WO2022210101A1 - 復号方法、符号化方法、復号装置及び符号化装置 - Google Patents

復号方法、符号化方法、復号装置及び符号化装置 Download PDF

Info

Publication number
WO2022210101A1
WO2022210101A1 PCT/JP2022/013183 JP2022013183W WO2022210101A1 WO 2022210101 A1 WO2022210101 A1 WO 2022210101A1 JP 2022013183 W JP2022013183 W JP 2022013183W WO 2022210101 A1 WO2022210101 A1 WO 2022210101A1
Authority
WO
WIPO (PCT)
Prior art keywords
picture
sub
unit
block
pictures
Prior art date
Application number
PCT/JP2022/013183
Other languages
English (en)
French (fr)
Inventor
バージニー ドルージョン
清史 安倍
孝啓 西
正真 遠間
Original Assignee
パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ filed Critical パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ
Priority to EP22780316.0A priority Critical patent/EP4319165A1/en
Priority to KR1020237032452A priority patent/KR20230159439A/ko
Priority to MX2023010961A priority patent/MX2023010961A/es
Priority to CN202280023273.0A priority patent/CN117296327A/zh
Priority to BR112023018893A priority patent/BR112023018893A2/pt
Priority to JP2023511019A priority patent/JPWO2022210101A1/ja
Publication of WO2022210101A1 publication Critical patent/WO2022210101A1/ja
Priority to US18/373,406 priority patent/US20240031586A1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/146—Data rate or code amount at the encoder output
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/46—Embedding additional information in the video signal during the compression process
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/563—Motion estimation with padding, i.e. with filling of non-object values in an arbitrarily shaped picture block or region for estimation purposes

Definitions

  • the present disclosure relates to decoding methods, encoding methods, decoding devices, and encoding devices.
  • the video coding technology is H. 261 and MPEG-1 to H.261 and MPEG-1.
  • 264/AVC Advanced Video Coding
  • MPEG-LA High Efficiency Video Coding
  • H.264. 265/HEVC High Efficiency Video Coding
  • H.265/HEVC. 266/VVC Very Video Codec
  • Non-Patent Document 1 relates to an example of conventional standards related to the above-described video coding technology.
  • H. 265 (ISO/IEC 23008-2 HEVC)/HEVC (High Efficiency Video Coding)
  • the present disclosure may contribute to one or more of, for example, improved coding efficiency, improved image quality, reduced processing amount, reduced circuit size, improved processing speed, and appropriate selection of elements or operations.
  • the present disclosure may include configurations or methods that may contribute to benefits other than those described above.
  • a decoding method is (i) a sub-picture among a plurality of independently decodable sub-pictures forming a picture, and (ii) the top and left ends of the sub-picture.
  • Each embodiment in the present disclosure, or a configuration or method of a part thereof is, for example, improving coding efficiency, improving image quality, reducing the amount of coding/decoding processing, reducing circuit size, or reducing code at least one of improving the processing speed of encoding/decoding.
  • each of the embodiments in the present disclosure, or the configurations or methods of portions thereof each uses appropriate components/operations such as filters, blocks, sizes, motion vectors, reference pictures, reference blocks, etc. in encoding and decoding. allows you to make choices, etc.
  • the present disclosure also includes disclosure of configurations or methods that may provide benefits other than those described above. For example, it is a configuration or method that improves coding efficiency while suppressing an increase in the amount of processing.
  • the configuration or method according to one aspect of the present disclosure is, for example, improving coding efficiency, improving image quality, reducing processing amount, reducing circuit scale, improving processing speed, and appropriate selection of elements or operations. can contribute to one or more of them. Note that the configuration or method according to one aspect of the present disclosure may contribute to benefits other than those described above.
  • FIG. 1 is a schematic diagram showing an example of the configuration of a transmission system according to an embodiment.
  • FIG. 2 is a diagram showing an example of the hierarchical structure of data in a stream.
  • FIG. 3 is a diagram showing an example of a slice configuration.
  • FIG. 4 is a diagram showing an example of a tile configuration.
  • FIG. 5 is a diagram showing an example of a coding structure for scalable coding.
  • FIG. 6 is a diagram showing an example of a coding structure for scalable coding.
  • FIG. 7 is a block diagram showing an example of the configuration of the encoding device according to the embodiment.
  • FIG. 8 is a block diagram showing an implementation example of the encoding device.
  • FIG. 9 is a flowchart showing an example of overall encoding processing by the encoding device.
  • FIG. 10 is a diagram showing an example of block division.
  • FIG. 11 is a diagram illustrating an example of a configuration of a dividing unit;
  • FIG. 12 is a diagram showing examples of division patterns.
  • FIG. 13A is a diagram showing an example of a syntax tree of division patterns.
  • FIG. 13B is a diagram showing another example of a syntax tree of division patterns.
  • FIG. 14 is a table showing transformation basis functions corresponding to each transformation type.
  • FIG. 15 is a diagram showing an example of SVT.
  • FIG. 16 is a flowchart illustrating an example of processing by a conversion unit;
  • FIG. 17 is a flowchart illustrating another example of processing by the conversion unit;
  • FIG. 18 is a block diagram showing an example of the configuration of a quantization section;
  • FIG. 16 is a flowchart illustrating an example of processing by a conversion unit
  • FIG. 17 is a flowchart illustrating another example of processing by the conversion unit
  • FIG. 18 is a block diagram
  • FIG. 19 is a flowchart illustrating an example of quantization by a quantization unit
  • FIG. 20 is a block diagram showing an example of the configuration of an entropy coding unit.
  • FIG. 21 is a diagram showing the flow of CABAC in the entropy coding unit.
  • FIG. 22 is a block diagram showing an example of the configuration of the loop filter section.
  • FIG. 23A is a diagram showing an example of the shape of a filter used in an ALF (adaptive loop filter).
  • FIG. 23B is a diagram showing another example of the shape of a filter used in ALF.
  • FIG. 23C is a diagram showing another example of the shape of a filter used in ALF.
  • FIG. 23A is a diagram showing an example of the shape of a filter used in an ALF (adaptive loop filter).
  • FIG. 23B is a diagram showing another example of the shape of a filter used in ALF.
  • FIG. 23C is a diagram showing another example of the shape of a filter used in
  • FIG. 23D shows an example where a Y sample (first component) is used for Cb CCALF and Cr CCALF (multiple components different from the first component).
  • FIG. 23E shows a diamond-shaped filter.
  • FIG. 23F is a diagram showing an example of JC-CCALF.
  • FIG. 23G is a diagram showing an example of JC-CCALF weight_index candidates.
  • FIG. 24 is a block diagram showing an example of a detailed configuration of a loop filter section that functions as a DBF.
  • FIG. 25 is a diagram showing an example of a deblocking filter with symmetrical filter characteristics with respect to block boundaries.
  • FIG. 26 is a diagram for explaining an example of block boundaries on which deblocking and filtering are performed.
  • FIG. 27 is a diagram showing an example of Bs values.
  • FIG. 28 is a flowchart illustrating an example of processing performed by a prediction unit of the encoding device
  • FIG. 29 is a flowchart illustrating another example of processing performed by the prediction unit of the encoding device.
  • FIG. 30 is a flow chart showing another example of processing performed by the prediction unit of the encoding device.
  • FIG. 31 is a diagram showing an example of 67 intra prediction modes in intra prediction.
  • 32 is a flowchart illustrating an example of processing by an intra prediction unit;
  • FIG. 33 is a diagram showing an example of each reference picture.
  • FIG. 34 is a conceptual diagram showing an example of a reference picture list.
  • FIG. 35 is a flow chart showing a basic processing flow of inter prediction.
  • FIG. 36 is a flowchart showing an example of MV derivation.
  • FIG. 37 is a flow chart showing another example of MV derivation.
  • FIG. 38A is a diagram showing an example of classification of each mode of MV derivation.
  • FIG. 38B is a diagram showing an example of classification of each mode of MV derivation.
  • FIG. 39 is a flowchart showing an example of inter prediction in normal inter mode.
  • FIG. 40 is a flowchart illustrating an example of inter prediction in normal merge mode.
  • FIG. 41 is a diagram for explaining an example of MV derivation processing in normal merge mode.
  • FIG. 42 is a diagram for explaining an example of MV derivation processing in HMVP (History-based Motion Vector Prediction/Predictor) mode.
  • FIG. 43 is a flowchart showing an example of FRUC (frame rate up conversion).
  • FIG. 38A is a diagram showing an example of classification of each mode of MV derivation.
  • FIG. 38B is a diagram showing an example of classification of each mode of MV derivation.
  • FIG. 44 is a diagram for explaining an example of pattern matching (bilateral matching) between two blocks along the motion trajectory.
  • FIG. 45 is a diagram for explaining an example of pattern matching (template matching) between a template in the current picture and blocks in the reference picture.
  • FIG. 46A is a diagram for explaining an example of derivation of MV for each subblock in affine mode using two control points.
  • FIG. 46B is a diagram for explaining an example of derivation of MV for each subblock in affine mode using three control points.
  • FIG. 47A is a conceptual diagram for explaining an example of MV derivation of control points in an affine mode.
  • FIG. 47B is a conceptual diagram for explaining an example of MV derivation of control points in affine mode.
  • FIG. 47A is a conceptual diagram for explaining an example of MV derivation of control points in an affine mode.
  • FIG. 47B is a conceptual diagram for explaining an example of MV derivation of control points in affine
  • FIG. 47C is a conceptual diagram for explaining an example of MV derivation of control points in affine mode.
  • FIG. 48A is a diagram for explaining an affine mode with two control points.
  • FIG. 48B is a diagram for explaining an affine mode with three control points.
  • FIG. 49A is a conceptual diagram for explaining an example of a control point MV derivation method when an encoded block and a current block have different numbers of control points.
  • FIG. 49B is a conceptual diagram for explaining another example of the control point MV derivation method when the encoded block and the current block have different numbers of control points.
  • FIG. 50 is a flowchart showing an example of processing in the affine merge mode.
  • FIG. 51 is a flowchart showing an example of processing in affine inter mode.
  • FIG. 52A is a diagram for explaining generation of predicted images of two triangles.
  • FIG. 52B is a conceptual diagram showing an example of the first portion of the first partition and the first and second sample sets.
  • FIG. 52C is a conceptual diagram showing the first part of the first partition.
  • FIG. 53 is a flow chart showing an example of the triangle mode.
  • FIG. 54 is a diagram showing an example of ATMVP (Advanced Temporal Motion Vector Prediction/Predictor) mode in which MV is derived for each subblock.
  • FIG. 55 is a diagram showing the relationship between merge modes and DMVR (dynamic motion vector refreshing).
  • FIG. 56 is a conceptual diagram for explaining an example of DMVR.
  • FIG. 57 is a conceptual diagram for explaining another example of DMVR for determining MV.
  • FIG. 58A is a diagram showing an example of motion estimation in DMVR.
  • FIG. 58B is a flowchart illustrating an example of motion estimation in DMVR.
  • FIG. 59 is a flow chart showing an example of generating a predicted image.
  • FIG. 60 is a flowchart showing another example of predicted image generation.
  • FIG. 61 is a flowchart for explaining an example of predictive image correction processing by OBMC (overlapped block motion compensation).
  • FIG. 62 is a conceptual diagram for explaining an example of predictive image correction processing by OBMC.
  • FIG. 63 is a diagram for explaining a model that assumes uniform linear motion.
  • FIG. 64 is a flowchart illustrating an example of inter prediction according to BIO.
  • FIG. 65 is a diagram illustrating an example of the configuration of an inter prediction unit that performs inter prediction according to BIO.
  • FIG. 66A is a diagram for explaining an example of a predicted image generation method using luminance correction processing by LIC (local illumination compensation).
  • FIG. 66B is a flowchart showing an example of a predicted image generation method using luminance correction processing by LIC.
  • 67 is a block diagram showing the configuration of the decoding device according to the embodiment.
  • FIG. FIG. 68 is a block diagram showing an implementation example of a decoding device.
  • FIG. 69 is a flowchart showing an example of overall decoding processing by the decoding device.
  • FIG. 70 is a diagram showing the relationship between the division determining unit and other components.
  • FIG. 71 is a block diagram showing an example of the configuration of an entropy decoding unit.
  • FIG. 72 is a diagram showing the flow of CABAC in the entropy decoding unit.
  • FIG. 75 is a flowchart illustrating an example of processing by an inverse transform unit;
  • FIG. FIG. 76 is a flow chart showing another example of processing by the inverse transform unit.
  • FIG. 77 is a block diagram showing an example of the configuration of the loop filter section.
  • FIG. 78 is a flow chart showing an example of processing performed by a prediction unit of the decoding device.
  • FIG. 73 is a diagram showing the flow of CABAC in the entropy decoding unit.
  • FIG. 73 is a block diagram showing an example of the configuration of an inverse quantization section;
  • FIG. 80A is a flowchart showing part of another example of processing performed by the prediction unit of the decoding device.
  • FIG. 80B is a flowchart showing the remainder of another example of processing performed by the prediction unit of the decoding device.
  • 81 is a diagram illustrating an example of processing by an intra prediction unit of a decoding device;
  • FIG. 82 is a flowchart showing an example of MV derivation in the decoding device.
  • FIG. 83 is a flowchart showing another example of MV derivation in the decoding device.
  • FIG. 84 is a flowchart showing an example of inter prediction in normal inter mode in the decoding device.
  • FIG. 85 is a flowchart showing an example of inter prediction in normal merge mode in a decoding device.
  • FIG. 86 is a flowchart showing an example of inter prediction in FRUC mode in a decoding device.
  • 87 is a flowchart illustrating an example of inter prediction in affine merge mode in a decoding device;
  • FIG. 88 is a flowchart showing an example of inter prediction in affine inter mode in a decoding device.
  • FIG. 89 is a flowchart illustrating an example of inter prediction in triangle mode in a decoding device.
  • FIG. 90 is a flow chart showing an example of motion search by DMVR in a decoding device.
  • FIG. 91 is a flowchart showing a detailed example of motion search by DMVR in the decoding device.
  • FIG. 92 is a flowchart showing an example of prediction image generation in the decoding device.
  • FIG. 93 is a flowchart showing another example of predicted image generation in the decoding device.
  • FIG. 94 is a flowchart showing an example of prediction image correction by OBMC in the decoding device.
  • FIG. 95 is a flowchart showing an example of predicted image correction by BIO in the decoding device.
  • FIG. 96 is a flowchart showing an example of prediction image correction by LIC in the decoding device.
  • FIG. 97 is a schematic diagram showing the values of the sub-picture index and sub-picture identifier when extracting sub-pictures from one bitstream to another bitstream.
  • FIG. 98 is a schematic diagram showing an exemplary implementation in which a mosaic of sub-pictures guides the user to select a sub-picture.
  • FIG. 99 is a schematic diagram showing a mosaic picture of four sub-pictures with at least one dimension whose size is not an integer multiple of a coding tree unit.
  • FIG. 100 is a schematic diagram showing a mosaic picture with lines padded to achieve that the upper subpicture has a vertical size that is an integer multiple of a coding tree unit.
  • FIG. 101 is a table illustrating some parameter settings of cropping window and sub-pictures specific for the mosaic picture implementation.
  • FIG. 102 is a flowchart illustrating an exemplary method for generating a bitstream containing mosaic pictures.
  • FIG. 103 is a flowchart illustrating an exemplary method for decoding a bitstream containing mosaic pictures.
  • FIG. 104 is a flowchart illustrating an exemplary implementation of a method for generating a bitstream containing mosaic pictures.
  • FIG. 105 is a flowchart illustrating an exemplary implementation of a method for decoding at least one sub-picture from a mosaic picture.
  • 106 is a flowchart illustrating operations performed by the encoding apparatus according to the embodiment;
  • FIG. 107 is a flowchart showing operations performed by the decoding device according to the embodiment.
  • FIG. FIG. 108 is an overall configuration diagram of a content supply system that realizes a content distribution service.
  • FIG. 109 is a diagram showing an example of a web page display screen.
  • FIG. 110 is a diagram showing an example of a web page display screen.
  • FIG. 111 is a diagram illustrating an example of a smart phone;
  • FIG. 112 is a block diagram illustrating a
  • each sub-picture within a picture is defined as a rectangular region.
  • Each coding unit in the picture belongs to only one of the sub-pictures in the picture.
  • multiple sub-pictures within a picture may each correspond to multiple videos. Specifically, first, a picture including a plurality of sub-pictures corresponding to a plurality of videos is decoded and displayed, and then only one video selected from the plurality of videos is decoded and displayed as a picture.
  • each coding unit in a picture belongs to only one of the multiple sub-pictures in the picture, so the size of each sub-picture corresponds to the size of one or more coding units.
  • the size of each video does not necessarily correspond to the size of one or more coding units. Therefore, the size of the subpictures may not correspond to the size of the video.
  • a sub-picture among a plurality of independently decodable sub-pictures forming a picture (ii) the top of the sub-picture and (iii) one of the plurality of sub-pictures is opposite the at least one edge of the sub-picture; at least one sub-picture is contiguous, and (iv) the size of the sub-picture in at least one direction by padding at the at least one edge of the picture reaches an integer multiple of a preset coding unit size; decoding from a bitstream cropping information indicating a cropping amount corresponding to a padding amount of a first subpicture, which is a subpicture padded at the at least one edge of the subpicture; and converting the first subpicture to the bitstream.
  • At least one of the number of upper sample rows and the number of left sample columns removed from the first sub-picture is indicated as the cropping amount.
  • subpicture boundaries in the center of the screen and coding unit boundaries can match. Also, after decoding a sub-picture padded to reach an integer multiple of a preset coding unit size, it may be possible to crop the sub-picture according to a cropping amount corresponding to the padding amount. Therefore, after decoding a sub-picture, it may be possible to match the size of the sub-picture to the size of the video corresponding to the sub-picture.
  • the picture corresponds to 4K resolution
  • each of the plurality of sub-pictures corresponds to HD (High Definition) resolution.
  • This may make it possible to decode one of a plurality of sub-pictures included in a picture corresponding to 4K resolution and corresponding to HD resolution.
  • it may be possible to decode a video with HD resolution from a bitstream in which multiple videos with HD resolution are encoded as videos with 4K resolution.
  • the picture corresponds to 8K resolution
  • each of the plurality of sub-pictures corresponds to 4K resolution
  • This may make it possible to decode one of a plurality of sub-pictures included in a picture corresponding to 8K resolution and corresponding to 4K resolution.
  • it may be possible to decode a video with 4K resolution from a bitstream in which multiple videos with 4K resolution are encoded as videos with 8K resolution.
  • the cropping information includes at least one of sps_conformance_window_flag, sps_conf_win_top_offset, and sps_conf_win_left_offset, each of which is a syntax element relating to a VVC (Versatile Video Coding) conformance cropping window.
  • VVC Very Video Coding
  • the decoding method further comprises obtaining input from a user for selecting the first sub-picture of the plurality of sub-pictures; decoding the first sub-picture without decoding one or more sub-pictures other than the first sub-picture.
  • the bitstream includes settings for the plurality of sub-pictures in parameter sets applicable to the pictures
  • the decoding method further comprising: decoding the settings from the bitstream; Deriving sub-picture identification information for the first sub-picture according to the configuration and the input; decoding from the bitstream the first sub-picture identified by the sub-picture identification information.
  • sub-picture identification information such as sub-picture indices or sub-picture identifiers
  • sub-picture identification information such as sub-picture indices or sub-picture identifiers
  • the bitstream conforms to VVC (Versatile Video Coding)
  • the parameter set is SPS (Sequence Parameter Set) or PPS (Picture Parameter Set)
  • the settings are whether the plurality of sub-pictures have the same size; one or more sizes applied to the plurality of sub-pictures with respect to one or more directions; and applying to the picture with respect to the one or more directions.
  • the total number of the plurality of sub-pictures is given by the VVC syntax element sps_num_subpics_minus1, and whether or not the plurality of sub-pictures have the same size.
  • VVC syntax element sps_subpic_same_size_flag is given by the VVC syntax element sps_subpic_same_size_flag
  • the one or more sizes applied to the plurality of subpictures are at least one of the VVC syntax elements sps_subpic_width_minus1 and sps_subpic_height_minus1, respectively.
  • the one or more sizes applied to the picture are given by at least one of sps_pic_width_max_in_luma_samples and sps_pic_height_max_in_luma_samples, which are syntax elements of VVC, respectively.
  • the first sub-picture and the second sub-picture corresponding to the at least one sub-picture are arranged spatially continuously, and For one direction, the total size of the first sub-picture and the second sub-picture corresponds to the size of the picture, and for the one direction, the first sub-picture is cropped and the second sub-picture is cropped. is not cropped.
  • the first sub-picture and the second sub-picture corresponding to the at least one sub-picture are arranged spatially continuously, and For one direction, the total size of said first sub-picture and said second sub-picture corresponds to the size of said picture, and for said one direction, both said first sub-picture and said second sub-picture. is cropped.
  • the cropping information includes at least one of sps_conf_win_bottom_offset and sps_conf_win_right_offset, which are syntax elements relating to conformance cropping windows of VVC, as information indicating the amount of cropping of the second sub-picture.
  • the picture includes a plurality of slices that spatially equally correspond to the plurality of sub-pictures on a one-to-one basis, and a plurality of tiles that spatially correspond to the plurality of sub-pictures on an equal and one-to-one basis. including at least one of
  • the encoding method is (i) a sub-picture among a plurality of sub-pictures forming a picture, and (ii) at least one of the top end and the left end of the sub-picture. (iii) at least one sub-picture of said plurality of sub-pictures is opposite said at least one edge of said sub-picture; A first sub-picture that is an adjacent sub-picture is padded at the at least one edge of the picture such that the size of the first sub-picture in at least one direction reaches an integer multiple of a preset coding unit size.
  • At the at least one edge of the first sub-picture encoding cropping information indicating a cropping amount corresponding to the padding amount of the first sub-picture into a bitstream; independently encoding the plurality of sub-pictures, including one sub-picture, into the bitstream, wherein the cropping information is added to the first sub-picture by padding the first sub-picture. At least one of the number of upper sample rows and the number of left sample columns is indicated as the cropping amount corresponding to the padding amount.
  • This may allow sub-picture padding so that the size of the sub-picture corresponds to an integer multiple of the preset coding unit size. Then, it may be possible to encode cropping information for cropping sub-pictures according to the amount of padding. Therefore, it may be possible to encode information to match the size of the sub-pictures to the size of the video corresponding to the sub-pictures.
  • the picture corresponds to 4K resolution
  • each of the plurality of sub-pictures corresponds to HD (High Definition) resolution.
  • the picture corresponds to 8K resolution
  • each of the plurality of sub-pictures corresponds to 4K resolution
  • the cropping information includes at least one of sps_conformance_window_flag, sps_conf_win_top_offset, and sps_conf_win_left_offset, each of which is a syntax element relating to a VVC (Versatile Video Coding) conformance cropping window.
  • VVC Very Video Coding
  • the encoding method further comprises encoding settings of the plurality of sub-pictures into the bitstream, wherein the bitstream comprises the settings within a parameter set applicable to the picture. .
  • the bitstream conforms to VVC (Versatile Video Coding)
  • the parameter set is SPS (Sequence Parameter Set) or PPS (Picture Parameter Set)
  • the settings are whether the plurality of sub-pictures have the same size; one or more sizes applied to the plurality of sub-pictures with respect to one or more directions; and applying to the picture with respect to the one or more directions.
  • the total number of the plurality of sub-pictures is given by the VVC syntax element sps_num_subpics_minus1, and whether or not the plurality of sub-pictures have the same size.
  • VVC syntax element sps_subpic_same_size_flag is given by the VVC syntax element sps_subpic_same_size_flag
  • the one or more sizes applied to the plurality of subpictures are at least one of the VVC syntax elements sps_subpic_width_minus1 and sps_subpic_height_minus1, respectively.
  • the one or more sizes applied to the picture are given by at least one of sps_pic_width_max_in_luma_samples and sps_pic_height_max_in_luma_samples, which are syntax elements of VVC, respectively.
  • the first sub-picture and the second sub-picture corresponding to the at least one sub-picture are arranged spatially continuously, and For one direction, the total size of the first sub-picture and the second sub-picture corresponds to the size of the picture, and for the one direction, the first sub-picture is padded and the second sub-picture is padded. Pictures are not padded.
  • the first sub-picture and the second sub-picture corresponding to the at least one sub-picture are arranged spatially continuously, and For one direction, the total size of said first sub-picture and said second sub-picture corresponds to the size of said picture, and for said one direction, both said first sub-picture and said second sub-picture. is padded.
  • This may make it possible to pad both the first sub-picture and the second sub-picture that are spatially consecutively arranged. Therefore, it may be possible to apply similar processing to both the first sub-picture and the second sub-picture. Therefore, it may be possible to reduce the complexity of processing.
  • the cropping information includes at least one of sps_conf_win_bottom_offset and sps_conf_win_right_offset, which are syntax elements relating to conformance cropping windows of VVC, as information indicating the amount of cropping of the second sub-picture.
  • This may allow encoding the cropping information for cropping the second sub-picture according to the syntax element for the cropping window.
  • the picture includes a plurality of slices that spatially equally correspond to the plurality of sub-pictures on a one-to-one basis, and a plurality of tiles that spatially correspond to the plurality of sub-pictures on an equal and one-to-one basis. including at least one of
  • a decoding device includes a circuit and a memory connected to the circuit, and in operation, the circuit is configured to (i) independently decode pictures constituting pictures a sub-picture of a plurality of sub-pictures, (ii) at least one of a top edge and a left edge of the sub-picture being included in at least one of a top edge and a left edge of the picture; (iii) (iv) adjacent to at least one sub-picture of said plurality of sub-pictures opposite said at least one edge of said sub-picture; a cropping amount corresponding to a padding amount of a first sub-picture, which is a sub-picture padded at the at least one end of the sub-picture so that the size of the sub-picture reaches an integer multiple of a preset coding unit size; decoding the indicated cropping information from the bitstream; decoding the first sub-picture from the bitstream; cropping the first sub-picture at the at least
  • the decoding apparatus can crop the sub-picture according to the cropping amount corresponding to the padding amount after decoding the sub-picture padded so that the size reaches an integral multiple of the preset coding unit size. There is Therefore, after decoding the sub-picture, the decoding device may be able to match the size of the sub-picture to the size of the video corresponding to the sub-picture.
  • an encoding apparatus includes a circuit and a memory connected to the circuit, and the circuit, in operation, performs (i) among a plurality of subpictures forming a picture: (ii) at least one of the top and left edges of the sub-picture is included in at least one of the top and left edges of the picture; (iii) the at least one of the top and left edges of the sub-picture a first sub-picture, which is a sub-picture adjacent to at least one sub-picture of said plurality of sub-pictures on opposite sides of one edge, in said at least one direction by padding at said at least one edge of said picture; padding at the at least one edge of the first sub-picture so that the size of the first sub-picture reaches an integer multiple of a preset coding unit size, and a cropping amount corresponding to the padding amount of the first sub-picture; and encoding the plurality of sub-pictures including the padded first sub-picture into
  • the encoding device may be able to pad sub-pictures so that the sub-picture size corresponds to an integral multiple of the preset coding unit size.
  • the encoding device may then encode cropping information for cropping the sub-picture according to the padding amount.
  • the encoder may be able to encode information to match the size of the sub-pictures to the size of the video corresponding to the sub-pictures.
  • a decoding device includes an input unit, an entropy decoding unit, an inverse quantization unit, an inverse transform unit, an intra prediction unit, an inter prediction unit, a loop filter unit, and an output unit.
  • An encoded bitstream is input to the input unit.
  • the entropy decoding unit applies variable length decoding to the encoded bitstream to derive quantization coefficients.
  • the inverse quantization unit inversely quantizes the quantized coefficients to derive transform coefficients.
  • the inverse transform unit inverse transforms the transform coefficients to derive a prediction error.
  • the intra prediction unit uses a reference image included in the current picture to generate a prediction signal for the current block included in the current picture.
  • the inter prediction unit generates a prediction signal of a current block included in the current picture using a reference picture included in a reference picture different from the current picture.
  • the loop filter unit applies a filter to the reconstructed block of the current block included in the current picture. Then, the current picture is output from the output unit.
  • the entropy decoding unit (i) is a sub-picture among a plurality of independently decodable sub-pictures forming a picture, and (iii) at least one of said plurality of sub-pictures on the opposite side of said at least one edge of said sub-picture; (iv) said sub-pictures are adjacent to each other, and (iv) said sub-pictures are such that padding at said at least one edge of said pictures causes said sub-pictures to reach an integer multiple of a preset coding unit size in at least one direction; decoding from the bitstream cropping information indicating a cropping amount corresponding to a padding amount of a first subpicture that is a subpicture padded at the at least one end of the bitstream, decoding the first subpicture from the bitstream; cropping the first sub-picture at the at least one edge of the first sub-picture according to the cropping amount, wherein the cropping information is top samples removed from the first sub-picture by
  • an encoding device includes an input unit, a division unit, an intra prediction unit, an inter prediction unit, a loop filter unit, a transform unit, a quantization unit, and an entropy code and an output unit.
  • a current picture is input to the input unit.
  • the dividing unit divides the current picture into a plurality of blocks.
  • the intra prediction unit uses a reference image included in the current picture to generate a prediction signal for the current block included in the current picture.
  • the inter prediction unit generates a prediction signal of a current block included in the current picture using a reference picture included in a reference picture different from the current picture.
  • the loop filter unit applies a filter to reconstructed blocks of a current block included in the current picture.
  • the transform unit transforms the prediction error between the original signal of the current block included in the current picture and the prediction signal generated by the intra prediction unit or the inter prediction unit to generate transform coefficients.
  • the quantization unit quantizes the transform coefficients to generate quantized coefficients.
  • the entropy encoder applies variable length coding to the quantized coefficients to generate an encoded bitstream. Then, the output unit outputs the coded bitstream including the quantized coefficients to which variable length coding is applied and control information.
  • the entropy encoding unit in operation, is (i) a sub-picture among a plurality of sub-pictures forming a picture, and (ii) at least one end of the top end and the left end of the sub-picture. is included at at least one of the top and left edges of said picture, and (iii) at least one sub-picture of said plurality of sub-pictures is adjacent to said sub-picture opposite said at least one edge of said sub-picture.
  • said first sub-picture being a sub-picture such that padding at said at least one edge of said picture results in a size of said first sub-picture in at least one direction reaching an integer multiple of a preset coding unit size; padding at the at least one edge of a first sub-picture and encoding cropping information indicating a cropping amount corresponding to the padding amount of the first sub-picture into a bitstream; are independently encoded into the bitstream, and the cropping information is the number of upper sample rows and left sample columns added to the first sub-picture by padding the first sub-picture. is shown as the cropping amount corresponding to the padding amount.
  • Exemplary embodiments relate to using conformance cropping windows to enable the creation of mosaic video from multiple VVC sub-pictures having sizes that do not correspond to multiples of the CTU size used for encoding.
  • Image A data unit composed of a set of pixels, which consists of a picture or blocks smaller than a picture, and includes still pictures as well as moving pictures.
  • Block A processing unit of a set containing a specific number of pixels is not limited, and includes, for example, a rectangle made up of M ⁇ N pixels, a square made up of M ⁇ M pixels, as well as a triangle, a circle, and other shapes.
  • Pixel/sample A minimum unit point that constitutes an image, including not only pixels at integer positions but also pixels at decimal positions generated based on pixels at integer positions.
  • Pixel value/Sample value A value unique to a pixel, including not only luminance values, color difference values, and RGB gradations, but also depth values or binary values of 0 and 1.
  • Flag In addition to 1-bit flags, multi-bit flags are also included. For example, parameters and indexes of 2 or more bits may be used. Moreover, not only binary numbers using binary numbers, but also multi-value numbers using other base numbers may be used.
  • Signal Symbolized and coded for the purpose of transmitting information, including discrete digital signals as well as analog signals that take continuous values.
  • a stream/bitstream refers to a data string of digital data or a flow of digital data.
  • a stream/bitstream may be composed of a single stream or a plurality of streams divided into a plurality of layers.
  • the case of transmitting by packet communication over a plurality of transmission lines is also included.
  • Chroma An adjective, denoted by the symbols Cb and Cr, that designates that a sample array or single sample represents one of two color difference signals related to the primary colors. Instead of the term chroma, the term chrominance can also be used.
  • Luminance A symbol or adjective subscripted Y or L designating that a sample array or single sample represents a monochrome signal associated with a primary color. Instead of the term luma, the term luminance can also be used.
  • Embodiments of an encoding device and a decoding device will be described below.
  • An embodiment is an example of an encoding device and a decoding device to which processing and/or configurations described in each aspect of the present disclosure can be applied.
  • Processes and/or configurations can also be implemented in encoding and decoding devices different from the embodiments. For example, any of the following may be implemented with respect to the processing and/or configuration applied to the embodiments.
  • Some of the components that constitute the encoding device or the decoding device of the embodiments may be combined with the components described in any of the aspects of the present disclosure. , may be combined with a component that includes part of the functions described in any of the aspects of the present disclosure, or a component that performs part of the processing performed by the components described in each aspect of the present disclosure may be combined with
  • a component that includes part of the functions of the encoding device or decoding device of the embodiment, or a component that implements part of the processing of the encoding device or decoding device of the embodiment A component described in any of the aspects of the present disclosure, a component including a part of the function described in any of the aspects of the present disclosure, or a part of the processing described in any of the aspects of the present disclosure Implementing components may be combined or substituted.
  • any of the plurality of processes included in the method is the process described in any of the aspects of the present disclosure, or similar Either treatment may be substituted or combined.
  • the method of implementing the processing and/or configuration described in each aspect of the present disclosure is not limited to the encoding device or decoding device of the embodiment.
  • the processing and/or configuration may be implemented in a device that is used for purposes other than the video encoding or video decoding disclosed in the embodiments.
  • FIG. 1 is a schematic diagram showing an example of the configuration of a transmission system according to this embodiment.
  • the transmission system Trs is a system that transmits streams generated by encoding images and decodes the transmitted streams.
  • Such a transmission system Trs includes an encoding device 100, a network Nw, and a decoding device 200, as shown in FIG. 1, for example.
  • An image is input to the encoding device 100 .
  • the encoding device 100 encodes the input image to generate a stream, and outputs the stream to the network Nw.
  • the stream includes, for example, encoded images and control information for decoding the encoded images. This encoding compresses the image.
  • the original image before being encoded which is input to the encoding device 100, is also called an original image, an original signal, or an original sample.
  • the image may be a moving image or a still image.
  • images are generic concepts such as sequences, pictures, and blocks, and are not subject to spatial and temporal domain restrictions unless otherwise specified.
  • An image also consists of an array of pixels or pixel values, and the signals representing the image, or pixel values, are also called samples.
  • a stream may also be called a bitstream, an encoded bitstream, a compressed bitstream, or an encoded signal.
  • the encoding device may be called an image encoding device or a video encoding device
  • the encoding method by the encoding device 100 may be an encoding method, an image encoding method, or a video encoding method.
  • the network Nw transmits the stream generated by the encoding device 100 to the decoding device 200.
  • the network Nw may be the Internet, a wide area network (WAN), a small network (LAN: local area network), or a combination thereof.
  • the network Nw is not necessarily a two-way communication network, and may be a one-way communication network that transmits broadcast waves such as terrestrial digital broadcasting or satellite broadcasting.
  • the network Nw may be replaced by a storage medium recording a stream, such as a DVD (Digital Versatile Disc) or a BD (Blu-Ray Disc (registered trademark)).
  • the decoding device 200 generates a decoded image that is, for example, an uncompressed image by decoding the stream transmitted by the network Nw. For example, the decoding device decodes the stream according to the decoding method corresponding to the encoding method by the encoding device 100 .
  • the decoding device may be called an image decoding device or a video decoding device, and the decoding method by the decoding device 200 may be called a decoding method, an image decoding method, or a video decoding method.
  • FIG. 2 is a diagram showing an example of the hierarchical structure of data in a stream.
  • a stream includes, for example, a video sequence.
  • this video sequence includes a VPS (Video Parameter Set), an SPS (Sequence Parameter Set), a PPS (Picture Parameter Set), an SEI (Supplemental Enhancement Information), and a plurality of including pictures of
  • VPS Video Parameter Set
  • SPS Sequence Parameter Set
  • PPS Position Parameter Set
  • SEI Supplemental Enhancement Information
  • a VPS includes coding parameters common to a plurality of layers in a video composed of multiple layers, and coding parameters related to multiple layers included in the video or individual layers.
  • the SPS contains the parameters used for the sequence, that is, the coding parameters that the decoding device 200 refers to in order to decode the sequence.
  • the coding parameter may indicate the width or height of the picture.
  • a plurality of SPSs may exist.
  • the PPS contains parameters used for pictures, that is, coding parameters that the decoding device 200 refers to in order to decode each picture in the sequence.
  • the coding parameters may include a reference value for the quantization width used to decode the picture and a flag indicating application of weighted prediction.
  • a plurality of PPSs may exist. Also, SPS and PPS are sometimes simply referred to as parameter sets.
  • a picture may include a picture header and one or more slices, as shown in FIG. 2(b).
  • a picture header contains coding parameters that decoding apparatus 200 refers to to decode one or more slices of the picture header.
  • a slice includes a slice header and one or more bricks, as shown in (c) of FIG.
  • a slice header contains coding parameters that decoding device 200 refers to in order to decode the one or more bricks.
  • a brick includes one or more CTUs (Coding Tree Units), as shown in (d) of FIG.
  • a picture may contain tile groups instead of slices without slices.
  • a tile group contains one or more tiles.
  • Bricks may also contain slices.
  • a CTU is also called a superblock or basic division unit.
  • Such a CTU includes a CTU header and one or more CUs (Coding Units), as shown in FIG. 2(e).
  • the CTU header includes encoding parameters that decoding device 200 refers to in order to decode one or more CUs.
  • a CU may be split into multiple smaller CUs.
  • a CU includes a CU header, prediction information, and residual coefficient information, as shown in (f) of FIG.
  • the prediction information is information for predicting the CU
  • the residual coefficient information is information indicating a prediction residual, which will be described later.
  • a CU is basically the same as a PU (Prediction Unit) and a TU (Transform Unit), but for example, in an SBT described later, a plurality of TUs smaller than the CU may be included.
  • a CU may be processed for each VPDU (Virtual Pipeline Decoding Unit) that constitutes the CU.
  • a VPDU is, for example, a fixed unit that can be processed in one stage when pipeline processing is performed in hardware.
  • a picture that is currently being processed by a device such as the encoding device 100 or the decoding device 200 is called a current picture. If the process is encoding, the current picture is synonymous with the picture to be encoded, and if the process is decoding, the current picture is synonymous with the picture to be decoded.
  • a block such as a CU or a CU that is currently being processed by a device such as the encoding device 100 or the decoding device 200 is called a current block. If the process is encoding, the current block is synonymous with the encoding target block, and if the process is decoding, the current block is synonymous with the decoding target block.
  • pictures may be organized in units of slices or tiles.
  • a slice is a basic unit of coding that makes up a picture.
  • a picture consists of one or more slices, for example. Also, a slice consists of one or more consecutive CTUs.
  • FIG. 3 is a diagram showing an example of a slice configuration.
  • a picture contains 11 ⁇ 8 CTUs and is divided into 4 slices (slices 1-4).
  • Slice 1 consists of, for example, 16 CTUs
  • slice 2 consists of, for example, 21 CTUs
  • slice 3 consists of, for example, 29 CTUs
  • slice 4 consists of, for example, 22 CTUs.
  • each CTU in a picture belongs to any slice.
  • the shape of a slice is the shape of a picture divided horizontally.
  • the slice boundary does not have to be the edge of the screen, and can be anywhere on the boundary of the CTU within the screen.
  • the processing order (encoding order or decoding order) of CTUs in a slice is, for example, raster scan order.
  • a slice also includes a slice header and encoded data.
  • the slice header may describe the characteristics of the slice, such as the CTU address at the beginning of the slice and the slice type.
  • a tile is a unit of rectangular area that makes up a picture.
  • a number called TileId may be assigned to each tile in raster scan order.
  • FIG. 4 is a diagram showing an example of a tile configuration.
  • a picture contains 11 ⁇ 8 CTUs and is divided into four rectangular tiles (tiles 1-4).
  • the processing order of CTUs is changed compared to when tiles are not used. If tiles are not used, multiple CTUs in a picture are processed, for example, in raster-scan order. If tiles are used, in each of the plurality of tiles, at least one CTU is processed, eg, in raster scan order.
  • the processing order of the plurality of CTUs included in tile 1 is from the left end of the first column of tile 1 to the right end of the first column of tile 1, then the left end of the second column of tile 1. to the right end of the second column of tile 1.
  • one tile may include one or more slices, and one slice may include one or more tiles.
  • a picture may be configured in units of tilesets.
  • a tileset may include one or more tile groups and may include one or more tiles.
  • a picture may consist of only one of a tile set, a tile group, and a tile. For example, the order in which the tiles of each tileset are scanned in raster order is the base encoding order of the tiles.
  • a tile group is defined as a collection of one or more tiles whose basic encoding order is continuous in each tile set.
  • Such pictures may be constructed by the division unit 102 (see FIG. 7), which will be described later.
  • [Scalable encoding] 5 and 6 are diagrams showing an example of the structure of a scalable stream.
  • the encoding device 100 may generate a temporally/spatially scalable stream by encoding each of a plurality of pictures in one of a plurality of layers, as shown in FIG.
  • the encoding apparatus 100 implements scalability in which an enhancement layer exists above a base layer by encoding a picture for each layer.
  • Such encoding of each picture is called scalable encoding.
  • the decoding device 200 can switch the image quality of the displayed image by decoding the stream. That is, decoding apparatus 200 determines up to which layer to decode according to an internal factor such as its own performance and an external factor such as the state of the communication band.
  • the decoding device 200 can freely switch between low-resolution content and high-resolution content to decode the same content.
  • a user of the stream uses a smartphone to watch the moving image of the stream partway while moving, and after returning home, uses a device such as an Internet TV to watch the rest of the moving image.
  • a device such as an Internet TV to watch the rest of the moving image.
  • each of the smartphone and the device described above incorporates a decoding device 200 having the same or different performance. In this case, if the device decodes up to the upper layers of the stream, the user can view high-quality moving images after returning home. As a result, the encoding apparatus 100 does not need to generate multiple streams with the same content but different image qualities, and can reduce the processing load.
  • the enhancement layer may contain meta information based on image statistical information.
  • the decoding device 200 may generate a moving image with high image quality by super-resolving the base layer picture based on the meta information.
  • Super-resolution may be either improvement in SN (Signal-to-Noise) ratio at the same resolution or expansion of resolution.
  • Meta information includes information for specifying linear or nonlinear filter coefficients used for super-resolution processing, information for specifying parameter values in filter processing used for super-resolution processing, machine learning, or least squares calculation. You can stay.
  • the picture may be divided into tiles or the like according to the meaning of each object in the picture.
  • the decoding device 200 may decode only a partial area of the picture by selecting a tile to be decoded.
  • Object attributes person, car, ball, etc.
  • positions in pictures coordinate positions in the same picture, etc.
  • the decoding device 200 can identify the position of the desired object based on the meta information and determine the tile containing the object. For example, as shown in FIG. 6, meta information is stored using a data storage structure different from image data, such as SEI in HEVC. This meta information indicates, for example, the position, size or color of the main object.
  • Meta information may also be stored in units composed of multiple pictures, such as streams, sequences, or random access units.
  • the decoding device 200 can acquire the time at which the specific person appears in the moving image, and the like, and by using the time and the information in units of pictures, the picture in which the object exists and the object in the picture can be obtained. position can be specified.
  • FIG. 7 is a block diagram showing an example of the configuration of encoding apparatus 100 according to the embodiment.
  • the encoding device 100 encodes an image in units of blocks.
  • the encoding device 100 is a device that encodes an image in units of blocks, and includes a dividing unit 102, a subtracting unit 104, a transforming unit 106, a quantizing unit 108, and an entropy encoding unit.
  • a unit 110, an inverse quantization unit 112, an inverse transform unit 114, an addition unit 116, a block memory 118, a loop filter unit 120, a frame memory 122, an intra prediction unit 124, an inter prediction unit 126, A prediction control unit 128 and a prediction parameter generation unit 130 are provided. Note that each of the intra prediction unit 124 and the inter prediction unit 126 is configured as part of the prediction processing unit.
  • FIG. 8 is a block diagram showing an implementation example of the encoding device 100.
  • the encoding device 100 comprises a processor a1 and a memory a2.
  • the components of encoding device 100 shown in FIG. 7 are implemented by processor a1 and memory a2 shown in FIG.
  • the processor a1 is a circuit that performs information processing and is a circuit that can access the memory a2.
  • processor a1 is a dedicated or general purpose electronic circuit for encoding images.
  • Processor a1 may be a processor such as a CPU.
  • the processor a1 may be an assembly of a plurality of electronic circuits.
  • the processor a1 may serve as a plurality of components of the encoding device 100 shown in FIG. 7, excluding a component for storing information.
  • the memory a2 is a dedicated or general-purpose memory that stores information for encoding an image by the processor a1.
  • the memory a2 may be an electronic circuit and may be connected to the processor a1. Also, the memory a2 may be included in the processor a1. Also, the memory a2 may be an aggregate of a plurality of electronic circuits. Also, the memory a2 may be a magnetic disk, an optical disk, or the like, or may be expressed as a storage, recording medium, or the like. Also, the memory a2 may be a non-volatile memory or a volatile memory.
  • the memory a2 may store an image to be encoded, or may store a stream corresponding to the encoded image. Further, the memory a2 may store a program for encoding an image by the processor a1.
  • the memory a2 may serve as a component for storing information among the plurality of components of the encoding device 100 shown in FIG. Specifically, memory a2 may serve as block memory 118 and frame memory 122 shown in FIG. More specifically, the memory a2 may store reconstructed images (specifically, reconstructed blocks, reconstructed pictures, etc.).
  • the encoding device 100 may not implement all of the plurality of components shown in FIG. 7, and may not perform all of the plurality of processes described above. Some of the components shown in FIG. 7 may be included in other devices, and some of the processes described above may be performed by other devices.
  • FIG. 9 is a flowchart showing an example of overall encoding processing by the encoding device 100.
  • FIG. 9 is a flowchart showing an example of overall encoding processing by the encoding device 100.
  • the dividing unit 102 of the encoding device 100 divides a picture included in the original image into a plurality of fixed-size blocks (128 ⁇ 128 pixels) (step Sa_1). Then, the division unit 102 selects a division pattern for the fixed-size block (step Sa_2). In other words, the dividing unit 102 further divides the fixed-size block into a plurality of blocks forming the selected division pattern. Encoding apparatus 100 then performs the processing of steps Sa_3 to Sa_9 for each of the plurality of blocks.
  • a prediction processing unit consisting of the intra prediction unit 124 and the inter prediction unit 126, and the prediction control unit 128 generate a prediction image of the current block (step Sa_3).
  • a predicted image is also called a predicted signal, a predicted block, or a predicted sample.
  • the subtraction unit 104 generates the difference between the current block and the predicted image as a prediction residual (step Sa_4).
  • a prediction residual is also called a prediction error.
  • the transformation unit 106 and the quantization unit 108 generate a plurality of quantized coefficients by transforming and quantizing the predicted image (step Sa_5).
  • the entropy coding unit 110 generates a stream by performing coding (specifically, entropy coding) on the plurality of quantized coefficients and prediction parameters related to generation of predicted images ( Step Sa_6).
  • the inverse quantization unit 112 and the inverse transform unit 114 restore the prediction residual by performing inverse quantization and inverse transform on the plurality of quantized coefficients (step Sa_7).
  • the adding unit 116 reconstructs the current block by adding the predicted image to the restored prediction residual (step Sa_8).
  • a reconstructed image is thereby generated.
  • a reconstructed image is also called a reconstructed block, and in particular, a reconstructed image generated by the encoding device 100 is also called a local decoded block or a local decoded image.
  • the loop filter unit 120 performs filtering on the reconstructed image as necessary (step Sa_9).
  • step Sa_10 determines whether or not the encoding of the entire picture has been completed (step Sa_10), and if it is determined that the encoding has not been completed (No in step Sa_10), the processing from step Sa_2 is repeatedly executed. do.
  • encoding apparatus 100 selects one division pattern for a fixed-size block and encodes each block according to the division pattern. Encoding of each block may be performed. In this case, the encoding device 100 evaluates the cost for each of the plurality of division patterns, and selects, for example, the stream obtained by encoding according to the division pattern with the lowest cost as the stream to be finally output. You may
  • steps Sa_1 to Sa_10 may be sequentially performed by the encoding device 100, some of the processing may be performed in parallel, and the order may be changed.
  • Such encoding processing by the encoding device 100 is hybrid encoding using predictive encoding and transform encoding.
  • Predictive coding includes a subtracting unit 104, a transforming unit 106, a quantizing unit 108, an inverse quantizing unit 112, an inverse transforming unit 114, an adding unit 116, a loop filter unit 120, a block memory 118, a frame memory 122, and intra prediction.
  • This is done by an encoding loop consisting of unit 124 , inter prediction unit 126 and prediction control unit 128 . That is, the prediction processing unit including the intra prediction unit 124 and the inter prediction unit 126 constitutes a part of the encoding loop.
  • the dividing unit 102 divides each picture included in the original image into a plurality of blocks and outputs each block to the subtracting unit 104 .
  • the dividing unit 102 first divides a picture into blocks of fixed size (for example, 128 ⁇ 128 pixels). This fixed size block is sometimes called a coding tree unit (CTU).
  • Divider 102 then divides each of the fixed-size blocks into blocks of variable size (e.g., 64x64 pixels or less), e.g., based on recursive quadtree and/or binary tree block partitioning. To divide. That is, division section 102 selects a division pattern.
  • This variable-sized block is sometimes called a coding unit (CU), a prediction unit (PU), or a transform unit (TU). Note that in various implementation examples, CUs, PUs, and TUs need not be distinguished, and some or all blocks in a picture may serve as processing units for CUs, PUs, or TUs.
  • FIG. 10 is a diagram showing an example of block division in the embodiment.
  • solid lines represent block boundaries due to quadtree block division
  • dashed lines represent block boundaries according to binary tree block division.
  • block 10 is a square block of 128x128 pixels. This block 10 is first divided into four square blocks of 64 ⁇ 64 pixels (quadtree block division).
  • the top left square block of 64x64 pixels is further divided vertically into two rectangular blocks of 32x64 pixels each, and the left rectangular block of 32x64 pixels is further vertically divided into two rectangular blocks of 16x64 pixels each. (binary tree block division).
  • the upper left square block of 64 ⁇ 64 pixels is divided into two rectangular blocks 11 and 12 of 16 ⁇ 64 pixels and a rectangular block 13 of 32 ⁇ 64 pixels.
  • the upper right square block of 64x64 pixels is horizontally divided into two rectangular blocks 14 and 15 of 64x32 pixels each (binary tree block division).
  • the lower left square block of 64x64 pixels is divided into four square blocks of 32x32 pixels each (quadtree block division).
  • the upper left and lower right blocks of the four square blocks of 32 ⁇ 32 pixels each are further divided.
  • the upper left square block of 32x32 pixels is split vertically into two rectangular blocks of 16x32 pixels each, and the right 16x32 pixel square block is further split horizontally into two square blocks of 16x16 pixels each. (binary tree block division).
  • the lower right square block of 32x32 pixels is horizontally split into two rectangular blocks of 32x16 pixels each (binary tree block split).
  • the lower left square block of 64x64 pixels consists of a rectangular block 16 of 16x32 pixels, two square blocks 17 and 18 of 16x16 pixels each, two square blocks 19 and 20 of 32x32 pixels each, and two square blocks of 32x32 pixels each. It is divided into two rectangular blocks 21 and 22 .
  • the lower right block 23 consisting of 64x64 pixels is not divided.
  • block 10 is divided into 13 variable-sized blocks 11-23 based on recursive quadtree and binary tree block division.
  • Such partitioning is sometimes called QTBT (quad-tree plus binary tree) partitioning.
  • one block is divided into four or two blocks in FIG. 10 (quadtree or binary tree block division), the division is not limited to these.
  • one block may be divided into three blocks (ternary tree block division).
  • a partition including such a ternary tree block partition is sometimes called an MBT (multi-type tree) partition.
  • FIG. 11 is a diagram showing an example of the configuration of the division unit 102.
  • the dividing section 102 may include a block division determining section 102a.
  • the block division determination unit 102a may perform the following processing.
  • the block division determination unit 102a collects block information from the block memory 118 or the frame memory 122, and determines the above division pattern based on the block information.
  • the division unit 102 divides the original image according to the division pattern, and outputs one or more blocks obtained by the division to the subtraction unit 104 .
  • the block division determination unit 102a outputs parameters indicating the above-described division pattern to the transformation unit 106, the inverse transformation unit 114, the intra prediction unit 124, the inter prediction unit 126, and the entropy coding unit 110, for example.
  • the transformation unit 106 may transform the prediction residual based on the parameters, and the intra prediction unit 124 and the inter prediction unit 126 may generate predicted images based on the parameters.
  • entropy coding section 110 may perform entropy coding on the parameter.
  • the parameters related to the division pattern may be written to the stream as follows.
  • FIG. 12 is a diagram showing examples of division patterns.
  • the division patterns include, for example, a quadrant (QT) that divides a block into two in the horizontal and vertical directions, and a three-division (QT) that divides a block in the same direction at a ratio of 1:2:1.
  • QT quadrant
  • QT three-division
  • HT or VT bipartition
  • HB or VB bipartition
  • NS no division
  • the division pattern does not have the block division direction, and in the case of 2-division and 3-division, the division pattern has division direction information.
  • FIG. 13A and 13B are diagrams showing examples of syntax trees of division patterns.
  • S Split flag
  • QT QT flag
  • TT TT flag or BT: BT flag
  • Ver Vertical flag or Hor: Horizontal flag
  • the results of the decisions made may be encoded into a stream according to the encoding order disclosed in the syntax tree shown in FIG. 13A.
  • the information is arranged in the order of S, QT, TT, Ver, but even if the information is arranged in the order of S, QT, Ver, BT good. That is, in the example of FIG. 13B, first, there is information (S: Split flag) indicating whether or not to perform splitting, and then there is information (QT: QT flag) indicating whether or not to perform 4 splitting. do. Next, there is information indicating the division direction (Ver: Vertical flag or Hor: Horizontal flag), and finally there is information indicating whether to divide into two or three (BT: BT flag or TT: TT flag). is doing.
  • division pattern described here is just an example, and a division pattern other than the described division pattern may be used, or only a part of the described division pattern may be used.
  • the subtraction unit 104 subtracts the prediction image (prediction image input from the prediction control unit 128) from the original image in units of blocks input from the division unit 102 and divided by the division unit 102 . That is, the subtraction unit 104 calculates the prediction residual of the current block. Subtraction section 104 then outputs the calculated prediction residual to conversion section 106 .
  • An original image is an input signal to the encoding device 100, and is, for example, a signal (eg, a luma signal and two chroma signals) representing an image of each picture forming a moving image.
  • a signal eg, a luma signal and two chroma signals
  • Transformation section 106 transforms the prediction residual in the spatial domain into transform coefficients in the frequency domain, and outputs the transform coefficients to quantization section 108 .
  • the transform unit 106 performs a predetermined discrete cosine transform (DCT) or discrete sine transform (DST) on the prediction residual in the spatial domain, for example.
  • DCT discrete cosine transform
  • DST discrete sine transform
  • the transform unit 106 adaptively selects a transform type from among a plurality of transform types, and uses a transform basis function corresponding to the selected transform type to transform the prediction residual into a transform coefficient. may be converted.
  • Such transforms are sometimes called EMT (explicit multiple core transform) or AMT (adaptive multiple transform). Transformation basis functions are also sometimes simply referred to as basis functions.
  • transform types include, for example, DCT-II, DCT-V, DCT-VIII, DST-I and DST-VII. Note that these transform types may be denoted as DCT2, DCT5, DCT8, DST1 and DST7, respectively.
  • FIG. 14 is a table showing transformation basis functions corresponding to each transformation type. In FIG. 14, N indicates the number of input pixels. Selection of a transform type from among these multiple transform types may depend, for example, on the type of prediction (intra prediction, inter prediction, etc.) or may depend on the intra prediction mode.
  • EMT flag or AMT flag Information indicating whether to apply such EMT or AMT
  • information indicating the selected conversion type are typically signaled at the CU level. Note that the signaling of these information need not be limited to the CU level, but may be at other levels (eg sequence level, picture level, slice level, brick level or CTU level).
  • the transformation unit 106 may retransform the transformation coefficients (that is, transformation results). Such retransformation is sometimes called AST (adaptive secondary transform) or NSST (non-separable secondary transform). For example, the transform unit 106 re-transforms each sub-block (for example, a sub-block of 4 ⁇ 4 pixels) included in the block of transform coefficients corresponding to the intra-prediction residual.
  • Information indicating whether to apply NSST and information about the transformation matrix used for NSST are typically signaled at the CU level. Note that the signaling of these information need not be limited to the CU level, but may be at other levels (eg sequence level, picture level, slice level, brick level or CTU level).
  • the conversion unit 106 may apply separable conversion and non-separable conversion.
  • a separable transformation is a method that separates each direction by the number of input dimensions and transforms multiple times. This is a method of collectively treating them as one-dimensional and converting them collectively.
  • non-separable transformation if the input is a block of 4 ⁇ 4 pixels, it is regarded as one array with 16 elements, and 16 ⁇ 16 transformation is performed on that array. Examples include those that perform conversion processing with matrices.
  • a transformation Hypercube Given Transform
  • the transformation unit 106 it is also possible to switch the transformation type of the transformation basis function to be transformed into the frequency domain according to the region within the CU.
  • One example is SVT (Spatially Varying Transform).
  • FIG. 15 is a diagram showing an example of SVT.
  • the CU is divided into two equal parts in the horizontal direction or the vertical direction, and only one of the areas is transformed into the frequency domain.
  • a transform type may be set for each region, and for example, DST7 and DCT8 are used.
  • DST7 and DCT8 may be used for the region at position 0 of the two regions obtained by vertically bisecting the CU.
  • DST7 is used for the area at position 1 of the two areas.
  • DST7 and DCT8 are used for the region at position 0 of the two regions obtained by horizontally bisecting the CU.
  • DST7 is used for the area at position 1 of the two areas.
  • the dividing method may be divided into four equal parts instead of the two equal parts. Further, it is also possible to make it more flexible, such as by encoding information indicating the partitioning method and signaling it in the same way as CU partitioning. Note that SVT is also called SBT (Sub-block Transform).
  • the aforementioned AMT and EMT may be called MTS (Multiple Transform Selection).
  • MTS Multiple Transform Selection
  • a transform type such as DST7 or DCT8 can be selected, and information indicating the selected transform type may be encoded as index information for each CU.
  • IMTS Implicit MTS
  • IMTS is a process of selecting a transform type to be used for orthogonal transform without encoding index information based on the shape of the CU.
  • IMTS may be usable only in intra-predicted blocks, or may be usable in both intra-predicted blocks and inter-predicted blocks.
  • selection processes for selectively switching the transform type used for the orthogonal transform Only the selection process of is valid. Whether or not each selection process is valid can be identified by flag information in a header such as SPS. For example, if all three selection processes are valid, one of the three selection processes is selected and orthogonally transformed for each CU. Note that the selection process for selectively switching the conversion type may use a selection process different from the above three selection processes as long as at least one of the following four functions [1] to [4] can be realized. Each of the above three selection processes may be replaced with another process.
  • Function [1] is a function of orthogonally transforming the entire range within the CU and encoding information indicating the transform type used for the transform.
  • Function [2] is a function of orthogonally transforming the entire range of the CU and determining the transform type based on a predetermined rule without encoding information indicating the transform type.
  • Function [3] is a function of orthogonally transforming a partial region of the CU and encoding information indicating the transform type used for the transform.
  • Function [4] is a function of orthogonally transforming a partial region of the CU and determining the transform type based on a predetermined rule without encoding information indicating the transform type used for the transform.
  • MTS Mobility Management Entity
  • IMTS IMTS
  • SBT SBT whether or not to apply each of MTS, IMTS, and SBT may be determined for each processing unit. For example, the presence or absence of application may be determined in sequence units, picture units, brick units, slice units, CTU units, or CU units.
  • the tool for selectively switching the transformation type in the present disclosure may be rephrased as a method of adaptively selecting a basis used for transformation processing, a selection process, or a process of selecting a basis.
  • a tool that selectively switches the conversion type may be rephrased as a mode that adaptively selects the conversion type.
  • FIG. 16 is a flowchart showing an example of processing by the conversion unit 106.
  • FIG. 16 is a flowchart showing an example of processing by the conversion unit 106.
  • the transformation unit 106 determines whether or not to perform orthogonal transformation (step St_1).
  • the transformation unit 106 selects a transformation type to be used for orthogonal transformation from a plurality of transformation types (step St_2).
  • the transform unit 106 performs orthogonal transform by applying the selected transform type to the prediction residual of the current block (step St_3).
  • transforming section 106 outputs information indicating the selected transform type to entropy coding section 110 to encode the information (step St_4).
  • the transform unit 106 determines not to perform the orthogonal transform (No in step St_1), the transform unit 106 outputs information indicating that the orthogonal transform is not performed to the entropy coding unit 110, thereby encoding the information ( Step St_5).
  • the determination of whether or not to perform the orthogonal transform in step St_1 may be made based on, for example, the size of the transform block, the prediction mode applied to the CU, and the like. Further, information indicating the transform type used for orthogonal transform may not be encoded, and orthogonal transform may be performed using a predefined transform type.
  • FIG. 17 is a flowchart showing another example of processing by the conversion unit 106.
  • FIG. 17 is an example of orthogonal transform in the case of applying a method of selectively switching the transform type used for orthogonal transform, like the example shown in FIG.
  • the first transform type group may include DCT2, DST7 and DCT8.
  • the second set of transform types may include DCT2.
  • the conversion types included in the first conversion type group and the second conversion type group may partially overlap, or may be completely different conversion types.
  • the conversion unit 106 determines whether or not the conversion size is equal to or less than a predetermined value (step Su_1). Here, if it is determined that the value is equal to or less than the predetermined value (Yes in step Su_1), the transform unit 106 orthogonally transforms the prediction residual of the current block using a transform type included in the first transform type group (step Su_2 ). Next, transformation section 106 outputs information indicating which transformation type to use among one or more transformation types included in the first transformation type group to entropy encoding section 110, thereby converting the information into is encoded (step Su_3). On the other hand, when the transform unit 106 determines that the transform size is not equal to or smaller than the predetermined value (No in step Su_1), it orthogonally transforms the prediction residual of the current block using the second transform type group (step Su_4).
  • the information indicating the transform type used for the orthogonal transform may be information indicating a combination of the transform type applied in the vertical direction and the transform type applied in the horizontal direction of the current block.
  • the first transform type group may contain only one transform type, and information indicating the transform type used for the orthogonal transform may not be encoded.
  • the second transform type group may include a plurality of transform types, and information indicating the transform type used for the orthogonal transform among the one or more transform types included in the second transform type group is encoded.
  • the transform type may be determined based only on the transform size. Note that the process of determining the transform type to be used for the orthogonal transform based on the transform size is not limited to determining whether the transform size is equal to or less than a predetermined value.
  • Quantization section 108 quantizes the transform coefficients output from transform section 106 . Specifically, the quantization unit 108 scans a plurality of transform coefficients of the current block in a predetermined scanning order, and quantizes the transform coefficients based on a quantization parameter (QP) corresponding to the scanned transform coefficients. do. Quantization section 108 then outputs a plurality of quantized transform coefficients of the current block (hereinafter referred to as quantized coefficients) to entropy encoding section 110 and inverse quantization section 112 .
  • QP quantization parameter
  • the predetermined scanning order is the order for quantization/inverse quantization of transform coefficients.
  • the predetermined scan order may be defined in ascending frequency order (from low frequency to high frequency) or descending frequency order (high frequency to low frequency).
  • a quantization parameter is a parameter that defines a quantization step (quantization width). For example, the quantization step increases as the value of the quantization parameter increases. That is, as the value of the quantization parameter increases, the quantization coefficient error (quantization error) increases.
  • a quantization matrix may be used for quantization.
  • quantization matrices may be used corresponding to frequency transform sizes such as 4x4 and 8x8, prediction modes such as intra-prediction and inter-prediction, and pixel components such as luminance and chrominance.
  • quantization refers to digitizing values sampled at predetermined intervals in association with predetermined levels, and in this technical field, expressions such as rounding, rounding, or scaling are used. In some cases.
  • a method of using a quantization matrix there are a method of using a quantization matrix directly set on the encoding device 100 side and a method of using a default quantization matrix (default matrix).
  • default matrix default matrix
  • the quantization matrix may be coded, for example, at the sequence level, picture level, slice level, brick level or CTU level.
  • the quantization unit 108 scales the quantization width and the like obtained from the quantization parameter and the like for each transform coefficient using the values of the quantization matrix.
  • the quantization processing performed without using a quantization matrix may be processing for quantizing transform coefficients based on a quantization width obtained from a quantization parameter or the like.
  • the quantization width may be multiplied by a predetermined value common to all transform coefficients in the block.
  • FIG. 18 is a block diagram showing an example of the configuration of the quantization section 108. As shown in FIG.
  • the quantization unit 108 includes, for example, a differential quantization parameter generation unit 108a, a predicted quantization parameter generation unit 108b, a quantization parameter generation unit 108c, a quantization parameter storage unit 108d, and a quantization processing unit 108e. .
  • FIG. 19 is a flowchart showing an example of quantization by the quantization unit 108.
  • FIG. 19 is a flowchart showing an example of quantization by the quantization unit 108.
  • the quantization unit 108 may perform quantization for each CU based on the flowchart shown in FIG. Specifically, the quantization parameter generation unit 108c determines whether or not to perform quantization (step Sv_1). Here, if it is determined that quantization is to be performed (Yes in step Sv_1), the quantization parameter generation unit 108c generates a quantization parameter for the current block (step Sv_2), and stores the quantization parameter in the quantization parameter storage unit 108d. (step Sv_3).
  • the quantization processing unit 108e quantizes the transform coefficients of the current block using the quantization parameter generated in step Sv_2 (step Sv_4).
  • the predicted quantization parameter generation unit 108b acquires a quantization parameter for a processing unit different from that of the current block from the quantization parameter storage unit 108d (step Sv_5).
  • the predicted quantization parameter generation unit 108b generates the predicted quantization parameter of the current block based on the acquired quantization parameter (step Sv_6).
  • the difference quantization parameter generation unit 108a generates the difference between the quantization parameter of the current block generated by the quantization parameter generation unit 108c and the predicted quantization parameter of the current block generated by the prediction quantization parameter generation unit 108b. is calculated (step Sv_7).
  • a difference quantization parameter is generated by calculating this difference.
  • the differential quantization parameter generating unit 108a encodes the differential quantization parameter by outputting the differential quantization parameter to the entropy encoding unit 110 (step Sv_8).
  • differential quantization parameter may be encoded at the sequence level, picture level, slice level, brick level, or CTU level.
  • initial values of the quantization parameters may be coded at the sequence level, picture level, slice level, brick level or CTU level.
  • the quantization parameter may be generated using the initial value of the quantization parameter and the differential quantization parameter.
  • the quantization unit 108 may include a plurality of quantizers, and may apply dependent quantization that quantizes transform coefficients using a quantization method selected from a plurality of quantization methods.
  • FIG. 20 is a block diagram showing an example of the configuration of entropy coding section 110. As shown in FIG.
  • the entropy coding unit 110 generates a stream by performing entropy coding on the quantization coefficients input from the quantization unit 108 and the prediction parameters input from the prediction parameter generation unit 130 .
  • CABAC Context-based Adaptive Binary Arithmetic Coding
  • the entropy coding unit 110 includes, for example, a binarization unit 110a, a context control unit 110b, and a binary arithmetic coding unit 110c.
  • the binarization unit 110a performs binarization to convert multilevel signals such as quantized coefficients and prediction parameters into binary signals.
  • Binarization methods include, for example, Truncated Rice Binarization, Exponential Golomb codes, Fixed Length Binarization, and the like.
  • the context control unit 110b derives a context value according to the characteristics of the syntax element or the surrounding situation, that is, the probability of occurrence of the binary signal. Methods of deriving this context value include, for example, bypass, syntax element reference, upper/left adjacent block reference, hierarchical information reference, and others.
  • Binary arithmetic coding section 110c performs arithmetic coding on the binarized signal using the derived context value.
  • FIG. 21 is a diagram showing the flow of CABAC in entropy coding section 110.
  • FIG. 21 is a diagram showing the flow of CABAC in entropy coding section 110.
  • CABAC in the entropy coding unit 110 is initialized.
  • initialization in the binary arithmetic coding unit 110c and setting of initial context values are performed.
  • the binarization unit 110a and the binary arithmetic coding unit 110c sequentially perform binarization and arithmetic coding on each of the plurality of quantized coefficients of the CTU, for example.
  • the context control unit 110b updates the context value each time arithmetic coding is performed.
  • the context control unit 110b saves the context value as post-processing. This saved context value is used, for example, for the initial context value for the next CTU.
  • the inverse quantization section 112 inversely quantizes the quantized coefficients input from the quantization section 108 . Specifically, the inverse quantization unit 112 inversely quantizes the quantized coefficients of the current block in a predetermined scanning order. The inverse quantization unit 112 then outputs the inversely quantized transform coefficients of the current block to the inverse transform unit 114 .
  • the inverse transform unit 114 restores the prediction residual by inverse transforming the transform coefficients input from the inverse quantization unit 112 . Specifically, the inverse transform unit 114 restores the prediction residual of the current block by performing an inverse transform corresponding to the transform by the transform unit 106 on the transform coefficients. Then, inverse transform section 114 outputs the restored prediction residual to addition section 116 .
  • the reconstructed prediction residual usually contains quantization error.
  • the addition unit 116 adds the prediction residual input from the inverse transform unit 114 and the prediction image input from the prediction control unit 128 to reconstruct the current block. As a result, a reconstructed image is generated. The addition section 116 then outputs the reconstructed image to the block memory 118 and the loop filter section 120 .
  • the block memory 118 is, for example, a storage unit for storing blocks in the current picture that are referenced in intra prediction. Specifically, the block memory 118 stores the reconstructed image output from the adder 116 .
  • the frame memory 122 is, for example, a storage unit for storing reference pictures used for inter prediction, and is sometimes called a frame buffer. Specifically, the frame memory 122 stores the reconstructed image filtered by the loop filter section 120 .
  • the loop filter unit 120 applies loop filter processing to the reconstructed image output from the addition unit 116 and outputs the filtered reconstructed image to the frame memory 122 .
  • a loop filter is a filter (in-loop filter) used in an encoding loop, and includes, for example, an adaptive loop filter (ALF), a deblocking filter (DF or DBF), and a sample adaptive offset (SAO). .
  • ALF adaptive loop filter
  • DF or DBF deblocking filter
  • SAO sample adaptive offset
  • FIG. 22 is a block diagram showing an example of the configuration of the loop filter section 120. As shown in FIG. 22
  • the loop filter unit 120 includes a deblocking filter processing unit 120a, an SAO processing unit 120b, and an ALF processing unit 120c.
  • the deblocking/filtering unit 120a performs the deblocking/filtering described above on the reconstructed image.
  • the SAO processing unit 120b performs the above-described SAO processing on the reconstructed image after deblocking and filtering.
  • the ALF processing unit 120c applies the above-described ALF processing to the reconstructed image after the SAO processing. Details of the ALF and deblocking filters are provided below.
  • the SAO process is a process for improving image quality by reducing ringing (a phenomenon in which pixel values undulate around edges) and correcting deviations in pixel values.
  • This SAO processing includes, for example, edge offset processing and band offset processing.
  • the loop filter unit 120 may not include all the processing units disclosed in FIG. 22, and may include only some of the processing units. Also, the loop filter unit 120 may be configured to perform each of the above processes in an order different from the process order disclosed in FIG. 22 .
  • loop filter section > Adaptive loop filter In ALF, a least squares error filter is applied to remove the coding distortion, e.g. A filter selected from among multiple filters is applied.
  • sub-blocks eg, 2 ⁇ 2 pixel sub-blocks
  • the classification of sub-blocks is based, for example, on gradient direction and activity.
  • the gradient direction value D eg, 0-2 or 0-4
  • the gradient activity value A eg, 0-4
  • the sub-blocks are classified into a plurality of classes.
  • the directional value D of the gradient is derived, for example, by comparing the gradients in multiple directions (eg horizontal, vertical and two diagonal directions). Also, the gradient activation value A is derived, for example, by adding gradients in a plurality of directions and quantizing the addition result.
  • a filter for the sub-block is determined from among the plurality of filters based on the result of such classification.
  • FIGS. 23A-23C are diagrams showing several examples of filter shapes used in ALF.
  • Figure 23A shows a 5x5 diamond shaped filter
  • Figure 23B shows a 7x7 diamond shaped filter
  • Figure 23C shows a 9x9 diamond shaped filter.
  • Information indicating the shape of the filter is typically signaled at the picture level. It should be noted that the signalization of the information indicating the shape of the filter need not be limited to the picture level, and may be at other levels (eg sequence level, slice level, brick level, CTU level or CU level).
  • ALF on/off may be determined at the picture level or the CU level, for example. For example, for luminance, it may be determined whether to apply ALF at the CU level, and for chrominance, it may be determined at the picture level whether to apply ALF.
  • Information indicating ALF on/off is typically signaled at the picture level or CU level. It should be noted that the signaling of information indicating on/off of ALF need not be limited to the picture level or CU level, and may be at other levels (eg, sequence level, slice level, brick level or CTU level). good.
  • one filter is selected from a plurality of filters and ALF processing is performed on the sub-blocks.
  • the coefficient set of coefficients used in that filter is typically signaled at the picture level. Note that the signaling of coefficient sets need not be limited to the picture level, but may be at other levels (eg sequence level, slice level, brick level, CTU level, CU level or sub-block level).
  • FIG. 23D shows an example where a Y sample (first component) is used for Cb CCALF and Cr CCALF (multiple components different from the first component).
  • FIG. 23E shows a diamond-shaped filter.
  • CC-ALF operates by applying a linear diamond filter (FIGS. 23D, 23E) to the luminance channel of each chrominance component. For example, filter coefficients are sent in APS, scaled by a factor of 2 ⁇ 10, and rounded for fixed point representation. Filter application is controlled by a variable block size and signaled by a context-encoded flag received for each block of samples. The block size and CC-ALF enable flag are received at the slice level for each chroma component.
  • CC-ALF syntax and semantics are provided in the Appendix. Contributors support block sizes of 16x16, 32x32, 64x64, 128x128 (in chrominance samples).
  • FIG. 23F is a diagram showing an example of JC-CCALF.
  • FIG. 23G is a diagram showing an example of JC-CCALF weight_index candidates.
  • JC-CCALF uses only one CCALF filter to produce one CCALF filter output as a color difference adjusted signal for only one color component, and an appropriately weighted version of the same color difference adjusted signal. Apply to other color components. In this way, the complexity of existing CCALFs is roughly halved.
  • a weight value is encoded into a sign flag and a weight index.
  • the weight index (denoted weight_index) is encoded in 3 bits and specifies the magnitude of the JC-CCALF weight JcCcWeight. cannot be the same as 0.
  • the magnitude of JcCcWeight is determined as follows.
  • JcCcWeight is equal to 4/(weight_index-4).
  • the block-level on/off control of ALF filtering for Cb and Cr is separate. This is the same as CCALF, where two separate sets of block-level on/off control flags are encoded.
  • CCALF unlike CCALF, only one block size variable is encoded since the on/off control block sizes for Cb, Cr are the same.
  • loop filter unit 120 reduces distortion occurring at the block boundaries of the reconstructed image by performing filtering on the block boundaries.
  • FIG. 24 is a block diagram showing an example of the detailed configuration of the deblocking/filtering unit 120a.
  • the deblocking filter processing unit 120a includes, for example, a boundary determination unit 1201, a filter determination unit 1203, a filter processing unit 1205, a processing determination unit 1208, a filter characteristic determination unit 1207, and switches 1202, 1204 and 1206. Prepare.
  • a boundary determination unit 1201 determines whether or not a pixel to be deblocked and filtered (that is, a target pixel) exists near a block boundary. Then, boundary determination section 1201 outputs the determination result to switch 1202 and processing determination section 1208 .
  • the switch 1202 outputs the image before filtering to the switch 1204 when the boundary determination unit 1201 determines that the target pixel exists near the block boundary. Conversely, when the boundary determination unit 1201 determines that the target pixel does not exist near the block boundary, the switch 1202 outputs the image before filtering to the switch 1206 .
  • the image before filtering is an image including the target pixel and at least one peripheral pixel around the target pixel.
  • the filter determination unit 1203 determines whether or not to perform deblocking filter processing on the target pixel based on the pixel value of at least one peripheral pixel around the target pixel. Then, filter determination section 1203 outputs the determination result to switch 1204 and processing determination section 1208 .
  • the switch 1204 When the filter determination unit 1203 determines that the target pixel is to be deblocked and filtered, the switch 1204 outputs the pre-filtering image acquired via the switch 1202 to the filter processing unit 1205 . Conversely, when the filter determination unit 1203 determines not to perform deblocking filter processing on the target pixel, the switch 1204 outputs the pre-filtering image acquired via the switch 1202 to the switch 1206 .
  • filtering unit 1205 When an image before filtering is acquired via switches 1202 and 1204, filtering unit 1205 performs deblocking filtering with the filter characteristics determined by filter characteristics determining unit 1207 on the target pixel. Run. Then, the filter processing unit 1205 outputs the filtered pixel to the switch 1206 .
  • a switch 1206 selectively outputs pixels that have not undergone deblocking/filtering and pixels that have undergone deblocking/filtering by the filtering unit 1205 under the control of the processing determination unit 1208 .
  • the processing determination unit 1208 controls the switch 1206 based on the determination results of the boundary determination unit 1201 and the filter determination unit 1203 . That is, when the boundary determination unit 1201 determines that the target pixel exists near the block boundary, and the filter determination unit 1203 determines that the target pixel is subjected to deblocking filter processing, the processing determination unit 1208 causes the deblocking filtered pixels to be output from switch 1206 . Also, in cases other than the above, the processing determination unit 1208 causes the switch 1206 to output pixels that have not undergone deblocking/filter processing. By repeating such output of pixels, an image after filter processing is output from the switch 1206 . Note that the configuration shown in FIG. 24 is an example of the configuration of the deblocking/filtering unit 120a, and the deblocking/filtering unit 120a may have other configurations.
  • FIG. 25 is a diagram showing an example of a deblocking filter having filter characteristics symmetrical with respect to block boundaries.
  • deblocking filtering for example, one of two deblocking filters with different characteristics, ie, a strong filter and a weak filter, is selected using pixel values and quantization parameters.
  • the strong filter as shown in FIG. 25, when there are pixels p0 to p2 and pixels q0 to q2 across the block boundary, the pixel values of the pixels q0 to q2 are calculated by the following equations. By doing so, the pixel values are changed to q'0 to q'2.
  • p0-p2 and q0-q2 are pixel values of pixels p0-p2 and pixels q0-q2, respectively.
  • q3 is the pixel value of the pixel q3 adjacent to the pixel q2 on the opposite side of the block boundary.
  • the coefficient by which the pixel value of each pixel used for deblocking filtering is multiplied is the filter coefficient.
  • clip processing may be performed so that post-computation pixel values do not change beyond a threshold.
  • the pixel value after calculation by the above formula is clipped to "pre-calculation pixel value ⁇ 2 ⁇ threshold" using a threshold determined from the quantization parameter. This can prevent excessive smoothing.
  • FIG. 26 is a diagram for explaining an example of block boundaries on which deblocking and filtering are performed.
  • FIG. 27 is a diagram showing an example of BS values.
  • a block boundary on which deblocking filtering is performed is, for example, a boundary of a CU, PU or TU of an 8 ⁇ 8 pixel block as shown in FIG.
  • Deblocking filtering is performed, for example, in units of 4 rows or 4 columns.
  • Bs Band Strength
  • the Bs value in FIG. 27 it may be determined whether or not to perform deblocking filter processing with different strengths even for block boundaries belonging to the same image.
  • Deblocking filtering for color difference signals is performed when the Bs value is two.
  • Deblocking filter processing for the luminance signal is performed when the Bs value is 1 or more and a predetermined condition is satisfied.
  • the conditions for determining the Bs value are not limited to those shown in FIG. 27, and may be determined based on other parameters.
  • FIG. 28 is a flowchart showing an example of processing performed by the prediction unit of the encoding device 100.
  • the prediction unit includes all or part of the intra prediction unit 124 , inter prediction unit 126 , and prediction control unit 128 .
  • the prediction processing unit includes an intra prediction unit 124 and an inter prediction unit 126, for example.
  • the prediction unit generates a predicted image of the current block (step Sb_1).
  • Predicted images include, for example, intra-predicted images (intra-predicted signals) and inter-predicted images (inter-predicted signals).
  • the predictor is already obtained by generating prediction images for other blocks, generating prediction residuals, generating quantization coefficients, restoring prediction residuals, and adding prediction images.
  • a predicted image of the current block is generated using the reconstructed image.
  • the reconstructed image may be, for example, an image of a reference picture, or an image of an encoded block (i.e., the other block mentioned above) in the current picture, which is the picture containing the current block.
  • a coded block in the current picture is, for example, a neighboring block of the current block.
  • FIG. 29 is a flowchart showing another example of processing performed by the prediction unit of the encoding device 100.
  • FIG. 29 is a flowchart showing another example of processing performed by the prediction unit of the encoding device 100.
  • the prediction unit generates a predicted image by the first method (step Sc_1a), generates a predicted image by the second method (step Sc_1b), and generates a predicted image by the third method (step Sc_1c).
  • the first method, the second method, and the third method are different methods for generating a predicted image, for example, an inter prediction method, an intra prediction method, and other prediction methods, respectively. There may be. These prediction schemes may use the reconstructed images described above.
  • the prediction unit evaluates the predicted images generated in steps Sc_1a, Sc_1b, and Sc_1c (step Sc_2). For example, the prediction unit calculates a cost C for each of the predicted images generated in steps Sc_1a, Sc_1b, and Sc_1c, and compares the costs C of these predicted images to evaluate those predicted images. .
  • D is the encoding distortion of the predicted image, which is represented, for example, by the sum of the absolute differences between the pixel values of the current block and the pixel values of the predicted image.
  • R is the bit rate of the stream.
  • ⁇ is, for example, a Lagrangian undetermined multiplier.
  • the prediction unit selects one of the predicted images generated in steps Sc_1a, Sc_1b, and Sc_1c (step Sc_3). That is, the predictor selects a scheme or mode for obtaining the final predicted image. For example, the prediction unit selects the prediction image with the lowest cost C based on the costs C calculated for those prediction images.
  • the evaluation in step Sc_2 and the selection of the predicted image in step Sc_3 may be performed based on parameters used in the encoding process.
  • Encoding apparatus 100 may signal information to identify the selected prediction image, scheme or mode into the stream. The information may be, for example, a flag. Based on this information, the decoding device 200 can thereby generate a predicted image according to the method or mode selected by the encoding device 100 .
  • the prediction unit selects one of the predicted images after generating the predicted images by each method.
  • the prediction unit may select a method or mode based on the parameters used in the above-described encoding process before generating the predicted images, and generate the predicted images according to the selected method or mode. good.
  • the first method and the second method are intra prediction and inter prediction, respectively, and the prediction unit selects the final predicted image for the current block from the predicted images generated according to these prediction methods. You may
  • FIG. 30 is a flowchart showing another example of processing performed by the prediction unit of the encoding device 100.
  • FIG. 30 is a flowchart showing another example of processing performed by the prediction unit of the encoding device 100.
  • the prediction unit generates a predicted image by intra prediction (step Sd_1a) and generates a predicted image by inter prediction (step Sd_1b).
  • a predicted image generated by intra prediction is also called an intra predicted image
  • a predicted image generated by inter prediction is also called an inter predicted image.
  • the prediction unit evaluates each of the intra-predicted image and the inter-predicted image (step Sd_2).
  • the above-described cost C may be used for this evaluation.
  • the prediction unit may select the prediction image for which the lowest cost C is calculated from the intra prediction images and the inter prediction images as the final prediction image of the current block (step Sd_3). That is, a prediction scheme or mode is selected for generating a predicted image of the current block.
  • the intra prediction unit 124 refers to blocks in the current picture stored in the block memory 118 and performs intra prediction (also referred to as intra-screen prediction) of the current block to generate a prediction image of the current block (that is, an intra prediction image). to generate Specifically, the intra prediction unit 124 generates an intra prediction image by performing intra prediction with reference to pixel values (for example, luminance values and color difference values) of blocks adjacent to the current block, and predicts the intra prediction image. Output to the control unit 128 .
  • intra prediction also referred to as intra-screen prediction
  • the intra prediction unit 124 performs intra prediction using one of a plurality of predefined intra prediction modes.
  • Multiple intra-prediction modes typically include one or more non-directional prediction modes and multiple directional prediction modes.
  • One or more non-directional prediction modes are, for example, H.264. including Planar prediction mode and DC prediction mode specified in H.265/HEVC standard.
  • a plurality of directional prediction modes can be used, for example, in H.264. It includes 33 prediction modes defined in the H.265/HEVC standard. Note that the multiple directional prediction modes may include 32 directional prediction modes in addition to the 33 directional prediction modes (65 directional prediction modes in total).
  • FIG. 31 is a diagram showing all 67 intra prediction modes (2 non-directional prediction modes and 65 directional prediction modes) in intra prediction. Solid arrows indicate H. 33 directions defined in the H.265/HEVC standard, and the dashed arrows represent the additional 32 directions (two non-directional prediction modes are not shown in FIG. 31).
  • the luminance block may be referenced in the intra prediction of the chrominance block. That is, the chrominance component of the current block may be predicted based on the luminance component of the current block.
  • Such intra prediction is sometimes called CCLM (cross-component linear model) prediction.
  • An intra-prediction mode of a chroma block that refers to such a luma block (eg, called CCLM mode) may be added as one of the intra-prediction modes of a chroma block.
  • the intra prediction unit 124 may correct pixel values after intra prediction based on gradients of reference pixels in the horizontal/vertical directions. Intra prediction with such correction is sometimes called PDPC (position dependent intra prediction combination). Information indicating whether or not PDPC is applied (for example called a PDPC flag) is typically signaled at the CU level. Note that the signaling of this information need not be limited to the CU level, but may be at other levels (eg sequence level, picture level, slice level, brick level or CTU level).
  • FIG. 32 is a flowchart showing an example of processing by the intra prediction unit 124.
  • FIG. 32 is a flowchart showing an example of processing by the intra prediction unit 124.
  • the intra prediction unit 124 selects one intra prediction mode from a plurality of intra prediction modes (step Sw_1). Then, the intra prediction unit 124 generates a predicted image according to the selected intra prediction mode (step Sw_2). Next, the intra prediction unit 124 determines MPM (Most Probable Modes) (step Sw_3).
  • MPM consists of six intra prediction modes, for example. Two of the six intra-prediction modes may be Planar prediction mode and DC prediction mode, and the remaining four modes may be directional prediction modes. Then, the intra prediction unit 124 determines whether or not the intra prediction mode selected in step Sw_1 is included in the MPM (step Sw_4).
  • the intra prediction unit 124 sets the MPM flag to 1 (step Sw_5), (step Sw_6).
  • the MPM flag set to 1 and the information indicating its intra prediction mode are each encoded by the entropy encoding unit 110 as prediction parameters.
  • the intra prediction unit 124 when determining that the selected intra prediction mode is not included in the MPM (No in step Sw_4), the intra prediction unit 124 sets the MPM flag to 0 (step Sw_7). Alternatively, the intra prediction unit 124 does not set the MPM flag. Then, the intra prediction unit 124 generates information indicating the intra prediction mode selected from one or more intra prediction modes not included in the MPM (step Sw_8). Note that the MPM flag set to 0 and the information indicating its intra prediction mode are each encoded by the entropy encoding unit 110 as prediction parameters. The information indicating the intra-prediction mode indicates any value from 0 to 60, for example.
  • the inter prediction unit 126 refers to a reference picture stored in the frame memory 122 and different from the current picture to perform inter prediction (also called inter prediction) of the current block, thereby generating a predicted image (inter generate a predicted image). Inter prediction is performed in units of the current block or the current subblock within the current block.
  • a sub-block is contained in a block and is a smaller unit than the block.
  • the sub-block size may be 4x4 pixels, 8x8 pixels, or any other size.
  • the sub-block size may be switched in units of slices, bricks, pictures, or the like.
  • the inter prediction unit 126 performs motion estimation within a reference picture for the current block or current sub-block to find the reference block or sub-block that best matches the current block or current sub-block.
  • the inter prediction unit 126 then obtains motion information (eg, motion vector) that compensates for motion or change from the reference block or sub-block to the current block or sub-block.
  • the inter prediction unit 126 performs motion compensation (or motion prediction) based on the motion information to generate an inter prediction image of the current block or sub-block.
  • the inter prediction section 126 outputs the generated inter prediction image to the prediction control section 128 .
  • the motion information used for motion compensation may be signaled as inter-predicted images in various forms.
  • motion vectors may be signaled.
  • the difference between a motion vector and a motion vector predictor may be signaled.
  • FIG. 33 is a diagram showing an example of each reference picture
  • FIG. 34 is a conceptual diagram showing an example of a reference picture list.
  • a reference picture list is a list that indicates one or more reference pictures stored in frame memory 122 .
  • rectangles indicate pictures
  • arrows indicate picture reference relationships
  • the horizontal axis indicates time
  • I, P, and B in the rectangles are intra-prediction pictures, uni-prediction pictures, and bi-prediction pictures, respectively.
  • the numbers in the rectangles indicate the order of decoding.
  • the decoding order of each picture is I0, P1, B2, B3 and B4, and the display order of each picture is I0, B3, B2, B4 and P1.
  • FIG. 33 the decoding order of each picture is I0, P1, B2, B3 and B4 and the display order of each picture is I0, B3, B2, B4 and P1.
  • the reference picture list is a list representing reference picture candidates, and for example, one picture (or slice) may have one or more reference picture lists.
  • one reference picture list is used if the current picture is a uni-predictive picture
  • two reference picture lists are used if the current picture is a bi-predictive picture.
  • picture B3 which is the current picture currPic
  • picture B3 has two reference picture lists, the L0 list and the L1 list. If the current picture currPic is picture B3, the candidate reference pictures for the current picture currPic are I0, P1 and B2, and each reference picture list (ie L0 list and L1 list) points to these pictures.
  • the inter prediction unit 126 or the prediction control unit 128 designates which picture in each reference picture list is to be actually referred to by the reference picture index refIdxLx.
  • reference pictures P1 and B2 are designated by reference picture indexes refIdxL0 and refIdxL1.
  • Such a reference picture list may be generated per sequence, per picture, per slice, per brick, per CTU, or per CU. Also, among the reference pictures shown in the reference picture list, a reference picture index indicating a reference picture referred to in inter prediction is encoded at the sequence level, picture level, slice level, brick level, CTU level, or CU level. good too. Also, a common reference picture list may be used in a plurality of inter prediction modes.
  • FIG. 35 is a flowchart showing the basic flow of inter prediction.
  • the inter prediction unit 126 first generates a predicted image (steps Se_1 to Se_3). Next, the subtraction unit 104 generates a difference between the current block and the predicted image as a prediction residual (step Se_4).
  • the inter prediction unit 126 determines the motion vector (MV) of the current block (steps Se_1 and Se_2) and performs motion compensation (step Se_3) to generate the predicted image. to generate Also, in determining the MV, the inter prediction unit 126 determines the MV by, for example, selecting a candidate motion vector (candidate MV) (step Se_1) and deriving the MV (step Se_2). Selection of candidate MVs is performed, for example, by the inter prediction unit 126 generating a candidate MV list and selecting at least one candidate MV from the candidate MV list. MVs derived in the past may be added to the candidate MV list as candidate MVs.
  • the inter prediction unit 126 further selects at least one candidate MV from the at least one candidate MV, thereby determining the selected at least one candidate MV as the MV of the current block. may Alternatively, the inter prediction unit 126 may determine the MV of the current block for each of the at least one selected candidate MV by searching the region of the reference picture indicated by the candidate MV. Note that searching for this reference picture region may also be referred to as motion estimation.
  • steps Se_1 to Se_3 are performed by the inter prediction unit 126, but the processing of step Se_1 or step Se_2, for example, may be performed by other components included in the encoding device 100. .
  • a candidate MV list may be created for each process in each inter-prediction mode, or a common candidate MV list may be used in a plurality of inter-prediction modes.
  • the processing of steps Se_3 and Se_4 corresponds to the processing of steps Sa_3 and Sa_4 shown in FIG. 9, respectively. Further, the processing of step Se_3 corresponds to the processing of step Sd_1b in FIG.
  • FIG. 36 is a flowchart showing an example of MV derivation.
  • the inter prediction unit 126 may derive the MV of the current block in a motion information (eg, MV) encoding mode.
  • motion information may be coded as prediction parameters and signalized. That is, encoded motion information is included in the stream.
  • the inter prediction unit 126 may derive MVs in a mode that does not encode motion information. In this case no motion information is included in the stream.
  • MV derivation modes include normal inter mode, normal merge mode, FRUC mode, and affine mode, which will be described later.
  • modes for encoding motion information include normal inter mode, normal merge mode, and affine mode (specifically, affine inter mode and affine merge mode).
  • the motion information may include not only the MV but also predicted MV selection information, which will be described later.
  • Modes in which motion information is not encoded include FRUC mode and the like.
  • the inter prediction unit 126 selects a mode for deriving the MV of the current block from these multiple modes, and uses the selected mode to derive the MV of the current block.
  • FIG. 37 is a flowchart showing another example of MV derivation.
  • the inter prediction unit 126 may derive the MV of the current block in the differential MV encoding mode.
  • the difference MV is coded as a prediction parameter and signalized. That is, the encoded differential MV is included in the stream.
  • This difference MV is the difference between the MV of the current block and its predicted MV.
  • the predicted MV is a predicted motion vector.
  • the inter prediction unit 126 may derive the MV in a mode that does not encode the difference MV. In this case, the coded differential MV is not included in the stream.
  • MV derivation modes include normal inter, normal merge mode, FRUC mode, and affine mode, which will be described later.
  • modes for encoding differential MVs include normal inter mode and affine mode (more specifically, affine inter mode).
  • Modes in which differential MVs are not encoded include FRUC mode, normal merge mode, and affine mode (specifically, affine merge mode).
  • the inter prediction unit 126 selects a mode for deriving the MV of the current block from these multiple modes, and uses the selected mode to derive the MV of the current block.
  • [MV derivation mode] 38A and 38B are diagrams showing an example of classification of each mode of MV derivation.
  • MV derivation modes are roughly classified into three modes depending on whether motion information is encoded and whether differential MV is encoded.
  • the three modes are inter mode, merge mode, and FRUC (frame rate up-conversion) mode.
  • the inter mode is a mode for performing motion search, and is a mode for encoding motion information and difference MV.
  • inter modes include affine inter modes and normal inter modes.
  • the merge mode is a mode in which no motion search is performed, in which MVs are selected from neighboring coded blocks and the MVs of the current block are derived using the selected MVs.
  • This merge mode is basically a mode that encodes motion information and does not encode differential MVs.
  • the merge modes include normal merge mode (also called normal merge mode or regular merge mode), MMVD (Merge with Motion Vector Difference) mode, CIIP (Combined inter merge/intra prediction) mode. , triangle mode, ATMVP mode, and affine merge mode.
  • MMVD Merge with Motion Vector Difference
  • CIIP Combined inter merge/intra prediction
  • the above-described affine merge mode and affine inter mode are modes included in affine modes.
  • the affine mode is a mode in which the MV of each of a plurality of sub-blocks forming the current block is derived as the MV of the current block, assuming affine transformation.
  • the FRUC mode is a mode in which the MV of the current block is derived by searching between coded regions, and neither motion information nor differential MV is coded. The details of each of these modes will be described later.
  • each mode shown in FIGS. 38A and 38B is an example, and is not limited to this. For example, if a differential MV is encoded in CIIP mode, the CIIP mode is classified as an inter mode.
  • Normal inter mode is an inter prediction mode that derives the MV of the current block by finding blocks similar to the image of the current block from the regions of the reference picture indicated by the candidate MVs. Also, in this normal inter mode, the difference MV is encoded.
  • FIG. 39 is a flowchart showing an example of inter prediction in normal inter mode.
  • the inter prediction unit 126 first obtains a plurality of candidate MVs for the current block based on information such as MVs of a plurality of encoded blocks temporally or spatially surrounding the current block (step Sg_1). That is, the inter prediction unit 126 creates a candidate MV list.
  • the inter prediction unit 126 selects each of N (N is an integer equal to or greater than 2) candidate MVs from among the plurality of candidate MVs acquired in step Sg_1 as predicted MV candidates, and assigns a predetermined priority to each of them. (step Sg_2).
  • the order of priority is predetermined for each of the N candidate MVs.
  • the inter prediction unit 126 selects one prediction MV candidate from among the N prediction MV candidates as the prediction MV of the current block (step Sg_3). At this time, the inter prediction unit 126 encodes prediction MV selection information for identifying the selected prediction MV into a stream. That is, the inter prediction unit 126 outputs the prediction MV selection information to the entropy encoding unit 110 as prediction parameters via the prediction parameter generation unit 130 .
  • the inter prediction unit 126 derives the MV of the current block by referring to the encoded reference picture (step Sg_4). At this time, the inter prediction unit 126 further encodes a difference value between the derived MV and the predicted MV as a difference MV into a stream. That is, inter prediction section 126 outputs difference MV to entropy encoding section 110 via prediction parameter generation section 130 as a prediction parameter.
  • the encoded reference picture is a picture composed of a plurality of blocks reconstructed after encoding.
  • the inter prediction unit 126 generates a predicted image of the current block by performing motion compensation on the current block using the derived MV and the encoded reference picture (step Sg_5).
  • the processing of steps Sg_1 to Sg_5 is performed for each block. For example, when the processing of steps Sg_1 to Sg_5 is executed for each of all blocks included in a slice, inter prediction using normal inter mode for that slice ends. Also, when the processing of steps Sg_1 to Sg_5 is executed for each of all the blocks included in the picture, the inter prediction using the normal inter mode for that picture ends. Note that the processing of steps Sg_1 to Sg_5 is not performed on all blocks included in the slice, and when performed on some blocks, inter prediction using the normal inter mode for that slice ends. may Similarly, when the processing of steps Sg_1 to Sg_5 is performed on some blocks included in a picture, inter prediction using the normal inter mode for that picture may end.
  • the predicted image is the inter-predicted signal described above.
  • Information indicating the inter prediction mode (normal inter mode in the above example) used to generate the predicted image, which is included in the encoded signal, is encoded as, for example, a prediction parameter.
  • the candidate MV list may be used in common with lists used in other modes.
  • the process for candidate MV lists may be applied to the process for lists used in other modes. Processing related to this candidate MV list includes, for example, extraction or selection of candidate MVs from the candidate MV list, rearrangement of candidate MVs, deletion of candidate MVs, and the like.
  • Normal merge mode is an inter-prediction mode that derives a candidate MV from a candidate MV list by selecting it as the MV of the current block.
  • the normal merge mode is a narrowly defined merge mode and is sometimes simply called a merge mode. In this embodiment, a distinction is made between normal merge mode and merge mode, and merge mode is used in a broad sense.
  • FIG. 40 is a flowchart showing an example of inter prediction in normal merge mode.
  • the inter prediction unit 126 first obtains a plurality of candidate MVs for the current block based on information such as MVs of a plurality of encoded blocks temporally or spatially surrounding the current block (step Sh_1). That is, the inter prediction unit 126 creates a candidate MV list.
  • the inter prediction unit 126 derives the MV of the current block by selecting one candidate MV from the plurality of candidate MVs acquired in step Sh_1 (step Sh_2). At this time, the inter prediction unit 126 encodes MV selection information for identifying the selected candidate MV into a stream. That is, inter prediction section 126 outputs MV selection information to entropy encoding section 110 as a prediction parameter via prediction parameter generation section 130 .
  • the inter prediction unit 126 generates a predicted image of the current block by performing motion compensation on the current block using the derived MV and the encoded reference picture (step Sh_3).
  • the processing of steps Sh_1 to Sh_3 is executed for each block, for example. For example, when the processing of steps Sh_1 to Sh_3 is executed for each of all blocks included in a slice, inter prediction using normal merge mode for that slice ends. Also, when the processing of steps Sh_1 to Sh_3 is executed for each of all the blocks included in the picture, inter prediction using the normal merge mode for that picture ends. Note that the processing of steps Sh_1 to Sh_3 is not performed on all blocks included in the slice, and if it is performed on some blocks, inter prediction using the normal merge mode for that slice ends. may Similarly, when the processing of steps Sh_1 to Sh_3 is performed on some blocks included in a picture, inter prediction using the normal merge mode for that picture may end.
  • information indicating the inter prediction mode (normal merge mode in the above example) used to generate the predicted image, which is included in the stream is encoded as, for example, a prediction parameter.
  • FIG. 41 is a diagram for explaining an example of MV derivation processing for the current picture in normal merge mode.
  • the inter prediction unit 126 generates a candidate MV list in which candidate MVs are registered.
  • Candidate MVs include spatially adjacent candidate MVs that are MVs of a plurality of encoded blocks spatially positioned around the current block, and MVs of neighboring blocks that are projected onto the position of the current block in the encoded reference picture. , a combined candidate MV that is an MV generated by combining the MV values of the spatially adjacent candidate MV and the temporally adjacent candidate MV, and a zero candidate MV that is an MV with a value of zero.
  • the inter prediction unit 126 selects one candidate MV from among multiple candidate MVs registered in the candidate MV list, thereby determining that one candidate MV as the MV of the current block.
  • the entropy encoding unit 110 describes and encodes merge_idx, which is a signal indicating which candidate MV has been selected, in the stream.
  • the candidate MVs registered in the candidate MV list described in FIG. 41 are only examples, and the number may differ from the number in the figure, or the configuration may exclude some types of candidate MVs in the figure, It may be a configuration in which candidate MVs other than the types of candidate MVs in the figure are added.
  • the final MV may be determined by performing DMVR (dynamic motion vector refreshing), which will be described later, using the MV of the current block derived by the normal merge mode.
  • DMVR dynamic motion vector refreshing
  • the difference MV is not encoded in the normal merge mode, but is encoded in the MMVD mode.
  • the MMVD mode selects one candidate MV from the candidate MV list as in the normal merge mode, but encodes the difference MV.
  • Such MMVDs may be categorized into merge mode along with normal merge mode, as shown in FIG. 38B. Note that the difference MV in the MMVD mode may not be the same as the difference MV used in the inter mode. It may be a small process.
  • a combined inter merge/intra prediction (CIIP) mode may be performed in which a predicted image generated by inter prediction and a predicted image generated by intra prediction are superimposed to generate a predicted image of the current block.
  • CIIP inter merge/intra prediction
  • candidate MV list may also be referred to as a candidate list.
  • merge_idx is MV selection information.
  • FIG. 42 is a diagram for explaining an example of the current picture MV derivation process in the HMVP mode.
  • the MV of the current block eg, CU
  • the candidate MV list generated with reference to the encoded block eg, CU
  • other candidate MVs may be registered in the candidate MV list.
  • the mode in which such other candidate MVs are registered is called HMVP mode.
  • candidate MVs are managed using a FIFO (First-In First-Out) buffer for HMVP separately from the candidate MV list in normal merge mode.
  • FIFO First-In First-Out
  • the FIFO buffer stores motion information such as MVs of previously processed blocks in order from newest to newest.
  • motion information such as MVs of previously processed blocks in order from newest to newest.
  • the MV of the newest block i.e. the most recently processed CU
  • the MV of the oldest CU in the FIFO buffer i.e. The MVs of the earliest processed CU
  • HMVP1 is the newest block MV
  • HMVP5 is the oldest block MV.
  • the inter prediction unit 126 for each MV managed in the FIFO buffer, sequentially from HMVP1, the MV is different from all candidate MVs already registered in the normal merge mode candidate MV list. Check if there is Then, when the inter prediction unit 126 determines that the MV is different from all candidate MVs, the MV managed in the FIFO buffer may be added as a candidate MV to the normal merge mode candidate MV list. At this time, one or more candidate MVs may be registered from the FIFO buffer.
  • HMVP mode By using the HMVP mode in this way, not only the MVs of blocks spatially or temporally adjacent to the current block, but also the MVs of previously processed blocks can be added to the candidates. As a result, the variation of candidate MVs for the normal merge mode is increased, which increases the possibility that the encoding efficiency can be improved.
  • the above MV may be motion information.
  • the information stored in the candidate MV list and the FIFO buffer may include not only MV values, but also information about pictures to be referred to, direction to refer to, number of pictures to be referred to, and other information.
  • the above-mentioned block is, for example, a CU.
  • the candidate MV list and FIFO buffer in FIG. 42 are examples, and the candidate MV list and FIFO buffer may be lists or buffers of different sizes from those in FIG. 42, or register candidate MVs in an order different from that in FIG. It may be a configuration. Also, the processing described here is common to both the encoding device 100 and the decoding device 200 .
  • the HMVP mode can also be applied to modes other than the normal merge mode.
  • motion information such as MVs of blocks processed in the affine mode in the past may be stored in a FIFO buffer in order from newest to used as candidate MVs.
  • a mode obtained by applying the HMVP mode to the affine mode may be called a history affine mode.
  • the motion information may be derived at the decoding device 200 side without being signaled from the encoding device 100 side.
  • motion information may be derived by performing a motion search on the decoding device 200 side.
  • motion search is performed without using the pixel values of the current block.
  • Modes in which the decoding apparatus 200 performs motion estimation include a FRUC (frame rate up-conversion) mode, a PMMVD (pattern matched motion vector derivation) mode, and the like.
  • FRUC processing An example of FRUC processing is shown in FIG.
  • First refer to the MVs of each encoded block spatially or temporally adjacent to the current block, and list these MVs as candidate MVs (i.e., the candidate MV list, which is the candidate MV list for normal merge mode). list) is generated (step Si_1).
  • the best candidate MV is selected from a plurality of candidate MVs registered in the candidate MV list (step Si_2). For example, the evaluation value of each candidate MV included in the candidate MV list is calculated, and one candidate MV is selected as the best candidate MV based on the evaluation value.
  • the MV for the current block is then derived based on the selected best candidate MV (step Si_4).
  • the selected best candidate MV is directly derived as the MV for the current block.
  • the MV for the current block may be derived by performing pattern matching in the region around the location in the reference picture corresponding to the selected best candidate MV. That is, the area around the best candidate MV is searched using pattern matching and evaluation value in the reference picture, and if there is an MV with a good evaluation value, the best candidate MV is set to that MV. It may be updated to make it the final MV of the current block. Updates to MVs with better evaluation values may not be performed.
  • the inter prediction unit 126 performs motion compensation on the current block using the derived MV and the encoded reference picture to generate a predicted image of the current block (step Si_5).
  • the processing of steps Si_1 to Si_5 is performed for each block, for example. For example, when the processing of steps Si_1 to Si_5 is performed for each of all blocks included in a slice, inter prediction using the FRUC mode for that slice ends. Further, when the processing of steps Si_1 to Si_5 is executed for each of all the blocks included in the picture, inter prediction using the FRUC mode for that picture ends. Note that the processing of steps Si_1 to Si_5 is not performed on all blocks included in a slice, and when performed on some blocks, inter prediction using the FRUC mode for that slice ends. good too. Similarly, when the processing of steps Si_1 to Si_5 is performed on some blocks included in a picture, inter prediction using the FRUC mode for that picture may end.
  • Sub-block units may be processed in the same manner as the block units described above.
  • the evaluation value may be calculated by various methods. For example, a reconstructed image of a region in the reference picture corresponding to the MV and a predetermined region (the region is, for example, the region of another reference picture or the region of the adjacent block of the current picture, as shown below) may be used) to compare with the reconstructed image. Then, the difference between the pixel values of the two reconstructed images may be calculated and used as the MV evaluation value. Note that the evaluation value may be calculated using information other than the difference value.
  • one candidate MV included in the candidate MV list (also called merge list) is selected as a starting point for searching by pattern matching.
  • first pattern matching or second pattern matching may be used.
  • First pattern matching and second pattern matching are sometimes referred to as bilateral matching and template matching, respectively.
  • FIG. 44 is a diagram for explaining an example of first pattern matching (bilateral matching) between two blocks in two reference pictures along the motion trajectory.
  • first pattern matching in two pairs of blocks in two different reference pictures (Ref0, Ref1) that are along the motion trajectory of the current block (Cur block), Two MVs (MV0, MV1) are derived by searching for the best matching pair.
  • the reconstructed image at the specified position in the first encoded reference picture (Ref0) specified by the candidate MV and the symmetric MV obtained by scaling the candidate MV by the display time interval A difference from the reconstructed image at the designated position in the second encoded reference picture (Ref1) designated by is derived, and the obtained difference value is used to calculate the evaluation value.
  • the candidate MV with the best evaluation value among the plurality of candidate MVs is preferably selected as the best candidate MV.
  • the MVs (MV0, MV1) pointing to the two reference blocks are the temporal distances ( proportional to TD0, TD1). For example, if the current picture is temporally located between two reference pictures, and the temporal distances from the current picture to the two reference pictures are equal, in the first pattern matching, the mirror-symmetric bidirectional MV derived.
  • MV derivation > FRUC > template matching In the second pattern matching (template matching), pattern matching is performed between a template in the current picture (blocks adjacent to the current block in the current picture (e.g. upper and/or left neighbors)) and blocks in the reference picture. done. Therefore, in the second pattern matching, a block adjacent to the current block in the current picture is used as the predetermined area for calculating the candidate MV evaluation value described above.
  • FIG. 45 is a diagram for explaining an example of pattern matching (template matching) between a template in the current picture and blocks in the reference picture.
  • the block adjacent to the current block (Cur block) in the current picture (Cur Pic) is searched in the reference picture (Ref0) for the block that best matches the current block.
  • MV is derived.
  • the reconstructed image of the left and/or above coded region and the equivalent in the coded reference picture (Ref0) specified by the candidate MV A difference from the reconstructed image at the position is derived, and the obtained difference value is used to calculate the evaluation value.
  • the candidate MV with the best evaluation value among the plurality of candidate MVs is preferably selected as the best candidate MV.
  • Information indicating whether to apply such a FRUC mode may be signaled at the CU level. Also, when the FRUC mode is applied (e.g. when the FRUC flag is true), information indicating the applicable pattern matching method (first pattern matching or second pattern matching) may be signaled at the CU level. . Note that the signaling of these information need not be limited to the CU level, but may be at other levels (eg sequence level, picture level, slice level, brick level, CTU level or sub-block level). .
  • the affine mode is a mode in which MVs are generated using affine transform.
  • MVs may be derived in units of subblocks based on MVs of a plurality of adjacent blocks. This mode is sometimes called an affine motion compensation prediction mode.
  • FIG. 46A is a diagram for explaining an example of derivation of MVs in units of subblocks based on MVs of a plurality of adjacent blocks.
  • the current block includes, for example, sub-blocks of 16 4 ⁇ 4 pixels.
  • the motion vector v0 of the upper left corner control point of the current block is derived based on the MV of the adjacent block
  • the motion vector v1 of the upper right corner control point of the current block is derived based on the MV of the adjacent sub-block. derived.
  • the two motion vectors v 0 and v 1 are projected to derive the motion vector (v x , v y ) of each sub-block in the current block according to Equation (1A) below.
  • x and y indicate the horizontal and vertical positions of the sub-block, respectively, and w indicates a predetermined weighting factor.
  • Information indicating such an affine mode may be signaled at the CU level. It should be noted that the signaling of information indicating this affine mode need not be limited to the CU level, but could be at other levels (eg sequence level, picture level, slice level, brick level, CTU level or sub-block level). may
  • affine modes may include several modes in which the method of deriving the MVs of the upper left and upper right corner control points is different.
  • affine modes include two modes, an affine inter (also referred to as affine normal inter) mode and an affine merge mode.
  • FIG. 46B is a diagram for explaining an example of derivation of MV for each subblock in affine mode using three control points.
  • the current block includes, for example, sub-blocks of 16 4 ⁇ 4 pixels.
  • the motion vector v 0 of the upper left corner control point of the current block is derived based on the MV of the neighboring block.
  • the motion vector v1 of the upper right corner control point of the current block is derived based on the MV of the adjacent block
  • the motion vector v2 of the lower left corner control point of the current block is derived based on the MV of the adjacent block.
  • the three motion vectors v 0 , v 1 and v 2 are projected to derive the motion vector (v x , v y ) of each sub-block in the current block according to Equation (1B) below.
  • x and y indicate the horizontal and vertical positions of the sub-block center, respectively, and w and h indicate predetermined weighting factors.
  • w may indicate the width of the current block, and h may indicate the height of the current block.
  • Affine modes that use different numbers of control points may be switched and signaled at the CU level. It should be noted that information indicating the number of affine mode control points used at the CU level may be signaled at other levels (for example, sequence level, picture level, slice level, brick level, CTU level or sub-block level). good.
  • an affine mode with three control points may include several modes with different methods of deriving the MVs of the upper left, upper right, and lower left corner control points.
  • an affine mode with three control points has two modes, an affine inter mode and an affine merge mode, like the affine mode with two control points described above.
  • each sub-block included in the current block is not limited to 4x4 pixels, and may be other sizes.
  • the size of each sub-block may be 8x8 pixels.
  • [MV derivation > affine mode > control point] 47A, 47B, and 47C are conceptual diagrams for explaining an example of MV derivation of control points in affine mode.
  • affine mode As shown in FIG. 47A, for example, encoded block A (left), block B (top), block C (top right), block D (bottom left) and block E (top left) adjacent to the current block.
  • a prediction MV for each of the control points of the current block is calculated based on the plurality of MVs corresponding to the block encoded in the affine mode. Specifically, encoded block A (left), block B (top), block C (top right), block D (bottom left) and block E (top left) are examined in order, and in affine mode The first valid block encoded is identified. Based on the plurality of MVs corresponding to this specified block, the MV of the control point of the current block is calculated.
  • step Sj_1 shown in FIG. may be used to derive the predicted MV for each control point of the current block in .
  • 48A and 48B are conceptual diagrams for explaining another example of deriving the control point MV in the affine mode.
  • FIG. 48A is a diagram for explaining an affine mode with two control points.
  • the MVs selected from the MVs of the encoded blocks A, B and C adjacent to the current block are the motion vector v of the upper left corner control point of the current block. Used as 0 .
  • the MV selected from the MVs of each of the encoded blocks D and E adjacent to the current block is used as the motion vector v1 of the upper right corner control point of the current block.
  • FIG. 48B is a diagram for explaining an affine mode with three control points.
  • the MVs selected from the MVs of the encoded blocks A, B and C adjacent to the current block are the motion vector v of the upper left corner control point of the current block. Used as 0 .
  • the MV selected from the MVs of each of the encoded blocks D and E adjacent to the current block is used as the motion vector v1 of the upper right corner control point of the current block.
  • the MV selected from the MVs of each of the encoded blocks F and G adjacent to the current block is used as the motion vector v2 of the lower left corner control point of the current block.
  • the MV derivation method shown in FIGS. 48A and 48B may be used for deriving the MV of each control point of the current block in step Sk_1 shown in FIG. It may be used to derive the predicted MV for each control point of the current block.
  • the number of control points may differ between the encoded block and the current block.
  • FIGS. 49A and 49B are conceptual diagrams for explaining an example of a control point MV derivation method when the encoded block and the current block have different numbers of control points.
  • the current block has three control points, the upper left corner, the upper right corner and the lower left corner, and the block A adjacent to the left of the current block is coded in affine mode with two control points. It is In this case, motion vectors v3 and v4 projected to the upper left and upper right corner positions of the encoded block containing block A are derived. Then, from the derived motion vectors v3 and v4 , the motion vector v0 of the upper left corner control point and the motion vector v1 of the upper right corner control point of the current block are calculated. Furthermore, the motion vector v2 of the lower left corner control point is calculated from the derived motion vectors v0 and v1 .
  • the current block has two control points in the upper left and upper right corners, and the block A adjacent to the left of the current block is encoded in an affine mode with three control points. .
  • motion vectors v 3 , v 4 and v 5 projected to the upper left, upper right and lower left corner positions of the encoded block containing block A are derived.
  • the motion vector v 0 of the upper left corner control point and the motion vector v 1 of the upper right corner control point of the current block are calculated.
  • the MV derivation method shown in FIGS. 49A and 49B may be used for deriving the MV of each control point of the current block in step Sk_1 shown in FIG. It may be used to derive the predicted MV for each control point of the current block.
  • FIG. 50 is a flow chart showing an example of the affine merge mode.
  • the inter prediction unit 126 first derives the MV of each control point of the current block (step Sk_1).
  • the control points are the upper left and upper right corner points of the current block, as shown in FIG. 46A, or the upper left, upper right, and lower left corner points of the current block, as shown in FIG. 46B.
  • the inter prediction unit 126 may encode MV selection information for identifying two or three derived MVs into the stream.
  • the inter prediction unit 126 when using the MV derivation method shown in FIGS. 47A to 47C, the inter prediction unit 126, as shown in FIG. , block D (bottom left) and block E (top left), and identify the first valid block encoded in affine mode.
  • Inter predictor 126 derives the MV of the control points using the first valid block encoded in the identified affine mode. For example, if block A is identified and block A has two control points, then inter predictor 126 determines motion vectors v 3 and v4 , the motion vector v0 of the upper left corner control point of the current block and the motion vector v1 of the upper right corner control point are calculated. For example, inter prediction unit 126 projects the motion vectors v 3 and v 4 of the upper left corner and upper right corner of the encoded block onto the current block to obtain the motion vector v 0 of the upper left corner control point of the current block, Calculate the motion vector v1 of the upper right corner control point.
  • inter prediction unit 126 may generate the upper left corner, upper right corner, and lower left corner of the encoded block including block A, as shown in FIG. 47C. From the motion vectors v3 , v4 , and v5 , calculate the motion vector v0 of the upper left corner control point, the motion vector v1 of the upper right corner control point, and the motion vector v2 of the lower left corner control point of the current block. .
  • the inter prediction unit 126 projects the motion vectors v 3 , v 4 , and v 5 of the upper left corner, upper right corner, and lower left corner of the encoded block onto the current block, so that the motion vectors of the upper left corner control point of the current block are Calculate the motion vector v0 , the motion vector v1 of the upper right corner control point, and the motion vector v2 of the lower left corner control point.
  • the MVs of the three control points may be calculated, , block A is identified, and if block A has three control points, then the MVs of the two control points may be calculated.
  • the inter prediction unit 126 performs motion compensation on each of the multiple sub-blocks included in the current block. That is, inter prediction unit 126 uses two motion vectors v 0 and v 1 and Equation (1A) above for each of the plurality of sub-blocks, or three motion vectors v 0 , v 1 and v 2 and equation (1B) above, the MV of the sub-block is calculated as an affine MV (step Sk_2). Then, the inter prediction unit 126 performs motion compensation on the sub-block using those affine MVs and encoded reference pictures (step Sk_3).
  • the prediction image generation process using the affine merge mode for the current block ends. That is, motion compensation is performed on the current block to generate a predicted image of the current block.
  • the candidate MV list described above may be generated.
  • the candidate MV list may be, for example, a list containing candidate MVs derived using multiple MV derivation methods for each control point. Multiple MV derivation methods, MV derivation method shown in FIGS. 47A to 47C, MV derivation method shown in FIGS. 48A and 48B, MV derivation method shown in FIGS. 49A and 49B, and other MV derivation Any combination of methods may be used.
  • the candidate MV list may include candidate MVs for modes other than the affine mode that perform prediction in units of subblocks.
  • a candidate MV list including affine merge mode candidate MVs having two control points and affine merge mode candidate MVs having three control points may be generated.
  • a candidate MV list including affine merge mode candidate MVs with two control points and a candidate MV list including affine merge mode candidate MVs with three control points may be generated respectively.
  • a candidate MV list including candidate MVs in one of the affine merge mode with two control points and the affine merge mode with three control points may be generated.
  • the candidate MVs may be, for example, the MVs of encoded block A (left), block B (top), block C (top right), block D (bottom left) and block E (top left), and the MVs of those blocks. It may be the MV of one of the valid blocks.
  • an index indicating which candidate MV in the candidate MV list may be sent.
  • FIG. 51 is a flow chart showing an example of the affine inter mode.
  • the inter predictor 126 first derives predictions MV (v 0 , v 1 ) or (v 0 , v 1 , v 2 ) of the two or three control points of the current block, respectively ( step Sj_1).
  • the control point is the point at the upper left corner, upper right corner, or lower left corner of the current block, as shown in FIG. 46A or 46B.
  • the inter prediction unit 126 calculates the By choosing the MV, we derive the prediction MV (v 0 ,v 1 ) or (v 0 ,v 1 ,v 2 ) of the current block's control points. At this time, the inter prediction unit 126 encodes prediction MV selection information for identifying the selected two or three prediction MVs into a stream.
  • the inter prediction unit 126 uses cost evaluation or the like to determine which block MV to select from the encoded blocks adjacent to the current block as the prediction MV of the control point, and which prediction MV is selected.
  • a flag indicating is may be described in the bitstream. That is, inter prediction section 126 outputs prediction MV selection information such as a flag to entropy encoding section 110 via prediction parameter generation section 130 as a prediction parameter.
  • the inter prediction unit 126 performs motion search (steps Sj_3 and Sj_4) while updating the prediction MVs selected or derived in step Sj_1 (step Sj_2). That is, the inter prediction unit 126 calculates the MV of each sub-block corresponding to the updated prediction MV as an affine MV using the above formula (1A) or formula (1B) (step Sj_3). Then, the inter prediction unit 126 performs motion compensation on each subblock using those affine MVs and encoded reference pictures (step Sj_4). The processing of steps Sj_3 and Sj_4 is performed for all blocks within the current block each time the prediction MV is updated in step Sj_2.
  • the inter prediction unit 126 determines, for example, the prediction MV that yields the lowest cost as the control point MV (step Sj_5). At this time, the inter prediction unit 126 further encodes the difference value between the determined MV and the predicted MV as a difference MV into a stream. That is, inter prediction section 126 outputs difference MV to entropy encoding section 110 via prediction parameter generation section 130 as a prediction parameter.
  • the inter prediction unit 126 generates a predicted image of the current block by performing motion compensation on the current block using the determined MV and the encoded reference picture (step Sj_6).
  • the candidate MV list described above may be generated.
  • the candidate MV list may be, for example, a list containing candidate MVs derived using multiple MV derivation methods for each control point. Multiple MV derivation methods, MV derivation method shown in FIGS. 47A to 47C, MV derivation method shown in FIGS. 48A and 48B, MV derivation method shown in FIGS. 49A and 49B, and other MV derivation Any combination of methods may be used.
  • the candidate MV list may include candidate MVs for modes other than the affine mode that perform prediction in units of subblocks.
  • a candidate MV list including affine inter mode candidate MVs having two control points and affine inter mode candidate MVs having three control points may be generated.
  • a candidate MV list including affine inter mode candidate MVs with two control points and a candidate MV list including affine inter mode candidate MVs with three control points may be generated respectively.
  • a candidate MV list may be generated that includes candidate MVs for one of an affine inter mode with two control points and an affine inter mode with three control points.
  • the candidate MVs may be, for example, the MVs of encoded block A (left), block B (top), block C (top right), block D (bottom left) and block E (top left), and the MVs of those blocks. It may be the MV of one of the valid blocks.
  • an index indicating which candidate MV in the candidate MV list may be sent.
  • the inter prediction unit 126 generates one rectangular predicted image for the rectangular current block. However, the inter prediction unit 126 generates a plurality of predicted images having shapes different from the rectangle for the rectangular current block, and combines the plurality of predicted images to generate a final rectangular predicted image. You may A shape different from a rectangle may be, for example, a triangle.
  • FIG. 52A is a diagram for explaining the generation of predicted images of two triangles.
  • the inter prediction unit 126 generates a triangular predicted image by performing motion compensation on the triangular first partition in the current block using the first MV of the first partition. Similarly, the inter prediction unit 126 generates a triangular predicted image by performing motion compensation on the triangular second partition in the current block using the second MV of the second partition. The inter prediction unit 126 then combines these predicted images to generate a rectangular predicted image that is the same as the current block.
  • the first MV may be used to generate a rectangular first predicted image corresponding to the current block.
  • a second rectangular predicted image corresponding to the current block may be generated using the second MV.
  • a predicted image of the current block may be generated by weighted addition of the first predicted image and the second predicted image. Note that the weighted addition may be performed only on a part of the area sandwiching the boundary between the first partition and the second partition.
  • FIG. 52B is a conceptual diagram showing an example of a first portion of a first partition that overlaps a second partition, and a first sample set and a second sample set that may be weighted as part of the correction process.
  • the first portion may be, for example, a quarter of the width or height of the first partition.
  • the first portion may have a width corresponding to N samples adjacent to the edge of the first partition. where N is an integer greater than zero, for example N may be the integer two.
  • FIG. 52B shows a rectangular partition with a rectangular portion that is one quarter the width of the first partition.
  • the first sample set includes samples outside the first portion and samples inside the first portion
  • the second sample set includes samples within the first portion.
  • FIG. 52B shows a rectangular partition with a rectangular portion that is one-fourth the height of the first partition.
  • the first sample set includes samples outside the first portion and samples inside the first portion
  • the second sample set includes samples within the first portion.
  • the right example in FIG. 52B shows a triangular partition with a polygonal portion of height corresponding to two samples.
  • the first sample set includes samples outside the first portion and samples inside the first portion
  • the second sample set includes samples within the first portion.
  • the first part may be the part of the first partition that overlaps with the adjacent partition.
  • FIG. 52C is a conceptual diagram showing a first portion of a first partition that is a portion of the first partition that overlaps a portion of an adjacent partition.
  • rectangular partitions are shown having overlapping portions with spatially adjacent rectangular partitions.
  • Partitions having other shapes, such as triangular partitions, may be used, and overlapping portions may overlap adjacent partitions in space or time.
  • a predicted image may be generated for at least one partition using intra prediction.
  • FIG. 53 is a flow chart showing an example of the triangle mode.
  • the inter prediction unit 126 divides the current block into a first partition and a second partition (step Sx_1). At this time, the inter prediction unit 126 may encode partition information, which is information about division into partitions, into the stream as a prediction parameter. That is, the inter prediction unit 126 may output the partition information as a prediction parameter to the entropy encoding unit 110 via the prediction parameter generation unit 130 .
  • the inter prediction unit 126 first acquires a plurality of candidate MVs for the current block based on information such as MVs of a plurality of encoded blocks temporally or spatially surrounding the current block. (step Sx_2). That is, the inter prediction unit 126 creates a candidate MV list.
  • the inter prediction unit 126 selects the candidate MV for the first partition and the candidate MV for the second partition as the first MV and the second MV, respectively, from among the plurality of candidate MVs acquired in step Sx_2 (step Sx_3).
  • the inter prediction unit 126 may encode MV selection information for identifying the selected candidate MV into the stream as a prediction parameter. That is, the inter prediction unit 126 may output the MV selection information to the entropy encoding unit 110 via the prediction parameter generation unit 130 as prediction parameters.
  • the inter prediction unit 126 performs motion compensation using the selected first MV and encoded reference picture to generate a first predicted image (step Sx_4). Similarly, the inter prediction unit 126 performs motion compensation using the selected second MV and encoded reference pictures to generate a second predicted image (step Sx_5).
  • the inter prediction unit 126 generates a predicted image of the current block by weighted addition of the first predicted image and the second predicted image (step Sx_6).
  • first partition and the second partition are triangular in the example shown in FIG. 52A, they may be trapezoidal or may have different shapes. Furthermore, although the current block is composed of two partitions in the example shown in FIG. 52A, it may be composed of three or more partitions.
  • first partition and the second partition may overlap. That is, the first partition and the second partition may contain the same pixel area.
  • the predicted image of the current block may be generated using the predicted image of the first partition and the predicted image of the second partition.
  • a predicted image is generated by inter prediction for both partitions is shown, but a predicted image may be generated by intra prediction for at least one partition.
  • the candidate MV list for selecting the first MV and the candidate MV list for selecting the second MV may be different, or may be the same candidate MV list.
  • the partition information may include at least an index indicating the direction of partitioning the current block into a plurality of partitions.
  • the MV selection information may include an index indicating the selected first MV and an index indicating the selected second MV.
  • One index may indicate multiple pieces of information. For example, one index collectively indicating part or all of the partition information and part or all of the MV selection information may be encoded.
  • FIG. 54 is a diagram showing an example of ATMVP mode in which MV is derived for each subblock.
  • ATMVP mode is a mode classified as merge mode. For example, in the ATMVP mode, candidate MVs in units of subblocks are registered in the candidate MV list used in the normal merge mode.
  • the A temporal MV reference block is identified in the encoded reference picture specified by the MV (MV0) of the block adjacent to the lower left of the current block. Then, for each sub-block within the current block, identify the MV that was used when coding the region corresponding to that sub-block within the temporal MV reference block. The MVs identified in this way are included in the candidate MV list as candidate MVs for sub-blocks of the current block. If a candidate MV for each such sub-block is selected from the candidate MV list, motion compensation is performed for that sub-block using the candidate MV as the MV for the sub-block. Thereby, a predicted image of each sub-block is generated.
  • the block adjacent to the lower left of the current block is used as the peripheral MV reference block, but other blocks may be used.
  • the size of the sub-block may be 4 ⁇ 4 pixels, 8 ⁇ 8 pixels, or any other size.
  • the sub-block size may be switched in units of slices, bricks, pictures, or the like.
  • FIG. 55 is a diagram showing the relationship between merge modes and DMVR.
  • the inter prediction unit 126 derives the MV of the current block in merge mode (step Sl_1).
  • the inter prediction unit 126 determines whether or not to perform MV search, ie, motion search (step Sl_2).
  • the inter prediction unit 126 determines not to perform motion search (No in step Sl_2), it determines the MV derived in step Sl_1 as the final MV for the current block (step Sl_4). That is, in this case, the MV of the current block is determined in merge mode.
  • step Sl_3 the inter prediction unit 126 searches for the peripheral region of the reference picture indicated by the MV derived in step Sl_1, for the current block. to derive the final MV (step Sl_3). That is, in this case, DMVR determines the MV of the current block.
  • FIG. 56 is a conceptual diagram for explaining an example of DMVR for determining MV.
  • select candidate MVs (L0 and L1) for the current block for example in merge mode.
  • the reference pixels are identified from the first reference picture (L0), which is the encoded picture in the L0 list.
  • the candidate MV (L1) identify the reference pixels from the second reference picture (L1), which is the encoded picture in the L1 list.
  • a template is generated by averaging these reference pixels.
  • the peripheral regions of the candidate MVs of the first reference picture (L0) and the second reference picture (L1) are searched, respectively, and the MV with the lowest cost is selected as the final MV of the current block.
  • the cost may be calculated using, for example, the difference value between each pixel value of the template and each pixel value of the search area, the candidate MV value, and the like.
  • Any process other than the process described here may be used as long as it can search the vicinity of the candidate MV and derive the final MV.
  • FIG. 57 is a conceptual diagram for explaining another example of DMVR for determining MV.
  • the cost is calculated without generating a template.
  • the inter prediction unit 126 searches around reference blocks included in reference pictures in the L0 list and L1 list based on initial MVs that are candidate MVs acquired from the candidate MV list. For example, as shown in FIG. 57, the initial MV corresponding to the reference block of the L0 list is InitMV_L0, and the initial MV corresponding to the reference block of the L1 list is InitMV_L1.
  • the inter prediction unit 126 first sets search positions for reference pictures in the L0 list.
  • a difference vector indicating the set search position specifically, a difference vector from the position indicated by the initial MV (that is, InitMV_L0) to the search position is MVd_L0.
  • the inter prediction unit 126 determines search positions in the reference pictures of the L1 list. This search position is indicated by the difference vector from the position indicated by the initial MV (ie, InitMV_L1) to the search position. Specifically, the inter prediction unit 126 determines the difference vector as MVd_L1 by mirroring MVd_L0. That is, the inter prediction unit 126 sets the search position to a position symmetrical to the position indicated by the initial MV in each of the reference pictures of the L0 list and the L1 list. For each search position, the inter prediction unit 126 calculates the sum of absolute differences (SAD) of pixel values in the block at that search position as a cost, and finds the search position with the lowest cost.
  • SAD sum of absolute differences
  • FIG. 58A is a diagram showing an example of motion search in DMVR
  • FIG. 58B is a flowchart showing an example of the motion search.
  • Step 1 the inter prediction unit 126 calculates the costs at the search position indicated by the initial MV (also referred to as the start point) and the eight search positions surrounding it. Then, the inter prediction unit 126 determines whether or not the search positions other than the starting point have the lowest cost. Here, if the inter prediction unit 126 determines that the search position other than the starting point has the lowest cost, it moves to the search position with the lowest cost, and performs the processing of Step 2 . On the other hand, if the cost of the starting point is the lowest, the inter prediction unit 126 skips the process of Step 2 and performs the process of Step 3 .
  • Step 2 the inter prediction unit 126 performs the same search as in Step 1 using the search position moved according to the processing result of Step 1 as a new starting point. Then, the inter prediction unit 126 determines whether or not the cost of search positions other than the starting point is the lowest. Here, the inter prediction unit 126 performs the process of Step 4 if the cost of the search positions other than the starting point is the minimum. On the other hand, the inter prediction unit 126 performs the processing of Step 3 if the cost of the starting point is the minimum.
  • Step 4 the inter prediction unit 126 treats the search position of the starting point as the final search position, and determines the difference between the position indicated by the initial MV and the final search position as a difference vector.
  • the inter prediction unit 126 determines the decimal-precision pixel position with the lowest cost based on the costs at the four points above, below, and to the left and right of the starting point in Step 1 or Step 2, and sets that pixel position as the final search position. .
  • the decimal-precision pixel position is expressed by the four-point vectors ((0, 1), (0, -1), (-1, 0), (1, 0)) at the top, bottom, left, and right, respectively. is determined by weighted addition using the cost at the search position of .
  • the inter prediction unit 126 determines the difference between the position indicated by the initial MV and its final search position as a difference vector.
  • Motion compensation has a mode of generating a predicted image and correcting the predicted image.
  • the modes are, for example, BIO, OBMC, and LIC, which will be described later.
  • FIG. 59 is a flowchart showing an example of predicted image generation.
  • the inter prediction unit 126 generates a predicted image (step Sm_1), and corrects the predicted image using one of the above modes (step Sm_2).
  • FIG. 60 is a flowchart showing another example of predicted image generation.
  • the inter prediction unit 126 derives the MV of the current block (step Sn_1). Next, the inter prediction unit 126 generates a predicted image using the MV (step Sn_2), and determines whether or not to perform correction processing (step Sn_3). If the inter prediction unit 126 determines to perform correction processing (Yes in step Sn_3), the inter prediction unit 126 corrects the predicted image to generate a final predicted image (step Sn_4). Note that in the LIC described later, luminance and color difference may be corrected in step Sn_4. On the other hand, when the inter prediction unit 126 determines not to perform correction processing (No in step Sn_3), it outputs the predicted image as a final predicted image without correcting it (step Sn_5).
  • An inter-predicted image may be generated using not only the motion information of the current block obtained by motion search, but also the motion information of adjacent blocks. Specifically, a prediction image based on motion information obtained by motion search (in the reference picture) and a prediction image based on the motion information of the adjacent block (in the current picture) are weighted and added to obtain the current An inter-predicted image may be generated for each sub-block within a block.
  • Such inter prediction (motion compensation) is sometimes called OBMC (overlapped block motion compensation) or OBMC mode.
  • OBMC mode information indicating the size of sub-blocks for OBMC (eg called OBMC block size) may be signaled at the sequence level. Furthermore, information indicating whether to apply the OBMC mode (eg called OBMC flag) may be signaled at the CU level. It should be noted that the level of signaling of these information need not be limited to the sequence level and CU level, but may be other levels (e.g. picture level, slice level, brick level, CTU level or sub-block level). good.
  • 61 and 62 are flowcharts and conceptual diagrams for explaining an outline of predictive image correction processing by OBMC.
  • the MV assigned to the current block is used to obtain a predicted image (Pred) by normal motion compensation.
  • the arrow "MV" points to a reference picture and indicates what the current block of the current picture refers to to obtain the prediction image.
  • the MV (MV_L) already derived for the encoded left adjacent block is applied (reused) to the current block to obtain a predicted image (Pred_L).
  • the MV (MV_L) is indicated by an arrow "MV_L" pointing from the current block to the reference picture.
  • the first correction of the predicted image is performed by overlapping the two predicted images Pred and Pred_L. This has the effect of blending the boundaries between adjacent blocks.
  • the MV (MV_U) already derived for the coded upper adjacent block is applied (reused) to the current block to obtain a predicted image (Pred_U).
  • the MV (MV_U) is indicated by an arrow "MV_U" pointing from the current block to the reference picture.
  • the second correction of the predicted image is performed by superimposing the predicted image Pred_U on the predicted image (for example, Pred and Pred_L) subjected to the first correction. This has the effect of blending the boundaries between adjacent blocks.
  • the predicted image obtained by the second correction is the final predicted image of the current block in which the boundaries with adjacent blocks are blended (smoothed).
  • the above example is a two-pass correction method using the left and top neighboring blocks, but the correction method is three or more passes using also the right and/or bottom neighboring blocks. may be a correction method.
  • the overlapping area may not be the pixel area of the entire block, but only a partial area near the block boundary.
  • the predicted image correction processing of OBMC for obtaining one predicted image Pred by superimposing additional predicted images Pred_L and Pred_U from one reference picture has been described.
  • similar processing may be applied to each of the multiple reference pictures.
  • the obtained corrected predicted images are further superimposed. to get the final predicted image.
  • the unit of the current block may be a unit of PU or a unit of sub-blocks obtained by further dividing the PU.
  • encoding apparatus 100 may determine whether the current block belongs to an area with complex motion.
  • the encoding apparatus 100 performs encoding by applying OBMC by setting a value of 1 as obmc_flag when it belongs to an area with complicated motion, and sets obmc_flag to Set the value 0 to encode the block without applying OBMC.
  • the decoding device 200 decodes obmc_flag described in the stream, and performs decoding by switching whether to apply OBMC according to the value.
  • BIO basic-directional optical flow
  • BDOF bi-directional optical flow
  • FIG. 63 is a diagram for explaining a model that assumes uniform linear motion.
  • (vx, vy) indicates the velocity vector
  • ⁇ 0 and ⁇ 1 respectively indicate the temporal distance between the current picture (Cur Pic) and the two reference pictures (Ref0, Ref1).
  • (MVx0, MVy0) indicates the MV corresponding to the reference picture Ref0
  • (MVx1, MVy1) indicates the MV corresponding to the reference picture Ref1.
  • This optical flow equation is: (i) the time derivative of the luminance value, (ii) the product of the horizontal component of the horizontal velocity and the spatial gradient of the reference image, and (iii) the vertical velocity and the spatial gradient of the reference image indicates that the sum of the product of the vertical components of and is equal to zero.
  • block-wise motion vectors obtained from the candidate MV list or the like may be corrected pixel-by-pixel.
  • the MV may be derived on the decoding device 200 side by a method different from the motion vector derivation based on a model assuming uniform linear motion.
  • a motion vector may be derived for each subblock based on MVs of a plurality of adjacent blocks.
  • FIG. 64 is a flowchart showing an example of inter prediction according to BIO. Also, FIG. 65 is a diagram showing an example of the configuration of the inter prediction unit 126 that performs inter prediction according to the BIO.
  • the inter prediction unit 126 includes, for example, a memory 126a, an interpolated image derivation unit 126b, a gradient image derivation unit 126c, an optical flow derivation unit 126d, a correction value derivation unit 126e, a predicted image correction and a portion 126f.
  • the memory 126 a may be the frame memory 122 .
  • the inter prediction unit 126 derives two motion vectors (M0, M1) using two reference pictures (Ref0, Ref1) different from the picture (Cur Pic) containing the current block.
  • the inter prediction unit 126 then derives a predicted image of the current block using the two motion vectors (M0, M1) (step Sy_1).
  • the motion vector M0 is the motion vector (MVx0, MVy0) corresponding to the reference picture Ref0
  • the motion vector M1 is the motion vector (MVx1, MVy1) corresponding to the reference picture Ref1.
  • the interpolated image deriving unit 126b refers to the memory 126a and derives the interpolated image I0 of the current block using the motion vector M0 and the reference picture L0.
  • the interpolated image derivation unit 126b also refers to the memory 126a and derives the interpolated image I1 of the current block using the motion vector M1 and the reference picture L1 (step Sy_2 ).
  • the interpolated image I0 is the image contained in the reference picture Ref0 derived for the current block
  • the interpolated image I1 is the image contained in the reference picture Ref1 derived for the current block. It is an image.
  • Interpolated image I0 and interpolated image I1 may each be the same size as the current block.
  • interpolated image I0 and interpolated image I1 may each be images larger than the current block in order to properly derive the gradient images described below. Further, the interpolated images I0 and I1 may include prediction images derived by applying motion vectors (M0, M1) and reference pictures (L0, L1) and motion compensation filters.
  • the gradient image derivation unit 126c also derives gradient images (Ix 0 , Ix 1 , Iy 0 , Iy 1 ) of the current block from the interpolation images I 0 and I 1 (step Sy_3). Note that the horizontal gradient image is (Ix 0 , Ix 1 ) and the vertical gradient image is (Iy 0 , Iy 1 ).
  • the gradient image derivation unit 126c may derive the gradient image by, for example, applying a gradient filter to the interpolated image.
  • the gradient image may be any image that indicates the amount of spatial variation in pixel values along the horizontal or vertical direction.
  • the optical flow deriving unit 126d uses the interpolated images (I 0 , I 1 ) and the gradient images (Ix 0 , Ix 1 , Iy 0 , Iy 1 ) for each of a plurality of sub-blocks that make up the current block.
  • An optical flow (vx, vy), which is the velocity vector described above, is derived (step Sy_4).
  • Optical flow is a coefficient that corrects the amount of spatial movement of pixels, and may be called a local motion estimate, a corrected motion vector, or a corrected weight vector.
  • a sub-block may be a sub-CU of 4x4 pixels.
  • the derivation of the optical flow may be performed in other units such as pixel units instead of subblock units.
  • the inter prediction unit 126 corrects the predicted image of the current block using the optical flow (vx, vy).
  • the correction value deriving unit 126e derives the correction value of the pixel value included in the current block using the optical flow (vx, vy) (step Sy_5).
  • the predicted image correction unit 126f may correct the predicted image of the current block using the correction value (step Sy_6).
  • the correction value may be derived for each pixel, or may be derived for a plurality of pixels or sub-blocks.
  • BIO processing flow is not limited to the processing disclosed in FIG. Only a part of the processes disclosed in FIG. 64 may be performed, different processes may be added or replaced, or the processes may be performed in a different order.
  • FIG. 66A is a diagram for explaining an example of a predicted image generation method using luminance correction processing by LIC. Also, FIG. 66B is a flow chart showing an example of a predictive image generation method using the LIC.
  • the inter prediction unit 126 derives the MV from the encoded reference picture and obtains the reference picture corresponding to the current block (step Sz_1).
  • the inter prediction unit 126 extracts information indicating how the luminance value of the current block has changed between the reference picture and the current picture (step Sz_2). This extraction is based on the luminance pixel values of the coded left adjacent reference region (peripheral reference region) and the coded upper adjacent reference region (peripheral reference region) in the current picture, and the reference picture specified by the derived MV. luminance pixel values at equivalent positions.
  • the inter prediction unit 126 then calculates a luminance correction parameter using information indicating how the luminance value has changed (step Sz_3).
  • the inter prediction unit 126 generates a prediction image for the current block by performing luminance correction processing that applies the luminance correction parameter to the reference image in the reference picture specified by MV (step Sz_4). That is, correction based on the brightness correction parameter is performed on the predicted image, which is the reference image in the reference picture specified by the MV. In this correction, luminance may be corrected, and color difference may be corrected. That is, a color difference correction parameter may be calculated using information indicating how the color difference has changed, and color difference correction processing may be performed.
  • the shape of the peripheral reference area in FIG. 66A is an example, and other shapes may be used.
  • the prediction image may be generated after the brightness correction processing is performed by the same method as described above.
  • lic_flag is a signal indicating whether to apply LIC.
  • the encoding device 100 it is determined whether or not the current block belongs to an area in which luminance change occurs, and if it belongs to an area in which luminance change occurs, lic_flag A value of 1 is set and LIC is applied for encoding, and if it does not belong to an area where luminance change occurs, a value of 0 is set as lic_flag and encoding is performed without applying LIC.
  • the decoding device 200 may decode lic_flag described in the stream, and perform decoding by switching whether to apply LIC according to the value.
  • Another method of determining whether or not to apply LIC is, for example, a method of determining according to whether or not LIC has been applied to peripheral blocks.
  • the inter prediction unit 126 applies LIC to the neighboring coded blocks selected when deriving the MV in merge mode. determine whether or not The inter prediction unit 126 performs encoding by switching whether to apply LIC according to the result. Note that the same processing is applied to the processing on the decoding device 200 side in this example as well.
  • the LIC luminance correction processing
  • the inter prediction unit 126 derives an MV for obtaining a reference image corresponding to the current block from a reference picture that is an encoded picture.
  • the inter prediction unit 126 generates a predicted image for the current block by performing luminance correction processing on the reference image in the reference picture specified by the MV using the luminance correction parameter. For example, let p2 be the luminance pixel value in the reference image, and let p3 be the luminance pixel value of the predicted image after luminance correction processing.
  • part of the peripheral reference area shown in FIG. 66A may be used.
  • an area including a predetermined number of pixels thinned out from each of the upper adjacent pixels and the left adjacent pixels may be used as the peripheral reference area.
  • the peripheral reference area is not limited to an area adjacent to the current block, and may be an area not adjacent to the current block.
  • the surrounding reference area in the reference picture is the area specified by the MV of the current picture from the surrounding reference area in the current picture, but it is an area specified by another MV.
  • the other MV may be the MV of the surrounding reference region within the current picture.
  • LIC may be applied not only to luminance but also to color difference.
  • correction parameters may be derived individually for each of Y, Cb, and Cr, or a common correction parameter may be used for any one of them.
  • the LIC process may be applied on a sub-block basis.
  • the correction parameter may be derived using the surrounding reference regions of the current sub-block and the surrounding reference regions of the reference sub-block in the reference picture specified by the MV of the current sub-block.
  • the prediction control unit 128 selects either an intra-predicted image (image or signal output from the intra-prediction unit 124) or an inter-predicted image (image or signal output from the inter-prediction unit 126), and selects the selected predicted image. is output to subtraction section 104 and addition section 116 .
  • the prediction parameter generating unit 130 may output information regarding intra prediction, inter prediction, selection of a predicted image in the prediction control unit 128, etc. to the entropy coding unit 110 as prediction parameters.
  • the entropy coding unit 110 may generate a stream based on the prediction parameters input from the prediction parameter generation unit 130 and the quantization coefficients input from the quantization unit 108 .
  • the prediction parameters may be used by the decoding device 200.
  • the decoding device 200 may receive and decode the stream and perform the same prediction processing as the intra prediction section 124 , the inter prediction section 126 and the prediction control section 128 .
  • the prediction parameters may be selected prediction signals (e.g., MV, prediction type, or prediction mode used by intra predictor 124 or inter predictor 126), or intra predictor 124, inter predictor 126 and prediction controller 128. may include any index, flag, or value based on or indicative of the prediction process performed in .
  • FIG. 67 is a block diagram showing an example of the configuration of decoding device 200 according to the embodiment.
  • the decoding device 200 is a device that decodes a stream, which is an encoded image, in units of blocks.
  • decoding apparatus 200 includes entropy decoding section 202, inverse quantization section 204, inverse transform section 206, addition section 208, block memory 210, loop filter section 212, and frame memory 214. , an intra prediction unit 216 , an inter prediction unit 218 , a prediction control unit 220 , a prediction parameter generation unit 222 , and a partition determination unit 224 . Note that each of the intra prediction unit 216 and the inter prediction unit 218 is configured as part of the prediction processing unit.
  • FIG. 68 is a block diagram showing an implementation example of the decoding device 200.
  • the decoding device 200 comprises a processor b1 and a memory b2.
  • a plurality of components of decoding device 200 shown in FIG. 67 are implemented by processor b1 and memory b2 shown in FIG.
  • the processor b1 is a circuit that performs information processing and is a circuit that can access the memory b2.
  • processor b1 is a dedicated or general purpose electronic circuit that decodes the stream.
  • the processor b1 may be a processor such as a CPU.
  • the processor b1 may be an assembly of a plurality of electronic circuits.
  • the processor b1 may serve as a plurality of components of the decoding device 200 shown in FIG. 67 and the like, excluding a component for storing information.
  • the memory b2 is a dedicated or general-purpose memory that stores information for the processor b1 to decode the stream.
  • the memory b2 may be an electronic circuit and may be connected to the processor b1. Also, the memory b2 may be included in the processor b1. Also, the memory b2 may be an aggregate of a plurality of electronic circuits. Also, the memory b2 may be a magnetic disk, an optical disk, or the like, or may be expressed as a storage, recording medium, or the like. Also, the memory b2 may be a non-volatile memory or a volatile memory.
  • the memory b2 may store an image or a stream.
  • the memory b2 may also store a program for the processor b1 to decode the stream.
  • the memory b2 may serve as a component for storing information among the plurality of components of the decoding device 200 shown in FIG. 67 and the like. Specifically, memory b2 may serve as block memory 210 and frame memory 214 shown in FIG. More specifically, the memory b2 may store reconstructed images (specifically, reconstructed blocks, reconstructed pictures, etc.).
  • decoding device 200 may not implement all of the plurality of components shown in FIG. 67 and the like, and may not perform all of the plurality of processes described above. Some of the plurality of components shown in FIG. 67 and the like may be included in another device, and some of the plurality of processes described above may be executed by another device.
  • each component included in the decoding device 200 will be described. It should be noted that, among the components included in the decoding device 200, those that perform the same processing as the components included in the encoding device 100 will not be described in detail.
  • Unit 212 includes inverse quantization unit 112, inverse transform unit 114, addition unit 116, block memory 118, frame memory 122, intra prediction unit 124, inter prediction unit 126, prediction control unit 128, and the loop filter unit 120 perform the same processing.
  • FIG. 69 is a flowchart showing an example of overall decoding processing by the decoding device 200.
  • FIG. 69 is a flowchart showing an example of overall decoding processing by the decoding device 200.
  • the partitioning determination unit 224 of the decoding device 200 determines a partitioning pattern for each of a plurality of fixed-size blocks (128 ⁇ 128 pixels) included in the picture based on the parameters input from the entropy decoding unit 202 ( Step Sp_1).
  • This division pattern is a division pattern selected by encoding apparatus 100 .
  • the decoding device 200 performs the processing of steps Sp_2 to Sp_6 for each of the plurality of blocks forming the division pattern.
  • the entropy decoding unit 202 decodes (specifically, entropy decoding) the encoded quantization coefficients and prediction parameters of the current block (step Sp_2).
  • the inverse quantization unit 204 and the inverse transform unit 206 restore the prediction residual of the current block by performing inverse quantization and inverse transform on the plurality of quantized coefficients (step Sp_3).
  • the prediction processing unit consisting of the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 generates a prediction image of the current block (step Sp_4).
  • the adding unit 208 reconstructs the current block into a reconstructed image (also referred to as a decoded image block) by adding the predicted image to the prediction residual (step Sp_5).
  • the loop filter unit 212 filters the reconstructed image (step Sp_6).
  • the decoding device 200 determines whether or not the decoding of the entire picture is completed (step Sp_7), and if it is determined that the decoding is not completed (No in step Sp_7), it repeats the processing from step Sp_1.
  • steps Sp_1 to Sp_7 may be sequentially performed by the decoding device 200, some of the processes may be performed in parallel, and the order may be changed. good too.
  • FIG. 70 is a diagram showing the relationship between the division determining section 224 and other components.
  • the division determination unit 224 may perform the following processing.
  • the division determination unit 224 collects block information from the block memory 210 or the frame memory 214, and further acquires parameters from the entropy decoding unit 202. Then, the division determination unit 224 may determine a division pattern for fixed-size blocks based on the block information and parameters. Then, the division determination section 224 may output information indicating the determined division pattern to the inverse transformation section 206 , the intra prediction section 216 and the inter prediction section 218 . The inverse transform section 206 may perform inverse transform on the transform coefficients based on the division pattern indicated by the information from the division determination section 224 . The intra prediction section 216 and the inter prediction section 218 may generate predicted images based on the division pattern indicated by the information from the division determination section 224 .
  • FIG. 71 is a block diagram showing an example of the configuration of entropy decoding section 202. As shown in FIG.
  • the entropy decoding unit 202 entropy-decodes the stream to generate quantization coefficients, prediction parameters, parameters related to division patterns, and the like.
  • CABAC for example, is used for the entropy decoding.
  • the entropy decoding unit 202 includes, for example, a binary arithmetic decoding unit 202a, a context control unit 202b, and a multi-level processing unit 202c.
  • the binary arithmetic decoding unit 202a arithmetically decodes the stream into a binary signal using the context value derived by the context control unit 202b.
  • context control section 202b derives a context value according to the features of syntax elements or the surrounding situation, that is, the probability of occurrence of a binary signal.
  • the multi-value conversion unit 202c performs debinarization to convert the binary signal output from the binary arithmetic decoding unit 202a into a multi-value signal indicating the above-described quantization coefficient and the like. This multi-value conversion is performed according to the above-described binarization method.
  • the entropy decoding unit 202 outputs the quantized coefficients to the inverse quantization unit 204 on a block basis.
  • the entropy decoding unit 202 may output prediction parameters included in the stream (see FIG. 1) to the intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220.
  • FIG. 1 The intra prediction unit 216, the inter prediction unit 218, and the prediction control unit 220 can execute the same prediction processing as the processing performed by the intra prediction unit 124, the inter prediction unit 126, and the prediction control unit 128 on the encoding device 100 side. .
  • FIG. 72 is a diagram showing the flow of CABAC in entropy decoding section 202. As shown in FIG.
  • CABAC in the entropy decoding unit 202 is initialized. In this initialization, initialization in the binary arithmetic decoding unit 202a and setting of initial context values are performed. Then, the binary arithmetic decoding unit 202a and the multi-value coding unit 202c execute arithmetic decoding and multi-value coding on, for example, CTU encoded data. At this time, the context control unit 202b updates the context value each time arithmetic decoding is performed. Then, the context control unit 202b saves the context value as post-processing. This saved context value is used, for example, for the initial context value for the next CTU.
  • the inverse quantization unit 204 inversely quantizes the quantized coefficients of the current block that are input from the entropy decoding unit 202 . Specifically, the inverse quantization unit 204 inversely quantizes each quantized coefficient of the current block based on the quantization parameter corresponding to the quantized coefficient. The inverse quantization unit 204 then outputs the inversely quantized quantized coefficients (that is, transform coefficients) of the current block to the inverse transform unit 206 .
  • FIG. 73 is a block diagram showing an example of the configuration of the inverse quantization section 204. As shown in FIG.
  • the inverse quantization unit 204 includes, for example, a quantization parameter generation unit 204a, a predicted quantization parameter generation unit 204b, a quantization parameter storage unit 204d, and an inverse quantization processing unit 204e.
  • FIG. 74 is a flowchart showing an example of inverse quantization by the inverse quantization unit 204.
  • the inverse quantization unit 204 may perform inverse quantization processing for each CU based on the flow shown in FIG. Specifically, the quantization parameter generation unit 204a determines whether or not to perform inverse quantization (step Sv_11). Here, if it is determined to perform inverse quantization (Yes in step Sv_11), the quantization parameter generation unit 204a acquires the differential quantization parameter of the current block from the entropy decoding unit 202 (step Sv_12).
  • the predicted quantization parameter generation unit 204b acquires a quantization parameter for a processing unit different from that of the current block from the quantization parameter storage unit 204d (step Sv_13).
  • the predicted quantization parameter generation unit 204b generates the predicted quantization parameter of the current block based on the acquired quantization parameter (step Sv_14).
  • the quantization parameter generation unit 204a adds the difference quantization parameter of the current block acquired from the entropy decoding unit 202 and the predicted quantization parameter of the current block generated by the prediction quantization parameter generation unit 204b. (Step Sv_15). This addition produces the quantization parameter for the current block. Also, the quantization parameter generation unit 204a stores the quantization parameter of the current block in the quantization parameter storage unit 204d (step Sv_16).
  • the inverse quantization processing unit 204e inversely quantizes the quantization coefficients of the current block into transform coefficients using the quantization parameters generated in step Sv_15 (step Sv_17).
  • differential quantization parameter may be decoded at the bit sequence level, picture level, slice level, brick level or CTU level.
  • initial values of the quantization parameters may be decoded at the sequence level, picture level, slice level, brick level or CTU level.
  • the quantization parameter may be generated using the initial value of the quantization parameter and the differential quantization parameter.
  • the inverse quantization unit 204 may include a plurality of inverse quantizers, and may inversely quantize the quantized coefficients using an inverse quantization method selected from a plurality of inverse quantization methods.
  • the inverse transform unit 206 restores the prediction residual by inverse transforming the transform coefficients input from the inverse quantization unit 204 .
  • the inverse transform unit 206 converts the transform coefficients of the current block based on the information indicating the read transform type. to inverse transform.
  • the inverse transform unit 206 applies inverse retransform to the transform coefficients.
  • FIG. 75 is a flowchart showing an example of processing by the inverse transformation unit 206.
  • the inverse transform unit 206 determines whether information indicating that orthogonal transform is not performed exists in the stream (step St_11). Here, if it is determined that the information does not exist (No in step St_11), the inverse transform unit 206 acquires the information indicating the transform type decoded by the entropy decoding unit 202 (step St_12). Next, inverse transform section 206 determines the transform type used for the orthogonal transform of encoding apparatus 100 based on the information (step St_13). Then, the inverse transform unit 206 performs inverse orthogonal transform using the determined transform type (step St_14).
  • FIG. 76 is a flowchart showing another example of processing by the inverse transforming unit 206.
  • FIG. 76 is a flowchart showing another example of processing by the inverse transforming unit 206.
  • the inverse transform unit 206 determines whether the transform size is equal to or less than a predetermined value (step Su_11). Here, if it is determined that the value is equal to or less than the predetermined value (Yes in step Su_11), the inverse transform unit 206 selects which transform type among the one or more transform types included in the first transform type group is the encoding device. 100 is obtained from the entropy decoding unit 202 (step Su_12). Such information is decoded by entropy decoding section 202 and output to inverse transform section 206 .
  • the inverse transform unit 206 determines the transform type used for the orthogonal transform in the encoding device 100 (step Su_13). Then, the inverse transform unit 206 inverse-orthogonal transforms the transform coefficients of the current block using the determined transform type (step Su_14). On the other hand, when the inverse transform unit 206 determines in step Su_11 that the transform size is not equal to or smaller than the predetermined value (No in step Su_11), the inverse transform unit 206 performs inverse orthogonal transform on the transform coefficients of the current block using the second transform type group (step Su_15).
  • the inverse orthogonal transform by the inverse transform unit 206 may be performed according to the flow shown in FIG. 75 or 76 for each TU, as an example.
  • the inverse orthogonal transform may be performed using a predefined transform type without decoding the information indicating the transform type used for the orthogonal transform.
  • the transform type is specifically DST7 or DCT8, and the inverse orthogonal transform uses an inverse transform basis function corresponding to the transform type.
  • the addition unit 208 adds the prediction residual input from the inverse transform unit 206 and the prediction image input from the prediction control unit 220 to reconstruct the current block. That is, a reconstructed image of the current block is generated.
  • the adding section 208 then outputs the reconstructed image of the current block to the block memory 210 and the loop filter section 212 .
  • the block memory 210 is a storage unit for storing blocks in the current picture that are referred to in intra prediction. Specifically, the block memory 210 stores the reconstructed image output from the adder 208 .
  • a loop filter unit 212 applies a loop filter to the reconstructed image generated by the addition unit 208, and outputs the filtered reconstructed image to a frame memory 214, a display device, or the like.
  • one filter is selected from among a plurality of filters based on the local gradient direction and activity, and is selected A filter is applied to the reconstructed image.
  • FIG. 77 is a block diagram showing an example of the configuration of the loop filter section 212. As shown in FIG. Loop filter section 212 has the same configuration as loop filter section 120 of encoding apparatus 100 .
  • the loop filter unit 212 includes a deblocking filter processing unit 212a, an SAO processing unit 212b, and an ALF processing unit 212c, as shown in FIG. 77, for example.
  • the deblocking/filtering unit 212a performs the deblocking/filtering described above on the reconstructed image.
  • the SAO processing unit 212b performs the above-described SAO processing on the reconstructed image after deblocking and filtering.
  • the ALF processing unit 212c applies the above-described ALF processing to the reconstructed image after the SAO processing.
  • the loop filter unit 212 may not include all the processing units disclosed in FIG. 77, and may include only some of the processing units.
  • the loop filter unit 212 may be configured to perform each of the above processes in an order different from the process order disclosed in FIG. 77 .
  • a frame memory 214 is a storage unit for storing reference pictures used for inter prediction, and is sometimes called a frame buffer. Specifically, the frame memory 214 stores the reconstructed image filtered by the loop filter unit 212 .
  • FIG. 78 is a flowchart showing an example of processing performed by the prediction section of the decoding device 200.
  • the prediction unit includes all or part of the intra prediction unit 216 , inter prediction unit 218 , and prediction control unit 220 .
  • the prediction processing section includes, for example, an intra prediction section 216 and an inter prediction section 218 .
  • the prediction unit generates a predicted image of the current block (step Sq_1).
  • This predicted image is also called a predicted signal or a predicted block.
  • the prediction signal includes, for example, an intra prediction signal or an inter prediction signal.
  • the prediction unit predicts the current block using a reconstructed image already obtained by generating predicted images for other blocks, restoring prediction residuals, and adding predicted images. Generate an image.
  • the prediction section of the decoding device 200 generates a predicted image that is the same as the predicted image generated by the prediction section of the encoding device 100 . In other words, the prediction image generation methods used by these prediction units are common or correspond to each other.
  • the reconstructed image may be, for example, an image of a reference picture, or an image of a decoded block (that is, another block described above) in the current picture, which is the picture containing the current block.
  • a decoded block in the current picture is, for example, a neighboring block of the current block.
  • FIG. 79 is a flowchart showing another example of processing performed by the prediction unit of the decoding device 200.
  • FIG. 79 is a flowchart showing another example of processing performed by the prediction unit of the decoding device 200.
  • the prediction unit determines the method or mode for generating the predicted image (step Sr_1).
  • the scheme or mode may be determined based on, for example, prediction parameters.
  • the prediction unit determines the first method as the mode for generating the predicted image, it generates the predicted image according to the first method (step Sr_2a). Further, when the prediction unit determines the second method as the mode for generating the predicted image, it generates the predicted image according to the second method (step Sr_2b). Further, when the prediction unit determines the third method as the mode for generating the predicted image, it generates the predicted image according to the third method (step Sr_2c).
  • the first method, the second method, and the third method are different methods for generating a predicted image, for example, an inter prediction method, an intra prediction method, and other prediction methods, respectively. There may be. These prediction schemes may use the reconstructed images described above.
  • FIGS. 80A and 80B are flowcharts showing another example of processing performed by the prediction unit of the decoding device 200.
  • FIG. 80A is a flowchart showing another example of processing performed by the prediction unit of the decoding device 200.
  • the prediction unit may perform prediction processing according to the flow shown in FIGS. 80A and 80B as an example.
  • the intra block copy shown in FIGS. 80A and 80B is one mode belonging to inter prediction, and is a mode in which blocks included in the current picture are referred to as reference images or reference blocks. In other words, intra-block copy does not refer to a picture different from the current picture.
  • the PCM mode shown in FIG. 80A is one mode belonging to intra prediction, and is a mode in which transformation and quantization are not performed.
  • the intra prediction unit 216 performs intra prediction with reference to blocks in the current picture stored in the block memory 210 based on the intra prediction mode read from the stream, thereby obtaining a prediction image of the current block (that is, an intra prediction image). generate a predicted image). Specifically, the intra prediction unit 216 generates an intra prediction image by performing intra prediction with reference to pixel values (for example, luminance values and color difference values) of blocks adjacent to the current block, and predicts the intra prediction image. Output to the control unit 220 .
  • pixel values for example, luminance values and color difference values
  • the intra prediction unit 216 may predict the chrominance component of the current block based on the luminance component of the current block.
  • the intra prediction unit 216 corrects the pixel values after intra prediction based on the gradients of the reference pixels in the horizontal/vertical directions.
  • FIG. 81 is a diagram showing an example of processing by the intra prediction unit 216 of the decoding device 200.
  • FIG. 81 is a diagram showing an example of processing by the intra prediction unit 216 of the decoding device 200.
  • the intra prediction unit 216 first determines whether an MPM flag indicating 1 exists in the stream (step Sw_11). Here, if it is determined that there is an MPM flag indicating 1 (Yes in step Sw_11), the intra prediction unit 216 transmits information indicating the intra prediction mode selected in the encoding device 100 from the entropy decoding unit 202, out of the MPM. obtain (step Sw_12). The information is decoded by entropy decoding section 202 and output to intra prediction section 216 . Next, the intra prediction unit 216 determines MPM (step Sw_13). MPM consists of six intra prediction modes, for example. Then, the intra prediction unit 216 determines the intra prediction mode indicated by the information acquired in step Sw_12 from among the intra prediction modes included in the MPM (step Sw_14).
  • the intra prediction unit 216 determines in step Sw_11 that the MPM flag indicating 1 does not exist in the stream (No in step Sw_11), it acquires information indicating the intra prediction mode selected in the encoding device 100 ( Step Sw_15). That is, the intra prediction unit 216 acquires from the entropy decoding unit 202 information indicating the intra prediction mode selected in the encoding device 100 among one or more intra prediction modes not included in the MPM. The information is decoded by entropy decoding section 202 and output to intra prediction section 216 . Then, the intra prediction unit 216 determines an intra prediction mode indicated by the information acquired in step Sw_15 from one or more intra prediction modes not included in the MPM (step Sw_17).
  • the intra prediction unit 216 generates a predicted image according to the intra prediction mode determined in step Sw_14 or step Sw_17 (step Sw_18).
  • the inter prediction unit 218 refers to reference pictures stored in the frame memory 214 to predict the current block. Prediction is performed in units of the current block or sub-blocks within the current block. A sub-block is included in a block and is a smaller unit than the block. The sub-block size may be 4x4 pixels, 8x8 pixels, or any other size. The sub-block size may be switched in units of slices, bricks, pictures, or the like.
  • the inter prediction unit 218 performs motion compensation using motion information (e.g., MV) read from a stream (e.g., prediction parameters output from the entropy decoding unit 202) to perform inter prediction of the current block or sub-block.
  • motion information e.g., MV
  • a stream e.g., prediction parameters output from the entropy decoding unit 202
  • a predicted image is generated and an inter predicted image is output to the prediction control unit 220 .
  • the inter prediction unit 218 When the information read from the stream indicates that the OBMC mode is applied, the inter prediction unit 218 performs inter prediction using not only the motion information of the current block obtained by motion search, but also the motion information of adjacent blocks. Generate an image.
  • the inter prediction unit 218 performs motion search according to the pattern matching method (bilateral matching or template matching) read from the stream. to derive the motion information. Then, the inter prediction unit 218 performs motion compensation (prediction) using the derived motion information.
  • the pattern matching method bilateral matching or template matching
  • the inter prediction unit 218 derives the MV based on a model that assumes uniform linear motion. Also, when the information read from the stream indicates that the affine mode is applied, the inter prediction unit 218 derives MVs in units of subblocks based on MVs of a plurality of adjacent blocks.
  • FIG. 82 is a flowchart showing an example of MV derivation in the decoding device 200.
  • FIG. 82 is a flowchart showing an example of MV derivation in the decoding device 200.
  • the inter prediction unit 218, determines whether to decode motion information (eg, MV). For example, the inter prediction unit 218 may make the determination according to the prediction mode included in the stream, or may make the determination based on other information included in the stream.
  • the inter prediction unit 218 determines whether to decode the motion information. For example, the inter prediction unit 218 derives the MV of the current block in the mode of decoding the motion information.
  • inter prediction section 218 determines not to decode motion information, it derives MV in a mode in which motion information is not decoded.
  • MV derivation modes include normal inter mode, normal merge mode, FRUC mode, and affine mode, which will be described later.
  • modes for decoding motion information include normal inter mode, normal merge mode, and affine mode (specifically, affine inter mode and affine merge mode).
  • the motion information may include not only the MV but also predicted MV selection information, which will be described later.
  • Modes in which motion information is not decoded include FRUC mode and the like.
  • the inter prediction unit 218 selects a mode for deriving the MV of the current block from these multiple modes, and uses the selected mode to derive the MV of the current block.
  • FIG. 83 is a flowchart showing another example of MV derivation in the decoding device 200.
  • FIG. 83 is a flowchart showing another example of MV derivation in the decoding device 200.
  • the inter prediction unit 218, determines whether to decode the difference MV. may be determined based on Here, when determining to decode the difference MV, the inter prediction unit 218 may derive the MV of the current block in the mode of decoding the difference MV. In this case, for example, the difference MV included in the stream is decoded as a prediction parameter.
  • the inter prediction unit 218 determines not to decode the difference MV, it derives the MV in a mode in which the difference MV is not decoded. In this case, the coded differential MV is not included in the stream.
  • MV derivation modes include normal inter, normal merge mode, FRUC mode, and affine mode, which will be described later.
  • modes for encoding differential MVs include normal inter mode and affine mode (more specifically, affine inter mode).
  • Modes in which differential MVs are not encoded include FRUC mode, normal merge mode, and affine mode (specifically, affine merge mode).
  • the inter prediction unit 218 selects a mode for deriving the MV of the current block from these multiple modes, and uses the selected mode to derive the MV of the current block.
  • the inter prediction unit 218 derives the MV in the normal merge mode based on the information read from the stream, and converts the MV to motion compensation (prediction).
  • FIG. 84 is a flowchart showing an example of inter prediction in normal inter mode in decoding device 200.
  • FIG. 84 is a flowchart showing an example of inter prediction in normal inter mode in decoding device 200.
  • the inter prediction unit 218 of the decoding device 200 performs motion compensation on each block. At this time, the inter prediction unit 218 first acquires a plurality of candidate MVs for the current block based on information such as MVs of a plurality of decoded blocks temporally or spatially surrounding the current block. (Step Sg_11). That is, the inter prediction unit 218 creates a candidate MV list.
  • the inter prediction unit 218 selects each of N (N is an integer equal to or greater than 2) candidate MVs from among the plurality of candidate MVs acquired in step Sg_11 as predicted motion vector candidates (also referred to as predicted MV candidates). , and extracted according to a predetermined priority (step Sg_12). The priority order is predetermined for each of the N predicted MV candidates.
  • the inter prediction unit 218 decodes the prediction MV selection information from the input stream, and uses the decoded prediction MV selection information to select one prediction MV candidate from among the N prediction MV candidates. , as the prediction MV of the current block (step Sg_13).
  • the inter prediction unit 218 decodes the difference MV from the input stream, and adds the difference value, which is the decoded difference MV, and the selected prediction MV, thereby deriving the MV of the current block. (step Sg_14).
  • the inter prediction unit 218 generates a predicted image of the current block by performing motion compensation on the current block using the derived MV and the decoded reference picture (step Sg_15).
  • the processing of steps Sg_11 to Sg_15 is performed for each block. For example, when the processing of steps Sg_11 to Sg_15 is executed for each of all blocks included in a slice, inter prediction using normal inter mode for that slice ends. Also, when the processing of steps Sg_11 to Sg_15 is executed for each of all the blocks included in the picture, the inter prediction using the normal inter mode for that picture ends.
  • steps Sg_11 to Sg_15 are not performed for all blocks included in the slice, and if performed for some blocks, inter prediction using the normal inter mode for that slice ends. may Similarly, when the processing of steps Sg_11 to Sg_15 is performed on some blocks included in a picture, inter prediction using normal inter mode for that picture may end.
  • the inter prediction unit 218 derives the MV in the normal merge mode and performs motion compensation (prediction) using the MV.
  • FIG. 85 is a flowchart showing an example of inter prediction in normal merge mode in decoding device 200.
  • the inter prediction unit 218 first obtains a plurality of candidate MVs for the current block based on information such as MVs of a plurality of decoded blocks temporally or spatially surrounding the current block (step Sh_11 ). That is, the inter prediction unit 218 creates a candidate MV list.
  • the inter prediction unit 218 derives the MV of the current block by selecting one candidate MV from the plurality of candidate MVs acquired in step Sh_11 (step Sh_12). Specifically, the inter prediction unit 218 acquires MV selection information included in the stream as a prediction parameter, for example, and selects a candidate MV identified by the MV selection information as the MV of the current block.
  • the inter prediction unit 218 generates a predicted image of the current block by performing motion compensation on the current block using the derived MV and the decoded reference picture (step Sh_13).
  • the processing of steps Sh_11 to Sh_13 is executed for each block, for example. For example, when the processing of steps Sh_11 to Sh_13 is executed for each of all blocks included in a slice, inter prediction using normal merge mode for that slice ends. Also, when the processing of steps Sh_11 to Sh_13 is executed for each of all the blocks included in the picture, inter prediction using the normal merge mode for that picture ends. Note that the processing of steps Sh_11 to Sh_13 is not executed for all blocks included in the slice, and if it is executed for some blocks, inter prediction using the normal merge mode for that slice ends. may Similarly, when the processing of steps Sh_11 to Sh_13 is performed on some blocks included in a picture, inter prediction using the normal merge mode for that picture may end.
  • the inter prediction unit 218 derives the MV in the FRUC mode and performs motion compensation (prediction) using the MV.
  • the motion information is derived by the decoding device 200 side without being signaled from the encoding device 100 side.
  • the decoding device 200 may derive motion information by performing motion search. In this case, the decoding device 200 performs motion search without using the pixel values of the current block.
  • FIG. 86 is a flowchart showing an example of inter prediction in the FRUC mode in decoding device 200.
  • the inter prediction unit 218 refers to the MVs of the decoded blocks that are spatially or temporally adjacent to the current block, and refers to a list indicating these MVs as candidate MVs (that is, a candidate MV list that is normal (which may be common with the merge mode candidate MV list) is generated (step Si_11).
  • the inter prediction unit 218 selects the best candidate MV from among multiple candidate MVs registered in the candidate MV list (step Si_12). For example, the inter prediction unit 218 calculates the evaluation value of each candidate MV included in the candidate MV list, and selects one candidate MV as the best candidate MV based on the evaluation value.
  • the inter predictor 218 then derives the MV for the current block based on the selected best candidate MV (step Si_14).
  • the selected best candidate MV is directly derived as the MV for the current block.
  • the MV for the current block may be derived by performing pattern matching in the region around the location in the reference picture corresponding to the selected best candidate MV. That is, the area around the best candidate MV is searched using pattern matching and evaluation value in the reference picture, and if there is an MV with a good evaluation value, the best candidate MV is set to that MV. It may be updated to make it the final MV of the current block. Updates to MVs with better evaluation values may not be performed.
  • the inter prediction unit 218 generates a predicted image of the current block by performing motion compensation on the current block using the derived MV and the decoded reference picture (step Si_15).
  • the processing of steps Si_11 to Si_15 is executed for each block, for example. For example, when the processing of steps Si_11 to Si_15 is executed for each of all the blocks included in the slice, inter prediction using the FRUC mode for that slice ends. Further, when the processing of steps Si_11 to Si_15 is executed for each of all the blocks included in the picture, inter prediction using the FRUC mode for that picture ends.
  • Sub-block units may also be processed in the same manner as the block units described above.
  • MV derivation > affine merge mode For example, if the information read from the stream indicates application of the affine merge mode, the inter prediction unit 218 derives the MV in the affine merge mode and performs motion compensation (prediction) using the MV.
  • FIG. 87 is a flow chart showing an example of inter prediction in the affine merge mode in the decoding device 200.
  • the inter prediction unit 218 first derives the MV of each control point of the current block (step Sk_11).
  • the control points are the upper left and upper right corner points of the current block, as shown in FIG. 46A, or the upper left, upper right, and lower left corner points of the current block, as shown in FIG. 46B.
  • the inter prediction unit 218 when using the MV derivation method shown in FIGS. 47A to 47C, the inter prediction unit 218 includes, as shown in FIG. 47A, decoded block A (left), block B (top), block C (upper right), We examine these blocks in order, block D (lower left) and block E (upper left), to identify the first valid block decoded in affine mode.
  • Inter predictor 218 uses the first valid block decoded in the identified affine mode to derive the MV of the control points. For example, if block A is identified and block A has two control points, inter predictor 218 calculates motion vector v 3 for the upper left and upper right corners of the decoded block containing block A, as shown in FIG. 47B. and v4 onto the current block to compute the motion vector v0 of the upper left corner control point and the motion vector v1 of the upper right corner control point of the current block. This derives the MV of each control point.
  • the inter prediction unit 218 may derive the MV of each control point of the current block using the MV selection information.
  • the inter prediction unit 218 performs motion compensation on each of the multiple sub-blocks included in the current block. That is, the inter prediction unit 218 uses two motion vectors v 0 and v 1 and Equation (1A) above for each of the plurality of sub-blocks, or three motion vectors v 0 , v 1 and v 2 and equation (1B) above, the MV of the sub-block is calculated as an affine MV (step Sk_12). Then, the inter prediction unit 218 performs motion compensation on the sub-block using those affine MVs and decoded reference pictures (step Sk_13).
  • the inter prediction using the affine merge mode for the current block ends. That is, motion compensation is performed on the current block to generate a predicted image of the current block.
  • the aforementioned candidate MV list may be generated.
  • the candidate MV list may be, for example, a list containing candidate MVs derived using multiple MV derivation methods for each control point. Multiple MV derivation methods, MV derivation method shown in FIGS. 47A to 47C, MV derivation method shown in FIGS. 48A and 48B, MV derivation method shown in FIGS. 49A and 49B, and other MV derivation Any combination of methods may be used.
  • the candidate MV list may include candidate MVs for modes other than the affine mode that perform prediction in units of subblocks.
  • a candidate MV list including affine merge mode candidate MVs having two control points and affine merge mode candidate MVs having three control points may be generated.
  • a candidate MV list including affine merge mode candidate MVs with two control points and a candidate MV list including affine merge mode candidate MVs with three control points may be generated respectively.
  • a candidate MV list including candidate MVs in one of the affine merge mode with two control points and the affine merge mode with three control points may be generated.
  • the inter prediction unit 218 derives the MV in the affine inter mode and performs motion compensation (prediction) using the MV.
  • FIG. 88 is a flowchart showing an example of inter prediction in affine inter mode in decoding device 200.
  • the inter predictor 218 first derives predictions MV (v 0 ,v 1 ) or (v 0 ,v 1 ,v 2 ) for each of the two or three control points of the current block ( Step Sj_11).
  • the control point is, for example, the upper left corner, upper right corner, or lower left corner point of the current block, as shown in FIG. 46A or 46B.
  • the inter prediction unit 218 acquires prediction MV selection information included in the stream as a prediction parameter, and uses MVs identified by the prediction MV selection information to derive prediction MVs for each control point of the current block. For example, when using the MV derivation method shown in FIGS. 48A and 48B, the inter prediction unit 218 identifies by the prediction MV selection information among the decoded blocks near each control point of the current block shown in FIG. 48A or 48B. We derive the predicted MVs (v 0 ,v 1 ) or (v 0 ,v 1 ,v 2 ) of the control points of the current block by selecting the MVs of the blocks to be calculated.
  • the inter prediction unit 218 acquires, for example, each difference MV included as a prediction parameter in the stream, and adds the prediction MV of each control point of the current block and the difference MV corresponding to the prediction MV (step Sj_12). This derives the MV of each control point of the current block.
  • the inter prediction unit 218 performs motion compensation on each of the multiple sub-blocks included in the current block. That is, the inter prediction unit 218 uses two motion vectors v 0 and v 1 and Equation (1A) above for each of the plurality of sub-blocks, or three motion vectors v 0 , v 1 and v 2 and equation (1B) above, the MV of the sub-block is calculated as an affine MV (step Sj_13). Then, the inter prediction unit 218 performs motion compensation on the sub-block using those affine MVs and decoded reference pictures (step Sj_14).
  • inter prediction using the affine merge mode for the current block ends. That is, motion compensation is performed on the current block to generate a predicted image of the current block.
  • step Sj_11 the candidate MV list described above may be generated as in step Sk_11.
  • the inter prediction unit 218 derives the MV in the triangle mode and performs motion compensation (prediction) using the MV.
  • FIG. 89 is a flow chart showing an example of inter prediction in triangle mode in the decoding device 200.
  • FIG. 89 is a flow chart showing an example of inter prediction in triangle mode in the decoding device 200.
  • the inter prediction unit 218 divides the current block into a first partition and a second partition (step Sx_11). At this time, the inter prediction unit 218 may acquire partition information, which is information about division into partitions, from the stream as a prediction parameter. Then, the inter prediction unit 218 may divide the current block into a first partition and a second partition according to the partition information.
  • the inter prediction unit 218 first acquires multiple candidate MVs for the current block based on information such as the MVs of multiple decoded blocks temporally or spatially surrounding the current block. (Step Sx_12). That is, the inter prediction unit 218 creates a candidate MV list.
  • the inter prediction unit 218 selects the candidate MV for the first partition and the candidate MV for the second partition as the first MV and the second MV, respectively, from among the plurality of candidate MVs acquired in step Sx_11 (step Sx_13). .
  • the inter prediction unit 218 may acquire MV selection information for identifying the selected candidate MV from the stream as a prediction parameter. Then, the inter prediction unit 218 may select the first MV and the second MV according to the MV selection information.
  • the inter prediction unit 218 performs motion compensation using the selected first MV and the decoded reference picture to generate a first predicted image (step Sx_14). Similarly, the inter prediction unit 218 performs motion compensation using the selected second MV and the decoded reference picture to generate a second predicted image (step Sx_15).
  • the inter prediction unit 218 generates a predicted image of the current block by weighted addition of the first predicted image and the second predicted image (step Sx_16).
  • FIG. 90 is a flowchart showing an example of motion search by DMVR in the decoding device 200.
  • FIG. 90 is a flowchart showing an example of motion search by DMVR in the decoding device 200.
  • the inter prediction unit 218 first derives the MV of the current block in merge mode (step Sl_11). Next, the inter prediction unit 218 derives the final MV for the current block by searching the surrounding area of the reference picture indicated by the MV derived in step Sl_11 (step Sl_12). That is, DMVR determines the MV of the current block.
  • FIG. 91 is a flowchart showing a detailed example of motion search by DMVR in the decoding device 200.
  • FIG. 91 is a flowchart showing a detailed example of motion search by DMVR in the decoding device 200.
  • the inter prediction unit 218 calculates the costs at the search position indicated by the initial MV (also referred to as the starting point) and the eight search positions surrounding it. Then, the inter prediction unit 218 determines whether or not the cost of search positions other than the starting point is the lowest. Here, if the inter prediction unit 218 determines that the search position other than the starting point has the lowest cost, it moves to the search position with the lowest cost, and performs the processing of Step 2 shown in FIG. 58A. On the other hand, if the cost of the starting point is the lowest, the inter prediction unit 218 skips the processing of Step 2 shown in FIG. 58A and performs the processing of Step 3.
  • Step 2 shown in FIG. 58A the inter prediction unit 218 performs the same search as in Step 1 using the search position moved according to the processing result of Step 1 as a new starting point. Then, the inter prediction unit 218 determines whether or not the cost of search positions other than the starting point is the lowest. Here, the inter prediction unit 218 performs the processing of Step 4 if the cost of the search positions other than the starting point is the minimum. On the other hand, the inter prediction unit 218 performs the processing of Step 3 if the cost of the starting point is the minimum.
  • Step 4 the inter prediction unit 218 treats the search position of the starting point as the final search position, and determines the difference between the position indicated by the initial MV and the final search position as a difference vector.
  • the inter prediction unit 218 determines the decimal-precision pixel position with the lowest cost based on the costs at the four points above, below, and to the left and right of the starting point of Step 1 or Step 2, and uses that pixel position as the final pixel position. Search position.
  • the decimal-precision pixel position is expressed by the four-point vectors ((0, 1), (0, -1), (-1, 0), (1, 0)) at the top, bottom, left, and right, respectively. is determined by weighted addition using the cost at the search position of .
  • the inter prediction unit 218 determines the difference between the position indicated by the initial MV and its final search position as a difference vector.
  • BIO/OBMC/LIC For example, if the information read from the stream indicates application of correction of the predicted image, the inter prediction unit 218 corrects the predicted image according to the mode of correction when generating the predicted image.
  • the modes are, for example, BIO, OBMC, and LIC described above.
  • FIG. 92 is a flowchart showing an example of predicted image generation in the decoding device 200.
  • the inter prediction unit 218 generates a predicted image (step Sm_11), and corrects the predicted image according to one of the modes described above (step Sm_12).
  • FIG. 93 is a flowchart showing another example of predicted image generation in the decoding device 200.
  • FIG. 93 is a flowchart showing another example of predicted image generation in the decoding device 200.
  • the inter prediction unit 218 derives the MV of the current block (step Sn_11). Next, the inter prediction unit 218 generates a predicted image using the MV (step Sn_12), and determines whether or not to perform correction processing (step Sn_13). For example, the inter prediction unit 218 acquires prediction parameters included in the stream, and determines whether or not to perform correction processing based on the prediction parameters. This prediction parameter is, for example, a flag indicating whether to apply each mode described above.
  • the inter prediction unit 218 determines to perform correction processing (Yes in step Sn_13), it generates a final predicted image by correcting the predicted image (step Sn_14). Note that in LIC, the luminance and color difference of the predicted image may be corrected in step Sn_14.
  • the inter prediction unit 218 determines not to perform correction processing (No in step Sn_13), it outputs the predicted image as a final predicted image without correcting it (step Sn_15).
  • FIG. 94 is a flowchart showing an example of prediction image correction by OBMC in the decoding device 200.
  • the inter prediction unit 218 acquires a predicted image (Pred) by normal motion compensation using the MV assigned to the current block, as shown in FIG.
  • the inter prediction unit 218 applies (rides) the MV (MV_L) already derived for the decoded left adjacent block to the current block to acquire a predicted image (Pred_L). Then, the inter prediction unit 218 performs the first correction of the predicted image by overlapping the two predicted images Pred and Pred_L. This has the effect of blending the boundaries between adjacent blocks.
  • the inter prediction unit 218 applies (rides) the MV (MV_U) already derived for the decoded upper adjacent block to the current block to obtain a predicted image (Pred_U). Then, the inter prediction unit 218 performs the second correction of the predicted image by superimposing the predicted image Pred_U on the predicted images (for example, Pred and Pred_L) that have undergone the first correction. This has the effect of blending the boundaries between adjacent blocks.
  • the predicted image obtained by the second correction is the final predicted image of the current block in which the boundaries with adjacent blocks are blended (smoothed).
  • BIO For example, if the information read from the stream indicates application of BIO, the inter prediction unit 218 corrects the predicted image according to BIO when generating the predicted image.
  • FIG. 95 is a flowchart showing an example of predicted image correction by BIO in the decoding device 200 .
  • the inter prediction unit 218 derives two motion vectors (M0, M1) using two reference pictures (Ref0, Ref1) different from the picture containing the current block (Cur Pic). .
  • the inter prediction unit 218 then derives a predicted image of the current block using the two motion vectors (M0, M1) (step Sy_11).
  • the motion vector M0 is the motion vector (MVx0, MVy0) corresponding to the reference picture Ref0
  • the motion vector M1 is the motion vector (MVx1, MVy1) corresponding to the reference picture Ref1.
  • the inter prediction unit 218 derives the interpolated image I0 of the current block using the motion vector M0 and the reference picture L0. Also, the inter prediction unit 218 derives the interpolated image I1 of the current block using the motion vector M1 and the reference picture L1 (step Sy_12 ).
  • the interpolated image I0 is the image contained in the reference picture Ref0 derived for the current block
  • the interpolated image I1 is the image contained in the reference picture Ref1 derived for the current block. It is an image.
  • Interpolated image I0 and interpolated image I1 may each be the same size as the current block.
  • interpolated image I0 and interpolated image I1 may each be images larger than the current block in order to properly derive the gradient images described below. Further, the interpolated images I0 and I1 may include prediction images derived by applying motion vectors (M0, M1) and reference pictures (L0, L1) and motion compensation filters.
  • the inter prediction unit 218 also derives the gradient images (Ix 0 , Ix 1 , Iy 0 , Iy 1 ) of the current block from the interpolated images I 0 and I 1 (step Sy_13). Note that the horizontal gradient image is (Ix 0 , Ix 1 ) and the vertical gradient image is (Iy 0 , Iy 1 ). Inter-predictor 218 may derive the gradient image, for example, by applying a gradient filter to the interpolated image.
  • the gradient image may be any image that indicates the amount of spatial variation in pixel values along the horizontal or vertical direction.
  • the inter prediction unit 218 uses the interpolated images (I 0 , I 1 ) and the gradient images (Ix 0 , Ix 1 , Iy 0 , Iy 1 ) for each of a plurality of sub-blocks that make up the current block.
  • An optical flow (vx, vy), which is a velocity vector of , is derived (step Sy_14).
  • a sub-block may be a sub-CU of 4x4 pixels.
  • the inter prediction unit 218 corrects the predicted image of the current block using the optical flow (vx, vy). For example, the inter prediction unit 218 uses the optical flow (vx, vy) to derive the correction value of the pixel value included in the current block (step Sy_15). Then, the inter prediction unit 218 may correct the predicted image of the current block using the correction value (step Sy_16). Note that the correction value may be derived for each pixel, or may be derived for a plurality of pixels or sub-blocks.
  • BIO processing flow is not limited to the processing disclosed in FIG. Only a part of the processes disclosed in FIG. 95 may be performed, different processes may be added or replaced, or the processes may be performed in a different order.
  • FIG. 96 is a flowchart showing an example of prediction image correction by LIC in the decoding device 200 .
  • the inter prediction unit 218 uses MV to obtain a reference image corresponding to the current block from the decoded reference picture (step Sz_11).
  • the inter prediction unit 218 extracts information indicating how the luminance value of the current block has changed between the reference picture and the current picture (step Sz_12). This extraction is specified by the luminance pixel values of the decoded left adjacent reference region (peripheral reference region) and the decoded upper adjacent reference region (peripheral reference region) in the current picture and the derived MV, as shown in FIG. 66A. This is done based on the luminance pixel value at the equivalent position in the reference picture. The inter prediction unit 218 then calculates a luminance correction parameter using information indicating how the luminance value has changed (step Sz_13).
  • the inter prediction unit 218 generates a prediction image for the current block by performing luminance correction processing that applies the luminance correction parameter to the reference image in the reference picture specified by MV (step Sz_14). That is, correction based on the brightness correction parameter is performed on the predicted image, which is the reference image in the reference picture specified by the MV. In this correction, luminance may be corrected, and color difference may be corrected.
  • the prediction control unit 220 selects either an intra-predicted image or an inter-predicted image, and outputs the selected predicted image to the adding unit 208 .
  • the configurations, functions, and processes of prediction control section 220, intra prediction section 216, and inter prediction section 218 on the decoding device 200 side are similar to prediction control section 128, intra prediction section 124, and inter prediction section 128 on the encoding device 100 side. It may correspond to the configuration, function, and processing of unit 126 .
  • VVC Very Video Coding subpicture
  • a feature of VVC subpictures is that they are designed so that they can be easily extracted from and merged into the bitstream.
  • FIG. 97 shows exemplary VVC sub-picture extraction.
  • the first bitstream includes two subpictures: subpicture 971 with subpicture index 0 and subpicture 972 with subpicture index 1 .
  • a sub-picture within a full-picture is identified by a sub-picture index.
  • one subpicture can be extracted (S977) to create a new bitstream (second bitstream).
  • each subpicture is assigned a unique subpicture identifier (subpicture ID) that can be mapped to the subpicture index of the subpicture within the full picture.
  • subpicture ID subpicture identifier
  • SPS Sequence Parameter Set
  • PPS Picture Parameter Set
  • unique refers to the unambiguous identification of sub-pictures within one or more video pictures to which SPS or PPS are applicable.
  • the new bitstream now consists of a subpicture 975 corresponding to the extracted subpicture 972, but with a subpicture index of 0. This is because a subpicture index identifies a subpicture only within a full picture.
  • the subpicture index is 0 (instead of 1, which subpicture 972 had in the first bitstream).
  • the sub-picture ID of the sub-picture 975 is the same as that of the sub-picture 972, the sub-picture is uniquely identified.
  • Subpictures were originally designed for immersive video. However, according to some aspects of this disclosure, subpictures may also be used in other applications.
  • a content provider offers a mosaic of multiple pictures from which the user can select one or more pictures for display, as shown in FIG.
  • Mosaic in this context refers to an arrangement of multiple sub-pictures that may be displayed to a user to allow the user to select one or more of the multiple sub-pictures.
  • FIG. 98 An example of a personalization service is shown in FIG. 98, where a provider provides a mosaic picture 981 composed of multiple VVC subpictures (with subpicture IDs 0, 1, 2 and 3) from which the user can select which picture You can choose to display
  • the mosaic has 4K resolution, while the sub-picture has HD (High Definition) resolution.
  • a mosaic picture is a still image, which is a single picture, or a video, which is multiple pictures.
  • the user selects one sub-picture, namely the sub-picture with sub-picture ID 1 (S983).
  • Selection can be made in any known manner, such as entering a subpicture index via a remote control, keyboard or numeric keys.
  • the input may be assisted by a graphical user interface that allows highlighting of the currently (preliminarily) selected subpicture 985 .
  • a selection may then be made by confirming the preliminary selection, such as by pressing an OK button, enter, another confirmation input, or a voice command.
  • a selected sub-picture 989 may then be extracted and decoded from the mosaic bitstream (S987) and displayed in HD resolution.
  • extraction means that the sub-bitstreams of the sub-pictures are separated without necessarily decoding the sub-bitstreams carrying the remaining sub-pictures (0, 2 and 3) of the full (mosaic) picture 981 ( be deciphered).
  • Decoding refers to reconstructing the sub-pictures from the bitstream, eg for the purpose of displaying them on a display device.
  • 4K resolution generally refers to a picture resolution of approximately 8 megapixels, roughly corresponding to a vertical or horizontal size of 4000 pixels.
  • the pixels correspond to luminance samples, for example.
  • Pictures with 4K resolution are also referred to as 4K pictures.
  • a 4K picture may have different vertical and horizontal sizes.
  • 4K pictures may also have various different aspect ratios such as 4096x2160, 3996x2160, 3996x1716, 3840x2160 or 3840x2400. These numbers indicate the number of columns by the number of rows, or horizontal by vertical resolution in units of pixels (samples).
  • HD resolution or full HD resolution typically refers to a picture resolution of 1920x1080, resulting in approximately 4 megapixels per picture. However, the term may also apply to other aspect ratios around 4 megapixels.
  • Some known codec technologies such as VVC or HEVC, have mechanisms for dividing a picture into multiple regions, such as slices and/or tiles, for encoding and decoding. Slices and tiles are supported only if their size is an integer multiple of a certain preset coding unit size.
  • Such preset coding unit size may be the size of a coding tree unit, may be fixed (defined in the standard), or may be for a sequence of pictures, or for pictures, etc. It may be configurable.
  • sub-pictures are added with a mechanism that eliminates dependencies with other regions, making it possible to encode and decode multiple sub-pictures completely independently. be.
  • VVC Video Coding Extension
  • FIG. 99 shows difficulties in creating a 4K mosaic video 990 from 2 ⁇ 2 HD videos 991, 992, 993 and 994.
  • Packing the 4 HD videos as a 2 ⁇ 2 array into a 4K Mosaic Video 990 the bottom border of the top HD video does not correspond to a CTU boundary and therefore cannot correspond to a subpicture boundary. This precludes the use of one sub-picture per HD video.
  • CTU 998 placed across the boundary of HD videos 992 and 994 .
  • the lower boundary of the HD video does not correspond to the CTU boundary means that the lower boundary of the HD video and the CTU boundary do not match.
  • the HD pictures are video pictures.
  • the present disclosure is equally applicable to still pictures. Codecs like VVC, HEVC or EVC support a still picture mode in which still pictures are encoded instead of video. In such mode no temporal prediction is applied. This disclosure is also equally applicable to any still image codec (including those that do not support video coding).
  • Diagram 100 shows a specific non-limiting exemplary implementation that can be applied to address the above difficulties.
  • Four HD videos 1001, 1002, 1003 and 1004 of 1920 ⁇ 1080 resolution are packed into a 4K mosaic video 1000 of 3840 ⁇ 2160 resolution encoded with a CTU size of 128 ⁇ 128.
  • 72 padding pixel rows 1006 are added above the video signal to allow one subpicture per HD video.
  • a padding pixel row 1006 is added above the mosaic picture 1000 so that subpictures 1001 and 1002 have a vertical size of 1152 pixels corresponding to 9 CTUs instead of an HD vertical size of 1080 pixels.
  • the remaining subpictures 1003 and 1004 maintain the HD vertical size of 1080 pixels. This is possible because known codecs typically have some mechanism for handling full picture dimensions that do not align to integer multiples of the CTU size at the bottom and right edges of the picture.
  • each of the four subpictures 1001, 1002, 1003 and 1004 can be encoded independently of the other subpictures, even though only the top subpictures 1001 and 1002 are integer multiples of the CTU size.
  • padding pixel rows are similarly added to the lower side of the sub-pictures without using the above mechanism so that the sub-pictures are encoded after making the CTU size an integer multiple.
  • the subpicture may be coded after adding a few rows of padding pixels to the bottom of the subpicture to a size that allows the above mechanism to work efficiently.
  • the resulting mosaic picture may be larger than 4K and contain useless padding pixel rows. Therefore, in the decoding device the padding pixels may be removed before display or further processing.
  • a VVC conformance cropping window may be used to remove padding pixels.
  • cropping corresponds to trimming.
  • VVC subpictures are designed to share the same conformance cropping window as full pictures.
  • the VVC conformance cropping window is rewritten based on the position of the sub-picture within the full picture.
  • FIG. 101 shows a table of examples of different settings for sub-pictures and mosaic video encoded with different CTU sizes.
  • the picture has a 4:2:0 chroma format where the width in the chroma samples is half the width in the luma samples and the height in the chroma samples is half the height in the luma samples. be.
  • This table also contains signaling information that may be associated with each configuration in the VVC SPS (Sequence Parameter Set).
  • chrominance is subsampled, such signaling per chroma sample may offer advantages over signaling per luma sample. This narrows the range of values and makes the signaling more compact.
  • the present disclosure is not limited to specific units indicating size (dimension). Signaling regarding luma samples may also be done, especially if chrominance is not sub-sampled.
  • the first column of the table shows the syntax element name.
  • the second column of the table shows the value settings for each syntax element name in a scenario where there is 2x2 HD video combined into one 4K mosaic picture and the CTU size is 128x128 as in Figure 100. indicates
  • the third column of the table shows the value settings for each syntax element name in a scenario where there is 2x2 HD video combined into one 4K mosaic picture and the CTU size is 64x64.
  • Column 4 of the table shows the value settings for each syntax element name in a scenario where there are 2 ⁇ 2 4K videos combined into one 8K mosaic picture and the CTU size is 128 ⁇ 128.
  • the table in FIG. 101 shows the SPS elements described below.
  • the parameter sps_pic_width_max_in_luma_samples indicates the maximum width in luma samples of each decoded full picture that references the SPS.
  • the parameter sps_pic_height_max_in_luma_samples indicates the maximum height in luma samples of each decoded full picture that references the SPS.
  • the parameter pps_pic_width_in_luma_samples indicates the width in luma samples of each decoded full picture that references the PPS and is less than or equal to sps_pic_width_max_in_luma_samples signaled in the referenced SPS.
  • the parameter pps_pic_height_in_luma_samples indicates the height in luma samples of each decoded full picture referencing the PPS, less than or equal to sps_pic_height_max_in_luma_samples signaled in the referenced SPS.
  • the parameter sps_conformance_window_flag when equal to 1, indicates that the conformance cropping window offset parameter follows in SPS.
  • sps_conformance_window_flag if equal to 0, indicates that the conformance cropping window offset parameter is not present in the SPS.
  • sps_conf_win_left_offset, sps_conf_win_right_offset, sps_conf_win_top_offset and sps_conf_win_bottom_offset indicate cropping windows.
  • pps_pic_width_in_luma_samples equals sps_pic_width_max_in_luma_samples and pps_pic_height_in_luma_samples equals sps_pic_height_max_in_luma_samples indicates the cropping window in samples.
  • the conformance cropping window offset parameter is applied only at the output. All internal decoding processes are applied to the uncropped picture size.
  • sps_conf_win_top_offset not equal to 0 as in the example of FIG. 101
  • the value of sps_conformance_window_flag is equal to 1.
  • the parameter sps_num_subpics_minus1 plus 1 indicates the number of subpictures in each picture of the video sequence. If not present, the value of sps_num_subpics_minus1 is assumed to be equal to zero.
  • the parameter sps_independent_subpics_flag if equal to 1, indicates that all sub-picture boundaries in the video sequence are treated as picture boundaries, there is no loop filtering across sub-picture boundaries, and sub-pictures in a picture can be decoded independently of each other. . If not present, the value of sps_independent_subpics_flag is assumed to be equal to one.
  • sps_subpic_width_minus1[i] plus 1 indicates the width of the i-th subpicture in units of CtbSizeY, which is the CTU width in luma samples used in the bitstream.
  • the parameter sps_subpic_height_minus1[i] plus 1 indicates the height of the i-th subpicture in CtbSizeY units, which is the CTU height in luma samples used in the bitstream.
  • CTU is defined by a single size CtbSizeY both vertically and horizontally in luminance samples, as it is assumed to be square.
  • the parameter sps_subpic_same_size_flag when equal to 1, indicates that all sub-pictures in the video sequence have the same width indicated by sps_subpic_width_minus1[0] plus 1 and the same height indicated by sps_subpic_height_minus1[0] plus 1. If sps_subpic_same_size_flag is equal to 0, no such constraint is imposed. If not present, the value of sps_subpic_same_size_flag is assumed to be equal to zero.
  • the table in FIG. 101 shows exemplary settings that may be used to implement subpicture padding to multiples of the CTU size.
  • the second column of the table shows a 4K mosaic picture (full picture) embedded with 4 HD videos arranged in 2 rows and 2 columns, with a CTU size of 128 ⁇ 128 (corresponding to the example in FIG. 100).
  • the signaling by setting sps_num_subpics_minus1 to 3 (meaning 4 subpictures), sps_independent_subpics_flag to 1, and sps_subpic_same_size_flag to 1 (indicating that all subpictures have the same size) can be done.
  • a mosaic picture before conformance cropping has a resolution of 3840 (width) x 2232 (height).
  • the width 3840 is equal to 30 times the CTU size of 128 samples, but the height 2232 is not divisible by 128.
  • a width of 30 CTUs per mosaic picture means 15 CTUs per subpicture, so a value of 14 is signaled by sps_subpic_width_minus1[0]. Based on sps_subpic_height_minus1[0] with a value of 8, the height of each subpicture is 9 CTU, resulting in a height of 2304 samples.
  • the decoding device hierarchically divides the coding unit blocks at the bottom boundary of the image so that the blocks cover only the resolution height of 2232 luma samples. , so as not to cover more. This means that the 72 rows where there are no "pixels" of luma samples will not be decoded at the lower boundary.
  • an upper conformance cropping window offset with a value of 36 is signaled. Therefore, 72 rows of luma samples (4:2:0 video in FIG. 101 is assumed, the number of luma samples is twice the number of chroma samples) and 36 rows of chroma samples are cropped at the decoder from the top of the picture. So, after applying conformance cropping, we have a decoded picture with a resolution of 3840 ⁇ 2160.
  • a method for encoding a picture 1000 into a bitstream.
  • This picture contains one or more subpictures 1001 , 1002 , 1003 , 1004 .
  • the method is illustrated in Figure 102 and includes obtaining a first sub-picture from two or more sub-pictures of a (mosaic) picture (S1021).
  • the size of the first sub-picture in at least one direction is not an integral multiple of the preset coding unit size.
  • the height was not an integer multiple of the CTU size.
  • the horizontal (width) direction may not be an integer multiple of the CTU size.
  • the CTU in the above example was a square, so it was the same size in both dimensions, but similar processing is possible if the CTU is a rectangle with different widths and heights.
  • the preset coding unit size is the CTU size, but it is not limited to this, and may be fixed (defined in the standard), or may be a sequence of pictures. , or may be settable for pictures or the like.
  • the method further includes padding (1023) the first sub-picture in at least one direction (eg, width or height) to reach a size that is an integer multiple of the preset coding unit size.
  • padding may be performed to achieve the size of the nearest integer multiple of the preset coding unit size. Padding is done before the actual encoding and may be understood as part of the encoding or as a kind of pre-processing before encoding, for example.
  • the method employs a step S1025 of encoding one or more sub-pictures including the padded first sub-picture (eg 1001, 1002) into a bitstream.
  • the padded first subpicture and the remaining subpictures of the picture are coded independently of each other.
  • the bitstream has the advantageous property that the sub-pictures are also independently decodable, thus allowing parallel decoding to be employed.
  • the method includes step S1027 of encoding cropping information indicating the amount of padding into the bitstream.
  • the cropping information was indicated in the bitstream as a parameter of the cropping window, eg, as predicted in VVC.
  • a parameter of the cropping window eg, as predicted in VVC.
  • different syntax elements may be used and the method need not apply to codecs that already have cropping windows. Rather, syntax containing such cropping information may be added to any codec.
  • the bitstream contains cropping information within the parameter set applicable to the picture.
  • the parameter set was the SPS known from VVC and other codecs.
  • the present disclosure is not limited to such specific parameter sets. Rather, any parameter set embedded in the bitstream in any manner may be used.
  • a parameter set could be a PPS, or some hypothetical parameter set, or the parameters could be embedded within another structure.
  • the first sub-picture is padded with the first number of top rows and/or the first number of left columns of samples.
  • the number of padding rows is added (prepended) to the sub-picture above.
  • the number of padding columns is added (prepended) to the left subpicture.
  • additional rows of padding left and/or top non-border subpictures for each vertical or horizontal padding may not be required.
  • the cropping information indicates the number of first upper sample rows and/or the number of first left sample columns in luminance sample units or chrominance sample units. For some implementations, this may be the same as indicating the number of first top rows of samples and/or the number of first left columns of samples that are padded.
  • FIG. 103 shows an example of a method for decoding sub-pictures from a bitstream.
  • the method includes decoding (S1031) cropping information from the bitstream indicating an amount of cropping in at least one direction (also called dimension, meaning, for example, vertical and/or horizontal).
  • the method includes step S1033 of decoding the sub-pictures from the bitstream.
  • a subpicture is the first subpicture of two or more subpictures of a (mosaic) picture contained in the bitstream. Two or more subpictures are independently decodable from each other.
  • the size of the decoded first sub-picture in at least one direction is an integer multiple of the preset coding unit size.
  • the method further includes cropping the decoded first sub-picture according to the indicated cropping amount in at least one direction S1035. Cropping may be implemented by simply discarding (deleting) padded rows and/or columns (during the encoding method as described with reference to FIG. 102) at the encoder side.
  • the method may further comprise outputting the cropped sub-picture (S1037), eg, for display purposes or for further processing purposes.
  • a bitstream contains cropping information in parameter sets applicable to pictures.
  • the parameter set may be SPS, PPS, or any general parameter set.
  • the cropping information indicates the number of first top rows and/or first left columns of samples to be removed from the first decoded sub-picture.
  • FIG. 104 is a flowchart showing a more detailed processing example for creating a mosaic bitstream.
  • width equals 1920 and height equals 1080.
  • Other values may be, for example, 3840 for width and 2160 for height.
  • the CTU size 'ctusize' is selected for mosaic encoding (S1042).
  • One such value of ctusize may be equal to 128 for a CTU of size 128 ⁇ 128 pixels, for example.
  • Another possible value might be 64 for a 64 ⁇ 64 pixel size CTU.
  • selection steps S1041 and S1042 are exemplary and may, but do not necessarily include, actual selection based on criteria or conditions.
  • sub-pictures eg, HD video
  • S1041 sub-pictures
  • they are inputs to processing as specified by the embodiments of this disclosure.
  • selecting the CTU size may correspond to simply obtaining the CTU size.
  • the CTU size may be fixed, for example given by the applied codec or the encoding application that uses the codec, or may be selected by the application or by the user of the encoding application.
  • the CTU size, or the size of the basic coding unit may also differ in different directions, resulting in It may be non-square.
  • steps S1043 and S1044 correspond to height processing.
  • the variable "subpichgt" representing the height of the subpicture in CTU units
  • the nearest integer value (floor function) less than the sum of height and ctusize minus 1 divided by ctusize is calculated as follows (S1043 ) is done.
  • variable "padrows" representing the number of padding pixel rows to be added above the mosaic video is determined as follows by multiplying subpichgt by ctusize and subtracting height (S1044).
  • variable subpichgt 9 and the variable padrows equals 72.
  • subpicwdt floor ((width+ctusize-1) / ctusize)
  • variable "padcols" representing the number of padding pixel columns to be added to the left of the mosaic video is determined as follows by multiplying subpicwdt by ctusize and subtracting width (S1046).
  • padcols subpicwdt*ctusize-width
  • variable subpicwdt 15 and the variable padcols equals zero.
  • the mosaic video is then created by concatenating the four videos into a 2-by-2 grid and adding padrows padding pixel rows above the videos and padcols padding pixel columns to the left of the videos. (S1047).
  • the mosaic video is encoded (S1048), eg, in VVC, and the associated SPS (Sequence Parameter Set) syntax elements are set to create a mosaic bitstream.
  • sps_pic_width_max_in_luma_samples is set equal to the sum of double width and padcols.
  • sps_pic_height_max_in_luma_samples is set equal to the sum of double height and padrows.
  • the sps_conformance_window_flag is set to 1 to signal that there is a conformance cropping window with a non-zero offset.
  • the top and left offsets of the conformance cropping window are set based on the padrows, padcols, and chrominance format of the video content.
  • the number of subpictures in the mosaic video sps_num_subpics_minus1 is set equal to 3 to signal the presence of 4 subpictures corresponding to the 4 videos in the mosaic. Also, the sub-pictures are signaled as independently coded by setting sps_independent_subpic_flag equal to 1, which allows all sub-pictures to be decoded individually.
  • the sps_subpic_same_size_flag is also set to 1 to signal that all four subpictures have the same size in CTU size units.
  • the size of each subpicture is also signaled by setting sps_subpic_width_minus1[0] and sps_subpic_height_minus1[0] to subpicwdt minus 1 and subpichgt minus 1, respectively. Then, the resulting mosaic bitstream is output and the process ends.
  • the (mosaic) picture has 4K resolution and the two or more sub-pictures are two or four sub-pictures, each with HD (High Definition) resolution.
  • 4K resolution may correspond to dimensions of 3840 ⁇ 2160 samples
  • HD resolution may correspond to dimensions of 1920 ⁇ 1080 samples.
  • the present disclosure is not limited to 4K/HD. As shown in the last column of the table in FIG. 101, 8K or other resolutions may be used for mosaic pictures, and resolutions other than HD may be used for sub-pictures.
  • the resolution of any picture and/or sub-picture may be signaled in the bitstream.
  • both the encoder and decoder operate at a signaled resolution, e.g. given the width and height in samples or in some predefined units such as coding units. may be configured to
  • the cropping information includes VVC conformance cropping window syntax elements such as sps_conformance_window_flag, sps_conf_win_top_offset and/or sps_conf_win_left_offset.
  • VVC conformance cropping window tools This allows existing VVC conformance cropping window tools to be used for the specific purpose of providing sub-pictures (parts of the bitstream) that can be independently encoded and decoded. It may be advantageous to use SPS for conformance cropping window signaling.
  • SPS conformance cropping window signaling
  • this disclosure is not limited to SPS, nor is it limited to application in the context of VVC encoding and decoding in general.
  • the same syntax element may be conveyed with different parameter sets (PPS, VPS, SEI, etc.). Codecs known or to be developed may implement the present disclosure.
  • the subpictures may be encoded separately from each other. Therefore, they may be encoded in parallel, at least in part. This may speed up the encoding process.
  • the encoding method includes including in the bitstream a parameter set that includes settings for two or more sub-pictures within a picture. Additionally, the method includes providing a subpicture identification for a subpicture within the bitstream such that the identification is associated with the encoded bitstream portion that includes the identified subpicture. As noted above, the encoding method also includes encoding the subpictures identified by their respective subpicture identifications into the bitstream.
  • a bitstream generated by an encoding device may provide a subpicture identification in the bitstream so that a decoding device can retrieve portions of the bitstream containing the desired subpictures without having to decode portions of the bitstream containing other subpictures.
  • bitstream is a Versatile Video Coding (VVC) compliant bitstream.
  • VVC Versatile Video Coding
  • a parameter set is a sequence parameter set (SPS) or a picture parameter set (PPS).
  • the number of subpictures in a picture is given by sps_num_subpics_minus1. Whether the sizes of multiple subpictures of a picture are the same is given by sps_subpic_same_size_flag.
  • the size of multiple subpictures in at least one direction is given by sps_subpic_width_minus1 and/or sps_subpic_height_minus1.
  • the size of the picture in at least one direction is given by the parameters described above: sps_pic_width_max_in_luma_samples and/or sps_pic_height_max_in_luma_samples.
  • This disclosure is not limited to using features of VVCs or sub-pictures within VVCs. In general, it may be advantageous to provide at least one of the following indicators to support subpictures.
  • two or more decoded sub-pictures have the same size in at least one direction, and in at least one direction the pictures are consecutive It may be advantageous to ensure that the first sub-picture and the second sub-picture that are aligned consist. No padding or cropping is applied to the decoded second subpicture.
  • sub-pictures at the bottom and/or right boundary of a picture are aligned in the vertical and/or horizontal direction (dimension ) need not be an integer multiple of the CTU size.
  • Such boundary subpictures may be processed by other mechanisms, such as existing mechanisms of existing codecs.
  • One such existing mechanism is hierarchical partitioning of CTUs at picture boundaries (ie, partitioning).
  • the second subpicture (eg, 1003 and/or 1004) is included in the bitstream according to the bitstream syntax and is segmented in at least one direction as follows.
  • the remaining coding units are further hierarchically segmented into smaller coding units.
  • Some smaller coding units may be square or rectangular. Such segmentation is hierarchically repeated until picture boundaries and coding unit boundaries coincide. Note that additional padding to the bottom/right of the second sub-picture may reduce the number of hierarchically repeated segmentations.
  • the size of the second sub-picture is an integral multiple of the CTU size by padding the bottom/right of the second sub-picture without using the above mechanism at the bottom/right boundary of the picture.
  • the values of sps_conf_win_bottom_offset and sps_conf_win_right_offset may be set according to the number of padding pixel rows added. Also, in this case, values may be added to sps_pic_width_max_in_luma_samples and sps_pic_height_max_in_luma_samples.
  • all subpictures in a picture have the same size in at least one direction.
  • a picture consists of two or more subpictures arranged in succession. Padding (at the encoder) and corresponding cropping (at the decoder) are applied to all two or more subpictures in at least one direction. This implementation works independently regardless of the specific handling of picture boundaries by the codec to which it applies.
  • bitstream structure that allows independent encoding and decoding of sub-pictures.
  • independent encodability and decodability may be achieved in synergy with existing frameworks such as independently encodable and decodable bitstream structures provided by existing codecs. good.
  • a bitstream includes pictures encoded with multiple slices and multiple tiles.
  • Each slice and each tile contains data corresponding to only one subpicture.
  • slices and tiles are parts of a picture that can be encoded independently, ie the entropy encoder/decoder is restarted at least for each new slice or tile.
  • each sub-picture of a picture is encoded into a single slice and a single tile. Since there is only one slice/tile per subpicture, such encoding and corresponding decoding is efficient and reduces syntax overhead. Moreover, such a setting simplifies the operation of the decoding device when extracting one sub-picture from the mosaic bitstream into the sub-bitstream and decoding the sub-picture, as described below.
  • the slicing and tiling settings may be provided within the bitstream, particularly within a parameter set such as the PPS.
  • the parameter pps_no_pic_partition_flag when equal to 1, indicates that no picture partitioning is applied to each picture referencing the PPS.
  • the parameter pps_no_pic_partition_flag when equal to 0, indicates that each picture referencing the PPS may be partitioned into multiple tiles or multiple slices.
  • pps_num_exp_tile_columns_minus1 plus 1 indicates the number of tile column widths explicitly provided.
  • the value of pps_num_exp_tile_columns_minus1 ranges from 0 to PicWidthInCtbsY-1. If pps_no_pic_partition_flag is equal to 1, the value of pps_num_exp_tile_columns_minus1 is assumed to be equal to 0.
  • PicWidthInCtbsY is a variable that indicates the size (width) of the picture in multiples of CTU in the horizontal direction.
  • a CTU is referred to herein as a CTB (coding tree block).
  • pps_num_exp_tile_rows_minus1 plus 1 indicates the number of tile row heights explicitly provided.
  • the value of pps_num_exp_tile_rows_minus1 should range from 0 to PicHeightInCtbsY-1. If pps_no_pic_partition_flag is equal to 1, the value of num_tile_rows_minus1 is assumed to be equal to 0.
  • PicHeightInCtbsY is a variable that indicates the size (height) of the picture in multiples of CTU in the vertical direction.
  • the parameter pps_tile_column_width_minus1[i] plus 1 indicates the width in CTB units of the i-th tile column for i ranging from 0 to pps_num_exp_tile_columns_minus1.
  • the parameter pps_tile_column_width_minus1 [pps_num_exp_tile_columns_minus1] is also used to derive the width of the tile column whose index is greater than pps_num_exp_tile_columns_minus1.
  • pps_tile_column_width_minus1[i] ranges from 0 to PicWidthInCtbsY-1. If not present, the value of pps_tile_column_width_minus1[0] is assumed to be equal to PicWidthInCtbsY-1.
  • the parameter pps_tile_row_height_minus1[0] plus 1 indicates the height of the i-th tile row for i ranging from 0 to pps_num_exp_tile_rows_minus1 in CTB units.
  • the parameter pps_tile_row_height_minus1 [pps_num_exp_tile_rows_minus1] is also used to derive the height of the tile row whose index is greater than pps_num_exp_tile_rows_minus1.
  • pps_tile_row_height_minus1[i] ranges from 0 to PicHeightInCtbsY-1. If not present, the value of pps_tile_row_height_minus1[0] is assumed to be equal to PicHeightInCtbsY-1.
  • pps_loop_filter_across_tiles_enabled_flag when equal to 1, indicates that in-loop filtering across tile boundaries is enabled for pictures referencing PPS.
  • pps_loop_filter_across_tiles_enabled_flag if equal to 0, indicates that in-loop filtering across tile boundaries is disabled for pictures referencing PPS.
  • In-loop filter operations include deblocking filter, SAO and ALF operations. If pps_loop_filter_across_tiles_enabled_flag is not present, the value of pps_loop_filter_across_tiles_enabled_flag is assumed to be equal to 0.
  • the parameter pps_rect_slice_flag when equal to 0, indicates that raster scan slice mode is used for each picture referencing the PPS and slice layout is not signaled in the PPS.
  • pps_rect_slice_flag when equal to 1, indicates that rectangular slice mode is used for each picture referencing the PPS and the slice layout is signaled in the PPS. If not present, the value of pps_rect_slice_flag is assumed to be equal to one.
  • pps_single_slice_per_subpic_flag when equal to 1, indicates that each subpicture consists of only one rectangular slice.
  • pps_single_slice_per_subpic_flag if equal to 0, indicates that each subpicture may consist of one or more rectangular slices. If pps_no_pic_partition_flag is equal to 1, then the value of pps_single_slice_per_subpic_flag is assumed to be equal to 1.
  • pps_single_slice_per_subpic_flag 1 means that there is only one slice per picture.
  • the parameter pps_loop_filter_across_slices_enabled_flag when equal to 1, indicates that in-loop filtering across slice boundaries is enabled for pictures referencing PPS.
  • the parameter pps_loop_filter_across_slice_enabled_flag if equal to 0, indicates that in-loop filtering across slice boundaries is disabled for pictures referencing PPS.
  • In-loop filter operations include deblocking filter, SAO and ALF operations. If pps_loop_filter_across_slices_enabled_flag is not present, the value of pps_loop_filter_across_slices_enabled_flag is assumed to be equal to 0.
  • the above parameters are exemplary and based on VVC. They allow different settings of slices and tiles to match different possible sizes of the sub-pictures that make up the mosaic picture. They show that subpictures of arbitrary size and shape may be encoded and decoded independently using slices and tiles.
  • each subpicture consists of only one tile and one slice as described above. It may be useful to indicate that Thus, an encoder may set the relevant PPS (Picture Parameter Set) syntax elements for the examples of FIGS. 100 and 101 as follows.
  • PPS Picture Parameter Set
  • pps_no_pic_partition_flag 0
  • pps_num_exp_tile_columns_minus1 0
  • pps_num_exp_tile_rows_minus1 0
  • pps_tile_column_width_minus1[0] sps_subpic_width_minus1[0]
  • pps_tile_row_height_minus1[0] sps_subpic_height_minus1[0]
  • pps_loop_filter_across_tiles_enabled_flag 0
  • pps_rect_slice_flag 1
  • pps_single_slice_per_subpic_flag 1 (9)
  • pps_loop_filter_across_slices_enabled_flag 0
  • the PPS corresponding to the extracted sub-pictures can be rewritten very simply by simply setting the syntax element pps_no_pic_partition_flag equal to 1 and simply discarding the remaining parameters from the PPS. good.
  • PPS rewriting refers to the procedure performed when separating a sub-bitstream corresponding to a sub-picture from a bitstream of a mosaic picture for the purpose of decoding only the sub-bitstream corresponding to the sub-picture at a decoding device.
  • Another possibility that simplifies the rewriting of the PPS when extracting one of the sub-pictures may be to indicate that each sub-picture consists of only one tile.
  • the PPS syntax would be the same as above, except that pps_single_slice_per_subpic_flag would be equal to 0, and there would be syntax in the PPS to signal the slice size and location.
  • the decoding device can use information from the PPS of the entire bitstream to determine and decode the tiles/slices contained within the sub-pictures. PPS may not be rewritten.
  • the present disclosure is not limited to codecs that support VVC or one or both of slices and tiles.
  • FIG. 105 shows a flowchart for receiving, deciphering/decoding a mosaic bitstream on the decoding device side.
  • a mosaic bitstream is a bitstream containing an encoded picture (still or video) consisting of multiple subpictures that can be decoded independently of the decoding of other subpictures of the picture.
  • the user can select one of the sub-pictures that make up the mosaic as the preferred picture for display. This may be done by an application that includes a graphical user interface that provides the user with a selection of sub-pictures, or may be done based on previously captured user preferences or the like.
  • subpictures for display may not be selected.
  • embodiments of the present disclosure are also applicable to some intermediate encoding or recording, etc., in which case immediate display may not occur, while one or more subpictures ( (not all) substreams may be decoded and/or stored.
  • decoding may simply be extracting the relevant part belonging to the selected (one or more) sub-pictures from the bitstream and rewriting the corresponding parameter sets, etc., or such extraction and May include rewriting.
  • the selection for example, decodes and displays the entire mosaic video (not necessarily all frames of the video, but possibly one or more mosaic picture frames, etc.), and displays the mosaic to the user. It is presented to the user by asking him to select one of the videos to compose.
  • the variable selID represents the subpicture identifier corresponding to this preferred (selected) subpicture.
  • the variables are obtained by the method of associating displayed subpictures with subpicture indices, as described above with reference to FIGS.
  • step S1054 the subpicture index spIdx is determined such that selID is equal to sps_subpic_id[spIdx] if the subpicture identifier is signaled in the SPS. Also, if a sub-picture identifier is signaled in the PPS, the sub-picture index spIdx is determined such that selID is equal to pps_subpic_id[spIdx].
  • the sub-picture index spIdx is determined such that selID is equal to spIdx.
  • the sub-picture (spIdx) is sub-picture sub-bitstream extraction processing as described in, for example, the VVC specification (see Annex C.7 (non-patent document) of ITU-T H.266 (08/2020)) is extracted from the mosaic bitstream using spIdx as input.
  • the SPS and PPS for the sub-picture bitstream are rewritten according to the extraction process based on the SPS and PPS for the entire mosaic bitstream.
  • step S1058 the extracted sub-picture bitstream containing only the NAL units corresponding to the sub-picture with identifier selID is decoded and the resulting video selected by the user is displayed instead of the mosaic video. Then the process ends.
  • Arrangements according to some aspects may employ VVC sub-pictures for user personalization of video content, thereby allowing the user to select several different videos for display, aggregated within the mosaic video. is presented. If the bitstream is correctly encoded with sub-pictures as in this disclosure, it is possible to extract and decode only the sub-pictures intended for display at the receiver and thereby not intended for display. To avoid wasting computing resources by not decoding an image.
  • the exemplary embodiment described with reference to FIG. 105 offers the advantage of being easily applicable within the VVC framework.
  • the present disclosure is not limited to such developments of encoding and decoding methods and apparatus.
  • methods for decoding subpictures from a bitstream generally take input from a user that includes a subpicture selection that selects subpictures of a picture without decoding another one or more subpictures of the picture. , decoding the first sub-picture from the bitstream according to the sub-picture selection.
  • another one or more subpictures may not necessarily be all of the rest.
  • the user may select multiple sub-pictures.
  • Decoding in an exemplary implementation parses from the bitstream a parameter set that includes settings for two or more subpictures in the picture and determines subpicture identities for selected subpictures according to the parsed settings. Including.
  • the method decodes from the bitstream a portion of a picture corresponding to a selected subpicture identified by the determined subpicture identification and decodes a portion corresponding to at least one subpicture other than the selected subpicture of the same picture. It may further include not doing.
  • Interpreted settings include, for example, the number of subpictures in a picture, whether the subpictures of a picture are the same size, the size of the subpictures in at least one direction, and the size of the subpictures in at least one direction. Contains at least one of the picture sizes.
  • a picture portion may be one or more NAL units (NALUs), or any bitstream portion that generally corresponds to one or more desired sub-pictures, or the like.
  • NALUs NAL units
  • bitstream generated on the encoding device side may be decoded by the decoding device side, the above features related to the bitstream related to the encoding device side can also be applied to the decoding device side.
  • the mosaic picture Eight padding pixel rows may be added below the .
  • a 4K mosaic picture encoded with a CTU size of 128 ⁇ 128 consists of 4 HD sub-pictures
  • 72 padding pixel rows may be added below the mosaic picture.
  • only 8 padding pixel rows may be added below the mosaic picture to avoid automatic splitting into very narrow rectangular CTUs at the bottom borders of the two bottom subpictures.
  • each sub-picture may be padded to the top and/or left of the sub-picture.
  • Implementations are possible in which the padding is split and some of the multiple lines are added to the top and/or left and the remaining padding lines are added to the bottom and/or right.
  • Some aspects support using conformance cropping windows to enable creation of mosaic video from VVC sub-pictures of sizes that do not correspond to multiples of the CTU size used for encoding.
  • the encoding device is a mosaic bitstream from multiple smaller videos encoded with padding pixel rows that may be above the mosaic or padding pixel columns that may be to the left of the mosaic, one subpicture per video. to create Padding rows or columns are signaled using conformance cropping offsets.
  • the decoding device then extracts the relevant subpictures for the user from the mosaic bitstream, decodes them, and displays only the relevant subpictures, whereby the padding pixels are subdivided according to the signaled conformance cropping offsets. Cropped from picture.
  • the decoding device reduces wastage of computational resources by decoding only sub-pictures intended for display.
  • a row of padding pixels is added to shift the bottom boundary of the video to correspond to the CTU boundary within the mosaic video, allowing sub-picture boundaries to exist at the bottom boundary.
  • padding pixel columns are added to allow sub-picture boundaries to exist at the right boundary.
  • Each sub-picture may contain only one tile to simplify PPS rewriting during sub-picture extraction, or each sub-picture may contain one tile to simplify PPS rewriting during sub-picture extraction. It may contain only slices and one tile.
  • One or more aspects disclosed herein may be implemented in combination with at least some of the other aspects of the present disclosure. Also, part of the processing, part of the configuration of the device, part of the syntax, etc. described in the flowcharts of one or more aspects disclosed herein may be implemented in combination with other aspects.
  • a decoding device for decoding sub-pictures from a bitstream.
  • the decoding device includes processing circuitry.
  • the processing circuitry of the decoding device is configured to decode from the bitstream cropping information indicating the amount of cropping in at least one direction.
  • the processing circuitry is further configured to decode the subpictures from the bitstream.
  • a subpicture is the first subpicture of two or more subpictures of a picture included in the bitstream. Two or more subpictures are independently decodable from each other.
  • the size of the decoded first sub-picture is an integer multiple of the preset coding unit size.
  • the processing circuitry of the decoding device is further configured to crop the decoded first sub-picture according to the indicated cropping amount in at least one direction.
  • a device for encoding a picture including sub-pictures into a bitstream.
  • the apparatus may comprise processing circuitry configured to obtain a first sub-picture of the two or more sub-pictures of the picture. In at least one direction, the size of the first sub-picture is not an integer multiple of the preset coding unit size.
  • the processing circuitry of the encoding device is further configured to pad the first sub-picture in at least one direction to reach a size that is an integral multiple of the preset coding unit size.
  • the processing circuitry is further configured to encode the padded first sub-picture into the bitstream, wherein the padded first sub-picture and the remaining sub-pictures of the picture are encoded independently of each other.
  • the processing circuitry is configured to encode cropping information indicative of the amount of padding into the bitstream.
  • the processing circuitry in the encoding device and/or in the decoding device may be any combination of software and hardware.
  • the processing circuitry may be one or more processors configured by software (code instructions) retrieved from memory.
  • the encoder and/or decoder may include memory. Exemplary implementations of the encoder and decoder are described further below.
  • the processing circuitry of the encoding device and decoding device may be further configured to perform any of the steps described herein for the method.
  • an encoding device may comprise modules implemented in any hardware. Such modules may, for example, be:
  • An input terminal to which at least one image is input (2) A block divider that divides a first image included in at least one image into a plurality of blocks (3) Using a reference image included in the first image , an intra predictor that predicts a block included in the first image; (4) an inter predictor that predicts a block included in the first image using a reference block included in the second image that is different from the first image; ) a loop filter that filters the blocks contained in the first image; (7) a quantizer that quantizes the transform coefficients to generate quantized coefficients; (8) an entropy encoder that variable-length codes the quantized coefficients to generate an encoded bitstream; An output terminal where the coded bitstream containing the quantization coefficients and control information is output.
  • a mosaic bitstream is created from a small video that is encoded with one subpicture per video, including padding pixel rows that can be above the mosaic or padding pixel columns that can be to the left of the mosaic. be.
  • a padding row or padding column is signaled using a conformance cropping offset.
  • the decoding device may include the following modules.
  • Input terminal to which encoded bitstream is input (2) Decoder (entropy decoder, etc.) that decodes encoded bitstream and outputs quantization coefficients (3) An inverse quantizer that inversely quantizes the quantized coefficients and outputs transform coefficients (4) An inverse transformer that inverse transforms the transform coefficients and outputs prediction errors (5) A reference picture included in the first image (6) an inter predictor that predicts a block included in the first image using a reference block included in the second image that is different from the first image; ) A loop filter that filters blocks included in the first image. (8) An output terminal to which a picture including the first image is output.
  • the input terminal extracts the sub-pictures to be decoded that are relevant to the user from the mosaic bitstream, and the output terminal displays only the relevant sub-pictures, whereby the padding pixels are the signaled conformance cropping offsets. are cropped from subpictures according to
  • padding pixel rows are added and the lower boundary of the video in the mosaic video is shifted to correspond to the CTU boundary, thereby allowing sub-picture boundaries to exist at the lower boundary.
  • a padding pixel column is added to shift the right boundary of the video in the mosaic video to correspond to the CTU boundary, thereby allowing subpicture boundaries to exist at the right boundary.
  • each subpicture may contain only one tile.
  • each subpicture may contain only one slice and one tile.
  • a program includes code instructions stored on a computer-readable, non-transitory medium.
  • the code instructions when executed by one or more processors, cause the one or more processors to perform any of the methods described above.
  • the bitstream includes cropping information in the parameter set applicable to the picture, and the cropping information is removed from the first decoded subpicture. indicates the first top row number of samples and/or the first left sample column number.
  • the cropping information includes VVC conformance cropping window syntax elements sps_conformance_window_flag, sps_conf_win_top_offset, and/or sps_conf_win_left_offset.
  • the encoder-side method and corresponding encoder further take input from a user including a sub-picture selection that selects a first sub-picture of a picture, without decoding other sub-pictures of the picture. , decoding the first sub-picture according to the sub-picture selection from the bitstream.
  • decoding reads from the bitstream a parameter set that includes settings for two or more subpictures in the picture, determines a subpicture identity for the selected first subpicture according to the settings that are read, and determines decoding from the bitstream of the picture a portion corresponding to the selected first subpicture identified by the selected subpicture identification, and decoding a portion corresponding to at least one subpicture other than the selected first subpicture of the same picture; Including what not to do.
  • the settings read may be the number of subpictures in a picture, whether subpictures of a picture are the same size, the size of subpictures in at least one direction, and the size of subpictures in at least one direction. Contains at least one of the picture sizes.
  • the bitstream is a VVC (Versatile Video Coding) compliant bitstream
  • the parameter set is a sequence parameter set (SPS) or a picture parameter set (PPS).
  • SPS sequence parameter set
  • PPS picture parameter set
  • the number of subpictures in a picture is given by sps_num_subpics_minus1, and whether or not the sizes of a plurality of subpictures in a picture are the same is given by sps_subpic_same_size_flag.
  • the size of multiple subpictures in at least one direction is given by sps_subpic_width_minus1 and/or sps_subpic_height_minus1. Also, the size of the picture in at least one direction is given by sps_pic_width_max_in_luma_samples and/or sps_pic_height_max_in_luma_samples.
  • two or more decoded sub-pictures have the same size in at least one direction, and a picture consists of a first sub-picture and a second sub-picture arranged consecutively in at least one direction. And no cropping is applied to the decoded second sub-picture.
  • the two or more decoded sub-pictures have the same size in at least one direction, and the pictures are arranged consecutively in at least one direction. consists of pictures. Cropping is then applied to all two or more subpictures in at least one direction.
  • a bitstream includes pictures encoded into multiple slices and multiple tiles.
  • Each slice and each tile contains data corresponding to only one subpicture.
  • each sub-picture of two or more sub-pictures is encoded into a single slice and a single tile.
  • encoding according to some exemplary aspects includes padding pixel rows, which may be, for example, on top of the mosaic, or padding pixel columns, which may be, for example, to the left of the mosaic, in one subpicture per video.
  • padding pixel rows which may be, for example, on top of the mosaic
  • padding pixel columns which may be, for example, to the left of the mosaic, in one subpicture per video.
  • decoding includes extracting sub-pictures of interest to a user or application from the mosaic bitstream, and decoding and displaying only the sub-pictures of interest, thereby , padding pixels are cropped from the sub-picture according to the signaled conformance cropping offset.
  • Such encoding or decoding makes it possible to waste less computational resources by decoding only sub-pictures for display purposes.
  • FIG. 106 is a flowchart showing operations performed by the encoding device 100.
  • the encoding device 100 comprises circuitry and memory coupled to the circuitry.
  • the circuits and memories included in the encoding device 100 may correspond to the processor a1 and the memory a2 shown in FIG. In operation, the circuitry of encoding device 100 does the following.
  • the circuit of the encoding device 100 pads the first subpicture (S1061).
  • the first subpicture is included in a plurality of subpictures forming a picture.
  • at least one of the top and left edges of the first sub-picture is included in at least one of the top and left edges of the picture.
  • at least one subpicture is adjacent to the opposite side of at least one edge of the first subpicture.
  • the circuitry of the encoding device 100 pads the first sub-picture at at least one edge of the first sub-picture with padding at at least one edge of the picture. Also, at that time, the circuitry of the encoding apparatus 100 pads the first sub-picture so that the size of the first sub-picture reaches an integral multiple of the preset coding unit size in at least one direction.
  • the circuit of the encoding device 100 encodes cropping information indicating the cropping amount corresponding to the padding amount of the first sub-picture into the bitstream (S1062). Also, the circuitry of the encoding apparatus 100 independently encodes a plurality of sub-pictures including the padded first sub-picture into a bitstream (S1063).
  • the cropping information indicates at least one of the number of upper sample rows and the number of left sample columns added to the first sub-picture by padding the first sub-picture as a cropping amount corresponding to the padding amount.
  • encoding device 100 may be able to pad subpictures so that the subpicture size corresponds to an integral multiple of the preset coding unit size. Encoding apparatus 100 may then encode cropping information for cropping sub-pictures according to the amount of padding. Accordingly, encoding apparatus 100 may be able to encode information for matching the size of a sub-picture to the size of the video corresponding to the sub-picture.
  • a picture may correspond to 4K resolution.
  • each sub-picture may correspond to HD resolution.
  • the encoding device 100 may be able to encode a plurality of sub-pictures included in a picture corresponding to 4K resolution and corresponding to HD resolution.
  • encoding device 100 may be able to encode, for example, multiple videos with HD resolution into a bitstream as videos with 4K resolution.
  • a picture may correspond to 8K resolution.
  • Each sub-picture may also support 4K resolution.
  • the encoding device 100 may be able to encode a plurality of sub-pictures that are included in a picture that supports 8k resolution and that support 4K resolution.
  • encoding device 100 may be able to encode, for example, videos with 4K resolution into a bitstream as videos with 8K resolution.
  • the cropping information may include at least one of sps_conformance_window_flag, sps_conf_win_top_offset and sps_conf_win_left_offset. where each parameter is a syntax element for the VVC conformance cropping window.
  • encoding device 100 may be able to encode cropping information for cropping sub-pictures according to the syntax element regarding the cropping window.
  • the circuitry of the encoding device 100 may encode settings of multiple sub-pictures into a bitstream.
  • the bitstream may then include settings for multiple sub-pictures within the parameter set applicable to the picture.
  • bitstream may conform to VVC.
  • parameter set may be SPS or PPS.
  • the setting of multiple sub-pictures may include the total number of multiple sub-pictures.
  • the setting of multiple sub-pictures may also include whether or not the multiple sub-pictures have the same size.
  • the settings for multiple sub-pictures may include one or more sizes that apply to multiple sub-pictures for one or more directions.
  • the sub-picture settings may also include one or more sizes applied to the picture in one or more directions.
  • a setting of multiple subpictures may include at least one of these items.
  • the total number of multiple subpictures may be given by sps_num_subpics_minus1. Also, whether multiple subpictures have the same size may be given by sps_subpic_same_size_flag. The one or more sizes applied to multiple subpictures may be given by at least one of sps_subpic_width_minus1 and sps_subpic_height_minus1.
  • the one or more sizes applied to the picture may be given by at least one of sps_pic_width_max_in_luma_samples and sps_pic_height_max_in_luma_samples.
  • each parameter is a VVC syntax element.
  • the encoding device 100 may be able to encode settings for determining regions of each sub-picture in a picture according to multiple syntax elements in SPS or PPS of VVC.
  • the first sub-picture and the second sub-picture may be arranged spatially continuously in one direction. Then, for one direction, the total size of the first sub-picture and the second sub-picture may correspond to the size of the picture. And for one direction, the first sub-picture may be padded and the second sub-picture may not be padded.
  • encoding device 100 may be able to pad only the first sub-picture of the first sub-picture and the second sub-picture that are spatially consecutively arranged. Therefore, encoding device 100 may be able to reduce processing.
  • the first sub-picture and the second sub-picture may be arranged spatially continuously in one direction. Then, for one direction, the total size of the first sub-picture and the second sub-picture may correspond to the size of the picture. Then, for one direction, both the first sub-picture and the second sub-picture may be padded.
  • encoding device 100 may be able to pad both the first sub-picture and the second sub-picture that are spatially consecutively arranged. Therefore, encoding apparatus 100 may be able to apply similar processing to both the first sub-picture and the second sub-picture. Therefore, the encoding device 100 may be able to reduce complexity of processing.
  • the cropping information may include at least one of sps_conf_win_bottom_offset and sps_conf_win_right_offset as information indicating the cropping amount of the second sub-picture.
  • each parameter is a syntax element for the VVC conformance cropping window.
  • encoding device 100 may be able to encode cropping information for cropping the second sub-picture according to the syntax element regarding the cropping window.
  • a picture includes at least a plurality of slices that spatially equally correspond to a plurality of subpictures on a one-to-one basis, and a plurality of tiles that spatially correspond equally to a plurality of subpictures on a one-to-one basis. You may include one.
  • encoding device 100 may be able to simplify the relationship between subpictures and slices or tiles. Therefore, encoding device 100 may be able to reduce complexity of processing.
  • the entropy encoding unit 110 of the encoding device 100 may perform the above-described operation as a circuit of the encoding device 100.
  • Entropy coding section 110 may also cooperate with other components to perform the operations described above.
  • FIG. 107 is a flowchart showing operations performed by the decoding device 200.
  • the decoding device 200 comprises circuitry and memory coupled to the circuitry.
  • the circuit and memory included in the decoding device 200 may correspond to the processor b1 and memory b2 shown in FIG. In operation, the circuitry of decoding device 200 does the following.
  • the circuit of the decoding device 200 may decode cropping information indicating the cropping amount corresponding to the padding amount of the first sub-picture from the bitstream (S1071).
  • the first sub-picture is included in a plurality of independently decodable sub-pictures forming a picture. Also, at least one of the top and left edges of the first sub-picture is included in at least one of the top and left edges of the picture. Also, at least one subpicture is adjacent to the opposite side of at least one edge of the first subpicture.
  • the first sub-picture is padded on at least one edge of the first sub-picture with padding on at least one edge of the picture. Also, the first sub-picture is padded such that the size of the first sub-picture reaches an integral multiple of a preset coding unit size in at least one direction.
  • the circuit of the decoding device 200 decodes the first subpicture from the bitstream (S1072). Then, the circuit of the decoding device 200 crops the first sub-picture at at least one edge of the first sub-picture according to the cropping amount (S1073).
  • the cropping information indicates, as a cropping amount, at least one of the number of upper sample rows and the number of left sample columns removed from the first sub-picture by cropping the first sub-picture.
  • the decoding apparatus 200 can crop the sub-picture according to the cropping amount corresponding to the padding amount after decoding the sub-picture that has been padded so that the size reaches an integral multiple of the preset coding unit size. Sometimes. Therefore, after decoding the sub-picture, the decoding device 200 may be able to match the size of the sub-picture to the size of the video corresponding to the sub-picture.
  • a picture may correspond to 4K resolution.
  • each sub-picture may correspond to HD resolution.
  • decoding device 200 may be able to decode one of a plurality of sub-pictures that are included in a picture that corresponds to 4K resolution and that corresponds to HD resolution.
  • the decoding device 200 may be able to decode one video with HD resolution, for example, from a bitstream in which multiple videos with HD resolution are encoded as videos with 4K resolution.
  • a picture may correspond to 8K resolution.
  • Each sub-picture may also support 4K resolution.
  • decoding device 200 may be able to decode one of a plurality of sub-pictures that are included in a picture that supports 8K resolution and that support 4K resolution.
  • the decoding device 200 may be able to decode one video with 4K resolution, for example, from a bitstream in which multiple videos with 4K resolution are encoded as videos with 8K resolution.
  • the cropping information may include at least one of sps_conformance_window_flag, sps_conf_win_top_offset and sps_conf_win_left_offset. where each parameter is a syntax element for the VVC conformance cropping window.
  • the circuitry of the decoding device 200 may obtain an input from the user for selecting the first sub-picture among the plurality of sub-pictures. Then, according to the input, the circuit of the decoding device 200 may decode the first sub-picture from the bitstream without decoding one or more sub-pictures other than the first sub-picture among the plurality of sub-pictures. .
  • a bitstream may contain settings for multiple sub-pictures within a parameter set applicable to a picture.
  • the circuitry of the decoding device 200 may then decode multiple sub-picture settings from the bitstream. Further, the circuitry of the decoding device 200 may derive sub-picture identification information for the first sub-picture according to the settings and inputs. The circuitry of decoding device 200 may then decode the first sub-picture identified by the sub-picture identification information from the bitstream.
  • the decoding apparatus 200 derives sub-picture identification information (sub-picture index or sub-picture identifier, etc.) of the sub-picture to be decoded according to the parameter set applicable to the picture and the input obtained from the user. may be possible. Decoding apparatus 200 may then be able to efficiently decode sub-pictures identified according to the sub-picture identification information.
  • sub-picture identification information sub-picture index or sub-picture identifier, etc.
  • bitstream may conform to VVC.
  • a parameter set may be an SPS or a PPS.
  • the setting of multiple sub-pictures may include the total number of multiple sub-pictures.
  • the setting of multiple sub-pictures may also include whether or not the multiple sub-pictures have the same size.
  • the settings for multiple sub-pictures may include one or more sizes that apply to multiple sub-pictures for one or more directions.
  • the sub-picture settings may also include one or more sizes applied to the picture in one or more directions.
  • a multiple subpicture setting may include at least one of these items.
  • the total number of multiple subpictures may be given by sps_num_subpics_minus1. Also, whether multiple subpictures have the same size may be given by sps_subpic_same_size_flag. Also, the one or more sizes applied to the multiple subpictures may be given by at least one of sps_subpic_width_minus1 and sps_subpic_height_minus1.
  • the one or more sizes applied to the picture may be given by at least one of sps_pic_width_max_in_luma_samples and sps_pic_height_max_in_luma_samples.
  • each parameter is a VVC syntax element.
  • the decoding device 200 may be able to decode the setting for determining the area of each sub-picture in the picture according to multiple syntax elements in the SPS or PPS of VVC. Then, the decoding device 200 may be able to derive sub-picture identification information or the like corresponding to the region selected as the sub-picture.
  • the first sub-picture and the second sub-picture may be arranged spatially continuously in one direction. Also, for one direction, the total size of the first sub-picture and the second sub-picture may correspond to the size of the picture. And for one direction, the first sub-picture may be cropped and the second sub-picture may not be cropped.
  • the decoding device 200 may be able to crop only the first sub-picture out of the first sub-picture and the second sub-picture that are spatially consecutively arranged. Therefore, it may be possible to reduce processing.
  • the first sub-picture and the second sub-picture may be arranged spatially continuously in one direction. Also, for one direction, the total size of the first sub-picture and the second sub-picture may correspond to the size of the picture. Also, for one direction, both the first sub-picture and the second sub-picture may be cropped.
  • decoding device 200 may be able to crop both the first sub-picture and the second sub-picture that are spatially consecutively arranged. Therefore, decoding device 200 may be able to apply similar processing to both the first sub-picture and the second sub-picture. Therefore, decoding device 200 may be able to reduce complexity of processing.
  • the cropping information may include at least one of sps_conf_win_bottom_offset and sps_conf_win_right_offset as information indicating the cropping amount of the second sub-picture.
  • each parameter is a syntax element for the VVC conformance cropping window.
  • a picture includes at least a plurality of slices that spatially equally correspond to a plurality of subpictures on a one-to-one basis, and a plurality of tiles that spatially correspond equally to a plurality of subpictures on a one-to-one basis. You may include one.
  • decoding device 200 may be able to simplify the relationship between subpictures and slices or tiles. Therefore, decoding device 200 may be able to reduce complexity of processing.
  • the entropy decoding unit 202 of the decoding device 200 may perform the above-described operation as a circuit of the decoding device 200.
  • the entropy decoding unit 202 may also cooperate with other components to perform the operations described above.
  • division of pictures, etc. may mean the division of frameworks such as pictures, and division of pictures, etc. is possible even before decoding. Similarly, it is possible to allocate various areas even before decoding.
  • the encoding device 100 and the decoding device 200 in each example described above may be used as an image encoding device and an image decoding device, respectively, or may be used as a video encoding device and a video decoding device. .
  • the encoding device 100 and the decoding device 200 may be used as an entropy encoding device and an entropy decoding device, respectively. That is, encoding device 100 and decoding device 200 may correspond only to entropy encoding section 110 and entropy decoding section 202, respectively. And other components may be included in other devices.
  • the encoding device 100 may include an input section and an output section. For example, one or more pictures are input to the input unit of the encoding device 100 and an encoded bitstream is output from the output unit of the encoding device 100 .
  • the decoding device 200 may also comprise an input and an output. For example, an encoded bitstream is input to the input unit of the decoding device 200 and one or more pictures are output from the output unit of the decoding device 200 .
  • the coded bitstream may include quantized coefficients to which variable length coding is applied and control information.
  • encoding the information may be including the information in a bitstream.
  • encoding information into a bitstream may mean encoding the information to produce a bitstream containing the encoded information.
  • decoding information may be obtaining information from a bitstream.
  • decoding information from a bitstream may mean decoding the bitstream to obtain information contained in the bitstream.
  • dividing each region into one or more sub-regions corresponds to assigning one or more sub-regions to each region, and may be expressed as dividing each region into one or more sub-regions. . Dividing various regions into one or more sub-regions, assigning one or more sub-regions to various regions, and dividing various regions into one or more sub-regions can be read interchangeably.
  • each of the examples described above may be used as an encoding method, may be used as a decoding method, may be used as an entropy encoding method, or may be used as an entropy decoding method. It may be used, or may be used as another method.
  • each component may be configured with dedicated hardware or realized by executing a software program suitable for each component.
  • Each component may be realized by reading and executing a software program recorded in a recording medium such as a hard disk or a semiconductor memory by a program execution unit such as a CPU or processor.
  • each of the encoding device 100 and the decoding device 200 includes a processing circuit and a storage device electrically connected to the processing circuit and accessible from the processing circuit.
  • the processing circuit corresponds to processor a1 or b1
  • the storage device corresponds to memory a2 or b2.
  • a processing circuit includes at least one of dedicated hardware and a program execution unit, and executes processing using a storage device. Also, if the processing circuit includes a program execution unit, the storage device stores a software program executed by the program execution unit.
  • the software that implements the encoding device 100 or the decoding device 200 described above is the following program.
  • this program may cause a computer to: (i) be a sub-picture among a plurality of sub-pictures constituting a picture; and the left end, and (iii) a sub-picture adjacent to at least one of the plurality of sub-pictures on the opposite side of the at least one end of the sub-picture.
  • one sub-picture such that padding at the at least one edge of the picture causes the size of the first sub-picture in at least one direction to reach an integer multiple of a preset coding unit size; padding at the at least one edge; encoding cropping information into a bitstream indicating a cropping amount corresponding to the padding amount of the first sub-picture; and the plurality of padded first sub-pictures.
  • An encoding method may be performed in which at least one of the numbers of sample sequences is indicated as the cropping amount corresponding to the padding amount.
  • this program provides a computer with (i) a sub-picture among a plurality of independently decodable sub-pictures constituting a picture, and (ii) one of the upper end and the left end of the sub-picture.
  • a decoding method may be performed in which at least one of the number of upper rows of samples and the number of left columns of samples to be removed from a picture is indicated as the cropping amount.
  • each component may be a circuit as described above. These circuits may form one circuit as a whole, or may be separate circuits. Also, each component may be realized by a general-purpose processor or by a dedicated processor.
  • the encoding/decoding device may include encoding device 100 and decoding device 200 .
  • ordinal numbers such as first and second used in the explanation may be replaced as appropriate.
  • ordinal numbers may be newly given to the components and the like, or may be removed.
  • these ordinal numbers may be attached to the elements to identify them and may not correspond to a meaningful order.
  • the expression “greater than or equal to the threshold” and the expression “greater than the threshold” may be read interchangeably. Also, the expression “below the threshold” and the expression “smaller than the threshold” may be read interchangeably.
  • aspects of the encoding device 100 and the decoding device 200 have been described above based on multiple examples, but the aspects of the encoding device 100 and the decoding device 200 are not limited to these examples. As long as it does not deviate from the spirit of the present disclosure, the scope of aspects of the encoding device 100 and the decoding device 200 includes various modifications that a person skilled in the art can think of, and configurations constructed by combining components in different examples. may be included within
  • One or more aspects disclosed herein may be implemented in combination with at least some of the other aspects of the present disclosure. Also, part of the processing, part of the configuration of the device, part of the syntax, etc. described in the flowcharts of one or more aspects disclosed herein may be implemented in combination with other aspects.
  • each functional or operational block can usually be implemented by an MPU (micro processing unit), memory, or the like.
  • the processing by each of the functional blocks may be implemented as a program execution unit such as a processor that reads and executes software (program) recorded in a recording medium such as a ROM.
  • the software may be distributed.
  • the software may be recorded in various recording media such as semiconductor memory.
  • each functional block can also be realized by hardware (dedicated circuit).
  • each embodiment may be implemented by centralized processing using a single device (system), or may be implemented by distributed processing using multiple devices. Also, the number of processors executing the above program may be singular or plural. That is, centralized processing may be performed, or distributed processing may be performed.
  • Such a system may be characterized by having an image encoding device using an image encoding method, an image decoding device using an image decoding method, or an image encoding/decoding device comprising both. Other configurations of such systems may be appropriately modified from time to time.
  • FIG. 108 is a diagram showing the overall configuration of a suitable content supply system ex100 that implements the content distribution service.
  • a communication service providing area is divided into desired sizes, and base stations ex106, ex107, ex108, ex109 and ex110, which are fixed radio stations in the illustrated example, are installed in each cell.
  • devices such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 are connected to the internet ex101 via an internet service provider ex102 or a communication network ex104 and base stations ex106 to ex110. is connected.
  • the content supply system ex100 may connect any one of the above devices in combination.
  • each device may be directly or indirectly connected to each other via a telephone network, short-range radio, or the like, without going through the base stations ex106-ex110.
  • the streaming server ex103 may be connected to devices such as a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, and a smartphone ex115 via the Internet ex101 or the like.
  • Streaming server ex103 may also be connected to a terminal or the like in a hotspot inside airplane ex117 via satellite ex116.
  • a wireless access point, hotspot, or the like may be used instead of the base stations ex106 to ex110.
  • the streaming server ex103 may be directly connected to the communication network ex104 without going through the Internet ex101 or the Internet service provider ex102, or may be directly connected to the airplane ex117 without going through the satellite ex116.
  • the camera ex113 is a device such as a digital camera that can shoot still images and movies.
  • the smartphone ex115 is a smartphone, mobile phone, PHS (Personal Handyphone System), or the like that is compatible with mobile communication systems called 2G, 3G, 3.9G, 4G, and 5G in the future.
  • PHS Personal Handyphone System
  • the home appliance ex114 is a refrigerator or a device included in a household fuel cell cogeneration system.
  • a terminal having a shooting function is connected to the streaming server ex103 through the base station ex106 or the like, enabling live distribution and the like.
  • the terminals (computer ex111, game machine ex112, camera ex113, home appliance ex114, smartphone ex115, terminal in airplane ex117, etc.) perform the above-described
  • the encoding process described in each embodiment may be performed, video data obtained by encoding may be multiplexed with audio data obtained by encoding sound corresponding to the video, and the obtained data may be streamed. It may be transmitted to the server ex103. That is, each terminal functions as an image coding device according to one aspect of the present disclosure.
  • the streaming server ex103 streams the transmitted content data to the requesting client.
  • the client is a computer ex111, a game machine ex112, a camera ex113, a home appliance ex114, a smartphone ex115, a terminal in an airplane ex117, or the like, which can decode the encoded data.
  • Each device that has received the distributed data decodes and reproduces the received data. That is, each device may function as an image decoding device according to one aspect of the present disclosure.
  • the streaming server ex103 may be a plurality of servers or a plurality of computers, and may process, record, and distribute data in a distributed manner.
  • the streaming server ex103 may be implemented by a CDN (Contents Delivery Network), and content delivery may be implemented by a network connecting a large number of edge servers distributed around the world.
  • CDN Contents Delivery Network
  • the CDN dynamically allocates edge servers that are physically close to each client. Delays can be reduced by caching and distributing content to the edge server.
  • processing can be distributed among multiple edge servers, the distribution entity can be switched to another edge server, and failures can occur. Since it is possible to bypass the network portion and continue distribution, high-speed and stable distribution can be achieved.
  • the encoding processing of the captured data may be performed by each terminal, may be performed by the server side, or may be shared by each other.
  • the encoding process typically involves two processing loops. In the first loop, the image complexity or code amount is detected for each frame or scene. Also, in the second loop, processing for maintaining image quality and improving encoding efficiency is performed.
  • the terminal performs the first encoding process
  • the server side that receives the content performs the second encoding process, thereby reducing the processing load on each terminal and improving the quality and efficiency of the content. can.
  • it is possible for other terminals to receive and play back the data that has already been encoded for the first time enabling more flexible real-time distribution. Become.
  • the camera ex 113 or the like extracts a feature amount from an image, compresses data related to the feature amount as metadata, and transmits it to the server.
  • the server performs compression according to the meaning of the image (or the importance of the content), such as judging the importance of the object from the feature amount and switching the quantization accuracy.
  • Feature amount data is particularly effective in improving the accuracy and efficiency of motion vector prediction during recompression in the server.
  • the terminal may perform simple encoding such as VLC (Variable Length Coding), and the server may perform encoding with a large processing load such as CABAC (Context Adaptive Binary Arithmetic Coding).
  • the server may manage and/or give instructions so that the video data shot by each terminal can be referred to each other.
  • the encoded data from each terminal may be received by the server and re-encoded by changing the reference relationship among a plurality of data or by correcting or replacing the picture itself. This makes it possible to generate streams with improved quality and efficiency for each piece of data.
  • the server may distribute the video data after performing transcoding to change the encoding method of the video data.
  • the server may convert MPEG-based encoding to VP-based (for example, VP9). 264 to H.264. H.265 may be converted.
  • the encoding process can be performed by a terminal or one or more servers. Therefore, in the following description, “server” or “terminal” is used as an entity that performs processing. Part or all may be performed at the server. In addition, regarding these, the same applies to decoding processing.
  • the server not only encodes a two-dimensional moving image, but also automatically encodes a still image based on scene analysis of the moving image or at a time designated by the user, and transmits the image to the receiving terminal. good too. Furthermore, when the relative positional relationship between shooting terminals can be acquired, the server can determine the three-dimensional shape of the scene based on not only two-dimensional moving images but also videos of the same scene shot from different angles. can be generated.
  • the server may separately encode three-dimensional data generated by a point cloud or the like, or based on the results of recognizing or tracking a person or object using three-dimensional data, may transmit a plurality of images to the receiving terminal. may be generated by selecting or reconstructing from the video shot by the terminal.
  • the user can arbitrarily select each video corresponding to each shooting terminal and enjoy the scene, or select video from a selected viewpoint from three-dimensional data reconstructed using a plurality of images or videos. You can also enjoy the clipped content. Further, along with the video, sound is also collected from multiple different angles, and the server may multiplex the sound from a particular angle or space with the corresponding video and send the multiplexed video and sound. good.
  • the server may create viewpoint images for the right eye and the left eye, respectively, and perform encoding that allows reference between each viewpoint video by Multi-View Coding (MVC) or the like. It may be encoded as another stream without reference.
  • MVC Multi-View Coding
  • the server superimposes virtual object information in virtual space on camera information in real space based on the three-dimensional position or movement of the user's viewpoint.
  • the decoding device may acquire or hold the virtual object information and the three-dimensional data, generate a two-dimensional image according to the movement of the user's viewpoint, and create the superimposed data by connecting them smoothly.
  • the decoding device may transmit the motion of the user's viewpoint to the server in addition to the request for the virtual object information.
  • the server may create superimposed data according to the movement of the viewpoint received from the three-dimensional data held in the server, encode the superimposed data, and distribute the encoded data to the decoding device.
  • the superimposed data has an ⁇ value indicating transparency in addition to RGB. , may be encoded.
  • the server may generate data in which predetermined RGB values are set as the background, like chromakey, and the background color is used for portions other than the object.
  • the decryption processing of the distributed data may be performed by each client terminal, by the server side, or by each other.
  • a certain terminal once sends a reception request to the server, another terminal receives and decodes the content corresponding to the request, and the decoded signal is transmitted to the device having the display.
  • Data with good image quality can be reproduced by distributing the processing and selecting appropriate content regardless of the performance of the communicable terminal itself.
  • a partial area such as a tile into which a picture is divided may be decoded and displayed on a viewer's personal terminal. As a result, while sharing the overall picture, it is possible to check at hand the field in which the user is in charge or an area that the user wants to check in more detail.
  • IPsec Dynamic Adaptive Streaming over HTTP
  • the user may switch in real time while freely selecting the user's terminal, decoding device or display device such as a display placed indoors or outdoors.
  • decoding can be performed while switching between a terminal for decoding and a terminal for displaying, using its own position information and the like. This allows information to be mapped and displayed on a wall or part of the ground of a neighboring building embedded with a displayable device while the user is moving to the destination.
  • access to encoded data over a network such as the encoded data being cached on a server that can be accessed in a short time from the receiving terminal, or being copied to an edge server in a content delivery service. It is also possible to switch the bit rate of the received data based on ease.
  • FIG. 109 is a diagram showing an example of a display screen of a web page on the computer ex111 or the like.
  • FIG. 110 is a diagram showing a display screen example of a web page on the smartphone ex115 or the like.
  • a web page may contain a plurality of link images that are links to image content, and the appearance differs depending on the viewing device.
  • the display device decoding device
  • the display device When the user selects a link image, the display device performs decoding while giving top priority to the base layer.
  • the display device may decode up to the enhancement layer.
  • the display device decodes only forward reference pictures (I pictures, P pictures, forward reference only B pictures). and display, it is possible to reduce the delay between the decoding time and the display time of the first picture (the delay from the start of decoding of the content to the start of display).
  • the display device may purposely ignore the reference relationships of pictures, refer to all B pictures and P pictures as forward references, perform rough decoding, and perform normal decoding as the number of received pictures increases over time. .
  • the receiving terminal when transmitting/receiving still images or video data such as two-dimensional or three-dimensional map information for automatic driving or driving support of a vehicle, the receiving terminal, in addition to image data belonging to one or more layers, adds meta data.
  • Information such as weather or construction information may be received as information and decoded in association with them.
  • Meta information may belong to a layer or may be simply multiplexed with image data.
  • the receiving terminal since a car, drone, or airplane including the receiving terminal moves, the receiving terminal transmits the position information of the receiving terminal, thereby seamlessly performing reception and decoding while switching between the base stations ex106 to ex110. realizable.
  • the receiving terminal dynamically switches how much meta information is received or how much map information is updated according to user selection, user status and/or communication band status. becomes possible.
  • the encoded information transmitted by the user can be received, decoded, and reproduced by the client in real time.
  • the content supply system ex100 enables unicast or multicast distribution of not only high-quality, long-time content by video distributors, but also low-quality, short-time content by individuals. Such personal contents are expected to increase in the future.
  • the server may perform the editing process before the encoding process. This can be realized, for example, using the following configuration.
  • the server performs recognition processing such as shooting errors, scene search, semantic analysis, and object detection from the original image data or encoded data in real time at the time of shooting or after shooting. Then, the server manually or automatically corrects out-of-focus or camera shake based on the recognition result, or selects less important scenes such as scenes with lower brightness than other pictures or out-of-focus scenes. Make edits such as deleting, emphasizing the edges of objects, or changing their hues.
  • the server encodes the edited data based on the edited result. It is also known that if the filming time is too long, the audience rating will decrease. Scenes with few images may be automatically clipped based on the result of image processing. Alternatively, the server may generate and encode a digest based on the results of semantic analysis of the scene.
  • personal content may contain content that infringes on copyright, author's moral rights, portrait rights, etc., and it is inconvenient for the individual, such as the scope of sharing exceeding the intended scope.
  • the server may intentionally change the image of a person's face or the inside of a house on the periphery of the screen into an out-of-focus image for encoding.
  • the server recognizes whether or not the face of a person other than the person registered in advance appears in the image to be encoded, and if so, performs processing such as applying a mosaic to the face portion.
  • the user may designate a person or background area to be processed in the image from the viewpoint of copyright or the like.
  • the server may perform processing such as replacing the designated area with another image or blurring the focus.
  • it is possible to track the person in the moving image and replace the image of the person's face.
  • the decoding device first receives the base layer with the highest priority and decodes and reproduces it.
  • the decoding device may receive the enhancement layer during this period, and may reproduce the high-definition video including the enhancement layer when reproduction is performed twice or more, such as when the reproduction is looped.
  • the stream is scalable encoded in this way, it is possible to provide an experience in which the video is rough when it is not selected or at the beginning of viewing, but the stream gradually becomes smarter and the image becomes better.
  • the same experience can be provided even if the coarse stream played the first time and the second stream encoded with reference to the first video are configured as one stream. .
  • these encoding or decoding processes are generally processed in the LSI ex 500 that each terminal has.
  • the LSI (large scale integration circuit) ex500 may be of a one-chip configuration or may be composed of multiple chips.
  • moving image encoding or decoding software is incorporated into some recording medium (CD-ROM, flexible disk, hard disk, etc.) that can be read by a computer ex111, etc., and encoding or decoding is performed using that software. good too.
  • the smartphone ex115 is equipped with a camera, the video data acquired by the camera may be transmitted. The video data at this time is data encoded by the LSI ex500 of the smartphone ex115.
  • the LSI ex 500 may be configured to download and activate application software.
  • the terminal first determines whether the terminal is compatible with the content encoding method or has the execution capability of the specific service. If the terminal does not support the coding scheme of the content or does not have the ability to perform the specific service, the terminal downloads the codec or application software, and then acquires and plays the content.
  • a digital broadcasting system can employ at least the video encoding device (image encoding device) or the video decoding device (image decoding device) of each of the above-described embodiments.
  • the content supply system ex100 has a configuration that facilitates unicasting, but the difference is that it is suitable for multicasting.
  • similar applications are possible with respect to the encoding process and the decoding process.
  • FIG. 111 is a diagram showing further details of the smartphone ex115 shown in FIG.
  • FIG. 112 is a diagram illustrating a configuration example of the smartphone ex115.
  • the smartphone ex115 has an antenna ex450 for transmitting and receiving radio waves to and from the base station ex110, a camera unit ex465 capable of capturing video and still images, and receiving images captured by the camera unit ex465 and the antenna ex450. and a display unit ex458 for displaying data obtained by decoding video or the like.
  • the smartphone ex115 further includes an operation unit ex466 such as a touch panel, an audio output unit ex457 such as a speaker for outputting voice or sound, an audio input unit ex456 such as a microphone for inputting voice, and a camera.
  • a memory unit ex467 capable of storing received video or still images, recorded audio, received video or still images, encoded data such as e-mails, or decoded data; It has a slot part ex464 which is an interface part with SIM (Subscriber Identity Module) ex468 for authenticating access to various data. Note that an external memory may be used instead of the memory unit ex467.
  • SIM Subscriber Identity Module
  • a main control unit ex460 that controls the display unit ex458 and the operation unit ex466, etc., a power supply circuit unit ex461, an operation input control unit ex462, a video signal processing unit ex455, a camera interface unit ex463, a display control unit ex459, modulation/demodulation A section ex452, a multiplexing/separating section ex453, an audio signal processing section ex454, a slot section ex464, and a memory section ex467 are connected via a synchronous bus ex470.
  • the power supply circuit unit ex461 activates the smartphone ex115 in an operable state and supplies power from the battery pack to each unit.
  • the smartphone ex115 performs processes such as phone calls and data communication under the control of the main control unit ex460, which has a CPU, ROM, RAM, and the like.
  • the main control unit ex460 which has a CPU, ROM, RAM, and the like.
  • an audio signal picked up by the audio input unit ex456 is converted into a digital audio signal by the audio signal processing unit ex454, spread spectrum processing is performed by the modulation/demodulation unit ex452, and digital-to-analog conversion processing is performed by the transmission/reception unit ex451. and frequency conversion processing, and the resulting signal is transmitted via the antenna ex450.
  • the received data is amplified, subjected to frequency conversion processing and analog-to-digital conversion processing, subjected to spectrum despreading processing by the modulation/demodulation unit ex452, converted to an analog audio signal by the audio signal processing unit ex454, and then output to the audio output unit ex457.
  • Output from In the data communication mode text, still image, or video data is sent to the main control unit ex460 via the operation input control unit ex462 based on the operation of the operation unit ex466 of the main unit. Similar transmission/reception processing is performed.
  • the video signal processing unit ex455 converts the video signal stored in the memory unit ex467 or the video signal input from the camera unit ex465 to each of the above implementations.
  • the video data is compression-encoded by the moving image encoding method shown in the form, and the encoded video data is sent to the multiplexing/demultiplexing unit ex453.
  • the audio signal processing unit ex454 encodes an audio signal picked up by the audio input unit ex456 while a video or still image is captured by the camera unit ex465, and sends the encoded audio data to the multiplexing/separating unit ex453.
  • a multiplexing/demultiplexing unit ex453 multiplexes the encoded video data and the encoded audio data by a predetermined method, and a modulation/demodulation unit (modulation/demodulation circuit unit) ex452 and a transmission/reception unit ex451 perform modulation processing and conversion. After being processed, it is transmitted via the antenna ex450.
  • a modulation/demodulation unit modulation/demodulation circuit unit
  • a transmission/reception unit ex451 perform modulation processing and conversion. After being processed, it is transmitted via the antenna ex450.
  • the multiplexing/demultiplexing unit ex453 By separating the encoded data, the multiplexed data is divided into a video data bit stream and an audio data bit stream, and the encoded video data is supplied to the video signal processing unit ex455 via the synchronization bus ex470, The encoded audio data is supplied to the audio signal processing unit ex454.
  • the video signal processing unit ex455 decodes the video signal by a video decoding method corresponding to the video encoding method shown in each of the above embodiments, and the video signal is linked from the display unit ex458 via the display control unit ex459.
  • a video or still image included in the moving image file is displayed.
  • the audio signal processing unit ex454 decodes the audio signal, and audio is output from the audio output unit ex457.
  • Real-time streaming is becoming more and more popular, so depending on the user's situation, audio playback may not be socially appropriate. Therefore, as an initial value, it is preferable to play only the video data without playing the audio signal, and the audio may be played in synchronization only when the user performs an operation such as clicking the video data. .
  • the smartphone ex115 has been described as an example here, as a terminal, in addition to a transmission/reception type terminal having both an encoder and a decoder, a transmission terminal having only an encoder and a reception terminal having only a decoder Three other implementation types of terminals are possible. It has been described that the digital broadcasting system receives or transmits multiplexed data in which audio data is multiplexed with video data. However, the multiplexed data may be multiplexed with text data related to video in addition to the audio data. Also, video data itself may be received or transmitted instead of multiplexed data.
  • main control unit ex460 including the CPU controls the encoding or decoding process
  • various terminals are often equipped with a GPU (Graphics Processing Unit). Therefore, a memory shared by the CPU and the GPU or a memory whose addresses are managed so that they can be used in common may be used to collectively process a wide area by utilizing the performance of the GPU. This makes it possible to shorten the encoding time, ensure real-time performance, and achieve low delay.
  • motion search, deblocking filter, SAO (Sample Adaptive Offset), and transformation/quantization processing are more efficient if they are collectively performed by the GPU instead of the CPU in units of pictures.
  • the present disclosure can be used, for example, in television receivers, digital video recorders, car navigation systems, mobile phones, digital cameras, digital video cameras, video conference systems, electronic mirrors, and the like.
  • encoding device 102 division unit 102a block division determination unit 104 subtraction unit 106 transformation unit 108 quantization unit 108a differential quantization parameter generation unit 108b, 204b predicted quantization parameter generation unit 108c, 204a quantization parameter generation unit 108d, 204d quantization quantization parameter storage unit 108e quantization processing unit 110 entropy coding unit 110a binarization unit 110b, 202b context control unit 110c binary arithmetic coding unit 112, 204 inverse quantization unit 114, 206 inverse transform unit 116, 208 addition unit 118, 210 block memory 120, 212 loop filter unit 120a, 212a deblocking filter processing unit 120b, 212b SAO processing unit 120c, 212c ALF processing unit 122, 214 frame memory 124, 216 intra prediction unit 126, 218 inter prediction unit 126a , a2, b2 memory 126b interpolation image derivation unit 126c gradient image derivation unit 126d optical flow derivation unit

Landscapes

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

Abstract

復号方法は、ピクチャを構成する複数のサブピクチャのうちのサブピクチャであり、当該サブピクチャの少なくとも１つの端がピクチャの少なくとも１つの端に含まれ、当該サブピクチャの少なくとも１つの端の反対側に少なくとも１つのサブピクチャが隣接し、少なくとも１つの方向において当該サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に到達するようにパディングされたサブピクチャである第１サブピクチャのパディング量に対応するクロッピング量を示すクロッピング情報をビットストリームから復号すること（Ｓ１０７１）と、第１サブピクチャをビットストリームから復号すること（Ｓ１０７２）と、クロッピング量に従って第１サブピクチャをクロッピングすること（Ｓ１０７３）とを含む。

Description

復号方法、符号化方法、復号装置及び符号化装置
　本開示は、復号方法、符号化方法、復号装置及び符号化装置に関する。
　ビデオコーディング技術は、Ｈ．２６１およびＭＰＥＧ－１から、Ｈ．２６４／ＡＶＣ（Ａｄｖａｎｃｅｄ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）、ＭＰＥＧ－ＬＡ、Ｈ．２６５／ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）、およびＨ．２６６／ＶＶＣ（Ｖｅｒｓａｔｉｌｅ　Ｖｉｄｅｏ　Ｃｏｄｅｃ）へ進歩している。この進歩に伴い、様々な用途において増え続けるデジタルビデオデータ量を処理するために、ビデオコーディング技術の改良および最適化を提供することが常に必要とされている。本開示は、ビデオコーディングにおけるさらなる進歩、改良および最適化に関する。
　なお、非特許文献１は、上述されたビデオコーディング技術に関する従来の規格の一例に関する。
Ｈ．２６５（ＩＳＯ／ＩＥＣ　２３００８－２　ＨＥＶＣ）／ＨＥＶＣ（Ｈｉｇｈ　Ｅｆｆｉｃｉｅｎｃｙ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）
　上記のような符号化方式に関して、符号化効率の改善、画質の改善、処理量の削減、回路規模の削減、又は、フィルタ、ブロック、サイズ、動きベクトル、参照ピクチャ又は参照ブロック等の要素又は動作の適切な選択等のため、新たな方式の提案が望まれている。
　本開示は、例えば、符号化効率の改善、画質の改善、処理量の削減、回路規模の削減、処理速度の改善、及び、要素又は動作の適切な選択等のうち１つ以上に貢献し得る構成又は方法を提供する。なお、本開示は、上記以外の利益に貢献し得る構成又は方法を含み得る。
　例えば、本開示の一態様に係る復号方法は、（ｉ）ピクチャを構成する互いに独立して復号可能な複数のサブピクチャのうちのサブピクチャであり、（ｉｉ）当該サブピクチャの上端及び左端のうちの少なくとも１つの端が前記ピクチャの上端及び左端のうちの少なくとも１つの端に含まれ、（ｉｉｉ）当該サブピクチャの前記少なくとも１つの端の反対側に前記複数のサブピクチャのうちの少なくとも１つのサブピクチャが隣接し、（ｉｖ）前記ピクチャの前記少なくとも１つの端におけるパディングによって少なくとも１つの方向において当該サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に到達するように当該サブピクチャの前記少なくとも１つの端においてパディングされたサブピクチャである第１サブピクチャのパディング量に対応するクロッピング量を示すクロッピング情報をビットストリームから復号することと、前記第１サブピクチャを前記ビットストリームから復号することと、前記クロッピング量に従って前記第１サブピクチャを前記第１サブピクチャの前記少なくとも１つの端においてクロッピングすることとを含み、前記クロッピング情報は、前記第１サブピクチャをクロッピングすることにより前記第１サブピクチャから取り除かれる上側サンプル行数及び左側サンプル列数のうちの少なくとも１つを前記クロッピング量として示す。
　本開示における各実施の形態、またはその一部の構成もしくは方法のそれぞれは、例えば、符号化効率の改善、画質の改善、符号化／復号の処理量の削減、回路規模の削減、または、符号化／復号の処理速度の改善などのうちの、少なくともいずれか１つを可能にする。あるいは、本開示における各実施の形態、またはその一部の構成もしくは方法のそれぞれは、符号化および復号において、フィルタ、ブロック、サイズ、動きベクトル、参照ピクチャ、参照ブロックなどの構成要素／動作の適切な選択などを可能にする。なお、本開示は、上記以外の利益を提供し得る構成または方法の開示も含む。例えば、処理量の増加を抑えつつ、符号化効率を改善する構成または方法などである。
　本開示の一態様におけるさらなる利点および効果は、明細書および図面から明らかにされる。かかる利点および／または効果は、いくつかの実施の形態並びに明細書および図面に記載された特徴によってそれぞれ得られるが、１つまたはそれ以上の利点および／または効果を得るために必ずしも全てが提供される必要はない。
　なお、これらの全般的または具体的な態様は、システム、集積回路、コンピュータプログラム又はコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
　本開示の一態様に係る構成又は方法は、例えば、符号化効率の改善、画質の改善、処理量の削減、回路規模の削減、処理速度の改善、及び、要素又は動作の適切な選択等のうち１つ以上に貢献し得る。なお、本開示の一態様に係る構成又は方法は、上記以外の利益に貢献してもよい。
図１は、実施の形態に係る伝送システムの構成の一例を示す概略図である。 図２は、ストリームにおけるデータの階層構造の一例を示す図である。 図３は、スライスの構成の一例を示す図である。 図４は、タイルの構成の一例を示す図である。 図５は、スケーラブル符号化時の符号化構造の一例を示す図である。 図６は、スケーラブル符号化時の符号化構造の一例を示す図である。 図７は、実施の形態に係る符号化装置の構成の一例を示すブロック図である。 図８は、符号化装置の実装例を示すブロック図である。 図９は、符号化装置による全体的な符号化処理の一例を示すフローチャートである。 図１０は、ブロック分割の一例を示す図である。 図１１は、分割部の構成の一例を示す図である。 図１２は、分割パターンの例を示す図である。 図１３Ａは、分割パターンのシンタックスツリーの一例を示す図である。 図１３Ｂは、分割パターンのシンタックスツリーの他の例を示す図である。 図１４は、各変換タイプに対応する変換基底関数を示す表である。 図１５は、ＳＶＴの一例を示す図である。 図１６は、変換部による処理の一例を示すフローチャートである。 図１７は、変換部による処理の他の例を示すフローチャートである。 図１８は、量子化部の構成の一例を示すブロック図である。 図１９は、量子化部による量子化の一例を示すフローチャートである。 図２０は、エントロピー符号化部の構成の一例を示すブロック図である。 図２１は、エントロピー符号化部におけるＣＡＢＡＣの流れを示す図である。 図２２は、ループフィルタ部の構成の一例を示すブロック図である。 図２３Ａは、ＡＬＦ（ａｄａｐｔｉｖｅ　ｌｏｏｐ　ｆｉｌｔｅｒ）で用いられるフィルタの形状の一例を示す図である。 図２３Ｂは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図２３Ｃは、ＡＬＦで用いられるフィルタの形状の他の一例を示す図である。 図２３Ｄは、Ｙサンプル（第１成分）がＣｂのＣＣＡＬＦおよびＣｒのＣＣＡＬＦ（第１成分とは異なる複数の成分）に使用される例を示す図である。 図２３Ｅは、ダイヤモンド形状フィルタを示す図である。 図２３Ｆは、ＪＣ－ＣＣＡＬＦの例を示す図である。 図２３Ｇは、ＪＣ－ＣＣＡＬＦのｗｅｉｇｈｔ＿ｉｎｄｅｘ候補の例を示す図である。 図２４は、ＤＢＦとして機能するループフィルタ部の詳細な構成の一例を示すブロック図である。 図２５は、ブロック境界に対して対称なフィルタ特性を有するデブロッキング・フィルタの例を示す図である。 図２６は、デブロッキング・フィルタ処理が行われるブロック境界の一例を説明するための図である。 図２７は、Ｂｓ値の一例を示す図である。 図２８は、符号化装置の予測部で行われる処理の一例を示すフローチャートである。 図２９は、符号化装置の予測部で行われる処理の他の例を示すフローチャートである。 図３０は、符号化装置の予測部で行われる処理の他の例を示すフローチャートである。 図３１は、イントラ予測における６７個のイントラ予測モードの一例を示す図である。 図３２は、イントラ予測部による処理の一例を示すフローチャートである。 図３３は、各参照ピクチャの一例を示す図である。 図３４は、参照ピクチャリストの一例を示す概念図である。 図３５は、インター予測の基本的な処理の流れを示すフローチャートである。 図３６は、ＭＶ導出の一例を示すフローチャートである。 図３７は、ＭＶ導出の他の例を示すフローチャートである。 図３８Ａは、ＭＶ導出の各モードの分類の一例を示す図である。 図３８Ｂは、ＭＶ導出の各モードの分類の一例を示す図である。 図３９は、ノーマルインターモードによるインター予測の例を示すフローチャートである。 図４０は、ノーマルマージモードによるインター予測の例を示すフローチャートである。 図４１は、ノーマルマージモードによるＭＶ導出処理の一例を説明するための図である。 図４２は、ＨＭＶＰ（Ｈｉｓｔｏｒｙ－ｂａｓｅｄ　Ｍｏｔｉｏｎ　Ｖｅｃｔｏｒ　Ｐｒｅｄｉｃｔｉｏｎ／Ｐｒｅｄｉｃｔｏｒ）モードによるＭＶ導出処理の一例を説明するための図である。 図４３は、ＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ　ｃｏｎｖｅｒｓｉｏｎ）の一例を示すフローチャートである。 図４４は、動き軌道に沿う２つのブロック間でのパターンマッチング（バイラテラルマッチング）の一例を説明するための図である。 図４５は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）の一例を説明するための図である。 図４６Ａは、２つの制御ポイントを用いるアフィンモードにおけるサブブロック単位のＭＶの導出の一例を説明するための図である。 図４６Ｂは、３つの制御ポイントを用いるアフィンモードにおけるサブブロック単位のＭＶの導出の一例を説明するための図である。 図４７Ａは、アフィンモードにおける制御ポイントのＭＶ導出の一例を説明するための概念図である。 図４７Ｂは、アフィンモードにおける制御ポイントのＭＶ導出の一例を説明するための概念図である。 図４７Ｃは、アフィンモードにおける制御ポイントのＭＶ導出の一例を説明するための概念図である。 図４８Ａは、２つの制御ポイントを有するアフィンモードを説明するための図である。 図４８Ｂは、３つの制御ポイントを有するアフィンモードを説明するための図である。 図４９Ａは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントのＭＶ導出方法の一例を説明するための概念図である。 図４９Ｂは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントのＭＶ導出方法の他の例を説明するための概念図である。 図５０は、アフィンマージモードの処理の一例を示すフローチャートである。 図５１は、アフィンインターモードの処理の一例を示すフローチャートである。 図５２Ａは、２つの三角形の予測画像の生成を説明するための図である。 図５２Ｂは、第１パーティションの第１部分、並びに、第１サンプルセット及び第２サンプルセットの例を示す概念図である。 図５２Ｃは、第１パーティションの第１部分を示す概念図である。 図５３は、トライアングルモードの一例を示すフローチャートである。 図５４は、サブブロック単位にＭＶが導出されるＡＴＭＶＰ（Ａｄｖａｎｃｅｄ　Ｔｅｍｐｏｒａｌ　Ｍｏｔｉｏｎ　Ｖｅｃｔｏｒ　Ｐｒｅｄｉｃｔｉｏｎ／Ｐｒｅｄｉｃｔｏｒ）モードの一例を示す図である。 図５５は、マージモードおよびＤＭＶＲ（ｄｙｎａｍｉｃ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｒｅｆｒｅｓｈｉｎｇ）の関係を示す図である。 図５６は、ＤＭＶＲの一例を説明するための概念図である。 図５７は、ＭＶを決定するためのＤＭＶＲの他の一例を説明するための概念図である。 図５８Ａは、ＤＭＶＲにおける動き探索の一例を示す図である。 図５８Ｂは、ＤＭＶＲにおける動き探索の一例を示すフローチャートである。 図５９は、予測画像の生成の一例を示すフローチャートである。 図６０は、予測画像の生成の他の例を示すフローチャートである。 図６１は、ＯＢＭＣ（ｏｖｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）による予測画像補正処理の一例を説明するためのフローチャートである。 図６２は、ＯＢＭＣによる予測画像補正処理の一例を説明するための概念図である。 図６３は、等速直線運動を仮定したモデルを説明するための図である。 図６４は、ＢＩＯにしたがったインター予測の一例を示すフローチャートである。 図６５は、ＢＩＯにしたがったインター予測を行うインター予測部の構成の一例を示す図である。 図６６Ａは、ＬＩＣ（ｌｏｃａｌ　ｉｌｌｕｍｉｎａｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）による輝度補正処理を用いた予測画像生成方法の一例を説明するための図である。 図６６Ｂは、ＬＩＣによる輝度補正処理を用いた予測画像生成方法の一例を示すフローチャートである。 図６７は、実施の形態に係る復号装置の構成を示すブロック図である。 図６８は、復号装置の実装例を示すブロック図である。 図６９は、復号装置による全体的な復号処理の一例を示すフローチャートである。 図７０は、分割決定部と他の構成要素との関係を示す図である。 図７１は、エントロピー復号部の構成の一例を示すブロック図である。 図７２は、エントロピー復号部におけるＣＡＢＡＣの流れを示す図である。 図７３は、逆量子化部の構成の一例を示すブロック図である。 図７４は、逆量子化部による逆量子化の一例を示すフローチャートである。 図７５は、逆変換部による処理の一例を示すフローチャートである。 図７６は、逆変換部による処理の他の例を示すフローチャートである。 図７７は、ループフィルタ部の構成の一例を示すブロック図である。 図７８は、復号装置の予測部で行われる処理の一例を示すフローチャートである。 図７９は、復号装置の予測部で行われる処理の他の例を示すフローチャートである。 図８０Ａは、復号装置の予測部で行われる処理の他の例の一部を示すフローチャートである。 図８０Ｂは、復号装置の予測部で行われる処理の他の例の残部を示すフローチャートである。 図８１は、復号装置のイントラ予測部による処理の一例を示す図である。 図８２は、復号装置におけるＭＶ導出の一例を示すフローチャートである。 図８３は、復号装置におけるＭＶ導出の他の例を示すフローチャートである。 図８４は、復号装置におけるノーマルインターモードによるインター予測の例を示すフローチャートである。 図８５は、復号装置におけるノーマルマージモードによるインター予測の例を示すフローチャートである。 図８６は、復号装置におけるＦＲＵＣモードによるインター予測の例を示すフローチャートである。 図８７は、復号装置におけるアフィンマージモードによるインター予測の例を示すフローチャートである。 図８８は、復号装置におけるアフィンインターモードによるインター予測の例を示すフローチャートである。 図８９は、復号装置におけるトライアングルモードによるインター予測の例を示すフローチャートである。 図９０は、復号装置におけるＤＭＶＲによる動き探索の例を示すフローチャートである。 図９１は、復号装置におけるＤＭＶＲによる動き探索の詳細な一例を示すフローチャートである。 図９２は、復号装置における予測画像の生成の一例を示すフローチャートである。 図９３は、復号装置における予測画像の生成の他の例を示すフローチャートである。 図９４は、復号装置におけるＯＢＭＣによる予測画像の補正の例を示すフローチャートである。 図９５は、復号装置におけるＢＩＯによる予測画像の補正の例を示すフローチャートである。 図９６は、復号装置におけるＬＩＣによる予測画像の補正の例を示すフローチャートである。 図９７は、１つのビットストリームから別のビットストリームにサブピクチャを抽出する場合におけるサブピクチャインデックス及びサブピクチャ識別子の値を示す概略図である。 図９８は、複数のサブピクチャのモザイクによってユーザがサブピクチャを選択するように案内される例示的な実装を示す概略図である。 図９９は、サイズがコーディングツリーユニットの整数倍でない少なくとも１つの次元を有する４つのサブピクチャのモザイクピクチャを示す概略図である。 図１００は、コーディングツリーユニットの整数倍である垂直サイズを上サブピクチャが有することを成し遂げるために行がパディングされているモザイクピクチャを示す概略図である。 図１０１は、モザイクピクチャの実装のための特有のクロッピングウィンドウ及びサブピクチャのいくつかのパラメータ設定を例示する表である。 図１０２は、モザイクピクチャを含むビットストリームを生成するための例示的な方法を示すフローチャートである。 図１０３は、モザイクピクチャを含むビットストリームを復号するための例示的な方法を示すフローチャートである。 図１０４は、モザイクピクチャを含むビットストリームを生成するための方法の例示的な実装を示すフローチャートである。 図１０５は、モザイクピクチャから少なくとも１つのサブピクチャを復号するための方法の例示的な実装を示すフローチャートである。 図１０６は、実施の形態に係る符号化装置が行う動作を示すフローチャートである。 図１０７は、実施の形態に係る復号装置が行う動作を示すフローチャートである。 図１０８は、コンテンツ配信サービスを実現するコンテンツ供給システムの全体構成図である。 図１０９は、ｗｅｂページの表示画面例を示す図である。 図１１０は、ｗｅｂページの表示画面例を示す図である。 図１１１は、スマートフォンの一例を示す図である。 図１１２は、スマートフォンの構成例を示すブロック図である。
　［序論（Ｉｎｔｒｏｄｕｃｔｉｏｎ）］
　例えば、ピクチャ内の各サブピクチャは、矩形領域として定められる。そして、ピクチャ内の各コーディングユニットは、ピクチャ内の複数のサブピクチャのうちのいずれか１つのみに属する。また、ピクチャ内の複数のサブピクチャは、それぞれ、複数のビデオに対応していてもよい。具体的には、まず、複数のビデオに対応する複数のサブピクチャを含むピクチャが復号されて表示され、その後、複数のビデオの中から選択された１つのビデオのみがピクチャとして復号されて表示されてもよい。
　しかしながら、サブピクチャのサイズをビデオのサイズに一致させることは、必ずしも容易ではない。例えば、ピクチャ内の各コーディングユニットは、ピクチャ内の複数のサブピクチャのうちのいずれか１つのみに属するため、各サブピクチャのサイズは、１つ以上のコーディングユニットのサイズに対応する。一方、各ビデオのサイズが、１つ以上のコーディングユニットのサイズに対応しているとは限らない。そのため、サブピクチャのサイズが、ビデオのサイズに対応していない可能性がある。
　そこで、例えば、本開示の一態様に係る復号方法は、（ｉ）ピクチャを構成する互いに独立して復号可能な複数のサブピクチャのうちのサブピクチャであり、（ｉｉ）当該サブピクチャの上端及び左端のうちの少なくとも１つの端が前記ピクチャの上端及び左端のうちの少なくとも１つの端に含まれ、（ｉｉｉ）当該サブピクチャの前記少なくとも１つの端の反対側に前記複数のサブピクチャのうちの少なくとも１つのサブピクチャが隣接し、（ｉｖ）前記ピクチャの前記少なくとも１つの端におけるパディングによって少なくとも１つの方向において当該サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に到達するように当該サブピクチャの前記少なくとも１つの端においてパディングされたサブピクチャである第１サブピクチャのパディング量に対応するクロッピング量を示すクロッピング情報をビットストリームから復号することと、前記第１サブピクチャを前記ビットストリームから復号することと、前記クロッピング量に従って前記第１サブピクチャを前記第１サブピクチャの前記少なくとも１つの端においてクロッピングすることとを含み、前記クロッピング情報は、前記第１サブピクチャをクロッピングすることにより前記第１サブピクチャから取り除かれる上側サンプル行数及び左側サンプル列数のうちの少なくとも１つを前記クロッピング量として示す。
　これにより、画面の中央のサブピクチャ境界とコーディングユニット境界とが一致しうる。また、サイズが予め設定されたコーディングユニットサイズの整数倍に到達するようにパディングされたサブピクチャの復号後、パディング量に対応するクロッピング量に従ってサブピクチャをクロッピングすることが可能になる場合がある。したがって、サブピクチャの復号後、サブピクチャのサイズをサブピクチャに対応するビデオのサイズに一致させることが可能になる場合がある。
　また、例えば、前記ピクチャは、４Ｋ解像度に対応し、前記複数のサブピクチャのそれぞれは、ＨＤ（Ｈｉｇｈ　Ｄｅｆｉｎｉｔｉｏｎ）解像度に対応する。
　これにより、４Ｋ解像度に対応するピクチャに含まれ、かつ、ＨＤ解像度に対応する複数のサブピクチャのうちの１つを復号することが可能になる場合がある。したがって、例えば、ＨＤ解像度を有する複数のビデオが４Ｋ解像度を有するビデオとして符号化されたビットストリームから、ＨＤ解像度を有する１つのビデオを復号することが可能になる場合がある。
　また、例えば、前記ピクチャは、８Ｋ解像度に対応し、前記複数のサブピクチャのそれぞれは、４Ｋ解像度に対応する。
　これにより、８Ｋ解像度に対応するピクチャに含まれ、かつ、４Ｋ解像度に対応する複数のサブピクチャのうちの１つを復号することが可能になる場合がある。したがって、例えば、４Ｋ解像度を有する複数のビデオが８Ｋ解像度を有するビデオとして符号化されたビットストリームから、４Ｋ解像度を有する１つのビデオを復号することが可能になる場合がある。
　また、例えば、前記クロッピング情報は、それぞれがＶＶＣ（Ｖｅｒｓａｔｉｌｅ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）のコンフォーマンスクロッピングウィンドウに関するシンタックス要素であるｓｐｓ＿ｃｏｎｆｏｒｍａｎｃｅ＿ｗｉｎｄｏｗ＿ｆｌａｇ、ｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｔｏｐ＿ｏｆｆｓｅｔ及びｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｌｅｆｔ＿ｏｆｆｓｅｔのうちの少なくとも１つを含む。
　これにより、クロッピングウィンドウに関するシンタックス要素に従って、サブピクチャのサイズをサブピクチャの復号後に変更することが可能になる場合がある。
　また、例えば、前記復号方法は、さらに、前記複数のサブピクチャのうちの前記第１サブピクチャを選択するための入力をユーザから取得することと、前記入力に従って、前記ビットストリームから、前記複数のサブピクチャのうち前記第１サブピクチャ以外の１つ以上のサブピクチャを復号せずに、前記第１サブピクチャを復号することとを含む。
　これにより、ユーザから取得される入力に従って、他の１つ以上のサブピクチャを復号せずに、選択されたサブピクチャを効率的に復号することが可能になる場合がある。
　また、例えば、前記ビットストリームは、前記ピクチャに適用可能なパラメータセット内に前記複数のサブピクチャの設定を含み、前記復号方法は、さらに、前記ビットストリームから、前記設定を復号することと、前記設定及び前記入力に従って、前記第１サブピクチャのサブピクチャ識別情報を導出することと、前記ビットストリームから、前記サブピクチャ識別情報によって識別される前記第１サブピクチャを復号することとを含む。
　これにより、ピクチャに適用可能なパラメータセット、及び、ユーザから取得される入力に従って、復号されるサブピクチャのサブピクチャ識別情報（サブピクチャインデックス又はサブピクチャ識別子等）を導出することが可能になる場合がある。そして、サブピクチャ識別情報に従って識別されるサブピクチャを効率的に復号することが可能になる場合がある。
　また、例えば、前記ビットストリームは、ＶＶＣ（Ｖｅｒｓａｔｉｌｅ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）に準拠し、前記パラメータセットは、ＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）又はＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）であり、前記設定は、前記複数のサブピクチャの総数と、前記複数のサブピクチャが同じサイズを有するか否かと、１つ以上の方向に関して前記複数のサブピクチャに適用される１つ以上のサイズと、前記１つ以上の方向に関して前記ピクチャに適用される１つ以上のサイズとのうちの少なくとも１つを含み、前記複数のサブピクチャの総数は、ＶＶＣのシンタックス要素であるｓｐｓ＿ｎｕｍ＿ｓｕｂｐｉｃｓ＿ｍｉｎｕｓ１によって与えられ、前記複数のサブピクチャが同じサイズを有するか否かは、ＶＶＣのシンタックス要素であるｓｐｓ＿ｓｕｂｐｉｃ＿ｓａｍｅ＿ｓｉｚｅ＿ｆｌａｇによって与えられ、前記複数のサブピクチャに適用される前記１つ以上のサイズは、それぞれがＶＶＣのシンタックス要素であるｓｐｓ＿ｓｕｂｐｉｃ＿ｗｉｄｔｈ＿ｍｉｎｕｓ１及びｓｐｓ＿ｓｕｂｐｉｃ＿ｈｅｉｇｈｔ＿ｍｉｎｕｓ１のうちの少なくとも１つによって与えられ、前記ピクチャに適用される前記１つ以上のサイズは、それぞれがＶＶＣのシンタックス要素であるｓｐｓ＿ｐｉｃ＿ｗｉｄｔｈ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓ及びｓｐｓ＿ｐｉｃ＿ｈｅｉｇｈｔ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓのうちの少なくとも１つによって与えられる。
　これにより、ピクチャにおける各サブピクチャの領域を決定するための設定をＶＶＣのＳＰＳ又はＰＰＳにおける複数のシンタックス要素に従って復号することが可能になる場合がある。そして、サブピクチャとして選択された領域に対応するサブピクチャ識別情報等を導出することが可能になる場合がある。
　また、例えば、前記少なくとも１つの方向に対応する１つの方向に関して、前記第１サブピクチャと、前記少なくとも１つのサブピクチャに対応する第２サブピクチャとが、空間的に連続して配置され、前記１つの方向に関して、前記第１サブピクチャと前記第２サブピクチャとの合計サイズは、前記ピクチャのサイズに対応し、前記１つの方向に関して、前記第１サブピクチャがクロッピングされ、前記第２サブピクチャがクロッピングされない。
　これにより、空間的に連続して配置される第１サブピクチャ及び第２サブピクチャのうち第１サブピクチャのみをクロッピングすることが可能になる場合がある。したがって、処理を削減することが可能になる場合がある。
　また、例えば、前記少なくとも１つの方向に対応する１つの方向に関して、前記第１サブピクチャと、前記少なくとも１つのサブピクチャに対応する第２サブピクチャとが、空間的に連続して配置され、前記１つの方向に関して、前記第１サブピクチャと前記第２サブピクチャとの合計サイズは、前記ピクチャのサイズに対応し、前記１つの方向に関して、前記第１サブピクチャと前記第２サブピクチャとの両方がクロッピングされる。
　これにより、空間的に連続して配置される第１サブピクチャ及び第２サブピクチャの両方をクロッピングすることが可能になる場合がある。したがって、第１サブピクチャ及び第２サブピクチャの両方に、同様の処理を適用することが可能になる場合がある。よって、処理の複雑化を低減することが可能になる場合がある。
　また、例えば、前記クロッピング情報は、前記第２サブピクチャのクロッピング量を示す情報として、それぞれがＶＶＣのコンフォーマンスクロッピングウィンドウに関するシンタックス要素であるｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｂｏｔｔｏｍ＿ｏｆｆｓｅｔ及びｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｒｉｇｈｔ＿ｏｆｆｓｅｔのうちの少なくとも１つを含む。
　これにより、クロッピングウィンドウに関するシンタックス要素に従って、第２サブピクチャのサイズを第２サブピクチャの復号後に変更することが可能になる場合がある。
　また、例えば、前記ピクチャは、前記複数のサブピクチャにそれぞれ空間的に等しく一対一に対応する複数のスライスと、前記複数のサブピクチャにそれぞれ空間的に等しく一対一に対応する複数のタイルとのうちの少なくとも一方を含む。
　これにより、サブピクチャと、スライス又はタイルとの関係を簡素化することが可能になる場合がある。したがって、処理の複雑化を低減することが可能になる場合がある。
　また、例えば、本開示の一態様に係る符号化方法は、（ｉ）ピクチャを構成する複数のサブピクチャのうちのサブピクチャであり、（ｉｉ）当該サブピクチャの上端及び左端のうちの少なくとも１つの端が前記ピクチャの上端及び左端のうちの少なくとも１つの端に含まれ、（ｉｉｉ）当該サブピクチャの前記少なくとも１つの端の反対側に前記複数のサブピクチャのうちの少なくとも１つのサブピクチャが隣接するサブピクチャである第１サブピクチャを、前記ピクチャの前記少なくとも１つの端におけるパディングによって少なくとも１つの方向において前記第１サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に到達するように前記第１サブピクチャの前記少なくとも１つの端においてパディングすることと、前記第１サブピクチャのパディング量に対応するクロッピング量を示すクロッピング情報をビットストリームに符号化することと、パディングされた前記第１サブピクチャを含む前記複数のサブピクチャを互いに独立して前記ビットストリームに符号化することとを含み、前記クロッピング情報は、前記第１サブピクチャをパディングすることにより前記第１サブピクチャに付加される上側サンプル行数及び左側サンプル列数のうちの少なくとも１つを前記パディング量に対応する前記クロッピング量として示す。
　これにより、サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に対応するようにサブピクチャをパディングすることが可能になる場合がある。そして、パディング量に従ってサブピクチャをクロッピングするためのクロッピング情報を符号化することが可能になる場合がある。したがって、サブピクチャのサイズをサブピクチャに対応するビデオのサイズに一致させるための情報を符号化することが可能になる場合がある。
　また、例えば、前記ピクチャは、４Ｋ解像度に対応し、前記複数のサブピクチャのそれぞれは、ＨＤ（Ｈｉｇｈ　Ｄｅｆｉｎｉｔｉｏｎ）解像度に対応する。
　これにより、４Ｋ解像度に対応するピクチャに含まれ、かつ、ＨＤ解像度に対応する複数のサブピクチャを符号化することが可能になる場合がある。したがって、例えば、ＨＤ解像度を有する複数のビデオを４Ｋ解像度を有するビデオとしてビットストリームに符号化することが可能になる場合がある。
　また、例えば、前記ピクチャは、８Ｋ解像度に対応し、前記複数のサブピクチャのそれぞれは、４Ｋ解像度に対応する。
　これにより、８Ｋ解像度に対応するピクチャに含まれ、かつ、４Ｋ解像度に対応する複数のサブピクチャを符号化することが可能になる場合がある。したがって、例えば、４Ｋ解像度を有する複数のビデオを８Ｋ解像度を有するビデオとしてビットストリームに符号化することが可能になる場合がある。
　また、例えば、前記クロッピング情報は、それぞれがＶＶＣ（Ｖｅｒｓａｔｉｌｅ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）のコンフォーマンスクロッピングウィンドウに関するシンタックス要素であるｓｐｓ＿ｃｏｎｆｏｒｍａｎｃｅ＿ｗｉｎｄｏｗ＿ｆｌａｇ、ｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｔｏｐ＿ｏｆｆｓｅｔ及びｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｌｅｆｔ＿ｏｆｆｓｅｔのうちの少なくとも１つを含む。
　これにより、クロッピングウィンドウに関するシンタックス要素に従って、サブピクチャをクロッピングするためのクロッピング情報を符号化することが可能になる場合がある。
　また、例えば、前記符号化方法は、さらに、前記複数のサブピクチャの設定を前記ビットストリームに符号化することを含み、前記ビットストリームは、前記ピクチャに適用可能なパラメータセット内に前記設定を含む。
　これにより、ピクチャに適用可能なパラメータセットに、パディングされたサブピクチャを含む複数のサブピクチャの設定を符号化することが可能になる場合がある。
　また、例えば、前記ビットストリームは、ＶＶＣ（Ｖｅｒｓａｔｉｌｅ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）に準拠し、前記パラメータセットは、ＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）又はＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）であり、前記設定は、前記複数のサブピクチャの総数と、前記複数のサブピクチャが同じサイズを有するか否かと、１つ以上の方向に関して前記複数のサブピクチャに適用される１つ以上のサイズと、前記１つ以上の方向に関して前記ピクチャに適用される１つ以上のサイズとのうちの少なくとも１つを含み、前記複数のサブピクチャの総数は、ＶＶＣのシンタックス要素であるｓｐｓ＿ｎｕｍ＿ｓｕｂｐｉｃｓ＿ｍｉｎｕｓ１によって与えられ、前記複数のサブピクチャが同じサイズを有するか否かは、ＶＶＣのシンタックス要素であるｓｐｓ＿ｓｕｂｐｉｃ＿ｓａｍｅ＿ｓｉｚｅ＿ｆｌａｇによって与えられ、前記複数のサブピクチャに適用される前記１つ以上のサイズは、それぞれがＶＶＣのシンタックス要素であるｓｐｓ＿ｓｕｂｐｉｃ＿ｗｉｄｔｈ＿ｍｉｎｕｓ１及びｓｐｓ＿ｓｕｂｐｉｃ＿ｈｅｉｇｈｔ＿ｍｉｎｕｓ１のうちの少なくとも１つによって与えられ、前記ピクチャに適用される前記１つ以上のサイズは、それぞれがＶＶＣのシンタックス要素であるｓｐｓ＿ｐｉｃ＿ｗｉｄｔｈ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓ及びｓｐｓ＿ｐｉｃ＿ｈｅｉｇｈｔ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓのうちの少なくとも１つによって与えられる。
　これにより、ピクチャにおける各サブピクチャの領域を決定するための設定をＶＶＣのＳＰＳ又はＰＰＳにおける複数のシンタックス要素に従って符号化することが可能になる場合がある。
　また、例えば、前記少なくとも１つの方向に対応する１つの方向に関して、前記第１サブピクチャと、前記少なくとも１つのサブピクチャに対応する第２サブピクチャとが、空間的に連続して配置され、前記１つの方向に関して、前記第１サブピクチャと、前記第２サブピクチャとの合計サイズは、前記ピクチャのサイズに対応し、前記１つの方向に関して、前記第１サブピクチャがパディングされ、前記第２サブピクチャがパディングされない。
　これにより、空間的に連続して配置される第１サブピクチャ及び第２サブピクチャのうち第１サブピクチャのみをパディングすることが可能になる場合がある。したがって、処理を削減することが可能になる場合がある。
　また、例えば、前記少なくとも１つの方向に対応する１つの方向に関して、前記第１サブピクチャと、前記少なくとも１つのサブピクチャに対応する第２サブピクチャとが、空間的に連続して配置され、前記１つの方向に関して、前記第１サブピクチャと前記第２サブピクチャとの合計サイズは、前記ピクチャのサイズに対応し、前記１つの方向に関して、前記第１サブピクチャと前記第２サブピクチャとの両方がパディングされる。
　これにより、空間的に連続して配置される第１サブピクチャ及び第２サブピクチャの両方をパディングすることが可能になる場合がある。したがって、第１サブピクチャ及び第２サブピクチャの両方に、同様の処理を適用することが可能になる場合がある。よって、処理の複雑化を低減することが可能になる場合がある。
　また、例えば、前記クロッピング情報は、前記第２サブピクチャのクロッピング量を示す情報として、それぞれがＶＶＣのコンフォーマンスクロッピングウィンドウに関するシンタックス要素であるｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｂｏｔｔｏｍ＿ｏｆｆｓｅｔ及びｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｒｉｇｈｔ＿ｏｆｆｓｅｔのうちの少なくとも１つを含む。
　これにより、クロッピングウィンドウに関するシンタックス要素に従って、第２サブピクチャをクロッピングするためのクロッピング情報を符号化することが可能になる場合がある。
　また、例えば、前記ピクチャは、前記複数のサブピクチャにそれぞれ空間的に等しく一対一に対応する複数のスライスと、前記複数のサブピクチャにそれぞれ空間的に等しく一対一に対応する複数のタイルとのうちの少なくとも一方を含む。
　これにより、サブピクチャと、スライス又はタイルとの関係を簡素化することが可能になる場合がある。したがって、処理の複雑化を低減することが可能になる場合がある。
　また、例えば、本開示の一態様に係る復号装置は、回路と、前記回路に接続されたメモリとを備え、前記回路は、動作において、（ｉ）ピクチャを構成する互いに独立して復号可能な複数のサブピクチャのうちのサブピクチャであり、（ｉｉ）当該サブピクチャの上端及び左端のうちの少なくとも１つの端が前記ピクチャの上端及び左端のうちの少なくとも１つの端に含まれ、（ｉｉｉ）当該サブピクチャの前記少なくとも１つの端の反対側に前記複数のサブピクチャのうちの少なくとも１つのサブピクチャが隣接し、（ｉｖ）前記ピクチャの前記少なくとも１つの端におけるパディングによって少なくとも１つの方向において当該サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に到達するように当該サブピクチャの前記少なくとも１つの端においてパディングされたサブピクチャである第１サブピクチャのパディング量に対応するクロッピング量を示すクロッピング情報をビットストリームから復号し、前記第１サブピクチャを前記ビットストリームから復号し、前記クロッピング量に従って前記第１サブピクチャを前記第１サブピクチャの前記少なくとも１つの端においてクロッピングし、前記クロッピング情報は、前記第１サブピクチャをクロッピングすることにより前記第１サブピクチャから取り除かれる上側サンプル行数及び左側サンプル列数のうちの少なくとも１つを前記クロッピング量として示す。
　これにより、復号装置は、サイズが予め設定されたコーディングユニットサイズの整数倍に到達するようにパディングされたサブピクチャの復号後、パディング量に対応するクロッピング量に従ってサブピクチャをクロッピングすることができる場合がある。したがって、復号装置は、サブピクチャの復号後、サブピクチャのサイズをサブピクチャに対応するビデオのサイズに一致させることができる場合がある。
　また、例えば、本開示の一態様に係る符号化装置は、回路と、前記回路に接続されたメモリとを備え、前記回路は、動作において、（ｉ）ピクチャを構成する複数のサブピクチャのうちのサブピクチャであり、（ｉｉ）当該サブピクチャの上端及び左端のうちの少なくとも１つの端が前記ピクチャの上端及び左端のうちの少なくとも１つの端に含まれ、（ｉｉｉ）当該サブピクチャの前記少なくとも１つの端の反対側に前記複数のサブピクチャのうちの少なくとも１つのサブピクチャが隣接するサブピクチャである第１サブピクチャを、前記ピクチャの前記少なくとも１つの端におけるパディングによって少なくとも１つの方向において前記第１サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に到達するように前記第１サブピクチャの前記少なくとも１つの端においてパディングし、前記第１サブピクチャのパディング量に対応するクロッピング量を示すクロッピング情報をビットストリームに符号化し、パディングされた前記第１サブピクチャを含む前記複数のサブピクチャを互いに独立して前記ビットストリームに符号化し、前記クロッピング情報は、前記第１サブピクチャをパディングすることにより前記第１サブピクチャに付加される上側サンプル行数及び左側サンプル列数のうちの少なくとも１つを前記パディング量に対応する前記クロッピング量として示す。
　これにより、符号化装置は、サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に対応するようにサブピクチャをパディングすることができる場合がある。そして、符号化装置は、パディング量に従ってサブピクチャをクロッピングするためのクロッピング情報を符号化することができる場合がある。したがって、符号化装置は、サブピクチャのサイズをサブピクチャに対応するビデオのサイズに一致させるための情報を符号化することができる場合がある。
　また、例えば、本開示の一態様に係る復号装置は、入力部と、エントロピー復号部と、逆量子化部と、逆変換部と、イントラ予測部と、インター予測部と、ループフィルタ部と、出力部とを備える。
　前記入力部には、符号化ビットストリームが入力される。前記エントロピー復号部は、前記符号化ビットストリームに対して可変長復号を適用して、量子化係数を導出する。前記逆量子化部は、前記量子化係数を逆量子化して、変換係数を導出する。前記逆変換部は、前記変換係数を逆変換して、予測誤差を導出する。
　前記イントラ予測部は、カレントピクチャに含まれる参照画像を用いて、前記カレントピクチャに含まれるカレントブロックの予測信号を生成する。前記インター予測部は、前記カレントピクチャとは異なる参照ピクチャに含まれる参照画像を用いて、前記カレントピクチャに含まれるカレントブロックの予測信号を生成する。
　前記ループフィルタ部は、前記カレントピクチャに含まれるカレントブロックの再構成ブロックにフィルタを適用する。そして、前記出力部から、前記カレントピクチャが出力される。
　また、例えば、前記エントロピー復号部は、動作において、（ｉ）ピクチャを構成する互いに独立して復号可能な複数のサブピクチャのうちのサブピクチャであり、（ｉｉ）当該サブピクチャの上端及び左端のうちの少なくとも１つの端が前記ピクチャの上端及び左端のうちの少なくとも１つの端に含まれ、（ｉｉｉ）当該サブピクチャの前記少なくとも１つの端の反対側に前記複数のサブピクチャのうちの少なくとも１つのサブピクチャが隣接し、（ｉｖ）前記ピクチャの前記少なくとも１つの端におけるパディングによって少なくとも１つの方向において当該サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に到達するように当該サブピクチャの前記少なくとも１つの端においてパディングされたサブピクチャである第１サブピクチャのパディング量に対応するクロッピング量を示すクロッピング情報をビットストリームから復号し、前記第１サブピクチャを前記ビットストリームから復号し、前記クロッピング量に従って前記第１サブピクチャを前記第１サブピクチャの前記少なくとも１つの端においてクロッピングし、前記クロッピング情報は、前記第１サブピクチャをクロッピングすることにより前記第１サブピクチャから取り除かれる上側サンプル行数及び左側サンプル列数のうちの少なくとも１つを前記クロッピング量として示す。
　また、例えば、本開示の一態様に係る符号化装置は、入力部と、分割部と、イントラ予測部と、インター予測部と、ループフィルタ部と、変換部と、量子化部と、エントロピー符号化部と、出力部とを備える。
　前記入力部には、カレントピクチャが入力される。前記分割部は、前記カレントピクチャを複数のブロックに分割する。
　前記イントラ予測部は、前記カレントピクチャに含まれる参照画像を用いて、前記カレントピクチャに含まれるカレントブロックの予測信号を生成する。前記インター予測部は、前記カレントピクチャとは異なる参照ピクチャに含まれる参照画像を用いて、前記カレントピクチャに含まれるカレントブロックの予測信号を生成する。前記ループフィルタ部は、前記カレントピクチャに含まれるカレントブロックの再構成ブロックにフィルタを適用する。
　前記変換部は、前記カレントピクチャに含まれるカレントブロックの原信号と、前記イントラ予測部又は前記インター予測部によって生成された予測信号との予測誤差を変換して、変換係数を生成する。前記量子化部は、前記変換係数を量子化して、量子化係数を生成する。前記エントロピー符号化部は、前記量子化係数に対して可変長符号化を適用して、符号化ビットストリームを生成する。そして、前記出力部から、可変長符号化が適用された前記量子化係数と、制御情報とを含む前記符号化ビットストリームが出力される。
　また、例えば、前記エントロピー符号化部は、動作において、（ｉ）ピクチャを構成する複数のサブピクチャのうちのサブピクチャであり、（ｉｉ）当該サブピクチャの上端及び左端のうちの少なくとも１つの端が前記ピクチャの上端及び左端のうちの少なくとも１つの端に含まれ、（ｉｉｉ）当該サブピクチャの前記少なくとも１つの端の反対側に前記複数のサブピクチャのうちの少なくとも１つのサブピクチャが隣接するサブピクチャである第１サブピクチャを、前記ピクチャの前記少なくとも１つの端におけるパディングによって少なくとも１つの方向において前記第１サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に到達するように前記第１サブピクチャの前記少なくとも１つの端においてパディングし、前記第１サブピクチャのパディング量に対応するクロッピング量を示すクロッピング情報をビットストリームに符号化し、パディングされた前記第１サブピクチャを含む前記複数のサブピクチャを互いに独立して前記ビットストリームに符号化し、前記クロッピング情報は、前記第１サブピクチャをパディングすることにより前記第１サブピクチャに付加される上側サンプル行数及び左側サンプル列数のうちの少なくとも１つを前記パディング量に対応する前記クロッピング量として示す。
　さらに、これらの包括的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム、又は、コンピュータ読み取り可能なＣＤ－ＲＯＭなどの非一時的な記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラム、及び、記録媒体の任意な組み合わせで実現されてもよい。
　例示的な実施の形態は、コンフォーマンスクロッピングウィンドウを用いて、符号化に用いられるＣＴＵサイズの倍数に対応しないサイズを有する複数のＶＶＣサブピクチャからモザイクビデオの作成を可能にすることに関する。
　［用語の定義］
　各用語は一例として以下のような定義であってもよい。
　（１）画像
　画素の集合によって構成されたデータの単位であり、ピクチャやピクチャより小さいブロックからなり、動画の他、静止画も含む。
　（２）ピクチャ
　画素の集合によって構成される画像の処理単位であり、フレームやフィールドと呼ばれる場合もある。
　（３）ブロック
　特定数の画素を含む集合の処理単位であり、以下の例に挙げる通り、名称は問わない。また、形状も問わず、例えば、Ｍ×Ｎ画素からなる長方形、Ｍ×Ｍ画素からなる正方形はもちろん、三角形、円形、その他の形状も含む。
　（ブロックの例）
　　・スライス／タイル／ブリック
　　・ＣＴＵ／スーパーブロック／基本分割単位
　　・ＶＰＤＵ／ハードウェアの処理分割単位
　　・ＣＵ／処理ブロック単位／予測ブロック単位（ＰＵ）／直交変換ブロック単位（ＴＵ）／ユニット
　　・サブブロック
　（４）画素／サンプル
　画像を構成する最小単位の点であって、整数位置の画素のみならず整数位置の画素に基づいて生成された小数位置の画素も含む。
　（５）画素値／サンプル値
　画素が有する固有の値であって、輝度値、色差値、ＲＧＢの階調はもちろん、ｄｅｐｔｈ値、又は０、１の２値も含む。
　（６）フラグ
　１ビットの他、複数ビットの場合も含み、例えば、２ビット以上のパラメータやインデックスであってもよい。また、二進数を用いた２値のみならず、その他の進数を用いた多値であってもよい。
　（７）信号
　情報を伝達するために記号化、符号化したものであって、離散化されたデジタル信号の他、連続値を取るアナログ信号も含む。
　（８）ストリーム／ビットストリーム
　デジタルデータのデータ列又はデジタルデータの流れをいう。ストリーム／ビットストリームは、１本のストリームの他、複数の階層に分けられ複数のストリームにより構成されてもよい。また、単数の伝送路でシリアル通信により伝送される場合の他、複数の伝送路でパケット通信により伝送される場合も含む。
　（９）差／差分
　スカラー量の場合、単純差（ｘ－ｙ）の他、差の演算が含まれていれば足り、差の絶対値（｜ｘ－ｙ｜）、二乗差（ｘ＾２－ｙ＾２）、差の平方根（√（ｘ－ｙ））、重み付け差（ａｘ－ｂｙ：ａ、ｂは定数）、オフセット差（ｘ－ｙ＋ａ：ａはオフセット）を含む。
　（１０）和
　スカラー量の場合、単純和（ｘ＋ｙ）の他、和の演算が含まれていれば足り、和の絶対値（｜ｘ＋ｙ｜）、二乗和（ｘ＾２＋ｙ＾２）、和の平方根（√（ｘ＋ｙ））、重み付け和（ａｘ＋ｂｙ：ａ、ｂは定数）、オフセット和（ｘ＋ｙ＋ａ：ａはオフセット）を含む。
　（１１）基づいて（ｂａｓｅｄ　ｏｎ）
　基づく対象となる要素以外を加味する場合も含む。また、直接結果を求める場合の他、中間的な結果を経由して結果を求める場合も含む。
　（１２）用いて（ｕｓｅｄ、ｕｓｉｎｇ）
　用いる対象となる要素以外を加味する場合も含む。また、直接結果を求める場合の他、中間的な結果を経由して結果を求める場合も含む。
　（１３）禁止する（ｐｒｏｈｉｂｉｔ、ｆｏｒｂｉｄ）
　許されないと言い換えることができる。また、禁止していないこと又は許可されることは、必ずしも義務を意味するものではない。
　（１４）制限する（ｌｉｍｉｔ、ｒｅｓｔｒｉｃｔｉｏｎ／ｒｅｓｔｒｉｃｔ／ｒｅｓｔｒｉｃｔｅｄ）
　許されないと言い換えることができる。また、禁止していないこと又は許可されることは、必ずしも義務を意味するものではない。さらに、量的又は質的に一部が禁止されていれば足り、全面的に禁止する場合も含まれる。
　（１５）色差（ｃｈｒｏｍａ）
　サンプル配列または単一のサンプルが、原色に関連する２つの色差（ｃｏｌｏｕｒ　ｄｉｆｆｅｒｅｎｃｅ）信号の１つを表すことを指定する、記号ＣｂおよびＣｒで表される形容詞である。ｃｈｒｏｍａという用語の代わりに、ｃｈｒｏｍｉｎａｎｃｅという用語を使用することもできる。
　（１６）輝度（ｌｕｍａ）
　サンプル配列または単一のサンプルが原色に関連するモノクロ信号を表すことを指定する、記号または下付きのＹまたはＬで表される形容詞である。ｌｕｍａという用語の代わりに、ｌｕｍｉｎａｎｃｅという用語を使用することもできる。
　［記載に関する解説］
　図面において、同一の参照番号は同一または類似の構成要素を示す。また、図面における構成要素のサイズおよび相対位置は、必ずしも一定の縮尺で描かれていない。
　以下、実施の形態について図面を参照しながら具体的に説明する。なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの関係及び順序などは、一例であり、請求の範囲を限定する主旨ではない。
　以下では、符号化装置および復号化装置の実施の形態を説明する。実施の形態は、本開示の各態様で説明する処理および／または構成を適用可能な符号化装置および復号化装置の例である。処理および／または構成は、実施の形態とは異なる符号化装置および復号化装置においても実施可能である。例えば、実施の形態に対して適用される処理および／または構成に関して、例えば以下のいずれかを実施してもよい。
　（１）本開示の各態様で説明する実施の形態の符号化装置または復号装置の複数の構成要素のうちいずれかは、本開示の各態様のいずれかで説明する他の構成要素に置き換えまたは組み合わせられてもよい。
　（２）実施の形態の符号化装置または復号装置において、当該符号化装置または復号装置の複数の構成要素のうち一部の構成要素によって行われる機能または処理に、機能または処理の追加、置き換え、削除などの任意の変更がなされてもよい。例えば、いずれかの機能または処理は、本開示の各態様のいずれかで説明する他の機能または処理に、置き換えまたは組み合わせられてもよい。
　（３）実施の形態の符号化装置または復号装置が実施する方法において、当該方法に含まれる複数の処理のうちの一部の処理について、追加、置き換えおよび削除などの任意の変更がなされてもよい。例えば、方法におけるいずれかの処理は、本開示の各態様のいずれかで説明する他の処理に、置き換えまたは組み合わせられてもよい。
　（４）実施の形態の符号化装置または復号装置を構成する複数の構成要素のうちの一部の構成要素は、本開示の各態様のいずれかで説明する構成要素と組み合わせられてもよいし、本開示の各態様のいずれかで説明する機能の一部を備える構成要素と組み合わせられてもよいし、本開示の各態様で説明する構成要素が実施する処理の一部を実施する構成要素と組み合わせられてもよい。
　（５）実施の形態の符号化装置または復号装置の機能の一部を備える構成要素、または、実施の形態の符号化装置または復号装置の処理の一部を実施する構成要素は、本開示の各態様いずれかで説明する構成要素と、本開示の各態様でいずれかで説明する機能の一部を備える構成要素と、または、本開示の各態様のいずれかで説明する処理の一部を実施する構成要素と組み合わせまたは置き換えられてもよい。
　（６）実施の形態の符号化装置または復号装置が実施する方法において、当該方法に含まれる複数の処理のいずれかは、本開示の各態様のいずれかで説明する処理に、または、同様のいずれかの処理に、置き換えまたは組み合わせられてもよい。
　（７）実施の形態の符号化装置または復号装置が実施する方法に含まれる複数の処理のうちの一部の処理は、本開示の各態様のいずれかで説明する処理と組み合わせられてもよい。
　（８）本開示の各態様で説明する処理および／または構成の実施の仕方は、実施の形態の符号化装置または復号装置に限定されるものではない。例えば、処理および／または構成は、実施の形態において開示する動画像符号化または動画像復号とは異なる目的で利用される装置において実施されてもよい。
　［システム構成］
　図１は、本実施の形態に係る伝送システムの構成の一例を示す概略図である。
　伝送システムＴｒｓは、画像を符号化することによって生成されるストリームを伝送し、伝送されたストリームを復号するシステムである。このような伝送システムＴｒｓは、例えば図１に示すように、符号化装置１００、ネットワークＮｗ、および復号装置２００を含む。
　符号化装置１００には画像が入力される。符号化装置１００は、その入力された画像を符号化することによってストリームを生成し、そのストリームをネットワークＮｗに出力する。ストリームには、例えば、符号化された画像と、その符号化された画像を復号するための制御情報とが含まれている。この符号化によって画像は圧縮される。
　なお、符号化装置１００に入力される、符号化される前の元の画像は、原画像、原信号、または原サンプルとも呼ばれる。また、画像は、動画像または静止画像であってもよい。また、画像は、シーケンス、ピクチャおよびブロックなどの上位概念であって、別途規定されない限り、空間的および時間的な領域の制限を受けない。また、画像は、画素または画素値の配列からなり、その画像を表す信号、または画素値は、サンプルとも呼ばれる。また、ストリームは、ビットストリーム、符号化ビットストリーム、圧縮ビットストリーム、または符号化信号と呼ばれてもよい。さらに、符号化装置は、画像符号化装置または動画像符号化装置と呼ばれてもよく、符号化装置１００による符号化の方法は、符号化方法、画像符号化方法、または動画像符号化方法と呼ばれてもよい。
　ネットワークＮｗは、符号化装置１００が生成したストリームを復号装置２００に伝送する。ネットワークＮｗは、インターネット、広域ネットワーク（ＷＡＮ：Ｗｉｄｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、小規模ネットワーク（ＬＡＮ：Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、またはこれらの組み合わせであってもよい。ネットワークＮｗは、必ずしも双方向の通信網に限らず、地上デジタル放送、または衛星放送等の放送波を伝送する一方向の通信網であってもよい。また、ネットワークＮｗは、ＤＶＤ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｃ）、ＢＤ（Ｂｌｕ－Ｒａｙ　Ｄｉｓｃ（登録商標））等のストリームを記録した記憶媒体によって代替されてもよい。
　復号装置２００は、ネットワークＮｗが伝送したストリームを復号することによって、例えば非圧縮の画像である復号画像を生成する。例えば、復号装置は、符号化装置１００による符号化方法に対応する復号方法にしたがってストリームを復号する。
　なお、復号装置は、画像復号装置または動画像復号装置と呼ばれてもよく、復号装置２００による復号の方法は、復号方法、画像復号方法、または動画像復号方法と呼ばれてもよい。
　［データ構造］
　図２は、ストリームにおけるデータの階層構造の一例を示す図である。ストリームは、例えばビデオシーケンスを含む。このビデオシーケンスは、例えば図２の（ａ）に示すように、ＶＰＳ（Ｖｉｄｅｏ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）と、ＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）と、ＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）と、ＳＥＩ（Ｓｕｐｐｌｅｍｅｎｔａｌ　Ｅｎｈａｎｃｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ）と、複数のピクチャとを含む。
　ＶＰＳは、複数のレイヤから構成されている動画像において、複数のレイヤに共通する符号化パラメータと、動画像に含まれる複数のレイヤ、または個々のレイヤに関連する符号化パラメータとを含む。
　ＳＰＳは、シーケンスに対して用いられるパラメータ、すなわち、シーケンスを復号するために復号装置２００が参照する符号化パラメータを含む。例えば、その符号化パラメータは、ピクチャの幅または高さを示してもよい。なお、ＳＰＳは複数存在してもよい。
　ＰＰＳは、ピクチャに対して用いられるパラメータ、すなわち、シーケンス内の各ピクチャを復号するために復号装置２００が参照する符号化パラメータを含む。例えば、その符号化パラメータは、ピクチャの復号に用いられる量子化幅の基準値と、重み付き予測の適用を示すフラグとを含んでもよい。なお、ＰＰＳは複数存在してもよい。また、ＳＰＳとＰＰＳとは、単にパラメータセットと呼ばれる場合がある。
　ピクチャは、図２の（ｂ）に示すように、ピクチャヘッダと、１つ以上のスライスを含んでいてもよい。ピクチャヘッダは、その１つ以上のスライスを復号するために復号装置２００が参照する符号化パラメータを含む。
　スライスは、図２の（ｃ）に示すように、スライスヘッダと、１つ以上のブリックとを含む。スライスヘッダは、その１つ以上のブリックを復号するために復号装置２００が参照する符号化パラメータを含む。
　ブリックは、図２の（ｄ）に示すように、１つ以上のＣＴＵ（Ｃｏｄｉｎｇ　Ｔｒｅｅ　Ｕｎｉｔ）を含む。
　なお、ピクチャは、スライスを含まず、そのスライスの代わりに、タイルグループを含んでいてもよい。この場合、タイルグループは、１つ以上のタイルを含む。また、ブリックにスライスが含まれていてもよい。
　ＣＴＵは、スーパーブロックまたは基本分割単位とも呼ばれる。このようなＣＴＵは、図２の（ｅ）に示すように、ＣＴＵヘッダと、１つ以上のＣＵ（Ｃｏｄｉｎｇ　Ｕｎｉｔ）とを含む。ＣＴＵヘッダは、１つ以上のＣＵを復号するために復号装置２００が参照する符号化パラメータを含む。
　ＣＵは、複数の小さいＣＵに分割されてもよい。また、ＣＵは、図２の（ｆ）に示すように、ＣＵヘッダと、予測情報と、残差係数情報とを含む。予測情報は、そのＣＵを予測するための情報であって、残差係数情報は、後述の予測残差を示す情報である。なお、ＣＵは、基本的にＰＵ（Ｐｒｅｄｉｃｔｉｏｎ　Ｕｎｉｔ）およびＴＵ（Ｔｒａｎｓｆｏｒｍ　Ｕｎｉｔ）と同一であるが、例えば後述のＳＢＴでは、そのＣＵよりも小さい複数のＴＵを含んでいてもよい。また、ＣＵは、そのＣＵを構成するＶＰＤＵ（Ｖｉｒｔｕａｌ　Ｐｉｐｅｌｉｎｅ　Ｄｅｃｏｄｉｎｇ　Ｕｎｉｔ）ごとに処理されてもよい。ＶＰＤＵは、例えば、ハードウェアにおいてパイプライン処理を行う際に、１ステージで処理できる固定的な単位である。
　なお、ストリームは、図２に示す各階層のうちの何れか一部の階層を有していなくてもよい。また、これらの階層の順番は、入れ替えられてもよく、何れかの階層は他の階層に置き換えられてもよい。また、符号化装置１００または復号装置２００などの装置によって現時点で行われる処理の対象とされているピクチャを、カレントピクチャという。その処理が符号化であれば、カレントピクチャは、符号化対象ピクチャと同義であり、その処理が復号であれば、カレントピクチャは、復号対象ピクチャと同義である。また、符号化装置１００または復号装置２００などの装置によって現時点で行われる処理の対象とされている例えばＣＵまたはＣＵなどのブロックを、カレントブロックという。その処理が符号化であれば、カレントブロックは、符号化対象ブロックと同義であり、その処理が復号であれば、カレントブロックは、復号対象ブロックと同義である。
　［ピクチャの構成　スライス／タイル］
　ピクチャを並列にデコードするために、ピクチャはスライス単位またはタイル単位で構成される場合がある。
　スライスは、ピクチャを構成する基本的な符号化の単位である。ピクチャは、例えば１つ以上のスライスから構成される。また、スライスは、１つ以上の連続するＣＴＵからなる。
　図３は、スライスの構成の一例を示す図である。例えば、ピクチャは、１１×８個のＣＴＵを含み、かつ、４つのスライス（スライス１－４）に分割される。スライス１は、例えば１６個のＣＴＵからなり、スライス２は、例えば２１個のＣＴＵからなり、スライス３は、例えば２９個のＣＴＵからなり、スライス４は、例えば２２個のＣＴＵからなる。ここで、ピクチャ内の各ＣＴＵは、いずれかのスライスに属する。スライスの形状は、ピクチャを水平方向に分割した形になる。スライスの境界は、画面端である必要はなく、画面内のＣＴＵの境界のうちどこであってもよい。スライスの中のＣＴＵの処理順（符号化順または復号順）は、例えばラスタ・スキャン順である。また、スライスは、スライスヘッダと符号化データを含む。スライスヘッダには、スライスの先頭のＣＴＵアドレス、スライス・タイプなどそのスライスの特徴が記述されてもよい。
　タイルは、ピクチャを構成する矩形領域の単位である。各タイルにはＴｉｌｅＩｄと呼ばれる番号がラスタ・スキャン順に割り振られてもよい。
　図４は、タイルの構成の一例を示す図である。例えば、ピクチャは、１１×８個のＣＴＵを含み、かつ、４つの矩形領域のタイル（タイル１－４）に分割される。タイルが使用される場合、タイルが使用されない場合と比べてＣＴＵの処理順が変更される。タイルが使用されない場合、ピクチャ内の複数のＣＴＵは例えばラスタ・スキャン順に処理される。タイルが使用される場合には、複数のタイルのそれぞれにおいて、少なくとも１つのＣＴＵが例えばラスタ・スキャン順に処理される。例えば、図４に示すように、タイル１に含まれる複数のＣＴＵの処理順は、タイル１の１列目左端からタイル１の１列目右端まで向かい、次に、タイル１の２列目左端からタイル１の２列目右端まで向かう順である。
　なお、１つのタイルは、１つ以上のスライスを含む場合があり、１つのスライスは、１つ以上のタイルを含む場合がある。
　なお、ピクチャはタイルセット単位で構成されていてもよい。タイルセットは、１つ以上のタイルグループを含んでもよく、１つ以上のタイルを含んでもよい。ピクチャは、タイルセット、タイルグループ、およびタイルのうちのいずれか１つのみによって構成されていてもよい。例えば、タイルセットごとに複数のタイルをラスタ順に走査する順序を、タイルの基本符号化順序とする。各タイルセット内で基本符号化順序が連続する１つ以上のタイルの集まりをタイルグループとする。このようなピクチャは、後述の分割部１０２（図７参照）によって構成されてもよい。
　［スケーラブル符号化］
　図５および図６は、スケーラブルなストリームの構成の一例を示す図である。
　符号化装置１００は、図５に示すように、複数のピクチャのそれぞれを、複数のレイヤの何れかに分けて符号化することによって、時間的／空間的スケーラブルなストリームを生成してもよい。例えば、符号化装置１００は、レイヤ毎にピクチャを符号化することによって、ベースレイヤの上位にエンハンスメントレイヤが存在するスケーラビリティを実現する。このような各ピクチャの符号化を、スケーラブル符号化という。これにより、復号装置２００は、そのストリームを復号することによって表示される画像の画質を切り換えることができる。つまり、復号装置２００は、自らの性能という内的要因と、通信帯域の状態などの外的要因とに応じて、どのレイヤまで復号するかを決定する。その結果、復号装置２００は、同一のコンテンツを低解像度のコンテンツと高解像度のコンテンツとに自由に切り替えて復号できる。例えば、そのストリームの利用者は、移動中に、スマートフォンを用いて、そのストリームの動画像を途中まで視聴し、帰宅後に、インターネットＴＶ等の機器を用いて、その動画像の続きを視聴する。なお、上述のスマートフォンおよび機器のそれぞれには、互いに性能が同一または異なる復号装置２００が組み込まれている。この場合には、その機器がそのストリームのうちの上位レイヤまでを復号すれば、利用者は、帰宅後には高画質の動画像を視聴することができる。これにより、符号化装置１００は、同一内容で画質の異なる複数のストリームを生成する必要がなく、処理負荷を低減することができる。
　さらに、エンハンスメントレイヤは、画像の統計情報などに基づくメタ情報を含んでいてもよい。復号装置２００は、メタ情報に基づきベースレイヤのピクチャを超解像することで高画質化された動画像を生成してもよい。超解像とは、同一解像度におけるＳＮ（Ｓｉｇｎａｌ－ｔｏ－Ｎｏｉｓｅ）比の向上、および、解像度の拡大のいずれであってもよい。メタ情報は、超解像処理に用いる線形もしくは非線形のフィルタ係数を特定するため情報、または、超解像処理に用いるフィルタ処理、機械学習もしくは最小２乗演算におけるパラメータ値を特定する情報などを含んでいてもよい。
　または、ピクチャ内の各オブジェクトなどの意味合いに応じて、そのピクチャはタイル等に分割されていてもよい。この場合、復号装置２００は、復号の対象とされるタイルを選択することで、ピクチャのうちの一部の領域だけを復号してもよい。また、オブジェクトの属性（人物、車、ボールなど）と、ピクチャ内の位置（同一ピクチャにおける座標位置など）とが、メタ情報として格納されていてもよい。この場合、復号装置２００は、メタ情報に基づいて所望のオブジェクトの位置を特定し、そのオブジェクトを含むタイルを決定できる。例えば、図６に示すように、メタ情報は、ＨＥＶＣにおけるＳＥＩなどの、画像データとは異なるデータ格納構造を用いて格納される。このメタ情報は、例えば、メインオブジェクトの位置、サイズ、または色彩などを示す。
　また、ストリーム、シーケンスまたはランダムアクセス単位など、複数のピクチャから構成される単位でメタ情報が格納されてもよい。これにより、復号装置２００は、特定人物が動画像内に出現する時刻などを取得でき、その時刻とピクチャ単位の情報とを用いることで、オブジェクトが存在するピクチャと、そのピクチャ内でのオブジェクトの位置とを特定できる。
　［符号化装置］
　次に、実施の形態に係る符号化装置１００を説明する。図７は、実施の形態に係る符号化装置１００の構成の一例を示すブロック図である。符号化装置１００は、画像をブロック単位で符号化する。
　図７に示すように、符号化装置１００は、画像をブロック単位で符号化する装置であって、分割部１０２と、減算部１０４と、変換部１０６と、量子化部１０８と、エントロピー符号化部１１０と、逆量子化部１１２と、逆変換部１１４と、加算部１１６と、ブロックメモリ１１８と、ループフィルタ部１２０と、フレームメモリ１２２と、イントラ予測部１２４と、インター予測部１２６と、予測制御部１２８と、予測パラメータ生成部１３０とを備える。なお、イントラ予測部１２４およびインター予測部１２６のそれぞれは、予測処理部の一部として構成されている。
　［符号化装置の実装例］
　図８は、符号化装置１００の実装例を示すブロック図である。符号化装置１００は、プロセッサａ１およびメモリａ２を備える。例えば、図７に示された符号化装置１００の複数の構成要素は、図８に示されたプロセッサａ１およびメモリａ２によって実装される。
　プロセッサａ１は、情報処理を行う回路であり、メモリａ２にアクセス可能な回路である。例えば、プロセッサａ１は、画像を符号化する専用または汎用の電子回路である。プロセッサａ１は、ＣＰＵのようなプロセッサであってもよい。また、プロセッサａ１は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサａ１は、図７に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリａ２は、プロセッサａ１が画像を符号化するための情報が記憶される専用または汎用のメモリである。メモリａ２は、電子回路であってもよく、プロセッサａ１に接続されていてもよい。また、メモリａ２は、プロセッサａ１に含まれていてもよい。また、メモリａ２は、複数の電子回路の集合体であってもよい。また、メモリａ２は、磁気ディスクまたは光ディスク等であってもよいし、ストレージまたは記録媒体等と表現されてもよい。また、メモリａ２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリａ２には、符号化される画像が記憶されてもよいし、符号化された画像に対応するストリームが記憶されてもよい。また、メモリａ２には、プロセッサａ１が画像を符号化するためのプログラムが記憶されていてもよい。
　また、例えば、メモリａ２は、図７に示された符号化装置１００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリａ２は、図７に示されたブロックメモリ１１８およびフレームメモリ１２２の役割を果たしてもよい。より具体的には、メモリａ２には、再構成画像（具体的には、再構成済みブロックまたは再構成済みピクチャ等）が記憶されてもよい。
　なお、符号化装置１００において、図７に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図７に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。
　以下、符号化装置１００の全体的な処理の流れを説明した後に、符号化装置１００に含まれる各構成要素について説明する。
　［符号化処理の全体フロー］
　図９は、符号化装置１００による全体的な符号化処理の一例を示すフローチャートである。
　まず、符号化装置１００の分割部１０２は、原画像に含まれるピクチャを複数の固定サイズのブロック（１２８×１２８画素）に分割する（ステップＳａ＿１）。そして、分割部１０２は、その固定サイズのブロックに対して分割パターンを選択する（ステップＳａ＿２）。つまり、分割部１０２は、固定サイズのブロックを、その選択された分割パターンを構成する複数のブロックに、さらに分割する。そして、符号化装置１００は、その複数のブロックのそれぞれに対してステップＳａ＿３～Ｓａ＿９の処理を行う。
　イントラ予測部１２４およびインター予測部１２６からなる予測処理部と、予測制御部１２８とは、カレントブロックの予測画像を生成する（ステップＳａ＿３）。なお、予測画像は、予測信号、予測ブロックまたは予測サンプルとも呼ばれる。
　次に、減算部１０４は、カレントブロックと予測画像との差分を予測残差として生成する（ステップＳａ＿４）。なお、予測残差は、予測誤差とも呼ばれる。
　次に、変換部１０６および量子化部１０８は、その予測画像に対して変換および量子化を行うことによって、複数の量子化係数を生成する（ステップＳａ＿５）。
　次に、エントロピー符号化部１１０は、その複数の量子化係数と、予測画像の生成に関する予測パラメータとに対して符号化（具体的にはエントロピー符号化）を行うことによって、ストリームを生成する（ステップＳａ＿６）。
　次に、逆量子化部１１２および逆変換部１１４は、複数の量子化係数に対して逆量子化および逆変換を行うことによって、予測残差を復元する（ステップＳａ＿７）。
　次に、加算部１１６は、その復元された予測残差に予測画像を加算することによってカレントブロックを再構成する（ステップＳａ＿８）。これにより、再構成画像が生成される。なお、再構成画像は、再構成ブロックとも呼ばれ、特に符号化装置１００によって生成される再構成画像は、ローカル復号ブロックまたはローカル復号画像とも呼ばれる。
　この再構成画像が生成されると、ループフィルタ部１２０は、その再構成画像に対してフィルタリングを必要に応じて行う（ステップＳａ＿９）。
　そして、符号化装置１００は、ピクチャ全体の符号化が完了したか否かを判定し（ステップＳａ＿１０）、完了していないと判定する場合（ステップＳａ＿１０のＮｏ）、ステップＳａ＿２からの処理を繰り返し実行する。
　なお、上述の例では、符号化装置１００は、固定サイズのブロックに対して１つの分割パターンを選択し、その分割パターンにしたがって各ブロックの符号化を行うが、複数の分割パターンのそれぞれにしたがって各ブロックの符号化を行ってもよい。この場合には、符号化装置１００は、複数の分割パターンのそれぞれに対するコストを評価し、例えば最も小さいコストの分割パターンにしたがった符号化によって得られるストリームを、最終的に出力されるストリームとして選択してもよい。
　また、これらのステップＳａ＿１～Ｓａ＿１０の処理は、符号化装置１００によってシーケンシャルに行われてもよく、それらの処理のうちの一部の複数の処理が並列に行われてもよく、順番が入れ替えられてもよい。
　このような符号化装置１００による符号化処理は、予測符号化と変換符号化とを用いたハイブリッド符号化である。また、予測符号化は、減算部１０４、変換部１０６、量子化部１０８、逆量子化部１１２、逆変換部１１４、加算部１１６、ループフィルタ部１２０、ブロックメモリ１１８、フレームメモリ１２２、イントラ予測部１２４、インター予測部１２６、および予測制御部１２８からなる符号化ループによって行われる。つまり、イントラ予測部１２４およびインター予測部１２６からなる予測処理部は、符号化ループの一部を構成する。
　［分割部］
　分割部１０２は、原画像に含まれる各ピクチャを複数のブロックに分割し、各ブロックを減算部１０４に出力する。例えば、分割部１０２は、まず、ピクチャを固定サイズ（例えば１２８ｘ１２８画素）のブロックに分割する。この固定サイズのブロックは、符号化ツリーユニット（ＣＴＵ）と呼ばれることがある。そして、分割部１０２は、例えば再帰的な四分木（ｑｕａｄｔｒｅｅ）および／または二分木（ｂｉｎａｒｙ　ｔｒｅｅ）ブロック分割に基づいて、固定サイズのブロックの各々を可変サイズ（例えば６４ｘ６４画素以下）のブロックに分割する。すなわち、分割部１０２は、分割パターンを選択する。この可変サイズのブロックは、符号化ユニット（ＣＵ）、予測ユニット（ＰＵ）あるいは変換ユニット（ＴＵ）と呼ばれることがある。なお、種々の実装例では、ＣＵ、ＰＵおよびＴＵは区別される必要はなく、ピクチャ内の一部またはすべてのブロックがＣＵ、ＰＵ、またはＴＵの処理単位となってもよい。
　図１０は、実施の形態におけるブロック分割の一例を示す図である。図１０において、実線は四分木ブロック分割によるブロック境界を表し、破線は二分木ブロック分割によるブロック境界を表す。
　ここでは、ブロック１０は、１２８ｘ１２８画素の正方形ブロックである。このブロック１０は、まず、４つの６４ｘ６４画素の正方形ブロックに分割される（四分木ブロック分割）。
　左上の６４ｘ６４画素の正方形ブロックは、さらに、それぞれ３２ｘ６４画素からなる２つの矩形ブロックに垂直に分割され、左の３２ｘ６４画素の矩形ブロックは、さらに、それぞれ１６ｘ６４画素からなる２つの矩形ブロックに垂直に分割される（二分木ブロック分割）。その結果、左上の６４ｘ６４画素の正方形ブロックは、２つの１６ｘ６４画素の矩形ブロック１１および１２と、３２ｘ６４画素の矩形ブロック１３とに分割される。
　右上の６４ｘ６４画素の正方形ブロックは、それぞれ６４ｘ３２画素からなる２つの矩形ブロック１４および１５に水平に分割される（二分木ブロック分割）。
　左下の６４ｘ６４画素の正方形ブロックは、それぞれ３２ｘ３２画素からなる４つの正方形ブロックに分割される（四分木ブロック分割）。それぞれ３２ｘ３２画素からなる４つの正方形ブロックのうち左上のブロックおよび右下のブロックは、さらに分割される。左上の３２ｘ３２画素の正方形ブロックは、それぞれ１６ｘ３２画素からなる２つの矩形ブロックに垂直に分割され、右の１６ｘ３２画素からなる矩形ブロックは、さらに、それぞれ１６ｘ１６画素からなる２つの正方形ブロックに水平に分割される（二分木ブロック分割）。右下の３２ｘ３２画素からなる正方形ブロックは、それぞれ３２ｘ１６画素からなる２つの矩形ブロックに水平に分割される（二分木ブロック分割）。その結果、左下の６４ｘ６４画素の正方形ブロックは、１６ｘ３２画素の矩形ブロック１６と、それぞれ１６ｘ１６画素の２つの正方形ブロック１７および１８と、それぞれ３２ｘ３２画素の２つの正方形ブロック１９および２０と、それぞれ３２ｘ１６画素の２つの矩形ブロック２１および２２とに分割される。
　右下の６４ｘ６４画素からなるブロック２３は分割されない。
　以上のように、図１０では、ブロック１０は、再帰的な四分木および二分木ブロック分割に基づいて、１３個の可変サイズのブロック１１～２３に分割される。このような分割は、ＱＴＢＴ（ｑｕａｄ－ｔｒｅｅ　ｐｌｕｓ　ｂｉｎａｒｙ　ｔｒｅｅ）分割と呼ばれることがある。
　なお、図１０では、１つのブロックが４つまたは２つのブロックに分割されていたが（四分木または二分木ブロック分割）、分割はこれらに限定されない。例えば、１つのブロックが３つのブロックに分割されてもよい（三分木ブロック分割）。このような三分木ブロック分割を含む分割は、ＭＢＴ（ｍｕｌｔｉ　ｔｙｐｅ　ｔｒｅｅ）分割と呼ばれることがある。
　図１１は、分割部１０２の構成の一例を示す図である。図１１に示すように、分割部１０２は、ブロック分割決定部１０２ａを備えていてもよい。ブロック分割決定部１０２ａは、一例として以下の処理を行ってもよい。
　ブロック分割決定部１０２ａは、例えば、ブロックメモリ１１８またはフレームメモリ１２２からブロック情報を収集し、そのブロック情報に基づいて上述の分割パターンを決定する。分割部１０２は、その分割パターンにしたがって原画像を分割し、その分割によって得られる１つ以上のブロックを減算部１０４に出力する。
　また、ブロック分割決定部１０２ａは、例えば、上述の分割パターンを示すパラメータを変換部１０６、逆変換部１１４、イントラ予測部１２４、インター予測部１２６およびエントロピー符号化部１１０に出力する。変換部１０６は、そのパラメータに基づいて予測残差を変換してもよく、イントラ予測部１２４およびインター予測部１２６は、そのパラメータに基づいて予測画像を生成してもよい。また、エントロピー符号化部１１０は、そのパラメータに対してエントロピー符号化を行ってもよい。
　分割パターンに関するパラメータは、一例として以下のようにストリームに書き込まれてもよい。
　図１２は、分割パターンの例を示す図である。分割パターンには、例えばブロックを水平方向および垂直方向のそれぞれに２つに分割するような４分割（ＱＴ）と、ブロックを１対２対１の比率で同じ方向に分割するような３分割（ＨＴまたはＶＴ）と、ブロックを１対１の比率で同じ方向に分割するような２分割（ＨＢまたはＶＢ）と、分割しない（ＮＳ）と、がある。
　なお、４分割および分割しない場合には、分割パターンは、ブロック分割方向を持たず、２分割および３分割の場合には、分割パターンは、分割方向情報を持っている。
　図１３Ａおよび図１３Ｂは、分割パターンのシンタックスツリーの一例を示す図である。図１３Ａの例では、まず、はじめに、分割を行うか否かを示す情報（Ｓ：Ｓｐｌｉｔフラグ）が存在し、次に、４分割を行うか否かを示す情報（ＱＴ：ＱＴフラグ）が存在する。次に３分割を行うか２分割を行うかを示す情報（ＴＴ：ＴＴフラグまたはＢＴ：ＢＴフラグ）が存在し、最後に分割方向を示す情報（Ｖｅｒ：ＶｅｒｔｉｃａｌフラグまたはＨｏｒ：Ｈｏｒｉｚｏｎｔａｌフラグ）が存在している。なお、このような分割パターンによる分割によって得られる１つ以上のブロックのそれぞれに対し、さらに同様の処理で分割を繰り返し適用してもよい。すなわち、一例として、分割を行うか否か、４分割を行うか否か、分割方法は水平方向か垂直方向か、および３分割を行うか２分割を行うか、の判定を再帰的に実施し、実施した判定結果を図１３Ａに示すシンタックスツリーに開示した符号化順序に従ってストリームに符号化してもよい。
　また、図１３Ａに示すシンタックスツリーでは、Ｓ、ＱＴ、ＴＴ、Ｖｅｒの順でそれらの情報が配置されているが、Ｓ、ＱＴ、Ｖｅｒ、ＢＴの順でそれらの情報が配置されていてもよい。つまり、図１３Ｂの例では、まず、分割を行うか否かを示す情報（Ｓ：Ｓｐｌｉｔフラグ）が存在し、次に、４分割を行うか否かを示す情報（ＱＴ：ＱＴフラグ）が存在する。次に分割方向を示す情報（Ｖｅｒ：ＶｅｒｔｉｃａｌフラグまたはＨｏｒ：Ｈｏｒｉｚｏｎｔａｌフラグ）が存在し、最後に２分割を行うか３分割を行うかを示す情報（ＢＴ：ＢＴフラグまたはＴＴ：ＴＴフラグ）が存在している。
　なお、ここで説明した分割パターンは一例であり、説明した分割パターン以外のものを用いてもよく、説明した分割パターンの一部のみを用いてもよい。
　［減算部］
　減算部１０４は、分割部１０２から入力され、分割部１０２によって分割されたブロック単位で、原画像から予測画像（予測制御部１２８から入力される予測画像）を減算する。つまり、減算部１０４は、カレントブロックの予測残差を算出する。そして、減算部１０４は、算出された予測残差を変換部１０６に出力する。
　原画像は、符号化装置１００の入力信号であり、例えば、動画像を構成する各ピクチャの画像を表す信号（例えば輝度（ｌｕｍａ）信号および２つの色差（ｃｈｒｏｍａ）信号）である。
　［変換部］
　変換部１０６は、空間領域の予測残差を周波数領域の変換係数に変換し、変換係数を量子化部１０８に出力する。具体的には、変換部１０６は、例えば空間領域の予測残差に対して予め定められた離散コサイン変換（ＤＣＴ）または離散サイン変換（ＤＳＴ）を行う。
　なお、変換部１０６は、複数の変換タイプの中から適応的に変換タイプを選択し、選択された変換タイプに対応する変換基底関数（ｔｒａｎｓｆｏｒｍ　ｂａｓｉｓ　ｆｕｎｃｔｉｏｎ）を用いて、予測残差を変換係数に変換してもよい。このような変換は、ＥＭＴ（ｅｘｐｌｉｃｉｔ　ｍｕｌｔｉｐｌｅ　ｃｏｒｅ　ｔｒａｎｓｆｏｒｍ）またはＡＭＴ（ａｄａｐｔｉｖｅ　ｍｕｌｔｉｐｌｅ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。また、変換基底関数は、単に基底と呼ばれることがある。
　複数の変換タイプは、例えば、ＤＣＴ－ＩＩ、ＤＣＴ－Ｖ、ＤＣＴ－ＶＩＩＩ、ＤＳＴ－ＩおよびＤＳＴ－ＶＩＩを含む。なお、これらの変換タイプは、ＤＣＴ２、ＤＣＴ５、ＤＣＴ８、ＤＳＴ１およびＤＳＴ７とそれぞれ表記されてもよい。図１４は、各変換タイプに対応する変換基底関数を示す表である。図１４においてＮは入力画素の数を示す。これらの複数の変換タイプの中からの変換タイプの選択は、例えば、予測の種類（イントラ予測およびインター予測など）に依存してもよいし、イントラ予測モードに依存してもよい。
　このようなＥＭＴまたはＡＭＴを適用するか否かを示す情報（例えばＥＭＴフラグまたはＡＭＴフラグと呼ばれる）と、選択された変換タイプを示す情報とは、通常、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベル）であってもよい。
　また、変換部１０６は、変換係数（すなわち変換結果）を再変換してもよい。このような再変換は、ＡＳＴ（ａｄａｐｔｉｖｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）またはＮＳＳＴ（ｎｏｎ－ｓｅｐａｒａｂｌｅ　ｓｅｃｏｎｄａｒｙ　ｔｒａｎｓｆｏｒｍ）と呼ばれることがある。例えば、変換部１０６は、イントラ予測残差に対応する変換係数のブロックに含まれるサブブロック（例えば４ｘ４画素のサブブロック）ごとに再変換を行う。ＮＳＳＴを適用するか否かを示す情報と、ＮＳＳＴに用いられる変換行列に関する情報とは、通常、ＣＵレベルで信号化される。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベル）であってもよい。
　変換部１０６には、Ｓｅｐａｒａｂｌｅな変換と、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とが適用されてもよい。Ｓｅｐａｒａｂｌｅな変換とは、入力の次元の数だけ方向ごとに分離して複数回変換を行う方式であり、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換とは、入力が多次元であった際に２つ以上の次元をまとめて１次元とみなして、まとめて変換を行う方式である。
　例えば、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換の一例として、入力が４×４画素のブロックであった場合にはそれを１６個の要素を持ったひとつの配列とみなし、その配列に対して１６×１６の変換行列で変換処理を行うようなものが挙げられる。
　また、Ｎｏｎ－Ｓｅｐａｒａｂｌｅな変換のさらなる例では、４×４画素の入力ブロックを１６個の要素を持ったひとつの配列とみなした後に、その配列に対してＧｉｖｅｎｓ回転を複数回行うような変換（Ｈｙｐｅｒｃｕｂｅ　Ｇｉｖｅｎｓ　Ｔｒａｎｓｆｏｒｍ）が行われてもよい。
　変換部１０６での変換では、ＣＵ内の領域に応じて周波数領域に変換する変換基底関数の変換タイプを切替えることもできる。一例として、ＳＶＴ（Ｓｐａｔｉａｌｌｙ　Ｖａｒｙｉｎｇ　Ｔｒａｎｓｆｏｒｍ）がある。
　図１５は、ＳＶＴの一例を示す図である。
　ＳＶＴでは、図１５に示すように、水平方向あるいは垂直方向にＣＵを２等分し、いずれか一方の領域のみ周波数領域への変換を行う。変換タイプは、領域毎に設定されてもよく、例えば、ＤＳＴ７とＤＣＴ８が用いられる。例えば、ＣＵが垂直方向に２等分されることによって得られる２つの領域のうち、位置０の領域に対してはＤＳＴ７およびＤＣＴ８が用いられ得る。または、その２つの領域のうち、位置１の領域に対してはＤＳＴ７が用いられる。同様に、ＣＵが水平方向に２等分されることによって得られる２つの領域のうち、位置０の領域に対してはＤＳＴ７およびＤＣＴ８が用いられる。または、その２つの領域のうち、位置１の領域に対してはＤＳＴ７が用いられる。このような図１５に示す例では、ＣＵ内の２つの領域のうち、どちらか一方のみ変換が行われ、もう一方には変換が行われないが、２つの領域のそれぞれに対して変換を行ってもよい。また、分割方法には、２等分だけでなく、４等分もあってもよい。また、分割方法を示す情報を符号化してＣＵ分割と同様にシグナリングするなど、より柔軟にすることもできる。なお、ＳＶＴは、ＳＢＴ（Ｓｕｂ－ｂｌｏｃｋ　Ｔｒａｎｓｆｏｒｍ）と呼ぶこともある。
　前述したＡＭＴおよびＥＭＴは、ＭＴＳ（Ｍｕｌｔｉｐｌｅ　Ｔｒａｎｓｆｏｒｍ　Ｓｅｌｅｃｔｉｏｎ）と呼ばれてもよい。ＭＴＳを適用する場合は、ＤＳＴ７またはＤＣＴ８などの変換タイプを選択でき、選択された変換タイプを示す情報は、ＣＵ毎にインデックス情報として符号化されてもよい。一方で、ＣＵの形状に基づいて、インデックス情報を符号化することなく直交変換に使用する変換タイプを選択する処理として、ＩＭＴＳ（Ｉｍｐｌｉｃｉｔ　ＭＴＳ）と呼ばれる処理がある。ＩＭＴＳを適用する場合は、例えばＣＵの形状が矩形であれば、矩形の短辺側はＤＳＴ７、長辺側はＤＣＴ２を用いて、それぞれ直交変換する。また例えばＣＵの形状が正方形の場合は、シーケンス内でＭＴＳが有効であればＤＣＴ２を用い、ＭＴＳが無効であればＤＳＴ７を用いて直交変換を行う。ＤＣＴ２およびＤＳＴ７は一例であり、他の変換タイプを用いてもよいし、用いる変換タイプの組合せを異なる組合せとすることも可能である。ＩＭＴＳは、イントラ予測のブロックでのみ使用可としてもよいし、イントラ予測のブロックおよびインター予測のブロック共に使用可としてもよい。
　以上では、直交変換に用いる変換タイプを選択的に切り替える選択処理として、ＭＴＳ、ＳＢＴ、およびＩＭＴＳの３つの処理について説明したが、３つの選択処理は全て有効としてもよいし、選択的に一部の選択処理のみを有効としてもよい。個々の選択処理を有効とするかどうかは、ＳＰＳなどヘッダ内のフラグ情報などで識別できる。例えば、３つの選択処理が全て有効であれば、ＣＵ単位で、３つの選択処理から１つを選択して直交変換を行う。なお、変換タイプを選択的に切り替える選択処理は、以下の４つの機能［１］～［４］の少なくとも１つの機能が実現できれば、上記３つの選択処理とは異なる選択処理を用いてもよく、上記３つの選択処理のそれぞれを別の処理に置き換えてもよい。機能［１］は、ＣＵ内の全範囲を直交変換して、変換に用いた変換タイプを示す情報を符号化する機能である。機能［２］は、ＣＵの全範囲を直交変換して、変換タイプを示す情報は符号化せずに所定のルールに基づいて変換タイプを決定する機能である。機能［３］は、ＣＵの一部分の領域を直交変換して、変換に用いた変換タイプを示す情報を符号化する機能である。機能［４］は、ＣＵの一部分の領域を直交変換して、変換に用いた変換タイプを示す情報は符号化せずに所定のルールに基づいて変換タイプを決定する機能などである。
　なお、ＭＴＳ、ＩＭＴＳ、およびＳＢＴのそれぞれの適用の有無は処理単位ごとに決定されてもよい。例えば、シーケンス単位、ピクチャ単位、ブリック単位、スライス単位、ＣＴＵ単位、またはＣＵ単位で適用の有無を決定してもよい。
　なお、本開示における変換タイプを選択的に切り替えるツールは、変換処理に用いる基底を適応的に選択する方法、選択処理、または基底を選択するプロセスと言い換えてもよい。また、変換タイプを選択的に切り替えるツールは、変換タイプを適応的に選択するモードと言い換えてもよい。
　図１６は、変換部１０６による処理の一例を示すフローチャートである。
　例えば、変換部１０６は、直交変換を行うか否かを判定する（ステップＳｔ＿１）。ここで、変換部１０６は、直交変換を行うと判定すると（ステップＳｔ＿１のＹｅｓ）、複数の変換タイプから、直交変換に用いる変換タイプを選択する（ステップＳｔ＿２）。次に、変換部１０６は、その選択した変換タイプをカレントブロックの予測残差に適用することによって直交変換を行う（ステップＳｔ＿３）。そして、変換部１０６は、その選択した変換タイプを示す情報をエントロピー符号化部１１０に出力することによって、その情報を符号化させる（ステップＳｔ＿４）。一方、変換部１０６は、直交変換を行わないと判定すると（ステップＳｔ＿１のＮｏ）、直交変換を行わないことを示す情報をエントロピー符号化部１１０に出力することによって、その情報を符号化させる（ステップＳｔ＿５）。なお、ステップＳｔ＿１における直交変換を行うか否かの判定は、例えば、変換ブロックのサイズ、ＣＵに適用された予測モードなどに基づいて判定されてもよい。また、直交変換に用いる変換タイプを示す情報は符号化されず、予め規定された変換タイプを用いて直交変換を行ってもよい。
　図１７は、変換部１０６による処理の他の例を示すフローチャートである。なお、図１７に示す例は、図１６に示す例と同様、直交変換に用いる変換タイプを選択的に切り替える方法を適用する場合の直交変換の例である。
　一例として、第１の変換タイプ群は、ＤＣＴ２、ＤＳＴ７およびＤＣＴ８を含んでもよい。また一例として、第２の変換タイプ群はＤＣＴ２を含んでいてもよい。また、第１の変換タイプ群と第２の変換タイプ群とに含まれる変換タイプは、一部が重複していてもよいし、全て異なる変換タイプであってもよい。
　具体的には、変換部１０６は、変換サイズが所定値以下であるか否かを判定する（ステップＳｕ＿１）。ここで、所定値以下であると判定すると（ステップＳｕ＿１のＹｅｓ）、変換部１０６は、第１の変換タイプ群に含まれる変換タイプを用いてカレントブロックの予測残差を直交変換する（ステップＳｕ＿２）。次に、変換部１０６は、第１の変換タイプ群に含まれる１つ以上の変換タイプのうち、いずれの変換タイプを用いるかを示す情報をエントロピー符号化部１１０に出力することによって、その情報を符号化させる（ステップＳｕ＿３）。一方、変換部１０６は、変換サイズが所定値以下ではないと判定すると（ステップＳｕ＿１のＮｏ）、第２の変換タイプ群を用いてカレントブロックの予測残差を直交変換する（ステップＳｕ＿４）。
　ステップＳｕ＿３において、直交変換に用いられる変換タイプを示す情報は、カレントブロックの垂直方向に適用する変換タイプおよび水平方向に適用する変換タイプの組合せを示す情報であってもよい。また、第１の変換タイプ群は１つの変換タイプのみを含んでいてもよく、直交変換に用いられる変換タイプを示す情報は符号化されなくともよい。第２の変換タイプ群が複数の変換タイプを含んでいてもよく、第２の変換タイプ群に含まれる１つ以上の変換タイプのうち、直交変換に用いられる変換タイプを示す情報が符号化されてもよい。
　また、変換サイズのみに基づいて変換タイプが決定されてもよい。なお、変換サイズに基づいて、直交変換に用いる変換タイプを決定する処理であれば、変換サイズが所定値以下であるか否かの判定に限定されない。
　［量子化部］
　量子化部１０８は、変換部１０６から出力された変換係数を量子化する。具体的には、量子化部１０８は、カレントブロックの複数の変換係数を所定の走査順序で走査し、走査された変換係数に対応する量子化パラメータ（ＱＰ）に基づいて当該変換係数を量子化する。そして、量子化部１０８は、カレントブロックの量子化された複数の変換係数（以下、量子化係数という）をエントロピー符号化部１１０および逆量子化部１１２に出力する。
　所定の走査順序は、変換係数の量子化／逆量子化のための順序である。例えば、所定の走査順序は、周波数の昇順（低周波から高周波の順）または降順（高周波から低周波の順）で定義される。
　量子化パラメータ（ＱＰ）とは、量子化ステップ（量子化幅）を定義するパラメータである。例えば、量子化パラメータの値が増加すれば量子化ステップも増加する。つまり、量子化パラメータの値が増加すれば量子化係数の誤差（量子化誤差）が増大する。
　また、量子化には、量子化マトリックスが使用される場合がある。例えば、４ｘ４および８ｘ８などの周波数変換サイズと、イントラ予測およびインター予測などの予測モードと、輝度および色差などの画素成分とに対応して数種類の量子化マトリックスが使われる場合がある。なお、量子化とは、予め定められた間隔でサンプリングした値を予め定められたレベルに対応づけてデジタル化することをいい、この技術分野では、丸め、ラウンディング、またはスケーリングといった表現が用いられる場合もある。
　量子化マトリックスを使用する方法として、符号化装置１００側で直接設定された量子化マトリックスを使用する方法と、デフォルトの量子化マトリックス（デフォルトマトリックス）を使用する方法とがある。符号化装置１００側では、量子化マトリックスを直接設定することにより、画像の特徴に応じた量子化マトリックスを設定することができる。しかし、この場合、量子化マトリックスの符号化によって、符号量が増加するというデメリットがある。なお、デフォルトの量子化マトリックスまたは符号化された量子化マトリックスをそのまま用いるのではなく、デフォルトの量子化マトリックスまたは符号化された量子化マトリックスに基づいてカレントブロックの量子化に用いる量子化マトリックスを生成してもよい。
　一方、量子化マトリックスを使用せず、高域成分の係数も低域成分の係数も同じように量子化する方法もある。なお、この方法は、係数が全て同じ値である量子化マトリックス（フラットなマトリックス）を用いる方法に等しい。
　量子化マトリックスは、例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで符号化されてもよい。
　量子化部１０８は、量子化マトリックスを用いる場合には、例えば、変換係数毎に、量子化パラメータなどから求まる量子化幅などを、量子化マトリックスの値を用いてスケーリングする。量子化マトリックスを用いずに行う量子化処理とは、量子化パラメータなどから求まる量子化幅に基づいて変換係数を量子化する処理であってもよい。なお、量子化マトリックスを用いずに行う量子化処理において、量子化幅に対して、ブロック内の全変換係数に対して共通となる所定の値を乗算してもよい。
　図１８は、量子化部１０８の構成の一例を示すブロック図である。
　量子化部１０８は、例えば、差分量子化パラメータ生成部１０８ａと、予測量子化パラメータ生成部１０８ｂと、量子化パラメータ生成部１０８ｃと、量子化パラメータ記憶部１０８ｄと、量子化処理部１０８ｅとを備える。
　図１９は、量子化部１０８による量子化の一例を示すフローチャートである。
　一例として、量子化部１０８は、図１９に示すフローチャートに基づいてＣＵごとに量子化を実施してもよい。具体的には、量子化パラメータ生成部１０８ｃは、量子化を行うか否かを判定する（ステップＳｖ＿１）。ここで、量子化を行うと判定すると（ステップＳｖ＿１のＹｅｓ）、量子化パラメータ生成部１０８ｃは、カレントブロックの量子化パラメータを生成し（ステップＳｖ＿２）、その量子化パラメータを量子化パラメータ記憶部１０８ｄに格納する（ステップＳｖ＿３）。
　次に、量子化処理部１０８ｅは、ステップＳｖ＿２で生成された量子化パラメータを用いてカレントブロックの変換係数を量子化する（ステップＳｖ＿４）。そして、予測量子化パラメータ生成部１０８ｂは、カレントブロックとは異なる処理単位の量子化パラメータを量子化パラメータ記憶部１０８ｄから取得する（ステップＳｖ＿５）。予測量子化パラメータ生成部１０８ｂは、その取得した量子化パラメータに基づいて、カレントブロックの予測量子化パラメータを生成する（ステップＳｖ＿６）。差分量子化パラメータ生成部１０８ａは、量子化パラメータ生成部１０８ｃによって生成された、カレントブロックの量子化パラメータと、予測量子化パラメータ生成部１０８ｂによって生成された、カレントブロックの予測量子化パラメータとの差分を算出する（ステップＳｖ＿７）。この差分の算出によって、差分量子化パラメータが生成される。差分量子化パラメータ生成部１０８ａは、その差分量子化パラメータをエントロピー符号化部１１０に出力することによって、その差分量子化パラメータを符号化させる（ステップＳｖ＿８）。
　なお、差分量子化パラメータは、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで符号化されてもよい。また、量子化パラメータの初期値を、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで符号化してもよい。このとき、量子化パラメータは量子化パラメータの初期値と差分量子化パラメータとを用いて生成されてもよい。
　なお、量子化部１０８は、複数の量子化器を備えていてもよく、複数の量子化方法から選択した量子化方法を用いて変換係数を量子化するｄｅｐｅｎｄｅｎｔ　ｑｕａｎｔｉｚａｔｉｏｎを適用してもよい。
　［エントロピー符号化部］
　図２０は、エントロピー符号化部１１０の構成の一例を示すブロック図である。
　エントロピー符号化部１１０は、量子化部１０８から入力された量子化係数と、予測パラメータ生成部１３０から入力された予測パラメータとに対してエントロピー符号化を行うことによってストリームを生成する。そのエントロピー符号化には、例えば、ＣＡＢＡＣ（Ｃｏｎｔｅｘｔ－ｂａｓｅｄ　Ａｄａｐｔｉｖｅ　Ｂｉｎａｒｙ　Ａｒｉｔｈｍｅｔｉｃ　Ｃｏｄｉｎｇ）が用いられる。具体的には、エントロピー符号化部１１０は、例えば、二値化部１１０ａと、コンテキスト制御部１１０ｂと、二値算術符号化部１１０ｃとを備える。二値化部１１０ａは、量子化係数および予測パラメータなどの多値信号を二値信号に変換する二値化を行う。二値化の方式には、例えば、Ｔｒｕｎｃａｔｅｄ　Ｒｉｃｅ　Ｂｉｎａｒｉｚａｔｉｏｎ、Ｅｘｐｏｎｅｎｔｉａｌ　Ｇｏｌｏｍｂ　ｃｏｄｅｓ、Ｆｉｘｅｄ　Ｌｅｎｇｔｈ　Ｂｉｎａｒｉｚａｔｉｏｎなどがある。コンテキスト制御部１１０ｂは、シンタックス要素の特徴または周囲の状況に応じたコンテキスト値、すなわち二値信号の発生確率を導出する。このコンテキスト値の導出方法には、例えば、バイパス、シンタックス要素参照、上・左隣接ブロック参照、階層情報参照、および、その他などがある。二値算術符号化部１１０ｃは、その導出されたコンテキスト値を用いて二値化信号に対して算術符号化を行う。
　図２１は、エントロピー符号化部１１０におけるＣＡＢＡＣの流れを示す図である。
　まず、エントロピー符号化部１１０におけるＣＡＢＡＣでは、初期化が行われる。この初期化では、二値算術符号化部１１０ｃにおける初期化と、初期コンテキスト値の設定とが行われる。そして、二値化部１１０ａおよび二値算術符号化部１１０ｃは、例えばＣＴＵの複数の量子化係数のそれぞれに対して順に、二値化と算術符号化とを実行する。このとき、コンテキスト制御部１１０ｂは、算術符号化が行われるたびにコンテキスト値の更新を行う。そして、コンテキスト制御部１１０ｂは、後処理として、コンテキスト値を退避させる。この退避されたコンテキスト値は、例えば次のＣＴＵに対するコンテキスト値の初期値のために用いられる。
　［逆量子化部］
　逆量子化部１１２は、量子化部１０８から入力された量子化係数を逆量子化する。具体的には、逆量子化部１１２は、カレントブロックの量子化係数を所定の走査順序で逆量子化する。そして、逆量子化部１１２は、カレントブロックの逆量子化された変換係数を逆変換部１１４に出力する。
　［逆変換部］
　逆変換部１１４は、逆量子化部１１２から入力された変換係数を逆変換することにより予測残差を復元する。具体的には、逆変換部１１４は、変換係数に対して、変換部１０６による変換に対応する逆変換を行うことにより、カレントブロックの予測残差を復元する。そして、逆変換部１１４は、復元された予測残差を加算部１１６に出力する。
　なお、復元された予測残差は、通常、量子化により情報が失われているので、減算部１０４が算出した予測誤差と一致しない。すなわち、復元された予測残差には、通常、量子化誤差が含まれている。
　［加算部］
　加算部１１６は、逆変換部１１４から入力された予測残差と予測制御部１２８から入力された予測画像とを加算することによりカレントブロックを再構成する。その結果、再構成画像が生成される。そして、加算部１１６は、再構成画像をブロックメモリ１１８およびループフィルタ部１２０に出力する。
　［ブロックメモリ］
　ブロックメモリ１１８は、例えば、イントラ予測で参照されるブロックであってカレントピクチャ内のブロックを格納するための記憶部である。具体的には、ブロックメモリ１１８は、加算部１１６から出力された再構成画像を格納する。
　［フレームメモリ］
　フレームメモリ１２２は、例えば、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ１２２は、ループフィルタ部１２０によってフィルタされた再構成画像を格納する。
　［ループフィルタ部］
　ループフィルタ部１２０は、加算部１１６から出力される再構成画像にループフィルタ処理を施し、そのフィルタ処理された再構成画像をフレームメモリ１２２に出力する。ループフィルタとは、符号化ループ内で用いられるフィルタ（インループフィルタ）であり、例えば、アダプティブループフィルタ（ＡＬＦ）、デブロッキング・フィルタ（ＤＦまたはＤＢＦ）、およびサンプルアダプティブオフセット（ＳＡＯ）などを含む。
　図２２は、ループフィルタ部１２０の構成の一例を示すブロック図である。
　ループフィルタ部１２０は、例えば図２２に示すように、デブロッキング・フィルタ処理部１２０ａと、ＳＡＯ処理部１２０ｂと、ＡＬＦ処理部１２０ｃとを備える。デブロッキング・フィルタ処理部１２０ａは、再構成画像に対して上述のデブロッキング・フィルタ処理を施す。ＳＡＯ処理部１２０ｂは、デブロッキング・フィルタ処理後の再構成画像に対して上述のＳＡＯ処理を施す。また、ＡＬＦ処理部１２０ｃは、ＳＡＯ処理後の再構成画像に対して上述のＡＬＦ処理を適用する。ＡＬＦおよびデブロッキング・フィルタの詳細については、後述する。ＳＡＯ処理は、リンギング（エッジ周辺で画素値が波打つように歪む現象）の低減と、画素値のずれの補正とによって、画質を改善する処理である。このＳＡＯ処理には、例えば、エッジ・オフセット処理およびバンド・オフセット処理などがある。なお、ループフィルタ部１２０は、図２２に開示した全ての処理部を備えていなくてもよく、一部の処理部のみを備えていてもよい。また、ループフィルタ部１２０は、図２２に開示した処理順とは異なる順番で上述の各処理を行う構成であってもよい。
　［ループフィルタ部　＞　アダプティブループフィルタ］
　ＡＬＦでは、符号化歪みを除去するための最小二乗誤差フィルタが適用され、例えばカレントブロック内の２ｘ２画素のサブブロックごとに、局所的な勾配（ｇｒａｄｉｅｎｔ）の方向および活性度（ａｃｔｉｖｉｔｙ）に基づいて複数のフィルタの中から選択された１つのフィルタが適用される。
　具体的には、まず、サブブロック（例えば２ｘ２画素のサブブロック）が複数のクラス（例えば１５または２５クラス）に分類される。サブブロックの分類は、例えば、勾配の方向および活性度に基づいて行われる。具体的な例では、勾配の方向値Ｄ（例えば０～２または０～４）と勾配の活性値Ａ（例えば０～４）とを用いて分類値Ｃ（例えばＣ＝５Ｄ＋Ａ）が算出される。そして、分類値Ｃに基づいて、サブブロックが複数のクラスに分類される。
　勾配の方向値Ｄは、例えば、複数の方向（例えば水平、垂直および２つの対角方向）の勾配を比較することにより導出される。また、勾配の活性値Ａは、例えば、複数の方向の勾配を加算し、加算結果を量子化することにより導出される。
　このような分類の結果に基づいて、複数のフィルタの中からサブブロックのためのフィルタが決定される。
　ＡＬＦで用いられるフィルタの形状としては例えば円対称形状が利用される。図２３Ａ～図２３Ｃは、ＡＬＦで用いられるフィルタの形状の複数の例を示す図である。図２３Ａは、５ｘ５ダイヤモンド形状フィルタを示し、図２３Ｂは、７ｘ７ダイヤモンド形状フィルタを示し、図２３Ｃは、９ｘ９ダイヤモンド形状フィルタを示す。フィルタの形状を示す情報は、通常、ピクチャレベルで信号化される。なお、フィルタの形状を示す情報の信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはＣＵレベル）であってもよい。
　ＡＬＦのオン／オフは、例えば、ピクチャレベルまたはＣＵレベルで決定されてもよい。例えば、輝度についてはＣＵレベルでＡＬＦを適用するか否かが決定されてもよく、色差についてはピクチャレベルでＡＬＦを適用するか否かが決定されてもよい。ＡＬＦのオン／オフを示す情報は、通常、ピクチャレベルまたはＣＵレベルで信号化される。なお、ＡＬＦのオン／オフを示す情報の信号化は、ピクチャレベルまたはＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、ブリックレベルまたはＣＴＵレベル）であってもよい。
　また、上述のように、複数のフィルタの中から１つのフィルタが選択されてサブブロックにＡＬＦ処理が施される。その複数のフィルタ（例えば１５または２５までのフィルタ）のそれぞれについて、そのフィルタに用いられる複数の係数からなる係数セットは、通常、ピクチャレベルで信号化される。なお、係数セットの信号化は、ピクチャレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、スライスレベル、ブリックレベル、ＣＴＵレベル、ＣＵレベルまたはサブブロックレベル）であってもよい。
　［ループフィルタ　＞　クロスコンポーネントアダプティブループフィルタ（Ｃｒｏｓｓ　Ｃｏｍｐｏｎｅｎｔ　Ａｄａｐｔｉｖｅ　Ｌｏｏｐ　Ｆｉｌｔｅｒ）］
　図２３Ｄは、Ｙサンプル（第１成分）がＣｂのＣＣＡＬＦおよびＣｒのＣＣＡＬＦ（第１成分とは異なる複数の成分）に使用される例を示す図である。図２３Ｅは、ダイヤモンド形状フィルタを示す図である。
　ＣＣ－ＡＬＦの１つの例は、線形のダイヤモンド形フィルタ（図２３Ｄ、図２３Ｅ）を各色差コンポーネントの輝度チャネルに適用することによって動作する。例えば、フィルタ係数はＡＰＳで送信され、２＾１０のファクターでスケーリングされ、固定小数点表現のために丸められる。フィルタの適用は、可変ブロックサイズで制御され、サンプルのブロックごとに受信されるコンテキスト符号化済みのフラグで通知される。ブロックサイズとＣＣ－ＡＬＦ有効化フラグは、各色差コンポーネントのスライスレベルで受信される。ＣＣ－ＡＬＦのシンタックスとセマンティクスは、Ａｐｐｅｎｄｉｘにおいて提供される。寄書では、（色差サンプルにおいて）１６ｘ１６、３２ｘ３２、６４ｘ６４、１２８ｘ１２８のブロックサイズがサポートされている。
　［ループフィルタ　＞　結合色差クロスコンポーネントアダプティブループフィルタ（Ｊｏｉｎｔ　Ｃｈｒｏｍａ　Ｃｒｏｓｓ　Ｃｏｍｐｏｎｅｎｔ　Ａｄａｐｔｉｖｅ　Ｌｏｏｐ　Ｆｉｌｔｅｒ）］
　図２３Ｆは、ＪＣ－ＣＣＡＬＦの例を示す図である。図２３Ｇは、ＪＣ－ＣＣＡＬＦのｗｅｉｇｈｔ＿ｉｎｄｅｘ候補の例を示す図である。
　ＪＣ－ＣＣＡＬＦの１つの例は、１つのＣＣＡＬＦフィルタのみを使用して、１つの色成分のみの色差調整信号として１つのＣＣＡＬＦフィルタ出力を生成し、同じ色差調整信号の適切に重み付けされたバージョンを他の色成分に適用する。このようにして、既存のＣＣＡＬＦの複雑さがおおよそ半分になる。
　重み値は、符号（ｓｉｇｎ）フラグ及び重みインデックスへ符号化される。重みインデックス（ｗｅｉｇｈｔ＿ｉｎｄｅｘと示す）は、３ビットに符号化され、ＪＣ－ＣＣＡＬＦウェイトＪｃＣｃＷｅｉｇｈｔの大きさを指定する。０と同じにすることはできない。ＪｃＣｃＷｅｉｇｈｔの大きさは次のように決定される。
　・ｗｅｉｇｈｔ＿ｉｎｄｅｘが４以下の場合、ＪｃＣｃＷｅｉｇｈｔはｗｅｉｇｈｔ＿ｉｎｄｅｘ＞＞２と等しい。
　・それ以外の場合、ＪｃＣｃＷｅｉｇｈｔは４／（ｗｅｉｇｈｔ＿ｉｎｄｅｘ－４）に等しい。
　Ｃｂ及びＣｒのＡＬＦフィルタリングのブロックレベルのオン／オフ制御は別々である。これは、ＣＣＡＬＦと同じであり、ブロックレベルのオン／オフ制御フラグの２つの個別のセットが符号化される。ここでは、ＣＣＡＬＦとは異なり、Ｃｂ、Ｃｒのオン／オフ制御ブロックサイズは同じであるため、１つのブロックサイズ変数のみが符号化される。
　［ループフィルタ部　＞　デブロッキング・フィルタ］
　デブロッキング・フィルタ処理では、ループフィルタ部１２０は、再構成画像のブロック境界にフィルタ処理を行うことによって、そのブロック境界に生じる歪みを減少させる。
　図２４は、デブロッキング・フィルタ処理部１２０ａの詳細な構成の一例を示すブロック図である。
　デブロッキング・フィルタ処理部１２０ａは、例えば、境界判定部１２０１と、フィルタ判定部１２０３と、フィルタ処理部１２０５と、処理判定部１２０８と、フィルタ特性決定部１２０７と、スイッチ１２０２、１２０４および１２０６とを備える。
　境界判定部１２０１は、デブロッキング・フィルタ処理される画素（すなわち対象画素）がブロック境界付近に存在しているか否かを判定する。そして、境界判定部１２０１は、その判定結果をスイッチ１２０２および処理判定部１２０８に出力する。
　スイッチ１２０２は、対象画素がブロック境界付近に存在していると境界判定部１２０１によって判定された場合には、フィルタ処理前の画像を、スイッチ１２０４に出力する。逆に、スイッチ１２０２は、境界判定部１２０１によって対象画素がブロック境界付近に存在していないと判定された場合には、フィルタ処理前の画像をスイッチ１２０６に出力する。なお、フィルタ処理前の画像は、対象画素と、その対象画素の周辺にある少なくとも１つの周辺画素からなる画像である。
　フィルタ判定部１２０３は、対象画素の周辺にある少なくとも１つの周辺画素の画素値に基づいて、対象画素に対してデブロッキング・フィルタ処理を行うか否かを判定する。そして、フィルタ判定部１２０３は、その判定結果をスイッチ１２０４および処理判定部１２０８に出力する。
　スイッチ１２０４は、対象画素にデブロッキング・フィルタ処理を行うとフィルタ判定部１２０３によって判定された場合には、スイッチ１２０２を介して取得したフィルタ処理前の画像を、フィルタ処理部１２０５に出力する。逆に、スイッチ１２０４は、対象画素にデブロッキング・フィルタ処理を行わないとフィルタ判定部１２０３によって判定された場合には、スイッチ１２０２を介して取得したフィルタ処理前の画像をスイッチ１２０６に出力する。
　フィルタ処理部１２０５は、スイッチ１２０２および１２０４を介してフィルタ処理前の画像を取得した場合には、フィルタ特性決定部１２０７によって決定されたフィルタ特性を有するデブロッキング・フィルタ処理を、対象画素に対して実行する。そして、フィルタ処理部１２０５は、そのフィルタ処理後の画素をスイッチ１２０６に出力する。
　スイッチ１２０６は、処理判定部１２０８による制御に応じて、デブロッキング・フィルタ処理されていない画素と、フィルタ処理部１２０５によってデブロッキング・フィルタ処理された画素とを選択的に出力する。
　処理判定部１２０８は、境界判定部１２０１およびフィルタ判定部１２０３のそれぞれの判定結果に基づいて、スイッチ１２０６を制御する。つまり、処理判定部１２０８は、対象画素がブロック境界付近に存在していると境界判定部１２０１によって判定され、かつ、対象画素にデブロッキング・フィルタ処理を行うとフィルタ判定部１２０３によって判定された場合には、デブロッキング・フィルタ処理された画素をスイッチ１２０６から出力させる。また、上述の場合以外では、処理判定部１２０８は、デブロッキング・フィルタ処理されていない画素をスイッチ１２０６から出力させる。このような画素の出力が繰り返し行われることによって、フィルタ処理後の画像がスイッチ１２０６から出力される。なお、図２４に示す構成は、デブロッキング・フィルタ処理部１２０ａにおける構成の一例であって、デブロッキング・フィルタ処理部１２０ａは、その他の構成を有していてもよい。
　図２５は、ブロック境界に対して対称なフィルタ特性を有するデブロッキング・フィルタの例を示す図である。
　デブロッキング・フィルタ処理では、例えば、画素値と量子化パラメータを用いて、特性の異なる２つのデブロッキング・フィルタ、すなわちストロングフィルタおよびウィークフィルタのうちの何れか１つが選択される。ストロングフィルタでは、図２５に示すように、ブロック境界を挟んで画素ｐ０～ｐ２と、画素ｑ０～ｑ２とが存在する場合、画素ｑ０～ｑ２のそれぞれの画素値は、以下の式に示す演算を行うことによって、画素値ｑ’０～ｑ’２に変更される。
　　ｑ’０＝（ｐ１＋２×ｐ０＋２×ｑ０＋２×ｑ１＋ｑ２＋４）／８
　　ｑ’１＝（ｐ０＋ｑ０＋ｑ１＋ｑ２＋２）／４
　　ｑ’２＝（ｐ０＋ｑ０＋ｑ１＋３×ｑ２＋２×ｑ３＋４）／８
　なお、上述の式において、ｐ０～ｐ２およびｑ０～ｑ２は、画素ｐ０～ｐ２および画素ｑ０～ｑ２のそれぞれの画素値である。また、ｑ３は、画素ｑ２にブロック境界と反対側に隣接する画素ｑ３の画素値である。また、上述の各式の右辺において、デブロッキング・フィルタ処理に用いられる各画素の画素値に乗算される係数が、フィルタ係数である。
　さらに、デブロッキング・フィルタ処理では、演算後の画素値が閾値を超えて変化しないように、クリップ処理が行われてもよい。このクリップ処理では、上述の式による演算後の画素値は、量子化パラメータから決定される閾値を用いて、「演算前の画素値±２×閾値」にクリップされる。これにより、過度な平滑化を防ぐことができる。
　図２６は、デブロッキング・フィルタ処理が行われるブロック境界の一例を説明するための図である。図２７は、ＢＳ値の一例を示す図である。
　デブロッキング・フィルタ処理が行われるブロック境界は、例えば、図２６で示すような８×８画素のブロックのＣＵ、ＰＵまたはＴＵの境界である。デブロッキング・フィルタ処理は、例えば、４行または４列を単位に行われる。まず、図２６に示すブロックＰおよびブロックＱに対して、図２７のようにＢｓ（Ｂｏｕｎｄａｒｙ　Ｓｔｒｅｎｇｔｈ）値が決定される。
　図２７のＢｓ値にしたがい、同一の画像に属するブロック境界であっても、異なる強さのデブロッキング・フィルタ処理を行うか否かが決定されてもよい。色差信号に対するデブロッキング・フィルタ処理は、Ｂｓ値が２の場合に行われる。輝度信号に対するデブロッキング・フィルタ処理は、Ｂｓ値が１以上であって、所定の条件が満たされた場合に行われる。なお、Ｂｓ値の判定条件は図２７に示したものに限定されず、他のパラメータに基づいて決定されてもよい。
　［予測部（イントラ予測部・インター予測部・予測制御部）］
　図２８は、符号化装置１００の予測部で行われる処理の一例を示すフローチャートである。なお、一例として予測部は、イントラ予測部１２４、インター予測部１２６、および予測制御部１２８の全てまたは一部の構成要素からなる。予測処理部は、例えばイントラ予測部１２４およびインター予測部１２６を含む。
　予測部は、カレントブロックの予測画像を生成する（ステップＳｂ＿１）。なお、予測画像には、例えばイントラ予測画像（イントラ予測信号）またはインター予測画像（インター予測信号）がある。具体的には、予測部は、他のブロックに対する予測画像の生成、予測残差の生成、量子化係数の生成、予測残差の復元、および予測画像の加算が行われることによって既に得られている再構成画像を用いて、カレントブロックの予測画像を生成する。
　再構成画像は、例えば、参照ピクチャの画像であってもよいし、カレントブロックを含むピクチャであるカレントピクチャ内の符号化済みのブロック（すなわち、上述の他のブロック）の画像であってもよい。カレントピクチャ内の符号化済みのブロックは、例えばカレントブロックの隣接ブロックである。
　図２９は、符号化装置１００の予測部で行われる処理の他の例を示すフローチャートである。
　予測部は、第１の方式で予測画像を生成し（ステップＳｃ＿１ａ）、第２の方式で予測画像を生成し（ステップＳｃ＿１ｂ）、第３の方式で予測画像を生成する（ステップＳｃ＿１ｃ）。第１の方式、第２の方式、および第３の方式は、予測画像を生成するための互いに異なる方式であって、それぞれ例えば、インター予測方式、イントラ予測方式、および、それら以外の予測方式であってもよい。これらの予測方式では、上述の再構成画像を用いてもよい。
　次に、予測部は、ステップＳｃ＿１ａ、Ｓｃ＿１ｂ、およびＳｃ＿１ｃのそれぞれで生成された予測画像を評価する（ステップＳｃ＿２）。例えば、予測部は、ステップＳｃ＿１ａ、Ｓｃ＿１ｂ、およびＳｃ＿１ｃのそれぞれで生成された予測画像に対してコストＣを算出し、それらの予測画像のコストＣを比較することによって、それらの予測画像を評価する。なお、コストＣは、Ｒ－Ｄ最適化モデルの式、例えば、Ｃ＝Ｄ＋λ×Ｒによって算出される。この式において、Ｄは、予測画像の符号化歪であって、例えば、カレントブロックの画素値と予測画像の画素値との差分絶対値和などによって表される。また、Ｒは、ストリームのビットレートである。また、λは、例えばラグランジュの未定乗数である。
　次に、予測部は、ステップＳｃ＿１ａ、Ｓｃ＿１ｂ、およびＳｃ＿１ｃのそれぞれで生成された予測画像のうちの何れか１つを選択する（ステップＳｃ＿３）。つまり、予測部は、最終的な予測画像を得るための方式またはモードを選択する。例えば、予測部は、それらの予測画像に対して算出されたコストＣに基づき、最も小さいコストＣの予測画像を選択する。または、ステップＳｃ＿２の評価およびステップＳｃ＿３における予測画像の選択は、符号化の処理に用いられるパラメータに基づいて行われてもよい。符号化装置１００は、その選択された予測画像、方式またはモードを特定するための情報をストリームに信号化してもよい。その情報は、例えばフラグなどであってもよい。これにより、復号装置２００は、その情報に基づいて、符号化装置１００において選択された方式またはモードにしたがって予測画像を生成することができる。なお、図２９に示す例では、予測部は、各方式で予測画像を生成した後に、何れかの予測画像を選択する。しかし、予測部は、それらの予測画像を生成する前に、上述の符号化の処理に用いられるパラメータに基づいて、方式またはモードを選択し、その方式またはモードにしたがって予測画像を生成してもよい。
　例えば、第１の方式および第２の方式は、それぞれイントラ予測およびインター予測であって、予測部は、これらの予測方式にしたがって生成される予測画像から、カレントブロックに対する最終的な予測画像を選択してもよい。
　図３０は、符号化装置１００の予測部で行われる処理の他の例を示すフローチャートである。
　まず、予測部は、イントラ予測によって予測画像を生成し（ステップＳｄ＿１ａ）、インター予測によって予測画像を生成する（ステップＳｄ＿１ｂ）。なお、イントラ予測によって生成された予測画像を、イントラ予測画像ともいい、インター予測によって生成された予測画像を、インター予測画像ともいう。
　次に、予測部は、イントラ予測画像およびインター予測画像のそれぞれを評価する（ステップＳｄ＿２）。この評価には、上述のコストＣが用いられてもよい。そして、予測部は、イントラ予測画像およびインター予測画像から、最も小さいコストＣが算出された予測画像を、カレントブロックの最終的な予測画像として選択してもよい（ステップＳｄ＿３）。つまり、カレントブロックの予測画像を生成するための予測方式またはモードが選択される。
　［イントラ予測部］
　イントラ予測部１２４は、ブロックメモリ１１８に格納されたカレントピクチャ内のブロックを参照してカレントブロックのイントラ予測（画面内予測ともいう）を行うことで、カレントブロックの予測画像（すなわちイントラ予測画像）を生成する。具体的には、イントラ予測部１２４は、カレントブロックに隣接するブロックの画素値（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測画像を生成し、イントラ予測画像を予測制御部１２８に出力する。
　例えば、イントラ予測部１２４は、予め規定された複数のイントラ予測モードのうちの１つを用いてイントラ予測を行う。複数のイントラ予測モードは、通常、１つ以上の非方向性予測モードと、複数の方向性予測モードと、を含む。
　１つ以上の非方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定されたＰｌａｎａｒ予測モードおよびＤＣ予測モードを含む。
　複数の方向性予測モードは、例えばＨ．２６５／ＨＥＶＣ規格で規定された３３方向の予測モードを含む。なお、複数の方向性予測モードは、３３方向に加えてさらに３２方向の予測モード（合計で６５個の方向性予測モード）を含んでもよい。図３１は、イントラ予測における全６７個のイントラ予測モード（２個の非方向性予測モードおよび６５個の方向性予測モード）を示す図である。実線矢印は、Ｈ．２６５／ＨＥＶＣ規格で規定された３３方向を表し、破線矢印は、追加された３２方向を表す（２個の非方向性予測モードは図３１には図示されていない）。
　種々の実装例では、色差ブロックのイントラ予測において、輝度ブロックが参照されてもよい。つまり、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分が予測されてもよい。このようなイントラ予測は、ＣＣＬＭ（ｃｒｏｓｓ－ｃｏｍｐｏｎｅｎｔ　ｌｉｎｅａｒ　ｍｏｄｅｌ）予測と呼ばれることがある。このような輝度ブロックを参照する色差ブロックのイントラ予測モード（例えばＣＣＬＭモードと呼ばれる）は、色差ブロックのイントラ予測モードの１つとして加えられてもよい。
　イントラ予測部１２４は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正してもよい。このような補正をともなうイントラ予測は、ＰＤＰＣ（ｐｏｓｉｔｉｏｎ　ｄｅｐｅｎｄｅｎｔ　ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ　ｃｏｍｂｉｎａｔｉｏｎ）と呼ばれることがある。ＰＤＰＣの適用の有無を示す情報（例えばＰＤＰＣフラグと呼ばれる）は、通常、ＣＵレベルで信号化される。なお、この情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベル）であってもよい。
　図３２は、イントラ予測部１２４による処理の一例を示すフローチャートである。
　イントラ予測部１２４は、複数のイントラ予測モードから１つのイントラ予測モードを選択する（ステップＳｗ＿１）。そして、イントラ予測部１２４は、選択したイントラ予測モードにしたがって予測画像を生成する（ステップＳｗ＿２）。次に、イントラ予測部１２４は、ＭＰＭ（Ｍｏｓｔ　Ｐｒｏｂａｂｌｅ　Ｍｏｄｅｓ）を決定する（ステップＳｗ＿３）。ＭＰＭは、例えば６つのイントラ予測モードからなる。その６つのイントラ予測モードのうちの２つのモードは、Ｐｌａｎａｒ予測モードおよびＤＣ予測モードであってもよく、残りの４つのモードは、方向性予測モードであってもよい。そして、イントラ予測部１２４は、ステップＳｗ＿１で選択したイントラ予測モードがＭＰＭに含まれるか否かを判定する（ステップＳｗ＿４）。
　ここで、選択したイントラ予測モードがＭＰＭに含まれると判定すると（ステップＳｗ＿４のＹｅｓ）、イントラ予測部１２４は、ＭＰＭフラグを１に設定し（ステップＳｗ＿５）、ＭＰＭのうち、選択したイントラ予測モードを示す情報を生成する（ステップＳｗ＿６）。なお、１に設定されたＭＰＭフラグと、そのイントラ予測モードを示す情報とはそれぞれ、予測パラメータとしてエントロピー符号化部１１０によって符号化される。
　一方、選択したイントラ予測モードがＭＰＭに含まれないと判定すると（ステップＳｗ＿４のＮｏ）、イントラ予測部１２４は、ＭＰＭフラグを０に設定する（ステップＳｗ＿７）。または、イントラ予測部１２４は、ＭＰＭフラグを設定しない。そして、イントラ予測部１２４は、ＭＰＭに含まれない１つ以上のイントラ予測モードのうち、選択したイントラ予測モードを示す情報を生成する（ステップＳｗ＿８）。なお、０に設定されたＭＰＭフラグと、そのイントラ予測モードを示す情報とはそれぞれ、予測パラメータとしてエントロピー符号化部１１０によって符号化される。そのイントラ予測モードを示す情報は、例えば０～６０のうちの何れかの値を示す。
　［インター予測部］
　インター予測部１２６は、フレームメモリ１２２に格納された参照ピクチャであってカレントピクチャとは異なる参照ピクチャを参照してカレントブロックのインター予測（画面間予測ともいう）を行うことで、予測画像（インター予測画像）を生成する。インター予測は、カレントブロックまたはカレントブロック内のカレントサブブロックの単位で行われる。サブブロックはブロックに含まれていて、ブロックより小さい単位である。サブブロックのサイズは、４ｘ４画素であっても、８ｘ８画素であっても、それ以外のサイズであってもよい。サブブロックのサイズは、スライス、ブリック、またはピクチャなどの単位で切り替えられてもよい。
　例えば、インター予測部１２６は、カレントブロックまたはカレントサブブロックについて参照ピクチャ内で動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）を行い、そのカレントブロックまたはカレントサブブロックに最も一致する参照ブロックまたはサブブロックを見つける。そして、インター予測部１２６は、参照ブロックまたはサブブロックからカレントブロックまたはサブブロックへの動きまたは変化を補償する動き情報（例えば動きベクトル）を取得する。インター予測部１２６は、その動き情報に基づいて、動き補償（または動き予測）を行い、カレントブロックまたはサブブロックのインター予測画像を生成する。インター予測部１２６は、生成されたインター予測画像を予測制御部１２８に出力する。
　動き補償に用いられた動き情報は、多様な形態でインター予測画像として信号化されてもよい。例えば、動きベクトルが信号化されてもよい。他の例として、動きベクトルと予測動きベクトル（ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｐｒｅｄｉｃｔｏｒ）との差分が信号化されてもよい。
　［参照ピクチャリスト］
　図３３は、各参照ピクチャの一例を示す図であり、図３４は、参照ピクチャリストの一例を示す概念図である。参照ピクチャリストは、フレームメモリ１２２に記憶されている１つ以上の参照ピクチャを示すリストである。なお、図３３において、矩形はピクチャを示し、矢印はピクチャの参照関係を示し、横軸は時間を示し、矩形中のＩ、ＰおよびＢは各々、イントラ予測ピクチャ、単予測ピクチャおよび双予測ピクチャを示し、矩形中の数字は復号順を示す。図３３に示すように、各ピクチャの復号順は、Ｉ０、Ｐ１、Ｂ２、Ｂ３、Ｂ４であり、各ピクチャの表示順は、Ｉ０、Ｂ３、Ｂ２、Ｂ４、Ｐ１である。図３４に示すように、参照ピクチャリストは、参照ピクチャの候補を表すリストであり、例えば１つのピクチャ（またはスライス）が１つ以上の参照ピクチャリストを有してもよい。例えば、カレントピクチャが、単予測ピクチャであれば１つの参照ピクチャリストを用い、カレントピクチャが双予測ピクチャであれば２つの参照ピクチャリストを用いる。図３３および図３４の例では、カレントピクチャｃｕｒｒＰｉｃであるピクチャＢ３は、Ｌ０リストおよびＬ１リストの２つの参照ピクチャリストを持つ。カレントピクチャｃｕｒｒＰｉｃがピクチャＢ３の場合、そのカレントピクチャｃｕｒｒＰｉｃの参照ピクチャの候補は、Ｉ０、Ｐ１およびＢ２であり、各参照ピクチャリスト（すなわちＬ０リストおよびＬ１リスト）はこれらのピクチャを示す。インター予測部１２６または予測制御部１２８は、各参照ピクチャリスト中のどのピクチャを実際に参照するか否かを参照ピクチャインデックスｒｅｆＩｄｘＬｘによって指定する。図３４では、参照ピクチャインデックスｒｅｆＩｄｘＬ０およびｒｅｆＩｄｘＬ１により参照ピクチャＰ１およびＢ２が指定されている。
　このような参照ピクチャリストを、シーケンス単位、ピクチャ単位、スライス単位、ブリック単位、ＣＴＵ単位、またはＣＵ単位で生成してもよい。また、参照ピクチャリストに示される参照ピクチャのうち、インター予測において参照される参照ピクチャを示す参照ピクチャインデックスを、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベル、またはＣＵレベルで符号化してもよい。また、複数のインター予測モードにおいて、共通の参照ピクチャリストを用いてもよい。
　［インター予測の基本フロー］
　図３５は、インター予測の基本的な流れを示すフローチャートである。
　インター予測部１２６は、まず、予測画像を生成する（ステップＳｅ＿１～Ｓｅ＿３）。次に、減算部１０４は、カレントブロックと予測画像との差分を予測残差として生成する（ステップＳｅ＿４）。
　ここで、インター予測部１２６は、予測画像の生成では、例えば、カレントブロックの動きベクトル（ＭＶ）の決定（ステップＳｅ＿１およびＳｅ＿２）と、動き補償（ステップＳｅ＿３）とを行うことによって、その予測画像を生成する。また、インター予測部１２６は、ＭＶの決定では、例えば、候補動きベクトル（候補ＭＶ）の選択（ステップＳｅ＿１）と、ＭＶの導出（ステップＳｅ＿２）とを行うことによって、そのＭＶを決定する。候補ＭＶの選択は、例えば、インター予測部１２６が候補ＭＶリストを生成し、候補ＭＶリストから少なくとも１つの候補ＭＶを選択することによって行われる。なお、候補ＭＶリストには、過去に導出されたＭＶが候補ＭＶとして追加されてもよい。また、ＭＶの導出では、インター予測部１２６は、少なくとも１つの候補ＭＶから、さらに少なくとも１つの候補ＭＶを選択することによって、その選択された少なくとも１つの候補ＭＶを、カレントブロックのＭＶとして決定してもよい。あるいは、インター予測部１２６は、その選択された少なくとも１つの候補ＭＶのそれぞれについて、その候補ＭＶで指示される参照ピクチャの領域を探索することによって、カレントブロックのＭＶを決定してもよい。なお、この参照ピクチャの領域を探索することを、動き探索（ｍｏｔｉｏｎ　ｅｓｔｉｍａｔｉｏｎ）と称してもよい。
　また、上述の例では、ステップＳｅ＿１～Ｓｅ＿３は、インター予測部１２６によって行われるが、例えばステップＳｅ＿１またはステップＳｅ＿２などの処理は、符号化装置１００に含まれる他の構成要素によって行われてもよい。
　なお、それぞれのインター予測モードにおける処理毎に候補ＭＶリストを作成してもよいし、複数のインター予測モードにおいて共通の候補ＭＶリストを用いてもよい。また、ステップＳｅ＿３およびＳｅ＿４の処理は、図９に示すステップＳａ＿３およびＳａ＿４の処理にそれぞれ相当する。また、ステップＳｅ＿３の処理は、図３０のステップＳｄ＿１ｂの処理に相当する。
　［ＭＶ導出のフロー］
　図３６は、ＭＶ導出の一例を示すフローチャートである。
　インター予測部１２６は、動き情報（例えばＭＶ）を符号化するモードで、カレントブロックのＭＶを導出してもよい。この場合、例えば動き情報が予測パラメータとして符号化されて、信号化されてもよい。つまり、符号化された動き情報がストリームに含まれる。
　あるいは、インター予測部１２６は、動き情報を符号化しないモードでＭＶを導出してもよい。この場合には、動き情報はストリームに含まれない。
　ここで、ＭＶ導出のモードには、後述のノーマルインターモード、ノーマルマージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、動き情報を符号化するモードには、ノーマルインターモード、ノーマルマージモード、およびアフィンモード（具体的には、アフィンインターモードおよびアフィンマージモード）などがある。なお、動き情報には、ＭＶだけでなく、後述の予測ＭＶ選択情報が含まれてもよい。また、動き情報を符号化しないモードには、ＦＲＵＣモードなどがある。インター予測部１２６は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　図３７は、ＭＶ導出の他の例を示すフローチャートである。
　インター予測部１２６は、差分ＭＶを符号化するモードで、カレントブロックのＭＶを導出してもよい。この場合、例えば差分ＭＶが予測パラメータとして符号化されて、信号化される。つまり、符号化された差分ＭＶがストリームに含まれる。この差分ＭＶは、カレントブロックのＭＶと、その予測ＭＶとの差である。なお、予測ＭＶは、予測動きベクトルである。
　あるいは、インター予測部１２６は、差分ＭＶを符号化しないモードでＭＶを導出してもよい。この場合には、符号化された差分ＭＶはストリームに含まれない。
　ここで、上述のようにＭＶの導出のモードには、後述のノーマルインター、ノーマルマージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、差分ＭＶを符号化するモードには、ノーマルインターモードおよびアフィンモード（具体的には、アフィンインターモード）などがある。また、差分ＭＶを符号化しないモードには、ＦＲＵＣモード、ノーマルマージモードおよびアフィンモード（具体的には、アフィンマージモード）などがある。インター予測部１２６は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　［ＭＶ導出のモード］
　図３８Ａおよび図３８Ｂは、ＭＶ導出の各モードの分類の一例を示す図である。例えば図３８Ａに示すように、動き情報を符号化するか否か、および、差分ＭＶを符号化するか否かに応じて、ＭＶ導出のモードは大きく３つのモードに分類される。３つのモードは、インターモード、マージモード、およびＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）モードである。インターモードは、動き探索を行うモードであって、動き情報および差分ＭＶを符号化するモードである。例えば図３８Ｂに示すように、インターモードは、アフィンインターモードおよびノーマルインターモードを含む。マージモードは、動き探索を行わないモードであって、周辺の符号化済みブロックからＭＶを選択し、そのＭＶを用いてカレントブロックのＭＶを導出するモードである。このマージモードは、基本的に、動き情報を符号化し、差分ＭＶを符号化しないモードである。例えば図３８Ｂに示すように、マージモードは、ノーマルマージモード（通常マージモードまたはレギュラーマージモードと呼ぶこともある）、ＭＭＶＤ（Ｍｅｒｇｅ　ｗｉｔｈ　Ｍｏｔｉｏｎ　Ｖｅｃｔｏｒ　Ｄｉｆｆｅｒｅｎｃｅ）モード、ＣＩＩＰ（Ｃｏｍｂｉｎｅｄ　ｉｎｔｅｒ　ｍｅｒｇｅ／ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ）モード、トライアングルモード、ＡＴＭＶＰモード、およびアフィンマージモードを含む。ここで、マージモードに含まれる各モードのうちのＭＭＶＤモードでは、例外的に、差分ＭＶが符号化される。なお、上述のアフィンマージモードおよびアフィンインターモードは、アフィンモードに含まれるモードである。アフィンモードは、アフィン変換を想定して、カレントブロックを構成する複数のサブブロックそれぞれのＭＶを、カレントブロックのＭＶとして導出するモードである。ＦＲＵＣモードは、符号化済み領域間で探索を行うことによって、カレントブロックのＭＶを導出するモードであって、動き情報および差分ＭＶの何れも符号化しないモードである。なお、これらの各モードの詳細については、後述する。
　なお、図３８Ａおよび図３８Ｂに示す各モードの分類は一例であって、この限りではない。例えば、ＣＩＩＰモードで差分ＭＶが符号化される場合には、そのＣＩＩＰモードはインターモードに分類される。
　［ＭＶ導出　＞　ノーマルインターモード］
　ノーマルインターモードは、候補ＭＶによって示される参照ピクチャの領域から、カレントブロックの画像に類似するブロックを見つけ出すことによって、カレントブロックのＭＶを導出するインター予測モードである。また、このノーマルインターモードでは、差分ＭＶが符号化される。
　図３９は、ノーマルインターモードによるインター予測の例を示すフローチャートである。
　インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｇ＿１）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　次に、インター予測部１２６は、ステップＳｇ＿１で取得された複数の候補ＭＶの中から、Ｎ個（Ｎは２以上の整数）の候補ＭＶのそれぞれを予測ＭＶ候補として、予め決められた優先順位に従って抽出する（ステップＳｇ＿２）。なお、その優先順位は、Ｎ個の候補ＭＶのそれぞれに対して予め定められている。
　次に、インター予測部１２６は、そのＮ個の予測ＭＶ候補の中から１つの予測ＭＶ候補を、カレントブロックの予測ＭＶとして選択する（ステップＳｇ＿３）。このとき、インター予測部１２６は、選択された予測ＭＶを識別するための予測ＭＶ選択情報をストリームに符号化する。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、予測ＭＶ選択情報を予測パラメータとしてエントロピー符号化部１１０に出力する。
　次に、インター予測部１２６は、符号化済み参照ピクチャを参照し、カレントブロックのＭＶを導出する（ステップＳｇ＿４）。このとき、インター予測部１２６は、さらに、その導出されたＭＶと予測ＭＶとの差分値を差分ＭＶとしてストリームに符号化する。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、差分ＭＶを予測パラメータとしてエントロピー符号化部１１０に出力する。なお、符号化済み参照ピクチャは、符号化後に再構成された複数のブロックからなるピクチャである。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｇ＿５）。ステップＳｇ＿１～Ｓｇ＿５の処理は、各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｇ＿１～Ｓｇ＿５の処理が実行されると、そのスライスに対するノーマルインターモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｇ＿１～Ｓｇ＿５の処理が実行されると、そのピクチャに対するノーマルインターモードを用いたインター予測が終了する。なお、ステップＳｇ＿１～Ｓｇ＿５の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するノーマルインターモードを用いたインター予測が終了してもよい。ステップＳｇ＿１～Ｓｇ＿５の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するノーマルインターモードを用いたインター予測が終了してもよい。
　なお、予測画像は、上述のインター予測信号である。また、符号化信号に含められる、予測画像の生成に用いられたインター予測モード（上述の例ではノーマルインターモード）を示す情報は、例えば予測パラメータとして符号化される。
　なお、候補ＭＶリストは、他のモードに用いられるリストと共通に用いられてもよい。また、候補ＭＶリストに関する処理を、他のモードに用いられるリストに関する処理に適用してもよい。この候補ＭＶリストに関する処理は、例えば、候補ＭＶリストからの候補ＭＶの抽出もしくは選択、候補ＭＶの並び替え、または、候補ＭＶの削除などである。
　［ＭＶ導出　＞　ノーマルマージモード］
　ノーマルマージモードは、候補ＭＶリストから候補ＭＶをカレントブロックのＭＶとして選択することによって、そのＭＶを導出するインター予測モードである。なお、ノーマルマージモードは、狭義のマージモードであって、単にマージモードと呼ばれることもある。本実施の形態では、ノーマルマージモードとマージモードとを区別し、マージモードを広義の意味で用いる。
　図４０は、ノーマルマージモードによるインター予測の例を示すフローチャートである。
　インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｈ＿１）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　次に、インター予測部１２６は、ステップＳｈ＿１で取得された複数の候補ＭＶの中から１つの候補ＭＶを選択することによって、カレントブロックのＭＶを導出する（ステップＳｈ＿２）。このとき、インター予測部１２６は、選択された候補ＭＶを識別するためのＭＶ選択情報をストリームに符号化する。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、ＭＶ選択情報を予測パラメータとしてエントロピー符号化部１１０に出力する。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｈ＿３）。ステップＳｈ＿１～Ｓｈ＿３の処理は例えば各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｈ＿１～Ｓｈ＿３の処理が実行されると、そのスライスに対するノーマルマージモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｈ＿１～Ｓｈ＿３の処理が実行されると、そのピクチャに対するノーマルマージモードを用いたインター予測が終了する。なお、ステップＳｈ＿１～Ｓｈ＿３の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するノーマルマージモードを用いたインター予測が終了してもよい。ステップＳｈ＿１～Ｓｈ＿３の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するノーマルマージモードを用いたインター予測が終了してもよい。
　また、ストリームに含められる、予測画像の生成に用いられたインター予測モード（上述の例ではノーマルマージモード）を示す情報は、例えば予測パラメータとして符号化される。
　図４１は、ノーマルマージモードによるカレントピクチャのＭＶ導出処理の一例を説明するための図である。
　まず、インター予測部１２６は、候補ＭＶを登録した候補ＭＶリストを生成する。候補ＭＶとしては、カレントブロックの空間的に周辺に位置する複数の符号化済みブロックが持つＭＶである空間隣接候補ＭＶ、符号化済み参照ピクチャにおけるカレントブロックの位置を投影した近辺のブロックが持つＭＶである時間隣接候補ＭＶ、空間隣接候補ＭＶと時間隣接候補ＭＶのＭＶ値を組み合わせて生成したＭＶである結合候補ＭＶ、および値がゼロのＭＶであるゼロ候補ＭＶ等がある。
　次に、インター予測部１２６は、候補ＭＶリストに登録されている複数の候補ＭＶの中から１つの候補ＭＶを選択することで、その１つの候補ＭＶをカレントブロックのＭＶとして決定する。
　さらに、エントロピー符号化部１１０は、どの候補ＭＶを選択したかを示す信号であるｍｅｒｇｅ＿ｉｄｘをストリームに記述して符号化する。
　なお、図４１で説明した候補ＭＶリストに登録する候補ＭＶは一例であり、図中の個数とは異なる個数であったり、図中の候補ＭＶの一部の種類を含まない構成であったり、図中の候補ＭＶの種類以外の候補ＭＶを追加した構成であったりしてもよい。
　ノーマルマージモードにより導出したカレントブロックのＭＶを用いて、後述するＤＭＶＲ（ｄｙｎａｍｉｃ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｒｅｆｒｅｓｈｉｎｇ）を行うことによって最終的なＭＶを決定してもよい。なお、ノーマルマージモードでは、差分ＭＶは符号化されないが、ＭＭＶＤモードでは、差分ＭＶは符号化される。ＭＭＶＤモードは、ノーマルマージモードと同様に候補ＭＶリストから１つの候補ＭＶを選択するが、差分ＭＶを符号化する。このような、ＭＭＶＤは、図３８Ｂに示すように、ノーマルマージモードと共にマージモードに分類されてもよい。なお、ＭＭＶＤモードでの差分ＭＶは、インターモードで用いる差分ＭＶと同じでなくてもよく、例えば、ＭＭＶＤモードでの差分ＭＶの導出は、インターモードでの差分ＭＶの導出に比べて処理量が小さい処理であってもよい。
　また、インター予測で生成した予測画像とイントラ予測で生成した予測画像とを重ね合わせて、カレントブロックの予測画像を生成するＣＩＩＰ（Ｃｏｍｂｉｎｅｄ　ｉｎｔｅｒ　ｍｅｒｇｅ／ｉｎｔｒａ　ｐｒｅｄｉｃｔｉｏｎ）モードを行ってもよい。
　なお、候補ＭＶリストを、候補リストと称してもよい。また、ｍｅｒｇｅ＿ｉｄｘは、ＭＶ選択情報である。
　［ＭＶ導出　＞　ＨＭＶＰモード］
　図４２は、ＨＭＶＰモードによるカレントピクチャのＭＶ導出処理の一例について説明するための図である。
　ノーマルマージモードでは、符号化済みブロック（例えばＣＵ）を参照して生成された候補ＭＶリストの中から１つの候補ＭＶを選択することによって、カレントブロックである例えばＣＵのＭＶを決定する。ここで、他の候補ＭＶがその候補ＭＶリストに登録されてもよい。このような他の候補ＭＶが登録されるモードは、ＨＭＶＰモードと呼ばれる。
　ＨＭＶＰモードでは、ノーマルマージモードの候補ＭＶリストとは別に、ＨＭＶＰ用のＦＩＦＯ（Ｆｉｒｓｔ－Ｉｎ　Ｆｉｒｓｔ－Ｏｕｔ）バッファを用いて候補ＭＶを管理している。
　ＦＩＦＯバッファには、過去に処理したブロックのＭＶなどの動き情報が新しいものから順に格納されている。このＦＩＦＯバッファの管理では、１つのブロックの処理が行われる度に、最も新しいブロック（すなわち直前に処理されたＣＵ）のＭＶがＦＩＦＯバッファに格納され、代わりにＦＩＦＯバッファ内の最も古いＣＵ（すなわち最も先に処理されたＣＵ）のＭＶがＦＩＦＯバッファから削除される。図４２に示す例では、ＨＭＶＰ１が最も新しいブロックのＭＶであって、ＨＭＶＰ５が最も古いブロックのＭＶである。
　そして、例えば、インター予測部１２６は、ＦＩＦＯバッファに管理されている各ＭＶについて、ＨＭＶＰ１から順に、そのＭＶが、ノーマルマージモードの候補ＭＶリストに既に登録されている全ての候補ＭＶと異なるＭＶであるかどうかをチェックする。そして、インター予測部１２６は、全ての候補ＭＶと異なると判断した場合に、そのＦＩＦＯバッファに管理されているＭＶを、ノーマルマージモードの候補ＭＶリストに候補ＭＶとして追加してもよい。このときＦＩＦＯバッファから登録される候補ＭＶは１つでもよいし、複数個であってもよい。
　このようにＨＭＶＰモードを用いることによって、カレントブロックの空間的もしくは時間的に隣接するブロックのＭＶのみでなく、過去に処理されたブロックのＭＶも候補に加えることが可能となる。その結果、ノーマルマージモードの候補ＭＶのバリエーションが広がることで符号化効率を向上させることができる可能性が高くなる。
　なお、上述のＭＶは、動き情報であってもよい。つまり、候補ＭＶリストおよびＦＩＦＯバッファに格納される情報は、ＭＶの値だけでなく、参照するピクチャの情報、参照する方向および枚数などを示す情報を含んでいてもよい。また、上述のブロックは、例えばＣＵである。
　なお、図４２の候補ＭＶリストおよびＦＩＦＯバッファは一例であり、候補ＭＶリストおよびＦＩＦＯバッファは、図４２とは異なるサイズのリストまたはバッファであったり、図４２とは異なる順番で候補ＭＶを登録する構成であったりしてもよい。また、ここで説明した処理は符号化装置１００においても復号装置２００においても共通である。
　なお、ＨＭＶＰモードは、ノーマルマージモード以外のモードに対しても、適用しうる。例えば、ＦＩＦＯバッファに、過去にアフィンモードで処理したブロックのＭＶなどの動き情報を新しいものから順に格納し、候補ＭＶとして用いてもよい。ＨＭＶＰモードをアフィンモードに適用したモードを、ヒストリーアフィンモードと呼んでもよい。
　［ＭＶ導出　＞　ＦＲＵＣモード］
　動き情報は、符号化装置１００側から信号化されずに、復号装置２００側で導出されてもよい。例えば、復号装置２００側で動き探索を行うことにより動き情報が導出されてもよい。この場合、復号装置２００側では、カレントブロックの画素値を用いずに動き探索が行われる。このような復号装置２００側で動き探索を行うモードには、ＦＲＵＣ（ｆｒａｍｅ　ｒａｔｅ　ｕｐ－ｃｏｎｖｅｒｓｉｏｎ）モードまたはＰＭＭＶＤ（ｐａｔｔｅｒｎ　ｍａｔｃｈｅｄ　ｍｏｔｉｏｎ　ｖｅｃｔｏｒ　ｄｅｒｉｖａｔｉｏｎ）モードなどがある。
　ＦＲＵＣ処理の一例を図４３に示す。まず、カレントブロックに空間的または時間的に隣接する各符号化済みブロックのＭＶを参照して、それらのＭＶを候補ＭＶとして示すリスト（すなわち、候補ＭＶリストであって、ノーマルマージモードの候補ＭＶリストと共通であってもよい）が生成される（ステップＳｉ＿１）。次に、候補ＭＶリストに登録されている複数の候補ＭＶの中からベスト候補ＭＶが選択される（ステップＳｉ＿２）。例えば、候補ＭＶリストに含まれる各候補ＭＶの評価値が算出され、その評価値に基づいて１つの候補ＭＶがベスト候補ＭＶとして選択される。そして、選択されたベスト候補ＭＶに基づいて、カレントブロックのためのＭＶが導出される（ステップＳｉ＿４）。具体的には、例えば、選択されたベスト候補ＭＶがそのままカレントブロックのためのＭＶとして導出される。また例えば、選択されたベスト候補ＭＶに対応する参照ピクチャ内の位置の周辺領域において、パターンマッチングを行うことにより、カレントブロックのためのＭＶが導出されてもよい。すなわち、ベスト候補ＭＶの周辺の領域に対して、参照ピクチャにおけるパターンマッチングおよび評価値を用いた探索を行い、さらに評価値が良い値となるＭＶがあった場合は、ベスト候補ＭＶをそのＭＶに更新して、それをカレントブロックの最終的なＭＶとしてもよい。より良い評価値を有するＭＶへの更新を実施しなくてもよい。
　最後に、インター予測部１２６は、その導出されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｉ＿５）。ステップＳｉ＿１～Ｓｉ＿５の処理は例えば各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｉ＿１～Ｓｉ＿５の処理が実行されると、そのスライスに対するＦＲＵＣモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｉ＿１～Ｓｉ＿５の処理が実行されると、そのピクチャに対するＦＲＵＣモードを用いたインター予測が終了する。なお、ステップＳｉ＿１～Ｓｉ＿５の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するＦＲＵＣモードを用いたインター予測が終了してもよい。ステップＳｉ＿１～Ｓｉ＿５の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するＦＲＵＣモードを用いたインター予測が終了してもよい。
　サブブロック単位でも上述のブロック単位と同様に処理されてもよい。
　評価値は、種々の方法によって算出されてもよい。例えば、ＭＶに対応する参照ピクチャ内の領域の再構成画像と、所定の領域（その領域は、例えば、以下に示すように、他の参照ピクチャの領域またはカレントピクチャの隣接ブロックの領域であってもよい）の再構成画像とを比較する。そして、２つの再構成画像の画素値の差分を算出して、ＭＶの評価値に用いてもよい。なお、差分値に加えてそれ以外の情報を用いて評価値を算出してもよい。
　次に、パターンマッチングについて詳細に説明する。まず、候補ＭＶリスト（マージリストともいう）に含まれる１つの候補ＭＶが、パターンマッチングによる探索のスタートポイントとして選択される。パターンマッチングとしては、第１パターンマッチングまたは第２パターンマッチングが用いられてもよい。第１パターンマッチングおよび第２パターンマッチングは、それぞれ、バイラテラルマッチング（ｂｉｌａｔｅｒａｌ　ｍａｔｃｈｉｎｇ）およびテンプレートマッチング（ｔｅｍｐｌａｔｅ　ｍａｔｃｈｉｎｇ）と呼ばれることがある。
　［ＭＶ導出　＞　ＦＲＵＣ　＞　バイラテラルマッチング］
　第１パターンマッチングでは、異なる２つの参照ピクチャ内の２つのブロックであってカレントブロックの動き軌道（ｍｏｔｉｏｎ　ｔｒａｊｅｃｔｏｒｙ）に沿う２つのブロックの間でパターンマッチングが行われる。したがって、第１パターンマッチングでは、上述した候補ＭＶの評価値の算出のための所定の領域として、カレントブロックの動き軌道に沿う他の参照ピクチャ内の領域が用いられる。
　図４４は、動き軌道に沿う２つの参照ピクチャにおける２つのブロック間での第１パターンマッチング（バイラテラルマッチング）の一例を説明するための図である。図４４に示すように、第１パターンマッチングでは、カレントブロック（Ｃｕｒ　ｂｌｏｃｋ）の動き軌道に沿う２つのブロックであって異なる２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）内の２つのブロックのペアの中で最もマッチするペアを探索することにより２つのＭＶ（ＭＶ０、ＭＶ１）が導出される。具体的には、カレントブロックに対して、候補ＭＶで指定された第１の符号化済み参照ピクチャ（Ｒｅｆ０）内の指定位置における再構成画像と、その候補ＭＶを表示時間間隔でスケーリングした対称ＭＶで指定された第２の符号化済み参照ピクチャ（Ｒｅｆ１）内の指定位置における再構成画像との差分が導出され、得られた差分値を用いて評価値が算出される。複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶがベスト候補ＭＶとして選択されるとよい。
　連続的な動き軌道の仮定の下では、２つの参照ブロックを指し示すＭＶ（ＭＶ０、ＭＶ１）は、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０、Ｒｅｆ１）との間の時間的な距離（ＴＤ０、ＴＤ１）に対して比例する。例えば、カレントピクチャが時間的に２つの参照ピクチャの間に位置し、カレントピクチャから２つの参照ピクチャへの時間的な距離が等しい場合、第１パターンマッチングでは、鏡映対称な双方向のＭＶが導出される。
　［ＭＶ導出　＞　ＦＲＵＣ　＞　テンプレートマッチング］
　第２パターンマッチング（テンプレートマッチング）では、カレントピクチャ内のテンプレート（カレントピクチャ内でカレントブロックに隣接するブロック（例えば上および／または左隣接ブロック））と参照ピクチャ内のブロックとの間でパターンマッチングが行われる。したがって、第２パターンマッチングでは、上述した候補ＭＶの評価値の算出のための所定の領域として、カレントピクチャ内のカレントブロックに隣接するブロックが用いられる。
　図４５は、カレントピクチャ内のテンプレートと参照ピクチャ内のブロックとの間でのパターンマッチング（テンプレートマッチング）の一例を説明するための図である。図４５に示すように、第２パターンマッチングでは、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）内でカレントブロック（Ｃｕｒ　ｂｌｏｃｋ）に隣接するブロックと最もマッチするブロックを参照ピクチャ（Ｒｅｆ０）内で探索することによりカレントブロックのＭＶが導出される。具体的には、カレントブロックに対して、左隣接および上隣接の両方もしくはどちらか一方の符号化済み領域の再構成画像と、候補ＭＶで指定された符号化済み参照ピクチャ（Ｒｅｆ０）内の同等位置における再構成画像との差分が導出され、得られた差分値を用いて評価値が算出される。複数の候補ＭＶの中で最も評価値が良い値となる候補ＭＶがベスト候補ＭＶとして選択されるとよい。
　このようなＦＲＵＣモードを適用するか否かを示す情報（例えばＦＲＵＣフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。また、ＦＲＵＣモードが適用される場合（例えばＦＲＵＣフラグが真の場合）、適用可能なパターンマッチングの方法（第１パターンマッチングまたは第２パターンマッチング）を示す情報がＣＵレベルで信号化されてもよい。なお、これらの情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはサブブロックレベル）であってもよい。
　［ＭＶ導出　＞　アフィンモード］
　アフィンモードは、ａｆｆｉｎｅ変換を用いてＭＶを生成するモードであり、例えば、複数の隣接ブロックのＭＶに基づいてサブブロック単位でＭＶを導出してもよい。このモードは、アフィン動き補償予測（ａｆｆｉｎｅ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ　ｐｒｅｄｉｃｔｉｏｎ）モードと呼ばれることがある。
　図４６Ａは、複数の隣接ブロックのＭＶに基づくサブブロック単位のＭＶの導出の一例を説明するための図である。図４６Ａにおいて、カレントブロックは、例えば、１６個の４ｘ４画素からなるサブブロックを含む。ここでは、隣接ブロックのＭＶに基づいてカレントブロックの左上角制御ポイントの動きベクトルｖ０が導出され、同様に、隣接サブブロックのＭＶに基づいてカレントブロックの右上角制御ポイントの動きベクトルｖ１が導出される。そして、以下の式（１Ａ）により、２つの動きベクトルｖ０およびｖ１を投影して、カレントブロック内の各サブブロックの動きベクトル（ｖｘ，ｖｙ）が導出される。
Figure JPOXMLDOC01-appb-M000001
　ここで、ｘおよびｙは、それぞれ、サブブロックの水平位置および垂直位置を示し、ｗは、予め定められた重み係数を示す。
　このようなアフィンモードを示す情報（例えばアフィンフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。なお、このアフィンモードを示す情報の信号化は、ＣＵレベルに限定される必要はなく、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはサブブロックレベル）であってもよい。
　また、このようなアフィンモードは、左上および右上角制御ポイントのＭＶの導出方法が異なるいくつかのモードを含んでもよい。例えば、アフィンモードには、アフィンインター（アフィンノーマルインターともいう）モードと、アフィンマージモードの２つのモードがある。
　図４６Ｂは、３つの制御ポイントを用いるアフィンモードにおけるサブブロック単位のＭＶの導出の一例を説明するための図である。図４６Ｂにおいて、カレントブロックは、例えば、１６個の４ｘ４画素からなるサブブロックを含む。ここでは、隣接ブロックのＭＶに基づいてカレントブロックの左上角制御ポイントの動きベクトルｖ０が導出される。同様に、隣接ブロックのＭＶに基づいてカレントブロックの右上角制御ポイントの動きベクトルｖ１が導出され、隣接ブロックのＭＶに基づいてカレントブロックの左下角制御ポイントの動きベクトルｖ２が導出される。そして、以下の式（１Ｂ）により、３つの動きベクトルｖ０、ｖ１およびｖ２を投影して、カレントブロック内の各サブブロックの動きベクトル（ｖｘ，ｖｙ）が導出される。
Figure JPOXMLDOC01-appb-M000002
　ここで、ｘおよびｙは、それぞれ、サブブロック中心の水平位置および垂直位置を示し、ｗおよびｈは、予め定められた重み係数を示す。ｗは、カレントブロックの幅、ｈは、カレントブロックの高さを示してもよい。
　互いに異なる制御ポイント数（例えば、２つと３つ）を用いるアフィンモードは、ＣＵレベルで切り替えて信号化されてもよい。なお、ＣＵレベルで使用しているアフィンモードの制御ポイント数を示す情報を、他のレベル（例えば、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはサブブロックレベル）で信号化してもよい。
　また、このような３つの制御ポイントを有するアフィンモードは、左上、右上および左下角制御ポイントのＭＶの導出方法が異なるいくつかのモードを含んでもよい。例えば、３つの制御ポイントを有するアフィンモードには、上述の２つの制御ポイントを有するアフィンモードと同様、アフィンインターモードと、アフィンマージモードの２つのモードがある。
　なお、アフィンモードにおいて、カレントブロックに含まれる各サブブロックのサイズは、４ｘ４画素に限定されず、他の大きさでもよい。例えば、各サブブロックのサイズは、８×８画素であってもよい。
　［ＭＶ導出　＞　アフィンモード　＞　制御ポイント］
　図４７Ａ，図４７Ｂおよび図４７Ｃは、アフィンモードにおける制御ポイントのＭＶ導出の一例を説明するための概念図である。
　アフィンモードでは、図４７Ａに示すように、例えば、カレントブロックに隣接する符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）のうち、アフィンモードで符号化されたブロックに対応する複数のＭＶに基づいて、カレントブロックの制御ポイントのそれぞれの予測ＭＶが算出される。具体的には、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序でこれらのブロックが検査され、アフィンモードで符号化された最初の有効なブロックが特定される。この特定されたブロックに対応する複数のＭＶに基づいて、カレントブロックの制御ポイントのＭＶが算出される。
　例えば、図４７Ｂに示すように、カレントブロックの左に隣接するブロックＡが２つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角および右上角の位置に投影した動きベクトルｖ３およびｖ４が導出される。そして、導出された動きベクトルｖ３およびｖ４から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とが算出される。
　例えば、図４７Ｃに示すように、カレントブロックの左に隣接するブロックＡが３つの制御ポイントを有するアフィンモードで符号化されている場合は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の位置に投影した動きベクトルｖ３、ｖ４およびｖ５が導出される。そして、導出された動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１と、左下角制御ポイントの動きベクトルｖ２とが算出される。
　なお、図４７Ａ～図４７Ｃに示すＭＶの導出方法は、後述の図５０に示すステップＳｋ＿１におけるカレントブロックの各制御ポイントのＭＶの導出に用いられてもよいし、後述の図５１に示すステップＳｊ＿１におけるカレントブロックの各制御ポイントの予測ＭＶの導出に用いられてもよい。
　図４８Ａおよび図４８Ｂは、アフィンモードにおける制御ポイントＭＶの導出の他の一例を説明するための概念図である。
　図４８Ａは、２つの制御ポイントを有するアフィンモードを説明するための図である。
　このアフィンモードでは、図４８Ａに示すように、カレントブロックに隣接する符号化済みブロックＡ、ブロックＢおよびブロックＣのそれぞれのＭＶから選択されたＭＶが、カレントブロックの左上角制御ポイントの動きベクトルｖ０として用いられる。同様に、カレントブロックに隣接する符号化済みブロックＤおよびブロックＥのそれぞれのＭＶから選択されたＭＶが、カレントブロックの右上角制御ポイントの動きベクトルｖ１として用いられる。
　図４８Ｂは、３つの制御ポイントを有するアフィンモードを説明するための図である。
　このアフィンモードでは、図４８Ｂに示すように、カレントブロックに隣接する符号化済みブロックＡ、ブロックＢおよびブロックＣのそれぞれのＭＶから選択されたＭＶが、カレントブロックの左上角制御ポイントの動きベクトルｖ０として用いられる。同様に、カレントブロックに隣接する符号化済みブロックＤおよびブロックＥのそれぞれのＭＶから選択されたＭＶが、カレントブロックの右上角制御ポイントの動きベクトルｖ１として用いられる。さらに、カレントブロックに隣接する符号化済みブロックＦおよびブロックＧのそれぞれのＭＶから選択されたＭＶが、カレントブロックの左下角制御ポイントの動きベクトルｖ２として用いられる。
　なお、図４８Ａおよび図４８Ｂに示すＭＶの導出方法は、後述の図５０に示すステップＳｋ＿１におけるカレントブロックの各制御ポイントのＭＶの導出に用いられてもよいし、後述の図５１のステップＳｊ＿１におけるカレントブロックの各制御ポイントの予測ＭＶの導出に用いられてもよい。
　ここで、例えば、異なる制御ポイント数（例えば、２つと３つ）のアフィンモードをＣＵレベルで切り替えて信号化する場合などにおいて、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合がある。
　図４９Ａおよび図４９Ｂは、符号化済みブロックとカレントブロックで制御ポイントの数が異なる場合の、制御ポイントのＭＶ導出方法の一例を説明するための概念図である。
　例えば、図４９Ａに示すように、カレントブロックが左上角、右上角および左下角の３つの制御ポイントを有し、カレントブロックの左に隣接するブロックＡが２つの制御ポイントを有するアフィンモードで符号化されている。この場合は、ブロックＡを含む符号化済みブロックの左上角および右上角の位置に投影した動きベクトルｖ３およびｖ４が導出される。そして、導出された動きベクトルｖ３およびｖ４から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１が算出される。更に、導出された動きベクトルｖ０およびｖ１から、左下角制御ポイントの動きベクトルｖ２が算出される。
　例えば、図４９Ｂに示すように、カレントブロックが左上角および右上角の２つの制御ポイントを有し、カレントブロックの左に隣接するブロックＡが３つの制御ポイントを有するアフィンモードで符号化されている。この場合は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の位置に投影した動きベクトルｖ３、ｖ４およびｖ５が導出される。そして、導出された動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とが算出される。
　なお、図４９Ａおよび図４９Ｂに示すＭＶの導出方法は、後述の図５０に示すステップＳｋ＿１におけるカレントブロックの各制御ポイントのＭＶの導出に用いられてもよいし、後述の図５１のステップＳｊ＿１におけるカレントブロックの各制御ポイントの予測ＭＶの導出に用いられてもよい。
　［ＭＶ導出　＞　アフィンモード　＞　アフィンマージモード］
　図５０は、アフィンマージモードの一例を示すフローチャートである。
　アフィンマージモードでは、まず、インター予測部１２６は、カレントブロックの制御ポイントのそれぞれのＭＶを導出する（ステップＳｋ＿１）。制御ポイントは、図４６Ａに示すように、カレントブロックの左上角および右上角のポイント、或いは図４６Ｂに示すように、カレントブロックの左上角、右上角および左下角のポイントである。このとき、インター予測部１２６は、導出された２つまたは３つのＭＶを識別するためのＭＶ選択情報をストリームに符号化してもよい。
　例えば、図４７Ａ～図４７Ｃに示すＭＶの導出方法を用いる場合、インター予測部１２６は、図４７Ａに示すように、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序にこれらのブロックを検査し、アフィンモードで符号化された最初の有効なブロックを特定する。
　インター予測部１２６は、特定されたアフィンモードで符号化された最初の有効なブロックを用いて、制御ポイントのＭＶを導出する。例えば、ブロックＡが特定され、ブロックＡが２つの制御ポイントを有する場合、図４７Ｂに示すように、インター予測部１２６は、ブロックＡを含む符号化済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とを算出する。例えば、インター予測部１２６は、符号化済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４を、カレントブロックに投影することによって、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とを算出する。
　或いは、ブロックＡが特定され、ブロックＡが３つの制御ポイントを有する場合、図４７Ｃに示すように、インター予測部１２６は、ブロックＡを含む符号化済みブロックの左上角、右上角および左下角の動きベクトルｖ３、ｖ４およびｖ５から、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１と、左下角制御ポイントの動きベクトルｖ２とを算出する。例えば、インター予測部１２６は、符号化済みブロックの左上角、右上角および左下角の動きベクトルｖ３、ｖ４およびｖ５を、カレントブロックに投影することによって、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１と、左下角制御ポイントの動きベクトルｖ２とを算出する。
　なお、上述の図４９Ａに示すように、ブロックＡが特定され、ブロックＡが２つの制御ポイントを有する場合に、３つの制御ポイントのＭＶを算出してもよく、上述の図４９Ｂに示すように、ブロックＡが特定され、ブロックＡが３つの制御ポイントを有する場合に、２つの制御ポイントのＭＶを算出してもよい。
　次に、インター予測部１２６は、カレントブロックに含まれる複数のサブブロックのそれぞれについて、動き補償を行う。すなわち、インター予測部１２６は、その複数のサブブロックのそれぞれについて、２つの動きベクトルｖ０およびｖ１と上述の式（１Ａ）とを用いて、或いは３つの動きベクトルｖ０、ｖ１およびｖ２と上述の式（１Ｂ）とを用いて、そのサブブロックのＭＶをアフィンＭＶとして算出する（ステップＳｋ＿２）。そして、インター予測部１２６は、それらのアフィンＭＶおよび符号化済み参照ピクチャを用いてそのサブブロックに対して動き補償を行う（ステップＳｋ＿３）。カレントブロックに含まれる全てのサブブロックのそれぞれに対してステップＳｋ＿２およびＳｋ＿３の処理が実行されると、そのカレントブロックに対するアフィンマージモードを用いた予測画像の生成の処理が終了する。つまり、カレントブロックに対して動き補償が行われ、そのカレントブロックの予測画像が生成される。
　なお、ステップＳｋ＿１では、上述の候補ＭＶリストが生成されてもよい。候補ＭＶリストは、例えば、各制御ポイントに対して複数のＭＶ導出方法を用いて導出した候補ＭＶを含むリストであってもよい。複数のＭＶ導出方法は、図４７Ａ～図４７Ｃに示すＭＶの導出方法、図４８Ａおよび図４８Ｂに示すＭＶの導出方法、図４９Ａおよび図４９Ｂに示すＭＶの導出方法、および、その他のＭＶの導出方法の任意の組合せであってもよい。
　なお、候補ＭＶリストは、アフィンモード以外の、サブブロック単位で予測を行うモードの候補ＭＶを含んでもよい。
　なお、候補ＭＶリストとして、例えば、２つの制御ポイントを有するアフィンマージモードの候補ＭＶと、３つの制御ポイントを有するアフィンマージモードの候補ＭＶとを含む候補ＭＶリストを生成してもよい。または、２つの制御ポイントを有するアフィンマージモードの候補ＭＶを含む候補ＭＶリストと、３つの制御ポイントを有するアフィンマージモードの候補ＭＶを含む候補ＭＶリストとをそれぞれ生成してもよい。または、２つの制御ポイントを有するアフィンマージモードと、３つの制御ポイントを有するアフィンマージモードとのうちの一方のモードの候補ＭＶを含む候補ＭＶリストを生成してもよい。候補ＭＶは、例えば、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）のＭＶであってもよく、それらのブロックのうちの有効なブロックのＭＶであってもよい。
　なお、ＭＶ選択情報として、候補ＭＶリストのいずれの候補ＭＶかを示すインデックスを送ってもよい。
　［ＭＶ導出　＞　アフィンモード　＞　アフィンインターモード］
　図５１は、アフィンインターモードの一例を示すフローチャートである。
　アフィンインターモードでは、まず、インター予測部１２６は、カレントブロックの２つまたは３つの制御ポイントのそれぞれの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する（ステップＳｊ＿１）。制御ポイントは、図４６Ａまたは図４６Ｂに示すように、カレントブロックの左上角、右上角或いは左下角のポイントである。
　例えば、図４８Ａおよび図４８Ｂに示すＭＶの導出方法を用いる場合、インター予測部１２６は、図４８Ａまたは図４８Ｂに示すカレントブロックの各制御ポイント近傍の符号化済みブロックのうちの何れかのブロックのＭＶを選択することによって、カレントブロックの制御ポイントの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する。このとき、インター予測部１２６は、選択された２つまたは３つの予測ＭＶを識別するための予測ＭＶ選択情報をストリームに符号化する。
　例えば、インター予測部１２６は、カレントブロックに隣接する符号化済みブロックからどのブロックのＭＶを制御ポイントの予測ＭＶとして選択するかを、コスト評価等を用いて決定し、どの予測ＭＶを選択したかを示すフラグをビットストリームに記述してもよい。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、フラグなどの予測ＭＶ選択情報を予測パラメータとしてエントロピー符号化部１１０に出力する。
　次に、インター予測部１２６は、ステップＳｊ＿１で選択または導出された予測ＭＶをそれぞれ更新しながら（ステップＳｊ＿２）、動き探索を行う（ステップＳｊ＿３およびＳｊ＿４）。つまり、インター予測部１２６は、更新される予測ＭＶに対応する各サブブロックのＭＶをアフィンＭＶとして、上述の式（１Ａ）または式（１Ｂ）を用いて算出する（ステップＳｊ＿３）。そして、インター予測部１２６は、それらのアフィンＭＶおよび符号化済み参照ピクチャを用いて各サブブロックに対して動き補償を行う（ステップＳｊ＿４）。ステップＳｊ＿３およびＳｊ＿４の処理は、ステップＳｊ＿２で予測ＭＶが更新されるごとに、カレントブロック内の全てのブロックに対して実行される。その結果、インター予測部１２６は、動き探索ループにおいて、例えば最も小さいコストが得られる予測ＭＶを、制御ポイントのＭＶとして決定する（ステップＳｊ＿５）。このとき、インター予測部１２６は、さらに、その決定されたＭＶと予測ＭＶとの差分値を差分ＭＶとしてストリームに符号化する。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、差分ＭＶを予測パラメータとしてエントロピー符号化部１１０に出力する。
　最後に、インター予測部１２６は、その決定されたＭＶと符号化済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｊ＿６）。
　なお、ステップＳｊ＿１では、上述の候補ＭＶリストが生成されてもよい。候補ＭＶリストは、例えば、各制御ポイントに対して複数のＭＶ導出方法を用いて導出した候補ＭＶを含むリストであってもよい。複数のＭＶ導出方法は、図４７Ａ～図４７Ｃに示すＭＶの導出方法、図４８Ａおよび図４８Ｂに示すＭＶの導出方法、図４９Ａおよび図４９Ｂに示すＭＶの導出方法、および、その他のＭＶの導出方法の任意の組合せであってもよい。
　なお、候補ＭＶリストは、アフィンモード以外の、サブブロック単位で予測を行うモードの候補ＭＶを含んでもよい。
　なお、候補ＭＶリストとして、２つの制御ポイントを有するアフィンインターモードの候補ＭＶと、３つの制御ポイントを有するアフィンインターモードの候補ＭＶとを含む候補ＭＶリストを生成してもよい。または、２つの制御ポイントを有するアフィンインターモードの候補ＭＶを含む候補ＭＶリストと、３つの制御ポイントを有するアフィンインターモードの候補ＭＶを含む候補ＭＶリストとをそれぞれ生成してもよい。または、２つの制御ポイントを有するアフィンインターモードと、３つの制御ポイントを有するアフィンインターモードとのうちの一方のモードの候補ＭＶを含む候補ＭＶリストを生成してもよい。候補ＭＶは、例えば、符号化済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）のＭＶであってもよく、それらのブロックのうちの有効なブロックのＭＶであってもよい。
　なお、予測ＭＶ選択情報として、候補ＭＶリストのいずれの候補ＭＶかを示すインデックスを送ってもよい。
　［ＭＶ導出　＞　トライアングルモード］
　インター予測部１２６は、上述の例では、矩形のカレントブロックに対して１つの矩形の予測画像を生成する。しかし、インター予測部１２６は、その矩形のカレントブロックに対して矩形と異なる形状の複数の予測画像を生成し、それらの複数の予測画像を結合することによって、最終的な矩形の予測画像を生成してもよい。矩形と異なる形状は、例えば三角形であってもよい。
　図５２Ａは、２つの三角形の予測画像の生成を説明するための図である。
　インター予測部１２６は、カレントブロック内の三角形の第１パーティションに対して、その第１パーティションの第１ＭＶを用いて動き補償を行うことによって、三角形の予測画像を生成する。同様に、インター予測部１２６は、カレントブロック内の三角形の第２パーティションに対して、その第２パーティションの第２ＭＶを用いて動き補償を行うことによって、三角形の予測画像を生成する。そして、インター予測部１２６は、これらの予測画像を結合することによって、カレントブロックと同じ矩形の予測画像を生成する。
　なお、第１パーティションの予測画像として、第１ＭＶを用いてカレントブロックに対応する矩形の第１予測画像を生成してもよい。また、第２パーティションの予測画像として、第２ＭＶを用いてカレントブロックに対応する矩形の第２予測画像を生成してもよい。第１予測画像と第２予測画像とを重み付け加算することにより、カレントブロックの予測画像を生成してもよい。なお、重み付け加算する部位は、第１パーティションと第２パーティションの境界を挟む一部の領域のみであってもよい。
　図５２Ｂは、第２パーティションと重なる第１パーティションの第１部分、並びに、補正処理の一部として重み付けされ得る第１サンプルセット及び第２サンプルセットの例を示す概念図である。第１部分は、例えば、第１パーティションの幅又は高さの４分の１であってもよい。別の例において、第１部分は、第１パーティションの縁に隣接するＮ個のサンプルに対応する幅を有していてもよい。ここで、Ｎは、ゼロより大きい整数であり、例えば、Ｎは、整数２であってもよい。図５２Ｂは、第１パーティションの幅の４分の１の幅の矩形部分を有する矩形パーティションを示す。ここで、第１サンプルセットは、第１部分の外側のサンプルと第１部分の内側のサンプルとを含み、第２サンプルセットは、第１部分内のサンプルを含む。図５２Ｂの中央の例は、第１パーティションの高さの４分の１の高さの矩形部分を有する矩形パーティションを示す。ここで、第１サンプルセットは、第１部分の外側のサンプルと第１部分の内側のサンプルとを含み、第２サンプルセットは、第１部分内のサンプルを含む。図５２Ｂの右の例は、２つのサンプルに対応する高さの多角形部分を有する三角形パーティションを示す。ここで、第１サンプルセットは、第１部分の外側のサンプルと第１部分の内側のサンプルとを含み、第２サンプルセットは、第１部分内のサンプルを含む。
　第１部分は、隣接パーティションと重なる第１パーティションの部分であってもよい。図５２Ｃは、隣接パーティションの一部と重なる第１パーティションの一部である第１パーティションの第１部分を示す概念図である。説明を簡単にするために、空間的に隣接する矩形パーティションと重なる部分を有する矩形パーティションが示されている。三角形パーティションなどの他の形状を有するパーティションが用いられてもよいし、重なる部分は、空間的に又は時間的に隣接するパーティションと重なっていてもよい。
　また、インター予測を用いて２つのパーティションのそれぞれに対して予測画像を生成する例が示されているが、イントラ予測を用いて少なくとも１つのパーティションに対して予測画像が生成されてもよい。
　図５３は、トライアングルモードの一例を示すフローチャートである。
　トライアングルモードでは、まず、インター予測部１２６は、カレントブロックを第１パーティションと第２パーティションとに分割する（ステップＳｘ＿１）。このとき、インター予測部１２６は、各パーティションへの分割に関する情報であるパーティション情報を予測パラメータとしてストリームに符号化してもよい。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、パーティション情報を予測パラメータとしてエントロピー符号化部１１０に出力してもよい。
　次に、インター予測部１２６は、まず、時間的または空間的にカレントブロックの周囲にある複数の符号化済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｘ＿２）。つまり、インター予測部１２６は、候補ＭＶリストを作成する。
　そして、インター予測部１２６は、ステップＳｘ＿２で取得された複数の候補ＭＶの中から、第１パーティションの候補ＭＶおよび第２パーティションの候補ＭＶを、第１ＭＶおよび第２ＭＶとしてそれぞれ選択する（ステップＳｘ＿３）。このとき、インター予測部１２６は、選択された候補ＭＶを識別するためのＭＶ選択情報を予測パラメータとしてストリームに符号化してもよい。つまり、インター予測部１２６は、予測パラメータ生成部１３０を介して、ＭＶ選択情報を予測パラメータとしてエントロピー符号化部１１０に出力してもよい。
　次に、インター予測部１２６は、その選択された第１ＭＶと符号化済み参照ピクチャとを用いて動き補償を行ことにより、第１予測画像を生成する（ステップＳｘ＿４）。同様に、インター予測部１２６は、選択された第２ＭＶと符号化済み参照ピクチャとを用いて動き補償を行ことにより、第２予測画像を生成する（ステップＳｘ＿５）。
　最後に、インター予測部１２６は、第１予測画像と第２予測画像とを重み付け加算することによって、カレントブロックの予測画像を生成する（ステップＳｘ＿６）。
　なお、図５２Ａに示す例では、第１パーティションおよび第２パーティションはそれぞれ三角形であるが、台形であってもよく、それぞれ互いに異なる形状であってもよい。さらに、図５２Ａに示す例では、カレントブロックが２つのパーティションから構成されているが、３つ以上のパーティションから構成されていてもよい。
　また、第１パーティションおよび第２パーティションは重複していてもよい。すなわち、第１パーティションおよび第２パーティションは同じ画素領域を含んでいてもよい。この場合、第１パーティションにおける予測画像と第２パーティションにおける予測画像とを用いてカレントブロックの予測画像を生成してもよい。
　また、この例では２つのパーティションともにインター予測で予測画像が生成される例を示したが、少なくとも１つのパーティションについてイントラ予測によって予測画像を生成してもよい。
　なお、第１ＭＶを選択するための候補ＭＶリストと第２ＭＶを選択するための候補ＭＶリストは異なっていてもよいし、同じ候補ＭＶリストであってもよい。
　なお、パーティション情報は、少なくともカレントブロックを複数のパーティションに分割する分割方向を示すインデックスを含んでいてもよい。ＭＶ選択情報は、選択された第１ＭＶを示すインデックスおよび選択された第２ＭＶを示すインデックスを含んでいてもよい。１つのインデックスが複数の情報を示してもよい。例えば、パーティション情報の一部または全体と、ＭＶ選択情報の一部または全体とをまとめて示す１つのインデックスが符号化されてもよい。
　［ＭＶ導出　＞　ＡＴＭＶＰモード］
　図５４は、サブブロック単位にＭＶが導出されるＡＴＭＶＰモードの一例を示す図である。
　ＡＴＭＶＰモードは、マージモードに分類されるモードである。例えば、ＡＴＭＶＰモードでは、ノーマルマージモードに用いられる候補ＭＶリストに、サブブロック単位の候補ＭＶが登録される。
　具体的には、ＡＴＭＶＰモードでは、まず、図５４に示すように、カレントブロックの左下に隣接するブロックのＭＶ（ＭＶ０）によって指定される符号化済みの参照ピクチャにおいて、そのカレントブロックに対応付けられた時間ＭＶ参照ブロックが特定される。次に、カレントブロック内における各サブブロックについて、その時間ＭＶ参照ブロック内のそのサブブロックに対応する領域の符号化時に用いられたＭＶを特定する。このように特定されたＭＶが、カレントブロックのサブブロックの候補ＭＶとして候補ＭＶリストに含まれる。このような各サブブロックの候補ＭＶが候補ＭＶリストから選択される場合には、その候補ＭＶをサブブロックのＭＶとして用いた動き補償がそのサブブロックに対して実行される。これにより、各サブブロックの予測画像が生成される。
　なお、図５４に示す例では、周辺ＭＶ参照ブロックとして、カレントブロックの左下に隣接するブロックを用いたが、それ以外のブロックを用いてもよい。また、サブブロックのサイズは、４ｘ４画素であっても、８ｘ８画素であっても、それ以外のサイズであってもよい。サブブロックのサイズは、スライス、ブリック、またはピクチャなどの単位で切り替えられてもよい。
　［動き探索　＞　ＤＭＶＲ］
　図５５は、マージモードおよびＤＭＶＲの関係を示す図である。
　インター予測部１２６は、マージモードでカレントブロックのＭＶを導出する（ステップＳｌ＿１）。次に、インター予測部１２６は、ＭＶの探索、すなわち動き探索を行うか否かを判定する（ステップＳｌ＿２）。ここで、インター予測部１２６は、動き探索を行わないと判定すると（ステップＳｌ＿２のＮｏ）、ステップＳｌ＿１で導出されたＭＶを、カレントブロックに対する最終のＭＶとして決定する（ステップＳｌ＿４）。すなわち、この場合には、マージモードでカレントブロックのＭＶが決定される。
　一方、ステップＳｌ＿１で動き探索を行うと判定すると（ステップＳｌ＿２のＹｅｓ）、インター予測部１２６は、ステップＳｌ＿１で導出されたＭＶによって示される参照ピクチャの周辺領域を探索することによって、カレントブロックに対して最終のＭＶを導出する（ステップＳｌ＿３）。すなわち、この場合には、ＤＭＶＲでカレントブロックのＭＶが決定される。
　図５６は、ＭＶを決定するためのＤＭＶＲの一例を説明するための概念図である。
　まず、例えばマージモードにおいて、カレントブロックに対して候補ＭＶ（Ｌ０およびＬ１）を選択する。そして、候補ＭＶ（Ｌ０）に従って、Ｌ０リストの符号化済みピクチャである第１参照ピクチャ（Ｌ０）から参照画素を特定する。同様に、候補ＭＶ（Ｌ１）に従って、Ｌ１リストの符号化済みピクチャである第２参照ピクチャ（Ｌ１）から参照画素を特定する。これらの参照画素の平均をとることでテンプレートを生成する。
　次に、そのテンプレートを用いて、第１参照ピクチャ（Ｌ０）および第２参照ピクチャ（Ｌ１）の候補ＭＶの周辺領域をそれぞれ探索し、コストが最小となるＭＶを、カレントブロックの最終的なＭＶとして決定する。なお、コストは、例えば、テンプレートの各画素値と探索領域の各画素値との差分値および候補ＭＶ値等を用いて算出してもよい。
　ここで説明した処理そのものでなくても、候補ＭＶの周辺を探索して最終的なＭＶを導出することができる処理であれば、どのような処理を用いてもよい。
　図５７は、ＭＶを決定するためのＤＭＶＲの他の一例を説明するための概念図である。図５７に示す本例は、図５６に示すＤＭＶＲの一例とは異なり、テンプレートを生成せずにコストが算出される。
　まず、インター予測部１２６は、候補ＭＶリストから取得した候補ＭＶである初期ＭＶに基づいて、Ｌ０リストとＬ１リストのそれぞれの参照ピクチャに含まれる参照ブロック周辺を探索する。例えば、図５７に示すように、Ｌ０リストの参照ブロックに対応する初期ＭＶは、ＩｎｉｔＭＶ＿Ｌ０であり、Ｌ１リストの参照ブロックに対応する初期ＭＶは、ＩｎｉｔＭＶ＿Ｌ１である。インター予測部１２６は、動き探索では、まず、Ｌ０リストの参照ピクチャに対する探索位置を設定する。その設定される探索位置を示す差分ベクトル、具体的には、初期ＭＶ（すなわちＩｎｉｔＭＶ＿Ｌ０）によって示される位置からその探索位置への差分ベクトルは、ＭＶｄ＿Ｌ０である。そして、インター予測部１２６は、Ｌ１リストの参照ピクチャにおける探索位置を決定する。この探索位置は、初期ＭＶ（すなわちＩｎｉｔＭＶ＿Ｌ１）によって示される位置からその探索位置への差分ベクトルによって示される。具体的には、インター予測部１２６は、ＭＶｄ＿Ｌ０のミラーリングによってその差分ベクトルをＭＶｄ＿Ｌ１として決定する。つまり、インター予測部１２６は、Ｌ０リストとＬ１リストのそれぞれの参照ピクチャにおいて、初期ＭＶが示す位置から対称となる位置を探索位置とする。インター予測部１２６は、探索位置ごとに、その探索位置におけるブロック内の画素値の差分絶対値の総和（ＳＡＤ）などをコストとして算出し、そのコストが最小となる探索位置を見つけ出す。
　図５８Ａは、ＤＭＶＲにおける動き探索の一例を示す図であり、図５８Ｂは、その動き探索の一例を示すフローチャートである。
　まず、インター予測部１２６は、Ｓｔｅｐ１で、初期ＭＶが示す探索位置（開始点ともいう）と、その周囲にある８つの探索位置とにおけるコストを算出する。そして、インター予測部１２６は、開始点以外の探索位置のコストが最小か否かを判定する。ここで、インター予測部１２６は、開始点以外の探索位置のコストが最小と判定すると、コストが最小となる探索位置に移動して、Ｓｔｅｐ２の処理を行う。一方、インター予測部１２６は、開始点のコストが最小であれば、Ｓｔｅｐ２の処理をスキップしてＳｔｅｐ３の処理を行う。
　Ｓｔｅｐ２では、インター予測部１２６は、Ｓｔｅｐ１の処理結果に応じて移動した探索位置を新たな開始点として、Ｓｔｅｐ１の処理と同様の探索を行う。そして、インター予測部１２６は、その開始点以外の探索位置のコストが最小か否かを判定する。ここで、インター予測部１２６は、開始点以外の探索位置のコストが最小であれば、Ｓｔｅｐ４の処理を行う。一方、インター予測部１２６は、開始点のコストが最小であれば、Ｓｔｅｐ３の処理を行う。
　Ｓｔｅｐ４では、インター予測部１２６は、その開始点の探索位置を最終探索位置として扱い、初期ＭＶが示す位置とその最終探索位置との差分を差分ベクトルとして決定する。
　Ｓｔｅｐ３では、インター予測部１２６は、Ｓｔｅｐ１またはＳｔｅｐ２の開始点の上下左右にある４点におけるコストに基づき、コストが最小となる小数精度の画素位置を決定し、その画素位置を最終探索位置とする。その小数精度の画素位置は、上下左右にある４点のベクトル（（０，１），（０，－１），（－１，０），（１，０））を、その４点のそれぞれの探索位置におけるコストを重みとして重み付け加算することで決定される。そして、インター予測部１２６は、初期ＭＶが示す位置とその最終探索位置との差分を差分ベクトルとして決定する。
　［動き補償　＞　ＢＩＯ／ＯＢＭＣ／ＬＩＣ］
　動き補償では、予測画像を生成し、その予測画像を補正するモードがある。そのモードは、例えば、後述のＢＩＯ、ＯＢＭＣ、およびＬＩＣである。
　図５９は、予測画像の生成の一例を示すフローチャートである。
　インター予測部１２６は、予測画像を生成し（ステップＳｍ＿１）、上述の何れかのモードによってその予測画像を補正する（ステップＳｍ＿２）。
　図６０は、予測画像の生成の他の例を示すフローチャートである。
　インター予測部１２６は、カレントブロックのＭＶを導出する（ステップＳｎ＿１）。次に、インター予測部１２６は、そのＭＶを用いて予測画像を生成し（ステップＳｎ＿２）、補正処理を行うか否かを判定する（ステップＳｎ＿３）。ここで、インター予測部１２６は、補正処理を行うと判定すると（ステップＳｎ＿３のＹｅｓ）、その予測画像を補正することによって最終的な予測画像を生成する（ステップＳｎ＿４）。なお、後述のＬＩＣでは、ステップＳｎ＿４において、輝度および色差が補正されてもよい。一方、インター予測部１２６は、補正処理を行わないと判定すると（ステップＳｎ＿３のＮｏ）、その予測画像を補正することなく最終的な予測画像として出力する（ステップＳｎ＿５）。
　［動き補償　＞　ＯＢＭＣ］
　動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測画像が生成されてもよい。具体的には、（参照ピクチャ内の）動き探索により得られた動き情報に基づく予測画像と、（カレントピクチャ内の）隣接ブロックの動き情報に基づく予測画像と、を重み付け加算することにより、カレントブロック内のサブブロック単位でインター予測画像が生成されてもよい。このようなインター予測（動き補償）は、ＯＢＭＣ（ｏｖｕｌｅｒｌａｐｐｅｄ　ｂｌｏｃｋ　ｍｏｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）またはＯＢＭＣモードと呼ばれることがある。
　ＯＢＭＣモードでは、ＯＢＭＣのためのサブブロックのサイズを示す情報（例えばＯＢＭＣブロックサイズと呼ばれる）は、シーケンスレベルで信号化されてもよい。さらに、ＯＢＭＣモードを適用するか否かを示す情報（例えばＯＢＭＣフラグと呼ばれる）は、ＣＵレベルで信号化されてもよい。なお、これらの情報の信号化のレベルは、シーケンスレベルおよびＣＵレベルに限定される必要はなく、他のレベル（例えばピクチャレベル、スライスレベル、ブリックレベル、ＣＴＵレベルまたはサブブロックレベル）であってもよい。
　ＯＢＭＣモードについて、より具体的に説明する。図６１および図６２は、ＯＢＭＣによる予測画像補正処理の概要を説明するためのフローチャートおよび概念図である。
　まず、図６２に示すように、カレントブロックに割り当てられたＭＶを用いて通常の動き補償による予測画像（Ｐｒｅｄ）を取得する。図６２において、矢印“ＭＶ”は参照ピクチャを指し、予測画像を得るためにカレントピクチャのカレントブロックが何を参照しているかを示している。
　次に、符号化済みの左隣接ブロックに対して既に導出されたＭＶ（ＭＶ＿Ｌ）をカレントブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｌ）を取得する。ＭＶ（ＭＶ＿Ｌ）は、カレントブロックから参照ピクチャを指す矢印“ＭＶ＿Ｌ”によって示される。そして、２つの予測画像ＰｒｅｄとＰｒｅｄ＿Ｌとを重ね合わせることで予測画像の１回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。
　同様に、符号化済みの上隣接ブロックに対して既に導出されたＭＶ（ＭＶ＿Ｕ）をカレントブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｕ）を取得する。ＭＶ（ＭＶ＿Ｕ）は、カレントブロックから参照ピクチャを指す矢印“ＭＶ＿Ｕ”によって示される。そして、予測画像Ｐｒｅｄ＿Ｕを１回目の補正を行った予測画像（例えば、ＰｒｅｄとＰｒｅｄ＿Ｌ）に重ね合わせることで予測画像の２回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。２回目の補正によって得られた予測画像は、隣接ブロックとの境界が混ぜ合わされた（スムージングされた）、カレントブロックの最終的な予測画像である。
　なお、上述の例は、左隣接および上隣接のブロックを用いた２パスの補正方法であるが、その補正方法は、右隣接および／または下隣接のブロックも用いた３パスまたはそれ以上のパスの補正方法であってもよい。
　なお、重ね合わせを行う領域はブロック全体の画素領域ではなく、ブロック境界近傍の一部の領域のみであってもよい。
　なお、ここでは１枚の参照ピクチャから、追加的な予測画像Ｐｒｅｄ＿ＬおよびＰｒｅｄ＿Ｕを重ね合わせることで１枚の予測画像Ｐｒｅｄを得るためのＯＢＭＣの予測画像補正処理について説明した。しかし、複数の参照画像に基づいて予測画像が補正される場合には、同様の処理が複数の参照ピクチャのそれぞれに適用されてもよい。このような場合、複数の参照ピクチャに基づくＯＢＭＣの画像補正を行うことによって、各々の参照ピクチャから、補正された予測画像を取得した後に、その取得された複数の補正予測画像をさらに重ね合わせることで最終的な予測画像を取得する。
　なお、ＯＢＭＣでは、カレントブロックの単位は、ＰＵ単位であっても、ＰＵをさらに分割したサブブロック単位であってもよい。
　ＯＢＭＣを適用するかどうかの判定の方法として、例えば、ＯＢＭＣを適用するかどうかを示す信号であるｏｂｍｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置１００は、カレントブロックが動きの複雑な領域に属しているかどうかを判定してもよい。符号化装置１００は、動きの複雑な領域に属している場合は、ｏｂｍｃ＿ｆｌａｇとして値１を設定してＯＢＭＣを適用して符号化を行い、動きの複雑な領域に属していない場合は、ｏｂｍｃ＿ｆｌａｇとして値０を設定してＯＢＭＣを適用せずにブロックの符号化を行う。一方、復号装置２００では、ストリームに記述されたｏｂｍｃ＿ｆｌａｇを復号することで、その値に応じてＯＢＭＣを適用するかどうかを切替えて復号を行う。
　［動き補償　＞　ＢＩＯ］
　次に、ＭＶを導出する方法について説明する。まず、等速直線運動を仮定したモデルに基づいてＭＶを導出するモードについて説明する。このモードは、ＢＩＯ（ｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗ）モードと呼ばれることがある。また、このｂｉ－ｄｉｒｅｃｔｉｏｎａｌ　ｏｐｔｉｃａｌ　ｆｌｏｗは、ＢＩＯの代わりに、ＢＤＯＦと表記されてもよい。
　図６３は、等速直線運動を仮定したモデルを説明するための図である。図６３において、（ｖｘ，ｖｙ）は、速度ベクトルを示し、τ０、τ１は、それぞれ、カレントピクチャ（Ｃｕｒ　Ｐｉｃ）と２つの参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）との間の時間的な距離を示す。（ＭＶｘ０，ＭＶｙ０）は、参照ピクチャＲｅｆ０に対応するＭＶを示し、（ＭＶｘ１、ＭＶｙ１）は、参照ピクチャＲｅｆ１に対応するＭＶを示す。
　このとき速度ベクトル（ｖｘ，ｖｙ）の等速直線運動の仮定の下では、（ＭＶｘ０，ＭＶｙ０）および（ＭＶｘ１，ＭＶｙ１）は、それぞれ、（ｖｘτ０，ｖｙτ０）および（－ｖｘτ１，－ｖｙτ１）と表され、以下のオプティカルフロー等式（２）が成り立つ。
Figure JPOXMLDOC01-appb-M000003
　ここで、Ｉ（ｋ）は、動き補償後の参照画像ｋ（ｋ＝０，１）の輝度値を示す。このオプティカルフロー等式は、（ｉ）輝度値の時間微分と、（ｉｉ）水平方向の速度および参照画像の空間勾配の水平成分の積と、（ｉｉｉ）垂直方向の速度および参照画像の空間勾配の垂直成分の積と、の和が、ゼロと等しいことを示す。このオプティカルフロー等式とエルミート補間（Ｈｅｒｍｉｔｅ　ｉｎｔｅｒｐｏｌａｔｉｏｎ）との組み合わせに基づいて、候補ＭＶリスト等から得られるブロック単位の動きベクトルが画素単位で補正されてもよい。
　なお、等速直線運動を仮定したモデルに基づく動きベクトルの導出とは異なる方法で、復号装置２００側でＭＶが導出されてもよい。例えば、複数の隣接ブロックのＭＶに基づいてサブブロック単位で動きベクトルが導出されてもよい。
　図６４は、ＢＩＯにしたがったインター予測の一例を示すフローチャートである。また、図６５は、そのＢＩＯにしたがったインター予測を行うインター予測部１２６の構成の一例を示す図である。
　図６５に示すように、インター予測部１２６は、例えば、メモリ１２６ａと、補間画像導出部１２６ｂと、勾配画像導出部１２６ｃと、オプティカルフロー導出部１２６ｄと、補正値導出部１２６ｅと、予測画像補正部１２６ｆとを備える。なお、メモリ１２６ａは、フレームメモリ１２２であってもよい。
　インター予測部１２６は、カレントブロックを含むピクチャ（Ｃｕｒ　Ｐｉｃ）と異なる２枚の参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）を用いて、２つの動きベクトル（Ｍ０，Ｍ１）を導出する。そして、インター予測部１２６は、その２つの動きベクトル（Ｍ０，Ｍ１）を用いてカレントブロックの予測画像を導出する（ステップＳｙ＿１）。なお、動きベクトルＭ０は、参照ピクチャＲｅｆ０に対応する動きベクトル（ＭＶｘ０，ＭＶｙ０）であり、動きベクトルＭ１は、参照ピクチャＲｅｆ１に対応する動きベクトル（ＭＶｘ１，ＭＶｙ１）である。
　次に、補間画像導出部１２６ｂは、メモリ１２６ａを参照し、動きベクトルＭ０および参照ピクチャＬ０を用いてカレントブロックの補間画像Ｉ０を導出する。また、補間画像導出部１２６ｂは、メモリ１２６ａを参照し、動きベクトルＭ１および参照ピクチャＬ１を用いてカレントブロックの補間画像Ｉ１を導出する（ステップＳｙ＿２）。ここで、補間画像Ｉ０は、カレントブロックに対して導出される、参照ピクチャＲｅｆ０に含まれる画像であって、補間画像Ｉ１は、カレントブロックに対して導出される、参照ピクチャＲｅｆ１に含まれる画像である。補間画像Ｉ０および補間画像Ｉ１はそれぞれ、カレントブロックと同じサイズであってもよい。または、補間画像Ｉ０および補間画像Ｉ１はそれぞれ、後述の勾配画像を適切に導出するために、カレントブロックよりも大きな画像であってもよい。さらに、補間画像Ｉ０およびＩ１は、動きベクトル（Ｍ０，Ｍ１）および参照ピクチャ（Ｌ０，Ｌ１）と、動き補償フィルタとを適用して導出された予測画像を含んでいてもよい。
　また、勾配画像導出部１２６ｃは、補間画像Ｉ０および補間画像Ｉ１から、カレントブロックの勾配画像（Ｉｘ０，Ｉｘ１，Ｉｙ０，Ｉｙ１）を導出する（ステップＳｙ＿３）。なお、水平方向の勾配画像は、（Ｉｘ０，Ｉｘ１）であり、垂直方向の勾配画像は、（Ｉｙ０，Ｉｙ１）である。勾配画像導出部１２６ｃは、例えば、補間画像に対して勾配フィルタを適用することによって、その勾配画像を導出してもよい。勾配画像は、水平方向または垂直方向に沿った画素値の空間的な変化量を示すものであればよい。
　次に、オプティカルフロー導出部１２６ｄは、カレントブロックを構成する複数のサブブロック単位で、補間画像（Ｉ０，Ｉ１）および勾配画像（Ｉｘ０，Ｉｘ１，Ｉｙ０，Ｉｙ１）を用いて上述の速度ベクトルであるオプティカルフロー（ｖｘ，ｖｙ）を導出する（ステップＳｙ＿４）。オプティカルフローは、画素の空間的な移動量を補正する係数であり、局所動き推定値、補正動きベクトル、または補正重みベクトルと呼ばれてもよい。一例として、サブブロックは、４ｘ４画素のサブＣＵであってもよい。なお、オプティカルフローの導出は、サブブロック単位でなく、画素単位などの他の単位で行われてもよい。
　次に、インター予測部１２６は、オプティカルフロー（ｖｘ，ｖｙ）を用いてカレントブロックの予測画像を補正する。例えば、補正値導出部１２６ｅは、オプティカルフロー（ｖｘ，ｖｙ）を用いてカレントブロックに含まれる画素の値の補正値を導出する（ステップＳｙ＿５）。そして、予測画像補正部１２６ｆは、補正値を用いてカレントブロックの予測画像を補正してもよい（ステップＳｙ＿６）。なお、補正値は各画素単位で導出されてもよいし、複数の画素単位またはサブブロック単位で導出されてもよい。
　なお、ＢＩＯの処理フローは、図６４に開示した処理に限定されない。図６４に開示した処理の一部の処理のみを実施してもよいし、異なる処理を追加または置換してもよいし、異なる処理順で実行してもよい。
　［動き補償　＞　ＬＩＣ］
　次に、ＬＩＣ（ｌｏｃａｌ　ｉｌｌｕｍｉｎａｔｉｏｎ　ｃｏｍｐｅｎｓａｔｉｏｎ）を用いて予測画像（予測）を生成するモードの一例について説明する。
　図６６Ａは、ＬＩＣによる輝度補正処理を用いた予測画像生成方法の一例を説明するための図である。また、図６６Ｂは、そのＬＩＣを用いた予測画像生成方法の一例を示すフローチャートである。
　まず、インター予測部１２６は、符号化済みの参照ピクチャからＭＶを導出して、カレントブロックに対応する参照画像を取得する（ステップＳｚ＿１）。
　次に、インター予測部１２６は、カレントブロックに対して、参照ピクチャとカレントピクチャとで輝度値がどのように変化したかを示す情報を抽出する（ステップＳｚ＿２）。この抽出は、カレントピクチャにおける符号化済み左隣接参照領域（周辺参照領域）および符号化済み上隣参照領域（周辺参照領域）の輝度画素値と、導出されたＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とに基づいて行われる。そして、インター予測部１２６は、輝度値がどのように変化したかを示す情報を用いて、輝度補正パラメータを算出する（ステップＳｚ＿３）。
　インター予測部１２６は、ＭＶで指定された参照ピクチャ内の参照画像に対してその輝度補正パラメータを適用する輝度補正処理を行うことで、カレントブロックに対する予測画像を生成する（ステップＳｚ＿４）。つまり、ＭＶで指定された参照ピクチャ内の参照画像である予測画像に対して、輝度補正パラメータに基づく補正が行われる。この補正では、輝度が補正されてもよく、色差が補正されてもよい。即ち、色差がどのように変化したかを示す情報を用いて色差の補正パラメータが算出され、色差の補正処理が行われてもよい。
　なお、図６６Ａにおける周辺参照領域の形状は一例であり、これ以外の形状を用いてもよい。
　また、ここでは１枚の参照ピクチャから予測画像を生成する処理について説明したが、複数枚の参照ピクチャから予測画像を生成する場合も同様であり、各々の参照ピクチャから取得した参照画像に、上述と同様の方法で輝度補正処理を行ってから予測画像を生成してもよい。
　ＬＩＣを適用するかどうかの判定の方法として、例えば、ＬＩＣを適用するかどうかを示す信号であるｌｉｃ＿ｆｌａｇを用いる方法がある。具体的な一例としては、符号化装置１００において、カレントブロックが、輝度変化が発生している領域に属しているかどうかを判定し、輝度変化が発生している領域に属している場合はｌｉｃ＿ｆｌａｇとして値１を設定してＬＩＣを適用して符号化を行い、輝度変化が発生している領域に属していない場合はｌｉｃ＿ｆｌａｇとして値０を設定してＬＩＣを適用せずに符号化を行う。一方、復号装置２００では、ストリームに記述されたｌｉｃ＿ｆｌａｇを復号することで、その値に応じてＬＩＣを適用するかどうかを切替えて復号を行ってもよい。
　ＬＩＣを適用するかどうかの判定の別の方法として、例えば、周辺ブロックでＬＩＣを適用したかどうかに従って判定する方法もある。具体的な一例としては、カレントブロックがマージモードで処理されている場合、インター予測部１２６は、マージモードにおけるＭＶの導出の際に選択した周辺の符号化済みブロックがＬＩＣを適用して符号化されたかどうかを判定する。インター予測部１２６は、その結果に応じてＬＩＣを適用するかどうかを切替えて符号化を行う。なお、この例の場合でも、同じ処理が復号装置２００側の処理に適用される。
　ＬＩＣ（輝度補正処理）について図６６Ａおよび図６６Ｂを用いて説明したが、以下、その詳細を説明する。
　まず、インター予測部１２６は、符号化済みピクチャである参照ピクチャからカレントブロックに対応する参照画像を取得するためのＭＶを導出する。
　次に、インター予測部１２６は、カレントブロックに対して、左隣接および上隣接の符号化済み周辺参照領域の輝度画素値と、ＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とを用いて、参照ピクチャとカレントピクチャとで輝度値がどのように変化したかを示す情報を抽出して輝度補正パラメータを算出する。例えば、カレントピクチャ内の周辺参照領域内のある画素の輝度画素値をｐ０とし、当該画素と同等位置の、参照ピクチャ内の周辺参照領域内の画素の輝度画素値をｐ１とする。インター予測部１２６は、周辺参照領域内の複数の画素に対して、Ａ×ｐ１＋Ｂ＝ｐ０を最適化する係数ＡおよびＢを輝度補正パラメータとして算出する。
　次に、インター予測部１２６は、ＭＶで指定された参照ピクチャ内の参照画像に対して輝度補正パラメータを用いて輝度補正処理を行うことで、カレントブロックに対する予測画像を生成する。例えば、参照画像内の輝度画素値をｐ２とし、輝度補正処理後の予測画像の輝度画素値をｐ３とする。インター予測部１２６は、参照画像内の各画素に対して、Ａ×ｐ２＋Ｂ＝ｐ３を算出することで輝度補正処理後の予測画像を生成する。
　なお、図６６Ａに示す周辺参照領域の一部が用いられてもよい。例えば、上隣接画素および左隣接画素のそれぞれから間引いた所定数の画素を含む領域を周辺参照領域として用いてもよい。また、周辺参照領域は、カレントブロックに隣接する領域に限らず、カレントブロックに隣接しない領域であってもよい。また、図６６Ａに示す例では、参照ピクチャ内の周辺参照領域は、カレントピクチャ内の周辺参照領域から、カレントピクチャのＭＶで指定される領域であるが、他のＭＶで指定される領域であってもよい。例えば、当該他のＭＶは、カレントピクチャ内の周辺参照領域のＭＶであってもよい。
　なお、ここでは、符号化装置１００における動作を説明したが、復号装置２００における動作も同様である。
　なお、ＬＩＣは輝度のみではなく、色差に適用してもよい。このとき、Ｙ、Ｃｂ、およびＣｒのそれぞれに対して個別に補正パラメータを導出してもよいし、いずれかに対して共通の補正パラメータを用いてもよい。
　また、ＬＩＣ処理はサブブロック単位で適用してもよい。例えば、カレントサブブロックの周辺参照領域と、カレントサブブロックのＭＶで指定された参照ピクチャ内の参照サブブロックの周辺参照領域を用いて補正パラメータを導出してもよい。
　［予測制御部］
　予測制御部１２８は、イントラ予測画像（イントラ予測部１２４から出力される画像または信号）およびインター予測画像（インター予測部１２６から出力される画像または信号）のいずれかを選択し、選択した予測画像を減算部１０４および加算部１１６に出力する。
　［予測パラメータ生成部］
　予測パラメータ生成部１３０は、イントラ予測、インター予測、および予測制御部１２８における予測画像の選択などに関する情報を予測パラメータとしてエントロピー符号化部１１０に出力してもよい。エントロピー符号化部１１０は、予測パラメータ生成部１３０から入力されるその予測パラメータ、量子化部１０８から入力される量子化係数に基づいて、ストリームを生成してもよい。予測パラメータは復号装置２００に使用されてもよい。復号装置２００は、ストリームを受信して復号し、イントラ予測部１２４、インター予測部１２６および予測制御部１２８において行われる予測処理と同じ処理を行ってもよい。予測パラメータは、選択予測信号（例えば、ＭＶ、予測タイプ、または、イントラ予測部１２４またはインター予測部１２６で用いられた予測モード）、または、イントラ予測部１２４、インター予測部１２６および予測制御部１２８において行われる予測処理に基づく、あるいはその予測処理を示す、任意のインデックス、フラグ、もしくは値を含んでいてもよい。
　［復号装置］
　次に、上記の符号化装置１００から出力されたストリームを復号可能な復号装置２００について説明する。図６７は、実施の形態に係る復号装置２００の構成の一例を示すブロック図である。復号装置２００は、符号化された画像であるストリームをブロック単位で復号する装置である。
　図６７に示すように、復号装置２００は、エントロピー復号部２０２と、逆量子化部２０４と、逆変換部２０６と、加算部２０８と、ブロックメモリ２１０と、ループフィルタ部２１２と、フレームメモリ２１４と、イントラ予測部２１６と、インター予測部２１８と、予測制御部２２０と、予測パラメータ生成部２２２と、分割決定部２２４とを備える。なお、イントラ予測部２１６およびインター予測部２１８のそれぞれは、予測処理部の一部として構成されている。
　［復号装置の実装例］
　図６８は、復号装置２００の実装例を示すブロック図である。復号装置２００は、プロセッサｂ１およびメモリｂ２を備える。例えば、図６７に示された復号装置２００の複数の構成要素は、図６８に示されたプロセッサｂ１およびメモリｂ２によって実装される。
　プロセッサｂ１は、情報処理を行う回路であり、メモリｂ２にアクセス可能な回路である。例えば、プロセッサｂ１は、ストリームを復号する専用または汎用の電子回路である。プロセッサｂ１は、ＣＰＵのようなプロセッサであってもよい。また、プロセッサｂ１は、複数の電子回路の集合体であってもよい。また、例えば、プロセッサｂ１は、図６７等に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素を除く、複数の構成要素の役割を果たしてもよい。
　メモリｂ２は、プロセッサｂ１がストリームを復号するための情報が記憶される専用または汎用のメモリである。メモリｂ２は、電子回路であってもよく、プロセッサｂ１に接続されていてもよい。また、メモリｂ２は、プロセッサｂ１に含まれていてもよい。また、メモリｂ２は、複数の電子回路の集合体であってもよい。また、メモリｂ２は、磁気ディスクまたは光ディスク等であってもよいし、ストレージまたは記録媒体等と表現されてもよい。また、メモリｂ２は、不揮発性メモリでもよいし、揮発性メモリでもよい。
　例えば、メモリｂ２には、画像が記憶されてもよいし、ストリームが記憶されてもよい。また、メモリｂ２には、プロセッサｂ１がストリームを復号するためのプログラムが記憶されていてもよい。
　また、例えば、メモリｂ２は、図６７等に示された復号装置２００の複数の構成要素のうち、情報を記憶するための構成要素の役割を果たしてもよい。具体的には、メモリｂ２は、図６７に示されたブロックメモリ２１０およびフレームメモリ２１４の役割を果たしてもよい。より具体的には、メモリｂ２には、再構成画像（具体的には、再構成済みブロックまたは再構成済みピクチャ等）が記憶されてもよい。
　なお、復号装置２００において、図６７等に示された複数の構成要素の全てが実装されなくてもよいし、上述された複数の処理の全てが行われなくてもよい。図６７等に示された複数の構成要素の一部は、他の装置に含まれていてもよいし、上述された複数の処理の一部は、他の装置によって実行されてもよい。
　以下、復号装置２００の全体的な処理の流れを説明した後に、復号装置２００に含まれる各構成要素について説明する。なお、復号装置２００に含まれる各構成要素のうち、符号化装置１００に含まれる構成要素と同様の処理を行うものについては、詳細な説明を省略する。例えば、復号装置２００に含まれる、逆量子化部２０４、逆変換部２０６、加算部２０８、ブロックメモリ２１０、フレームメモリ２１４、イントラ予測部２１６、インター予測部２１８、予測制御部２２０、およびループフィルタ部２１２は、符号化装置１００に含まれる、逆量子化部１１２、逆変換部１１４、加算部１１６、ブロックメモリ１１８、フレームメモリ１２２、イントラ予測部１２４、インター予測部１２６、予測制御部１２８、およびループフィルタ部１２０と、それぞれ同様の処理を行う。
　［復号処理の全体フロー］
　図６９は、復号装置２００による全体的な復号処理の一例を示すフローチャートである。
　まず、復号装置２００の分割決定部２２４は、エントロピー復号部２０２から入力されるパラメータに基づいて、ピクチャに含まれる複数の固定サイズのブロック（１２８×１２８画素）のそれぞれの分割パターンを決定する（ステップＳｐ＿１）。この分割パターンは、符号化装置１００によって選択された分割パターンである。そして、復号装置２００は、その分割パターンを構成する複数のブロックのそれぞれに対してステップＳｐ＿２～Ｓｐ＿６の処理を行う。
　エントロピー復号部２０２は、カレントブロックの符号化された量子化係数および予測パラメータを復号（具体的にはエントロピー復号）する（ステップＳｐ＿２）。
　次に、逆量子化部２０４および逆変換部２０６は、複数の量子化係数に対して逆量子化および逆変換を行うことによって、そのカレントブロックの予測残差を復元する（ステップＳｐ＿３）。
　次に、イントラ予測部２１６、インター予測部２１８および予測制御部２２０からなる予測処理部は、カレントブロックの予測画像を生成する（ステップＳｐ＿４）。
　次に、加算部２０８は、予測残差に予測画像を加算することによってカレントブロックを再構成画像（復号画像ブロックともいう）に再構成する（ステップＳｐ＿５）。
　そして、この再構成画像が生成されると、ループフィルタ部２１２は、その再構成画像に対してフィルタリングを行う（ステップＳｐ＿６）。
　そして、復号装置２００は、ピクチャ全体の復号が完了したか否かを判定し（ステップＳｐ＿７）、完了していないと判定する場合（ステップＳｐ＿７のＮｏ）、ステップＳｐ＿１からの処理を繰り返し実行する。
　なお、これらのステップＳｐ＿１～Ｓｐ＿７の処理は、復号装置２００によってシーケンシャルに行われてもよく、それらの処理のうちの一部の複数の処理が並列に行われてもよく、順番が入れ替えられてもよい。
　［分割決定部］
　図７０は、分割決定部２２４と他の構成要素との関係を示す図である。分割決定部２２４は、一例として以下の処理を行ってもよい。
　分割決定部２２４は、例えば、ブロックメモリ２１０またはフレームメモリ２１４からブロック情報を収集し、さらに、エントロピー復号部２０２からパラメータを取得する。そして、分割決定部２２４は、そのブロック情報およびパラメータに基づいて固定サイズのブロックの分割パターンを決定してもよい。そして、分割決定部２２４は、その決定された分割パターンを示す情報を逆変換部２０６、イントラ予測部２１６およびインター予測部２１８に出力してもよい。逆変換部２０６は、分割決定部２２４からの情報によって示される分割パターンに基づいて変換係数に対して逆変換を行ってもよい。イントラ予測部２１６およびインター予測部２１８は、分割決定部２２４からの情報によって示される分割パターンに基づいて予測画像を生成してもよい。
　［エントロピー復号部］
　図７１は、エントロピー復号部２０２の構成の一例を示すブロック図である。
　エントロピー復号部２０２は、ストリームをエントロピー復号することによって、量子化係数、予測パラメータ、および分割パターンに関するパラメータなどを生成する。そのエントロピー復号には、例えば、ＣＡＢＡＣが用いられる。具体的には、エントロピー復号部２０２は、例えば、二値算術復号部２０２ａと、コンテキスト制御部２０２ｂと、多値化部２０２ｃとを備える。二値算術復号部２０２ａは、コンテキスト制御部２０２ｂによって導出されたコンテキスト値を用いてストリームを二値信号に算術復号する。コンテキスト制御部２０２ｂは、符号化装置１００のコンテキスト制御部１１０ｂと同様、シンタックス要素の特徴または周囲の状況に応じたコンテキスト値、すなわち二値信号の発生確率を導出する。多値化部２０２ｃは、二値算術復号部２０２ａから出力される二値信号を、上述の量子化係数などを示す多値信号に変換する多値化（ｄｅｂｉｎａｒｉｚｅ）を行う。この多値化は、上述の二値化の方式にしたがって行われる。
　エントロピー復号部２０２は、ブロック単位で量子化係数を逆量子化部２０４に出力する。エントロピー復号部２０２は、イントラ予測部２１６、インター予測部２１８および予測制御部２２０に、ストリーム（図１参照）に含まれている予測パラメータを出力してもよい。イントラ予測部２１６、インター予測部２１８および予測制御部２２０は、符号化装置１００側におけるイントラ予測部１２４、インター予測部１２６および予測制御部１２８で行われる処理と同じ予測処理を実行することができる。
　［エントロピー復号部］
　図７２は、エントロピー復号部２０２におけるＣＡＢＡＣの流れを示す図である。
　まず、エントロピー復号部２０２におけるＣＡＢＡＣでは、初期化が行われる。この初期化では、二値算術復号部２０２ａにおける初期化と、初期コンテキスト値の設定とが行われる。そして、二値算術復号部２０２ａおよび多値化部２０２ｃは、例えばＣＴＵの符号化データに対して、算術復号と多値化とを実行する。このとき、コンテキスト制御部２０２ｂは、算術復号が行われるたびにコンテキスト値の更新を行う。そして、コンテキスト制御部２０２ｂは、後処理として、コンテキスト値を退避させる。この退避されたコンテキスト値は、例えば次のＣＴＵに対するコンテキスト値の初期値のために用いられる。
　［逆量子化部］
　逆量子化部２０４は、エントロピー復号部２０２からの入力であるカレントブロックの量子化係数を逆量子化する。具体的には、逆量子化部２０４は、カレントブロックの量子化係数の各々について、当該量子化係数に対応する量子化パラメータに基づいて当該量子化係数を逆量子化する。そして、逆量子化部２０４は、カレントブロックの逆量子化された量子化係数（つまり変換係数）を逆変換部２０６に出力する。
　図７３は、逆量子化部２０４の構成の一例を示すブロック図である。
　逆量子化部２０４は、例えば、量子化パラメータ生成部２０４ａと、予測量子化パラメータ生成部２０４ｂと、量子化パラメータ記憶部２０４ｄと、逆量子化処理部２０４ｅとを備える。
　図７４は、逆量子化部２０４による逆量子化の一例を示すフローチャートである。
　逆量子化部２０４は、一例として、図７４に示すフローに基づいてＣＵごとに逆量子化処理を実施してもよい。具体的には、量子化パラメータ生成部２０４ａは、逆量子化を行うか否かを判定する（ステップＳｖ＿１１）。ここで、逆量子化を行うと判定すると（ステップＳｖ＿１１のＹｅｓ）、量子化パラメータ生成部２０４ａは、カレントブロックの差分量子化パラメータをエントロピー復号部２０２から取得する（ステップＳｖ＿１２）。
　次に、予測量子化パラメータ生成部２０４ｂは、カレントブロックとは異なる処理単位の量子化パラメータを量子化パラメータ記憶部２０４ｄから取得する（ステップＳｖ＿１３）。予測量子化パラメータ生成部２０４ｂは、その取得した量子化パラメータに基づいて、カレントブロックの予測量子化パラメータを生成する（ステップＳｖ＿１４）。
　そして、量子化パラメータ生成部２０４ａは、エントロピー復号部２０２から取得された、カレントブロックの差分量子化パラメータと、予測量子化パラメータ生成部２０４ｂによって生成された、カレントブロックの予測量子化パラメータとを加算する（ステップＳｖ＿１５）。この加算によって、カレントブロックの量子化パラメータが生成される。また、量子化パラメータ生成部２０４ａは、そのカレントブロックの量子化パラメータを量子化パラメータ記憶部２０４ｄに格納する（ステップＳｖ＿１６）。
　次に、逆量子化処理部２０４ｅは、ステップＳｖ＿１５で生成された量子化パラメータを用いてカレントブロックの量子化係数を変換係数に逆量子化する（ステップＳｖ＿１７）。
　なお、差分量子化パラメータは、ビットシーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで復号されてもよい。また、量子化パラメータの初期値を、シーケンスレベル、ピクチャレベル、スライスレベル、ブリックレベルまたはＣＴＵレベルで復号してもよい。このとき、量子化パラメータは量子化パラメータの初期値と差分量子化パラメータとを用いて生成されてもよい。
　なお、逆量子化部２０４は複数の逆量子化器を備えていてもよく、複数の逆量子化方法から選択した逆量子化方法を用いて量子化係数を逆量子化してもよい。
　［逆変換部］
　逆変換部２０６は、逆量子化部２０４からの入力である変換係数を逆変換することにより予測残差を復元する。
　例えばストリームから読み解かれた情報がＥＭＴまたはＡＭＴを適用することを示す場合（例えばＡＭＴフラグが真）、逆変換部２０６は、読み解かれた変換タイプを示す情報に基づいてカレントブロックの変換係数を逆変換する。
　また例えば、ストリームから読み解かれた情報がＮＳＳＴを適用することを示す場合、逆変換部２０６は、変換係数に逆再変換を適用する。
　図７５は、逆変換部２０６による処理の一例を示すフローチャートである。
　例えば、逆変換部２０６は、直交変換を行わないことを示す情報がストリームに存在するか否かを判定する（ステップＳｔ＿１１）。ここで、その情報が存在しないと判定すると（ステップＳｔ＿１１のＮｏ）、逆変換部２０６は、エントロピー復号部２０２によって復号された、変換タイプを示す情報を取得する（ステップＳｔ＿１２）。次に、逆変換部２０６は、その情報に基づいて、符号化装置１００の直交変換に用いられた変換タイプを決定する（ステップＳｔ＿１３）。そして、逆変換部２０６は、その決定した変換タイプを用いて逆直交変換を行う（ステップＳｔ＿１４）。
　図７６は、逆変換部２０６による処理の他の例を示すフローチャートである。
　例えば、逆変換部２０６は、変換サイズが所定値以下であるか否かを判定する（ステップＳｕ＿１１）。ここで、所定値以下であると判定すると（ステップＳｕ＿１１のＹｅｓ）、逆変換部２０６は、第１の変換タイプ群に含まれる１つ以上の変換タイプのうち、いずれの変換タイプが符号化装置１００によって用いられたかを示す情報をエントロピー復号部２０２から取得する（ステップＳｕ＿１２）。なお、このような情報は、エントロピー復号部２０２によって復号されて逆変換部２０６に出力される。
　逆変換部２０６は、その情報に基づいて、符号化装置１００における直交変換に用いられた変換タイプを決定する（ステップＳｕ＿１３）。そして、逆変換部２０６は、その決定した変換タイプを用いてカレントブロックの変換係数を逆直交変換する（ステップＳｕ＿１４）。一方、逆変換部２０６は、ステップＳｕ＿１１において、変換サイズが所定値以下でないと判定すると（ステップＳｕ＿１１のＮｏ）、第２の変換タイプ群を用いてカレントブロックの変換係数を逆直交変換する（ステップＳｕ＿１５）。
　なお、逆変換部２０６による逆直交変換は、一例としてＴＵごとに図７５または図７６に示すフローに従って実施されてもよい。また、直交変換に用いた変換タイプを示す情報を復号せず、予め規定された変換タイプを用いて逆直交変換を行ってもよい。また、変換タイプは、具体的にはＤＳＴ７またはＤＣＴ８などであって、逆直交変換では、その変換タイプに対応する逆変換基底関数が用いられる。
　［加算部］
　加算部２０８は、逆変換部２０６からの入力である予測残差と予測制御部２２０からの入力である予測画像とを加算することによりカレントブロックを再構成する。つまり、カレントブロックの再構成画像が生成される。そして、加算部２０８は、カレントブロックの再構成画像をブロックメモリ２１０およびループフィルタ部２１２に出力する。
　［ブロックメモリ］
　ブロックメモリ２１０は、イントラ予測で参照されるブロックであって、カレントピクチャ内のブロックを格納するための記憶部である。具体的には、ブロックメモリ２１０は、加算部２０８から出力された再構成画像を格納する。
　［ループフィルタ部］
　ループフィルタ部２１２は、加算部２０８によって生成された再構成画像にループフィルタを施し、フィルタが施された再構成画像をフレームメモリ２１４および表示装置等に出力する。
　ストリームから読み解かれたＡＬＦのオン／オフを示す情報がＡＬＦのオンを示す場合、局所的な勾配の方向および活性度に基づいて複数のフィルタの中から１つのフィルタが選択され、選択されたフィルタが再構成画像に適用される。
　図７７は、ループフィルタ部２１２の構成の一例を示すブロック図である。なお、ループフィルタ部２１２は、符号化装置１００のループフィルタ部１２０と同様の構成を有する。
　ループフィルタ部２１２は、例えば図７７に示すように、デブロッキング・フィルタ処理部２１２ａと、ＳＡＯ処理部２１２ｂと、ＡＬＦ処理部２１２ｃとを備える。デブロッキング・フィルタ処理部２１２ａは、再構成画像に対して上述のデブロッキング・フィルタ処理を施す。ＳＡＯ処理部２１２ｂは、デブロッキング・フィルタ処理後の再構成画像に対して上述のＳＡＯ処理を施す。また、ＡＬＦ処理部２１２ｃは、ＳＡＯ処理後の再構成画像に対して上述のＡＬＦ処理を適用する。なお、ループフィルタ部２１２は、図７７に開示した全ての処理部を備えていなくてもよく、一部の処理部のみを備えていてもよい。また、ループフィルタ部２１２は、図７７に開示した処理順とは異なる順番で上述の各処理を行う構成であってもよい。
　［フレームメモリ］
　フレームメモリ２１４は、インター予測に用いられる参照ピクチャを格納するための記憶部であり、フレームバッファと呼ばれることもある。具体的には、フレームメモリ２１４は、ループフィルタ部２１２によってフィルタが施された再構成画像を格納する。
　［予測部（イントラ予測部・インター予測部・予測制御部）］
　図７８は、復号装置２００の予測部で行われる処理の一例を示すフローチャートである。なお、一例として予測部は、イントラ予測部２１６、インター予測部２１８、および予測制御部２２０の全てまたは一部の構成要素からなる。予測処理部は、例えばイントラ予測部２１６およびインター予測部２１８を含む。
　予測部は、カレントブロックの予測画像を生成する（ステップＳｑ＿１）。この予測画像は、予測信号または予測ブロックともいう。なお、予測信号には、例えばイントラ予測信号またはインター予測信号がある。具体的には、予測部は、他のブロックに対する予測画像の生成、予測残差の復元、および予測画像の加算が行われることによって既に得られている再構成画像を用いて、カレントブロックの予測画像を生成する。復号装置２００の予測部は、符号化装置１００の予測部によって生成される予測画像と同一の予測画像を生成する。つまり、それらの予測部に用いられる予測画像の生成方法は、互いに共通または対応している。
　再構成画像は、例えば、参照ピクチャの画像であってもよいし、カレントブロックを含むピクチャであるカレントピクチャ内の復号済みのブロック（すなわち、上述の他のブロック）の画像であってもよい。カレントピクチャ内の復号済みのブロックは、例えばカレントブロックの隣接ブロックである。
　図７９は、復号装置２００の予測部で行われる処理の他の例を示すフローチャートである。
　予測部は、予測画像を生成するための方式またはモードを判定する（ステップＳｒ＿１）。例えば、この方式またはモードは、例えば予測パラメータなどに基づいて判定されてもよい。
　予測部は、予測画像を生成するためのモードとして第１の方式を判定した場合には、その第１の方式にしたがって予測画像を生成する（ステップＳｒ＿２ａ）。また、予測部は、予測画像を生成するためのモードとして第２の方式を判定した場合には、その第２の方式にしたがって予測画像を生成する（ステップＳｒ＿２ｂ）。また、予測部は、予測画像を生成するためのモードとして第３の方式を判定した場合には、その第３の方式にしたがって予測画像を生成する（ステップＳｒ＿２ｃ）。
　第１の方式、第２の方式、および第３の方式は、予測画像を生成するための互いに異なる方式であって、それぞれ例えば、インター予測方式、イントラ予測方式、および、それら以外の予測方式であってもよい。これらの予測方式では、上述の再構成画像を用いてもよい。
　図８０Ａ及び図８０Ｂは、復号装置２００の予測部で行われる処理の他の例を示すフローチャートである。
　予測部は、一例として図８０Ａ及び図８０Ｂに示すフローに従って予測処理を行ってもよい。なお、図８０Ａ及び図８０Ｂに示すイントラブロックコピーは、インター予測に属する１つのモードであって、カレントピクチャに含まれるブロックが参照画像または参照ブロックとして参照されるモードである。つまり、イントラブロックコピーでは、カレントピクチャと異なるピクチャは参照されない。また、図８０Ａに示すＰＣＭモードは、イントラ予測に属する１つのモードであって、変換および量子化が行われないモードである。
　［イントラ予測部］
　イントラ予測部２１６は、ストリームから読み解かれたイントラ予測モードに基づいて、ブロックメモリ２１０に格納されたカレントピクチャ内のブロックを参照してイントラ予測を行うことで、カレントブロックの予測画像（すなわちイントラ予測画像）を生成する。具体的には、イントラ予測部２１６は、カレントブロックに隣接するブロックの画素値（例えば輝度値、色差値）を参照してイントラ予測を行うことでイントラ予測画像を生成し、イントラ予測画像を予測制御部２２０に出力する。
　なお、色差ブロックのイントラ予測において輝度ブロックを参照するイントラ予測モードが選択されている場合は、イントラ予測部２１６は、カレントブロックの輝度成分に基づいて、カレントブロックの色差成分を予測してもよい。
　また、ストリームから読み解かれた情報がＰＤＰＣの適用を示す場合、イントラ予測部２１６は、水平／垂直方向の参照画素の勾配に基づいてイントラ予測後の画素値を補正する。
　図８１は、復号装置２００のイントラ予測部２１６による処理の一例を示す図である。
　イントラ予測部２１６は、まず、１を示すＭＰＭフラグがストリームに存在するか否かを判定する（ステップＳｗ＿１１）。ここで、１を示すＭＰＭフラグが存在すると判定すると（ステップＳｗ＿１１のＹｅｓ）、イントラ予測部２１６は、ＭＰＭのうち、符号化装置１００において選択されたイントラ予測モードを示す情報をエントロピー復号部２０２から取得する（ステップＳｗ＿１２）。なお、その情報は、エントロピー復号部２０２によって復号されてイントラ予測部２１６に出力される。次に、イントラ予測部２１６は、ＭＰＭを決定する（ステップＳｗ＿１３）。ＭＰＭは、例えば６つのイントラ予測モードからなる。そして、イントラ予測部２１６は、そのＭＰＭに含まれる複数のイントラ予測モードの中から、ステップＳｗ＿１２で取得された情報によって示されるイントラ予測モードを決定する（ステップＳｗ＿１４）。
　一方、イントラ予測部２１６は、ステップＳｗ＿１１において、１を示すＭＰＭフラグがストリームに存在しないと判定すると（ステップＳｗ＿１１のＮｏ）、符号化装置１００において選択されたイントラ予測モードを示す情報を取得する（ステップＳｗ＿１５）。つまり、イントラ予測部２１６は、ＭＰＭに含まれない１つ以上のイントラ予測モードのうち、符号化装置１００において選択されたイントラ予測モードを示す情報をエントロピー復号部２０２から取得する。なお、その情報は、エントロピー復号部２０２によって復号されてイントラ予測部２１６に出力される。そして、イントラ予測部２１６は、そのＭＰＭに含まれていない１つ以上のイントラ予測モードの中から、ステップＳｗ＿１５で取得された情報によって示されるイントラ予測モードを決定する（ステップＳｗ＿１７）。
　イントラ予測部２１６は、ステップＳｗ＿１４またはステップＳｗ＿１７において決定されたイントラ予測モードにしたがって予測画像を生成する（ステップＳｗ＿１８）。
　［インター予測部］
　インター予測部２１８は、フレームメモリ２１４に格納された参照ピクチャを参照して、カレントブロックを予測する。予測は、カレントブロックまたはカレントブロック内のサブブロックの単位で行われる。なお、サブブロックはブロックに含まれていて、ブロックより小さい単位である。サブブロックのサイズは、４ｘ４画素であっても、８ｘ８画素であっても、それ以外のサイズであってもよい。サブブロックのサイズは、スライス、ブリック、またはピクチャなどの単位で切り替えられてもよい。
　例えば、インター予測部２１８は、ストリーム（例えば、エントロピー復号部２０２から出力される予測パラメータ）から読み解かれた動き情報（例えばＭＶ）を用いて動き補償を行うことでカレントブロックまたはサブブロックのインター予測画像を生成し、インター予測画像を予測制御部２２０に出力する。
　ストリームから読み解かれた情報がＯＢＭＣモードを適用することを示す場合、インター予測部２１８は、動き探索により得られたカレントブロックの動き情報だけでなく、隣接ブロックの動き情報も用いて、インター予測画像を生成する。
　また、ストリームから読み解かれた情報がＦＲＵＣモードを適用することを示す場合、インター予測部２１８は、ストリームから読み解かれたパターンマッチングの方法（バイラテラルマッチングまたはテンプレートマッチング）に従って動き探索を行うことにより動き情報を導出する。そして、インター予測部２１８は、導出された動き情報を用いて動き補償（予測）を行う。
　また、インター予測部２１８は、ＢＩＯモードが適用される場合に、等速直線運動を仮定したモデルに基づいてＭＶを導出する。また、ストリームから読み解かれた情報がアフィンモードを適用することを示す場合には、インター予測部２１８は、複数の隣接ブロックのＭＶに基づいてサブブロック単位でＭＶを導出する。
　［ＭＶ導出のフロー］
　図８２は、復号装置２００におけるＭＶ導出の一例を示すフローチャートである。
　インター予測部２１８は、例えば、動き情報（例えばＭＶ）を復号するか否かを判定する。例えば、インター予測部２１８は、ストリームに含まれる予測モードに応じて判定してもよく、ストリームに含まれるその他の情報に基づいて判定してもよい。ここで、インター予測部２１８は、動き情報を復号すると判定すると、その動き情報を復号するモードで、カレントブロックのＭＶを導出する。一方、インター予測部２１８は、動き情報を復号しないと判定すると、動き情報を復号しないモードでＭＶを導出する。
　ここで、ＭＶ導出のモードには、後述のノーマルインターモード、ノーマルマージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、動き情報を復号するモードには、ノーマルインターモード、ノーマルマージモード、およびアフィンモード（具体的には、アフィンインターモードおよびアフィンマージモード）などがある。なお、動き情報には、ＭＶだけでなく、後述の予測ＭＶ選択情報が含まれてもよい。また、動き情報を復号しないモードには、ＦＲＵＣモードなどがある。インター予測部２１８は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　図８３は、復号装置２００におけるＭＶ導出の他の例を示すフローチャートである。
　インター予測部２１８は、例えば、差分ＭＶを復号するか否かを判定する、例えば、インター予測部２１８は、ストリームに含まれる予測モードに応じて判定してもよく、ストリームに含まれるその他の情報に基づいて判定してもよい。ここで、インター予測部２１８は、差分ＭＶを復号すると判定すると、差分ＭＶを復号するモードで、カレントブロックのＭＶを導出してもよい。この場合、例えばストリームに含まれる差分ＭＶが予測パラメータとして復号される。
　一方、インター予測部２１８は、差分ＭＶを復号しないと判定すると、差分ＭＶを復号しないモードでＭＶを導出する。この場合には、符号化された差分ＭＶはストリームに含まれない。
　ここで、上述のようにＭＶの導出のモードには、後述のノーマルインター、ノーマルマージモード、ＦＲＵＣモードおよびアフィンモードなどがある。これらのモードのうち、差分ＭＶを符号化するモードには、ノーマルインターモードおよびアフィンモード（具体的には、アフィンインターモード）などがある。また、差分ＭＶを符号化しないモードには、ＦＲＵＣモード、ノーマルマージモードおよびアフィンモード（具体的には、アフィンマージモード）などがある。インター予測部２１８は、これらの複数のモードから、カレントブロックのＭＶを導出するためのモードを選択し、その選択されたモードを用いてカレントブロックのＭＶを導出する。
　［ＭＶ導出　＞　ノーマルインターモード］
　例えば、ストリームから読み解かれた情報がノーマルインターモードを適用することを示す場合、インター予測部２１８は、ストリームから読み解かれた情報に基づいて、ノーマルマージモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８４は、復号装置２００におけるノーマルインターモードによるインター予測の例を示すフローチャートである。
　復号装置２００のインター予測部２１８は、ブロックごとに、そのブロックに対して動き補償を行う。このときには、インター予測部２１８は、まず、時間的または空間的にカレントブロックの周囲にある複数の復号済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｇ＿１１）。つまり、インター予測部２１８は、候補ＭＶリストを作成する。
　次に、インター予測部２１８は、ステップＳｇ＿１１で取得された複数の候補ＭＶの中から、Ｎ個（Ｎは２以上の整数）の候補ＭＶのそれぞれを予測動きベクトル候補（予測ＭＶ候補ともいう）として、予め決められた優先順位に従って抽出する（ステップＳｇ＿１２）。なお、その優先順位は、Ｎ個の予測ＭＶ候補のそれぞれに対して予め定められている。
　次に、インター予測部２１８は、入力されたストリームから予測ＭＶ選択情報を復号し、その復号された予測ＭＶ選択情報を用いて、そのＮ個の予測ＭＶ候補の中から１つの予測ＭＶ候補を、カレントブロックの予測ＭＶとして選択する（ステップＳｇ＿１３）。
　次に、インター予測部２１８は、入力されたストリームから差分ＭＶを復号し、その復号された差分ＭＶである差分値と、選択された予測ＭＶとを加算することによって、カレントブロックのＭＶを導出する（ステップＳｇ＿１４）。
　最後に、インター予測部２１８は、その導出されたＭＶと復号済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｇ＿１５）。ステップＳｇ＿１１～Ｓｇ＿１５の処理は、各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｇ＿１１～Ｓｇ＿１５の処理が実行されると、そのスライスに対するノーマルインターモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｇ＿１１～Ｓｇ＿１５の処理が実行されると、そのピクチャに対するノーマルインターモードを用いたインター予測が終了する。なお、ステップＳｇ＿１１～Ｓｇ＿１５の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するノーマルインターモードを用いたインター予測が終了してもよい。ステップＳｇ＿１１～Ｓｇ＿１５の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するノーマルインターモードを用いたインター予測が終了してもよい。
　［ＭＶ導出　＞　ノーマルマージモード］
　例えば、ストリームから読み解かれた情報がノーマルマージモードの適用を示す場合、インター予測部２１８は、ノーマルマージモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８５は、復号装置２００におけるノーマルマージモードによるインター予測の例を示すフローチャートである。
　インター予測部２１８は、まず、時間的または空間的にカレントブロックの周囲にある複数の復号済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｈ＿１１）。つまり、インター予測部２１８は、候補ＭＶリストを作成する。
　次に、インター予測部２１８は、ステップＳｈ＿１１で取得された複数の候補ＭＶの中から１つの候補ＭＶを選択することによって、カレントブロックのＭＶを導出する（ステップＳｈ＿１２）。具体的には、インター予測部２１８は、例えばストリームに予測パラメータとして含まれるＭＶ選択情報を取得し、そのＭＶ選択情報によって識別される候補ＭＶを、カレントブロックのＭＶとして選択する。
　最後に、インター予測部２１８は、その導出されたＭＶと復号済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｈ＿１３）。ステップＳｈ＿１１～Ｓｈ＿１３の処理は例えば各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｈ＿１１～Ｓｈ＿１３の処理が実行されると、そのスライスに対するノーマルマージモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｈ＿１１～Ｓｈ＿１３の処理が実行されると、そのピクチャに対するノーマルマージモードを用いたインター予測が終了する。なお、ステップＳｈ＿１１～Ｓｈ＿１３の処理は、スライスに含まれる全てのブロックに対して実行されず、一部のブロックに対して実行されると、そのスライスに対するノーマルマージモードを用いたインター予測が終了してもよい。ステップＳｈ＿１１～Ｓｈ＿１３の処理は、同様に、ピクチャに含まれる一部のブロックに対して実行されると、そのピクチャに対するノーマルマージモードを用いたインター予測が終了してもよい。
　［ＭＶ導出　＞　ＦＲＵＣモード］
　例えば、ストリームから読み解かれた情報がＦＲＵＣモードの適用を示す場合、インター予測部２１８は、ＦＲＵＣモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。この場合、動き情報は、符号化装置１００側から信号化されずに、復号装置２００側で導出される。例えば、復号装置２００は、動き探索を行うことにより動き情報を導出してもよい。この場合、復号装置２００は、カレントブロックの画素値を用いずに動き探索を行う。
　図８６は、復号装置２００におけるＦＲＵＣモードによるインター予測の例を示すフローチャートである。
　まず、インター予測部２１８は、カレントブロックに空間的または時間的に隣接する各復号済みブロックのＭＶを参照して、それらのＭＶを候補ＭＶとして示すリスト（すなわち、候補ＭＶリストであって、ノーマルマージモードの候補ＭＶリストと共通であってもよい）を生成する（ステップＳｉ＿１１）。次に、インター予測部２１８は、候補ＭＶリストに登録されている複数の候補ＭＶの中からベスト候補ＭＶを選択する（ステップＳｉ＿１２）。例えば、インター予測部２１８は、候補ＭＶリストに含まれる各候補ＭＶの評価値を算出し、その評価値に基づいて１つの候補ＭＶをベスト候補ＭＶとして選択する。そして、インター予測部２１８は、選択されたベスト候補ＭＶに基づいて、カレントブロックのためのＭＶを導出する（ステップＳｉ＿１４）。具体的には、例えば、選択されたベスト候補ＭＶがそのままカレントブロックのためのＭＶとして導出される。また例えば、選択されたベスト候補ＭＶに対応する参照ピクチャ内の位置の周辺領域において、パターンマッチングを行うことにより、カレントブロックのためのＭＶが導出されてもよい。すなわち、ベスト候補ＭＶの周辺の領域に対して、参照ピクチャにおけるパターンマッチングおよび評価値を用いた探索を行い、さらに評価値が良い値となるＭＶがあった場合は、ベスト候補ＭＶをそのＭＶに更新して、それをカレントブロックの最終的なＭＶとしてもよい。より良い評価値を有するＭＶへの更新を実施しなくてもよい。
　最後に、インター予測部２１８は、その導出されたＭＶと復号済み参照ピクチャとを用いてカレントブロックに対して動き補償を行ことにより、そのカレントブロックの予測画像を生成する（ステップＳｉ＿１５）。ステップＳｉ＿１１～Ｓｉ＿１５の処理は例えば各ブロックに対して実行される。例えば、スライスに含まれる全てのブロックのそれぞれに対してステップＳｉ＿１１～Ｓｉ＿１５の処理が実行されると、そのスライスに対するＦＲＵＣモードを用いたインター予測が終了する。また、ピクチャに含まれる全てのブロックのそれぞれに対してステップＳｉ＿１１～Ｓｉ＿１５の処理が実行されると、そのピクチャに対するＦＲＵＣモードを用いたインター予測が終了する。サブブロック単位でも上述のブロック単位と同様に処理されてもよい。
　［ＭＶ導出　＞　アフィンマージモード］
　例えば、ストリームから読み解かれた情報がアフィンマージモードの適用を示す場合、インター予測部２１８は、アフィンマージモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８７は、復号装置２００におけるアフィンマージモードによるインター予測の例を示すフローチャートである。
　アフィンマージモードでは、まず、インター予測部２１８は、カレントブロックの制御ポイントのそれぞれのＭＶを導出する（ステップＳｋ＿１１）。制御ポイントは、図４６Ａに示すように、カレントブロックの左上角および右上角のポイント、或いは図４６Ｂに示すように、カレントブロックの左上角、右上角および左下角のポイントである。
　例えば、図４７Ａ～図４７Ｃに示すＭＶの導出方法を用いる場合、インター予測部２１８は、図４７Ａに示すように、復号済みブロックＡ（左）、ブロックＢ（上）、ブロックＣ（右上）、ブロックＤ（左下）およびブロックＥ（左上）の順序にこれらのブロックを検査し、アフィンモードで復号された最初の有効なブロックを特定する。
　インター予測部２１８は、特定されたアフィンモードで復号された最初の有効なブロックを用いて、制御ポイントのＭＶを導出する。例えば、ブロックＡが特定され、ブロックＡが２つの制御ポイントを有する場合、図４７Ｂに示すように、インター予測部２１８は、ブロックＡを含む復号済みブロックの左上角および右上角の動きベクトルｖ３およびｖ４をカレントブロックに投影することによって、カレントブロックの左上角制御ポイントの動きベクトルｖ０と、右上角制御ポイントの動きベクトルｖ１とを算出する。これにより、各制御ポイントのＭＶが導出される。
　なお、図４９Ａに示すように、ブロックＡが特定され、ブロックＡが２つの制御ポイントを有する場合に、３つの制御ポイントのＭＶを算出してもよく、図４９Ｂに示すように、ブロックＡが特定され、ブロックＡが３つの制御ポイントを有する場合に、２つの制御ポイントのＭＶを算出してもよい。
　また、ストリームに予測パラメータとしてＭＶ選択情報が含まれている場合には、インター予測部２１８は、そのＭＶ選択情報を用いてカレントブロックの各制御ポイントのＭＶを導出してもよい。
　次に、インター予測部２１８は、カレントブロックに含まれる複数のサブブロックのそれぞれについて、動き補償を行う。すなわち、インター予測部２１８は、その複数のサブブロックのそれぞれについて、２つの動きベクトルｖ０およびｖ１と上述の式（１Ａ）とを用いて、或いは３つの動きベクトルｖ０、ｖ１およびｖ２と上述の式（１Ｂ）とを用いて、そのサブブロックのＭＶをアフィンＭＶとして算出する（ステップＳｋ＿１２）。そして、インター予測部２１８は、それらのアフィンＭＶおよび復号済み参照ピクチャを用いてそのサブブロックに対して動き補償を行う（ステップＳｋ＿１３）。カレントブロックに含まれる全てのサブブロックのそれぞれに対してステップＳｋ＿１２およびＳｋ＿１３の処理が実行されると、そのカレントブロックに対するアフィンマージモードを用いたインター予測が終了する。つまり、カレントブロックに対して動き補償が行われ、そのカレントブロックの予測画像が生成される。
　なお、ステップＳｋ＿１１では、上述の候補ＭＶリストが生成されてもよい。候補ＭＶリストは、例えば、各制御ポイントに対して複数のＭＶ導出方法を用いて導出した候補ＭＶを含むリストであってもよい。複数のＭＶ導出方法は、図４７Ａ～図４７Ｃに示すＭＶの導出方法、図４８Ａおよび図４８Ｂに示すＭＶの導出方法、図４９Ａおよび図４９Ｂに示すＭＶの導出方法、および、その他のＭＶの導出方法の任意の組合せであってもよい。
　なお、候補ＭＶリストは、アフィンモード以外の、サブブロック単位で予測を行うモードの候補ＭＶを含んでもよい。
　なお、候補ＭＶリストとして、例えば、２つの制御ポイントを有するアフィンマージモードの候補ＭＶと、３つの制御ポイントを有するアフィンマージモードの候補ＭＶとを含む候補ＭＶリストを生成してもよい。または、２つの制御ポイントを有するアフィンマージモードの候補ＭＶを含む候補ＭＶリストと、３つの制御ポイントを有するアフィンマージモードの候補ＭＶを含む候補ＭＶリストとをそれぞれ生成してもよい。または、２つの制御ポイントを有するアフィンマージモードと、３つの制御ポイントを有するアフィンマージモードとのうちの一方のモードの候補ＭＶを含む候補ＭＶリストを生成してもよい。
　［ＭＶ導出　＞　アフィンインターモード］
　例えば、ストリームから読み解かれた情報がアフィンインターモードの適用を示す場合、インター予測部２１８は、アフィンインターモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８８は、復号装置２００におけるアフィンインターモードによるインター予測の例を示すフローチャートである。
　アフィンインターモードでは、まず、インター予測部２１８は、カレントブロックの２つまたは３つの制御ポイントのそれぞれの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する（ステップＳｊ＿１１）。制御ポイントは、例えば図４６Ａまたは図４６Ｂに示すように、カレントブロックの左上角、右上角或いは左下角のポイントである。
　インター予測部２１８は、ストリームに予測パラメータとして含まれる予測ＭＶ選択情報を取得し、その予測ＭＶ選択情報によって識別されるＭＶを用いて、カレントブロックの各制御ポイントの予測ＭＶを導出する。例えば、図４８Ａおよび図４８Ｂに示すＭＶの導出方法を用いる場合、インター予測部２１８は、図４８Ａまたは図４８Ｂに示すカレントブロックの各制御ポイント近傍の復号済みブロックのうち、予測ＭＶ選択情報によって識別されるブロックのＭＶを選択することによって、カレントブロックの制御ポイントの予測ＭＶ（ｖ０，ｖ１）または（ｖ０，ｖ１，ｖ２）を導出する。
　次に、インター予測部２１８は、例えば、ストリームに予測パラメータとして含まれる各差分ＭＶを取得し、カレントブロックの各制御ポイントの予測ＭＶと、その予測ＭＶに対応する差分ＭＶとを加算する（ステップＳｊ＿１２）。これにより、カレントブロックの各制御ポイントのＭＶが導出される。
　次に、インター予測部２１８は、カレントブロックに含まれる複数のサブブロックのそれぞれについて、動き補償を行う。すなわち、インター予測部２１８は、その複数のサブブロックのそれぞれについて、２つの動きベクトルｖ０およびｖ１と上述の式（１Ａ）とを用いて、或いは３つの動きベクトルｖ０、ｖ１およびｖ２と上述の式（１Ｂ）とを用いて、そのサブブロックのＭＶをアフィンＭＶとして算出する（ステップＳｊ＿１３）。そして、インター予測部２１８は、それらのアフィンＭＶおよび復号済み参照ピクチャを用いてそのサブブロックに対して動き補償を行う（ステップＳｊ＿１４）。カレントブロックに含まれる全てのサブブロックのそれぞれに対してステップＳｊ＿１３およびＳｊ＿１４の処理が実行されると、そのカレントブロックに対するアフィンマージモードを用いたインター予測が終了する。つまり、カレントブロックに対して動き補償が行われ、そのカレントブロックの予測画像が生成される。
　なお、ステップＳｊ＿１１では、ステップＳｋ＿１１と同様、上述の候補ＭＶリストが生成されてもよい。
　［ＭＶ導出　＞　トライアングルモード］
　例えば、ストリームから読み解かれた情報がトライアングルモードの適用を示す場合、インター予測部２１８は、トライアングルモードでＭＶを導出し、そのＭＶを用いて動き補償（予測）を行う。
　図８９は、復号装置２００におけるトライアングルモードによるインター予測の例を示すフローチャートである。
　トライアングルモードでは、まず、インター予測部２１８は、カレントブロックを第１パーティションと第２パーティションとに分割する（ステップＳｘ＿１１）。このとき、インター予測部２１８は、各パーティションへの分割に関する情報であるパーティション情報を予測パラメータとしてストリームから取得してもよい。そして、インター予測部２１８は、そのパーティション情報に応じて、カレントブロックを第１パーティションと第２パーティションとに分割してもよい。
　次に、インター予測部２１８は、まず、時間的または空間的にカレントブロックの周囲にある複数の復号済みブロックのＭＶなどの情報に基づいて、そのカレントブロックに対して複数の候補ＭＶを取得する（ステップＳｘ＿１２）。つまり、インター予測部２１８は、候補ＭＶリストを作成する。
　そして、インター予測部２１８は、ステップＳｘ＿１１で取得された複数の候補ＭＶの中から、第１パーティションの候補ＭＶおよび第２パーティションの候補ＭＶを、第１ＭＶおよび第２ＭＶとしてそれぞれ選択する（ステップＳｘ＿１３）。このとき、インター予測部２１８は、選択された候補ＭＶを識別するためのＭＶ選択情報を予測パラメータとしてストリームから取得してもよい。そして、インター予測部２１８は、そのＭＶ選択情報に応じて第１ＭＶおよび第２ＭＶを選択してもよい。
　次に、インター予測部２１８は、その選択された第１ＭＶと復号済み参照ピクチャとを用いて動き補償を行ことにより、第１予測画像を生成する（ステップＳｘ＿１４）。同様に、インター予測部２１８は、選択された第２ＭＶと復号済み参照ピクチャとを用いて動き補償を行ことにより、第２予測画像を生成する（ステップＳｘ＿１５）。
　最後に、インター予測部２１８は、第１予測画像と第２予測画像とを重み付け加算することによって、カレントブロックの予測画像を生成する（ステップＳｘ＿１６）。
　［動き探索　＞　ＤＭＶＲ］
　例えば、ストリームから読み解かれた情報がＤＭＶＲの適用を示す場合、インター予測部２１８は、ＤＭＶＲで動き探索を行う。
　図９０は、復号装置２００におけるＤＭＶＲによる動き探索の例を示すフローチャートである。
　インター予測部２１８は、まず、マージモードでカレントブロックのＭＶを導出する（ステップＳｌ＿１１）。次に、インター予測部２１８は、ステップＳｌ＿１１で導出されたＭＶによって示される参照ピクチャの周辺領域を探索することによって、カレントブロックに対して最終のＭＶを導出する（ステップＳｌ＿１２）。すなわち、ＤＭＶＲによってカレントブロックのＭＶが決定される。
　図９１は、復号装置２００におけるＤＭＶＲによる動き探索の詳細な一例を示すフローチャートである。
　まず、インター予測部２１８は、図５８Ａに示すＳｔｅｐ１で、初期ＭＶが示す探索位置（開始点ともいう）と、その周囲にある８つの探索位置とにおけるコストを算出する。そして、インター予測部２１８は、開始点以外の探索位置のコストが最小か否かを判定する。ここで、インター予測部２１８は、開始点以外の探索位置のコストが最小と判定すると、コストが最小となる探索位置に移動して、図５８Ａに示すＳｔｅｐ２の処理を行う。一方、インター予測部２１８は、開始点のコストが最小であれば、図５８Ａに示すＳｔｅｐ２の処理をスキップしてＳｔｅｐ３の処理を行う。
　図５８Ａに示すＳｔｅｐ２では、インター予測部２１８は、Ｓｔｅｐ１の処理結果に応じて移動した探索位置を新たな開始点として、Ｓｔｅｐ１の処理と同様の探索を行う。そして、インター予測部２１８は、その開始点以外の探索位置のコストが最小か否かを判定する。ここで、インター予測部２１８は、開始点以外の探索位置のコストが最小であれば、Ｓｔｅｐ４の処理を行う。一方、インター予測部２１８は、開始点のコストが最小であれば、Ｓｔｅｐ３の処理を行う。
　Ｓｔｅｐ４では、インター予測部２１８は、その開始点の探索位置を最終探索位置として扱い、初期ＭＶが示す位置とその最終探索位置との差分を差分ベクトルとして決定する。
　図５８Ａに示すＳｔｅｐ３では、インター予測部２１８は、Ｓｔｅｐ１またはＳｔｅｐ２の開始点の上下左右にある４点におけるコストに基づき、コストが最小となる小数精度の画素位置を決定し、その画素位置を最終探索位置とする。その小数精度の画素位置は、上下左右にある４点のベクトル（（０，１），（０，－１），（－１，０），（１，０））を、その４点のそれぞれの探索位置におけるコストを重みとして重み付け加算することで決定される。そして、インター予測部２１８は、初期ＭＶが示す位置とその最終探索位置との差分を差分ベクトルとして決定する。
　［動き補償　＞　ＢＩＯ／ＯＢＭＣ／ＬＩＣ］
　例えば、ストリームから読み解かれた情報が予測画像の補正の適用を示す場合、インター予測部２１８は、予測画像を生成すると、その補正のモードにしたがって予測画像を補正する。そのモードは、例えば、上述のＢＩＯ、ＯＢＭＣ、およびＬＩＣなどである。
　図９２は、復号装置２００における予測画像の生成の一例を示すフローチャートである。
　インター予測部２１８は、予測画像を生成し（ステップＳｍ＿１１）、上述の何れかのモードによってその予測画像を補正する（ステップＳｍ＿１２）。
　図９３は、復号装置２００における予測画像の生成の他の例を示すフローチャートである。
　インター予測部２１８は、カレントブロックのＭＶを導出する（ステップＳｎ＿１１）。次に、インター予測部２１８は、そのＭＶを用いて予測画像を生成し（ステップＳｎ＿１２）、補正処理を行うか否かを判定する（ステップＳｎ＿１３）。例えば、インター予測部２１８は、ストリームに含まれる予測パラメータを取得し、その予測パラメータに基づいて、補正処理を行うか否かを判定する。この予測パラメータは、例えば、上述の各モードを適用するか否かを示すフラグである。ここで、インター予測部２１８は、補正処理を行うと判定すると（ステップＳｎ＿１３のＹｅｓ）、その予測画像を補正することによって最終的な予測画像を生成する（ステップＳｎ＿１４）。なお、ＬＩＣでは、ステップＳｎ＿１４において、予測画像の輝度および色差が補正されてもよい。一方、インター予測部２１８は、補正処理を行わないと判定すると（ステップＳｎ＿１３のＮｏ）、その予測画像を補正することなく最終的な予測画像として出力する（ステップＳｎ＿１５）。
　［動き補償　＞　ＯＢＭＣ］
　例えば、ストリームから読み解かれた情報がＯＢＭＣの適用を示す場合、インター予測部２１８は、予測画像を生成すると、ＯＢＭＣにしたがって予測画像を補正する。
　図９４は、復号装置２００におけるＯＢＭＣによる予測画像の補正の例を示すフローチャートである。なお、図９４のフローチャートは、図６２に示すカレントピクチャおよび参照ピクチャを用いた予測画像の補正の流れを示す。
　まず、インター予測部２１８は、図６２に示すように、カレントブロックに割り当てられたＭＶを用いて通常の動き補償による予測画像（Ｐｒｅｄ）を取得する。
　次に、インター予測部２１８は、復号済みの左隣接ブロックに対して既に導出されたＭＶ（ＭＶ＿Ｌ）をカレントブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｌ）を取得する。そして、インター予測部２１８は、２つの予測画像ＰｒｅｄとＰｒｅｄ＿Ｌとを重ね合わせることで予測画像の１回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。
　同様に、インター予測部２１８は、復号済みの上隣接ブロックに対して既に導出されたＭＶ（ＭＶ＿Ｕ）をカレントブロックに適用（再利用）して予測画像（Ｐｒｅｄ＿Ｕ）を取得する。そして、インター予測部２１８は、予測画像Ｐｒｅｄ＿Ｕを１回目の補正を行った予測画像（例えば、ＰｒｅｄとＰｒｅｄ＿Ｌ）に重ね合わせることで予測画像の２回目の補正を行う。これは、隣接ブロック間の境界を混ぜ合わせる効果を有する。２回目の補正によって得られた予測画像は、隣接ブロックとの境界が混ぜ合わされた（スムージングされた）、カレントブロックの最終的な予測画像である。
　［動き補償　＞　ＢＩＯ］
　例えば、ストリームから読み解かれた情報がＢＩＯの適用を示す場合、インター予測部２１８は、予測画像を生成すると、ＢＩＯにしたがって予測画像を補正する。
　図９５は、復号装置２００におけるＢＩＯによる予測画像の補正の例を示すフローチャートである。
　インター予測部２１８は、図６３に示すように、カレントブロックを含むピクチャ（Ｃｕｒ　Ｐｉｃ）と異なる２枚の参照ピクチャ（Ｒｅｆ０，Ｒｅｆ１）を用いて、２つの動きベクトル（Ｍ０，Ｍ１）を導出する。そして、インター予測部２１８は、その２つの動きベクトル（Ｍ０，Ｍ１）を用いてカレントブロックの予測画像を導出する（ステップＳｙ＿１１）。なお、動きベクトルＭ０は、参照ピクチャＲｅｆ０に対応する動きベクトル（ＭＶｘ０，ＭＶｙ０）であり、動きベクトルＭ１は、参照ピクチャＲｅｆ１に対応する動きベクトル（ＭＶｘ１，ＭＶｙ１）である。
　次に、インター予測部２１８は、動きベクトルＭ０および参照ピクチャＬ０を用いてカレントブロックの補間画像Ｉ０を導出する。また、インター予測部２１８は、動きベクトルＭ１および参照ピクチャＬ１を用いてカレントブロックの補間画像Ｉ１を導出する（ステップＳｙ＿１２）。ここで、補間画像Ｉ０は、カレントブロックに対して導出される、参照ピクチャＲｅｆ０に含まれる画像であって、補間画像Ｉ１は、カレントブロックに対して導出される、参照ピクチャＲｅｆ１に含まれる画像である。補間画像Ｉ０および補間画像Ｉ１はそれぞれ、カレントブロックと同じサイズであってもよい。または、補間画像Ｉ０および補間画像Ｉ１はそれぞれ、後述の勾配画像を適切に導出するために、カレントブロックよりも大きな画像であってもよい。さらに、補間画像Ｉ０およびＩ１は、動きベクトル（Ｍ０，Ｍ１）および参照ピクチャ（Ｌ０，Ｌ１）と、動き補償フィルタとを適用して導出された予測画像を含んでいてもよい。
　また、インター予測部２１８は、補間画像Ｉ０および補間画像Ｉ１から、カレントブロックの勾配画像（Ｉｘ０，Ｉｘ１，Ｉｙ０，Ｉｙ１）を導出する（ステップＳｙ＿１３）。なお、水平方向の勾配画像は、（Ｉｘ０，Ｉｘ１）であり、垂直方向の勾配画像は、（Ｉｙ０，Ｉｙ１）である。インター予測部２１８は、例えば、補間画像に対して勾配フィルタを適用することによって、その勾配画像を導出してもよい。勾配画像は、水平方向または垂直方向に沿った画素値の空間的な変化量を示すものであればよい。
　次に、インター予測部２１８は、カレントブロックを構成する複数のサブブロック単位で、補間画像（Ｉ０，Ｉ１）および勾配画像（Ｉｘ０，Ｉｘ１，Ｉｙ０，Ｉｙ１）を用いて上述の速度ベクトルであるオプティカルフロー（ｖｘ，ｖｙ）を導出する（ステップＳｙ＿１４）。一例として、サブブロックは、４ｘ４画素のサブＣＵであってもよい。
　次に、インター予測部２１８は、オプティカルフロー（ｖｘ，ｖｙ）を用いてカレントブロックの予測画像を補正する。例えば、インター予測部２１８は、オプティカルフロー（ｖｘ，ｖｙ）を用いてカレントブロックに含まれる画素の値の補正値を導出する（ステップＳｙ＿１５）。そして、インター予測部２１８は、補正値を用いてカレントブロックの予測画像を補正してもよい（ステップＳｙ＿１６）。なお、補正値は各画素単位で導出されてもよいし、複数の画素単位またはサブブロック単位で導出されてもよい。
　なお、ＢＩＯの処理フローは、図９５に開示した処理に限定されない。図９５に開示した処理の一部の処理のみを実施してもよいし、異なる処理を追加または置換してもよいし、異なる処理順で実行してもよい。
　［動き補償　＞　ＬＩＣ］
　例えば、ストリームから読み解かれた情報がＬＩＣの適用を示す場合、インター予測部２１８は、予測画像を生成すると、ＬＩＣにしたがって予測画像を補正する。
　図９６は、復号装置２００におけるＬＩＣによる予測画像の補正の例を示すフローチャートである。
　まず、インター予測部２１８は、ＭＶを用いて、復号済みの参照ピクチャからカレントブロックに対応する参照画像を取得する（ステップＳｚ＿１１）。
　次に、インター予測部２１８は、カレントブロックに対して、参照ピクチャとカレントピクチャとで輝度値がどのように変化したかを示す情報を抽出する（ステップＳｚ＿１２）。この抽出は、図６６Ａに示すように、カレントピクチャにおける復号済み左隣接参照領域（周辺参照領域）および復号済み上隣参照領域（周辺参照領域）の輝度画素値と、導出されたＭＶで指定された参照ピクチャ内の同等位置における輝度画素値とに基づいて行われる。そして、インター予測部２１８は、輝度値がどのように変化したかを示す情報を用いて、輝度補正パラメータを算出する（ステップＳｚ＿１３）。
　インター予測部２１８は、ＭＶで指定された参照ピクチャ内の参照画像に対してその輝度補正パラメータを適用する輝度補正処理を行うことで、カレントブロックに対する予測画像を生成する（ステップＳｚ＿１４）。つまり、ＭＶで指定された参照ピクチャ内の参照画像である予測画像に対して、輝度補正パラメータに基づく補正が行われる。この補正では、輝度が補正されてもよく、色差が補正されてもよい。
　［予測制御部］
　予測制御部２２０は、イントラ予測画像およびインター予測画像のいずれかを選択し、選択した予測画像を加算部２０８に出力する。全体的に、復号装置２００側の予測制御部２２０、イントラ予測部２１６およびインター予測部２１８の構成、機能、および処理は、符号化装置１００側の予測制御部１２８、イントラ予測部１２４およびインター予測部１２６の構成、機能、および処理と対応していてもよい。
　［サブピクチャ］
　ＶＶＣ（Ｖｅｒｓａｔｉｌｅ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）サブピクチャは、画像の矩形領域であって、１つ以上のスライスで構成される。ＶＶＣのサブピクチャの特徴は、サブピクチャを簡単にビットストリームから抽出したりビットストリームにマージしたりすることができるように設計されていることである。
　図９７は、例示的な、ＶＶＣサブピクチャの抽出を示す。例えば、第１ビットストリームは、２つのサブピクチャ、すなわち、サブピクチャインデックス０を有するサブピクチャ９７１、及び、サブピクチャインデックス１を有するサブピクチャ９７２を含む。ここで、フルピクチャ内のサブピクチャは、サブピクチャインデックスによって識別される。これらのサブピクチャから、１つのサブピクチャを抽出（Ｓ９７７）して、新しいビットストリーム（第２ビットストリーム）を作成できる。
　この目的のため、各サブピクチャには、フルピクチャ内のサブピクチャのサブピクチャインデックスにマッピングされ得る一意のサブピクチャ識別子（サブピクチャＩＤ）が割り当てられる。このようなマッピングは、ＳＰＳ（シーケンスパラメータセット）又はＰＰＳ（ピクチャパラメータセット）でシグナリングされる。ここで、用語「一意」は、ＳＰＳ又はＰＰＳが適用可能な１つ以上のビデオピクチャ内のサブピクチャの明確な識別を指す。
　現在、新しいビットストリームは、抽出されたサブピクチャ９７２に対応するサブピクチャ９７５によって構成されるが、サブピクチャインデックスは、０である。これは、サブピクチャインデックスは、フルピクチャ内でのみサブピクチャを識別するためである。
　新しいビットストリームは、フルピクチャに対応する１つのサブピクチャ９７５のみを有するため、サブピクチャインデックスは、（第１ビットストリーム内でサブピクチャ９７２が有していた１ではなく）０である。ただし、サブピクチャ９７５のサブピクチャＩＤは、サブピクチャ９７２と同じであるため、サブピクチャが一意に識別される。
　サブピクチャは、元々、没入型ビデオ（イマーシブビデオ）用に設計された。しかし、本開示のいくつかの態様によれば、サブピクチャは、他のアプリケーションにも用いられ得る。
　１つの可能なアプリケーションは、パーソナライズであり、それにより、コンテンツプロバイダは、図９８に示されるように、表示するための１つ以上のピクチャをユーザが選択できる複数のピクチャのモザイクを提供する。このコンテキストにおけるモザイクは、複数のサブピクチャの１つ以上をユーザに選択させるため、ユーザに表示され得る複数のサブピクチャの配置を指す。
　図９８にはパーソナライズサービスの例が示され、プロバイダは、（サブピクチャＩＤ０、１、２及び３を有する）複数のＶＶＣサブピクチャで構成されるモザイクピクチャ９８１を提供し、ユーザはそれらからどのピクチャを表示するかを選択できる。この例では、モザイクは、４Ｋ解像度を有するが、サブピクチャは、ＨＤ（Ｈｉｇｈ　Ｄｅｆｉｎｉｔｉｏｎ）解像度を有する。モザイクピクチャは、１枚のピクチャである静止画像、または、複数のピクチャであるビデオである。
　この例では、ユーザは、１つのサブピクチャ、すなわちサブピクチャＩＤ１を有するサブピクチャを選択する（Ｓ９８３）。選択は、リモートコントローラ、キーボード又は数値キーを介してサブピクチャインデックスを入力するような任意の既知の方法で行われ得る。
　入力は、現在（予備的に）選択されたサブピクチャ９８５の強調を可能にするグラフィカルユーザインターフェースによって支援されて行われてもよい。そして、選択は、例えば、ＯＫボタンを押すこと、エンター、他の確認入力、又は、音声コマンド等によって、予備的な選択を確認することで行われてもよい。次に、選択されたサブピクチャ９８９がモザイクビットストリームから抽出及び復号され（Ｓ９８７）、ＨＤ解像度で表示されてもよい。
　ここで、抽出とは、サブピクチャのサブビットストリームが、フル（モザイク）ピクチャ９８１の残りのサブピクチャ（０、２及び３）を搬送するサブビットストリームを必ずしも復号することなく、分離される（読み解かれる）ことを意味する。復号は、例えばディスプレイ装置に表示する目的のため、ビットストリームからサブピクチャを再構成することを指す。
　４Ｋ解像度という用語は、一般的に、約８メガ画素数のピクチャ解像度を指し、４０００画素の垂直又は水平サイズにほぼ対応する。ここで、画素は例えば輝度サンプルに対応する。４Ｋ解像度を有するピクチャは、４Ｋピクチャとも表現される。４Ｋピクチャの垂直及び水平のサイズが異なっていてもよい。
　例えば、４Ｋピクチャは、さらに、４０９６×２１６０、３９９６×２１６０、３９９６×１７１６、３８４０×２１６０又は３８４０×２４００等のような様々な異なるアスペクト比を有してもよい。これらの数値は、画素（サンプル）単位で、列数×行数、つまり水平×垂直の解像度を示す。
　ＨＤ解像度又はフルＨＤ解像度という用語は、典型的には、１９２０×１０８０のピクチャ解像度を指し、結果的にピクチャあたり約４メガ画素になる。ただし、この用語は、さらに、約４メガ画素の他のアスペクト比に適用されてもよい。
　複数のサブピクチャをビットストリームに互いに独立して符号化することが望ましい場合があり、これにより、１つのサブピクチャを復号する場合、残りのサブピクチャを復号する必要がなくなる。その後、例えば、受信器で表示を目的とされたサブピクチャのみを抽出して復号することが可能になり、表示を目的とされていない可能性のある画像の復号によって演算リソースが浪費されることを回避する。
　ＶＶＣ又はＨＥＶＣ等のようないくつかの既知のコーデック技術には、スライス及び／又はタイルのように、ピクチャを複数の領域に分割して符号化及び復号するためのメカニズムがある。スライス及びタイルは、それらのサイズが特定の予め設定されたコーディングユニットサイズの整数倍である場合にのみサポートされる。そのような予め設定されたコーディングユニットサイズは、コーディングツリーユニットのサイズであってもよく、固定（規格で定義）されていてもよいし、あるいは、ピクチャのシーケンス、又は、ピクチャ等に対して、設定可能であってもよい。
　しかしながら、これらのスライス及びタイルのみでは、他の領域への依存関係があるため完全に独立して符号化及び復号することが困難である。そこで、サブピクチャには、スライス及びタイルのメカニズムに加えて他の領域との依存関係をなくす仕組みが追加されており、複数のサブピクチャを完全に独立して符号化及び復号することが可能である。
　したがって、サブピクチャ境界は、ＣＴＵ（コーディングツリーユニット）境界と一致して発生する必要がある。しかしながら、多くの一般的なビデオ解像度は、一般的なＣＴＵサイズの倍数ではない。
　以下では、ＶＶＣについて、複数の例が提供される。ただし、上述した難点は他のコーデックにおいても発生する可能性がある。したがって、本開示は、何らかの特定のコーデックに限定されない。例えば、ＶＶＣの最大ＣＴＵサイズは、１２８×１２８画素である。しかし、ＨＤ（Ｈｉｇｈ　Ｄｅｆｉｎｉｔｉｏｎ）のビデオ解像度は、典型的には、１９２０×１０８０である。１９２０は確かに１２８の倍数であるが、１０８０は１２８の倍数でない。これを図９９に示す。
　特に、図９９は、２×２のＨＤビデオ９９１、９９２、９９３及び９９４から４Ｋモザイクビデオ９９０を作成する際の難点を示す。４Ｋモザイクビデオ９９０内に２×２配列として４つのＨＤビデオをパッキングすると、上のＨＤビデオの下の境界は、ＣＴＵ境界に対応しないので、サブピクチャ境界に対応し得ない。そのため、ＨＤビデオ毎に１つのサブピクチャを用いることができなくなる。これは、図９９において、ＨＤビデオ９９２及び９９４の境界を跨いで配置されるＣＴＵ９９８によって示される。なお、ここで、ＨＤビデオの下の境界は、ＣＴＵ境界に対応しないとは、ＨＤビデオの下の境界とＣＴＵ境界とが一致しないことをいう。
　これは、ＣＴＵサイズが６４×６４に設定されている場合にも、１０８０が６４の倍数でもないため当てはまる。なお、これらの例において、ＨＤピクチャは、ビデオピクチャである。しかしながら、本開示は、静止ピクチャにも同様に適用可能である。ＶＶＣ、ＨＥＶＣ又はＥＶＣのようなコーデックは、ビデオではなく静止ピクチャが符号化される静止ピクチャモードをサポートする。このようなモードでは、時間予測が適用されない。本開示は、さらに、任意の静止画コーデック（ビデオコーディングをサポートしないものも含む）に同様に適用可能である。
　［コンフォーマンスクロッピングウィンドウを用いて様々な解像度のサブピクチャを処理する例］
　図１００は、上記の難点に対処するために適用され得る特定の非限定的かつ例示的な実装を示す。解像度１９２０×１０８０の４つのＨＤビデオ１００１、１００２、１００３及び１００４は、１２８×１２８のＣＴＵサイズで符号化された解像度３８４０×２１６０の４Ｋモザイクビデオ１０００にパッキングされる。ＣＴＵサイズに整合させるために、７２個のパディング画素行１００６がビデオシグナルの上に追加され、ＨＤビデオ毎に１つのサブピクチャを用いることが可能になる。
　４Ｋモザイクビデオ１０００の上にこのようなパディング画素行１００６の追加が行われて、埋め込まれたＨＤビデオの境界が、ＣＴＵ境界、つまりサブピクチャ境界に対応するようにシフトされる。
　この例では、パディング画素行１００６がモザイクピクチャ１０００の上に追加され、その結果、サブピクチャ１００１及び１００２は、１０８０画素のＨＤ垂直サイズではなく、９ＣＴＵに対応する１１５２画素の垂直サイズを有する。残りのサブピクチャ１００３及び１００４は、１０８０画素のＨＤ垂直サイズを維持する。これが可能なのは、既知のコーデックは、典型的には、ピクチャの下端および右端において、ＣＴＵサイズの整数倍に整合しない完全なピクチャの次元を処理するいくつかのメカニズムを有するためである。
　例えば、最後の不完全なＣＴＵの階層的セグメンテーションがさらに行われ、より小さいコーディングユニットが符号化されてもよい。他のメカニズムが提供されてもよい。したがって、上のサブピクチャ１００１及び１００２のみがＣＴＵサイズの整数倍であっても、４つのサブピクチャ１００１、１００２、１００３及び１００４のそれぞれが、他のサブピクチャとは独立して符号化され得る。
　なお、下のサブピクチャ１００３及び１００４においても、上記メカニズムを用いずに、サブピクチャの下側に同様にパディング画素行を追加してＣＴＵサイズの整数倍になるようにしてからサブピクチャが符号化されてもよい。あるいは、サブピクチャの下側に小数のパディング画素行を追加して上記メカニズムが効率良く機能するサイズにしてからサブピクチャが符号化されてもよい。
　パディング後、その結果のモザイクピクチャは、４Ｋよりも大きくなり、無用なパディング画素行を含むことがある。したがって、復号装置において、パディング画素が、表示又は更なる処理の前に削除されてもよい。
　復号装置側の例示的な実装では、ＶＶＣコンフォーマンスクロッピングウィンドウが、パディング画素を除去するため用いられ得る。ここで、クロッピングは、トリミングに対応する。ＶＶＣサブピクチャは、フルピクチャと同じコンフォーマンスクロッピングウィンドウを共有するように設計されている。モザイクピクチャからサブピクチャを抽出する場合、ＶＶＣコンフォーマンスクロッピングウィンドウは、フルピクチャ内のサブピクチャの位置に基づいて書き換えられる。
　図１００を参照して説明した例の場合において、下のＨＤサブピクチャの１つが抽出される場合、パディングされていないため、適用されるコンフォーマンスクロッピングウィンドウがない。上のＨＤサブピクチャの１つが抽出される場合、コンフォーマンスクロッピングウィンドウの上のオフセットが維持され、その結果のサブピクチャは、１９２０×１０８０のＨＤ解像度を有し、復号装置からサブピクチャが出力される前に、上のパディング画素行が削除される。
　図１０１は、異なるＣＴＵサイズで符号化されたサブピクチャ及びモザイクビデオの異なる設定の例の表を示す。ここでは、色差サンプルでの幅が輝度サンプルでの幅の半分で、色差サンプルでの高さが輝度サンプルでの高さの半分である４：２：０の色差フォーマットをピクチャが有すると仮定される。また、この表には、ＶＶＣのＳＰＳ（シーケンスパラメータセット）において、各設定に関連する可能性のあるシグナリング情報が含まれる。
　色差がサブサンプリングされている場合、このような色差サンプル単位でのシグナリングは、輝度サンプル単位でのシグナリングよりも利点を提供する可能性がある。これにより、値の範囲が狭くなり、シグナリングがよりコンパクトになる。しかしながら、本開示は、サイズ（次元）を示す特定単位に限定されない。輝度サンプルに関するシグナリングが、特に色差がサブサンプリングされない場合等に行われてもよい。
　表の１列目は、シンタックス要素名を示す。表の２列目は、１つの４Ｋモザイクピクチャに組み合わされた２×２のＨＤビデオがあり、ＣＴＵサイズが図１００のように１２８×１２８であるシナリオで、それぞれのシンタックス要素名に対する値設定を示す。
　表の３列目は、１つの４Ｋモザイクピクチャに組み合わされた２×２のＨＤビデオがあり、ＣＴＵサイズが６４×６４であるシナリオで、それぞれのシンタックス要素名に対する値設定を示す。表の４列目は、１つの８Ｋモザイクピクチャに組み合わされた２×２の４Ｋビデオがあり、ＣＴＵサイズが１２８×１２８であるシナリオで、それぞれのシンタックス要素名に対する値設定を示す。
　異なるモザイクピクチャサイズ、サブピクチャサイズ、及び／又は、他のサブピクチャ数を含む、サブピクチャサイズ、モザイクサイズ及びＣＴＵサイズの異なる組み合わせを用いることが可能である。この例によれば、コンフォーマンスクロッピングウィンドウを用いて削除されるパディング画素の行又は列をモザイクビデオの上又は左に追加することを可能にする任意の変形例が用いられ得る。
　なお、上のパディングは、垂直解像度が垂直ＣＴＵサイズの整数倍に整合しない場合の例として示されている。同様に、左側の１つ以上のサブピクチャの水平解像度が水平ＣＴＵサイズの整数倍に整合しない場合、モザイクピクチャの左に列がパディングされてもよい。
　図１０１の表は、以下に説明するＳＰＳ要素を示す。パラメータｓｐｓ＿ｐｉｃ＿ｗｉｄｔｈ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓは、ＳＰＳを参照する各復号済みフルピクチャの最大幅を輝度サンプル単位で示す。パラメータｓｐｓ＿ｐｉｃ＿ｈｅｉｇｈｔ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓは、ＳＰＳを参照する各復号済みフルピクチャの最大高さを輝度サンプル単位で示す。
　パラメータｐｐｓ＿ｐｉｃ＿ｗｉｄｔｈ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓは、ＰＰＳを参照する各復号済みフルピクチャの幅を輝度サンプル単位で示し、参照されるＳＰＳでシグナリングされるｓｐｓ＿ｐｉｃ＿ｗｉｄｔｈ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓ以下である。パラメータｐｐｓ＿ｐｉｃ＿ｈｅｉｇｈｔ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓは、ＰＰＳを参照する各復号済みフルピクチャの高さを輝度サンプル単位で示し、参照されるＳＰＳでシグナリングされるｓｐｓ＿ｐｉｃ＿ｈｅｉｇｈｔ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓ以下である。
　パラメータｓｐｓ＿ｃｏｎｆｏｒｍａｎｃｅ＿ｗｉｎｄｏｗ＿ｆｌａｇは、１に等しい場合、コンフォーマンスクロッピングウィンドウオフセットパラメータがＳＰＳにおいて次に続くことを示す。ｓｐｓ＿ｃｏｎｆｏｒｍａｎｃｅ＿ｗｉｎｄｏｗ＿ｆｌａｇは、０に等しい場合、コンフォーマンスクロッピングウィンドウのオフセットパラメータがＳＰＳに存在しないことを示す。
　パラメータｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｌｅｆｔ＿ｏｆｆｓｅｔ、ｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｒｉｇｈｔ＿ｏｆｆｓｅｔ、ｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｔｏｐ＿ｏｆｆｓｅｔ及びｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｂｏｔｔｏｍ＿ｏｆｆｓｅｔは、クロッピングウィンドウを示す。
　具体的には、これらは、ｐｐｓ＿ｐｉｃ＿ｗｉｄｔｈ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓがｓｐｓ＿ｐｉｃ＿ｗｉｄｔｈ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓに等しくｐｐｓ＿ｐｉｃ＿ｈｅｉｇｈｔ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓがｓｐｓ＿ｐｉｃ＿ｈｅｉｇｈｔ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓに等しいピクチャに適用されるクロッピングウィンドウを色差サンプル単位で示す。
　ｓｐｓ＿ｃｏｎｆｏｒｍａｎｃｅ＿ｗｉｎｄｏｗ＿ｆｌａｇが０に等しい場合、ｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｌｅｆｔ＿ｏｆｆｓｅｔ、ｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｒｉｇｈｔ＿ｏｆｆｓｅｔ、ｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｔｏｐ＿ｏｆｆｓｅｔ及びｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｂｏｔｔｏｍ＿ｏｆｆｓｅｔの値は０に等しいと推測される。そのため、復号済のフルピクチャはクロッピングが全く適用されずに復号装置から出力される。
　コンフォーマンスクロッピングウィンドウオフセットパラメータは、出力のみで適用される。全ての内部復号処理は、クロッピングされていないピクチャサイズに適用される。
　図１０１の例のように０に等しくないｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｔｏｐ＿ｏｆｆｓｅｔの値をシグナリングするためには、ｓｐｓ＿ｃｏｎｆｏｒｍａｎｃｅ＿ｗｉｎｄｏｗ＿ｆｌａｇの値は１に等しい。
　パラメータｓｐｓ＿ｎｕｍ＿ｓｕｂｐｉｃｓ＿ｍｉｎｕｓ１プラス１は、ビデオシーケンスの各ピクチャのサブピクチャ数を示す。存在しない場合、ｓｐｓ＿ｎｕｍ＿ｓｕｂｐｉｃｓ＿ｍｉｎｕｓ１の値は０に等しいと推測される。
　パラメータｓｐｓ＿ｉｎｄｅｐｅｎｄｅｎｔ＿ｓｕｂｐｉｃｓ＿ｆｌａｇは、１に等しい場合、ビデオシーケンスにおける全てのサブピクチャ境界がピクチャ境界として扱われ、サブピクチャ境界を跨ぐループフィルタリングがなく、ピクチャにおけるサブピクチャが互いに独立して復号可能であることを示す。存在しない場合、ｓｐｓ＿ｉｎｄｅｐｅｎｄｅｎｔ＿ｓｕｂｐｉｃｓ＿ｆｌａｇの値は、１に等しいと推測される。
　ｓｐｓ＿ｓｕｂｐｉｃ＿ｗｉｄｔｈ＿ｍｉｎｕｓ１［ｉ］プラス１は、ビットストリームで用いられる輝度サンプルでのＣＴＵ幅であるＣｔｂＳｉｚｅＹ単位でｉ番目のサブピクチャの幅を示す。パラメータｓｐｓ＿ｓｕｂｐｉｃ＿ｈｅｉｇｈｔ＿ｍｉｎｕｓ１［ｉ］プラス１は、ビットストリームで用いられる輝度サンプルでのＣＴＵ高さであるＣｔｂＳｉｚｅＹ単位でｉ番目のサブピクチャの高さを示す。
　ここでは、ＣＴＵ（ＣＴＢ）は、正方形であると想定されるため、輝度サンプルでの垂直方向及び水平方向の両方の単一サイズＣｔｂＳｉｚｅＹによって定義される。
　パラメータｓｐｓ＿ｓｕｂｐｉｃ＿ｓａｍｅ＿ｓｉｚｅ＿ｆｌａｇは、１に等しい場合、ビデオシーケンスにおける全てのサブピクチャが、ｓｐｓ＿ｓｕｂｐｉｃ＿ｗｉｄｔｈ＿ｍｉｎｕｓ１［０］プラス１で示される同じ幅、及び、ｓｐｓ＿ｓｕｂｐｉｃ＿ｈｅｉｇｈｔ＿ｍｉｎｕｓ１［０］プラス１で示される同じ高さを有することを示す。ｓｐｓ＿ｓｕｂｐｉｃ＿ｓａｍｅ＿ｓｉｚｅ＿ｆｌａｇが、０に等しい場合、このような制約が課されない。存在しない場合、ｓｐｓ＿ｓｕｂｐｉｃ＿ｓａｍｅ＿ｓｉｚｅ＿ｆｌａｇの値は０に等しいと推測される。
　図１０１の表は、ＣＴＵサイズの倍数にパディングするサブピクチャを実装するために用いられ得る例示的な設定を示す。
　例えば、表の２列目は、４Ｋモザイクピクチャ（フルピクチャ）に２行２列に配置される４つのＨＤビデオが埋め込まれ、ＣＴＵサイズが１２８×１２８（図１００の例に対応）である配置を示す。この例では、ｓｐｓ＿ｎｕｍ＿ｓｕｂｐｉｃｓ＿ｍｉｎｕｓ１を３に設定（４つのサブピクチャを意味）し、ｓｐｓ＿ｉｎｄｅｐｅｎｄｅｎｔ＿ｓｕｂｐｉｃｓ＿ｆｌａｇを１に設定し、ｓｐｓ＿ｓｕｂｐｉｃ＿ｓａｍｅ＿ｓｉｚｅ＿ｆｌａｇを１に設定する（全てのサブピクチャが同じサイズを有することを示す）ことによって、シグナリングが行われ得る。
　コンフォーマンスクロッピング前のモザイクピクチャは、３８４０（幅）×２２３２（高さ）の解像度を有する。幅３８４０は１２８サンプルのＣＴＵサイズの３０倍に等しいが、高さ２２３２は１２８で割り切れない。
　上記のサブピクチャ設定で、モザイクピクチャあたり３０ＣＴＵの幅は、サブピクチャあたり１５ＣＴＵを意味し、したがって、１４である値がｓｐｓ＿ｓｕｂｐｉｃ＿ｗｉｄｔｈ＿ｍｉｎｕｓ１［０］によってシグナリングされる。値が８であるｓｐｓ＿ｓｕｂｐｉｃ＿ｈｅｉｇｈｔ＿ｍｉｎｕｓ１［０］に基づいて、各サブピクチャの高さは、９ＣＴＵであり、２３０４サンプルの高さになる。
　シグナリングされる解像度の高さ（ここでは２２３２）を得るために、復号装置は画像の下境界でコーディングユニットブロックを階層的に分割し、ブロックが２２３２個の輝度サンプルの解像度高さのみをカバーし、それ以上はカバーしないようにする。これは、輝度サンプルの「画素」が存在しない７２行が下の境界で復号されないことを意味する。
　さらに、値が３６である上コンフォーマンスクロッピングウィンドウオフセットが、シグナリングされる。したがって、７２輝度サンプル行（図１０１における４：２：０ビデオが想定され、輝度サンプル数は色差サンプル数の２倍である）及び３６色差サンプル行がピクチャの上から復号装置でクロッピングされる。そのため、コンフォーマンスクロッピングの適用後、解像度３８４０×２１６０の復号済みピクチャになる。
　なお、上記の特定の例は、本開示を限定するものではない。以下に、いくつかのより一般的な例を示す。
　［基本的なコーディングユニットサイズの整数倍に整合しないサイズを有するサブピクチャを処理する一般的な例］
　実施の形態によれば、ピクチャ１０００をビットストリームに符号化するための方法が提供される。このピクチャは、１つ以上のサブピクチャ１００１、１００２、１００３、１００４を含む。この方法は、図１０２に示され、（モザイク）ピクチャの２つ以上のサブピクチャから第１サブピクチャを取得すること（Ｓ１０２１）を含む。
　少なくとも１つの方向における第１サブピクチャのサイズは、予め設定されたコーディングユニットサイズの整数倍ではない。上記の例では、高さのみがＣＴＵサイズの整数倍ではなかった。しかしながら、これは本開示を限定するものではない。垂直（高さ）方向（次元）の代わりに、又はそれに加えて、水平（幅）方向がＣＴＵサイズの整数倍ではなくてもよい。
　なお、上記の例のＣＴＵは、正方形であったので、両方の次元で同じサイズであったが、ＣＴＵが幅及び高さが異なる矩形であった場合でも同様の処理が可能である。また、上記の例では、予め設定されたコーディングユニットサイズは、ＣＴＵサイズとされていたが、それに限ったものではなく、例えば固定（規格で定義）されていてもよいし、あるいは、ピクチャのシーケンス、又は、ピクチャ等に対して、設定可能であってもよい。
　この方法は、さらに、予め設定されたコーディングユニットサイズの整数倍のサイズに到達するために、少なくとも１つの方向（例えば、幅または高さ）において第１サブピクチャをパディングすること（１０２３）を含む。特に、パディングが、予め設定されたコーディングユニットサイズの最も近い整数倍のサイズを達成するために行われてもよい。パディングは、実際の符号化の前に行われ、例えば、符号化の一部として、又は、符号化前の前処理の一種として理解されてもよい。
　次に、この方法では、パディングされた第１サブピクチャ（例えば、１００１、１００２）を含む１つ以上のサブピクチャをビットストリームへ符号化するステップＳ１０２５が用いられる。パディングされた第１サブピクチャ、及び、ピクチャの残りのサブピクチャは、互いに独立して符号化される。このような独立した符号化により、ビットストリームは、サブピクチャが独立して復号可能にもなるため、並列復号の採用を可能にするという有利な特性を有する。
　最後に、この方法は、パディング量を示すクロッピング情報をビットストリームに符号化するステップＳ１０２７を含む。
　上記の例では、クロッピング情報は、クロッピングウィンドウのパラメータとして、例えばＶＶＣで予知されたものとして、ビットストリームにおいて示されていた。しかしながら、これは本開示を限定するものではない。一般的に、異なるシンタックス要素が用いられてもよく、この方法は、既にクロッピングウィンドウを有するコーデックに適用される必要はない。むしろ、そのようなクロッピング情報を含むシンタックスが、任意のコーデックに追加されてもよい。
　例示的な実装によれば、ビットストリームは、ピクチャに適用可能なパラメータセット内にクロッピング情報を含む。
　上記の例では、パラメータセットは、ＶＶＣ及び他のコーデックより既知のＳＰＳであった。しかしながら、本開示は、そのような特定のパラメータセットに限定されない。むしろ、ビットストリームに任意の方法で埋め込まれる任意のパラメータセットが用いられてもよい。例えば、そのようなパラメータセットは、ＰＰＳ、又は、何らかの仮想パラメータセットであってもよいし、あるいは、パラメータが、別の構造内に埋め込まれてもよいと考えられる。
　さらに、第１サブピクチャは、第１上サンプル行数及び／又は第１左サンプル列数でパディングされる。図１００を参照して上述したように、いくつかの態様において、パディング行数が上のサブピクチャに追加（先頭に追加）される。左側のサブピクチャに、パディング列数が追加（先頭に追加）される。したがって、それぞれの垂直又は水平のパディングのための左及び／又は上の境界でないサブピクチャをパディングする更なる行が必要でなくてもよい。
　クロッピング情報は、第１上サンプル行数及び／又は第１左サンプル列数を輝度サンプル単位又は色差サンプル単位で示す。これは、いくつかの実装について、パディングされている第１上サンプル行数及び／又は第１左サンプル列数を示すことと同じであってもよい。
　図１０３は、ビットストリームからサブピクチャを復号するための方法の例を示す。この方法は、ビットストリームから、少なくとも１つの方向（次元とも呼ばれ、例えば、垂直及び／又は水平を意味する）におけるクロッピング量を示すクロッピング情報を復号すること（Ｓ１０３１）を含む。
　さらに、この方法は、ビットストリームからサブピクチャを復号するステップＳ１０３３を含む。サブピクチャは、ビットストリームに含まれる（モザイク）ピクチャの２つ以上のサブピクチャのうちの第１サブピクチャである。２つ以上のサブピクチャは、互いに独立して復号可能である。少なくとも１つの方向において復号済み第１サブピクチャのサイズは、予め設定されたコーディングユニットサイズの整数倍である。
　この方法は、少なくとも１つの方向において、示されるクロッピング量に従って、復号済み第１サブピクチャをクロッピングするステップＳ１０３５をさらに含む。クロッピングは、符号化装置側で（図１０２を参照して説明したような符号化方法中に）パディングされた行及び／又は列を単に破棄（削除）することによって実装されてもよい。この方法は、例えば、表示する目的、又は、更なる処理の目的等で、クロッピングされたサブピクチャを出力すること（Ｓ１０３７）をさらに含んでもよい。
　例えば、ビットストリームは、ピクチャに適用可能なパラメータセット内にクロッピング情報を含む。パラメータセットは、ＳＰＳ、ＰＰＳ、又は、任意の一般的なパラメータセットであってもよい。クロッピング情報は、復号済み第１サブピクチャから削除される第１上サンプル行数及び／又は第１左サンプル列数を示す。
　図１０４は、モザイクビットストリームを作成するためのより詳細な処理例を示すフローチャートである。まず、幅「ｗｉｄｔｈ」及び高さ「ｈｅｉｇｈｔ」が全て同じサイズの４つのビデオが選択され、モザイクが構成される（Ｓ１０４１）。図１００、及び、図１０１の２列目及び３列目の例において、ｗｉｄｔｈは１９２０に等しくなり、ｈｅｉｇｈｔは１０８０に等しくなる。他の値は、例えば、ｗｉｄｔｈについて３８４０であって、ｈｅｉｇｈｔについて２１６０であってもよい。
　次に、例えばＶＶＣで、ＣＴＵサイズ「ｃｔｕｓｉｚｅ」がモザイクの符号化のために選択される（Ｓ１０４２）。ｃｔｕｓｉｚｅのそのような値の１つは、例えば、１２８×１２８画素サイズのＣＴＵに対して１２８に等しくてもよい。別のあり得る値は、６４×６４画素サイズのＣＴＵに対して６４であってもよい。
　なお、選択ステップＳ１０４１及びＳ１０４２は例示的なものであって、基準又は条件に基づく実際の選択を含んでもよいが、必ずしも含まなくてもよい。特に、サブピクチャ（例えば、ＨＤビデオ）は、コンテンツプロバイダによって提供されてもよく、例えば、人又は機械によって選択（Ｓ１０４１）されてもよい。一般的に、それらは、本開示の実施の形態によって特定されるような処理への入力である。
　同様に、ＣＴＵサイズの選択（Ｓ１０４２）は、単にＣＴＵサイズを取得することに対応してもよい。ＣＴＵサイズは、固定されていてもよく、例えば、適用されるコーデック又はコーデックを用いる符号化アプリケーションによって与えられてもよいし、あるいは、アプリケーションによって又は符号化アプリケーションのユーザによって選択されてもよい。
　いずれの場合も、ＣＴＵサイズ、又は、基本的なコーディングユニット（必ずしもＣＴＵでなくてもよく、階層パーティションのルートを意味する）のサイズは、さらに、異なる方向において異なっていてもよく、結果的に非正方形であってもよい。
　図１０４は、選択ステップＳ１０４１及びＳ１０４２に続いて、ピクチャの２つの次元（垂直＝高さ及び水平＝幅）の処理に対応する２つの分岐（並列処理）を示す。上記のように、本開示は、一般的に、２つの次元のいずれか又は両方に適用可能である。完全を期すために、図１０４は、両方向の処理を示す。なお、２つの分岐に対応する処理が並列して行われてもよいし、一方の分岐に対応する処理が行われてから他方の分岐に対応する処理が行われてもよい。
　フロー図の左側では、ステップＳ１０４３及びＳ１０４４が高さの処理に対応する。特に、ＣＴＵ単位でサブピクチャの高さを表す変数「ｓｕｂｐｉｃｈｇｔ」として、ｈｅｉｇｈｔとｃｔｕｓｉｚｅマイナス１との合計をｃｔｕｓｉｚｅで除算したもの以下で最も近い整数値（床関数）が次のように算出（Ｓ１０４３）される。
　　subpichgt = floor ((height+ctusize-1) / ctusize)
　これは、ｈｅｉｇｈｔをｃｔｕｓｉｚｅで除算したもの以上の最も近い整数値を取得することと数学的に同等である。
　次に、モザイクビデオの上に追加するパディング画素行数を表す変数「ｐａｄｒｏｗｓ」として、ｓｕｂｐｉｃｈｇｔをｃｔｕｓｉｚｅで乗算しｈｅｉｇｈｔを引いたものが次のように決定（Ｓ１０４４）される。
　　padrows = subpichgt*ctusize-height
　ｃｔｕｓｉｚｅが１２８に等しく設定された図１００の例において、変数ｓｕｂｐｉｃｈｇｔは９に等しく、変数ｐａｄｒｏｗｓは７２に等しい。
　並行して、ＣＴＵ単位でサブピクチャの幅を表す変数「ｓｕｂｐｉｃｗｄｔ」として、ｗｉｄｔｈとｃｔｕｓｉｚｅマイナス１との合計をｃｔｕｓｉｚｅで除算したもの以下で最も近い整数値（床関数）が次のように算出（Ｓ１０４５）される。
　　subpicwdt = floor ((width+ctusize-1) / ctusize)
　これは、ｗｉｄｔｈをｃｔｕｓｉｚｅで除算したもの以上の最も近い整数値を取得することと数学的に同等である。
　次に、モザイクビデオの左に追加するパディング画素列数を表す変数「ｐａｄｃｏｌｓ」として、ｓｕｂｐｉｃｗｄｔをｃｔｕｓｉｚｅで乗算しｗｉｄｔｈを引いたものが次のように決定（Ｓ１０４６）される。
　　padcols = subpicwdt*ctusize-width
　ｃｔｕｓｉｚｅが１２８に等しく設定された図１００の例において、変数ｓｕｂｐｉｃｗｄｔは１５に等しく、変数ｐａｄｃｏｌｓは０に等しい。
　次に、４つのビデオを２行２列のグリッドに連結し、ビデオの上にｐａｄｒｏｗｓ個のパディング画素行と、ビデオの左にｐａｄｃｏｌｓ個のパディング画素列とを追加することで、モザイクビデオを作成（Ｓ１０４７）する。次に、例えばＶＶＣで、モザイクビデオが符号化（Ｓ１０４８）され、関連ＳＰＳ（シーケンスパラメータセット）のシンタックス要素が、モザイクビットストリームを作成するため設定される。
　特に、ｓｐｓ＿ｐｉｃ＿ｗｉｄｔｈ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓは、２倍のｗｉｄｔｈとｐａｄｃｏｌｓとの合計に等しく設定される。また、ｓｐｓ＿ｐｉｃ＿ｈｅｉｇｈｔ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓは、２倍のｈｅｉｇｈｔとｐａｄｒｏｗｓとの合計に等しく設定される。また、ｓｐｓ＿ｃｏｎｆｏｒｍａｎｃｅ＿ｗｉｎｄｏｗ＿ｆｌａｇは、非ゼロのオフセットを有するコンフォーマンスクロッピングウィンドウがあることをシグナリングするため１に設定される。
　コンフォーマンスクロッピングウィンドウの上及び左のオフセットは、ｐａｄｒｏｗｓ、ｐａｄｃｏｌｓ、及び、ビデオコンテンツの色差フォーマットに基づいて設定される。
　４：２：０コンテンツに対して、色差サンプル単位でｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｔｏｐ＿ｏｆｆｓｅｔ及びｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｌｅｆｔ＿ｏｆｆｓｅｔの値を得るため、ｐａｄｒｏｗｓ及びｐａｄｃｏｌｓを２で割る必要がある。４：４：４コンテンツに対して、輝度サンプルと同数の色差サンプルがあり、ｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｔｏｐ＿ｏｆｆｓｅｔ及びｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｌｅｆｔ＿ｏｆｆｓｅｔがそれぞれｐａｄｒｏｗｓ及びｐａｄｃｏｌｓに等しく設定されているため、この除算の必要はない。
　モザイクビデオのサブピクチャ数ｓｐｓ＿ｎｕｍ＿ｓｕｂｐｉｃｓ＿ｍｉｎｕｓ１は、モザイク内の４つのビデオに対応する４つのサブピクチャの存在をシグナリングするため、３に等しく設定される。また、ｓｐｓ＿ｉｎｄｅｐｅｎｄｅｎｔ＿ｓｕｂｐｉｃ＿ｆｌａｇが１に等しく設定されることにより、サブピクチャが独立して符号化されたとしてシグナリングされ、これにより、全てのサブピクチャを個別に復号することが可能になる。
　また、ｓｐｓ＿ｓｕｂｐｉｃ＿ｓａｍｅ＿ｓｉｚｅ＿ｆｌａｇは、１に設定され、４つのサブピクチャの全てがＣＴＵサイズ単位で同じサイズを有することがシグナリングされる。また、各サブピクチャのサイズは、ｓｐｓ＿ｓｕｂｐｉｃ＿ｗｉｄｔｈ＿ｍｉｎｕｓ１［０］及びｓｐｓ＿ｓｕｂｐｉｃ＿ｈｅｉｇｈｔ＿ｍｉｎｕｓ１［０］をそれぞれｓｕｂｐｉｃｗｄｔマイナス１及びｓｕｂｐｉｃｈｇｔマイナス１に設定することによってシグナリングされる。そして、その結果のモザイクビットストリームを出力として処理が終了する。
　いくつかの態様では、（モザイク）ピクチャは４Ｋ解像度を有し、２つ以上のサブピクチャは、２つまたは４つのサブピクチャであり、それぞれがＨＤ（Ｈｉｇｈ　Ｄｅｆｉｎｉｔｉｏｎ）解像度を有する。特に、４Ｋ解像度は３８４０×２１６０サンプルの次元に対応してもよく、ＨＤ解像度は１９２０×１０８０サンプルの次元に対応してもよい。これらの解像度は、広く用いられており、したがって、多くの既存ソフトウェア及びハードウェア製品と互換性があるため、有利な場合がある。
　ただし、上で説明したように、これらは単なる例示的な実装である。本開示は、４Ｋ／ＨＤに限定されない。図１０１の表の最後の列に示されるように、モザイクピクチャには、８Ｋ又はその他の解像度が用いられてもよく、サブピクチャには、ＨＤ以外の解像度が用いられてもよい。
　例えば、任意のピクチャ及び／又はサブピクチャの解像度がビットストリームでシグナリングされてもよい。その結果、符号化装置及び復号装置の両方が、例えば、サンプル単位での、又は、コーディングユニット等の何らかの予め定義された単位での幅及び高さで与えられる、シグナリングされた解像度で動作するように構成されてもよい。
　１つの有利な実装では、クロッピング情報が、ｓｐｓ＿ｃｏｎｆｏｒｍａｎｃｅ＿ｗｉｎｄｏｗ＿ｆｌａｇ、ｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｔｏｐ＿ｏｆｆｓｅｔ及び／又はｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｌｅｆｔ＿ｏｆｆｓｅｔ等のＶＶＣコンフォーマンスクロッピングウィンドウシンタックス要素を含むことが想定される。
　これにより、既存のＶＶＣコンフォーマンスクロッピングウィンドウツールを、独立して符号化可能及び復号可能なサブピクチャ（ビットストリームの部分）を提供するという特定の目的に利用することが可能になる。コンフォーマンスクロッピングウィンドウのシグナリングにＳＰＳを用いることは、有利な場合がある。しかしながら、一般的に、本開示は、ＳＰＳに限定されず、また、一般的に、ＶＶＣ符号化及び復号のコンテキストでの適用に限定されない。
　同じシンタックス要素が、異なるパラメータセット（ＰＰＳ、ＶＰＳ又はＳＥＩ等）で伝達されてもよい。既知又は開発予定のコーデックは、本開示を実装してもよい。符号化装置側では、サブピクチャが互いに別々に符号化されてもよい。したがって、それらは、少なくとも部分的に、並行して符号化されてもよい。これにより、符号化処理が高速化されてもよい。
　しかしながら、連続的に処理されたとしても、本開示は、依然として、ビットストリームから復号装置が他のサブピクチャを復号することなく１つのサブピクチャを復号することが可能なビットストリームを符号化装置が生成するという利点を提供する。いくつかの例示的な実装では、特定のコーデックとは無関係に、符号化方法は、ピクチャ内の２つ以上のサブピクチャの設定を含むパラメータセットをビットストリームに含めるステップを含む。さらに、この方法は、識別されたサブピクチャを含む符号化済みビットストリーム部分に識別が関連付けられるように、ビットストリーム内のサブピクチャにサブピクチャ識別を提供するステップを含む。上記のように、符号化方法は、また、それぞれのサブピクチャ識別によって識別されるサブピクチャをビットストリームに符号化することを含む。
　符号化装置で生成されるビットストリームは、ビットストリームにおいてサブピクチャ識別を提供することで、復号装置が、他のサブピクチャを含むビットストリームの部分を復号する必要なく、所望のサブピクチャを含む部分を識別し復号することを可能にする構造を有する。
　なお、この例示的な態様における識別は、ビットストリームにおいて明示的に示される。しかしながら、そのような明示的な要素を提供することではなく、むしろ、ビットストリームにおける符号化済みサブピクチャ部分の何らかの所定の順序に基づいてサブピクチャビットストリーム部分を暗黙的に導出することが考えられる。
　ＶＶＣコンフォーマンスクロッピングウィンドウを用いることに加えて、又は、その代わりに、ＶＶＣサブピクチャフレームワークが有利に用いられてもよい。特に、例示的な実装によれば、ビットストリームは、ＶＶＣ（Ｖｅｒｓａｔｉｌｅ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）に準拠するビットストリームである。パラメータセットは、シーケンスパラメータセット（ＳＰＳ）又はピクチャパラメータセット（ＰＰＳ）である。
　例えば、ＳＰＳ実装の場合、ピクチャにおけるサブピクチャ数はｓｐｓ＿ｎｕｍ＿ｓｕｂｐｉｃｓ＿ｍｉｎｕｓ１で与えられる。ピクチャの複数のサブピクチャのサイズが同じであるか否かは、ｓｐｓ＿ｓｕｂｐｉｃ＿ｓａｍｅ＿ｓｉｚｅ＿ｆｌａｇで与えられる。
　少なくとも１つの方向における複数のサブピクチャのサイズは、ｓｐｓ＿ｓｕｂｐｉｃ＿ｗｉｄｔｈ＿ｍｉｎｕｓ１及び／又はｓｐｓ＿ｓｕｂｐｉｃ＿ｈｅｉｇｈｔ＿ｍｉｎｕｓ１で与えられる。少なくとも１つの方向におけるピクチャのサイズは、上記で説明したパラメータ、つまりｓｐｓ＿ｐｉｃ＿ｗｉｄｔｈ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓ及び／又はｓｐｓ＿ｐｉｃ＿ｈｅｉｇｈｔ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓで与えられる。
　本開示は、ＶＶＣ、又は、ＶＶＣ内のサブピクチャの特徴を用いることに限定されない。一般的に、サブピクチャをサポートするため、以下の指標の少なくとも１つを提供することが有利な場合がある。
　　（１）ピクチャにおけるサブピクチャ数
　　（２）ピクチャの複数のサブピクチャのサイズが同じであるか否か
　　（３）少なくとも１つの方向における複数のサブピクチャのサイズ、及び、少なくとも１つの方向におけるピクチャのサイズ
　図１００を参照して既に説明したように、いくつかの態様では、２つ以上の復号済みサブピクチャが少なくとも１つの方向で同じサイズを有し、少なくとも１つの方向において、ピクチャが、連続して配置される第１サブピクチャ及び第２サブピクチャからなることを保証することが有利である場合がある。復号済み第２サブピクチャには、パディングもクロッピングも適用されない。
　言い換えると、より一般的には、（通常のように復号順が左から右及び上から下の場合）ピクチャの下及び／又は右の境界のサブピクチャは、垂直及び／又は水平の方向（次元）におけるＣＴＵサイズの整数倍である必要はない。このような境界サブピクチャは、既存コーデックの既存メカニズムのような他のメカニズムによって処理されてもよい。このような既存メカニズムの１つは、ピクチャ境界での（ピクチャ境界を跨ぐ）ＣＴＵの階層的な分割（つまりパーティショニング）である。
　例えば、第２サブピクチャ（例えば１００３及び／又は１００４）は、ビットストリームシンタックスに従ってビットストリームに含まれ、少なくとも１つの方向において次のようにセグメント化される。
　　（１）最大コーディングユニットサイズと等しい予め設定されたコーディングユニットサイズを有するコーディングツリーユニットであるコーディングユニットの整数倍
　　（２）少なくとも１つの方向においてコーディングツリーユニットよりも小さいサイズを有する残りのコーディングユニット
　残りのコーディングユニットは、さらに階層的に、より小さいコーディングユニットにセグメント化される。いくつかのより小さいコーディングユニットは、正方形又は矩形であってもよい。このようなセグメント化がピクチャの境界とコーディングユニットの境界とが一致するまで階層的に繰り返される。なお、第２サブピクチャの下／右に追加のパディングを行うことで、前記階層的に繰り返されるセグメント化の回数が削減されてもよい。
　なお、ピクチャの下／右の境界における上記メカニズムを用いずに、第２サブピクチャの下／右にもパディングを行うことにより、第２サブピクチャのサイズがＣＴＵサイズの整数倍とするような構成としてもよい。
　このように、第２サブピクチャの下／右にもパディングを行った場合、追加されたパディング画素行数に応じて、ｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｂｏｔｔｏｍ＿ｏｆｆｓｅｔ及びｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｒｉｇｈｔ＿ｏｆｆｓｅｔの値が設定されてもよい。また、この場合、ｓｐｓ＿ｐｉｃ＿ｗｉｄｔｈ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓ及びｓｐｓ＿ｐｉｃ＿ｈｅｉｇｈｔ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓに値が加算されてもよい。
　したがって、例示的な実装では、ピクチャにおける全てのサブピクチャは、少なくとも１つの方向において同じサイズを有する。少なくとも１つの方向において、ピクチャは、連続して配置される２つ以上のサブピクチャからなる。（符号化装置での）パディング、及び、（復号装置での）対応するクロッピングは、少なくとも１つの方向における２つ以上のサブピクチャの全てに適用される。この実装は、それが適用されるコーデックによるピクチャ境界の特定の処理に関係なく、独立して動作する。
　上記のように、ここで説明される実施の形態の利点の１つは、サブピクチャの独立した符号化及び復号を可能にするビットストリーム構造である。このような独立した符号化可能性及び復号可能性は、既存コーデックによって提供される独立して符号化可能かつ復号可能なビットストリーム構造のような既存フレームワークを用いて相乗効果において達成されてもよい。
　例えば、例示的な実装では、ビットストリームは、複数のスライス及び複数のタイルで符号化されたピクチャを含む。各スライス及び各タイルは、１つのサブピクチャのみに対応するデータを含む。上述したように、スライス及びタイルは、独立して符号化され得るピクチャの部分であり、つまり、少なくとも新しいスライス又はタイル毎にエントロピー符号化器／復号器がリスタートされる。
　ＶＶＣにおけるスライス及びタイルの概念は、既に上述されている。１つのサブピクチャのみのデータを含むスライス／タイルを用いて、同じピクチャの他のサブピクチャの符号化／復号からサブピクチャの符号化／復号の独立性が達成される。
　さらに、より限定的で例示的な実装では、ピクチャの各サブピクチャは、単一スライス及び単一タイルに符号化される。サブピクチャ毎に１つのスライス／タイルしかないため、このような符号化、及び、対応する復号は効率的であり、シンタックスのオーバーヘッドが削減される。さらに、このような設定は、以下に示すように、モザイクビットストリームからサブビットストリームに１つのサブピクチャを抽出してサブピクチャを復号する場合の復号装置の動作を簡素化する。
　スライス化及びタイル化の設定は、ビットストリーム内、特にＰＰＳのようなパラメータセット内で提供されてもよい。例えば、ＶＶＣのコンテキストにおいて、パラメータｐｐｓ＿ｎｏ＿ｐｉｃ＿ｐａｒｔｉｔｉｏｎ＿ｆｌａｇは、１に等しい場合、ＰＰＳを参照する各ピクチャにピクチャ分割が適用されないことを示す。パラメータｐｐｓ＿ｎｏ＿ｐｉｃ＿ｐａｒｔｉｔｉｏｎ＿ｆｌａｇは、０に等しい場合、ＰＰＳを参照する各ピクチャが複数のタイル又は複数のスライスに分割される可能性があることを示す。
　さらに、パラメータｐｐｓ＿ｎｕｍ＿ｅｘｐ＿ｔｉｌｅ＿ｃｏｌｕｍｎｓ＿ｍｉｎｕｓ１プラス１は、明示的に提供されるタイル列幅の数を示す。ｐｐｓ＿ｎｕｍ＿ｅｘｐ＿ｔｉｌｅ＿ｃｏｌｕｍｎｓ＿ｍｉｎｕｓ１の値は、０からＰｉｃＷｉｄｔｈＩｎＣｔｂｓＹ－１までの範囲である。ｐｐｓ＿ｎｏ＿ｐｉｃ＿ｐａｒｔｉｔｉｏｎ＿ｆｌａｇが１に等しい場合、ｐｐｓ＿ｎｕｍ＿ｅｘｐ＿ｔｉｌｅ＿ｃｏｌｕｍｎｓ＿ｍｉｎｕｓ１の値は０に等しいと推測される。
　ＰｉｃＷｉｄｔｈＩｎＣｔｂｓＹは、水平方向におけるＣＴＵの倍数でピクチャのサイズ（幅）を示す変数である。ＣＴＵは、ここではＣＴＢ（コーディングツリーブロック）と呼ばれる。
　パラメータｐｐｓ＿ｎｕｍ＿ｅｘｐ＿ｔｉｌｅ＿ｒｏｗｓ＿ｍｉｎｕｓ１プラス１は、明示的に提供されるタイル行高さの数を示す。ｐｐｓ＿ｎｕｍ＿ｅｘｐ＿ｔｉｌｅ＿ｒｏｗｓ＿ｍｉｎｕｓ１の値は、０からＰｉｃＨｅｉｇｈｔＩｎＣｔｂｓＹ－１までの範囲であるべきである。ｐｐｓ＿ｎｏ＿ｐｉｃ＿ｐａｒｔｉｔｉｏｎ＿ｆｌａｇが１に等しい場合、ｎｕｍ＿ｔｉｌｅ＿ｒｏｗｓ＿ｍｉｎｕｓ１の値は０に等しいと推測される。
　ＰｉｃＨｅｉｇｈｔＩｎＣｔｂｓＹは、垂直方向におけるＣＴＵの倍数でピクチャのサイズ（高さ）を示す変数である。
　パラメータｐｐｓ＿ｔｉｌｅ＿ｃｏｌｕｍｎ＿ｗｉｄｔｈ＿ｍｉｎｕｓ１［ｉ］プラス１は、０からｐｐｓ＿ｎｕｍ＿ｅｘｐ＿ｔｉｌｅ＿ｃｏｌｕｍｎｓ＿ｍｉｎｕｓ１までの範囲のｉについてｉ番目のタイル列の幅をＣＴＢ単位で示す。対応して、パラメータｐｐｓ＿ｔｉｌｅ＿ｃｏｌｕｍｎ＿ｗｉｄｔｈ＿ｍｉｎｕｓ１［ｐｐｓ＿ｎｕｍ＿ｅｘｐ＿ｔｉｌｅ＿ｃｏｌｕｍｎｓ＿ｍｉｎｕｓ１］は、インデックスがｐｐｓ＿ｎｕｍ＿ｅｘｐ＿ｔｉｌｅ＿ｃｏｌｕｍｎｓ＿ｍｉｎｕｓ１より大きいタイル列の幅を導出するためにも用いられる。
　パラメータｐｐｓ＿ｔｉｌｅ＿ｃｏｌｕｍｎ＿ｗｉｄｔｈ＿ｍｉｎｕｓ１［ｉ］の値は、０からＰｉｃＷｉｄｔｈＩｎＣｔｂｓＹ－１までの範囲である。存在しない場合、ｐｐｓ＿ｔｉｌｅ＿ｃｏｌｕｍｎ＿ｗｉｄｔｈ＿ｍｉｎｕｓ１［０］の値は、ＰｉｃＷｉｄｔｈＩｎＣｔｂｓＹ－１に等しいと推測される。
　同様に、幅について、パラメータｐｐｓ＿ｔｉｌｅ＿ｒｏｗ＿ｈｅｉｇｈｔ＿ｍｉｎｕｓ１［０］プラス１（１増加）は、０からｐｐｓ＿ｎｕｍ＿ｅｘｐ＿ｔｉｌｅ＿ｒｏｗｓ＿ｍｉｎｕｓ１までの範囲のｉについてｉ番目のタイル行の高さをＣＴＢ単位で示す。パラメータｐｐｓ＿ｔｉｌｅ＿ｒｏｗ＿ｈｅｉｇｈｔ＿ｍｉｎｕｓ１［ｐｐｓ＿ｎｕｍ＿ｅｘｐ＿ｔｉｌｅ＿ｒｏｗｓ＿ｍｉｎｕｓ１］は、インデックスがｐｐｓ＿ｎｕｍ＿ｅｘｐ＿ｔｉｌｅ＿ｒｏｗｓ＿ｍｉｎｕｓ１より大きいタイル行の高さを導出するためにも用いられる。
　ｐｐｓ＿ｔｉｌｅ＿ｒｏｗ＿ｈｅｉｇｈｔ＿ｍｉｎｕｓ１［ｉ］の値は、０からＰｉｃＨｅｉｇｈｔＩｎＣｔｂｓＹ－１までの範囲である。存在しない場合、ｐｐｓ＿ｔｉｌｅ＿ｒｏｗ＿ｈｅｉｇｈｔ＿ｍｉｎｕｓ１［０］の値は、ＰｉｃＨｅｉｇｈｔＩｎＣｔｂｓＹ－１に等しいと推測される。
　さらに、タイルの独立した符号化可能性／復号可能性をサポートする設定があってもよい。例えば、パラメータｐｐｓ＿ｌｏｏｐ＿ｆｉｌｔｅｒ＿ａｃｒｏｓｓ＿ｔｉｌｅｓ＿ｅｎａｂｌｅｄ＿ｆｌａｇは、１に等しい場合、ＰＰＳを参照するピクチャに対してタイル境界を跨ぐインループフィルタ動作が有効であることを示す。ｐｐｓ＿ｌｏｏｐ＿ｆｉｌｔｅｒ＿ａｃｒｏｓｓ＿ｔｉｌｅｓ＿ｅｎａｂｌｅｄ＿ｆｌａｇは、０に等しい場合、ＰＰＳを参照するピクチャに対してタイル境界を跨ぐインループフィルタ動作が無効であることを示す。
　インループフィルタ動作は、デブロックフィルタ、ＳＡＯ及びＡＬＦ動作を含む。ｐｐｓ＿ｌｏｏｐ＿ｆｉｌｔｅｒ＿ａｃｒｏｓｓ＿ｔｉｌｅｓ＿ｅｎａｂｌｅｄ＿ｆｌａｇが存在しない場合、ｐｐｓ＿ｌｏｏｐ＿ｆｉｌｔｅｒ＿ａｃｒｏｓｓ＿ｔｉｌｅｓ＿ｅｎａｂｌｅｄ＿ｆｌａｇの値は０に等しいと推測される。
　さらに、スライス化のパラメータの下で、パラメータｐｐｓ＿ｒｅｃｔ＿ｓｌｉｃｅ＿ｆｌａｇは、０に等しい場合、ＰＰＳを参照する各ピクチャにラスタスキャンスライスモードが用いられ、スライスレイアウトがＰＰＳでシグナリングされないことを示す。一方、ｐｐｓ＿ｒｅｃｔ＿ｓｌｉｃｅ＿ｆｌａｇは、１に等しい場合、ＰＰＳを参照する各ピクチャに矩形スライスモードが用いられ、スライスレイアウトがＰＰＳでシグナリングされることを示す。存在しない場合、ｐｐｓ＿ｒｅｃｔ＿ｓｌｉｃｅ＿ｆｌａｇの値は、１に等しいと推測される。
　ｓｐｓ＿ｓｕｂｐｉｃ＿ｉｎｆｏ＿ｐｒｅｓｅｎｔ＿ｆｌａｇが１に等しい場合、ｐｐｓ＿ｒｅｃｔ＿ｓｌｉｃｅ＿ｆｌａｇの値は１に等しい。
　パラメータｐｐｓ＿ｓｉｎｇｌｅ＿ｓｌｉｃｅ＿ｐｅｒ＿ｓｕｂｐｉｃ＿ｆｌａｇは、１に等しい場合、各サブピクチャが１つの矩形スライスのみで構成されていることを示す。ｐｐｓ＿ｓｉｎｇｌｅ＿ｓｌｉｃｅ＿ｐｅｒ＿ｓｕｂｐｉｃ＿ｆｌａｇは、０に等しい場合、各サブピクチャが１つ以上の矩形スライスで構成されている可能性があることを示す。ｐｐｓ＿ｎｏ＿ｐｉｃ＿ｐａｒｔｉｔｉｏｎ＿ｆｌａｇは、１に等しい場合、ｐｐｓ＿ｓｉｎｇｌｅ＿ｓｌｉｃｅ＿ｐｅｒ＿ｓｕｂｐｉｃ＿ｆｌａｇの値は、１に等しいと推測される。
　ピクチャ毎に１つのサブピクチャのみがある場合において、ｐｐｓ＿ｓｉｎｇｌｅ＿ｓｌｉｃｅ＿ｐｅｒ＿ｓｕｂｐｉｃ＿ｆｌａｇが１に等しいことは、ピクチャ毎に１つのスライスのみがあることを意味する。
　パラメータｐｐｓ＿ｌｏｏｐ＿ｆｉｌｔｅｒ＿ａｃｒｏｓｓ＿ｓｌｉｃｅｓ＿ｅｎａｂｌｅｄ＿ｆｌａｇは、１に等しい場合、ＰＰＳを参照するピクチャに対してスライス境界を跨ぐインループフィルタ動作が有効であることを示す。パラメータｐｐｓ＿ｌｏｏｐ＿ｆｉｌｔｅｒ＿ａｃｒｏｓｓ＿ｓｌｉｃｅ＿ｅｎａｂｌｅｄ＿ｆｌａｇは、０に等しい場合、スライス境界を跨ぐインループフィルタ動作がＰＰＳを参照するピクチャに対して無効であることを示す。
　インループフィルタ動作は、デブロックフィルタ、ＳＡＯ及びＡＬＦ動作を含む。ｐｐｓ＿ｌｏｏｐ＿ｆｉｌｔｅｒ＿ａｃｒｏｓｓ＿ｓｌｉｃｅｓ＿ｅｎａｂｌｅｄ＿ｆｌａｇが存在しない場合、ｐｐｓ＿ｌｏｏｐ＿ｆｉｌｔｅｒ＿ａｃｒｏｓｓ＿ｓｌｉｃｅｓ＿ｅｎａｂｌｅｄ＿ｆｌａｇの値は０に等しいと推測される。
　上記のパラメータは、例示的なものであり、ＶＶＣに基づいている。それらは、モザイクピクチャを構成するサブピクチャの様々なあり得るサイズに整合するようにスライス及びタイルの様々な設定を可能にする。それらは、任意のサイズ及び形状のサブピクチャが、スライス及びタイルを用いて独立して符号化及び復号されてもよいことを示す。
　さらに、復号装置側でモザイクビットストリームからサブピクチャの１つを抽出する場合のＰＰＳ書き換え動作を簡素化するため、各サブピクチャが上記のようにそれぞれ１つのタイル及び１つのスライスのみで構成されることを示すことは有益な場合がある。したがって、符号化装置は、図１００及び図１０１の例について、関連するＰＰＳ（ピクチャパラメータセット）シンタックス要素を以下のように設定してもよい。
　　（１）pps_no_pic_partition_flag = 0
　　（２）pps_num_exp_tile_columns_minus1 = 0
　　（３）pps_num_exp_tile_rows_minus1 = 0
　　（４）pps_tile_column_width_minus1[0] = sps_subpic_width_minus1[0]
　　（５）pps_tile_row_height_minus1[0] = sps_subpic_height_minus1[0]
　　（６）pps_loop_filter_across_tiles_enabled_flag = 0
　　（７）pps_rect_slice_flag = 1
　　（８）pps_single_slice_per_subpic_flag = 1
　　（９）pps_loop_filter_across_slices_enabled_flag = 0
　この場合、抽出されたサブピクチャに対応するＰＰＳは、シンタックス要素ｐｐｓ＿ｎｏ＿ｐｉｃ＿ｐａｒｔｉｔｉｏｎ＿ｆｌａｇを１に等しく単純に設定し、かつ、残りのパラメータをＰＰＳから単純に破棄することで、非常に簡単に書き換えられてもよい。ＰＰＳの書き換えは、復号装置でサブピクチャに対応するサブビットストリームのみを復号する目的のためにモザイクピクチャのビットストリームからサブピクチャに対応するサブビットストリームを分離する場合に行われる手順に関連する。
　サブピクチャの１つを抽出する場合のＰＰＳの書き換えを簡素化する別の実現性は、各サブピクチャが１つのタイルのみで構成されることを示すことであってもよい。その場合、ＰＰＳシンタックスは、ｐｐｓ＿ｓｉｎｇｌｅ＿ｓｌｉｃｅ＿ｐｅｒ＿ｓｕｂｐｉｃ＿ｆｌａｇが０に等しく、スライスのサイズ及び位置をシグナリングするシンタックスがＰＰＳに存在することを除いて、上記と同じになる。
　そして、この場合、抽出されたサブピクチャに属するスライス、及び、他のサブピクチャに属するスライスを識別する必要があるため、サブピクチャ毎に１つのスライスの場合よりもサブピクチャ抽出のための書き換えが複雑になり得る。
　別の方法として、抽出動作が復号装置自体の中で行われる場合、復号装置は、ビットストリーム全体のＰＰＳからの情報を用いて、サブピクチャ内に含まれるタイル／スライスを決定し復号できるため、ＰＰＳが書き換えられなくてもよい。
　ただし、上記のように、本開示は、ＶＶＣ、又は、スライス及びタイルの一方又は両方をサポートするコーデックに限定されない。一方、一般的に、独立して復号可能な部分であって、それらの最初にエントロピー符号化器／復号器がリスタートされることを意味する部分が存在するビットストリーム構造を提供することが有利な場合がある。異なる部分間の境界を跨ぐイントラ予測又はフィルタ等がないというような更なる制限があってもよく、これにより、独立した符号化及び復号であって、場合によっては並列化可能な符号化及び復号の実現性が保証される。
　図１０５は、復号装置側でモザイクビットストリームを受信し、読み解く／復号するフローチャートを示す。ここで、モザイクビットストリームは、ピクチャの他のサブピクチャの復号とは個別に独立して復号可能な複数のサブピクチャからなる符号化済みピクチャ（静止画又はビデオ）を含むビットストリームである。
　ステップＳ１０５２において、ユーザは、モザイクを構成するサブピクチャの１つを、表示のための好ましいピクチャとして選択できる。これは、ユーザにサブピクチャの選択を提供するグラフィカルユーザインターフェースを含むアプリケーションによって行われてもよいし、あるいは、以前にキャプチャされたユーザの好み等に基づいて行われてもよい。
　なお、一般的に、表示のためのサブピクチャが選択されなくてもよい。原則として、本開示の実施の形態は、いくつかの中間符号化又は記録等にも適用可能であり、その場合、即時表示が行われなくてもよく、一方で、１つ以上のサブピクチャ（全てではない）のサブストリームが復号及び／又は保存されてもよい。ここで、復号は、単に、選択された（１つ以上の）サブピクチャに属する関連部分をビットストリームから抽出し、対応するパラメータセット等を書き換えることであってもよいし、このような抽出及び書き換えを含んでもよい。
　図１０５のこの例示的な実施において、選択は、例えば、モザイクビデオ全体（必ずしもビデオの全フレームではないが、場合によっては１つ以上のモザイクピクチャフレーム等）を復号及び表示し、ユーザにモザイクを構成するビデオの１つを選択するように求めることでユーザに提供される。変数ｓｅｌＩＤは、この好ましい（選択された）サブピクチャに対応するサブピクチャ識別子を表す。変数は、図９７及び図９８を参照して上述したように、表示されたサブピクチャをサブピクチャインデックスに関連付ける方法によって得られる。
　ステップＳ１０５４では、サブピクチャ識別子がＳＰＳでシグナリングされる場合、ｓｅｌＩＤがｓｐｓ＿ｓｕｂｐｉｃ＿ｉｄ［ｓｐＩｄｘ］に等しくなるように、サブピクチャインデックスｓｐＩｄｘが決定される。また、サブピクチャ識別子がＰＰＳでシグナリングされる場合、ｓｅｌＩＤがｐｐｓ＿ｓｕｂｐｉｃ＿ｉｄ［ｓｐＩｄｘ］に等しくなるように、サブピクチャインデックスｓｐＩｄｘが決定される。
　また、サブピクチャ識別子が全くシグナリングされないが推測される場合、ｓｅｌＩＤがｓｐＩｄｘに等しくなるように、サブピクチャインデックスｓｐＩｄｘが決定される。
　次に、サブピクチャ（ｓｐＩｄｘ）は、例えばＶＶＣ仕様（ＩＴＵ－Ｔ　Ｈ．２６６（０８／２０２０）のＡｎｎｅｘ　Ｃ．７（非特許文献）を参照）に記載のようなサブピクチャサブビットストリーム抽出処理を用い、入力としてｓｐＩｄｘを用いて、モザイクビットストリームから抽出される。ステップＳ１０５６において、サブピクチャビットストリームに対するＳＰＳ及びＰＰＳは、モザイクビットストリーム全体に対するＳＰＳ及びＰＰＳに基づき、当該抽出処理に従って書き換えられる。
　次に、ステップＳ１０５８において、識別子ｓｅｌＩＤを有するサブピクチャに対応するＮＡＬユニットのみを含む抽出されたサブピクチャビットストリームが復号され、ユーザによって選択された結果のビデオがモザイクビデオの代わりに表示される。そして、処理は終了する。
　いくつかの態様に係る構成では、ビデオコンテンツのユーザパーソナライズのためＶＶＣサブピクチャを用いる可能性があり、それにより、ユーザには、モザイクビデオ内に集められた、表示するいくつかの異なるビデオの選択が提示される。本開示のようにサブピクチャを用いてビットストリームが正しく符号化される場合、受信器で表示を目的としたサブピクチャのみを抽出及び復号することが可能であり、それにより、表示を目的としない画像を復号しないことで演算リソースが浪費されることを回避する。
　図１０５を参照して説明した例示的な実施の形態は、ＶＶＣフレームワーク内で容易に適用可能であるという利点を提供する。しかしながら、既述の通り、本開示は、符号化及び復号の方法及び装置のそのような展開に限定されない。
　一般的に、他の既存又は開発中のコーデックは、本開示を利用できる。例えば、ビットストリームからサブピクチャを復号する方法は、一般的に、ピクチャのサブピクチャを選択するサブピクチャ選択を含む入力をユーザから取得し、ピクチャの別の１つ以上のサブピクチャを復号せず、サブピクチャ選択に従ってビットストリームから第１サブピクチャを復号することを含んでもよい。ここで、別の１つ以上のサブピクチャは、必ずしも残りの全てでなくてもよい。また、ユーザは、複数のサブピクチャを選択してもよい。
　例示的な実装における復号は、ピクチャ内の２つ以上のサブピクチャの設定を含むパラメータセットをビットストリームから読み解き（パースし）、読み解かれた設定に従って選択済みサブピクチャのサブピクチャ識別を決定することを含む。この方法は、決定されたサブピクチャ識別によって識別される選択済みサブピクチャに対応するピクチャ部分をビットストリームから復号し、同じピクチャの選択済みサブピクチャ以外の少なくとも１つのサブピクチャに対応する部分を復号しないことをさらに含んでもよい。
　読み解かれた設定は、例えば、ピクチャにおけるサブピクチャ数、ピクチャの複数のサブピクチャのサイズが同じであるか否か、少なくとも１つの方向における複数のサブピクチャのサイズ、及び、少なくとも１つの方向におけるピクチャのサイズの少なくとも１つを含む。ピクチャ部分は、１つ以上のＮＡＬユニット（ＮＡＬＵ）、又は、一般的に所望の１つ以上のサブピクチャに対応する任意のビットストリーム部分等であってもよい。
　符号化装置側で生成されたビットストリームを復号装置側が復号してもよいため、符号化装置側に関連する上記のビットストリームに関する特徴は復号装置側にも適用可能である。
　［上記の態様の追加的な態様及び変形例］
　本開示は、ＶＶＣコンフォーマンスクロッピングウィンドウの他の態様と組み合わせられ得る。例えば、モザイクビデオの下にパディング画素行、又は、モザイクビデオの右にパディング画素列を追加して、ＣＴＵ単位だけでなく、輝度サンプル単位でも、全てのサブピクチャについて同じサイズを有することが望ましい場合がある。
　例えば、６４×６４のＣＴＵサイズで符号化された４Ｋモザイクピクチャが４つのＨＤサブピクチャで構成される場合、２つの下サブピクチャの下境界の矩形ＣＴＵにおいてＣＴＵの自動分割を避けるため、モザイクピクチャの下に８個のパディング画素行が追加されてもよい。
　別の例として、１２８×１２８のＣＴＵサイズで符号化された４Ｋモザイクピクチャが４つのＨＤサブピクチャで構成される場合、２つの下サブピクチャの下境界の矩形ＣＴＵにおいてＣＴＵの自動分割を避けるため、モザイクピクチャの下に７２個のパディング画素行が追加されてもよい。前の例の代わりに、２つの下サブピクチャの下境界で非常に狭い矩形ＣＴＵへの自動分割を避けるため、モザイクピクチャの下に８個のパディング画素行のみが追加されてもよい。
　さらに、複数の変形例が可能である。例えば、各サブピクチャは、当該サブピクチャの上及び／又は左にパディングされてもよい。パディングが分割され、複数の行の一部が上及び／又は左に追加され、残りのパディング行が下及び／又は右に追加される実装が可能である。
　いくつかの態様は、コンフォーマンスクロッピングウィンドウを用いて、符号化に用いられるＣＴＵサイズの倍数に対応しないサイズのＶＶＣサブピクチャからモザイクビデオの作成を可能にすることをサポートする。符号化装置は、ビデオ毎に１つのサブピクチャで、モザイクの上にあり得るパディング画素行、又は、モザイクの左にあり得るパディング画素列を含めて符号化されたより小さい複数のビデオからモザイクビットストリームを作成する。パディング行又は列は、コンフォーマンスクロッピングオフセットを用いてシグナリングされる。
　そして、復号装置は、モザイクビットストリームからユーザにとって関係のあるサブピクチャを抽出し、復号し、関係のあるサブピクチャのみを表示し、それにより、パディング画素は、シグナリングされたコンフォーマンスクロッピングオフセットに従ってサブピクチャからクロッピングされる。したがって、復号装置は、表示を目的としたサブピクチャのみを復号することにより、演算リソースの浪費を削減する。
　モザイクビデオ内でビデオの下境界をＣＴＵ境界に対応するようにシフトするため、パディング画素行が追加され、下境界にサブピクチャ境界が存在することが可能になる。モザイクビデオ内でビデオの右境界をＣＴＵ境界に対応するようにシフトするため、パディング画素列が追加され、右境界にサブピクチャ境界が存在することが可能になる。
　４つのＨＤビデオが４Ｋモザイクにパッキングされてもよいし、あるいは、４つの４Ｋビデオが８Ｋモザイクにパッキングされてもよい。各サブピクチャは、サブピクチャ抽出時のＰＰＳ書き換えを簡素化するため、１つのタイルのみを含んでもよいし、あるいは、サブピクチャ抽出時のＰＰＳ書き換えを簡素化するため、各サブピクチャは、１つのスライス及び１つのタイルのみを含んでもよい。
　ここで開示された１以上の態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、ここで開示された１以上の態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
　［ハードウェア及びソフトウェアの更なる実装］
　上記の方法に対応して、ビットストリームからサブピクチャを復号するための復号装置が提供される。復号装置は処理回路を含む。
　復号装置の処理回路は、ビットストリームから、少なくとも１つの方向におけるクロッピング量を示すクロッピング情報を復号するように構成される。処理回路は、さらに、ビットストリームからサブピクチャを復号するように構成される。サブピクチャは、ビットストリームに含まれるピクチャの２つ以上のサブピクチャのうちの第１サブピクチャである。２つ以上のサブピクチャは、互いに独立して復号可能である。少なくとも１つの方向において、復号済み第１サブピクチャのサイズは、予め設定されたコーディングユニットサイズの整数倍である。
　復号装置の処理回路は、さらに、少なくとも１つの方向において、示されるクロッピング量に従って、復号済み第１サブピクチャをクロッピングするように構成される。
　同様に、サブピクチャを含むピクチャをビットストリームに符号化する装置（符号化装置）が提供される。装置は、ピクチャの２つ以上のサブピクチャのうちの第１サブピクチャを取得するように構成された処理回路を備えてもよい。少なくとも１つの方向において、第１サブピクチャのサイズは、予め設定されたコーディングユニットサイズの整数倍ではない。
　符号化装置の処理回路は、さらに、第１サブピクチャを少なくとも１つの方向にパディングして予め設定されたコーディングユニットサイズの整数倍のサイズに到達させるように構成される。処理回路は、さらに、パディングされた第１サブピクチャをビットストリームに符号化するように構成され、パディングされた第１サブピクチャ及びピクチャの残りのサブピクチャは、互いに独立して符号化される。最後に、処理回路は、パディング量を示すクロッピング情報をビットストリームに符号化するように構成される。
　なお、処理回路（符号化装置にあるもの及び／又は復号装置にあるもの）は、ソフトウェア及びハードウェアの任意の組み合わせであってもよい。例えば、処理回路は、メモリから取り出されたソフトウェア（コード命令）によって構成される１つ以上のプロセッサであってもよい。対応して、符号化装置及び／又は復号装置はメモリを含んでもよい。符号化装置及び復号装置の例示的な実装は、以下でさらに説明される。符号化装置及び復号装置の処理回路は、さらに、方法についてここで記載の任意のステップを行うように構成されてもよい。
　本開示は、１つ以上のプロセッサによる実装に限定されない。専用のハードウェア又はプログラム可能なハードウェアが含まれてもよく、及び／又は、そのようなものの組み合わせが含まれてもよい。一般的に、符号化装置は、任意のハードウェアにおいて実装されたモジュールを備えてもよい。このようなモジュールは、例えば、以下のものであってもよい。
　　（１）少なくとも１つの画像が入力される入力端子
　　（２）少なくとも１つの画像に含まれる第１画像を複数のブロックに分割するブロック分割器
　　（３）第１画像に含まれる参照画像を用いて、第１画像に含まれるブロックを予測するイントラ予測器
　　（４）第１画像とは異なる第２画像に含まれる参照ブロックを用いて、第１画像に含まれるブロックを予測するインター予測器
　　（５）第１画像に含まれるブロックをフィルタリングするループフィルタ
　　（６）原信号と、イントラ予測器又はインター予測器によって生成された予測信号との間の予測誤差を変換して、変換係数を生成する変換器
　　（７）変換係数を量子化して量子化係数を生成する量子化器
　　（８）量子化係数を可変長符号化して、符号化ビットストリームを生成するエントロピー符号化器
　　（９）符号化された量子化係数及び制御情報が含まれる符号化ビットストリームが出力される出力端子
　ここで、モザイクビットストリームは、ビデオ毎に１つのサブピクチャで、モザイクの上にあり得るパディング画素行又はモザイクの左にあり得るパディング画素列を含めて符号化されるような小さいビデオから作成される。パディング行又はパディング列は、コンフォーマンスクロッピングオフセットを用いてシグナリングされる。
　同様に、復号装置は、以下のモジュールを備えていてもよい。
　　（１）符号化ビットストリームが入力される入力端子
　　（２）符号化ビットストリームを復号して量子化係数を出力する復号器（エントロピー復号器等）
　　（３）量子化係数を逆量子化して変換係数を出力する逆量子化器
　　（４）変換係数を逆変換して予測誤差を出力する逆変換器
　　（５）第１画像に含まれる参照ピクチャを用いて、画像に含まれるブロックを予測するイントラ予測器
　　（６）第１画像とは異なる第２画像に含まれる参照ブロックを用いて、第１画像に含まれるブロックを予測するインター予測器
　　（７）第１画像に含まれるブロックをフィルタリングするループフィルタ
　　（８）第１画像を含むピクチャが出力される出力端子
　ここで、入力端子は、モザイクビットストリームからユーザにとって関係のある復号対象のサブピクチャを抽出し、出力端子は関係のあるサブピクチャのみを表示し、それによってパディング画素はシグナリングされたコンフォーマンスクロッピングオフセットに従ってサブピクチャからクロッピングされる。
　符号化装置では、パディング画素行が追加され、モザイクビデオ内のビデオの下境界がＣＴＵ境界に対応するようにシフトされ、これにより、下境界にサブピクチャ境界が存在することが可能になる。加えて、又は、代わりに、パディング画素列が追加され、モザイクビデオ内のビデオの右境界がＣＴＵ境界に対応するようにシフトされ、これにより、右境界にサブピクチャ境界が存在することが可能になる。
　４つのＨＤビデオは、４Ｋモザイクにパッキングされてもよい。４つの４Ｋビデオが、８Ｋモザイクにパッキングされてもよい。サブピクチャ抽出時のＰＰＳ書き換えを簡素化するため、各サブピクチャは１つのタイルのみを含んでもよい。サブピクチャ抽出時のＰＰＳ書き換えを簡素化するため、各サブピクチャは１つのスライス及び１つのタイルのみを含んでもよい。
　実施の形態によれば、コンピュータ読み取り可能な非一時的な媒体に記憶されたコード命令を含むプログラムが提供される。コード命令は、１つ以上のプロセッサで実行された場合、１つ以上のプロセッサに上記の方法のいずれかを実行させる。
　例えば、符号化装置側及び復号装置側の方法及び装置の両方について、ビットストリームは、ピクチャに適用可能なパラメータセット内のクロッピング情報を含み、クロッピング情報は、復号された第１サブピクチャから削除される第１上サンプル行数及び／又は第１左サンプル列数を示す。
　いくつかの態様において、クロッピング情報は、ＶＶＣコンフォーマンスクロッピングウィンドウシンタックス要素ｓｐｓ＿ｃｏｎｆｏｒｍａｎｃｅ＿ｗｉｎｄｏｗ＿ｆｌａｇ、ｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｔｏｐ＿ｏｆｆｓｅｔ、及び／又はｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｌｅｆｔ＿ｏｆｆｓｅｔを含む。
　符号化装置側の方法、及び、対応する符号化装置は、さらに、ピクチャの第１サブピクチャを選択するサブピクチャ選択を含む入力をユーザから取得し、ピクチャの他のサブピクチャを復号することなく、ビットストリームからサブピクチャ選択に従って第１サブピクチャを復号することを行ってもよい。
　実装において、復号は、ビットストリームから、ピクチャ内の２つ以上のサブピクチャの設定を含むパラメータセットを読み解き、読み解かれた設定に従って、選択済み第１サブピクチャに対するサブピクチャ識別を決定し、決定されたサブピクチャ識別によって識別された選択済み第１サブピクチャに対応する部分をピクチャのビットストリームから復号し、同じピクチャの選択済み第１サブピクチャ以外の少なくとも１つのサブピクチャに対応する部分を復号しないことを含む。
　例えば、読み解かれた設定は、ピクチャにおけるサブピクチャ数、ピクチャの複数のサブピクチャのサイズが同じであるか否か、少なくとも１つの方向における複数のサブピクチャのサイズ、及び、少なくとも１つの方向におけるピクチャのサイズの少なくとも１つを含む。
　例えば、ビットストリームは、ＶＶＣ（Ｖｅｒｓａｔｉｌｅ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）に準拠したビットストリームであり、パラメータセットは、シーケンスパラメータセット（ＳＰＳ）又はピクチャパラメータセット（ＰＰＳ）である。また、ピクチャにおけるサブピクチャ数はｓｐｓ＿ｎｕｍ＿ｓｕｂｐｉｃｓ＿ｍｉｎｕｓ１で与えられ、ピクチャの複数のサブピクチャのサイズが同じであるか否かは、ｓｐｓ＿ｓｕｂｐｉｃ＿ｓａｍｅ＿ｓｉｚｅ＿ｆｌａｇで与えられる。
　また、少なくとも１つの方向における複数のサブピクチャのサイズは、ｓｐｓ＿ｓｕｂｐｉｃ＿ｗｉｄｔｈ＿ｍｉｎｕｓ１及び／又はｓｐｓ＿ｓｕｂｐｉｃ＿ｈｅｉｇｈｔ＿ｍｉｎｕｓ１で与えられる。また、少なくとも１つの方向におけるピクチャのサイズは、ｓｐｓ＿ｐｉｃ＿ｗｉｄｔｈ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓ及び／又はｓｐｓ＿ｐｉｃ＿ｈｅｉｇｈｔ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓで与えられる。
　例えば、２つ以上の復号されたサブピクチャは、少なくとも１つの方向において同じサイズを有し、ピクチャは、少なくとも１の方向において連続して配置される第１サブピクチャ及び第２サブピクチャからなる。そして、復号された第２サブピクチャにはクロッピングが適用されない。
　いくつかの実装では、２つ以上の復号されたサブピクチャは、少なくとも１つの方向において同じサイズを有し、ピクチャは、少なくとも１つの方向において連続して配置される第１サブピクチャ及び第２サブピクチャからなる。そして、クロッピングは、少なくとも１つの方向における２つ以上のサブピクチャの全てに適用される。
　例えば、ビットストリームは、複数のスライス及び複数のタイルに符号化されたピクチャを含む。各スライス及び各タイルは、１つのサブピクチャのみに対応するデータを含む。さらに、２つ以上のサブピクチャの各サブピクチャは、単一スライス及び単一タイルに符号化される。
　要約すると、いくつかの例示的な態様に係る符号化は、ビデオ毎に１つのサブピクチャで、例えばモザイクの上にあり得るパディング画素行、又は、例えばモザイクの左にあり得るパディング画素列を含めて符号化されたより小さいビデオからモザイクビットストリームを作成することを含む。パディング行又はパディング列は、例えばコンフォーマンスクロッピングオフセットを用いてシグナリングされる。
　対応して、いくつかの例示的な態様に係る復号は、ユーザ又はアプリケーションにとって関係のあるサブピクチャのモザイクビットストリームからの抽出、及び、関係のあるサブピクチャのみの復号及び表示を含み、それにより、パディング画素は、シグナリングされたコンフォーマンスクロッピングオフセットに従ってサブピクチャからクロッピングされる。このような符号化又は復号は、表示を目的としたサブピクチャのみの復号によって、演算リソースの浪費を減らすことを可能にする。
　［構成及び処理の代表例］
　上記に示された符号化装置１００及び復号装置２００の構成及び処理の代表例を以下に示す。
　図１０６は、符号化装置１００が行う動作を示すフローチャートである。例えば、符号化装置１００は、回路、及び、回路に接続されたメモリを備える。符号化装置１００が備える回路及びメモリは、図８に示されるプロセッサａ１及びメモリａ２に対応していてもよい。符号化装置１００の回路は、動作において、以下を行う。
　例えば、符号化装置１００の回路は、第１サブピクチャをパディングする（Ｓ１０６１）。ここで、第１サブピクチャは、ピクチャを構成する複数のサブピクチャに含まれる。また、第１サブピクチャの上端及び左端のうちの少なくとも１つの端は、ピクチャの上端及び左端のうちの少なくとも１つの端に含まれる。また、第１サブピクチャの少なくとも１つの端の反対側に少なくとも１つのサブピクチャが隣接する。
　具体的には、符号化装置１００の回路は、ピクチャの少なくとも１つの端におけるパディングによって第１サブピクチャを第１サブピクチャの少なくとも１つの端においてパディングする。また、その際、符号化装置１００の回路は、少なくとも１つの方向において第１サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に到達するように第１サブピクチャをパディングする。
　そして、符号化装置１００の回路は、第１サブピクチャのパディング量に対応するクロッピング量を示すクロッピング情報をビットストリームに符号化する（Ｓ１０６２）。また、符号化装置１００の回路は、パディングされた第１サブピクチャを含む複数のサブピクチャを互いに独立してビットストリームに符号化する（Ｓ１０６３）。
　ここで、クロッピング情報は、第１サブピクチャをパディングすることにより第１サブピクチャに付加される上側サンプル行数及び左側サンプル列数のうちの少なくとも１つをパディング量に対応するクロッピング量として示す。
　これにより、符号化装置１００は、サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に対応するようにサブピクチャをパディングすることができる場合がある。そして、符号化装置１００は、パディング量に従ってサブピクチャをクロッピングするためのクロッピング情報を符号化することができる場合がある。したがって、符号化装置１００は、サブピクチャのサイズをサブピクチャに対応するビデオのサイズに一致させるための情報を符号化することができる場合がある。
　また、例えば、ピクチャは、４Ｋ解像度に対応してもよい。また、各サブピクチャは、ＨＤ解像度に対応してもよい。
　これにより、符号化装置１００は、４Ｋ解像度に対応するピクチャに含まれ、かつ、ＨＤ解像度に対応する複数のサブピクチャを符号化することができる場合がある。したがって、符号化装置１００は、例えば、ＨＤ解像度を有する複数のビデオを４Ｋ解像度を有するビデオとしてビットストリームに符号化することができる場合がある。
　また、例えば、ピクチャは、８Ｋ解像度に対応してもよい。また、各サブピクチャは、４Ｋ解像度に対応してもよい。
　これにより、符号化装置１００は、８ｋ解像度に対応するピクチャに含まれ、かつ、４Ｋ解像度に対応する複数のサブピクチャを符号化することができる場合がある。したがって、符号化装置１００は、例えば、４Ｋ解像度を有する複数のビデオを８Ｋ解像度を有するビデオとしてビットストリームに符号化することができる場合がある。
　また、例えば、クロッピング情報は、ｓｐｓ＿ｃｏｎｆｏｒｍａｎｃｅ＿ｗｉｎｄｏｗ＿ｆｌａｇ、ｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｔｏｐ＿ｏｆｆｓｅｔ及びｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｌｅｆｔ＿ｏｆｆｓｅｔのうちの少なくとも１つを含んでもよい。ここで、各パラメータは、ＶＶＣのコンフォーマンスクロッピングウィンドウに関するシンタックス要素である。
　これにより、符号化装置１００は、クロッピングウィンドウに関するシンタックス要素に従って、サブピクチャをクロッピングするためのクロッピング情報を符号化することができる場合がある。
　また、例えば、符号化装置１００の回路は、複数のサブピクチャの設定をビットストリームに符号化してもよい。そして、ビットストリームは、ピクチャに適用可能なパラメータセット内に複数のサブピクチャの設定を含んでもよい。
　これにより、符号化装置１００は、ピクチャに適用可能なパラメータセットに、パディングされたサブピクチャを含む複数のサブピクチャの設定を符号化することができる場合がある。
　また、例えば、ビットストリームは、ＶＶＣに準拠していてもよい。また、パラメータセットは、ＳＰＳ又はＰＰＳであってもよい。
　また、複数のサブピクチャの設定は、複数のサブピクチャの総数を含んでもよい。また、複数のサブピクチャの設定は、複数のサブピクチャが同じサイズを有するか否かを含んでもよい。また、複数のサブピクチャの設定は、１つ以上の方向に関して複数のサブピクチャに適用される１つ以上のサイズを含んでもよい。また、複数のサブピクチャの設定は、１つ以上の方向に関してピクチャに適用される１つ以上のサイズを含んでもよい。また、複数のサブピクチャの設定は、これらの項目のうちの少なくとも１つを含んでもよい。
　また、複数のサブピクチャの総数は、ｓｐｓ＿ｎｕｍ＿ｓｕｂｐｉｃｓ＿ｍｉｎｕｓ１によって与えられてもよい。また、複数のサブピクチャが同じサイズを有するか否かは、ｓｐｓ＿ｓｕｂｐｉｃ＿ｓａｍｅ＿ｓｉｚｅ＿ｆｌａｇによって与えられてもよい。複数のサブピクチャに適用される１つ以上のサイズは、ｓｐｓ＿ｓｕｂｐｉｃ＿ｗｉｄｔｈ＿ｍｉｎｕｓ１及びｓｐｓ＿ｓｕｂｐｉｃ＿ｈｅｉｇｈｔ＿ｍｉｎｕｓ１のうちの少なくとも１つによって与えられてもよい。
　また、ピクチャに適用される１つ以上のサイズは、ｓｐｓ＿ｐｉｃ＿ｗｉｄｔｈ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓ及びｓｐｓ＿ｐｉｃ＿ｈｅｉｇｈｔ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓのうちの少なくとも１つによって与えられてもよい。ここで、各パラメータは、ＶＶＣのシンタックス要素である。
　これにより、符号化装置１００は、ピクチャにおける各サブピクチャの領域を決定するための設定をＶＶＣのＳＰＳ又はＰＰＳにおける複数のシンタックス要素に従って符号化することができる場合がある。
　また、例えば、１つの方向に関して、第１サブピクチャと第２サブピクチャとが、空間的に連続して配置されてもよい。そして、１つの方向に関して、第１サブピクチャと第２サブピクチャとの合計サイズは、ピクチャのサイズに対応してもよい。そして、１つの方向に関して、第１サブピクチャがパディングされてもよく、かつ、第２サブピクチャがパディングされなくてもよい。
　これにより、符号化装置１００は、空間的に連続して配置される第１サブピクチャ及び第２サブピクチャのうち第１サブピクチャのみをパディングすることができる場合がある。したがって、符号化装置１００は、処理を削減することができる場合がある。
　また、例えば、１つの方向に関して、第１サブピクチャと、第２サブピクチャとが、空間的に連続して配置されてもよい。そして、１つの方向に関して、第１サブピクチャと第２サブピクチャとの合計サイズは、ピクチャのサイズに対応してもよい。そして、１つの方向に関して、第１サブピクチャと第２サブピクチャとの両方がパディングされてもよい。
　これにより、符号化装置１００は、空間的に連続して配置される第１サブピクチャ及び第２サブピクチャの両方をパディングすることができる場合がある。したがって、符号化装置１００は、第１サブピクチャ及び第２サブピクチャの両方に、同様の処理を適用することができる場合がある。よって、符号化装置１００は、処理の複雑化を低減することができる場合がある。
　また、例えば、クロッピング情報は、第２サブピクチャのクロッピング量を示す情報として、ｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｂｏｔｔｏｍ＿ｏｆｆｓｅｔ及びｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｒｉｇｈｔ＿ｏｆｆｓｅｔのうちの少なくとも１つを含んでもよい。ここで、各パラメータは、ＶＶＣのコンフォーマンスクロッピングウィンドウに関するシンタックス要素である。
　これにより、符号化装置１００は、クロッピングウィンドウに関するシンタックス要素に従って、第２サブピクチャをクロッピングするためのクロッピング情報を符号化することができる場合がある。
　また、例えば、ピクチャは、複数のサブピクチャにそれぞれ空間的に等しく一対一に対応する複数のスライスと、複数のサブピクチャにそれぞれ空間的に等しく一対一に対応する複数のタイルとのうちの少なくとも一方を含んでもよい。
　これにより、符号化装置１００は、サブピクチャと、スライス又はタイルとの関係を簡素化することができる場合がある。したがって、符号化装置１００は、処理の複雑化を低減することができる場合がある。
　また、例えば、符号化装置１００のエントロピー符号化部１１０が、符号化装置１００の回路として、上述された動作を行ってもよい。また、エントロピー符号化部１１０は、他の構成要素と協働して、上述された動作を行ってもよい。
　図１０７は、復号装置２００が行う動作を示すフローチャートである。例えば、復号装置２００は、回路、及び、回路に接続されたメモリを備える。復号装置２００が備える回路及びメモリは、図６８に示されるプロセッサｂ１及びメモリｂ２に対応していてもよい。復号装置２００の回路は、動作において、以下を行う。
　例えば、復号装置２００の回路は、第１サブピクチャのパディング量に対応するクロッピング量を示すクロッピング情報をビットストリームから復号してもよい（Ｓ１０７１）。
　ここで、第１サブピクチャは、ピクチャを構成する互いに独立して復号可能な複数のサブピクチャに含まれる。また、第１サブピクチャの上端及び左端のうちの少なくとも１つの端は、ピクチャの上端及び左端のうちの少なくとも１つの端に含まれる。また、第１サブピクチャの少なくとも１つの端の反対側に少なくとも１つのサブピクチャが隣接する。
　また、第１サブピクチャは、ピクチャの少なくとも１つの端におけるパディングによって第１サブピクチャの少なくとも１つの端においてパディングされている。また、第１サブピクチャは、少なくとも１つの方向において第１サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に到達するようにパディングされている。
　また、復号装置２００の回路は、第１サブピクチャをビットストリームから復号する（Ｓ１０７２）。そして、復号装置２００の回路は、クロッピング量に従って第１サブピクチャを第１サブピクチャの少なくとも１つの端においてクロッピングする（Ｓ１０７３）。
　ここで、クロッピング情報は、第１サブピクチャをクロッピングすることにより第１サブピクチャから取り除かれる上側サンプル行数及び左側サンプル列数のうちの少なくとも１つをクロッピング量として示す。
　これにより、復号装置２００は、サイズが予め設定されたコーディングユニットサイズの整数倍に到達するようにパディングされたサブピクチャの復号後、パディング量に対応するクロッピング量に従ってサブピクチャをクロッピングすることができる場合がある。したがって、復号装置２００は、サブピクチャの復号後、サブピクチャのサイズをサブピクチャに対応するビデオのサイズに一致させることができる場合がある。
　また、例えば、ピクチャは、４Ｋ解像度に対応してもよい。また、各サブピクチャは、ＨＤ解像度に対応してもよい。
　これにより、復号装置２００は、４Ｋ解像度に対応するピクチャに含まれ、かつ、ＨＤ解像度に対応する複数のサブピクチャのうちの１つを復号することができる場合がある。したがって、復号装置２００は、例えば、ＨＤ解像度を有する複数のビデオが４Ｋ解像度を有するビデオとして符号化されたビットストリームから、ＨＤ解像度を有する１つのビデオを復号することができる場合がある。
　また、例えば、ピクチャは、８Ｋ解像度に対応してもよい。また、各サブピクチャは、４Ｋ解像度に対応してもよい。
　これにより、復号装置２００は、８Ｋ解像度に対応するピクチャに含まれ、かつ、４Ｋ解像度に対応する複数のサブピクチャのうちの１つを復号することができる場合がある。したがって、復号装置２００は、例えば、４Ｋ解像度を有する複数のビデオが８Ｋ解像度を有するビデオとして符号化されたビットストリームから、４Ｋ解像度を有する１つのビデオを復号することができる場合がある。
　また、例えば、クロッピング情報は、ｓｐｓ＿ｃｏｎｆｏｒｍａｎｃｅ＿ｗｉｎｄｏｗ＿ｆｌａｇ、ｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｔｏｐ＿ｏｆｆｓｅｔ及びｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｌｅｆｔ＿ｏｆｆｓｅｔのうちの少なくとも１つを含んでもよい。ここで、各パラメータは、ＶＶＣのコンフォーマンスクロッピングウィンドウに関するシンタックス要素である。
　これにより、復号装置２００は、クロッピングウィンドウに関するシンタックス要素に従って、サブピクチャのサイズをサブピクチャの復号後に変更することができる場合がある。
　また、例えば、復号装置２００の回路は、複数のサブピクチャのうちの第１サブピクチャを選択するための入力をユーザから取得してもよい。そして、復号装置２００の回路は、入力に従って、ビットストリームから、複数のサブピクチャのうち第１サブピクチャ以外の１つ以上のサブピクチャを復号せずに、第１サブピクチャを復号してもよい。
　これにより、復号装置２００は、ユーザから取得される入力に従って、他の１つ以上のサブピクチャを復号せずに、選択されたサブピクチャを効率的に復号することができる場合がある。
　また、例えば、ビットストリームは、ピクチャに適用可能なパラメータセット内に複数のサブピクチャの設定を含んでもよい。そして、復号装置２００の回路は、ビットストリームから、複数のサブピクチャの設定を復号してもよい。さらに、復号装置２００の回路は、設定及び入力に従って、第１サブピクチャのサブピクチャ識別情報を導出してもよい。そして、復号装置２００の回路は、ビットストリームから、サブピクチャ識別情報によって識別される第１サブピクチャを復号してもよい。
　これにより、復号装置２００は、ピクチャに適用可能なパラメータセット、及び、ユーザから取得される入力に従って、復号されるサブピクチャのサブピクチャ識別情報（サブピクチャインデックス又はサブピクチャ識別子等）を導出することができる場合がある。そして、復号装置２００は、サブピクチャ識別情報に従って識別されるサブピクチャを効率的に復号することができる場合がある。
　また、例えば、ビットストリームは、ＶＶＣに準拠していてもよい。パラメータセットは、ＳＰＳ又はＰＰＳであってもよい。
　また、複数のサブピクチャの設定は、複数のサブピクチャの総数を含んでもよい。また、複数のサブピクチャの設定は、複数のサブピクチャが同じサイズを有するか否かを含んでもよい。また、複数のサブピクチャの設定は、１つ以上の方向に関して複数のサブピクチャに適用される１つ以上のサイズを含んでもよい。また、複数のサブピクチャの設定は、１つ以上の方向に関してピクチャに適用される１つ以上のサイズを含んでもよい。複数のサブピクチャの設定は、これらの項目のうちの少なくとも１つを含んでもよい。
　また、複数のサブピクチャの総数は、ｓｐｓ＿ｎｕｍ＿ｓｕｂｐｉｃｓ＿ｍｉｎｕｓ１によって与えられてもよい。また、複数のサブピクチャが同じサイズを有するか否かは、ｓｐｓ＿ｓｕｂｐｉｃ＿ｓａｍｅ＿ｓｉｚｅ＿ｆｌａｇによって与えられてもよい。また、複数のサブピクチャに適用される１つ以上のサイズは、ｓｐｓ＿ｓｕｂｐｉｃ＿ｗｉｄｔｈ＿ｍｉｎｕｓ１及びｓｐｓ＿ｓｕｂｐｉｃ＿ｈｅｉｇｈｔ＿ｍｉｎｕｓ１のうちの少なくとも１つによって与えられてもよい。
　また、ピクチャに適用される１つ以上のサイズは、ｓｐｓ＿ｐｉｃ＿ｗｉｄｔｈ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓ及びｓｐｓ＿ｐｉｃ＿ｈｅｉｇｈｔ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓのうちの少なくとも１つによって与えられてもよい。ここで、各パラメータは、ＶＶＣのシンタックス要素である。
　これにより、復号装置２００は、ピクチャにおける各サブピクチャの領域を決定するための設定をＶＶＣのＳＰＳ又はＰＰＳにおける複数のシンタックス要素に従って復号することができる場合がある。そして、復号装置２００は、サブピクチャとして選択された領域に対応するサブピクチャ識別情報等を導出することができる場合がある。
　また、例えば、１つの方向に関して、第１サブピクチャと第２サブピクチャとが、空間的に連続して配置されてもよい。また、１つの方向に関して、第１サブピクチャと第２サブピクチャとの合計サイズは、ピクチャのサイズに対応してもよい。そして、１つの方向に関して、第１サブピクチャがクロッピングされてもよく、かつ、第２サブピクチャがクロッピングされなくてもよい。
　これにより、復号装置２００は、空間的に連続して配置される第１サブピクチャ及び第２サブピクチャのうち第１サブピクチャのみをクロッピングすることができる場合がある。したがって、処理を削減することができる場合がある。
　また、例えば、１つの方向に関して、第１サブピクチャと第２サブピクチャとが、空間的に連続して配置されてもよい。また、１つの方向に関して、第１サブピクチャと第２サブピクチャとの合計サイズは、ピクチャのサイズに対応してもよい。また、１つの方向に関して、第１サブピクチャと第２サブピクチャとの両方がクロッピングされてもよい。
　これにより、復号装置２００は、空間的に連続して配置される第１サブピクチャ及び第２サブピクチャの両方をクロッピングすることができる場合がある。したがって、復号装置２００は、第１サブピクチャ及び第２サブピクチャの両方に、同様の処理を適用することができる場合がある。よって、復号装置２００は、処理の複雑化を低減することができる場合がある。
　また、例えば、クロッピング情報は、第２サブピクチャのクロッピング量を示す情報として、ｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｂｏｔｔｏｍ＿ｏｆｆｓｅｔ及びｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｒｉｇｈｔ＿ｏｆｆｓｅｔのうちの少なくとも１つを含んでもよい。ここで、各パラメータは、ＶＶＣのコンフォーマンスクロッピングウィンドウに関するシンタックス要素である。
　これにより、復号装置２００は、クロッピングウィンドウに関するシンタックス要素に従って、第２サブピクチャのサイズをサブピクチャの復号後に変更することができる場合がある。
　また、例えば、ピクチャは、複数のサブピクチャにそれぞれ空間的に等しく一対一に対応する複数のスライスと、複数のサブピクチャにそれぞれ空間的に等しく一対一に対応する複数のタイルとのうちの少なくとも一方を含んでもよい。
　これにより、復号装置２００は、サブピクチャと、スライス又はタイルとの関係を簡素化することができる場合がある。したがって、復号装置２００は、処理の複雑化を低減することができる場合がある。
　また、例えば、復号装置２００のエントロピー復号部２０２が、復号装置２００の回路として、上述された動作を行ってもよい。また、エントロピー復号部２０２は、他の構成要素と協働して、上述された動作を行ってもよい。
　なお、ピクチャ等の分割は、ピクチャ等の枠組みの分割を意味していてもよく、復号前であってもピクチャ等の分割は可能である。同様に、復号前であっても各種領域等の割り当ては可能である。
　［その他の例］
　上述された各例における符号化装置１００及び復号装置２００は、それぞれ、画像符号化装置及び画像復号装置として利用されてもよいし、動画像符号化装置及び動画像復号装置として利用されてもよい。
　あるいは、符号化装置１００及び復号装置２００は、それぞれ、エントロピー符号化装置及びエントロピー復号装置として利用されてもよい。すなわち、符号化装置１００及び復号装置２００は、それぞれ、エントロピー符号化部１１０及びエントロピー復号部２０２のみに対応していてもよい。そして、他の構成要素は、他の装置に含まれていてもよい。
　また、符号化装置１００は、入力部及び出力部を備えていてもよい。例えば、符号化装置１００の入力部へ１つ以上のピクチャが入力され、符号化装置１００の出力部から符号化ビットストリームが出力される。復号装置２００も、入力部及び出力部を備えていてもよい。例えば、復号装置２００の入力部へ符号化ビットストリームが入力され、復号装置２００の出力部から１つ以上のピクチャが出力される。符号化ビットストリームは、可変長符号化が適用された量子化係数と、制御情報とを含んでいてもよい。
　また、符号化するという表現は、格納する、含める、書き込む、記述する、信号化する、送り出す、通知する、又は、保存する等の表現に置き換えられてもよい。例えば、情報を符号化することは、ビットストリームに情報を含めることであってもよい。また、情報をビットストリームに符号化することは、情報を符号化して、符号化された情報を含むビットストリームを生成することを意味してもよい。
　また、復号するという表現は、読み出す、読み解く、読み取る、読み込む、導出する、取得する、受け取る、抽出する、又は、復元する等の表現に置き換えられてもよい。例えば、情報を復号することは、ビットストリームから情報を取得することであってもよい。また、ビットストリームから情報を復号することは、ビットストリームを復号して、ビットストリームに含まれる情報を取得することを意味してもよい。
　また、各種領域を１つ以上のサブ領域に分割することは、各種領域に１つ以上のサブ領域を割り当てることに対応し、各種領域を１つ以上のサブ領域に区分すると表現されてもよい。各種領域を１つ以上のサブ領域に分割すること、各種領域に１つ以上のサブ領域を割り当てること、及び、各種領域を１つ以上のサブ領域に区分することは、相互に読み替えられ得る。
　また、上述された各例の少なくとも一部が、符号化方法として利用されてもよいし、復号方法として利用されてもよいし、エントロピー符号化方法として利用されてもよいし、エントロピー復号方法として利用されてもよいし、その他の方法として利用されてもよい。
　また、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
　具体的には、符号化装置１００及び復号装置２００のそれぞれは、処理回路（Ｐｒｏｃｅｓｓｉｎｇ　Ｃｉｒｃｕｉｔｒｙ）と、当該処理回路に電気的に接続された、当該処理回路からアクセス可能な記憶装置（Ｓｔｏｒａｇｅ）とを備えていてもよい。例えば、処理回路はプロセッサａ１又はｂ１に対応し、記憶装置はメモリａ２又はｂ２に対応する。
　処理回路は、専用のハードウェア及びプログラム実行部の少なくとも一方を含み、記憶装置を用いて処理を実行する。また、記憶装置は、処理回路がプログラム実行部を含む場合には、当該プログラム実行部により実行されるソフトウェアプログラムを記憶する。
　ここで、上述された符号化装置１００又は復号装置２００などを実現するソフトウェアは、次のようなプログラムである。
　例えば、このプログラムは、コンピュータに、（ｉ）ピクチャを構成する複数のサブピクチャのうちのサブピクチャであり、（ｉｉ）当該サブピクチャの上端及び左端のうちの少なくとも１つの端が前記ピクチャの上端及び左端のうちの少なくとも１つの端に含まれ、（ｉｉｉ）当該サブピクチャの前記少なくとも１つの端の反対側に前記複数のサブピクチャのうちの少なくとも１つのサブピクチャが隣接するサブピクチャである第１サブピクチャを、前記ピクチャの前記少なくとも１つの端におけるパディングによって少なくとも１つの方向において前記第１サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に到達するように前記第１サブピクチャの前記少なくとも１つの端においてパディングすることと、前記第１サブピクチャのパディング量に対応するクロッピング量を示すクロッピング情報をビットストリームに符号化することと、パディングされた前記第１サブピクチャを含む前記複数のサブピクチャを互いに独立して前記ビットストリームに符号化することとを含み、前記クロッピング情報は、前記第１サブピクチャをパディングすることにより前記第１サブピクチャに付加される上側サンプル行数及び左側サンプル列数のうちの少なくとも１つを前記パディング量に対応する前記クロッピング量として示す符号化方法を実行させてもよい。
　また、例えば、このプログラムは、コンピュータに、（ｉ）ピクチャを構成する互いに独立して復号可能な複数のサブピクチャのうちのサブピクチャであり、（ｉｉ）当該サブピクチャの上端及び左端のうちの少なくとも１つの端が前記ピクチャの上端及び左端のうちの少なくとも１つの端に含まれ、（ｉｉｉ）当該サブピクチャの前記少なくとも１つの端の反対側に前記複数のサブピクチャのうちの少なくとも１つのサブピクチャが隣接し、（ｉｖ）前記ピクチャの前記少なくとも１つの端におけるパディングによって少なくとも１つの方向において当該サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に到達するように当該サブピクチャの前記少なくとも１つの端においてパディングされたサブピクチャである第１サブピクチャのパディング量に対応するクロッピング量を示すクロッピング情報をビットストリームから復号することと、前記第１サブピクチャを前記ビットストリームから復号することと、前記クロッピング量に従って前記第１サブピクチャを前記第１サブピクチャの前記少なくとも１つの端においてクロッピングすることとを含み、前記クロッピング情報は、前記第１サブピクチャをクロッピングすることにより前記第１サブピクチャから取り除かれる上側サンプル行数及び左側サンプル列数のうちの少なくとも１つを前記クロッピング量として示す復号方法を実行させてもよい。
　また、各構成要素は、上述の通り、回路であってもよい。これらの回路は、全体として１つの回路を構成してもよいし、それぞれ別々の回路であってもよい。また、各構成要素は、汎用的なプロセッサで実現されてもよいし、専用のプロセッサで実現されてもよい。
　また、特定の構成要素が実行する処理を別の構成要素が実行してもよい。また、処理を実行する順番が変更されてもよいし、複数の処理が並行して実行されてもよい。また、符号化復号装置が、符号化装置１００及び復号装置２００を備えていてもよい。
　また、説明に用いられた第１及び第２等の序数は、適宜、付け替えられてもよい。また、構成要素などに対して、序数が新たに与えられてもよいし、取り除かれてもよい。また、これらの序数は、要素を識別するため、要素に付けられる場合があり、意味のある順序に対応しない場合がある。
　また、閾値以上という表現と、閾値よりも大きいという表現とが、相互に読み替えられてもよい。また、閾値以下という表現と、閾値よりも小さいという表現とが、相互に読み替えられてもよい。
　以上、符号化装置１００及び復号装置２００の態様について、複数の例に基づいて説明したが、符号化装置１００及び復号装置２００の態様は、これらの例に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を各例に施したものや、異なる例における構成要素を組み合わせて構築される形態も、符号化装置１００及び復号装置２００の態様の範囲内に含まれてもよい。
　ここで開示された１以上の態様を本開示における他の態様の少なくとも一部と組み合わせて実施してもよい。また、ここで開示された１以上の態様のフローチャートに記載の一部の処理、装置の一部の構成、シンタックスの一部などを他の態様と組み合わせて実施してもよい。
　［実施及び応用］
　以上の各実施の形態において、機能的又は作用的なブロックの各々は、通常、ＭＰＵ（ｍｉｃｒｏ　ｐｒｏｃｃｅｓｓｉｎｇ　ｕｎｉｔ）及びメモリ等によって実現可能である。また、機能ブロックの各々による処理は、ＲＯＭ等の記録媒体に記録されたソフトウェア（プログラム）を読み出して実行するプロセッサなどのプログラム実行部として実現されてもよい。当該ソフトウェアは、配布されてもよい。当該ソフトウェアは、半導体メモリなどの様々な記録媒体に記録されてもよい。なお、各機能ブロックをハードウェア（専用回路）によって実現することも可能である。
　各実施の形態において説明した処理は、単一の装置（システム）を用いて集中処理することによって実現してもよく、又は、複数の装置を用いて分散処理することによって実現してもよい。また、上記プログラムを実行するプロセッサは、単数であってもよく、複数であってもよい。すなわち、集中処理を行ってもよく、又は分散処理を行ってもよい。
　本開示の態様は、以上の実施例に限定されることなく、種々の変更が可能であり、それらも本開示の態様の範囲内に包含される。
　さらにここで、上記各実施の形態で示した動画像符号化方法（画像符号化方法）又は動画像復号化方法（画像復号方法）の応用例、及び、その応用例を実施する種々のシステムを説明する。このようなシステムは、画像符号化方法を用いた画像符号化装置、画像復号方法を用いた画像復号装置、又は、両方を備える画像符号化復号装置を有することを特徴としてもよい。このようなシステムの他の構成について、場合に応じて適切に変更することができる。
　［使用例］
　図１０８は、コンテンツ配信サービスを実現する適切なコンテンツ供給システムｅｘ１００の全体構成を示す図である。通信サービスの提供エリアを所望の大きさに分割し、各セル内にそれぞれ、図示された例における固定無線局である基地局ｅｘ１０６、ｅｘ１０７、ｅｘ１０８、ｅｘ１０９、ｅｘ１１０が設置されている。
　このコンテンツ供給システムｅｘ１００では、インターネットｅｘ１０１に、インターネットサービスプロバイダｅｘ１０２又は通信網ｅｘ１０４、及び基地局ｅｘ１０６～ｅｘ１１０を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器が接続される。当該コンテンツ供給システムｅｘ１００は、上記のいずれかの装置を組合せて接続するようにしてもよい。種々の実施において、基地局ｅｘ１０６～ｅｘ１１０を介さずに、各機器が電話網又は近距離無線等を介して直接的又は間接的に相互に接続されていてもよい。さらに、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１等を介して、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、及びスマートフォンｅｘ１１５などの各機器と接続されてもよい。また、ストリーミングサーバｅｘ１０３は、衛星ｅｘ１１６を介して、飛行機ｅｘ１１７内のホットスポット内の端末等と接続されてもよい。
　なお、基地局ｅｘ１０６～ｅｘ１１０の代わりに、無線アクセスポイント又はホットスポット等が用いられてもよい。また、ストリーミングサーバｅｘ１０３は、インターネットｅｘ１０１又はインターネットサービスプロバイダｅｘ１０２を介さずに直接通信網ｅｘ１０４と接続されてもよいし、衛星ｅｘ１１６を介さず直接飛行機ｅｘ１１７と接続されてもよい。
　カメラｅｘ１１３はデジタルカメラ等の静止画撮影、及び動画撮影が可能な機器である。また、スマートフォンｅｘ１１５は、２Ｇ、３Ｇ、３．９Ｇ、４Ｇ、そして今後は５Ｇと呼ばれる移動通信システムの方式に対応したスマートフォン機、携帯電話機、又はＰＨＳ（Ｐｅｒｓｏｎａｌ　Ｈａｎｄｙｐｈｏｎｅ　Ｓｙｓｔｅｍ）等である。
　家電ｅｘ１１４は、冷蔵庫、又は家庭用燃料電池コージェネレーションシステムに含まれる機器等である。
　コンテンツ供給システムｅｘ１００では、撮影機能を有する端末が基地局ｅｘ１０６等を通じてストリーミングサーバｅｘ１０３に接続されることで、ライブ配信等が可能になる。ライブ配信では、端末（コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、及び飛行機ｅｘ１１７内の端末等）は、ユーザが当該端末を用いて撮影した静止画又は動画コンテンツに対して上記各実施の形態で説明した符号化処理を行ってもよく、符号化により得られた映像データと、映像に対応する音を符号化した音データと多重化してもよく、得られたデータをストリーミングサーバｅｘ１０３に送信してもよい。即ち、各端末は、本開示の一態様に係る画像符号化装置として機能する。
　一方、ストリーミングサーバｅｘ１０３は要求のあったクライアントに対して送信されたコンテンツデータをストリーム配信する。クライアントは、上記符号化処理されたデータを復号化することが可能な、コンピュータｅｘ１１１、ゲーム機ｅｘ１１２、カメラｅｘ１１３、家電ｅｘ１１４、スマートフォンｅｘ１１５、又は飛行機ｅｘ１１７内の端末等である。配信されたデータを受信した各機器は、受信したデータを復号化処理して再生する。即ち、各機器は、本開示の一態様に係る画像復号装置として機能してもよい。
　［分散処理］
　また、ストリーミングサーバｅｘ１０３は複数のサーバ又は複数のコンピュータであって、データを分散して処理したり記録したり配信するものであってもよい。例えば、ストリーミングサーバｅｘ１０３は、ＣＤＮ（Ｃｏｎｔｅｎｔｓ　Ｄｅｌｉｖｅｒｙ　Ｎｅｔｗｏｒｋ）により実現され、世界中に分散された多数のエッジサーバとエッジサーバ間をつなぐネットワークによりコンテンツ配信が実現されていてもよい。ＣＤＮでは、クライアントに応じて物理的に近いエッジサーバが動的に割り当てられる。そして、当該エッジサーバにコンテンツがキャッシュ及び配信されることで遅延を減らすことができる。また、いくつかのタイプのエラーが発生した場合又はトラフィックの増加などにより通信状態が変わる場合に複数のエッジサーバで処理を分散したり、他のエッジサーバに配信主体を切り替えたり、障害が生じたネットワークの部分を迂回して配信を続けることができるので、高速かつ安定した配信が実現できる。
　また、配信自体の分散処理にとどまらず、撮影したデータの符号化処理を各端末で行ってもよいし、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、一般に符号化処理では、処理ループが２度行われる。１度目のループでフレーム又はシーン単位での画像の複雑さ、又は、符号量が検出される。また、２度目のループでは画質を維持して符号化効率を向上させる処理が行われる。例えば、端末が１度目の符号化処理を行い、コンテンツを受け取ったサーバ側が２度目の符号化処理を行うことで、各端末での処理負荷を減らしつつもコンテンツの質と効率を向上させることができる。この場合、ほぼリアルタイムで受信して復号する要求があれば、端末が行った一度目の符号化済みデータを他の端末で受信して再生することもできるので、より柔軟なリアルタイム配信も可能になる。
　他の例として、カメラｅｘ１１３等は、画像から特徴量抽出を行い、特徴量に関するデータをメタデータとして圧縮してサーバに送信する。サーバは、例えば特徴量からオブジェクトの重要性を判断して量子化精度を切り替えるなど、画像の意味（又は内容の重要性）に応じた圧縮を行う。特徴量データはサーバでの再度の圧縮時の動きベクトル予測の精度及び効率向上に特に有効である。また、端末でＶＬＣ（可変長符号化）などの簡易的な符号化を行い、サーバでＣＡＢＡＣ（コンテキスト適応型二値算術符号化方式）など処理負荷の大きな符号化を行ってもよい。
　さらに他の例として、スタジアム、ショッピングモール、又は工場などにおいては、複数の端末によりほぼ同一のシーンが撮影された複数の映像データが存在する場合がある。この場合には、撮影を行った複数の端末と、必要に応じて撮影をしていない他の端末及びサーバを用いて、例えばＧＯＰ（Ｇｒｏｕｐ　ｏｆ　Ｐｉｃｔｕｒｅ）単位、ピクチャ単位、又はピクチャを分割したタイル単位などで符号化処理をそれぞれ割り当てて分散処理を行う。これにより、遅延を減らし、よりリアルタイム性を実現できる。
　複数の映像データはほぼ同一シーンであるため、各端末で撮影された映像データを互いに参照し合えるように、サーバで管理及び／又は指示をしてもよい。また、各端末からの符号化済みデータを、サーバが受信し複数のデータ間で参照関係を変更、又はピクチャ自体を補正或いは差し替えて符号化しなおしてもよい。これにより、一つ一つのデータの質と効率を高めたストリームを生成できる。
　さらに、サーバは、映像データの符号化方式を変更するトランスコードを行ったうえで映像データを配信してもよい。例えば、サーバは、ＭＰＥＧ系の符号化方式をＶＰ系（例えばＶＰ９）に変換してもよいし、Ｈ．２６４をＨ．２６５に変換してもよい。
　このように、符号化処理は、端末、又は１以上のサーバにより行うことが可能である。よって、以下では、処理を行う主体として「サーバ」又は「端末」等の記載を用いるが、サーバで行われる処理の一部又は全てが端末で行われてもよいし、端末で行われる処理の一部又は全てがサーバで行われてもよい。また、これらに関しては、復号処理についても同様である。
　［３Ｄ、マルチアングル］
　互いにほぼ同期した複数のカメラｅｘ１１３及び／又はスマートフォンｅｘ１１５などの端末により撮影された異なるシーン、又は、同一シーンを異なるアングルから撮影した画像或いは映像を統合して利用することが増えてきている。各端末で撮影した映像は、別途取得した端末間の相対的な位置関係、又は、映像に含まれる特徴点が一致する領域などに基づいて統合される。
　サーバは、２次元の動画像を符号化するだけでなく、動画像のシーン解析などに基づいて自動的に、又は、ユーザが指定した時刻において、静止画を符号化し、受信端末に送信してもよい。サーバは、さらに、撮影端末間の相対的な位置関係を取得できる場合には、２次元の動画像だけでなく、同一シーンが異なるアングルから撮影された映像に基づき、当該シーンの３次元形状を生成できる。サーバは、ポイントクラウドなどにより生成した３次元のデータを別途符号化してもよいし、３次元データを用いて人物又はオブジェクトを認識或いは追跡した結果に基づいて、受信端末に送信する映像を、複数の端末で撮影した映像から、選択、又は、再構成して生成してもよい。
　このようにして、ユーザは、各撮影端末に対応する各映像を任意に選択してシーンを楽しむこともできるし、複数画像又は映像を用いて再構成された３次元データから選択視点の映像を切り出したコンテンツを楽しむこともできる。さらに、映像と共に、音も複数の相異なるアングルから収音され、サーバは、特定のアングル又は空間からの音を対応する映像と多重化して、多重化された映像と音とを送信してもよい。
　また、近年ではＶｉｒｔｕａｌ　Ｒｅａｌｉｔｙ（ＶＲ）及びＡｕｇｍｅｎｔｅｄ　Ｒｅａｌｉｔｙ（ＡＲ）など、現実世界と仮想世界とを対応付けたコンテンツも普及してきている。ＶＲの画像の場合、サーバは、右目用及び左目用の視点画像をそれぞれ作成し、Ｍｕｌｔｉ－Ｖｉｅｗ　Ｃｏｄｉｎｇ（ＭＶＣ）などにより各視点映像間で参照を許容する符号化を行ってもよいし、互いに参照せずに別ストリームとして符号化してもよい。別ストリームの復号時には、ユーザの視点に応じて仮想的な３次元空間が再現されるように互いに同期させて再生するとよい。
　ＡＲの画像の場合には、サーバは、現実空間のカメラ情報に、仮想空間上の仮想物体情報を、３次元的位置又はユーザの視点の動きに基づいて重畳する。復号装置は、仮想物体情報及び３次元データを取得又は保持し、ユーザの視点の動きに応じて２次元画像を生成し、スムーズにつなげることで重畳データを作成してもよい。または、復号装置は仮想物体情報の依頼に加えてユーザの視点の動きをサーバに送信してもよい。サーバは、サーバに保持される３次元データから受信した視点の動きに合わせて重畳データを作成し、重畳データを符号化して復号装置に配信してもよい。なお、重畳データは、ＲＧＢ以外に透過度を示すα値を有し、サーバは、３次元データから作成されたオブジェクト以外の部分のα値が０などに設定し、当該部分が透過する状態で、符号化してもよい。もしくは、サーバは、クロマキーのように所定の値のＲＧＢ値を背景に設定し、オブジェクト以外の部分は背景色にしたデータを生成してもよい。
　同様に配信されたデータの復号処理はクライアントである各端末で行っても、サーバ側で行ってもよいし、互いに分担して行ってもよい。一例として、ある端末が、一旦サーバに受信リクエストを送り、そのリクエストに応じたコンテンツを他の端末で受信し復号処理を行い、ディスプレイを有する装置に復号済みの信号が送信されてもよい。通信可能な端末自体の性能によらず処理を分散して適切なコンテンツを選択することで画質のよいデータを再生することができる。また、他の例として大きなサイズの画像データをＴＶ等で受信しつつ、鑑賞者の個人端末にピクチャが分割されたタイルなど一部の領域が復号されて表示されてもよい。これにより、全体像を共有化しつつ、自身の担当分野又はより詳細に確認したい領域を手元で確認することができる。
　屋内外の近距離、中距離、又は長距離の無線通信が複数使用可能な状況下で、ＭＰＥＧ－ＤＡＳＨ（Ｄｙｎａｍｉｃ　Ａｄａｐｔｉｖｅ　Ｓｔｒｅａｍｉｎｇ　ｏｖｅｒ　ＨＴＴＰ）などの配信システム規格を利用して、シームレスにコンテンツを受信することが可能かもしれない。ユーザは、ユーザの端末、屋内外に配置されたディスプレイなどの復号装置又は表示装置を自由に選択しながらリアルタイムで切り替えてもよい。また、自身の位置情報などを用いて、復号する端末及び表示する端末を切り替えながら復号を行うことができる。これにより、ユーザが目的地へ移動している間に、表示可能なデバイスが埋め込まれた隣の建物の壁面又は地面の一部に情報をマップ及び表示することが可能になる。また、符号化データが受信端末から短時間でアクセスできるサーバにキャッシュされている、又は、コンテンツ・デリバリー・サービスにおけるエッジサーバにコピーされている、などの、ネットワーク上での符号化データへのアクセス容易性に基づいて、受信データのビットレートを切り替えることも可能である。
　［Ｗｅｂページの最適化］
　図１０９は、コンピュータｅｘ１１１等におけるｗｅｂページの表示画面例を示す図である。図１１０は、スマートフォンｅｘ１１５等におけるｗｅｂページの表示画面例を示す図である。図１０９及び図１１０に示すようにｗｅｂページが、画像コンテンツへのリンクであるリンク画像を複数含む場合があり、閲覧するデバイスによってその見え方は異なる。画面上に複数のリンク画像が見える場合には、ユーザが明示的にリンク画像を選択するまで、又は画面の中央付近にリンク画像が近付く或いはリンク画像の全体が画面内に入るまで、表示装置（復号装置）は、リンク画像として各コンテンツが有する静止画又はＩピクチャを表示してもよいし、複数の静止画又はＩピクチャ等でｇｉｆアニメのような映像を表示してもよいし、ベースレイヤのみを受信し、映像を復号及び表示してもよい。
　ユーザによりリンク画像が選択された場合、表示装置は、ベースレイヤを最優先にしつつ復号を行う。なお、ｗｅｂページを構成するＨＴＭＬ（ＨｙｐｅｒＴｅｘｔ　Ｍａｒｋｕｐ　Ｌａｎｇｕａｇｅ）にスケーラブルなコンテンツであることを示す情報があれば、表示装置は、エンハンスメントレイヤまで復号してもよい。さらに、リアルタイム性を担保するために、選択される前又は通信帯域が非常に厳しい場合には、表示装置は、前方参照のピクチャ（Ｉピクチャ、Ｐピクチャ、前方参照のみのＢピクチャ）のみを復号及び表示することで、先頭ピクチャの復号時刻と表示時刻との間の遅延（コンテンツの復号開始から表示開始までの遅延）を低減できる。またさらに、表示装置は、ピクチャの参照関係を敢えて無視して、全てのＢピクチャ及びＰピクチャを前方参照にして粗く復号し、時間が経ち受信したピクチャが増えるにつれて正常の復号を行ってもよい。
　［自動走行］
　また、車の自動走行又は走行支援のため２次元又は３次元の地図情報などのような静止画又は映像データを送受信する場合、受信端末は、１以上のレイヤに属する画像データに加えて、メタ情報として天候又は工事の情報なども受信し、これらを対応付けて復号してもよい。なお、メタ情報は、レイヤに属してもよいし、単に画像データと多重化されてもよい。
　この場合、受信端末を含む車、ドローン又は飛行機などが移動するため、受信端末は、当該受信端末の位置情報を送信することで、基地局ｅｘ１０６～ｅｘ１１０を切り替えながらシームレスな受信及び復号の実行を実現できる。また、受信端末は、ユーザの選択、ユーザの状況及び／又は通信帯域の状態に応じて、メタ情報をどの程度受信するか、又は地図情報をどの程度更新していくかを動的に切り替えることが可能になる。
　コンテンツ供給システムｅｘ１００では、ユーザが送信した符号化された情報をリアルタイムでクライアントが受信して復号し、再生することができる。
　［個人コンテンツの配信］
　また、コンテンツ供給システムｅｘ１００では、映像配信業者による高画質で長時間のコンテンツのみならず、個人による低画質で短時間のコンテンツのユニキャスト、又はマルチキャスト配信が可能である。このような個人のコンテンツは今後も増加していくと考えられる。個人コンテンツをより優れたコンテンツにするために、サーバは、編集処理を行ってから符号化処理を行ってもよい。これは、例えば、以下のような構成を用いて実現できる。
　撮影時にリアルタイム又は蓄積して撮影後に、サーバは、原画データ又は符号化済みデータから撮影エラー、シーン探索、意味の解析、及びオブジェクト検出などの認識処理を行う。そして、サーバは、認識結果に基づいて手動又は自動で、ピントずれ又は手ブレなどを補正したり、明度が他のピクチャに比べて低い又は焦点が合っていないシーンなどの重要性の低いシーンを削除したり、オブジェクトのエッジを強調したり、色合いを変化させるなどの編集を行う。サーバは、編集結果に基づいて編集後のデータを符号化する。また撮影時刻が長すぎると視聴率が下がることも知られており、サーバは、撮影時間に応じて特定の時間範囲内のコンテンツになるように上記のように重要性が低いシーンのみならず動きが少ないシーンなどを、画像処理結果に基づき自動でクリップしてもよい。または、サーバは、シーンの意味解析の結果に基づいてダイジェストを生成して符号化してもよい。
　個人コンテンツには、そのままでは著作権、著作者人格権、又は肖像権等の侵害となるものが写り込んでいるケースもあり、共有する範囲が意図した範囲を超えてしまうなど個人にとって不都合な場合もある。よって、例えば、サーバは、画面の周辺部の人の顔、又は家の中などを敢えて焦点が合わない画像に変更して符号化してもよい。さらに、サーバは、符号化対象画像内に、予め登録した人物とは異なる人物の顔が映っているかどうかを認識し、映っている場合には、顔の部分にモザイクをかけるなどの処理を行ってもよい。または、符号化の前処理又は後処理として、著作権などの観点からユーザが画像を加工したい人物又は背景領域を指定してもよい。サーバは、指定された領域を別の映像に置き換える、又は焦点をぼかすなどの処理を行ってもよい。人物であれば、動画像において人物をトラッキングして、人物の顔の部分の映像を置き換えることができる。
　データ量の小さい個人コンテンツの視聴はリアルタイム性の要求が強いため、帯域幅にもよるが、復号装置は、まずベースレイヤを最優先で受信して復号及び再生を行う。復号装置は、この間にエンハンスメントレイヤを受信し、再生がループされる場合など２回以上再生される場合に、エンハンスメントレイヤも含めて高画質の映像を再生してもよい。このようにスケーラブルな符号化が行われているストリームであれば、未選択時又は見始めた段階では粗い動画だが、徐々にストリームがスマートになり画像がよくなるような体験を提供することができる。スケーラブル符号化以外にも、１回目に再生される粗いストリームと、１回目の動画を参照して符号化される２回目のストリームとが１つのストリームとして構成されていても同様の体験を提供できる。
　［その他の実施応用例］
　また、これらの符号化又は復号処理は、一般的に各端末が有するＬＳＩｅｘ５００において処理される。ＬＳＩ（ｌａｒｇｅ　ｓｃａｌｅ　ｉｎｔｅｇｒａｔｉｏｎ　ｃｉｒｃｕｉｔｒｙ）ｅｘ５００（図１０８参照）は、ワンチップであっても複数チップからなる構成であってもよい。なお、動画像符号化又は復号用のソフトウェアをコンピュータｅｘ１１１等で読み取り可能な何らかの記録メディア（ＣＤ－ＲＯＭ、フレキシブルディスク、又はハードディスクなど）に組み込み、そのソフトウェアを用いて符号化又は復号処理を行ってもよい。さらに、スマートフォンｅｘ１１５がカメラ付きである場合には、そのカメラで取得した動画データを送信してもよい。このときの動画データはスマートフォンｅｘ１１５が有するＬＳＩｅｘ５００で符号化処理されたデータである。
　なお、ＬＳＩｅｘ５００は、アプリケーションソフトをダウンロードしてアクティベートする構成であってもよい。この場合、端末は、まず、当該端末がコンテンツの符号化方式に対応しているか、又は、特定サービスの実行能力を有するかを判定する。端末がコンテンツの符号化方式に対応していない場合、又は、特定サービスの実行能力を有さない場合、端末は、コーデック又はアプリケーションソフトをダウンロードし、その後、コンテンツ取得及び再生する。
　また、インターネットｅｘ１０１を介したコンテンツ供給システムｅｘ１００に限らず、デジタル放送用システムにも上記各実施の形態の少なくとも動画像符号化装置（画像符号化装置）又は動画像復号化装置（画像復号装置）のいずれかを組み込むことができる。衛星などを利用して放送用の電波に映像と音が多重化された多重化データを載せて送受信するため、コンテンツ供給システムｅｘ１００のユニキャストがし易い構成に対してマルチキャスト向きであるという違いがあるが符号化処理及び復号処理に関しては同様の応用が可能である。
　［ハードウェア構成］
　図１１１は、図１０８に示されたスマートフォンｅｘ１１５のさらに詳細を示す図である。また、図１１２は、スマートフォンｅｘ１１５の構成例を示す図である。スマートフォンｅｘ１１５は、基地局ｅｘ１１０との間で電波を送受信するためのアンテナｅｘ４５０と、映像及び静止画を撮ることが可能なカメラ部ｅｘ４６５と、カメラ部ｅｘ４６５で撮像した映像、及びアンテナｅｘ４５０で受信した映像等が復号されたデータを表示する表示部ｅｘ４５８とを備える。スマートフォンｅｘ１１５は、さらに、タッチパネル等である操作部ｅｘ４６６と、音声又は音響を出力するためのスピーカ等である音声出力部ｅｘ４５７と、音声を入力するためのマイク等である音声入力部ｅｘ４５６と、撮影した映像或いは静止画、録音した音声、受信した映像或いは静止画、メール等の符号化されたデータ、又は、復号化されたデータを保存可能なメモリ部ｅｘ４６７と、ユーザを特定し、ネットワークをはじめ各種データへのアクセスの認証をするためのＳＩＭ（Ｓｕｂｓｃｒｉｂｅｒ　Ｉｄｅｎｔｉｔｙ　Ｍｏｄｕｌｅ）ｅｘ４６８とのインタフェース部であるスロット部ｅｘ４６４とを備える。なお、メモリ部ｅｘ４６７の代わりに外付けメモリが用いられてもよい。
　表示部ｅｘ４５８及び操作部ｅｘ４６６等を統括的に制御する主制御部ｅｘ４６０と、電源回路部ｅｘ４６１、操作入力制御部ｅｘ４６２、映像信号処理部ｅｘ４５５、カメラインタフェース部ｅｘ４６３、ディスプレイ制御部ｅｘ４５９、変調／復調部ｅｘ４５２、多重／分離部ｅｘ４５３、音声信号処理部ｅｘ４５４、スロット部ｅｘ４６４、及びメモリ部ｅｘ４６７とが同期バスｅｘ４７０を介して接続されている。
　電源回路部ｅｘ４６１は、ユーザの操作により電源キーがオン状態にされると、スマートフォンｅｘ１１５を動作可能な状態に起動し、バッテリパックから各部に対して電力を供給する。
　スマートフォンｅｘ１１５は、ＣＰＵ、ＲＯＭ及びＲＡＭ等を有する主制御部ｅｘ４６０の制御に基づいて、通話及データ通信等の処理を行う。通話時は、音声入力部ｅｘ４５６で収音した音声信号を音声信号処理部ｅｘ４５４でデジタル音声信号に変換し、変調／復調部ｅｘ４５２でスペクトラム拡散処理を施し、送信／受信部ｅｘ４５１でデジタルアナログ変換処理及び周波数変換処理を施し、その結果の信号を、アンテナｅｘ４５０を介して送信する。また受信データを増幅して周波数変換処理及びアナログデジタル変換処理を施し、変調／復調部ｅｘ４５２でスペクトラム逆拡散処理し、音声信号処理部ｅｘ４５４でアナログ音声信号に変換した後、これを音声出力部ｅｘ４５７から出力する。データ通信モード時は、本体部の操作部ｅｘ４６６等の操作に基づいてテキスト、静止画、又は映像データが操作入力制御部ｅｘ４６２を介して主制御部ｅｘ４６０に送出される。同様の送受信処理が行われる。データ通信モード時に映像、静止画、又は映像と音声を送信する場合、映像信号処理部ｅｘ４５５は、メモリ部ｅｘ４６７に保存されている映像信号又はカメラ部ｅｘ４６５から入力された映像信号を上記各実施の形態で示した動画像符号化方法によって圧縮符号化し、符号化された映像データを多重／分離部ｅｘ４５３に送出する。音声信号処理部ｅｘ４５４は、映像又は静止画をカメラ部ｅｘ４６５で撮像中に音声入力部ｅｘ４５６で収音した音声信号を符号化し、符号化された音声データを多重／分離部ｅｘ４５３に送出する。多重／分離部ｅｘ４５３は、符号化済み映像データと符号化済み音声データを所定の方式で多重化し、変調／復調部（変調／復調回路部）ｅｘ４５２、及び送信／受信部ｅｘ４５１で変調処理及び変換処理を施してアンテナｅｘ４５０を介して送信する。
　電子メール又はチャットに添付された映像、又はウェブページにリンクされた映像を受信した場合等において、アンテナｅｘ４５０を介して受信された多重化データを復号するために、多重／分離部ｅｘ４５３は、多重化データを分離することにより、多重化データを映像データのビットストリームと音声データのビットストリームとに分け、同期バスｅｘ４７０を介して符号化された映像データを映像信号処理部ｅｘ４５５に供給するとともに、符号化された音声データを音声信号処理部ｅｘ４５４に供給する。映像信号処理部ｅｘ４５５は、上記各実施の形態で示した動画像符号化方法に対応した動画像復号化方法によって映像信号を復号し、ディスプレイ制御部ｅｘ４５９を介して表示部ｅｘ４５８から、リンクされた動画像ファイルに含まれる映像又は静止画が表示される。音声信号処理部ｅｘ４５４は、音声信号を復号し、音声出力部ｅｘ４５７から音声が出力される。リアルタイムストリーミングがますます普及しだしているため、ユーザの状況によっては音声の再生が社会的にふさわしくないこともあり得る。そのため、初期値としては、音声信号は再生せず映像データのみを再生する構成の方が望ましく、ユーザが映像データをクリックするなど操作を行った場合にのみ音声を同期して再生してもよい。
　またここではスマートフォンｅｘ１１５を例に説明したが、端末としては符号化器及び復号化器を両方持つ送受信型端末の他に、符号化器のみを有する送信端末、及び、復号化器のみを有する受信端末という３通りの他の実装形式が考えられる。デジタル放送用システムにおいて、映像データに音声データが多重化された多重化データを受信又は送信するとして説明した。ただし、多重化データには、音声データ以外に映像に関連する文字データなどが多重化されてもよい。また、多重化データではなく映像データ自体が受信又は送信されてもよい。
　なお、ＣＰＵを含む主制御部ｅｘ４６０が符号化又は復号処理を制御するとして説明したが、種々の端末はＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）を備えることも多い。よって、ＣＰＵとＧＰＵで共通化されたメモリ、又は共通に使用できるようにアドレスが管理されているメモリにより、ＧＰＵの性能を活かして広い領域を一括して処理する構成でもよい。これにより符号化時間を短縮でき、リアルタイム性を確保し、低遅延を実現できる。特に動き探索、デブロックフィルタ、ＳＡＯ（Ｓａｍｐｌｅ　Ａｄａｐｔｉｖｅ　Ｏｆｆｓｅｔ）、及び変換・量子化の処理を、ＣＰＵではなく、ＧＰＵでピクチャなどの単位で一括して行うと効率的である。
　本開示は、例えば、テレビジョン受像機、デジタルビデオレコーダー、カーナビゲーション、携帯電話、デジタルカメラ、デジタルビデオカメラ、テレビ会議システム、又は、電子ミラー等に利用可能である。
　　１００　符号化装置
　　１０２　分割部
　　１０２ａ　ブロック分割決定部
　　１０４　減算部
　　１０６　変換部
　　１０８　量子化部
　　１０８ａ　差分量子化パラメータ生成部
　　１０８ｂ、２０４ｂ　予測量子化パラメータ生成部
　　１０８ｃ、２０４ａ　量子化パラメータ生成部
　　１０８ｄ、２０４ｄ　量子化パラメータ記憶部
　　１０８ｅ　量子化処理部
　　１１０　エントロピー符号化部
　　１１０ａ　二値化部
　　１１０ｂ、２０２ｂ　コンテキスト制御部
　　１１０ｃ　二値算術符号化部
　　１１２、２０４　逆量子化部
　　１１４、２０６　逆変換部
　　１１６、２０８　加算部
　　１１８、２１０　ブロックメモリ
　　１２０、２１２　ループフィルタ部
　　１２０ａ、２１２ａ　デブロッキング・フィルタ処理部
　　１２０ｂ、２１２ｂ　ＳＡＯ処理部
　　１２０ｃ、２１２ｃ　ＡＬＦ処理部
　　１２２、２１４　フレームメモリ
　　１２４、２１６　イントラ予測部
　　１２６、２１８　インター予測部
　　１２６ａ、ａ２、ｂ２　メモリ
　　１２６ｂ　補間画像導出部
　　１２６ｃ　勾配画像導出部
　　１２６ｄ　オプティカルフロー導出部
　　１２６ｅ　補正値導出部
　　１２６ｆ　予測画像補正部
　　１２８、２２０　予測制御部
　　１３０、２２２　予測パラメータ生成部
　　２００　復号装置
　　２０２　エントロピー復号部
　　２０２ａ　二値算術復号部
　　２０２ｃ　多値化部
　　２０４ｅ　逆量子化処理部
　　２２４　分割決定部
　　９７１、９７２、９７５、９８５、９８９、９９１、９９２、９９３、９９４、１００１、１００２、１００３、１００４　サブピクチャ（ＨＤビデオ）
　　９８１、９９０、１０００　モザイクピクチャ（４Ｋモザイクビデオ）
　　１００６　パディング画素行
　　１２０１　境界判定部
　　１２０２、１２０４、１２０６　スイッチ
　　１２０３　フィルタ判定部
　　１２０５　フィルタ処理部
　　１２０７　フィルタ特性決定部
　　１２０８　処理判定部
　　ａ１、ｂ１　プロセッサ

Claims (14)

  1. 　（ｉ）ピクチャを構成する互いに独立して復号可能な複数のサブピクチャのうちのサブピクチャであり、（ｉｉ）当該サブピクチャの上端及び左端のうちの少なくとも１つの端が前記ピクチャの上端及び左端のうちの少なくとも１つの端に含まれ、（ｉｉｉ）当該サブピクチャの前記少なくとも１つの端の反対側に前記複数のサブピクチャのうちの少なくとも１つのサブピクチャが隣接し、（ｉｖ）前記ピクチャの前記少なくとも１つの端におけるパディングによって少なくとも１つの方向において当該サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に到達するように当該サブピクチャの前記少なくとも１つの端においてパディングされたサブピクチャである第１サブピクチャのパディング量に対応するクロッピング量を示すクロッピング情報をビットストリームから復号することと、
    　前記第１サブピクチャを前記ビットストリームから復号することと、
    　前記クロッピング量に従って前記第１サブピクチャを前記第１サブピクチャの前記少なくとも１つの端においてクロッピングすることとを含み、
    　前記クロッピング情報は、前記第１サブピクチャをクロッピングすることにより前記第１サブピクチャから取り除かれる上側サンプル行数及び左側サンプル列数のうちの少なくとも１つを前記クロッピング量として示す
    　復号方法。
  2. 　前記ピクチャは、４Ｋ解像度に対応し、
    　前記複数のサブピクチャのそれぞれは、ＨＤ（Ｈｉｇｈ　Ｄｅｆｉｎｉｔｉｏｎ）解像度に対応する
    　請求項１に記載の復号方法。
  3. 　前記ピクチャは、８Ｋ解像度に対応し、
    　前記複数のサブピクチャのそれぞれは、４Ｋ解像度に対応する
    　請求項１に記載の復号方法。
  4. 　前記クロッピング情報は、それぞれがＶＶＣ（Ｖｅｒｓａｔｉｌｅ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）のコンフォーマンスクロッピングウィンドウに関するシンタックス要素であるｓｐｓ＿ｃｏｎｆｏｒｍａｎｃｅ＿ｗｉｎｄｏｗ＿ｆｌａｇ、ｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｔｏｐ＿ｏｆｆｓｅｔ及びｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｌｅｆｔ＿ｏｆｆｓｅｔのうちの少なくとも１つを含む
    　請求項１～３のいずれか１項に記載の復号方法。
  5. 　前記復号方法は、さらに、
    　前記複数のサブピクチャのうちの前記第１サブピクチャを選択するための入力をユーザから取得することと、
    　前記入力に従って、前記ビットストリームから、前記複数のサブピクチャのうち前記第１サブピクチャ以外の１つ以上のサブピクチャを復号せずに、前記第１サブピクチャを復号することとを含む
    　請求項１～４のいずれか１項に記載の復号方法。
  6. 　前記ビットストリームは、前記ピクチャに適用可能なパラメータセット内に前記複数のサブピクチャの設定を含み、
    　前記復号方法は、さらに、
    　前記ビットストリームから、前記設定を復号することと、
    　前記設定及び前記入力に従って、前記第１サブピクチャのサブピクチャ識別情報を導出することと、
    　前記ビットストリームから、前記サブピクチャ識別情報によって識別される前記第１サブピクチャを復号することとを含む
    　請求項５に記載の復号方法。
  7. 　前記ビットストリームは、ＶＶＣ（Ｖｅｒｓａｔｉｌｅ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ）に準拠し、
    　前記パラメータセットは、ＳＰＳ（Ｓｅｑｕｅｎｃｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）又はＰＰＳ（Ｐｉｃｔｕｒｅ　Ｐａｒａｍｅｔｅｒ　Ｓｅｔ）であり、
    　前記設定は、前記複数のサブピクチャの総数と、前記複数のサブピクチャが同じサイズを有するか否かと、１つ以上の方向に関して前記複数のサブピクチャに適用される１つ以上のサイズと、前記１つ以上の方向に関して前記ピクチャに適用される１つ以上のサイズとのうちの少なくとも１つを含み、
    　前記複数のサブピクチャの総数は、ＶＶＣのシンタックス要素であるｓｐｓ＿ｎｕｍ＿ｓｕｂｐｉｃｓ＿ｍｉｎｕｓ１によって与えられ、
    　前記複数のサブピクチャが同じサイズを有するか否かは、ＶＶＣのシンタックス要素であるｓｐｓ＿ｓｕｂｐｉｃ＿ｓａｍｅ＿ｓｉｚｅ＿ｆｌａｇによって与えられ、
    　前記複数のサブピクチャに適用される前記１つ以上のサイズは、それぞれがＶＶＣのシンタックス要素であるｓｐｓ＿ｓｕｂｐｉｃ＿ｗｉｄｔｈ＿ｍｉｎｕｓ１及びｓｐｓ＿ｓｕｂｐｉｃ＿ｈｅｉｇｈｔ＿ｍｉｎｕｓ１のうちの少なくとも１つによって与えられ、
    　前記ピクチャに適用される前記１つ以上のサイズは、それぞれがＶＶＣのシンタックス要素であるｓｐｓ＿ｐｉｃ＿ｗｉｄｔｈ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓ及びｓｐｓ＿ｐｉｃ＿ｈｅｉｇｈｔ＿ｍａｘ＿ｉｎ＿ｌｕｍａ＿ｓａｍｐｌｅｓのうちの少なくとも１つによって与えられる
    　請求項６に記載の復号方法。
  8. 　前記少なくとも１つの方向に対応する１つの方向に関して、前記第１サブピクチャと、前記少なくとも１つのサブピクチャに対応する第２サブピクチャとが、空間的に連続して配置され、
    　前記１つの方向に関して、前記第１サブピクチャと前記第２サブピクチャとの合計サイズは、前記ピクチャのサイズに対応し、
    　前記１つの方向に関して、前記第１サブピクチャがクロッピングされ、前記第２サブピクチャがクロッピングされない
    　請求項１～７のいずれか１項に記載の復号方法。
  9. 　前記少なくとも１つの方向に対応する１つの方向に関して、前記第１サブピクチャと、前記少なくとも１つのサブピクチャに対応する第２サブピクチャとが、空間的に連続して配置され、
    　前記１つの方向に関して、前記第１サブピクチャと前記第２サブピクチャとの合計サイズは、前記ピクチャのサイズに対応し、
    　前記１つの方向に関して、前記第１サブピクチャと前記第２サブピクチャとの両方がクロッピングされる
    　請求項１～７のいずれか１項に記載の復号方法。
  10. 　前記クロッピング情報は、前記第２サブピクチャのクロッピング量を示す情報として、それぞれがＶＶＣのコンフォーマンスクロッピングウィンドウに関するシンタックス要素であるｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｂｏｔｔｏｍ＿ｏｆｆｓｅｔ及びｓｐｓ＿ｃｏｎｆ＿ｗｉｎ＿ｒｉｇｈｔ＿ｏｆｆｓｅｔのうちの少なくとも１つを含む
    　請求項９に記載の復号方法。
  11. 　前記ピクチャは、前記複数のサブピクチャにそれぞれ空間的に等しく一対一に対応する複数のスライスと、前記複数のサブピクチャにそれぞれ空間的に等しく一対一に対応する複数のタイルとのうちの少なくとも一方を含む
    　請求項１～１０のいずれか１項に記載の復号方法。
  12. 　（ｉ）ピクチャを構成する複数のサブピクチャのうちのサブピクチャであり、（ｉｉ）当該サブピクチャの上端及び左端のうちの少なくとも１つの端が前記ピクチャの上端及び左端のうちの少なくとも１つの端に含まれ、（ｉｉｉ）当該サブピクチャの前記少なくとも１つの端の反対側に前記複数のサブピクチャのうちの少なくとも１つのサブピクチャが隣接するサブピクチャである第１サブピクチャを、前記ピクチャの前記少なくとも１つの端におけるパディングによって少なくとも１つの方向において前記第１サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に到達するように前記第１サブピクチャの前記少なくとも１つの端においてパディングすることと、
    　前記第１サブピクチャのパディング量に対応するクロッピング量を示すクロッピング情報をビットストリームに符号化することと、
    　パディングされた前記第１サブピクチャを含む前記複数のサブピクチャを互いに独立して前記ビットストリームに符号化することとを含み、
    　前記クロッピング情報は、前記第１サブピクチャをパディングすることにより前記第１サブピクチャに付加される上側サンプル行数及び左側サンプル列数のうちの少なくとも１つを前記パディング量に対応する前記クロッピング量として示す
    　符号化方法。
  13. 　回路と、
    　前記回路に接続されたメモリとを備え、
    　前記回路は、動作において、
    　（ｉ）ピクチャを構成する互いに独立して復号可能な複数のサブピクチャのうちのサブピクチャであり、（ｉｉ）当該サブピクチャの上端及び左端のうちの少なくとも１つの端が前記ピクチャの上端及び左端のうちの少なくとも１つの端に含まれ、（ｉｉｉ）当該サブピクチャの前記少なくとも１つの端の反対側に前記複数のサブピクチャのうちの少なくとも１つのサブピクチャが隣接し、（ｉｖ）前記ピクチャの前記少なくとも１つの端におけるパディングによって少なくとも１つの方向において当該サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に到達するように当該サブピクチャの前記少なくとも１つの端においてパディングされたサブピクチャである第１サブピクチャのパディング量に対応するクロッピング量を示すクロッピング情報をビットストリームから復号し、
    　前記第１サブピクチャを前記ビットストリームから復号し、
    　前記クロッピング量に従って前記第１サブピクチャを前記第１サブピクチャの前記少なくとも１つの端においてクロッピングし、
    　前記クロッピング情報は、前記第１サブピクチャをクロッピングすることにより前記第１サブピクチャから取り除かれる上側サンプル行数及び左側サンプル列数のうちの少なくとも１つを前記クロッピング量として示す
    　復号装置。
  14. 　回路と、
    　前記回路に接続されたメモリとを備え、
    　前記回路は、動作において、
    　（ｉ）ピクチャを構成する複数のサブピクチャのうちのサブピクチャであり、（ｉｉ）当該サブピクチャの上端及び左端のうちの少なくとも１つの端が前記ピクチャの上端及び左端のうちの少なくとも１つの端に含まれ、（ｉｉｉ）当該サブピクチャの前記少なくとも１つの端の反対側に前記複数のサブピクチャのうちの少なくとも１つのサブピクチャが隣接するサブピクチャである第１サブピクチャを、前記ピクチャの前記少なくとも１つの端におけるパディングによって少なくとも１つの方向において前記第１サブピクチャのサイズが予め設定されたコーディングユニットサイズの整数倍に到達するように前記第１サブピクチャの前記少なくとも１つの端においてパディングし、
    　前記第１サブピクチャのパディング量に対応するクロッピング量を示すクロッピング情報をビットストリームに符号化し、
    　パディングされた前記第１サブピクチャを含む前記複数のサブピクチャを互いに独立して前記ビットストリームに符号化し、
    　前記クロッピング情報は、前記第１サブピクチャをパディングすることにより前記第１サブピクチャに付加される上側サンプル行数及び左側サンプル列数のうちの少なくとも１つを前記パディング量に対応する前記クロッピング量として示す
    　符号化装置。
PCT/JP2022/013183 2021-03-31 2022-03-22 復号方法、符号化方法、復号装置及び符号化装置 WO2022210101A1 (ja)

Priority Applications (7)

Application Number Priority Date Filing Date Title
EP22780316.0A EP4319165A1 (en) 2021-03-31 2022-03-22 Decoding method, encoding method, decoding device, and encoding device
KR1020237032452A KR20230159439A (ko) 2021-03-31 2022-03-22 복호 방법, 부호화 방법, 복호 장치 및 부호화 장치
MX2023010961A MX2023010961A (es) 2021-03-31 2022-03-22 Metodo de decodificacion, metodo de codificacion, decodificador y codificador.
CN202280023273.0A CN117296327A (zh) 2021-03-31 2022-03-22 解码方法、编码方法、解码装置以及编码装置
BR112023018893A BR112023018893A2 (pt) 2021-03-31 2022-03-22 Método de decodificação, método de codificação, decodificador e codificador
JP2023511019A JPWO2022210101A1 (ja) 2021-03-31 2022-03-22
US18/373,406 US20240031586A1 (en) 2021-03-31 2023-09-27 Decoding method, encoding method, decoder, and encoder

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP21166222.6A EP4068788A1 (en) 2021-03-31 2021-03-31 Encoder, decoder, encoding method, and decoding method
EP21166222.6 2021-03-31

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/373,406 Continuation US20240031586A1 (en) 2021-03-31 2023-09-27 Decoding method, encoding method, decoder, and encoder

Publications (1)

Publication Number Publication Date
WO2022210101A1 true WO2022210101A1 (ja) 2022-10-06

Family

ID=75339497

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/013183 WO2022210101A1 (ja) 2021-03-31 2022-03-22 復号方法、符号化方法、復号装置及び符号化装置

Country Status (8)

Country Link
US (1) US20240031586A1 (ja)
EP (2) EP4068788A1 (ja)
JP (1) JPWO2022210101A1 (ja)
KR (1) KR20230159439A (ja)
CN (1) CN117296327A (ja)
BR (1) BR112023018893A2 (ja)
MX (1) MX2023010961A (ja)
WO (1) WO2022210101A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012147319A (ja) * 2011-01-13 2012-08-02 Sony Corp 画像処理装置、画像処理方法およびプログラム
WO2017158850A1 (ja) * 2016-03-18 2017-09-21 株式会社ソシオネクスト 画像処理装置、および画像処理方法
WO2019221072A1 (ja) * 2018-05-15 2019-11-21 シャープ株式会社 画像符号化装置、符号化ストリーム抽出装置及び画像復号装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201913403D0 (en) * 2019-09-17 2019-10-30 Canon Kk Method and apparatus for encoding and decoding a video stream with subpictures
US11245899B2 (en) * 2019-09-22 2022-02-08 Tencent America LLC Method and system for single loop multilayer coding with subpicture partitioning

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012147319A (ja) * 2011-01-13 2012-08-02 Sony Corp 画像処理装置、画像処理方法およびプログラム
WO2017158850A1 (ja) * 2016-03-18 2017-09-21 株式会社ソシオネクスト 画像処理装置、および画像処理方法
WO2019221072A1 (ja) * 2018-05-15 2019-11-21 シャープ株式会社 画像符号化装置、符号化ストリーム抽出装置及び画像復号装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
29 August 2020 (2020-08-29), ANONYMOUS: "ITU-T H.266 RECOMMENDATION. SERIES H: AUDIOVISUAL AND MULTIMEDIA SYSTEMS Infrastructure of audiovisual services - Coding of moving video. ITU-T H.266", XP009535893 *

Also Published As

Publication number Publication date
KR20230159439A (ko) 2023-11-21
BR112023018893A2 (pt) 2023-10-10
US20240031586A1 (en) 2024-01-25
MX2023010961A (es) 2023-09-27
EP4068788A1 (en) 2022-10-05
CN117296327A (zh) 2023-12-26
EP4319165A1 (en) 2024-02-07
JPWO2022210101A1 (ja) 2022-10-06

Similar Documents

Publication Publication Date Title
JP2019033456A (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP7304404B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
WO2020017367A1 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7389283B2 (ja) 符号化装置及び復号装置
JP7335364B2 (ja) 符号化装置、復号装置、符号化方法及び復号方法
JP7314382B2 (ja) 復号装置
JP2023168625A (ja) 復号装置及び復号方法
JP7337222B2 (ja) 符号化装置及び復号装置
JP2023096081A (ja) 符号化装置、復号装置、符号化方法および復号方法
JP7373040B2 (ja) 復号装置及び符号化装置
JP2023014296A (ja) 符号化方法及び復号方法
JP2023068203A (ja) 復号装置及び復号方法
JP2023060057A (ja) 符号化装置及び符号化方法
JP2023017026A (ja) 非一時的記憶媒体
JP2023053378A (ja) 符号化方法および復号方法
JP2024063232A (ja) 符号化装置及び符号化方法
JP2023001298A (ja) 復号装置及び復号方法
JP2022171983A (ja) 符号化方法及び復号方法
WO2022210101A1 (ja) 復号方法、符号化方法、復号装置及び符号化装置
WO2023013736A1 (ja) 符号化装置、復号装置、符号化方法、および復号方法
JP7482864B2 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2023276949A1 (ja) 符号化方法、ビットストリーム処理方法、符号化装置及びビットストリーム処理装置
JP7455829B2 (ja) 符号化装置、復号装置、符号化方法、および復号方法
WO2024009967A1 (ja) 復号装置、符号化装置、復号方法、および符号化方法
WO2023199783A1 (ja) 復号方法、符号化方法、復号装置及び符号化装置

Legal Events

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

Ref document number: 22780316

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023511019

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: MX/A/2023/010961

Country of ref document: MX

WWE Wipo information: entry into national phase

Ref document number: 202280023273.0

Country of ref document: CN

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112023018893

Country of ref document: BR

ENP Entry into the national phase

Ref document number: 112023018893

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20230918

WWE Wipo information: entry into national phase

Ref document number: 2022780316

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2022780316

Country of ref document: EP

Effective date: 20231031

NENP Non-entry into the national phase

Ref country code: DE