WO2023055141A1 - 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체 - Google Patents

피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체 Download PDF

Info

Publication number
WO2023055141A1
WO2023055141A1 PCT/KR2022/014686 KR2022014686W WO2023055141A1 WO 2023055141 A1 WO2023055141 A1 WO 2023055141A1 KR 2022014686 W KR2022014686 W KR 2022014686W WO 2023055141 A1 WO2023055141 A1 WO 2023055141A1
Authority
WO
WIPO (PCT)
Prior art keywords
feature
information
filtering
feature map
feature information
Prior art date
Application number
PCT/KR2022/014686
Other languages
English (en)
French (fr)
Inventor
임재현
김철근
Original Assignee
엘지전자 주식회사
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 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to CN202280066198.6A priority Critical patent/CN118044203A/zh
Publication of WO2023055141A1 publication Critical patent/WO2023055141A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/124—Quantisation
    • 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
    • H04N19/10—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
    • H04N19/184—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 bits, e.g. of the compressed video stream
    • 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
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—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
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • H04N19/82—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation involving filtering within a prediction loop

Definitions

  • the present disclosure relates to a feature encoding/decoding method and apparatus, and more particularly, to a feature encoding/decoding method and apparatus for compensating an error due to feature point dimensionality reduction, and a bitstream generated by the feature encoding method/device of the present disclosure. It relates to a recording medium storing the.
  • An object of the present disclosure is to provide a feature encoding/decoding method and apparatus having improved encoding/decoding efficiency.
  • an object of the present disclosure is to provide a feature encoding/decoding method and apparatus for compensating for an error due to feature point dimensionality reduction.
  • an object of the present disclosure is to provide a feature encoding/decoding method and apparatus for applying a filter to minimize a difference between a feature map before applying feature dimensionality reduction and a feature map reconstructed to an original dimension.
  • an object of the present disclosure is to provide a feature encoding/decoding method and apparatus for transmitting information related to the filter.
  • an object of the present disclosure is to provide a method or device for transmitting a bitstream generated by a feature encoding method or device according to the present disclosure.
  • an object of the present disclosure is to provide a recording medium storing a bitstream generated by a feature encoding method or apparatus according to the present disclosure.
  • an object of the present disclosure is to provide a recording medium storing a bitstream received and decoded by a feature decoding apparatus according to the present disclosure and used for restoring a feature.
  • a feature decoding method includes obtaining first feature information and filtering information for the first feature information from a bitstream; inversely transforming the first feature information; and deriving second feature information for the inversely transformed first feature information based on the filtering information.
  • a feature encoding method includes deriving transformed feature information based on feature information extracted from an image; deriving inverse transformed feature information based on the transformed feature information; and deriving filtering information based on the inverse transformed feature information.
  • a recording medium may store a bitstream generated by a feature encoding method or a feature encoding apparatus according to the present disclosure.
  • a bitstream transmission method may transmit a bitstream generated by a feature encoding method or a feature encoding apparatus according to the present disclosure to a feature decoding apparatus.
  • a method and apparatus for encoding/decoding feature information with improved encoding/decoding efficiency may be provided.
  • FIG. 1 is a diagram schematically illustrating a VCM system to which embodiments of the present disclosure may be applied.
  • FIG. 2 is a diagram schematically illustrating a VCM pipeline structure to which embodiments of the present disclosure may be applied.
  • FIG. 3 is a diagram schematically illustrating an image/video encoder to which embodiments of the present disclosure may be applied.
  • FIG. 4 is a diagram schematically illustrating an image/video decoder to which embodiments of the present disclosure may be applied.
  • FIG. 5 is a flowchart schematically illustrating a feature/feature map encoding procedure to which embodiments of the present disclosure may be applied.
  • FIG. 6 is a flowchart schematically illustrating a feature/feature map decoding procedure to which embodiments of the present disclosure may be applied.
  • FIG. 7 is a diagram illustrating an example of a feature extraction and restoration method to which embodiments of the present disclosure may be applied.
  • FIG. 8 is a diagram illustrating an example of a feature extraction method using a feature extraction network.
  • 9 is a diagram illustrating an example of extracted features.
  • 10 is a diagram illustrating an example of the size of an extracted feature set.
  • FIG. 11 is a diagram illustrating an example of a feature extraction and restoration method to which embodiments of the present disclosure may be applied.
  • FIG. 12 is a flowchart illustrating a feature encoding method according to an embodiment of the present disclosure.
  • FIG. 13 is a diagram illustrating an example of a type of filter that can be used for error compensation.
  • FIG. 14 is a flowchart illustrating a feature decoding method according to an embodiment of the present disclosure.
  • 15 and 16 are flowcharts illustrating feature encoding methods according to an embodiment of the present disclosure.
  • 17 is a flowchart illustrating a feature decoding method according to an embodiment of the present disclosure.
  • FIG. 18 is a flowchart illustrating a feature encoding method according to an embodiment of the present disclosure.
  • 19 is a flowchart illustrating a feature decoding method according to an embodiment of the present disclosure.
  • FIG. 20 is a flowchart illustrating a feature encoding method according to an embodiment of the present disclosure.
  • 21 is a flowchart illustrating a feature decoding method according to an embodiment of the present disclosure.
  • FIG. 22 is a diagram illustrating an example of a content streaming system to which embodiments of the present disclosure may be applied.
  • FIG. 23 is a diagram illustrating another example of a content streaming system to which embodiments of the present disclosure may be applied.
  • first and second are used only for the purpose of distinguishing one element from another, and do not limit the order or importance of elements unless otherwise specified. Accordingly, within the scope of the present disclosure, a first component in one embodiment may be referred to as a second component in another embodiment, and similarly, a second component in one embodiment may be referred to as a first component in another embodiment. can also be called
  • components that are distinguished from each other are intended to clearly explain each characteristic, and do not necessarily mean that the components are separated. That is, a plurality of components may be integrated to form a single hardware or software unit, or a single component may be distributed to form a plurality of hardware or software units. Accordingly, even such integrated or distributed embodiments are included in the scope of the present disclosure, even if not mentioned separately.
  • components described in various embodiments do not necessarily mean essential components, and some may be optional components. Accordingly, an embodiment comprising a subset of elements described in one embodiment is also included in the scope of the present disclosure. In addition, embodiments including other components in addition to the components described in various embodiments are also included in the scope of the present disclosure.
  • the present disclosure relates to encoding and decoding of an image, and terms used in the present disclosure may have common meanings commonly used in the technical field to which the present disclosure belongs unless newly defined in the present disclosure.
  • the present disclosure may be applied to a method disclosed in a Versatile Video Coding (VVC) standard and/or a Video Coding for Machines (VCM) standard.
  • VVC Versatile Video Coding
  • VCM Video Coding for Machines
  • EVC essential video coding
  • AV1 AOMedia Video 1
  • AVS2 2nd generation of audio video coding standard
  • next-generation video/video coding standard e.g., H.267 or H.268, etc.
  • video refers to a series of It may mean a set of images.
  • An “image” may be information generated by artificial intelligence (AI).
  • AI artificial intelligence
  • Input information used in the process of performing a series of tasks by AI, information generated during information processing, and output information can be used as images.
  • a “picture” generally means a unit representing one image in a specific time period, and a slice/tile is a coding unit constituting a part of a picture in coding.
  • One picture may consist of one or more slices/tiles.
  • a slice/tile may include one or more coding tree units (CTUs).
  • CTUs coding tree units
  • the CTU may be divided into one or more CUs.
  • a tile is a rectangular area existing in a specific tile row and specific tile column in a picture, and may be composed of a plurality of CTUs.
  • a tile column may be defined as a rectangular area of CTUs, has the same height as the picture height, and may have a width specified by a syntax element signaled from a bitstream part such as a picture parameter set.
  • a tile row may be defined as a rectangular area of CTUs, has the same width as the width of a picture, and may have a height specified by a syntax element signaled from a bitstream part such as a picture parameter set.
  • Tile scan is a method of specifying a predetermined contiguous ordering of CTUs dividing a picture.
  • CTUs may be sequentially assigned an order according to a CTU raster scan within a tile, and tiles within a picture may be sequentially assigned an order according to a raster scan order of tiles of the picture.
  • a slice may contain an integer number of complete tiles, or may contain a contiguous integer number of complete CTU rows within one tile of one picture.
  • a slice may be contained exclusively in one single NAL unit.
  • One picture may be composed of one or more tile groups.
  • One tile group may include one or more tiles.
  • a brick may represent a rectangular area of CTU rows within a tile in a picture.
  • One tile may include one or more bricks.
  • a brick may represent a rectangular area of CTU rows in a tile.
  • One tile may be divided into a plurality of bricks, and each brick may include one or more CTU rows belonging to the tile. Tiles that are not divided into multiple bricks can also be treated as bricks.
  • pixel or “pel” may mean a minimum unit constituting one picture (or image).
  • sample may be used as a term corresponding to a pixel.
  • a sample may generally represent a pixel or a pixel value, may represent only a pixel/pixel value of a luma component, or only a pixel/pixel value of a chroma component.
  • a pixel/pixel value is independent information of each component or a pixel of a component generated through combination, synthesis, or analysis when there is a picture composed of a set of components having different characteristics and meanings.
  • / can also indicate a pixel value.
  • a pixel/pixel value For example, in the RGB input, only the pixel/pixel value of R may be displayed, only the pixel/pixel value of G may be displayed, or only the pixel/pixel value of B may be displayed.
  • only pixel/pixel values of a Luma component synthesized using R, G, and B components may be indicated.
  • only pixels/pixel values of images and information extracted from R, G, and B components through analysis may be indicated.
  • a “unit” may represent a basic unit of image processing.
  • a unit may include at least one of a specific region of a picture and information related to the region.
  • One unit may include one luma block and two chroma (e.g., Cb, Cr) blocks.
  • Unit may be used interchangeably with terms such as "sample array", "block” or "area” depending on the case.
  • an MxN block may include samples (or a sample array) or a set (or array) of transform coefficients consisting of M columns and N rows.
  • the unit may represent a basic unit containing information for performing a specific task.
  • “current block” may mean one of “current coding block”, “current coding unit”, “encoding object block”, “decoding object block”, or “processing object block”.
  • “current block” may mean “current prediction block” or “prediction target block”.
  • transform inverse transform
  • quantization inverse quantization
  • “current block” may mean “current transform block” or “transform target block”.
  • filtering filtering target block.
  • current block may mean “luma block of the current block” unless explicitly described as a chroma block.
  • the “chroma block of the current block” may be expressed by including an explicit description of the chroma block, such as “chroma block” or “current chroma block”.
  • “/” and “,” may be interpreted as “and/or”.
  • “A/B” and “A, B” could be interpreted as “A and/or B”.
  • “A/B/C” and “A, B, C” may mean “at least one of A, B and/or C”.
  • the present disclosure relates to video/image coding for machines (VCM).
  • VCM video/image coding for machines
  • VCM refers to a compression technology for encoding/decoding a part of a source image/video or information obtained from a source image/video for the purpose of machine vision.
  • an encoding/decoding target may be referred to as a feature.
  • a feature may refer to information extracted from a source image/video based on a task purpose, requirements, surrounding environment, and the like.
  • a feature may have an information type different from that of a source image/video, and accordingly, a compression method and expression format of a feature may also be different from that of a video source.
  • VCM can be applied in a variety of applications.
  • the VCM may be used to store or transmit object recognition information.
  • the VCM is a vehicle location information collected from GPS, sensing information collected from LIDAR, radar, etc., and various vehicles It can be used to transmit control information to other vehicles or infrastructure.
  • the VCM may be used to perform individual tasks of interconnected sensor nodes or devices.
  • FIG. 1 is a diagram schematically illustrating a VCM system to which embodiments of the present disclosure may be applied.
  • the VCM system may include an encoding device 10 and a decoding device 20 .
  • the encoding apparatus 10 may generate a bitstream by compressing/encoding features/feature maps extracted from source images/videos, and transmit the generated bitstream to the decoding apparatus 20 through a storage medium or a network.
  • the encoding device 10 may also be referred to as a feature encoding device.
  • a feature/feature map can be created in each hidden layer of a neural network. The size and number of channels of the generated feature map may vary depending on the type of neural network or the location of the hidden layer.
  • a feature map may be referred to as a feature set, and a feature or feature map may be referred to as 'feature information'.
  • the encoding device 10 may include a feature obtaining unit 11 , an encoding unit 12 and a transmission unit 13 .
  • the feature obtaining unit 11 may obtain a feature/feature map of a source image/video.
  • the feature obtaining unit 11 may obtain a feature/feature map from an external device, for example, a feature extraction network.
  • the feature obtaining unit 11 performs a feature receiving interface function.
  • the feature obtaining unit 11 may acquire features/feature maps by executing a neural network (e.g., CNN, DNN, etc.) with the source image/video as an input. In this case, the feature acquisition unit 11 performs a feature extraction network function.
  • a neural network e.g., CNN, DNN, etc.
  • the encoding device 10 may further include a source image generator (not shown) for obtaining a source image/video.
  • the source image generation unit may be implemented with an image sensor, a camera module, or the like, and may obtain the source image/video through a process of capturing, synthesizing, or generating the image/video.
  • the generated source image/video may be transmitted to a feature extraction network and used as input data for extracting a feature/feature map.
  • the encoder 12 may encode the feature/feature map acquired by the feature acquirer 11 .
  • the encoder 12 may perform a series of procedures such as prediction, transformation, and quantization to increase encoding efficiency.
  • Encoded data (encoded feature/feature map information) may be output in the form of a bitstream.
  • a bitstream including coded feature/feature map information may be referred to as a VCM bitstream.
  • the transmission unit 13 may obtain feature/feature map information or data output in the form of a bitstream, and may transmit it in the form of a file or streaming to the decoding device 20 or other external object through a digital storage medium or network.
  • the digital storage medium may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • the transmission unit 13 may include elements for generating a media file having a predetermined file format or elements for data transmission through a broadcasting/communication network.
  • the transmission unit 13 may be provided as a transmission device separate from the encoding unit 12.
  • the transmission device includes at least one processor for acquiring feature/feature map information or data output in the form of a bitstream and converting the data into a file.
  • it may include a transmission unit that delivers in a streaming form.
  • the decoding apparatus 20 may obtain feature/feature map information from the encoding apparatus 10 and restore the feature/feature map based on the obtained information.
  • the decoding device 20 may include a receiving unit 21 and a decoding unit 22 .
  • the receiver 21 may receive a bitstream from the encoding device 10, obtain feature/feature map information from the received bitstream, and transmit the obtained feature/feature map information to the decoder 22.
  • the decoder 22 may decode the feature/feature map based on the obtained feature/feature map information.
  • the decoder 22 may perform a series of procedures such as inverse quantization, inverse transform, and prediction corresponding to the operation of the encoder 14 to increase decoding efficiency.
  • the decoding device 20 may further include a task analysis/rendering unit 23 .
  • the task analysis/rendering unit 23 may perform task analysis based on the decoded feature/feature map. Also, the task analysis/rendering unit 23 may render the decoded feature/feature map in a form suitable for performing the task. Various machine (directed) tasks may be performed based on the task analysis result and the rendered feature/feature map.
  • the VCM system can encode/decode features extracted from source images/videos according to user and/or machine requests, task objectives, and surrounding environments, and perform various machine (oriented) tasks based on the decoded features.
  • the VCM system may be implemented by extending/redesigning a video/image coding system, and may perform various encoding/decoding methods defined in the VCM standard.
  • FIG. 2 is a diagram schematically illustrating a VCM pipeline structure to which embodiments of the present disclosure may be applied.
  • the VCM pipeline 200 may include a first pipeline 210 for image/video encoding/decoding and a second pipeline 220 for feature/feature map encoding/decoding.
  • first pipeline 210 may be referred to as a video codec pipeline
  • second pipeline 220 may be referred to as a feature codec pipeline.
  • the first pipeline 210 may include a first stage 211 encoding an input image/video and a second stage 212 decoding the encoded image/video to generate a reconstructed image/video.
  • the restored image/video may be used for human viewing, that is, for human vision.
  • the second pipeline 220 includes a third stage 221 that extracts features/feature maps from input images/videos, a fourth stage 222 that encodes the extracted features/feature maps, and encoded features/feature maps.
  • a fifth stage 223 of decoding the map to generate a reconstructed feature/feature map may be included.
  • the reconstructed feature/feature map can be used for machine (vision) tasks.
  • the machine (vision) task may mean a task in which an image/video is consumed by a machine.
  • Machine (vision) tasks may be applied to service scenarios such as surveillance, intelligent transportation, smart city, intelligent industry, and intelligent content.
  • the reconstructed feature/feature map may be used for human vision.
  • the feature/feature map encoded in the fourth stage 222 may be transferred to the first stage 221 and used to encode an image/video.
  • an additional bitstream may be generated based on the encoded feature/feature map, and the generated additional bitstream may be transferred to the second stage 222 and used to decode an image/video.
  • the feature/feature map decoded in the fifth stage 223 may be transferred to the second stage 222 and used to decode the image/video.
  • FIG. 2 shows a case in which the VCM pipeline 200 includes the first pipeline 210 and the second pipeline 220, this is illustrative only and the embodiments of the present disclosure are not limited thereto.
  • the VCM pipeline 200 may include only the second pipeline 220, or the second pipeline 220 may be extended to a plurality of feature codec pipelines.
  • the first stage 211 may be performed by an image/video encoder
  • the second stage 212 may be performed by an image/video decoder.
  • the third stage 221 is performed by a VCM encoder (or feature/feature map encoder)
  • the fourth stage 222 is performed by a VCM decoder (or feature/feature map encoder). decoder).
  • VCM encoder or feature/feature map encoder
  • decoder or feature/feature map encoder
  • FIG. 3 is a diagram schematically illustrating an image/video encoder to which embodiments of the present disclosure may be applied.
  • the image/video encoder 300 includes an image partitioner 310, a predictor 320, a residual processor 330, and an entropy encoder 340. ), an adder 350, a filter 360, and a memory 370.
  • the prediction unit 320 may include an inter prediction unit 321 and an intra prediction unit 322 .
  • the residual processing unit 330 may include a transformer 332, a quantizer 333, a dequantizer 334, and an inverse transformer 335.
  • the residual processing unit 330 may further include a subtractor 331 .
  • the adder 350 may be referred to as a reconstructor or a reconstructed block generator.
  • the above-described image segmentation unit 310, prediction unit 320, residual processing unit 330, entropy encoding unit 340, adder 350, and filtering unit 360 may be one or more hardware components (for example, an encoder chipset or processor).
  • the memory 370 may include a decoded picture buffer (DPB) and may be configured by a digital storage medium.
  • DPB decoded picture buffer
  • the hardware components described above may further include the memory 370 as an internal/external component.
  • the image divider 310 may divide an input image (or picture or frame) input to the image/video encoder 300 into one or more processing units.
  • a processing unit may be referred to as a coding unit (CU).
  • a coding unit may be partitioned recursively from a coding tree unit (CTU) or a largest coding unit (LCU) according to a quad-tree binary-tree ternary-tree (QTBTTT) structure.
  • QTBTTT quad-tree binary-tree ternary-tree
  • one coding unit may be divided into a plurality of coding units of deeper depth based on a quad tree structure, a binary tree structure, and/or a ternary structure.
  • a quad tree structure may be applied first and a binary tree structure and/or ternary structure may be applied later.
  • a binary tree structure may be applied first.
  • An image/video coding procedure according to the present disclosure may be performed based on a final coding unit that is not further divided.
  • the maximum coding unit may be directly used as the final coding unit based on the coding efficiency according to the video characteristics, or the coding unit may be recursively divided into coding units of lower depth as needed to obtain an optimal coding unit.
  • a coding unit having a size of may be used as the final coding unit.
  • the coding procedure may include procedures such as prediction, transformation, and restoration to be described later.
  • the processing unit may further include a prediction unit (PU) or a transform unit (TU).
  • PU prediction unit
  • TU transform unit
  • each of the prediction unit and the transform unit may be divided or partitioned from the above-described final coding unit.
  • the prediction unit may be a unit of sample prediction
  • the transform unit may be a unit for deriving transform coefficients and/or a unit for deriving a residual signal from transform coefficients.
  • an MxN block may represent a set of samples or transform coefficients consisting of M columns and N rows.
  • a sample may generally represent a pixel or a pixel value, may represent only a pixel/pixel value of a luma component, or only a pixel/pixel value of a chroma component.
  • a sample may be used as a term corresponding to a pixel or a pel.
  • the video/video encoder 300 subtracts the prediction signal (predicted block, prediction sample array) output from the inter prediction unit 321 or the intra prediction unit 322 from the input video signal (original block, original sample array).
  • a residual signal residual block, residual sample array
  • a unit for subtracting a prediction signal (prediction block, prediction sample array) from an input video signal (original block, original sample array) in the video/video encoder 300 is referred to as a subtraction unit 331. It can be.
  • the prediction unit may perform prediction on a block to be processed (hereinafter referred to as a current block) and generate a predicted block including predicted samples of the current block.
  • the prediction unit may determine whether intra prediction or inter prediction is applied in units of current blocks or CUs.
  • the prediction unit may generate various types of information related to prediction, such as prediction mode information, and transmit them to the entropy encoding unit 340 .
  • Prediction-related information may be encoded in the entropy encoding unit 340 and output in the form of a bitstream.
  • the intra predictor 322 may predict a current block by referring to samples in the current picture.
  • the referenced samples may be located in the neighborhood of the current block or may be located apart from each other according to the prediction mode.
  • prediction modes may include a plurality of non-directional modes and a plurality of directional modes.
  • the non-directional mode may include, for example, a DC mode and a planar mode.
  • the directional modes may include, for example, 33 directional prediction modes or 65 directional prediction modes according to the degree of detail of the prediction direction. However, this is just an example, and more or less directional prediction modes may be used according to settings.
  • the intra prediction unit 322 may determine a prediction mode applied to the current block by using a prediction mode applied to neighboring blocks.
  • the inter-prediction unit 321 may derive a predicted block for a current block based on a reference block (reference sample array) specified by a motion vector on a reference picture.
  • motion information may be predicted in units of blocks, subblocks, or samples based on correlation of motion information between neighboring blocks and the current block.
  • Motion information may include a motion vector and a reference picture index.
  • the motion information may further include inter prediction direction (L0 prediction, L1 prediction, Bi prediction, etc.) information.
  • a neighboring block may include a spatial neighboring block present in the current picture and a temporal neighboring block present in the reference picture.
  • a reference picture including a reference block and a reference picture including a temporal neighboring block may be the same or different.
  • a temporal neighboring block may be referred to as a collocated reference block, a collocated CU (colCU), and the like, and a reference picture including a temporal neighboring block may be referred to as a collocated picture (colPic) .
  • the inter prediction unit 321 constructs a motion information candidate list based on neighboring blocks, and generates information indicating which candidate is used to derive a motion vector and/or reference picture index of a current block. can do. Inter prediction may be performed based on various prediction modes.
  • the inter prediction unit 321 may use motion information of neighboring blocks as motion information of the current block.
  • the residual signal may not be transmitted unlike the merge mode.
  • MVP motion vector prediction
  • the prediction unit 320 may generate prediction signals based on various prediction methods. For example, the prediction unit may apply intra-prediction or inter-prediction to predict one block, or simultaneously apply intra-prediction and inter-prediction. This can be called combined inter and intra prediction (CIIP). Also, the prediction unit may be based on an intra block copy (IBC) prediction mode or a palette mode for block prediction.
  • IBC intra block copy
  • the IBC prediction mode or the palette mode can be used for video/video coding of content such as games, for example, such as screen content coding (SCC). IBC basically performs prediction within the current picture, but may be performed similarly to inter prediction in that a reference block is derived within the current picture. That is, IBC may use at least one of the inter prediction techniques described in this disclosure.
  • Palette mode can be viewed as an example of intra coding or intra prediction. When the palette mode is applied, a sample value within a picture may be signaled based on information about a palette table and a palette index.
  • the prediction signal generated by the prediction unit 320 may be used to generate a reconstruction signal or a residual signal.
  • the transform unit 332 may generate transform coefficients by applying a transform technique to the residual signal.
  • the transform technique uses at least one of a Discrete Cosine Transform (DCT), a Discrete Sine Transform (DST), a Karhunen-Loeve Transform (KLT), a Graph-Based Transform (GBT), or a Conditionally Non-linear Transform (CNT).
  • DCT Discrete Cosine Transform
  • DST Discrete Sine Transform
  • KLT Karhunen-Loeve Transform
  • GBT Graph-Based Transform
  • CNT Conditionally Non-linear Transform
  • GBT means a conversion obtained from the graph when relation information between pixels is expressed as a graph.
  • CNT means a transformation obtained based on generating a prediction signal using all previously reconstructed pixels.
  • the conversion process may be applied to square pixel blocks having the
  • the quantization unit 333 quantizes the transform coefficients and transmits them to the entropy encoding unit 340, and the entropy encoding unit 340 may encode the quantized signal (information on the quantized transform coefficients) and output it as a bitstream. There is. Information about quantized transform coefficients may be referred to as residual information.
  • the quantization unit 333 may rearrange the block-type quantized transform coefficients into a 1-dimensional vector form based on the coefficient scan order, and the quantized transform coefficients based on the quantized transform coefficients in the 1-dimensional vector form. You can also generate information about them.
  • the entropy encoding unit 340 may perform various encoding methods such as, for example, exponential Golomb, context-adaptive variable length coding (CAVLC), and context-adaptive binary arithmetic coding (CABAC).
  • the entropy encoding unit 340 may encode together or separately information necessary for image/video reconstruction (e.g., values of syntax elements, etc.) in addition to quantized transform coefficients.
  • Encoded information e.g., encoded image/video information
  • NAL network abstraction layer
  • the image/video information may further include information about various parameter sets such as an adaptation parameter set (APS), a picture parameter set (PPS), a sequence parameter set (SPS), or a video parameter set (VPS). Also, the image/video information may further include general constraint information. In addition, the image/video information may further include a method of generating and using the encoded information, a purpose, and the like. In the present disclosure, information and/or syntax elements transmitted/signaled from a video/video encoder to a video/video decoder may be included in the video/video information. Image/video information may be encoded through the above-described encoding procedure and included in a bitstream. The bitstream may be transmitted over a network or stored in a digital storage medium.
  • APS adaptation parameter set
  • PPS picture parameter set
  • SPS sequence parameter set
  • VPS video parameter set
  • VPS video parameter set
  • the image/video information may further include general constraint information.
  • the image/video information may further include a method of generating and using the
  • the network may include a broadcasting network and/or a communication network
  • the digital storage medium may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • a transmission unit (not shown) that transmits the signal output from the entropy encoding unit 340 and/or a storage unit (not shown) that stores the signal may be configured as internal/external elements of the video/video encoder 300, or The transmission unit may be included in the entropy encoding unit 340 .
  • Quantized transform coefficients output from the quantization unit 333 may be used to generate a prediction signal.
  • a residual signal residual block or residual samples
  • the adder 350 adds the reconstructed residual signal to the prediction signal output from the inter prediction unit 321 or the intra prediction unit 322 to obtain a reconstructed signal (a reconstructed picture, a reconstructed block, and a reconstructed sample array). can be created
  • a predicted block may be used as a reconstruction block.
  • the adder 350 may be called a restoration unit or a restoration block generation unit.
  • the generated reconstruction signal may be used for intra prediction of the next processing target block in the current picture, or may be used for inter prediction of the next picture after filtering as described later.
  • LMCS luma mapping with chroma scaling
  • the filtering unit 360 may improve subjective/objective picture quality by applying filtering to the reconstructed signal.
  • the filtering unit 360 may generate a modified reconstructed picture by applying various filtering methods to the reconstructed picture, and store the modified reconstructed picture in the memory 370, specifically the DPB of the memory 370. can be stored in Various filtering methods may include, for example, deblocking filtering, sample adaptive offset, adaptive loop filter, bilateral filter, and the like.
  • the filtering unit 360 may generate various types of filtering-related information and transmit them to the entropy encoding unit 340 . Filtering-related information may be encoded in the entropy encoding unit 340 and output in the form of a bitstream.
  • the modified reconstructed picture transmitted to the memory 370 may be used as a reference picture in the inter prediction unit 321 . Through this, prediction mismatch in the encoder and decoder stages can be avoided, and encoding efficiency can be improved.
  • the DPB of the memory 370 may store the modified reconstructed picture to be used as a reference picture in the inter prediction unit 321 .
  • the memory 370 may store motion information of a block in the current picture from which motion information is derived (or encoded) and/or motion information of blocks in a previously reconstructed picture.
  • the stored motion information may be transmitted to the inter prediction unit 321 to be used as motion information of a spatial neighboring block or motion information of a temporal neighboring block.
  • the memory 370 may store reconstructed samples of reconstructed blocks in the current picture and transfer the stored reconstructed samples to the intra predictor 322 .
  • the video/video encoder basically described with reference to FIG. 3 in that a VCM encoder (or feature/feature map encoder) performs a series of procedures such as prediction, transformation, and quantization to encode a feature/feature map. It may have the same/similar structure to (300). However, the VCM encoder differs from the video/video encoder 300 in that it encodes features/feature maps, and accordingly, the names of each unit (or component) (e.g., video segmentation unit 310, etc.) ) and its specific operation content may differ from that of the video/video encoder 300. Detailed operation of the VCM encoder will be described later.
  • FIG. 4 is a diagram schematically illustrating an image/video decoder to which embodiments of the present disclosure may be applied.
  • the video/video decoder 400 includes an entropy decoder 410, a residual processor 420, a predictor 430, an adder 440, A filter 450 and a memory 460 may be included.
  • the predictor 430 may include an inter predictor 431 and an intra predictor 432 .
  • the residual processing unit 420 may include a dequantizer 421 and an inverse transformer 422 .
  • the above-described entropy decoding unit 410, residual processing unit 420, prediction unit 430, adder 440, and filtering unit 450 may be one hardware component (eg, decoder chipset or processor) according to an embodiment. can be configured by Also, the memory 460 may include a decoded picture buffer (DPB) and may be configured by a digital storage medium.
  • the hardware component may further include the memory 460 as an internal/external component.
  • the image/video decoder 400 may restore the image/video in accordance with the process in which the image/video information is processed in the image/video encoder 300 of FIG. 3 .
  • the image/video decoder 400 may derive units/blocks based on block division related information obtained from a bitstream.
  • the video/video decoder 400 may perform decoding using a processing unit applied in the video/video encoder.
  • a processing unit of decoding may be, for example, a coding unit, and a coding unit may be partitioned from a coding tree unit or a largest coding unit according to a quad tree structure, a binary tree structure, and/or a ternary tree structure.
  • One or more transform units may be derived from a coding unit.
  • the restored video signal decoded and outputted through the video/video decoder 400 may be reproduced through a playback device.
  • the video/video decoder 400 may receive a signal output from the encoder of FIG. 3 in the form of a bitstream, and the received signal may be decoded through the entropy decoding unit 410 .
  • the entropy decoding unit 410 may parse the bitstream to derive information (e.g., image/video information) necessary for image restoration (or picture restoration).
  • the image/video information may further include information about various parameter sets such as an adaptation parameter set (APS), a picture parameter set (PPS), a sequence parameter set (SPS), or a video parameter set (VPS).
  • the image/video information may further include general constraint information.
  • the image/video information may include a method of generating and using the decoded information, a purpose, and the like.
  • the image/video decoder 400 may decode a picture further based on parameter set information and/or general restriction information. Signaled/received information and/or syntax elements may be obtained from a bitstream by being decoded through a decoding procedure.
  • the entropy decoding unit 410 decodes information in a bitstream based on a coding method such as exponential Golomb coding, CAVLC, or CABAC, and quantizes values of syntax elements required for image reconstruction and transform coefficients for residuals. values can be output.
  • the CABAC entropy decoding method receives bins corresponding to each syntax element in a bitstream, and receives decoding target syntax element information and decoding information of neighboring and decoding target blocks or symbols/bins decoded in the previous step. It is possible to determine a context model using the information of , predict a bin occurrence probability according to the determined context model, and perform arithmetic decoding of the bin to generate a symbol corresponding to the value of each syntax element. there is. At this time, the CABAC entropy decoding method may update the context model by using information on the decoded symbol/bin for the context model of the next symbol/bin after determining the context model.
  • prediction-related information is provided to the prediction unit (inter prediction unit 432 and intra prediction unit 431), and entropy decoding is performed by the entropy decoding unit 410.
  • Dual values that is, quantized transform coefficients and related parameter information may be input to the residual processing unit 420 .
  • the residual processor 420 may derive a residual signal (residual block, residual samples, residual sample array).
  • information about filtering may be provided to the filtering unit 450 .
  • a receiver for receiving a signal output from the video/video encoder may be further configured as an internal/external element of the video/video decoder 400, or the receiver may be a component of the entropy decoding unit 410. It could be.
  • the video/video decoder according to the present disclosure may be referred to as a video/video decoding device, and the video/video decoder may be divided into an information decoder (video/video information decoder) and a sample decoder (video/video sample decoder). .
  • the information decoder may include the entropy decoding unit 410, and the sample decoder may include an inverse quantization unit 321, an inverse transform unit 322, an adder 440, a filtering unit 450, and a memory 460. , may include at least one of an inter predictor 432 and an intra predictor 431.
  • the inverse quantization unit 421 may inversely quantize the quantized transform coefficients and output the transform coefficients.
  • the inverse quantization unit 421 may rearrange the quantized transform coefficients in the form of a 2D block. In this case, rearrangement may be performed based on a coefficient scanning order performed by the video/video encoder.
  • the inverse quantization unit 321 may perform inverse quantization on the quantized transform coefficients using a quantization parameter (e.g., quantization step size information) and obtain transform coefficients.
  • a quantization parameter e.g., quantization step size information
  • a residual signal (residual block, residual sample array) is obtained by inverse transforming the transform coefficients.
  • the prediction unit 430 may perform prediction on the current block and generate a predicted block including prediction samples of the current block.
  • the predictor may determine whether intra-prediction or inter-prediction is applied to the current block based on the prediction information output from the entropy decoder 410, and may determine a specific intra/inter prediction mode.
  • the prediction unit 420 may generate prediction signals based on various prediction methods.
  • the predictor may apply intra-prediction or inter-prediction to predict one block, as well as apply intra-prediction and inter-prediction at the same time. This can be called combined inter and intra prediction (CIIP).
  • the prediction unit may be based on an intra block copy (IBC) prediction mode or a palette mode for block prediction.
  • IBC intra block copy
  • the IBC prediction mode or the palette mode can be used for video/video coding of content such as games, for example, such as screen content coding (SCC).
  • SCC screen content coding
  • IBC basically performs prediction within the current picture, but may be performed similarly to inter prediction in that a reference block is derived within the current picture. That is, IBC may use at least one of the inter prediction techniques described in this document.
  • Palette mode can be viewed as an example of intra coding or intra prediction. When the palette mode is applied, information on a palette table and a palette index may be included in image/video information and signal
  • the intra predictor 431 may predict a current block by referring to samples in the current picture. Referenced samples may be located in the neighborhood of the current block or may be located apart from each other according to the prediction mode.
  • prediction modes may include a plurality of non-directional modes and a plurality of directional modes.
  • the intra predictor 431 may determine a prediction mode applied to the current block by using a prediction mode applied to neighboring blocks.
  • the inter-prediction unit 432 may derive a predicted block for a current block based on a reference block (reference sample array) specified by a motion vector on a reference picture.
  • motion information may be predicted in units of blocks, subblocks, or samples based on correlation of motion information between neighboring blocks and the current block.
  • Motion information may include a motion vector and a reference picture index.
  • the motion information may further include inter prediction direction (L0 prediction, L1 prediction, Bi prediction, etc.) information.
  • a neighboring block may include a spatial neighboring block present in the current picture and a temporal neighboring block present in the reference picture.
  • the inter predictor 432 may construct a motion information candidate list based on neighboring blocks and derive a motion vector and/or reference picture index of the current block based on the received candidate selection information. Inter prediction may be performed based on various prediction modes, and prediction information may include information indicating an inter prediction mode for a current block.
  • the adder 440 restores the obtained residual signal by adding it to the prediction signal (predicted block, prediction sample array) output from the prediction unit (including the inter prediction unit 432 and/or the intra prediction unit 431). Signals (reconstructed picture, reconstructed block, reconstructed sample array) can be generated. When there is no residual for the block to be processed, such as when the skip mode is applied, a predicted block may be used as a reconstruction block.
  • the adder 440 may be called a restoration unit or a restoration block generation unit.
  • the generated reconstruction signal may be used for intra prediction of the next processing target block in the current picture, output after filtering as described later, or may be used for inter prediction of the next picture.
  • LMCS luma mapping with chroma scaling
  • the filtering unit 450 may improve subjective/objective picture quality by applying filtering to the reconstructed signal.
  • the filtering unit 450 may generate a modified reconstructed picture by applying various filtering methods to the reconstructed picture, and store the modified reconstructed picture in the memory 460, specifically the DPB of the memory 460.
  • Various filtering methods may include, for example, deblocking filtering, sample adaptive offset, adaptive loop filter, bilateral filter, and the like.
  • a (modified) reconstructed picture stored in the DPB of the memory 460 may be used as a reference picture in the inter prediction unit 432 .
  • the memory 460 may store motion information of a block in the current picture from which motion information is derived (or decoded) and/or motion information of blocks in a previously reconstructed picture.
  • the stored motion information may be transmitted to the inter prediction unit 432 to be used as motion information of spatial neighboring blocks or motion information of temporal neighboring blocks.
  • the memory 460 may store reconstructed samples of reconstructed blocks in the current picture and transfer them to the intra prediction unit 431 .
  • the VCM decoder (or feature/feature map decoder) basically performs a series of procedures such as prediction, inverse transformation, and inverse quantization to decode the feature/feature map. It may have the same/similar structure as the video decoder 400. However, the VCM decoder differs from the video/video decoder 400 in that it targets features/feature maps for decoding, and accordingly, the names of each unit (or component) (e.g., DPB, etc.) and its specific operation. It may be different from the image/video decoder 400 in content. The operation of the VCM decoder may correspond to the operation of the VCM encoder, and its detailed operation will be described later in detail.
  • FIG. 5 is a flowchart schematically illustrating a feature/feature map encoding procedure to which embodiments of the present disclosure may be applied.
  • a feature/feature map encoding procedure may include a prediction procedure (S510), a residual processing procedure (S520), and an information encoding procedure (S530).
  • the prediction procedure ( S510 ) may be performed by the prediction unit 320 described above with reference to FIG. 3 .
  • the intra prediction unit 322 may predict a current block (ie, a set of feature elements to be currently encoded) by referring to feature elements in a current feature/feature map. Intra prediction may be performed based on spatial similarity of feature elements constituting a feature/feature map. For example, feature elements included in the same region of interest (RoI) within an image/video may be estimated to have similar data distribution characteristics. Accordingly, the intra predictor 322 may predict the current block by referring to the feature elements of the region of interest including the current block and with the undulations restored. In this case, the referenced feature elements may be located adjacent to the current block or may be located apart from the current block according to the prediction mode.
  • a current block ie, a set of feature elements to be currently encoded
  • Intra prediction may be performed based on spatial similarity of feature elements constituting a feature/feature map. For example, feature elements included in the same region of interest (RoI) within an image/video may be estimated to have similar data distribution characteristics. Accordingly, the intra predict
  • Intra prediction modes for feature/feature map encoding may include a plurality of non-directional prediction modes and a plurality of directional prediction modes.
  • Non-directional prediction modes may include, for example, prediction modes corresponding to a DC mode and a planner mode of an image/video encoding procedure.
  • the directional modes may include, for example, prediction modes corresponding to 33 directional modes or 65 directional modes of an image/video encoding procedure.
  • this is just an example, and the type and number of intra prediction modes may be set/changed in various ways according to embodiments.
  • the inter predictor 321 may predict a current block based on a reference block specified by motion information on a reference feature/feature map (ie, a set of referenced feature elements). Inter prediction may be performed based on temporal similarity of feature elements constituting a feature/feature map. For example, temporally contiguous features may have similar data distribution characteristics. Accordingly, the inter predictor 321 may predict the current block by referring to the restored feature elements of features temporally adjacent to the current feature.
  • the motion information for specifying referenced feature elements may include a motion vector and a reference feature/feature map index.
  • the motion information may further include information about an inter prediction direction (e.g., L0 prediction, L1 prediction, Bi prediction, etc.).
  • a neighboring block may include a spatial neighboring block present in a current feature/feature map and a temporal neighboring block present in a reference feature/feature map.
  • the reference feature/feature map including the reference block and the reference feature/feature map including the temporal neighboring block may be the same or different.
  • a temporal neighboring block may be referred to as a collocated reference block, etc.
  • a reference feature/feature map including a temporal neighboring block may be referred to as a collocated feature/feature map.
  • the inter prediction unit 321 constructs a motion information candidate list based on neighboring blocks and generates information indicating which candidate is used to derive a motion vector and/or a reference feature/feature map index of the current block.
  • Inter prediction may be performed based on various prediction modes.
  • the inter prediction unit 321 may use motion information of neighboring blocks as motion information of the current block.
  • the residual signal may not be transmitted unlike the merge mode.
  • MVP motion vector prediction
  • motion vectors of neighboring blocks are used as motion vector predictors and motion vector differences are signaled to determine the motion vectors of the current block.
  • the prediction unit 320 may generate a prediction signal based on various prediction methods other than intra prediction and inter prediction described above.
  • the prediction signal generated by the prediction unit 320 may be used to generate a residual signal (residual block, residual feature elements) (S520).
  • the residual processing procedure ( S520 ) may be performed by the residual processing unit 330 described above with reference to FIG. 3 .
  • (quantized) transform coefficients may be generated through a transform and/or quantization procedure for the residual signal, and the entropy encoding unit 340 converts information about the (quantized) transform coefficients into bits as residual information. It can be encoded in the stream (S530).
  • the entropy encoding unit 340 may encode information necessary for feature/feature map reconstruction, for example, prediction information (e.g., prediction mode information, motion information, etc.) into the bitstream.
  • the feature/feature map encoding procedure encodes information for feature/feature map reconstruction (e.g., prediction information, residual information, partitioning information, etc.) and outputs it in a bitstream form (S530), as well as A procedure for generating a reconstructed feature/feature map for the feature map and a procedure for applying in-loop filtering to the reconstructed feature/feature map (optional) may be further included.
  • information for feature/feature map reconstruction e.g., prediction information, residual information, partitioning information, etc.
  • S530 bitstream form
  • a procedure for generating a reconstructed feature/feature map for the feature map and a procedure for applying in-loop filtering to the reconstructed feature/feature map (optional) may be further included.
  • the VCM encoder may derive the (modified) residual feature(s) from the quantized transform coefficient(s) through inverse quantization and inverse transformation, and the predicted feature(s) and the (modified) residual
  • a restoration feature/feature map can be created based on the feature(s).
  • the reconstructed feature/feature map generated in this way may be the same as the reconstructed feature/feature map generated by the VCM decoder.
  • a modified reconstructed feature/feature map may be generated through the in-loop filtering procedure on the reconstructed feature/feature map.
  • the modified reconstructed feature/feature map is stored in a decoded feature buffer (DFB) or memory, and can be used as a reference feature/feature map in a subsequent feature/feature map prediction procedure.
  • (in-loop) filtering-related information may be encoded and output in the form of a bitstream.
  • noise that may occur during feature/feature map coding may be removed, and performance of a feature/feature map-based task performance may be improved.
  • by performing an in-loop filtering procedure at both the encoder end and the decoder end it is possible to ensure uniformity of prediction results, improve the reliability of feature/feature map coding, and reduce the amount of data transmission for feature/feature map coding. there is.
  • FIG. 6 is a flowchart schematically illustrating a feature/feature map decoding procedure to which embodiments of the present disclosure may be applied.
  • the feature/feature map decoding procedure includes image/video information acquisition procedure (S610), feature/feature map restoration procedure (S620 to S640), and in-loop filtering procedure for the reconstructed feature/feature map (S650).
  • S610 image/video information acquisition procedure
  • S620 to S640 feature/feature map restoration procedure
  • S650 in-loop filtering procedure for the reconstructed feature/feature map
  • the feature/feature map reconstruction procedure is applied to the prediction signal and the residual signal obtained through the process of inter/intra prediction (S620) and residual processing (S630), inverse quantization of quantized transform coefficients, and inverse transformation) described in the present disclosure. can be performed based on A modified reconstructed feature/feature map may be generated through an in-loop filtering procedure on the reconstructed feature/feature map, and the modified reconstructed feature/feature map may be output as a decoded feature/feature map.
  • the decoded feature/feature map may be stored in a decoded feature buffer (DFB) or memory and used as a reference feature/feature map in an inter-prediction procedure when decoding a feature/feature map thereafter.
  • the above-described in-loop filtering procedure may be omitted.
  • the reconstructed feature/feature map may be output as it is as a decoded feature/feature map, stored in the decoded feature buffer (DFB) or memory, and then referenced in the inter prediction procedure when decoding the feature/feature map/feature map. can be used as
  • Embodiments of the present disclosure propose a filtering process and a method of generating a related bitstream for compensating for a decrease in information amount due to compression of an activation (feature) map generated in a hidden layer of a deep neural network.
  • the input data input to the deep neural network goes through the association process of several hidden layers, and the operation result of each hidden layer is a feature/channel number with various sizes and channels depending on the type of deep neural network being used and the position of the hidden layer in the deep neural network. output as a feature map.
  • FIG. 7 is a diagram illustrating an example of a feature extraction and restoration method to which embodiments of the present disclosure may be applied.
  • the feature extraction network 710 may extract an activation (feature) map of an intermediate layer of a deep neural network from a source image/video and output the extracted feature map.
  • Feature extraction network 710 may be a set of hidden layers that are continued from the input of the deep neural network.
  • the encoding device 720 may compress the output feature map and output it in the form of a bitstream, and the decoding device 730 may restore the (compressed) feature map from the output bitstream.
  • the encoding device 720 may correspond to the encoder 12 of FIG. 1
  • the decoding device 720 may correspond to the decoder 22 of FIG. 1 .
  • the task network 740 may perform a task based on the restored feature map.
  • FIG. 8 is a diagram illustrating an example of a feature extraction method using a feature extraction network 710. Referring to FIG.
  • the feature extraction network 710 may output a feature set of the video source by performing a feature extraction operation by receiving a video source (Image/Video).
  • a feature set may include a plurality of features (C 0 , C 1 , ⁇ , C n ) extracted from a video source and may be expressed as a feature map.
  • Each feature (C 0 , C 1 , ⁇ , C n ) includes a plurality of feature elements and may have different data distribution characteristics.
  • W, H, and C may respectively mean the width, height, and number of channels of a video source.
  • the number of channels (C) of the video source may be determined based on the video format of the video source. For example, when a video source has an RGB image format, the number of channels (C) of the video source may be three.
  • W', H', and C' may mean the width, height, and number of channels of the feature set, respectively.
  • the number of channels (C′) of a feature set may be equal to the total number (n+1) of features (C 0 , C 1 , ... , C n ) extracted from a video source. In one example, the number of channels (C′) of the feature set may be greater than the number of channels (C) of the video source.
  • the attributes (W', H', C') of the feature set may vary depending on the attributes (W, H, C) of the video source. For example, as the number of channels (C) of a video source increases, the number of channels (C′) of a feature set may also increase.
  • the attributes (W', H', and C') of the feature set may vary depending on the type and attribute of the feature extraction network 710. For example, when the feature extraction network 710 is implemented as an artificial neural network (eg, CNN, DNN, etc.), each feature (C 0 , C 1 , ... , C n ) is located at the position of the output layer. Accordingly, the attributes (W', H', C') of the feature set may also vary.
  • Video sources and feature sets may have different data distribution characteristics.
  • a video source may typically consist of one (Grayscale image) channel or three (RGB image) channels. Pixels included in the video source may have the same range of integer values for all channels and may have non-negative values. Also, each pixel value may be evenly distributed within a predetermined integer value range.
  • the feature set may consist of channels of various numbers (e.g., 32, 64, 128, 256, 512, etc.) according to the type of feature extraction network 710 (e.g., CNN, DNN, etc.) and layer location. there is. Feature elements included in the feature set may have different ranges of real values for each channel and may have negative values. In addition, each feature element value may be intensively distributed in a specific region within a predetermined real value range.
  • FIG. 9 is a diagram showing an example of extracted features
  • FIG. 10 is a diagram showing an example of the size of an extracted feature set.
  • FIG. 9 The left side of FIG. 9 shows a video source (Image/Video), and the right side of FIG. 9 shows a feature map having 64 features.
  • 64 features channels
  • the size of the width and height of each feature is also different from the width and height of the video source.
  • the size of a single feature is smaller than the size of the video source, but since the number of channels in a feature is greater than the number of channels in the video source, the sum of the sizes of all features can be larger than the size of the video source.
  • FIG. 10(a) shows the size of a video source (Image/Video), and FIG. 10(b) shows a feature map having 256 channels.
  • FIG. 10 although the size of individual features is smaller than that of the video source, the total size (size of the feature map) is greater than that of the video source due to the increase in the number of channels.
  • Feature map conversion (or feature dimension conversion) can be used as a method of reducing the size of a feature map, and an example of a method of reducing the size of a feature map through feature dimension conversion is shown in FIG. 11 .
  • the feature conversion unit 1110 converts the extracted feature map output from the feature extraction network 710 into a low-dimensional feature map, and the encoding device 720 can encode a low-dimensional feature map and output it in the form of a bitstream.
  • the decoding device 730 decodes the low-dimensional feature map from the bitstream, and the inverse feature transform unit 1120 inverse transforms the low-dimensional feature map to obtain a high-dimensional feature map. can be converted to
  • the function of the inverse feature transform unit 1120 may be to reconstruct a low-dimensional feature map into a high-dimensional feature map and output a reconstructed feature map.
  • the dimension of the reconstructed feature map may be the same as the dimension before being input to the feature extraction network 710 .
  • the present disclosure proposes embodiments of minimizing a difference (or error) between a feature map before application of a feature dimension transformation technique and a reconstructed feature map.
  • Embodiment 1 is an embodiment of a filtering method for compensating for information lost in the process of reducing the dimensionality of a feature map.
  • 12 is a flowchart illustrating a feature encoding method according to an exemplary embodiment
  • FIG. 14 is a flowchart illustrating a feature decoding method according to an exemplary embodiment.
  • the feature encoding apparatus 10 may extract a feature map from an image and transform the extracted feature map into a low-dimensional image (S1210). That is, the feature encoding apparatus 10 may derive a transformed feature map based on the extracted feature map.
  • the feature encoding apparatus 10 may encode and decode the transformed feature map again (S1220), and inversely transform the decoded feature map (S1230) to derive the inversely transformed feature map. That is, the feature encoding apparatus 10 may derive an inversely transformed feature map based on the transformed feature map.
  • the feature encoding apparatus 10 may derive filtering information based on the inversely transformed feature map (S1240) and encode the transformed feature map and the derived filtering information (S1250).
  • the filtering information may include information indicating whether filtering is applied or not and filter parameters used to perform filtering.
  • filters may be used as filters applied to the filtering.
  • SAO sample adaptive offset
  • ALF adaptive loop filter
  • CCALF cross component ALF
  • an in-loop filter is used to compensate for a difference between an original picture and a reconstructed picture generated during encoding/decoding.
  • ALF compares the original picture and the reconstructed picture to determine information such as whether to apply ALF, ALF shape, and ALF parameters, and then signals and applies the information to the reconstructed picture, so that the reconstructed picture has values close to the original picture. It is a technology that compensates in pixel units so that This is because ALF is based on a Wiener Filter that makes the original picture and the restored picture similar.
  • FIG. 13 An example of the type of ALF filter that can be used for error compensation is shown in FIG. 13 .
  • 13(a) shows a 5x5 diamond-shaped ALF filter
  • FIG. 13(b) shows a 7x7 diamond-shaped ALF filter.
  • information such as whether ALF is to be applied, whether or not to apply the decision unit, filter shape, and filter parameter may be determined regardless of VVC.
  • the ALF filter type exemplified in FIG. 13 is applied to a luminance component/chrominance component, and in the present disclosure, in consideration of the fact that a feature map is composed of a plurality of channels, a filter type different from that of FIG. 13 Filters can be used.
  • the shape of the filter applied to each feature may be different according to the characteristics of the feature, and the same type of filter may be applied to all features. Since the filter parameter is information for minimizing errors, it may be generated differently for each application unit of the filter.
  • CCALF is a method of applying ALF by utilizing a correlation between a luminance component and a color difference component. Therefore, when applying CCALF as a feature map target, a CCALF parameter can be generated using correlation between feature channels and applied to filtering.
  • the feature decoding apparatus 20 may obtain a (low-dimensionally converted) feature map and filtering information from a bitstream (S1410).
  • the feature decoding apparatus 20 may inversely transform the feature map into a higher dimension (S1420), and filter the feature map inversely transformed into a higher dimension based on the filtering information (S1430), thereby compensating for an error due to the dimensional transformation. .
  • An existing encoding/decoding process may be a filtering process performed by the encoding device 720 and the decoding device 730 of FIG. 11 .
  • the present disclosure proposes a method of integrating two filtering processes into one. That is, filtering (second filtering) may be applied only to a feature map inversely transformed to a higher dimension (dimensionality restored) without performing the first filtering.
  • filter parameters required for the first filtering process and filter parameters required for the second filtering process may be integrated into one.
  • Embodiment 2 is an embodiment of a method for deriving necessary information for applying the second filtering. Embodiment 2 may be classified into the following embodiments according to a feature map used to derive filtering information.
  • Embodiment 2-1 is a method of generating filtering information based on the feature map extracted from the feature extraction network 1110 and the low-dimensionally transformed feature map.
  • FIG. 15 is a flowchart illustrating feature encoding methods according to Example 2-1
  • FIG. 17 is a flowchart illustrating a feature decoding method according to Example 2-1.
  • the feature encoding apparatus 10 may extract a feature map from an image and transform the extracted feature map into a low-dimensional image (S1510). That is, the feature encoding apparatus 10 may derive a transformed feature map based on the extracted feature map.
  • the feature encoding apparatus 10 may inverse transform the transformed feature map into a higher dimension (same dimension as the extracted feature map) (S1520), and derive filtering information based on the extracted feature map and the inverse transformed feature map. (S1530).
  • the feature decoding apparatus 20 may obtain a (low-dimensionally converted) feature map and filtering information from a bitstream (S1710).
  • the feature decoding apparatus 20 may inversely transform the feature map into a higher dimension (S1720), and filter the feature map inversely transformed into a higher dimension based on the filtering information (S1730), thereby compensating for an error due to the dimensional transformation. .
  • Example 2-1 since filtering information can be derived only through feature map transformation and inverse transformation, the complexity of the process of deriving filtering information can be reduced.
  • Embodiment 2-2 is a method of generating filtering information based on a feature map extracted from the feature extraction network 1110 and a feature map to which low-dimensional transformation, encoding, decoding, and inverse transformation are applied.
  • FIG. 16 is a flowchart illustrating feature encoding methods according to Example 2-2
  • FIG. 17 is a flowchart illustrating a feature decoding method according to Example 2-2.
  • the feature encoding apparatus 10 may extract a feature map from an image and transform the extracted feature map into a low-dimensional image (S1610). That is, the feature encoding apparatus 10 may derive a transformed feature map based on the extracted feature map.
  • the feature encoding apparatus 10 may encode the converted feature map and decode the encoded feature map again (S1620).
  • the feature encoding apparatus 10 may inversely transform the decoded feature map into a higher dimension (same dimension as the extracted feature map) (S1630), and derive filtering information based on the extracted feature map and the inversely transformed feature map. It can (S1640).
  • the inverse transformed feature map corresponds to a feature map that has undergone feature transformation, encoding, decoding, and inverse transformation processes.
  • the transformed feature map and filtering information may be encoded and signaled to the feature decoding apparatus 20 .
  • the feature decoding apparatus 20 may obtain a (low-dimensionally converted) feature map and filtering information from a bitstream (S1710).
  • the feature decoding apparatus 20 may inversely transform the feature map into a higher dimension (S1720), and filter the feature map inversely transformed into a higher dimension based on the filtering information (S1730), thereby compensating for an error due to the dimensional transformation. .
  • the feature map extracted through the feature extraction network 1110 has float range data for each pixel, it may be a heavy burden in terms of implementation and calculation complexity. To solve this problem, a quantization process needs to be performed so that the feature map exists within a specific bit-depth range.
  • Embodiment 2-3 is a method of generating filtering information based on a feature map to which quantization is applied and a feature map to which quantization, transformation, and inverse transformation are applied.
  • 18 is a flowchart illustrating a feature encoding method according to the embodiment 2-3
  • FIG. 19 is a flowchart illustrating a feature decoding method according to the embodiment 2-3.
  • the feature encoding apparatus 10 may extract a feature map from an image and quantize the extracted feature map (S1810). Also, the feature encoding apparatus 10 may transform the quantized feature map into a low-dimensional one (S1820) and inversely transform the transformed feature map (S1830).
  • the feature encoding apparatus 10 may derive filtering information based on the quantized feature map and the inverse transformed feature map (S1840).
  • the inversely transformed feature map may be a feature map that has undergone quantization, transformation, and inverse transformation.
  • the feature decoding apparatus 20 may obtain a (low-dimensionally converted) feature map and filtering information from a bitstream (S1910).
  • the feature map may be a first feature map or first feature information.
  • the feature decoding apparatus 20 may inversely transform the feature map to a higher dimension (S1920), and compensate for an error by filtering the feature map inversely transformed to a higher dimension (S1930) based on the filtering information.
  • the feature decoding apparatus 20 may inverse quantize the filtered feature map (S1940).
  • the inverse quantized feature map may be a second feature map or second feature information.
  • processes S1930 and S1940 may be processes in which second feature information for 'inversely transformed first feature information' is derived based on the filtering information.
  • Example 2-4 is a method of generating filtering information based on an extracted feature map and a feature map to which quantization, transformation, inverse transformation, and inverse quantization are applied.
  • 20 is a flowchart illustrating a feature encoding method according to the embodiment 2-4
  • FIG. 21 is a flowchart illustrating a feature decoding method according to the embodiment 2-4.
  • the feature encoding apparatus 10 may extract a feature map from an image and quantize the extracted feature map (S2010). Also, the feature encoding apparatus 10 may transform the quantized feature map into a low-dimensional transform (S2020) and inverse transform the transformed feature map (S2030).
  • S2020 low-dimensional transform
  • S2030 inverse transform the transformed feature map
  • the feature encoding apparatus 10 may inverse quantize the inversely transformed feature map (S2040).
  • the feature encoding apparatus 10 may derive filtering information based on the inverse quantized feature map and the extracted feature map (S2050).
  • the inverse quantized feature map may be a feature map that has undergone quantization, transformation, inverse transformation, and inverse quantization processes.
  • the feature decoding apparatus 20 may obtain a (low-dimensionally converted) feature map and filtering information from a bitstream (S2110).
  • the feature map may be a first feature map or first feature information.
  • the feature decoding apparatus 20 may inversely transform the feature map into a high-dimensionality (S2120), and inversely quantize the high-dimensionally inversely transformed feature map (S2130). Also, the feature decoding apparatus 20 may compensate for an error by filtering the inversely quantized feature map based on the filtering information (S2140).
  • the filtered feature map may be a second feature map or second feature information.
  • Process S2140 may be a process of deriving second feature information for 'inversely transformed first feature information' based on the filtering information.
  • Example 2-3 Comparing Example 2-3 with Example 2-4, while Example 2-3 derives filtering information through relatively few processes, Example 2-4 derives filtering information through additional processes. . Therefore, complexity can be reduced according to the embodiment 2-3, and filtering information can be more accurately derived according to the embodiment 2-4.
  • filtering information (whether or not to apply filtering, filter parameters, etc.) necessary for the filtering process must be delivered to an element that performs filtering.
  • the filtering information may be transferred to an element that performs filtering through an element that performs inverse transformation and an element that performs inverse quantization, or may be directly transferred to an element that performs filtering.
  • Embodiment 3 is an embodiment of a method for signaling filtering information.
  • the filtering information may include information indicating whether filtering is applied and information indicating filtering parameters.
  • the feature encoding apparatus 10 may encode and signal information indicating whether filtering is applied and information indicating filtering parameters in feature units (or feature levels), and the feature decoding apparatus 20 may signal whether filtering is applied or not. It can be obtained in units of information features representing information and filtering parameters.
  • the feature unit may be an individual feature channel or a set of feature channels. When similar feature channels are grouped and coded, filtering information can be shared, and compression efficiency can be improved.
  • Table 1 shows an example in which filtering information is signaled in units of features.
  • feature_ALF_flag is information indicating whether or not filtering is applied.
  • a first value (e.g., 1) of feature_ALF_flag may indicate that filtering is applied, and a second value (e.g., 0) of feature_ALF_flag may indicate that filtering is not applied.
  • can represent ALF_Param may be information indicating a filtering parameter.
  • the feature encoding apparatus 10 may encode information indicating whether filtering is applied and information indicating a filtering parameter at a higher level than features and signal the encoding.
  • the upper level may be a level including a plurality of features.
  • the feature decoding apparatus 20 may obtain information indicating whether filtering is applied or not and a higher level indicating a filtering parameter.
  • the upper level may be a level corresponding to a relatively large scale unit, such as a sequence parameter set (SPS), a picture parameter set (PPS), a picture header (PH), and a slice header (SH).
  • SPS sequence parameter set
  • PPS picture parameter set
  • PH picture header
  • SH slice header
  • feature_ALF_flag is information indicating whether filtering is applied, and the first value (e.g., 1) of feature_ALF_flag may indicate that filtering is applied, and the second value (e.g., 0) of feature_ALF_flag is not applied filtering.
  • ALF_Param may be information indicating a filtering parameter.
  • feature_ALF_flag may be a first syntax element
  • ALF_Param may be a second syntax element.
  • ALF_Param may be signaled when feature_ALF_flag has a value indicating that filtering is applied.
  • Exemplary methods of this disclosure are presented as a series of operations for clarity of explanation, but this is not intended to limit the order in which steps are performed, and each step may be performed concurrently or in a different order, if desired.
  • other steps may be included in addition to the exemplified steps, other steps may be included except for some steps, or additional other steps may be included except for some steps.
  • an image encoding device or an image decoding device that performs a predetermined operation may perform an operation (step) for confirming an execution condition or situation of the corresponding operation (step). For example, when it is described that a predetermined operation is performed when a predetermined condition is satisfied, the video encoding apparatus or the video decoding apparatus performs an operation to check whether the predetermined condition is satisfied, and then performs the predetermined operation. can be done
  • the embodiments described in this disclosure may be implemented and performed on a processor, microprocessor, controller, or chip.
  • functional units shown in each drawing may be implemented and performed on a computer, processor, microprocessor, controller, or chip.
  • information for implementation e.g., information on instructions
  • algorithm may be stored in a digital storage medium.
  • a decoder (decoding device) and an encoder (encoding device) to which the embodiment(s) of the present disclosure are applied may be a multimedia broadcast transmission/reception device, a mobile communication terminal, a home cinema video device, a digital cinema video device, a surveillance camera, and a video conversation. device, real-time communication device such as video communication, mobile streaming device, storage medium, camcorder, video-on-demand (VoD) service providing device, OTT video (Over the top video) device, Internet streaming service providing device, 3-dimensional (3D) video device, VR (virtual reality) device, AR (argumente reality) device, video phone video device, transportation device (ex.
  • real-time communication device such as video communication, mobile streaming device, storage medium, camcorder, video-on-demand (VoD) service providing device, OTT video (Over the top video) device, Internet streaming service providing device, 3-dimensional (3D) video device, VR (virtual reality) device, AR (argumente reality) device, video phone video device, transportation device (ex
  • OTT video devices may include game consoles, Blu-ray players, Internet-connected TVs, home theater systems, smart phones, tablet PCs, digital video recorders (DVRs), and the like.
  • the processing method to which the embodiment(s) of the present disclosure is applied may be produced in the form of a program executed by a computer and stored in a computer-readable recording medium.
  • Multimedia data having a data structure according to the embodiment(s) of this document may also be stored in a computer-readable recording medium.
  • the computer-readable recording medium includes all types of storage devices and distributed storage devices in which computer-readable data is stored.
  • Computer-readable recording media include, for example, Blu-ray Disc (BD), Universal Serial Bus (USB), ROM, PROM, EPROM, EEPROM, RAM, CD-ROM, magnetic tape, floppy disk, and optical data
  • a storage device may be included.
  • a computer-readable recording medium includes media implemented in the form of a carrier wave (eg, transmission through the Internet).
  • the bitstream generated by the encoding method may be stored in a computer-readable recording medium or transmitted through a wired or wireless communication network.
  • embodiment(s) of the present disclosure may be implemented as a computer program product using program codes, and the program codes may be executed on a computer by the embodiment(s) of the present disclosure.
  • the program code may be stored on a carrier readable by a computer.
  • FIG. 22 is a diagram illustrating an example of a content streaming system to which embodiments of the present disclosure may be applied.
  • a content streaming system to which an embodiment of the present disclosure is applied may largely include an encoding server, a streaming server, a web server, a media storage, a user device, and a multimedia input device.
  • the encoding server compresses content input from multimedia input devices such as smart phones, cameras, camcorders, etc. into digital data to generate a bit stream and transmits it to a streaming server.
  • multimedia input devices such as smart phones, cameras, and camcorders directly generate bitstreams
  • the encoding server may be omitted.
  • the bitstream may be generated by an image encoding method and/or an image encoding apparatus to which an embodiment of the present disclosure is applied, and the streaming server may temporarily store the bitstream while transmitting or receiving the bitstream.
  • the streaming server transmits multimedia data to a user device based on a user's request through the web server, and the web server may serve as a medium informing the user of what kind of service is available.
  • the web server transmits it to the streaming server, and the streaming server can transmit multimedia data to the user.
  • the content streaming system may include a separate control server, and in this case, the control server may play a role of controlling commands/responses between devices in the content streaming system.
  • a streaming server may receive content from a media store and/or an encoding server. For example, when receiving content from an encoding server, the content may be received in real time. In this case, in order to provide a smooth streaming service, the streaming server may store the bitstream for a certain period of time.
  • Examples of user devices include mobile phones, smart phones, laptop computers, digital broadcasting terminals, personal digital assistants (PDAs), portable multimedia players (PMPs), navigation devices, slate PCs, and tablets.
  • PDAs personal digital assistants
  • PMPs portable multimedia players
  • PC tablet PC
  • ultrabook wearable device (e.g., watch type terminal (smartwatch), glass type terminal (smart glass), HMD (head mounted display)), digital TV, desktop computer , digital signage, and the like.
  • Each server in the content streaming system may be operated as a distributed server, and in this case, data received from each server may be distributed and processed.
  • FIG. 23 is a diagram illustrating another example of a content streaming system to which embodiments of the present disclosure may be applied.
  • the user terminal may perform the task according to the performance of the device, the user's request, the characteristics of the task to be performed, or the like, or an external device (e.g., streaming server, analysis server, etc.) You can also perform tasks in .
  • a user terminal directly or through an encoding server provides a bitstream including information necessary for performing a task (e.g., information such as a task, a neural network, and/or a purpose). can be created through
  • the analysis server may perform the requested task of the user terminal.
  • the analysis server may transmit the result obtained through the task performance back to the user terminal or to another related service server (e.g., web server).
  • the analysis server may transmit a result obtained by performing a task of determining fire to a fire-related server.
  • the analysis server may include a separate control server, and in this case, the control server may serve to control commands/responses between each device associated with the analysis server and the server.
  • the analysis server may request desired information from the web server based on task information that the user device wants to perform and tasks that can be performed.
  • the web server When the analysis server requests a desired service from the web server, the web server transmits it to the analysis server, and the analysis server may transmit data about the service to the user terminal.
  • the control server of the content streaming system may play a role of controlling commands/responses between devices in the streaming system.
  • Embodiments according to the present disclosure may be used to encode/decode features/feature maps.

Landscapes

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

Abstract

피쳐 부호화/복호화 방법, 장치 및 상기 피쳐 부호화 방법에 의해 생성된 컴퓨터 판독가능한 기록 매체가 제공된다. 본 개시에 따른 피쳐 복호화 방법은, 제1 피쳐 정보 및 상기 제1 피쳐 정보에 대한 필터링 정보를 비트스트림으로부터 획득하는 단계; 상기 제1 피쳐 정보를 역변환하는 단계; 및 상기 필터링 정보에 기반하여, 상기 역변환된 제1 피쳐 정보에 대한 제2 피쳐 정보를 유도하는 단계를 포함할 수 있다.

Description

피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
본 개시는 피쳐 부호화/복호화 방법 및 장치에 관한 것으로서, 보다 상세하게는, 특징점 차원 감소에 따른 에러를 보상하는 피쳐 부호화/복호화 방법, 장치 및 본 개시의 피쳐 부호화 방법/장치에 의해 생성된 비트스트림을 저장한 기록 매체에 관한 것이다.
머신러닝 기술의 발전과 함께 영상 처리 기반의 인공지능 서비스에 대한 수요가 증가하고 있다. 인공지능 서비스에서 요구되는 방대한 양의 영상 데이터를 한정된 리소스 내에서 효과적으로 처리하기 위해서는, 머신 태스크 수행에 최적화된 영상 압축 기술이 필수적이다. 하지만, 기존의 영상 압축 기술은 휴먼 비전을 위한 고해상도, 고품질의 영상 처리를 목표로 발전해 왔는 바, 인공지능 서비스에는 부적합하다는 문제가 있다. 이에 따라, 인공지능 서비스에 적합한 머신 지향의 새로운 영상 압축 기술에 대한 연구 개발이 활발히 진행되고 있다.
본 개시는 부호화/복호화 효율이 향상된 피쳐 부호화/복호화 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 개시는 특징점 차원 감소에 의한 에러를 보상하는 피쳐 부호화/복호화 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 개시는 피쳐 차원 감소 적용 전의 피쳐맵과 본래 차원으로 복원된 피쳐맵 사이의 차이를 최소화하기 위해 필터를 적용하는 피쳐 부호화/복호화 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 개시는 상기 필터에 관련된 정보를 전송하는 피쳐 부호화/복호화 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 개시는 본 개시에 따른 피쳐 부호화 방법 또는 장치에 의해 생성된 비트스트림을 전송하는 방법 또는 장치를 제공하는 것을 목적으로 한다.
또한, 본 개시는 본 개시에 따른 피쳐 부호화 방법 또는 장치에 의해 생성된 비트스트림을 저장한 기록 매체를 제공하는 것을 목적으로 한다.
또한, 본 개시는 본 개시에 따른 피쳐 복호화 장치에 의해 수신되고 복호화되어 피쳐의 복원에 이용되는 비트스트림을 저장한 기록 매체를 제공하는 것을 목적으로 한다.
본 개시에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시의 일 양상에 따른 피쳐 복호화 방법은, 제1 피쳐 정보 및 상기 제1 피쳐 정보에 대한 필터링 정보를 비트스트림으로부터 획득하는 단계; 상기 제1 피쳐 정보를 역변환하는 단계; 및 상기 필터링 정보에 기반하여, 상기 역변환된 제1 피쳐 정보에 대한 제2 피쳐 정보를 유도하는 단계를 포함할 수 있다.
본 개시의 또 다른 양상에 따른 피쳐 부호화 방법은, 영상으로부터 추출된 피쳐 정보에 기반하여, 변환된 피쳐 정보를 유도하는 단계; 상기 변환된 피쳐 정보에 기반하여, 역변환된 피쳐 정보를 유도하는 단계; 및 상기 역변환된 피쳐 정보에 기반하여, 필터링 정보를 유도하는 단계를 포함할 수 있다.
본 개시의 또 다른 양상에 따른 기록 매체는, 본 개시의 피쳐 부호화 방법 또는 피쳐 부호화 장치에 의해 생성된 비트스트림을 저장할 수 있다.
본 개시의 또 다른 양상에 따른 비트스트림 전송 방법은, 본 개시의 피쳐 부호화 방법 또는 피쳐 부호화 장치에 의해 생성된 비트스트림을 피쳐 복호화 장치로 전송할 수 있다.
본 개시에 대하여 위에서 간략하게 요약된 특징들은 후술하는 본 개시의 상세한 설명의 예시적인 양상일 뿐이며, 본 개시의 범위를 제한하는 것은 아니다.
본 개시에 따르면, 부호화/복호화 효율이 향상된 피쳐 정보 부호화/복호화 방법 및 장치가 제공될 수 있다.
또한, 본 개시에 따르면, 특징점 차원 감소에 의한 에러가 보상되므로 복원된 피쳐의 정확성을 향상시킬 수 있다.
또한, 본 개시에 따르면, 복원된 피쳐의 정확성이 향상됨으로써 피쳐에 대한 압축 효율을 향상시킬 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 개시의 실시예들이 적용될 수 있는 VCM 시스템을 개략적으로 나타낸 도면이다.
도 2는 본 개시의 실시예들이 적용될 수 있는 VCM 파이프라인 구조를 개략적으로 나타낸 도면이다.
도 3은 본 개시의 실시예들이 적용될 수 있는 영상/비디오 인코더를 개략적으로 나타낸 도면이다.
도 4는 본 개시의 실시예들이 적용될 수 있는 영상/비디오 디코더를 개략적으로 나타낸 도면이다.
도 5는 본 개시의 실시예들이 적용될 수 있는 피쳐/피쳐맵 인코딩 절차를 개략적으로 나타낸 흐름도이다.
도 6은 본 개시의 실시예들이 적용될 수 있는 피쳐/피쳐맵 디코딩 절차를 개략적으로 나타낸 흐름도이다.
도 7은 본 개시의 실시예들이 적용될 수 있는 피쳐 추출 및 복원 방법의 일 예를 나타내는 도면이다.
도 8은 피쳐 추출 네트워크를 이용한 피쳐 추출 방법의 일 예를 나타내는 도면이다.
도 9는 추출된 피쳐의 일 예를 나타내는 도면이다.
도 10은 추출된 피쳐 셋의 크기에 대한 일 예를 나타내는 도면이다.
도 11은 본 개시의 실시예들이 적용될 수 있는 피쳐 추출 및 복원 방법의 일 예를 나타내는 도면이다.
도 12는 본 개시의 일 실시예에 따른 피쳐 부호화 방법을 나타내는 흐름도이다.
도 13은 에러 보상에 이용될 수 있는 필터 형태의 일 예를 나타내는 도면이다.
도 14는 본 개시의 일 실시예에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 15 및 도 16은 본 개시의 일 실시예에 따른 피쳐 부호화 방법들을 나타내는 흐름도이다.
도 17은 본 개시의 일 실시예에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 18은 본 개시의 일 실시예에 따른 피쳐 부호화 방법을 나타내는 흐름도이다.
도 19는 본 개시의 일 실시예에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 20은 본 개시의 일 실시예에 따른 피쳐 부호화 방법을 나타내는 흐름도이다.
도 21은 본 개시의 일 실시예에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 22는 본 개시의 실시예들이 적용될 수 있는 컨텐츠 스트리밍 시스템의 일 예를 나타내는 도면이다.
도 23은 본 개시의 실시예들이 적용될 수 있는 컨텐츠 스트리밍 시스템의 다른 예를 나타내는 도면이다.
이하에서는 첨부한 도면을 참고로 하여 본 개시의 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나, 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
본 개시의 실시예를 설명함에 있어서 공지 구성 또는 기능에 대한 구체적인 설명이 본 개시의 요지를 흐릴 수 있다고 판단되는 경우에는 그에 대한 상세한 설명은 생략한다. 그리고, 도면에서 본 개시에 대한 설명과 관계없는 부분은 생략하였으며, 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 개시에 있어서, 어떤 구성요소가 다른 구성요소와 "연결", "결합" 또는 "접속"되어 있다고 할 때, 이는 직접적인 연결관계뿐만 아니라, 그 중간에 또 다른 구성요소가 존재하는 간접적인 연결관계도 포함할 수 있다. 또한 어떤 구성요소가 다른 구성요소를 "포함한다" 또는 "가진다"고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 배제하는 것이 아니라 또 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 개시에 있어서, 제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용되며, 특별히 언급되지 않는 한 구성요소들간의 순서 또는 중요도 등을 한정하지 않는다. 따라서, 본 개시의 범위 내에서 일 실시예에서의 제1 구성요소는 다른 실시예에서 제2 구성요소라고 칭할 수도 있고, 마찬가지로 일 실시예에서의 제2 구성요소를 다른 실시예에서 제1 구성요소라고 칭할 수도 있다.
본 개시에 있어서, 서로 구별되는 구성요소들은 각각의 특징을 명확하게 설명하기 위함이며, 구성요소들이 반드시 분리되는 것을 의미하지는 않는다. 즉, 복수의 구성요소가 통합되어 하나의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있고, 하나의 구성요소가 분산되어 복수의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있다. 따라서, 별도로 언급하지 않더라도 이와 같이 통합된 또는 분산된 실시예도 본 개시의 범위에 포함된다.
본 개시에 있어서, 다양한 실시예에서 설명하는 구성요소들이 반드시 필수적인 구성요소들을 의미하는 것은 아니며, 일부는 선택적인 구성요소일 수 있다. 따라서, 일 실시예에서 설명하는 구성요소들의 부분집합으로 구성되는 실시예도 본 개시의 범위에 포함된다. 또한, 다양한 실시예에서 설명하는 구성요소들에 추가적으로 다른 구성요소를 포함하는 실시예도 본 개시의 범위에 포함된다.
본 개시는 영상의 부호화 및 복호화에 관한 것으로서, 본 개시에서 사용되는 용어는, 본 개시에서 새롭게 정의되지 않는 한 본 개시가 속한 기술 분야에서 통용되는 통상의 의미를 가질 수 있다.
본 개시는 VVC(Versatile Video Coding) 표준 및/또는 VCM(Video Coding for Machines) 표준에 개시되는 방법에 적용될 수 있다. 또한, 본 개시는 EVC (essential video coding) 표준, AV1 (AOMedia Video 1) 표준, AVS2 (2nd generation of audio video coding standard) 또는 차세대 비디오/영상 코딩 표준(e.g., H.267 or H.268 등)에 개시되는 방법에 적용될 수 있다.
본 개시는 비디오/영상 코딩에 관한 다양한 실시예들을 제시하며, 다른 언급이 없는 한 상기 실시예들은 서로 조합되어 수행될 수도 있다.본 개시에서 "비디오(video)"는 시간의 흐름에 따른 일련의 영상(image)들의 집합을 의미할 수 있다. "영상(image)"은 AI(artificial intelligence)에 의해 생성된 정보일 수 있다. AI가 일련의 태스크를 수행하는 과정에서 사용하는 입력 정보, 정보 처리 과정 중에 발생하는 정보와 출력하는 정보가 영상(image)으로 쓰일 수 있다. "픽처(picture)"는 일반적으로 특정 시간대의 하나의 영상을 나타내는 단위를 의미하며, 슬라이스(slice)/타일(tile)은 부호화에 있어서 픽처의 일부를 구성하는 부호화 단위이다. 하나의 픽처는 하나 이상의 슬라이스/타일로 구성될 수 있다. 또한, 슬라이스/타일은 하나 이상의 CTU(coding tree unit)를 포함할 수 있다. 상기 CTU는 하나 이상의 CU로 분할될 수 있다. 타일은 픽처 내의 특정 타일 행(Tile Row) 및 특정 타일 열(Tile Column) 내에 존재하는 사각 영역으로, 복수의 CTU로 구성될 수 있다. 타일 열은 CTU들의 사각 영역으로 정의될 수 있으며, 픽쳐의 높이와 동일한 높이를 가지고, 픽쳐 파라미터 셋과 같은 비트스트림 부분으로부터 시그널링 되는 신택스 요소에 의하여 명세되는 너비를 가질 수 있다. 타일 행은 CTU들의 사각 영역으로 정의될 수 있으며, 픽쳐의 너비와 동일한 너비를 가지고, 픽쳐 파라미터 셋과 같은 비트스트림 부분으로부터 시그널링 되는 신택스 요소에 의하여 명세되는 높이를 가질 수 있다. 타일 스캔은 픽쳐를 분할하는 CTU들의 소정의 연속된 순서 지정 방법이다. 여기서, CTU들은 타일 내에서 CTU 래스터 스캔(raster scan)에 따라 연속적으로 순서를 부여받을 수 있고, 픽쳐내의 타일들은 픽쳐의 타일들의 래스터 스캔 순서에 따라 연속적으로 순서를 부여받을 수 있다. 슬라이스는 정수개의 완전한 타일들을 포함하거나, 하나의 픽쳐의 하나의 타일 내의 연속하는 정수개의 완전한 CTU 행을 포함할 수 있다. 슬라이스는 하나의 싱글 NAL 유닛에 독점적으로 포함될 수 있다. 하나의 픽처는 하나 이상의 타일 그룹으로 구성될 수 있다. 하나의 타일 그룹은 하나 이상의 타일들을 포함할 수 있다. 브릭은 픽처 내 타일 이내의 CTU행들의 사각 영역을 나타낼 수 있다. 하나의 타일은 하나 이상의 브릭(Brick)을 포함할 수 있다. 브릭은 타일 내 CTU 행들의 사각 영역을 나타낼 수 있다. 하나의 타일은 복수의 브릭으로 분할될 수 있으며, 각각의 브릭은 타일에 속한 하나 이상의 CTU행을 포함할 수 있다. 복수의 브릭으로 분할되지 않는 타일 또한 브릭으로 취급될 수 있다.
본 개시에서 "픽셀(pixel)" 또는 "펠(pel)"은 하나의 픽처(또는 영상)를 구성하는 최소의 단위를 의미할 수 있다. 또한, 픽셀에 대응하는 용어로서 "샘플(sample)"이 사용될 수 있다. 샘플은 일반적으로 픽셀 또는 픽셀의 값을 나타낼 수 있으며, 루마(luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있고, 크로마(chroma) 성분의 픽셀/픽셀 값만을 나타낼 수도 있다.
일 실시예에서, 특히 VCM에 적용되는 경우, 픽셀/픽셀값은 다른 특성 및 의미를 갖는 성분들의 집합으로 구성된 픽쳐가 있을 때 각 성분들의 독립적 정보 혹은 조합, 합성, 분석을 통해 생성된 성분의 픽셀/픽셀값을 나타낼 수도 있다. 예를 들어 RGB 입력에서 R의 픽셀/픽셀값만을 나타낼 수도 있고 G의 픽셀/픽셀값만을 나타낼 수도 있고 B의 픽셀/픽셀값만을 나타낼 수도 있다. 예를 들어 R, G, B 성분을 이용해 합성된 루마(Luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있다. 예를 들어 R, G, B 성분을 성분에서 분석을 통해 추출한 영상, 정보의 픽셀/픽셀 값만을 나타낼 수도 있다.
본 개시에서 "유닛(unit)"은 영상 처리의 기본 단위를 나타낼 수 있다. 유닛은 픽처의 특정 영역 및 해당 영역에 관련된 정보 중 적어도 하나를 포함할 수 있다. 하나의 유닛은 하나의 루마 블록 및 두개의 크로마(e.g., Cb, Cr) 블록을 포함할 수 있다. 유닛은 경우에 따라서 "샘플 어레이", "블록(block)" 또는 "영역(area)" 등의 용어와 혼용하여 사용될 수 있다. 일반적인 경우, MxN 블록은 M개의 열과 N개의 행으로 이루어진 샘플들(또는 샘플 어레이) 또는 변환 계수(transform coefficient)들의 집합(또는 어레이)을 포함할 수 있다. 일 실시예에서, 특히 VCM에 적용되는 경우, 유닛은 특정 태스크를 수행하기 위한 정보를 담고 있는 기본 단위를 나타낼 수 있다.
본 개시에서 "현재 블록"은 "현재 코딩 블록", "현재 코딩 유닛", "부호화 대상 블록", "복호화 대상 블록" 또는 "처리 대상 블록" 중 하나를 의미할 수 있다. 예측이 수행되는 경우, "현재 블록"은 "현재 예측 블록" 또는 "예측 대상 블록"을 의미할 수 있다. 변환(역변환)/양자화(역양자화)가 수행되는 경우, "현재 블록"은 "현재 변환 블록" 또는 "변환 대상 블록"을 의미할 수 있다. 필터링이 수행되는 경우, "현재 블록"은 "필터링 대상 블록"을 의미할 수 있다.
또한, 본 개시에서 "현재 블록"은 크로마 블록이라는 명시적인 기재가 없는 한 "현재 블록의 루마 블록"을 의미할 수 있다. "현재 블록의 크로마 블록"은 명시적으로 "크로마 블록" 또는 "현재 크로마 블록"과 같이 크로마 블록이라는 명시적인 기재를 포함하여 표현될 수 있다.
본 개시에서 "/"와 ","는 "및/또는"으로 해석될 수 있다. 예를 들어, "A/B"와 "A, B"는 "A 및/또는 B"로 해석될 수 있다. 또한, "A/B/C"와 "A, B, C"는 "A, B 및/또는 C 중 적어도 하나"를 의미할 수 있다.
본 개시에서 "또는"은 "및/또는"으로 해석될 수 있다. 예를 들어, "A 또는 B"는, 1) "A" 만을 의미하거나 2) "B" 만을 의미하거나, 3) "A 및 B"를 의미할 수 있다. 또는, 본 개시에서 "또는"은 "추가적으로 또는 대체적으로(additionally or alternatively)"를 의미할 수 있다.
본 개시는 VCM(Video/image coding for machines)에 관한 것이다.
VCM은 머신 비전을 목적으로 하여 소스 영상/비디오의 일부 또는 소스 영상/비디오로부터 획득된 정보를 부호화/복호화하는 압축 기술을 일컫는다. VCM에서 부호화/복호화 대상은 피쳐(feature)로 지칭될 수 있다. 피쳐는 태스크 목적, 요구사항, 주변 환경 등에 기반하여 소스 영상/비디오로부터 추출된 정보를 의미할 수 있다. 피쳐는 소스 영상/비디오와는 상이한 정보 형태를 가질 수 있으며, 이에 따라 피쳐의 압축 방법 및 표현 형식 또한 비디오 소스와는 상이할 수 있다.
VCM은 다양한 응용 분야에 적용될 수 있다. 예를 들어, 물체나 사람을 인식하고 추적하는 감시 시스템(Surveillance system)에 있어서, VCM은 객체 인식 정보를 저장하거나 전송하기 위해 이용될 수 있다. 또한, 지능형 운송(Intelligent Transportation) 또는 스마트 트래픽 시스템(Smart Traffic system)에 있어서, VCM은 GPS로부터 수집한 차량의 위치 정보, 라이다(LIDAR), 레이더(Radar) 등으로부터 수집한 센싱 정보 및 각종 차량 제어 정보를 다른 차량이나 인프라 스트럭처(infrastructure)로 전송하기 위해 이용될 수 있다. 또한, 스마트 시트(Smart city) 분야에 있어서, VCM은 상호 연결된 센서 노드 또는 장치의 개별 태스크 수행을 위해 이용될 수 있다.
본 개시는 피쳐/피쳐맵 코딩에 관한 다양한 실시예들을 제공한다. 다른 특별한 언급이 없는 한, 본 개시의 실시예들은 각각 개별적으로 구현될 수도 있고, 또는 2 이상의 조합으로 구현될 수도 있다.
VCM 시스템 개요
도 1은 본 개시의 실시예들이 적용될 수 있는 VCM 시스템을 개략적으로 나타낸 도면이다.
도 1을 참조하면, VCM 시스템은 부호화 장치(10) 및 복호화 장치(20)를 포함할 수 있다.
부호화 장치(10)는 소스 영상/비디오로부터 추출된 피쳐/피쳐맵을 압축/부호화하여 비트스트림을 생성하고, 생성된 비트스트림을 저장매체 또는 네트워크를 통해 복호화 장치(20)로 전송할 수 있다. 부호화 장치(10)는 피쳐 부호화 장치로 지칭될 수도 있다. VCM 시스템에서, 피쳐/피쳐맵은 신경망의 각 은닉층(hidden layer)에서 생성될 수 있다. 생성된 피쳐맵의 크기 및 채널수는 신경망의 종류나 은닉층의 위치에 따라 달라질 수 있다. 본 개시에서, 피쳐맵은 피쳐셋으로 지칭될 수 있으며, 피쳐 또는 피쳐맵은 '피쳐 정보'로 지칭될 수 있다.
부호화 장치(10)는 피쳐 획득부(11), 부호화부(12) 및 전송부(13)를 포함할 수 있다.
피쳐 획득부(11)는 소스 영상/비디오에 대한 피쳐/피쳐맵을 획득할 수 있다. 실시예에 따라, 피쳐 획득부(11)는 외부 장치, 예컨대 피쳐 추출 네트워크로부터 피쳐/피쳐맵을 획득할 수 있다. 이 경우, 피쳐 획득부(11)는 피쳐 수신 인터페이스 기능을 수행하게 된다. 또는, 피쳐 획득부(11)는 소스 영상/비디오를 입력으로 하여 신경망(e.g., CNN, DNN 등)을 실행함으로써 피쳐/피쳐맵을 획득할 수도 있다. 이 경우, 피쳐 획득부(11)는 피쳐 추출 네트워크 기능을 수행하게 된다.
실시예에 따라, 부호화 장치(10)는 소스 영상/비디오를 획득하기 위한 소스 영상 생성부(미도시)를 더 포함할 수 있다. 소스 영상 생성부는 이미지 센서, 카메라 모듈 등으로 구현될 수 있으며, 영상/비디오의 캡쳐, 합성 또는 생성 과정 등을 통해 소스 영상/비디오를 획득할 수 있다. 이 경우, 생성된 소스 영상/비디오는 피쳐 추출 네트워크로 전달되어, 피쳐/피쳐맵을 추출하기 위한 입력 데이터로 이용될 수 있다.
부호화부(12)는 피쳐 획득부(11)에 의해 획득된 피쳐/피쳐맵을 부호화할 수 있다. 부호화부(12)는 부호화 효율을 높이기 위해 예측, 변환, 양자화 등 일련의 절차를 수행할 수 있다. 부호화된 데이터(부호화된 피쳐/피쳐맵 정보)는 비트스트림 형태로 출력될 수 있다. 부호화된 피쳐/피쳐맵 정보를 포함하는 비트스트림은 VCM 비트스트림으로 지칭될 수 있다.
전송부(13)는 비트스트림 형태로 출력된 피쳐/피쳐맵 정보 또는 데이터를 획득할 수 있으며, 이를 파일 또는 스트리밍 형태로 디지털 저장매체 또는 네트워크를 통해 복호화 장치(20) 또는 다른 외부 객체로 전달할 수 있다. 여기서, 디지털 저장 매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장 매체들을 포함할 수 있다. 전송부(13)는 소정의 파일 포맷을 갖는 미디어 파일을 생성하기 위한 엘리먼트들 또는 방송/통신 네트워크를 통한 데이터 전송을 위한 엘리먼트들을 포함할 수 있다. 전송부(13)는 부호화부(12)와는 별개의 전송 장치로 구비될 수 있으며, 이 경우 전송 장치는 비트스트림 형태로 출력된 피쳐/피쳐맵 정보 또는 데이터를 획득하는 적어도 하나의 프로세서와 이를 파일 또는 스트리밍 형태로 전달하는 전송부를 포함할 수 있다.
복호화 장치(20)는 부호화 장치(10)로부터 피쳐/피쳐맵 정보를 획득하고, 획득된 정보에 기반하여 피쳐/피쳐맵을 복원할 수 있다.
복호화 장치(20)는 수신부(21) 및 복호화부(22)를 포함할 수 있다.
수신부(21)는 부호화 장치(10)로부터 비트스트림을 수신하고, 수신된 비트스트림으로부터 피쳐/피쳐맵 정보를 획득하여 복호화부(22)로 전달할 수 있다.
복호화부(22)는 획득된 피쳐/피쳐맵 정보에 기반하여 피쳐/피쳐맵을 복호화할 수 있다. 복호화부(22)는 복호화 효율을 높이기 위해 부호화부(14)의 동작에 대응하는 역양자화, 역변환, 예측 등 일련의 절차를 수행할 수 있다.
실시예에 따라, 복호화 장치(20)는 태스크 분석/렌더링부(23)를 더 포함할 수 있다.
태스크 분석/렌더링부(23)는 복호화된 피쳐/피쳐맵에 기반하여 태스크 분석을 수행할 수 있다. 또한, 태스크 분석/렌더링부(23)는 복호화된 피쳐/피쳐맵을 태스크 수행에 적합한 형태로 렌더링(rendering)할 수 있다. 태스크 분석 결과 및 렌더링된 피쳐/피쳐맵에 기반하여 다양한 머신 (지향형) 태스크가 수행될 수 있다.
이상, VCM 시스템은 사용자 및/또는 머신의 요청, 태스크 목적 및 주변 환경에 따라 소스 영상/비디오로부터 추출된 피쳐를 부호화/복호화하고, 복호화된 피쳐에 기반하여 다양한 머신 (지향형) 태스크들을 수행할 수 있다. VCM 시스템은 비디오/영상 코딩 시스템을 확장/재설계함으로써 구현될 수도 있으며, VCM 표준에서 정의되는 다양한 부호화/복호화 방법들을 수행할 수 있다.
VCM 파이프라인
도 2는 본 개시의 실시예들이 적용될 수 있는 VCM 파이프라인 구조를 개략적으로 나타낸 도면이다.
도 2를 참조하면, VCM 파이프라인(200)은 영상/비디오의 부호화/복호화를 위한 제1 파이프라인(210) 및 피쳐/피쳐맵의 부호화/복호화를 위한 제2 파이프라인(220)을 포함할 수 있다. 본 개시에서, 제1 파이프라인(210)은 비디오 코덱 파이프라인으로 지칭될 수 있고, 제2 파이프라인(220)은 피쳐 코덱 파이프라인으로 지칭될 수 있다.
제1 파이프라인(210)은 입력된 영상/비디오를 부호화하는 제1 스테이지(211) 및 부호화된 영상/비디오를 복호화하여 복원된 영상/비디오를 생성하는 제2 스테이지(212)를 포함할 수 있다. 복원된 영상/비디오는 사람의 시청용, 즉 휴먼 비전을 위해 이용될 수 있다.
제2 파이프라인(220)은 입력된 영상/비디오로부터 피쳐/피쳐맵을 추출하는 제3 스테이지(221), 추출된 피쳐/피쳐맵을 부호화하는 제4 스테이지(222), 및 부호화된 피쳐/피쳐맵을 복호화하여 복원된 피쳐/피쳐맵을 생성하는 제5 스테이지(223)를 포함할 수 있다. 복원된 피쳐/피쳐맵은 머신 (비전) 태스크를 위해 이용될 수 있다. 여기서, 머신 (비전) 태스크란 머신에 의해 영상/비디오가 소비되는 형태의 태스크를 의미할 수 있다. 머신 (비전) 태스크는, 예컨대, 감시(Surveillance), 지능형 교통(Intelligent Transportation), 스마트 시티(Smart City), 지능형 산업(Intelligent Industry), 지능형 컨텐츠(Intelligent Content) 등과 같은 서비스 시나리오에 적용될 수 있다. 실시예에 따라, 복원된 피쳐/피쳐맵은 휴먼 비전을 위해 이용될 수도 있다.
실시예에 따라, 제4 스테이지(222)에서 부호화된 피쳐/피쳐맵은 제1 스테이지(221)로 전달되어 영상/비디오를 부호화하는 데 이용될 수 있다. 이 경우, 부호화된 피쳐/피쳐맵에 기반하여 부가 비트스트림이 생성될 수 있으며, 생성된 부가 비트스트림은 제2 스테이지(222)로 전달되어 영상/비디오를 복호화하는 데 이용될 수 있다.
실시예에 따라, 제5 스테이지(223)에서 복호화된 피쳐/피쳐맵은 제2 스테이지(222)로 전달되어 영상/비디오를 복호화하는 데 이용될 수 있다.
도 2에서는 VCM 파이프라인(200)이 제1 파이프라인(210) 및 제2 파이프라인(220)을 포함하는 경우를 도시하나, 이는 예시적인 것일 뿐 본 개시의 실시예들이 이에 제한되는 것은 아니다. 예를 들어, VCM 파이프라인(200)은 제2 파이프라인(220)만을 포함할 수도 있고, 또는 제2 파이프라인(220)이 복수의 피쳐 코덱 파이프라인들로 확장될 수도 있다.
한편, 제1 파이프라인(210)에서, 제1 스테이지(211)는 영상/비디오 인코더에 의해 수행되고, 제2 스테이지(212)는 영상/비디오 디코더에 의해 수행될 수 있다. 또한, 제2 파이프라인(220)에서, 제3 스테이지(221)는 VCM 인코더(또는, 피쳐/피쳐맵 인코더)에 의해 수행되고, 제4 스테이지(222)는 VCM 디코더(또는, 피쳐/피쳐맵 디코더)에 의해 수행될 수 있다. 이하, 인코더/디코더 구조를 상세히 설명한다.
인코더(Encoder)
도 3은 본 개시의 실시예들이 적용될 수 있는 영상/비디오 인코더를 개략적으로 나타낸 도면이다.
도 3을 참조하면, 영상/비디오 인코더(300)는 영상 분할부(image partitioner, 310), 예측부(predictor, 320), 레지듀얼 처리부(residual processor, 330), 엔트로피 인코딩부(entropy encoder, 340), 가산부(adder, 350), 필터링부(filter, 360), 및 메모리(memory, 370)를 포함할 수 있다. 예측부(320)는 인터 예측부(321) 및 인트라 예측부(322)를 포함할 수 있다. 레지듀얼 처리부(330)는 변환부(transformer, 332), 양자화부(quantizer, 333), 역양자화부(dequantizer, 334) 및 역변환부(inverse transformer, 335)를 포함할 수 있다. 레지듀얼 처리부(330)은 감산부(subtractor, 331)를 더 포함할 수 있다. 가산부(350)는 복원부(reconstructor) 또는 복원 블록 생성부(recontructged block generator)로 지칭될 수 있다. 상술한 영상 분할부(310), 예측부(320), 레지듀얼 처리부(330), 엔트로피 인코딩부(340), 가산부(350) 및 필터링부(360)는 실시예에 따라 하나 이상의 하드웨어 컴포넌트(예컨대, 인코더 칩셋 또는 프로세서)에 의하여 구성될 수 있다. 또한, 메모리(370)는 DPB(decoded picture buffer)를 포함할 수 있고, 디지털 저장 매체에 의해 구성될 수도 있다. 상술한 하드웨어 컴포넌트는 메모리(370)를 내/외부 컴포넌트로 더 포함할 수도 있다.
영상 분할부(310)는 영상/비디오 인코더(300)에 입력된 입력 영상(또는, 픽처, 프레임)을 하나 이상의 프로세싱 유닛(processing unit)으로 분할할 수 있다. 일 예로, 프로세싱 유닛은 코딩 유닛(coding unit, CU)으로 지칭될 수도 있다. 코딩 유닛은 코딩 트리 유닛(coding tree unit, CTU) 또는 최대 코딩 유닛(largest coding unit, LCU)으로부터 QTBTTT(Quad-tree binary-tree ternary-tree) 구조에 따라 재귀적으로(recursively) 분할될 수 있다. 예를 들어, 하나의 코딩 유닛은 쿼드 트리 구조, 바이너리 트리 구조, 및/또는 터너리 구조를 기반으로 하위(deeper) 뎁스의 복수의 코딩 유닛들로 분할될 수 있다. 이 경우, 예를 들어 쿼드 트리 구조가 먼저 적용되고 바이너리 트리 구조 및/또는 터너리 구조가 나중에 적용될 수 있다. 또는, 바이너리 트리 구조가 먼저 적용될 수도 있다. 더 이상 분할되지 않는 최종 코딩 유닛을 기반으로 본 개시에 따른 영상/비디오 코딩 절차가 수행될 수 있다. 이 경우, 영상 특성에 따른 코딩 효율 등을 기반으로 최대 코딩 유닛이 바로 최종 코딩 유닛으로 사용될 수도 있고, 또는 필요에 따라 코딩 유닛은 재귀적으로(recursively) 보다 하위 뎁스의 코딩 유닛들로 분할되어 최적의 사이즈의 코딩 유닛이 최종 코딩 유닛으로 사용될 수도 있다. 여기서, 코딩 절차라 함은 후술하는 예측, 변환, 및 복원 등의 절차를 포함할 수 있다. 다른 예로, 프로세싱 유닛은 예측 유닛(PU: Prediction Unit) 또는 변환 유닛(TU: Transform Unit)을 더 포함할 수 있다. 이 경우, 예측 유닛 및 변환 유닛은 각각 상술한 최종 코딩 유닛으로부터 분할 또는 파티셔닝될 수 있다. 예측 유닛은 샘플 예측의 단위일 수 있고, 변환 유닛은 변환 계수를 유도하는 단위 및/또는 변환 계수로부터 레지듀얼 신호(residual signal)를 유도하는 단위일 수 있다.
유닛은 경우에 따라 블록(block) 또는 영역(area) 등의 용어와 혼용하여 사용될 수 있다. 일반적인 경우, MxN 블록은 M개의 열과 N개의 행으로 이루어진 샘플들 또는 변환 계수들(transform coefficients)의 집합을 나타낼 수 있다. 샘플은 일반적으로 픽셀 또는 픽셀의 값을 나타낼 수 있으며, 휘도(luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있고, 채도(chroma) 성분의 픽셀/픽셀 값만을 나타낼 수도 있다. 샘플은 픽셀(pixel) 또는 펠(pel)에 대응하는 용어로서 사용될 수 있다.
영상/비디오 인코더(300)는 입력 영상 신호(원본 블록, 원본 샘플 어레이)에서 인터 예측부(321) 또는 인트라 예측부(322)로부터 출력된 예측 신호(예측된 블록, 예측 샘플 어레이)를 감산하여 레지듀얼 신호(residual signal, 잔여 블록, 잔여 샘플 어레이)를 생성할 수 있고, 생성된 레지듀얼 신호는 변환부(332)로 전송된다. 이 경우, 도시된 바와 같이 영상/비디오 인코더(300) 내에서 입력 영상 신호(원본 블록, 원본 샘플 어레이)에서 예측 신호(예측 블록, 예측 샘플 어레이)를 감산하는 유닛은 감산부(331)라고 지칭될 수 있다. 예측부는 처리 대상 블록(이하, 현재 블록이라 함)에 대한 예측을 수행하고, 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록(predicted block)을 생성할 수 있다. 예측부는 현재 블록 또는 CU 단위로 인트라 예측이 적용되는지 또는 인터 예측이 적용되는지를 결정할 수 있다. 예측부는 예측 모드 정보 등 예측에 관한 다양한 정보를 생성하여 엔트로피 인코딩부(340)로 전달할 수 있다. 예측에 관한 정보는 엔트로피 인코딩부(340)에서 인코딩되어 비트스트림 형태로 출력될 수 있다.
인트라 예측부(322)는 현재 픽처 내의 샘플들을 참조하여 현재 블록을 예측할 수 있다. 이 때, 참조되는 샘플들은 예측 모드에 따라 현재 블록의 주변(neighbor)에 위치할 수도 있고, 또는 떨어져서 위치할 수도 있다. 인트라 예측에서 예측 모드들은 복수의 비방향성 모드와 복수의 방향성 모드를 포함할 수 있다. 비방향성 모드는, 예를 들어 DC 모드 및 플래너 모드(Planar 모드)를 포함할 수 있다. 방향성 모드는 예측 방향의 세밀한 정도에 따라, 예를 들어 33개의 방향성 예측 모드 또는 65개의 방향성 예측 모드를 포함할 수 있다. 다만 이는 예시로서, 설정에 따라 그 이상 또는 그 이하의 개수의 방향성 예측 모드들이 사용될 수 있다. 인트라 예측부(322)는 주변 블록에 적용된 예측 모드를 이용하여, 현재 블록에 적용되는 예측 모드를 결정할 수도 있다.
인터 예측부(321)는 참조 픽처 상에서 움직임 벡터에 의해 특정되는 참조 블록(참조 샘플 어레이)을 기반으로, 현재 블록에 대한 예측된 블록을 유도할 수 있다. 이 때, 인터 예측 모드에서 전송되는 움직임 정보의 양을 줄이기 위해 주변 블록과 현재 블록 간의 움직임 정보의 상관성에 기초하여 움직임 정보를 블록, 서브블록 또는 샘플 단위로 예측할 수 있다. 움직임 정보는 움직임 벡터 및 참조 픽처 인덱스를 포함할 수 있다. 움직임 정보는 인터 예측 방향(L0 예측, L1 예측, Bi 예측 등) 정보를 더 포함할 수 있다. 인터 예측의 경우에, 주변 블록은 현재 픽처 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 픽처에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 참조 블록을 포함하는 참조 픽처와 시간적 주변 블록을 포함하는 참조 픽처는 동일할 수도 있고, 다를 수도 있다. 시간적 주변 블록은 동일 위치 참조 블록(collocated reference block), 동일 위치 CU(colCU) 등으로 지칭될 수 있으며, 시간적 주변 블록을 포함하는 참조 픽처는 동일 위치 픽처(collocated picture, colPic)로 지칭될 수도 있다. 예를 들어, 인터 예측부(321)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 현재 블록의 움직임 벡터 및/또는 참조 픽처 인덱스를 도출하기 위하여 어떤 후보가 사용되는지를 지시하는 정보를 생성할 수 있다. 다양한 예측 모드를 기반으로 인터 예측이 수행될 수 있으며, 예를 들어 스킵 모드와 머지 모드의 경우에, 인터 예측부(321)는 주변 블록의 움직임 정보를 현재 블록의 움직임 정보로 이용할 수 있다. 스킵 모드의 경우, 머지 모드와 달리 레지듀얼 신호가 전송되지 않을 수 있다. 움직임 정보 예측(motion vector prediction, MVP) 모드의 경우, 주변 블록의 움직임 벡터를 움직임 벡터 예측자(motion vector predictor)로 이용하고, 움직임 벡터 차분(motion vector difference)을 시그널링함으로써 현재 블록의 움직임 벡터를 지시할 수 있다.
예측부(320)는 다양한 예측 방법을 기반으로 예측 신호를 생성할 수 있다. 예를 들어, 예측부는 하나의 블록에 대한 예측을 위하여 인트라 예측 또는 인터 예측을 적용할 수 있을 뿐 아니라, 인트라 예측과 인터 예측을 동시에 적용할 수도 있다. 이를 combined inter and intra prediction (CIIP)라고 부를 수 있다. 또한, 예측부는 블록에 대한 예측을 위하여 인트라 블록 카피(intra block copy, IBC) 예측 모드에 기반할 수도 있고 또는 팔레트 모드(palette mode)에 기반할 수도 있다. IBC 예측 모드 또는 팔레트 모드는 예를 들어 SCC(screen content coding) 등과 같이 게임 등의 컨텐츠 영상/동영상 코딩을 위하여 사용될 수 있다. IBC는 기본적으로 현재 픽처 내에서 예측을 수행하나 현재 픽처 내에서 참조 블록을 도출하는 점에서 인터 예측과 유사하게 수행될 수 있다. 즉, IBC는 본 개시에서 설명되는 인터 예측 기법들 중 적어도 하나를 이용할 수 있다. 팔레트 모드는 인트라 코딩 또는 인트라 예측의 일 예로 볼 수 있다. 팔레트 모드가 적용되는 경우 팔레트 테이블 및 팔레트 인덱스에 관한 정보를 기반으로 픽처 내 샘플 값을 시그널링할 수 있다.
예측부(320)에 의해 생성된 예측 신호는 복원 신호를 생성하기 위해 이용되거나 레지듀얼 신호를 생성하기 위해 이용될 수 있다. 변환부(332)는 레지듀얼 신호에 변환 기법을 적용하여 변환 계수들(transform coefficients)을 생성할 수 있다. 예를 들어, 변환 기법은 DCT(Discrete Cosine Transform), DST(Discrete Sine Transform), KLT(Karhunen-Loeve Transform), GBT(Graph-Based Transform), 또는 CNT(Conditionally Non-linear Transform) 중 적어도 하나를 포함할 수 있다. 여기서, GBT는 픽셀 간의 관계 정보를 그래프로 표현한다고 할 때 이 그래프로부터 얻어진 변환을 의미한다. CNT는 이전에 복원된 모든 픽셀들(all previously reconstructed pixels)을 이용하여 예측 신호를 생성하고 그에 기초하여 획득되는 변환을 의미한다. 또한, 변환 과정은 정사각형의 동일한 크기를 갖는 픽셀 블록에 적용될 수도 있고, 정사각형이 아닌 가변 크기의 블록에도 적용될 수 있다.
양자화부(333)는 변환 계수들을 양자화하여 엔트로피 인코딩부(340)로 전송하고, 엔트로피 인코딩부(340)는 양자화된 신호(양자화된 변환 계수들에 관한 정보)를 인코딩하여 비트스트림으로 출력할 수 있다. 양자화된 변환 계수들에 관한 정보는 레지듀얼 정보라고 불릴 수 있다. 양자화부(333)는 계수 스캔 순서(scan order)를 기반으로 블록 형태의 양자화된 변환 계수들을 1차원 벡터 형태로 재정렬할 수 있고, 1차원 벡터 형태의 양자화된 변환 계수들을 기반으로 양자화된 변환 계수들에 관한 정보를 생성할 수도 있다. 엔트로피 인코딩부(340)는, 예를 들어 지수 골롬(exponential Golomb), CAVLC(context-adaptive variable length coding), CABAC(context-adaptive binary arithmetic coding) 등과 같은 다양한 인코딩 방법을 수행할 수 있다. 엔트로피 인코딩부(340)는 양자화된 변환 계수들 외 영상/비디오 복원에 필요한 정보들(e.g., 신택스 요소들(syntax elements)의 값 등)을 함께 또는 별도로 인코딩할 수도 있다. 인코딩된 정보(e.g., 인코딩된 영상/비디오 정보)는 비트스트림 형태로 NAL(network abstraction layer) 유닛 단위로 전송 또는 저장될 수 있다. 영상/비디오 정보는 어댑테이션 파라미터 세트(APS), 픽처 파라미터 세트(PPS), 시퀀스 파라미터 세트(SPS) 또는 비디오 파라미터 세트(VPS) 등 다양한 파라미터 세트에 관한 정보를 더 포함할 수 있다. 또한, 영상/비디오 정보는 일반 제한 정보(general constraint information)를 더 포함할 수 있다. 또한, 영상/비디오 정보는 부호화된 정보의 생성 방법 및 사용 방법, 목적 등을 더 포함할 수 있다. 본 개시에서 영상/비디오 인코더에서 영상/비디오 디코더로 전달/시그널링되는 정보 및/또는 신택스 요소들은 영상/비디오 정보에 포함될 수 있다. 영상/비디오 정보는 상술한 인코딩 절차를 통하여 인코딩되어 비트스트림에 포함될 수 있다. 비트스트림은 네트워크를 통하여 전송될 수 있고, 또는 디지털 저장매체에 저장될 수 있다. 여기서, 네트워크는 방송망 및/또는 통신망 등을 포함할 수 있고, 디지털 저장매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장매체를 포함할 수 있다. 엔트로피 인코딩부(340)로부터 출력된 신호를 전송하는 전송부(미도시) 및/또는 저장하는 저장부(미도시)가 영상/비디오 인코더(300)의 내/외부 엘리먼트로서 구성될 수 있고, 또는 전송부는 엔트로피 인코딩부(340)에 포함될 수도 있다.
양자화부(333)로부터 출력된 양자화된 변환 계수들은 예측 신호를 생성하기 위해 이용될 수 있다. 예를 들어, 양자화된 변환 계수들에 역양자화부(334) 및 역변환부(335)를 통해 역양자화 및 역변환을 적용함으로써 레지듀얼 신호(레지듀얼 블록 or 레지듀얼 샘플들)를 복원할 수 있다. 가산부(350)는 복원된 레지듀얼 신호를 인터 예측부(321) 또는 인트라 예측부(322)로부터 출력된 예측 신호에 더함으로써 복원(reconstructed) 신호(복원 픽처, 복원 블록, 복원 샘플 어레이)가 생성될 수 있다. 스킵 모드가 적용된 경우와 같이 처리 대상 블록에 대한 레지듀얼이 없는 경우, 예측된 블록이 복원 블록으로 사용될 수 있다. 가산부(350)는 복원부 또는 복원 블록 생성부라고 불릴 수 있다. 생성된 복원 신호는 현재 픽처 내 다음 처리 대상 블록의 인트라 예측을 위하여 사용될 수 있고, 후술하는 바와 같이 필터링을 거쳐서 다음 픽처의 인터 예측을 위하여 사용될 수도 있다.
한편 픽처 인코딩 및/또는 복원 과정에서 LMCS (luma mapping with chroma scaling)가 적용될 수도 있다.
필터링부(360)는 복원 신호에 필터링을 적용하여 주관적/객관적 화질을 향상시킬 수 있다. 예를 들어, 필터링부(360)은 복원 픽처에 다양한 필터링 방법을 적용하여 수정된(modified) 복원 픽처를 생성할 수 있고, 수정된 복원 픽처를 메모리(370), 구체적으로 메모리(370)의 DPB에 저장할 수 있다. 다양한 필터링 방법은, 예를 들어 디블록킹 필터링, 샘플 적응적 오프셋(sample adaptive offset), 적응적 루프 필터(adaptive loop filter), 양방향 필터(bilateral filter) 등을 포함할 수 있다. 필터링부(360)은 필터링에 관한 다양한 정보를 생성하여 엔트로피 인코딩부(340)로 전달할 수 있다. 필터링 관한 정보는 엔트로피 인코딩부(340)에서 인코딩되어 비트스트림 형태로 출력될 수 있다.
메모리(370)에 전송된 수정된 복원 픽처는 인터 예측부(321)에서 참조 픽처로 사용될 수 있다. 이를 통해, 인코더단 및 디코더단에서의 예측 미스매치를 피할 수 있고, 부호화 효율도 향상시킬 수 있다.
메모리(370)의 DPB는 수정된 복원 픽처를 인터 예측부(321)에서의 참조 픽처로 사용하기 위해 저장할 수 있다. 메모리(370)는 현재 픽처 내 움직임 정보가 도출된(또는, 인코딩된) 블록의 움직임 정보 및/또는 이미 복원된 픽처 내 블록들의 움직임 정보를 저장할 수 있다. 저장된 움직임 정보는 공간적 주변 블록의 움직임 정보 또는 시간적 주변 블록의 움직임 정보로 활용하기 위하여 인터 예측부(321)에 전달될 수 있다. 메모리(370)는 현재 픽처 내 복원된 블록들의 복원 샘플들을 저장할 수 있고, 저장된 복원 샘플들을 인트라 예측부(322)에 전달할 수 있다.
한편, VCM 인코더(또는, 피쳐/피쳐맵 인코더)는, 피쳐/피쳐맵을 인코딩하기 위하여 예측, 변환, 양자화 등 일련의 절차를 수행한다는 점에서, 기본적으로 도 3을 참조하여 설명한 영상/비디오 인코더(300)와 동일/유사한 구조를 가질 수 있다. 다만, VCM 인코더는 피쳐/피쳐맵을 부호화 대상으로 한다는 점에서 영상/비디오 인코더(300)와는 차이가 있으며, 이에 따라 각 유닛(또는, 구성요소)의 명칭(e.g., 영상 분할부(310) 등)과 그 구체적 동작 내용에 있어서 영상/비디오 인코더(300)와는 상이할 수 있다. VCM 인코더의 구체적 동작 내용에 대해서는 상세히 후술하기로 한다.
디코더(Decoder)
도 4는 본 개시의 실시예들이 적용될 수 있는 영상/비디오 디코더를 개략적으로 나타낸 도면이다.
도 4를 참조하면, 영상/비디오 디코더(400)는 엔트로피 디코딩부(entropy decoder, 410), 레지듀얼 처리부(residual processor, 420), 예측부(predictor, 430), 가산부(adder, 440), 필터링부(filter, 450) 및 메모리(memoery, 460)를 포함할 수 있다. 예측부(430)는 인터 예측부(431) 및 인트라 예측부(432)를 포함할 수 있다. 레지듀얼 처리부(420)는 역양자화부(dequantizer, 421) 및 역변환부(inverse transformer, 422)를 포함할 수 있다. 상술한 엔트로피 디코딩부(410), 레지듀얼 처리부(420), 예측부(430), 가산부(440) 및 필터링부(450)는 실시예에 따라 하나의 하드웨어 컴포넌트(예컨대, 디코더 칩셋 또는 프로세서)에 의하여 구성될 수 있다. 또한 메모리(460)는 DPB(decoded picture buffer)를 포함할 수 있고, 디지털 저장 매체에 의하여 구성될 수도 있다. 하드웨어 컴포넌트는 메모리(460)을 내/외부 컴포넌트로 더 포함할 수도 있다.
비디오/영상 정보를 포함하는 비트스트림이 입력되면, 영상/비디오 디코더(400)는 도 3의 영상/비디오 인코더(300)에서 영상/비디오 정보가 처리된 프로세스에 대응하여 영상/비디오를 복원할 수 있다. 예를 들어, 영상/비디오 디코더(400)는 비트스트림으로부터 획득한 블록 분할 관련 정보를 기반으로 유닛들/블록들을 도출할 수 있다. 영상/비디오 디코더(400)는 영상/비디오 인코더에서 적용된 프로세싱 유닛을 이용하여 디코딩을 수행할 수 있다. 따라서, 디코딩의 프로세싱 유닛은, 예컨대 코딩 유닛일 수 있고, 코딩 유닛은 코딩 트리 유닛 또는 최대 코딩 유닛으로부터 쿼드 트리 구조, 바이너리 트리 구조 및/또는 터너리 트리 구조를 따라서 분할될 수 있다. 코딩 유닛으로부터 하나 이상의 변환 유닛이 도출될 수 있다. 그리고, 영상/비디오 디코더(400)를 통해 디코딩 및 출력된 복원 영상 신호는 재생 장치를 통해 재생될 수 있다.
영상/비디오 디코더(400)는 도 3의 인코더로부터 출력된 신호를 비트스트림 형태로 수신할 수 있고, 수신된 신호는 엔트로피 디코딩부(410)를 통해 디코딩될 수 있다. 예를 들어, 엔트로피 디코딩부(410)는 비트스트림을 파싱하여 영상 복원(또는, 픽처 복원)에 필요한 정보(e.g., 영상/비디오 정보)를 도출할 수 있다. 영상/비디오 정보는 어댑테이션 파라미터 세트(APS), 픽처 파라미터 세트(PPS), 시퀀스 파라미터 세트(SPS) 또는 비디오 파라미터 세트(VPS) 등 다양한 파라미터 세트에 관한 정보를 더 포함할 수 있다. 또한, 영상/비디오 정보는 일반 제한 정보(general constraint information)을 더 포함할 수 있다. 또한, 영상/비디오 정보는 복호화된 정보의 생성 방법 및 사용 방법, 목적 등을 포함할 수 있다. 영상/비디오 디코더(400)는 파라미터 세트에 관한 정보 및/또는 일반 제한 정보를 더 기반으로 픽처를 디코딩할 수 있다. 시그널링/수신되는 정보 및/또는 신택스 요소들은 디코딩 절차를 통하여 디코딩되어 비트스트림으로부터 획득될 수 있다. 예를 들어, 엔트로피 디코딩부(410)는 지수 골롬 부호화, CAVLC 또는 CABAC 등의 코딩 방법을 기초로 비트스트림 내 정보를 디코딩하고, 영상 복원에 필요한 신택스 요소들의 값들, 레지듀얼에 관한 변환 계수의 양자화된 값들을 출력할 수 있다. 보다 상세하게, CABAC 엔트로피 디코딩 방법은, 비트스트림에서 각 구문 요소에 해당하는 빈(bin)을 수신하고, 디코딩 대상 구문 요소 정보와 주변 및 디코딩 대상 블록의 디코딩 정보 혹은 이전 단계에서 디코딩된 심볼/빈의 정보를 이용하여 문맥(context) 모델을 결정하고, 결정된 문맥 모델에 따라 빈의 발생 확률을 예측하여 빈의 산술 디코딩(arithmetic decoding)를 수행하여 각 신택스 요소의 값에 해당하는 심볼을 생성할 수 있다. 이 때, CABAC 엔트로피 디코딩 방법은 문맥 모델 결정 후 다음 심볼/빈의 문맥 모델을 위해 디코딩된 심볼/빈의 정보를 이용하여 문맥 모델을 업데이트할 수 있다. 엔트로피 디코딩부(410)에서 디코딩된 정보 중 예측에 관한 정보는 예측부(인터 예측부(432) 및 인트라 예측부(431))로 제공되고, 엔트로피 디코딩부(410)에서 엔트로피 디코딩이 수행된 레지듀얼 값, 즉 양자화된 변환 계수들 및 관련 파라미터 정보는 레지듀얼 처리부(420)로 입력될 수 있다. 레지듀얼 처리부(420)는 레지듀얼 신호(레지듀얼 블록, 레지듀얼 샘플들, 레지듀얼 샘플 어레이)를 도출할 수 있다. 또한, 엔트로피 디코딩부(410)에서 디코딩된 정보 중 필터링에 관한 정보는 필터링부(450)로 제공될 수 있다. 한편, 영상/비디오 인코더로부터 출력된 신호를 수신하는 수신부(미도시)가 영상/비디오 디코더(400)의 내/외부 엘리먼트로서 더 구성될 수 있고, 또는 수신부는 엔트로피 디코딩부(410)의 구성요소일 수도 있다. 한편, 본 개시에 따른 영상/비디오 디코더는 영상/비디오 디코딩 장치라고 불릴 수 있고, 영상/비디오 디코더는 정보 디코더(영상/비디오 정보 디코더) 및 샘플 디코더(영상/비디오 샘플 디코더)로 구분될 수도 있다. 이 경우, 정보 디코더는 엔트로피 디코딩부(410)를 포함할 수 있고, 샘플 디코더는 역양자화부(321), 역변환부(322), 가산부(440), 필터링부(450), 메모리(460), 인터 예측부(432) 및 인트라 예측부(431) 중 적어도 하나를 포함할 수 있다.
역양자화부(421)에서는 양자화된 변환 계수들을 역양자화하여 변환 계수들을 출력할 수 있다. 역양자화부(421)는 양자화된 변환 계수들을 2차원의 블록 형태로 재정렬할 수 있다. 이 경우, 재정렬은 영상/비디오 인코더에서 수행된 계수 스캔 순서를 기반하여 재정렬을 수행할 수 있다. 역양자화부(321)는 양자화 파라미터(e.g., 양자화 스텝 사이즈 정보)를 이용하여 양자화된 변환 계수들에 대한 역양자화를 수행하고, 변환 계수들(transform coefficients)을 획득할 수 있다.
역변환부(422)에서는 변환 계수들를 역변환하여 레지듀얼 신호(레지듀얼 블록, 레지듀얼 샘플 어레이)를 획득하게 된다.
예측부(430)는 현재 블록에 대한 예측을 수행하고, 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록(predicted block)을 생성할 수 있다. 예측부는 엔트로피 디코딩부(410)로부터 출력된 예측에 관한 정보를 기반으로 현재 블록에 인트라 예측이 적용되는지 또는 인터 예측이 적용되는지 결정할 수 있고, 구체적인 인트라/인터 예측 모드를 결정할 수 있다.
예측부(420)는 다양한 예측 방법을 기반으로 예측 신호를 생성할 수 있다. 예를 들어, 예측부는 하나의 블록에 대한 예측을 위하여 인트라 예측 또는 인터 예측을 적용할 수 있을 뿐 아니라, 인트라 예측과 인터 예측을 동시에 적용할 수 있다. 이를 combined inter and intra prediction (CIIP)라고 부를 수 있다. 또한, 예측부는 블록에 대한 예측을 위하여 인트라 블록 카피(intra block copy, IBC) 예측 모드에 기반할 수도 있고 또는 팔레트 모드(palette mode)에 기반할 수도 있다. IBC 예측 모드 또는 팔레트 모드는 예를 들어 SCC(screen content coding) 등과 같이 게임 등의 컨텐츠 영상/동영상 코딩을 위하여 사용될 수 있다. IBC는 기본적으로 현재 픽처 내에서 예측을 수행하나 현재 픽처 내에서 참조 블록을 도출하는 점에서 인터 예측과 유사하게 수행될 수 있다. 즉, IBC는 본 문서에서 설명되는 인터 예측 기법들 중 적어도 하나를 이용할 수 있다. 팔레트 모드는 인트라 코딩 또는 인트라 예측의 일 예로 볼 수 있다. 팔레트 모드가 적용되는 경우 팔레트 테이블 및 팔레트 인덱스에 관한 정보가 영상/비디오 정보에 포함되어 시그널링될 수 있다.
인트라 예측부(431)는 현재 픽처 내의 샘플들을 참조하여 현재 블록을 예측할 수 있다. 참조되는 샘플들은 예측 모드에 따라 현재 블록의 주변(neighbor)에 위치할 수 있고, 또는 떨어져서 위치할 수도 있다. 인트라 예측에서 예측 모드들은 복수의 비방향성 모드와 복수의 방향성 모드를 포함할 수 있다. 인트라 예측부(431)는 주변 블록에 적용된 예측 모드를 이용하여, 현재 블록에 적용되는 예측 모드를 결정할 수도 있다.
인터 예측부(432)는 참조 픽처 상에서 움직임 벡터에 의해 특정되는 참조 블록(참조 샘플 어레이)을 기반으로, 현재 블록에 대한 예측된 블록을 유도할 수 있다. 이 때, 인터 예측 모드에서 전송되는 움직임 정보의 양을 줄이기 위해 주변 블록과 현재 블록 간의 움직임 정보의 상관성에 기초하여 움직임 정보를 블록, 서브블록 또는 샘플 단위로 예측할 수 있다. 움직임 정보는 움직임 벡터 및 참조 픽처 인덱스를 포함할 수 있다. 움직임 정보는 인터 예측 방향(L0 예측, L1 예측, Bi 예측 등) 정보를 더 포함할 수 있다. 인터 예측의 경우에, 주변 블록은 현재 픽처 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 픽처에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 예를 들어, 인터 예측부(432)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 수신한 후보 선택 정보를 기반으로 현재 블록의 움직임 벡터 및/또는 참조 픽처 인덱스를 도출할 수 있다. 다양한 예측 모드를 기반으로 인터 예측이 수행될 수 있으며, 예측에 관한 정보는 현재 블록에 대한 인터 예측의 모드를 지시하는 정보를 포함할 수 있다.
가산부(440)는 획득된 레지듀얼 신호를 예측부(인터 예측부(432) 및/또는 인트라 예측부(431) 포함)로부터 출력된 예측 신호(예측된 블록, 예측 샘플 어레이)에 더함으로써 복원 신호(복원 픽처, 복원 블록, 복원 샘플 어레이)를 생성할 수 있다. 스킵 모드가 적용된 경우와 같이 처리 대상 블록에 대한 레지듀얼이 없는 경우, 예측된 블록이 복원 블록으로 사용될 수 있다.
가산부(440)는 복원부 또는 복원 블록 생성부라고 불릴 수 있다. 생성된 복원 신호는 현재 픽처 내 다음 처리 대상 블록의 인트라 예측을 위하여 사용될 수 있고, 후술하는 바와 같이 필터링을 거쳐서 출력될 수도 있고 또는 다음 픽처의 인터 예측을 위하여 사용될 수도 있다.
한편, 픽처 디코딩 과정에서 LMCS (luma mapping with chroma scaling)가 적용될 수도 있다.
필터링부(450)는 복원 신호에 필터링을 적용하여 주관적/객관적 화질을 향상시킬 수 있다. 예를 들어, 필터링부(450)는 복원 픽처에 다양한 필터링 방법을 적용하여 수정된(modified) 복원 픽처를 생성할 수 있고, 수정된 복원 픽처를 메모리(460), 구체적으로 메모리(460)의 DPB에 전송할 수 있다. 다양한 필터링 방법은, 예컨대 디블록킹 필터링, 샘플 적응적 오프셋(sample adaptive offset), 적응적 루프 필터(adaptive loop filter), 양방향 필터(bilateral filter) 등을 포함할 수 있다.
메모리(460)의 DPB에 저장된 (수정된) 복원 픽처는 인터 예측부(432)에서 참조 픽처로 사용될 수 있다. 메모리(460)는 현재 픽처 내 움직임 정보가 도출된(또는 디코딩된) 블록의 움직임 정보 및/또는 이미 복원된 픽처 내 블록들의 움직임 정보를 저장할 수 있다. 저장된 움직임 정보는 공간적 주변 블록의 움직임 정보 또는 시간적 주변 블록의 움직임 정보로 활용하기 위하여 인터 예측부(432)에 전달할 수 있다. 메모리(460)는 현재 픽처 내 복원된 블록들의 복원 샘플들을 저장할 수 있고, 인트라 예측부(431)에 전달할 수 있다.
한편, VCM 디코더(또는, 피쳐/피쳐맵 디코더)는, 피쳐/피쳐맵을 디코딩하기 위하여 예측, 역변환, 역양자화 등 일련의 절차를 수행한다는 점에서, 기본적으로 도 4를 참조하여 상술한 영상/비디오 디코더(400)와 동일/유사한 구조를 가질 수 있다. 다만, VCM 디코더는 피쳐/피쳐맵을 복호화 대상으로 한다는 점에서 영상/비디오 디코더(400)와는 차이가 있으며, 이에 따라 각 유닛(또는, 구성요소)의 명칭(e.g., DPB 등)과 그 구체적 동작 내용에 있어서 영상/비디오 디코더(400)와는 상이할 수 있다. VCM 디코더의 동작은 VCM 인코더의 동작에 대응할 수 있으며, 그 구체적 동작 내용에 대해서는 상세히 후술하기로 한다.
피쳐/피쳐맵 인코딩 절차
도 5는 본 개시의 실시예들이 적용될 수 있는 피쳐/피쳐맵 인코딩 절차를 개략적으로 나타낸 흐름도이다.
도 5를 참조하면, 피쳐/피쳐맵 인코딩 절차는 예측 절차(S510), 레지듀얼 처리 절차(S520) 및 정보 인코딩 절차(S530)를 포함할 수 있다.
예측 절차(S510)는 도 3을 참조하여 전술한 예측부(320)에 의해 수행될 수 있다.
구체적으로, 인트라 예측부(322)는 현재 피쳐/피쳐맵 내의 피쳐 엘리먼트들을 참조하여 현재 블록(즉, 현재 부호화 대상이 되는 피쳐 엘리먼트들의 집합)을 예측할 수 있다. 인트라 예측은 피쳐/피쳐맵을 구성하는 피쳐 엘리먼트들의 공간적 유사성에 기반하여 수행될 수 있다. 예를 들어, 영상/비디오 내에서 동일한 관심 영역(Region of Interest, RoI)에 포함된 피쳐 엘리먼트들은 유사한 데이터 분포 특성을 갖는 것으로 추정될 수 있다. 따라서, 인트라 예측부(322)는 현재 블록을 포함하는 관심 영역 내에서 기복원된 피쳐 엘리먼트들을 참조하여 현재 블록을 예측할 수 있다. 이 때, 참조되는 피쳐 엘리먼트들은 예측 모드에 따라 현재 블록과 인접하여 위치할 수도 있고, 또는 현재 블록과 이격하여 위치할 수도 있다. 피쳐/피쳐맵 부호화를 위한 인트라 예측 모드들은 복수의 비방향성 예측 모드들 및 복수의 방향성 예측 모드들을 포함할 수 있다. 비방향성 예측 모드들은, 예컨대 영상/비디오 인코딩 절차의 DC 모드 및 플래너 모드에 대응하는 예측 모드들을 포함할 수 있다. 또한, 방향성 모드들은, 예컨대 영상/비디오 인코딩 절차의 33개의 방향성 모드들 또는 65개의 방향성 모드들에 대응하는 예측 모드들을 포함할 수 있다. 다만 이는 예시로서, 인트라 예측 모드들의 유형 및 개수는 실시예에 따라 다양하게 설정/변경될 수 있다.
인터 예측부(321)는 참조 피쳐/피쳐맵 상에서 움직임 정보에 의해 특정되는 참조 블록(즉, 참조되는 피쳐 엘리먼트들의 집합)을 기반으로, 현재 블록을 예측할 수 있다. 인터 예측은 피쳐/피쳐맵을 구성하는 피쳐 엘리먼트들의 시간적 유사성에 기반하여 수행될 수 있다. 예를 들어, 시간적으로 연속된 피쳐들은 유사한 데이터 분포 특성을 가질 수 있다. 따라서, 인터 예측부(321)는 현재 피쳐와 시간적으로 인접한 피쳐의 기복원된 피쳐 엘리먼트들을 참조하여 현재 블록을 예측할 수 있다. 이 때, 참조되는 피쳐 엘리먼트들을 특정하기 위한 움직임 정보는 움직임 벡터 및 참조 피쳐/피쳐맵 인덱스를 포함할 수 있다. 움직임 정보는 인터 예측 방향(e.g., L0 예측, L1 예측, Bi 예측 등)에 관한 정보를 더 포함할 수 있다. 인터 예측의 경우에, 주변 블록은 현재 피쳐/피쳐맵 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 피쳐/피쳐맵 내에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 참조 블록을 포함하는 참조 피쳐/피쳐맵과 시간적 주변 블록을 포함하는 참조 피쳐/피쳐맵은 동일할 수도 있고, 다를 수도 있다. 시간적 주변 블록은 동일 위치 참조 블록(collocated reference block) 등으로 지칭될 수 있으며, 시간적 주변 블록을 포함하는 참조 피쳐/피쳐맵은 동일 위치 피쳐/피쳐맵(collocated feature/feature map)으로 지칭될 수도 있다. 인터 예측부(321)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 현재 블록의 움직임 벡터 및/또는 참조 피쳐/피쳐맵 인덱스를 도출하기 위하여 어떤 후보가 사용되는지를 지시하는 정보를 생성할 수 있다. 다양한 예측 모드들을 기반으로 인터 예측이 수행될 수 있으며, 예를 들어 스킵 모드와 머지 모드의 경우에, 인터 예측부(321)는 주변 블록의 움직임 정보를 현재 블록의 움직임 정보로 이용할 수 있다. 스킵 모드의 경우, 머지 모드와 달리 레지듀얼 신호가 전송되지 않을 수 있다. 움직임 정보 예측(motion vector prediction, MVP) 모드의 경우, 주변 블록의 움직임 벡터를 움직임 벡터 예측자(motion vector predictor)로 이용하고, 움직임 벡터 차분(motion vector difference)을 시그널링함으로써 현재 블록의 움직임 벡터를 지시할 수 있다. 예측부(320)는 상술한 인트라 예측 및 인터 예측 이외에도 다양한 예측 방법에 기반하여 예측 신호를 생성할 수 있다.
예측부(320)에 의해 생성된 예측 신호는 레지듀얼 신호(레지듀얼 블록, 레지듀얼 피쳐 엘리먼트들)을 생성하기 위해 이용될 수 있다(S520). 레지듀얼 처리 절차(S520)는 도 3을 참조하여 전술한 레지듀얼 처리부(330)에 의해 수행될 수 있다. 그리고, 레지듀얼 신호에 대한 변환 및/또는 양자화 절차를 통해 (양자화된) 변환 계수들이 생성될 수 있으며, 엔트로피 인코딩부(340)는 (양자화된) 변환 계수들에 관한 정보를 레지듀얼 정보로서 비트스트림 내에 인코딩할 수 있다(S530). 또한, 엔트로피 인코딩부(340)는 레지듀얼 정보 외에 피쳐/피쳐맵 복원에 필요한 정보, 예컨대 예측 정보(e.g., 예측 모드 정보, 움직임 정보 등)를 비트스트림 내에 인코딩할 수 있다.
한편, 피쳐/피쳐맵 인코딩 절차는 피쳐/피쳐맵 복원을 위한 정보(e.g., 예측 정보, 레지듀얼 정보, 파티셔닝 정보 등)를 인코딩하여 비트스트림 형태로 출력하는 절차(S530)뿐만 아니라, 현재 피쳐/피쳐맵에 대한 복원 피쳐/피쳐맵을 생성하는 절차 및 복원 피쳐/피쳐맵에 대해 인루프 필터링을 적용하는 절차(optional)를 더 포함할 수 있다.
VCM 인코더는 역양자화 및 역변환을 통해 양자화된 변환 계수(들)로부터 (수정된) 레지듀얼 피쳐(들)을 도출할 수 있으며, 단계 S510의 출력인 예측 피쳐(들)과 (수정된) 레지듀얼 피쳐(들)을 기반으로 복원 피쳐/피쳐맵을 생성할 수 있다. 이렇게 생성된 복원 피쳐/피쳐맵은 VCM 디코더에서 생성된 복원 피쳐/피쳐맵과 동일할 수 있다. 복원 피쳐/피쳐맵에 대해 인루프 필터링 절차가 수행되는 경우, 복원 피쳐/피쳐맵에 대한 인루프 필터링 절차를 통해 수정된 복원 피쳐/피쳐맵이 생성될 수 있다. 수정된 복원 피쳐/피쳐맵은 복호 피쳐 버퍼(decoded feature buffer, DFB) 또는 메모리에 저장되어, 이후 피쳐/피쳐맵의 예측 절차에서 참조 피쳐/피쳐맵으로 이용될 수 있다. 또한, (인루프) 필터링 관련 정보(파라미터)가 인코딩되어 비트스트림 형태로 출력될 수 있다. 인루프 필터링 절차를 통해 피쳐/피쳐맵 코딩시 발생할 수 있는 노이즈를 제거할 수 있으며, 피쳐/피쳐맵 기반의 태스크 수행 성능을 향상시킬 수 있다. 또한, 인코더단 및 디코더단 모두에서 인루프 필터링 절차를 수행함으로써, 예측 결과의 동일성을 보장하고 피쳐/피쳐맵 코딩의 신뢰성을 향상시킬 수 있으며, 피쳐/피쳐맵 코딩을 위한 데이터 전송량을 감소시킬 수 있다.
피쳐/피쳐맵 디코딩 절차
도 6은 본 개시의 실시예들이 적용될 수 있는 피쳐/피쳐맵 디코딩 절차를 개략적으로 나타낸 흐름도이다.
도 6을 참조하면, 피쳐/피쳐맵 디코딩 절차는 영상/비디오 정보 획득 절차(S610), 피쳐/피쳐맵 복원 절차(S620~S640) 및 복원된 피쳐/피쳐맵에 대한 인루프 필터링 절차(S650)를 포함할 수 있다. 피쳐/피쳐맵 복원 절차는 본 개시에서 설명된 인터/인트라 예측(S620) 및 레지듀얼 처리(S630), 양자화된 변환 계수에 대한 역양자화, 역변환) 과정을 통해 획득되는 예측 신호 및 레지듀얼 신호에 기반하여 수행될 수 있다. 복원 피쳐/피쳐맵에 대한 인루프 필터링 절차를 통해 수정된(modified) 복원 피쳐/피쳐맵이 생성될 수 있으며, 수정된 복원 피쳐/피쳐맵은 디코딩된 피쳐/피쳐맵으로서 출력될 수 있다. 디코딩된 피쳐/피쳐맵은 복호 피쳐 버퍼(DFB) 또는 메모리에 저장되어 이후 피쳐/피쳐맵의 디코딩시 인터 예측 절차에서 참조 피쳐/피쳐맵으로 사용될 수 있다. 경우에 따라, 상술한 인루프 필터링 절차는 생략될 수 있다. 이 경우, 복원 피쳐/피쳐맵이 디코딩된 피쳐/피쳐맵으로서 그대로 출력될 수 있고, 복호 피쳐 버퍼(DFB) 또는 메모리에 저장되어 이후 피처/피쳐맵의 디코딩시 인터 예측 절차에서 참조 피쳐/피쳐맵으로 사용될 수 있다.
피쳐 추출 방법 및 데이터 분포 특성
본 개시의 실시예들은 심층 신경망의 은닉층에서 생성된 activation(feature) 맵을 압축하는 데 따른 정보량 감소를 보상하기 위한 필터링 과정 및 관련 비트스트림을 생성하는 방법을 제안한다.
심층 신경망으로 입력된 입력 데이터는 여러 은닉 계층의 연상 과정을 거치며, 각 은닉 계층의 연산 결과는 사용 중인 심층 신경망의 종류와 해당 심층 신경망 내 은닉 계층의 위치에 따라 다양한 크기와 채널 수를 갖는 피쳐/피쳐맵으로 출력된다.
도 7은 본 개시의 실시예들이 적용될 수 있는 피쳐 추출 및 복원 방법의 일 예를 나타내는 도면이다.
도 7을 참조하면, 피쳐 추출 네트워크(710)는 심층 신경망의 중간 계층 activation(feature) 맵을 소스 영상/비디오(Image/Video)로부터 추출하여 추출된 피쳐맵을 출력할 수 있다. 피쳐 추출 네트워크(710)는 심층 신경망의 입력으로부터 연속되는 은닉 계층들의 집합일 수 있다.
인코딩 장치(720)는 출력된 피쳐맵을 압축하여 비트스트림 형태로 출력할 수 있으며, 디코딩 장치(730)는 출력된 비트스트림으로부터 (압축된) 피쳐맵을 복원할 수 있다. 인코딩 장치(720)는 도 1의 부호화부(12)에 대응될 수 있으며, 디코딩 장치(720)는 도 1의 복호화부(22)에 대응될 수 있다. 테스크 네트워크(740)는 복원된 피쳐맵에 기반하여 테스크를 수행할 수 있다.
도 8은 피쳐 추출 네트워크(710)를 이용한 피쳐 추출 방법의 일 예를 나타낸 도면이다.
도 8을 참조하면, 피쳐 추출 네트워크(710)는 비디오 소스(Image/Video)를 입력받아 피쳐 추출 동작을 수행함으로써 비디오 소스의 피쳐셋(Feature set)을 출력할 수 있다. 피쳐셋은 비디오 소스로부터 추출된 복수의 피쳐들(C0, C1, 쪋 , Cn)을 포함할 수 있으며, 피쳐맵으로 표현될 수 있다. 각각의 피쳐(C0, C1, 쪋 , Cn)는 복수의 특징 엘리먼트들을 포함하며, 서로 다른 데이터 분포 특성을 가질 수 있다.
도 8에서, W, H 및 C는 각각 비디오 소스의 너비, 높이 및 채널 개수를 의미할 수 있다. 여기서, 비디오 소스의 채널 개수(C)는 비디오 소스의 영상 포맷에 기반하여 결정될 수 있다. 예를 들어, 비디오 소스가 RGB 영상 포맷을 갖는 경우, 비디오 소스의 채널 개수(C)는 3일 수 있다.
또한, W', H' 및 C'은 각각 피쳐셋의 너비, 높이 및 채널 개수를 의미할 수 있다. 피쳐셋의 채널 개수(C')는 비디오 소스로부터 추출된 피쳐들(C0, C1, ... , Cn)의 총 개수(n+1)와 같을 수 있다. 일 예에서, 피쳐셋의 채널 개수(C')는 비디오 소스의 채널 개수(C)보다 클 수 있다.
피쳐셋의 속성(W', H', C')은 비디오 소스의 속성(W, H, C)에 따라 달라질 수 있다. 예를 들어, 비디오 소스의 채널 개수(C)가 증가함에 따라 피쳐셋의 채널 개수(C')도 함께 증가할 수 있다. 또한, 피쳐셋의 속성(W', H', C')은 피쳐 추출 네트워크(710)의 종류 및 속성에 따라 달라질 수 있다. 예를 들어, 피쳐 추출 네트워크(710)가 인공 신경망(e.g., CNN, DNN 등)으로 구현되는 경우, 각각의 피쳐(C0, C1, ... , Cn)를 출력하는 레이어의 위치에 따라 피쳐셋의 속성(W', H', C') 또한 달라질 수 있다.
비디오 소스 및 피쳐셋은 서로 다른 데이터 분포 특성을 가질 수 있다. 예를 들어, 비디오 소스는 일반적으로 한 개(Grayscale image) 채널 또는 세 개(RGB image) 채널들로 구성될 수 있다. 비디오 소스에 포함된 픽셀들은 모든 채널들에 대하여 동일한 정수값 범위를 가질 수 있으며, 음이 아닌 값을 가질 수 있다. 또한, 각각의 픽셀값은 소정의 정수값 범위 내에서 고르게 분포할 수 있다. 이에 반해, 피쳐셋은 피쳐 추출 네트워크(710)의 유형(e.g., CNN, DNN 등) 및 레이어 위치에 따라 다양한 개수(e.g., 32, 64, 128, 256, 512 등)의 채널들로 구성될 수 있다. 피쳐셋에 포함된 피쳐 엘리먼트들은 각 채널별로 서로 다른 실수값 범위를 가질 수 있으며, 음의 값을 가질 수도 있다. 또한, 각각의 피쳐 엘리먼트값은 소정의 실수값 범위 내에서 특정 영역에 집중적으로 분포할 수 있다.
도 9는 추출된 피쳐의 일 예를 나타내는 도면이며, 도 10은 추출된 피쳐 셋의 크기에 대한 일 예를 나타내는 도면이다.
도 9의 좌측은 비디오 소스(Image/Video)를 나타내며, 도 9의 우측은 64개의 피쳐들을 갖는 피쳐맵을 나타낸다. 도 9를 참조하면, 하나의 비디오 소스에 대해 64개의 피쳐(채널)들이 추출된 것을 볼 수 있다. 또한, 각 피쳐의 너비와 높이의 크기 또한 비디오 소스의 너비 및 높이와 다름을 알 수 있다. 일반적으로 단독 피쳐의 크기(너비 x 높이)는 비디오 소스의 크기보다 작지만, 피쳐의 채널 수가 비디오 소스의 채널 수보다 많기 때문에 모든 피쳐들의 크기의 합은 비디오 소스의 크기보다 클 수 있다.
도 10의 (a)는 비디오 소스(Image/Video)의 크기를 나타내며, 도 10의 (b)는 채널의 수가 256인 피쳐맵을 나타낸다. 도 10를 참조하면, 개별 피쳐의 크기는 비디오 소스보다 작지만 채널 수의 증가로 인하여 총 크기(피쳐맵의 크기)는 비디오 소스보다 큰 것을 알 수 있다.
피쳐 또는 피쳐맵을 효율적으로 압축하기 위해 피쳐맵의 크기를 효율적으로 줄이는 방법이 적용될 수 있다. 피쳐맵 변환(또는, 피쳐 차원 변환)이 피쳐맵의 크기를 줄이는 방법으로 이용될 수 있으며, 피쳐 차원 변환을 통해 피쳐맵의 크기를 줄이는 방법에 대한 일 예가 도 11에 나타나 있다.
피쳐 변환부(1110)는 피쳐 추출 네트워크(710)로부터 출력된 피쳐맵(Extracted feature map)을 저차원의 피쳐맵(Low-dimensional feature map, 저차원 피쳐맵)으로 변환하고, 인코딩 장치(720)는 저차원 피쳐맵을 인코딩하여 비트스트림 형태로 출력할 수 있다. 디코딩 장치(730)는 비트스트림으로부터 저차원 피쳐맵을 디코딩하고, 피쳐 역변환부(1120, Inverse Feature Tansform)는 저차원 피쳐맵을 역변환하여 고차원의 피쳐맵(High-dimensional feature map, 고차원 피쳐맵)으로 변환할 수 있다. 피쳐 역변환부(1120)의 기능은 저차원 피쳐맵을 고차원 피쳐맵으로 복원하여 복원된 피쳐맵(Reconstructed feature map)을 출력하는 것일 수 있다. 여기서, 복원된 피쳐맵의 차원은 피쳐 추출 네트워크(710)로 입력되기 전의 차원과 동일할 수 있다.
그러나, 단순히 피쳐맵의 차원을 저차원으로 변환하고 이를 다시 고차원으로 역변환하는 위와 같은 방법(즉, 피쳐 차원 변환)을 적용하는 과정에서, 정보의 손실이 발생할 수 있다. 또한, 정보의 손실로 인해 저차원 피쳐맵을 다시 고차원 피쳐맵으로 복원하더라도, 복원된 피쳐맵(고차원으로 역변환된 피쳐맵)의 정확도가 유지되지 않고, 그 결과 압축 효율이 저하될 수 있다.
본 개시는 피쳐 차원 변환 기술의 적용 전의 피쳐맵과 복원된 피쳐맵 사이의 차이(또는, 에러)를 최소화하는 실시예들을 제안한다.
실시예 1
실시예 1은 피쳐맵의 차원을 감소시키는 과정에서 손실된 정보를 보상하기 위한 필터링 방법에 대한 실시예이다. 도 12는 본 개시의 일 실시예에 따른 피쳐 부호화 방법을 나타내는 흐름도이며, 도 14는 본 개시의 일 실시예에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 12를 참조하면, 피쳐 부호화 장치(10)는 영상으로부터 피쳐맵을 추출하고, 추출된 피쳐맵을 저차원으로 변환할 수 있다(S1210). 즉, 피쳐 부호화 장치(10)는 추출된 피쳐맵에 기반하여, 변환된 피쳐맵을 유도할 수 있다.
피쳐 부호화 장치(10)는 변환된 피쳐맵을 인코딩하고 이를 다시 디코딩할 수 있으며(S1220), 디코딩된 피쳐맵을 역변환하여(S1230) 역변환된 피쳐맵을 유도할 수 있다. 즉, 피쳐 부호화 장치(10)는 변환된 피쳐맵에 기반하여, 역변환된 피쳐맵을 유도할 수 있다.
피쳐 부호화 장치(10)는 역변환된 피쳐맵에 기반하여 필터링 정보를 유도할 수 있으며(S1240), 변환된 피쳐맵 및 유도된 필터링 정보를 인코딩할 수 있다(S1250). 필터링 정보는 필터링의 적용 여부를 나타내는 정보와 필터링 수행에 이용되는 필터 파라미터를 포함할 수 있다.
다양한 필터들이 필터링에 적용되는 필터로 이용될 수 있다. 예를 들어, SAO(Sample Adaptive Offset), ALF(Adaptive Loop Filter), CCALF(Cross Component ALF) 등이 필터링에 적용될 수 있다.
VVC에서는 인코딩/디코딩 과정에서 발생하는 원본 픽쳐와 복원 픽쳐 사이의 차이를 보상해주기 위한 인루프 필터를 활용한다.
인루프 필터 중에서 ALF는 원본 픽쳐와 복원 픽쳐의 비교를 통해 ALF 적용 여부, ALF 모양, ALF 파라미터 등의 정보를 결정한 후에 이를 시그널링하여 복원 픽쳐에 적용해 줌으로써, 복원 픽쳐가 원본 픽쳐에 가까운 값을 가질 수 있도록 화소 단위의 보상을 해주는 기술이다. 이는, ALF가 원본 픽쳐와 복원 픽쳐를 유사하게 만들어 주는 Wiener Filter에 기반하고 있기 때문이다.
에러 보상에 이용될 수 있는 ALF 필터의 형태에 대한 일 예가 도 13에 나타나 있다. 도 13의 (a)는 5x5 다이아몬드 형태의 ALF 필터를 나타내며, 도 13의 (b)는 7x7 다이아몬드 형태의 ALF 필터를 나타낸다.
본 개시에서, ALF의 적용 여부, 적용 여부의 결정 단위, 필터 모양, 필터 파라미터 등의 정보는 VVC와는 무관하게 결정될 수 있다. 특히, 도 13에서 예로 든 ALF 필터 형태는 그 적용 대상이 휘도 성분/색차 성분인 것으로서, 본 개시에서는 피쳐맵이 복수의 채널들로 구성되는 점을 고려하여 도 13의 필터 형태와는 다른 형태의 필터를 이용할 수 있다. 이 경우, 피쳐 별로 적용되는 필터의 형태는 피쳐의 특성에 따라 다를 수 있고, 모든 피쳐들에 동일한 형태의 필터가 적용될 수도 있다. 필터 파라미터는 에러를 최소화하기 위한 정보이므로, 필터의 적용 단위 별로 다르게 생성될 수 있다.
CCALF는 휘도 성분과 색차 성분 사이의 상관성을 활용하여 ALF를 적용하는 방법이다. 따라서, CCALF를 피쳐맵 대상으로 적용하는 경우에는 각 피쳐 채널 간의 상관성을 활용하여 CCALF 파라미터 생성하고, 이를 필터링에 적용할 수 있다.
도 14를 참조하면, 피쳐 복호화 장치(20)는 (저차원으로 변환된) 피쳐맵 및 필터링 정보를 비트스트림으로부터 획득할 수 있다(S1410). 또한, 피쳐 복호화 장치(20)는 피쳐맵을 고차원으로 역변환할 수 있으며(S1420), 고차원으로 역변환된 피쳐맵을 필터링 정보에 기반하여 필터링함으로써(S1430), 차원 변환에 따른 에러를 보상할 수 있다.
한편, 기존의 인코딩/디코딩 과정에서도 필터링(제1 필터링)이 수행되므로, 제1 필터링을 수행한 후에 차원 변환에 따른 정보 손실을 보상하기 위한 추가적인 필터링(제2 필터링)을 적용하면, 복잡도가 증가할 수 있다. 기존의 인코딩/디코딩 과정은 도 11의 인코딩 장치(720)와 디코딩 장치(730)에서 수행되는 필터링 과정일 수 있다.
본 개시는 이러한 문제를 해결하기 위해, 두 개의 필터링 과정을 하나로 통합하는 방법을 제안한다. 즉, 제1 필터링을 수행하지 않고, 고차원으로 역변환된(차원이 복원된) 피쳐맵에 대해서만 필터링(제2 필터링)을 적용할 수 있다. 이 경우, 제1 필터링 과정에 필요한 필터 파라미터와 제2 필터링 과정에 필요한 필터 파라미터는 하나로 통합될 수 있다.
실시예 2
실시예 2는 제2 필터링 적용을 위해 필요한 정보들을 유도하는 방법에 대한 실시예이다. 실시예 2는 필터링 정보 유도에 이용되는 피쳐맵에 따라 아래의 실시예들로 구분될 수 있다.
실시예 2-1
실시예 2-1은 피쳐 추출 네트워크(1110)로부터 추출된 피쳐맵과 저차원으로 변환된 피쳐맵에 기반하여 필터링 정보를 생성하는 방법이다.
도 15는 실시예 2-1에 따른 피쳐 부호화 방법들을 나타내는 흐름도이며, 도 17은 실시예 2-1에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 15를 참조하면, 피쳐 부호화 장치(10)는 영상으로부터 피쳐맵을 추출하고, 추출된 피쳐맵을 저차원으로 변환할 수 있다(S1510). 즉, 피쳐 부호화 장치(10)는 추출된 피쳐맵에 기반하여, 변환된 피쳐맵을 유도할 수 있다.
피쳐 부호화 장치(10)는 변환된 피쳐맵을 고차원(추출된 피쳐맵과 동일한 차원)으로 역변환할 수 있으며(S1520), 추출된 피쳐맵과 역변환된 피쳐맵에 기반하여 필터링 정보를 유도할 수 있다(S1530).
도 17을 참조하면, 피쳐 복호화 장치(20)는 (저차원으로 변환된) 피쳐맵 및 필터링 정보를 비트스트림으로부터 획득할 수 있다(S1710). 또한, 피쳐 복호화 장치(20)는 피쳐맵을 고차원으로 역변환할 수 있으며(S1720), 고차원으로 역변환된 피쳐맵을 필터링 정보에 기반하여 필터링함으로써(S1730), 차원 변환에 따른 에러를 보상할 수 있다.
실시예 2-1에 따르면, 피쳐맵 변환 및 역변환 과정만을 통해 필터링 정보를 유도할 수 있으므로, 필터링 정보를 유도하는 과정의 복잡도를 감소시킬 수 있다.
실시예 2-2
실시예 2-2는 피쳐 추출 네트워크(1110)로부터 추출된 피쳐맵과 저차원으로의 변환, 인코딩, 디코딩 및 역변환이 적용된 피쳐맵에 기반하여 필터링 정보를 생성하는 방법이다.
도 16은 실시예 2-2에 따른 피쳐 부호화 방법들을 나타내는 흐름도이며, 도 17은 실시예 2-2에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 16을 참조하면, 피쳐 부호화 장치(10)는 영상으로부터 피쳐맵을 추출하고, 추출된 피쳐맵을 저차원으로 변환할 수 있다(S1610). 즉, 피쳐 부호화 장치(10)는 추출된 피쳐맵에 기반하여, 변환된 피쳐맵을 유도할 수 있다.
피쳐 부호화 장치(10)는 변환된 피쳐맵을 인코딩할 수 있으며, 인코딩된 피쳐맵을 다시 디코딩할 수 있다(S1620). 또한, 피쳐 부호화 장치(10)는 디코딩된 피쳐맵을 고차원(추출된 피쳐맵과 동일한 차원)으로 역변환할 수 있으며(S1630), 추출된 피쳐맵과 역변환된 피쳐맵에 기반하여 필터링 정보를 유도할 수 있다(S1640). 여기서, 역변환된 피쳐맵은 피쳐 변환, 인코딩, 디코딩 및 역변환 과정을 모두 거친 피쳐맵에 해당한다.
변환된 피쳐맵과 필터링 정보는 부호화되어 피쳐 복호화 장치(20)로 시그널링될 수 있다.
도 17을 참조하면, 피쳐 복호화 장치(20)는 (저차원으로 변환된) 피쳐맵 및 필터링 정보를 비트스트림으로부터 획득할 수 있다(S1710). 또한, 피쳐 복호화 장치(20)는 피쳐맵을 고차원으로 역변환할 수 있으며(S1720), 고차원으로 역변환된 피쳐맵을 필터링 정보에 기반하여 필터링함으로써(S1730), 차원 변환에 따른 에러를 보상할 수 있다.
실시예 2-2에 따르면, 피쳐맵의 인코딩 과정과 디코딩 과정에서 발생하는 에러까지 반영하여 필터링 정보를 유도할 수 있으므로, 에러 보상에 대한 정확성을 향상시킬 수 있다.
실시예 2-3
피쳐 추출 네트워크(1110)를 통해 추출된 피쳐맵은 화소 별로 float 범위의 데이터를 가지므로, 구현 및 연산의 복잡도 측면에서 큰 부담이 될 수 있다. 이를 해결하기 위해, 피쳐맵이 특정 비트 뎁스(bit-depth) 범위 내에 존재하도록 양자화 과정이 수행될 필요가 있다.
실시예 2-3은 양자화가 적용된 피쳐맵과 양자화, 변환 및 역변환이 적용된 피쳐맵에 기반하여 필터링 정보를 생성하는 방법이다. 도 18은 실시예 2-3에 따른 피쳐 부호화 방법을 나타내는 흐름도이며, 도 19는 실시예 2-3에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 18을 참조하면, 피쳐 부호화 장치(10)는 영상으로부터 피쳐맵을 추출하고, 추출된 피쳐맵을 양자화할 수 있다(S1810). 또한, 피쳐 부호화 장치(10)는 양자화된 피쳐맵을 저차원으로 변환할 수 있으며(S1820), 변환된 피쳐맵을 역변환할 수 있다(S1830).
피쳐 부호화 장치(10)는 양자화된 피쳐맵과 역변환된 피쳐맵에 기반하여 필터링 정보를 유도할 수 있다(S1840). 여기서, 역변환된 피쳐맵은 양자화, 변환 및 역변환 과정을 거친 피쳐맵일 수 있다.
도 19를 참조하면, 피쳐 복호화 장치(20)는 (저차원으로 변환된) 피쳐맵 및 필터링 정보를 비트스트림으로부터 획득할 수 있다(S1910). 여기서, 피쳐맵은 제1 피쳐맵 또는 제1 피쳐 정보일 수 있다.
피쳐 복호화 장치(20)는 피쳐맵을 고차원으로 역변환할 수 있으며(S1920), 고차원으로 역변환된 피쳐맵을 필터링 정보에 기반하여 필터링함으로써(S1930), 에러를 보상할 수 있다. 피쳐 복호화 장치(20)는 필터링된 피쳐맵을 역양자화할 수 있다(S1940). 역양자화된 피쳐맵은 제2 피쳐맵 또는 제2피쳐 정보일 수 있다.
S1930 과정과 S1940 과정을 종합하면, S1930 과정과 S1940 과정은 필터링 정보에 기반하여 '역변환된 제1 피쳐 정보'에 대한 제2 피쳐 정보가 유도되는 과정일 수 있다.
실시예 2-4
실시예 2-4는 추출된 피쳐맵과 양자화, 변환, 역변환 및 역양자화가 적용된 피쳐맵에 기반하여 필터링 정보를 생성하는 방법이다. 도 20은 실시예 2-4에 따른 피쳐 부호화 방법을 나타내는 흐름도이며, 도 21은 실시예 2-4에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 20을 참조하면, 피쳐 부호화 장치(10)는 영상으로부터 피쳐맵을 추출하고, 추출된 피쳐맵을 양자화할 수 있다(S2010). 또한, 피쳐 부호화 장치(10)는 양자화된 피쳐맵을 저차원으로 변환할 수 있으며(S2020), 변환된 피쳐맵을 역변환할 수 있다(S2030).
나아가, 피쳐 부호화 장치(10)는 역변환된 피쳐맵을 역양자화할 수 있다(S2040). 피쳐 부호화 장치(10)는 역양자화된 피쳐맵과 추출된 피쳐맵에 기반하여 필터링 정보를 유도할 수 있다(S2050). 여기서, 역양자화된 피쳐맵은 양자화, 변환, 역변환 및 역양자화 과정을 거친 피쳐맵일 수 있다.
도 21을 참조하면, 피쳐 복호화 장치(20)는 (저차원으로 변환된) 피쳐맵 및 필터링 정보를 비트스트림으로부터 획득할 수 있다(S2110). 여기서, 피쳐맵은 제1 피쳐맵 또는 제1 피쳐 정보일 수 있다.
피쳐 복호화 장치(20)는 피쳐맵을 고차원으로 역변환할 수 있으며(S2120), 고차원으로 역변환된 피쳐맵을 역양자화할 수 있다(S2130). 또한, 피쳐 복호화 장치(20)는 역양자화된 피쳐맵을 필터링 정보에 기반하여 필터링함으로써(S2140), 에러를 보상할 수 있다. 여기서, 필터링된 피쳐맵은 제2 피쳐맵 또는 제2피쳐 정보일 수 있다. S2140 과정은 필터링 정보에 기반하여 '역변환된 제1 피쳐 정보'에 대한 제2 피쳐 정보가 유도되는 과정일 수 있다.
실시예 2-3과 실시예 2-4를 비교하면, 실시예 2-3은 상대적으로 적은 과정들을 거쳐 필터링 정보를 유도하는 반면에, 실시예 2-4는 추가적인 과정들을 거쳐 필터링 정보를 유도한다. 따라서, 실시예 2-3에 따르면 복잡도를 감소시킬 수 있으며, 실시예 2-4에 따르면 필터링 정보를 더욱 정확하게 유도할 수 있다.
한편, 실시예 2-3과 실시예 2-4에서, 필터링 과정에 필요한 필터링 정보(필터링 적용 여부, 필터 파라미터 등)은 필터링을 수행하는 엘리먼트에 전달되어야 한다. 필터링 정보는 역변환을 수행하는 엘리먼트와 역양자화를 수행하는 엘리먼트를 통해 필터링을 수행하는 엘리먼트로 전달될 수 있거나, 필터링을 수행하는 엘리먼트로 바로 전달될 수도 있다.
실시예 3
실시예 3은 필터링 정보를 시그널링하는 방법에 대한 실시예이다.
앞서 설명된 바와 같이, 필터링 정보는 필터링의 적용 여부를 나타내는 정보와 필터링 파라미터를 나타내는 정보를 포함할 수 있다.
피쳐 부호화 장치(10)는 필터링의 적용 여부를 나타내는 정보와 필터링 파라미터를 나타내는 정보를 피쳐 단위(또는, 피쳐 레벨)로 부호화하여 시그널링할 수 있으며, 피쳐 복호화 장치(20)는 필터링의 적용 여부를 나타내는 정보와 필터링 파라미터를 나타내는 정보 피쳐 단위로 획득할 수 있다. 여기서, 피쳐 단위는 개별 피쳐 채널일 수 있고, 피쳐 채널들의 집합일 수도 있다. 유사한 피쳐 채널이 그룹화되어 부호화되면, 필터링 정보의 공유가 가능해지므로, 압축 효율이 향상될 수 있다.
필터링 정보가 피쳐 단위로 시그널링되는 예가 표 1에 나타나 있다.
[표 1]
Figure PCTKR2022014686-appb-img-000001
표 1에서, feature_ALF_flag는 필터링의 적용 여부를 나타내는 정보로서, feature_ALF_flag의 제1값(e.g., 1)은 필터링이 적용됨을 나타낼 수 있고, feature_ALF_flag의 제2값(e.g., 0)은 필터링이 적용되지 않음을 나타낼 수 있다. ALF_Param은 필터링 파라미터를 나타내는 정보일 수 있다.
실시예들에 따라, 피쳐 부호화 장치(10)는 필터링의 적용 여부를 나타내는 정보와 필터링 파라미터를 나타내는 정보를 피쳐보다 상위 레벨에 부호화하여 시그널링할 수 있다. 여기서, 상위 레벨은 복수의 피쳐들을 포함하는 레벨일 수 있다. 피쳐 복호화 장치(20)는 필터링의 적용 여부를 나타내는 정보와 필터링 파라미터를 나타내는 상위 레벨로부터 획득할 수 있다.
상위 레벨은 SPS(Sequence Parameter Set), PPS(Picture Parameter Set), PH(Picture Header), SH(Slice Header) 등과 같이, 상대적으로 큰 규모 단위에 대응되는 레벨일 수 있다.
필터링 정보가 상위 레벨에서 시그널링되는 예가 표 2에 나타나 있다.
[표 2]
Figure PCTKR2022014686-appb-img-000002
표 2에서, feature_ALF_flag는 필터링의 적용 여부를 나타내는 정보로서, feature_ALF_flag의 제1값(e.g., 1)은 필터링이 적용됨을 나타낼 수 있고, feature_ALF_flag의 제2값(e.g., 0)은 필터링이 적용되지 않음을 나타낼 수 있다. ALF_Param은 필터링 파라미터를 나타내는 정보일 수 있다.
표 1 및 표 2에서, feature_ALF_flag는 제1 신택스 요소일 수 있으며, ALF_Param는 제2 신택스 요소일 수 있다. ALF_Param는 feature_ALF_flag가 필터링이 적용됨을 나타내는 값을 가지는 경우에 시그널링될 수 있다.
본 개시의 예시적인 방법들은 설명의 명확성을 위해서 동작의 시리즈로 표현되어 있지만, 이는 단계가 수행되는 순서를 제한하기 위한 것은 아니며, 필요한 경우에는 각각의 단계가 동시에 또는 상이한 순서로 수행될 수도 있다. 본 개시에 따른 방법을 구현하기 위해서, 예시하는 단계에 추가적으로 다른 단계를 포함하거나, 일부의 단계를 제외하고 나머지 단계를 포함하거나, 또는 일부의 단계를 제외하고 추가적인 다른 단계를 포함할 수도 있다.
본 개시에 있어서, 소정의 동작(단계)을 수행하는 영상 부호화 장치 또는 영상 복호화 장치는 해당 동작(단계)의 수행 조건이나 상황을 확인하는 동작(단계)을 수행할 수 있다. 예를 들어, 소정의 조건이 만족되는 경우 소정의 동작을 수행한다고 기재된 경우, 영상 부호화 장치 또는 영상 복호화 장치는 상기 소정의 조건이 만족되는지 여부를 확인하는 동작을 수행한 후, 상기 소정의 동작을 수행할 수 있다.
본 개시의 다양한 실시예는 모든 가능한 조합을 나열한 것이 아니고 본 개시의 대표적인 양상을 설명하기 위한 것이며, 다양한 실시예에서 설명하는 사항들은 독립적으로 적용되거나 또는 둘 이상의 조합으로 적용될 수도 있다.
본 개시에서 설명한 실시예들은 프로세서, 마이크로 프로세서, 컨트롤러 또는 칩 상에서 구현되어 수행될 수 있다. 예를 들어, 각 도면에서 도시한 기능 유닛들은 컴퓨터, 프로세서, 마이크로 프로세서, 컨트롤러 또는 칩 상에서 구현되어 수행될 수 있다. 이 경우 구현을 위한 정보(e.g., information on instructions) 또는 알고리즘이 디지털 저장 매체에 저장될 수 있다.
또한, 본 개시의 실시예(들)이 적용되는 디코더(디코딩 장치) 및 인코더(인코딩 장치)는 멀티미디어 방송 송수신 장치, 모바일 통신 단말, 홈 시네마 비디오 장치, 디지털 시네마 비디오 장치, 감시용 카메라, 비디오 대화 장치, 비디오 통신과 같은 실시간 통신 장치, 모바일 스트리밍 장치, 저장 매체, 캠코더, 주문형 비디오(VoD) 서비스 제공 장치, OTT 비디오(Over the top video) 장치, 인터넷 스트리밍 서비스 제공 장치, 3차원(3D) 비디오 장치, VR(virtual reality) 장치, AR(argumente reality) 장치, 화상 전화 비디오 장치, 운송 수단 단말 (ex. 차량(자율주행차량 포함) 단말, 로보트 단말, 비행기 단말, 선박 단말 등) 및 의료용 비디오 장치 등에 포함될 수 있으며, 비디오 신호 또는 데이터 신호를 처리하기 위해 사용될 수 있다. 예를 들어, OTT 비디오(Over the top video) 장치로는 게임 콘솔, 블루레이 플레이어, 인터넷 접속 TV, 홈시어터 시스템, 스마트폰, 태블릿 PC, DVR(Digital Video Recorder) 등을 포함할 수 있다.
또한, 본 개시의 실시예(들)이 적용되는 처리 방법은 컴퓨터로 실행되는 프로그램의 형태로 생산될 수 있으며, 컴퓨터가 판독할 수 있는 기록 매체에 저장될 수 있다. 본 문서의 실시예(들)에 따른 데이터 구조를 가지는 멀티미디어 데이터도 또한 컴퓨터가 판독할 수 있는 기록 매체에 저장될 수 있다. 컴퓨터가 판독할 수 있는 기록 매체는 컴퓨터로 읽을 수 있는 데이터가 저장되는 모든 종류의 저장 장치 및 분산 저장 장치를 포함한다. 컴퓨터가 판독할 수 있는 기록 매체는, 예를 들어, 블루레이 디스크(BD), 범용 직렬 버스(USB), ROM, PROM, EPROM, EEPROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크 및 광학적 데이터 저장 장치를 포함할 수 있다. 또한, 컴퓨터가 판독할 수 있는 기록 매체는 반송파(예를 들어, 인터넷을 통한 전송)의 형태로 구현된 미디어를 포함한다. 또한, 인코딩 방법으로 생성된 비트스트림이 컴퓨터가 판독할 수 있는 기록 매체에 저장되거나 유무선 통신 네트워크를 통해 전송될 수 있다.
또한, 본 개시의 실시예(들)는 프로그램 코드에 의한 컴퓨터 프로그램 제품으로 구현될 수 있고, 프로그램 코드는 본 개시의 실시예(들)에 의해 컴퓨터에서 수행될 수 있다. 프로그램 코드는 컴퓨터에 의해 판독가능한 캐리어 상에 저장될 수 있다.
도 22는 본 개시의 실시예들이 적용될 수 있는 컨텐츠 스트리밍 시스템의 일 예를 나타내는 도면이다.
도 22를 참조하면, 본 개시의 실시예가 적용된 컨텐츠 스트리밍 시스템은 크게 인코딩 서버, 스트리밍 서버, 웹 서버, 미디어 저장소, 사용자 장치 및 멀티미디어 입력 장치를 포함할 수 있다.
인코딩 서버는 스마트폰, 카메라, 캠코더 등과 같은 멀티미디어 입력 장치들로부터 입력된 컨텐츠를 디지털 데이터로 압축하여 비트스트림을 생성하고 이를 스트리밍 서버로 전송하는 역할을 한다. 다른 예로, 스마트폰, 카메라, 캠코더 등과 같은 멀티미디어 입력 장치들이 비트스트림을 직접 생성하는 경우, 인코딩 서버는 생략될 수 있다.
비트스트림은 본 개시의 실시예가 적용된 영상 부호화 방법 및/또는 영상 부호화 장치에 의해 생성될 수 있고, 스트리밍 서버는 비트스트림을 전송 또는 수신하는 과정에서 일시적으로 비트스트림을 저장할 수 있다.
스트리밍 서버는 웹 서버를 통한 사용자 요청에 기반하여 멀티미디어 데이터를 사용자 장치에 전송하고, 웹 서버는 사용자에게 어떠한 서비스가 있는지를 알려주는 매개체 역할을 할 수 있다. 사용자가 웹 서버에 원하는 서비스를 요청하면, 웹 서버는 이를 스트리밍 서버에 전달하고, 스트리밍 서버는 사용자에게 멀티미디어 데이터를 전송할 수 있다. 이 때, 컨텐츠 스트리밍 시스템은 별도의 제어 서버를 포함할 수 있고, 이 경우 제어 서버는 컨텐츠 스트리밍 시스템 내 각 장치 간 명령/응답을 제어하는 역할을 수행할 수 있다.
스트리밍 서버는 미디어 저장소 및/또는 인코딩 서버로부터 컨텐츠를 수신할 수 있다. 예를 들어, 인코딩 서버로부터 컨텐츠를 수신하는 경우, 컨텐츠를 실시간으로 수신할 수 있다. 이 경우, 원활한 스트리밍 서비스를 제공하기 위하여 스트리밍 서버는 비트스트림을 일정 시간동안 저장할 수 있다.
사용자 장치의 예로는, 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)), 디지털 TV, 데스크탑 컴퓨터, 디지털 사이니지 등이 있을 수 있다.
컨텐츠 스트리밍 시스템 내 각 서버들은 분산 서버로 운영될 수 있으며, 이 경우 각 서버에서 수신하는 데이터는 분산 처리될 수 있다.
도 23은 본 개시의 실시예들이 적용될 수 있는 컨텐츠 스트리밍 시스템의 다른 예를 나타내는 도면이다.
도 23을 참조하면, VCM과 같은 실시예에서, 기기의 성능, 사용자의 요청, 수행하고자 하는 태스크의 특성 등에 따라 사용자 단말에서 태스크를 수행할 수도 있고 외부 기기(e.g., 스트리밍 서버, 분석 서버 등)에서 태스크를 수행할 수도 있다. 이와 같이, 태스크 수행에 필요한 정보를 외부 기기로 전송하기 위하여, 사용자 단말은 태스크 수행에 필요한 정보(e.g., 태스크, 신경망 네트워크 및/또는 용도와 같은 정보)를 포함하는 비트스트림을 직접 또는 인코딩 서버를 통해 생성할 수 있다.
분석 서버는 사용자 단말로부터(또는, 인코딩 서버로부터) 전송받은 부호화된 정보를 복호화한 후, 사용자 단말의 요청 태스크를 수행할 수 있다. 분석 서버는 태스크 수행을 통해 얻은 결과를 사용자 단말에게 다시 전송하거나 연계된 다른 서비스 서버(e.g., 웹 서버)에 전송할 수 있다. 예를 들어, 분석 서버는 화재를 판별하는 태스크를 수행하여 얻은 결과를 소방 관련 서버로 전송할 수 있다. 분석 서버는 별도의 제어 서버를 포함할 수 있고, 이 경우 제어 서버는 분석 서버와 연관된 각 장치와 서버 간 명령/응답을 제어하는 역할을 할 수 있다. 또한, 분석 서버는 사용자 기기가 수행하고자 하는 태스크와 수행할 수 있는 태스크 정보를 기반으로 웹 서버에게 원하는 정보를 요청할 수도 있다. 분석 서버가 웹 서버에 원하는 서비스를 요청하면, 웹 서버는 이를 분석 서버에 전달하고, 분석 서버는 사용자 단말로 그에 대한 데이터를 전송할 수 있다. 이 때, 컨텐츠 스트리밍 시스템의 제어 서버는 스트리밍 시스템 내 각 장치 간 명령/응답을 제어하는 역할을 수행할 수 있다.
본 개시에 따른 실시예는 피쳐/피쳐맵을 부호화/복호화하는데 이용될 수 있다.

Claims (16)

  1. 피쳐(feature) 복호화 장치에 의해 수행되는 피쳐 복호화 방법으로서, 상기 피쳐 복호화 방법은,
    제1 피쳐 정보 및 상기 제1 피쳐 정보에 대한 필터링 정보를 비트스트림으로부터 획득하는 단계;
    상기 제1 피쳐 정보를 역변환하는 단계; 및
    상기 필터링 정보에 기반하여, 상기 역변환된 제1 피쳐 정보에 대한 제2 피쳐 정보를 유도하는 단계를 포함하는 피쳐 복호화 방법.
  2. 제1항에 있어서,
    상기 제2 피쳐 정보는 상기 역변환된 제1 피쳐 정보를 상기 필터링 정보에 기반하여 필터링함으로써 유도되는 피쳐 복호화 방법.
  3. 제1항에 있어서,
    상기 제2 피쳐 정보는 상기 역변환된 제1 피쳐 정보를 상기 필터링 정보에 기반하여 필터링하고, 상기 필터링된 제1 피쳐 정보를 역양자화하여 유도되는 피쳐 복호화 방법.
  4. 제1항에 있어서,
    상기 제2 피쳐 정보는 상기 역변환된 제1 피쳐 정보를 역양자화하고, 상기 역양자화된 제1피쳐 정보를 상기 필터링 정보에 기반하여 필터링함으로써 유도되는 피쳐 복호화 방법.
  5. 제1항에 있어서,
    상기 필터링 정보는 필터링의 적용 여부를 나타내는 제1 신택스 요소 및 상기 필터링의 파라미터를 나타내는 제2 신택스 요소를 포함하고,
    상기 제2 신택스 요소는 상기 제1 신택스 요소가 상기 필터링이 적용됨을 나타냄에 기반하여 획득되는 피쳐 복호화 방법.
  6. 제1항에 있어서,
    상기 필터링 정보는 상기 비트스트림의 피쳐 레벨로부터 획득되거나, 상기 비트스트림의 피쳐 레벨보다 상위 레벨로부터 획득되는 피쳐 복호화 방법.
  7. 피쳐(feature) 부호화 장치에 의해 수행되는 피쳐 부호화 방법으로서, 상기 피쳐 부호화 방법은,
    영상으로부터 추출된 피쳐 정보에 기반하여, 변환된 피쳐 정보를 유도하는 단계;
    상기 변환된 피쳐 정보에 기반하여, 역변환된 피쳐 정보를 유도하는 단계; 및
    상기 역변환된 피쳐 정보에 기반하여, 필터링 정보를 유도하는 단계를 포함하는 피쳐 부호화 방법.
  8. 제7항에 있어서,
    상기 필터링 정보는 상기 역변환된 피쳐 정보 및 상기 추출된 피쳐 정보에 기반하여 유도되는 피쳐 부호화 방법.
  9. 제7항에 있어서,
    상기 역변환된 피쳐 정보를 유도하는 단계는,
    상기 변환된 피쳐 정보를 부호화하고, 상기 부호화된 피쳐 정보를 복호화하는 단계; 및
    상기 복호화된 피쳐 정보를 역변환하여 상기 역변환된 피쳐 정보를 유도하는 단계를 포함하는 피쳐 부호화 방법.
  10. 제7항에 있어서,
    상기 변환된 피쳐 정보를 유도하는 단계는,
    상기 추출된 피쳐 정보를 양자화하는 단계; 및
    상기 양자화된 피쳐 정보를 변환하여 상기 변환된 피쳐 정보를 유도하는 단계를 포함하는 피쳐 부호화 방법.
  11. 제10항에 있어서,
    상기 필터링 정보를 유도하는 단계는,
    상기 역변환된 피쳐 정보를 역양자화하는 단계; 및
    상기 역양자화된 피쳐 정보에 기반하여 상기 필터링 정보를 유도하는 단계를 포함하는 피쳐 부호화 방법.
  12. 제10항에 있어서,
    상기 필터링 정보는 상기 양자화된 피쳐 정보 및 상기 역변환된 피쳐 정보에 기반하여 유도되는 피쳐 부호화 방법.
  13. 제7항에 있어서,
    상기 필터링 정보는 필터링의 적용 여부를 나타내는 제1 신택스 요소 및 상기 필터링의 파라미터를 나타내는 제2 신택스 요소를 포함하고,
    상기 제2 신택스 요소는 상기 필터링이 적용됨에 기반하여 상기 필터링 정보에 포함되는 피쳐 부호화 방법.
  14. 제7항에 있어서,
    상기 필터링 정보는 비트스트림의 피쳐 레벨에 부호화되거나, 상기 비트스트림의 피쳐 레벨보다 상위 레벨에 부호화되는 피쳐 부호화 방법.
  15. 제7항의 피쳐 부호화 방법에 의해 생성된 비트스트림을 저장하는 컴퓨터 판독 가능한 기록 매체.
  16. 피쳐 부호화 방법에 의해 생성된 비트스트림을 전송하는 방법으로서, 상기 피쳐 부호화 방법은,
    영상으로부터 추출된 피쳐 정보에 기반하여, 변환된 피쳐 정보를 유도하는 단계;
    상기 변환된 피쳐 정보에 기반하여, 역변환된 피쳐 정보를 유도하는 단계; 및
    상기 역변환된 피쳐 정보에 기반하여, 필터링 정보를 유도하는 단계를 포함하는 방법.
PCT/KR2022/014686 2021-09-29 2022-09-29 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체 WO2023055141A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202280066198.6A CN118044203A (zh) 2021-09-29 2022-09-29 特征编码/解码方法和装置以及存储比特流的记录介质

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US202163250133P 2021-09-29 2021-09-29
US63/250,133 2021-09-29

Publications (1)

Publication Number Publication Date
WO2023055141A1 true WO2023055141A1 (ko) 2023-04-06

Family

ID=85783270

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/014686 WO2023055141A1 (ko) 2021-09-29 2022-09-29 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체

Country Status (2)

Country Link
CN (1) CN118044203A (ko)
WO (1) WO2023055141A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190117651A (ko) * 2017-02-17 2019-10-16 코기센 에스.알.엘. 이미지 프로세싱 및 비디오 압축 방법
US20210067785A1 (en) * 2020-11-17 2021-03-04 Intel Corporation Video encoding rate control for intra and scene change frames using machine learning
KR20210050186A (ko) * 2019-10-28 2021-05-07 삼성전자주식회사 영상의 ａｉ 부호화 및 ａｉ 복호화 방법, 및 장치
US20210203997A1 (en) * 2018-09-10 2021-07-01 Huawei Technologies Co., Ltd. Hybrid video and feature coding and decoding
WO2021177652A1 (ko) * 2020-03-02 2021-09-10 엘지전자 주식회사 피쳐 양자화/역양자화를 수행하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장하는 기록 매체

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190117651A (ko) * 2017-02-17 2019-10-16 코기센 에스.알.엘. 이미지 프로세싱 및 비디오 압축 방법
US20210203997A1 (en) * 2018-09-10 2021-07-01 Huawei Technologies Co., Ltd. Hybrid video and feature coding and decoding
KR20210050186A (ko) * 2019-10-28 2021-05-07 삼성전자주식회사 영상의 ａｉ 부호화 및 ａｉ 복호화 방법, 및 장치
WO2021177652A1 (ko) * 2020-03-02 2021-09-10 엘지전자 주식회사 피쳐 양자화/역양자화를 수행하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장하는 기록 매체
US20210067785A1 (en) * 2020-11-17 2021-03-04 Intel Corporation Video encoding rate control for intra and scene change frames using machine learning

Also Published As

Publication number Publication date
CN118044203A (zh) 2024-05-14

Similar Documents

Publication Publication Date Title
WO2020036417A1 (ko) 히스토리 기반 움직임 벡터에 기반한 인터 예측 방법 및 그 장치
WO2020071829A1 (ko) 히스토리 기반 영상 코딩 방법 및 그 장치
WO2020189960A1 (ko) 크로마 포맷에 대한 정보를 시그널링 하는 방법 및 장치
WO2020256344A1 (ko) 영상 코딩에서 변환 커널 세트를 나타내는 정보의 시그널링
WO2020149630A1 (ko) 영상 코딩 시스템에서 cclm 예측 기반 영상 디코딩 방법 및 그 장치
WO2020145604A1 (ko) Mpm 리스트를 사용하는 인트라 예측 기반 영상 코딩 방법 및 장치
WO2020141886A1 (ko) Sbtmvp 기반 인터 예측 방법 및 장치
WO2020071832A1 (ko) 변환 계수 코딩 방법 및 그 장치
WO2020076066A1 (ko) 신택스 디자인 방법 및 신택스를 이용하여 코딩을 수행하는 장치
WO2019240539A1 (ko) Cabac에 기반한 엔트로피 코딩 방법 및 그 장치
WO2020256346A1 (ko) 변환 커널 세트에 관한 정보에 대한 코딩
WO2020145620A1 (ko) Mpm 리스트를 사용하는 인트라 예측 기반 영상 코딩 방법 및 장치
WO2020180043A1 (ko) Lmcs에 기반한 영상 코딩 방법 및 그 장치
WO2021137588A1 (ko) 픽처 헤더를 포함하는 영상 정보를 코딩하는 영상 디코딩 방법 및 그 장치
WO2021145726A1 (ko) 적응적 루프 필터링 기반 영상 코딩 장치 및 방법
WO2021137591A1 (ko) Ols dpb 파라미터 인덱스를 포함하는 영상 정보 기반 영상 디코딩 방법 및 그 장치
WO2021137589A1 (ko) 영상 디코딩 방법 및 그 장치
WO2021107622A1 (ko) 영상/비디오 코딩 방법 및 장치
WO2020180044A1 (ko) Lmcs에 기반한 영상 코딩 방법 및 그 장치
WO2020256345A1 (ko) 영상 코딩 시스템에서 변환 커널 세트에 관한 정보에 대한 컨텍스트 코딩
WO2021040402A1 (ko) 팔레트 코딩 기반 영상 또는 비디오 코딩
WO2023055141A1 (ko) 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
WO2020060259A1 (ko) 영상 코딩 시스템에서 블록 파티셔닝을 사용하는 영상 디코딩 방법 및 그 장치
WO2023172090A1 (ko) 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
WO2023167502A1 (ko) 피쳐 부호화/복호화 방법, 장치, 비트스트림을 저장한 기록 매체 및 비트스트림 전송 방법

Legal Events

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

Ref document number: 22876913

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE