WO2023177098A1 - 초해상도 인루프 필터를 이용하는 비디오 코딩을 위한 방법 및 장치 - Google Patents

초해상도 인루프 필터를 이용하는 비디오 코딩을 위한 방법 및 장치 Download PDF

Info

Publication number
WO2023177098A1
WO2023177098A1 PCT/KR2023/002247 KR2023002247W WO2023177098A1 WO 2023177098 A1 WO2023177098 A1 WO 2023177098A1 KR 2023002247 W KR2023002247 W KR 2023002247W WO 2023177098 A1 WO2023177098 A1 WO 2023177098A1
Authority
WO
WIPO (PCT)
Prior art keywords
frame
filter
scale value
restored
resampling
Prior art date
Application number
PCT/KR2023/002247
Other languages
English (en)
French (fr)
Inventor
강제원
이정경
허진
박승욱
Original Assignee
현대자동차주식회사
기아 주식회사
이화여자대학교 산학협력단
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
Priority claimed from KR1020230018329A external-priority patent/KR20230134422A/ko
Application filed by 현대자동차주식회사, 기아 주식회사, 이화여자대학교 산학협력단 filed Critical 현대자동차주식회사
Publication of WO2023177098A1 publication Critical patent/WO2023177098A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H04N19/423—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation characterised by memory arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/80—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation
    • H04N19/82—Details of filtering operations specially adapted for video compression, e.g. for pixel interpolation involving filtering within a prediction loop
    • 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
    • H04N19/85—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression
    • H04N19/86—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using pre-processing or post-processing specially adapted for video compression involving reduction of coding artifacts, e.g. of blockiness

Definitions

  • This disclosure relates to a video coding method and device using a super-resolution in-loop filter.
  • video data Since video data has a larger amount of data than audio data or still image data, it requires a lot of hardware resources, including memory, to store or transmit it without processing for compression.
  • an encoder when storing or transmitting video data, an encoder is used to compress the video data and store or transmit it, and a decoder receives the compressed video data, decompresses it, and plays it.
  • video compression technologies include H.264/AVC, HEVC (High Efficiency Video Coding), and VVC (Versatile Video Coding), which improves coding efficiency by about 30% or more compared to HEVC.
  • the present disclosure provides an in-loop method based on upsampling or super resolution technology in compressing video signals by downsampling and restoring them by upsampling, in order to improve video coding efficiency and improve video quality.
  • the purpose is to provide a video coding method and device using a filter.
  • obtaining the reconstructed frame wherein the reconstructed frame is a reconstructed original frame.
  • the reconstructed frame is a reconstructed original frame.
  • it is restored in advance according to inter prediction of the video decoding device;
  • Based on the scale value inputting the restored frame to a deep learning-based resampling inloop filter to generate an upsampled restored frame, wherein the resampling inloop filter performs deblocking.
  • filters including a filter, a Sample Adaptive Offset (SAO) filter, and an adaptive loop filter; and storing output frames generated by the filters and the resampling in-loop filter as reference frames in a Decoded Picture Buffer (DPB).
  • SAO Sample Adaptive Offset
  • DPB Decoded Picture Buffer
  • a method of upsampling a reconstructed frame performed by an image encoding device includes the steps of: acquiring a scale value indicating a difference in resolution between the reconstructed frame and the original frame;
  • the restored frame is a frame that is a restored frame of the original frame, and is restored in advance according to inter prediction of the video encoding device; and obtaining the restored frame, wherein, when the resolution of the restored frame based on the scale value is smaller than the resolution of the original frame, the restored frame is subjected to a deep learning-based resampling inloop filter.
  • the resampling in-loop filter includes a deblocking filter, a Sample Adaptive Offset (SAO) filter, and an adaptive loop filter. replaces one of the above filters, or is inserted between the above filters; and storing output frames generated by the filters and the resampling in-loop filter as reference frames in a Decoded Picture Buffer (DPB).
  • DPB Decoded Picture Buffer
  • a computer-readable recording medium stores a bitstream generated by an image encoding method, wherein the image encoding method includes a scale value indicating the difference in resolution between a restored frame and an original frame.
  • the restored frame is a frame obtained by reconstructing the original frame, and is previously restored according to inter prediction of the video encoding method; and obtaining the restored frame, wherein, when the resolution of the restored frame based on the scale value is smaller than the resolution of the original frame, the restored frame is subjected to a deep learning-based resampling inloop filter.
  • the resampling in-loop filter includes a deblocking filter, a Sample Adaptive Offset (SAO) filter, and an adaptive loop filter. replaces one of the above filters, or is inserted between the above filters; and storing output frames generated by the filters and the resampling in-loop filter as reference frames in a Decoded Picture Buffer (DPB).
  • DPB Decoded Picture Buffer
  • FIG. 1 is an example block diagram of a video encoding device that can implement the techniques of the present disclosure.
  • Figure 2 is a diagram to explain a method of dividing a block using the QTBTTT structure.
  • 3A and 3B are diagrams showing a plurality of intra prediction modes including wide-angle intra prediction modes.
  • Figure 4 is an example diagram of neighboring blocks of the current block.
  • Figure 5 is an example block diagram of a video decoding device that can implement the techniques of the present disclosure.
  • Figure 6 is an example diagram showing the operation of a convolutional layer.
  • Figure 7 is an example diagram showing the operation of the deconvolution layer.
  • Figure 8 is an example diagram showing the operation of the pooling layer.
  • Figure 9 is an example diagram showing a Single Image Super Resolution (SISR) network.
  • SISR Single Image Super Resolution
  • Figure 10 is an example diagram showing a residual block used in SISR.
  • Figure 11 is an example diagram showing the form of an Adaptive Loop Filter (ALF).
  • ALF Adaptive Loop Filter
  • FIG. 12 is a block diagram showing an image decoding device to which RPR (Reference Picture Resampling) technology is applied.
  • RPR Reference Picture Resampling
  • Figure 13 is an exemplary diagram showing an image decoding device including a resampling inloop filter (RIF) according to an embodiment of the present disclosure.
  • RIF resampling inloop filter
  • Figure 14 is an example diagram showing a transpose convolution operation.
  • Figure 15 is an example diagram showing an unpooling operation.
  • Figure 16 is an example diagram showing an upsampling technology using NNSR according to an embodiment of the present disclosure.
  • Figure 17 is an exemplary diagram showing the application position of RIF, according to an embodiment of the present disclosure.
  • FIG. 18 is a flowchart illustrating a method of upsampling a restored frame performed by a video encoding device according to an embodiment of the present disclosure.
  • FIG. 19 is a flowchart illustrating a method of upsampling a restored frame performed by a video decoding apparatus according to an embodiment of the present disclosure.
  • FIG. 1 is an example block diagram of a video encoding device that can implement the techniques of the present disclosure.
  • the video encoding device and its sub-configurations will be described with reference to the illustration in FIG. 1.
  • the image encoding device includes a picture division unit 110, a prediction unit 120, a subtractor 130, a transform unit 140, a quantization unit 145, a rearrangement unit 150, an entropy encoding unit 155, and an inverse quantization unit. It may be configured to include (160), an inverse transform unit (165), an adder (170), a loop filter unit (180), and a memory (190).
  • Each component of the video encoding device may be implemented as hardware or software, or may be implemented as a combination of hardware and software. Additionally, the function of each component may be implemented as software and a microprocessor may be implemented to execute the function of the software corresponding to each component.
  • One image consists of one or more sequences including a plurality of pictures. Each picture is divided into a plurality of regions and encoding is performed for each region. For example, one picture is divided into one or more tiles and/or slices. Here, one or more tiles can be defined as a tile group. Each tile or/slice is divided into one or more Coding Tree Units (CTUs). And each CTU is divided into one or more CUs (Coding Units) by a tree structure. Information applied to each CU is encoded as the syntax of the CU, and information commonly applied to CUs included in one CTU is encoded as the syntax of the CTU.
  • CTUs Coding Tree Units
  • information commonly applied to all blocks within one slice is encoded as the syntax of the slice header, and information applied to all blocks constituting one or more pictures is a picture parameter set (PPS) or picture parameter set. Encoded in the header. Furthermore, information commonly referenced by multiple pictures is encoded in a sequence parameter set (SPS). And, information commonly referenced by one or more SPSs is encoded in a video parameter set (VPS). Additionally, information commonly applied to one tile or tile group may be encoded as the syntax of a tile or tile group header. Syntax included in the SPS, PPS, slice header, tile, or tile group header may be referred to as high level syntax.
  • the picture division unit 110 determines the size of the CTU (Coding Tree Unit). Information about the size of the CTU (CTU size) is encoded as SPS or PPS syntax and transmitted to the video decoding device.
  • CTU size Information about the size of the CTU (CTU size) is encoded as SPS or PPS syntax and transmitted to the video decoding device.
  • the picture division unit 110 divides each picture constituting the image into a plurality of CTUs (Coding Tree Units) with a predetermined size, and then repeatedly divides the CTUs using a tree structure. (recursively) Divide.
  • a leaf node in the tree structure becomes a coding unit (CU), the basic unit of encoding.
  • CU coding unit
  • the tree structure is QuadTree (QT), in which the parent node is divided into four child nodes (or child nodes) of the same size, or BinaryTree, in which the parent node is divided into two child nodes. , BT), or a TernaryTree (TT) in which the parent node is divided into three child nodes in a 1:2:1 ratio, or a structure that mixes two or more of these QT structures, BT structures, and TT structures.
  • QTBT QuadTree plus BinaryTree
  • QTBTTT QuadTree plus BinaryTree TernaryTree
  • BTTT may be combined and referred to as MTT (Multiple-Type Tree).
  • Figure 2 is a diagram to explain a method of dividing a block using the QTBTTT structure.
  • the CTU can first be divided into a QT structure. Quadtree splitting can be repeated until the size of the splitting block reaches the minimum block size (MinQTSize) of the leaf node allowed in QT.
  • the first flag (QT_split_flag) indicating whether each node of the QT structure is split into four nodes of the lower layer is encoded by the entropy encoder 155 and signaled to the video decoding device. If the leaf node of QT is not larger than the maximum block size (MaxBTSize) of the root node allowed in BT, it may be further divided into either the BT structure or the TT structure. In the BT structure and/or TT structure, there may be multiple division directions.
  • a second flag indicates whether the nodes have been split, and if split, an additional flag indicating the splitting direction (vertical or horizontal) and/or the splitting type (Binary). Or, a flag indicating Ternary) is encoded by the entropy encoding unit 155 and signaled to the video decoding device.
  • a CU split flag (split_cu_flag) indicating whether the node is split is encoded. It could be. If the CU split flag (split_cu_flag) value indicates that it is not split, the block of the corresponding node becomes a leaf node in the split tree structure and becomes a CU (coding unit), which is the basic unit of coding. When the CU split flag (split_cu_flag) value indicates splitting, the video encoding device starts encoding from the first flag in the above-described manner.
  • QTBT When QTBT is used as another example of a tree structure, there are two types: a type that horizontally splits the block of the node into two blocks of the same size (i.e., symmetric horizontal splitting) and a type that splits it vertically (i.e., symmetric vertical splitting). Branches may exist.
  • a split flag (split_flag) indicating whether each node of the BT structure is divided into blocks of a lower layer and split type information indicating the type of division are encoded by the entropy encoder 155 and transmitted to the video decoding device.
  • split_flag split flag
  • the asymmetric form may include dividing the block of the corresponding node into two rectangular blocks with a size ratio of 1:3, or may include dividing the block of the corresponding node diagonally.
  • a CU can have various sizes depending on the QTBT or QTBTTT division from the CTU.
  • the block corresponding to the CU i.e., leaf node of QTBTTT
  • the 'current block' the block corresponding to the CU (i.e., leaf node of QTBTTT) to be encoded or decoded
  • the shape of the current block may be rectangular as well as square.
  • the prediction unit 120 predicts the current block and generates a prediction block.
  • the prediction unit 120 includes an intra prediction unit 122 and an inter prediction unit 124.
  • each current block in a picture can be coded predictively.
  • prediction of the current block is done using intra prediction techniques (using data from the picture containing the current block) or inter prediction techniques (using data from pictures coded before the picture containing the current block). It can be done.
  • Inter prediction includes both one-way prediction and two-way prediction.
  • the intra prediction unit 122 predicts pixels within the current block using pixels (reference pixels) located around the current block within the current picture including the current block.
  • the plurality of intra prediction modes may include two non-directional modes including a planar mode and a DC mode and 65 directional modes.
  • the surrounding pixels and calculation formulas to be used are defined differently for each prediction mode.
  • the directional modes (67 to 80, -1 to -14 intra prediction modes) shown by dotted arrows in FIG. 3B can be additionally used. These may be referred to as “wide angle intra-prediction modes”.
  • the arrows point to corresponding reference samples used for prediction and do not indicate the direction of prediction. The predicted direction is opposite to the direction indicated by the arrow.
  • Wide-angle intra prediction modes are modes that perform prediction in the opposite direction of a specific directional mode without transmitting additional bits when the current block is rectangular. At this time, among the wide-angle intra prediction modes, some wide-angle intra prediction modes available for the current block may be determined according to the ratio of the width and height of the rectangular current block.
  • intra prediction modes 67 to 80 are available when the current block is in the form of a rectangle whose height is smaller than its width
  • wide-angle intra prediction modes with angles larger than -135 degrees are available.
  • Intra prediction modes (-1 to -14 intra prediction modes) are available when the current block has a rectangular shape with a width greater than the height.
  • the intra prediction unit 122 can determine the intra prediction mode to be used to encode the current block.
  • intra prediction unit 122 may encode the current block using multiple intra prediction modes and select an appropriate intra prediction mode to use from the tested modes. For example, the intra prediction unit 122 calculates rate-distortion values using rate-distortion analysis for several tested intra-prediction modes and has the best rate-distortion characteristics among the tested modes. You can also select intra prediction mode.
  • the intra prediction unit 122 selects one intra prediction mode from a plurality of intra prediction modes and predicts the current block using surrounding pixels (reference pixels) and an operation formula determined according to the selected intra prediction mode.
  • Information about the selected intra prediction mode is encoded by the entropy encoding unit 155 and transmitted to the video decoding device.
  • the inter prediction unit 124 generates a prediction block for the current block using a motion compensation process.
  • the inter prediction unit 124 searches for a block most similar to the current block in a reference picture that has been encoded and decoded before the current picture, and generates a prediction block for the current block using the searched block. Then, a motion vector (MV) corresponding to the displacement between the current block in the current picture and the prediction block in the reference picture is generated.
  • MV motion vector
  • motion estimation is performed on the luma component, and a motion vector calculated based on the luma component is used for both the luma component and the chroma component.
  • Motion information including information about the reference picture and information about the motion vector used to predict the current block is encoded by the entropy encoding unit 155 and transmitted to the video decoding device.
  • the inter prediction unit 124 may perform interpolation on a reference picture or reference block to increase prediction accuracy. That is, subsamples between two consecutive integer samples are interpolated by applying filter coefficients to a plurality of consecutive integer samples including the two integer samples. If the process of searching for the block most similar to the current block is performed for the interpolated reference picture, the motion vector can be expressed with precision in decimal units rather than precision in integer samples.
  • the precision or resolution of the motion vector may be set differently for each target area to be encoded, for example, slice, tile, CTU, CU, etc.
  • AMVR adaptive motion vector resolution
  • information about the motion vector resolution to be applied to each target area must be signaled for each target area. For example, if the target area is a CU, information about the motion vector resolution applied to each CU is signaled.
  • Information about motion vector resolution may be information indicating the precision of a differential motion vector, which will be described later.
  • the inter prediction unit 124 may perform inter prediction using bi-prediction.
  • bidirectional prediction two reference pictures and two motion vectors indicating the positions of blocks most similar to the current block within each reference picture are used.
  • the inter prediction unit 124 selects the first reference picture and the second reference picture from reference picture list 0 (RefPicList0) and reference picture list 1 (RefPicList1), respectively, and searches for a block similar to the current block within each reference picture. Create a first reference block and a second reference block. Then, the first reference block and the second reference block are averaged or weighted to generate a prediction block for the current block. Then, motion information including information about the two reference pictures used to predict the current block and information about the two motion vectors is transmitted to the encoder 150.
  • reference picture list 0 may be composed of pictures before the current picture in display order among the restored pictures
  • reference picture list 1 may be composed of pictures after the current picture in display order among the restored pictures.
  • relief pictures after the current picture may be additionally included in reference picture list 0, and conversely, relief pictures before the current picture may be additionally included in reference picture list 1. may be included.
  • the motion information of the current block can be transmitted to the video decoding device by encoding information that can identify the neighboring block. This method is called ‘merge mode’.
  • the inter prediction unit 124 selects a predetermined number of merge candidate blocks (hereinafter referred to as 'merge candidates') from neighboring blocks of the current block.
  • the surrounding blocks for deriving merge candidates include the left block (A0), bottom left block (A1), top block (B0), and top right block (B1) adjacent to the current block in the current picture. ), and all or part of the upper left block (A2) can be used.
  • a block located within a reference picture (which may be the same or different from the reference picture used to predict the current block) rather than the current picture where the current block is located may be used as a merge candidate.
  • a block co-located with the current block within the reference picture or blocks adjacent to the co-located block may be additionally used as merge candidates. If the number of merge candidates selected by the method described above is less than the preset number, the 0 vector is added to the merge candidates.
  • the inter prediction unit 124 uses these neighboring blocks to construct a merge list including a predetermined number of merge candidates.
  • a merge candidate to be used as motion information of the current block is selected from among the merge candidates included in the merge list, and merge index information is generated to identify the selected candidate.
  • the generated merge index information is encoded by the encoder 150 and transmitted to the video decoding device.
  • Merge skip mode is a special case of merge mode. After performing quantization, when all transformation coefficients for entropy encoding are close to zero, only peripheral block selection information is transmitted without transmitting residual signals. By using merge skip mode, relatively high coding efficiency can be achieved in low-motion images, still images, screen content images, etc.
  • merge mode and merge skip mode are collectively referred to as merge/skip mode.
  • AMVP Advanced Motion Vector Prediction
  • the inter prediction unit 124 uses neighboring blocks of the current block to derive predicted motion vector candidates for the motion vector of the current block.
  • the surrounding blocks used to derive predicted motion vector candidates include the left block (A0), bottom left block (A1), top block (B0), and top right block adjacent to the current block in the current picture shown in FIG. B1), and all or part of the upper left block (A2) can be used. Additionally, a block located within a reference picture (which may be the same or different from the reference picture used to predict the current block) rather than the current picture where the current block is located will be used as a surrounding block used to derive prediction motion vector candidates. It may be possible.
  • a collocated block located at the same location as the current block within the reference picture or blocks adjacent to the block at the same location may be used. If the number of motion vector candidates is less than the preset number by the method described above, the 0 vector is added to the motion vector candidates.
  • the inter prediction unit 124 derives predicted motion vector candidates using the motion vectors of the neighboring blocks, and determines a predicted motion vector for the motion vector of the current block using the predicted motion vector candidates. Then, the predicted motion vector is subtracted from the motion vector of the current block to calculate the differential motion vector.
  • the predicted motion vector can be obtained by applying a predefined function (eg, median, average value calculation, etc.) to the predicted motion vector candidates.
  • a predefined function eg, median, average value calculation, etc.
  • the video decoding device also knows the predefined function.
  • the neighboring blocks used to derive predicted motion vector candidates are blocks for which encoding and decoding have already been completed, the video decoding device also already knows the motion vectors of the neighboring blocks. Therefore, the video encoding device does not need to encode information to identify the predicted motion vector candidate. Therefore, in this case, information about the differential motion vector and information about the reference picture used to predict the current block are encoded.
  • the predicted motion vector may be determined by selecting one of the predicted motion vector candidates.
  • information for identifying the selected prediction motion vector candidate is additionally encoded, along with information about the differential motion vector and information about the reference picture used to predict the current block.
  • the subtractor 130 generates a residual block by subtracting the prediction block generated by the intra prediction unit 122 or the inter prediction unit 124 from the current block.
  • the transform unit 140 converts the residual signal in the residual block having pixel values in the spatial domain into transform coefficients in the frequency domain.
  • the conversion unit 140 may convert the residual signals in the residual block by using the entire size of the residual block as a conversion unit, or divide the residual block into a plurality of subblocks and perform conversion by using the subblocks as a conversion unit. You may.
  • the residual signals can be converted by dividing them into two subblocks, a transform area and a non-transformation region, and using only the transform region subblock as a transform unit.
  • the transformation area subblock may be one of two rectangular blocks with a size ratio of 1:1 based on the horizontal axis (or vertical axis).
  • a flag indicating that only the subblock has been converted (cu_sbt_flag), directional (vertical/horizontal) information (cu_sbt_horizontal_flag), and/or position information (cu_sbt_pos_flag) are encoded by the entropy encoding unit 155 and signaled to the video decoding device.
  • the size of the transform area subblock may have a size ratio of 1:3 based on the horizontal axis (or vertical axis), and in this case, a flag (cu_sbt_quad_flag) that distinguishes the corresponding division is additionally encoded by the entropy encoding unit 155 to encode the image. Signaled to the decryption device.
  • the transformation unit 140 can separately perform transformation on the residual block in the horizontal and vertical directions.
  • various types of transformation functions or transformation matrices can be used.
  • a pair of transformation functions for horizontal transformation and vertical transformation can be defined as MTS (Multiple Transform Set).
  • the conversion unit 140 may select a conversion function pair with the best conversion efficiency among MTSs and convert the residual blocks in the horizontal and vertical directions, respectively.
  • Information (mts_idx) about the transformation function pair selected from the MTS is encoded by the entropy encoder 155 and signaled to the video decoding device.
  • the quantization unit 145 quantizes the transform coefficients output from the transform unit 140 using a quantization parameter, and outputs the quantized transform coefficients to the entropy encoding unit 155.
  • the quantization unit 145 may directly quantize a residual block related to a certain block or frame without conversion.
  • the quantization unit 145 may apply different quantization coefficients (scaling values) depending on the positions of the transform coefficients within the transform block.
  • the quantization matrix applied to the quantized transform coefficients arranged in two dimensions may be encoded and signaled to the video decoding device.
  • the rearrangement unit 150 may rearrange coefficient values for the quantized residual values.
  • the rearrangement unit 150 can change a two-dimensional coefficient array into a one-dimensional coefficient sequence using coefficient scanning.
  • the realignment unit 150 can scan from DC coefficients to coefficients in the high frequency region using zig-zag scan or diagonal scan to output a one-dimensional coefficient sequence.
  • a vertical scan that scans a two-dimensional coefficient array in the column direction or a horizontal scan that scans the two-dimensional block-type coefficients in the row direction may be used instead of the zig-zag scan. That is, the scan method to be used among zig-zag scan, diagonal scan, vertical scan, and horizontal scan may be determined depending on the size of the transformation unit and the intra prediction mode.
  • the entropy encoding unit 155 uses various encoding methods such as CABAC (Context-based Adaptive Binary Arithmetic Code) and Exponential Golomb to encode the one-dimensional quantized transform coefficients output from the reordering unit 150.
  • CABAC Context-based Adaptive Binary Arithmetic Code
  • Exponential Golomb Exponential Golomb to encode the one-dimensional quantized transform coefficients output from the reordering unit 150.
  • a bitstream is created by encoding the sequence.
  • the entropy encoder 155 encodes information such as CTU size, CU split flag, QT split flag, MTT split type, and MTT split direction related to block splitting, so that the video decoding device can encode blocks in the same way as the video coding device. Allow it to be divided.
  • the entropy encoding unit 155 encodes information about the prediction type indicating whether the current block is encoded by intra prediction or inter prediction, and generates intra prediction information (i.e., intra prediction) according to the prediction type.
  • Information about the mode) or inter prediction information coding mode of motion information (merge mode or AMVP mode), merge index in case of merge mode, information on reference picture index and differential motion vector in case of AMVP mode
  • the entropy encoding unit 155 encodes information related to quantization, that is, information about quantization parameters and information about the quantization matrix.
  • the inverse quantization unit 160 inversely quantizes the quantized transform coefficients output from the quantization unit 145 to generate transform coefficients.
  • the inverse transform unit 165 restores the residual block by converting the transform coefficients output from the inverse quantization unit 160 from the frequency domain to the spatial domain.
  • the addition unit 170 restores the current block by adding the restored residual block and the prediction block generated by the prediction unit 120. Pixels in the restored current block are used as reference pixels when intra-predicting the next block.
  • the loop filter unit 180 restores pixels to reduce blocking artifacts, ringing artifacts, blurring artifacts, etc. that occur due to block-based prediction and transformation/quantization. Perform filtering on them.
  • the filter unit 180 is an in-loop filter and may include all or part of a deblocking filter 182, a Sample Adaptive Offset (SAO) filter 184, and an Adaptive Loop Filter (ALF) 186. .
  • the deblocking filter 182 filters the boundaries between restored blocks to remove blocking artifacts caused by block-level encoding/decoding, and the SAO filter 184 and alf(186) perform deblocking filtering. Additional filtering is performed on the image.
  • the SAO filter 184 and alf 186 are filters used to compensate for the difference between the restored pixel and the original pixel caused by lossy coding.
  • the SAO filter 184 improves not only subjective image quality but also coding efficiency by applying an offset in units of CTU.
  • the ALF 186 performs filtering on a block basis, distinguishing the edge and degree of change of the block and applying different filters to compensate for distortion.
  • Information about filter coefficients to be used in ALF may be encoded and signaled to a video decoding device.
  • the restored block filtered through the deblocking filter 182, SAO filter 184, and ALF 186 is stored in the memory 190.
  • the reconstructed picture can be used as a reference picture for inter prediction of blocks in the picture to be encoded later.
  • FIG. 5 is an example block diagram of a video decoding device that can implement the techniques of the present disclosure.
  • the video decoding device and its sub-configurations will be described with reference to FIG. 5.
  • the image decoding device includes an entropy decoding unit 510, a rearrangement unit 515, an inverse quantization unit 520, an inverse transform unit 530, a prediction unit 540, an adder 550, a loop filter unit 560, and a memory ( 570).
  • each component of the video decoding device may be implemented as hardware or software, or may be implemented as a combination of hardware and software. Additionally, the function of each component may be implemented as software and a microprocessor may be implemented to execute the function of the software corresponding to each component.
  • the entropy decoder 510 decodes the bitstream generated by the video encoding device, extracts information related to block division, determines the current block to be decoded, and provides prediction information and residual signals needed to restore the current block. Extract information, etc.
  • the entropy decoder 510 extracts information about the CTU size from a Sequence Parameter Set (SPS) or Picture Parameter Set (PPS), determines the size of the CTU, and divides the picture into CTUs of the determined size. Then, the CTU is determined as the highest layer of the tree structure, that is, the root node, and the CTU is divided using the tree structure by extracting the division information for the CTU.
  • SPS Sequence Parameter Set
  • PPS Picture Parameter Set
  • the first flag (QT_split_flag) related to the division of the QT first extracts the first flag (QT_split_flag) related to the division of the QT and split each node into four nodes of the lower layer. And, for the node corresponding to the leaf node of QT, the second flag (MTT_split_flag) and split direction (vertical / horizontal) and/or split type (binary / ternary) information related to the split of MTT are extracted and the corresponding leaf node is divided into MTT.
  • Split into structures Accordingly, each node below the leaf node of QT is recursively divided into a BT or TT structure.
  • each node may undergo 0 or more repetitive MTT divisions after 0 or more repetitive QT divisions. For example, MTT division may occur immediately in the CTU, or conversely, only multiple QT divisions may occur.
  • the first flag (QT_split_flag) related to the division of the QT is extracted and each node is divided into four nodes of the lower layer. And, for the node corresponding to the leaf node of QT, a split flag (split_flag) indicating whether to further split into BT and split direction information are extracted.
  • the entropy decoding unit 510 determines the current block to be decoded using division of the tree structure, it extracts information about the prediction type indicating whether the current block is intra-predicted or inter-predicted.
  • prediction type information indicates intra prediction
  • the entropy decoder 510 extracts syntax elements for intra prediction information (intra prediction mode) of the current block.
  • prediction type information indicates inter prediction
  • the entropy decoder 510 extracts syntax elements for inter prediction information, that is, information indicating a motion vector and a reference picture to which the motion vector refers.
  • the entropy decoding unit 510 extracts information about quantized transform coefficients of the current block as quantization-related information and information about the residual signal.
  • the reordering unit 515 re-organizes the sequence of one-dimensional quantized transform coefficients entropy decoded in the entropy decoding unit 510 into a two-dimensional coefficient array (i.e., in reverse order of the coefficient scanning order performed by the image encoding device). block).
  • the inverse quantization unit 520 inversely quantizes the quantized transform coefficients and inversely quantizes the quantized transform coefficients using a quantization parameter.
  • the inverse quantization unit 520 may apply different quantization coefficients (scaling values) to quantized transform coefficients arranged in two dimensions.
  • the inverse quantization unit 520 may perform inverse quantization by applying a matrix of quantization coefficients (scaling values) from an image encoding device to a two-dimensional array of quantized transform coefficients.
  • the inverse transform unit 530 inversely transforms the inverse quantized transform coefficients from the frequency domain to the spatial domain to restore the residual signals, thereby generating a residual block for the current block.
  • the inverse transformation unit 530 when the inverse transformation unit 530 inversely transforms only a partial area (subblock) of the transformation block, a flag (cu_sbt_flag) indicating that only the subblock of the transformation block has been transformed, and directionality (vertical/horizontal) information of the subblock (cu_sbt_horizontal_flag) ) and/or extracting the position information (cu_sbt_pos_flag) of the subblock, and inversely transforming the transformation coefficients of the corresponding subblock from the frequency domain to the spatial domain to restore the residual signals, and for the area that has not been inversely transformed, a “0” value is used as the residual signal. By filling , the final residual block for the current block is created.
  • the inverse transform unit 530 determines a transformation function or transformation matrix to be applied in the horizontal and vertical directions, respectively, using the MTS information (mts_idx) signaled from the video encoding device, and uses the determined transformation function. Inverse transformation is performed on the transformation coefficients in the transformation block in the horizontal and vertical directions.
  • the prediction unit 540 may include an intra prediction unit 542 and an inter prediction unit 544.
  • the intra prediction unit 542 is activated when the prediction type of the current block is intra prediction
  • the inter prediction unit 544 is activated when the prediction type of the current block is inter prediction.
  • the intra prediction unit 542 determines the intra prediction mode of the current block among a plurality of intra prediction modes from the syntax elements for the intra prediction mode extracted from the entropy decoder 510, and provides a reference around the current block according to the intra prediction mode. Predict the current block using pixels.
  • the inter prediction unit 544 uses the syntax elements for the inter prediction mode extracted from the entropy decoder 510 to determine the motion vector of the current block and the reference picture to which the motion vector refers, and uses the motion vector and the reference picture to determine the motion vector of the current block. Use it to predict the current block.
  • the adder 550 restores the current block by adding the residual block output from the inverse transform unit and the prediction block output from the inter prediction unit or intra prediction unit. Pixels in the restored current block are used as reference pixels when intra-predicting a block to be decoded later.
  • the loop filter unit 560 may include a deblocking filter 562, a SAO filter 564, and an ALF 566 as an in-loop filter.
  • the deblocking filter 562 performs deblocking filtering on the boundaries between restored blocks to remove blocking artifacts that occur due to block-level decoding.
  • the SAO filter 564 and the ALF 566 perform additional filtering on the reconstructed block after deblocking filtering to compensate for the difference between the reconstructed pixel and the original pixel caused by lossy coding.
  • the filter coefficient of ALF is determined using information about the filter coefficient decoded from the non-stream.
  • the restored block filtered through the deblocking filter 562, SAO filter 564, and ALF 566 is stored in the memory 570.
  • the reconstructed picture is later used as a reference picture for inter prediction of blocks in the picture to be encoded.
  • This embodiment relates to encoding and decoding of images (videos) as described above. More specifically, a video coding method and device are provided that use an in-loop filter based on upsampling or super resolution technology to compress a video signal by downsampling and restore it by upsampling.
  • the following embodiments may be performed by the loop filter unit 180 in a video encoding device. Additionally, it may be performed by the loop filter unit 542 in a video decoding device.
  • the video encoding device may generate signaling information related to this embodiment in terms of bit rate distortion optimization during in-loop filtering of the restored frame.
  • the video encoding device can encode the video using the entropy encoding unit 155 and then transmit it to the video decoding device.
  • the video decoding device can decode signaling information related to in-loop filtering of the restored frame from the bitstream using the entropy decoding unit 510.
  • 'target block' may be used with the same meaning as a current block or a coding unit (CU), or may mean a partial area of a coding unit.
  • the fact that the value of one flag is true indicates that the flag is set to 1. Additionally, the value of one flag being false indicates a case where the flag is set to 0.
  • CNN refers to a neural network consisting of multiple convolution layers and pooling layers, and is a deep learning technology known to be most suitable for image processing.
  • the convolution layer extracts a feature map (used interchangeably with 'feature') using multiple kernels or filters.
  • the kernel coefficient that makes up the filter is a parameter determined during the learning process.
  • the front layer close to the input extracts a feature map that responds to simple, low-level image features such as lines, points, or faces, and the back layer close to the output extracts texture, Extract feature maps that respond to higher levels, such as object parts.
  • Figure 6 is an example diagram showing the operation of a convolutional layer according to an embodiment of the present disclosure.
  • the convolution layer creates a feature map from the input image using a convolution operation.
  • a kernel or filter
  • Kernel size is also referred to as kernel size or filter size.
  • the kernel has kernel parameters (kernel parameters or filter parameters), also called weights.
  • kernel illustrated in Figure 6 has a total of 9 kernel parameters. Kernel parameters are initially set to random values, and the values can be updated based on learning.
  • the convolution layer performs a convolution operation using blocks equal to the kernel size in the input image.
  • a block as large as the kernel size in the input image is referred to as a window.
  • the window movement size is called stride.
  • the stride is 1. If the stride is set to 2, the convolution operation is performed by spacing the window by 2 samples, and as a result, the horizontal and vertical sizes of the feature map become half of the horizontal and vertical sizes of the input image.
  • one convolutional layer may include multiple filters.
  • the number of filters/filters or the number of kernels/kernels is called a channel. That is, the number of channels is equal to the number of filters. Additionally, the number of filters determines the size of the dimension of the feature map.
  • Padding refers to a method of expanding input data by filling the area around the input data with a specific value before performing a convolution operation. Padding is mainly used to control the spatial size of output data. The value used for padding can be determined by hyperparameters, but zero-padding is mainly used. If padding is not used, the spatial size of the output data decreases every time it passes through a convolutional layer, which may cause the problem of boundary information disappearing. Therefore, to prevent this problem, padding is used. In other words, padding can be used to make the spatial sizes of the output data and input data of the convolutional layer the same.
  • Figure 7 is an example diagram showing the operation of a deconvolution layer according to an embodiment of the present disclosure.
  • the deconvolution layer performs the opposite operation to the convolution layer.
  • the deconvolution layer generates the desired data image as output from the input feature map.
  • Deconvolution layer uses the same terminology as convolution layer.
  • the stride is 1, as in the example of FIG. 7, the horizontal and vertical sizes of the feature map are the same as the horizontal and vertical sizes of the output data. If the stride is 2, the horizontal and vertical sizes of the output data are twice the horizontal and vertical sizes of the feature map.
  • Figure 8 is an example diagram showing the operation of a pooling layer according to an embodiment of the present disclosure.
  • the pooling layer performs pooling, a process of sub-sampling the feature map generated by the convolution layer.
  • the pooling layer uses a 2 ⁇ 2 window to select samples so that the output result is half the width and height of the input.
  • the pooling layer is used to reduce the size of the input image or input feature map by consolidating the 2 ⁇ 2 area into one sample.
  • pooling methods include max pooling, which selects the maximum value in a 2 ⁇ 2 area, and average pooling, which generates the average of the 2 ⁇ 2 area.
  • the pooling layer does not include variables that require learning, and maintains the number of channels in the input as is in the output.
  • the opposite concept of a pooling layer is defined as an unpooling layer.
  • the unpooling layer as opposed to the pooling layer, plays the role of enlarging the dimension and is mainly used after the deconvolution layer.
  • the convolutional encoder-decoder structure is a network structure consisting of a pair of convolutional layers and deconvolution layers.
  • the convolutional encoder consists of a convolutional layer and a pooling layer and outputs a feature map (or feature vector) from the input image.
  • the final output vector of the convolutional encoder is also referred to as a latent vector.
  • the convolutional decoder consists of a deconvolution layer and an unpooling layer and generates an output image from a feature map or latent vector.
  • the input and output of the convolutional encoder-decoder can be set in various ways depending on the purpose of the application and network.
  • the input and output may be an optical flow map, saliency map, image frame, etc.
  • Figure 9 is an example diagram showing a SISR network.
  • SISR Single Image Super Resolution
  • SISR networks generate high-resolution images as output from low-resolution input images.
  • a SISR network may include multiple convolutional layers, as illustrated in FIG. 9. Each convolutional layer includes an activation function such as ReLU (Rectified Linear Unit).
  • ReLU Rectified Linear Unit
  • the parameters of the SISR network can be trained so that the generated Super Resolution (SR) image is close to the Ground Truth (GT).
  • SR methods using CNN can improve SR performance by increasing depth (for example, this means increasing the number of convolutional layers).
  • a residual block that can perform skip connection and residual learning is installed in the SISR network. It can be used.
  • the residual block includes a skip path in addition to the path that applies the convolution operation to the input feature x l , as illustrated in FIG. 10. Additionally, when generating output x l+1 , the residual block may select a path to which a convolution operation is applied or a skip path based on learning efficiency.
  • the residual block includes a BN (Batch Normalization) layer.
  • EDSR Enhanced Deep residual networks for SISR
  • VDSR Very Deep Convolutional Networks
  • VGG Visual Geometry Group
  • VDSR adds a residual signal to the end of the network, adding the residual signal to the input signal.
  • ALF Adaptive Loop Filter
  • VVC's ALF uses an adaptive linear filter based on the Wiener-Hopf equation to approximate the restored video frame closely to the original.
  • the video encoding device calculates the filter coefficient of the ALF (186) according to bit rate-distortion optimization using the output samples of the SAO (184) and then transmits them to the video decoding device.
  • ALF (186, 566) is composed of a 7 ⁇ 7 diamond shape and a 5 ⁇ 5 diamond shape as shown in the example of FIG. 11 and is used for luma and chroma samples, respectively. Filter shape and size can be determined considering the balance between coding efficiency and computational complexity. For example, the computational complexity of ALF 186, 566 can be reduced using a symmetric FIR filter.
  • the filtered sample I(x,y) at the current position (x,y) can be calculated as shown in Equation 1 according to a 7-bit precision operation.
  • r i is the difference value between the current sample and the adjacent sample and is calculated according to Equation 2.
  • b i is a clipping parameter
  • ALF (186, 566) uses up to 25 sets of filter coefficients for the luma component and applies them to 4 ⁇ 4 sub-blocks.
  • the 4 ⁇ 4 sub-block is classified into one of 25 classes.
  • the classification index for a class is derived from a combination of five orientation attributes expressing the intensity and direction of texture components and five activity attributes of subblocks.
  • geometric transformations such as 90-degree rotations, diagonal transitions, and vertical transitions can be applied to the filter coefficients before filtering.
  • application may be determined on a CTU unit.
  • chroma components up to 8 filters are used at the CTU level. Chroma ALF can be activated only when luma ALF is activated at the corresponding level.
  • an Adaptation Parameter Set (APS) is used to convey ALF filter parameters including a set of filter coefficients.
  • ALF filter parameters including a set of filter coefficients.
  • up to 25 sets of filter coefficients can be estimated for the luma component and up to 8 sets of filter coefficients for the chroma component.
  • the index of the reference APS can be signaled instead of redundantly retransmitting.
  • Cross-Component ALF uses the correlation between the current chroma sample and the luma sample at that location to modify chroma samples in parallel with ALF.
  • CC-ALF applies a linear filtering operation.
  • a diamond-shaped FIR filter is used as CC-ALF without symmetry constraints.
  • VVC's RPR Reference Picture Resampling
  • Figure 12 is a block diagram showing a video decoding device to which RPR technology is applied.
  • Video frames downsampled by the video encoding device are encoded and then transmitted, and video frames previously decoded by the video decoding device are stored in a DPB (Decoded Picture Buffer) in the memory 570.
  • the resampler 1210 in the video decoding device resamples (up/downscales) the reference picture according to the ratio, and the motion vector is also used in the motion prediction and compensation process. Scaling proportionally.
  • the decoded video frame is stored in the DPB with resampling omitted.
  • the upsampler 1220 in the video decoding device restores the downsampled video frame to its original size using upsampling.
  • output video frames may have problems such as blurring.
  • Figure 13 is an exemplary diagram showing an image decoding device including a resampling in-loop filter according to an embodiment of the present disclosure.
  • the RIF (1310) replaces any one of the deblocking filter (562), SAO (564), and ALF (566) that constitutes the existing in-loop filter, or replaces the existing in-loop filter. It can be inserted in the middle process of the in-loop filter. In the example of Figure 13, RIF 1310 is located between SAO 564 and ALF 566.
  • the RIF 1310 When a compressed image is input while being downsampled, the RIF 1310 upsamples the compressed image and restores the original resolution.
  • the original resolution represents the resolution of the original frame. If the input image is input at the original resolution or the flag for performing upsampling is not activated, upsampling by the RIF 1310 is not performed.
  • a technology applied to VVC RPR technology can be used as a filter used to downsample the original frame of the original resolution.
  • downsampling may be performed using a low-pass filter using a windowed sync function.
  • the horizontal and vertical sizes of the original frame are divided by the scale value.
  • floor is the descending function.
  • pixels can be padded at the frame border so that the downsampled result is an even number or a multiple of 4.
  • RIF 1310 upsamples the video frame currently being restored.
  • the upsampling scale is doubled horizontally or vertically, but is not necessarily limited to this. For example, decimal upsampling, such as 1.5 times, is possible, and scaling of 2 times or more, such as 3 times, 4 times, etc., is also allowed.
  • the horizontal and vertical lengths of the original resolution are signaled.
  • RIF 1310 can upsample the video frame currently being restored using one of the following techniques.
  • the RIF 1310 upsamples a video frame using a Finite Impulse Response (FIR) filter.
  • FIR Finite Impulse Response
  • an interpolation filter applied to the generation of a prediction block during inter prediction can be used for upsampling.
  • the RIF 1310 upsamples video frames using NNSR (Neural Network Super Resolution) technology, which performs upsampling based on a neural network.
  • transposed convolution may be used, or a convolution process may be performed after upsampling.
  • the image is upsampled using transpose convolution, that is, the reverse process of the mathematical operation used in convolution, and the kernel used can be updated using learning.
  • Transpose convolution may be implemented based on the deconvolution layer illustrated in FIG. 7. Additionally, network structures and component technologies for super-resolution, such as SISR and EDSR described above, can be utilized as NNSR.
  • a transpose convolution operation can be implemented.
  • RIF 1310 can use a 3 ⁇ 3 kernel, stride 2, and padding 1 to generate output that is larger than the horizontal/vertical size of the input feature map.
  • corresponding output pixels can be generated by multiplying one pixel of the input feature map by a 3 ⁇ 3 kernel.
  • the RIF 1310 may perform upsampling using the unpooling method described above.
  • Unpooling methods that perform the reverse process of the pooling method illustrated in FIG. 8 include max unpooling and average unpooling methods. Maximum unpooling remembers the position index of the largest value in the matrix and then places the sample value at the position indicated by the position index during unpooling. At this time, maximum unpooling can fill surrounding pixels with the same value or fill them with 0. Meanwhile, average unpooling performs upsampling under the assumption that the input value is the average of the output values. Average unpooling can be illustrated as shown in Figure 15.
  • the RIF (1310) can perform convolution after upsampling using nearest neighbors or bilinear-based or bicubic-based interpolation. there is.
  • a denoising neural network can be used to apply convolution to the upsampled image.
  • Figure 16 is an example diagram showing an upsampling technology using NNSR according to an embodiment of the present disclosure.
  • NNSR performs upsampling using multiple convolution layers and unpooling layers.
  • K 1 ⁇ K 1 represents the resolution of the downsampled input image
  • K 2 ⁇ K 2 represents the resolution of the upsampled output image.
  • the upsampling layer may be implemented as an unpooling layer as described above.
  • the location of the RIF 1310 may be located anywhere within the in-loop filter 560 in the video decoding device, as shown in the example of FIG. 13. That is, the RIF (1310) may be located in one of the deblocking filter (562), SAO (564), and ALF (566).
  • RIF 1310 may be located after SAO 564 and before ALF 566, as shown in the example of FIG. 13. That is, as in the example of FIG. 17, the video decoding device may input signals generated by applying an FIR-based upsampling filter to the downsampled output samples that passed through the SAO 564 to the ALF 566.
  • the input signal of ALF 566 is expressed as I(x,y).
  • the filter coefficient of ALF 566 can be calculated using the Winer-hopf equation. Specifically, after the input signal I(x,y) passes through the ALF 566, filter coefficients may be derived to closely approximate the original image.
  • the existing ALF 566 removes quantization noise between input video frames and output video frames having the same resolution, but in this embodiment, the resolutions of the input video frames and output video frames are different, so in addition to quantization noise, it occurs during the upsampling process. Filter coefficients can be derived to mitigate the blurring effect. While using the same structure and the same filter coefficient derivation method as the existing ALF (566), the use of the ALF (566) can be replaced as the RIF (1310) is added as described above.
  • the ALF 566 may be a two-dimensional linear filter configured in a diamond or square shape.
  • ALF 566 is composed of a 7 ⁇ 7 diamond shape and a 5 ⁇ 5 diamond shape as shown in the example of FIG. 11 and is used for luma and chroma samples, respectively.
  • Filter shape and size can be determined considering the balance between coding efficiency and computational complexity. For example, the computational complexity of ALF 566 may be reduced using a symmetric FIR filter.
  • Equation 1 The filtered sample I(x,y) at the current position (x,y) can be calculated as in Equation 1 described above according to a 7-bit precision operation.
  • r i is the difference value between the current sample and the adjacent sample and can be calculated according to Equation 2 described above.
  • Equation 2 b i is a clipping parameter.
  • ALF 566 uses up to 25 sets of filter coefficients for the luma component and applies them to 4 ⁇ 4 sub-blocks.
  • the 4 ⁇ 4 sub-block is classified into one of 25 classes.
  • the classification index for a class is derived from a combination of the five orientation attributes representing the intensity and direction of the texture component and the five activity attributes of the subblock.
  • geometric transformations such as 90-degree rotations, diagonal transitions, and vertical transitions can be applied to the filter coefficients before filtering.
  • the video decoding device can use one of the following technologies during inter prediction.
  • the video decoding device performs inter prediction using a fixed frame size.
  • the video decoding device converts the restored frame into a fixed resolution and stores it in the DPB in the memory 570.
  • the video decoding device performs motion prediction and compensation between the current frame and a reference frame with fixed resolution stored in the DPB.
  • a video decoding device can output a fixed-sized frame after scaling it to match the output resolution. Alternatively, if the fixed resolution and the output resolution are the same, the video decoding device outputs the frame without undergoing any other conversion.
  • the video decoding device scales the reference frame to fit the size of the current frame and then performs inter prediction. Basically, frames existing in the DPB can be scaled upward/downward according to the size ratio between the reference frame and the current frame.
  • the video decoding device changes the current frame to fit the size of the reference frame and then performs inter prediction. At this time, the video decoding device scales the predicted motion vector to fit the changed size of the current frame.
  • the video decoding device can perform inter prediction based on one or more sizes. For this, one or more of the size of the current frame, the size of reference frames, and the output size may be selected. When performing inter prediction according to one or more sizes, the video decoding device can determine the resolution that becomes the final standard, scale the predicted motion information accordingly, and then store it.
  • the video decoding device scales the spatiotemporal motion candidate to match the resolution of the position of the candidate block and then performs motion prediction.
  • the video decoding device may perform inter prediction by considering only the spatial motion candidate without considering the temporal motion candidate.
  • the video decoding device may use a candidate block at a non-scaling position as a motion candidate.
  • Frames to which in-loop filtering by the RIF (1310) has been applied are stored in the DPB in the memory (570).
  • the video decoding device scales the frames existing in the DPB up/down according to the size ratio between the reference frame and the current frame and then performs inter prediction.
  • the video decoding device uses one of the following technologies to store frames in DPB.
  • the video decoding device stores all frames in the existing DPB regardless of the frame size. At this time, the video decoding device can select the size of the frame before and after applying the RIF (1310) and store the frame with the selected size, or store the frame with both sizes. For example, a video frame downsampled to a scale of 1/2 can be stored in an existing DPB using 1/4 the storage space.
  • the video decoding device uses the existing forward reference picture list RefPicList[0] (hereinafter referred to as L0) and the backward reference picture list RefPicList[1] (hereinafter referred to as L1). Name) is used to manage the order of reference frames.
  • the video decoding device stores the changed frame in a specific index of the reference picture list.
  • changed frames can be stored in the second index, RefPictList[0][1] and RefPictList[1][1].
  • the video decoding device may use multiple DPBs whose resolutions are not the same as the current frame and the reference frame.
  • the video decoding device separates the frames before and after applying the RIF (1310) and stores them in different DPBs. Therefore, one DPB can store downscaled frames, and the other DPB can store frames with the output resolution.
  • Whether or not to use the RIF 1310 can be controlled at a higher level, such as video sequence level, picture level, etc. For example, a flag indicating whether the RIF 1310 is available may be displayed on the SPS, which is the video sequence level. If the flag is true, the RIF (1310) is available, whereas if it is false, the RIF (1310) is not available.
  • RIF 1310 can be controlled in the same manner as SPS using PPS, which is the picture level.
  • RIF 1310 is available if the corresponding flag on PPS is true. In this case, the resolution of the output signal of the RIF (1310) is changed with respect to the signal input to the in-loop filtering. On the other hand, if the flag is false, RIF 1310 is not available. In this case, there is no change in resolution between the input and output of the in-loop filter.
  • the scale value of the changed resolution is determined to be 2. In addition, it may be additionally determined whether to apply a scale value of 2 or 1 in the horizontal or vertical direction.
  • a scale value other than scale value 2 may be selected from a number of available scale values. At this time, the selected scale value may be displayed using the index. For example, if the index x_scale_index is 0, the original resolution is maintained, if x_scale_index is 1, the scale value in the x-axis direction is set to 2, and if x_scale_index is 2, the scale value in the x-axis direction is set to 4. can be set.
  • the video decoding device can determine the final scale using the received parameters and arithmetic expression.
  • an index indicating one of multiple candidates may be signaled.
  • the index may indicate the parameter set of the corresponding neural network.
  • the image decoding device sets up a neural network used for super-resolution. Neural networks included in the candidates may be trained in advance according to quantization parameters, scale values, etc.
  • An image encoding device and an image decoding device can store and use a neural network and corresponding parameters of the same structure.
  • the parameter set of the neural network used in the video encoding device is stored in the bitstream and then transmitted. At this time, the parameter set can be transmitted while being stored in the Adaptation Parameter Set (APS).
  • APS Adaptation Parameter Set
  • the corresponding filter coefficient set may be signaled while being stored in the APS. At this time, one of multiple FIR filters may be used based on the scale value.
  • the output resolution obtained after performing RIF 1310 is stored on the SPS.
  • the output resolution obtained after performing RIF (1310) is calculated by multiplying the downsampled and transmitted image by a predetermined scale value.
  • the output resolution obtained after performing RIF (1310) is the same as the original resolution.
  • the output resolution obtained after performing RIF (1310) is different from the original resolution.
  • the output resolution can be stored and transmitted in the SPS or calculated by multiplying a predetermined scale value.
  • the output resolution can be limited to not exceed the maximum resolution. Additionally, by setting the minimum resolution of the RIF 1310 input, the input resolution can be adjusted so that it does not become smaller than the minimum resolution when downsampling the original video frame.
  • FIG. 18 is a flowchart illustrating a method of upsampling a restored frame performed by a video encoding device according to an embodiment of the present disclosure.
  • the video encoding device acquires the scale value (S1800).
  • the scale value represents the difference in resolution between the restored frame and the original frame.
  • the restored frame is a frame in which the original frame is restored, and is restored in advance according to inter prediction of the video encoding device.
  • the scale value may be set to 2.
  • the video encoding device can determine a scale value, encode an index indicating the scale value, and then transmit it to the video decoding device.
  • the video encoding device obtains a restored frame (S1802).
  • the video encoding device checks the scale value (S1804).
  • the video encoding device performs the following steps (S1806 and S1812).
  • the video encoding device inputs the restored frame into a deep learning-based resampling in-loop filter to generate an upsampled restored frame (S1806).
  • the resampling in-loop filter replaces one of the filters including the deblocking filter, SAO filter, and adaptive loop filter, or is inserted between these filters.
  • the upsampled restored frame has the resolution of the original frame.
  • an image encoding device determines an index that indicates one of multiple neural network candidates to a resampling in-loop filter. Later, the video encoding device can encode the determined index. At this time, each neural network candidate can be trained in advance based on quantization parameters and scale values.
  • the image encoding device may encode a parameter set of a neural network selected as a resampling in-loop filter among a plurality of neural network candidates.
  • the parameter set can be signaled while being stored in the APS.
  • the video encoding device when using an FIR filter as a resampling in-loop filter and restoring with ALF, can use one of a plurality of FIR filters based on the scale value.
  • the video encoding device can signal while storing the corresponding filter coefficient set in the APS.
  • the video encoding device stores the output frame generated by the filters and the resampling in-loop filter as a reference frame in the DPB (S1808).
  • the video encoding device determines a flag indicating whether to use the resampling in-loop filter (S1810).
  • the video encoding device may determine a flag indicating whether to use a resampling in-loop filter depending on whether to downsample the original frame based on the scale value. That is, when the original frame is downsampled, the video encoding device can set this flag to true.
  • the video encoding device encodes a flag indicating whether to use the resampling in-loop filter (S1812).
  • the video encoding device performs conventional in-loop filtering excluding the resampling in-loop filter (S1820).
  • the video encoding device may set the flag indicating whether to use the resampling in-loop filter to false and then encode the set flag.
  • the video encoding device may not transmit a flag indicating whether to use the resampling in-loop filter. If the flag indicating whether to use the resampling in-loop filter is not transmitted, the video decoding device can infer that the value of this flag is false.
  • FIG. 19 is a flowchart illustrating a method of upsampling a restored frame performed by a video decoding apparatus according to an embodiment of the present disclosure.
  • the video decoding device acquires a restored frame (S1900).
  • the restored frame is a frame that is a reconstructed original frame, and is restored in advance according to inter prediction of the video decoding device.
  • the video decoding device decodes a flag indicating whether to use a resampling in-loop filter from the bitstream (S1902) and checks this flag (S1904).
  • the video decoding device can infer that the value of this flag is false.
  • the video decoding device performs the following steps (steps after S1906).
  • the video decoding device obtains the scale value (S1906).
  • the scale value represents the difference in resolution between the restored frame and the original frame.
  • the scale value may be set to 2.
  • the video decoding device may decode an index indicating a scale value from a bitstream and set the scale value based on the index.
  • the video decoding device inputs the restored frame into a deep learning-based resampling in-loop filter to generate an upsampled restored frame (S1908).
  • the resampling in-loop filter replaces one of the filters including the deblocking filter, SAO filter, and adaptive loop filter, or is inserted between these filters.
  • the upsampled restored frame has the resolution of the original frame.
  • the video decoding apparatus may decode an index indicating one of a plurality of neural network candidates from a bitstream and then set a resampling in-loop filter based on the index.
  • each neural network candidate can be trained in advance based on quantization parameters and scale values.
  • the video decoding device may decode the parameter set of the resampling in-loop filter from the bitstream. At this time, the parameter set can be signaled while being stored in the APS.
  • the video decoding device can use one of a plurality of FIR filters based on the scale value.
  • the corresponding filter coefficient set can be signaled by the video encoding device while being stored in the APS.
  • the video decoding device stores the output frame generated by the filters and the resampling in-loop filter as a reference frame in the DPB (S1910).
  • the video decoding device performs conventional in-loop filtering excluding the resampling in-loop filter (S1920).
  • Non-transitory recording media include, for example, all types of recording devices that store data in a form readable by a computer system.
  • non-transitory recording media include storage media such as erasable programmable read only memory (EPROM), flash drives, optical drives, magnetic hard drives, and solid state drives (SSD).
  • EPROM erasable programmable read only memory
  • SSD solid state drives

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

초해상도 인루프 필터를 이용하는 비디오 코딩방법 및 장치에 관한 개시로서, 본 실시예는, 비디오 신호를 다운샘플링하여 압축하고 업샘플링하여 복원함에 있어서, 업샘플링(upsampling) 또는 초해상도(super resolution) 기술에 기반하는 인루프 필터를 이용하는 비디오 코딩방법 및 장치를 제공한다.

Description

초해상도 인루프 필터를 이용하는 비디오 코딩을 위한 방법 및 장치
본 개시는 초해상도 인루프 필터를 이용하는 비디오 코딩방법 및 장치에 관한 것이다.
이하에 기술되는 내용은 단순히 본 발명과 관련되는 배경 정보만을 제공할 뿐 종래기술을 구성하는 것이 아니다.
비디오 데이터는 음성 데이터나 정지 영상 데이터 등에 비하여 많은 데이터량을 가지기 때문에, 압축을 위한 처리 없이 그 자체를 저장하거나 전송하기 위해서는 메모리를 포함하여 많은 하드웨어 자원을 필요로 한다.
따라서, 통상적으로 비디오 데이터를 저장하거나 전송할 때에는 부호화기를 사용하여 비디오 데이터를 압축하여 저장하거나 전송하며, 복호화기에서는 압축된 비디오 데이터를 수신하여 압축을 해제하고 재생한다. 이러한 비디오 압축 기술로는 H.264/AVC, HEVC(High Efficiency Video Coding) 등을 비롯하여, HEVC에 비해 약 30% 이상의 부호화 효율을 향상시킨 VVC(Versatile Video Coding)가 존재한다.
그러나, 영상의 크기 및 해상도, 프레임률이 점차 증가하고 있고, 이에 따라 부호화해야 하는 데이터량도 증가하고 있으므로 기존의 압축 기술보다 더 부호화 효율이 좋고 화질 개선 효과도 높은 새로운 압축 기술이 요구된다. 최근 비디오 프레임의 화질의 개선하기 위해 업샘플링(upsampling) 또는 초해상도(Super Resolution) 기술이 활용되고 있다. 특히, 인루프 필터링(inloop filtering)에 있어서, 비디오 부호화 효율을 향상시키고 화질을 개선하기 위해, 이러한 업샘플링 또는 초해상화 기술의 효율적인 활용이 고려될 필요가 있다.
본 개시는, 비디오 부호화 효율을 향상시키고 비디오 화질을 개선하기 위해, 비디오 신호를 다운샘플링하여 압축하고 업샘플링하여 복원함에 있어서, 업샘플링(upsampling) 또는 초해상도(super resolution) 기술에 기반하는 인루프 필터를 이용하는 비디오 코딩방법 및 장치를 제공하는 데 목적이 있다.
본 개시의 실시예에 따르면, 영상 복호화 장치가 수행하는, 복원(reconstructed) 프레임을 업샘플링하는 방법에 있어서, 상기 복원 프레임을 획득하는 단계, 여기서, 상기 복원 프레임은, 원본(original) 프레임을 복원한 프레임으로서, 상기 영상 복호화 장치의 인터 예측에 따라 사전에 복원됨; 상기 복원 프레임과 상기 원본 프레임 간의 해상도 차이를 나타내는 스케일 값을 획득하는 단계; 상기 스케일 값에 기초하여, 상기 복원 프레임을 딥러닝 기반 리샘플링 인루프필터(resampling inloop filter)에 입력하여 업샘플링된 복원 프레임을 생성하는 단계, 여기서, 상기 리샘플링 인루프필터는, 디블로킹(deblocking) 필터, SAO(Sample Adaptive Offset) 필터, 및 적응적 루프 필터(adaptive loop filter)를 포함하는 필터들 중 하나를 대체하거나, 상기 필터들 간에 삽입됨; 및 상기 필터들 및 리샘플링 인루프필터에 의해 생성되는 출력 프레임을 참조 프레임으로서 DPB(Decoded Picture Buffer)에 저장하는 단계를 포함하는 것을 특징으로 하는, 방법을 제공한다.
본 개시의 다른 실시예에 따르면, 영상 부호화 장치가 수행하는, 복원(reconstructed) 프레임을 업샘플링하는 방법에 있어서, 상기 복원 프레임과 원본(original) 프레임 간의 해상도 차이를 나타내는 스케일 값을 획득하는 단계, 여기서, 상기 복원 프레임은, 상기 원본 프레임을 복원한 프레임으로서, 상기 영상 부호화 장치의 인터 예측에 따라 사전에 복원됨; 및 상기 복원 프레임을 획득하는 단계를 포함하되, 상기 스케일 값에 기초하는 상기 복원 프레임의 해상도가 상기 원본 프레임의 해상도보다 작은 경우, 상기 복원 프레임을 딥러닝 기반 리샘플링 인루프필터(resampling inloop filter)에 입력하여 업샘플링된 복원 프레임을 생성하는 단계, 여기서, 상기 리샘플링 인루프필터는, 디블로킹(deblocking) 필터, SAO(Sample Adaptive Offset) 필터, 및 적응적 루프 필터(adaptive loop filter)를 포함하는 필터들 중 하나를 대체하거나, 상기 필터들 간에 삽입됨; 및 상기 필터들 및 리샘플링 인루프필터에 의해 생성되는 출력 프레임을 참조 프레임으로서 DPB(Decoded Picture Buffer)에 저장하는 단계를 포함하는 것을 특징으로 하는, 방법을 제공한다.
본 개시의 다른 실시예에 따르면, 영상 부호화 방법에 의해 생성된 비트스트림을 저장하는 컴퓨터 판독 가능한 기록매체로서, 상기 영상 부호화 방법은, 복원 프레임과 원본(original) 프레임 간의 해상도 차이를 나타내는 스케일 값을 획득하는 단계, 여기서, 상기 복원 프레임은, 상기 원본 프레임을 복원한 프레임으로서, 상기 영상 부호화 방법의 인터 예측에 따라 사전에 복원됨; 및 상기 복원 프레임을 획득하는 단계를 포함하되, 상기 스케일 값에 기초하는 상기 복원 프레임의 해상도가 상기 원본 프레임의 해상도보다 작은 경우, 상기 복원 프레임을 딥러닝 기반 리샘플링 인루프필터(resampling inloop filter)에 입력하여 업샘플링된 복원 프레임을 생성하는 단계, 여기서, 상기 리샘플링 인루프필터는, 디블로킹(deblocking) 필터, SAO(Sample Adaptive Offset) 필터, 및 적응적 루프 필터(adaptive loop filter)를 포함하는 필터들 중 하나를 대체하거나, 상기 필터들 간에 삽입됨; 및 상기 필터들 및 리샘플링 인루프필터에 의해 생성되는 출력 프레임을 참조 프레임으로서 DPB(Decoded Picture Buffer)에 저장하는 단계를 포함하는 것을 특징으로 하는, 기록매체를 제공한다.
이상에서 설명한 바와 같이 본 실시예에 따르면, 비디오 신호를 다운샘플링하여 압축하고 업샘플링하여 복원함에 있어서, 업샘플링 또는 초해상도 기술에 기반하는 인루프 필터를 이용하는 비디오 코딩방법 및 장치를 제공함으로써, 비디오 부호화 효율을 향상시키고 비디오 화질을 개선하는 것이 가능해지는 효과가 있다.
도 1은 본 개시의 기술들을 구현할 수 있는 영상 부호화 장치에 대한 예시적인 블록도이다.
도 2는 QTBTTT 구조를 이용하여 블록을 분할하는 방법을 설명하기 위한 도면이다.
도 3a 및 도 3b는 광각 인트라 예측모드들을 포함한 복수의 인트라 예측모드들을 나타낸 도면이다.
도 4는 현재블록의 주변블록에 대한 예시도이다.
도 5는 본 개시의 기술들을 구현할 수 있는 영상 복호화 장치의 예시적인 블록도이다.
도 6은 콘볼루션 레이어의 연산을 나타내는 예시도이다.
도 7은 디콘볼루션 레이어의 연산을 나타내는 예시도이다.
도 8은 풀링 레이어의 연산을 나타내는 예시도이다.
도 9는 SISR(Single Image Super Resolution) 네트워크를 나타내는 예시도이다.
도 10은 SISR에 이용되는 잔차 블록을 나타내는 예시도이다.
도 11은 ALF(Adaptive Loop Filter)의 형태를 나타내는 예시도이다.
도 12는 RPR(Reference Picture Resampling) 기술이 적용된 영상 복호화 장치를 나타내는 블록도이다.
도 13은 본 개시의 일 실시예에 따른, 리샘플링 인루프필터(Resampling Inloop Filter, RIF)를 포함하는 영상 복호화 장치를 나타내는 예시도이다.
도 14는 전치 콘볼루션 연산을 나타내는 예시도이다.
도 15는 언풀링 연산을 나타내는 예시도이다.
도 16은 본 개시의 일 실시예에 따른, NNSR을 이용하는 업샘플링 기술을 나타내는 예시도이다.
도 17은 본 개시의 일 실시예에 따른, RIF의 적용 위치를 나타내는 예시도이다.
도 18은 본 개시의 일 실시예에 따른, 영상 부호화 장치가 수행하는 복원 프레임을 업샘플링하는 방법을 나타내는 순서도이다.
도 19는 본 개시의 일 실시예에 따른, 영상 복호화 장치가 수행하는 복원 프레임을 업샘플링하는 방법을 나타내는 순서도이다.
이하, 본 발명의 실시예들을 예시적인 도면을 참조하여 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 실시예들을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 실시예들의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
도 1은 본 개시의 기술들을 구현할 수 있는 영상 부호화 장치에 대한 예시적인 블록도이다. 이하에서는 도 1의 도시를 참조하여 영상 부호화 장치와 이 장치의 하위 구성들에 대하여 설명하도록 한다.
영상 부호화 장치는 픽처 분할부(110), 예측부(120), 감산기(130), 변환부(140), 양자화부(145), 재정렬부(150), 엔트로피 부호화부(155), 역양자화부(160), 역변환부(165), 가산기(170), 루프 필터부(180) 및 메모리(190)를 포함하여 구성될 수 있다.
영상 부호화 장치의 각 구성요소는 하드웨어 또는 소프트웨어로 구현되거나, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 각 구성요소의 기능이 소프트웨어로 구현되고 마이크로프로세서가 각 구성요소에 대응하는 소프트웨어의 기능을 실행하도록 구현될 수도 있다.
하나의 영상(비디오)은 복수의 픽처들을 포함하는 하나 이상의 시퀀스로 구성된다. 각 픽처들은 복수의 영역으로 분할되고 각 영역마다 부호화가 수행된다. 예를 들어, 하나의 픽처는 하나 이상의 타일(Tile) 또는/및 슬라이스(Slice)로 분할된다. 여기서, 하나 이상의 타일을 타일 그룹(Tile Group)으로 정의할 수 있다. 각 타일 또는/슬라이스는 하나 이상의 CTU(Coding Tree Unit)로 분할된다. 그리고 각 CTU는 트리 구조에 의해 하나 이상의 CU(Coding Unit)들로 분할된다. 각 CU에 적용되는 정보들은 CU의 신택스로서 부호화되고, 하나의 CTU에 포함된 CU들에 공통적으로 적용되는 정보는 CTU의 신택스로서 부호화된다. 또한, 하나의 슬라이스 내의 모든 블록들에 공통적으로 적용되는 정보는 슬라이스 헤더의 신택스로서 부호화되며, 하나 이상의 픽처들을 구성하는 모든 블록들에 적용되는 정보는 픽처 파라미터 셋(PPS, Picture Parameter Set) 혹은 픽처 헤더에 부호화된다. 나아가, 복수의 픽처가 공통으로 참조하는 정보들은 시퀀스 파라미터 셋(SPS, Sequence Parameter Set)에 부호화된다. 그리고, 하나 이상의 SPS가 공통으로 참조하는 정보들은 비디오 파라미터 셋(VPS, Video Parameter Set)에 부호화된다. 또한, 하나의 타일 또는 타일 그룹에 공통으로 적용되는 정보는 타일 또는 타일 그룹 헤더의 신택스로서 부호화될 수도 있다. SPS, PPS, 슬라이스 헤더, 타일 또는 타일 그룹 헤더에 포함되는 신택스들은 상위수준(high level) 신택스로 칭할 수 있다.
픽처 분할부(110)는 CTU(Coding Tree Unit)의 크기를 결정한다. CTU의 크기에 대한 정보(CTU size)는 SPS 또는 PPS의 신택스로서 부호화되어 영상 복호화 장치로 전달된다.
픽처 분할부(110)는 영상을 구성하는 각 픽처(picture)를 미리 결정된 크기를 가지는 복수의 CTU(Coding Tree Unit)들로 분할한 이후에, 트리 구조(tree structure)를 이용하여 CTU를 반복적으로(recursively) 분할한다. 트리 구조에서의 리프 노드(leaf node)가 부호화의 기본 단위인 CU(coding unit)가 된다.
트리 구조로는 상위 노드(혹은 부모 노드)가 동일한 크기의 네 개의 하위 노드(혹은 자식 노드)로 분할되는 쿼드트리(QuadTree, QT), 또는 상위 노드가 두 개의 하위 노드로 분할되는 바이너리트리(BinaryTree, BT), 또는 상위 노드가 1:2:1 비율로 세 개의 하위 노드로 분할되는 터너리트리(TernaryTree, TT), 또는 이러한 QT 구조, BT 구조 및 TT 구조 중 둘 이상을 혼용한 구조일 수 있다. 예컨대, QTBT(QuadTree plus BinaryTree) 구조가 사용될 수 있고, 또는 QTBTTT(QuadTree plus BinaryTree TernaryTree) 구조가 사용될 수 있다. 여기서, BTTT를 합쳐서 MTT(Multiple-Type Tree)라 지칭될 수 있다.
도 2는 QTBTTT 구조를 이용하여 블록을 분할하는 방법을 설명하기 위한 도면이다.
도 2에 도시된 바와 같이, CTU는 먼저 QT 구조로 분할될 수 있다. 쿼드트리 분할은 분할 블록(splitting block)의 크기가 QT에서 허용되는 리프 노드의 최소 블록 크기(MinQTSize)에 도달할 때까지 반복될 수 있다. QT 구조의 각 노드가 하위 레이어의 4개의 노드들로 분할되는지 여부를 지시하는 제1 플래그(QT_split_flag)는 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 시그널링된다. QT의 리프 노드가 BT에서 허용되는 루트 노드의 최대 블록 크기(MaxBTSize)보다 크지 않은 경우, BT 구조 또는 TT 구조 중 어느 하나 이상으로 더 분할될 수 있다. BT 구조 및/또는 TT 구조에서는 복수의 분할 방향이 존재할 수 있다. 예컨대, 해당 노드의 블록이 가로로 분할되는 방향과 세로로 분할되는 방향 두 가지가 존재할 수 있다. 도 2의 도시와 같이, MTT 분할이 시작되면, 노드들이 분할되었는지 여부를 지시하는 제2 플래그(mtt_split_flag)와, 분할이 되었다면 추가적으로 분할 방향(vertical 혹은 horizontal)을 나타내는 플래그 및/또는 분할 타입(Binary 혹은 Ternary)을 나타내는 플래그가 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 시그널링된다.
대안적으로, 각 노드가 하위 레이어의 4개의 노드들로 분할되는지 여부를 지시하는 제1 플래그(QT_split_flag)를 부호화하기에 앞서, 그 노드가 분할되는지 여부를 지시하는 CU 분할 플래그(split_cu_flag)가 부호화될 수도 있다. CU 분할 플래그(split_cu_flag) 값이 분할되지 않았음을 지시하는 경우, 해당 노드의 블록이 분할 트리 구조에서의 리프 노드(leaf node)가 되어 부호화의 기본 단위인 CU(coding unit)가 된다. CU 분할 플래그(split_cu_flag) 값이 분할됨을 지시하는 경우, 영상 부호화 장치는 전술한 방식으로 제1 플래그부터 부호화를 시작한다.
트리 구조의 다른 예시로서 QTBT가 사용되는 경우, 해당 노드의 블록을 동일 크기의 두 개 블록으로 가로로 분할하는 타입(즉, symmetric horizontal splitting)과 세로로 분할하는 타입(즉, symmetric vertical splitting) 두 가지가 존재할 수 있다. BT 구조의 각 노드가 하위 레이어의 블록으로 분할되는지 여부를 지시하는 분할 플래그(split_flag) 및 분할되는 타입을 지시하는 분할 타입 정보가 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 전달된다. 한편, 해당 노드의 블록을 서로 비대칭 형태의 두 개의 블록으로 분할하는 타입이 추가로 더 존재할 수도 있다. 비대칭 형태에는 해당 노드의 블록을 1:3의 크기 비율을 가지는 두 개의 직사각형 블록으로 분할하는 형태가 포함될 수 있고, 혹은 해당 노드의 블록을 대각선 방향으로 분할하는 형태가 포함될 수도 있다.
CU는 CTU로부터의 QTBT 또는 QTBTTT 분할에 따라 다양한 크기를 가질 수 있다. 이하에서는, 부호화 또는 복호화하고자 하는 CU(즉, QTBTTT의 리프 노드)에 해당하는 블록을 '현재블록'이라 칭한다. QTBTTT 분할의 채용에 따라, 현재블록의 모양은 정사각형뿐만 아니라 직사각형일 수도 있다.
예측부(120)는 현재블록을 예측하여 예측블록을 생성한다. 예측부(120)는 인트라 예측부(122)와 인터 예측부(124)를 포함한다.
일반적으로, 픽처 내 현재블록들은 각각 예측적으로 코딩될 수 있다. 일반적으로 현재블록의 예측은 (현재블록을 포함하는 픽처로부터의 데이터를 사용하는) 인트라 예측 기술 또는 (현재블록을 포함하는 픽처 이전에 코딩된 픽처로부터의 데이터를 사용하는) 인터 예측 기술을 사용하여 수행될 수 있다. 인터 예측은 단방향 예측과 양방향 예측 모두를 포함한다.
인트라 예측부(122)는 현재블록이 포함된 현재 픽처 내에서 현재블록의 주변에 위치한 픽셀(참조 픽셀)들을 이용하여 현재블록 내의 픽셀들을 예측한다. 예측 방향에 따라 복수의 인트라 예측모드가 존재한다. 예컨대, 도 3a에서 보는 바와 같이, 복수의 인트라 예측모드는 planar 모드와 DC 모드를 포함하는 2개의 비방향성 모드와 65개의 방향성 모드를 포함할 수 있다. 각 예측모드에 따라 사용할 주변 픽셀과 연산식이 다르게 정의된다.
직사각형 모양의 현재블록에 대한 효율적인 방향성 예측을 위해, 도 3b에 점선 화살표로 도시된 방향성 모드들(67 ~ 80번, -1 ~ -14 번 인트라 예측모드들)이 추가로 사용될 수 있다. 이들은 "광각 인트라 예측모드들(wide angle intra-prediction modes)"로 지칭될 수 있다. 도 3b에서 화살표들은 예측에 사용되는 대응하는 참조샘플들을 가리키는 것이며, 예측 방향을 나타내는 것이 아니다. 예측 방향은 화살표가 가리키는 방향과 반대이다. 광각 인트라 예측모드들은 현재블록이 직사각형일 때 추가적인 비트 전송 없이 특정 방향성 모드를 반대방향으로 예측을 수행하는 모드이다. 이때 광각 인트라 예측모드들 중에서, 직사각형의 현재블록의 너비와 높이의 비율에 의해, 현재블록에 이용 가능한 일부 광각 인트라 예측모드들이 결정될 수 있다. 예컨대, 45도보다 작은 각도를 갖는 광각 인트라 예측모드들(67 ~ 80번 인트라 예측모드들)은 현재블록이 높이가 너비보다 작은 직사각형 형태일 때 이용 가능하고, -135도보다 큰 각도를 갖는 광각 인트라 예측모드들(-1 ~ -14 번 인트라 예측모드들)은 현재블록이 너비가 높이보다 큰 직사각형 형태일 때 이용 가능하다.
인트라 예측부(122)는 현재블록을 부호화하는데 사용할 인트라 예측모드를 결정할 수 있다. 일부 예들에서, 인트라 예측부(122)는 여러 인트라 예측모드들을 사용하여 현재블록을 인코딩하고, 테스트된 모드들로부터 사용할 적절한 인트라 예측모드를 선택할 수도 있다. 예를 들어, 인트라 예측부(122)는 여러 테스트된 인트라 예측모드들에 대한 비트율 왜곡(rate-distortion) 분석을 사용하여 비트율 왜곡 값들을 계산하고, 테스트된 모드들 중 최선의 비트율 왜곡 특징들을 갖는 인트라 예측모드를 선택할 수도 있다.
인트라 예측부(122)는 복수의 인트라 예측모드 중에서 하나의 인트라 예측모드를 선택하고, 선택된 인트라 예측모드에 따라 결정되는 주변 픽셀(참조 픽셀)과 연산식을 사용하여 현재블록을 예측한다. 선택된 인트라 예측모드에 대한 정보는 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 전달된다.
인터 예측부(124)는 움직임 보상 과정을 이용하여 현재블록에 대한 예측블록을 생성한다. 인터 예측부(124)는 현재 픽처보다 먼저 부호화 및 복호화된 참조픽처 내에서 현재블록과 가장 유사한 블록을 탐색하고, 그 탐색된 블록을 이용하여 현재블록에 대한 예측블록을 생성한다. 그리고, 현재 픽처 내의 현재블록과 참조픽처 내의 예측블록 간의 변위(displacement)에 해당하는 움직임벡터(Motion Vector: MV)를 생성한다. 일반적으로, 움직임 추정은 루마(luma) 성분에 대해 수행되고, 루마 성분에 기초하여 계산된 움직임벡터는 루마 성분 및 크로마 성분 모두에 대해 사용된다. 현재블록을 예측하기 위해 사용된 참조픽처에 대한 정보 및 움직임벡터에 대한 정보를 포함하는 움직임 정보는 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 전달된다.
인터 예측부(124)는, 예측의 정확성을 높이기 위해, 참조픽처 또는 참조 블록에 대한 보간을 수행할 수도 있다. 즉, 연속한 두 정수 샘플 사이의 서브 샘플들은 그 두 정수 샘플을 포함한 연속된 복수의 정수 샘플들에 필터 계수들을 적용하여 보간된다. 보간된 참조픽처에 대해서 현재블록과 가장 유사한 블록을 탐색하는 과정을 수행하면, 움직임벡터는 정수 샘플 단위의 정밀도(precision)가 아닌 소수 단위의 정밀도까지 표현될 수 있다. 움직임벡터의 정밀도 또는 해상도(resolution)는 부호화하고자 하는 대상 영역, 예컨대, 슬라이스, 타일, CTU, CU 등의 단위마다 다르게 설정될 수 있다. 이와 같은 적응적 움직임벡터 해상도(Adaptive Motion Vector Resolution: AMVR)가 적용되는 경우 각 대상 영역에 적용할 움직임벡터 해상도에 대한 정보는 대상 영역마다 시그널링되어야 한다. 예컨대, 대상 영역이 CU인 경우, 각 CU마다 적용된 움직임벡터 해상도에 대한 정보가 시그널링된다. 움직임벡터 해상도에 대한 정보는 후술할 차분 움직임벡터의 정밀도를 나타내는 정보일 수 있다.
한편, 인터 예측부(124)는 양방향 예측(bi-prediction)을 이용하여 인터 예측을 수행할 수 있다. 양방향 예측의 경우, 두 개의 참조픽처와 각 참조픽처 내에서 현재블록과 가장 유사한 블록 위치를 나타내는 두 개의 움직임벡터가 이용된다. 인터 예측부(124)는 참조픽처 리스트 0(RefPicList0) 및 참조픽처 리스트 1(RefPicList1)로부터 각각 제1 참조픽처 및 제2 참조픽처를 선택하고, 각 참조픽처 내에서 현재블록과 유사한 블록을 탐색하여 제1 참조블록과 제2 참조블록을 생성한다. 그리고, 제1 참조블록과 제2 참조블록을 평균 또는 가중 평균하여 현재블록에 대한 예측블록을 생성한다. 그리고 현재블록을 예측하기 위해 사용한 두 개의 참조픽처에 대한 정보 및 두 개의 움직임벡터에 대한 정보를 포함하는 움직임 정보를 부호화부(150)로 전달한다. 여기서, 참조픽처 리스트 0은 기복원된 픽처들 중 디스플레이 순서에서 현재 픽처 이전의 픽처들로 구성되고, 참조픽처 리스트 1은 기복원된 픽처들 중 디스플레이 순서에서 현재 픽처 이후의 픽처들로 구성될 수 있다. 그러나 반드시 이에 한정되는 것은 아니며, 디스플레이 순서 상으로 현재 픽처 이후의 기복원 픽처들이 참조픽처 리스트 0에 추가로 더 포함될 수 있고, 역으로 현재 픽처 이전의 기복원 픽처들이 참조픽처 리스트 1에 추가로 더 포함될 수도 있다.
움직임 정보를 부호화하는 데에 소요되는 비트량을 최소화하기 위해 다양한 방법이 사용될 수 있다.
예컨대, 현재블록의 참조픽처와 움직임벡터가 주변블록의 참조픽처 및 움직임벡터와 동일한 경우에는 그 주변블록을 식별할 수 있는 정보를 부호화함으로써, 현재블록의 움직임 정보를 영상 복호화 장치로 전달할 수 있다. 이러한 방법을 '머지 모드(merge mode)'라 한다.
머지 모드에서, 인터 예측부(124)는 현재블록의 주변블록들로부터 기 결정된 개수의 머지 후보블록(이하, '머지 후보'라 함)들을 선택한다.
머지 후보를 유도하기 위한 주변블록으로는, 도 4에 도시된 바와 같이, 현재 픽처 내에서 현재블록에 인접한 좌측블록(A0), 좌하단블록(A1), 상단블록(B0), 우상단블록(B1), 및 좌상단블록(A2) 중에서 전부 또는 일부가 사용될 수 있다. 또한, 현재블록이 위치한 현재 픽처가 아닌 참조픽처(현재블록을 예측하기 위해 사용된 참조픽처와 동일할 수도 있고 다를 수도 있음) 내에 위치한 블록이 머지 후보로서 사용될 수도 있다. 예컨대, 참조픽처 내에서 현재블록과 동일 위치에 있는 블록(co-located block) 또는 그 동일 위치의 블록에 인접한 블록들이 머지 후보로서 추가로 더 사용될 수 있다. 이상에서 기술된 방법에 의해 선정된 머지 후보의 개수가 기설정된 개수보다 작으면, 0 벡터를 머지 후보에 추가한다.
인터 예측부(124)는 이러한 주변블록들을 이용하여 기 결정된 개수의 머지 후보를 포함하는 머지 리스트를 구성한다. 머지 리스트에 포함된 머지 후보들 중에서 현재블록의 움직임정보로서 사용할 머지 후보를 선택하고 선택된 후보를 식별하기 위한 머지 인덱스 정보를 생성한다. 생성된 머지 인덱스 정보는 부호화부(150)에 의해 부호화되어 영상 복호화 장치로 전달된다.
머지 스킵(merge skip) 모드는 머지 모드의 특별한 경우로서, 양자화를 수행한 후, 엔트로피 부호화를 위한 변환 계수가 모두 영(zero)에 가까울 때, 잔차신호의 전송 없이 주변블록 선택 정보만을 전송한다. 머지 스킵 모드를 이용함으로써, 움직임이 적은 영상, 정지 영상, 스크린 콘텐츠 영상 등에서 상대적으로 높은 부호화 효율을 달성할 수 있다.
이하, 머지 모드와 머지 스킵 모드를 통칭하여, 머지/스킵 모드로 나타낸다.
움직임 정보를 부호화하기 위한 또 다른 방법은 AMVP(Advanced Motion Vector Prediction) 모드이다.
AMVP 모드에서, 인터 예측부(124)는 현재블록의 주변블록들을 이용하여 현재블록의 움직임벡터에 대한 예측 움직임벡터 후보들을 유도한다. 예측 움직임벡터 후보들을 유도하기 위해 사용되는 주변블록으로는, 도 4에 도시된 현재 픽처 내에서 현재블록에 인접한 좌측블록(A0), 좌하단블록(A1), 상단블록(B0), 우상단블록(B1), 및 좌상단블록(A2) 중에서 전부 또는 일부가 사용될 수 있다. 또한, 현재블록이 위치한 현재 픽처가 아닌 참조픽처(현재블록을 예측하기 위해 사용된 참조픽처와 동일할 수도 있고 다를 수도 있음) 내에 위치한 블록이 예측 움직임벡터 후보들을 유도하기 위해 사용되는 주변블록으로서 사용될 수도 있다. 예컨대, 참조픽처 내에서 현재블록과 동일 위치에 있는 블록(collocated block) 또는 그 동일 위치의 블록에 인접한 블록들이 사용될 수 있다. 이상에서 기술된 방법에 의해 움직임벡터 후보의 개수가 기설정된 개수보다 작으면, 0 벡터를 움직임벡터 후보에 추가한다.
인터 예측부(124)는 이 주변블록들의 움직임벡터를 이용하여 예측 움직임벡터 후보들을 유도하고, 예측 움직임벡터 후보들을 이용하여 현재블록의 움직임벡터에 대한 예측 움직임벡터를 결정한다. 그리고, 현재블록의 움직임벡터로부터 예측 움직임벡터를 감산하여 차분 움직임벡터를 산출한다.
예측 움직임벡터는 예측 움직임벡터 후보들에 기 정의된 함수(예컨대, 중앙값, 평균값 연산 등)를 적용하여 구할 수 있다. 이 경우, 영상 복호화 장치도 기 정의된 함수를 알고 있다. 또한, 예측 움직임벡터 후보를 유도하기 위해 사용하는 주변블록은 이미 부호화 및 복호화가 완료된 블록이므로 영상 복호화 장치도 그 주변블록의 움직임벡터도 이미 알고 있다. 그러므로 영상 부호화 장치는 예측 움직임벡터 후보를 식별하기 위한 정보를 부호화할 필요가 없다. 따라서, 이 경우에는 차분 움직임벡터에 대한 정보와 현재블록을 예측하기 위해 사용한 참조픽처에 대한 정보가 부호화된다.
한편, 예측 움직임벡터는 예측 움직임벡터 후보들 중 어느 하나를 선택하는 방식으로 결정될 수도 있다. 이 경우에는 차분 움직임벡터에 대한 정보 및 현재블록을 예측하기 위해 사용한 참조픽처에 대한 정보와 함께, 선택된 예측 움직임벡터 후보를 식별하기 위한 정보가 추가로 부호화된다.
감산기(130)는 현재블록으로부터 인트라 예측부(122) 또는 인터 예측부(124)에 의해 생성된 예측블록을 감산하여 잔차블록을 생성한다.
변환부(140)는 공간 영역의 픽셀 값들을 가지는 잔차블록 내의 잔차신호를 주파수 도메인의 변환 계수로 변환한다. 변환부(140)는 잔차블록의 전체 크기를 변환 단위로 사용하여 잔차블록 내의 잔차신호들을 변환할 수 있으며, 또는 잔차블록을 복수 개의 서브블록으로 분할하고 그 서브블록을 변환 단위로 사용하여 변환을 할 수도 있다. 또는, 변환 영역 및 비변환 영역인 두 개의 서브블록으로 구분하여, 변환 영역 서브블록만 변환 단위로 사용하여 잔차신호들을 변환할 수 있다. 여기서, 변환 영역 서브블록은 가로축 (혹은 세로축) 기준 1:1의 크기 비율을 가지는 두 개의 직사각형 블록 중 하나일 수 있다. 이런 경우, 서브블록 만을 변환하였음을 지시하는 플래그(cu_sbt_flag), 방향성(vertical/horizontal) 정보(cu_sbt_horizontal_flag) 및/또는 위치 정보(cu_sbt_pos_flag)가 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 시그널링된다. 또한, 변환 영역 서브블록의 크기는 가로축 (혹은 세로축) 기준 1:3의 크기 비율을 가질 수 있으며, 이런 경우 해당 분할을 구분하는 플래그(cu_sbt_quad_flag)가 추가적으로 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 시그널링된다.
한편, 변환부(140)는 잔차블록에 대해 가로 방향과 세로 방향으로 개별적으로 변환을 수행할 수 있다. 변환을 위해, 다양한 타입의 변환 함수 또는 변환 행렬이 사용될 수 있다. 예컨대, 가로 방향 변환과 세로 방향 변환을 위한 변환 함수의 쌍을 MTS(Multiple Transform Set)로 정의할 수 있다. 변환부(140)는 MTS 중 변환 효율이 가장 좋은 하나의 변환 함수 쌍을 선택하고 가로 및 세로 방향으로 각각 잔차블록을 변환할 수 있다. MTS 중에서 선택된 변환 함수 쌍에 대한 정보(mts_idx)는 엔트로피 부호화부(155)에 의해 부호화되어 영상 복호화 장치로 시그널링된다.
양자화부(145)는 변환부(140)로부터 출력되는 변환 계수들을 양자화 파라미터를 이용하여 양자화하고, 양자화된 변환 계수들을 엔트로피 부호화부(155)로 출력한다. 양자화부(145)는, 어떤 블록 혹은 프레임에 대해, 변환 없이, 관련된 잔차 블록을 곧바로 양자화할 수도 있다. 양자화부(145)는 변환블록 내의 변환 계수들의 위치에 따라 서로 다른 양자화 계수(스케일링 값)을 적용할 수도 있다. 2차원으로 배열된 양자화된 변환 계수들에 적용되는 양자화 행렬은 부호화되어 영상 복호화 장치로 시그널링될 수 있다.
재정렬부(150)는 양자화된 잔차값에 대해 계수값의 재정렬을 수행할 수 있다.
재정렬부(150)는 계수 스캐닝(coefficient scanning)을 이용하여 2차원의 계수 어레이를 1차원의 계수 시퀀스로 변경할 수 있다. 예를 들어, 재정렬부(150)에서는 지그-재그 스캔(zig-zag scan) 또는 대각선 스캔(diagonal scan)을 이용하여 DC 계수부터 고주파수 영역의 계수까지 스캔하여 1차원의 계수 시퀀스를 출력할 수 있다. 변환 단위의 크기 및 인트라 예측모드에 따라 지그-재그 스캔 대신 2차원의 계수 어레이를 열 방향으로 스캔하는 수직 스캔, 2차원의 블록 형태 계수를 행 방향으로 스캔하는 수평 스캔이 사용될 수도 있다. 즉, 변환 단위의 크기 및 인트라 예측모드에 따라 지그-재그 스캔, 대각선 스캔, 수직 방향 스캔 및 수평 방향 스캔 중에서 사용될 스캔 방법이 결정될 수도 있다.
엔트로피 부호화부(155)는, CABAC(Context-based Adaptive Binary Arithmetic Code), 지수 골롬(Exponential Golomb) 등의 다양한 부호화 방식을 사용하여, 재정렬부(150)로부터 출력된 1차원의 양자화된 변환 계수들의 시퀀스를 부호화함으로써 비트스트림을 생성한다.
또한, 엔트로피 부호화부(155)는 블록 분할과 관련된 CTU size, CU 분할 플래그, QT 분할 플래그, MTT 분할 타입, MTT 분할 방향 등의 정보를 부호화하여, 영상 복호화 장치가 영상 부호화 장치와 동일하게 블록을 분할할 수 있도록 한다. 또한, 엔트로피 부호화부(155)는 현재블록이 인트라 예측에 의해 부호화되었는지 아니면 인터 예측에 의해 부호화되었는지 여부를 지시하는 예측 타입에 대한 정보를 부호화하고, 예측 타입에 따라 인트라 예측정보(즉, 인트라 예측모드에 대한 정보) 또는 인터 예측정보(움직임 정보의 부호화 모드(머지 모드 또는 AMVP 모드), 머지 모드의 경우 머지 인덱스, AMVP 모드의 경우 참조픽처 인덱스 및 차분 움직임벡터에 대한 정보)를 부호화한다. 또한, 엔트로피 부호화부(155)는 양자화와 관련된 정보, 즉, 양자화 파라미터에 대한 정보 및 양자화 행렬에 대한 정보를 부호화한다.
역양자화부(160)는 양자화부(145)로부터 출력되는 양자화된 변환 계수들을 역양자화하여 변환 계수들을 생성한다. 역변환부(165)는 역양자화부(160)로부터 출력되는 변환 계수들을 주파수 도메인으로부터 공간 도메인으로 변환하여 잔차블록을 복원한다.
가산부(170)는 복원된 잔차블록과 예측부(120)에 의해 생성된 예측블록을 가산하여 현재블록을 복원한다. 복원된 현재블록 내의 픽셀들은 다음 순서의 블록을 인트라 예측할 때 참조 픽셀로서 사용된다.
루프(loop) 필터부(180)는 블록 기반의 예측 및 변환/양자화로 인해 발생하는 블록킹 아티팩트(blocking artifacts), 링잉 아티팩트(ringing artifacts), 블러링 아티팩트(blurring artifacts) 등을 줄이기 위해 복원된 픽셀들에 대한 필터링을 수행한다. 필터부(180)는 인루프(in-loop) 필터로서 디블록킹 필터(182), SAO(Sample Adaptive Offset) 필터(184) 및 ALF(Adaptive Loop Filter, 186)의 전부 또는 일부를 포함할 수 있다.
디블록킹 필터(182)는 블록 단위의 부호화/복호화로 인해 발생하는 블록킹 현상(blocking artifact)을 제거하기 위해 복원된 블록 간의 경계를 필터링하고, SAO 필터(184) 및 alf(186)는 디블록킹 필터링된 영상에 대해 추가적인 필터링을 수행한다. SAO 필터(184) 및 alf(186)는 손실 부호화(lossy coding)로 인해 발생하는 복원된 픽셀과 원본 픽셀 간의 차이를 보상하기 위해 사용되는 필터이다. SAO 필터(184)는 CTU 단위로 오프셋을 적용함으로써 주관적 화질뿐만 아니라 부호화 효율도 향상시킨다. 이에 비하여 ALF(186)는 블록 단위의 필터링을 수행하는데, 해당 블록의 에지 및 변화량의 정도를 구분하여 상이한 필터를 적용하여 왜곡을 보상한다. ALF에 사용될 필터 계수들에 대한 정보는 부호화되어 영상 복호화 장치로 시그널링될 수 있다.
디블록킹 필터(182), SAO 필터(184) 및 ALF(186)를 통해 필터링된 복원블록은 메모리(190)에 저장된다. 한 픽처 내의 모든 블록들이 복원되면, 복원된 픽처는 이후에 부호화하고자 하는 픽처 내의 블록을 인터 예측하기 위한 참조픽처로 사용될 수 있다.
도 5는 본 개시의 기술들을 구현할 수 있는 영상 복호화 장치의 예시적인 블록도이다. 이하에서는 도 5를 참조하여 영상 복호화 장치와 이 장치의 하위 구성들에 대하여 설명하도록 한다.
영상 복호화 장치는 엔트로피 복호화부(510), 재정렬부(515), 역양자화부(520), 역변환부(530), 예측부(540), 가산기(550), 루프 필터부(560) 및 메모리(570)를 포함하여 구성될 수 있다.
도 1의 영상 부호화 장치와 마찬가지로, 영상 복호화 장치의 각 구성요소는 하드웨어 또는 소프트웨어로 구현되거나, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 각 구성요소의 기능이 소프트웨어로 구현되고 마이크로프로세서가 각 구성요소에 대응하는 소프트웨어의 기능을 실행하도록 구현될 수도 있다.
엔트로피 복호화부(510)는 영상 부호화 장치에 의해 생성된 비트스트림을 복호화하여 블록 분할과 관련된 정보를 추출함으로써 복호화하고자 하는 현재블록을 결정하고, 현재블록을 복원하기 위해 필요한 예측정보와 잔차신호에 대한 정보 등을 추출한다.
엔트로피 복호화부(510)는 SPS(Sequence Parameter Set) 또는 PPS(Picture Parameter Set)로부터 CTU size에 대한 정보를 추출하여 CTU의 크기를 결정하고, 픽처를 결정된 크기의 CTU로 분할한다. 그리고, CTU를 트리 구조의 최상위 레이어, 즉, 루트 노드로 결정하고, CTU에 대한 분할정보를 추출함으로써 트리 구조를 이용하여 CTU를 분할한다.
예컨대, QTBTTT 구조를 사용하여 CTU를 분할하는 경우, 먼저 QT의 분할과 관련된 제1 플래그(QT_split_flag)를 추출하여 각 노드를 하위 레이어의 네 개의 노드로 분할한다. 그리고, QT의 리프 노드에 해당하는 노드에 대해서는 MTT의 분할과 관련된 제2 플래그(MTT_split_flag) 및 분할 방향(vertical / horizontal) 및/또는 분할 타입(binary / ternary) 정보를 추출하여 해당 리프 노드를 MTT 구조로 분할한다. 이에 따라 QT의 리프 노드 이하의 각 노드들을 BT 또는 TT 구조로 반복적으로(recursively) 분할한다.
또 다른 예로서, QTBTTT 구조를 사용하여 CTU를 분할하는 경우, 먼저 CU의 분할 여부를 지시하는 CU 분할 플래그(split_cu_flag)를 추출하고, 해당 블록이 분할된 경우, 제1 플래그(QT_split_flag)를 추출할 수도 있다. 분할 과정에서 각 노드는 0번 이상의 반복적인 QT 분할 후에 0번 이상의 반복적인 MTT 분할이 발생할 수 있다. 예컨대, CTU는 바로 MTT 분할이 발생하거나, 반대로 다수 번의 QT 분할만 발생할 수도 있다.
다른 예로서, QTBT 구조를 사용하여 CTU를 분할하는 경우, QT의 분할과 관련된 제1 플래그(QT_split_flag)를 추출하여 각 노드를 하위 레이어의 네 개의 노드로 분할한다. 그리고, QT의 리프 노드에 해당하는 노드에 대해서는 BT로 더 분할되는지 여부를 지시하는 분할 플래그(split_flag) 및 분할 방향 정보를 추출한다.
한편, 엔트로피 복호화부(510)는 트리 구조의 분할을 이용하여 복호화하고자 하는 현재블록을 결정하게 되면, 현재블록이 인트라 예측되었는지 아니면 인터 예측되었는지를 지시하는 예측 타입에 대한 정보를 추출한다. 예측 타입 정보가 인트라 예측을 지시하는 경우, 엔트로피 복호화부(510)는 현재블록의 인트라 예측정보(인트라 예측모드)에 대한 신택스 요소를 추출한다. 예측 타입 정보가 인터 예측을 지시하는 경우, 엔트로피 복호화부(510)는 인터 예측정보에 대한 신택스 요소, 즉, 움직임벡터 및 그 움직임벡터가 참조하는 참조픽처를 나타내는 정보를 추출한다.
또한, 엔트로피 복호화부(510)는 양자화 관련된 정보, 및 잔차신호에 대한 정보로서 현재블록의 양자화된 변환계수들에 대한 정보를 추출한다.
재정렬부(515)는, 영상 부호화 장치에 의해 수행된 계수 스캐닝 순서의 역순으로, 엔트로피 복호화부(510)에서 엔트로피 복호화된 1차원의 양자화된 변환계수들의 시퀀스를 다시 2차원의 계수 어레이(즉, 블록)로 변경할 수 있다.
역양자화부(520)는 양자화된 변환계수들을 역양자화하고, 양자화 파라미터를 이용하여 양자화된 변환계수들을 역양자화한다. 역양자화부(520)는 2차원으로 배열된 양자화된 변환계수들에 대해 서로 다른 양자화 계수(스케일링 값)을 적용할 수도 있다. 역양자화부(520)는 영상 부호화 장치로부터 양자화 계수(스케일링 값)들의 행렬을 양자화된 변환계수들의 2차원 어레이에 적용하여 역양자화를 수행할 수 있다.
역변환부(530)는 역양자화된 변환계수들을 주파수 도메인으로부터 공간 도메인으로 역변환하여 잔차신호들을 복원함으로써 현재블록에 대한 잔차블록을 생성한다.
또한, 역변환부(530)는 변환블록의 일부 영역(서브블록)만 역변환하는 경우, 변환블록의 서브블록만을 변환하였음을 지시하는 플래그(cu_sbt_flag), 서브블록의 방향성(vertical/horizontal) 정보(cu_sbt_horizontal_flag) 및/또는 서브블록의 위치 정보(cu_sbt_pos_flag)를 추출하여, 해당 서브블록의 변환계수들을 주파수 도메인으로부터 공간 도메인으로 역변환함으로써 잔차신호들을 복원하고, 역변환되지 않은 영역에 대해서는 잔차신호로 “0”값을 채움으로써 현재블록에 대한 최종 잔차블록을 생성한다.
또한, MTS가 적용된 경우, 역변환부(530)는 영상 부호화 장치로부터 시그널링된 MTS 정보(mts_idx)를 이용하여 가로 및 세로 방향으로 각각 적용할 변환 함수 또는 변환 행렬을 결정하고, 결정된 변환 함수를 이용하여 가로 및 세로 방향으로 변환블록 내의 변환계수들에 대해 역변환을 수행한다.
예측부(540)는 인트라 예측부(542) 및 인터 예측부(544)를 포함할 수 있다. 인트라 예측부(542)는 현재블록의 예측 타입이 인트라 예측일 때 활성화되고, 인터 예측부(544)는 현재블록의 예측 타입이 인터 예측일 때 활성화된다.
인트라 예측부(542)는 엔트로피 복호화부(510)로부터 추출된 인트라 예측모드에 대한 신택스 요소로부터 복수의 인트라 예측모드 중 현재블록의 인트라 예측모드를 결정하고, 인트라 예측모드에 따라 현재블록 주변의 참조 픽셀들을 이용하여 현재블록을 예측한다.
인터 예측부(544)는 엔트로피 복호화부(510)로부터 추출된 인터 예측모드에 대한 신택스 요소를 이용하여 현재블록의 움직임벡터와 그 움직임벡터가 참조하는 참조픽처를 결정하고, 움직임벡터와 참조픽처를 이용하여 현재블록을 예측한다.
가산기(550)는 역변환부로부터 출력되는 잔차블록과 인터 예측부 또는 인트라 예측부로부터 출력되는 예측블록을 가산하여 현재블록을 복원한다. 복원된 현재블록 내의 픽셀들은 이후에 복호화할 블록을 인트라 예측할 때의 참조픽셀로서 활용된다.
루프 필터부(560)는 인루프 필터로서 디블록킹 필터(562), SAO 필터(564) 및 ALF(566)를 포함할 수 있다. 디블록킹 필터(562)는 블록 단위의 복호화로 인해 발생하는 블록킹 현상(blocking artifact)을 제거하기 위해, 복원된 블록 간의 경계를 디블록킹 필터링한다. SAO 필터(564) 및 ALF(566)는 손실 부호화(lossy coding)으로 인해 발생하는 복원된 픽셀과 원본 픽셀 간의 차이를 보상하기 위해, 디블록킹 필터링 이후의 복원된 블록에 대해 추가적인 필터링을 수행한다. ALF의 필터 계수는 비스트림으로부터 복호한 필터 계수에 대한 정보를 이용하여 결정된다.
디블록킹 필터(562), SAO 필터(564) 및 ALF(566)를 통해 필터링된 복원블록은 메모리(570)에 저장된다. 한 픽처 내의 모든 블록들이 복원되면, 복원된 픽처는 이후에 부호화하고자 하는 픽처 내의 블록을 인터 예측하기 위한 참조픽처로 사용된다.
본 실시예는 이상에서 설명한 바와 같은 영상(비디오)의 부호화 및 복호화에 관한 것이다. 보다 자세하게는, 비디오 신호를 다운샘플링하여 압축하고 업샘플링하여 복원함에 있어서, 업샘플링(upsampling) 또는 초해상도(super resolution) 기술에 기반하는 인루프 필터를 이용하는 비디오 코딩방법 및 장치를 제공한다.
이하의 실시예들은 영상 부호화 장치(video encoding device) 내 루프 필터부(180)에 의해 수행될 수 있다. 또한, 영상 복호화 장치(video decoding device) 내 루프 필터부(542)에 의해 수행될 수 있다.
영상 부호화 장치는, 복원 프레임의 인루프 필터링에 있어서, 비트율 왜곡 최적화 측면에서 본 실시예와 관련된 시그널링 정보를 생성할 수 있다. 영상 부호화 장치는 엔트로피 부호화부(155)를 이용하여 이를 부호화한 후, 영상 복호화 장치로 전송할 수 있다. 영상 복호화 장치는 엔트로피 복호화부(510)를 이용하여 비트스트림으로부터 복원 프레임의 인루프 필터링과 관련된 시그널링 정보를 복호화할 수 있다.
이하의 설명에서, '대상 블록'이라는 용어는 현재블록 또는 코딩유닛(CU, Coding Unit)과 동일한 의미로 사용될 수 있고, 또는 코딩유닛의 일부 영역을 의미할 수도 있다.
또한, 하나의 플래그의 값이 참이라는 것은 플래그가 1로 설정되는 경우를 나타낸다. 또한, 하나의 플래그의 값이 거짓이라는 것은 플래그가 0으로 설정되는 경우를 나타낸다.
I. CNN(Convolutional Neural Network)
CNN은 복수의 콘볼루션 레이어(convolution layer)와 풀링 레이어(pooling layer)로 구성된 신경망을 지칭하고, 영상 처리에 가장 적합한 것으로 알려진 딥러닝 기술이다. 콘볼루션 레이어는 다수의 커널(kernel) 또는 필터(filter)를 이용하여 특징맵(feature map, 또는 '특성'과 호환적으로 이용)을 추출한다. 이때 필터를 구성하는 커널 계수(kernel coefficient)가 학습 과정에서 결정되는 파라미터이다.
CNN의 콘볼루션 레이어 중에서 입력에 가까운 전단 레이어는 선, 점, 또는 면과 같은 단순하고 낮은(lower) 수준의 영상 특징에 반응하는 특징맵을 추출하고, 출력에 가까운 후단 계층은 텍스처(texture), 사물 일부(object parts) 등 높은(higher) 수준에 반응하는 특징맵을 추출한다.
도 6은 본 개시의 일 실시예에 따른 콘볼루션 레이어의 연산을 나타내는 예시도이다.
콘볼루션 레이어는 콘볼루션 연산을 이용하여 입력 영상으로부터 특징맵을 생성한다. 도 6의 예시에는, 커널 크기가 3×3인 커널(또는 필터)이 표현되어 있다. 커널 크기는 커널 사이즈(kernel size) 또는 필터 사이즈(filter size)로도 지칭된다. 커널은 가중치(weight)로도 불리우는 커널 파라미터(kernel parameter 또는 filter parameter)를 갖는다. 도 6에 예시된 커널은 총 9 개의 커널 파라미터를 갖는다. 커널 파라미터는 초기에 임의의 값으로 설정되고, 트레이닝(learning)을 기반으로 그 값이 업데이트될 수 있다.
콘볼루션 레이어는 입력 영상에서 커널 사이즈만큼의 블록을 이용하여 콘볼루션 연산을 수행한다. 이때, 입력 영상 내의 커널 사이즈만큼의 블록을 윈도우(window)로 지칭한다.
입력 영상에 대한 필터링을 래스터 스캔 순서(raster-scan order)로 수행할 때, 윈도우의 이동 크기를 스트라이드(stride)라고 한다. 도 6의 예시에서, 스트라이드는 1이다. 만약 스트라이드를 2로 설정하면, 윈도우를 2 샘플씩 띄어서 콘볼루션 연산을 수행하고, 결과적으로 특징맵의 가로와 세로의 크기는 입력 영상의 가로와 세로의 크기의 반이 된다.
전술한 바와 같이, 하나의 콘볼루션 레이어는 다수의 필터를 포함할 수 있다. 필터의 개수(number of filter/filters) 또는 커널의 개수(number of kernel/kernels)를 채널(channel)이라고 한다. 즉, 채널의 개수는 필터의 개수와 동일하다. 또한 필터의 개수는 특징맵의 차원(dimension)의 크기를 결정한다.
패딩(padding)은 콘볼루션 연산을 수행하기 전, 입력 데이터 주변을 특정값으로 채워서 입력 데이터를 확장하는 방법을 나타낸다. 패딩은 주로 출력 데이터의 공간적(spatial) 크기를 조절하기 위해 사용된다. 패딩 시 이용되는 값은 하이퍼파라미터에 의해 결정될 수 있으나, 주로 제로패딩(zero-padding)이 이용된다. 패딩을 사용하지 않을 경우, 콘볼루션 레이어를 거칠 때마다 출력 데이터의 공간적 크기가 감소하여, 경계의 정보들이 사라지는 문제가 발생할 수 있다. 따라서, 이러한 문제를 방지하기 위해, 패딩이 사용된다. 즉, 콘볼루션 레이어의 출력 데이터와 입력 데이터의 공간적 크기를 동일하게 맞추기 위해 패딩이 사용될 수 있다.
도 7은 본 개시의 일 실시예에 따른 디콘볼루션 레이어의 연산을 나타내는 예시도이다.
디콘볼루션 레이어는 콘볼루션 레이어와 반대되는 연산을 한다. 디콘볼루션 레이어는 입력인 특징맵으로부터 원하는 데이터 영상을 출력으로 생성한다. 디콘볼루션 레이어는 콘볼루션 레이어와 동일한 용어를 사용한다. 스트라이드가 1인 경우, 도 7의 예시와 같이, 특징맵의 가로와 세로의 크기가 출력 데이터의 가로와 세로의 크기와 동일하다. 스트라이드가 2인 경우, 출력 데이터의 가로와 세로의 크기가 특징맵의 가로와 세로의 크기의 2 배가 된다.
도 8은 본 개시의 일 실시예에 따른 풀링 레이어의 연산을 나타내는 예시도이다.
풀링 레이어는 콘볼루션 레이어에 의해 생성된 특징맵을 서브샘플링(sub sampling)하는 과정인 풀링을 수행한다. 풀링 레이어는 2×2 크기의 윈도우를 이용하여 출력 결과가 입력의 가로와 세로 각각의 절반이 되도록 샘플을 선택한다. 즉, 풀링 계층은 2×2 영역을 샘플 하나로 집약하여 입력 영상 또는 입력 특징맵의 크기를 축소하기 위해 이용된다. 도 8에 예시된 바와 같이, 풀링 방식은, 2×2 영역에서 최대값을 선택하는 최대 풀링(max pooling), 2×2 영역의 평균을 생성하는 평균 풀링(average pooling) 등이 있다. 풀링 레이어는 콘볼루션 레이어와는 다르게 학습이 필요한 변수를 포함하지 않으며, 입력에서의 채널 수를 출력에서 그대로 유지한다.
풀링 레이어의 반대 개념은 언풀링(unpooling) 레이어로 정의한다. 언풀링 레이어는 풀링 레이어와 반대로 차원을 확대하는 역할을 하고, 주로 디콘볼루션 레이어 이후에 사용된다.
콘볼루션 인코더(convolutional encoder)-디코더(decoder) 구조는 콘볼루션 레이어들와 디콘볼루션 레이어들의 짝(pair)으로 구성되는 네트워크 구조이다. 콘볼루션 인코더는 콘볼루션 레이어와 풀링 레이어로 구성되어, 입력 영상으로부터 특징맵(또는 특징 벡터)을 출력한다. 콘볼루션 인코더의 최종 출력 벡터를 잠재 벡터(latent vector)로도 지칭한다. 콘볼루션 디코더(convolutional decoder)는 디콘볼루션 레이어와 언풀링 레이어로 구성되어, 특징맵 또는 잠재 벡터로부터 출력 영상을 생성한다.
콘볼루션 인코더-디코더의 입력과 출력은 애플리케이션과 네트워크의 목적에 따라 다양하게 설정될 수 있다. 예컨대, 입력과 출력은 옵티컬 플로우 맵(optical flow map), 돌출 맵(saliency map), 영상 프레임(image frame) 등일 수 있다.
도 9는 SISR 네트워크를 나타내는 예시도이다.
CNN이 적용되는 일 예로서 SISR(Single Image Super Resolution)이 있다. SISR 네트워크는 저해상도 입력 영상으로부터 고해상도 이미지를 출력으로 생성한다. SISR 네트워크는 도 9에 예시된 바와 같이, 다수의 콘볼루션 레이어들을 포함할 수 있다. 각 콘볼루션 레이어는 ReLU(Rectified Linear Unit)과 같은 활성화 함수(activation function)를 포함한다. SISR 네트워크의 파라미터들은 생성되는 SR(Super Resolution) 영상이 GT(Ground Truth)에 근접하도록 트레이닝될 수 있다.
CNN을 이용한 SR 방식들은 깊이를 증가시켜(예컨대, 콘볼루션 레이어의 개수를 증가시키는 것을 의미함) SR 성능을 향상시킬 수 있다. 깊이의 증가에 따라 발생할 수 있는 학습에서의 과적합(overfitting) 문제를 극복하기 위해, 스킵 연결(skip connection) 및 잔차 학습(residual learning)을 수행할 수 있는 잔차 블록(residual block)이 SISR 네트워크에 이용될 수 있다. 잔차 블록은, 도 10에 예시된 바와 같이, 입력 특징 xl에 콘볼루션 연산을 적용하는 경로 외에 스킵 경로를 포함한다. 또한, 잔차 블록은 출력 xl+1을 생성 시, 학습 효율에 기초하여 콘볼루션 연산을 적용하는 경로 또는 스킵 경로를 선택할 수도 있다. 도 10의 예시에서, 잔차 블록은 BN(Batch Normalization) 레이어를 포함한다.
일 예로서, EDSR(Enhanced Deep residual networks for SISR)은 잔차 블록들을 연속적으로 연결하여 깊이를 증가시킴으로써, 네트워크의 성능을 증가시킨다. 다른 예로서, VDSR(Accurate Image Super-Resolution Using Very Deep Convolutional Networks)은 VGG(Visual Geometry Group) 네트워크 기반의 CNN 모델로서, 잔차 프레임을 최종 출력에 더해 주는 방식인 잔차신호 기반 학습(residual learning)을 사용한다. VDSR은 네트워크의 맨 마지막에 잔차 신호을 추가하여, 입력 신호에 잔차 신호를 더한다.
II. ALF(Adaptive Loop Filter)
VVC의 ALF(186, 566)는 Wiener-Hopf 방정식 기반의 적응적 선형 필터를 이용하여 복원된 비디오 프레임을 원본에 가깝게 근사시킨다. 영상 부호화 장치는 SAO(184)의 출력 샘플들을 이용하여 비트율-왜곡 최적화에 따라 ALF(186)의 필터 계수를 산정한 후, 영상 복호화 장치로 전송한다. ALF(186, 566)는 도 11의 예시와 같이 7×7 다이아몬드 모양 및 5×5 다이아몬드 모양으로 구성되어 각각 루마 및 크로마 샘플들에 사용된다. 필터 모양과 크기는 코딩 효율성과 계산 복잡성 사이의 균형을 고려하여 결정될 수 있다. 예를 들어, 대칭 FIR 필터를 사용하여 ALF(186, 566)의 계산 복잡성이 감소될 수 있다.
도 11에 예시된 필터 계수 ci를 유도하기 위해, 해당 위치에서 샘플이 이용된다. 현재 위치 (x,y)에서 필터링된 샘플 I(x,y)는 7 비트의 정밀도 연산에 따라 수학식 1과 같이 산정될 수 있다.
Figure PCTKR2023002247-appb-img-000001
여기서, ri는 현재 샘플과 인접 샘플 간의 차분값으로 수학식 2에 따라 산정된다.
Figure PCTKR2023002247-appb-img-000002
여기서, bi 는 클리핑 파라미터이다.
ALF(186, 566)는 루마 성분에 대해 최대 25 개의 필터 계수 세트를 이용하고, 이들을 4×4 서브 블록에 적용한다. 라플라시안(Laplacian) 필터를 이용하여 산정된 로컬 블록의 기울기 정보에 따라, 4×4 서브 블록은 25 개의 클래스 중 하나로 분류된다. 구체적으로, 클래스에 대한 분류 인덱스는, 텍스처(texture) 성분의 세기 및 방향을 표현하는 5 가지 방향 속성과 서브 블록의 5 가지 활동 속성의 조합으로부터 도출된다. 또한, 90도 회전, 대각선 전환, 수직 전환 등의 기하학적 변환이 필터링 전에 필터 계수에 적용될 수 있다. 기하학적 변환을 사용하여 다양한 방향성을 고려함으로써, 더 적은 수의 필터 계수 세트를 이용하여 더 다양한 블록 특성이 처리될 수 있다.
서브 블록 단위 이외에도 CTU 단위에서 적용 여부가 결정될 수 있다. 크로마 성분의 경우 최대 8 개의 필터가 CTU 레벨에서 사용된다. 크로마 ALF는 해당 레벨에서 루마 ALF가 활성화된 경우에 한정하여 활성화될 수 있다.
한편, 필터 계수 세트를 포함하는 ALF 필터 매개변수를 전달하기 위해 APS(Adaptation Parameter Set)가 사용된다. 전술한 바와 같이, 루마 성분에 대해 최대 25 개, 및 크로마 성분에 대해 최대 8 개의 필터 계수 세트가 산정될 수 있다. 다른 슬라이스에 동일한 ALF 계수를 사용하는 경우, 중복적으로 다시 전송하는 대신 참조 APS의 인덱스가 시그널링될 수 있다.
HDR(High-Dynamic Range) 및 WCG(Wide Color Gamut)와 같은 비디오 애플리케이션에서는 비디오 컬러의 복원이 매우 중요하다. CC-ALF(Cross-Component ALF)는 현재 크로마 샘플과 해당 위치의 루마 샘플 간의 상관 관계를 사용하여 ALF와 병렬로 크로마 샘플을 수정한다. 입력된 루마 샘플로부터 크로마 샘플의 보정을 생성하기 위해 CC-ALF는 선형 필터링 작업을 적용한다. 이때, 대칭 제약 없이 다이아몬드 모양의 FIR 필터가 CC-ALF로 사용된다.
III. RPR(Reference picture resampling)
실시간 비디오 원격 통신에 있어서 적응적 비디오 해상도, 신속한 스트리밍 시작 등을 이유로 적응적 해상도 변경(adaptive resolution change, ARC)이 필요성이 부각된다. 이에 따른 VVC의 RPR(Reference Picture Resampling) 기술은 현재 픽처와 다른 해상도를 가지는 픽처를 참조할 수 있다.
도 12는 RPR 기술이 적용된 영상 복호화 장치를 나타내는 블록도이다.
영상 부호화 장치에 의해 다운샘플링된 비디오 프레임이 부호화된 후 전송되고, 영상 복호화 장치에 의해 이전에 복호화된 비디오 프레임은 메모리(570) 내 DPB(Decoded Picture Buffer)에 저장된다. 현재 복원 중인 비디오 프레임이 참조 픽처와 크기가 다른 경우, 영상 복호화 장치 내 리샘플러(1210)는 그 비율에 따라 참조 픽처를 리샘플링(업/다운 스케일링)하고, 움직임 예측 및 보상 과정에서 움직임 벡터 역시 그 비율에 따라 스케일링한다. 복호화된 비디오 프레임은 리샘플링을 생략된 채로 DPB에 저장된다. 또한, 출력하는 경우, 영상 복호화 장치는 내 업샘플러(1220)는 다운샘플링된 비디오 프레임을 업샘플링을 이용하여 원래의 크기로 복원한다. 하지만, 업샘플링에 따라 고주파 성분이 손실될 수 있으므로, 출력되는 비디오 프레임은 블러링(blurring)과 같은 문제를 가질 수 있다.
이하, 본 발명에 따른 실시예들은 영상 복호화 장치를 중심으로 기술되나, 영상 부호화 장치에도 유사하게 적용될 수 있다.
IV. 본 발명에 따른 실시예들
이하, 리샘플링 인루프필터(Resampling Inloop Filter, RIF)의 구현에 대해 기술한다.
도 13은 본 개시의 일 실시예에 따른, 리샘플링 인루프필터를 포함하는 영상 복호화 장치를 나타내는 예시도이다.
본 실시예에 따른 영상 복호화 장치에서, RIF(1310)는 기존의 인루프필터를 구성하는 디블로킹 필터(562), SAO(564), 및 ALF(566) 중 어느 한 부분을 대체하거나, 기존의 인루프필터의 중간 과정에 삽입될 수 있다. 도 13의 예시에서, RIF(1310)는 SAO(564)와 ALF(566) 간에 위치한다.
다운샘플링된 채로 압축된 영상이 입력되는 경우, RIF(1310)는 압축된 영상을 업샘플링하여 원래의 해상도로 복원한다. 여기서, 원래의 해상도는 원본 프레임의 해상도를 나타낸다. 입력 영상이 원래의 해상도로 들어오거나 업샘플링을 수행하는 플래그가 활성화되지 않은 경우, RIF(1310)에 의한 업샘플링이 수행되지 않는다.
이때, 원래 해상도의 원본 프레임을 다운샘플링하기 위해 사용하는 필터로서 VVC RPR 기술에 적용하는 기술이 사용될 수 있다. 구체적으로, 윈도우드 싱크(windowed sync) 함수를 이용하는 저대역 통과 필터를 이용하여 다운샘플링이 수행될 수 있다. 또한, 다운샘플링 시, 원본 프레임의 가로 및 세로 방향의 크기가 스케일 값으로 나누어진다. 이때, 소수점 단위는 절삭되거나 반올림된다. 예를 들어, 가로 방향의 크기가 W이고, 스케일 값이 S인 경우, 다운샘플링된 길이는 Wd = floor(W/S)로 표현된다. 여기서, floor는 내림 함수이다.
또한, 단순히 스케일 값으로 나누는 것 이외에도, 다운샘플링한 결과가 짝수 또는 4의 배수가 되도록 프레임 경계에 픽셀들이 패딩될 수 있다.
RIF(1310)는 현재 복원 중인 비디오 프레임을 업샘플링한다. 이때, 업샘플링 스케일은 가로 또는 세로로 2 배이나, 반드시 이에 한정하는 것은 아니다. 예를 들어, 1.5 배와 같이 소수점 단위의 업샘플링이 가능하고, 3 배, 4 배 등과 같이 2 배 이상의 스케일링도 허용된다. 업샘플링에 따라 원래의 해상도로 복원하기 위하여 원래 해상도의 가로 및 세로 길이가 시그널링된다. RIF(1310)는 다음 중 하나의 기술을 이용하여 현재 복원 중인 비디오 프레임을 업샘플링할 수 있다.
일 예로서, RIF(1310)는 FIR(Finite Impulse Response) 필터를 이용하여 비디오 프레임을 업샘플링한다. 구체적으로, 인터 예측 시 예측블록의 생성에 적용하는 보간 필터가 업샘플링에 이용될 수 있다.
다른 예로서, RIF(1310)는 신경망(neural network)을 기반으로 업샘플링을 수행하는 NNSR(Neural Network Super Resolution) 기술을 이용하여 비디오 프레임을 업샘플링한다. 구체적으로, 전치 콘볼루션(transposed convolution)이 이용되거나, 업샘플링 후 콘볼루션 과정이 수행될 수 있다. 전치 콘볼루션, 즉, 콘볼루션에서 사용되었던 수학적 연산의 역과정을 이용하여 이미지가 업샘플링되고, 사용된 커널이 학습을 이용하여 업데이트될 수 있다. 도 7에 예시된 디콘볼루션 레이어를 기반으로 전치 콘볼루션이 구현될 수 있다. 또한, NNSR로서 전술한 SISR 및 EDSR과 같은 초해상화를 위한 네트워크 구조 및 구성 요소 기술이 활용될 수 있다.
먼저, 도 14의 예시와 같이, 전치 콘볼루션 연산이 구현될 수 있다. 도 14에 예시된 전치 콘볼루션 연산에서, RIF(1310)는 3×3 커널, 스트라이드 2, 및 패딩 1을 사용하여 입력 특징맵의 가로/세로 크기보다 증대된 출력을 생성할 수 있다. 도 14의 예시와 같이, 입력 특징맵의 하나의 픽셀을 3×3 커널에 곱하여, 대응하는 출력 픽셀들이 생성될 수 있다.
또한, RIF(1310)는 전술한 언풀링(unpooling) 방법을 이용하여 업샘플링을 수행할 수 있다. 도 8에 예시된 풀링 방법의 역과정을 수행하는 언풀링 방법으로는, 최대 언풀링(max unpooling) 및 평균 언풀링(average unpooling) 방법이 있다. 최대 언풀링은 최대 풀링 시 행렬 내 가장 큰 값의 위치 인덱스를 기억한 후, 언풀링 시, 위치 인덱스가 지시하는 위치에 샘플값을 배치한다. 이때, 최대 언풀링은 주변 픽셀들을 동일한 값으로 채우거나, 0으로 채울 수 있다. 한편, 평균 언풀링은, 입력값이 출력 값의 평균이라는 가정 하에 업샘플링을 수행한다. 평균 언풀링은 도 15와 같이 예시될 수 있다.
이 외에도, RIF(1310)는 최근접 이웃(nearest neighbor)을 이용하거나, 이중선형(bilinear) 기반 또는 이중삼차(bicubic) 기반 보간(interpolation)을 이용하여 업샘플링한 후, 콘볼루션을 수행할 수 있다. 이 경우, 입력 영상이 이미 원래의 해상도로 업샘플링되므로, 업샘플링된 영상에 콘볼루션을 적용하기 위해 디노이징 신경망(denoising neural network)이 사용될 수 있다.
도 16은 본 개시의 일 실시예에 따른, NNSR을 이용하는 업샘플링 기술을 나타내는 예시도이다.
도 16의 예시에서, 다운샘플링된 입력 영상에 대해, NNSR은 다수의 콘볼루션 레이어들(layers) 및 언풀링 레이어들을 이용하여 업샘플링을 수행한다. 도 16의 예시에서, K1×K1은 다운샘플링된 입력 영상의 해상도를 나타내고, K2×K2는 업샘플링된 출력 영상의 해상도를 나타낸다. 또한, 업샘플링 레이어는 전술한 바와 같은 언풀링 레이어로 구현될 수 있다.
한편, RIF(1310)의 위치는 도 13의 예시와 같이, 영상 복호화 장치 내 인루프 필터(560) 내 어느 한 곳에 위치할 수 있다. 즉, RIF(1310)는 디블록킹 필터(562), SAO(564), ALF(566) 중 한 곳에 위치할 수 있다.
예를 들어, RIF(1310)는 도 13의 예시와 같이 SAO(564) 이후 ALF(566) 이전에 위치할 수 있다. 즉, 도 17의 예시와 같이, 영상 복호화 장치는 SAO(564)를 통과한 다운샘플링된 출력 샘플들에 FIR 기반 업샘플링 필터를 적용하여 생성된 신호들을 ALF(566)에 입력할 수 있다. 여기서, ALF(566)의 입력 신호를 I(x,y)로 나타낸다.
ALF(566)의 필터 계수는 Winer-hopf 방정식을 이용하여 산정될 수 있다. 구체적으로, 입력 신호 I(x,y)가 ALF(566)를 통과한 후에 원본 이미지에 가깝게 근사되도록 필터 계수가 유도될 수 있다. 기존의 ALF(566)는 같은 해상도를 가지는 입력 비디오 프레임과 출력 비디오 프레임 사이에 양자화 잡음을 제거하나, 본 실시예에서는 입력 비디오 프레임과 출력 비디오 프레임의 해상도들이 상이하므로 양자화 잡음 이외에도 업샘플링 과정에서 발생하는 블러링(blurring) 효과를 완화하기 위하여 필터 계수가 유도될 수 있다. 기존의 ALF(566)와 동일한 구조 및 동일한 필터 계수 유도 방식을 사용하면서도, 전술한 바와 같이 RIF(1310)가 추가됨에 따라 ALF(566)의 용도가 대체될 수 있다.
이때, ALF(566)는 다이아몬드 또는 사각형 형태로 구성된 2차원 선형 필터일 수 있다. ALF(566)는 도 11의 예시와 같이 7×7 다이아몬드 모양 및 5×5 다이아몬드 모양으로 구성되어 각각 루마 및 크로마 샘플들에 사용된다. 필터 모양과 크기는 코딩 효율성과 계산 복잡성 사이의 균형을 고려하여 결정될 수 있다. 예를 들어, 대칭 FIR 필터를 사용하여 ALF(566)의 연산 복잡성이 감소될 수 있다.
도 11에 예시된 필터 계수 ci를 유도하기 위해, 해당 위치에서 샘플이 이용된다. 현재 위치 (x,y)에서 필터링된 샘플 I(x,y)는 7 비트의 정밀도 연산에 따라 전술한 수학식 1과 같이 산정될 수 있다. 수학식 1에서, ri는 현재 샘플과 인접 샘플 간의 차분값으로 전술한 수학식 2에 따라 산정될 수 있다. 수학식 2에서, bi 는 클리핑 파라미터이다.
ALF(566)는 루마 성분에 대해 최대 25 개의 필터 계수 세트를 이용하고, 이들을 4×4 서브 블록에 적용한다. 라플라시안 필터를 이용하여 산정된 로컬 블록의 기울기 정보에 따라, 4×4 서브 블록은 25 개의 클래스 중 하나로 분류된다. 구체적으로, 클래스에 대한 분류 인덱스는, 텍스처 성분의 세기 및 방향을 표현하는 5 가지 방향 속성과 서브 블록의 5 가지 활동 속성의 조합으로부터 도출된다. 또한, 90도 회전, 대각선 전환, 수직 전환 등의 기하학적 변환이 필터링 전에 필터 계수에 적용될 수 있다. 기하학적 변환을 사용하여 다양한 방향성을 고려함으로써, 더 적은 수의 필터 계수 세트를 이용하여 더 다양한 블록 특성이 처리될 수 있다.
이하, 인터 예측 과정에서의 RIF(1310)의 동작에 대해 기술한다.
현재 프레임의 인터 예측 과정에서 RIF(1310)가 사용되는 경우, 영상 복호화 장치는 인터 예측 시 다음 중 하나의 기술을 사용할 수 있다.
첫 번째, 영상 복호화 장치는 고정된 프레임 크기를 사용하여 인터 예측을 수행한다. 영상 복호화 장치는 복원 프레임을 고정된 해상도로 변환한 후, 메모리(570) 내 DPB에 저장한다. 이후, 영상 복호화 장치는 현재 프레임과 DPB에 저장된 고정 해상도를 갖는 참조 프레임 간의 움직임 예측 및 보상을 수행한다. 영상 복호화 장치는 고정된 크기의 프레임을 출력 해상도에 맞게 스케일링한 후 출력할 수 있다. 또는, 고정 해상도와 출력 해상도가 동일한 경우, 영상 복호화 장치는 다른 변환을 거치지 않은 채로 프레임을 출력한다.
두 번째, 인터 예측에서 RIF(1310)가 현재 프레임에 사용되는 경우, 현재 프레임과 참조 프레임 간의 해상도 차이가 존재할 수 있다.
영상 복호화 장치는 참조 프레임을 현재 프레임의 크기에 맞도록 스케일링한 후, 인터 예측을 수행한다. 기본적으로, DPB에 존재하는 프레임은 참조 프레임과 현재 프레임 간의 크기 비율에 따라 상향/하향 스케일링될 수 있다.
또는, 영상 복호화 장치는 현재 프레임을 참조 프레임의 크기에 맞도록 변경한 후 인터 예측을 수행한다. 이때, 영상 복호화 장치는 예측된 움직임벡터를 변경된 현재 프레임의 크기에 맞도록 스케일링한다.
DPB에 있는 복원 프레임들의 크기가 하나 이상인 경우, 영상 복호화 장치는 하나의 이상의 크기를 기준으로 인터 예측을 수행할 수 있다. 이를 위해, 현재 프레임의 크기, 참조 프레임들의 크기, 및 출력 크기 중 하나 이상이 선택될 수 있다. 하나 이상의 크기에 따라 인터 예측을 수행하는 경우, 영상 복호화 장치는 최종 기준이 되는 해상도를 결정하고, 그에 맞게 예측한 움직인 정보를 스케일링한 후 저장할 수 있다.
세 번째, 현재 프레임과 참조 프레임의 해상도들이 상이한 경우, 영상 복호화 장치는 시/공간적 움직임 후보를 후보 블록의 위치의 해상도에 맞도록 스케일링한 후, 움직임 예측을 수행한다. 또는, 시간적 움직임 후보를 고려하지 않고 공간적 움직임 후보만을 고려하여, 영상 복호화 장치가 인터 예측을 수행할 수 있다. 또는, 시간적 움직임 후보에 대해, 영상 복호화 장치는 스케일링을 하지 않은 위치에서의 후보 블록을 움직임 후보로 사용할 수 있다.
이하, RIF(1310)과 관련된 DPB의 동작에 대해 기술한다.
RIF(1310)에 의한 인루프 필터링을 적용한 프레임은 메모리(570) 내 DPB에 저장된다. 영상 복호화 장치는 참조 프레임과 현재 프레임 간의 크기 비율에 따라 DPB에 존재하는 프레임을 상향/하향 스케일링한 후, 인터 예측을 수행한다. 영상 복호화 장치는 프레임을 DPB에 저장하기 위해, 다음 중 하나의 기술을 사용한다.
영상 복호화 장치는 프레임의 크기와 관계 없이 모든 프레임들을 기존의 DPB에 저장한다. 이때, 영상 복호화 장치는 RIF(1310) 적용 전/후 프레임의 크기를 선택하여 선택된 크기를 갖는 프레임을 저장하거나 두 가지 크기를 갖는 프레임을 모두 저장할 수 있다. 예를 들어, 1/2의 스케일로 다운샘플링된 비디오 프레임은 1/4 만큼의 저장공간을 사용하여 기존 DPB에 저장될 수 있다.
참조픽처 리스트에서 참조 프레임의 순서를 관리를 하는 경우, 영상 복호화 장치는 기존의 순방향 참조픽처리스트인 RefPicList[0](이하, L0으로 명칭)와 역방향 참조픽처리스트인 RefPicList[1](이하, L1으로 명칭)를 이용하여 참조 프레임의 순서를 관리한다.
또는, 인루프필터링 이후의 프레임이 원본 프레임에 대해 변경된 해상도를 갖는 경우, 영상 복호화 장치는 참조픽처 리스트의 특정 인덱스에 변경된 프레임을 저장한다. 예를 들어, 두 번째 인덱스인 RefPictList[0][1] 및 RefPictList[1][1]에 변경된 프레임이 저장될 수 있다.
인터 예측 과정에서 RIF(1310)가 현재 프레임에 사용되는 경우, 영상 복호화 장치는 현재 프레임과 참조 프레임의 해상도들이 동일하지 않은 다수의 DPB들을 사용할 수 있다.
영상 복호화 장치는 RIF(1310) 적용 전/후의 프레임을 분리하여 각각 다른 DPB에 저장한다. 따라서 하나의 DPB는 다운스케일링된 프레임을 저장하고, 다른 DPB는 출력 해상도를 갖는 프레임을 저장할 수 있다.
이하, RIF(1310)과 관련된 신택스의 시그널링에 대해 기술한다.
먼저, RIF(1310)의 동작과 관련된 시그널링에 대해 기술한다.
RIF(1310)의 사용 여부는 비디오 시퀀스 레벨, 픽처 레벨 등과 같은 상위 레벨에서 제어될 수 있다. 예를 들어, 비디오 시퀀스 레벨인 SPS 상에 RIF(1310)의 사용 가능 여부를 지시하는 플래그가 표시될 수 있다. 해당 플래그가 참인 경우 RIF(1310)가 사용 가능하고, 반면 거짓인 경우 RIF(1310)가 사용 가능하지 않다.
또한, 픽처 레벨인 PPS를 이용하여 SPS와 동일한 방식에 따라 RIF(1310)의 사용 여부가 제어될 수 있다. 예를 들어, PPS 상의 해당 플래그가 참인 경우 RIF(1310)가 사용 가능하다. 이 경우, 인루프 필터링에 입력되는 신호에 대해 RIF(1310)의 출력 신호의 해상도가 변경된다. 반면 플래그가 거짓인 경우, RIF(1310)가 사용 가능하지 않다. 이 경우, 인루프필터의 입출력 간에 해상도의 변경이 없다.
다음, RIF(1310)의 스케일 값과 관련된 시그널링에 대해 기술한다.
비디오 시퀀스 레벨 또는 픽처 레벨에서 RIF(1310)의 사용 여부를 지시하는 플래그가 시그널링된 경우, 변경 해상도의 스케일 값이 2로 결정된다. 그 외에, 가로 또는 세로 방향으로 스케일 값을 2로 적용할지 1로 적용할지가 추가적으로 결정될 수 있다.
스케일 값 2 외의 다른 스케일 값이, 다수의 사용 가능한 스케일 값들 중에서 선택될 수 있다. 이때, 인덱스를 이용하여 선택된 스케일 값이 표시될 수 있다. 예를 들어, 인덱스 x_scale_index가 0인 경우 원래의 해상도가 유지되고, x_scale_index가 1인 경우 x축 방향으로의 스케일 값이 2로 설정되며, x_scale_index가 2인 경우 x축 방향으로의 스케일 값이 4로 설정될 수 있다.
인덱스를 이용하여 스케일 값을 명시적으로 시그널링하는 방법 이외에도, 영상 복호화 장치는 전달받은 파라미터와 산술식을 이용하여 최종 스케일을 결정할 수 있다.
다음, RIF(1310)의 업샘플링 필터와 관련된 시그널링에 대해 기술한다.
RIF(1310)로서 신경망을 사용하는 경우, 다수의 후보들 중 하나를 지시하는 인덱스가 시그널링될 수 있다. 인덱스는 해당되는 신경망의 파라미터 세트를 지시할 수 있다. 시그널링된 인덱스에 기초하여, 영상 복호화 장치는 초해상화에 사용하는 신경망을 설정한다. 후보들에 포함되는 신경망들은 양자화 파라미터, 스케일 값 등에 따라 사전에 트레이닝될 수 있다. 영상 부호화 장치와 영상 복호화 장치는 동일한 구조의 신경망 및 해당되는 파라미터들을 저장하고, 이를 사용할 수 있다.
비디오 콘텐츠에 적응적으로 업샘플링을 수행하기 위해, 영상 부호화 장치에서 사용한 신경망의 파라미터 세트가 비트스트림에 저장된 후 전송된다. 이때 파라미터 세트는 APS(Adaptation Parameter Set)에 저장된 채로 전송될 수 있다.
RIF(1310)로서 FIR 필터를 사용하고 ALF(566)로 복원하는 경우, 해당 필터 계수 세트가 APS에 저장된 채로 시그널링될 수 있다. 이때, 스케일 값에 기초하여 다수의 FIR 필터들 중 하나가 이용될 수 있다.
다음, RIF(1310)의 출력 해상도와 관련된 시그널링에 대해 기술한다.
RIF(1310)를 수행한 후에 얻는 출력 해상도는 SPS 상에 저장된다.
RIF(1310)를 수행한 후에 얻는 출력 해상도는, 다운샘플되어 전송받은 영상에 기결정된 스케일 값을 곱하여 계산된다.
RIF(1310)를 수행한 후에 얻는 출력 해상도는 원래 해상도와 동일하다.
RIF(1310)를 수행한 후에 얻는 출력 해상도가 원래 해상도와 다른 경우가 존재한다. 이러한 경우, 출력 해상도는 SPS에 저장되어 전송되거나 기결정된 스케일 값을 곱하여 계산될 수 있다.
RIF(1310) 출력의 최대 해상도를 설정함으로써, 최대 해상도를 넘지 않도록 출력 해상도가 제한될 수 있다. 또한, RIF(1310) 입력의 최소 해상도를 설정함으로써, 원래 비디오 프레임을 다운샘플링하는 경우 최소 해상도보다 작아지지 않도록 입력 해상도가 조절될 수 있다.
이하, 도 18 및 도 19의 도시를 이용하여, RIF를 기반으로 복원 프레임을 업샘플링하는 방법을 기술한다.
도 18은 본 개시의 일 실시예에 따른, 영상 부호화 장치가 수행하는 복원 프레임을 업샘플링하는 방법을 나타내는 순서도이다.
영상 부호화 장치는 스케일 값을 획득한다(S1800).
여기서, 스케일 값은 복원 프레임과 원본(original) 프레임 간의 해상도 차이를 나타낸다. 또한, 복원 프레임은, 원본 프레임을 복원한 프레임으로서, 영상 부호화 장치의 인터 예측에 따라 사전에 복원된다.
한편, 원본 프레임이 다운샘플링되는 경우, 스케일 값은 2로 설정될 수 있다.
또는, 비트율 왜곡 최적화 측면에서 영상 부호화 장치는 스케일 값을 결정하고, 스케일 값을 지시하는 인덱스를 부호화한 후 영상 복호화 장치로 전달할 수 있다.
영상 부호화 장치는 복원 프레임을 획득한다(S1802).
영상 부호화 장치는 스케일 값을 확인한다(S1804).
스케일 값에 기초하는 복원 프레임의 해상도가 원본 프레임의 해상도보다 작은 경우, 영상 부호화 장치는 다음의 단계들(S1806 및 S1812)을 수행한다.
영상 부호화 장치는 복원 프레임을 딥러닝 기반 리샘플링 인루프필터에 입력하여 업샘플링된 복원 프레임을 생성한다(S1806). 여기서, 리샘플링 인루프필터는, 디블로킹 필터, SAO 필터, 및 적응적 루프 필터를 포함하는 필터들 중 하나를 대체하거나, 이 필터들 간에 삽입된다. 업샘플링된 복원 프레임은 원본 프레임의 해상도를 갖는다.
일 예로서, 비트율 왜곡 최적화 측면에서, 영상 부호화 장치는 다수의 신경망 후보들 중 하나를 리샘플링 인루프필터로 지시하는 인덱스를 결정한다. 추후, 영상 부호화 장치는 결정된 인덱스를 부호화할 수 있다. 이때, 각 신경망 후보는 양자화 파라미터 및 스케일 값에 기초하여 사전에 트레이닝될 수 있다.
또는, 영상 부호화 장치는 다수의 신경망 후보들 중 리샘플링 인루프필터로 선택된 신경망의 파라미터 세트를 부호화할 수 있다. 이때, 파라미터 세트는 APS에 저장된 채로 신호될 수 있다.
다른 예로서, 리샘플링 인루프필터로서 FIR 필터를 사용하고 ALF로 복원하는 경우, 영상 부호화 장치는 스케일 값에 기초하여 다수의 FIR 필터들 중 하나를 이용할 수 있다. 영상 부호화 장치는 해당 필터 계수 세트를 APS에 저장한 채로 시그널링할 수 있다.
영상 부호화 장치는 필터들 및 리샘플링 인루프필터에 의해 생성되는 출력 프레임을 참조 프레임으로서 DPB에 저장한다(S1808).
영상 부호화 장치는 리샘플링 인루프필터의 사용 여부를 지시하는 플래그를 결정한다(S1810). 영상 부호화 장치는 스케일 값에 기초하여 원본 프레임을 다운샘플링하는지 여부에 따라 리샘플링 인루프필터의 사용 여부를 지시하는 플래그를 결정할 수 있다. 즉, 원본 프레임이 다운샘플링되는 경우, 영상 부호화 장치는 이 플래그를 참으로 설정할 수 있다.
영상 부호화 장치는 리샘플링 인루프필터의 사용 여부를 지시하는 플래그를 부호화한다(S1812).
한편, 복원 프레임의 해상도가 원본 프레임의 해상도와 같은 경우, 영상 부호화 장치는 리샘플링 인루프필터가 배제된, 기존의 인루프 필터링을 수행한다(S1820).
이때, 영상 부호화 장치는 리샘플링 인루프필터의 사용 여부를 지시하는 플래그를 거짓으로 설정한 후, 설정된 플래그를 부호화할 수 있다. 또는, 영상 부호화 장치는 리샘플링 인루프필터의 사용 여부를 지시하는 플래그를 전송하지 않을 수 있다. 리샘플링 인루프필터의 사용 여부를 지시하는 플래그가 전송되지 않는 경우, 영상 복호화 장치는 이 플래그의 값을 거짓으로 유추할 수 있다.
도 19는 본 개시의 일 실시예에 따른, 영상 복호화 장치가 수행하는 복원 프레임을 업샘플링하는 방법을 나타내는 순서도이다.
영상 복호화 장치는 복원 프레임을 획득한다(S1900). 여기서, 복원 프레임은, 원본 프레임을 복원한 프레임으로서, 영상 복호화 장치의 인터 예측에 따라 사전에 복원된다.
영상 복호화 장치는 비트스트림으로부터 리샘플링 인루프필터의 사용 여부를 지시하는 플래그를 복호화하고(S1902), 이 플래그를 확인한다(S1904).
한편, 리샘플링 인루프필터의 사용 여부를 지시하는 플래그가 전송되지 않는 경우, 영상 복호화 장치는 이 플래그의 값을 거짓으로 유추할 수 있다.
리샘플링 인루프필터의 사용 여부를 지시하는 플래그가 참인 경우, 영상 복호화 장치는 다음의 단계들(S1906 이후의 단계들)을 수행한다.
영상 복호화 장치는 스케일 값을 획득한다(S1906). 여기서, 스케일 값은 복원 프레임과 원본 프레임 간의 해상도 차이를 나타낸다.
리샘플링 인루프필터의 사용 여부를 지시하는 플래그가 참인 경우, 스케일 값은 2로 설정될 수 있다.
또는, 영상 복호화 장치는 비트스트림으로부터 스케일 값을 지시하는 인덱스를 복호화하고, 인덱스에 기초하여 스케일 값을 설정할 수 있다.
스케일 값만큼 복원 프레임의 해상도를 증대시키기 위해, 영상 복호화 장치는 복원 프레임을 딥러닝 기반 리샘플링 인루프필터에 입력하여 업샘플링된 복원 프레임을 생성한다(S1908). 여기서, 리샘플링 인루프필터는, 디블로킹 필터, SAO 필터, 및 적응적 루프 필터를 포함하는 필터들 중 하나를 대체하거나, 이 필터들 간에 삽입된다. 업샘플링된 복원 프레임은 원본 프레임의 해상도를 갖는다.
일 예로서, 영상 복호화 장치는 비트스트림으로부터 다수의 신경망 후보들 중 하나를 지시하는 인덱스를 복호화한 후, 인덱스에 기초하여 리샘플링 인루프필터를 설정할 수 있다. 이때, 각 신경망 후보는 양자화 파라미터 및 스케일 값에 기초하여 사전에 트레이닝될 수 있다.
또는, 영상 복호화 장치는 비트스트림으로부터 리샘플링 인루프필터의 파라미터 세트를 복호화할 수 있다. 이때, 파라미터 세트는 APS에 저장된 채로 신호될 수 있다.
다른 예로서, 리샘플링 인루프필터로서 FIR 필터를 사용하고 ALF로 복원하는 경우, 영상 복호화 장치는 스케일 값에 기초하여 다수의 FIR 필터들 중 하나를 이용할 수 있다. 해당 필터 계수 세트는 APS에 저장된 채로 영상 부호화 장치에 의해 시그널링될 수 있다.
영상 복호화 장치는 필터들 및 리샘플링 인루프필터에 의해 생성되는 출력 프레임을 참조 프레임으로서 DPB에 저장한다(S1910).
한편, 리샘플링 인루프필터의 사용 여부를 지시하는 플래그가 거짓인 경우, 영상 복호화 장치는 리샘플링 인루프필터가 배제된, 기존의 인루프 필터링을 수행한다(S1920).
본 명세서의 흐름도/타이밍도에서는 각 과정들을 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 개시의 일 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것이다. 다시 말해, 본 개시의 일 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 개시의 일 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 흐름도/타이밍도에 기재된 순서를 변경하여 실행하거나 각 과정들 중 하나 이상의 과정을 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 흐름도/타이밍도는 시계열적인 순서로 한정되는 것은 아니다.
이상의 설명에서 예시적인 실시예들은 많은 다른 방식으로 구현될 수 있다는 것을 이해해야 한다. 하나 이상의 예시들에서 설명된 기능들 혹은 방법들은 하드웨어, 소프트웨어, 펌웨어 또는 이들의 임의의 조합으로 구현될 수 있다. 본 명세서에서 설명된 기능적 컴포넌트들은 그들의 구현 독립성을 특히 더 강조하기 위해 "...부(unit)" 로 라벨링되었음을 이해해야 한다.
한편, 본 실시예에서 설명된 다양한 기능들 혹은 방법들은 하나 이상의 프로세서에 의해 판독되고 실행될 수 있는 비일시적 기록매체에 저장된 명령어들로 구현될 수도 있다. 비일시적 기록매체는, 예를 들어, 컴퓨터 시스템에 의하여 판독가능한 형태로 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 예를 들어, 비일시적 기록매체는 EPROM(erasable programmable read only memory), 플래시 드라이브, 광학 드라이브, 자기 하드 드라이브, 솔리드 스테이트 드라이브(SSD)와 같은 저장매체를 포함한다.
이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
(부호의 설명)
180: 루프 필터부
155: 엔트로피 부호화부
190: 메모리
510: 엔트로피 복호화부
560: 루프 필터부
570: 메모리
1310: 리샘플링 인루프필터
CROSS-REFERENCE TO RELATED APPLICATION
본 특허출원은 2022년 3월 14일 한국에 출원한 특허출원번호 제 10-2022-0031336 호, 2023년 2월 10일 한국에 출원한 특허출원번호 제 10-2023-0018329 호에 대해 우선권을 주장하며, 그 모든 내용은 참고문헌으로 본 특허출원에 병합된다.

Claims (16)

  1. 영상 복호화 장치가 수행하는, 복원(reconstructed) 프레임을 업샘플링하는 방법에 있어서,
    상기 복원 프레임을 획득하는 단계, 여기서, 상기 복원 프레임은, 원본(original) 프레임을 복원한 프레임으로서, 상기 영상 복호화 장치의 인터 예측에 따라 사전에 복원됨;
    상기 복원 프레임과 상기 원본 프레임 간의 해상도 차이를 나타내는 스케일 값을 획득하는 단계;
    상기 스케일 값에 기초하여, 상기 복원 프레임을 딥러닝 기반 리샘플링 인루프필터(resampling inloop filter)에 입력하여 업샘플링된 복원 프레임을 생성하는 단계, 여기서, 상기 리샘플링 인루프필터는, 디블로킹(deblocking) 필터, SAO(Sample Adaptive Offset) 필터, 및 적응적 루프 필터(adaptive loop filter)를 포함하는 필터들 중 하나를 대체하거나, 상기 필터들 간에 삽입됨; 및
    상기 필터들 및 리샘플링 인루프필터에 의해 생성되는 출력 프레임을 참조 프레임으로서 DPB(Decoded Picture Buffer)에 저장하는 단계
    를 포함하는 것을 특징으로 하는, 방법.
  2. 제1항에 있어서,
    비트스트림으로부터 상기 리샘플링 인루프필터의 사용 여부를 지시하는 플래그를 복호화하는 단계를 더 포함하되,
    상기 플래그가 참인 경우, 상기 스케일 값을 획득하는 단계를 수행하는 것을 특징으로 하는, 방법.
  3. 제2항에 있어서,
    상기 스케일 값을 획득하는 단계는,
    상기 플래그가 참인 경우, 상기 스케일 값을 2로 설정하는 것을 특징으로 하는, 방법.
  4. 제2항에 있어서,
    상기 스케일 값을 획득하는 단계는,
    상기 플래그가 참인 경우, 비트스트림으로부터 상기 스케일 값을 지시하는 인덱스를 복호화하고, 상기 인덱스에 기초하여 상기 스케일 값을 설정하는 것을 특징으로 하는, 방법.
  5. 제1항에 있어서,
    비트스트림으로부터 다수의 신경망 후보들 중 하나를 지시하는 인덱스를 복호화하는 단계; 및
    상기 인덱스에 기초하여 상기 리샘플링 인루프필터를 설정하는 단계
    를 더 포함하고,
    각 신경망 후보는 상기 스케일 값에 기초하여 사전에 트레이닝되는 것을 특징으로 하는, 방법.
  6. 제1항에 있어서,
    상기 리샘플링 인루프필터는,
    전치 콘볼루션(transposed convolution) 연산을 이용하여 업샘플링을 수행하되, 상기 전치 콘볼루션 연산은, 특성맵을 추출하는 콘볼루션 연산의 역과정인 것을 특징으로 하는, 방법.
  7. 제1항에 있어서,
    상기 리샘플링 인루프필터는 상기 SAO 필터 및 적응적 루프 필터의 중간에 위치하여, 상기 업샘플링된 복원 프레임은 상기 적응적 루프 필터에 입력되고, 상기 적응적 루프 필터가 생성하는 출력 프레임이 상기 참조 프레임으로서 상기 DPB에 저장되는 것을 특징으로 하는, 방법.
  8. 제1항에 있어서,
    상기 리샘플링 인루프필터가 현재 프레임에 적용되는 경우, 상기 DPB에 저장된 참조 프레임을 상기 현재 프레임의 크기에 맞도록 스케일링한 후, 상기 인터 예측을 수행하는 것을 특징으로 하는, 방법.
  9. 영상 부호화 장치가 수행하는, 복원(reconstructed) 프레임을 업샘플링하는 방법에 있어서,
    상기 복원 프레임과 원본(original) 프레임 간의 해상도 차이를 나타내는 스케일 값을 획득하는 단계, 여기서, 상기 복원 프레임은, 상기 원본 프레임을 복원한 프레임으로서, 상기 영상 부호화 장치의 인터 예측에 따라 사전에 복원됨; 및
    상기 복원 프레임을 획득하는 단계
    를 포함하되,
    상기 스케일 값에 기초하는 상기 복원 프레임의 해상도가 상기 원본 프레임의 해상도보다 작은 경우,
    상기 복원 프레임을 딥러닝 기반 리샘플링 인루프필터(resampling inloop filter)에 입력하여 업샘플링된 복원 프레임을 생성하는 단계, 여기서, 상기 리샘플링 인루프필터는, 디블로킹(deblocking) 필터, SAO(Sample Adaptive Offset) 필터, 및 적응적 루프 필터(adaptive loop filter)를 포함하는 필터들 중 하나를 대체하거나, 상기 필터들 간에 삽입됨; 및
    상기 필터들 및 리샘플링 인루프필터에 의해 생성되는 출력 프레임을 참조 프레임으로서 DPB(Decoded Picture Buffer)에 저장하는 단계
    를 포함하는 것을 특징으로 하는, 방법.
  10. 제9항에 있어서,
    상기 스케일 값을 획득하는 단계는,
    상기 원본 프레임이 다운샘플링되는 경우, 상기 스케일 값을 2로 설정하는 것을 특징으로 하는, 방법.
  11. 제9항에 있어서,
    상기 스케일 값을 획득하는 단계는,
    비트율 왜곡 최적화 측면에서 상기 스케일 값을 결정하는 것을 특징으로 하는, 방법.
  12. 제9항에 있어서,
    상기 원본 프레임을 다운샘플링 시, 상기 원본 프레임의 가로 및 세로 방향의 크기를 상기 스케일 값으로 나누어 다운샘플링된 프레임을 생성하되, 소수점 단위는 절삭되거나 반올림되는 것을 특징으로 하는, 방법.
  13. 제9항에 있어서,
    상기 스케일 값에 기초하여 상기 원본 프레임을 다운샘플링하는지 여부에 따라 상기 리샘플링 인루프필터의 사용 여부를 지시하는 플래그를 결정하는 단계; 및
    상기 플래그를 부호화하는 단계
    를 더 포함하는 것을 특징으로 하는, 방법.
  14. 제13항에 있어서,
    상기 플래그를 결정하는 단계는,
    상기 원본 프레임이 다운샘플링되는 경우, 상기 플래그를 참으로 설정하는 것을 특징으로 하는, 방법.
  15. 제9항에 있어서,
    다수의 신경망 후보들 중 하나를 상기 리샘플링 인루프필터로 지시하는 인덱스를 결정하는 단계; 및
    상기 인덱스를 부호화하는 단계
    를 더 포함하고,
    각 신경망 후보는 상기 스케일 값에 기초하여 사전에 트레이닝되는 것을 특징으로 하는, 방법.
  16. 영상 부호화 방법에 의해 생성된 비트스트림을 저장하는 컴퓨터 판독 가능한 기록매체로서, 상기 영상 부호화 방법은,
    복원 프레임과 원본(original) 프레임 간의 해상도 차이를 나타내는 스케일 값을 획득하는 단계, 여기서, 상기 복원 프레임은, 상기 원본 프레임을 복원한 프레임으로서, 상기 영상 부호화 방법의 인터 예측에 따라 사전에 복원됨; 및
    상기 복원 프레임을 획득하는 단계
    를 포함하되,
    상기 스케일 값에 기초하는 상기 복원 프레임의 해상도가 상기 원본 프레임의 해상도보다 작은 경우,
    상기 복원 프레임을 딥러닝 기반 리샘플링 인루프필터(resampling inloop filter)에 입력하여 업샘플링된 복원 프레임을 생성하는 단계, 여기서, 상기 리샘플링 인루프필터는, 디블로킹(deblocking) 필터, SAO(Sample Adaptive Offset) 필터, 및 적응적 루프 필터(adaptive loop filter)를 포함하는 필터들 중 하나를 대체하거나, 상기 필터들 간에 삽입됨; 및
    상기 필터들 및 리샘플링 인루프필터에 의해 생성되는 출력 프레임을 참조 프레임으로서 DPB(Decoded Picture Buffer)에 저장하는 단계
    를 포함하는 것을 특징으로 하는, 기록매체.
PCT/KR2023/002247 2022-03-14 2023-02-16 초해상도 인루프 필터를 이용하는 비디오 코딩을 위한 방법 및 장치 WO2023177098A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20220031336 2022-03-14
KR10-2022-0031336 2022-03-14
KR10-2023-0018329 2023-02-10
KR1020230018329A KR20230134422A (ko) 2022-03-14 2023-02-10 초해상도 인루프 필터를 이용하는 비디오 코딩방법 및 장치

Publications (1)

Publication Number Publication Date
WO2023177098A1 true WO2023177098A1 (ko) 2023-09-21

Family

ID=88023634

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/002247 WO2023177098A1 (ko) 2022-03-14 2023-02-16 초해상도 인루프 필터를 이용하는 비디오 코딩을 위한 방법 및 장치

Country Status (1)

Country Link
WO (1) WO2023177098A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102022375B1 (ko) * 2018-08-22 2019-09-18 (주)넥서스일렉트로닉스 Uhd tv용 업스케일 칩셋 모듈
US20210021839A1 (en) * 2013-07-15 2021-01-21 Sony Corporation Extensions of motion-constrained tile sets sei message for interactivity
WO2021228513A1 (en) * 2020-05-15 2021-11-18 Huawei Technologies Co., Ltd. Learned downsampling based cnn filter for image and video coding using learned downsampling feature
US20220014752A1 (en) * 2019-05-31 2022-01-13 Beijing Bytedance Network Technology Co., Ltd. Restricted upsampling process in matrix-based intra prediction
US20220078434A1 (en) * 2019-06-03 2022-03-10 Lg Electronics Inc. Matrix-based intra prediction device and method

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210021839A1 (en) * 2013-07-15 2021-01-21 Sony Corporation Extensions of motion-constrained tile sets sei message for interactivity
KR102022375B1 (ko) * 2018-08-22 2019-09-18 (주)넥서스일렉트로닉스 Uhd tv용 업스케일 칩셋 모듈
US20220014752A1 (en) * 2019-05-31 2022-01-13 Beijing Bytedance Network Technology Co., Ltd. Restricted upsampling process in matrix-based intra prediction
US20220078434A1 (en) * 2019-06-03 2022-03-10 Lg Electronics Inc. Matrix-based intra prediction device and method
WO2021228513A1 (en) * 2020-05-15 2021-11-18 Huawei Technologies Co., Ltd. Learned downsampling based cnn filter for image and video coding using learned downsampling feature

Similar Documents

Publication Publication Date Title
WO2018221817A1 (ko) 영상 코딩 시스템에서 인트라 예측에 따른 영상 디코딩 방법 및 장치
WO2018236031A1 (ko) 인트라 예측 모드 기반 영상 처리 방법 및 이를 위한 장치
WO2021167340A1 (ko) 크로마 신호의 리샘플링에 기반하는 영상 부호화 및 복호화
WO2021251787A1 (ko) 루마 매핑 크로마 스케일링을 이용하는 영상 부호화 및 복호화
WO2022065977A1 (ko) 가변계수 딥러닝 기반 인터 예측 방법
WO2022114770A1 (ko) 기하학적 변환에 기반하는 블록 복사를 이용하는 인트라 예측방법과 장치
WO2022186616A1 (ko) 인트라 예측모드 유도를 이용하는 비디오 코딩방법 및 장치
WO2023177098A1 (ko) 초해상도 인루프 필터를 이용하는 비디오 코딩을 위한 방법 및 장치
WO2022045738A1 (ko) 딥러닝 기반 인루프 필터를 이용하는 영상 부호화 및 복호화
WO2023200135A1 (ko) 크로마 성분에 대한 개선된 인루프필터를 이용하는 비디오 코딩을 위한 방법 및 장치
WO2024019343A1 (ko) 다양한 잡음 및 특성에 적응적인 비디오 인루프 필터
WO2023158127A1 (ko) 트랜스포머 기반 인루프 필터를 이용하는 비디오 코딩을 위한 방법 및 장치
WO2023224300A1 (ko) 예측-변환 생략을 이용하는 비디오 코딩을 위한 방법 및 장치
WO2022211459A1 (ko) 세그멘테이션을 이용하는 비디오 코딩방법 및 장치
WO2023219288A1 (ko) 양방향 예측을 이용하는 크로마 성분의 인터 예측을 위한 방법
WO2024034849A1 (ko) 루마 성분 기반 크로마 성분 예측을 이용하는 비디오 코딩을 위한 방법 및 장치
WO2022031115A1 (ko) 딥러닝 기반 인터 예측을 이용하는 영상 부호화 및 복호화
WO2023287018A1 (ko) 딥러닝 기반 인트라 예측 신호를 개선하는 비디오 코딩방법 및 장치
WO2022119333A1 (ko) 블록 기반 딥러닝 모델을 이용하는 비디오 코덱
WO2024039088A1 (ko) 비선형 교차 성분 관계에 기반하는 cc-alf를 이용하는 비디오 코딩을 위한 방법 및 장치
WO2023106603A1 (ko) 템플릿 매칭 기반 이차적인 mpm 리스트를 이용하는 비디오 코딩을 위한 방법 및 장치
WO2022211375A1 (ko) 인터 예측에 딥러닝 기반 인루프 필터를 이용하는 비디오 코딩방법 및 장치
WO2023182698A1 (ko) 복원 루마 정보 기반 크로마 성분 예측을 위한 방법
WO2024075983A1 (ko) 복수의 블록들 기반 인트라 템플릿 매칭 예측을 이용하는 비디오 코딩을 위한 방법 및 장치
WO2023224289A1 (ko) 가상의 참조라인을 사용하는 비디오 코딩을 위한 방법 및 장치

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: 23770978

Country of ref document: EP

Kind code of ref document: A1