WO2023055171A1 - Mdmvr 기반 영상 코딩 방법 및 장치 - Google Patents

Mdmvr 기반 영상 코딩 방법 및 장치 Download PDF

Info

Publication number
WO2023055171A1
WO2023055171A1 PCT/KR2022/014755 KR2022014755W WO2023055171A1 WO 2023055171 A1 WO2023055171 A1 WO 2023055171A1 KR 2022014755 W KR2022014755 W KR 2022014755W WO 2023055171 A1 WO2023055171 A1 WO 2023055171A1
Authority
WO
WIPO (PCT)
Prior art keywords
mdmvr
information
prediction
motion vector
current block
Prior art date
Application number
PCT/KR2022/014755
Other languages
English (en)
French (fr)
Inventor
파루리시탈
김승환
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 CN202280064900.5A priority Critical patent/CN118044201A/zh
Priority to EP22876943.6A priority patent/EP4412212A1/en
Publication of WO2023055171A1 publication Critical patent/WO2023055171A1/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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/577—Motion compensation with bidirectional frame interpolation, i.e. using B-pictures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • 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
    • H04N19/13—Adaptive entropy coding, e.g. adaptive variable length coding [AVLC] or context adaptive binary arithmetic coding [CABAC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/146—Data rate or code amount at the encoder output
    • H04N19/147—Data rate or code amount at the encoder output according to rate distortion criteria
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H04N19/517—Processing of motion vectors by encoding
    • H04N19/52—Processing of motion vectors by encoding by predictive encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards

Definitions

  • This document relates to video or image coding technology, for example, multi-layer decoder-side motion vector refinement (MDMVR) based video coding technology.
  • MDMVR multi-layer decoder-side motion vector refinement
  • VR Virtual Reality
  • AR Artificial Reality
  • broadcasting is on the rise.
  • a high-efficiency video/video compression technology is required to effectively compress, transmit, store, and reproduce high-resolution and high-quality video/video information having various characteristics as described above.
  • the technical problem of this document is to provide a method and apparatus for increasing video/image coding efficiency.
  • Another technical problem of this document is to provide a DMVR-based video coding method and apparatus using multiple layers to increase inter-coding efficiency.
  • an image decoding method performed by a decoding device includes determining whether to use a multi-layer decoder-side motion vector refinement (DMVR) for a current block, based on the use of the MDMVR for the current block, the current block Deriving a refined motion vector for , deriving prediction samples for the current block based on the refined motion vector, and generating reconstruction samples for the current block based on the prediction samples.
  • DMVR multi-layer decoder-side motion vector refinement
  • a video encoding method performed by an encoding device includes determining whether to use a multi-layer decoder-side motion vector refinement (DMVR) for a current block, based on the use of the MDMVR for the current block, the current block Deriving a refined motion vector for , deriving prediction samples for the current block based on the refined motion vector, deriving residual samples based on the prediction samples, and deriving residual samples and generating a bitstream by encoding image information including information about the .
  • DMVR multi-layer decoder-side motion vector refinement
  • a computer-readable digital storage medium in which encoded video/image information and/or bitstream generated according to the video/image encoding method disclosed in at least one of the embodiments of this document is stored.
  • a method for transmitting data including a bitstream of image information obtains the bitstream of the video information, and the bitstream determines whether to use multi-layer Decoder-side Motion Vector Refinement (DMVR) for a current block; Deriving a refined motion vector for the current block based on the use of the MDMVR for the current block, deriving prediction samples for the current block based on the refined motion vector, the prediction sample.
  • DMVR Decoder-side Motion Vector Refinement
  • This document can have various effects. For example, according to this document, overall image/video compression efficiency can be increased. In addition, according to this document, video coding based on decoder-side motion vector refinement using efficient multi-layers can be performed. In addition, according to this document, it is possible to provide a decoder-side motion vector refinement method using multiple layers that can improve the performance of an inter-coding structure and not increase processing complexity. In addition, according to this document, processing efficiency can be increased without increasing processing complexity by providing various methods for determining whether to use decoder-side motion vector refinement using multiple layers.
  • Effects obtainable through specific embodiments of this document are not limited to the effects listed above.
  • specific effects of this document are not limited to those explicitly described in this document, and may include various effects that can be understood or derived from technical features of this document.
  • FIG. 1 schematically shows an example of a video/image coding system to which embodiments of this document can be applied.
  • FIG. 2 is a diagram schematically illustrating a configuration of a video/image encoding apparatus to which embodiments of the present document may be applied.
  • FIG. 3 is a diagram schematically illustrating a configuration of a video/image decoding device to which embodiments of the present document may be applied.
  • FIG. 5 is a diagram for explaining an embodiment of a process of performing DMVR (Decoder-side Motion Vector Refinement).
  • FIG. 6 is a diagram for explaining an embodiment of a process of performing Decoder-side Motion Vector Refinement (DMVR) using sum of absolute differences (SAD).
  • DMVR Decoder-side Motion Vector Refinement
  • SAD sum of absolute differences
  • FIG. 7 exemplarily shows an MDMVR structure according to an embodiment of the present document.
  • FIGS. 9 and 10 schematically illustrate an example of a video/image encoding method and related components according to the embodiment(s) of this document.
  • 11 and 12 schematically illustrate an example of a video/image decoding method and related components according to the embodiment(s) of this document.
  • FIG. 13 shows an example of a content streaming system to which the embodiments disclosed in this document can be applied.
  • each component in the drawings described in this document is shown independently for convenience of description of different characteristic functions, and does not mean that each component is implemented as separate hardware or separate software.
  • two or more of the components may be combined to form one component, or one component may be divided into a plurality of components.
  • Embodiments in which each configuration is integrated and/or separated are also included in the scope of rights of this document as long as they do not deviate from the essence of this document.
  • a or B may mean “only A”, “only B” or “both A and B”.
  • a or B in this document may be interpreted as “A and/or B”.
  • A, B or C in this document means “only A”, “only B”, “only C”, or “any and all combinations of A, B and C ( any combination of A, B and C)”.
  • a slash (/) or comma (comma) used in this document may mean “and/or”.
  • A/B can mean “A and/or B”. Accordingly, “A/B” may mean “only A”, “only B”, or “both A and B”.
  • A, B, C may mean “A, B or C”.
  • At least one of A and B may mean “only A”, “only B”, or “both A and B”.
  • the expression “at least one of A or B” or “at least one of A and/or B” means “at least one It can be interpreted the same as "A and B (at least one of A and B) of
  • At least one of A, B and C means “only A”, “only B”, “only C”, or “A, B and C” It may mean “any combination of A, B and C”. Also, “at least one of A, B or C” or “at least one of A, B and/or C” means It can mean “at least one of A, B and C”.
  • parentheses used in this document may mean “for example”. Specifically, when it is indicated as “prediction (intra prediction)”, “intra prediction” may be suggested as an example of “prediction”. In other words, “prediction” in this document is not limited to “intra prediction”, and “intra prediction” may be suggested as an example of “prediction”. Also, even when indicated as “prediction (ie, intra prediction)”, “intra prediction” may be suggested as an example of “prediction”.
  • This document is about video/image coding.
  • the method/embodiment disclosed in this document may be applied to a method disclosed in a versatile video coding (VVC) standard.
  • the method/embodiment disclosed in this document is an essential video coding (EVC) standard, an AOMedia Video 1 (AV1) standard, a 2nd generation of audio video coding standard (AVS2), or a next-generation video/video coding standard (ex. H.267 or H.268, etc.).
  • EVC essential video coding
  • AV1 AOMedia Video 1
  • AVS2 2nd generation of audio video coding standard
  • next-generation video/video coding standard ex. H.267 or H.268, etc.
  • a video may mean a set of a series of images over time.
  • a picture generally means a unit representing one image in a specific time period, and a subpicture/slice/tile is a unit constituting a part of a picture in coding.
  • a subpicture/slice/tile may include one or more coding tree units (CTUs).
  • CTUs coding tree units
  • One picture may be composed of one or more subpictures/slices/tiles.
  • 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.
  • a tile may be partitioned into multiple bricks, and each brick may consist of one or more CTU rows within the tile.
  • a tile that is not partitioned into multiple bricks may also be referred to as a brick.
  • a brick scan can represent a specific sequential ordering of CTUs partitioning a picture, the CTUs can be ordered in a CTU raster scan within a brick, and the bricks in a tile can be sequentially ordered in a raster scan of the bricks in the tile. , and tiles in a picture can be successively aligned with a raster scan of the tiles of the picture.
  • a subpicture may represent a rectangular region of one or more slices within a picture. That is, a subpicture may include one or more slices that collectively cover a rectangular area of the picture.
  • a tile is a rectangular area of a specific tile column and CTUs within a specific tile column.
  • the tile column is a rectangular region of CTUs, and the rectangular region has the same height as the height of the picture, and the width may be specified by syntax elements in a picture parameter set.
  • the tile row is a rectangular region of CTUs, the rectangular region has a width specified by syntax elements in a picture parameter set, and a height may be equal to the height of the picture.
  • a tile scan may represent a specific sequential ordering of CTUs partitioning a picture, the CTUs may be ordered sequentially with a CTU raster scan within a tile, and tiles within a picture may be sequentially ordered with a raster scan of the tiles of the picture.
  • a slice may include an integer number of bricks of a picture, and the integer number of bricks may be included in one NAL unit.
  • a slice may consist of multiple complete tiles, or may be a contiguous sequence of complete bricks of one tile.
  • tile groups and slices can be used interchangeably.
  • tile group/tile group header can be called slice/slice header.
  • a pixel or pel may mean a minimum unit constituting one picture (or image). Also, '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 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 (eg cb, cr) blocks. Unit may be used interchangeably with terms such as 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.
  • FIG. 1 schematically shows an example of a video/image coding system to which embodiments of this document can be applied.
  • a video/image coding system may include a first device (source device) and a second device (receive device).
  • the source device may transmit encoded video/image information or data to a receiving device in a file or streaming form through a digital storage medium or network.
  • the source device may include a video source, an encoding device, and a transmission unit.
  • the receiving device may include a receiving unit, a decoding device, and a renderer.
  • the encoding device may be referred to as a video/image encoding device, and the decoding device may be referred to as a video/image decoding device.
  • a transmitter may be included in an encoding device.
  • a receiver may be included in a decoding device.
  • the renderer may include a display unit, and the display unit may be configured as a separate device or an external component.
  • a video source may acquire video/images through a process of capturing, synthesizing, or generating video/images.
  • a video source may include a video/image capture device and/or a video/image generation device.
  • a video/image capture device may include, for example, one or more cameras, a video/image archive containing previously captured video/images, and the like.
  • Video/image generating devices may include, for example, computers, tablets and smart phones, etc., and may (electronically) generate video/images.
  • a virtual video/image may be generated through a computer or the like, and in this case, a video/image capture process may be replaced by a process of generating related data.
  • An encoding device may encode an input video/image.
  • the encoding device may perform a series of procedures such as prediction, transformation, and quantization for compression and coding efficiency.
  • Encoded data (encoded video/video information) may be output in the form of a bitstream.
  • the transmission unit may transmit the encoded video/image information or data output in the form of a bit stream to the receiving unit of the receiving device in the form of a file or streaming through a digital storage medium or a network.
  • Digital storage media may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • the transmission unit may include an element for generating a media file through a predetermined file format, and may include an element for transmission through a broadcasting/communication network.
  • the receiving unit may receive/extract the bitstream and transmit it to a decoding device.
  • the decoding device may decode video/images by performing a series of procedures such as inverse quantization, inverse transformation, and prediction corresponding to operations of the encoding device.
  • the renderer may render the decoded video/image.
  • the rendered video/image may be displayed through the display unit.
  • an encoding device may include a video encoding device and/or a video encoding device.
  • the encoding device 200 includes an image partitioner 210, a predictor 220, a residual processor 230, an entropy encoder 240, It may include an adder 250, a filter 260, and a memory 270.
  • the prediction unit 220 may include an inter prediction unit 221 and an intra prediction unit 222 .
  • the residual processing unit 230 may include a transformer 232 , a quantizer 233 , a dequantizer 234 , and an inverse transformer 235 .
  • the residual processing unit 230 may further include a subtractor 231 .
  • the adder 250 may be called a reconstructor or a reconstructed block generator.
  • the above-described image segmentation unit 210, prediction unit 220, residual processing unit 230, entropy encoding unit 240, adder 250, and filtering unit 260 may be one or more hardware components ( For example, it may be configured by an encoder chipset or processor). Also, the memory 270 may include a decoded picture buffer (DPB) and may be configured by a digital storage medium. The hardware component may further include a memory 270 as an internal/external component.
  • DPB decoded picture buffer
  • the image divider 210 may divide an input image (or picture or frame) input to the encoding device 200 into one or more processing units.
  • the processing unit may be called a coding unit (CU).
  • the 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.
  • CTU coding tree unit
  • LCU largest coding unit
  • 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.
  • a coding procedure according to this document may be performed based on a final coding unit that is not further divided. In this case, based on the coding efficiency according to the image characteristics, the largest coding unit can be directly used as the final coding unit, or the coding unit is recursively divided into coding units of lower depth as needed to obtain an optimal 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 reconstruction, which will be described later.
  • the processing unit may further include a prediction unit (PU) or a transform unit (TU).
  • the prediction unit and the transform unit may be divided or partitioned from the above-described final coding unit.
  • 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 one picture (or image) to a pixel or a pel.
  • the encoding device 200 subtracts the prediction signal (predicted block, prediction sample array) output from the inter prediction unit 221 or the intra prediction unit 222 from the input video signal (original block, original sample array) to obtain a residual A signal (residual signal, residual block, residual sample array) may be generated, and the generated residual signal is transmitted to the conversion unit 232 .
  • a unit for subtracting a prediction signal (prediction block, prediction sample array) from an input video signal (original block, original sample array) in the encoder 200 may be called a subtraction unit 231 .
  • 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 prediction samples for the current block.
  • the prediction unit may determine whether intra prediction or inter prediction is applied in units of current blocks or CUs. As will be described later in the description of each prediction mode, the prediction unit may generate and transmit various information related to prediction, such as prediction mode information, to the entropy encoding unit 240 . Prediction-related information may be encoded in the entropy encoding unit 240 and output in the form of a bitstream.
  • the intra predictor 222 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 a 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 an example, and more or less directional prediction modes may be used according to settings.
  • the intra predictor 222 may determine a prediction mode applied to the current block by using a prediction mode applied to neighboring blocks.
  • the inter-prediction unit 221 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.
  • the motion information may include a motion vector and a reference picture index.
  • the motion information may further include inter prediction direction (L0 prediction, L1 prediction, Bi prediction, etc.) information.
  • 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 the reference block and a reference picture including the temporal neighboring block may be the same or different.
  • the temporal neighboring block may be called a collocated reference block, a collocated CU (colCU), and the like, and a reference picture including the temporal neighboring block may be called a collocated picture (colPic).
  • the inter-prediction unit 221 constructs a motion information candidate list based on neighboring blocks, and provides information indicating which candidate is used to derive the motion vector and/or reference picture index of the current block. can create Inter prediction may be performed based on various prediction modes. For example, in the case of skip mode and merge mode, the inter prediction unit 221 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 220 may generate a prediction signal based on various prediction methods described later.
  • 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 may 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 may be used for video/video coding of content such as a game, for example, screen content coding (SCC).
  • SCC screen content coding
  • IBC basically performs prediction within the current picture, but may be performed similarly to inter prediction in that a reference block is derived within the current picture. That is, IBC may use at least one of the inter prediction techniques described in this document.
  • 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
  • a prediction signal generated through the prediction unit may be used to generate a restored signal or a residual signal.
  • the transform unit 232 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 same size
  • the quantization unit 233 quantizes the transform coefficients and transmits them to the entropy encoding unit 240, and the entropy encoding unit 240 may encode the quantized signal (information on the quantized transform coefficients) and output it as a bitstream. there is. Information about the quantized transform coefficients may be referred to as residual information.
  • the quantization unit 233 may rearrange block-type quantized transform coefficients into a one-dimensional vector form based on a coefficient scan order, and the quantized transform coefficients based on the one-dimensional vector form quantized transform coefficients. Information about transform coefficients may be generated.
  • the entropy encoding unit 240 may perform various encoding methods such as exponential Golomb, context-adaptive variable length coding (CAVLC), and context-adaptive binary arithmetic coding (CABAC).
  • the entropy encoding unit 240 may encode together or separately information necessary for video/image reconstruction (eg, values of syntax elements) in addition to quantized transform coefficients.
  • Encoded information eg, encoded video/video information
  • NAL network abstraction layer
  • the video/video information may further include information on various parameter sets such as an adaptation parameter set (APS), a picture parameter set (PPS), a sequence parameter set (SPS), or a video parameter set (VPS).
  • the video/image information may further include general constraint information.
  • information and/or syntax elements transmitted/signaled from an encoding device to a decoding device may be included in video/image information.
  • the video/image information may be encoded through the above-described encoding procedure and included in the bitstream.
  • the bitstream may be transmitted through a network or stored in a digital storage medium.
  • the network may include a broadcasting network and/or a communication network
  • the digital storage medium may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • a transmission unit (not shown) for transmitting the signal output from the entropy encoding unit 240 and/or a storage unit (not shown) for storing may be configured as internal/external elements of the encoding device 200, or the transmission unit It may also be included in the entropy encoding unit 240.
  • the quantized transform coefficients output from the quantization unit 233 may be used to generate a prediction signal.
  • a residual signal residual block or residual samples
  • the adder 250 adds the reconstructed residual signal to the prediction signal output from the inter predictor 221 or the intra predictor 222 to obtain a reconstructed signal (reconstructed picture, reconstructed block, reconstructed sample array) can be created
  • a predicted block may be used as a reconstruction block.
  • the adder 250 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 260 may improve subjective/objective picture quality by applying filtering to the reconstructed signal.
  • the filtering unit 260 may generate a modified reconstructed picture by applying various filtering methods to the reconstructed picture, and store the modified reconstructed picture in the memory 270, specifically the DPB of the memory 270. can be stored in
  • the various filtering methods may include, for example, deblocking filtering, sample adaptive offset, adaptive loop filter, bilateral filter, and the like.
  • the filtering unit 260 may generate various filtering-related information and transmit them to the entropy encoding unit 240, as will be described later in the description of each filtering method. Filtering-related information may be encoded in the entropy encoding unit 240 and output in the form of a bit stream.
  • the modified reconstructed picture transmitted to the memory 270 may be used as a reference picture in the inter prediction unit 221 .
  • the encoding device can avoid prediction mismatch between the encoding device 200 and the decoding device 300 when inter prediction is applied, and can also improve encoding efficiency.
  • the DPB of the memory 270 may store the modified reconstructed picture to be used as a reference picture in the inter prediction unit 221 .
  • the memory 270 may store motion information of a block in a 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 221 to be used as motion information of a spatial neighboring block or motion information of a temporal neighboring block.
  • the memory 270 may store reconstructed samples of reconstructed blocks in the current picture and transfer them to the intra predictor 222 .
  • a decoding device may include an image decoding device and/or a video decoding device.
  • the decoding device 300 includes an entropy decoder 310, a residual processor 320, a predictor 330, an adder 340, and a filtering unit. (filter, 350) and memory (memory, 360).
  • the prediction unit 330 may include an intra prediction unit 331 and an inter prediction unit 332 .
  • the residual processing unit 320 may include a dequantizer 321 and an inverse transformer 321 .
  • the above-described entropy decoding unit 310, residual processing unit 320, prediction unit 330, adder 340, and filtering unit 350 may be configured as one hardware component (for example, a decoder chipset or processor) according to an embodiment. ) can be configured by Also, the memory 360 may include a decoded picture buffer (DPB) and may be configured by a digital storage medium.
  • the hardware component may further include a memory 360 as an internal/external component.
  • the decoding device 300 may restore an image corresponding to a process in which the video/image information is processed by the encoding device of FIG. 2 .
  • the decoding device 300 may derive units/blocks based on block division related information obtained from the bitstream.
  • the decoding device 300 may perform decoding using a processing unit applied in the encoding device.
  • a processing unit of decoding may be a coding unit, for example, and a coding unit may be partitioned from a coding tree unit or a largest coding unit along 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 output through the decoding device 300 may be reproduced through a playback device.
  • the decoding device 300 may receive a signal output from the encoding device of FIG. 2 in the form of a bitstream, and the received signal may be decoded through the entropy decoding unit 310 .
  • the entropy decoding unit 310 may parse the bitstream to derive information (eg, video/image information) necessary for image restoration (or picture restoration).
  • the video/video information may further include information on various parameter sets such as an adaptation parameter set (APS), a picture parameter set (PPS), a sequence parameter set (SPS), or a video parameter set (VPS).
  • the video/image information may further include general constraint information.
  • the decoding device may decode a picture further based on the information about the parameter set and/or the general restriction information.
  • Signaled/received information and/or syntax elements described later in this document may be obtained from the bitstream by being decoded through the decoding procedure.
  • the entropy decoding unit 310 decodes information in a bitstream based on a coding method such as exponential Golomb coding, CAVLC, or CABAC, and values of syntax elements required for image reconstruction and quantized values of transform coefficients related to residuals. can output them.
  • the CABAC entropy decoding method receives bins corresponding to each syntax element in a bitstream, and converts syntax element information to be decoded and decoding information of neighboring and decoding object blocks or symbol/bin information decoded in a previous step.
  • a symbol corresponding to the value of each syntax element can be generated by determining a context model, predicting the probability of occurrence of a bin according to the determined context model, and performing arithmetic decoding of the bin.
  • the CABAC entropy decoding method may update the context model by using information of 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 332 and intra prediction unit 331), and entropy decoding is performed by the entropy decoding unit 310.
  • Dual values that is, quantized transform coefficients and related parameter information may be input to the residual processing unit 320 .
  • the residual processor 320 may derive a residual signal (residual block, residual samples, residual sample array). Also, among information decoded by the entropy decoding unit 310 , information about filtering may be provided to the filtering unit 350 . Meanwhile, a receiving unit (not shown) receiving a signal output from the encoding device may be further configured as an internal/external element of the decoding device 300, or the receiving unit may be a component of the entropy decoding unit 310.
  • the decoding device may be referred to as a video/video/picture decoding device, and the decoding device may be divided into an information decoder (video/video/picture information decoder) and a sample decoder (video/video/picture sample decoder).
  • the information decoder may include the entropy decoding unit 310, and the sample decoder includes the inverse quantization unit 321, an inverse transform unit 322, an adder 340, a filtering unit 350, and a memory 360. ), at least one of an inter prediction unit 332 and an intra prediction unit 331.
  • the inverse quantization unit 321 may inversely quantize the quantized transform coefficients and output transform coefficients.
  • the inverse quantization unit 321 may rearrange the quantized transform coefficients in a 2D block form. In this case, the rearrangement may be performed based on a coefficient scanning order performed by the encoding device.
  • the inverse quantization unit 321 may perform inverse quantization on quantized transform coefficients using a quantization parameter (eg, quantization step size information) and obtain transform coefficients.
  • a quantization parameter eg, quantization step size information
  • the inverse transform unit 322 inversely transforms the transform coefficients to obtain a residual signal (residual block, residual sample array).
  • the prediction unit may perform prediction on the current block and generate a predicted block including predicted samples of the current block.
  • the prediction unit may determine whether intra prediction or inter prediction is applied to the current block based on the information about the prediction output from the entropy decoding unit 310, and may determine a specific intra/inter prediction mode.
  • the prediction unit 320 may generate a prediction signal based on various prediction methods described later.
  • 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 may 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 may be used for video/video coding of content such as a game, for example, screen content coding (SCC).
  • SCC screen content coding
  • IBC basically performs prediction within the current picture, but may be performed similarly to inter prediction in that a reference block is derived within the current picture. That is, IBC may use at least one of the inter prediction techniques described in this document.
  • 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 the video
  • the intra predictor 331 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 a prediction mode.
  • prediction modes may include a plurality of non-directional modes and a plurality of directional modes.
  • the intra prediction unit 331 may determine a prediction mode applied to the current block by using a prediction mode applied to neighboring blocks.
  • the inter prediction unit 332 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.
  • the motion information may include a motion vector and a reference picture index.
  • the motion information may further include inter prediction direction (L0 prediction, L1 prediction, Bi prediction, etc.) information.
  • 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 332 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 the prediction information may include information indicating an inter prediction mode for the current block.
  • the adder 340 restores the obtained residual signal by adding it to the prediction signal (predicted block, prediction sample array) output from the prediction unit (including the inter prediction unit 332 and/or the intra prediction unit 331). 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 340 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 350 may improve subjective/objective picture quality by applying filtering to the reconstructed signal.
  • the filtering unit 350 may generate a modified reconstructed picture by applying various filtering methods to the reconstructed picture, and store the modified reconstructed picture in the memory 360, specifically the DPB of the memory 360.
  • the 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 360 may be used as a reference picture in the inter prediction unit 332 .
  • the memory 360 may store motion information of a block in 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 260 to be used as motion information of a spatial neighboring block or motion information of a temporal neighboring block.
  • the memory 360 may store reconstructed samples of reconstructed blocks in the current picture and transfer them to the intra prediction unit 331 .
  • the embodiments described in the filtering unit 260, the inter prediction unit 221 and the intra prediction unit 222 of the encoding device 200 are the filtering unit 350 and the inter prediction of the decoding device 300, respectively.
  • the same or corresponding to the unit 332 and the intra predictor 331 may be applied.
  • the coded video/image includes a video coding layer (VCL) that handles video/image decoding and itself, a subsystem that transmits and stores coded information, and a VCL and subsystem. It can be divided into NAL (network abstraction layer), which exists in between and is in charge of network adaptation function.
  • VCL video coding layer
  • NAL network abstraction layer
  • VCL data including compressed image data is generated, or a Picture Parameter Set (PPS), a Sequence Parameter Set (SPS), a video parameter set ( A parameter set including a Video Parameter Set (VPS) or a Supplemental Enhancement Information (SEI) message additionally required for a video decoding process may be generated.
  • PPS Picture Parameter Set
  • SPS Sequence Parameter Set
  • VPS Video Parameter Set
  • SEI Supplemental Enhancement Information
  • a NAL unit may be generated by adding header information (NAL unit header) to a Raw Byte Sequence Payload (RBSP) generated in VCL.
  • the RBSP may refer to slice data, parameter set, SEI message, and the like generated in the VCL.
  • the NAL unit header may include NAL unit type information designated according to RBSP data included in the corresponding NAL unit.
  • NAL units may be classified into VCL NAL units and non-VCL NAL units according to RBSPs generated in VCL.
  • a VCL NAL unit may refer to a NAL unit including information about an image (slice data)
  • a non-VCL NAL unit refers to a NAL unit including information (parameter set or SEI message) required for image decoding.
  • VCL NAL unit and non-VCL NAL unit may be transmitted over a network by attaching header information according to a data standard of a subsystem.
  • the NAL unit is a data format of a predetermined standard such as H.266 / VVC file format (VVC file format), real-time transport protocol (RTP), transport stream (Transport Stream, TS), etc. data format) and can be transmitted through various networks.
  • the NAL unit type may be designated according to the RBSP data structure included in the NAL unit, and information on the NAL unit type may be stored in the NAL unit header and signaled.
  • a NAL unit may be classified into a VCL NAL unit type and a non-VCL NAL unit type according to whether or not it includes information about an image (slice data).
  • VCL NAL unit types may be classified according to characteristics and types of pictures included in the VCL NAL units, and non-VCL NAL unit types may be classified according to parameter set types.
  • NAL unit types designated according to the type of parameter set included in the non-VCL NAL unit type.
  • NAL unit type for NAL unit including APS
  • NAL unit type for NAL unit including DPS
  • NAL unit Type for NAL unit including VPS
  • NAL unit type for NAL unit including SPS
  • NAL unit type for NAL unit including PPS
  • NAL unit type for NAL unit including PH
  • the above-described NAL unit types may have syntax information for the NAL unit type, and the syntax information may be stored and signaled in a NAL unit header.
  • the syntax information may be nal_unit_type, and the NAL unit type may be designated as a nal_unit_type value.
  • one picture may include a plurality of slices, and a slice may include a slice header and slice data.
  • one picture header may be added for a plurality of slices (sets of slice headers and slice data).
  • a picture header may include information/parameters commonly applicable to pictures.
  • a slice header may include information/parameters commonly applicable to slices.
  • APS APS Syntax
  • PPS PPS Syntax
  • SPS SPS Syntax
  • VPS may include information/parameters commonly applicable to a plurality of layers.
  • video/video information encoded from an encoding device to a decoding device and signaled in the form of a bitstream includes partitioning-related information within a picture, intra-/inter-prediction information, inter-layer prediction-related information, residual information, in-loop filtering information, and the like. as well as information included in the slice header, information included in the picture header, information included in the APS, information included in the PPS, information included in SPS, information included in VPS, and/or DPS The information contained in may be included. Also, the image/video information may further include NAL unit header information.
  • the decoding apparatus may derive a residual block including residual samples based on the residual information, generate a reconstruction block including reconstruction samples by combining the residual block and the predicted block, and restore reconstruction including the reconstruction blocks.
  • a picture can be created.
  • the residual information may be generated through transformation and quantization procedures.
  • the encoding apparatus derives a residual block between an original block and a predicted block, derives transform coefficients by performing a transform procedure on residual samples (residual sample array) included in the residual block, and transforms
  • a quantization procedure is performed on coefficients to derive quantized transform coefficients, and related residual information may be signaled to a decoding device (through a bitstream).
  • the residual information may include information such as value information of quantized transform coefficients, location information, transform technique, transform kernel, and quantization parameter.
  • the decoding device may perform an inverse quantization/inverse transform procedure based on residual information and derive residual samples (or residual blocks).
  • the decoding device may generate a reconstructed picture based on the predicted block and the residual block.
  • the encoding device may also derive a residual block by inverse quantizing/inverse transforming the quantized transform coefficients for reference for inter prediction of a later picture, and generate a reconstructed picture based on the residual block.
  • At least one of quantization/inverse quantization and/or transform/inverse transform may be omitted. If the quantization/inverse quantization is omitted, the quantized transform coefficient may be referred to as a transform coefficient. If the transform/inverse transform is omitted, the transform coefficients may be called coefficients or residual coefficients, or may still be called transform coefficients for unity of expression. In addition, whether to skip the transform/inverse transform may be signaled based on transform_skip_flag.
  • quantized transform coefficients and transform coefficients may be referred to as transform coefficients and scaled transform coefficients, respectively.
  • the residual information may include information on transform coefficient(s), and the information on the transform coefficient(s) may be signaled through residual coding syntax.
  • Transform coefficients may be derived based on the residual information (or information about the transform coefficient(s)), and scaled transform coefficients may be derived through inverse transform (scaling) of the transform coefficients.
  • Residual samples may be derived based on an inverse transform (transform) of the scaled transform coefficients. This may be applied/expressed in other parts of this document as well.
  • intra prediction or inter prediction may be applied in performing prediction on the current block.
  • inter prediction is applied to the current block.
  • a prediction unit (more specifically, an inter prediction unit) of the encoding/decoding apparatus may derive prediction samples by performing inter prediction in units of blocks.
  • Inter prediction may indicate prediction derived in a method dependent on data elements (eg, sample values, motion information, etc.) of picture(s) other than the current picture.
  • data elements eg, sample values, motion information, etc.
  • a predicted block (prediction sample array) for the current block is derived based on a reference block (reference sample array) specified by a motion vector on a reference picture indicated by a reference picture index.
  • motion information of the current block 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. Motion information may further include inter prediction type (L0 prediction, L1 prediction, Bi prediction, etc.) information.
  • the 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 the reference block and a reference picture including the temporal neighboring block may be the same or different.
  • the temporal neighboring block may be called a collocated reference block, a collocated CU (colCU), and the like, and a reference picture including the temporal neighboring block may be called a collocated picture (colPic).
  • a motion information candidate list may be constructed based on neighboring blocks of the current block, and a flag indicating which candidate is selected (used) to derive the motion vector and/or reference picture index of the current block; Index information may be signaled.
  • Inter prediction may be performed based on various prediction modes. For example, in the case of skip mode and merge mode, motion information of a current block may be the same as motion information of a selected neighboring block. In the case of the skip mode, the residual signal may not be transmitted unlike the merge mode.
  • a motion vector prediction (MVP) mode a motion vector of a selected neighboring block is used as a motion vector predictor, and a motion vector difference may be signaled. In this case, the motion vector of the current block can be derived using the sum of the motion vector predictor and the motion vector difference.
  • MVP motion vector prediction
  • the motion information may include L0 motion information and/or L1 motion information according to an inter prediction type (L0 prediction, L1 prediction, Bi prediction, etc.).
  • a motion vector in the L0 direction may be referred to as an L0 motion vector or MVL0
  • a motion vector in the L1 direction may be referred to as an L1 motion vector or MVL1.
  • a prediction based on the L0 motion vector may be called L0 prediction
  • a prediction based on the L1 motion vector may be called L1 prediction
  • a prediction based on both the L0 motion vector and the L1 motion vector may be called Bi prediction. .
  • the L0 motion vector may indicate a motion vector related to the reference picture list L0 (L0), and the L1 motion vector may indicate a motion vector related to the reference picture list L1 (L1).
  • the reference picture list L0 may include pictures prior to the current picture in output order as reference pictures, and the reference picture list L1 may include pictures subsequent to the current picture in output order. Previous pictures can be called forward (reference) pictures, and later pictures can be called backward (reference) pictures.
  • the reference picture list L0 may further include as reference pictures pictures subsequent to the current picture in output order. In this case, previous pictures in the reference picture list L0 may be indexed first, and subsequent pictures may be indexed next.
  • the reference picture list L1 may further include, as reference pictures, pictures previous to the current picture in output order. In this case, subsequent pictures in the reference picture list 1 may be indexed first, and previous pictures may be indexed next.
  • the output order may correspond to a picture order count (POC) order.
  • POC picture order count
  • inter prediction modes may be used. For example, various modes such as merge mode, skip mode, motion vector prediction (MVP) mode, affine mode, and historical motino vector prediction (HMVP) mode may be used. Decoder side motion vector refinement (DMVR) mode, adaptive motion vector resolution (AMVR) mode, bi-directional optical flow (BDOF), and the like may be further used as additional modes.
  • DMVR Decoder side motion vector refinement
  • AMVR adaptive motion vector resolution
  • BDOF bi-directional optical flow
  • the affine mode may also be called an affine motion prediction mode.
  • the MVP mode may also be called an advanced motion vector prediction (AMVP) mode.
  • some modes and/or motion information candidates derived by some modes may be included as one of motion information related candidates of other modes.
  • Prediction mode information indicating the inter prediction mode of the current block may be signaled from the encoding device to the decoding device.
  • the prediction mode information may be included in the bitstream and received by the decoding device.
  • Prediction mode information may include index information indicating one of a plurality of candidate modes.
  • the inter prediction mode may be indicated through hierarchical signaling of flag information.
  • prediction mode information may include one or more flags. For example, a skip flag is signaled to indicate whether skip mode is applied, a merge flag is signaled to indicate whether merge mode is applied when skip mode is not applied, and MVP mode is applied when merge mode is not applied. It may indicate that it is, or a flag for additional discrimination may be further signaled.
  • Affine mode may be signaled as an independent mode or may be signaled as a dependent mode such as merge mode or MVP mode.
  • the affine mode may include an affine merge mode and an affine MVP mode.
  • motion information of the current block may be used.
  • the encoding device may derive optimal motion information for the current block through a motion estimation procedure. For example, the encoding device may search for a similar reference block having high correlation using an original block in an original picture for the current block in fractional pixel units within a predetermined search range within the reference picture, and through this, motion information may be derived.
  • the similarity of blocks may be derived based on differences between phase-based sample values. For example, block similarity can be calculated based on a sum of absolute differences (SAD) between the current block (or the template of the current block) and the reference block (or the template of the reference block). In this case, motion information may be derived based on a reference block having the smallest SAD in the search area.
  • the derived motion information may be signaled to the decoding device according to various methods based on inter prediction mode.
  • a predicted block for a current block may be derived based on motion information derived according to the inter prediction mode.
  • a predicted block may include prediction samples (prediction sample array) of the current block.
  • the motion vector (MV) of the current block indicates the fractional sample unit
  • an interpolation procedure may be performed, through which prediction samples of the current block are derived based on the reference samples in the fractional sample unit in the reference picture.
  • prediction samples may be generated based on MV in units of samples/subblocks.
  • prediction samples derived based on L0 prediction ie, prediction using a reference picture in the reference picture list L0 and MVL0
  • L1 prediction ie, using a reference picture in the reference picture list L1 and MVL1 prediction
  • prediction samples derived through weighted sum or weighted average (according to phase) of the prediction samples derived based on prediction may be used as prediction samples of the current block.
  • bi-prediction when the reference picture used for L0 prediction and the reference picture used for L1 prediction are located in different temporal directions based on the current picture, (ie, bi-prediction and bi-prediction) We can call this a true pair prediction.
  • reconstructed samples and reconstructed pictures may be generated based on the derived prediction samples, and then a procedure such as in-loop filtering may be performed.
  • motion vectors may be refined by applying decoder-side motion vector refinement (DMVR) or bi-directional optical flow (BDOF) mode.
  • DMVR and BDOF modes can be used when true pair prediction is applied to the current block.
  • FIG. 5 is a diagram for explaining an embodiment of a process of performing DMVR (Decoder-side Motion Vector Refinement).
  • DMVR is a method of performing motion prediction by refining motion information of neighboring blocks at the decoder side.
  • the decoder may derive refined motion information through cost comparison based on a template generated using motion information of neighboring blocks in a merge/skip mode. In this case, precision of motion estimation may be increased and compression performance may be improved without additional signaling information.
  • the decoding device is mainly described for convenience of explanation, but the DMVR according to the embodiment of this document can be performed in the same way in the encoding device.
  • the decoding device derives prediction blocks (ie, reference blocks) identified by initial motion vectors (or motion information) (eg, MV0 and MV1) in the directions of list0 and list1, and the derived prediction A template (or bilateral template) may be generated by weighted summing (eg, averaging) the blocks (step 1).
  • the initial motion vectors MV0 and MV1 may represent motion vectors derived using motion information of neighboring blocks in the merge/skip mode.
  • the decoding device may derive motion vectors (eg, MV0' and MV1') that minimize differences between the template and the sample regions of the reference picture through a template matching operation (step 2).
  • the sample area represents a neighboring area of the initial prediction block in the reference picture, and the sample area may be referred to as a neighboring area, a reference area, a search area, a search range, a search space, and the like.
  • the template matching operation may include an operation of calculating a cost measurement value between the template and the sample region of the reference picture. For example, a sum of absolute differences (SAD) can be used to measure cost. For example, a normalized SAD may be used as a cost function.
  • SAD sum of absolute differences
  • the matching cost may be given as SAD (T - mean(T), 2 * P[x] - 2 * mean(P[x])).
  • T represents a template
  • P[x] represents a block within the search area.
  • the motion vector for calculating the minimum template cost for each of the two reference pictures may be considered as an updated motion vector (replacing the initial motion vector).
  • the decoding device may generate a final bidirectional prediction result (ie, a final bidirectional prediction block) using the updated motion vectors MV0' and MV1'.
  • multi-iteration for deriving an updated (or new) motion vector may be used to obtain a final bi-directional prediction result.
  • the decoding device may invoke a DMVR process to improve the accuracy of initial motion compensation prediction (ie, motion compensation prediction through conventional merge/skip mode).
  • initial motion compensation prediction ie, motion compensation prediction through conventional merge/skip mode
  • the decoding device processes the DMVR process. can be performed.
  • FIG. 6 is a diagram for explaining an embodiment of a process of performing Decoder-side Motion Vector Refinement (DMVR) using sum of absolute differences (SAD).
  • DMVR Decoder-side Motion Vector Refinement
  • SAD sum of absolute differences
  • the decoding device may measure a matching cost using SAD.
  • FIG. 6 describes a method of refining a motion vector by calculating a Mean Sum of Absolute Difference (MRSAD) between predicted samples in two reference pictures without generating a template. That is, the method of FIG. 6 represents an embodiment of bilateral matching using MRSAD.
  • MRSAD Mean Sum of Absolute Difference
  • the decoding apparatus derives an adjacent pixel of a pixel (sample) indicated by a motion vector MV0 in the list0 (L0) direction on a reference picture L0, and uses the motion vector MV1 in the list1 (L1) direction.
  • An adjacent pixel of the pixel (sample) indicated by may be derived on the L1 reference picture.
  • the decoding device is identified by the L0 prediction block (ie, the L0 reference block) identified by the motion vector indicating the adjacent pixel derived from the L0 reference picture and the motion vector indicating the adjacent pixel derived from the L1 reference picture.
  • the matching cost can be measured by calculating the MRSAD between L1 prediction blocks (ie, L1 reference blocks) to be matched.
  • the decoding device may select a search point having a minimum cost (ie, a search region having a minimum SAD between the L0 prediction block and the L1 prediction block) as the refined motion vector pair. That is, the refined motion vector pair is the refined L0 motion vector pointing to the pixel position (L0 prediction block) with the minimum cost in the L0 reference picture and the refined L0 motion vector pointing to the pixel position (L1 prediction block) with the minimum cost in the L1 reference picture. may include an L1 motion vector.
  • unidirectional prediction may be performed using a regular 8 tap DCTIF interpolation filter after the search region of the reference picture is set.
  • 16-bit precision may be used for MRSAD calculation, and clipping and/or rounding operations may not be applied prior to MRSAD calculation in consideration of an internal buffer.
  • BDOF may be used to refine the bi-prediction signal.
  • Bi-directional optical flow may be used to calculate improved motion information when bi-prediction is applied to a current block and generate prediction samples based on it.
  • BDOF may be applied at a 4x4 sub-block level. That is, BDOF may be performed in units of 4x4 subblocks within the current block.
  • BDOF may be applied only to the luma component.
  • BDOF may be applied only to the chroma component or may be applied to the luma component and the chroma component.
  • motion refinement (v x , v y ) may be calculated by minimizing the difference between L0 and L1 prediction samples. And motion refinement can be used to adjust pair prediction sample values in a 4x4 subblock.
  • true bi-prediction indicates a case in which motion prediction/compensation is performed in a reference picture in a different direction based on the picture of the current block
  • prediction is performed by refining motion information. It can be seen that the refinement technology has a similar concept in that it is assumed that the movement of an object in a picture is performed at a constant speed and in a constant direction.
  • VVC Versatile Video Coding
  • Multi-pass DMVR technology can be applied to improve inter-coding performance.
  • Multi-pass DMVR i.e., MDMVR
  • MDMVR is a technology for further improving (and simplifying) the technology of DMVR in next-generation video codecs.
  • BM bilateral matching
  • BDOF can be applied to refine the MV of each 8x8 subblock.
  • the improved MV can be saved for spatial and temporal motion vector prediction.
  • a refined MV in the first pass of the MDMVR, a refined MV can be derived by applying bilateral matching (BM) to a coding block. Similar to Decoder-Side Motion Vector Refinement (DMVR), MVs improved in bi-prediction prediction operation can be searched around two initial MVs (MV0 and MV1) in reference picture lists L0 and L1. There is. Improved MVs (MV0_pass1 and MV1_pass1) may be derived around the initial MV based on the minimum bi-directional matching cost between two reference blocks in L0 and L1.
  • BM Decoder-Side Motion Vector Refinement
  • the BM may perform a local search to derive an integer-sample precision intDeltaMV.
  • Local search can be repeated for the search range in the horizontal direction [-sHor, sHor] and the search range in the vertical direction [-sVer, sVer] by applying a 3x3 square search pattern.
  • the values of sHor and sVer are determined by the block dimension, and the maximum value of sHor and sVer may be 8.
  • the block size cbW * cbH is greater than 64, the DC distortion effect between reference blocks can be removed by applying the MRSAD cost function.
  • intDeltaMV local search can be terminated. Otherwise, the current minimum cost search point becomes the new center point of the 3x3 search pattern, and the minimum cost search can continue until the end of the search range is reached.
  • the improved MV after the first pass can be derived as follows.
  • MV0_pass1 MV0 + deltaMV
  • MV1_pass1 MV1 - deltaMV
  • a refined MV can be derived by applying BM to a 16x16 grid subblock. For each subblock, improved MVs can be searched around two MVs (MV0_pass1, MV1_pass1) obtained in the first pass in the reference picture lists L0 and L1.
  • the improved MVs (MV0_pass2(sbIdx2) and MV1_pass2(sbIdx2)) may be derived based on the minimum bidirectional matching cost between two reference subblocks in L0 and L1.
  • the BM may perform a full search to derive an integer-sample precision intDeltaMV.
  • Full search has a search range of [-sHor, sHor] in the horizontal direction and [-sVer, sVer] in the vertical direction, where the values of sHor and sVer are determined by the block dimension, and the maximum value of sHor and sVer is 8 can be
  • the search area (2*sHor + 1) * (2*sVer + 1) can be divided into up to 5 diamond-shaped search areas. Each search area is assigned a costFactor determined by the distance between each search point and the starting MV (intDeltaMV), and each diamond area can be processed in order starting from the center of the search area. In each region, search points may be processed in a raster scan order starting from a top left corner of the region to a bottom right corner.
  • the int-pel full search ends, otherwise the int-pel full search may continue to the next search area until all search points have been examined. .
  • DMVR fractional sample refinement may be additionally applied to derive the final deltaMV (sbIdx2).
  • the improved MV in the second pass can be derived as follows.
  • MV0_pass2(sbIdx2) MV0_pass1 + deltaMV(sbIdx2)
  • MV1_pass2(sbIdx2) MV1_pass1 - deltaMV(sbIdx2)
  • a refined MV can be derived by applying BDOF to an 8x8 grid subblock.
  • BDOF refinement may be applied to derive the scaled Vx and Vy without clipping, starting from the improved MV of the parent subblock in the second pass.
  • the derived bioMv(Vx, Vy) can be rounded to 1/16 sample precision and clipped between -32 and 32.
  • the MVs (MV0_pass3(sbIdx3) and MV1_pass3(sbIdx3)) improved in the third pass can be derived as follows.
  • MV0_pass3(sbIdx3) MV0_pass2(sbIdx2) + bioMv
  • MV1_pass3(sbIdx3) MV0_pass2(sbIdx2) - bioMv
  • this document improves the performance of the inter-coding structure and the complexity of processing in applying the above-described Decoder-Side Motion Vector Derivation (DMVD) (ie, DMVR and/or multi-pass DMVR). Suggests a way to not increase to this end, the following aspects may be considered. That is, the proposed method may include the following embodiments, and the proposed embodiments may be applied individually or in combination.
  • DMVD Decoder-Side Motion Vector Derivation
  • DMVR can be applied at multiple levels or multiple passes or multiple steps to derive the final refined motion vector.
  • a multi-layer DMVR may be referred to as MDMVR.
  • multiple layers may be referred to as multiple passes, multiple levels, or multiple steps.
  • MDMVR may be determined in consideration of the following factors.
  • Each CU may have various numbers of layers. For example, the current PU may have 2 layers, and the next PU may require 3 layers.
  • MVD information may be used to determine whether a DMVR should be applied to a block or the number of layers or levels of DMVR that can be applied.
  • the threshold may be selected in 1 ⁇ 4 pel, 1 ⁇ 2 pel, 1 pel, 4 pel, and/or other appropriate MVD units.
  • DMVR may not be applied if any one of the threshold(s) is not satisfied.
  • this threshold may be used to determine whether a single layer, two layers, or multiple layers should be applied to the DMVR. For example, if the MVD is within a range of a specific threshold, it may be sufficient to perform DMVR at a 16x16 level rather than an 8x8 level.
  • each layer may have the same search pattern or different search patterns.
  • search points may generally vary according to search patterns. Therefore, it may be possible and advantageous to reduce the search region by using a larger search correlated with more search points initially, and considering smaller search patterns and fewer search points in later layers.
  • the accuracy of the initial search pattern may be integer-based and the additional layer accuracy may be 1 ⁇ 2-pel or 1 ⁇ 4-pel.
  • contemplated search patterns may include, but are not limited to, squares, diamonds, crosses, rectangles, and/or other suitable shapes for capturing basic movements of blocks.
  • a rectangular search pattern may be useful as it may be more suitable for capturing the basic motion of a block.
  • a diamond/cross shape may be more suitable for blocks with more vertical movement.
  • the size of the search area may be different for each block according to the size of the block.
  • a For example, if larger blocks are used, it may be possible to use 7x7/8x8, or larger, or other suitable square/diamond search patterns. This can be used with variable DMVR granularity.
  • the search area can be made smaller than 5x5.
  • a 7x7 search region may be used.
  • references samples may be pre-fetched and store them in a memory while waiting for processing.
  • the samples may be padded with reference samples.
  • DMVR uses SAD as a means of evaluating refined MVs using an iterative process. However, it may be possible to use several other distortion metrics to evaluate distortion.
  • the L0 norm may be used, where the initial and intermediate motion vectors may be used to determine whether there has been a motion change in the x or y direction. This can then be used to evaluate whether an early termination may be possible.
  • MR-SAD Magnetic Removed - Sum of Absolute Difference
  • a weighting for the initial error/distortion metric may be applied so that the initial value(s) result in the minimum distortion cost.
  • MDMVR can be prematurely terminated if the distance between the initial starting MV and the MV at the point during the iteration is less than a threshold T, then the search can be terminated.
  • all termination conditions can be checked between layers.
  • the CU may signal to use 3 layers for DMVR.
  • DMVR may be terminated when termination conditions are satisfied after the first layer.
  • sample-based divergence or SAD-based divergence may also be used individually or in combination.
  • single layer DMVR or MDMVR may be signaled in several parameter sets.
  • MDMVR can be fixed for the entire sequence by signaling a single flag in the SPS along with the associated GCI flag.
  • DMVR Picture Parameter Set
  • PH Picture Parameter Set
  • SH Sege header
  • CU Coding unit
  • the use of an existing DMVR or MDMVR may be signaled in the PPS through PH or additional control present at a lower level.
  • the flag, or the PTL flag, i.e. the GCI constraint flag is signaled in the SPS, it can be fixed length coded.
  • syntax element for MDMVR is signaled at the PPS or lower level, it may be appropriate to use context coding to signal the necessary detailed information.
  • information that can be signaled may include, but is not limited to, the number of layers, the granularity of MDMVR application, whether or not early termination is explicitly used.
  • the number of context models and initialization values may be determined by considering relevant aspects of block statistics.
  • this document proposes a method for efficiently signaling information related to the use of MDMVR.
  • a structure that can be performed in a decoder it can operate as in FIGS. 7 and 8.
  • FIG. 7 exemplarily shows an MDMVR structure according to an embodiment of the present document.
  • a flag/index (S700).
  • these flags indicate whether DMVR is used (e.g. index 0), whether single layer DMVR is used (e.g. index 1), Alternatively, it can be used to indicate whether both single and MDMVR are used (eg index 2).
  • an existing DMVR is used, an existing DMVR process is performed (S710).
  • additional control information may be signaled in a slice header or a picture header (S720 to S740).
  • the decoding device may acquire information related to whether MDMVR is used (eg, MDMVR enable flag or index information), and determine whether DMVR or MDMVR is used based on the information (S700). .
  • the information related to whether the MDMVR is used may be information indicating whether the MDMVR is enabled, and may be signaled in higher level (eg, SPS) syntax.
  • the decoding device may obtain flag information related to whether MDMVR is used, determine that DMVR is used if the value of the flag information is 0, and determine that MDMVR is used if the value of the flag information is 1. there is.
  • the decoding device may obtain index information related to whether MDMVR is used or not, and determine use of DMVR or MDMVR based on a value of the index information. For example, if the value of the index information is 0, it may be determined that DMVR is used, and if the value of the index information is 1, it may be determined that MDMVR is used. Alternatively, as described above, if the value of the index information is 0, it is determined that the DMVR is used, if the value of the index information is 1, it is determined that a single-layer DMVR is used, and if the value of the index information is 2, it is determined that the multi-layer DMVR is used. It can be determined that layer DMVR (ie, MDMVR) is used.
  • MDMVR multi-layer DMVR
  • the decoding device may perform the DMVR (S710).
  • the decoding device may obtain additional control information (S720).
  • the additional control information may be MDMVR-related control information at a lower level (eg, picture header, slice header, etc.), and may indicate, for example, whether MDMVR-related syntax elements are present in the picture header syntax. For example, if the value of the additional control information is 0, it indicates that the additional control information (eg, MDMVR related syntax elements) does not exist in the picture header syntax, and if the value of the additional control information is 1, the additional control information (eg, MDMVR related syntax elements) may indicate the presence in the picture header syntax.
  • a lower level eg, picture header, slice header, etc.
  • the decoding device may determine that the MDMVR-related additional control information does not exist in the picture header syntax, and may obtain MDMVR-related information from the slice header (S730).
  • the MDMVR-related information in the slice header may indicate whether MDMVR-related syntax elements exist in the slice header. For example, if the value of the MDMVR-related information is 1, it indicates that MDMVR-related syntax elements exist in a slice header, and then MDMVR-related syntax elements can be signaled/parsed from the slice header.
  • the decoding device may determine that the MDMVR-related syntax element exists in the picture header syntax and obtain the MDMVR-related syntax element from the picture header (S740).
  • the decoding device may perform MDMVR based on MDMVR-related information signaled from a picture header or a slice header.
  • MDMVR information may be signaled at the PPS or CU level.
  • DMVR can be performed at the PU level.
  • additional syntax elements may be parsed in the PPS to indicate whether control elements are present at the PPS or CU level. Since several frames generally refer to one PPS, parsing control information in the PPS may be less flexible than when elements are signaled in the CU. However, signaling at the PPS level can reduce signaling overhead.
  • the decoding device obtains information related to whether MDMVR is used (eg, MDMVR enable flag or index information), and determines whether DMVR is used or whether MDMVR is used based on the information. It can (S800).
  • the information related to whether the MDMVR is used may be information indicating whether the MDMVR is enabled, and may be signaled in higher level (eg, SPS) syntax.
  • the decoding device may obtain flag information related to whether MDMVR is used, determine that DMVR is used if the value of the flag information is 0, and determine that MDMVR is used if the value of the flag information is 1. there is.
  • the decoding device may obtain index information related to whether MDMVR is used or not, and determine use of DMVR or MDMVR based on a value of the index information. For example, if the value of the index information is 0, it may be determined that DMVR is used, and if the value of the index information is 1, it may be determined that MDMVR is used. Alternatively, as described above, if the value of the index information is 0, it is determined that the DMVR is used, if the value of the index information is 1, it is determined that a single-layer DMVR is used, and if the value of the index information is 2, it is determined that the multi-layer DMVR is used. It can be determined that layer DMVR (ie, MDMVR) is used.
  • MDMVR multi-layer DMVR
  • the decoding device may perform the DMVR (S810).
  • the decoding device may obtain DMVR-related information signaled at the PU level and perform DMVR.
  • the decoding device may obtain additional control information (S820).
  • the additional control information may be MDMVR-related control information at a lower level (eg, PPS), and may indicate, for example, whether MDMVR-related syntax elements exist in the PPS syntax. For example, if the value of the additional control information is 0, it indicates that the additional control information (eg, MDMVR related syntax elements) does not exist in PPS syntax, and if the value of the additional control information is 1, the additional control information ( Example: MDMVR related syntax elements) may indicate that they are present in the PPS syntax.
  • PPS lower level
  • the decoding device may determine that the MDMVR-related additional control information does not exist in the PPS syntax, and may obtain MDMVR-related information from the CU (S830).
  • MDMVR-related information in the CU may indicate whether MDMVR-related syntax elements exist in the CU syntax. For example, if the value of the MDMVR-related information is 1, it indicates that MDMVR-related syntax elements exist in the CU syntax, and then MDMVR-related syntax elements can be signaled/parsed from the CU syntax.
  • the decoding device may determine that the MDMVR-related additional control information exists in the PPS syntax, and may obtain MDMVR-related additional control information (eg, MDMVR-related syntax element) from the PPS ( S840).
  • MDMVR-related additional control information eg, MDMVR-related syntax element
  • the decoding device may perform MDMVR based on MDMVR-related information signaled from the PPS or CU.
  • FIGS. 9 and 10 schematically illustrate an example of a video/image encoding method and related components according to the embodiment(s) of this document.
  • the method disclosed in FIG. 9 may be performed by the encoding device 200 disclosed in FIG. 2 or FIG. 10 .
  • the encoding device 200 disclosed in FIG. 10 briefly illustrates the encoding device 200 disclosed in FIG. 2 .
  • steps S900 to S920 of FIG. 9 may be performed by the prediction unit 220 shown in FIG. 10
  • step S930 of FIG. 9 may be performed by the residual processing unit 230 shown in FIG. 10
  • Step S940 of FIG. 9 may be performed by the entropy encoding unit 240 shown in FIG. 10 .
  • a process of generating a reconstructed sample and a reconstructed picture for the current block based on residual samples and prediction samples of the current block is performed by the adder 250 of the encoding device 200 and the process of encoding the prediction information for the current block may be performed by the entropy encoding unit 240 of the encoding device 200.
  • the method disclosed in FIG. 9 may be performed including the embodiments described above in this document. Therefore, in FIG. 9, detailed descriptions of overlapping contents with the above-described embodiments are omitted or simplified.
  • the encoding device may determine whether to use multi-layer decoder-side motion vector refinement (DMVR) for a current block (S900).
  • DMVR multi-layer decoder-side motion vector refinement
  • the multi-layer DMVR may be referred to as MDMVR, and may be used interchangeably or alternately with a multi-pass DMVR, a multi-level DMVR, or a multi-level DMVR.
  • the encoding device may determine whether to apply the DMVR using multiple layers (or multiple passes, multiple levels, multiple steps, etc.) to derive a final refined motion vector for the current block.
  • the encoding device may determine whether to use MDMVR for the current block according to the above-described embodiments.
  • whether to use MDMVR may be determined based on information signaled in various parameter sets. For example, whether to use the MDMVR may be determined based on the first flag information related to indicating whether the MDMVR is used.
  • the first flag information may be signaled in a Sequence Parameter Set (SPS).
  • SPS Sequence Parameter Set
  • whether to use MDMVR can be determined for the entire sequence, and additional control information is signaled at the sequence level to lower level (e.g., PPS (Picture Parameter Set) / PH (Picture header) / SH (Slice) header) / CU (Coding unit) and / or other appropriate header) may determine whether to apply MDMVR.
  • Second flag information may be signaled.
  • the second flag information is information for controlling whether MDMVR is used at a lower level, and may be information related to whether a syntax element related to MDMVR exists in PPS, PH, SH, CU or other appropriate header.
  • PPS/ Second flag information related to MDMVR control in PH may be signaled.
  • the second flag information indicates that there is a syntax element related to MDMVR control in PPS/PH
  • syntax elements related to MDMVR control may be further signaled from PPS/PH.
  • syntax elements related to MDMVR may be signaled at a lower level (eg, CU, SH).
  • the first flag information signaled at a higher level may be binarized by fixed length coding.
  • a syntax element related to MDMVR when a syntax element related to MDMVR is signaled at a lower level such as PPS, PH, SH, or CU based on the first flag and / or the second flag, the syntax element related to MDMVR performs context coding It can be derived (ie, parsed) based on.
  • the syntax element related to the MDMVR may include detailed information necessary for performing the MDMVR, including, for example, the number of layers, the granularity of MDMVR application, whether or not early termination is explicitly used, and the like. can do.
  • the number of context models and an initialization value may be determined, and at this time, they may be determined in consideration of related aspects of block statistics.
  • the current block may be a coding unit (CU) including at least one prediction unit (PU), and in this case, the number of MDMVR layers may be determined for the at least one PU.
  • MDMVR can be applied to PU 1 in the current block by using two layers, and MDMVR can be applied to PU 2 by using 3 layers in the current block.
  • the number of MDMVR layers may be determined for each CU. In this case, all PUs in the CU may have the same number of layers.
  • whether to use MDMVR may be determined based on Motion Vector Difference (MVD) information. For example, based on whether the MVD exceeds a predetermined threshold, whether to use the DMVR may be determined first. For example, if the MVD exceeds a predetermined threshold, it may be determined that the DMVR is not applied.
  • the threshold may be selected in units of 1 ⁇ 4 pixels (pel), 1 ⁇ 2 pixels (pel), 1 pixel (pel), 4 pixels (pel), and/or other suitable MVD units. Alternatively, for a specific block size, if the threshold is not satisfied, DMVR may not be applied.
  • DMVR may be performed at a 16x16 level instead of an 8x8 level.
  • the number of layers of the MDMVR may be determined based on whether the MVD information is within a predetermined threshold range.
  • a search pattern and a size of a search region may be determined for each layer of the MDMVR.
  • each layer may have the same search pattern or different search patterns.
  • the search pattern may include squares, diamonds, crosses, rectangles, and/or other suitable shapes to capture the basic motion of the blocks.
  • the search pattern may be determined based on the x-direction motion vector and the y-direction motion vector, or may be determined based on vertical motion and horizontal motion. For example, when a motion vector in the x direction is greater than a motion vector in the y direction, a rectangular search pattern may be more suitable for capturing the basic motion of a block. Or, for example, a diamond-shaped/cross-shaped search pattern may be more suitable for blocks with more vertical motion.
  • the size of the search area may be determined based on the block size. For example, if large blocks are used, a 7x7/8x8, or larger, or other suitable square/diamond search pattern may be used. Alternatively, for example, when a small block is used, the search area may have a size smaller than 5x5. Alternatively, for example, the size of the search area may be determined based on basic motion information and motion characteristics of available neighboring blocks. For example, if the block MVD is greater than a predetermined threshold value T, a 7x7 search area may be used.
  • a search point may be determined based on a search pattern. For example, if there is an initial correlation with a search point, a search pattern with a larger size may be used. Afterwards, if a search pattern with a smaller size and a smaller number of search points are considered, the search area can be reduced in the layer.
  • the accuracy of the initial search pattern may be determined based on an integer, and the accuracy of the additional layer may be determined as 1 ⁇ 2-pel or 1 ⁇ 4-pel.
  • the refined motion vector may be derived based on Sum of Absolute Differences (SAD) or Mean Removed-Sum of Absolute Difference (MR-SAD).
  • SAD Sum of Absolute Differences
  • MR-SAD Mean Removed-Sum of Absolute Difference
  • the refined motion vector derived by applying the MDMVR may measure distortion based on SAD or MR-SAD, and based on this, a final refined motion vector may be derived.
  • L0 norm or Euclidean norm (L2) or the like may be used.
  • the refined motion vector may be derived based on the minimum distortion cost to which the weight is applied.
  • the minimum distortion cost may be calculated by applying a weight based on a case in which the distortion of a specific search point has priority over other search points. For example, when the initial search point should be prioritized over other points within the search range, a minimum distortion cost for the initial value(s) may be calculated by applying a weight to an initial error/distortion metric. Alternatively, for example, the minimum distortion cost may be calculated by determining weights in consideration of available motion information of neighboring blocks.
  • MDMVR may be performed by determining whether termination conditions are satisfied for each layer of the MDMVR based on the fact that the MDMVR is used in the current block.
  • the termination condition may determine MDMVR termination for each layer based on whether a distance between an initial motion vector and a refined motion vector, a sample-based difference, or an SAD-based difference is smaller than a threshold value. For example, when the distance between the initial starting MV and the MV at the point during repetition (ie, the refined MV) is smaller than the threshold value T, it is determined that the termination condition is satisfied and the MDMVR is terminated.
  • it may be checked between layers of the MDMVR. For example, when it is determined that the termination condition is satisfied after the first layer of MDMVR, MDMVR may not be performed for the remaining layers and may be terminated early.
  • reference samples may be pre-fetched and stored in a memory while waiting for processing. For example, when samples are pre-fetched, the samples may be padded with reference samples.
  • the encoding device may derive a refined motion vector for the current block based on the use of MDMVR for the current block (S910).
  • the encoding apparatus may derive a refined motion vector by applying MDMVR to the current block.
  • the encoding device may derive motion information (motion vector, reference picture index, etc.) of the current block. For example, the encoding apparatus searches for a block similar to the current block within a certain area (search area) of reference pictures through motion estimation, and derives a reference block having a minimum difference from the current block or less than a certain standard. can do. Based on this, a reference picture index indicating a reference picture where a reference block is located may be derived, and a motion vector may be derived based on a positional difference between the reference block and the current block.
  • motion information motion vector, reference picture index, etc.
  • the encoding device may determine an inter prediction mode applied to the current block among various prediction modes.
  • the encoding device may compare RD costs for various prediction modes and determine an optimal prediction mode for the current block.
  • the encoding apparatus may derive a finally refined motion vector by applying MDMVR to the motion vector.
  • the encoding apparatus may derive prediction samples for the current block based on the refined motion vector (S920), and may derive residual samples for the current block based on the prediction samples (S930).
  • the encoding device may derive residual samples based on original samples of the current block and predicted samples of the current block. Also, the encoding device may generate information on residual samples.
  • the information on the residual samples may include information such as value information of quantized transform coefficients derived by performing transform and quantization on the residual samples, position information, transform technique, transform kernel, quantization parameter, and the like. there is.
  • the encoding device may encode image information (or video information) (S940).
  • the image information may include prediction-related information (eg, prediction mode information).
  • image information may include the residual information. That is, image information may include various pieces of information derived from an encoding process, and may be encoded including such various types of information.
  • the encoding device may generate a bitstream by encoding image information including information about residual samples. Also, the encoding device may encode image information including prediction related information (eg, prediction mode information) to generate a bitstream.
  • prediction related information eg, prediction mode information
  • Image information including various types of information as described above may be encoded and output in the form of a bit stream.
  • the bitstream may be transmitted to the decoding device through a network or (digital) storage medium.
  • the network may include a broadcasting network and/or a communication network
  • the digital storage medium may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • 11 and 12 schematically illustrate an example of a video/image decoding method and related components according to the embodiment(s) of this document.
  • the method disclosed in FIG. 11 may be performed by the decoding device 300 disclosed in FIG. 3 or FIG. 12 .
  • the decoding device 300 disclosed in FIG. 12 briefly illustrates the decoding device 300 disclosed in FIG. 3 .
  • step S1100 of FIG. 11 may be performed by the entropy decoding unit 310 and/or prediction unit 330 shown in FIG. 12, and steps S1110 to S1120 of FIG. ), and step S1130 of FIG. 11 may be performed by the adder 340 shown in FIG. 12 .
  • the process of receiving the prediction information and/or residual information for the current block may be performed by the entropy decoding unit 310 of the decoding device 300, and based on the residual information
  • a process of deriving residual samples for the current block may be performed by the residual processing unit 320 of the decoding device 300 .
  • the method disclosed in FIG. 11 may be performed including the embodiments described above in this document. Therefore, in FIG. 11, detailed descriptions of contents overlapping with those of the above-described embodiments are omitted or simplified.
  • the decoding device may determine whether to use multi-layer decoder-side motion vector refinement (DMVR) for a current block (S1100).
  • DMVR multi-layer decoder-side motion vector refinement
  • the multi-layer DMVR may be referred to as MDMVR, and may be used interchangeably or alternately with a multi-pass DMVR, a multi-level DMVR, or a multi-level DMVR.
  • the decoding device may determine whether to apply the DMVR using multiple layers (or multiple passes, multiple levels, multiple steps, etc.) to derive a final refined motion vector for the current block.
  • the decoding device may determine whether to use MDMVR for the current block according to the above-described embodiments.
  • whether to use MDMVR may be determined based on information signaled in various parameter sets. For example, whether to use the MDMVR may be determined based on the first flag information related to indicating whether the MDMVR is used.
  • the first flag information may be signaled in a Sequence Parameter Set (SPS).
  • SPS Sequence Parameter Set
  • whether to use MDMVR can be determined for the entire sequence, and additional control information is signaled at the sequence level to lower level (e.g., PPS (Picture Parameter Set) / PH (Picture header) / SH (Slice) header) / CU (Coding unit) and / or other appropriate header) may determine whether to apply MDMVR.
  • Second flag information may be signaled.
  • the second flag information is information for controlling whether MDMVR is used at a lower level, and may be information related to whether a syntax element related to MDMVR exists in PPS, PH, SH, CU or other appropriate header.
  • PPS/ Second flag information related to MDMVR control in PH may be signaled.
  • the second flag information indicates that there is a syntax element related to MDMVR control in PPS/PH
  • syntax elements related to MDMVR control may be further signaled from PPS/PH.
  • syntax elements related to MDMVR may be signaled at a lower level (eg, CU, SH).
  • the first flag information signaled at a higher level may be binarized by fixed length coding.
  • a syntax element related to MDMVR when a syntax element related to MDMVR is signaled at a lower level such as PPS, PH, SH, or CU based on the first flag and / or the second flag, the syntax element related to MDMVR performs context coding It can be derived (ie, parsed) based on.
  • the syntax element related to the MDMVR may include detailed information necessary for performing the MDMVR, including, for example, the number of layers, the granularity of MDMVR application, whether or not early termination is explicitly used, and the like. can do.
  • the number of context models and an initialization value may be determined, and at this time, they may be determined in consideration of related aspects of block statistics.
  • the current block may be a coding unit (CU) including at least one prediction unit (PU), and in this case, the number of MDMVR layers may be determined for the at least one PU.
  • MDMVR can be applied to PU 1 in the current block by using two layers, and MDMVR can be applied to PU 2 by using 3 layers in the current block.
  • the number of MDMVR layers may be determined for each CU. In this case, all PUs in the CU may have the same number of layers.
  • whether to use MDMVR may be determined based on Motion Vector Difference (MVD) information. For example, based on whether the MVD exceeds a predetermined threshold, whether to use the DMVR may be determined first. For example, if the MVD exceeds a predetermined threshold, it may be determined that the DMVR is not applied.
  • the threshold may be selected in units of 1 ⁇ 4 pixels (pel), 1 ⁇ 2 pixels (pel), 1 pixel (pel), 4 pixels (pel), and/or other suitable MVD units. Alternatively, for a specific block size, if the threshold is not satisfied, DMVR may not be applied.
  • DMVR may be performed at a 16x16 level instead of an 8x8 level.
  • the number of layers of the MDMVR may be determined based on whether the MVD information is within a predetermined threshold range.
  • a search pattern and a size of a search region may be determined for each layer of the MDMVR.
  • each layer may have the same search pattern or different search patterns.
  • the search pattern may include squares, diamonds, crosses, rectangles, and/or other suitable shapes to capture the basic motion of the blocks.
  • the search pattern may be determined based on the x-direction motion vector and the y-direction motion vector, or may be determined based on vertical motion and horizontal motion. For example, when a motion vector in the x direction is greater than a motion vector in the y direction, a rectangular search pattern may be more suitable for capturing the basic motion of a block. Or, for example, a diamond-shaped/cross-shaped search pattern may be more suitable for blocks with more vertical motion.
  • the size of the search area may be determined based on the block size. For example, if large blocks are used, a 7x7/8x8, or larger, or other suitable square/diamond search pattern may be used. Alternatively, for example, when a small block is used, the search area may have a size smaller than 5x5. Alternatively, for example, the size of the search area may be determined based on basic motion information and motion characteristics of available neighboring blocks. For example, if the block MVD is greater than a predetermined threshold value T, a 7x7 search area may be used.
  • a search point may be determined based on a search pattern. For example, if there is an initial correlation with a search point, a search pattern with a larger size may be used. Afterwards, if a search pattern with a smaller size and a smaller number of search points are considered, the search area can be reduced in the layer.
  • the accuracy of the initial search pattern may be determined based on an integer, and the accuracy of the additional layer may be determined as 1 ⁇ 2-pel or 1 ⁇ 4-pel.
  • the refined motion vector may be derived based on Sum of Absolute Differences (SAD) or Mean Removed-Sum of Absolute Difference (MR-SAD).
  • SAD Sum of Absolute Differences
  • MR-SAD Mean Removed-Sum of Absolute Difference
  • the refined motion vector derived by applying the MDMVR may measure distortion based on SAD or MR-SAD, and based on this, a final refined motion vector may be derived.
  • L0 norm or Euclidean norm (L2) or the like may be used.
  • the refined motion vector may be derived based on the minimum distortion cost to which the weight is applied.
  • the minimum distortion cost may be calculated by applying a weight based on a case in which the distortion of a specific search point has priority over other search points. For example, when the initial search point should be prioritized over other points within the search range, a minimum distortion cost for the initial value(s) may be calculated by applying a weight to an initial error/distortion metric. Alternatively, for example, the minimum distortion cost may be calculated by determining weights in consideration of available motion information of neighboring blocks.
  • MDMVR may be performed by determining whether termination conditions are satisfied for each layer of the MDMVR based on the fact that the MDMVR is used in the current block.
  • the termination condition may determine MDMVR termination for each layer based on whether a distance between an initial motion vector and a refined motion vector, a sample-based difference, or an SAD-based difference is smaller than a threshold value. For example, when the distance between the initial starting MV and the MV at the point during repetition (ie, the refined MV) is smaller than the threshold value T, it is determined that the termination condition is satisfied and the MDMVR is terminated.
  • it may be checked between layers of the MDMVR. For example, when it is determined that the termination condition is satisfied after the first layer of MDMVR, MDMVR may not be performed for the remaining layers and may be terminated early.
  • reference samples may be pre-fetched and stored in a memory while waiting for processing. For example, when samples are pre-fetched, the samples may be padded with reference samples.
  • the decoding device may derive a refined motion vector for the current block based on the use of MDMVR for the current block (S1110).
  • the decoding device may derive a refined motion vector by applying MDMVR to the current block.
  • the decoding device may obtain image information including prediction-related information from a bitstream, and determine a prediction mode for a current block based on the prediction-related information. Also, the decoding device may derive motion information (motion vector, reference picture index, etc.) of the current block based on the prediction mode.
  • the prediction mode may include skip mode, merge mode, (A) MVP mode, and the like.
  • the decoding apparatus may derive a finally refined motion vector by applying MDMVR to the motion vector.
  • the decoding device may derive prediction samples for the current block based on the refined motion vector (S1120) and generate reconstructed samples for the current block based on the prediction samples (S1130).
  • the decoding apparatus may directly use predicted samples as reconstructed samples according to a prediction mode, or may generate reconstructed samples by adding residual samples to the predicted samples.
  • the decoding device may receive information about the residual of the current block when residual samples of the current block exist.
  • the residual information may include transform coefficients of residual samples.
  • the decoding device may derive residual samples (or residual sample array) for the current block based on the residual information. Specifically, the decoding device may derive quantized transform coefficients based on residual information. Quantized transform coefficients may have a one-dimensional vector form based on a coefficient scanning order.
  • the decoding device may derive transform coefficients based on an inverse quantization procedure for the quantized transform coefficients.
  • the decoding device may derive residual samples based on transform coefficients.
  • the decoding device may generate reconstructed samples based on prediction samples and residual samples, and may derive a reconstructed block or a reconstructed picture based on the reconstructed samples. Specifically, the decoding device may generate reconstructed samples based on the sum of prediction samples and residual samples. As described above, the decoding device may then apply an in-loop filtering procedure such as deblocking filtering and/or SAO procedure to the reconstructed picture in order to improve subjective/objective picture quality, if necessary.
  • an in-loop filtering procedure such as deblocking filtering and/or SAO procedure
  • the above-described method according to this document may be implemented in the form of software, and the encoding device and / or decoding device according to this document performs image processing of, for example, a TV, computer, smartphone, set-top box, display device, etc. may be included in the device.
  • a module can be stored in memory and executed by a processor.
  • the memory may be internal or external to the processor, and may be coupled with the processor in a variety of well-known means.
  • a processor may include an application-specific integrated circuit (ASIC), other chipsets, logic circuits, and/or data processing devices.
  • Memory may include read-only memory (ROM), random access memory (RAM), flash memory, memory cards, storage media, and/or other storage devices. That is, the embodiments described in this document may be implemented and performed on a processor, microprocessor, controller, or chip. For example, functional units shown in each drawing may be implemented and performed on a computer, processor, microprocessor, controller, or chip. In this case, information for implementation (eg, information on instructions) or an algorithm may be stored in a digital storage medium.
  • a decoding device and an encoding device to which the embodiment (s) of this document are applied are multimedia broadcasting transceiving devices, mobile communication terminals, home cinema video devices, digital cinema video devices, surveillance cameras, video conversation devices, video communication devices, and the like.
  • OTT over the top video
  • 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 this document 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.
  • the computer-readable recording medium includes, for example, Blu-ray Disc (BD), Universal Serial Bus (USB), ROM, PROM, EPROM, EEPROM, RAM, CD-ROM, magnetic tape, floppy disk, and optical A data storage device may be included.
  • the 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 this document may be implemented as a computer program product using program codes, and the program code may be executed on a computer by the embodiment(s) of this document.
  • the program code may be stored on a carrier readable by a computer.
  • FIG. 13 shows an example of a content streaming system to which the embodiments disclosed in this document can be applied.
  • a content streaming system to which embodiments of this document are applied may largely include an encoding server, a streaming server, a web server, a media storage, a user device, and a multimedia input device.
  • the encoding server compresses content input from multimedia input devices such as smart phones, cameras, camcorders, etc. into digital data to generate a bitstream and transmits it to the 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 encoding method or a bitstream generation method to which the embodiments of this document are applied, and the streaming server may temporarily store the bitstream in a process of transmitting or receiving the bitstream.
  • the streaming server transmits multimedia data to a user device based on a user request through a web server, and the web server serves as a medium informing a user of what kind of service is available.
  • the web server transmits the request to the streaming server, and the streaming server transmits multimedia data to the user.
  • the content streaming system may include a separate control server, and in this case, the control server serves to control commands/responses between devices in the content streaming system.
  • the streaming server may receive content from a media storage and/or encoding server. For example, when content is received from the encoding server, the content can be received in real time. In this case, in order to provide smooth streaming service, the streaming server may store the bitstream for a certain period of time.
  • Examples of the user devices include mobile phones, smart phones, laptop computers, digital broadcasting terminals, personal digital assistants (PDAs), portable multimedia players (PMPs), navigation devices, slate PCs, Tablet PC, ultrabook, wearable device (e.g., smartwatch, smart glass, HMD (head mounted display)), digital TV, desktop There may be computers, digital signage, and the like.
  • PDAs personal digital assistants
  • PMPs portable multimedia players
  • navigation devices slate PCs
  • Tablet PC ultrabook
  • wearable device e.g., smartwatch, smart glass, HMD (head mounted display)
  • digital TV desktop There may be computers, digital signage, and the like.
  • Each server in the content streaming system may be operated as a distributed server, and in this case, data received from each server may be distributed and processed.

Landscapes

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

Abstract

디코딩 장치에 의하여 수행되는 영상 디코딩 방법이 제공된다. 상기 방법은 현재 블록에 대해 다중 레이어(multi-layer) DMVR(Decoder-side Motion Vector Refinement)(MDMVR)의 사용 여부를 결정하는 단계, 상기 현재 블록에 상기 MDMVR이 사용되는 것을 기반으로, 상기 현재 블록에 대한 리파인된 움직임 벡터를 도출하는 단계, 상기 리파인된 움직임 벡터를 기반으로 상기 현재 블록에 대한 예측 샘플들을 도출하는 단계, 및 상기 예측 샘플들을 기반으로 상기 현재 블록에 대한 복원 샘플들을 생성하는 단계를 포함하는 것을 특징으로 한다.

Description

MDMVR 기반 영상 코딩 방법 및 장치
본 문서는 비디오 또는 영상 코딩 기술에 관한 것이며, 예를 들어, MDMVR(multi-layer Decoder-side Motion Vector Refinement) 기반 영상 코딩 기술에 관한 것이다.
최근 4K 또는 8K 이상의 UHD(Ultra High Definition) 영상/비디오와 같은 고해상도, 고품질의 영상/비디오에 대한 수요가 다양한 분야에서 증가하고 있다. 영상/비디오 데이터가 고해상도, 고품질이 될수록 기존의 영상/비디오 데이터에 비해 상대적으로 전송되는 정보량 또는 비트량이 증가하기 때문에 기존의 유무선 광대역 회선과 같은 매체를 이용하여 영상 데이터를 전송하거나 기존의 저장 매체를 이용해 영상/비디오 데이터를 저장하는 경우, 전송 비용과 저장 비용이 증가된다.
또한, 최근 VR(Virtual Reality), AR(Artificial Realtiy) 컨텐츠나 홀로그램 등의 실감 미디어(Immersive Media)에 대한 관심 및 수요가 증가하고 있으며, 게임 영상과 같이 현실 영상과 다른 영상 특성을 갖는 비디오/영상에 대한 방송이 증가하고 있다.
이에 따라, 상기와 같은 다양한 특성을 갖는 고해상도 고품질의 영상/비디오의 정보를 효과적으로 압축하여 전송하거나 저장하고, 재생하기 위해 고효율의 영상/비디오 압축 기술이 요구된다.
본 문서의 기술적 과제는 비디오/영상 코딩 효율을 높이는 방법 및 장치를 제공함에 있다.
본 문서의 다른 기술적 과제는 인터 코딩의 효율을 높이기 위한 다중 레이어를 사용하는 DMVR 기반 영상 코딩 방법 및 장치를 제공함에 있다.
본 문서의 일 실시예에 따르면, 디코딩 장치에 의하여 수행되는 영상 디코딩 방법이 제공된다. 상기 방법은 현재 블록에 대해 다중 레이어(multi-layer) DMVR(Decoder-side Motion Vector Refinement)(MDMVR)의 사용 여부를 결정하는 단계, 상기 현재 블록에 상기 MDMVR이 사용되는 것을 기반으로, 상기 현재 블록에 대한 리파인된 움직임 벡터를 도출하는 단계, 상기 리파인된 움직임 벡터를 기반으로 상기 현재 블록에 대한 예측 샘플들을 도출하는 단계, 및 상기 예측 샘플들을 기반으로 상기 현재 블록에 대한 복원 샘플들을 생성하는 단계를 포함한다.
본 문서의 다른 일 실시예에 따르면, 인코딩 장치에 의하여 수행되는 영상 인코딩 방법이 제공된다. 상기 방법은 현재 블록에 대해 다중 레이어(multi-layer) DMVR(Decoder-side Motion Vector Refinement)(MDMVR)의 사용 여부를 결정하는 단계, 상기 현재 블록에 상기 MDMVR이 사용되는 것을 기반으로, 상기 현재 블록에 대한 리파인된 움직임 벡터를 도출하는 단계, 상기 리파인된 움직임 벡터를 기반으로 상기 현재 블록에 대한 예측 샘플들을 도출하는 단계, 상기 예측 샘플들을 기반으로 레지듀얼 샘플들을 도출하는 단계, 및 상기 레지듀얼 샘플들에 관한 정보를 포함하는 영상 정보를 인코딩하여 비트스트림을 생성하는 단계를 포함한다.
본 문서의 또 다른 일 실시예에 따르면, 본 문서의 실시예들 중 적어도 하나에 개시된 비디오/영상 인코딩 방법에 따라 생성된 인코딩된 비디오/영상 정보 및/또는 비트스트림이 저장된 컴퓨터 판독 가능한 디지털 저장 매체를 제공한다.
본 문서의 또 다른 일 실시예에 따르면, 영상 정보의 비트스트림을 포함하는 데이터에 대한 전송 방법을 제공한다. 상기 전송 방법은 상기 영상 정보의 상기 비트스트림을 획득하되, 상기 비트스트림은 현재 블록에 대해 다중 레이어(multi-layer) DMVR(Decoder-side Motion Vector Refinement)(MDMVR)의 사용 여부를 결정하는 단계, 상기 현재 블록에 상기 MDMVR이 사용되는 것을 기반으로, 상기 현재 블록에 대한 리파인된 움직임 벡터를 도출하는 단계, 상기 리파인된 움직임 벡터를 기반으로 상기 현재 블록에 대한 예측 샘플들을 도출하는 단계, 상기 예측 샘플들을 기반으로 레지듀얼 샘플들을 도출하는 단계, 및 상기 레지듀얼 샘플들에 관한 정보를 포함하는 영상 정보를 인코딩하는 단계를 기반으로 생성되는 단계, 및 상기 비트스트림을 포함하는 상기 데이터를 전송하는 단계를 포함한다.
본 문서는 다양한 효과를 가질 수 있다. 예를 들어, 본 문서에 따르면 전반적인 영상/비디오 압축 효율을 높일 수 있다. 또한, 본 문서에 따르면 효율적인 다중 레이어를 이용하는 디코더 사이드 움직임 벡터 리파인먼트 기반 영상 코딩을 수행할 수 있다. 또한, 본 문서에 따르면 인터 코딩 구조의 성능을 향상시키고 처리의 복잡성을 증가시키지 않을 수 있는 다중 레이어를 이용하는 디코더 사이드 움직임 벡터 리파인먼트 방법을 제공할 수 있다. 또한, 본 문서에 따르면 다중 레이어를 사용하는 디코더 사이드 움직임 벡터 리파인먼트의 사용 여부를 결정하는 다양한 방안을 제공함으로써 처리 복잡성을 증가시키지 않고 처리 효율성을 높일 수 있다.
본 문서의 구체적인 실시예를 통해 얻을 수 있는 효과는 이상에서 나열된 효과로 제한되지 않는다. 예를 들어, 관련된 기술분야의 통상의 지식을 자긴 자(a person having ordinary skill in the related art)가 본 문서로부터 이해하거나 유도할 수 있는 다양한 기술적 효과가 존재할 수 있다. 이에 따라 본 문서의 구체적인 효과는 본 문서에 명시적으로 기재된 것에 제한되지 않고, 본 문서의 기술적 특징으로부터 이해되거나 유도될 수 있는 다양한 효과를 포함할 수 있다.
도 1은 본 문서의 실시예들이 적용될 수 있는 비디오/영상 코딩 시스템의 예를 개략적으로 나타낸다.
도 2는 본 문서의 실시예들이 적용될 수 있는 비디오/영상 인코딩 장치의 구성을 개략적으로 설명하는 도면이다.
도 3은 본 문서의 실시예들이 적용될 수 있는 비디오/영상 디코딩 장치의 구성을 개략적으로 설명하는 도면이다.
도 4는 코딩된 비디오/영상에 대한 계층 구조를 예시적으로 나타낸다.
도 5는 DMVR(Decoder-side Motion Vector Refinement)을 수행하는 과정의 일 실시예를 설명하기 위한 도면이다.
도 6은 SAD(sum of absolute differences)를 사용하여 DMVR(Decoder-side Motion Vector Refinement)을 수행하는 과정의 일 실시예를 설명하기 위한 도면이다.
도 7은 본 문서의 일 실시예에 따른 MDMVR 구조를 예시적으로 나타낸다.
도 8은 본 문서의 다른 실시예에 따른 MDMVR 구조를 예시적으로 나타낸다.
도 9 및 도 10은 본 문서의 실시예(들)에 따른 비디오/영상 인코딩 방법 및 관련 컴포넌트의 일 예를 개략적으로 나타낸다.
도 11 및 도 12는 본 문서의 실시예(들)에 따른 비디오/영상 디코딩 방법 및 관련 컴포넌트의 일 예를 개략적으로 나타낸다.
도 13은 본 문서에서 개시된 실시예들이 적용될 수 있는 컨텐츠 스트리밍 시스템의 예를 나타낸다.
본 문서는 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 문서를 특정 실시예에 한정하려고 하는 것이 아니다. 본 명세서에서 상용하는 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 문서의 기술적 사상을 한정하려는 의도로 사용되는 것은 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서 "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
한편, 본 문서에서 설명되는 도면상의 각 구성들은 서로 다른 특징적인 기능들에 관한 설명의 편의를 위해 독립적으로 도시된 것으로서, 각 구성들이 서로 별개의 하드웨어나 별개의 소프트웨어로 구현된다는 것을 의미하지는 않는다. 예컨대, 각 구성 중 두 개 이상의 구성이 합쳐져 하나의 구성을 이룰 수도 있고, 하나의 구성이 복수의 구성으로 나뉘어질 수도 있다. 각 구성이 통합 및/또는 분리된 실시예도 본 문서의 본질에서 벗어나지 않는 한 본 문서의 권리범위에 포함된다.
본 문서에서 "A 또는 B(A or B)"는 "오직 A", "오직 B" 또는 "A와 B 모두"를 의미할 수 있다. 달리 표현하면, 본 문서에서 "A 또는 B(A or B)"는 "A 및/또는 B(A and/or B)"으로 해석될 수 있다. 예를 들어, 본 문서에서 "A, B 또는 C(A, B or C)"는 "오직 A", "오직 B", "오직 C", 또는 "A, B 및 C의 임의의 모든 조합(any combination of A, B and C)"를 의미할 수 있다.
본 문서에서 사용되는 슬래쉬(/)나 쉼표(comma)는 "및/또는(and/or)"을 의미할 수 있다. 예를 들어, "A/B"는 "A 및/또는 B"를 의미할 수 있다. 이에 따라 "A/B"는 "오직 A", "오직 B", 또는 "A와 B 모두"를 의미할 수 있다. 예를 들어, "A, B, C"는 "A, B 또는 C"를 의미할 수 있다.
본 문서에서 "적어도 하나의 A 및 B(at least one of A and B)"는, "오직 A", "오직 B" 또는 "A와 B 모두"를 의미할 수 있다. 또한, 본 문서에서 "적어도 하나의 A 또는 B(at least one of A or B)"나 "적어도 하나의 A 및/또는 B(at least one of A and/or B)"라는 표현은 "적어도 하나의 A 및 B(at least one of A and B)"와 동일하게 해석될 수 있다.
또한, 본 문서에서 "적어도 하나의 A, B 및 C(at least one of A, B and C)"는, "오직 A", "오직 B", "오직 C", 또는 "A, B 및 C의 임의의 모든 조합(any combination of A, B and C)"를 의미할 수 있다. 또한, "적어도 하나의 A, B 또는 C(at least one of A, B or C)"나 "적어도 하나의 A, B 및/또는 C(at least one of A, B and/or C)"는 "적어도 하나의 A, B 및 C(at least one of A, B and C)"를 의미할 수 있다.
또한, 본 문서에서 사용되는 괄호는 "예를 들어(for example)"를 의미할 수 있다. 구체적으로, "예측(인트라 예측)"로 표시된 경우, "예측"의 일례로 "인트라 예측"이 제안된 것일 수 있다. 달리 표현하면 본 문서의 "예측"은 "인트라 예측"으로 제한(limit)되지 않고, "인트라 예측"이 "예측"의 일례로 제안될 것일 수 있다. 또한, "예측(즉, 인트라 예측)"으로 표시된 경우에도, "예측"의 일례로 "인트라 예측"이 제안된 것일 수 있다.
본 문서는 비디오/영상 코딩에 관한 것이다. 예를 들어 본 문서에서 개시된 방법/실시예는 VVC (versatile video coding) 표준에 개시되는 방법에 적용될 수 있다. 또한, 본 문서에서 개시된 방법/실시예는 EVC (essential video coding) 표준, AV1 (AOMedia Video 1) 표준, AVS2 (2nd generation of audio video coding standard) 또는 차세대 비디오/영상 코딩 표준(ex. H.267 or H.268 등)에 개시되는 방법에 적용될 수 있다.
본 문서에서는 비디오/영상 코딩에 관한 다양한 실시예들을 제시하며, 다른 언급이 없는 한 상기 실시예들은 서로 조합되어 수행될 수도 있다.
이 문서에서 비디오(video)는 시간의 흐름에 따른 일련의 영상(image)들의 집합을 의미할 수 있다. 픽처(picture)는 일반적으로 특정 시간대의 하나의 영상을 나타내는 단위를 의미하며, 서브픽처(subpicture)/슬라이스(slice)/타일(tile)는 코딩에 있어서 픽처의 일부를 구성하는 단위이다. 서브픽처/슬라이스/타일은 하나 이상의 CTU(coding tree unit)을 포함할 수 있다. 하나의 픽처는 하나 이상의 서브픽처/슬라이스/타일로 구성될 수 있다. 하나의 픽처는 하나 이상의 타일 그룹으로 구성될 수 있다. 하나의 타일 그룹은 하나 이상의 타일들을 포함할 수 있다. 브릭은 픽처 내 타일 이내의 CTU 행(row)들의 사각 영역을 나타낼 수 있다. 타일은 다수의 브릭들로 파티셔닝될 수 있고, 각 브릭은 상기 타일 내 하나 이상의 CTU 행들로 구성될 수 있다. 다수의 브릭들로 파티셔닝되지 않은 타일은 또한 브릭으로 불릴 수 있다. 브릭 스캔은 픽처를 파티셔닝하는 CTU들의 특정한 순차적 오더링을 나타낼 수 있으며, 상기 CTU들은 브릭 내에서 CTU 래스터 스캔으로 정렬될 수 있고, 타일 내 브릭들은 상기 타일의 상기 브릭들의 래스터 스캔으로 연속적으로 정렬될 수 있고, 그리고 픽처 내 타일들은 상기 픽처의 상기 타일들의 래스터 스캔으로 연속적으로 정렬될 수 있다. 또한, 서브 픽처는 픽처 내 하나 이상의 슬라이스의 사각 영역을 나타낼 수 있다. 즉, 서브 픽처는 픽처의 직사각형 영역을 총괄적으로 커버하는 하나 이상의 슬라이스를 포함할 수 있다. 타일은 특정 타일 열 및 특정 타일 열 이내의 CTU들의 사각 영역이다. 상기 타일 열은 CTU들의 사각 영역이고, 상기 사각 영역은 상기 픽처의 높이와 동일한 높이를 갖고, 너비는 픽처 파라미터 세트 내의 신택스 요소들에 의하여 명시될 수 있다. 상기 타일 행은 CTU들의 사각 영역이고, 상기 사각 영역은 픽처 파라미터 세트 내의 신택스 요소들에 의하여 명시되는 너비를 갖고, 높이는 상기 픽처의 높이와 동일할 수 있다. 타일 스캔은 픽처를 파티셔닝하는 CTU들의 특정 순차적 오더링을 나타낼 수 있고, 상기 CTU들은 타일 내 CTU 래스터 스캔으로 연속적으로 정렬될 수 있고, 픽처 내 타일들은 상기 픽처의 상기 타일들의 래스터 스캔으로 연속적으로 정렬될 수 있다. 슬라이스는 픽처의 정수개의 브릭들을 포함할 수 있고, 상기 정수개의 브릭들은 하나의 NAL 유닛에 포함될 수 있다. 슬라이스는 다수의 완전한 타일들로 구성될 수 있고, 또는 하나의 타일의 완전한 브릭들의 연속적인 시퀀스일 수도 있다. 이 문서에서 타일 그룹과 슬라이스는 혼용될 수 있다. 예를 들어 본 문서에서 tile group/tile group header는 slice/slice header로 불릴 수 있다.
픽셀(pixel) 또는 펠(pel)은 하나의 픽처(또는 영상)을 구성하는 최소의 단위를 의미할 수 있다. 또한, 픽셀에 대응하는 용어로서 '샘플(sample)'이 사용될 수 있다. 샘플은 일반적으로 픽셀 또는 픽셀의 값을 나타낼 수 있으며, 루마(luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있고, 크로마(chroma) 성분의 픽셀/픽셀 값만을 나타낼 수도 있다.
유닛(unit)은 영상 처리의 기본 단위를 나타낼 수 있다. 유닛은 픽처의 특정 영역 및 해당 영역에 관련된 정보 중 적어도 하나를 포함할 수 있다. 하나의 유닛은 하나의 루마 블록 및 두개의 크로마(ex. cb, cr) 블록을 포함할 수 있다. 유닛은 경우에 따라서 블록(block) 또는 영역(area) 등의 용어와 혼용하여 사용될 수 있다. 일반적인 경우, MxN 블록은 M개의 열과 N개의 행으로 이루어진 샘플들(또는 샘플 어레이) 또는 변환 계수(transform coefficient)들의 집합(또는 어레이)을 포함할 수 있다.
본 문서에서 하나의 도면 내에서 개별적으로 설명되는 기술적 특징은, 개별적으로 구현될 수도 있고, 동시에 구현될 수도 있다.
이하의 도면은 본 문서의 구체적인 일례를 설명하기 위해 작성되었다. 도면에 기재된 구체적인 장치의 명칭이나 구체적인 신호/메시지/필드의 명칭은 예시적으로 제시된 것이므로, 본 문서의 기술적 특징이 이하의 도면에 사용된 구체적인 명칭에 제한되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 문서의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 이하, 도면상의 동일한 구성 요소에 대해서는 동일한 참조 부호를 사용할 수 있고 동일한 구성 요소에 대해서 중복된 설명은 생략될 수 있다.
도 1은 본 문서의 실시예들이 적용될 수 있는 비디오/영상 코딩 시스템의 예를 개략적으로 나타낸다.
도 1을 참조하면, 비디오/영상 코딩 시스템은 제1 장치(소스 디바이스) 및 제2 장치(수신 디바이스)를 포함할 수 있다. 소스 디바이스는 인코딩된 비디오(video)/영상(image) 정보 또는 데이터를 파일 또는 스트리밍 형태로 디지털 저장매체 또는 네트워크를 통하여 수신 디바이스로 전달할 수 있다.
상기 소스 디바이스는 비디오 소스, 인코딩 장치, 전송부를 포함할 수 있다. 상기 수신 디바이스는 수신부, 디코딩 장치 및 렌더러를 포함할 수 있다. 상기 인코딩 장치는 비디오/영상 인코딩 장치라고 불릴 수 있고, 상기 디코딩 장치는 비디오/영상 디코딩 장치라고 불릴 수 있다. 송신기는 인코딩 장치에 포함될 수 있다. 수신기는 디코딩 장치에 포함될 수 있다. 렌더러는 디스플레이부를 포함할 수도 있고, 디스플레이부는 별개의 디바이스 또는 외부 컴포넌트로 구성될 수도 있다.
비디오 소스는 비디오/영상의 캡쳐, 합성 또는 생성 과정 등을 통하여 비디오/영상을 획득할 수 있다. 비디오 소스는 비디오/영상 캡쳐 디바이스 및/또는 비디오/영상 생성 디바이스를 포함할 수 있다. 비디오/영상 캡쳐 디바이스는 예를 들어, 하나 이상의 카메라, 이전에 캡쳐된 비디오/영상을 포함하는 비디오/영상 아카이브 등을 포함할 수 있다. 비디오/영상 생성 디바이스는 예를 들어 컴퓨터, 타블렛 및 스마트폰 등을 포함할 수 있으며 (전자적으로) 비디오/영상을 생성할 수 있다. 예를 들어, 컴퓨터 등을 통하여 가상의 비디오/영상이 생성될 수 있으며, 이 경우 관련 데이터가 생성되는 과정으로 비디오/영상 캡쳐 과정이 갈음될 수 있다.
인코딩 장치는 입력 비디오/영상을 인코딩할 수 있다. 인코딩 장치는 압축 및 코딩 효율을 위하여 예측, 변환, 양자화 등 일련의 절차를 수행할 수 있다. 인코딩된 데이터(인코딩된 비디오/영상 정보)는 비트스트림(bitstream) 형태로 출력될 수 있다.
전송부는 비트스트림 형태로 출력된 인코딩된 비디오/영상 정보 또는 데이터를 파일 또는 스트리밍 형태로 디지털 저장매체 또는 네트워크를 통하여 수신 디바이스의 수신부로 전달할 수 있다. 디지털 저장 매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장 매체를 포함할 수 있다. 전송부는 미리 정해진 파일 포멧을 통하여 미디어 파일을 생성하기 위한 엘리먼트를 포함할 수 있고, 방송/통신 네트워크를 통한 전송을 위한 엘리먼트를 포함할 수 있다. 수신부는 상기 비트스트림을 수신/추출하여 디코딩 장치로 전달할 수 있다.
디코딩 장치는 인코딩 장치의 동작에 대응하는 역양자화, 역변환, 예측 등 일련의 절차를 수행하여 비디오/영상을 디코딩할 수 있다.
렌더러는 디코딩된 비디오/영상을 렌더링할 수 있다. 렌더링된 비디오/영상은 디스플레이부를 통하여 디스플레이될 수 있다.
도 2는 본 문서의 실시예들이 적용될 수 있는 비디오/영상 인코딩 장치의 구성을 개략적으로 설명하는 도면이다. 이하 인코딩 장치라 함은 영상 인코딩 장치 및/또는 비디오 인코딩 장치를 포함할 수 있다.
도 2를 참조하면, 인코딩 장치(200)는 영상 분할부(image partitioner, 210), 예측부(predictor, 220), 레지듀얼 처리부(residual processor, 230), 엔트로피 인코딩부(entropy encoder, 240), 가산부(adder, 250), 필터링부(filter, 260) 및 메모리(memory, 270)를 포함하여 구성될 수 있다. 예측부(220)는 인터 예측부(221) 및 인트라 예측부(222)를 포함할 수 있다. 레지듀얼 처리부(230)는 변환부(transformer, 232), 양자화부(quantizer 233), 역양자화부(dequantizer 234), 역변환부(inverse transformer, 235)를 포함할 수 있다. 레지듀얼 처리부(230)은 감산부(subtractor, 231)를 더 포함할 수 있다. 가산부(250)는 복원부(reconstructor) 또는 복원 블록 생성부(recontructged block generator)로 불릴 수 있다. 상술한 영상 분할부(210), 예측부(220), 레지듀얼 처리부(230), 엔트로피 인코딩부(240), 가산부(250) 및 필터링부(260)는 실시예에 따라 하나 이상의 하드웨어 컴포넌트(예를 들어 인코더 칩셋 또는 프로세서)에 의하여 구성될 수 있다. 또한 메모리(270)는 DPB(decoded picture buffer)를 포함할 수 있고, 디지털 저장 매체에 의하여 구성될 수도 있다. 상기 하드웨어 컴포넌트는 메모리(270)을 내/외부 컴포넌트로 더 포함할 수도 있다.
영상 분할부(210)는 인코딩 장치(200)에 입력된 입력 영상(또는, 픽쳐, 프레임)를 하나 이상의 처리 유닛(processing unit)으로 분할할 수 있다. 일 예로, 상기 처리 유닛은 코딩 유닛(coding unit, CU)이라고 불릴 수 있다. 이 경우 코딩 유닛은 코딩 트리 유닛(coding tree unit, CTU) 또는 최대 코딩 유닛(largest coding unit, LCU)으로부터 QTBTTT (Quad-tree binary-tree ternary-tree) 구조에 따라 재귀적으로(recursively) 분할될 수 있다. 예를 들어, 하나의 코딩 유닛은 쿼드 트리 구조, 바이너리 트리 구조, 및/또는 터너리 구조를 기반으로 하위(deeper) 뎁스의 복수의 코딩 유닛들로 분할될 수 있다. 이 경우 예를 들어 쿼드 트리 구조가 먼저 적용되고 바이너리 트리 구조 및/또는 터너리 구조가 나중에 적용될 수 있다. 또는 바이너리 트리 구조가 먼저 적용될 수도 있다. 더 이상 분할되지 않는 최종 코딩 유닛을 기반으로 본 문서에 따른 코딩 절차가 수행될 수 있다. 이 경우 영상 특성에 따른 코딩 효율 등을 기반으로, 최대 코딩 유닛이 바로 최종 코딩 유닛으로 사용될 수 있고, 또는 필요에 따라 코딩 유닛은 재귀적으로(recursively) 보다 하위 뎁스의 코딩 유닛들로 분할되어 최적의 사이즈의 코딩 유닛이 최종 코딩 유닛으로 사용될 수 있다. 여기서 코딩 절차라 함은 후술하는 예측, 변환, 및 복원 등의 절차를 포함할 수 있다. 다른 예로, 상기 처리 유닛은 예측 유닛(PU: Prediction Unit) 또는 변환 유닛(TU: Transform Unit)을 더 포함할 수 있다. 이 경우 상기 예측 유닛 및 상기 변환 유닛은 각각 상술한 최종 코딩 유닛으로부터 분할 또는 파티셔닝될 수 있다. 상기 예측 유닛은 샘플 예측의 단위일 수 있고, 상기 변환 유닛은 변환 계수를 유도하는 단위 및/또는 변환 계수로부터 레지듀얼 신호(residual signal)를 유도하는 단위일 수 있다.
유닛은 경우에 따라서 블록(block) 또는 영역(area) 등의 용어와 혼용하여 사용될 수 있다. 일반적인 경우, MxN 블록은 M개의 열과 N개의 행으로 이루어진 샘플들 또는 변환 계수(transform coefficient)들의 집합을 나타낼 수 있다. 샘플은 일반적으로 픽셀 또는 픽셀의 값을 나타낼 수 있으며, 휘도(luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있고, 채도(chroma) 성분의 픽셀/픽셀 값만을 나타낼 수도 있다. 샘플은 하나의 픽처(또는 영상)을 픽셀(pixel) 또는 펠(pel)에 대응하는 용어로서 사용될 수 있다.
인코딩 장치(200)는 입력 영상 신호(원본 블록, 원본 샘플 어레이)에서 인터 예측부(221) 또는 인트라 예측부(222)로부터 출력된 예측 신호(예측된 블록, 예측 샘플 어레이)를 감산하여 레지듀얼 신호(residual signal, 잔여 블록, 잔여 샘플 어레이)를 생성할 수 있고, 생성된 레지듀얼 신호는 변환부(232)로 전송된다. 이 경우 도시된 바와 같이 인코더(200) 내에서 입력 영상 신호(원본 블록, 원본 샘플 어레이)에서 예측 신호(예측 블록, 예측 샘플 어레이)를 감산하는 유닛은 감산부(231)라고 불릴 수 있다. 예측부는 처리 대상 블록(이하, 현재 블록이라 함)에 대한 예측을 수행하고, 상기 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록(predicted block)을 생성할 수 있다. 예측부는 현재 블록 또는 CU 단위로 인트라 예측이 적용되는지 또는 인터 예측이 적용되는지 결정할 수 있다. 예측부는 각 예측모드에 대한 설명에서 후술하는 바와 같이 예측 모드 정보 등 예측에 관한 다양한 정보를 생성하여 엔트로피 인코딩부(240)로 전달할 수 있다. 예측에 관한 정보는 엔트로피 인코딩부(240)에서 인코딩되어 비트스트림 형태로 출력될 수 있다.
인트라 예측부(222)는 현재 픽처 내의 샘플들을 참조하여 현재 블록을 예측할 수 있다. 상기 참조되는 샘플들은 예측 모드에 따라 상기 현재 블록의 주변(neighbor)에 위치할 수 있고, 또는 떨어져서 위치할 수도 있다. 인트라 예측에서 예측 모드들은 복수의 비방향성 모드와 복수의 방향성 모드를 포함할 수 있다. 비방향성 모드는 예를 들어 DC 모드 및 플래너 모드(Planar 모드)를 포함할 수 있다. 방향성 모드는 예측 방향의 세밀한 정도에 따라 예를 들어 33개의 방향성 예측 모드 또는 65개의 방향성 예측 모드를 포함할 수 있다. 다만, 이는 예시로서 설정에 따라 그 이상 또는 그 이하의 개수의 방향성 예측 모드들이 사용될 수 있다. 인트라 예측부(222)는 주변 블록에 적용된 예측 모드를 이용하여, 현재 블록에 적용되는 예측 모드를 결정할 수도 있다.
인터 예측부(221)는 참조 픽처 상에서 움직임 벡터에 의해 특정되는 참조 블록(참조 샘플 어레이)을 기반으로, 현재 블록에 대한 예측된 블록을 유도할 수 있다. 이때, 인터 예측 모드에서 전송되는 움직임 정보의 양을 줄이기 위해 주변 블록과 현재 블록 간의 움직임 정보의 상관성에 기초하여 움직임 정보를 블록, 서브블록 또는 샘플 단위로 예측할 수 있다. 상기 움직임 정보는 움직임 벡터 및 참조 픽처 인덱스를 포함할 수 있다. 상기 움직임 정보는 인터 예측 방향(L0 예측, L1 예측, Bi 예측 등) 정보를 더 포함할 수 있다. 인터 예측의 경우에, 주변 블록은 현재 픽처 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 픽처에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 상기 참조 블록을 포함하는 참조 픽처와 상기 시간적 주변 블록을 포함하는 참조 픽처는 동일할 수도 있고, 다를 수도 있다. 상기 시간적 주변 블록은 동일 위치 참조 블록(collocated reference block), 동일 위치 CU(colCU) 등의 이름으로 불릴 수 있으며, 상기 시간적 주변 블록을 포함하는 참조 픽처는 동일 위치 픽처(collocated picture, colPic)라고 불릴 수도 있다. 예를 들어, 인터 예측부(221)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 상기 현재 블록의 움직임 벡터 및/또는 참조 픽처 인덱스를 도출하기 위하여 어떤 후보가 사용되는지를 지시하는 정보를 생성할 수 있다. 다양한 예측 모드를 기반으로 인터 예측이 수행될 수 있으며, 예를 들어 스킵 모드와 머지 모드의 경우에, 인터 예측부(221)는 주변 블록의 움직임 정보를 현재 블록의 움직임 정보로 이용할 수 있다. 스킵 모드의 경우, 머지 모드와 달리 레지듀얼 신호가 전송되지 않을 수 있다. 움직임 정보 예측(motion vector prediction, MVP) 모드의 경우, 주변 블록의 움직임 벡터를 움직임 벡터 예측자(motion vector predictor)로 이용하고, 움직임 벡터 차분(motion vector difference)을 시그널링함으로써 현재 블록의 움직임 벡터를 지시할 수 있다.
예측부(220)는 후술하는 다양한 예측 방법을 기반으로 예측 신호를 생성할 수 있다. 예를 들어, 예측부는 하나의 블록에 대한 예측을 위하여 인트라 예측 또는 인터 예측을 적용할 수 있을 뿐 아니라, 인트라 예측과 인터 예측을 동시에 적용할 수 있다. 이는 combined inter and intra prediction (CIIP)라고 불릴 수 있다. 또한, 예측부는 블록에 대한 예측을 위하여 인트라 블록 카피(intra block copy, IBC) 예측 모드에 기반할 수도 있고 또는 팔레트 모드(palette mode)에 기반할 수도 있다. 상기 IBC 예측 모드 또는 팔레트 모드는 예를 들어 SCC(screen content coding) 등과 같이 게임 등의 컨텐츠 영상/동영상 코딩을 위하여 사용될 수 있다. IBC는 기본적으로 현재 픽처 내에서 예측을 수행하나 현재 픽처 내에서 참조 블록을 도출하는 점에서 인터 예측과 유사하게 수행될 수 있다. 즉, IBC는 본 문서에서 설명되는 인터 예측 기법들 중 적어도 하나를 이용할 수 있다. 팔레트 모드는 인트라 코딩 또는 인트라 예측의 일 예로 볼 수 있다. 팔레트 모드가 적용되는 경우 팔레트 테이블 및 팔레트 인덱스에 관한 정보를 기반으로 픽처 내 샘플 값을 시그널링할 수 있다.
상기 예측부 (인터 예측부(221) 및/또는 상기 인트라 예측부(222) 포함)를 통해 생성된 예측 신호는 복원 신호를 생성하기 위해 이용되거나 레지듀얼 신호를 생성하기 위해 이용될 수 있다. 변환부(232)는 레지듀얼 신호에 변환 기법을 적용하여 변환 계수들(transform coefficients)를 생성할 수 있다. 예를 들어, 변환 기법은 DCT(Discrete Cosine Transform), DST(Discrete Sine Transform), KLT(Karhunen-Loeve Transform), GBT(Graph-Based Transform), 또는 CNT(Conditionally Non-linear Transform) 중 적어도 하나를 포함할 수 있다. 여기서, GBT는 픽셀 간의 관계 정보를 그래프로 표현한다고 할 때 이 그래프로부터 얻어진 변환을 의미한다. CNT는 이전에 복원된 모든 픽셀(all previously reconstructed pixel)를 이용하여 예측 신호를 생성하고 그에 기초하여 획득되는 변환을 의미한다. 또한, 변환 과정은 정사각형의 동일한 크기를 갖는 픽셀 블록에 적용될 수도 있고, 정사각형이 아닌 가변 크기의 블록에도 적용될 수 있다.
양자화부(233)는 변환 계수들을 양자화하여 엔트로피 인코딩부(240)로 전송되고, 엔트로피 인코딩부(240)는 양자화된 신호(양자화된 변환 계수들에 관한 정보)를 인코딩하여 비트스트림으로 출력할 수 있다. 상기 양자화된 변환 계수들에 관한 정보는 레지듀얼 정보라고 불릴 수 있다. 양자화부(233)는 계수 스캔 순서(scan order)를 기반으로 블록 형태의 양자화된 변환 계수들을 1차원 벡터 형태로 재정렬할 수 있고, 상기 1차원 벡터 형태의 양자화된 변환 계수들을 기반으로 상기 양자화된 변환 계수들에 관한 정보를 생성할 수도 있다. 엔트로피 인코딩부(240)는 예를 들어 지수 골롬(exponential Golomb), CAVLC(context-adaptive variable length coding), CABAC(context-adaptive binary arithmetic coding) 등과 같은 다양한 인코딩 방법을 수행할 수 있다. 엔트로피 인코딩부(240)는 양자화된 변환 계수들 외 비디오/이미지 복원에 필요한 정보들(예컨대 신택스 요소들(syntax elements)의 값 등)을 함께 또는 별도로 인코딩할 수도 있다. 인코딩된 정보(ex. 인코딩된 비디오/영상 정보)는 비트스트림 형태로 NAL(network abstraction layer) 유닛 단위로 전송 또는 저장될 수 있다. 상기 비디오/영상 정보는 어댑테이션 파라미터 세트(APS), 픽처 파라미터 세트(PPS), 시퀀스 파라미터 세트(SPS) 또는 비디오 파라미터 세트(VPS) 등 다양한 파라미터 세트에 관한 정보를 더 포함할 수 있다. 또한 상기 비디오/영상 정보는 일반 제한 정보(general constraint information)을 더 포함할 수 있다. 본 문서에서 인코딩 장치에서 디코딩 장치로 전달/시그널링되는 정보 및/또는 신택스 요소들은 비디오/영상 정보에 포함될 수 있다. 상기 비디오/영상 정보는 상술한 인코딩 절차를 통하여 인코딩되어 상기 비트스트림에 포함될 수 있다. 상기 비트스트림은 네트워크를 통하여 전송될 수 있고, 또는 디지털 저장매체에 저장될 수 있다. 여기서 네트워크는 방송망 및/또는 통신망 등을 포함할 수 있고, 디지털 저장매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장매체를 포함할 수 있다. 엔트로피 인코딩부(240)로부터 출력된 신호는 전송하는 전송부(미도시) 및/또는 저장하는 저장부(미도시)가 인코딩 장치(200)의 내/외부 엘리먼트로서 구성될 수 있고, 또는 전송부는 엔트로피 인코딩부(240)에 포함될 수도 있다.
양자화부(233)로부터 출력된 양자화된 변환 계수들은 예측 신호를 생성하기 위해 이용될 수 있다. 예를 들어, 양자화된 변환 계수들에 역양자화부(234) 및 역변환부(235)를 통해 역양자화 및 역변환을 적용함으로써 레지듀얼 신호(레지듀얼 블록 or 레지듀얼 샘플들)를 복원할 수 있다. 가산부(250)는 복원된 레지듀얼 신호를 인터 예측부(221) 또는 인트라 예측부(222)로부터 출력된 예측 신호에 더함으로써 복원(reconstructed) 신호(복원 픽처, 복원 블록, 복원 샘플 어레이)가 생성될 수 있다. 스킵 모드가 적용된 경우와 같이 처리 대상 블록에 대한 레지듀얼이 없는 경우, 예측된 블록이 복원 블록으로 사용될 수 있다. 가산부(250)는 복원부 또는 복원 블록 생성부라고 불릴 수 있다. 생성된 복원 신호는 현재 픽처 내 다음 처리 대상 블록의 인트라 예측을 위하여 사용될 수 있고, 후술하는 바와 같이 필터링을 거쳐서 다음 픽처의 인터 예측을 위하여 사용될 수도 있다.
한편 픽처 인코딩 및/또는 복원 과정에서 LMCS (luma mapping with chroma scaling)가 적용될 수도 있다.
필터링부(260)는 복원 신호에 필터링을 적용하여 주관적/객관적 화질을 향상시킬 수 있다. 예를 들어 필터링부(260)은 복원 픽처에 다양한 필터링 방법을 적용하여 수정된(modified) 복원 픽처를 생성할 수 있고, 상기 수정된 복원 픽처를 메모리(270), 구체적으로 메모리(270)의 DPB에 저장할 수 있다. 상기 다양한 필터링 방법은 예를 들어, 디블록킹 필터링, 샘플 적응적 오프셋(sample adaptive offset), 적응적 루프 필터(adaptive loop filter), 양방향 필터(bilateral filter) 등을 포함할 수 있다. 필터링부(260)은 각 필터링 방법에 대한 설명에서 후술하는 바와 같이 필터링에 관한 다양한 정보를 생성하여 엔트로피 인코딩부(240)로 전달할 수 있다. 필터링 관한 정보는 엔트로피 인코딩부(240)에서 인코딩되어 비트스트림 형태로 출력될 수 있다.
메모리(270)에 전송된 수정된 복원 픽처는 인터 예측부(221)에서 참조 픽처로 사용될 수 있다. 인코딩 장치는 이를 통하여 인터 예측이 적용되는 경우, 인코딩 장치(200)와 디코딩 장치(300)에서의 예측 미스매치를 피할 수 있고, 부호화 효율도 향상시킬 수 있다.
메모리(270) DPB는 수정된 복원 픽처를 인터 예측부(221)에서의 참조 픽처로 사용하기 위해 저장할 수 있다. 메모리(270)는 현재 픽처 내 움직임 정보가 도출된(또는 인코딩된) 블록의 움직임 정보 및/또는 이미 복원된 픽처 내 블록들의 움직임 정보를 저장할 수 있다. 상기 저장된 움직임 정보는 공간적 주변 블록의 움직임 정보 또는 시간적 주변 블록의 움직임 정보로 활용하기 위하여 인터 예측부(221)에 전달할 수 있다. 메모리(270)는 현재 픽처 내 복원된 블록들의 복원 샘플들을 저장할 수 있고, 인트라 예측부(222)에 전달할 수 있다.
도 3은 본 문서의 실시예들이 적용될 수 있는 비디오/영상 디코딩 장치의 구성을 개략적으로 설명하는 도면이다. 이하 디코딩 장치라 함은 영상 디코딩 장치 및/또는 비디오 디코딩 장치를 포함할 수 있다.
도 3을 참조하면, 디코딩 장치(300)는 엔트로피 디코딩부(entropy decoder, 310), 레지듀얼 처리부(residual processor, 320), 예측부(predictor, 330), 가산부(adder, 340), 필터링부(filter, 350) 및 메모리(memory, 360)를 포함하여 구성될 수 있다. 예측부(330)는 인트라 예측부(331) 및 인터 예측부(332)를 포함할 수 있다. 레지듀얼 처리부(320)는 역양자화부(dequantizer, 321) 및 역변환부(inverse transformer, 321)를 포함할 수 있다. 상술한 엔트로피 디코딩부(310), 레지듀얼 처리부(320), 예측부(330), 가산부(340) 및 필터링부(350)는 실시예에 따라 하나의 하드웨어 컴포넌트(예를 들어 디코더 칩셋 또는 프로세서)에 의하여 구성될 수 있다. 또한 메모리(360)는 DPB(decoded picture buffer)를 포함할 수 있고, 디지털 저장 매체에 의하여 구성될 수도 있다. 상기 하드웨어 컴포넌트는 메모리(360)을 내/외부 컴포넌트로 더 포함할 수도 있다.
비디오/영상 정보를 포함하는 비트스트림이 입력되면, 디코딩 장치(300)는 도 2의 인코딩 장치에서 비디오/영상 정보가 처리된 프로세스에 대응하여 영상을 복원할 수 있다. 예를 들어, 디코딩 장치(300)는 상기 비트스트림으로부터 획득한 블록 분할 관련 정보를 기반으로 유닛들/블록들을 도출할 수 있다. 디코딩 장치(300)는 인코딩 장치에서 적용된 처리 유닛을 이용하여 디코딩을 수행할 수 있다. 따라서 디코딩의 처리 유닛은 예를 들어 코딩 유닛일 수 있고, 코딩 유닛은 코딩 트리 유닛 또는 최대 코딩 유닛으로부터 쿼드 트리 구조, 바이너리 트리 구조 및/또는 터너리 트리 구조를 따라서 분할될 수 있다. 코딩 유닛으로부터 하나 이상의 변환 유닛이 도출될 수 있다. 그리고, 디코딩 장치(300)를 통해 디코딩 및 출력된 복원 영상 신호는 재생 장치를 통해 재생될 수 있다.
디코딩 장치(300)는 도 2의 인코딩 장치로부터 출력된 신호를 비트스트림 형태로 수신할 수 있고, 수신된 신호는 엔트로피 디코딩부(310)를 통해 디코딩될 수 있다. 예를 들어, 엔트로피 디코딩부(310)는 상기 비트스트림을 파싱하여 영상 복원(또는 픽처 복원)에 필요한 정보(ex. 비디오/영상 정보)를 도출할 수 있다. 상기 비디오/영상 정보는 어댑테이션 파라미터 세트(APS), 픽처 파라미터 세트(PPS), 시퀀스 파라미터 세트(SPS) 또는 비디오 파라미터 세트(VPS) 등 다양한 파라미터 세트에 관한 정보를 더 포함할 수 있다. 또한 상기 비디오/영상 정보는 일반 제한 정보(general constraint information)을 더 포함할 수 있다. 디코딩 장치는 상기 파라미터 세트에 관한 정보 및/또는 상기 일반 제한 정보를 더 기반으로 픽처를 디코딩할 수 있다. 본 문서에서 후술되는 시그널링/수신되는 정보 및/또는 신택스 요소들은 상기 디코딩 절차를 통하여 디코딩되어 상기 비트스트림으로부터 획득될 수 있다. 예컨대, 엔트로피 디코딩부(310)는 지수 골롬 부호화, CAVLC 또는 CABAC 등의 코딩 방법을 기초로 비트스트림 내 정보를 디코딩하고, 영상 복원에 필요한 신택스 엘리먼트의 값, 레지듀얼에 관한 변환 계수의 양자화된 값 들을 출력할 수 있다. 보다 상세하게, CABAC 엔트로피 디코딩 방법은, 비트스트림에서 각 구문 요소에 해당하는 빈을 수신하고, 디코딩 대상 구문 요소 정보와 주변 및 디코딩 대상 블록의 디코딩 정보 혹은 이전 단계에서 디코딩된 심볼/빈의 정보를 이용하여 문맥(context) 모델을 결정하고, 결정된 문맥 모델에 따라 빈(bin)의 발생 확률을 예측하여 빈의 산술 디코딩(arithmetic decoding)를 수행하여 각 구문 요소의 값에 해당하는 심볼을 생성할 수 있다. 이때, CABAC 엔트로피 디코딩 방법은 문맥 모델 결정 후 다음 심볼/빈의 문맥 모델을 위해 디코딩된 심볼/빈의 정보를 이용하여 문맥 모델을 업데이트할 수 있다. 엔트로피 디코딩부(310)에서 디코딩된 정보 중 예측에 관한 정보는 예측부(인터 예측부(332) 및 인트라 예측부(331))로 제공되고, 엔트로피 디코딩부(310)에서 엔트로피 디코딩이 수행된 레지듀얼 값, 즉 양자화된 변환 계수들 및 관련 파라미터 정보는 레지듀얼 처리부(320)로 입력될 수 있다. 레지듀얼 처리부(320)는 레지듀얼 신호(레지듀얼 블록, 레지듀얼 샘플들, 레지듀얼 샘플 어레이)를 도출할 수 있다. 또한, 엔트로피 디코딩부(310)에서 디코딩된 정보 중 필터링에 관한 정보는 필터링부(350)으로 제공될 수 있다. 한편, 인코딩 장치로부터 출력된 신호를 수신하는 수신부(미도시)가 디코딩 장치(300)의 내/외부 엘리먼트로서 더 구성될 수 있고, 또는 수신부는 엔트로피 디코딩부(310)의 구성요소일 수도 있다. 한편, 본 문서에 따른 디코딩 장치는 비디오/영상/픽처 디코딩 장치라고 불릴 수 있고, 상기 디코딩 장치는 정보 디코더(비디오/영상/픽처 정보 디코더) 및 샘플 디코더(비디오/영상/픽처 샘플 디코더)로 구분할 수도 있다. 상기 정보 디코더는 상기 엔트로피 디코딩부(310)를 포함할 수 있고, 상기 샘플 디코더는 상기 역양자화부(321), 역변환부(322), 가산부(340), 필터링부(350), 메모리(360), 인터 예측부(332) 및 인트라 예측부(331) 중 적어도 하나를 포함할 수 있다.
역양자화부(321)에서는 양자화된 변환 계수들을 역양자화하여 변환 계수들을 출력할 수 있다. 역양자화부(321)는 양자화된 변환 계수들을 2차원의 블록 형태로 재정렬할 수 있다. 이 경우 상기 재정렬은 인코딩 장치에서 수행된 계수 스캔 순서를 기반하여 재정렬을 수행할 수 있다. 역양자화부(321)는 양자화 파라미터(예를 들어 양자화 스텝 사이즈 정보)를 이용하여 양자화된 변환 계수들에 대한 역양자화를 수행하고, 변환 계수들(transform coefficient)를 획득할 수 있다.
역변환부(322)에서는 변환 계수들을 역변환하여 레지듀얼 신호(레지듀얼 블록, 레지듀얼 샘플 어레이)를 획득하게 된다.
예측부는 현재 블록에 대한 예측을 수행하고, 상기 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록(predicted block)을 생성할 수 있다. 예측부는 엔트로피 디코딩부(310)로부터 출력된 상기 예측에 관한 정보를 기반으로 상기 현재 블록에 인트라 예측이 적용되는지 또는 인터 예측이 적용되는지 결정할 수 있고, 구체적인 인트라/인터 예측 모드를 결정할 수 있다.
예측부(320)는 후술하는 다양한 예측 방법을 기반으로 예측 신호를 생성할 수 있다. 예를 들어, 예측부는 하나의 블록에 대한 예측을 위하여 인트라 예측 또는 인터 예측을 적용할 수 있을 뿐 아니라, 인트라 예측과 인터 예측을 동시에 적용할 수 있다. 이는 combined inter and intra prediction (CIIP)라고 불릴 수 있다. 또한, 예측부는 블록에 대한 예측을 위하여 인트라 블록 카피(intra block copy, IBC) 예측 모드에 기반할 수도 있고 또는 팔레트 모드(palette mode)에 기반할 수도 있다. 상기 IBC 예측 모드 또는 팔레트 모드는 예를 들어 SCC(screen content coding) 등과 같이 게임 등의 컨텐츠 영상/동영상 코딩을 위하여 사용될 수 있다. IBC는 기본적으로 현재 픽처 내에서 예측을 수행하나 현재 픽처 내에서 참조 블록을 도출하는 점에서 인터 예측과 유사하게 수행될 수 있다. 즉, IBC는 본 문서에서 설명되는 인터 예측 기법들 중 적어도 하나를 이용할 수 있다. 팔레트 모드는 인트라 코딩 또는 인트라 예측의 일 예로 볼 수 있다. 팔레트 모드가 적용되는 경우 팔레트 테이블 및 팔레트 인덱스에 관한 정보가 상기 비디오/영상 정보에 포함되어 시그널링될 수 있다.
인트라 예측부(331)는 현재 픽처 내의 샘플들을 참조하여 현재 블록을 예측할 수 있다. 상기 참조되는 샘플들은 예측 모드에 따라 상기 현재 블록의 주변(neighbor)에 위치할 수 있고, 또는 떨어져서 위치할 수도 있다. 인트라 예측에서 예측 모드들은 복수의 비방향성 모드와 복수의 방향성 모드를 포함할 수 있다. 인트라 예측부(331)는 주변 블록에 적용된 예측 모드를 이용하여, 현재 블록에 적용되는 예측 모드를 결정할 수도 있다.
인터 예측부(332)는 참조 픽처 상에서 움직임 벡터에 의해 특정되는 참조 블록(참조 샘플 어레이)을 기반으로, 현재 블록에 대한 예측된 블록을 유도할 수 있다. 이때, 인터 예측 모드에서 전송되는 움직임 정보의 양을 줄이기 위해 주변 블록과 현재 블록 간의 움직임 정보의 상관성에 기초하여 움직임 정보를 블록, 서브블록 또는 샘플 단위로 예측할 수 있다. 상기 움직임 정보는 움직임 벡터 및 참조 픽처 인덱스를 포함할 수 있다. 상기 움직임 정보는 인터 예측 방향(L0 예측, L1 예측, Bi 예측 등) 정보를 더 포함할 수 있다. 인터 예측의 경우에, 주변 블록은 현재 픽처 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 픽처에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 예를 들어, 인터 예측부(332)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 수신한 후보 선택 정보를 기반으로 상기 현재 블록의 움직임 벡터 및/또는 참조 픽처 인덱스를 도출할 수 있다. 다양한 예측 모드를 기반으로 인터 예측이 수행될 수 있으며, 상기 예측에 관한 정보는 상기 현재 블록에 대한 인터 예측의 모드를 지시하는 정보를 포함할 수 있다.
가산부(340)는 획득된 레지듀얼 신호를 예측부(인터 예측부(332) 및/또는 인트라 예측부(331) 포함)로부터 출력된 예측 신호(예측된 블록, 예측 샘플 어레이)에 더함으로써 복원 신호(복원 픽처, 복원 블록, 복원 샘플 어레이)를 생성할 수 있다. 스킵 모드가 적용된 경우와 같이 처리 대상 블록에 대한 레지듀얼이 없는 경우, 예측된 블록이 복원 블록으로 사용될 수 있다.
가산부(340)는 복원부 또는 복원 블록 생성부라고 불릴 수 있다. 생성된 복원 신호는 현재 픽처 내 다음 처리 대상 블록의 인트라 예측을 위하여 사용될 수 있고, 후술하는 바와 같이 필터링을 거쳐서 출력될 수도 있고 또는 다음 픽처의 인터 예측을 위하여 사용될 수도 있다.
한편, 픽처 디코딩 과정에서 LMCS (luma mapping with chroma scaling)가 적용될 수도 있다.
필터링부(350)는 복원 신호에 필터링을 적용하여 주관적/객관적 화질을 향상시킬 수 있다. 예를 들어 필터링부(350)는 복원 픽처에 다양한 필터링 방법을 적용하여 수정된(modified) 복원 픽처를 생성할 수 있고, 상기 수정된 복원 픽처를 메모리(360), 구체적으로 메모리(360)의 DPB에 전송할 수 있다. 상기 다양한 필터링 방법은 예를 들어, 디블록킹 필터링, 샘플 적응적 오프셋(sample adaptive offset), 적응적 루프 필터(adaptive loop filter), 양방향 필터(bilateral filter) 등을 포함할 수 있다.
메모리(360)의 DPB에 저장된 (수정된) 복원 픽처는 인터 예측부(332)에서 참조 픽쳐로 사용될 수 있다. 메모리(360)는 현재 픽처 내 움직임 정보가 도출된(또는 디코딩된) 블록의 움직임 정보 및/또는 이미 복원된 픽처 내 블록들의 움직임 정보를 저장할 수 있다. 상기 저장된 움직임 정보는 공간적 주변 블록의 움직임 정보 또는 시간적 주변 블록의 움직임 정보로 활용하기 위하여 인터 예측부(260)에 전달할 수 있다. 메모리(360)는 현재 픽처 내 복원된 블록들의 복원 샘플들을 저장할 수 있고, 인트라 예측부(331)에 전달할 수 있다.
본 문서에서, 인코딩 장치(200)의 필터링부(260), 인터 예측부(221) 및 인트라 예측부(222)에서 설명된 실시예들은 각각 디코딩 장치(300)의 필터링부(350), 인터 예측부(332) 및 인트라 예측부(331)에도 동일 또는 대응되도록 적용될 수 있다.
도 4는 코딩된 비디오/영상에 대한 계층 구조를 예시적으로 나타낸다.
도 4를 참조하면, 코딩된 비디오/영상은 비디오/영상의 디코딩 처리 및 그 자체를 다루는 VCL(video coding layer, 비디오 코딩 계층), 부호화된 정보를 전송하고 저장하는 하위 시스템, 그리고 VCL과 하위 시스템 사이에 존재하며 네트워크 적응 기능을 담당하는 NAL(network abstraction layer, 네트워크 추상 계층)로 구분될 수 있다.
예를 들어, VCL에서는, 압축된 이미지 데이터(슬라이스 데이터)를 포함하는 VCL 데이터가 생성되거나 또는 픽처 파라미터 세트(Picture Parameter Set, PPS), 시퀀스 파라미터 세트(Sequence Parameter Set, SPS), 비디오 파라미터 세트(Video Parameter Set, VPS) 또는 영상 디코딩 과정에 추가로 필요한 SEI(Supplemental Enhancement Information, SEI) 메시지를 포함하는 파라미터 세트가 생성될 수 있다.
예를 들어, NAL에서는 VCL에서 생성된 RBSP(Raw Byte Sequence Payload)에 헤더(header) 정보(NAL 유닛 헤더)를 추가하여 NAL 유닛이 생성될 수 있다. 이 경우, RBSP는 VCL에서 생성된 슬라이스 데이터(slice data), 파라미터 세트(parameter set), SEI 메시지(SEI message) 등을 참조할 수 있다. NAL 유닛 헤더는 해당 NAL 유닛에 포함된 RBSP 데이터에 따라 지정된 NAL 유닛 타입 정보를 포함할 수 있다.
예를 들어, 도 4에 도시된 바와 같이 NAL 유닛은 VCL에서 생성된 RBSP에 따라 VCL NAL 유닛과 Non-VCL NAL 유닛으로 분류될(classified) 수 있다. VCL NAL 유닛은 영상(image)에 대한 정보(슬라이스 데이터)를 포함하는 NAL 유닛을 의미할 수 있고, Non-VCL NAL 유닛은 영상 디코딩에 필요한 정보(파라미터 세트 또는 SEI 메시지)를 포함하는 NAL 유닛을 의미할 수 있다.
상술한 VCL NAL 유닛과 Non-VCL NAL 유닛은 서브시스템의 데이터 규격(data standard)에 따라 헤더 정보를 첨부하여 네트워크를 통해 전송될 수 있다. 예를 들어, NAL 유닛은 H.266/VVC 파일 포맷(VVC file format), 실시간 전송 프로토콜(real-time transport protocol, RTP), 전송 스트림(Transport Stream, TS) 등과 같은 미리 정해진 표준의 데이터 포맷(data format)으로 변환될 수 있고, 다양한 네트워크를 통해 전송될 수 있다.
또한, 상술한 바와 같이 NAL 유닛은 해당 NAL 유닛에 포함된 RBSP 데이터 구조에 따라서 NAL 유닛 타입이 지정될 수 있으며, NAL 유닛 타입에 대한 정보는 NAL 유닛 헤더에 저장되고 시그널링될 수 있다.
예를 들어, NAL 유닛은 영상에 대한 정보(슬라이스 데이터)를 포함하는지 여부에 따라 VCL NAL 유닛 타입과 Non-VCL NAL 유닛 타입으로 분류될 수 있다. 또한, VCL NAL 유닛 타입은 VCL NAL 유닛에 포함된 픽처의 특성과 타입에 따라 분류될 수 있고, Non-VCL NAL 유닛 타입은 파라미터 세트의 타입에 따라 분류될 수 있다.
다음은 Non-VCL NAL 유닛 타입에 포함된 파라미터 세트의 타입에 따라 지정된 NAL 유닛 타입의 예일 수 있다.
- APS(Adaptation Parameter Set) NAL 유닛: APS를 포함한 NAL 유닛에 대한 타입
- DPS(Decoding Parameter Set) NAL 유닛: DPS를 포함한 NAL 유닛에 대한 타입
- VPS(Video Parameter Set) NAL 유닛: VPS를 포함한 NAL 유닛에 대한 타입
- SPS(Sequence Parameter Set) NAL 유닛: SPS를 포함한 NAL 유닛에 대한 타입
- PPS(Picture Parameter Set) NAL 유닛: PPS를 포함한 NAL 유닛에 대한 타입
- PH (Picture header) NAL 유닛: PH를 포함한 NAL 유닛에 대한 타입
상술한 NAL 유닛 타입들은 NAL 유닛 타입에 대한 신택스 정보를 가질 수 있고, 신택스 정보는 NAL 유닛 헤더에 저장 및 시그널링될 수 있다. 예를 들어, 상기 신택스 정보는 nal_unit_type 일 수 있고, NAL 단위 타입은 nal_unit_type 값으로 지정될 수 있다.
한편, 하나의 픽처는 복수의 슬라이스를 포함할 수 있고, 슬라이스는 슬라이스 헤더 및 슬라이스 데이터를 포함할 수 있다. 이 경우, 복수의 슬라이스(슬라이스 헤더 및 슬라이스 데이터의 세트)에 대해 하나의 픽처 헤더가 추가될 수 있다. 픽처 헤더(픽처 헤더 신택스)는 픽처에 공통적으로 적용될 수 있는 정보/파라미터를 포함할 수 있다. 슬라이스 헤더(슬라이스 헤더 신택스)는 슬라이스에 공통적으로 적용될 수 있는 정보/파라미터를 포함할 수 있다. APS(APS 신택스) 또는 PPS(PPS 신택스)는 하나 이상의 슬라이스 또는 픽처에 공통적으로 적용될 수 있는 정보/파라미터를 포함할 수 있다. SPS(SPS 신택스)는 하나 이상의 시퀀스(sequence)에 공통적으로 적용될 수 있는 정보/파라미터를 포함할 수 있다. VPS(VPS 신택스)는 복수의 레이어들에 공통적으로 적용될 수 있는 정보/파라미터를 포함할 수 있다. DPS(DPS 신택스)는 전체 영상에 공통적으로 적용될 수 있는 정보/파라미터를 포함할 수 있다. DPS는 코딩된 비디오 시퀀스(Coded Video Sequence, CVS)의 연결(concatenation)과 관련된 정보/파라미터를 포함할 수 있다.
본 문서에서 인코딩 장치에서 디코딩 장치로 인코딩되어 비트스트림 형태로 시그널링되는 영상/비디오 정보는 픽처 내 파티셔닝 관련 정보, 인트라/인터 예측 정보, 인터 레이어 예측 관련 정보, 레지듀얼 정보, 인루프 필터링 정보 등을 포함할 뿐 아니라, 상기 슬라이스 헤더에 포함된 정보, 상기 픽처 헤더에 포함된 정보, 상기 APS에 포함된 정보, 상기 PPS에 포함된 정보, SPS에 포함된 정보, VPS에 포함된 정보 및/또는 DPS에 포함된 정보를 포함할 수 있다. 또한 상기 영상/비디오 정보는 NAL 유닛 헤더의 정보를 더 포함할 수 있다.
한편, 상술한 바와 같이 비디오 코딩을 수행함에 있어 압축 효율을 높이기 위하여 예측을 수행한다. 이를 통하여 코딩 대상 블록인 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록을 생성할 수 있다. 여기서 예측된 블록은 공간 도메인(또는 픽셀 도메인)에서의 예측 샘플들을 포함한다. 예측된 블록은 인코딩 장치 및 디코딩 장치에서 동일하게 도출되며, 인코딩 장치는 원본 블록의 원본 샘플 값 자체가 아닌 원본 블록과 예측된 블록 간의 레지듀얼에 대한 정보(레지듀얼 정보)를 디코딩 장치로 시그널링함으로써 영상 코딩 효율을 높일 수 있다. 디코딩 장치는 레지듀얼 정보를 기반으로 레지듀얼 샘플들을 포함하는 레지듀얼 블록을 도출하고, 레지듀얼 블록과 예측된 블록을 합하여 복원 샘플들을 포함하는 복원 블록을 생성할 수 있고, 복원 블록들을 포함하는 복원 픽처를 생성할 수 있다.
상기 레지듀얼 정보는 변환 및 양자화 절차를 통하여 생성될 수 있다. 예를 들어, 인코딩 장치는 원본 블록과 예측된 블록 간의 레지듀얼 블록을 도출하고, 레지듀얼 블록에 포함된 레지듀얼 샘플들(레지듀얼 샘플 어레이)에 변환 절차를 수행하여 변환 계수들을 도출하고, 변환 계수들에 양자화 절차를 수행하여 양자화된 변환 계수들을 도출하여 관련된 레지듀얼 정보를 (비트스트림을 통하여) 디코딩 장치로 시그널링할 수 있다. 여기서 레지듀얼 정보는 양자화된 변환 계수들의 값 정보, 위치 정보, 변환 기법, 변환 커널, 양자화 파라미터 등의 정보를 포함할 수 있다. 디코딩 장치는 레지듀얼 정보를 기반으로 역양자화/역변환 절차를 수행하고 레지듀얼 샘플들(또는 레지듀얼 블록)을 도출할 수 있다. 디코딩 장치는 예측된 블록과 레지듀얼 블록을 기반으로 복원 픽처를 생성할 수 있다. 인코딩 장치는 또한 이후 픽처의 인터 예측을 위한 참조를 위하여 양자화된 변환 계수들을 역양자화/역변환하여 레지듀얼 블록을 도출하고, 이를 기반으로 복원 픽처를 생성할 수 있다.
본 문서에서 양자화/역양자화 및/또는 변환/역변환 중 적어도 하나는 생략될 수 있다. 상기 양자화/역양자화가 생략되는 경우, 상기 양자화된 변환 계수는 변환 계수라고 불릴 수 있다. 상기 변환/역변환이 생략되는 경우, 상기 변환 계수는 계수 또는 레지듀얼 계수 라고 불릴 수도 있고, 또는 표현의 통일성을 위하여 변환 계수라고 여전히 불릴 수도 있다. 또한, 상기 변환/역변환의 생략 여부는 transform_skip_flag를 기반으로 시그널링될 수 있다.
본 문서에서 양자화된 변환 계수 및 변환 계수는 각각 변환 계수 및 스케일링된(scaled) 변환 계수라고 지칭될 수 있다. 이 경우 레지듀얼 정보는 변환 계수(들)에 관한 정보를 포함할 수 있고, 상기 변환 계수(들)에 관한 정보는 레지듀얼 코딩 신택스를 통하여 시그널링될 수 있다. 상기 레지듀얼 정보(또는 상기 변환 계수(들)에 관한 정보)를 기반으로 변환 계수들이 도출될 수 있고, 상기 변환 계수들에 대한 역변환(스케일링)을 통하여 스케일링된 변환 계수들이 도출될 수 있다. 상기 스케일링된 변환 계수들에 대한 역변환(변환)을 기반으로 레지듀얼 샘플들이 도출될 수 있다. 이는 본 문서의 다른 부분에서도 마찬가지로 적용/표현될 수 있다.
한편, 상술한 바와 같이 현재 블록에 대한 예측을 수행함에 있어 인트라 예측 또는 인터 예측을 적용할 수 있다. 이하에서는 현재 블록에 인터 예측을 적용하는 경우에 관하여 설명한다.
인코딩/디코딩 장치의 예측부(보다 구체적으로 인터 예측부)는 블록 단위로 인터 예측을 수행하여 예측 샘플들을 도출할 수 있다. 인터 예측은 현재 픽처 이외의 픽처(들)의 데이터 요소들(예: 샘플값들, 또는 움직임 정보 등)에 의존적인 방법으로 도출되는 예측을 나타낼 수 있다. 현재 블록에 인터 예측이 적용되는 경우, 참조 픽처 인덱스가 가리키는 참조 픽처 상에서 움직임 벡터에 의해 특정되는 참조 블록(참조 샘플 어레이)을 기반으로, 현재 블록에 대한 예측된 블록(예측 샘플 어레이)을 유도할 수 있다. 이때, 인터 예측 모드에서 전송되는 움직임 정보의 양을 줄이기 위해 주변 블록과 현재 블록 간의 움직임 정보의 상관성에 기초하여 현재 블록의 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 타입(L0 예측, L1 예측, Bi 예측 등) 정보를 더 포함할 수 있다. 인터 예측이 적용되는 경우, 주변 블록은 현재 픽처 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 픽처에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 상기 참조 블록을 포함하는 참조 픽처와 상기 시간적 주변 블록을 포함하는 참조 픽처는 동일할 수도 있고, 다를 수도 있다. 상기 시간적 주변 블록은 동일 위치 참조 블록(collocated reference block), 동일 위치 CU(colCU) 등의 이름으로 불릴 수 있으며, 상기 시간적 주변 블록을 포함하는 참조 픽처는 동일 위치 픽처(collocated picture, colPic)라고 불릴 수도 있다. 예를 들어, 현재 블록의 주변 블록들을 기반으로 움직임 정보 후보 리스트가 구성될 수 있고, 현재 블록의 움직임 벡터 및/또는 참조 픽처 인덱스를 도출하기 위하여 어떤 후보가 선택(사용)되는지를 지시하는 플래그 또는 인덱스 정보가 시그널링될 수 있다. 다양한 예측 모드를 기반으로 인터 예측이 수행될 수 있으며, 예를 들어 스킵 모드와 머지 모드의 경우에, 현재 블록의 움직임 정보는 선택된 주변 블록의 움직임 정보와 같을 수 있다. 스킵 모드의 경우, 머지 모드와 달리 레지듀얼 신호가 전송되지 않을 수 있다. 움직임 정보 예측(motion vector prediction, MVP) 모드의 경우, 선택된 주변 블록의 움직임 벡터를 움직임 벡터 예측자(motion vector predictor)로 이용하고, 움직임 벡터 차분(motion vector difference)은 시그널링될 수 있다. 이 경우 상기 움직임 벡터 예측자 및 움직임 벡터 차분의 합을 이용하여 현재 블록의 움직임 벡터를 도출할 수 있다.
상기 움직임 정보는 인터 예측 타입(L0 예측, L1 예측, Bi 예측 등)에 따라 L0 움직임 정보 및/또는 L1 움직임 정보를 포함할 수 있다. L0 방향의 움직임 벡터는 L0 움직임 벡터 또는 MVL0라고 불릴 수 있고, L1 방향의 움직임 벡터는 L1 움직임 벡터 또는 MVL1이라고 불릴 수 있다. L0 움직임 벡터에 기반한 예측은 L0 예측이라고 불릴 수 있고, L1 움직임 벡터에 기반한 예측을 L1 예측이라고 불릴 수 있고, L0 움직임 벡터 및 L1 움직임 벡터 둘 다에 기반한 예측을 쌍(Bi) 예측이라고 불릴 수 있다. 여기서 L0 움직임 벡터는 참조 픽처 리스트 L0 (L0)에 연관된 움직임 벡터를 나타낼 수 있고, L1 움직임 벡터는 참조 픽처 리스트 L1 (L1)에 연관된 움직임 벡터를 나타낼 수 있다. 참조 픽처 리스트 L0는 현재 픽처보다 출력 순서상 이전 픽처들을 참조 픽처들로 포함할 수 있고, 참조 픽처 리스트 L1은 현재 픽처보다 출력 순서상 이후 픽처들을 포함할 수 있다. 이전 픽처들은 순방향 (참조) 픽처라고 불릴 수 있고, 이후 픽처들은 역방향 (참조) 픽처라고 불릴 수 있다. 참조 픽처 리스트 L0은 현재 픽처보다 출력 순서상 이후 픽처들을 참조 픽처들로 더 포함할 수 있다. 이 경우 참조 픽처 리스트 L0 내에서 이전 픽처들이 먼저 인덱싱되고 이후 픽처들은 그 다음에 인덱싱될 수 있다. 참조 픽처 리스트 L1은 현재 픽처보다 출력 순서상 이전 픽처들을 참조 픽처들로 더 포함할 수 있다. 이 경우 참조 픽처 리스트1 내에서 이후 픽처들이 먼저 인덱싱되고 이전 픽처들은 그 다음에 인덱싱 될 수 있다. 여기서 출력 순서는 POC(picture order count) 순서(order)에 대응될 수 있다.
또한, 현재 블록에 인터 예측을 적용함에 있어, 다양한 인터 예측 모드가 사용될 수 있다. 예를 들어, 머지 모드, 스킵 모드, MVP(motion vector prediction) 모드, 어파인(Affine) 모드, HMVP(historical motino vector prediction) 모드 등 다양한 모드가 사용될 수 있다. DMVR (Decoder side motion vector refinement) 모드, AMVR(adaptive motion vector resolution) 모드, Bi-directional optical flow (BDOF) 등이 부수적인 모드로 더 사용될 수 있다. 어파인 모드는 어파인 움직임 예측(affine motion prediction) 모드라고 불릴 수도 있다. MVP 모드는 AMVP(advanced motion vector prediction) 모드라고 불릴 수도 있다. 본 문서에서 일부 모드 및/또는 일부 모드에 의하여 도출된 움직임 정보 후보는 다른 모드의 움직임 정보 관련 후보들 중 하나로 포함될 수도 있다.
현재 블록의 인터 예측 모드를 가리키는 예측 모드 정보가 인코딩 장치로부터 디코딩 장치로 시그널링될 수 있다. 이때, 예측 모드 정보는 비트스트림에 포함되어 디코딩 장치에 수신될 수 있다. 예측 모드 정보는 다수의 후보 모드들 중 하나를 지시하는 인덱스 정보를 포함할 수 있다. 또는, 플래그 정보의 계층적 시그널링을 통하여 인터 예측 모드를 지시할 수도 있다. 이 경우 예측 모드 정보는 하나 이상의 플래그들을 포함할 수 있다. 예를 들어, 스킵 플래그를 시그널링하여 스킵 모드 적용 여부를 지시하고, 스킵 모드가 적용되지 않는 경우에 머지 플래그를 시그널링하여 머지 모드 적용 여부를 지시하고, 머지 모드가 적용되지 않는 경우에 MVP 모드가 적용되는 것으로 지시하거나 추가적인 구분을 위한 플래그를 더 시그널링할 수도 있다. 어파인 모드는 독립적인 모드로 시그널링될 수도 있고, 또는 머지 모드 또는 MVP 모드 등에 종속적인 모드로 시그널링될 수도 있다. 예를 들어, 어파인 모드는 어파인 머지 모드 및 어파인 MVP 모드를 포함할 수 있다.
또한, 현재 블록에 인터 예측을 적용함에 있어, 현재 블록의 움직임 정보를 이용할 수 있다. 인코딩 장치는 움직임 추정(motion estimation) 절차를 통하여 현재 블록에 대한 최적의 움직임 정보를 도출할 수 있다. 예를 들어, 인코딩 장치는 현재 블록에 대한 원본 픽처 내 원본 블록을 이용하여 상관성이 높은 유사한 참조 블록을 참조 픽처 내의 정해진 탐색 범위 내에서 분수 픽셀 단위로 탐색할 수 있고, 이를 통하여 움직임 정보를 도출할 수 있다. 블록의 유사성은 위상(phase) 기반 샘플 값들의 차를 기반으로 도출할 수 있다. 예를 들어, 블록의 유사성은 현재 블록(or 현재 블록의 템플릿)과 참조 블록(or 참조 블록의 템플릿) 간 SAD(sum of absolute differences)를 기반으로 계산될 수 있다. 이 경우 탐색 영역 내 SAD가 가장 작은 참조 블록을 기반으로 움직임 정보를 도출할 수 있다. 도출된 움직임 정보는 인터 예측 모드 기반으로 여러 방법에 따라 디코딩 장치로 시그널링될 수 있다.
상기와 같이 인터 예측 모드에 따라 도출된 움직임 정보를 기반으로 현재 블록에 대한 예측된 블록을 도출할 수 있다. 예측된 블록은 현재 블록의 예측 샘플들(예측 샘플 어레이)를 포함할 수 있다. 현재 블록의 움직임 벡터(MV)가 분수 샘플 단위를 가리키는 경우, 보간(interpolation) 절차가 수행될 수 있으며, 이를 통하여 참조 픽처 내에서 분수 샘플 단위의 참조 샘플들을 기반으로 현재 블록의 예측 샘플들이 도출될 수 있다. 현재 블록에 어파인(Affine) 인터 예측이 적용되는 경우, 샘플/서브블록 단위 MV를 기반으로 예측 샘플들을 생성할 수 있다. 쌍예측이 적용되는 경우, L0 예측(즉, 참조 픽처 리스트 L0 내 참조 픽처와 MVL0를 이용한 예측)을 기반으로 도출된 예측 샘플들과 L1 예측(즉, 참조 픽처 리스트 L1 내 참조 픽처와 MVL1을 이용한 예측)을 기반으로 도출된 예측 샘플들의 (위상에 따른) 가중합 또는 가중평균을 통하여 도출된 예측 샘플들이 현재 블록의 예측 샘플들로 이용될 수 있다. 쌍예측이 적용되는 경우, L0 예측에 이용된 참조 픽처와 L1 예측에 이용된 참조 픽처가 현재 픽처를 기준으로 서로 다른 시간적 방향에 위치하는 경우, (즉, 쌍예측이면서 양방향 예측에 해당하는 경우) 이를 true 쌍예측이라고 부를 수 있다.
도출된 예측 샘플들을 기반으로 복원 샘플들 및 복원 픽처가 생성될 수 있고, 이후 인루프 필터링 등의 절차가 수행될 수 있음은 전술한 바와 같다.
한편, 스킵 모드 및/또는 머지 모드는 MVD(Motion Vector Difference) 없이 주변 블록의 움직임 벡터를 기반으로 현재 블록의 움직임을 예측하므로, 움직임 예측에 있어서 한계를 나타낸다. 스킵 모드 및/또는 머지 모드의 한계를 개선하기 위해, DMVR(Decoder-side Motion Vector Refinement), BDOF(Bi-directional optical flow) 모드 등을 적용하여 움직임 벡터를 리파인(refine)할 수 있다. DMVR, BDOF 모드는 현재 블록에 true 쌍예측이 적용되는 경우에 사용될 수 있다.
도 5는 DMVR(Decoder-side Motion Vector Refinement)을 수행하는 과정의 일 실시예를 설명하기 위한 도면이다.
DMVR은 디코더 측에서 주변 블록의 움직임 정보를 리파인(refinement)하여 움직임 예측을 수행하는 방법이다. DMVR이 적용되는 경우, 디코더는 머지(merge)/스킵(skip) 모드에서 주변 블록의 움직임 정보을 이용하여 생성된 템플릿(template)을 기반으로 cost 비교를 통해 리파인된 움직임 정보를 유도할 수 있다. 이 경우, 부가적인 시그널링 정보 없이 움직임 예측의 정밀도를 높이고 압축 성능을 향상시킬 수 있다.
본 문서에서, 설명의 편의를 위해 디코딩 장치를 위주로 설명하나, 본 문서의 실시예에 따른 DMVR은 인코딩 장치에서도 동일한 방법으로 수행될 수 있다.
도 5를 참조하면, 디코딩 장치는 list0 및 list1 방향의 초기 움직임 벡터(또는 움직임 정보)(예: MV0 및 MV1)에 의해 식별되는 예측 블록들(즉, 참조 블록들)을 도출하고, 도출된 예측 블록들을 가중합(예컨대, 평균)하여 템플릿(또는 bilateral template)을 생성할 수 있다(step 1). 여기서, 초기 움직임 벡터(MV0 및 MV1)는 머지/스킵 모드에서 주변 블록의 움직임 정보를 이용하여 유도된 움직임 벡터를 나타낼 수 있다.
그리고, 디코딩 장치는 템플릿 매칭(template matching) 동작을 통해 템플릿과 참조 픽처의 샘플 영역간 차분값을 최소화하는 움직임 벡터(예: MV0' 및 MV1')를 유도할 수 있다(step 2). 여기서, 샘플 영역은 참조 픽쳐 내에서 초기 예측 블록의 주변 영역을 나타내며, 샘플 영역은 주변 영역, 참조 영역, 탐색 영역, 탐색 범위, 탐색 공간 등으로 지칭될 수 있다. 템플릿 매칭 동작은 템플릿과 참조 픽처의 샘플 영역간의 cost 측정 값을 계산하는 동작을 포함할 수 있다. 예를 들어, cost 측정에는 SAD(sum of absolute differences)가 이용될 수 있다. 일 예로, cost 함수로서 정규화된 SAD가 사용될 수 있다. 이때, matching cost는 SAD(T - mean(T), 2 * P[x] - 2 * mean(P[x]))로 주어질 수 있다. 여기서 T는 템플릿을 나타내고, P[x]는 탐색영역 내 블록을 나타낸다. 그리고, 2개의 참조 픽처 각각에 대하여 최소 템플릿 cost를 산출하는 움직임 벡터는 갱신된 움직임 벡터(초기 움직임 벡터를 대체하는)로서 고려될 수 있다. 도 5에 도시된 바와 같이, 디코딩 장치는 갱신된 움직임 벡터 MV0' 및 MV1'를 이용하여 최종 양방향 예측 결과(즉, 최종 양방향 예측 블록)를 생성할 수 있다. 일 실시예로서, 갱신된(또는 새로운) 움직임 벡터 유도를 위한 multi-iteration이 최종 양방향 예측 결과 획득에 사용될 수 있다.
일 실시예에서, 디코딩 장치는 초기 움직임 보상 예측(즉, 종래의 머지/스킵 모드를 통한 움직임 보상 예측)의 정확도를 향상시키기 위하여 DMVR 프로세스를 호출할 수 있다. 예를 들어, 디코딩 장치는 현재 블록의 예측 모드가 머지 모드 또는 스킵 모드이고, 현재 블록에 디스플레이 순서상 현재 픽처를 기준으로 양방향의 참조 픽처가 반대 방향에 있는 양방향 쌍예측이 적용되는 경우, DMVR 프로세스를 수행할 수 있다.
도 6은 SAD(sum of absolute differences)를 사용하여 DMVR(Decoder-side Motion Vector Refinement)을 수행하는 과정의 일 실시예를 설명하기 위한 도면이다.
상술한 바와 같이 디코딩 장치는 DMVR을 수행함에 있어서, SAD를 이용하여 matching cost를 측정할 수 있다. 일 실시예로, 도 6에서는 템플릿을 생성하지 않고 두 참조 픽처 내 예측 샘플간 MRSAD(Mean Sum of Absolute Difference)를 계산하여 움직임 벡터를 리파인하는 방법을 설명한다. 즉, 도 6의 방법은 MRSAD를 이용하는 양방향 매칭(bilateral matching)의 일 실시예를 나타낸다.
도 6을 참조하면, 디코딩 장치는 list0(L0) 방향의 움직임 벡터(MV0)에 의해 지시되는 화소(샘플)의 인접 화소를 L0 참조 픽처 상에서 도출하고, list1(L1) 방향의 움직임 벡터(MV1)에 의해 지시되는 화소(샘플)의 인접 화소를 L1 참조 픽처 상에서 도출할 수 있다. 그리고, 디코딩 장치는 L0 참조 픽처 상에서 도출된 인접 화소를 지시하는 움직임 벡터에 의해 식별되는 L0 예측 블록(즉, L0 참조 블록)과, L1 참조 픽처 상에서 도출된 인접 화소를 지시하는 움직임 벡터에 의해 식별되는 L1 예측 블록(즉, L1 참조 블록) 간의 MRSAD를 계산하여 matching cost를 측정할 수 있다. 이때, 디코딩 장치는 최소 cost를 갖는 탐색 지점(즉, L0 예측 블록과 L1 예측 블록 간의 최소 SAD를 갖는 탐색 영역)을 리파인된 움직임 벡터 쌍으로 선택할 수 있다. 즉, 리파인된 움직임 벡터 쌍은 L0 참조 픽처에서 최소 cost를 갖는 화소 위치(L0 예측 블록)를 가리키는 리파인된 L0 움직임 벡터와, L1 참조 픽처에서 최소 cost를 갖는 화소 위치(L1 예측 블록)를 가리키는 리파인된 L1 움직임 벡터를 포함할 수 있다.
일 실시예로, matching cost를 계산함에 있어, 참조 픽처의 탐색 영역이 설정된 후 단방향 예측은 regular 8 tap DCTIF interpolation filter를 사용하여 수행될 수 있다. 또한, 일 예로, MRSAD 계산은 16 비트 정밀도가 사용될 수 있고, 내부 버퍼를 고려하여 MRSAD 계산 이전에 클리핑 및/또는 반올림 연산이 적용되지 않을 수 있다.
상술한 바와 같이 현재 블록에 true 쌍예측이 적용되는 경우, 쌍예측 신호를 리파인하기 위하여 BDOF가 사용될 수 있다. BDOF(Bi-directional optical flow)는 현재 블록에 쌍예측이 적용되는 경우 개선된 움직임 정보를 계산하고 이를 기반으로 예측 샘플들을 생성하기 위해 사용될 수 있다. 예를 들어, BDOF는 4x4 서브블록(sub-block) 레벨에서 적용될 수 있다. 즉, BDOF는 현재 블록 내 4x4 서브블록 단위로 수행될 수 있다. 또는, BDOF는 루마 성분에 대하여만 적용될 수 있다. 또는, BDOF는 크로마 성분에 대하여만 적용될 수도 있고, 루마 성분 및 크로마 성분에 대하여 적용될 수도 있다.
BDOF 모드는 그 명칭에서 나타내는 바와 같이 오브젝트의 움직임이 smooth하다고 가정하는 광학 흐름(optical flow) 개념을 기반으로 한다. 4x4 서브블록 각각에 대해, L0 및 L1 예측 샘플들 간의 차이값을 최소화함으로써 움직임 리파인먼트 (vx, vy)가 계산될 수 있다. 그리고 움직임 리파인먼트는 4x4 서브블록에서 쌍예측 샘플 값들을 조정하기 위해 사용될 수 있다.
상술한 DMVR 및 BDOF은 true 쌍예측을 적용하는 경우 (이때, true 쌍예측은 현재 블록의 픽처를 기준으로 다른 방향의 참조 픽처에서 움직임 예측/보상하는 경우를 나타낸다) 움직임 정보를 리파인하여 예측을 수행하는 기술로서, 픽처 내 오브젝트의 움직임이 일정 속도, 일정한 방향으로 이루어지는 경우를 가정하고 있다는 점에서 유사한 개념의 리파인먼트 기술임을 알 수 있다.
한편, 이하에서는 인터 코딩 구조의 성능을 향상시키기 위해서 디코더에서 인터 모드(들) 및/또는 인터 예측(들)을 결정/파싱하는데 사용될 수 있는 구조 및 특징을 설명한다. 설명된 방법(들)은 VVC(Versatile Video Coding)을 기반으로 작성되지만, 다른 과거 혹은 미래의 비디오 코딩 기술에도 적용될 수 있다.
본 문서에서는 인터 코딩의 성능을 향상시키기 위해서 다중 패스(multi-pass) DMVR 기술이 적용될 수 있다. 다중 패스 DMVR (즉, MDMVR)은 차세대 비디오 코덱에서 DMVR의 기술을 추가적으로 향상(및 simplify)하기 위한 기술로서, 첫 번째 패스에서는 양방향 매칭(bilateral matching, BM)이 코딩 블록에 적용되고, 두 번째 패스에서 BM은 코딩 블록 내의 각 16x16 서브블록에 적용되고, 세 번째 패스에서는 BDOF를 적용하여 각 8x8 서브블록의 MV를 개선(refined)할 수 있다. 여기서, 개선된 MV는 공간 및 시간 모션 벡터 예측을 위해 저장될 수 있다.
다중 패스 DMVR에 대해 보다 구체적으로 살펴보면, MDMVR의 첫 번째 패스에서, 코딩 블록에 BM(bilateral matching)을 적용하여 개선된(refined) MV를 도출할 수 있다. DMVR(Decoder-Side Motion Vector Refinement)과 유사하게, 양방향(bi-prediction) 예측 동작에서 개선된 MV는 참조 픽처 리스트 L0 및 L1에서 두 개의 초기 MV(MV0 및 MV1) 주변에서 탐색(search)될 수 있다. 개선된 MV(MV0_pass1 및 MV1_pass1)는 L0 및 L1 내의 두 참조 블록 간의 최소 양방향 매칭 cost을 기반으로 초기 MV 주변에서 도출될 수 있다.
BM은 정수 샘플 정밀도 intDeltaMV를 도출하기 위해 로컬 탐색을 수행할 수 있다. 로컬 탐색은 3x3 정사각형 탐색 패턴을 적용하여 수평 방향의 탐색 범위 [-sHor, sHor] 및 수직 방향의 탐색 범위 [-sVer, sVer]에 대해 반복할 수 있다. 여기서, sHor 및 sVer의 값은 블록 차원(dimension)에 의해 결정되고, sHor와 sVer의 최대값은 8일 수 있다.
양방향 매칭 cost는 bilCost = mvDistanceCost + sadCost로 계산될 수 있다. 블록 크기 cbW * cbH가 64보다 큰 경우, MRSAD 비용 함수를 적용하여 참조 블록 간의 DC 왜곡 효과를 제거할 수 있다. 3x3 탐색 패턴의 중심점에 있는 bilCost가 최소 비용을 가지는 경우, intDeltaMV 로컬 탐색을 종료할 수 있다. 그렇지 않으면 현재 최소 비용 탐색 지점이 3x3 탐색 패턴의 새로운 중심점이 되어 탐색 범위의 끝에 도달할 때까지 최소 비용 탐색을 계속할 수 있다.
최종 deltaMV를 도출하기 위해 기존의 분수 샘플 리파인먼트(fractional sample refinement)가 추가로 적용될 수 있다. 첫 번째 패스 후 개선된 MV는 다음과 같이 도출될 수 있다.
MV0_pass1 = MV0 + deltaMV
MV1_pass1 = MV1 - deltaMV
MDMVR의 두 번째 패스에서, 16x16 그리드 서브블록에 BM을 적용하여 개선된(refined) MV를 도출할 수 있다. 각 서브블록에 대해, 참조 픽처 리스트 L0 및 L1에서 첫 번째 패스에서 획득한 두 개의 MV(MV0_pass1, MV1_pass1) 주변에서 개선된 MV가 탐색될 수 있다. 개선된 MV(MV0_pass2(sbIdx2) 및 MV1_pass2(sbIdx2))는 L0 및 L1 내의 두 참조 서브블록 간의 최소 양방향 매칭 cost을 기반으로 도출될 수 있다.
각 서브블록에 대해, BM은 정수 샘플 정밀도 intDeltaMV를 도출하기 위해 전체 탐색을 수행할 수 있다. 전체 탐색은 수평 방향으로 [-sHor, sHor], 수직 방향으로 [-sVer, sVer]의 탐색 범위를 가지며, 여기서 sHor 및 sVer의 값은 블록 차원에 의해 결정되며, sHor 및 sVer의 최대값은 8일 수 있다.
양방향 매칭 cost는 bilCost = satdCost * costFactor와 같이 두 참조 서브블록 간의 SATD 비용에 비용 요소(cost factor)를 적용하여 계산될 수 있다. 탐색 영역 (2*sHor + 1) * (2*sVer + 1)은 최대 5개의 다이아몬드 모양 탐색 영역으로 나눌 수 있다. 각 탐색 영역에는 각 탐색 지점과 시작 MV 사이의 거리(intDeltaMV)에 의해 결정되는 costFactor가 할당되며, 각 다이아몬드 영역은 탐색 영역의 중심부터 시작하는 순서로 처리될 수 있다. 각 영역에서, 탐색 포인트는 해당 영역의 왼쪽 상단(top left)에서 시작하여 오른쪽 하단 코너(bottom right corner)까지 래스터 스캔 순서(raster scan order)로 처리될 수 있다. 현재 탐색 영역 내의 최소 bilCost가 sbW * sbH와 같은 임계값보다 작으면 int-pel 전체 탐색이 종료되고, 그렇지 않으면 모든 탐색 포인트가 검사될 때까지 int-pel 전체 탐색이 다음 탐색 영역으로 계속될 수 있다.
기존 VVC에서 DMVR 분수 샘플 리파인먼트는 최종 deltaMV(sbIdx2)를 도출하기 위해 추가로 적용될 수 있다. 두 번째 패스에서 개선된 MV는 다음과 같이 도출될 수 있다.
MV0_pass2(sbIdx2) = MV0_pass1 + deltaMV(sbIdx2)
MV1_pass2(sbIdx2) = MV1_pass1 - deltaMV(sbIdx2)
MDMVR의 세 번째 패스에서, 8x8 그리드 서브블록에 BDOF를 적용하여 개선된(refined) MV를 도출할 수 있다. 각 8x8 서브블록에 대해, BDOF 리파인먼트는 두 번째 패스의 부모 서브블록의 개선된 MV에서 시작하여 클리핑 없이 스케일링된 Vx 및 Vy를 도출하기 위해 적용될 수 있다. 도출된 bioMv(Vx, Vy)는 1/16 샘플 정밀도로 반올림되고 -32와 32 사이에서 클리핑될 수 있다.
세 번째 패스에서 개선된 MV(MV0_pass3(sbIdx3) 및 MV1_pass3(sbIdx3))는 다음과 같이 도출될 수 있다.
MV0_pass3(sbIdx3) = MV0_pass2(sbIdx2) + bioMv
MV1_pass3(sbIdx3) = MV0_pass2(sbIdx2) - bioMv
한편, 본 문서는 상술한 바와 같은 디코더 사이드 움직임 벡터 도출(Decoder-Side Motion Vector Derivation, DMVD) (즉, DMVR 및/또는 다중 패스 DMVR)을 적용함에 있어서 인터 코딩 구조의 성능을 향상시키고 처리의 복잡성을 증가시키지 않을 수 있는 방안을 제안한다. 이를 위해서, 다음과 같은 측면들이 고려될 수 있다. 즉, 제안되는 방법은 다음과 같은 실시예들을 포함할 수 있으며, 제안되는 실시예들은 개별적으로 또는 조합하여 적용될 수 있다.
1. 일 예로, DMVR은 최종 리파인된 움직임 벡터를 도출하기 위해 다중 레벨 또는 다중 패스 또는 다중 단계로 적용될 수 있다. 본 개시의 목적을 위해서, 다중 레이어(multi-layer) DMVR은 MDMVR로 지칭될 수 있다. 또한, 다중 레이어는 다중 패스, 다중 레벨, 또는 다중 단계 등으로 지칭될 수도 있다.
2. 또한, 일 예로, MDMVR의 사용은 다음 몇 가지 요소들(factors)을 고려하여 결정될 수 있다.
a. 각 CU는 다양한 수의 레이어를 가질 수 있다. 예를 들어, 현재 PU는 2개의 레이어를 가질 수 있고, 다음 PU는 3개의 레이어가 필요할 수 있다.
b. MVD 정보를 사용하여 DMVR이 블록에 적용되어야 하는지 또는 적용될 수 있는 DMVR의 레벨 또는 레이어 수를 결정하는 것이 가능할 수 있다.
i) 예를 들어, 첫번째 경우(즉, DMVR의 on/off 제어를 위한 사용), 머지 모드에서의 MVD가 미리 결정된 임계값을 초과하면, DMVR을 적용하지 않는 것이 가능할 수 있다. 예를 들어, 임계값은 ¼ 화소(pel), ½ 화소(pel), 1 화소(pel), 4 화소(pel) 및/또는 기타 적절한 MVD 단위로 선택될 수 있다.
ii) 예를 들어, 특정 블록 크기에 대해, 임계값(들) 중 어느 하나라도 만족되지 않으면 DMVR이 적용되지 않을 수 있다.
iii) 또는, 이러한 임계값을 사용하여 DMVR에 단일 레이어, 2개 레이어, 또는 다중 레이어를 적용해야 하는지 여부를 결정하는 것이 가능할 수도 있다. 예를 들어, MVD가 특정 임계값의 범위 내에 있는 경우, 8x8 레벨이 아닌 16x16 레벨에서 DMVR을 수행하는 것으로 충분할 수 있다.
3. 또한, 일 예로, MDMVR을 수행하는 경우, 각 레이어는 동일한 탐색 패턴을 가질 수도 있고 또는 다른 탐색 패턴을 가질 수도 있다.
4. 또한, 일 예로, 탐색 포인트는 일반적으로 탐색 패턴에 따라 다를 수 있다. 따라서, 초기에 더 많은 탐색 포인트와 상관관계가 있는 더 큰 탐색을 사용하고, 이후 레이어에서 더 작은 탐색 패턴과 더 적은 수의 탐색 포인트를 고려하여 탐색 영역을 줄이는 것이 가능하고 유리할 수 있다.
5. 추가적으로, 초기 탐색 패턴의 정확도는 정수 기반일 수 있고 추가 레이어 정확도는 ½-화소(pel) 또는 ¼ 화소(pel)일 수 있다.
6. 또한, 일 예로, 고려되는 탐색 패턴은 정사각형, 다이아몬드형, 십자형, 직사각형 및/또는 블록의 기본적인 움직임을 캡처하기 위한 다른 적절한 모양을 포함할 수 있지만, 이에 국한되는 것은 아니다.
a. 예를 들어, x 방향의 움직임 벡터가 y 방향의 움직임 벡터보다 큰 경우, 직사각형 탐색 패턴이 블록의 기본적인 움직임을 캡처하는데 더 적합할 수 있으므로 유용할 수 있다.
b. 또는, 수직 움직임이 더 많은 블록에 대해 다이아몬드형/십자형 모양이 더 적합할 수 있다.
7. 또한, 일 예로, 탐색 영역의 크기는 블록의 크기에 따라 각 블록마다 다를 수 있다.
a. 예를 들어, 더 큰 블록이 사용되는 경우, 7x7/8x8, 또는 그 이상, 또는 다른 적절한 정사각형/다이아몬드형 탐색 패턴을 사용하는 것이 가능할 수 있다. 이는 가변 DMVR 그래뉼러티(granularity)와 함께 사용될 수 있다.
b. 또는, 블록이 더 작은 경우, 탐색 영역은 5x5보다 작게 만들 수 있다.
c. 또한, 기본적인 움직임 정보, 이용 가능한 주변 블록들의 움직임 특성에 기반하여 탐색 영역의 크기를 결정하는 것이 가능할 수 있다. 예를 들어, 블록 MVD가 (미리 결정될 수 있는) 임계값 T 보다 크면, 7x7 탐색 영역이 사용될 수 있다.
8. 또한, 일 예로, 처리를 기다리는 동안 참조 샘플들을 미리 가져와서(pre-fetch) 메모리에 저장되는 것이 가능할 수 있다. 예를 들어, 샘플들을 미리 가져온(pre-fetch) 경우, 샘플들은 참조 샘플 패딩될 수 있다.
9. VVC에서 DMVR은 반복 프로세스(iterative process)를 사용하여 리파인된 MV를 평가하는 수단으로서 SAD를 사용한다. 그러나, 왜곡을 평가하기 위해 몇 가지 다른 왜곡 메트릭(distortion metrics)를 사용하는 것이 가능할 수 있다.
a. 예를 들어, L0 노름(norm)이 사용될 수 있으며, 여기서 초기 및 중간 움직임 벡터는 x 또는 y 방향으로 움직임 변화가 있었는지 여부를 결정하는데 사용될 수 있다. 이는 이후 조기 종료가 될 수 있는지 여부를 평가하는데 사용될 수 있다.
b. 또는, 예를 들어, 유클리디안 노름(Euclidean Norm) (L2)와 같은 노름의 다른 형식을 사용하여 어느 지점이 가장 큰 변위(displacement)를 가지는지를 지시할 수 있으므로, 기준점(outlier)을 지시할 수 있다.
c. 또한, 예를 들어, MR-SAD (Mean Removed - Sum of Absolute Difference)를 사용하는 것이 가능할 수 있다. 또한 MR-SAD의 여러 변형을 사용할 수도 있다. 예를 들어, 모든 대체 행/열의 MRSAD 또는 각 블록마다 누적 평균의 이전 블록의 MRSAD가 사용될 수 있다.
10. 또한, 일 예로, 왜곡 측정을 감쇠/증폭(attenuate/amplify)하기 위해 추가 가중치 요소(weighting factors)를 추가하는 것이 가능할 수 있다. 특정 탐색 지점의 왜곡이 다른 탐색 지점보다 우선되는 경우 이러한 고려 사항이 고려될 수 있다.
a. 예를 들어, 초기 탐색 지점이 탐색 범위 내의 다른 지점보다 우선되어야 하는 경우, 초기 오류/왜곡 메트릭(error/distortion metric)에 대한 가중치를 적용하여 초기 값(들)이 최소 왜곡 비용을 발생시킬 수 있다.
b. 다른 예로, 사용할 가중치를 결정하기 위해 주변 블록들의 이용 가능한 움직임 정보를 고려하는 것이 가능할 수 있다.
11. 또한, 일 예로, MDMVR의 단일 레이어 내에서 또는 각 레이어 내에서 조기 종료를 용이하게 하는 것이 가능할 수 있다.
a. 예를 들어, MDMVR은 초기 시작 MV 및 반복 동안의 지점에서의 MV 사이의 거리가 임계값 T 보다 작은 경우 조기 종료될 수 있으며, 그 후 탐색은 종료될 수 있다.
b. 또는, 모든 종료 조건은 레이어 사이에서 확인될 수 있다. 예를 들어, CU에서는 DMVR을 위해 3개의 레이어를 사용하도록 시그널링할 수 있다. 그러나, 첫번째 레이어 이후에 종료 조건이 만족되면 DMVR은 종료될 수 있다.
c. 또는, 예를 들어, 샘플 기반 차이 또는 SAD 기반 차이와 같은 다른 조기 종료 방법론(methodologies)도 개별 확인 또는 조합으로 사용될 수 있다.
12. 또한, 일 예로, 단일 레이어 DMVR 또는 MDMVR의 사용은 여러 파라미터 세트에서 시그널링될 수 있다.
a. 예를 들어, MDMVR의 사용은 관련 GCI 플래그와 함께 SPS에서 단일 플래그를 시그널링함으로써 전체 시퀀스에 대해 고정될 수 있다.
b. 시퀀스가 PPS(Picture Parameter Set)/PH(Picture header)/SH(Slice header)/CU(Coding unit) 및/또는 다른 적절한 헤더에서 DMVR과 MDMVR 사이를 전환하는 것이 가능할 수 있다.
i) 예를 들어, 기존 DMVR 또는 MDMVR의 사용은 PH 또는 하위 레벨에 존재하는 추가 제어를 통해 PPS에서 시그널링될 수 있다.
ii) 예를 들어, CU 레벨에서 DMVR과 MDMVR 사이를 전환하는 것이 가능할 수 있다. 즉, 각 CU는 독립적으로 전환될 수 있다.
c. SPS에서 플래그, 또는 PTL 플래그, 즉 GCI 제약 플래그가 시그널링될 때 고정 길이 코딩(fixed length coding)될 수 있다는 것을 고려할 수 있다.
d. MDMVR에 대한 신택스 엘리먼트가 PPS 또는 하위 레벨에서 시그널링되는 경우, 필요한 세부 정보를 시그널링하기 위해 컨텍스트 코딩(context coding)을 사용하는 것이 적절할 수 있다.
i) 예를 들어, 시그널링될 수 있는 정보는 레이어의 수, MDMVR 적용의 그래뉼러티(granularity), 조기 종료가 명시적으로 사용되는지 여부 등을 포함할 수 있지만, 이에 국한되는 것은 아니다.
ii) 또한, 예를 들어, 컨텍스트 모델의 수, 초기화 값은 블록 통계의 관련 측면을 고려하여 결정될 수 있다.
한편, 상술한 바와 같은 다중 레이어 DMVR (즉, MDMVR)의 사용은 압축 효율을 통해 비디오 품질을 향상시키는데 유리한 것으로 고려될 수 있다. 이에, 본 문서는 MDMVR의 사용과 관련된 정보를 효율적으로 시그널링하는 방법을 제안한다. 이와 관련하여, 디코더에서 수행될 수 있는 구조의 예시로서 도 7 및 도8에서와 같이 동작할 수 있다.
도 7은 본 문서의 일 실시예에 따른 MDMVR 구조를 예시적으로 나타낸다.
도 7의 예에서는, 플래그/인덱스를 사용하여 MDMVR 또는 기존 DMVR이 사용되는지 여부를 파악할 수 있다(S700). 일반적으로 이러한 플래그(단일 빈(single bin) 또는 다중 고정 길이 코딩 빈(multiple fixed length coded bins))는 DMVR이 사용되는지(예: 인덱스 0), 단일 레이어 DMVR이 사용되는지(예: 인덱스 1), 또는 단일 및 MDMVR이 모두 사용되는지(예: 인덱스 2)를 나타내는데 사용될 수 있다. 예를 들어, 기존 DMVR이 사용되는 경우, 기존 DMVR 처리 과정이 수행된다(S710). MDMVR이 사용되는 경우, 추가 제어 정보가 슬라이스 헤더 또는 픽처 헤더에서 시그널링될 수 있다(S720~ S740).
보다 구체적으로, 디코딩 장치는 MDMVR의 사용 여부에 관련된 정보(예: MDMVR 인에이블 플래그 또는 인덱스 정보)를 획득하고, 상기 정보에 기반하여 DMVR이 사용되는지 또는 MDMVR이 사용되는지를 결정할 수 있다(S700). 상기 MDMVR의 사용 여부에 관련된 정보는 MDMVR이 인에이블한지 여부를 나타내는 정보일 수 있고, 상위 레벨(예: SPS) 신택스에서 시그널링될 수 있다.
예를 들어, 디코딩 장치는 MDMVR의 사용 여부에 관련된 플래그 정보를 획득하고, 상기 플래그 정보의 값이 0이면 DMVR이 사용되는 것으로 결정하고, 상기 플래그 정보의 값이 1이면 MDMVR이 사용되는 것으로 결정할 수 있다.
또는, 예를 들어, 디코딩 장치는 MDMVR의 사용 여부에 관련된 인덱스 정보를 획득하고, 상기 인덱스 정보의 값에 기반하여 DMVR 또는 MDMVR의 사용을 결정할 수 있다. 예컨대, 상기 인덱스 정보의 값이 0이면 DMVR이 사용되는 것으로 결정하고, 상기 인덱스 정보의 값이 1이면 MDMVR이 사용되는 것으로 결정할 수 있다. 또는, 상술한 바와 같이, 상기 인덱스 정보의 값이 0이면 DMVR이 사용되는 것으로 결정하고, 상기 인덱스 정보의 값이 1이면 단일 레이어 DMVR이 사용되는 것으로 결정하고, 상기 인덱스 정보의 값이 2이면 다중 레이어 DMVR (즉, MDMVR)이 사용되는 것으로 결정할 수 있다.
디코딩 장치는 MDMVR의 사용 여부에 관련된 정보에 기반하여 DMVR이 사용되는 것으로 결정한 경우, DMVR을 수행할 수 있다(S710).
디코딩 장치는 MDMVR의 사용 여부에 관련된 정보에 기반하여 MDMVR이 사용되는 것으로 결정한 경우, 추가 제어 정보를 획득할 수 있다(S720).
상기 추가 제어 정보는 하위 레벨(예: 픽처 헤더, 슬라이스 헤더 등) 에서의 MDMVR 관련 제어 정보일 수 있으며, 예컨대 MDMVR 관련 신택스 엘리먼트들이 픽처 헤더 신택스에 존재하는지 여부를 나타낼 수 있다. 예를 들어, 상기 추가 제어 정보의 값이 0이면 상기 추가 제어 정보(예: MDMVR 관련 신택스 엘리먼트들)가 픽처 헤더 신택스에 존재하지 않음을 나타내고, 상기 추가 제어 정보의 값이 1이면 상기 추가 제어 정보(예: MDMVR 관련 신택스 엘리먼트들)가 픽처 헤더 신택스에 존재함을 나타낼 수 있다.
디코딩 장치는 상기 추가 제어 정보의 값이 0이면 픽처 헤더 신택스에 상기 MDMVR 관련 추가 제어 정보가 존재하지 않음을 파악할 수 있고, 슬라이스 헤더에서의 MDMVR 관련 정보를 획득할 수 있다(S730).
상기 슬라이스 헤더에서의 MDMVR 관련 정보는 MDMVR 관련 신택스 엘리먼트들이 슬라이스 헤더에 존재하는지 여부를 나타낼 수 있다. 예를 들어, 상기 MDMVR 관련 정보의 값이 1이면 MDMVR 관련 신택스 엘리먼트들이 슬라이스 헤더에 존재함을 나타내고, 이후 슬라이스 헤더로부터 MDMVR 관련 신택스 엘리먼트들이 시그널링/파싱될 수 있다.
디코딩 장치는 상기 추가 제어 정보의 값이 1이면 픽처 헤더 신택스에 상기 MDMVR 관련 신택스 엘리먼트가 존재함을 파악할 수 있고, 픽처 헤더로부터 MDMVR 관련 신택스 엘리먼트를 획득할 수 있다(S740).
이후, 디코딩 장치는 픽처 헤더 또는 슬라이스 헤더로부터 시그널링되는 MDMVR 관련 정보를 기반으로 MDMVR을 수행할 수 있다.
도 8은 본 문서의 다른 실시예에 따른 MDMVR 구조를 예시적으로 나타낸다.
도 8의 예에서는, MDMVR 정보가 PPS 또는 CU 레벨에서 시그널링될 수 있다. DMVR은 PU 레벨에서 수행될 수 있다. 여기서, MDMVR이 인에이블(enable)되면 제어 엘리먼트들이 PPS 또는 CU 레벨에 존재하는지 여부를 나타내기 위해 PPS에서 추가 신택스 엘리먼트들이 파싱될 수 있다. 여러 프레임들은 일반적으로 1개의 PPS를 참조하므로, PPS에서 제어 정보를 파싱하는 것은 CU에서 엘리먼트들이 시그널링되는 경우와 비교하여 보다 유연성(flexibility)이 떨어질 수 있다. 그러나, 반대로 PPS 레벨에서의 시그널링은 시그널링 오버헤드를 줄일 수 있다.
구체적 예로, 도 8을 참조하면, 디코딩 장치는 MDMVR의 사용 여부에 관련된 정보(예: MDMVR 인에이블 플래그 또는 인덱스 정보)를 획득하고, 상기 정보에 기반하여 DMVR이 사용되는지 또는 MDMVR이 사용되는지를 결정할 수 있다(S800). 상기 MDMVR의 사용 여부에 관련된 정보는 MDMVR이 인에이블한지 여부를 나타내는 정보일 수 있고, 상위 레벨(예: SPS) 신택스에서 시그널링될 수 있다.
예를 들어, 디코딩 장치는 MDMVR의 사용 여부에 관련된 플래그 정보를 획득하고, 상기 플래그 정보의 값이 0이면 DMVR이 사용되는 것으로 결정하고, 상기 플래그 정보의 값이 1이면 MDMVR이 사용되는 것으로 결정할 수 있다.
또는, 예를 들어, 디코딩 장치는 MDMVR의 사용 여부에 관련된 인덱스 정보를 획득하고, 상기 인덱스 정보의 값에 기반하여 DMVR 또는 MDMVR의 사용을 결정할 수 있다. 예컨대, 상기 인덱스 정보의 값이 0이면 DMVR이 사용되는 것으로 결정하고, 상기 인덱스 정보의 값이 1이면 MDMVR이 사용되는 것으로 결정할 수 있다. 또는, 상술한 바와 같이, 상기 인덱스 정보의 값이 0이면 DMVR이 사용되는 것으로 결정하고, 상기 인덱스 정보의 값이 1이면 단일 레이어 DMVR이 사용되는 것으로 결정하고, 상기 인덱스 정보의 값이 2이면 다중 레이어 DMVR (즉, MDMVR)이 사용되는 것으로 결정할 수 있다.
디코딩 장치는 MDMVR의 사용 여부에 관련된 정보에 기반하여 DMVR이 사용되는 것으로 결정한 경우, DMVR을 수행할 수 있다(S810).
이때, 디코딩 장치는 PU 레벨에서 시그널링되는 DMVR 관련 정보를 획득하여, DMVR을 수행할 수 있다.
디코딩 장치는 MDMVR의 사용 여부에 관련된 정보에 기반하여 MDMVR이 사용되는 것으로 결정한 경우, 추가 제어 정보를 획득할 수 있다(S820).
상기 추가 제어 정보는 하위 레벨(예: PPS) 에서의 MDMVR 관련 제어 정보일 수 있으며, 예컨대 MDMVR 관련 신택스 엘리먼트들이 PPS 신택스에 존재하는지 여부를 나타낼 수 있다. 예를 들어, 상기 추가 제어 정보의 값이 0이면 상기 추가 제어 정보(예: MDMVR 관련 신택스 엘리먼트들)가 PPS 신택스에 존재하지 않음을 나타내고, 상기 추가 제어 정보의 값이 1이면 상기 추가 제어 정보(예: MDMVR 관련 신택스 엘리먼트들)가 PPS 신택스에 존재함을 나타낼 수 있다.
디코딩 장치는 상기 추가 제어 정보의 값이 0이면 PPS 신택스에 상기 MDMVR 관련 추가 제어 정보가 존재하지 않음을 파악할 수 있고, CU에서의 MDMVR 관련 정보를 획득할 수 있다(S830).
상기 CU에서의 MDMVR 관련 정보는 MDMVR 관련 신택스 엘리먼트들이 CU 신택스에 존재하는지 여부를 나타낼 수 있다. 예를 들어, 상기 MDMVR 관련 정보의 값이 1이면 MDMVR 관련 신택스 엘리먼트들이 CU 신택스에 존재함을 나타내고, 이후 CU 신택스로부터 MDMVR 관련 신택스 엘리먼트들이 시그널링/파싱될 수 있다.
디코딩 장치는 상기 추가 제어 정보의 값이 1이면 PPS 신택스에 상기 MDMVR 관련 추가 제어 정보가 존재함을 파악할 수 있고, PPS로부터 MDMVR 관련 추가 제어 정보(예: MDMVR 관련 신택스 엘리먼트)를 획득할 수 있다(S840).
이후, 디코딩 장치는 PPS 또는 CU로부터 시그널링되는 MDMVR 관련 정보를 기반으로 MDMVR을 수행할 수 있다.
이하의 도면은 본 문서의 구체적인 일례를 설명하기 위해 작성되었다. 도면에 기재된 구체적인 장치의 명칭이나 구체적인 용어/명칭(예컨대, 신택스/신택스 요소의 명칭 등)은 예시적으로 제시된 것이므로, 본 문서의 기술적 특징이 이하의 도면에 사용된 구체적인 용어/명칭에 제한되지 않는다.
도 9 및 도 10은 본 문서의 실시예(들)에 따른 비디오/영상 인코딩 방법 및 관련 컴포넌트의 일 예를 개략적으로 나타낸다.
도 9에 개시된 방법은 도 2 또는 도 10에 개시된 인코딩 장치(200)에 의하여 수행될 수 있다. 여기서 도 10에 개시된 인코딩 장치(200)는 도 2에 개시된 인코딩 장치(200)를 간략히 나타낸 것이다. 구체적으로, 도 9의 단계 S900 ~ S920은 도 10에 개시된 예측부(220)에 의하여 수행될 수 있고, 도 9의 단계 S930은 도 10에 개시된 레지듀얼 처리부(230)에 의하여 수행될 수 있고, 도 9의 단계 S940은 도 10에 개시된 엔트로피 인코딩부(240)에 의하여 수행될 수 있다. 또한, 비록 도시되지는 않았으나 현재 블록에 대한 레지듀얼 샘플과 예측 샘플을 기반으로 상기 현재 블록에 대한 복원 샘플 및 복원 픽처를 생성하는 과정은 상기 인코딩 장치(200)의 가산부(250)에 의하여 수행될 수 있고, 상기 현재 블록에 대한 예측 정보를 인코딩하는 과정은 상기 인코딩 장치(200)의 엔트로피 인코딩부(240)에 의하여 수행될 수 있다. 또한, 도 9에서 개시된 방법은 본 문서에서 상술한 실시예들을 포함하여 수행될 수 있다. 따라서, 도 9에서는 상술한 실시예들과 중복되는 내용에 관해서 구체적인 설명을 생략하거나 간단히 하기로 한다.
도 9를 참조하면, 인코딩 장치는 현재 블록에 대해 다중 레이어(multi-layer) DMVR(Decoder-side Motion Vector Refinement)(MDMVR)의 사용 여부를 결정할 수 있다(S900).
여기서, 상술한 바와 같이 다중 레이어 DMVR은 MDMVR로 지칭될 수 있으며, 다중 패스 DMVR, 다중 레벨 DMVR, 또는 다중 단계 DMVR 등으로 혼용되거나 대체되어 사용될 수도 있다.
즉, 인코딩 장치는 현재 블록에 대한 최종 리파인된 움직임 벡터를 도출하기 위해 다중 레이어(또는 다중 패스, 다중 레벨, 다중 단계 등)를 사용하여 DMVR을 적용할지 여부를 결정할 수 있다.
이때, 인코딩 장치는 상술한 실시예들에 따라서 현재 블록에 대해 MDMVR을 사용할지 여부를 결정할 수 있다.
일 실시예로, MDMVR의 사용 여부는 여러 파라미터 세트에서 시그널링되는 정보를 기반으로 결정될 수 있다. 일예로, MDMVR의 사용 여부를 나타내는 것에 관련된 제1 플래그 정보를 기반으로 MDMVR의 사용 여부가 결정될 수 있다. 제1 플래그 정보는 SPS(Sequence Parameter Set)에서 시그널링될 수 있다. 이 경우, MDMVR의 사용 여부는 전체 시퀀스에 대해 정해질 수 있으며, 또한, 시퀀스 레벨에서 추가 제어 정보를 시그널링하여, 하위 레벨(예: PPS(Picture Parameter Set)/PH(Picture header)/SH(Slice header)/CU(Coding unit) 및/또는 다른 적절한 헤더)에서 MDMVR의 적용 여부를 결정할 수 있다. 일예로, SPS에서 시그널링된 상기 제1 플래그 정보를 기반으로(즉, MDMVR이 사용되는 것과 관련된 제1 플래그 정보를 기반으로), 예컨대 제1 플래그 정보의 값이 1인 경우, MDMVR의 제어에 관련된 제2 플래그 정보가 시그널링될 수 있다. 제2 플래그 정보는 하위 레벨에서 MDMVR의 사용 여부를 제어하기 위한 정보이며, PPS, PH, SH, CU 또는 다른 적절한 헤더에서 MDMVR에 관련된 신택스 엘리먼트가 존재하는지 여부에 관련된 정보일 수 있다.
구체적인 예로, 도 7 및 도 8을 참조하여 설명한 바와 같이, SPS 레벨에서의 MDMVR이 사용되는지 여부에 관련된 제1 플래그 정보를 기반으로(예: 제1 플래그 정보의 값이 1인 경우), PPS/PH에서의 MDMVR 제어에 관련된 제2 플래그 정보가 시그널링될 수 있다. 이때, 제2 플래그 정보가 PPS/PH에서의 MDMVR 제어에 관련된 신택스 엘리먼트가 존재함을 나타내는 경우, PPS/PH로부터 MDMVR 제어에 관련된 신택스 엘리먼트들이 더 시그널링될 수 있다. 또는, 제2 플래그 정보가 PPS/PH에서의 MDMVR 제어에 관련된 신택스 엘리먼트가 존재하지 않음을 나타내는 경우, 하위 레벨(예: CU, SH)에서 MDMVR에 관련된 신택스 엘리먼트들이 시그널링될 수 있다.
또한, 일예로, 상술한 바와 같은 상위 레벨(예: SPS)에서 시그널링되는 제1 플래그 정보는 고정 길이 코딩(fixed length coding)에 의해 이진화될 수 있다. 또한, 제1 플래그 및/또는 제2 플래그를 기반으로 MDMVR에 관련된 신택스 엘리먼트가 PPS, PH, SH, CU와 같은 하위 레벨에서 시그널링되는 경우, 상기 MDMVR에 관련된 신택스 엘리먼트는 컨텍스트 코딩(context coding)을 기반으로 도출(즉, 파싱)될 수 있다. 예를 들어, 상기 MDMVR에 관련된 신택스 엘리먼트는 MDMVR 수행을 위해 필요한 세부 정보를 포함할 수 있으며, 예컨대 레이어의 수, MDMVR 적용의 그래뉼러티(granularity), 조기 종료가 명시적으로 사용되는지 여부 등을 포함할 수 있다. 또한, 상기 MDMVR에 관련된 신택스 엘리먼트의 컨텍스트 코딩을 수행함에 있어서, 컨텍스트 모델의 수, 초기화 값이 결정될 수 있으며, 이때 블록 통계의 관련 측면을 고려하여 결정될 수 있다.
또한, 일 실시예로, 현재 블록이 적어도 하나의 PU(prediction unit)를 포함하는 CU(coding unit)일 수 있으며, 이 경우 적어도 하나의 PU에 대해 MDMVR의 레이어 수가 결정될 수 있다. 예를 들어, 현재 블록 내 제1 PU에 대해서는 2개의 레이어를 사용하여 MDMVR을 적용할 수 있고, 현재 블록 내 제2 PU에 대해서는 3개의 레이어를 사용하여 MDMVR을 적용할 수 있다. 또는, 각 CU 마다 MDMVR의 레이어 수가 결정될 수도 있다. 이 경우, CU 내 모든 PU들은 동일한 레이어 수를 가질 수 있다.
또한, 일 실시예로, MDMVR의 사용 여부는 MVD(Motion Vector Difference) 정보를 기반으로 결정될 수 있다. 예를 들어, MVD가 미리 결정된 임계값을 초과하는지 여부에 기반하여 먼저 DMVR의 사용 여부를 결정할 수 있다. 일예로, MVD가 미리 결정된 임계값을 초과하면, DMVR을 적용하지 않는 것으로 결정할 수 있다. 이때, 임계값은 ¼ 화소(pel), ½ 화소(pel), 1 화소(pel), 4 화소(pel) 및/또는 기타 적절한 MVD 단위로 선택될 수 있다. 또는, 특정 블록 크기에 대해, 상기 임계값을 만족하지 못하면 DMVR을 적용하지 않을 수 있다. 또는, 예를 들어, 상기 임계값을 기반으로 DMVR에 단일 레이어, 또는 다중 레이어를 적용해야 하는지 여부를 결정할 수 있다. 예컨대, MVD가 특정 임계값의 범위 내에 있는 경우, 8x8 레벨이 아닌 16x16 레벨에서 DMVR을 수행할 수 있다. 다시 말해, MVD가 미리 결정된 임계값을 초과하는지 여부에 기반하여 MDMVR이 현재 블록에 적용되는지 여부를 결정할 수 있다. 일예로, MVD가 미리 결정된 임계값을 초과하면, MDMVR을 적용하지 않는 것으로 결정할 수 있다. 또한, 상기 MVD 정보가 미리 결정된 임계값 범위 내에 있는지를 기반으로 MDMVR의 레이어 수가 결정될 수도 있다.
또한, 일 실시예로, 현재 블록에 MDMVR이 사용되는 것을 기반으로(즉, 현재 블록에 MDMVR이 수행되는 경우), MDMVR의 각 레이어에 대해 탐색 패턴 및 탐색 영역의 크기를 결정할 수 있다.
예를 들어, 각 레이어는 동일한 탐색 패턴을 가질 수도 있고, 다른 탐색 패턴을 가질 수도 있다. 또한, 예를 들어, 탐색 패턴은 정사각형, 다이아몬드형, 십자형, 직사각형 및/또는 블록의 기본적인 움직임을 캡처하기 위한 다른 적절한 모양을 포함할 수 있다. 이때, 탐색 패턴은 x 방향의 움직임 벡터 및 y 방향의 움직임 벡터에 기반하여 결정되거나, 또는 수직 움직임 및 수평 움직임에 기반하여 결정될 수 있다. 일예로, x 방향의 움직임 벡터가 y 방향의 움직임 벡터보다 큰 경우, 직사각형 탐색 패턴이 블록의 기본적인 움직임을 캡처하는데 더 적합할 수 있다. 또는, 일예로, 수직 움직임이 더 많은 블록에 대해 다이아몬드형/십자형 탐색 패턴이 더 적합할 수 있다.
또한, 예를 들어, 탐색 영역의 크기는 블록 크기에 기반하여 결정될 수 있다. 일예로, 큰 블록이 사용되는 경우, 7x7/8x8, 또는 그 이상, 또는 다른 적절한 정사각형/다이아몬드형 탐색 패턴을 사용할 수 있다. 또는, 일예로, 작은 블록이 사용되는 경우, 탐색 영역은 5x5보다 작은 크기를 가질 수 있다. 또는, 일예로, 탐색 영역의 크기는 기본적인 움직임 정보, 이용 가능한 주변 블록들의 움직임 특성에 기반하여 결정될 수 있으며, 예컨대 블록 MVD가 미리 결정된 임계값 T 보다 크면, 7x7 탐색 영역이 사용될 수 있다.
또한, 예를 들어, 탐색 포인트는 탐색 패턴을 기반으로 결정될 수 있다. 일예로, 초기에 탐색 포인트와 상관 관계가 있는 경우 더 큰 크기의 탐색 패턴을 사용할 수 있다. 이후 더 작은 크기의 탐색 패턴 및 더 적은 수의 탐색 포인트가 고려되면 레이어에서 탐색 영역을 줄일 수 있다.
또한, 예를 들어, 초기 탐색 패턴의 정확도는 정수 기반으로 정해질 수 있고, 추가 레이어 정확도는 ½-화소(pel) 또는 ¼-화소(pel)로 정해질 수 있다.
또한, 일 실시예로, 리파인된 움직임 벡터는 SAD(Sum of Absolute Differences) 또는 MR-SAD(Mean Removed - Sum of Absolute Difference)를 기반으로 도출될 수 있다. 다시 말해, MDMVR의 적용에 의해 도출되는 리파인된 움직임 벡터는 SAD 또는 MR-SAD에 기반하여 왜곡을 측정하고, 이에 기반하여 최종 리파인된 움직임 벡터가 도출될 수 있다. 또한, 리파인된 움직임 벡터를 도출함에 있어, L0 노름(norm) 또는 유클리디안 노름(Euclidean Norm) (L2) 등을 사용할 수도 있다.
또한, 일 실시예로, 리파인된 움직임 벡터는 가중치를 적용한 최소 왜곡 비용을 기반으로 도출될 수 있다. 여기서, 최소 왜곡 비용은 특정 탐색 지점의 왜곡이 다른 탐색 지점보다 우선되는 경우에 기반하여 가중치를 적용하여 계산될 수 있다. 일예로, 초기 탐색 지점이 탐색 범위 내의 다른 지점보다 우선되어야 하는 경우, 초기 오류/왜곡 메트릭(error/distortion metric)에 대한 가중치를 적용하여 초기 값(들)에 대한 최소 왜곡 비용을 계산할 수 있다. 또는, 일예로, 주변 블록들의 이용 가능한 움직임 정보를 고려하여 가중치를 결정하여 최소 왜곡 비용을 계산할 수 있다.
또한, 일 실시예로, 현재 블록에 MDMVR이 사용되는 것을 기반으로, MDMVR의 각 레이어에 대해 종료 조건을 만족하는지 여부를 결정하여 MDMVR을 수행할 수 있다. 상기 종료 조건은 초기 움직임 벡터 및 리파인된 움직임 벡터 사이의 거리, 샘플 기반 차이, 또는 SAD 기반 차이가 임계값보다 작은지 여부를 기반으로 각 레이어에 대한 MDMVR 종료를 결정할 수 있다. 일예로, 초기 시작 MV 및 반복 동안의 지점에서의 MV(즉, 리파인된 MV) 사이의 거리가 임계값 T 보다 작은 경우, 종료 조건을 만족하는 것으로 판단하여 MDMVR을 종료할 수 있다. 또한, 상기 종료 조건을 만족하는지 여부를 결정함에 있어서, MDMVR의 레이어 사이에 확인할 수 있다. 일예로, MDMVR의 첫번째 레이어 이후에 종료 조건을 만족하는 것으로 판단한 경우, 이후 나머지 레이어에 대해서는 MDMVR을 수행하지 않을 수 있고 조기 종료될 수 있다.
또한, 일 실시예로, 처리를 기다리는 동안 참조 샘플들을 미리 가져와서(pre-fetch) 메모리에 저장할 수 있다. 예를 들어, 샘플들을 미리 가져온(pre-fetch) 경우, 샘플들은 참조 샘플 패딩될 수 있다.
인코딩 장치는 현재 블록에 MDMVR이 사용되는 것을 기반으로, 현재 블록에 대한 리파인된 움직임 벡터를 도출할 수 있다(S910).
즉, 상술한 바와 같은 실시예(들)에 따라 현재 블록에 MDMVR이 사용되는지 여부가 결정될 수 있다. 이때, 인코딩 장치는 MDMVR이 사용되는 것으로 결정되면 현재 블록에 대해 MDMVR을 적용하여 리파인된 움직임 벡터를 도출할 수 있다.
일 실시예로, 먼저 현재 블록에 대해 인터 예측을 수행하는 경우, 인코딩 장치는 현재 블록의 움직임 정보(움직임 벡터, 참조 픽처 인덱스 등)를 도출할 수 있다. 예를 들어, 인코딩 장치는 움직임 추정(motion estimation)을 통하여 참조 픽처들의 일정 영역(서치 영역) 내에서 현재 블록과 유사한 블록을 서치하고, 현재 블록과의 차이가 최소 또는 일정 기준 이하인 참조 블록을 도출할 수 있다. 이를 기반으로 참조 블록이 위치하는 참조 픽처를 가리키는 참조 픽처 인덱스를 도출하고, 참조 블록과 현재 블록의 위치 차이를 기반으로 움직임 벡터를 도출할 수 있다.
또한, 인코딩 장치는 다양한 예측 모드들 중 현재 블록에 대하여 적용되는 인터 예측 모드를 결정할 수 있다. 인코딩 장치는 다양한 예측 모드들에 대한 RD cost를 비교하고 현재 블록에 대한 최적의 예측 모드를 결정할 수 있다.
이후, 상술한 바와 같이, 현재 블록에 대해 MDMVR을 적용하기로 결정된 경우, 인코딩 장치는 움직임 벡터에 대해 MDMVR을 적용하여 최종적으로 리파인된 움직임 벡터를 도출할 수 있다.
인코딩 장치는 리파인된 움직임 벡터를 기반으로 현재 블록에 대한 예측 샘플들을 도출할 수 있고(S920), 상기 예측 샘플들을 기반으로 현재 블록에 대한 레지듀얼 샘플들을 도출할 수 있다(S930).
즉, 인코딩 장치는 현재 블록에 대한 원본 샘플들과 현재 블록의 예측 샘플들을 기반으로 레지듀얼 샘플들을 도출할 수 있다. 그리고, 인코딩 장치는 레지듀얼 샘플들에 대한 정보를 생성할 수 있다. 여기서, 레지듀얼 샘플들에 대한 정보는, 레지듀얼 샘플들에 변환 및 양자화를 수행하여 도출된 양자화된 변환 계수들의 값 정보, 위치 정보, 변환 기법, 변환 커널, 양자화 파라미터 등의 정보를 포함할 수 있다.
인코딩 장치는 영상 정보(또는 비디오 정보)를 인코딩할 수 있다(S940). 여기서, 영상 정보는 예측 관련 정보(예컨대, 예측 모드 정보)를 포함할 수 있다. 또한, 영상 정보는 상기 레지듀얼 정보를 포함할 수 있다. 즉, 영상 정보는 인코딩 과정에서 도출되는 다양한 정보를 포함할 수 있고, 이러한 다양한 정보를 포함하여 인코딩될 수 있다.
일 실시예로, 인코딩 장치는 레지듀얼 샘플들에 관한 정보를 포함하는 영상 정보를 인코딩하여 비트스트림으로 생성할 수 있다. 또한, 인코딩 장치는 예측 관련 정보(예컨대, 예측 모드 정보)를 포함하는 영상 정보를 인코딩하여 비트스트림으로 생성할 수 있다.
상술한 바와 같은 다양한 정보를 포함하는 영상 정보는 인코딩되어 비트스트림 형태로 출력될 수 있다. 비트스트림은 네트워크 또는 (디지털) 저장매체를 통하여 디코딩 장치로 전송될 수 있다. 여기서 네트워크는 방송망 및/또는 통신망 등을 포함할 수 있고, 디지털 저장매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장매체를 포함할 수 있다.
도 11 및 도 12는 본 문서의 실시예(들)에 따른 비디오/영상 디코딩 방법 및 관련 컴포넌트의 일 예를 개략적으로 나타낸다.
도 11에 개시된 방법은 도 3 또는 도 12에서 개시된 디코딩 장치(300)에 의하여 수행될 수 있다. 여기서 도 12에 개시된 디코딩 장치(300)는 도 3에 개시된 디코딩 장치(300)를 간략히 나타낸 것이다. 구체적으로, 도 11의 단계 S1100은 도 12에 개시된 엔트로피 디코딩부(310) 및/또는 예측부(330)에 의하여 수행될 수 있고, 도 11의 단계 S1110 ~ S1120은 도 12에 개시된 예측부(330)에 의하여 수행될 수 있고, 도 11의 단계 S1130은 도 12에 개시된 가산부(340)에 의하여 수행될 수 있다. 또한, 비록 도시되지는 않았으나 현재 블록에 대한 예측 정보 및/또는 레지듀얼 정보를 수신하는 과정은 상기 디코딩 장치(300)의 엔트로피 디코딩부(310)에 의하여 수행될 수 있고, 레지듀얼 정보를 기반으로 현재 블록에 대한 레지듀얼 샘플을 도출하는 과정은 상기 디코딩 장치(300)의 레지듀얼 처리부(320)에 의하여 수행될 수 있다. 또한, 도 11에서 개시된 방법은 본 문서에서 상술한 실시예들을 포함하여 수행될 수 있다. 따라서, 도 11에서는 상술한 실시예들과 중복되는 내용에 관해서 구체적인 설명을 생략하거나 간단히 하기로 한다.
도 11을 참조하면, 디코딩 장치는 현재 블록에 대해 다중 레이어(multi-layer) DMVR(Decoder-side Motion Vector Refinement)(MDMVR)의 사용 여부를 결정할 수 있다(S1100).
여기서, 상술한 바와 같이 다중 레이어 DMVR은 MDMVR로 지칭될 수 있으며, 다중 패스 DMVR, 다중 레벨 DMVR, 또는 다중 단계 DMVR 등으로 혼용되거나 대체되어 사용될 수도 있다.
즉, 디코딩 장치는 현재 블록에 대한 최종 리파인된 움직임 벡터를 도출하기 위해 다중 레이어(또는 다중 패스, 다중 레벨, 다중 단계 등)를 사용하여 DMVR을 적용할지 여부를 결정할 수 있다.
이때, 디코딩 장치는 상술한 실시예들에 따라서 현재 블록에 대해 MDMVR을 사용할지 여부를 결정할 수 있다.
일 실시예로, MDMVR의 사용 여부는 여러 파라미터 세트에서 시그널링되는 정보를 기반으로 결정될 수 있다. 일예로, MDMVR의 사용 여부를 나타내는 것에 관련된 제1 플래그 정보를 기반으로 MDMVR의 사용 여부가 결정될 수 있다. 제1 플래그 정보는 SPS(Sequence Parameter Set)에서 시그널링될 수 있다. 이 경우, MDMVR의 사용 여부는 전체 시퀀스에 대해 정해질 수 있으며, 또한, 시퀀스 레벨에서 추가 제어 정보를 시그널링하여, 하위 레벨(예: PPS(Picture Parameter Set)/PH(Picture header)/SH(Slice header)/CU(Coding unit) 및/또는 다른 적절한 헤더)에서 MDMVR의 적용 여부를 결정할 수 있다. 일예로, SPS에서 시그널링된 상기 제1 플래그 정보를 기반으로(즉, MDMVR이 사용되는 것과 관련된 제1 플래그 정보를 기반으로), 예컨대 제1 플래그 정보의 값이 1인 경우, MDMVR의 제어에 관련된 제2 플래그 정보가 시그널링될 수 있다. 제2 플래그 정보는 하위 레벨에서 MDMVR의 사용 여부를 제어하기 위한 정보이며, PPS, PH, SH, CU 또는 다른 적절한 헤더에서 MDMVR에 관련된 신택스 엘리먼트가 존재하는지 여부에 관련된 정보일 수 있다.
구체적인 예로, 도 7 및 도 8을 참조하여 설명한 바와 같이, SPS 레벨에서의 MDMVR이 사용되는지 여부에 관련된 제1 플래그 정보를 기반으로(예: 제1 플래그 정보의 값이 1인 경우), PPS/PH에서의 MDMVR 제어에 관련된 제2 플래그 정보가 시그널링될 수 있다. 이때, 제2 플래그 정보가 PPS/PH에서의 MDMVR 제어에 관련된 신택스 엘리먼트가 존재함을 나타내는 경우, PPS/PH로부터 MDMVR 제어에 관련된 신택스 엘리먼트들이 더 시그널링될 수 있다. 또는, 제2 플래그 정보가 PPS/PH에서의 MDMVR 제어에 관련된 신택스 엘리먼트가 존재하지 않음을 나타내는 경우, 하위 레벨(예: CU, SH)에서 MDMVR에 관련된 신택스 엘리먼트들이 시그널링될 수 있다.
또한, 일예로, 상술한 바와 같은 상위 레벨(예: SPS)에서 시그널링되는 제1 플래그 정보는 고정 길이 코딩(fixed length coding)에 의해 이진화될 수 있다. 또한, 제1 플래그 및/또는 제2 플래그를 기반으로 MDMVR에 관련된 신택스 엘리먼트가 PPS, PH, SH, CU와 같은 하위 레벨에서 시그널링되는 경우, 상기 MDMVR에 관련된 신택스 엘리먼트는 컨텍스트 코딩(context coding)을 기반으로 도출(즉, 파싱)될 수 있다. 예를 들어, 상기 MDMVR에 관련된 신택스 엘리먼트는 MDMVR 수행을 위해 필요한 세부 정보를 포함할 수 있으며, 예컨대 레이어의 수, MDMVR 적용의 그래뉼러티(granularity), 조기 종료가 명시적으로 사용되는지 여부 등을 포함할 수 있다. 또한, 상기 MDMVR에 관련된 신택스 엘리먼트의 컨텍스트 코딩을 수행함에 있어서, 컨텍스트 모델의 수, 초기화 값이 결정될 수 있으며, 이때 블록 통계의 관련 측면을 고려하여 결정될 수 있다.
또한, 일 실시예로, 현재 블록이 적어도 하나의 PU(prediction unit)를 포함하는 CU(coding unit)일 수 있으며, 이 경우 적어도 하나의 PU에 대해 MDMVR의 레이어 수가 결정될 수 있다. 예를 들어, 현재 블록 내 제1 PU에 대해서는 2개의 레이어를 사용하여 MDMVR을 적용할 수 있고, 현재 블록 내 제2 PU에 대해서는 3개의 레이어를 사용하여 MDMVR을 적용할 수 있다. 또는, 각 CU 마다 MDMVR의 레이어 수가 결정될 수도 있다. 이 경우, CU 내 모든 PU들은 동일한 레이어 수를 가질 수 있다.
또한, 일 실시예로, MDMVR의 사용 여부는 MVD(Motion Vector Difference) 정보를 기반으로 결정될 수 있다. 예를 들어, MVD가 미리 결정된 임계값을 초과하는지 여부에 기반하여 먼저 DMVR의 사용 여부를 결정할 수 있다. 일예로, MVD가 미리 결정된 임계값을 초과하면, DMVR을 적용하지 않는 것으로 결정할 수 있다. 이때, 임계값은 ¼ 화소(pel), ½ 화소(pel), 1 화소(pel), 4 화소(pel) 및/또는 기타 적절한 MVD 단위로 선택될 수 있다. 또는, 특정 블록 크기에 대해, 상기 임계값을 만족하지 못하면 DMVR을 적용하지 않을 수 있다. 또는, 예를 들어, 상기 임계값을 기반으로 DMVR에 단일 레이어, 또는 다중 레이어를 적용해야 하는지 여부를 결정할 수 있다. 예컨대, MVD가 특정 임계값의 범위 내에 있는 경우, 8x8 레벨이 아닌 16x16 레벨에서 DMVR을 수행할 수 있다. 다시 말해, MVD가 미리 결정된 임계값을 초과하는지 여부에 기반하여 MDMVR이 현재 블록에 적용되는지 여부를 결정할 수 있다. 일예로, MVD가 미리 결정된 임계값을 초과하면, MDMVR을 적용하지 않는 것으로 결정할 수 있다. 또한, 상기 MVD 정보가 미리 결정된 임계값 범위 내에 있는지를 기반으로 MDMVR의 레이어 수가 결정될 수도 있다.
또한, 일 실시예로, 현재 블록에 MDMVR이 사용되는 것을 기반으로(즉, 현재 블록에 MDMVR이 수행되는 경우), MDMVR의 각 레이어에 대해 탐색 패턴 및 탐색 영역의 크기를 결정할 수 있다.
예를 들어, 각 레이어는 동일한 탐색 패턴을 가질 수도 있고, 다른 탐색 패턴을 가질 수도 있다. 또한, 예를 들어, 탐색 패턴은 정사각형, 다이아몬드형, 십자형, 직사각형 및/또는 블록의 기본적인 움직임을 캡처하기 위한 다른 적절한 모양을 포함할 수 있다. 이때, 탐색 패턴은 x 방향의 움직임 벡터 및 y 방향의 움직임 벡터에 기반하여 결정되거나, 또는 수직 움직임 및 수평 움직임에 기반하여 결정될 수 있다. 일예로, x 방향의 움직임 벡터가 y 방향의 움직임 벡터보다 큰 경우, 직사각형 탐색 패턴이 블록의 기본적인 움직임을 캡처하는데 더 적합할 수 있다. 또는, 일예로, 수직 움직임이 더 많은 블록에 대해 다이아몬드형/십자형 탐색 패턴이 더 적합할 수 있다.
또한, 예를 들어, 탐색 영역의 크기는 블록 크기에 기반하여 결정될 수 있다. 일예로, 큰 블록이 사용되는 경우, 7x7/8x8, 또는 그 이상, 또는 다른 적절한 정사각형/다이아몬드형 탐색 패턴을 사용할 수 있다. 또는, 일예로, 작은 블록이 사용되는 경우, 탐색 영역은 5x5보다 작은 크기를 가질 수 있다. 또는, 일예로, 탐색 영역의 크기는 기본적인 움직임 정보, 이용 가능한 주변 블록들의 움직임 특성에 기반하여 결정될 수 있으며, 예컨대 블록 MVD가 미리 결정된 임계값 T 보다 크면, 7x7 탐색 영역이 사용될 수 있다.
또한, 예를 들어, 탐색 포인트는 탐색 패턴을 기반으로 결정될 수 있다. 일예로, 초기에 탐색 포인트와 상관 관계가 있는 경우 더 큰 크기의 탐색 패턴을 사용할 수 있다. 이후 더 작은 크기의 탐색 패턴 및 더 적은 수의 탐색 포인트가 고려되면 레이어에서 탐색 영역을 줄일 수 있다.
또한, 예를 들어, 초기 탐색 패턴의 정확도는 정수 기반으로 정해질 수 있고, 추가 레이어 정확도는 ½-화소(pel) 또는 ¼-화소(pel)로 정해질 수 있다.
또한, 일 실시예로, 리파인된 움직임 벡터는 SAD(Sum of Absolute Differences) 또는 MR-SAD(Mean Removed - Sum of Absolute Difference)를 기반으로 도출될 수 있다. 다시 말해, MDMVR의 적용에 의해 도출되는 리파인된 움직임 벡터는 SAD 또는 MR-SAD에 기반하여 왜곡을 측정하고, 이에 기반하여 최종 리파인된 움직임 벡터가 도출될 수 있다. 또한, 리파인된 움직임 벡터를 도출함에 있어, L0 노름(norm) 또는 유클리디안 노름(Euclidean Norm) (L2) 등을 사용할 수도 있다.
또한, 일 실시예로, 리파인된 움직임 벡터는 가중치를 적용한 최소 왜곡 비용을 기반으로 도출될 수 있다. 여기서, 최소 왜곡 비용은 특정 탐색 지점의 왜곡이 다른 탐색 지점보다 우선되는 경우에 기반하여 가중치를 적용하여 계산될 수 있다. 일예로, 초기 탐색 지점이 탐색 범위 내의 다른 지점보다 우선되어야 하는 경우, 초기 오류/왜곡 메트릭(error/distortion metric)에 대한 가중치를 적용하여 초기 값(들)에 대한 최소 왜곡 비용을 계산할 수 있다. 또는, 일예로, 주변 블록들의 이용 가능한 움직임 정보를 고려하여 가중치를 결정하여 최소 왜곡 비용을 계산할 수 있다.
또한, 일 실시예로, 현재 블록에 MDMVR이 사용되는 것을 기반으로, MDMVR의 각 레이어에 대해 종료 조건을 만족하는지 여부를 결정하여 MDMVR을 수행할 수 있다. 상기 종료 조건은 초기 움직임 벡터 및 리파인된 움직임 벡터 사이의 거리, 샘플 기반 차이, 또는 SAD 기반 차이가 임계값보다 작은지 여부를 기반으로 각 레이어에 대한 MDMVR 종료를 결정할 수 있다. 일예로, 초기 시작 MV 및 반복 동안의 지점에서의 MV(즉, 리파인된 MV) 사이의 거리가 임계값 T 보다 작은 경우, 종료 조건을 만족하는 것으로 판단하여 MDMVR을 종료할 수 있다. 또한, 상기 종료 조건을 만족하는지 여부를 결정함에 있어서, MDMVR의 레이어 사이에 확인할 수 있다. 일예로, MDMVR의 첫번째 레이어 이후에 종료 조건을 만족하는 것으로 판단한 경우, 이후 나머지 레이어에 대해서는 MDMVR을 수행하지 않을 수 있고 조기 종료될 수 있다.
또한, 일 실시예로, 처리를 기다리는 동안 참조 샘플들을 미리 가져와서(pre-fetch) 메모리에 저장할 수 있다. 예를 들어, 샘플들을 미리 가져온(pre-fetch) 경우, 샘플들은 참조 샘플 패딩될 수 있다.
디코딩 장치는 현재 블록에 MDMVR이 사용되는 것을 기반으로, 현재 블록에 대한 리파인된 움직임 벡터를 도출할 수 있다(S1110).
즉, 상술한 바와 같은 실시예(들)에 따라 현재 블록에 MDMVR이 사용되는지 여부가 결정될 수 있다. 이때, 디코딩 장치는 MDMVR이 사용되는 것으로 결정되면 현재 블록에 대해 MDMVR을 적용하여 리파인된 움직임 벡터를 도출할 수 있다.
일 실시예로, 먼저 디코딩 장치는 비트스트림으로부터 예측 관련 정보를 포함하는 영상 정보를 획득하고, 상기 예측 관련 정보를 기반으로 현재 블록에 대한 예측 모드를 결정할 수 있다. 그리고, 디코딩 장치는 예측 모드를 기반으로 현재 블록의 움직임 정보(움직임 벡터, 참조 픽처 인덱스 등)를 도출할 수 있다. 여기서, 예측 모드는 스킵 모드, 머지 모드, (A)MVP 모드 등을 포함할 수 있다.
이후, 상술한 바와 같이, 현재 블록에 대해 MDMVR을 적용하기로 결정된 경우, 디코딩 장치는 움직임 벡터에 대해 MDMVR을 적용하여 최종적으로 리파인된 움직임 벡터를 도출할 수 있다.
디코딩 장치는 리파인된 움직임 벡터를 기반으로 현재 블록에 대한 예측 샘플들을 도출할 수 있고(S1120), 상기 예측 샘플들을 기반으로 현재 블록에 대한 복원 샘플들을 생성할 수 있다(S1130).
일 실시예로, 디코딩 장치는 예측 모드에 따라 예측 샘플들을 바로 복원 샘플들로 이용할 수도 있고, 또는 상기 예측 샘플들에 레지듀얼 샘플들을 더하여 복원 샘플들을 생성할 수도 있다.
디코딩 장치는 현재 블록에 대한 레지듀얼 샘플이 존재하는 경우, 현재 블록에 대한 레지듀얼에 관한 정보를 수신할 수 있다. 레지듀얼에 관한 정보는 레지듀얼 샘플들에 관한 변환 계수를 포함할 수 있다. 디코딩 장치는 레지듀얼 정보를 기반으로 현재 블록에 대한 레지듀얼 샘플들(또는 레지듀얼 샘플 어레이)을 도출할 수 있다. 구체적으로, 디코딩 장치는 레지듀얼 정보를 기반으로 양자화된 변환 계수들을 도출할 수 있다. 양자화된 변환 계수들은 계수 스캔 순서를 기반으로 1차원 벡터 형태를 가질 수 있다. 디코딩 장치는 상기 양자화된 변환 계수들에 대한 역양자화 절차를 기반으로 변환 계수들을 도출할 수 있다. 디코딩 장치는 변환 계수들을 기반으로 레지듀얼 샘플들을 도출할 수 있다.
디코딩 장치는 예측 샘플들과 레지듀얼 샘플들을 기반으로 복원 샘플들을 생성할 수 있고, 상기 복원 샘플들을 기반으로 복원 블록 또는 복원 픽처를 도출할 수 있다. 구체적으로 디코딩 장치는 예측 샘플들과 레지듀얼 샘플들 간의 합을 기반으로 복원 샘플들을 생성할 수 있다. 이후 디코딩 장치는 필요에 따라 주관적/객관적 화질을 향상시키기 위하여 디블록킹 필터링 및/또는 SAO 절차와 같은 인루프 필터링 절차를 상기 복원 픽처에 적용할 수 있음은 상술한 바와 같다.
상술한 실시예에서, 방법들은 일련의 단계 또는 블록으로써 순서도를 기초로 설명되고 있지만, 본 문서의 실시예들은 단계들의 순서에 한정되는 것은 아니며, 어떤 단계는 상술한 바와 다른 단계와 다른 순서로 또는 동시에 발생할 수 있다. 또한, 당업자라면 순서도에 나타내어진 단계들이 배타적이지 않고, 다른 단계가 포함되거나 순서도의 하나 또는 그 이상의 단계가 본 문서의 범위에 영향을 미치지 않고 삭제될 수 있음을 이해할 수 있을 것이다.
상술한 본 문서에 따른 방법은 소프트웨어 형태로 구현될 수 있으며, 본 문서에 따른 인코딩 장치 및/또는 디코딩 장치는 예를 들어 TV, 컴퓨터, 스마트폰, 셋톱박스, 디스플레이 장치 등의 영상 처리를 수행하는 장치에 포함될 수 있다.
본 문서에서 실시예들이 소프트웨어로 구현될 때, 상술한 방법은 상술한 기능을 수행하는 모듈(과정, 기능 등)로 구현될 수 있다. 모듈은 메모리에 저장되고, 프로세서에 의해 실행될 수 있다. 메모리는 프로세서 내부 또는 외부에 있을 수 있고, 잘 알려진 다양한 수단으로 프로세서와 연결될 수 있다. 프로세서는 ASIC(application-specific integrated circuit), 다른 칩셋, 논리 회로 및/또는 데이터 처리 장치를 포함할 수 있다. 메모리는 ROM(read-only memory), RAM(random access memory), 플래쉬 메모리, 메모리 카드, 저장 매체 및/또는 다른 저장 장치를 포함할 수 있다. 즉, 본 문서에서 설명한 실시예들은 프로세서, 마이크로 프로세서, 컨트롤러 또는 칩 상에서 구현되어 수행될 수 있다. 예를 들어, 각 도면에서 도시한 기능 유닛들은 컴퓨터, 프로세서, 마이크로 프로세서, 컨트롤러 또는 칩 상에서 구현되어 수행될 수 있다. 이 경우 구현을 위한 정보(ex. information on instructions) 또는 알고리즘이 디지털 저장 매체에 저장될 수 있다.
또한, 본 문서의 실시예(들)이 적용되는 디코딩 장치 및 인코딩 장치는 멀티미디어 방송 송수신 장치, 모바일 통신 단말, 홈 시네마 비디오 장치, 디지털 시네마 비디오 장치, 감시용 카메라, 비디오 대화 장치, 비디오 통신과 같은 실시간 통신 장치, 모바일 스트리밍 장치, 저장 매체, 캠코더, 주문형 비디오(VoD) 서비스 제공 장치, OTT 비디오(Over the top video) 장치, 인터넷 스트리밍 서비스 제공 장치, 3차원(3D) 비디오 장치, VR(virtual reality) 장치, AR(argumente reality) 장치, 화상 전화 비디오 장치, 운송 수단 단말 (ex. 차량(자율주행차량 포함) 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 Recoder) 등을 포함할 수 있다.
또한, 본 문서의 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. 상기 컴퓨터가 판독할 수 있는 기록 매체는 컴퓨터로 읽을 수 있는 데이터가 저장되는 모든 종류의 저장 장치 및 분산 저장 장치를 포함한다. 상기 컴퓨터가 판독할 수 있는 기록 매체는, 예를 들어, 블루레이 디스크(BD), 범용 직렬 버스(USB), ROM, PROM, EPROM, EEPROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크 및 광학적 데이터 저장 장치를 포함할 수 있다. 또한, 상기 컴퓨터가 판독할 수 있는 기록 매체는 반송파(예를 들어, 인터넷을 통한 전송)의 형태로 구현된 미디어를 포함한다. 또한, 인코딩 방법으로 생성된 비트스트림이 컴퓨터가 판독할 수 있는 기록 매체에 저장되거나 유무선 통신 네트워크를 통해 전송될 수 있다.
또한, 본 문서의 실시예(들)는 프로그램 코드에 의한 컴퓨터 프로그램 제품으로 구현될 수 있고, 상기 프로그램 코드는 본 문서의 실시예(들)에 의해 컴퓨터에서 수행될 수 있다. 상기 프로그램 코드는 컴퓨터에 의해 판독가능한 캐리어 상에 저장될 수 있다.
도 13은 본 문서에서 개시된 실시예들이 적용될 수 있는 컨텐츠 스트리밍 시스템의 예를 나타낸다.
도 13을 참조하면, 본 문서의 실시예들이 적용되는 컨텐츠 스트리밍 시스템은 크게 인코딩 서버, 스트리밍 서버, 웹 서버, 미디어 저장소, 사용자 장치 및 멀티미디어 입력 장치를 포함할 수 있다.
상기 인코딩 서버는 스마트폰, 카메라, 캠코더 등과 같은 멀티미디어 입력 장치들로부터 입력된 컨텐츠를 디지털 데이터로 압축하여 비트스트림을 생성하고 이를 상기 스트리밍 서버로 전송하는 역할을 한다. 다른 예로, 스마트폰, 카메라, 캠코더 등과 같은 멀티미디어 입력 장치들이 비트스트림을 직접 생성하는 경우, 상기 인코딩 서버는 생략될 수 있다.
상기 비트스트림은 본 문서의 실시예들이 적용되는 인코딩 방법 또는 비트스트림 생성 방법에 의해 생성될 수 있고, 상기 스트리밍 서버는 상기 비트스트림을 전송 또는 수신하는 과정에서 일시적으로 상기 비트스트림을 저장할 수 있다.
상기 스트리밍 서버는 웹 서버를 통한 사용자 요청에 기초하여 멀티미디어 데이터를 사용자 장치에 전송하고, 상기 웹 서버는 사용자에게 어떠한 서비스가 있는지를 알려주는 매개체 역할을 한다. 사용자가 상기 웹 서버에 원하는 서비스를 요청하면, 상기 웹 서버는 이를 스트리밍 서버에 전달하고, 상기 스트리밍 서버는 사용자에게 멀티미디어 데이터를 전송한다. 이때, 상기 컨텐츠 스트리밍 시스템은 별도의 제어 서버를 포함할 수 있고, 이 경우 상기 제어 서버는 상기 컨텐츠 스트리밍 시스템 내 각 장치 간 명령/응답을 제어하는 역할을 한다.
상기 스트리밍 서버는 미디어 저장소 및/또는 인코딩 서버로부터 컨텐츠를 수신할 수 있다. 예를 들어, 상기 인코딩 서버로부터 컨텐츠를 수신하게 되는 경우, 상기 컨텐츠를 실시간으로 수신할 수 있다. 이 경우, 원활한 스트리밍 서비스를 제공하기 위하여 상기 스트리밍 서버는 상기 비트스트림을 일정 시간동안 저장할 수 있다.
상기 사용자 장치의 예로는, 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)), 디지털 TV, 데스크탑 컴퓨터, 디지털 사이니지 등이 있을 수 있다.
상기 컨텐츠 스트리밍 시스템 내 각 서버들은 분산 서버로 운영될 수 있으며, 이 경우 각 서버에서 수신하는 데이터는 분산 처리될 수 있다.
본 문서에 기재된 청구항들은 다양한 방식으로 조합될 수 있다. 예를 들어, 본 문서의 방법 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 문서의 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다. 또한, 본 문서의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 장치로 구현될 수 있고, 본 문서의 방법 청구항의 기술적 특징과 장치 청구항의 기술적 특징이 조합되어 방법으로 구현될 수 있다.

Claims (15)

  1. 디코딩 장치에 의하여 수행되는 영상 디코딩 방법에 있어서,
    현재 블록에 대해 다중 레이어(multi-layer) DMVR(Decoder-side Motion Vector Refinement)(MDMVR)의 사용 여부를 결정하는 단계;
    상기 현재 블록에 상기 MDMVR이 사용되는 것을 기반으로, 상기 현재 블록에 대한 리파인된 움직임 벡터를 도출하는 단계;
    상기 리파인된 움직임 벡터를 기반으로 상기 현재 블록에 대한 예측 샘플들을 도출하는 단계; 및
    상기 예측 샘플들을 기반으로 상기 현재 블록에 대한 복원 샘플들을 생성하는 단계를 포함하는 것을 특징으로 하는 영상 디코딩 방법.
  2. 제1항에 있어서,
    상기 MDMVR의 사용 여부는, 상기 MDMVR의 사용 여부에 관련된 제1 플래그 정보를 기반으로 결정되며,
    상기 제1 플래그 정보는 SPS(Sequence Parameter Set)에서 시그널링되는 것을 특징으로 하는 영상 디코딩 방법.
  3. 제2항에 있어서,
    상기 MDMVR이 사용되는 것과 관련된 상기 제1 플래그 정보를 기반으로, 상기 MDMVR의 제어에 관련된 제2 플래그 정보가 시그널링되며,
    상기 제2 플래그 정보는, PPS(Picture Parameter Set), PH(Picture header), SH(Slice header) 또는 CU(Coding unit)에서 상기 MDMVR에 관련된 신택스 엘리먼트가 존재하는지 여부에 관련된 정보인 것을 특징으로 하는 영상 디코딩 방법.
  4. 제2항에 있어서,
    상기 제1 플래그 정보는 고정 길이 코딩(fixed length coding)에 의해 이진화되는 것을 특징으로 하는 영상 디코딩 방법.
  5. 제3항에 있어서,
    상기 제2 플래그 정보를 기반으로, 상기 MDMVR에 관련된 신택스 엘리먼트가 상기 PPS, 상기 PH, 상기 SH 또는 상기 CU에서 시그널링되고,
    상기 MDMVR에 관련된 신택스 엘리먼트는 컨텍스트 코딩(context coding)을 기반으로 도출되는 것을 특징으로 하는 영상 디코딩 방법.
  6. 제1항에 있어서,
    상기 현재 블록은 적어도 하나의 PU(prediction unit)를 포함하되,
    상기 적어도 하나의 PU에 대해 상기 MDMVR의 레이어 수가 결정되는 것을 특징으로 하는 영상 디코딩 방법.
  7. 제1항에 있어서,
    상기 MDMVR의 사용 여부는, MVD(Motion Vector Difference) 정보를 기반으로 결정되며,
    상기 MVD 정보가 미리 결정된 임계값을 초과하는지 여부에 기반하여 상기 MDMVR이 상기 현재 블록에 적용되는지 여부가 결정되는 것을 특징으로 하는 영상 디코딩 방법.
  8. 제7항에 있어서,
    상기 MVD 정보가 미리 결정된 임계값 범위 내에 있는지를 기반으로 상기 MDMVR의 레이어 수가 결정되는 것을 특징으로 하는 영상 디코딩 방법.
  9. 제1항에 있어서,
    상기 현재 블록에 상기 MDMVR이 사용되는 것을 기반으로, 상기 MDMVR의 각 레이어에 대해 탐색 패턴 및 탐색 영역의 크기를 결정하되,
    상기 탐색 패턴은, x 방향의 움직임 벡터 및 y 방향의 움직임 벡터에 기반하여 결정되거나, 또는 수직 움직임 및 수평 움직임에 기반하여 결정되고,
    상기 탐색 영역의 크기는, 블록 크기에 기반하여 결정되는 것을 특징으로 하는 영상 디코딩 방법.
  10. 제1항에 있어서,
    상기 리파인된 움직임 벡터는, SAD(Sum of Absolute Differences) 또는 MR-SAD(Mean Removed - Sum of Absolute Difference)를 기반으로 도출되는 것을 특징으로 하는 영상 디코딩 방법.
  11. 제1항에 있어서,
    상기 리파인된 움직임 벡터는, 가중치를 적용한 최소 왜곡 비용을 기반으로 도출하되,
    상기 최소 왜곡 비용은, 특정 탐색 지점의 왜곡이 우선되는 경우에 기반하여 상기 가중치를 적용하여 계산되는 것을 특징으로 하는 영상 디코딩 방법.
  12. 제1항에 있어서,
    상기 현재 블록에 상기 MDMVR이 사용되는 것을 기반으로, 상기 MDMVR의 각 레이어에 대해 종료 조건을 만족하는지 여부를 결정하되,
    상기 종료 조건은,
    초기 움직임 벡터 및 리파인된 움직임 벡터 사이의 거리, 샘플 기반 차이, 또는 SAD 기반 차이가 임계값보다 작은지 여부를 기반으로 상기 각 레이어에 대한 상기 MDMVR 종료를 결정하는 것을 특징으로 하는 영상 디코딩 방법.
  13. 인코딩 장치에 의하여 수행되는 영상 인코딩 방법에 있어서,
    현재 블록에 대해 다중 레이어(multi-layer) DMVR(Decoder-side Motion Vector Refinement)(MDMVR)의 사용 여부를 결정하는 단계;
    상기 현재 블록에 상기 MDMVR이 사용되는 것을 기반으로, 상기 현재 블록에 대한 리파인된 움직임 벡터를 도출하는 단계;
    상기 리파인된 움직임 벡터를 기반으로 상기 현재 블록에 대한 예측 샘플들을 도출하는 단계;
    상기 예측 샘플들을 기반으로 레지듀얼 샘플들을 도출하는 단계; 및
    상기 레지듀얼 샘플들에 관한 정보를 포함하는 영상 정보를 인코딩하여 비트스트림을 생성하는 단계를 포함하는 것을 특징으로 하는 영상 인코딩 방법.
  14. 청구항 제13항의 영상 인코딩 방법에 의해 생성되는 비트스트림을 저장하는 컴퓨터 판독 가능한 디지털 저장 매체.
  15. 영상 정보의 비트스트림을 포함하는 데이터에 대한 전송 방법에 있어서,
    상기 영상 정보의 상기 비트스트림을 획득하되, 상기 비트스트림은 현재 블록에 대해 다중 레이어(multi-layer) DMVR(Decoder-side Motion Vector Refinement)(MDMVR)의 사용 여부를 결정하는 단계, 상기 현재 블록에 상기 MDMVR이 사용되는 것을 기반으로, 상기 현재 블록에 대한 리파인된 움직임 벡터를 도출하는 단계, 상기 리파인된 움직임 벡터를 기반으로 상기 현재 블록에 대한 예측 샘플들을 도출하는 단계, 상기 예측 샘플들을 기반으로 레지듀얼 샘플들을 도출하는 단계, 및 상기 레지듀얼 샘플들에 관한 정보를 포함하는 영상 정보를 인코딩하는 단계를 기반으로 생성되는 단계; 및
    상기 비트스트림을 포함하는 상기 데이터를 전송하는 단계를 포함하는 것을 특징으로 하는 전송 방법.
PCT/KR2022/014755 2021-10-01 2022-09-30 Mdmvr 기반 영상 코딩 방법 및 장치 WO2023055171A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202280064900.5A CN118044201A (zh) 2021-10-01 2022-09-30 基于mdmvr的图像编译方法及设备
EP22876943.6A EP4412212A1 (en) 2021-10-01 2022-09-30 Mdmvr-based image coding method and device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US202163251041P 2021-10-01 2021-10-01
US63/251,041 2021-10-01

Publications (1)

Publication Number Publication Date
WO2023055171A1 true WO2023055171A1 (ko) 2023-04-06

Family

ID=85780839

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/014755 WO2023055171A1 (ko) 2021-10-01 2022-09-30 Mdmvr 기반 영상 코딩 방법 및 장치

Country Status (3)

Country Link
EP (1) EP4412212A1 (ko)
CN (1) CN118044201A (ko)
WO (1) WO2023055171A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200017406A (ko) * 2017-06-13 2020-02-18 퀄컴 인코포레이티드 모션 벡터 예측
WO2020186275A1 (en) * 2019-06-04 2020-09-17 Futurewei Technologies, Inc Inter coding in video coding with the support of multiple layers
WO2021058596A1 (en) * 2019-09-24 2021-04-01 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Encoder, decoder and data stream for gradual decoder refresh coding and scalable coding
KR20210107733A (ko) * 2019-01-18 2021-09-01 주식회사 윌러스표준기술연구소 모션 보상을 이용한 비디오 신호 처리 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200017406A (ko) * 2017-06-13 2020-02-18 퀄컴 인코포레이티드 모션 벡터 예측
KR20210107733A (ko) * 2019-01-18 2021-09-01 주식회사 윌러스표준기술연구소 모션 보상을 이용한 비디오 신호 처리 방법 및 장치
WO2020186275A1 (en) * 2019-06-04 2020-09-17 Futurewei Technologies, Inc Inter coding in video coding with the support of multiple layers
WO2021058596A1 (en) * 2019-09-24 2021-04-01 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Encoder, decoder and data stream for gradual decoder refresh coding and scalable coding

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
GAO HAN; CHEN XU; ESENLIK SEMIH; CHEN JIANLE; STEINBACH ECKEHARD: "Decoder-Side Motion Vector Refinement in VVC: Algorithm and Hardware Implementation Considerations", IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY, vol. 31, no. 8, 9 November 2020 (2020-11-09), USA, pages 3197 - 3211, XP011870333, ISSN: 1051-8215, DOI: 10.1109/TCSVT.2020.3037024 *

Also Published As

Publication number Publication date
EP4412212A1 (en) 2024-08-07
CN118044201A (zh) 2024-05-14

Similar Documents

Publication Publication Date Title
WO2020166897A1 (ko) Dmvr 기반의 인터 예측 방법 및 장치
WO2020071830A1 (ko) 히스토리 기반 움직임 정보를 이용한 영상 코딩 방법 및 그 장치
WO2020256389A1 (ko) Bdpcm 기반 영상 디코딩 방법 및 그 장치
WO2020184991A1 (ko) Ibc 모드를 이용한 영상 부호화/복호화 방법, 장치 및 비트스트림을 전송하는 방법
WO2020256390A1 (ko) 블록 사이즈를 기반으로 bdpcm 을 수행하는 영상 디코딩 방법 및 그 장치
WO2020251319A1 (ko) Sbtmvp를 이용한 인터 예측 기반 영상 또는 비디오 코딩
WO2021137597A1 (ko) Ols에 대한 dpb 파라미터를 사용하는 영상 디코딩 방법 및 그 장치
WO2021125700A1 (ko) 예측 가중 테이블 기반 영상/비디오 코딩 방법 및 장치
WO2020235961A1 (ko) 영상 디코딩 방법 및 그 장치
WO2020167097A1 (ko) 영상 코딩 시스템에서 인터 예측을 위한 인터 예측 타입 도출
WO2020256455A1 (ko) 디폴트 머지 모드에 기반하여 예측 샘플을 도출하는 영상 디코딩 방법 및 그 장치
WO2020251323A1 (ko) 인터 예측 기반 영상 코딩 방법 및 장치
WO2020141879A1 (ko) 영상 코딩 시스템에서 서브 블록 기반 시간적 머지 후보를 사용하는 어파인 움직임 예측에 기반한 영상 디코딩 방법 및 장치
WO2021141227A1 (ko) 영상 디코딩 방법 및 그 장치
WO2020251270A1 (ko) 서브블록 단위의 시간적 움직임 정보 기반 영상 또는 비디오 코딩
WO2020235960A1 (ko) Bdpcm 에 대한 영상 디코딩 방법 및 그 장치
WO2020251324A1 (ko) 움직임 벡터 차분들을 이용한 영상 코딩 방법 및 장치
WO2020251259A1 (ko) 쌍 예측(bi-prediction)을 위한 가중치 인덱스 정보를 도출하는 영상 디코딩 방법 및 그 장치
WO2020076069A1 (ko) Atmvp 후보를 기반으로 영상 코딩을 수행하는 장치
WO2021125702A1 (ko) 가중된 예측에 기반한 영상/비디오 코딩 방법 및 장치
WO2021091256A1 (ko) 영상/비디오 코딩 방법 및 장치
WO2024005616A1 (ko) 영상 인코딩/디코딩 방법 및 장치, 그리고 비트스트림을 저장한 기록 매체
WO2020251340A1 (ko) 움직임 벡터 예측 기반 영상/비디오 코딩 방법 및 장치
WO2020256329A1 (ko) 움직임 예측에 기반한 영상 코딩 방법 및 장치
WO2020184953A1 (ko) 쌍 예측을 위한 가중치 인덱스 정보를 유도하는 비디오 또는 영상 코딩

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: 22876943

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 18693881

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 202280064900.5

Country of ref document: CN

ENP Entry into the national phase

Ref document number: 2024519056

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2022876943

Country of ref document: EP

Effective date: 20240502