WO2022139331A1 - 미디어 파일 처리 방법 및 그 장치 - Google Patents

미디어 파일 처리 방법 및 그 장치 Download PDF

Info

Publication number
WO2022139331A1
WO2022139331A1 PCT/KR2021/019210 KR2021019210W WO2022139331A1 WO 2022139331 A1 WO2022139331 A1 WO 2022139331A1 KR 2021019210 W KR2021019210 W KR 2021019210W WO 2022139331 A1 WO2022139331 A1 WO 2022139331A1
Authority
WO
WIPO (PCT)
Prior art keywords
track
group
sample
vvc
unit
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/KR2021/019210
Other languages
English (en)
French (fr)
Inventor
헨드리헨드리
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LG Electronics Inc
Original Assignee
LG Electronics Inc
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 LG Electronics Inc filed Critical LG Electronics Inc
Priority to CN202180085778.5A priority Critical patent/CN116724555A/zh
Priority to US18/268,404 priority patent/US12519993B2/en
Publication of WO2022139331A1 publication Critical patent/WO2022139331A1/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H04N21/234363—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements by altering the spatial resolution, e.g. for clients with a lower screen resolution
    • 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
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/236—Assembling of a multiplex stream, e.g. transport stream, by combining a video stream with other content or additional data, e.g. inserting a URL [Uniform Resource Locator] into a video stream, multiplexing software data into a video stream; Remultiplexing of multiplex streams; Insertion of stuffing bits into the multiplex stream, e.g. to obtain a constant bit-rate; Assembling of a packetised elementary stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/434—Disassembling of a multiplex stream, e.g. demultiplexing audio and video streams, extraction of additional data from a video stream; Remultiplexing of multiplex streams; Extraction or processing of SI; Disassembling of packetised elementary stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8451—Structuring of content, e.g. decomposing content into time segments using Advanced Video Coding [AVC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H04N21/85406—Content authoring involving a specific file format, e.g. MP4 format

Definitions

  • This document relates to video/image coding technology, and more particularly, to a method and apparatus for processing a media file for coded image information in a video/image coding system.
  • VR Virtual Reality
  • AR Artificial Reality
  • holograms video/images having different image characteristics from real images such as game images. broadcasting is increasing.
  • a high-efficiency image compression technology is required to effectively compress, transmit, store, and reproduce high-resolution and high-quality video/image information having various characteristics as described above.
  • An object of the present document is to provide a method and apparatus for increasing video/image coding efficiency.
  • Another technical problem of the present document is to provide a method and an apparatus for generating a media file for coded image information.
  • Another technical problem of the present document is to provide a method and an apparatus for processing a media file for coded image information.
  • a method for generating a media file performed by an apparatus for generating a media file.
  • the method includes configuring at least one of an entity group or a sample group, generating a track, and comprising at least one of the entity group or the sample group and the track.
  • generating the media file wherein the entity group comprises an operating point entity group, the sample group comprises an operating point information sample group, and VVC (versatile video coding)
  • the track is a first track reference to the operation point entity group or a specific track containing the operation point information sample group. track), wherein the first track reference is different from the second track reference.
  • an apparatus for generating a media file comprises at least one of an entity group and a sample group, and an image processing unit for generating a track, and at least one of the entity group or the sample group and the track.
  • a media file generator for generating the media file including, wherein the entity group includes an operating point entity group, and the sample group includes an operating point information sample group.
  • VVC versatile video coding
  • a media file processing method performed by a media file processing apparatus.
  • the method includes: obtaining the media file comprising a track and at least one of an entity group or a sample group; parsing the at least one of the entity group or the sample group; and parsing the track, wherein the entity group comprises an operating point entity group, the sample group comprises an operating point information sample group, and VVC (versatile video coding) Based on the track that does not contain a bitstream, the track is a first track reference to the operation point entity group or a specific track containing the operation point information sample group. track), wherein the first track reference is different from the second track reference.
  • a media file processing apparatus parses at least one of a receiving unit for obtaining the media file including a track and at least one of an entity group or a sample group, and the entity group or the sample group and a media file processing unit for parsing the track, wherein the entity group includes an operating point entity group, and the sample group includes an operating point information sample group. and, based on the track that does not contain a versatile video coding (VVC) bitstream, the track is a first track reference to the operation point entity group or a specific operation point information sample group containing the group. and one of a second track reference to a specific track, wherein the first track reference is different from the second track reference.
  • VVC versatile video coding
  • a computer-readable digital storage medium in which a media file generated by a method for generating a media file is stored.
  • a computer readable digital storage medium wherein the method comprises constructing at least one of an entity group or a sample group, generating a track, and the entity group or the sample group. generating the media file comprising at least one of and the track, wherein the entity group comprises an operating point entity group, wherein the sample group comprises an operating point information sample group.
  • the track is a first track reference to the action point entity group or the action point information and one of the second track references to a specific track comprising the sample group, wherein the first track reference is different from the second track reference.
  • VVC versatile video coding
  • the entity group includes an operating point entity group
  • the sample group includes an operating point information sample group
  • FIG. 1 schematically shows an example of a video/image coding system to which embodiments of this document can be applied.
  • FIG. 2 is a diagram schematically illustrating a configuration of a video/image encoding apparatus to which embodiments of the present document may be applied.
  • FIG. 3 is a diagram schematically illustrating a configuration of a video/image decoding apparatus to which embodiments of the present document may be applied.
  • FIG 7 shows an example of the overall operation of the DASH-based adaptive streaming model.
  • FIG. 8 exemplarily illustrates a method of generating a media file to which the embodiment proposed in this document is applied.
  • FIG. 10 schematically illustrates a method of generating a media file by a media file generating apparatus according to the present document.
  • FIG. 11 schematically shows an apparatus for generating a media file that performs the method for generating a media file according to the present document.
  • FIG. 12 schematically illustrates a media file processing method by a media file processing apparatus according to the present document.
  • FIG. 13 schematically shows a media file processing apparatus performing a media file processing method according to the present document.
  • each configuration in the drawings described in this document is shown independently for convenience of description regarding different characteristic functions, and does not mean that each configuration is implemented as separate hardware or separate software.
  • two or more components among each component may be combined to form one component, or one component may be divided into a plurality of components.
  • Embodiments in which each component is integrated and/or separated are also included in the scope of the present document without departing from the essence of this document.
  • FIG. 1 schematically shows an example of a video/image coding system to which embodiments of this document can be applied.
  • a video/image coding system may include a first apparatus (source device) and a second apparatus (receive device).
  • the source device may transmit encoded video/image information or data in the form of a file or streaming to the receiving device through a digital storage medium or a network.
  • the source device may include a video source, an encoding apparatus, and a transmission unit.
  • the receiving device may include a receiving unit, a decoding apparatus, and a renderer.
  • the encoding apparatus may be referred to as a video/image encoding apparatus, and the decoding apparatus may be referred to as a video/image decoding apparatus.
  • the transmitter may be included in the encoding device.
  • the receiver may be included in the decoding device.
  • the renderer may include a display unit, and the display unit may be configured as a separate device or external component.
  • the video source may acquire a video/image through a process of capturing, synthesizing, or generating a video/image.
  • a video source may include a video/image capture device and/or a video/image generating device.
  • a video/image capture device may include, for example, one or more cameras, a video/image archive containing previously captured video/images, and the like.
  • a video/image generating device may include, for example, a computer, tablet, and smart phone, and may (electronically) generate a video/image.
  • a virtual video/image may be generated through a computer, etc. In this case, the video/image capturing process may be substituted for the process of generating related data.
  • the encoding device may encode the input video/image.
  • the encoding apparatus may perform a series of procedures such as prediction, transformation, and quantization for compression and coding efficiency.
  • the encoded data (encoded video/image information) may be output in the form of a bitstream.
  • the transmitting unit may transmit the encoded video/image information or data output in the form of a bitstream to the receiving unit of the receiving device in the form of a file or streaming through a digital storage medium or a network.
  • the digital storage medium may include a variety of storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • the transmission unit may include an element for generating a media file through a predetermined file format, and may include an element for transmission through a broadcast/communication network.
  • the receiver may receive/extract the bitstream and transmit it to the decoding device.
  • the decoding apparatus may decode the video/image by performing a series of procedures such as inverse quantization, inverse transformation, and prediction corresponding to the operation of the encoding apparatus.
  • the renderer may render the decoded video/image.
  • the rendered video/image may be displayed through the display unit.
  • This article is about video/image coding.
  • the method/embodiment disclosed in this document is a versatile video coding (VVC) standard, an essential video coding (EVC) standard, an AOMedia Video 1 (AV1) standard, a 2nd generation of audio video coding standard (AVS2) or a next-generation video/ It can be applied to the method disclosed in the image coding standard (ex. H.267 or H.268, etc.).
  • VVC versatile video coding
  • EVC essential video coding
  • AV1 AOMedia Video 1
  • AVS2 2nd generation of audio video coding standard
  • next-generation video/ It can be applied to the method disclosed in the image coding standard (ex. H.267 or H.268, etc.).
  • a video may mean a set of a series of images according to the passage of time.
  • a picture generally means a unit representing one image in a specific time period, and a subpicture/slice/tile is a unit constituting a part of a picture in coding.
  • a subpicture/slice/tile may include one or more coding tree units (CTUs).
  • CTUs coding tree units
  • One picture may be composed of one or more subpictures/slice/tile.
  • One picture may be composed of one or more tile groups.
  • One tile group may include one or more tiles.
  • a brick may indicate a rectangular area of CTU rows within a tile in a picture.
  • a tile may be partitioned into multiple bricks, and each brick may consist of one or more CTU rows within the tile.
  • a tile that is not partitioned into multiple bricks may also be referred to as a brick.
  • a brick scan may indicate a specific sequential ordering of CTUs partitioning a picture, wherein the CTUs may be arranged in a CTU raster scan within a brick, and the bricks in a tile may be sequentially arranged in a raster scan of the bricks of the tile. and tiles in a picture may be sequentially aligned with a raster scan of the tiles of the picture.
  • a sub-picture may indicate a rectangular region of one or more slices in the picture. That is, the sub-picture may include one or more slices that collectively cover the rectangular area of the picture.
  • a tile is a specific tile row and a rectangular area of CTUs within a specific tile row.
  • the tile column is a rectangular region of CTUs, the rectangular region has a height equal to the height of the picture, and the width may be specified by syntax elements in a picture parameter set.
  • the tile row is a rectangular region of CTUs, the rectangular region has a width specified by syntax elements in a picture parameter set, and the height may be equal to the height of the picture.
  • a tile scan may indicate a specific sequential ordering of CTUs partitioning a picture, wherein the CTUs may be sequentially aligned with a CTU raster scan within a tile, and tiles within a picture may be sequentially aligned with a raster scan of the tiles of the picture.
  • a slice may include an integer number of bricks of a picture, and the integer number of bricks may be included in one NAL unit.
  • a slice may consist of a number of complete tiles, or it may be a continuous sequence of complete bricks of one tile.
  • tile group and slice can be used interchangeably.
  • a tile group/tile group header may be referred to as a slice/slice header.
  • a pixel or pel may mean a minimum unit constituting one picture (or image). Also, a 'sample' may be used as a term corresponding to a pixel.
  • a sample may generally represent a pixel or a value of a pixel, may represent only a pixel/pixel value of a luma component, or may represent only a pixel/pixel value of a chroma component.
  • a unit may represent a basic unit of image processing.
  • the unit may include at least one of a specific region of a picture and information related to the region.
  • One unit may include one luma block and two chroma (ex. cb, cr) blocks.
  • a unit may be used interchangeably with terms such as a block or an area in some cases.
  • an MxN block may include samples (or sample arrays) or a set (or arrays) of transform coefficients including M columns and N rows.
  • a or B (A or B) may mean “only A”, “only B”, or “both A and B”.
  • a or B (A or B)” in this document may be interpreted as “A and/or B (A and/or B)”.
  • A, B or C(A, B or C) means “only A”, “only B”, “only C”, or "any and any combination of A, B and C ( any combination of A, B and C)”.
  • a slash (/) or a comma (comma) used in this document may mean “and/or”.
  • A/B may mean “A and/or B”. Accordingly, “A/B” may mean “only A”, “only B”, or “both A and B”.
  • A, B, C may mean “A, B, or C”.
  • At least one of A and B may mean “only A”, “only B” or “both A and B”. Also, in this document, the expression “at least one of A or B” or “at least one of A and/or B” means “at least one It can be interpreted the same as “A and B (at least one of A and B)”.
  • At least one of A, B and C means “only A”, “only B”, “only C”, or “A, B and C” any combination of A, B and C”. Also, “at least one of A, B or C” or “at least one of A, B and/or C” means can mean “at least one of A, B and C”.
  • parentheses used in this document may mean “for example”. Specifically, when “prediction (intra prediction)” is indicated, “intra prediction” may be proposed as an example of “prediction”. In other words, “prediction” in this document is not limited to “intra prediction”, and “intra prediction” may be proposed as an example of “prediction”. Also, even when “prediction (ie, intra prediction)” is indicated, “intra prediction” may be proposed as an example of “prediction”.
  • a video encoding apparatus may include an image encoding apparatus.
  • the encoding apparatus 200 includes an image partitioner 210, a predictor 220, a residual processor 230, an entropy encoder 240, It may be configured to include an adder 250 , a filter 260 , and a memory 270 .
  • the prediction unit 220 may include an inter prediction unit 221 and an intra prediction unit 222 .
  • the residual processing unit 230 may include a transformer 232 , a quantizer 233 , an inverse quantizer 234 , and an inverse transformer 235 .
  • the residual processing unit 230 may further include a subtractor 231 .
  • the adder 250 may be referred to as a reconstructor or a reconstructed block generator.
  • the above-described image segmentation unit 210, prediction unit 220, residual processing unit 230, entropy encoding unit 240, adder 250 and filtering unit 260 may include one or more hardware components ( For example, by an encoder chipset or processor).
  • the memory 270 may include a decoded picture buffer (DPB), and may be configured by a digital storage medium.
  • the hardware component may further include a memory 270 as an internal/external component.
  • the image dividing unit 210 may divide an input image (or a picture, a frame) input to the encoding apparatus 200 into one or more processing units.
  • the processing unit may be referred to as a coding unit (CU).
  • the coding unit is to be recursively divided according to a quad-tree binary-tree ternary-tree (QTBTTT) structure from a coding tree unit (CTU) or largest coding unit (LCU).
  • QTBTTT quad-tree binary-tree ternary-tree
  • CTU coding tree unit
  • LCU largest coding unit
  • one coding unit may be divided into a plurality of coding units having a lower depth based on a quad tree structure, a binary tree structure, and/or a ternary structure.
  • a quad tree structure may be applied first and a binary tree structure and/or a ternary structure may be applied later.
  • the binary tree structure may be applied first.
  • a coding procedure according to this document may be performed based on the final coding unit that is no longer divided.
  • the largest coding unit may be directly used as the final coding unit based on coding efficiency according to image characteristics, or the coding unit may be recursively divided into coding units having a lower depth than the optimal coding unit if necessary.
  • a coding unit of the size of may be used as the final coding unit.
  • the coding procedure may include procedures such as prediction, transformation, and restoration, which will be described later.
  • the processing unit may further include a prediction unit (PU) or a transform unit (TU).
  • the prediction unit and the transform unit may be divided or partitioned from the above-described final coding unit, respectively.
  • the prediction unit may be a unit of sample prediction
  • the transform unit may be a unit for deriving a transform coefficient and/or a unit for deriving a residual signal from the transform coefficient.
  • a unit may be used interchangeably with terms such as a block or an area in some cases.
  • an MxN block may represent a set of samples or transform coefficients including M columns and N rows.
  • a sample may generally represent a pixel or a value of a pixel, may represent only a pixel/pixel value of a luminance component, or may represent only a pixel/pixel value of a chroma component.
  • a sample may be used as a term corresponding to a picture (or an image) as a pixel or a pel.
  • the encoding apparatus 200 subtracts the prediction signal (predicted block, prediction sample array) output from the inter prediction unit 221 or the intra prediction unit 222 from the input image signal (original block, original sample array) to obtain a residual A signal (residual signal, residual block, residual sample array) may be generated, and the generated residual signal is transmitted to the converter 232 .
  • a unit for subtracting a prediction signal (prediction block, prediction sample array) from an input image signal (original block, original sample array) in the encoder 200 may be referred to as a subtraction unit 231 .
  • the prediction unit may perform prediction on a processing target block (hereinafter, referred to as a current block) and generate a predicted block including prediction samples for the current block.
  • the prediction unit may determine whether intra prediction or inter prediction is applied on a current block or CU basis.
  • the prediction unit may generate various information about prediction, such as prediction mode information, and transmit it to the entropy encoding unit 240 , as will be described later in the description of each prediction mode.
  • the prediction information may be encoded by the entropy encoding unit 240 and output in the form of a bitstream.
  • the intra prediction unit 222 may predict the current block with reference to samples in the current picture.
  • the referenced samples may be located in the vicinity of the current block or may be located apart from each other according to the prediction mode.
  • prediction modes may include a plurality of non-directional modes and a plurality of directional modes.
  • the non-directional mode may include, for example, a DC mode and a planar mode (Planar mode).
  • the directional mode may include, for example, 33 directional prediction modes or 65 directional prediction modes according to the granularity of the prediction direction. However, this is an example, and a higher or lower number of directional prediction modes may be used according to a setting.
  • the intra prediction unit 222 may determine the prediction mode applied to the current block by using the prediction mode applied to the neighboring block.
  • the inter prediction unit 221 may derive the predicted block for the current block based on the reference block (reference sample array) specified by the motion vector on the reference picture.
  • the motion information may be predicted in units of blocks, subblocks, or samples based on the correlation between motion information between neighboring blocks and the current block.
  • the motion information may include a motion vector and a reference picture index.
  • the motion information may further include inter prediction direction (L0 prediction, L1 prediction, Bi prediction, etc.) information.
  • the neighboring blocks may include spatial neighboring blocks existing in the current picture and temporal neighboring blocks present in the reference picture.
  • the reference picture including the reference block and the reference picture including the temporal neighboring block may be the same or different.
  • the temporal neighboring block may be called a collocated reference block, a collocated CU (colCU), or the like, and a reference picture including the temporally neighboring block may be called a collocated picture (colPic).
  • the inter prediction unit 221 constructs a motion information candidate list based on neighboring blocks, and provides information indicating which candidate is used to derive a motion vector and/or a reference picture index of the current block. can create Inter prediction may be performed based on various prediction modes. For example, in the skip mode and merge mode, the inter prediction unit 221 may use motion information of a neighboring block as motion information of the current block.
  • the motion vector of the current block is calculated by using a motion vector of a neighboring block as a motion vector predictor and signaling a motion vector difference.
  • the prediction unit 220 may generate a prediction signal based on various prediction methods to be described later.
  • the prediction unit may apply intra prediction or inter prediction for prediction of one block, and may simultaneously apply intra prediction and inter prediction. This can be called combined inter and intra prediction (CIIP).
  • the prediction unit may be based on an intra block copy (IBC) prediction mode or based on a palette mode for prediction of a block.
  • IBC prediction mode or the palette mode may be used for video/video coding of content such as games, for example, screen content coding (SCC).
  • SCC screen content coding
  • IBC basically performs prediction within the current picture, but may be performed similarly to inter prediction in that a reference block is derived within the current picture. That is, IBC may use at least one of the inter prediction techniques described in this document.
  • the palette mode may be viewed as an example of intra coding or intra prediction. When the palette mode is applied, the sample value in the picture may be signaled based on information about the palette table and palette index.
  • the prediction signal generated by the prediction unit may be used to generate a reconstructed signal or may be used to generate a residual signal.
  • the transform unit 232 may generate transform coefficients by applying a transform technique to the residual signal.
  • the transformation method may include at least one of Discrete Cosine Transform (DCT), Discrete Sine Transform (DST), Karhunen-Loeve Transform (KLT), Graph-Based Transform (GBT), or Conditionally Non-linear Transform (CNT).
  • DCT Discrete Cosine Transform
  • DST Discrete Sine Transform
  • KLT Karhunen-Loeve Transform
  • GBT Graph-Based Transform
  • CNT Conditionally Non-linear Transform
  • GBT means a transformation obtained from this graph when expressing relationship information between pixels in a graph.
  • CNT refers to a transformation obtained by generating a prediction signal using all previously reconstructed pixels and based thereon. Also, the transformation process may be applied to a block of pixels having the same size as a square, or may be applied to a block of a variable size that is not a square.
  • the quantization unit 233 quantizes the transform coefficients and transmits them to the entropy encoding unit 240, and the entropy encoding unit 240 encodes the quantized signal (information on the quantized transform coefficients) and outputs it as a bitstream. have.
  • Information about the quantized transform coefficients may be referred to as residual information.
  • the quantization unit 233 may rearrange the quantized transform coefficients in the block form into a one-dimensional vector form based on a coefficient scan order, and the quantized transform coefficients in the one-dimensional vector form are quantized based on the quantized transform coefficients in the one-dimensional vector form. Information about the transform coefficients may be generated.
  • the entropy encoding unit 240 may perform various encoding methods such as, for example, exponential Golomb, context-adaptive variable length coding (CAVLC), and context-adaptive binary arithmetic coding (CABAC).
  • the entropy encoding unit 240 may encode information necessary for video/image reconstruction (eg, values of syntax elements, etc.) other than the quantized transform coefficients together or separately.
  • Encoded information (eg, encoded video/image information) may be transmitted or stored in a network abstraction layer (NAL) unit unit in a bitstream form.
  • the video/image information may further include information about various parameter sets, such as an adaptation parameter set (APS), a picture parameter set (PPS), a sequence parameter set (SPS), or a video parameter set (VPS).
  • APS adaptation parameter set
  • PPS picture parameter set
  • SPS sequence parameter set
  • VPS video parameter set
  • the video/image information may further include general constraint information.
  • information and/or syntax elements transmitted/signaled from the encoding device to the decoding device may be included in video/image information.
  • the video/image information may be encoded through the above-described encoding procedure and included in the bitstream.
  • the bitstream may be transmitted over a network or may be stored in a digital storage medium.
  • the network may include a broadcasting network and/or a communication network
  • the digital storage medium may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • a transmitting unit (not shown) and/or a storing unit (not shown) for storing may be configured as internal/external elements of the encoding apparatus 200, or the transmitting unit It may be included in the entropy encoding unit 240 .
  • the quantized transform coefficients output from the quantization unit 233 may be used to generate a prediction signal.
  • a residual signal residual block or residual samples
  • the adder 250 adds the reconstructed residual signal to the prediction signal output from the inter prediction unit 221 or the intra prediction unit 222 to obtain a reconstructed signal (reconstructed picture, reconstructed block, reconstructed sample array). can be created
  • the predicted block may be used as a reconstructed block.
  • the addition unit 250 may be called a restoration unit or a restoration block generation unit.
  • the generated reconstructed signal may be used for intra prediction of the next processing target block in the current picture, or may be used for inter prediction of the next picture after filtering as described below.
  • LMCS luma mapping with chroma scaling
  • the filtering unit 260 may improve subjective/objective image quality by applying filtering to the reconstructed signal.
  • the filtering unit 260 may generate a modified reconstructed picture by applying various filtering methods to the reconstructed picture, and store the modified reconstructed picture in the memory 270 , specifically, the DPB of the memory 270 .
  • the various filtering methods may include, for example, deblocking filtering, a sample adaptive offset, an adaptive loop filter, a bilateral filter, and the like.
  • the filtering unit 260 may generate various types of filtering-related information and transmit it to the entropy encoding unit 240 , as will be described later in the description of each filtering method.
  • the filtering-related information may be encoded by the entropy encoding unit 240 and output in the form of a bitstream.
  • the corrected reconstructed picture transmitted to the memory 270 may be used as a reference picture in the inter prediction unit 221 .
  • the encoding apparatus can avoid prediction mismatch between the encoding apparatus 200 and the decoding apparatus 300, and can also improve encoding efficiency.
  • the memory 270 DPB may store the corrected reconstructed picture to be used as a reference picture in the inter prediction unit 221 .
  • the memory 270 may store motion information of a block in which motion information in the current picture is derived (or encoded) and/or motion information of blocks in an already reconstructed picture.
  • the stored motion information may be transmitted to the inter prediction unit 221 to be used as motion information of a spatial neighboring block or motion information of a temporal neighboring block.
  • the memory 270 may store reconstructed samples of blocks reconstructed in the current picture, and may transmit the reconstructed samples to the intra prediction unit 222 .
  • FIG. 3 is a diagram schematically illustrating a configuration of a video/image decoding apparatus to which embodiments of the present document may be applied.
  • the decoding apparatus 300 includes an entropy decoder 310 , a residual processor 320 , a predictor 330 , an adder 340 , and a filtering unit. (filter, 350) and may be configured to include a memory (memory, 360).
  • the prediction unit 330 may include an intra prediction unit 331 and an inter prediction unit 332 .
  • the residual processing unit 320 may include a dequantizer 321 and an inverse transformer 321 .
  • the entropy decoding unit 310 , the residual processing unit 320 , the prediction unit 330 , the addition unit 340 , and the filtering unit 350 are one hardware component (eg, a decoder chipset or a processor according to an embodiment). ) can be configured by
  • the memory 360 may include a decoded picture buffer (DPB), and may be configured by a digital storage medium.
  • the hardware component may further include a memory 360 as an internal/external component.
  • the decoding apparatus 300 may reconstruct an image corresponding to a process in which the video/image information is processed in the encoding apparatus of FIG. 2 .
  • the decoding apparatus 300 may derive units/blocks based on block division related information obtained from the bitstream.
  • the decoding apparatus 300 may perform decoding by using a processing unit applied in the encoding apparatus.
  • the processing unit of decoding may be, for example, a coding unit, and the coding unit may be divided along a quad tree structure, a binary tree structure and/or a ternary tree structure from a coding tree unit or a largest coding unit.
  • One or more transform units may be derived from a coding unit.
  • the reconstructed image signal decoded and output through the decoding apparatus 300 may be reproduced through the reproduction apparatus.
  • the decoding apparatus 300 may receive a signal output from the encoding apparatus of FIG. 2 in the form of a bitstream, and the received signal may be decoded through the entropy decoding unit 310 .
  • the entropy decoding unit 310 may derive information (eg, video/image information) necessary for image restoration (or picture restoration) by parsing the bitstream.
  • the video/image information may further include information about various parameter sets, such as an adaptation parameter set (APS), a picture parameter set (PPS), a sequence parameter set (SPS), or a video parameter set (VPS).
  • the video/image information may further include general constraint information.
  • the decoding apparatus may decode the picture further based on the information on the parameter set and/or the general restriction information.
  • Signaled/received information and/or syntax elements described later in this document may be decoded through the decoding procedure and obtained from the bitstream.
  • the entropy decoding unit 310 decodes information in a bitstream based on a coding method such as exponential Golomb encoding, CAVLC or CABAC, and a value of a syntax element required for image reconstruction, and a quantized value of a transform coefficient related to a residual can be printed out.
  • the CABAC entropy decoding method receives a bin corresponding to each syntax element in the bitstream, and decodes the syntax element information to be decoded and the decoding information of the surrounding and decoding target blocks or the symbol/bin information decoded in the previous step.
  • a context model is determined using the context model, and the probability of occurrence of a bin is predicted according to the determined context model, and a symbol corresponding to the value of each syntax element can be generated by performing arithmetic decoding of the bin.
  • the CABAC entropy decoding method may update the context model by using the decoded symbol/bin information for the context model of the next symbol/bin after determining the context model.
  • Prediction-related information among the information decoded by the entropy decoding unit 310 is provided to the prediction units (the inter prediction unit 332 and the intra prediction unit 331), and the entropy decoding unit 310 performs entropy decoding.
  • the dual value that is, the quantized transform coefficients and related parameter information may be input to the residual processing unit 320 .
  • the residual processing unit 320 may derive a residual signal (residual block, residual samples, residual sample array). Also, information about filtering among the information decoded by the entropy decoding unit 310 may be provided to the filtering unit 350 .
  • a receiving unit (not shown) that receives a signal output from the encoding device may be further configured as an internal/external element of the decoding device 300 , or the receiving unit may be a component of the entropy decoding unit 310 .
  • the decoding apparatus may be called a video/image/picture decoding apparatus, and the decoding apparatus is divided into an information decoder (video/image/picture information decoder) and a sample decoder (video/image/picture sample decoder).
  • the information decoder may include the entropy decoding unit 310 , and the sample decoder includes the inverse quantization unit 321 , the inverse transform unit 322 , the adder 340 , the filtering unit 350 , and the memory 360 . ), an inter prediction unit 332 , and at least one of an intra prediction unit 331 .
  • the inverse quantizer 321 may inverse quantize the quantized transform coefficients to output the transform coefficients.
  • the inverse quantizer 321 may rearrange the quantized transform coefficients in a two-dimensional block form. In this case, the rearrangement may be performed based on the coefficient scan order performed by the encoding device.
  • the inverse quantization unit 321 may perform inverse quantization on the quantized transform coefficients using a quantization parameter (eg, quantization step size information) and obtain transform coefficients.
  • a quantization parameter eg, quantization step size information
  • the inverse transform unit 322 inverse transforms the transform coefficients to obtain a residual signal (residual block, residual sample array).
  • the prediction unit may perform prediction on the current block and generate a predicted block including prediction samples for the current block.
  • the prediction unit may determine whether intra prediction or inter prediction is applied to the current block based on the prediction information output from the entropy decoding unit 310, and may determine a specific intra/inter prediction mode.
  • the prediction unit 320 may generate a prediction signal based on various prediction methods to be described later.
  • the prediction unit may apply intra prediction or inter prediction for prediction of one block, and may simultaneously apply intra prediction and inter prediction. This can be called combined inter and intra prediction (CIIP).
  • the prediction unit may be based on an intra block copy (IBC) prediction mode or based on a palette mode for prediction of a block.
  • the IBC prediction mode or the palette mode may be used for video/video coding of content such as games, for example, screen content coding (SCC).
  • SCC screen content coding
  • IBC basically performs prediction within the current picture, but may be performed similarly to inter prediction in that a reference block is derived within the current picture. That is, IBC may use at least one of the inter prediction techniques described in this document.
  • the palette mode may be viewed as an example of intra coding or intra prediction. When the palette mode is applied, information about a palette table and a palette index may be included in the video/image information and signaled.
  • the intra prediction unit 331 may predict the current block with reference to samples in the current picture.
  • the referenced samples may be located in the vicinity of the current block or may be located apart from each other according to the prediction mode.
  • prediction modes may include a plurality of non-directional modes and a plurality of directional modes.
  • the intra prediction unit 331 may determine the prediction mode applied to the current block by using the prediction mode applied to the neighboring block.
  • the inter prediction unit 332 may derive the predicted block for the current block based on the reference block (reference sample array) specified by the motion vector on the reference picture.
  • the motion information may be predicted in units of blocks, subblocks, or samples based on the correlation between motion information between neighboring blocks and the current block.
  • the motion information may include a motion vector and a reference picture index.
  • the motion information may further include inter prediction direction (L0 prediction, L1 prediction, Bi prediction, etc.) information.
  • the neighboring blocks may include spatial neighboring blocks existing in the current picture and temporal neighboring blocks present in the reference picture.
  • the inter prediction unit 332 may construct a motion information candidate list based on neighboring blocks, and derive a motion vector and/or a reference picture index of the current block based on the received candidate selection information. Inter prediction may be performed based on various prediction modes, and the information on the prediction may include information indicating the mode of inter prediction for the current block.
  • the adder 340 restores the obtained residual signal by adding it to the prediction signal (predicted block, prediction sample array) output from the prediction unit (including the inter prediction unit 332 and/or the intra prediction unit 331 ).
  • a signal (reconstructed picture, reconstructed block, reconstructed sample array) may be generated.
  • the predicted block may be used as a reconstructed block.
  • the adder 340 may be referred to as a restoration unit or a restoration block generator.
  • the generated reconstructed signal may be used for intra prediction of the next processing target block in the current picture, may be output through filtering as described below, or may be used for inter prediction of the next picture.
  • LMCS luma mapping with chroma scaling
  • the filtering unit 350 may improve subjective/objective image quality by applying filtering to the reconstructed signal.
  • the filtering unit 350 may generate a modified reconstructed picture by applying various filtering methods to the reconstructed picture, and convert the modified reconstructed picture to the memory 360 , specifically, the DPB of the memory 360 .
  • the various filtering methods may include, for example, deblocking filtering, a sample adaptive offset, an adaptive loop filter, a bilateral filter, and the like.
  • the (modified) reconstructed picture stored in the DPB of the memory 360 may be used as a reference picture in the inter prediction unit 332 .
  • the memory 360 may store motion information of a block in which motion information in the current picture is derived (or decoded) and/or motion information of blocks in an already reconstructed picture.
  • the stored motion information may be transmitted to the inter prediction unit 260 to be used as motion information of a spatial neighboring block or motion information of a temporal neighboring block.
  • the memory 360 may store reconstructed samples of blocks reconstructed in the current picture, and may transmit the reconstructed samples to the intra prediction unit 331 .
  • the embodiments described in the filtering unit 260 , the inter prediction unit 221 , and the intra prediction unit 222 of the encoding apparatus 200 are the filtering unit 350 and the inter prediction unit of the decoding apparatus 300 , respectively.
  • the same or corresponding application may be applied to the unit 332 and the intra prediction unit 331 .
  • the coded video/image is a video coding layer (VCL) that handles video/image decoding processing and itself, a subsystem that transmits and stores encoded information, and the VCL and subsystem It exists between them and can be divided into a network abstraction layer (NAL) that is in charge of a network adaptation function.
  • VCL video coding layer
  • NAL network abstraction layer
  • VCL data including compressed image data is generated, or a Picture Parameter Set (PPS), a Sequence Parameter Set (SPS), a video parameter set ( A parameter set including a Video Parameter Set (VPS) or Supplemental Enhancement Information (SEI) message additionally required for a video decoding process may be generated.
  • PPS Picture Parameter Set
  • SPS Sequence Parameter Set
  • SEI Supplemental Enhancement Information
  • a NAL unit may be generated by adding header information (NAL unit header) to a RBSP (Raw Byte Sequence Payload) generated in the VCL.
  • the RBSP may refer to slice data, a parameter set, an SEI message, etc. generated in the VCL.
  • the NAL unit header may include NAL unit type information designated according to RBSP data included in the corresponding NAL unit.
  • the NAL unit may be classified into a VCL NAL unit and a Non-VCL NAL unit according to the RBSP generated in the VCL.
  • a VCL NAL unit may mean a NAL unit including information (sliced data) about an image
  • a Non-VCL NAL unit is a NAL unit containing information (parameter set or SEI message) required for image decoding.
  • VCL NAL unit and Non-VCL NAL unit may be transmitted through a network by attaching header information according to a data standard of a subsystem.
  • the NAL unit is a data format of a predetermined standard such as H.266 / VVC file format (VVC file format), real-time transport protocol (RTP), transport stream (Transport Stream, TS), etc. data format) and can be transmitted over various networks.
  • the NAL unit may have a NAL unit type designated according to the RBSP data structure included in the NAL unit, and information on the NAL unit type may be stored and signaled in the NAL unit header.
  • the NAL unit may be classified into a VCL NAL unit type and a Non-VCL NAL unit type according to whether or not information about an image (slice data) is included.
  • the VCL NAL unit type may be classified according to characteristics and types of pictures included in the VCL NAL unit
  • the Non-VCL NAL unit type may be classified according to the type of a parameter set.
  • the following may be an example of a NAL unit type designated according to the type of a parameter set included in the Non-VCL NAL unit type.
  • NAL unit Type of NAL unit including APS
  • NAL unit Type of NAL unit including DPS
  • NAL unit Type of NAL unit including VPS
  • NAL unit Type of NAL unit including SPS
  • NAL unit Type of NAL unit including PPS
  • NAL unit Type of NAL unit including PH
  • the above-described NAL unit types may have syntax information for the NAL unit type, and the syntax information may be stored and signaled in a NAL unit header.
  • the syntax information may be nal_unit_type, and the NAL unit type may be designated as a nal_unit_type value.
  • one picture may include a plurality of slices, and a slice may include a slice header and slice data.
  • the picture header may include information/parameters that can be commonly applied to pictures.
  • the slice header may include information/parameters commonly applicable to slices.
  • APS APS syntax
  • PPS PPS syntax
  • SPS SPS syntax
  • VPS VPS syntax
  • DPS DPS syntax
  • DPS DPS syntax
  • the video/video information encoded from the encoding device to the decoding device and signaled in the form of a bitstream includes intra-picture partitioning related information, intra/inter prediction information, inter-layer prediction related information, residual information, in-loop filtering information, etc.
  • information included in the slice header, information included in the picture header, information included in the APS, information included in the PPS, information included in the SPS, information included in the VPS and/or DPS may contain information contained in
  • the video/video information may further include information of a NAL unit header.
  • the above-described encoded image/video information may be configured based on a media file format to generate a media file.
  • the encoded image/video information may form a media file (segment) based on one or more NAL unit/sample entries for the encoded image/video information.
  • the media file may include sample entries and tracks.
  • a media file (segment) may include various records, and each record may include information related to an image/video or information related to a media file format.
  • one or more NAL units may be stored in a configuration record (or decoder configuration record, or VVC decoder configuration record) field of the media file.
  • the field may be referred to as a syntax element.
  • ISOBMFF ISO Base Media File Format
  • ISOBMFF supports many codec encapsulation formats, such as AVC file format, HEVC file format and/or VVC file format, and MPEG-4 file format, 3GPP file format (3GP) and/or DVB file format, etc. It can be used as the basis for many multimedia container formats.
  • codec encapsulation formats such as AVC file format, HEVC file format and/or VVC file format, and MPEG-4 file format, 3GPP file format (3GP) and/or DVB file format, etc. It can be used as the basis for many multimedia container formats.
  • 3GP 3GPP file format
  • DVB file format 3GPP file format
  • static media such as an image and metadata may be stored in a file according to ISOBMFF.
  • Files structured according to ISOBMFF include segments for local media file playback, progressive downloading of a remote file, Dynamic Adaptive Streaming over HTTP (DASH), It can be used for various purposes, such as containers of content to be streamed, packetization instructions, and recording of received real-time media streams.
  • DASH Dynamic Adaptive Streaming over HTTP
  • a 'box' which will be described later, may be a basic syntax element of ISOBMFF.
  • An ISOBMFF file may consist of a sequence of boxes, which may contain other boxes.
  • a movie box (a box with a grouping type of 'moov') may contain metadata for continuous media streams in a media file, each stream being a track in the file. can be displayed.
  • Metadata about a track may be included in a track box (a box having a grouping type of 'trak'), and media content of the track may be included in a media data box (a grouping type of 'mdat'). in-box) or directly in a separate file.
  • the media content of a track may consist of a sequence of samples, such as audio or video access units.
  • ISOBMFF includes a media track including an elementary media stream, a hint track including media transmission instructions or indicating a received packet stream, a time You can specify types of tracks such as a timed metadata track containing timesynchronized metadata.
  • ISOBMFF is also designed for storage, but is also very useful, for example, for progressive download or streaming like DASH.
  • movie fragments defined in ISOBMFF may be used.
  • a fragmented ISOBMFF file may be represented by, for example, two tracks related to video and audio. For example, if random access is included after receiving the 'moov' box, all movie fragments 'moof' together with related media data may be decoded.
  • each track may include a list of sample description entries that provide the coding or encapsulation format used for the track and initialization data necessary to process the format. have. Also, each sample may be associated with one of the sample description entries of the track.
  • ISOBMFF allows a variety of mechanisms to specify sample-specific metadata.
  • Specific boxes in the sample table box (box with grouping type 'stbl') can be standardized to correspond to general requirements.
  • a Sync sample box (a box with a grouping type of 'stss') may be used to list random access samples of a track.
  • Several grouping types may be specified in ISOBMFF.
  • 5 and 6 are diagrams illustrating an example of the structure of a media file.
  • the media file may include at least one box.
  • the box may be a data block or object including media data or metadata related to the media data. Boxes may form a hierarchical structure with each other, and thus data may be classified so that a media file may take a form suitable for storage and/or transmission of large-capacity media data.
  • the media file may have a structure that is easy for a user to access media information, such as moving to a specific point of media content.
  • Media files may include ftyp boxes, moov boxes and/or mdat boxes.
  • the ftyp box may provide file type or compatibility related information for a corresponding media file.
  • the ftyp box may include configuration version information for media data of the corresponding media file.
  • the decoder can classify the media file by referring to the ftyp box.
  • the moov box may be a box including metadata for media data of a corresponding media file.
  • the moov box can act as a container for all meta data.
  • the moov box may be a box of the highest layer among metadata-related boxes. According to an embodiment, only one moov box may exist in the media file.
  • the mdat box may be a box containing actual media data of a corresponding media file.
  • Media data may include audio samples and/or video samples, and the mdat box may serve as a container for these media samples.
  • the above-described moov box may further include an mvhd box, a trak box, and/or an mvex box as sub-boxes.
  • the mvhd box may include media presentation related information of media data included in a corresponding media file. That is, the mvhd box may include information such as media creation time, change time, time standard, and period of the corresponding media presentation.
  • the trak box may provide information related to the track of the corresponding media data.
  • the trak box may include information such as stream-related information, presentation-related information, and access-related information for an audio track or a video track.
  • a plurality of Trak boxes may exist according to the number of tracks.
  • the trak box may further include a tkhd box (track header box) as a lower box according to an embodiment.
  • the tkhd box may include information about the corresponding track indicated by the trak box.
  • the tkhd box may include information such as creation time, modification time, and track identifier of the corresponding track.
  • the mvex box (movie extend box) may indicate that there may be a moof box, which will be described later, in the corresponding media file. To know all media samples of a particular track, the moof boxes may have to be scanned.
  • a media file may be divided into a plurality of fragments according to an embodiment ( 500 ). Through this, the media file can be divided and stored or transmitted.
  • Media data (mdat box) of a media file is divided into a plurality of fragments, and each fragment may include a moof box and a divided mdat box.
  • information of the ftyp box and/or the moov box may be required.
  • the moof box may provide metadata for media data of a corresponding fragment.
  • the moof box may be a box of the highest layer among the metadata-related boxes of the corresponding fragment.
  • the mdat box may contain actual media data as described above.
  • the mdat box may include media samples of media data corresponding to each corresponding fragment.
  • the above-described moof box may further include an mfhd box and/or a traf box as a lower box.
  • the mfhd box may include information related to association between a plurality of divided fragments.
  • the mfhd box may include a sequence number to indicate the number of pieces of divided media data of the corresponding fragment. In addition, it may be checked whether any of the divided data is missing using the mfhd box.
  • the traf box may include information on the corresponding track fragment.
  • the traf box may provide metadata for the divided track fragment included in the corresponding fragment.
  • the traf box may provide metadata so that media samples in the corresponding track fragment can be decoded/played.
  • a plurality of traf boxes may exist according to the number of track fragments.
  • the aforementioned traf box may further include a tfhd box and/or a trun box as a lower box.
  • the tfhd box may include header information of the corresponding track fragment.
  • the tfhd box may provide information such as a basic sample size, a period, an offset, and an identifier for media samples of a track fragment indicated by the aforementioned traf box.
  • the trun box may include information related to the corresponding track fragment.
  • the trun box may include information such as duration, size, and playback time for each media sample.
  • the aforementioned media file or fragments of the media file may be processed and transmitted as segments.
  • the segment may include an initialization segment and/or a media segment.
  • the file of the illustrated embodiment 510 may be a file including information related to initialization of a media decoder, etc. excluding media data.
  • This file may correspond to, for example, the initialization segment described above.
  • the initialization segment may include the aforementioned ftyp box and/or moov box.
  • the file of the illustrated embodiment 520 may be a file including the aforementioned fragment. This file may for example correspond to the aforementioned media segment.
  • the media segment may include the aforementioned moof box and/or mdat box. Also, the media segment may further include a styp box and/or a sidx box.
  • the styp box may provide information for identifying media data of the divided fragment.
  • the styp box may perform the same role as the aforementioned ftyp box for the divided fragment.
  • the styp box may have the same format as the ftyp box.
  • the sidx box may provide information indicating an index for the divided fragment. Through this, the number of the divided fragment may be indicated.
  • an ssix box may be further included, and the ssix box (sub-segment index box) may provide information indicating an index of the sub-segment when the segment is further divided into sub-segments.
  • Boxes in the media file may include more expanded information based on a box or a full box shape, such as in the illustrated embodiment 550 .
  • the size field and the largesize field may indicate the length of the corresponding box in bytes or the like.
  • the version field may indicate a version of the corresponding box format.
  • the type field may indicate the type or identifier of the corresponding box.
  • the flags field may indicate flags related to a corresponding box.
  • the fields (properties) related to the video/image of this document may be delivered by being included in the DASH-based adaptive streaming model.
  • the DASH-based adaptive streaming model according to the illustrated embodiment 700 describes the operation between an HTTP server and a DASH client.
  • DASH Dynamic Adaptive Streaming over HTTP
  • DASH is a protocol for supporting HTTP-based adaptive streaming, and may dynamically support streaming according to network conditions. Accordingly, AV content reproduction can be provided without interruption.
  • the DASH client may acquire the MPD.
  • the MPD may be delivered from a service provider such as an HTTP server.
  • the DASH client may request the segments from the server by using the access information on the segment described in the MPD.
  • this request may be performed by reflecting the network status.
  • the media engine may process it and display it on the screen.
  • the DASH client may request and obtain a required segment by reflecting the playback time and/or network condition in real time (Adaptive Streaming). Through this, the content can be reproduced without interruption.
  • the MPD Media Presentation Description
  • the MPD may be expressed in XML format as a file including detailed information for enabling the DASH client to dynamically acquire a segment.
  • the DASH client controller may generate a command for requesting an MPD and/or a segment by reflecting a network condition.
  • the controller may control the obtained information to be used in an internal block such as a media engine.
  • the MPD parser may parse the acquired MPD in real time. Through this, the DASH client controller may be able to generate a command to obtain the required segment.
  • the segment parser may parse the acquired segment in real time. According to information included in the segment, internal blocks such as the media engine may perform a specific operation.
  • the HTTP client may request the required MPD and/or segment from the HTTP server. Also, the HTTP client may transmit the MPD and/or segments obtained from the server to the MPD parser or the segment parser.
  • the media engine may display content on the screen by using media data included in the segment.
  • information of the MPD may be utilized.
  • the DASH data model may have a hierarchical structure 710 .
  • a media presentation may be described by an MPD.
  • the MPD may describe a temporal sequence of a plurality of periods that make up a media presentation.
  • a period may represent one section of media content.
  • data may be included in adaptation sets.
  • the adaptation set may be a set of a plurality of media content components that can be exchanged with each other.
  • the adaptation may include a set of representations.
  • the representation may correspond to a media content component.
  • content may be temporally divided into a plurality of segments. This may be for proper accessibility and delivery. In order to access each segment, the URL of each segment may be provided.
  • the MPD may provide information related to media presentation, and a period element, an adaptation set element, and a representation element may describe a corresponding period, adaptation set, and representation, respectively.
  • a representation may be divided into sub-representations, and a sub-representation element may describe a corresponding sub-representation.
  • common properties/elements may be defined, and these may be applied (included) to an adaptation set, a representation, a sub-representation, and the like.
  • common properties/elements there may be an essential property and/or a supplemental property.
  • the essential property may be information including elements deemed essential in processing the corresponding media presentation related data.
  • the supplemental property may be information including elements that may be used in processing the corresponding media presentation related data. According to an embodiment, descriptors to be described later may be defined and delivered in an essential property and/or a supplemental property when delivered through the MPD.
  • a 'sample' described below may be all data related to one single time or a single element among three sample arrays Y, Cb, and Cr representing a picture.
  • the term 'sample' when used in the context of a track (in a media file format), it may mean all data related to a single time of the corresponding track.
  • the time may be a decoding time or a composition time.
  • the term 'sample' is used in the context of a picture, that is, when it is used as a term for a picture, such as 'luma sample', 3 representing a picture It can represent a single element in one of the sample arrays.
  • the video elementary stream may include a non-VCL NAL unit that is not a parameter set, is not a DCI NAL unit, and is not an OPI NAL unit.
  • - a video and parameter set elementary stream that includes a VCL NAL unit and that can include parameter sets, DCI, or OPI NAL units and can have parameter sets, DCI, or OPI NAL units stored in one or more sample entries (video and parameter set elementary stream).
  • non-VCL NAL unit is synchronized with the elementary stream included in the video track.
  • the VVC non-VCL track does not include a parameter set, DCI, or OPI NAL unit in the sample entry.
  • VVC sample entry is mandatory in at least one of the tracks carrying the VVC bitstream.
  • a VVC sample entry is defined as a sample entry whose sample entry type is equal to 'vvc1' or 'vvi1'.
  • each sample entry in the VVC track is a VVC sample entry.
  • the VVC sample entry includes a VVC Configuration Box as defined below.
  • an optional BitRateBox may be present in a VVC sample entry to signal bit rate information of a VVC video stream.
  • extension descriptors to be inserted into the elementary stream descriptor may also exist.
  • sample entries may be used to indicate sections of a video that use different configurations or parameter sets.
  • VVC VVC It can be used for subpicture tracks.
  • the 'vvs1' sample entry may be used for the VVC subpicture track, and the following constraints may be applied to the track.
  • the track must be referenced by at least one VVC base track via a 'subp' track reference.
  • Child boxes of a video sample entry eg CleanApertureBox and PixelAspectRatioBox
  • CleanApertureBox and PixelAspectRatioBox MUST NOT be present in the sample entry and, if present, MUST be ignored.
  • a sample is not marked as a sync sample unless all VCL NAL units included in the sample comply with the sync sample requirements.
  • Subsample information for a sample of the 'vvs1' track may exist. If present, subsample information must follow the definition of sub-samples for VVC.
  • the VVC track may include a 'subp' track reference together with an entry including either the track_ID value of the VVC subpicture track or the track_group_id value of the 'alte' track group of the VVC subpicture track.
  • a sample group of type 'spor' must be present on each VVC base track.
  • a sample entry type dedicated to the VVC base track may indicate the VVC base track through a codecs MIME parameter of the track type.
  • a 'vvs1' type sample entry may include a VvcNALUConfigBox.
  • VVC subpicture track is referenced by a VVC base track that includes a 'spor' sample group description entry in which subpic_id_info_flag is 1, the VVC subpicture track is the default sample grouping mechanism (default sample).
  • a subpicture ID sample group description that potentially uses a grouping mechanism) is included.
  • the stream to which the sample entry applies is performed under the configuration (including profile, tier and level) provided in the VVCConfigurationBox in the VVC decoder operating It must be a VVC stream that is visually compliant.
  • the value of array_completeness must be equal to 1 for an array of DCI, VPS, SPS and PPS NAL units, and equal to 0 for all other arrays. . If the sample entry name is 'vvi1', the value of array_completeness must be equal to 0 for all arrays.
  • a track natively does not contain a VVC bitstream and does not represent a VVC bitstream after resolving the 'subp' and 'vvcN' track references (if present), then the track It must contain a track reference of type 'oref' to the track carrying the 'vopi' sample group or to the Operating Point Entity Group.
  • the track including a sublayer having TemporalId equal to 1 is Contains the 'oref' track reference to the track containing the sublayer with TemporalId equal to 0.
  • the operating point may be a temporal subset of OSL that can be identified as an output layer set (OLS) index and a highest value of TemporalId.
  • OSL output layer set
  • Each operation point may be associated with a profile, tier, and level (ie, PTL) that define a conformance point of the operation point.
  • the operating point information of the ISO based media file format (ISOBMF) for VVC is a grouping type of 'vopi' for a group box. It may be signaled from a sample or signaled from an 'opeg' type entity group. This information is needed to identify the sample and the sample entry for each operation point.
  • ISO based media file format ISO based media file format
  • each operation point is associated with OLS, maximum TemporalId value, profile, tier and level signaling. All of the above information can be captured by the 'vopi' sample group. Apart from the above information, the sample group may also provide dependency information between layers.
  • VVC tracks exist for a VVC bitstream and an Operating Point entity group does not exist for a VVC bitstream, both of the following may be applied.
  • a temporally collocated sample of another track has a decoding time equal to the decoding time of that specific sample.
  • time can be defined as a sample with For each sample S N of track T N that has an 'oref' track reference to track T k carrying the 'vopi' sample group, the following applies.
  • sample S N may be associated with the same 'vopi' sample group entity as sample S k .
  • sample S N may be associated with the same 'vopi' sample group entity as the last sample of track T k that precedes sample S N in decoding time.
  • VPSs VPSs
  • VCSs VPSs
  • sample table box Including an operating point information sample group may be recommended (recommended).
  • grouping_type_parameter may not be defined for SampleToGroupBox whose grouping type is 'vopi'.
  • the syntax of the 'vopi' sample group including the above-described operation point information may be as shown in the table below.
  • semantics of the syntax of the operation point information sample group may be as shown in the following table.
  • an operating point entity group may be defined to provide mapping of a track to an operation point and profile level information of the operation point.
  • an implicit reconstruction process may be further performed to obtain a conforming VVC bitstream.
  • a track belonging to the operation point entity group must have a track reference of type 'oref' for group_id indicated in the operation point entity group, and must not carry a 'vopi' sample group.
  • all entity_id values included in the operation point entity group should indicate track IDs of tracks belonging to the same VVC bitstream. If present, the OperatingPointGroupBox is included in the File-level MetaBox's GroupsListBox and not in the other levels of the MetaBox.
  • semantics of the syntax of the operation point entity group may be as shown in the following table.
  • the media file may include decoder configuration information for image/video content. That is, the media file may include a VVC decoder configuration record including decoder configuration information.
  • the VVC decoder configuration record is a parameter set, DCI, OPI, and SEI NAL units, as well as a length used for each sample to indicate the length of the included NAL unit. It may include the size of a length field.
  • the VVC decoder configuration record may be externally framed (the size of the VVC decoder configuration record is provided in a structure containing the VVC decoder configuration record).
  • the VVC decoder configuration record may include a version field.
  • the version in this document may define version 1 of the VVC decoder configuration record.
  • Incompatible changes to the VVC decoder configuration record may be indicated by a change in version number. If the version number is not recognized, readers should not decode the VVC decoder configuration record or the stream to which the record applies.
  • compatible extensions for the VVC decoder configuration record extend it and may not change the configuration version code.
  • the reader must be prepared to ignore unrecognized data that goes beyond the definition of data that the reader understands.
  • VvcPtlRecord if a track contains a VVC bitstream by default or by resolving 'subp' track references, VvcPtlRecord must be present in the decoder configuration record, and in this case, a specific output layer set for the VVC bitstream (output layer set) is indicated by a field output_layer_set_idx.
  • the track must have an 'oref' track reference to an ID that can refer to a VVC track or an 'opeg' entity group.
  • values of syntax elements of VvcPTLRecord, chroma_format_idc, and bit_depth_minus8 may be valid for all referenced parameter sets.
  • the following restrictions may apply:
  • - Profile indication general_profile_idc indicates a profile to which the output layer set identified by output_layer_set_idx in the configuration record conforms.
  • the stream is examined to determine the profile (if any) to which the entire stream conforms. may be needed Also, if, for example, the entire stream is not inspected, or if inspection reveals that there is no profile to which the entire stream conforms, then the entire stream may have two separate configuration records to which these rules may apply. It is expected to be divided into the above sub-streams.
  • - tier indication general_tier_flag indicates a tier greater than or equal to the highest tier indicated in all profile_tier_level() syntax structures (in all parameter sets) to which the output layer set identified by output_layer_set_idx in the configuration record conforms.
  • Each bit of general_constraint_info is to be set only when the corresponding bit in all general_constraints_info() syntax structures in all profile_tier_level() syntax structures (in all parameter sets) that the output layer set identified by output_layer_set_idx in the configuration record complies with is set can
  • the level indication general_level_idc is the level of capability greater than or equal to the highest level in all profile_tier_level() syntax structures (in all parameter sets) to which the output layer set identified by output_layer_set_idx in the configuration record complies with ( a level of capability).
  • the value of sps_chroma_format_idc defined in ISO/IEC 23090-3 is referenced by the VCL NAL unit in the sample to which the current sample entry description is applied. It must be the same in all SPSs, and the value of chroma_format_idc must be the same as the value of sps_chroma_format_idc.
  • vps_ols_dpb_chroma_format[ MultiLayerOlsIdx[ output_layer_set_idx ]] as defined in ISO/IEC 23090-3 applies to all CVSs to which the current sample entry description applies. must be the same for each other, and the value of chroma_format_idc must be the same as the value of vps_ols_dpb_chroma_format[ MultiLayerOlsIdx[ output_layer_set_idx ]].
  • bit_depth_minus8 may be applied to bit_depth_minus8.
  • bit_depth_minus8 When the VVC stream to which the configuration record is applied is a single-layer bitstream, the value of sps_bitdepth_minus8 defined in ISO/IEC 23090-3 is referenced by the VCL NAL unit in the sample to which the current sample entry description is applied. It must be the same in all SPSs, and the value of bit_depth_minus8 must be equal to the value of sps_bitdepth_minus8.
  • vps_ols_dpb_bitdepth_minus8[ MultiLayerOlsIdx[ output_layer_set_idx ] ] defined in ISO/IEC 23090-3 applies to all CVSs to which the current sample entry description is applied. must be the same, and the value of bit_depth_minus8 must be the same as the value of vps_ols_dpb_bitdepth_minus8[ MultiLayerOlsIdx[ output_layer_set_idx ] ].
  • the value of sps_pic_width_max_in_luma_samples defined in ISO/IEC 23090-3 is referenced by the VCL NAL unit in the sample to which the current sample entry description is applied. It must be the same within all SPSs, and the value of picture_width must be equal to the value of sps_pic_width_max_in_luma_samples.
  • the value of vps_ols_dpb_pic_width[ MultiLayerOlsIdx[ output_layer_set_idx ] ] defined in ISO/IEC 23090-3 applies to all CVSs to which the current sample entry description is applied. must be the same, and the value of picture_width must be the same as the value of vps_ols_dpb_pic_width[ MultiLayerOlsIdx[ output_layer_set_idx ] ].
  • the value of sps_pic_height_max_in_luma_samples defined in ISO/IEC 23090-3 is referenced by the VCL NAL unit in the sample to which the current sample entry description is applied. It must be the same within all SPSs, and the value of picture_height must be equal to the value of sps_pic_height_max_in_luma_samples.
  • the value of vps_ols_dpb_pic_height[ MultiLayerOlsIdx[ output_layer_set_idx ] ] defined in ISO/IEC 23090-3 is for all CVSs to which the current sample entry description is applied. must be the same for each other, and the value of picture_height must be the same as the value of vps_ols_dpb_pic_height[ MultiLayerOlsIdx[ output_layer_set_idx ] ].
  • an explicit indication for a chroma format and a bit depth as well as other important format information used in the VVC video elementary stream may be provided in the VVC decoder configuration record.
  • two different VVC sample entries may also be requested.
  • the VVC decoder configuration record there may be a set of arrays carrying initialization non-VCL NAL units.
  • the NAL unit types may be limited to indicate only DCI, OPI, VPS, SPS, PPS, prefix APS and prefix SEI NAL units.
  • the reserved (reserved) NAL unit type may be defined in the future, and the reader is an array having a reserved or not permitted (unpermitted) value of the NAL unit type. may have to be ignored.
  • the NAL unit delivered in the sample entry is included immediately after the AUD and OPI NAL units (if any), or otherwise, it can be included in the beginning of the access unit restored from the first sample referring to the sample entry. have.
  • the arrays be in the order of DCI, OPI, VPS, SPS, PPS, prefix APS, and prefix SEI.
  • VvcPTLRecord The syntax of the above-described VvcPTLRecord and the VVC decoder configuration record may be as shown in Tables 5 and 6 below.
  • semantics of the syntax of the VvcPTLRecord and the VVC decoder configuration record may be as shown in the following table.
  • VVC file format defines several types of tracks as follows.
  • VVC track contains a sample and a NAL unit in the sample entry, possibly by referencing other VVC tracks containing other sublayers of the VVC bitstream, possibly by including a VVC sub
  • a VVC bitstream can be represented by referring to subpicture tracks.
  • VVC non-VCL track APSs carrying ALF, LMCS, or scaling list parameters and other non-VCL NAL units are stored on a separate track from the track and It can be transmitted through this.
  • the track is a VVC non-VCL track.
  • VVC subpicture track may include one of the following.
  • a sample of a VVC subpicture track may include one of the following.
  • VVC subpictures or slices included in any sample of a VVC subpicture track may be consecutive in decoding order.
  • the VVC non-VCL track and the VVC subpicture track may enable optimal delivery of VVC video in a streaming application as follows.
  • corresponding tracks may each be delivered in its own DASH representation, and for decoding and rendering of subsets of tracks, DASH representations including non-VCL tracks as well as VVC subpicture tracks
  • DASH representations including non-VCL tracks as well as VVC subpicture tracks
  • a DASH representation including a subset of may be requested by a client for each segment. In this way, it is possible to avoid redundant transmission of APSs and other non-VCL NAL units.
  • an operation point may be determined first.
  • a file parser may identify the tracks required for the selected operation point as follows.
  • VVC bitstream based on the 'opeg' entity group as well as the 'vvcb' entity group and the corresponding 'vopi' sample group.
  • the 'opeg' entity group may represent a set of tracks that accurately represent the selected operation point.
  • the VVC bitstream can be recovered and decoded from the set of tracks.
  • the 'opeg' entity group does not exist (i.e. the 'vopi' sample group does exist), in the 'vvcb' entity group and the 'vopi' sample group, determine the set of tracks needed to decode the selected operation point;
  • alignment of each sample in the tracks may be performed based on sample decoding times. That is, it is possible to use a time-to-sample table without considering edit lists.
  • the decoding time of the samples is an access unit as specified in ISO/IEC 23090-3 You may need to ensure that the access unit order is correct.
  • a sequence of access units may be reconstructed from each sample of the desired tracks according to an implicit reconstruction process described below.
  • the implicit restoration process of the VVC bitstream may be as follows.
  • the required tracks are based on the layer they convey and their reference layers indicated in the Operating Point Information sample group. is selected as
  • required tracks may be selected based on information of the OperatingPointGroupBox.
  • a VCL NAL unit reconstructs a bitstream including a sublayer having a TemporalId greater than 0, all lower sublayers in the same layer (that is, a sublayer having a smaller TemporalId in the VCL NAL unit) ) are also included in the resulting bitstream and the necessary tracks can be selected accordingly.
  • picture units defined in ISO/IEC 23090-3 from samples having the same decoding time are nuh_layer_id values in increasing order to the access unit. can be placed.
  • the first picture unit (that is, the picture unit having the smallest value of nuh_layer_id) is an AUD NAL unit. and only the AUD NAL unit in the first picture unit is kept in the restored access unit, while other AUD NAL units may be discarded if they exist.
  • the AUD NAL unit has aud_irap_or_gdr_flag equal to 1, and when the reconstructed access unit is not an IRAP or GDR access unit, the value of aud_irap_or_gdr_flag of the AUD NAL unit is set equal to 0.
  • the AUD NAL unit of the first PU may have an aud_irap_or_gdr_flag equal to 1, and another PU for the same access unit but in a separate track may have a picture that is not an IRAP or GDR picture.
  • aud_irap_or_gdr_flag of the AUD NAL unit in the restored access unit is changed from 1 to 0.
  • the final required track sets some layers or sub-layers that do not belong to the target operation point. It can be delivered collectively.
  • the bitstream reconstructed for the target operation point shall not contain layers or sublayers that are delivered in the last required track but do not belong to the target operation point.
  • VVC decoder implementations take as input the target output layer set index corresponding to the TargetOlsIdX and HighestTid variables in ISO/IEC 23090-3 clause 8, respectively, and the bitstream corresponding to the highest TemporalId value of the target operation point. use. Before sending the reconstructed bitstream to the VVC decoder, the file parser must check that the reconstructed bitstream does not include any other layers and sub-layers other than those included in the target operation point.
  • max_tid_il_ref_pics_plus1 is greater than 0
  • max_tid_il_ref_pics_plus1 - 1 indicated in the operation point information sample group in the same layer to a VCL NAL unit having a TemporalId less than or equal to Only sub-layers of reference layers for , are included in the resulting bitstream, and necessary tracks can be selected accordingly.
  • each picture unit is restored as specified in clause 11.6.3 of ISO/IEC 23090-3 with additional restrictions for EOS and EOB NAL units specified below. can be The process of clause 11.6.3 of ISO/IEC 23090-3 may be repeated for each layer of the target operation point in increasing nuh_layer_id order. Otherwise, each picture unit may be reconstructed as follows.
  • the restored access units may be placed in the VVC bitstream in an increasing order of decoding time, and, as further described below, end of bitstream (EOB) and end of sequence (EOS) ) NAL unit duplicates (duplicates) may be removed from the VVC bitstream.
  • EOB end of bitstream
  • EOS end of sequence
  • EOS NAL unit with a specific nuh_layer_id value in each sample There may be more than one track. In this case, only one of the EOS NAL units may be maintained in the last access unit (the unit with the largest decoding time) among the access units in the last reconstructed bitstream, and the EOB NAL of the last access unit among the access units It may be placed after all NAL units except for a unit (if present), and other EOS NAL units may be discarded.
  • there may be more than one track containing an EOB NAL unit in each sample In this case, only one of the EOB NAL units may be maintained in the last reconstructed bitstream, may be placed at the last end of these access units, and the other EOB NAL units may be deleted.
  • a particular layer or sublayer may be represented by more than one track
  • a picture unit may be reconstructed from a sample of a VVC track that refers to a VVC subpicture track.
  • a sample of a VVC track may be resolved into a picture unit including a NAL unit, which will be described later in the following order.
  • the first NAL unit in the sample For example, if there is an AUD NAL unit in the sample, the first NAL unit in the sample.
  • the sample is the first sample of a sequence of samples related to the same sample entry, the parameter set and SEI NAL unit (if present) contained in the sample entry.
  • a NAL unit whose nal_unit_type in the sample is EOS_NUT, EOB_NUT, SUFFIX_APS_NUT, SUFFIX_SEI_NUT, FD_NUT, RSV_NVCL_27, UNSPEC_30, or UNSPEC_31 (a NAL unit with at least one NAL unit of these NAL unit types cannot precede the first VCL NAL unit in a picture unit) case, all NAL units in the sample except the first of these NAL units, otherwise all NAL units in the sample.
  • the resolved samples of the VVC subpicture track are non-time-aligned samples in the VVC non-VCL track.
  • -VCL contains NAL unit (if present).
  • each track reference in the 'subp' box may be resolved as follows. Otherwise, each instance of the track reference subp_track_ref_idx in the 'spor' sample group description entry mapped to this sample may be resolved as follows.
  • the track reference may be resolved to the VVC subpicture track.
  • the track reference may be resolved to one of any tracks of the 'alte' track group.
  • a specific track reference index value is resolved for a specific track in a previous sample, it should be resolved as one of the following in the current sample.
  • it may be resolved to any other track in the same 'alte' track group that contains a sync sample that is time-aligned with the current sample.
  • VVC subpicture tracks within the same 'alte' track group need to be independent of any other VVC subpicture tracks referenced by the same VVC base track to avoid decoding mismatches. , can be limited as follows.
  • VVC subpicture tracks contain VVC subpictures.
  • subpicture boundaries are the same as picture boundaries.
  • each sample of the VVC base track resolved in the 'subp' track reference may form a rectangular region with no holes and no overlap.
  • the absence of the hole means that all samples in the rectangular area have to be covered.
  • the overlap means that every sample in the rectangular area has to be covered only once.
  • the leader selects a VVC subpicture track that includes a VVC subpicture with a set of subpicture ID values different from the initial selection or previous selection, the following steps are can be performed.
  • the 'spor' sample group description entry may be studied to determine whether the PPS or SPS NAL unit needs to be changed.
  • RBSP is the NAL unit (ie, the start code emulation prevention byte is removed). After overriding in the next step, start code emulation prevention is performed again.
  • the reader uses the subpicture ID length information and bits in the 'spor' sample group entry to determine which bits are overwritten to update the subpicture ID to the selected one. Use the bit position.
  • the reader needs to rewrite the PPS or SPS with the selected subpicture ID value in the reconstructed access unit, respectively.
  • the reader includes a copy of the previous PPS and SPS (when a PPS or SPS with the same PPS or SPS ID value does not exist in the access unit (respectively)) and the need to rewrite the PPS or SPS with the updated subpicture ID values of the restored access unit (respectively) there is
  • the 'minp' sample group description entry may be studied to determine the value of pps_mixed_nalu_types_in_pic_flag.
  • the reader needs to include a copy of the PPS with the updated pps_mixed_nalu_types_in_pic_flag value in the reconstructed picture unit.
  • the reader uses the bit position in the 'minp' sample group entry to determine which bits are overwritten to update the pps_mixed_nalu_types_in_pic_flag.
  • the stream access point (SAP) sample group 'sap' defined in ISO/IEC 14496-12 is used to provide information on all SAPs.
  • layer_id_method_idc 0
  • SAP is interpreted as follows.
  • SAP designates access to all sublayers existing in the track.
  • SAP assigns access to all layers present in the track.
  • the sample entry type is 'vvc1' or 'vvi1'
  • the track does not contain any sublayers with a TemporalId of 0
  • it has a TemporalID equal to the lowest TemporalId in the track.
  • the STSA picture serves as the SAP.
  • a GDR picture of a VVC bitstream is generally (generally) denoted as SAP type 4 in the 'sap' sample group.
  • VVC enables sublayers with different VCL_NAL unit types within the same coded picture.
  • a gradual decoding refresh may be obtained by updating the subpictures of each subpicture index within the range of the picture to the IRAP subpicture.
  • VVC does not specify a decoding process starting from a picture having a mixed VCL NAL unit type.
  • the sample of the VVC track refers to the PPS in which pps_mixed_nalu_types_in_pic_flag is 1,
  • the sample may be represented as a SAP sample of type 4,
  • a sample may be mapped to a 'roll' sample group description entry.
  • the 'roll' sample group description entry may have a roll_distance value correct for a decoding process that omits decoding of subpictures having a specific subpicture index before the IRAP subpicture exists.
  • SAP sample group if an SAP sample group is used, the SAP sample group must be used in all tracks carrying the same VVC bitstream.
  • the random access recovery point sample group 'roll' defined in ISO/IEC 14496-12 is information on recovery points for gradual decoding refresh (refresh). is used to provide
  • the syntax and semantics of the grouping_type_parameter may be defined the same as for the 'sap' sample group of ISO/IEC 14496-12.
  • layer_id_method_idc equal to 0 and 1 is used when the picture of the target layer of the sample mapped to the 'roll' sample group is a GDR picture.
  • the 'roll' sample group specifies the behavior of all layers present in the track.
  • layer_id_method_idc such as 2 and 3 is used when all pictures of the target layer of the sample mapped to the 'roll' sample group are not GDR pictures. applies.
  • the referenced PPS has pps_mixed_nalu_types_in_pic_flag equal to 1,
  • the 'roll' sample group specifies the behavior of all layers present in the track.
  • the reader uses samples marked with layer_id_method_idc equal to 2 and 3 to start decoding, the reader uses samples marked as belonging to this sample group with layer_id_method_idc equal to 2 and 3 It is necessary to additionally modify the SPS, PPS, and PH NAL units of the bitstream reconstructed according to clause 11.6 so that the starting bitstream becomes a conforming bitstream as follows.
  • Any picture header (picture header) of the AU restored from the sample has a value of ph_gdr_pic_flag equal to 1 and ph_recovery_poc_cnt corresponding to roll_distance of the 'roll' sample group description entry to which the sample is mapped.
  • the sample group is applied when all reference layers of the dependent layer are available and decoded. Characteristics can be represented. In addition, the sample group may be used to start decoding of a predicted layer.
  • operation point information may be signaled in an entity group 'opeg', a sample group 'vopi', or a sample entry of a track.
  • entity group 'opeg' a sample group 'vopi'
  • sample entry of a track a sample entry of a track.
  • a track does not contain a VVC bitstream by default and does not represent a VVC bitstream after resolving the 'subp' and 'vvcN' track references (if any), then the track will have a 'vopi' sample group or action point You must include an 'oref' track reference to the track that carries the entity group.
  • a track does not contain a VVC bitstream by default and does not represent a VVC bitstream after resolving the 'supb' and 'vvcN' track references (if any), the track will contain 'opeg' and ' It must be included in at least one of the operating points listed in vopi'.
  • a new track reference type is used to distinguish the track reference for 'oref' and the track reference for 'vopi'. This can be expressed as
  • a track does not contain a VVC bitstream by default and does not represent a VVC bitstream after resolving the 'supb' and 'vvcN' track references (if any), then one of the following applies: .
  • the track contains an 'oref' track reference to the 'opeg' operation point entity group.
  • the track contains a 'vref' track reference to the track carrying the 'vopi' sample group.
  • a new track reference type is used to distinguish between a track reference for 'oref' and a track reference for 'vopi'. This can be expressed as
  • a track does not contain a VVC bitstream by default and does not represent a VVC bitstream after resolving the 'supb' and 'vvcN' track references (if any), then at least one of the following applies: do.
  • the track contains an 'oref' track reference to the 'opeg' operation point entity group.
  • the track contains a 'vref' track reference to the track carrying the 'vopi' sample group.
  • a track does not contain a VVC bitstream by default and does not represent a VVC bitstream after resolving the 'supb' and 'vvcN' track references (if any), the track will contain 'opeg' and ' It must be included in at least one of the operating points listed in vopi'.
  • a track does not include a VVC bitstream by default and does not represent a VVC bitstream after resolving the 'supb' and 'vvcN' track references (if present), one of the following applies.
  • the track contains an 'oref' track reference to the 'opeg' operation point entity group.
  • the track contains a 'vref' track reference to the track carrying the 'vopi' sample group.
  • a track does not include a VVC bitstream by default and does not represent a VVC bitstream after resolving the 'supb' and 'vvcN' track references (if present), at least one of the following applies .
  • the track contains an 'oref' track reference to the 'opeg' operation point entity group.
  • the track contains a 'vref' track reference to the track carrying the 'vopi' sample group.
  • FIG. 8 exemplarily illustrates a method of generating a media file to which the embodiment proposed in this document is applied.
  • a first device may generate a track ( S800 ).
  • the first device may configure a track according to the above-described embodiment.
  • the first device may represent a transmission end, an encoding end, or a media file generating end.
  • the track may include a first track reference.
  • the track may include a second track reference.
  • the first device may include an encoder.
  • the first device may create a media file based on the track (S810).
  • the first device may generate a media file based on a track according to the above-described embodiment.
  • a second device may acquire/receive a media file including a track ( S900 ).
  • the second device may obtain/receive a media file including a track according to the above-described embodiment.
  • the second device may represent a reception end, a decoding end, or a rendering end.
  • the media file may include the information described in Table 1 and/or Table 3.
  • the second device may parse/obtain the track (S910).
  • the second device may parse/obtain a track included in the media file.
  • the track may include a first track reference.
  • the track may include a second track reference.
  • FIG. 10 schematically illustrates a method of generating a media file by a media file generating apparatus according to the present document.
  • the method disclosed in FIG. 10 may be performed by the apparatus for generating a media file illustrated in FIG. 11 .
  • the media file generating device may represent the above-described first device.
  • steps S1000 to S1010 of FIG. 10 may be performed by the image processing unit of the apparatus for generating media files
  • step S1020 may be performed by the media file generation unit of the apparatus for generating media files.
  • a process of encoding a bitstream including image information may be performed by an encoder.
  • the encoder may be included in the media file generating device or may be configured as an external component.
  • the media file generating apparatus configures a group (S1000).
  • the apparatus for generating a media file may configure at least one of an entity group and a sample group.
  • the entity group may include an operating point entity group.
  • the sample group may include an operating point information sample group.
  • an operating point entity group may be referred to as an operating points entity group.
  • an operating point information sample group may be referred to as an operating points information sample group.
  • the media file generating apparatus creates a track (S1010).
  • the media file generating apparatus may generate a track.
  • the track may include a first track reference.
  • the track may include a second track reference.
  • the track may be a first track reference for an operation point entity group or a second track for a specific track containing an operation point information sample group You can have one of the references.
  • the operation point entity group included in the media file may be an 'opeg' entity group.
  • the operation point information sample group included in the media file may be a 'vopi' sample group.
  • the track may have the second track reference being a 'vref' track reference, and the track may have the second track reference to the particular track containing the operation point information sample group.
  • the track may be a first track reference or action point to an action point entity group.
  • the specific track references may include 'subp' and 'vvcN' track references.
  • the track may have the second track reference being a 'vref' track reference, and the track may have the second track reference to the particular track containing the operation point information sample group.
  • the track may be a first track reference for an operation point entity group or a second track for a specific track containing an operation point information sample group You can have at least one of the references.
  • the track may have the second track reference being a 'vref' track reference, and the track may have the second track reference to the particular track containing the operation point information sample group.
  • the track may be a first track reference or action point to an action point entity group. It may have at least one of the second track references to a specific track containing the information sample group.
  • the specific track references may include 'subp' and 'vvcN' track references.
  • the track may be included in at least one of operation points listed in an operation point entity group or an operation point information sample group.
  • the operation point entity group may be an 'opeg' entity group.
  • the operation point information sample group may be a 'vopi' sample group.
  • the track is an action listed in an action point entity group or action point information sample group It may be included in at least one of the points.
  • the specific track references may include 'subp' and 'vvcN' track references. At this time, the use of the 'oref' track reference is no longer used.
  • the media file generating apparatus creates a media file including a group and a track ( S1020 ).
  • the media file generating apparatus may generate a media file including a group and a track.
  • the apparatus for generating a media file may constitute at least one of an entity group and a sample group.
  • the entity group may include an operating point entity group.
  • the sample group may include an operating point information sample group.
  • the media file generating apparatus may store the generated media file in a (digital) storage medium or transmit it to the media file processing apparatus through a network or a (digital) storage medium.
  • the network may include a broadcasting network and/or a communication network
  • the digital storage medium may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • FIG. 11 schematically shows a media file generating apparatus that performs a media file generating method according to the present document.
  • the method disclosed in FIG. 10 may be performed by the apparatus for generating a media file illustrated in FIG. 11 .
  • the image processing unit of the apparatus for generating a media file of FIG. 11 may perform S1000 to S1010
  • the media file generating unit of the apparatus for generating a media file of FIG. 11 may perform S1020.
  • the process of encoding the bitstream including image information may be performed by the encoder of the media file generating apparatus.
  • FIG. 12 schematically illustrates a media file processing method by a media file processing apparatus according to the present document.
  • the method disclosed in FIG. 12 may be performed by the media file processing apparatus disclosed in FIG. 13 .
  • the media file processing device may represent the above-described second device.
  • S1200 of FIG. 12 may be performed by the receiving unit of the media file processing apparatus, and S1210 to S1220 may be performed by the media file processing unit of the media file processing apparatus.
  • a process of decoding a bitstream based on a track may be performed by a decoder.
  • the decoder may be included in the media file processing apparatus or may be configured as an external component.
  • the media file processing apparatus obtains a media file including a group and a track ( S1200 ).
  • the media file processing apparatus may acquire a media file including a group and a track through a network or a (digital) storage medium.
  • the network may include a broadcasting network and/or a communication network
  • the digital storage medium may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • the media file processing apparatus parses the group (S1210).
  • the media file processing device may parse/obtain the group.
  • the media file processing apparatus may parse/obtain at least one of an entity group and a sample group.
  • the entity group may include an operating point entity group.
  • the sample group may include an operating point information sample group.
  • an operating point entity group may be referred to as an operating points entity group.
  • an operating point information sample group may be referred to as an operating points information sample group.
  • the media file processing apparatus parses the track (S1220).
  • the media file processing device may parse/obtain the track.
  • the track may include a first track reference.
  • the track may include a second track reference.
  • the track may be a first track reference for an operation point entity group or a second track for a specific track containing an operation point information sample group You can have one of the references.
  • the operation point entity group included in the media file may be an 'opeg' entity group.
  • the operation point information sample group included in the media file may be a 'vopi' sample group.
  • the track may have the second track reference being a 'vref' track reference, and the track may have the second track reference to the particular track containing the operation point information sample group.
  • the track may be a first track reference or action point to an action point entity group.
  • the specific track references may include 'subp' and 'vvcN' track references.
  • the track may have the second track reference being a 'vref' track reference, and the track may have the second track reference to the particular track containing the operation point information sample group.
  • the track may be a first track reference for an operation point entity group or a second track for a specific track containing an operation point information sample group You can have at least one of the references.
  • the track may have the second track reference being a 'vref' track reference, and the track may have the second track reference to the particular track containing the operation point information sample group.
  • the track may be a first track reference or action point to an action point entity group. It may have at least one of the second track references to a specific track containing the information sample group.
  • the specific track references may include 'subp' and 'vvcN' track references.
  • the track may be included in at least one of operation points listed in an operation point entity group or an operation point information sample group.
  • the operation point entity group may be an 'opeg' entity group.
  • the operation point information sample group may be a 'vopi' sample group.
  • the track is an action listed in an action point entity group or action point information sample group It may be included in at least one of the points.
  • the specific track references may include 'subp' and 'vvcN' track references. At this time, the use of the 'oref' track reference is no longer used.
  • the apparatus for processing a media file may decode a bitstream based on the entity group, the sample group, and the track.
  • the media file processing apparatus may decode image information in a bitstream for the track based on the entity group, the sample group, and the track, and reconstructed samples based on the image information can create
  • FIG. 13 schematically shows a media file processing apparatus performing a media file processing method according to the present document.
  • the method disclosed in FIG. 12 may be performed by the media file processing apparatus disclosed in FIG. 13 .
  • the receiving unit of the media file processing apparatus of FIG. 13 may perform S1200 of FIG. 12
  • the media file processing unit of the media file processing apparatus of FIG. 13 may perform S1210 to S1220 of FIG. 12 .
  • the apparatus for processing a media file may include a decoder, and the decoder may decode a bitstream based on an entity group, a sample group, and a track.
  • the entity group includes an operating point entity group
  • the sample group includes an operating point information sample group
  • a versatile video coding (VVC) bit Based on a track that does not contain a stream, the track is either a first track reference to the operation point entity group or a specific track containing the operation point information sample group. having one of a second track reference, wherein the first track reference may be different from the second track reference, thereby discriminating the track reference according to the operation point entity group or operation point information sample group By signaling information about the point, it is possible to reduce the complexity of file transfer and improve overall coding efficiency.
  • VVC versatile video coding
  • Embodiments described in this document may be implemented and performed on a processor, microprocessor, controller, or chip.
  • the functional units shown in each figure may be implemented and performed on a computer, a processor, a microprocessor, a controller, or a chip.
  • information on instructions or an algorithm for implementation may be stored in a digital storage medium.
  • devices to which embodiments of this document are applied are multimedia broadcasting transceivers, mobile communication terminals, home cinema video devices, digital cinema video devices, surveillance cameras, video conversation devices, real-time communication devices such as video communication devices, and mobile streaming devices.
  • storage medium camcorder, video on demand (VOD) service providing device, OTT video (Over the top video) device, Internet streaming service providing device, three-dimensional (3D) video device, VR (virtual reality) device, AR (augmented reality) device ) device, a videophone video device, a vehicle terminal (eg, a vehicle terminal, an airplane terminal, a ship terminal, etc.) and a medical video apparatus, etc., and may be used to process a video signal or a data signal.
  • VOD video on demand
  • OTT video Over the top video
  • Internet streaming service providing device three-dimensional (3D) video device
  • VR virtual reality
  • videophone video device eg, a vehicle terminal, an airplane terminal, a ship terminal, etc.
  • the OTT video (Over the top video) device may include a game console, a Blu-ray player, an Internet-connected TV, a home theater system, a smart phone, a tablet PC, a digital video recorder (DVR), and the like.
  • a game console a Blu-ray player
  • an Internet-connected TV a home theater system
  • a smart phone a tablet PC
  • DVR digital video recorder
  • the processing method to which the embodiments of this document are applied may be produced in the form of a program executed by a computer, and may be stored in a computer-readable recording medium.
  • Multimedia data having a data structure according to this document may also be stored in a computer-readable recording medium.
  • the computer-readable recording medium includes all types of storage devices and distributed storage devices in which computer-readable data is stored.
  • the computer-readable recording medium is, for example, Blu-ray Disc (BD), Universal Serial Bus (USB), ROM, PROM, EPROM, EEPROM, RAM, CD-ROM, magnetic tape, floppy disk, and optical It may include a data storage device.
  • the computer-readable recording medium includes a medium implemented in the form of a carrier wave (eg, transmission through the Internet).
  • the bitstream generated by the encoding method may be stored in a computer-readable recording medium or transmitted through a wired/wireless communication network.
  • embodiments of this document may be implemented as a computer program product using program codes, and the program codes may be executed in a computer according to the embodiments of this document.
  • the program code may be stored on a carrier readable by a computer.
  • a content streaming system to which embodiments of this document are applied may largely include an encoding server, a streaming server, a web server, a media storage, a user device, and a multimedia input device.
  • the encoding server generates a bitstream by compressing content input from multimedia input devices such as a smart phone, a camera, a camcorder, etc. into digital data, and transmits it to the streaming server.
  • multimedia input devices such as a smartphone, a camera, a camcorder, etc. directly generate a bitstream
  • the encoding server may be omitted.
  • the bitstream may be generated by an encoding method or a bitstream generating method to which embodiments of this document are applied, and the streaming server may temporarily store the bitstream in the process of transmitting or receiving the bitstream.
  • the streaming server transmits multimedia data to the user device based on a user's request through the web server, and the web server serves as a medium informing the user of any service.
  • the web server transmits it to a streaming server, and the streaming server transmits multimedia data to the user.
  • the content streaming system may include a separate control server.
  • the control server serves to control commands/responses between devices in the content streaming system.
  • the streaming server may receive content from a media repository and/or an encoding server. For example, when content is received from the encoding server, the content may be received in real time. In this case, in order to provide a smooth streaming service, the streaming server may store the bitstream for a predetermined time.
  • Examples of the user device include a mobile phone, a smart phone, a laptop computer, a digital broadcasting terminal, a personal digital assistant (PDA), a portable multimedia player (PMP), a navigation system, a slate PC, Tablet PC (tablet PC), ultrabook (ultrabook), wearable device (e.g., watch-type terminal (smartwatch), glass-type terminal (smart glass), HMD (head mounted display)), digital TV, desktop There may be a computer, digital signage, and the like.
  • PDA personal digital assistant
  • PMP portable multimedia player
  • PDA portable multimedia player
  • Tablet PC Tablet PC
  • ultrabook ultrabook
  • wearable device e.g., watch-type terminal (smartwatch), glass-type terminal (smart glass), HMD (head mounted display)
  • digital TV desktop
  • desktop There may be a computer, digital signage, and the like.
  • Each server in the content streaming system may be operated as a distributed server, and in this case, data received from each server may be distributed and processed.

Landscapes

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

Abstract

본 문서에 따른 미디어 파일 생성 방법은 엔티티 그룹 또는 샘플 그룹 중 적어도 하나를 구성하는 단계, 트랙을 생성하는 단계, 및 상기 엔티티 그룹 또는 상기 샘플 그룹 중 적어도 하나 및 상기 트랙을 포함하는 상기 미디어 파일을 생성하는 단계를 포함하되, 상기 엔티티 그룹은 동작 포인트 엔티티 그룹을 포함하고, 상기 샘플 그룹은 동작 포인트 정보 샘플 그룹을 포함하고, VVC 비트스트림을 포함하지 않는 상기 트랙을 기반으로, 상기 트랙은 상기 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스 또는 상기 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙에 대한 제2 트랙 레퍼런스 중 하나를 갖고, 상기 제1 트랙 레퍼런스는 상기 제2 트랙 레퍼런스와 다른 것을 특징으로 한다.

Description

미디어 파일 처리 방법 및 그 장치
본 문서는 비디오/영상 코딩 기술에 관한 것으로, 보다 상세하게는 비디오/영상 코딩 시스템에서 코딩된 영상 정보에 대한 미디어 파일을 처리하는 방법 및 그 장치에 관한 것이다.
최근 4K 또는 8K 이상의 UHD(Ultra High Definition) 비디오/영상과 같은 고해상도, 고품질의 비디오/영상에 대한 수요가 다양한 분야에서 증가하고 있다. 비디오/영상 데이터가 고해상도, 고품질이 될수록 기존의 비디오/영상 데이터에 비해 상대적으로 전송되는 정보량 또는 비트량이 증가하기 때문에 기존의 유무선 광대역 회선과 같은 매체를 이용하여 영상 데이터를 전송하거나 기존의 저장 매체를 이용해 비디오/영상 데이터를 저장하는 경우, 전송 비용과 저장 비용이 증가된다.
또한, 최근 VR(Virtual Reality), AR(Artificial Reality) 컨텐츠나 홀로그램 등의 실감 미디어(Immersive Media)에 대한 관심 및 수요가 증가하고 있으며, 게임 영상과 같이 현실 영상과 다른 영상 특성을 갖는 비디오/영상에 대한 방송이 증가하고 있다.
이에 따라, 상기와 같은 다양한 특성을 갖는 고해상도 고품질의 비디오/영상의 정보를 효과적으로 압축하여 전송하거나 저장하고, 재생하기 위해 고효율의 영상 압축 기술이 요구된다.
본 문서의 기술적 과제는 비디오/영상 코딩 효율을 높이는 방법 및 장치를 제공함에 있다.
본 문서의 다른 기술적 과제는 코딩된 영상 정보에 대한 미디어 파일을 생성하는 방법 및 장치를 제공함에 있다.
본 문서의 다른 기술적 과제는 코딩된 영상 정보에 대한 미디어 파일을 처리하는 방법 및 장치를 제공함에 있다.
본 문서의 일 실시예에 따르면, 미디어 파일 생성 장치에 의하여 수행되는 미디어 파일 생성 방법이 제공된다. 상기 방법은 엔티티 그룹(entity group) 또는 샘플 그룹(sample group) 중 적어도 하나를 구성하는 단계, 트랙(track)을 생성하는 단계, 및 상기 엔티티 그룹 또는 상기 샘플 그룹 중 적어도 하나 및 상기 트랙을 포함하는 상기 미디어 파일을 생성하는 단계를 포함하되, 상기 엔티티 그룹은 동작 포인트 엔티티 그룹(operating point entity group)을 포함하고, 상기 샘플 그룹은 동작 포인트 정보 샘플 그룹(operating point information sample group)을 포함하고, VVC (versatile video coding) 비트스트림을 포함하지 않는 상기 트랙을 기반으로, 상기 트랙은 상기 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스(first track reference) 또는 상기 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스(second track reference) 중 하나를 갖고, 상기 제1 트랙 레퍼런스는 상기 제2 트랙 레퍼런스와 다른 것을 특징으로 한다.
본 문서의 다른 일 실시예에 따르면, 미디어 파일 생성 장치가 제공된다. 상기 미디어 파일 생성 장치는 엔티티 그룹(entity group) 또는 샘플 그룹(sample group) 중 적어도 하나를 구성하고, 트랙(track)을 생성하는 영상 처리부 및 상기 엔티티 그룹 또는 상기 샘플 그룹 중 적어도 하나 및 상기 트랙을 포함하는 상기 미디어 파일을 생성하는 미디어 파일 생성부를 포함하고, 상기 엔티티 그룹은 동작 포인트 엔티티 그룹(operating point entity group)을 포함하고, 상기 샘플 그룹은 동작 포인트 정보 샘플 그룹(operating point information sample group)을 포함하고, VVC (versatile video coding) 비트스트림을 포함하지 않는 상기 트랙을 기반으로, 상기 트랙은 상기 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스(first track reference) 또는 상기 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스(second track reference) 중 하나를 갖고, 상기 제1 트랙 레퍼런스는 상기 제2 트랙 레퍼런스와 다른 것을 특징으로 한다.
본 문서의 또 다른 일 실시예에 따르면, 미디어 파일 처리 장치에 의하여 수행되는 미디어 파일 처리 방법을 제공한다. 상기 방법은 엔티티 그룹(entity group) 또는 샘플 그룹(sample group) 중 적어도 하나 및 트랙(track)을 포함하는 상기 미디어 파일을 획득하는 단계, 상기 엔티티 그룹 또는 상기 샘플 그룹 중 적어도 하나를 파싱하는 단계, 및 상기 트랙을 파싱하는 단계를 포함하되, 상기 엔티티 그룹은 동작 포인트 엔티티 그룹(operating point entity group)을 포함하고, 상기 샘플 그룹은 동작 포인트 정보 샘플 그룹(operating point information sample group)을 포함하고, VVC (versatile video coding) 비트스트림을 포함하지 않는 상기 트랙을 기반으로, 상기 트랙은 상기 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스(first track reference) 또는 상기 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스(second track reference) 중 하나를 갖고, 상기 제1 트랙 레퍼런스는 상기 제2 트랙 레퍼런스와 다른 것을 특징으로 한다.
본 문서의 또 다른 일 실시예에 따르면, 미디어 파일 처리 장치를 제공한다. 상기 미디어 파일 처리 장치는 엔티티 그룹(entity group) 또는 샘플 그룹(sample group) 중 적어도 하나 및 트랙(track)을 포함하는 상기 미디어 파일을 획득하는 수신부 및 상기 엔티티 그룹 또는 상기 샘플 그룹 중 적어도 하나를 파싱하고, 상기 트랙을 파싱하는 미디어 파일 처리부를 포함하고, 상기 엔티티 그룹은 동작 포인트 엔티티 그룹(operating point entity group)을 포함하고, 상기 샘플 그룹은 동작 포인트 정보 샘플 그룹(operating point information sample group)을 포함하고, VVC (versatile video coding) 비트스트림을 포함하지 않는 상기 트랙을 기반으로, 상기 트랙은 상기 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스(first track reference) 또는 상기 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스(second track reference) 중 하나를 갖고, 상기 제1 트랙 레퍼런스는 상기 제2 트랙 레퍼런스와 다른 것을 특징으로 한다.
본 문서의 또 다른 일 실시예에 따르면, 미디어 파일 생성 방법에 의하여 생성된 미디어 파일이 저장된 컴퓨터 판독가능 디지털 저장 매체를 제공한다. 컴퓨터 판독가능 디지털 저장 매체에 있어서, 상기 방법은 엔티티 그룹(entity group) 또는 샘플 그룹(sample group) 중 적어도 하나를 구성하는 단계, 트랙(track)을 생성하는 단계, 및 상기 엔티티 그룹 또는 상기 샘플 그룹 중 적어도 하나 및 상기 트랙을 포함하는 상기 미디어 파일을 생성하는 단계를 포함하되, 상기 엔티티 그룹은 동작 포인트 엔티티 그룹(operating point entity group)을 포함하고, 상기 샘플 그룹은 동작 포인트 정보 샘플 그룹(operating point information sample group)을 포함하고, VVC (versatile video coding) 비트스트림을 포함하지 않는 상기 트랙을 기반으로, 상기 트랙은 상기 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스(first track reference) 또는 상기 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스(second track reference) 중 하나를 갖고, 상기 제1 트랙 레퍼런스는 상기 제2 트랙 레퍼런스와 다른 것을 특징으로 한다.
본 문서에 따르면, 엔티티 그룹은 동작 포인트 엔티티 그룹(operating point entity group)을 포함하고, 샘플 그룹은 동작 포인트 정보 샘플 그룹(operating point information sample group)을 포함하고, VVC 비트스트림을 포함하지 않는 트랙을 기반으로, 상기 트랙은 상기 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스(first track reference) 또는 상기 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스(second track reference) 중 하나를 갖고, 상기 제1 트랙 레퍼런스는 상기 제2 트랙 레퍼런스와 다른 것을 특징으로 한다. 동작 포인트 엔티티 그룹 또는 동작 포인트 정보 샘플 그룹에 따라 트랙 레퍼런스를 구별하여 동작 포인트에 대한 정보를 시그널링함으로써 파일 전달에 대한 복잡도를 낮추고 전반적인 코딩 효율을 향상시킬 수 있다.
도 1은 본 문서의 실시예들이 적용될 수 있는 비디오/영상 코딩 시스템의 예를 개략적으로 나타낸다.
도 2는 본 문서의 실시예들이 적용될 수 있는 비디오/영상 인코딩 장치의 구성을 개략적으로 설명하는 도면이다.
도 3은 본 문서의 실시예들이 적용될 수 있는 비디오/영상 디코딩 장치의 구성을 개략적으로 설명하는 도면이다.
도 4는 코딩된 비디오/영상에 대한 계층 구조를 예시적으로 나타낸다.
도 5 및 도 6은 미디어 파일 구조의 예를 개략적으로 나타낸다.
도 7은 DASH 기반 적응형 스트리밍 모델의 전반적인 동작의 예를 나타낸다.
도 8은 본 문서에서 제안한 실시예가 적용되는 미디어 파일 생성 방법을 예시적으로 나타낸다.
도 9는 본 문서에서 제안한 실시예가 적용되어 생성된 미디어 파일을 디코딩하는 방법을 예시적으로 나타낸다.
도 10은 본 문서에 따른 미디어 파일 생성 장치에 의한 미디어 파일 생성 방법을 개략적으로 나타낸다.
도 11은 본 문서에 따른 미디어 파일 생성 방법 수행하는 미디어 파일 생성 장치를 개략적으로 나타낸다.
도 12는 본 문서에 따른 미디어 파일 처리 장치에 의한 미디어 파일 처리 방법을 개략적으로 나타낸다.
도 13은 본 문서에 따른 미디어 파일 처리 방법을 수행하는 미디어 파일 처리 장치를 개략적으로 나타낸다.
도 14는 본 문서의 실시예들이 적용되는 컨텐츠 스트리밍 시스템 구조도를 예시적으로 나타낸다.
본 문서는 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 문서의 실시예들을 특정 실시예에 한정하려고 하는 것이 아니다. 본 문서에서 상용하는 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 문서의 기술적 사상을 한정하려는 의도로 사용되는 것은 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 문서에서 "포함하다" 또는 "가지다" 등의 용어는 문서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
한편, 본 문서에서 설명되는 도면상의 각 구성들은 서로 다른 특징적인 기능들에 관한 설명의 편의를 위해 독립적으로 도시된 것으로서, 각 구성들이 서로 별개의 하드웨어나 별개의 소프트웨어로 구현된다는 것을 의미하지는 않는다. 예컨대, 각 구성 중 두 개 이상의 구성이 합쳐져 하나의 구성을 이룰 수도 있고, 하나의 구성이 복수의 구성으로 나뉘어질 수도 있다. 각 구성이 통합 및/또는 분리된 실시예도 본 문서의 본질에서 벗어나지 않는 한 본 문서의 권리범위에 포함된다.
이하, 첨부한 도면들을 참조하여, 본 문서의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 이하, 도면상의 동일한 구성 요소에 대해서는 동일한 참조 부호를 사용할 수 있고 동일한 구성 요소에 대해서 중복된 설명은 생략될 수 있다.
도 1은 본 문서의 실시예들이 적용될 수 있는 비디오/영상 코딩 시스템의 예를 개략적으로 나타낸다.
도 1을 참조하면, 비디오/영상 코딩 시스템은 제1 장치(소스 디바이스) 및 제2 장치(수신 디바이스)를 포함할 수 있다. 소스 디바이스는 인코딩된 비디오(video)/영상(image) 정보 또는 데이터를 파일 또는 스트리밍 형태로 디지털 저장매체 또는 네트워크를 통하여 수신 디바이스로 전달할 수 있다.
상기 소스 디바이스는 비디오 소스, 인코딩 장치, 전송부를 포함할 수 있다. 상기 수신 디바이스는 수신부, 디코딩 장치 및 렌더러를 포함할 수 있다. 상기 인코딩 장치는 비디오/영상 인코딩 장치라고 불릴 수 있고, 상기 디코딩 장치는 비디오/영상 디코딩 장치라고 불릴 수 있다. 송신기는 인코딩 장치에 포함될 수 있다. 수신기는 디코딩 장치에 포함될 수 있다. 렌더러는 디스플레이부를 포함할 수도 있고, 디스플레이부는 별개의 디바이스 또는 외부 컴포넌트로 구성될 수도 있다.
비디오 소스는 비디오/영상의 캡쳐, 합성 또는 생성 과정 등을 통하여 비디오/영상을 획득할 수 있다. 비디오 소스는 비디오/영상 캡쳐 디바이스 및/또는 비디오/영상 생성 디바이스를 포함할 수 있다. 비디오/영상 캡쳐 디바이스는 예를 들어, 하나 이상의 카메라, 이전에 캡쳐된 비디오/영상을 포함하는 비디오/영상 아카이브 등을 포함할 수 있다. 비디오/영상 생성 디바이스는 예를 들어 컴퓨터, 타블렛 및 스마트폰 등을 포함할 수 있으며 (전자적으로) 비디오/영상을 생성할 수 있다. 예를 들어, 컴퓨터 등을 통하여 가상의 비디오/영상이 생성될 수 있으며, 이 경우 관련 데이터가 생성되는 과정으로 비디오/영상 캡쳐 과정이 갈음될 수 있다.
인코딩 장치는 입력 비디오/영상을 인코딩할 수 있다. 인코딩 장치는 압축 및 코딩 효율을 위하여 예측, 변환, 양자화 등 일련의 절차를 수행할 수 있다. 인코딩된 데이터(인코딩된 비디오/영상 정보)는 비트스트림(bitstream) 형태로 출력될 수 있다.
전송부는 비트스트림 형태로 출력된 인코딩된 비디오/영상 정보 또는 데이터를 파일 또는 스트리밍 형태로 디지털 저장매체 또는 네트워크를 통하여 수신 디바이스의 수신부로 전달할 수 있다. 디지털 저장 매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장 매체를 포함할 수 있다. 전송부는 미리 정해진 파일 포멧을 통하여 미디어 파일을 생성하기 위한 엘리먼트를 포함할 수 있고, 방송/통신 네트워크를 통한 전송을 위한 엘리먼트를 포함할 수 있다. 수신부는 상기 비트스트림을 수신/추출하여 디코딩 장치로 전달할 수 있다.
디코딩 장치는 인코딩 장치의 동작에 대응하는 역양자화, 역변환, 예측 등 일련의 절차를 수행하여 비디오/영상을 디코딩할 수 있다.
렌더러는 디코딩된 비디오/영상을 렌더링할 수 있다. 렌더링된 비디오/영상은 디스플레이부를 통하여 디스플레이될 수 있다.
이 문서는 비디오/영상 코딩에 관한 것이다. 예를 들어 이 문서에서 개시된 방법/실시예는 VVC (versatile video coding) 표준, EVC (essential video coding) 표준, AV1 (AOMedia Video 1) 표준, AVS2 (2nd generation of audio video coding standard) 또는 차세대 비디오/영상 코딩 표준(ex. H.267 or H.268 등)에 개시되는 방법에 적용될 수 있다.
이 문서에서는 비디오/영상 코딩에 관한 다양한 실시예들을 제시하며, 다른 언급이 없는 한 상기 실시예들은 서로 조합되어 수행될 수도 있다.
이 문서에서 비디오(video)는 시간의 흐름에 따른 일련의 영상(image)들의 집합을 의미할 수 있다. 픽처(picture)는 일반적으로 특정 시간대의 하나의 영상을 나타내는 단위를 의미하며, 서브픽처(subpicture)/슬라이스(slice)/타일(tile)는 코딩에 있어서 픽처의 일부를 구성하는 단위이다. 서브픽처/슬라이스/타일은 하나 이상의 CTU(coding tree unit)을 포함할 수 있다. 하나의 픽처는 하나 이상의 서브픽처/슬라이스/타일로 구성될 수 있다. 하나의 픽처는 하나 이상의 타일 그룹으로 구성될 수 있다. 하나의 타일 그룹은 하나 이상의 타일들을 포함할 수 있다. 브릭은 픽처 내 타일 이내의 CTU 행(row)들의 사각 영역을 나타낼 수 있다. 타일은 다수의 브릭들로 파티셔닝될 수 있고, 각 브릭은 상기 타일 내 하나 이상의 CTU 행들로 구성될 수 있다. 다수의 브릭들로 파티셔닝되지 않은 타일은 또한 브릭으로 불릴 수 있다. 브릭 스캔은 픽처를 파티셔닝하는 CTU들의 특정한 순차적 오더링을 나타낼 수 있으며, 상기 CTU들은 브릭 내에서 CTU 래스터 스캔으로 정렬될 수 있고, 타일 내 브릭들은 상기 타일의 상기 브릭들의 래스터 스캔으로 연속적으로 정렬될 수 있고, 그리고 픽처 내 타일들은 상기 픽처의 상기 타일들의 래스터 스캔으로 연속적으로 정렬될 수 있다. 또한, 서브 픽처는 픽처 내 하나 이상의 슬라이스의 사각 영역을 나타낼 수 있다. 즉, 서브 픽처는 픽처의 직사각형 영역을 총괄적으로 커버하는 하나 이상의 슬라이스를 포함할 수 있다. 타일은 특정 타일 열 및 특정 타일 열 이내의 CTU들의 사각 영역이다. 상기 타일 열은 CTU들의 사각 영역이고, 상기 사각 영역은 상기 픽처의 높이와 동일한 높이를 갖고, 너비는 픽처 파라미터 세트 내의 신택스 요소들에 의하여 명시될 수 있다. 상기 타일 행은 CTU들의 사각 영역이고, 상기 사각 영역은 픽처 파라미터 세트 내의 신택스 요소들에 의하여 명시되는 너비를 갖고, 높이는 상기 픽처의 높이와 동일할 수 있다. 타일 스캔은 픽처를 파티셔닝하는 CTU들의 특정 순차적 오더링을 나타낼 수 있고, 상기 CTU들은 타일 내 CTU 래스터 스캔으로 연속적으로 정렬될 수 있고, 픽처 내 타일들은 상기 픽처의 상기 타일들의 래스터 스캔으로 연속적으로 정렬될 수 있다. 슬라이스는 픽처의 정수개의 브릭들을 포함할 수 있고, 상기 정수개의 브릭들은 하나의 NAL 유닛에 포함될 수 있다. 슬라이스는 다수의 완전한 타일들로 구성될 수 있고, 또는 하나의 타일의 완전한 브릭들의 연속적인 시퀀스일 수도 있다. 이 문서에서 타일 그룹과 슬라이스는 혼용될 수 있다. 예를 들어 본 문서에서 tile group/tile group header는 slice/slice header로 불릴 수 있다.
픽셀(pixel) 또는 펠(pel)은 하나의 픽처(또는 영상)을 구성하는 최소의 단위를 의미할 수 있다. 또한, 픽셀에 대응하는 용어로서 '샘플(sample)'이 사용될 수 있다. 샘플은 일반적으로 픽셀 또는 픽셀의 값을 나타낼 수 있으며, 루마(luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있고, 크로마(chroma) 성분의 픽셀/픽셀 값만을 나타낼 수도 있다.
유닛(unit)은 영상 처리의 기본 단위를 나타낼 수 있다. 유닛은 픽처의 특정 영역 및 해당 영역에 관련된 정보 중 적어도 하나를 포함할 수 있다. 하나의 유닛은 하나의 루마 블록 및 두개의 크로마(ex. cb, cr) 블록을 포함할 수 있다. 유닛은 경우에 따라서 블록(block) 또는 영역(area) 등의 용어와 혼용하여 사용될 수 있다. 일반적인 경우, MxN 블록은 M개의 열과 N개의 행으로 이루어진 샘플들(또는 샘플 어레이) 또는 변환 계수(transform coefficient)들의 집합(또는 어레이)을 포함할 수 있다.
본 문서에서 "A 또는 B(A or B)"는 "오직 A", "오직 B" 또는 "A와 B 모두"를 의미할 수 있다. 달리 표현하면, 본 문서에서 "A 또는 B(A or B)"는 "A 및/또는 B(A and/or B)"으로 해석될 수 있다. 예를 들어, 본 문서에서 "A, B 또는 C(A, B or C)"는 "오직 A", "오직 B", "오직 C", 또는 "A, B 및 C의 임의의 모든 조합(any combination of A, B and C)"를 의미할 수 있다.
본 문서에서 사용되는 슬래쉬(/)나 쉼표(comma)는 "및/또는(and/or)"을 의미할 수 있다. 예를 들어, "A/B"는 "A 및/또는 B"를 의미할 수 있다. 이에 따라 "A/B"는 "오직 A", "오직 B", 또는 "A와 B 모두"를 의미할 수 있다. 예를 들어, "A, B, C"는 "A, B 또는 C"를 의미할 수 있다.
본 문서에서 "적어도 하나의 A 및 B(at least one of A and B)"는, "오직 A", "오직 B" 또는 "A와 B 모두"를 의미할 수 있다. 또한, 본 문서에서 "적어도 하나의 A 또는 B(at least one of A or B)"나 "적어도 하나의 A 및/또는 B(at least one of A and/or B)"라는 표현은 "적어도 하나의 A 및 B(at least one of A and B)"와 동일하게 해석될 수 있다.
또한, 본 문서에서 "적어도 하나의 A, B 및 C(at least one of A, B and C)"는, "오직 A", "오직 B", "오직 C", 또는 "A, B 및 C의 임의의 모든 조합(any combination of A, B and C)"을 의미할 수 있다. 또한, "적어도 하나의 A, B 또는 C(at least one of A, B or C)"나 "적어도 하나의 A, B 및/또는 C(at least one of A, B and/or C)"는 "적어도 하나의 A, B 및 C(at least one of A, B and C)"를 의미할 수 있다.
또한, 본 문서에서 사용되는 괄호는 "예를 들어(for example)"를 의미할 수 있다. 구체적으로, "예측(인트라 예측)"로 표시된 경우, "예측"의 일례로 "인트라 예측"이 제안된 것일 수 있다. 달리 표현하면 본 문서의 "예측"은 "인트라 예측"으로 제한(limit)되지 않고, "인트라 예측"이 "예측"의 일례로 제안될 것일 수 있다. 또한, "예측(즉, 인트라 예측)"으로 표시된 경우에도, "예측"의 일례로 "인트라 예측"이 제안된 것일 수 있다.
본 문서에서 하나의 도면 내에서 개별적으로 설명되는 기술적 특징은, 개별적으로 구현될 수도 있고, 동시에 구현될 수도 있다.
이하의 도면은 본 문서의 구체적인 일례를 설명하기 위해 작성되었다. 도면에 기재된 구체적인 장치의 명칭이나 구체적인 신호/메시지/필드의 명칭은 예시적으로 제시된 것이므로, 본 문서의 기술적 특징이 이하의 도면에 사용된 구체적인 명칭에 제한되지 않는다.
도 2는 본 문서의 실시예들이 적용될 수 있는 비디오/영상 인코딩 장치의 구성을 개략적으로 설명하는 도면이다. 이하 비디오 인코딩 장치라 함은 영상 인코딩 장치를 포함할 수 있다.
도 2를 참조하면, 인코딩 장치(200)는 영상 분할부(image partitioner, 210), 예측부(predictor, 220), 레지듀얼 처리부(residual processor, 230), 엔트로피 인코딩부(entropy encoder, 240), 가산부(adder, 250), 필터링부(filter, 260) 및 메모리(memory, 270)를 포함하여 구성될 수 있다. 예측부(220)는 인터 예측부(221) 및 인트라 예측부(222)를 포함할 수 있다. 레지듀얼 처리부(230)는 변환부(transformer, 232), 양자화부(quantizer 233), 역양자화부(dequantizer 234), 역변환부(inverse transformer, 235)를 포함할 수 있다. 레지듀얼 처리부(230)은 감산부(subtractor, 231)를 더 포함할 수 있다. 가산부(250)는 복원부(reconstructor) 또는 복원 블록 생성부(recontructged block generator)로 불릴 수 있다. 상술한 영상 분할부(210), 예측부(220), 레지듀얼 처리부(230), 엔트로피 인코딩부(240), 가산부(250) 및 필터링부(260)는 실시예에 따라 하나 이상의 하드웨어 컴포넌트(예를 들어 인코더 칩셋 또는 프로세서)에 의하여 구성될 수 있다. 또한 메모리(270)는 DPB(decoded picture buffer)를 포함할 수 있고, 디지털 저장 매체에 의하여 구성될 수도 있다. 상기 하드웨어 컴포넌트는 메모리(270)을 내/외부 컴포넌트로 더 포함할 수도 있다.
영상 분할부(210)는 인코딩 장치(200)에 입력된 입력 영상(또는, 픽쳐, 프레임)를 하나 이상의 처리 유닛(processing unit)으로 분할할 수 있다. 일 예로, 상기 처리 유닛은 코딩 유닛(coding unit, CU)이라고 불릴 수 있다. 이 경우 코딩 유닛은 코딩 트리 유닛(coding tree unit, CTU) 또는 최대 코딩 유닛(largest coding unit, LCU)으로부터 QTBTTT (Quad-tree binary-tree ternary-tree) 구조에 따라 재귀적으로(recursively) 분할될 수 있다. 예를 들어, 하나의 코딩 유닛은 쿼드 트리 구조, 바이너리 트리 구조, 및/또는 터너리 구조를 기반으로 하위(deeper) 뎁스의 복수의 코딩 유닛들로 분할될 수 있다. 이 경우 예를 들어 쿼드 트리 구조가 먼저 적용되고 바이너리 트리 구조 및/또는 터너리 구조가 나중에 적용될 수 있다. 또는 바이너리 트리 구조가 먼저 적용될 수도 있다. 더 이상 분할되지 않는 최종 코딩 유닛을 기반으로 본 문서에 따른 코딩 절차가 수행될 수 있다. 이 경우 영상 특성에 따른 코딩 효율 등을 기반으로, 최대 코딩 유닛이 바로 최종 코딩 유닛으로 사용될 수 있고, 또는 필요에 따라 코딩 유닛은 재귀적으로(recursively) 보다 하위 뎁스의 코딩 유닛들로 분할되어 최적의 사이즈의 코딩 유닛이 최종 코딩 유닛으로 사용될 수 있다. 여기서 코딩 절차라 함은 후술하는 예측, 변환, 및 복원 등의 절차를 포함할 수 있다. 다른 예로, 상기 처리 유닛은 예측 유닛(PU: Prediction Unit) 또는 변환 유닛(TU: Transform Unit)을 더 포함할 수 있다. 이 경우 상기 예측 유닛 및 상기 변환 유닛은 각각 상술한 최종 코딩 유닛으로부터 분할 또는 파티셔닝될 수 있다. 상기 예측 유닛은 샘플 예측의 단위일 수 있고, 상기 변환 유닛은 변환 계수를 유도하는 단위 및/또는 변환 계수로부터 레지듀얼 신호(residual signal)를 유도하는 단위일 수 있다.
유닛은 경우에 따라서 블록(block) 또는 영역(area) 등의 용어와 혼용하여 사용될 수 있다. 일반적인 경우, MxN 블록은 M개의 열과 N개의 행으로 이루어진 샘플들 또는 변환 계수(transform coefficient)들의 집합을 나타낼 수 있다. 샘플은 일반적으로 픽셀 또는 픽셀의 값을 나타낼 수 있으며, 휘도(luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있고, 채도(chroma) 성분의 픽셀/픽셀 값만을 나타낼 수도 있다. 샘플은 하나의 픽처(또는 영상)을 픽셀(pixel) 또는 펠(pel)에 대응하는 용어로서 사용될 수 있다.
인코딩 장치(200)는 입력 영상 신호(원본 블록, 원본 샘플 어레이)에서 인터 예측부(221) 또는 인트라 예측부(222)로부터 출력된 예측 신호(예측된 블록, 예측 샘플 어레이)를 감산하여 레지듀얼 신호(residual signal, 잔여 블록, 잔여 샘플 어레이)를 생성할 수 있고, 생성된 레지듀얼 신호는 변환부(232)로 전송된다. 이 경우 도시된 바와 같이 인코더(200) 내에서 입력 영상 신호(원본 블록, 원본 샘플 어레이)에서 예측 신호(예측 블록, 예측 샘플 어레이)를 감산하는 유닛은 감산부(231)라고 불릴 수 있다. 예측부는 처리 대상 블록(이하, 현재 블록이라 함)에 대한 예측을 수행하고, 상기 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록(predicted block)을 생성할 수 있다. 예측부는 현재 블록 또는 CU 단위로 인트라 예측이 적용되는지 또는 인터 예측이 적용되는지 결정할 수 있다. 예측부는 각 예측모드에 대한 설명에서 후술하는 바와 같이 예측 모드 정보 등 예측에 관한 다양한 정보를 생성하여 엔트로피 인코딩부(240)로 전달할 수 있다. 예측에 관한 정보는 엔트로피 인코딩부(240)에서 인코딩되어 비트스트림 형태로 출력될 수 있다.
인트라 예측부(222)는 현재 픽처 내의 샘플들을 참조하여 현재 블록을 예측할 수 있다. 상기 참조되는 샘플들은 예측 모드에 따라 상기 현재 블록의 주변(neighbor)에 위치할 수 있고, 또는 떨어져서 위치할 수도 있다. 인트라 예측에서 예측 모드들은 복수의 비방향성 모드와 복수의 방향성 모드를 포함할 수 있다. 비방향성 모드는 예를 들어 DC 모드 및 플래너 모드(Planar 모드)를 포함할 수 있다. 방향성 모드는 예측 방향의 세밀한 정도에 따라 예를 들어 33개의 방향성 예측 모드 또는 65개의 방향성 예측 모드를 포함할 수 있다. 다만, 이는 예시로서 설정에 따라 그 이상 또는 그 이하의 개수의 방향성 예측 모드들이 사용될 수 있다. 인트라 예측부(222)는 주변 블록에 적용된 예측 모드를 이용하여, 현재 블록에 적용되는 예측 모드를 결정할 수도 있다.
인터 예측부(221)는 참조 픽처 상에서 움직임 벡터에 의해 특정되는 참조 블록(참조 샘플 어레이)을 기반으로, 현재 블록에 대한 예측된 블록을 유도할 수 있다. 이때, 인터 예측 모드에서 전송되는 움직임 정보의 양을 줄이기 위해 주변 블록과 현재 블록 간의 움직임 정보의 상관성에 기초하여 움직임 정보를 블록, 서브블록 또는 샘플 단위로 예측할 수 있다. 상기 움직임 정보는 움직임 벡터 및 참조 픽처 인덱스를 포함할 수 있다. 상기 움직임 정보는 인터 예측 방향(L0 예측, L1 예측, Bi 예측 등) 정보를 더 포함할 수 있다. 인터 예측의 경우에, 주변 블록은 현재 픽처 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 픽처에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 상기 참조 블록을 포함하는 참조 픽처와 상기 시간적 주변 블록을 포함하는 참조 픽처는 동일할 수도 있고, 다를 수도 있다. 상기 시간적 주변 블록은 동일 위치 참조 블록(collocated reference block), 동일 위치 CU(colCU) 등의 이름으로 불릴 수 있으며, 상기 시간적 주변 블록을 포함하는 참조 픽처는 동일 위치 픽처(collocated picture, colPic)라고 불릴 수도 있다. 예를 들어, 인터 예측부(221)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 상기 현재 블록의 움직임 벡터 및/또는 참조 픽처 인덱스를 도출하기 위하여 어떤 후보가 사용되는지를 지시하는 정보를 생성할 수 있다. 다양한 예측 모드를 기반으로 인터 예측이 수행될 수 있으며, 예를 들어 스킵 모드와 머지 모드의 경우에, 인터 예측부(221)는 주변 블록의 움직임 정보를 현재 블록의 움직임 정보로 이용할 수 있다. 스킵 모드의 경우, 머지 모드와 달리 레지듀얼 신호가 전송되지 않을 수 있다. 움직임 정보 예측(motion vector prediction, MVP) 모드의 경우, 주변 블록의 움직임 벡터를 움직임 벡터 예측자(motion vector predictor)로 이용하고, 움직임 벡터 차분(motion vector difference)을 시그널링함으로써 현재 블록의 움직임 벡터를 지시할 수 있다.
예측부(220)는 후술하는 다양한 예측 방법을 기반으로 예측 신호를 생성할 수 있다. 예를 들어, 예측부는 하나의 블록에 대한 예측을 위하여 인트라 예측 또는 인터 예측을 적용할 수 있을 뿐 아니라, 인트라 예측과 인터 예측을 동시에 적용할 수 있다. 이는 combined inter and intra prediction (CIIP)라고 불릴 수 있다. 또한, 예측부는 블록에 대한 예측을 위하여 인트라 블록 카피(intra block copy, IBC) 예측 모드에 기반할 수도 있고 또는 팔레트 모드(palette mode)에 기반할 수도 있다. 상기 IBC 예측 모드 또는 팔레트 모드는 예를 들어 SCC(screen content coding) 등과 같이 게임 등의 컨텐츠 영상/동영상 코딩을 위하여 사용될 수 있다. IBC는 기본적으로 현재 픽처 내에서 예측을 수행하나 현재 픽처 내에서 참조 블록을 도출하는 점에서 인터 예측과 유사하게 수행될 수 있다. 즉, IBC는 본 문서에서 설명되는 인터 예측 기법들 중 적어도 하나를 이용할 수 있다. 팔레트 모드는 인트라 코딩 또는 인트라 예측의 일 예로 볼 수 있다. 팔레트 모드가 적용되는 경우 팔레트 테이블 및 팔레트 인덱스에 관한 정보를 기반으로 픽처 내 샘플 값을 시그널링할 수 있다.
상기 예측부 (인터 예측부(221) 및/또는 상기 인트라 예측부(222) 포함)를 통해 생성된 예측 신호는 복원 신호를 생성하기 위해 이용되거나 레지듀얼 신호를 생성하기 위해 이용될 수 있다. 변환부(232)는 레지듀얼 신호에 변환 기법을 적용하여 변환 계수들(transform coefficients)를 생성할 수 있다. 예를 들어, 변환 기법은 DCT(Discrete Cosine Transform), DST(Discrete Sine Transform), KLT(Karhunen-Loeve Transform), GBT(Graph-Based Transform), 또는 CNT(Conditionally Non-linear Transform) 중 적어도 하나를 포함할 수 있다. 여기서, GBT는 픽셀 간의 관계 정보를 그래프로 표현한다고 할 때 이 그래프로부터 얻어진 변환을 의미한다. CNT는 이전에 복원된 모든 픽셀(all previously reconstructed pixel)를 이용하여 예측 신호를 생성하고 그에 기초하여 획득되는 변환을 의미한다. 또한, 변환 과정은 정사각형의 동일한 크기를 갖는 픽셀 블록에 적용될 수도 있고, 정사각형이 아닌 가변 크기의 블록에도 적용될 수 있다.
양자화부(233)는 변환 계수들을 양자화하여 엔트로피 인코딩부(240)로 전송되고, 엔트로피 인코딩부(240)는 양자화된 신호(양자화된 변환 계수들에 관한 정보)를 인코딩하여 비트스트림으로 출력할 수 있다. 상기 양자화된 변환 계수들에 관한 정보는 레지듀얼 정보라고 불릴 수 있다. 양자화부(233)는 계수 스캔 순서(scan order)를 기반으로 블록 형태의 양자화된 변환 계수들을 1차원 벡터 형태로 재정렬할 수 있고, 상기 1차원 벡터 형태의 양자화된 변환 계수들을 기반으로 상기 양자화된 변환 계수들에 관한 정보를 생성할 수도 있다. 엔트로피 인코딩부(240)는 예를 들어 지수 골롬(exponential Golomb), CAVLC(context-adaptive variable length coding), CABAC(context-adaptive binary arithmetic coding) 등과 같은 다양한 인코딩 방법을 수행할 수 있다. 엔트로피 인코딩부(240)는 양자화된 변환 계수들 외 비디오/이미지 복원에 필요한 정보들(예컨대 신택스 요소들(syntax elements)의 값 등)을 함께 또는 별도로 인코딩할 수도 있다. 인코딩된 정보(ex. 인코딩된 비디오/영상 정보)는 비트스트림 형태로 NAL(network abstraction layer) 유닛 단위로 전송 또는 저장될 수 있다. 상기 비디오/영상 정보는 어댑테이션 파라미터 세트(APS), 픽처 파라미터 세트(PPS), 시퀀스 파라미터 세트(SPS) 또는 비디오 파라미터 세트(VPS) 등 다양한 파라미터 세트에 관한 정보를 더 포함할 수 있다. 또한 상기 비디오/영상 정보는 일반 제한 정보(general constraint information)를 더 포함할 수 있다. 본 문서에서 인코딩 장치에서 디코딩 장치로 전달/시그널링되는 정보 및/또는 신택스 요소들은 비디오/영상 정보에 포함될 수 있다. 상기 비디오/영상 정보는 상술한 인코딩 절차를 통하여 인코딩되어 상기 비트스트림에 포함될 수 있다. 상기 비트스트림은 네트워크를 통하여 전송될 수 있고, 또는 디지털 저장매체에 저장될 수 있다. 여기서 네트워크는 방송망 및/또는 통신망 등을 포함할 수 있고, 디지털 저장매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장매체를 포함할 수 있다. 엔트로피 인코딩부(240)로부터 출력된 신호는 전송하는 전송부(미도시) 및/또는 저장하는 저장부(미도시)가 인코딩 장치(200)의 내/외부 엘리먼트로서 구성될 수 있고, 또는 전송부는 엔트로피 인코딩부(240)에 포함될 수도 있다.
양자화부(233)로부터 출력된 양자화된 변환 계수들은 예측 신호를 생성하기 위해 이용될 수 있다. 예를 들어, 양자화된 변환 계수들에 역양자화부(234) 및 역변환부(235)를 통해 역양자화 및 역변환을 적용함으로써 레지듀얼 신호(레지듀얼 블록 or 레지듀얼 샘플들)를 복원할 수 있다. 가산부(250)는 복원된 레지듀얼 신호를 인터 예측부(221) 또는 인트라 예측부(222)로부터 출력된 예측 신호에 더함으로써 복원(reconstructed) 신호(복원 픽처, 복원 블록, 복원 샘플 어레이)가 생성될 수 있다. 스킵 모드가 적용된 경우와 같이 처리 대상 블록에 대한 레지듀얼이 없는 경우, 예측된 블록이 복원 블록으로 사용될 수 있다. 가산부(250)는 복원부 또는 복원 블록 생성부라고 불릴 수 있다. 생성된 복원 신호는 현재 픽처 내 다음 처리 대상 블록의 인트라 예측을 위하여 사용될 수 있고, 후술하는 바와 같이 필터링을 거쳐서 다음 픽처의 인터 예측을 위하여 사용될 수도 있다.
한편 픽처 인코딩 및/또는 복원 과정에서 LMCS (luma mapping with chroma scaling)가 적용될 수도 있다.
필터링부(260)는 복원 신호에 필터링을 적용하여 주관적/객관적 화질을 향상시킬 수 있다. 예를 들어 필터링부(260)은 복원 픽처에 다양한 필터링 방법을 적용하여 수정된(modified) 복원 픽처를 생성할 수 있고, 상기 수정된 복원 픽처를 메모리(270), 구체적으로 메모리(270)의 DPB에 저장할 수 있다. 상기 다양한 필터링 방법은 예를 들어, 디블록킹 필터링, 샘플 적응적 오프셋(sample adaptive offset), 적응적 루프 필터(adaptive loop filter), 양방향 필터(bilateral filter) 등을 포함할 수 있다. 필터링부(260)은 각 필터링 방법에 대한 설명에서 후술하는 바와 같이 필터링에 관한 다양한 정보를 생성하여 엔트로피 인코딩부(240)로 전달할 수 있다. 필터링 관한 정보는 엔트로피 인코딩부(240)에서 인코딩되어 비트스트림 형태로 출력될 수 있다.
메모리(270)에 전송된 수정된 복원 픽처는 인터 예측부(221)에서 참조 픽처로 사용될 수 있다. 인코딩 장치는 이를 통하여 인터 예측이 적용되는 경우, 인코딩 장치(200)와 디코딩 장치(300)에서의 예측 미스매치를 피할 수 있고, 부호화 효율도 향상시킬 수 있다.
메모리(270) DPB는 수정된 복원 픽처를 인터 예측부(221)에서의 참조 픽처로 사용하기 위해 저장할 수 있다. 메모리(270)는 현재 픽처 내 움직임 정보가 도출된(또는 인코딩된) 블록의 움직임 정보 및/또는 이미 복원된 픽처 내 블록들의 움직임 정보를 저장할 수 있다. 상기 저장된 움직임 정보는 공간적 주변 블록의 움직임 정보 또는 시간적 주변 블록의 움직임 정보로 활용하기 위하여 인터 예측부(221)에 전달할 수 있다. 메모리(270)는 현재 픽처 내 복원된 블록들의 복원 샘플들을 저장할 수 있고, 인트라 예측부(222)에 전달할 수 있다.
도 3은 본 문서의 실시예들이 적용될 수 있는 비디오/영상 디코딩 장치의 구성을 개략적으로 설명하는 도면이다.
도 3을 참조하면, 디코딩 장치(300)는 엔트로피 디코딩부(entropy decoder, 310), 레지듀얼 처리부(residual processor, 320), 예측부(predictor, 330), 가산부(adder, 340), 필터링부(filter, 350) 및 메모리(memory, 360)를 포함하여 구성될 수 있다. 예측부(330)는 인트라 예측부(331) 및 인터 예측부(332)를 포함할 수 있다. 레지듀얼 처리부(320)는 역양자화부(dequantizer, 321) 및 역변환부(inverse transformer, 321)를 포함할 수 있다. 상술한 엔트로피 디코딩부(310), 레지듀얼 처리부(320), 예측부(330), 가산부(340) 및 필터링부(350)는 실시예에 따라 하나의 하드웨어 컴포넌트(예를 들어 디코더 칩셋 또는 프로세서)에 의하여 구성될 수 있다. 또한 메모리(360)는 DPB(decoded picture buffer)를 포함할 수 있고, 디지털 저장 매체에 의하여 구성될 수도 있다. 상기 하드웨어 컴포넌트는 메모리(360)을 내/외부 컴포넌트로 더 포함할 수도 있다.
비디오/영상 정보를 포함하는 비트스트림이 입력되면, 디코딩 장치(300)는 도 2의 인코딩 장치에서 비디오/영상 정보가 처리된 프로세스에 대응하여 영상을 복원할 수 있다. 예를 들어, 디코딩 장치(300)는 상기 비트스트림으로부터 획득한 블록 분할 관련 정보를 기반으로 유닛들/블록들을 도출할 수 있다. 디코딩 장치(300)는 인코딩 장치에서 적용된 처리 유닛을 이용하여 디코딩을 수행할 수 있다. 따라서 디코딩의 처리 유닛은 예를 들어 코딩 유닛일 수 있고, 코딩 유닛은 코딩 트리 유닛 또는 최대 코딩 유닛으로부터 쿼드 트리 구조, 바이너리 트리 구조 및/또는 터너리 트리 구조를 따라서 분할될 수 있다. 코딩 유닛으로부터 하나 이상의 변환 유닛이 도출될 수 있다. 그리고, 디코딩 장치(300)를 통해 디코딩 및 출력된 복원 영상 신호는 재생 장치를 통해 재생될 수 있다.
디코딩 장치(300)는 도 2의 인코딩 장치로부터 출력된 신호를 비트스트림 형태로 수신할 수 있고, 수신된 신호는 엔트로피 디코딩부(310)를 통해 디코딩될 수 있다. 예를 들어, 엔트로피 디코딩부(310)는 상기 비트스트림을 파싱하여 영상 복원(또는 픽처 복원)에 필요한 정보(ex. 비디오/영상 정보)를 도출할 수 있다. 상기 비디오/영상 정보는 어댑테이션 파라미터 세트(APS), 픽처 파라미터 세트(PPS), 시퀀스 파라미터 세트(SPS) 또는 비디오 파라미터 세트(VPS) 등 다양한 파라미터 세트에 관한 정보를 더 포함할 수 있다. 또한 상기 비디오/영상 정보는 일반 제한 정보(general constraint information)를 더 포함할 수 있다. 디코딩 장치는 상기 파라미터 세트에 관한 정보 및/또는 상기 일반 제한 정보를 더 기반으로 픽처를 디코딩할 수 있다. 본 문서에서 후술되는 시그널링/수신되는 정보 및/또는 신택스 요소들은 상기 디코딩 절차를 통하여 디코딩되어 상기 비트스트림으로부터 획득될 수 있다. 예컨대, 엔트로피 디코딩부(310)는 지수 골롬 부호화, CAVLC 또는 CABAC 등의 코딩 방법을 기초로 비트스트림 내 정보를 디코딩하고, 영상 복원에 필요한 신택스 엘리먼트의 값, 레지듀얼에 관한 변환 계수의 양자화된 값 들을 출력할 수 있다. 보다 상세하게, CABAC 엔트로피 디코딩 방법은, 비트스트림에서 각 구문 요소에 해당하는 빈을 수신하고, 디코딩 대상 구문 요소 정보와 주변 및 디코딩 대상 블록의 디코딩 정보 혹은 이전 단계에서 디코딩된 심볼/빈의 정보를 이용하여 문맥(context) 모델을 결정하고, 결정된 문맥 모델에 따라 빈(bin)의 발생 확률을 예측하여 빈의 산술 디코딩(arithmetic decoding)를 수행하여 각 구문 요소의 값에 해당하는 심볼을 생성할 수 있다. 이때, CABAC 엔트로피 디코딩 방법은 문맥 모델 결정 후 다음 심볼/빈의 문맥 모델을 위해 디코딩된 심볼/빈의 정보를 이용하여 문맥 모델을 업데이트할 수 있다. 엔트로피 디코딩부(310)에서 디코딩된 정보 중 예측에 관한 정보는 예측부(인터 예측부(332) 및 인트라 예측부(331))로 제공되고, 엔트로피 디코딩부(310)에서 엔트로피 디코딩이 수행된 레지듀얼 값, 즉 양자화된 변환 계수들 및 관련 파라미터 정보는 레지듀얼 처리부(320)로 입력될 수 있다. 레지듀얼 처리부(320)는 레지듀얼 신호(레지듀얼 블록, 레지듀얼 샘플들, 레지듀얼 샘플 어레이)를 도출할 수 있다. 또한, 엔트로피 디코딩부(310)에서 디코딩된 정보 중 필터링에 관한 정보는 필터링부(350)으로 제공될 수 있다. 한편, 인코딩 장치로부터 출력된 신호를 수신하는 수신부(미도시)가 디코딩 장치(300)의 내/외부 엘리먼트로서 더 구성될 수 있고, 또는 수신부는 엔트로피 디코딩부(310)의 구성요소일 수도 있다. 한편, 본 문서에 따른 디코딩 장치는 비디오/영상/픽처 디코딩 장치라고 불릴 수 있고, 상기 디코딩 장치는 정보 디코더(비디오/영상/픽처 정보 디코더) 및 샘플 디코더(비디오/영상/픽처 샘플 디코더)로 구분할 수도 있다. 상기 정보 디코더는 상기 엔트로피 디코딩부(310)를 포함할 수 있고, 상기 샘플 디코더는 상기 역양자화부(321), 역변환부(322), 가산부(340), 필터링부(350), 메모리(360), 인터 예측부(332) 및 인트라 예측부(331) 중 적어도 하나를 포함할 수 있다.
역양자화부(321)에서는 양자화된 변환 계수들을 역양자화하여 변환 계수들을 출력할 수 있다. 역양자화부(321)는 양자화된 변환 계수들을 2차원의 블록 형태로 재정렬할 수 있다. 이 경우 상기 재정렬은 인코딩 장치에서 수행된 계수 스캔 순서를 기반하여 재정렬을 수행할 수 있다. 역양자화부(321)는 양자화 파라미터(예를 들어 양자화 스텝 사이즈 정보)를 이용하여 양자화된 변환 계수들에 대한 역양자화를 수행하고, 변환 계수들(transform coefficient)를 획득할 수 있다.
역변환부(322)에서는 변환 계수들를 역변환하여 레지듀얼 신호(레지듀얼 블록, 레지듀얼 샘플 어레이)를 획득하게 된다.
예측부는 현재 블록에 대한 예측을 수행하고, 상기 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록(predicted block)을 생성할 수 있다. 예측부는 엔트로피 디코딩부(310)로부터 출력된 상기 예측에 관한 정보를 기반으로 상기 현재 블록에 인트라 예측이 적용되는지 또는 인터 예측이 적용되는지 결정할 수 있고, 구체적인 인트라/인터 예측 모드를 결정할 수 있다.
예측부(320)는 후술하는 다양한 예측 방법을 기반으로 예측 신호를 생성할 수 있다. 예를 들어, 예측부는 하나의 블록에 대한 예측을 위하여 인트라 예측 또는 인터 예측을 적용할 수 있을 뿐 아니라, 인트라 예측과 인터 예측을 동시에 적용할 수 있다. 이는 combined inter and intra prediction (CIIP)라고 불릴 수 있다. 또한, 예측부는 블록에 대한 예측을 위하여 인트라 블록 카피(intra block copy, IBC) 예측 모드에 기반할 수도 있고 또는 팔레트 모드(palette mode)에 기반할 수도 있다. 상기 IBC 예측 모드 또는 팔레트 모드는 예를 들어 SCC(screen content coding) 등과 같이 게임 등의 컨텐츠 영상/동영상 코딩을 위하여 사용될 수 있다. IBC는 기본적으로 현재 픽처 내에서 예측을 수행하나 현재 픽처 내에서 참조 블록을 도출하는 점에서 인터 예측과 유사하게 수행될 수 있다. 즉, IBC는 본 문서에서 설명되는 인터 예측 기법들 중 적어도 하나를 이용할 수 있다. 팔레트 모드는 인트라 코딩 또는 인트라 예측의 일 예로 볼 수 있다. 팔레트 모드가 적용되는 경우 팔레트 테이블 및 팔레트 인덱스에 관한 정보가 상기 비디오/영상 정보에 포함되어 시그널링될 수 있다.
인트라 예측부(331)는 현재 픽처 내의 샘플들을 참조하여 현재 블록을 예측할 수 있다. 상기 참조되는 샘플들은 예측 모드에 따라 상기 현재 블록의 주변(neighbor)에 위치할 수 있고, 또는 떨어져서 위치할 수도 있다. 인트라 예측에서 예측 모드들은 복수의 비방향성 모드와 복수의 방향성 모드를 포함할 수 있다. 인트라 예측부(331)는 주변 블록에 적용된 예측 모드를 이용하여, 현재 블록에 적용되는 예측 모드를 결정할 수도 있다.
인터 예측부(332)는 참조 픽처 상에서 움직임 벡터에 의해 특정되는 참조 블록(참조 샘플 어레이)을 기반으로, 현재 블록에 대한 예측된 블록을 유도할 수 있다. 이때, 인터 예측 모드에서 전송되는 움직임 정보의 양을 줄이기 위해 주변 블록과 현재 블록 간의 움직임 정보의 상관성에 기초하여 움직임 정보를 블록, 서브블록 또는 샘플 단위로 예측할 수 있다. 상기 움직임 정보는 움직임 벡터 및 참조 픽처 인덱스를 포함할 수 있다. 상기 움직임 정보는 인터 예측 방향(L0 예측, L1 예측, Bi 예측 등) 정보를 더 포함할 수 있다. 인터 예측의 경우에, 주변 블록은 현재 픽처 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 픽처에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 예를 들어, 인터 예측부(332)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 수신한 후보 선택 정보를 기반으로 상기 현재 블록의 움직임 벡터 및/또는 참조 픽처 인덱스를 도출할 수 있다. 다양한 예측 모드를 기반으로 인터 예측이 수행될 수 있으며, 상기 예측에 관한 정보는 상기 현재 블록에 대한 인터 예측의 모드를 지시하는 정보를 포함할 수 있다.
가산부(340)는 획득된 레지듀얼 신호를 예측부(인터 예측부(332) 및/또는 인트라 예측부(331) 포함)로부터 출력된 예측 신호(예측된 블록, 예측 샘플 어레이)에 더함으로써 복원 신호(복원 픽처, 복원 블록, 복원 샘플 어레이)를 생성할 수 있다. 스킵 모드가 적용된 경우와 같이 처리 대상 블록에 대한 레지듀얼이 없는 경우, 예측된 블록이 복원 블록으로 사용될 수 있다.
가산부(340)는 복원부 또는 복원 블록 생성부라고 불릴 수 있다. 생성된 복원 신호는 현재 픽처 내 다음 처리 대상 블록의 인트라 예측을 위하여 사용될 수 있고, 후술하는 바와 같이 필터링을 거쳐서 출력될 수도 있고 또는 다음 픽처의 인터 예측을 위하여 사용될 수도 있다.
한편, 픽처 디코딩 과정에서 LMCS (luma mapping with chroma scaling)가 적용될 수도 있다.
필터링부(350)는 복원 신호에 필터링을 적용하여 주관적/객관적 화질을 향상시킬 수 있다. 예를 들어 필터링부(350)는 복원 픽처에 다양한 필터링 방법을 적용하여 수정된(modified) 복원 픽처를 생성할 수 있고, 상기 수정된 복원 픽처를 메모리(360), 구체적으로 메모리(360)의 DPB에 전송할 수 있다. 상기 다양한 필터링 방법은 예를 들어, 디블록킹 필터링, 샘플 적응적 오프셋(sample adaptive offset), 적응적 루프 필터(adaptive loop filter), 양방향 필터(bilateral filter) 등을 포함할 수 있다.
메모리(360)의 DPB에 저장된 (수정된) 복원 픽처는 인터 예측부(332)에서 참조 픽쳐로 사용될 수 있다. 메모리(360)는 현재 픽처 내 움직임 정보가 도출된(또는 디코딩된) 블록의 움직임 정보 및/또는 이미 복원된 픽처 내 블록들의 움직임 정보를 저장할 수 있다. 상기 저장된 움직임 정보는 공간적 주변 블록의 움직임 정보 또는 시간적 주변 블록의 움직임 정보로 활용하기 위하여 인터 예측부(260)에 전달할 수 있다. 메모리(360)는 현재 픽처 내 복원된 블록들의 복원 샘플들을 저장할 수 있고, 인트라 예측부(331)에 전달할 수 있다.
본 문서에서, 인코딩 장치(200)의 필터링부(260), 인터 예측부(221) 및 인트라 예측부(222)에서 설명된 실시예들은 각각 디코딩 장치(300)의 필터링부(350), 인터 예측부(332) 및 인트라 예측부(331)에도 동일 또는 대응되도록 적용될 수 있다.
도 4는 코딩된 비디오/영상에 대한 계층 구조를 예시적으로 나타낸다.
도 4를 참조하면, 코딩된 비디오/영상은 비디오/영상의 디코딩 처리 및 그 자체를 다루는 VCL(video coding layer, 비디오 코딩 계층), 부호화된 정보를 전송하고 저장하는 하위 시스템, 그리고 VCL과 하위 시스템 사이에 존재하며 네트워크 적응 기능을 담당하는 NAL(network abstraction layer, 네트워크 추상 계층)로 구분될 수 있다.
예를 들어, VCL에서는, 압축된 이미지 데이터(슬라이스 데이터)를 포함하는 VCL 데이터가 생성되거나 또는 픽처 파라미터 세트(Picture Parameter Set, PPS), 시퀀스 파라미터 세트(Sequence Parameter Set, SPS), 비디오 파라미터 세트(Video Parameter Set, VPS) 또는 영상 디코딩 과정에 추가로 필요한 SEI(Supplemental Enhancement Information, SEI) 메시지를 포함하는 파라미터 세트가 생성될 수 있다.
예를 들어, NAL에서는 VCL에서 생성된 RBSP(Raw Byte Sequence Payload)에 헤더(header) 정보(NAL 유닛 헤더)를 추가하여 NAL 유닛이 생성될 수 있다. 이 경우, RBSP는 VCL에서 생성된 슬라이스 데이터(slice data), 파라미터 세트(parameter set), SEI 메시지(SEI message) 등을 참조할 수 있다. NAL 유닛 헤더는 해당 NAL 유닛에 포함된 RBSP 데이터에 따라 지정된 NAL 유닛 타입 정보를 포함할 수 있다.
예를 들어, 도 4에 도시된 바와 같이 NAL 유닛은 VCL에서 생성된 RBSP에 따라 VCL NAL 유닛과 Non-VCL NAL 유닛으로 분류될(classified) 수 있다. VCL NAL 유닛은 영상(image)에 대한 정보(슬라이스 데이터)를 포함하는 NAL 유닛을 의미할 수 있고, Non-VCL NAL 유닛은 영상 디코딩에 필요한 정보(파라미터 세트 또는 SEI 메시지)를 포함하는 NAL 유닛을 의미할 수 있다.
상술한 VCL NAL 유닛과 Non-VCL NAL 유닛은 서브시스템의 데이터 규격(data standard)에 따라 헤더 정보를 첨부하여 네트워크를 통해 전송될 수 있다. 예를 들어, NAL 유닛은 H.266/VVC 파일 포멧(VVC file format), 실시간 전송 프로토콜(real-time transport protocol, RTP), 전송 스트림(Transport Stream, TS) 등과 같은 미리 정해진 표준의 데이터 포멧(data format)으로 변환될 수 있고, 다양한 네트워크를 통해 전송될 수 있다.
또한, 상술한 바와 같이 NAL 유닛은 해당 NAL 유닛에 포함된 RBSP 데이터 구조에 따라서 NAL 유닛 타입이 지정될 수 있으며, NAL 유닛 타입에 대한 정보는 NAL 유닛 헤더에 저장되고 시그널링될 수 있다.
예를 들어, NAL 유닛은 영상에 대한 정보(슬라이스 데이터)를 포함하는지 여부에 따라 VCL NAL 유닛 타입과 Non-VCL NAL 유닛 타입으로 분류될 수 있다. 또한, VCL NAL 유닛 타입은 VCL NAL 유닛에 포함된 픽처의 특성과 타입에 따라 분류될 수 있고, Non-VCL NAL 유닛 타입은 파라미터 세트의 타입에 따라 분류될 수 있다.
다음은 Non-VCL NAL 유닛 타입에 포함된 파라미터 세트의 타입에 따라 지정된 NAL 유닛 타입의 예일 수 있다.
- APS(Adaptation Parameter Set) NAL 유닛: APS를 포함한 NAL 유닛에 대한 타입
- DPS(Decoding Parameter Set) NAL 유닛: DPS를 포함한 NAL 유닛에 대한 타입
- VPS(Video Parameter Set) NAL 유닛: VPS를 포함한 NAL 유닛에 대한 타입
- SPS(Sequence Parameter Set) NAL 유닛: SPS를 포함한 NAL 유닛에 대한 타입
- PPS(Picture Parameter Set) NAL 유닛: PPS를 포함한 NAL 유닛에 대한 타입
- PH (Picture header) NAL 유닛: PH를 포함한 NAL 유닛에 대한 타입
상술한 NAL 유닛 타입들은 NAL 유닛 타입에 대한 신택스 정보를 가질 수 있고, 신택스 정보는 NAL 유닛 헤더에 저장 및 시그널링될 수 있다. 예를 들어, 상기 신택스 정보는 nal_unit_type 일 수 있고, NAL 단위 타입은 nal_unit_type 값으로 지정될 수 있다.
한편, 하나의 픽처는 복수의 슬라이스를 포함할 수 있고, 슬라이스는 슬라이스 헤더 및 슬라이스 데이터를 포함할 수 있다. 이 경우, 복수의 슬라이스(슬라이스 헤더 및 슬라이스 데이터의 세트)에 대해 하나의 픽처 헤더가 추가될 수 있다. 픽처 헤더(픽처 헤더 신택스)는 픽처에 공통적으로 적용될 수 있는 정보/파라미터를 포함할 수 있다. 슬라이스 헤더(슬라이스 헤더 신택스)는 슬라이스에 공통적으로 적용될 수 있는 정보/파라미터를 포함할 수 있다. APS(APS 신택스) 또는 PPS(PPS 신택스)는 하나 이상의 슬라이스 또는 픽처에 공통적으로 적용될 수 있는 정보/파라미터를 포함할 수 있다. SPS(SPS 신택스)는 하나 이상의 시퀀스(sequence)에 공통적으로 적용될 수 있는 정보/파라미터를 포함할 수 있다. VPS(VPS 신택스)는 복수의 레이어들에 공통적으로 적용될 수 있는 정보/파라미터를 포함할 수 있다. DPS(DPS 신택스)는 전체 영상에 공통적으로 적용될 수 있는 정보/파라미터를 포함할 수 있다. DPS는 코딩된 비디오 시퀀스(Coded Video Sequence, CVS)의 연결(concatenation)과 관련된 정보/파라미터를 포함할 수 있다.
본 문서에서 인코딩 장치에서 디코딩 장치로 인코딩되어 비트스트림 형태로 시그널링되는 영상/비디오 정보는 픽처 내 파티셔닝 관련 정보, 인트라/인터 예측 정보, 인터 레이어 예측 관련 정보, 레지듀얼 정보, 인루프 필터링 정보 등을 포함할 뿐 아니라, 상기 슬라이스 헤더에 포함된 정보, 상기 픽처 헤더에 포함된 정보, 상기 APS에 포함된 정보, 상기 PPS에 포함된 정보, SPS에 포함된 정보, VPS에 포함된 정보 및/또는 DPS에 포함된 정보를 포함할 수 있다. 또한 상기 영상/비디오 정보는 NAL 유닛 헤더의 정보를 더 포함할 수 있다.
한편, 상술한 인코딩된 이미지(image)/비디오(video) 정보는 미디어 파일(media file)을 생성하기 위해 미디어 파일 포멧(media file format)을 기반으로 구성될 수 있다. 예를 들어, 인코딩된 이미지/비디오 정보는 상기 인코딩된 이미지/비디오 정보에 대한 하나 이상의 NAL 유닛/샘플 엔트리(entry)를 기반으로 미디어 파일 (세그먼트)을 형성(form)할 수 있다. 상기 미디어 파일은 샘플 엔트리와 트랙(track)을 포함할 수 있다. 예를 들어, 미디어 파일 (세그먼트)은 다양한 레코드(record)를 포함할 수 있으며, 각각의 레코드는 이미지/비디오와 관련된 정보 또는 미디어 파일 포멧과 관련된 정보를 포함할 수 있다. 또한, 예를 들어, 하나 이상의 NAL 유닛은 미디어 파일의 구성(configuration) 레코드(또는 디코더 구성 레코드, 또는 VVC 디코더 구성 레코드) 필드(field)에 저장될 수 있다. 여기서, 필드는 신택스 엘리먼트(syntax element)라고 불릴 수도 있다.
예를 들어, 이 문서에서 개시된 방법/실시예가 적용될 수 있는 미디어 파일 포멧으로 ISO Base Media File Format (ISOBMFF) 이 사용될 수 있다. ISOBMFF는 AVC 파일 포멧, HEVC 파일 포멧 및/또는 VVC 파일 포멧 등과 같은 많은 코덱 인캡슐레이션 포멧들(codec encapsulation formats)과 MPEG-4 파일 포멧, 3GPP 파일 포멧(3GP) 및/또는 DVB 파일 포멧 등과 같은 많은 멀티미디어 컨테이너 포멧들의 기초로 사용될 수 있다. 또한, 오디오 및 비디오와 같은 연속 미디어(continuous media) 외에도 이미지(image)와 같은 정적 미디어(static media) 및 메타데이터가 ISOBMFF에 따른 파일에 저장될 수 있다. ISOBMFF에 따라 구조화된 파일은 로컬 미디어 파일 플레이백(local media file playback), 원격 파일의 점진적 다운로드(progressive downloading of a remote file), DASH(Dynamic Adaptive Streaming over HTTP, DASH)에 대한 세그먼트(segments), 스트리밍할 콘텐츠의 컨테이너(containers) 및 패킷화 인스트럭션(packetization instructions), 수신된 실시간 미디어 스트림의 리코딩(recording of received real-time media streams) 등 다양한 용도로 사용될 수 있다.
후술하는 '박스(box)'는 ISOBMFF 의 기본 신택스 엘리먼트(elementary syntax element)일 수 있다. ISOBMFF 파일은 일련의 박스(a sequence of boxes)로 구성될 수 있으며, 박스에는 다른 박스가 포함될 수 있다. 예를 들어, 무비 박스 (그룹화 타입(grouping type)이 'moov'인 박스)는 미디어 파일에 있는 연속 미디어 스트림들(continuous media streams)에 대한 메타데이터를 포함할 수 있고 각 스트림은 파일에 트랙으로 표시될 수 있다. 트랙에 대한 메타데이터는 트랙 박스(그룹화 타입(grouping type)이 'trak'인 박스)에 포함될 수 있고, 트랙의 미디어 콘텐츠(media content)는 미디어 데이터 박스(그룹화 타입(grouping type)이 'mdat'인 박스)에 포함되거나 또는 별도의 파일에 직접 포함될 수 있다. 트랙의 미디어 콘텐츠는 오디오 또는 비디오 액세스 유닛들과 같은 샘플 시퀀스(a sequence of samples)로 구성될 수 있다. 예를 들어, ISOBMFF는 기본 미디어 스트림(elementary media stream)을 포함하는 미디어 트랙(media track), 미디어 전송 인스트럭션들(media transmission instructions)을 포함하거나 수신된 패킷 스트림을 나타내는 힌트 트랙(hint track), 시간 동기화된 메타데이터(timesynchronized metadata)를 포함하는 타임드 메타데이터 트랙(timed metadata track) 와 같은 타입들의 트랙들을 지정할 수 있다.
또한, ISOBMFF는 저장용으로 설계되었지만 예를 들어 점진적 다운로드(progressive download) 또는 DASH와 같은 스트리밍에도 매우 유용하다. 스트리밍 목적으로, ISOBMFF에서 정의된 무비 프레그먼트들(movie fragments)이 사용될 수 있다. 단편화된 ISOBMFF 파일(fragmented ISOBMFF file)은 예를 들어 비디오 및 오디오와 관련된 두 개의 트랙들로 나타낼 수 있다. 예를 들어, 'moov' 박스를 수신한 후에 임의 액세스(random access)가 포함된 경우, 관련 미디어 데이터와 함께 모든 무비 프레그먼트 'moof'가 디코딩될 수 있다.
또한, 각 트랙의 메타데이터는 상기 트랙에 사용된 코딩 또는 인캡슐레이션 포멧과 해당 포멧을 처리하는데 필요한 초기화 데이터(initialization data)를 제공하는 샘플 디스크립션 엔트리들(sample description entries)의 리스트를 포함할 수 있다. 또한, 각 샘플은 상기 트랙의 상기 샘플 디스크립션 엔트리들 중 하나와 연결될 수 있다.
ISOBMFF를 사용하면 다양한 메커니즘으로 샘플별 메타데이터(sample-specific metadata)를 지정할 수 있다. 샘플 테이블 박스(그룹화 타입이 'stbl'인 박스) 내의 특정 박스들은 일반적인 요구 사항에 대응하기 위해 표준화될 수 있다. 예를 들어, 싱크(Sync) 샘플 박스(그룹화 타입이 'stss'인 박스)는 트랙의 랜덤 액세스 샘플들(random access samples)을 나열하는데 사용될 수 있다. 샘플 그룹화 메커니즘을 사용하면 파일 내 샘플 그룹 디스크립션 엔트리(sample group description entry)로 지정된 동일한 속성(property)을 공유하는 샘플 그룹으로 4자 그룹화 타입(a four-character grouping type)에 따라 샘플들을 매핑할 수 있다. ISOBMFF에는 여러 그룹화 타입들이 지정되어 있을 수 있다.
도 5 및 도 6은 미디어 파일의 구조의 일 예를 도시한 도면이다.
미디어 파일은 적어도 하나 이상의 박스를 포함할 수 있다. 여기서 박스(box)는 미디어 데이터 또는 미디어 데이터에 관련된 메타데이터 등을 포함하는 데이터 블록 내지 오브젝트일 수 있다. 박스들은 서로 계층적 구조를 이룰 수 있으며, 이에 따라 데이터들이 분류되어 미디어 파일이 대용량 미디어 데이터의 저장 및/또는 전송에 적합한 형태를 띄게 될 수 있다. 또한 미디어 파일은, 사용자가 미디어 컨텐츠의 특정지점으로 이동하는 등, 미디어 정보에 접근하는데 있어 용이한 구조를 가질 수 있다.
미디어 파일은 ftyp 박스, moov 박스 및/또는 mdat 박스를 포함할 수 있다.
ftyp 박스(파일 타입 박스)는 해당 미디어 파일에 대한 파일 타입 또는 호환성 관련 정보를 제공할 수 있다. ftyp 박스는 해당 미디어 파일의 미디어 데이터에 대한 구성 버전 정보를 포함할 수 있다. 복호기는 ftyp 박스를 참조하여 해당 미디어 파일을 구분할 수 있다.
moov 박스(무비 박스)는 해당 미디어 파일의 미디어 데이터에 대한 메타 데이터를 포함하는 박스일 수 있다. moov 박스는 모든 메타 데이터들을 위한 컨테이너 역할을 할 수 있다. moov 박스는 메타 데이터 관련 박스들 중 최상위 계층의 박스일 수 있다. 실시예에 따라 moov 박스는 미디어 파일 내에 하나만 존재할 수 있다.
mdat 박스(미디어 데이터 박스)는 해당 미디어 파일의 실제 미디어 데이터들을 담는 박스일 수 있다. 미디어 데이터들은 오디오 샘플 및/또는 비디오 샘플들을 포함할 수 있는데, mdat 박스는 이러한 미디어 샘플들을 담는 컨테이너 역할을 할 수 있다.
실시예에 따라 전술한 moov 박스는 mvhd 박스, trak 박스 및/또는 mvex 박스 등을 하위 박스로서 더 포함할 수 있다.
mvhd 박스(무비 헤더 박스)는 해당 미디어 파일에 포함되는 미디어 데이터의 미디어 프리젠테이션 관련 정보를 포함할 수 있다. 즉, mvhd 박스는 해당 미디어 프리젠테이션의 미디어 생성시간, 변경시간, 시간규격, 기간 등의 정보를 포함할 수 있다.
trak 박스(트랙 박스)는 해당 미디어 데이터의 트랙에 관련된 정보를 제공할 수 있다. trak 박스는 오디오 트랙 또는 비디오 트랙에 대한 스트림 관련 정보, 프리젠테이션 관련 정보, 액세스 관련 정보 등의 정보를 포함할 수 있다. Trak 박스는 트랙의 개수에 따라 복수개 존재할 수 있다.
trak 박스는 실시예에 따라 tkhd 박스(트랙 헤더 박스)를 하위 박스로서 더 포함할 수 있다. tkhd 박스는 trak 박스가 나타내는 해당 트랙에 대한 정보를 포함할 수 있다. tkhd 박스는 해당 트랙의 생성시간, 변경시간, 트랙 식별자 등의 정보를 포함할 수 있다.
mvex 박스(무비 익스텐드 박스)는 해당 미디어 파일에 후술할 moof 박스가 있을 수 있음을 지시할 수 있다. 특정 트랙의 모든 미디어 샘플들을 알기 위해서, moof 박스들이 스캔되어야할 수 있다.
미디어 파일은, 실시예에 따라, 복수개의 프래그먼트로 나뉘어질 수 있다(500). 이를 통해 미디어 파일이 분할되어 저장되거나 전송될 수 있다. 미디어 파일의 미디어 데이터들(mdat 박스)은 복수개의 프래그먼트로 나뉘어지고, 각각의 프래그먼트는 moof 박스와 나뉘어진 mdat 박스를 포함할 수 있다. 실시예에 따라 프래그먼트들을 활용하기 위해서는 ftyp 박스 및/또는 moov 박스의 정보가 필요할 수 있다.
moof 박스(무비 프래그먼트 박스)는 해당 프래그먼트의 미디어 데이터에 대한 메타 데이터를 제공할 수 있다. moof 박스는 해당 프래그먼트의 메타데이터 관련 박스들 중 최상위 계층의 박스일 수 있다.
mdat 박스(미디어 데이터 박스)는 전술한 바와 같이 실제 미디어 데이터를 포함할 수 있다. 이 mdat 박스는 각각의 해당 프래그먼트에 해당하는 미디어 데이터들의 미디어 샘플들을 포함할 수 있다.
실시예에 따라 전술한 moof 박스는 mfhd 박스 및/또는 traf 박스 등을 하위 박스로서 더 포함할 수 있다.
mfhd 박스(무비 프래그먼트 헤더 박스)는 분할된 복수개의 프래그먼트들 간의 연관성과 관련한 정보들을 포함할 수 있다. mfhd 박스는 시퀀스 넘버(sequence number) 를 포함하여, 해당 프래그먼트의 미디어 데이터가 분할된 몇 번째 데이터인지를 나타낼 수 있다. 또한, mfhd 박스를 이용하여 분할된 데이터 중 누락된 것은 없는지 여부가 확인될 수 있다.
traf 박스(트랙 프래그먼트 박스)는 해당 트랙 프래그먼트에 대한 정보를 포함할 수 있다. traf 박스는 해당 프래그먼트에 포함되는 분할된 트랙 프래그먼트에 대한 메타데이터를 제공할 수 있다. traf 박스는 해당 트랙 프래그먼트 내의 미디어 샘플들이 복호화/재생될 수 있도록 메타데이터를 제공할 수 있다. traf 박스는 트랙 프래그먼트의 개수에 따라 복수개 존재할 수 있다.
실시예에 따라 전술한 traf 박스는 tfhd 박스 및/또는 trun 박스 등을 하위 박스로서 더 포함할 수 있다.
tfhd 박스(트랙 프래그먼트 헤더 박스)는 해당 트랙 프래그먼트의 헤더 정보를 포함할 수 있다. tfhd 박스는 전술한 traf 박스가 나타내는 트랙 프래그먼트의 미디어 샘플들에 대하여, 기본적인 샘플크기, 기간, 오프셋, 식별자 등의 정보를 제공할 수 있다.
trun 박스(트랙 프래그먼트 런 박스)는 해당 트랙 프래그먼트 관련 정보를 포함할 수 있다. trun 박스는 미디어 샘플별 기간, 크기, 재생시점 등과 같은 정보를 포함할 수 있다.
전술한 미디어 파일 내지 미디어 파일의 프래그먼트들은 세그먼트들로 처리되어 전송될 수 있다. 세그먼트에는 초기화 세그먼트(initialization segment) 및/또는 미디어 세그먼트(media segment) 가 있을 수 있다.
도시된 실시예(510)의 파일은, 미디어 데이터는 제외하고 미디어 디코더의 초기화와 관련된 정보 등을 포함하는 파일일 수 있다. 이 파일은 예를 들어 전술한 초기화 세그먼트에 해당할 수 있다. 초기화 세그먼트는 전술한 ftyp 박스 및/또는 moov 박스를 포함할 수 있다.
도시된 실시예(520)의 파일은, 전술한 프래그먼트를 포함하는 파일일 수 있다. 이 파일은 예를 들어 전술한 미디어 세그먼트에 해당할 수 있다. 미디어 세그먼트는 전술한 moof 박스 및/또는 mdat 박스를 포함할 수 있다. 또한, 미디어 세그먼트는 styp 박스 및/또는 sidx 박스를 더 포함할 수 있다.
styp 박스(세그먼트 타입 박스)는 분할된 프래그먼트의 미디어 데이터를 식별하기 위한 정보를 제공할 수 있다. styp 박스는 분할된 프래그먼트에 대해, 전술한 ftyp 박스와 같은 역할을 수행할 수 있다. 실시예에 따라 styp 박스는 ftyp 박스와 동일한 포멧을 가질 수 있다.
sidx 박스(세그먼트 인덱스 박스)는 분할된 프래그먼트에 대한 인덱스를 나타내는 정보를 제공할 수 있다. 이를 통해 해당 분할된 프래그먼트가 몇번째 프래그먼트인지가 지시될 수 있다.
실시예(530)에 따라 ssix 박스가 더 포함될 수 있는데, ssix 박스(서브 세그먼트 인덱스 박스)는 세그먼트가 서브 세그먼트로 더 나뉘어지는 경우에 있어, 그 서브 세그먼트의 인덱스를 나타내는 정보를 제공할 수 있다.
미디어 파일 내의 박스들은, 도시된 실시예(550)와 같은 박스 내지 풀 박스(FullBox) 형태를 기반으로, 더 확장된 정보들을 포함할 수 있다. 이 실시예에서 size 필드, largesize 필드는 해당 박스의 길이를 바이트 단위 등으로 나타낼 수 있다. version 필드는 해당 박스 포멧의 버전을 나타낼 수 있다. type 필드는 해당 박스의 타입 내지 식별자를 나타낼 수 있다. flags 필드는 해당 박스와 관련된 플래그 등을 나타낼 수 있다.
한편, 본 문서의 비디오/영상에 관한 필드(속성)들은 DASH 기반 적응형(adaptive) 스트리밍 모델에 포함되어 전달될 수 있다.
도 7은 DASH 기반 적응형 스트리밍 모델의 전반적인 동작의 일 예를 나타낸다. 도시된 실시예(700)에 따른 DASH 기반 적응형 스트리밍 모델은, HTTP 서버와 DASH 클라이언트 간의 동작을 기술하고 있다. 여기서 DASH(Dynamic Adaptive Streaming over HTTP)는, HTTP 기반 적응형 스트리밍을 지원하기 위한 프로토콜로서, 네트워크 상황에 따라 동적으로 스트리밍을 지원할 수 있다. 이에 따라 AV 컨텐츠 재생이 끊김없이 제공될 수 있다.
먼저 DASH 클라이언트는 MPD를 획득할 수 있다. MPD는 HTTP 서버 등의 서비스 프로바이더로부터 전달될 수 있다. DASH 클라이언트는 MPD에 기술된 세그먼트에의 접근 정보를 이용하여 서버로 해당 세그먼트들을 요청할 수 있다. 여기서 이 요청은 네트워크 상태를 반영하여 수행될 수 있다.
DASH 클라이언트는 해당 세그먼트를 획득한 후, 이를 미디어 엔진에서 처리하여 화면에 디스플레이할 수 있다. DASH 클라이언트는 재생 시간 및/또는 네트워크 상황 등을 실시간으로 반영하여, 필요한 세그먼트를 요청, 획득할 수 있다(Adaptive Streaming). 이를 통해 컨텐츠가 끊김없이 재생될 수 있다.
MPD (Media Presentation Description)는 DASH 클라이언트로 하여금 세그먼트를 동적으로 획득할 수 있도록 하기 위한 상세 정보를 포함하는 파일로서 XML 형태로 표현될 수 있다.
DASH 클라이언트 컨트롤러(DASH Client Controller)는 네트워크 상황을 반영하여 MPD 및/또는 세그먼트를 요청하는 커맨드를 생성할 수 있다. 또한, 이 컨트롤러는 획득된 정보를 미디어 엔진 등등의 내부 블록에서 사용할 수 있도록 제어할 수 있다.
MPD 파서(Parser)는 획득한 MPD 를 실시간으로 파싱할 수 있다. 이를 통해, DASH 클라이언트 컨트롤러는 필요한 세그먼트를 획득할 수 있는 커맨드를 생성할 수 있게 될 수 있다.
세그먼트 파서(Parser)는 획득한 세그먼트를 실시간으로 파싱할 수 있다. 세그먼트에 포함된 정보들에 따라 미디어 엔진 등의 내부 블록들은 특정 동작을 수행할 수 있다.
HTTP 클라이언트는 필요한 MPD 및/또는 세그먼트 등을 HTTP 서버에 요청할 수 있다. 또한 HTTP 클라이언트는 서버로부터 획득한 MPD 및/또는 세그먼트들을 MPD 파서 또는 세그먼트 파서로 전달할 수 있다.
미디어 엔진(Media Engine)은 세그먼트에 포함된 미디어 데이터를 이용하여 컨텐츠를 화면상에 표시할 수 있다. 이때, MPD의 정보들이 활용될 수 있다.
DASH 데이터 모델은 계층적 구조(710)를 가질 수 있다. 미디어 프리젠테이션은 MPD에 의해 기술될 수 있다. MPD는 미디어 프리젠테이션을 만드는 복수개의 피리오드(period)들의 시간적인 시퀀스를 기술할 수 있다. 피리오드(period)은 미디어 컨텐츠의 한 구간을 나타낼 수 있다.
한 구간에서, 데이터들은 어댑테이션 셋들에 포함될 수 있다. 어댑테이션 셋은 서로 교환될 수 있는 복수개의 미디어 컨텐츠 컴포넌트들의 집합일 수 있다. 어댑테이션은 레프리젠테이션들의 집합을 포함할 수 있다. 레프리젠테이션은 미디어 컨텐츠 컴포넌트에 해당할 수 있다. 한 레프리젠테이션 내에서, 컨텐츠는 복수개의 세그먼트들로 시간적으로 나뉘어질 수 있다. 이는 적절한 접근성과 전달(delivery)를 위함일 수 있다. 각각의 세그먼트에 접근하기 위해서 각 세그먼트의 URL 이 제공될 수 있다.
MPD는 미디어 프리젠테이션에 관련된 정보들을 제공할 수 있고, 피리오드(period) 엘리먼트, 어댑테이션 셋 엘리먼트, 레프리젠테이션 엘리먼트는 각각 해당 피리오드, 어댑테이션 셋, 레프리젠테이션에 대해서 기술할 수 있다. 레프리젠테이션은 서브 레프리젠테이션들로 나뉘어질 수 있는데, 서브 레프리젠테이션 엘리먼트는 해당 서브 레프리젠테이션에 대해서 기술할 수 있다.
여기서 공통(Common) 속성/엘리먼트들이 정의될 수 있는데, 이 들은 어댑테이션 셋, 레프리젠테이션, 서브 레프리젠테이션 등에 적용될 수 (포함될 수) 있다. 공통 속성/엘리먼트 중에는 에센셜 프로퍼티(EssentialProperty) 및/또는 서플멘탈 프로퍼티(SupplementalProperty)가 있을 수 있다.
에센셜 프로퍼티는 해당 미디어 프리젠테이션 관련 데이터를 처리함에 있어서 필수적이라고 여겨지는 엘리먼트들을 포함하는 정보일 수 있다. 서플멘탈 프로퍼티는 해당 미디어 프리젠테이션 관련 데이터를 처리함에 있어서 사용될 수도 있는 엘리먼트들을 포함하는 정보일 수 있다. 실시예에 따라 후술할 디스크립터들은, MPD 를 통해 전달되는 경우, 에센셜 프로퍼티 및/또는 서플멘탈 프로퍼티 내에 정의되어 전달될 수 있다.
한편, 후술하는 '샘플(sample)'은 픽처를 나타내는 3개의 샘플 어레이들(Y, Cb, Cr) 중 하나의 단일 시간(single time) 또는 단일 요소(single element)와 관련된 모든 데이터일 수 있다. 예를 들어, '샘플(sample)'이라는 용어가 (미디어 파일 포멧의) 트랙의 컨텍스트(context)에서 사용되는 경우, 해당 트랙의 단일 시간과 관련된 모든 데이터를 의미할 수 있다. 여기서 시간은 디코딩 시간(decoding time) 또는 컴포지션 시간(composition)일 수 있다. 또한, 예를 들어, '샘플(sample)'이라는 용어가 픽처의 컨텍스트(context)에서 사용되는 경우, 즉, '루마 샘플(luma sample)'과 같이 픽처의 용어로 사용되는 경우에는 픽처를 나타내는 3개의 샘플 어레이들 중 하나에 있는 단일 요소를 나타낼 수 있다.
한편, VVC 콘텐츠(content)를 저장하기 위하여 아래와 같이 세 가지 타입의 기본 스트림들(elementary streams)이 정의될 수 있다.
- VCL NAL 유닛들을 포함하고 임의의(any) 파라미터 세트들, DCI, 또는 OPI NAL 유닛을 포함하지 않는 비디오 기본 스트림(video elementary stream); 모든 파라미터 세트들, DCI, 및 OPI NAL 유닛은 하나 이상의 샘플 엔트리에 저장될 수 있다. 이때, 비디오 기본 스트림은 파라미터 세트가 아니고, DCI NAL 유닛이 아니고, OPI NAL 유닛이 아닌 non-VCL NAL 유닛을 포함할 수 있다.
- VCL NAL 유닛을 포함하고, 파라미터 세트들, DCI, 또는 OPI NAL 유닛을 포함할 수 있고, 하나 이상의 샘플 엔트리에 저장된 파라미터 세트들, DCI, 또는 OPI NAL 유닛을 가질 수 있는 비디오 및 파라미터 세트 기본 스트림(video and parameter set elementary stream).
- 오직 non-VCL NAL 유닛만을 포함하는 non-VCL 기본 스트림(non-VCL elementary stream). 이때, non-VCL NAL 유닛은 비디오 트랙에 포함된 기본 스트림과 동기화된다(synchronized). 이때, VVC non-VCL 트랙은 샘플 엔트리에 파라미터 세트, DCI, 또는 OPI NAL 유닛을 포함하지 않는다.
한편, 'vvc1' 또는 'vvi1' 샘플 엔트리는 VVC 비트스트림을 전달하는 트랙들 중 적어도 하나의 트랙에서는 필수이다. VVC 샘플 엔트리는 샘플 엔트리 타입이 'vvc1' 또는 'vvi1'와 동일한 샘플 엔트리로 정의된다. 또한, VVC 트랙의 각 샘플 엔트리는 VVC 샘플 엔트리이다. 또한, VVC 샘플 엔트리는 아래에서 정의되는 바와 같이 VVC Configuration Box를 포함한다.
예를 들어, 선택적(optional) BitRateBox는 VVC 비디오 스트림의 비트 레이트 정보(bit rate information)를 시그널링 하기 위해 VVC 샘플 엔트리에 존재할 수 있다. MPEG-4에서 사용되는 경우, 기본 스트림 디스크립터(Elementary Stream Descriptor)에 삽입되어야 하는 확장 디스크립터(extension descriptors)도 또한 존재할 수 있다.
예를 들어, ISO 기반 미디어 파일 포멧(ISO Base Media File Format)에서 허용하는 대로, 다중(multiple) 샘플 엔트리들은 다른 구성(configurations) 또는 파라미터 세트를 사용하는 비디오의 섹션을 표시하는데 사용될 수 있다.
VVC 서브픽처 트랙이 다른 VVC 서브픽처 트랙들 없이 소비될(consumed) 수 있는 일치하는(conforming) VVC 비트스트림을 포함하는 경우, 일반적인(regular) VVC 샘플 엔트리('vvc1' 또는 'vvi1')는 VVC 서브픽처 트랙을 위하여 사용될 수 있다.
그렇지 않은 경우, 'vvs1' 샘플 엔트리가 VVC 서브픽처 트랙을 위하여 사용될 수 있고, 다음 제약이 트랙에 적용될 수 있다.
- track_in_movie 플래그는 0과 같아야 한다.
- 트랙은 하나의 샘플 엔트리만 포함해야 한다.
- 트랙은 'subp' 트랙 레퍼런스(track reference)를 통해 적어도 하나의 VVC 베이스 트랙(base track)에 의해 참조되어야 한다.
- DCI, OPI, VPS, SPS, PPS, AUD, PH, EOS, EOB 및 다른 AU-레벨 또는 픽처-레벨 non-VCL NAL 유닛은 샘플 엔트리 및 'vvs1' 트랙의 샘플 모두에 없어야 한다.
- 달리 명시되지 않는 한, 비디오 샘플 엔트리의 차일드 박스(child boxes)(예를 들어, CleanApertureBox 및 PixelAspectRatioBox)는 샘플 엔트리에 존재하지 않아야 하고, 존재하는 경우에는 무시되어야(ignored) 한다.
- 샘플에 포함된 모든 VCL NAL 유닛들이 동기화 샘플 요구사항(sync sample requirements)을 준수하지 않는 한 샘플은 동기화 샘플(sync sample)로 표시되지 않는다.
- 'vvs1' 트랙의 샘플에 대한 구성 시간 오프셋 정보(composition time offset information)는 존재하지 않는다.
- 'vvs1' 트랙의 샘플에 대한 서브샘플 정보(subsample information)은 존재할 수 있다. 존재하는 경우, 서브샘플 정보는 VVC에 대한 서브샘플(sub-samples)의 정의를 따라야 한다.
한편, VVC 트랙은 VVC 서브픽처 트랙의 track_ID 값 또는 VVC 서브픽처 트랙의 'alte' 트랙 그룹의 track_group_id 값 중 하나를 포함하는 엔트리와 함께, 'subp' 트랙 레퍼런스를 포함할 수 있다.
'spor' 타입의 샘플 그룹은 각각의 VVC 베이스 트랙에 존재해야 한다.
[Ed. (MH): VVC 베이스 트랙에 대한 전용(dedicated) 샘플 엔트리 타입은 트랙 타입(track type)의 코덱(codecs) MIME 파라미터(parameter)를 통해 VVC 베이스 트랙을 표시할 수 있다. 반면에 많은 수의 VVC 샘플 엔트리 타입을 지정하는 것은 바람직하지 않을 수 있다.
한편, 'vvs1' 타입의 샘플 엔트리에는 VvcNALUConfigBox가 포함될 수 있다.
예를 들어, VVC 서브픽처 트랙이 subpic_id_info_flag가 1인 'spor' 샘플 그룹 디스크립션 엔트리(sample group description entry)를 포함하는 VVC 베이스 트랙에 의해 참조되는 경우, VVC 서브픽처 트랙은 디폴트 샘플 그룹화 메커니즘(default sample grouping mechanism)을 잠재적으로(potentially) 사용하는 서브픽처 ID 샘플 그룹 디스크립션(sample group description)을 포함한다.
예를 들어, 샘플 엔트리 명칭(name)이 'vvc1' 또는 'vvi1'인 경우, 해당 샘플 엔트리가 적용되는 스트림은 VVCConfigurationBox에서 제공된 구성(프로파일, 티어 및 레벨 포함) 하에서 작동하는(operating) VVC 디코더에서 볼 때 호환되는(compliant) VVC 스트림이어야 한다.
예를 들어, 샘플 엔트리 명칭(name)이 'vvc1'인 경우, array_completeness의 값은 DCI, VPS, SPS 및 PPS NAL 유닛의 어레이(array)에 대하여 1과 같고, 다른 모든 어레이에 대하여 0과 같아야 한다. 샘플 엔트리 명칭이 'vvi1'인 경우, array_completeness의 값은 모든 어레이에 대하여 0과 같아야 한다.
예를 들어, 트랙이 기본적으로(natively) VVC 비트스트림을 포함하지 않고, 'subp' 및 'vvcN' 트랙 레퍼런스(존재하는 경우)를 해결한(resolving) 후 VVC 비트스트림을 나타내지 않는 경우, 트랙은 'vopi' 샘플 그룹을 전달하는 트랙에 대한 또는 동작 포인트 엔티티 그룹(Operating Point Entity Group)에 대한 'oref' 타입의 트랙 레퍼런스(track reference)를 포함해야 한다.
한편, 예를 들어, 단일 레이어(single-layer) VVC 비트스트림이 서로 다른 트랙에 저장된 두 개의 시간적 서브레이어들(temporal sublayers)을 포함하는 경우, TemporalId가 1과 같은 서브레이어를 포함하는 상기 트랙은 TemporalId가 0과 같은 서브레이어를 포함하는 트랙에 대한 'oref' 트랙 레퍼런스를 포함한다.
한편, 동작 포인트(operating point)는 OLS(output layer set) 인덱스(index) 및 TemporalId의 가장 높은 값(highest value)으로 식별될 수 있는 OSL의 시간적 서브셋(temporal subset)일 수 있다. 각 동작 포인트는 상기 동작 포인트의 적합성 포인트(conformance point)를 정의하는 프로파일(profile), 티어(tier), 레벨(level) (즉, PTL)과 관련될 수 있다.
예를 들어, VVC를 위한 ISO 기반 미디어 파일 포멧(ISO based media file format, ISOBMF)의 동작 포인트 정보(operating point information)는 그룹화 타입(grouping type)이 'vopi' 인 그룹 박스(group box)에 대한 샘플에서 시그널링 되거나 'opeg' 타입의 엔티티 그룹(entity group)에서 시그널링될 수 있다. 상기 정보는 샘플과 각 동작 포인트에 대한 샘플 엔트리를 식별하는데 필요하다.
한편, 어플리케이션들(applications)에는 동작 포인트 정보 샘플 그룹('vopi')을 사용하여 주어진 VVC 비트스트림 및 그들의 구성으로부터 제공된 다른(different) 동작 포인트들에 대해 알려질 수 있다. 예를 들어, 각 동작 포인트는 OLS, 최대 TemporalId 값, 프로파일, 티어 및 레벨 시그널링과 관련이 있다. 상술한 모든 정보는 'vopi' 샘플 그룹에 의해 캡처(capture)될 수 있다. 상술한 정보와 별도로, 상기 샘플 그룹은 레이어들 간의 종속성 정보(dependency information)도 제공할 수 있다.
예를 들어, VVC 비트스트림에 대하여 하나 이상의 VVC 트랙이 존재하고 VVC 비트스트림에 대하여 동작 포인트 엔티티 그룹(Operating Point entity group)이 존재하지 않는 경우에는 다음 두 가지가 모두 적용될 수 있다.
- VVC 비트스트림에 대한 VVC 트랙들 중 'vopi' 샘플 그룹을 전달하는 트랙은 하나뿐이어야 한다.
- VVC 비트스트림의 다른 모든 VVC 트랙은 'vopi' 샘플 그룹을 전달하는 트랙에 대한 'oref' 타입의 트랙 레퍼런스(track reference)를 가져야 한다.
예를 들어, 지정된 트랙(given track)의 임의의(any) 특정(specific) 샘플에 대하여, 다른 트랙의 시간적 콜로케이티드 샘플(temporally collocated sample)은 상기 특정 샘플의 디코딩 시간과 동일한 디코딩 시간(decoding time)을 갖는 샘플로 정의될 수 있다. 'vopi' 샘플 그룹을 전달하는 트랙 Tk에 대한 'oref' 트랙 레퍼런스를 갖는 트랙 TN의 각 샘플 SN에 대하여, 다음이 적용된다.
- 트랙 Tk에 시간적 콜로케이티드 샘플 Sk가 있는 경우, 샘플 SN은 샘플 Sk와 동일한 'vopi' 샘플 그룹 엔티티와 관련될 수 있다.
- 그렇지 않은 경우, 샘플 SN은 디코딩 시간에서 샘플 SN에 선행하는 트랙 Tk의 마지막 샘플과 동일한 'vopi' 샘플 그룹 엔티티와 관련될 수 있다.
한편, 여러 VPS들(VPSs)가 VVC 비트스트림에 의해 참조되는 경우, grouping_type이 'vopi'와 같은 샘플 그룹 디스크립션 박스(sample group description box)에 여러 엔티티들을 포함해야 할 수도 있다. 단일 VPS가 있는 보다 일반적인 경우에는, ISO/IEC 14496-12에 정의된 디폴트 샘플 그룹 메커니즘(default sample group mechanism)을 사용하고 각 트랙 프래그먼트(track fragment)에 포함하지 않고 샘플 테이블 박스(sample table box)에 동작 포인트 정보 샘플 그룹(operating point information sample group)을 포함할 것이 권장(recommended)될 수 있다.
예를 들어, grouping_type_parameter는 그룹화 타입이 'vopi'인 SampleToGroupBox에 대해 정의되지 않을 수 있다.
상술한 동작 포인트 정보를 포함하는 'vopi' 샘플 그룹, 즉, 동작 포인트 정보 샘플 그룹의 신택스는 아래의 표와 같을 수 있다.
Figure PCTKR2021019210-appb-T000001
Figure PCTKR2021019210-appb-I000001
Figure PCTKR2021019210-appb-I000002
또한, 상기 동작 포인트 정보 샘플 그룹의 신택스에 대한 시멘틱(semantics)은 다음의 표와 같을 수 있다.
Figure PCTKR2021019210-appb-T000002
Figure PCTKR2021019210-appb-I000003
Figure PCTKR2021019210-appb-I000004
Figure PCTKR2021019210-appb-I000005
Figure PCTKR2021019210-appb-I000006
한편, 동작 포인트 엔티티 그룹(operating point entity group)은 동작 포인트에 대한 트랙의 매핑 및 동작 포인트의 프로파일 레벨 정보(profile level information)를 제공하도록 정의될 수 있다.
예를 들어, 상기 동작 포인트 엔티티 그룹에서 설명된 동작 포인트에 매핑된 트랙의 샘플을 집계하는(aggregating) 경우에 암시적 복원 프로세스(implicit reconstruction process)는 일치하는(conforming) VVC 비트스트림을 얻기 위해 더 이상의 VCL NAL 유닛을 제거할 필요가 없다. 상기 동작 포인트 엔티티 그룹에 속하는 트랙은 동작 포인트 엔티티 그룹에 표시된 group_id에 대한 타입 'oref'의 트랙 레퍼런스를 가져야 하고, 'vopi' 샘플 그룹을 전달하지 않아야 한다.
예를 들어, 상기 동작 포인트 엔티티 그룹에 포함된 모든 entity_id 값들은 동일한 VVC 비트스트림에 속하는 트랙의 트랙 IDs를 나타내야 한다. 존재하는 경우, OperatingPointGroupBox는 파일-레벨(file-level) MetaBox의 GroupsListBox에 포함되며 다른 레벨들의 MetaBox에는 포함되지 않는다.
상술한 상기 동작 포인트 엔티티 그룹의 신택스는 아래의 표와 같을 수 있다.
Figure PCTKR2021019210-appb-T000003
Figure PCTKR2021019210-appb-I000007
또한, 상기 동작 포인트 엔티티 그룹의 신택스에 대한 시멘틱(semantics)은 다음의 표와 같을 수 있다.
Figure PCTKR2021019210-appb-T000004
Figure PCTKR2021019210-appb-I000008
Figure PCTKR2021019210-appb-I000009
Figure PCTKR2021019210-appb-I000010
예를 들어, 미디어 파일은 영상/비디오 컨텐츠에 대한 디코더 구성 정보(decoder configuration information)를 포함할 수 있다. 즉, 미디어 파일은 디코더 구성 정보를 포함하는 VVC 디코더 구성 레코드(VVC decoder configuration record)를 포함할 수 있다.
한편, VVC 디코더 구성 레코드가 샘플 엔트리에 저장된 경우, 상기 VVC 디코더 구성 레코드는 파라미터 세트, DCI, OPI 및 SEI NAL 유닛뿐만 아니라 포함된 NAL 유닛의 길이(length)를 나타내기 위해 각 샘플에 사용된 길이 필드(length field)의 사이즈를 포함할 수 있다. 상기 VVC 디코더 구성 레코드는 외부에서 구성될(framed) 수 있다(상기 VVC 디코더 구성 레코드의 사이즈는 상기 VVC 디코더 구성 레코드를 포함하는 구조에서 제공된다).
또한, 상기 VVC 디코더 구성 레코드는 버전 필드(version field)를 포함할 수 있다. 본 문서에서의 버전은 상기 VVC 디코더 구성 레코드의 버전 1을 정의할 수 있다. 상기 VVC 디코더 구성 레코드에 대한 호환되지 않는 변경 사항(incompatible changes)은 버전 번호의 변경으로 표시될 수 있다. 버전 번호가 인식되지 않는 경우, 리더(readers)는 상기 VVC 디코더 구성 레코드 또는 해당 레코드가 적용되는 스트림을 디코딩하지 않아야 한다.
또한, 예를 들어, 상기 VVC 디코더 구성 레코드에 대한 호환 가능한 확장(compatible extensions)은 이를 확장하며 구성 버전 코드(configuration version code)를 변경하지 않을 수 있다. 리더는 상기 리더가 이해하는 데이터의 정의를 넘어서는 인식되지 않는 데이터를 무시할 준비가 되어 있어야 한다.
한편, 트랙이 기본적으로 또는 'subp' 트랙 레퍼런스들을 해결하여(resolving) VVC 비티스트림을 포함하는 경우, VvcPtlRecord는 상기 디코더 구성 레코드에 존재해야 하며, 이 경우 VVC 비트스트림에 대한 구체적인 출력 레이어 세트(output layer set)는 필드(field) output_layer_set_idx로 표시된다.
예를 들어, 트랙의 디코더 구성 레코드 내 ptl_present_flag가 0과 같은 경우, 상기 트랙은 VVC 트랙 또는 'opeg' 엔티티 그룹을 참조할 수 있는 ID에 대한 'oref' 트랙 레퍼런스를 가져야 한다.
한편, 상기 VVC 디코더 구성 레코드에서 설명하는 스트림이 디코딩되는 경우, VvcPTLRecord, chroma_format_idc 및 bit_depth_minus8의 신택스 엘리먼트들의 값들은 참조되는 모든 파라미터 세트들에 대하여 유효(valid)할 수 있다. 특히 다음과 같은 제한이 적용될 수 있다.
- 프로파일 표시(profile indication) general_profile_idc는 상기 구성 레코드 내 output_layer_set_idx에 의해 식별된 출력 레이어 세트가 준수하는(conforms) 프로파일을 나타낸다.
예를 들어, 상기 구성 레코드 내 output_layer_set_idx로 식별되는 출력 레이어 세트의 다른 CVSs에 대해 다른 프로파일이 표시되는 경우, 상기 스트림은 전체 스트림이 준수하는 프로파일(존재하는 경우)을 결정하기 위해 검사(examination)가 필요할 수 있다. 또한, 예를 들어, 상기 전체 스트림이 검사되지 않거나, 검사에서 상기 전체 스트림이 준수하는 프로파일이 없는 것으로 밝혀지는 경우, 상기 전체 스트림은 이러한 규칙이 적용될 수 있는 별도의(separate) 구성 레코드를 가진 둘 이상의 서브-스트림(sub-streams)으로 분할될 것으로 예상된다.
- 티어 표시(tier indication) general_tier_flag는 상기 구성 레코드 내 output_layer_set_idx에 의해 식별된 출력 레이어 세트가 준수하는 모든 profile_tier_level() 신택스 구조(모든 파라미트 세트 내)에 표시된 가장 높은 티어보다 크거나 같은 티어를 나타낸다.
- general_constraint_info의 각 비트는 상기 구성 레코드 내 output_layer_set_idx에 의해 식별된 출력 레이어 세트가 준수하는 모든 profile_tier_level() 신택스 구조(모든 파라미터 세트 내)에 있는 모든 general_constraints_info() 신택스 구조 내 해당 비트가 설정된 경우에만 설정될 수 있다.
- 레벨 표시(level indication) general_level_idc는 상기 구성 레코드 내 output_layer_set_idx에 의해 식별된 출력 레이어 세트가 준수하는 모든 profile_tier_level() 신택스 구조(모든 파라미트 세트 내)에 있는 가장 높은 레벨보다 크거나 같은 능력의 레벨(a level of capability)을 나타낸다.
또한, chroma_format_idc에는 다음 제약 조건이 적용될 수 있다.
- 구성 레코드가 적용되는 VVC 스트림이 단일 레이어(single-layer) 비트스트림인 경우, ISO/IEC 23090-3에 정의된 sps_chroma_format_idc의 값은 현재 샘플 엔트리 디스크립션이 적용되는 샘플 내 VCL NAL 유닛에 의해 참조되는 모든 SPSs 내에서 동일해야 하고, chroma_format_idc의 값은 sps_chroma_format_idc의 값과 동일해야 한다.
- 그렇지 않은 경우(구성 레코드가 적용되는 VVC 스트림이 멀티 레이어 비트스트림인 경우), ISO/IEC 23090-3에 정의된 vps_ols_dpb_chroma_format[ MultiLayerOlsIdx[ output_layer_set_idx ]]의 값은 현재 샘플 엔트리 디스크립션이 적용되는 모든 CVSs에 대하여 동일해야 하고, chroma_format_idc의 값은 vps_ols_dpb_chroma_format[ MultiLayerOlsIdx[ output_layer_set_idx ]]의 값과 동일해야 한다.
또한, bit_depth_minus8에는 다음 제약 조건이 적용될 수 있다.
- 구성 레코드가 적용되는 VVC 스트림이 단일 레이어(single-layer) 비트스트림인 경우, ISO/IEC 23090-3에 정의된 sps_bitdepth_minus8의 값은 현재 샘플 엔트리 디스크립션이 적용되는 샘플 내 VCL NAL 유닛에 의해 참조되는 모든 SPSs 내에서 동일해야 하고, bit_depth_minus8의 값은 sps_bitdepth_minus8의 값과 동일해야 한다.
- 그렇지 않은 경우(구성 레코드가 적용되는 VVC 스트림이 멀티 레이어 비트스트림인 경우), ISO/IEC 23090-3에 정의된 vps_ols_dpb_bitdepth_minus8[ MultiLayerOlsIdx[ output_layer_set_idx ] ]의 값은 현재 샘플 엔트리 디스크립션이 적용되는 모든 CVSs에 대하여 동일해야 하고, bit_depth_minus8의 값은 vps_ols_dpb_bitdepth_minus8[ MultiLayerOlsIdx[ output_layer_set_idx ] ]의 값과 동일해야 한다.
또한, picture_width에는 다음 제약 조건이 적용될 수 있다.
- 구성 레코드가 적용되는 VVC 스트림이 단일 레이어(single-layer) 비트스트림인 경우, ISO/IEC 23090-3에 정의된 sps_pic_width_max_in_luma_samples의 값은 현재 샘플 엔트리 디스크립션이 적용되는 샘플 내 VCL NAL 유닛에 의해 참조되는 모든 SPSs 내에서 동일해야 하고, picture_width의 값은 sps_pic_width_max_in_luma_samples의 값과 동일해야 한다.
- 그렇지 않은 경우(구성 레코드가 적용되는 VVC 스트림이 멀티 레이어 비트스트림인 경우), ISO/IEC 23090-3에 정의된 vps_ols_dpb_pic_width[ MultiLayerOlsIdx[ output_layer_set_idx ] ]의 값은 현재 샘플 엔트리 디스크립션이 적용되는 모든 CVSs에 대하여 동일해야 하고, picture_width의 값은 vps_ols_dpb_pic_width[ MultiLayerOlsIdx[ output_layer_set_idx ] ]의 값과 동일해야 한다.
또한, picture_height에는 다음 제약 조건이 적용될 수 있다.
- 구성 레코드가 적용되는 VVC 스트림이 단일 레이어(single-layer) 비트스트림인 경우, ISO/IEC 23090-3에 정의된 sps_pic_height_max_in_luma_samples의 값은 현재 샘플 엔트리 디스크립션이 적용되는 샘플 내 VCL NAL 유닛에 의해 참조되는 모든 SPSs 내에서 동일해야 하고, picture_height의 값은 sps_pic_height_max_in_luma_samples의 값과 동일해야 한다.
- 그렇지 않은 경우(구성 레코드가 적용되는 VVC 스트림이 멀티 레이어 비트스트림인 경우), ISO/IEC 23090-3에 정의된 vps_ols_dpb_pic_height[ MultiLayerOlsIdx[ output_layer_set_idx ] ]의 값은 현재 샘플 엔트리 디스크립션이 적용되는 모든 CVSs에 대하여 동일해야 하고, picture_height의 값은 vps_ols_dpb_pic_height[ MultiLayerOlsIdx[ output_layer_set_idx ] ]의 값과 동일해야 한다.
한편, VVC 비디오 기본 스트림에서 사용되는 다른 중요한 포멧 정보뿐만 아니라 크로마 포멧(chroma format) 및 비트 뎁스(bit depth)에 대한 명시적 표시(explicit indication)가 VVC 디코더 구성 레코드에서 제공될 수 있다. 두 시퀀스들의 VUI 정보에서 색상 스페이스(color space) 또는 비트 뎁스 표시(bit depth indications)가 다른 경우, 두 개의 다른 VVC 샘플 엔트리들도 요구될 수 있다.
또한, 상기 VVC 디코더 구성 레코드에는 초기화 non-VCL NAL 유닛(initialization non-VCL NAL units)을 전달하는 어레이(arrays)의 세트가 있을 수 있다. 상기 NAL 유닛 타입들은 DCI, OPI, VPS, SPS, PPS, 프리픽스(prefix) APS 및 프리픽스 SEI NAL 유닛만을 표시하도록 제한될 수 있다. ISO/IEC 23090-3 및 본 문서에서 예약된(reserved) NAL 유닛 타입은 미래에 정의될 수 있으며, 리더(reader)는 NAL 유닛 타입의 예약(reserved) 또는 허용되지 않은(unpermitted) 값을 갖는 어레이들은 무시해야 할 수 있다.
한편, 샘플 엔트리에서 전달되는 상기 NAL 유닛은 AUD 및 OPI NAL 유닛(존재하는 경우) 바로 다음에 포함되거나, 그렇지 않은 경우, 샘플 엔트리를 참조하는 첫 번째 샘플로부터 복원된 액세스 유닛의 시작 부분에 포함될 수 있다.
또한, 어레이들은 DCI, OPI, VPS, SPS, PPS, 프리픽스(prefix) APS, 프리픽스 SEI의 순서로 있을 것이 권장된다(recommended).
상술한 상기 VvcPTLRecord 및 상기 VVC 디코더 구성 레코드의 신택스는 아래의 표 5 및 표 6과 같을 수 있다.
Figure PCTKR2021019210-appb-T000005
Figure PCTKR2021019210-appb-T000006
또한, 상기 VvcPTLRecord 및 상기 VVC 디코더 구성 레코드의 신택스에 대한 시멘틱(semantics)은 다음의 표와 같을 수 있다.
Figure PCTKR2021019210-appb-T000007
Figure PCTKR2021019210-appb-I000011
Figure PCTKR2021019210-appb-I000012
Figure PCTKR2021019210-appb-I000013
한편, VVC 파일 포멧(VVC file format)은 다음과 같이 여러 타입의 트랙을 정의한다.
a) VVC 트랙(VVC track): VVC 트랙은 샘플 및 샘플 엔트리에 NAL 유닛을 포함함으로써, 가능하면 VVC 비트스트림의 다른 서브레이어들(sublayers)을 포함하는 다른 VVC 트랙들을 참조함으로써, 가능하면 VVC 서브픽처 트랙들(subpicture tracks)을 참조함으로써 VVC 비트스트림을 나타낼 수 있다.
b) VVC non-VCL 트랙(VVC non-VCL track): ALF, LMCS, 또는 스케일링 리스트 파라미터(scaling list parameters)를 전달하는 APSs와 다른 non-VCL NAL 유닛을 포함하는 트랙과 별도의 트랙에 저장되고 이를 통해 전송될 수 있다. 상기 트랙이 VVC non-VCL 트랙이다.
c) VVC 서브픽처 트랙(VVC subpicture track): VVC 서브픽처 트랙은 다음 중 하나를 포함할 수 있다.
- 하나 이상의 VVC 서브픽처의 시퀀스(sequence).
- 직사각형 영역(rectangular area)을 형성하는 하나 이상의 완전한(complete) 슬라이스(slices)의 시퀀스.
한편, VVC 서브픽처 트랙의 샘플은 다음 중 하나를 포함할 수 있다.
- 디코딩 순서에서 연속적인(contiguous in decoding order) ISO/IEC 23090-3에 정의된 하나 이상의 완전한(complete) 서브픽처(subpictures).
- 직사각형 영역을 형성하고 디코딩 순서에서 연속적인 ISO/IEC 23090-3에 정의된 하나 이상의 완전한 슬라이스.
한편, VVC 서브픽처 트랙의 임의의(any) 샘플에 포함된 VVC 서브픽처 또는 슬라이스는 디코딩 순서에서 연속적일 수 있다.
예를 들어, VVC non-VCL 트랙 및 VVC 서브픽처 트랙은 다음과 같이 스트리밍 어플리케이션에서 VVC 비디오의 최적 전달(optimal delivery)을 가능하게 할 수 있다. 예를 들어, 해당 트랙은 각각 그 자체의 DASH 표현(representation)으로 전달될 수 있고, 트랙의 서브셋의 디코딩 및 렌더링(rendering)을 위해, non-VCL 트랙을 포함하는 DASH 표현뿐만 아니라 VVC 서브픽처 트랙의 서브셋을 포함하는 DASH 표현은 세그먼트별로 클라이언트(client)에 의해 요청될 수 있다. 이러한 방식으로, APSs 및 다른 non-VCL NAL 유닛의 불필요한 전송(redundant transmission)을 피할 수 있다.
한편, 멀티 레이어(multi-layer) VVC 비트스트림을 전달하는 다중 트랙들(multiple tracks)의 샘플들에서 액세스 유닛(access unit)을 복원(reconstruct)하기 위하여, 먼저 동작 포인트가 결정될 수 있다.
예를 들어, VVC 비트스트림이 다중 VVC 트랙들로 표현되는 경우, 파일 파서(file parser)는 다음과 같이 선택된 동작 포인트에 필요한 트랙들을 식별할(identify) 수 있다.
- 'opeg' 엔티티 그룹뿐만 아니라 'vvcb' 엔티티 그룹과 해당(corresponding) 'vopi' 샘플 그룹을 기반으로 VVC 비트스트림을 선택한다.
- 'opeg' 엔티티 그룹 또는 'vopi' 샘플 그룹에서 디코딩 캐파시티(decoding capacity) 및 어플리케이션 목적(application purposes)에 적합한 동작 포인틑를 선택한다.
- 'opeg' 엔티티 그룹이 존재하는 경우, 선택된 동작 포인트를 정확히 나타내는 트랙들의 세트를 나타낼 수 있다. 따라서, VVC 비트스트림은 상기 트랙들의 세트로부터 복원될 수 있고 디코딩될 수 있다.
- 'opeg' 엔티티 그룹이 존재하지 않는 경우(즉, 'vopi' 샘플 그룹이 존재하는 경우), 'vvcb' 엔티티 그룹 및 'vopi' 샘플 그룹에서, 선택된 동작 포인트를 디코딩하는데 필요한 트랙들의 세트를 결정할 수 있다.
예를 들어, VVC 비트스트림을 전달하는 다중 VVC 트랙들로부터 비트스트림을 복원하기 위하여, TemporalID의 타겟(target) 최고값(highest value)을 먼저 결정해야 할 필요가 있을 수 있다.
예를 들어, 복수의 트랙들이 액세스 유닛에 대한 데이터를 포함하는 경우, 트랙들 내 각 샘플들의 정렬(alignment)은 샘플 디코딩 시간(sample decoding times)을 기반으로 수행될 수 있다. 즉, 에디트 리스트들(edit lists)을 고려하지 않고 샘플 시간 테이블(time-to-sample table)을 사용할 수 있다.
예를 들어, VVC 비트스트림이 다중 VVC 트랙들로 표현되는 경우, 디코딩 시간을 증가시킴으로써 트랙들이 단일 스트림(single stream)으로 결합되면, 샘플들의 디코딩 시간은 ISO/IEC 23090-3에 지정된 대로 액세스 유닛 순서(access unit order)가 정확하도록 해야 할 수 있다.
액세스 유닛들의 시퀀스(sequence)는 아래와 같이 설명되는 암시적 복원 프로세스(implicit reconstruction process)에 따라 요구되는 트랙들의 각 샘플로부터 복원될 수 있다.
한편, VVC 비트스트림의 암시적 복원 프로세스는 다음과 같을 수 있다.
예를 들어, 동작 포인트 정보 샘플 그룹(Operating Point Information sample group)이 존재하는 경우, 요구되는 트랙들(tracks)은 그들이 전달하는 레이어 및 동작 포인트 정보 샘플 그룹에 표시된 그들의 레퍼런스 레이어(reference layers)를 기반으로 선택된다.
또한, 예를 들어, 동작 포인트 엔티티 그룹(Operating Point Entity Group)이 존재하는 경우, 요구되는 트랙들은 OperatingPointGroupBox의 정보를 기반으로 선택될 수 있다.
또한, 예를 들어, VCL NAL 유닛이 0보다 큰 TemporalId를 갖는 서브레이어를 포함하는 비트스트림을 복원하는 경우, 동일한 레이어 내의 모든 하위 서브레이어들(즉, VCL NAL 유닛이 더 작은 TemporalId를 갖는 서브레이어들)도 결과(resulting) 비트스트림에 포함되고 그에 따라 필요한 트랙들이 선택될 수 있다.
또한, 예를 들어, 액세스 유닛을 복원하는 경우, 동일한 디코딩 시간을 갖는 샘플들로부터 픽처 유닛들(ISO/IEC 23090-3에 정의됨)은 nuh_layer_id 값이 증가하는 순서(increasing order)으로 액세스 유닛에 배치될 수 있다.
또한, 예를 들어, 액세스 유닛에 대한 다중 픽처(multiple picture) 유닛 중 적어도 하나가 AUD NAL 유닛을 갖는 경우, 첫 번째 픽처 유닛(즉, nuh_layer_id의 가장 작은 값을 갖는 픽처 유닛)은 AUD NAL 유닛을 가져야 하고, 첫 번째 픽처 유닛 내 AUD NAL 유닛만이 복원된 액세스 유닛에 유지되는(kept) 반면, 다른 AUD NAL 유닛들은 존재하는 경우 삭제될(discarded) 수 있다. 복원된 액세스 유닛에서, AUD NAL 유닛은 1과 동일한 aud_irap_or_gdr_flag를 갖고 복원된 액세스 유닛이 IRAP 또는 GDR 액세스 유닛이 아닌 경우, 상기 AUD NAL 유닛의 aud_irap_or_gdr_flag의 값은 0과 동일하게 설정된다.
첫 번째 PU의 AUD NAL 유닛은 1과 동일한 aud_irap_or_gdr_flag를 가질 수 있고, 동일한 액세스 유닛에 대한 것이지만 별도의(separate) 트랙에 있는 다른 PU는 IRAP 또는 GDR 픽처가 아닌 픽처를 가질 수 있다. 이 경우, 복원된 액세스 유닛에 있는 AUD NAL 유닛의 aud_irap_or_gdr_flag의 값은 1에서 0으로 변경된다.
또한, 예를 들어, 동작 포인트 엔티티 그룹이 존재하지 않는 경우, 동일한 레이어 또는 서브레이어를 전달하는 트랙 중에서 선택한 후, 최종 요구되는(required) 트랙은 타겟 동작 포인트에 속하지 않는 일부 레이어 또는 서브레이어를 집합적으로(collectively) 전달할 수 있다. 타겟 동작 포인트에 대해 복원된 비트스트림은 최종 요구되는 트랙에서 전달되지만 타겟 동작 포인트에 속하지 않는 레이어 또는 서브레이어를 포함하지 않아야 한다.
VVC 디코더 구현(implementations)은 ISO/IEC 23090-3 8절에 있는 TargetOlsIdX 및 HighestTid 변수에 각각 해당하는 타겟 출력 레이어 세트 인덱스 및 타겟 동작 포인트의 가장 높은 TemporalId 값에 해당하는 비트스트림을 입력(input)으로 사용한다. 파일 파서(file parser)는 복원된 비트스트림을 VVC 디코더로 보내기 전에 복원된 비트스트림이 타겟 동작 포인트에 포함된 것 이외의 임의의(any) 다른 레이어 및 서브-레이어를 포함하지 않는지 확인해야 한다.
예를 들어, 종속 레이어들(dependent layers)로 액세스 유닛을 복원하고 max_tid_il_ref_pics_plus1이 0보다 큰 경우, 동일한 레이어 내의 max_tid_il_ref_pics_plus1 - 1 (동작 포인트 정보 샘플 그룹에서 표시됨) 보다 작거나 같은 TemporalId를 갖는 VCL NAL 유닛에 대한 레퍼런스 레이어들(reference layers)의 서브레이어들만이 결과(resulting) 비트스트림에 포함되고 그에 따라 필요한 트랙들이 선택될 수 있다.
또한, 예를 들어, 종속 레이어들(dependent layers)로 액세스 유닛을 복원하고 max_tid_il_ref_pics_plus1이 0과 같은 경우, 레퍼런스 레이어들의 모든 픽처 유닛들 중 IRAP 픽처 유닛 및 0과 동일한 ph_recovery_poc_cnt를 갖는 GDR 픽처 유닛만이 결과 비트스트림에 포함되고 그에 따라 요구되는 트랙들이 선택될 수 있다.
예를 들어, VVC 트랙이 'subp' 트랙 레퍼런스를 포함하는 경우, 각 픽처 유닛은 아래에 지정된 EOS 및 EOB NAL 유닛에 대한 추가 제약과 함께 ISO/IEC 23090-3의 11.6.3절에 지정된 대로 복원될 수 있다. ISO/IEC 23090-3의 11.6.3절의 프로세스는 증가하는 nuh_layer_id 순서로 타겟 동작 포인트의 각 레이어에 대해 반복될 수 있다. 그렇지 않은 경우, 각 픽처 유닛은 다음과 같이 복원될 수 있다.
복원된 액세스 유닛은 디코딩 시간(decoding time)이 증가하는 순서(increasing order)로 VVC 비트스트림에 배치될 수 있고, 아래에서 추가로 설명되는 바와 같이, EOB(end of bitstream) 및 EOS(end of sequence) NAL 유닛의 중복(duplicates)은 VVC 비트스트림에서 제거될 수 있다.
예를 들어, VVC 비트스트림의 동일한 코딩된 비디오 시퀀스 내에 있고 다중 트랙에 저장된 상이한(different) 서브레이어들에 속하는 액세스 유닛들에 대하여, 각각의 샘플들에서 특정 nuh_layer_id 값을 갖는 EOS NAL 유닛을 포함하는 하나 이상의 트랙이 있을 수 있다. 이 경우, EOS NAL 유닛들 중 하나만이 최종 복원된 비트스트림에서 상기 액세스 유닛들 중 마지막 액세스 유닛(가장 큰 디코딩 시간을 갖는 유닛)에 유지될 수 있고, 상기 액세스 유닛들 중 마지막 액세스 유닛의 EOB NAL 유닛(존재하는 경우)을 제외한 모든 NAL 유닛 뒤에 배치될 수 있고, 다른 EOS NAL 유닛은 삭제될(discarded) 수 있다. 유사하게, 각각의 샘플에 EOB NAL 유닛을 포함하는 하나 이상의 트랙이 있을 수 있다. 이 경우, EOB NAL 유닛들 중 하나만이 최종 복원된 비트스트림에 유지될 수 있고, 이러한 액세스 유닛들의 마지막 끝에 배치될 수 있고 다른 EOB NAL 유닛은 삭제될 수 있다.
또한, 예를 들어, 특정 레이어 또는 서브레이어가 하나 이상의 트랙으로 표현될 수 있기 때문에, 동작 포인트에 대하여 필요한 트랙들을 알아낼 때, 상기 특정 레이어 또는 서브레이어를 모두 전달하는 트랙들의 세트 중에서 선택해야 할 수도 있다.
한편, VVC 서브픽처 트랙을 참조하는 VVC 트랙의 샘플에서 픽처 유닛을 복원할 수 있다.
예를 들어, VVC 트랙의 샘플은 다음과 같은 순서로 후술하는 NAL 유닛을 포함하는 픽처 유닛으로 해결될(resolved) 수 있다.
- 샘플에 존재하는 경우, AUD NAL 유닛.
예를 들어, 샘플에 AUD NAL 유닛이 존재하는 경우, 샘플 내 첫 번째 NAL 유닛.
- 샘플이 동일한 샘플 엔트리와 관련된 샘플들의 시퀀스의 첫 번째 샘플인 경우, 샘플 엔트리에 포함된 파라미터 세트(parameter set) 및 SEI NAL 유닛(존재하는 경우).
- 샘플 내 nal_unit_type이 EOS_NUT, EOB_NUT, SUFFIX_APS_NUT, SUFFIX_SEI_NUT, FD_NUT, RSV_NVCL_27, UNSPEC_30, 또는 UNSPEC_31(이러한 NAL 유닛 타입의 NAL 유닛은 픽처 유닛 내 첫 번째 VCL NAL 유닛 앞에 올 수 없다)인 NAL 유닛이 적어도 하나 있는 경우, 이러한 NAL 유닛들 중 첫 번째 유닛을 제외한 샘플 내 NAL 유닛들, 그렇지 않은 경우에는 샘플 내 모든 NAL 유닛.
- 'subp' 트랙 레퍼런스에서 참조되는 VVC 서브픽처 트랙들(subpicture tracks)의 순서로 각각 참조된 VVC 서브픽처 트랙(subpicture track)에서 시간 정렬된(time-aligned) (디코딩 시간 내) 해결된(resolved) 콘텐츠(이 샘플에 매핑된 'spor' 샘플 그룹 엔트리의 동일한 그룹 엔트리 내 num_subpic_ref_idx가 0과 같은 경우). 또는, 모든 DCI, OPI, VPS, SPS, PPS, AUD, PH, EOS, EOB 및 다른 AU-레벨 또는 픽처-레벨 non-VCL NAL 유닛들을 제외하고, 이 샘플에 매핑된 'spor' 샘플 그룹 디스크립션 엔트리에서 지정된 순서로 각각 참조된 VVC 서브픽처 트랙에서 시간 정렬된 (디코딩 시간 내) 해결된 콘텐츠(존재하는 경우). 트랙 레퍼런스는 아래에 지정된 대로 해결된다(resolved).
예를 들어, 참조된 VVC 서브픽처 트랙이 VVC non-VCL 트랙과 관련된 경우, VVC 서브픽처 트랙의 해결된(resolved) 샘플은 VVC non-VCL 트랙에 있는 시간 정렬된(time-aligned) 샘플의 non-VCL NAL 유닛을 포함한다(존재하는 경우).
- nal_unit_type이 EOS_NUT, EOB_NUT, SUFFIX_APS_NUT, SUFFIX_SEI_NUT, FD_NUT, RSV_NVCL_27, UNSPEC_30 또는 UNSPEC_31인 모든 NAL 유닛.
한편, 이 샘플에 매핑된 'spor' 샘플 그룹 디스크립션 엔트리의 num_subpic_ref_idx가 0과 같은 경우, 'subp' 박스(box)에 있는 각각의 트랙 레퍼런스는 다음과 같이 해결될(resolved) 수 있다. 그렇지 않은 경우, 이 샘플에 매핑된 'spor' 샘플 그룹 디스크립션 엔트리에 있는 트랙 레퍼런스 subp_track_ref_idx의 각 인스턴스(instance)가 다음과 같이 해결될(resolved) 수 있다.
- 트랙 레퍼런스가 VVC 서브픽처 트랙의 트랙 ID를 가리키는 경우, 상기 트랙 레퍼런스는 VVC 서브픽처 트랙으로 해결될(resolved) 수 있다.
- 그렇지 않은 경우(트랙 레퍼런스가 'alte' 트랙 그룹을 가리키는 경우), 상기 트랙 레퍼런스는 'alte' 트랙 그룹의 임의의(any) 트랙들 중 하나로 해결될(resolved) 수 있다. 이때, 특정 트랙 레퍼런스 인덱스 값(track reference index value)이 이전 샘플(previous sample)에 있는 특정 트랙에 대해 해결된 경우, 현재 샘플에서는 다음 중 하나로 해결되어야 한다.
예를 들어, 동일한 특정 트랙으로 해결될 수 있다.
또는, 예를 들어, 현재 샘플과 시간 정렬된(time-aligned) 동기화 샘플(sync sample)을 포함하는 동일한 'alte' 트랙 그룹에 있는 임의의(any) 다른 트랙으로 해결될(resolved) 수 있다.
또한, 동일한 'alte' 트랙 그룹 내 VVC 서브픽처 트랙들은 디코딩 불일치(mismatches)를 피하기 위해 동일한 VVC 베이스 트랙에 의해 참조되는 임의의(any) 다른 VVC 서브픽처 트랙들과 독립적(independent)일 필요가 있으므로, 다음과 같이 제한될 수 있다.
예를 들어, 모든 VVC 서브픽처 트랙들은 VVC 서브픽처들을 포함한다.
또한, 예를 들어, 서브픽처 경계들(boundaries)은 픽처 경계들과 같다.
한편, 'subp' 트랙 레퍼런스에서 해결된(resolved) VVC 베이스 트랙의 각각의 샘플은 구멍(hole)이 없고 오버랩(overlap)이 없는 직사각형 영역(rectangular region)을 형성할 수 있다. 상기 구멍이 없는 것은 직사각형 영역의 모든 샘플이 커버되어야 하는 것을 의미한다. 상기 오버랩은 직사각형 영역의 모든 샘플은 오직 한번 커버되어야 하는 것을 의미한다.
한편, 리더가 초기 선택(initial selection)이거나 이전 선택(previous selection)과 다른 서브픽처 ID 값의 세트를 가진 VVC 서브픽처를 포함하는 VVC 서브픽처 트랙을 선택하는 경우, 다음과 같은 단계(steps)가 수행될 수 있다.
- 'spor' 샘플 그룹 디스크립션(description) 엔트리는 PPS 또는 SPS NAL 유닛이 변경될 필요가 있는지 여부를 결정하기 위해 연구될(studied) 수 있다.
- 'spor' 샘플 그룹 디스크립션 엔트리가 NAL 유닛을 포함하는 서브픽처 ID들 이전(before) 또는 내에(within) 시작 코드 에뮬레이션 방지 바이트(start code emulation prevention bytes)가 존재하는지 나타내는 경우, RBSP는 상기 NAL 유닛으로부터 도출된다(즉, 시작 코드 에뮬레이션 방지 바이트는 제거됨). 다음 단계에서 오버라이딩(overriding) 이후, 시작 코드 에뮬레이션 방지가 다시 수행된다.
- 리더(reader)는 서브픽처 ID를 선택된 것으로 업데이트하기 위해 어떤 비트들(bits)이 덮어씌어지는지를(overwritten) 결정하기 위해 'spor' 샘플 그룹 엔트리 내 서브픽처 ID 길이 정보(length information)와 비트 위치(bit position)를 사용한다.
- PPS 또는 SPS의 서브픽처 ID 값이 초기에(initially) 선택되는 경우, 리더는 복원된(reconstructed) 액세스 유닛 내 선택된 서브픽처 ID 값으로 각각 PPS 또는 SPS를 다시 작성할 필요가 있다.
- PPS 또는 SPS의 서브픽처 ID 값이 (각각) 동일한 PPS ID 값 또는 SPS ID 값을 가진 이전 PPS 또는 SPS와 비교하여 (각각) 변경되는 경우, 리더는 이전 PPS 및 SPS의 카피(copy)를 포함할 필요가 있고(동일한 PPS 또는 SPS ID 값을 가진 PPS 또는 SPS가 (각각) 액세스 유닛에 존재하지 않는 경우) PPS 또는 SPS를 (각각) 복원된 액세스 유닛의 업데이트된 서브픽처 ID 값들로 다시 작성할 필요가 있다.
VVC 베이스 트랙의 샘플에 매핑된 'minp' 샘플 그룹 디스크립션 엔트리(description entry)가 있는 경우, 다음과 같은 작업(operations)이 적용될 수 있다.
- 'minp' 샘플 그룹 디스크립션(description) 엔트리는 pps_mixed_nalu_types_in_pic_flag의 값을 결정하기 위해 연구될(studied) 수 있다.
- 해당 값이 복원된 비트스트림 내에 있는 동일한 PPS ID를 가진 이전 PPS NAL 유닛 내의 값과 다른 경우, 다음이 적용될 수 있다.
예를 들어, 상술한 단계(steps above)에 의해 픽처 유닛 내 PPS가 포함되지 않는 경우, 리더는 복원된 픽처 유닛 내 업데이트된 pps_mixed_nalu_types_in_pic_flag 값을 가진 PPS의 카피(copy)를 포함할 필요가 있다.
또한, 예를 들어, 리더는 pps_mixed_nalu_types_in_pic_flag를 업데이트하기 위해 어떤 비트(bit)가 덮어씌어지는지(overwritten) 결정하기 위해 'minp' 샘플 그룹 엔트리 내 비트 위치(bit position)을 사용한다.
한편, ISO/IEC 14496-12에 정의된 스트림 액세스 포인트(stream access point, SAP) 샘플 그룹 'sap'은 모든 SAP에 대한 정보를 제공하는 데 사용된다.
예를 들어, 0과 같은 layer_id_method_idc의 시멘틱은 ISO/IEC 14496-12에서 정의된다. 예를 들어, Layer_id_method_idc가 0과 같은 경우, SAP는 다음과 같이 해석된다.
- 샘플 엔트리 타입이 'vvc1' 또는 'vvi1'이고, 트랙이 TemporalId가 0인 서브레이어를 포함하지 않는 경우, SAP는 트랙에 존재하는 모든 서브레이어에 대한 액세스(access)를 지정한다.
- 그렇지 않은 경우, SAP는 트랙에 존재하는 모든 레이어에 대한 액세스(access)를 지정한다.
예를 들어, 샘플 엔트리 타입이 'vvc1' 또는 'vvi1'이고, 트랙이 TemporalId가 0인 임의의(any) 서브레이어를 포함하지 않는 경우, 트랙에 있는 가장 낮은(lowest) TemporalId와 동일한 TemporalID를 갖는 STSA 픽처가 SAP 역할을 한다.
VVC 비트스트림의 GDR 픽처는 일반적으로(generally)'sap' 샘플 그룹에서 SAP 타입 4로 표시된다.
예를 들어, VVC는 동일한 코딩된 픽처 내에서 다른 VCL_NAL 유닛 타입을 갖는 서브레이어를 가능하게(enable) 한다. 점진적인(gradual) 디코딩 리프레시(refresh)는 픽처의 범위 내에서 각각의 서브픽처 인덱스의 서브픽처들을 IRAP 서브픽처로 업데이트함으로써 얻어질 수 있다. 하지만, VVC는 믹스된(mixed) VCL NAL 유닛 타입을 갖는 픽처에서 시작하는 디코딩 프로세스를 지정하지 않는다.
한편, 다음 사항이 모두 참인 경우,
- VVC 트랙의 샘플은 pps_mixed_nalu_types_in_pic_flag가 1인 PPS를 참조하고,
- 0에서 sps_num_subpics_minus1을 포함하는(inclusive) 범위까지의 각각의 서브픽처 인덱스 i에 대하여 다음 두 가지가 모두 참이다.
- sps_subpic_treated_as_pic_flag[i]는 1과 같고,
- 동일한 서브픽처 인덱스 i를 갖는 적어도 하나의 IRAP 서브픽처가 있거나 동일한 CLVS의 현재 샘플 다음(following)에 적어도 하나의 IRAP 서브픽처가 있다.
다음이 적용된다.
- 샘플은 타입 4의 SAP 샘플로 표시될 수 있고,
- 샘플은 'roll' 샘플 그룹 디스크립션 엔트리에 매핑될 수 있다. 이때, 'roll' 샘플 그룹 디스크립션 엔트리는 IRAP 서브픽처가 존재하기 전 특정 서브픽처 인덱스를 갖는 서브픽처들의 디코딩을 생략하는 디코딩 프로세스에 대해 올바른 roll_distance 값을 갖을 수 있다.
또한, SAP 샘플 그룹이 사용되는 경우, 상기 SAP 샘플 그룹은 동일한 VVC 비트스트림을 전달하는 모든 트랙에서 사용되어야 한다.
한편, ISO/IEC 14496-12에서 정의된 랜덤 액세스 리커버리 포인트 샘플 그룹(random access recovery point sample group) 'roll'은 점진적인(gradual) 디코딩 리프레시(refresh)를 위해 리커버리 포인트들(recovery points)에 대한 정보를 제공하는 데 사용된다.
예를 들어, 'roll' 샘플 그룹이 VVC 트랙과 함께 사용되는 경우, grouping_type_parameter의 신택스 및 시멘틱은 ISO/IEC 14496-12의 'sap' 샘플 그룹에 대한 것과 동일하게 정의될 수 있다.
예를 들어, 0 및 1과 같은 layer_id_method_idc는 'roll' 샘플 그룹에 매핑되는 샘플의 타겟 레이어의 픽처가 GDR 픽처인 경우 사용된다.
예를 들어, layer_id_method_idc가 0과 같은 경우, 'roll' 샘플 그룹은 트랙에 존재하는 모든 레이어의 행동(behaviour)을 지정한다.
1과 같은 layer_id_method_idc의 시멘틱은 9.5.7절에 정의되어 있다.
예를 들어, 2 및 3과 같은 layer_id_method_idc는 'roll' 샘플 그룹에 매핑되는 샘플의 타겟 레이어(target layer)의 모든 픽처가 GDR 픽처가 아닌 경우 사용되고, GDR 픽처가 아닌 타겟 레이어의 픽처에 대해 다음이 적용된다.
- 참조된 PPS는 1과 같은 pps_mixed_nalu_types_in_pic_flag를 갖고,
- 0에서 sps_num_subpics_minus1을 포함하는(inclusive) 범위까지의 각각의 서브픽처 인덱스 i에 대하여 다음 두 가지가 모두 참이다.
- sps_subpic_treated_as_pic_flag[i]는 1과 같고,
- 동일한 서브픽처 인덱스 i를 갖는 적어도 하나의 IRAP 서브픽처가 있거나 동일한 CLVS의 현재 샘플 다음에(following) 적어도 하나의 IRAP 서브픽처가 있다.
예를 들어, layer_id_method_idc가 2와 같은 경우, 'roll' 샘플 그룹은 트랙에 존재하는 모든 레이어의 행동(behaviour)을 지정한다.
예를 들어, 3과 같은 layer_id_method_idc의 시멘틱은 9.5.7절에 정의되어 있다.
예를 들어, 리더(reader)가 디코딩을 시작하기 위해 2 및 3과 같은 layer_id_method_idc로 표시된(marked) 샘플을 사용하는 경우, 리더는 2 및 3과 같은 layer_id_method_idc를 갖는 이 샘플 그룹에 속하는 것으로 표시된 샘플로 시작하는 비트스트림이 일치하는(conforming) 비트스트림이 되도록 11.6절에 따라 복원된 비트스트림의 SPS, PPS 및 PH NAL 유닛을 다음과 같이 추가적으로 수정할 필요가 있다.
- 샘플이 참조하는 임의의(any) SPS는 1과 같은 sps_gdr_enabled_flag를 갖는다.
- 샘플이 참조하는 임의의(any) PPS는 0과 같은 pps_mixed_nalu_types_in_pic_flag를 갖는다.
- 샘플로부터 복원된 AU의 모든 VCL NAL 유닛은 GDR_NUT과 동일한 nal_unit_type을 갖는다.
- 샘플로부터 복원된 AU의 임의의(any) 픽처 헤더(picture header)는 1과 같은 ph_gdr_pic_flag 및 샘플이 매핑되는 'roll' 샘플 그룹 디스크립션 엔트리의 roll_distance에 대응하는(corresponding) ph_recovery_poc_cnt의 값을 갖는다.
또한, 'roll' 샘플 그룹이 종속 레이어(dependent layer)와 관련이(concern) 있지만 그것의 레퍼런스 레이어(reference layer)가 아닌 경우, 샘플 그룹은 종속 레이어의 모든 참조 레이어가 사용 가능하고 디코딩될 때 적용되는 특성(characteristics)을 나타낼 수 있다. 또한, 샘플 그룹은 예측된 레이어(predicted layer)의 디코딩을 시작하는 데 사용될 수 있다.
한편, 종래 기술에서는, 동작 포인트 정보는 엔티티 그룹(entity group) 'opeg', 샘플 그룹 'vopi', 또는 트랙의 샘플 엔트리에서 시그널링될 수 있다. 또한, 다음이 적용된다.
트랙이 기본적으로 VVC 비트스트림을 포함하지 않고 'subp' 및 'vvcN' 트랙 레퍼런스(존재하는 경우)를 해결한(resolving) 후 VVC 비트스트림을 나타내지 않는 경우, 트랙은 'vopi' 샘플 그룹 또는 동작 포인트 엔티티 그룹을 전달하는 트랙에 대한 'oref' 트랙 레퍼런스를 포함해야 한다.
위에서 설명한 대로 'oref' 트랙 레퍼런스의 존재를 의무화하는 것은 'opeg' 및 'vopi'가 파일 레벨(file lever)의 메타 박스(meta box)에서 제공되기 때문에 중복된다. 파일 파서(file parser)는 트랙 레벨(track level)에서 임의의(any) 다른 정보를 파싱하기 전에 먼저 이 정보를 파싱했을 것이다. 위의 제약 조건 대신, 임의의(any) 고아(orphan) 트랙을 방지하는 제약 조건을 지정하는 것이 더 유용하다.
더욱이, 이러한 트랙 레퍼런스가 'opeg' 또는 'vopi'를 가리키는 이점이 있더라도, 레퍼런스가 'opeg'에 대한 것인지 또는 'vopi'에 대한 것인지 구별할(differentiate) 방법이 없다.
이에, 본 문서는 상술한 문제에 대한 해결 방안을 제안한다. 제안되는 실시예들은 개별적으로 또는 조합하여 적용될 수 있다.
일 예로, 트랙이 기본적으로 VVC 비트스트림을 포함하지 않고 'supb' 및 'vvcN' 트랙 레퍼런스(존재하는 경우)를 해결한(resolving) 후 VVC 비트스트림을 나타내지 않는 경우, 트랙은 'opeg' 및 'vopi'에 나열된 동작 포인트들 중 적어도 하나에 포함되어야 한다.
- 'oref' 트랙 레퍼런스는 더이상 사용되지 않는다.
또한, 일 예로, 하나의 대안에서, 'oref'에 대한 트랙 레퍼런스와 'vopi'에 대한 트랙 레퍼런스를 구별하기 위해 새로운 트랙 레퍼런스 타입이 사용된다. 이것은 다음과 같이 표현할 수 있다.
예를 들어, 트랙이 기본적으로 VVC 비트스트림을 포함하지 않고 'supb' 및 'vvcN' 트랙 레퍼런스(존재하는 경우)를 해결한(resolving) 후 VVC 비트스트림을 나타내지 않는 경우, 다음 중 하나가 적용된다.
- 트랙은 'opeg' 동작 포인트 엔티티 그룹에 대한 'oref' 트랙 레퍼런스를 포함한다.
- 트랙은 'vopi' 샘플 그룹을 전달하는 트랙에 대한 'vref' 트랙 레퍼런스를 포함한다.
또한, 일 예로, 다른 대안에서, 'oref'에 대한 트랙 레퍼런스와 'vopi'에 대한 트랙 레퍼런스를 구별하기 위해 새로운 트랙 레퍼런스 타입이 사용된다. 이것은 다음과 같이 표현할 수 있다.
예를 들어, 트랙이 기본적으로 VVC 비트스트림을 포함하지 않고 'supb' 및 'vvcN' 트랙 레퍼런스(존재하는 경우)를 해결한(resolving) 후 VVC 비트스트림을 나타내지 않는 경우, 다음 중 적어도 하나가 적용된다.
- 트랙은 'opeg' 동작 포인트 엔티티 그룹에 대한 'oref' 트랙 레퍼런스를 포함한다.
- 트랙은 'vopi' 샘플 그룹을 전달하는 트랙에 대한 'vref' 트랙 레퍼런스를 포함한다.
일 예로, 트랙이 기본적으로 VVC 비트스트림을 포함하지 않고 'supb' 및 'vvcN' 트랙 레퍼런스(존재하는 경우)를 해결한(resolving) 후 VVC 비트스트림을 나타내지 않는 경우, 트랙은 'opeg' 및 'vopi'에 나열된 동작 포인트들 중 적어도 하나에 포함되어야 한다.
일 예로, 트랙이 기본적으로 VVC 비트스트림을 포함하지 않고 'supb' 및 'vvcN' 트랙 레퍼런스(존재하는 경우)를 해결한(resolving) 후 VVC 비트스트림을 나타내지 않는 경우, 다음 중 하나가 적용된다.
- 트랙은 'opeg' 동작 포인트 엔티티 그룹에 대한 'oref' 트랙 레퍼런스를 포함한다.
- 트랙은 'vopi' 샘플 그룹을 전달하는 트랙에 대한 'vref' 트랙 레퍼런스를 포함한다.
일 예로, 트랙이 기본적으로 VVC 비트스트림을 포함하지 않고 'supb' 및 'vvcN' 트랙 레퍼런스(존재하는 경우)를 해결한(resolving) 후 VVC 비트스트림을 나타내지 않는 경우, 다음 중 적어도 하나가 적용된다.
- 트랙은 'opeg' 동작 포인트 엔티티 그룹에 대한 'oref' 트랙 레퍼런스를 포함한다.
- 트랙은 'vopi' 샘플 그룹을 전달하는 트랙에 대한 'vref' 트랙 레퍼런스를 포함한다.
도 8은 본 문서에서 제안한 실시예가 적용되는 미디어 파일 생성 방법을 예시적으로 나타낸다.
도 8을 참조하면 제1 장치(first device)는 트랙(track)을 생성할 수 있다(S800). 예를 들어, 상기 제1 장치는 상술한 실시예에 따라서 트랙을 구성할 수 있다. 예를 들어, 상기 제1 장치는 전송 단(transmission end), 인코딩 단(encoding end) 또는 미디어 파일 생성 단(media file generating end)을 나타낼 수 있다. 또한, 예를 들어, 상기 트랙은 제1 트랙 레퍼런스(first track reference)를 포함할 수 있다. 또한, 예를 들어, 상기 트랙은 제2 트랙 레퍼런스(second track reference)를 포함할 수 있다. 또한, 상기 제1 장치는 인코더를 포함할 수 있다.
제1 장치는 트랙을 기반으로 미디어 파일을 생성할 수 있다(S810). 예를 들어, 상기 제1 장치는 상술한 실시예에 따라서 트랙을 기반으로 미디어 파일을 생성할 수 있다.
도 9는 본 문서에서 제안한 실시예가 적용되어 생성된 미디어 파일을 디코딩하는 방법을 예시적으로 나타낸다.
도 9를 참조하면 제2 장치(second device)는 트랙을 포함하는 미디어 파일을 획득(obtain)/수신(receive)할 수 있다(S900). 예를 들어, 상기 제2 장치는 상술한 실시예에 따라서 트랙을 포함하는 미디어 파일을 획득/수신할 수 있다. 또한, 예를 들어, 상기 제2 장치는 수신 단(reception end), 디코딩 단(decoding end) 또는 렌더링 단(rendering end)을 나타낼 수 있다.
예를 들어, 미디어 파일은 표 1 및/또는 표 3에서 설명된 정보를 포함할 수 있다.
제2 장치는 상기 트랙을 파싱(parse)/획득(obtain)할 수 있다(S910). 예를 들어, 제2 장치는 상기 미디어 파일에 포함된 트랙을 파싱/획득할 수 있다. 또한, 예를 들어, 상기 트랙은 제1 트랙 레퍼런스를 포함할 수 있다. 또한, 예를 들어, 상기 트랙은 제2 트랙 레퍼런스를 포함할 수 있다.
도 10은 본 문서에 따른 미디어 파일 생성 장치에 의한 미디어 파일 생성 방법을 개략적으로 나타낸다. 도 10에서 개시된 방법은 도 11에서 개시된 미디어 파일 생성 장치에 의하여 수행될 수 있다. 상기 미디어 파일 생성 장치는 상술한 제1 장치를 나타낼 수 있다. 구체적으로 예를 들어, 도 10의 S1000 내지 S1010은 상기 미디어 파일 생성 장치의 영상 처리부에 의하여 수행될 수 있고, S1020은 상기 미디어 파일 생성 장치의 미디어 파일 생성부에 의하여 수행될 수 있다. 또한, 비록 도시되지는 않았으나 영상 정보를 포함하는 비트스트림을 인코딩하는 과정은 인코더에 의하여 수행될 수 있다. 상기 인코더는 상기 미디어 파일 생성 장치에 포함되거나 또는 외부 컴포넌트로 구성될 수 있다.
미디어 파일 생성 장치는 그룹(group)을 구성한다(S1000).
예를 들어, 미디어 파일 생성 장치는 엔티티 그룹(entity group) 또는 샘플 그룹(sample group) 중 적어도 하나를 구성할 수 있다. 또한, 예를 들어, 상기 엔티티 그룹은 동작 포인트 엔티티 그룹(operating point entity group)을 포함할 수 있다. 또한, 예를 들어, 상기 샘플 그룹은 동작 포인트 정보 샘플 그룹(operating point information sample group)을 포함할 수 있다.
예를 들어, 본 문서에서 동작 포인트 엔티티 그룹(operating point entity group)은 동작 포인츠 엔티티 그룹(operating points entity group)로 불릴 수 있다. 또한, 예를 들어, 동작 포인트 정보 샘플 그룹(operating point information sample group)은 동작 포인츠 정보 샘플 그룹(operating points information sample group)으로 불릴 수 있다.
미디어 파일 생성 장치는 트랙(track)을 생성한다(S1010). 예를 들어, 미디어 파일 생성 장치는 트랙을 생성할 수 있다. 예를 들어, 상기 트랙은 제1 트랙 레퍼런스(first track reference)를 포함할 수 있다. 또한, 예를 들어, 상기 트랙은 제2 트랙 레퍼런스(second track reference)를 포함할 수 있다.
예를 들어, VVC 비트스트림을 포함하지 않는 상기 트랙을 기반으로, 상기 트랙은 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스 또는 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스 중 하나를 가질 수 있다.
예를 들어, 상기 미디어 파일에 포함된 동작 포인트 엔티티 그룹은 'opeg' 엔티티 그룹일 수 있다. 또한, 예를 들어, 상기 미디어 파일에 포함된 동작 포인트 정보 샘플 그룹은 'vopi' 샘플 그룹일 수 있다.
예를 들어, 상기 트랙은 'vref' 트랙 레퍼런스인 상기 제2 트랙 레퍼런스를 갖고, 상기 트랙은 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 상기 제2 트랙 레퍼런스를 가질 수 있다.
예를 들어, 특정 트랙 레퍼런스들(specific track references) 중 적어도 하나를 해결(resolving)한 후 VVC 비트스트림을 나타내지 않는 트랙을 기반으로, 상기 트랙은 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스 또는 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스 중 하나를 가질 수 있다. 이때, 상기 특정 트랙 레퍼런스들은 'subp' 및 'vvcN' 트랙 레퍼런스들을 포함할 수 있다. 또한, 예를 들어, 상기 트랙은 'vref' 트랙 레퍼런스인 상기 제2 트랙 레퍼런스를 갖고, 상기 트랙은 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 상기 제2 트랙 레퍼런스를 가질 수 있다.
예를 들어, VVC 비트스트림을 포함하지 않는 상기 트랙을 기반으로, 상기 트랙은 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스 또는 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스 중 적어도 하나를 가질 수 있다. 또한, 예를 들어, 상기 트랙은 'vref' 트랙 레퍼런스인 상기 제2 트랙 레퍼런스를 갖고, 상기 트랙은 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 상기 제2 트랙 레퍼런스를 가질 수 있다.
예를 들어, 특정 트랙 레퍼런스들(specific track references) 중 적어도 하나를 해결(resolving)한 후 VVC 비트스트림을 나타내지 않는 트랙을 기반으로, 상기 트랙은 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스 또는 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스 중 적어도 하나를 가질 수 있다. 이때, 상기 특정 트랙 레퍼런스들은 'subp' 및 'vvcN' 트랙 레퍼런스들을 포함할 수 있다.
예를 들어, VVC 비트스트림을 포함하지 않는 트랙을 기반으로, 상기 트랙은 동작 포인트 엔티티 그룹 또는 동작 포인트 정보 샘플 그룹에 나열된(listed) 동작 포인트들 중 적어도 하나에 포함될 수 있다. 또한, 예를 들어, 동작 포인트 엔티티 그룹은 'opeg' 엔티티 그룹일 수 있다. 또한, 예를 들어, 동작 포인트 정보 샘플 그룹은 'vopi' 샘플 그룹일 수 있다. 이때, 'oref' 트랙 레퍼런스의 사용은 더 이상 사용되지 않는다.
예를 들어, 특정 트랙 레퍼런스들(specific track references) 중 적어도 하나를 해결(resolving)한 후 VVC 비트스트림을 나타내지 않는 트랙을 기반으로, 상기 트랙은 동작 포인트 엔티티 그룹 또는 동작 포인트 정보 샘플 그룹에 나열된 동작 포인트들 중 적어도 하나에 포함될 수 있다. 이때, 상기 특정 트랙 레퍼런스들은 'subp' 및 'vvcN' 트랙 레퍼런스들을 포함할 수 있다. 이때, 'oref' 트랙 레퍼런스의 사용은 더 이상 사용되지 않는다.
미디어 파일 생성 장치는 그룹 및 트랙을 포함하는 미디어 파일을 생성한다(S1020). 미디어 파일 생성 장치는 그룹 및 트랙을 포함하는 미디어 파일을 생성할 수 있다. 예를 들어, 미디어 파일 생성 장치는 엔티티 그룹(entity group) 또는 샘플 그룹(sample group)중 적어도 하나를 구성할 수 있다. 또한, 예를 들어, 상기 엔티티 그룹은 동작 포인트 엔티티 그룹(operating point entity group)을 포함할 수 있다. 또한, 예를 들어, 상기 샘플 그룹은 동작 포인트 정보 샘플 그룹(operating point information sample group)을 포함할 수 있다.
도 10에서 개시된 방법들은 일련의 단계 또는 블록으로써 순서도를 기초로 설명되고 있지만, 본 문서는 단계들의 순서에 한정되는 것은 아니며, 어떤 단계는 상술한 바와 다른 단계와 다른 순서로 또는 동시에 발생할 수 있다. 즉, 다시 말하면, S1000 및 S1010은 상술한 바와 다른 순서로 발생할 수 있고, 개별적으로 구현될 수도 있고, 동시에 구현될 수도 있다.
한편, 비록 도시되지는 않았으나 미디어 파일 생성 장치는 상기 생성된 미디어 파일을 (디지털) 저장매체에 저장하거나 또는 네트워크 또는 (디지털) 저장매체를 통하여 미디어 파일 처리 장치로 전달할 수 있다. 여기서 네트워크는 방송망 및/또는 통신망 등을 포함할 수 있고, 디지털 저장매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장매체를 포함할 수 있다.
도 11은 본 문서에 따른 미디어 파일 생성 방법을 수행하는 미디어 파일 생성 장치를 개략적으로 나타낸다. 도 10에서 개시된 방법은 도 11에서 개시된 미디어 파일 생성 장치에 의하여 수행될 수 있다. 구체적으로 예를 들어, 도 11의 상기 미디어 파일 생성 장치의 영상 처리부는 S1000 내지 S1010을 수행할 수 있고, 도 11의 상기 미디어 파일 생성 장치의 미디어 파일 생성부는 S1020을 수행할 수 있다. 또한, 비록 도시되지는 않았으나 영상 정보를 포함하는 비트스트림을 인코딩하는 과정은 상기 미디어 파일 생성 장치의 인코더에 의하여 수행될 수 있다.
도 12는 본 문서에 따른 미디어 파일 처리 장치에 의한 미디어 파일 처리 방법을 개략적으로 나타낸다. 도 12에서 개시된 방법은 도 13에서 개시된 미디어 파일 처리 장치에 의하여 수행될 수 있다. 상기 미디어 파일 처리 장치는 상술한 제2 장치를 나타낼 수 있다. 구체적 예를 들어, 도 12의 S1200은 상기 미디어 파일 처리 장치의 수신부에 의하여 수행될 수 있고, S1210 내지 S1220은 상기 미디어 파일 처리 장치의 미디어 파일 처리부에 의하여 수행될 수 있다. 또한, 비록 도시되지는 않았으나 트랙을 기반으로 비트스트림을 디코딩하는 과정은 디코더에 의하여 수행될 수 있다. 상기 디코더는 상기 미디어 파일 처리 장치에 포함되거나 또는 외부 컴포넌트로 구성될 수 있다.
미디어 파일 처리 장치는 그룹(group) 및 트랙(track)을 포함하는 미디어 파일을 획득한다(S1200). 예를 들어, 미디어 파일 처리 장치는 네트워크 또는 (디지털) 저장매체를 통하여 그룹 및 트랙을 포함하는 미디어 파일을 획득할 수 있다. 여기서 네트워크는 방송망 및/또는 통신망 등을 포함할 수 있고, 디지털 저장매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장매체를 포함할 수 있다.
미디어 파일 처리 장치는 그룹을 파싱한다(S1210). 예를 들어, 미디어 파일 처리 장치는 그룹을 파싱/획득할 수 있다. 예를 들어, 미디어 파일 처리 장치는 엔티티 그룹(entity group) 또는 샘플 그룹(sample group) 중 적어도 하나를 파싱/획득할 수 있다. 또한, 예를 들어, 상기 엔티티 그룹은 동작 포인트 엔티티 그룹(operating point entity group)을 포함할 수 있다. 또한, 예를 들어, 상기 샘플 그룹은 동작 포인트 정보 샘플 그룹(operating point information sample group)을 포함할 수 있다.
예를 들어, 동작 포인트 엔티티 그룹(operating point entity group)은 동작 포인츠 엔티티 그룹(operating points entity group)로 불릴 수 있다. 또한, 예를 들어, 동작 포인트 정보 샘플 그룹(operating point information sample group)은 동작 포인츠 정보 샘플 그룹(operating points information sample group)으로 불릴 수 있다.
미디어 파일 처리 장치는 트랙(track)을 파싱한다(S1220). 예를 들어, 미디어 파일 처리 장치는 트랙을 파싱/획득할 수 있다. 예를 들어, 상기 트랙은 제1 트랙 레퍼런스(first track reference)를 포함할 수 있다. 또한, 예를 들어, 상기 트랙은 제2 트랙 레퍼런스(second track reference)를 포함할 수 있다.
예를 들어, VVC 비트스트림을 포함하지 않는 상기 트랙을 기반으로, 상기 트랙은 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스 또는 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스 중 하나를 가질 수 있다.
예를 들어, 상기 미디어 파일에 포함된 동작 포인트 엔티티 그룹은 'opeg' 엔티티 그룹일 수 있다. 또한, 예를 들어, 상기 미디어 파일에 포함된 동작 포인트 정보 샘플 그룹은 'vopi' 샘플 그룹일 수 있다.
예를 들어, 상기 트랙은 'vref' 트랙 레퍼런스인 상기 제2 트랙 레퍼런스를 갖고, 상기 트랙은 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 상기 제2 트랙 레퍼런스를 가질 수 있다.
예를 들어, 특정 트랙 레퍼런스들(specific track references) 중 적어도 하나를 해결(resolving)한 후 VVC 비트스트림을 나타내지 않는 트랙을 기반으로, 상기 트랙은 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스 또는 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스 중 하나를 가질 수 있다. 이때, 상기 특정 트랙 레퍼런스들은 'subp' 및 'vvcN' 트랙 레퍼런스들을 포함할 수 있다. 또한, 예를 들어, 상기 트랙은 'vref' 트랙 레퍼런스인 상기 제2 트랙 레퍼런스를 갖고, 상기 트랙은 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 상기 제2 트랙 레퍼런스를 가질 수 있다.
예를 들어, VVC 비트스트림을 포함하지 않는 상기 트랙을 기반으로, 상기 트랙은 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스 또는 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스 중 적어도 하나를 가질 수 있다. 또한, 예를 들어, 상기 트랙은 'vref' 트랙 레퍼런스인 상기 제2 트랙 레퍼런스를 갖고, 상기 트랙은 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 상기 제2 트랙 레퍼런스를 가질 수 있다.
예를 들어, 특정 트랙 레퍼런스들(specific track references) 중 적어도 하나를 해결(resolving)한 후 VVC 비트스트림을 나타내지 않는 트랙을 기반으로, 상기 트랙은 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스 또는 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스 중 적어도 하나를 가질 수 있다. 이때, 상기 특정 트랙 레퍼런스들은 'subp' 및 'vvcN' 트랙 레퍼런스들을 포함할 수 있다.
예를 들어, VVC 비트스트림을 포함하지 않는 트랙을 기반으로, 상기 트랙은 동작 포인트 엔티티 그룹 또는 동작 포인트 정보 샘플 그룹에 나열된(listed) 동작 포인트들 중 적어도 하나에 포함될 수 있다. 또한, 예를 들어, 동작 포인트 엔티티 그룹은 'opeg' 엔티티 그룹일 수 있다. 또한, 예를 들어, 동작 포인트 정보 샘플 그룹은 'vopi' 샘플 그룹일 수 있다. 이때, 'oref' 트랙 레퍼런스의 사용은 더 이상 사용되지 않는다.
예를 들어, 특정 트랙 레퍼런스들(specific track references) 중 적어도 하나를 해결(resolving)한 후 VVC 비트스트림을 나타내지 않는 트랙을 기반으로, 상기 트랙은 동작 포인트 엔티티 그룹 또는 동작 포인트 정보 샘플 그룹에 나열된 동작 포인트들 중 적어도 하나에 포함될 수 있다. 이때, 상기 특정 트랙 레퍼런스들은 'subp' 및 'vvcN' 트랙 레퍼런스들을 포함할 수 있다. 이때, 'oref' 트랙 레퍼런스의 사용은 더 이상 사용되지 않는다.
도 12에서 개시된 방법들은 일련의 단계 또는 블록으로써 순서도를 기초로 설명되고 있지만, 본 문서는 단계들의 순서에 한정되는 것은 아니며, 어떤 단계는 상술한 바와 다른 단계와 다른 순서로 또는 동시에 발생할 수 있다. 즉, 다시 말하면, S1210 및 S1220은 상술한 바와 다른 순서로 발생할 수 있고, 개별적으로 구현될 수도 있고, 동시에 구현될 수도 있다.
한편, 비록 도시되지는 않았으나 미디어 파일 처리 장치는 상기 엔티티 그룹, 상기 샘플 그룹 및 상기 트랙을 기반으로 비트스트림을 디코딩할 수 있다. 예를 들어, 미디어 파일 처리 장치는 상기 엔티티 그룹, 상기 샘플 그룹 및 상기 트랙을 기반으로 상기 트랙에 대한 비트스트림 내 영상 정보를 디코딩할 수 있고, 상기 영상 정보를 기반으로 복원 샘플들(reconstructed samples)을 생성할 수 있다.
도 13은 본 문서에 따른 미디어 파일 처리 방법을 수행하는 미디어 파일 처리 장치를 개략적으로 나타낸다. 도 12에서 개시된 방법은 도 13에서 개시된 미디어 파일 처리 장치에 의하여 수행될 수 있다. 구체적으로, 예를 들어, 도 13의 상기 미디어 파일 처리 장치의 수신부는 도 12의 S1200을 수행할 수 있고, 도 13의 상기 미디어 파일 처리 장치의 미디어 파일 처리부는 도 12의 S1210 내지 S1220을 수행할 수 있다. 한편, 비록 도시되지는 않았으나 미디어 파일 처리 장치는 디코더를 포함할 수 있고, 상기 디코더는 엔티티 그룹, 샘플 그룹 및 트랙을 기반으로 비트스트림을 디코딩할 수 있다.
상술한 본 문서에 따르면, 엔티티 그룹은 동작 포인트 엔티티 그룹(operating point entity group)을 포함하고, 샘플 그룹은 동작 포인트 정보 샘플 그룹(operating point information sample group)을 포함하고, VVC (versatile video coding) 비트스트림을 포함하지 않는 트랙(track)을 기반으로, 상기 트랙은 상기 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스(first track reference) 또는 상기 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스(second track reference) 중 하나를 갖고, 상기 제1 트랙 레퍼런스는 상기 제2 트랙 레퍼런스와 다를 수 있고, 이를 통하여 동작 포인트 엔티티 그룹 또는 동작 포인트 정보 샘플 그룹에 따라 트랙 레퍼런스를 구별하여 동작 포인트에 대한 정보를 시그널링함으로써 파일 전달에 대한 복잡도를 낮추고 전반적인 코딩 효율을 향상시킬 수 있다.
상술한 실시예에서, 방법들은 일련의 단계 또는 블록으로써 순서도를 기초로 설명되고 있지만, 본 문서는 단계들의 순서에 한정되는 것은 아니며, 어떤 단계는 상술한 바와 다른 단계와 다른 순서로 또는 동시에 발생할 수 있다. 또한, 당업자라면 순서도에 나타내어진 단계들이 배타적이지 않고, 다른 단계가 포함되거나 순서도의 하나 또는 그 이상의 단계가 본 문서의 범위에 영향을 미치지 않고 삭제될 수 있음을 이해할 수 있을 것이다.
본 문서에서 설명한 실시예들은 프로세서, 마이크로 프로세서, 컨트롤러 또는 칩 상에서 구현되어 수행될 수 있다. 예를 들어, 각 도면에서 도시한 기능 유닛들은 컴퓨터, 프로세서, 마이크로 프로세서, 컨트롤러 또는 칩 상에서 구현되어 수행될 수 있다. 이 경우 구현을 위한 정보(ex. information on instructions) 또는 알고리즘이 디지털 저장 매체에 저장될 수 있다.
또한, 본 문서의 실시예들이 적용되는 장치는 멀티미디어 방송 송수신 장치, 모바일 통신 단말, 홈 시네마 비디오 장치, 디지털 시네마 비디오 장치, 감시용 카메라, 비디오 대화 장치, 비디오 통신과 같은 실시간 통신 장치, 모바일 스트리밍 장치, 저장 매체, 캠코더, 주문형 비디오(VOD) 서비스 제공 장치, OTT 비디오(Over the top video) 장치, 인터넷 스트리밍 서비스 제공 장치, 3차원(3D) 비디오 장치, VR(virtual reality) 장치, AR(augmented reality) 장치, 화상 전화 비디오 장치, 운송 수단 단말 (ex. 차량 단말, 비행기 단말, 선박 단말 등) 및 의료용 비디오 장치 등이 포함될 수 있으며, 비디오 신호 또는 데이터 신호를 처리하기 위해 사용될 수 있다. 예를 들어, OTT 비디오(Over the top video) 장치로는 게임 콘솔, 블루레이 플레이어, 인터넷 접속 TV, 홈시어터 시스템, 스마트폰, 태블릿 PC, DVR(Digital Video Recorder) 등을 포함할 수 있다.
또한, 본 문서의 실시예들이 적용되는 처리 방법은 컴퓨터로 실행되는 프로그램의 형태로 생산될 수 있으며, 컴퓨터가 판독할 수 있는 기록 매체에 저장될 수 있다. 본 문서에 따른 데이터 구조를 가지는 멀티미디어 데이터 또한 컴퓨터가 판독할 수 있는 기록 매체에 저장될 수 있다. 상기 컴퓨터가 판독할 수 있는 기록 매체는 컴퓨터로 읽을 수 있는 데이터가 저장되는 모든 종류의 저장 장치 및 분산 저장 장치를 포함한다. 상기 컴퓨터가 판독할 수 있는 기록 매체는, 예를 들어, 블루레이 디스크(BD), 범용 직렬 버스(USB), ROM, PROM, EPROM, EEPROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크 및 광학적 데이터 저장 장치를 포함할 수 있다. 또한, 상기 컴퓨터가 판독할 수 있는 기록 매체는 반송파(예를 들어, 인터넷을 통한 전송)의 형태로 구현된 미디어를 포함한다. 또한, 인코딩 방법으로 생성된 비트스트림이 컴퓨터가 판독할 수 있는 기록 매체에 저장되거나 유무선 통신 네트워크를 통해 전송될 수 있다.
또한, 본 문서의 실시예들은 프로그램 코드에 의한 컴퓨터 프로그램 제품으로 구현될 수 있고, 상기 프로그램 코드는 본 문서의 실시예에 의해 컴퓨터에서 수행될 수 있다. 상기 프로그램 코드는 컴퓨터에 의해 판독가능한 캐리어 상에 저장될 수 있다.
도 14는 본 문서의 실시예들이 적용되는 컨텐츠 스트리밍 시스템 구조도를 예시적으로 나타낸다.
본 문서의 실시예들이 적용되는 컨텐츠 스트리밍 시스템은 크게 인코딩 서버, 스트리밍 서버, 웹 서버, 미디어 저장소, 사용자 장치 및 멀티미디어 입력 장치를 포함할 수 있다.
상기 인코딩 서버는 스마트폰, 카메라, 캠코더 등과 같은 멀티미디어 입력 장치들로부터 입력된 컨텐츠를 디지털 데이터로 압축하여 비트스트림을 생성하고 이를 상기 스트리밍 서버로 전송하는 역할을 한다. 다른 예로, 스마트폰, 카메라, 캠코더 등과 같은 멀티미디어 입력 장치들이 비트스트림을 직접 생성하는 경우, 상기 인코딩 서버는 생략될 수 있다.
상기 비트스트림은 본 문서의 실시예들이 적용되는 인코딩 방법 또는 비트스트림 생성 방법에 의해 생성될 수 있고, 상기 스트리밍 서버는 상기 비트스트림을 전송 또는 수신하는 과정에서 일시적으로 상기 비트스트림을 저장할 수 있다.
상기 스트리밍 서버는 웹 서버를 통한 사용자 요청에 기초하여 멀티미디어 데이터를 사용자 장치에 전송하고, 상기 웹 서버는 사용자에게 어떠한 서비스가 있는지를 알려주는 매개체 역할을 한다. 사용자가 상기 웹 서버에 원하는 서비스를 요청하면, 상기 웹 서버는 이를 스트리밍 서버에 전달하고, 상기 스트리밍 서버는 사용자에게 멀티미디어 데이터를 전송한다. 이때, 상기 컨텐츠 스트리밍 시스템은 별도의 제어 서버를 포함할 수 있고, 이 경우 상기 제어 서버는 상기 컨텐츠 스트리밍 시스템 내 각 장치 간 명령/응답을 제어하는 역할을 한다.
상기 스트리밍 서버는 미디어 저장소 및/또는 인코딩 서버로부터 컨텐츠를 수신할 수 있다. 예를 들어, 상기 인코딩 서버로부터 컨텐츠를 수신하게 되는 경우, 상기 컨텐츠를 실시간으로 수신할 수 있다. 이 경우, 원활한 스트리밍 서비스를 제공하기 위하여 상기 스트리밍 서버는 상기 비트스트림을 일정 시간동안 저장할 수 있다.
상기 사용자 장치의 예로는, 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)), 디지털 TV, 데스크탑 컴퓨터, 디지털 사이니지 등이 있을 수 있다. 상기 컨텐츠 스트리밍 시스템 내 각 서버들은 분산 서버로 운영될 수 있으며, 이 경우 각 서버에서 수신하는 데이터는 분산 처리될 수 있다.
본 명세서에 기재된 청구항들은 다양한 방식으로 조합될 수 있다. 예를 들어, 본 명세서의 방법 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 명세서의 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다. 또한, 본 명세서의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 명세서의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다.

Claims (17)

  1. 미디어 파일 생성 방법에 있어서,
    엔티티 그룹(entity group) 또는 샘플 그룹(sample group) 중 적어도 하나를 구성하는 단계;
    트랙(track)을 생성하는 단계; 및
    상기 엔티티 그룹 또는 상기 샘플 그룹 중 적어도 하나 및 상기 트랙을 포함하는 상기 미디어 파일을 생성하는 단계를 포함하되,
    상기 엔티티 그룹은 동작 포인트 엔티티 그룹(operating point entity group)을 포함하고,
    상기 샘플 그룹은 동작 포인트 정보 샘플 그룹(operating point information sample group)을 포함하고,
    VVC (versatile video coding) 비트스트림을 포함하지 않는 상기 트랙을 기반으로, 상기 트랙은 상기 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스(first track reference) 또는 상기 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스(second track reference) 중 하나를 갖고,
    상기 제1 트랙 레퍼런스는 상기 제2 트랙 레퍼런스와 다른 것을 특징으로 하는 미디어 파일 생성 방법
  2. 제1항에 있어서,
    상기 동작 포인트 엔티티 그룹은 'opeg' 엔티티 그룹이고,
    상기 동작 포인트 정보 샘플 그룹은 'vopi' 샘플 그룹인 것을 특징으로 하는 미디어 파일 생성 방법.
  3. 제1항에 있어서,
    상기 트랙은 'vref' 트랙 레퍼런스인 상기 제2 트랙 레퍼런스를 갖고, 상기 트랙은 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 상기 제2 트랙 레퍼런스를 갖는 것을 특징으로 하는 미디어 파일 생성 방법.
  4. 제1항에 있어서,
    특정 트랙 레퍼런스들(specific track references) 중 적어도 하나를 해결한(resolving) 후 상기 VVC 비트스트림을 나타내지 않는 상기 트랙을 더 기반으로, 상기 트랙은 상기 동작 포인트 엔티티 그룹에 대한 상기 제1 트랙 레퍼런스 또는 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 상기 제2 트랙 레퍼런스 중 하나를 갖고,
    상기 특정 트랙 레퍼런스들은 'subp' 및 'vvcN' 트랙 레퍼런스들을 포함하는 것을 특징으로 하는 미디어 파일 생성 방법.
  5. 제4항에 있어서,
    상기 트랙은 'vref' 트랙 레퍼런스인 상기 제2 트랙 레퍼런스를 갖고, 상기 트랙은 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 상기 제2 트랙 레퍼런스를 갖는 것을 특징으로 하는 미디어 파일 생성 방법.
  6. 제1항에 있어서,
    상기 VVC 비트스트림을 포함하지 않는 상기 트랙을 기반으로, 상기 트랙은 상기 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스 또는 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 제2 트랙 레퍼런스 중 적어도 하나를 갖는 것을 특징으로 하는 미디어 파일 생성 방법.
  7. 제6항에 있어서,
    상기 트랙은 'vref' 트랙 레퍼런스인 상기 제2 트랙 레퍼런스를 갖고, 상기 트랙은 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 상기 제2 트랙 레퍼런스를 갖는 것을 특징으로 하는 미디어 파일 생성 방법.
  8. 제6항에 있어서,
    특정 트랙 레퍼런스들(specific track references) 중 적어도 하나를 해결한(resolving) 후 상기 VVC 비트스트림을 나타내지 않는 상기 트랙을 더 기반으로, 상기 트랙은 상기 동작 포인트 엔티티 그룹에 대한 상기 제1 트랙 레퍼런스 또는 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 상기 제2 트랙 레퍼런스 중 적어도 하나를 갖고,
    상기 특정 트랙 레퍼런스들은 'subp' 및 'vvcN' 트랙 레퍼런스들을 포함하는 것을 특징으로 하는 미디어 파일 생성 방법.
  9. 미디어 파일 생성 장치로서, 청구항 1항의 미디어 파일 생성 방법을 수행하여 미디어 파일을 생성하는, 미디어 파일 생성 장치.
  10. 미디어 파일 처리 방법에 있어서,
    엔티티 그룹(entity group) 또는 샘플 그룹(sample group) 중 적어도 하나 및 트랙(track)을 포함하는 상기 미디어 파일을 획득하는 단계;
    상기 엔티티 그룹 또는 상기 샘플 그룹 중 적어도 하나를 파싱하는 단계; 및
    상기 트랙을 파싱하는 단계를 포함하되,
    상기 엔티티 그룹은 동작 포인트 엔티티 그룹(operating point entity group)을 포함하고,
    상기 샘플 그룹은 동작 포인트 정보 샘플 그룹(operating point information sample group)을 포함하고,
    VVC (versatile video coding) 비트스트림을 포함하지 않는 상기 트랙을 기반으로, 상기 트랙은 상기 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스(first track reference) 또는 상기 동작 포인트 정보 샘플 그룹을 포함하는 특정 트랙(specific track)에 대한 제2 트랙 레퍼런스(second track reference) 중 하나를 갖고,
    상기 제1 트랙 레퍼런스는 상기 제2 트랙 레퍼런스와 다른 것을 특징으로 하는 미디어 파일 처리 방법
  11. 제10항에 있어서,
    상기 동작 포인트 엔티티 그룹은 'opeg' 엔티티 그룹이고,
    상기 동작 포인트 정보 샘플 그룹은 'vopi' 샘플 그룹인 것을 특징으로 하는 미디어 파일 처리 방법.
  12. 제10항에 있어서,
    상기 트랙은 'vref' 트랙 레퍼런스인 상기 제2 트랙 레퍼런스를 갖고, 상기 트랙은 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 상기 제2 트랙 레퍼런스를 갖는 것을 특징으로 하는 미디어 파일 처리 방법.
  13. 제10항에 있어서,
    특정 트랙 레퍼런스들(specific track references) 중 적어도 하나를 해결한(resolving) 후 상기 VVC 비트스트림을 나타내지 않는 상기 트랙을 더 기반으로, 상기 트랙은 상기 동작 포인트 엔티티 그룹에 대한 상기 제1 트랙 레퍼런스 또는 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 상기 제2 트랙 레퍼런스 중 하나를 갖고,
    상기 특정 트랙 레퍼런스들은 'subp' 및 'vvcN' 트랙 레퍼런스들을 포함하는 것을 특징으로 하는 미디어 파일 처리 방법.
  14. 제13항에 있어서,
    상기 트랙은 'vref' 트랙 레퍼런스인 상기 제2 트랙 레퍼런스를 갖고, 상기 트랙은 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 상기 제2 트랙 레퍼런스를 갖는 것을 특징으로 하는 미디어 파일 처리 방법.
  15. 제10항에 있어서,
    상기 VVC 비트스트림을 포함하지 않는 상기 트랙을 기반으로, 상기 트랙은 상기 동작 포인트 엔티티 그룹에 대한 제1 트랙 레퍼런스 또는 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 제2 트랙 레퍼런스 중 적어도 하나를 갖는 것을 특징으로 하는 미디어 파일 처리 방법.
  16. 제15항에 있어서,
    상기 트랙은 'vref' 트랙 레퍼런스인 상기 제2 트랙 레퍼런스를 갖고, 상기 트랙은 상기 동작 포인트 정보 샘플 그룹을 포함하는 상기 특정 트랙에 대한 상기 제2 트랙 레퍼런스를 갖는 것을 특징으로 하는 미디어 파일 처리 방법.
  17. 미디어 파일 처리 장치로서, 청구항 10항의 미디어 파일 처리 방법을 수행하여 미디어 파일을 처리하는, 미디어 파일 처리 장치.
PCT/KR2021/019210 2020-12-21 2021-12-16 미디어 파일 처리 방법 및 그 장치 Ceased WO2022139331A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202180085778.5A CN116724555A (zh) 2020-12-21 2021-12-16 媒体文件处理方法及其装置
US18/268,404 US12519993B2 (en) 2020-12-21 2021-12-16 Media file processing method and device therefor

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US202063128839P 2020-12-21 2020-12-21
US63/128,839 2020-12-21

Publications (1)

Publication Number Publication Date
WO2022139331A1 true WO2022139331A1 (ko) 2022-06-30

Family

ID=82159661

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/019210 Ceased WO2022139331A1 (ko) 2020-12-21 2021-12-16 미디어 파일 처리 방법 및 그 장치

Country Status (3)

Country Link
US (1) US12519993B2 (ko)
CN (1) CN116724555A (ko)
WO (1) WO2022139331A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022089397A1 (en) * 2020-10-26 2022-05-05 Beijing Bytedance Network Technology Co., Ltd. Roll sample group in vvc video coding
US12346291B2 (en) * 2021-11-03 2025-07-01 Vimeo.Com, Inc. On-the-fly/transparent fragmented ISOBMFF to progressive ISOBMFF transmultiplexing proxy

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180019557A (ko) * 2015-06-18 2018-02-26 퀄컴 인코포레이티드 계층화된 ｈｅｖｃ 파일 포맷에서의 트랙들 및 동작 포인트 시그널링의 설계
KR20180127997A (ko) * 2016-03-30 2018-11-30 퀄컴 인코포레이티드 Ｈｅｖｃ 및 ｌ­ｈｅｖｃ 파일 포맷들에서의 타일 그룹화에 대한 개선
KR101951615B1 (ko) * 2015-10-14 2019-02-22 퀄컴 인코포레이티드 멀티-계층 비트스트림들 파일 포맷에서의 동작 지점 샘플 그룹의 정렬
KR20200051718A (ko) * 2017-10-12 2020-05-13 캐논 가부시끼가이샤 시간 설정형 미디어 데이터를 발생시키는 방법, 디바이스, 및 컴퓨터 프로그램

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2519746B (en) * 2013-10-22 2016-12-14 Canon Kk Method, device and computer program for encapsulating scalable partitioned timed media data
US11671627B2 (en) * 2020-09-17 2023-06-06 Lemon Inc. Operating point entity group signaling in coded video

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180019557A (ko) * 2015-06-18 2018-02-26 퀄컴 인코포레이티드 계층화된 ｈｅｖｃ 파일 포맷에서의 트랙들 및 동작 포인트 시그널링의 설계
KR101951615B1 (ko) * 2015-10-14 2019-02-22 퀄컴 인코포레이티드 멀티-계층 비트스트림들 파일 포맷에서의 동작 지점 샘플 그룹의 정렬
KR20180127997A (ko) * 2016-03-30 2018-11-30 퀄컴 인코포레이티드 Ｈｅｖｃ 및 ｌ­ｈｅｖｃ 파일 포맷들에서의 타일 그룹화에 대한 개선
KR20200051718A (ko) * 2017-10-12 2020-05-13 캐논 가부시끼가이샤 시간 설정형 미디어 데이터를 발생시키는 방법, 디바이스, 및 컴퓨터 프로그램

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "Information technology — Coding of audiovisual objects — Part 12: ISO base media file format ", ISO/IEC 14496-12, 15 December 2015 (2015-12-15), pages 1 - 248, XP055942214 *

Also Published As

Publication number Publication date
US20240040169A1 (en) 2024-02-01
US12519993B2 (en) 2026-01-06
CN116724555A (zh) 2023-09-08

Similar Documents

Publication Publication Date Title
WO2021002657A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021210860A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2021206333A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2018169139A1 (ko) 360도 비디오의 영역 정보 전달 방법 및 장치
WO2021066618A1 (ko) 변환 스킵 및 팔레트 코딩 관련 정보의 시그널링 기반 영상 또는 비디오 코딩
WO2022225256A1 (ko) 미디어 파일 처리 방법 및 그 장치
WO2019009473A1 (ko) 360도 비디오의 영역 기반 처리 방법 및 장치
WO2021177791A1 (ko) 혼성 nal 유닛 타입에 기반하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
WO2022060113A1 (ko) 미디어 파일 처리 방법 및 그 장치
WO2020213867A1 (ko) 스케일링 리스트 데이터의 시그널링 기반 비디오 또는 영상 코딩
WO2021177794A1 (ko) 혼성 nal 유닛 타입에 기반하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
WO2021066609A1 (ko) 변환 스킵 및 팔레트 코딩 관련 고급 문법 요소 기반 영상 또는 비디오 코딩
WO2021206282A1 (ko) 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
WO2018004317A1 (ko) 고해상도 영상 스트리밍을 위한 영상 비트스트림 생성방법 및 장치
WO2022039513A1 (ko) Cpi sei 메시지에 기반한 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
WO2022139331A1 (ko) 미디어 파일 처리 방법 및 그 장치
WO2021241963A1 (ko) 비디오 또는 영상 코딩 시스템에서의 poc 정보 및 비-참조 픽처 플래그에 기반한 영상 코딩 방법
WO2021066610A1 (ko) 변환 스킵 및 팔레트 코딩 관련 정보 기반 영상 또는 비디오 코딩
WO2022139260A1 (ko) 미디어 파일을 생성하고 처리하는 방법 및 장치
WO2021201598A1 (ko) 레이어간 참조 여부에 기반하여 서브 레이어를 결정하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
WO2021201628A1 (ko) 출력 레이어 셋에 기반하여 파라미터 셋의 참조 여부를 결정하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
WO2021210935A1 (ko) 서브 레이어 요구 개수에 기반하여 서브 레이어를 결정하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
WO2021194211A1 (ko) 혼성 nal 유닛 타입에 기반하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장하는 기록 매체
WO2022139261A1 (ko) 미디어 파일 처리 방법 및 장치
WO2021182802A1 (ko) 비디오 또는 영상 코딩 시스템에서의 타일과 관련된 정보 및 슬라이스와 관련된 정보에 기반한 영상 코딩 방법

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: 21911398

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 202180085778.5

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 18268404

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21911398

Country of ref document: EP

Kind code of ref document: A1

WWG Wipo information: grant in national office

Ref document number: 18268404

Country of ref document: US