도에 대한 정보는 대상 영역마다 시그널링되어야 한다. 예컨대, 대상 영역이 CU인 경우, 각 CU마다 적용된 움직임벡터 해상도에 대한 정보가 시그널링된다. 움직임벡터 해상도에 대한 정보는 후술할 차분 움직임벡터의 정밀도를 나타내는 정보일 수 있다.
한편, 인터 예측부(124)는 양방향 예측(bi-prediction)을 이용하여 인터 예측을 수행할 수 있다. 양방향 예측의 경우, 두 개의 참조픽처와 각 참조픽처 내에서 현재블록과 가장 유사한 블록 위치를 나타내는 두 개의 움직임벡터가 이용된다. 인터 예측부(124)는 참조픽처 리스트 0(RefPicList0) 및 참조픽처 리스트 1(RefPicList1)로부터 각각 제1 참조픽처 및 제2 참조픽처를 선택하고, 각 참조픽처 내에서 현재블록과 유사한 블록을 탐색하여 제1 참조블록과 제2 참조블록을 생성한다. 그리고, 제1 참조블록과 제2 참조블록을 평균 또는 가중 평균하여 현재블록에 대한 예측블록을 생성한다. 그리고 현재블록을 예측하기 위해 사용한 두 개의 참조픽처에 대한 정보 및 두 개의 움직임벡터에 대한 정보를 포함하는 움직임 정보를 부호화부(150)로 전달한다. 여기서, 참조픽처 리스트 0은 기복원된 픽처들 중 디스플레이 순서에서 현재 픽처 이전의 픽처들로 구성되고, 참조픽처 리스트 1은 기복원된 픽처들 중 디스플레이 순서에서 현재 픽처 이후의 픽처들로 구성될 수 있다. 그러나 반드시 이에 한정되는 것은 아니며, 디스플레이 순서 상으로 현재 픽처 이후의 기복원 픽처들이 참조픽처 리스트 0에 추가로 더 포함될 수 있고, 역으로 현재 픽처 이전의 기복원 픽처들이 참조픽처 리스트 1에 추가로 더 포함될 수도 있다.
움직임 정보를 부호화하는 데에 소요되는 비트량을 최소화하기 위해 다양한 방법이 사용될 수 있다.
예컨대, 현재블록의 참조픽처와 움직임벡터가 주변블록의 참조픽처 및 움직임벡터와 동일한 경우에는 그 주변블록을 식별할 수 있는 정보를 부호화함으로써, 현재블록의 움직임 정보를 영상 복호화 장치로 전달할 수 있다. 이러한 방법을 '머지 모드(merge mode)'라 한다.
머지 모드에서, 인터 예측부(124)는 현재블록의 주변블록들로부터 기 결정된 개수의 머지 후보블록(이하, '머지 후보'라 함)들을 선택한다.
머지 후보를 유도하기 위한 주변블록으로는, 도 4에 도시된 바와 같이, 현재 픽처 내에서 현재블록에 인접한 좌측블록(A0), 좌하단블록(A1), 상단블록(B0), 우상단블록(B1), 및 좌상단블록(A2) 중에서 전부 또는 일부가 사용될 수 있다. 또한, 현재블록이 위치한 현재 픽처가 아닌 참조픽처(현재블록을 예측하기 위해 사용된 참조픽처와 동일할 수도 있고 다를 수도 있음) 내에 위치한 블록이 머지 후보로서 사용될 수도 있다. 예컨대, 참조픽처 내에서 현재블록과 동일 위치에 있는 블록(co-located block) 또는 그 동일 위치의 블록에 인접한 블록들이 머지 후보로서 추가로 더 사용될 수 있다. 이상에서 기술된 방법에 의해 선정된 머지 후보의 개수가 기설정된 개수보다 작으면, 0 벡터를 머지 후보에 추가한다.
인터 예측부(124)는 이러한 주변블록들을 이용하여 기 결정된 개수의 머지 후보를 포함하는 머지 리스트를 구성한다. 머지 리스트에 포함된 머지 후보들 중에서 현재블록의 움직임정보로서 사용할 머지 후보를 선택하고 선택된 후보를 식별하기 위한 머지 인덱스 정보를 생성한다. 생성된 머지 인덱스 정보는 부호화부(150)에 의해 부호화되어 영상 복호화 장치로 전달된다.
머지 스킵(merge skip) 모드는 머지 모드의 특별한 경우로서, 양자화를 수행한 후, 엔트로피 부호화를 위한 변환 계수가 모두 영(zero)에 가까울 때, 잔차신호의 전송 없이 주변블록 선택 정보만을 전송한다. 머지 스킵 모드를 이용함으로써, 움직임이 적은 영상, 정지 영상, 스크린 콘텐츠 영상 등에서 상대적으로 높은 부호화 효율을 달성할 수 있다.
이하, 머지 모드와 머지 스킵 모드를 통칭하여, 머지/스킵 모드로 나타낸다.
움직임 정보를 부호화하기 위한 또 다른 방법은 AMVP(Advanced Motion Vector Prediction) 모드이다.
AMVP 모드에서, 인터 예측부(124)는 현재블록의 주변블록들을 이용하여 현재블록의 움직임벡터에 대한 예측 움직임벡터 후보들을 유도한다. 예측 움직임벡터 후보들을 유도하기 위해 사용되는 주변블록으로는, 도 4에 도시된 현재 픽처 내에서 현재블록에 인접한 좌측블록(A0), 좌하단블록(A1), 상단블록(B0), 우상단블록(B1), 및 좌상단블록(A2) 중에서 전부 또는 일부가 사용될 수 있다. 또한, 현재블록이 위치한 현재 픽처가 아닌 참조픽처(현재블록을 예측하기 위해 사용된 참조픽처와 동일할 수도 있고 다를 수도 있음) 내에 위치한 블록이 예측 움직임벡터 후보들을 유도하기 위해 사용되는 주변블록으로서 사용될 수도 있다. 예컨대, 참조픽처 내에서 현재블록과 동일 위치에 있는 블록(collocated block) 또는 그 동일 위치의 블록에 인접한 블록들이 사용될 수 있다. 이상에서 기술된 방법에 의해 움직임벡터 후보의 개수가 기설정된 개수보다 작으면, 0 벡터를 움직임벡터 후보에 추가한다.
인터 예측부(124)는 이 주변블록들의 움직임벡터를 이용하여 예측 움직임벡터 후보들을 유도하고, 예측 움직임벡터 후보들을 이용하여 현재블록의 움직임벡터에 대한 예측 움직임벡터를 결정한다. 그리고, 현재블록의 움직임벡터로부터 예측 움직임벡터를 감산하여 차분 움직임벡터를 산출한다.
예측 움직임벡터는 예측 움직임벡터 후보들에 기 정의된 함수(예컨대, 중앙값, 평균값 연산 등)를 적용하여 구할 수 있다. 이 경우, 영상 복호화 장치도 기 정의된 함수를 알고 있다. 또한, 예측 움직임벡터 후보를 유도하기 위해 사용하는 주변블록은 이미 부호화 및 복호화가 완료된 블록이므로 영상 복호화 장치도 그 주변블록의 움직임벡터도 이미 알고 있다. 그러므로 영상 부호화 장치는 예측 움직임벡터 후보를 식별하기 위한 정보를 부호화할 필요가 없다. 따라서, 이 경우에는 차분 움직임벡터에 대한 정보와 현재블록을 예측하기 위해 사용한 참조픽처에 대한 정보가 부호화된다.
한편, 예측 움직임벡터는 예측 움직임벡터 후보들 중 어느 하나를 선택하는 방식으로 결정될 수도 있다. 이 경우에는 차분 움직임벡터에 대한 정보 및 현재블록을 예측하기 위해 사용한 참조픽처에 대한 정보와 함께, 선택된 예측 움직임벡터 후보를 식별하기 위한 정보가 추가로 부호화된다.
감산기(130)는 현재블록으로부터 인트라 예측부(122) 또는 인터 예측부(124)에 의해 생성된 예측블록을 감산하여 잔차블록을 생성한다.
변환부(140)는 공간 영역의 픽셀 값들을 가지는 잔차블록 내의 잔차신호를 주파수 도메인의 변환 계수로 변환한다. 변환부(140)는 잔차블록의 전체 크기를 변환 단위로 사용하여 잔차블록 내의 잔차신호들을 변환할 수 있으며, 또는 잔차블록을 복수 개의 서브블록으로 분할하고 그 서브블록을 변환 단위로 사용하여 변환을 할 수도 있다. 또는, 변환 영역 및 비변환 영역인 두 개의 서브블록으로 구분하여, 변환 영역 서브블록만 변환 단위로 사용하여 잔차신호들을 변환할 수 있다. 여기서, 변환 영역 서브블록은 가로축 (혹은 세로축) 기준 1:1의 크기 비율을 가지는 두 개의 직사각형 블록 중 하나일 수 있다. 이런 경우, 서브블록 만을 변환하였음을 지시하는 플래그(cu_sbt_flag), 방향성(vertical/horizontal) 정보(cu_sbt_horizontal_flag) 및/또는 위치 정보(cu_sbt_pos_flag)가 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 시그널링된다. 또한, 변환 영역 서브블록의 크기는 가로축 (혹은 세로축) 기준 1:3의 크기 비율을 가질 수 있으며, 이런 경우 해당 분할을 구분하는 플래그(cu_sbt_quad_flag)가 추가적으로 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 시그널링된다.
한편, 변환부(140)는 잔차블록에 대해 가로 방향과 세로 방향으로 개별적으로 변환을 수행할 수 있다. 변환을 위해, 다양한 타입의 변환 함수 또는 변환 행렬이 사용될 수 있다. 예컨대, 가로 방향 변환과 세로 방향 변환을 위한 변환 함수의 쌍을 MTS(Multiple Transform Set)로 정의할 수 있다. 변환부(140)는 MTS 중 변환 효율이 가장 좋은 하나의 변환 함수 쌍을 선택하고 가로 및 세로 방향으로 각각 잔차블록을 변환할 수 있다. MTS 중에서 선택된 변환 함수 쌍에 대한 정보(mts_idx)는 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 시그널링된다.
양자화부(145)는 변환부(140)로부터 출력되는 변환 계수들을 양자화 파라미터를 이용하여 양자화하고, 양자화된 변환 계수들을 엔트로피 부호화부(155)로 출력한다. 양자화부(145)는, 어떤 블록 혹은 프레임에 대해, 변환 없이, 관련된 잔차 블록을 곧바로 양자화할 수도 있다. 양자화부(145)는 변환블록 내의 변환 계수들의 위치에 따라 서로 다른 양자화 계수(스케일링 값)을 적용할 수도 있다. 2차원으로 배열된 양자화된 변환 계수들에 적용되는 양자화 행렬은 부호화되어 영상 복호화 장치로 시그널링될 수 있다.
재정렬부(150)는 양자화된 잔차값에 대해 계수값의 재정렬을 수행할 수 있다.
재정렬부(150)는 계수 스캐닝(coefficient scanning)을 이용하여 2차원의 계수 어레이를 1차원의 계수 시퀀스로 변경할 수 있다. 예를 들어, 재정렬부(150)에서는 지그-재그 스캔(zig-zag scan) 또는 대각선 스캔(diagonal scan)을 이용하여 DC 계수부터 고주파수 영역의 계수까지 스캔하여 1차원의 계수 시퀀스를 출력할 수 있다. 변환 단위의 크기 및 인트라 예측모드에 따라 지그-재그 스캔 대신 2차원의 계수 어레이를 열 방향으로 스캔하는 수직 스캔, 2차원의 블록 형태 계수를 행 방향으로 스캔하는 수평 스캔이 사용될 수도 있다. 즉, 변환 단위의 크기 및 인트라 예측모드에 따라 지그-재그 스캔, 대각선 스캔, 수직 방향 스캔 및 수평 방향 스캔 중에서 사용될 스캔 방법이 결정될 수도 있다.
엔트로피 부호화부(155)는, CABAC(Context-based Adaptive Binary Arithmetic Code), 지수 골롬(Exponential Golomb) 등의 다양한 부호화 방식을 사용하여, 재정렬부(150)로부터 출력된 1차원의 양자화된 변환 계수들의 시퀀스를 부호화함으로써 비트스트림을 생성한다.
또한, 엔트로피 부호화부(155)는 블록 분할과 관련된 CTU size, CU 분할 플래그, QT 분할 플래그, MTT 분할 타입, MTT 분할 방향 등의 정보를 부호화하여, 영상 복호화 장치가 영상 부호화 장치와 동일하게 블록을 분할할 수 있도록 한다. 또한, 엔트로피 부호화부(155)는 현재블록이 인트라 예측에 의해 부호화되었는지 아니면 인터 예측에 의해 부호화되었는지 여부를 지시하는 예측 타입에 대한 정보를 부호화하고, 예측 타입에 따라 인트라 예측정보(즉, 인트라 예측모드에 대한 정보) 또는 인터 예측정보(움직임 정보의 부호화 모드(머지 모드 또는 AMVP 모드), 머지 모드의 경우 머지 인덱스, AMVP 모드의 경우 참조픽처 인덱스 및 차분 움직임벡터에 대한 정보)를 부호화한다. 또한, 엔트로피 부호화부(155)는 양자화와 관련된 정보, 즉, 양자화 파라미터에 대한 정보 및 양자화 행렬에 대한 정보를 부호화한다.
역양자화부(160)는 양자화부(145)로부터 출력되는 양자화된 변환 계수들을 역양자화하여 변환 계수들을 생성한다. 역변환부(165)는 역양자화부(160)로부터 출력되는 변환 계수들을 주파수 도메인으로부터 공간 도메인으로 변환하여 잔차블록을 복원한다.
가산부(170)는 복원된 잔차블록과 예측부(120)에 의해 생성된 예측블록을 가산하여 현재블록을 복원한다. 복원된 현재블록 내의 픽셀들은 다음 순서의 블록을 인트라 예측할 때 참조 픽셀로서 사용된다.
루프(loop) 필터부(180)는 블록 기반의 예측 및 변환/양자화로 인해 발생하는 블록킹 아티팩트(blocking artifacts), 링잉 아티팩트(ringing artifacts), 블러링 아티팩트(blurring artifacts) 등을 줄이기 위해 복원된 픽셀들에 대한 필터링을 수행한다. 필터부(180)는 인루프(in-loop) 필터로서 디블록킹 필터(182), SAO(Sample Adaptive Offset) 필터(184) 및 ALF(Adaptive Loop Filter, 186)의 전부 또는 일부를 포함할 수 있다.
디블록킹 필터(182)는 블록 단위의 부호화/복호화로 인해 발생하는 블록킹 현상(blocking artifact)을 제거하기 위해 복원된 블록 간의 경계를 필터링하고, SAO 필터(184) 및 alf(186)는 디블록킹 필터링된 영상에 대해 추가적인 필터링을 수행한다. SAO 필터(184) 및 alf(186)는 손실 부호화(lossy coding)로 인해 발생하는 복원된 픽셀과 원본 픽셀 간의 차이를 보상하기 위해 사용되는 필터이다. SAO 필터(184)는 CTU 단위로 오프셋을 적용함으로써 주관적 화질뿐만 아니라 부호화 효율도 향상시킨다. 이에 비하여 ALF(186)는 블록 단위의 필터링을 수행하는데, 해당 블록의 에지 및 변화량의 정도를 구분하여 상이한 필터를 적용하여 왜곡을 보상한다. ALF에 사용될 필터 계수들에 대한 정보는 부호화되어 영상 복호화 장치로 시그널링될 수 있다.
디블록킹 필터(182), SAO 필터(184) 및 ALF(186)를 통해 필터링된 복원블록은 메모리(190)에 저장된다. 한 픽처 내의 모든 블록들이 복원되면, 복원된 픽처는 이후에 부호화하고자 하는 픽처 내의 블록을 인터 예측하기 위한 참조픽처로 사용될 수 있다.
도 5는 본 개시의 기술들을 구현할 수 있는 영상 복호화 장치의 예시적인 블록도이다. 이하에서는 도 5를 참조하여 영상 복호화 장치와 이 장치의 하위 구성들에 대하여 설명하도록 한다.
영상 복호화 장치는 엔트로피 복호화부(510), 재정렬부(515), 역양자화부(520), 역변환부(530), 예측부(540), 가산기(550), 루프 필터부(560) 및 메모리(570)를 포함하여 구성될 수 있다.
도 1의 영상 부호화 장치와 마찬가지로, 영상 복호화 장치의 각 구성요소는 하드웨어 또는 소프트웨어로 구현되거나, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 각 구성요소의 기능이 소프트웨어로 구현되고 마이크로프로세서가 각 구성요소에 대응하는 소프트웨어의 기능을 실행하도록 구현될 수도 있다.
엔트로피 복호화부(510)는 영상 부호화 장치에 의해 생성된 비트스트림을 복호화하여 블록 분할과 관련된 정보를 추출함으로써 복호화하고자 하는 현재블록을 결정하고, 현재블록을 복원하기 위해 필요한 예측정보와 잔차신호에 대한 정보 등을 추출한다.
엔트로피 복호화부(510)는 SPS(Sequence Parameter Set) 또는 PPS(Picture Parameter Set)로부터 CTU size에 대한 정보를 추출하여 CTU의 크기를 결정하고, 픽처를 결정된 크기의 CTU로 분할한다. 그리고, CTU를 트리 구조의 최상위 레이어, 즉, 루트 노드로 결정하고, CTU에 대한 분할정보를 추출함으로써 트리 구조를 이용하여 CTU를 분할한다.
예컨대, QTBTTT 구조를 사용하여 CTU를 분할하는 경우, 먼저 QT의 분할과 관련된 제1 플래그(QT_split_flag)를 추출하여 각 노드를 하위 레이어의 네 개의 노드로 분할한다. 그리고, QT의 리프 노드에 해당하는 노드에 대해서는 MTT의 분할과 관련된 제2 플래그(MTT_split_flag) 및 분할 방향(vertical / horizontal) 및/또는 분할 타입(binary / ternary) 정보를 추출하여 해당 리프 노드를 MTT 구조로 분할한다. 이에 따라 QT의 리프 노드 이하의 각 노드들을 BT 또는 TT 구조로 반복적으로(recursively) 분할한다.
또 다른 예로서, QTBTTT 구조를 사용하여 CTU를 분할하는 경우, 먼저 CU의 분할 여부를 지시하는 CU 분할 플래그(split_cu_flag)를 추출하고, 해당 블록이 분할된 경우, 제1 플래그(QT_split_flag)를 추출할 수도 있다. 분할 과정에서 각 노드는 0번 이상의 반복적인 QT 분할 후에 0번 이상의 반복적인 MTT 분할이 발생할 수 있다. 예컨대, CTU는 바로 MTT 분할이 발생하거나, 반대로 다수 번의 QT 분할만 발생할 수도 있다.
다른 예로서, QTBT 구조를 사용하여 CTU를 분할하는 경우, QT의 분할과 관련된 제1 플래그(QT_split_flag)를 추출하여 각 노드를 하위 레이어의 네 개의 노드로 분할한다. 그리고, QT의 리프 노드에 해당하는 노드에 대해서는 BT로 더 분할되는지 여부를 지시하는 분할 플래그(split_flag) 및 분할 방향 정보를 추출한다.
한편, 엔트로피 복호화부(510)는 트리 구조의 분할을 이용하여 복호화하고자 하는 현재블록을 결정하게 되면, 현재블록이 인트라 예측되었는지 아니면 인터 예측되었는지를 지시하는 예측 타입에 대한 정보를 추출한다. 예측 타입 정보가 인트라 예측을 지시하는 경우, 엔트로피 복호화부(510)는 현재블록의 인트라 예측정보(인트라 예측모드)에 대한 신택스 요소를 추출한다. 예측 타입 정보가 인터 예측을 지시하는 경우, 엔트로피 복호화부(510)는 인터 예측정보에 대한 신택스 요소, 즉, 움직임벡터 및 그 움직임벡터가 참조하는 참조픽처를 나타내는 정보를 추출한다.
또한, 엔트로피 복호화부(510)는 양자화 관련된 정보, 및 잔차신호에 대한 정보로서 현재블록의 양자화된 변환계수들에 대한 정보를 추출한다.
재정렬부(515)는, 영상 부호화 장치에 의해 수행된 계수 스캐닝 순서의 역순으로, 엔트로피 복호화부(510)에서 엔트로피 복호화된 1차원의 양자화된 변환계수들의 시퀀스를 다시 2차원의 계수 어레이(즉, 블록)로 변경할 수 있다.
역양자화부(520)는 양자화된 변환계수들을 역양자화하고, 양자화 파라미터를 이용하여 양자화된 변환계수들을 역양자화한다. 역양자화부(520)는 2차원으로 배열된 양자화된 변환계수들에 대해 서로 다른 양자화 계수(스케일링 값)을 적용할 수도 있다. 역양자화부(520)는 영상 부호화 장치로부터 양자화 계수(스케일링 값)들의 행렬을 양자화된 변환계수들의 2차원 어레이에 적용하여 역양자화를 수행할 수 있다.
역변환부(530)는 역양자화된 변환계수들을 주파수 도메인으로부터 공간 도메인으로 역변환하여 잔차신호들을 복원함으로써 현재블록에 대한 잔차블록을 생성한다.
또한, 역변환부(530)는 변환블록의 일부 영역(서브블록)만 역변환하는 경우, 변환블록의 서브블록만을 변환하였음을 지시하는 플래그(cu_sbt_flag), 서브블록의 방향성(vertical/horizontal) 정보(cu_sbt_horizontal_flag) 및/또는 서브블록의 위치 정보(cu_sbt_pos_flag)를 추출하여, 해당 서브블록의 변환계수들을 주파수 도메인으로부터 공간 도메인으로 역변환함으로써 잔차신호들을 복원하고, 역변환되지 않은 영역에 대해서는 잔차신호로 “0”값을 채움으로써 현재블록에 대한 최종 잔차블록을 생성한다.
또한, MTS가 적용된 경우, 역변환부(530)는 영상 부호화 장치로부터 시그널링된 MTS 정보(mts_idx)를 이용하여 가로 및 세로 방향으로 각각 적용할 변환 함수 또는 변환 행렬을 결정하고, 결정된 변환 함수를 이용하여 가로 및 세로 방향으로 변환블록 내의 변환계수들에 대해 역변환을 수행한다.
예측부(540)는 인트라 예측부(542) 및 인터 예측부(544)를 포함할 수 있다. 인트라 예측부(542)는 현재블록의 예측 타입이 인트라 예측일 때 활성화되고, 인터 예측부(544)는 현재블록의 예측 타입이 인터 예측일 때 활성화된다.
인트라 예측부(542)는 엔트로피 복호화부(510)로부터 추출된 인트라 예측모드에 대한 신택스 요소로부터 복수의 인트라 예측모드 중 현재블록의 인트라 예측모드를 결정하고, 인트라 예측모드에 따라 현재블록 주변의 참조 픽셀들을 이용하여 현재블록을 예측한다.
인터 예측부(544)는 엔트로피 복호화부(510)로부터 추출된 인터 예측모드에 대한 신택스 요소를 이용하여 현재블록의 움직임벡터와 그 움직임벡터가 참조하는 참조픽처를 결정하고, 움직임벡터와 참조픽처를 이용하여 현재블록을 예측한다.
가산기(550)는 역변환부로부터 출력되는 잔차블록과 인터 예측부 또는 인트라 예측부로부터 출력되는 예측블록을 가산하여 현재블록을 복원한다. 복원된 현재블록 내의 픽셀들은 이후에 복호화할 블록을 인트라 예측할 때의 참조픽셀로서 활용된다.
루프 필터부(560)는 인루프 필터로서 디블록킹 필터(562), SAO 필터(564) 및 ALF(566)를 포함할 수 있다. 디블록킹 필터(562)는 블록 단위의 복호화로 인해 발생하는 블록킹 현상(blocking artifact)을 제거하기 위해, 복원된 블록 간의 경계를 디블록킹 필터링한다. SAO 필터(564) 및 ALF(566)는 손실 부호화(lossy coding)으로 인해 발생하는 복원된 픽셀과 원본 픽셀 간의 차이를 보상하기 위해, 디블록킹 필터링 이후의 복원된 블록에 대해 추가적인 필터링을 수행한다. ALF의 필터 계수는 비스트림으로부터 복호한 필터 계수에 대한 정보를 이용하여 결정된다.
디블록킹 필터(562), SAO 필터(564) 및 ALF(566)를 통해 필터링된 복원블록은 메모리(570)에 저장된다. 한 픽처 내의 모든 블록들이 복원되면, 복원된 픽처는 이후에 부호화하고자 하는 픽처 내의 블록을 인터 예측하기 위한 참조픽처로 사용된다.
본 실시예는 이상에서 설명한 바와 같은 영상(비디오)의 부호화 및 복호화에 관한 것이다. 보다 자세하게는, 가변계수 딥러닝 모델로 하여금 비디오의 특성을 적응적으로 학습하도록 하고, 학습으로부터 생성된 가변계수 딥러닝 모델의 파라미터를 영상 부호화 장치로부터 영상 복호화 장치로 전송하며, 가변계수 딥러닝 모델에 의해 생성된 가상의 참조 프레임을 참조하는 인터 예측 방법을 제공한다.
이하의 실시예는 영상 부호화 장치의 인터 예측부(124) 및 영상 복호화 장치의 인터 예측부(544)에서 수행될 수 있다. 이하, '대상블록(target block)'이라는 용어는 전술한 바와 같은 현재블록 또는 코딩 유닛(CU)과 동일한 의미로 사용될 수 있고, 또는 코딩 유닛의 일부 영역을 의미할 수도 있다.
I. 양방향 옵티컬 플로우(Bi-directional Optical Flow: BDOF)
양방향 옵티컬 플로우(Bidirectional OF: BDOF)는, 영상을 구성하는 샘플 또는 객체가 일정한 속도로 이동하고 샘플 값의 변화가 거의 없다는 가정을 기반으로, 양방향 움직임 예측을 이용하여 예측된 샘플들의 움직임을 옵티컬 플로우(Optical Flow: OF)를 기반으로 추가로 보상하는 기술이다.
대상블록에 대한 (통상의) 양방향 움직임 예측에 의하여, 도 6에 예시된 바와 같이, 참조픽처들(Ref0과 Ref1)에서 현재 픽처의 부호화되는 대상블록과 가장 유사한 대응 영역들(즉, 참조 블록들)을 가리키는 양방향의 움직임벡터들(MV0, MV1)이 결정되었다고 가정하자. 이때, 두 개의 움직임벡터들은 대상블록 전체의 움직임을 나타내는 값이다. 도 6의 예시에서, 대상블록 내 샘플 P와 대응되는, 움직임벡터(MV0)가 가리키는 참조픽처(Ref0)내 샘플은 P0이며, 대상블록 내 샘플 P와 대응되는, 움직임벡터(MV1)가 가리키는 참조픽처(Ref1)내 샘플은 P1이다.
이하, 도 6의 예시에서, 샘플 P에 대한 움직임은 대상블록의 전체적인 움직임과는 조금 상이하다라고 가정하자. 예컨대, Ref0 내 샘플 A에 위치하는 물체가 현재 픽처의 대상블록 내 샘플 P를 지나 Ref1 내 샘플 B로 움직였다면, 샘플 A 및 샘플 B는 상당히 유사한 값을 가져야 한다. 따라서, 대상블록 내 샘플 P와 가장 유사한 Ref0 내 지점은 움직임벡터(MV0)가 가리키는 P0이 아니라, P0를 소정의 변위 벡터(vxt0,vyt0)만큼 이동시킨 A이다. 또한, 대상블록 내 샘플 P와 가장 유사한 Ref1 내 지점은 움직임벡터(MV1)가 가리키는 P1이 아니라, P1을 소정의 변위 벡터(-vxt1,-vyt1)만큼 이동시킨 B이다. 여기서, t0와 t1은 현재 픽처를 기준으로 각각 Ref0와 Ref1에 대한 시간축 거리를 의미하며, POC(Picture Order Count)를 기반으로 계산된다. 이때, (vx,vy)를 OF라고 지칭한다. 따라서, OF는 픽처와 픽처 간에 발생하는 픽셀의 움직임을 표현하는, 픽셀 단위의 움직임벡터를 나타낸다.
BDOF에서는, 현재 픽처 내 대상블록의 샘플(P)값을 예측함에 있어서, 두 참조 샘플(A,B)의 값을 이용하여, 양방향 움직임벡터(MV0,MV1)가 가리키는 참조 샘플(P0,P1), 즉 예측 샘플을 이용하는 것보다 좀 더 정확한 예측을 수행한다.
대상블록 내 (루마) 픽셀 (x,y)와 대응되는, 움직임벡터(MV0)가 가리키는 참조픽처(Ref0)내 예측샘플의 값을 I(0)(x,y)라고 정의하고, 대상블록 내 샘플 (x,y)와 대응되는, 움직임벡터(MV1)가 가리키는 참조픽처(Ref1)내 예측샘플의 값을 I(1)(x,y)라고 정의한다.
BDOF 움직임벡터 (vx,vy)가 대상블록 내 샘플에 대응되는 것으로 가리키는 참조픽처 Ref0 내의 샘플 A의 값은 I(0)(i + vxt0,j + vyt0)로 정의될 수 있으며, 참조픽처 Ref1 내의 샘플 B의 값은 I(1)(i - vxt1,j - vyt1)로 정의될 수 있다. 또한, 시간 t0와 t1이 동일하다고 가정하고, 't0+t1'를 이용하여 정규화하면, 샘플 A의 값은 I(0)(i + ½vx,j + ½vy)로 정의될 수 있으며, 샘플 B의 값은 I(1)(i - ½vx,j - ½vy)로 정의될 수 있다
BDOF에서는, 픽셀에 대한 예측샘플들의 값, OF 및 예측샘플에서의 그래디언트(gradient)를 이용하여, 수학식 1에 나타낸 바와 같이, 대상블록의 픽셀값이 예측될 수 있다.
Figure PCTKR2021013218-appb-img-000001
여기서, 픽셀에 대한 예측샘플들의 값은, 인터 예측의 양방향 예측에 사용된 움직임 정보(두 개의 움직임벡터 및 두 개의 참조픽처)를 기반으로 예측된다. b(x,y)는 OF 및 예측샘플에서의 그래디언트를 이용하여 산정된 샘플 오프셋이다. shift는 스케일링 인자이고, ooffset은 반올림 연산을 위한 값으로서 shift의 절반이다.
II. 인터 예측의 머지/스킵 모드
이하, 도 7의 예시를 이용하여, 인터 예측의 머지/스킵 모드에서 움직임벡터의 머지 후보 리스트를 구성하는 방법을 설명한다. 머지 모드를 지원하기 위해, 인터 예측부(124)는 기설정된 개수(예컨대, 6 개)의 머지 후보를 선정하여 머지 후보 리스트를 구성할 수 있다.
도 7은 본 개시의 일 실시예에 따른, 머지/스킵 모드에서 움직임벡터의 후보를 탐색하는 과정을 나타내는 순서도이다.
인터 예측부(124)는 공간적 머지 후보를 탐색한다(S700). 인터 예측부(124)는, 도 4의 예시된 바와 같은 주변블록들로부터 공간적 머지 후보를 탐색한다. 공간적 머지 후보는 최대 4 개까지 선정될 수 있다.
인터 예측부(124)는 시간적 머지 후보를 탐색한다(S702). 인터 예측부(124)는, 대상블록이 위치한 현재 픽처가 아닌 참조픽처(현재블록을 예측하기 위해 사용된 참조픽처와 동일할 수도 있고 다를 수도 있음) 내의 현재블록과 동일 위치에 있는 블록(co-located block)을 시간적 머지 후보로 추가할 수 있다. 시간적 머지 후보는 1 개가 선정될 수 있다.
인터 예측부(124)는 HMVP(History-based Motion Vector Predictor) 후보를 탐색한다(S704). 인터 예측부(124)는 이전 n(여기서, n은 자연수) 개의 CU의 움직임벡터를 테이블에 저장한 후, 머지 후보로 이용할 수 있다. 테이블의 크기는 6이며, FiFO(First-in First Out) 방식에 따라 이전 CU의 움직임벡터를 저장한다. 이는 HMVP 후보가 최대 6 개까지 테이블에 저장됨을 나타낸다. 인터 예측부(124)는 테이블에 저장된 HMVP 후보 중, 최근의 움직임벡터들을 머지 후보로 설정할 수 있다.
인터 예측부(124)는 PAMVP(Pairwise Average MVP) 후보를 탐색한다(S706). 인터 예측부(124)는 머지 후보 리스트에서 첫 번째 후보와 두 번째 후보의 움직임벡터 평균을 머지 후보로 설정할 수 있다.
위의 과정(S700 내지 S706)을 모두 수행해도 머지 후보 리스트를 채울 수 없는 경우(즉, 기설정된 개수를 충원하지 못하는 경우), 인터 예측부(124)는 제로(zero) 움직임벡터를 머지 후보로 추가한다(S708).
III. 아핀 움직임 예측(affine motion prediction)
전술한 바와 같은 인터 예측은 병진 운동(translation motion) 모델을 반영하는 움직임 예측이다. 즉, 수평방향(x축 방향) 및 수직방향(y축 방향)으로의 움직임을 예측하는 기법이다. 그러나, 실제로는 병진 운동 이외에 회전(rotation), 줌-인(zoom-in) 또는 줌-아웃(zoom-out)과 같은 다양한 형태의 움직임이 존재할 수 있다. 본 실시예에 따른 일 측면은 이러한 다양한 형태의 움직임을 반영할 수 있는 아핀 움직임 예측(affine motion prediction)을 제공한다.
도 8은 본 개시의 일 실시예에 따른 아핀 움직임 예측을 설명하기 위한 예시도이다.
아핀 움직임 예측을 위한 두 가지 타입의 모델이 존재할 수 있다. 하나는, 도 8의 (a)에서 보는 바와 같이, 현재 부호화하고자 하는 대상블록의 좌상귀(top-left corner)와 우상귀(top-right corner) 두 개의 제어점 움직임벡터들(Control Point Motion Vectors: CPMVs), 즉, 4 개의 파라미터를 이용하는 모델이다. 다른 하나는, 도 8의 (b)에서 보는 바와 같이, 대상블록의 좌상귀, 우상귀, 좌하귀(bottom-left corner)의 세 개의 제어점의 움직임벡터들, 즉, 6 개의 파라미터를 이용하는 모델이다.
4 파라미터 아핀 모델은 수학식 2에 나타낸 바와 같이 표현된다. 대상블록 내의 샘플 위치 (x,y)에서의 움직임은 수학식 2에 나타낸 바에 따라 연산될 수 있다. 여기서, 대상블록의 좌상단 샘플의 위치는 (0,0)으로 가정된다.
Figure PCTKR2021013218-appb-img-000002
또한, 6 파라미터 아핀 모델은 수학식 3에 나타낸 바와 같이 표현된다. 대상블록 내의 샘플 위치 (x,y)에서의 움직임은 수학식 3에 나타낸 바에 따라 연산될 수 있다.
Figure PCTKR2021013218-appb-img-000003
여기서, (mv0x,mv0y) 는 좌상귀 제어점의 움직임벡터, (mv1x,mv1y)는 우상귀 제어점의 움직임벡터, (mv2x,mv2y)는 좌하귀 제어점의 움직임벡터이다. W는 대상블록의 가로 길이이고, H는 대상블록의 세로 길이이다.
아핀 움직임 예측은, 대상블록 내의 각 샘플마다 수학식 2 또는 수학식 3에 따라 연산된 움직임벡터를 이용하여 수행될 수 있다.
대안적으로, 연산의 복잡도를 줄이기 위해, 도 9에 예시된 바와 같이, 대상블록으로부터 분할된 서브블록 단위로 수행될 수도 있다. 예를 들어, 서브블록의 크기는 4×4일 수 있고, 2×2 또는 8×8일 수도 있다. 이하에서는, 대상블록에 대해 4×4 서브블록 단위로 아핀 움직임 예측을 수행하는 것을 예로 들어 설명한다. 이 예시는 설명의 편의를 위한 것일 뿐, 본 발명의 범위를 제한하는 것은 아니다.
서브블록 단위 아핀 움직임 예측에서, 각 서브블록의 움직임벡터(아핀 움직임벡터)는 수학식 2 또는 3의 (x,y)에 각 서브블록의 중심 위치를 대입함으로써 연산된다. 여기서, 중심 위치는 서브블록의 실제 중심점(center point)일 수도 있고 그 중심점의 우하단 샘플 위치일 수도 있다. 예컨대, 좌하단 샘플의 좌표가 (0,0)인 4×4 서브블록의 경우, 서브블록의 중심 위치는 (1.5,1.5)일 수 있고 또는 (2,2)일 수 있다. 각 서브블록에 대한 예측블록은 해당 서브블록의 아핀 움직임벡터 (mvx,mvy)를 이용하여 생성된다.
움직임벡터 (mvx,mvy)는 1/16 샘플 정확도(precision)을 갖도록 설정될 수 있다. 이 경우, 수학식 2 또는 3에 따라 산출된 움직임벡터 (mvx,mvy)는 1/16 샘플 단위로 반올림될 수 있다.
아핀 움직임 예측은 루마(luma) 성분뿐만 아니라 크로마(chroma) 성분에 대해서도 수행될 수 있다. 4:2:0 비디오 포맷의 경우, 루마 성분에 대해 4×4 서브블록 단위의 아핀 움직임 예측이 수행되었다면, 크로마 성분에 대한 아핀 움직임 예측은 2×2 서브블록 단위로 수행될 수 있다. 크로마 성분의 각 서브블록의 움직임벡터 (mvx,mvy)는 대응하는 루마 성분의 움직임벡터로부터 유도될 수 있다. 대안적으로, 크로마 성분의 아핀 움직임 예측을 위한 서브블록의 크기는 루마 성분의 경우와 동일할 수도 있다. 루마 성분에 대해 4×4 서브블록 단위로 아핀 움직임 예측이 수행되었다면, 크로마 성분에 대해서도 4×4 서브블록 크기로 아핀 움직임 예측이 수행된다. 이 경우, 크로마 성분에 대한 4×4 크기의 서브블록은 루마 성분에 대한 네 개의 4×4 서브블록에 대응하므로, 크로마 성분의 서브블록에 대한 움직임벡터 (mvx,mvy)는 대응하는 루마 성분의 네 개의 서브블록의 움직임벡터들의 평균을 연산하여 산출될 수 있다.
영상 부호화 장치는 인트라 예측, 인터 예측(병진 움직임 예측), 아핀 움직임 예측 등을 수행하고, RD(rate-distortion) 코스트(cost)를 연산하여 최적의 예측 방법을 선택한다. 아핀 움직임 예측을 수행하기 위해, 영상 부호화 장치의 인터 예측부(124)는 두 가지 타입의 모델 중 어느 타입을 사용할지 여부를 결정하고, 결정된 타입에 따라 두 개 또는 세 개의 제어점들을 결정한다. 인터 예측부(124)는 제어점들의 움직임벡터들을 이용하여 대상블록 내의 4×4 서브블록들 각각에 대한 움직임벡터 (mvx,mvy)를 연산한다. 그리고, 각 서브블록의 움직임벡터 (mvx,mvy)를 이용하여 서브블록 단위로 참조픽처 내에서 움직임 보상을 수행함으로써, 대상블록 내의 각 서브블록에 대한 예측블록을 생성한다.
영상 부호화 장치의 엔트로피 부호화부(155)는 대상블록에 아핀 움직임 예측이 적용되었는지 여부를 나타내는 플래그, 아핀 모델의 타입을 나타내는 타입 정보, 및 각 제어점의 움직임벡터를 나타내는 움직임 정보 등을 포함하는 아핀 관련 신택스 요소들을 부호화하여 영상 복호화 장치로 전달한다. 타입 정보와 제어점들의 움직임 정보는 아핀 움직임 예측이 수행되는 경우에 시그널링될 수 있고, 제어점들의 움직임벡터들은 타입 정보에 따라 결정된 개수만큼 시그널링될 수 있다.
영상 복호화 장치는 시그널링된 신택스들을 이용하여 아핀 모델의 타입과 제어점 움직임벡터(control point motion vector)들을 결정하고, 수학식 2 또는 3를 이용하여 대상블록 내의 각 4×4 서브블록에 대한 움직임벡터 (mvx,mvy)를 연산한다. 만약, 대상블록의 아핀 움직임벡터에 대한 움직임벡터 해상도 정보가 시그널링된 경우, 움직임벡터 (mvx,mvy)는 반올림 등의 연산을 이용하여 움직임벡터 해상도 정보에 의해 식별되는 정밀도로 수정된다.
영상 복호화 장치는 각 서브블록에 대한 움직임벡터 (mvx,mvy)를 이용하여 참조픽처 내에서 움직임 보상을 수행함으로써, 각 서브블록에 대한 예측블록을 생성한다.
제어점들의 움직임벡터들을 부호화하기 위해 소요되는 비트량을 줄이기 위해, 전술한 바와 같은 일반적인 인트라 예측(병진 움직임 예측) 방식이 적용될 수 있다.
하나의 예시로서, 머지 모드의 경우, 영상 부호화 장치의 인터 예측부(124)는 기정의된 개수(예컨대, 5 개)의 아핀 머지 후보 리스트를 구성한다. 먼저, 영상 부호화 장치의 인터 예측부(124)는 대상블록의 주변블록들로부터 상속(inherited) 아핀 머지 후보를 유도한다. 예컨대, 도 4에 도시된 대상블록의 주변샘플들(A0, A1, B0, B1, B2)로부터 기정의된 개수의 상속 아핀 머지 후보들을 유도함으로써, 머지 후보 리스트를 생성한다. 후보 리스트에 포함되는 상속 아핀 머지 후보들 각각은 두 개 또는 세 개의 CPMVs의 쌍에 대응한다.
인터 예측부(124)는 대상블록의 주변블록들 중 아핀 모드로 예측된 주변블록의 제어점 움직임벡터들로부터 상속 아핀 머지 후보를 유도한다. 일부 실시예에서, 아핀 모드로 예측된 주변블록들로부터 유도되는 머지 후보의 개수는 제한될 수 있다. 예컨대, 인터 예측부(124)는 A0와 A1 중에서 하나, 그리고 B0, B1, 및 B2 중에서 하나, 총 두 개의 상속 아핀 머지 후보를 아핀 모드로 예측된 주변블록으로부터 유도할 수 있다. 우선순위는 A0, A1의 순서, 그리고 B0, B1, B2의 순서일 수 있다.
한편, 머지 후보의 총 개수가 3 개 이상인 경우, 인터 예측부(124)는 주변블록의 병진 움직임벡터(translational motion vector)로부터 부족한 개수만큼의 조합(constructed) 아핀 머지 후보들을 유도할 수 있다.
도 10은 주변블록의 병진 움직임벡터로부터 아핀 움직임 예측을 위한 조합 아핀 머지 후보들을 유도하는 방법을 설명하기 위한 예시도이다.
인터 예측부(124)는 주변블록 그룹 {B2, B3, A2}, 주변블록 그룹 {B1, B0}, 주변블록 그룹{A1, A0}로부터 각각 하나씩의 제어점 움직임벡터 CPMV1, CPMV2, CPMV3을 유도한다. 하나의 예시로서, 각 주변블록 그룹 내에서의 우선 순위는, B2, B3, A2의 순서, B1, B0의 순서, 그리고 A1, A0의 순서일 수 있다. 또한, 참조픽처 내의 동일 위치 블록(collocated block) T로부터 또 하나의 제어점 움직임벡터 CPMV4를 유도한다. 인터 예측부(124)는 네 개의 제어점 움직임벡터 중에서 두 개 또는 세 개의 제어점 움직임벡터들을 조합하여 부족한 개수만큼의 조합 아핀 머지 후보를 생성한다. 조합의 우선순위는 아래와 같다. 각 그룹 내의 요소들은 좌상귀, 우상귀, 좌하귀 제어점 움직임벡터의 순서로 나열되어 있다.
{CPMV1, CPMV2, CPMV3}, {CPMV1, CPMV2, CPMV4}, {CPMV1, CPMV3, CPMV4},
{CPMV2, CPMV3, CPMV4}, {CPMV1, CPMV2}, {CPMV1, CPMV3}
상속 아핀 머지 후보 및 조합 아핀 머지 후보를 이용하여 머지 후보 리스트를 채울 수 없는 경우, 인터 예측부(124)는 제로 움직임벡터를 후보로 추가할 수 있다.
인터 예측부(124)는 머지 후보 리스트로부터 머지 후보를 선택하여 대상블록에 대한 아핀 움직임 예측을 수행한다. 선택된 후보가 두 개의 제어점 움직임벡터로 이루어진 경우 4 파라미터 모델을 이용하여 아핀 움직임 예측을 수행한다. 반면, 선택된 후보가 세 개의 제어점 움직임벡터로 구성된 경우 6 파라미터 모델을 이용하여 아핀 움직임 예측을 수행한다. 영상 부호화 장치의 엔트로피 부호화부(155)는 머지 후보 리스트 내 머지 후보들 중 선택된 머지 후보를 나타내는 인덱스 정보를 부호화하여 영상 복호화 장치로 시그널링한다.
영상 복호화 장치의 엔트로피 복호화부(510)은 영상 부호화 장치로부터 시그널링된 인덱스 정보를 복호화한다. 영상 복호화 장치의 인터 예측부(544)는 영상 부호화 장치와 동일한 방식으로 머지 후보 리스트를 구성하고, 인덱스 정보에 의해 지시되는 머지 후보에 대응하는 제어점 움직임벡터들을 이용하여 아핀 움직임 예측을 수행한다.
다른 예시로서, AMVP 모드의 경우, 영상 부호화 장치의 인터 예측부(124)는 대상블록에 대한 아핀 모델의 타입과 제어점 움직임벡터들을 결정한다. 그리고, 대상블록의 실제 제어점 움직임벡터들과 각 제어점의 예측 움직임벡터들 간의 차이인 차분 움직임벡터(motion vector difference)를 연산하고 각 제어점에 대한 차분 움직임벡터를 부호화하여 전송한다. 이를 위해, 영상 부호화 장치의 인터 예측부(124)는 기정의된 개수(예컨대, 2 개)의 아핀 AMVP 후보 리스트를 구성한다. 대상블록이 4 파라미터 타입인 경우, 리스트에 포함된 후보들은 각각 두 개의 제어점 움직임벡터의 쌍으로 이루어진다. 반면, 대상블록이 6 파라미터 타입인 경우, 리스트에 포함된 후보들은 각각 세 개의 제어점 움직임벡터들의 쌍으로 이루어진다.
이하, 도 11의 예시를 이용하여, 인터 예측의 아핀 AMVP 모드에서 후보 리스트를 구성하는 방법을 설명한다. 아핀 AMVP 후보 리스트는 전술한 아핀 머지 후보 리스트를 구성하는 방법과 유사하게 유도될 수 있다.
도 11은 본 개시의 일 실시예에 따른, 아핀 AMVP 모드에서 아핀 AMVP 후보를 탐색하는 과정을 나타내는 순서도이다.
인터 예측부(124)는 상속 아핀 AMVP 후보의 참조픽처와 현재블록의 참조픽처가 동일한지를 확인한다(S1100). 여기서, 상속 아핀 AMVP 후보는, 전술한 아핀 머지 모드에서와 같이, 도 4에 도시된 대상블록의 주변블록들(A0, A1, B0, B1, B2) 중 아핀 모드로 예측된 블록일 수 있다.
상속 아핀 AMVP 후보의 참조픽처와 현재블록의 참조픽처가 동일한 경우, 인터 예측부(124)는 해당되는 상속 아핀 AMVP 후보를 추가한다(S1102).
상속 아핀 AMVP 후보의 참조픽처와 현재블록의 참조픽처가 동일하지 않은 경우, 인터 예측부(124)는 조합 아핀 AMVP 후보의 모든 CPMV의 참조픽처와 현재블록의 참조픽처가 동일한지를 확인한다(S1104). 여기서, 조합 아핀 AMVP 후보의 모든 CPMV는, 전술한 아핀 머지 모드에서와 같이, 도 10에 도시된 주변샘플들의 움직임벡터로부터 유도될 수 있다.
조합 아핀 AMVP 후보의 모든 CPMV의 참조픽처와 현재블록의 참조픽처가 동일한 경우, 인터 예측부(124)는 해당되는 조합 아핀 AMVP 후보를 추가한다(S1106).
이때, 대상블록의 아핀 모델 타입이 고려되어야 한다. 영상 부호화 장치는 대상블록의 아핀 모델 타입이 4 파라미터 타입인 경우, 주변블록의 아핀 모델을 이용하여 두 개의 제어점 움직임벡터들(대상블록의 좌상귀 및 우상귀 제어점 움직임벡터들)을 유도한다. 대상블록의 아핀 모델 타입이 6 파라미터 타입인 경우, 주변블록의 아핀 모델을 이용하여 세 개의 제어점 움직임벡터들(대상블록의 좌상귀, 우상귀 및 좌하귀 제어점 움직임벡터들)을 유도한다.
주변블록이 4 파라미터 타입인 경우, 주변블록의 두 개의 제어점 움직임벡터를 이용하여, 대상블록의 아핀 모델 타입에 따라 두 개 또는 세 개의 제어점 움직임벡터들이 예측된다. 예컨대, 수학식 2로 표현된 주변블록의 아핀 모델이 이용될 수 있다. 수학식 2에서 (mv0x,mv0y)와 (mv1x,mv1y)는 각각 주변블록의 좌상귀(top-left corner) 및 우상귀 제어점 움직임벡터로 대체된다. 대상블록의 각 제어점에 대한 예측 움직임벡터는, (x,y)에 대상블록의 해당 제어점의 위치와 주변블록의 좌상귀 위치 간의 차이를 입력함으로써, 유도될 수 있다.
주변블록이 6 파라미터 타입인 경우, 주변블록의 세 개의 제어점 움직임벡터를 이용하여, 대상블록의 아핀 모델 타입에 따라 두 개 또는 세 개의 제어점 움직임벡터들이 예측된다. 예컨대, 수학식 3으로 표현된 주변블록의 아핀 모델이 이용될 수 있다. 수학식 3에서 (mv0x,mv0y), (mv1x,mv1y), 및 (mv2x,mv2y)는 각각 주변블록의 좌상귀, 우상귀 및 좌하귀의 제어점 움직임벡터로 대체된다. 대상블록의 각 제어점에 대한 예측 움직임벡터는, (x,y)에 대상블록의 해당 제어점의 위치와 주변블록의 좌상귀 위치 간의 차이를 입력함으로써, 유도될 수 있다.
모든 CPMV의 참조픽처와 현재블록의 참조픽처가 동일하지 않은 경우, 인터 예측부(124)는 아핀 AMVP 후보로서 병진 움직임벡터를 추가한다(S1108). 병진 움직임벡터는, mv0, mv1, mv2의 순서대로, 현재블록의 CPMV를 예측하기 위해 이용될 수 있다.
위의 과정(S1100 내지 S1108)을 모두 수행해도 후보 리스트를 채울 수 없는 경우(즉, 기설정된 개수를 충원하지 못하는 경우), 인터 예측부(124)는 제로 움직임벡터를 아핀 AMVP 후보로 추가한다(S1110).
영상 부호화 장치의 인터 예측부(124)는 아핀 AMVP 리스트로부터 하나의 후보를 선택하고, 실제 각 제어점의 움직임벡터들과 선택된 후보의 대응하는 제어점의 예측움직임벡터 간의 차분 움직임벡터를 생성한다. 영상 부호화 장치의 엔트로피 부호화부(155)는 대상블록의 아핀 모델 타입을 나타내는 타입 정보, 아핀 AMVP 리스트 내의 후보들 중에서 선택된 후보를 지시하는 인덱스 정보, 및 각 제어점에 대응하는 차분 움직임벡터를 부호화하여 영상 복호화 장치로 전달한다.
영상 복호화 장치의 인터 예측부(544)는 영상 부호화 장치로부터 시그널링된 정보를 이용하여 아핀 모델 타입을 결정하고, 각 제어점의 차분 움직임벡터를 생성한다. 그리고, 영상 부호화 장치와 동일한 방식으로 아핀 AMVP 리스트를 생성하고, 아핀 AMVP 리스트 내에서 시그널링된 인덱스 정보에 의해 지시되는 후보를 선택한다. 영상 복호화 장치의 인터 예측부(544)는 선택된 후보의 각 제어점의 예측 움직임벡터와 대응하는 차분 움직임벡터를 가산하여 각 제어점의 움직임벡터를 산출한다.
IV. 가상 참조프레임 생성 및 인터 예측 모드에서의 이용
가변계수 딥러닝에 기초하는 비디오 예측은 이중 루프 부호화(double-loop coding)로서, 다음과 같은 두 단계의 과정으로 구성된다. 두 단계는, 가변계수 딥러닝 모델을 기반으로 주어진 비디오를 분석하여 딥러닝 모델의 파라미터를 취득하는 단계, 및 취득한 딥러닝 모델의 파라미터를 비디오 예측 과정에 응용하되, 부호화된 비트스트림과 딥러닝 모델의 파라미터를 전송하여 영상 부호화 및 복호화에 사용하는 단계를 포함한다.
첫 번째 단계에서는, 비디오의 움직임 예측에 관련된 딥러닝 모델의 파라미터가 개별 비디오에 적응되도록, 해당 개별 비디오를 학습용 데이터로 활용하여 영상 부호화 장치가 딥러닝 모델을 트레이닝한다. 예를 들어, 비디오의 움직임 예측 신호의 보정, 움직임벡터의 정밀화, 움직임벡터의 해상도 변경, 및 참조 프레임의 개선 중 하나 또는 이상의 목적을 달성하기 위해 딥러닝 모델이 사용될 수 있다.
딥러닝 모델은, 움직임 예측, 움직임 보간(interpolation), 움직임 보외(extrapolation) 등의 기능을 제공하는 고정계수(fixed coefficient)를 포함하는 레이어들(이하, '고정계수 네트워크')과 가변계수를 포함하는 하나 이상의 콘볼루션 레이어(convolution layer)의 결합일 수 있다. 또는, 가변계수만을 포함하는 콘볼루션 레이어들(이하, '가변계수 네트워크')이 딥러닝 모델로 이용될 수 있다. 어느 형태의 딥러닝 모델이든, 전술한 바와 같이, 개별 비디오에 적응되도록 트레이닝된다.
두 번째 과정에서는, 트레이닝된 딥러닝 모델을 이용하여, 영상 부호화 장치 및 영상 복호화 장치는 움직임 예측 신호의 개선, 움직임벡터의 정밀화와 초해상화, 참조프레임의 PSNR(Peak Signal to Noise Ratio) 개선 등을 수행한다. 이러한 기능을 수행하는 딥러닝 모델의 활용은 블록 단위 또는 비디오 시퀀스 단위에서 제어될 수 있다. 예를 들어, 비디오의 시퀀스 파라미터 세트(SPS), 비디오 파라미터 세트(VPS), 픽처 파라미터 세트(PPS), 또는 그 이하의 서브 픽처나 타일에서 딥러닝 모델을 사용 가능하도록 하는 플래그가 이용될 수 있다. 또는 비디오의 블록 단위, 즉, CTU 또는 CU 단위에서 딥러닝 모델을 사용 가능하도록 하는 플래그가 이용될 수 있다. 영상 부호화 장치는 부호화된 비트스트림과 딥러닝 모델의 가변계수 값들을 영상 복호화 장치에게 전송한다.
첫 번째 단계에서 딥러닝 모델의 가변계수 네트워크를 트레이닝하는데 시간이 소요될 수 있으므로, 가변계수 딥러닝은 저지연 부호화(low delay coding)가 요구되는 분야, 예컨대 실시간 화상 회의, 실시간 스트리밍 서비스 등에는 적용이 어려울 수 있다. 하지만, 저장된 비디오를 이용하여 첫 번째 단계를 사전에 수행하는 것이 가능하므로, 임의 접근 부호화(random access coding)를 이용하는 분야에는 가변계수 딥러닝이 적용이 용이할 수 있다.
이하, 딥러닝 모델로서 가변계수 네트워크를 포함하는 비디오 보간 모델(이하, '가변계수 보간 모델' 또는 '보간 모델')을 이용하는 실시예를 설명한다. 전술한 바와 같이, 보간 모델은 고정계수 네트워크도 포함할 수 있다. 이러한 보간 모델을 이용하여 참조 프레임들로부터 가상(virtual) 참조프레임을 생성하고, 가상 참조프레임을 이용하여 비디오를 부호화하는 과정, 및 부호화된 비트스트림과 가변계수 딥러닝 모델을 전송하여 비디오를 복호화하는 과정을 설명한다. 하지만 전술한 사례에 한정하지 않고, 움직임 예측 신호의 개선 및 움직임벡터의 정밀화에도 가변계수 딥러닝 모델을 이용함으로써, 본 발명의 적용 분야가 확장될 수 있다.
영상 부호화 및 복호화 장치는, 보간 모델이 생성한 가상 참조프레임을 참조픽처 리스트에 포함시킨 후, 머지 모드 및 AMVP 모드에서의 움직임 예측에 사용함으로써, 부호화 이득을 얻을 수 있다. 이때, 가상 참조프레임이 원본 프레임과 유사할수록 부호화 효율이 증가하는 것으로 알려져 있다(비특허문헌 1 참조). 가상 참조프레임의 생성 시, 입력 프레임에 과적합(overfitting)되도록 적응적으로 학습된 가변계수 보간 모델을 이용함으로써, 영상 부호화 및 복호화 장치는 더욱 용이하게 원본 프레임과 유사한 프레임을 생성할 수 있다. 따라서, 본 개시에서는 도 12 내지 도 14에 예시된 바와 같은, 가변계수 보간 모델을 이용하여 가상 참조프레임을 생성하고, 가상 참조프레임을 이용하여 부호화 효율을 증대시키는 방법을 설명한다.
도 12는 본 개시의 일 실시예에 따른 보간 모델을 포함하는 영상 부호화 장치를 나타내는 블록도이다.
도 12에 예시된 바와 같이, 영상 부호화 장치는, 메모리(190)에 저장된 이미 복호화된 주변 참조프레임으로부터 가상 참조프레임을 생성하는 가상프레임 생성부(1210)를 포함할 수 있다. 여기서, 가상프레임 생성부(1210)는 가변계수 보간 모델을 포함한다. 보간 모델의 동작은 추후 설명하기로 한다.
도 13은 본 개시의 일 실시예에 따른 보간 모델을 포함하는 영상 복호화 장치를 나타내는 블록도이다.
도 13에 예시된 바와 같이, 영상 복호화 장치는, 메모리(570)에 저장된 이미 복호화된 주변 참조프레임으로부터 가상 참조프레임을 생성하는 가상프레임 생성부(1310)을 포함할 수 있다. 여기서, 가상프레임 생성부(1310)는 가변계수 보간 모델을 포함한다. 보간 모델의 동작은 추후 설명하기로 한다.
도 14는 본 개시의 일 실시예에 따른, 영상 부호화 장치 및 영상 복호화 장치에서 이용하는 보간 모델의 동작을 나타내는 예시도이다.
영상 부호화 장치의 가상프레임 생성부(1210)는, 보간 모델을 이용하여 복호화된 주변 참조 프레임들 Xt-1과 Xt+1로부터 원본 프레임 Xt와 매우 유사하도록 추론된 프레임 Xt,pred을 생성한다. 추론된 프레임 Xt,pred은 가상 참조프레임으로 사용된다. 원본 프레임과 매우 유사한 프레임 Xt,pred을 생성할 수 있도록 적응적으로 트레이닝된 보간 모델을 이용하면, 영상 부호화 장치는 높은 유사도의 가상 참조프레임을 생성할 수 있다. 따라서, 영상 부호화 장치는 부호화하고자 하는 입력 프레임을 적응적으로 학습한 가변계수 보간 모델을 이용할 수 있다. 이때, 영상 부호화 장치는 트레이닝된 보간 모델의 가변계수 값들을 영상 복호화 장치로 전송한다.
보간 모델이 포함하는 가변계수의 개수가 많을수록, 입력 프레임을 타겟 프레임에 과적합시키는 것이 용이하여지도록 가변계수 보간 모델을 트레이닝시킬 수 있다. 그러나 보간 모델을 이용하여 원본 프레임과 유사한 프레임을 생성하기 위해 가변계수의 개수가 많아진다면, 전송할 비트 수의 증가를 초래하여 부호화 효율을 감소시킬 수 있다. 따라서, 가변계수 보간 모델로는 가장 적은 수의 가변계수를 사용하면서도 부호화 효율이 좋은 모델이 고려되어야 한다.
한편, 영상 복호화 장치의 가상프레임 생성부(1310)는, 전술한 바와 같이, 영상 부호화 장치로부터 전송된 가변계수 값들을 이용하여 보간 모델의 가변계수를 설정한다. 보간 모델은 이미 복호화된 주변 참조 프레임들 Xt-1과 Xt+1로부터 원본 프레임 Xt와 매우 유사한 프레임 Xt,pred을 추론한다. 추론된 프레임 Xt,pred은 가상 참조프레임으로 사용된다.
이하, 영상 부호화 장치에서 수행하는 보간 모델의 학습을 설명한다. 전술한 바와 같이, 보간 모델의 학습은 가변계수 딥러닝에 기초하는 비디오 예측의 첫 번째 단계에 해당한다.
보간 모델이 가상 참조프레임을 생성하는 것을 학습하도록 하기 위하여, 영상 부호화 장치는 트레이닝부(미도시)를 추가로 구비하거나, 외부의 트레이닝부와 연동되는 형태로 구현될 수 있다.
전술한 바와 같은, 이미 복호화된 주변 참조 프레임들 Xt-1과 Xt+1로부터 추론 프레임 Xt,pred을 생성하는 보간 모델 f의 동작은 수학식 4와 같이 나타낼 수 있다.
Figure PCTKR2021013218-appb-img-000004
여기서, θt는 가변계수에 해당하는 파라미터이다.
트레이닝부는 부호화하고자 하는 프레임에 과적합되도록 파라미터 θt를 업데이트할 수 있다. 이때, 보간 모델을 트레이닝하기 위한 손실함수(loss function)는 수학식 5에 나타낸 바와 같이 정의된다.
Figure PCTKR2021013218-appb-img-000005
여기서, H와 W 각각은 프레임의 세로 및 가로의 픽셀 수를 나타낸다. Xt,i,pred는 추론 프레임 Xt,pred의 픽셀 단위의 값을 나타내고, Xt,i는 원본 프레임의 픽셀 단위의 값을 나타낸다. 전술한 바와 같이, 영상 부호화 장치는 프레임별로 트레이닝이 완료된 가변계수 θt의 값들을 영상 복호화 장치로 전송한다. 영상 복호화 장치는, 전송 받은 가변계수 θt의 값들을 이용하여 영상 부호화 장치에 포함된 것과 동일한 보간 모델의 가변계수 θt를 설정한 후, 수학식 4에 나타낸 바와 동일한 방법으로 가상 참조프레임을 생성할 수 있다.
도 15는 본 개시의 실시예에 따른 가변계수 보간 모델의 예시들이다.
도 15에 예시된 보간 모델들은, 영상 처리에 적합한 CNN(Convolutional Neural Network) 기반 딥러닝 모델일 수 있다.
본 개시에 따른 보간 모델은, 도 15의 (a)에 나타낸 바와 같이, 주변 참조 프레임들로부터 추론 프레임을 바로 생성하는 딥러닝 모델일 수 있다.
본 개시에 따른 다른 실시예에 있어서, 보간 모델은, 도 15의 (b)에 나타낸 바와 같이, 마스크를 이용하는 딥러닝 모델일 수 있다(비특허문헌 1 참조). 이때, 보간 모델은 참조 프레임들로부터 마스크를 생성한 후, 마스크를 이용하여 이미 복호화된 주변 참조 프레임들 Xt-1과 Xt+1을 가중합함으로써 추론 프레임 Xt,pred를 생성할 수 있다.
본 개시에 따른 또다른 실시예에 있어서, 보간 모델은, 도 15의 (c)에 나타낸 바와 같이, 옵티컬 플로우를 이용하는 딥러닝 모델일 수 있다. BDOF와 관련하여 기술한 바와 같이, OF를 이용하는 딥러닝 모델은 시간 정규화를 가정하여, 추론 프레임 Xt,pred를 생성할 수 있다. 보간 모델은 참조 프레임들로부터 OF를 생성한 후, OF를 기반으로 참조 프레임들을 와핑(warping)함으로써 추론 프레임 Xt,pred를 생성할 수 있다.
한편, 도 15에 예시된 어느 보간 모델이든 수학식 5에 나타낸 손실함수를 기반으로 가변계수가 업데이트될 수 있다.
가변계수 보간 모델로는 도 15에 예시된 어느 딥러닝 모델이든 사용될 수 있다. 하지만, 가변계수 값들이 전송되어야 하므로, 가장 간략한 모델을 사용해야만 부호화 효율 향상시킬 수 있다. 반면, 가변계수의 개수를 적게 사용할수록 과적합이 어렵다는 문제가 있다.
전술한 바와 같이, 보간 모델에서, 가변계수를 포함하는 부분을 가변계수 네트워크로 나타낸다.
도 16은 본 개시의 일 실시예에 따른 고정계수 네트워크를 더 포함하는 보간 모델을 나타내는 예시도이다.
따라서, 도 16의 예시와 같이, 고정계수 네트워크을 더 포함하는 보간 모델은, 입력 프레임들로부터 부호화하고자 하는 프레임과 유사한 프레임인 Xt-1→t와 Xt+1→t를 중간 출력으로 생성한다. 이때, 고정계수 네트워크는 전체 데이터에 기초하여 영상 부호화 장치에서 사전에 트레이닝될 수 있다. 또한, 영상 부호화 장치와 영상 복호화 장치에 동일한 고정계수 값들에 저장한 채로, 영상 부호화 장치와 영상 복호화 장치는 사전 약속에 따라 고정계수 네트워크를 설정할 수 있다.
중간 출력 Xt-1→t와 Xt+1→t를 이용함으로써 보간 모델은 더 적은 개수의 가변계수를 이용하여 좋은 성능을 제공할 수 있다. 또한, 영상 부호화 장치는 가변계수 네트워크에 적용되는 가변계수 값들을 영상 복호화 장치로 전송한다.
도 16의 예시와 같이, 고정계수 네트워크의 뒤에 가변계수 네트워크를 결합하여 부호화하고자 하는 프레임에 과적합하는 것이 가능하나, 다른 실시예로서, 고정계수 네트워크가 없이 가변 계수 네트워크만이 이용될 수 있다. 이때, 가변계수 네트워크만을 포함하는 보간 모델은, student-teacher network에 기반하는 학습 방법을 이용하여, 기존의 고정계수 네트워크를 포함하는 보간 모델의 축약 형태로 구현될 수 있다.
이하, 도 17의 예시를 이용하여, 가변계수의 데이터량을 감소시키는 방안을 설명한다.
도 17은 본 개시의 일 실시예에 따른, 가변계수를 전송하는 방법을 나타내는 예시도이다.
영상 부호화 장치는 프레임 단위 또는 GOP(Group of Picture) 단위로 가변계수를 전송할 수 있다. 도 17의 (a)에 예시된 바와 같이, 모든 t 단위, 즉 매 프레임마다 가변계수 θt를 전송하는 것이 가능하다. 하지만, 영상 부호화 장치는 GOP 단위 또는 복수의 GOP 단위로 가변계수를 전송함으로써 가변계수의 데이터량을 감소시킬 수 있다.
예컨대, 도 17의 (b)에 예시된 바와 같이 GOP의 크기가 8인 경우, 영상 부호화 장치는 GOP 단위로 가변계수를 전송함으로써 4 장의 프레임에 대응되는 가변계수를 전송할 수 있다. 또한, 영상 부호화 장치는 2 개의 GOP, 3 개의 GOP 단위 등으로 전송 주기를 확장할 수 있다. 이때, 입력 프레임을 배치(batch)로 누적한 채로 보간 모델을 한번에 학습할 수 있는데, 트레이닝부는 수학식 6과 같이 시간 t를 고려하는 손실함수를 사용할 수 있다.
Figure PCTKR2021013218-appb-img-000006
여기서, T는 학습용 배치에 포함되는 프레임의 개수를 나타낸다.
한편, 트레이닝 과정에서 기본적으로 부동소수점(floating point) 32 비트 형식의 가변계수 θt가 이용되나, 영상 부호화 장치는 16 비트, 8 비트, 또는 더 적은 비트수를 갖는 소수점 형식으로 가변계수 값들을 변경한 후, 영상 복호화 장치로 전송할 수 있다.
본 개시에 따른 다른 실시예에 있어서, 영상 부호화 장치는 가변계수 θt를 양자화한 후, 영상 복호화 장치로 전송할 수 있다. 예컨대, 영상 부호화 장치는 가변계수 θt의 범위를 균일한 구간으로 분할하여 양자화할 수 있다.
본 개시에 따른 다른 실시예에 있어서, 프레임 또는 GOP별로 가변계수 값들을 직접 전송하는 대신, 영상 부호화 장치는 기설정된 개수의 가변계수 세트를 전송할 수 있다. 또는, 영상 부호화 장치와 영상 복호화 장치에 동일한 가변계수 세트를 저장한 채로, 영상 부호화 장치는, 가변계수 세트를 지정하기 위해 기정의된 인덱스만을 전송할 수 있다. 여기서, 가변계수 세트는, 비디오 시퀀스의 신호 특성, 비디오 콘텐츠의 종류, 양자화 파라미터 등에 따라, 보간 모델의 학습 과정에서 사전에 결정될 수 있다.
이하, 도 18 및 도 19의 순서도를 이용하여, 보간 모델에 의해 생성된 가상 참조프레임을 인터 예측에 이용하는 과정을 설명한다.
도 18은 본 개시의 일 실시예에 따른, 인터 예측의 머지/스킵 모드에서 가상 참조프레임을 이용하는 과정에 대한 순서도를 나타낸다.
인터 예측부(124)는 공간적 머지 후보를 탐색한다(S1800). 인터 예측부(124)는, 도 4의 예시된 바와 같은 주변블록들로부터 공간적 머지 후보를 탐색한다. 이때, 주변블록의 참조픽처는 가상 참조프레임 또는 기존의 참조 프레임일 수 있다.
인터 예측부(124)는 가상 참조프레임을 고려하여 시간적 머지 후보를 탐색한다(S1802).
인터 예측부(124)는 현재블록과 동일 위치에 있는 블록이 존재하는 픽처와 시간적 머지 후보의 참조 프레임이 가상 참조프레임인지 또는 기존의 참조 프레임인지 확인한다.
현재블록과 동일 위치에 있는 블록이 존재하는 픽처와 시간적 머지 후보의 참조 프레임이 모두 가상 참조프레임인 경우, 인터 예측부(124)는 제로 움직임벡터를 후보로 설정하고, 현재 픽처의 가상 참조프레임을 스킵 또는 머지 모드에서 사용한다.
현재블록과 동일 위치에 있는 블록이 존재하는 픽처가 가상 참조프레임이고 시간적 머지 후보의 참조 프레임은 기존의 참조 프레임인 경우, 인터 예측부(124)는 제로 움직임벡터를 후보로 설정하고, 현재 픽처의 가상 참조프레임을 스킵 또는 머지 모드에서 사용한다. 또는, 인터 예측부(124)는 해당 후보를 시간적 머지 후보로 설정하지 않을 수 있다.
반면, 현재블록과 동일 위치에 있는 블록이 존재하는 픽처가 기존의 참조 프레임이고 시간적 머지 후보의 참조 프레임은 가상 참조프레임인 경우, 인터 예측부(124)는 제로 움직임벡터를 후보로 설정하고, 현재 픽처의 가상 참조프레임을 스킵 또는 머지 모드에서 사용한다. 또는, 인터 예측부(124)는 해당 후보를 시간적 머지 후보로 설정하지 않을 수 있다.
인터 예측부(124)는 HMVP 후보를 탐색한다(S1804). 인터 예측부(124)는, 이전 n 개의 CU의 움직임벡터를 테이블에 저장 시, 가상 참조프레임을 참조하여 부호화한 CU를 포함시킬 수 있다. 전술한 바와 같이, 인터 예측부(124)는 테이블에 저장된 HMVP 후보 중, 최근의 움직임벡터들을 머지 후보로 설정할 수 있다.
인터 예측부(124)는 PAMVP 후보를 탐색한다(S1806).
우선, PAMVP의 참조픽처는 첫 번째 머지 후보의 참조픽처와 동일하게 설정된다. 첫 번째 머지 후보가 가상 참조프레임을 이용한다면, 인터 예측부(124)는 제로 움직임벡터와 두 번째 후보의 움직임벡터 간의 평균에 해당하는 움직임벡터를 머지 후보로 설정할 수 있다.
위의 과정(S1800 내지 S1806)를 모두 수행해도 머지 후보 리스트를 채울 수 없는 경우(즉, 기설정된 개수를 충원하지 못하는 경우), 인터 예측부(124)는 제로 움직임벡터를 머지 후보로 추가한다(S1808).
도 19는 본 개시의 일 실시예에 따른, 인터 예측의 아핀 AMVP 모드에서 가상 참조프레임을 이용하는 과정에 대한 순서도를 나타낸다.
인터 예측부(124)는 상속 아핀 AMVP 후보의 참조 픽처와 현재블록의 참조 픽처가 동일한지를 확인한다(S1900).
상속 아핀 AMVP 후보의 참조 픽처와 현재블록의 참조 픽처가 동일한 경우, 인터 예측부(124)는 동일한 참조 픽처가 가상 참조프레임인지 기존의 참조 프레임인지를 확인한다(S1902).
동일한 참조 픽처가 가상 참조프레임인 경우, 인터 예측부(124)는 제로 움직임벡터를 아핀 AMVP 후보로 추가한다(S1904).
동일한 참조 픽처가 기존의 참조 프레임인 경우, 인터 예측부(124)는 해당되는 상속 아핀 AMVP 후보를 추가한다(S1906). 또는, 인터 예측부(124)는 해당 후보를 상속 아핀 AMVP 후보로 추가하지 않을 수 있다.
상속 아핀 AMVP 후보의 참조 픽처와 현재블록의 참조 픽처가 동일하지 않은 경우, 인터 예측부(124)는 조합 아핀 AMVP 후보의 모든 CPMV의 참조 픽처와 현재블록의 참조 픽처가 동일한지를 확인한다(S1910).
조합 아핀 AMVP 후보의 모든 CPMV의 참조 픽처와 현재블록의 참조 픽처가 동일한 경우, 동일한 참조 픽처가 가상 참조프레임인지 기존의 참조 프레임인지를 확인한다(S1912).
동일한 참조 픽처가 가상 참조프레임인 경우, 인터 예측부(124)는 제로 움직임벡터를 아핀 AMVP 후보로 추가한다(S1914).
동일한 참조 픽처가 기존의 참조 프레임인 경우, 인터 예측부(124)는 해당되는 조합 아핀 AMVP 후보를 추가한다(S1916). 또는, 인터 예측부(124)는 해당 후보를 조합 아핀 AMVP 후보로 추가하지 않을 수 있다.
조합 아핀 AMVP 후보의 모든 CPMV의 참조 픽처와 현재블록의 참조 픽처가 동일하지 않은 경우, 인터 예측부(124)는 아핀 AMVP 후보로서 병진 움직임벡터를 추가한다(S1920).
위의 과정(S1900 내지 S1920)을 모두 수행해도 후보 리스트를 채울 수 없는 경우(즉, 기설정된 개수를 충원하지 못하는 경우), 인터 예측부(124)는 제로 움직임벡터를 아핀 AMVP 후보로 추가한다(S1922).
한편, 이상의 설명에서, 병진 움직임벡터를 후보로 추가하는 단계를 제외한 나머지 단계들(S1900 내지 S1916, 및 S1922)은, 인터 예측부(124)에 의한 아핀 머지 후보의 탐색 과정에도 유사하게 적용될 수 있다.
이상에서 설명한 바와 같이 본 실시예에 따르면, 가변계수 딥러닝 기반 보간 모델에 의해 생성된 가상 참조프레임을 참조하는 인터 예측 방법을 제공함으로써, 인터 예측의 효과를 증대시키고, 부호화 효율을 향상시키는 것이 가능해지는 효과가 있다.
본 실시예에 따른 각 순서도에서는 각각의 과정을 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 순서도에 기재된 과정을 변경하여 실행하거나 하나 이상의 과정을 병렬적으로 실행하는 것이 적용 가능할 것이므로, 순서도는 시계열적인 순서로 한정되는 것은 아니다.
이상의 설명에서 예시적인 실시예들은 많은 다른 방식으로 구현될 수 있다는 것을 이해해야 한다. 하나 이상의 예시들에서 설명된 기능들 혹은 방법들은 하드웨어, 소프트웨어, 펌웨어 또는 이들의 임의의 조합으로 구현될 수 있다. 본 명세서에서 설명된 기능적 컴포넌트들은 그들의 구현 독립성을 특히 더 강조하기 위해 "...부(unit)" 로 라벨링되었음을 이해해야 한다.
한편, 본 실시예에서 설명된 다양한 기능들 혹은 방법들은 하나 이상의 프로세서에 의해 판독되고 실행될 수 있는 비일시적 기록매체에 저장된 명령어들로 구현될 수도 있다. 비일시적 기록매체는, 예를 들어, 컴퓨터 시스템에 의하여 판독가능한 형태로 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 예를 들어, 비일시적 기록매체는 EPROM(erasable programmable read only memory), 플래시 드라이브, 광학 드라이브, 자기 하드 드라이브, 솔리드 스테이트 드라이브(SSD)와 같은 저장매체를 포함한다.
이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
(부호의 설명)
190, 570: 메모리 510: 엔트로피 복호화부
124, 544: 인터 예측부
1210, 1310: 가상프레임 생성부
CROSS-REFERENCE TO RELATED APPLICATION
본 특허출원은 2020년 9월 28일 한국에 출원한 특허출원번호 제10-2020-0126111 호, 2021년 9월 28일 한국에 출원한 특허출원번호 제10-2021-0127795 호에 대해 우선권을 주장하며, 그 모든 내용은 참고문헌으로 본 특허출원에 병합된다.

Claims (16)

  1. 영상 복호화 장치가 수행하는 영상 복호화 방법에 있어서,
    비트스트림으로부터 가변계수 값들, 아핀(affine) 예측 플래그, 및 부호화 모드를 복호화하는 단계, 여기서, 상기 아핀 예측 플래그는 현재블록에 대한 아핀 움직임 예측의 적용 여부를 나타내고, 상기 부호화 모드는 상기 현재블록의 움직임 정보의부호화 모드로서 머지 모드(merge mode) 또는 AMVP(Advanced Motion Vector Prediction) 모드를 나타냄;
    보간 모델(interpolation model)을 이용하여 참조 프레임들에 기초하여 가상 참조프레임을 생성하는 단계, 여기서, 상기 가변계수 값들을 이용하여 상기 보간 모델 상의 가변계수 네트워크가 설정됨; 및
    상기 부호화 모드가 상기 머지 모드인 경우, 상기 가상 참조프레임 및 상기 참조 프레임들에 기초하여 상기 현재블록의 머지 후보를 생성하는 단계
    를 포함하는 것을 특징으로 하는, 영상 복호화 방법.
  2. 제1항에 있어서,
    상기 보간 모델은,
    상기 참조 프레임들로부터 상기 가상 참조프레임을 바로 생성하는 딥러닝 모델, 상기 참조 프레임들로부터 마스크를 생성한 후, 상기 마스크를 기반으로 상기 참조 프레임들을 가중합하여 상기 가상 참조프레임을 생성하는 딥러닝 모델, 또는, 상기 참조 프레임들로부터 옵티컬 플로우를 생성한 후, 상기 옵티컬 플로우를 기반으로 상기 참조 프레임들을 와핑(warping)하여 상기 가상 참조프레임을 생성하는 딥러닝 모델 중의 하나인 것을 특징으로 하는, 영상 복호화 방법.
  3. 제1항에 있어서,
    상기 보간 모델이 생성하는 추론 프레임과 원본 프레임 간의 차이에 기반하는 손실함수를 이용하여, 영상 부호화 장치가 상기 보간 모델의 가변계수 네트워크를 업데이트하여 상기 가변계수 값들을 생성하는 것을 특징으로 하는, 영상 복호화 방법.
  4. 제1항에 있어서,
    상기 보간 모델은,
    고정계수 네트워크를 추가로 포함하되, 상기 고정계수 네트워크의 고정계수 값들은 원본 참조 프레임 전체에 기초하는 사전학습에서 생성되고, 사전 약속에 따라 설정되는 것을 특징으로 하는, 영상 복호화 방법.
  5. 제4항에 있어서,
    상기 보간 모델의 가변계수 네트워크는,
    상기 고정계수 네트워크의 후단에 연결되는 것을 특징으로 하는, 영상 복호화 방법.
  6. 제1항에 있어서,
    상기 가변계수 값들은,
    프레임 단위, 또는 적어도 하나의 GOP(Group of Pictures) 단위로 복호화되는 것을 특징으로 하는, 영상 복호화 방법.
  7. 제1항에 있어서,
    상기 머지 후보를 생성하는 단계는,
    공간적 머지 후보를 탐색하는 단계; 및
    상기 가상 참조프레임을 고려하여 시간적 머지 후보를 탐색하는 단계
    를 포함하는 것을 특징으로 하는, 영상 복호화 방법.
  8. 제7항에 있어서,
    상기 시간적 머지 후보를 탐색하는 단계는,
    상기 현재블록과 동일 위치에 있는(co-located) 블록이 존재하는 픽처와 상기 시간적 머지 후보의 참조 프레임이 모두 상기 가상 참조프레임인 경우, 제로 움직임벡터를 상기 머지 후보로 설정하는 것을 특징으로 하는, 영상 복호화 방법.
  9. 제1항에 있어서,
    상기 아핀 예측 플래그가 참이고, 상기 부호화 모드가 상기 AMVP 모드인 경우, 아핀 AMVP 후보를 생성하는 단계를 더 포함하되,
    상기 아핀 AMVP 후보를 생성하는 단계는,
    상기 가상 참조프레임을 고려하여 상속(inherited) 아핀 AMVP 후보를 추가하는 단계; 및
    상기 가상 참조프레임을 고려하여 조합(constructed) 아핀 AMVP 후보를 추가하는 단계;
    를 포함하는 것을 특징으로 하는, 영상 복호화 방법.
  10. 제9항에 있어서,
    상기 상속 아핀 AMVP 후보를 추가하는 단계는,
    상속 아핀 AMVP 후보의 참조 픽처와 상기 현재블록의 참조 픽처가 동일 참조픽처이고, 상기 동일 참조픽처가 상기 가상 참조프레임인 경우, 제로 움직임벡터를 상기 아핀 AMVP 후보로 추가하는 것을 특징으로 하는, 영상 복호화 방법.
  11. 제9항에 있어서,
    상기 조합 아핀 AMVP 후보를 추가하는 단계는,
    상기 조합 아핀 AMVP 후보의 모든 제어점 움직임벡터들(control point motion vectors)의 참조 픽처와 상기 현재블록의 참조 픽처가 동일 참조픽처이고, 상기 동일 참조픽처가 상기 가상 참조프레임인 경우, 제로 움직임벡터를 상기 아핀 AMVP 후보로 추가하는 것을 특징으로 하는, 영상 복호화 방법.
  12. 영상 부호화 장치가 수행하는 영상 부호화 방법에 있어서,
    사전에 생성된 가변계수 값들, 및 기설정된 부호화 모드를 획득하는 단계, 여기서, 상기 부호화 모드는 현재블록의 움직임 정보의 부호화 모드로서 머지 모드(merge mode) 또는 AMVP(Advanced Motion Vector Prediction) 모드를 나타냄;
    보간 모델(interpolation model)을 이용하여 참조 프레임들로부터 가상 참조프레임을 생성하는 단계, 여기서, 상기 가변계수 값들을 이용하여 상기 보간 모델 상의 가변계수 네트워크가 설정됨; 및
    상기 부호화 모드가 상기 머지 모드인 경우, 상기 가상 참조프레임 및 상기 참조 프레임들에 기초하여 상기 현재블록의 머지 후보를 생성하는 단계
    를 포함하는 것을 특징으로 하는, 영상 부호화 방법.
  13. 제12항에 있어서,
    상기 보간 모델이 생성하는 추론 프레임과 원본 프레임 간의 차이에 기반하는 손실함수를 이용하여, 상기 보간 모델의 가변계수 네크워크를 업데이트하여 상기 가변계수 값들을 생성하는 것을 특징으로 하는, 영상 부호화 방법.
  14. 제12항에 있어서,
    상기 보간 모델은,
    고정계수 부분을 추가로 포함하되, 상기 고정계수 부분의 고정계수 값들은 원본 참조 프레임 전체에 기초하는 사전학습에서 생성되고, 사전 약속에 따라 설정되는 것을 특징으로 하는, 영상 부호화 방법.
  15. 제12항에 있어서,
    상기 가변계수 값들은,
    프레임 단위, 또는 적어도 하나의 GOP(Group of Pictures) 단위로 부호화되는 것을 특징으로 하는, 영상 부호화 방법.
  16. 비트스트림으로부터 가변계수 값들, 및 부호화 모드를 복호화하는 엔트로피 복호화부, 여기서, 상기 부호화 모드는 현재블록의 움직임 정보의 부호화 모드로서 머지 모드(merge mode) 또는 AMVP(Advanced Motion Vector Prediction) 모드를 나타냄;
    보간 모델(interpolation model)을 이용하여 참조 프레임들로부터 가상 참조프레임을 생성하는 가상프레임 생성부, 여기서, 상기 가변계수 값들을 이용하여 상기 보간 모델 상의 가변계수 네트워크가 설정됨; 및
    상기 부호화 모드가 상기 머지 모드인 경우, 상기 가상 참조프레임 및 상기 참조 프레임들에 기초하여 상기 현재블록의 머지 후보를 생성하는 인터 예측부
    를 포함하는 것을 특징으로 하는, 영상 복호화 장치.
PCT/KR2021/013218 2020-09-28 2021-09-28 가변계수 딥러닝 기반 인터 예측 방법 WO2022065977A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202180064055.7A CN116194957A (zh) 2020-09-28 2021-09-28 基于可变系数深度学习的帧间预测方法
US18/126,623 US20230239462A1 (en) 2020-09-28 2023-03-27 Inter prediction method based on variable coefficient deep learning

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2020-0126111 2020-09-28
KR20200126111 2020-09-28
KR10-2021-0127795 2021-09-28
KR1020210127795A KR20220043053A (ko) 2020-09-28 2021-09-28 가변계수 딥러닝 기반 인터 예측 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/126,623 Continuation US20230239462A1 (en) 2020-09-28 2023-03-27 Inter prediction method based on variable coefficient deep learning

Publications (1)

Publication Number Publication Date
WO2022065977A1 true WO2022065977A1 (ko) 2022-03-31

Family

ID=80846784

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/013218 WO2022065977A1 (ko) 2020-09-28 2021-09-28 가변계수 딥러닝 기반 인터 예측 방법

Country Status (3)

Country Link
US (1) US20230239462A1 (ko)
CN (1) CN116194957A (ko)
WO (1) WO2022065977A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023191599A1 (ko) * 2022-04-01 2023-10-05 주식회사 케이티 비디오 신호 부호화/복호화 방법, 그리고 비트스트림을 저장한 기록 매체

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180119753A (ko) * 2017-04-26 2018-11-05 강현인 압축 파라미터를 이용한 영상 복원용 머신러닝 알고리즘 및 이를 이용한 영상 복원방법
KR20190096281A (ko) * 2018-02-08 2019-08-19 한국전자통신연구원 신경망에 기반하는 비디오 부호화 및 비디오 복호화를 위한 방법 및 장치
KR20190116067A (ko) * 2018-04-03 2019-10-14 한국전자통신연구원 딥 러닝에 기반하여 생성된 참조 프레임을 이용하는 인터 예측을 위한 방법 및 장치
KR20200044661A (ko) * 2018-10-19 2020-04-29 삼성전자주식회사 영상의 ａｉ 부호화 및 ａｉ 복호화 방법, 및 장치
KR20200054720A (ko) * 2018-11-12 2020-05-20 삼성전자주식회사 디스플레이장치, 그 제어방법 및 기록매체

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180119753A (ko) * 2017-04-26 2018-11-05 강현인 압축 파라미터를 이용한 영상 복원용 머신러닝 알고리즘 및 이를 이용한 영상 복원방법
KR20190096281A (ko) * 2018-02-08 2019-08-19 한국전자통신연구원 신경망에 기반하는 비디오 부호화 및 비디오 복호화를 위한 방법 및 장치
KR20190116067A (ko) * 2018-04-03 2019-10-14 한국전자통신연구원 딥 러닝에 기반하여 생성된 참조 프레임을 이용하는 인터 예측을 위한 방법 및 장치
KR20200044661A (ko) * 2018-10-19 2020-04-29 삼성전자주식회사 영상의 ａｉ 부호화 및 ａｉ 복호화 방법, 및 장치
KR20200054720A (ko) * 2018-11-12 2020-05-20 삼성전자주식회사 디스플레이장치, 그 제어방법 및 기록매체

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023191599A1 (ko) * 2022-04-01 2023-10-05 주식회사 케이티 비디오 신호 부호화/복호화 방법, 그리고 비트스트림을 저장한 기록 매체

Also Published As

Publication number Publication date
US20230239462A1 (en) 2023-07-27
CN116194957A (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
WO2018236031A1 (ko) 인트라 예측 모드 기반 영상 처리 방법 및 이를 위한 장치
WO2018221817A1 (ko) 영상 코딩 시스템에서 인트라 예측에 따른 영상 디코딩 방법 및 장치
WO2019190211A1 (ko) 모션 보상을 이용하는 비디오 신호 처리 방법 및 장치
WO2018236028A1 (ko) 인트라 예측 모드 기반 영상 처리 방법 및 이를 위한 장치
WO2021137597A1 (ko) Ols에 대한 dpb 파라미터를 사용하는 영상 디코딩 방법 및 그 장치
WO2021006617A1 (ko) 인터 예측을 이용하여 비디오를 부호화 및 복호화하는 방법 및 장치
WO2020262930A1 (ko) 머지 데이터 신택스에서 중복적인 신택스의 제거 방법 및 장치
WO2022065977A1 (ko) 가변계수 딥러닝 기반 인터 예측 방법
WO2022114770A1 (ko) 기하학적 변환에 기반하는 블록 복사를 이용하는 인트라 예측방법과 장치
WO2021201463A1 (ko) 인루프 필터링 기반 영상 코딩 장치 및 방법
WO2021118309A1 (ko) 비디오 신호 처리 방법 및 장치
WO2021071145A1 (ko) 인터 예측을 이용하여 비디오를 부호화 및 복호화하는 방법 및 장치
WO2021125702A1 (ko) 가중된 예측에 기반한 영상/비디오 코딩 방법 및 장치
WO2020184953A1 (ko) 쌍 예측을 위한 가중치 인덱스 정보를 유도하는 비디오 또는 영상 코딩
WO2022211375A1 (ko) 인터 예측에 딥러닝 기반 인루프 필터를 이용하는 비디오 코딩방법 및 장치
WO2022031115A1 (ko) 딥러닝 기반 인터 예측을 이용하는 영상 부호화 및 복호화
WO2024019343A1 (ko) 다양한 잡음 및 특성에 적응적인 비디오 인루프 필터
WO2024111820A1 (ko) 기하학적 분할에 기반하여 크로마 블록을 인트라 예측하는 비디오 코딩을 위한 방법 및 장치
WO2023106603A1 (ko) 템플릿 매칭 기반 이차적인 mpm 리스트를 이용하는 비디오 코딩을 위한 방법 및 장치
WO2023224289A1 (ko) 가상의 참조라인을 사용하는 비디오 코딩을 위한 방법 및 장치
WO2023085600A1 (ko) 암시적 임의 블록분할 및 이에 따른 예측을 이용하는 비디오 코딩을 위한 방법 및 장치
WO2023171912A1 (ko) 비디오 프레임 경계에서의 예측블록 생성
WO2023219288A1 (ko) 양방향 예측을 이용하는 크로마 성분의 인터 예측을 위한 방법
WO2024111964A1 (ko) 기하학적 분할 모드에서 적응적으로 블렌딩 영역을 결정하는 비디오 코딩을 위한 방법 및 장치
WO2022197135A1 (ko) 분할된 서브블록의 적응적 순서를 이용하는 비디오 코딩방법 및 장치

Legal Events

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

Ref document number: 21873005

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21873005

Country of ref document: EP

Kind code of ref document: A1