WO2023249306A1 - 메타 정보를 이용하는 비디오 코딩을 위한 방법 및 장치 - Google Patents

메타 정보를 이용하는 비디오 코딩을 위한 방법 및 장치 Download PDF

Info

Publication number
WO2023249306A1
WO2023249306A1 PCT/KR2023/008133 KR2023008133W WO2023249306A1 WO 2023249306 A1 WO2023249306 A1 WO 2023249306A1 KR 2023008133 W KR2023008133 W KR 2023008133W WO 2023249306 A1 WO2023249306 A1 WO 2023249306A1
Authority
WO
WIPO (PCT)
Prior art keywords
current block
meta information
vector
block
intra prediction
Prior art date
Application number
PCT/KR2023/008133
Other languages
English (en)
French (fr)
Inventor
강제원
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
Application filed by 현대자동차주식회사, 기아 주식회사, 이화여자대학교 산학협력단 filed Critical 현대자동차주식회사
Publication of WO2023249306A1 publication Critical patent/WO2023249306A1/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
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/002—Image coding using neural networks
    • 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
    • H04N19/11—Selection of coding mode or of prediction mode among a plurality of spatial predictive coding modes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—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
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/124—Quantisation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/189—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding
    • H04N19/196—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding being specially adapted for the computation of encoding parameters, e.g. by averaging previously computed encoding parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques
    • 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
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/96—Tree coding, e.g. quad-tree coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Definitions

  • This disclosure relates to a video coding method and device using meta information.
  • 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.
  • Meta information is defined as one or more combinations of parameters used in video encoding and decoding processes, such as block structure, intra prediction, inter prediction, quantization parameters, and motion vectors. Afterwards, the feature vector derived from the meta information can be used for video encoding/decoding. Therefore, in order to improve video coding efficiency and video quality, it is necessary to consider a method of efficiently deriving feature vectors from meta information and a method of efficiently using feature vectors.
  • the purpose of the present disclosure is to provide a video coding method and device that extracts feature vectors from meta information using a deep learning-based extraction model and uses the extracted feature vectors for video encoding/decoding.
  • a method of restoring a current block performed by a video decoding apparatus includes: decoding compression parameters for the current block from a bitstream; Generating meta information by combining one or more of the compression parameters, wherein the meta information includes each compression parameter as is or includes a meta information vector generated from each compression parameter; Inputting the meta information into a deep learning-based extraction model to generate a feature vector of the meta information; and performing a decoding process of the current block using the feature vector.
  • a method of encoding a current block performed by an image encoding apparatus includes: acquiring compression parameters for the current block; Generating meta information by combining one or more of the compression parameters, wherein the meta information includes each compression parameter as is or includes a meta information vector generated from each compression parameter; Inputting the meta information into a deep learning-based extraction model to generate a feature vector of the meta information; and performing an encoding process of the current block using the feature vector.
  • a computer-readable recording medium storing a bitstream generated by an image encoding method, the image encoding method comprising: obtaining compression parameters for a current block; Generating meta information by combining one or more of the compression parameters, wherein the meta information includes each compression parameter as is or includes a meta information vector generated from each compression parameter; Inputting the meta information into a deep learning-based extraction model to generate a feature vector of the meta information; and performing an encoding process of the current block using the feature vector.
  • a video coding method and device are provided for extracting feature vectors from meta information using a deep learning-based extraction model and using the extracted feature vectors for video encoding/decoding, thereby performing video encoding. This has the effect of improving efficiency and improving video quality.
  • 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 for explaining a method of dividing a block using the QTBTTT (QuadTree plus BinaryTree TernaryTree) 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 matrix weighted intra prediction.
  • Figure 7 is an example diagram showing an omnidirectional network as a deep learning-based neural network.
  • Figure 8 is an exemplary diagram showing a video decoding device using meta information according to an embodiment of the present disclosure.
  • Figure 9 is an example diagram illustrating the use of meta information according to an embodiment of the present disclosure.
  • Figure 10 is an example diagram showing the use of meta information according to another embodiment of the present disclosure.
  • FIG. 11 is an exemplary diagram illustrating a method of encoding a current block performed by an image encoding device according to an embodiment of the present disclosure.
  • FIG. 12 is an exemplary diagram illustrating a method of decoding a current block performed by an image decoding device 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.
  • 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 with a predetermined size and then recursively divides the CTUs using a tree structure. .
  • the leaf node in the tree structure becomes the CU, the basic unit of encoding.
  • 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 image 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.
  • 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 (B2) 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 entropy encoding unit 155 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. All or part of B1), and the upper left block (B2) 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 signals 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 adder 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 loop 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. there is.
  • 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 the ALF 186 are filters used to compensate for differences between restored pixels and original pixels 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.
  • the video encoding device can store the bitstream of the encoded video data in a non-transitory recording medium or transmit it to the video decoding device using a communication network.
  • 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 about
  • 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 leaf node is divided into MTT. Divide by structure. 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 residual signals.
  • 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, the residual signals are set to “0”. By filling in the values, 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 530 and the prediction block output from the inter prediction unit 544 or intra prediction unit 542. 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 pixels and the original pixels caused by lossy coding. do.
  • 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 extract feature vectors from meta information using a deep learning-based extraction model and use the extracted feature vectors for video encoding/decoding.
  • the following embodiments may be performed by various components within a video encoding device. Additionally, it can be performed by several components within a video decoding device.
  • the video encoding device may generate signaling information related to this embodiment in terms of bit rate distortion optimization when encoding the current block.
  • 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 decoding the current block 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.
  • Figure 6 is an example diagram showing matrix weighted intra prediction.
  • MIP generates all or part of the intra predictor using predefined matrix operations. When part of the predictor is generated, MIP can generate final intra prediction samples equal to the size of the current block by additionally performing upsampling or interpolation for upscaling using the part of the predictor.
  • MIP can selectively select some of the pixels spatially adjacent to the current block and use them as neighboring pixels of the current block.
  • MIP may use values derived according to operations based on methods such as subsampling and downscaling for matrix operations.
  • FIG. 6 shows an example in which a part of the predictor of the current block is generated using values derived according to the operation and a matrix of a size smaller than that of the current block.
  • MIP Mobility Management Entity
  • a certain number of samples are generated from the boundary samples of the current block using an averaging operation.
  • reduced border pixels bdry top red and bdry left red are generated from the upper border pixels bdry top and the left border pixels bdry left using a predefined rule according to the block size.
  • the predefined rule may be a combination of averaging and downsampling.
  • the reduced boundary vector bdry red is created by combining the reduced bdry top red and bdry left red according to predefined rules.
  • a reduced boundary vector bdry red according to the size and mode of the current block can be generated as in Equation 1.
  • the mode represents the MIP mode, which will be described later.
  • the mode is 18 or higher, bdry red is created by connecting bdry left red and bdry top red in that order.
  • a reduced predictor pred red is generated for a portion of the current block by applying a predefined matrix operation to the reduced boundary vector bdry red .
  • pred red is a block whose size is downsampled from the current block, and has a width W red and a height H red .
  • the width W red and the height H red can be determined according to Equation 2 according to the size of the current block.
  • the reduced predictor pred red can be calculated according to Equation 3 using a matrix and an offset vector.
  • the offset vector b k is a predefined vector and has a size of the dimension W red ⁇ H red .
  • the subscript k of A k and b k is an index indicating one of the predefined matrices and vectors.
  • a k and b k may be selected from one of the sets S 0 , S 1 , and S 2 .
  • the index idx(W,H) indicating one set is extracted as shown in Equation 4 based on the size of the block.
  • the set S 0 has 18 matrices A 0 i , i ⁇ ⁇ 0, ..., 17 ⁇ with 16 rows and 4 columns each and 18 offset vectors b 0 i , i ⁇ ⁇ 0, . .., 17 ⁇ and is used for blocks that are 4 ⁇ 4.
  • the set S 1 has 10 matrices A 1 i , i ⁇ ⁇ 0, ..., 9 ⁇ , each with 16 rows and 8 columns, and 10 offset vectors b 1 i , i ⁇ ⁇ 0, , of size 16 each. .., 9 ⁇ and is used for blocks of size 4 ⁇ 8, 8 ⁇ 4, and 8 ⁇ 8.
  • the set S 2 has six matrices A 2 i , i ⁇ ⁇ 0, ..., 5 ⁇ each with 64 rows and 8 columns and 6 offset vectors b 2 i , i ⁇ ⁇ 0, each of size 64. , ..., 5 ⁇ and is used for all blocks with different sizes.
  • Equation 5 For each index idx(W,H) based on the block size, the number of MIP modes is 35, 19, and 11, respectively. Meanwhile, to reduce memory consumption, a pair of MIP modes can use the same matrix and offset vector. Therefore, in A k and b k of Equation 3, k can be expressed as Equation 5.
  • prediction samples for the remaining positions of the current block are generated by applying linear interpolation to the reduced predictor pred red .
  • This linear interpolation is performed first in the horizontal direction and then in the vertical direction, regardless of the size and shape of the block.
  • the video encoding device may encode a matrix-based prediction flag and then transmit it to the video decoding device.
  • MIP mode the most probable mode (MPM) flag is signaled to indicate whether the prediction mode is one of the MPM modes.
  • MPM most probable mode
  • 3-MPM is applied, and the MPM mode is encoded with a truncated binary code, and the non-MPM mode is encoded with a fixed length code (FLC).
  • FLC fixed length code
  • MPM derivation of the block to which MIP mode is applied will be performed using the mapping table. You can.
  • a mapping table is used to derive MIP modes with similar characteristics from neighboring blocks to which regular modes are applied. The MIP mode derived in this way is used to derive the MPM of the block to which the MIP mode is applied.
  • MPM derivation of the regular block can be performed using a mapping table.
  • a mapping table is used to derive a regular mode with similar characteristics from the MIP mode of the surrounding block to which MIP is applied.
  • the regular mode derived in this way is used to derive the MPM of the regular block.
  • a normal mode can be derived using a mapping table, and the derived normal mode can be used in chroma DM derivation.
  • mapping between regular mode and MIP mode using a mapping table can be expressed as Equation 6.
  • ALWIP Adline linear weighted intra prediction
  • Equation 6 the former equation maps the normal mode to the MIP mode, and the latter equation maps the MIP mode to the normal mode.
  • mapping table that maps regular mode to MIP mode for each index idx(W,H) based on the size of the block can be expressed as Table 1.
  • MipSizeID is the same value as index idx(W,H).
  • [xNbX][yNbX] indicates the position of the surrounding block
  • IntraPredModeY[xNbX][yNbX] indicates the normal mode at that position.
  • regular intra prediction modes (0 to 66 in Table 3a) can be mapped to MIP modes corresponding to each index idx(W, H).
  • mapping table that maps MIP mode to regular mode for each index idx(W,H) based on the size of the block can be expressed as Table 2.
  • MipSizeID is the same value as index idx(W,H).
  • [xNbX][yNbX] indicates the location of the surrounding block
  • IntraPredModeY[xNbX][yNbX] indicates the MIP mode at that location.
  • MIP modes corresponding to each index idx(W, H) can be mapped to regular intra prediction modes (0 to 66 in Table 3a).
  • the video encoding device may encode a matrix-based prediction flag and then transmit it to the video decoding device.
  • MIP can be performed separately from the regular intra prediction mode using MPM.
  • the video encoding device may encode the MIP mode to indicate one of the predefined matrices and one of the predefined vectors and then transmit the code to the video decoding device.
  • the MPM candidate list for the regular block can be generated after assuming the surrounding block to which MIP is applied is Planar mode.
  • DCT-II When transformation is applied in HEVC, DCT-II is used as a transform kernel (hereinafter, used interchangeably with transform type) to transform the residual signals of the transform block (TB).
  • transform kernel hereinafter, used interchangeably with transform type
  • multiple transform selection can be used.
  • the MTS determines one or two optimal types among multiple transformation types and then transforms the block according to the determined transformation type. For example, in VVC, as shown in Table 3, two other transformation types, DCT-VIII and DST-VII, are added in addition to DCT-II, allowing residual signals to be converted in various ways.
  • basis functions constitute a transformation matrix that defines each transformation type.
  • DCT-II, DCT-VIII and DST-VII are used interchangeably with DCT2, DCT8 and DST7, respectively.
  • the flag for this MTS is determined at the CU level, and various transformation types can be signaled as shown in Table 4 depending on whether the prediction mode is intra/inter and horizontal/vertical.
  • MTS_CU_flag if MTS_CU_flag is 0, the DCT2 conversion type is applied to the horizontal and vertical directions. On the other hand, when MTS_CU_flag is not 0, different conversion types may be applied to the horizontal and vertical directions depending on the combination of MTS_Hor_flag and MTS_Ver_flag.
  • a deep learning-based neural network is composed of a number of neurons and edges connecting the neurons, as shown in the example of FIG. 7.
  • the input layer and output layer of a neural network consist of a single layer, and the hidden layer may include one or more layers.
  • One hidden layer includes one or more hidden units (hidden units, or hidden nodes). Additionally, each edge has a different weight.
  • an activation function may be used. As a representative activation function, a sigmoid function, a tangent hyperbolic function, or a Rectified linear unit (Relu) function may be used.
  • Equation 7 any node value located in the output layer can be expressed as Equation 7.
  • class is a weight matrix and corresponds to edges connecting the input vector and the hidden units and edges connecting the hidden units and the output vector, respectively.
  • w ji (1) and w kj (2) are respectively class It represents the components of .
  • y k is the output vector It represents the components of . x0 and z0 represent the bias units of the input layer and hidden layer, respectively. Therefore, D is the input vector is the dimension of , M represents the number of hidden units, and K is the output vector. It is the dimension of .
  • h and ⁇ are activation functions applied to the hidden layer and output layer, respectively. Meanwhile, the activation function is not necessarily applied to the output of the hidden layer and output layer. If an activation function is not used, equation 7 becomes class Contains operations corresponding to weight matrix multiplication between
  • Training can be performed using the stochastic gradient descent (SGD) algorithm, usually followed by a back propagation algorithm.
  • SGD stochastic gradient descent
  • the process of calculating the output in a feed-forward manner using weights, which are parameters calculated according to training, is called inference or testing.
  • meta information a combination of one or more parameters used in the compression process of the current block is defined as meta information, and a method of using meta information for video encoding/decoding is described.
  • This embodiment includes a method of generating meta information, a method of generating a meta information feature vector using meta information, and a method of encoding/decoding the current block using the meta information feature vector.
  • Figure 8 is an exemplary diagram showing a video decoding device using meta information according to an embodiment of the present disclosure.
  • the video decoding device includes a meta information generator (810), a meta information feature vector generator (820), and a decoding unit (decoding unit). performer, 830).
  • the meta information generator 810 generates meta information from one or more combinations of parameters used in the compression process of the current block.
  • Compression parameters are syntax elements and their derivatives, and include block size, block structure, reference samples, intra prediction mode, inter prediction mode, motion vector, quantization parameters, etc. Meanwhile, compression parameters can be used for both encoding and decoding of the current block.
  • the meta information feature vector generator 820 inputs meta information into a deep learning-based extraction model and generates a meta information feature vector of size K ⁇ 1.
  • the extraction model which is a neural network, may be an omnidirectional network as described above. At this time, an omnidirectional network can be used with the activation function excluded.
  • the meta information feature vector can be the result of a mapping table used in existing VVC, a mode according to block encoding conditions, etc.
  • the decoding unit 830 uses the meta information feature vector to decode the current block.
  • the decoding unit 830 may perform the operation of the prediction unit 540.
  • the decoding unit 830 may perform the operation of the inverse transform unit 530. That is, the decoding unit 830 may be any component within the video decoding device that can use the meta information feature vector to decode the current block.
  • the decoding unit 830 may perform the operation of the prediction unit 120 within the video encoding device.
  • the decoding unit 830 may perform the operation of the inverse transform unit 165 within the video encoding device.
  • the existing process can be replaced without the mapping table while using more diverse compression parameters.
  • MIP prediction in the existing VVC technology derives the index idx as in Equation 4, and then creates a set S idx including a matrix and an offset vector according to the derived index. Choose.
  • the idx value can be derived according to the size of the block as in Equation 4.
  • the number of cases may increase excessively.
  • this embodiment can replace the mapping table used in MIP.
  • this embodiment can replace the mapping relationship between MIP mode and intra prediction mode based on the MIP application block size as shown in Tables 1 and 2. That is, in Tables 1 and 2, only the block size to which the MIP mode is applied is used, but this embodiment can implement the mapping relationship by utilizing a wider variety of compression parameters.
  • this embodiment can generate an intra prediction mode that replaces the MIP mode.
  • This embodiment can map meta information to repIdx, an alternative index, using an omnidirectional network.
  • meta information is reference samples of the current block, and repIdx may indicate one of 67 intra prediction modes according to the example in FIG. 3A.
  • the intra prediction mode mapped to the alternative index can be used to derive MPM when intra prediction of a block. For example, if the luma block located to the left of the current block is predicted as MIP or the luma block located at the top of the current block is predicted as MIP, the video decoding device may apply the replacement index of the corresponding luma block in the process of constructing the MPM list. You can.
  • this embodiment can replace the MTS selection process in VVC, such as the left example of FIG. 10.
  • Table 4 shows the mapping relationships related to transformation kernel selection in VVC. That is, it is checked whether the inter prediction and intra prediction modes are selected, and one of DCT2, DST7, and DCT8 conversion kernels can be selected depending on whether the horizontal and vertical directions are converted.
  • a mapping relationship between compression parameters and conversion kernels can be implemented by utilizing more diverse compression parameters.
  • the extraction model in the meta information feature vector generator 820 can be trained in advance using the training meta information and the corresponding label.
  • the label may be, for example, idx in MIP or a translation kernel in MTS, as described above.
  • the weights of the extraction model may be updated using a loss function based on the difference between the output generated by the extraction model and the label.
  • the extraction model can be shared between the video encoding device and the video decoding device.
  • Meta information expresses video compression parameters used in the video decoding process as a vector.
  • video compression parameters include parameters decoded at a higher level such as VPS, SPS, adaptive parameter set (APS), video picture level, video slice level, etc. decoded from the bitstream.
  • video compression parameters may include all or part of information related to the size, segmentation information, intra prediction, inter prediction, motion vector, etc. of the video block decoded at the current block level.
  • the video decoding device can generate meta information by expressing the above-described compression parameters as vectors.
  • a vector represents a combination of one or more bits.
  • blocks are divided into quad-tree (QT), binary-tree (BT), and ternary-tree (TT) structures.
  • QT quad-tree
  • BT binary-tree
  • TT ternary-tree
  • Meta information expresses all block types available to the video encoding device and video decoding device as vectors.
  • the size of the block determined during the video decoding process can be expressed as a vector.
  • the horizontal and vertical lengths of the block can be used, and conditions regarding the horizontal/vertical lengths can also be used. For example, if one of the horizontal and vertical lengths of the block is greater than or equal to 16, it may be expressed as 0, and other cases may be expressed as 1. Alternatively, if the horizontal and vertical lengths of the block are the same, it may be expressed as 0, and if the horizontal and vertical lengths are different, it may be expressed as 1.
  • the quantization parameter (QP) used in the video decoding process is expressed as a vector.
  • the quantization parameter is a single number in the range of 0 to Q-1 (where Q is a natural number)
  • vectors with a size of floor(log 2 Q)+1 are generated and one of the vectors is quantized.
  • Parameters can be mapped.
  • the floor function rounds a real number down to the smallest natural number.
  • the quantization parameter instead of expressing the quantization parameter as a vector with size floor(log 2 Q)+1. After dividing the range of Q into equal parts, the divided sections can be expressed as vectors. Afterwards, the quantization parameter can be mapped to one of the vectors.
  • the range of Q is [0, Q/8-1], [Q/8, 2Q/8-1], ... , [7Q/8, Q-1], and each section is expressed as a vector of size 3.
  • QP 27 is expressed as a vector of 011.
  • the direction of the intra prediction mode used in the video decoding process is expressed as a vector. For example, if the direction is a number in the range of 0 to P-1 (where P is a natural number), create vectors with a size of floor(log 2 P)+1 and insert Intra prediction modes can be mapped. As another example, instead of expressing the direction of the intra prediction mode as a vector with a size of floor(log 2 P)+1, the range of P can be divided into equal parts, and the divided sections can be expressed as vectors. Afterwards, the direction of the intra prediction mode may be mapped to one of the vectors.
  • the range of P is [0, P/8-1], [P/8, 2P/8-1], ... , [7P/8, P-1], and each section is expressed as a vector of size 3.
  • intra prediction mode 12 is expressed as 001.
  • the motion vector used in the video decoding process is expressed as a vector of meta information.
  • m0 distinguishes whether the motion vector is in the x-direction or y-direction.
  • the motion vector is an x-direction motion vector (a motion vector closer to the x-axis, that is, a motion vector whose absolute value of x is greater than the absolute value of y), and if m0 is 1, the motion vector is Indicates that is a y-direction motion vector (i.e., a motion vector closer to the y-axis, i.e., a motion vector in which the absolute value of y is greater than the absolute value of x).
  • m1 identifies the resolution of the motion vector. For example, when m1 is 0, the motion vector has a resolution of integer precision, and when m1 is 1, the motion vector has a resolution of fractional precision.
  • m2 indicates the reference picture index of the motion vector.
  • m3 displays the reference picture list of the motion vector. For example, when m3 is 0, the reference picture list is the L0 list, and when m3 is 1, the reference picture list is the L1 list.
  • m4 indicates the sign of the motion vector. That is, m4 can be set to 0 or 1 based on the sign of the motion vector.
  • m5 indicates the size of the motion vector.
  • m0, m1, m3, and m4 may be expressed as 1-bit, and m2 and m5 may be expressed as multiple bits.
  • compression parameters parsed during the video decoding process can be used as meta information.
  • the video decoding device can use the encoding mode, flag, index information, and derived parameters used in the decoding process as meta information.
  • the decoded directional prediction mode p is used as meta information.
  • ISP mode information is used as meta information.
  • the quantization parameter is 24, 24 is used as meta information.
  • the index is used as meta information.
  • the MTS index or flag for MTS is used as meta information.
  • a video decoding device combines one or more meta information into a meta information input vector creates .
  • a meta information input vector For example, in the above example, if the current block is 32 ⁇ 32 and the structure is 2N ⁇ 2N, vector 00 is selected. Additionally, since one of the horizontal and vertical lengths of the block is greater than or equal to 16, the third bin is selected as 0, and the final input meta information vector can be expressed as 000. For example, in the example of FIG. 7, 0, 0, and 0 may be input into x 1 , x 2 , and x 3 .
  • the video decoding device inputs the meta information vector into a neural network and generates the meta information feature vector, can be created. Can be used to select a mode in the encoding and decoding process or to express a query in a mapping table, as shown in the examples of FIGS. 9 and 10. For example, in the example of Figure 9, If is 0, S 0 is selected from the sets of S 0 , S 1 , and S 2 of MIP. Additionally, in the example of Figure 10, If is 00, the horizontal and vertical kernels can be selected as DCT2.
  • a video decoding device can use the parsed compression parameters as meta information. For example, if the quantization parameter is 27, the length of the current block is 16, and the intra prediction mode is 12, 27, 16, and 12 can be input to x 1 , x 2 , and x 3 in the example of FIG. 7. .
  • the image decoding device can input surrounding reference pixels of the current block into a neural network to generate a meta information feature vector.
  • W reference pixels located at the top of the current block are input to W input nodes among the remaining input nodes. It can be.
  • H reference pixels located to the left of the current block can be input to H input nodes.
  • FIG. 11 is an exemplary diagram illustrating a method of encoding a current block performed by an image encoding device according to an embodiment of the present disclosure.
  • the video encoding device obtains compression parameters for the current block (S1100).
  • the compression parameters include parameters set in consideration of bit rate-distortion optimization aspects at a high level for the current block. Additionally, compression parameters may include information determined in consideration of bit rate-distortion optimization aspects at the level of the current block. This information may include all or part of information related to the block structure of the current block, size of the current block, segmentation information, intra prediction, inter prediction, and motion vector.
  • the video encoding device generates meta information by combining one or more compression parameters (S1102).
  • the meta information may include each compression parameter as is or may include a vector generated from each compression parameter.
  • the image encoding device inputs meta information into a deep learning-based extraction model to generate a meta information feature vector (S1104).
  • the video encoding device may generate an input vector by combining one or more vectors of each compression parameter, and input the generated input vector into an extraction model.
  • the extraction model may be an omnidirectional network as described above.
  • the meta information feature vector can be the result of a mapping table used in existing VVC, a mode according to block encoding conditions, etc.
  • the extraction model can be trained in advance using training meta information and corresponding labels.
  • the label may be, for example, idx in MIP, as described above.
  • the extraction model can be shared between the video encoding device and the video decoding device.
  • the video encoding device performs the encoding process of the current block using the meta information feature vector (S1106).
  • the meta information when the encoding process is MIP, includes the block structure of the current block, the size of the current block, reference samples of the current block, quantization parameters, and parameters related to intra prediction, and the meta information feature vector is a set of sets. It may be idx indicating one of the following. At this time, the sets include matrices and vectors used in the application of MIP.
  • an intra prediction mode that replaces the MIP mode can be created.
  • the meta information is reference samples of the current block, and the meta information feature vector may be repIdx, an alternative index indicating the intra prediction mode.
  • the intra prediction mode mapped to the alternative index can be used to derive MPM when intra prediction of a block. For example, if the luma block located to the left of the current block is predicted as a MIP or the luma block located at the top of the current block is predicted as a MIP, the video encoding device may apply the replacement index of the corresponding luma block in the process of constructing the MPM list. You can.
  • FIG. 12 is an exemplary diagram illustrating a method of decoding a current block performed by an image decoding device according to an embodiment of the present disclosure.
  • the video decoding device decodes compression parameters for the current block from the bitstream (S1200).
  • the compression parameters include parameters decrypted at a higher level for the current block. Additionally, compression parameters may include decrypted information at the level of the current block. At this time, the decoded information may include all or part of information related to the block structure of the current block, the size of the current block, reference samples of the current block, segmentation information, intra prediction, inter prediction, and motion vector.
  • the video decoding device generates meta information by combining one or more of the compression parameters (S1202).
  • the meta information may include each compression parameter as is or may include a vector generated from each compression parameter.
  • the image decoding device inputs meta information into a deep learning-based extraction model to generate a meta information feature vector (S1204).
  • the video encoding device may generate an input vector by combining one or more vectors of each compression parameter, and input the generated input vector into an extraction model.
  • the extraction model may be an omnidirectional network as described above.
  • the meta information feature vector can be the result of a mapping table used in existing VVC, a mode according to block encoding conditions, etc.
  • the video decoding device performs the decoding process of the current block using the meta information feature vector (S1206).
  • the meta information includes the block structure of the current block, the size of the current block, reference samples of the current block, quantization parameters, and parameters related to intra prediction
  • the meta information feature vector is a set of sets. It may be idx indicating one of the following.
  • the sets include matrices and vectors used in the application of MIP.
  • an intra prediction mode that replaces the MIP mode can be created.
  • the meta information is reference samples of the current block, and the meta information feature vector may be repIdx, an alternative index indicating the intra prediction mode.
  • the intra prediction mode mapped to the alternative index can be used to derive MPM when intra prediction of a block. For example, if the luma block located to the left of the current block is predicted as MIP or the luma block located at the top of the current block is predicted as MIP, the video decoding device may apply the replacement index of the corresponding luma block in the process of constructing the MPM list. You can.
  • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Discrete Mathematics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

본 실시예는 메타 정보를 이용하는 비디오 코딩방법 및 장치를 개시한다. 본 실시예에서, 영상 복호화 장치는 현재블록에 대해 압축 파라미터들을 복호화한 후, 압축 파라미터들 중 하나 이상을 조합하여 메타 정보를 생성한다. 여기서, 메타 정보는 각 압축 파라미터를 그대로 포함하거나 각 압축 파라미터로부터 생성된 메타정보 벡터를 포함한다. 영상 복호화 장치는 메타 정보를 딥러닝 기반 추출 모델에 입력하여 메타정보 특징벡터를 생성한 후, 메타정보 특징벡터를 이용하여 현재블록의 복호화 과정을 수행한다.

Description

메타 정보를 이용하는 비디오 코딩을 위한 방법 및 장치
본 개시는 메타 정보를 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.
메타 정보(meta information)는 블록 구조, 인트라 예측, 인터 예측, 양자화 파라미터, 움직임벡터 등과 같이 비디오 부호화 및 복호화 과정에서 사용하는 파라미터들 중 하나 또는 그 이상의 조합으로 정의된다. 이후 메타 정보로부터 도출된 특징 벡터는 비디오 부호화/복호화에 이용될 수 있다. 따라서, 비디오 부호화 효율을 향상시키고 비디오 화질을 개선하기 위해, 메타 정보로부터 효율적으로 특징 벡터를 도출하는 방안 및 특징 벡터를 효율적으로 이용하는 방안이 고려될 필요가 있다.
본 개시는, 딥러닝 기반 추출 모델을 이용하여 메타 정보로부터 특징 벡터를 추출하고, 추출된 특징 벡터를 비디오 부호화/복호화에 이용하는 비디오 코딩방법 및 장치를 제공하는 데 목적이 있다.
본 개시의 실시예에 따르면, 영상 복호화 장치가 수행하는, 현재블록을 복원하는 방법에 있어서, 비트스트림으로부터 상기 현재블록에 대해 압축 파라미터들을 복호화하는 단계; 상기 압축 파라미터들 중 하나 이상을 조합하여 메타 정보를 생성하는 단계, 여기서, 상기 메타 정보는 각 압축 파라미터를 그대로 포함하거나 상기 각 압축 파라미터로부터 생성된 메타정보 벡터를 포함함; 상기 메타 정보를 딥러닝 기반 추출 모델에 입력하여 상기 메타 정보의 특징 벡터를 생성하는 단계; 및 상기 특징 벡터를 이용하여 상기 현재블록의 복호화 과정을 수행하는 단계를 포함하는 것을 특징으로 하는, 방법을 제공한다.
본 개시의 다른 실시예에 따르면, 영상 부호화 장치가 수행하는, 현재블록을 부호화하는 방법에 있어서, 상기 현재블록에 대해 압축 파라미터들을 획득하는 단계; 상기 압축 파라미터들 중 하나 이상을 조합하여 메타 정보를 생성하는 단계, 여기서, 상기 메타 정보는 각 압축 파라미터를 그대로 포함하거나 상기 각 압축 파라미터로부터 생성된 메타정보 벡터를 포함함; 상기 메타 정보를 딥러닝 기반 추출 모델에 입력하여 상기 메타 정보의 특징 벡터를 생성하는 단계; 및 상기 특징 벡터를 이용하여 상기 현재블록의 부호화 과정을 수행하는 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, 현재블록에 대해 압축 파라미터들을 획득하는 단계; 상기 압축 파라미터들 중 하나 이상을 조합하여 메타 정보를 생성하는 단계, 여기서, 상기 메타 정보는 각 압축 파라미터를 그대로 포함하거나 상기 각 압축 파라미터로부터 생성된 메타정보 벡터를 포함함; 상기 메타 정보를 딥러닝 기반 추출 모델에 입력하여 상기 메타 정보의 특징 벡터를 생성하는 단계; 및 상기 특징 벡터를 이용하여 상기 현재블록의 부호화 과정을 수행하는 단계를 포함하는 것을 특징으로 하는, 기록매체를 제공한다.
이상에서 설명한 바와 같이 본 실시예에 따르면, 딥러닝 기반 추출 모델을 이용하여 메타 정보로부터 특징 벡터를 추출하고, 추출된 특징 벡터를 비디오 부호화/복호화에 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(QuadTree plus BinaryTree TernaryTree) 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 행렬가중 인트라 예측(matrix weighted intra prediction)을 나타내는 예시도이다.
도 7은 딥러닝 기반 신경망으로서 전방향 네트워크를 나타내는 예시도이다.
도 8은 본 개시의 일 실시예에 따른, 메타 정보를 이용하는 영상 복호화 장치를 나타내는 예시도이다.
도 9는 본 개시의 일 실시예에 따른, 메타 정보의 이용을 나타내는 예시도이다.
도 10은 본 개시의 다른 실시예에 따른, 메타 정보의 이용을 나타내는 예시도이다.
도 11은 본 개시의 일 실시예에 따른, 영상 부호화 장치가 수행하는 현재블록을 부호화하는 방법을 나타내는 예시도이다.
도 12는 본 개시의 일 실시예에 따른, 영상 복호화 장치가 수행하는 현재블록을 복호화하는 방법을 나타내는 예시도이다.
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) 및/또는 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 CTU의 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 CTU들로 분할한 이후에, 트리 구조(tree structure)를 이용하여 CTU를 반복적으로(recursively) 분할한다. 트리 구조에서의 리프 노드(leaf node)가 부호화의 기본 단위인 CU가 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 4 개의 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 4 개의 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 2 개의 비방향성 모드와 65 개의 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)으로부터 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 엔트로피 부호화부(155)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(B2) 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 기결정된 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 엔트로피 부호화부(155)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, 잔차신호들의 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(B2) 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 기정의된 함수(예컨대, 중앙값, 평균값 연산 등)를 적용하여 구할 수 있다. 이 경우, 영상 복호화 장치도 기정의된 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 잔차신호들을 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.
가산기(170)는 복원된 잔차블록과 예측부(120)에 의해 생성된 예측블록을 가산하여 현재블록을 복원한다. 복원된 현재블록 내의 픽셀들은 다음 순서의 블록을 인트라 예측할 때 참조 픽셀들로서 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. 루프 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 픽셀들과 원본 픽셀들 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.
영상 부호화 장치는 부호화된 비디오 데이터의 비트스트림을 비일시적인 기록매체에 저장하거나 통신 네트워크를 이용하여 영상 복호화 장치에게 전송할 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 예측정보, 잔차신호들에 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 잔차신호들에 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 잔차신호들로 “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 역변환부(530)로부터 출력되는 잔차블록과 인터 예측부(544) 또는 인트라 예측부(542)로부터 출력되는 예측블록을 가산하여 현재블록을 복원한다. 복원된 현재블록 내의 픽셀들은 이후에 복호화할 블록을 인트라 예측할 때의 참조픽셀들로서 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)로 인해 발생하는 복원된 픽셀들과 원본 픽셀들 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, 딥러닝 기반 추출 모델을 이용하여 메타 정보로부터 특징 벡터를 추출하고, 추출된 특징 벡터를 비디오 부호화/복호화에 이용하는 비디오 코딩방법 및 장치를 제공한다.
이하의 실시예들은 영상 부호화 장치(video encoding device) 내 여러 구성요소들에 의해 수행될 수 있다. 또한, 영상 복호화 장치(video decoding device) 내 여러 구성요소들에 의해 수행될 수 있다.
영상 부호화 장치는, 현재블록의 부호화에 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 현재블록의 복호화와 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. 행렬가중 인트라 예측(Matrix weighted Intra Prediction, MIP)
도 6은 행렬가중 인트라 예측(matrix weighted intra prediction)을 나타내는 예시도이다.
가로 W, 세로 H의 크기를 갖는 현재블록의 인트라 예측 시, 현재블록의 주변 화소와 현재블록의 부호화 정보를 사용하여, 도 6에 예시된 바와 같이, 기정의된 행렬(matrix) 연산을 기반으로 예측자가 생성될 수 있다. 이러한 규칙 기반의 예측방법을 MIP(Matrix weighted Intra Prediction)라 한다.
MIP는 기정의된 행렬 연산을 이용하여 인트라 예측자의 전부 또는 일부를 생성한다. 예측자의 일부가 생성되는 경우, MIP는 일부 예측자를 사용하여 업샘플링 또는 업스케일링을 위한 보간(interpolation)을 추가적으로 수행함으로써, 현재블록의 크기와 동일한 최종 인트라 예측샘플들을 생성할 수 있다.
한편, MIP는 현재블록과 공간적으로 인접한 화소들 중 일부의 화소들을 선택적으로 선별하여 현재블록의 주변 화소들로 사용할 수 있다. 다른 실시예로서, MIP는 서브샘플링, 다운스케일링 등의 방법에 기반하는 연산에 따라 유도된 값들을 행렬 연산에 사용할 수도 있다.
도 6의 예시는, 연산에 따라 유도된 값들, 및 현재블록보다 작은 크기의 행렬을 이용하여 현재블록의 예측자의 일부가 생성되는 예시를 나타낸다. 이하, 도 6의 예시를 이용하여, MIP의 실시예를 설명한다.
첫 번째 단계에서, 평균 연산을 이용하여, 현재블록의 경계 화소들(boundary samples)로부터 특정 개수의 샘플들이 생성된다. 예컨대, 블록 크기에 따라 기정의된 규칙을 이용하여 상단의 경계 화소들 bdrytop, 및 좌측의 경계 화소들 bdryleft로부터 축소된 경계 화소들 bdrytop red 및 bdryleft red가 생성된다. 여기서 기정의된 규칙은 평균 및 다운샘플링의 결합일 수 있다. 또한, 사전에 정의된 규칙에 따라 축소된 bdrytop red와 bdryleft red를 결합하여 축소된 경계 벡터 bdryred이 생성된다. 현재블록의 크기 및 모드에 따라 축소된 경계 벡터 bdryred은 수학식 1과 같이 생성될 수 있다.
Figure PCTKR2023008133-appb-img-000001
여기서 모드는 추후에 기술될 MIP 모드를 나타낸다. 수학식 1에 따라, W=H=4이고 모드가 18 미만인 경우, bdrytop red와 bdryleft red를 연결하여 bdryred이 생성된다. 반면 모드가 18 이상인 경우, bdryleft red 와 bdrytop red의 순서로 연결하여 bdryred이 생성된다. 한편, W=H=4인 경우, bdryred이 크기는 4이고, 그 외의 경우, bdryred이 크기는 8이다.
두 번째 단계에서, 도 6에 예시된 바와 같이, 축소된 경계 벡터 bdryred에 기정의된 행렬 연산을 적용하여, 현재블록의 일부에 대해 축소된 예측자 predred이 생성된다. 여기서, predred는 현재블록이 다운샘플링된 크기를 갖는 블록으로서, 너비 Wred와 높이 Hred를 갖는다. 너비 Wred와 높이 Hred는 현재블록의 크기에 따라 수학식 2와 같이 결정될 수 있다.
Figure PCTKR2023008133-appb-img-000002
한편, 축소된 예측자 predred는, 행렬 및 오프셋 벡터를 이용하여 수학식 3에 따라 산정될 수 있다.
Figure PCTKR2023008133-appb-img-000003
여기서, Ak는 사전에 정의된 행렬로서, Wred·Hred 개수의 행과 bdryred와 동일한 차원의 열을 갖는다. 따라서, W=H=4인 경우, Ak는 4 개의 열을 갖고, 그 외의 경우 8 개의 열을 갖는다. 한편, 오프셋 벡터 bk는 사전에 정의된 벡터로서 Wred·Hred 차원의 크기를 갖는다. Ak 및 bk의 아래첨자 k는 기정의된 행렬들 및 벡터들 중 하나를 지시하는 인덱스이다.
Ak 및 bk는 S0, S1, S2 집합들 중 하나의 집합으로부터 선택될 수 있다. 이때, 하나의 집합을 지시하는 인덱스 idx(W,H)는 블록의 크기에 기초하여 수학식 4와 같이 추출된다.
Figure PCTKR2023008133-appb-img-000004
집합 S0은 각각 16 행 및 4 열을 갖는 18 개의 행렬 A0 i, i∈ {0, ..., 17} 과 크기가 각각 16 인 18 개의 오프셋 벡터 b0 i, i∈ {0, ..., 17}를 포함하고, 4×4 인 블록에 사용된다. 집합 S1은 각각 16 행 및 8 열을 갖는 10 개의 행렬 A1 i, i∈ {0, ..., 9}와 크기가 각각 16인 10 개의 오프셋 벡터 b1 i, i∈ {0, ..., 9}를 포함하고, 4×8, 8×4 및 8×8 크기의 블록에 사용된다. 또한, 집합 S2는 각각 64 행 및 8 열을 갖는 6 개 행렬 A2 i, i∈ {0, ..., 5}과 크기가 각각 64인 6 개의 오프셋 벡터 b2 i, i∈ {0, ..., 5}를 포함하고, 다른 크기를 갖는 모든 블록들에 사용된다.
블록의 크기에 기초하는 각 인덱스 idx(W,H)에 대해 MIP 모드의 개수는 각각 35 개, 19 개, 11 개이다. 한편, 메모리 소모량을 감소시키기 위해 한 쌍의 MIP 모드들이 동일한 행렬 및 오프셋 벡터를 사용할 수 있다. 따라서, 수학식 3의 Ak 및 bk에서, k는 수학식 5와 같이 표현될 수 있다.
Figure PCTKR2023008133-appb-img-000005
세 번째 단계에서, 축소된 예측자 predred에 선형 보간을 적용하여 현재블록의 나머지 위치에 대한 예측샘플들이 생성된다. 이러한 선형 보간은, 블록의 크기 및 모양과 관계 없이, 수평 방향으로 먼저 진행된 후, 수직 방향으로 진행된다.
일 예로서, MIP의 활성화 여부를 지시하기 위하여, 영상 부호화 장치는 행렬기반 예측 플래그를 부호한 후, 영상 복호화 장치로 전송할 수 있다. MIP 모드가 적용될 경우, MPM(most probable mode) 플래그는, 예측모드가 MPM 모드들 중 하나인지 여부를 표시하도록 시그널링된다. MIP에서는 3-MPM이 적용되어, MPM 모드는 truncated binary code로 부호화되고, non MPM 모드는 고정 길이 코드(Fixed Length Code, FLC)로 부호화된다. 이때, MIP 모드가 적용이 되는 블록의 주변에 MIP가 적용이 되지 않은 블록('정규 블록'으로 명칭)이 존재하는 경우, MIP 모드가 적용이 되는 블록의 MPM 유도가 매핑 테이블을 이용하여 수행될 수 있다. 즉, 정규 모드가 적용되는 주변 블록으로부터 유사한 특성의 MIP 모드를 도출하기 위해 매핑 테이블이 사용된다. 이렇게 유도된 MIP 모드는 MIP 모드가 적용이 되는 블록의 MPM 유도에 사용된다.
또한, 정규 블록의 주변에 MIP가 적용이 되는 블록이 있는 경우, 정규 블록의 MPM 유도를 매핑 테이블을 이용하여 수행할 수 있다. 즉, MIP가 적용되는 주변 블록의 MIP 모드로부터 유사한 특성의 정규 모드를 도출하기 위해 매핑 테이블이 사용된다. 이렇게 유도된 정규 모드는 정규 블록의 MPM 유도에 사용된다. 유사하게, 크로마 DM 유도에서 사용하는 동일 위치의 루마 블록이 MIP를 적용하는 경우에도, 매핑 테이블을 이용하여 정규 모드를 도출하고, 도출된 정규 모드가 크로마 DM 유도에 사용될 수 있다.
매핑 테이블을 이용하는 정규 모드와 MIP 모드 간의 매핑은 수학식 6과 같이 표현될 수 있다.
Figure PCTKR2023008133-appb-img-000006
여기서, ALWIP(Affine linear weighted intra prediction)은 MIP의 다른 표현이다. 수학식 6에서 전자의 수학식은 정규 모드를 MIP 모드로 매핑하고, 후자의 수학식은 MIP 모드를 정규 모드로 매핑한다.
블록의 크기에 기초하는 각 인덱스 idx(W,H)에 대해 정규 모드를 MIP 모드로 매핑하는 매핑 테이블의 일부는 표 1과 같이 표현될 수 있다.
Figure PCTKR2023008133-appb-img-000007
여기서, MipSizeID는 인덱스 idx(W,H)와 동일한 값이다. [xNbX][yNbX]는 주변 블록의 위치를 나타내고, IntraPredModeY[xNbX][yNbX]는 해당 위치에서의 정규 모드를 나타낸다. 표 1에 따라 정규 인트라 예측모드(표 3a의 0 내지 66)들은 각 인덱스 idx(W,H)에 대응하는 MIP 모드들로 매핑될 수 있다.
블록의 크기에 기초하는 각 인덱스 idx(W,H)에 대해 MIP 모드를 정규 모드로 매핑하는 매핑 테이블의 일부는 표 2와 같이 표현될 수 있다.
Figure PCTKR2023008133-appb-img-000008
여기서, MipSizeID는 인덱스 idx(W,H)와 동일한 값이다. [xNbX][yNbX]는 주변 블록의 위치를 나타내고, IntraPredModeY[xNbX][yNbX]는 해당 위치에서의 MIP 모드를 나타낸다. 표 2에 따라 각 인덱스 idx(W,H)에 대응하는 MIP 모드들은 정규 인트라 예측모드(표 3a의 0 내지 66)들로 매핑될 수 있다.
다른 예로서, MIP의 활성화 여부를 지시하기 위하여, 영상 부호화 장치는 행렬기반 예측 플래그를 부호화한 후, 영상 복호화 장치로 전송할 수 있다. 이때, MIP는 MPM을 사용하는 정규 인트라 예측모드와 분리되어 수행될 수 있다. 추가적으로, 영상 부호화 장치는 기정의된 행렬들 중 하나, 및 기정의된 벡터들 중 하나를 지시하기 위해 MIP 모드를 부호화한 후, 영상 복호화 장치로 전송할 수 있다. 한편, 정규 블록의 주변에 MIP가 적용이 되는 블록이 있는 경우, MIP가 적용이 되는 주변블록을 Planar 모드로 가정한 후, 정규 블록의 MPM 후보 리스트가 생성될 수 있다.
II. 다중변환선택 (Multiple transform selection. MTS)
HEVC에서 변환이 적용되는 경우, 변환블록(Transform Block, TB)의 잔차 신호들을 변환하기 위한 변환 커널(transform kernel, 이하, 변환 타입(transform type)과 호환하여 사용)로서 DCT-II가 사용된다. 그러나, 잔차 신호 특성의 다양성에 따라 보다 적절한 변환 기법을 적용하기 위하여, 다중변환선택(Multiple Transform Selection, MTS)이 사용될 수 있다. MTS는 다중의 변환 타입들 중 하나 또는 둘의 최적의 타입을 결정한 후, 결정된 변환 타입에 따라 블록을 변환한다. 예컨대, VVC에서는 표 3과 같이, DCT-II 외에 두 개의 다른 변환 타입인 DCT-VIII 및 DST-VII이 추가되어, 잔차 신호들이 다양하게 변환될 수 있도록 한다.
Figure PCTKR2023008133-appb-img-000009
여기서, 베이시스 함수들은 각 변환 타입을 정의하는 변환 행렬을 구성한다. 이하, DCT-II, DCT-VIII 및 DST-VII는 각각 DCT2, DCT8 및 DST7과 호환적으로 사용된다.
이러한 MTS에 대한 플래그는 CU 레벨에서 결정되고, 예측모드가 인트라/인터인지의 여부와 가로방향/세로방향인지 여부에 따라 표 4와 같이 다양하게 변환 타입이 시그널링될 수 있다.
Figure PCTKR2023008133-appb-img-000010
먼저 MTS_CU_flag가 0인 경우, 가로방향과 세로방향에 대해 DCT2 변환 타입이 적용된다. 반면, MTS_CU_flag가 0이 아닌 경우, MTS_Hor_flag 및 MTS_Ver_flag의 조합에 따라 가로방향과 세로방향에 대해 상이한 변환 타입이 적용될 수 있다.
한편, 표 4에 따라 MTS 인덱스(mts_idx)가 유도될 수 있다. 예컨대, MTS_CU_flag가 0인 경우, mts_idx=0으로 설정될 수 있다. 또한, MTS_CU_flag가 1인 경우, MTS_Hor_flag 및 MTS_Ver_flag의 조합에 따라 표4의 순서대로 MTS 인덱스가 설정될 수 있다. 예를 들어, MTS_Hor_flag=0, MTS_Ver_flag=0인 경우, mts_idx=1로 설정되고, MTS_Hor_flag=1, MTS_Ver_flag=1인 경우, mts_idx=4로 설정될 수 있다.
III. 전방향 네트워크(feed-forward network)
딥러닝 기반 신경망(neural network)은 도 7의 예시와 같이, 다수의 뉴런들과 뉴론들을 연결하는 에지(edge)들로 구성이 된다. 신경망의 입력 레이어(input layer)와 출력 레이어(output layer)는 하나의(single) 층으로 구성되고, 은닉 레이어(hidden layer)는 하나 이상의 계층(layer)를 포함할 수 있다. 하나의 은닉 레이어는 하나 이상의 은닉 유닛(hidden unit, 또는 은닉 노드(hidden node))를 포함한다. 또한, 각 에지는 상이한 가중치(weight)를 갖는다. 또한, 하나의 계층에서 다음 계층으로 출력 값들이 전파되는 과정에서, 활성화 함수(activation function)가 사용될 수 있다. 대표적인 활성화 함수로서, 시그모이드(sigmoid) 함수, 탄젠트 하이퍼볼릭(tangent hyperbolic) 함수, 또는 Relu(Rectified linear unit) 함수가 사용될 수 있다.
도 7의 예시와 같이, 기본적인 전방향 네트워크 형태를 갖는 2-레이어 신경망 모델은 입력 벡터
Figure PCTKR2023008133-appb-img-000011
를 중간의 은닉 유닛을 통과시켜 출력 벡터
Figure PCTKR2023008133-appb-img-000012
를 제공한다. 전술한 전방향 네트워크 구조에서 출력 레이어에 위치하는 임의의 노드값은 수학식 7과 같이 표현될 수 있다.
Figure PCTKR2023008133-appb-img-000013
이때,
Figure PCTKR2023008133-appb-img-000014
과
Figure PCTKR2023008133-appb-img-000015
는 가중치 매트릭스로서 각각 입력 벡터와 은닉 유닛들을 연결하는 에지들과 은닉 유닛들와 출력 벡터를 연결하는 에지들에 대응한다. wji (1) 및 wkj (2)는 각각
Figure PCTKR2023008133-appb-img-000016
과
Figure PCTKR2023008133-appb-img-000017
의 구성요소를 나타낸다. yk는 출력 벡터
Figure PCTKR2023008133-appb-img-000018
의 구성요소를 나타낸다. x0 및 z0는 각각 입력 레이어와 은닉 레이어의 바이어스 유닛을 나타낸다. 따라서, D는 입력 벡터
Figure PCTKR2023008133-appb-img-000019
의 차원이고, M은 은닉 유닛들의 개수를 나타내며, K는 출력 벡터
Figure PCTKR2023008133-appb-img-000020
의 차원이다. 또한, h와 σ는 각각 은닉 레이어 및 출력 레이어에 적용되는 활성화 함수이다. 한편, 은닉 레이어와 출력 레이어의 출력에 반드시 활성화 함수가 인가되는 것은 아니다. 활성화 함수가 사용되지 않는 경우, 수학식 7은
Figure PCTKR2023008133-appb-img-000021
과
Figure PCTKR2023008133-appb-img-000022
간의 가중치 매트릭스 곱에 해당하는 연산을 포함한다.
트레이닝용 데이터 및 레이블들에 기초하여 에지들에 대한 가중치들을 산정하는 과정을 트레이닝(training)이라 한다. 트레이닝은 보통 역전파(back propagation) 알고리즘에 의한 SGD(stochastic gradient descent) 알고리즘을 이용하여 수행될 수 있다. 트레이닝에 따라 산정된 파라미터들인 가중치들을 이용하여 순방향(feed-forward)으로 출력을 계산하는 과정을 추론 또는 검증(test)이라 한다.
이하의 실시예들은 영상 복호화 장치를 중심으로 기술되나, 전술한 바와 같이 영상 부호화 장치에 의해서도 수행될 수 있다.
IV. 본 발명에 따른 실시예들
이하, 현재블록의 압축 과정에서 사용하는 파라미터들 중 하나 이상의 조합을 메타 정보로 정의하고, 메타 정보를 비디오 부호화/복호화에 사용하는 방법을 기술한다. 본 실시예는 메타 정보를 생성하는 방법, 메타 정보를 이용하여 메타정보 특징벡터를 생성하는 방법, 및 메타정보 특징벡터를 이용하여 현재블록을 부호화/복호화하는 방법을 포함한다.
도 8은 본 개시의 일 실시예에 따른 메타 정보를 이용하는 영상 복호화 장치를 나타내는 예시도이다.
메타 정보를 이용하여 현재블록을 복호화하기 위해, 영상 복호화 장치는 메타정보 생성부(meta information generator, 810), 메타정보 특징벡터 생성부(meta information feature vector generator, 820), 및 복호화 수행부(decoding performer, 830)을 포함할 수 있다.
메타정보 생성부(810)는, 전술한 바와 같이 현재블록의 압축 과정에서 사용하는 파라미터들 중 하나 이상의 조합을 메타 정보로 생성한다. 압축 파라미터들(compression parameters)은 신택스 구성요소들 및 그 파생요소들로서, 블록의 크기, 블록 구조, 참조샘플들, 인트라 예측모드, 인터 예측모드, 움직임벡터, 양자화 파라미터 등을 포함한다. 한편 압축 파라미터들은 현재블록의 부호화 및 복호화에 모두 이용될 수 있다.
메타정보 특징벡터 생성부(820)는 메타 정보를 딥러닝 기반 추출 모델에 입력하여 K×1 크기의 메타정보 특징벡터를 생성한다. 여기서, 신경망인 추출 모델은 전술한 바와 같은 전방향 네트워크일 수 있다. 이때, 활성화 함수가 제외된 채로, 전방향 네트워크가 사용될 수 있다. 메타정보 특징벡터는 기존 VVC에서 이용하는 매핑 테이블의 결과, 블록 부호화 조건에 따른 모드 등이 될 수 있다.
복호화 수행부(830)는, 현재블록의 복호화에 메타정보 특징벡터를 이용한다. 예컨대, 복호화 수행부(830)는 예측부(540)의 동작을 수행할 수 있다. 또는, 복호화 수행부(830)는 역변환부(530)의 동작을 수행할 수 있다. 즉, 복호화 수행부(830)는 현재블록의 복호화에 메타정보 특징벡터를 이용할 수 있는 영상 복호화 장치 내 어느 구성요소일 수 있다.
또한, 도 8에 예시된 메타 정보의 생성 및 이용은 영상 부호화 장치 내, 예컨대 디코딩 경로의 구성요소들에 의해서도 활용될 수 있다. 예컨대, 복호화 수행부(830)는 영상 부호화 장치 내 예측부(120)의 동작을 수행할 수 있다. 또는, 복호화 수행부(830)는 영상 부호화 장치 내 역변환부(165)의 동작을 수행할 수 있다.
본 실시예에 따르면, 기존의 VVC에서 사용하는 매핑 테이블을 기반으로 부호화 모드 및 인덱스를 결정하는 방식과 비교하여, 보다 다양한 압축 파라미터들을 이용하면서도 매핑 테이블 없이 기존의 과정이 대체될 수 있다.
일 예로서, 도 9의 좌측 예시와 같이, 기존의 VVC 기술에서 MIP 예측은, 수학식 4에서와 같이 인덱스 idx를 도출한 후, 도출된 인덱스에 따라 행렬 및 오프셋 벡터를 포함하는 집합 Sidx를 선택한다. 이때 idx 값은 수학식 4에서와 같이 블록의 크기에 따라 도출될 수 있다. 하지만, 블록 구조, 참조샘플들, 양자화 파라미터, 그외 인트라 예측 과정에서 사용 가능한 기타 파라미터들에 기초하여 상이한 idx를 설정하는 경우, 경우의 수가 지나치게 증가할 수 있다. 이때, 도 9의 우측 예시와 같이, 본 실시예를 적용함으로써, 전술한 다양한 경우들이 효율적으로 대처될 수 있다.
또한, 본 실시예는 MIP에서 사용되는 매핑 테이블을 대체할 수 있다. 예를 들어, 본 실시예는, 표 1 및 표 2와 같이 MIP 적용 블록 크기에 기초하는 MIP 모드와 인트라 예측모드 간의 매핑 관계를 대체할 수 있다. 즉, 표 1 및 표 2에서 MIP 모드가 적용되는 블록 크기만이 이용되나, 본 실시예는 보다 다양한 압축 파라미터들을 활용하여 매핑 관계를 구현할 수 있다.
또한, 본 실시예는 MIP 모드를 대체하는 인트라 예측모드를 생성할 수 있다. 본 실시예는 전방향 네트워크를 이용하여 메타 정보를 대체 인덱스인 repIdx로 매핑할 수 있다. 여기서, 메타 정보는 현재블록의 참조샘플들이고, repIdx는 도 3a의 예시에 따른 67 개의 인트라 예측모드들 중 하나를 지시할 수 있다. 추후, 대체 인덱스로 매핑된 인트라 예측모드는 블록의 인트라 예측 시 MPM 유도에 이용될 수 있다. 예컨대, 현재블록의 좌측에 위치한 루마 블록이 MIP로 예측되거나 현재블록의 상단에 위치한 루마 블록이 MIP로 예측된 경우, 영상 복호화 장치는 해당되는 루마 블록의 대체 인덱스를 MPM 리스트의 구성 과정에 적용할 수 있다.
다른 예로서, 본 실시예는 도 10의 좌측 예시와 같은 VVC에서의 MTS 선택 과정을 대체할 수 있다. 예를 들어, 표 4는 VVC에서의 변환 커널 선택에 관련된 매핑 관계를 나타낸다. 즉, 인터 예측 및 인트라 예측모드의 선택 여부를 확인하고, 수평 방향 및 수직 방향의 변환 여부에 따라 DCT2, DST7, DCT8 중 하나를 변환 커널이 선택될 수 있다. 반면, 도 10의 우측 예시와 같이, 본 실시예를 적용함으로써, 보다 다양한 압축 파라미터들을 활용하여 압축 파라미터들과 변환 커널들 간 매핑 관계가 구현될 수 있다.
전술한 MIP 및 MTS에 대한 본 실현예의 적용은 예시들이고, 본 실현예는 기존 VVC에서 이용하는 매핑 테이블, 블록 부호화 조건에 따른 모드 설정 등에 포괄적으로 적용될 수 있다.
한편, 트레이닝용 메타 정보 및 대응하는 레이블을 이용하여, 메타정보 특징벡터 생성부(820) 내의 추출 모델은 사전에 트레이닝될 수 있다. 레이블은, 예컨대, 전술한 바와 같은, MIP에서의 idx 또는 MTS에서의 변환 커널일 수 있다. 트레이닝 과정에서, 추출 모델이 생성하는 출력과 레이블 간의 차이에 기반하는 손실 함수를 이용하여, 추출 모델의 가중치들이 업데이트될 수 있다. 영상 부호화 장치가 가중치들을 영상 복호화 장치로 전달함으로써, 추출 모델이 영상 부호화 장치와 영상 복호화 장치에서 공유될 수 있다.
이하, 메타 정보를 생성하는 방법을 기술한다. 메타 정보는 비디오 복호화 과정에서 이용하는 비디오 압축 파라미터들을 벡터로 표현한다. 이때 비디오 압축 파라미터들은, 비트스트림으로부터 복호화한 VPS, SPS, 적응 파라미터 셋(Adaptive Parameter set, APS), 비디오 픽처 레벨, 비디오 슬라이스 레벨 등과 같은 상위 레벨에서 복호화한 파라미터들을 포함한다. 또한, 비디오 압축 파라미터들은 현재블록 레벨에서 복호화한 비디오 블록의 크기, 분할 정보, 인트라 예측, 인터 예측, 움직임벡터 등과 관련된 정보의 전부 또는 일부를 포함할 수 있다.
일 예로서, 전술한 압축 파라미터들을 벡터로 표현하는 예시가 기술된다. 즉, 영상 복호화 장치는 전술한 압축 파라미터들을 벡터로 표현함으로써, 메타 정보를 생성할 수 있다. 이하, 벡터는 하나 이상 비트의 조합을 나타낸다.
먼저, 비디오 복호화 과정에서 이용하는 모든 형태의 블록 구조가 벡터로 표현된다. 예를 들어, 2N×2N, 2N×N, N×2N, N×N의 블록 구조를 이용하는 경우, 각 블록 구조는 00, 01, 10, 11과 같은 크기 2의 벡터로 표현된다. VVC에서는 quad-tree(QT), binary-tree(BT), ternary-tree(TT) 구조로 블록이 분할된다. 메타 정보는, 영상 부호화 장치 및 영상 복호화 장치가 이용 가능한 모든 블록 형태를 벡터로 표현한다.
또한, 비디오 복호화 과정에서 결정된 블록의 크기가 벡터로 표현될 수 있다. 블록의 가로 및 세로의 길이를 이용될 수 있고, 가로/세로 길이에 관한 조건이 이용될 수도 있다. 예컨대, 블록의 가로 및 세로 길이 중 하나가 16보다 크거나 같은 경우가 0으로 표현되고, 그 외의 경우들은 1로 표현될 수 있다. 또는, 블록의 가로 및 세로 길이가 동일한 경우는 0으로 표현되고, 가로 및 세로 길이가 다른 경우는 1로 표현될 수 있다.
또한, 비디오 복호화 과정에서 이용하는 양자화 파라미터(Quantization parameter, QP)가 벡터로 표현된다. 예컨대, 양자화 파라미터가 0 내지 Q-1(여기서, Q는 자연수)의 범위에 포함되는 하나의 숫자인 경우, floor(log2Q)+1 크기를 갖는 벡터들을 생성하고 그 중 하나의 벡터에 양자화 파라미터가 매핑될 수 있다. 여기서, floor 함수는 실수를 가장 작은 자연수로 내림한다. 다른 예로서, 양자화 파라미터를 floor(log2Q)+1 크기를 갖는 벡터로 표현하는 방식을 대체하여. Q의 범위를 등분한 후, 등분한 구간들이 벡터들로 표현될 수 있다. 이후, 벡터들 중 하나에 양자화 파라미터가 매핑될 수 있다. 예를 들어, 8 등분하는 경우, Q의 범위는 [0, Q/8-1], [Q/8, 2Q/8-1], …, [7Q/8, Q-1]로 등분되고 각 구간은 크기 3의 벡터로 표현된다. 예를 들어, Q의 범위가 64인 경우, QP = 27은 011의 벡터로 표현된다.
또한, 비디오 복호화 과정에서 이용하는 인트라 예측모드의 방향이 벡터로 표현된다. 예를 들어, 방향이 0 내지 P-1 (여기서, P는 자연수)의 범위에 포함되는 하나의 숫자인 경우, floor(log2P)+1 크기를 갖는 벡터들을 생성하고 그 중 하나의 벡터에 인트라 예측모드가 매핑될 수 있다. 다른 예로서, 인트라 예측모드의 방향을 floor(log2P)+1 크기를 갖는 벡터로 표현하는 방식을 대체하여, P의 범위를 등분한 후, 등분한 구간들이 벡터들로 표현될 수 있다. 이후, 벡터들 중 하나에 인트라 예측모드의 방향이 매핑될 수 있다. 예를 들어, 8 등분하는 경우, P의 범위는 [0, P/8-1], [P/8, 2P/8-1], …, [7P/8, P-1]로 등분되고 각 구간은 크기 3의 벡터로 표현된다. 예를 들어, P의 범위가 64인 경우, 인트라 예측모드 12는 001로 표현된다.
또한, 비디오 복호화 과정에서 이용하는 움직임벡터가 메타 정보의 벡터로 표현된다. 예를 들어, 움직임벡터는 구성요소가 6의 벡터인 MV=(m0, m1, m2, m3, m4, m5) 로 구성된다. 여기서, m0는 움직임벡터가 x 방향 또는 y 방향인지 여부를 구분한다. 예를 들어, m0가 0인 경우 움직임벡터가 x 방향 움직임벡터(x 축에 더 근접한 움직임벡터, 즉, x의 절대값이 y의 절대값 이상인 움직임벡터)임을 나타내고, m0가 1인 경우 움직임벡터가 y 방향 움직임벡터(즉, y 축에 더 근접한 움직임벡터, 즉, y의 절대값이 x의 절대값보다 큰 움직임벡터)임을 표시한다. m1은 움직임벡터의 해상도를 구분한다. 예를 들어, m1이 0인 경우, 움직임벡터는 정수 정밀도(integer precision)의 해상도를 갖고, m1이 1인 경우, 움직임벡터는 실수 정밀도(fractional precision)의 해상도를 갖는다.
또한, m2는 움직임벡터의 참조 픽처 인덱스를 표시한다. m3는 움직임벡터의 참조 픽처 리스트를 표시한다. 예를 들어 m3가 0인 경우, 참조 픽처 리스트가 L0 리스트이고, m3가 1인 경우 참조 픽처 리스트는 L1 리스트이다. m4는 움직임벡터의 부호(sign)를 표시한다. 즉, 움직임벡터의 부호에 기초하여 m4는 0 또는 1로 설정될 수 있다. m5는 움직임벡터의 크기를 표시한다.
움직임벡터에 대한 메타 정보의 벡터의 구성 요소 중, m0, m1, m3 및 m4는 1-비트로 표시되고, m2 및 m5는 다수의 비트들로 표시될 수 있다.
다른 예로서, 비디오 복호화 과정에서 파싱된 압축 파라미터들이 그대로 메타 정보로 이용될 수 있다. 즉, 영상 복호화 장치는 복호화 과정에서 사용한 부호화 모드, 플래그, 인덱스 정보, 파생 파라미터들을 그대로 메타 정보로 이용할 수 있다.
인트라 예측인 경우, 복호화한 방향성 예측모드 p가 메타 정보로 이용된다.
현재블록의 인트라 예측 또는 인터 예측 여부가 0/1로 표현된다.
인트라 예측이고, ISP(Intra sub-partition) 모드가 사용된 경우, ISP 모드 정보가 메타 정보로 이용된다.
예컨대, 양자화 파라미터가 24인 경우, 24가 메타 정보로 이용된다.
인루프 필터의 필터 파라미터 셋 A 내 특정 인덱스가 복호화에 사용되는 경우, 해당 인덱스가 메타 정보로 이용된다.
변환에서 MTS 모드가 사용된 경우, MTS 인덱스 또는 MTS에 대한 플래그가 메타 정보로 이용된다.
이하, 메타 정보로부터 메타정보 특징벡터를 생성하는 예시를 기술한다.
일 예로서, 영상 복호화 장치는 하나 이상의 메타 정보를 결합(concatenation)하여 메타 정보 입력 벡터
Figure PCTKR2023008133-appb-img-000023
를 생성한다. 예를 들어, 전술한 예시에서, 현재블록이 32×32인 경우 구조가 2N×2N으로서 벡터 00이 선택된다. 또한, 블록의 가로 및 세로 길이 중 하나가 16보다 크거나 같으므로 세 번째 빈은 0으로 선택되어, 최종 입력 메타 정보 벡터는 000으로 표현될 수 있다. 예를 들어, 도 7의 예시에서 x1, x2, x3에 0, 0, 0이 입력될 수 있다.
영상 복호화 장치는 메타 정보 벡터를 신경망에 입력하여 메타정보 특징벡터인
Figure PCTKR2023008133-appb-img-000024
를 생성할 수 있다.
Figure PCTKR2023008133-appb-img-000025
는 도 9 및 도 10의 예시 같이 부호화 및 복호화 과정에서 모드를 선택하거나 매핑 테이블에서 질의(query)를 표현하기 위해 사용될 수 있다. 예를 들어, 도 9의 예시에서,
Figure PCTKR2023008133-appb-img-000026
가 0이면 MIP의 S0, S1, S2 집합들 중에서 S0가 선택된다. 또한, 도 10의 예시에서,
Figure PCTKR2023008133-appb-img-000027
가 00이면, 가로 및 세로 방향의 커널이 DCT2로 선택될 수 있다.
다른 예로서, 전술한 바와 같이 영상 복호화 장치는 파싱된 압축 파라미터들을 그대로 메타 정보로 이용할 수 있다. 예를 들어, 양자화 파라미터가 27이고, 현재블록의 길이가 16이며, 인트라 예측모드가 12인 경우, 도 7의 예시에서 x1, x2, x3에 27, 16, 12이 입력될 수 있다.
다른 예로서, 메타 정보의 입력 이외에도, 영상 복호화 장치는 현재블록의 주변 참조 픽셀들을 신경망에 입력하여 메타정보 특징벡터를 생성할 수 있다. 예를 들어, 도 7에 예시에서 x1, x2, x3에 000을 입력하는 하는 것 외에도, 나머지 입력 노드들 중 W 개의 입력 노드들로 현재블록의 상단에 위치하는 W 개의 참조 화소들이 입력될 수 있다. 또한, H 개의 입력 노드들로 현재블록의 좌측에 위치하는 H 개의 참조 화소들이 입력될 수 있다.
이하, 도 11 및 도 12의 도시를 이용하여, 메타 정보를 기반으로 현재블록을 부호화/복호화하는 방법을 기술한다.
도 11은 본 개시의 일 실시예에 따른, 영상 부호화 장치가 수행하는 현재블록을 부호화하는 방법을 나타내는 예시도이다.
영상 부호화 장치는 현재블록에 대해 압축 파라미터들을 획득한다(S1100).
여기서, 압축 파라미터들은 현재블록에 대해 상위 레벨에서 비트율-왜곡 최적화 측면을 고려하여 설정된 파라미터들을 포함한다. 또한, 압축 파라미터들은 현재블록의 레벨에서 비트율-왜곡 최적화 측면을 고려하여 결정된 정보를 포함할 수 있다. 이러한 정보는 현재블록의 블록 구조, 현재블록의 크기, 분할 정보, 인트라 예측, 인터 예측 및 움직임벡터와 관련된 정보의 전부 또는 일부를 포함할 수 있다.
영상 부호화 장치는 압축 파라미터들 중 하나 이상을 조합하여 메타 정보를 생성한다(S1102). 여기서, 메타 정보는 각 압축 파라미터를 그대로 포함하거나 각 압축 파라미터로부터 생성된 벡터를 포함할 수 있다.
영상 부호화 장치는 메타 정보를 딥러닝 기반 추출 모델에 입력하여 메타정보 특징벡터를 생성한다(S1104).
영상 부호화 장치는 각 압축 파라미터의 벡터를 하나 이상 결합하여 입력 벡터를 생성하고, 생성된 입력 벡터를 추출 모델에 입력할 수 있다. 여기서, 추출 모델은 전술한 바와 같은 전방향 네트워크일 수 있다. 메타정보 특징벡터는 기존 VVC에서 이용하는 매핑 테이블의 결과, 블록 부호화 조건에 따른 모드 등이 될 수 있다.
한편, 트레이닝용 메타 정보 및 대응하는 레이블을 이용하여, 추출 모델은 사전에 트레이닝될 수 있다. 레이블은, 예컨대, 전술한 바와 같은, MIP에서의 idx일 수 있다. 영상 부호화 장치가 가중치들을 영상 복호화 장치로 전달함으로써, 추출 모델이 영상 부호화 장치와 영상 복호화 장치에서 공유될 수 있다.
영상 부호화 장치는 메타정보 특징벡터를 이용하여 현재블록의 부호화 과정을 수행한다(S1106).
예컨대, 부호화 과정이 MIP인 경우, 메타 정보는 현재블록의 블록 구조, 현재블록의 크기, 현재블록의 참조샘플들, 양자화 파라미터, 및 인트라 예측과 관련된 파라미터들을 포함하고, 메타정보 특징벡터는 집합들 중 하나를 지시하는 idx일 수 있다. 이때, 집합들은 MIP의 적용에 사용되는 행렬들 및 벡터들을 포함한다.
또한, MIP 모드를 대체하는 인트라 예측모드가 생성될 수 있다. 여기서, 메타 정보는 현재블록의 참조샘플들이고, 메타정보 특징벡터는 인트라 예측모드를 지시하는 대체 인덱스인 repIdx일 수 있다. 추후, 대체 인덱스로 매핑된 인트라 예측모드는 블록의 인트라 예측 시 MPM 유도에 이용될 수 있다. 예컨대, 현재블록의 좌측에 위치한 루마 블록이 MIP로 예측되거나 현재블록의 상단에 위치한 루마 블록이 MIP로 예측된 경우, 영상 부호화 장치는 해당되는 루마 블록의 대체 인덱스를 MPM 리스트의 구성 과정에 적용할 수 있다.
도 12는 본 개시의 일 실시예에 따른, 영상 복호화 장치가 수행하는 현재블록을 복호화하는 방법을 나타내는 예시도이다.
영상 복호화 장치는 비트스트림으로부터 현재블록에 대해 압축 파라미터들을 복호화한다(S1200).
여기서, 압축 파라미터들은 현재블록에 대해 상위 레벨에서 복호화된 파라미터들을 포함한다. 또한, 압축 파라미터들은 현재블록의 레벨에서 복호화된 정보를 포함할 수 있다. 이때, 복호화된 정보는 현재블록의 블록 구조, 현재블록의 크기, 현재블록의 참조샘플들, 분할 정보, 인트라 예측, 인터 예측 및 움직임벡터와 관련된 정보의 전부 또는 일부를 포함할 수 있다.
영상 복호화 장치는 압축 파라미터들 중 하나 이상을 조합하여 메타 정보를 생성한다(S1202). 여기서, 메타 정보는 각 압축 파라미터를 그대로 포함하거나 각 압축 파라미터로부터 생성된 벡터를 포함할 수 있다.
영상 복호화 장치는 메타 정보를 딥러닝 기반 추출 모델에 입력하여 메타정보 특징벡터를 생성한다(S1204).
영상 부호화 장치는 각 압축 파라미터의 벡터를 하나 이상 결합하여 입력 벡터를 생성하고, 생성된 입력 벡터를 추출 모델에 입력할 수 있다. 여기서, 추출 모델은 전술한 바와 같은 전방향 네트워크일 수 있다. 메타정보 특징벡터는 기존 VVC에서 이용하는 매핑 테이블의 결과, 블록 부호화 조건에 따른 모드 등이 될 수 있다.
영상 복호화 장치는 메타정보 특징벡터를 이용하여 현재블록의 복호화 과정을 수행한다(S1206).
예컨대, 복호화 과정이 MIP인 경우, 메타 정보는 현재블록의 블록 구조, 현재블록의 크기, 현재블록의 참조샘플들, 양자화 파라미터, 및 인트라 예측과 관련된 파라미터들을 포함하고, 메타정보 특징벡터는 집합들 중 하나를 지시하는 idx일 수 있다. 이때, 집합들은 MIP의 적용에 사용되는 행렬들 및 벡터들을 포함한다.
또한, MIP 모드를 대체하는 인트라 예측모드가 생성될 수 있다. 여기서, 메타 정보는 현재블록의 참조샘플들이고, 메타정보 특징벡터는 인트라 예측모드를 지시하는 대체 인덱스인 repIdx일 수 있다. 추후, 대체 인덱스로 매핑된 인트라 예측모드는 블록의 인트라 예측 시 MPM 유도에 이용될 수 있다. 예컨대, 현재블록의 좌측에 위치한 루마 블록이 MIP로 예측되거나 현재블록의 상단에 위치한 루마 블록이 MIP로 예측된 경우, 영상 복호화 장치는 해당되는 루마 블록의 대체 인덱스를 MPM 리스트의 구성 과정에 적용할 수 있다.
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)
530: 역변환부
540: 예측부
810: 메타정보 생성부
820: 메타정보 특징벡터 생성부
830: 복호화 수행부
CROSS-REFERENCE TO RELATED APPLICATION
본 특허출원은 2022년 6월 22일 한국에 출원한 특허출원번호 제 10-2022-0075990 호, 2023년 6월 12일 한국에 출원한 특허출원번호 제 10-2023-0074954 호에 대해 우선권을 주장하며, 그 모든 내용은 참고문헌으로 본 특허출원에 병합된다.

Claims (17)

  1. 영상 복호화 장치가 수행하는, 현재블록을 복원하는 방법에 있어서,
    비트스트림으로부터 상기 현재블록에 대해 압축 파라미터들을 복호화하는 단계;
    상기 압축 파라미터들 중 하나 이상을 조합하여 메타 정보를 생성하는 단계, 여기서, 상기 메타 정보는 각 압축 파라미터를 그대로 포함하거나 상기 각 압축 파라미터로부터 생성된 메타정보 벡터를 포함함;
    상기 메타 정보를 딥러닝 기반 추출 모델에 입력하여 상기 메타 정보의 특징 벡터를 생성하는 단계; 및
    상기 특징 벡터를 이용하여 상기 현재블록의 복호화 과정을 수행하는 단계
    를 포함하는 것을 특징으로 하는, 방법.
  2. 제1항에 있어서,
    상기 압축 파라미터들은,
    상기 현재블록에 대해 상위 레벨에서 복호화한 파라미터들 및 상기 현재블록의 레벨에서 복호화된 정보를 포함하되, 상기 복호화된 정보는 상기 현재블록의 블록 구조, 상기 현재블록의 크기, 상기 현재블록의 참조샘플들, 분할 정보, 인트라 예측, 인터 예측 및 움직임벡터와 관련된 정보의 전부 또는 일부를 포함하는 것을 특징으로 하는, 방법.
  3. 제1항에 있어서,
    상기 메타 정보를 생성하는 단계는,
    상기 압축 파라미터가 상기 현재블록의 크기인 경우, 상기 현재블록의 가로 및 세로의 길이, 또는 상기 가로와 세로에 관련된 조건에 기초하여 상기 메타정보 벡터를 생성하는 것을 특징으로 하는, 방법.
  4. 제1항에 있어서,
    상기 메타 정보를 생성하는 단계는,
    상기 압축 파라미터가 양자화 파라미터이고 상기 양자화 파라미터가 0 내지 Q-1(여기서, Q는 자연수)의 범위에 포함되는 하나의 숫자인 경우, floor(log2Q)+1 크기를 갖는 벡터들을 생성하고 상기 벡터들 중 하나를 상기 양자화 파라미터의 메타정보 벡터로 매핑하는 것을 특징으로 하는, 방법.
  5. 제1항에 있어서,
    상기 메타 정보를 생성하는 단계는,
    상기 압축 파라미터가 양자화 파라미터인 경우, 상기 양자화 파라미터의 범위를 등분한 구간들에 대응하는 벡터들을 생성한 후, 상기 벡터들 중 하나를 상기 양자화 파라미터의 메타정보 벡터로 매핑하는 것을 특징으로 하는, 방법.
  6. 제1항에 있어서,
    상기 메타 정보를 생성하는 단계는,
    상기 압축 파라미터가 인트라 예측모드의 방향이고, 상기 방향이 0 내지 P-1 (여기서, P는 자연수)의 범위에 포함되는 하나의 숫자인 경우, floor(log2P)+1 크기를 갖는 벡터들을 생성하고 상기 벡터들 중 하나를 상기 방향의 메타정보 벡터로 매핑하는 것을 특징으로 하는, 방법.
  7. 제1항에 있어서,
    상기 메타 정보를 생성하는 단계는,
    상기 압축 파라미터가 인트라 예측모드의 방향인 경우, 상기 인트라 예측모드의 범위를 등분한 구간들에 대응하는 벡터들을 생성한 후, 상기 벡터들 중 하나를 상기 방향의 메타정보 벡터로 매핑하는 것을 특징으로 하는, 방법.
  8. 제1항에 있어서,
    상기 메타 정보를 생성하는 단계는,
    상기 압축 파라미터가 상기 움직임벡터인 경우, 상기 움직임벡터를 상기 메타정보 벡터로 표현하되, 상기 메타정보 벡터의 구성요소들은 상기 움직임벡터의 방향, 상기 움직임벡터의 해상도, 상기 움직임벡터의 참조 픽처 인덱스, 상기 움직임벡터의 참조 픽처 리스트, 상기 움직임벡터의 부호, 및 상기 움직임벡터의 크기를 나타내는 것을 특징으로 하는, 방법.
  9. 제1항에 있어서,
    상기 메타 정보를 생성하는 단계는,
    인트라 예측모드, 인트라 예측 또는 인터 예측의 여부, ISP(Intra sub-partition) 모드의 정보, 양자화 파라미터, MTS(Multiple Transform Selection) 인덱스, MTS에 대한 플래그, 또는 인루프 필터의 파라미터 셋에 대한 인덱스를 그대로 메타 정보로 사용하는 것을 특징으로 하는, 방법.
  10. 제1항에 있어서,
    상기 메타 정보의 특징 벡터를 생성하는 단계는,
    상기 메타정보 벡터를 하나 이상 결합하여 입력 벡터를 생성하고, 상기 입력 벡터를 상기 추출 모델에 입력하여 상기 특징 벡터를 생성하는 것을 특징으로 하는, 방법.
  11. 제10항에 있어서,
    상기 메타 정보의 특징 벡터를 생성하는 단계는,
    상기 입력 벡터 외에, 상기 현재블록의 주변 참조 픽셀들을 추가로 상기 추출 모델에 입력하여, 상기 특징 벡터를 생성하는 것을 특징으로 하는, 방법.
  12. 제1항에 있어서,
    상기 현재블록의 복호화 과정을 수행하는 단계는,
    상기 복호화 과정이 행렬가중 인트라 예측(matrix weighted intra prediction)인 경우, 상기 메타 정보는 상기 현재블록의 블록 구조, 상기 현재블록의 크기, 상기 현재블록의 참조샘플들, 양자화 파라미터, 및 인트라 예측과 관련된 파라미터들을 포함하고, 상기 특징 벡터는 집합들 중 하나를 지시하는 인덱스이되, 상기 집합들은 상기 행렬가중 인트라 예측의 적용에 사용되는 행렬들 및 벡터들을 포함하는 것을 특징으로 하는, 방법.
  13. 제1항에 있어서,
    상기 현재블록의 복호화 과정을 수행하는 단계는,
    상기 복호화 과정이 행렬가중 인트라 예측인 경우, 상기 메타 정보는 상기 현재블록의 참조샘플들을 포함하고, 상기 특징 벡터는 인트라 예측모드들 중 하나를 지시하는 대체 인덱스(replacing index)인 것을 특징으로 하는, 방법.
  14. 제13항에 있어서,
    상기 현재블록의 복호화 과정을 수행하는 단계는,
    상기 복호화 과정이 상기 현재블록의 인트라 예측이고, 상기 현재블록의 좌측에 위치한 루마 블록이 상기 행렬가중 인트라 예측에 따라 예측되거나 상기 현재블록의 상단에 위치한 루마 블록이 상기 행렬가중 인트라 예측에 따라 예측된 경우, 해당 루마 블록의 대체 인덱스를 상기 현재블록의 MPM(Most Probable Mode) 리스트의 구성에 적용하는 것을 특징으로 하는, 방법.
  15. 영상 부호화 장치가 수행하는, 현재블록을 부호화하는 방법에 있어서,
    상기 현재블록에 대해 압축 파라미터들을 획득하는 단계;
    상기 압축 파라미터들 중 하나 이상을 조합하여 메타 정보를 생성하는 단계, 여기서, 상기 메타 정보는 각 압축 파라미터를 그대로 포함하거나 상기 각 압축 파라미터로부터 생성된 메타정보 벡터를 포함함;
    상기 메타 정보를 딥러닝 기반 추출 모델에 입력하여 상기 메타 정보의 특징 벡터를 생성하는 단계; 및
    상기 특징 벡터를 이용하여 상기 현재블록의 부호화 과정을 수행하는 단계
    를 포함하는 것을 특징으로 하는, 방법.
  16. 제15항에 있어서,
    상기 압축 파라미터들은,
    상기 현재블록에 대해 상위 레벨에서 설정된 파라미터들 및 상기 현재블록의 레벨에서 결정된 정보를 포함하되, 상기 결정된 정보는 상기 현재블록의 블록 구조, 상기 현재블록의 크기, 상기 현재블록의 참조샘플들, 분할 정보, 인트라 예측, 인터 예측 및 움직임벡터와 관련된 정보의 전부 또는 일부를 포함하는 것을 특징으로 하는, 방법.
  17. 영상 부호화 방법에 의해 생성된 비트스트림을 저장하는 컴퓨터 판독 가능한 기록매체로서, 상기 영상 부호화 방법은,
    현재블록에 대해 압축 파라미터들을 획득하는 단계;
    상기 압축 파라미터들 중 하나 이상을 조합하여 메타 정보를 생성하는 단계, 여기서, 상기 메타 정보는 각 압축 파라미터를 그대로 포함하거나 상기 각 압축 파라미터로부터 생성된 메타정보 벡터를 포함함;
    상기 메타 정보를 딥러닝 기반 추출 모델에 입력하여 상기 메타 정보의 특징 벡터를 생성하는 단계; 및
    상기 특징 벡터를 이용하여 상기 현재블록의 부호화 과정을 수행하는 단계
    를 포함하는 것을 특징으로 하는, 기록매체.
PCT/KR2023/008133 2022-06-22 2023-06-13 메타 정보를 이용하는 비디오 코딩을 위한 방법 및 장치 WO2023249306A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20220075990 2022-06-22
KR10-2022-0075990 2022-06-22
KR10-2023-0074954 2023-06-12
KR1020230074954A KR20230175110A (ko) 2022-06-22 2023-06-12 메타 정보를 이용하는 비디오 코딩방법 및 장치

Publications (1)

Publication Number Publication Date
WO2023249306A1 true WO2023249306A1 (ko) 2023-12-28

Family

ID=89334293

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/008133 WO2023249306A1 (ko) 2022-06-22 2023-06-13 메타 정보를 이용하는 비디오 코딩을 위한 방법 및 장치

Country Status (2)

Country Link
KR (1) KR20230175110A (ko)
WO (1) WO2023249306A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190114853A (ko) * 2018-03-30 2019-10-10 한국전자통신연구원 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
KR20200121369A (ko) * 2019-03-09 2020-10-23 텐센트 아메리카 엘엘씨 비디오 코딩을 위한 방법 및 장치
US10911769B2 (en) * 2017-06-23 2021-02-02 Qualcomm Incorporated Motion-based priority for the construction of candidate lists in video coding
KR20220018447A (ko) * 2020-08-06 2022-02-15 현대자동차주식회사 딥러닝 기반 인터 예측을 이용하는 영상 부호화 및 복호화
KR20220061127A (ko) * 2019-09-19 2022-05-12 퀄컴 인코포레이티드 비디오 코딩에서 행렬-가중된 인트라 예측을 위한 행렬 조합

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10911769B2 (en) * 2017-06-23 2021-02-02 Qualcomm Incorporated Motion-based priority for the construction of candidate lists in video coding
KR20190114853A (ko) * 2018-03-30 2019-10-10 한국전자통신연구원 영상 부호화/복호화 방법, 장치 및 비트스트림을 저장한 기록 매체
KR20200121369A (ko) * 2019-03-09 2020-10-23 텐센트 아메리카 엘엘씨 비디오 코딩을 위한 방법 및 장치
KR20220061127A (ko) * 2019-09-19 2022-05-12 퀄컴 인코포레이티드 비디오 코딩에서 행렬-가중된 인트라 예측을 위한 행렬 조합
KR20220018447A (ko) * 2020-08-06 2022-02-15 현대자동차주식회사 딥러닝 기반 인터 예측을 이용하는 영상 부호화 및 복호화

Also Published As

Publication number Publication date
KR20230175110A (ko) 2023-12-29

Similar Documents

Publication Publication Date Title
WO2023287018A1 (ko) 딥러닝 기반 인트라 예측 신호를 개선하는 비디오 코딩방법 및 장치
WO2022119301A1 (ko) 인트라 예측을 이용하는 비디오 코딩 방법 및 장치
WO2022114770A1 (ko) 기하학적 변환에 기반하는 블록 복사를 이용하는 인트라 예측방법과 장치
WO2022045738A1 (ko) 딥러닝 기반 인루프 필터를 이용하는 영상 부호화 및 복호화
WO2021071145A1 (ko) 인터 예측을 이용하여 비디오를 부호화 및 복호화하는 방법 및 장치
WO2023249306A1 (ko) 메타 정보를 이용하는 비디오 코딩을 위한 방법 및 장치
WO2023219288A1 (ko) 양방향 예측을 이용하는 크로마 성분의 인터 예측을 위한 방법
WO2024111851A1 (ko) 인트라 서브분할 예측과 변환생략을 이용하는 비디오 코딩을 위한 방법 및 장치
WO2024049024A1 (ko) 1차 변환 커널에 적응적인 분리 불가능한 2차 변환 기반 비디오 코딩을 위한 방법 및 장치
WO2024117693A1 (ko) 아핀 모델 기반의 예측에서 움직임 보상 필터를 적응적으로 이용하는 비디오 코딩을 위한 방법 및 장치
WO2024117533A1 (ko) 아핀 모델 기반의 예측을 이용하는 비디오 코딩방법 및 장치
WO2024034849A1 (ko) 루마 성분 기반 크로마 성분 예측을 이용하는 비디오 코딩을 위한 방법 및 장치
WO2024075983A1 (ko) 복수의 블록들 기반 인트라 템플릿 매칭 예측을 이용하는 비디오 코딩을 위한 방법 및 장치
WO2023191332A1 (ko) 적응적 다중변환선택을 이용하는 비디오 코딩을 위한 방법 및 장치
WO2023224280A1 (ko) 혼합 성분간 예측을 사용하는 비디오 코딩을 위한 방법 및 장치
WO2022119302A1 (ko) 블록병합을 이용하는 비디오 코딩 방법 및 장치
WO2023106603A1 (ko) 템플릿 매칭 기반 이차적인 mpm 리스트를 이용하는 비디오 코딩을 위한 방법 및 장치
WO2023219290A1 (ko) 크로마 성분별 인트라 예측모드의 부호화를 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
WO2023224289A1 (ko) 가상의 참조라인을 사용하는 비디오 코딩을 위한 방법 및 장치
WO2024034861A1 (ko) 템플릿 기반 예측을 이용하는 비디오 코딩을 위한 방법 및 장치
WO2024039088A1 (ko) 비선형 교차 성분 관계에 기반하는 cc-alf를 이용하는 비디오 코딩을 위한 방법 및 장치
WO2024111834A1 (ko) 복원 참조샘플 기반 성분간 예측을 이용하는 비디오 코딩을 위한 방법 및 장치
WO2023038444A1 (ko) 비디오 부호화/복호화 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: 23827426

Country of ref document: EP

Kind code of ref document: A1