WO2023172090A1 - 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체 - Google Patents

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

Info

Publication number
WO2023172090A1
WO2023172090A1 PCT/KR2023/003248 KR2023003248W WO2023172090A1 WO 2023172090 A1 WO2023172090 A1 WO 2023172090A1 KR 2023003248 W KR2023003248 W KR 2023003248W WO 2023172090 A1 WO2023172090 A1 WO 2023172090A1
Authority
WO
WIPO (PCT)
Prior art keywords
feature
channel
information
mode
prediction
Prior art date
Application number
PCT/KR2023/003248
Other languages
English (en)
French (fr)
Inventor
김철근
임재현
곽동규
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
Publication of WO2023172090A1 publication Critical patent/WO2023172090A1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/184—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being bits, e.g. of the compressed video stream
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—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
    • H04N19/186—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 a colour or a chrominance component
    • 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
    • H04N19/44—Decoders specially adapted therefor, e.g. video decoders which are asymmetric with respect to the encoder
    • 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
    • H04N19/507—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction using conditional replenishment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding

Definitions

  • the present disclosure relates to a feature encoding/decoding method and device, and more specifically, to a feature encoding/decoding method and device for a channel skip mode that does not encode motion information and residuals of a feature channel, and a feature encoding method of the present disclosure. /Relates to a recording medium that stores a bitstream generated by a device.
  • the purpose of the present disclosure is to provide a feature encoding/decoding method and device with improved encoding/decoding efficiency.
  • the present disclosure aims to provide a feature encoding/decoding method and device considering that each feature channel includes different characteristics of input information.
  • the present disclosure aims to provide a feature encoding/decoding method and device that can implement a new encoding method for a feature channel with little change despite changes in input information.
  • the present disclosure aims to provide a feature encoding/decoding method and device for transmitting and obtaining information about a new encoding method.
  • the present disclosure aims to provide a method for transmitting a bitstream generated by the feature encoding method or device according to the present disclosure.
  • the present disclosure aims to provide a recording medium that stores a bitstream generated by the feature encoding method or device according to the present disclosure.
  • the present disclosure aims to provide a recording medium storing a bitstream that is received and decoded by the feature decoding device according to the present disclosure and used for feature restoration.
  • a feature decoding method is a feature decoding method performed by a feature decoding apparatus, and based on first information obtained from a bitstream, the prediction mode of the current feature channel is a channel skip mode.
  • a feature encoding method is a feature encoding method performed by a feature encoding apparatus, comprising: determining a prediction mode of a current feature channel; And based on that the prediction mode of the current feature channel is the channel skip mode, predicting the current feature channel with reference to a reference feature channel in a reference feature map, wherein the channel skip mode is a feature This is a mode in which motion information and residual information about the channel are not encoded, and the first information indicating whether the prediction mode of the current feature channel is the channel skip mode may be a feature encoding method encoded in a bitstream. .
  • a recording medium may store a bitstream generated by the feature encoding method or feature encoding device of the present disclosure.
  • a bitstream transmission method may transmit a bitstream generated by the feature encoding method or feature encoding device of the present disclosure to a feature decoding device.
  • a feature information encoding/decoding method and device with improved encoding/decoding efficiency can be provided.
  • the properties of each feature channel including different characteristics of input information can be reflected in the feature encoding/decoding method.
  • the amount of bits consumed in encoding and acquiring information unnecessary for machine tasks can be reduced.
  • FIG. 1 is a diagram schematically showing a VCM system to which embodiments of the present disclosure can be applied.
  • FIG. 2 is a diagram schematically showing a VCM pipeline structure to which embodiments of the present disclosure can be applied.
  • Figure 3 is a diagram schematically showing an image/video encoder to which embodiments of the present disclosure can be applied.
  • Figure 4 is a diagram schematically showing an image/video decoder to which embodiments of the present disclosure can be applied.
  • Figure 5 is a flowchart schematically showing a feature/feature map encoding procedure to which embodiments of the present disclosure can be applied.
  • Figure 6 is a flowchart schematically showing a feature/feature map decoding procedure to which embodiments of the present disclosure can be applied.
  • Figure 7 is a diagram showing an example of a feature map.
  • FIGS. 8A to 8D and FIG. 9 are diagrams showing examples of changes in feature channels according to changes in input data.
  • 10 to 12 are flowcharts showing a feature encoding method according to an embodiment of the present disclosure.
  • Figure 13 is a flowchart showing a feature decoding method according to an embodiment of the present disclosure.
  • Figure 14 is a flowchart showing a feature encoding method according to another embodiment of the present disclosure.
  • Figure 15 is a flowchart showing a feature decoding method according to another embodiment of the present disclosure.
  • FIG. 16 is a diagram illustrating an example of a VCM data structure and a channel skip mode signaling structure.
  • Figure 17 is a flowchart showing a feature encoding method according to another embodiment of the present disclosure.
  • Figure 18 is a flowchart showing a feature decoding method according to another embodiment of the present disclosure.
  • FIG. 19 is a diagram illustrating an example of a content streaming system to which embodiments of the present disclosure can be applied.
  • FIG. 20 is a diagram illustrating another example of a content streaming system to which embodiments of the present disclosure can be applied.
  • a component when a component is said to be “connected,” “coupled,” or “connected” to another component, this is not only a direct connection relationship, but also an indirect connection relationship in which another component exists in between. It may also be included.
  • a component when a component is said to "include” or “have” another component, this does not mean excluding the other component, but may further include another component, unless specifically stated to the contrary. .
  • first, second, etc. are used only for the purpose of distinguishing one component from other components, and do not limit the order or importance of components unless specifically mentioned. Accordingly, within the scope of the present disclosure, a first component in one embodiment may be referred to as a second component in another embodiment, and similarly, the second component in one embodiment may be referred to as a first component in another embodiment. It may also be called.
  • distinct components are intended to clearly explain each feature, and do not necessarily mean that the components are separated. That is, a plurality of components may be integrated to form one hardware or software unit, or one component may be distributed to form a plurality of hardware or software units. Accordingly, even if not specifically mentioned, such integrated or distributed embodiments are also included in the scope of the present disclosure.
  • components described in various embodiments do not necessarily mean essential components, and some may be optional components. Accordingly, embodiments consisting of a subset of the elements described in one embodiment are also included in the scope of the present disclosure. Additionally, embodiments that include other components in addition to the components described in the various embodiments are also included in the scope of the present disclosure.
  • This disclosure relates to video encoding and decoding, and terms used in this disclosure may have common meanings commonly used in the technical field to which this disclosure belongs, unless they are newly defined in this disclosure.
  • the present disclosure may be applied to methods disclosed in the Versatile Video Coding (VVC) standard and/or the Video Coding for Machines (VCM) standard.
  • VVC Versatile Video Coding
  • VCM Video Coding for Machines
  • the present disclosure includes the EVC (essential video coding) standard, AV1 (AOMedia Video 1) standard, AVS2 (2nd generation of audio video coding standard), or next-generation video/image coding standard (e.g., H.267 or H.268, etc.) It can be applied to the method disclosed in .
  • video may mean a set of a series of images over time.
  • Image may be information generated by artificial intelligence (AI). The input information used by AI in the process of performing a series of tasks, the information generated during the information processing process, and the information output can be used as images.
  • Picture generally refers to a unit representing one image in a specific time period, and a slice/tile is an encoding unit that forms part of a picture in encoding.
  • One picture may consist of one or more slices/tiles.
  • a slice/tile may include one or more coding tree units (CTUs).
  • CTUs coding tree units
  • the CTU may be divided into one or more CUs.
  • a tile is a rectangular area that exists within a specific tile row and a specific tile column within a picture, and may be composed of a plurality of CTUs.
  • a tile row can be defined as a rectangular area of CTUs, has a height equal to the height of the picture, and can have a width specified by a syntax element signaled from a bitstream portion such as a picture parameter set.
  • a tile row can be defined as a rectangular area of CTUs, has a width equal to the width of the picture, and can have a height specified by a syntax element signaled from a bitstream portion such as a picture parameter set.
  • Tile scan is a method of sequential ordering of CTUs that divide a picture.
  • CTUs may be sequentially ordered within a tile according to a CTU raster scan, and tiles within a picture may be sequentially ordered according to a raster scan order of tiles of the picture.
  • a slice may contain an integer number of complete tiles, or an integer number of consecutive complete CTU rows within one tile of one picture.
  • a slice can be contained exclusively in one single NAL unit.
  • One picture may consist 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 within a picture.
  • One tile may contain one or more bricks.
  • a brick may represent a rectangular area of CTU rows within a tile.
  • One tile can be divided into multiple bricks, and each brick can contain one or more CTU rows belonging to the tile. Tiles that are not divided into multiple bricks may also be treated as bricks.
  • pixel or “pel” may refer to the minimum unit that constitutes one picture (or video). Additionally, “sample” may be used as a term corresponding to a pixel. A sample may generally represent a pixel or a pixel value, and may represent only a pixel/pixel value of a luma component, or only a pixel/pixel value of a chroma component.
  • the pixel/pixel value is the independent information of each component when there is a picture composed of a set of components with different characteristics and meanings, or the pixel of the component generated through combination, synthesis, and analysis.
  • pixel/pixel value of R may be represented
  • pixel/pixel value of G may be represented
  • pixel/pixel value of B may be represented.
  • it may only represent the pixel/pixel value of the luma component synthesized using R, G, and B components.
  • it may only represent the pixel/pixel value of the image or information extracted through analysis of the R, G, and B components.
  • unit may represent a basic unit of image processing.
  • a unit may include at least one of a specific area of a picture and information related to the area.
  • One unit may include one luma block and two chroma (e.g., Cb, Cr) blocks.
  • unit may be used interchangeably with terms such as “sample array,” “block,” or “area.”
  • an MxN block may include a set (or array) of samples (or a sample array) or transform coefficients consisting of M columns and N rows.
  • a unit may represent a basic unit containing information for performing a specific task.
  • “current block” may mean one of “current coding block”, “current coding unit”, “encoding target block”, “decoding target block”, or “processing target block”.
  • “current block” may mean “current prediction block” or “prediction target block.”
  • transformation inverse transformation
  • quantization inverse quantization
  • “current block” may mean “current transformation block” or “transformation target block.”
  • filtering filtering target block.”
  • current block may mean “luma block of the current block” unless explicitly stated as a chroma block. “Chroma block of the current block” may be expressed explicitly including an explicit description of the chroma block, such as “chroma block” or “current chroma block.”
  • “/” and “,” may be interpreted as “and/or.”
  • “A/B” and “A, B” can be interpreted as “A and/or B.”
  • “A/B/C” and “A, B, C” may mean “at least one of A, B and/or C.”
  • This disclosure relates to video/image coding for machines (VCM).
  • VCM refers to a compression technology that encodes/decodes a part of a source image/video or information obtained from a source image/video for the purpose of machine vision.
  • the encoding/decoding target may be referred to as a feature.
  • Features may refer to information extracted from source images/videos based on task purpose, requirements, surrounding environment, etc.
  • a feature may have a different information form from the source image/video, and accordingly, the compression method and expression format of the feature may also be different from the video source.
  • VCM can be applied to a variety of application fields. For example, in a surveillance system that recognizes and tracks objects or people, VCM can be used to store or transmit object recognition information. In addition, in Intelligent Transportation or Smart Traffic systems, VCM uses vehicle location information collected from GPS, sensing information collected from LIDAR, radar, etc., and various vehicles. It can be used to transmit control information to other vehicles or infrastructure. Additionally, in the smart city field, VCM can be used to perform individual tasks of interconnected sensor nodes or devices.
  • FIG. 1 is a diagram schematically showing a VCM system to which embodiments of the present disclosure can be applied.
  • the VCM system may include an encoding device 10 and a decoding device 20.
  • the encoding device 10 may compress/encode features/feature maps extracted from the source image/video to generate a bitstream, and transmit the generated bitstream to the decoding device 20 through a storage medium or network.
  • the encoding device 10 may also be referred to as a feature encoding device.
  • features/feature maps can be generated at each hidden layer of the neural network. The size and number of channels of the generated feature map may vary depending on the type of neural network or the location of the hidden layer.
  • a feature map may be referred to as a feature set, and a feature or feature map may be referred to as 'feature information'.
  • the encoding device 10 may include a feature acquisition unit 11, an encoding unit 12, and a transmission unit 13.
  • the feature acquisition unit 11 may acquire a feature/feature map for the source image/video.
  • the feature acquisition unit 11 may acquire a feature/feature map from an external device, for example, a feature extraction network. In this case, the feature acquisition unit 11 performs a feature reception interface function.
  • the feature acquisition unit 11 may acquire a feature/feature map by executing a neural network (e.g., CNN, DNN, etc.) using the source image/video as input. In this case, the feature acquisition unit 11 performs a feature extraction network function.
  • a neural network e.g., CNN, DNN, etc.
  • the encoding device 10 may further include a source image generator (not shown) for acquiring the source image/video.
  • the source image generator may be implemented with an image sensor, a camera module, etc., and may acquire the source image/video through an image/video capture, synthesis, or creation process.
  • the generated source image/video can be transmitted to the feature extraction network and used as input data to extract features/feature maps.
  • the encoder 12 may encode the feature/feature map acquired by the feature acquisition unit 11.
  • the encoder 12 can perform a series of procedures such as prediction, transformation, and quantization to increase encoding efficiency.
  • Encoded data (encoded feature/feature map information) can be output in bitstream form.
  • a bitstream containing encoded feature/feature map information may be referred to as a VCM bitstream.
  • the transmission unit 13 can acquire feature/feature map information or data output in the form of a bitstream and transmit it to the decoding device 20 or other external objects in the form of a file or streaming through a digital storage medium or network.
  • digital storage media may include various storage media such as USB, SD, CD, DVD, Blu-ray, HDD, and SSD.
  • the transmission unit 13 may include elements for creating a media file with a predetermined file format or elements for transmitting data through a broadcasting/communication network.
  • the transmission unit 13 may be provided as a separate transmission device from the encoder 12.
  • the transmission device includes at least one processor that acquires feature/feature map information or data output in the form of a bitstream and a file file. Alternatively, it may include a transmission unit that transmits data in streaming form.
  • the decoding device 20 may obtain feature/feature map information from the encoding device 10 and restore the feature/feature map based on the obtained information.
  • the decoding device 20 may include a receiving unit 21 and a decoding unit 22.
  • the receiving unit 21 may receive a bitstream from the encoding device 10, obtain feature/feature map information from the received bitstream, and transmit it to the decoding unit 22.
  • the decoding unit 22 may decode the feature/feature map based on the acquired feature/feature map information.
  • the decoder 22 may perform a series of procedures such as inverse quantization, inverse transformation, and prediction corresponding to the operation of the encoder 14 to increase decoding efficiency.
  • the decoding device 20 may further include a task analysis/rendering unit 23.
  • the task analysis/rendering unit 23 may perform task analysis based on the decoded feature/feature map. Additionally, the task analysis/rendering unit 23 may render the decrypted feature/feature map into a form suitable for task performance. Various machine (oriented) tasks can be performed based on task analysis results and rendered features/feature maps.
  • the VCM system can encode/decode features extracted from source images/videos according to user and/or machine requests, task purpose, and surrounding environment, and perform various machine (oriented) tasks based on the decoded features.
  • the VCM system may be implemented by expanding/redesigning the video/picture coding system and can perform various encoding/decoding methods defined in the VCM standard.
  • FIG. 2 is a diagram schematically showing a VCM pipeline structure to which embodiments of the present disclosure can be applied.
  • the VCM pipeline 200 may include a first pipeline 210 for encoding/decoding of images/videos and a second pipeline 220 for encoding/decoding of features/feature maps. You can.
  • the first pipeline 210 may be referred to as a video codec pipeline
  • the second pipeline 220 may be referred to as a feature codec pipeline.
  • the first pipeline 210 may include a first stage 211 that encodes the input image/video and a second stage 212 that decodes the encoded image/video to generate a restored image/video.
  • the restored image/video can be used for human viewing, that is, human vision.
  • the second pipeline 220 includes a third stage 221 for extracting features/feature maps from the input image/video, a fourth stage 222 for encoding the extracted features/feature maps, and an encoded feature/feature map. It may include a fifth stage 223 that decrypts the map and generates a restored feature/feature map.
  • the restored features/feature maps can be used for machine (vision) tasks.
  • the machine (vision) task may mean a task in which images/videos are consumed by a machine.
  • Machine (vision) tasks can be applied to service scenarios such as, for example, Surveillance, Intelligent Transportation, Smart City, Intelligent Industry, Intelligent Content, etc.
  • the restored features/feature maps may be used for human vision.
  • the feature/feature map encoded in the fourth stage 222 may be transmitted to the first stage 221 and used to encode the image/video.
  • an additional bitstream may be generated based on the encoded feature/feature map, and the generated additional bitstream may be transmitted to the second stage 222 and used to decode the image/video.
  • the feature/feature map decoded in the fifth stage 223 may be transmitted to the second stage 222 and used to decode the image/video.
  • FIG. 2 illustrates a case where the VCM pipeline 200 includes a first pipeline 210 and a second pipeline 220, but this is merely an example and embodiments of the present disclosure are not limited thereto.
  • the VCM pipeline 200 may include only the second pipeline 220, or the second pipeline 220 may be expanded into multiple feature codec pipelines.
  • the first stage 211 may be performed by an image/video encoder
  • the second stage 212 may be performed by an image/video decoder.
  • the third stage 221 is performed by a VCM encoder (or feature/feature map encoder)
  • the fourth stage 222 is performed by a VCM decoder (or feature/feature map encoder). decoder).
  • VCM encoder or feature/feature map encoder
  • decoder or feature/feature map encoder
  • Figure 3 is a diagram schematically showing an image/video encoder to which embodiments of the present disclosure can be applied.
  • the image/video encoder 300 includes an image partitioner (310), a predictor (320), a residual processor (330), and an entropy encoder (340). ), an adder (350), a filter (360), and a memory (370).
  • the prediction unit 320 may include an inter prediction unit 321 and an intra prediction unit 322.
  • the residual processing unit 330 may include a transformer 332, a quantizer 333, a dequantizer 334, and an inverse transformer 335.
  • the residual processing unit 330 may further include a subtractor 331.
  • the adder 350 may be referred to as a reconstructor or a reconstructed block generator.
  • the above-described image segmentation unit 310, prediction unit 320, residual processing unit 330, entropy encoding unit 340, addition unit 350, and filtering unit 360 may include one or more hardware components (depending on the embodiment). For example, it may be configured by an encoder chipset or processor). Additionally, the memory 370 may include a decoded picture buffer (DPB) and may be configured by a digital storage medium. The hardware components described above may further include a memory 370 as an internal/external component.
  • DPB decoded picture buffer
  • the image segmentation unit 310 may divide an input image (or picture, frame) input to the image/video encoder 300 into one or more processing units.
  • a processing unit may be referred to as a coding unit (CU).
  • Coding units can be recursively divided according to a quad-tree binary-tree ternary-tree (QTBTTT) structure from a coding tree unit (CTU) or largest coding unit (LCU).
  • QTBTTT quad-tree binary-tree ternary-tree
  • CTU coding tree unit
  • LCU largest coding unit
  • one coding unit may be divided into a plurality of coding units of deeper depth based on a quad tree structure, binary tree structure, and/or ternary structure. In this case, for example, the quad tree structure may be applied first and the binary tree structure and/or ternary structure may be applied later.
  • the binary tree structure may be applied first.
  • the image/video coding procedure according to the present disclosure can be performed based on the final coding unit that is no longer divided.
  • the largest coding unit may be used as the final coding unit based on coding efficiency according to video characteristics, or, if necessary, the coding unit may be recursively divided into coding units of lower depth to determine the optimal coding unit.
  • a coding unit of size may be used as the final coding unit.
  • the coding procedure may include procedures such as prediction, transformation, and restoration, which will be described later.
  • the processing unit may further include a prediction unit (PU) or a transform unit (TU).
  • the prediction unit and the transform unit may each be divided or partitioned from the final coding unit described above.
  • a prediction unit may be a unit of sample prediction
  • a transform unit may be a unit for deriving a transform coefficient and/or a unit for deriving a residual signal from the transform coefficient.
  • 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, and may represent only a pixel/pixel value of a luminance (luma) component, or only a pixel/pixel value of a chroma component. Sample may be used as a term corresponding to pixel or pel.
  • the image/video encoder 300 subtracts the prediction signal (predicted block, prediction sample array) output from the inter prediction unit 321 or the intra prediction unit 322 from the input image signal (original block, original sample array).
  • a residual signal residual block, residual sample array
  • the unit that subtracts the prediction signal (prediction block, prediction sample array) from the input image signal (original block, original sample array) within the image/video encoder 300 is referred to as the subtraction unit 331. It can be.
  • the prediction unit may perform prediction on the processing target block (hereinafter referred to as the current block) and generate a predicted block including prediction samples for the current block.
  • the prediction unit may determine whether intra prediction or inter prediction is applied on a current block or CU basis.
  • the prediction unit may generate various information related to prediction, such as prediction mode information, and transmit it to the entropy encoding unit 340.
  • Information about prediction may be encoded in the entropy encoding unit 340 and output in the form of a bitstream.
  • the intra prediction unit 322 can predict the current block by referring to samples in the current picture. At this time, the referenced samples may be located in the neighborhood of the current block or may be located away from the current block depending on the prediction mode.
  • prediction modes may include a plurality of non-directional modes and a plurality of directional modes. Non-directional modes may include, for example, DC mode and planar mode.
  • the directional mode may include, for example, 33 directional prediction modes or 65 directional prediction modes, depending on the level of detail of the prediction direction. However, this is an example, and more or less directional prediction modes may be used depending on the setting.
  • the intra prediction unit 322 may determine the prediction mode applied to the current block using the prediction mode applied to the neighboring block.
  • the inter prediction unit 321 may derive a predicted block for the current block based on a reference block (reference sample array) specified by a motion vector in the reference picture.
  • motion information can be predicted on a block, subblock, or sample basis based on the correlation of motion information between neighboring blocks and the current block.
  • Motion information may include a motion vector and a reference picture index.
  • the motion information may further include inter prediction direction (L0 prediction, L1 prediction, Bi prediction, etc.) information.
  • neighboring blocks may include a spatial neighboring block existing in the current picture and a temporal neighboring block existing in the reference picture.
  • a reference picture including a reference block and a reference picture including temporal neighboring blocks may be the same or different.
  • a temporal neighboring block may be referred to as a collocated reference block, a collocated reference block (colCU), etc.
  • a reference picture including a temporal neighboring block may be referred to as a collocated picture (colPic).
  • the inter prediction unit 321 constructs a motion information candidate list based on neighboring blocks and generates information indicating which candidate is used to derive the motion vector and/or reference picture index of the current block. can do. 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 321 may use motion information of neighboring blocks as motion information of the current block.
  • motion vector prediction (MVP) mode the motion vector of the surrounding block is used as a motion vector predictor, and the motion vector of the current block is predicted by signaling the motion vector difference. You can instruct.
  • MVP motion vector prediction
  • the prediction unit 320 may generate a prediction signal based on various prediction methods. For example, the prediction unit may not only apply intra prediction or inter prediction for prediction of one block, but may also apply intra prediction and inter prediction simultaneously. This can be called combined inter and intra prediction (CIIP). Additionally, the prediction unit may be based on an intra block copy (IBC) prediction mode or a palette mode for prediction of a block. IBC prediction mode or palette mode can be used, for example, for video/video coding of content such as games, such as screen content coding (SCC). IBC basically performs prediction within the current picture, but can be performed similarly to inter prediction in that it derives a reference block within the current picture. That is, IBC may use at least one of the inter prediction techniques described in this disclosure. Palette mode can be viewed as an example of intra coding or intra prediction. When palette mode is applied, sample values within a picture can be signaled based on information about the palette table and palette index.
  • IBC intra block copy
  • Palette mode can be viewed as an example of intra coding
  • the prediction signal generated by the prediction unit 320 may be used to generate a restored signal or a residual signal.
  • the transform unit 332 may generate transform coefficients by applying a transform technique to the residual signal.
  • the transformation technique may be at least one of Discrete Cosine Transform (DCT), Discrete Sine Transform (DST), Karhunen-Loeve Transform (KLT), Graph-Based Transform (GBT), or Conditionally Non-linear Transform (CNT). It can be included.
  • DCT Discrete Cosine Transform
  • DST Discrete Sine Transform
  • KLT Karhunen-Loeve Transform
  • GBT Graph-Based Transform
  • CNT Conditionally Non-linear Transform
  • GBT refers to the transformation obtained from this graph when the relationship information between pixels is expressed as a graph.
  • CNT refers to the transformation obtained by generating a prediction signal using all previously reconstructed pixels and obtaining it based on it.
  • the conversion process may be applied to square
  • the quantization unit 333 quantizes the transform coefficients and transmits them to the entropy encoding unit 340, and the entropy encoding unit 340 encodes the quantized signal (information about the quantized transform coefficients) and outputs it as a bitstream. there is. Information about quantized transform coefficients may be called residual information.
  • the quantization unit 333 may rearrange the quantized transform coefficients in block form into a one-dimensional vector form based on the coefficient scan order, and quantized transform coefficients based on the quantized transform coefficients in the form of a one-dimensional vector. You can also generate information about them.
  • the entropy encoding unit 340 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 340 may encode information necessary for image/video restoration (e.g., values of syntax elements, etc.) in addition to the quantized transformation coefficients together or separately.
  • Encoded information e.g., encoded image/video information
  • Image/video information may further include information about various parameter sets, such as an adaptation parameter set (APS), picture parameter set (PPS), sequence parameter set (SPS), or video parameter set (VPS).
  • APS adaptation parameter set
  • PPS picture parameter set
  • SPS sequence parameter set
  • VPS video parameter set
  • image/video information may further include general constraint information.
  • image/video information may further include a method of generating and using encoded information, and its purpose.
  • information and/or syntax elements transmitted/signaled from an image/video encoder to an image/video decoder may be included in the image/video information.
  • Image/video information may be encoded through the above-described encoding procedure and included in the bitstream.
  • the bitstream can be transmitted over a network or stored on 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) that transmits the signal output from the entropy encoding unit 340 and/or a storage unit (not shown) that stores the signal may be configured as internal/external elements of the image/video encoder 300, or The transmission unit may be included in the entropy encoding unit 340.
  • Quantized transform coefficients output from the quantization unit 333 can be used to generate a prediction signal.
  • a residual signal residual block or residual samples
  • the adder 350 adds the reconstructed residual signal to the prediction signal output from the inter prediction unit 321 or the intra prediction unit 322, thereby creating a reconstructed signal (reconstructed picture, reconstructed block, reconstructed sample array). can be created. If there is no residual for the block to be processed, such as when skip mode is applied, the predicted block can be used as a restoration block.
  • the addition unit 350 may be called a restoration unit or a restoration block generation unit.
  • the generated reconstructed signal can be used for intra prediction of the next processing target block in the current picture, and can also be used for inter prediction of the next picture after filtering, as will be described later.
  • LMCS luma mapping with chroma scaling
  • the filtering unit 360 can improve subjective/objective image quality by applying filtering to the restored signal.
  • the filtering unit 360 may generate a modified reconstructed picture by applying various filtering methods to the reconstructed picture, and store the modified reconstructed picture in the memory 370, specifically the DPB of the memory 370. It can be saved in .
  • Various filtering methods may include, for example, deblocking filtering, sample adaptive offset, adaptive loop filter, bilateral filter, etc.
  • the filtering unit 360 may generate various information about filtering and transmit it to the entropy encoding unit 340. Information about filtering may be encoded in the entropy encoding unit 340 and output in the form of a bitstream.
  • the modified reconstructed picture transmitted to the memory 370 can be used as a reference picture in the inter prediction unit 321. Through this, prediction mismatch at the encoder stage and decoder stage can be avoided, and coding efficiency can be improved.
  • the DPB of the memory 370 can store the modified reconstructed picture to use it as a reference picture in the inter prediction unit 321.
  • the memory 370 may store motion information of a block from which motion information in the current picture is derived (or encoded) and/or motion information of blocks in an already reconstructed picture.
  • the stored motion information may be transmitted to the inter prediction unit 321 to be used as motion information of spatial neighboring blocks or motion information of temporal neighboring blocks.
  • the memory 370 may store reconstructed samples of reconstructed blocks in the current picture, and may transmit the stored reconstructed samples to the intra prediction unit 322.
  • the VCM encoder (or feature/feature map encoder) is basically the image/video encoder described with reference to FIG. 3 in that it performs a series of procedures such as prediction, transformation, and quantization to encode features/feature maps. It may have the same/similar structure to (300).
  • the VCM encoder is different from the image/video encoder 300 in that it targets features/feature maps for encoding, and accordingly, the name of each unit (or component) (e.g., image segmentation unit 310, etc.) ) and its specific operation content may be different from the image/video encoder 300.
  • the specific operation of the VCM encoder will be described in detail later.
  • Figure 4 is a diagram schematically showing an image/video decoder to which embodiments of the present disclosure can be applied.
  • the image/video decoder 400 includes an entropy decoder (410), a residual processor (420), a predictor (430), an adder (440), It may include a filter 450 and a memory 460.
  • the prediction unit 430 may include an inter prediction unit 431 and an intra prediction unit 432.
  • the residual processing unit 420 may include a dequantizer (421) and an inverse transformer (422).
  • the above-described entropy decoding unit 410, residual processing unit 420, prediction unit 430, addition unit 440, and filtering unit 450 are one hardware component (e.g., a decoder chipset or processor) depending on the embodiment. It can be composed by .
  • the memory 460 may include a decoded picture buffer (DPB) and may be configured by a digital storage medium.
  • the hardware component may further include memory 460 as an internal/external component.
  • the image/video decoder 400 can restore the image/video in response to the process in which the image/video information is processed in the image/video encoder 300 of FIG. 3. there is.
  • the image/video decoder 400 may derive units/blocks based on block division-related information obtained from the bitstream.
  • the image/video decoder 400 may perform decoding using a processing unit applied in the image/video encoder.
  • the processing unit of decoding may for example be a coding unit, and the coding unit may be partitioned from a coding tree unit or a maximum coding unit along a quad tree structure, a binary tree structure and/or a ternary tree structure.
  • One or more transformation units can be derived from a coding unit.
  • the restored video signal decoded and output through the video/video decoder 400 can be played through a playback device.
  • the image/video decoder 400 may receive a signal output from the encoder of FIG. 3 in the form of a bitstream, and the received signal may be decoded through the entropy decoder 410.
  • the entropy decoder 410 may parse the bitstream to derive information (e.g., image/video information) necessary for image restoration (or picture restoration).
  • Image/video information may further include information about various parameter sets, such as an adaptation parameter set (APS), picture parameter set (PPS), sequence parameter set (SPS), or video parameter set (VPS).
  • image/video information may further include general constraint information.
  • the image/video information may include the generation method, use method, and purpose of the decoded information.
  • the image/video decoder 400 may decode the picture further based on information about the parameter set and/or general restriction information. Signaling/receiving information and/or syntax elements may be decoded and obtained from the bitstream through a decoding procedure.
  • the entropy decoding unit 410 decodes information in the bitstream based on a coding method such as exponential Golomb coding, CAVLC, or CABAC, and quantizes the values of syntax elements necessary for image restoration and transform coefficients related to residuals. The values can be output.
  • the CABAC entropy decoding method receives bins corresponding to each syntax element in the bitstream, and includes decoding target syntax element information and decoding information of surrounding and decoding target blocks or symbols/bins decoded in the previous step.
  • the context model can be determined, the occurrence probability of the bin can be predicted according to the determined context model, and arithmetic decoding of the bin can be performed to generate symbols corresponding to the value of each syntax element.
  • the CABAC entropy decoding method can update the context model using the information of the decoded symbol/bin for the context model of the next symbol/bin after determining the context model.
  • Information about prediction among the information decoded in the entropy decoding unit 410 is provided to the prediction unit (inter prediction unit 432 and intra prediction unit 431), and the register on which entropy decoding was performed in the entropy decoding unit 410 Dual values, that is, quantized transform coefficients and related parameter information, may be input to the residual processing unit 420.
  • the residual processing unit 420 may derive a residual signal (residual block, residual samples, residual sample array). Additionally, information about filtering among the information decoded by the entropy decoding unit 410 may be provided to the filtering unit 450.
  • a receiver (not shown) that receives a signal output from the image/video encoder may be further configured as an internal/external element of the image/video decoder 400, or the receiver may be a component of the entropy decoder 410. It may be.
  • the image/video decoder according to the present disclosure may be called an image/video decoding device, and the image/video decoder may be divided into an information decoder (image/video information decoder) and a sample decoder (image/video sample decoder). .
  • the information decoder may include an entropy decoding unit 410, and the sample decoder may include an inverse quantization unit 321, an inverse transform unit 322, an addition unit 440, a filtering unit 450, and a memory 460. , It may include at least one of the inter prediction unit 432 and the intra prediction unit 431.
  • the inverse quantization unit 421 may inversely quantize the quantized transform coefficients and output the transform coefficients.
  • the inverse quantization unit 421 may rearrange the quantized transform coefficients into a two-dimensional block form. In this case, realignment can be performed based on the coefficient scan order performed in the image/video encoder.
  • the inverse quantization unit 321 may perform inverse quantization on quantized transform coefficients using quantization parameters (e.g., quantization step size information) and obtain transform coefficients.
  • the inverse transform unit 422 inversely transforms the transform coefficients to obtain a residual signal (residual block, residual sample array).
  • the prediction unit 430 may perform prediction on the current block and generate a predicted block including prediction samples for the current block.
  • the prediction unit may determine whether intra prediction or inter prediction is applied to the current block based on information about prediction output from the entropy decoding unit 410, and may determine a specific intra/inter prediction mode.
  • the prediction unit 420 may generate a prediction signal based on various prediction methods.
  • the prediction unit can not only apply intra prediction or inter prediction for prediction of one block, but also can apply intra prediction and inter prediction simultaneously. This can be called combined inter and intra prediction (CIIP).
  • the prediction unit may be based on an intra block copy (IBC) prediction mode or a palette mode for prediction of a block.
  • IBC prediction mode or palette mode can be used, for example, for video/video coding of content such as games, such as screen content coding (SCC).
  • SCC screen content coding
  • IBC basically performs prediction within the current picture, but can be performed similarly to inter prediction in that it derives a reference block within the current picture. That is, IBC can 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 about the palette table and palette index may be included and signaled in the image/video information.
  • the intra prediction unit 431 can predict the current block by referring to samples in the current picture. Referenced samples may be located in the neighborhood of the current block, or may be located away from the current block, depending on the prediction mode.
  • prediction modes may include a plurality of non-directional modes and a plurality of directional modes.
  • the intra prediction unit 431 may determine the prediction mode applied to the current block using the prediction mode applied to the neighboring block.
  • the inter prediction unit 432 may derive a predicted block for the current block based on a reference block (reference sample array) specified by a motion vector in the reference picture.
  • motion information can be predicted on a block, subblock, or sample basis based on the correlation of motion information between neighboring blocks and the current block.
  • Motion information may include a motion vector and a reference picture index.
  • the motion information may further include inter prediction direction (L0 prediction, L1 prediction, Bi prediction, etc.) information.
  • neighboring blocks may include a spatial neighboring block existing in the current picture and a temporal neighboring block existing in the reference picture.
  • the inter prediction unit 432 may construct a motion information candidate list based on neighboring blocks and derive a motion vector and/or reference picture index of the current block based on the received candidate selection information. Inter prediction may be performed based on various prediction modes, and information about prediction may include information indicating the mode of inter prediction for the current block.
  • the adder 440 restores the obtained residual signal by adding it to the prediction signal (predicted block, prediction sample array) output from the prediction unit (including the inter prediction unit 432 and/or the intra prediction unit 431).
  • a signal (restored picture, restored block, restored sample array) can be generated. If there is no residual for the block to be processed, such as when skip mode is applied, the predicted block can be used as a restoration block.
  • the addition unit 440 may be called a restoration unit or a restoration block generation unit.
  • the generated reconstructed signal may be used for intra prediction of the next processing target block in the current picture, may be output after filtering as described later, or may be used for inter prediction of the next picture.
  • LMCS luma mapping with chroma scaling
  • the filtering unit 450 can improve subjective/objective image quality by applying filtering to the restored signal.
  • the filtering unit 450 may generate a modified reconstructed picture by applying various filtering methods to the reconstructed picture, and store the modified reconstructed picture in the memory 460, specifically the DPB of the memory 460. can be transmitted to.
  • Various filtering methods may include, for example, deblocking filtering, sample adaptive offset, adaptive loop filter, bilateral filter, etc.
  • the (corrected) reconstructed picture stored in the DPB of the memory 460 can be used as a reference picture in the inter prediction unit 432.
  • the memory 460 may store motion information of a block from which motion information in the current picture is derived (or decoded) and/or motion information of blocks in an already reconstructed picture.
  • the stored motion information can be transmitted to the inter prediction unit 432 to be used as motion information of spatial neighboring blocks or motion information of temporal neighboring blocks.
  • the memory 460 can store reconstructed samples of reconstructed blocks in the current picture and transmit them to the intra prediction unit 431.
  • the VCM decoder (or feature/feature map decoder) basically performs a series of procedures such as prediction, inverse transformation, and inverse quantization to decode the feature/feature map, so that the video/feature map described above with reference to FIG. It may have the same/similar structure to the video decoder 400.
  • the VCM decoder is different from the image/video decoder 400 in that it targets features/feature maps for decoding, and accordingly, the name (e.g., DPB, etc.) of each unit (or component) and its specific operation are used.
  • the content may be different from the image/video decoder 400.
  • the operation of the VCM decoder can correspond to the operation of the VCM encoder, and the specific operation contents will be described in detail later.
  • Figure 5 is a flowchart schematically showing a feature/feature map encoding procedure to which embodiments of the present disclosure can be applied.
  • the feature/feature map encoding procedure may include a prediction procedure (S510), a residual processing procedure (S520), and an information encoding procedure (S530).
  • the prediction procedure (S510) may be performed by the prediction unit 320 described above with reference to FIG. 3.
  • the intra prediction unit 322 may predict the current block (that is, a set of feature elements currently subject to encoding) by referring to feature elements in the current feature/feature map. Intra prediction can be performed based on the spatial similarity of feature elements constituting the feature/feature map. For example, feature elements included in the same region of interest (RoI) within an image/video may be estimated to have similar data distribution characteristics. Accordingly, the intra prediction unit 322 may predict the current block by referring to the feature elements that have been restored or restored within the region of interest including the current block. At this time, the referenced feature elements may be located adjacent to the current block or may be located away from the current block depending on the prediction mode.
  • the current block that is, a set of feature elements currently subject to encoding
  • Intra prediction modes for feature/feature map encoding may include a plurality of non-directional prediction modes and a plurality of directional prediction modes.
  • Non-directional prediction modes may include, for example, prediction modes corresponding to the DC mode and planar mode of the image/video encoding procedure.
  • the directional modes may include prediction modes corresponding to, for example, 33 directional modes or 65 directional modes of an image/video encoding procedure.
  • the inter prediction unit 321 may predict the current block based on a reference block (i.e., a set of referenced feature elements) specified by motion information on the reference feature/feature map. Inter prediction can be performed based on the temporal similarity of feature elements constituting the feature/feature map. For example, temporally consecutive features may have similar data distribution characteristics. Accordingly, the inter prediction unit 321 can predict the current block by referring to the reconstructed feature elements of features temporally adjacent to the current feature.
  • motion information for specifying referenced feature elements may include a motion vector and a reference feature/feature map index.
  • the motion information may further include information about the inter prediction direction (e.g., L0 prediction, L1 prediction, Bi prediction, etc.).
  • neighboring blocks may include spatial neighboring blocks existing within the current feature/feature map and temporal neighboring blocks existing within the reference feature/feature map.
  • a reference feature/feature map including a reference block and a reference feature/feature map including temporal neighboring blocks may be the same or different.
  • a temporal neighboring block may be referred to as a collocated reference block, etc., and a reference feature/feature map including a temporal neighboring block may be referred to as a collocated feature/feature map.
  • the inter prediction unit 321 constructs a motion information candidate list based on neighboring blocks and generates information indicating which candidate is used to derive the motion vector and/or reference feature/feature map index of the current block. You can.
  • Inter prediction may be performed based on various prediction modes.
  • the inter prediction unit 321 may use motion information of neighboring blocks as motion information of the current block.
  • residual signals may not be transmitted.
  • MVP motion vector prediction
  • the motion vector of the surrounding block is used as a motion vector predictor, and the motion vector of the current block is predicted by signaling the motion vector difference. You can instruct.
  • the prediction unit 320 may generate a prediction signal based on various prediction methods in addition to the intra prediction and inter prediction described above.
  • the prediction signal generated by the prediction unit 320 may be used to generate a residual signal (residual block, residual feature elements) (S520).
  • the residual processing procedure (S520) may be performed by the residual processing unit 330 described above with reference to FIG. 3.
  • (quantized) transform coefficients may be generated through a transform and/or quantization procedure for the residual signal, and the entropy encoding unit 340 converts information about the (quantized) transform coefficients into bits as residual information. It can be encoded within the stream (S530). Additionally, the entropy encoding unit 340 may encode information necessary for feature/feature map restoration, such as prediction information (e.g., prediction mode information, motion information, etc.), in addition to the residual information, into the bitstream.
  • prediction information e.g., prediction mode information, motion information, etc.
  • the feature/feature map encoding procedure not only encodes information for feature/feature map restoration (e.g., prediction information, residual information, partitioning information, etc.) and outputs it in bitstream format (S530), but also encodes the information for feature/feature map restoration (e.g., prediction information, residual information, partitioning information, etc.)
  • An optional procedure for generating a restored feature/feature map for the feature map and applying in-loop filtering to the restored feature/feature map may be further included.
  • the VCM encoder can derive (corrected) residual feature(s) from the quantized transform coefficient(s) through inverse quantization and inverse transformation, and the prediction feature(s) and (corrected) residual that are the output of step S510.
  • a restored feature/feature map can be created based on the feature(s).
  • the restored feature/feature map generated in this way may be the same as the restored feature/feature map generated in the VCM decoder.
  • a modified restored feature/feature map may be generated through the in-loop filtering procedure on the restored feature/feature map.
  • the modified restored feature/feature map can be stored in a decoded feature buffer (DFB) or memory and used as a reference feature/feature map in the subsequent feature/feature map prediction procedure.
  • (in-loop) filtering-related information may be encoded and output in the form of a bitstream.
  • noise that may occur during feature/feature map coding can be removed, and feature/feature map-based task performance can be improved.
  • the identity of the prediction result can be guaranteed, the reliability of feature/feature map coding can be improved, and the amount of data transmission for feature/feature map coding can be reduced. there is.
  • Figure 6 is a flowchart schematically showing a feature/feature map decoding procedure to which embodiments of the present disclosure can be applied.
  • the feature/feature map decoding procedure includes an image/video information acquisition procedure (S610), a feature/feature map restoration procedure (S620 to S640), and an in-loop filtering procedure for the restored feature/feature map (S650).
  • the feature/feature map restoration procedure is performed on the prediction signal and residual signal obtained through the inter/intra prediction (S620) and residual processing (S630), inverse quantization and inverse transformation for quantized transform coefficients) processes described in this disclosure. It can be performed based on A modified restored feature/feature map may be generated through an in-loop filtering procedure for the restored feature/feature map, and the modified restored feature/feature map may be output as a decoded feature/feature map.
  • the decoded feature/feature map is stored in a decoding feature buffer (DFB) or memory and can be used as a reference feature/feature map in the inter prediction procedure when decoding the feature/feature map.
  • a decoding feature buffer DVB
  • the above-described in-loop filtering procedure may be omitted.
  • the restored feature/feature map can be output as is as a decoded feature/feature map, and stored in the decoding feature buffer (DFB) or memory, and then be used as a reference feature/feature map in the inter prediction procedure when decoding the feature/feature map. It can be used as
  • the feature map which is the encoding target of VCM, may be composed of a plurality of feature channels.
  • Each feature channel may represent different characteristics of input information (input data). Therefore, the amount of change in each feature channel depending on the change in input data may be different. In other words, even if input data changes over time, a specific feature channel may not change or the amount of change may be relatively small.
  • This paper proposes a channel skip mode that uses information from other feature channels in other feature maps without encoding motion information and residuals for feature channels with little change or relatively small change amount. According to the channel skip mode, the amount of bits consumed in encoding information unnecessary for performing machine tasks can be reduced.
  • Figure 7 shows an example of a feature map.
  • the biggest difference between a feature map and a typical video is that a feature map is composed of multiple feature channels, each containing different feature information for the entire region of the input data. Therefore, as shown in Figure 7, the shape of the same area can be seen repeatedly displayed within the feature map. Because of these differences, the spatial correlation between feature channels in the feature map may be discontinuous, unlike general video, and the data distribution similarity between each feature channel may not be high. Therefore, in order to efficiently implement encoding and decoding of the feature map, a prediction method based on the data structure and properties of the feature map is needed.
  • Figures 8A to 8C show an example of a change in a feature channel according to a change in input data.
  • feature channels indicated as A and B represent edge characteristics of the input image.
  • FIG. 8A when no edge occurs in the input image, there may be no difference between feature channel A and feature channel B.
  • Figure 8b when a box is displayed on the left side of the input image and an edge occurs in the input image, it can be seen that the edge appears clearly in feature channel A but does not appear in feature channel B.
  • Figure 8c when the box moves to the right of the input image, the edge does not appear in feature channel A, but the edge appears clearly in feature channel B. Changes in these feature channels may occur because the characteristics of the edges represented by each feature channel are different.
  • Figure 8d shows an example of the characteristics of a convolution layer.
  • the two neurons indicated by arrows such as feature channel A and feature channel B, have opposite characteristics.
  • Each neural or feature channel has unique characteristics and can be significantly stimulated only when input matching those characteristics exists.
  • the stimulus expressed in each feature channel may be weak.
  • a feature channel with weak features i.e., stimuli
  • Figure 9 shows an example of a change in input data according to a change in time and a corresponding change in a feature channel.
  • the new encoding mode may be referred to as a channel skip mode, and the channel skip mode may correspond to a new prediction mode.
  • the information about the feature channel is not encoded, and the information of the feature channel (another feature channel) in another feature map that has already been restored is used as is, so that the current feature channel can be restored (or predicted).
  • the other feature map may be a reference feature map, and the other feature channel may be a reference feature channel.
  • Information about the feature channel may include motion information and residual of the current feature channel.
  • the reference feature map may be a feature map that is temporally closest to the current feature map containing the current feature channel.
  • the temporally closest feature map may be a feature map restored immediately before the current feature map among the restored feature maps.
  • the reference feature channel may be a feature channel located at the same location as the current feature channel in the current feature map.
  • Table 1 shows the differences between different prediction modes and channel skip mode.
  • other prediction modes may be referred to as 'general coding modes'.
  • inter prediction mode In inter prediction mode (Inter), skip mode (Skip), and merge mode (Merge), at least one of motion information and residual is encoded, but in channel skip mode (Channel skip) proposed through this application, It can be seen that both the motion information and the residual are not encoded.
  • Embodiment 1 is an embodiment of methods for determining whether to apply channel skip mode.
  • Figure 10 is a flowchart showing a feature encoding method according to Example 1.
  • the feature encoding device 10 may determine the prediction mode of the current feature channel (S1010). As will be described later, the prediction mode of the current feature channel may be determined based on RD cost (Rate-Distortion cost), cost considering the performance of the machine task, auto correlation coefficient, etc.
  • RD cost Rent-Distortion cost
  • the feature encoding device 10 may predict the current feature channel in the channel skip mode (S1030). In contrast, when the prediction mode of the current feature channel is not the channel skip mode (S1020), the feature encoding device 10 may predict the current feature channel in the general coding mode (S1040).
  • First information indicating whether the prediction mode of the current feature channel is a channel skip mode may be encoded in the bitstream.
  • the first value (e.g., 1) of the first information may indicate that the channel skip mode is applied, and the second value (e.g., 0) of the first information may indicate that the channel skip mode is not applied (normal coding mode is applied). can indicate.
  • the prediction mode of the current feature channel may be determined based on RD cost.
  • the feature encoding device 10 may apply the channel skip mode and the general coding mode to the current feature channel to calculate the RD cost for each mode, and determine the mode with the lowest RD cost as the prediction mode of the current feature channel. there is.
  • the prediction mode of the current feature channel may be determined based on cost considering the performance of the machine task. Since the final purpose of VCM is to perform a machine task, the feature encoding device 10 calculates the cost for each mode by applying a predetermined cost function to each mode, and determines the mode with the lowest cost as the prediction mode of the current feature channel. You can.
  • the cost function can be defined to reflect the performance of the machine task.
  • Figure 11 shows a flowchart of a method for determining the prediction mode of the current feature channel based on cost considering the performance of the machine task.
  • the feature encoding device 10 applies a channel skip mode to the current feature channel (1110) to calculate cost (Skip_cost) (S1130), and applies a general coding mode (S1120) to calculate cost (Sub_cost). can be calculated (S1140).
  • the feature encoding device 10 can compare Skip_cost and Sub_cost (S1150) and determine the prediction mode of the current feature channel (S1160, S1170). Specifically, if Skip_cost is less than Sub_cost, the feature encoding device 10 determines the channel skip mode as the prediction mode of the current feature channel (S1160), and if Skip_cost is not less than Sub_cost, the feature encoding device 10 determines the channel skip mode as the prediction mode of the current feature channel. It can be decided in prediction mode (S1170).
  • the prediction mode of the current feature channel may be determined based on the autocorrelation coefficient.
  • a larger value of the autocorrelation coefficient may mean that the amount of change in the target (feature channel or input data) is small.
  • the degree of influence of a change in input data on a change in each feature channel can be determined using the autocorrelation coefficient of the input data and the autocorrelation coefficient of the feature channel.
  • Figure 12 is a flowchart showing a method for determining a prediction mode of a current feature channel based on the autocorrelation coefficient.
  • the feature encoding device 10 can calculate the autocorrelation coefficient of input data (S1210). Additionally, the feature encoding device 10 can also calculate the autocorrelation coefficient of the feature channel (S1210).
  • the feature encoding device 10 may compare the autocorrelation coefficient of the input data and the autocorrelation coefficient of the feature channel (S1220). For example, a threshold value may be derived based on the autocorrelation coefficient of the input data, and the prediction mode of the current feature channel may be determined through comparison between the autocorrelation coefficient of the feature channel and the derived threshold value.
  • the threshold value may be a value that serves as a standard for whether to apply the channel skip mode.
  • the feature encoding device 10 may determine the prediction mode of the current feature channel based on the comparison result (S1230). For example, if the value of the autocorrelation coefficient of the feature channel is equal to or exceeds the threshold, the prediction mode of the current feature channel may be determined to be a channel skip mode, and the value of the autocorrelation coefficient of the feature channel may be set to the threshold. If it is less than or equal to the threshold, the prediction mode of the current feature channel may be determined to be a general coding mode.
  • Equation 1 represents an example of a method for determining a prediction mode.
  • equation 1 represents the autocorrelation coefficient of the 0th feature channel (ch0) at time t1
  • R skip represents the threshold
  • Input tn represents the input data at time tn
  • IR t1 represents the autocorrelation coefficient of the input data
  • ⁇ represents the weight.
  • Time tn may be a temporally distinguishable value, frame number, etc.
  • Thresholds and weights may be defined in advance, but in some cases may be updated during the encoding process.
  • the threshold value may be defined on a feature channel basis or a feature map basis.
  • the prediction mode of the current feature channel may be determined based on the threshold and the autocorrelation coefficient of the feature channel. For example, if the value of the autocorrelation coefficient of the feature channel is equal to or exceeds the threshold, the prediction mode of the current feature channel may be determined to be a channel skip mode, and the value of the autocorrelation coefficient of the feature channel may be set to the threshold. If it is less than or equal to the threshold, the prediction mode of the current feature channel may be determined to be a general coding mode.
  • Equation 2 shows an example of a method for determining a prediction mode based on the threshold and the autocorrelation coefficient of the feature channel.
  • Time tn represents the nth feature of the feature channel at time tn.
  • Time tn may be a temporally distinguishable value, frame number, etc.
  • Figure 13 is a flowchart showing a feature decoding method according to Example 1.
  • the feature decoding device 20 may obtain first information from a bitstream (S1310).
  • the first information may indicate whether the prediction mode of the current feature channel is the channel skip mode.
  • the feature decoding device 20 may determine whether the prediction mode of the current feature channel is the channel skip mode based on the first information (S1330).
  • the first value (e.g., 1) of the first information may indicate that the channel skip mode is applied, and the second value (e.g., 0) of the first information may indicate that the channel skip mode is not applied (normal coding mode is applied). can indicate.
  • the feature decoding device 20 can predict the current feature channel by applying the channel skip mode (S1350). That is, the current feature channel can be predicted by referring to the reference feature channel in the reference feature map. In contrast, when the prediction mode of the current feature channel is not the channel skip mode, the feature decoding device 20 can predict the current feature channel by applying the general coding mode (S1360).
  • the feature decoding device 20 may determine whether the slice to which the current feature channel belongs is an I(intra)-slice (S1310). If the slice to which the current feature channel belongs is an I-slice, the feature decoding device 20 can intra-predict the current feature channel without performing the S1330 process (S1320).
  • Example 2 is an example of a method for determining a reference feature map.
  • the reference feature map for predicting the current feature channel in channel skip mode may be determined as a feature map restored before the current feature map or as a feature map indicated by index information. Index information can be used when selecting a reference feature map from a plurality of feature maps.
  • Figure 14 is a flowchart showing a feature encoding method according to Example 2.
  • the feature encoding device 10 may determine a reference feature map (S1410) and determine whether the reference feature map is a feature map restored before the current feature map (S1420).
  • the feature map restored before the current feature map may be the feature map that is temporally closest to the current feature map.
  • the feature decoding device 20 can also determine the feature map closest to the current feature map in time as the reference feature map, so the feature encoding device 10 uses the index Information may not be encoded.
  • the feature encoding device 10 may encode index information into the bitstream (S1430). Index information may indicate a reference feature map among several feature maps.
  • Figure 15 is a flowchart showing a feature decoding method according to Example 2.
  • the feature decoding device 20 may determine whether index information is obtained from a bitstream (S1510). If index information is not obtained from the bitstream, the feature decoding device 20 may determine the feature map restored before the current feature map (the feature map that is temporally closest to the current feature map) as the reference feature map (S1530) . In contrast, when index information is obtained from a bitstream, the feature decoding device 20 may determine the feature map indicated by the index information as the reference feature map (S1520).
  • Embodiment 3 is an embodiment of a method for signaling information about the channel skip mode.
  • the general video encoding and decoding order follows the Raster Scan order. Sorting units may vary depending on encoding settings, but are basically sorted by coding units (e.g., Coding unit, Coding block). In the case of VCM, encoding and decoding can be performed by sorting according to Raster Scan order on a channel basis. In this case, it must be possible to determine whether to apply the channel skip mode for each channel. There may be various data stages that can encode information about the channel skip mode.
  • Figure 16 (a) is a diagram showing an example of the data structure of VCM.
  • GoF may refer to a set of temporally continuous feature maps. GoF may also include information (e.g., Sequence parameter) about the entire image.
  • Feature map may refer to individual data that constitutes GoF.
  • a feature map is a unit similar to a frame in general video coding, and can have a unique temporal position within the GoF and sequence.
  • Channel is a unit constituting a feature map and may refer to a data unit with unique characteristics for input data. Each channel can contain unique feature information for every region of the input data. Accordingly, the spatial information of each channel may be for the entire area of the input data. Since each channel has different characteristics, each channel can represent information about the entire area of input data even if the values of each channel are different.
  • a sub channel may refer to a unit in which a channel is divided into smaller units for encoding of each channel.
  • FIG. 16(b) is a diagram illustrating an example of a signaling structure in channel skip mode.
  • General coding mode may mean a coding mode other than channel skip mode.
  • Channel skip mode is applied on a feature channel basis, while the general coding mode can be defined in units more granular than channels. Therefore, whether to apply the channel skip mode (channel_skip_pred_mode_flag) can be signaled at the highest level.
  • Table 2 and Table 3 show the syntax structure for whether to allow channel skip mode.
  • sequence_parameter_set_rbsp( ) Descriptor sps_channel_skip_enable_flag u(1) ⁇
  • sps_channel_skip_enable_flag is a syntax element that indicates whether channel skip mode is allowed at the highest level (GoF, Sequence) of the VCM data structure.
  • a value of 0 in sps_channel_skip_enable_flag may indicate that channel skip mode is not allowed, and a value of 1 in sps_channel_skip_enable_flag may indicate that channel skip mode is allowed.
  • fps_channel_skip_enable_flag is a syntax element that indicates whether channel skip mode is allowed at the frame (or feature map) level. A value of 0 in fps_channel_skip_enable_flag may indicate that channel skip mode is not allowed, and a value of 1 in fps_channel_skip_enable_flag may indicate that channel skip mode is allowed.
  • sps_channel_skip_enable_flag and fps_channel_skip_enable_flag may be referred to as 'second information'. As shown in Tables 2 and 3, the second information may be defined at the GoF level or feature map level.
  • Tables 4 to 6 show the syntax structure for whether to apply the channel skip mode.
  • channel_unit( ) Descriptor channel_skip_pred_mode_flag ae(v) ⁇
  • channel_unit( ) Descriptor if(sps_channel_skip_enable_flag) ⁇ channel_skip_pred_mode_flag ae(v) ⁇ ⁇
  • channel_unit( ) Descriptor if(fps_channel_skip_enable_flag) ⁇ channel_skip_pred_mode_flag ae(v) ⁇ ⁇
  • channel_skip_pred_mode_flag may correspond to first information indicating whether the channel skip mode is applied.
  • a value of 0 in channel_skip_pred_mode_flag may indicate that the channel skip mode is not applied, and a value of 1 in channel_skip_pred_mode_flag may indicate that the channel skip mode is applied.
  • channel_skip_pred_mode_flag can be encoded and obtained regardless of the second information (sps_channel_skip_enable_flag or fps_channel_skip_enable_flag).
  • channel_skip_pred_mode_flag can be encoded and obtained when the second information (sps_channel_skip_enable_flag or fps_channel_skip_enable_flag) indicates that the channel skip mode is allowed.
  • Tables 7 to 9 show the syntax structure for index information.
  • channel_unit( ) Descriptor channel_skip_pred_mode_flag ae(v) if(channel_skip_pred_mode_flag) ⁇ ref_feature_map_idx ae(v) ⁇ ⁇
  • channel_unit( ) Descriptor if(sps_channel_skip_enable_flag) ⁇ channel_skip_pred_mode_flag ae(v) ⁇ if(channel_skip_pred_mode_flag) ⁇ ref_feature_map_idx ae(v) ⁇ ⁇
  • channel_unit( ) Descriptor if(fps_channel_skip_enable_flag) ⁇ channel_skip_pred_mode_flag ae(v) ⁇ if(channel_skip_pred_mode_flag) ⁇ ref_feature_map_idx ae(v) ⁇ ⁇
  • ref_feature_map_idx can be encoded and obtained regardless of the second information (sps_channel_skip_enable_flag or fps_channel_skip_enable_flag). As shown in Tables 8 and 9, ref_feature_map_idx can be encoded and obtained when second information (sps_channel_skip_enable_flag or fps_channel_skip_enable_flag) indicates that channel skip mode is allowed.
  • Figure 17 is a flowchart showing a feature encoding method according to Example 3.
  • Figure 18 is a flowchart showing a feature decoding method according to Example 3.
  • the feature decoding device 20 obtains sps_channel_skip_enable_flag or fps_channel_skip_enable_flag from the bitstream (S1810), and determines whether the channel skip mode is allowed based on sps_channel_skip_enable_flag or fps_channel_skip_enable_flag (S1820).
  • the feature decoding device 20 may obtain channel_skip_pred_mode_flag from the bitstream (S1830). Additionally, the feature decoding device 20 may determine whether the channel skip mode is applied based on channel_skip_pred_mode_flag (S1840). When the channel skip mode is applied, the feature decoding device 20 can obtain ref_feature_map_index from the bitstream (S1850).
  • Exemplary methods of the present disclosure are expressed as a series of operations for clarity of explanation, but this is not intended to limit the order in which the steps are performed, and each step may be performed simultaneously or in a different order, if necessary.
  • other steps may be included in addition to the exemplified steps, some steps may be excluded and the remaining steps may be included, or some steps may be excluded and additional other steps may be included.
  • a video encoding device or video decoding device that performs a predetermined operation may perform an operation (step) that checks performance conditions or situations for the corresponding operation (step). For example, when it is described that a predetermined operation is performed when a predetermined condition is satisfied, the video encoding device or video decoding device performs an operation to check whether the predetermined condition is satisfied and then performs the predetermined operation. It can be done.
  • Embodiments described in this disclosure may be implemented and performed on a processor, microprocessor, controller, or chip.
  • the functional units shown in each drawing may be implemented and performed on a computer, processor, microprocessor, controller, or chip.
  • information for implementation (e.g., information on instructions) or algorithm may be stored in a digital storage medium.
  • the decoder (decoding device) and encoder (encoding device) to which the embodiment(s) of the present disclosure are applied include multimedia broadcasting transmission and reception devices, mobile communication terminals, home cinema video devices, digital cinema video devices, surveillance cameras, and video chat devices.
  • Devices real-time communication devices such as video communication, mobile streaming devices, storage media, camcorders, video on demand (VoD) service providing devices, OTT video (Over the top video) devices, Internet streaming service providing devices, three-dimensional (3D) video devices, VR (virtual reality) devices, AR (argumente reality) devices, video phone video devices, transportation terminals (ex. vehicle (including self-driving vehicle) terminals, robot terminals, airplane terminals, ship terminals, etc.), and medical video devices.
  • VoD video on demand
  • OTT video Over the top video
  • Internet streaming service providing devices three-dimensional (3D) video devices
  • VR (virtual reality) devices VR (virtual reality) devices
  • AR (argumente reality) devices video phone video devices
  • OTT video (Over the top video) devices may include game consoles, Blu-ray players, Internet-connected TVs, home theater systems, smartphones, tablet PCs, and DVRs (Digital Video Recorders).
  • the processing method to which the embodiment(s) of the present disclosure is applied may be produced in the form of a program executed by a computer and stored in a computer-readable recording medium.
  • Multimedia data having a data structure according to the embodiment(s) of this document may also be stored in a computer-readable recording medium.
  • Computer-readable recording media include all types of storage devices and distributed storage devices that store computer-readable data.
  • Computer-readable recording media include, for example, Blu-ray Disc (BD), Universal Serial Bus (USB), ROM, PROM, EPROM, EEPROM, RAM, CD-ROM, magnetic tape, floppy disk, and optical data. May include a storage device.
  • computer-readable recording media include media implemented in the form of carrier waves (eg, transmitted via the Internet).
  • the bitstream generated by the encoding method may be stored in a computer-readable recording medium or transmitted through a wired or wireless communication network.
  • embodiment(s) of the present disclosure may be implemented as a computer program product by program code, and the program code may be executed on a computer by the embodiment(s) of the present disclosure.
  • the program code may be stored on a carrier readable by a computer.
  • FIG. 19 is a diagram illustrating an example of a content streaming system to which embodiments of the present disclosure can be applied.
  • a content streaming system to which an embodiment of the present disclosure is applied may largely include an encoding server, a streaming server, a web server, a media storage, a user device, and a multimedia input device.
  • the encoding server compresses content input from multimedia input devices such as smartphones, cameras, camcorders, etc. into digital data, creates a bitstream, and transmits it to the streaming server.
  • multimedia input devices such as smartphones, cameras, camcorders, etc. directly generate bitstreams
  • the encoding server may be omitted.
  • the bitstream may be generated by an image encoding method and/or an image encoding device to which an embodiment of the present disclosure is applied, and the streaming server may temporarily store the bitstream in the process of transmitting or receiving the bitstream.
  • a streaming server transmits multimedia data to a user device based on a user request through a web server, and the web server can serve as a medium to inform the user of what services are available.
  • the web server delivers it to the streaming server, and the streaming server can transmit multimedia data to the user.
  • the content streaming system may include a separate control server, and in this case, the control server may play the role of controlling commands/responses between each device in the content streaming system.
  • a streaming server may receive content from a media repository and/or encoding server. For example, when receiving content from an encoding server, the content can be received in real time. In this case, in order to provide a smooth streaming service, the streaming server can store the bitstream for a certain period of time.
  • Examples of user devices include mobile phones, smart phones, laptop computers, digital broadcasting terminals, PDAs (personal digital assistants), PMPs (portable multimedia players), navigation, slate PCs, and tablets.
  • PC tablet PC
  • ultrabook wearable device (e.g. smartwatch, smart glass, HMD (head mounted display)), digital TV, desktop computer , digital signage, etc.
  • Each server in the content streaming system can be operated as a distributed server, in which case the data received from each server can be distributed and processed.
  • FIG. 20 is a diagram illustrating another example of a content streaming system to which embodiments of the present disclosure can be applied.
  • the task may be performed on the user terminal or an external device (e.g., streaming server, analysis server, etc.) depending on device performance, user request, characteristics of the task to be performed, etc. You can also perform tasks in .
  • the user terminal in order to transmit the information necessary for task performance to an external device, the user terminal directly or sends an encoding server to a bitstream containing the information necessary for task performance (e.g., information such as task, neural network, and/or purpose). It can be created through an external device (e.g., streaming server, analysis server, etc.) depending on device performance, user request, characteristics of the task to be performed, etc. You can also perform tasks in .
  • the user terminal directly or sends an encoding server to a bitstream containing the information necessary for task performance (e.g., information such as task, neural network, and/or purpose). It can be created through
  • the analysis server may decode the encoded information received from the user terminal (or from the encoding server) and then perform the task requested by the user terminal.
  • the analysis server can transmit the results obtained through task performance back to the user terminal or to another linked service server (e.g., web server).
  • the analysis server may perform a task to determine a fire and transmit the results obtained to the firefighting-related server.
  • the analysis server may include a separate control server, and in this case, the control server may serve to control commands/responses between the server and each device associated with the analysis server. Additionally, the analysis server may request desired information from the web server based on information on the tasks the user device wants to perform and the tasks it can perform.
  • the web server When the analysis server requests a desired service from the web server, the web server transmits it to the analysis server, and the analysis server can transmit data about it to the user terminal.
  • the control server of the content streaming system may play the role of controlling commands/responses between each device in the streaming system.
  • Embodiments according to the present disclosure can be used to encode/decode features/feature maps.

Landscapes

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

Abstract

피쳐 부호화/복호화 방법, 장치 및 상기 피쳐 부호화 방법에 의해 생성된 컴퓨터 판독가능한 기록 매체가 제공된다. 본 개시에 따른 피쳐 복호화 방법은, 피쳐 복호화 장치에 의해 수행되는 피쳐 복호화 방법으로서, 비트스트림으로부터 획득되는 제1 정보에 기반하여, 현재 피쳐 채널의 예측 모드가 채널 스킵(channel skip) 모드인지 여부를 판단하는 단계; 및 상기 현재 피쳐 채널의 예측 모드가 상기 채널 스킵 모드인 것에 기반하여, 참조 피쳐맵 내 참조 피쳐 채널을 참조하여 상기 현재 피쳐 채널을 예측하는 단계를 포함하고, 상기 채널 스킵 모드는 피쳐 채널에 대한 움직임 정보 및 레지듀얼(residual) 정보가 부호화되지 않는 모드인 피쳐 복호화 방법일 수 있다.

Description

피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
본 개시는 피쳐 부호화/복호화 방법 및 장치에 관한 것으로서, 보다 상세하게는, 피쳐 채널의 움직임 정보와 레지듀얼을 부호화하지 않는 채널 스킵 모드에 대한 피쳐 부호화/복호화 방법, 장치 및 본 개시의 피쳐 부호화 방법/장치에 의해 생성된 비트스트림을 저장한 기록 매체에 관한 것이다.
머신 러닝 기술의 발전과 함께 영상 처리 기반의 인공지능 서비스에 대한 수요가 증가하고 있다. 인공지능 서비스에서 요구되는 방대한 양의 영상 데이터를 한정된 리소스 내에서 효과적으로 처리하기 위해서는, 머신 태스크 수행에 최적화된 영상 압축 기술이 필수적이다. 하지만, 기존의 영상 압축 기술은 휴먼 비전을 위한 고해상도, 고품질의 영상 처리를 목표로 발전해 왔는 바, 인공지능 서비스에는 부적합하다는 문제가 있다. 이에 따라, 인공지능 서비스에 적합한 머신 지향의 새로운 영상 압축 기술에 대한 연구 개발이 활발히 진행되고 있다.
본 개시는 부호화/복호화 효율이 향상된 피쳐 부호화/복호화 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 개시는 각 피쳐 채널이 입력 정보의 서로 다른 특징을 포함하고 있음을 고려한 피쳐 부호화/복호화 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 개시는 입력 정보의 변화에도 불구하고 변화가 적은 피쳐 채널에 대한 새로운 부호화 방법을 구현할 수 있는 피쳐 부호화/복호화 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 개시는 새로운 부호화 방법에 대한 정보를 전송 및 획득하는 피쳐 부호화/복호화 방법 및 장치를 제공하는 것을 목적으로 한다.
또한, 본 개시는 본 개시에 따른 피쳐 부호화 방법 또는 장치에 의해 생성된 비트스트림을 전송하는 방법을 제공하는 것을 목적으로 한다.
또한, 본 개시는 본 개시에 따른 피쳐 부호화 방법 또는 장치에 의해 생성된 비트스트림을 저장한 기록 매체를 제공하는 것을 목적으로 한다.
또한, 본 개시는 본 개시에 따른 피쳐 복호화 장치에 의해 수신되고 복호화되어 피쳐의 복원에 이용되는 비트스트림을 저장한 기록 매체를 제공하는 것을 목적으로 한다.
본 개시에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시의 일 양상에 따른 피쳐 복호화 방법은, 피쳐 복호화 장치에 의해 수행되는 피쳐 복호화 방법으로서, 비트스트림으로부터 획득되는 제1 정보에 기반하여, 현재 피쳐 채널의 예측 모드가 채널 스킵(channel skip) 모드인지 여부를 판단하는 단계; 및 상기 현재 피쳐 채널의 예측 모드가 상기 채널 스킵 모드인 것에 기반하여, 참조 피쳐맵 내 참조 피쳐 채널을 참조하여 상기 현재 피쳐 채널을 예측하는 단계를 포함하고, 상기 채널 스킵 모드는 피쳐 채널에 대한 움직임 정보 및 레지듀얼(residual) 정보가 부호화되지 않는 모드인 피쳐 복호화 방법일 수 있다.
본 개시의 또 다른 양상에 따른 피쳐 부호화 방법은, 피쳐 부호화 장치에 의해 수행되는 피쳐 부호화 방법으로서, 현재 피쳐 채널의 예측 모드를 결정하는 단계; 및 상기 현재 피쳐 채널의 예측 모드가 상기 채널 스킵(channel skip) 모드인 것에 기반하여, 참조 피쳐맵 내 참조 피쳐 채널을 참조하여 상기 현재 피쳐 채널을 예측하는 단계를 포함하고, 상기 채널 스킵 모드는 피쳐 채널에 대한 움직임 정보 및 레지듀얼(residual) 정보가 부호화되지 않는 모드이며, 상기 현재 피쳐 채널의 예측 모드가 상기 채널 스킵 모드인지 여부를 나타내는 제1 정보는 비트스트림에 부호화되는 피쳐 부호화 방법일 수 있다.
본 개시의 또 다른 양상에 따른 기록 매체는, 본 개시의 피쳐 부호화 방법 또는 피쳐 부호화 장치에 의해 생성된 비트스트림을 저장할 수 있다.
본 개시의 또 다른 양상에 따른 비트스트림 전송 방법은, 본 개시의 피쳐 부호화 방법 또는 피쳐 부호화 장치에 의해 생성된 비트스트림을 피쳐 복호화 장치로 전송할 수 있다.
본 개시에 대하여 위에서 간략하게 요약된 특징들은 후술하는 본 개시의 상세한 설명의 예시적인 양상일 뿐이며, 본 개시의 범위를 제한하는 것은 아니다.
본 개시에 따르면, 부호화/복호화 효율이 향상된 피쳐 정보 부호화/복호화 방법 및 장치가 제공될 수 있다.
또한, 본 개시에 따르면, 입력 정보의 서로 다른 특징을 포함하는 각 피쳐 채널의 속성을 피쳐 부호화/복호화 방법에 반영할 수 있다.
또한, 본 개시에 따르면, 머신 태스크에 불필요한 정보의 부호화 및 획득에 소비되는 비트량을 감소시킬 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 개시의 실시예들이 적용될 수 있는 VCM 시스템을 개략적으로 나타낸 도면이다.
도 2는 본 개시의 실시예들이 적용될 수 있는 VCM 파이프라인 구조를 개략적으로 나타낸 도면이다.
도 3은 본 개시의 실시예들이 적용될 수 있는 영상/비디오 인코더를 개략적으로 나타낸 도면이다.
도 4는 본 개시의 실시예들이 적용될 수 있는 영상/비디오 디코더를 개략적으로 나타낸 도면이다.
도 5는 본 개시의 실시예들이 적용될 수 있는 피쳐/피쳐맵 부호화 절차를 개략적으로 나타낸 흐름도이다.
도 6은 본 개시의 실시예들이 적용될 수 있는 피쳐/피쳐맵 복호화 절차를 개략적으로 나타낸 흐름도이다.
도 7은 피쳐맵의 일 예를 나타내는 도면이다.
도 8a 내지 도 8d 및 도 9는 입력 데이터의 변화에 따른 피쳐 채널들의 변화에 대한 예들을 나타내는 도면이다.
도 10 내지 도 12는 본 개시의 일 실시예에 따른 피쳐 부호화 방법을 나타내는 흐름도들이다.
도 13은 본 개시의 일 실시예에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 14는 본 개시의 다른 일 실시예에 따른 피쳐 부호화 방법을 나타내는 흐름도이다.
도 15는 본 개시의 다른 일 실시예에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 16은 VCM의 데이터 구조 및 채널 스킵 모드의 시그널링 구조에 대한 일 예를 나타내는 도면이다.
도 17은 본 개시의 다른 일 실시예에 따른 피쳐 부호화 방법을 나타내는 흐름도이다.
도 18은 본 개시의 다른 일 실시예에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 19는 본 개시의 실시예들이 적용될 수 있는 컨텐츠 스트리밍 시스템의 일 예를 나타내는 도면이다.
도 20은 본 개시의 실시예들이 적용될 수 있는 컨텐츠 스트리밍 시스템의 다른 예를 나타내는 도면이다.
이하에서는 첨부한 도면을 참고로 하여 본 개시의 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나, 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
본 개시의 실시예를 설명함에 있어서 공지 구성 또는 기능에 대한 구체적인 설명이 본 개시의 요지를 흐릴 수 있다고 판단되는 경우에는 그에 대한 상세한 설명은 생략한다. 그리고, 도면에서 본 개시에 대한 설명과 관계없는 부분은 생략하였으며, 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 개시에 있어서, 어떤 구성요소가 다른 구성요소와 "연결", "결합" 또는 "접속"되어 있다고 할 때, 이는 직접적인 연결관계뿐만 아니라, 그 중간에 또 다른 구성요소가 존재하는 간접적인 연결관계도 포함할 수 있다. 또한 어떤 구성요소가 다른 구성요소를 "포함한다" 또는 "가진다"고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 배제하는 것이 아니라 또 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 개시에 있어서, 제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용되며, 특별히 언급되지 않는 한 구성요소들간의 순서 또는 중요도 등을 한정하지 않는다. 따라서, 본 개시의 범위 내에서 일 실시예에서의 제1 구성요소는 다른 실시예에서 제2 구성요소라고 칭할 수도 있고, 마찬가지로 일 실시예에서의 제2 구성요소를 다른 실시예에서 제1 구성요소라고 칭할 수도 있다.
본 개시에 있어서, 서로 구별되는 구성요소들은 각각의 특징을 명확하게 설명하기 위함이며, 구성요소들이 반드시 분리되는 것을 의미하지는 않는다. 즉, 복수의 구성요소가 통합되어 하나의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있고, 하나의 구성요소가 분산되어 복수의 하드웨어 또는 소프트웨어 단위로 이루어질 수도 있다. 따라서, 별도로 언급하지 않더라도 이와 같이 통합된 또는 분산된 실시예도 본 개시의 범위에 포함된다.
본 개시에 있어서, 다양한 실시예에서 설명하는 구성요소들이 반드시 필수적인 구성요소들을 의미하는 것은 아니며, 일부는 선택적인 구성요소일 수 있다. 따라서, 일 실시예에서 설명하는 구성요소들의 부분집합으로 구성되는 실시예도 본 개시의 범위에 포함된다. 또한, 다양한 실시예에서 설명하는 구성요소들에 추가적으로 다른 구성요소를 포함하는 실시예도 본 개시의 범위에 포함된다.
본 개시는 영상의 부호화 및 복호화에 관한 것으로서, 본 개시에서 사용되는 용어는, 본 개시에서 새롭게 정의되지 않는 한 본 개시가 속한 기술 분야에서 통용되는 통상의 의미를 가질 수 있다.
본 개시는 VVC(Versatile Video Coding) 표준 및/또는 VCM(Video Coding for Machines) 표준에 개시되는 방법에 적용될 수 있다. 또한, 본 개시는 EVC (essential video coding) 표준, AV1 (AOMedia Video 1) 표준, AVS2 (2nd generation of audio video coding standard) 또는 차세대 비디오/영상 코딩 표준(e.g., H.267 or H.268 등)에 개시되는 방법에 적용될 수 있다.
본 개시는 비디오/영상 코딩에 관한 다양한 실시예들을 제시하며, 다른 언급이 없는 한 상기 실시예들은 서로 조합되어 수행될 수도 있다. 본 개시에서 "비디오(video)"는 시간의 흐름에 따른 일련의 영상(image)들의 집합을 의미할 수 있다. "영상(image)"은 AI(artificial intelligence)에 의해 생성된 정보일 수 있다. AI가 일련의 태스크를 수행하는 과정에서 사용하는 입력 정보, 정보 처리 과정 중에 발생하는 정보와 출력하는 정보가 영상(image)으로 쓰일 수 있다. "픽처(picture)"는 일반적으로 특정 시간대의 하나의 영상을 나타내는 단위를 의미하며, 슬라이스(slice)/타일(tile)은 부호화에 있어서 픽처의 일부를 구성하는 부호화 단위이다. 하나의 픽처는 하나 이상의 슬라이스/타일로 구성될 수 있다. 또한, 슬라이스/타일은 하나 이상의 CTU(coding tree unit)를 포함할 수 있다. 상기 CTU는 하나 이상의 CU로 분할될 수 있다. 타일은 픽처 내의 특정 타일 행(Tile Row) 및 특정 타일 열(Tile Column) 내에 존재하는 사각 영역으로, 복수의 CTU로 구성될 수 있다. 타일 열은 CTU들의 사각 영역으로 정의될 수 있으며, 픽쳐의 높이와 동일한 높이를 가지고, 픽쳐 파라미터 셋과 같은 비트스트림 부분으로부터 시그널링 되는 신택스 요소에 의하여 명세되는 너비를 가질 수 있다. 타일 행은 CTU들의 사각 영역으로 정의될 수 있으며, 픽쳐의 너비와 동일한 너비를 가지고, 픽쳐 파라미터 셋과 같은 비트스트림 부분으로부터 시그널링 되는 신택스 요소에 의하여 명세되는 높이를 가질 수 있다. 타일 스캔은 픽쳐를 분할하는 CTU들의 소정의 연속된 순서 지정 방법이다. 여기서, CTU들은 타일 내에서 CTU 래스터 스캔(raster scan)에 따라 연속적으로 순서를 부여받을 수 있고, 픽쳐 내의 타일들은 픽쳐의 타일들의 래스터 스캔 순서에 따라 연속적으로 순서를 부여받을 수 있다. 슬라이스는 정수개의 완전한 타일들을 포함하거나, 하나의 픽쳐의 하나의 타일 내의 연속하는 정수개의 완전한 CTU 행을 포함할 수 있다. 슬라이스는 하나의 싱글 NAL 유닛에 독점적으로 포함될 수 있다. 하나의 픽처는 하나 이상의 타일 그룹으로 구성될 수 있다. 하나의 타일 그룹은 하나 이상의 타일들을 포함할 수 있다. 브릭은 픽처 내 타일 이내의 CTU행들의 사각 영역을 나타낼 수 있다. 하나의 타일은 하나 이상의 브릭(Brick)을 포함할 수 있다. 브릭은 타일 내 CTU 행들의 사각 영역을 나타낼 수 있다. 하나의 타일은 복수의 브릭으로 분할될 수 있으며, 각각의 브릭은 타일에 속한 하나 이상의 CTU행을 포함할 수 있다. 복수의 브릭으로 분할되지 않는 타일 또한 브릭으로 취급될 수 있다.
본 개시에서 "픽셀(pixel)" 또는 "펠(pel)"은 하나의 픽처(또는 영상)를 구성하는 최소의 단위를 의미할 수 있다. 또한, 픽셀에 대응하는 용어로서 "샘플(sample)"이 사용될 수 있다. 샘플은 일반적으로 픽셀 또는 픽셀의 값을 나타낼 수 있으며, 루마(luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있고, 크로마(chroma) 성분의 픽셀/픽셀 값만을 나타낼 수도 있다.
일 실시예에서, 특히 VCM에 적용되는 경우, 픽셀/픽셀값은 다른 특성 및 의미를 갖는 성분들의 집합으로 구성된 픽쳐가 있을 때 각 성분들의 독립적 정보 혹은 조합, 합성, 분석을 통해 생성된 성분의 픽셀/픽셀값을 나타낼 수도 있다. 예를 들어 RGB 입력에서 R의 픽셀/픽셀값만을 나타낼 수도 있고 G의 픽셀/픽셀값만을 나타낼 수도 있고 B의 픽셀/픽셀값만을 나타낼 수도 있다. 예를 들어 R, G, B 성분을 이용해 합성된 루마(Luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있다. 예를 들어 R, G, B 성분을 성분에서 분석을 통해 추출한 영상, 정보의 픽셀/픽셀 값만을 나타낼 수도 있다.
본 개시에서 "유닛(unit)"은 영상 처리의 기본 단위를 나타낼 수 있다. 유닛은 픽처의 특정 영역 및 해당 영역에 관련된 정보 중 적어도 하나를 포함할 수 있다. 하나의 유닛은 하나의 루마 블록 및 두개의 크로마(e.g., Cb, Cr) 블록을 포함할 수 있다. 유닛은 경우에 따라서 "샘플 어레이", "블록(block)" 또는 "영역(area)" 등의 용어와 혼용하여 사용될 수 있다. 일반적인 경우, MxN 블록은 M개의 열과 N개의 행으로 이루어진 샘플들(또는 샘플 어레이) 또는 변환 계수(transform coefficient)들의 집합(또는 어레이)을 포함할 수 있다. 일 실시예에서, 특히 VCM에 적용되는 경우, 유닛은 특정 태스크를 수행하기 위한 정보를 담고 있는 기본 단위를 나타낼 수 있다.
본 개시에서 "현재 블록"은 "현재 코딩 블록", "현재 코딩 유닛", "부호화 대상 블록", "복호화 대상 블록" 또는 "처리 대상 블록" 중 하나를 의미할 수 있다. 예측이 수행되는 경우, "현재 블록"은 "현재 예측 블록" 또는 "예측 대상 블록"을 의미할 수 있다. 변환(역변환)/양자화(역양자화)가 수행되는 경우, "현재 블록"은 "현재 변환 블록" 또는 "변환 대상 블록"을 의미할 수 있다. 필터링이 수행되는 경우, "현재 블록"은 "필터링 대상 블록"을 의미할 수 있다.
또한, 본 개시에서 "현재 블록"은 크로마 블록이라는 명시적인 기재가 없는 한 "현재 블록의 루마 블록"을 의미할 수 있다. "현재 블록의 크로마 블록"은 명시적으로 "크로마 블록" 또는 "현재 크로마 블록"과 같이 크로마 블록이라는 명시적인 기재를 포함하여 표현될 수 있다.
본 개시에서 "/"와 ","는 "및/또는"으로 해석될 수 있다. 예를 들어, "A/B"와 "A, B"는 "A 및/또는 B"로 해석될 수 있다. 또한, "A/B/C"와 "A, B, C"는 "A, B 및/또는 C 중 적어도 하나"를 의미할 수 있다.
본 개시에서 "또는"은 "및/또는"으로 해석될 수 있다. 예를 들어, "A 또는 B"는, 1) "A" 만을 의미하거나 2) "B" 만을 의미하거나, 3) "A 및 B"를 의미할 수 있다. 또는, 본 개시에서 "또는"은 "추가적으로 또는 대체적으로(additionally or alternatively)"를 의미할 수 있다.
본 개시는 VCM(Video/image coding for machines)에 관한 것이다.
VCM은 머신 비전을 목적으로 하여 소스 영상/비디오의 일부 또는 소스 영상/비디오로부터 획득된 정보를 부호화/복호화하는 압축 기술을 일컫는다. VCM에서 부호화/복호화 대상은 피쳐(feature)로 지칭될 수 있다. 피쳐는 태스크 목적, 요구사항, 주변 환경 등에 기반하여 소스 영상/비디오로부터 추출된 정보를 의미할 수 있다. 피쳐는 소스 영상/비디오와는 상이한 정보 형태를 가질 수 있으며, 이에 따라 피쳐의 압축 방법 및 표현 형식 또한 비디오 소스와는 상이할 수 있다.
VCM은 다양한 응용 분야에 적용될 수 있다. 예를 들어, 물체나 사람을 인식하고 추적하는 감시 시스템(Surveillance system)에 있어서, VCM은 객체 인식 정보를 저장하거나 전송하기 위해 이용될 수 있다. 또한, 지능형 운송(Intelligent Transportation) 또는 스마트 트래픽 시스템(Smart Traffic system)에 있어서, VCM은 GPS로부터 수집한 차량의 위치 정보, 라이다(LIDAR), 레이더(Radar) 등으로부터 수집한 센싱 정보 및 각종 차량 제어 정보를 다른 차량이나 인프라 스트럭처(infrastructure)로 전송하기 위해 이용될 수 있다. 또한, 스마트 시트(Smart city) 분야에 있어서, VCM은 상호 연결된 센서 노드 또는 장치의 개별 태스크 수행을 위해 이용될 수 있다.
본 개시는 피쳐/피쳐맵 코딩에 관한 다양한 실시예들을 제공한다. 다른 특별한 언급이 없는 한, 본 개시의 실시예들은 각각 개별적으로 구현될 수도 있고, 또는 2 이상의 조합으로 구현될 수도 있다.
VCM 시스템 개요
도 1은 본 개시의 실시예들이 적용될 수 있는 VCM 시스템을 개략적으로 나타낸 도면이다.
도 1을 참조하면, VCM 시스템은 부호화 장치(10) 및 복호화 장치(20)를 포함할 수 있다.
부호화 장치(10)는 소스 영상/비디오로부터 추출된 피쳐/피쳐맵을 압축/부호화하여 비트스트림을 생성하고, 생성된 비트스트림을 저장매체 또는 네트워크를 통해 복호화 장치(20)로 전송할 수 있다. 부호화 장치(10)는 피쳐 부호화 장치로 지칭될 수도 있다. VCM 시스템에서, 피쳐/피쳐맵은 신경망의 각 은닉층(hidden layer)에서 생성될 수 있다. 생성된 피쳐맵의 크기 및 채널수는 신경망의 종류나 은닉층의 위치에 따라 달라질 수 있다. 본 개시에서, 피쳐맵은 피쳐셋으로 지칭될 수 있으며, 피쳐 또는 피쳐맵은 '피쳐 정보'로 지칭될 수 있다.
부호화 장치(10)는 피쳐 획득부(11), 부호화부(12) 및 전송부(13)를 포함할 수 있다.
피쳐 획득부(11)는 소스 영상/비디오에 대한 피쳐/피쳐맵을 획득할 수 있다. 실시예에 따라, 피쳐 획득부(11)는 외부 장치, 예컨대 피쳐 추출 네트워크로부터 피쳐/피쳐맵을 획득할 수 있다. 이 경우, 피쳐 획득부(11)는 피쳐 수신 인터페이스 기능을 수행하게 된다. 또는, 피쳐 획득부(11)는 소스 영상/비디오를 입력으로 하여 신경망(e.g., CNN, DNN 등)을 실행함으로써 피쳐/피쳐맵을 획득할 수도 있다. 이 경우, 피쳐 획득부(11)는 피쳐 추출 네트워크 기능을 수행하게 된다.
실시예에 따라, 부호화 장치(10)는 소스 영상/비디오를 획득하기 위한 소스 영상 생성부(미도시)를 더 포함할 수 있다. 소스 영상 생성부는 이미지 센서, 카메라 모듈 등으로 구현될 수 있으며, 영상/비디오의 캡쳐, 합성 또는 생성 과정 등을 통해 소스 영상/비디오를 획득할 수 있다. 이 경우, 생성된 소스 영상/비디오는 피쳐 추출 네트워크로 전달되어, 피쳐/피쳐맵을 추출하기 위한 입력 데이터로 이용될 수 있다.
부호화부(12)는 피쳐 획득부(11)에 의해 획득된 피쳐/피쳐맵을 부호화할 수 있다. 부호화부(12)는 부호화 효율을 높이기 위해 예측, 변환, 양자화 등 일련의 절차를 수행할 수 있다. 부호화된 데이터(부호화된 피쳐/피쳐맵 정보)는 비트스트림 형태로 출력될 수 있다. 부호화된 피쳐/피쳐맵 정보를 포함하는 비트스트림은 VCM 비트스트림으로 지칭될 수 있다.
전송부(13)는 비트스트림 형태로 출력된 피쳐/피쳐맵 정보 또는 데이터를 획득할 수 있으며, 이를 파일 또는 스트리밍 형태로 디지털 저장매체 또는 네트워크를 통해 복호화 장치(20) 또는 다른 외부 객체로 전달할 수 있다. 여기서, 디지털 저장 매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장 매체들을 포함할 수 있다. 전송부(13)는 소정의 파일 포맷을 갖는 미디어 파일을 생성하기 위한 엘리먼트들 또는 방송/통신 네트워크를 통한 데이터 전송을 위한 엘리먼트들을 포함할 수 있다. 전송부(13)는 부호화부(12)와는 별개의 전송 장치로 구비될 수 있으며, 이 경우 전송 장치는 비트스트림 형태로 출력된 피쳐/피쳐맵 정보 또는 데이터를 획득하는 적어도 하나의 프로세서와 이를 파일 또는 스트리밍 형태로 전달하는 전송부를 포함할 수 있다.
복호화 장치(20)는 부호화 장치(10)로부터 피쳐/피쳐맵 정보를 획득하고, 획득된 정보에 기반하여 피쳐/피쳐맵을 복원할 수 있다.
복호화 장치(20)는 수신부(21) 및 복호화부(22)를 포함할 수 있다.
수신부(21)는 부호화 장치(10)로부터 비트스트림을 수신하고, 수신된 비트스트림으로부터 피쳐/피쳐맵 정보를 획득하여 복호화부(22)로 전달할 수 있다.
복호화부(22)는 획득된 피쳐/피쳐맵 정보에 기반하여 피쳐/피쳐맵을 복호화할 수 있다. 복호화부(22)는 복호화 효율을 높이기 위해 부호화부(14)의 동작에 대응하는 역양자화, 역변환, 예측 등 일련의 절차를 수행할 수 있다.
실시예에 따라, 복호화 장치(20)는 태스크 분석/렌더링부(23)를 더 포함할 수 있다.
태스크 분석/렌더링부(23)는 복호화된 피쳐/피쳐맵에 기반하여 태스크 분석을 수행할 수 있다. 또한, 태스크 분석/렌더링부(23)는 복호화된 피쳐/피쳐맵을 태스크 수행에 적합한 형태로 렌더링(rendering)할 수 있다. 태스크 분석 결과 및 렌더링된 피쳐/피쳐맵에 기반하여 다양한 머신 (지향형) 태스크가 수행될 수 있다.
이상, VCM 시스템은 사용자 및/또는 머신의 요청, 태스크 목적 및 주변 환경에 따라 소스 영상/비디오로부터 추출된 피쳐를 부호화/복호화하고, 복호화된 피쳐에 기반하여 다양한 머신 (지향형) 태스크들을 수행할 수 있다. VCM 시스템은 비디오/영상 코딩 시스템을 확장/재설계함으로써 구현될 수도 있으며, VCM 표준에서 정의되는 다양한 부호화/복호화 방법들을 수행할 수 있다.
VCM 파이프라인
도 2는 본 개시의 실시예들이 적용될 수 있는 VCM 파이프라인 구조를 개략적으로 나타낸 도면이다.
도 2를 참조하면, VCM 파이프라인(200)은 영상/비디오의 부호화/복호화를 위한 제1 파이프라인(210) 및 피쳐/피쳐맵의 부호화/복호화를 위한 제2 파이프라인(220)을 포함할 수 있다. 본 개시에서, 제1 파이프라인(210)은 비디오 코덱 파이프라인으로 지칭될 수 있고, 제2 파이프라인(220)은 피쳐 코덱 파이프라인으로 지칭될 수 있다.
제1 파이프라인(210)은 입력된 영상/비디오를 부호화하는 제1 스테이지(211) 및 부호화된 영상/비디오를 복호화하여 복원된 영상/비디오를 생성하는 제2 스테이지(212)를 포함할 수 있다. 복원된 영상/비디오는 사람의 시청용, 즉 휴먼 비전을 위해 이용될 수 있다.
제2 파이프라인(220)은 입력된 영상/비디오로부터 피쳐/피쳐맵을 추출하는 제3 스테이지(221), 추출된 피쳐/피쳐맵을 부호화하는 제4 스테이지(222), 및 부호화된 피쳐/피쳐맵을 복호화하여 복원된 피쳐/피쳐맵을 생성하는 제5 스테이지(223)를 포함할 수 있다. 복원된 피쳐/피쳐맵은 머신 (비전) 태스크를 위해 이용될 수 있다. 여기서, 머신 (비전) 태스크란 머신에 의해 영상/비디오가 소비되는 형태의 태스크를 의미할 수 있다. 머신 (비전) 태스크는, 예컨대, 감시(Surveillance), 지능형 교통(Intelligent Transportation), 스마트 시티(Smart City), 지능형 산업(Intelligent Industry), 지능형 컨텐츠(Intelligent Content) 등과 같은 서비스 시나리오에 적용될 수 있다. 실시예에 따라, 복원된 피쳐/피쳐맵은 휴먼 비전을 위해 이용될 수도 있다.
실시예에 따라, 제4 스테이지(222)에서 부호화된 피쳐/피쳐맵은 제1 스테이지(221)로 전달되어 영상/비디오를 부호화하는 데 이용될 수 있다. 이 경우, 부호화된 피쳐/피쳐맵에 기반하여 부가 비트스트림이 생성될 수 있으며, 생성된 부가 비트스트림은 제2 스테이지(222)로 전달되어 영상/비디오를 복호화하는 데 이용될 수 있다.
실시예에 따라, 제5 스테이지(223)에서 복호화된 피쳐/피쳐맵은 제2 스테이지(222)로 전달되어 영상/비디오를 복호화하는 데 이용될 수 있다.
도 2에서는 VCM 파이프라인(200)이 제1 파이프라인(210) 및 제2 파이프라인(220)을 포함하는 경우를 도시하나, 이는 예시적인 것일 뿐 본 개시의 실시예들이 이에 제한되는 것은 아니다. 예를 들어, VCM 파이프라인(200)은 제2 파이프라인(220)만을 포함할 수도 있고, 또는 제2 파이프라인(220)이 복수의 피쳐 코덱 파이프라인들로 확장될 수도 있다.
한편, 제1 파이프라인(210)에서, 제1 스테이지(211)는 영상/비디오 인코더에 의해 수행되고, 제2 스테이지(212)는 영상/비디오 디코더에 의해 수행될 수 있다. 또한, 제2 파이프라인(220)에서, 제3 스테이지(221)는 VCM 인코더(또는, 피쳐/피쳐맵 인코더)에 의해 수행되고, 제4 스테이지(222)는 VCM 디코더(또는, 피쳐/피쳐맵 디코더)에 의해 수행될 수 있다. 이하, 인코더/디코더 구조를 상세히 설명한다.
인코더(Encoder)
도 3은 본 개시의 실시예들이 적용될 수 있는 영상/비디오 인코더를 개략적으로 나타낸 도면이다.
도 3을 참조하면, 영상/비디오 인코더(300)는 영상 분할부(image partitioner, 310), 예측부(predictor, 320), 레지듀얼 처리부(residual processor, 330), 엔트로피 인코딩부(entropy encoder, 340), 가산부(adder, 350), 필터링부(filter, 360), 및 메모리(memory, 370)를 포함할 수 있다. 예측부(320)는 인터 예측부(321) 및 인트라 예측부(322)를 포함할 수 있다. 레지듀얼 처리부(330)는 변환부(transformer, 332), 양자화부(quantizer, 333), 역양자화부(dequantizer, 334) 및 역변환부(inverse transformer, 335)를 포함할 수 있다. 레지듀얼 처리부(330)은 감산부(subtractor, 331)를 더 포함할 수 있다. 가산부(350)는 복원부(reconstructor) 또는 복원 블록 생성부(recontructged block generator)로 지칭될 수 있다. 상술한 영상 분할부(310), 예측부(320), 레지듀얼 처리부(330), 엔트로피 인코딩부(340), 가산부(350) 및 필터링부(360)는 실시예에 따라 하나 이상의 하드웨어 컴포넌트(예컨대, 인코더 칩셋 또는 프로세서)에 의하여 구성될 수 있다. 또한, 메모리(370)는 DPB(decoded picture buffer)를 포함할 수 있고, 디지털 저장 매체에 의해 구성될 수도 있다. 상술한 하드웨어 컴포넌트는 메모리(370)를 내/외부 컴포넌트로 더 포함할 수도 있다.
영상 분할부(310)는 영상/비디오 인코더(300)에 입력된 입력 영상(또는, 픽처, 프레임)을 하나 이상의 프로세싱 유닛(processing unit)으로 분할할 수 있다. 일 예로, 프로세싱 유닛은 코딩 유닛(coding unit, CU)으로 지칭될 수도 있다. 코딩 유닛은 코딩 트리 유닛(coding tree unit, CTU) 또는 최대 코딩 유닛(largest coding unit, LCU)으로부터 QTBTTT(Quad-tree binary-tree ternary-tree) 구조에 따라 재귀적으로(recursively) 분할될 수 있다. 예를 들어, 하나의 코딩 유닛은 쿼드 트리 구조, 바이너리 트리 구조, 및/또는 터너리 구조를 기반으로 하위(deeper) 뎁스의 복수의 코딩 유닛들로 분할될 수 있다. 이 경우, 예를 들어 쿼드 트리 구조가 먼저 적용되고 바이너리 트리 구조 및/또는 터너리 구조가 나중에 적용될 수 있다. 또는, 바이너리 트리 구조가 먼저 적용될 수도 있다. 더 이상 분할되지 않는 최종 코딩 유닛을 기반으로 본 개시에 따른 영상/비디오 코딩 절차가 수행될 수 있다. 이 경우, 영상 특성에 따른 코딩 효율 등을 기반으로 최대 코딩 유닛이 바로 최종 코딩 유닛으로 사용될 수도 있고, 또는 필요에 따라 코딩 유닛은 재귀적으로(recursively) 보다 하위 뎁스의 코딩 유닛들로 분할되어 최적의 사이즈의 코딩 유닛이 최종 코딩 유닛으로 사용될 수도 있다. 여기서, 코딩 절차라 함은 후술하는 예측, 변환, 및 복원 등의 절차를 포함할 수 있다. 다른 예로, 프로세싱 유닛은 예측 유닛(PU: Prediction Unit) 또는 변환 유닛(TU: Transform Unit)을 더 포함할 수 있다. 이 경우, 예측 유닛 및 변환 유닛은 각각 상술한 최종 코딩 유닛으로부터 분할 또는 파티셔닝될 수 있다. 예측 유닛은 샘플 예측의 단위일 수 있고, 변환 유닛은 변환 계수를 유도하는 단위 및/또는 변환 계수로부터 레지듀얼 신호(residual signal)를 유도하는 단위일 수 있다.
유닛은 경우에 따라 블록(block) 또는 영역(area) 등의 용어와 혼용하여 사용될 수 있다. 일반적인 경우, MxN 블록은 M개의 열과 N개의 행으로 이루어진 샘플들 또는 변환 계수들(transform coefficients)의 집합을 나타낼 수 있다. 샘플은 일반적으로 픽셀 또는 픽셀의 값을 나타낼 수 있으며, 휘도(luma) 성분의 픽셀/픽셀값만을 나타낼 수도 있고, 채도(chroma) 성분의 픽셀/픽셀 값만을 나타낼 수도 있다. 샘플은 픽셀(pixel) 또는 펠(pel)에 대응하는 용어로서 사용될 수 있다.
영상/비디오 인코더(300)는 입력 영상 신호(원본 블록, 원본 샘플 어레이)에서 인터 예측부(321) 또는 인트라 예측부(322)로부터 출력된 예측 신호(예측된 블록, 예측 샘플 어레이)를 감산하여 레지듀얼 신호(residual signal, 잔여 블록, 잔여 샘플 어레이)를 생성할 수 있고, 생성된 레지듀얼 신호는 변환부(332)로 전송된다. 이 경우, 도시된 바와 같이 영상/비디오 인코더(300) 내에서 입력 영상 신호(원본 블록, 원본 샘플 어레이)에서 예측 신호(예측 블록, 예측 샘플 어레이)를 감산하는 유닛은 감산부(331)라고 지칭될 수 있다. 예측부는 처리 대상 블록(이하, 현재 블록이라 함)에 대한 예측을 수행하고, 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록(predicted block)을 생성할 수 있다. 예측부는 현재 블록 또는 CU 단위로 인트라 예측이 적용되는지 또는 인터 예측이 적용되는지를 결정할 수 있다. 예측부는 예측 모드 정보 등 예측에 관한 다양한 정보를 생성하여 엔트로피 인코딩부(340)로 전달할 수 있다. 예측에 관한 정보는 엔트로피 인코딩부(340)에서 인코딩되어 비트스트림 형태로 출력될 수 있다.
인트라 예측부(322)는 현재 픽처 내의 샘플들을 참조하여 현재 블록을 예측할 수 있다. 이 때, 참조되는 샘플들은 예측 모드에 따라 현재 블록의 주변(neighbor)에 위치할 수도 있고, 또는 떨어져서 위치할 수도 있다. 인트라 예측에서 예측 모드들은 복수의 비방향성 모드와 복수의 방향성 모드를 포함할 수 있다. 비방향성 모드는, 예를 들어 DC 모드 및 플래너 모드(Planar 모드)를 포함할 수 있다. 방향성 모드는 예측 방향의 세밀한 정도에 따라, 예를 들어 33개의 방향성 예측 모드 또는 65개의 방향성 예측 모드를 포함할 수 있다. 다만 이는 예시로서, 설정에 따라 그 이상 또는 그 이하의 개수의 방향성 예측 모드들이 사용될 수 있다. 인트라 예측부(322)는 주변 블록에 적용된 예측 모드를 이용하여, 현재 블록에 적용되는 예측 모드를 결정할 수도 있다.
인터 예측부(321)는 참조 픽처 상에서 움직임 벡터에 의해 특정되는 참조 블록(참조 샘플 어레이)을 기반으로, 현재 블록에 대한 예측된 블록을 유도할 수 있다. 이 때, 인터 예측 모드에서 전송되는 움직임 정보의 양을 줄이기 위해 주변 블록과 현재 블록 간의 움직임 정보의 상관성에 기초하여 움직임 정보를 블록, 서브블록 또는 샘플 단위로 예측할 수 있다. 움직임 정보는 움직임 벡터 및 참조 픽처 인덱스를 포함할 수 있다. 움직임 정보는 인터 예측 방향(L0 예측, L1 예측, Bi 예측 등) 정보를 더 포함할 수 있다. 인터 예측의 경우에, 주변 블록은 현재 픽처 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 픽처에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 참조 블록을 포함하는 참조 픽처와 시간적 주변 블록을 포함하는 참조 픽처는 동일할 수도 있고, 다를 수도 있다. 시간적 주변 블록은 동일 위치 참조 블록(collocated reference block), 동일 위치 CU(colCU) 등으로 지칭될 수 있으며, 시간적 주변 블록을 포함하는 참조 픽처는 동일 위치 픽처(collocated picture, colPic)로 지칭될 수도 있다. 예를 들어, 인터 예측부(321)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 현재 블록의 움직임 벡터 및/또는 참조 픽처 인덱스를 도출하기 위하여 어떤 후보가 사용되는지를 지시하는 정보를 생성할 수 있다. 다양한 예측 모드를 기반으로 인터 예측이 수행될 수 있으며, 예를 들어 스킵 모드와 머지 모드의 경우에, 인터 예측부(321)는 주변 블록의 움직임 정보를 현재 블록의 움직임 정보로 이용할 수 있다. 스킵 모드의 경우, 머지 모드와 달리 레지듀얼 신호가 전송되지 않을 수 있다. 움직임 정보 예측(motion vector prediction, MVP) 모드의 경우, 주변 블록의 움직임 벡터를 움직임 벡터 예측자(motion vector predictor)로 이용하고, 움직임 벡터 차분(motion vector difference)을 시그널링함으로써 현재 블록의 움직임 벡터를 지시할 수 있다.
예측부(320)는 다양한 예측 방법을 기반으로 예측 신호를 생성할 수 있다. 예를 들어, 예측부는 하나의 블록에 대한 예측을 위하여 인트라 예측 또는 인터 예측을 적용할 수 있을 뿐 아니라, 인트라 예측과 인터 예측을 동시에 적용할 수도 있다. 이를 combined inter and intra prediction (CIIP)라고 부를 수 있다. 또한, 예측부는 블록에 대한 예측을 위하여 인트라 블록 카피(intra block copy, IBC) 예측 모드에 기반할 수도 있고 또는 팔레트 모드(palette mode)에 기반할 수도 있다. IBC 예측 모드 또는 팔레트 모드는 예를 들어 SCC(screen content coding) 등과 같이 게임 등의 컨텐츠 영상/동영상 코딩을 위하여 사용될 수 있다. IBC는 기본적으로 현재 픽처 내에서 예측을 수행하나 현재 픽처 내에서 참조 블록을 도출하는 점에서 인터 예측과 유사하게 수행될 수 있다. 즉, IBC는 본 개시에서 설명되는 인터 예측 기법들 중 적어도 하나를 이용할 수 있다. 팔레트 모드는 인트라 코딩 또는 인트라 예측의 일 예로 볼 수 있다. 팔레트 모드가 적용되는 경우 팔레트 테이블 및 팔레트 인덱스에 관한 정보를 기반으로 픽처 내 샘플 값을 시그널링할 수 있다.
예측부(320)에 의해 생성된 예측 신호는 복원 신호를 생성하기 위해 이용되거나 레지듀얼 신호를 생성하기 위해 이용될 수 있다. 변환부(332)는 레지듀얼 신호에 변환 기법을 적용하여 변환 계수들(transform coefficients)을 생성할 수 있다. 예를 들어, 변환 기법은 DCT(Discrete Cosine Transform), DST(Discrete Sine Transform), KLT(Karhunen-Loeve Transform), GBT(Graph-Based Transform), 또는 CNT(Conditionally Non-linear Transform) 중 적어도 하나를 포함할 수 있다. 여기서, GBT는 픽셀 간의 관계 정보를 그래프로 표현한다고 할 때 이 그래프로부터 얻어진 변환을 의미한다. CNT는 이전에 복원된 모든 픽셀들(all previously reconstructed pixels)을 이용하여 예측 신호를 생성하고 그에 기초하여 획득되는 변환을 의미한다. 또한, 변환 과정은 정사각형의 동일한 크기를 갖는 픽셀 블록에 적용될 수도 있고, 정사각형이 아닌 가변 크기의 블록에도 적용될 수 있다.
양자화부(333)는 변환 계수들을 양자화하여 엔트로피 인코딩부(340)로 전송하고, 엔트로피 인코딩부(340)는 양자화된 신호(양자화된 변환 계수들에 관한 정보)를 인코딩하여 비트스트림으로 출력할 수 있다. 양자화된 변환 계수들에 관한 정보는 레지듀얼 정보라고 불릴 수 있다. 양자화부(333)는 계수 스캔 순서(scan order)를 기반으로 블록 형태의 양자화된 변환 계수들을 1차원 벡터 형태로 재정렬할 수 있고, 1차원 벡터 형태의 양자화된 변환 계수들을 기반으로 양자화된 변환 계수들에 관한 정보를 생성할 수도 있다. 엔트로피 인코딩부(340)는, 예를 들어 지수 골롬(exponential Golomb), CAVLC(context-adaptive variable length coding), CABAC(context-adaptive binary arithmetic coding) 등과 같은 다양한 인코딩 방법을 수행할 수 있다. 엔트로피 인코딩부(340)는 양자화된 변환 계수들 외 영상/비디오 복원에 필요한 정보들(e.g., 신택스 요소들(syntax elements)의 값 등)을 함께 또는 별도로 인코딩할 수도 있다. 인코딩된 정보(e.g., 인코딩된 영상/비디오 정보)는 비트스트림 형태로 NAL(network abstraction layer) 유닛 단위로 전송 또는 저장될 수 있다. 영상/비디오 정보는 어댑테이션 파라미터 세트(APS), 픽처 파라미터 세트(PPS), 시퀀스 파라미터 세트(SPS) 또는 비디오 파라미터 세트(VPS) 등 다양한 파라미터 세트에 관한 정보를 더 포함할 수 있다. 또한, 영상/비디오 정보는 일반 제한 정보(general constraint information)를 더 포함할 수 있다. 또한, 영상/비디오 정보는 부호화된 정보의 생성 방법 및 사용 방법, 목적 등을 더 포함할 수 있다. 본 개시에서 영상/비디오 인코더에서 영상/비디오 디코더로 전달/시그널링되는 정보 및/또는 신택스 요소들은 영상/비디오 정보에 포함될 수 있다. 영상/비디오 정보는 상술한 인코딩 절차를 통하여 인코딩되어 비트스트림에 포함될 수 있다. 비트스트림은 네트워크를 통하여 전송될 수 있고, 또는 디지털 저장매체에 저장될 수 있다. 여기서, 네트워크는 방송망 및/또는 통신망 등을 포함할 수 있고, 디지털 저장매체는 USB, SD, CD, DVD, 블루레이, HDD, SSD 등 다양한 저장매체를 포함할 수 있다. 엔트로피 인코딩부(340)로부터 출력된 신호를 전송하는 전송부(미도시) 및/또는 저장하는 저장부(미도시)가 영상/비디오 인코더(300)의 내/외부 엘리먼트로서 구성될 수 있고, 또는 전송부는 엔트로피 인코딩부(340)에 포함될 수도 있다.
양자화부(333)로부터 출력된 양자화된 변환 계수들은 예측 신호를 생성하기 위해 이용될 수 있다. 예를 들어, 양자화된 변환 계수들에 역양자화부(334) 및 역변환부(335)를 통해 역양자화 및 역변환을 적용함으로써 레지듀얼 신호(레지듀얼 블록 or 레지듀얼 샘플들)를 복원할 수 있다. 가산부(350)는 복원된 레지듀얼 신호를 인터 예측부(321) 또는 인트라 예측부(322)로부터 출력된 예측 신호에 더함으로써 복원(reconstructed) 신호(복원 픽처, 복원 블록, 복원 샘플 어레이)가 생성될 수 있다. 스킵 모드가 적용된 경우와 같이 처리 대상 블록에 대한 레지듀얼이 없는 경우, 예측된 블록이 복원 블록으로 사용될 수 있다. 가산부(350)는 복원부 또는 복원 블록 생성부라고 불릴 수 있다. 생성된 복원 신호는 현재 픽처 내 다음 처리 대상 블록의 인트라 예측을 위하여 사용될 수 있고, 후술하는 바와 같이 필터링을 거쳐서 다음 픽처의 인터 예측을 위하여 사용될 수도 있다.
한편 픽처 인코딩 및/또는 복원 과정에서 LMCS (luma mapping with chroma scaling)가 적용될 수도 있다.
필터링부(360)는 복원 신호에 필터링을 적용하여 주관적/객관적 화질을 향상시킬 수 있다. 예를 들어, 필터링부(360)은 복원 픽처에 다양한 필터링 방법을 적용하여 수정된(modified) 복원 픽처를 생성할 수 있고, 수정된 복원 픽처를 메모리(370), 구체적으로 메모리(370)의 DPB에 저장할 수 있다. 다양한 필터링 방법은, 예를 들어 디블록킹 필터링, 샘플 적응적 오프셋(sample adaptive offset), 적응적 루프 필터(adaptive loop filter), 양방향 필터(bilateral filter) 등을 포함할 수 있다. 필터링부(360)은 필터링에 관한 다양한 정보를 생성하여 엔트로피 인코딩부(340)로 전달할 수 있다. 필터링 관한 정보는 엔트로피 인코딩부(340)에서 인코딩되어 비트스트림 형태로 출력될 수 있다.
메모리(370)에 전송된 수정된 복원 픽처는 인터 예측부(321)에서 참조 픽처로 사용될 수 있다. 이를 통해, 인코더단 및 디코더단에서의 예측 미스매치를 피할 수 있고, 부호화 효율도 향상시킬 수 있다.
메모리(370)의 DPB는 수정된 복원 픽처를 인터 예측부(321)에서의 참조 픽처로 사용하기 위해 저장할 수 있다. 메모리(370)는 현재 픽처 내 움직임 정보가 도출된(또는, 인코딩된) 블록의 움직임 정보 및/또는 이미 복원된 픽처 내 블록들의 움직임 정보를 저장할 수 있다. 저장된 움직임 정보는 공간적 주변 블록의 움직임 정보 또는 시간적 주변 블록의 움직임 정보로 활용하기 위하여 인터 예측부(321)에 전달될 수 있다. 메모리(370)는 현재 픽처 내 복원된 블록들의 복원 샘플들을 저장할 수 있고, 저장된 복원 샘플들을 인트라 예측부(322)에 전달할 수 있다.
한편, VCM 인코더(또는, 피쳐/피쳐맵 인코더)는, 피쳐/피쳐맵을 인코딩하기 위하여 예측, 변환, 양자화 등 일련의 절차를 수행한다는 점에서, 기본적으로 도 3을 참조하여 설명한 영상/비디오 인코더(300)와 동일/유사한 구조를 가질 수 있다. 다만, VCM 인코더는 피쳐/피쳐맵을 부호화 대상으로 한다는 점에서 영상/비디오 인코더(300)와는 차이가 있으며, 이에 따라 각 유닛(또는, 구성요소)의 명칭(e.g., 영상 분할부(310) 등)과 그 구체적 동작 내용에 있어서 영상/비디오 인코더(300)와는 상이할 수 있다. VCM 인코더의 구체적 동작 내용에 대해서는 상세히 후술하기로 한다.
디코더(Decoder)
도 4는 본 개시의 실시예들이 적용될 수 있는 영상/비디오 디코더를 개략적으로 나타낸 도면이다.
도 4를 참조하면, 영상/비디오 디코더(400)는 엔트로피 디코딩부(entropy decoder, 410), 레지듀얼 처리부(residual processor, 420), 예측부(predictor, 430), 가산부(adder, 440), 필터링부(filter, 450) 및 메모리(memoery, 460)를 포함할 수 있다. 예측부(430)는 인터 예측부(431) 및 인트라 예측부(432)를 포함할 수 있다. 레지듀얼 처리부(420)는 역양자화부(dequantizer, 421) 및 역변환부(inverse transformer, 422)를 포함할 수 있다. 상술한 엔트로피 디코딩부(410), 레지듀얼 처리부(420), 예측부(430), 가산부(440) 및 필터링부(450)는 실시예에 따라 하나의 하드웨어 컴포넌트(예컨대, 디코더 칩셋 또는 프로세서)에 의하여 구성될 수 있다. 또한 메모리(460)는 DPB(decoded picture buffer)를 포함할 수 있고, 디지털 저장 매체에 의하여 구성될 수도 있다. 하드웨어 컴포넌트는 메모리(460)을 내/외부 컴포넌트로 더 포함할 수도 있다.
비디오/영상 정보를 포함하는 비트스트림이 입력되면, 영상/비디오 디코더(400)는 도 3의 영상/비디오 인코더(300)에서 영상/비디오 정보가 처리된 프로세스에 대응하여 영상/비디오를 복원할 수 있다. 예를 들어, 영상/비디오 디코더(400)는 비트스트림으로부터 획득한 블록 분할 관련 정보를 기반으로 유닛들/블록들을 도출할 수 있다. 영상/비디오 디코더(400)는 영상/비디오 인코더에서 적용된 프로세싱 유닛을 이용하여 디코딩을 수행할 수 있다. 따라서, 디코딩의 프로세싱 유닛은, 예컨대 코딩 유닛일 수 있고, 코딩 유닛은 코딩 트리 유닛 또는 최대 코딩 유닛으로부터 쿼드 트리 구조, 바이너리 트리 구조 및/또는 터너리 트리 구조를 따라서 분할될 수 있다. 코딩 유닛으로부터 하나 이상의 변환 유닛이 도출될 수 있다. 그리고, 영상/비디오 디코더(400)를 통해 디코딩 및 출력된 복원 영상 신호는 재생 장치를 통해 재생될 수 있다.
영상/비디오 디코더(400)는 도 3의 인코더로부터 출력된 신호를 비트스트림 형태로 수신할 수 있고, 수신된 신호는 엔트로피 디코딩부(410)를 통해 디코딩될 수 있다. 예를 들어, 엔트로피 디코딩부(410)는 비트스트림을 파싱하여 영상 복원(또는, 픽처 복원)에 필요한 정보(e.g., 영상/비디오 정보)를 도출할 수 있다. 영상/비디오 정보는 어댑테이션 파라미터 세트(APS), 픽처 파라미터 세트(PPS), 시퀀스 파라미터 세트(SPS) 또는 비디오 파라미터 세트(VPS) 등 다양한 파라미터 세트에 관한 정보를 더 포함할 수 있다. 또한, 영상/비디오 정보는 일반 제한 정보(general constraint information)을 더 포함할 수 있다. 또한, 영상/비디오 정보는 복호화된 정보의 생성 방법 및 사용 방법, 목적 등을 포함할 수 있다. 영상/비디오 디코더(400)는 파라미터 세트에 관한 정보 및/또는 일반 제한 정보를 더 기반으로 픽처를 디코딩할 수 있다. 시그널링/수신되는 정보 및/또는 신택스 요소들은 디코딩 절차를 통하여 디코딩되어 비트스트림으로부터 획득될 수 있다. 예를 들어, 엔트로피 디코딩부(410)는 지수 골롬 부호화, CAVLC 또는 CABAC 등의 코딩 방법을 기초로 비트스트림 내 정보를 디코딩하고, 영상 복원에 필요한 신택스 요소들의 값들, 레지듀얼에 관한 변환 계수의 양자화된 값들을 출력할 수 있다. 보다 상세하게, CABAC 엔트로피 디코딩 방법은, 비트스트림에서 각 구문 요소에 해당하는 빈(bin)을 수신하고, 디코딩 대상 구문 요소 정보와 주변 및 디코딩 대상 블록의 디코딩 정보 혹은 이전 단계에서 디코딩된 심볼/빈의 정보를 이용하여 문맥(context) 모델을 결정하고, 결정된 문맥 모델에 따라 빈의 발생 확률을 예측하여 빈의 산술 디코딩(arithmetic decoding)를 수행하여 각 신택스 요소의 값에 해당하는 심볼을 생성할 수 있다. 이 때, CABAC 엔트로피 디코딩 방법은 문맥 모델 결정 후 다음 심볼/빈의 문맥 모델을 위해 디코딩된 심볼/빈의 정보를 이용하여 문맥 모델을 업데이트할 수 있다. 엔트로피 디코딩부(410)에서 디코딩된 정보 중 예측에 관한 정보는 예측부(인터 예측부(432) 및 인트라 예측부(431))로 제공되고, 엔트로피 디코딩부(410)에서 엔트로피 디코딩이 수행된 레지듀얼 값, 즉 양자화된 변환 계수들 및 관련 파라미터 정보는 레지듀얼 처리부(420)로 입력될 수 있다. 레지듀얼 처리부(420)는 레지듀얼 신호(레지듀얼 블록, 레지듀얼 샘플들, 레지듀얼 샘플 어레이)를 도출할 수 있다. 또한, 엔트로피 디코딩부(410)에서 디코딩된 정보 중 필터링에 관한 정보는 필터링부(450)로 제공될 수 있다. 한편, 영상/비디오 인코더로부터 출력된 신호를 수신하는 수신부(미도시)가 영상/비디오 디코더(400)의 내/외부 엘리먼트로서 더 구성될 수 있고, 또는 수신부는 엔트로피 디코딩부(410)의 구성요소일 수도 있다. 한편, 본 개시에 따른 영상/비디오 디코더는 영상/비디오 디코딩 장치라고 불릴 수 있고, 영상/비디오 디코더는 정보 디코더(영상/비디오 정보 디코더) 및 샘플 디코더(영상/비디오 샘플 디코더)로 구분될 수도 있다. 이 경우, 정보 디코더는 엔트로피 디코딩부(410)를 포함할 수 있고, 샘플 디코더는 역양자화부(321), 역변환부(322), 가산부(440), 필터링부(450), 메모리(460), 인터 예측부(432) 및 인트라 예측부(431) 중 적어도 하나를 포함할 수 있다.
역양자화부(421)에서는 양자화된 변환 계수들을 역양자화하여 변환 계수들을 출력할 수 있다. 역양자화부(421)는 양자화된 변환 계수들을 2차원의 블록 형태로 재정렬할 수 있다. 이 경우, 재정렬은 영상/비디오 인코더에서 수행된 계수 스캔 순서를 기반하여 재정렬을 수행할 수 있다. 역양자화부(321)는 양자화 파라미터(e.g., 양자화 스텝 사이즈 정보)를 이용하여 양자화된 변환 계수들에 대한 역양자화를 수행하고, 변환 계수들(transform coefficients)을 획득할 수 있다.
역변환부(422)에서는 변환 계수들을 역변환하여 레지듀얼 신호(레지듀얼 블록, 레지듀얼 샘플 어레이)를 획득하게 된다.
예측부(430)는 현재 블록에 대한 예측을 수행하고, 현재 블록에 대한 예측 샘플들을 포함하는 예측된 블록(predicted block)을 생성할 수 있다. 예측부는 엔트로피 디코딩부(410)로부터 출력된 예측에 관한 정보를 기반으로 현재 블록에 인트라 예측이 적용되는지 또는 인터 예측이 적용되는지 결정할 수 있고, 구체적인 인트라/인터 예측 모드를 결정할 수 있다.
예측부(420)는 다양한 예측 방법을 기반으로 예측 신호를 생성할 수 있다. 예를 들어, 예측부는 하나의 블록에 대한 예측을 위하여 인트라 예측 또는 인터 예측을 적용할 수 있을 뿐 아니라, 인트라 예측과 인터 예측을 동시에 적용할 수 있다. 이를 combined inter and intra prediction (CIIP)라고 부를 수 있다. 또한, 예측부는 블록에 대한 예측을 위하여 인트라 블록 카피(intra block copy, IBC) 예측 모드에 기반할 수도 있고 또는 팔레트 모드(palette mode)에 기반할 수도 있다. IBC 예측 모드 또는 팔레트 모드는 예를 들어 SCC(screen content coding) 등과 같이 게임 등의 컨텐츠 영상/동영상 코딩을 위하여 사용될 수 있다. IBC는 기본적으로 현재 픽처 내에서 예측을 수행하나 현재 픽처 내에서 참조 블록을 도출하는 점에서 인터 예측과 유사하게 수행될 수 있다. 즉, IBC는 본 문서에서 설명되는 인터 예측 기법들 중 적어도 하나를 이용할 수 있다. 팔레트 모드는 인트라 코딩 또는 인트라 예측의 일 예로 볼 수 있다. 팔레트 모드가 적용되는 경우 팔레트 테이블 및 팔레트 인덱스에 관한 정보가 영상/비디오 정보에 포함되어 시그널링될 수 있다.
인트라 예측부(431)는 현재 픽처 내의 샘플들을 참조하여 현재 블록을 예측할 수 있다. 참조되는 샘플들은 예측 모드에 따라 현재 블록의 주변(neighbor)에 위치할 수 있고, 또는 떨어져서 위치할 수도 있다. 인트라 예측에서 예측 모드들은 복수의 비방향성 모드와 복수의 방향성 모드를 포함할 수 있다. 인트라 예측부(431)는 주변 블록에 적용된 예측 모드를 이용하여, 현재 블록에 적용되는 예측 모드를 결정할 수도 있다.
인터 예측부(432)는 참조 픽처 상에서 움직임 벡터에 의해 특정되는 참조 블록(참조 샘플 어레이)을 기반으로, 현재 블록에 대한 예측된 블록을 유도할 수 있다. 이 때, 인터 예측 모드에서 전송되는 움직임 정보의 양을 줄이기 위해 주변 블록과 현재 블록 간의 움직임 정보의 상관성에 기초하여 움직임 정보를 블록, 서브블록 또는 샘플 단위로 예측할 수 있다. 움직임 정보는 움직임 벡터 및 참조 픽처 인덱스를 포함할 수 있다. 움직임 정보는 인터 예측 방향(L0 예측, L1 예측, Bi 예측 등) 정보를 더 포함할 수 있다. 인터 예측의 경우에, 주변 블록은 현재 픽처 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 픽처에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 예를 들어, 인터 예측부(432)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 수신한 후보 선택 정보를 기반으로 현재 블록의 움직임 벡터 및/또는 참조 픽처 인덱스를 도출할 수 있다. 다양한 예측 모드를 기반으로 인터 예측이 수행될 수 있으며, 예측에 관한 정보는 현재 블록에 대한 인터 예측의 모드를 지시하는 정보를 포함할 수 있다.
가산부(440)는 획득된 레지듀얼 신호를 예측부(인터 예측부(432) 및/또는 인트라 예측부(431) 포함)로부터 출력된 예측 신호(예측된 블록, 예측 샘플 어레이)에 더함으로써 복원 신호(복원 픽처, 복원 블록, 복원 샘플 어레이)를 생성할 수 있다. 스킵 모드가 적용된 경우와 같이 처리 대상 블록에 대한 레지듀얼이 없는 경우, 예측된 블록이 복원 블록으로 사용될 수 있다.
가산부(440)는 복원부 또는 복원 블록 생성부라고 불릴 수 있다. 생성된 복원 신호는 현재 픽처 내 다음 처리 대상 블록의 인트라 예측을 위하여 사용될 수 있고, 후술하는 바와 같이 필터링을 거쳐서 출력될 수도 있고 또는 다음 픽처의 인터 예측을 위하여 사용될 수도 있다.
한편, 픽처 디코딩 과정에서 LMCS (luma mapping with chroma scaling)가 적용될 수도 있다.
필터링부(450)는 복원 신호에 필터링을 적용하여 주관적/객관적 화질을 향상시킬 수 있다. 예를 들어, 필터링부(450)는 복원 픽처에 다양한 필터링 방법을 적용하여 수정된(modified) 복원 픽처를 생성할 수 있고, 수정된 복원 픽처를 메모리(460), 구체적으로 메모리(460)의 DPB에 전송할 수 있다. 다양한 필터링 방법은, 예컨대 디블록킹 필터링, 샘플 적응적 오프셋(sample adaptive offset), 적응적 루프 필터(adaptive loop filter), 양방향 필터(bilateral filter) 등을 포함할 수 있다.
메모리(460)의 DPB에 저장된 (수정된) 복원 픽처는 인터 예측부(432)에서 참조 픽처로 사용될 수 있다. 메모리(460)는 현재 픽처 내 움직임 정보가 도출된(또는 디코딩된) 블록의 움직임 정보 및/또는 이미 복원된 픽처 내 블록들의 움직임 정보를 저장할 수 있다. 저장된 움직임 정보는 공간적 주변 블록의 움직임 정보 또는 시간적 주변 블록의 움직임 정보로 활용하기 위하여 인터 예측부(432)에 전달할 수 있다. 메모리(460)는 현재 픽처 내 복원된 블록들의 복원 샘플들을 저장할 수 있고, 인트라 예측부(431)에 전달할 수 있다.
한편, VCM 디코더(또는, 피쳐/피쳐맵 디코더)는, 피쳐/피쳐맵을 디코딩하기 위하여 예측, 역변환, 역양자화 등 일련의 절차를 수행한다는 점에서, 기본적으로 도 4를 참조하여 상술한 영상/비디오 디코더(400)와 동일/유사한 구조를 가질 수 있다. 다만, VCM 디코더는 피쳐/피쳐맵을 복호화 대상으로 한다는 점에서 영상/비디오 디코더(400)와는 차이가 있으며, 이에 따라 각 유닛(또는, 구성요소)의 명칭(e.g., DPB 등)과 그 구체적 동작 내용에 있어서 영상/비디오 디코더(400)와는 상이할 수 있다. VCM 디코더의 동작은 VCM 인코더의 동작에 대응할 수 있으며, 그 구체적 동작 내용에 대해서는 상세히 후술하기로 한다.
피쳐/피쳐맵 인코딩 절차
도 5는 본 개시의 실시예들이 적용될 수 있는 피쳐/피쳐맵 인코딩 절차를 개략적으로 나타낸 흐름도이다.
도 5를 참조하면, 피쳐/피쳐맵 인코딩 절차는 예측 절차(S510), 레지듀얼 처리 절차(S520) 및 정보 인코딩 절차(S530)를 포함할 수 있다.
예측 절차(S510)는 도 3을 참조하여 전술한 예측부(320)에 의해 수행될 수 있다.
구체적으로, 인트라 예측부(322)는 현재 피쳐/피쳐맵 내의 피쳐 엘리먼트들을 참조하여 현재 블록(즉, 현재 부호화 대상이 되는 피쳐 엘리먼트들의 집합)을 예측할 수 있다. 인트라 예측은 피쳐/피쳐맵을 구성하는 피쳐 엘리먼트들의 공간적 유사성에 기반하여 수행될 수 있다. 예를 들어, 영상/비디오 내에서 동일한 관심 영역(Region of Interest, RoI)에 포함된 피쳐 엘리먼트들은 유사한 데이터 분포 특성을 갖는 것으로 추정될 수 있다. 따라서, 인트라 예측부(322)는 현재 블록을 포함하는 관심 영역 내에서 기복원된 피쳐 엘리먼트들을 참조하여 현재 블록을 예측할 수 있다. 이 때, 참조되는 피쳐 엘리먼트들은 예측 모드에 따라 현재 블록과 인접하여 위치할 수도 있고, 또는 현재 블록과 이격하여 위치할 수도 있다. 피쳐/피쳐맵 부호화를 위한 인트라 예측 모드들은 복수의 비방향성 예측 모드들 및 복수의 방향성 예측 모드들을 포함할 수 있다. 비방향성 예측 모드들은, 예컨대 영상/비디오 인코딩 절차의 DC 모드 및 플래너 모드에 대응하는 예측 모드들을 포함할 수 있다. 또한, 방향성 모드들은, 예컨대 영상/비디오 인코딩 절차의 33개의 방향성 모드들 또는 65개의 방향성 모드들에 대응하는 예측 모드들을 포함할 수 있다. 다만 이는 예시로서, 인트라 예측 모드들의 유형 및 개수는 실시예에 따라 다양하게 설정/변경될 수 있다.
인터 예측부(321)는 참조 피쳐/피쳐맵 상에서 움직임 정보에 의해 특정되는 참조 블록(즉, 참조되는 피쳐 엘리먼트들의 집합)을 기반으로, 현재 블록을 예측할 수 있다. 인터 예측은 피쳐/피쳐맵을 구성하는 피쳐 엘리먼트들의 시간적 유사성에 기반하여 수행될 수 있다. 예를 들어, 시간적으로 연속된 피쳐들은 유사한 데이터 분포 특성을 가질 수 있다. 따라서, 인터 예측부(321)는 현재 피쳐와 시간적으로 인접한 피쳐의 기복원된 피쳐 엘리먼트들을 참조하여 현재 블록을 예측할 수 있다. 이 때, 참조되는 피쳐 엘리먼트들을 특정하기 위한 움직임 정보는 움직임 벡터 및 참조 피쳐/피쳐맵 인덱스를 포함할 수 있다. 움직임 정보는 인터 예측 방향(e.g., L0 예측, L1 예측, Bi 예측 등)에 관한 정보를 더 포함할 수 있다. 인터 예측의 경우에, 주변 블록은 현재 피쳐/피쳐맵 내에 존재하는 공간적 주변 블록(spatial neighboring block)과 참조 피쳐/피쳐맵 내에 존재하는 시간적 주변 블록(temporal neighboring block)을 포함할 수 있다. 참조 블록을 포함하는 참조 피쳐/피쳐맵과 시간적 주변 블록을 포함하는 참조 피쳐/피쳐맵은 동일할 수도 있고, 다를 수도 있다. 시간적 주변 블록은 동일 위치 참조 블록(collocated reference block) 등으로 지칭될 수 있으며, 시간적 주변 블록을 포함하는 참조 피쳐/피쳐맵은 동일 위치 피쳐/피쳐맵(collocated feature/feature map)으로 지칭될 수도 있다. 인터 예측부(321)는 주변 블록들을 기반으로 움직임 정보 후보 리스트를 구성하고, 현재 블록의 움직임 벡터 및/또는 참조 피쳐/피쳐맵 인덱스를 도출하기 위하여 어떤 후보가 사용되는지를 지시하는 정보를 생성할 수 있다. 다양한 예측 모드들을 기반으로 인터 예측이 수행될 수 있으며, 예를 들어 스킵 모드와 머지 모드의 경우에, 인터 예측부(321)는 주변 블록의 움직임 정보를 현재 블록의 움직임 정보로 이용할 수 있다. 스킵 모드의 경우, 머지 모드와 달리 레지듀얼 신호가 전송되지 않을 수 있다. 움직임 정보 예측(motion vector prediction, MVP) 모드의 경우, 주변 블록의 움직임 벡터를 움직임 벡터 예측자(motion vector predictor)로 이용하고, 움직임 벡터 차분(motion vector difference)을 시그널링함으로써 현재 블록의 움직임 벡터를 지시할 수 있다. 예측부(320)는 상술한 인트라 예측 및 인터 예측 이외에도 다양한 예측 방법에 기반하여 예측 신호를 생성할 수 있다.
예측부(320)에 의해 생성된 예측 신호는 레지듀얼 신호(레지듀얼 블록, 레지듀얼 피쳐 엘리먼트들)을 생성하기 위해 이용될 수 있다(S520). 레지듀얼 처리 절차(S520)는 도 3을 참조하여 전술한 레지듀얼 처리부(330)에 의해 수행될 수 있다. 그리고, 레지듀얼 신호에 대한 변환 및/또는 양자화 절차를 통해 (양자화된) 변환 계수들이 생성될 수 있으며, 엔트로피 인코딩부(340)는 (양자화된) 변환 계수들에 관한 정보를 레지듀얼 정보로서 비트스트림 내에 인코딩할 수 있다(S530). 또한, 엔트로피 인코딩부(340)는 레지듀얼 정보 외에 피쳐/피쳐맵 복원에 필요한 정보, 예컨대 예측 정보(e.g., 예측 모드 정보, 움직임 정보 등)를 비트스트림 내에 인코딩할 수 있다.
한편, 피쳐/피쳐맵 인코딩 절차는 피쳐/피쳐맵 복원을 위한 정보(e.g., 예측 정보, 레지듀얼 정보, 파티셔닝 정보 등)를 인코딩하여 비트스트림 형태로 출력하는 절차(S530)뿐만 아니라, 현재 피쳐/피쳐맵에 대한 복원 피쳐/피쳐맵을 생성하는 절차 및 복원 피쳐/피쳐맵에 대해 인루프 필터링을 적용하는 절차(optional)를 더 포함할 수 있다.
VCM 인코더는 역양자화 및 역변환을 통해 양자화된 변환 계수(들)로부터 (수정된) 레지듀얼 피쳐(들)을 도출할 수 있으며, 단계 S510의 출력인 예측 피쳐(들)과 (수정된) 레지듀얼 피쳐(들)을 기반으로 복원 피쳐/피쳐맵을 생성할 수 있다. 이렇게 생성된 복원 피쳐/피쳐맵은 VCM 디코더에서 생성된 복원 피쳐/피쳐맵과 동일할 수 있다. 복원 피쳐/피쳐맵에 대해 인루프 필터링 절차가 수행되는 경우, 복원 피쳐/피쳐맵에 대한 인루프 필터링 절차를 통해 수정된 복원 피쳐/피쳐맵이 생성될 수 있다. 수정된 복원 피쳐/피쳐맵은 복호 피쳐 버퍼(decoded feature buffer, DFB) 또는 메모리에 저장되어, 이후 피쳐/피쳐맵의 예측 절차에서 참조 피쳐/피쳐맵으로 이용될 수 있다. 또한, (인루프) 필터링 관련 정보(파라미터)가 인코딩되어 비트스트림 형태로 출력될 수 있다. 인루프 필터링 절차를 통해 피쳐/피쳐맵 코딩시 발생할 수 있는 노이즈를 제거할 수 있으며, 피쳐/피쳐맵 기반의 태스크 수행 성능을 향상시킬 수 있다. 또한, 인코더단 및 디코더단 모두에서 인루프 필터링 절차를 수행함으로써, 예측 결과의 동일성을 보장하고 피쳐/피쳐맵 코딩의 신뢰성을 향상시킬 수 있으며, 피쳐/피쳐맵 코딩을 위한 데이터 전송량을 감소시킬 수 있다.
피쳐/피쳐맵 디코딩 절차
도 6은 본 개시의 실시예들이 적용될 수 있는 피쳐/피쳐맵 디코딩 절차를 개략적으로 나타낸 흐름도이다.
도 6을 참조하면, 피쳐/피쳐맵 디코딩 절차는 영상/비디오 정보 획득 절차(S610), 피쳐/피쳐맵 복원 절차(S620~S640) 및 복원된 피쳐/피쳐맵에 대한 인루프 필터링 절차(S650)를 포함할 수 있다. 피쳐/피쳐맵 복원 절차는 본 개시에서 설명된 인터/인트라 예측(S620) 및 레지듀얼 처리(S630), 양자화된 변환 계수에 대한 역양자화, 역변환) 과정을 통해 획득되는 예측 신호 및 레지듀얼 신호에 기반하여 수행될 수 있다. 복원 피쳐/피쳐맵에 대한 인루프 필터링 절차를 통해 수정된(modified) 복원 피쳐/피쳐맵이 생성될 수 있으며, 수정된 복원 피쳐/피쳐맵은 디코딩된 피쳐/피쳐맵으로서 출력될 수 있다. 디코딩된 피쳐/피쳐맵은 복호 피쳐 버퍼(DFB) 또는 메모리에 저장되어 이후 피쳐/피쳐맵의 디코딩시 인터 예측 절차에서 참조 피쳐/피쳐맵으로 사용될 수 있다. 경우에 따라, 상술한 인루프 필터링 절차는 생략될 수 있다. 이 경우, 복원 피쳐/피쳐맵이 디코딩된 피쳐/피쳐맵으로서 그대로 출력될 수 있고, 복호 피쳐 버퍼(DFB) 또는 메모리에 저장되어 이후 피처/피쳐맵의 디코딩시 인터 예측 절차에서 참조 피쳐/피쳐맵으로 사용될 수 있다.
실시예
VCM의 부호화 대상인 피쳐맵은 복수 개의 피쳐 채널들로 구성될 수 있다. 각 피쳐 채널은 입력 정보(입력 데이터)의 각기 다른 특징을 나타낼 수 있다. 그렇기 때문에, 입력 데이터의 변화에 따른 각 피쳐 채널의 변화량이 서로 다를 수 있다. 즉, 입력 데이터가 시간에 따라 변하더라도 특정 피쳐 채널은 변화가 없거나 그 변화량이 상대적으로 작을 수 있다. 본원은 변화가 적거나 변화량이 상대적으로 작은 피쳐 채널에 대한 움직임 정보와 레지듀얼을 부호화하지 않고 다른 피쳐맵 내 다른 피쳐 채널의 정보를 사용하는 채널 스킵 모드(channel skip mode)를 제안한다. 채널 스킵 모드에 의하면, 머신 태스크의 수행에 불필요한 정보의 부호화에 소비되는 비트량을 감소시킬 수 있다.
도 7은 피쳐맵의 일 예를 나타낸다. 피쳐맵과 일반적인 비디오의 가장 큰 차이점은 피쳐맵이 입력 데이터의 전체 영역에 대한 각기 다른 특징 정보를 포함하고 있는 다수의 피쳐 채널들로 구성된다는 것이다. 그렇기 때문에, 도 7과 같이, 동일 영역의 형태가 피쳐맵 내에서 반복적으로 나타내는 것을 볼 수 있다. 이러한 차이점 때문에, 피쳐맵 내 피쳐 채널들 간의 공간적 상관성은 일반적인 비디오와 달리 불연속적일 수 있으며, 각 피쳐 채널 간의 데이터 분포 유사성이 높지 않을 수 있다. 따라서, 피쳐맵의 부호화 및 복호화를 효율적으로 구현하기 위해서는 피쳐맵의 데이터 구조 및 속성에 따른 예측 방법이 필요하다.
도 8a 내지 도 8c는 입력 데이터의 변화에 따른 피쳐 채널의 변화에 대한 일 예를 나타낸다. 도 8a 내지 도 8c에서, A와 B로 표시된 피쳐 채널들은 입력 영상의 엣지(edge) 특성을 나타낸다.
도 8a와 같이, 입력 영상에 엣지가 발생하지 않은 경우에는 피쳐 채널 A와 피쳐 채널 B 간에 차이가 발생하지 않을 수 있다. 도 8b와 같이, 입력 영상의 좌측에 박스가 표현되어 입력 영상에 엣지가 발생한 경우, 피쳐 채널 A에 엣지가 선명하게 나타나나 피쳐 채널 B에는 엣지가 나타나지 않는 것을 볼 수 있다. 도 8c와 같이, 박스가 입력 영상의 우측으로 이동하면, 피쳐 채널 A에는 엣지가 나타나지 않으나, 피쳐 채널 B에는 엣지가 선명하게 나타나는 것을 볼 수 있다. 이러한 피쳐 채널들의 변화는 각 피쳐 채널이 대표하는 엣지의 특징이 서로 다르기 때문에 발생할 수 있다.
도 8d는 컨볼루션 레이어(convolution layer)의 특징에 대한 일 예를 나타낸다. 도 8d를 참조하면, 화살표로 표시된 2개의 Neural들은 피쳐 채널 A와 피쳐 채널 B와 같이 서로 반대의 특징을 가지는 것을 알 수 있다. 각 Neural 또는 각 피쳐 채널은 고유한 특징을 가지고 있으며, 해당 특징에 부합하는 입력이 존재하는 경우에만 크게 자극을 받을 수 있다. 같은 개념에서, 각 피쳐 채널이 대표하는 특징과는 무관한 입력이 존재하는 경우에는 각 피쳐 채널에 표현되는 자극이 약할 수 있다. 특징(즉, 자극)이 약한 피쳐 채널은 데이터의 분포가 낮아 머신 태스크의 성능에 적은 영향을 줄 수 있다.
도 9는 시간의 변화에 따른 입력 데이터의 변화와 이에 따른 피쳐 채널의 변화에 대한 일 예를 나타낸다.
피쳐 채널 A(Channel A)에는 입력 데이터의 변화에 따른 변화가 명확하게 나타나지만, 피쳐 채널 B(Channel B)에는 입력 데이터의 변화에 따른 변화가 명확하게 나타나지 않는 것을 볼 수 있다. 또한, 피쳐 채널 B의 저자극 상태가 T0~T2에 걸쳐 지속되는 것을 볼 수 있다. 이는, 피쳐 채널 B가 대표하는 특징이 입력 데이터의 변화에 크게 영향을 받지 않기 때문이다.
본원은 위에서 설명된 피쳐 채널의 특징을 고려하여 입력 데이터의 변화에 따른 변화가 없거나 적은 피쳐 채널에 대한 정보를 부호화하지 않는 새로운 부호화 모드를 제안한다. 새로운 부호화 모드는 채널 스킵 모드라 지칭될 수 있으며, 채널 스킵 모드는 새로운 예측 모드에 해당할 수 있다.
채널 스킵 모드에서는 피쳐 채널에 대한 정보가 부호화되지 않고 이미 복원된 다른 피쳐맵 내 피쳐 채널(다른 피쳐 채널)의 정보가 그대로 사용되어 현재 피쳐 채널이 복원(또는, 예측)될 수 있다. 여기서, 다른 피쳐맵은 참조 피쳐맵일 수 있으며, 다른 피쳐 채널은 참조 피쳐 채널일 수 있다.
피쳐 채널에 대한 정보는 현재 피쳐 채널의 움직임 정보와 레지듀얼을 포함할 수 있다. 참조 피쳐맵은 현재 피쳐 채널이 포함된 현재 피쳐맵과 시간적으로 가장 가까운 피쳐맵일 수 있다. 시간적으로 가장 가까운 피쳐맵은 기복원된 피쳐맵들 중에서 현재 피쳐맵 바로 이전에 복원된 피쳐맵일 수 있다. 참조 피쳐 채널은 현재 피쳐맵 내 현재 피쳐 채널과 동일한 위치에 자리하는 피쳐 채널일 수 있다.
표 1은 다른 예측 모드들과 채널 스킵 모드 간의 차이를 나타낸다. 여기서, 다른 예측 모드들은 '일반 코딩 모드'로 지칭될 수 있다.
Inter Channel skip Skip Merge
Motion information MVP O X O O
else inter_dir, ref. idx, mvd X X X
Residual O X X O
표 1을 참조하면, 인터 예측 모드(Inter), 스킵 모드(Skip) 및 머지 모드(Merge)에서는 움직임 정보와 레지듀얼 중에서 적어도 하나가 부호화되나, 본원을 통해 제안되는 채널 스킵 모드(Channel skip)에서는 움직임 정보와 레지듀얼이 모두 부호화되지 않음을 알 수 있다.
실시예 1
실시예 1은 채널 스킵 모드의 적용 여부를 결정하는 방법들에 대한 실시예이다.
도 10은 실시예 1에 따른 피쳐 부호화 방법을 나타내는 흐름도이다.
도 10을 참조하면, 피쳐 부호화 장치(10)는 현재 피쳐 채널의 예측 모드를 결정할 수 있다(S1010). 후술되는 바와 같이, 현재 피쳐 채널의 예측 모드는 RD cost (Rate-Distortion cost), 머신 태스크의 성능을 고려한 cost, 자기상관(auto correlation) 계수 등에 기반하여 결정될 수 있다.
피쳐 부호화 장치(10)는 현재 피쳐 채널의 예측 모드가 채널 스킵 모드인 경우에(S1020) 현재 피쳐 채널을 채널 스킵 모드로 예측할 수 있다(S1030). 이와 달리, 피쳐 부호화 장치(10)는 현재 피쳐 채널의 예측 모드가 채널 스킵 모드가 아닌 경우에(S1020) 현재 피쳐 채널을 일반 코딩 모드로 예측할 수 있다(S1040).
현재 피쳐 채널의 예측 모드가 채널 스킵 모드인지 여부를 나타내는 제1 정보는 비트스트림에 부호화될 수 있다. 제1 정보의 제1 값(e.g., 1)은 채널 스킵 모드가 적용됨을 나타낼 수 있으며, 제1 정보의 제2 값(e.g., 0)은 채널 스킵 모드가 적용되지 않음(일반 코딩 모드가 적용됨)을 나타낼 수 있다.
S1010 과정의 일 예로서, 현재 피쳐 채널의 예측 모드는 RD cost에 기반하여 결정될 수 있다. 구체적으로, 피쳐 부호화 장치(10)는 채널 스킵 모드와 일반 코딩 모드를 현재 피쳐 채널에 적용하여 각 모드에 따른 RD cost를 계산하고, RD cost가 가장 적은 모드를 현재 피쳐 채널의 예측 모드로 결정할 수 있다.
S1010 과정의 다른 예로서, 현재 피쳐 채널의 예측 모드는 머신 태스크의 성능을 고려한 cost에 기반하여 결정될 수 있다. VCM 최종 목적은 머신 태스크의 수행이므로, 피쳐 부호화 장치(10)는 소정의 cost function을 각 모드에 적용하여 각 모드에 따른 cost를 계산하고, cost가 가장 적은 모드를 현재 피쳐 채널의 예측 모드로 결정할 수 있다. 여기서, cost function은 머신 태스크의 성능을 반영하여 정의될 수 있다.
도 11은 머신 태스크의 성능을 고려한 cost에 기반하여 현재 피쳐 채널의 예측 모드를 결정하는 방법에 대한 흐름도를 나타낸다.
도 11을 참조하면, 피쳐 부호화 장치(10)는 현재 피쳐 채널에 채널 스킵 모드를 적용하여(1110) cost(Skip_cost)를 계산하고(S1130), 일반 코딩 모드를 적용하여(S1120) cost(Sub_cost)를 계산할 수 있다(S1140).
또한, 피쳐 부호화 장치(10)는 Skip_cost와 Sub_cost를 비교하여(S1150) 현재 피쳐 채널의 예측 모드를 결정할 수 있다(S1160, S1170). 구체적으로, 피쳐 부호화 장치(10)는 Skip_cost가 Sub_cost 보다 작은 경우에는 채널 스킵 모드를 현재 피쳐 채널의 예측 모드로 결정하고(S1160), Skip_cost가 Sub_cost 보다 작지 않은 경우에는 일반 코딩 모드를 현재 피쳐 채널의 예측 모드로 결정할 수 있다(S1170).
S1010 과정의 또 다른 예로서, 현재 피쳐 채널의 예측 모드는 자기상관 계수에 기반하여 결정될 수 있다. 자기상관 계수의 값이 클수록 대상(피쳐 채널 또는 입력 데이터)의 변화량이 적음을 의미할 수 있다. 예를 들어, 입력 데이터의 자기상관 계수와 피쳐 채널의 자기상관 계수를 이용하여 입력 데이터의 변화가 각 피쳐 채널의 변화에 끼친 영향의 정도가 파악될 수 있다.
도 12는 자기상관 계수에 기반하여 현재 피쳐 채널의 예측 모드를 결정하는 방법을 나타내는 흐름도이다.
도 12를 참조하면, 피쳐 부호화 장치(10)는 입력 데이터의 자기상관 계수를 계산할 수 있다(S1210). 또한, 피쳐 부호화 장치(10)는 피쳐 채널의 자기상관 계수도 계산할 수 있다(S1210).
피쳐 부호화 장치(10)는 입력 데이터의 자기상관 계수와 피쳐 채널의 자기상관 계수를 비교할 수 있다(S1220). 예를 들어, 입력 데이터의 자기상관 계수에 기반하여 임계 값이 유도될 수 있으며, 피쳐 채널의 자기상관 계수와 유도된 임계 값 간의 비교를 통해 현재 피쳐 채널의 예측 모드가 결정될 수 있다. 여기서, 임계 값은 채널 스킵 모드의 적용 여부에 대한 기준이 되는 값일 수 있다.
피쳐 부호화 장치(10)는 비교 결과에 기반하여 현재 피쳐 채널의 예측 모드를 결정할 수 있다(S1230). 예를 들어, 피쳐 채널의 자기상관 계수의 값이 임계 값 이상이거나 임계 값을 초과하는 경우에는 현재 피쳐 채널의 예측 모드가 채널 스킵 모드로 결정될 수 있으며, 피쳐 채널의 자기상관 계수의 값이 임계 값 미만이거나 임계 값 이하인 경우에는 현재 피쳐 채널의 예측 모드가 일반 코딩 모드로 결정될 수 있다.
수식 1은 예측 모드를 결정하는 방법의 일 예를 나타낸다.
Figure PCTKR2023003248-appb-img-000001
Figure PCTKR2023003248-appb-img-000002
Figure PCTKR2023003248-appb-img-000003
수식 1에서,
Figure PCTKR2023003248-appb-img-000004
은 시간 t1의 0번째 피쳐 채널(ch0)의 자기상관 계수를 나타내며, Rskip은 임계 값을 나타내고, Inputtn은 시간 tn의 입력 데이터를 나타낸다. 또한, IRt1은 입력 데이터의 자기상관 계수를 나타내며, ω는 가중치를 나타낸다. 시간 tn은 시간적으로 구분이 가능한 값, 프레임 넘버 등일 수 있다. 임계 값과 가중치는 사전에 정의될 수도 있지만 경우에 따라 부호화 과정에서 업데이트될 수도 있다. 또한, 임계 값은 피쳐 채널 단위 또는 피쳐맵 단위로 정의될 수 있다.
실시예들에 따라, 입력 데이터의 자기상관 계수를 획득하지 못하는 경우도 발생할 수 있으므로, 이러한 경우에는 임계 값과 피쳐 채널의 자기상관 계수에 기반하여 현재 피쳐 채널의 예측 모드가 결정될 수도 있다. 예를 들어, 피쳐 채널의 자기상관 계수의 값이 임계 값 이상이거나 임계 값을 초과하는 경우에는 현재 피쳐 채널의 예측 모드가 채널 스킵 모드로 결정될 수 있으며, 피쳐 채널의 자기상관 계수의 값이 임계 값 미만이거나 임계 값 이하인 경우에는 현재 피쳐 채널의 예측 모드가 일반 코딩 모드로 결정될 수 있다.
수식 2는 임계 값과 피쳐 채널의 자기상관 계수에 기반하여 예측 모드를 결정하는 방법의 일 예를 나타낸다.
Figure PCTKR2023003248-appb-img-000005
Figure PCTKR2023003248-appb-img-000006
수식 2에서,
Figure PCTKR2023003248-appb-img-000007
는 시간 tn인 피쳐 채널의 n번째 피쳐를 나타낸다. 시간 tn은 시간적으로 구분이 가능한 값, 프레임 넘버 등일 수 있다.
도 13은 실시예 1에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 13을 참조하면, 피쳐 복호화 장치(20)는 제1 정보를 비트스트림으로부터 획득할 수 있다(S1310). 제1 정보는 현재 피쳐 채널의 예측 모드가 채널 스킵 모드인지 여부를 나타낼 수 있다.
피쳐 복호화 장치(20)는 제1 정보에 기반하여 현재 피쳐 채널의 예측 모드가 채널 스킵 모드인지 여부를 판단할 수 있다(S1330). 제1 정보의 제1 값(e.g., 1)은 채널 스킵 모드가 적용됨을 나타낼 수 있으며, 제1 정보의 제2 값(e.g., 0)은 채널 스킵 모드가 적용되지 않음(일반 코딩 모드가 적용됨)을 나타낼 수 있다.
피쳐 복호화 장치(20)는 현재 피쳐 채널의 예측 모드가 채널 스킵 모드인 경우에는 채널 스킵 모드를 적용하여 현재 피쳐 채널을 예측할 수 있다(S1350). 즉, 참조 피쳐맵 내 참조 피쳐 채널을 참조하여 현재 피쳐 채널이 예측될 수 있다. 이와 달리, 피쳐 복호화 장치(20)는 현재 피쳐 채널의 예측 모드가 채널 스킵 모드가 아닌 경우에는 일반 코딩 모드를 적용하여 현재 피쳐 채널을 예측할 수 있다(S1360).
S1330 과정의 전으로 돌아가, 피쳐 복호화 장치(20)는 현재 피쳐 채널이 속한 슬라이스가 I(intra)-슬라이스인지 여부를 판단할 수 있다(S1310). 현재 피쳐 채널이 속한 슬라이스가 I-슬라이스인 경우, 피쳐 복호화 장치(20)는 S1330 과정을 수행하지 않고 현재 피쳐 채널을 인트라 예측할 수 있다(S1320).
실시예 2
실시예 2는 참조 피쳐맵을 결정하는 방법에 대한 실시예이다.
현재 피쳐 채널을 채널 스킵 모드로 예측하기 위한 참조 피쳐맵은 현재 피쳐맵 이전에 복원된 피쳐맵으로 결정되거나, 인덱스 정보에 의해 지시되는 피쳐맵으로 결정될 수 있다. 인덱스 정보는 복수 개의 피쳐맵들 중에서 참조 피쳐맵을 선택하는 경우에 이용될 수 있다.
도 14는 실시예 2에 따른 피쳐 부호화 방법을 나타내는 흐름도이다.
도 14를 참조하면, 피쳐 부호화 장치(10)는 참조 피쳐맵을 결정하고(S1410), 참조 피쳐맵이 현재 피쳐맵 이전에 복원된 피쳐맵인지 여부를 판단할 수 있다(S1420). 현재 피쳐맵 이전에 복원된 피쳐맵은 시간적으로 현재 피쳐맵에 가장 가까운 피쳐맵일 수 있다.
참조 피쳐맵이 현재 피쳐맵 이전에 복원된 피쳐맵인 경우, 피쳐 복호화 장치(20)도 시간적으로 현재 피쳐맵에 가장 가까운 피쳐맵을 참조 피쳐맵으로 결정할 수 있으므로, 피쳐 부호화 장치(10)는 인덱스 정보를 부호화하지 않을 수 있다.
이와 달리, 참조 피쳐맵이 현재 피쳐맵 이전에 복원된 피쳐맵이 아닌 경우, 피쳐 부호화 장치(10)는 인덱스 정보를 비트스트림에 부호화할 수 있다(S1430). 인덱스 정보는 여러 피쳐맵들 중에서 참조 피쳐맵을 나타낼 수 있다.
도 15는 실시예 2에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 15를 참조하면, 피쳐 복호화 장치(20)는 인덱스 정보가 비트스트림으로부터 획득되는지 여부를 판단할 수 있다(S1510). 인덱스 정보가 비트스트림으로부터 획득되지 않는 경우, 피쳐 복호화 장치(20)는 현재 피쳐맵 이전에 복원된 피쳐맵(시간적으로 현재 피쳐맵에 가장 가까운 피쳐맵)을 참조 피쳐맵으로 결정할 수 있다(S1530). 이와 달리, 인덱스 정보가 비트스트림으로부터 획득되는 경우, 피쳐 복호화 장치(20)는 인덱스 정보가 나타내는 피쳐맵을 참조 피쳐맵으로 결정할 수 있다(S1520).
실시예 3
실시예 3은 채널 스킵 모드에 대한 정보를 시그널링하는 방법에 대한 실시예이다.
일반적인 비디오의 부호화 및 복호화 순서는 Raster Scan order를 따른다. 부호화의 설정에 따라 정렬 단위가 달라질 수 있지만 기본적으로는 코딩 단위(e.g., Coding unit, Coding block)로 정렬된다. VCM의 경우, 채널 단위로 Raster Scan order에 따라 정렬되어 부호화 및 복호화가 수행될 수 있다. 이 경우, 채널 별로 채널 스킵 모드의 적용 여부가 판단될 수 있어야 한다. 채널 스킵 모드에 대한 정보를 부호화할 수 있는 데이터 단계는 다양하게 존재할 수 있다.
도 16의 (a)는 VCM의 데이터 구조에 대한 일 예를 나타내는 도면이다.
GoF(Group of Feature maps)는 시간적으로 연속되는 피쳐맵들의 집합을 의미할 수 있다. GoF는 영상 전체에 대한 정보(e.g., Sequence parameter)를 포함할 수도 있다. 피쳐맵(Feature map)은 GoF를 구성하는 개별 데이터를 의미할 수 있다. 피쳐맵은 일반적인 비디오 코딩의 프레임과 유사한 단위로서, GoF와 시퀀스 내에서 고유한(unique) 시간적 위치를 가질 수 있다. 채널(Channel)은 피쳐맵을 구성하는 단위로서, 입력 데이터에 대한 고유의 특성을 갖는 데이터 단위를 의미할 수 있다. 각 채널은 입력 데이터의 모든 영역에 대한 고유한 특징 정보를 포함할 수 있다. 따라서, 각 채널의 공간 정보는 입력 데이터의 전체 영역에 대한 것일 수 있다. 채널 별로 서로 다른 특징을 가지므로, 각 채널의 값은 서로 다르더라도 각 채널은 입력 데이터의 전체 영역에 대한 정보를 나타낼 수 있다. 서브 채널(Sub channel)은 각 채널의 부호화를 위해 채널을 보다 작은 단위로 분할한 단위를 의미할 수 있다.
도 16의 (b)는 채널 스킵 모드의 시그널링 구조에 대한 일 예를 나타내는 도면이다.
일반 코딩 모드(General coding)는 채널 스킵 모드 외의 코딩 모드를 의미할 수 있다. 채널 스킵 모드는 피쳐 채널 단위로 적용되는 반면에 일반 코딩 모드는 채널 보다 더욱 세분화된 단위로 부호화 방법이 정의될 수 있다. 따라서, 채널 스킵 모드의 적용 여부(channel_skip_pred_mode_flag)는 가장 최상위 단계에서 시그널링될 수 있다.
표 2와 표 3은 채널 스킵 모드의 허용 여부에 대한 신택스 구조를 나타낸다.
sequence_parameter_set_rbsp(　) { Descriptor
sps_channel_skip_enable_flag u(1)
}
feature_parameter_set_rbsp(　) { Descriptor
fps_channel_skip_enable_flag u(1)
}
sps_channel_skip_enable_flag는 VCM의 데이터 구조의 최상위 레벨(GoF, Sequence)에서 채널 스킵 모드의 허용 여부를 나타내는 신택스 요소이다. sps_channel_skip_enable_flag의 값 0은 채널 스킵 모드가 허용되지 않음을 나타낼 수 있으며, sps_channel_skip_enable_flag의 값 1은 채널 스킵 모드가 허용됨을 나타낼 수 있다.
fps_channel_skip_enable_flag는 프레임(또는, 피쳐맵) 레벨에서 채널 스킵 모드의 허용 여부를 나타내는 신택스 요소이다. fps_channel_skip_enable_flag의 값 0은 채널 스킵 모드가 허용되지 않음을 나타낼 수 있으며, fps_channel_skip_enable_flag의 값 1은 채널 스킵 모드가 허용됨을 나타낼 수 있다.
sps_channel_skip_enable_flag와 fps_channel_skip_enable_flag는 '제2 정보'라 지칭될 수 있다. 표 2 및 표 3과 같이, 제2 정보는 GoF 레벨 또는 피쳐맵 레벨에서 정의될 수 있다.
표 4 내지 표 6은 채널 스킵 모드의 적용 여부에 대한 신택스 구조를 나타낸다.
channel_unit(　) { Descriptor
channel_skip_pred_mode_flag ae(v)
}
channel_unit(　) { Descriptor
if(sps_channel_skip_enable_flag){
channel_skip_pred_mode_flag ae(v)
}
}
channel_unit(　) { Descriptor
if(fps_channel_skip_enable_flag){
channel_skip_pred_mode_flag ae(v)
}
}
channel_skip_pred_mode_flag는 채널 스킵 모드의 적용 여부를 나타내는 제1 정보에 해당할 수 있다. channel_skip_pred_mode_flag의 값 0은 채널 스킵 모드가 적용되지 않음을 나타낼 수 있으며, channel_skip_pred_mode_flag의 값 1은 채널 스킵 모드가 적용됨을 나타낼 수 있다.
표 4와 같이, channel_skip_pred_mode_flag는 제2 정보(sps_channel_skip_enable_flag 또는 fps_channel_skip_enable_flag)에 무관하게 부호화 및 획득될 수 있다.
표 5 및 표 6과 같이, channel_skip_pred_mode_flag는 제2 정보(sps_channel_skip_enable_flag 또는 fps_channel_skip_enable_flag)가 채널 스킵 모드가 허용됨을 나타내는 경우에 부호화 및 획득될 수 있다.
표 7 내지 표 9는 인덱스 정보에 대한 신택스 구조를 나타낸다.
channel_unit(　) { Descriptor
channel_skip_pred_mode_flag ae(v)
if(channel_skip_pred_mode_flag){
ref_feature_map_idx ae(v)
}
}
channel_unit(　) { Descriptor
if(sps_channel_skip_enable_flag){
channel_skip_pred_mode_flag ae(v)
}
if(channel_skip_pred_mode_flag){
ref_feature_map_idx ae(v)
}
}
channel_unit(　) { Descriptor
if(fps_channel_skip_enable_flag){
channel_skip_pred_mode_flag ae(v)
}
if(channel_skip_pred_mode_flag){
ref_feature_map_idx ae(v)
}
}
ref_feature_map_idx는 참조 피쳐맵을 나타내는 인덱스 정보에 해당할 수 있다. 표 7 내지 표 9에 나타낸 바와 같이, ref_feature_map_idx는 채널 스킵 모드가 적용되는 경우(channel_skip_pred_mode_flag==1)에만 부호화 및 획득될 수 있다.
표 7과 같이, ref_feature_map_idx는 제2 정보(sps_channel_skip_enable_flag 또는 fps_channel_skip_enable_flag)에 무관하게 부호화 및 획득될 수 있다. 표 8 및 표 9와 같이, ref_feature_map_idx는 제2 정보(sps_channel_skip_enable_flag 또는 fps_channel_skip_enable_flag)가 채널 스킵 모드가 허용됨을 나타내는 경우에 부호화 및 획득될 수 있다.
도 17은 실시예 3에 따른 피쳐 부호화 방법을 나타내는 흐름도이다.
도 17을 참조하면, 피쳐 부호화 장치(10)는 채널 스킵 모드를 허용할지 여부를 결정할 수 있다(S1710). 채널 스킵 모드를 허용하지 않는 것으로 결정된 경우, 피쳐 부호화 장치(10)는 sps_channel_skip_enable_flag==0 (or fps_channel_skip_enable_flag==0)을 부호화할 수 있다(S1720). 이와 달리, 채널 스킵 모드를 허용하는 것으로 결정된 경우, 피쳐 부호화 장치(10)는 채널 스킵 모드를 적용할지 여부를 결정할 수 있다(S1730).
채널 스킵 모드를 적용하지 않는 것으로 결정된 경우, 피쳐 부호화 장치(10)는 sps_channel_skip_enable_flag==1 (or fps_channel_skip_enable_flag==1) 및 channel_skip_pred_mode_flag==0을 부호화할 수 있다(S1750). 이와 달리, 채널 스킵 모드를 적용하는 것으로 결정된 경우, 피쳐 부호화 장치(10)는 sps_channel_skip_enable_flag==1 (or fps_channel_skip_enable_flag==1), channel_skip_pred_mode_flag==1 및/또는 ref_feature_map_idx를 부호화할 수 있다(S1740).
도 18은 실시예 3에 따른 피쳐 복호화 방법을 나타내는 흐름도이다.
도 18을 참조하면, 피쳐 복호화 장치(20)는 sps_channel_skip_enable_flag 또는 fps_channel_skip_enable_flag를 비트스트림으로부터 획득하고(S1810), sps_channel_skip_enable_flag 또는 fps_channel_skip_enable_flag에 기반하여 채널 스킵 모드가 허용되는지 여부를 판단할 수 있다(S1820).
sps_channel_skip_enable_flag 또는 fps_channel_skip_enable_flag가 채널 스킵 모드가 허용됨을 나타내는 경우, 피쳐 복호화 장치(20)는 channel_skip_pred_mode_flag를 비트스트림으로부터 획득할 수 있다(S1830). 또한, 피쳐 복호화 장치(20)는 channel_skip_pred_mode_flag에 기반하여 채널 스킵 모드가 적용되는지 여부를 판단할 수 있다(S1840). 채널 스킵 모드가 적용되는 경우, 피쳐 복호화 장치(20)는 ref_feature_map_index를 비트스트림으로부터 획득할 수 있다(S1850).
본 개시의 예시적인 방법들은 설명의 명확성을 위해서 동작의 시리즈로 표현되어 있지만, 이는 단계가 수행되는 순서를 제한하기 위한 것은 아니며, 필요한 경우에는 각각의 단계가 동시에 또는 상이한 순서로 수행될 수도 있다. 본 개시에 따른 방법을 구현하기 위해서, 예시하는 단계에 추가적으로 다른 단계를 포함하거나, 일부의 단계를 제외하고 나머지 단계를 포함하거나, 또는 일부의 단계를 제외하고 추가적인 다른 단계를 포함할 수도 있다.
본 개시에 있어서, 소정의 동작(단계)을 수행하는 영상 부호화 장치 또는 영상 복호화 장치는 해당 동작(단계)의 수행 조건이나 상황을 확인하는 동작(단계)을 수행할 수 있다. 예를 들어, 소정의 조건이 만족되는 경우 소정의 동작을 수행한다고 기재된 경우, 영상 부호화 장치 또는 영상 복호화 장치는 상기 소정의 조건이 만족되는지 여부를 확인하는 동작을 수행한 후, 상기 소정의 동작을 수행할 수 있다.
본 개시의 다양한 실시예는 모든 가능한 조합을 나열한 것이 아니고 본 개시의 대표적인 양상을 설명하기 위한 것이며, 다양한 실시예에서 설명하는 사항들은 독립적으로 적용되거나 또는 둘 이상의 조합으로 적용될 수도 있다.
본 개시에서 설명한 실시예들은 프로세서, 마이크로 프로세서, 컨트롤러 또는 칩 상에서 구현되어 수행될 수 있다. 예를 들어, 각 도면에서 도시한 기능 유닛들은 컴퓨터, 프로세서, 마이크로 프로세서, 컨트롤러 또는 칩 상에서 구현되어 수행될 수 있다. 이 경우 구현을 위한 정보(e.g., information on instructions) 또는 알고리즘이 디지털 저장 매체에 저장될 수 있다.
또한, 본 개시의 실시예(들)이 적용되는 디코더(디코딩 장치) 및 인코더(인코딩 장치)는 멀티미디어 방송 송수신 장치, 모바일 통신 단말, 홈 시네마 비디오 장치, 디지털 시네마 비디오 장치, 감시용 카메라, 비디오 대화 장치, 비디오 통신과 같은 실시간 통신 장치, 모바일 스트리밍 장치, 저장 매체, 캠코더, 주문형 비디오(VoD) 서비스 제공 장치, OTT 비디오(Over the top video) 장치, 인터넷 스트리밍 서비스 제공 장치, 3차원(3D) 비디오 장치, VR(virtual reality) 장치, AR(argumente reality) 장치, 화상 전화 비디오 장치, 운송 수단 단말 (ex. 차량(자율주행차량 포함) 단말, 로보트 단말, 비행기 단말, 선박 단말 등) 및 의료용 비디오 장치 등에 포함될 수 있으며, 비디오 신호 또는 데이터 신호를 처리하기 위해 사용될 수 있다. 예를 들어, OTT 비디오(Over the top video) 장치로는 게임 콘솔, 블루레이 플레이어, 인터넷 접속 TV, 홈시어터 시스템, 스마트폰, 태블릿 PC, DVR(Digital Video Recorder) 등을 포함할 수 있다.
또한, 본 개시의 실시예(들)이 적용되는 처리 방법은 컴퓨터로 실행되는 프로그램의 형태로 생산될 수 있으며, 컴퓨터가 판독할 수 있는 기록 매체에 저장될 수 있다. 본 문서의 실시예(들)에 따른 데이터 구조를 가지는 멀티미디어 데이터도 또한 컴퓨터가 판독할 수 있는 기록 매체에 저장될 수 있다. 컴퓨터가 판독할 수 있는 기록 매체는 컴퓨터로 읽을 수 있는 데이터가 저장되는 모든 종류의 저장 장치 및 분산 저장 장치를 포함한다. 컴퓨터가 판독할 수 있는 기록 매체는, 예를 들어, 블루레이 디스크(BD), 범용 직렬 버스(USB), ROM, PROM, EPROM, EEPROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크 및 광학적 데이터 저장 장치를 포함할 수 있다. 또한, 컴퓨터가 판독할 수 있는 기록 매체는 반송파(예를 들어, 인터넷을 통한 전송)의 형태로 구현된 미디어를 포함한다. 또한, 인코딩 방법으로 생성된 비트스트림이 컴퓨터가 판독할 수 있는 기록 매체에 저장되거나 유무선 통신 네트워크를 통해 전송될 수 있다.
또한, 본 개시의 실시예(들)는 프로그램 코드에 의한 컴퓨터 프로그램 제품으로 구현될 수 있고, 프로그램 코드는 본 개시의 실시예(들)에 의해 컴퓨터에서 수행될 수 있다. 프로그램 코드는 컴퓨터에 의해 판독가능한 캐리어 상에 저장될 수 있다.
도 19는 본 개시의 실시예들이 적용될 수 있는 컨텐츠 스트리밍 시스템의 일 예를 나타내는 도면이다.
도 19를 참조하면, 본 개시의 실시예가 적용된 컨텐츠 스트리밍 시스템은 크게 인코딩 서버, 스트리밍 서버, 웹 서버, 미디어 저장소, 사용자 장치 및 멀티미디어 입력 장치를 포함할 수 있다.
인코딩 서버는 스마트폰, 카메라, 캠코더 등과 같은 멀티미디어 입력 장치들로부터 입력된 컨텐츠를 디지털 데이터로 압축하여 비트스트림을 생성하고 이를 스트리밍 서버로 전송하는 역할을 한다. 다른 예로, 스마트폰, 카메라, 캠코더 등과 같은 멀티미디어 입력 장치들이 비트스트림을 직접 생성하는 경우, 인코딩 서버는 생략될 수 있다.
비트스트림은 본 개시의 실시예가 적용된 영상 부호화 방법 및/또는 영상 부호화 장치에 의해 생성될 수 있고, 스트리밍 서버는 비트스트림을 전송 또는 수신하는 과정에서 일시적으로 비트스트림을 저장할 수 있다.
스트리밍 서버는 웹 서버를 통한 사용자 요청에 기반하여 멀티미디어 데이터를 사용자 장치에 전송하고, 웹 서버는 사용자에게 어떠한 서비스가 있는지를 알려주는 매개체 역할을 할 수 있다. 사용자가 웹 서버에 원하는 서비스를 요청하면, 웹 서버는 이를 스트리밍 서버에 전달하고, 스트리밍 서버는 사용자에게 멀티미디어 데이터를 전송할 수 있다. 이 때, 컨텐츠 스트리밍 시스템은 별도의 제어 서버를 포함할 수 있고, 이 경우 제어 서버는 컨텐츠 스트리밍 시스템 내 각 장치 간 명령/응답을 제어하는 역할을 수행할 수 있다.
스트리밍 서버는 미디어 저장소 및/또는 인코딩 서버로부터 컨텐츠를 수신할 수 있다. 예를 들어, 인코딩 서버로부터 컨텐츠를 수신하는 경우, 컨텐츠를 실시간으로 수신할 수 있다. 이 경우, 원활한 스트리밍 서비스를 제공하기 위하여 스트리밍 서버는 비트스트림을 일정 시간동안 저장할 수 있다.
사용자 장치의 예로는, 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)), 디지털 TV, 데스크탑 컴퓨터, 디지털 사이니지 등이 있을 수 있다.
컨텐츠 스트리밍 시스템 내 각 서버들은 분산 서버로 운영될 수 있으며, 이 경우 각 서버에서 수신하는 데이터는 분산 처리될 수 있다.
도 20은 본 개시의 실시예들이 적용될 수 있는 컨텐츠 스트리밍 시스템의 다른 예를 나타내는 도면이다.
도 20을 참조하면, VCM과 같은 실시예에서, 기기의 성능, 사용자의 요청, 수행하고자 하는 태스크의 특성 등에 따라 사용자 단말에서 태스크를 수행할 수도 있고 외부 기기(e.g., 스트리밍 서버, 분석 서버 등)에서 태스크를 수행할 수도 있다. 이와 같이, 태스크 수행에 필요한 정보를 외부 기기로 전송하기 위하여, 사용자 단말은 태스크 수행에 필요한 정보(e.g., 태스크, 신경망 네트워크 및/또는 용도와 같은 정보)를 포함하는 비트스트림을 직접 또는 인코딩 서버를 통해 생성할 수 있다.
분석 서버는 사용자 단말로부터(또는, 인코딩 서버로부터) 전송받은 부호화된 정보를 복호화한 후, 사용자 단말의 요청 태스크를 수행할 수 있다. 분석 서버는 태스크 수행을 통해 얻은 결과를 사용자 단말에게 다시 전송하거나 연계된 다른 서비스 서버(e.g., 웹 서버)에 전송할 수 있다. 예를 들어, 분석 서버는 화재를 판별하는 태스크를 수행하여 얻은 결과를 소방 관련 서버로 전송할 수 있다. 분석 서버는 별도의 제어 서버를 포함할 수 있고, 이 경우 제어 서버는 분석 서버와 연관된 각 장치와 서버 간 명령/응답을 제어하는 역할을 할 수 있다. 또한, 분석 서버는 사용자 기기가 수행하고자 하는 태스크와 수행할 수 있는 태스크 정보를 기반으로 웹 서버에게 원하는 정보를 요청할 수도 있다. 분석 서버가 웹 서버에 원하는 서비스를 요청하면, 웹 서버는 이를 분석 서버에 전달하고, 분석 서버는 사용자 단말로 그에 대한 데이터를 전송할 수 있다. 이 때, 컨텐츠 스트리밍 시스템의 제어 서버는 스트리밍 시스템 내 각 장치 간 명령/응답을 제어하는 역할을 수행할 수 있다.
본 개시에 따른 실시예는 피쳐/피쳐맵을 부호화/복호화하는데 이용될 수 있다.

Claims (11)

  1. 피쳐 복호화 장치에 의해 수행되는 피쳐 복호화 방법으로서,
    비트스트림으로부터 획득되는 제1 정보에 기반하여, 현재 피쳐 채널의 예측 모드가 채널 스킵(channel skip) 모드인지 여부를 판단하는 단계; 및
    상기 현재 피쳐 채널의 예측 모드가 상기 채널 스킵 모드인 것에 기반하여, 참조 피쳐맵 내 참조 피쳐 채널을 참조하여 상기 현재 피쳐 채널을 예측하는 단계를 포함하고,
    상기 채널 스킵 모드는 피쳐 채널에 대한 움직임 정보 및 레지듀얼(residual) 정보가 부호화되지 않는 모드인 피쳐 복호화 방법.
  2. 제1항에 있어서,
    상기 참조 피쳐맵은 상기 현재 피쳐 채널이 속하는 현재 피쳐맵 이전에 복원된 피쳐맵으로 결정되는 피쳐 복호화 방법.
  3. 제1항에 있어서,
    상기 참조 피쳐맵은 상기 비트스트림으로부터 획득되는 인덱스 정보에 기반하여 결정되고,
    상기 인덱스 정보는 상기 현재 피쳐 채널의 예측 모드가 상기 채널 스킵 모드인 것에 기반하여 획득되는 피쳐 복호화 방법.
  4. 제1항에 있어서,
    상기 참조 피쳐 채널은 상기 현재 피쳐 채널의 현재 피쳐맵 내 위치와 동일한 위치에 자리하는 피쳐 복호화 방법.
  5. 제1항에 있어서,
    상기 예측하는 단계는 상기 현재 피쳐 채널의 예측 모드가 상기 채널 스킵 모드가 아닌 것에 기반하여 상기 현재 피쳐 채널을 일반 코딩(general coding) 모드로 예측하는 피쳐 복호화 방법.
  6. 제1항에 있어서,
    상기 제1 정보는 상기 비트스트림으로부터 획득되는 제2 정보가 상기 채널 스킵 모드가 허용됨을 나타내는 것에 기반하여 획득되는 피쳐 복호화 방법.
  7. 제6항에 있어서,
    상기 제2 정보는 상기 비트스트림의 시퀀스(sequence) 레벨 또는 프레임(frame) 레벨로부터 획득되는 피쳐 복호화 방법.
  8. 제6항에 있어서,
    상기 참조 피쳐맵을 나타내는 인덱스 정보는 상기 제1 정보가 상기 채널 스킵 모드가 적용됨을 나타내는 것에 기반하여 획득되는 피쳐 복호화 방법.
  9. 피쳐 부호화 장치에 의해 수행되는 피쳐 부호화 방법으로서,
    현재 피쳐 채널의 예측 모드를 결정하는 단계; 및
    상기 현재 피쳐 채널의 예측 모드가 상기 채널 스킵(channel skip) 모드인 것에 기반하여, 참조 피쳐맵 내 참조 피쳐 채널을 참조하여 상기 현재 피쳐 채널을 예측하는 단계를 포함하고,
    상기 채널 스킵 모드는 피쳐 채널에 대한 움직임 정보 및 레지듀얼(residual) 정보가 부호화되지 않는 모드이며,
    상기 현재 피쳐 채널의 예측 모드가 상기 채널 스킵 모드인지 여부를 나타내는 제1 정보는 비트스트림에 부호화되는 피쳐 부호화 방법.
  10. 제9항의 피쳐 부호화 방법에 의해 생성된 비트스트림을 저장하는 컴퓨터 판독 가능한 기록 매체.
  11. 피쳐 부호화 방법에 의해 생성된 비트스트림을 전송하는 방법으로서, 상기 피쳐 부호화 방법은,
    현재 피쳐 채널의 예측 모드를 결정하는 단계; 및
    상기 현재 피쳐 채널의 예측 모드가 상기 채널 스킵(channel skip) 모드인 것에 기반하여, 참조 피쳐맵 내 참조 피쳐 채널을 참조하여 상기 현재 피쳐 채널을 예측하는 단계를 포함하고,
    상기 채널 스킵 모드는 피쳐 채널에 대한 움직임 정보 및 레지듀얼(residual) 정보가 부호화되지 않는 모드이며,
    상기 현재 피쳐 채널의 예측 모드가 상기 채널 스킵 모드인지 여부를 나타내는 제1 정보는 비트스트림에 부호화되는 방법.
PCT/KR2023/003248 2022-03-11 2023-03-09 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체 WO2023172090A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2022-0030460 2022-03-11
KR20220030460 2022-03-11

Publications (1)

Publication Number Publication Date
WO2023172090A1 true WO2023172090A1 (ko) 2023-09-14

Family

ID=87935515

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/003248 WO2023172090A1 (ko) 2022-03-11 2023-03-09 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체

Country Status (1)

Country Link
WO (1) WO2023172090A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020055279A1 (en) * 2018-09-10 2020-03-19 Huawei Technologies Co., Ltd. Hybrid video and feature coding and decoding
KR20210054011A (ko) * 2018-12-17 2021-05-12 주식회사 윌러스표준기술연구소 예측 모드를 시그널링하는 비디오 신호 처리 방법 및 장치
WO2021177652A1 (ko) * 2020-03-02 2021-09-10 엘지전자 주식회사 피쳐 양자화/역양자화를 수행하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장하는 기록 매체
WO2021205065A1 (en) * 2020-04-09 2021-10-14 Nokia Technologies Oy Training a data coding system comprising a feature extractor neural network

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020055279A1 (en) * 2018-09-10 2020-03-19 Huawei Technologies Co., Ltd. Hybrid video and feature coding and decoding
KR20210054011A (ko) * 2018-12-17 2021-05-12 주식회사 윌러스표준기술연구소 예측 모드를 시그널링하는 비디오 신호 처리 방법 및 장치
WO2021177652A1 (ko) * 2020-03-02 2021-09-10 엘지전자 주식회사 피쳐 양자화/역양자화를 수행하는 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장하는 기록 매체
WO2021205065A1 (en) * 2020-04-09 2021-10-14 Nokia Technologies Oy Training a data coding system comprising a feature extractor neural network

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
WANG DEZHAO; YANG WENHAN; HU YUEYU; LIU JIAYING: "Neural Data-Dependent Transform for Learned Image Compression", 2022 IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR), IEEE, 18 June 2022 (2022-06-18), pages 17358 - 17367, XP034193383, DOI: 10.1109/CVPR52688.2022.01686 *

Similar Documents

Publication Publication Date Title
WO2020036417A1 (ko) 히스토리 기반 움직임 벡터에 기반한 인터 예측 방법 및 그 장치
WO2020071829A1 (ko) 히스토리 기반 영상 코딩 방법 및 그 장치
WO2020256344A1 (ko) 영상 코딩에서 변환 커널 세트를 나타내는 정보의 시그널링
WO2020145604A1 (ko) Mpm 리스트를 사용하는 인트라 예측 기반 영상 코딩 방법 및 장치
WO2020141928A1 (ko) 영상 코딩 시스템에서 mmvd 에 따른 예측에 기반한 영상 디코딩 방법 및 장치
WO2021096057A1 (ko) 비디오 또는 영상 코딩 시스템에서의 엔트리 포인트 관련 정보에 기반한 영상 코딩 방법
WO2020141886A1 (ko) Sbtmvp 기반 인터 예측 방법 및 장치
WO2020076066A1 (ko) 신택스 디자인 방법 및 신택스를 이용하여 코딩을 수행하는 장치
WO2019240539A1 (ko) Cabac에 기반한 엔트로피 코딩 방법 및 그 장치
WO2020256346A1 (ko) 변환 커널 세트에 관한 정보에 대한 코딩
WO2020145620A1 (ko) Mpm 리스트를 사용하는 인트라 예측 기반 영상 코딩 방법 및 장치
WO2020180043A1 (ko) Lmcs에 기반한 영상 코딩 방법 및 그 장치
WO2021107622A1 (ko) 영상/비디오 코딩 방법 및 장치
WO2021137588A1 (ko) 픽처 헤더를 포함하는 영상 정보를 코딩하는 영상 디코딩 방법 및 그 장치
WO2021040402A1 (ko) 팔레트 코딩 기반 영상 또는 비디오 코딩
WO2021034160A1 (ko) 매트릭스 인트라 예측 기반 영상 코딩 장치 및 방법
WO2020256345A1 (ko) 영상 코딩 시스템에서 변환 커널 세트에 관한 정보에 대한 컨텍스트 코딩
WO2020180044A1 (ko) Lmcs에 기반한 영상 코딩 방법 및 그 장치
WO2020184821A1 (ko) Mpm 리스트를 구성하는 방법 및 장치
WO2023172090A1 (ko) 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
WO2020060259A1 (ko) 영상 코딩 시스템에서 블록 파티셔닝을 사용하는 영상 디코딩 방법 및 그 장치
WO2023055141A1 (ko) 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
WO2023167502A1 (ko) 피쳐 부호화/복호화 방법, 장치, 비트스트림을 저장한 기록 매체 및 비트스트림 전송 방법
WO2023172014A1 (ko) 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
WO2023075563A1 (ko) 피쳐 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체

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: 23767191

Country of ref document: EP

Kind code of ref document: A1